CN107703720B - 一种完善光刻模型数据对测试图形覆盖范围的方法 - Google Patents
一种完善光刻模型数据对测试图形覆盖范围的方法 Download PDFInfo
- Publication number
- CN107703720B CN107703720B CN201710987039.0A CN201710987039A CN107703720B CN 107703720 B CN107703720 B CN 107703720B CN 201710987039 A CN201710987039 A CN 201710987039A CN 107703720 B CN107703720 B CN 107703720B
- Authority
- CN
- China
- Prior art keywords
- data
- test pattern
- pattern
- coverage
- parameter space
- 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
Images
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/708—Construction of apparatus, e.g. environment aspects, hygiene aspects or materials
- G03F7/7085—Detection arrangement, e.g. detectors of apparatus alignment possibly mounted on wafers, exposure dose, photo-cleaning flux, stray light, thermal load
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
本发明提出一种完善光刻模型数据对测试图形覆盖范围的方法,在标准图形参数空间的基础上,将测试图形的具体结构参数添加进标准图形参数空间中,通过对其中空白空间的分析,给出模型数据中所缺少的具体测试图形结构,从而通过补充缺少的模型数据,使得光刻模型对测试图形具有更广的覆盖范围。这一新方法,能够确保光刻模型对测试图形具有足够的覆盖范围,使其能够对曝光过程实现更精准的预测。本发明在校准光刻模型的过程中,提出了一种同时利用标准图像变量和测试图形结构参数,完善光刻模型对测试图形覆盖范围的方法,从而有利于提高光刻模型对曝光过程的预测准确性和对图形的覆盖性。
Description
技术领域
本发明涉及半导体集成电路制造领域,且特别涉及一种完善光刻模型数据对测试图形覆盖范围的方法。
背景技术
光刻技术是极大规模集成电路制造的关键技术之一,由于相邻图形之间存在的干涉和衍射效应,使得投影在晶圆上的图形和掩模版上的图形存在一定偏差,因此必须对掩模版上的图形进行修正以使曝光后的图形符合设计要求。在集成电路制造的技术节点进入90nm后,光学临近效应修正也从最初基于经验的光学临近效应修正发展到基于模型的光学临近效应修正,而后者的关键则在于建立一个对图形具有足够覆盖范围的精确光刻模型。随着技术节点的进一步减小,光学临近效应修正对其光刻模型的覆盖性也提出了更高的要求,如何选取合适数量的测试图形在校准光刻模型的过程中所起的作用愈趋重要。
以多晶硅层为例,在一般的光刻模型数据中拥有的测试图形类型很多,包括:密集线结构(Many Line),三根线(3line),五根线(5line),密集线间距(Many Space),3个线间距(3Space),5个线间距(5Space)等等。光刻模型在测试图形中的覆盖性可以用图形参数空间(Image Parameter Space,IPS)来表征,其标准图像变量(Standard Image Variables)参数包括:最小光强(Imin),最大光强(Imax),斜率(Slope),维度因子(Factor)等等。但是标准的IPS只能指出其参数的分布范围,无法直接给出光刻模型所缺少测试图形的具体参数。
发明内容
本发明提出一种完善光刻模型数据对测试图形覆盖范围的方法,在校准光刻模型的过程中,提出了一种同时利用标准图像变量和测试图形结构参数,完善光刻模型对测试图形覆盖范围的方法,从而有利于提高光刻模型对曝光过程的预测准确性和对图形的覆盖性。
为了达到上述目的,本发明提出一种完善光刻模型数据对测试图形覆盖范围的方法,包括下列步骤:
步骤1:在线宽均匀的晶圆上量测并收集第一批具有多种不同类型的测试图形数据,并根据设计规则对量测结果进行筛选处理;
步骤2:在筛选处理后的量测数据基础上,利用软件开始对光刻模型进行初步的校准,从而得到整体光刻模型数据在图形参数空间空间中的范围;
步骤3:根据测试图形类型对图形参数空间空间分布进行分类,提取该结构在图形参数空间中的分布范围,获取图形参数结构数据在图形参数空间中所缺少的部分;
步骤4:在结构数据中,将测试图形的具体结构参数添加到图形参数空间中,具体结构参数与标准图像变量一一对应,通过图形参数空间的空白部分得到与之相对应的具体结构参数,从而预测模型数据中所缺少的具体测试图形结构;
步骤5:在相同线宽均匀的晶圆上量测并收集测试图形的数据,在通过设计规则的筛选后将第二批量测数据补充到第一批的量测数据之中,从而得到新的模型数据,完善光刻模型数据度对测试图形覆盖范围;
步骤6:再次重复步骤2到步骤5,进一步完善光刻模型数据对测试图形的覆盖范围。
进一步的,所述线宽均匀的晶圆为根据焦距曝光矩阵的晶圆数据确定最佳能量和最佳焦距并以此曝光后获得。
进一步的,所述多种不同类型的测试图形数据包括:密集线结构、三根线、五根线、密集线间距、3个线间距、5个线间距、线末端、线间距末端、密集方孔、矩形孔、单独线和单独线间距的测试图形数据。
进一步的,所述提取该结构在图形参数空间中的分布范围包括:最小光强、最大光强、斜率、维度因子、密度、模拟阀值参数在空间中的分布情况。
本发明提出的完善光刻模型数据对测试图形覆盖范围的方法,在标准图形参数空间的基础上,将测试图形的具体结构参数添加进标准图形参数空间中,通过对其中空白空间的分析,给出模型数据中所缺少的具体测试图形结构,从而通过补充缺少的模型数据,使得光刻模型对测试图形具有更广的覆盖范围。这一新方法,能够确保光刻模型对测试图形具有足够的覆盖范围,使其能够对曝光过程实现更精准的预测。本发明在校准光刻模型的过程中,提出了一种同时利用标准图像变量和测试图形结构参数,完善光刻模型对测试图形覆盖范围的方法,从而有利于提高光刻模型对曝光过程的预测准确性和对图形的覆盖性。
附图说明
图1所示为本发明较佳实施例的完善光刻模型数据对测试图形覆盖范围的方法流程图。
图2所示为密集线结构参数最小光强Imin随最大光强Imax变化示意图。
图3所示为密集线结构参数最小光强Imin随周期Pitch变化示意图。
图4所示为密集线结构参数斜率Slope随最大光强Imax变化示意图。
图5所示为密集线结构参数斜率Slope随周期Pitch变化示意图。
图6所示为模型数据在最大光强Imax和最小光强Imin空间的分布示意图。
具体实施方式
以下结合附图给出本发明的具体实施方式,但本发明不限于以下的实施方式。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比率,仅用于方便、明晰地辅助说明本发明实施例的目的。
请参考图1,图1所示为本发明较佳实施例的完善光刻模型数据对测试图形覆盖范围的方法流程图。本发明提出一种完善光刻模型数据对测试图形覆盖范围的方法,包括下列步骤:
步骤1:在线宽均匀的晶圆上量测并收集第一批具有多种不同类型的测试图形数据,并根据设计规则对量测结果进行筛选处理;
步骤2:在筛选处理后的量测数据基础上,利用软件开始对光刻模型进行初步的校准,从而得到整体光刻模型数据在图形参数空间空间中的范围;
步骤3:根据测试图形类型对图形参数空间空间分布进行分类,提取该结构在图形参数空间中的分布范围,获取图形参数结构数据在图形参数空间中所缺少的部分;
步骤4:在结构数据中,将测试图形的具体结构参数添加到图形参数空间中,具体结构参数与标准图像变量一一对应,通过图形参数空间的空白部分得到与之相对应的具体结构参数,从而预测模型数据中所缺少的具体测试图形结构;
步骤5:在相同线宽均匀的晶圆上量测并收集测试图形的数据,在通过设计规则的筛选后将第二批量测数据补充到第一批的量测数据之中,从而得到新的模型数据,完善光刻模型数据度对测试图形覆盖范围;
步骤6:再次重复步骤2到步骤5,进一步完善光刻模型数据对测试图形的覆盖范围。
根据本发明较佳实施例,所述线宽均匀的晶圆(CDU wafer)为根据多晶硅层焦距曝光矩阵的晶圆(Poly Layer FEM wafer)数据确定最佳能量(best dose)和最佳焦距(best focus)并以此曝光后获得。此方法不局限于多晶硅层,有源区层,通孔层,金属层等也可以进行类似操作。
所述多种不同类型的测试图形数据包括:密集线结构、三根线、五根线、密集线间距、3个线间距、5个线间距、线末端、线间距末端、密集方孔、矩形孔、单独线和单独线间距的测试图形数据。所述提取该结构在图形参数空间中的分布范围包括:最小光强、最大光强、斜率、维度因子、密度、模拟阀值参数在空间中的分布情况。
请参考图2~图5,以密集线结构(Many Line)为例,提取该结构在图形参数空间空间中的分布范围:最小光强(Imin),最大光强(Imax),斜率(Slope),维度因子(Factor)等参数在空间中的分布情况;由此也可知密集线结构的这些参数不在IPS空间中的部分,也就是密集线结构数据在所缺少的部分,如图2~图5所圈出的空白部分。
在密集线结构数据中,将测试图形的具体结构参数添加到IPS空间中,具体结构参数与标准图像变量是一一对应的,因此在步骤3的基础上,可以通过IPS空间的空白部分得到与之相对应的具体结构参数,从而给出模型数据中所缺少的具体测试图形结构。
接着分别对三根线(3line),五根线(5line),密集线间距(Many Space),3个线间距(3Space),5个线间距(5Space)、线末端(line end)和线间距末端(space end)等其他类型的测试图形进行类似的处理,从而得到这些测试图形在IPS空间中的分布情况以及所缺少的部分,并根据它们与测试图形结构的关系分析得到所缺少的测试图形结构。
在相同线宽均匀的晶圆上量测并收集测试图形的数据,在通过设计规则的筛选后将第二批量测数据补充到第一批的量测数据之中,从而得到新的模型数据,完善光刻模型数据度对测试图形覆盖范围。再次重复步骤2到步骤5,进一步完善光刻模型数据对测试图形的覆盖范围,最终得到如图6所示的覆盖范围。
综上所述,本发明提出的完善光刻模型数据对测试图形覆盖范围的方法,在标准图形参数空间的基础上,将测试图形的具体结构参数添加进标准图形参数空间中,通过对其中空白空间的分析,给出模型数据中所缺少的具体测试图形结构,从而通过补充缺少的模型数据,使得光刻模型对测试图形具有更广的覆盖范围。这一新方法,能够确保光刻模型对测试图形具有足够的覆盖范围,使其能够对曝光过程实现更精准的预测。本发明在校准光刻模型的过程中,提出了一种同时利用标准图像变量和测试图形结构参数,完善光刻模型对测试图形覆盖范围的方法,从而有利于提高光刻模型对曝光过程的预测准确性和对图形的覆盖性。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (4)
1.一种完善光刻模型数据对测试图形覆盖范围的方法,其特征在于,包括下列步骤:
步骤1:在线宽均匀的晶圆上量测并收集第一批具有多种不同类型的测试图形数据,并根据设计规则对量测结果进行筛选处理;
步骤2:在筛选处理后的量测数据基础上,利用软件开始对光刻模型进行初步的校准,从而得到整体光刻模型数据在图形参数空间空间中的范围;
步骤3:根据测试图形类型对图形参数空间分布进行分类,提取所述测试图形数据在图形参数空间中的分布范围,获取图形参数结构数据在图形参数空间中所缺少的部分;
步骤4:在结构数据中,将测试图形的具体结构参数添加到图形参数空间中,具体结构参数与标准图像变量一一对应,通过图形参数空间的空白部分得到与之相对应的具体结构参数,从而预测模型数据中所缺少的具体测试图形结构;
步骤5:在相同线宽均匀的晶圆上量测并收集测试图形的数据,在通过设计规则的筛选后将第二批量测数据补充到第一批的量测数据之中,从而得到新的模型数据,完善光刻模型数据度对测试图形覆盖范围;
步骤6:再次重复步骤2到步骤5,进一步完善光刻模型数据对测试图形的覆盖范围。
2.根据权利要求1所述的完善光刻模型数据对测试图形覆盖范围的方法,其特征在于,所述线宽均匀的晶圆为根据焦距曝光矩阵的晶圆数据确定最佳能量和最佳焦距并以此曝光后获得。
3.根据权利要求1所述的完善光刻模型数据对测试图形覆盖范围的方法,其特征在于,所述多种不同类型的测试图形数据包括:密集线结构、三根线、五根线、密集线间距、3个线间距、5个线间距、线末端、线间距末端、密集方孔、矩形孔、单独线和单独线间距的测试图形数据。
4.根据权利要求1所述的完善光刻模型数据对测试图形覆盖范围的方法,其特征在于,所述提取该结构在图形参数空间中的分布范围包括:最小光强、最大光强、斜率、维度因子、密度、模拟阀值参数在空间中的分布情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710987039.0A CN107703720B (zh) | 2017-10-20 | 2017-10-20 | 一种完善光刻模型数据对测试图形覆盖范围的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710987039.0A CN107703720B (zh) | 2017-10-20 | 2017-10-20 | 一种完善光刻模型数据对测试图形覆盖范围的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107703720A CN107703720A (zh) | 2018-02-16 |
CN107703720B true CN107703720B (zh) | 2020-02-21 |
Family
ID=61181911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710987039.0A Active CN107703720B (zh) | 2017-10-20 | 2017-10-20 | 一种完善光刻模型数据对测试图形覆盖范围的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107703720B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109491217B (zh) * | 2018-12-29 | 2020-11-24 | 上海华力集成电路制造有限公司 | 基于图形参数空间调整光刻模型覆盖特殊结构的方法 |
CN109857881B (zh) * | 2019-01-31 | 2021-01-22 | 上海华虹宏力半导体制造有限公司 | 用于opc验证的验证图形的量化分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101796522A (zh) * | 2008-08-28 | 2010-08-04 | 新思科技有限公司 | 用于光学邻近校正的批量图像建模 |
JP2012216826A (ja) * | 2011-03-31 | 2012-11-08 | Carl Zeiss Smt Gmbh | パターンの重ね合わせによる結像光学系の測定 |
CN103163728A (zh) * | 2011-12-13 | 2013-06-19 | 上海华虹Nec电子有限公司 | 基于光刻工艺窗口的opc修正方法 |
CN105988301A (zh) * | 2015-02-04 | 2016-10-05 | 中芯国际集成电路制造(上海)有限公司 | 用于检查测试图形库的覆盖率的方法和光学邻近修正方法 |
-
2017
- 2017-10-20 CN CN201710987039.0A patent/CN107703720B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101796522A (zh) * | 2008-08-28 | 2010-08-04 | 新思科技有限公司 | 用于光学邻近校正的批量图像建模 |
JP2012216826A (ja) * | 2011-03-31 | 2012-11-08 | Carl Zeiss Smt Gmbh | パターンの重ね合わせによる結像光学系の測定 |
CN103163728A (zh) * | 2011-12-13 | 2013-06-19 | 上海华虹Nec电子有限公司 | 基于光刻工艺窗口的opc修正方法 |
CN105988301A (zh) * | 2015-02-04 | 2016-10-05 | 中芯国际集成电路制造(上海)有限公司 | 用于检查测试图形库的覆盖率的方法和光学邻近修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107703720A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3909654B2 (ja) | ルールベースopcの評価方法およびシミュレーションベースopcモデルの評価方法並びにマスクの製造方法 | |
US7716628B2 (en) | System, method and program for generating mask data, exposure mask and semiconductor device in consideration of optical proximity effects | |
US8166424B2 (en) | Method for constructing OPC model | |
JP2000003028A (ja) | マスクパタ―ン補正システムとその補正方法 | |
EP1424595B1 (en) | Automatic calibration of a masking process simulator | |
US8806388B2 (en) | Extraction of imaging parameters for computational lithography using a data weighting algorithm | |
CN104950568B (zh) | 光学邻近校正方法及双重图形曝光方法 | |
US20120117520A1 (en) | Systems And Methods For Inspecting And Controlling Integrated Circuit Fabrication Using A Calibrated Lithography Simulator | |
JP3708058B2 (ja) | フォトマスクの製造方法およびそのフォトマスクを用いた半導体装置の製造方法 | |
CN113050363A (zh) | 光学邻近修正模型的建立方法以及光学邻近修正方法 | |
TW202211075A (zh) | 校正在精簡模型中的隨機訊號 | |
JP2009229623A (ja) | パターンデータの作成方法、そのパターンデータを作成するプログラム、及び、そのプログラムを含む媒体 | |
CN107703720B (zh) | 一种完善光刻模型数据对测试图形覆盖范围的方法 | |
CN115598934A (zh) | 一种光刻模型构建方法、预测sraf图形曝光成像的方法和程序产品 | |
US20060195808A1 (en) | Method for correcting the optical proximity effect | |
CN114492294A (zh) | 用于电路设计的确定测试覆盖率的方法及信息处理系统 | |
US9711420B1 (en) | Inline focus monitoring | |
JP5395340B2 (ja) | プロセスモデル作成方法、プロセスモデル作成プログラム及びパターン補正方法 | |
US8677288B2 (en) | Test pattern selection method for OPC model calibration | |
US20120198396A1 (en) | Method of optimizing semiconductor device manufacturing process, method of manufacturing semiconductor device, and non-transitory computer readable medium | |
CN109917615A (zh) | 使用光学邻近效应修正模型产生光掩模的方法 | |
JP2007200322A (ja) | 半導体集積回路装置のレイアウト分析方法及びレイアウト分析システム | |
CN110673437A (zh) | 分辨率辅助图形的筛选方法 | |
Oberschmidt et al. | Automation of sample plan creation for process model calibration | |
CN105116683A (zh) | 一种光学邻近效应修正离焦模型的校准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |