CN112817212B - 用于优化光刻工艺窗口的方法及装置、计算机存储介质 - Google Patents
用于优化光刻工艺窗口的方法及装置、计算机存储介质 Download PDFInfo
- Publication number
- CN112817212B CN112817212B CN202110034008.XA CN202110034008A CN112817212B CN 112817212 B CN112817212 B CN 112817212B CN 202110034008 A CN202110034008 A CN 202110034008A CN 112817212 B CN112817212 B CN 112817212B
- Authority
- CN
- China
- Prior art keywords
- process window
- ideal
- information
- light source
- mask
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 166
- 230000008569 process Effects 0.000 title claims abstract description 142
- 238000001259 photo etching Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000004075 alteration Effects 0.000 claims abstract description 50
- 238000000206 photolithography Methods 0.000 claims abstract description 30
- 238000001459 lithography Methods 0.000 claims abstract description 22
- 238000010801 machine learning Methods 0.000 claims description 29
- 238000003062 neural network model Methods 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 239000004065 semiconductor Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G03F7/70483—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
本发明能够提供用于优化光刻工艺窗口的方法及装置、计算机存储介质。用于优化光刻工艺窗口的方法包括：获取理想光刻条件下的理想光源信息和理想掩模信息，依据理想光源信息和理想掩模信息生成理想光刻条件下的工艺窗口信息；基于工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合；其中，在当前光刻过程中使用与理想光源信息对应的光源以及与理想掩模信息对应的掩模。本发明能够快速地确定像差系数组合，以利用该像差系数组合提高光刻成像质量，进而提高半导体器件制造的良率。本发明能够有效解决非理想光刻机系统或非理想工艺条件下的光刻工艺匹配问题，可达到与理想光刻机、理想光刻工艺相当的工艺窗口。
Description
技术领域
本发明涉及光刻工艺窗口优化技术领域，更为具体来说，本发明能够提供用于优化光刻工艺窗口的方法及装置、计算机存储介质。
背景技术
光刻工艺是集成电路加工中的关键工艺和核心工艺，光刻水平的优劣直接影响着器件和芯片的性能高低。在光刻工艺中光刻工艺窗口(Process Window)是衡量光刻水平极其重要的标准，相关研发人员始终致力于对光刻工艺窗口进行优化，以获得较大的光刻工艺窗口。其中光刻机工作时发挥出的性能对光刻工艺窗口有着直接影响，特别是曝光时光刻机的工作状态。
在非理想光刻条件下，光刻机工作时投影物镜的镜头会发热。光刻机投影物镜的镜头发热会导致动态折射率变化，进而可导致聚焦深度等光刻工艺参数变差，最终引起曝光质量下降。
发明内容
为解决光刻机投影物镜的镜头发热导致的光刻工艺参数变差的问题，本发明提供了用于优化光刻工艺窗口的方法及装置、计算机存储介质，可达到较好地优化光刻工艺窗口等目的。
为实现上述技术目的，本发明一个或多个实施例公开了一种用于优化光刻工艺窗口的方法；该方法可以包括但不限于如下的至少一个步骤。
获取理想光刻条件下的理想光源信息和理想掩模信息。
依据所述理想光源信息和所述理想掩模信息生成所述理想光刻条件下的工艺窗口信息。
基于所述工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合；其中，在当前光刻过程中使用与所述理想光源信息对应的光源以及与所述理想掩模信息对应的掩模。
进一步地，所述获取理想光刻条件下的理想光源信息和理想掩模信息包括：
读取初始光源信息和初始掩模信息。
在所述理想光刻条件下进行光源掩模协同优化，以将所述初始光源信息优化为理想光源信息且将所述初始掩模信息优化为理想掩模信息。
进一步地，所述基于所述工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合包括：
利用在先已经训练完成的机器学习模型接收所述工艺窗口信息，所述机器学习模型输入为工艺窗口信息、输出为像差系数组合。
通过所述机器学习模型处理所述工艺窗口信息后得到所述像差系数组合。
进一步地，所述机器学习模型为神经网络模型。
进一步地，所述通过所述机器学习模型处理所述工艺窗口信息后得到像差系数组合包括：
将所述工艺窗口信息送入神经网络模型的输入层，所述神经网络模型包括依次连接的输入层、隐藏层及输出层。
利用神经网络模型的隐藏层对所述工艺窗口信息进行处理。
通过神经网络模型的输出层将通过处理所述工艺窗口信息后得到的像差系数组合进行输出。
进一步地，所述像差系数组合包括多个泽尼克多项式系数。
进一步地，所述多个泽尼克多项式系数分别为Z2、Z3、Z4、Z5、Z6、Z7、Z8、Z9、Z10、Z11、Z12、Z13、Z14、Z15、Z16。
进一步地，所述工艺窗口信息包括聚焦深度、掩模误差增强因子及光强对数斜率。
为实现上述技术目的，本发明还能够提供一种用于优化光刻工艺窗口的装置，该装置包括但不限于理想光源掩模获取模块、工艺窗口信息生成模块以及像差系数组合确定模块。
理想光源掩模获取模块，用于获取理想光刻条件下的理想光源信息和理想掩模信息。
工艺窗口信息生成模块，用于依据所述理想光源信息和所述理想掩模信息生成所述理想光刻条件下的工艺窗口信息。
像差系数组合确定模块，用于基于所述工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合；其中，在当前光刻过程中使用与所述理想光源信息对应的光源以及与所述理想掩模信息对应的掩模。
为实现上述的技术目的，本发明还能够提供一种计算机存储介质，该计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本发明任一实施例中的用于优化光刻工艺窗口的方法的步骤。
本发明的有益效果为：本发明能够快速地确定像差系数组合，以利用该像差系数组合提高光刻成像质量，进而提高半导体器件制造的良率，并有助于降低半导体器件的成本，极有较高的应用价值和市场价值。
本发明能够有效解决非理想光刻机系统或非理想工艺条件下的光刻工艺匹配问题，通过得到的像差系数组合调整光刻设备镜头相关参数，以达到与理想光刻机、理想光刻工艺相当的工艺窗口。在不改变已有的光源和掩模的前提下，本发明能够极大地提升光刻机性能，尽可能地避免光刻机性能受到环境变化因素的影响。
本发明创新地采用了机器学习的方法预测泽尼克多项式系数组合，可极大地减小对硬件资源的依赖。本发明能够快速地预测和筛选出满足光刻成像要求的泽尼克多项式系数组合，从而降低对光刻机投影物镜的镜头的要求，例如允许镜头存在部分像差等，更有利于光刻机投影物镜的设计，进一步可明显地降低光刻工艺成本。
附图说明
图1示出了本发明一个或多个实施例中的用于优化光刻工艺窗口的方法的示意图。
图2示出了本发明一个或多个实施例中掩模包含的一维线条结构的示意图。
图3示出了本发明一个或多个实施例中掩模包含的二维孔型结构的示意图。
图4示出了本发明一个或多个实施例中理想光刻条件下获得的光源示意图。
图5示出了本发明一个或多个实施例中理想光刻条件下形成的掩模示意图。
图6示出了本发明一个或多个实施例中理想光刻条件下获得的工艺窗口叠加示意图。
图7示出了本发明一个或多个实施例中理想光刻条件下能量裕度与聚焦深度示意图。
图8示出了本发明一个或多个实施例中理想光刻条件下曝光图形的示意图。
图9示出了本发明一个或多个实施例中非理想光刻条件下曝光图形示意图。
图10示出了本发明一个或多个实施例中非理想光刻条件下泽尼克多项式系数对聚焦深度的影响示意图。
图11示出了本发明一个或多个实施例中非理想光刻条件下泽尼克多项式系数对掩模误差增强因子和光强对数斜率的影响示意图(其中左侧为掩模误差增强因子，右侧为光强对数斜率)
图12示出了本发明一个或多个实施例中训练的神经网络模型的结构示意图。
图13示出了本发明一个或多个实施例中损失函数随着迭代次数增多而逐渐收敛的示意图。
图14示出了本发明一个或多个实施例中在非理想光刻条件下得到的一组泽尼克多项式系数组合的分布示意图。
图15示出了本发明一个或多个实施例中在非理想光刻条件下利用本发明获得的工艺窗口叠加示意图。
具体实施方式
下面结合说明书附图对本发明提供的用于优化光刻工艺窗口的方法及装置、计算机存储介质进行详细的解释和说明。
如图1所示，本发明一个或多个实施例提供了一种用于优化光刻工艺窗口的方法，该方法可包括但不限于如下的至少一个步骤。
提供初始光源和初始掩模，并可选择最佳光刻条件。其中初始光源可包括但不限于环形光源、FreeForm光源(自由形式光源)及DOE(Diffractive Optical Elements，衍射光学元件)光源；其中初始掩模可包括测试掩模和芯片制造掩模，测试掩模上绘制了核心尺寸结构以及主要用于对芯片核心尺寸进行光源掩模协同优化，芯片制造掩模用于加工出相应的器件和芯片。
如图2所示，测试掩模可以包含但不限于一维周期结构图形、一维变周期结构图形以及一维变尺寸图形等。例如图2(a)中的密集线条结构、图2(b)中的端到端结构、图2(c)中的端到线结构以及图2(d)中的独立线条结构等，测试掩模当然可以包含特征尺寸和周期发生变化的一维线条结构等。
如图3所示，测试掩模还可以包含但不限于二维周期结构图形、二维变周期结构图形以及二维变尺寸图形。例如图3(a)中的密集孔型结构、图3(b)中的变周期孔型结构、图3(c)中的独立孔型结构等等，测试掩模当然可以包含特征尺寸和周期发生变化的二维孔型结构；可见本发明能够应用于多种结构形式的测试掩模，适用范围较广。
读取初始光源信息和初始掩模信息，本发明一个或多个实施例能够以环形光源作为初始光源、以具有一维结构图形的掩模作为初始掩模。可在理想光刻条件下进行光源掩模协同优化(Source Mask Optimization，SMO)，从而将初始光源信息优化为理想光源信息且能够将初始掩模信息优化为理想掩模信息。其中，光源掩模协同优化的具体流程可根据实际情况进行合理地选择和调整，本发明不再进行赘述。可见本发明能够获取理想光刻条件下的理想光源信息和理想掩模信息，即能够得到在理想光刻条件下的光源和掩模。本发明中的在理想光刻条件下进行光源掩模协同优化是指：不考虑投影物镜发热导致热像差情况下的光源和掩模的联合优化。本发明一些实施例中，在进行光源掩模协同优化时为独立线条添加亚分辨率辅助图形，以能够获得更大的工艺窗口。
如图4所示，本发明一个或多个实施例给出了初始环形光源经过光源掩模协同优化之后得到的理想光源信息。该示意图形象化地说明了在经过光源掩模协同优化之后，初始环形光源信息与掩模信息一同发生了改变。
如图5所示，本发明一个或多个实施例给出了经过光源掩模协同优化后得到的理想掩模信息，掩模信息与初始光源信息一同发生了改变，掩模可包括但不限于密集线条掩模、独立线条掩模、端到线掩模、端到端掩模。
依据理想光源信息和理想掩模信息生成理想光刻条件下的工艺窗口信息。在通过计算机仿真实现上述过程时，确定理想光源信息和理想掩模信息的同时则能够确定理想光刻条件下的工艺窗口信息。工艺窗口信息可包括但不限于聚焦深度(DOF，Depth ofFocus)、掩模误差增强因子(MEEF，Mask Error Enhancement Factor)及光强对数斜率(ILS，Image Log Slope)。
如图6所示，本发明一个或多个实施例给出了理想光刻条件下的工艺窗口示意：曝光剂量小于1，曝光聚焦在-50nm处。如图7所示，本发明一个或多个实施例中的在理想光刻条件下进行光源掩模协同优化之后可得到相关的工艺参数，例如聚焦深度为100.32，曝光裕度为5.000，掩模误差增强因子为4.78，光强对数斜率为17.81。
如图8所示，在理想光刻条件下的曝光仿真示意图，曝光图形与设定位置相重合。如图9所示，常规方案实施时，在非理想光刻条件下的曝光仿真结果图，可见传统的曝光方式会使曝光图形偏移，例如图示的向左偏移(偏移距离超过10％关键图像尺寸值)。由此可知现有非理想光刻条件下进行曝光后工艺窗口往往急剧减小，从而严重影响光刻的成像质量；本发明能够解决该问题。
基于工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合。具体地，本发明能够结合机器学习技术，并利用在先已经训练完成的机器学习模型接收工艺窗口信息，机器学习模型输入为工艺窗口信息、输出为像差系数组合，通过机器学习模型处理工艺窗口信息后，则能够得到相应像差系数组合。本发明一个或多个实施例中的像差系数组合可以包括多个泽尼克(Zernike)多项式系数，其中多个泽尼克多项式系数例如可以分别为Z2、Z3、Z4、Z5、Z6、Z7、Z8、Z9、Z10、Z11、Z12、Z13、Z14、Z15、Z16。
更为具体地，本发明实施例中的机器学习模型为神经网络模型，具体可以包括但不限于全连接神经网络模型。通过机器学习模型处理工艺窗口信息后得到像差系数组合包括：可以将工艺窗口信息送入神经网络模型的输入层，神经网络模型包括依次连接的输入层、隐藏层及输出层；并利用神经网络模型的隐藏层对工艺窗口信息进行处理，再通过神经网络模型的输出层将通过处理工艺窗口信息后得到的像差系数组合进行输出。其中，在当前光刻过程中使用与理想光源信息对应的光源以及与理想掩模信息对应的掩模。可理解的是，像差系数组合有无数种，本发明实现的结果可相当于从其中快速筛选出一个像差系数组合用于本次的光刻工艺。
如图12所示，本发明具体实施时可以先对神经网络模型进行训练。该训练过程可包括：建立神经网络模型，可从-0.025λ～0.025λ范围内随机生成500组泽尼克多项式系数组合，并在光源掩模协同优化条件下计算各组合的DOF、MEEF及ILS，以得到模型的训练集和验证集，例如可以将其包含的100组泽尼克多项式系数组合和对应的DOF、MEEF、ILS作为验证集。其中，本发明可控制部分泽尼克多项式系数的数值大于0.001λ，以提高神经网络模型的鲁棒性。
如图13所示，在对神经网络模型训练过程中，通过不断迭代的方式使损失函数收敛，以完成对神经网络模型训练。具体应用时，本发明能够反向利用训练完成的神经网络模型，即以DOF、MEEF、ILS作为输入后得到相对应的泽尼克多项式系数组合(在反向利用时，将训练时的输出层作为输入层使用且将训练时的输入层作为输出层使用)；或者在损失函数收敛后利用DOF、MEEF、ILS和对应的泽尼克多项式系数组合对另一个新建的神经网络模型进行训练，然后本发明可利用本次训练的新建的神经网络模型确定泽尼克多项式系数组合(即本发明需要的像差系数组合)。
如下表所示，本发明能够对结果进行验证，以提高本发明的可靠性。当损失函数最小时，收集随机产生的10组泽尼克多项式系数组合与验证结果。
| Z2 | -0.02413 | -0.00712 | -0.00689 | -0.03286 | -0.00742 | 0.012746 | -0.01613 | -0.01861 | -0.01827 | -0.02905 |
| Z3 | 0.012978 | -0.00274 | 0.01274 | 0.010757 | 0.012671 | 0.021095 | -0.01014 | 0.012471 | 0.000045 | 0.020074 |
| Z4 | 0.038137 | -0.01024 | 0.004628 | -0.03939 | -0.00322 | -0.0094 | -0.01612 | 0.00545 | -0.00368 | 0.004797 |
| Z5 | -0.03419 | -0.04006 | 0.006979 | -0.03822 | 0.019443 | 0.03168 | -0.00685 | -0.01912 | -0.01234 | -0.01651 |
| Z6 | 0.016106 | -0.03152 | 0.006917 | 0.033521 | 0.002113 | -0.02176 | 0.026556 | 0.034729 | -0.01129 | 0.020794 |
| Z7 | 0.001026 | 0.000932 | -0.0014 | 0.030987 | -0.01978 | 0.00447 | 0.028941 | 3.42E-05 | -0.03659 | 0.028534 |
| Z8 | -0.01763 | 0.042915 | 0.0037 | 0.021068 | 0.016598 | 0.014569 | -0.01801 | 0.015124 | 0.002022 | 0.004355 |
| Z9 | 0.000289 | 0.040556 | 0.021695 | 0.047841 | -0.00409 | -0.0057 | 0.000164 | 0.007923 | -0.01024 | 0.013363 |
| Z10 | 0.013542 | 0.006846 | 0.003166 | -0.00417 | 0.012545 | -0.02404 | 0.016393 | 0.011184 | 0.012247 | 0.009362 |
| Z11 | -0.03362 | -0.01244 | -0.00533 | -0.06043 | 0.002211 | -0.00681 | -0.0201 | -0.02925 | -0.03649 | -0.02752 |
| Z12 | 0.009905 | 0.008828 | 0.003733 | -0.00487 | -0.02086 | -0.00824 | -0.04837 | 0.003762 | -0.00057 | -0.00149 |
| Z13 | -0.03145 | 0.006697 | 0.016161 | -0.04979 | -0.09373 | -0.01507 | -0.00651 | 0.002699 | -0.00752 | -0.00465 |
| Z14 | 0.005645 | -0.02529 | 0.003308 | 0.006126 | -0.0123 | 0.01692 | -0.02277 | 0.012252 | 0.008422 | -0.01217 |
| Z15 | -0.01737 | -0.04073 | 0.004204 | 0.040211 | 0.003159 | -0.01423 | -0.02464 | -0.02269 | -0.02744 | -0.03054 |
| Z16 | -0.02648 | -0.0371 | -0.00054 | 0.005567 | -0.00113 | 0.000859 | 0.002656 | -0.0026 | 0.015579 | 0.020194 |
| DOF | 92.26 | 58 | 103.06 | 0 | 91.58 | 95.5 | 94.62 | 79.98 | 91.36 | 96.7 |
| MEEF | 5.18 | 5.55 | 5.09 | 5.65 | 5.38 | 5.18 | 5.39 | 5.05 | 5.17 | 5.04 |
| ILS | 17.36 | 17.41 | 16.68 | 17.41 | 16.21 | 15.87 | 15.07 | 18.03 | 16.72 | 18.77 |
如图10、11所示，本发明以十五项泽尼克多项式系数为例说明了可通过泽尼克多项式系数的变化影响光刻工艺参数。本发明该示例中，Z5和Z12对聚焦深度影响最大、使聚焦深度下降，类似地，Z7和Z15使掩模误差增强因子上升，Z10和Z4使光强对数斜率下降，由此可以说明：本发明通过泽尼克多项式系数的调整能够改善光刻工艺参数。
如图14所示，本发明实施例示出了能够使实际光刻工艺窗口与理想光刻工艺窗口最接近的像差系数组合，该泽尼克多项式系数组合能够使当前非理想光刻条件下的光刻工艺窗口与理想条件下的光刻工艺窗口相当。
如图15所示，在非理想光刻条件下，该图示出了利用本发明得到的最佳泽尼克多项式系数组合进行光刻的工艺窗口结果，从中可看出其曝光剂量得到明显增加，光刻工艺参数较好。
基于本发明得到的像差系数组合，本发明能够对光刻设备镜头的镜头像差、光强、聚焦值等相关可变参数进行合理地控制，以达到与理想光刻机和理想光刻工艺相当的工艺窗口。
本发明还能够一种用于优化光刻工艺窗口的装置，该装置可包括但不限于理想光源掩模获取模块、工艺窗口信息生成模块及像差系数组合确定模块。
理想光源掩模获取模块，用于获取理想光刻条件下的理想光源信息和理想掩模信息。
其中，本发明读取初始光源信息和初始掩模信息。在理想光刻条件下进行光源掩模协同优化，以将初始光源信息优化为理想光源信息且将初始掩模信息优化为理想掩模信息。
工艺窗口信息生成模块，用于依据理想光源信息和理想掩模信息生成理想光刻条件下的工艺窗口信息。本发明中的工艺窗口信息可包括但不限于聚焦深度、掩模误差增强因子及光强对数斜率。
像差系数组合确定模块，用于基于工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合；其中，在当前光刻过程中使用与理想光源信息对应的光源以及与理想掩模信息对应的掩模。具体地，该像差系数组合确定模块利用在先已经训练完成的机器学习模型接收工艺窗口信息，机器学习模型输入为工艺窗口信息、输出为像差系数组合，通过机器学习模型处理工艺窗口信息后得到像差系数组合。本发明实施例中的像差系数组合包括多个泽尼克多项式系数，多个泽尼克多项式系数分别为Z2、Z3、Z4、Z5、Z6、Z7、Z8、Z9、Z10、Z11、Z12、Z13、Z14、Z15、Z16。
本发明一个或者多个还能够提供一种计算机存储介质，该计算机存储介质上存储有计算机程序，该计算机程序被处理器执行时，以实现本发明任一实施例中的用于优化光刻工艺窗口的方法的步骤，其中具体用于优化光刻工艺窗口的方法的步骤如本发明在其他实施例中描述，本实施例不再赘述。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读存储介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM，Random Access Memory)，只读存储器(ROM，Read-Only Memory)，可擦除可编辑只读存储器(EPROM，Erasable Programmable Read-Only Memory，或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM，Compact Disc Read-Only Memory)。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA，Programmable Gate Array)，现场可编程门阵列(FPGA，Field Programmable Gate Array)等。
在本说明书的描述中，参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明实质内容上所作的任何修改、等同替换和简单改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种用于优化光刻工艺窗口的方法，其特征在于，包括：
获取理想光刻条件下的理想光源信息和理想掩模信息；
依据所述理想光源信息和所述理想掩模信息生成所述理想光刻条件下的工艺窗口信息，其中，所述工艺窗口信息包括以下的至少一项：聚焦深度、掩模误差增强因子及光强对数斜率；
基于所述工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合；其中，在当前光刻过程中使用与所述理想光源信息对应的光源以及与所述理想掩模信息对应的掩模；
所述基于所述工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合包括：
利用在先已经训练完成的机器学习模型接收所述工艺窗口信息，所述机器学习模型输入为工艺窗口信息、输出为像差系数组合；
通过所述机器学习模型处理所述工艺窗口信息后得到所述像差系数组合；
所述机器学习模型的训练过程包括：
建立机器学习模型，从-0.025λ～0.025λ范围内生成多组泽尼克多项式系数组合，在光源掩模协同优化条件下计算各组合的工艺窗口信息，以得到所述机器学习模型的训练集和验证集。
2.根据权利要求1所述的用于优化光刻工艺窗口的方法，其特征在于，所述获取理想光刻条件下的理想光源信息和理想掩模信息包括：
读取初始光源信息和初始掩模信息；
在所述理想光刻条件下进行光源掩模协同优化，以将所述初始光源信息优化为理想光源信息且将所述初始掩模信息优化为理想掩模信息。
3.根据权利要求1所述的用于优化光刻工艺窗口的方法，其特征在于，所述机器学习模型为神经网络模型。
4.根据权利要求3所述的用于优化光刻工艺窗口的方法，其特征在于，所述通过所述机器学习模型处理所述工艺窗口信息后得到像差系数组合包括：
将所述工艺窗口信息送入神经网络模型的输入层，所述神经网络模型包括依次连接的输入层、隐藏层及输出层；
利用神经网络模型的隐藏层对所述工艺窗口信息进行处理；
通过神经网络模型的输出层将通过处理所述工艺窗口信息后得到的像差系数组合进行输出。
5.根据权利要求1或2所述的用于优化光刻工艺窗口的方法，其特征在于，所述像差系数组合包括多个泽尼克多项式系数。
6.根据权利要求5所述的用于优化光刻工艺窗口的方法，其特征在于，所述多个泽尼克多项式系数分别为Z2、Z3、Z4、Z5、Z6、Z7、Z8、Z9、Z10、Z11、Z12、Z13、Z14、Z15、Z16。
7.一种用于优化光刻工艺窗口的装置，其特征在于，包括：
理想光源掩模获取模块，用于获取理想光刻条件下的理想光源信息和理想掩模信息；
工艺窗口信息生成模块，用于依据所述理想光源信息和所述理想掩模信息生成所述理想光刻条件下的工艺窗口信息，其中，所述工艺窗口信息包括以下的至少一项：聚焦深度、掩模误差增强因子及光强对数斜率；
像差系数组合确定模块，用于基于所述工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合；其中，在当前光刻过程中使用与所述理想光源信息对应的光源以及与所述理想掩模信息对应的掩模；
所述像差系数组合确定模块，进一步用于按照如下方式执行所述基于所述工艺窗口信息得到用于优化当前光刻工艺窗口的像差系数组合：
利用在先已经训练完成的机器学习模型接收所述工艺窗口信息，所述机器学习模型输入为工艺窗口信息、输出为像差系数组合；
通过所述机器学习模型处理所述工艺窗口信息后得到所述像差系数组合；
所述机器学习模型的训练过程包括：
建立机器学习模型，从-0.025λ～0.025λ范围内生成多组泽尼克多项式系数组合，在光源掩模协同优化条件下计算各组合的工艺窗口信息，以得到机器学习模型的训练集和验证集。
8.一种计算机存储介质，其特征在于，该计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项权利要求所述的用于优化光刻工艺窗口的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110034008.XA CN112817212B (zh) | 2021-01-11 | 2021-01-11 | 用于优化光刻工艺窗口的方法及装置、计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110034008.XA CN112817212B (zh) | 2021-01-11 | 2021-01-11 | 用于优化光刻工艺窗口的方法及装置、计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112817212A CN112817212A (zh) | 2021-05-18 |
| CN112817212B true CN112817212B (zh) | 2024-02-20 |
Family
ID=75869865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110034008.XA Active CN112817212B (zh) | 2021-01-11 | 2021-01-11 | 用于优化光刻工艺窗口的方法及装置、计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112817212B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102540754A (zh) * | 2010-11-10 | 2012-07-04 | Asml荷兰有限公司 | 源、掩模和投影光学装置的优化流程 |
| CN109634068A (zh) * | 2019-01-29 | 2019-04-16 | 北京理工大学 | 离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法 |
| CN110554580A (zh) * | 2019-09-27 | 2019-12-10 | 中国科学院上海光学精密机械研究所 | 光刻机多参数联合优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9250535B2 (en) * | 2013-03-15 | 2016-02-02 | International Business Machines Corporation | Source, target and mask optimization by incorporating countour based assessments and integration over process variations |
-
2021
- 2021-01-11 CN CN202110034008.XA patent/CN112817212B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102540754A (zh) * | 2010-11-10 | 2012-07-04 | Asml荷兰有限公司 | 源、掩模和投影光学装置的优化流程 |
| CN109634068A (zh) * | 2019-01-29 | 2019-04-16 | 北京理工大学 | 离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法 |
| CN110554580A (zh) * | 2019-09-27 | 2019-12-10 | 中国科学院上海光学精密机械研究所 | 光刻机多参数联合优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112817212A (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1801159B (zh) | 用于放置辅助特征的方法和装置 | |
| JP6212004B2 (ja) | イメージの忠実度およびスループットに対する光源の最適化 | |
| JP4420878B2 (ja) | 異なるリソグラフィ・システム間のｏｐｅ整合を提供するために、レジスト・プロセスの較正／最適化、およびｄｏｅ最適化を実行する方法 | |
| JP2009200499A (ja) | 二重パターニングのための分割および設計指針 | |
| US8234596B2 (en) | Pattern data creating method, pattern data creating program, and semiconductor device manufacturing method | |
| JP4165401B2 (ja) | マスクパターン補正装置およびマスクパターン補正方法、並びにマスク作製方法および半導体装置の製造方法 | |
| TW436666B (en) | Design rule generation system and recording medium recording program thereof | |
| JP2003525470A (ja) | 混合モード光近接効果補正のための方法及び装置 | |
| US20130074017A1 (en) | Illumination-Source Shape Definition in Optical Lithography | |
| US8103995B2 (en) | Method for OPC correction | |
| US20100129740A1 (en) | Method for Collecting Optical Proximity Correction Parameter | |
| JP4138318B2 (ja) | リソグラフィプロセスマージン評価装置、リソグラフィプロセスマージン評価方法およびリソグラフィプロセスマージン評価プログラム | |
| CN117313640A (zh) | 光刻掩膜生成模型的训练方法、装置、设备及存储介质 | |
| CN102681361B (zh) | 光刻仿真的方法 | |
| TW200820033A (en) | Method and apparatus for designing an integrated circuit | |
| CN111443569A (zh) | 一种修正模型的建立方法及装置、掩模优化方法及装置 | |
| CN112817212B (zh) | 用于优化光刻工艺窗口的方法及装置、计算机存储介质 | |
| CN110989289A (zh) | 提高版图光刻性能的方法、修正后的版图及仿真方法 | |
| US6901569B2 (en) | Corrected mask pattern verification apparatus and corrected mask pattern verification | |
| US7404174B2 (en) | method for generating a set of test patterns for an optical proximity correction algorithm | |
| CN113759659A (zh) | 光源掩模优化方法及光刻仿真装置 | |
| US9875334B2 (en) | Generating manufacturable sub-resolution assist feature shapes from a usefulness map | |
| CN116794925A (zh) | 基于贝塞尔自然曲线格式的曲线光罩opc修正方法 | |
| JP2012151246A (ja) | 有効光源の決定プログラム、露光方法、デバイス製造方法及び周波数フィルタの強度透過率分布の決定プログラム | |
| CN111025856B (zh) | 一种确定光刻工艺节点禁止周期的方法及仿真方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |