Ph.D defense Moustapha GODI TCHÉRÉ"Detection and inspection by neural network in the context of ellipsometric scatterometry"

"Detection and inspection by neural network in the context of ellipsometric scatterometry"

Résumé:

La miniaturisation des composants électroniques a permis le développement de nombreuses applications dans divers domaines de la science et de la technologie. Les procédés de fabrication comme la lithographie ont énormément évolué et permettent aujourd'hui une réduction importante des dimensions caractéristiques de la structure. Ces progrès technologiques nécessitent des techniques de caractérisation rapides, fiables, précises, et si possible, à moindre coût. La scattérométrie est l'une des méthodes optiques qui se présente comme une alternative répondant à cette problématique de caractérisation. Le processus de caractérisation scattérométrique nécessite un certain nombre d'hypothèses contraignantes comme la connaissance préalable de la forme géométrique de la structure à tester qui est fixée tout le long du processus. Ce manuscrit présente un processus complet de caractérisation en utilisant le réseau de neurones comme outils d'aide à la décision en limitant le nombre de connaissances a priori sur la structure. Nous avons ainsi montré la possibilité de valider ou non la forme d’un échantillon en plaçant en amont de l'étape de caractérisation un réseau de neurones fonctionnant en mode classifieur. La méthode développée permet la caractérisation des différents types de structures aux formes variées issues des procédés de fabrication courants. Les premières applications mises en œuvre concernent la détection de défaut ou l'identification d'une forme géométrique précise sur un mode de fonctionnement binaire. La seconde concerne l'identification d'une forme géométrique parmi un nombre limité de profils. Ces méthodes présentées sont parfaitement bien adaptées à la problématique de classification en scattérométrie en apportant une information qualitative complémentaire. Elles peuvent être utilisées par exemple dans le cadre d'un contrôle en ligne de production ou lors d'un suivi du processus de fabrication.

Abstract:

Miniaturizing electronic component had allowed development of a lot applications in various fields of sciences and technologies. Fabrication processes such as lithography have higly progressed. This technology allowed a significant size reduction of structure characteristic dimensions. This technological progress requires reliable, accurate, fast and low-cost characterization techniques if possible. Scatterometry is a one of optical methods that presents an alternative solution to this characterization problem. The scatterometric process requires a number of constraining assumptions such as prior knowledge of structure geometrical shape to be tested which is fixed throughout process. This manuscript presents a complete characterization process using neural network method. This method is used as a decision support tool by limiting amount of priori knowledge about structure. Thus, we shown possibility of validating or not the sample shape by placing a neural network operating in classifier mode of characterization step. Obtained results concern different structures with various shapes resulting from fabrication processes. The first implemented application concern default detection or geometrical target identification of a binary shape in operating mode. The second concerns identification of a geometrical shape among a limited number of profiles. These developed methods are perfectly adapted to classification problem in scatterometry by providing additional qualitative information. These methods can be used, for instance in a control of online production or for monitoring when manufacturing process.

Jury:

• Manuel FLURY, Rapporteur, INSA Strasbourg
• Gérard GRANET, Rapporteur, Université Clermont Auvergne
• Cécile GOURGON, Examinatrice, CNRS-LTM Grenoble 
• Bernard BAYARD, Directeur de thèse, Université Jean- Monnet
• Stéphane ROBERT, Co-encadrant, Université Jean- Monnet