CN111045289A - 极紫外光刻掩模阴影效应补偿方法 - Google Patents
极紫外光刻掩模阴影效应补偿方法 Download PDFInfo
- Publication number
- CN111045289A CN111045289A CN201911244594.XA CN201911244594A CN111045289A CN 111045289 A CN111045289 A CN 111045289A CN 201911244594 A CN201911244594 A CN 201911244594A CN 111045289 A CN111045289 A CN 111045289A
- Authority
- CN
- China
- Prior art keywords
- compensation
- mask
- shadow effect
- extreme ultraviolet
- pattern
- 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.)
- Granted
Links
- 230000000694 effects Effects 0.000 title claims abstract description 41
- 238000001900 extreme ultraviolet lithography Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005286 illumination Methods 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000003384 imaging method Methods 0.000 claims abstract description 8
- 238000001259 photo etching Methods 0.000 claims abstract 2
- 238000012549 training Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000276 deep-ultraviolet lithography Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000001459 lithography Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/22—Masks or mask blanks for imaging by radiation of 100nm or shorter wavelength, e.g. X-ray masks, extreme ultraviolet [EUV] masks; Preparation thereof
- G03F1/24—Reflection masks; Preparation thereof
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/38—Masks having auxiliary features, e.g. special coatings or marks for alignment or testing; Preparation thereof
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
一种极紫外光刻掩模阴影效应补偿方法,包括建模阶段和补偿阶段。在建模阶段,首先在一定范围内随机生成掩模图形的周期,占空比,二极照明光源的入射方位角和极张角,组合成为样本的特征,然后通过二分搜索法,结合极紫外光刻严格成像仿真模型,计算得到掩模图形的补偿量。最后建立以样本特征为输入,掩模图形补偿量为输出的人工神经网络模型。在补偿阶段,将待补偿掩模的四个参数组合成为样本特征输入建立好的人工神经网络模型,计算得到对应补偿量,达到补偿阴影效应的效果。本发明可快速准确地补偿二极照明条件下一维极紫外光刻掩模图形的阴影效应。
Description
技术领域
本发明涉及极紫外光刻掩模,特别是一种极紫外光刻掩模阴影效应补偿方法。
背景技术
极紫外光刻(EUVL)技术是极具应用前景的新一代光刻技术,已经被用于7nm技术节点的芯片大规模量产制造中。不同于深紫外光刻(DUVL)系统的透射式结构,它采用了反射式的掩模和光学系统,照明光源具有6°大小的主入射角,从而引起了极紫外光刻掩模特有的阴影效应。阴影效应包括图形位置偏移和图形尺寸偏差。图形位置偏移是由斜入射造成的物方非远心性引起的,可以通过简单调节物方焦面来降低乃至消除图形偏移量。图形尺寸偏差是由斜入射造成的衍射光能量损失引起的,需要通过调整掩模上图形的尺寸来补偿。随着技术节点的减小,极紫外光刻掩模的阴影效应更加明显且不再符合传统的几何规律,需要建立更精确的阴影效应补偿模型。
在先技术1(参见在先技术1,H.Song et al.,“Shadowing effect modeling andcompensation for EUVlithography”,Proc.SPIE 7969,79691O(2011))建立了基于掩模图形边界的阴影效应补偿模型。该技术在阴影效应几何表达式的基础上,考虑了衍射带来的高阶项,通过实验数据标定模型参数,从而较为精确的对阴影效应进行仿真计算,然后进行补偿。但该技术仅适用于图形尺寸较大的情况,在技术节点变小时不能简单使用。在先技术2(曹宇婷,王向朝,步扬,刘晓雷,极紫外投影光刻掩模阴影效应分析[J].光学学报,2012,32(08):50-54.)建立了极紫外光刻掩模的简化模型,计算得到的掩模衍射谱中自然包含了阴影效应的信息。该技术基于简化模型推导出了图形尺寸补偿量的解析式,可以对目标关键尺寸(CD)为22nm的线条图形的阴影效应精确补偿。但该技术没有考虑阴影效应与掩模周期,占空比以及光源形状等因素的影响,在掩模图形尺寸变小时应用受限。在先技术3(P.C.W.Ng et al.,“Fully model-based methodology for simultaneouscorrection ofextreme ultraviolet mask shadowing and proximityeffects”,J.Micro/Nanolith.MEMS 10(1),013004(2011))建立了基于模型的EUVL光学邻近效应校正(OPC)流程,通过迭代和反馈的方法同时补偿阴影效应和光学邻近效应,适用性强。但该技术的补偿速度较慢,需要进一步的改进。
发明内容
本发明的目的在于克服现有技术不足,提供一种极紫外光刻掩模阴影效应补偿方法,提高阴影效应补偿的精度和速度。
本发明的技术解决方案如下:
一种极紫外光刻掩模阴影效应补偿方法,该方法包括建模和补偿两个阶段。
第一阶段:建模阶段,具体步骤如下:
(1)生成训练样本:
设置L的取值范围为10到20nm,f的取值范围为从3到8nm,的取值范围为从0°到90°,θo的取值范围为从到π。在各个参数的取值范围内随机生成N(N≥500)组四个参数组合成的矢量作为样本的特征。根据这些特征生成N个训练样本,每个样本包括一个掩模图形和一个照明光源。
(2)计算每个训练样本的图形补偿量:
①根据第i个训练样本的特征计算对应的像面目标关键尺寸(CD)值S:
其中,R表示光刻投影物镜的缩小倍率。
②设置图形补偿量最小值cmin和最大值cmax分别为:
cmin=k1*(L-s),cmax=k2*(L-s)
其中,k1,k2为比例因子;初始化掩模图形的物面线条宽度为:
s=S*R
④设置图形补偿量c为:
并更新掩模图形的物面线条宽度为:
s=s+c
⑥判断下述条件是否满足:
|st-S|≤Th
其中Th是人为设定的阈值,Th>0。
若条件满足,则将④中设置的c作为训练样本的图形补偿量输出,并进入步骤⑧。
若条件不满足,执行步骤⑦。
⑦判断st与S的大小:
若st<S,设置cmin=c,返回步骤④。
若st>S,设置cmax=c,返回步骤④。
⑧判断i与N的大小:
若i=N,进入步骤(3)。
若i<N,设置i=i+1,返回步骤①。
(3)建立人工神经网络模型:
设置模型包含M个隐藏层,第i个隐藏层隐藏层包含mi个神经元,隐藏层的激活函数均为双曲正切函数。
模型的损失函数为均方根误差MSE,评价函数为最大绝对值误差MAE,优化算法为Adam算法,学习率为η。
将训练样本的特征做归一化处理后作为模型的输入,将训练样本的图形补偿量作为模型的输出进行训练,迭代训练E(E≥300)次后得到人工神经网络模型。
第二阶段:阴影效应补偿阶段,具体步骤如下:
(4)极紫外光刻掩模阴影效应补偿:
与在先技术相比,本发明具有以下优点:
1、本发明考虑了技术节点减小时,除了掩模厚度和光线入射角度外,与极紫外光刻掩模阴影效应有关的掩模尺寸(周期和线条图形宽度)、光源形状因素,提高了阴影效应补偿的精度。
2、本发明利用提前训练好的人工神经网络模型,提高了阴影效应补偿阶段的速度。
附图说明
图1为本发明极紫外光刻掩模图形和照明光源示意图,其中(a)为掩模图形示意图,(b)为二极照明光源示意图。
图2为本发明所建立的人工神经网络模型示意图。
图3为本发明实施例的阴影效应补偿结果。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应以此实施例限制本发明的保护范围。
具体步骤如下:
(1)生成训练样本:
(2)计算每个训练样本的图形补偿量:
①根据第i个训练样本的特征计算对应的像面目标关键尺寸(CD)值S:
其中,R表示光刻投影物镜的缩小倍率,设置为R=4。
②设置图形补偿量最小值cmin和最大值cmax分别为:
cmin=k1*(L-s),cmax=k2*(L-s)
设置k1=-0.2,k2=0.8,初始化掩模图形的物面线条宽度为:
s=S*R
④设置图形补偿量c为:
并更新掩模图形的物面线条宽度为:
s=s+c
⑥判断下述条件是否满足:
|st-S|≤Th
其中Th设置为0.1nm。
若条件满足,则将④中设置的c作为训练样本的图形补偿量输出,并进入步骤⑧。
若条件不满足,则执行步骤⑦。
⑦判断st与S的大小:
若st<S,设置cmin=c,返回步骤④。
若st>S,设置cmax=c,返回步骤④。
⑧判断i与N的大小:
若i=N,进入步骤(3)。
若i<N,设置i=i+1,返回步骤①。
(3)建立人工神经网络模型:
设置模型包含M=2个隐藏层,第1个隐藏层隐藏层包含32个神经元,第2个隐藏层隐藏层包含16个神经元,隐藏层的激活函数均为双曲正切函数。
模型的损失函数为均方根误差MSE,评价函数为最大绝对值误差MAE,优化算法为Adam算法,学习率设置为η=0.05。
将训练样本的特征做归一化处理后作为模型的输入,将训练样本的图形补偿量作为模型的输出进行训练,迭代训练E=700次后得到建立的人工神经网络模型。
(4)极紫外光刻掩模阴影效应补偿
设置待补偿掩模的周期为L=240nm,占空比为f=0.25,因此掩模线条物面图形宽度为s=60nm,像面目标关键尺寸(CD)值为S=15nm,二极照明光源的极张角为分别设置二极照明光源的方位角为每隔5°进行取值,共19个值。在不同的方位角条件下,将四个参数组合成为特征输入建立好的人工神经网络模型,计算得到图形补偿量。
按照得到的图形补偿量对掩模图形物面线条宽度进行修正,并带入极紫外光刻成像严格仿真程序计算补偿后的像面线条宽度st,与像面目标关键尺寸(CD)值S=15nm进行对比并计算误差,验证补偿方法的有效性。
在本实施例中,对于19个照明光源方位角条件下,阴影效应补偿前st与S误差的均方根(RMS)为10.46nm,补偿后误差的RMS为0.26nm,同时补偿阶段对单个样本的补偿量计算时间为0.0041s。采用本方法后有效补偿了极紫外光刻掩模的阴影效应,同时本方法具有补偿速度快的优点。
以上所述只是本发明的一个具体实施例,该实施例仅用以说明本发明的技术方案而非对本发明的限制。凡本领域技术人员依本发明的构思通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在本发明的保护范围之内。
Claims (2)
1.一种极紫外光刻掩模阴影效应补偿方法,其特征在于:该方法包括建模和补偿两个阶段:
第一阶段:建模阶段,具体步骤如下:
(1)生成训练样本:
根据这些特征生成N个训练样本,每个样本包括一个掩模图形和一个照明光源;
(2)计算每个训练样本的图形补偿量:
①根据第i个训练样本的特征计算对应的像面目标关键尺寸值S:
其中,R表示光刻投影物镜的缩小倍率;
②设置图形补偿量最小值cmin和最大值cmax:
cmin=k1*(L-s),cmax=k2*(L-s)
其中,k1,k2为比例因子;初始化掩模图形的物面线条宽度为:
s=S*R
④设置图形补偿量c为:
并更新掩模图形的物面线条宽度为:
s=s+c
⑥判断下述条件是否满足:
|st-S|≤Th
其中Th是人为设定的阈值;
若条件满足,则将步骤④中设置的c作为训练样本的图形补偿量输出,并进入步骤⑧;
若条件不满足,执行步骤⑦;
⑦判断st与S的大小:
若st<S,设置cmin=c,返回步骤④;
若st>S,设置cmax=c,返回步骤④;
⑧判断i与N的大小:
若i=N,则进入步骤(3);
若i<N,设置i=i+1,返回步骤①;
(3)建立人工神经网络模型:
设置人工神经网络模型包含M(M≥2)个隐藏层,第i个隐藏层包含mi(mi≥8)个神经元,隐藏层的激活函数均为双曲正切函数;模型的损失函数为均方根误差,表示为MSE,评价函数为最大绝对值误差,表示为MAE,优化算法为Adam算法,学习率为η;将训练样本的特征做归一化处理后作为模型的输入,将训练样本的图形补偿量作为模型的输出进行训练,迭代训练E(E≥300)次后得到人工神经网络模型;
第二阶段:阴影效应补偿阶段,具体步骤如下:
(4)极紫外光刻掩模阴影效应补偿:
2.根据权利要求1所述的极紫外光刻阴影效应补偿方法,其特征在于,N≥500。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911244594.XA CN111045289B (zh) | 2019-12-06 | 2019-12-06 | 极紫外光刻掩模阴影效应补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911244594.XA CN111045289B (zh) | 2019-12-06 | 2019-12-06 | 极紫外光刻掩模阴影效应补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111045289A true CN111045289A (zh) | 2020-04-21 |
CN111045289B CN111045289B (zh) | 2021-07-06 |
Family
ID=70234985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911244594.XA Active CN111045289B (zh) | 2019-12-06 | 2019-12-06 | 极紫外光刻掩模阴影效应补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111045289B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011108711A (ja) * | 2009-11-13 | 2011-06-02 | Renesas Electronics Corp | Euvマスクの欠陥検査方法、euvマスクの製造方法、および、半導体装置の製造方法 |
CN102209935A (zh) * | 2008-11-10 | 2011-10-05 | Asml荷兰有限公司 | 用于光刻校准的参数敏感和正交测规设计的方法和系统 |
US20130038716A1 (en) * | 2011-08-09 | 2013-02-14 | Samsung Electronics Co., Ltd. | Method of inspecting a mask and apparatus for performing the same |
CN104238282A (zh) * | 2014-09-23 | 2014-12-24 | 中国科学院上海光学精密机械研究所 | 极紫外光刻含缺陷掩模衍射谱的快速严格仿真方法 |
CN105301913A (zh) * | 2014-06-06 | 2016-02-03 | 台湾积体电路制造股份有限公司 | 用两种状态的掩模提高分辨率的光刻方法和结构 |
US20180059529A1 (en) * | 2016-08-31 | 2018-03-01 | Imec Vzw | Lithographic Mask for EUV Lithography |
CN109031894A (zh) * | 2018-08-13 | 2018-12-18 | 中国科学院上海光学精密机械研究所 | 极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法 |
CN109543330A (zh) * | 2018-11-30 | 2019-03-29 | 上海华力微电子有限公司 | 一种自匹配的基于像素的光学邻近修正方法及系统 |
-
2019
- 2019-12-06 CN CN201911244594.XA patent/CN111045289B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102209935A (zh) * | 2008-11-10 | 2011-10-05 | Asml荷兰有限公司 | 用于光刻校准的参数敏感和正交测规设计的方法和系统 |
JP2011108711A (ja) * | 2009-11-13 | 2011-06-02 | Renesas Electronics Corp | Euvマスクの欠陥検査方法、euvマスクの製造方法、および、半導体装置の製造方法 |
US20130038716A1 (en) * | 2011-08-09 | 2013-02-14 | Samsung Electronics Co., Ltd. | Method of inspecting a mask and apparatus for performing the same |
CN105301913A (zh) * | 2014-06-06 | 2016-02-03 | 台湾积体电路制造股份有限公司 | 用两种状态的掩模提高分辨率的光刻方法和结构 |
CN104238282A (zh) * | 2014-09-23 | 2014-12-24 | 中国科学院上海光学精密机械研究所 | 极紫外光刻含缺陷掩模衍射谱的快速严格仿真方法 |
US20180059529A1 (en) * | 2016-08-31 | 2018-03-01 | Imec Vzw | Lithographic Mask for EUV Lithography |
CN109031894A (zh) * | 2018-08-13 | 2018-12-18 | 中国科学院上海光学精密机械研究所 | 极紫外光刻掩模多层膜相位型缺陷底部形貌检测方法 |
CN109543330A (zh) * | 2018-11-30 | 2019-03-29 | 上海华力微电子有限公司 | 一种自匹配的基于像素的光学邻近修正方法及系统 |
Non-Patent Citations (3)
Title |
---|
刘晓雷 等: ""极紫外光刻含缺陷掩模仿真模型及缺陷的补偿"", 《光学学报》 * |
施伟杰等: "基于人工神经网络权值优化的投影光刻机像质校正灵敏矩阵的计算方法", 《中国激光》 * |
曹宇婷 等: ""极紫外投影光刻掩模阴影效应分析"", 《光学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111045289B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7362744B2 (ja) | レイアウトパターン選択の方法及び装置 | |
TW201939365A (zh) | 用於計算微影之機器學習模型的訓練方法 | |
TWI396055B (zh) | 光學近接校正之多變數解算器 | |
CN110554580B (zh) | 光刻机多参数联合优化方法 | |
CN109634068B (zh) | 离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法 | |
TW202018408A (zh) | 基於單元間關聯性的布局改善方法及系統 | |
US11989873B2 (en) | Stochastic contour prediction system, method of providing the stochastic contour prediction system, and method of providing EUV mask using the stochastic contour prediction system | |
TWI240307B (en) | Correction method and verification method for pattern size using OPC, mask and semiconductor device made by using the correction method, and system and recording medium executing the correction method | |
CN114008533A (zh) | 用于图案化过程建模的方法 | |
CN112394615A (zh) | 极紫外光刻光源掩模优化方法 | |
CN112236722B (zh) | 用于确定与计算光刻掩模模型相关联的电磁场的方法 | |
US20070226674A1 (en) | System and method for semiconductor device fabrication using modeling | |
Clifford et al. | Compensation methods using a new model for buried defects in extreme ultraviolet lithography masks | |
CN111045289B (zh) | 极紫外光刻掩模阴影效应补偿方法 | |
CN116342983B (zh) | 生成及使用图刻模型的方法、电子设备和计算机可读介质 | |
JP5423286B2 (ja) | パターンデータ変換方法 | |
CN115857067A (zh) | 一种逆向设计的超构表面器件及其制备、设计方法 | |
CN110806679B (zh) | 全视场低像差敏感度一体化光刻方法及光刻系统 | |
CN116802556A (zh) | 用于确定晶圆图形尺寸的方法、装置、设备、介质以及程序产品 | |
Beale et al. | Etch modeling for accurate full-chip process proximity correction | |
Jenkins et al. | Accelerating Electromagnetic Inverse-Design using Deep Learning | |
Domnenko et al. | The role of mask topography effects in the optimization of pixelated sources | |
Yu et al. | Mask 3D model based on complex-valued convolution neural network for EUV lithography | |
Chen et al. | A scanner matching method based on covariance matrix adaptation evolution strategy | |
WO2024045029A1 (zh) | 显示面板的工艺数据的验证方法、显示面板的生产方法和电子设备 |
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 |