CN102736425B - 掩模对准自适应扫描方法 - Google Patents

Abstract

一种掩模对准自适应扫描方法，包括步骤1.确定掩模标记垂向与水平向空间像的最大有效值和最小有效值；2.进行掩模对准扫描，根据垂向与水平向空间像的最大有效值和最小有效值以及空间像内采样点数计算垂向、水平向采样点数；3.掩模对准扫描结束后，根据传感器获得的数据计算实测空间像高与像宽；4.当实测空间像高与像宽在阈值范围内，则计算垂向与水平向指数遗忘因子，根据所述垂向与水平向指数遗忘因子更新掩模标记垂向空间像与水平向空间像的最大有效值和最小有效值后，返回步骤2，当实测空间像高与实测空间像宽不在阈值范围内，则直接返回步骤2。本方法提高生产效率的同时保证了对准精度，并且同时对垂向和水平向采样点数进行优化。

Description

掩模对准自适应扫描方法

技术领域

本发明涉及一种自适应扫描技术，特别涉及一种应用于掩模对准的自适应扫描方法。

背景技术

在采样光刻机进行集成电路芯片生产过程中，为了实现光刻机期望的精度指标，需要精确建立光刻机各坐标系之间的关系，使掩模、掩模台、投影物镜、硅片、硅片台能够在一个统一的定标系统中工作。对准就是通过硅片台上的对准标记找到掩模或掩模台上标记在透镜下方所成像的确切位置。使用传感器在水平方向和垂直方向对光强进行扫描采样，通过对光强数据进行拟合计算，找到最大光强点所在位置，该位置即为对准位置。

在进行采样时，需要足够多的采样点以便为拟合计算提供足够的信息，而采样点数的增加，不仅可能会带来冗余的信息，而且还会增加扫描物理实现的时间，影响生产效率。中国专利CN1790166A公开了一种垂向扫描长度自适应优化方法，该方法通过优化垂向扫描长度，使之随空间像的大小变化，从而达到优化垂向采样点数和扫描时间，提高生产效率的目的。该方法中垂向采样点数在空间像捕获范围内是均匀分布的，采样点数的优化可能导致空间像内的采样点数减少(即有效的采样点数减少)，有效采样点数的减少会影响拟合得到对准位置的精度，使对准效果变差；且该方法仅对垂向的采样进行了优化，在进行像质检测相关的扫描时，会使用到一些特定的照明模式，在这些照明模式下空间像的大小相对于常规照明模式变化很大，此时水平向采样点数也会对采样物理实现的时间产生较大的影响，如果仅对垂向进行优化，对生产效率的提高程度有限。

发明内容

本发明解决的技术问题是现有掩模对准扫描方法在提高效率的同时是对准效果变差且不能同时对水平向和垂向扫描进行优化。

为解决上述技术问题，本发明提供一种掩模对准自适应扫描方法，包括：

步骤1，确定掩模标记垂向空间像的最大有效值eff_max_z和最小有效值eff_min_z以及水平向空间像的最大有效值eff_max_x和最小有效值eff_min_x；

步骤2，进行掩模对准扫描，根据掩模标记垂向空间像、水平向空间像的最大有效值和最小有效值以及掩模标记空间像内采样点数计算垂向采样点数Nr_of_vert_samples、水平向采样点数Nr_of_hor_samples；

步骤3，掩模对准扫描结束后，根据传感器获得的数据计算实测空间像高ai_height与实测空间像宽ai_width；

步骤4，当实测空间像高ai_height与实测空间像宽ai_width在阈值范围内，则计算垂向指数遗忘因子η_z和水平向指数遗忘因子η_x，根据所述垂向指数遗忘因子η_z和水平向指数遗忘因子η_x更新掩模标记垂向空间像的最大有效值eff_max_z和最小有效值eff_min_z以及水平向空间像的最大有效值eff_max_x和最小有效值eff_min_x后，返回步骤2，当实测空间像高与实测空间像宽不在阈值范围内，则直接返回步骤2。

进一步，所述掩模标记垂向空间像的最大有效值eff_max_z和最小有效值eff_min_z以及水平向空间像的最大有效值eff_max_x和最小有效值eff_min_x通过经验公式计算得到。

进一步，所述水平向采样点数Nr_of_hor_samples、垂向采样点数Nr_of_vert_samples分别通过以下公式计算得到

$\mathrm{Nr}\_\mathrm{of}\_\mathrm{hor}\_\mathrm{samples}=\mathrm{ceil}[\frac{(\mathrm{eff}\_\max \_x-\mathrm{eff}\_\min \_x+\mathrm{const}\_x)}{\mathrm{eff}\_\min \_x}\·(\mathrm{number}\_\mathrm{of}\_\mathrm{hor}\_\mathrm{samples}\_\mathrm{in}\_\mathrm{image})]+1$

$\mathrm{Nr}\_\mathrm{of}\_\mathrm{vert}\_\mathrm{samples}=\mathrm{ceil}[\frac{(\mathrm{eff}\_{\max }_Z-\mathrm{eff}\_{\min }_Z+\mathrm{const}\_z)}{\mathrm{eff}\_{\min }_z}(\mathrm{number}\_\mathrm{of}\_\mathrm{levels}\_\mathrm{in}\_\mathrm{image})]+1$

其中，number_of_hor_samples_in_image、number_of_levels_in_image、const_x和const_z分别为空间像水平面采样点数、空间像垂向采样平面数和捕获范围的统计经验值。

优选的，所述传感器获得的数据为对准位置数据水平值x、垂向值z和光强数据I。

进一步，通过拟合计算确定对准位置数据水平值x、垂向值z和光强数据I的函数关系式I＝β₁*x²+β₂*x^*z+β₃*z²+β₄*x+β₅*z+β₆。

进一步，所述实测空间像高ai_height与所述实测空间像宽ai_width通过以下公式计算得到

$\mathrm{ai}\_\mathrm{width}=\frac{\sqrt{b^2-4*a*c}}{a}$

$\mathrm{ai}\_\mathrm{height}=\frac{\sqrt{e^2-4*d*f}}{d}$

其中a＝β₁，b＝(β₂*z_max+β₄)， $c=({\mathrm{\β}}_3*{z_{\max }}^2+{\mathrm{\β}}_5*z_{\max }+{\mathrm{\β}}_6-\frac{1}{2}*I_{\max }),$ d＝β₃，e＝(β₂*x_max+β₅)，Imax为光强I的最大值Imax，z_max为对准位置数据垂向值z的最大值，x_max为对准位置数据水平值x的最大值。

进一步，所述垂向指数遗忘因子η_z和所述水平向指数遗忘因子η_x根据以下公式计算得到

${\mathrm{\η}}_x=\min [1,C_{\mathrm{\η}}+\min [K*C_{\mathrm{\η}}*\frac{\max (\mathrm{ai}\_\mathrm{width})-\min (\mathrm{ai}\_\mathrm{width})}{\max (\mathrm{ai}\_\mathrm{width})-\min (\mathrm{ai}\_\mathrm{width})},\max [(L-C_{\mathrm{\η}}),0]\left]\right]$

${\mathrm{\η}}_z=\min [1,C_{\mathrm{\η}}+\min [K*C_{\mathrm{\η}}*\frac{\max (\mathrm{ai}\_\mathrm{height})-\min (\mathrm{ai}\_\mathrm{height})}{\max (\mathrm{ai}\_\mathrm{height})+\min (\mathrm{ai}\_\mathrm{height})},\max [(L-C_{\mathrm{\η}}),0]\left]\right]$

其中C_η为最小更新因子，L为最大更新因子，K为平衡系数，均为系统统计常数，且L＞C_η，C_η＜η_z(η_x)＜L。

进一步，所述更新掩模标记垂向空间像、水平向空间像的最大有效值和最小有效值的计算公式为

eff_max_x＝(1-η_x)*eff_max_x_old+η_xmax(ai_width)

eff_min_x＝(1-η_x)*eff_min_x_old+η_xmin(ai_width)

eff_max_z＝(1-η_z)*eff_max_z_old+η_zmax(ai_height)

eff_min_z＝(1-η_z)*eff_min_z_old+η_zmin(ai_height)

其中eff_max_x_old，eff_min_x_old，eff_max_z_old和eff_min_z_old分别是更新前垂向与水平向空间像的最大有效值和最小有效值。

与现有技术相比，本方法不仅可以提高生产效率，同时还保证了对准精度，其不仅对垂向的采样点数进行自适应优化，而且还对水平向的采样点数进行优化，同时保证空间像内采样点数(有效采样点数)的个数，从而保证对准精度。

附图说明

关于本发明的优点与精神可以通过以下的发明详述及所附图式得到进一步的了解。

图1为本发明掩模对准自适应扫描方法的流程图。

具体实施方式

下面结合附图详细说明本发明的具体实施例。

参见图1所示，本发明一种掩模对准自适应扫描方法包括以下步骤：

首先，执行步骤101，确定掩模标记垂向与水平向空间像的最大有效值和最小有效值。垂向空间像的最大有效值eff_max_z和最小有效值eff_min_z以及水平向空间像的最大有效值eff_max_x和最小有效值eff_min_x，这些值在首次使用时由经验公式计算得到。

其次，执行步骤102，进行掩模对准扫描，根据掩模标记空间像内采样点数，掩模标记垂向空间像的最大有效值、最小有效值以及水平向空间像的最大有效值、最小有效值计算垂向与水平向采样点数。在对准扫描时，水平向采样点数Nr_of_hor_samples与垂向采样点数Nr_of_vert_samples分别通过公式(1)和公式(2)计算得到，

$\mathrm{Nr}\_\mathrm{of}\_\mathrm{hor}\_\mathrm{samples}=\mathrm{ceil}[\frac{(\mathrm{eff}\_\max \_x-\mathrm{eff}\_\min \_x+\mathrm{const}\_x)}{\mathrm{eff}\_\min \_x}\·(\mathrm{number}\_\mathrm{of}\_\mathrm{hor}\_\mathrm{samples}\_\mathrm{in}\_\mathrm{image})]+1---\left(1\right)$

$\mathrm{Nr}\_\mathrm{of}\_\mathrm{vert}\_\mathrm{samples}=\mathrm{ceil}[\frac{(\mathrm{eff}\_{\max }_Z-\mathrm{eff}\_{\min }_Z+\mathrm{const}\_z)}{\mathrm{eff}\_{\min }_z}(\mathrm{number}\_\mathrm{of}\_\mathrm{levels}\_\mathrm{in}\_\mathrm{image})]+1---\left(2\right)$

其中number_of_hor_samples_in_image、number_of_levels_in_image、const_x和const_z分别为空间像水平面采样点数、空间像垂向采样平面数和捕获范围的统计经验值。空间像水平面采样点数number_of_hor_samples_in_image和空间像垂向采样平面数number_of_levels_in_image这两个值保证了空间像内有着足够的采样信息，同时通过由此而计算得到的采样点数来尽量的减少扫描时间，提高效率。掩模标记空间像内采样点数由空间像水平面采样点数number_of_hor_samples_in_image、空间像垂向采样平面数number_of_levels_in_image计算获得。

其次，执行步骤103，在掩模对准扫描结束后，通过对传感器采样得到的对准位置数据水平值x、垂向值z和光强数据I进行拟合计算，可以得到对准位置和该传感器所对应对准标记在透镜下方所成像的大小。经过拟合计算后的对准位置数据与光强数据有如下关系，如公式(3)所示。

I＝β₁*x²+β₂*x*z+β₃*z²+β₄*x+β₅*z+β₆    (3)

通过公式(3)可计算出光强I的最大值Imax。z_max为z的最大值，x_max为x的最大值。一般认为，最大光强50％所对应的图像宽度为空间像的大小，对准位置数据水平值x与光强I的关系如公式(4)，对准位置数据垂向值z与光强I的关系如公式(5)所示。

I(x，z_max)＝a*x²+b*x+c   (4)

I(x_max，z)＝d*z²+e*z+f   (5)

其中a＝β₁，b＝(β₂*z_max+β₄)， $c=({\mathrm{\β}}_3*{z_{\max }}^2+{\mathrm{\β}}_5*z_{\max }+{\mathrm{\β}}_6-\frac{1}{2}*I_{\max }),$ d＝β₃，e＝(β₂*x_max+β₅)， $f=({\mathrm{\β}}_1*{x_{\max }}^2+{\mathrm{\β}}_4*x_{\max }+{\mathrm{\β}}_6-\frac{1}{2}*I_{\max }).$

公式(4)和公式(5)中两根之差的绝对值即分别为空间像宽度ai_width与空间像高度ai_height，如公式(6)和公式(7)所示，

$\mathrm{ai}\_\mathrm{width}=|x_1-x_2|=\frac{\sqrt{b^2-4*a*c}}{a}---\left(6\right)$

$\mathrm{ai}\_\mathrm{height}=|z_1-z_2|=\frac{\sqrt{e^2-4*d*f}}{d}---\left(7\right)$

ai_width和ai_height即为实测的空间像宽与空间像高，如果存在多个掩模标记就存在实测空间像宽的最大值max(ai_width)与最小值min(ai_width)，实测空间像高的最大值max(ai_height)与最小值min(ai_height)。

然后执行步骤104，判断实测空间像高与像宽是否在阈值内。如果实测空间像高或像宽不在阈值内，则认为本次扫描失败，直接返回步骤102，再次进行扫描对准。

若实测空间像高和像宽在阈值内则进入步骤105，计算垂向指数遗忘因子η_z和水平向指数遗忘因子η_x，垂向指数遗忘因子η_z和水平向指数遗忘因子η_x的值在0到1之间，其计算方法如公式(8)和公式(9)所示。

${\mathrm{\η}}_x=\min [1,C_{\mathrm{\η}}+\min [K*C_{\mathrm{\η}}*\frac{\max (\mathrm{ai}\_\mathrm{width})-\min (\mathrm{ai}\_\mathrm{width})}{\max (\mathrm{ai}\_\mathrm{width})-\min (\mathrm{ai}\_\mathrm{width})},\max [(L-C_{\mathrm{\η}}),0]\left]\right]---\left(8\right)$

${\mathrm{\η}}_z=\min [1,C_{\mathrm{\η}}+\min [K*C_{\mathrm{\η}}*\frac{\max (\mathrm{ai}\_\mathrm{height})-\min (\mathrm{ai}\_\mathrm{height})}{\max (\mathrm{ai}\_\mathrm{height})+\min (\mathrm{ai}\_\mathrm{height})},\max [(L-C_{\mathrm{\η}}),0]\left]\right]---\left(9\right)$

其中C_η为最小更新因子，L为最大更新因子，K为平衡系数，均为系统统计常数，可根据统计情况进行调整，且L＞C_η，C_η＜η_z(η_x)＜L。

然后执行步骤106，根据步骤105得到的垂向和水平向指数遗忘因子更新垂向与水平向空间像的最大有效值和最小有效值，如公式(10)和公式(11)所示。

eff_max_x＝(1-η_x)*eff_max_x_old+η_xmax(ai_width)     (10)

eff_min_x＝(1-η_x)*eff_min_x_old+η_xmin(ai_width)

eff_max_z＝(1-η_z)*eff_max_z_old+η_zmax(ai_height)    (11)

eff_min_z＝(1-η_z)*eff_min_z_old+η_zmin(ai_height)

其中eff_max_x_old，eff_min_x_old，eff_max_z_old和eff_min_z_old分别是更新前垂向与水平向空间像的最大有效值和最小有效值。而后返回步骤102，再次进行对准扫描，重新计算采样点数。

本说明书中所述的只是本发明的较佳具体实施例，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 (8)

1.一种掩模对准自适应扫描方法，其特征在于，包括：

步骤1，确定掩模标记垂向空间像的最大有效值eff_max_z和最小有效值eff_min_z以及水平向空间像的最大有效值eff_max_x和最小有效值eff_min_x；

步骤2，进行掩模对准扫描，根据掩模标记垂向空间像、水平向空间像的最大有效值和最小有效值以及掩模标记空间像内采样点数计算垂向采样点数Nr_of_vert_samples、水平向采样点数Nr_of_hor_samples；

步骤3，掩模对准扫描结束后，根据传感器获得的数据计算实测空间像高ai_height与实测空间像宽ai_width；

步骤4，当实测空间像高ai_height与实测空间像宽ai_width在阈值范围内，则计算垂向指数遗忘因子η_z和水平向指数遗忘因子η_x，根据所述垂向指数遗忘因子η_z和水平向指数遗忘因子η_x更新掩模标记垂向空间像的最大有效值eff_max_z和最小有效值eff_min_z以及水平向空间像的最大有效值eff_max_x和最小有效值eff_min_x后，返回步骤2，当实测空间像高与实测空间像宽不在阈值范围内，则直接返回步骤2；

其中，所述水平向采样点数Nr_of_hor_samples、垂向采样点数Nr_of_vert_samples分别通过以下公式计算得到

$\mathrm{Nr}\_\mathrm{of}\_\mathrm{hor}\_\mathrm{samples}=\mathrm{ceil}[\frac{(\mathrm{eff}\_\max \_x-\mathrm{eff}\_\min \_x+\mathrm{const}\_x)}{\mathrm{eff}\_\min \_x}\·(\mathrm{number}\_\mathrm{of}\_\mathrm{hor}\_\mathrm{samples}\_\mathrm{in}\_\mathrm{image})]+1$

$\mathrm{Nr}\_\mathrm{of}\_\mathrm{vert}\_\mathrm{samples}=\mathrm{ceil}[\frac{(\mathrm{eff}\_{\max }_Z-\mathrm{eff}\_{\min }_Z+\mathrm{const}\_z)}{\mathrm{eff}\_{\min }_z}(\mathrm{number}\_\mathrm{of}\_\mathrm{levels}\_\mathrm{in}\_\mathrm{image})]+1$

其中，number_of_hor_samples_in_image、number_of_levels_in_image、const_x和const_z分别为空间像水平面采样点数、空间像垂向采样平面数和捕获范围的统计经验值。

2.根据权利要求1所述的自适应扫描方法，其特征在于，所述掩模标记垂向空间像的最大有效值eff_max_z和最小有效值eff_min_z以及水平向空间像的最大有效值eff_max_x和最小有效值eff_min_x通过经验公式计算得到。

3.根据权利要求1所述的自适应扫描方法，其特征在于，所述掩模标记空间像内采样点数由空间像水平面采样点数number_of_hor_samples_in_image和空间像垂向采样平面数number_of_levels_in_image计算获得。

4.根据权利要求1所述的自适应扫描方法，其特征在于，所述传感器获得的数据为对准位置数据水平值x、垂向值z和光强数据I。

5.根据权利要求4所述的自适应扫描方法，其特征在于，通过拟合计算确定对准位置数据水平值x、垂向值z和光强数据I的函数关系式I＝β₁*x²+β₂*x*z+β₃*z²+β₄*x+β₅*z+β₆。

6.根据权利要求5所述的自适应扫描方法，其特征在于，所述实测空间像高ai_height与所述实测空间像宽ai_width通过以下公式计算得到

$\mathrm{ai}\_\mathrm{width}=\frac{\sqrt{b^2-4*a*c}}{a}$

$\mathrm{ai}\_\mathrm{height}=\frac{\sqrt{e^2-4*d*f}}{d}$

其中a＝β₁，b＝(β₂*z_max+β₄)， $c=({\mathrm{\β}}_3*{z_{\max }}^2+{\mathrm{\β}}_5*z_{\max }+{\mathrm{\β}}_6-\frac{1}{2}*I_{\max }),$ d＝β₃，e＝(β₂*x_max+β₅)，Imax为光强I的最大值Imax，z_max为对准位置数据垂向值z的最大值，x_max为对准位置数据水平值x的最大值。

7.根据权利要求1所述的自适应扫描方法，其特征在于，所述垂向指数遗忘因子η_z和所述水平向指数遗忘因子η_x根据以下公式计算得到

${\mathrm{\η}}_x=\min [1,C_{\mathrm{\η}}+\min [K*C_{\mathrm{\η}}*\frac{\max (\mathrm{ai}\_\mathrm{width})-\min (\mathrm{ai}\_\mathrm{width})}{\max (\mathrm{ai}\_\mathrm{width})-\min (\mathrm{ai}\_\mathrm{width})},\max [(L-C_{\mathrm{\η}}),0]\left]\right]$

${\mathrm{\η}}_z=\min [1,C_{\mathrm{\η}}+\min [K*C_{\mathrm{\η}}*\frac{\max (\mathrm{ai}\_\mathrm{height})-\min (\mathrm{ai}\_\mathrm{height})}{\max (\mathrm{ai}\_\mathrm{height})+\min (\mathrm{ai}\_\mathrm{height})},\max [(L-C_{\mathrm{\η}}),0]\left]\right]$

其中C_η为最小更新因子，L为最大更新因子，K为平衡系数，均为系统统计常数，且L＞C_η，C_η＜η_z(η_x)＜L。

8.根据权利要求1所述的自适应扫描方法，其特征在于，所述更新掩模标记垂向空间像、水平向空间像的最大有效值和最小有效值的计算公式为

eff_max_x＝(1-η_x)*eff_max_x_old+η_xmax(ai_width)

eff_min_x＝(1-η_x)*eff_min_x_old+η_xmin(ai_width)

eff_max_z＝(1-η_z)*eff_max_z_old+η_zmax(ai_height)

eff_min_z＝(1-η_z)*eff_min_z_old+η_zmin(ai_height)

其中eff_max_x_old，eff_min_x_old，eff_max_z_old和eff_min_z_old分别是更新前垂向与水平向空间像的最大有效值和最小有效值。