CN114556226A - 基于光刻模型参数预测缺陷率 - Google Patents
基于光刻模型参数预测缺陷率 Download PDFInfo
- Publication number
- CN114556226A CN114556226A CN202080072462.8A CN202080072462A CN114556226A CN 114556226 A CN114556226 A CN 114556226A CN 202080072462 A CN202080072462 A CN 202080072462A CN 114556226 A CN114556226 A CN 114556226A
- Authority
- CN
- China
- Prior art keywords
- defect rate
- model
- calibrated
- design
- lithography
- 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
- 230000007547 defect Effects 0.000 title claims description 92
- 238000001259 photo etching Methods 0.000 title description 2
- 238000013461 design Methods 0.000 claims abstract description 70
- 238000001459 lithography Methods 0.000 claims abstract description 61
- 239000000126 substance Substances 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 49
- 239000003112 inhibitor Substances 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 238000011161 development Methods 0.000 claims description 8
- 238000004090 dissolution Methods 0.000 claims description 8
- 230000000295 complement effect Effects 0.000 claims description 7
- 238000012888 cubic function Methods 0.000 claims description 6
- 238000012887 quadratic function Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 35
- 238000012545 processing Methods 0.000 description 15
- 230000003287 optical effect Effects 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000012795 verification Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 238000001878 scanning electron micrograph Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 235000013599 spices Nutrition 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- 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
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- 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
- G03F7/004—Photosensitive materials
- G03F7/0045—Photosensitive materials with organic non-macromolecular light-sensitive compounds not otherwise provided for, e.g. dissolution inhibitors
-
- 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
- G03F7/26—Processing photosensitive materials; Apparatus therefor
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
- Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
Abstract
经校准的光刻模型可以被用于基于集成电路(IC)设计布局生成光刻模型输出。然后,可以从光刻模型输出至少提取化学参数。然后,经校准的缺陷率模型可以被用于基于化学参数预测针对IC设计布局的缺陷率。
Description
相关申请的交叉引用
本申请要求于2019年10月18日提交的欧洲专利申请号EP19204192的权益,该申请的内容出于所有目的通过引用以其整体并入本文。
技术领域
本公开总体上涉及集成电路(IC)设计和制造。更具体地,本公开涉及基于光刻模型参数预测缺陷率。
背景技术
工艺技术的进步以及对计算和存储的日益增长的需求推动了IC设计的尺寸和复杂性的增加。这种进步可以归因于半导体设计和制造技术的改进,这使得可以将数以千万计的器件集成到单个芯片上。在制造IC布局之前准确预测缺陷率是重要的。
发明内容
本文中描述的一些实施例可以使用经校准的光刻模型来基于IC设计布局生成光刻模型输出。然后,实施例可以从光刻模型输出至少提取化学参数。然后,实施例可以使用经校准的缺陷率模型来基于化学参数预测针对IC设计布局的缺陷率。
在一些实施例中,化学参数可以对应于抑制剂浓度。具体地,化学参数可以与抗蚀剂显影期间抗蚀剂的溶解速率有关。
一些实施例可以接收一组IC设计布局,并且可以接收对应于一组IC设计布局的缺陷率测量。然后,实施例可以基于一组IC设计布局和缺陷率测量来拟合缺陷率模型,以获得经校准的缺陷率模型。在一些实施例中,缺陷率模型可以包括互补误差函数项。在一些实施例中,缺陷率模型可以是二次函数。在一些实施例中,缺陷率模型可以是三次函数。
附图说明
可以基于下面给出的详细描述和附图来理解本公开。附图仅用于说明的目的,并且不限制本公开的范围。此外,附图不一定按比例绘制。
图1图示了根据本文中公开的一些实施例的用于校准缺陷率模型的过程。
图2图示了根据本文中公开的一些实施例的二次模型中的项和系数。
图3图示了根据本文中公开的一些实施例的三次模型中的项和系数。
图4图示了根据本文中公开的一些实施例的使用经校准缺陷率模型来预测缺陷率的过程。
图5图示了根据本文中公开的一些实施例的IC设计布局。
图6图示了根据本文中公开的一些实施例的光刻模型输出。
图7图示了根据本文中公开的一些实施例的缺陷图。
图8图示了根据本文中描述的一些实施例的集成电路的设计、验证和制造的示例流程。
图9图示了可以在其内执行指令集的计算机系统的示例机器,该指令集用于使机器执行本文讨论的方法中的任何一个或多个方法。
具体实施方式
在光刻期间出现的缺陷(诸如夹点和桥接)可能严重影响半导体制造过程中的产量。这些缺陷可能以随机的方式出现,并且即使这些缺陷中的一个缺陷出现在IC芯片的关键部分,也可能会使整个IC芯片变得无用。预测缺陷率是重要的,因为IC芯片可以包含大量关键特征。
现有技术的预测准确性差,并且一些技术慢得无法接受。此外,一些现有技术具有手动部件,并且是劳动密集型的。
本文中公开的实施例准确且快速地预测给定光刻过程的缺陷率。本文中描述的实施例的优点包括但不限于使得能够优化可制造过程,从而降低缺陷率并且改进新器件或技术的过程成本和开发时间。
本文中公开的一些实施例基于一个或多个光刻参数来预测缺陷率,其中至少一个参数是与抗蚀剂有关的从光刻模型输出提取的化学参数(例如,抑制剂浓度)。在本公开中,术语“光刻模型输出”是指计算光刻过程的光学作用和抗蚀剂作用的光刻模型或仿真器的输出。
根据一种定义,术语“缺陷率”是指(1)在名义上(即,在没有随机事件出现的情况下)存在抗蚀剂的区域中出现孔(即,不存在抗蚀剂)的概率,或(2)在名义上(即,在没有随机事件出现的情况下)不存在抗蚀剂的区域中出现抗蚀剂的概率。
当缺陷率测量数据被收集时,可以使用从量测角度来看更方便的不同的缺陷率定义。业内使用的一种缺陷率指标被称为“PixNOK”。可以在名义上没有抗蚀剂的空白区域(space area)和在名义上存在抗蚀剂的线区域中定义该指标。
可以如下在IC设计布局的空白区域中计算“PixNOK”指标。从所印刷的抗蚀剂图案的扫描电子显微镜(SEM)图像,沿空白区域中心线对“失效”(即,具有缺陷,例如微桥接)的像素的数目进行计数。然后,通过将“失效”的像素数目除以像素总数目来计算“PixNOK”指标。
同样地,可以如下在IC设计布局的线区域中计算“PixNOK”指标。从所印刷的抗蚀剂图案的SEM图像,沿线区域中心线对“失效”(即,具有缺陷,例如断线或孔)的像素的数目进行计数。然后,通过将“失效”的像素数目除以像素总数目来计算“PixNOK”指标。
注意,“PixNOK”指标对应于缺陷率,因为它凭经验度量SEM图像中具有缺陷的像素的数目。可以在Bisschop,P.D.,“Stochastic printing failures in extremeultraviolet lithography,”Journal of Micro/Nanolithography,MEMS,和MOEMS 17(4),041011(2018年9月25日)中找到该指标的其它细节。
图1图示了根据本文中公开的一些实施例的用于校准缺陷率模型的过程。
该过程可以通过校准对光学作用和抗蚀剂作用进行建模的光刻模型开始(102)。在本公开中,术语“光刻模型”是指对光学作用和抗蚀剂作用进行建模的软件应用,即,对于给定IC设计布局和光刻过程,光刻模型可以用于仿真或预测预期被印刷在晶片上的抗蚀剂形状。
通常可以使用任何现有的光刻模型。例如,可以使用Synopsys Inc.的SentaurusTMLithography(S-Litho)仿真器。可以提供表征光刻过程的某些参数作为光刻模型的输入。例如,光刻模型可以接收以下光刻过程参数作为输入:曝光剂量、光学焦点、照射、数值孔径、掩模堆叠参数、抗蚀剂参数和晶片堆叠参数。如图1中所示,对应于正在被使用的光刻过程的光刻过程参数的值114可以被输入到光刻模型中。
光刻模型可以包括在校准期间基于经验数据而被拟合的参数。特别地,可以使用光刻过程对一个或多个设计布局执行抗蚀剂显影,并且可以测量(例如,通过使用SEM量测)IC设计布局中的各种特征的关键尺寸。然后,IC设计布局120和对应的关键尺寸测量112可以用于校准光刻模型,从而获得经校准的光刻模型104。通常,多个IC设计布局和它们对应的关键尺寸测量可以用于校准光刻模型。
对于给定的IC设计布局,例如IC设计布局116,经校准的光刻模型104(其对光学作用和抗蚀剂作用进行建模)可以准确地预测预期在抗蚀剂显影后被印刷的抗蚀剂形状。具体地,经校准的光刻模型104可以包括一个或多个计算参数,该一个或多个参数对在光刻期间出现的各种物理现象和化学现象进行建模。具体地,光刻模型可以包括如下的计算参数,该计算参数在给定点的值可以用于确定是否预期在该点处印刷抗蚀剂。在一些实施例中,计算参数的值可以与阈值进行比较,如果该值大于阈值,则光刻模型可以确定预期印刷抗蚀剂,否则光刻模型可以确定预期不印刷抗蚀剂。具体地,计算参数的值可以在二维平面上与阈值进行比较,以创建预期被印刷的抗蚀剂形状的轮廓。
总之,光刻模型可以包括三种类型的参数:(1)输入参数,其作为输入被提供给光刻模型并且对应于光刻过程的特性(例如,数值孔径,等等),(2)拟合参数(例如系数),其在光刻模型的校准期间被拟合,以及(3)计算参数,其在仿真或预测期间由光刻模型针对给定IC设计布局和光刻过程计算,其中计算参数可以表示光刻期间出现的光学现象和/或抗蚀剂现象的作用。具体地,在一些实施例中,光刻模型可以使用下表中所示的参数。
参数标签 | 参数描述 | 类型 | 相关性 |
Pitch | 设计间距 | I | 0.042 |
LW | 线宽 | M | 0.029 |
D | 曝光剂量 | I | 0.850 |
Focus | 曝光焦点 | I | 0.080 |
CD | 所测量的空白宽度 | M | 0.403 |
CDSim | 所仿真的空白CD | S | 0.490 |
NILS | 归一化图像对数斜率 | S | 0.812 |
ILS | 图像对数斜率 | S | 0.411 |
AImin_x_Dose | 空间像最小x剂量 | S | 0.182 |
AImax_x_Dose | 空间像最大x剂量 | S | 0.670 |
AITresh_x_Dose | 空间像最大x剂量 | S | 0.150 |
InhNILS | 抑制剂归一化图像对数斜率 | S | 0.885 |
InhILS | 抑制剂图像对数斜率 | S | 0.596 |
Imin | 抑制剂最小值 | S | 0.888 |
Imax | 抑制剂最大值 | S | 0.181 |
Ith | 抑制剂阈值 | S | 0.554 |
在上表中,“参数标签”列包含可以用于引用参数的标签,并且“参数描述”列描述参数。“类型”列指定参数的类型。特别地,“类型”列中的“I”指示参数作为输入被提供,“M”指示参数是例如通过使用SEM量测而测量的经验参数(可以用于拟合光刻模型的测量参数)。“类型”列中的“S”指示参数由光刻模型基于输入参数和IC设计布局而被计算。表中未示出拟合参数。
光刻参数可以与缺陷率或缺陷率的对数相关。具体地,可以在一组IC设计布局上执行光刻以创建抗蚀剂形状。然后,可以使用SEM量测来测量缺陷,以计算IC设计布局中的每个IC设计布局中不同位置处的缺陷率。然后,可以将所计算的缺陷率与光刻参数相关联,从而标识作为缺陷率的良好预测器的光刻参数。特别地,相关性越高,参数作为缺陷率预测器就越好。
“相关性”列提供参数与“PixNOK”的对数(即log(PixNOK))之间的相关性。从上表可以看出,“抑制剂最小值”与log(PixNOK)具有最高相关性。“抑制剂”参数是抗蚀剂的化学浓度参数,其确定了抗蚀剂显影期间抗蚀剂的溶解速率。在一些实施例中,该参数可以具有范围[0,1],其中0对应于最大溶解速率,并且1对应于最小溶解速率。因此,抑制剂参数在一个点处的较低值对应于较高的溶解速率(这意味着抗蚀剂较不可能在该点处存在)。光刻模型(例如S-Litho)可以计算抑制剂浓度。“抑制剂最小值”可以是抑制剂浓度的沿IC设计布局中的线(例如,空白区域或线区域中心线)的最小值。
还可以计算光刻参数的函数与缺陷率之间的相关性。下表示出了光刻参数的函数及其与缺陷率的相关性的一些示例。
“类型”列中的“F”指示该行对应于一个或多个参数的函数。例如,参数“Combi1”等于Imin除以剂量D,参数“Combi2”等于Imin除以D平方等。标签“Func1”对应于“参数描述”列中所示的函数。在该函数中,系数“A”、“B”和“C”拟合经验数据,如下面所解释的。同样地,还在下面更详细地解释“Func2”和“Func3”行中的函数。
从上表可以看出,某些函数与所测量的缺陷率具有非常高的相关性。因此,本文中公开的一些实施例基于参数集来预测缺陷率,该参数集至少包括抗蚀剂的化学参数(例如,抑制剂浓度)。特别地,本文中公开的一些实施例可以使用在该参数集上定义的函数(例如,上表中所示的函数中的一个函数)来预测缺陷率。
“Func1”行中所示的函数可以如下地导出。曝光后和曝光后烘烤(PEB)后的抑制剂浓度可能具有由多种来源引起的统计波动:光子噪声、化学成分波动,等等。这些波动加起来可能会导致抑制剂浓度在平均值附近的正态分布的波动。在抗蚀剂中的给定位置处,存在抑制剂浓度的概率密度可以被表示为:
其中I(x,y,z)是在点(x,y,z)处的抑制剂浓度(包括随机波动),Imean(x,y,z)是在点(x,y,z)处的平均抑制剂浓度,并且σ是抑制剂波动的标准偏差。可以将给定位置处的Imean的值设置为等于连续体抗蚀剂模型在该位置处的抑制剂。换句话说,光刻模型(例如,S-Litho中使用的光刻模型)在IC设计布局中的给定点处计算的抑制剂浓度的值可以被用作Imean的值。
高于某个抑制剂阈值,抗蚀剂将不显影(即,印刷)。在“Func1”的等式中,该值为“Ith”。换句话说,在忽略波动的情况下,如果抑制剂值大于Ith,则抗蚀剂将印刷,并且如果抑制剂值小于Ith,则抗蚀剂将不印刷。
然而,抑制剂由于随机现象而波动。因此,I(x,y,z)围绕Imean波动。在没有波动地存在抗蚀剂的位置,如果波动足够大,使得I(x,y,z)<Ith,则线区域中可能出现孔缺陷。另一方面,在不存在抗蚀剂的位置,如果波动足够大,使得I(x,y,z)>Ith,则在空白区域中可能出现印刷缺陷。
添加统计波动可以产生缺陷故障率的指标。具体地,抑制剂值在I周围的dI范围内的概率由下式给出:
空白区域中印刷缺陷的概率可以被计算如下:
因此,缺陷的概率可以使用互补误差函数(complementary error function)erfc来表达,如下:
其中,
ΔIth=Ith-Imean、
对于印刷缺陷,sign=+1,并且对于孔缺陷sign=-1,以及
erfc是互补误差函数。
使用经校准的抗蚀剂模型,将针对线间距图案的仿真Imin与针对一系列代表性间距和空白宽度的曝光剂量D进行比较。基于该比较,观察到抑制剂浓度/最小值是暴露剂量D的函数。换句话说,抑制剂最小值的标准偏差是剂量及其标准偏差的函数(这是剂量进入缺陷预测的表达式的原因)。具体地,针对抑制剂浓度/最小值相对于暴露剂量D的变化,指数函数提供了良好的拟合。因此,Imin=αe-βD,并且
σImin=σ(αe-βD)=f(σD,D)
其中f(σD,D)的值可以通过误差传播来获得。具体地,可以使用误差传播表明:
σImin=β.I.σD=αβ.e-βD.σD
使用缺陷率等式中的上述表达式,并且取缺陷率的对数,得到:
我们通过假设实验测量的缺陷率log(PixNOK)与理论导出的缺陷率成比例,得出针对“Func1”所示的等式:
在上述等式中,系数“A”、“B”和“C”可以通过使用经验数据来拟合。例如,(1)SEM量测可以通过使用光刻过程打印一组IC设计布局来测量缺陷率数据,(2)可以使用经校准的光刻模型来仿真IC设计布局,并且Ith和Imean值可以从光刻模型提取,以及(3)系数“A”、“B”和“C”可以根据当所测量的缺陷率(例如,PixNOK)、Ith和Imean值被代入等式时的最佳拟合来确定。例如,对于特定光刻过程,对A、B和C获得值6.49、0.68和0.069。
通常,可以使用任何函数来基于参数预测缺陷率。例如,在参数上定义的二次函数可以被用作预测函数(这对应于参数表中的“Func2”行),其中二次函数的每个项具有最多为二的次数。
图2图示了根据本文中公开的一些实施例的二次模型中的项和系数。
备选地,在参数上定义的三次函数可以被用作预测函数(这对应于参数表中的“Func3”行),其中三次函数的每个项具有最多为三的次数。
图3图示了根据本文中公开的一些实施例的三次模型中的项和系数。
返回参考图1,IC设计布局116可以被提供给经校准的光刻模型104。还可以使用光刻过程来印刷IC设计布局116,并且可以获得缺陷率测量数据118。备选地,还可以通过执行光刻过程的计算成本高且详细的蒙特卡罗仿真,来获得缺陷率测量数据118。
然后,可以从光刻模型输出提取参数(106),其中所提取的参数包括抗蚀剂的至少一个化学参数。然后,可以基于所提取的参数和缺陷率测量数据来校准缺陷率模型118,从而获得经校准的缺陷率模型110。
图4图示了根据本文中公开的一些实施例的使用经校准缺陷率模型来预测缺陷率的过程。
该过程可以通过向经校准的光刻模型104提供IC设计布局404和光刻过程参数的值114开始。然后,该过程可以从光刻模型输出提取参数(402),其中所提取的参数可以包括抗蚀剂的至少一个化学参数。然后,该过程可以将所提取的参数和光刻过程参数的值114提供给经校准的缺陷率模型110。然后,经校准的缺陷率模型110可以基于所提取的参数和光刻过程参数的值114来生成缺陷预测406。
在一些实施例中,缺陷预测406可以包括两个缺陷图:(1)针对(Ith-Imean)>0的情况(即,在空白区域中产生印刷缺陷的情况)的第一图,以及(2)针对(Ith–Imean)<0的情况(即,在抗蚀剂区域中产生孔缺陷的情况)的第二图。
图5图示了根据本文中公开的一些实施例的IC设计布局。IC设计布局502中的阴影区域对应于期望被印刷抗蚀剂的区域,并且透明区域对应于不应当存在抗蚀剂的区域。
图6图示了根据本文中公开的一些实施例的光刻模型输出。光刻模型输出602中的阴影区域图示了由经校准光刻模型预测的抗蚀剂图案。
图7图示了根据本文中公开的一些实施例的缺陷图。缺陷图702包括预测的抗蚀剂图案,并且附加地预测了可能出现缺陷的区域。例如,缺陷图702包括可能出现印刷缺陷的预测缺陷区域704。
图8图示了根据本文中描述的一些实施例的集成电路的设计、验证和制造的示例流程800。
EDA过程812(首字母缩写词“EDA”是指“电子设计自动化”)可以用于转换和验证表示集成电路的设计数据和指令。这些过程中的每个过程可以被结构化和使能为多个模块或操作。
流程800可以从利用设计者提供的信息创建产品构思810开始,该信息通过使用EDA过程812来被转换和验证。在完成设计时,设计被流片834,这是将集成电路的图稿(例如,几何图案)发送到制造工厂以制造掩模集的时间,然后掩模集被用来制造集成电路。在流片之后,制造836半导体裸片,并且执行封装和组装过程838以生产所制造的IC芯片840。
电路或电子结构的规格范围可能从低级晶体管材料布局到高级描述语言。使用诸如VHDL、Verilog、SystemVerilog、SystemC、MyHDL或OpenVera的硬件描述语言(“HDL”),可以使用高级抽象来设计电路和系统。HDL描述可以被转换为逻辑水平的寄存器传输级(“RTL”)描述、门级描述、布局级描述或掩模级描述。每个较低的抽象水平(即不太抽象的描述)将更多细节添加到设计描述中。较低的抽象水平(即不太抽象的描述)可以由计算机生成,从设计库导出或由另一个设计自动化过程创建。用于指定更多详细描述的较低抽象语言水平的规范语言的一个示例是SPICE(SPICE代表“以集成电路为重点的仿真程序”)。每个抽象水平的描述包含足以供该层的对应工具(例如,形式验证工具)使用的详细信息。
在系统设计814期间,要被制造的集成电路的功能被指定。可以针对所需性质(诸如功耗、性能、面积(物理和/或代码行)和成本降低等)对设计进行优化。在该阶段,可以将设计划分为不同类型的模块或部件。
在逻辑设计和功能验证816期间,以一种或多种描述语言指定电路中的模块或部件,并且检查该规格的功能准确性。例如,可以验证电路的部件,以生成与所设计的电路或系统的规格要求相匹配的输出。功能验证可以使用仿真器和其他程序,诸如测试台生成器、静态HDL检查器和正式验证器。在一些实施例中,被称为‘仿真器’或‘原型系统’的部件的特殊系统被用来加速功能验证。
在用于测试的综合和设计818期间,HDL代码被转换为网表。在一些实施例中,网表可以是图形结构,其中图形结构的边表示电路的部件,并且其中图形结构的节点表示部件如何被互连。HDL代码和网表两者是制造的分层产品,其可以由EDA产品使用来验证:集成电路在被制造时是否根据指定的设计执行。可以针对目标半导体制造技术优化网表。附加地,成品集成电路可以被测试,以验证集成电路是否满足规格的要求。
在网表验证820期间,检查网表是否符合时序约束以及是否与HDL代码相对应。在设计规划822期间,构建并分析集成电路的总体平面图,以进行时序和顶层布线。
在布局或物理实现824期间,进行物理放置(电路部件(诸如晶体管或电容器)的放置)和布线(电路部件通过多个导体的连接),并且可以执行从库中选择单元以使能特定的逻辑功能。如本文所使用的,术语‘单元’可以指定晶体管、其他部件和互连的集合,其提供布尔逻辑功能(例如,AND、OR、NOT、XOR)或存储功能(诸如,触发器或锁存器)。如本文所使用的,电路‘块’可以指代两个以上的单元。单元和电路块两者可以被称为模块或部件,并且可以被使能为物理结构和仿真两者。诸如大小的参数被指定为用于所选择的单元格(基于‘标准单元’),并且使得在数据库中可访问,以供EDA产品使用。
在分析和提取826期间,在布局水平验证电路功能,该布局水平允许对布局设计的改进。在物理验证828期间,检查布局设计以确保制造约束(诸如DRC约束、电气约束、光刻约束)是正确的,并且确保电路功能与HDL设计规格匹配。在分辨率增强830期间,布局的几何形状被转变以改善电路设计被制造的方式。
在流片期间,创建数据以用于(如果合适,在应用光刻增强之后)生产光刻掩模。在掩模数据准备832期间,‘流片’数据用于生成光刻掩模,该光刻掩模用于生产成品集成电路。
计算机系统(诸如,图9中的计算机系统900)的存储子系统可以用于存储程序或数据结构,该程序和数据结构由本文所述的一些或所有EDA产品使用,并且由用于开发库的单元的产品以及用于使用该库的物理和逻辑设计的产品使用。
图9图示了可以在其内执行指令集的计算机系统900的示例机器,该指令集用于使机器执行本文讨论的方法中的任何一个或多个方法。
在备选实施方式中,该机器可以连接(例如,联网)到LAN、内联网、外联网和/或因特网中的其他机器。该机器可以在客户端-服务器网络环境中以服务器或客户端机器的能力操作,可以作为对等(或分布式)网络环境中的对等机器操作,也可以作为云计算基础架构或环境中的服务器或客户端计算机操作。
机器可以是个人计算机(PC)、平板电脑、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、网络设备、服务器、网络布线器、交换机或网桥,或能够执行指令集(顺序指令或其他指令)的任何机器,指令集指定要由该机器执行的行动。此外,虽然图示了单个机器,但是术语“机器”也应当被理解为包括机器的任何集合,这些机器单独地或共同地执行一组(或多组)指令以执行本文讨论的任何一个或多个方法。
示例计算机系统900包括处理设备902、主存储器904(例如,只读存储器(ROM)、闪存、诸如同步DRAM(SDRAM)的动态随机存取存储器(DRAM))、静态存储器906(例如,闪存、静态随机存取存储器(SRAM)等))以及数据存储设备918,它们经由总线930相互通信。
处理设备902表示一个或多个处理器,诸如微处理器、中央处理单元等。更具体地,处理设备可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器,或者是实现其他指令集的处理器,或者是实现指令集的组合的处理器。处理设备902还可以是一个或多个专用处理设备,诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。处理设备902可以被配置成执行指令926以执行本文中描述的操作和步骤。
计算机系统900可以进一步包括网络接口设备908,以通过网络920进行通信。计算机系统900还可以包括视频显示单元910(例如,液晶显示器(LCD)或阴极射线管(CRT))、字母数字输入设备912(例如键盘)、光标控制设备914(例如鼠标)、图形处理单元922、信号生成设备916(例如扬声器)、图形处理单元922、视频处理单元928和音频处理单元932。
数据存储设备918可以包括机器可读存储介质924(也被称为非暂态计算机可读介质),其上存储着体现本文所描述的方法或功能中的任何一个或多个方法或功能的一个或多个指令集926或软件。在计算机系统900执行指令926期间,指令926也可以全部或至少部分地驻留在主存储器904内和/或驻留在处理设备902内,主存储器904和处理设备902也构成机器可读存储介质。
在一些实施方式中,指令926包括用于实现与本公开相对应的功能的指令。尽管在示例实施方式中将机器可读存储介质924示为单个介质,但是术语“机器可读存储介质”应当被认为包括单个介质或多个介质(例如,中心化或分布式数据库,和/或相关联的缓存和服务器)来存储一个或多个指令集。术语“机器可读存储介质”也应当被认为包括能够存储或编码指令集的任何介质,该指令集用于由机器执行并且使机器和处理设备902执行本公开的方法中的任何一个或多个。因此,术语“机器可读存储介质”应当被认为包括但不限于固态存储器、光学介质和磁性介质。
已经根据对计算机存储器内的数据位的操作的算法和符号表示,呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地向本领域的其他技术人员传达其工作实质的方式。算法可以是导致期望结果的操作的序列。这些操作是需要对物理量进行物理操纵的操作。这种量可以采取能够被存储、组合、比较以及以其他方式操纵的电或磁信号的形式。这种信号可以被称为位、值、元素、符号、字符、项、数字等。
但是,应当记住,所有这些和类似术语均应当与适当的物理量相关联,并且仅仅是应用于这些量的方便标签。除非从本公开中另外明确指出,否则应当理解,贯穿本描述,某些术语指代计算机系统或类似电子计算设备的行动和过程,其将计算机系统的寄存器内的表示为物理(电子)量的数据操纵和转换为其他数据,该其他数据类似地被表示为计算机系统存储器或寄存器或其他这种信息存储设备内的物理量。
本公开还涉及用于执行本文中的操作的装置。该装置可以被特别构建以用于预期目的,或者它可以包括由计算机中存储的计算机程序选择性地激活或重新配置的计算机。这种计算机程序可以被存储在计算机可读存储介质中,诸如但不限于任何类型的磁盘(包括软盘、光盘、CD-ROM和磁光盘)、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光学卡,或适于存储电子指令的任何类型的介质,每个均耦合到计算机系统总线。
本文提出的算法和显示不与任何特定的计算机或其他装置固有地相关。各种其他系统可以与根据本文的教导的程序一起使用,或者它可以被证明易于构建更专用的装置来执行该方法。另外,未参考任何特定编程语言来描述本公开。应当理解,可以使用各种编程语言来实现如本文所述的本公开的教导。
本公开可以被提供为计算机程序产品或软件,其可以包括其上存储有指令的机器可读介质,该指令可以用于对计算机系统(或其他电子设备)进行编程以执行根据本公开的过程。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机制。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质,诸如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光学存储介质、闪存设备等。
在前述公开中,已经参考本公开的具体示例实施方式描述了本公开的实施方式。明显的是,在不脱离如所附权利要求中阐述的本公开的更广泛的精神和范围的情况下,可以对其进行各种修改。在本公开以单数形式指代一些元素的情况下,在附图中可以描绘一个以上的元素,并且相同的元素用相同的附图标记来标记。因此,本公开和附图应当被认为是说明性的而不是限制性的。
Claims (20)
1.一种方法,包括:
使用经校准的光刻模型来基于集成电路IC设计布局生成光刻模型输出;
由处理器从所述光刻模型输出至少提取化学参数;以及
使用经校准的缺陷率模型来基于所述化学参数预测针对所述IC设计布局的缺陷率。
2.根据权利要求1所述的方法,其中所述化学参数对应于抑制剂浓度。
3.根据权利要求1所述的方法,其中所述化学参数与抗蚀剂显影期间抗蚀剂的溶解速率有关。
4.根据权利要求1所述的方法,包括:
接收一组IC设计布局;
接收针对所述一组IC设计布局的缺陷率测量;以及
基于所述一组IC设计布局和所述缺陷率测量来拟合缺陷率模型,以获得所述经校准的缺陷率模型。
5.根据权利要求4所述的方法,其中所述缺陷率模型包括互补误差函数项。
6.根据权利要求4所述的方法,其中所述缺陷率模型是二次函数。
7.根据权利要求4所述的方法,其中所述缺陷率模型是三次函数。
8.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储指令,所述指令在由处理器执行时使所述处理器:
使用经校准的光刻模型来基于集成电路IC设计布局生成光刻模型输出;
从所述光刻模型输出至少提取化学参数;以及
使用经校准的缺陷率模型来基于所述化学参数预测针对所述IC设计布局的缺陷率。
9.根据权利要求8所述的非暂态计算机可读存储介质,其中所述化学参数对应于抑制剂浓度。
10.根据权利要求8所述的非暂态计算机可读存储介质,其中所述化学参数与抗蚀剂显影期间抗蚀剂的溶解速率有关。
11.根据权利要求8所述的非暂态计算机可读存储介质,其中所述指令在由所述处理器执行时使所述处理器:
接收一组IC设计布局;
接收针对所述一组IC设计布局的缺陷率测量;以及
基于所述一组IC设计布局和所述缺陷率测量来拟合缺陷率模型,以获得所述经校准的缺陷率模型。
12.根据权利要求11所述的非暂态计算机可读存储介质,其中所述缺陷率模型包括互补误差函数项。
13.根据权利要求11所述的非暂态计算机可读存储介质,其中所述缺陷率模型是二次函数。
14.根据权利要求11所述的非暂态计算机可读存储介质,其中所述缺陷率模型是三次函数。
15.一种装置,包括:
存储器,存储指令;以及
处理器,与所述存储器耦合并且执行所述指令,所述指令在被执行时使所述处理器:
使用经校准的光刻模型来基于集成电路IC设计布局生成光刻模型输出;
从所述光刻模型输出至少提取化学参数;以及
使用经校准的缺陷率模型来基于所述化学参数预测针对所述IC设计布局的缺陷率。
16.根据权利要求15所述的装置,其中所述化学参数对应于抑制剂浓度。
17.根据权利要求15所述的装置,其中所述化学参数与抗蚀剂显影期间抗蚀剂的溶解速率有关。
18.根据权利要求15所述的装置,其中所述指令在由所述处理器执行时使所述处理器:
接收一组IC设计布局;
接收针对所述一组IC设计布局的缺陷率测量;以及
基于所述一组IC设计布局和所述缺陷率测量来拟合缺陷率模型,以获得所述经校准的缺陷率模型。
19.根据权利要求17所述的装置,其中所述缺陷率模型包括互补误差函数项。
20.根据权利要求17所述的装置,其中所述缺陷率模型是二次函数或三次函数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19204192 | 2019-10-18 | ||
EP19204192.9 | 2019-10-18 | ||
PCT/US2020/055574 WO2021076622A1 (en) | 2019-10-18 | 2020-10-14 | Predicting defect rate based on lithographic model parameters |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114556226A true CN114556226A (zh) | 2022-05-27 |
Family
ID=68296177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080072462.8A Pending CN114556226A (zh) | 2019-10-18 | 2020-10-14 | 基于光刻模型参数预测缺陷率 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11914306B2 (zh) |
EP (1) | EP4045977A1 (zh) |
KR (1) | KR20220084049A (zh) |
CN (1) | CN114556226A (zh) |
TW (1) | TW202129412A (zh) |
WO (1) | WO2021076622A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11368158B2 (en) * | 2018-06-26 | 2022-06-21 | Intel Corporation | Methods for handling integrated circuit dies with defects |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7949618B2 (en) * | 2007-03-28 | 2011-05-24 | Tokyo Electron Limited | Training a machine learning system to determine photoresist parameters |
US8108805B2 (en) * | 2010-03-26 | 2012-01-31 | Tokyo Electron Limited | Simplified micro-bridging and roughness analysis |
CN110262191B (zh) * | 2019-05-09 | 2021-06-08 | 墨研计算科学(南京)有限公司 | 一种计算光刻建模方法及装置 |
-
2020
- 2020-10-14 KR KR1020227012450A patent/KR20220084049A/ko unknown
- 2020-10-14 WO PCT/US2020/055574 patent/WO2021076622A1/en unknown
- 2020-10-14 CN CN202080072462.8A patent/CN114556226A/zh active Pending
- 2020-10-14 EP EP20797968.3A patent/EP4045977A1/en active Pending
- 2020-10-16 US US17/072,568 patent/US11914306B2/en active Active
- 2020-10-16 TW TW109135922A patent/TW202129412A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
EP4045977A1 (en) | 2022-08-24 |
US20210116817A1 (en) | 2021-04-22 |
KR20220084049A (ko) | 2022-06-21 |
WO2021076622A1 (en) | 2021-04-22 |
TW202129412A (zh) | 2021-08-01 |
US11914306B2 (en) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11415897B2 (en) | Calibrating stochastic signals in compact modeling | |
US11475201B2 (en) | Inclusion of stochastic behavior in source mask optimization | |
US8099685B2 (en) | Model based microdevice design layout correction | |
US11126782B2 (en) | Applying reticle enhancement technique recipes based on failure modes predicted by an artificial neural network | |
US11468222B2 (en) | Stochastic signal prediction in compact modeling | |
US11640490B2 (en) | Source mask optimization by process defects prediction | |
US11900042B2 (en) | Stochastic-aware lithographic models for mask synthesis | |
US11644747B2 (en) | Obtaining a mask using a cost function gradient from a jacobian matrix generated from a perturbation look-up table | |
TW202121062A (zh) | 基於缺陷機率分佈和臨界尺寸變異的微影技術改進 | |
US11704471B2 (en) | Three-dimensional mask simulations based on feature images | |
US11914306B2 (en) | Predicting defect rate based on lithographic model parameters | |
KR20220065769A (ko) | 결함 확률 분포들 및 임계 치수 변동들에 기초한 리소그래피 개선 | |
US11966678B2 (en) | Modelling timing behavior using augmented sensitivity data for physical parameters | |
US11210448B1 (en) | Mitigating timing yield loss due to high-sigma rare-event process variation | |
US11644746B1 (en) | Inverse etch model for mask synthesis | |
US11669667B2 (en) | Automatic test pattern generation (ATPG) for parametric faults | |
US20220382144A1 (en) | Machine learning for selecting initial source shapes for source mask optimization | |
US11972191B2 (en) | System and method for providing enhanced net pruning | |
CN115409770A (zh) | 使用机器学习模型的大规模复杂光刻 |
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 |