对象识别和比较的制作五分时时彩方法

文档序号:19128023发布日期:2019-11-13 02:19
对象识别和比较的制作五分时时彩方法

本申请主张2017年3月21日提交的美国申请62/474,571的优先权,该申请的全部内容通过引用结合于本文中。

技术领域

本发明一般涉及诸如由制造流程所使用或生产的对象的图像处理。



背景技术:

光刻设备是将所期望的图案施加至衬底的目标部分上的机器。光刻设备可以例如用于集成电路(IC)的制造中。在那种情况下,图案形成装置(其替代地被称作掩模或掩模版)可以用以产生对应于IC的单层上的图案,并且此图案可以被成像至具有辐射敏感材料(诸如光阻这样的抗蚀剂)层的衬底(例如硅晶片)上的目标部分(例如包括管芯的部分、一个管芯或几个管芯)上。一般而言,单个衬底将包括依次曝光的相邻目标部分的网络。已知的光刻设备包括:所谓的步进器,其中通过一次性将整个图案曝光至目标部分上来照射每一目标部分;和所谓的扫描器,其中在给定方向(“扫描”方向)上通过辐射束扫描图案同时平行或反向平行于所述方向同步地扫描衬底来照射每一目标部分。

在将图案从图案形成装置转印到衬底之前,衬底可以经历各种过程,例如涂底漆、涂覆抗蚀剂和软烘烤。在曝光之后,衬底可以经受其它过程,例如曝光后烘烤(PEB)、显影、硬烘烤和经转移图案的测量/检查。这一系列过程被用作制造器件(例如IC)的单个层的基础。然后,衬底可以经历各种工艺,诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学机械抛光等,所有这些工艺都旨在完成器件的单层。如果在器件中需要若干层,则对每层重复整个过程、或其变型。最后,器件将存在于衬底上的每个目标部分中。然后,通过诸如切割或锯切这样的技术将这些器件彼此分离,由此可以将各单个器件安装在载体上、连接到引脚等。虽然术语“衬底”包括下方的基底(例如,硅),但是在适用的情况下,其还可以包括覆盖所述基底的一个或更多个层。因而,将图案转移到衬底中或衬底上的步骤可以包括将图案转移到衬底上的一个或更多个层上。

因而,制造器件(诸如半导体器件)通常涉及使用多个制造工艺来处理衬底(例如,半导体晶片)以形成器件的各种特征和多个层。这些层和特征通常使用例如淀积、光刻、蚀刻、化学机械抛光、和离子注入来制造和处理。可在衬底上的多个管芯上制造多个器件,且然后将其分成单独的器件。此器件制造工艺可以被认为是图案形成工艺。图案形成工艺涉及图案形成步骤,诸如在光刻设备中使用图案形成装置的光学和/或纳米压印光刻,以将图案形成装置上的图案转印到衬底上,并且通常但可选地涉及到一个或更多个相关的图案处理步骤,诸如通过显影设备的抗蚀剂显影、使用烘焙工具的衬底烘焙、使用蚀刻设备而使用图案进行蚀刻等。



技术实现要素:

使用图案形成过程制造诸如半导体器件的器件包括将图案转移到衬底上以便创建器件的元件。图案到衬底的有效和高效转移导致具有可再现性能特性的器件。

为了能够使用图案形成过程进行这种制造,通常创建图案形成装置的数字布局文件(诸如GDS文件、GDSII文件、OASIS文件、或用于传送关于用于图案转移的器件元件布局的信息的其它格式),然后基于存储在所述数字布局文件中的数据使用该数字布局文件来创建或控制图案形成装置。然后,将图案形成装置的图案转移到所述衬底上。通常在形成图案形成装置之后和/或在将图案形成装置的图案转移到衬底上之后执行检查。检查可包括缺陷检查和/或图案品质检查。检查可以揭示缺陷或差的图案品质,这可以导致图案形成装置的修复、替换等,并且导致图案形成过程中的补救步骤(例如,过程的控制、衬底的返工、防止衬底被进一步处理、图案形成装置图案的改变,等等)。检查可以在蚀刻之后作为图案形成过程的一部分。

因此,为了能够实现对图案形成过程的一个方面进行的设计、控制、修改等,期望能够根据形状来识别在所述图案形成过程中使用的图案的特征(例如,结构),无论图案是在数字布局文件中、在图案形成装置处体现和/或转移到衬底。此外,期望能够在形状方面在图案中找到相同或相似的特征。特征的识别和/或发现相同或相似特征可以基于在检查中所采集的一个或更多个图像来完成,诸如如上所述。

例如,通过形状进行对于在衬底上所创建的特征的识别和/或通过形状发现在衬底上所创建的相同或相似特征,可以协助确定特征是否具有与期望的器件结构一致或与其它相似特征一致的预期外观。如果预期外观与设计意图一致或不一致,则可以采取适当的动作(例如,改变所述图案形成过程、改变所述图案形成过程的一个方面的设计、识别和校正过程偏移等)。

类似地,通过形状进行对于数字布局文件或图案形成装置中的特征的识别和/或发现数字布局文件或图案形成装置中的相同或相似特征,可以协助确定特征是否具有与设计意图一致的预期外观。如果预期外观与设计意图一致或不一致,则可以采取适当的动作(例如,用以确定在制造过程中使用图案形成装置之前是否可以修改所述图案形成装置上的图案以在衬底上生成改进的图案,用以确定是否由于图案退化或污染等而应该对图案形成装置进行更换、修复等)。

因此,本文中描述了各种特定技术,以使得能够根据形状来识别特征和/或通过形状来发现相同或相似的特征。

在一实施例中,提供了一种五分时时彩方法,包括:从一组已成形特征中选择一个已成形特征,该组已成形特征中的每个已成形特征在该已成形特征的形状的周边上具有一组点;由硬件计算机针对所选择的已成形特征来创建多个形状情境描述符,其中每个形状情境描述符提供所述一组点的第一焦点相对于所述一组点的第二点在形状情境描述符框架中的位置的指示;以及由所述硬件计算机基于来自所述多个形状情境描述符的数据从所述一组已成形特征中识别具有与所选择的已成形特征相同或类似形状的已成形特征。

在一实施例中,提供了一种计算机程序产品,包括其上记录有指令的计算机可读介质,所述指令在由计算机执行时实现如本文所述的五分时时彩方法。

在参考附图考虑以下描述和所附权利要求书时,这些和其它特征、以及操作的五分时时彩方法和结构的相关元件的功能、以及部件的组合和制造的经济性将变得更加显而易见,所有这些形成本说明书的一部分。然而,应当清楚地理解,附图仅用于说明和描述的目的,而不是旨在作为对本发明的限制的定义。

附图说明

在附图的各个图中,作为示例而非限制,示出了实施例,其中相同的附图标记指代相同的元件。

图1描绘了光刻设备的实施例的示意图。

图2描述了光刻单元的实施例的示意图;

图3描绘根据实施例的用以生成形状情境描述符以用于形状识别和/或比较的构造。

图4描绘根据实施例的用以生成形状情境描述符以用于形状识别和/或比较的构造。

图5描绘根据实施例的用以生成形状情境描述符以用于形状识别和/或比较的构造。

图6描绘了根据实施例的形状情境描述符矢量。

图7描绘了根据实施例的多维空间的情境中的形状情境描述符矢量。

图8描绘了根据实施例的表示多个形状情境描述符矢量的多维空间。

图9A、图9B和图9C描述了以直方图形式表示的示例特征形状和相关联的形状体(shapeme)描述。

图10示出了根据实施例的使用形状体的局部敏感哈希的示意性矩阵。

图11描绘了根据实施例的使用形状体的局部敏感哈希的示例流程图。

图12描绘了示例计算机系统的框图。

具体实施方式

图1示意性地描绘了光刻设备LA,与本文中所描述技术能够与所述光刻设备相关联地运用。该设备包括:照射光学系统(照射器)IL,配置成调节辐射束B(例如紫外(UV)辐射、或深紫外(DUV)辐射或极紫外(EUV)辐射);图案形成装置支撑件或支撑结构(例如掩模台)MT,构造成支撑图案形成装置(例如掩模)MA,且连接至配置成根据某些参数来准确地定位该图案形成装置的第一定位器PM;一个或更多个衬底台(例如晶片台)WTa、WTb,构造成保持衬底(例如涂覆抗蚀剂的晶片)W,且连接至配置成根据某些参数来准确地定位该衬底的第二定位器PW;和投影系统(例如折射、反射、反射光学或反射折射光学系统)PS,配置成将由图案形成装置MA赋予至辐射束B的图案投影至衬底W的目标部分C(例如包括一个或更多个管芯)上。

照射光学系统可以包括用于引导、成形或控制辐射的各种类型的光学部件,诸如包括折射型、反射型、磁性型、电磁型、静电或其它类型的光学部件或其任何组合。在这种特定情况下,所述照射系统还包括辐射源SO。

图案形成装置支撑件以取决于图案形成装置的方向、光刻设备的设计及其它条件(诸如图案形成装置是否被保持于真空环境中)的方式来支撑图案形成装置。所述图案形成装置支撑件可以使用机械、真空、静电或其它夹持技术来保持图案形成装置。所述图案形成装置支撑件可以是例如框架或台,其可视需要是固定的或可移动的。所述图案形成装置支撑件可以确保图案形成装置例如相对于投影系统处于所期望的位置。可认为本发明中使用的任何术语“掩模版”或“掩模”都与更上位的术语“图案形成装置”同义。

本发明所使用的术语“图案形成装置”应该被广义地解释为指可以用以在辐射束的横截面中向辐射束赋予图案以便在衬底的目标部分中产生图案的任何装置。应该注意的是,例如,如果被赋予至辐射束的图案包括相移特征或所谓的辅助特征,则该图案可能不确切地对应于衬底的目标部分中的所期望的图案。通常,被赋予至辐射束的图案将对应于目标部分中所产生的器件(诸如集成电路)中的特定功能层。

图案形成装置可以是透射的或反射的。图案形成装置的示例包括掩模、可编程反射镜阵列、和可编程LCD面板。掩模在光刻中是熟知的,且包括诸如二元掩模类型、交替相移掩模类型和衰减相移掩模类型以及各种混合掩模类型的掩模类型。可编程反射镜阵列的示例使用小反射镜的矩阵布置,所述小反射镜中的每一个可以单独地倾斜,以便在不同方向上反射入射辐射束。倾斜的反射镜在由反射镜矩阵反射的辐射束中赋予图案。作为另一个例子,图案形成装置包括LCD矩阵。

如本文所描述的,所述设备属于透射类型(例如使用透射图案形成装置)。然而,所述设备可属于反射类型(例如使用上文所提及的类型的可编程反射镜阵列,或使用反射掩模(例如,用于EUV系统))。

光刻设备也可以属于以下类型:其中衬底的至少一部分可由具有相对高折射率的液体(例如水)覆盖,以便填充投影系统与衬底之间的空间。也可以将浸没液体施加至光刻设备中的其它空间,例如掩模与投影系统之间的空间。浸没技术在本领域中被熟知用于增大投影系统的数值孔径。本发明中所使用的术语“浸没”并不意味着诸如衬底的结构必须浸没于液体中,而是仅意味着液体在曝光期间位于投影系统与衬底之间。

参看图1,照射器IL接收来自辐射源SO(例如,汞灯或准分子激光器,LPP(激光产生等离子体)EUV源)的辐射束。例如,当源为准分子激光器时,源和光刻设备可以是分离的实体。在这样的情况下,不将源看成构成光刻设备的部分,辐射束借助于包括例如合适的定向反射镜和/或扩束器的束递送系统BD而从源SO传递至照射器IL。在其它情况下,例如,当源为汞灯时,源可以是光刻设备的组成部分。源SO和照射器IL连同在需要时设置的束递送系统BD可以被称作辐射系统。

照射器IL可以包括用于调整辐射束的空间和/或角强度分布的调整器AD。通常,可调整照射器的光瞳平面中的强度分布的至少外部径向范围和/或内部径向范围(通常分别被称作σ-外部和σ-内部)。另外,照射器IL可以包括各种其它部件,诸如积分器IN和聚光器CO。照射器可以用以调节辐射束,以在其横截面中具有所期望的均一性和强度分布。

辐射束B入射于被保持于图案形成装置支撑件(例如掩模台)MT上的图案形成装置(例如掩模)MA上,且由图案形成装置来形成图案。在已横穿图案形成装置(例如掩模)MA的情况下,辐射束B传递通过投影光学系统PS,投影光学系统PS将该束聚焦至衬底W的目标部分C上,由此将图案的图像投影到目标部分C上。借助于第二定位器PW和位置传感器IF(例如干涉仪装置、线性编码器、2D编码器或电容式传感器),可准确地移动衬底台WT例如以便使不同目标部分C定位于辐射束B的路径中。相似地,第一定位器PM和另一位置传感器(其未在图1中明确地描绘)可以用以例如在从掩模库的机械获取之后或在扫描期间相对于辐射束B的路径来准确地定位图案形成装置(例如掩模)MA。

可以使用图案形成装置对准标记M1、M2和衬底对准标记P1、P2来对准图案形成装置(例如掩模)MA和衬底W。尽管如所图示的衬底对准标记占据专用目标部分,但所述衬底对准标记可以位于目标部分之间的空间中(这些标记被称为划线对准标记)。类似地,在多于一个管芯被设置于图案形成装置(例如掩模)MA上的情形中,图案形成装置对准标记可位于所述管芯之间。小的对准标记也可被包括在装置特征中的模具内,在此情况下,希望标记尽可能小且不需要与邻近特征不同的任何成像或工艺条件。检测所述对准标记的对准系统将在下面进一步描述。

在此示例中的光刻设备LA是所谓的双台类型,其具有两个衬底台WTa、WTb和两个站(曝光站和测量站),在这两个站之间可以交换衬底台。当一个衬底台上的一个衬底在曝光站处被曝光时,另一衬底可以在测量站处被装载到另一衬底台上,并且执行各种预备步骤。预备步骤可以包括使用水平传感器LS来映射衬底的表面控制、使用对准传感器AS来测量所述衬底上的对准标记的位置、执行任何其它类型的计量或检查,等等。这能使得设备的产量显著增加。更一般地,光刻设备可以是具有两个或更多个台(例如,两个或更多个衬底台、衬底台和测量台、两个或更多个图案形成装置台,等等)的类型。在这种“多级”装置中,多个台可以并行使用,或者可以在一个或更多个台上进行预备步骤,同时一个或更多个其它台用于曝光。例如,在美国专利号5,969,441中描述了双台光刻设备,该美国专利的全部内容通过引用并入本文中。

虽然水平传感器LS和对准传感器AS被示出为与衬底台WTb相邻,但是应当理解,另外地或可替代地,水平传感器LS和对准传感器AS可以被设置成邻近于投影系统PS以相对于衬底台WTa进行测量。

所描述的设备可以用于各种模式,包括例如步进模式或扫描模式。光刻设备的构造和操作对于本领域技术人员是公知的,并且不需要为了理解实施例而进一步描述。

如图2所示,光刻设备LA形成光刻系统的一部分,称为光刻单元LC或光刻元(1ithocell)或簇。光刻单元LC也可以包括用以对衬底执行曝光前过程和曝光后过程的设备。通常,这些设备包括用以淀积抗蚀剂层的旋涂器SC、用以显影经曝光的抗蚀剂的显影器DE、激冷板CH和/或焙烤板BK。衬底搬运器或机器人RO从输入/输出端口I/O1、I/O2拾取衬底,在不同过程设备之间移动衬底,且然后将衬底递送至光刻设备的装载舱LB。常常被统称为轨道(track)的这些装置由轨道控制单元TCU控制,轨道控制单元TCU自身受管理控制系统SCS控制,管理控制系统SCS也经由光刻控制单元LACU来控制所述光刻设备。因此,不同设备能够被操作以最大化生产量和处理效率。

图案形成装置将体现或产生具有用以在衬底(诸如衬底W)上生成图案的众多个别特征的图案。在一实施例中,在例如蚀刻和/或淀积之后,使用转印到衬底的图案来产生器件的元件。图案的个别特征通常对应于例如集成电路的元件:一些特征对应于栅极结构,一些特征对应于接触部,等等。如将理解的,那些特征(例如,图案形成装置图案的特征、形成在衬底上的图案的特征,等等)中的每一个将通常具有一定形状。

如上所述,在图案中识别具有某些形状的特征可能是有用的。这可以是图案形成装置的图案,或者用于图案形成装置的图案,可以是使用图案形成装置等在衬底上产生的图案。

识别具有相同或相似形状的特征(诸如衬底的一个或更多个扫描电子显微镜图像中的形状)的一种五分时时彩方法是直接重叠/叠置图像,以便查看形状上的点是否在相同或相似的位置处。然而,例如,当重叠图像中的形状处于不同方位处时,图像的直接重叠无法识别相同的形状。类似地,当形状是不同尺寸时,使用直接重叠并不会将具有不同尺寸的相同形状识别为相同形状,除非这些形状中的一个相对于另一个形状被缩放或归一化。此外,直接重叠可能不适于识别形状相似但不相同的形状。

此外,所述图像可以用来评估例如图案形成装置图案到衬底的转印。但是,例如典型半导体器件的图案中的大量形状可能使得难以找到所关注特征以供检查。根据特征的数量以及一些特征彼此的接近程度,在图像中找到特定形状的各个特征或特征的组合可能是耗时的。因此,将会希望有一种改进的五分时时彩方法来了解特定形状特征、或形状特征的组合的位置,以便例如减少找到具有相同或相似形状的特征所需的时间。虽然特征的位置的索引可以是可用的,但是该索引可能并不提供用以了解特征的形状或用以找到具有相同或相似形状的特征的有效手段。因此,需要一种改进的特征识别和/或比较五分时时彩方法,其能够识别具有相同或相似形状的特征。这种改进的特征识别和/或比较五分时时彩方法的结果可以用于各种用途,诸如图案化过程的设计、控制等,减少了检查的量和/或时间等。

因此,在一实施例中,期望具有一种改进的特征识别和/或比较五分时时彩方法。这种改进的五分时时彩方法认识到,相同或相似的特征具有大致相同或相似的轮廓或周边,以及沿着周边的点的大致相似的位置。这可以是形状是否已经被旋转、缩放、平移等。在一实施例中,沿着形状周边的点可以包括形状周边的边相交的顶点和沿着与形状周边的顶点远离的边的点。

在一实施例中,形状识别涉及将特征的形状分析或概括成表示特征的周边或轮廓的描述符。在一实施例中,形状相似性识别、或形状比较,涉及到使用描述符来分析或概括多个特征的形状以确定特征的参考或目标形状与所比较的形状为相似或相同的操作。

在一实施例中,提供了用以识别图像中的特征的形状的技术,其在本文中将被称为形状识别。例如,尽管图像可以描绘特征的形状,但仅对图像进行描绘并不能让人在图像中定位该形状的另一示例或识别类似的形状。因而,例如,识别特征的形状可以使得能够实现将该特征完全定位在图像的任何其它部分中或在另一图像中。另外或替代地,识别形状能够确定另一特征的形状是否相同或相似(如本文进一步描述的),并且因而能够定位这样的其它特征。这将被称为形状搜索。

在一实施例中,提供了用以识别具有相同或相似形状的特征的技术,其在本文中将被称为形状比较。例如,使用多个特征的形状的识别,可以确定多个特征中的一个或更多个特征是否具有与一个或更多个其它特征相同或相似的形状。这对于例如将图案中的特征分组为具有相同或相似形状并且然后可以用于缺陷预测分析(因为例如相同或相似形状被预期为类似地受处理,并且因而相对而言其有缺陷、或没有缺陷是同等地很可能存在的两种情况)、用于加速检查(例如,通过对检查技术进行辅助来检查具有相同或相似形状的特征的那些位置,如果该形状是所关注的或可能有缺陷的)等可以是有用的。

因而,这些识别和/或比较技术的结果有众多应用。例如,在给定一组已测量图像的情况下,可以定位具有特定形状的特征,因为来自那些特征位置的数据和测量结果可以用于图案形成过程分析,诸如用于特定特征形状的过程窗口分析。所定位的特定特征可以是具有通过形状识别过程所确定的专用特定形状的特征,或者可以是在形状方面与使用形状比较过程的结果所确定的形状相同或相似的特征。作为另一个例子,在任何图案形成过程分析中所使用的该组测量位置影响导出结果(例如,数学模型)的品质和有效性。如果仅测量或使用所述图案的非关键或冗余方面、或过多地测量或使用所述图案的非关键或冗余方面,则结果可能过于乐观(例如,过于乐观的过程窗口),从而导致可能发生故障/失效的器件。类似地,测量或使用来自提供关于过程窗口的基本相同信息的位置的数据可能是浪费的和低效的。但是,测量或使用来自完整图案的数据通常可能花费太长时间以致于不实用。因此,本文中的形状识别和/或形状比较过程的结果可以引导用于图案形成过程分析的数据的选择和/或测量。作为进一步的示例,虽然数字布局文件提供了关于图案的特征的形状的信息,但是它可能不提供用以识别具有相同或相似形状的特征的机制,也不提供用以定位特定形状的机制。例如,数字布局文件不提供使得可以对特定形状进行定位的特征的完整形状的任何标识符,更不用说提供标识出哪些特征具有相似形状的任何信息。因而,它不能区分哪些设计特征(例如,剪辑)是相似的或不相似的。因此,本文中的形状识别和/或形状比较过程的结果可以用作用以在数字布局文件中针对特定的相同或相似形状对所述数据进行搜索、分割/分段等的手段。

作为进一步的示例,所测量的(例如SEM)数据可能难以重新用于将来没看到的图案,因为可能不知道该数据是否相关(例如,包含关于特定形状的数据或包含关于与特定形状相同或相似的形状的数据)。因此,本文中的形状识别和/或比较过程可实现相关数据(例如,SEM数据)的自动确定。结果,存档SEM数据可以用于对未来的图案布局进行预测,而未必必需测量所述图案布局。

作为另一示例,在一实施例中,使用形状识别过程和/或形状比较过程,可针对图像自动地得出形状类型的基础分布。在一实施例中,然后可以基于形状的设计特征,基于它们对于完整图案设计的代表性如何来对形状进行排序。在给定有限数量的测量数据(例如SEM测量数据)的情况下,则可以优化测量位置(以供测量,或应使用来自所述测量位置的数据)以覆盖尽可能多的“形状空间”。然后,在给定一组这些测量位置的情况下,例如,可以导出代表性的过程窗口。

在另一示例中,可使用形状识别过程和/或形状比较过程的结果通过形状的类型来标记图案中的特征。这可以允许例如确定哪些形状经常彼此接近、确定哪些辅助特征经常接近于那些已受光学邻近校正的特征、和/或哪些形状经常彼此重叠印刷(例如,用于多重图案形成和/或用于多个物理层)。然后,此信息可以用在图案形成过程设计、控制等之中。

在一实施例中,形状识别过程和/或形状比较过程可被用来组织图像。如果不同的形状类型在过程窗口的情境中是相关的,则找到这些不同的形状类型遍及整个图像或多个图像(例如,图像的存档)中所定位的位置是有用的。因此,在一实施例中,本文中的形状识别过程和/或形状比较过程可用于分割一个或更多个图像以概括形状对象。以相同的方式,然后可以在这些所概括的形状对象上构建搜索引擎。因而,在一实施例中,提供了一种搜索引擎来找到和定位具有特定形状的特征和/或定位具有相同或相似形状的特征。这种五分时时彩方法的好处在于,它能够处理大数据量(例如,图案可以容易地具有数百万或数十亿的形状,并且图像数据存档也可以按照这些数量级而增长),而同时仍然导致相对快的查询时间。

此外,在一实施例中,可以在不同组的数据之间交叉识别特征。例如,可以将针对图案形成装置图案布局而识别的特征(例如,对所述图案形成装置图案布局加以描述的数字布局文件、体现所述图案形成装置图案布局的已制造的图案形成装置等)与在使用图案形成装置图案布局在衬底上所创建的形状方面相同或相似的特征一起进行交叉识别。作为另一个示例,可以将针对图案形成装置的数字布局文件而识别的特征与在体现由数字布局文件所描述的图案的已制造的图案形成装置的形状方面相同或相似的特征一起进行交叉识别。因此,如果例如形状“语言”(例如,如本文中进一步描述的形状情境描述符框架的选择,如本文中进一步描述的形状体确定的选择,等等)是相同的或非常相似的,则可以跨越不同类型的图案数据进行查询。例如,在给定SEM图像形状的情况下,可以识别数字布局文件中的形状,反之亦然。因此,例如,不仅可以基于坐标,而且可以基于内容(即相同或相似的形状),将数字布局文件和SEM图像关联。

此外,在一实施例中,由于对于经图案形成的衬底(以及视情况针对于特定应用的处理步骤)可以提供一组元数据,所以也可以利用该信息来丰富所述查询。因此,例如,能够进行可能的查询,诸如:“位于衬底的边缘上的所有G-型形状,其在上方的层上具有W-型形状”。

在此情境下,下文更详细地描述改进的形状识别过程和/或形状比较过程的实施例。

现在,应当注意,本文中的描述将集中于识别图像中的特征的形状。例如,所述图像可以是衬底的图像、图案形成装置的图像,等等。所述图像可以是不同类型的。示例图像可以是扫描电子显微镜图像。根据图像的类型,可能需要处理所述图像数据以使用适用的图像处理技术来从所述图像中概括所述特征(对象)。

但是,本文中的技术可以被应用于关于特征的其它数据,所述其它数据具有关于特征形状的信息。作为示例,数字布局文件可以具有关于图案特征的形状的信息,且因此本文中的技术也可以应用于所述数据。在实施例中,为了这样做,所述数字布局文件可以被变换成x-y坐标系中的多边形。

此外,虽然本文中的特征是在器件图案的情境中进行描述的(无论是用于图案形成装置、还是被体现在图案形成装置中,无论是否由图案形成装置在衬底上产生,等等),但是所述特征可以是图像中的任何形状的对象,或者可以在对物体形状进行描述的信息中予以表示。

形状情境描述符

在一实施例中,形状识别包括使用形状情境描述符框架(SCDF)来分割形状以便生成形状情境描述符。在一实施例中,形状情境描述符对应于在形状的周边上落在形状情境描述符框架的分段内的点的位置。因而,在一实施例中,每个形状情境描述符针对特定点描述了所述点落在哪个分段中。可对落入形状情境描述符框架(SCDF)的每个分段中的点的数目进行计数,并且针对所有分段的计数的集合可给出形状的表示。

图3描绘根据一实施例的用以生成用于形状的形状情境描述符(SCD)的构造100。构造100包括形状情境描述符框架104。在一实施例中,形状情境描述符框架104包括多个分段106。在此实施例中,分段106由径向分隔件108和环形分隔件110限定。在此情况下,所述形状情境描述符框架104是具有80个分段的极坐标网格,由十六(16)个径向分隔件108和五(5)个环形分隔件110分离开。因此,在这种情况下,存在80个分段。在一实施例中,介于分隔件108之间的角度可以是用户定义的。在一实施例中,介于分隔件110之间的距离可以是用户定义的。在一实施例中,形状情境描述符框架104的最大半径(即,最外面的分隔件110)可由用户定义。在一实施例中,形状情境描述符框架中的划分的数目(例如,沿着笛卡儿网格的x和/或y轴,或者对于极坐标网格的r和/或θ)不同,以调整形状识别和/或形状比较的灵敏度。在一实施例中,轴的标度是线性标度。在一实施例中,轴的标度是对数的。此外,在此实施例中,通过图形的方式描绘所述形状情境描述符框架104以便能够更好地理解,但是如将理解的,所述框架不必以图形的方式来表示,并且可以仅被视为数据分段的手段。

虽然形状情境描述符框架可以根据诸如图3所示的极坐标来定义,但是所述形状情境描述符框架可以是另一类型的坐标系,诸如笛卡尔坐标系。此外,所述形状情境描述符框架可以是二维的(如图3所示)或三维的。形状情境描述符框架104具有SCDF原点112。

图3还示出了用于关于形状情境描述符框架104进行分析的形状102。形状102具有位于形状情境描述符框架104的不同分段106中的多个点114。

因此,为了生成形状情境描述符,形状情境描述符框架的原点112位于所述形状102的周边上的焦点116处。所述焦点116是所述形状上确定多个形状情境描述符的一点,如下面进一步描述。在这种情况下,所述焦点116位于形状102的顶点处,但是它可以替代地沿着边缘定位。

然后,可针对所述形状的周边上相对于焦点116的另一点(并且因而当位于焦点112处时为原点)来限定形状情境描述符,作为描述该另一个点在所述形状情境描述符框架104内的位置(例如,在分段106中)的信息。在一实施例中,用于特定点的所述形状情境描述符是关于位于焦点116处的原点112而限定的半径和角度的组合。在一实施例中,所述半径可以是半径的对数。在一实施例中,所述角度是角度范围。因而,在一实施例中,半径和角度范围可以限定特定的分段106。

作为示例,形状情境描述符可以被限定于点118和焦点116之间,并且可以是描述点118的位置(并且因而,在一实施例中,对于点118所位于的分段106进行描述)的矢量120。所述形状的周边上的点的另一示例是点122,并且可定义描述点122的位置的矢量124。

然后,可以相对于焦点116定义所述形状的周边上和周围的多个点的所述形状情境描述符。在一实施例中,多个点包括所述形状的所有顶点的子集。在一实施例中,多个点包括所述形状的所有顶点以及所述形状上的一个或更多个其它点。在一实施例中,多个点仅包括所述形状的顶点。在一实施例中,对于形状102,多个点包括图3所示的所有周边点。在一实施例中,多个点是数字布局文件中表示的用以定义所述形状的点。在一实施例中,多个点可以是用户定义的(并且如果该数量比形状的可用点更少,则可以存在所述形状的过采样或采样过密)。点的数目可以是10或更多点,15或更多点,20或更多点,50或更多点,100或更多点,500或更多点,1000或更多点,5000或更多点,或10,000或更多点。所使用的点的数目可以基于准确度量度来确定。例如,可以评估某数目的点的精度,并且如果它满足精度的阈值(例如,大于或等于0.9/1),则可以使用它;否则如果其不充分,则可以增加点的数目。在一实施例中,在形状的周围均匀地采样来自可用于该形状的总数n个点的k个点,其中k小于或等于n。在一实施例中,所确定的形状情境描述符的数目对于经过分析的每个特征形状是相同的(包括例如,如果可用点的数目不同,那么在此情况下将会存在过取样)。在一实施例中,针对不同特征形状而确定的形状情境描述符的数目可不同。在一实施例中,具有大量形状情境描述符的形状可在分析中由所述形状的形状情境描述符的子集来表示。

然后,焦点116可以被移位到所述形状的周边上的另一个点,诸如点118或点122。然后,可以确定针对所述形状的周边上的多个其它点相对于该新焦点116的形状情境描述符。图4中描绘了这样的示例,其中焦点116现在位于所述形状的周边上的不同点处。如图所示,原点112现在也位于焦点116处。使用此新焦点116,可以用与已经描述的方式类似的方式来获得相对于周边上和周围的其它点的多个形状情境描述符。

因而,在一实施例中,所述形状上的周边上的点(用于参考的焦点)可具有一组一个或更多个形状情境描述符,每个形状情境描述符与所述形状的周边上的另一点有关,并以所述焦点作为原点。在一实施例中,所述焦点可具有用于焦点并与围绕所述形状的周边的多个这样的其它点有关的多个形状情境描述符。此外,所述形状上的周边上的多个点(每个都是用于参考的焦点)中的每一个可以是一组一个或更多个形状情境描述符,每个这样的形状情境描述符与所述形状的周边上的另一个点有关,并且具有作为原点的相应焦点。因此,形状可具有多个这样的成组的形状情境描述符,每一组涉及位于所述形状的周边周围的多个点中的一点。

此外,如将理解的,可类似地分析具有相同或类似形状的多个不同特征。在一实施例中,可以用类似的方式分析图像中的100个或更多、1000个或更多、100,000个或更多、1,000,000个或更多、10,000,000个或更多、100,000,000个或更多或500,000,000个或更多特征。

上述形状识别可以采集局部特征形状属性,局部特征形状属性是旋转变化、平移不变且按比例缩放变化(或其子集)。也就是说,将针对具有相同形状但相对于每一形状旋转或按比例缩放的两个特征产生不同组的形状描述符数据。然而,针对具有相同形状但相对于彼此平移的两个特征,将产生相同组的形状描述符数据。但是,即便所述形状描述符数据对于具有相同形状的旋转和/或按比例缩放特征可能不同,但是用于多个特征之一的形状情境描述符数据仍然可以使得能够找到具有所关注形状的另一特征,即使该特征具有所关注形状的旋转版本和/或所关注形状的按比例缩放版本,如本文中进一步描述的。

然而,在一些情况下,可能期望在不考虑所关注的形状的旋转的情况下来找出形状。在这种情况下,在一实施例中,可使所述形状情境描述符为旋转不变的,即,它将以任何旋转来采集所述形状。这样做的一种方式是确定所述形状的重心,且然后确定从重心到焦点的角度。然后,可以确定如上所述的形状情境描述符数据,除了角度被修改以从中减去从重心到焦点的角度。类似地,在一些情况下,可能期望在不考虑所关注的形状的均匀缩放的情况下找到形状。在这种情况下,在一实施例中,可使形状情境描述符为按比例缩放不变的,即,它将采集具有任何均一的按比例缩放的所述形状。这样做的一种方式是是允许所述形状情境描述符框架104的最大半径(即,最外面的分隔件110)发生改变并且与所述形状的最大横向维度相关。

SCDs的分析

现在,可以处理所述特征形状上的点的形状情境描述符以得到用于进一步分析的矢量(如将在下文中进一步描述的)。在一实施例中,形状情境描述符矢量包括在形状情境描述符框架104内的特定位置(例如,在分段106内、在分段106的环形带内、在分段106的径向带内等)处的多个点的数目的计数。在一实施例中,形状情境描述符可以基于例如半径和/或角度来被分筐,以得到形状情境描述符计数矢量。例如,参见图3,点118所位于的分段106可由半径和角度限定,并且如图3所示,在该分段中存在两个点。因此,可针对焦点116来对为所述分段指定了计数2的形状情境描述符矢量进行限定。类似地,点122所在的分段106可由半径和角度限定,并且如图3所示,在该段中仅有1个点。因此,焦点116的形状情境描述符矢量可针对该分段进一步指定计数1。因此,在一实施例中,可针对特征形状上的特定焦点来创建形状情境描述符矢量,所创建的所述形状情境描述符矢量在形状情境描述符框架104内的每一特定位置(例如,分段106)具有关于在该特定位置终止的该焦点而定义的形状情境描述符的计数。在一实施例中,形状情境描述符矢量可被表示为具有按每个位置定义的计数的直方图。尽管本文中描述了形状上每个焦点的单个形状情境描述符矢量,但是也有可能具有在每个位置而定义的形状情境描述符矢量。

为了进一步帮助解释这一点,图5描绘了形状情境描述符框架502和相对简单形状504的示例构造500。形状情境描述符框架502包括在两个环中的总共16个分段,这两个环具有围绕SCDF原点506的八个径向分隔部。在此为了方便起见利用范围为从1到16的数字来对形状情境描述符框架502的多个分段进行编号。替代地,可以根据半径和/或角度来定义这些分段。此外,描绘了焦点508,关于该焦点508确定了一个示例性组的形状情境描述符。如将理解的,可以在形状上选择其他焦点,并且可以导出其他组的形状情境描述符。

图6是针对图5中的每一分段的相对于焦点508而定义的形状情境描述符的数目的计数的表格表示600。表600在第一列中由来自图5的相应数字来列举出分段。此外,在第二列中,该表提供了每个可应用分段中的点数的计数,其中已经相对于焦点508为每个可应用分段定义了形状情境描述符。例如,如图5所示,分段13具有相对于焦点508来对情境描述符进行定义的3个点,并且分段12具有相对于焦点508来对情境描述符进行定义的2个点。因此,在一实施例中,形状情境描述符矢量可以与各行及它们的相关联计数的集合对应。

如上所论述,可对特定形状周围的多个焦点执行此分析以获得多组形状情境描述符并且随后获得多个形状情境描述符。此外,此分析可应用于多个不同特征以概括多组形状情境描述符和相关联的形状情境描述符矢量。

聚类分析

一旦获得了用于不同特征的这些组的形状情境描述符,在一实施例中,则概括形状情境描述符。这能够使得形状比较过程可以确定哪些特征具有相同或相似的形状,或者能够使得形状比较过程可以识别与参考或目标形状相同或相似的那些特征,和/或能够实现形状搜索过程。在一实施例中,针对形状比较过程概括形状情境描述符包括对所述形状情境描述符的多维分析。在一实施例中,所述多维分析包括在多维空间中对表示形状的形状情境描述符的点进行聚类以得到多个聚类。在一实施例中,多维空间点中的每一个对应于形状情境描述符矢量。在一实施例中,然后可以使用聚类来定义特征的形状签名或形状体(shapeme)。然后,此形状签名可用于例如在多个特征之中找到相同或相似形状的特征。

因此,为了实现多维分析,在一实施例中,使用包括多个相互垂直的维度(例如,轴)的多维空间。在一实施例中,每个维度表示形状情境描述符框架内的特定位置(例如,分段106)。在一实施例中,所述多维空间包括形状情境描述符框架内的每个特定位置(例如,分段106)的维度。在一实施例中,每个维度表示一组自然数。

在一实施例中,每个维度表示在形状情境描述符框架内的维度的相关联的特定位置(例如,分段106)中终止的形状情境描述符的出现数目的计数。因此,在一实施例中,多维空间中的点与特定特征的形状情境描述符矢量相关联。

在一实施例中,每个多维空间点与对应于特定特征的形状上的焦点的形状情境描述符矢量相关联。具体地,在一实施例中,多维空间点使得在形状情境描述符框架内的如以形状情境描述符矢量提供的多个特定位置(例如,分段106)作为其坐标,并且具有与终止于相关联的特定位置的形状情境描述符的计数相对应的坐标值,例如,来自形状情境描述符矢量的量值。因此,在一实施例中,特征可以具有与多维空间相关联的多个点,例如,针对形状特征上的每个焦点存在着一个相关联的点。

为了辅助理解,图7中示出了用于特征形状的特定焦点的数据的示例。这里的数据对应于用于图5和6的焦点的数据。在该示例中,多维空间具有16个正交维度(例如,轴)。因此,该多维空间内的点将会具有16个坐标和针对每个坐标的关联值。因此,参考图7,在此示例中,多维空间点可被定义为:针对对应于与形状情境描述符框架502内的分段6相关联的维度的坐标具有值1,针对对应于与形状情境描述符框架502内的分段11相关联的维度的坐标具有值3,针对对应于与形状情境描述符框架502内的分段12相关联的维度的坐标具有值1,针对对应于与形状情境描述符框架502内的分段13相关联的维度的坐标具有值2,以及针对所有其它坐标具有值0。因而,所述多维空间点可以被定义为(0,0,0,0,0,1,0,0,0,0,3,1,2,0,0,0),其中坐标从左到右的顺序是图7中的维度1-16(且因而是分别与图6中的分段1-16对应的维度)。类似的数据将会可用于沿特定特征的形状的多个焦点,以获得该特征的多维空间内的多个点。

因此,在一实施例中,所述多维空间可以利用与特征对应的多个点来填充(populated)。在一实施例中,所述多维空间可以利用与一个或更多个图像内的多个不同特征(利用相同的形状情境描述符框架来评估)中的每一个相对应的多个点来填充。因此,尽管下文描述的聚类过程将集中于利用与多个不同特征中的每一个相对应的多个点来填充的多维空间,但是它可以使用由与单个特征相对应的多个点来填充的多维空间。

图8示出了利用与多个特征中的每一个相对应的多个点来填充的多维空间710的高度示意性的示例。这样的图形表示并非必需用于对本文中的技术的分析,并且仅仅在此处被示出以帮助解释。

如图8所示,示出了多个多维空间点,每个多维空间点对应于围绕各自特征形状的不同焦点,并且多个多维空间点中的每个多维空间点对应于三个特征(即特征1、2和3)之一。图9A、9B和9C分别示出了特征1、2和3的形状的示意性表示。维度可以对应于例如形状情境描述符框架104内的分段102,其中每个分段对应于半径r和角度θ的特定组合。

现在,在由与一个或更多个特征中的每一个相对应的多个点来填充的多维空间的情况下,可以继续进行多维分析到所述多维空间的聚类分析以得到多个聚类/簇。所述聚类可以给出特征的特定形状的某些形状特性的流行率的指示,并且产生所述特征的形状指纹。并且,通过分析形状情境描述符框架内的多个不同特征并且一起考虑多维空间点,则可以识别由不同特征共享的主导形状特性并将其用于得出每个不同特征的形状指纹。那些形状指纹将集中于共享的主导形状特性,使得没有贡献于对所述特征的主要形状特性进行定义的形状情境描述符数据被最小化。

因此,在一实施例中,所述聚类涉及到确定形状情境描述符数据在多维空间中是否彼此接近。如果是,则所述聚类分析通过将这种集总在一起的相邻形状情境描述符数据指定为聚类来识别那些一个或更多个特征的一个或更多个主要形状特性。可以识别多个这样的聚类。此外,在分析多个不同特征的情况下,可以通过将不同特征的集总在一起的相邻形状情境描述符数据指定为聚类来识别在不同特征之间共享的主导形状特性。

可以利用本领域的一种或更多种不同的聚类算法来执行所述聚类分析。在一实施例中,所述聚类涉及到计算表示形状的形状情境描述符的点在多维空间中的接近度,以得到多维空间点的多个聚类/簇。在一实施例中,所述多维空间中的点之间的距离(例如,欧几里德距离)可用以出于识别聚类的目的来识别所述多维空间中的点之间的相似度。

在一实施例中,聚类是k-均值聚类五分时时彩方法。尽管本文中将k-均值聚类描述为识别相似形状情境描述符的示例性五分时时彩方法,但是本公开设想了将形状情境描述符数据分配到聚类或组中的其它五分时时彩方法,包括迭代地分割形状情境描述符数据。例如,可以使用找出聚类的数目的聚类五分时时彩方法。在这种情况下,例如,所述聚类五分时时彩方法可以作出关于数据将要产生多个聚类(例如,开始诸如在k均值聚类中使用的迭代方案)的假设。

在一实施例中,k-均值聚类分析包括确定多维空间中的聚类质心的数量。将多个初始聚类质心添加到多维空间(例如,在所述多维空间数据中识别的)。在一实施例中,初始质心的数量为3个或更多、5个或更多、10个或更多、20个或更多、50个或更多、或100个或更多。在一实施例中,初始聚类质心跨越整个多维空间上而随机地分布。在一实施例中,初始聚类质心跨越整个多维空间上而均匀地分布。

在添加初始聚类质心之后,计算每个初始聚类质心和多维空间点之间的距离(例如,欧几里德距离)。基于初始聚类质心和多维空间点之间的距离的计算,每个多维空间点被分配给其附近的聚类质心,以形成具有该质心的关联聚类。基于此属性,为该聚类计算新的聚类质心,并替换先前的聚类质心。具有具备新的聚类质心的一个或更多个多维空间聚类的多维空间是所述聚类过程的中间聚类方案。重复距离确定、对聚类的分配、和新质心的确定,以获得另外的中间聚类方案,直到满足退出条件。在一实施例中,退出条件可以是某数目次的迭代。在一实施例中,当多维空间点分配至中间聚类方案已经稳定时(例如,在预定次数的迭代之后,点到相关联质心的距离的平均变化低于某个量,等等),则出现退出条件。在一实施例中,当对于中间聚类方案计算的预定次数的迭代而言,多维空间点分配至一个或更多个聚类保持不变(或发生比阈值量更少的改变)时,存在退出条件。稳定的中间聚类方案被认为是最终聚类方案,并且将识别具有形状情境数据的多个聚类。然后,可基于如下文所描述的所述最终聚类方案来产生形状描述签名。在一实施例中,当中间聚类方案不稳定时,在重复进行聚类分析过程之前,可以将不同的一组聚类质心应用于多维空间数据。

参考图8,描述了最终聚类方案的示例。在这种高度示意性的实施例中,通过例如具有例如3个初始聚类质心的k均值聚类来识别三个聚类720、730和740。

在识别了聚类的情况下,所述聚类然后可以用以定义特征的形状签名或形状体。

在一实施例中,形状的形状体包含关于形状的多维空间点在针对形状识别和比较过程的最终聚类方案的聚类之中的分布的信息。在一实施例中,特定特征的形状体被定义为在用于该特定特征的每个聚类内的多维空间点的数目的计数。因此,在一实施例中,可以针对可具有不同形状的多个特征来生成形状体,以获得多个形状体。

为了帮助解释这个构思,图9A、图9B和图9C分别示意性地描绘了形状体定义的实施例。在一实施例中,形状体可以表示为直方图,其具有与在聚类过程期间用以生成最终聚类方案的聚类的数目相等的多个形状体字段,并且具有与各个聚类中特征形状的多维空间点的计数相对应的量值。

图9A示出了示例特征形状1(如图8所示,为其定义了多维空间点,并且识别了聚类)和相关联的直方图,以示意性地描绘用于特征形状1的形状体定义。如上所述,形状体是用于每个聚类中的特征的多维空间点的计数。图9A中的直方图以图形方式图示了用于特征形状1的这种形状体描述(或矢量),其中,参考图8,用于特征形状1的形状体描述在聚类720中具有零多维空间点的计数,在聚类730中具有5个多维空间点的计数,和在聚类730中具有1个多维空间点的计数。因此,用于特征形状1的形状体描述(或矢量)可以被定义为(0,5,1),其中坐标对应于聚类。

图9B示出了示例特征形状2(如图8所示,为其定义了多维空间点,并且识别了聚类)和相关联的直方图,以示意性地描绘用于特征形状2的形状体定义。图9B中的直方图以图形方式示出了用于特征形状2的形状体描述(或矢量),其中,参考图8,用于特征形状2的形状体描述在聚类720中具有1个多维空间点的计数、在聚类730中具有5个多维空间点的计数,和在聚类730中具有1个多维空间点的计数。因此,用于特征形状2的形状体描述(或矢量)可以被定义为(1,5,1),其中坐标对应于聚类。

图9C示出了示例特征形状3(如图8所示,为其定义了多维空间点,并且识别了聚类)和相关联的直方图,以示意性地描绘用于特征形状3的形状体定义。图9C中的直方图以图形方式示出了用于特征形状3的形状体描述(或矢量),其中,参考图8,用于特征形状3的形状体描述在聚类720中具有2个多维空间点的计数,在聚类730中具有1个多维空间点的计数,和在聚类730中具有4个多维空间点的计数。因此,用于特征形状3的形状体描述(或矢量)可以被定义为(2,1,4),其中坐标对应于聚类。

然后,可以将形状体用于各种用途。作为示例,即使形状已被旋转、按比例缩放或平移,形状体也可用于在图像内找到具有相同形状的特征。这可以通过将多个特征编码为形状体,且然后找到具有相同形状体的特征来实现。因而,然后可以在这些形状体上构建搜索引擎。因而,在一实施例中,提供了一种搜索引擎,以使用形状体来查找和定位具有特定形状的特征。此外,这可以扩展到通过找到相似形状体来找到具有相同或相似形状的特征。这种五分时时彩方法的好处在于,它可以处理大数据量(例如,图案可以容易地具有数百万或数十亿的形状,并且图像数据存档也可以按这些数量级增长),而同时仍然导致对于特定形状的相对快的查询时间。

此外,在一实施例中,可以在不同组的数据之间交叉识别特征。例如,用于图案形成装置图案布局识别的特征(例如,描述所述图案形成装置图案布局的数字布局文件、体现所述图案形成装置图案布局的已制造的图案形成装置,等等)可以与在经由形状体使用所述图案形成装置图案布局而创建于衬底上的形状方面相同或相似的特征而被交叉识别。作为另一个实例,可将针对用于图案形成装置的数字布局文件识别的特征与在实现经由所述形状体由数字布局文件加以描述的图案的制造的图案形成装置的形状方面相同或相似的特征交叉识别。因此,使用关于相同形状情境描述符框架而定义的形状体,可以跨越不同类型的图案数据进行查询。例如,在给定SEM图像形状体的情况下,能够识别数字布局文件中的形状,反之亦然。因此,例如,不仅可以基于坐标,而且可以基于内容,即相同或相似的形状,来链接数字布局文件和SEM图像。

此外,在一实施例中,由于针对已图案化的衬底(以及视情况针对特定的所应用的处理步骤)可以提供一组元数据,所以也可以用此信息来丰富查询。因此,例如,可以通过使用形状体进行搜索来进行可能的查询,诸如:“位于衬底的边缘上的所有G-型形状,在其上方的层上具有W-型形状”。

作为另一个示例,通过对具有相同(或相似)形状体的特征的数目进行计数,并且对多个不同形状体中的每一个形状体进行此操作,可以针对图像自动地导出形状类型的基本分布。在一实施例中,然后可以基于形状的设计特征,根据它们针对完整图案设计的代表性程度来对形状进行排序。在给定有限数目的测量数据(例如SEM测量数据)的情况下,则可以优化测量位置以覆盖尽可能多的“形状空间”。然后,在给定一组这些测量位置的情况下,例如,可以导出代表性的过程窗口。

作为另一个示例,可以使用形状体由形状的类型来标记图案中的特征。这可以允许例如确定哪些形状经常彼此接近、哪些辅助特征经常接近哪些光学邻近校正特征、和/或哪些形状经常彼此叠置印刷(例如,用于多重图案化和/或用于多个物理层)。

通过哈希算法来识别相似形状

如上所述,形状体可用以识别具有相同形状的特征。在一实施例中,形状体可以额外地或替代地用以识别具有相似形状的特征。在一实施例中,可以使用一种或更多种不同的相似性技术来确定形状体的相似性。在一实施例中,通过相似性技术,通过使用针对所考虑的所有特征而获得的形状体,可以在多个特征中相对快速地找到相似形状的特征。

在一实施例中,通过对形状体矩阵中的多个形状体执行哈希函数来确定相似性。特别地,在一实施例中,使用局部敏感哈希(LSH)来识别期望具有减少的错误肯定和错误否定结果的类似形状。

将关于图10描述用以识别相似形状体的局部敏感哈希的实施例。在一实施例中,局部敏感哈希涉及将一组形状体数据分成多个块,并且基于对形状体数据的多个块执行哈希的结果来确定相似的形状体。

形状体矩阵800包括所考虑的形状体。在一实施例中,矩阵800包括列中所考虑的多个不同的形状体以及行中供定义形状体的聚类。虽然在此示意性表示中仅示出了5列和12行,但是可以使用不同数目的列和/或行。

此外,矩阵被划分为b个带810、812、814,并且每个带包括r行。在一实施例中,每个带810、812、814具有相同数目r的行。虽然在此识别了三个带810、812、814,但是带的数目可以不同。带810、812、814将矩阵划分为多个块,每个块由相关联的列和相关联的带来限定。

哈希函数h(x)被应用于每个块。也就是说,哈希被应用于每个形状体并且针对由带810、812、814定义的形状体的特定数量的聚类而应用。结果是,每个块被哈希/散列到分类筐中作为哈希结果816的一部分。哈希造成在相同分类筐中分筐相似的形状体,这是因为哈希将一个形状体的至少一部分识别为与另一形状体的至少一部分相同或高度相似。因此,形状体签名被重复地哈希到多个哈希分类筐,从而使得t个相似形状体很可能(以p概率)落在相同分类筐中。在一实施例中,分类筐的数目相对较高,例如10个或更多分类筐、20个或更多分类筐、50个或更多分类筐、100个或更多分类筐、或500个或更多分类筐。哈希函数h(x)可以是当应用于形状体或形状体的一部分时,引起指示形状体何时至少部分类似于另一形状体的解的任何数学函数或方案。在一实施例中,哈希函数h(x)的输出是标量。在一实施例中,局部敏感哈希使用随机超平面投影。

例如,由带810针对形状体802而定义的块可被哈希到分类筐818中。类似地,由带810针对形状体804而定义的块也可被哈希到分类筐818中。因此,仅基于此结果,通过将形状体802和形状体804分筐到相同的分类筐818,形状体802和形状体804是相似的。因此,在一实施例中,这种匹配哈希结果可以被记录824为形状体802和形状体804的形状体解集合826。

然而,由带810针对形状806而定义的块可以被哈希到与分类筐818不同的分类筐820中,并且由带810针对形状808而定义的块可以被哈希到不同的分类筐822中。因此,仅基于此结果,通过将形状体806和形状体808分筐到不同的分类筐820和822,则形状体806和形状体808不相似。

如将理解的,针对所有形状和所有带重复进行哈希,以引起多个形状体数据的多个块的哈希。结果是所有块被哈希到相应的分类筐中。然后,被分筐到相同分类筐的形状体被识别为针对该带彼此相似。由于形状体代表特定特征的形状,则与被分筐在一起的形状体相对应的特征具有相似的形状。因此,可识别类似形状的特征。在一实施例中,如果已成形特征的形状体被一起分筐在针对一个带的相同分类筐中,则已成形特征可被指定为相似的。在一实施例中,如果已成形特征的形状在同一分类筐中被一起分筐以用于多个带(例如,所有的带),则已成形特征可以被指定为相似的。在一实施例中,被分筐到相同分类筐的形状体的实例的计数能够用以识别具有高度相似形状的特征。例如,可以认为被分筐到分类筐多于一次、多于两次、多于10次、多于20次、多于50次、等等的所有形状体是形状最相似的。

带的数目b和行的数目r的选择影响t分数相似性,因此期望调整这些参数以减少或消除错误肯定和错误否定。在一实施例中,形状体的相似性可以被定义为

1-(1-pr)b (1)

其中p是形状体共享哈希分类筐的概率。因此,针对概率p存在t,使得

1-(1-tr)b=t (2)

因此,对于用户提供的值t和由系统或用户定义的行的数目r,带的数目b的值可以使用下式计算:

其中δ是针对特定应用的用户定义选择,并且基于已经设置的p概率,因为希望以p概率具有t相似的形状;例如以至少(1-δ)概率为t相似。因此,其中δ是从0到1的数字,0表示正确地分筐的最多的置信度,而1表示正确地分筐的最少的置信度。但是选择0会导致许多错误肯定,因此应该选择δ的平衡。类似地,可以基于t和b的设定值来导出r。

在执行此LSH之后,结果826通过已被哈希到相同的分类筐中而产生相似的形状体。因此,在一实施例中,第一多个相似的形状体可以与另外的第二多个相似的形状体一起被识别。由于形状体代表特定特征的形状,因此与被分筐在一起的形状体相对应的特征具有相似的形状。因此,可以识别相似形状的特征,因为当然与形状体相关联的特定特征是已知的。结果是,通过使用所识别的相似形状体,能够相对快速地识别图像中的特定相似特征。

这种基于哈希的五分时时彩方法的好处在于,它能够处理大数据量(例如,图案可容易地具有数百万或数十亿形状,并且图像数据存档也可以按这些数量级而增长),而同时仍导致对相同或相似形状的相对快的查询时间。

图11是根据一实施例的执行形状识别和/或比较操作的示例五分时时彩方法900的流程图。在此示例中,描绘了多个操作,但并非所有操作都需要执行。可以从以下操作中选择任何适当的操作的组合。

操作902包括根据本文中所描述的五分时时彩方法选择一个或更多个特征以用于分析(例如,用于确定形状情境描述符数据、用于确定形状体、用于确定相似形状、用于使用形状体来搜索或识别特征,等等)。在一实施例中,可以选择用于形状识别和/或比较过程的参数。例如,在一实施例中,形状情境描述符框架(例如具有环形地布置的块的形状情境描述符框架)的类型由极坐标定义。例如,可以例如通过指定多个分段的划分数目、多个分段的极坐标布置的最大半径等等,来选择形状情境描述符框架的用于形状识别过程的分段的数目。作为进一步的示例,可以由用户提供带的数目b、行的数目r和/或t相似性值,并且可以计算其他值。尽管关于操作902描述了这些设置步骤,但是可以利用相关联的形状识别和/或比较步骤(例如,操作904、906等)来执行设置步骤。

对于一组已成形特征,五分时时彩方法900的操作904包括生成如本文所描述的该组形状特征中的一个或更多个已成形特征(例如,所有已成形特征)的形状情境描述符。此外,在一实施例中,操作904可以包括生成如本文所描述的一个或更多个形状情境描述符矢量。形状情境描述符数据(例如,形状情境描述符、形状情境描述符矢量或从其导出的其它数据)接着可用于如本文描述的各种目的,包含例如查询数据集(例如,数字布局文件,例如,GDS和/或图像,例如,SEM图像)以获得具有目标形状的一个或更多个特征、自动地组织和同步不同数据集(例如,数字布局文件中所表示的特征,例如,具有图像中所表示的特征的GDS,例如,SEM图像)、表征和/或概括具有经已成形特征的数据集,等等。

操作906涉及针对如本文所描述的一组已成形特征中的一个或更多个已成形特征来执行形状情境描述符的聚类分析有关的步骤。例如,操作904的形状情境描述符数据可由多维空间中的点来表示,且然后可使用聚类来识别聚类。在一实施例中,多个不同形状特征的形状情境描述符数据可被包括在多维空间中并被聚类。在一实施例中,可以基于聚类结果来为已成形特征定义形状签名或形状体。在一实施例中,特征的形状体对应于每个聚类中针对该特定特征的形状情境描述符数据的计数,如本文中所描述。在一实施例中,针对多个不同形状特征中的每一个获得形状体。聚类的结果(例如,一个或更多个形状)然后可以用于如本文所描述的各种目的,包括例如查询数据集(例如,数字布局文件,例如,GDS和/或图像,例如,SEM图像)以用于查找具有目标形状的一个或更多个特征、自动地组织和同步不同的数据集(例如,在数字布局文件中所表示的特征,例如,具有在图像中所表示的特征的GDS,例如,SEM图像)、表征和/或概括具有已成形特征的数据集,等等。

在操作908,确定该组形状中的形状的相似性。例如,可以将形状体组装成形状体矩阵,并利用哈希函数来将其进行处理为类似的形状体,且因而得到具有类似形状的特征,如本文中所描述。因此,可从一组已成形特征中识别出多组类似地成形的特征。

在操作910中,操作904-908中的任一个的结果可用于如本文所描述的各种目的或用途中的任一个。例如,操作904-908中的任何一个可以使用户能够搜索特征的特定形状并且识别所有实例。然后,该结果可以用于对图案形成过程的一个方面进行设计、控制等(例如,改变图案形成装置图案、调整图案形成过程设备的设置、设计或修改检查工艺,等等)。任何操作的结果可以用于产生用在配置(例如,设计、控制等)图案形成过程中的电子指令。在一实施例中,任何数据(例如,形状情境描述符、形状情境描述符框架、形状情境描述符矢量、形状体,等等)可以被表示为计算机可读介质、计算机系统等中的数据结构。

在一实施例中,提供了一种五分时时彩方法,包括:从一组已成形特征中选择一个已成形特征,该组已成形特征中的每个已成形特征在该已成形特征的形状的周边上具有一组点;由硬件计算机针对所选择的已成形特征来创建多个形状情境描述符,其中每个形状情境描述符提供所述一组点的第一焦点相对于所述一组点的第二点在形状情境描述符框架中的位置的指示;以及由所述硬件计算机基于来自所述多个形状情境描述符的数据从所述一组已成形特征中识别具有与所选择的已成形特征相同或类似形状的已成形特征。

在一实施例中,来自多个形状情境描述符的数据包括形状情境描述符矢量,该形状情境描述符矢量针对形状情境描述符框架中的多个不同位置中的每一个来描述了指示相应位置的形状情境描述符的数目的计数。在一实施例中,所述多个形状情境描述符包括多组形状情境描述符,每组形状情境描述符包括用于所述一组点的一个特定焦点相对于所述一组点的多个其它点的形状情境描述符。在一实施例中,该五分时时彩方法包括创建多个形状情境描述符用于该组已成形特征的每个已成形特征。在一实施例中,来自所述多个形状情境描述符的数据包括从所述形状情境描述符概括的形状签名。在一实施例中,所述五分时时彩方法还包括基于来自所述多个形状情境描述符的数据的聚类而产生形状签名。在一实施例中,聚类包括了在多维空间内的点的聚类,其中维度对应于形状情境描述符框架内的不同位置,并且多维空间点具有与指示特定不同位置的形状情境描述符的数量的计数对应的量值。在一实施例中,聚类包括由k均值聚类的形式来识别聚类。在一实施例中,来自多个形状情境描述符的数据包括来自多个不同形状特征的形状情境描述符数据。在一实施例中,形状签名包括每个聚类中的形状情境描述符数据的实例的计数。在一实施例中,该五分时时彩方法还包括使用形状特征来从该组已成形特征中识别其它特征。在实施例中,所述五分时时彩方法还包括基于来自所述多个形状情境描述符的数据确定该组特征之中的类似形状。在一实施例中,确定相似形状包括使用哈希函数来将相似形状分筐到相同类别中。在一实施例中,哈希函数被应用于该组特征中的每个特征的形状签名。在一实施例中,形状签名是从形状情境描述符信息的聚类中导出的。在一实施例中,确定相似形状包括使用一种形式的局部敏感哈希法。在一实施例中,该组已成形特征包括以至少两种不同格式而描述的特征。在一实施例中,第一格式是衬底或图案形成装置的图像,且第二格式是图案形成装置的数字布局文件。在一实施例中,该五分时时彩方法包括使用针对至少两种格式中的一种格式而标识的形状来识别至少两种格式中的另一种格式的形状。在一实施例中,空间情境描述符被创建为形状取向不变的。在一实施例中,位置包括形状情境描述符框架内的空间区域分段。在一实施例中,空间区域分段在极坐标系中被限定。在一实施例中,焦点位于形状情境描述符框架的坐标系的原点处。在一实施例中,该五分时时彩方法还包括确定形状在该组已成形特征内的分布以根据流行度对它们进行排序。在一实施例中,该五分时时彩方法还包括使用该排序来引导所测量数据的选择。

如本领域普通技术人员将理解的,本文中描述的一个或更多个实施例可以被实现为系统、五分时时彩方法或计算机程序产品。因此,本申请的各方面可以采取完全硬件实施例、完全软件实施例(包括固件、驻留软件、微代码等)或组合软件和硬件方面的实施例的形式,它们在本文中都可以被统称为“电路”、“模块”或“系统”。此外,本申请的各方面可以采取在任何一个或更多个计算机可读介质中实现的计算机程序产品的形式,所述计算机可读介质具有在其上实现的计算机可用程序代码。

可以利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读储存介质。计算机可读储存介质可以是,例如,但不限于,电子、磁、光学、电磁、红外、或半导体系统、设备、装置、或前述的任何适当组合。计算机可读介质的更具体的示例(非穷举列表)将会包括以下:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(例如EPROM或闪速存储器)、光纤、便携式光盘只读存储器CDROM、光学储存装置、磁储存装置、或前述的任何适当组合。在本文档的上下文中,计算机可读储存介质可以是能够包含或存储由指令执行系统、设备或装置使用或与指令执行系统、设备或装置结合使用的程序的任何有形介质。

计算机可读信号介质可以包括例如在基带中或作为载波的一部分的其中带有计算机可读程序代码的传播数据信号。这种传播信号可以采用多种形式中的任何一种,包括但不限于电磁、光学或其任何适当的组合。计算机可读信号介质可以是并非计算机可读储存介质并且可以传送、传播或传输由指令执行系统、设备或装置使用或与指令执行系统、设备或装置结合使用的程序的任何计算机可读介质。

可以使用任何适当的介质来传输体现于计算机可读介质上的计算机代码,所述介质包括但不限于无线、有线、光纤光缆、射频RF等,或它们的任何适当的组合。

用于执行本申请的各方面的操作的计算机程序代码可以用一种或更多种编程语言的任何组合来编写,所述编程语言包括诸如JavaTM、SmalltalkTM、C++等的面向对象的编程语言,以及诸如“C”编程语言或类似编程语言的常规程序化编程语言。程序代码可以完全在用户的计算机上执行,部分地在用户的计算机上执行,作为独立的软件包执行,部分地在用户的计算机上并且部分地在远程计算机上执行,或者完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可以通过任何类型的网络(包括局域网LAN或广域网WAN)连接到用户的计算机,或者可以连接到外部计算机(例如,通过使用因特网服务提供商的因特网)。

计算机程序指令还可以被加载到计算机、其它可编程数据处理设备、或其它装置上,以使得在计算机、其它可编程设备、或其它装置上执行一系列操作步骤来产生计算机实施的过程,使得在计算机或其它可编程设备上执行的指令提供用于实施流程图和/或框图的一个或多个筐中指定的功能/动作的过程。

如上所述,应当理解,说明性实施例可以采用完全硬件实施例、完全软件实施例、或包含硬件和软件元素两者的实施例的形式。在一个示例实施例中,可以用软件或程序代码来实施说明性实施例的机制,所述软件或程序代码包括但不限于固件、驻留软件、微代码等。

适于储存和/或执行程序代码的数据处理系统将包括通过系统总线直接地或间接地联接到存储器元件的至少一个处理器。存储器元件可以包括在程序代码的实际执行期间所采用的本地存储器、大容量储存装置以及高速缓冲存储器,高速缓冲存储器提供至少一些程序代码的临时储存,以便减少在执行期间必须从大容量储存装置检索代码的次数。

输入/输出或I/O设备(包括但不限于键盘、显示器、定点装置等)可以直接地或通过中间I/O控制器而联接到所述系统。网络适配器也可以被联接到所述系统,以使得数据处理系统能够通过中间的私有或公共网络而联接到其它数据处理系统或远程打印机或储存装置。调制解调器、电缆调制解调器和以太网卡仅仅是几种当前可用的网络适配器类型。

图11示出了图示可以帮助实施本文中所披露的任何五分时时彩方法和流程的示例计算机系统1700的实施例的框图。计算机系统1700包括总线1702或用于传送信息的其它通信机构,以及与总线1702联接的用于处理信息的处理器1704(或多个处理器1704和1705)。计算机系统1700还包括主存储器1706,诸如随机存取存储器RAM或其它动态储存装置,其联接到总线1702,用于储存信息和待由处理器1704执行的指令。主存储器1806还可以用于储存在执行待由处理器1704执行的指令期间的临时变量或其它中间信息。计算机系统1700还包括只读存储器ROM 1708或其它静态储存装置,其联接到总线1702以用于存储静态信息和针对处理器1704的指令。提供了诸如磁盘或光盘这样的储存装置1710,其联接到总线1702以用于存储信息和指令。

计算机系统1700可经由总线1702联接到显示器1712,诸如阴极射线管(CRT)或平板或触摸面板显示器,用于向计算机用户显示信息。包括字母数字键和其他键的输入装置1714联接到总线1702,用于向处理器1704传送信息和命令选择。另一种类型的用户输入装置是光标控制器1716,诸如鼠标、轨迹球或光标方向键,用于向处理器1704传送方向信息和命令选择,并且用于控制显示器1712上的光标移动。此输入装置通常在两个轴(第一轴(例如x)和第二轴(例如y))上具有两个自由度,这允许该装置指定平面中的位置。触摸面板(屏幕)显示器也可以用作输入装置。

根据一实施例,本文中所描述的过程的部分可以由计算机系统1700响应于处理器1704执行包含在主存储器1706中的一个或更多个指令的一个或更多个序列来执行。这样的指令可以从诸如储存装置1710这样的另一计算机可读介质读入到主存储器1706内。主存储器1706中所包含的指令序列的执行使得处理器1704执行本文中所描述的处理步骤。还可以采用多处理布置中的一个或更多个处理器来执行被包含在主存储器1706中的指令序列。在一个替代实施例中,可以使用硬连线电路来代替软件指令或与软件指令相结合。因而,本文中的描述不限于硬件电路和软件的任何特定组合。

如本文中使用的术语“计算机可读介质”是指参与将指令提供到处理器1704以供执行的任何介质。这种介质可以呈许多形式,包括但不限于非易失性介质和易失性介质和传输介质。例如,非易失性介质包括光盘或磁盘,诸如存储装置1710。易失性介质包括动态存储器,诸如主存储器1706。传输介质包括同轴电缆、铜线和光纤,包括了包含总线1702的导线。传输介质也可以呈声波或光波的形式,诸如在射频(RF)和红外线(IR)数据通信期间产生的那些声波或光波。常见形式的计算机可读介质包括例如软盘、软性磁盘、硬盘、磁带或任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、打孔卡、纸带、具有孔的图案的任何其他实体介质、RAM、PROM和EPROM、闪速EPROM、任何其他存储器芯片或盒带、如下文所述的载波、或计算机可以读取的任何其它介质。

在将一个或更多个指令的一个或更多个序列携载到处理器1704以供执行时,可能涉及各种形式的计算机可读介质。例如,最初可以将所述指令承载于远程计算机的磁盘上。该远程计算机可以将指令载入到其动态存储器中,并且使用调制解调器经由电话线而发送指令。在计算机系统1700本地的调制解调器可以接收电话线上的数据,并且使用红外线传输器将数据转换成红外线信号。耦接到总线1702的红外线检测器可以接收红外线信号中携载的数据并且将该数据放置于总线1702上。总线1702将数据携载到主存储器1706,处理器1704从主存储器1706获取并执行指令。由主存储器1706接收的指令可选地在由处理器1704执行之前或之后存储于存储装置1710上。

计算机系统1700也可以包括耦接到总线1702的通信接口1718。通信接口1718提供对网络链路1720的双向数据通信耦接,网络链路1720连接到局域网1722。例如,通信接口1718可以是综合业务数字网ISDN卡或调制解调器,用以提供通往对应类型的电话线的数据通信连接。作为另一个示例,通信接口1718可以是局域网LAN卡,用以提供对兼容LAN的数据通信连接。也可以实施无线链路。在任何这种实施方案中,通信接口1718发送和接收携载表示各种类型的信息的数字数据流的电信号、电磁信号或光信号。

网络链路1720通常经由一个或更多个网络将数据通信提供到其他数据装置。例如,网络链路1720可以经由局域网1722提供到主计算机1724的连接,或者提供到由因特网服务提供商ISP 1726操作的数据设备的连接。ISP 1726又经由全球分组数据通信网络(现通常称作“因特网”1728)来提供数据通信服务。局域网1722和因特网1728两者使用携载数字数据流的电信号、电磁信号或光信号。经由各种网络的信号和在网络链路1720上并经由通信接口1718的信号(该信号将数字数据携载到计算机系统1700和从计算机系统1700携载数字数据)是输送信息的示例性形式的载波。

计算机系统1700可以经由网络、网络链路1720和通信接口1718发送消息和接收数据,包括程序代码。在因特网示例中,服务器130可以经由因特网1728、ISP 1726、局域网1722和通信接口1718传输用于应用程序的所请求的代码。例如,一个这种下载的应用可以提供如本文中所描述的五分时时彩方法或其一部分。接收到的代码可以在其被接收时由处理器1704执行和/或存储于存储装置1710或其他非易失性存储器中以供稍后执行。这样,计算机系统1700可以获得呈载波形式的应用代码。

可以使用以下项目进一步描述实施例:

1.一种五分时时彩方法,包括:

从一组已成形特征中选择一个已成形特征,所述一组已成形特征中的每个已成形特征在该已成形特征的形状的周边上具有一组点;

由硬件计算机针对所选已成形特征创建多个形状情境描述符,其中每个形状情境描述符提供所述一组点的第一焦点相对于所述一组点的第二点在形状情境描述符框架中的位置的指示;和

由所述硬件计算机基于来自所述多个形状情境描述符的数据从所述一组已成形特征中识别具有与所选择的已成形特征相同或类似形状的已成形特征。

2.根据项目1所述的五分时时彩方法,其中米目所述多个形状情境描述符的数据包括形状情境描述符矢量,所述形状情境描述符矢量针对所述形状情境描述符框架中的多个不同位置中的每一个位置描述指示各个所述位置的所述多个形状情境描述符的计数。

3.根据项目1或项目2的五分时时彩方法,其中所述多个形状情境描述符包括多组形状情境描述符,每组形状情境描述符包括用于所述一组点中的一个特定焦点相对于所述一组点中的多个其它点的形状情境描述符。

4.根据项目1到3中的任何一个所述的五分时时彩方法,包括为该组所述已成形特征的每个已成形特征创建多个形状情境描述符。

5.根据项目1至4中任一项所述的五分时时彩方法,其中来自所述多个形状情境描述符的所述数据包括从所述形状情境描述符概括的形状签名。

6.根据项目5所述的五分时时彩方法,其特征在于,还包括基于来自所述多个形状情境描述符的数据的聚类来生成形状签名。

7.根据项目6的五分时时彩方法,其中所述聚类包括对维度与所述形状情境描述符框架内的不同位置对应的多维空间内的点进行聚类,并且所述多维空间点具有与指示所述特定不同位置的形状情境描述符的数目的计数对应的量值。

8.根据项目6或项目7的五分时时彩方法,其中所述聚类包括由k-均值聚类的形式来识别聚类。

9.根据项目6至8中任一项所述的五分时时彩方法,其中来自所述多个形状情境描述符的数据包括来自多个不同形状特征的形状情境描述符数据。

10.根据项目6至9中任一项所述的五分时时彩方法,其中所述形状签名包括每个聚类中的形状情境描述符数据的实例的计数。

11.根据项目6至10中任一项所述的五分时时彩方法,还包括使用所述形状特征来从所述一组已成形特征中识别其它特征。

12.根据项目1到11中的任何一个所述的五分时时彩方法,还包括基于来自所述多个形状情境描述符的数据来确定所述一组特征中的相似形状。

13.根据项目12所述的五分时时彩方法,其中确定相似形状包括使用哈希函数将相似形状分筐到相同类别中。

14.根据项目13所述的五分时时彩方法,其中所述哈希函数被应用于所述特征集的每个特征的形状签名。

15.根据项目14所述的五分时时彩方法,其中所述形状特征标记是从形状情境描述符信息的聚类中得出的。

16.根据项目12至15中任一项所述的五分时时彩方法,其中,确定相似形状包括使用一种形式的局部敏感哈希法。

17.根据项目1至16中任一项所述的五分时时彩方法,其中所述一组已成形特征包括以至少两种不同格式描述的特征。

18.根据项目17所述的五分时时彩方法,其中第一格式是衬底或图案形成装置的图像,第二格式是用于图案形成装置的数字布局文件。

19.根据项目17或项目18所述的五分时时彩方法,包括使用被识别用于所述至少两种格式中的一种格式的形状来识别所述至少两种格式中的另一种格式的形状。

20.根据项目1至19中任一项所述的五分时时彩方法,其中所述空间情境描述符被创建为是形状取向不变的。

21.根据项目1至20中任一项所述的五分时时彩方法,其中,所述位置包括所述形状情境描述符框架内的空间区域分段。

22.根据项目21所述的五分时时彩方法,其中在极坐标系中定义的所述空间区域分段。

23.根据项目1至22中任一项所述的五分时时彩方法,其中所述焦点位于所述形状情境描述符框架的坐标系的原点处。

24.根据项目1至23中任一项所述的五分时时彩方法,还包括确定所述一组已成形特征内的形状分布,以根据流行度对它们进行排序。

25.根据项目24所述的五分时时彩方法,进一步包括使用所述排序来引导所测量数据的选择。

26.一种计算机程序产品,包括其上记录有指令的计算机可读介质,所述指令在计算机执行时实施根据项目1至25中任一项所述的五分时时彩方法。

尽管在本发明中对IC的制造作出具体参考,但应当清楚地理解本发明的说明书可以有许多其它可能的应用。例如,可用于集成光学系统、磁畴存储器的引导和检测图案、液晶显示面板、薄膜磁头等的制造。本领域技术人员将认识到,在这种替代应用的情况中,可以将本文中使用的任意术语“掩模版”/“掩模”、“晶片”或“管芯”分别认为能够与更上位的术语“图案形成装置”、“衬底”或“目标部分”相互通用。

在本文件中,术语“辐射”和“束”用于包括各种类型的电磁辐射,包括紫外辐射(例如具有365、248、193、157或126nm的波长)和EUV(极紫外辐射,例如具有大约5-100nm范围内的波长)。

虽然本文中披露的构思可以与用于在诸如硅晶片的衬底上成像的系统和五分时时彩方法一起使用,但是应当理解,所披露的构思可以与任何类型的任何类型的图案形成过程和相关制造装备一起使用,例如,用于在除了硅晶片之外的衬底上成像的那些和/或不使用成像产生图案的那些。

在框图中,所示部件被描绘为分立的功能块,但是实施例不限于其中如所示般组织本文所述的功能性的系统。由每个部件所提供的功能性可以由与当前所描述的不同地组织的软件或硬件模块提供,例如,这样的软件或硬件可以被混合、结合、复制、分解、分布(例如,在数据中心内或地理上),或以其他方式不同地组织。本文中所描述的功能性可以由执行储存在有形、非暂时性、机器可读介质上的代码的一个或更多个计算机的一个或更多个处理器提供。在一些情况下,第三方内容递送网络可以主控在网络上传送的信息中的一些或全部,在这种情况下,在信息(例如,内容)被称为被供应或以其他方式被提供的程度上,可以通过发送指令以从内容递送网络检索该信息来提供该信息。

除非另外特别说明,否则从讨论中显而易见的是,可以理解,在整个本说明书中,利用诸如“处理”、“计算”、“运算”、“确定”等术语的讨论是指诸如专用计算机或类似的专用电子处理/计算装置这样的特定设备的动作或过程。

读者应该理解,本申请描述了若干发明。申请人将这些发明分组成单个文档,而非将这些发明分离为多个独立的专利申请,因为它们的相关主题有助于应用过程中的经济性。但是这些发明的独特优点和方面不应该被合并。在一些情况下,实施例解决了本文中提到的所有缺陷,但应理解,本发明是独立地有用的,且一些实施例仅解决这些问题的子集或提供其它未提及的益处,这些益处对于阅读本公开的本领域技术人员来说将是显而易见的。由于成本限制,本文中所披露的一些发明可能目前没有被主张保护,并且可能在稍后的申请中主张保护,诸如继续申请或通过修改本发明的权利要求。类似地,由于空间限制,本文档的摘要和发明内容部分都不应被认为包含所有这些发明或这些发明的所有方面的全面列表。

应当理解,说明书和附图并非旨在将本发明限制为所披露的特定形式,相反,本发明将要覆盖落入由所附权利要求限定的本发明的精神和范围内的所有修改、等效物和替代方案。

鉴于本说明书,本发明的各方面的修改和替换实施例对于本领域技术人员来说将是显而易见的。因此,本说明书和附图应被解释为仅是说明性的,并且是出于教导本领域技术人员实施本发明的一般方式的目的。应当理解,这里示出和描述的本发明的形式将被认为是实施例的示例。元件和材料可以替代在本文中图示出和描述的那些,部件和过程可以被颠倒/反转或省略,某些特征可以独立地运用,并且实施例或实施例的特征可以组合,所有这些对于本领域技术人员在已受益于本发明的描述之后将会是显而易见的。在不脱离如所附权利要求中所描述的本发明的精神和范围的情况下,可以对本文中所描述的元件作出改变。本文中所用的标题仅用于组织目的,而不是意欲用于限制本说明书的范围。

如贯穿本申请通篇所使用的,词语“可以”是在许可的意义上(即,意思是有可能)而非强制的意义上(即,意思是必须)使用的。词语“包括”(include/including/includes)等意思是包括,但不限于。如本申请通篇所使用的,单数形式“一”(a/an)、和“该/所述”包括多个指代物,除非内容明确地另外指示。因此,例如,对“一个”(a/an)元件的提及包括两个或更多个元件的组合,尽管对于一个或更多个元件使用了诸如“一个或更多个”这样的其它术语和短语。术语“或”除非另外指出,是非排他性的,即,包括“和”以及“或”两者。描述条件关系的术语,例如“响应于X、Y”、“在X、Y时”、“如果X、Y”、“当X、Y”等,包括因果关系,其中前提是必要的因果条件,前提是足够的因果条件,或者前提是后果的贡献的因果条件,例如“在条件Y获得时,状态X发生”对于“仅在Y时,X发生”以及“在Y和Z”时,X发生″是通用的。这些条件关系不限于立即紧随前提而获得的结果,因为一些结果可能被延迟,并且在条件陈述中,前提与它们的结果相联系,例如,前提与后果出现的可能性是相关的。多个属性或功能被映射到多个对象(例如,执行步骤A、B、C、和D的一个或更多个处理器)的陈述涵盖了以下两者即:被映射到所有这些对象的所有这些属性或功能、以及被映射到属性或功能的子集的属性或功能的子集(例如,每个都执行步骤A-D的所有处理器,并且在处理器1执行步骤A,处理器2执行步骤B以及执行步骤C的一部分,并且处理器3执行步骤C的一部分和步骤D的情况下),除非另外指出。此外,除非另外指出,一个数值或动作是“基于”另一个条件或数值的陈述包括两种情况即:条件或数值是唯一因素的情况、和条件或数值是多个因素中的一个因素的情况。除非另外指出,某一集合的“每个”实例具有某一属性的陈述不应被解读为排除其中较大集合的某些以其他方式相同或相似成员不具有该属性的情况,即,每个未必意味着每一个。

在某些美国专利、美国专利申请或其它材料(例如论文)已通过援引而被合并的程度上,这些美国专利、美国专利申请和其它材料的文本仅在这样的材料与本文中所阐述的陈述和附图之间并不存在冲突的程度上通过援引而合并。在这种冲突的情况下,在通过引用合并的美国专利、美国专利申请和其它材料中的任何这种冲突的文本都并不被具体地通过引用而合并到本文中。

已出于说明和描述的目的呈现了本申请的描述,且该描述并非旨在是详尽的或将本发明限于所披露的形式。许多修改和变型对于本领域的普通技术人员来说是显而易见的。因而,对于本领域技术人员来说将会显而易见的是,在不脱离以下阐述的权利要求的范围的情况下,可以进行如所描述的修改。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1