(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111302143.4 (22)申请日 2021.11.04 (71)申请人 北京北方华创微电子装备有限公司 地址 100176 北京市大兴区北京经济技 术 开发区文昌大道8号 (72)发明人 林源为　 (74)专利代理 机构 北京思创毕升专利事务所 11218 代理人 孙向民　廉莉莉 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 30/27(2020.01) H01L 21/67(2006.01) (54)发明名称 半导体工艺配方自动获取方法、 系统及半导 体工艺设备 (57)摘要 本发明公开了一种半导体工艺配方自动获 取方法、 系统及半导体工艺 设备， 方法包括： 向已 构建的深度神经网络模型中随机输入一组工艺 参数； 判断深度神经网络模型输出的各工艺结果 评价指标与对应设定的工艺需求的相差程度是 否符合设定要求； 若是， 则使用一组工艺参数作 为进行实际工艺的工艺配方； 否则， 采用梯度算 法调整输入深度神经网络模型工艺参数， 并基于 自洽迭代法获取能够使深度神经网络模型输出 的所有工艺结果评价指标均满足对应设定的工 艺需求的一组工艺参数， 作为实际工艺的工艺配 方。 实现根据给定工艺需求自动获取对应的工艺 配方， 提高工艺配方的获取效率。 权利要求书3页 说明书10页 附图11页 CN 114091848 A 2022.02.25 CN 114091848 A 1.一种半导体工艺配方自动获取 方法， 其特 征在于， 包括： 向已构建的深度神经网络模型中随机输入工艺需要的一组工艺参数， 获得与 所述工艺 参数组对应的工艺结果评价指标； 其中， 所述深度神经网络模型为完成训练的多层深度神 经网络， 所述深度神经网络模型包括输入层、 至少一个中间层和输出层， 所述输入层用于输 入多个所述工艺 参数， 所述输出层用于 输出对应的工艺结果评价指标； 判断各所述工艺结果评价指标与对应设定的工艺需求的相差程度是否符合设定要求； 若是， 则使用所述 一组工艺 参数作为进行实际工艺的工艺配方； 否则,根据设定的工艺需求， 沿所述输出层至输入层方向， 基于梯度算法和自洽迭代法 逐层优化各所述中间层中的特征值以及所述输入层中的工艺参数值， 直至在所述输入层中 获得能够使所述深度神经网络模型输出的所有工艺结果评价指标均满足对应设定的工艺 需求的一组工艺 参数， 作为实际工艺的工艺配方。 2.根据权利要求1所述的半导体工艺配方自动获取方法， 其特征在于， 所述深度神经网 络模型的构建方法包括： 根据所述工艺参数的个数以及所述工艺结果评价指标的个数确定深度神经网络模型 的层数及结构； 其中， 所述中间层的数量为所述工艺参数 的个数与所述工艺结果评价指标 的个数的差值， 所述深度神经网络中的每层深度神经网络均包括多个神经元， 沿所述输入 层至所述输出层方向， 相邻深度神经网络层之间依 次递减一个神经元， 每个神经元均与上 一层神经网络中的所有神经元连接， 每个工艺参数作为所述输入层中一个神经元的输入特 征， 所述中间层的每个神经元用于对上一层神经网络中的所有神经元的输出特征进行运 算， 所述输出层中每个神经元 的输出特征为对应的工艺结果评价指标， 所述工艺参数 的个 数大于工艺结果评价指标的个数； 根据所述深度神经网络模型的层数 给定所述深度神经网络模型运行的激活函数。 3.根据权利要求2所述的半导体工艺配方自动获取方法， 其特征在于， 所述深度神经网 络模型的构建方法还 包括： 采用工艺数据库作为训练数据， 并采用深度学习的方法训练所述深度神经网络模型， 所述工艺数据库包括特定 工艺的历史工艺 参数数据及历史工艺结果数据； 根据所述激活函数的训练结果确定所述深度神经网络模型中每层深度神经网络的权 重项和偏置项。 4.根据权利要求3所述的半导体工艺配方自动获取方法， 其特征在于， 所述基于梯度算 法和自洽迭代法逐层优化各所述中间层中的特征值以及所述输入层中的工艺参数值， 包 括： 步骤S1： 从所述输出层中找出与对应设定的工艺需求相差程度最大的一个工艺结果评 价指标； 步骤S2： 从与所述输出层相邻的中间层中找出与相差程度最大的工艺结果评价指标相 关的权重值最大的一项工艺 参数； 步骤S3： 固定所述权重值最大的一项工艺参数的权重值和偏置项不变， 采用梯度算法 优化步进调整 所述权重值最大的一项工艺参数的取值， 直到所述输出层中相差程度最大工 艺结果评价指标与对应设定的工艺需求的相差程度符合设定要求； 步骤S4： 若此时其他工艺结果评价指标中存在其他与对应设定的工艺需求的相差程度权　利　要　求　书 1/3 页 2 CN 114091848 A 2不符合设定要求的工艺结果评价指标， 则重复步骤S1 ‑S3， 直到所述输出层中的所有工艺结 果评价指标均符合对应设定的工艺需求， 同时确定出所述中间层中每一项工艺参数的特征 值； 步骤S5： 基于步骤S4获得的所述中间层中每一项工艺参数的特征值， 沿所述输出层至 输入层方向， 继续采用梯度算法和自洽迭代法逐层 优化其他中间层的特征取值以及所述输 入层中的工艺参数值， 直到在所述输入层中获得能够使所述深度神经网络模型输出的所有 工艺结果评价指标均满足对应设定的工艺需求的一组工艺 参数。 5.根据权利要求4所述的半导体工艺配方自动获取方法， 其特征在于， 在步骤S4之前还 包括： 若通过所述步骤S 3对应调整的工艺结果评价指标与设定的工艺需求的相差程度仍无 法符合设定要求， 则将经过步骤S3调整优化后获得的权重值最大对应的工艺参数固定， 并 执行以下步骤： 步骤S6： 从与所述输出层相邻的中间层中找出与对应调整的工艺结果评价指标相关的 权重值次大的一项工艺 参数； 步骤S7： 固定所述权重值次大的一项工艺参数的权重值不变， 采用梯度算法优化步进 调整所述权重值次大的一项工艺参数的特征取值， 直到所述输出层中对应调整的工艺结果 评价指标与对应设定的工艺需求的相差程度符合设定要求。 6.根据权利要求5所述的半导体工艺配方自动获取方法， 其特征在于， 在所述步骤S5之 后， 还包括： 步骤S8： 若采用优化调整与所述工艺结果评价指标相关的所有工艺参数之后， 输出层 中仍存在与对应设定的工艺需求的相差程度不符合设定要求的工艺结果评价指标， 则： 选取能够使各工艺结果评价指标与对应设定的工艺需求的相差程度的平方和最小的 一组工艺 参数， 将所述 一组工艺 参数作为进行实际工艺的工艺配方。 7.根据权利要求1、 4 ‑6任意一项所述的半导体工艺配方自动获取方法， 其特征在于， 所 述梯度算法的计算公式为： 其中， xi为中间层中被调整的工艺 参数， y为被调整的工艺结果评价指标， θ 为调整步长 。 8.根据权利要求1、 4 ‑6任意一项所述的半导体工艺配方自动获取方法， 其特征在于， 所 述相差程度通过以下公式计算： Δ＝|(y‑y实 际)/y实 际| 其中， Δ为工艺结果评价指标与设定的工艺需求的相差程度， y为深度神经网络模型输 出的工艺结果评价指标， y实 际为给定的工艺需求； 所述设定要求为： 所述工艺结果评价指标与对应设定的工艺需求的相差程度在0至 10％之间。 9.一种半导体工艺配方自动获取系统， 其特 征在于， 包括： 深度神经网络模型， 所述深度神经网络模型构为完成训练的多层结构的深度神经网 络， 所述深度神经网络模型能够基于输入的工艺参数输出与所述工艺参数组对应的准确的 工艺结果评价指标； 计算模块， 用于执 行权利要求1 ‑8任意一项所述的半导体工艺配方自动获取 方法。 10.一种半导体工艺设备， 其特征在于， 包括权利要求9所述的半导体工艺配方自动获权　利　要　求　书 2/3 页 3 CN 114091848 A 3