CN114341741A - 用于光刻过程性能确定的方法以及设备 - Google Patents
用于光刻过程性能确定的方法以及设备 Download PDFInfo
- Publication number
- CN114341741A CN114341741A CN202080061884.5A CN202080061884A CN114341741A CN 114341741 A CN114341741 A CN 114341741A CN 202080061884 A CN202080061884 A CN 202080061884A CN 114341741 A CN114341741 A CN 114341741A
- Authority
- CN
- China
- Prior art keywords
- feature
- region
- substrate
- image
- boundary
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 412
- 230000008569 process Effects 0.000 title claims abstract description 233
- 239000000758 substrate Substances 0.000 claims abstract description 262
- 238000001459 lithography Methods 0.000 claims abstract description 109
- 238000000059 patterning Methods 0.000 claims description 76
- 238000012549 training Methods 0.000 claims description 31
- 238000013519 translation Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 81
- 230000005855 radiation Effects 0.000 description 37
- 238000004458 analytical method Methods 0.000 description 28
- 238000013461 design Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 23
- 238000012937 correction Methods 0.000 description 21
- 238000010801 machine learning Methods 0.000 description 21
- 230000008859 change Effects 0.000 description 14
- 238000007781 pre-processing Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 12
- 230000001276 controlling effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 238000005530 etching Methods 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000005670 electromagnetic radiation Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 230000004075 alteration Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000010894 electron beam technology Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 229920002120 photoresistant polymer Polymers 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000009897 systematic effect Effects 0.000 description 5
- 230000008719 thickening Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000007654 immersion Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000000206 photolithography Methods 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000572 ellipsometry Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000000671 immersion lithography Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005381 magnetic domain Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000001878 scanning electron micrograph Methods 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G03F7/70475—Stitching, i.e. connecting image fields to produce a device field, the field occupied by a device such as a memory chip, processor chip, CCD, flat panel display
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/38—Masks having auxiliary features, e.g. special coatings or marks for alignment or testing; Preparation thereof
- G03F1/42—Alignment or registration features, e.g. alignment marks on the mask substrates
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
用于确定光刻图案化过程的性能的方法以及设备,该设备或方法被配置为或包括:接收衬底的一部分的图像,该衬底的该部分包括第一区以及第二区,第一区包括与在第一时间对衬底进行的第一光刻曝光相关联的第一特征,并且第二区包括与在第二时间对衬底进行的第二光刻曝光相关联的第二特征,其中,第一区和第二区不重叠,并且其中,第一特征和第二特征形成沿着第一区的至少一部分以及第二区的至少一部分延伸的单个特征;以及基于与第一区和第二区之间的边界相关联的已曝光的第一特征和/或已曝光的第二特征的特征特性确定光刻图案化过程的性能。
Description
相关申请的交叉引用
本申请要求2019年9月4日递交的欧洲申请19195265.4、2019年9月23日递交的欧洲申请19198917.7、2019年12月19日递交的欧洲申请19217902.6、2020年2月14日递交的欧洲申请20157333.4和2020年4月14日递交的欧洲申请20169297.7的优先权,上述欧洲申请的全部内容以引用的方式并入本文中。
技术领域
本发明涉及用于确定光刻图案化过程的性能的设备以及方法。具体地,本发明涉及基于第一区和第二区之间的边界的特性确定光刻图案化过程的性能。
背景技术
光刻设备是构造成将期望的图案施加至衬底上的机器。光刻设备可以用于例如制造集成电路(IC)。光刻设备可以例如将图案化装置(例如,掩模)处的图案(通常也称为“设计布局”或“设计”)投影至设置于衬底(例如,晶片)上的辐射敏感材料(抗蚀剂)层上。
为了将图案投影至衬底上,光刻设备可以使用电磁辐射。此辐射的波长确定可以形成于衬底上的特征的最小尺寸。当前使用的典型波长为365nm(i线)、248nm、193nm以及13.5nm。相较于使用例如具有193nm的波长的辐射的光刻设备,使用具有在4nm至20nm(例如,6.7nm或13.5nm)的范围内的波长的极紫外(EUV)辐射的光刻设备可以用于在衬底上形成较小特征。
低k1光刻可以用于处理尺寸小于光刻设备的典型分辨率极限的特征。在此过程中,可以将分辨率公式表达为CD=k1×λ/NA,其中,λ是所使用的辐射的波长,NA是光刻设备中的投影光学器件的数值孔径,CD是“临界尺寸”(通常是所印刷的最小特征尺寸,但在这种情况下是半间距)并且k1是经验分辨率因子。一般而言,k1越小,则越难以在衬底上再生类似于由电路设计者规划的形状以及尺寸以便实现特定的电功能性以及性能的图案。为了克服这些困难,可以将复杂的微调步骤应用于光刻投影设备和/或设计布局。这些步骤包括例如但不限于NA的优化、自定义照射方案、使用相移图案化装置、设计布局的各种优化(诸如设计布局中的光学邻近效应校正(OPC,有时也称为“光学以及过程校正”))、或通常定义为“分辨率增强技术”(RET)的其他方法。可替代地,用于控制光刻设备的稳定性的严格控制回路可以用于改善图案的在低k1下的再生。
图案化衬底上的层可以包括多个步骤。例如,诸如掩模的图案化装置可能没有大至足以在一个位置处图案化衬底。在一些情况下,待曝光的图案可能适合于单个掩模。然后,单个掩模可以在衬底上移动,以在同一衬底上多次曝光同一图案。在其他情况下,待曝光至衬底上的图案(例如,形成装置的图案)可能太大而不适合于单个掩模。各自包括待曝光的图案的不同部分的若干掩模可以在多个独立步骤中在衬底上移动。多个掩模在衬底的区上移动以依次图案化图案的不同部分。图案在衬底上的不同区上或之间的这种分解可能导致衬底上的图案的被曝光部分相对于彼此的定位误差。被曝光图案可以包括例如对准和/或放大误差。由于图案化特征的较小尺寸,在不同的被图案化区相对于彼此定位时可能需要较高的精确度以及准确度。相对位置的误差可以称为拼接误差。拼接误差可能影响衬底上的被曝光图案的品质以及图案化过程的最终良率。因此,理想的是提供用于减少拼接误差以及其对光刻图案化过程的消极影响的方法以及设备。
发明内容
根据本公开内容的第一方面,提供一种用于确定光刻图案化过程的性能的设备,所述设备包括一个或更多个处理器,所述一个或更多个处理器被配置以接收衬底的一部分的图像,所述衬底的所述部分包括第一区以及第二区,所述第一区包括与在第一时间对所述衬底进行的第一光刻曝光相关联的第一特征,并且所述第二区包括与在第二时间对所述衬底进行的第二光刻曝光相关联的第二特征,其中,所述第一区和所述第二区不重叠。所述一个或更多个处理器进一步被配置为:基于与所述第一区和所述第二区之间的边界相关联的已曝光的第一特征和/或已曝光的第二特征的一个或更多个特征特性,确定所述光刻图案化过程的性能。
可选地,所述边界可以包括所述第一区的外部边缘的一部分以及所述第二区的外部边缘的一部分。
可选地,所述第一特征以及所述第二特征可以包括产品特征以及伪特征中的至少一个,所述伪特征具有与所述产品特征相同的一个或更多个尺寸。
可选地,所述第一特征以及所述第二特征可以形成沿着所述第一区的至少一部分以及所述第二区的至少一部分延伸的单个特征。
可选地,所述一个或更多个特征特性可以包括距离指标,所述距离指标包括所述第一特征的一个或更多个对称轴与所述第二特征的一个或更多个对称轴之间的距离和/或所述第一特征与所述第二特征之间的物理距离。
可选地,所述一个或更多个特征特性可以包括单个特征在边界处或在边界附近的变窄或变厚。
可选地,所述第一特征以及所述第二特征可以在通过蚀刻过程被图案化之后,形成光致抗蚀剂的图案化层或材料层的一部分。
可选地,确定所述性能可以包括:分析所述图像以确定与所述第一区和所述第二区之间的所述边界相关联的所述第一特征和/或所述第二特征的一个或更多个特征特性。
可选地,确定所述性能可以包括:执行所述图像的所述第一特征和/或所述第二特征与所述第一特征和/或所述第二特征的标准的比较。
可选地,确定所述性能还可以包括:基于所确定的一个或更多个特征特性,确定一个或更多个光刻图案化过程特性的性能。
可选地,所述一个或更多个特征特性可以包括所述第一特征和/或所述第二特征的空间尺寸。
可选地,所述一个或更多个过程特性可以包括与对所述第一区和/或所述第二区的图案化相关联的放大率、平移和/或更高阶变形误差中的一个或更多个。
可选地,可以至少部分地使用将所述一个或更多个特征特性中的至少一个作为输入的模型来确定所述一个或更多个过程特性的性能。
可选地,所述模型可以包括机器学习模型。
可选地,所述模型可以包括神经网络。
可选地,所述模型可以包括视觉技术。
可选地,所述模型可以被配置为根据所述衬底的包括第一特征以及第二特征的部分的图像的训练集合被训练,其中,训练集合的图像的所述第一特征和/或所述第二特征具有与所述光刻图案化过程的已知性能相关联的一个或更多个已知的特征特性。
可选地,每一个训练集合图像可以包括训练衬底的一部分,所述训练衬底的一部分包括与在第一时间对所述训练衬底进行的第一光刻曝光相关联的第一特征以及与在第二时间对所述训练衬底进行的第二光刻曝光相关联的第二特征。
可选地,光刻图案化过程的已知的特征特性以及性能可以至少部分地基于第一特征和/或第二特征的一个或更多个特征特性的一个或更多个测量结果。
可选地,所述光刻图案化过程的已知性能可以包括已知的拼接误差。
可选地,确定所述光刻图案化过程的性能可以包括:确定通过从所述图像移除噪声而获得的预处理图像,以及根据所述预处理图像识别所述一个或更多个特征特性。
可选地,确定所述预处理图像可以包括:确定所述图像的梯度幅值。
可选地,确定所述预处理图像可以包括:基于所述图像确定二进制图像。
可选地,确定所述预处理图像可以包括:检测所述图像和/或所述二进制图像中的一个或更多个线特征;以及旋转所述图像和/或所述二进制图像,使得所述一个或更多个线特征中的至少一个基本上平行于或基本上垂直于所述第一区与所述第二区之间的所述边界。
可选地,根据所述预处理图像识别一个或更多个特征特性可以包括:将傅里叶变换应用于预处理的图像的多个部分以用于量化第一区和第二区之间的边界处的拼接品质。
可选地,识别所述一个或更多个特征特性还可以包括:确定被傅里叶变换的所述多个部分的占空比,以及基于所述多个部分的占空比确定所述一个或更多个特征特性。
可选地,识别所述一个或更多个特征特性还可以包括:确定被傅里叶变换的所述多个部分的相位,以及基于所述多个部分的相位确定一个或更多个特征特性。
可选地,所述多个部分可以包括多个像素行,其中,所述像素行可以与所述第一区和所述第二区之间的边界对准。
可选地,确定光刻图案化过程的性能可以包括:基于所述图像确定第一二进制图像,基于所述图像的二进制梯度确定第二二进制图像,以及基于所述第一二进制图像以及所述第二二进制图像的组合识别所述一个或更多个特征特性。
可选地,所述一个或更多个特征特性可以包括套刻精度。
可选地,识别所述一个或更多个特征特性可以使用回归模型和/或查找表。
可选地,确定光刻图案化过程的性能还可以包括:确定第一区和第二区之间的边界处的拼接品质的指标。
可选地,所述指标可以表示所述第一区和所述第二区之间的边界周围的拼接的平坦度以及所述第一区和所述第二区之间的边界周围的拼接的偏斜度中的至少一个。
可选地,所述第一区和所述第二区可以在所述衬底上形成相同器件的一部分。
可选地,所述第一区可以是在所述衬底上被曝光的第一场,并且所述第二区可以是在所述衬底上被曝光的第二场。所述边界可以包括所述第一场的边缘的一部分以及所述第二场的边缘的一部分。
可选地,确定所述性能可以包括:确定所述第一场与所述第二场之间的拼接误差。
可选地,接收到的图像可以包括在衬底上的后续层的曝光之间的衬底。
可选地,接收到的图像可以包括第一区和第二区之间的在至少一个方向上延伸的边界。
可选地,所述处理器可以被配置为:接收多个图像,以及基于所述多个图像确定图案化过程的品质。
可选地,所述多个图像包括:第一图像,所述第一图像包括第一区和第二区之间的在第一方向上的边界;以及第二图像,所述第二图像包括第一区与另一个区之间的在第二方向上的边界。所述第一方向和所述第二方向可以不彼此平行。
可选地,所述第一方向和所述第二方向可以基本上彼此垂直。
可选地,所述一个或更多个处理器可以进一步被配置为:确定所述第一图像的一个或更多个过程特性的性能;以及确定所述第二图像的一个或更多个过程特性。所述一个或更多个处理器可以进一步被配置为组合所述第一图像和所述第二图像的所述一个或更多个过程特性,以确定图案化过程的性能。
可选地,所述多个图像可以描绘衬底上的多个单独的位置。
可选地,可以针对所述衬底上的所述多个单独的位置确定一个或更多个过程特性。
可选地,所述一个或更多个处理器可以进一步被配置为基于光刻图案化过程的性能确定对图案化过程的一次或多次校正。
可选地,所述一个或更多个处理器可以进一步被配置为通过所述一次或多次校正来更新光刻图案化过程。
可选地,更新光刻图案化过程可以包括:更新光刻设备的一个或更多个曝光设定以及掩模版设计中的至少一个。
可选地,所述光刻图案化过程可以被配置为使用掩模版以及电磁辐射来图案化衬底。
可选地,所述一个或更多个处理器可以进一步被配置为控制量测设备以获得图像。
可选地,控制量测设备以获得图像可以包括:基于先前所确定的一个或更多个特征特性引导所述量测设备。
可选地,所述量测设备可以包括电子束成像器。
根据本公开内容的另一方面,提供一种用于确定光刻图案化过程的性能的方法。所述方法包括:接收衬底的一部分的图像,所述衬底的所述部分包括第一区以及第二区,所述第一区包括与在第一时间对所述衬底进行的第一光刻曝光相关联的第一特征,并且所述第二区包括与在第二时间对所述衬底进行的第二光刻曝光相关联的第二特征,其中,所述第一区和所述第二区不重叠。所述方法还包括:基于与所述第一区和所述第二区之间的边界相关联的已曝光的第一特征和/或已曝光的第二特征的一个或更多个特征特性,确定所述光刻图案化过程的性能。
可选地,所述边界包括所述第一区的外部边缘的一部分以及所述第二区的外部边缘的一部分。
可选地,所述第一特征以及所述第二特征可以包括产品特征以及伪特征中的至少一个,所述伪特征具有与所述产品特征相同的一个或更多个尺寸。
可选地,所述第一特征以及所述第二特征可以形成沿着所述第一区的至少一部分以及所述第二区的至少一部分延伸的单个特征。
可选地,所述一个或更多个特征特性可以包括距离指标,所述距离指标包括所述第一特征的一个或更多个对称轴与所述第二特征的一个或更多个对称轴之间的距离和/或所述第一特征与所述第二特征之间的物理距离。
可选地,所述一个或更多个特征特性可以包括单个特征在边界处或边界附近的变窄或变厚。
可选地,所述第一特征以及所述第二特征可以在通过蚀刻过程图案化之后形成光致抗蚀剂的图案化层或材料层的一部分。
可选地,确定所述性能可以包括:分析所述图像以确定与所述第一区和所述第二区之间的所述边界相关联的所述第一特征和/或所述第二特征的一个或更多个特征特性。
可选地,确定所述性能可以包括:执行所述图像的所述第一特征和/或所述第二特征与所述第一特征和/或所述第二特征的标准的比较。
可选地,确定所述性能还可以包括:基于所确定的一个或更多个特征特性,确定一个或更多个光刻图案化过程特性的性能。
可选地,所述一个或更多个特征特性可以包括所述第一特征和/或所述第二特征的空间尺寸。
可选地,所述一个或更多个过程特性可以包括与对所述第一区和/或所述第二区的图案化相关联的放大率、平移和/或更高阶变形误差中的一个或更多个。
可选地,可以至少部分地使用将所述一个或更多个特征特性中的至少一个作为输入的模型来确定所述一个或更多个过程特性的性能。
可选地,所述模型可以包括机器学习模型。
可选地,所述模型可以包括神经网络。
可选地,所述模型可以包括视觉技术。
可选地,所述第一区和所述第二区可以在衬底上形成相同器件的一部分。
可选地,所述第一区可以是在所述衬底上被曝光的第一场,所述第二区可以是在所述衬底上被曝光的第二场。所述边界可以包括所述第一场的边缘的一部分以及所述第二场的边缘的一部分。
可选地,确定所述性能可以包括:确定所述第一场与所述第二场之间的拼接误差。
可选地,接收到的图像可以包括在衬底上的后续层的曝光之间的衬底。
可选地,接收到的图像可以包括第一区和第二区之间的在至少一个方向上延伸的边界。
可选地,所述方法还可以包括:接收多个图像,以及基于所述多个图像确定图案化过程的品质。
可选地,所述多个图像包括所述第一图像和所述第二图像,所述第一图像可以包括第一区和第二区之间的在第一方向上的边界,并且所述第二图像包括第一区与另一个区之间的在第二方向上的边界。所述第一方向和所述第二方向可以不彼此平行。
可选地,所述第一方向和所述第二方向可以基本上彼此垂直。
可选地,所述方法还可以包括:确定第一图像的一个或更多个过程特性的性能,以及确定第二图像的一个或更多个过程特性。所述方法还可以包括:组合所述第一图像和所述第二图像的一个或更多个过程特性,以确定图案化过程的性能。
可选地,所述多个图像可以描绘衬底上的多个单独的位置。
可选地,可以针对所述衬底上的所述多个单独的位置确定一个或更多个过程特性。
可选地,所述方法还可以包括:基于光刻图案化过程的性能确定对图案化过程的一次或多次校正。
可选地,所述方法还可以包括:通过所述一次或多次校正来更新光刻图案化过程。
可选地,更新光刻图案化过程可以包括:更新光刻设备的一个或更多个曝光设定以及掩模版设计中的至少一个。
可选地,所述光刻图案化过程可以被配置为使用掩模版以及电磁辐射来图案化衬底。
可选地,所述方法还可以包括:控制量测设备以获得图像。
可选地,控制量测设备以获得图像包括:可以基于先前所确定的一个或更多个特征特性来引导量测设备。
可选地,所述量测设备可以包括电子束成像器。
附图说明
现在将参考随附的示意性附图并仅借助于示例来描述本发明的实施例,在随附的示意性附图中:
图1描绘光刻设备的示意性概略图;
图2描绘光刻单元的示意性概略图;
-图3描绘整体光刻的示意图,该示意图表示优化半导体制造的三种关键技术之间的协作;
-图4描绘确定光刻图案化过程的性能的方法中的步骤的流程图;
-图5描绘衬底的包括具有第一特征和第二特征的第一区以及第二区的一部分的示意图;
-图6描绘衬底的包括多个特征的一部分的示意图;
-图7描绘在衬底的整个一部分上获得的图像的示意图;
-图8描绘确定光刻图案化过程的性能的方法中的步骤的流程图;
-图9描绘具有预处理用于确定光刻图案化过程的性能的图像的方法中的步骤的流程图;
-图10(a)描绘远离第一区与第二区之间的边界的像素行的信号;
-图10(b)描绘接近第一区与第二区之间的边界和/或在第一区与第二区之间的边界上的像素行的信号;
-图11描绘具有确定用来确定拼接品质的指标的方法中的步骤的流程图。
-图12描绘具有训练机器学习模型以用于分析以及确定光刻图案化过程的性能的方法中的步骤的流程图。
-图13描绘提供在x方向以及y方向上引入的套刻精度拼接误差的影响的示意图的二维矩阵。
具体实施方式
在本文件中,术语“辐射”以及“束”用于涵盖所有类型的电磁辐射,包括紫外辐射(例如,具有为365nm、248nm、193nm、157nm或126nm的波长)以及EUV(极紫外辐射,例如具有在约5nm至100nm的范围内的波长)。
如本文中所采用的术语“掩模版”、“掩模”或“图案化装置”可以广义地解释为指可以用于向入射辐射束赋予图案化横截面的通用图案化装置,所述图案化横截面对应于待在衬底的目标部分中产生的图案。在本文中也可以使用术语“光阀”。除了经典掩模(透射或反射型、二元型、相移型、混合型等)以外,其他此类图案化装置的示例包括可编程反射镜阵列以及可编程LCD阵列。
图1示意性地描绘光刻设备LA。光刻设备LA包括:照射系统(也称为照射器)IL,该照射系统被配置为调节辐射束B(例如,UV辐射、DUV辐射或EUV辐射);掩模支撑件(例如,掩模台)T,该掩模支撑件构造成支撑图案化装置(例如,掩模)MA并且连接至被配置为根据某些参数准确地定位图案化装置MA的第一定位器PM;衬底支撑件(例如,晶片台)WT,该衬底支撑件构造成保持衬底(例如,抗蚀剂涂覆晶片)W并且连接至被配置为根据某些参数准确地定位衬底支撑件的第二定位器PW;以及投影系统(例如,折射投影透镜系统)PS,该投影系统被配置为将由图案化装置MA赋予辐射束B的图案投影至衬底W的目标部分C(例如,包括一个或更多个管芯)上。
在操作中,照射系统IL例如经由束传递系统BD接收来自辐射源SO的辐射束。照射系统IL可以包括用于引导、成形和/或控制辐射的各种类型的光学组件,诸如折射型、反射型、磁性型、电磁型、静电型和/或其他类型的光学部件,或其任何组合。照射器IL可以用于调节辐射束B,以在图案化装置MA的平面处在其横截面中具有期望的空间以及角强度分布。
本文中所使用的术语“投影系统”PS应该被广义地解释为涵盖适于所使用的曝光辐射和/或适于诸如浸没液体的使用或真空的使用的其他因素的各种类型的投影系统,包括折射型、反射型、反射折射型、变形型、磁性型、电磁型和/或静电型光学系统,或其任何组合。可以认为本文中对术语“投影透镜”的任何使用都与更上位的术语“投影系统”PS是同义的。
光刻设备LA可以属于如下类型:其中,衬底的至少一部分可以由具有相对较高折射率的液体(例如,水)覆盖,以便填充投影系统PS与衬底W之间的空间——这也称为浸没光刻。在以引用的方式并入本文中的US6952253中给出了关于浸没技术的更多信息。
光刻设备LA也可以属于具有两个或更多个衬底支撑件WT(又名“双平台”)的类型。在这种“多平台”式机器中,可以并行地使用衬底支撑件WT,并且/或者可以对位于衬底支撑件WT中的一个上的衬底W进行该衬底W的后续曝光的准备的步骤,同时将另一个衬底支撑件WT上的另一个衬底W用于在该另一个衬底W上曝光图案。
除了衬底支撑件WT以外,光刻设备LA可以包括测量台。该测量台被配置以保持传感器和/或清洁装置。传感器可以被配置以测量投影系统PS的性质或辐射束B的性质。测量台可以保持多个传感器。清洁装置可以被配置以清洁光刻设备的部分,例如投影系统PS的一部分或提供浸没液体的系统的一部分。测量台可以在衬底支撑件WT远离投影系统PS时在投影系统PS下方移动。
在操作中,辐射束B入射于保持在掩模支撑件T上的图案化装置(例如,掩模MA)上,并且由存在于图案化装置MA上的图案(设计布局)图案化。在已经横穿掩模MA的情况下,辐射束B穿过投影系统PS,该投影系统PS将该束聚焦至衬底W的目标部分C上。借助于第二定位器PW以及位置测量系统IF,可以准确地移动衬底支撑件WT,例如以便在聚焦以及对准位置处在辐射束B的路径中定位不同的目标部分C。类似地,第一定位器PM以及可能的另一个位置传感器(该另一个位置传感器未在图1中明确地描绘)可以用于相对于辐射束B的路径准确地定位图案化装置MA。可以使用掩模对准标记M1、M2以及衬底对准标记P1、P2来对准图案化装置MA以及衬底W。尽管如所说明的衬底对准标记P1、P2占据专用目标部分,但是衬底对准标记P1、P2可以位于目标部分之间的空间中。在衬底对准标记P1、P2位于目标部分C之间时,这些衬底对准标记被称为划线对准标记。
如图2中所示,光刻设备LA可以形成光刻单元LC(有时也称为光刻元或(光刻)簇)的一部分,该光刻单元LC通常还包括对衬底W执行曝光前过程以及曝光后过程的设备。通常,这些设备包括沉积抗蚀剂层的旋涂器SC、显影曝光的抗蚀剂的显影器DE、例如用于调节衬底W的温度(例如,用于调节抗蚀剂层中的溶剂)的激冷板CH以及烘烤板BK。衬底处理器或机器人RO从输入/输出端口I/O1、I/O2拾取衬底W,在不同的过程设备之间移动所述衬底W并且将衬底W传递至光刻设备LA的装载台LB。光刻元中的通常也统称为涂覆显影系统(或轨道)的装置通常处于涂覆显影系统控制单元TCU的控制下,该涂覆显影系统控制单元TCU自身可以由管理控制系统SCS控制,该管理控制系统SCS也可以例如经由光刻控制单元LACU控制光刻设备LA。
为了正确且一致地曝光由光刻设备LA曝光的衬底W,需要检测衬底以测量图案化结构的性质,诸如后续层之间的套刻误差、线厚度、临界尺寸(CD)等。出于此目的,可以在光刻元LC中包括检测工具(图中未示)。尤其在同一批量或批次的其他衬底W仍待曝光或处理之前进行检测的情况下,如果检测到误差,则可以例如对后续衬底的曝光或对待对衬底W执行的其他处理步骤进行调整。
也可以称为量测设备的检查设备用于确定衬底W的性质,并且尤其确定不同的衬底W的性质如何变化或者与同一衬底W的不同层相关联的性质如何在不同层之间变化。检查设备可以可替代地构造成识别衬底W上的缺陷,并且可以例如是光刻元LC的一部分,或者可以集成到光刻设备LA中,或者可以甚至是分立的装置。检查设备可以测量潜影(在曝光之后在抗蚀剂层中的图像)的性质,或半潜影(在曝光后烘烤步骤PEB之后在抗蚀剂层中的图像)的性质,或显影的抗蚀剂图像(在显影的抗蚀剂图像中,抗蚀剂的被曝光或未曝光部分已经被移除)的性质,或者甚至被蚀刻的图像(在诸如蚀刻的图案转印步骤之后)的性质。
通常,光刻设备LA中的图案化过程是处理中的最重要步骤中的一个,该图案化过程需要衬底W上的结构的尺寸标定以及放置的较高的准确度。为了确保此较高的准确度,可以将三个系统组合于图3中示意性地描绘的所谓“整体”控制环境中。这些系统中的一个是光刻设备LA,光刻设备LA(虚拟地)连接至量测工具MT(第二系统)并且连接至计算机系统CL(第三系统)。此“整体”环境的关键在于优化这三个系统之间的协作以增强总体过程窗口并且提供严格控制回路,以确保由光刻设备LA执行的图案化保持在过程窗口内。过程窗口限定一系列过程参数(例如,剂量、焦点、套刻精度),在所述过程参数内,特定制造过程产生被限定的结果(例如,功能性半导体器件)——通常在该经限定的结果内,允许光刻过程或图案化过程中的过程参数变化。
计算机系统CL可以使用待图案化的设计布局(的一部分)以预测使用哪种分辨率增强技术,并且执行计算光刻仿真以及计算以确定哪种掩模布局以及光刻设备设定实现图案化过程的最大总体过程窗口(在图3中由第一标度SC1中的双箭头描绘)。通常,分辨率增强技术被配置以匹配光刻设备LA的图案化可能性。计算机系统CL也可以用于(例如,使用来自量测工具MT的输入)检测光刻设备LA当前正在过程窗口内的何处操作以预测是否可能存在由于例如次优化处理而导致的缺陷(在图3中由第二标度SC2中的指向“0”的箭头描绘)。
量测工具MT可以将输入提供至计算机系统CL以实现准确的仿真以及预测,并且可以将反馈提供至光刻设备LA以识别例如在光刻设备LA的校准状态下的可能漂移(在图3中由第三标度SC3中的多个箭头描绘)。
在光刻过程中,需要对所产生的结构进行频繁地测量,例如用于过程控制以及验证。用于进行这种测量的工具通常称为量测工具MT。用于进行这种测量的不同类型的量测工具MT是已知的,包括扫描电子显微镜或各种形式的散射仪量测工具MT。散射仪是多功能器具,该多功能器具允许通过在光瞳或者与散射仪的物镜的光瞳共轭的平面中具有传感器来测量光刻过程的参数(该测量通常称为以光瞳为基础的测量),或允许通过在图像平面或者与图像平面共轭的平面中具有传感器来测量光刻过程的参数(在这种情况下,该测量通常称为以图像或场为基础的测量)。以全文引用的方式并入本文中的专利申请US20100328655、US2011102753A1、US20120044470A、US20110249244、US20110026032或EP1,628,164A中进一步描述了这种散射仪以及相关联的测量技术。前述散射仪可以使用来自软x射线以及对近IR波长范围可见的光来测量光栅。
在第一实施例中,散射仪MT是角度分辨散射仪。在此散射仪中,重新构造方法可以应用于测量的信号以重新构造或计算光栅的性质。可以例如由仿真散射辐射与目标结构的数学模型的相互作用并且比较仿真结果与测得的那些结果来获得这种重新构造。调整数学模型的参数直至所仿真的相互作用产生与从真实目标观测到的衍射图案类似的衍射图案。
在第二实施例中,散射仪MT是光谱散射仪MT。在这种光谱散射仪MT中,由辐射源发射的辐射被引导至目标上,并且来自目标的反射或散射辐射被引导至分光计检测器上,该分光计检测器测量镜面反射辐射的光谱(即随波长而变化的强度的测量结果)。根据此数据,可以例如通过严格耦合波分析以及非线性回归或者通过与所仿真的光谱库进行比较来重新构造产生检测到的光谱的目标的结构或剖面。
在第三实施例中,散射仪MT是椭圆测量散射仪。椭圆测量散射仪允许通过测量针对每一种偏振状态的散射辐射来确定光刻过程的参数。此量测设备通过在量测设备的照射区段中使用例如适当的偏振滤光器来发射偏振光(诸如线性、圆形或椭圆)。适合于量测设备的源也可以提供偏振辐射。现有的椭圆测量散射仪的各种实施例描述于以全文引用的方式并入本文中的美国专利申请11/451,599、11/708,678、12/256,780、12/486,449、12/920,968、12/922,587、13/000,229、13/033,135、13/533,110以及13/891,410中。
已知的散射仪的示例通常依赖于专用量测目标的供应,诸如填充不足的目标(呈简单光栅或不同层中的重叠光栅的形式的目标,该目标足够大以使得测量束产生小于光栅的光点)或填充过度的目标(借此照射光点部分地或完全地包含该目标)。另外,使用量测工具(例如,照射诸如光栅的填充不足的目标的角度分辨散射仪)允许使用所谓的重新构造方法,在该重新构造方法中,可以通过仿真散射辐射与目标结构的数学模型的相互作用并且比较仿真结果与那些测量的结果来计算光栅的性质。调整模型的参数,直至所仿真的相互作用产生与从真实目标观测到的衍射图案类似的衍射图案。
在散射仪MT的一个实施例中,散射仪MT适用于通过测量反射光谱和/或检测配置中的不对称性(该不对称性与套刻精度的范围有关)来测量两个未对准光栅或周期性结构的套刻精度。可以将两个(通常重叠的)光栅结构施加于两个不同的层(不一定是连续层)中,并且这两个光栅结构可以形成为处于晶片上基本相同的位置处。散射仪可以具有例如在共同拥有的专利申请EP1,628,164A中描述的对称检测配置,使得任何不对称性能够被清楚地辨识。这提供了用于测量光栅中的未对准的直接的方式。可以在以全文引用的方式并入本文中的PCT专利申请公开第WO2011/012624号或美国专利申请第US20160161863号中找到当目标通过周期性结构的不对称性来进行测量时测量包含周期性结构的两个层之间的套刻误差的其他示例。
其他感兴趣的参数可以是焦点以及剂量。可以通过如全文以引用的方式并入本文中的美国专利申请US2011-0249244中描述的散射量测(或可替代地通过扫描电子显微法)同时确定焦点以及剂量。可以使用单个结构,该单个结构具有针对焦点能量矩阵(FEM,也称为焦点曝光矩阵)中的每一点的临界尺寸以及侧壁角测量的独特组合。如果临界尺寸以及侧壁角的这些唯一组合是可以获得的,则可以根据这些测量结果唯一地确定聚焦以及剂量值。
量测目标可以是通过光刻过程主要在抗蚀剂中形成并且也在例如蚀刻过程之后形成的复合光栅的整体。通常,光栅中的结构的间距以及线宽很大程度上依赖于测量光学器件(尤其光学器件的NA)以便能够捕捉来自量测目标的衍射阶。如前文所指示的,衍射信号可以用于确定两个层之间的移位(也称为“套刻精度”)或者可以用于重新构造如由光刻过程产生的原始光栅的至少一部分。此重新构造可以用于提供光刻过程的品质的引导,并且可以用于控制光刻过程的至少一部分。目标可以具有较小的子分段,该子分段被配置为模仿目标中的设计布局的功能性部分的尺寸。由于该子分段,目标将表现得更类似于设计布局的功能性部分,使得总体过程参数测量结果更好地类似于设计布局的功能性部分。可以在填充不足模式中或在填充过度模式中测量目标。在填充不足模式下,测量束产生小于总体目标的光点。在填充过度模式中,测量束产生大于总体目标的光点。在此填充过度模式中,也有可能同时测量不同的目标,由此同时确定不同的处理参数。
使用特定目标的光刻参数的总体测量品质至少部分地由用于测量此光刻参数的测量选配方案来确定。术语“衬底测量选配方案”可以包括测量自身的一个或更多个参数、所测量的一个或更多个图案的一个或更多个参数,或者它们两者。例如,如果用于衬底测量选配方案中的测量是基于衍射的光学测量,则测量的参数中的一个或更多个可以包括辐射的波长、辐射的偏振、辐射相对于衬底的入射角、辐射相对于衬底上的图案的定向等。用于选择测量选配方案的准则中的一个可以例如是测量参数中的一个对于处理变化的灵敏度。以全文引用的方式并入本文中的美国专利申请US2016-0161863以及已公开的美国专利申请US2016/0370717A1中描述了更多的示例。
可以依次曝光衬底上的不同的区。例如,掩模版或掩模可以包括待在衬底上曝光多次的图案。在曝光衬底上的层时,掩模版可以相对于衬底移动,以便依次曝光衬底上的不同区。如上文所论述的,掩模版可以与用于在光刻设备LA内准确地定位掩模版的第一定位器PM相关联。衬底W可以与用于在光刻设备LA内准确地定位衬底W的第二定位器PW相关联。定位器PM以及PW可以用于将衬底W以及掩模版相对于彼此准确地定位,以便设定被曝光图案在衬底上的位置。可能影响图案在衬底上的位置的其他设定以及因素可以包括例如:用于将掩模版的图案投影至衬底W上的投影系统PS、衬底、晶片台、WT的性质(例如,形貌),以及用于曝光图案的辐射的性质。
在示例性实施方案中,待光刻曝光的整个装置可能太大而无法安装于单个掩模版上。因此,整个装置可以划分成两个或更多个单独的区。这些区可以彼此独立地(例如,依次)曝光。为了使整个装置起作用,需要在区之间的边界处或边界附近准确地且精确地连接独立曝光的区。
为了将多个依次图案化的区相对于彼此准确地定位,可能需要精确的参数控制。可以优化光刻设备LA的不同元件的设定,以便获得已曝光区在衬底上的准确定位。可以获得用于确定多个区的定位的已曝光衬底的测量数据。测量数据可以用于检查已曝光衬底是否具有已曝光区的可接受定位以例如用于品质控制。测量也可以用于确定如何改善通过光刻设备LA执行的将来曝光的设定。例如,可以针对多个区确定定位误差。所确定的定位误差可以指示存在两个相邻区的在x方向对准上的误差。可以对误差进行分析以确定误差的一个或更多个起因。可以更新一个或更多个设备或选配方案设定以解决误差,以避免将来曝光中的错误。
可以相对于拼接误差论述依次曝光的区相对于彼此的定位。光刻图案化过程的性能可以包括一个或更多个拼接误差。拼接误差可以是已曝光区的期望位置的误差。拼接可以指两个区的连接或相对放置。区可以是相邻的区。区可以包括彼此相关联的特征。例如,区可以属于在衬底W上曝光的同一器件。光刻曝光可以将图案曝光至二维区上。区可以是矩形的。例如,区可以是正方形的。然而,区可以在衬底的平面中具有任何二维形状。沿着区的边缘,可能存在与相邻区接触的边界。在矩形区的情况下,可以将区的边缘所沿定位的方向称为x方向以及y方向。也可以将边缘的方向称为水平方向以及竖直方向。
如上文所描述的,可以使用测量数据来控制已曝光区在衬底上的平面内放置。测量数据可以例如用于确定和/或分析衬底W上的区之间的拼接误差。可以基于量测目标获得测量数据。量测目标可以例如是套刻精度测量目标。一个或更多个量测目标可以作为在衬底上曝光的图案设计的一部分而定位在衬底上。量测目标可以作为光刻曝光的一部分而被曝光。可以对包括于目标(例如,衍射光栅)中的结构进行分析以确定被曝光图案的性质。对(多个)量测目标的分析可以包括用于确定一个或更多个量测目标相对于衬底上的一个或更多个其他量测目标的位置的测量。测量可以包括例如套刻精度和/或对准测量。(多个)量测目标以及(多个)其他量测目标可以定位在衬底上的不同区中。包括量测目标由于占据衬底W上的空间而增加了成本,这是因为包括量测目标导致可供用于曝光产品特征的空间变小。另一方面,包括衬底上的较少量测目标可能导致可供使用的测量数据变少。这进而可能导致被曝光图案的分析和/或控制的品质降低。使用量测目标来确定区的平面内放置的另一个潜在缺点是测量数据可能不表示已曝光特征的实际拼接误差。量测目标测量可以例如被设计并且/或者图案以不同方式建立,这意味着它们的表现是不同的。例如,图案对于曝光过程的像差和/或过程效应的响应可能是不同的。测量数据的有限的可用性以及拼接误差数据与实际拼接误差之间的潜在偏差可能对于使用量测目标以用于平面内定位控制呈现缺点。本文中描述的是用于克服这些挑战中的至少一些挑战的方法以及设备。
图4描绘具有确定光刻图案化过程的性能的方法中的步骤的流程图。性能可以与衬底上的相邻已曝光区的拼接有关。在步骤400中,可以接收到衬底的一部分的至少一个图像。衬底的一部分可以包括第一区,该第一区包括与在第一时间对衬底进行的第一光刻曝光相关联的第一特征。衬底的一部分还可以包括第二区,该第二区包括与在第二时间对衬底进行的第二光刻曝光相关联的第二特征。第一区以及第二区可以各自包括不与第一区以及第二区中的另一者重叠的部分。在下一步骤402中,可以获得已曝光的第一特征和/或已曝光的第二特征的一个或更多个特征特性。已曝光的第一特征和/或已曝光的第二特征可以与第一区和第二区之间的边界相关联。已曝光的第一特征和/或已曝光的第二特征可以例如位于第一区和第二区之间的边界处。在步骤404中,可以基于特征特性确定光刻图案化过程的性能。可以通过包括被配置为执行本文中描述的方法的步骤的一个或更多个处理器的设备执行上文所描述的方法以及本文中描述的其他方法。
图5描绘衬底的包括第一区502以及第二区512的部分500的图像的示意图。第一区502以及第二区512可以沿着边界520被分隔开。边界520可以包括第一区502的外部边缘以及第二区512的外部边缘。
第一区502可以包括与第一光刻曝光相关联的第一特征504。第二区512可以包括与第二光刻曝光相关联的第二特征514。第一区502以及第二区512可以是光刻曝光过程的第一曝光场以及第二曝光场。边界520可以包括第一场的边缘的全部或一部分以及第二场的边缘的全部或一部分。可以在第一时间以及第二时间依次执行第一光刻曝光以及第二光刻曝光。可以在第一曝光与第二曝光之间执行其他曝光。例如,在第一区以及第二区的第一光刻曝光以及第二光刻曝光之间,可以光刻曝光一个或更多个其他区。
第一区502以及第二区512可以是相邻区。第一区502以及第二区512的预期设计可能标称地不重叠。例如,第一区502的外部边缘的一部分可以邻接第二区512的外部边缘的一部分。然而,实际上,例如由于图案化曝光中的误差(诸如拼接误差),第一区502以及第二区512可能部分地重叠。在其他实施方案中,第一区502以及第二区512可以在衬底上具有局部重叠。第一区502以及第二区512可以具有基本相同的尺寸和/或形状。区的形状可以是矩形的。区的形状可以例如是正方形的。区可以对应于衬底上的曝光场。区的一个或更多个尺寸可以在10mm至35mm的范围内。例如,区可以对应于具有26mm×33mm或23mm×23mm的尺寸的曝光场。
确定光刻图案化过程的性能可以包括:确定图案化过程的品质。品质可以与将彼此独立地曝光的不同区相对于彼此如何定位有关。确定性能可以包括:确定第一曝光场502与第二曝光场512之间的拼接误差。确定性能可以包括:确定被曝光图案的一个或更多个性质,其中,性质可以称为过程特征。确定性能可以包括:确定对图案化过程的一次或多次校正。校正可以基于光刻图案化过程的已确定的过程特征和/或性能。所确定的校正可以用于更新光刻图案化过程以用于将来的迭代。确定光刻图案化过程的性能还可以包括图案化过程的验证。
图像可以是扫描电子显微镜图像(SEM)。图像可以是电压对比度图像。电压对比度图像可以提供特征与下层的电接触的测量结果。可以在已经处理了已曝光的衬底之后(例如,在对已图案化衬底执行一个或更多个曝光后显影步骤之后)获得图像。对下层的接触的测量可以提供已曝光层的特征与下层的特征如何很好地匹配的指示。这进而可以用于确定是否存在拼接误差。可以在衬底处于光刻单元LC中的同时获得图像。图像可以具有衬底上的光致抗蚀剂的图案化层。图像可以具有已通过蚀刻过程图案化的材料层。
第一特征504和/或第二特征514可以是产品特征。换句话说,所述方法可以使用在衬底上曝光的特征的不与量测目标有关的特性。特征504、514可以与待曝光以及图案化至衬底上的产品结构有关。例如,可以通过一个或更多个装置图案化衬底。第一特征504以及第二特征514可以形成在衬底上图案化的相同器件的一部分。第一特征504以及第二特征514可以位于具有共同边界的区域中。共同边界可以包括第一区502与第二区512之间的边界520的一些或全部。该方法的优点可以是基于对产品特征自身(与例如量测目标特征相反)的分析确定过程的性能。另一个优点可以是可能不需要量测目标或需要较少的量测目标,这可以释放衬底上的用于产品特征的空间。由于相较于量测目标,更多的产品特征可以存在于衬底上,所以使用产品特征的图像以用于分析可以允许采用密集的测量。这可以获得对性能的更详细的分析,更详细的分析可以导致提高的准确度。因为分析不限于衬底中的存在量测目标的区域,所以可以在整个衬底上定制测量的分布和/或密度。例如,可以相较于其他区域更密集地测量被曝光图案中的拼接对于性能而言为重要的区域,或者其中历史上的曝光已经经历拼接误差的区域。
第一特征504和/或第二特征514可以是伪特征。伪特征可以被曝光于衬底上,以具有与产品特征类似的性质和/或尺寸。在这方面,伪特征的一个或更多个性质和/或尺寸可以与一个或更多个产品特征的对应性质和/或特征相同或基本相同。这可以使得对伪特征的分析会提供与对产品特征的分析类似的结果。例如,伪特征可以具有与产品特征类似的尺寸和/或形状。在一些情形下,伪特征的形状可以被设定,以便可以获得可以适用于分析以确定性能的特征特性。例如,伪特征可以包括可以类似于在整个衬底上的产品特征的多个不同的特征,使得可以在单个图像内找到多个特征。伪特征的性质可以被设计以增大特征对于拼接误差的灵敏度。例如,伪特征的形状、尺寸、位置或剂量可以被设定,以使得伪特征的形状、尺寸、位置或剂量对拼接的变化是敏感的。
第一特征504以及第二特征514可以分别是第一产品特征以及第二产品特征。在一些情形下,第一特征504以及第二特征514可以形成不同的产品特征的一部分。在其他情形下,第一特征504以及第二特征514可以标称地包括沿着第一区以及第二区延伸的单个特征。换句话说,第一特征504以及第二特征514可以包括相同产品特征的延伸跨过第一区502与第二区512之间的边界的部分。图像可以包括包含单独的产品特征的第一特征和第二特征以及包含单个产品特征的第一特征和第二特征的组合。
确定光刻图案化过程的性能可以包括执行对图像的分析以确定一个或更多个特征特性。对图像的分析可以用于确定第一特征504和/或第二特征514的特征特性。第一特征和/或第二特征可以与包括于图像中的边界相关联。在该本文中,“与……相关联”可以意味着特征定位在第一区与第二区之间的边界处或接近于该边界(在边界附近)。特征特性可以包括第一特征和/或第二特征在图像中的视觉性质。特征特性可以包括第一特征和/或第二特征的空间尺寸。特征特性可以包括距离指标,该距离指标可以在第一特征504与第二特征514之间。距离指标可以例如包括第一特征504的一个或更多个对称轴与第二特征514的一个或更多个对称轴之间的距离。在第一特征以及第二特征不构成沿着第一区502以及第二区512延伸的单个特征的情况下,距离指标可以包括第一特征与第二特征之间的物理距离。
图6描绘若干示例性特征特性的示意图。第一区502以及第二区512中的特征特性包括单个示例性特征,该单个示例性特征由跨越第一区502与第二区512之间的边界520的两条平行线组成。待曝光至衬底上的预期特征设计可以称为设计标准。确定特征特性可以涉及将在衬底上曝光的特征的一个或更多个空间尺寸和/或其他视觉性质与设计标准进行比较。特征600可以表示根据两条平行线的设计标准的特征。特征600不包括拼接误差。跨越边界520的单个特征可以包括在第一区502与第二区512之间的边界处或附近变厚或变窄的局部。在特征602中,平行线在边界520处中断,使得它们没有相交以形成实线。尽管特征602示出平行线的完整中断,但是在一些情形下,线可以替代地经历在边界区520周围变窄的局部。在特征604中,平行线在边界区520周围更宽(或更厚)。在特征606中,相较于第一区502的线,第二区512中的线在平行于边界520的方向上位移或偏移。如果区的拼接包括误差,则所获得的器件的性能可能降低。例如,第一特征504以及第二特征514可以被设计以跨边界520彼此接触,以允许电流在其间流动。然而,由于拼接误差,第一特征504与第二特征514之间可能存在减少的接触或无接触。这可以导致减少的连接或不建立连接,从而抑制电流流动。在一些情形下,拼接误差可能使区具有局部重叠,这可能增大已曝光特征的尺寸。这可能导致不应该接触的特征重叠,不应该接触的特征重叠可能例如造成短路。
确定光刻图案化过程的性能可以包括:确定一个或更多个光刻图案化过程特性(也称为过程特性)的性能。所确定的特征特性可以用于确定一个或更多个过程特性。示例性过程特性包括第一区502和/或第二区512中的在x和/或y方向上的平移、放大率、焦点、剂量等。示例性过程特性还可以包括与对第一区502和/或第二区512的图案化相关联的一个或更多个更高阶变形误差。在图6中,平行线在边界520处的变窄和/或中断可以指示第一区502和/或第二区512中的已曝光特征的放大率太小。在特征604中,线在边界520处的局部变厚可以指示第一区502和/或第二区512中的被曝光图案的放大率太大。特征604可以指示第一区502相对于第二区512的沿着平行于边界520的尺寸的平移误差。
对多个特征特性的分析的组合可以用于确定过程特征。这可以例如包括对于第一区502和/或第二区512中的不同形状的特征的特征特性的分析。示例性特征包括直线、点、更大面积的特征等。线可以垂直于边界520,或者线可以定位成与边界520成非垂直角度。可以例如通过将衬底上的伪特征曝光以及成像来获得不同形状的特征的组合。
确定过程特性也可以基于从多个图像获得的特征特性执行。例如,为了确定区周围的拼接的品质,可以使用沿着边界的不同部分的图像。不同的图像可以提供沿着衬底上的不同平面内尺寸的边界。例如,第一图像可以设置为包括第一区与第二区之间的第一边界。第二图像可以设置为包括具有与第一边界不同的方向的第二边界。第二边界可以处于第一区与另一个区之间。另一个区可以是第二区(针对第一边界是相同的),或者与在第三时间的衬底上的第三光刻曝光(第三光刻曝光与第一曝光以及第二曝光分隔开)相关联的第三区。
可以接收到用于确定图案化过程的性能的多个图像。第一图像和第二图像可以包括第一方向以及第二方向上的边界,其中,第一方向与第二方向不平行。第一方向与第二方向可以垂直。第一图像和第二图像都可以包括包含第一区502的外部边缘的一部分的边界。例如,在矩形区的情况下,可以接收到包括边界的在x方向上的一部分的第一图像,并且可以接收到包括边界的在y方向上的一部分的第二图像。x方向以及y方向可以形成衬底的平面。
图7描绘衬底的包括区502、512、522、532的一部分的示意图。区502、512、522、532中的每一个都可以在不同的时间被光刻曝光。区502、512、522、532中的每一个都可以是单独的曝光场。可以提供包括区502与区512之间的边界的第一图像702。图像702的边界可以在y方向上延伸。可以提供包括区502与区522之间的边界的第二图像704。第二图像的边界可以在x方向上延伸。可以分别确定第一图像702以及第二图像704的一个或更多个过程特性。然后,第一图像702以及第二图像704的过程特性可以组合以确定图案化过程的性能。如同使用两个图像一样,根据三个或更多个图像确定的过程特征可以组合以确定图案化过程的性能。可替代地或另外,可以提供区502的拐角部分处的图像706。此图像可以包括边界的在x方向以及y方向两者上的一部分。
可以针对相同衬底上的多个层执行分析以及确定光刻图案化过程的性能的方法。可以获取在后续曝光步骤之间的衬底的图像。可以在包括拼接衬底上的区的每一次曝光之后对性能进行分析。本文中描述的方法的优点可以是所述方法使得能够例如通过获得SEM图像来测量衬底。这可以相较于基于衍射的测量(相较于SEM量测,基于衍射的测量结果的获得是较缓慢的)增大确定光刻图案化过程的性能的过程的速度。
所确定的过程特征可以用于确定光刻图案化过程的性能。性能可以包括例如过程的品质的评估、由过程曝光的特征的验证和/或曝光的所确定的拼接误差。所述方法还可以确定对光刻图案化过程的一次或多次校正。可以利用一次或多次校正来更新光刻图案化过程,以用于将来的迭代。更新图案化过程可以包括:更新光刻设备LA的至少一个或更多个曝光设定以及掩模版设计。
所述方法可以接收在整个衬底上的不同位置处分散的多个图像,以用于确定光刻图案化过程的性能。确定光刻图案化过程的性能可以包括:确定曝光的整体品质,并且/或者可以包括品质的局部评估。可以确定图像中的每一个的过程特性,并且过程特性可以组合以用于确定光刻图案化过程的整体品质。在其他实施方案中,紧密地一起位于衬底上的一个或更多个图像可以组合以确定在衬底上的那个位置处的过程性能的单独局部确定结果。由于拼接误差可以在整个衬底上是变化的,所以可以确定衬底上的不同位置处的特征特性以及过程特性。这可以用于确定在整个衬底上的不同位置处的拼接误差。这可以允许在整个衬底上确定光刻图案化过程的性能。如果测量产品特征上的性能,则所述方法可以提供对于被分析以确定过程性能的图像的量的灵活性。可以依赖于性能分析的需求(例如,在衬底上曝光的产品特征所需的精确度以及准确度)设定测量的密度。所述方法可以确定在整个衬底上的性能的密集图或稀疏图。衬底可以包括约100个区。所述方法可以确定衬底上的五个区与所有区之间的数个区的性能。测量可以在整个衬底上的区之间均匀地分布。例如,如果每个区存在四个测量部位(例如,4个量测目标),则可以针对多个区中的25%的区使用测量部位中的每一个。对于每个区,可以获得多个图像以用于确定拼接误差。图像可以与具有相同的第一区502以及第二区512的相同边界有关,或者与第一区502与第二区512、第三区522、第四区523等之间的不同边界有关。所述方法可以在每个区处使用4个至20个图像。在一些情形下,所述方法可以使用多于20个的图像。
可以在一段时间内对多个衬底执行相同的光刻图案化曝光。待针对确定图案化过程的性能而分析的图像的量以及位置可以随时间改变。在新的曝光图案开始时,可以准备更密集的性能图,这是由于新的过程最初可能需要更多校正。一旦过程设定已经被校正一次或多次,性能便可以改善和/或稳定。响应于此,用于确定过程性能而分析的图像的量可以减小。对于在整个衬底上进行的性能分析的密集程度,所述方法也可以是灵活的。所述方法可以确定用于性能分析的一个或更多个感兴趣的区域。例如,在对另一个衬底执行相同的曝光时,可以更详细地分析已确定的性能较差的区域。作为另一个示例,衬底可以包括关键的区域,在该关键的区域中,产品特征可以具有更严格的制造需求(即,对与设计标准的偏差的容差更低)。这些关键的区域可以接收更密集的性能监视。这可能实现关键区域处的图案化过程的改善的性能。
确定光刻图案化过程的性能的方法可以整体地或部分地使用模型来确定。模型可以包括视觉技术,例如机器视觉技术。模型可以是机器学习模型。模型可以用于确定一个或更多个过程特性。在示例性实施方案中,模型可以接收一个或更多个特征特性作为输入。在另一个示例性实施方案中,模型可以将第一区、第二区以及边界520的一个或更多个接收到的图像作为输入。所述方法可以使用多个模型。所述方法可以例如使用两个单独的模型。第一模型可以是视觉技术模型。视觉技术模型可以用于解释作为输入提供至模型的一个或更多个图像。接收一个或更多个图像作为输入的模型可以是卷积神经网络。第一模型可以提供一个或更多个过程特性作为输出。第二模型可以接收由第一模型确定的一个或更多个过程特性。第二模型可以接收衬底上的多个区的过程特性。第二模型可以解释接收到的过程特性以将该接收到的过程特性转换为图案化校正。第二模型可以将用于调整光刻图案化过程的校正数据提供为输出,例如以用于校正拼接误差。例如,校正数据可以包括光刻图案化过程设定的一个或更多个更新值。模型可以包括分类模型。分类模型可以例如用于图案化过程的验证。例如,模型可以将图像分类成具有落入一个或更多个设定曝光容差内(通过)或落入该一个或更多个设定曝光容差外(失效)的区拼接性质。
如本文中描述的方法可以使用一个或更多个图像来确定这些图像中描绘的图案的特征特性。可以直接根据对图像的分析确定特征特性(例如,套刻精度、对准或指示拼接品质的其他性质)。为了检测特征特性中的较小改变或变化,在对用于确定特征特性的(多个)图像进行分析之前增强该(多个)图像的品质可能是有利的。增强图像可以例如包括移除噪声、滤除非所需的信号和/或提取用于进行分析的相关特征。提取相关特征的优点可以包括减小分析的尺寸。如本文中描述的,根据图像确定一个或更多个特征特性可以包括预处理图像、从预处理的图像提取特征和/或基于预处理的图像确定用于拼接品质的指标中的一些或所有步骤。
特征特性可以包括套刻精度。可能需要将对套刻精度的分析分隔为衬底上的单独尺寸,例如已图案化衬底的平面中的两个尺寸。尺寸可以彼此垂直,并且可以称为x方向以及y方向,或水平方向以及竖直方向。这些方向可以平行于和/或垂直于待分析的边界的方向。
图像的预处理可以包括用于从图像移除噪声的步骤。预处理可以保留与存在于图像中的图案有关的结构信息。具体地,预处理可以被配置为保留与存在于图像中的边沿和/或条带有关的信息。图像上的边沿、条带或其他边缘也可以称为线特征。图像的预处理可以包括确定图像的强度信息和/或梯度信息。强度和/或梯度信息可以用于确定图像的分段。分段可以能够定位边沿和/或条带中的至少一些,从而移除图像中的背景和/或噪声。
图9描绘预处理用于确定光刻图案化过程的性能的图像的方法中的步骤的示例。在步骤900中,可以对图像进行上取样。上取样可以包括插值,例如双三次插值。本领域技术人员将明白,可以使用任何合适的上取样方法。在步骤902中,可以处理被上取样的图像以抑制以及减少存在于图像中的噪声。在步骤904中,可以获得至多处理至那点的图像的梯度幅值(也简称为梯度)。梯度可以提供存在于图像中的突出显示的边沿的优点。在步骤906中,如在步骤902和/或904中被处理的图像可以被处理以形成二进制图像。在本文中,二进制图像可以是其中数据已经被压缩以按二进制方式(即,如两个可能值中的一个的方式)表示的图像。二进制图像可以是其中每一个像素具有一个或两个可能值的图像,所述可能值是例如0或1、黑或白、是或否等。这可以表示为黑白图像,或具有两个不同颜色的任何其他组合的图像。在步骤908中,二进制图像可以被处理以待被清洁。清洁二进制图像可以包括填充二进制图像中的孔和/或例如,通过删除像素的岛或将像素的岛连接至其他区来移除像素的岛。清洁二进制图像可以例如使用区增长技术和/或连接组件技术。在步骤910中,预处理可以执行处理图像的旋转。旋转可以被确定为使得被处理的图像中的边沿和/或条带平行于和/或垂直于图像中的第一区与第二区之间的边界。在一些情形下,可以形成多个二进制图像。例如,可以由被上取样的图像形成第一二进制图像,并且可以由图像的梯度幅值形成第二二进制图像。可以对这两个二进制图像执行处理步骤908至910。可以并行地分析被处理的第一二进制图像以及第二二进制图像。该并行分析的优点可以是该并行分析实现了相较于对图像分析自身更加恒定且稳固的套刻精度确定。如图9中所示,流程图拆分成表示形成被上取样的图像的二进制图像的第一臂以及表示形成图像的梯度幅值的二进制图像的第二臂。在本文所披露的方法中,所述臂中的至少一个可以被执行为图像的预处理的部分。
步骤902的噪声减少技术可以是边沿保留的。噪声减少技术可以例如包括双边滤波、各向异性扩散滤波和/或无管理小波变换中的一个或更多个。如果图像中的噪声的量没有充分减小,则执行以检测以及识别线特征的步骤可以例如包括由于噪声被错误地识别为线的错误。为了改善噪声减少,本领域技术人员可以使用自动编码器模型。自动编码器模型可以是去噪自动编码器。自动编码器模型可以包括机器学习模型。具体地,自动编码器模型可以包括卷积神经网络CNN和/或生成对抗网络GAN。GAN可以包括产生无噪声图像的生成网络以及对生成网络的输出进行分类的鉴别器网络。自动编码器可以被训练以在不产生图像伪影的情况下产生无噪声或具有减小的噪声的图像。自动编码器可以在成对的有噪声/无噪声图像上被训练。可以使用仿真(例如,通过添加不同类型的噪声)来获得训练对。
可以通过对处理图像和/或在步骤904中针对处理图像确定的梯度幅值进行分段来形成二进制图像。可以用于确定二进制图像的方法可以包括阈值方法,诸如全局阈值方法。全局阈值方法可以例如包括大津(Otsu)图像处理方法。用于确定二进制图像的方法可以替代地或另外包括机器学习方法。用于形成二进制图像的示例性机器学习方法可以例如包括簇。簇算法可以使用高斯分量的混合。机器学习算法可以例如采用被处理的图像以及被处理的图像的梯度作为输入。
在步骤910中,可以对预处理的图像进行分析以确定图像中的边沿/线特征是否具有相对于图像的边缘的旋转。如果图像包括多个不同角度处的边沿和/或条带,则可以确定主要方向,并且可以执行旋转以对准主要方向。主要方向可以例如是最频繁地出现在图像中的线特征的方向。如果图像的线特征的方向没有垂直/平行于图像中的第一区与第二区之间的边界,或者如果图像具有另外非期望的旋转,则所述方法可以确定待施加的旋转。然后,所述方法可以将旋转施加至图像。为了检测边沿的方向,线检测技术可以用于检测线并确定其角度。线检测技术可以例如包括霍夫变换以检测线特征以及其在图像中的角度。然后,所述方法可以使用图像旋转算法来将图像旋转通过线检测技术确定的量。
图像的预处理可以包括图9的步骤中的一些或全部。如果多个图像用于确定光刻图案化过程的性能,则可以对多个图像中的至少一个执行预处理。可以在用于确定光刻图案化过程的性能的多个图像中的每一个中执行预处理。
可以基于一个或更多个特征特性确定光刻图案化过程的性能。可以从图像识别这些特征特性。可以从图像和/或从预处理图像提取一个或更多个特征。特征可以用于确定图像中所示出的第一区和第二区之间的边界处的拼接品质。可以例如鉴于边界处的第一区与第二区之间的套刻精度OVL评估拼接品质。可以确定衬底的平面中的两个方向(例如,上文所提及的x方向以及y方向)上的拼接品质。在衬底上被图案化的特征可以包括平行于两个方向中的一个方向以及垂直于这两个方向中的另一个方向的线特征。可替代地或另外地,特征可以包括处于不平行/垂直于所述方向的角度的线特征。角度可以是从0度至90度的任何角度。
可以使用特征提取算法从预处理的图像提取一个或更多个特征。特征算法可以对预处理的二进制图像使用傅里叶变换。如果二进制图像包括平行于X方向的线特征,则傅里叶变换可以应用于图像的平行于Y方向的部分。类似地,如果二进制图像包括平行于Y方向的线特征,则傅里叶变换可以应用于图像的平行于X方向的部分。所述部分可以是图像的像素行。傅里叶变换可以是快速傅里叶变换(FFT)。像素行(可以沿着像素行应用傅里叶变换)可以与图像中的边界的方向对准。像素行可以平行于边界,或者可以基本上平行于边界。在一些情形下,例如如果第一区与第二区之间的边界由于拼接误差而错位,则边界可以不完全平行于所述像素行。作为像素行之间的差的分析的一部分,这种不对准可以变得显而易见。
图10示出像素行上的信号图案的图表,其中,Pr轴表示行中的像素。标记为B的轴指示针对该行输入的预处理的二进制图像中的二进制值。像素行可以基本上垂直于图像中的线特征。图10(a)表示远离第一区与第二区之间的边界的像素行的信号。行充分远离第一区与第二区之间的边界,使得行中不存在拼接效应。图10(b)表示关于第一区与第二区之间的边界上或附近的像素行的信号。如从图中可见,图10(a)与图10(b)之间的边沿/线特征的部位是不同的。这可以指示在边界处/接近边界的像素行中存在拼接效应。尽管本文中描述的方法提及了像素行,但是相同的方法可以应用于像素列,其中,第一区和第二区之间的边界不平行(例如,垂直)于图像列。
可以对每一个像素行执行傅里叶变换。根据傅里叶变换,可以确定每一行的占空比、频率幅值以及相位分量中的一个或更多个。占空比可以指示线特征在二进制图像中所处的位置。由于线特征可以表示跨越边界的条带的边沿,所以线的位置可以指示条带的在该像素行处的宽度。该宽度可以表示为占空比。不同行之间的占空比的改变可以指示线特征的沿着平行于该线特征的方向的宽度的不同。第一区与第二区之间的边界的该部位周围的占空比中的已确定的改变可以用于检测拼接部位。占空比改变也可以用于确定第一区与第二区之间的拼接的品质。边界处以及周围的行中的信号的周期也可以用于检测以及评估拼接部位的品质。
不同行之间的相位的改变可以用作垂直于线特征的方向上的拼接误差的指示符。占空比的改变可以用作平行于线特征的方向上的拼接误差的指示符。
可替代地或另外,为了执行二进制图像的傅里叶变换,可以对表示在图像中检测到的梯度的预处理的图像执行傅里叶变换。二进制图像分析以及梯度图像分析的组合可以提高特征特性的确定的准确性。使用二进制图像分析以及梯度图像分析两者可以进一步实现特征特性确定的误差检测和/或一致性检查。
在第一示例中,图像包括跨水平边界从第一区延伸至第二区的多个竖直条带。使用傅里叶变换,可以确定预处理的图像的像素的多个水平行的占空比以及相位。然后,行之间的已确定的相位差可以用于确定水平方向上的套刻精度或其他拼接品质指示符。行之间的占空比的改变可以用于确定竖直方向上的套刻精度或其他拼接品质指示符。在示例性实施方案中,第一区的像素行(高于水平边界)与第二区中的像素行(低于水平边界)之间的最大相位改变可以用作水平方向上的拼接品质的指示。接近边界的区域处的行与远离边界的区域(在不受拼接效应影响的图像的区域中)中的行的占空比之间的最大占空比改变可以用作竖直方向上的拼接品质的指示。
占空比和/或相位中的差可以在若干值上平均化,这可以改善所确定的差的信噪比。占空比和/或相位测量可以用于对图像进行进一步分析,例如用于执行噪声的合格化。例如,不同行之间的相位变化的位置以及相位的稳定性可以用作用于所确定的拼接品质的置信度程度的指示符。预期为竖直的线特征(尤其在远离边界的区域中)的相位的较大改变可以指示较低的置信度程度。
可以例如使用多个图像沿着相同边界收集若干离散的区域和/或更大的区域处的拼接品质数据。拼接品质数据都可以与在第一区与第二区之间执行的相同拼接有关。沿着拼接的不同点的所确定的拼接品质可以用于确定用于拼接的平均拼接品质。拼接品质数据也可以与多个不同的拼接有关。可以对跨不同拼接的所确定的拼接品质进行分析以识别趋势。该分析可以包括统计分析,例如确定移动平均值趋势。可以对拼接品质进行分析以使得局部边缘放置误差合格。可以对拼接品质进行分析以使得整体拼接性能合格。整体拼接性能可以例如用于确定衬底的更大区域上的光刻图案化过程的性能和/或对该光刻图案化过程的校正。
所确定的占空比差和/或相位差可能不提供对竖直和/或水平方向上的套刻精度的直接测量。可能需要其他数据处理步骤以基于占空比和/或相位差来确定套刻精度。如果线特征不连接于边界处,则可能存在接近边界的不包括线特征值的二进制图像的像素行。可以将这类行称为零占空比行。零占空比行的数目可以提供对垂直于边界的方向上的套刻精度的指示。占空比和/或相位围绕边界区改变所伴随的部位和/或形状可以用于确定拼接品质的性质。
所确定的占空比差以及相位差可以是标记值。以跨边界上的第一区以及第二区延伸的平行条带为例,如果第一区以及第二区比它们被设计的更紧密地按压在一起,则边界周围的占空比可以增大。如果第一区以及第二区定位成比它们被设计的更远离彼此,则边界区周围的占空比可以减小。所确定的占空比差的标记可以指示该差表示哪种情况。
如上文所描述的,包括多个线特征的一个或更多个图像(例如,条带的周期性集合的预处理的二进制图像)可以用于确定平行于以及垂直于形成第一区与第二区之间的拼接区域的边界的方向上的套刻精度。可以基于像素行之间的占空比和/或相位的差来确定套刻精度。为了确定平行于边界的方向上的套刻精度,所确定的相位差可以是直接指示符。可以基于所确定的相位差来确定套刻精度值。
对于确定垂直于边界的方向上的套刻精度,可能需要额外的数据处理以用于确定所确定的占空比差的顶部上的套刻精度。在占空比差之后,占空比改变/差的部位以及形状可以用于确定套刻精度。材料性质也可以影响套刻精度的改变影响占空比的方式,因此与已图案化的衬底上使用的材料有关的信息也可以用于确定套刻精度。为了确定垂直于边界的方向上的套刻精度,可以使用模型。可替代地或另外地,可以提供查找表以基于占空比差确定套刻精度。
可以提供将占空比差与套刻精度值相关联的查找表。可以被提供以使用查找表的其他信息包括例如以下各项中的一项或更多项:也可以提供的像素行之间的占空比的改变的部位、像素行之间的占空比改变的形状、最大相位差和/或具有零占空比的行的数目。可以在设定阶段使用测试测量来构造查找表。
在一些情形下,一个或更多个特征特性与套刻精度之间的关系可以是非线性的。为了使得该非线性关系合格,可能需要套刻精度的精确分辨率。为了提供套刻精度的精确分辨率,可以使用模型。该模型可以是机器学习模型,例如神经网络。可以在设定阶段期间训练神经网络以学习垂直于边界的方向上的套刻精度与跨平行于边界的像素行的占空比的差以及改变之间的关系。可替代地或另外地,对于神经网络,可以使用非线性回归方法。由于已确定与确定套刻精度相关的特征,所以尽管预处理和/或傅里叶变换用于确定相位差以及占空比差,但是提供在图像本身上训练的大规模神经网络可能并非必要的。可替代地,可以基于相关数据训练小规模神经网络或其他非线性回归方法。相关数据可以包括占空比差、形状以及零占空比行的部位、相位差以及数目中的一个或更多个。
在示例性实施方案中,提供用于确定光刻图案化过程的性能的图像。图像被预处理,其中,预处理可以包括使用自动编码器的噪声减少步骤,以及用于确定图像的二进制和/或梯度版本的分段步骤。二进制预处理的图像和/或预处理的图像的二进制梯度可以包括线特征。可以对线特征进行分析以确定拼接品质。拼接品质可以例如包括平行于以及垂直于边界的方向上的套刻精度。可以对二进制图像的像素行执行傅里叶变换以确定线特征的占空比以及相位。可以直接根据傅里叶变换数据确定平行于边界的方向上的套刻精度。为了确定垂直于边界的方向上的套刻精度,可以提供模型或查找表。模型和/或查找表可以被配置为:接收与傅里叶变换数据有关的输入数据,并且输出垂直于边界的方向上的套刻精度。如上文所描述的图像的分析以及处理可以用于包括多个平行笔直结构的图案,这些平行笔直结构可以垂直于第一区与第二区之间的边界。然而,本文中描述的方法以及系统也可以用于其他图案。在分析和/或解释(被预处理的)图像的傅里叶变换时可以考虑图案的性质。关于图案的性质的信息可以例如用于训练模型和/或构建查找表,以使占空比与套刻精度相关联。
在示例性实施方案中,连接跨第一区与第二区之间的边界的条带可以具有不同的临界尺寸。可以将关于设计的这种差异的信息提供至系统以用于确定拼接品质。例如,可以提供包括用于每一个像素行的预期占空比值的向量。在确定拼接品质时,可以考虑预期占空比与观测到的占空比之间的差异。可以将向量例如提供至模型或回归方法。
如上文所描述的,可以确定第一区与第二区之间的边界处的拼接品质。这可以呈x方向以及y方向上的套刻精度的形式。另外地或可替代地,可以定义除了套刻精度以外的指标以评估拼接品质。这种指标可以例如考虑拼接的平滑度、平坦度和/或对称性。可以基于图像、预处理的图像或者与图像相关联的其他数据中的一个或更多个来确定指标。可以基于上述各项中的任一项的多个来确定指标。
在示例性实施方案中,可以基于二进制图像确定指标。二进制图像可以是分段的二进制图像,其中,二进制对比度用于指示图像内的边沿以及边界。二进制图像可以被滤波以减少来自图像的噪声。可以提供方法以分析二进制图像,从而确定用于评估图像中的拼接品质的指标。图11描绘具有用于确定指示拼接的品质的指标的方法中的步骤的流程图。在步骤1100中,对包括第一区与第二区之间的拼接的二进制图像进行分析以发现拼接之前以及之后的拐点。可以认为拐点在拼接周围的占空比的较大改变开始时出现。可以在拼接区域的两侧确定拐点,换句话说,可以在第一区以及第二区两者中确定拐点。在步骤1102中,拐点之间的区域可以被复制以分别存储。指示边沿的二进制像素可以存储为曲线。曲线的水平轴可以是沿着跨边界延伸的条带的像素行。曲线的竖直轴可以表示对应的像素行的占空比。可以确定表示曲线的数学表达式的函数。
在步骤1102中确定的曲线可以被视为表示第一区与第二区之间的拼接。在步骤1104中,曲线可以用于计算表明拼接的平坦度的指标。为了计算该指标,曲线可以被视作概率分布函数。平坦度指标Mflat可以被计算为表示曲线的函数的四阶统计矩。用于平坦度指标Mflat的公式可以如下计算:
对于上述平坦度指标,等于0的值表示平坦的拼接。平坦度指标Mflat可以用于评估第一区与第二区之间的拼接的品质。指标可以如上文所论述的例如作为输入提供至模型,以确定拼接区域的套刻精度。
在步骤1106中,在步骤1102中确定的曲线可以用于计算表明拼接的中心部位周围的曲线的偏斜度/对称的指标。拼接的中心部位可以是其中拼接被设计以定位所在的位置,换句话说,第一区与第二区之间的被设计的边界。如上文所提及的,曲线可以被视作概率分布函数。偏斜度指标Mskew可以被计算为表示曲线的函数的三阶统计矩。用于偏斜度指标Mskew的公式可以如下计算:
在一些情形下,可以通过根据本文中描述的方法分别控制的实体来获得一个或更多个图像。在其他情形下,所述方法可以包括控制量测工具MT以获得衬底的一个或更多个图像。衬底上的已曝光区的一个或更多个图像可以是例如扫描电子显微镜(SEM)图像或电压对比度图像。量测工具MT可以是电子束成像器。先前性能确定的结果可以用于引导量测设备获得衬底上的图像。如上文更详细地描述的,先前性能确定的结果可以用于例如基于感兴趣的已确定区域确定获得哪些图像。这种先前的性能信息可以引导在衬底上的那些位置处获得图像,和/或在整个衬底上的图像的密度。
图8描绘用于确定光刻图案化过程的性能的示例性方法中的步骤的流程图。在步骤800中,接收到衬底的包括第一区502以及第二区512的部分的一个或更多个图像,如上文所描述的。在步骤802中,可以对一个或更多个图像进行分析以确定在图像上示出的衬底的部分上曝光的产品和/或伪特征的一个或更多个特征特性。在步骤804中,可以对特征特性进行分析以确定光刻图案化过程的一个或更多个过程特性。在步骤806中,可以基于所确定的过程特性确定光刻图案化过程的性能。确定性能可以包括图案化过程的验证808。确定的性能还可以包括:确定一个或更多个过程校正(810),以及更新812光刻图案化过程以用于将来的迭代。所述方法还可以包括:控制和/或引导814量测工具MT以用于获得用于确定光刻图案化过程的将来的迭代的性能的图像。
如本文中描述的方法,尤其分析以及确定光刻图案化过程的性能的方法,可以可替代地或另外地通过机器学习模型实施。可以根据衬底的部分的图像的训练集合训练机器学习模型。衬底的一部分可以包括第一区以及第二区,第一区包括与在第一时间对衬底进行的第一光刻曝光相关联的第一特征,并且第二区包括与在第二时间对衬底进行的第二光刻曝光相关联的第二特征。第一特征和/或第二特征可以具有与第一区和第二区之间的边界相关联的一个或更多个已知的特征特性。已知的特征特性可以与光刻图案化过程的已知性能相关联。这样,机器学习模型可以被训练以学习如何基于包含与光刻图案化过程的已知性能相关联的已知的特征特性的图像来分析以及确定光刻图案化过程的性能。
图12描绘具有训练机器学习模型以用于分析以及确定光刻图案化过程的性能的方法中的步骤的流程图。光刻图案化过程的性能可以包括一个或更多个拼接误差,如本文中描述的。可以根据衬底的包括第一特征以及第二特征的部分的图像的训练集合训练机器学习模型,所述第一特征以及第二特征具有与已知的拼接误差相关联的已知的特征特性。拼接误差可以与特定的特征特性相关联,该特定的特征特性是例如套刻精度。在步骤1200中,可以对衬底上的层执行第一光刻曝光以及第二光刻曝光。在此步骤中,可以有意地引入与已知性能相关联的多个已知的特征特性。例如,可以有意地引入多个已知的误差。已知的误差可以是已知的拼接误差。由此准备图像的训练集合。在步骤1202中,可以进行拼接误差的测量。测量可以是对套刻精度目标的套刻精度测量,或者可以是用于确定衬底上的拼接误差的任何已知的测量。此步骤允许识别额外的拼接误差(即,并非已知的拼接误差)。可以在如本文中描述的光刻曝光过程期间引入这种额外的拼接误差。在步骤1204中,额外的拼接误差的测量可以用于更新已知的拼接误差的训练集合。在步骤1206中,衬底可以经历待确定其性能的光刻图案化过程。在步骤1208中,可以接收到衬底的一部分的至少一个图像。该至少一个图像可以是如图5中示意性地表示的图像。在步骤1210中,机器学习模型可以经历训练过程。已知的拼接误差的训练集合以及在步骤1208中接收到的图像可以用于训练机器学习模型,以学习根据接收到的图像识别拼接误差。步骤1210可以另外地包括验证过程,在该验证过程中,已知的拼接误差以及接收到的图像的验证集合用于验证机器学习模型。在步骤1212中,确定用于从图像数据获得套刻精度值的测量选配方案。
在步骤1200中,可以通过例如施加第二光刻曝光相对于第一光刻曝光的平移(或反之亦然)来引入多个已知的拼接误差中的每一个。可以在多于一个的维度上引入多个已知的拼接误差。例如,多个已知的拼接误差可以包括在x和/或y方向上引入的拼接误差。图13示出提供在x方向以及y方向上引入的套刻精度OVL拼接误差的影响的示意性压印的二维拼接误差矩阵。矩阵中的每一项示出在x方向上的相同的线特征。具有x套刻精度O以及y套刻精度0的矩阵项示出未引入拼接误差时的特征(等效于图6中的特征600)。移动跨过0,0项的左侧或右侧的列引入分别在负或正x方向上的套刻精度拼接误差。移动跨过0,0项的上方或下方的列分别引入在负或正的y方向上的套刻精度拼接误差。应该注意的是,线特征的定位以及结构是x以及y套刻精度两者的组合函数。换句话说,x以及y套刻精度耦合。这与其中x以及y套刻精度通常解耦的套刻精度(或其他特征特性)的基于衍射的光学测量相反。套刻精度的这种耦合可能导致在使用图像分析技术时难以分隔出(或解耦)与x以及y套刻精度相关联的误差。通过在具有x方向以及y方向两者上引入的拼接误差的图像上训练机器学习模型,该模型将在与耦合无关的情况下学习识别在x方向以及y方向两者上引入的拼接误差。有利地,可以针对拼接误差的每一个值执行多个光刻曝光。这增大了训练集合的尺寸并且由此改善了机器学习模型的效能。另外,通过针对每一个值执行多次曝光,可以对在曝光期间无意地引入的拼接误差“求平均”。换句话说,在光刻曝光过程期间引入的拼接误差的影响被减小。
如先前所描述的,可以使用本文中披露的任何适合的方法,基于拼接误差的测量(例如,基于对诸如图7中描绘的两个相邻区之间的边界区域的图像分析)来确定过程特性。区502-512-522-532可以与单独的(曝光)场(衬底层级处的图案化装置的完整图像)或涉及场的一部分的单独的子场(例如,管芯区域、单元区域或者与特定的控制网格布局相关联的区域)有关。关于光刻设备的子场以及基于子场的控制的信息的其他背景技术信息披露于国际专利申请WO2016146217A1中,该申请以全文引用的方式并入本文中。
具体地,关注位于相邻的场或子场(在x方向以及y方向两者上)中的特征之间的平移误差以确定该过程特性。然后,过程特性可以包括与对第一区502和/或第二区512的图案化相关联的一个或更多个更低阶变形误差以及更高阶变形误差。变形误差可以通过将拼接误差(平移部分)建模为畸变模型而被表征。畸变模型可以被配置为描述表示该变形误差的场内区别标识。
变形误差通常表示为由一组畸变模型参数表征的畸变。畸变模型可以基于在整个衬底上的区(场或子场)内限定的2D多项式基函数。例如根据熟知的基于k参数的配置,畸变可以特定地表示为多项式X^m*Y^n的线性组合,其中,每一个k参数与某一个物理上相关类型的畸变相关联。更多关于基于k参数建模的信息被披露于国际专利申请WO2017067752A1的段落[0084]-[0085]中,该申请以全文引用的方式并入本文中。
多项式基函数的所选集合可以在跨场区域或子场区域限定时为正交的,例如多项式基函数可以是一组勒让德多项式或切比雪夫多项式,切比雪夫多项式被披露于国际专利申请WO2011101192A1中,该申请以全文引用的方式并入本文中。
可替代地,畸变模型可以基于如国际专利申请WO2019219285A1中所披露的样条(基)函数,例如非均匀有理基样条函数(NURBS),该申请以全文引用的方式并入本文中。
通常通过使多个测得的拼接误差拟合于畸变模型基函数来获得畸变模型参数值,每个拼接误差例如与该第一区502中的特征的第一部分和该第二区512(在图像702内沿着y方向的边界区域)中的特征的第二部分之间的特定(位置)移位相关联。拼接误差可以另外地包括该第一区502中的另一特征的第一部分与第三区522(在图像704内沿着x方向的边界区域)中的另一特征的第二部分之间的多个测得的拼接误差。
可以进一步基于相关联的特征的关键度来选择测得的拼接误差。例如,在执行对于畸变模型的拟合时,与对于拼接误差相对容许的特征(例如,在该特征具有较大尺寸或对于包括所述特征的半导体器件的电性质较不关键的情况下)有关的拼接误差测量结果可以被省略或接收减小的加权因子。可替代地,可以在一个或更多个(不同的)类型的特征上对拼接误差求平均。在示例中,对a)分离的以及b)密集分布的特征的拼接误差求平均以获得对于提供至衬底上的第一区和/或第二区的一系列产品特征更具代表性的拼接误差。
可替代地,可以对每个特征类型或类别分类拼接误差测量数据以获得拼接误差测量数据的多个集合。拼接误差测量数据的每个集合可以分别拟合于畸变模型以获得畸变模型参数的多个集合。
所获得的畸变模型参数(的集合)可以随后用于配置用于图案化衬底上的区的光刻设备。在畸变模型参数的多个集合可供使用的情况下,配置可以基于畸变模型参数(值)的单独集合的加权组合。加权通常基于与畸变模型参数的单独集合相关联的(多个)特征的拼接误差关键度。
在许多情况下,由于先前执行的对准、投影透镜像差和/或套刻精度测量的可用性,与场内畸变相关的信息(已知场内畸变分量)已经可供使用。这表示对于预期拼接误差的至少一定程度的知识经常可供使用并且可以用于以下各项中的一项或多项:
a)验证测得的拼接误差的一致性;
b)用于例如更准确地确定畸变模型参数的(多个)集合的拼接误差测量结果的集合的增强,从而改善光刻设备的配置;
c)对拼接误差测量结果去校正以隔离与特定贡献因素相关联的拼接误差(畸变)分量。例如,通过减去投影透镜像差诱导的拼接误差分量,可以量化晶片平台控制对于拼接误差(因此和导出的畸变模型参数)的贡献度。
可以不考虑已知不对区502-512-522-532之间的边界区域处的特征放置具有影响或具有有限影响的场内畸变分量。例如,可以在应用于与图像702相关联的拼接误差测量时从用途a)、b)或c)中的任一个排除关于区502以及512的中心对称的像差诱导的畸变分量。
除了已知的场内畸变分量以外,畸变分量的“场对场”变化也可供使用(场间分量),并且/或者对于场特定的场内畸变分量可供使用(例如,在定义光刻设备的对于场特定的控制中使用)。可能例如由于处理影响(例如,由于诱导应力分量的CMP抛光步骤以及层沉积步骤)而导致场对场变化。也可能由于由平台定位限制(热漂移、有限复制(finiterepro)、传感器噪声等)引起的场定位(平移Tx以及Ty)以及定向(旋转Rz)的变化而发生场对场变化。类似于已知的场内畸变分量的使用,场间畸变分量的知识也可以用于验证、增强或去校正测得的拼接误差(或其导出的畸变模型)。
从拼接误差测量结果导出的畸变模型参数(原始测量结果或使用场内和/或场间畸变分量的知识调整的测量结果)可以用于配置光刻设备的控制参数。这些控制参数可以与光刻设备的操作期间的投影透镜、晶片平台和/或掩模版平台的致动有关。
在边界区域处出现的(建模的)拼接误差可以具有一个或更多个系统性场内分量,该一个或更多个系统性场内分量例如基于跨区502-512-522-532的投影透镜像差分布的通用性质(场内畸变分量)和/或衬底的图案化中所使用的一个或更多个过程的通用性质(例如,场内应力分布)。可以在制造向区502-512-522-532提供特征中所使用的图案化装置(掩模版)期间预校正系统性场内分量的至少一部分。例如,预期的拼接误差可以指向沿着区的上部边界(图像704的下部)的抛物面形状的位置移动曲线,而在下部边界(图像704的上部)处预期没有特定的位置移动曲线。目前,图案化装置可以被制造/设计以使得通过调整(产品)特征在图案化装置上的位置来预校正抛物面形状的位置移动曲线,使得图案化(产品)特征的预期位置移动曲线为平坦的。
在许多情况下,优选的是(通过直接测量或基于已经可供使用的知识),尤其在拼接误差数据可供用于的一个或更多个边界区域内的特征附近,使用局部调适掩模版衬底材料的密度的方法来修改现有的掩模版。密度的调适可以通过使掩模版衬底局部曝光于飞秒激光脉冲来实现,如国际专利申请WO2017067757A1中所披露的,该申请以全文引用的方式并入本文中。基于拼接误差数据,掩模版衬底密度的局部调适可以用于将位置移动曲线校正至能够被光刻设备的控制系统(致动器)接受或校正的程度。
返回至较高阶的畸变模型,已经披露了2D多项式通常用于描述场内畸变。具体地,可以使用与表示物理上相关的畸变分量(筒、缓冲垫等)的多项式相关联的k参数。
在一些情况下,用于水平定向的边界区域(例如,在区502与522之间)以及竖直定向的边界区域(例如,在区502与512之间)两者的拼接误差数据为可供使用的。这在区在X以及Y两个方向上拼接的情况下是尤其有关的。使拼接误差数据拟合于畸变模型基函数(2D多项式)需要被优选地处理以使得在模型参数之间不发生串扰。这可以通过使与在单独的步骤中在整个边界区域上恒定的坐标(因此,Y用于水平定向的边界并且X用于竖直定向的边界)的更高阶项相关联的模型参数拟合来实现。此外,建议基于使一个步骤中的两个边界(水平以及竖直)定向的拼接误差数据拟合于线性(多项式)基函数,以首先对畸变模型的线性项建模。
综上所述,建议以下程序:(1)使畸变模型的线性部分(例如,x以及y)拟合于沿着水平方向以及竖直方向两者的组合拼接误差数据;(2)从拼接误差数据移除线性内容以获得更高阶的拼接误差数据;(3)将与水平定向的边界区域相关联的更高阶拼接误差数据建模为更高阶多项式基函数X^m*Y^n,从而排除m=0以防止在畸变模型参数之间引入串扰的风险;(4)将与竖直定向的边界区域相关联的更高阶拼接误差数据建模为更高阶的多项式基函数X^m*Y^n,从而排除n=0以防止在畸变模型参数之间引入串扰的风险;(5)组合来自步骤1、3以及4的计算出的畸变模型参数,对于k参数的定义,确定以下模型参数:
K3、K4、K5、K6,由步骤1来确定;
K9以及K10,通过对步骤3以及4的结果求平均来确定;
K15以及K18,由步骤3来确定;
K16以及K17,由步骤4来确定。
步骤3以及4的次序可以颠倒,所建议的次序仅是示例。所述方法不限于确定至K18的K参数,在拼接误差数据密集分布的情况下,还可以确定例如至5、7或9阶的更高阶项(K18+)。
此外,程序不限于确定K参数,也可以根据上文所描述的方法来确定与正交多项式基函数(诸如勒让德多项式)相关联的系数。
在实施例中,提供一种用于表征图案化过程的方法,所述方法包括:获得沿着衬底上的至少两个相邻的被图案化的场或子场之间的一个或更多个边界生成的拼接误差的多个值;以及使畸变模型拟合于多个值,以获得表示所述至少两个相邻的被图案化的场或子场中的场或子场的变形的区别标识。
在实施例中,拼接误差是包括于所述至少两个相邻的被图案化的场或子场中的第一场或子场内的特征的第一部分与包括于所述至少两个相邻的被图案化的场或子场中的第二场或子场内的特征的第二部分之间的平移误差。
在实施例中,畸变模型包括与2D多项式基函数相关联的畸变模型参数。
在实施例中,畸变模型包括与样条函数相关联的畸变模型参数。
在实施例中,拼接误差的多个值包括:沿着第一场或子场与相邻的第二场或子场之间的第一边界产生的拼接误差的第一值;以及沿着第一场或子场与相邻的第三场或子场之间的第二边界产生的拼接误差的第二值,其中,第一边界以及第二边界的定向是不同的。
在实施例中,拼接误差的多个值与至少两个不同类型的特征相关联,并且畸变模型拟合于多个值的与一个或更多个拼接误差的关键类型的特征相关联的子集。
在实施例中,所述方法还包括:基于对拼接误差的关键类型的特征的关键度的测量结果,将加权因子分配至与畸变模型相关联的畸变模型参数。
在实施例中,获得多个值包括:对与不同类型的特征相关联的拼接误差进行加权平均。
在实施例中,加权是基于对特征的类型的关键度的测量。
在实施例中,对于每个类型的特征,加权是相同的。
在实施例中,所述方法还包括:使用与拟合的畸变模型相关联的参数值来配置光刻设备。
在实施例中,所述方法还包括:获得场内和/或场间变形数据;并且执行以下各项中的一项或多项:利用场内和/或场间数据验证拼接误差的多个值的一致性;将区别标识与场内和/或场间数据组合以获得增强的区别标识;对区别标识去校正以使一个或更多个贡献因素与区别标识分离。
在实施例中,所述方法还包括:基于区别标识或者与区别标识分离的系统性分量来制造、设计或修改图案化过程中所使用的图案化装置。
在实施例中,图案化装置的修改基于使图案化装置的衬底局部曝光于激光脉冲,其中,激光脉冲的长度处于飞秒范围内并且引起图案化装置的衬底的材料的密度的局部修改。
在实施例中,至少部分地在单独的步骤中执行畸变模型的拟合,所述单独步骤至少包括使畸变模型仅拟合于拼接误差的第一值的第一步骤以及使畸变模型仅拟合于拼接误差的第二值的第二步骤。
在下列编号的方面的列表中披露了另外的实施例:
1.一种用于确定光刻图案化过程的性能的设备,所述设备包括一个或更多个处理器,所述处理器被配置为:
接收衬底的一部分的图像,所述衬底的所述部分包括第一区以及第二区,所述第一区包括与在第一时间对衬底进行的第一光刻曝光相关联的第一特征,并且所述第二区包括与在第二时间对衬底进行的第二光刻曝光相关联的第二特征,其中,第一区以及第二区不重叠,并且其中,第一特征以及第二特征形成沿着第一区的至少一部分以及第二区的至少一部分延伸的单个特征;以及
基于与第一区和第二区之间的边界相关联的已曝光的第一特征和/或已曝光的第二特征的一个或更多个特征特性确定光刻图案化过程的性能。
2.根据方面1所述的设备,其中,所述边界包括第一区的外部边缘的一部分以及第二区的外部边缘的一部分。
3.根据前述方面中任一方面所述的设备,其中,第一特征以及第二特征包括产品特征以及伪特征中的至少一个,所述伪特征具有与产品特征相同的一个或更多个尺寸。
4.根据前述方面中任一方面所述的设备,其中,一个或更多个特征特性包括距离指标,所述距离指标包括:
第一特征的一个或更多个对称轴与第二特征的一个或更多个对称轴之间的距离;和/或
第一特征与第二特征之间的物理距离。
5.根据方面1所述的设备,其中,所述衬底是晶片。
6.根据方面1所述的设备,其中,一个或更多个特征特性包括单个特征在边界处或边界附近的变窄或变厚。
7.根据前述方面中任一方面所述的设备,其中,第一特征以及第二特征在通过蚀刻过程图案化之后形成光致抗蚀剂的图案化层或材料层的一部分。
8.根据前述方面中任一方面所述的设备,其中,确定性能包括:分析图像以确定与第一区和第二区之间的边界相关联的第一特征和/或第二特征的一个或更多个特征特性。
9.根据方面8所述的设备,其中,确定性能包括:执行图像的第一特征和/或第二特征与第一特征和/或第二特征的标准的比较。
10.根据方面8或9所述的设备,其中,确定性能还包括:基于所确定的一个或更多个特征特性,确定一个或更多个光刻图案化过程特性的性能。
11.根据方面10所述的设备,其中,一个或更多个特征特性包括第一特征和/或第二特征的空间尺寸。
12.根据方面10或11所述的设备,其中,一个或更多个过程特性包括与对第一区和/或第二区的图案化相关联的放大率、平移和/或更高阶变形误差中的一个或更多个。
13.根据方面10至12中任一项所述的设备,其中,至少部分地使用将一个或更多个特征特性中的至少一个作为输入的模型来确定一个或更多个过程特性的性能。
14.根据方面13所述的设备,其中,模型包括机器学习模型。
15.根据方面14所述的设备,其中,模型包括神经网络。
16.根据方面15所述的设备,其中,模型包括视觉技术。
17.根据方面14至16中任一项所述的设备,其中,模型被配置为根据衬底的包括第一特征和第二特征的部分的图像的训练集合被训练,其中,训练集合的图像的第一特征和/或第二特征具有与光刻图案化过程的已知性能相关联的一个或更多个已知的特征特性。
18.根据方面17所述的设备,其中,每一个训练集合的图像包括训练衬底的一部分,该训练衬底的一部分包括与在第一时间对所述训练衬底进行的第一光刻曝光相关联的第一特征以及与在第二时间对所述训练衬底进行的第二光刻曝光相关联的第二特征。
19.根据方面17至18中任一项所述的设备,其中,光刻图案化过程的已知的特征特性以及性能至少部分地基于第一特征和/或第二特征的一个或更多个特征特性的一个或更多个测量结果。
20.根据方面17至19中任一项所述的设备,其中,光刻图案化过程的已知性能包括已知的拼接误差。
21.根据前述方面中任一方面所述的设备,其中,确定光刻图案化过程的性能包括:
确定通过从图像移除噪声而获得的预处理的图像;以及
从预处理的图像识别一个或更多个特征特性。
22.根据方面21所述的设备,其中,确定预处理的图像包括:确定包括图像的梯度幅值的图像。
23.根据方面21至22中任一项所述的设备,其中,确定预处理的图像包括:基于所述图像确定二进制图像,所述二进制图像以二进制的方式表示图像中的数据。
24.根据方面21至23中任一项所述的设备,其中,确定预处理的图像包括:
检测图像和/或二进制图像中的一个或更多个线特征;以及
旋转图像和/或二进制图像,使得一个或更多个线特征中的至少一个平行或垂直于第一区和第二区之间的边界。
25.根据方面21至24中任一项所述的设备,其中,从预处理的图像识别一个或更多个特征特性包括将傅里叶变换应用于预处理的图像的多个部分以用于量化第一区和第二区之间的边界处的拼接品质。
26.根据方面25所述的设备,其中,从预处理的图像识别一个或更多个特征特性还包括:确定被傅里叶变换的所述多个部分的占空比,以及基于所述多个部分的占空比确定一个或更多个特征特性。
27.根据方面25至26中任一项所述的设备,其中,从预处理的图像识别一个或更多个特征特性还包括:确定被傅里叶变换的所述多个部分的相位,以及基于所述多个部分的相位确定一个或更多个特征特性。
28.根据方面25至27中任一项所述的设备,其中,所述多个部分包括多个像素行,其中,所述行与所述第一区和所述第二区之间的边界对准。
29.根据方面23所述的设备,其中,确定光刻图案化过程的性能包括:
基于图像确定第一二进制图像;
基于图像的二进制梯度确定第二二进制图像;以及
基于第一二进制图像以及第二二进制图像的组合识别一个或更多个特征特性。
30.根据方面25至29中任一项所述的设备,其中,一个或更多个特征特性包括套刻精度。
31.根据方面25至30中任一项所述的设备,其中,识别一个或更多个特征特性使用回归模型和/或查找表。
32.根据前述方面中任一方面所述的设备,其中,确定光刻图案化过程的性能还包括:确定第一区和第二区之间的边界处的拼接品质的指标。
33.根据方面32所述的设备,其中,所述指标表示第一区和第二区之间的边界周围的拼接的平坦度以及所述第一区和所述第二区之间的边界周围的拼接的偏斜度中的至少一个。
34.根据前述方面中任一方面所述的设备,其中,第一区以及第二区在衬底上形成相同器件的一部分。
35.根据前述方面中任一方面所述的设备,其中,第一区是在衬底上曝光的第一场,第二区是在衬底上曝光的第二场;
并且其中,边界包括第一场的边缘的一部分以及第二场的边缘的一部分。
36.根据方面23所述的设备,其中,确定性能包括:确定第一场与第二场之间的拼接误差。
37.根据前述方面中任一方面所述的设备,其中,接收到的图像包括在衬底上的后续层的曝光之间的衬底。
38.根据前述方面中任一方面所述的设备,其中,接收到的图像包括在至少一个方向上延伸的第一区与第二区之间的边界。
39.根据前述方面中任一方面所述的设备,其中,处理器被配置以接收多个图像,以及基于所述多个图像确定图案化过程的品质。
40.根据方面39所述的设备,其中,多个图像包括所述第一图像和所述第二图像,所述第一图像包括第一区与第二区之间的在第一方向上的边界,并且所述第二图像包括第一区与另一个区之间的在第二方向上的边界,并且其中,第一方向与第二方向不彼此平行。
41.根据方面40所述的设备,其中,第一方向以及第二方向基本上彼此垂直。
42.根据方面40至41中任一项所述的设备,其中,一个或更多个处理器进一步被配置为确定第一图像的一个或更多个过程特性的性能,并且进一步被配置为确定第二图像的一个或更多个过程特性;以及
组合第一图像以及第二图像的一个或更多个过程特性,以确定图案化过程的性能。
43.根据方面39至42中任一项所述的设备,其中,多个图像描绘衬底上的多个单独的位置。
44.根据方面43所述的设备,其中,针对衬底上的单独的位置确定一个或更多个过程特性。
45.根据前述方面中任一方面所述的设备,其中,一个或更多个处理器进一步被配置为基于光刻图案化过程的性能确定对图案化过程的一次或多次校正。
46.根据方面45所述的设备,其中,一个或更多个处理器进一步被配置为通过一次或多次校正来更新光刻图案化过程。
47.根据方面46所述的设备,其中,更新光刻图案化过程包括:更新光刻设备的一个或更多个曝光设定以及掩模版设计中的至少一个。
48.根据前述方面中任一方面所述的设备,其中,光刻图案化过程被配置为使用掩模版以及电磁辐射来图案化衬底。
49.根据前述方面中任一方面所述的设备,其中,一个或更多个处理器进一步被配置为控制量测设备以获得图像。
50.根据方面49所述的设备,其中,控制量测设备以获得图像包括:基于先前所确定的一个或更多个特征特性来引导量测设备。
51.根据方面48所述的设备,其中,量测设备包括电子束成像器。
52.一种用于确定光刻图案化过程的性能的方法,所述方法包括:
接收衬底的一部分的图像,衬底的部分包括第一区以及第二区,所述第一区包括与在第一时间对衬底进行的第一光刻曝光相关联的第一特征,并且所述第二区包括与在第二时间对衬底进行的第二光刻曝光相关联的第二特征,其中,第一特征以及第二特征形成沿着第一区的至少一部分以及第二区的至少一部分延伸的单个特征,并且其中,第一区以及第二区不重叠;以及
基于与第一区和第二区之间的边界相关联的已曝光的第一特征和/或已曝光的第二特征的一个或更多个特征特性确定光刻图案化过程的性能。
53.根据方面52所述的方法,其中,所述边界包括第一区的外部边缘的一部分以及第二区的外部边缘的一部分。
54.根据方面52至53中任一项所述的方法,其中,第一特征以及第二特征包括产品特征以及伪特征中的至少一个,所述伪特征具有与产品特征相同的一个或更多个尺寸。
55.根据方面52至54中任一项所述的方法,其中,所述衬底是晶片。
56.根据方面52至55中任一项所述的方法,其中,一个或更多个特征特性包括距离指标,所述距离指标包括:
第一特征的一个或更多个对称轴与第二特征的一个或更多个对称轴之间的距离;和/或
第一特征与第二特征之间的物理距离。
57.根据方面55所述的方法,其中,一个或更多个特征特性包括单个特征在边界处或边界附近的变窄或变厚。
58.根据方面52至57中任一项所述的方法,其中,第一特征以及第二特征在通过蚀刻过程被图案化之后形成光致抗蚀剂的图案化层或材料层的一部分。
59.根据方面52至58中任一项所述的方法,其中,确定性能包括:分析图像以确定与第一区和第二区之间的边界相关联的第一特征和/或第二特征的一个或更多个特征特性。
60.根据方面59所述的方法,其中,确定性能包括:执行图像的第一特征和/或第二特征与第一特征和/或第二特征的标准的比较。
61.根据方面59或60所述的方法,其中,确定性能还包括:基于所确定的一个或更多个特征特性,确定一个或更多个光刻图案化过程特性的性能。
62.根据方面61所述的方法,其中,一个或更多个特征特性包括第一特征和/或第二特征的空间尺寸。
63.根据方面61或62所述的方法,其中,一个或更多个过程特性包括与对第一区和/或第二区的图案化相关联的放大率、平移和/或更高阶变形误差中的一个或更多个。
64.根据方面60至63中任一项所述的方法,其中,至少部分地使用将一个或更多个特征特性中的至少一个作为输入的模型来确定一个或更多个过程特性的性能。
65.根据方面64所述的方法,其中,模型包括机器学习模型。
66.根据方面65所述的方法,其中,模型包括神经网络。
67.根据方面66所述的方法,其中,模型包括视觉技术。
68.根据方面65至66中任一项所述的方法,其中,模型被配置为根据衬底的包括第一特征和第二特征的部分的图像的训练集合被训练,其中,训练集合图像的第一特征和/或第二特征具有与光刻图案化过程的已知性能相关联的一个或更多个已知的特征特性。
69.根据方面68所述的设备,其中,每一个训练集合的图像包括训练衬底的一部分,所述训练衬底的一部分包括与在第一时间对所述训练衬底进行的第一光刻曝光相关联的第一特征以及与在第二时间对所述训练衬底进行的第二光刻曝光相关联的第二特征。
70.根据方面68至69中任一项所述的设备,其中,光刻图案化过程的已知的特征特性以及性能至少部分地基于第一特征和/或第二特征的一个或更多个特征特性的一个或更多个测量结果。
71.根据方面68至70中任一项所述的设备,其中,光刻图案化过程的已知性能包括已知的拼接误差。
72.根据方面52至71中任一项所述的方法,其中,第一区以及第二区在衬底上形成相同器件的一部分。
73.根据方面52至72中任一项所述的方法,其中,第一区是在衬底上曝光的第一场,并且第二区是在衬底上曝光的第二场;
并且其中,边界包括第一场的边缘的一部分以及第二场的边缘的一部分。
74.根据方面73所述的方法,其中,确定性能包括:确定第一场与第二场之间的拼接误差。
75.根据方面52至74中任一项所述的方法,其中,接收到的图像包括在衬底上的后续层的曝光之间的衬底。
76.根据方面52至75中任一项所述的方法,其中,接收到的图像包括在至少一个方向上延伸的第一区与第二区之间的边界。
77.根据方面52至76中任一项所述的方法,其中,所述方法还包括:接收多个图像,以及基于所述多个图像确定图案化过程的品质。
78.根据方面77所述的方法,其中,多个图像包括所述第一图像和所述第二图像,所述第一图像包括第一区与第二区之间的在第一方向上的边界,并且所述第二图像包括第一区与另一个区之间的在第二方向上的边界,并且其中,第一方向与第二方向不彼此平行。
79.根据方面78所述的方法,其中,第一方向以及第二方向基本上彼此垂直。
80.根据方面78至79中任一项所述的方法,其中,所述方法还包括:
确定第一图像的一个或更多个过程特性的性能,以及确定第二图像的一个或更多个过程特性;以及
组合第一图像以及第二图像的一个或更多个过程特性,以确定图案化过程的性能。
81.根据方面77至80中任一项所述的方法,其中,多个图像描绘衬底上的多个单独的位置。
82.根据方面81所述的方法,其中,针对衬底上的单独的位置确定一个或更多个过程特性。
83.根据方面52至82中任一项所述的方法,其中,所述方法还包括:基于光刻图案化过程的性能确定对图案化过程的一次或多次校正。
84.根据方面83所述的方法,其中,所述方法还包括:通过一次或多次校正来更新光刻图案化过程。
85.根据方面84所述的方法,其中,更新光刻图案化过程包括:更新光刻设备的一个或更多个曝光设定以及掩模版设计中的至少一个。
86.根据方面52至85中任一项所述的方法,其中,光刻图案化过程被配置为使用掩模版以及电磁辐射来图案化衬底。
87.根据方面52至86中任一项所述的方法,其中,所述方法还包括:控制量测设备以获得图像。
88.根据方面87所述的方法,其中,控制量测设备以获得图像包括:基于先前所确定的一个或更多个特征特性来引导量测设备。
89.根据方面87所述的方法,其中,量测设备包括电子束成像器。
90.一种用于表征图案化过程的方法,所述方法包括:
获得沿着衬底上的至少两个相邻的被图案化的场或子场之间的一个或更多个边界生成的拼接误差的多个值;以及
使畸变模型拟合于多个值,以获得表示所述至少两个相邻的被图案化的场或子场中的场或子场的变形的区别标识。
91.根据方面90所述的方法,其中,拼接误差是包括于所述至少两个相邻的被图案化的场或子场中的第一场或子场内的特征的第一部分与包括于所述至少两个相邻的被图案化的场或子场中的第二场或子场内的特征的第二部分之间的平移误差。
92.根据方面90或91所述的方法,其中,畸变模型包括与2D多项式基函数相关联的畸变模型参数。
93.根据方面90或91所述的方法,其中,畸变模型包括与样条函数相关联的畸变模型参数。
94.根据方面90至93中任一项所述的方法,其中,拼接误差的多个值包括:沿着第一场或子场与相邻的第二场或子场之间的第一边界生成的拼接误差的第一值;以及沿着第一场或子场与相邻的第三场或子场之间的第二边界生成的拼接误差的第二值,其中,第一边界以及第二边界的定向是不同的。
95.根据方面90至94中任一项所述的方法,其中,拼接误差的多个值与至少两个不同类型的特征相关联,并且畸变模型拟合于多个值的与一个或更多个拼接误差的关键类型的特征相关联的子集。
96.根据方面95所述的方法,还包括:基于对拼接误差的关键类型的特征的关键度的测量结果,将加权因子分配至与畸变模型相关联的畸变模型参数。
97.根据方面90至96中任一项所述的方法,其中,获得多个值包括:对与不同类型的特征相关联的拼接误差进行加权平均。
98.根据方面97所述的方法,其中,加权基于对特征的类型的关键度的测量结果。
99.根据方面98所述的方法,其中,对于每个类型的特征,加权是相同的。
100.根据方面90至99中任一项所述的方法,还包括:使用与拟合的畸变模型相关联的参数值来配置光刻设备。
101.根据方面90至100中任一项所述的方法,还包括:
获得场内和/或场间变形数据;以及
执行以下各项中的一项或多项:利用场内和/或场间数据来验证拼接误差的多个值的一致性;将区别标识与场内和/或场间数据组合以获得增强的区别标识;对区别标识去校正以使一个或更多个贡献因素与区别标识分离。
102.根据方面90至101中任一项所述的方法,还包括:基于区别标识或者与区别标识分离的系统性分量来制造、设计或修改图案化过程中所使用的图案化装置。
103.根据方面102所述的方法,其中,图案化装置的修改基于使图案化装置的衬底局部曝光于激光脉冲,其中,激光脉冲的长度处于飞秒范围内并且引起图案化装置的衬底的材料的密度的局部修改。
104.根据方面94所述的方法,其中,至少部分地在单独的步骤中执行畸变模型的拟合,所述单独的步骤至少包括使畸变模型仅拟合于拼接误差的第一值的第一步骤以及使畸变模型仅拟合于拼接误差的第二值的第二步骤。
105.根据方面74所述的方法,其中,拼接误差包括沿着衬底上的至少两个相邻的被图案化的场或子场之间的一个或更多个边界生成的拼接误差的多个值;并且所述方法还包括:使畸变模型拟合于多个值,以获得表示所述至少两个相邻的被图案化的场或子场中的场或子场的变形的区别标识。
106.根据方面105所述的方法,其中,拼接误差是包括于所述至少两个相邻的被图案化的场或子场中的第一场或子场内的特征的第一部分与包括于所述至少两个相邻的被图案化的场或子场中的第二场或子场内的特征的第二部分之间的平移误差。
107.根据方面105或106所述的方法,其中,畸变模型包括与2D多项式基函数相关联的畸变模型参数。
108.根据方面105或106所述的方法,其中,畸变模型包括与样条函数相关联的畸变模型参数。
109.根据方面105至108中任一项所述的方法,其中,拼接误差的多个值包括:沿着第一场或子场与相邻的第二场或子场之间的第一边界生成的拼接误差的第一值;以及沿着第一场或子场与相邻的第三场或子场之间的第二边界生成的拼接误差的第二值,其中,第一边界以及第二边界的定向是不同的。
110.根据方面105至109中任一项所述的方法,其中,拼接误差的多个值与至少两个不同类型的特征相关联,并且畸变模型拟合于多个值的与一个或更多个拼接误差的关键类型的特征相关联的子集。
111.根据方面11O所述的方法,还包括:基于对拼接误差的关键类型的特征的关键度的测量结果,将加权因子分配至与畸变模型相关联的畸变模型参数。
112.根据方面105至111中任一项所述的方法,其中,获得多个值包括:对与不同类型的特征相关联的拼接误差进行加权平均。
113.根据方面112所述的方法,其中,加权是基于对特征的类型的关键度的测量。
114.根据方面113所述的方法,其中,对于每个类型的特征,加权是相同的。
115.根据方面105至114中任一项所述的方法,还包括:使用与拟合的畸变模型相关联的参数值来配置光刻设备。
116.根据方面105至115中任一项所述的方法,还包括:
获得场内和/或场间变形数据;以及
执行以下各项中的一项或多项:利用场内和/或场间数据验证拼接误差的多个值的一致性;将区别标识与场内和/或场间数据组合以获得增强的区别标识;对区别标识去校正以使一个或更多个贡献因素与区别标识分离。
117.根据方面105至116中任一项所述的方法,还包括:基于区别标识或者与区别标识分离的系统性分量来制造、设计或修改图案化过程中所使用的图案化装置。
118.根据方面117所述的方法,其中,图案化装置的修改基于使图案化装置的衬底局部曝光于激光脉冲,其中,激光脉冲的长度处于飞秒范围内并且引起图案化装置的衬底的材料的密度的局部修改。
119.根据方面109所述的方法,其中,至少部分地在单独的步骤中执行畸变模型的拟合,所述单独的步骤至少包括使畸变模型仅拟合于拼接误差的第一值的第一步骤以及使畸变模型仅拟合于拼接误差的第二值的第二步骤。
120.一种包括计算机可读指令的计算机程序产品,所述计算机可读指令在适合的设备上被执行时,所述计算机可读指令执行根据方面52至119中任一项所述的方法。
尽管可以在本文中特定地参考在IC制造中的光刻设备的使用,但是应该理解,本文中描述的光刻设备可以具有其他应用。可能的其他应用包括制造集成光学系统、用于磁畴存储器的引导以及检测图案、平板显示器、液晶显示器(LCD)、薄膜磁头等。
尽管可以在本文中特定地参考在光刻设备的内容背景中的本发明的实施例,但本发明的实施例可以用于其他设备中。本发明的实施例可以形成掩模检查设备、量测设备、或测量或处理诸如晶片(或其他衬底)或掩模(或其他图案化装置)的物体的任何设备的部分。这些设备可以通常称为光刻工具。这种光刻工具可以使用真空条件或环境(非真空)条件。
尽管上文可以特定地参考在光学光刻的内容背景中对本发明的实施例的使用,但是将明白的是,本发明在内容背景允许的情况下不限于光学光刻,而且可以用于其他应用(例如,压印光刻)中。
虽然上文已经描述了本发明的特定实施例,但是将明白的是,可以以与所描述的方式不同的其他方式来实践本发明。以上描述意图是说明性的,而非限制性的。因此,对于本领域技术人员而言将显而易见的是,可以在不脱离下文所阐述的权利要求的范围的情况下对如所描述的本发明进行修改。
虽然特别提及“量测设备/工具/系统”或“检查设备/工具/系统”,但是这些术语可以指相同或类似类型的工具、设备或系统。例如,包括本发明的实施例的检查或量测设备可以用于确定衬底上或晶片上的结构的特性。例如,包括本发明的实施例的检查设备或量测设备可以用于检测衬底的缺陷、或者衬底上或晶片上的结构的缺陷。在这种实施例中,衬底上的结构的感兴趣的特性可能涉及结构中的缺陷、结构的特定部分的缺失、或者衬底上或晶片上的非所需的结构的存在。
Claims (20)
1.一种用于确定光刻图案化过程的性能的设备,所述设备包括一个或更多个处理器,所述一个或更多个处理器被配置为:
接收衬底的一部分的图像,所述衬底的所述部分包括:
第一区,所述第一区包括与在第一时间对所述衬底进行的第一光刻曝光相关联的第一特征;和
第二区,所述第二区包括与在第二时间对所述衬底进行的第二光刻曝光相关联的第二特征,其中,所述第一区与所述第二区不重叠,并且其中,所述第一特征以及所述第二特征形成沿着所述第一区的至少一部分以及所述第二区的至少一部分延伸的单个特征;以及
基于与所述第一区和所述第二区之间的边界相关联的已曝光的第一特征和/或已曝光的第二特征的一个或更多个特征特性,确定所述光刻图案化过程的性能。
2.如权利要求1所述的设备,其中,所述边界包括所述第一区的外部边缘的一部分以及所述第二区的外部边缘的一部分。
3.如权利要求1所述的设备,其中,所述第一特征以及所述第二特征包括产品特征以及伪特征中的至少一个,所述伪特征具有与所述产品特征相同的一个或更多个尺寸。
4.如权利要求1所述的设备,其中,所述一个或更多个特征特性包括距离指标,所述距离指标包括:
所述第一特征的一个或更多个对称轴与所述第二特征的一个或更多个对称轴之间的距离;和/或
所述第一特征与所述第二特征之间的物理距离。
5.如权利要求1所述的设备,其中,确定所述性能包括:分析所述图像以确定与所述第一区和所述第二区之间的边界相关联的所述第一特征和/或所述第二特征的一个或更多个特征特性。
6.如权利要求5所述的设备,其中,确定所述性能包括:执行所述图像的所述第一特征和/或所述第二特征与所述第一特征和/或所述第二特征的标准的比较。
7.如权利要求5所述的设备,其中,确定所述性能还包括:基于所确定的一个或更多个特征特性,确定一个或更多个光刻图案化过程特性的性能。
8.如权利要求7所述的设备,其中,所述一个或更多个特征特性包括所述第一特征和/或所述第二特征的空间尺寸。
9.如权利要求7所述的设备,其中,所述一个或更多个过程特性包括与对所述第一区和/或所述第二区的图案化相关联的放大率、平移和/或更高阶变形误差中的一个或更多个。
10.如权利要求7所述的设备,其中,至少部分地使用将所述一个或更多个特征特性中的至少一个特征特性作为输入的模型来确定所述一个或更多个过程特性的性能。
11.如权利要求10所述的设备,其中,所述模型包括神经网络。
12.如权利要求11所述的设备,其中,所述模型被配置为根据所述衬底的包括第一特征以及第二特征的部分的图像的训练集合被训练,其中,所述训练集合的所述图像的所述第一特征和/或所述第二特征具有与所述光刻图案化过程的已知性能相关联的一个或更多个已知的特征特性。
13.如权利要求1所述的设备,其中,确定所述光刻图案化过程的性能还包括:
确定通过从所述图像移除噪声而获得的预处理图像;以及
根据所述预处理图像识别所述一个或更多个特征特性。
14.如权利要求13所述的设备,其中,确定所述预处理图像包括:
检测所述图像中的一个或更多个线特征;以及
旋转所述图像,使得所述一个或更多个线特征中的至少一个线特征平行于或垂直于所述第一区和所述第二区之间的边界。
15.一种用于确定光刻图案化过程的性能的方法,所述方法包括:
接收衬底的一部分的图像,所述衬底的所述部分包括:
第一区,所述第一区包括与在第一时间对所述衬底进行的第一光刻曝光相关联的第一特征;和
第二区,所述第二区包括与在第二时间对所述衬底进行的第二光刻曝光相关联的第二特征,其中,所述第一特征以及所述第二特征形成沿着所述第一区的至少一部分以及所述第二区的至少一部分延伸的单个特征,并且其中,所述第一区与所述第二区不重叠;以及
基于与所述第一区和所述第二区之间的边界相关联的已曝光的第一特征和/或已曝光的第二特征的一个或更多个特征特性,确定所述光刻图案化过程的性能。
16.如权利要求15所述的方法,其中:
所述第一区是在所述衬底上被曝光的第一场,所述第二区是在所述衬底上被曝光的第二场,并且所述边界包括所述第一场的边缘的一部分以及所述第二场的边缘的一部分;并且
确定所述性能包括:确定所述第一场与所述第二场之间的拼接误差。
17.如权利要求16所述的方法,其中,所述拼接误差包括沿着衬底上的至少两个相邻的被图案化的场或子场之间的一个或更多个边界生成的拼接误差的多个值;并且所述方法还包括:使畸变模型拟合于所述多个值,以获得表示所述至少两个相邻的被图案化的场或子场中的场或子场的变形的区别标识。
18.如权利要求17所述的方法,其中,所述拼接误差的多个值包括:沿着第一场或子场与相邻的第二场或子场之间的第一边界生成的拼接误差的第一值;以及沿着所述第一场或子场与相邻的第三场或子场之间的第二边界生成的拼接误差的第二值,其中,所述第一边界和所述第二边界的定向是不同的。
19.如权利要求17所述的方法,其中,至少部分地在单独的步骤中执行所述畸变模型的拟合,所述单独的步骤至少包括:
使所述畸变模型仅拟合于所述拼接误差的第一值的第一步骤;以及
使所述畸变模型仅拟合于所述拼接误差的第二值的第二步骤。
20.一种计算机程序产品,所述计算机程序产品包括计算机可读指令,当在适合的设备上运行所述计算机可读指令时,所述计算机可读指令执行如权利要求15所述的方法。
Applications Claiming Priority (11)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19195265 | 2019-09-04 | ||
EP19195265.4 | 2019-09-04 | ||
EP19198917.7 | 2019-09-23 | ||
EP19198917.7A EP3796088A1 (en) | 2019-09-23 | 2019-09-23 | Method and apparatus for lithographic process performance determination |
EP19217902.6 | 2019-12-19 | ||
EP19217902 | 2019-12-19 | ||
EP20157333.4 | 2020-02-14 | ||
EP20157333 | 2020-02-14 | ||
EP20169297 | 2020-04-14 | ||
EP20169297.7 | 2020-04-14 | ||
PCT/EP2020/071954 WO2021043519A1 (en) | 2019-09-04 | 2020-08-05 | Method and apparatus for lithographic process performance determination |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114341741A true CN114341741A (zh) | 2022-04-12 |
Family
ID=71894840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080061884.5A Pending CN114341741A (zh) | 2019-09-04 | 2020-08-05 | 用于光刻过程性能确定的方法以及设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220291593A1 (zh) |
CN (1) | CN114341741A (zh) |
TW (1) | TWI780470B (zh) |
WO (1) | WO2021043519A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL308126A (en) * | 2021-05-06 | 2023-12-01 | Asml Netherlands Bv | A method for determining a stochastic index related to a lithographic process |
WO2023072603A1 (en) | 2021-10-27 | 2023-05-04 | Asml Netherlands B.V. | Methods and systems to calibrate reticle thermal effects |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010053243A1 (en) * | 2000-05-18 | 2001-12-20 | Jeol Ltd. | Method of inspecting accuracy in stitching pattern elements |
CN102163001A (zh) * | 2010-02-19 | 2011-08-24 | Asml荷兰有限公司 | 控制光刻设备的方法和设备 |
CN104698770A (zh) * | 2013-12-09 | 2015-06-10 | 国际商业机器公司 | 利用接近式拼接度量制作光刻图像场的方法 |
CN107885041A (zh) * | 2016-09-30 | 2018-04-06 | 上海微电子装备(集团)股份有限公司 | 一种大视场曝光系统 |
CN109426094A (zh) * | 2017-08-31 | 2019-03-05 | 上海微电子装备(集团)股份有限公司 | 曝光方法、测量方法以及曝光装置 |
-
2020
- 2020-08-05 CN CN202080061884.5A patent/CN114341741A/zh active Pending
- 2020-08-05 US US17/639,364 patent/US20220291593A1/en active Pending
- 2020-08-05 WO PCT/EP2020/071954 patent/WO2021043519A1/en active Application Filing
- 2020-08-20 TW TW109128345A patent/TWI780470B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010053243A1 (en) * | 2000-05-18 | 2001-12-20 | Jeol Ltd. | Method of inspecting accuracy in stitching pattern elements |
CN102163001A (zh) * | 2010-02-19 | 2011-08-24 | Asml荷兰有限公司 | 控制光刻设备的方法和设备 |
CN104698770A (zh) * | 2013-12-09 | 2015-06-10 | 国际商业机器公司 | 利用接近式拼接度量制作光刻图像场的方法 |
CN107885041A (zh) * | 2016-09-30 | 2018-04-06 | 上海微电子装备(集团)股份有限公司 | 一种大视场曝光系统 |
CN109426094A (zh) * | 2017-08-31 | 2019-03-05 | 上海微电子装备(集团)股份有限公司 | 曝光方法、测量方法以及曝光装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202113503A (zh) | 2021-04-01 |
WO2021043519A1 (en) | 2021-03-11 |
US20220291593A1 (en) | 2022-09-15 |
TWI780470B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6782784B2 (ja) | パターニングプロセスパラメータを決定する方法及び装置 | |
CN112236724B (zh) | 确定衬底上的一个或更多个结构的特性的量测设备和方法 | |
US10754256B2 (en) | Method and apparatus for pattern correction and verification | |
TWI691803B (zh) | 量測方法及裝置 | |
CN113168111B (zh) | 用于预测半导体制造过程的产率的方法 | |
TW202040260A (zh) | 用於計算度量衡之方法及電腦程式產品 | |
US11966166B2 (en) | Measurement apparatus and a method for determining a substrate grid | |
TWI729475B (zh) | 量測方法與裝置 | |
JP2021508078A (ja) | 計算メトロロジに基づく補正および制御 | |
TW201732450A (zh) | 量規圖案選擇之改良 | |
TWI780470B (zh) | 用於微影製程效能判定之方法及設備 | |
EP3579052A1 (en) | Metrology apparatus and method for determining a characteristic of one or more structures on a substrate | |
EP3839632A1 (en) | Method for determining a measurement recipe and associated apparatuses | |
TWI803186B (zh) | 預測半導體製程之度量衡偏移之方法及電腦程式 | |
WO2019048145A1 (en) | METROLOGY IN LITHOGRAPHIC PROCESSES | |
US10429746B2 (en) | Estimation of data in metrology | |
EP3796088A1 (en) | Method and apparatus for lithographic process performance determination | |
EP3462239A1 (en) | Metrology in lithographic processes | |
CN116964529A (zh) | 用于表征半导体制造过程的方法和装置 |
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 |