CN103472672B - 校正光学邻近校正模型的方法 - Google Patents
校正光学邻近校正模型的方法 Download PDFInfo
- Publication number
- CN103472672B CN103472672B CN201210184916.8A CN201210184916A CN103472672B CN 103472672 B CN103472672 B CN 103472672B CN 201210184916 A CN201210184916 A CN 201210184916A CN 103472672 B CN103472672 B CN 103472672B
- Authority
- CN
- China
- Prior art keywords
- data
- group
- correction model
- optical proximity
- correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
一种校正光学邻近校正模型的方法，包括：提供具有图形的半导体衬底；对图形进行数据采样，获得采样数据；将采样数据分成第一组数据和第二组数据；利用第一组数据校正待校正的光学邻近校正模型，获得校正的光学邻近校正模型；利用校正的光学邻近校正模型获得模拟图形，对模拟图形进行数据采样获得模拟数据，与第一组数据对应的模拟数据与第一组数据之间的误差小于预定值；判断第二组数据对应的模拟数据与第二组数据之间的误差是否小于预定值；如果判断结果为是，将校正的光学邻近校正模型作为校正好的光学邻近校正模型；如果判断结果为否，重新校正待校正的光学邻近校正模型。本技术方案对待校正光学邻近校正模型进行校正耗费的时间相对很短。
Description
技术领域
本发明涉及半导体技术领域，尤其涉及校正光学邻近校正模型的方法。
背景技术
在半导体制造过程中，光刻工艺是集成电路生产中最重要的工艺步骤之一。随着半导体制造技术的发展，特征尺寸越来越小，对光刻工艺中分辨率的要求就越来越高。光刻分辨率是指通过光刻机在硅片表面能曝光的最小特征尺寸（criticaldimension，CD），是光刻技术中重要的性能指标之一。
然而，随着半导体技术的发展，半导体器件的特征尺寸越来越小，当特征尺寸接近甚至小于光刻工艺中所使用的光波波长时，由于光的衍射和干涉现象，实际硅片上得到的光刻图形与掩膜版上的图形之间存在一定的变形和偏差，这种现象称为光学邻近效应(OPE，OpticalProximityEffect)。为了消除光刻中的光学邻近效应，一种有效的方法是光学邻近效应矫正(OPC，OpticalProximityCorrection)方法，使形成在掩模版上的图形为经过光学邻近校正后的图形，之后将掩模版上的图形转移至光刻胶层上时，就不会产生光学邻近效应。现有技术中，由于掩模版上的图形具有多样性，如果在制作掩模版时，对每一种图形均进行光学邻近校正，光学邻近校正的处理时间很长，造成掩模版制造成本增加。
为了缩短进行光学邻近校正的时间，现有技术中提出了一种基于模型的光学邻近校正。光学邻近校正模型的建立方法通常为：首先采用测试掩模版进行曝光，通过测量实际曝光后在硅片上所获得的曝光图形的尺寸，获得测试数据；然后根据所述采用的测试掩模版上的测试图形模拟光刻过程，通过测量模拟结果的尺寸，获得模拟数据；接着，对比所述测试数据和模拟数据，建立光学邻近校正模型，使得将该光学邻近校正模型应用于所述模拟数据时，能够获得与实际的测试数据相同的结果。以上所述建模过程有一个成熟的公式。
现有技术中，由于目标图形的多样性，为了使基于模型的光学邻近校正可以最优化，需要对每一种目标图形的光学邻近校正模型进行优化，使光学邻近校正模型达到最优化，从而保证对目标图形的光学邻近校正可以最优化。图1为现有技术中校正光学邻近校正模型的流程示意图，参考图1，现有技术中，校正光学邻近校正模型的方法通常为：步骤S1，数据采样，具体为：提供具有图形的半导体衬底，对图形进行数据采样，获得实际数据；步骤S2，设定优化校正模型的参数；步骤S3，利用设定的参数对待校正的光学邻近校正模型进行校正，获得校正的光学邻近校正模型；步骤S4，计算拟合误差（fittingerror），具体为：利用校正的光学邻近校正模型模拟获得模拟图形，对模拟图形进行数据采样，获得模拟数据；计算模拟数据和实际数据的拟合误差；步骤S5，判断拟合误差是否小于设定值，如果判断结果为是，执行步骤S6，进行检验，检验模拟数据与实际数据的误差是否在设定的范围内，如果步骤S6的检验结果失败，返回步骤S2；如果步骤S6的检验结果通过，结束光学邻近校正模型的校正过程。
然而，现有技术中对光学邻近校正模型进行校正耗时相对来说仍然较长，例如对32nm的接触孔的光学邻近校正模型进行校正需要花费超过两周的时间，并且大部分的时间在等待校正的结果。
更多基于模型的光学邻近校正模型的内容，可以参考2011年1月5日公布的公布号为CN101937171A的中国专利文献。
发明内容
本发明解决的问题是现有技术中对光学邻近校正模型进行校正耗时长。
为解决上述问题，本发明提供一种校正光学邻近校正模型的方法，包括：
提供具有图形的半导体衬底；
对所述图形进行数据采样，获得采样数据；
将所述采样数据分成第一组数据和第二组数据，且所述第一组数据包括所述图形中基准点的采样数据，所述基准点为决定曝光能量大小的图形；
提供待校正的光学邻近校正模型；
利用所述第一组数据校正所述待校正的光学邻近校正模型，获得校正的光学邻近校正模型；
利用所述校正的光学邻近校正模型获得模拟图形，对所述模拟图形进行数据采样获得模拟数据，与所述第一组数据对应的模拟数据与所述第一组数据之间的误差小于预定值；
判断所述第二组数据对应的模拟数据与所述第二组数据之间的误差是否小于所述预定值；
如果判断结果为是，将所述校正的光学邻近校正模型作为校正好的光学邻近校正模型；
如果判断结果为否，重新校正所述待校正的光学邻近校正模型。
可选的，所述重新校正所述待校正的光学邻近校正模型包括：
重复所述获得校正的光学邻近校正模型、获得模拟图形、对模拟图形进行数据采样以及判断步骤，直至判断结果为是。
可选的，所述提供具有图形的半导体衬底包括：
提供半导体衬底；
提供测试掩模版；
在所述半导体衬底上形成光刻胶层；
利用所述测试掩模版对所述光刻胶层进行曝光；
对曝光后的光刻胶层进行显影，将所述光刻胶层图形化；
以图形化后的光刻胶层为掩模，刻蚀所述半导体衬底，在所述半导体衬底上形成图形，之后去除图形化后的光刻胶层。
可选的，对所述图形进行数据采样的方法包括：
利用扫描电镜对所述图形进行测量。
可选的，根据概率统计确定所述第一组数据和第二组数据的数量。
可选的，随机将所述采样数据分成第一组数据和第二组数据。
可选的，所述利用第一组数据校正所述待校正的光学邻近校正模型，获得校正的光学邻近校正模型的步骤包括：
设定校正策略；
基于所述校正策略，校正所述待校正的光学邻近校正模型，获得中间校正模型；
基于所述中间校正模型模拟光刻过程，获得中间模拟图形；
对所述中间模拟图形进行数据采样获得中间模拟数据，判断所述第一组数据对应的中间模拟数据与所述第一组数据之间的误差是否小于预定值；
如果判断结果为是，将所述中间校正模型作为校正的光学邻近校正模型；
如果判断结果为否，重新利用所述第一组数据校正所述待校正的光学邻近校正模型。
可选的，重新利用所述第一组数据校正所述待校正模型的步骤包括：
重新设定校正策略，之后，重复所述获得中间校正模型、获得中间模拟图形、获得中间模拟数据以及判断的步骤，直至判断结果为是。
可选的，所述校正策略包括：校正光学邻近校正模型所采用的公式、公式中系数的参数、以及软件进行计算时所采用的范围和步长。
可选的，利用所述校正的光学邻近校正模型获得模拟图形的步骤包括：
提供具有图形的掩模版；
利用所述校正的光学邻近校正模型对掩模版上的图形进行模拟，获得模拟图形。
可选的，利用扫描电镜对所述模拟图形进行数据采样获得模拟数据。
可选的，对所述图形进行数据采样的步骤包括：
找出所述图形中的基准点，对所述基准点进行数据采样；
对除基准点之外的图形进行数据采样。
可选的，对除基准点之外的图形进行数据采样的步骤包括：
将所述除基准点之外的图形进行n次数据采样，n大于等于2；
计算每一个采样点的n次采样数据的平均值；
根据所述平均值计算每一采样点采样数据的方差；
舍弃方差大于预设值的采样点的数据，将方差小于预设值的采样点的平均值作为采样数据。
可选的，所述图形为规则图形。
可选的，所述规则图形包括圆形、直线其中之一或者它们的任意组合。
可选的，所述采样数据为圆形的直径和/或直线的线宽。
可选的，所述第一组数据的数量大于等于所述采样数据数量的四分之一
与现有技术相比，本发明具有以下优点：
本发明对光学邻近校正模型进行校正的方法，将从具有图形的半导体衬底上获得的采样数据分成第一组数据和第二组数据，第一组数据必须包括图形中基准点的采样数据，第一组数据用来对待校正的光学邻近校正模型进行校正获得校正的光学邻近校正模型，第二组数据用来判断校正的光学邻近校正模型是否为校正好的光学邻近校正模型即合格的光学邻近校正模型。相对于现有技术中用全部的采样数据进行光学邻近模型的校正，本发明的技术方案中，只用第一组数据用来进行光学邻近校正模型的校正，可以减小计算机CPU的计算量，从而减小进行光学邻近校正模型所耗费的时间；而且，本发明技术方案通过第二组数据对校正的模型进行检验，判断利用第一组数据得到的校正模型是否为校正好的模型，可以保证对待校正的光学邻近校正模型的校正质量，不会出现因为进行待校正的光学邻近校正模型的校正时所采用的数据量的减少而降低校正的质量，另外，在利用第二组数据进行校验的过程中，涉及数据的拟合过程，不涉及对待校正光学邻近校正模型进行校正的过程，耗费的时间相对很短。
在具体实施例中，具体的可以根据概率统计确定第一组数据和第二组数据的数量，这样可以使对第一组数据和第二组数据的分配最优化，从而可以更好的利用第一组数据和第二组数据进行光学邻近校正模型的校正。
附图说明
图1为现有技术中校正光学邻近校正模型的流程示意图；
图2为本发明具体实施例的校正光学邻近校正模型的方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
图2为本发明具体实施例的校正光学邻近校正模型的方法的流程示意图，参考图2，本发明具体实施例的校正光学邻近校正模型的方法包括：
步骤S21，提供具有图形的半导体衬底；
步骤S22，对所述图形进行数据采样，获得采样数据；
步骤S23，将所述采样数据分成第一组数据和第二组数据，且所述第一组数据包括所述图形中基准点的采样数据，所述基准点为决定曝光能量大小的图形；
步骤S24，提供待校正的光学邻近校正模型；
步骤S25，利用所述第一组数据校正所述待校正的光学邻近校正模型，获得校正的光学邻近校正模型；
步骤S26，利用所述校正的光学邻近校正模型获得模拟图形，对所述模拟图形进行数据采样获得模拟数据，与所述第一组数据对应的模拟数据与所述第一组数据之间的误差小于预定值；
步骤S27，判断所述第二组数据对应的模拟数据与所述第二组数据之间的误差是否小于所述预定值；
如果判断结果为是，将所述校正的光学邻近校正模型作为校正好的光学邻近校正模型；
如果判断结果为否，重新校正所述待校正的光学邻近校正模型，具体为，重复执行步骤S25、步骤S26以及步骤S27直至判断结果为是，即重复所述获得校正的光学邻近校正模型、获得模拟图形、对模拟图形进行数据采样以及判断步骤，直至判断结果为是。
下面详细说明本发明具体实施例的校正光学邻近校正模型的方法。
步骤S21，提供具有图形的半导体衬底的方法，该步骤具体的可以包括：提供半导体衬底；提供测试掩模版；在所述半导体衬底上形成光刻胶层；利用所述测试掩模版对所述光刻胶层进行曝光；对曝光后的光刻胶层进行显影，将所述光刻胶层图形化；接着，以图形化后的光刻胶层为掩模，刻蚀所述半导体衬底，在所述半导体衬底上形成图形，之后去除图形化后的光刻胶层。其中半导体衬底的材料不做具体限制，可以为单晶硅、单晶锗或者单晶锗硅、Ⅲ-Ⅴ族元素化合物、单晶碳化硅等本领域技术人员公知的其他材料。
本发明具体实施例中，半导体衬底上的图形为规则图形，该规则图形包括圆形、直线其中之一或者它们的任意组合。
执行完步骤S21后，执行步骤S22，对所述图形进行数据采样的方法，具体步骤包括：找出所述图形中的基准点，对所述基准点进行数据采样；对除基准点之外的图形进行数据采样。其中，对除基准点之外的图形进行数据采样具体的方法为：将除基准点之外的图形划分成多个采样点，然后对除基准点之外的图形即多个采样点进行n次数据采样，n大于等于2，具体实践中，可以根据实际需求确定，采样使用的工具为扫描电镜，但不限于扫描电镜，也可以为本领域技术人员公知的其他采样工具；接着，计算每一个采样点的n次采样数据的平均值，该计算步骤由软件来完成；之后，根据所述平均值计算每一采样点采样数据的方差；舍弃方差大于预设值的采样点的数据，将方差小于预设值的采样点的平均值作为采样数据。
由于数据采样过程中，进行采样所采用的工具例如扫描电镜的精确度不够高，会出现采样获得的数据可信度不高的问题，因此，本发明具体实施例中，采取对每一采样点进行多次测量，取其平均值；然后根据每一采样点采样数据的方差判断每一采样点数据的可信度，如果采样点采样数据的方差大于预设值，则可以判定该采样点的采样数据不可信，将采样点的采样数据舍弃；如果采样点采样数据的方差小于预设值，则可以判定该采样点的采样数据可信，将该采样点对应的平均值作为采样数据。例如，假设方差的预设值为3nm，那么方差大于3nm的采样点的采样数据不可信，小于3nm的采样点的采样数据可信。
执行完步骤S22后，执行步骤S23，将所述采样数据分成第一组数据和第二组数据，且所述第一组数据包括所述图形中基准点的采样数据，所述基准点为决定曝光能量大小的图形。由于基准点为决定曝光能量大小的图形，而进行光学邻近校正模型的校正过程中，会用到模拟曝光的过程，模拟曝光过程中需确定曝光的能量，本发明中利用第一组数据进行光学邻近校正模型的校正，因此，第一组数据必须包括基准点的采样数据。关于基准点的选取为现有技术，在此不做详述。
另外，由于将采样数据分成第一组数据和第二组数据，为了确保校正好的光学邻近校正模型的可信度，第一组数据的数量不能过少，如果过少不能保证校正好的光学邻近校正模型可以适用于所有的采样点，在本发明中，第一组数据的数量可以大于等于所述采样数据数量的四分之一，但不限于这样的数量。
在具体实施例中，可以根据概率统计确定第一组数据和第二组数据的数量。具体的确定过程为：
假定所有的采样数据的集合为S=（X1，X2，X3，……XN），其中N为获得的采样数据的数量，X1、X2、X3、……XN分别代表每一个采样点的采样数据；
从S集合中随机选取n个采样数据，1<n<N，将这n个采样数据记为集合r＝（i1，i2，i3，……in）；
将基准点的采样数据记为anchorpoint；
则，第一组数据的集合M=（i1，i2，i3，……in）∪anchorpoint；
然后，根据概率统计P{Y≤y±zM[(1-f)/n]1/2}=1-α确定n的值，其中Y为集合S的采样数据的平均拟合误差，y是第一组数据即集合M的采样数据的平均拟合误差，f＝n/N，z为标准正态概率分布中的α/2。假设α=3nm，基于概率统计，如果采用数据的总数量N为3000，需要的概率P=0.99，Y=0.2，y=3±0.2，可以根据概率统计公式算出n为692，即在3000个采样数据中，可以选取692个采样数据再加上基准点的采样数据作为第一组数据。需要说明的是，此处仅为说明如何确定n值，此处的n值不限定本发明的保护范围，实际应用中的n值要根据实际情况由概率统计确定。
在确定了n的值之后，可以随机选取n个采样数据，将该选取的n个采样数据和基准点的采样数据作为第一组数据。这样可以使对第一组数据和第二组数据的分配最优化，从而可以更好的利用第一组数据和第二组数据进行光学邻近校正模型的校正。
在本发明具体实施例中，半导体衬底上的图形包括圆形、直线其中之一或者它们的任意组合，对图形进行数据采样时，对圆形图形来说，为测量圆形的直径，对直线图形来说，为测量直线的线宽。则所述采样数据为圆形的直径和/或直线的线宽。
之后，执行步骤S24，提供待校正的光学邻近校正模型。需要说明的是，步骤S24和之前的步骤S21、S22、S23之间没有先后顺序。
接着，执行步骤S25，利用所述第一组数据校正所述待校正的光学邻近校正模型，获得校正的光学邻近校正模型。具体的方法包括：设定校正策略；利用设定的校正策略，校正待校正的光学邻近校正模型，获得中间校正模型；基于所述中间校正模型模拟光刻过程，获得中间模拟图形；对所述中间模拟图形进行数据采样获得中间模拟数据，判断所述第一组数据对应的中间模拟数据与所述第一组数据之间的误差是否小于预定值；如果判断结果为是，将所述中间校正模型作为校正的光学邻近校正模型；如果判断结果为否，重新利用所述第一组数据校正所述待校正的光学邻近校正模型。
其中，对模拟图形进行数据采样使用的工具也可以为扫描电镜，但不限于扫描电镜。
判断所述第一组数据对应的中间模拟数据与所述第一组数据之间的误差是否小于预定值的具体方法为：将第一组数据进行拟合，获得拟合图形，然后将第一组数据对应的中间模拟数据与拟合图形进行比较，判断第一组数据对应的中间模拟数据与所述第一组数据之间的误差是否小于预定值。在其他实施例中，也可以将第一组数据对应的中间模拟数据进行拟合，获得拟合图形，然后将第一组数据与拟合图形进行比较，判断第一组数据对应的中间模拟数据与所述第一组数据之间的误差是否小于预定值。
重新利用所述第一组数据校正所述待校正模型的步骤包括：重新设定校正策略，之后，利用重新设定的校正策略重复所述获得中间校正模型、获得中间模拟图形、获得中间模拟数据以及判断的步骤，直至判断结果为是。在本发明具体实施例中，校正策略具体可以包括：校正光学邻近校正模型所采用的公式、公式中系数的参数、以及软件进行计算时所采用的范围和步长。
执行完步骤S25后，执行步骤S26，利用所述校正的光学邻近校正模型获得模拟图形，对所述模拟图形进行数据采样获得模拟数据，与所述第一组数据对应的模拟数据与所述第一组数据之间的误差小于预定值。具体的，利用所述校正的光学邻近校正模型获得模拟图形的步骤包括：提供具有图形的掩模版；然后，利用所述校正的光学邻近校正模型对所述掩模版上的图形进行模拟，获得模拟图形。可以利用仿真软件进行模拟。
本发明具体实施例中，利用扫描电镜对所述模拟图形进行数据采样获得模拟数据，但不限于扫描电镜。
在执行完步骤S26后，执行步骤S27，判断所述第二组数据对应的模拟数据与所述第二组数据之间的误差是否小于所述预定值。判断所述第二组数据对应的模拟数据与所述第二组数据之间的误差是否小于预定值的具体方法为：将第二组数据进行拟合，获得拟合图形，然后将第二组数据对应的模拟数据与拟合图形进行比较，判断第二组数据对应的模拟数据与所述第二组数据之间的误差是否小于预定值。在其他实施例中，也可以将第二组数据对应的中间模拟数据进行拟合，获得拟合图形；然后将第二组数据与拟合图形进行比较，判断第二组数据对应的模拟数据与所述第二组数据之间的误差是否小于预定值。
如果判断结果为是，将所述校正的光学邻近校正模型作为校正好的光学邻近校正模型；
如果判断结果为否，重新校正所述待校正的光学邻近校正模型，具体为，重复执行步骤S25、步骤S26以及步骤S27直至判断结果为是，即重复所述获得校正的光学邻近校正模型、获得模拟图形、对模拟图形进行数据采样以及判断步骤，直至判断结果为是。
本发明对光学邻近校正模型进行校正的方法，将从具有图形的半导体衬底上获得的采样数据分成第一组数据和第二组数据，第一组数据必须包括图形中基准点的采样数据，第一组数据用来对待校正的光学邻近校正模型进行校正获得校正的光学邻近校正模型，第二组数据用来判断校正的光学邻近校正模型是否为校正好的光学邻近校正模型即合格的光学邻近校正模型。相对于现有技术中用全部的采样数据进行光学邻近模型的校正，本发明的技术方案中，只用第一组数据用来进行光学邻近校正模型的校正，可以减小计算机CPU的计算量，从而减小进行光学邻近校正模型所耗费的时间；而且，本发明技术方案通过第二组数据对校正的模型进行检验，判断利用第一组数据得到的校正模型是否为校正好的模型，可以保证对待校正的光学邻近校正模型的校正质量，不会出现因为进行待校正的光学邻近校正模型的校正时所采用的数据量的减少而降低校正的质量，另外，在利用第二组数据进行校验的过程中，涉及数据的拟合过程，不涉及对待校正光学邻近校正模型进行校正的过程，耗费的时间相对很短。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (15)
1.一种校正光学邻近校正模型的方法，其特征在于，包括：
提供具有图形的半导体衬底；
对所述图形进行数据采样，获得采样数据；
将所述采样数据分成第一组数据和第二组数据，且所述第一组数据包括所述图形中基准点的采样数据，所述基准点为决定曝光能量大小的图形；
提供待校正的光学邻近校正模型；
利用所述第一组数据校正所述待校正的光学邻近校正模型，获得校正的光学邻近校正模型；
利用所述校正的光学邻近校正模型获得模拟图形，对所述模拟图形进行数据采样获得模拟数据，与所述第一组数据对应的模拟数据与所述第一组数据之间的误差小于预定值；
判断所述第二组数据对应的模拟数据与所述第二组数据之间的误差是否小于所述预定值；
如果判断结果为是，将所述校正的光学邻近校正模型作为校正好的光学邻近校正模型；
如果判断结果为否，重新校正所述待校正的光学邻近校正模型；
所述利用第一组数据校正所述待校正的光学邻近校正模型，获得校正的光学邻近校正模型的步骤包括：
设定校正策略；
基于所述校正策略，校正所述待校正的光学邻近校正模型，获得中间校正模型；
基于所述中间校正模型模拟光刻过程，获得中间模拟图形；
对所述中间模拟图形进行数据采样获得中间模拟数据，判断所述第一组数据对应的中间模拟数据与所述第一组数据之间的误差是否小于预定值；
如果判断结果为是，将所述中间校正模型作为校正的光学邻近校正模型；
如果判断结果为否，重新利用所述第一组数据校正所述待校正的光学邻近校正模型；
所述重新校正所述待校正的光学邻近校正模型包括：
重复所述获得校正的光学邻近校正模型、获得模拟图形、对模拟图形进行数据采样以及判断步骤，直至判断结果为是。
2.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，所述提供具有图形的半导体衬底包括：
提供半导体衬底；
提供测试掩模版；
在所述半导体衬底上形成光刻胶层；
利用所述测试掩模版对所述光刻胶层进行曝光；
对曝光后的光刻胶层进行显影，将所述光刻胶层图形化；
以图形化后的光刻胶层为掩模，刻蚀所述半导体衬底，在所述半导体衬底上形成图形，之后去除图形化后的光刻胶层。
3.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，对所述图形进行数据采样的方法包括：
利用扫描电镜对所述图形进行测量。
4.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，根据概率统计确定所述第一组数据和第二组数据的数量。
5.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，随机将所述采样数据分成第一组数据和第二组数据。
6.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，重新利用所述第一组数据校正所述待校正模型的步骤包括：
重新设定校正策略，之后，重复所述获得中间校正模型、获得中间模拟图形、获得中间模拟数据以及判断的步骤，直至判断结果为是。
7.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，所述校正策略包括：校正光学邻近校正模型所采用的公式、公式中系数的参数、以及软件进行计算时所采用的范围和步长。
8.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，利用所述校正的光学邻近校正模型获得模拟图形的步骤包括：
提供具有图形的掩模版；
利用所述校正的光学邻近校正模型对掩模版上的图形进行
模拟获得模拟图形。
9.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，利用扫描电镜对所述模拟图形进行数据采样获得模拟数据。
10.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，对所述图形进行数据采样的步骤包括：
找出所述图形中的基准点，对所述基准点进行数据采样；
对除基准点之外的图形进行数据采样。
11.如权利要求10所述的校正光学邻近校正模型的方法，其特征在于，对除基准点之外的图形进行数据采样的步骤包括：
将所述除基准点之外的图形进行n次数据采样，n大于等于2；
计算每一个采样点的n次采样数据的平均值；
根据所述平均值计算每一采样点采样数据的方差；
舍弃方差大于预设值的采样点的数据，将方差小于预设值的采样点的平均值作为采样数据。
12.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，所述图形为规则图形。
13.如权利要求12所述的校正光学邻近校正模型的方法，其特征在于，所述规则图形包括圆形、直线其中之一或者它们的任意组合。
14.如权利要求13所述的校光学邻近校正模型的方法，其特征在于，所述采样数据为圆形的直径和/或直线的线宽。
15.如权利要求1所述的校正光学邻近校正模型的方法，其特征在于，所述第一组数据的数量大于等于所述采样数据数量的四分之一。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210184916.8A CN103472672B (zh) | 2012-06-06 | 2012-06-06 | 校正光学邻近校正模型的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210184916.8A CN103472672B (zh) | 2012-06-06 | 2012-06-06 | 校正光学邻近校正模型的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103472672A CN103472672A (zh) | 2013-12-25 |
| CN103472672B true CN103472672B (zh) | 2016-01-06 |
Family
ID=49797574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210184916.8A Active CN103472672B (zh) | 2012-06-06 | 2012-06-06 | 校正光学邻近校正模型的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103472672B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103777460A (zh) * | 2014-03-04 | 2014-05-07 | 上海集成电路研发中心有限公司 | 一种提高光学邻近效应修正模型精度的方法 |
| CN106033170B (zh) * | 2015-03-10 | 2019-11-01 | 中芯国际集成电路制造(上海)有限公司 | 光学邻近修正方法 |
| CN106094423B (zh) * | 2016-08-22 | 2019-11-22 | 上海华力微电子有限公司 | 一种光刻工艺优化方法 |
| CN114578661A (zh) | 2016-12-28 | 2022-06-03 | Asml荷兰有限公司 | 在制造过程中引导过程模型和检查的方法 |
| CN108803233B (zh) * | 2018-08-31 | 2021-05-14 | 上海华力微电子有限公司 | 一种掩模版的制备方法 |
| CN111856872B (zh) * | 2020-08-03 | 2021-11-30 | 中国科学院上海光学精密机械研究所 | 基于双采样率像素化掩模图形快速光学邻近效应修正方法 |
| CN112180677B (zh) * | 2020-11-27 | 2021-04-27 | 晶芯成(北京)科技有限公司 | 一种光学邻近校正模型的建模方法及建模系统 |
| CN114815494B (zh) * | 2021-01-18 | 2024-05-17 | 中芯国际集成电路制造(上海)有限公司 | 光学邻近矫正方法及系统、掩模版、设备与存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6704695B1 (en) * | 1999-07-16 | 2004-03-09 | International Business Machines Corporation | Interactive optical proximity correction design method |
| US6871338B2 (en) * | 2001-11-05 | 2005-03-22 | Matsushita Electric Industrial Co., Ltd. | Semiconductor integrated circuit device and method for designing the same |
| US7065738B1 (en) * | 2004-05-04 | 2006-06-20 | Advanced Micro Devices, Inc. | Method of verifying an optical proximity correction (OPC) model |
| CN101258498A (zh) * | 2005-08-08 | 2008-09-03 | 睿初科技公司 | 用于形成光刻工艺的焦点曝光模型的系统和方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100576752B1 (ko) * | 2001-10-09 | 2006-05-03 | 에이에스엠엘 마스크툴즈 비.브이. | 2차원 피처모델 캘리브레이션 및 최적화 방법 |
| US20070074142A1 (en) * | 2005-09-27 | 2007-03-29 | Applied Materials, Inc. | Integrated circuit layout methods |
| KR100902711B1 (ko) * | 2007-07-20 | 2009-06-15 | 주식회사 동부하이텍 | 반도체 소자의 제조 방법 |
-
2012
- 2012-06-06 CN CN201210184916.8A patent/CN103472672B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6704695B1 (en) * | 1999-07-16 | 2004-03-09 | International Business Machines Corporation | Interactive optical proximity correction design method |
| US6871338B2 (en) * | 2001-11-05 | 2005-03-22 | Matsushita Electric Industrial Co., Ltd. | Semiconductor integrated circuit device and method for designing the same |
| US7065738B1 (en) * | 2004-05-04 | 2006-06-20 | Advanced Micro Devices, Inc. | Method of verifying an optical proximity correction (OPC) model |
| CN101258498A (zh) * | 2005-08-08 | 2008-09-03 | 睿初科技公司 | 用于形成光刻工艺的焦点曝光模型的系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103472672A (zh) | 2013-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103472672B (zh) | 校正光学邻近校正模型的方法 | |
| CN101311825B (zh) | 修正光学邻近效应的方法 | |
| KR100872731B1 (ko) | 룰 베이스 ｏｐｃ의 평가 방법 및 시뮬레이션 베이스 ｏｐｃ 모델의 평가 방법 | |
| TWI524374B (zh) | 模型化臨界尺寸掃描電子顯微鏡抽取的方法 | |
| US20140123084A1 (en) | System and Method for Improving a Lithography Simulation Model | |
| CN105825036A (zh) | 一种版图设计规则的优化方法及系统 | |
| WO2002084399A1 (fr) | Procede de fabrication de masque opc, masque opc et puce associee | |
| CN112230507B (zh) | 光学邻近矫正模型构建方法、装置及计算机设备 | |
| CN103631085A (zh) | 光学邻近校正模型的校正方法 | |
| CN104950568A (zh) | 光学邻近校正方法及双重图形曝光方法 | |
| CN106873315B (zh) | 一种通孔层opc建模方法 | |
| CN107885028B (zh) | Opc建模中次分辨率辅助图形确定的方法 | |
| CN102759862B (zh) | 光学邻近修正的方法 | |
| CN102436149A (zh) | 确定光刻工艺窗口的方法 | |
| CN103439869B (zh) | 测量图形密度的方法 | |
| CN103777457A (zh) | 一种用于接触孔图形设计的光学邻近修正的方法 | |
| CN104698761A (zh) | 基于面积的opc模型校准方法 | |
| WO2012081158A1 (ja) | 回路シミュレーション方法及び半導体集積回路 | |
| TW201314375A (zh) | 從曝光結果改進光學鄰近模擬的方法 | |
| CN102540773A (zh) | 一种新型的利用曝光后烘烤的opc模型检验光刻工艺的方法 | |
| CN102566322A (zh) | 一种多台光刻设备校正方法 | |
| US9690187B2 (en) | Sampling for OPC model building | |
| CN102955363B (zh) | 光学临近效应修正在线监控的方法 | |
| CN107703720B (zh) | 一种完善光刻模型数据对测试图形覆盖范围的方法 | |
| KR20090000868A (ko) | 광 근접효과 보정방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |