METHODS AND SYSTEMS FOR SYSTEMATIC ERROR COMPENSATION ACROSS A FLEET OF METROLOGY SYSTEMS BASED ON A TRAINED ERROR EVALUATION MODEL

• Main Authors: KRISHNAN, Shankar, HUANG, Bowei, NEIL, Mark Allen, CHANG, Yih-Chung, ZHANG, Tianhao, TSAI, Jenching, CHEN, Xi, DI, Ming, TSAO, Yao-Chung, HU, Dawei, SADIQ, Malik Karman, YGARTUA, Carlos L, ZHAO, Qiang, XU, Ce, BASKIN, Igor
• Format: Patent
• Language: English; French
• Published: 15.02.2024
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIRCHEMICAL OR PHYSICAL PROPERTIES; MEASURING; PHYSICS; TESTING

Methods and systems for compensating systematic errors across a fleet of metrology systems based on a trained error evaluation model to improve matching of measurement results across the fleet are described herein. In one aspect, the error evaluation model is a machine learning based model trained based on a set of composite measurement matching signals. Composite measurement matching signals are generated based on measurement signals generated by each target measurement system and corresponding model-based measurement signals associated with each target measurement system and reference measurement system. The training data set also includes an indication of whether each target system is operating within specification, an indication of the values of system model parameter of each target system, or both. In some embodiments, the composite measurement matching signals driving the training of the error evaluation model are weighted differently, for example, based on measurement sensitivity, measurement noise, or both. Sont décrits dans les présentes des procédés et des systèmes de compensation d'erreurs systématiques à travers une flotte de systèmes de métrologie sur la base d'un modèle d'évaluation d'erreurs entraîné pour améliorer la mise en correspondance de résultats de mesure à travers la flotte. Selon un aspect, le modèle d'évaluation d'erreurs est un modèle basé sur l'apprentissage automatique entraîné sur la base d'un ensemble de signaux de mise en correspondance de mesures composites. Des signaux de mise en correspondance de mesures composites sont générés sur la base de signaux de mesure générés par chaque système de mesure cible et de signaux de mesure basés sur un modèle correspondant associés à chaque système de mesure cible et système de mesure de référence. L'ensemble de données d'apprentissage comprend également une indication indiquant si chaque système cible fonctionne selon la spécification, une indication des valeurs du paramètre de modèle de système de chaque système cible, ou les deux. Dans certains modes de réalisation, les signaux de mise en correspondance de mesures composites commandant l'apprentissage du modèle d'évaluation d'erreurs sont pondérés différemment, par exemple, sur la base de la sensibilité de mesure, du bruit de mesure, ou des deux.