CN110383177B - 计算量测法 - Google Patents
计算量测法 Download PDFInfo
- Publication number
- CN110383177B CN110383177B CN201880013446.4A CN201880013446A CN110383177B CN 110383177 B CN110383177 B CN 110383177B CN 201880013446 A CN201880013446 A CN 201880013446A CN 110383177 B CN110383177 B CN 110383177B
- Authority
- CN
- China
- Prior art keywords
- substrate
- distribution
- contribution
- parameter
- alignment
- 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
- G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
- G03F7/70433—Layout for increasing efficiency or for compensating imaging errors, e.g. layout of exposure fields for reducing focus errors; Use of mask features for increasing efficiency or for compensating imaging errors
- G03F7/70441—Optical proximity correction [OPC]
-
- 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
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
-
- 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
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
-
- 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
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/70508—Data handling in all parts of the microlithographic apparatus, e.g. handling pattern data for addressable masks or data transfer to or from different components within the exposure apparatus
-
- 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
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
-
- 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
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70633—Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
-
- 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
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70641—Focus
-
- 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
- G03F7/70605—Workpiece metrology
- G03F7/70681—Metrology strategies
- G03F7/70683—Mark designs
-
- 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
- G03F9/00—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
- G03F9/70—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
- G03F9/7003—Alignment type or strategy, e.g. leveling, global alignment
- G03F9/7046—Strategy, e.g. mark, sensor or wavelength selection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Abstract
一种方法包括确定在执行器件制造过程时与误差或残差关联的第一参数的第一分布;确定在执行所述器件制造过程时与误差或残差关联的第二参数的第二分布;和使用对所述第一分布和第二分布进行运算的函数确定与所述器件制造过程关联的感兴趣的参数的分布。所述函数可以包括相关性。
Description
相关申请的交叉引用
本申请要求于2017年2月22日提交的美国申请62/462,201和2017年8月15日提交的美国申请62/545,578的优先权,这些申请的全部内容以引用的方式并入本文。
技术领域
本公开涉及改进器件制造过程的性能的技术。这些技术可以与光刻设备或量测设备结合使用。
背景技术
光刻设备是一种将期望的图案施加到衬底的目标部分上的机器。例如,光刻设备可以用于集成电路(IC)的制造中。在这种情况下,图案形成装置(可替代地被称为掩模或掩模版)可以被用于产生与IC的单个层相对应的电路图案,并且所述图案可以被成像在具有一层辐射敏感材料(抗蚀剂)的衬底(例如硅晶片)上的目标部分(例如,包括管芯的部分、一个或几个管芯)上。通常,单一衬底将包括被连续曝光的相邻目标部分的网络。已知的光刻设备包括所谓的步进器和所谓的扫描器,在步进器中,通过将整个图案一次性曝光到目标部分上来辐射每个目标部分,并且在所谓的扫描器中,通过所述束沿给定方向(“扫描”方向)扫描所述图案,同时沿与所述方向平行或反向平行的方向同步地扫描衬底来辐照每个目标部分。
在将电路图案从图案形成装置转印至衬底之前,衬底可能经历各种工序,诸如涂底料、抗蚀剂涂覆以及软焙烤。在曝光之后,衬底可能经历其它工序,诸如曝光后焙烤(PEB)、显影、硬焙烤以及对所转印的电路图案的测量/检查。这一系列的工序被用作为制造器件(例如IC)的单个层的基础。之后衬底可能经历各种过程,诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学机械抛光等,所有的这些过程都旨在最终完成器件的单个层。如果器件中需要多个层,则针对每一层重复全部工序或其变形。最终,器件将存在于衬底上的每一目标部分中。之后通过诸如切片或锯割等技术,使这些器件彼此分离,据此单独的器件可以安装在载体上,连接至引脚等。
因此,制造器件(诸如半导体器件)典型地涉及使用多个制作过程处理衬底(例如,半导体晶片),以形成所述器件的各种特征和多个层。这些层和特征典型地使用例如沉积、光刻术、蚀刻、化学机械抛光、离子注入来制造和处理。可以在衬底上的多个管芯上制作多个器件,之后将它们分离成单独的器件。这种器件制造过程可被认为是图案化过程或图案形成过程。图案化过程涉及使用光刻设备中的图案形成装置的图案化步骤,诸如光学和/或纳米压印光刻术,以将图案形成装置上的图案转印到衬底上,而且图案化过程典型地但可选地涉及一个或更多个有关的图案处理步骤,诸如通过显影设备进行抗蚀剂显影、使用焙烤工具来焙烤衬底、使用蚀刻设备而使用的图案进行蚀刻等。
发明内容
在实施例中,公开了一种方法,包括:确定在执行器件制造过程时与误差或残差关联的第一参数的第一分布;确定在执行所述器件制造过程时与误差或残差关联的第二参数的第二分布;和使用对所述第一分布和第二分布进行运算的函数,通过硬件计算机确定与所述器件制造过程关联的感兴趣的参数的分布。
在实施例中,提供了一种方法,包括:获得光刻设备对重叠的基础贡献,作为图案化过程的一部分;和通过硬件计算机将所述基础贡献与对衬底的重叠的另外的贡献组合,以获得对所述衬底的重叠的估计。
在实施例中,提供了一种方法,包括:确定在执行器件制造过程时被测量的对准数据的第一分布;确定在器件制造过程时从处理参数导出的对准数据的第二分布;和通过硬件计算机系统确定与所述器件制造过程关联的对准数据的分布,作为所述第一分布和第二分布的函数。
在实施例中,提供了一种方法,包括:基于被测量的对准数据,获得横跨使用图案化过程处理的衬底的至少一部分的对准数据分布;和通过硬件计算机将所述对准数据分布与可归因于除被测量的对准之外的处理参数的对准指纹组合,以获得对所述衬底的对准数据的估计。
在实施例中,提供了一种计算机程序产品,包括在其上记录了指令的非暂时性计算机可读介质,所述指令在由计算机执行时实施本文中的任一方法。
附图说明
图1示意性地描绘了根据实施例的光刻设备。
图2示意性地描绘了光刻单元或簇的实施例。
图3示意性地描绘了示例检查设备和量测技术。
图4示意性地描绘了示例检查设备。
图5示意性图示了检查设备的照射斑与量测目标之间的关系。
图6示意性地描绘了基于测量数据导出多个感兴趣的变量的过程。
图7显示了示例处理变量的类别。
图8示意性地显示了处理变量的变化可能对量测数据有贡献。
图9示意性地显示了导出对图案化过程参数的组合贡献的示例。
图10示意性地显示了从量测数据导出对处理变量的贡献的示例。
图11示意性地显示了用于根据实施例的方法的流程。
图12示意性地显示了用于根据实施例的方法的流程。
图13示意性地显示了用于根据实施例的方法的流程。
图14示意性地描绘了示例性的贡献/指纹和轮廓的选择的实施例。
图15示意性地描绘了示例性的贡献/指纹和轮廓的修改的实施例。
图16A、图16B和16C示意性地描绘了缺陷分析过程的实施例。
图17A、图17B和17C示意性地描绘了缺陷分析过程的实施例。
图18示意性地显示了导出用于对准的组合贡献的示例。
图19示意性地显示了导出用于对准的组合贡献的示例。
图20示意性地显示了使用根据现有对准测量方案所确定的指纹来校正的图案化过程如何转换成重叠误差指纹的示例。
图21示意性地显示了使用如本文所描述的被计算的导出的对准的指纹来校正的图案化过程如何转换成重叠误差的示例。
图22示意性地显示了用于根据实施例的方法的流程。
图23和图24示意性地显示了调整校准因子以预测分布。
图25示意性地显示了确定正确预测的可能性。
图26是示例计算机系统的框图。
具体实施方式
在详细地描述实施例之前,提供一个可以实施实施例的示例性环境是有指导意义的。
图1示意性地描绘了光刻设备LA的实施例。所述设备包括:
-照射系统(照射器)IL,所述照射系统被配置成调节辐射束B(例如UV辐射束或DUV辐射束);
-支撑结构(例如掩模台)MT,所述支撑结构被构造成支撑图案形成装置(例如掩模)MA,并与被配置成根据某些参数准确地定位图案形成装置的第一定位器PM相连;
-衬底台(例如,晶片台)WT(例如,WTa、WTb或两者),所述衬底台被构造成保持衬底(例如,涂覆有抗蚀剂的晶片)W,并与被配置成根据某些参数准确地定位衬底的第二定位器PW相连;和
-投影系统(例如折射式投影透镜系统)PS,所述投影系统被配置成将由图案形成装置MA赋予辐射束B的图案投影到衬底W的目标部分C(例如包括一个或更多个管芯并且经常被称为场)上,所述投影系统被支撑在参考框架(RF)上。
如这里所描绘的,所述设备是透射型的(例如,采用透射式掩模)。可替代地,所述设备可以是反射型的(例如,采用如上文所提及类型的可编程反射镜阵列,或采用反射式掩模)。
照射器IL从辐射源SO接收辐射束。所述源和所述光刻设备可以是分立的实体(例如当所述源是准分子激光器时)。在这种情况下,不认为所述源构成光刻设备的部分,且所述辐射束被借助于包括(例如)适合的定向反射镜和/或扩束器的束传递系统BD被从所述源SO传递至所述照射器IL。在其它情况下,例如当所述源为汞灯时,所述源可以是所述设备的组成部分。可以将所述源SO和照射器IL以及需要时设置的束传递系统BD一起称作辐射系统。
照射器IL可以改变束的强度分布。照射器可以被布置成限制辐射束的径向范围,使得在照射器IL的光瞳面中的环形区内强度分布为非零。另外或可替代地,照射器IL可以能够操作用于限制束在光瞳面中的分布,使得在光瞳面中的多个被相等地间隔开的扇区中强度分布为非零。辐射束在照射器IL的光瞳面中的强度分布可以被称为照射模式。
因此,照射器IL可以包括被配置成调整所述束的(角/空间)强度分布的调整器AM。通常,可以调整照射器的光瞳面中的强度分布的至少外部径向范围和/或内部径向范围(通常分别被称为σ-外部和σ-内部)。照射器IL可以能够操作用于改变所述束的角度分布。例如,照射器可以能够操作用于改变强度分布为非零所在的光瞳面中的扇区的数目和角度范围。通过调整在照射器的光瞳面中束的强度分布,可以实现不同的照射模式。例如,通过限制照射器IL的光瞳面中的强度分布的径向范围和角度范围,所述强度分布可以具有诸如(例如)双极、四极或六极分布之类的多极分布。可以通过将提供所述照射模式的光学装置插入到照射器IL中或通过使用空间光调制器来获得期望的照射模式。
照射器IL可以能够操作用于改变所述束的偏振且可以能够操作用于通过使用调整器AM来调整所述偏振。横跨照射器IL的光瞳面的辐射束的偏振状态可以被称为偏振模式。使用不同的偏振模式可以允许在形成于衬底W上的图像中实现较大的对比度。辐射束可以是未偏振的。可替代地,照射器可以被布置成线性地偏振所述辐射束。所述辐射束的偏振方向可以横跨照射器IL的光瞳面变化。在照射器IL的光瞳面中,在不同的区域中辐射的偏振方向可以不同。可以依赖于照射模式来选择所述辐射的偏振状态。对于多极照射模式,所述辐射束的每个极的偏振通常可以大体上垂直于所述照射器IL的光瞳面中的所述极的位置矢量。例如,对于双极照射模式,所述辐射可以在与将双极的两个相对的扇区二等分的线基本上垂直的方向上被线性地偏振。所述辐射束可以在两个不同的正交方向之一上被偏振,这可以被称为X偏振和Y偏振状态。对于四极照射模式,每个极的扇区中的辐射可以在与将所述扇区二等分的线基本上垂直的方向上被线性地偏振。所述偏振模式可以被称为XY偏振。类似地,对于六极照射模式,每个极的扇区中的辐射可以在与将所述扇区二等分的线基本上垂直的方向上线性地偏振。所述偏振模式可以被称为TE偏振。
另外,照射器IL通常包括各种其它部件,诸如,积分器IN和聚光器CO。照射系统可以包括各种类型的光学部件,例如折射型、反射型、磁性型、电磁型、静电型或其它类型的光学部件、或者它们的任意组合,用以对辐射进行引导、成形或控制。
因此,所述照射器提供被调节的辐射束B,在其横截面中具有期望的均一性和强度分布。
所述支撑结构MT以依赖于图案形成装置的方向、光刻设备的设计以及诸如图案形成装置是否保持在真空环境中等其它条件的方式支撑所述图案形成装置。所述支撑结构可以采用机械的、真空的、静电的或其它夹持技术保持图案形成装置。所述支撑结构可以是架或台,例如,其可以根据需要成为固定的或可移动的。所述支撑结构可以确保图案形成装置(例如相对于投影系统)位于期望的位置上。在本文中使用的任何术语“掩模版”或“掩模”可以被认为与更上位的术语“图案形成装置”同义。
在本文中使用的术语“图案形成装置”应被广义地解释为表示能够用于在衬底的目标部分中赋予图案的任何装置。在实施例中,图案形成装置为能够用于在辐射束的横截面上赋予辐射束图案、以在衬底的目标部分上形成图案的任何装置。应注意的是,赋予辐射束的图案可能不与衬底的目标部分上的期望的图案精确地对应(例如,如果所述图案包括相移特征或所谓的辅助特征)。通常,被赋予至辐射束的图案将对应于在目标部分中产生的器件(诸如集成电路)中的特定功能层。
图案形成装置可以是透射式的或反射式的。图案形成装置的示例包括掩模、可编程反射镜阵列以及可编程LCD面板。掩模在光刻术中是公知的,并且包括诸如二元掩模类型、交替型相移掩模类型、衰减型相移掩模类型和各种混合掩模类型之类的掩模类型。可编程反射镜阵列的示例采用小反射镜的矩阵布置,其的每个小反射镜可以单独地倾斜,以便沿不同的方向反射入射的辐射束。已倾斜的反射镜将图案赋予由反射镜矩阵反射的辐射束。
这里使用的术语“投影系统”应所述被广义地解释为包括任何类型的投影系统,包括折射型光学系统、反射型光学系统、反射折射型光学系统、磁性型光学系统、电磁型光学系统和静电型光学系统或其任意组合,例如对于所使用的曝光辐射或者对于诸如浸没液体的使用或真空的使用之类的其它因素合适的。这里使用的任何术语“投影透镜”可以被认为与更上位的术语“投影系统”同义。
投影系统PS具有可以是不均匀的光学传递函数,其可能影响在衬底W上成像的图案。对于非偏振辐射,这种效果可以通过两个标量映射很好地描述,这两个标量映射描述了离开投影系统PS的辐射的透射(变迹)和相对相位(像差)作为在其的光瞳面中的位置的函数。这些标量映射可以被称为透射映射和相对相位映射,可以表达为一组完整的基函数的线性组合。一个特别方便的集合是泽尼克(Zernike)多项式,其形成在单位圆上限定的一组正交多项式。每个标量映射的确定可能涉及确定这种展开式中的系数。由于泽尼克多项式在单位圆上是正交的,因此可以通过依次计算被测量的标量映射与每个泽尼克多项式的内积并且用所述内积除以所述泽尼克多项式的范数的平方来确定泽尼克系数。
透射映射和相对相位映射依赖于场和系统。也就是说,通常,每个投影系统PS对于每个场点(即,对于其像平面中的每个空间位置)将具有不同的泽尼克展开式。可以由通过投影系统PS对辐射(例如来自投影系统PS的物平面(即图案形成装置MA的平面)中的点状源)进行投影并通过使用剪切干涉仪测量波前(即具有相同相位的点的轨迹)来确定投影系统PS在其光瞳面中的相对相位。剪切干涉仪是具有共同路径的干涉仪,因此,有利地,不需要二次参考束来测量波前。剪切干涉仪可以包括在投影系统的像平面(即衬底台WT)中的衍射光栅(例如二维栅格),和被布置用于检测与投影系统PS的光瞳面共轭的平面中的干涉图案的检测器。干涉图案与所述辐射的相位相对于剪切方向上的光瞳面中的坐标的导数有关。所述检测器可以包括感测元件(诸如例如电荷耦合器件(CCD))的阵列。
光刻设备的投影系统PS可能不会产生可见条纹,因此可以使用相位步进技术(诸如例如,移动衍射光栅)来增强波前确定的准确度。可以在衍射光栅的平面中并且在与测量的扫描方向垂直的方向上执行步进。步进范围可以是一个光栅周期,并且可以使用至少三个(均匀分布的)相位步进。因此,例如,可以在y方向上执行三次扫描测量,每次扫描测量是针对x方向上的不同位置执行的。衍射光栅的这种步进有效地将相位变化转换成强度变化,从而允许确定相位信息。光栅可以在与衍射光栅(z方向)垂直的方向上是台阶式的,以校准检测器。
衍射光栅可以在两个垂直方向上顺序地扫描,这两个垂直方向可以与投影系统PS的坐标系的轴(x和y)一致,或者可以与这些轴成一角度(诸如45度)。可以在整数个光栅周期(例如一个光栅周期)上执行扫描。扫描将一个方向上的相位变化平均化从而允许重构另一方向上的相位变化。这允许波前被确定为两个方向的函数。
可以由通过投影系统PS对辐射(例如来自投影系统PS的物平面(即图案形成装置MA的平面)中的点状源的辐射)进行投影并通过使用检测器测量与投影系统PS的光瞳面共轭的平面中的辐射强度来确定投影系统PS在其光瞳面中的透射(变迹)。可以使用与用于测量波前以确定像差的检测器相同的检测器。
投影系统PS可以包括多个光学(例如,透镜)元件,并且还可以包括调整机构AM,所述调整机构被配置成调整这些光学元件中的一个或更多个,以便校正像差(横跨光瞳面遍及整个场的相位变化)。为实现其,调整机构可以能够操作用于以一种或更多种不同方式操纵投影系统PS内的一个或更多个光学(例如,透镜)元件。投影系统可以具有其光轴在z方向上延伸的坐标系。调整机构可以能够操作用于进行以下的任何组合:使一个或更多个光学元件移位;使一个或更多个光学元件倾斜;和/或使一个或更多个光学元件变形。光学元件的移位可以在任何方向(x、y、z或其组合)上。通过绕x和/或y方向上的轴旋转,光学元件倾斜通常使得在与光轴垂直的平面之外,尽管绕z轴旋转可以用于非旋转对称的非球面光学元件。光学元件的变形可以包括低频形状(例如像散)和/或高频形状(例如自由形式的非球面)。例如通过使用用于对光学元件的一个或更多个侧施加力的一个或更多个致动器和/或通过使用用于加热光学元件的一个或更多个所选区域的一个或更多个加热元件,可以执行光学元件的变形。通常,可能不能调整投影系统PS来校正变迹(横跨光瞳面的透射变化)。当为光刻设备LA设计图案形成装置(例如,掩模)MA时,可以使用投影系统PS的透射映射。使用计算光刻技术,图案形成装置MA可以被设计成至少部分地校正变迹。
光刻设备可以是具有两个台(双平台)或更多个台(例如,两个或更多个衬底台WTa、WTb,两个或更多个图案形成装置台,没有专用于例如便于测量和/或清洁等的衬底的位于投影系统下方的衬底台WTa和台WTb)。在这种“多平台”机器中,可以并行地使用附加的台,或可以在一个或更多个台上执行预备步骤的同时,将一个或更多个其它台用于曝光。例如,可以使用对准传感器AS进行对准测量和/或使用水平传感器LS进行水平(高度、倾斜等)测量。
光刻设备也可以是这样一种类型:其中衬底的至少一部分可以被具有相对高折射率的液体(例如水)覆盖,以便填充投影系统和衬底之间的空间。浸没液体也可以被施加至光刻设备中的其它空间,例如图案形成装置和投影系统之间的空间。本领域中众所周知的是,浸没技术用于增加投影系统的数值孔径。本文中使用的术语“浸没”并不意味着诸如衬底之类的结构必须浸没在液体中;而是“浸没”仅意味着在曝光期间液体位于投影系统与衬底之间。
因此,在光刻设备的操作中,辐射束由照射系统IL调节和提供。所述辐射束B入射到保持在支撑结构(例如,掩模台)MT上的所述图案形成装置(例如,掩模)MA上,并且通过所述图案形成装置来形成图案。在已横穿图案形成装置MA的情况下,辐射束B传递通过投影系统PS,所述投影系统将所述束聚焦到衬底W的目标部分C上。借助于第二定位器PW和位置传感器IF(例如,干涉仪器件、线性编码器、二维编码器或电容传感器),可以准确地移动衬底台WT,例如以便将不同的目标部分C定位于辐射束B的路径中。类似地,例如在从掩模库的机械获取之后,或在扫描期间,可以将第一定位器PM和另一个位置传感器(图1中未明确示出)用于相对于辐射束B的路径准确地定位图案形成装置MA。通常,可以借助于构成所述第一定位器PM的一部分的长行程模块(粗定位)和短行程模块(精定位)来实现支撑结构MT的移动。类似地,可以采用构成第二定位器PW的一部分的长行程模块和短行程模块来实现所述衬底台WT的移动。在步进器的情况下(与扫描器相反),支撑结构MT可以仅与短行程致动器相连,或可以是固定的。可以通过使用图案形成装置对准标记M1、M2和衬底对准标记Pl、P2来对准图案形成装置MA和衬底W。尽管所图示的衬底对准标记占据了专用目标部分,但是它们可以位于多个目标部分之间的空间(这些公知为划线对准标记)中。类似地,在将多于一个的管芯设置在图案形成装置MA上的情况下,图案形成装置对准标记可以位于这些管芯之间。
所描绘的设备可以用于以下模式中的至少一种:
1.在步进模式中,在将支撑台MT和衬底台WT保持为基本静止的同时,将赋予所述辐射束的整个图案一次投影到目标部分C上(即,单一的静态曝光)。然后将所述衬底台WT沿X和/或Y方向移动,使得可以对不同目标部分C曝光。在步进模式中,曝光场的最大尺寸限制了在单一的静态曝光中被成像的目标部分C的尺寸。
2.在扫描模式中,在对支撑结构MT和衬底台WT同步地进行扫描的同时,将赋予所述辐射束的图案投影到目标部分C上(即,单一的动态曝光)。衬底台WT相对于支撑结构MT的速度和方向可以通过所述投影系统PS的(缩小)放大率和图像反转特性来确定。在扫描模式中,曝光场的最大尺寸限制了单一的动态曝光中目标部分的宽度(沿非扫描方向),而所述扫描运动的长度决定了目标部分的高度(沿扫描方向)。
3.在另一模式中,将用于保持可编程图案形成装置的支撑结构MT保持为基本静止,并且在对所述衬底台WT进行移动或扫描的同时,将赋予所述辐射束的图案投影到目标部分C上。在这种模式中,通常采用脉冲辐射源,并且在所述衬底台WT的每一次移动之后、或在扫描期间的连续辐射脉冲之间,根据需要更新所述可编程图案形成装置。这种操作模式可以易于应用于利用可编程图案形成装置(诸如,如上所提及类型的可编程反射镜阵列)的无掩模光刻术中。
也可以采用上述使用模式的组合和/或变型,或完全不同的使用模式。
虽然本文具体提及的是光刻设备用于集成电路的制造中,但是,应理解,这里所述的光刻设备可以具有其它应用,例如集成光学系统的制造、磁畴存储器的引导和检测图案、液晶显示器(LCD)、薄膜磁头等。本领域技术人员将理解,在这种替代应用的上下文中,这里使用的任何术语“晶片”或“管芯”可以被认为分别与更上位的术语“衬底”或“目标部分”同义。这里所指的衬底可以在曝光之前或之后进行处理,例如在涂覆显影装置或轨道(一种典型地将抗蚀剂层施加到衬底上并且对被曝光的抗蚀剂进行显影的工具)、量测工具或检查工具中。在可应用的情况下,可以将此处的公开内容应用于这种和其它衬底处理工具中。另外,所述衬底可以被处理一次以上,例如用于产生多层IC,使得本文使用的术语“衬底”也可以表示已经包含多个已处理层的衬底。
在本文中使用的术语“辐射”和“束”包含全部类型的电磁辐射,包括紫外(UV)辐射(例如具有365nm、248nm、193nm、157nm或126nm的波长)和极紫外(EUV)辐射(例如具有在5nm至20nm的范围内的波长)以及诸如离子束或电子束之类的粒子束。
图案形成装置上的或由其提供的各种图案可以具有不同的过程窗口,即处理变量的空间(在所述空间下,将在规格内产生图案)。关于潜在系统性缺陷的图案规格的示例包括对颈缩、线拉回、线薄化、CD、边缘放置、重叠、抗蚀剂顶部损失、抗蚀剂底切和/或桥接的核查。图案形成装置上或其区域上的所有图案的过程窗口都可以通过合并(例如,重叠)每个单独的图案的过程窗口来获得。所有图案的过程窗口的边界都包含一些单独的图案的过程窗口的边界。换句话说,这些单独的图案限制了所有图案的过程窗口。这些图案可以被称为“热点”或“过程窗口限制图案(PWLP)”,它们在本文中可互换使用。当控制图案化过程时,关注热点是可能且经济的。当热点没有缺陷时,很可能所有图案都没有缺陷。
如图2所显示的,光刻设备LA可以形成光刻单元LC的一部分,有时也称为光刻元或光刻簇,光刻单元LC还可以包括用于在衬底上执行曝光前和曝光后过程的设备。常规地,这些设备包括:用于沉积一个或更多个抗蚀剂层的一个或更多个旋涂器SC、用于显影曝光后的抗蚀剂的一个或更多个显影剂DE、一个或更多个激冷板CH和/或一个或更多个焙烤板BK。衬底处理装置或机器人RO从输入/输出端口I/O1、I/O2拾取一个或更多个衬底,在不同的过程设备之间移动衬底,然后将衬底传送到光刻设备的进料台LB。这些设备经常被统称为轨道或涂覆显影装置,并且由轨道控制单元TCU控制,所述轨道控制单元TCU本身由管理控制系统SCS控制,所述管理控制系统SCS也通过光刻控制单元LACU来控制光刻设备。因此,可以操作不同的设备以最大化生产量和处理效率。
为了使由光刻设备曝光的衬底被正确且一致地被曝光,和/或为了监控包括至少一个图案转印步骤(例如,光学光刻步骤)的图案化过程(例如,器件制造过程),期望检查衬底或其它物体以测量或确定一个或更多个属性,诸如对准、重叠(例如,其可以在重叠层中的结构之间,或在已经例如通过双重图像化过程被分别设置到同一层中的结构之间)、线厚度、临界尺寸(CD)、聚焦偏移、材料属性等。由此,其中定位有光刻单元LC的制造设施也典型地包括量测系统MET,所述量测系统测量已经在光刻单元中或在光刻单元的其它物体中被处理的衬底W中的一些或全部。量测系统MET可以是光刻单元LC的一部分,例如它可以是光刻设备LA(诸如对准传感器AS)的一部分。
所述一个或更多个被测量的参数可以包括(例如)在图案化的衬底中或其上形成的连续层之间的重叠、(例如)在图案化的衬底中或其上形成的特征的临界尺寸(CD)(例如,临界线宽)、光学光刻步骤的聚焦或聚焦误差、光学光刻步骤的剂量或剂量误差、光学光刻步骤的光学像差等。可以在产品衬底本身的目标上和/或在设置在衬底上的专用量测目标上执行所述测量。可以在抗蚀剂的显影之后但在蚀刻之前执行所述测量,或者可以在蚀刻之后执行所述测量。
存在用于对图案化过程中形成的结构进行测量的各种技术,包括使用扫描电子显微镜、基于图像的测量工具和/或各种专用工具。如上文描述的,快速且非侵入式的专用量测工具是这样一种工具:其中辐射束被引导到衬底表面上的目标上,并且测量散射(衍射/反射)束的属性。通过评估被衬底散射的辐射的一个或更多个属性,可以确定衬底的一个或更多个属性。这可以被称为基于衍射的量测。所述基于衍射的量测的一种这样的应用是在目标内的特征不对称性的测量中。例如,这可以用作重叠的度量,但是其它应用也是已知的。例如,可以通过比较衍射光谱的相对部分来测量不对称性(例如,比较周期性光栅的衍射光谱中的-1阶和+1阶)。这可以如上文描述的并且如在美国专利申请公开出版物US2006-066855中所描述的那样完成,所述专利申请通过引用以其全部内容的方式被并入本文。基于衍射的量测的另一应用是在目标内的特征宽度(CD)的测量中。这些技术可以使用下文所描述的设备和方法。
因此,在器件制造过程(例如,图案化过程或光刻过程)中,衬底或其它物体可以在所述过程期间或之后经受各种类型的测量。所述测量可以确定特定的衬底是否有缺陷,可以对所述过程中使用的过程和设备建立调整(例如,在衬底上对准两个层或者将图案形成装置与衬底对准),可以测量所述过程和设备的性能,或可以用于其它目的。测量的示例包括光学成像(例如,光学显微镜)、非成像光学测量(例如,基于衍射的测量,诸如ASMLYieldStar量测工具、ASML SMASH量测系统)、机械测量(例如,使用触笔、原子力显微镜(AFM)进行绘制)和/或非光学成像(例如,扫描电子显微镜(SEM))。如美国专利No.6,961,116(其全部内容通过引用并入本文)中所描述的SMASH(智能对准传感器混合)系统采用自参考干涉仪,所述自参考干涉仪产生对准标识的两个重叠且相对旋转的图像,检测光瞳面中的强度(在所述光瞳面中,图像的傅里叶变换导致干涉),并根据两个图像的衍射阶之间的相位差(其表现为干涉后的阶中的强度变化)提取位置信息。
量测结果可以被直接或间接地提供至管理控制系统SCS。如果检测到误差,则可以对后续衬底的曝光进行调整(特别是在检查可以迅速且足够快地完成使得所述批次的一个或更多个其它衬底仍然处于待曝光的情况下)和/或对被曝光的衬底的后续曝光进行调整。此外,已经被曝光的衬底可被剥离和返工以改善良率,或被废弃,由此避免对已知有缺陷的衬底执行进一步处理。在衬底的仅一些目标部分是有缺陷的情况下,可以仅对良好的那些目标部分执行进一步曝光。
在量测系统MET内,使用量测设备以确定衬底的一个或更多个属性,且尤其是确定不同衬底的一个或更多个属性如何变化,或同一衬底的不同层的属性如何在不同层间变化。如上所述,所述量测设备可以被集成到光刻设备LA或光刻单元LC中,或可以是独立的装置。
为了能够实现量测,可以在衬底上设置一个或更多个目标。在实施例中,所述目标是专门设计的并且可以包括周期性结构。在实施例中,所述目标是器件图案的一部分,例如器件图案的周期性结构。在实施例中,所述器件图案是存储器件的周期性结构(例如,双极晶体管(BPT)、共享位总线(BLC)等结构)。
在实施例中,衬底上的目标可以包括一个或更多个1-D周期性结构(例如光栅),这些周期性结构被印制成使得在显影之后,周期性结构特征由实体抗蚀剂线形成。在实施例中,所述目标可以包括一个或更多个2-D周期性结构(例如光栅),这些周期性结构被印制成使得在显影之后,所述一个或更多个周期性结构由实体抗蚀剂柱或抗蚀剂中的通孔形成。栅条、柱或通孔可以可替代地被刻蚀至衬底中(例如,蚀刻到衬底上的一个或更多个层中)。
在实施例中,图案化过程中感兴趣的参数之一是重叠。可以使用暗场散射量测术来测量重叠,其中零阶衍射(对应于镜面反射)被阻挡,并且仅处理较高阶衍射。可以在PCT专利申请公开出版物No.WO 2009/078708和WO 2009/106279中找到暗场量测术的示例,由此,通过引用而将这些专利申请以其全部内容的方式并入本文中。另外,所述技术的发展已在美国专利申请公开出版物US2011-0027704、US2011-0043791和US2012-0242970中描述,通过引用这些美国专利申请以其全部内容的方式并入本文中。使用衍射阶的暗场检测的基于衍射的重叠能够实现对较小目标的重叠测量。这些目标可能小于照射斑,并且可能被衬底上的产品结构包围。在实施例中,可以在一个辐射捕获中测量多个目标。
图3描绘了示例检查设备(例如,散射仪)。它包括将辐射投影到衬底W上的宽带(白光)辐射投影仪2。重定向的辐射被传递到光谱仪检测器4,所述光谱仪检测器测量镜面反射的辐射的光谱10(强度作为波长的函数),如例如在左下方的曲线图中所显示的。根据所述数据,可通过处理单元PU来重构引起检测到的光谱的结构或轮廓,例如通过严格耦合波分析和非线性回归、或与图3底部右侧的模拟光谱的库的对比来执行所述重构。通常,对于重构,结构的一般形式是已知的,且根据对于制造所述结构的过程的知识来假设一些变量,从而仅留下结构的几个变量根据被测量的数据来确定。这种检查设备可以被配置为垂直入射检查设备或倾斜入射检查设备。
可以使用如图4所显示的另一检查设备。在所述装置中,由辐射源2发射的辐射被使用透镜系统12来准直并通过干涉滤光器13和偏振器17来传输,被部分反射表面16反射,并经由物镜15聚焦成衬底W上的斑S,所述物镜具有期望为至少0.9或至少0.95的高数值孔径(NA)。浸没式检查设备(使用相对高折射率的流体,诸如水)甚至可以具有超过1的数值孔径。
如在光刻设备LA中,可以设置一个或更多个衬底台以在测量操作期间保持衬底W。衬底台在形式上可以与图1的衬底台WT类似或相同。在检查设备与光刻设备集成在一起的示例中,衬底台甚至可以是同一衬底台。粗定位器和精定位器可以被提供给第二定位器PW,所述第二定位器被配置成相对于测量光学系统准确地定位所述衬底。提供各种传感器和致动器,例如用以获取感兴趣的目标的位置,且将感兴趣的目标带入至物镜15下方的位置中。典型地,将对横跨所述衬底W的不同部位处的目标进行许多测量。衬底支撑件能够在X和Y方向上移动以获取不同目标,且能够在Z方向上移动以获得相对于所述光学系统的聚焦的所述目标的期望的部位。当(例如)在实践中光学系统可能保持基本上静止(典型地在X和Y方向上,但也许还在Z方向上)且只有衬底移动时,把操作考虑和描述成好像将物镜正在被带到相对于衬底的不同部位是方便的。如果衬底和光学系统的相对位置是正确的,则原则上无关紧要的是:衬底和光学系统中的哪一个在现实世界中移动,或者两者都在移动,或者光学系统的一部分正在移动(例如,在Z和/或倾斜方向上)与光学系统的其余部分是静止的组合,和衬底是移动的(例如,在X和Y方向上,但可选地,还可以在Z和/或倾斜方向上)。
然后,被衬底W重新定向向的辐射通过部分反射表面16传递到检测器18中,以便检测所述光谱。检测器18可以位于后投影式焦面11中(在透镜系统15的焦距处),或者所述平面11可以用辅助光学器件(未显示)重新成像到检测器18上。所述检测器可以是二维检测器,从而可以测量衬底目标30的二维角散射光谱。检测器18可以是例如CCD或CMOS传感器的阵列,并且可以使用例如每帧40毫秒的积分时间。
例如,可以使用参考束来测量入射辐射的强度。为此,当辐射束入射在部分反射表面16上时,其一部分作为参考束通过所述部分反射表面16朝向参考反射镜14传输。然后,所述参考束被投影到同一检测器18的不同部分上,或者可替代地被投影到不同的检测器(未显示)上。
一个或更多个干涉滤光器13可用于选择在例如405-790nm或甚至更低(例如200-300nm)的范围内的感兴趣的波长。干涉滤光器可以是可调谐的,而不是包括一组不同的滤光器。可以使用光栅代替干涉滤光器。可以在照射路径中设置孔光阑或空间光调制器(未显示),以控制目标上的辐射入射角的范围。
检测器18可以测量单个波长(或窄波长范围)处的被重新定向的辐射的强度、分别在多个波长处或在波长范围上积分的强度。此外,所述检测器可以分别测量横向磁偏振和横向电偏振的辐射的强度和/或横向磁偏振和横向电偏振辐射之间的相位差。
衬底W上的目标30可以是1-D光栅,所述1-D光栅被印制成使得在显影之后,栅条由实体抗蚀剂线形成。目标30可以为2-D光栅,所述2-D光栅被印制成使得在显影之后,所述光栅由实体抗蚀剂柱或抗蚀剂中的通孔形成。栅条、柱或通孔可以被刻蚀至衬底中或衬底上(例如,蚀刻到衬底上的一个或更多个层中)。图案(例如,栅条、柱或通孔)对图案化过程中的处理的变化(例如,光刻投影设备(特别是投影系统PS)中的光学像差、聚焦变化、剂量变化等)敏感并且将表现在所印制的光栅的变化中。因此,所印制的光栅的被测量的数据被用于重构所述光栅。1-D光栅的一个或更多个参数(诸如线宽和形状)或2-D光栅的一个或更多个参数(诸如柱或通孔的宽度或长度或形状)可以根据印制步骤和/或其它检查过程的知识输入到由处理单元PU执行的重构过程。
除了通过重构测量参数之外,角分辨散射测量法在产品和/或抗蚀剂图案中特征的不对称性测量中是有用的。不对称性测量的特定应用是用于测量重叠,其中目标30包括彼此叠置的一组周期性特征。例如,在美国专利申请公开出版物US2006-066855中描述了使用图3或图4的仪器的不对称性测量的构思,所述专利申请以其全部内容的形式被并入本文中。简言之,虽然目标的衍射光谱中的衍射阶的位置仅由目标的周期性确定,但衍射光谱中的不对称性指示了构成所述目标的单独的特征中的不对称性。在图4的仪器中(其中检测器18可以是图像传感器),衍射阶的这种不对称性看上去直接为由检测器18所记录的光瞳图像中的不对称性。可以通过单元PU中的数字图像处理来测量所述不对称性,且相对于重叠的已知值来校准所述不对称性。
图5图示了典型目标30的平面图,以及图4的设备中的照射斑S的范围。为了获得不受周围结构干扰的衍射光谱,在实施例中,目标30是大于照射斑S的宽度(例如,直径)的周期性结构(例如,光栅)。斑S的宽度可以小于目标的宽度和长度。换句话说,所述目标被照射“未填充满”,并且衍射信号基本上不受来自目标本身之外的产品特征等的任何信号的影响。照射布置2、12、13、17可以被配置成提供横跨物镜15的后焦面的均匀强度的照射。可替代地,通过例如包括照射路径中的孔,照射可以被限制在轴上方向或离轴方向上。
图6示意性地描绘了基于使用量测获得的测量数据确定目标图案30′的一个或更多个感兴趣的变量的值的示例过程。由检测器18检测的辐射为目标30′提供了被测量的辐射分布108。
对于给定的目标30′,可以使用例如数值麦克斯韦尔求解器210从参数化模型206计算/模拟辐射分布208。参数化模型206显示了构成所述目标且与所述目标相关联的各种材料的示例层。参数化模型206可以包括针对所考虑的目标的部分的特征和层的一个或更多个变量,这些变量可以改变和被导出。如图6所显示的,一个或更多个变量可以包括一个或更多个层的厚度t、一个或更多个特征的宽度w(例如,CD)、一个或更多个特征的高度h、和/或一个或更多个特征的侧壁角α。尽管未显示,但是所述一个或更多个变量还可以包括但不限于一个或更多个层的折射率(例如,实数或复数折射率、折射率张量等)、一个或更多个层的消光系数、一个或更多个层的吸光率、显影期间的抗蚀剂损失、一个或更多个特征的支承(footing)、和/或一个或更多个特征的线边缘粗糙度。这些变量的初始值可以是正在被测量的目标的预期值。然后在212处将被测量的辐射分布108与计算的辐射分布208进行比较,以确定两者之间的差异。如果存在差异,则可以改变参数化模型206的变量中的一个或更多个的值,新的计算的辐射分布208被与被测量的辐射分布108进行计算和比较,直到被测量的辐射分布108与计算的辐射分布208之间存在足够的匹配度。此时,参数化模型206的变量的值提供了实际目标30′的几何形状的良好或最佳匹配度。在实施例中,当被测量的辐射分布108与计算的辐射分布208之间的差异在容许度阈值内时,则存在足够的匹配度。
图案化过程的变量被称为“处理变量”。图案化过程可以包括光刻设备中图案的实际转印的上游和下游的过程。图7显示了处理变量370的示例类别。第一类别可以为光刻设备或用于光刻过程中的任何其它设备的变量310。这种类别的示例包括光刻设备的照射、投影系统、衬底平台等的变量。第二类别可以为在图案化过程中执行的一个或更多个工序的变量320。所述类别的示例包括聚焦控制或聚焦测量、剂量控制或剂量测量、带宽、曝光持续时间、显影温度、显影中使用的化学成分等。第三类别可以为设计布局及其在图案形成装置中或使用图案形成装置的实施方式的变量330。所述类别的示例可以包括辅助特征的形状和/或部位、通过分辨率增强技术(RET)、掩模特征的CD等施加的调整。第四类别可以是衬底的变量340。示例包括抗蚀剂层下方的结构的特性、抗蚀剂层的化学成分和/或物理尺寸等。第五类别可以是图案化过程的一个或更多个变量的时间变化的特性350。所述类别的示例包括高频平台移动(例如频率、振幅等)、高频激光带宽改变(例如频率、振幅等)和/或高频激光波长改变的特性。这些高频改变或移动为高于用以调整基础变量(例如平台位置、激光强度)的机构的响应时间的高频改变或移动。第六类别可以是光刻设备中图案转印上游或下游的过程(诸如旋涂、曝光后焙烤(PEB)、显影、蚀刻、沉积、掺杂和/或封装)的特性360。
如将理解的,这些变量中的许多(如果不是全部)将对图案化过程的参数并且经常是感兴趣的参数产生影响。图案化过程的参数的非限制性示例可以包括临界尺寸(CD)、临界尺寸均匀性(CDU)、聚焦、重叠、边缘位置或放置、侧壁角、图案偏移等。经常,这些参数表示与名义值(例如,设计值、平均值等)的误差。所述参数值可以是单独的图案的特性的值或一组图案的特性的统计量(例如,平均值、方差等)。
可以通过合适的方法确定这些处理变量中的一些或所有的值或与其有关的参数的值。例如,可以从利用各种量测工具(例如,衬底量测工具)获得的数据确定这些值。这些值可以从图案化过程中的设备的各种传感器或系统来获得(例如,光刻设备的传感器(诸如调平传感器或对准传感器)、光刻设备的控制系统(例如,衬底或图案形成装置台控制系统)、轨道工具中的传感器等)。这些值可以来自图案化过程的操作者。
现在,越来越多的量测已在所花费的时间方面成为最主要的负担。例如,尤其是在半导体行业中将出现多重图案形成或技术的情况下。利用多重图案形成技术或图案化(诸如光刻-蚀刻-光刻-蚀刻(LELE)和/或侧壁辅助双重图案形成(SADP),处理步骤的数量显著增加,因此用于控制和良率监控的量测步骤的数量也显著增加。此外,随着在多重图案形成步骤中使用更多层,每个节点的量测量增加(即,特征尺寸减少),并且每层使用更多图案化步骤。
另外或可替代地,期望增加缺陷确定和/或有指导的缺陷检查。这涉及比之前实质上更密集的聚焦、重叠和/或CD量测。
另外或可替代地,在器件上CD、重叠和/或聚焦性能方面都有不断变严的规范。这驱使了从一个节点到下一个节点的制造设备规范,例如曝光工具和处理工具(例如,沉积、蚀刻、轨道、化学机械抛光(CMP)等)。因此,这可以驱使对性能的更严格的控制和监控,这进而推动用于控制和监控的不断增加的量测量的需求。
另外或可替代地,根据对器件上CD、聚焦和/或重叠性能的规范的变严,可能需要较高次的校正。较高次的校正基本上是在横跨衬底的全部或部分的小空间尺度上是选择性的(例如,具有高空间分辨率的校正)的校正动作。较高次的校正涉及用于量测的每个衬底的更密集的采样,由此,增加量测负担可能超出量测设备生产率的实践极限。
另外或可替代地,衬底到衬底变化可能需要另外的单独的衬底水平控制(与例如批次水平控制相比)和关联的监控,以便实现期望的CD、聚焦和/或重叠性能。这可能导致每批次测量更多衬底,从而驱使所使用的测量的量增加,可能超出量测设备生产率的实践极限。
但是,为了满足增加的数据需求,仅添加量测设备或提高量测设备生产率可能还不够。此外,它可能无法解决所有问题,诸如及时地获得横跨衬底的密集的CD、聚焦和/或重叠轮廓。
因此,量测效率是期望的。这是为了获得例如每个衬底的较高密度的数据和每批次较高的衬底数量的数据。
因此,在实施例中,提供了一种例如有助于提高量测效率的方法。在所述方法中,来自多个源的量测数据被组合和操纵,以便导出针横跨衬底的多个部位中的每个的一个或更多个图案化过程参数(例如,CD、聚焦、重叠、边缘放置等)的准确的估计值。在实施例中,然后,提供针对(例如)在图案化过程中处理的所有衬底的和针对(例如)在图案化过程中在这些衬底上处理的所有层的密集的量测数据(例如,针对每平方毫米)。
实际上,在实施例中,所述方法的结果是横跨衬底的一个或更多个图案化过程参数的值的“虚拟”或建模分布,这是通过各种量测数据的这种组合得到的。这种方法可以随后为针对一个或更多个图案化过程参数(例如,聚焦、CD、重叠等)的混合量测提供一种高效的方法。并且,虽然本文中的实施例将主要考虑图案化过程参数的特定示例,即聚焦、CD和重叠,但是将应理解的是,一个或更多个其它或额外的图案化过程参数可以是本文中的技术的主题。
如上文所提到的,所述方法涉及量测与来自各种源的其它数据的组合。在实施例中,所述方法涉及将感兴趣的图案化过程参数的测量结果与来自图案化过程中的一个或更多个装置的数据(诸如来自光刻设备的一个或更多个传感器的数据)组合。然后,这种数据组合将用于预测呈(例如)图案化过程参数(诸如CD、重叠、聚焦、图案偏移、边缘放置(例如,边缘放置误差)等)和/或从其导出的参数(诸如良率、缺陷(例如,缺陷风险、缺陷数等)形式的产品上性能。
因此,所述方法基于的原理是隔离和估计感兴趣的图案化过程参数的变化的单独的根本原因,然后这些参数组合以计算产品上性能。目标是使用尽可能多的可用信息以避免不断增加的离线(和/或在线)量测量,以使用诸如关于图3-6所描述的工具来确定感兴趣的图案化过程参数。
因此,在实施例中,期望识别对感兴趣的图案化过程参数(诸如CD误差、聚焦误差、重叠等)的变化的各种贡献。然后可以以各种组合的方式使用这些贡献以实现期望的产品上性能的估计。典型地,这些贡献将为误差和/或残差。例如,装置可以在进行校正时产生误差,其随后可以在感兴趣的图案化过程参数的变化中成为事实。作为另一示例,传感器系统可以测量误差,所述误差是或者有助于图案化过程参数的变化。作为另外的示例,装置或用于确定装置的设定的数学模型可能无法实现某种期望的或最佳的物理效果(例如,期望的物理校正与通过装置能够实现的物理校正之间的差异、期望的物理效果(诸如剂量、聚焦等)与能够由装置实现的物理效果之间的差异、期望的物理校正或效果与能够通过数学模型确定的校正或效果之间的差异等),并因此无法实现作为或有助于图案化过程参数的改变的残差。在实施例中,贡献可以通过实验或经验来确定。
对感兴趣的图案化过程参数的这些贡献中的每个(作为横跨管芯、场或衬底在空间上分布的贡献)都可以随后被表征为指纹。并且,类似地,管芯、场或衬底上的组合贡献可以被表征为指纹。
因此,可以组合这些贡献中的多个以产生被导出的指纹。例如,产品衬底上的聚焦指纹可以是(例如)由于所述衬底的不平整度引起的聚焦贡献的复合、与衬底的曝光期间光刻设备的投影系统关联的聚焦误差、在曝光期间由衬底位置控制回路产生的高度误差、以及光刻设备的聚焦设置的残差指纹。下面参考图9描述其的示例。
类似地,被导出的或被测量的指纹可以具有从其去除的一个或更多个指纹,以产生(另外的)被导出的指纹。例如,衬底的被测量的聚焦指纹可以已经从其去除所述衬底的不平整度的聚焦贡献、与衬底的曝光期间光刻设备的投影系统关联的聚焦误差、在曝光期间由衬底位置控制回路产生的高度误差、以及光刻设备的聚焦设置的残差指纹。由于未被去除的指纹捕获的误差,这可以产生残差聚焦指纹。下面参考图10描述其的示例。
因此,在实施例中,所述方法可以(例如)通过组合这些指纹而将指纹分解成单独的贡献指纹和/或导出指纹。
因此,参考图8,描绘了贡献(指纹)的组合的实施例。处理变量311的变化(例如,在聚焦背景下为高度误差)可以对针对衬底上的图案的图案化过程参数352(例如,在聚焦背景下为聚焦)具有贡献312,处理变量321的改变(例如,在聚焦背景下为聚焦设置的残差)可以对图案化过程参数352具有贡献322。即,图案化过程参数352可以具有一个或更多个处理变量的变化的组合贡献。这些贡献312和322可以是简单的相加(其可以包括加权的或线性的相加)或者被其它函数组合(例如,使用(去)卷积、使用神经网络、RMS加法、缩放等)。图案化过程参数352可以具有其它变量的变化的贡献。因此,通过下文进一步讨论的这种的实现,可以确定各种贡献或可以使用各种贡献来导出图案化过程参数的估计。在实施例中,贡献312和/或322可以通过对一个或更多个适用的处理变量建模来确定。贡献312和/或322可以被表示为一个或更多个适用的处理变量的函数。所述函数可以是线性的或非线性的。
图9示意性地显示了获得对衬底的图案化过程参数的被导出的贡献470的示例,被导出的贡献为多个处理变量的贡献(其一个或更多个可以是被导出的贡献)的组合。在这种情况下,被导出的贡献470是(去)聚焦。因此,可以使用多个处理变量的贡献来获得被导出的贡献470,所述多个处理变量诸如与衬底的曝光400期间光刻设备的投影系统关联的聚焦误差(FE)、在曝光410期间由衬底位置控制回路产生的高度误差(例如,移动标准偏差(MSDz)、和所述衬底420的不平整度(P)。显著地,所述数据可以从光刻设备获得,并且可以是生产衬底的副产品,作为图案化过程的一部分。这些所识别的贡献中没有一个必然需要使用(例如)诸如参考图3-6所描述的工具来测量在衬底上图案化的特征。如果适用,则可以通过模拟、数学模型化和/或测量/实验来获得这些贡献。例如,可以通过基于物理模型、经验模型化和/或专用测量的模拟来获得这些贡献。
因此,在聚焦情况下,对处理变量400的聚焦的贡献的示例被显示为贡献430,对处理变量410的聚焦的贡献的示例被显示为贡献440,对处理变量420的聚焦的贡献的示例被显示为贡献450。然后将这些贡献中的每个组合在一起460以得到被导出的贡献470。虽然元素460(和图中的其它元素)显示为加号,但是460处的运算不需要是加法,例如,通过使用神经网络它可以为乘法、卷积等。对于一个或更多个贡献的运算可以不同于另外的一个或更多个贡献(例如,430与440的加法、以及所述和与贡献450的卷积)。在示例中,组合贡献可以被表示为F(x,y)=a1*F(FE)(x,y)+b1*F(MSDz)(x,y)+c1*F(P)(x,y)+…。可以通过模拟、数学模型化和/或测量/实验来获得各种函数。此外,可能存在未在此处显示的交叉项(诸如聚焦作为FE乘以MSD的函数等)。为了获得聚焦的绝对值,聚焦的名义值或模拟值可以与这些贡献组合。这些系数(诸如a1、b1、c1)为聚焦相对于相应的处理变量或其函数的敏感度。在这个示例中,这些贡献为横跨衬底的但是在实施例中,一个或更多个贡献可以是针对每个管芯/场的(其随后横跨衬底重复,这依赖于例如在这些实例中的每个处适用的条件)。如上文所指出的,贡献470可以被表征为指纹,因为可以横跨衬底/管芯/场在空间上限定所述贡献。另外,贡献到绝对值的转换可以被表征为指纹,因为它可以在空间上限定在衬底/管芯/场上。如将理解的,从使用图案化过程处理多个衬底得到的数据可以被用于导出相应的贡献。这个数据可能已经是可获得的,因为它可能是处理这些衬底的副产品。
现在,在CD的背景下,可以使用关于图9描述的相同的技术。例如,对CD的被导出的贡献470可以是归因于多个处理变量的贡献(其可以包括被导出的贡献)的组合,所述多个处理变量诸如聚焦(F)400、在衬底的法线方向上移动所述衬底的移动标准偏差(MSDz)410、以及在平行于衬底的方向上移动所述衬底的移动标准偏差(MSDx)420。因此,在这种情况下,对聚焦(F)400的CD的贡献的示例将是贡献430,对移动标准偏差(MSDz)410的CD的贡献的示例将是贡献440,对移动标准偏差(MSDx)420的CD的贡献的示例将是贡献440。然后将这些贡献中的每个组合在一起460以得到被导出的贡献470。在示例中,组合贡献可以被表示为CD(x,y)=a1*CD(F2)(x,y)+b1*CD(MSDx)(x,y)+c1*CD(MSDz 2)(x,y)+…。此外,可能存在在此未显示的交叉项,并且这些关系可能不同(例如,诸如聚焦和/或MSDz之类的关系可能不是纯粹的二次方的,并且可能具有线性和3次项)。在实施例中,贡献430、440、450可以分别是聚焦(F)400、移动标准偏差(MSDz)410和移动标准偏差(MSDx)420分布,在这种情况下,CD模型将被用于将它们组合成CD分布。此外,可能存在未在此处显示的交叉项(诸如CD作为F乘以MSD的函数等)。为了获得CD的绝对值,CD的名义值或模拟值可以与这些贡献组合。这些系数(诸如a1、b1、c1)为CD相对于处理变量或其函数的敏感度。
应用上文描述的原理,图10示意性地显示了通过去除对感兴趣的图案化过程参数的贡献,从用于衬底的感兴趣的图案化过程参数的图案化衬底量测数据获得被导出的贡献510的示例。在这种背景下的图案化衬底量测数据为通过测量至少部分地由图案化过程处理的衬底上的特征(例如,器件图案特征、与器件图案分开的量测目标等)来获得的感兴趣的参数的值。这种量测数据典型地可以使用诸如图3-6所描述的量测或检查工具来获得。
用于感兴趣的参数的图案化衬底量测数据500可以具有至少两个贡献。因此,通过去除图案化衬底量测数据内的一个或更多个其它贡献,可以获得图案化衬底量测数据内的一个或更多个贡献。因此,可以通过从图案化衬底量测数据500去除505贡献520来获得贡献510。虽然元素505(和图中的其它元素)显示成减号,但是505处的运算不需要是减法,例如,通过使用神经网络等它可以为乘法、(去)卷积。贡献520可以是被导出的贡献(诸如贡献470)或者可以是从其它数据导出的贡献(诸如贡献430、440和450中的任何一个或更多个)。另外,多个贡献可以被去除。例如,可以从图案化衬底量测数据500以及贡献520去除与处理变量530相关联的可选的贡献540。如将理解的,从使用图案化过程处理多个衬底得到的数据可以被用于获得图案化衬底量测数据。
在实施例中,图案化衬底量测数据来自与器件图案分开的图案,例如在管芯的非功能区域处的、在管芯之间的或在测试衬底上的量测特征。因此,例如,可以从这样的量测数据中去除一个或更多个处理变量的贡献,从而获得一个或更多个处理变量对这样的量测数据的剩余的贡献。然后可以基于剩余贡献获得对相同或不同衬底上的器件图案的量测数据的相当的贡献,而无需从器件图案实际获得量测数据。例如,可以估计对器件图案的量测的贡献与剩余贡献相同,因为适用的一个或更多个处理变量具有与器件图案和单独的图案相当的效果。在实施例中,单独的图案是用于测试目的的图案(例如,量测目标),并且在单独的图案上执行量测不会影响衬底上的器件图案。
因此,通过组合和/或去除来自图案化衬底量测数据的贡献,可以获得衬底的感兴趣的参数的估计,而不必获得所述衬底的图案化衬底量测数据。这是通过认识到各种贡献的性质来实现的。
在实施例中,一个或更多个处理变量的贡献可以是特定于设备(例如,光刻设备)的;也就是说,贡献特定于某一实际设备或设备的组合。因此,在实施例中,可以横跨每个衬底重复使用一个或更多个处理变量的贡献。因此,一个或更多个处理变量的贡献可以被预先表征并从数据库获得以用于各种组合/去除过程。所述贡献可以特定于整体设备或设备的特定部分(例如,蚀刻腔)。这些变量的示例可以包括但不限于光刻设备中的图案转印的上游或下游的过程(诸如旋涂、后曝光焙烧、显影、蚀刻、沉积、掺杂和/或封装)的各种特性。
在实施例中,一个或更多个处理变量的贡献并不特定于特定的衬底(因此可以横跨衬底使用)。因此,一个或更多个处理变量的贡献可以被预先表征并从数据库获得以随后用于各种组合/去除过程。通过将一个或更多个处理变量的这种贡献与特定衬底的一个或更多个变量的数据和敏感度关系组合,可以将所述一个或更多个处理变量的这种贡献应用于特定衬底。这些变量的示例可以包括但不限于照射的变量、投影系统的变量、聚焦、剂量、带宽、曝光持续时间、高频平台移动的特性(例如,衬底平台的移动的移动标准偏差(MSD)、衬底平台的移动的移动平均值、频率、振幅等)、高频激光带宽变化(例如频率、振幅等)、高频激光波长变化和/或衬底的平整度。
在实施例中,一个或更多个处理变量的贡献可以是特定于衬底的。例如,可以确定每个衬底或特定组衬底的贡献。这些变量的示例可以包括但不限于衬底几何形状(高度图、变形图)、衬底处理条件、照射的变量、投影系统的变量、聚焦、剂量、带宽、曝光持续时间、高频平台移动的特性(例如,衬底平台的移动的移动标准偏差(MSD)、衬底平台的移动的移动平均值等)、高频激光带宽变化(例如频率、振幅等)、高频激光波长变化和/或衬底的平整度。
在实施例中,一个或更多个处理变量的贡献可以是特定于图案或图案形成装置的;也就是说,贡献特定于某一实际的图案形成装置或由图案形成装置提供的特定图案。这个贡献可以是独立于另外的衬底的。因此,特定于图案或图案形成装置的贡献可以被预先表征并从数据库获得以随后用于各种组合过程。这些变量的示例可以包括但不限于图案形成装置特征CD、辅助特征的形状和/或部位、通过分辨率增强技术(RET)施加的调整等。
在实施例中,与不同处理变量关联的贡献可能具有不同的空间均匀性。例如,一些处理变量的贡献可能基本上是横跨整个衬底空间上均匀的,而一些其它处理变量的贡献可能不是横跨整个衬底那样地在空间上均匀的。这种差异可能归因于处理变量的不同性质。例如,与抗蚀剂层、抗蚀剂层的显影和/或衬底的蚀刻关联的一个或更多个处理变量的贡献趋向于是基本上在空间上均匀的,因为整个衬底通常同时且在相同条件下涂覆有抗蚀剂层、被显影或被蚀刻,或者趋向于是对称的,因为(例如)在许多这些过程期间旋转所述衬底。例如,与图案转印或光刻设备关联的一个或更多个处理变量的贡献趋向于是较不在空间上均匀的,因为图案转印趋向于是特定于部位的并且一个或更多个处理变量可以在针对一个部位的图案转印与针对另一部位的图案转印之间改变。因此,如果可以从图案化衬底量测数据中去除不是基本上在空间上均匀的贡献,则可以从图案化衬底量测数据获得基本上在空间上均匀的贡献。
因此,在特定的示例中,可以从光刻设备中收集针对被曝光在衬底上的每个点的处理变量数据,诸如调平信息、衬底移动的移动平均值(MA)、MSDxyz、剂量、激光带宽、光瞳形状等。所述数据通常已经在光刻设备中可用,例如在诊断文件中。根据所述数据,对于感兴趣的参数,使用模型可以产生上文描述的贡献,其描述了感兴趣的参数对一个或更多个处理变量的敏感度。一个或更多个敏感度可以从模拟或实验中获得。假设轨道和抗蚀剂模型校准将是完美的,则预期以这种方式产生的贡献在抗蚀剂显影之后的测量期间可见。一旦测量了衬底,例如在显影之后或在蚀刻之后,所述贡献就从图案化衬底量测数据中去除。剩余的贡献现在是图案转印过程前或图案转印过程后(例如,通过轨道和/或蚀刻设备,所述设备通常是场间的)和图案形成装置(场内的)的贡献。光刻设备误差将根据图案化衬底量测数据来校正。类似地,图案形成装置贡献可以被测量并且其贡献被去除以留下图案转印过程前或图案转印过程后的贡献。可以在每个过程流程(例如,所使用的图案化过程步骤和/或设备的组合)或每个具体的设备或其部分(例如,蚀刻设备或蚀刻腔)中去除贡献。
因此,凭借这些技术,可以通过模型化关系或通过从图案化衬底量测数据中去除已知的贡献来获得对感兴趣的参数的贡献。此外,一个或更多个贡献可以是特定于设备的但同时独立于衬底的。但是,一个或更多个其它贡献可以是特定于衬底的。因此,通过贡献的适当混合和匹配,可以估计出图案化过程中某点处的感兴趣的参数的估计。
因此,现在将在聚焦、CD和重叠的背景下描述这些贡献的应用的一些特定示例,以确定对衬底的相应的聚焦、CD和重叠的估计。如将理解的,可以处理和估计额外的或其它的感兴趣的参数。
为了能够实现这些示例,使用了各种数据。例如,光刻设备具有集成在其中的显著的量测能力,用于图案转印控制。这种集成的量测的示例是用于伺服控制的衬底和/或图案形成装置的位置测量装置(例如,传感器IF),测量衬底表面以用于调平控制的调平传感器(例如传感器LS),用于测量衬底的方向、位置和/或变形以能够实现重叠控制的对准传感器(例如,传感器AS),和/或用于控制投影系统的波前的像差传感器(例如,上文描述的剪切干涉仪)。光刻设备将使用来自这些传感器的数据来在以下水平下进行控制:满足其总CD、重叠和/或聚焦预算但同时也保持追踪在控制之后留下的残差和/或误差。这些残差和/或误差可以用于计算在图案转印期间产生的CD、重叠和/或聚焦误差(即光刻设备的对CD、重叠和/或聚焦指纹的贡献)。如将理解的,图案化过程中使用的其它设备可以具有与用于设备的适用的量测类似的信息。
另外,光刻设备设置或控制可以使用一个或更多个数学模型,以确定相应的校准或控制校正。然而,这样的一个或更多个模型可能具有导致非零残留误差的内置假设或限制。这种模型残差可以被用于计算产生的CD、重叠和/或聚焦误差(即模型的对CD、重叠和/或聚焦指纹的贡献)。如将理解的,图案化过程中使用的其它设备可以具有类似的模型信息。
另外,可以通过使用抗蚀剂内(in-resist)测量结果来设置光刻设备,以帮助去除一个或更多个参数(例如,聚焦、重叠等)的任何全局和局部指纹。但是,全局指纹可能会从执行上次校准开始随时间漂移。为了监控和控制这种设置状态,监控衬底可以被曝光并被测量以监控全局指纹。监控衬底可以是基本衬底,并且在衬底中有很好地限定的图案,抗蚀剂层被施加在所述衬底上、被用与所述很好地限定的图案有关的图案曝光、被显影然后被测量。一旦被测量,监控衬底上的抗蚀剂就可以被剥离以留下所述很好地限定的图案,从而可以施加新的抗蚀剂层。根据这些测量结果,可以对光刻设备进行校正,因此在确定这些贡献时需要将这些校正作为因素考虑。在实施例中,监控衬底可以被用于通过使用所述很好地限定的图案来确定重叠和/或通过使用抗蚀剂图案来确定聚焦。
转到聚焦示例,所述技术主要涉及两个主要部分。第一部分实际上是用于确定光刻设备的基础聚焦贡献的设置过程,所述基础聚焦贡献未反映在用于确定估计过程中特定衬底的聚焦估计的一个或更多个类型的光刻设备处理变量中。第二部分是使用与处于考虑中的衬底的这些一个或更多个类型的光刻设备处理变量关联的聚焦贡献来确定针对特定衬底的聚焦的估计的估计过程。
因此,在根据实施例的设置过程中,获得针对一个或更多个衬底的图案化衬底聚焦量测数据,然后以与如上面图10所描述的类似的方式去除一个或更多个类型的光刻设备处理变量的贡献。可以去除的一种类型的贡献是与(例如)光刻设备的调平传感器关联的衬底高度残差或误差映射的聚焦贡献。可以去除的另一类型的贡献是投影系统像平面偏差(IPD)的聚焦贡献,其可以(例如)从剪切干涉仪和/或投影系统模型残差获得。可以去除的另外类型的贡献是图案形成装置和/或衬底伺服控制(例如,MA)的聚焦贡献,其可以从适用的定位器、位置测量装置(例如,传感器IF)和/或伺服控制模型的残差获得。如上文描述的,从处理变量到聚焦贡献的转换可以通过模拟、数学建模和/或实验确定。
根据需要,可以将贡献指纹重新网格化为相同的网格(其可以是与贡献指纹之一的网格相同的网格,或不同的网格)。类似地,贡献指纹可以被重新网格化成图案化衬底量测数据,或者反之亦然。在实施例中,重新网格化包括上采样或下采样。
在实施例中,滤波(例如,移动平均化、去卷积、FFT等)被应用于一贡献,期望在将所述贡献与另一贡献组合之前。
在实施例中,光刻设备的基础聚焦贡献可以一次就被有效地确定,并被用于各种聚焦估计,因此与测量每个衬底相比,量测量可以显著减少。在实施例中,可以通过对衬底上的部位(例如,衬底上的500个目标或更少)和/或对来自一个或更多个批次中的很多个衬底(例如,来自具有25个或更多个衬底的一个批次中的10个或更少个衬底)上的部位进行相对稀疏地采样来获得图案化衬底聚焦量测数据。
在实施例中,图案化衬底聚焦量测数据可以为如上文描述的监控衬底的被测量的聚焦指纹。因此,可以使用已经被捕获的数据。因此,被测量的聚焦指纹可以针对从光刻设备传感器信息导出的光刻设备影响进行校正以达到光刻设备的基础聚焦贡献,诸如投影系统像平面偏差(IPD)的聚焦贡献、衬底高度残差或误差映射的聚焦贡献、和/或图案形成装置和/或衬底伺服控制器的聚焦贡献。
然后,光刻设备的基础聚焦贡献被存储用于产品上聚焦估计。可以针对多个光刻设备确定光刻设备的基础聚焦贡献。可以针对所使用的光刻设备的装置的特定组合来确定光刻设备的基础聚焦贡献。例如,光刻设备可以具有多于一个的衬底台,衬底可以在所述衬底台上被曝光,因此可以针对所使用的装置的特定组合和/或多种组合来确定光刻设备的基础聚焦贡献。
然后,对于产品上估计,针对感兴趣的衬底获得与聚焦有关的一个或更多个类型的光刻设备处理变量的误差或残差,并确定其的聚焦贡献。例如,可以针对感兴趣的衬底来获得投影系统像平面偏差(IPD)的聚焦贡献、衬底高度残差或误差映射的聚焦贡献、和/或图案形成装置和/或衬底伺服控制器的聚焦贡献。可以添加的另外类型的贡献是图案形成装置误差的聚焦贡献,所述聚焦贡献可归因于正在被用于感兴趣的特定衬底的图案形成装置,其可以通过测量获得。可以具体地使用这个贡献,如果在不使用图案形成装置的情况下针对感兴趣的衬底获得光刻设备的适用的基础聚焦贡献。
另外,获得光刻设备(如上文描述的)的适用的基础聚焦贡献。然后,将光刻设备的适用的基础聚焦贡献组合(类似于上文关于图9所描述的),并且感兴趣的衬底的一个或更多个特定的聚焦贡献被用于针对感兴趣的衬底来获得估计的聚焦指纹。因此,可以任何衬底上的任何部位或几乎任何部位处确定聚焦误差的估计。
现在,转向CD示例,原则上,有许多处理变量可能导致衬底中的CD变化。在所述实施例中,考虑了横跨衬底的某些CD变化。特别地,考虑了关于聚焦、聚焦模糊、剂量和总过程的CD变化贡献。也可以考虑图案形成装置(其为CD变化的场内贡献者),但仅为方便起见,将不进一步描述。
对CD的聚焦贡献可以基于如上文描述的聚焦贡献,具体地,基于基础光刻设备聚焦贡献与针对所考虑的衬底的光刻设备的一个或更多个处理变量的聚焦贡献的组合。原则上,所述密集的聚焦信息可以被转换成横跨场和/或横跨衬底的针对任何图案特征的ΔCD贡献,假设例如,特征的Bossung行为(光刻之后和/或蚀刻之后)可以通过实验或模拟来知道。因此,对于具有一聚焦值的衬底上的任何部位(x,y),可以计算对应于衬底部位(x,y)的CD值:
CD(HDFMx,y)=Φ1(HDFMx,y)
其中HDFM对应于聚焦图,诸如上文在聚焦示例中描述的导出的高密度聚焦图。
可以使用光刻设备数据,诸如伺服信息(例如,z方向上的MSD)来获得对CD的聚焦模糊贡献。可以将聚焦模糊信息转换成在扫描方向上且横跨衬底的ΔCD贡献。这种聚焦模糊数据到CD的转换也是特定于特征的,并且可以通过实验或模拟来知道:
CD(fblurx,y)=Φ2(fblurx,y)
其中fblur对应于聚焦模糊。
对CD的剂量贡献是由于光刻设备的剂量变化(例如由剂量映射系统确定的)。可以使用适用特征的合适剂量敏感度将在曝光期间横跨衬底的剂量变化转换成ΔCD贡献,其可以通过实验或模拟来知道:
CD(dosex,y)=Φ3(dosex,y)
对CD的总过程贡献是产生于各种过程步骤的CD变化,作为图案化过程的一部分,仅与图案转印分开。因此,在实施例中,总过程贡献是在最终蚀刻步骤之后CD变化的状态,并且不归因于在估计CD变化时考虑的各种其它CD变化。因此,在实施例中,所述贡献是针对产生于例如膜沉积变化、烘焙和/或显影变化、和/或蚀刻过程变化的过程变化的所有未计入的累积效果。对CD的总过程贡献产生贡献的处理变量的示例可以包括抗蚀剂层下方的结构的特性、抗蚀剂层的化学成分和/或物理尺寸、和/或在光刻设备中的图案转印上游或下游的一个或更多个过程的特性,诸如旋涂、曝光后焙烤、显影、蚀刻、沉积、掺杂和/或封装。并且,虽然根据蚀刻后描述了对CD的总过程贡献,但是可以针对图案化过程中的不同点获得总过程贡献,例如,在显影之后但在蚀刻之前获得。
因此,类似于聚焦示例的设置过程,由于聚焦、聚焦模糊和剂量引起的所有这些ΔCD贡献可以被使用并从衬底CD测量结果中减去,以估计总过程贡献。也就是说,在实施例中,蚀刻之后的总过程贡献可以从蚀刻之后的锚固特征CD测量结果中产生,从所述锚固特征CD测量结果中去除聚焦、聚焦模糊和剂量(针对锚固特征)的ΔCD贡献。如所提到的,总过程贡献是根据合适的锚固特征估计的。因此,在实施例中,可以根据锚固特征确定其它特征的总过程贡献。例如,总过程贡献的剩余部分可以被表示为锚固特征的特性的一部分。在针对在图案化过程中的不同点获得总过程贡献(例如,在显影之后但在蚀刻之前获得)的情况下,可以使用显影之后但蚀刻之前的CD测量结果。
在实施例中,所述总过程贡献可以一次就被有效地确定,并被用于各种CD估计,因此与测量每个衬底相比,量测量可以显著减少。在实施例中,可以通过对衬底上的部位(例如,衬底上的500个目标或更少)和/或对来自一个或更多个批次中的许多个衬底(例如,来自具有25个或更多个衬底的批次中的10个或更少个衬底)进行相对稀疏地采样来获得图案化衬底聚焦量测数据。
然后,所述总过程贡献被存储用于产品上CD估计。可以针对特定和/或多个设备配置(例如,一个或更多个特定蚀刻腔、蚀刻腔与焙烤板的一个或更多个特定组合、衬底台与蚀刻腔的一个或更多个特定组合等)来确定所述总过程贡献。
然后,类似于上文描述的聚焦估计步骤,可以获得产品上CD估计。在实施例中,针对感兴趣的衬底获得与CD有关的一个或更多个类型的光刻设备处理变量的误差或残差,并确定其CD贡献。例如,可以针对感兴趣的衬底获得聚焦、聚焦模糊和/或剂量的CD贡献。可以添加的另外类型的贡献是图案形成装置误差的CD贡献,所述CD贡献可归因于正在被用于感兴趣的特定衬底的图案形成装置,其可以通过测量获得。
另外,获得对CD的适用的总过程贡献,如上文描述的。然后,将对CD的适用的总过程贡献被组合(类似于上文关于图9所描述的),并且感兴趣的衬底的一个或更多个特定的CD贡献被用于针对感兴趣的衬底来获得估计的CD指纹。因此,可以在任何衬底上的任何部位或几乎任何部位处确定CD误差的估计。
此外,可以获得对衬底上的一个或更多个感兴趣的特定图案特征的估计,诸如热点。如上文所提到的,对CD的总过程贡献是针对特定锚固特征确定的,但是可以针对一个或更多个感兴趣的特定的特征来缩放。另外,可以针对CD变化与一个或更多个类型的光刻设备处理变量之间的一个或更多个特定特征来基于适当敏感度计算一个或更多个类型的光刻设备处理变量(诸如聚焦、聚焦模糊和/或剂量)的CD贡献。这种敏感度可以通过例如模拟和/或实验获得。因此,可以获得多个CD衬底指纹,每个用于不同的热点或图案的其它感兴趣的特征。
可以例如使用在一个或更多个有关模型(例如,图案形成装置和/或像差模型)中的更多参数来改进所述方法。可以凭借例如通过将总过程贡献分解成对不同特征具有不同敏感度的不同的贡献因素(例如,沉积、光刻术和/或蚀刻)来估计所述总过程贡献,从而扩展所述方法。
在实施例中,作为图案化过程的一部分来施加的剂量校正可以被校正以用在结果中。例如,光刻单元可以使用例如ASML的Dosemapper系统施加剂量校正。因此,这个校正是在确定CD估计时被考虑的。
现在转到重叠示例,使用来自至少两个不同的图案转印到衬底上的数据。这些技术类似于上文关于聚焦和CD示例所描述的那些技术。
所述技术基本上涉及两个主要部分。第一部分实际上是用于确定光刻设备的基础重叠贡献的设置过程,所述基础重叠贡献未反映在用于确定估计过程中特定衬底的重叠估计的一个或更多个类型的光刻设备处理变量中。可选地,也可以以类似于上文所讨论的CD示例的总过程CD贡献的方式来确定总过程重叠贡献。第二部分是使用与用于所述至少两个图案转印中的每个的处于考虑之中的衬底的这些一个或更多个类型的光刻设备处理变量关联的重叠贡献来确定针对特定衬底的重叠的估计的估计过程。
因此,在根据实施例的设置过程中,获得针对一个或更多个衬底的图案化衬底重叠量测数据,然后针对至少两个图案转印中的每个,以与如上面图10所描述的类似的方式去除一个或更多个类型的光刻设备处理变量的贡献。可以去除的一种类型的贡献是(例如)从光刻设备的调平传感器获得的衬底高度图的重叠贡献。可以为用于两个图案转印的衬底高度图找到差别,然后可以将所述差别转换为重叠值并因此转换为重叠贡献。例如,通过将高度差视为衬底的翘曲或弯曲并使用第一原理来计算X和/或Y移位(例如,在(例如)衬底的被夹持的区域中,所述移位可以是Z上的变化与X或Y上的变化之比乘以衬底厚度的一半,或者在(例如)衬底的未被夹持的区域中,可以使用Kirchoff-Love板理论来计算所述移位),Z高度差可以被转变成X和/或Y移位。在实施例中,可以通过模拟、数学建模和/或实验来确定高度到重叠贡献的转换。因此,通过每个图案转印使用这种衬底高度信息,可以观察和考虑由聚焦或卡盘斑(chuck spot)引起的重叠影响。
可以去除的另外类型的贡献是图案形成装置和/或衬底伺服控制(例如,MA)在X和/或Y方向上(包括围绕Z的旋转)的重叠贡献,其可以从适用的定位器、位置测量装置(例如,传感器IF)和/或伺服控制模型的残差获得。可以针对两个图案转印的横跨衬底的伺服控制值找到差,然后所述差可以表示重叠贡献。在需要时,可以通过模拟、数学建模和/或实验确定从伺服控制值到重叠贡献的转换。
可以去除的另外类型的贡献是投影系统像差(其可以例如从剪切干涉仪观察到)和/或投影系统模型残差的重叠贡献。可以通过模拟、数学建模和/或实验来确定从像差和/或残差到重叠贡献的转换。
可以去除的另外类型的贡献是对准系统模型残差的重叠贡献,其可以由光刻设备提供。可以通过模拟、数学建模和/或实验来确定从残差到重叠贡献的转换。在实施例中,对于不同的图案转印步骤,对准系统模型残差可以是不同的,因此可以针对不同的图案转印步骤使用对准系统模型残差的组合/差来获得重叠贡献。在实施例中,可以针对衬底高度来校正对准模型残差。
根据需要,贡献指纹可以被重新网格化成相同网格。类似地,贡献指纹可以被重新网格化成图案化衬底量测数据,或者反之亦然。
在实施例中,光刻设备的基础重叠贡献可以一次就被有效地确定,并被用于各种重叠估计,因此与测量每个衬底相比,量测量可以显著减少。在实施例中,可以通过对衬底上的部位(例如,衬底上的500个目标或更少)和/或对来自一个或更多个批次中的许多个衬底(例如,来自具有25个或更多个衬底的批次中的10个或更少个衬底)进行相对稀疏地采样来获得图案化衬底重叠量测数据。
在实施例中,图案化衬底重叠量测数据可以为如上文描述的监控衬底的被测量的重叠指纹。因此,可以使用已经被捕获的数据。因此,被测量的重叠指纹可以针对从光刻设备传感器信息导出的光刻设备影响进行校正以获得光刻设备的基础重叠贡献,所述光刻设备影响诸如投影系统的重叠贡献、衬底高度的重叠贡献、对准模型残差的重叠贡献、和/或图案形成装置和/或衬底伺服控制的重叠贡献。在实施例中,被测量的重叠指纹数据将一次就被捕获用于产品衬底的第一图案转印,然后再次被捕获用于第二图案转印(并且将在图案转印之间的监控衬底返工)。在实施例中,图案化衬底重叠量测数据是重叠德耳塔指纹,所述重叠德耳塔指纹是在第一图案转印之后从一个或更多个监控衬底测量的重叠指纹与在第二图案转印之后从一个或更多个监控衬底测量的重叠指纹之间的差得到的。因此,通过在与产品层大致相同的时间暴露一组监控衬底,可以量化在短期漂移方面对重叠的光刻设备贡献。也就是说,利用那时的重叠德耳塔指纹,可以获得由于第一图案转印与第二图案转印之间的短期漂移引起的对场外的重叠的光刻设备贡献。
可选地,在期望蚀刻之后的重叠的情况下,可以确定对重叠的蚀刻过程贡献,其是由蚀刻引起的重叠变化。为了获得蚀刻过程重叠贡献,可以从蚀刻之后的图案化衬底量测数据中去除显影之后但在蚀刻之前的图案化衬底量测数据,以获得蚀刻过程重叠贡献。在实施例中,所述蚀刻过程重叠贡献可以一次就被有效地确定,并被用于重叠估计,因此与测量每个衬底相比,量测量可以显著减少。在实施例中,可以通过对衬底上的部位(例如,衬底上的500个目标或更少)和/或对来自一个或更多个批次中的许多个衬底(例如,来自具有25个或更多个衬底的批次中的10个或更少个衬底)进行相对稀疏地采样来获得图案化衬底重叠量测数据。假设每个图案转印之后的蚀刻指纹是相同的,则第一图案转印或第二图案转印处诱发的蚀刻过程指纹可以用在显影之后但蚀刻之前的重叠测量与在所述第一图案转印和第二图案转印中的另一个的蚀刻之后的蚀刻之后的重叠测量之间的德耳塔指纹推导出。
然后,光刻设备的基础重叠贡献(以及可选的蚀刻过程重叠贡献)被存储用于产品上重叠估计。可以针对多个光刻设备确定光刻设备的基础重叠贡献。可以针对所使用的光刻设备的装置的特定组合来确定光刻设备的基础重叠贡献。例如,光刻设备可以具有多于一个的衬底台,衬底可以在所述衬底台上被曝光,因此可以针对所使用的装置的特定组合和/或多种组合来确定光刻设备的基础重叠贡献。可以针对特定和/或多个设备配置(例如,一个或更多个特定的蚀刻腔)确定蚀刻过程重叠贡献。
然后,对于产品上估计,针对感兴趣的衬底获得与重叠有关的一个或更多个类型的光刻设备处理变量的误差或残差,并确定其重叠贡献。可以针对感兴趣的衬底获得投影系统的重叠贡献、衬底高度的重叠贡献、对准模型残差的重叠贡献、和/或图案形成装置和/或衬底伺服控制的重叠贡献,以获得光刻设备的基础重叠贡献。在实施例中,仅获得了衬底高度的重叠贡献。
另外,获得了如上文描述的光刻设备的适用的基础重叠贡献,并且可选地,获得了适用的蚀刻过程重叠贡献。然后,将光刻设备的适用的基础重叠贡献(和可选地,可选的蚀刻过程重叠贡献)组合(类似于上文关于图9所描述的),并且感兴趣的衬底的一个或更多个特定的重叠贡献来获得针对感兴趣的衬底的估计的重叠指纹。因此,可以确定任何衬底上的几乎任何部位处的重叠的估计。
在实施例中,作为图案化过程的一部分来施加的重叠校正可以被校正以用在结果中。例如,光刻单元可以使用(例如)ASML的基线系统(Baseliner system)(例如)基于监控衬底的测量结果来施加重叠校正。因此,这个校正是在确定重叠估计时被考虑的。
在实施例中,在多重图案化过程中,期望的是,在第一图案转印步骤与第二图案转印步骤之间,曝光和光刻设备条件(例如,曝光剂量、图案形成装置透射、图案形成装置适格误差、照射设定、光刻设备衬底夹持误差等)非常类似。此外,期望在第一图案转印步骤与第二图案转印步骤之间,在场内的水平处的曝光和加热标识是类似的,因此对重叠的这种影响应该很小。
另外,在实施例中,可以对多个预测进行组合。例如,可以将重叠预测与CD预测进行组合。例如,在使用不同的图案转印步骤创建彼此相邻的结构并且这些结构在其之间具有间隙的多重图案化情形下,CD、一个或更多个不同图案转印步骤以及不同图案转印步骤的重叠的组合可以给出比单独的重叠或CD估计更好的间隙尺寸预测。
图11随后示意性地显示了用于根据实施例的方法的流程。特别地,它显示了广义的贡献(诸如光刻设备的基础聚焦贡献、对CD的总过程贡献和/或光刻设备的基础重叠贡献(以及可选地,适用的蚀刻过程重叠贡献)可以如何被施加到感兴趣的衬底的特定信息,以获得所述衬底的感兴趣的参数估计。因此,贡献912对应于特定衬底的一个或更多个处理变量,并且例如对应于热点的一个或更多个处理变量。这可以通过模型化、根装置信息等确定。另外,获得了可应用于多个衬底的贡献922,诸如光刻设备的基础聚焦贡献、对CD的总过程贡献和/或光刻设备的基础重叠贡献(和可选地,适用的蚀刻过程重叠贡献)。可以使用本文中描述的任何技术来获得贡献922。可以针对多个衬底(例如,针对每个感兴趣的衬底)确定贡献912,同时可以横跨许多衬底重复使用贡献922。贡献912和贡献922被组合以获得针对(例如)热点的感兴趣的参数的估计950,而不一定需要获得热点的图案化衬底量测数据。在工序970中,采取动作,基于感兴趣的参数的估计来确定诸如在热点处是否存在缺陷。
因此,可以利用装置传感器数据来增强抗蚀剂中和/或在蚀刻之后的量测,以获得计算的量测,所述计算的量测可以(例如)提供每个衬底的密集的量测,而不必具有衬底的密集的采样和/或为许多(如果不是每个)衬底提供量测,不必针对每个这样的衬底获得图案化衬底量测数据。另外,例如,密集的计算的量测可以实现较高次的校正。计算的量测也可以实现更大的控制,可能包括每个衬底控制,而不必针对每个这样的衬底获得图案化衬底量测数据和/或不必在衬底上密集地测量图案化衬底量测数据。
此外,根据这些计算的量测技术的估计可以实现各种应用,诸如图案化过程控制(例如,调整一个或更多个过程变量)、图案化处理监控、故障检测、缺陷预测、图案化过程设计等。
在实施例中,可以使用被导出的贡献(诸如使用图10导出的贡献)来对数学模型进行参数化,以确定一个或更多个处理变量的变化对感兴趣的参数的贡献。也就是说,可以对被导出的贡献拟合数学模型,从而获得所述数学模型的一个或更多个参数、常数等的值。因此,作为示例,期望具有一模型和在所述模型中表示的任何敏感度,以适应过程和/或衬底叠层中的变化。因此,在实施例中,可以产生针对将被测量的每个衬底的预测的衬底指纹。为此,可以建立感兴趣的参数的模型,例如,对于CD,模型包括CD=a1*DOSE+a2*FOCUS2+a3*MSDx+a4*MSDy+a5*MSDz+...。对于衬底的测量,可以去除过程(例如,涂覆显影(track)/蚀刻)前和/或后的指纹和图案形成装置指纹。可以将剩余的指纹测量结果与预测值进行比较。在这种情形下,现在存在一组方程(与测量点一样多的方程),其中CD、剂量、聚焦、MSD-xyz、像差等是已知的。可以针对期望的敏感度(a1,a2,...)求解所述组方程。当这被针对某一器件图案测量的若干衬底执行时,将有大量数据用于重新估计期望的敏感度。如果以相同的方式使用来自多个光刻设备的数据和/或来自聚焦曝光矩阵曝光的数据,则输入信号中的充分变化(例如,聚焦、剂量、MSD、CD等)可以实现正确的敏感度估计。另外,所述技术可以被应用于其它感兴趣的参数,诸如焦深、曝光宽容度、重叠、边缘位置等。
在实施例中,可以使用训练算法来增加另外的准确度。例如,当解决像差的敏感度时,可以考虑这样的边界条件:在拟合这些敏感度之前,像差只能在狭缝上变化且对CD(或重叠)数据进行预过滤。在实施例中,通过不时地或连续地重新估算这些敏感度,这些敏感度可以相对于图案化过程中的变化变得更具鲁棒性。
返回参考图6及其关联的描述,在实施例中,参数化模型206中的变量中的一个或更多个对计算的辐射分布的影响可能比一个或更多个其它变量更强。例如,一个或更多个变量的小百分比变化可能导致计算的辐射分布的显著差异。这种变量可以被称为强变量。强变量可以包括但不限于特征的临界尺寸。另一方面,一个或更多个其它变量的大百分比变化可能导致计算的辐射分布的小差异。这种变量可以被称为弱变量。弱变量可以包括但不限于特征的侧壁角、特征的高度、层的厚度、显影期间的抗蚀剂损失、特征的支承(footing)、层的折射率、层的吸收率和/或层的消光系数。
参数化模型206中的强变量和弱变量都可以由使用者(例如,人、控制系统等)使用以估计图案化过程的一个或更多个步骤。具体地,一个或更多个弱变量可以用于确定目标30′或其它图案上是否存在缺陷,所述目标30′或其它图案可以被用于在光刻设备中的图案转印上游或下游的一个或更多个过程(诸如旋涂、PEB、显影、蚀刻、沉积、掺杂和/或封装)中。例如,当衬底上的图案的侧壁角超过某一阈值时,在随后的蚀刻期间可能会产生一个或更多个缺陷。这样,可以在蚀刻过程发生之前,基于衬底上的图案的侧壁角的值预测可能由于蚀刻引起的缺陷。这些示例是非限制性的。
然而,直接基于测量结果来确定弱变量的值是具有挑战性的。这是因为可以被用于确定检查系统中弱变量的值的信号通常很弱,并且有时候太弱而无法被检测到。另外,难以提供确定弱变量的值的某一水平的准确度,特别是当参数化模型中存在许多变量且强变量的值未知时。
为了通过如图6所描述的重构过程获得一个或更多个弱变量的更准确的值以用于各种用途(例如,用于预测缺陷),期望确定在重构过程本身之外的参数化模型中的一个或更多个强变量(例如,CD)的值。
图12显示了一种用于确定根据实施例的衬底上的强变量的值的方法(所述方法可以避免对衬底上的强变量执行量测)的流程。所述过程可以被用于获得多个不同的强变量的值。如所显示的,可以通过将来自与光刻设备有关的第一组一个或更多个变量(诸如聚焦、剂量、MSD、像差、光瞳形状等,并且其可以在应用条件下针对每个管芯/场是在空间上指定的且横跨衬底重复,或是横跨衬底在空间上指定的)的第一贡献1610、来自与在光刻设备中图案转印之前或之后的一个或更多个制造过程有关的第二组一个或更多个变量(诸如蚀刻、显影等,并且其可以是横跨衬底在空间上指定的)的第二贡献1620、和来自与图案化过程中使用的图案形成装置有关的第三组一个或更多个变量(诸如掩模CD等,并且其可以在应用条件下对每个管芯/场是空间上指定的且横跨衬底重复,或是横跨衬底在空间上指定的)的第三个贡献1630进行组合来获得衬底的强变量1640的指纹。对于衬底的任何特定部分,诸如目标30′的部分,可以获得强变量1640的指纹。
与光刻设备有关的所述第一组一个或更多个变量可以是上文描述的一个或更多个变量。所述第一贡献1610可以是特定于光刻设备的;也就是说,所述第一贡献1610特定于某一实际光刻设备。在实施例中,所述第一贡献1610并非特定于特定衬底(并且因此可以横跨衬底使用)。因此,所述第一贡献1610可以被预先表征并且稍后从数据库获得以用于重构过程。通过将其与特定衬底的一个或更多个变量的数据和敏感度关系组合,可以将所述第一贡献1610应用于特定衬底。所述第一贡献1610可以是特定于衬底的。例如,可以针对每个衬底或特定组衬底确定所述第一贡献1610,使得强变量1640的指纹特定于所述衬底或所述组衬底。所述第一组变量的示例可以包括但不限于照射的变量、投影系统的变量、聚焦、剂量、带宽、曝光持续时间、高频平台移动的特性(例如,衬底平台的移动的移动标准偏差(MSD)、衬底平台的移动的移动平均值等)、高频激光带宽变化(例如频率、振幅等)、高频激光波长变化和/或衬底的平整度。
与图案形成装置有关的所述第三组一个或更多个变量可以是上文描述的一个或更多个变量。所述第三贡献1630可以是特定于图案或图案形成装置的;也就是说,所述第三贡献1630特定于某一实际的图案形成装置或由图案形成装置提供的特定图案。所述第三贡献1630可以是独立于衬底的。因此,所述第三贡献1630可以被预先表征并且稍后从数据库获得以用于重构过程。所述第三组变量的示例可以包括但不限于掩模CD、辅助特征的形状和/或部位、通过分辨率增强技术(RET)施加的调整等。
与在光刻设备中图案转印之前或之后的一个或更多个制造过程有关的所述第二组一个或更多个变量可以是上文描述的一个或更多个变量。与所述第一贡献1610类似,所述第二贡献1620可以是独立于衬底的或依赖于衬底的。在实施例中,所述第二贡献1620可以横跨每个衬底被重复使用。因此,所述第二贡献1620可以被预先表征并且在重构过程期间从数据库获得。所述第二组一个或更多个变量的示例可以包括但不限于光刻设备中的图案转印的上游或下游的过程(诸如旋涂、PEB、显影、蚀刻、沉积、掺杂和/或封装)的各种特性。
所述第一贡献1610、所述第二贡献1620和/或所述第三贡献1630可以由(例如)使用图8-11中的任一个中的流程来进行实验或从先前的生产数据中获取进行表征。在实施例中,可以通过使用图案形成装置量测工具直接测量图案形成装置来获得所述第三贡献1630(即图案形成装置指纹)。
在确定了强变量的指纹1640之后,可以通过将强变量的指纹1640与强变量的某一值1650进行组合来获得强变量1660的值。在实施例中,强变量的某一值可以是名义设计值。在实施例中,强变量可以是衬底上的强变量的一组测量结果的平均值。可以对衬底上的两个或更多个管芯中的相同特征执行强变量的所述组测量。
给定参数化模型中的一个或更多个强变量的值(例如,通过使所述一个或更多个强变量的值固定,或者通过将所述一个或更多个强变量中的每个的值限制在预定范围内(例如,在10%内、5%内、3%内、1%内)),一个或更多个弱变量可以被调整,直到计算的辐射分布基本上类似于测量的辐射分布,或者计算的辐射分布与测量的辐射分布之间的差在预定的容许度阈值内。当计算的辐射分布基本上类似于测量的辐射分布,或者所述差在预定的容许度阈值内时,可以输出一个或更多个弱变量的值。
如上文描述的,可以使用一个或更多个弱变量的值来预测是否存在由于在曝光之后的一个或更多个下游过程(例如,PEB、抗蚀剂层的显影、蚀刻、沉积、掺杂和/或封装)引起的缺陷。如果预测出缺陷,则所述第一组一个或更多个变量、所述第二组一个或更多个变量和/或所述第三组一个或更多个变量中的一个或更多个变量的值可以被调整以获得强变量的新指纹。这样做是为了可以使用上文描述的过程重构一个或更多个弱变量的新的一组值。可以迭代地执行这样的调整,直到基于所述一个或更多个弱变量的新的一组值预测到没有缺陷为止。
在上文讨论的贡献/指纹的另外的应用中,可以使用一个或更多个贡献/指纹来预测图案的轮廓。在这种背景下,轮廓是被转印到衬底的图案的特征的形状的轮廓。例如,可以通过对衬底的图像(例如,扫描电子显微镜图像)进行处理来使轮廓可视化,以提取被转印到衬底的图案特征的形状的外边界。但是,也可以通过数学过程(例如,模拟)产生轮廓,从而创建图案特征的电子表示,因为预期其被转印到衬底。虽然轮廓典型地是线的形式,但是这里使用的轮廓可以被更多地上位化成描述特征的边界的数据。所述轮廓不需要是连续的;也就是说,如果不连续的轮廓和/或数据充分描述了特征的边界,则所述轮廓和/或数据可以在所述特征周围是不连续的。在实施例中,所述轮廓可以是二维的(即,被定义成平面)或三维的。在实施例中,所述轮廓可以在与其上形成有图案的衬底的表面基本上平行的平面中延伸。在实施例中,所述轮廓可以在与其上形成有图案的衬底的表面基本上垂直的平面中延伸;在这种情况下,所述轮廓可以被表征为分布(profile),并且可以是二维或三维形式。
为了预测所述轮廓,可以如本文所描述的那样获得一个或更多个贡献/指纹并将其用于选择某一名义轮廓和/或修改名义轮廓,以便获得预测的轮廓。参考图13,描绘了预测轮廓的方法的流程图的实施例。在1700处,确定图案的特征的名义轮廓。在实施例中,所述名义轮廓是在抗蚀剂中所预期的轮廓。在实施例中,所述名义轮廓是在显影后的抗蚀剂中所预期的轮廓。
在实施例中,可以经由模型和/或模拟通过数学计算获得所述名义轮廓。在实施例中,模拟器或模型(例如诸如ASML的Tachyon product之类的模拟器)可以针对所述特征的图案化过程的一个或更多个处理变量确定在适用的设计值下的图案的特征的预期的轮廓。然后可以将通过计算获得的所述轮廓指定为名义轮廓。类似地,所述模拟器或模型可以确定在所述一个或更多个处理变量(例如,一个或更多个光学设定或条件,诸如不同的聚焦设定或条件、不同的剂量设定或条件、不同投影系统像差设定或条件、不同的照射光瞳形状设定或条件等)的各种不同值下的轮廓,以获得特征的多个轮廓,每个轮廓处于所述一个或更多个处理变量的不同值下。然后可以将通过计算获得的这些轮廓指定为名义轮廓,并且每个名义轮廓与所述一个或更多个处理变量的不同值关联。在实施例中,针对不同的聚焦设定或条件确定这些名义轮廓,因此每个名义轮廓可以与不同的聚焦设定或条件(诸如距最佳聚焦的某一偏差)关联。虽然下面的描述关注于聚焦设定或条件,但是可以针对与聚焦不同的设定或条件确定名义轮廓,且可以针对设定或条件的各种组合来确定名义轮廓。
在实施例中,评估了一个或更多个处理变量的影响,针对所述一个或更多个处理变量,确定所述名义轮廓对一个或更多个其它处理变量的影响。在实施例中,被评估的一个或更多个其它处理变量是对轮廓的形状和/或尺寸有影响的一个或更多个处理变量。因此,在实施例中,在针对聚焦设定确定所述名义轮廓的情况下,确定聚焦对一个或更多个其它处理变量(诸如CD)的影响。在实施例中,可以使用聚焦曝光矩阵(FEM)类型过程来确定所述影响,其中在至少不同的聚焦设定或条件下评估某一图案。然后可以确定在那些不同聚焦设定或条件下的CD,以便评估由聚焦引起的CD的变化量有多少。在实施例中,可以使用一个或更多个处理过的衬底(其随后被量测工具测量)通过实验确定上文描述的影响。在实施例中,可以使用模拟器确定上文描述的影响。
除通过计算确定名义轮廓之外或作为其的替代,在实施例中,可以通过实验获得名义轮廓。例如,可以在用于图案化过程的一个或更多个处理变量的适用设计值下、在一个或更多个衬底上创建所述特征,然后测量(例如,使用扫描电子显微镜)所述特征以导出所述特征的轮廓。然后可以将通过测量获得的所述轮廓指定为名义轮廓。另外或可替代地,可以在一个或更多个处理变量的各种不同值(例如,如文所描述的一个或更多个光学设定或条件)下、在一个或更多个衬底上创建所述特征,然后测量(例如,使用扫描电子显微镜)所述特征以导出所述特征的多个轮廓,每个轮廓处于所述一个或更多个处理变量的不同值下。然后可以将通过测量获得的这些轮廓指定为名义轮廓,并且每个名义轮廓与所述一个或更多个处理变量的不同值关联。因此,作为特定示例,每个名义轮廓可以与不同的聚焦设定或条件关联(诸如距最佳聚焦某一偏差)。
因此,在实施例中,名义轮廓可以提供所述轮廓的形状的指示。例如,名义轮廓可以提供在特定聚焦条件下所述轮廓的形状的指示。因此,在多个不同的聚焦条件下获得多个名义轮廓的情况下,每个名义轮廓可以在适用的聚焦条件下提供预测的轮廓的形状的指示。
因此,在实施例中且如将进一步讨论的,在多个名义轮廓(每个名义轮廓与一个或更多个处理变量(例如,聚焦)的不同值关联)的情况下,针对所述一个或更多个处理变量的任何值,可以通过参考名义轮廓来预测轮廓的形状。如果名义轮廓针对于所述一个或更多个处理变量的特定值是不可用的,则可以通过插值、外推等产生轮廓。因此,作为示例,对于衬底上某一部位上的任何聚焦值,可以预测感兴趣的适用的图案特征的轮廓的形状。
因此,在1710处,可以针对已经确定了名义轮廓的一个或更多个处理变量获得第一贡献/指纹。可以使用本文描述的任何技术获得所述第一贡献/指纹。在实施例中,所述第一贡献/指纹对应于蚀刻之前的情形。
在实施例中,所述第一贡献/指纹具有聚焦,因此,在实施例中,所述第一贡献/指纹是横跨衬底的聚焦图。在实施例中,可以基于从用于图案化所述衬底的光刻设备获得的数据来产生所述第一贡献/指纹。例如,所述光刻设备可以提供聚焦信息(例如,聚焦残差误差等)和/或高频平台移动的特性(例如,MSD)以构造聚焦图。图14显示了用于图案化过程的示例聚焦图1800,其中不同的阴影示意性地表示距名义聚焦(例如,最佳聚焦、平均聚焦等)不同的偏差。
在1720处,第一贡献/指纹1710被用于选择针对感兴趣的特征的名义轮廓。例如,在衬底上的特定部位处且针对特定的感兴趣的特征,可以从第一贡献/指纹1710确定一个或更多个处理变量的值(已经针对这些值确定了名义轮廓),然后用这些值选择关联的名义轮廓。因此,在第一贡献/指纹1710是聚焦图的示例中,所述聚焦图内的衬底部位处的聚焦估计可以被用于获得关联的名义轮廓作为轮廓的预测。因此,可以对每个特征和每个衬底部位确定预测的轮廓。
再次参考图14,描绘了这种选择的示例。在图14中,显示了处于最佳聚焦的名义轮廓1810、1812、1814。现在,在与名义轮廓1812关联的聚焦图1800上的部位处,所述聚焦图指示聚焦处于或接近最佳聚焦。因此,对于所述部位,名义轮廓1812将被选择作为预测的轮廓。对于与名义轮廓1810关联的部位,所述聚焦图指示所述聚焦处于负离焦-F。因此,在所述情况下,代替使用名义轮廓1810,将选择针对负离焦-F确定的名义轮廓,即名义轮廓1820。如图14所见,名义轮廓1820具有所述特征的特性,但由于负离焦-F而具有不同的形状。类似地,对于与名义轮廓1814关联的部位,所述聚焦图指示所述聚焦处于正离焦+F。因此,在所述情况下,代替使用名义轮廓1814,将选择针对正离焦+F确定的名义轮廓,即名义轮廓1830。如图14所见,名义轮廓1830具有所述特征的特性,但由于正离焦+F而具有不同的形状。因此,在-F的聚焦处,最佳聚焦处的名义轮廓改变形状并且类似地,对于+F的聚焦,最佳聚焦处的名义轮廓改变形状。因此,例如,如果F是距最佳聚焦的偏差并且+F和-F具有相同的绝对值,则相应的轮廓形状变化可以与图14中的所显示的相同。
返回参考图13,在1730处,可以针对除了已经确定了名义轮廓的一个或更多个处理变量之外的一个或更多个处理变量获得第二贡献/指纹。可以使用本文描述的任何技术获得所述第二贡献/指纹1730。在实施例中,第二贡献/指纹对应于蚀刻后的情形。
在实施例中,第二贡献/指纹1730具有临界尺寸,因此,在实施例中,第二贡献/指纹是横跨衬底的临界尺寸图(例如,临界尺寸均匀性图)。在实施例中,在图案化过程的蚀刻步骤之后,使用量测工具,基于在具有图案的一个或更多个衬底上被测量的数据来产生贡献/指纹。图15显示了用于图案化过程的示例临界尺寸图1900,其中不同的阴影示意性地表示与名义临界尺寸(例如,设计临界尺寸、平均临界尺寸等)不同的偏差。因此,例如,临界尺寸图1800可以表示在锚固方面测量的临界尺寸,并绘制成平均临界尺寸的%。
在实施例中,针对与第一贡献/指纹关联的一个或更多个处理变量对第二贡献/指纹的一个或更多个处理变量的影响来校正第二贡献/指纹。因此,例如,第一贡献/指纹是聚焦图并且第二贡献/指纹是临界尺寸图,可以针对聚焦(例如,聚焦信息(例如,聚焦残差误差等)和/或高频平台移动的特性))对第二贡献/指纹中的临界尺寸的影响来校正第二贡献/指纹。上文描述了确定这种影响的细节。例如,可以使用FEM来隔离聚焦对图案转印步骤期间产生的CD的影响,然后从蚀刻之后的CD测量结果中去除所述影响。另外或可替代地,可以处理各种光刻设备信号以在图案转印期间获得聚焦的估计值和其对CD的影响,然后从蚀刻之后的CD测量结果中去除所述影响。如将理解的,可以以各种方式进行所述校正,包括将所述校正直接合并到第二贡献/指纹中、在从第二贡献/指纹中选择一值之后进行校正(如下面关于1740所讨论的)等。
在1740处,第二贡献/指纹1730被用于修改针对感兴趣的特征的名义轮廓。在实施例中,所述名义轮廓是在1720处选择的名义轮廓。然而,如果在不使用1720处的选择步骤的情况下已经针对感兴趣的特征选择了给定的名义轮廓,则可以跳过1720处的选择(但是执行修改)。类似地,如果在步骤1720处选择名义轮廓且其不需要修改,则可以跳过1740处的修改。
因此,在1740处,例如,在衬底上的特定部位处且对于特定的感兴趣的特征,从第二贡献/指纹1730获得一个或更多个其它处理变量的值,并且所述值随后被用于确定名义轮廓的适当修改。在实施例中,所述修改是名义轮廓的尺寸的变化。因此,在第二贡献/指纹1730是临界尺寸图的示例中,所述临界尺寸图内的衬底部位处的临界尺寸估计可以被用于修改名义轮廓的尺寸(例如,在1720处选择的名义轮廓)作为轮廓的预测。因此,可以对每个特征和每个衬底部位确定预测的轮廓。
在实施例中,假设在来自第二贡献/指纹1730的某一部位处获得的一个或更多个其它处理变量的值适用于整个感兴趣的特征。因此,如果在第二贡献/指纹1730中表示的特征的临界尺寸偏离某一临界尺寸(例如,平均临界尺寸)达某一量(例如,5%),则在相同的部位处的任何特征的所有临界尺寸都将偏离相同的量。因此,这个假设意味着全部轮廓被再次调整尺寸达与临界尺寸的偏差相同的量。因此,假设在衬底上的某一部位处的特征的全部轮廓尺寸相对地改变了与相同的部位处的锚固方面的临界尺寸(其已经被测量以获得第二贡献/指纹1730)相同的量,则当临界尺寸减小x%时名义轮廓可以缩小x%,当临界尺寸增加x%时名义轮廓扩大x%。横跨整个轮廓均匀地提供所述变化。
再次参考图15,描绘了这种尺寸的变化的示例。在图15中,显示了名义轮廓1910、1912、1914。现在,在临界尺寸图1900上与名义轮廓1912(其可以使用步骤1720进行选择)关联的部位处,临界尺寸图指示临界尺寸对应于名义临界尺寸(例如,设计临界尺寸、平均临界尺寸等)。因此,对于所述部位,名义轮廓1912将被选择作为预测的轮廓。对于与名义轮廓1910关联的部位,临界尺寸图指示临界尺寸降低了某一量(例如,-x%)。因此,在这种情况下,代替使用名义轮廓1910,名义轮廓1910被缩小某一量(例如,-x%)以获得预测的轮廓1920。如图15所示,轮廓1920具有所述特征的特征,但由于较低的临界尺寸而具有较小的尺寸。类似地,对于与名义轮廓1914关联的部位,临界尺寸图指示临界尺寸升高了某一量(例如,+x%)。因此,在这种情况下,代替使用名义轮廓1914,名义轮廓1914的尺寸被增大某一量(例如,+x%)以获得预测的轮廓1930。如图15所示,轮廓1930具有所述特征的特性,但由于较大的临界尺寸而具有较大的尺寸。因此,当具有-x%的临界尺寸时,名义轮廓均匀收缩但仍然保持其形状,在具有+x%的临界尺寸时,名义轮廓的尺寸均匀增加但仍然保持其形状。
因此,在实施例中,假定这两个假设(即某一个或更多个处理变量(例如聚焦)的值可以预测轮廓形状,和某一个或更多个其它处理变量(例如,CD)的值可以预测轮廓尺寸),可以基于从一个或更多个贡献/指纹选择的值来针对特征预测轮廓形状和尺寸。特别地,对于衬底上的每个部位,可以预测一个或更多个感兴趣的特征的全部轮廓。在实施例中,感兴趣的特征是确定的热点。
在特定实施例中,根据临界尺寸和聚焦测量结果来预测轮廓。在特定实施例中,使用临界尺寸和聚焦指纹来估计轮廓。
在1750处,预测的轮廓可以被用于各种应用中。例如,轮廓可以进行自身检查,或者关于一个或更多个其它轮廓进行检查,以确定是否预测到缺陷(例如,可以对颈缩、桥接、线回退、线变薄、重叠、抗蚀剂顶部损失和/或抗蚀剂底切进行一个或更多个检查)。例如,所述技术可以用于确定桥接缺陷。这些缺陷是由相互接触的两个特征引起的,这两个特征原则上发生在两个特征的轮廓上的任何点处(依赖于所述部位处的特定CD、聚焦和/或重叠条件)。与(例如)相邻特征上的切割线处的尺寸的评估相比,轮廓的使用能够实现对这种缺陷的更加鲁棒性的评估。
作为另一示例,所述轮廓可以被用于评估边缘放置位置和/或误差(其也可以被用于识别缺陷,诸如桥接)。实际上,所述技术可以提供量测的计算形式以确定边缘放置误差。例如,使用预测的轮廓,可以预测“虚拟”边缘放置误差。例如,这可以被用于边缘放置误差驱使的多重图案化缺陷预测。因此,可以使用CD和聚焦指纹来估计边缘放置误差驱使的缺陷。
可以使用预测的轮廓来确定潜在缺陷的示例存在于间隔物和切割层过程中。其示例在图16A-C中示出。图16A描绘了示例间隔物和切割层过程,其中使用图案2010“切割”线2000。图16A描绘了名义过程,其中线2000和图案2010处于期望的对准、尺寸等。这种过程的结果将是由图案2010清楚地切割的中部线2000。现在,可以使用图16中示意性显示的图1800和1900来施加图13的过程,以获得对线2000和图案2010的预测的轮廓的确定。在图16B中显示的所述示例中,确定已经预测了图案2010的轮廓以增加尺寸(尽管在所述示例中,形状没有改变但是形状可以改变),而线2000的预测的轮廓与预期的一样。现在,图16C显示了如果在间隔物和切割层过程中使用图案2010的预测的轮廓的结果。如在2020处所见,将不期望图案2010切割上部和下部线2000的一部分。因此,在实施例中,当使用图案2010切割线2000时,可以将间隔物和切割层过程的预测的操作标记为产生潜在缺陷。
作为另一示例,预测的轮廓可以被用于确定光刻-蚀刻-光刻-蚀刻(LELE)过程中的潜在缺陷。其示例在图17A-C中示出。图17A描绘了示例光刻-蚀刻和光刻-蚀刻过程,其中线2100在第一光刻-刻蚀过程中创建,并且图案2110通过第二光刻-蚀刻过程与线2100交错。图17A描绘了名义过程,其中线2100和图案2110处于期望的对准、尺寸等。这种过程的结果将是图案2110与线2100之间的设计的分离。现在,可以使用图17中示意性显示的图1800和1900来施加图13的过程,以实现线2100和图案2110的预测的轮廓的确定。在图17B中显示的所述示例中,确定已经预测了图案2110的轮廓以增加尺寸并改变形状,而线2100的预测的轮廓与预期的一样。现在,图17C显示了如果在光刻-刻蚀和光刻-刻蚀过程中使用图案2110的预测的轮廓的结果。如在2120处所见,将不期望图案2110太靠近下部线2100(例如,这些特征之间的间隔低于某一阈值);即其是交叠区域或违反最小距离要求。这可能导致桥接缺陷。另外,图案2110可能具有颈缩缺陷2130,其中所述特征已经被改变形状,使得其已变得太窄(例如,宽度已经低于阈值)。因此,在实施例中,当图案2110与线2100一起被创建时,可以将光刻-蚀刻和光刻-蚀刻过程的预测的操作标记为产生一个或更多个潜在缺陷。因此,在实施例中,对于多重曝光LELE类型应用中的缺陷预测,与仅使用缺陷指示器/切割线相比,预测的轮廓应能够改善颈缩和/或桥接缺陷的预测能力。
在预测的轮廓的另一可能的用途中,预测的轮廓可以被用于模型校准,特别是光学邻近效应校正模型的校准。预测的轮廓能够实现测量的量规(轮廓)中的蚀刻指纹和/或聚焦指纹校正。例如,所述预测的轮廓可以被用于校准蚀刻之后的模型的掩模数据准备。
因此,在实施例中,所述技术能够实现从虚拟衬底进行轮廓预测;因此,所述技术将量测与计算组合,以便产生轮廓而不必测量它们。在实施例中,所述技术能够在假设适当的指纹(例如,蚀刻之后的临界尺寸指纹和光刻设备聚焦指纹)的情况下实现预测横跨衬底的轮廓和边缘放置误差的变化。在实施例中,所述技术能够对多重图案化实现更好的预测能力。在实施例中,所述技术能够通过使用边缘放置优化基于预测的轮廓来实现图案控制。
在另外的实施例中,本文中描述的技术可以被应用于对准测量。如本领域所公知的,至少在衬底和图案形成装置(例如,掩模)上设置各种对准标记(例如,以衍射光栅的形式)。也可以在其它结构(诸如衬底台)上设置对准标记。使用对准传感器测量对准标记,以确定衬底表面上和/或图案形成装置上的平面中的一个或更多个特定部位的空间位置(包括,例如,在衬底和图案形成装置上的部位之间的相对位置)。被测量的空间位置被用于促进在图案转印到衬底上的(例如)XY平面中的适当定位,即,图案被提供到衬底的图案形成接纳表面上的适当部位。
在图案先前已被施加于衬底上且随后的图案应与之前的图案对准的情况下,这样的适当的定位尤其重要;图案的对准不良可以被表征为重叠误差,如本文中所描述的。为了有助于促进第一器件图案与随后被施加的第二器件图案的正确对准,当产生第一器件图案时,可以产生用于第二器件图案的适当的定位中的对准标记。例如,产生第一器件图案的图案形成装置图案可以具有一个或更多个对准标记图案,当第一器件图案被转印到衬底时,所述一个或更多个对准标记图案被转印到衬底。因此,与第一器件图案关联的那些一个或更多个对准标记被与在第一器件图案一起处理,以在与第一器件图案关联的衬底中的层中产生对准标记结构。然后,当期望施加第二器件图案时,可以测量与第一器件图案关联的那些一个或更多个对准标记(经常典型地通过一个或更多个层,诸如抗蚀剂,施加在顶部上)以确定例如第一器件图案的部位,以便可以准确地放置与第一器件图案关联的第二器件图案。
准确对准有助于确保良好的重叠性能,从而在生产中获得高良率。但是,在设计用于创建器件的衬底上的空间限制意味着在所述衬底上的任何地方都不能设置所述对准标记(毕竟,很大部分所述衬底应被用于施加用于产生器件的图案)。另外,时间限制限制了每个生产衬底的对准标记数量,其可以在生产期间被测量,同时维持制造系统的足够的生产量(例如,每小时处理的生产衬底的数量)。
因此,在典型的布置中,测量横跨衬底的某一数量的对准标记(其典型地将具有横跨衬底的多个管芯/场,其中图案被从图案形成装置转印)以提供对横跨所述衬底的、所述衬底上的部位的位置的非常好的空间覆盖范围。在示例方案中,衬底对准量测次序可以测量横跨衬底的20-100个对准标记(部位)。这些测量的结果捕获横跨衬底的全局指纹,并且每个衬底的空间频率相对较低。测量结果与对准数学模型结合使用。模型的目的是表示器件图案特征的转印位置与理想网格之间的偏差,以便例如可以基于模型的输出执行器件制造过程中的由设备进行的适当校正。如将理解的,可以横跨衬底设置比20-100个还多的对准标记,但是由于(例如)生产量限制或约束,仅对20-100(例如,20-40)个对准标记进行采样。另外,这些被采样的对准标记中的全部或大部分可以被设置在区域中,不能用于器件图案,例如在划线中的器件图案。
但是,这种相对稀疏的对准标记采样并不能捕获具有高空间频率的衬底指纹。结果,重叠性能可能受损。
为了捕获局部效果(即,获得较高的空间频率),可以使用场内的对准方案。但是,它可能有一个或更多个缺点。例如,需要执行对准标记的相对密集的测量,这可能不会在不对生产量产生影响的情况下实现。另外,有价值的管芯内空间将需要被对准标记占据。并且由于约束(诸如生产量),场内的对准可以被限制为比在器件制造过程中由设备(例如,光刻设备)校正的参数更少的参数。例如,用于场内对准的模型可以被定义成每个场6个参数(例如,图案形成装置图案的放大(M)、绕z轴的旋转(R)、在x和y上的平移(Cx、Cy)、在y方向上的放大(My)和扫描偏斜(RI)),即使光刻设备可能能够校正每个器件较高次的图案转印。
因此,期望具有更密集的对准指纹(例如)而不必执行更多的对准标记测量(诸如密集的场内对准)。因此,使用本文中描述的技术,通过将被测量的对准数据与来自对对准的相关贡献者的情景信息组合来计算相对密集的对准指纹(或混合的密集的对准图(HDAM))。也就是说,在类似于上文描述的,在诸如重叠和CD)的其他参数的情境中,可以组合指纹的组合以获得用于对准的导出的指纹。
特别地,在生产中,局部效果可能导致对准标记(以及器件图案的多个部分)中的至少部分的移位,所述局部效果诸如由于(例如)污染引起的衬底高度变化、投影系统像差、图案形成装置写入误差(即在图案形成装置上创建图案或由图案形成装置创建图案时的误差,诸如在掩模的吸收剂层中创建图案时的误差)、加热、过程效果(诸如化学机械平坦化(CMP)、蚀刻等)等。这些局部效果中的一个或更多个可以有效地具有相对高空间频率的指纹,但是所述指纹可能不被在生产中使用的典型的对准标记测量采样捕获(这受制于例如生产量、和/或用于对准标记的可用的管芯/场空间)。
因此,在实施例中,确定这些局部效果中的一个或更多个的对准贡献并且将所述对准贡献以相对低的密度与对准测量结果组合以产生较高密度的对准指纹。对各种局部效果中的一个或更多个的对准的贡献可以从光刻单元中(例如,光刻设备中)的其它量测测量结果导出和/或被“离线”地计算/测量(即,不需要在特定衬底的处理期间,通过光刻单元(针对所述光刻单元确定HDAM)计算或测量所述贡献)。
因此,图18示意性地显示了获得对衬底的对准的被导出的贡献2275的示例,被导出的贡献为多个处理参数的贡献(其一个或更多个可以是被导出的贡献)的组合。因此,可以使用来自对准标记测量2200的被测量的贡献与一个或更多个处理参数(例如,局部效果处理参数)中的每个的贡献组合来获得被导出的贡献2275,诸如由于(例如)污染引起的衬底高度2205、一个或更多个过程效果2210(诸如化学机械平坦化(CMP)、蚀刻等)、加热2215(例如,由于照射束引起的图案形成装置的加热,以获得用于衬底的曝光的图案化束)加热2215、投影系统像差2220和/或图案形成装置写入误差2225。值得注意的是,所述处理参数数据可以从光刻设备或其它图案化过程设备获得,并且可以是产生衬底的副产品,作为图案化过程的一部分。与这些一个或更多个处理参数关联的贡献都不一定需要使用对准传感器对衬底上的对准标记进行测量。
因此,在所述对准情况下,对准标记测量2200的对准指纹(A′)的示例被显示为贡献2240,对衬底高度或不平整度(SH)2205的对准的贡献的示例被显示为贡献2245(示意图显示了横跨衬底的衬底高度数据,所述衬底高度数据可以被转换成对如本文中所描述的对准的对应影响),对一个或更多个过程效果(PE)2210(诸如化学机械平坦化(CMP)、蚀刻等)的对准的贡献的示例被显示为贡献2250(示意图显示了横跨衬底的一个或过程效果数据(诸如蚀刻效果数据),如果需要,所述过程效果数据可以被转换成对如本文中所描述的对准上的对应影响),对加热(RH)2215的对准的贡献的示例被显示为贡献2255(示意图显示了横跨掩模的曝光场的掩模加热数据,所述掩模加热数据可以被转换成对如本文中所描述的衬底处的对准的对应影响),对投影系统像差(PA)2220的对准的贡献的示例被显示为贡献2260,并且对图案形成装置写误差(RWE)2225的对准的贡献的示例被显示为贡献2265。将理解的是,并非所有这些贡献2245-2260都需要与贡献2240组合;而是,一个或更多个贡献2245-2260可以与贡献2240组合。如果适用的话,则可以通过模拟、数学模型化和/或测量/实验来获得这些贡献。例如,可以通过基于物理模型、经验模型化和/或专用测量结果的模拟来获得这些贡献。
一个或更多个这些贡献2245-2260中的每个可以与贡献2240组合在一起2270以得到被导出的贡献2275。虽然元素2270显示为加号,但是2270处的操作不需要是加法,例如,它可以通过使用神经网络而成为乘法、卷积等。对于一个或更多个贡献的运算可能与另外的一个或更多个贡献(例如,贡献2245和2250与贡献2240的加法,以及所述和与一个或更多个贡献2255至2265的卷积)不同。在示例中,对对准的组合贡献可以被表示为A(x,y)=A′(x,y)+b1*F(SH)(x,y)+c1*F(PE)(x,y)+d1*F(RH)(x,y)+e1*F(PA)(x,y)+f1*F(RWE)(x,y)...。可以通过模拟、数学模型化和/或实验来获得各种函数。此外,可能存在未在此处显示的交叉项(诸如聚焦作为RH乘以PA的函数等)。为了获得对准的绝对值,对准的名义值或模拟值可以与这些贡献组合。这些系数(诸如b1、c1等)为对准相对于相应的处理参数或其函数的敏感度。一些贡献横跨衬底(例如,过程效果、衬底高度或不平整度等)但是在实施例中,一个或更多个贡献可能针对每个管芯/场(其可能然后依赖于(例如)每个实例下的适用条件来而被横跨衬底重复),所述一个或更多个贡献诸如加热(RH)2215的贡献、投影系统像差(PA)2220的贡献和图案形成装置写入误差(RWE)2225的贡献。如上文所指出的,贡献2275可以被表征为指纹,因为可以横跨衬底/管芯/场在空间上限定所述贡献。另外,贡献至绝对值的转换可以被表征为指纹,因为可以横跨衬底/管芯/场在空间上限定所述贡献。如将理解的,使用图案化过程处理多个衬底得到的数据可以被用于导出相应的贡献。这个数据可能已经是可获得的,因为它可能是处理这些衬底的副产品。
返回回到与局部效果有关的处理参数的示例,对衬底高度或不平整度2205的对准的贡献可以是被转换为衬底内的平面内移位的调平衬底高度图(例如,每个衬底可以存在超过1000个点、超过5000个点、超过10000个点、超过20000个点或超过50000个点,因此对应的面内移位对应于对准贡献)。通过模拟、数学模型化和/或测量/实验可以获得影响对准且与衬底高度或不平整度对应的面内移位。因此,对过程诱发的污染敏感、被转换成平面内移位的调平测量可以被用于将对准测量结果细化和提高到较高的密度。在实施例中,调平测量是针对进行对准测量时衬底状态的测量。因此,在实施例中,与衬底高度或不平整度关联的指纹可能是特定于所考虑的特定衬底的。
使用特殊技术(诸如3D-NAND),在去除一个或更多个过程依赖的人工制品之后,调平衬底高度图尤其可以探究场内的水平处的对准移位(例如,使用较高量的调平点)。众所周知,使用光学水平传感器,不同衬底和衬底的不同部分将以不同方式与测量辐射束相互作用。换言之,由水平传感器获得的高度测量结果经受依赖于过程的作用并且并非总是给出真实的高度。特别地,当从衬底反射的光经受所谓的Goos-Haenchen偏移时已知将造成表观表面凹陷。这种作用对于不同的材料不同并且在很大程度上依赖于几个层的结构和材料。因此,表观表面凹陷从层至层和横跨衬底的区域之间可能显著变化。例如,重金属化区域将比主要为介电材料的区域更可靠地反射光。因此,一种或更多种技术(诸如所描述的美国专利No.7,265,364、美国专利申请公开出版物No.US2010/0233600和美国专利申请公开出版物No.US 2016-0370711,这些专利的全部内容通过引用并入本文中)可以被用于校正和/或识别一个或依赖于过程的人工制品以便进行去除。
由于与局部效果有关的处理参数而产生的另一贡献是与由于光刻图案转印步骤以外的处理引起的一个或更多个过程效果(例如,由于蚀刻、CMP和/或一个或更多个其它过程步骤引起的对对准标记的影响)关联的指纹。可以使用(例如)关于图3-6描绘和描述的量测设备使用“离线”测量来确定一个或更多个过程效果的数据。在实施例中,一个或更多个过程效果的指纹可以是如上文中所描述的那样确定的被导出的贡献。通过模拟、数学模型化和/或测量/实验可以获得影响与一个或更多个过程效果对应的对准的面内移位。在实施例中,在基于所述对准标记针对特定光刻图案转印步骤进行对准测量之前,过程效果数据与对准标记的创建关联。在实施例中,如果所考虑的衬底受到相同的过程效果,则与所述过程效果关联的指纹可能不依赖于所处理的特定衬底。但是,在一些情况下,与过程效果关联的指纹可能特定于特定的衬底,其中不同的衬底可能经受不同的过程效果值。
另外的可能的处理参数是可能诱发图案偏移的投影系统像差。在实施例中,可以在光刻设备中使用传感器(例如,ASML的ILIAS传感器,所述传感器是干涉仪类型的测量设备,用于测量像差和其它参数)来测量投影系统像差。在实施例中,基于由传感器测量的像差残差来计算对准标记图案偏移的投影系统像差。通过模拟、数学模型化和/或测量/实验可以获得影响与投影系统像差对应的对准的面内移位。在实施例中,在基于所述对准标记针对特定光刻图案转印步骤进行对准测量之前,投影系统像差数据与对准标记的创建关联。在实施例中,与投影系统像差关联的指纹可以被针对管芯/场确定,然后被反复应用于横跨衬底的一个或更多个其它管芯/场。因此,与投影系统像差关联的指纹可能不依赖于所处理的特定的衬底。
加热是可能诱发图案偏移的另一可能的处理参数。在实施例中,加热是对图案形成装置(例如,掩模)的加热和/或对投影系统的加热。在实施例中,加热是由于图案形成装置和/或投影系统对照射进行延长的曝光以进行图案转印导致的。在实施例中,可以使用传感器(例如,温度传感器)在光刻设备中测量所述加热。在实施例中,可以使用一个或更多个图案形成装置和/或投影系统属性(例如,热学材料特性)和照射剂量、基于第一原理来计算所述加热,和/或基于用光刻设备导出的适当数据校准的数学模型来计算所述加热。通过模拟、数学模型化和/或测量/实验可以获得影响与加热对应的对准的面内移位。在实施例中,在基于所述对准标记针对特定光刻图案转印步骤进行对准测量之前,所述加热与对准标记的创建关联。在实施例中,与加热关联的指纹可以被针对管芯/场确定,然后被反复地应用于横跨衬底的一个或更多个其它管芯/场。因此,与加热关联的指纹可能不依赖于所处理的特定的衬底。
图案形成装置写入误差是可能诱发图案偏移的另外的可能的处理参数。在实施例中,图案形成装置写误差是与构成图案形成装置本身中的图像或由图案形成装置本身构成的图像关联的误差。例如,可能未完美地创建在掩模的吸收器中的图案,因此从设计的图案的变化可以被表征为图案形成装置写误差。在实施例中,可以使用量测设备通过“离线”测量来获得图案形成装置写入误差。通过模拟、数学模型化和/或测量/实验可以获得影响与图案形成装置写入误差对应的对准的面内移位。在实施例中,在基于所述对准标记针对特定光刻图案转印步骤进行对准测量之前,图案形成装置写入误差与对准标记的创建关联。在实施例中,与图案形成装置写入误差关联的指纹可以被针对管芯/场确定,然后被反复地应用于横跨衬底的一个或更多个其它管芯/场。因此,与图案形成装置写入误差关联的指纹可能不依赖于所处理的特定的衬底。
也可以或可替代地包括关于一个或更多个其它可能的处理参数的信息(如果可获得),诸如伺服控制(在X、Y和/或Z上的移动平均值(MA)和/或移动标准偏差(MSD))、图案形成装置形状(例如,Z方向上的弯曲)、图案形成装置的表膜的影响、投影系统参考轴变化等。通过模拟、数学模型化和/或测量/实验可以获得影响对准的对应的面内移位。在实施例中,在基于所述对准标记针对特定光刻图案转印步骤进行对准测量之前,这些过程参数中的一个或更多个(例如,图案形成装置形状、表膜的影响、投影系统参考轴等)与对准标记的创建关联。可以从光刻设备(或光刻单元)中的量测测量结果导出、从“离线”量测测量结果导出、或者通过计算(例如,模拟、校准后的数学模型、第一原理等)确定关于这些一个或更多个其它可能的处理参数的信息。
因此,通过将对准测量数据和对由于与局部效果有关的一个或更多个处理参数(所述处理参数数据可以是(例如)光刻设备或其它光刻单元量测数据,和/或其可以是依赖于过程和应用的)引起的对准的影响组合,可以计算混合密集的对准图(HDAM),所述HDAM是用于(例如)光刻图案转印的控制的光刻前图案转印输出。由于所述混合密集的对准图使用从分立的源获得的数据,因此基于计算的所述量测可以分别具有来自过程贡献和应用的贡献的指示。
图19中显示了用于计算HDAM的特定的非限制性示例工作流程。即,图19示意性地显示了导出用于对准的组合贡献的示例,其中使用图18的示例工作流中列出的4个第一输入创建示例HDAM 2275。在所述示例中,所考虑的特定衬底的对准标记测量的对准指纹2240与不通过对准测量获得而是转换成对如上文所描述的对准的影响的三个其它贡献组合,以获得HDAM 2275。其它3个输入是对衬底高度或不平整度2205的对准的贡献2245(示意图显示了横跨衬底的衬底高度数据,所述衬底高度数据可以被转换成对如本文中所描述的对准的对应的影响),对一个或更多个过程效果(诸如化学机械平坦化(CMP)、蚀刻等)的对准的贡献2250(示意图显示了横跨衬底的一个或过程效果数据(诸如蚀刻效果数据),所述效果数据(如果需要)可以被转换成对如本文中所描述的对准的对应影响),和对图像形成装置加热的对准的贡献2255(示意图显示了横跨掩模的曝光场的图案形成装置加热数据,所述加热数据可以被转换成对如本文中所描述的衬底处的对准的影响,并且可以横跨衬底重复管芯/场中的所述影响)。如将理解的,各种贡献可以被重新网格化和/或被适当地缩放以形成HDAM。另外,各种贡献的密度可以如所期望的那样调整以调整HDAM的总密度。因此,通过将对准数据与一个或更多个处理参数的对准效果组合,可以创建比单独的对准数据明显更密集的计算的对准图。
HDAM可以被用于各种目的。示例用途是作为控制图案化过程的输入。例如,HDAM可以是控制光刻设备的图案转印的输入。在这方面,它可以被用作用于确定光刻设备中的校正的场间的和/或场内的衬底对准模型的输入。组合的密集的对准衬底图在场间的和场内的水平两者处提供密集的量测信息,因此可以支持使用高次衬底对准模型作为控制回路的一部分而不是单独使用对准数据。
依赖于使用情况和输入数据,可以在场间的和场内的水平两者处如所期望的那样增强对准密度。与生产中使用的典型对准技术相比,使用这种较高密度的量测,高次的场间的和/或场内的对准模型对于模型内容来说可以具有潜在地较高的准确度(如果具有高次对准模型),这进而改进了每衬底水平处的重叠性能。例如,图20示意性地显示了使用根据现有对准测量方案来确定的指纹进行校正的图案化过程如何转换成重叠误差指纹的示例。使用现有的对准测量技术获得对准指纹2240,并且对准指纹2240被用于使用对准模型来校正图案化过程。校正后的图案化过程的重叠指纹被显示为2300。从指纹2300中可以看出,存在相当多的相对高幅值的矢量,显示出横跨衬底的不同部位处存在相对显著的重叠误差。相比之下,图21示意性地示出了使用如本文所描述的那样计算的被导出的对准的指纹来校正的图案化过程如何转换成重叠误差的示例。使用本文中描述的技术获得被导出的指纹或HDAM 2275,并且所述被导出的指纹或HDAM 2275被用于使用对准模型(其可以是比单独用于对准指纹2240的更高次的模型)来校正图案化过程。在这个示例中,HDAM具有每个衬底约1000个部位的采样,这明显高于在生产期间单独使用对准测量(考虑到生产的时间限制),并且与在生产期间单独使用对准测量相比明显更密集并且具有更大的器件上图案覆盖范围(考虑到放置对准标记的管芯内/场空间限制)。校正后的图案化过程的重叠指纹被显示为2310。从指纹2310中可以看出,存在非常低幅值的矢量,显示出横跨衬底的不同部位处存在相对不显著的重叠误差。实际上,在示例中,与现有的对准技术相比,在使用从混合密集的对准量测的输出计算的高次校正之后,可以显著地改进重叠(例如,重叠[平均值加三个标准偏差]从4nm减小到1nm)。
在实施例中,可以分析贡献或HDAM以识别可能的显著的对准误差或残差(例如,由于污染问题引起的)。这可以通过(例如)数据的统计分析、通过对数据应用阈值、或两者来完成。如果存在显著的对准误差,则在期望(例如)避免不必要的衬底返工的情况下量测采样可以被重新分布(例如,被增加、被空间集中等)以能够实现改进的计算量测输入和/或精细化建模的复杂性(例如,提供较高次的模型),从而能够实现改进的图案化过程操作。作为示例,在衬底到衬底水平处的主要加热贡献的情况下,这种计算量测可以帮助在场内的水平处提供高量测密度,使得可以使用较高次的场内的衬底对准模型,而没有生产量的冲击(hit)且不会牺牲管芯空间。
因此,在实施例中,提供了一种基于计算的对准量测,其可以基于来自对准测量之外的数据(例如,来自从图案化过程中的其它传感器测量结果的数据,诸如来自由对准传感器之外的光刻设备传感器测量结果的数据)构造混合密集的对准图。HDAM可以“线上”产生,并且可以在光刻图案转印步骤之前产生,其中HDAM可以被用于校正;这可以实现以(例如)前馈方式使用HDAM数据并且能够用于仅在图案转印之前或期间进行校正。在实施例中,可以基于“离线”量测的测量结果来构造混合密集的对准图(例如,图案形成装置写入误差、过程效果(诸如CMP、蚀刻等的效果),其可以与“线上”量测(诸如对准测量)组合。
基于计算的对准量测可以构造混合密集的对准图,其与仅对准测量数据相比衬底对准指纹的密度增加,并且这样做(例如)不会导致衬底处理生产量的下降和/或不会牺牲衬底场/管芯内的空间。基于计算的对准量测可以构造混合密集的对准图,其与仅对准测量数据相比,能够基于混合密集的对准图实现较高次的场内的对准。在实施例中,可以使用物理模型确定对混合密集的对准图的这些贡献中的一个或更多个,从而可以避免模型拟合。例如,可以在场内的水平处计算由于加热诱发的图案偏移引起的(离线)模拟或基于模型的对准指纹,这可以实现较高次场内的衬底对准以补偿衬底到衬底水平处的主要移位。作为另外的示例,可以计算由于光学像差诱发的图案偏移引起的(离线)模拟或基于模型的对准指纹,以产生在场内的水平处的密集的量测数据(例如)以用于场内的衬底对准模型。作为另一示例,可以计算由于图案形成装置写入误差诱发的图案偏移引起的(离线)模拟或基于模型的对准指纹,以产生在场内的水平处的密集的量测数据(例如)以用于场内的衬底对准模型。加热、光学像差和/或图案形成装置写入误差的测量结果可以被输入到相应的对准指纹的确定。
与现有的对准测量过程相比,HDAM的优点是具有较高密度的对准量测,这能够(例如)以比现有对准测量过程更高的空间频率捕获衬底指纹。额外的或替代的优点在于,具有多个输入(贡献)的这种计算量测能够实现误差的预光刻转印分组,并且能够实现包括具有(例如)图案化过程中的不同优先级的多个自动过程控制线程的能力。额外的或替代的优点在于,其计算量测可以“在线”执行,即在衬底的处理期间执行,因此可以适用于前馈校正和/或作为识别过程偏移的工具(以便衬底可以被重新加工、废弃等)。额外的或替代的优点在于,由于高采样密度,所述计算量测能够实现对准的衬底指纹的更准确捕获的确定。额外的或替代的优点在于,由于更准确的对准输入,所述计算量测能够实现改进的重叠衬底到衬底性能。
本文中的方法的结果(或从本文中的方法的结果导出的另一结果(例如,缺陷预测))可以被用于各种目的,包括控制图案化过程中的过程或其中的设备、监控由图案化过程产生的衬底、设计图案化过程的过程或设备等。例如,可以使用这些结果或由此导出的结果,以改变用于衬底的另外的处理或用于另一衬底的处理的图案化过程的设备或过程。例如,这些结果可以被用于预测缺陷。例如,可以使用缺陷的预测来控制量测工具,以检查受影响的区域和/或改变用于衬底的另外的处理或用于另一衬底的处理的图案化过程的设备或过程。另外,这些结果可以被用于通过(例如)为光刻设备的校正导出剂量选择方案来设计图案化过程,从而能够设计图案形成装置及其图案、过程设置等。另外,这些结果可以被用于(例如)光学邻近效应校正模型、源掩模优化模型、光刻制造核查模型、抗蚀剂模型、成像模型、测量模型(例如,对测量过程进行建模)等的模型校准。这些结果可以被用于确定过程的一个或更多个变量(例如,最佳曝光和/或最佳剂量),然后可将其用于各种目的。如将理解的,可以有许多其它用途。
在实施例中,提供了一种方法,包括:确定在执行器件制造过程时与误差或残差关联的第一参数的第一分布;确定在执行所述器件制造过程时与误差或残差关联的第二参数的第二分布;和使用对所述第一分布和第二分布进行运算的函数,通过硬件计算机确定与所述器件制造过程关联的感兴趣的参数的分布。
在实施例中,第一参数、第二参数和感兴趣的参数是相同的。在实施例中,第一分布是特定于器件制造过程的,但不是特定于使用器件制造过程处理的任何特定衬底的。在实施例中,第二分布是特定于使用器件制造过程处理的特定衬底的,但不是通用于使用器件制造过程处理的其它衬底的。在实施例中,第一分布和/或第二分布包括从以下选择的一个或更多个:伺服误差对对相应的第一参数和/或第二参数的贡献、对准模型残差对对相应的第一参数和/或第二参数的贡献、投影系统像差或像平面偏差对相应的第一参数和/或第二参数的贡献、投影系统模型残差对相应的第一参数和/或第二参数的贡献、和/或衬底表面高度对相应的第一参数和/或第二参数的贡献。在实施例中,确定第一分布还包括获得被测量的第一参数的数据并从中去除器件制造过程的特定装置对第一参数的贡献。在实施例中,特定装置的贡献包括从以下选择的一个或更多个:伺服误差的贡献、对准模型残差的贡献、投影系统像差或像平面偏差的贡献、投影系统模型残差的贡献和/或衬底表面高度的贡献。在实施例中,被测量的第一参数的数据包括从监控衬底测量的第一参数的数据。在实施例中,第一分布、第二分布和/或感兴趣的参数的分布包括空间衬底指纹。在实施例中,所述方法还包括使用感兴趣的参数的分布来执行从以下选择的任何一个或更多个:预测衬底的缺陷、控制器件制造过程、监控器件制造过程、设计器件制造过程的方面和/或校准数学模型。在实施例中,第一参数、第二参数和/或感兴趣的参数是从以下选择的一个或更多个:重叠、CD、聚焦、剂量和/或边缘位置。在实施例中,器件制造过程包括光刻过程和/或半导体制造过程。在实施例中,所述函数包括从以下选择的一个或更多个:算术加法、卷积和/或神经网络。在实施例中,第一参数和/或第二参数与感兴趣的参数不同,还包括将第一参数和/或第二参数转换成感兴趣的参数。在实施例中,所述方法还包括使用器件制造过程中使用的光刻设备和/或蚀刻设备提供的数据来确定第一分布和/或第二分布。
在实施例中,提供了一种方法,包括:获得光刻设备对重叠的基础贡献,作为图案化过程的一部分;和通过硬件计算机将所述基础贡献与对衬底的重叠的另外的贡献组合,以获得对所述衬底的重叠的估计。
在实施例中,另外的贡献包括衬底的衬底表面高度对重叠的贡献。在实施例中,另外的贡献包括衬底的衬底伺服误差对重叠的贡献。在实施例中,另外的贡献包括对准和/或投影系统模型残差的贡献。在实施例中,所述方法还包括将基础贡献和衬底表面高度的贡献、蚀刻过程对衬底的重叠的贡献组合。在实施例中,蚀刻过程贡献是特定于图案化过程的,但不是特定于使用图案化过程处理的任何特定衬底的。在实施例中,基础贡献是特定于特定的图案化过程的,但不是特定于使用图案化过程处理的任何特定衬底的。在实施例中,获得基础贡献还包括获得被测量的重叠数据并从中去除光刻设备的特定部件对重叠的贡献。在实施例中,特定部件的贡献包括从以下选择的一个或更多个:伺服误差的贡献、对准模型残差的贡献、投影系统像差的贡献、投影系统模型残差的贡献和/或衬底表面高度的贡献。在实施例中,被测量的重叠数据包括从监控衬底测量的重叠数据。在实施例中,所述贡献包括空间衬底指纹。在实施例中,所述方法还包括使用所述估计来执行从以下选择的任何一个或更多个:预测衬底的缺陷、控制图案化过程、监控图案化过程、设计图案化过程的方面和/或校准数学模型。
在实施例中,提供了一种方法,包括:确定在执行器件制造过程时被测量的对准数据的第一分布;确定在器件制造过程时从处理参数导出的对准数据的第二分布;和通过硬件计算机系统确定与所述器件制造过程关联的感兴趣的参数的分布,作为所述第一分布和第二分布的函数。
在实施例中,所述处理参数包括从以下选择的一个或更多个:衬底高度或不平整度、处理效果、光学像差和/或图案形成装置写入误差。在实施例中,从器件制造过程的多个处理参数导出第二分布。在实施例中,这些处理参数包括衬底高度或不平整度、过程效果和光学元件加热。在实施例中,第二分布是特定于器件制造过程的,但不是特定于使用器件制造过程处理的任何特定衬底的。在实施例中,第二分布是特定于使用器件制造过程处理的特定衬底的,但不是通用于使用器件制造过程处理的其它衬底的。在实施例中,从处理参数的测量结果导出第二分布。在实施例中,所述方法还包括使用对准数据的分布来执行从以下选择的任何一个或更多个:预测衬底的缺陷、控制器件制造过程、监控器件制造过程、设计器件制造过程的方面和/或校准数学模型。在实施例中,所述方法还包括基于对准数据的分布来改变量测数据的采样。在实施例中,所述方法还包括使用与仅与被测量的对准数据一起使用的分布的对准模型相比具有对准数据的分布的更高次的对准模型。在实施例中,所述方法还包括使用由器件制造过程中使用的光刻设备提供的数据来确定第一分布和/或第二分布。在实施例中,第一分布、第二分布和/或感兴趣的参数的分布包括空间衬底指纹。在实施例中,器件制造过程包括光刻过程和/或半导体制造过程。在实施例中,所述函数包括从以下选择的一个或更多个:算术加法、卷积和/或神经网络。
在实施例中,提供了一种方法,包括:基于被测量的对准数据,获得横跨使用图案化过程处理的衬底的至少一部分的对准数据分布;和通过硬件计算机将所述对准数据分布与可归因于除被测量的对准之外的处理参数的对准指纹组合,以获得对所述衬底的对准数据的估计。
在实施例中,对准指纹包括衬底的衬底高度或不平整度对对准的贡献。在实施例中,对准指纹包括衬底的过程效果(由于图案化过程的不同于光刻图案转印的部分引起的)对对准的贡献。在实施例中,对准指纹包括衬底的加热对对准的贡献。在实施例中,对准指纹是特定于图案化过程的,但不是特定于使用图案化过程处理的任何特定衬底的。在实施例中,对准指纹是特定于使用图案化过程处理的特定衬底的,但不是通用于使用图案化过程处理的其它衬底的。在实施例中,从处理参数的测量结果导出对准指纹。在实施例中,对准指纹包括空间衬底指纹。在实施例中,所述方法还包括使用所述估计来执行从以下选择的任何一个或更多个:预测衬底的缺陷、控制图案化过程、监控图案化过程、设计图案化过程的方面和/或校准数学模型。
用于重叠的计算量测(CM)的输入贡献者可以是由扫描器和检查工具的曝光传感器收集的测量。例如,它们可以包括水平传感器和对准传感器测量、分级动态伺服联机(logging)、重叠和其它离线量测测量。
如果我们将对准输入作为示例贡献者,则使用高次对准模型(例如,基于三次多项式)来从对准测量结果计算模型内容。这种模型内容可以由晶片变形贡献和对准标记变形一起来控制。但为了准确的重叠量测监控、控制或缺陷预测,只有晶片变形贡献才是真实信号。对准标记变形是不相关的,并且是应当被排除的误差(或“噪声”)源。包括这种不正确的模型内容的后果是计算量测(CM)的不一致性能。对于仅受到较小对准标记变形的晶片,具有高次模型的对准输入可以由于较高的信噪比而改进量测准度。对于受到严重对准标记变形的晶片,所述输入可能由于低信噪比而降低量测准度。误差(或“噪声”)与所使用的模型的次数成比例。通常,它发生在(例如)在晶片边缘处的部位,在所述部位处由于过程诱发的影响,对准标记变形最大。这种限制导致选择低次模型来限制“噪声”的幅值,但是随后CM的性能受到限制,因为真正的晶片变形信号(仅由高次模型捕获)从输入中丢失。
注意,对于其它输入贡献者来说这些限制通常是存在的,例如,水平传感器测量的晶片高度图、扫描器动力学、离线量测测量的蚀刻诱发的重叠、底部光栅不对称性测量、CD测量等。
当包括来自扫描器或离线量测的测量结果作为CM的输入贡献者时,这些贡献者之间的正交性是有用的假设。利用这种假设,可以添加并关联这些贡献者而不与感兴趣的参数(例如,图案化过程参数,诸如显影之后的重叠、蚀刻之后的重叠、或SEM测量的CD或重叠)串扰。然而,这些贡献者仍可能彼此干扰,特别是在特定的空间频率条件下。依赖于感兴趣的参数,这些贡献者也可以在不同条件下与感兴趣的参数关联。
在用于CM的多个输入贡献者、在高(>100Hz)频率范围的频率分布中,扫描器量测输入(例如,测量晶片高度图的水平传感器)可以预测具有来自其它贡献者(例如,扫描器动力学伺服误差)的小串扰的重叠内容。
但是,在低(<100Hz)频率范围下,贡献者共用共同的频率窗口。这些贡献者包括例如,晶片对准模型内容、监控晶片模型内容、水平传感器测量、动态伺服数据。这意味着这种模型内容可能会相互干扰。但也表明这些贡献者可以与重叠内容中用于特定频率条件的特定部分(这里称为频率窗口)关联。对于这些频率窗口之外的信号,不想要的贡献可能成为“噪声”的部分并且可能降低CM的准确度。因此,经由(例如)频率低/高/带通滤波器从CM的输入贡献者中排除这种“噪声”以增加信噪比是有利的。下面描述的实施例提供了一种用于CM以排除这种“噪声”的方法。
这样的功能对于校准用于不同的感兴趣的参数(用于其它应用的广义数据的使用)的CM的结果也是有用的。例如,在光学测量的重叠与依赖于SEM测量的器件特征的重叠之间,目标由于不同的尺寸和设计而对图案化处理的响应不同。从缺陷预测的角度来看,这种功能对于排除光学测量的贡献者与实际器件的特征的响应之间的不相关的重叠内容是有用的。
在实施例中,模型或NCE(不可校正的误差)模型可以用作频率低/高通滤波器,并且一组特定的模型参数可以用作频率带通滤波器。这意味着只要从两个输入数据中的任何一个推导出的特定模型参数对(即贡献者或任何图案化过程参数)显示每对内的相关性,就可以因此确定这两个输入数据之间的权重(在本文中被称为校准因子)。
在实施例中,提供了一种推导校准因子的方法,所述校准因子用于这两个输入贡献者中的或感兴趣的参数中的任何一个之间的相关模型参数。为了帮助理解,我们在从一个域预测另一其他域的方面上描述了所述方法。用于预测的输入贡献者被定义为域A。感兴趣的参数被定义为域B。
输入贡献者域A可以为参考图7所描述的处理变量,诸如对准变量。感兴趣的参数域B可以为参考图7和图8所描述的图案化过程参数,诸如重叠。
图22示意性地显示了用于根据实施例的方法的流程。
确定感兴趣的参数分布2322(DB),诸如重叠分布。这是在执行器件制造过程时与误差或残差关联的第一参数2321的第一分布2322。为了确定所述分布2322,获得第一参数2321的值2325的第一分布。然后将值2325的第一分布建模2328以获得值的第一建模分布2322(DB)。因此,在所述实施例中,所确定的第一分布(感兴趣的参数)包括值的第一建模分布2322(DB)。
确定输入贡献者分布2312(DA),诸如对准分布。这是在执行器件制造过程时与误差或残差关联的第一参数2311的第二分布2312。为了确定分布,获得第一参数2311的值2315的第二分布。然后将值2315的第一分布建模2318以获得值的第二建模分布2312(DA)。因此,在所述实施例中,所确定的第二分布(输入贡献者)包括值的第一建模分布2312(DA)。
为了建模2328、2318,确定2302变化范围或尺度2304(SV)(例如,频率<100Hz),对于所述变化尺度,第一分布的值2325与第二分布的值2315之间的相关性超过阈值。然后依赖于所确定的变化尺度2304(SV)对值的第一分布和第二分布进行建模2328、2318,以获得值的第一建模分布2322(DB)和第二建模分布2312(DA)。
接下来,由硬件计算机使用在第一分布2322(DB)和第二分布2312(DA)上运算的函数来确定感兴趣的参数(其在所述实施例中是第一参数,例如重叠)的分布。所述实施例中的函数包括对第一分布2322和第二分布2312进行运算的相关性2332(CORR)。
感兴趣的参数的分布2352(DB′)的确定是基于使用通过在与值的第一建模分布2322(DB)关联的第一模型系数和与值的第二建模分布2312(DA)关联的第二模型系数之间的映射2332(CORR)获得的缩放因子2334(校准因子CF)来缩放2335建模的第二分布2312(DA)的。缩放因子2334(校准因子,CF)可以被用于从确定感兴趣的参数的分布2352的步骤中排除建模分量。例如,如果缩放因子低于或等于阈值2333,则可以从所述缩放中排除与值的第一建模分布2312(DA)关联的模型系数。
图23和图24示意性地显示了调整校准因子用于预测感兴趣的参数的分布。可以定义两个域A(对准)和域B(重叠)之间的相关性。对于可以由同一组参数(例如,线性、高次或组合的多项式系数)描述的两个域,可以通过使用简单的线性代数将域B的系数除以域A的系数来定义用于相关系数的一组缩放因子或校准因子。
在一个域接受来自另一域的校正的情况下,在这两个域之间存在大概率的良好的相关性,并且给出了大量的数据点。例如,扫描器使用来自对准测量的信息来校正衬底网格(变形)。存在这样的假设,对于对准模型内使用的高达5次多项式分量的参数,对准与重叠之间存在强相关性。换句话说,域B(重叠)接收来自域A(对准)的校正并且域A与域B之间存在强相关性。
图23和图24图示了预测一个域DB′是通过用所有模型参数的校准因子投影另一个域DA。首先,计算每个域的所有模型参数。两个模型参数MPA和MPB每个都具有其列表显示的八个点P1至P8。
关于图23,表2362显示了域A(DA)和域B(DB)的MPA的值。曲线图2366是域A的MPA对域B的MPA的图,包括表2362中的数据点。通过拟合线性模型(y=a*x)确定相关性来确定模型参数MPA的这些组参数之间的校准因子,这里是0.50(y=0.5*x)。
关于图24,表2364显示了域A(DA)和域B(DB)的MPB的值。曲线图2368是域A的MPB对域B的MPB的图,包括表2364中的数据点。通过拟合线性模型(y=a*x)确定相关性来确定模型参数MPB的这些组参数之间的校准因子,这里是0.33(y=0.33*x)。
对于模型参数MPA和MPB,分别如图23中的表2370和图24中的表2372所显示的,校准因子被用于从域A的参数值中的感兴趣的参数DB′(例如重叠)预测这些模型参数。
即使域A与域B之间可能存在完美的相关性,也不能保证两组参数之间的权重为1。例如,对准测量的晶片到晶片平移值可以是在重叠误差的情境下观察到的平移的两倍。在这种情况下,即使两组参数之间存在完美的相关性,缩放值也不总是1。换句话说,如果两组参数之间存在强相关性,则可以通过调整与域A的参数相乘的参数的校准因子来更精确地预测域B。注意,为了具有良好的预测品质,由于输入采样的不对称布局,优选地,将限制域A和域B的输入采样以避免模型参数之间的串扰。
如果对准和重叠以为1的缩放尺度相关联,则意味着重叠校正是基于代表真实晶片变形的信息的。在这种情况下,对准信息是正确的且是真正的。在这种情况下,来自两组参数的校准因子都是1,这与观察到的缩放尺度相同。
如果对准测量受到对准标记不对称性或量测测量不确定性的影响,则意味着对于对准,存在来自变形的对准标记的错误信息。如果利用所述错误信息计算对准模型,则从标记变形诱发的这些误差将被用于(dial into)重叠预测。在实施例中,通过仅查看对准与重叠之间的这些相关的模型参数(其相关性足够好),可以针对每个参数计算对准与重叠之间的校准因子。通过将这些选择的校准因子应用于对准数据,可以针对所有参数校准(过滤)由错误的对准标记变形诱发的重叠预测。
由于量测重叠目标的变形,经常在量测目标重叠与器件重叠之间存在偏移。所述偏移预算可以被分为“批次”和“晶片到晶片”(W2W)类别。虽然“批次”偏移是基于实际装置重叠测量计算的,但在W2W的情况下,如果量测与装置重叠之间存在稳定的相关性,则可以定义校准因子并将其用于以如上文中所描述的方式校准/预测所述偏移为W2W。这可以通过将具有“量测重叠”的域A更换成具有“器件重叠”的域B来理解。
可以使用情境信息;使用基于情境的分组的构思对重叠的校准/预测进行扩展。对于生产批次被分成几组并且每组用不同的过程工具分别处理的情况,每组的指纹(或晶片/标记变形/不对称性的程度)将彼此不同。在这种情况下,可以将总数据集分组成子数据集,并且可以针对每组再次计算相关性/校准因子。所计算的校准/预测将被分别应用于每个组,从而产生更好的校准/预测结果。
图25示意性地显示了确定正确预测的可能性。竖直轴DB为域B模型参数值,水平轴DA为域A模型参数值。
在计算每个数据集的校准因子时,可以使用如下文所描述的构架来定义正确预测的可能性,并且假设数据点是均匀分布的。
(1)如果某一数据点位于在相关性因子线2706的斜率与域B(DB)的轴之间的区域2704中,则预测的值总是大于零且小于域B的值。然后,域B的某一部分可以被正确地投影/预测。
(2)如果数据点正好在斜率2706上,则投影/预测是完美的。
(3)如果一点位于斜率2706与斜率2710的一半之间的区域2708中,则可以进行预测。但是预测值大于域B的值。对所述数据点的校准改变了校准的结果的符号。
(4)对于位于除这三个(2704、2706和2708)之外的其它区域中的数据点,使用本文中描述的方法校准域B使结果比原始值更差。
由此,可以在下文中利用轴、域A的轴与斜率2706之间的角θ来定义正确预测的区域。随着斜率变得更接近x轴,在角θ1下,正确投影/预测的可能性变为其50%的最大值。但是,随着校准因子接近于零,使用所述投影的好处变得更接近于零。因此,找到特定频率窗口或两个域之间具有良好相关性的条件是非常重要的(例如,使用总数据集分成子集)。这将使数据点的分布集中在斜率上,所述斜率将在上文解释的三个区域(2704、2706和2708)内。也可以在校准因子与校正可能性之间进行权衡。在相关(设置)阶段期间定义的校准因子可以被调整成小于其最初定义的值。这将增加正确预测/校准的数据点的数量,但益处将小于其将会具有的。
实施例提供了一种通用方法,用于根据这些域中的任一域确定被滤波的频率之间的校准因子(这里被称为相关模型参数),和用于将一个域投影到另一域用于量测预测/校准目的,并且校正域投影的能力与校准因子的值有关。
实施例能够横跨传感器中的多个波长(颜色)、时间上的多参考测量(晶片)和测量内的多个空间频率(部位)从晶片变形/对准标记与域投影的不对称性来校准重叠预测。
实施例将数据分成子集,从而增加两个域之间的相关性和预测准确度。
实施例能够从两个域的非相关模型参数中取消选择所述内容,以抑制从输入贡献者诱发的预测的噪声。
实施例能够提供需要实际生产测量的晶片的指示。例如,如果来自新域A的被测量的扫描器量测不再落入之前观察到的种群中,则可以触发用于测量域B中的实际晶片的动作以更新先前定义的种群。
实施例校准出由扫描器测量的或来自预测的任何重叠量测所测量的一部分假内容,即对准标记不对称性、被误校正的晶片变形、或输入贡献者内的任何不相关的内容。
实施例可以被用于输入数据和感兴趣的参数(即离线晶片形状测量或SEM测量)中的任一者。
对于晶片到晶片变化前馈,实施例能够根据前一层的对准预测针对后一层的晶片到晶片校正(当前一层与后一层之间存在相关性时)。例如,针对已经被光刻-蚀刻-光刻-蚀刻处理的层。
图26是图示可以辅助实施本文中所公开的方法和流程的计算机系统100的框图。计算机系统100包括用于通信信息的总线102或其它通信机构,和与总线102耦接以用于处理信息的处理器104(或多个处理器104和105)。计算机系统100还包括耦接至总线102以用于储存待由处理器104执行的信息和指令的主存储器106,诸如随机存取存储器(RAM)或其它动态储存装置。主存储器106还可以用于在待由处理器104执行的指令的执行期间储存暂时性变量或其它中间信息。计算机系统100还包括耦接至总线102以用于储存用于处理器104的静态信息和指令的只读存储器(ROM)108或其它静态储存装置。设置诸如磁盘或光盘之类的储存装置110,且将所述储存装置耦接至总线102以用于储存信息和指令。
计算机系统100可以经由总线102耦接至用于向计算机使用者显示信息的显示器112,诸如阴极射线管(CRT)或平板显示器或触控面板显示器。包括字母数字键和其它键的输入装置114耦接至总线102以用于将信息和命令选择通信至处理器104。另一类型的使用者输入装置是光标控制器116(诸如鼠标、轨迹球或光标方向键),用于将方向信息和命令选择通信至处理器104且用于控制显示器112上的光标移动。这种输入装置典型地在两个轴(第一轴(例如x)和第二轴(例如y))上具有两个自由度,这允许所述装置指定平面中的位置。触摸面板(屏)显示器也可以用作输入装置。
根据一个实施例,所述过程的部分可以由计算机系统100响应于处理器104执行包含在主存储器106中的一个或更多个指令的一个或更多个序列而被执行。这样的指令可以被从另一计算机可读介质(诸如储存装置110)读取到主存储器106中。包含在主存储器106中的指令的序列的执行使得处理器104执行本文描述的过程步骤。在多处理布置中的一个或更多个处理器也可以被用于执行包含在主存储器106中的指令的序列。在可替代的实施例中,硬接线电路可以用于替代软件指令或与软件指令组合。因此,本文的描述不限于硬件电路和软件的任何特定的组合。
本文中使用的术语“计算机可读介质”是指参与向处理器104提供指令以供执行的任何介质。这样的介质可以采用很多形式,包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘,诸如储存装置110。易失性介质包括动态存储器,诸如主存储器106。传输介质包括同轴电缆、铜线和光纤,包括包含总线102的电线。传输介质还可以采用声波或光波的形式,诸如在射频(RF)和红外(IR)数据通信期间产生的声波或光波。常见形式的计算机可读介质包括例如软盘、柔性盘、硬盘、磁带、任何其它磁性介质、CD-ROM、DVD、任何其它光学介质、穿孔卡、纸带、具有孔图案的任何其它物理介质、RAM、PROM和EPROM、FLASH-EPROM、任何其它存储器芯片或盒、如下文中所描述的载波、或计算机可以从其进行读取的任何其它介质。
各种形式的计算机可读介质可以涉及将一个或更多个指令的一个或更多个序列传送到处理器104以供执行。例如,指令最初可以承载在远程计算机的磁盘上。远程计算机可以将指令加载到其动态存储器中,并且使用调制解调器通过电话线发送指令。计算机系统100本地的调制解调器可以在电话线上接收数据并且使用红外发射器将数据转换成红外信号。耦接到总线102的红外检测器可以接收红外信号中携带的数据并且将数据放置在总线102上。总线102将数据传送到主存储器106,处理器104从主存储器106获取并且执行指令。由主存储器106接收的指令可以可选地在由处理器104执行之前或之后储存在储存装置110上。
计算机系统100还优选地包括耦接到总线102的通信接口118。通信接口118提供耦接到网络链路120的双向数据通信,所述网络链路连接到本地网络122。例如,通信接口118可以是用于提供与相应类型的电话线的数据通信连接的综合业务数字网(ISDN)卡或调制解调器。作为另一示例,通信接口118可以是用于提供与兼容LAN的数据通信连接的局域网(LAN)卡。还可以实施无线链路。在任何这样的实施方式中,通信接口118发送和接收携带表示各种类型的信息的数字数据流的电信号、电磁信号或光信号。
网络链路120典型地通过一个或更多个网络提供到其它数据装置的数据通信。例如,网络链路120可以通过本地网络122提供到主计算机124或到由因特网服务提供商(ISP)126操作的数据设备的连接。ISP 126又通过现在通常称为“因特网”128的全局分组数据通信网络提供数据通信服务。本地网络122和因特网128两者都使用携带数字数据流的电信号、电磁信号或光信号。通过各种网络的信号和在网络链路120上并且通过通信接口118的信号(其将数字数据传送到计算机系统100和从计算机系统100传送数字数据)是输送信息的载波的示例形式。
计算机系统100可以通过网络、网络链路120和通信接口118发送消息和接收数据,包括程序代码。在因特网示例中,服务器130可以通过因特网128、ISP 126、本地网络122和通信接口118传输用于应用程序的所请求的代码。例如,一个这样下载的应用程序可以被提供用于实施例的照射优化。所接收的代码可以在被接收时由处理器104执行,和/或储存在储存装置110或其它非易失性储存器中以供稍后执行。以这种方式,计算机系统100可以获取呈载波的形式的应用代码。
在以下编号实施例的清单中公开了另外的实施例:
1.一种方法,包括:
确定在执行器件制造过程时与误差或残差关联的第一参数的第一分布;
确定在执行所述器件制造过程时与误差或残差关联的第二参数的第二分布;和
使用对所述第一分布和第二分布进行运算的函数,通过硬件计算机确定与所述器件制造过程关联的感兴趣的参数的分布。
2.根据实施例1所述的方法,其中,所述第一参数、所述第二参数和所述感兴趣的参数是相同的。
3.根据实施例1所述的方法,其中,所述第一分布是特定于所述器件制造过程的,但不是特定于使用所述器件制造过程处理的任何特定衬底的。
4.根据实施例1所述的方法,其中,所述第二分布是特定于使用所述器件制造过程处理的特定衬底的,但不是通用于使用所述器件制造过程处理的其它衬底的。
5.根据实施例1所述的方法,其中,所述第一分布和/或第二分布包括从以下选择的一个或更多个:
伺服误差对相应的第一参数和/或第二参数的贡献、对准模犁残差对所述相应的第一参数和/或第二参数的贡献、投影系统像差或像平面偏差对所述相应的第一参数和/或第二参数的贡献、投影系统模型残差对所述相应的第一参数和/或第二参数的贡献、和/或衬底表面高度对所述相应的第一参数和/或第二参数的贡献。
6.根据实施例1所述的方法,其中,确定所述第一分布还包括获得所述第一参数的被测量的数据并从所述被测量的数据去除所述器件制造过程的特定装置对所述第一参数的贡献。
7.根据实施例6所述的方法,其中,所述特定装置的贡献包括从以下选择的一个或更多个:
伺服误差的贡献、对准模型残差的贡献、投影系统像差或像平面偏差的贡献、投影系统模型残差的贡献和/或衬底表面高度的贡献。
8.根据实施例6所述的方法,其中,被测量的所述第一参数数据包括从监控衬底测量的所述第一参数数据。
9.根据实施例1所述的方法,其中,所述第一分布、所述第二分布和/或所述感兴趣的参数的分布包括空间衬底指纹。
10.根据实施例1所述的方法,还包括使用所述感兴趣的参数的分布来执行从以下选择的任何一个或更多个:
预测衬底的缺陷、控制所述器件制造过程、监控所述器件制造过程、设计所述器件制造过程的方面和/或校准数学模型。
11.根据实施例1所述的方法,其中,所述第一参数、所述第二参数和/或所述感兴趣的参数是从以下选择的一个或更多个:
重叠、CD、聚焦、剂量和/或边缘位置。
12.根据实施例1所述的方法,其中,所述器件制造过程包括光刻过程和/或半导体制造过程。
13.根据实施例1所述的方法,其中,所述函数包括从以下选择的一个或更多个:算术加法、卷积和/或神经网络。
14.根据实施例1所述的方法,其中所述第一参数和/或所述第二参数与所述感兴趣的参数不同,且还包括将所述第一参数和/或所述第二参数转换成所述感兴趣的参数。
15.根据实施例1所述的方法,还包括使用由所述器件制造过程中使用的光刻设备和/或蚀刻设备提供的数据来确定所述第一分布和/或所述第二分布。
16.根据实施例1所述的方法,其中,所述函数包括对所述第一分布和第二分布进行运算的相关性。
17.根据实施例16所述的方法,其中:
所确定的第一分布包括值的第一建模分布;和
所确定的第二分布包括值的第二建模分布;和
所述感兴趣的参数是第一参数,
并且所述方法包括:
获得所述第一参数的值的第一分布;
获得所述第二参数的值的第二分布;
对值的所述第一分布和值的所述第二分布进行建模,以获得值的所述第一建模分布和值的所述第二建模分布;和
基于使用通过在与值的所述第一建模分布关联的第一模型系数和与值的所述第二建模分布关联的第二模型系数之间的映射所获得的缩放因子来缩放所述第二建模分布,从而确定所述感兴趣的参数的分布。
18.根据实施例17所述的方法,包括:
确定所述第一分布的值与所述第二分布的值之间的相关性超过阈值的变化的尺度;和
依赖于所确定的变化的尺度对值的所述第一分布和值的所述第二分布进行建模,以获得值的所述第一建模分布和值的所述第二建模分布。
19.根据实施例17所述的方法,包括使用所述缩放因子以从确定所述感兴趣的参数的分布的步骤中排除建模分量。
20.一种方法,包括:
获得光刻设备对重叠的基础贡献,作为图案化过程的一部分;和
通过硬件计算机将所述基础贡献与对衬底的重叠的另外的贡献组合,以获得对所述衬底的重叠的估计。
21.根据实施例20所述的方法,其中,所述另外的贡献包括所述衬底的衬底表面高度对重叠的贡献。
22.根据实施例20所述的方法,其中,所述另外的贡献包括所述衬底的衬底伺服误差对重叠的贡献。
23.根据实施例20所述的方法,其中,所述另外的贡献包括对准和/或投影系统模型残差的贡献。
24.根据实施例20所述的方法,还包括将所述基础贡献和所述衬底表面高度的贡献、蚀刻过程对所述衬底的重叠的贡献进行组合。
25.根据实施例24所述的方法,其中,所述蚀刻过程贡献是特定于所述图案化过程的,但不是特定于使用所述图案化过程处理的任何特定衬底的。
26.根据实施例20所述的方法,其中,所述基础贡献是特定于特定图案化过程的,但不是特定于使用所述图案化过程处理的任何特定衬底的。
27.根据实施例20所述的方法,其中,获得所述基础贡献还包括获得被测量的重叠数据并从被测量的重叠数据中去除所述光刻设备的特定部件对重叠的贡献。
28.根据实施例27所述的方法,其中,所述特定部件的贡献包括从以下选择的一个或更多个:伺服误差的贡献、对准模型残差的贡献、投影系统像差、投影系统模型残差的贡献和/或衬底表面高度的贡献。
29.根据实施例27所述的方法,其中,被测量的重叠数据包括从监控衬底测量的重叠数据。
30.根据实施例20所述的方法,其中,所述贡献包括空间衬底指纹。
31.根据实施例20所述的方法,还包括使用所述估计来执行从以下选择的任何一个或更多个:预测衬底的缺陷、控制图案化过程、监控图案化过程、设计图案化过程的方面和/或校准数学模型。
32.一种方法,包括:
确定在执行器件制造过程时被测量的对准数据的第一分布;
确定在所述器件制造过程时从处理参数导出的对准数据的第二分布;和
通过硬件计算机系统确定与所述器件制造过程关联的对准数据的分布,作为所述第一分布和第二分布的函数。
33.根据实施例32所述的方法,其中,所述处理参数包括从以下选择的一个或更多个:衬底高度或不平整度、过程效果、光学元件加热、光学像差和/或图案形成装置写入误差。
34.根据实施例32所述的方法,其中,从所述器件制造过程的多个处理参数导出所述第二分布。
35.根据实施例34所述的方法,其中,所述处理参数包括衬底高度或不平整度、过程效果和光学元件加热。
36.根据实施例32所述的方法,其中,所述第二分布是特定于所述器件制造过程的,但不是特定于使用所述器件制造过程处理的任何特定衬底的。
37.根据实施例32所述的方法,其中,所述第二分布是特定于使用所述器件制造过程处理的特定衬底的,但不是通用于使用所述器件制造过程处理的其它衬底的。
38.根据实施例32所述的方法,其中,从所述处理参数的测量结果导出所述第二分布。
39.根据实施例32所述的方法,还包括使用对准数据的分布来执行从以下选择的任何一个或更多个:预测衬底的缺陷、控制所述器件制造过程、监控所述器件制造过程、设计所述器件制造过程的方面和/或校准数学模型。
40.根据实施例32所述的方法,还包括基于对准数据的分布来改变量测数据的采样。
41.根据实施例32所述的方法,还包括使用与使用仅具有被测量的对准数据的分布的对准模型相比具有对准数据的分布的更高次的对准模型。
42.根据实施例32所述的方法,还包括使用由所述器件制造过程中使用的光刻设备提供的数据来确定所述第一分布和/或所述第二分布。
43.根据实施例32所述的方法,其中,所述第一分布、所述第二分布和/或所述感兴趣的参数的分布包括空间衬底指纹。
44.根据实施例32所述的方法,其中,所述器件制造过程包括光刻过程和/或半导体制造过程。
45.根据实施例32所述的方法,其中,所述函数包括从以下选择的一个或更多个:算术加法、卷积和/或神经网络。
46.一种方法,包括:
基于被测量的对准数据,获得横跨使用图案化过程处理的衬底的至少一部分的对准数据分布;和
通过硬件计算机将所述对准数据分布与可归因于除被测量的对准之外的处理参数的对准指纹组合,以获得对所述衬底的对准数据的估计。
47.根据实施例46所述的方法,其中,所述对准指纹包括所述衬底的衬底高度或不平整度对对准的贡献。
48.根据实施例46所述的方法,其中,所述对准指纹包括由于所述图案化过程的不同于光刻图案转印的部分引起的所述衬底的过程效果对对准的贡献。
49.根据实施例46所述的方法,其中,所述对准指纹包括所述衬底的加热对对准的贡献。
50.根据实施例46所述的方法,其中,所述对准指纹是特定于所述图案化过程的,但不是特定于使用所述图案化过程处理的任何特定衬底的。
51.根据实施例46所述的方法,其中,所述对准指纹是特定于使用所述图案化过程处理的特定衬底的,但不是通用于使用所述图案化过程处理的其它衬底的。
52.根据实施例46所述的方法,其中,从所述处理参数的测量结果导出所述对准指纹。
53.根据实施例46所述的方法,其中,所述对准指纹包括空间衬底指纹。
54.根据实施例46所述的方法,还包括使用所述估计来执行从以下选择的任何一个或更多个:预测衬底的缺陷、控制图案化过程、监控图案化过程、设计图案化过程的方面和/或校准数学模型。
55.一种计算机程序产品,包括在其上记录了指令的非暂时性计算机可读介质,所述指令在由计算机执行时实施根据实施例1-54中任一个所述的方法。
可以在硬件、固件、软件或其任何组合中实施本公开的实施例。本公开的实施例也可以被实施为存储在机器可读介质上的指令,所述指令能够由一个或更多个处理器读取和执行。机器可读介质可以包括用于以能够由机器(例如,计算装置)读取的形式存储或传输信息的任何机构。例如,机器可读介质可以包括只读存储器(ROM);随机存取存储器(RAM);磁盘存储介质;光学存储介质;闪存装置;电的、光学的、声学的或其它形式的传播信号(例如载波、红外信号、数字信号等)等。另外,本文中,可以将固件、软件、例程、指令描述为执行某些动作。然而,应理解,这样的描述仅仅是为了方便,并且这些动作实际上是由计算装置,处理器,控制器或执行固件、软件、例程、指令等的其它装置产生的。
在框图中,虽然所图示的部件被描绘为离散功能框,但实施例不限于本文中所描述的功能性如图所示地那样组织的系统。由部件中的每个提供的功能可以由软件或硬件模块提供,所述模块以与当前所描绘的方式不同的方式组织,例如可以掺和、结合、复写、解散、分布(例如,在数据中心内或者按地区),或者另外地以不同方式组织所述软件或硬件。本文中描述的功能可以由执行储存于有形的非暂时性机器可读介质上的代码的一台或更多台计算机的一个或更多个处理器提供。在一些情况下,第三方内容分发网络可以是在网络上传送的一些或全部信息的主机,在这种情况下,在一定程度上信息(例如,内容)被认为被供给或以其它方式提供,所述信息可以通过发送指令从内容分发网络获取所述信息而被提供。
除非另有明确陈述,否则根据本论述所明白的,应理解的是,在整个说明书中,利用诸如“处理”、“(用计算机)计算”、“计算”、“确定”等术语的讨论是指特定设备(诸如专用目的计算机或类似的专用目的电子处理/计算装置)的动作或过程。
读者应理解,本申请描述了几个发明。不是将这些发明分开到多个独立的专利申请中,而是申请人已将这些发明组合到单个文件中,这是由于它们相关的主题在应用过程中将它们自身适用于经济。但是,不应合并这些发明的不同的优点和方面。在一些情况下,虽然实施例解决本文中所提到的所有不足,但应理解的是,所述发明是独立地有用的,并且一些实施例仅解决这些问题的子集或提供其它未提及的益处,这些益处对于查阅本公开的技术人员而言是清楚的。由于成本制约,当前可能不主张本文中披露的一些发明,并且可以在稍后的申请中(诸如接续本申请或者通过修改权利要求书)主张这些发明。类似地,由于空间制约,“摘要”和“发明内容”部分都不应该被视为包含所有这些发明的全面列举或这些发明的所有方面。
应理解的是,说明书和附图不旨在将本发明限制为所公开的特定形式,而是相反,本发明覆盖落入由所附权利要求所限定的本发明的精神和范围内的所有修改、等同物和替代方案。
鉴于本说明书,本领域技术人员将明白本发明的各个方面的修改和替代实施例。因此,本说明书和附图仅被解释为说明性的,并且是为了向本领域技术人员教导实施本发明的一般方式的目的。应理解的是,本文中显示和描述的本发明的形式将被视为实施例的示例。元件和材料可以被用于替代本文所图示和所述的那些元件和材料,部件和过程可以被颠倒、改变顺序或省略,并且某些特征可以独立使用,实施例或实施例的特征可以被组合,所有这些对于本领域技术人员来说在受益于本发明的说明书之后将是清楚的。在不背离由所附权利要求所述的本发明的精神和范围的情况下,可以对本文所述的元件作出改变。本文使用的标题仅用于组织目的,并不意味着用于限制说明书的范围。
如整个本申请中所使用的,词语“可以或可能”以可许可的含义(即,意味着有潜在可能)而不是强制性含义(即,意味着必须)来使用。词语“包括(“include”、“including”和“includes”)”等意味着包括但不限于。如整个本申请中所使用的,单数形式“一”、“一个”和“所述”包括复数的表示,除非另外地有内容明确地说明。因此,例如,对“元件(an element和a element)”的提及包括两个或更多个元件的组合,尽管对于一个或更多个元件诸如“一个或更多个”使用了其它的术语和短语。除非另外说明,否则术语“或”是非排他性的,即包含“和”和“或”。描述条件关系的术语,例如“响应于X,Y”、“在X时,Y”、“如果X,则Y”、“当X时,Y”等,包括因果关系,其中前提为必要的因果条件,前提为充分的因果条件,或前提是结果的促成因果条件,例如,“表述在条件Y获得时状态X发生”对于“仅在Y时X发生”和“在Y和Z时X发生”是上位的。这样的条件关系并不限于立即在前提实现之后的结果,因为一些结果可能被延迟,并且在条件陈述中,前提与它们的结果相关联,例如前提与结果发生的可能性相关。其中多个属性或功能被映射到多个物体(例如,执行步骤A、B、C和D的一个或更多个处理器)的表述包含所有这些属性或功能被映射到所有这些物体和属性或功能的子集被映射到所述属性或功能的子集(例如,所有处理器每个执行步骤A-D,及其中处理器1执行步骤A、处理器2执行步骤B和步骤C的一部分、并且处理器3执行步骤C的一部分和步骤D的情况),除非另外说明。此外,除非另外说明,否则一个值或动作“基于”另一条件或值的陈述涵盖其中所述条件或值是唯一因素的实例以及其中所述条件或值是多个因素中的一个因素的实例两者。除非另外说明,否则某些集合的“每个”实例具有某一属性的陈述不应被解释为排除较大集合中的一些其它相同或类似部件不具有所述属性的情况,即,每个并不一定意味着每个或任一个。
在某些美国专利、美国专利申请或其它材料(例如文章)已径通过引用并入的程度上,这些美国专利、美国专利申请和其它材料的文本仅在这种材料与本文中所阐述的陈述和图之间不存在冲突的程度上并入。在存在这种冲突的情况下,在这种通过引用并入的美国专利、美国专利申请和其它材料中的任何这种冲突的文本并不特定地以引用的方式并入本文中。
尽管以上已经描述了本公开的具体实施例,但应该认识到,这些实施例可以以与上述不同的方式来实施。
Claims (20)
1.一种计算量测方法,包括:
确定与在执行器件制造过程时的误差或残差关联的第一参数的第一分布,所述第一分布包括测量的数据或由模拟或模型获得的数据;
确定与在执行所述器件制造过程时的误差或残差关联的第二参数的第二分布,所述第二分布包括测量的数据或由模拟或模型获得的数据;和
使用对所述第一分布和第二分布进行运算的函数,通过硬件计算机确定与所述器件制造过程关联的感兴趣的参数的分布。
2.根据权利要求1所述的方法,其中,所述第一参数、所述第二参数和所述感兴趣的参数是相同的。
3.根据权利要求1所述的方法,其中,所述第一分布是特定于所述器件制造过程的,但不是特定于使用所述器件制造过程处理的任何特定衬底的。
4.根据权利要求1所述的方法,其中,所述第二分布是特定于使用所述器件制造过程处理的特定衬底的,但不是通用于使用所述器件制造过程处理的其它衬底的。
5.根据权利要求1所述的方法,其中,所述第一分布和/或第二分布包括从以下选择的一个或更多个:
伺服误差对相应的第一参数和/或第二参数的贡献、对准模型残差对所述相应的第一参数和/或第二参数的贡献、投影系统像差或像平面偏差对所述相应的第一参数和/或第二参数的贡献、投影系统模型残差对所述相应的第一参数和/或第二参数的贡献、和/或衬底表面高度对所述相应的第一参数和/或第二参数的贡献。
6.根据权利要求1所述的方法,其中,确定所述第一分布还包括获得所述第一参数的被测量的数据并从所述被测量的数据去除所述器件制造过程的特定装置对所述第一参数的贡献。
7.根据权利要求6所述的方法,其中,所述特定装置的贡献包括从以下选择的一个或更多个:
伺服误差的贡献、对准模型残差的贡献、投影系统像差或像平面偏差的贡献、投影系统模型残差的贡献和/或衬底表面高度的贡献。
8.根据权利要求1所述的方法,还包括使用所述感兴趣的参数的分布来执行从以下选择的任何一个或更多个:
预测衬底的缺陷、控制所述器件制造过程、监控所述器件制造过程、设计所述器件制造过程的方面和/或校准数学模型。
9.根据权利要求1所述的方法,其中,所述第一参数、所述第二参数和/或所述感兴趣的参数是从以下选择的一个或更多个:重叠、CD、聚焦、剂量和/或边缘位置。
10.根据权利要求1所述的方法,其中,所述函数包括从以下选择的一个或更多个:算术加法、卷积和/或神经网络。
11.根据权利要求1所述的方法,其中所述第一参数和/或所述第二参数与所述感兴趣的参数不同,且还包括将所述第一参数和/或所述第二参数转换成所述感兴趣的参数。
12.根据权利要求1所述的方法,其中,所述函数包括对所述第一分布和第二分布进行运算的相关性。
13.根据权利要求12所述的方法,其中:
所确定的第一分布包括值的第一建模分布;和
所确定的第二分布包括值的第二建模分布;和
所述感兴趣的参数是第一参数,
并且所述方法包括:
获得所述第一参数的值的第一分布;
获得所述第二参数的值的第二分布;
对值的所述第一分布和值的所述第二分布进行建模,以获得值的所述第一建模分布和值的所述第二建模分布;和
基于使用通过在与值的所述第一建模分布关联的第一模型系数和与值的所述第二建模分布关联的第二模型系数之间的映射所获得的缩放因子来缩放所述第二建模分布,从而确定所述感兴趣的参数的分布。
14.根据权利要求13所述 的方法,包括:
确定所述第一分布的值与所述第二分布的值之间的相关性超过阈值的变化的尺度;和
依赖于所确定的变化的尺度对值的所述第一分布和值的所述第二分布进行建模,以获得值的所述第一建模分布和值的所述第二建模分布。
15.根据权利要求13所述的方法,包括使用所述缩放因子以从确定所述感兴趣的参数的分布的步骤中排除建模分量。
16.一种计算量测方法,包括:
确定在执行器件制造过程时被测量的对准数据的第一分布;
确定在所述器件制造过程时从处理参数导出的对准数据的第二分布,所述第二分布包括从处理参数的被测量的数据导出的对准数据,或包括根据由模拟或模型获得的处理参数的数据导出的对准数据;和
通过硬件计算机系统确定与所述器件制造过程关联的对准数据的分布,作为所述第一分布和第二分布的函数。
17.根据权利要求16所述的方法,其中,所述处理参数包括从以下选择的一个或更多个:衬底高度或不平整度、过程效果、光学元件加热、光学像差和/或图案形成装置写入误差。
18.根据权利要求16所述的方法,还包括基于对准数据的分布来改变量测数据的采样。
19.一种计算机程序存储介质,包括在其上记录了指令的非暂时性计算机可读介质,所述指令在由计算机执行时实施权利要求1所述的方法。
20.一种计算机程序存储介质,包括在其上记录了指令的非暂时性计算机可读介质,所述指令在由计算机执行时实施权利要求16所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221202.5A CN113946105A (zh) | 2017-02-22 | 2018-02-12 | 计算量测法 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762462201P | 2017-02-22 | 2017-02-22 | |
US62/462,201 | 2017-02-22 | ||
US201762545578P | 2017-08-15 | 2017-08-15 | |
US62/545,578 | 2017-08-15 | ||
PCT/EP2018/053412 WO2018153711A1 (en) | 2017-02-22 | 2018-02-12 | Computational metrology |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111221202.5A Division CN113946105A (zh) | 2017-02-22 | 2018-02-12 | 计算量测法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110383177A CN110383177A (zh) | 2019-10-25 |
CN110383177B true CN110383177B (zh) | 2021-10-29 |
Family
ID=63254137
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111221202.5A Pending CN113946105A (zh) | 2017-02-22 | 2018-02-12 | 计算量测法 |
CN201880013446.4A Active CN110383177B (zh) | 2017-02-22 | 2018-02-12 | 计算量测法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111221202.5A Pending CN113946105A (zh) | 2017-02-22 | 2018-02-12 | 计算量测法 |
Country Status (6)
Country | Link |
---|---|
US (3) | US10990018B2 (zh) |
JP (3) | JP2020509431A (zh) |
KR (2) | KR102370339B1 (zh) |
CN (2) | CN113946105A (zh) |
TW (2) | TWI762966B (zh) |
WO (1) | WO2018153711A1 (zh) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017080729A1 (en) * | 2015-11-13 | 2017-05-18 | Asml Netherlands B.V. | Methods for identifying a process window boundary |
EP3364247A1 (en) * | 2017-02-17 | 2018-08-22 | ASML Netherlands B.V. | Methods & apparatus for monitoring a lithographic manufacturing process |
WO2018153711A1 (en) * | 2017-02-22 | 2018-08-30 | Asml Netherlands B.V. | Computational metrology |
EP3396458A1 (en) * | 2017-04-28 | 2018-10-31 | ASML Netherlands B.V. | Method and apparatus for optimization of lithographic process |
WO2018202388A1 (en) * | 2017-05-03 | 2018-11-08 | Asml Netherlands B.V. | Metrology parameter determination and metrology recipe selection |
CN110998449B (zh) | 2017-08-07 | 2022-03-01 | Asml荷兰有限公司 | 计算量测 |
US11378451B2 (en) | 2017-08-07 | 2022-07-05 | Kla Corporation | Bandgap measurements of patterned film stacks using spectroscopic metrology |
US11448973B2 (en) | 2017-12-19 | 2022-09-20 | Asml Netherlands B.V. | Computational metrology based correction and control |
CN116482939A (zh) | 2017-12-22 | 2023-07-25 | Asml荷兰有限公司 | 涉及光学像差的图案化过程改进 |
CN111670411B (zh) | 2018-01-24 | 2023-11-14 | Asml荷兰有限公司 | 基于计算量测的采样方案 |
EP3531205A1 (en) | 2018-02-22 | 2019-08-28 | ASML Netherlands B.V. | Control based on probability density function of parameter |
KR102481755B1 (ko) | 2018-02-23 | 2022-12-29 | 에이에스엠엘 네델란즈 비.브이. | 가이드 패터닝 디바이스 검사 |
WO2019190566A1 (en) * | 2018-03-30 | 2019-10-03 | Intel Corporation | Multilayer optical proximity correction (opc) model for opc correction |
US11164768B2 (en) | 2018-04-27 | 2021-11-02 | Kla Corporation | Process-induced displacement characterization during semiconductor production |
KR20230065371A (ko) * | 2018-06-25 | 2023-05-11 | 에이에스엠엘 네델란즈 비.브이. | 성능 매칭에 기초하는 튜닝 스캐너에 대한 파면 최적화 |
US11243480B2 (en) * | 2018-07-03 | 2022-02-08 | Applied Materials, Inc. | System for making accurate grating patterns using multiple writing columns each making multiple scans |
WO2020046408A1 (en) * | 2018-08-28 | 2020-03-05 | Kla-Tencor Corporation | Off-axis illumination overlay measurement using two-diffracted orders imaging |
US11722778B2 (en) * | 2018-10-08 | 2023-08-08 | Florida Atlantic University Board Of Trustees | Underwater imaging system |
CN112969968A (zh) * | 2018-11-08 | 2021-06-15 | Asml荷兰有限公司 | 基于过程变化度的空间特性对不合格的预测 |
EP3650941A1 (en) * | 2018-11-12 | 2020-05-13 | ASML Netherlands B.V. | Method of determining the contribution of a processing apparatus to a substrate parameter |
WO2020099050A1 (en) * | 2018-11-16 | 2020-05-22 | Asml Netherlands B.V. | Method for monitoring lithographic apparatus |
CN113366498A (zh) * | 2019-01-30 | 2021-09-07 | Asml荷兰有限公司 | 用于性质联合插值和预测的设备和方法 |
EP3712817A1 (en) * | 2019-03-20 | 2020-09-23 | ASML Netherlands B.V. | Apparatus and method for property joint interpolation and prediction |
US20220155694A1 (en) * | 2019-03-20 | 2022-05-19 | Asml Netherlands B.V. | Metrology method and apparatus, computer program and lithographic system |
JP7077260B2 (ja) | 2019-03-22 | 2022-05-30 | 株式会社日立ハイテク | 電子ビーム装置及び画像処理方法 |
WO2020224879A1 (en) * | 2019-05-03 | 2020-11-12 | Asml Netherlands B.V. | Method for determining an alignment model based on an oblique fitting technique |
US11862521B2 (en) | 2019-06-20 | 2024-01-02 | Kla Corporation | Multiple-tool parameter set calibration and misregistration measurement system and method |
WO2021101552A1 (en) * | 2019-11-21 | 2021-05-27 | Futurewei Technologies, Inc. | Diffractive deep neural network (d2nn) processing using a single modulation layer |
CN111179371B (zh) * | 2019-12-31 | 2022-05-17 | 南京大学 | 一种扫描电子显微成像方法 |
US11481922B2 (en) * | 2020-04-07 | 2022-10-25 | Kla Corporation | Online navigational drift correction for metrology measurements |
CN111806060B (zh) * | 2020-07-09 | 2022-01-11 | 昆山乐邦精密科技有限公司 | 一种网版蚀刻去除网丝的方法 |
US20230408931A1 (en) * | 2020-11-24 | 2023-12-21 | Asml Netherlands B.V. | Method of determining mark structure for overlay fingerprints |
US11604063B2 (en) * | 2021-06-24 | 2023-03-14 | Kla Corporation | Self-calibrated overlay metrology using a skew training sample |
WO2023156143A1 (en) | 2022-02-21 | 2023-08-24 | Asml Netherlands B.V. | Methods of metrology |
EP4231096A1 (en) | 2022-02-21 | 2023-08-23 | ASML Netherlands B.V. | Methods of metrology |
WO2023198381A1 (en) | 2022-04-14 | 2023-10-19 | Asml Netherlands B.V. | Methods of metrology and associated devices |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008091721A (ja) * | 2006-10-03 | 2008-04-17 | Toshiba Corp | レジストパターン予測システム、レジストパターン予測方法、及びマスクパターン補正方法 |
Family Cites Families (69)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5007284A (en) * | 1990-02-27 | 1991-04-16 | Slone Ralph J | Piston ring and liner wear simulator and method of using same |
IL130874A (en) | 1999-07-09 | 2002-12-01 | Nova Measuring Instr Ltd | System and method for measuring pattern structures |
JP2002064046A (ja) * | 2000-08-21 | 2002-02-28 | Hitachi Ltd | 露光方法およびそのシステム |
US7317531B2 (en) * | 2002-12-05 | 2008-01-08 | Kla-Tencor Technologies Corporation | Apparatus and methods for detecting overlay errors using scatterometry |
US6937914B1 (en) * | 2001-02-21 | 2005-08-30 | Advanced Micro Devices, Inc. | Method and apparatus for controlling process target values based on manufacturing metrics |
US6534956B2 (en) * | 2001-04-30 | 2003-03-18 | Tai-Her Yang | Thermostatic automatic cutoff charging device |
US7089075B2 (en) * | 2001-05-04 | 2006-08-08 | Tokyo Electron Limited | Systems and methods for metrology recipe and model generation |
JP2003059807A (ja) * | 2001-08-20 | 2003-02-28 | Nikon Corp | 露光方法及び露光装置、並びにデバイス製造方法 |
DE60319462T2 (de) | 2002-06-11 | 2009-03-12 | Asml Netherlands B.V. | Lithographischer Apparat und Verfahren zur Herstellung eines Artikels |
US7508976B1 (en) | 2003-12-29 | 2009-03-24 | Nanometric Incorporated | Local process variation correction for overlay measurement |
JP4455129B2 (ja) * | 2004-04-06 | 2010-04-21 | キヤノン株式会社 | 収差計測方法及びそれを用いた投影露光装置 |
US7265364B2 (en) | 2004-06-10 | 2007-09-04 | Asml Netherlands B.V. | Level sensor for lithographic apparatus |
US7791727B2 (en) | 2004-08-16 | 2010-09-07 | Asml Netherlands B.V. | Method and apparatus for angular-resolved spectroscopic lithography characterization |
JP3999775B2 (ja) * | 2004-08-18 | 2007-10-31 | ライテル・インストルメンツ | 自己参照の動的ステップおよび走査フィールド内レンズ歪みのための方法および装置 |
JP2006091721A (ja) | 2004-09-27 | 2006-04-06 | Nitto Denko Corp | 有機フォトリフラクティブ材料 |
US7317512B2 (en) | 2005-07-11 | 2008-01-08 | Asml Netherlands B.V. | Different polarization in cross-section of a radiation beam in a lithographic apparatus and device manufacturing method |
EP1744217B1 (en) * | 2005-07-12 | 2012-03-14 | ASML Netherlands B.V. | Method of selecting a grid model for correcting grid deformations in a lithographic apparatus and lithographic assembly using the same |
JP4256862B2 (ja) * | 2005-07-19 | 2009-04-22 | 三菱重工業株式会社 | オフセット印刷機械における製版方法及び製版装置 |
JP4874678B2 (ja) * | 2006-03-07 | 2012-02-15 | 株式会社東芝 | 半導体製造装置の制御方法、および半導体製造装置の制御システム |
WO2008065874A1 (fr) | 2006-11-28 | 2008-06-05 | Asahi Kasei Chemicals Corporation | Procédé de fabrication d'un polycarbonate aromatique de qualité élevée à l'échelle industrielle |
US7852459B2 (en) * | 2007-02-02 | 2010-12-14 | Asml Netherlands B.V. | Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method |
US8145337B2 (en) | 2007-05-04 | 2012-03-27 | Taiwan Semiconductor Manufacturing Company, Ltd. | Methodology to enable wafer result prediction of semiconductor wafer batch processing equipment |
US8682466B2 (en) | 2007-05-04 | 2014-03-25 | Taiwan Semiconductor Manufacturing Company, Ltd. | Automatic virtual metrology for semiconductor wafer result prediction |
NL1036245A1 (nl) | 2007-12-17 | 2009-06-18 | Asml Netherlands Bv | Diffraction based overlay metrology tool and method of diffraction based overlay metrology. |
NL1036546A1 (nl) | 2008-02-26 | 2009-08-27 | Asml Netherlands Bv | Lithographic method to apply a pattern to a substrate and Lithographic Apparatus. |
NL1036597A1 (nl) | 2008-02-29 | 2009-09-01 | Asml Netherlands Bv | Metrology method and apparatus, lithographic apparatus, and device manufacturing method. |
DE102008021557B4 (de) * | 2008-04-30 | 2011-07-28 | Globalfoundries Inc. | Verfahren zum Überwachen einer vorhergesagten Produktqualitätsverteilung |
EP2228685B1 (en) | 2009-03-13 | 2018-06-27 | ASML Netherlands B.V. | Level sensor arrangement for lithographic apparatus and device manufacturing method |
JP5428450B2 (ja) * | 2009-03-30 | 2014-02-26 | ソニー株式会社 | イオン照射ダメージの予測方法とイオン照射ダメージのシミュレータ、およびイオン照射装置とイオン照射方法 |
CN102498441B (zh) | 2009-07-31 | 2015-09-16 | Asml荷兰有限公司 | 量测方法和设备、光刻系统以及光刻处理单元 |
JP2013502592A (ja) | 2009-08-24 | 2013-01-24 | エーエスエムエル ネザーランズ ビー.ブイ. | メトロロジ方法および装置、リソグラフィ装置、リソグラフィプロセシングセル、およびメトロロジターゲットを備える基板 |
NL2005167A (en) | 2009-10-02 | 2011-04-05 | Asml Netherlands Bv | Lithographic apparatus and a method of operating the apparatus. |
NL2005719A (en) * | 2009-12-18 | 2011-06-21 | Asml Netherlands Bv | Method of measuring properties of dynamic positioning errors in a lithographic apparatus, data processing apparatus, and computer program product. |
EP2392970A3 (en) | 2010-02-19 | 2017-08-23 | ASML Netherlands BV | Method and apparatus for controlling a lithographic apparatus |
WO2012013638A1 (en) * | 2010-07-26 | 2012-02-02 | Carl Zeiss Sms Ltd. | Lithographic targets for uniformity control |
JP2012060016A (ja) * | 2010-09-10 | 2012-03-22 | Renesas Electronics Corp | 半導体装置の評価方法、評価装置、及びシミュレーション方法 |
WO2012062501A1 (en) | 2010-11-12 | 2012-05-18 | Asml Netherlands B.V. | Metrology method and apparatus, and device manufacturing method |
US8626328B2 (en) * | 2011-01-24 | 2014-01-07 | International Business Machines Corporation | Discrete sampling based nonlinear control system |
JP2012160521A (ja) * | 2011-01-31 | 2012-08-23 | Toshiba Corp | 半導体装置の製造プロセス最適化手法及び半導体装置の製造方法 |
JP2012221854A (ja) * | 2011-04-12 | 2012-11-12 | Sanyo Electric Co Ltd | 出力コネクタを備えるバッテリパック |
JP5815987B2 (ja) * | 2011-05-20 | 2015-11-17 | キヤノン株式会社 | 露光装置およびデバイス製造方法 |
NL2008702A (en) * | 2011-05-25 | 2012-11-27 | Asml Netherlands Bv | Computational process control. |
TWI447605B (zh) * | 2011-06-22 | 2014-08-01 | Inotera Memories Inc | 半導體製程之失效偵測方法及執行此方法之系統架構 |
US8572518B2 (en) | 2011-06-23 | 2013-10-29 | Nikon Precision Inc. | Predicting pattern critical dimensions in a lithographic exposure process |
NL2009196A (en) * | 2011-08-25 | 2013-02-27 | Asml Netherlands Bv | Position measurement system, lithographic apparatus and device manufacturing method. |
NL2009345A (en) | 2011-09-28 | 2013-04-02 | Asml Netherlands Bv | Method of applying a pattern to a substrate, device manufacturing method and lithographic apparatus for use in such methods. |
JP5833437B2 (ja) * | 2011-12-29 | 2015-12-16 | ルネサスエレクトロニクス株式会社 | シミュレーション装置およびシミュレーションプログラム |
US9134724B2 (en) * | 2012-06-12 | 2015-09-15 | Apple Inc. | Method and apparatus for component assembly using continuous selection |
JP5854302B2 (ja) * | 2013-03-19 | 2016-02-09 | 住友電装株式会社 | 車両側コネクタ |
CN105144498B (zh) * | 2013-03-19 | 2017-10-13 | 住友电装株式会社 | 车辆侧连接器 |
KR101900340B1 (ko) | 2013-10-02 | 2018-09-20 | 에이에스엠엘 네델란즈 비.브이. | 산업 공정과 관련된 진단 정보를 얻는 방법 및 장치 |
US10401279B2 (en) * | 2013-10-29 | 2019-09-03 | Kla-Tencor Corporation | Process-induced distortion prediction and feedforward and feedback correction of overlay errors |
JP6070519B2 (ja) * | 2013-11-25 | 2017-02-01 | 住友電装株式会社 | 車両側コネクタ |
JP6386569B2 (ja) * | 2014-02-12 | 2018-09-05 | エーエスエムエル ネザーランズ ビー.ブイ. | プロセスウィンドウを最適化する方法 |
US10152654B2 (en) | 2014-02-20 | 2018-12-11 | Kla-Tencor Corporation | Signal response metrology for image based overlay measurements |
US10073357B2 (en) | 2014-02-21 | 2018-09-11 | Asml Netherlands B.V. | Measuring a process parameter for a manufacturing process involving lithography |
JP2015158594A (ja) | 2014-02-24 | 2015-09-03 | 株式会社ニューフレアテクノロジー | マスクの製造方法、マスク基板、および荷電ビーム描画方法 |
KR102219780B1 (ko) | 2014-03-04 | 2021-02-25 | 에이에스엠엘 네델란즈 비.브이. | 데이터 처리 장치를 갖는 리소그래피 장치 |
US9891540B2 (en) | 2014-08-25 | 2018-02-13 | Asml Holding N.V. | Measuring method, measurement apparatus, lithographic apparatus and device manufacturing method |
US20160148850A1 (en) | 2014-11-25 | 2016-05-26 | Stream Mosaic, Inc. | Process control techniques for semiconductor manufacturing processes |
JP6831784B2 (ja) | 2014-12-01 | 2021-02-17 | エーエスエムエル ネザーランズ ビー.ブイ. | リソグラフィ製造プロセスに関する診断情報を取得するための方法および装置、診断装置を含むリソグラフィックプロセシングシステム |
WO2016177568A1 (en) * | 2015-05-04 | 2016-11-10 | Asml Netherlands B.V. | Method and apparatus for inspection and metrology |
US20160328654A1 (en) | 2015-05-04 | 2016-11-10 | Agt International Gmbh | Anomaly detection for context-dependent data |
US9483604B1 (en) * | 2015-06-15 | 2016-11-01 | International Business Machines Corporation | Variable accuracy parameter modeling in statistical timing |
NL2016925A (en) | 2015-06-18 | 2016-12-22 | Asml Netherlands Bv | Method of metrology, inspection apparatus, lithographic system and device manufacturing method |
CN107924119B (zh) | 2015-08-12 | 2022-08-09 | Asml荷兰有限公司 | 检查设备、检查方法及制造方法 |
US10394973B2 (en) * | 2015-12-18 | 2019-08-27 | Fisher-Rosemount Systems, Inc. | Methods and apparatus for using analytical/statistical modeling for continued process verification (CPV) |
KR102350572B1 (ko) | 2016-02-22 | 2022-01-11 | 에이에스엠엘 네델란즈 비.브이. | 계측 데이터에 대한 기여도들의 분리 |
WO2018153711A1 (en) | 2017-02-22 | 2018-08-30 | Asml Netherlands B.V. | Computational metrology |
-
2018
- 2018-02-12 WO PCT/EP2018/053412 patent/WO2018153711A1/en active Application Filing
- 2018-02-12 JP JP2019565618A patent/JP2020509431A/ja active Pending
- 2018-02-12 CN CN202111221202.5A patent/CN113946105A/zh active Pending
- 2018-02-12 KR KR1020197027439A patent/KR102370339B1/ko active IP Right Grant
- 2018-02-12 US US16/481,143 patent/US10990018B2/en active Active
- 2018-02-12 KR KR1020227006327A patent/KR102485767B1/ko active IP Right Grant
- 2018-02-12 CN CN201880013446.4A patent/CN110383177B/zh active Active
- 2018-02-21 TW TW109123142A patent/TWI762966B/zh active
- 2018-02-21 TW TW107105689A patent/TWI700547B/zh active
-
2021
- 2021-03-10 US US17/197,167 patent/US11347150B2/en active Active
- 2021-11-05 JP JP2021181222A patent/JP2022043021A/ja active Pending
-
2022
- 2022-05-06 US US17/738,093 patent/US20220260925A1/en active Pending
-
2023
- 2023-12-04 JP JP2023204691A patent/JP2024015175A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008091721A (ja) * | 2006-10-03 | 2008-04-17 | Toshiba Corp | レジストパターン予測システム、レジストパターン予測方法、及びマスクパターン補正方法 |
Non-Patent Citations (1)
Title |
---|
《Virtual overlay metrology for fault detection supported with integrated metrology and machine learning》;Hong GT等;《Proceedings of SPIE》;20150319;第9424卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
US10990018B2 (en) | 2021-04-27 |
TW202040260A (zh) | 2020-11-01 |
US20190361358A1 (en) | 2019-11-28 |
CN113946105A (zh) | 2022-01-18 |
CN110383177A (zh) | 2019-10-25 |
KR102370339B1 (ko) | 2022-03-04 |
US20210191278A1 (en) | 2021-06-24 |
TW201835676A (zh) | 2018-10-01 |
KR20220031133A (ko) | 2022-03-11 |
JP2024015175A (ja) | 2024-02-01 |
JP2022043021A (ja) | 2022-03-15 |
JP2020509431A (ja) | 2020-03-26 |
WO2018153711A1 (en) | 2018-08-30 |
US11347150B2 (en) | 2022-05-31 |
KR102485767B1 (ko) | 2023-01-09 |
TWI700547B (zh) | 2020-08-01 |
US20220260925A1 (en) | 2022-08-18 |
TWI762966B (zh) | 2022-05-01 |
KR20190117688A (ko) | 2019-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110383177B (zh) | 计算量测法 | |
US20210349395A1 (en) | Computational metrology | |
JP7443431B2 (ja) | 計算メトロロジに基づく補正および制御 | |
KR102454303B1 (ko) | 컴퓨테이션 계측법 기반 샘플링 스킴 | |
CN111742266B (zh) | 基于参数的概率密度函数的控制 | |
CN111801623B (zh) | 受引导的图案化装置的检查 | |
EP3441819A1 (en) | Computational metrology |
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 |