论文部分内容阅读
本文提出了一种基于空间像的极紫外光刻掩模相位型缺陷检测方法，用于检测多层膜相位型缺陷的类型、位置和表面形貌。缺陷的类型、位置和表面形貌均会影响含缺陷掩模的空间像分布。因此，采用深度学习模型构建含缺陷掩模空间像与待测缺陷信息之间的映射，利用训练后模型可从含缺陷掩模空间像中获取待测缺陷信息。采用卷积神经网络（CNN）模型构建含缺陷空白掩模空间像和缺陷类型与位置之间的关系，建立用于缺陷类型与位置检测的CNN模型。获取缺陷的类型与位置后，基于测得的缺陷位置对空间像进行截取，利用截取后空间像的频谱信息与多层感知机模型获取缺陷表面形貌参数。仿真结果表明该方法可对多层膜相位型缺陷的类型、位置和表面形貌参数进行准确检测。