CN109031894B - 极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法 - Google Patents
极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法 Download PDFInfo
- Publication number
- CN109031894B CN109031894B CN201810916327.1A CN201810916327A CN109031894B CN 109031894 B CN109031894 B CN 109031894B CN 201810916327 A CN201810916327 A CN 201810916327A CN 109031894 B CN109031894 B CN 109031894B
- Authority
- CN
- China
- Prior art keywords
- image
- multilayer film
- phase
- phase type
- mask
- 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
- 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
- G03F7/70008—Production of exposure light, i.e. light sources
- G03F7/70033—Production of exposure light, i.e. light sources by plasma extreme ultraviolet [EUV] sources
-
- 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
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/38—Masks having auxiliary features, e.g. special coatings or marks for alignment or testing; Preparation thereof
- G03F1/44—Testing or measuring features, e.g. grid patterns, focus monitors, sawtooth scales or notched scales
-
- 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
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/62—Pellicles, e.g. pellicle assemblies, e.g. having membrane on support frame; Preparation thereof
-
- 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
- G03F7/70058—Mask illumination systems
-
- 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
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70591—Testing optical components
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
一种极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法。该方法包括建模和检测两部分。在建模阶段,首先利用光刻仿真软件仿真含多层膜相位型缺陷的空白掩模在不同照明条件下的空间像。然后采用傅里叶扫描相干衍射成像技术(Fourier Ptychography Imaging,FPI)对空间像进行相位恢复,最后利用人工神经网络建立以空间像信息为输入、掩模多层膜相位型缺陷底部形貌参数为输出的检测模型。在检测阶段,采集实际掩模空间像,利用检测模型求解出实际掩模缺陷的底部形貌参数,实现掩模多层膜相位型缺陷底部形貌检测。本发明可快速准确检测极紫外光刻掩模多层膜相位型缺陷底部的形貌。
Description
技术领域
本发明涉及极紫外光刻掩模,特别是一种极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法。
背景技术
光刻是集成电路制造的核心技术。极紫外光刻(EUVL)被看作是制造7nm及更小节点芯片最有前景的光刻技术。极紫外光刻掩模缺陷严重影响芯片生产的良率,并且目前尚无法实现无缺陷掩模的加工制造。因此对掩模缺陷进行检测并根据检测结果对掩模缺陷进行补偿具有重要意义。多层膜缺陷是极紫外光刻掩模中独有的缺陷,根据对掩模反射率影响的不同可分为振幅型缺陷与相位型缺陷,相位型缺陷位于多层膜底部,造成多层膜的变形,在不破坏多层膜结构的情况下,现有仪器难以检测其底部形貌。
在先技术1(在先技术1:Xu,Dongbo,Peter Evanschitzky,and AndreasErdmann."Extreme ultraviolet multilayer defect analysis and geometryreconstruction."Journal of Micro/Nanolithography,MEMS,and MOEMS 15.1(2016):014002)使用强度传输方程(TIE)对空间像的相位信息进行恢复,并利用人工神经网络构建了空间像信息和掩模多层膜相位型缺陷形貌参数之间的关系,但偏重于对缺陷表面形貌的检测,对缺陷底部形貌检测精度较低,且该技术在检测过程中对空间像传感器的移动会引入误差,影响检测精度。在先技术2(在先技术2:Dou,Jiantai,et al."EUV multilayerdefects reconstruction based on the transport of intensity equation andpartial least-square regression."International Conference on Optical andPhotonics Engineering(icOPEN 2016).Vol.10250.International Society for Opticsand Photonics,2017)使用强度传输方程(TIE)对空间像的相位信息进行恢复,并采用最小二乘回归的方法构建空间像的相位信息与掩模多层膜相位型缺陷表面形貌参数之间的关系,可较好检测出缺陷表面形貌,但无法检测缺陷底部形貌,且该技术在检测过程中同样需要对空间像传感器进行移动,传感器的移动会引入误差,影响检测精度。
发明内容
本发明的目的在于提供一种极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法。利用傅里叶扫描相干衍射成像技术(Fourier Ptychography Imaging,FPI)对空间像进行相位恢复,利用人工神经网络拟合空间像信息与掩模多层膜相位型缺陷底部形貌参数之间的关系。主要针对极紫外光刻掩模缺陷中最难以检测的多层膜相位型缺陷的底部形貌,快速准确地对掩模多层膜相位型缺陷底部形貌进行检测。
本发明的技术解决方案如下:
(1)表征掩模多层膜相位型缺陷形貌:
掩模多层膜相位型缺陷主要是由基底缺陷造成的多层膜变形,掩模多层膜相位型缺陷表面与底部呈不同形状的凸起或凹陷。以高斯型缺陷参数表征掩模多层膜相位型缺陷的形貌,缺陷表面半高全宽为ωtop,高度为htop,缺陷底部半高全宽为ωbot,高度为hbot。由于掩模多层膜相位型缺陷表面形貌可以较好地由现有仪器检测,可将表面形貌设定为已知参数,检测目标设定为掩模多层膜相位型缺陷底部形貌参数。
(2)仿真获取不同照明方向下含多层膜相位型缺陷空白掩模空间像的强度:
为避免掩模吸收层图案及掩模吸收层缺陷对掩模多层膜缺陷检测产生干扰,对掩模多层膜缺陷进行检测时需采用未涂覆吸收层的空白掩模。入射光方向的选择决定了所成空间像的频谱范围。选取n个满足相邻两点光源照明下所成空间像频谱范围之间的重叠率大于60%的点光源,利用光刻仿真软件仿真得到照明角度为l1,l2…ln时含多层膜相位型缺陷空白掩模空间像的强度Ilr1,Ilr2…Ilrn。
(3)恢复含多层膜相位型缺陷空白掩模空间像的相位:
①设含多层膜相位型缺陷空白掩模空间像的复振幅为其中,Ih为空间像的振幅,为空间像的相位。设定Ih的初始值为任意照明方向下的含多层膜相位型缺陷空白掩模空间像的强度,的初始值为0。对含多层膜相位型缺陷空白掩模空间像复振幅的初始值作傅里叶变换,将其转化为傅里叶域的宽光谱;
②用照明角度为l1时对应的低通滤波器对宽光谱进行低通滤波,然后对低通滤波后的宽光谱进行傅里叶逆变换产生照明角度为l1时空间像复振幅的估计值Il1为照明角度为l1时空间像强度的估计值,为照明角度为l1时空间像相位的估计值;
③用照明角度为l1时仿真得到的含多层膜相位型缺陷空白掩模空间像的强度Ilr1替代照明角度为l1时空间像复振幅的估计值中的Il1得到对作傅里叶变换,替代宽光谱中照明角度为l1时对应的低通滤波器位置处频谱,更新宽光谱。对宽光谱进行傅里叶逆变换,更新含多层膜相位型缺陷空白掩模空间像复振幅
④对于照明角度l2,l3…ln重复步骤②,③;
⑤设定当两次更新之间含多层膜相位型缺陷空白掩模空间像相位的差异的最大值小于C(0.00001≤C≤0.001)时,判定迭代收敛。重复步骤②-④直到两次更新之间的含多层膜相位型缺陷空白掩模空间像相位的差异的最大值小于C,停止迭代。此时的中的Ih为含多层膜相位型缺陷空白掩模空间像的强度,为恢复的含多层膜相位型缺陷空白掩模空间像的相位。
(4)训练人工神经网络:
选取m种缺陷底部高度hbot在0-50nm范围内,缺陷底部半高全宽ωbot在0-50nm范围内的缺陷表面形貌参数相同的含多层膜相位型缺陷空白掩模。
重复使用(3)中所述方法得到m种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模的空间像的强度Ih,将空间像的强度Ih开方可得空间像的振幅Ah,取振幅图像的最小值Amin和半高全宽Afwhm。
重复使用(3)中所述方法得到m种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模的空间像的相位取相位图像的最小值Pmin和半高全宽Pfwhm。
以振幅图像的最小值Amin、振幅图像的半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm作为人工神经网络的输入,对应的掩模多层膜相位型缺陷底部高度hbot和半高全宽ωbot作为人工神经网络的输出。采用的人工神经网络为含多隐层的深度学习结构,先使用四输入二输出的人工神经网络对掩模多层膜相位型缺陷底部高度hbot和半高全宽ωbot同时进行训练,形成训练后人工神经网络1。再将掩模多层膜相位型缺陷底部半高全宽ωbot与振幅图像的最小值Amin,振幅图像的半高全宽Afwhm,相位图像的最小值Pmin,相位图像的半高全宽Pfwhm一同作为人工神经网络的输入,掩模多层膜相位型缺陷底部高度hbot作为人工神经网络的输出,使用五输入一输出的人工神经网络对掩模多层膜相位型缺陷底部高度hbot进行训练,形成训练后人工神经网络2。
(5)检测掩模多层膜相位型缺陷底部形貌:
将待测空白掩模置于极紫外光刻机掩模台上,空间像传感器置于极紫外光刻机焦面处,采用点光源照明,调整点光源的位置使得照明方向与仿真时采用的照明方向相同。计算机控制空间像传感器获取照明角度为l1,l2…ln时待测空白掩模空间像的强度Ilr1,Ilr2…Ilrn。
根据(3)中所述方法得到待测空白掩模空间像的强度Ih,将空间像的强度Ih开方可得空间像的振幅Ah,取振幅图像的最小值Amin和半高全宽Afwhm。
根据(3)中所述方法得到待测空白掩模空间像的相位取相位图像的最小值Pmin和半高全宽Pfwhm。
将振幅图像的最小值Amin、振幅图像的半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm输入人工神经网络1,检测出掩模多层膜相位型缺陷底部的半高全宽ωbot。将得到的掩模多层膜相位型缺陷底部半高全宽ωbot与振幅图像的最小值Amin、振幅图像的半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm一同输入人工神经网络2,检测出掩模多层膜相位型缺陷底部的高度hbot,完成掩模多层膜相位型缺陷底部形貌检测。
与在先技术相比,本发明具有以下优点:
1.本发明使用傅里叶扫描相干衍射成像技术(Fourier Ptychography Imaging,FPI)恢复空间像相位,空间像传感器可在同一位置(焦面处)对空间像进行采集,避免了空间像传感器的移动,消除了移动带来的检测误差,提高了检测精度。
2.本发明通过多次使用神经网络,在不增加数据量的情况下,使得掩模多层膜相位型缺陷底部形貌参数的检测精度大幅提升。
附图说明
图1为极紫外光刻掩模含相位型缺陷多层膜的结构示意图
图2为傅里叶扫描相干衍射成像技术恢复空间像相位信息的处理过程
图3为本发明使用的人工神经网络结构示意图
具体实施方式
下面结合实施例对本发明作进一步说明,但不应以此实施例限制本发明的保护范围。
具体步骤如下:
步骤1.设定训练集中含多层膜相位型缺陷空白掩模的缺陷底部形貌参数:
以高斯型缺陷参数表征掩模多层膜相位型缺陷的形貌,缺陷表面半高全宽为ωtop,高度为htop,缺陷底部半高全宽为ωbot,高度为hbot,极紫外光刻掩模含相位型缺陷多层膜的结构如图1所示。由于掩模多层膜相位型缺陷表面形貌可以较好地由现有仪器检测,可将表面形貌设定为已知参数,本例中设定缺陷表面高度htop为2nm,缺陷表面半高全宽ωtop为50nm。掩模多层膜相位型缺陷底部高度hbot在5nm到50nm之间,以5nm为间隔,取10个值,掩模多层膜相位型缺陷底部半高全宽ωbot在5nm和50nm之间,以5nm为间隔,取10个值,两两组合共设定100种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模。
步骤2.仿真获取不同照明方向下含多层膜相位型缺陷空白掩模空间像的强度:
利用光刻仿真软件仿真得到表1中9种照明角度l1,l2…l9下100种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模空间像的强度Ilr1,Ilr2…Ilr9。
光刻仿真软件仿真时参数设定为:空白掩模周期p=380nm,投影物镜数值孔径NA=0.33,采用点光源照明,照明光为波长λ=13.5nm的90°线偏振光,照明主入射角方位角θ设置以及对应衍射谱移动级次如表1所示。
表1照明光角度设置及对应衍射谱移动级次
步骤3.恢复含多层膜相位型缺陷空白掩模空间像的相位:
①设含多层膜相位型缺陷空白掩模空间像的复振幅为其中,Ih为空间像的振幅,为空间像的相位。设定的初始值为0,Ih的初始值为照明主入射角为0.02rad,方位角θ为0rad时含多层膜相位型缺陷空白掩模空间像的强度,对含多层膜相位型缺陷空白掩模空间像复振幅的初始值作傅里叶变换,将其转化为傅里叶域的宽光谱;
②用照明角度为l1时对应的低通滤波器对宽光谱进行低通滤波,然后对低通滤波后的宽光谱进行傅里叶逆变换产生照明角度为l1时空间像复振幅的估计值Il1为照明角度为l1时空间像强度的估计值,为照明角度为l1时空间像相位的估计值;
③用照明角度为l1时仿真得到的含多层膜相位型缺陷空白掩模空间像的强度Ilr1替代照明角度为l1时空间像复振幅的估计值中的Il1得到对作傅里叶变换,替代宽光谱中照明角度为l1时对应的低通滤波器位置处频谱,更新宽光谱。对宽光谱进行傅里叶逆变换,更新含多层膜相位型缺陷空白掩模空间像复振幅
④对于照明角度l2,l3…l9重复步骤②,③;
⑤重复步骤②-④直到两次更新之间的含多层膜相位型缺陷空白掩模空间像的相位的差异的最大值不超过0.0001,停止迭代,此时的中的Ih为含多层膜相位型缺陷空白掩模空间像的强度,为恢复的含多层膜相位型缺陷空白掩模空间像的相位。
步骤4.训练人工神经网络:
重复步骤3得到步骤1中所述100种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模的空间像的强度Ih,将空间像的强度Ih开方可得空间像的振幅Ah,取振幅图像的最小值Amin和半高全宽Afwhm。
重复步骤3得到步骤1中所述100种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模的空间像的相位取相位图像的最小值Pmin和半高全宽Pfwhm。
以振幅图像的最小值Amin、振幅图像的半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm作为人工神经网络的输入,对应的掩模多层膜相位型缺陷底部高度hbot和半高全宽ωbot作为人工神经网络的输出。采用的人工神经网络结构如图3所示,为含多隐层的深度学习结构,包含4个隐藏层,每个隐藏层包含30个神经元。先使用四输入二输出的人工神经网络对掩模多层膜相位型缺陷底部高度hbot和半高全宽ωbot同时进行训练,形成训练后人工神经网络1。再将掩模多层膜相位型缺陷底部半高全宽ωbot与振幅图像的最小值Amin,振幅图像的半高全宽Afwhm,相位图像的最小值Pmin,相位图像的半高全宽Pfwhm一同作为人工神经网络的输入,掩模多层膜相位型缺陷底部高度hbot作为人工神经网络的输出,使用五输入一输出的人工神经网络对掩模多层膜相位型缺陷底部高度hbot进行训练,形成训练后人工神经网络2。
步骤5.检测掩模多层膜相位型缺陷底部形貌:
先在5nm到50nm范围内随机选取20个值,作为掩模多层膜相位型缺陷底部高度hbot,然后在5nm到50nm范围内随机选取20个值,作为掩模多层膜相位型缺陷底部半高全宽ωbot,按照选取顺序组成20组缺陷底部形貌参数。
采用光刻仿真软件仿真得到表1中9种照明角度l1,l2…l9下20种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模所成空间像的强度Ilr1,Ilr2…Ilr9。
重复步骤3得到20种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模的空间像的强度Ih,将空间像的强度Ih开方可得空间像的振幅Ah,取振幅图像的最小值Amin和半高全宽Afwhm。
重复步骤3得到20种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模的空间像的相位取相位图像的最小值Pmin和半高全宽Pfwhm。
将振幅图像的最小值Amin、振幅图像半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm,输入人工神经网络1,输出掩模多层膜相位型缺陷底部半高全宽ωbot的检测值。将得到的掩模多层膜相位型缺陷底部半高全宽ωbot与振幅图像的最小值Amin、振幅图像半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm一同输入人工神经网络2,输出掩模多层膜相位型缺陷底部高度hbot的检测值。将掩模多层膜相位型缺陷底部半高全宽ωbot与底部高度hbot的检测结果与设定值对比,结果表明:
在本实施中,10次对掩模多层膜相位型缺陷底部半高全宽ωbot检测的均方误差MSE的平均值为0.0025,10次对掩模多层膜相位型缺陷底部高度hbot检测的均方误差MSE为0.0327,结果表明该方法可对掩模多层膜相位型缺陷底部形貌进行高精度检测。
Claims (2)
1.一种极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法,特征在于包括如下步骤:
步骤1.仿真获取多种照明方向下含多层膜相位型缺陷空白掩模空间像的强度:
选取n个满足相邻两点光源照明下所成空间像频谱范围之间的重叠率大于60%的点光源,利用光刻仿真软件仿真得到照明角度为l1,l2…ln时含多层膜相位型缺陷空白掩模空间像的强度Ilr1,Ilr2…Ilrn;
步骤2.恢复含多层膜相位型缺陷空白掩模空间像的相位:
①设含多层膜相位型缺陷空白掩模空间像的复振幅为其中,Ih为空间像的振幅,为空间像的相位,设定Ih的初始值为任意照明方向下的含多层膜相位型缺陷空白掩模空间像的强度,的初始值为0,对含多层膜相位型缺陷空白掩模空间像复振幅的初始值作傅里叶变换,将其转化为傅里叶域的宽光谱;
②用照明角度为l1时对应的低通滤波器对宽光谱进行低通滤波,然后对低通滤波后的宽光谱进行傅里叶逆变换产生照明角度为l1时空间像复振幅的估计值Il1为照明角度为l1时空间像强度的估计值,为照明角度为l1时空间像相位的估计值;
③用照明角度为l1时仿真得到的含多层膜相位型缺陷空白掩模空间像的强度Ilr1替代照明角度为l1时空间像复振幅的估计值中的Il1得到对作傅里叶变换,替代宽光谱中照明角度为l1时对应的低通滤波器位置处频谱,更新宽光谱,对宽光谱进行傅里叶逆变换,更新含多层膜相位型缺陷空白掩模空间像复振幅
④对于照明角度l2,l3…ln重复步骤②,③;
⑤设定当两次步骤④后更新得到的含多层膜相位型缺陷空白掩模空间像复振幅中的空间像相位的差异的最大值小于阈值C时,判定迭代收敛,重复步骤②-④直到两次更新之间的含多层膜相位型缺陷空白掩模空间像相位的差异的最大值小于C,停止迭代,此时的中的Ih为含多层膜相位型缺陷空白掩模空间像的强度,为恢复的含多层膜相位型缺陷空白掩模空间像的相位;
步骤3.训练人工神经网络:
选取m种缺陷底部高度hbot在0-50nm范围内,缺陷底部半高全宽ωbot在0-50nm范围内的缺陷表面形貌参数相同的含多层膜相位型缺陷空白掩模;
重复步骤2得到m种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模的空间像的强度Ih,将空间像的强度Ih开方可得空间像的振幅Ah,取振幅图像的最小值Amin和半高全宽Afwhm;
重复步骤2得到m种具有不同缺陷底部形貌参数的含多层膜相位型缺陷空白掩模的空间像的相位取相位图像的最小值Pmin和半高全宽Pfwhm;
以振幅图像的最小值Amin、振幅图像的半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm作为人工神经网络的输入,对应的掩模多层膜相位型缺陷底部高度hbot和半高全宽ωbot作为人工神经网络的输出,采用的人工神经网络为含多隐层的深度学习结构,先使用四输入二输出的人工神经网络对掩模多层膜相位型缺陷底部高度hbot和半高全宽ωbot同时进行训练,形成训练后人工神经网络1;再将掩模多层膜相位型缺陷底部半高全宽ωbot与振幅图像的最小值Amin,振幅图像的半高全宽Afwhm,相位图像的最小值Pmin,相位图像的半高全宽Pfwhm一同作为人工神经网络的输入,掩模多层膜相位型缺陷底部高度hbot作为人工神经网络的输出,使用五输入一输出的人工神经网络对掩模多层膜相位型缺陷底部高度hbot进行训练,形成训练后人工神经网络2;
步骤4.检测掩模多层膜相位型缺陷底部形貌:
将待测空白掩模置于极紫外光刻机掩模台上,空间像传感器置于极紫外光刻机焦面处,采用点光源照明,调整点光源的位置使得照明方向与仿真时采用的照明方向相同,计算机控制空间像传感器获取照明角度为l1,l2…ln时待测空白掩模空间像的强度Ilr1,Ilr2…Ilrn;
根据步骤2得到待测空白掩模空间像的强度Ih,将空间像的强度Ih开方可得空间像的振幅Ah,取振幅图像的最小值Amin和半高全宽Afwhm;
根据步骤2得到待测空白掩模空间像的相位取相位图像的最小值Pmin和半高全宽Pfwhm;
将振幅图像的最小值Amin、振幅图像的半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm输入人工神经网络1,检测出掩模多层膜相位型缺陷底部的半高全宽ωbot,将得到的掩模多层膜相位型缺陷底部半高全宽ωbot与振幅图像的最小值Amin、振幅图像的半高全宽Afwhm、相位图像的最小值Pmin、相位图像的半高全宽Pfwhm一同输入人工神经网络2,检测出掩模多层膜相位型缺陷底部的高度hbot,完成掩模多层膜相位型缺陷底部形貌检测。
2.根据权利要求1所述的极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法,其特征在于,所述阈值C的范围为0.00001≤C≤0.001。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810916327.1A CN109031894B (zh) | 2018-08-13 | 2018-08-13 | 极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810916327.1A CN109031894B (zh) | 2018-08-13 | 2018-08-13 | 极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109031894A CN109031894A (zh) | 2018-12-18 |
CN109031894B true CN109031894B (zh) | 2019-12-20 |
Family
ID=64633808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810916327.1A Active CN109031894B (zh) | 2018-08-13 | 2018-08-13 | 极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109031894B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685745B (zh) * | 2019-01-02 | 2022-07-15 | 西北工业大学 | 一种基于深度学习的相位显微成像方法 |
CN110297401B (zh) * | 2019-06-28 | 2020-05-05 | 中国科学院上海光学精密机械研究所 | 极紫外光刻掩模多层膜相位型缺陷检测方法 |
CN110727178B (zh) * | 2019-10-18 | 2021-06-22 | 南京诚芯集成电路技术研究院有限公司 | 一种基于机器学习确定光刻系统焦面位置的方法 |
CN111045289B (zh) * | 2019-12-06 | 2021-07-06 | 中国科学院上海光学精密机械研究所 | 极紫外光刻掩模阴影效应补偿方法 |
CN111145162B (zh) * | 2019-12-30 | 2023-04-18 | 南京诚芯集成电路技术研究院有限公司 | 一种基于迁移学习确定euv掩膜版缺陷尺寸的方法 |
CN111257325A (zh) * | 2020-01-19 | 2020-06-09 | 中国科学院微电子研究所 | 一种光刻掩膜板缺陷检测方法及设备和芯片 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193302A (zh) * | 2010-03-03 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及系统 |
US8748063B2 (en) * | 2012-08-01 | 2014-06-10 | International Business Machines Corporation | Extreme ultraviolet (EUV) multilayer defect compensation and EUV masks |
WO2015146140A1 (ja) * | 2014-03-24 | 2015-10-01 | 凸版印刷株式会社 | Euvマスクの位相欠陥評価方法、euvマスクの製造方法、euvマスクブランク及びeuvマスク |
CN104238282B (zh) * | 2014-09-23 | 2016-08-24 | 中国科学院上海光学精密机械研究所 | 极紫外光刻含缺陷掩模衍射谱的快速严格仿真方法 |
CN104880915B (zh) * | 2015-05-26 | 2018-03-20 | 中国科学院上海光学精密机械研究所 | 极紫外光刻含相位型缺陷接触孔掩模衍射谱的快速仿真方法 |
-
2018
- 2018-08-13 CN CN201810916327.1A patent/CN109031894B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109031894A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109031894B (zh) | 极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法 | |
CN110297401B (zh) | 极紫外光刻掩模多层膜相位型缺陷检测方法 | |
TWI820070B (zh) | 使用機械學習檢查光罩 | |
CN112236724B (zh) | 确定衬底上的一个或更多个结构的特性的量测设备和方法 | |
TW202026859A (zh) | 校準複數個度量衡設備的方法、判定所關注參數的方法及度量衡設備 | |
CN110383177A (zh) | 计算量测法 | |
TWI451513B (zh) | 蝕刻顯著污染光罩缺陷之晶圓平面偵測 | |
JP5238718B2 (ja) | レチクル上のリソグラフィにおいて有意な欠陥を検出する方法 | |
US9454072B2 (en) | Method and system for providing a target design displaying high sensitivity to scanner focus change | |
CN101305320A (zh) | 采用独立掩模误差模型的掩模验证系统和方法 | |
US7916927B2 (en) | Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method | |
CN107077079A (zh) | 测量目标结构的属性的方法、检查设备、光刻系统和器件制造方法 | |
TW201821907A (zh) | 度量衡配方選擇 | |
CN108700829B (zh) | 测量结构的方法、检查设备、光刻系统、器件制造方法 | |
CN107533995A (zh) | 以模型为基础的热点监测 | |
EP3899662B1 (en) | Method for controlling a manufacturing process and associated apparatuses | |
JP2019534479A (ja) | リソグラフィプロセスのパラメータを測定する方法及び装置、そのような方法及び装置を実施するためのコンピュータプログラム製品 | |
TWI741361B (zh) | 提供經訓練網路及判定實體系統之特性 | |
WO2021072792A1 (zh) | 一种基于机器学习确定光刻系统焦面位置的方法 | |
US20220291593A1 (en) | Method and apparatus for lithographic process performance determination | |
CN115795871A (zh) | 极紫外光刻掩模多层膜缺陷形貌重建方法 | |
CN114902140A (zh) | 用于确定测量选配方案的方法和相关联的设备 | |
TW201942682A (zh) | 具有增加頻寬之度量衡方法及裝置 | |
CN113196174B (zh) | 用于控制制造过程的方法和相关设备 | |
Han et al. | Study on defocus image-based template matching algorithm for extreme ultraviolet mask phase defect detection |
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 |