CN111553901B - 先进光刻胶工艺质量评估方法及系统 - Google Patents
先进光刻胶工艺质量评估方法及系统 Download PDFInfo
- Publication number
- CN111553901B CN111553901B CN202010350818.1A CN202010350818A CN111553901B CN 111553901 B CN111553901 B CN 111553901B CN 202010350818 A CN202010350818 A CN 202010350818A CN 111553901 B CN111553901 B CN 111553901B
- Authority
- CN
- China
- Prior art keywords
- photoresist
- module
- roughness
- edge
- electron beam
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
本发明公开了一种先进光刻胶工艺质量评估方法及系统,所述先进光刻胶工艺质量评估系统包括图像获取模块、轮廓提取模块、粗糙度计算模块、拟合模块、特征分析模块和质量评估模块,所述图像获取模块、所述轮廓提取模块、所述粗糙度计算模块、所述拟合模块、所述特征分析模块和所述质量评估模块依次连接,对获取的光刻胶进行光刻,得到电子束显微图像;根据所述电子束显微图像,提取所述光刻胶边缘轮廓,同时计算出边缘粗糙度和宽度粗糙度;利用拟合函数计算功率谱密度曲线,并得到拟合参数,并计算所有所述电子束显微图像的特征参数,根据所述光刻胶的特征值,建立光刻胶质量评估表,能够筛选最佳的光刻胶产品。
Description
技术领域
本发明涉及光刻胶评估技术领域,尤其涉及一种先进光刻胶工艺质量评估方法及系统。
背景技术
光刻胶是集成电路工艺的关键材料,光刻胶质量直接决定了工艺质量和缺陷,影响光刻胶工艺质量的核心参数包括:光刻胶分辨率、粗糙度和光敏感度。分辨率是指光刻胶所能实现的最小图形尺寸,粗糙度指光刻胶成像图形的边缘均匀程度,光敏感度指光刻胶显影时对不同光强的响应敏感性,一般而言,为了使光刻胶能够充分运用到实际制造工艺,往往在量产之前进行工艺质量评估。传统的方法在光刻之后进行电子束测量,甚至切片测量,来观察缺陷、分辨率、粗糙度等特征参数。测量参数少、难以提取更多的光刻胶核心参数,不能筛选最佳的光刻胶产品。
发明内容
本发明的目的在于提供一种先进光刻胶工艺质量评估方法及系统,能够筛选最佳的光刻胶产品。
为实现上述目的,第一方面,本发明提供了一种先进光刻胶工艺质量评估方法,包括:
对获取的光刻胶进行光刻,得到电子束显微图像;
根据所述电子束显微图像,提取所述光刻胶边缘轮廓;
根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度;
利用拟合函数计算功率谱密度曲线,并得到拟合参数;
根据所述拟合参数,计算所有所述电子束显微图像的特征参数;
根据所述光刻胶的特征值,建立光刻胶质量评估表。
其中,所述对获取的光刻胶进行光刻,得到电子束显微图像,包括:
对获取的光刻胶经过深紫外光刻后,通过电子束显微镜得到包括致密的线条结构和变周期线条结构的电子束显微图像。
其中,根据所述电子束显微图像,提取所述光刻胶边缘轮廓,包括:
对所述电子束显微图像去噪后,根据所述电子束显微图像中沿线条垂直方向的平均像素曲线,并基于设定的绝对阈值,计算出对应的边缘和沿所述线条方向的所有边缘。
其中,根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度,包括:
基于所述沿线条方向的边缘分布数值和平均值,计算出所述边缘分布数值和所述平均值之间的标准差,并以所述标准差的3倍得到边缘粗糙度数值。
其中,根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度,还包括:
基于对应线条的左右相邻的边缘分布数值,计算出沿所述线条方向的宽度值向量的平均值,得到线条宽度,基于所述宽度值向量的标准差的三倍,得到宽度粗糙度。
其中,所述利用拟合函数计算功率谱密度曲线,并得到拟合参数,包括:
将所述边缘粗糙度和所述宽度粗糙度进行频率域变换后,基于功率谱密度函数计算出对应的边缘功率谱密度曲线和宽度功率谱密度曲线,同时利用拟合函数对所述边缘功率谱密度曲线和所述宽度功率谱密度曲线进行拟合,得到设定的拟合参数。
其中,根据所述拟合参数,计算所有所述电子束显微图像的特征参数,包括:
根据所述边缘粗糙度、所述宽度粗糙度和所述拟合参数,计算所述电子束显微图像的光酸扩散长度和光刻胶均匀性。
其中,根据所述光刻胶的特征值,建立光刻胶质量评估表,包括:
基于不同组分的所述光刻胶特征值,根据对应的所述光酸扩散长度和所述宽度粗糙度建立光刻胶质量评估表。
第二方面,本发明提供一种先进光刻胶工艺质量评估系统,所述先进光刻胶工艺质量评估系统包括图像获取模块、轮廓提取模块、粗糙度计算模块、拟合模块、特征分析模块和质量评估模块,所述图像获取模块、所述轮廓提取模块、所述粗糙度计算模块、所述拟合模块、所述特征分析模块和所述质量评估模块依次连接,
所述图像获取模块,用于通过电子束显微镜获取经过深紫外光刻的光刻胶的电子束显微图像;
所述轮廓提取模块,用于根据所述电子束显微图像,提取所述光刻胶边缘轮廓;
所述粗糙度计算模块,用于根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度;
所述拟合模块,用于根据所述边缘粗糙度和所述宽度粗糙度,利用功率谱密度函数计算出对应功率谱密度曲线,同时利用拟合函数对所述边缘功率谱密度曲线和所述宽度功率谱密度曲线进行拟合,得到设定的拟合参数;
所述特征分析模块,用于根据所述边缘粗糙度、所述宽度粗糙度和所述拟合参数,计算所述电子束显微图像的光酸扩散长度和光刻胶均匀性;
所述质量评估模块,用于基于不同组分的所述光刻胶特征值,根据对应的所述光酸扩散长度和所述宽度粗糙度建立光刻胶质量评估表。
本发明的一种先进光刻胶工艺质量评估方法及系统,所述先进光刻胶工艺质量评估系统包括图像获取模块、轮廓提取模块、粗糙度计算模块、拟合模块、特征分析模块和质量评估模块,所述图像获取模块、所述轮廓提取模块、所述粗糙度计算模块、所述拟合模块、所述特征分析模块和所述质量评估模块依次连接,对获取的光刻胶进行光刻,得到电子束显微图像;根据所述电子束显微图像,提取所述光刻胶边缘轮廓,同时计算出边缘粗糙度和宽度粗糙度;利用拟合函数计算功率谱密度曲线,并得到拟合参数,并计算所有所述电子束显微图像的特征参数,根据所述光刻胶的特征值,建立光刻胶质量评估表,能够筛选最佳的光刻胶产品。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种先进光刻胶工艺质量评估方法的步骤示意图。
图2是本发明提供的先进光刻胶工艺质量评估系统的结构示意图。
图3是本发明提供的一种光刻胶的光学光刻后的电子束显微图。
图4是本发明提供的线条边缘和线条宽度功率谱密度曲线及其最佳拟合曲线图。
1-图像获取模块、2-轮廓提取模块、3-粗糙度计算模块、4-拟合模块、5-特征分析模块、6-质量评估模块。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
请参阅图1,本发明提供一种先进光刻胶工艺质量评估方法,包括:
S101、对获取的光刻胶进行光刻,得到电子束显微图像。
具体的,对获取的光刻胶经过深紫外光刻后,通过电子束显微镜得到包括致密的线条结构和变周期线条结构的电子束显微图像,如图3所提供的光刻胶的光学光刻后的电子束显微图所示,所使用的结构为周期线条结构。其中,所述光刻胶指应用于深紫外光刻和极紫外光刻的光刻胶、纳米压印光刻胶和电子束光刻胶。所述光刻指使用波长大于等于14纳米小于400纳米的深紫外光刻、使用波长小于14纳米大于1纳米的极紫外光刻、使用光学感光的纳米压印光刻、使用电子束光刻。
本实施例的电子显微图像使用193纳米波长的深紫外光刻。
S102、根据所述电子束显微图像,提取所述光刻胶边缘轮廓。
具体的,对所述电子束显微图像去噪后,根据所述电子束显微图像中沿线条垂直方向的平均像素曲线,并基于设定的绝对阈值,计算出对应的边缘和沿所述线条方向的所有边缘,使用电子束显微镜所获得的图像边缘特征具有在边缘处像素值高,在平缓处像素值低的特征,所述光刻胶边缘轮廓指符合光刻工艺之后的边缘轮廓提取算法,这里采用的是绝对阈值算法,还可以相对像素阈值算法、边缘斜率极值算法、频域分析算法进行计算。
S103、根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度。
具体的,基于所述沿线条方向的边缘分布数值和平均值,所述边缘分布数值一般满足高斯随机分布,平均值作为边缘中心,计算出所述边缘分布数值和所述平均值之间的标准差,并以所述标准差的3倍得到边缘粗糙度数值。
基于对应线条的左右相邻的边缘分布数值,计算出沿所述线条方向的宽度值向量的平均值,得到线条宽度,基于所述宽度值向量的标准差的三倍,得到宽度粗糙度,
一般建议电子束成像图像的视场范围内包含1根及以上线条结构,线条长度应不小于500纳米或不小于线条宽度的十倍,计算边缘粗糙度和宽度粗糙度的算法为对每一条边缘进行计算,再计算所有边缘的平均值,以降低随机误差对计算结果的影响。
S104、利用拟合函数计算功率谱密度曲线,并得到拟合参数。
具体的,将所述边缘粗糙度和所述宽度粗糙度进行频率域变换后,基于功率谱密度函数计算出对应的边缘功率谱密度曲线和宽度功率谱密度曲线,所述功率谱密度函数的公式为:
其中,PSD表示功率谱密度函数,W(f)表示W(y)的傅里叶变换,L表示线条方向的线条宽长度,W(y)表示沿线条方向的宽度值。
同时利用拟合函数对所述边缘功率谱密度曲线和所述宽度功率谱密度曲线进行拟合,得到设定即最佳的拟合参数和最佳拟合曲线,如图4所提供的线条边缘和线条宽度功率谱密度曲线及其最佳拟合曲线图所示,其中,线条边缘及其最佳拟合曲线为LERPSD和LERPSDFitCurve,线条宽度功率谱密度曲线及其最佳拟合曲线为LWRPSD和LWRPSDFitCurve所述拟合函数为:
其中,f表示频率,σ表示粗糙度,H表示粗糙度指数,ξ表示相关长度,Γ()为数学Gamma函数,其表达式为:
S105、根据所述拟合参数,计算所有所述电子束显微图像的特征参数。
具体的,根据所述边缘粗糙度、所述宽度粗糙度和所述拟合参数,计算不同所述电子束显微图像的光酸扩散长度和光刻胶均匀性,所述不同电子束显微图像指不同的结构宽度、周期和种类,主要包括变周期和变尺寸线条结构,所述光酸扩散长度与前述相关长度呈正比关系,可以使用相关长度来近似表征光酸扩散长度,反映材料的内秉性质;所述光刻胶均匀性主要由线条宽度粗糙度和边缘粗糙度数值来反映,包括基于测量结果计算得到的数值,以及基于最佳拟合方程得到的数值,对这些数值进行综合分析,判断光刻胶的均匀性。其特征参数的分析结果如表1所示。
表1特征参数的分析结果
S106、根据所述光刻胶的特征值,建立光刻胶质量评估表。
具体的,基于不同组分的所述光刻胶特征值,根据对应的所述光酸扩散长度和所述宽度粗糙度建立光刻胶质量评估表,所述不同光刻胶包括:满足相同工艺需求而改变组分的光刻胶;商用光刻胶;为适应更先进节点而调配的光刻胶。所述光刻胶质量评估表指汇总光刻胶的粗糙度、光酸扩散长度、光刻胶均匀性等质量参数。本实施例中,优先考虑光酸扩散长度和线条宽度粗糙度,这两个特征值与光刻胶本征性质具有重要关系。光刻胶质量评估的目标是降低线条宽度粗糙度,同时降低光酸扩散长度,能够筛选出最佳的光刻胶产品。
请参阅图2,本发明提供一种先进光刻胶工艺质量评估系统,所述先进光刻胶工艺质量评估系统包括图像获取模块1、轮廓提取模块2、粗糙度计算模块3、拟合模块4、特征分析模块5和质量评估模块6,所述图像获取模块1、所述轮廓提取模块2、所述粗糙度计算模块3、所述拟合模块4、所述特征分析模块5和所述质量评估模块6依次连接,
所述图像获取模块1,用于通过电子束显微镜获取经过深紫外光刻的光刻胶的电子束显微图像;
所述轮廓提取模块2,用于根据所述电子束显微图像,提取所述光刻胶边缘轮廓;
所述粗糙度计算模块3,用于根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度;
所述拟合模块4,用于根据所述边缘粗糙度和所述宽度粗糙度,利用功率谱密度函数计算出对应功率谱密度曲线,同时利用拟合函数对所述边缘功率谱密度曲线和所述宽度功率谱密度曲线进行拟合,得到设定的拟合参数;
所述特征分析模块5,用于根据所述边缘粗糙度、所述宽度粗糙度和所述拟合参数,计算所述电子束显微图像的光酸扩散长度和光刻胶均匀性;
所述质量评估模块6,用于基于不同组分的所述光刻胶特征值,根据对应的所述光酸扩散长度和所述宽度粗糙度建立光刻胶质量评估表。
在本实施方式中,本发明提供一种先进光刻胶工艺质量评估系统,所述先进光刻胶工艺质量评估系统包括图像获取模块1、轮廓提取模块2、粗糙度计算模块3、拟合模块4、特征分析模块5和质量评估模块6,所述图像获取模块1、所述轮廓提取模块2、所述粗糙度计算模块3、所述拟合模块4、所述特征分析模块5和所述质量评估模块6依次连接,通过电子束显微镜获取经过深紫外光刻的光刻胶的电子束显微图像,然后利用所述轮廓提取模块2提取所述光刻胶边缘轮廓,根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度;通过所述拟合模块4利用功率谱密度函数计算出对应功率谱密度曲线,同时利用拟合函数对所述边缘功率谱密度曲线和所述宽度功率谱密度曲线进行拟合,得到最佳的拟合参数;同时根据所述边缘粗糙度、所述宽度粗糙度和所述拟合参数,计算不同的所述电子束显微图像的光酸扩散长度和光刻胶均匀性;并对不同的光刻胶特征值,根据对应的所述光酸扩散长度和所述宽度粗糙度建立光刻胶质量评估表,筛选出最佳的光刻胶产品。
本发明的一种先进光刻胶工艺质量评估方法及系统,所述先进光刻胶工艺质量评估系统包括图像获取模块1、轮廓提取模块2、粗糙度计算模块3、拟合模块4、特征分析模块5和质量评估模块6,所述图像获取模块1、所述轮廓提取模块2、所述粗糙度计算模块3、所述拟合模块4、所述特征分析模块5和所述质量评估模块6依次连接,对获取的光刻胶进行光刻,得到电子束显微图像;根据所述电子束显微图像,提取所述光刻胶边缘轮廓,同时计算出边缘粗糙度和宽度粗糙度;利用拟合函数计算功率谱密度曲线,并得到拟合参数,并计算所有所述电子束显微图像的特征参数,根据所述光刻胶的特征值,建立光刻胶质量评估表,能够筛选最佳的光刻胶产品。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (8)
1.一种先进光刻胶工艺质量评估方法,其特征在于,包括:
对获取的光刻胶进行光刻,得到电子束显微图像;
根据所述电子束显微图像,提取所述光刻胶边缘轮廓;
根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度;
利用拟合函数计算功率谱密度曲线,并得到拟合参数,具体为将所述边缘粗糙度和所述宽度粗糙度进行频率域变换后,基于功率谱密度函数计算出对应的边缘功率谱密度曲线和宽度功率谱密度曲线,同时利用拟合函数对所述边缘功率谱密度曲线和所述宽度功率谱密度曲线进行拟合,得到设定的拟合参数;
根据所述拟合参数,计算所有所述电子束显微图像的特征参数;
根据所述光刻胶的特征值,建立光刻胶质量评估表。
2.如权利要求1所述的先进光刻胶工艺质量评估方法,其特征在于,所述对获取的光刻胶进行光刻,得到电子束显微图像,包括:
对获取的光刻胶经过深紫外光刻后,通过电子束显微镜得到包括致密的线条结构和变周期线条结构的电子束显微图像。
3.如权利要求2所述的先进光刻胶工艺质量评估方法,其特征在于,根据所述电子束显微图像,提取所述光刻胶边缘轮廓,包括:
对所述电子束显微图像去噪后,根据所述电子束显微图像中沿线条垂直方向的平均像素曲线,并基于设定的绝对阈值,计算出对应的边缘和沿所述线条方向的所有边缘。
4.如权利要求3所述的先进光刻胶工艺质量评估方法,其特征在于,根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度,包括:
基于所述沿线条方向的边缘分布数值和平均值,计算出所述边缘分布数值和所述平均值之间的标准差,并以所述标准差的3倍得到边缘粗糙度数值。
5.如权利要求4所述的先进光刻胶工艺质量评估方法,其特征在于,根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度,还包括:
基于对应线条的左右相邻的边缘分布数值,计算出沿所述线条方向的宽度值向量的平均值,得到线条宽度,基于所述宽度值向量的标准差的三倍,得到宽度粗糙度。
6.如权利要求5所述的先进光刻胶工艺质量评估方法,其特征在于,根据所述拟合参数,计算所有所述电子束显微图像的特征参数,包括:
根据所述边缘粗糙度、所述宽度粗糙度和所述拟合参数,计算所述电子束显微图像的光酸扩散长度和光刻胶均匀性。
7.如权利要求6所述的先进光刻胶工艺质量评估方法,其特征在于,根据所述光刻胶的特征值,建立光刻胶质量评估表,包括:
基于不同组分的所述光刻胶特征值,根据对应的所述光酸扩散长度和所述宽度粗糙度建立光刻胶质量评估表。
8.一种先进光刻胶工艺质量评估系统,其特征在于,所述先进光刻胶工艺质量评估系统包括图像获取模块、轮廓提取模块、粗糙度计算模块、拟合模块、特征分析模块和质量评估模块,所述图像获取模块、所述轮廓提取模块、所述粗糙度计算模块、所述拟合模块、所述特征分析模块和所述质量评估模块依次连接,
所述图像获取模块,用于通过电子束显微镜获取经过深紫外光刻的光刻胶的电子束显微图像;
所述轮廓提取模块,用于根据所述电子束显微图像,提取所述光刻胶边缘轮廓;
所述粗糙度计算模块,用于根据所述边缘轮廓计算边缘粗糙度和宽度粗糙度;
所述拟合模块,用于根据所述边缘粗糙度和所述宽度粗糙度,利用功率谱密度函数计算出对应功率谱密度曲线,同时利用拟合函数对功率谱密度曲线进行拟合,得到设定的拟合参数;
所述特征分析模块,用于根据所述边缘粗糙度、所述宽度粗糙度和所述拟合参数,计算所述电子束显微图像的光酸扩散长度和光刻胶均匀性;
所述质量评估模块,用于基于不同组分的所述光刻胶特征值,根据对应的所述光酸扩散长度和所述宽度粗糙度建立光刻胶质量评估表。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350818.1A CN111553901B (zh) | 2020-04-28 | 2020-04-28 | 先进光刻胶工艺质量评估方法及系统 |
PCT/CN2020/110955 WO2021217972A1 (zh) | 2020-04-28 | 2020-08-25 | 先进光刻胶工艺质量评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350818.1A CN111553901B (zh) | 2020-04-28 | 2020-04-28 | 先进光刻胶工艺质量评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553901A CN111553901A (zh) | 2020-08-18 |
CN111553901B true CN111553901B (zh) | 2023-04-14 |
Family
ID=72004118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010350818.1A Active CN111553901B (zh) | 2020-04-28 | 2020-04-28 | 先进光刻胶工艺质量评估方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111553901B (zh) |
WO (1) | WO2021217972A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553901B (zh) * | 2020-04-28 | 2023-04-14 | 南京诚芯集成电路技术研究院有限公司 | 先进光刻胶工艺质量评估方法及系统 |
CN112904681B (zh) * | 2021-01-28 | 2023-04-07 | 上海华力集成电路制造有限公司 | 一种基于傅里叶变换的光酸扩散长度测定方法 |
CN113109647B (zh) * | 2021-04-09 | 2022-04-29 | 长鑫存储技术有限公司 | 导电结构电性缺陷分析方法、电性参数分析方法及系统 |
CN113762609A (zh) * | 2021-08-27 | 2021-12-07 | 浙江天垂科技有限公司 | 产品质量预测方法及装置 |
CN113985709B (zh) * | 2021-10-26 | 2022-07-15 | 中国科学院微电子研究所 | 一种定量计算等离子体超衍射光刻工艺中线边缘粗糙度的解析方法及装置 |
CN114637352B (zh) * | 2022-03-17 | 2023-01-03 | 杭州名光微电子科技有限公司 | 一种基于机器视觉的芯片制作点胶机在线控制管理系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4801427B2 (ja) * | 2005-01-04 | 2011-10-26 | 株式会社日立ハイテクノロジーズ | パターン形状評価方法 |
CN101211115A (zh) * | 2006-12-28 | 2008-07-02 | 中芯国际集成电路制造(上海)有限公司 | 评估显影能力的方法 |
CN103456654B (zh) * | 2012-05-30 | 2016-01-06 | 中芯国际集成电路制造(上海)有限公司 | 测量方法 |
CN102955378B (zh) * | 2012-11-12 | 2016-08-24 | 上海集成电路研发中心有限公司 | 光刻胶形貌表征方法 |
CN106352820B (zh) * | 2016-08-08 | 2019-01-22 | 中国科学院微电子研究所 | 一种线条粗糙度的测量方法及系统 |
CN106325005B (zh) * | 2016-10-12 | 2018-03-23 | 中国科学院微电子研究所 | 一种光刻工艺窗口的测量方法 |
US10664955B2 (en) * | 2017-04-13 | 2020-05-26 | Fractilia, Llc | Edge detection system and its use for machine learning |
US10451979B2 (en) * | 2017-09-29 | 2019-10-22 | Taiwan Semiconductor Manufacturing Co., Ltd. | Apparatus for EUV lithography and method of measuring focus |
CN111553901B (zh) * | 2020-04-28 | 2023-04-14 | 南京诚芯集成电路技术研究院有限公司 | 先进光刻胶工艺质量评估方法及系统 |
-
2020
- 2020-04-28 CN CN202010350818.1A patent/CN111553901B/zh active Active
- 2020-08-25 WO PCT/CN2020/110955 patent/WO2021217972A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN111553901A (zh) | 2020-08-18 |
WO2021217972A1 (zh) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553901B (zh) | 先进光刻胶工艺质量评估方法及系统 | |
US20180342051A1 (en) | Wafer inspection using difference images | |
Giannatou et al. | Deep learning denoising of SEM images towards noise-reduced LER measurements | |
JP4709639B2 (ja) | マスクパターン評価方法及び評価装置 | |
CN111221225B (zh) | 光刻工艺质量评估方法及反馈控制系统 | |
DE102010030758A1 (de) | Steuerung kritischer Abmessungen in optischen Abbildungsprozessen für die Halbleiterherstellung durch Extraktion von Abbildungsfehlern auf der Grundlage abbildungsanlagenspezifischer Intensitätsmessungen und Simulationen | |
DE102016218977A1 (de) | Verfahren und Vorrichtung zur Ermittlung eines OPC-Modells | |
Yu et al. | SEM image quality enhancement: an unsupervised deep learning approach | |
Moly et al. | Self-supervised deep learning neural network for CD-SEM image denoising using reduced dataset | |
JP2022535954A (ja) | 測定対象物体の生成空間像を決定する方法 | |
US10282509B2 (en) | Non-transitory computer readable storage medium, mask evaluation method and inspection apparatus | |
DE102004022595B4 (de) | Verfahren und System zum Erkennen der Qualität einer alternierenden Phasenschiebermaske | |
DE10258371B4 (de) | Verfahren zur Inspektion von periodischen Gitterstrukturen auf Lithographiemasken | |
Okuda et al. | Comparison between supervised and self-supervised deep learning for SEM image denoising | |
Luisier et al. | Undecimated Haar thresholding for Poisson intensity estimation | |
Sezestre et al. | Model-based contour extraction: an enabler for very low-frame SEM images metrology | |
CN111986114A (zh) | 一种基于自监督约束的双尺度图像盲去噪方法及系统 | |
Giannatou et al. | Deep learning nanometrology of line edge roughness | |
Zidan et al. | Extraction of roughness measurements from thin resists with low signal-to-noise-ratio (SNR) SEM images by applying deep learning denoiser | |
DE10058216C1 (de) | Verfahren zur Bestimmung eines Abstandes periodischer Strukturen | |
Nakamae et al. | Estimation of electron probe profile from SEM image through wavelet multiresolution analysis for inline SEM inspection | |
KR20200058912A (ko) | 라멜라 패턴을 갖는 블록-공중합체 박막 중의 결함에 대한 정량적 측정방법 | |
DE10027132A1 (de) | Verfahren und System der Mehrband-UV (ultraviolett)-Lichtillumination von Wafern für optische Mikroskopwaferprüfsysteme und -meßsysteme | |
JP2020052025A (ja) | パターン検査装置及び参照画像の作成方法 | |
Luisier et al. | Image denoising by pointwise thresholding of the undecimated wavelet coefficients: A global SURE optimum |
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 |