Neural networks contribution in ellipsometry: Application to scatterometry
Contribution des réseaux de neurones dans le domaine de l'ellipsométrie: Application à la scatterométrie
Résumé
Nowadays, miniaturization is the most explored research topic in various domains of science and technology. Manufacturing processes, such as lithography, have been prodigiously developed during these last years and allow high scale integration of devices. This technological progress has created systematically the need of reliable, efficient and if possible low cost characterization techniques. The aim of this PhD is to study and implement an original mathematical tool, namely neural networks, within the framework of optical and dimensional metrology achieved by ellipsometry. In the first part of this work, we have shown that the neural network can be effectively employed for the determination of the optical and geometrical properties (refractive index and thickness) of thin films. For instance, neural classification has been proposed in order to estimate the thickness range of films without any prior information about the structure. This technique can be coupled with any other optimization algorithm requiring a prior knowledge about the solution. In the second part, we have clearly shown the contribution of the neural network in scatterometry for the characterization of diffraction gratings with different geometrical profiles. The neural method can also be employed to determine the grating pitch when it is required. Neural classification has been applied for structural identification of the geometrical model, giving thus a direct application in lithography for automatic detection of the residual layer undesirable for the etching step.
La miniaturisation est actuellement la voie de recherche la plus explorée dans divers domaines de la science et de la technologie. Les processus de fabrication comme la lithographie se sont prodigieusement développés au cours de ces dernières années et permettent ainsi une réduction importante de la taille des composants. Ce progrès technologique a créé systématiquement le besoin de techniques de caractérisation fiables, efficaces et si possible à moindre coût. L'objet de cette thèse porte sur l'étude d'un outil mathématique original, à savoir les réseaux de neurones, dans le cadre de la métrologie optique et dimensionnelle achevée par voie ellipsométrique. Dans le premier volet de ce travail nous avons montré que le réseau de neurones peut être efficacement employé pour la détermination des propriétés optiques et géométriques (indice de réfraction et épaisseur) des couches minces. A titre illustratif, la classification neuronale a été proposée pour estimer la gamme d'épaisseur des couches sans aucune information a priori sur la structure. Cette technique peut être couplée avec n'importe quel autre algorithme d'optimisation nécessitant une connaissance préalable de la solution. Le second volet montre clairement l'apport des réseaux de neurones dans le domaine de la scatterométrie pour la caractérisation des réseaux de diffraction possédant différents profils géométriques. La méthode neuronale peut également être employée pour la détermination de la période du réseau lorsque cela est nécessaire. La classification neuronale a ensuite été appliquée pour l'identification structurale du modèle géométrique, donnant ainsi une application directe en lithographie pour la détection automatique d'une couche résiduelle nuisible à l'étape de gravure.