Um die Stabilität der Messung der Dünnschichtdicke bei spektralen Daten mit geringem Signal-Rausch-Verhältnis zu verbessern, wurde eine Messmethode basierend auf einem selbstaufmerksamen neuronalen Netzwerk (Self-Attention-based Neural Network, SANN) vorgeschlagen. Da herkömmliche Fourier-Transformationsmethoden bei abnehmendem Signal-Rausch-Verhältnis die Hauptinterferenzfrequenzen durch Rauschkomponenten überdeckt sein können, was die genaue Extraktion der Dickeninformationen erschwert, wurde ein selbstaufmerksames neuronales Netzwerkmodell entwickelt, das spektrale Daten als Eingabe und die Dünnschichtdicke als Ausgabe verwendet. Mittels eines adaptiven Aufmerksamkeitsmechanismus werden spektrale Punkte unterschiedlicher Wellenlängen mit dynamischen Gewichten versehen, um die Analysefähigkeit für spektrale Daten mit geringem Signal-Rausch-Verhältnis zu verbessern. Experimentelle Daten wurden mit einem spektralen Interferenz-Dünnschichtmesssystem erhoben, und eine Datenaugmentation durch Wellenlängenverschiebung und dynamische Lichtintensitätsnormalisierung wurde durchgeführt, um den Trainingssatz zu erweitern und die Generalisierungsfähigkeit des Modells zu erhöhen. Das System optimierte die Anzahl der Encoder-Schichten und die Anzahl der versteckten Knoten basierend auf dem Selbstaufmerksamkeitsmechanismus und wählte letztlich ein Modell mit 8 Encoder-Schichten und jeweils 128 versteckten Knoten pro Schicht. Validiert wurde anhand eines Wafers, wobei ein Spektraldatensatz mit Ausreißern getestet wurde; die Ergebnisse zeigten, dass der maximale relative Dickenmessfehler im Testdatensatz mit geringem Signal-Rausch-Verhältnis 3,62 % betrug, was die Effektivität der Methode bei der Unterdrückung von Rauschstörungen, der Vermeidung typischer Ausreißerabweichungen bei Fourier-Transformationsmethoden und der deutlichen Verbesserung der Messstabilität bestätigt. Die vorgeschlagene Methode kann auf breitere Dünnschichtmessanwendungen ausgeweitet werden.

Interferenzmessung;Waferdicke;spektrale Interferenz;selbstaufmerksames neuronales Netzwerk;Rauschresistenz;Messstabilität