CN105612601B - 用于图案化晶片表征的方法与设备 - Google Patents
用于图案化晶片表征的方法与设备 Download PDFInfo
- Publication number
- CN105612601B CN105612601B CN201480054194.1A CN201480054194A CN105612601B CN 105612601 B CN105612601 B CN 105612601B CN 201480054194 A CN201480054194 A CN 201480054194A CN 105612601 B CN105612601 B CN 105612601B
- Authority
- CN
- China
- Prior art keywords
- specific structure
- defect
- spectral signal
- azimuth
- determined
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明揭示用于表征半导体晶片上的多个所关注结构的设备及方法。从度量衡系统的一或多个传感器按多个方位角从特定所关注结构测量多个光谱信号。基于针对所述方位角而获得的所述光谱信号来确定光谱差值。基于分析所述光谱差值来确定及报告所述特定所关注结构的质量指示。
Description
相关申请案的交叉参考
本申请案主张2013年8月6日申请的萨迪斯·杰拉德·祖拉(Thaddeus GerardDziura)等人的先前申请案第61/862,801号美国临时申请案及2014年2月21日申请的萨迪斯·祖拉(Thaddeus Dziura)等人的第61/943,098号美国临时申请案的权利,所述申请案的全文出于所有目的而以引用的方式并入本文中。
技术领域
本发明大体上涉及用于半导体晶片表征的方法及系统,且更特定来说,涉及半导体晶片上的印刷图案的质量的表征。
背景技术
一段时间以来,用于集成电路制造中的光刻或光学光刻系统已普及。此类系统已被证明为在精确地制造及形成产品中的极小细节方面极其有效。在一些光刻系统中,通过经由光束或辐射束(例如UV或紫外光)来转印图案而在衬底上书写电路图像。举例来说,光刻系统可包含光源或辐射源,光源或辐射源投影电路图像穿过光罩并且到涂布有对照射敏感的材料(例如光致抗蚀剂)的硅晶片上。所暴露的光致抗蚀剂通常形成图案,所述图案在显影之后在后续处理步骤(如(例如)沉积及/或蚀刻)期间遮蔽晶片的层。
在一种度量衡技术中,可通过收集半导体晶片上的每一位置处的临界尺寸扫描电子显微镜CD-SEM图像并且检验每一图像的图案质量而确定所述晶片上的印刷图案(例如周期性光栅)的质量的表征。此技术是耗时的(例如若干小时),且关于光栅质量的判断当前可能有些主观。CD-SEM测量也未能提供关于子表面缺陷结构的信息。
鉴于上文,用于印刷图案表征的经改进的设备及技术是所期望的。
发明内容
下文呈现本发明的简化概要以便提供对本发明的某些实施例的基本理解。此概要不是本发明的广泛概述,且其不识别本发明的关键/决定性元件或描绘本发明的范围。其唯一目的是以简化形式而呈现本文中所揭示的一些概念,作为稍后呈现的更详细描述的序言。
在一个实施例中,揭示一种表征半导体晶片上的多个所关注结构的方法。从度量衡系统的一或多个传感器按多个方位角从特定所关注结构测量多个光谱信号。基于针对方位角而获得的光谱信号来确定光谱差值。基于分析光谱差值来确定及报告特定所关注结构的质量指示。
在特定实施方案中,在不使用模型或从此类特定所关注结构提取定量特征的情况下执行确定特定结构的质量指示。在另一方面中,光谱差值是在多个波长内按多个方位角的光谱信号之间的多个差值的平均差值。在另外方面中,光谱差值是在多个波长范围中的特定一者下的按多个方位角的光谱信号之间的多个差值中的最高一者。在又一方面中,特定结构是光栅结构。在此实施例中,针对无缺陷光栅结构的方位角来确定理论或经测量的光谱差值,且通过理论光谱差值来正规化平均差值以确定缺陷数量。
在另一实施方案中,测量光谱包含通过使用二维光束轮廓反射测定来产生微分模型。在另外方面中,确定图像与具有残余误差的径向对称图像的最佳拟合之间的微分模型。接着,基于此类微分模型来确定光谱差值是否指示薄膜或有缺陷结构。
在另一方面中,从导向式自组装(DSA)结构、下层非导向式自组装(non-DSA)结构及图案化抗蚀剂结构选择目标。在另一实施例中,使用CD SEM工具来收集量化图案缺陷的参考数据。从具有已知图案缺陷的图案结构的训练集按方位角来获得光谱信号。确定按不同方位角而测量的光谱信号与残余误差之间的第一关系函数,且此第一关系式基于从训练集按方位角获得的光谱信号。基于参考数据来确定残余误差与图案缺陷的量化之间的第二关系函数。将按方位角从特定所关注结构测量的光谱信号输入到第二关系函数以确定针对此类特定结构的图案缺陷的量化。在另外方面中,第一关系函数及第二关系函数基于应用于针对训练集及特定结构的光谱信号及残余误差的数据简化技术。
在另一方法实施例中,在度量衡系统的一或多个传感器处,从薄膜的测量位点或经设计为跨越测量位点为均匀的结构的测量位点的多个邻近位置测量多个光谱信号。确定光谱信号的平均信号或中值信号。从平均信号或中值信号确定每一位置处的光谱信号中的每一者的标准偏差。在不使用模型或从薄膜或结构提取定量特征的情况下基于分析针对薄膜或结构的每一位置的标准偏差来确定及报告此类位置的质量指示。
在替代实施例中,本发明涉及一种用于检查或测量试样的系统。此系统包括用于产生照明的照明器及用于按多个方位角将照明朝向特定结构导引的照明光学装置。所述系统还包含用于响应于照明而从特定结构按方位角将多个光谱信号导引到传感器的收集光学装置。所述系统进一步包含经配置用于执行任何上述操作的处理器及存储器。在特定实施方案中,所述系统呈椭圆计的形式,且包含用于在照明中产生偏光状态的偏光状态产生器及用于分析光信号的偏光状态的偏光状态分析器。在其它实施例中,所述系统呈分光镜椭圆计、穆勒矩阵分光镜椭圆计、分光镜反射计、分光镜散射计、光束轮廓反射计或光束轮廓椭圆计的形式。
下文参考图式进一步描述本发明的这些及其它方面。
附图说明
图1A到1D为实施导引图案的实例DSA过程的图示,嵌段共聚物材料在退火过程期间变得越来越自我排序到所述导引图案上。
图2为DSA线间距图案及无缺陷DSA线间距图案中的桥接缺陷。
图3包含三个广泛变化的DSA图案及其所得俯视图CD-SEM图像的图示。
图4A展示针对α信号的椭圆测定光谱,其中光栅质量已知为良好。
图4B展示针对β信号的类似光谱集,其中光栅质量已知为良好。
图5展示针对α的类似光谱集,其中光栅质量已知为不良。
图6展示根据晶片上的位置而描绘的光谱差值(Δ)。
图7为说明根据本发明的一个实施例的用于确定晶片图案的质量表征的程序的流程图。
图8为描述根据本发明的替代实施例的使用测量位点中的多个测量来指示半导体晶片上的质量的另一方法的流程图。
图9为根据本发明的一个实例实施方案的单一测量位点的多个邻近测量位置的图示。
图10A及10B展示根据本发明的一个实例实施方案的分别针对低质量晶片及高质量晶片的二维光束轮廓反射测定(2DBPR)信号残余项。
图11说明根据本发明的替代实施例的通过使用微分模型而评估DSA光栅质量的方法。
图12说明根据本发明的一个实施例的实例度量衡系统。
具体实施方式
在以下描述中,阐述众多特定细节以便提供对本发明的透彻理解。可在不具有一些或所有这些特定细节的情况下实践本发明。在其它情况下,尚未详细地描述众所周知的过程操作以免不必要地使本发明混淆。尽管将结合特定实施例来描述本发明,但应理解,不希望将本发明限于所述实施例。
简介
当前许多群体正在探索导向式自组装(DSA)作为针对先进节点的图案化技术。图1A到1D为利用导引图案122的DSA过程的图示,嵌段共聚物材料在退火过程期间变得越来越自我排序到导引图案122上。如所展示,嵌段共聚物材料104a最初相对于图1A中的导引图案122是无序的。在第一退火持续时间之后,略微较有序的嵌段共聚物材料104b形成于导引图案122上方,如图1B中所展示。在更多退火之后,较有序的嵌段共聚物材料104c形成于图1C中的导引图案122上方。最后,在图1D中的特定退火持续时间期间,有序的嵌段共聚物材料104d形成于导引图案122上方。接着,共聚物组件中的一者可经蚀刻(未展示)以从剩余共聚物材料获得精细光栅结构。
在被称作“化学外延”的主要类型的DSA过程中的一者中,光栅制造的质量敏感地随着导引图案尺寸参数以及材料的化学性质而变。这些光栅中的缺陷可采取随机有序结构、部分无序区域及一种DSA材料在另一者下方的子表面桥接的形式。图2是DSA线间距图案206及无缺陷DSA线间距图案220中的桥接缺陷。特定来说,DSA线间距图案206形成于具有非最优宽度的下伏化学图案208a及208b上方。DSA图案归因于次最优的下伏导引衬底图案208a及208b而是无序的。举例来说,有缺陷光栅206包含经图案化成不完整线210a、210b、210i及210j以及完整线210c、210d、210e、210f、210g、210h、210k及210l的第一共聚物组件材料。第二共聚物组件形成有缺陷桥接部分212a及212g,以及线212b、212c、212d、212e、212f、212h及212i。
与此对比,DSA图案220是无缺陷的。第二共聚物组件线222a及222b形成于最优宽度衬底部分228a及228b上方。额外第二共聚物组件线(224a到224d)以及第一共聚物组件线(例如226a及226b)也形成于此类衬底部分228a及228b之间。当用CD-SEM来成像无缺陷DSA图案220及有缺陷DSA图案206两者的顶表面时,所得图像202及204是实质上相同的。因此,未检测到DSA图案206的下伏桥接缺陷。
图3包含三个广泛变化的DSA图案302a、302b及302c的图示。特定来说,DSA图案302a由三个柱状结构304a、304b及304c形成。DSA图案302b由经桥接的柱状结构308形成,而DSA图案302c由经桥接的下部分310及经断接的上柱状部分314a、314b及312c形成。所有三个结构302a到302c导致相同顶表面CD-SEM图像306具有三个柱状图像部分306a、306b及306c。
在子表面缺陷的情况下,在不修改典型测量条件及可能损害装置的情况下,CD-SEM工具对缺陷视而不见。一些人员相信缺乏这些子表面缺陷的检测会造成对大量制造的严重阻碍。
对那些当前开发中DSA过程的部分的一个目标为确定何处形成良好形成及不良形成的光栅,及何处形成无序的薄膜。此区别可取决于用于图案化DSA薄膜堆叠的底部处的导引层的光刻工具暴露及剂量。层的光响应中的方位角不对称性可用于量化是否形成良好排序的光栅。
用于表征图案的实例实施例:
本发明的某些实施例包含用于光谱数据收集的设备及方法以及用于在不需要任何建模的情况下表征半导体晶片上的所关注结构的质量的信号处理。表征质量可包含关于所关注结构是良好还是不良质量的指示。这些技术允许基于分析原始光谱信号而跨越整个晶片来表征过程良率的更简单且更快速的手段。在某些实施例中,这些技术尤其适用于周期性结构(衍射光栅)及抗蚀剂或导向式自组装(DSA)结构的质量的表征。除了光栅结构之外,也可分析其它类型的所关注晶片结构的质量。实例包含薄膜、周期性及非周期性结构等等。
在某些实施例中,按多个方位角而采取光谱测量。在另一实例中,从邻近测量位置获得多个光谱信号。
从测量位点所获取的光谱信号可包含可彼此减去或彼此比较的任何成对的相同信号类型。实例信号包含(但不限于)任何类型的散射测定、分光镜、椭圆测定及/或反射测定信号,所述信号包含:Ψ、Δ、Rs(s偏光的复合反射率)、Rp(p偏光的复合反射率)、Rs(|rs|2)、Rp(|rp|2)、R(非偏光反射率)、α(分光镜“α”信号)、β(分光镜“β”信号),及这些参数的函数,例如tan(Ψ)、cos(Δ)、((Rs-Rp)/(Rs+Rp))、穆勒矩阵元(Mij)等等。所述信号可替代地或另外随着入射角、检测角、偏光、入射方位角、检测方位角、角分布、相位或波长或这些参数中的一者以上的组合的变化而被测量。所述信号还可为信号(例如多个任何上述椭圆测定及/或反射测定信号类型的平均值)的组合的表征。其它实施例可使用其中可以单一波长(而不是多个波长)而获得信号中的至少一者的单色或激光光源。照明波长可为任何范围,从X射线波长开始且到远红外波长。
接着,可直接分析两个(或两个以上)光谱信号之间的差值(或标准偏差),以在不使用模型且不提取任何特征参数(例如CD或薄膜厚度)的情况下确定测量位点具有良好还是不良质量。即,测量位点的质量指示符可仅基于两个或两个以上经测量的光谱信号之间的差值。
在光栅目标实例中,可大体上计算光谱之间的差值,且也可在跨越晶片的各种位置处确定此差值。在其中光谱差值在相对意上较高的位置处,存在良好形成的光栅的概率较高,在光栅结构是不良的或甚至无序的情况下,光学测量将不检测任何强方位角不对称性,且按不同方位方向的测量之间的光谱差值将为零或接近零。
图4A展示按两个方位角在同一位置中测量的α信号的椭圆测定光谱,其中光栅质量已知为良好。同样地,图4B展示针对β信号的类似光谱集,其中光栅质量已知为良好。通过按两个方位角的经测量的光谱之间的分离而证明存在高质量光栅。与此对比,图5展示针对α的光谱集,其中光栅质量已知为不良。通过缺乏按针对信号的两个方位角的两个经测量的光谱之间的分离而证明存在不良质量光栅。尽管针对已知不良质量光栅而仅展示α信号,但将针对β信号而发生类似结果。
图6展示针对具有自左向右的程序变化的晶片的随着晶片602上的位置的变化而描绘的光谱差值(Δ)。具有方位之间的高光谱差值的区域与针对晶片而测量的良率图密切相关。举例来说,一些等高线面积经展示为具有大于0.060、在0.050与0.60之间、在0.050与0.040之间、在0.040与0.030之间等等的Δ(或信号之间的差值)。这些差值也可指示光栅质量。
图7为说明根据本发明的一个实施例的用于确定针对晶片图案的质量表征的程序的流程图。在操作702中,最初可从同一测量位点按多个方位角而收集光谱数据。一般来说,两个或两个以上方位角可包含任何合适角度,例如针对对于光栅或图案缺陷的增大的敏感度而彼此正交的角度(尽管未要求)。举例来说,可按垂直及平行于光栅方向的方向而获得光谱测量。
测量可包含任何合适光谱辐射信号,例如散射测定、反射测定或椭圆测定信号,所述信号包含本文中所描述的实例。可基于对所关注结构的信号敏感度而选择所获取的信号的类型。举例来说,某些波长可对某些特定结构尺寸更敏感。所关注结构可包含任何图案化或周期性结构,包含2维光栅及3维光栅、点阵列等等。
在获取光谱之后,接着,可在操作704中确定光谱差值。如果仅存在针对特定所关注结构而收集的两个光谱,那么可仅仅减去光谱信号以获得差值信号。如果存在两个以上光谱,那么可使用任何数目的技术来获得差值信号。如果存在两个以上方位角,那么可减去针对每一成对的方位角的光谱。在一个实施例中,针对每一成对的正交角而获得差值。如果也按多个波长范围而获得针对每一方位角的光谱,那么在操作706中可任选地选择对应于波长范围中的特定一者的最高光谱差值。在另一实例中,差值信号(例如按不同波长)可经减少到单一差值。在所说明的实例中,在操作708中可确定光谱差值绝对值的波长平均值。即,可确定针对不同波长的差值信号的平均值以获得平均差值信号。
可基于任何合适差值阈值或百分比值而界定质量指示,例如与平均差值相比较。举例来说,高于预界定阈值的差值信号可导致“良好”质量指示,否则,低于或等于预界定阈值的差值信号可导致“不良”质量指示。针对图6中所展示的实例,可将阈值设置为大于0.06的Δ作为良好质量光栅的指示。
呈(例如)良好完美光栅形式的图案趋于在按不同方位角测量的光谱信号中产生大差值。随着光栅结构变得更具缺陷,经测量的信号差值变小且类似于均匀薄膜响应,其按不同方位角具有零差值。即,介于相关联于完美光栅的最大差值与零之间的差值指示针对光栅或图案结构的缺陷。
接着,在操作709中可基于光谱差值而确定及报告图案的质量指示。所述质量指示可任选地基于光谱差值的波长平均值(来自操作708)或基于针对所选波长的最高光谱差值(来自操作706)。接着,可结束所述程序或针对多个目标而重复所述程序。
接着,上述质量确定程序续接校准程序。可任选地执行校准程序以针对被视为具有不良质量的所关注结构而量化缺陷。在所说明的实施例中,在操作710中也可任选地确定与完美光栅的理论光谱差值。在操作712中通过理论光谱差值而正规化(或校准)经测量的光谱差值。接着,在操作714中可基于正规化光谱差值而确定及报告缺陷数量。类似于质量确定,缺陷数量可任选地基于多个光谱测量差值的波长平均值(来自操作708)或基于针对所选波长的最高光谱差值(来自操作706)。在执行校准以量化缺陷之后,也可针对多个光谱差值而重复程序700或可结束所述程序。
可针对其而基于光谱信号比较来确定质量的其它测量结构为薄膜。图8为描述根据本发明的替代实施例的使用测量位点中的多个测量来指示半导体晶片上的质量的另一方法800的流程图。图9为根据本发明的一个实例实施方案的单一测量位点的多个邻近测量位置的图示。最初,在操作802中可在同一测量位点的多个邻近位置处获得光谱测量。从其获得测量的邻近位置优选地彼此邻近而不重叠于实际测量区域。
可在操作804中确定针对全部(或部分)所获得的光谱测量的平均(或中值)信号。在操作806中确定测量中的每一者与平均值(或中值)的标准偏差。针对每一测量位置,在操作808中可在此类测量位置处基于对应标准偏差而确定及报告质量指示。可针对跨越晶片的多个位置而重复上述步骤以产生晶片质量图。也可使用校准程序来扩展此过程以量化缺陷,如本文中进一步所描述。
针对图8的技术的测量位点可包含任何合适的一或多个所关注结构(例如光栅或薄膜结构),所述结构被预期为均匀。举例来说,填充整个测量位点的光栅将被预期为在跨越测量位点区域的不同测量位置处均匀,除非此类光栅有缺陷。同样地,填充测量位点的薄膜将被预期为跨越测量位点具有相同厚度(及均匀性),且在此类测量位点中的不同测量位置处导致相同光谱信号。在两个实例中存在的缺陷越多;光谱差值将越大。因此,此技术适用于规则结构,所述结构可包含薄膜、2D及3D光栅、点(或任何其它类型)阵列、周期性结构等等。
图10A及10B展示针对低质量晶片(图10A)及高质量晶片(图10B)的二维光束轮廓反射测定(2DBPR)信号残余项(或差值信号)。尽管图10A及图10B中的实例使用角解析信号,但相同方法也适用于波长解析光谱。本发明的某些技术可被视为“无模型”,这是由于未进行关于经测量的半导体图案的假定。另外,无需通过与模型结果进行比较而从经测量的光谱提取所关注结构的量化值(例如CD)。
可通过用于已知质量结构(例如已知不良及良好光栅)的训练技术而扩展本发明的某些无模型实施例。基于机器学习方法(例如神经网络)的算法可用于基于已知结构的训练集而使经测量的光谱信号与测试结构(例如DSA图案)中的预编程的变化相关。即,可测量具有预界定或已知变化的训练集以获得光谱信号,从而确定用于使光谱信号与特征或过程变化相关的模型。在完成机器学习操作之后,可从使用此类模型而从具有未知特性的所关注结构获得的光谱信号提取特征及过程相关参数。
在另外实施例中,改变各种过程参数。为说明,当在同一晶片内或不同晶片上改变导引图案间距时,DSA图案的尺寸性质受到影响。替代地,改变嵌段共聚物层的厚度可为实验设计(DOE)训练集的部分。过程参数变化(例如退火温度)可用作产生DOE训练集的另一方式,例如在不同退火温度下处理不同晶片。
在产生DOE训练集之后,可测量使用不同过程条件而制造的目标以获得光谱(例如按两个方位角来自单一测量位点的特定信号类型,或来自多个测量位点的特定信号类型),接着作为训练算法的部分而处理所述光谱。为了确定针对训练集的尺寸参数(例如轮廓特性(底部或顶部CD、侧壁角等等)),可通过可为破坏性的参考度量衡(例如横截面TEM)或通过原子力显微术(AFM)或CD-SEM来表征来自训练集的这些目标。已知特征参数可仅仅包含关于不良或良好质量的指示,而不是具体度量衡值。
还可(例如)通过训练而表征与理想或所要DSA图案的偏差以使经测量的信号与规格内或规格外(或良好质量对不良质量)DSA图案相关。举例来说,使用桥接的DSA结构可在将不由理想图案产生的角解析信号或交叉偏光信号中产生非对称签名。此类信号的不对称水平及角度或光谱内容可与经测量的区域中的桥接缺陷(或其它缺陷类型)的密度相关。取决于此类结构产生的光谱(例如按两个方位角或来自多个测量位点的此类光谱),通过使用训练方法,可训练特征提取器过程以分析规格内对规格外图案。接着,来自未知结构的光谱可被输入到经训练的特征提取器。特征提取器输出可用以调整过程参数,以补偿随着时间的推移发生于DSA图案化中的过程漂移,如在APC(先进过程控制)系统中。
在开发使用情况下,与生产使用情况相反,嵌段共聚物的化学性质还可经变化以实现最优图案化尺寸或粗糙度性质。可使用上文所描述的任何训练方法来在DOE(实验设计)集中变化及表征这些性质。
在一个说明性实例中,可在如图11中所描述的微分模型中实施图7的方法。举例来说,可针对关于90°方位角(Az90)的零度方位角(Az0)来确定微分模型:Az0=f(Az90)+err,其中f()是使Az90信号最佳拟合于Az0信号的函数,且err表示Az90与Az0信号之间的残余误差。可确定针对整个晶片的最小及最大残余误差。当Az0信号及Az90信号非常类似时,则此残余误差将小(minErr)—在随机噪声的水平处。此小minErr对应于不良形成的DSA结构。与此对比,大err(maxErr)对应于良好形成的DSA结构。minErr与maxErr之间的误差可用以评估DSA光栅的相对质量。
图11说明根据本发明的替代实施例的通过使用微分模型来评估DSA光栅质量的方法1100。最初,在操作1101中可使用CD SEM或其它度量衡工具从参考DSA结构收集针对DSA缺陷的参考数据。即,CD SEM可用以将多个DSA参考结构分类为具有不良或良好质量(或有缺陷或无缺陷)及不同数目的缺陷。此参考数据包含针对已知DSA结构及其对应光谱数据的质量指示及/或缺陷计数。光谱参考数据将包含如下文针对训练集所收集的相同类型的信号。
在操作1102中可从来自训练集的多个DSA结构中的每一者收集按0及90°方位角两者的光谱信号。尽管说明性实例描述正交方位角,但可使用其它角度。然而,方位对位于不同角位置处。可收集任何类型的光谱信号,例如分光镜数据。训练集DSA结构将含有不同数目的缺陷。
接着,在操作1104中可对按0及90°方位角两者的来自训练集的光谱数据执行主分量分析(PCA)。可实施除了PCA之外的任何合适特征提取技术,以便从具有最佳信息的光谱信号对提取特征,同时减少数据集。其它实例自动化特征提取技术包含独立分量分析(ICA)、局部线性嵌入(LLE)算法等等。
可在操作1106中确定针对两个方位角而执行的PCA之间的关系。一般来说,所述关系将表示使来自两个方位角的PCA数据最佳相关的函数。接着,可在操作1108中确定残余数据。残余数据大体上是使来自两个方位角的PCA数据相关的最佳拟合函数之间的差值。接着,在操作1110中可对残余数据执行PCA且可选择PCA残余数据的一个或若干主分量(例如第一主分量PC1)。
接着,可在操作1112中确定PC1残余数据与参考数据之间的关系。举例来说,可针对从具有已知缺陷质量(例如不良或良好质量及/或缺陷数目)的已知DSA图案获得的参考数据而比较PC1残余数据与PC1数据,且接着,可确定使PC1与质量相关的模型。接着,在操作1114中可基于从未知DSA收集的光谱所确定的PC1残余数据与质量之间的关系而确定此类未知DSA图案的DSA图案质量。
尽管在使用由PCA变换引起的第一主分量方面描述以下实例实施例以便提取关于质量参数的信息,但其它实施例可利用其它特征提取结果或技术。举例来说,可使用如经由PCA所确定的第一主分量及第二主分量。可基于应用的特定要求而选择任何数目的主分量。在又一实例中,可使用来自另一特征提取工具(例如ICA或LLE)的输出。
在PCA实施例中,所提取的特征对应于信号数据集到不同坐标系统上的变换及经变换的数据集沿其而具有最多变化的此类新坐标系统的特定维数(或方向或投影方向)的选择,其提供关于特征质量的最多信息。第一主分量对应于经发现为具有最多变化的PCA变换的数据集的经变换的方向或维数。第二主分量具有第二最多变化,等等。
一般来说,上述方法可经校准以确定定量特征及/或过程参数值。举例来说,可采取CD-SEM测量的多个点以便建立缺陷数目与误差之间的关系:
NumberOfDefects=Cal(err),或
NumberOfDefects=Cal(Az0-f(Az90)),其中Cal()是由CD-SEM参考测量位点获得的校准函数。
用于产生微分模型的信号可为通过PCA、独立分量分析(ICA)、局部线性嵌入(LLE)或其它特征提取方法而获得的原始信号(例如α、β)或原始信号的分量。
在另一说明性模型实例中,通过测量而产生2DBPR微分模型。2DBPR图像在经测量的样本类似于薄膜时是径向对称的或在所述样本具有某一周期结构时是非径向对称的。在使用此特征的情况下,径向对称表面可拟合于2DBPR图像。
Img=f(Img)+err,其中f()是最佳拟合于图像的径向对称函数,且“err”是对应于不对称部分的残余误差。不对称部分可意指图像至少部分地不是径向对称的且为有缺陷薄膜。
以如在非2DBPR情况下的类似方式,残余误差可用以评估缺陷水平,且在校准的情况下,可确定缺陷数目。如在非2DBPR情况下,可使用2DBPR图像的分量,而不是原始信号。在两种情况下,标准偏差、最大值、中值或误差分布可用作DSA光栅质量的度量。
在另一说明性模型中,一种技术可包含当应用于多个目标时隔离下层变化的效应(使下层变化解除相关)。可使用DSA目标及不具有DSA层但具有相同下层的目标。以下情况可用于下层解除相关:
1.使用两个或两个以上目标的组合信号来提取显著分量,及
2.使用针对残余项的微分模型:残余项=Sdsa-f(Sul),其中Sdsa为来自DSA目标的信号,且Sul为来自下层目标的信号,且f()为使Sul最佳拟合于Sdsa的函数。
在应用下层解除相关之后,任何上述DSA微分模型可应用于DSA缺陷测量。
本发明的某些技术可实现用于表征抗蚀剂或DSA图案的图案质量的显著时间节省,且减少开发及优化图案化过程的成本。
硬件及/或软件的任何合适组合可用以实施任何上述技术。在一般实例中,度量衡工具可包括:照明系统,其照明目标;收集系统,其捕获通过照明系统与目标、装置或特征的交互(或其缺乏)而提供的相关信息;及处理系统,其分析使用一或多个算法而收集的信息。度量衡工具可大体上用以测量关于与各种半导体制造过程相关联的结构及材料特性(例如材料组合物、结构及薄膜的尺寸特性(例如薄膜厚度及/或结构的临界尺寸)、重叠等等)的各种辐射信号。这些测量可用以促进半导体裸片的制造中的过程控制及/或良率效率。
度量衡工具可包括可结合本发明的某些实施例而使用的一或多个硬件配置。此类硬件配置的实例包含(但不限于)以下:分光镜椭圆计(SE)、使用多个照明角度的SE、测量穆勒矩阵元的SE(例如使用旋转补偿器)、单波长椭圆计、光束轮廓椭圆计(角解析椭圆计)、光束轮廓反射计(角解析反射计)、宽带反射分光计(分光镜反射计)、单波长反射计、角解析反射计、成像系统及散射计(例如光斑分析器)。
可将硬件配置分离成离散操作系统。另一方面,可将一或多个硬件配置组合成单一工具。在第7,933,026号美国专利中进一步说明及描述此类将多个硬件配置组合成单一工具的实例,所述专利的全文出于所有目的而以引用的方式并入本文中。图12展示(例如)示范性度量衡工具的示意图,所述度量衡工具包括:a)宽带SE(例如18);b)使用旋转补偿器(例如98)的SE(例如2);c)光束轮廓椭圆计(例如10);d)光束轮廓反射计(例如12);e)宽带反射分光计(例如14);及f)深紫外线反射分光计(例如16)。另外,在此类系统中通常存在众多光学元件(例如92、72、94、70、96、74、76、80、78、98、100、102、104、32/33、42、84、60、62、64、66、30、82、29、28、44、50、52、54、56、46、34、36、38、40及86),包含某些透镜、准直器、反射镜、四分之一波片、偏光器、检测器、相机、孔径及/或光源。针对光学系统的波长可从约120nm到3微米而变化。针对光学系统的方位角也可变化。针对非椭圆计系统,所收集的信号可为偏光解析的或非偏光的。
图12提供集成于同一工具上的多个度量衡头的说明。然而,在许多情况下,多个度量衡工具用于单一或多个度量衡目标上的测量。在(例如)赞古(Zangooie)等人的标题为“多工具及结构分析(Multiple tool and structure analysis)”的US 7,478,019中进一步描述多工具度量衡的若干实施例,所述专利的全文出于所有目的而以引用的方式并入本文中。
某些硬件配置的照明系统可包含一或多个光源。一或多个光源可产生仅具有一个波长的光(例如单色光)、具有若干离散波长的光(例如多色光)、具有多个波长的光(例如宽带光),及/或连续地或在波长之间跳跃而扫掠遍及波长的光(例如可调谐源或扫掠源)。合适光源的实例是:白色光源、紫外线(UV)激光器、弧光灯或无电极灯、激光维持等离子体(LSP)源(例如,在商业上可从马萨诸赛州沃本市能量科技公司(Energetiq Technology,Inc.of Woburn,Massachusetts)购得的源)、超连续谱源(例如宽带激光源)(例如,在商业上可从新泽西州摩根维尔市NKT光电公司(NKT Photonics Inc.of Morganville,NewJersey)购得的源),或较短波长源(例如x射线源、极紫外线源或其某一组合)。光源也可经配置以提供具有足够亮度的光,在一些情况下,其可为大于约1W/(nm cm2Sr)的亮度。度量衡系统还可包含针对光源的快速反馈用于稳定其功率及波长。可经由自由空间传播而递送或在一些情况下经由任何类型的光纤或光导而递送光源的输出。
继而,一或多个检测器或分光计经配置以经由收集光学元件而接收从试样4的表面反射或以其它方式散射的照明。合适传感器包含电荷耦合装置(CCD)、CCD阵列、时间延迟积分(TDI)传感器、TDI传感器阵列、光倍增管(PMT)及其它传感器。可将经测量的光谱或所检测的信号数据(随着位置、波长、偏光、方位角等等而变)从每一检测器传送到处理器系统48以供分析。
应认识到,可由单处理器系统48或替代地由多处理器系统48实行贯穿本发明所描述的各种步骤。此外,图12的系统的不同子系统(例如分光镜椭圆计)可包含适合于实行本文中所描述的步骤的至少一部分的计算机系统。因此,上述描述不应被解释为限制本发明,而仅仅为说明。另外,一或多个处理器系统48可经配置以执行本文中所描述的任何方法实施例的任何其它步骤。
另外,处理器系统48可以所属领域中已知的任何方式通信地耦合到检测器系统。举例来说,一或多个处理器系统48可耦合到与检测器系统相关联的计算系统。在另一实例中,可由耦合到处理器系统48的单一计算机系统直接控制检测器系统。
度量衡系统的处理器系统48可经配置以由可包含有线及/或无线部分的发射媒体从系统的子系统接收及/或获取数据或信息。以此方式,发射媒体可用作处理器系统48与图12的系统的其它子系统之间的数据链路。
集成度量衡系统的处理器系统48可经配置以由可包含有线及/或无线部分的发射媒体从其它系统接收及/或获取数据或信息(例如测量光谱、差值信号、统计结果、参考或校准数据、训练数据、模型、所提取的特征或变换结果、经变换的数据集、曲线拟合、定性及定量结果等等)。以此方式,发射媒体可用作处理器系统48与其它系统(例如存储器机载度量衡系统、外部存储器、参考测量源或其它外部系统)之间的数据链路。举例来说,处理器系统48可经配置以经由数据链路而从存储媒体(例如内部或外部存储器)接收测量数据。举例来说,使用检测系统所获得的光谱结果可存储于永久或半永久存储器装置(例如内部或外部存储器)中。在此方面,可从机载存储器或从外部存储器系统导入光谱结果。此外,处理器系统48可经由发射媒体而将数据发送到其它系统。举例来说,由处理器系统48确定的定性及/或定量结果可被传达及存储于外部存储器中。在此方面,可将测量结果导出到另一系统。
处理器系统48可包含(但不限于)个人计算机系统、主机计算机系统、工作站、图像计算机、平行处理器,或所属领域中已知的任何其它装置。一般来说,术语“处理器系统”可被广泛地界定为包含具有一或多个处理器的任何装置,所述处理器执行来自存储器媒体的指令。可经由发射媒体(例如导线、缆线或无线发射链路)而发射实施例如本文中所描述的方法的方法的程序指令。可将程序指令存储于计算机可读媒体(例如存储器)中。示范性计算机可读媒体包含只读存储器、随机存取存储器、磁盘或光盘,或磁带。
度量衡工具可经设计以进行与半导体制造相关的许多不同类型的测量。用于确定质量及/或定量值的本发明的某些实施例可利用此类测量。用于确定特定目标特性的额外度量衡技术还可与上文所描述的质量确定技术组合。举例来说,在某些实施例中,工具可测量光谱且确定一或多个目标的特性,例如质量及缺陷数量值、临界尺寸、重叠、侧壁角、薄膜厚度、过程相关参数(例如焦点及或剂量)。目标可包含本质上为周期性的某些所关注区域,例如存储器裸片中的光栅。目标可包含多个层(或薄膜),其厚度可由度量衡工具测量。目标可包含放置(或已存在)于半导体晶片上的目标设计用以搭配(例如)对准及/或重叠对位操作而使用。某些目标可定位于半导体晶片上的各种位置处。举例来说,目标可定位于切割道内(例如裸片之间)及/或定位于裸片自身中。在某些实施例中,由如US 7,478,019中所描述的相同或多个度量衡工具(在相同时间或在不同时间)测量多个目标。可组合来自此类测量的数据。来自度量衡工具的数据可用于半导体制造过程中,例如,用于对过程(例如光刻、蚀刻)的前馈、后馈及/或侧向馈送校正,且因此可得到完整过程控制解决方案。
随着半导体装置图案尺寸不断地缩小,常常需要更小度量衡目标。此外,测量准确度及与实际装置特性的匹配增加对似装置的目标以及裸片中及甚至为装置上测量的需要。已提出各种度量衡实施方案以实现那个目标。举例来说,基于主要反射光学装置的聚焦光束椭圆测定是其中的一者且在皮望卡-科尔(Piwonka-Corle)等人的专利(US 5,608,526,“聚焦光束分光镜椭圆测定方法及系统(Focused beam spectroscopic ellipsometrymethod and system)”)中被描述。变迹器可用以减轻致使超过由几何光学装置界定的大小的照明光点的散播的光衍射的效应。在诺顿(Norton)的标题为“用于减少光学测量及其它应用中的光点大小的变迹滤波器系统(Apodizing filter system useful for reducingspot size in optical measurements and other applications)”的US 5,859,424中描述变迹器的使用。使用同时多入射角照明的高数值孔径工具的使用是实现小目标能力的另一方式。在(例如)奥普拉(Opsal)等人的标题为“使用同时多入射角测量的临界尺寸分析(Critical dimension analysis with simultaneous multiple angle of incidencemeasurements)”的US 6,429,943中描述了此技术。
其它测量实例可包含测量半导体堆叠的一或多个层的组合物、测量晶片上(或内)的某些缺陷,及测量暴露到晶片的光刻辐射的量。在一些情况下,度量衡工具及算法可经配置用于测量非周期性目标,参见(例如)P.蒋(P.Jiang)等人的“用于使用散射测定的CD度量衡中的全波电磁模拟的有限元方法(The Finite Element Method for Full WaveElectromagnetic Simulations in CD Metrology Using Scatterometry)”(待决中的US61/830536,K-T揭示P4063)或A.库兹涅佐夫(A.Kuznetsov)等人的“针对度量衡及检查的有限结构及有限照明的电磁建模的方法(Method of electromagnetic modeling of finitestructures and finite illumination for metrology and inspection)”(待决中的US61/761146或KT揭示P4082)。
所关注参数的测量还可涉及若干算法。举例来说,入射光束与样本的光学相互作用可使用EM(电磁)求解程序而被建模,且使用例如RCWA、FEM、动差法、表面积分法、体积积分法、FDTD及其它者的算法。通常可使用几何引擎或在一些情况下使用过程建模引擎或两者的组合来建模(参数化)所关注目标。在A.库兹涅佐夫(A.Kuznetsov)等人的“用于基于模型的度量衡及过程模型的集成使用的方法(Method for integrated use of model-basedmetrology and a process model)”(待决中的US 61/738760,P4025)中描述过程建模的使用。举例来说,可在加利福尼亚州米尔皮塔斯市KLA-Tencor的AcuShape软件产品中实施几何引擎。
可通过若干数据拟合及优化技术与技艺来分析所收集的数据,包含:程序库、快速降阶模型;回归;机器学习算法,例如神经网络、支持向量机(SVM);维数减缩算法,例如PCA(主分量分析)、ICA(独立分量分析)、LLE(局部线性嵌入);稀疏表示,例如傅里叶或小波变换;卡尔曼滤波器;促进来自相同或不同工具类型的匹配的算法,及其它者。
还可通过不包含建模、优化及/或拟合的算法来分析所收集的数据,例如第61/745981号临时专利申请案,所述申请案的全文以引用的方式并入本文中,且如本文中所描述。
通常在使用一或多个方法(例如计算硬件的设计及实施方案、平行化、计算的分布、负载平衡、多服务支持、动态负载优化等等)的情况下针对度量衡应用而优化计算算法。可在固件、软件、FPGA、可编程光学组件等等中执行算法的不同实施方案。
数据分析及拟合步骤可用以继续进行以下目标中的一者:质量的测量、缺陷数目、CD、SWA、形状、应力、组合物、薄膜、带隙、电性质、焦点/剂量、重叠、产生过程参数(例如抗蚀剂状态、分压、温度、聚焦模型)及/或其任何组合;度量衡系统的建模及/或设计;及建模、设计,及/或度量衡目标的优化。
此处所呈现的本发明的某些实施例大体上解决半导体度量衡及过程控制的领域,且不限于硬件、算法/软件实施方案及架构,且使用上文所概括的情况。
尽管已出于清晰理解的目的而在一些细节上描述前述发明,但应了解,可在所附权利要求书的范围内实践某些改变及修改。应注意,存在实施本发明的过程、系统及设备的许多替代方式。因此,本实施例将被视为说明性的而非限制性的,且本发明不限于本文中所给出的细节。
Claims (20)
1.一种表征半导体晶片上的多个所关注结构的方法,所述方法包括:
从度量衡系统的一或多个传感器按多个方位角从特定结构的特定位置测量多个光谱信号,其中所述特定结构为由半导体制造工艺形成的光栅结构;
确定针对所述方位角而获得的所述光谱信号之间的差值量;
如果所述差值量高于预定阈值,则确定且报告所述特定结构不包含缺陷;
如果所述差值量等于或低于所述预定阈值或所述差值量等于零,则确定且报告所述特定结构包含缺陷,其中此类缺陷位于所述特定结构的表面下方;且
如果确定所述特定结构包含缺陷,则校正所述特定结构和/或校正用于制造后续晶片的制造工艺。
2.根据权利要求1所述的方法,其中在不使用模型或从此类特定结构提取定量特征值的情况下执行确定所述特定结构包含缺陷或不包含缺陷。
3.根据权利要求1所述的方法,其中所述差值量为在多个波长内按所述方位角的所述光谱信号之间的多个差值的平均差值。
4.根据权利要求1所述的方法,其中所述差值量是在多个波长范围中的特定一者下按所述方位角的所述光谱信号之间的多个差值中的最高一者。
5.根据权利要求3所述的方法,所述方法进一步包括:
为无缺陷光栅结构针对所述方位角来确定光谱信号之间的理论或经测量的差值量;及
通过所述理论或经测量的差值量来正规化所述平均差值以确定缺陷数量。
6.根据权利要求1所述的方法,其中从导向式自组装DSA结构、下层非导向式自组装non-DSA结构或图案化抗蚀剂结构选择所述特定结构。
7.一种表征半导体晶片上的多个所关注结构的方法,所述方法包括:
从度量衡系统的一或多个传感器按多个方位角从所关注的特定结构测量多个光谱信号;
基于针对所述方位角而获得的所述光谱信号确定差值光谱;
基于分析所述差值光谱来确定且报告所述所关注的特定结构的质量指示;
使用CD SEM工具来收集量化图案缺陷的参考数据;
从具有已知图案缺陷的图案结构的训练集按所述方位角来获得光谱信号;
确定按不同方位角而测量的光谱信号与残余误差之间的第一关系函数,其中所述第一关系函数基于从所述训练集按所述方位角而获得的所述光谱信号;
基于所述参考数据来确定残余误差与图案缺陷的量化之间的第二关系函数;及
将按所述方位角从所述所关注的特定结构测量的所述光谱信号输入到所述第二关系函数中以确定针对此类特定结构的图案缺陷的量化。
8.根据权利要求7所述的方法,其中所述第一关系函数及所述第二关系函数基于应用于针对所述训练集及所述特定结构的所述光谱信号及残余误差的数据简化技术。
9.根据权利要求7所述的方法,其中测量所述光谱信号包含通过使用二维光束轮廓反射测定来产生微分模型。
10.根据权利要求9所述的方法,其进一步包括确定图像与具有残余误差的径向对称图像的最佳拟合之间的微分模型,且基于此类微分模型来确定所述差值光谱是否指示薄膜或有缺陷结构。
11.一种半导体度量衡系统,其包括:
照明器,其用于产生照明;
照明光学装置,其用于按多个方位角将所述照明朝向特定结构的特定位置导引,其中所述特定结构为由半导体制造工艺形成的光栅结构;
收集光学装置,其用于响应于所述照明而从所述特定结构按所述方位角将多个光谱信号导引到传感器;
所述传感器,其用于针对所述方位角从所述特定结构获取所述多个光谱信号;及处理器及存储器,其经配置用于执行以下操作:
确定针对所述方位角而获得的所述光谱信号之间的差值量;
如果所述差值量高于预定阈值,则确定且报告所述特定结构不包含缺陷;且
如果所述差值量等于或低于所述预定阈值或所述差值量等于零,则确定且报告所述特定结构包含缺陷,其中此类缺陷位于所述特定结构的表面下方,且其中提供此类报告以用于制造后续晶片的制造工艺的校正。
12.根据权利要求11所述的系统,其中在不使用模型及从此类特定结构提取定量特征值的情况下执行确定所述特定结构包含缺陷或不包含缺陷。
13.根据权利要求11所述的系统,其中所述差值量是在多个波长内按所述方位角的所述光谱信号之间的多个差值的平均差值。
14.根据权利要求11所述的系统,其中所述差值量是在多个波长范围中的特定一者下按所述方位角的所述光谱信号之间的多个差值中的最高一者。
15.根据权利要求13所述的系统,所述处理器及存储器经配置用于:
对于无缺陷光栅结构针对所述方位角来确定光谱信号之间的理论或经测量的差值量;及
通过所述理论或经测量的差值量来正规化所述平均差值以确定缺陷数量。
16.根据权利要求11所述的系统,其中测量光谱包含通过使用二维光束轮廓反射测定来产生微分模型。
17.根据权利要求16所述的系统,所述处理器及存储器经配置用于确定图像与径向对称图像的最佳拟合之间的所述微分模型之间的差值。
18.根据权利要求11所述的系统,其中从导向式自组装DSA结构、下层非导向式自组装non-DSA结构或图案化抗蚀剂结构选择所述特定结构。
19.根据权利要求11所述的系统,所述处理器及存储器经配置用于:
使用CD SEM工具来收集量化图案缺陷的参考数据;
从具有已知图案缺陷的图案结构的训练集按所述方位角来获得光谱信号;
确定按不同方位角而测量的光谱信号与残余误差之间的第一关系函数,其中所述第一关系函数基于从所述训练集按所述方位角而获得的所述光谱信号;
基于所述参考数据来确定残余误差与图案缺陷的量化之间的第二关系函数;及
将按所述方位角从所述特定结构测量的所述光谱信号输入到所述第二关系函数中以确定针对此类特定结构的图案缺陷的量化。
20.根据权利要求19所述的系统,其中所述第一关系函数及所述第二关系函数基于应用于针对所述训练集及所述特定结构的所述光谱信号及残余误差的数据简化技术。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361862801P | 2013-08-06 | 2013-08-06 | |
US61/862,801 | 2013-08-06 | ||
US201461943098P | 2014-02-21 | 2014-02-21 | |
US61/943,098 | 2014-02-21 | ||
US14/449,646 | 2014-08-01 | ||
US14/449,646 US10502694B2 (en) | 2013-08-06 | 2014-08-01 | Methods and apparatus for patterned wafer characterization |
PCT/US2014/049743 WO2015021026A1 (en) | 2013-08-06 | 2014-08-05 | Methods and apparatus for patterned wafer characterization |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105612601A CN105612601A (zh) | 2016-05-25 |
CN105612601B true CN105612601B (zh) | 2019-05-07 |
Family
ID=52449340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480054194.1A Active CN105612601B (zh) | 2013-08-06 | 2014-08-05 | 用于图案化晶片表征的方法与设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10502694B2 (zh) |
KR (1) | KR102317060B1 (zh) |
CN (1) | CN105612601B (zh) |
TW (1) | TWI641828B (zh) |
WO (1) | WO2015021026A1 (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10955359B2 (en) * | 2013-11-12 | 2021-03-23 | International Business Machines Corporation | Method for quantification of process non uniformity using model-based metrology |
US10132684B1 (en) | 2014-12-18 | 2018-11-20 | J.A. Woolam Co., Inc. | Reflectometer, spectrophometer, ellipsometer and polarimeter system with a super continuum laser-source of a beam of electromagnetism and improved detector system |
US11675208B1 (en) | 2014-12-18 | 2023-06-13 | J.A. Woollam Co., Inc. | Reflectometer, spectrophotometer, ellipsometer and polarimeter system with a super continuum laser source of a beam of electromagnetism, and improved detector system |
US10422739B1 (en) | 2014-12-18 | 2019-09-24 | J.A. Woollam Co., Inc. | Reflectometer, spectrophotometer, ellipsometer and polarimeter systems with a super continuum laser source of a beam of electromagnetism, and improved detector system |
US11035729B1 (en) | 2014-12-18 | 2021-06-15 | J.A. Woqllam Co., Inc. | Reflectometer, spectrophotometer, ellipsometer and polarimeter system with a super continuum laser source of a beam of electromagnetism, and improved detector system |
US10410398B2 (en) * | 2015-02-20 | 2019-09-10 | Qualcomm Incorporated | Systems and methods for reducing memory bandwidth using low quality tiles |
US10380728B2 (en) | 2015-08-31 | 2019-08-13 | Kla-Tencor Corporation | Model-based metrology using images |
EP3398123A4 (en) * | 2015-12-31 | 2019-08-28 | KLA - Tencor Corporation | ACCELERATED TRAINING OF A MODEL BASED ON AUTOMATIC LEARNING FOR SEMICONDUCTOR APPLICATIONS |
US11580375B2 (en) | 2015-12-31 | 2023-02-14 | Kla-Tencor Corp. | Accelerated training of a machine learning based model for semiconductor applications |
GB201601960D0 (en) * | 2016-02-03 | 2016-03-16 | Glaxosmithkline Biolog Sa | Novel device |
US11580398B2 (en) * | 2016-10-14 | 2023-02-14 | KLA-Tenor Corp. | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
CN110100174B (zh) * | 2016-10-20 | 2022-01-18 | 科磊股份有限公司 | 用于图案化晶片特性化的混合度量 |
KR102488912B1 (ko) * | 2017-07-12 | 2023-01-17 | 에이에스엠엘 네델란즈 비.브이. | 결함 예측 |
US11248905B2 (en) * | 2017-08-16 | 2022-02-15 | Kla-Tencor Corporation | Machine learning in metrology measurements |
US10714366B2 (en) * | 2018-04-12 | 2020-07-14 | Kla-Tencor Corp. | Shape metric based scoring of wafer locations |
US10697900B2 (en) * | 2018-06-19 | 2020-06-30 | Kla-Tencor Corporation | Correlating SEM and optical images for wafer noise nuisance identification |
EP3637186A1 (en) * | 2018-10-09 | 2020-04-15 | ASML Netherlands B.V. | Method of calibrating a plurality of metrology apparatuses, method of determining a parameter of interest, and metrology apparatus |
KR102638267B1 (ko) | 2018-12-03 | 2024-02-21 | 삼성전자주식회사 | 반도체 웨이퍼 불량 분석 시스템 및 그것의 동작 방법 |
US11060846B2 (en) * | 2018-12-19 | 2021-07-13 | Kla Corporation | Scatterometry based methods and systems for measurement of strain in semiconductor structures |
US11231362B1 (en) * | 2018-12-20 | 2022-01-25 | Kla Corporation | Multi-environment polarized infrared reflectometer for semiconductor metrology |
US11520321B2 (en) | 2019-12-02 | 2022-12-06 | Kla Corporation | Measurement recipe optimization based on probabilistic domain knowledge and physical realization |
US11610297B2 (en) | 2019-12-02 | 2023-03-21 | Kla Corporation | Tomography based semiconductor measurements using simplified models |
US20230017097A1 (en) * | 2020-01-07 | 2023-01-19 | Nova Ltd | Detecting outliers and anomalies for ocd metrology machine learning |
US11143604B1 (en) | 2020-04-06 | 2021-10-12 | Kla Corporation | Soft x-ray optics with improved filtering |
US11530913B2 (en) | 2020-09-24 | 2022-12-20 | Kla Corporation | Methods and systems for determining quality of semiconductor measurements |
US11604420B2 (en) | 2021-05-03 | 2023-03-14 | Kla Corporation | Self-calibrating overlay metrology |
US11604063B2 (en) | 2021-06-24 | 2023-03-14 | Kla Corporation | Self-calibrated overlay metrology using a skew training sample |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1732372A (zh) * | 2002-10-28 | 2006-02-08 | 特维特程序控制技术有限公司 | 复杂层结构的厚度分解的方法及设备 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6778273B2 (en) | 2001-03-30 | 2004-08-17 | Therma-Wave, Inc. | Polarimetric scatterometer for critical dimension measurements of periodic structures |
US6862491B2 (en) | 2002-05-22 | 2005-03-01 | Applied Materials Israel, Ltd. | System and method for process variation monitor |
FR2854407B1 (fr) * | 2003-05-02 | 2006-08-25 | Eads Launch Vehicles | Materiau a haute tenacite a base d'une resine vinylester et/ou d'une resine epoxyde, son procede de fabrication, materiau composite le comprenant et ses utilisations |
US7224471B2 (en) * | 2003-10-28 | 2007-05-29 | Timbre Technologies, Inc. | Azimuthal scanning of a structure formed on a semiconductor wafer |
US7463369B2 (en) | 2006-03-29 | 2008-12-09 | Kla-Tencor Technologies Corp. | Systems and methods for measuring one or more characteristics of patterned features on a specimen |
US7916284B2 (en) | 2006-07-18 | 2011-03-29 | Asml Netherlands B.V. | Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method |
US7417750B2 (en) | 2006-11-07 | 2008-08-26 | Tokyo Electron Limited | Consecutive measurement of structures formed on a semiconductor wafer using an angle-resolved spectroscopic scatterometer |
US20080129986A1 (en) | 2006-11-30 | 2008-06-05 | Phillip Walsh | Method and apparatus for optically measuring periodic structures using orthogonal azimuthal sample orientations |
KR101643992B1 (ko) | 2007-02-23 | 2016-07-29 | 어플라이드 머티어리얼스, 인코포레이티드 | 연마 엔드포인트들을 결정하기 위한 스펙트럼 사용 |
US7656519B2 (en) * | 2007-08-30 | 2010-02-02 | Kla-Tencor Corporation | Wafer edge inspection |
US20090073448A1 (en) * | 2007-09-18 | 2009-03-19 | Asml Netherlands B.V. | Method of measuring the overlay error, an inspection apparatus and a lithographic apparatus |
US7889318B2 (en) * | 2007-09-19 | 2011-02-15 | Asml Netherlands B.V. | Methods of characterizing similarity between measurements on entities, computer programs product and data carrier |
NL1036468A1 (nl) * | 2008-02-27 | 2009-08-31 | Asml Netherlands Bv | Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method. |
EP2128701A1 (en) * | 2008-05-30 | 2009-12-02 | ASML Netherlands BV | Method of determining defects in a substrate and apparatus for exposing a substrate in a lithographic process |
JP5469839B2 (ja) * | 2008-09-30 | 2014-04-16 | 株式会社日立ハイテクノロジーズ | 物体表面の欠陥検査装置および方法 |
US9052604B2 (en) * | 2008-11-06 | 2015-06-09 | Micron Technology, Inc. | Photolithography systems and associated alignment correction methods |
JP2012532384A (ja) * | 2009-07-03 | 2012-12-13 | タクタス テクノロジー | ユーザインターフェイス拡張システム |
JP5419837B2 (ja) * | 2010-09-28 | 2014-02-19 | 株式会社日立ハイテクノロジーズ | 検査装置、検査方法及びプログラム |
US20120287435A1 (en) * | 2011-05-12 | 2012-11-15 | Jmar Llc | Automatic dilution for multiple angle light scattering (mals) instrument |
US8570531B2 (en) * | 2011-12-11 | 2013-10-29 | Tokyo Electron Limited | Method of regenerating diffraction signals for optical metrology systems |
US9809898B2 (en) * | 2013-06-26 | 2017-11-07 | Lam Research Corporation | Electroplating and post-electrofill systems with integrated process edge imaging and metrology systems |
-
2014
- 2014-08-01 US US14/449,646 patent/US10502694B2/en active Active
- 2014-08-05 WO PCT/US2014/049743 patent/WO2015021026A1/en active Application Filing
- 2014-08-05 KR KR1020167005761A patent/KR102317060B1/ko active IP Right Grant
- 2014-08-05 CN CN201480054194.1A patent/CN105612601B/zh active Active
- 2014-08-06 TW TW103126977A patent/TWI641828B/zh active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1732372A (zh) * | 2002-10-28 | 2006-02-08 | 特维特程序控制技术有限公司 | 复杂层结构的厚度分解的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
KR20160041973A (ko) | 2016-04-18 |
US20150046121A1 (en) | 2015-02-12 |
US10502694B2 (en) | 2019-12-10 |
KR102317060B1 (ko) | 2021-10-22 |
CN105612601A (zh) | 2016-05-25 |
TW201510518A (zh) | 2015-03-16 |
WO2015021026A1 (en) | 2015-02-12 |
TWI641828B (zh) | 2018-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105612601B (zh) | 用于图案化晶片表征的方法与设备 | |
US10101674B2 (en) | Methods and apparatus for determining focus | |
TWI649628B (zh) | 用於半導體目標之量測的微分方法及裝置 | |
KR102096134B1 (ko) | 다중-모델 계측 | |
US11320745B2 (en) | Measuring a process parameter for a manufacturing process involving lithography | |
TWI675179B (zh) | 多重圖案化參數之量測 | |
US10769320B2 (en) | Integrated use of model-based metrology and a process model | |
TW201801219A (zh) | 具有來自多個處理步驟之資訊的半導體計量 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |