CN102128678B - 一种光学能量传感器测校装置及方法 - Google Patents

Abstract

一种光学能量传感器测校装置，包括光源，分光镜，测量光快门，参考光快门，参考传感器，待测传感器；光源发出的入射光经分光镜分为参考光线和测量光线；参考光线经参考快门入射到参考传感器；测量光线经测量快门入射到待测传感器。通过测量出能量传感器的过渡状态特性，并拟合得出其过渡状态特性曲线，从而校正能量传感器的过渡状态误差，提高能量传感器测量的精度。

Description

一种光学能量传感器测校装置及方法

技术领域

本发明属于光刻领域，涉及一种光学能量传感器测校装置及方法。

背景技术

在光刻机系统中，能量传感器是光学系统中用来测量曝光光束的能量的传感器，一般说来在照明系统有两个光束能量传感器，一个在照明系统内部，称为ED，用来在曝光中动态监控光束能量，许多光刻机剂量控制基于ED传感器的测量值做反馈控制。另外一个在工件台上，称为ESS，用来非曝光时候测量视场轮廓和剂量。

光刻机中的ESS和ED的工作原理类似，都是采用特殊的晶体(比如YAG:CE晶体)把紫外光转化为绿光，然后通过光电效应把光信号转化为电信号，进而测量出电信号的强度，然后计算出能量传感器之前的光束强度。该计算过程中有一个重要的参数，就是能量传感器的透过率，就是能量传感器测量入口到光电转化器件的器件能量透过率，在248nm以前的光刻机的能量传感器中，该能量透过率被认为恒定的，但是在193nm的能量传感器中，由于材料的因素，该能量透过率不是恒定的，该能量透过率开始时候误差比较大，连续照射几分钟后，该能量透过率才趋于稳定。在此，把这种现象或状态称为能量传感器的瞬态或过渡状态(Transients)。

可以认为，在193nm机型中，未经过校正的ED和ESS的初始几分钟的能量测量结果并不准确，其影响在精密的剂量系统中无法被忽视，将直接导致剂量控制性能恶化到难以接受的地步。在高精度的光刻机中，有必要设法校正该误差。在193nm光刻机，照明系统和物镜的透过率也有类似的过渡状态，它们的透过率也需要经过一定时间的曝光后才趋于稳定。传统上，可以通过预曝光几分钟的方法，使得照明系统和物镜和能量传感器趋于稳定时才开始正常曝光，但是该方法浪费能源，这对很多用户来说是难以接受的。因此有必要设法测校透过率的过渡现象中的参数，进而校正透过率的影响。如果混合测校透过率的过渡状态，则能量传感器的测量结果混合了照明系统和物镜的影响，导致测量结果不准确，所以有必要单独测量ED和ESS集成到光刻机前的过渡状态。能量传感器的过渡状态是可以预测的，其分布不是随机分布，因此其是系统误差，可以通过专门的方法进行校正结果。

发明内容

本发明的目的在于通过建立能量传感器的离线测校平台，测量出能量传感器的过渡状态特性，并拟合得出其过渡状态特性曲线，为校正能量传感器的过渡状态奠定基础。

本发明一种光学能量传感器测校装置，包括光源，分光镜，测量光快门，参考光快门，参考传感器，待测传感器；光源发出的入射光经分光镜分为参考光线和测量光线；参考光线经参考快门入射到参考传感器；测量光线经测量快门入射到待测传感器。

其中，参考传感器的精度不高于待测传感器。

一种能量传感器测校方法，包括步骤：

打开参考传感器快门，对参考传感器进行预曝光；

待参考传感器稳定后，打开测量光快门；

参考传感器和待测传感器同时测量一定时间；

比对参考传感器和待测传感器的测量结果；

建立模型，拟合计算出待测传感器过渡状态的模型参数；

待测传感器在测校后使用方法为，测量校正值等于读数值减去根据所测校的过渡状态模型计算出的预测值。

其中，建立模型的公式为：y＝a*exp(-b*t)，其中a为相对光强，b为衰减系数。

其中t为待测传感器打开后的测量时间，y＝y1-y2，y1为待测传感器打开后的测量值，y2为同时刻参考传感器测量值。

其中，模型参数a和b的拟合采用非线性拟合方法，比如，使用matlab的nlinfit函数。

其中，模型参数a和b的拟合采用对模型求对数，ln(y)＝ln(a)-b*t，然后采用线性拟合方法，对此线性方程作最小二乘拟合。

本发明通过模型拟合待测传感器的过渡状态，进而校正了待测传感器，提高了待测传感器的精度。同时，参考传感器的精度不高于待测传感器时仍然可以测量出待测传感器的过渡状态，测量简单、方便，节约了能源。

附图说明

图1为本发明能量传感器测校装置结构图；

图2为本发明能量传感器测校方法步骤示意图；

图3为本发明能量传感器参考传感器和待测传感器的测量数据，和模型拟合曲线。

具体实施方式

下面，结合附图详细描述根据本发明的优选实施例。为了便于描述和突出显示本发明，附图中省略了现有技术中已有的相关部件，并将省略对这些公知部件的描述。

如图1所示，能量传感器测校装置包括光源1，分光镜2，参考光快门3，参考传感器4，测量光快门5，待测传感器6。光源1发出的入射光经分光镜2分为参考光线7和测量光线8。参考光线7经参考快门3入射到参考传感器4。测量光线8经测量快门5入射到待测传感器6。

在本实施例中，光源采用激光器，频率为4kHz以内可调，出射能量5mJ，传感器采用两个相同的能量传感器，其中一个作为参考传感器，另外一个作为待测传感器，其通过本发明校正前精度为0.9％。分光镜为50％分光，将来自193nm激光光源的同一光束分成两个方向传输，一个方向称为参考光，另外一个方向称为测量光，两个快门，一个快门称为参考光快门，另外一个快门称为测量光快门，快门时间10ms，它们都通过计算机控制打开和关闭。另外，为了减少激光器对能量传感器的损伤，本实施例在激光器后增加透过率在1％-％11％内可调的可变衰减片，初始时设置为11％。

本实施例中测量待测传感器的过渡状态的步骤如图2所示：

1.关闭测量光快门和参考光快门；

2.打开激光，设置频率为4kHz；

3.打开参考光快门，参考传感器进行预曝光；

4.5分钟后，参考传感器测量稳定后，打开测量光快门；

5.参考传感器和待测传感器同时测量10分钟，并记录测量时间和两个传感器的测量结果；

6.关闭测量光快门和参考光快门，关闭光源；

7.比对参考传感器和待测传感器的测量结果，按y＝a*exp(-b*t)建立模型，其中a为相对光强，b为衰减系数，拟合参数计算出待测传感器的过渡状态。

该模型为：y＝a*exp(-b*t)。

其中t为待测传感器打开后的测量时间，y＝y2-y1，y2为待测传感器打开后的测量值，如图3数据2，y1为同时刻参考传感器稳定后测量值，如图3数据1中第5分钟后的数据。通过参数拟合，可以拟合参数a和b。拟合方法有多种，包括非线性拟合方法，比如采用matlab的nlinfit函数，对数据进行拟合，或者线性拟合方法，比如对模型求对数有ln(y)＝ln(a)-b*t，然后对此线性方程作最小二乘拟合。测量结果如图3所示。数据1表示参考传感器的测量值随着时间的变化，数据2表示待测传感器的测量值随着时间的变化，拟合曲线1表示模型y＝a*exp(-b*t)对数据1的拟合结果。拟合曲线2表示模型y＝a*exp(-b*t)对数据2的拟合结果。

8.改变激光频率(1kHz，1.5k，2kHz，2.5k，3kHz，3.5k，4kHz)，改变可变衰减器的透过率(1％，3％，5％，7％，9％，11％)，分组测量待测传感器的过渡状态，根据不同情况下能量传感器响应数据，拟合模型中的模型参数。

当在线使用该能量传感器的时候，可近似使用以上测校得到的模型来校正能量传感器的读数。具体方法为：能量传感器的读数值减去模型预测值得到的差作为实际输出的测量结果。其中计算预测值时所采用的模型参数根据就近原则采用，比如激光频率为3.8kHz，可变衰减器透过率为10.5％，则按照激光频率为4kHz和可变衰减器透过率11％的测校中所得到的模型参数进行预测。比如，采用激光频率为4kHz，可变衰减器为11％的测校数据拟合模型y＝a*exp(-bt)，得到相应的模型参数为a＝0.2004和b＝1.793，如图3中的曲线2。

待测传感器在测校后使用方法为，测量校正值等于读数值减去根据所测校的过渡状态模型计算出的预测值。从图3可以看出，在待测传感器开始测量的前5分里，待测传感器的未校正误差如数据2，相对误差达到0.4％以上；但是，采用拟合结果曲线2作为数据2的预测值，以数据2和曲线2的差作为测量值校正值，那么校正后误差在0.1％以内。因此有，经过采用本发明进行测校后，待测传感器测量误差能从0.4％提高到0.1％。

本说明书中所述的只是本发明的几种较佳具体实施例，以上实施例仅用以说明本发明的技术方案而非对本发明的限制。凡本领域技术人员依本发明的构思通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在本发明的范围之内。

Claims (3)

1.一种使用能量传感器测校装置的测校方法，所述能量传感器测校装置包括光源，分光镜，测量光快门，参考光快门，参考传感器，待测传感器；光源发出的入射光经分光镜分为参考光线和测量光线；参考光线经参考光快门入射到参考传感器；测量光线经测量光快门入射到待测传感器，其特征在于包括如下步骤：

打开参考光快门，对参考传感器进行预曝光；

待参考传感器稳定后，打开测量光快门；

参考传感器和待测传感器同时测量一定时间；

比对参考传感器和待测传感器的测量结果；

建立模型公式y＝a*exp(-b*t)，其中a为相对光强，b为衰减系数，t为待测传感器打开后的测量时间，y＝y1-y2，y1为待测传感器打开后的测量值，y2为同时刻参考传感器测量值，拟合计算出待测传感器过渡状态的模型参数；

待测传感器在测校后使用方法为，测量校正值等于读数值减去根据所测校的过渡状态模型计算出的预测值。

2.如权利要求1所述的测校方法，其特征在于其中参数a和b的拟合采用非线性拟合方法。

3.如权利要求1所述的测校方法，其特征在于其中参数a和b的拟合采用对模型求对数，ln(y)＝ln(a)-b*t，然后对此线性方程作最小二乘拟合。

Images