CN115294068A - 基于计算量测的校正和控制 - Google Patents
基于计算量测的校正和控制 Download PDFInfo
- Publication number
- CN115294068A CN115294068A CN202210951655.1A CN202210951655A CN115294068A CN 115294068 A CN115294068 A CN 115294068A CN 202210951655 A CN202210951655 A CN 202210951655A CN 115294068 A CN115294068 A CN 115294068A
- Authority
- CN
- China
- Prior art keywords
- substrate
- parameter
- contribution
- metrology
- map
- 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
- 238000005259 measurement Methods 0.000 title description 181
- 238000012937 correction Methods 0.000 claims abstract description 243
- 239000000758 substrate Substances 0.000 claims description 728
- 238000013507 mapping Methods 0.000 claims description 54
- 230000009897 systematic effect Effects 0.000 claims description 46
- 238000004519 manufacturing process Methods 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 15
- 238000000034 method Methods 0.000 abstract description 629
- 230000008569 process Effects 0.000 abstract description 444
- 238000000059 patterning Methods 0.000 abstract description 341
- 230000005855 radiation Effects 0.000 description 106
- 239000010410 layer Substances 0.000 description 65
- 230000003287 optical effect Effects 0.000 description 63
- 238000009826 distribution Methods 0.000 description 49
- 238000005286 illumination Methods 0.000 description 49
- 238000012546 transfer Methods 0.000 description 48
- 238000004088 simulation Methods 0.000 description 46
- 238000012545 processing Methods 0.000 description 39
- 230000000875 corresponding effect Effects 0.000 description 36
- 230000004075 alteration Effects 0.000 description 33
- 210000001747 pupil Anatomy 0.000 description 32
- 238000011161 development Methods 0.000 description 30
- 230000006399 behavior Effects 0.000 description 29
- 238000005530 etching Methods 0.000 description 29
- 230000018109 developmental process Effects 0.000 description 27
- 238000013461 design Methods 0.000 description 26
- 230000035945 sensitivity Effects 0.000 description 22
- 238000001459 lithography Methods 0.000 description 21
- 230000008859 change Effects 0.000 description 20
- 238000007689 inspection Methods 0.000 description 20
- 239000000047 product Substances 0.000 description 20
- 230000000694 effects Effects 0.000 description 19
- 230000033001 locomotion Effects 0.000 description 18
- 230000001276 controlling effect Effects 0.000 description 17
- 230000010287 polarization Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 16
- 230000007547 defect Effects 0.000 description 15
- 238000000151 deposition Methods 0.000 description 15
- 230000008021 deposition Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 13
- 230000000737 periodic effect Effects 0.000 description 13
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 9
- 239000011248 coating agent Substances 0.000 description 9
- 238000000576 coating method Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 210000004027 cell Anatomy 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 7
- 238000000206 photolithography Methods 0.000 description 7
- 238000010008 shearing Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000007654 immersion Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 4
- 230000001364 causal effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000010408 film Substances 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 238000004528 spin coating Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004630 atomic force microscopy Methods 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 230000002925 chemical effect Effects 0.000 description 2
- 238000001311 chemical methods and process Methods 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005468 ion implantation Methods 0.000 description 2
- 238000010884 ion-beam technique Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000005405 multipole Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- -1 refractive index Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- IERHLVCPSMICTF-XVFCMESISA-N CMP group Chemical group P(=O)(O)(O)OC[C@@H]1[C@H]([C@H]([C@@H](O1)N1C(=O)N=C(N)C=C1)O)O IERHLVCPSMICTF-XVFCMESISA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001609 comparable effect Effects 0.000 description 1
- 230000009850 completed effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000013317 conjugated microporous polymer Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005381 magnetic domain Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000011326 mechanical measurement Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 210000003643 myeloid progenitor cell Anatomy 0.000 description 1
- 238000001127 nanoimprint lithography Methods 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—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
- G03F7/70525—Controlling normal operating mode, e.g. matching different apparatus, remote control or prediction of failure
-
- 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
- G03F7/70533—Controlling abnormal operating mode, e.g. taking account of waiting time, decision to rework or rework flow
-
- 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
- G03F7/706835—Metrology information management or control
- G03F7/706837—Data analysis, e.g. filtering, weighting, flyer removal, fingerprints or root cause analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Details Of Television Scanning (AREA)
- Prostheses (AREA)
- Electrotherapy Devices (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
Abstract
本文中描述了一种用于确定对图案化过程的校正的方法。该方法包括：获得图案化过程的多个品质(例如多个参数映射，或者一个或更多个校正)，所述多个品质是从量测数据以及在图案化过程中使用的设备的数据导出的；由硬件计算机系统从所述多个品质中选择代表性品质；以及由硬件计算机系统基于代表性品质确定对图案化过程的校正。
Description
本申请是进入中国国家阶段日期为2020年6月19日的申请号为201880082787.7的发明名称为“基于计算量测的校正和控制”的专利申请(国际申请日为2018-11-20，国际申请号为PCT/EP2018/081872)的分案申请。
技术领域
本发明涉及改善器件制造过程的性能的技术。该技术可以与光刻设备或量测设备结合起来使用。
背景技术
光刻设备是将期望的图案施加到衬底的目标部分上的机器。光刻设备可以用于例如制造集成电路(IC)。在该情况下，图案形成装置(其可替代地被称为掩模或掩模版)可以用于产生与IC的单层对应的电路图案，并且此图案可以被成像到具有辐射敏感材料(抗蚀剂)层的衬底(例如硅晶片)上的目标部分(例如包括管芯的一部分、一个管芯或数个管芯)上。通常，单一衬底将包含连续曝光的相邻目标部分的网络。已知的光刻设备包括所谓的步进器和所谓的扫描器。在步进器中，通过一次将整个图案曝光至目标部分上来照射每个目标部分；在扫描器中，通过在给定方向(“扫描”方向)上利用束来扫描所述图案同时平行于或反向平行于此方向而同步地扫描所述衬底来照射每个目标部分。
在将电路图案从图案形成装置转印到衬底之前，衬底可以经历各种工序，诸如涂底料、涂覆抗蚀剂和软焙烤。在曝光之后，衬底可以经受其他工序，诸如曝光后焙烤(PEB)、显影、硬焙烤和所转印的电路图案的测量/检测。这一系列工序被用作制造器件(例如IC)的单层的基础。然后，衬底可以经历各种过程，诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学-机械抛光等，这些过程都预期对器件的单层进行精加工。如果在器件中需要若干层，则针对每一层来重复整个工序或其变型。最终，器件将存在于衬底上的每个目标部分中。然后，通过诸如切块或锯切之类的技术来使这些器件彼此分离，由此能够将单独器件安装于载体上、连接到引脚等。
因而，制造诸如半导体器件之类的器件通常涉及使用一定数目的制造过程来处理衬底(例如半导体晶片)以形成器件的各种特征及多个层。通常使用例如沉积、光刻、蚀刻、化学机械抛光及离子注入来制备和处理这些层及特征。可以在衬底上的多个管芯上制作多个器件，并且然后将这些器件分离成单独器件。此器件制造过程可以被认为是图案化过程。图案化过程涉及使用光刻设备中的图案形成装置进行图案化步骤，诸如光学光刻和/或纳米压印光刻，以将图案形成装置上的图案转印到衬底，并且图案化过程通常但可选地涉及一个或多个相关图案处理步骤，诸如由显影设备进行抗蚀剂显影、使用焙烤工具来焙烤衬底、使用蚀刻设备并使用所述图案进行蚀刻等。
发明内容
根据本发明的实施例，提供一种用于确定对图案化过程的校正的方法，所述方法包括以下步骤：获得所述图案化过程的多个品质；由硬件计算机系统从所述多个品质中选择代表性品质；和由所述硬件计算机系统基于所述代表性品质确定对所述图案化过程的校正。
所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据以及从所述图案化过程的设备的数据产生的。所述代表性品质是选自所述多个参数映射的代表性参数映射。
所述多个品质是针对在所述图案化过程期间处理的衬底的批次的与所述图案化过程的多个参数映射对应的一个或更多个校正，所述多个参数映射中的每个参数映射是从量测数据以及从所述图案化过程的设备的数据产生的。所述代表性品质是选自对所述图案化过程的一个或更多个校正的代表性校正。
在实施例中，所述代表性品质的选择基于对所述多个品质的加权平均。
在实施例中，所述代表性品质的选择基于对所述图案化过程的设备的校正潜力。
在实施例中，所述校正包括针对用于后续批次衬底中的衬底的所述设备的校正，针对用于待在后续设备处进行处理的所述批次衬底内的衬底的后续处理设备的校正，和/或针对所述图案化过程的至少一个其他设备的校正。
所述图案化过程的参数是重叠、临界尺寸、聚焦和/或边缘放置误差。
所述设备是扫描器。
与所述扫描器相关的数据包括调平数据、对准数据、与投影系统相关联的像差数据，和/或掩模版相位。
所述多个参数映射包括用于一个或更多个参数的参数映射，所述一个或更多个参数包括重叠、临界尺寸、聚焦、和/或边缘放置误差。所述多个参数映射中的每个参数映射是参数的高密度映射，该高密度映射是通过建模和/或模拟所述图案化过程的一个或更多个处理变量对所述参数的贡献而产生的。处理变量是聚焦和/或剂量。
此外，根据本发明的实施例，提供一种用于应用对图案化过程的校正的方法，所述方法包括：获得(i)选自所述图案化过程的多个品质的代表性品质和(ii)基于所述代表性品质的校正；和由硬件计算机系统针对同一衬底的后续层、所述批次衬底内的衬底和/或针对后续批次衬底的衬底来应用对所述图案化过程的校正。
所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的。所述代表性品质是选自所述多个参数映射的代表性参数映射。
所述多个品质是针对在所述图案化过程期间处理的批次衬底的与所述图案化过程的多个参数映射对应的一个或更多个校正，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的。所述代表性品质是选自对所述图案化过程的一个或更多个校正的代表性校正。
所述代表性品质的选择基于所述多个品质的加权平均。
所述代表性品质的选择基于所述图案化过程的设备的校正潜力。
此外，根据本发明的实施例，提供一种用于确定对图案化过程的校正的方法，所述方法包括：(i)针对先前经处理批次衬底获得所述图案化过程的多个品质，(ii)获得当前衬底的测量结果，和(iii)基于所述当前衬底的测量结果获得当前品质；由硬件计算机系统基于所述当前品质与所述多个品质之间的比较来从所述多个品质识别一匹配品质；和由所述硬件计算机系统基于所述匹配品质来确定对所述图案化过程的校正。
所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的。所述当前品质是从所述当前衬底的测量结果产生的当前衬底映射。所述匹配品质是基于在所述当前衬底映射与所述多个参数映射之间的比较来从所述多个参数映射识别的匹配参数映射。
所述多个品质是对应于多个参数映射的一个或更多个校正，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的。所述当前品质是基于从所述当前衬底的测量结果而产生的当前衬底映射的当前校正。所述匹配品质是基于在所述当前校正与所述一个或更多个校正之间的比较来从所述一个或更多个校正识别的匹配校正映射。
所述方法还包括以下步骤：通过建模和/或模拟，基于所述当前衬底的测量结果和所述图案化过程的设备的数据来获得建模参数映射；和由所述硬件计算机系统基于在所述建模参数映射与所述多个参数映射之间的比较来从所述多个参数映射识别出匹配参数映射；和由所述硬件计算机系统基于所述匹配参数映射来确定对所述图案化过程的校正。
所述方法还包括以下步骤：基于所述多个所述参数映射来获得一个或更多个衬底类别和/或与所述一个或更多个衬底类别对应的一个或更多个校正；由所述硬件计算机系统基于所述当前衬底的测量结果来从所述一个或更多个衬底类别中识别衬底类别；和由所述硬件计算机系统选择与所识别衬底类别对应的对所述图案化过程的校正。
所述匹配品质的选择基于所述多个品质的加权平均。
所述匹配品质的选择基于所述图案化过程的设备的校正潜力。
所述校正包括：针对所述批次衬底内的衬底对后续设备进行校正，针对后续批次衬底的衬底对所述设备进行校正，和/或对所述图案化过程的其他设备进行校正。
此外，根据本发明的实施例，提供一种用于应用对图案化过程的校正的方法，所述方法包括：
(i)针对先前经处理衬底从所述图案化过程的多个品质获得匹配品质，该匹配品质是基于在当前品质与所述多个品质之间的比较而识别的，所述当前品质基于所述当前衬底的测量结果，和(ii)获得基于所述匹配品质的校正；和由硬件计算机系统针对所述当前衬底应用对所述图案化过程的校正。
所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的。所述当前品质是从所述当前衬底的测量结果产生的当前衬底映射。所述匹配品质是基于在所述当前衬底映射与所述多个参数映射之间的比较来从所述多个参数映射识别的匹配参数映射。
所述多个品质是与多个参数映射对应的一个或更多个校正，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的。所述当前品质是基于从所述当前衬底的测量结果产生的当前衬底映射的当前校正。所述匹配品质是基于在所述当前校正与所述一个或更多个校正之间的比较来从所述一个或更多个校正识别的匹配校正映射。
所述方法还包括以下步骤：通过建模和/或模拟，基于所述当前衬底的测量结果和所述图案化过程的设备的数据来获得建模参数映射；和由所述硬件计算机系统基于所述建模参数映射与所述多个参数映射之间的比较来从所述多个参数映射识别所述匹配参数映射；和由所述硬件计算机系统基于所述匹配参数映射来确定对所述图案化过程的校正。
所述方法还包括以下步骤：基于所述多个所述参数映射来获得一个或更多个衬底类别和/或与所述一个或更多个衬底类别对应的一个或更多个校正；和由所述硬件计算机系统基于所述当前衬底的测量结果来从所述一个或更多个衬底类别中识别衬底类别；和由所述硬件计算机系统选择与所识别衬底类别对应的校正。
所述匹配品质的选择基于所述多个品质的加权平均。
所述匹配品质的选择基于所述图案化过程的设备的校正潜力。
所述校正包括：针对所述批次衬底内的衬底对后续设备进行校正，针对后续批次衬底的衬底对所述设备进行校正，和/或对所述图案化过程的其他设备进行校正。
附图说明
图1示意性地描绘了根据实施例的光刻设备。
图2示意性地描绘了光刻单元或光刻簇的实施例；
图3示意性地描绘了示例检查设备和量测技术。
图4示意性地描绘了示例检查设备。
图5图示了检查设备的照射斑与量测目标之间的关系。
图6示意性地描绘了基于量测数据导出多个关注的变量的过程。
图7示出了处理变量的示例性类别。
图8示意性地示出了处理变量的改变可以对量测数据有贡献。
图9示意性地示出了导出对处理变量的组合贡献的示例。
图10示意性地示出了从量测数据导出对于处理变量的贡献的示例。
图11示意性地示出了用于根据实施例的方法的流程。
图12示意性地示出了用于根据实施例的方法的流程。
图13示意性地示出了用于根据实施例的方法的流程。
图14示意性地示出了用于根据实施例的方法的流程。
图15示意性地示出了用于根据实施例的方法的流程。
图16示意性地示出了用于根据实施例的方法的流程。
图17A示意性地示出了用于根据实施例的方法的流程。
图17B图示了根据实施例的高密度映射的示例类别。
图18示意性地示出了用于根据实施例的方法的流程。
图19示意性地示出了用于根据实施例的方法的流程。
图20示意性地示出了用于根据实施例的(a)设置方法和(b)计算量测方法的流程。
图21是示例性计算机系统的框图。
图22示意性地示出了用于根据实施例的方法的流程。
具体实施方式
在详细地描述实施例之前，呈现可供实施实施例的示例性环境是有指导性的。
在详细地描述实施例之前，呈现可供实施实施例的示例性环境是有指导性的。
图1示意性地描绘了光刻设备LA的实施例。该设备包括：
-照射系统(照射器)IL，其被配置为调节辐射束B(例如UV辐射或DUV辐射)；
-支撑结构(例如掩模台)MT，其被构造成支撑图案形成装置(例如掩模)MA，并且连接到被配置为根据某些参数来准确地定位图案形成装置的第一定位装置PM；
-衬底台(例如晶片台)WT(例如WTa、WTb或它们两者)，其被构造成保持衬底(例如涂覆有抗蚀剂的晶片)W，并且连接到被配置为根据某些参数来准确地定位衬底的第二定位装置PW；以及
-投影系统(例如折射型投影透镜系统)PS，其被配置为将由图案形成装置MA赋予辐射束B的图案投影到衬底W的目标部分C(例如，包括一个或多个管芯，并且经常被称为场)上，该投影系统被支撑于参考框架(RF)上。
如这里所描绘的，该设备是透射型的(例如，使用透射型掩模)。可替代地，该设备可以是反射型的(例如，使用如上文所提及的类型的可编程反射镜阵列或者使用反射型掩模)。
照射器IL接收来自辐射源SO的辐射束。例如，当辐射源是准分子激光器时，辐射源与光刻设备可以是分立的实体。在这些情况下，不认为源SO形成光刻设备的一部分，并且辐射束是借助包括例如合适的导向反射镜和/或扩束器的束传送系统BD而从源SO传递至照射器IL。在其他情况下，例如，当源是汞灯时，源可以是设备的组成部分。源SO和照射器IL连同束传送系统BD(在需要时)可以被称为辐射系统。
照射器IL可以改变束的强度分布。照射器可以被配置为限制辐射束的径向范围，使得在照射器IL的光瞳平面中的环形区内的强度分布是非零的。另外或者替代地，照射器IL可操作以限制束在光瞳平面中的分布，使得在光瞳平面中的多个等距间隔开的区段中的强度分布是非零的。辐射束在照射器IL的光瞳平面中的强度分布可以被称为照射模式。
因此，照射器IL可以包括被配置为调整束的(角度/空间)强度分布的调整器AM。通常，可调整照射器的光瞳平面中的强度分布的至少外部和/或内部径向范围(通常分别被称为σ外部和σ内部)。照射器IL能够操作以改变束的角度分布。例如，照射器能够操作以改变强度分布为非零的光瞳平面中的区段的数目及角范围。通过调整束在照射器的光瞳平面中的强度分布，可以实现不同照射模式。例如，通过限制照射器IL的光瞳平面中的强度分布的径向范围及角范围，强度分布可以具有多极分布，诸如偶极、四极或六极分布。可以例如通过将提供所述照射模式的光学器件插入照射器IL中或使用空间光调变器来获得期望的照射模式。
照射器IL能够操作以改变束的偏振并且能够操作以使用调整器AM来调整偏振。横跨照射器IL的光瞳平面的辐射束的偏振状态可以被称为偏振模式。使用不同偏振模式可以允许在形成于衬底W上的图像中实现较大对比度。辐射束可以是非偏振的。可替代地，照射器可以被配置为使辐射束线性地偏振。辐射束的偏振方向可以横跨照射器IL的光瞳平面而变化。辐射的偏振方向在照射器IL的光瞳平面中的不同区中可以不同。可以依赖于照射模式来选择辐射的偏振状态。对于多极照射模式，辐射束的每一极的偏振可以基本上垂直于照射器IL的光瞳平面中的所述极的位置向量。例如，对于偶极照射模式，辐射可以在基本上垂直于将偶极的两个对置区段二等分的线的方向上线性地偏振。辐射束可以在两个不同正交方向中的一个方向上偏振，其可以被称为X偏振状态及Y偏振状态。对于四极照射模式，每一极的区段中的辐射可以在基本上垂直于将所述区段二等分的线的方向上线性地偏振。该偏振模式可以被称为XY偏振。相似地，对于六极照射模式，每一极的区段中的辐射可以在基本上垂直于将所述区段二等分的线的方向上线性地偏振。该偏振模式可以被称为TE偏振。
另外，照射器IL通常包括各种其他组件，诸如积分器IN和聚光器CO。照射系统可以包括用于引导、成形或控制辐射的各种类型的光学组件，诸如包括折射型、反射型、磁性型、电磁型、静电或其他类型的光学组件，或者它们的任何组合。
因此，照射器提供在横截面中具有期望的均一性和强度分布的经调节辐射束B。
支撑结构MT以依赖于图案形成装置的取向、光刻设备的设计及其他条件(诸如图案形成装置是否被保持于真空环境中)的方式来支撑图案形成装置。支撑结构可以使用机械、真空、静电或其他夹持技术来保持图案形成装置。支撑结构可以是例如框架或台，其可以视需要而是固定的或者可移动的。支撑结构可以确保图案形成装置例如相对于投影系统处于期望的位置。可以认为本文中对术语“掩模版”或“掩模”的任何使用与更上位的术语“图案形成装置”同义。
本文中使用的术语“图案形成装置”应该被宽泛地解释为是指可以用于在衬底的目标部分中赋予图案的任何装置。在实施例中，图案形成装置是可以用于在辐射束的横截面中向辐射束赋予图案以便在衬底的目标部分中产生图案的任何装置。应该注意的是，例如，如果被赋予辐射束的图案包括相移特征或所谓的辅助特征，则该图案可能不确切地对应于衬底的目标部分中的期望的图案。通常，被赋予辐射束的图案将对应于目标部分中所产生的器件(诸如集成电路)中的特定功能层。
图案形成装置可以是透射型的或反射型的。图案形成装置的示例包括掩模、可编程反射镜阵列以及可编程LCD面板。掩模在光刻中是公知的，并且包括诸如二元、交变相移和衰减式相移的掩模类型，以及各种混合掩模类型。可编程反射镜阵列的示例使用小反射镜的矩阵配置，这些小反射镜中的每个小反射镜可以独立地倾斜，以便使入射辐射束在不同方向上反射。倾斜反射镜在由反射镜矩阵反射的辐射束中赋予图案。
本文中使用的术语“投影系统”应该被宽泛地解释为涵盖适于所使用的曝光辐射或者适于诸如浸没液体的使用或真空的使用的其他因素的任何类型的投影系统，包括折射型、反射型、反射折射型、磁性型、电磁型和静电型光学系统，或者它们的任何组合。可以认为本文中对术语“投影透镜”的任何使用均与更上位的术语“投影系统”同义。
投影系统PS具有可能非均一且可能影响成像于衬底W上的图案的光学传递函数。对于非偏振辐射，这些效应可以由两个纯量映射相当良好地描述，这两个纯量映射描述依据射出投影系统PS的辐射的光瞳平面中的位置而变化的该辐射的透射(变迹)和相对相位(像差)。可以将可以被称为透射映射及相对相位映射的这些纯量映射表达为基底函数之完整集合的线性组合。一特别适宜的集合为泽尼克(Zernike)多项式，其形成单位圆上所定义的正交多项式集合。每一纯量映射的确定可能涉及确定该展开式中的系数。因为泽尼克多项式在单位圆上正交，所以可以通过依次计算测定纯量映射与每个泽尼克多项式的内积并且将该内积除以所述泽尼克多项式的范数的平方来确定泽尼克系数。
透射映射及相对相位映射是场及系统依赖的。也就是说，通常，每一投影系统PS将针对每一场点(即，针对投影系统PS的图像平面中的每一空间部位)具有不同泽尼克展开式。可以通过将辐射例如从投影系统PS的对象平面(即，图案形成装置MA的平面)中的类点源投影通过投影系统PS并且使用剪切干涉计以测量波前(即，具有相同相位的点的轨迹)来确定投影系统PS在其光瞳平面中的相对相位。剪切干涉计是共同路径干涉计，并且因此有利地，无需次级参考束来测量波前。剪切干涉计可以包括投影系统的图像平面(即，衬底台WT)中的衍射光栅(例如二维栅格)以及被配置为检测与投影系统PS的光瞳平面共轭的平面中的干涉图案的检测器。干涉图案系与辐射的相位相对于在剪切方向上的光瞳平面中的坐标的导数相关。检测器可以包括感测元件阵列，诸如电荷联接器件(CCD)。
光刻设备的投影系统PS可能不产生可见条纹，并且因此可以使用相位步进技术(诸如移动衍射光栅)来增强波前确定的准确度。可以在衍射光栅的平面中以及在垂直于量测的扫描方向的方向上执行步进。步进范围可以是一个光栅周期，并且可以使用至少三个(均一地分布)相位步进。因此，例如，可以在y方向上执行三个扫描测量，在x方向上针对不同位置执行每一扫描测量。衍射光栅的步进将相位变化有效地变换成强度变化，从而允许确定相位信息。光栅可以在垂直于衍射光栅的方向(z方向)上步进以校准检测器。
可以在两个垂直方向上依次地扫描衍射光栅，这两个垂直方向可以与投影系统PS的坐标系的轴线(x和y)重合或者可以与这些轴线成诸如45度的角度。可以横跨整数个光栅周期(例如一个光栅周期)执行扫描。扫描使在一个方向上的相位变化达到平均数，从而允许重构在另一方向上的相位变化。这样允许依据两个方向来确定波前。
可以通过将辐射例如从投影系统PS的对象平面(即，图案形成装置MA的平面)中的类点源投影通过投影系统PS并且使用检测器来测量与投影系统PS的光瞳平面共轭的平面中的辐射强度来确定投影系统PS在其光瞳平面中的透射(变迹)。可以使用与用于测量波前以确定像差的检测器相同的检测器。
投影系统PS可以包括多个光学(例如透镜)元件，并且还可以包括调整机构AM，该调整机构AM被配置为调整光学元件中的一个或多个光学元件以便校正像差(横跨整个场中的光瞳平面的相位变化)。为了实现该校正，调整机构可操作以按一种或多种不同方式操纵投影系统PS内的一个或多个光学(例如透镜)元件。投影系统可以具有一坐标系，其中，该投影系统的光轴在z方向上延伸。调整机构可操作以进行以下各项的任何组合：使一个或多个光学元件位移；使一个或多个光学元件倾斜；和/或使一个或多个光学元件变形。光学元件的位移可以在任何方向(x、y、z或其组合)上进行。光学元件之倾斜通常在垂直于光轴的平面外，通过围绕在x和/或y方向上的轴线旋转而进行，但对于非旋转对称的非球面光学元件可以使用围绕z轴的旋转。光学元件的变形可以包括低频形状(例如像散)和/或高频形状(例如自由形式非球面)。可以例如通过使用一个或多个致动器以对光学元件的一个或多个侧施加力和/或通过使用一个或多个加热元件以加热光学元件的一个或多个选定区来执行光学元件的变形。通常，可能无法调整投影系统PS以校正变迹(横跨跨光瞳平面的透射变化)。当设计用于光刻设备LA的图案形成装置(例如掩模)MA时，可以使用投影系统PS的透射映射。使用计算光刻技术，图案形成装置MA可以被设计为至少部分地校正变迹。
光刻设备可以是具有两个(双平台)或更多台(例如，两个或更多衬底台WTa、WTb、两个或更多图案形成装置台、在没有专用于例如促进测量和/或清洁等的衬底的投影系统下方的衬底台WTa和台WTb)的类型。在这些“多平台”机器中，可以并行地使用额外的台，或者可以对一个或多个台进行预备步骤，同时将一个或多个其他台用于曝光。例如，可以进行使用对准传感器AS的对准量测和/或使用水准传感器LS的水平(高度、倾角等)测量。
光刻设备还可以是如下类型：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，以便填充投影系统与衬底之间的空间。还可以将浸没液体施加到光刻设备中的其他空间，例如图案形成装置与投影系统之间的空间。浸没技术在此项技术中被熟知用于增大投影系统的数值孔径。本文中使用的术语“浸没”不意味着诸如衬底的结构必须浸没于液体中，而是仅意味着液体在曝光期间位于投影系统与衬底之间。
因此，在光刻设备的操作中，辐射束经调节并且由照射系统IL提供。辐射束B入射于图案形成装置(例如掩模)MA上，图案形成装置MA保持于支撑结构(例如掩模台)MT上并且由图案形成装置图案化。在已经横穿图案形成装置MA的情况下，辐射束B穿过投影系统PS，投影系统PS将该束聚焦到衬底W的目标部分C上。借助第二定位装置PW及位置传感器IF(例如干涉器、线性编码器、2-D编码器或电容式传感器)，衬底台WT可以准确地移动，例如以便将不同目标部分C定位于辐射束B的路径中。相似地，第一定位装置PM及另一位置传感器(图1中未明确描绘)可以用于例如在从掩模库机械获取之后或者在扫描期间，相对于辐射束B的路径准确地定位图案形成装置MA。通常，可以借助形成第一定位装置PM的一部分的长行程模块(粗定位)及短行程模块(精定位)来实现支撑结构MT的移动。相似地，可以使用形成第二定位装置PW的一部分的长行程模块及短行程模块来实现衬底台WT的移动。在步进器(与扫描器相对)的情况下，支撑结构MT可以仅连接到短行程致动器，或者可以是固定的。可以使用图案形成装置对准标记M1、M2及衬底对准标记P1、P2来对准图案形成装置MA及衬底W。尽管所图示的衬底对准标记占据了专用目标部分，但是所述标记可以位于目标部分之间的空间中(这些标记被称为划线对准标记)。相似地，在多于一个管芯被提供于图案形成装置MA上的情形中，图案形成装置对准标记可以位于管芯之间。
所描绘装置可以用于以下模式中的至少一模式中：
1.在步进模式中，在将被赋予辐射束的整个图案一次投影到目标部分C上时，使支撑结构MT及衬底台WT保持基本上静止(即，单次静态曝光)。然后，使衬底台WT在X和/或Y方向上移位，使得可以曝光不同目标部分C。在步进模式中，曝光场的最大尺寸限制单次静态曝光中所成像的目标部分C的尺寸。
2.在扫描模式中，在将被赋予辐射束的图案投影到目标部分C上时，同步地扫描支撑结构MT及衬底台WT(即，单次动态曝光)。可以通过投影系统PS的放大率(缩小率)及图像反转特性来确定衬底台WT相对于支撑结构MT的速度及方向。在扫描模式中，曝光场的最大尺寸限制单次动态曝光中的目标部分的宽度(在非扫描方向上)，而扫描运动的长度确定目标部分的长度(在扫描方向上)。
3.在另一模式中，在将被赋予辐射束的图案投影到目标部分C上时，使支撑结构MT保持基本上静止，从而保持可编程图案形成装置，并且移动或扫描衬底台WT。在此模式中，通常使用脉冲式辐射源，并且在衬底台WT的每一次移动之后或在扫描期间的连续辐射脉冲之间根据需要而更新可编程图案形成装置。该操作模式可以容易地应用于利用可编程图案形成装置(诸如上文所提及的类型的可编程反射镜阵列)的无掩模光刻术。
还可以使用对上文所描述的使用模式的组合和/或变型或完全不同的使用模式。
尽管在本文中可以特定地参考光刻设备在IC制造中的使用，但是应该理解，本文中描述的光刻设备可以具有其他应用，诸如制造集成光学系统、用于磁畴存储器的引导及检测图案、液晶显示器(LCD)、薄膜磁头等。本领域技术人员将明白，在这些可替代的应用的情境中，可以认为本文中对术语“晶片”或“管芯”的任何使用分别与更上位的术语“衬底”或“目标部分”同义。可以在曝光之前或之后在例如轨道或涂覆显影系统(通常将抗蚀剂层施加到衬底并且显影经曝光抗蚀剂的工具)或者量测或检测工具中处理本文中提及的衬底。在适用情况下，可以将本文中的内容应用于这些及其他衬底处理工具。另外，可以将衬底处理多于一次，例如以便产生多层IC，使得本文中使用的术语“衬底”还可以指已经包含多个经处理层的衬底。
本文中使用的术语“辐射”和“束”涵盖所有类型的电磁辐射，包括紫外(UV)辐射(例如具有365、248、193、157或126nm的波长)以及极紫外(EUV)辐射(例如具有在5-20nm范围内的波长)以及诸如离子束或电子束的粒子束。
在图案形成装置上的、或者由图案形成装置提供的各种图案可以具有不同过程窗口，即，处理变量的空间，且依据于这种处理变量的空间，将在规格内而产生图案。与潜在系统性缺陷有关的图案规格的示例包括检查颈缩、线拉回、线薄化、CD、边缘放置、重叠、抗蚀剂顶部损耗、抗蚀剂底切和/或桥接。可以通过合并每个单独图案的过程窗口(例如使这些过程窗口重叠)来获得图案形成装置或其区域上的所有图案的过程窗口。所有图案的过程窗口的边界包含多个单独图案中的一些单独图案的过程窗口的边界。换言之，这些单独图案限制所有图案的过程窗口。这些图案可以被称为“热点”或“过程窗口限制图案(PWLP)”，“热点”与“过程窗口限制图案(PWLP)”在本文中能够互换地使用。当控制图案化过程的一部分时，有可能发生的且经济的是集中于热点。当热点没有缺陷时，最有可能的是所有图案均无缺陷。
如图2所示，光刻设备LA可以形成光刻单元LC(有时也被称为光刻元或光刻簇)的一部分，光刻单元LC还包括用于对衬底执行曝光前处理及曝光后处理的设备。常规地，这些设备包括用于沉积一个或多个抗蚀剂层的一个或多个旋涂器SC、用于显影经曝光抗蚀剂的一个或多个显影器DE、一个或多个激冷板CH和/或一个或多个焙烤板BK。衬底输送装置或机器人RO从输入/输出端口I/O1、I/O2拾取一个或更多个衬底，将它们在不同过程设备之间移动并且将它们传送至光刻设备的装载台LB。经常被统称为涂覆显影系统或轨道(track)的这些设备由涂覆显影系统控制单元或轨道控制单元TCU控制，涂覆显影系统控制单元或轨道控制单元自身受管理控制系统SCS控制，管理控制系统SCS也经由光刻控制单元LACU来控制光刻设备。因而，不同设备可以被操作以最大化吞吐量和处理效率。
为了正确且一致地曝光由光刻设备曝光的衬底和/或为了监测包括至少一个图案转印步骤(例如，光学光刻步骤)的图案化过程(例如器件制造过程)的一部分，需要检查衬底或其他物体以测量或确定一个或更多个属性，诸如对准、重叠(其可以例如在覆盖层中的结构之间或在已例如通过双重图案化过程而分别提供至该层的同一层的结构之间)、线厚度、临界尺寸(CD)、焦点偏移、材料属性等。因此，定位有光刻单元LC的制造设施通常还包括量测系统MET，该量测系统MET测量已经在该光刻元中处理的衬底W中的一些或全部或者该光刻元中的其他对象。量测系统MET可以是光刻元LC的一部分，例如，它可以是光刻设备LA的一部分(诸如对准传感器AS)。
例如，该一个或更多个所测得的参数可以包括：在形成于经图案化衬底之中或之上的连续层之间的重叠误差、例如形成于经图案化衬底之中或之上的特征的临界尺寸(CD)(例如临界线宽)、光学光刻步骤的焦点或聚焦误差、光学光刻步骤的剂量或剂量误差、光学光刻步骤的光学像差等。可以对产品衬底自身的目标和/或对设置于衬底上的专用量测目标执行此测量。可以在抗蚀剂显影后但在蚀刻前执行测量，或者可以在蚀刻后执行测量。
存在用于对在图案化过程中形成的结构进行测量的各种技术，包括使用扫描电子显微镜、以图像为基础的测量工具和/或各种专用工具。如上文所论述的，专用量测工具的快速及非侵入性形式是辐射束被引导到衬底的表面上的目标上并且对经散射(经衍射/经反射)束的属性进行测量的量测工具。通过评估由衬底散射的辐射的一个或更多个属性，可以确定衬底的一个或更多个属性。这可以被称为基于衍射的量测。这种基于衍射的量测的一个这种应用是在目标内的特征不对称性的测量中。虽然该特征不对称性的测量可以用作例如重叠的量度，但是其他应用也是已知的。例如，可以通过比较衍射光谱的相对部分(例如，比较周期性光栅的衍射光谱中的-1阶与+1阶)来测量不对称性。该测量可以如以上所描述来完成，并且如例如在全文以引用的方式合并入本文中的美国专利申请公开US2006-066855中所描述的来完成。基于衍射的量测的另一应用是在目标内的特征宽度(CD)的测量中。这些技术可以使用下文所描述的设备和方法。
因而，在器件制作过程(例如图案化过程或光刻过程)中，衬底或其他对象可以在该过程期间或之后经受各种类型的测量。该测量可以确定特定衬底是否有缺陷，可以建立对过程及过程中所使用的设备的调整(例如，对准所述衬底上的两个层或将图案形成装置对准至衬底)，可以测量过程及设备的性能，或者可以用于其他目的。测量的示例包括光学成像(例如光学显微镜)、非成像光学测量(例如基于衍射的测量，诸如ASML YieldStar量测工具、ASML SMASH量测系统)、机械测量(例如使用触控笔的仿形测量、原子力显微法(AFM))和/或非光学成像(例如扫描电子显微法(SEM))。如以全文引用的方式合并入本文中的美国专利No.6,961,116中所描述的智能对准传感器混合式(SMASH)系统使用自参考干涉计，该自参考干涉计产生对准标记物的两个重叠的并且相对地旋转的图像、检测在使图像的傅里叶变换发生干涉的光瞳平面中的强度，并且从两个图像的衍射阶之间的相位差中提取位置信息，该相位差表现为经干涉阶中的强度变化。
可以将量测结果直接或间接地提供至管理控制系统SCS。如果检测到误差，则可以对后续衬底的曝光(尤其在如果可以足够迅速且快速完成检查使得该批次的一个或更多个其他衬底仍待曝光的情况下)和/或对经曝光衬底的后续曝光进行调整。另外，已曝光的衬底可以被剥离和返工以改善良率，或者被舍弃，由此避免对已知有缺陷的衬底执行进一步处理。在衬底的仅一些目标部分有缺陷的情况下，可以仅对良好的那些目标部分执行另外曝光。
在量测系统MET内，量测设备用于确定衬底的一个或更多个属性，并且尤其确定不同衬底的一个或更多个属性如何变化或者同一衬底的不同层在不同层间如何变化。如上文所提及的，量测设备可以被集成到光刻设备LA或光刻元LC中，或者可以是独立的设备。
为了能实现量测，可以在衬底上设置一个或更多个目标。在实施例中，目标被专门设计并且可以包括周期性结构。在实施例中，目标是器件图案的一部分，例如是器件图案的周期性结构。在实施例中，器件图案是存储器器件的周期性结构(例如双极晶体管(BPT)、位线接触部(BLC)等结构)。
在实施例中，衬底上的目标可以包括一个或更多个1-D周期性结构(例如光栅)，其被印刷为使得：在显影之后，周期性结构特征由固体抗蚀剂线形成。在实施例中，目标可以包括一个或更多个2-D周期性结构(例如光栅)，其被印刷为使得：在显影之后，该一个或更多个周期性结构由抗蚀剂中的固体抗蚀剂导柱或通孔形成。栅条、导柱或通孔可替代地被蚀刻到衬底中(例如被蚀刻到衬底上的一个或更多个层中)。
在实施例中，图案化过程的关注的参数中的一个参数是重叠。可以使用暗场散射量测法来测量重叠，其中，阻挡了零阶衍射(对应于镜面反射)，并且仅处理高阶。可以在PCT专利申请公开号WO 2009/078708和WO 2009/106279中发现暗场量测的示例，所述专利申请公开的全部内容以引用的方式并入本文中。美国专利申请公开US2011-0027704、US2011-0043791和US2012-0242970中已经描述了该技术的进一步发展，这些专利申请公开的全部内容以引用的方式并入本文中。使用衍射阶的暗场检测的基于衍射的重叠能实现对较小目标的重叠量测。这些目标可以小于照射斑并且可以由衬底上的器件产品结构环绕。在实施例中，可以在一次辐射捕获中测量多个目标。
图3描绘了示例检查设备(例如散射仪)。该检查设备包括将辐射投影到衬底W上的宽带(白光)辐射投影仪2。重新导向的辐射被传递至光谱仪检测器4，该光谱仪检测器测量了镜面反射辐射的光谱10(强度依据波长而变化)，例如在左下方的曲线图中所示出的。根据此数据，可以由处理器PU例如通过严格耦合波分析及非线性回归、或通过与如图3的右下方所示出的模拟光谱库的比较来重构产生所检测到的光谱的结构或廓形。通常，对于重构，结构的一般形式是公知的，并且根据供制造所述结构的过程的知识来假定一些变量，从而仅留下结构的一些参数以根据所测量的数据来确定。这样一种检查设备可以被配置为正入射检查设备或斜入射检查设备。
图4中示出了可以使用的另一检查设备。在此装置中，由辐射源2发射的辐射使用透镜系统12来进行准直并且被透射通过干涉滤光器13和偏振器17、由部分反射表面16反射并且经由物镜15而被聚焦到衬底W上的斑S中，物镜15具有高数值孔径(NA)，理想地是至少0.9或至少0.95。浸没检查设备(使用相对较高折射率流体，诸如水)甚至可以具有大于1的数值孔径。
如在光刻设备LA中的情况，可以在测量操作期间提供一个或更多个衬底台以保持衬底W。该衬底台可以在形式上与图1的衬底台WT相似或相同。在检查设备与光刻设备集成的示例中，衬底台可以甚至是相同的衬底台。可以将粗定位装置和精定位装置提供至第二定位装置PW，该第二定位装置PW被配置为相对于测量光学系统准确地定位所述衬底。提供各种传感器和致动器例如用以获取关注的目标的位置，并且用以将关注的目标带到物镜15下方的位置中。通常将对跨越整个衬底W的不同部位处的目标进行许多测量。可以在X和Y方向上移动所述衬底支撑件以获取不同目标，并且可以在Z方向上移动衬底支撑件以获得目标相对于光学系统的焦点的期望的部位。例如，当实践中所述光学系统可以保持基本上静止(通常在X和Y方向上，但可能也在Z方向上)并且仅衬底移动时，方便地将操作考虑并描述为如同物镜被带到相对于衬底的不同部位。假设衬底和光学系统的相对位置是正确的，则衬底和光学系统中的哪一者在现实中移动，或是否两者都移动，或该光学系统的一部分的组合移动(例如在Z和/或倾斜方向上)并且该光学系统的其余部分静止并且衬底移动(例如在X及Y方向上，并且还可选地在Z和/或倾斜方向上)，这些在原则上并不重要。
由衬底W重新导向的辐射随后传递穿过部分反射表面16进入检测器18中以便使光谱被检测到。检测器18可以位于背向投影式焦平面11处(即，位于透镜系统15的焦距处)，或者平面11可以利用辅助光学器件(未示出)而被重新成像至检测器18上。该检测器可以是二维检测器，使得可以测量衬底目标30的二维角度散射光谱。检测器18可以是例如CCD或CMOS传感器阵列，并且可以使用例如每帧40毫秒的积分时间。
参考束可以用于例如测量入射辐射的强度。为了进行该测量，当辐射束入射于部分反射表面16上时，辐射束的一部分被透射通过部分反射表面16作为朝向参考反射镜14的参考束。然后，将参考束投影到同一检测器18的不同部分上或替代地投影到不同检测器(未示出)上。
一个或更多个干涉滤光器13可以用于选择在为比如405至790nm或甚至更低(诸如200至300nm)的范围内的关注的波长。干涉滤光器可以是可调谐的，而非包括一组不同滤光器。可以使用光栅代替干涉滤光器。孔径光阑或空间光调变器(未示出)可以被设置于照射路径中以控制辐射在目标上的入射角的范围。
检测器18可以测量在单一波长(或窄波长范围)情况下的经重新导向辐射的强度、分离地处于多个波长情况下的经重新导向辐射的强度，或遍及某一波长范围而积分的经重新导向辐射的强度。此外，检测器可以单独地测量横向磁偏振辐射和横向电偏振辐射的强度，和/或横向磁偏振辐射与横向电偏振辐射之间的相位差。
衬底W上的目标30可以是1-D光栅，其被印刷为使得在显影之后，栅条是由固体抗蚀剂线形成。目标30可以是2-D光栅，其被印刷为使得在显影之后，光栅是由抗蚀剂中的固体抗蚀剂导柱或通孔形成。栅条、导柱或通孔可以被蚀刻到衬底中或衬底上(例如被蚀刻到衬底上的一个或更多个层中)。图案(例如，栅条、导柱或通孔的图案)对图案化过程的处理中的改变(例如，光刻投影设备(特定而言，投影系统PS)中的光学像差、聚焦改变、剂量改变等)敏感，并且将显现为呈经印刷光栅中的变型。因此，印刷光栅的测量数据被用于重构光栅。根据印刷步骤和/或其他检查过程的知识，1-D光栅的一个或更多个参数(诸如线宽和/或形状)或2-D光栅的一个或更多个参数(诸如导柱或通孔宽度或长度或形状)可以被输入至由处理器PU执行的重构过程。
除了通过重构进行参数的测量以外，角度分辨散射量测也是在对产品和/或抗蚀剂图案中的特征的不对称性的测量中有用的。不对称性测量的特定应用是用于对重叠的测量，其中，目标30包括叠置于另一组周期性特征上的一组周期性特征。使用图3或图4的仪器而进行的不对称性测量的构思例如在美国专利申请公开US2006-066855中加以描述，该公开的全文并入本文中。简单地陈述，虽然目标的衍射光谱中的衍射阶的位置仅由目标的周期性而确定，但衍射光谱中的不对称性指示了构成目标的单独特征中的不对称性。在图4的仪器中(其中，检测器18可以是图像传感器)，衍射阶中的这种不对称性直接呈现为由检测器18记录的光瞳图像中的不对称性。可以通过单元PU中的数字图像处理来测量这种不对称性，并且相对于已知的重叠值来校准这种不对称性。
图5图示了典型目标30的平面图，以及图4的设备中的照射斑S的范围。在实施例中，为了获得没有来自周围结构的干涉的衍射光谱，目标30是比照射斑S的宽度(例如，直径)更大的周期性结构(例如光栅)。斑S的宽度可以小于目标的宽度和长度。换句话说，目标是由照射“填充不足”或“欠填充”，并且衍射信号基本上没有来自目标自身外部的产品特征及其类似物的任何信号。照射布置2、12、13、17可以被配置为提供跨越物镜15的整个后焦面的均一强度的照射。替代地，通过例如在照射路径中包括孔径，照射可被局限于同轴或离轴方向。
图6示意性地描绘了基于使用量测而获得的量测数据来进行目标图案30’的一个或更多个关注的变量的值的确定的示例过程。由检测器18检测到的辐射提供用于目标30’的所测量辐射分布108。
对于给定目标30’，可以使用例如数值麦克斯韦求解器210来从参数化模型206计算/模拟辐射分布208。参数化模型206示出构成目标以及与该目标相关联的各种材料的示例层。参数化模型206可以包括针对在考虑中的目标部分的特征和层的一个或更多个变量，其可被改变并且被导出。如图6所示，变量中的一个或更多个变量可以包括一个或更多个层的厚度t、一个或更多个特征的宽度w(例如，CD)、一个或更多个特征的高度h和/或一个或更多个特征的侧壁角α。尽管未示出，但变量中的一个或更多个变量还可以包括但不限于：层中的一个或更多个层的折射率(例如，真折射率或复折射率、折射率张量等)、一个或更多个层的消光系数、一个或更多个层的吸收率、在显影期间的抗蚀剂损失、一个或更多个特征的基脚，和/或一个或更多个特征的线边缘粗糙度。所述变量的初始值可以是针对所测量的目标所预期的值。然后，在212处比较所测量辐射分布108与所计算辐射分布208以确定两者之间的差。如果存在差，则可改变所述参数化模型206的变量中的一个或更多个变量的值，计算新的所计算辐射分布208且将其与所测量辐射分布108进行比较，直至在所测量辐射分布108与所计算辐射分布208之间存在足够匹配为止。此时，参数化模型206的变量的值提供实际目标30’的几何形状的良好或最佳匹配。在实施例中，当所测量辐射分布108与所计算辐射分布208之间的差在容许阈值内时存在足够匹配。
图案化过程的变量被称为“处理变量”。图案化过程可以包括光刻设备中的图案的实际转印上游和下游的过程。图7示出了处理变量370的示例性类别。第一类别可以是光刻设备或用于光刻过程中的任何其他设备的变量310。此类别的示例包括光刻设备的照射、投影系统、衬底平台等的变量。第二类别可以是在图案化过程中所执行的一个或更多个工序的变量320。此类别的示例包括焦点控制或焦点测量、剂量控制或剂量测量、带宽、曝光持续时间、显影温度、用于显影中的化学成份等。第三类别可以是设计布局的、及其在图案形成装置中的实施的、或使用图案形成装置进行的实施的变量330。此类别的示例可以包括辅助特征的形状和/或部位、通过分辨度增强技术(RET)而应用的调整、掩模特征的CD，等等。第四类别可以是衬底的变量340。示例包括抗蚀剂层下方的结构的特性、抗蚀剂层的化学成份和/或实体尺寸，等等。第五类别可以是图案化过程的一个或更多个变量的时间变化的特性350。此类别的示例包括高频平台移动(例如，频率、振幅等)、高频激光带宽改变(例如频率、振幅等)和/或高频激光波长改变的特性。这些高频改变或移动是高于用以调整基础参数(例如平台位置、激光强度)的机构的响应时间的高频改变或移动。第六类别可以是光刻设备中的图案转印上游或下游的过程的特性360，这些过程诸如旋涂、曝光后焙烤(PEB)、显影、蚀刻、沉积、掺杂和/或封装。
如将明白，这些变量中的许多变量(如果非全部变量)将对图案化过程的参数有影响且经常对关注的参数有影响。图案化过程的参数的非限制性示例可以包括临界尺寸(CD)、临界尺寸均一性(CDU)、焦点、重叠、边缘位置或放置、侧壁角、图案移位等。经常，这些参数表达与标称值(例如设计值、平均值等)相比的误差。参数值可以是单独图案的特性的值或图案群组的特性的统计量(例如平均值、方差等)。
处理变量中的一些或全部的值，或与其相关的参数的值可以通过合适方法来确定。例如，可以从利用各种量测工具(例如衬底量测工具)而获得的数据来确定值。值可以从该图案化过程中的设备的各种传感器或系统(例如，光刻设备的传感器(诸如调平传感器或对准传感器)、光刻设备的控制系统(例如，衬底或图案形成装置台控制系统)、轨道工具或涂覆显影系统工具中的传感器，等等)获得。所述值可来自图案化过程的操作者。
现在，量测主要在所花费的时间方面越来越变成一种负担。例如，在半导体行业中出现多种图案化技术时尤其是这种情况。利用诸如光刻-蚀刻-光刻-蚀刻(LELE)和/或侧壁辅助双重图案化(SADP)之类的多种图案化技术，处理步骤的数目已经显著增加并且因此，用于控制以及良率监测的量测步骤的数量也增加。此外，随着在多个图案化步骤中使用较多层并且每层使用较多图案化步骤，则量测的数量针对每个点增大(即，特征尺寸减小)。
另外或者替代地，存在对于缺陷确定和/或受引导缺陷检测的有所增加的要求。这与之前的情形相比涉及实质上更密集的焦点、重叠和/或CD量测。
另外或者替代地，关于器件上的CD、重叠和/或焦点性能方面有日益收紧/加强的规格。这驱动例如曝光工具和处理工具(例如，沉积、蚀刻、轨道或涂覆显影系统、化学机械抛光(CMP)等)从一个节点至下一节点的制造设备规格。因此，这驱动对性能的更严格控制和监测，这继而驱动了针对用于控制和监测而不断增加数量的量测的要求。
另外或者替代地，与关于器件上的CD、焦点和/或重叠性能方面的规格收紧一致地，可能需要高阶校正。高阶校正基本上是跨越所述衬底的全部或部分在小空间尺度上具选择性的校正性动作(例如，以高空间分辨度进行的校正)。高阶校正涉及用于量测的每衬底的较密集取样，由此增加量测负担至可能会超出量测设备生产率的实际限制。
另外或者替代地，衬底间变化可能需要进一步单独衬底水准控制(相比于例如批次水准控制)和相关联监测以便实现期望的CD、焦点、和/或重叠性能。这可导致测量每批次的较多衬底并且因而驱动了所使用测量的数量上的增加，而可能超出量测设备生产率的实际限制。
但为了满足增加的数据需求，仅添加量测设备或增加量测设备生产率可能并不满足需要。此外，其可能并未以适时方式解决所有问题，诸如获得跨越衬底的密集CD、焦点和/或重叠廓形。
因此，需要量测效率。该测量效率用以获得例如每衬底的较高密度的数据和每批次的较高数目衬底的数据。
因此，在实施例中，提供用以例如帮助改善量测效率的方法。在该方法中，来自多个源的量测数据被组合和操纵以便针对跨越衬底的多个部位中的每个部位导出一个或更多个图案化过程参数(例如，CD、焦点、重叠、边缘放置等)的准确估计值。在实施例中，随后提供针对例如在图案化过程中处理的所有衬底和针对例如在该图案化过程中在这些衬底上处理的所有层的密集量测数据(例如针对每平方毫米)。
实际上，在实施例中，该方法的结果是跨越衬底的一个或更多个图案化过程参数的值的“虚拟”或仿真分布，这是经由各种量测数据的这种组合来实现的。然后，此方法可以提供用于针对一个或更多个图案化过程参数(例如焦点、CD、重叠等)的混合式量测的高效方法。并且，虽然本发明中的实施例将主要考虑图案化过程参数(即焦点、CD和重叠)的特定示例，但将明白，一个或更多个其他或额外图案化过程参数可以是本文中的技术的主题。
如上文所提及的，方法涉及来自各种源的量测和其他数据的组合。在实施例中，方法涉及将关注的图案化过程参数的量测与来自图案化过程中的一个或更多个器件的数据(诸如来自光刻设备的一个或更多个传感器的数据)进行组合。随后数据的这种组合将被用以预测呈例如图案化过程参数(诸如CD、重叠、焦点、图案移位、边缘放置(例如边缘放置误差)等)和/或从其导出的参数(诸如良率、缺陷(例如缺陷的风险、缺陷数量等)等)的形式的产品上性能。
因而，该方法所隐含的原理是隔离并且估计关注的图案化过程参数的改变的单独根本原因，所述单独根本原因随后被组合以计算产品上性能。目标是使用尽可能多的可用信息以避免离线(和/或线上)量测的不断增加的量，以使用诸如关于图3至图6所描述的工具来确定关注的图案化过程参数。
因而，在实施例中，需要识别对关注的图案化过程参数的改变的各种贡献(诸如CD误差、聚焦误差、重叠等)。那些贡献可以随后以各种组合而使用以实现对于产品上性能的期望的估计。通常，那些贡献将是误差和/或残差。例如，器件可以在进行校正时产生误差，该误差可以随后实现关注的图案化过程参数的改变。作为另一示例，传感器系统可以测量误差，该误差是图案化过程参数的改变、或有助于图案化过程参数的改变。作为另一示例，器件或用于确定器件的设定的数学模型可能无法实现某一期望的或最佳实体效应(例如，期望的实体校正与可以通过器件实现的实体校正之间的差、期望的实体效应(诸如剂量、焦点等)与可以通过器件实现的实体效应之间的差、期望的实体校正或效应与能够通过数学模型确定的校正或效应之间的差，等等)，并且因而实现了残差(该残差是图案化过程参数的改变、或有助于图案化过程参数的改变)。在实施例中，可以用实验方式或凭经验确定贡献。
可以随后将对于如跨越管芯、场或衬底而空间分布的关注的图案化过程参数的这些贡献中的每个表征为指纹。并且，相似地，可以将跨越管芯、场或衬底的组合贡献表征为指纹。
因此，可以组合多个这些贡献以得到导出的指纹。例如，产品衬底上的焦点指纹可以是例如(由于所述衬底的不平坦度、在衬底的曝光期间与光刻设备的投影系统相关联的聚焦误差、在曝光期间由衬底位置控制回路得到的高度误差、和光刻设备的焦点设置的残余指纹而产生的)焦点贡献的复合物。这样的示例在下文关于图9加以描述。
相似地，所导出或所测量指纹可使一个或更多个指纹从其移除，以得到(另外的)所导出指纹。例如，可以从衬底的所测量焦点指纹移除掉该衬底的不平坦度、在衬底的曝光期间与光刻设备的投影系统相关联的聚焦误差、在曝光期间由衬底位置控制回路得到的高度误差、和光刻设备的焦点设置的残余指纹的焦点贡献。这可以得到由于没有被所移除指纹捕获到的误差而产生的残余焦点指纹。这的示例在下文关于图10加以描述。
因此，在实施例中，该方法可以例如将指纹分解成单独贡献指纹和/或通过组合多个指纹而导出指纹。
因此，参见图8，描绘了贡献(指纹)的组合的实施例。处理变量311的改变(例如，在聚焦情境中是高度误差)可以具有对于针对衬底上的图案的图案化过程参数352(例如，在聚焦情境中是焦点)的贡献312，并且处理变量321的改变(例如，在聚焦情境中是焦点设置的残差)可以具有对于图案化过程参数352的贡献322。即，图案化过程参数352可以具有一个或更多个处理变量的改变的组合贡献。这些贡献312和322可以仅相加(其可以包括加权加法或线性加法)或由其他函数(例如使用卷积(解卷积)、使用神经网络、RMS加法、按比例调整等)来组合。图案化过程参数352可以具有其他变量的改变的贡献。因此，利用如下文进一步论述的这种认识，可以确定各种贡献，或者可以使用所述各种贡献来导出图案化过程参数的估计值。在实施例中，可以通过建模一个或更多个适用处理变量来确定贡献312和/或贡献322。可以将贡献312和/或贡献322表达为一个或更多个适用处理变量的函数。该函数可以是线性或非线性的。
图9示意性地示出了获得对衬底的图案化过程参数的导出贡献470的示例，该导出贡献是多个处理变量的贡献的组合(其中的一个或更多个贡献可以是导出贡献)。在这种情况下，导出贡献470是焦点(散焦)。因此，可以使用多个处理变量的贡献来获得导出贡献470，所述处理变量诸如在衬底的曝光期间与光刻设备的投影系统相关联的聚焦误差(FE)400、在曝光期间由衬底位置控制回路产生的高度误差(例如，移动标准偏差(MSDz))410，和该衬底的不平坦度(P)420。显著地，可以从光刻设备获得这种数据，且这种数据可以是作为图案化过程的一部分的产生衬底的副产品。这些识别贡献都不必需要使用例如诸如关于图3至图6所描述的工具来对衬底上图案化的特征进行测量。
因此，在聚焦情况下，处理变量400对聚焦的贡献的示例被示出为贡献430，处理变量410对聚焦的贡献的示例被示出为贡献440，并且处理变量420对聚焦的贡献的示例被示出为贡献440。然后，将这些贡献中的每个组合在一起460以实现导出贡献470。虽然元件460(和附图中的其他元件)示出了加号，但是460处的运算不一定是加法，例如其可以是乘法、卷积、通过使用神经网络等。针对一个或更多个贡献的运算可以不同于针对另外一个或更多个贡献的运算(例如430与440相加，并且总和与贡献450卷积)。在一示例中，组合贡献可以表达为F(x,y)＝a1*F(FE)(x,y)+b1*F(MSDz)(x,y)+c1*F(P)(x,y)+…。可以通过模拟、数学建模和/或实验来获得各种函数。此外，可以存在这里未示出的交叉项(诸如根据FE乘以MSD而变化的焦点等)。为了获得焦点的绝对值，可以将焦点的标称值或模拟值与所述贡献组合。诸如a1、b1、c1之类的系数是焦点相对于单独处理变量或它们的函数的灵敏度。在此示例中，虽然贡献跨越整个衬底，但是在一实施例中，贡献中的一个或更多个可以是针对每管芯/场而言的(其可以随后取决于例如例项中的每个处的适用条件而跨越整个衬底是重复的)。如上文所提及的，贡献470可以被表征为指纹，这是由于其可以跨越整个衬底/管芯/场而在空间上限定。另外，贡献到绝对值的的转化可以被表征为指纹，这是由于其可以跨越衬底/管芯/场而在空间上限定的。如将会理解的，来自通过使用所述图案化过程进行的对于多个衬底的处理的数据可以用于导出相应的贡献。此数据可以是已经可用的，因为其可以是处理所述衬底的副产品。
现在，在CD的情境中，可以使用关于图9所描述的相同的技术。例如，对CD的导出贡献470可以是能够由于多个处理变量导致的贡献的组合(其可以包括导出贡献)，所述处理变量诸如：焦点(F)400、衬底在衬底的法线方向上的移动的移动标准偏差(MSDz)410，和衬底在平行于衬底的方向上的移动的移动标准偏差(MSDx)420。因此，在这种情况下，焦点(F)400对CD的贡献的示例将会是贡献430，移动标准偏差(MSDz)410对CD的贡献的示例将会是贡献440，并且移动标准偏差(MSDx)420对CD的贡献的示例将会是贡献440。然后，将这些贡献中的每个组合在一起460以实现导出贡献470。在一示例中，组合贡献可以被表达为CD(x,y)＝a1*CD(F2)(x,y)+b1*CD(MSDx)(x,y)+c1*CD(MSDz 2)(x,y)+…。此外，可以存在这里未示出的交叉项且关系可以不同的(例如，诸如焦点和/或MSDz之类的关系可以不是仅仅二次的，并且可以具有线性项和三阶项)。在实施例中，贡献430、440、450可以分别为焦点(F)400分布、移动标准偏差(MSDz)410分布和移动标准偏差(MSDx)420分布，在这种情况下，CD模型将会用于将它们组合成CD分布。此外，可以存在这里未示出的交叉项(诸如根据F乘以MSD而变化的CD等)。为了获得CD的绝对值，可以将CD的标称值或模拟值与所述贡献组合。诸如a1、b1、c1之类的系数是CD相对于处理变量或它们的函数的灵敏度。
通过应用上文所描述的原理，图10示意性地示出了通过移除对关注的图案化过程参数的贡献而从针对衬底的关注的图案化过程参数的经图案化衬底量测数据来获得导出贡献510的示例。在此情境中，经图案化衬底量测数据是通过对至少部分地由图案化过程处理的衬底上的特征(例如器件图案特征、与器件图案分离的量测目标等)进行测量而获得的关注的参数的值。这个量测数据通常可以使用诸如关于图3至图6所描述的量测或检测工具来获得。
针对关注的参数的经图案化衬底量测数据500可以具有至少两个贡献。因此，经图案化衬底量测数据内的一个或更多个贡献可以通过移除经图案化衬底量测数据内的一个或更多个其他贡献来获得。因而，可以通过从经图案化衬底量测数据500移除505贡献520来获得贡献510。虽然元件505(和附图中的其他元件)示出负号，但是505处的运算不一定是减法，例如其可以是乘法、卷积(解卷积)、通过使用神经网络等。贡献520可以是导出贡献，诸如贡献470，或者可以是从其他数据导出的贡献，诸如贡献430、440和450中任一个或更多个。此外，多个贡献可以被移除。例如，可以从经图案化衬底量测数据500移除与处理变量530相关联的可选的贡献540连同贡献520。如将明白，来自使用图案化过程进行的多个衬底的处理的数据可以用于获得经图案化衬底量测数据。
在实施例中，经图案化衬底量测数据来自与器件图案分离的图案，例如在管芯的非功能区域处、在管芯之间或在测试衬底上的量测特征。因此，例如，可以从这样的量测数据移除一个或更多个处理变量的贡献，由此获得一个或更多个处理变量对这样的量测数据的剩余贡献。可以随后基于剩余贡献而获得对于相同或不同衬底上的器件图案的量测数据的可比的或相当的贡献，而无需实际上从该器件图案获得测量数据。例如，对器件图案的量测的贡献可以被估计为与剩余贡献相同，这是因为适用的一个或更多个处理变量对器件图案和单独图案具有可比的或相当的效应。在实施例中，单独图案是用于测试目的图案(例如量测目标)，并且对单独图案执行量测并不影响衬底上的器件图案。
因此，通过组合来自经图案化衬底量测数据的贡献和/或从经图案化衬底量测数据移除贡献，可以获得衬底的关注的参数的估计，而未必必须获得用于该衬底的经图案化衬底量测数据。这是通过辨识各种贡献的性质来完成的。
在实施例中，一个或更多个处理变量的贡献可以是设备(例如光刻设备)特定的；即，贡献是特定针对某一实际设备、或设备的组合。因此，在实施例中，可以跨越每一衬底重复使用一个或更多个处理变量的贡献。因此，可以预表征一个或更多个处理变量的贡献并且从数据库获得该一个或更多个处理变量的贡献以供用于各种组合/移除过程。该贡献可以作为设备的整体或特定部分(例如蚀刻腔)而是设备特定的。这些变量的示例可以包括但不限于：光刻设备中的图案转印的上游或下游的过程的各种特性，诸如旋涂、曝光后焙烤、显影、蚀刻、沉积、掺杂和/或封装。
在实施例中，一个或更多个处理变量的贡献不是特定针对特定衬底(并且因此，可以跨越衬底而使用)。因而，可以预表征一个或更多个处理变量的贡献并且从数据库获得该一个或更多个处理变量的贡献以供稍后用于各种组合/移除过程。一个或更多个处理变量的这种贡献可以通过将其与针对特定衬底的一个或更多个变量的数据和灵敏度关系相组合而应用于该特定衬底。这些变量的示例可以包括但不限于：照射的变量、投影系统的变量、焦点、剂量、带宽、曝光持续时间、高频平台移动的特性(例如，衬底平台的移动的移动标准偏差(MSD)、衬底平台的移动的移动平均值、频率、振幅，等等)、高频激光带宽改变(例如频率、振幅，等等)、高频激光波长改变，和/或衬底的平坦度。
在实施例中，一个或更多个处理变量的贡献可以是衬底特定的。例如，可以针对每个衬底或衬底的特定群组来确定贡献。这种变量的示例可以包括但不限于衬底几何形状(高度映射、变形映射)、衬底处理条件、照射的变量、投影系统的变量、焦点、剂量、带宽、曝光持续时间、高频平台移动的特性(例如衬底平台的移动的移动标准偏差(MSD)、衬底平台的移动的移动平均值，等等)、高频激光带宽改变(例如频率、振幅等)、高频激光波长改变和/或衬底的平坦度。
在实施例中，一个或更多个处理变量的贡献可以是图案或图案形成装置特定的；即，该贡献是特定针对某一实际图案形成装置或待由图案形成装置提供的特定图案。这种贡献可以进一步是独立于衬底的。因而，可以预表征图案或图案形成装置特定的贡献，并且从数据库获得该图案或图案形成装置特定的贡献以供稍后用于各种组合过程。这些变量的示例可以包括但不限于：图案形成装置特征CD、辅助特征的形状和/或部位、通过分辨度增强技术(RET)应用的调整等。
在实施例中，与不同处理变量相关联的贡献可以具有不同的空间均一性。例如，一些处理变量的贡献可以是跨越整个衬底基本上在空间上均一的，而一些其他处理变量的贡献可以不是跨越整个衬底在空间上均一的。此差异可以是由于处理变量的不同性质。例如，与抗蚀剂层、抗蚀剂层的显影和/或衬底的蚀刻相关联的一个或更多个处理变量的贡献趋向于是基本上在空间上均一的，这是因为整个衬底通常涂覆有抗蚀剂层、在同一时间且在相同条件下被显影或蚀刻；或者趋向于由于例如在一定数目的这些过程期间衬底的旋转而是对称的。例如，与图案转印或光刻设备相关联的一个或更多个处理变量的贡献趋向于是在空间上较不均一的，这是因为图案转印趋向于是部位特定的，并且该一个或更多个处理变量可以在针对一个部位的图案转印与针对另一部位的图案转印之间改变。因此，如果可以从经图案化衬底量测数据移除基本上并不在空间上是均一的贡献，则可以从经图案化衬底量测数据获得基本上是在空间上均一的贡献。
因此，在一特定示例中，可以针对曝光于衬底上的每一点从光刻设备搜集处理变量数据，诸如调平信息、衬底的移动的移动平均值(MA)、MSDxyz、剂量、激光带宽、光瞳形状等。通常已经在光刻设备中(例如在诊断档案中)可以得到此数据。根据此数据，可以使用用于关注的参数的模型来产生上文所描述的贡献，该模型描述了关注的参数对一个或更多个处理变量的灵敏度。可以从模拟或从实验获得一个或更多个灵敏度。以此方式产生的贡献是在抗蚀剂显影之后的测量期间将会预期看到的贡献(假定所述轨道或涂覆显影系统和抗蚀剂模型校准将会是完美的情况下)。一旦例如在显影之后或在蚀刻之后测量衬底，则从经图案化衬底量测数据移除该贡献。剩余贡献现在是由图案转印前过程或图案转印后过程(例如通过所述轨道或涂覆显影系统和/或蚀刻设备，其通常是场间的)和图案形成装置(场内)作出的贡献。所述光刻设备误差将会已根据经图案化衬底量测数据而被校正。类似地，可以测量所述图案形成装置贡献并且移除其贡献以留下由图案转印前过程或图案转印后过程作出的贡献。可以按过程流程(例如，所使用的设备和/或图案化过程步骤的组合)或按特定设备或其部分(例如，蚀刻设备或蚀刻腔)来移除贡献。
因此，通过这些技术，对关注的参数的贡献可以经由所建模的关系或通过从经图案化衬底量测数据移除已知贡献来获得。此外，一个或更多个贡献可以是设备特定的，但也独立于衬底。但一个或更多个其他贡献可以是衬底特定的。因而，通过贡献的适当混合和匹配，可以估计在图案化过程中的某一时刻的关注的参数的估计。
因此，现在将在焦点、CD和重叠的情境中描述这些贡献的应用的一些特定示例，以确定用于衬底的相应焦点、CD和重叠的估计。如将明白，可以处理并且估计额外的或其他的关注的参数。
为了能实现这些示例，使用各种数据。例如，光刻设备具有集成于其中的用于图案转印控制的显著量测能力。这种集成式测量的示例是衬底的位置测量装置(例如传感器IF)和/或用于伺服控制的图案形成装置、用于衬底表面的测量以用于调平控制的调平传感器(例如传感器LS)、用以测量衬底的取向、位置和/或变形以实现重叠控制的对准传感器(例如传感器AS)，和/或为了控制投影系统的波前的像差传感器(例如，上文所描述的剪切干涉计)。光刻设备将使用来自这些传感器的数据以供在其总体CD、重叠和/或焦点预算得以被满足的程度上进行控制，但同时也追踪在控制之后留下的残差和/或误差。这些残差和/或误差可以用于计算在图案转印期间产生的CD、重叠和/或聚焦误差，即，光刻设备对CD、重叠和/或焦点指纹的贡献。如将明白，用于图案化过程中的其他设备可以具有用于设备的适用量测的类似信息。
另外，光刻设备设置或控制可以使用一个或更多个数学模型以确定相应校准或控制校正。然而，这样的一个或更多个模型可以具有内置式假定或限制，从而导致非零残余误差。该模型残差可以用于计算产生的CD、重叠和/或聚焦误差，即，模型对CD、重叠和/或焦点指纹的贡献。如将明白，用于图案化过程中的其他设备可以具有类似模型信息。
另外，可以通过使用抗蚀剂中测量(in-resist measurement)以帮助移除一个或更多个参数(例如焦点、重叠等)的任何全局和局部指纹，来设置光刻设备。然而，全局指纹可以从执行校准的上次时刻随着时间推移而漂移。为了监测和控制此设置状态，可以曝光并且测量监测衬底以监测全局指纹。所述监测衬底可以是在抗蚀剂层被施加到的衬底中具有良好限定的图案、相对于该良好限定的图案运用一图案而被曝光、被显影且随后所测量的基本衬底。一旦所测量，则所述监测衬底上的抗蚀剂就可以被剥离以留下所述良好限定的图案从而使得新抗蚀剂层可以适用。基于那些测量，可以对光刻设备进行校正并且因此那些校正在确定贡献时需要被因子分解。在实施例中，所述监测衬底可以用于通过使用所述良好限定的图案来确定重叠和/或通过使用所述抗蚀剂图案来确定焦点。
转向焦点示例，技术涉及基本上两个主要部分。第一部分实际上是用于确定光刻设备的基础焦点贡献的设置过程，该基础焦点贡献没有被反映于(用来在估计过程中确定针对特定衬底的聚焦的估计的)一种或更多种类型的光刻设备处理变量中。第二部分是针对在考虑中的衬底通过使用与那些一种或更多种类型的光刻设备处理变量相关联的焦点贡献以确定针对该特定衬底的焦点的估计值的估计过程。
因此，在根据实施例的设置过程中，针对一个或更多个衬底获得经图案化衬底焦点量测数据，并且然后以与上文在图10中所描述类似的方式移除一种或更多种类型的光刻设备处理变量的贡献。可以被移除的一种类型的贡献是例如与光刻设备的调平传感器相关联的衬底高度残差或误差映射的焦点贡献。可以被移除的另一类型的贡献是可以例如从剪切干涉计和/或投影系统模型残差获得的投影系统图像平面偏差(IPD)的焦点贡献。可以被移除的另一类型的贡献是图案形成装置和/或衬底伺服控制件(例如MA)的焦点贡献，其可以从适用定位装置、位置测量装置(例如传感器IF)和/或伺服控制模型的残差获得。如上文所论述的，可以通过模拟、数学建模和/或实验来确定从处理变量至焦点贡献的转化。
视需要，可以将贡献指纹重新栅格化至相同栅格(其可以与所述贡献指纹之一的栅格相同，或者是不同栅格)。类似地，可以将贡献指纹重新栅格化至经图案化衬底量测数据，或反之亦然。在实施例中，重新栅格化包括向上取样或向下取样。
在实施例中，理想地在将滤波(例如移动平均值、解卷积、FFT等)与另一贡献组合之前将该滤波应用于一贡献。
在实施例中，光刻设备的基础焦点贡献可以被有效地确定一次并且用于各种焦点估计，并且因而相比于测量每个衬底，量测的数量能够被显著减少。在实施例中，可以通过对衬底上的部位(例如衬底上的500个目标或更少)和/或来自一个或更多个批次的一定数目的衬底(例如来自25个或更多衬底的批次的10个或更少衬底)进行相对稀疏取样，来获得经图案化衬底焦点量测数据。
在实施例中，经图案化衬底焦点量测数据可以是如以上所描述的监测衬底的所测量焦点指纹。因而，可以使用已经捕获的数据。因此，可以针对如从光刻设备传感器信息导出的光刻设备影响而校正所测量焦点指纹，光刻设备传感器信息诸如，投影系统图像平面偏差(IPD)的焦点贡献、衬底高度残差或误差映射的焦点贡献、和/或图案形成装置和/或衬底伺服控制件的焦点贡献，以获得所述光刻设备的基础焦点贡献。
随后存储所述光刻设备的基础焦点贡献以供用于焦点的产品上估计。可以针对多个光刻设备确定光刻设备的基础焦点贡献。可以针对所使用的光刻设备的器件的特定组合来确定光刻设备的基础焦点贡献。例如，光刻设备可以具有衬底可以被曝光的多于一个衬底台，并且因此可以针对所使用器件的特定组合和/或多个组合来确定光刻设备的基础焦点贡献。
然后，为了产品上估计，针对关注的衬底获得与焦点相关的一种或更多种类型的光刻设备处理变量的误差或残差，并且确定其焦点贡献。例如，可以针对关注的衬底，获得投影系统图像平面偏差(IPD)的焦点贡献、衬底高度残差或误差映射的焦点贡献、和/或图案形成装置和/或衬底伺服控制件的焦点贡献。可被添加的另一类型的贡献是可以由于正被用于关注的特定衬底的图案形成装置的图案形成装置误差的焦点贡献，其可以通过测量而获得。如果在不使用针对关注的衬底的图案形成装置的情况下获得所述光刻设备的适用基础焦点贡献，则可特别使用此贡献。
另外，获得光刻设备的适用基础焦点贡献，如以上所描述的。然后，以与上文关于图9所描述类似的方式，将光刻设备的适用基础焦点贡献与关注的衬底的一个或更多个特定焦点贡献相组合以获得针对该关注的衬底的所估计焦点指纹。因此，可以在任何衬底上的任何部位处、或几乎任何部位处确定聚焦误差的估计。
现在，转向CD示例，原则上，存在有可以导致衬底中的CD变化的一定数目的处理变量。在此实施例中，考虑跨越整个衬底的某些CD变化。具体地，考虑关于焦点、焦点模糊、剂量、和总体过程的CD变化贡献。虽然还可以考虑作为对CD变化的场内贡献因素的图案形成装置，但是将仅出于方便起见而不对其进行进一步描述。
对CD的焦点贡献可以基于如以上所描述的焦点贡献，具体地，基础光刻设备焦点贡献与针对考虑中的衬底的光刻设备的一个或更多个处理变量的焦点贡献的组合。在可以通过实验或模拟来知晓特征(光刻后和/或蚀刻后)的泊松行为的条件下，原则上可以针对任何图案特征将此密集焦点信息转换成跨越所述场和/或跨越衬底的ΔCD贡献。因此，对于衬底上具有焦点值的任何部位(x,y)，可以计算对应于所述衬底部位(x,y)的CD值：
CD(HDFMx,y)＝Φ1(HDFMx,y)
其中，HDFM对应于焦点图，诸如如上文在焦点示例中所描述的所导出高密度焦点图。
可以使用光刻设备数据，诸如伺服信息(例如在z方向上的MSD)来获得对CD的焦点模糊贡献。可以将焦点模糊信息转换成跨越扫描方向和跨越衬底的ΔCD贡献。此焦点模糊数据至CD的转换也是特征特定的且可以通过实验或模拟而知晓：
CD(fblurx,y)＝Φ2(fblurx,y)
其中，fblur对应于焦点模糊。
对CD的剂量贡献是由于光刻设备的剂量变化(例如由剂量映射系统确定)。可以使用适用特征的合适剂量灵敏度将在曝光期间跨越整个衬底的剂量变化转化成ΔCD贡献，适用特征的合适剂量灵敏度可以通过实验或模拟而知晓：
CD(dosex,y)＝Φ3(dosex,y)
对CD的总体过程贡献是由于作为与单独图案转印分离的图案化过程的一部分的各种过程步骤而产生的CD变化。因而，在实施例中，总体过程贡献是在最终蚀刻步骤之后的CD变化的状态，并且可以不由于在估计CD变化时所考虑的各种其他CD变化。因而，在实施例中，该贡献是例如由于膜沉积变化、焙烤和/或显影变化和/或蚀刻过程变化而导致的所有未考虑的过程变化的累积效应。贡献于或有助于对CD的总体过程贡献的处理变量的示例可以包括：抗蚀剂层下方的结构的特性、抗蚀剂层的化学成份和/或实体尺寸，和/或光刻设备中的图案转印上游或下游的一个或更多个过程的特性，过程诸如旋涂、曝光后焙烤、显影、蚀刻、沉积、掺杂和/或封装。并且，虽然在蚀刻后的角度来描述对CD的总体过程贡献，但可以针对图案化过程中的不同时刻点获得总体过程贡献，例如在显影之后但在蚀刻之前获得的总体过程贡献。
因此，与焦点示例的设置过程类似地，可以使用由于焦点、焦点模糊和剂量而产生的所有这些ΔCD贡献，并且从衬底CD测量减去所有这些ΔCD贡献以估计总体过程贡献。即，在实施例中，可以在蚀刻之后从锚定特征CD测量产生蚀刻后总体过程贡献，从该蚀刻后总体过程贡献移除针对焦点、焦点模糊和剂量(针对该锚定特征)的ΔCD贡献。如所提及的，根据合适锚定特征来估计总体过程贡献。因此，在实施例中，可以从锚定特征确定针对其他特征的总体过程贡献。例如，总体过程贡献的其余部分可以被表达为锚定特征的特性的一定比例。在针对该图案化过程中的不同时刻点获得(例如，在显影之后但在蚀刻之前获得)总体过程贡献的情况下，可以使用在显影之后但在蚀刻之前的CD测量。
在实施例中，总体过程贡献可以被有效地确定一次并且用于各种CD估计，并且因而相比于测量每一衬底，量测的数量能够得以显著减少。在实施例中，可以通过对衬底上的部位(例如衬底上的500个目标或更少)和/或来自一个或更多个批次的一定数目衬底(例如来自25个或更多衬底的批次的10个或更少衬底)进行相对稀疏取样，来获得经图案化衬底焦点量测数据。
随后存储总体过程贡献以供用于CD的产品上估计。可以针对特定和/或多个设备配置(例如一个或更多个特定蚀刻腔、蚀刻腔和焙烤板的一个或更多个特定组合、衬底台和蚀刻腔的一个或更多个特定组合等)来确定总体过程贡献。
然后，与上文所描述的焦点估计步骤类似地，可以获得产品上CD的估计。在实施例中，针对关注的衬底获得与CD相关的一种或更多种类型的光刻设备处理变量的误差或残差，并且确定其CD贡献。例如，可以针对关注的衬底获得焦点、焦点模糊和/或剂量的CD贡献。可被添加的另一类型的贡献是可以由于正用于关注的特定衬底的图案形成装置而产生的图案形成装置误差的CD贡献，其可以通过测量而获得。
另外，获得对CD的适用总体过程贡献，如以上所描述。然后，以与上文关于图9所描述类似的方式，将对CD的适用总体过程贡献与关注的衬底的一个或更多个特定CD贡献相组合以获得针对该关注的衬底的所估计CD指纹。因此，可以在任何衬底上的任何部位或几乎任何部位处确定CD误差的估计。
此外，可以针对衬底上的一个或更多个关注的特定图案特征(诸如热点)而获得估计。如上文所提及的，虽然针对一特定锚定特征而确定了对CD的总体过程贡献，但是针对一个或更多个关注的特定特征可以按比例调整对CD的该总体过程贡献。此外，可以基于在CD变化与一种或更多种类型的光刻设备处理变量(诸如焦点、焦点模糊和/或剂量)之间针对一个或更多个特定特征的适当灵敏度，来计算该一种或更多种类型的光刻设备处理变量的CD贡献。可以例如通过模拟和/或实验来获得这种灵敏度。因而，可以获得多个CD衬底指纹，每个CD衬底指纹是针对不同热点或图案的其他关注的特征。
方法可以例如利用一个或更多个相关模型(例如图案形成装置和/或像差模型)中的较多参数得以改善。方法可以通过例如通过将总体过程贡献分解成不同贡献因素(例如，对不同特征有不同灵敏度的沉积、光刻和/或蚀刻)来估计总体过程贡献而得以扩展。
在实施例中，可以在结果中校正作为图案化过程的一部分而应用的剂量校正。例如，光刻元可以通过使用例如ASML的剂量映射器系统来应用剂量校正。因此，在确定CD的估计时考虑此校正。
现在转向重叠示例，使用来自至衬底上的至少两个不同图案转印的数据。该技术类似于上文关于焦点和CD示例所描述的那些技术。
此技术涉及基本上两个主要部分。第一部分实际上是用于确定所述光刻设备的基础重叠贡献的设置过程，该基础重叠贡献没有被反映于(用以在估计过程中针对特定衬底确定重叠的估计的)一种或更多种类型的光刻设备处理变量中。可选地，与上文所论述的CD示例的总体过程CD贡献类似地，还可以确定总体过程重叠贡献。第二部分是这样一种估计过程：针对衬底考虑至少两个图案转印中的每个图案转印，使用与那些一种或更多种类型的光刻设备处理变量相关联的重叠贡献来确定针对该特定衬底的重叠的估计。
因此，在根据实施例的设置过程中，针对一个或更多个衬底获得经图案化衬底重叠量测数据，并且然后以与上文在图10中所描述类似的方式移除针对至少两个图案转印中的每个图案转印的一种或更多种类型的光刻设备处理变量的贡献。可以被移除的一种类型的贡献是例如从光刻设备的调平传感器获得的衬底高度映射的重叠贡献。可以针对用于两个图案转印的衬底高度映射发现差异，并且然后可以将该差异转换成重叠值且因而转换成重叠贡献。例如，可以通过将高度差考虑为衬底的翘曲或弯曲并且使用第一原理计算X和/或Y位移而将Z高度差变为X和/或Y位移(例如，位移可以是Z的变化对比于X或Y乘以例如衬底在衬底夹持区中的厚度的一半的变化，或者可以例如在衬底松开区或放松夹持区中使用Kirchoff-Love平板理论来计算所述位移)。在实施例中，可以通过模拟、数学建模和/或实验来确定高度至重叠贡献的转化。因此，通过使用每图案转印的这种衬底高度信息，可以观测到并且考虑由于焦点或卡盘斑造成的重叠影响。
可以被移除的另一类型的贡献是图案形成装置和/或衬底伺服控制件(例如，MA)在X和/或Y方向上的重叠贡献(包括围绕Z旋转)，其可以从适用定位装置、位置测量装置(例如传感器IF)和/或伺服控制模型的残差获得。可以针对两个图案转印跨越所述衬底的伺服控制值发现差异，并且然后该差异可以表示重叠贡献。在需要时，可以通过模拟、数学建模和/或实验来确定从伺服控制值至重叠贡献的转化。
可以被移除的另一类型的贡献是投影系统像差(其可以例如从剪切干涉计获得)和/或投影系统模型残差的重叠贡献。可以通过模拟、数学建模和/或实验来确定从像差和/或残差至重叠贡献的转化。
可以被移除的另一类型的贡献是可以由光刻设备提供的对准系统模型残差的重叠贡献。可以通过模拟、数学建模和/或实验来确定从残差至重叠贡献的转化。在实施例中，针对不同图案转印步骤，对准系统模型残差可以不同，并且因而，针对不同图案转印步骤的对准系统模型残差的组合/差可以用于获得重叠贡献。在实施例中，可以针对衬底高度而校正所述对准模型残差。
视需要，可以将贡献指纹重新栅格化至相同栅格。类似地，可以将贡献指纹重新栅格化至经图案化衬底量测数据，或反之亦然。
在实施例中，光刻设备的基础重叠贡献可以被有效地确定一次并且用于各种重叠估计，并且因而相比于测量每个衬底，量测的数量能够得以显著减少。在实施例中，可以通过对衬底上的部位(例如衬底上的500个目标或更少)和/或来自一个或更多个批次的一定数目的衬底(例如来自25个或更多衬底的批次的10个或更少衬底)进行相对稀疏取样，来获得经图案化衬底重叠量测数据。
在实施例中，经图案化衬底重叠量测数据可以是如以上所描述的监测衬底的所测量重叠指纹。因而，可以使用已经捕获的数据。因此，可以针对如从光刻设备传感器信息导出的光刻设备影响而校正所测量重叠指纹，光刻设备传感器信息诸如，投影系统的重叠贡献、衬底高度的重叠贡献、对准模型残差的重叠贡献、和/或图案形成装置和/或衬底伺服控制件的重叠贡献，以获得所述光刻设备的基础重叠贡献。在实施例中，将会针对产品衬底的第一图案转印而捕获所测量重叠指纹数据一次，并且然后相对于第二图案转印再次捕获所测量重叠指纹数据(其中，在图案转印之间返工所述监测衬底)。在实施例中，经图案化衬底重叠量测数据是从介于第一图案转印之后从一个或更多个监测衬底测量到的重叠指纹与在第二图案转印之后从一个或更多个监测衬底测量到的重叠指纹之间的差而获得的重叠差量(德尔塔)指纹。因此，通过在与产品层大约相同的时间曝光一组监测衬底，则可量化关于短期漂移方面的对于重叠的光刻设备贡献。也就是说，利用随后的重叠差量指纹，可以获得由于第一图案转印与第二图案转印之间的短期漂移而对场间重叠的光刻设备贡献。
可选地，在需要蚀刻后重叠的情况下，可以确定对重叠的蚀刻过程贡献，其是由于蚀刻而导致的重叠变化。为了获得蚀刻过程重叠贡献，可以从蚀刻后经图案化衬底量测数据移除显影后但蚀刻前的经图案化衬底量测数据，来获得蚀刻过程重叠贡献。在实施例中，蚀刻过程重叠贡献可以被有效地确定一次并且用于重叠估计，并且因而相比于测量每个衬底，量测的数量能够得以显著减少。在实施例中，可以通过对衬底上的部位(例如衬底上的500个目标或更少)和/或来自一个或更多个批次的一定数目衬底(例如来自25个或更多衬底的批次的10个或更少衬底)进行相对稀疏取样，来获得经图案化衬底重叠量测数据。在第一或第二图案转印时所诱发的蚀刻过程指纹可运用显影后但蚀刻前的重叠量测与在第一或第二图案转印中的另一者的蚀刻之后的蚀刻后的重叠量测之间的差量指纹来推导(在假定每一图案转印之后的蚀刻指纹相同的情况下)。
然后，存储所述光刻设备的基础重叠贡献(和可选的蚀刻过程重叠贡献)以用于重叠的产品上估计。可以针对多个光刻设备确定光刻设备的基础重叠贡献。可以针对所使用的光刻设备的器件的特定组合来确定光刻设备的基础重叠贡献。例如，可以针对所使用器件的特定组合和/或多个组合来确定所述光刻设备的基础重叠贡献。可以针对特定的设备配置和/或多个设备配置(例如一个或更多个特定蚀刻腔)来确定蚀刻过程重叠贡献。
然后，为了产品上估计，针对关注的衬底获得与重叠相关的一种或更多种类型的光刻设备处理变量的误差或残差，并且确定其重叠贡献。例如，可以针对关注的衬底，获得投影系统的重叠贡献、衬底高度的重叠贡献、对准模型残差的重叠贡献、和/或图案形成装置和/或衬底伺服控制件的重叠贡献，以得到光刻设备的基础重叠贡献。在实施例中，仅获得衬底高度的重叠贡献。
此外，获得如以上所描述的光刻设备的适用基础重叠贡献，并且可选地获得适用蚀刻过程重叠贡献。然后，以与上文关于图9所描述类似的方式，将光刻设备的适用基础重叠贡献(和可选地选用的蚀刻过程重叠贡献)与关注的衬底的一个或更多个特定重叠贡献相组合以获得针对关注的该衬底的所估计重叠指纹。因此，可以在任何衬底上的几乎任何部位处确定重叠的估计值。
在实施例中，可以在结果中校正作为图案化过程的一部分而应用的重叠校正。例如，光刻元可以例如基于使用例如ASML的Baseliner系统而进行的对于监测衬底的测量而应用重叠校正。因此，在确定重叠的估计时考虑此校正。
在实施例中，在多重图案化过程中，需要使曝光条件与光刻设备条件(例如曝光剂量、图案形成装置透射率、图案形成装置检核误差、照射设定、光刻设备衬底夹持误差，等等)两者在第一图案转印步骤与第二图案转印步骤之间是非常类似的。此外，场内水准处的曝光和加热识别标记将会被预期为在第一图案转印步骤与第二图案转印步骤之间是类似的，并且因此对重叠的这些效应应该是很小的。
此外，在实施例中，可以组合多个预测。例如，可以组合重叠预测和CD预测。例如，在使用不同图案转印步骤来创建彼此相邻的结构且那些结构在其间具有间隙的多重图案化情形下，不同图案转印步骤中的一个或更多个的CD以及针对不同图案转印步骤的重叠的组合相比于重叠或CD估计可以给出对于所述间隙的大小的较好的预测。
图11随后示意性地示出了用于根据实施例的方法的流程。具体地说，其示出了可以如何将诸如光刻设备的基础焦点贡献、对CD的总体过程贡献、和/或光刻设备的基础重叠贡献(以及视情况适用蚀刻过程重叠贡献)之类的广义贡献应用于针对关注的衬底的特定信息以获得针对该衬底的关注的参数的估计。因此，贡献912对应于一特定衬底的一个或更多个处理变量且例如是针对热点。这可以通过建模、根据器件信息等来确定。此外，获得适用于多个衬底的贡献922，诸如光刻设备的基础焦点贡献、对CD的总体过程贡献、和/或光刻设备的基础重叠贡献(和视情况所述适用蚀刻过程重叠贡献)。可以使用本文中描述的技术中任一技术来获得贡献922。可以针对多个衬底(例如针对关注的每一衬底)来确定所述贡献912，而同时可以跨越许多衬底重复地使用所述贡献922。贡献912和贡献922被组合以获得针对例如热点的关注的参数的估计950，而未必需要获得针对该热点的经图案化衬底量测数据。在工序970中，采取动作，诸如基于关注的参数的估计而确定在热点处是否存在缺陷。
因而，器件传感器数据可以被运用来增强抗蚀剂中和/或蚀刻后的量测以获得所计算量测，该所计算量测可以例如提供每衬底的密集量测，而不必具有衬底的密集取样和/或提供对于许多(如果非每一)衬底的量测，且不必获得针对每个这种衬底的经图案化衬底量测数据。此外，密集的所计算量测可以能够实现例如高阶校正。所计算量测还可以实现较大控制，包括可能地每衬底控制，而不必获得针对每个这种衬底的经图案化衬底量测数据和/或不必密集地测量衬底上的经图案化衬底量测数据。
此外，来自这些所计算量测技术的估计可以实现各种应用，诸如图案化过程控制(例如一个或更多个过程变量的调整)、图案化处理监测、故障检测、缺陷预测、图案化过程设计等。
在实施例中，导出贡献(诸如使用图10而导出)可以用来参数化用于确定一个或更多个处理变量的改变对关注的参数的贡献的数学模型。也就是说，可以相对于导出贡献来拟合数学模型，由此获得该数学模型的一个或更多个参数、常数等的值。因此，作为示例，需要使一模型和该模型中所表示的任何灵敏度适于过程和/或衬底叠层的改变。因此，在实施例中，可以产生将被测量的用于每一衬底的经预测衬底指纹。为此，可以建立关注的参数的模型，例如针对CD建立包括CD＝a1*DOSE+a2*FOCUS2+a3*MSDx+a4*MSDy+a5*MSDz+...的模型，其中，衬底的测量、过程前和/或过程后(例如轨道或涂覆显影系统/蚀刻)指纹和图案形成装置指纹可以被移除。可以比较剩余指纹测量与预测值。在这种情况下，现在存在一组方程式(与测量点一样多的方程式)，其中，CD、剂量、焦点、MSD-xyz、像差等是已知的。可以针对所期望的灵敏度(a1,a2,...)对此组方程式进行求解。当对针对某一器件图案所量测的一定数目衬底执行此求解时，将存在大量数据来重新估计所期望的灵敏度。如果以相同方式使用来自多个光刻设备的数据和/或来自焦点曝光矩阵曝光的数据，则输入信号(例如焦点、剂量、MSD、CD等)的充分变化可以实现对于灵敏度的适当估计。另外，可以将技术应用于关注的其他参数，诸如焦深、曝光宽容度、重叠、边缘位置，等等。
在实施例中，可以使用训练算法来进一步添加准确度。例如，当求解针对像差的灵敏度时，可以对使像差可以仅遍及隙缝而变化并且在拟合这些灵敏度之前预先筛选所述CD(或重叠)数据的边界条件进行考虑。在实施例中，可以通过不时地或连续地重新评估灵敏度而使灵敏度可以相对于图案化过程中的变化变得稳固。
如上文所解释的，计算量测技术可以用于通过从所测量指纹减去(已知)贡献来导出对过程变量(诸如焦点、剂量和重叠)的指纹的贡献。这例如示出于图10中：从所测量指纹500减去贡献因素520以获得贡献510。在贡献因素520引入大量噪声或者引入影响所测量指纹500的非系统性行为的情况下，贡献510可以是较适于对半导体制造过程进行控制的输入。如果将会想要基于稳定输入(至少跨越衬底的一批次是稳定的)来控制设备，则可以优选地使用“经清洁”数据510作为输入。所述数据510通常是关注的过程变量的相当稀疏表示(例如，除由光刻设备进行的曝光以外的处理步骤的重叠贡献，在这种情况下所述贡献因素520是光刻设备的贡献)。然而，经常需要密集的足够数据以提供对处理步骤(诸如使用光刻设备的曝光)的有效控制。提议利用如图22中示意性地描绘的方法来克服此问题。
图22描述包括使用诸如重叠测量装置(例如散射仪)之类的量测工具来获得过程变量的(通常稀疏地)测量的指纹2201的第一步骤的方法。从指纹2201减去计算上或以其他方式确定的对指纹2201的贡献因素2202以获得对过程变量指纹2201的经清洁(稳定)贡献2203。使用全局模型2200对稀疏数据2203进行上取样(upsample)以获得所述贡献因素2203的密集表示2204。模型可以利用任何合适的数学方法(诸如机器学习、多项式拟合、内插方案等)以提供上取样贡献2204。模型优选地是全局的；这意味着模型被配置为导出跨越整个衬底的处理变量的低阶行为。因此，上取样贡献因素2204通常不包括过程变量的较高频繁内容。提出将包括过程变量的高阶频率稀疏内容的稀疏贡献因素指纹2203与全局密集贡献因素指纹2204进行组合以获得组合贡献因素指纹2205。此过程在图22中是通过包括指纹2203和2204的点线矩形、以及描绘所述组合贡献因素指纹2205的产生的点线箭头来加以描绘的。组合贡献因素指纹2205实现对于处理步骤的稳定且高阶控制，而没有不当量测时间要求和/或没有使用先进数据分析以确定量测数据2201内存在的稳定分量。
在实施例中，从与经图案化衬底相关联的量测数据2201移除贡献2202，以获得对于量测数据2201的导出贡献2203。使用模型2200对导出贡献2203进行上取样以获得所建模的贡献2204。组合所导出和所建模贡献以获得组合贡献2205。
组合贡献2205可以用作用于控制处理设备(诸如蚀刻工具、CMP工具、沉积工具和/或光刻设备)的输入。
控制可以通过产生适用于所述处理设备的控制配置方案来实现的。
控制配置方案可以用于光刻设备并且包括每次曝光控制(CPE)指令和/或子配置方案；其包含用于分立控制使用光刻设备而提供至衬底的曝光场的信息。
模型2200优选地是被配置为描述跨越衬底的处理变量的低阶行为的全局模型。
在另一应用中，可以使用一个或更多个贡献/指纹来预测图案的轮廓。在此情境中，轮廓是被转印到衬底的图案的特征的形状的外形。例如，可以通过处理衬底的图像(例如扫描电子显微镜图像)以提取转印到衬底的图案特征的形状的外部边界，来使得轮廓可视化(即观测轮廓)。但轮廓还可以通过数学过程(例如模拟)而产生，该数学过程用以创建预期转印到所述衬底的图案特征的电子表示。虽然轮廓通常将呈线的形式，但是如本文中所使用的轮廓可以进一步推广至对所述特征的边界加以描述的数据。轮廓不一定是连续的；即，如果不连续外形和/或数据充分地描述特征的边界，则围绕所述特征的外形和/或数据可以是不连续的。在实施例中，轮廓可以是二维的(即，限定平面)或三维的。在实施例中，轮廓可以在基本上与形成有图案的衬底表面平行的平面中延伸。在实施例中，轮廓可以在基本上与形成有图案的衬底表面垂直的平面中延伸；在这种情况下，轮廓可以被表征为剖面并且可以具有二维或三维形式。
为了预测轮廓，可以获得一个或更多个贡献/指纹(如本文中所描述的)并且使用该一个或更多个贡献/指纹以选择某一标称轮廓和/或修改标称轮廓，以便获得预测轮廓。2017年2月22日提交的美国申请号62/462,201中描述了使用一个或更多个贡献/指纹连同本文中描述的一个或更多个贡献/指纹的其他使用而进行轮廓的这种预测和使用的细节，该美国申请的全部内容以引用方式并入本文中。
如上文所提及的，在实施例中，本发明中的计算量测技术可以使用来自图案化过程的设备(例如光刻设备)的数据与来自量测设备(例如上文关于图3至图5所描述的量测设备之一)的数据的组合，以针对衬底产生所述图案化过程的关注的特定参数(例如重叠、边缘放置误差等)的导出贡献或指纹。因此，在这种计算量测应用中，关注的特定参数的混合密集指纹是基于量测和图案化过程设备(例如光刻设备)输入而产生。例如，对于重叠指纹，输入可以是例如使用一个或监测衬底作出的测量结果、来自图案化过程制造设备(例如光刻设备)的数据或测量结果，和/或来自量测设备(诸如上文关于图3至图5所描述的量测设备之一)的测量结果(诸如蚀刻后检查(AEI)或显影后检查(ADI)测量结果)。
对于上文所描述的混合密集指纹，使用对测量目标进行测量的量测设备而执行的对关注的参数的相对密集测量(例如ADI和/或AEI)是用于实现来自目标的参数测量结果与器件图案响应之间的良好匹配，以便产生指纹。因而，例如，将会希望的是能够使用通过测量量测目标的量测设备来对关注的参数的较不密集测量。使用较不密集测量可以实现增大的吞吐量，这是由于可能需要量测目标的较少测量。
另外或者替代地，上文所描述的所得指纹对于所有器件图案特征可以是通用的，并且可以不参考例如关键器件图案特征(也被称为热点)。因而，将会希望的是能够针对器件图案的多个特征中的每个特定特征产生特定针对该器件图案的该特定特征的指纹。在实施例中，指纹可以特定针对一个或更多个关键器件图案特征。使关注的参数(例如重叠、焦点、CD、对准等)的密集映射与关键器件图案特征相关联可以是较有益的(例如，在器件良率控制方面)。通过聚焦于关键器件图案特征，可以通过例如考虑器件图案的特定特征特性而创建所述图案化过程的基于良率的设计、控制、修改等。
参见图12，其示意性地描绘了产生且使用特定针对器件图案的特定特征的指纹的方法的实施例。通常，该方法涉及通过模拟(例如全晶片模拟)、使用量测目标的量测测量(例如，用于重叠指纹的ADI/AEI重叠测量)以及器件上图案测量的组合，针对一个或更多个特定器件图案特征跨越一衬底的至少部分，来产生或创建关注的参数即指纹(映射)。例如，可以针对一个或更多个关键器件图案特征中的每个而产生或创建参数指纹。在具有一个或更多个参数指纹(例如针对一个或更多个关键器件图案特征)的情况下，可以使用该一个或更多个参数指纹来设计、校正、控制、修改等所述图案化过程的一个或更多个方面(例如，设备、子过程、所用消耗品(例如图案形成装置)等)。在实施例中，相应器件图案特征的可用的多个参数指纹的加权组合可以被用于图案化过程的各方面的设计、校正、控制、修改等；即，与相应特定器件图案特征相关联的一个或更多个参数指纹相比于与其他相应器件图案特征相关联的一个或更多个其他参数指纹，可以被更高地加权。这种设计、校正、控制、修改等可以包括在图案化过程中使用的设备(例如光刻设备、蚀刻工具、沉积工具等)的设定的配置，其用以使用图案化过程在衬底上制造器件图案。在实施例中，设计、校正、控制、修改等可以包括光刻设备设定的修改(例如，诸如衬底之类的物体的X、Y或Z运动的控制的修改)、投影系统像差的特定校正(例如，使用致动器或投影系统中的其他波前操纵器件)、用于曝光衬底的照射剂量的改变(例如，通过控制辐射源和/或使用照射系统中的剂量调节装置)等)。
在1100处，描绘了如提供于图案形成装置处的具有器件图案特征和量测目标的图案形成装置图案的示例性高度示意性布局。器件图案特征被标记为特征A、B、C和D。如将明白，特征A的每一例项的类型与图案布局的类型基本上相同、特征B的每一例项的类型与图案布局的类型基本上相同、特征C的每一例项的类型与图案布局的类型基本上相同，并且特征D的每一例项的类型与图案布局的类型基本上相同。此外，特征A至D中的每个可以不同于其他特征。此外，量测目标被标记为目标1、2和3。如将明白，目标1的每一例项的类型与量测目标的类型基本上相同、目标2的每一例项的类型与量测目标的类型基本上相同，并且目标3的每一例项的类型与量测目标的类型基本上相同。在实施例中，量测目标1至3中的每个可以不同于其他目标(例如，在目标周期性结构的间距方面不同、在目标周期性结构的特征的分段方面不同、在占空比方面不同，等等)。如已知的，器件图案特征和量测目标是通过使用光刻过程而被转印到衬底。在用于重叠的量测目标的情况下，目标1、2和3可以是用于衬底上的下部层的目标、或用于衬底上的上部层的目标，其中，目标1、2或3通常位于下部层中的对应目标上方，或上部层中的对应目标通常将位于目标1、2或3上方。
在1110处，在图案化过程的各种条件(诸如来自所述图案化过程的标称条件的一定量的扰动)下，执行对图案形成装置图案至衬底的转印的模拟。例如，图13的图案化模拟方法可以用于产生图案形成装置图案(包括一个或更多个量测目标)至衬底的经预测转印。类似地，还例如在多个测量束波长和/或多个测量偏振的情况下模拟作为经模拟图案化过程的一部分而产生的一个或更多个量测目标的测量。例如，可以使用图14的测量模拟方法来模拟所述测量。基于这些模拟，确定了针对被模拟为产生于衬底上的一个或更多个量测目标和一个或更多个器件图案特征中的每个的关注的参数(例如重叠)，并且从模拟结果来确定被模拟为产生于衬底上的图案形成装置图案的一个或更多个量测目标与一个或更多个器件特征之间的参数的关系。例如，取决于图案转印条件且针对作为关注的参数的重叠，可使器件图案特征移位与重叠目标移位相关。在实施例中，出于该关系的目的，一个或更多个量测目标的关注的参数可以不同于一个或更多个器件特征的关注的参数；一个或更多个量测目标的关注的参数可以是重叠，而一个或更多个器件特征的关注的参数是边缘放置误差。另外或者替代地，可以建立其他关系，诸如关注的参数的一个或更多个光学像差灵敏度、关注的参数的一个或更多个焦点灵敏度、关注的参数的一个或更多个剂量灵敏度、关注的参数的一个或更多个间距依赖性等。
在1130处，从其上已经使用供执行1110处的模拟的图案化过程而转印所述图案形成装置图案的一个或更多个衬底获得了关注的适用参数的测量。在实施例中，跨越具有转印到其的图案形成装置图案的多个例项的整个衬底而获得测量。在实施例中，从多个衬底获得测量，在所述多个衬底中的每个上已经转印所述图案形成装置图案多次。在实施例中，从如作为图案化过程的一部分而被转印到一个或更多个衬底的一个或更多个量测目标获得了测量。在实施例中，关注的参数是重叠，并且测量是使用一个或更多个量测目标的ADI和/或AEI所获得的重叠量测。在实施例中，在多个量测束波长和/或多个量测束偏振的情况下获得重叠量测。
在1120处，使从一个或更多个量测目标进行的对于关注的参数的测量与模拟结果匹配。也就是说，使用从模拟确定的一个或更多个关系，可以将所测量的关注的参数转化成针对器件图案特征的关注的适用参数(例如相同的关注的参数或不同的关注的参数)的等效值。例如，在重叠的情境中，可以使用一个或更多个经模拟关系来将从量测目标进行的重叠的测量转化成相关联器件图案特征的预期重叠。在实施例中，跨越衬底获得量测测量，并且因而所述量测测量将由于跨越整个衬底的各个部位处的局域条件(例如衬底不平坦度、蚀刻中的变化等)而很可能具有不同值。因此，在实施例中，针对一个或更多个特定器件图案特征中的每个特定器件图案特征，可以获得所预测的关注的参数跨越衬底的至少部分上的映射。在实施例中，关注的参数可以是参数的误差或残差，例如CD误差。考虑重叠示例，可以通过将从跨越衬底的该至少部分而获得的量测目标重叠测量与使用一个或更多个模拟关系跨越所述衬底的该至少部分而产生的特定器件图案特征进行匹配，来确定特定器件图案特征跨越衬底的至少部分的所预测的重叠的映射。可以针对另外多个特定器件图案特征中的每个产生类似重叠映射，每个器件图案特征具有它的跨越所述衬底的至少部分而散布的例项。在实施例中，重叠映射实际上是跨越所述衬底的至少部分的重叠向量的空间分布，每个向量具有重叠方向和重叠量值。然后，结果是数据可以被组合以得到每器件图案特征的所预测的关注的参数(例如重叠、边缘放置误差，等等)衬底映射。在实施例中，可以基于全晶片信息来构造衬底映射，并且因此可以在整个所述场/衬底上对所述衬底映射进行密集地取样。
在1140处，从已经使用已供执行1110处的模拟的图案化过程而在其上转印所述图案形成装置图案的一个或更多个衬底获得一个或更多个图案形成装置图案特征的测量。在实施例中，从跨越具有转印到其的所述图案形成装置图案的多个例项的衬底来获得测量。在实施例中，从多个衬底获得测量，在所述多个衬底中的每个上已经转印图案形成装置图案多次。在实施例中，测量是器件上测量。也就是说，测量是关于器件特征自身，而不是从围绕器件图案的一个或更多个量测目标获得的那些测量。在实施例中，使用诸如电子显微法之类的离子束(例如电子束)测量技术来获得所述器件上测量。在实施例中，测量是器件图案特征的边缘放置、CD等。
在1150处，基于所述器件上测量，可使经模拟器件图案特征(例如从上文针对1110所描述的模拟而确定)与所测量的关注的参数(例如在1130处被确定，且在1120处与经模拟器件图案特征匹配)之间的关系是相关的。此相关性可以通过对器件特征的器件上测量的分析来完成。例如，在重叠的情境中，可以针对已基于在经模拟器件图案特征与来自相关联量测目标的所测量重叠之间的关系而预测重叠所针对的特征，来识别从器件上测量而确定的边缘放置误差，并且可使经预测重叠与所测量的器件上边缘放置误差相关。作为一示例，可使在单独图案化过程执行中所产生的相邻特征的边缘之间的距离的误差与经预测重叠相关。该相关性可以随后用于将经预测重叠转化成器件特征的重叠和/或边缘放置误差的较准确预测。且因此，按照图案形成装置图案特征，可以构造每器件图案特征的具有相当高预测性的、且准确的关注的参数(例如重叠、边缘放置误差等)衬底映射。
可选地，每器件图案特征的关注的参数衬底映射可以具有其他相关联数据。例如，所述映射可以包括关于与图案化过程内的控制参数的交叉依赖性的信息，其中，该控制参数是可以在图案化过程所使用的设备中设定的用以改变所述图案化过程的至少部分的性能的参数。在实施例中，控制参数是控制所述光刻设备的操作的参数。在实施例中，控制参数是用以控制所述光刻设备内的焦点、投影系统像差等的参数。因此，关注的参数衬底映射可以包括与一个或更多个光刻设备控制参数(例如焦点、投影系统操作等)的一个或更多个交叉依赖性。然后，此交叉依赖性能够进行适当校正，这是由于器件图案的某一特征的关注的参数可以响应于控制参数的值改变而具有与器件图案的另一特征不同的值改变。
虽然已经参考多个映射，但是将明白，所述映射中的一个或更多个可以被组合为一组合映射(其被视为在组合数据结构时被组合在一起的多个映射)。在实施例中，所有映射可以被组合成组合映射，或映射的子集可以被组合成组合映射与一个或更多个剩余单独映射。例如，针对多个器件图案特征中每个器件图案特征，每器件图案特征的衬底映射可以被转化成组合衬底映射，该组合衬底映射组合了被包括于该组合衬底映射中的每一个或更多个器件图案特征的数据连同相关联取样。也就是说，基于组合衬底映射，可以基于适用取样定义来选出针对一个或更多个相关器件图案特征的数据。
因此，在步骤1120和1150中，已经通过使用计算光刻和量测模拟和器件上测量1140将关注的参数的测量1130(使用一个或更多个量测目标)转化成每器件图案特征的适用的关注的参数映射(例如，该关注的参数与所测量的关注的参数相同或不同)。例如，在重叠的情境中，可以通过使用计算光刻和量测模拟(前馈)和器件上测量(反馈)将使用一个或更多个重叠量测目标进行的重叠量测转化成每器件图案特征的重叠映射。为了将此技术置于情境中，可以相对快速地获得测量1130且可以跨越所述衬底来相对稀疏地获得所述测量1130。此外，所述一个或更多个量测目标被设计为基本上充当针对器件图案特征的行为的代理，但并非是器件图案特征的实际行为的测量。因此，在步骤1120处，通过使用一个或更多个所模拟的关系而将使用一个或更多个量测目标对关注的参数的相对稀疏测量转换成与一个或更多个器件图案特征对应的(相同或不同)关注的参数的值。具体地说，使稀疏测量与各种器件图案特征相匹配以提供针对多个器件图案特征中的每个器件图案特征的关注的参数的预测值，从而有效地得到每器件图案特征的关注的参数衬底映射。理想地，结果是：通过将关注的参数的量测目标测量转换成所述多个器件图案特征中的每个器件图案特征而进行的跨越整个所述衬底的关注的参数的较密集表示，其中，所述器件图案特征中的每个器件图案特征可以具有它的在场/管芯的情况下的多个例项，且将具有它的跨越整个所述衬底跨越多个管芯/场的多个例项。现在，为了反映所述器件图案特征的实际行为，获得了器件上测量，所述器件上测量还可以是相对稀疏的。使用器件上测量，可以建立所述器件上测量与在所模拟图案特征与所测量的量测目标测量之间的关系之间的相关性，以实现针对所述器件图案特征的关注的参数的较准确预测。所述相关性可以用于改善针对器件图案特征的所预测的关注的参数，以得到每器件图案特征的具有相当高预测性的、且准确的关注的参数衬底映射。
在1160至1180处，可以使用每器件图案特征的衬底映射在图案化过程的一方面(例如，设备(诸如光刻设备、蚀刻工具、沉积工具等)、子过程(例如图案步骤、蚀刻步骤等)、所用消耗品(例如，图案形成装置)等)中进行校正。该校正可以是前馈或反馈校正。在实施例中，在所述光刻设备中使用光刻设备的一个或更多个控制参数(例如，剂量的控制参数、焦点的控制参数(例如衬底的Z位置的控制)、对准的控制参数(例如衬底的X和/或Y位置的控制)、光学像差的控制参数等)进行校正。
在1160处，在存在多个关注的参数衬底映射(每个映射对应于一器件图案特征)的情况下，可以基于适用的关注的参数衬底映射并且基于关于图案化过程的至少部分的预期的或实际的行为的数据，来选择来自所述多个器件图案特征的一个或更多个器件图案特征的子集。例如，可识别一个或更多个关键器件图案特征，并且然后可以使用一个或更多个关键器件图案特征的相应的关注的参数衬底映射来校正所述图案化过程的至少部分。
在实施例中，预期的或实际的行为数据包括来自图案化过程中所使用的设备1180的数据1167，诸如在光刻设备的情况下，关于衬底的实际的或预期的X、Y和/或Z位置(例如，呈移动平均值和/或移动标准偏差信息的形式、呈衬底高度或不平坦度信息的形式、呈对准误差的形式，等等)、关于光学像差(例如，呈例如泽尼克像差规格的形式的所测量像差值)、关于剂量(例如剂量误差，其可以由设备中的传感器来测量)等的数据。所述行为数据可以从所述设备作为测量值输出，和/或作为充当所述设备的控制的一部分而产生的数据来被输出。可以从先前衬底的处理来收集所述行为数据，以用于控制一个或更多个后续衬底的处理。所述行为数据可以根据基于某一输入(例如来自衬底的先前处理的数据)来预测行为的数学模型而产生。在实施例中，所述行为数据包括行为范围，诸如围绕或邻近于标称行为的行为的范围或集合。
使用行为数据，可以确定出所述行为对于由器件图案特征的衬底映射所表示的关注的参数的预期影响。例如，在重叠和光刻设备的情境中，可以在重叠方面基于重叠对那些行为中的一个或更多个行为的灵敏度(该灵敏度可以由模拟或实验来确定)来计算出例如将产生多少剂量误差、光学像差、位置误差等。所计算的重叠可运用多个重叠衬底映射来进行处理(每重叠衬底映射是每器件图案特征)，以确定面对所述图案化过程的至少一部分行为，哪个器件图案特征很可能不合规格地产生(例如，很可能是有缺陷的)。可以应用阈值以识别哪一个或更多个器件图案特征很可能由于行为而不合规格地产生。作为简单示例，针对特定器件图案特征的重叠衬底映射可识别出，在衬底的某一区中，预期到所述器件图案特征在正X方向上具有2nm的重叠，并且针对器件图案特征的重叠的规格可以被设定为4nm(即，4nm或更小的重叠对于该器件图案特征是可接受的)。然后，如果实际的或预期的行为被确定为造成在正X方向上的1至3nm重叠，则此器件图案特征可以被视为关键的，这是由于来自衬底映射的2nm重叠加上来自实际的或预期的行为的1至3nm重叠很可能会造成器件图案特征不合规格。当然，可以执行不同分析。
1160的分析的结果是参数衬底映射的集合1163，其中，每个映射是针对被识别为关键器件图案特征的相应器件图案特征。这在图12中示意性地示出了为针对特征A、B、C和D中的每个的重叠的衬底映射(在此示例中)的集合，所述特征在此示例中各自被识别为关键特征。如在图12中所看到的，重叠衬底映射中的每个示出针对它的跨越整个衬底的相关联器件图案特征的重叠向量。可以看到，在一些区中，向量的量值是相对较大的，从而使得器件图案特征取决于图案化过程的行为而是特别关键的。
现在，分析1160可以进一步确定针对参数衬底映射(诸如被识别为是针对关键器件图案特征的映射)的权重。相对于针对第二特定器件图案特征的参数衬底映射，该权重可以对针对第一特定器件图案特征的参数衬底映射更大地加权，而作为确定待进行的校正的一部分。例如，鉴于实际的或预期的行为可以确定：相比于第二器件图案特征，第一器件图案特征更可能不合规格，被预期为进一步不合规格，等等。因此，针对第一器件图案特征的参数衬底映射在校正分析中比针对第二器件图案特征的参数衬底映射更大地加权。因而，可以产生一个或更多个权重1165并且可以将其与参数衬底映射的集合1163一起提供，其中，每个映射针对于被识别为关键器件图案特征的相应器件图案特征。
在1170处，基于一个或更多个关注的参数衬底映射来确定所述图案化过程的至少部分的一个或更多个校正，每个映射是每器件图案特征。例如，可以使用参数衬底映射的集合1163来计算出所述校正，其中，每个映射针对于被识别为关键器件图案特征的相应器件图案特征。另外或者替代地，校正可以将一个或更多个权重1165考虑在内，例如加权度量，可以使用该a1*F1+…+an*Fn，其中，a对应于权重，F对应于针对特定器件图案特征(例如临界特征)的参数衬底映射，并且n是器件图案特征的数目。在实施例中，所述校正可以将所述图案化过程的至少一部分的实际的或预期的行为考虑在内。
在1180处，可以通过用于图案化过程中的设备来应用一个或更多个校正。在实施例中，可以转换/转化所述校正以用于所述设备中。在实施例中，可以在1180处的设备中执行步骤1110、1120、1150、1160和/或1170中的任何一个或更多个的分析。
因此，在实施例中，可以至少基于衬底映射(例如以加权方式)来确定校正，该校正在图案化过程系统的一个或更多个校正机构的能力范围内，以得到器件图案特征的有所改善的产生。例如，在光刻设备的情况下，所述参数衬底映射可以用于产生所述光刻设备的一个或更多个控制参数(例如，焦点、剂量、光学像差、X、Y和/或Z位置，等等)的值，该值影响对器件图案特征中的一个或更多个的产生的校正。在实施例中，所述参数衬底映射能实现基于器件图案特征加权的光刻设备图案转印控制，以便以对最关键器件图案特征的校正为目标。
在实施例中，出于设计、确定校正等目的，可以将针对特定器件特征的参数衬底映射与不同的关注的参数的一个或更多个其他参数衬底映射(其可以是器件特征特定的，或不是器件特征特定的)一起使用。例如，可以将重叠的衬底映射与焦点和/或CD的衬底映射(该衬底映射可以针对重叠映射的特定特征是特定的，或者可以是通用的)一起使用以用于重叠校正。例如，出于校正由于例如投影系统像差的重叠移位的目的，从焦点衬底映射的散焦可以提供信息。
在检阅时，实现了通过计算光刻与量测模拟的组合(例如全晶片计算光刻与量测目标测量模拟的组合)、量测目标测量(例如，ADI/AEI重叠量测)和器件上测量而产生每器件图案特征的关注的参数(例如重叠)衬底映射。实际上，提供了计算场内取样以提供跨越整个衬底的关注的参数的有所改善的表示。在具有一个或更多个衬底映射的情况下，可以在图案化过程中基于该一个或更多个衬底映射进行校正，以帮助改善针对一个或更多个特定器件图案特征的关注的参数。例如，可以在光刻设备中进行校正(例如，衬底的X位置、Y位置和/或Z位置的校正、光学像差的校正、剂量的校正，等等)。在实施例中，多个衬底映射(每个映射对应于一不同器件图案特征)用于加权组合中以进行校正。因而，可以将器件图案特征加权的反馈提供至所述图案化过程中的适当设备以实现适当校正。
在重叠实施例中，本文中描述的技术可以使用计算光刻基于例如器件图案布局信息和图案化过程参数(诸如光学像差、剂量、平台位置，等等)来预测特定器件图案特征的重叠/图案移位(例如，对准)。来自量测目标的重叠/对准数据随后用以锚定位于选定部位处的器件图案特征的经预测重叠/对准。然后，基于预测的密集重叠(来自密集计算光刻)和稀疏重叠/对准测量而产生器件图案特征特定的密集重叠/对准映射。器件上测量可以用于使稀疏重叠/对准测量与所预测的密集重叠相关。通过使用那些器件图案特征特定的映射，可以产生校正。例如，可以基于实际的或预期的图案化过程行为来识别针对关键器件图案特征的映射，并且将针对关键器件图案特征的映射用于校正。另外，可以将权重分配给某些映射以便实现以特定器件图案特征(诸如较关键器件图案特征)为目标。
每器件图案特征技术的这个关注的参数衬底映射可以产生一个或更多个益处。例如，其可以通过将能够从模拟获得的相对较高密度与由所测量数据(例如，量测目标数据和器件上测量数据)使用的验证进行组合，来产生关注的参数的准确度误差相对于适用器件图案特征的减小。此外，此技术可以用于有限参数测量取样，这是因为可以基于模拟经由外插来获得空间信息，并且该空间信息可以产生参数信息的较高空间分辨率。每器件图案特征的衬底映射还能实现了取决于器件图案特征的不同处理指纹的分离。不同器件图案特征可以具有不同的场间和/或场内指纹，并且因此所述指纹的分离能够改善使用所述图案化过程系统内的校正机构以误差为目标。此外，器件图案特征的加权校正能实现例如可适于所述图案化过程系统内的校正机构的能力的更适合场内校正。
在实施例中，量测目标接近于器件图案特征而定位以减小或最小化在产生器件图案特征与量测目标时的光学像差之差。但在实施例中，模拟可以用于通过适当量测目标选择和灵敏度分析来“桥接”任何差。因此，可能需要较少测量目标来预测器件图案特征的行为。
在实施例中，所述计算量测模拟可以用于设计朝向某些器件图案特征的行为而优化的量测目标。也就是说，某些量测目标的间距、分段等可以被选择为使得从那些目标测量的关注的参数相对于其他器件图案特征(诸如关键器件图案特征)是高度地(例如最大程度上)代表或表示某些器件图案特征。因此，所述器件图案特征可以具有多种不同的量测目标类型，其中，不同量测目标类型相比于其他器件图案特征更大程度地表示一个或更多个某些器件图案特征。
在实施例中，所述器件上测量可以用于验证所述计算光刻的正确性和/或校准计算光刻模型。
可以出于各种目的使用本文中的方法的结果(或从本文中的方法的结果导出的另一结果(例如缺陷预测))，所述目的包括：控制所述图案化过程中的过程或其中的设备、监测由所述图案化过程产生的衬底、设计所述图案化过程的过程或设备，等等。例如，所述结果或从其导出的另一结果可以用于变更所述图案化过程的设备或过程以用于进一步处理所述衬底或用于处理另一衬底。例如，结果可以用以预测缺陷。缺陷的预测可以用于例如控制一量测工具以检查受影响区域和/或变更所述图案化过程的设备或过程以进一步处理所述衬底或处理另一衬底。此外，所述结果可以用于通过例如导出针对校正所述光刻设备的剂量配置方案来设计所述图案化过程，从而能实现所述图案形成装置及其图案的设计、过程的设置，等等。此外，结果可以用于模型校准中，例如，光学邻近效应校正模型、源－掩模优化模型、光刻制造检查模型、抗蚀剂模型、成像模型、测量模型(例如对所述测量的过程进行建模)等的校准。所述结果可以用于确定出过程的一个或更多个变量(例如，最佳曝光和/或最佳剂量)，该一个或更多个变量可以随后用于各种目的。如将明白的，可以存在许多其他用途。
图13中图示了用于建模和/或模拟图案化过程的一部分的示例性流程图。如将明白，所述模型可以表示不同图案化过程且无需包括下文所描述的所有模型。源模型1200表示图案形成装置的照射的光学特性(包括辐射强度分布、带宽和/或相位分布)。源模型1200可以表示所述照射的光学特性，包括但不限于：数值孔径设定、照射西格玛(σ)设定、以及任何特定照射形状(例如，离轴辐射形状，诸如环形、四极、偶极，等等)，其中，σ(或西格玛)是照射器的外部径向范围。
投影光学器件模型1210表示所述投影光学器件的光学特性(包括由投影光学器件引起的辐射强度分布和/或相位分布的改变)。所述投影光学器件模型1210可以表示所述投影光学器件的光学特性，所述光学特性包括像差、失真、一个或更多个折射率、一个或更多个实体大小、一个或更多个实体尺寸等。
图案形成装置/设计布局模型模块1220捕获到所述设计特征如何被布置于所述图案形成装置的图案中，并且可以包括所述图案形成装置的详细物理属性的表示，如例如在以全文引用的方式并入本文中的美国专利号7,587,704中所描述的。在实施例中，图案形成装置/设计布局模型模块1220表示设计布局(例如，与集成电路、存储器、电子器件等的特征对应的器件设计布局)的光学特性(包括由给定设计布局引起的辐射强度分布和/或相位分布的改变)，该设计布局是图案形成装置上的、或由图案形成装置形成的特征的布置的表示。由于可以改变用于光刻投影设备中的图案形成装置，所以需要使图案形成装置的光学属性与至少包括照射和投影光学器件的光刻投影设备的其余部分的光学属性分离。模拟的目标经常是准确地预测例如边缘放置和CD，随后可以比较边缘放置和CD与器件设计。器件设计通常被定义为预OPC图案形成装置布局，并且将以诸如GDSII或OASIS之类的标准化数字档案格式被提供。
可以从源模型1200、投影光学器件模型1210和图案形成装置/设计布局模型1220来模拟空间图像1230。空间图像(AI)是在衬底水准处的辐射强度分布。所述光刻投影设备的光学属性(例如照射、图案形成装置和投影光学器件的属性)规定了所述空间图像。
衬底上的抗蚀剂层是由空间图像曝光，并且该空间图像被转印到抗蚀剂层而作为其中的潜像“抗蚀剂图像”(RI)。可以将抗蚀剂图像(RI)定义为抗蚀剂层中的抗蚀剂的溶解度的空间分布。可以使用抗蚀剂模型1240从所述空间图像1230模拟抗蚀剂图像1250。可以使用所述抗蚀剂模型来从所述空间图像计算出所述抗蚀剂图像，可以在美国专利申请公开号US 2009-0157360中找到其示例，该公开的全部内容以引用的方式并入本文中。所述抗蚀剂模型通常描述在抗蚀剂曝光、曝光后焙烤(PEB)和显影期间出现的化学过程的效应，以便预测例如形成于衬底上的抗蚀剂特征的轮廓，并且因此其通常仅与抗蚀剂层的这些属性(例如在曝光、曝光后焙烤和显影期间出现的化学过程的效应)相关。在实施例中，可以捕获抗蚀剂层的光学属性(例如折射率、膜厚度、传播和偏振效应)而作为投影光学器件模型1210的一部分。
因此，通常，介于光学模型与抗蚀剂模型之间的连接是抗蚀剂层内的所模拟的空间图像强度，其由于辐射至衬底上的投影、抗蚀剂界面处的折射以及抗蚀剂膜叠层中的多个反射而产生。辐射强度分布(空间图像强度)由入射能量的吸收而变为潜像“抗蚀剂图像”，该潜像抗蚀剂图像由扩散过程和各种负载效应来进一步修改。足够快以用于全晶片应用的高效模拟方法通过2维空间(和抗蚀剂)图像来近似所述抗蚀剂叠层中的实际三维强度分布。
在实施例中，可以将抗蚀剂图像用作至图案转印后过程模型模块1260的输入。图案转印后过程模型1260定义了一个或更多个抗蚀剂显影后过程(例如蚀刻、显影等)的性能。
图案化过程的模拟可以例如预测在抗蚀剂和/或经蚀刻图像中的轮廓、CD、边缘放置(例如边缘放置误差)等。因而，该模拟的目标是准确地预测例如所印刷图案的边缘放置、和/或空间图像强度斜率、和/或CD等。可以比较这些值与预期设计，用以例如校正所述图案化过程，识别预测出现缺陷的地点等。所述预期设计通常被定义为可以用诸如GDSII或OASIS或其他档案格式之类的标准化数字档案格式而提供的预OPC设计布局。
因而，模型公式化描述了总体过程的大多数(如果非全部)已知物理学和化学方法，并且模型参数中每个模型参数理想地对应于相异的物理或化学效应。因而，模型公式化设定了关于所述模型可以用于模拟所述总制造过程的良好程度的上限。
图14中图示了用于建模和/或模拟量测过程的示例性流程图。如将明白，以下模型可以表示不同量测过程且无需包括下文所描述的所有模型(例如可以将一些模型组合)。源模型1300表示量测目标的照射的光学特性(包括辐射强度分布、辐射波长、偏振等)。源模型1300可以表示照射的光学特性，包括但不限于：波长、偏振、照射西格玛(σ)设定(其中，σ(或西格玛)是照射器中的照射的径向范围)、任何特定照射形状(例如，离轴辐射形状，诸如环形、四极、偶极等)。
量测光学器件模型1310表示所述量测光学器件的光学特性(包括由量测光学器件引起的辐射强度分布和/或相位分布的改变)。量测光学器件1310可以表示由量测光学器件对量测目标的照射的光学特性，和从所述量测目标重新导向的辐射朝向量测设备检测器的转印的光学特性。量测光学器件模型可以表示涉及目标的照射和从量测目标重新导向的辐射朝向检测器的转印的各种特性，包括：像差、失真、一个或更多个折射率、一个或更多个实体大小、一个或更多个实体尺寸等。
量测目标模型1320可以表示由量测目标重新导向的照射的光学特性(包括由量测目标引起的照射辐射强度分布和/或相位分布的改变)。因而，所述量测目标模型1320可以建模所述照射辐射至由所述量测目标重新导向的辐射的转换。因而，量测目标模型可模拟从量测目标重新导向的辐射的所得照射分布。量测目标模型可以表示涉及目标的照射和从量测重新导向的辐射的产生的各种特性，包括一个或更多个折射率、量测的一个或更多个实体大小、量测目标的实体布局等。由于可以改变所用的量测目标，所以需要使量测目标的光学属性与至少包括照射和投影光学器件和检测器的量测设备的其余部分的光学属性分离。模拟的目标经常是准确地预测例如强度、相位等，其可以随后用以导出所述图案化过程的关注的参数，诸如重叠、CD、焦点等。
可以从源模型1300、量测光学器件模型1310和量测目标模型1320模拟光瞳或空间图像1330。光瞳或空间图像是检测器水准处的辐射强度分布。量测光学器件和量测目标的光学属性(例如，照射、量测目标和量测光学器件的属性)规定了光瞳或空间图像。
量测设备的检测器被曝光至光瞳或空间图像并且检测该光瞳或空间图像的一个或更多个光学属性(例如强度、相位等)。检测模型模块1320表示如何由量测设备的检测器来检测来自量测光学器件的辐射。检测模型可以描述检测器如何检测光瞳或空间图像，并且可以包括信号对噪声、对检测器上的入射辐射的灵敏度等。因此，通常，量测光学器件模型与检测器模型之间的连接是所模拟的光瞳或空间图像，其由于由光学器件对量测目标的照射、由目标对辐射的重新导向和经重新导向辐射至检测器的转印。辐射分布(光瞳或空间图像)通过检测器上的入射能量的吸收而变为检测信号。
量测过程的模拟可以例如基于由检测器对光瞳或空间图像的检测来预测检测器处的空间强度信号、空间相位信号等，或来自检测系统的其他计算值，诸如重叠、CD等值。因而，模拟的目标是准确地预测例如与量测目标对应的检测器信号或诸如重叠、CD之类的所导出值。可以比较这些值与预期设计值以例如校正所述图案化过程，识别预测出现缺陷的地点等。
因而，模型公式化描述了总体量测过程的大多数(如果不是全部)已知物理学和化学方法，并且模型参数中的每个模型参数理想地对应于量测过程中的相异物理和/或化学效应。
如上文且特定而言关于图12所论述的，可以基于经稀疏取样的量测数据和来自所述图案化过程的一个或更多个设备的数据，来每衬底产生参数映射(在本文中也被称为高密度映射或混合密度映射)。由于来自一个或更多个设备的数据可以用于所有衬底，所以其能实现针对所有衬底产生参数映射，同时针对仅少数衬底(例如衬底的批次中的25中的2个)执行测量。使用参数映射(即，高密度映射)优于仅使用量测数据的优点在于设备数据对于所有衬底的可用性，相比于仅基于量测数据而获得的参数表示，这样允许实现每个衬底的每个部位处更准确的参数表示。在实施例中，参数映射可以表示所导出参数。另外，参数映射可以用于确定可以进一步应用于所述图案化过程的一个或更多个设备的校正/控制/调整。
然而，该控制可以基于衬底上的经稀疏取样数据，其可能并不代表已经受所述图案化过程的整个批次衬底。这种基于稀疏取样数据的控制可能遗漏可校正分量，可校正分量可以从整个批次衬底中的每个衬底的可用量测和设备数据导出。因此，在实施例中，并且如已经在一定程度上关于图12所描述，经改善校正分析技术和后续控制策略可能有利于产生/印刷准确产品图案，包括产品图案内的临界特征。在以下方法中，所述图案化过程的校正基于所述图案化过程的代表性品质。在本公开中，品质可以由参数映射或与参数映射对应的校正来表示。因此，代表性品质是针对一批次衬底而获得的代表性参数映射或代表性校正。如下详细论述用于基于代表性映射或代表性校正来对所述图案化过程进行校正的方法。
图15示意性地示出了用于根据实施例的方法的流程。如上文所论述的，可以通过组合所述量测数据1601与来自用于图案化过程中的设备的数据1602，来获得和/或产生所述图案化过程的参数的多个参数映射1600。在实施例中，可以针对一批次衬底而获得和/或产生所述参数映射1600。这种参数映射1600包括与由不同设备引入的变化、过程顺序或序列、和/或图案化过程期间衬底自身的非均一性相关联的信息。例如，在处理期间来自所述批次衬底中的衬底可以包括可能并不与来自该批次的其他衬底类似的非均一性/不规则性/杂质(例如凸块、灰尘等)。然后，基于此不规则衬底的控制可能影响下一批次和/或同一批次中的其他衬底的图案化。在另一示例中，图案化过程的设备可以包括可以在一段时间内消失和/或固定不变的不规则性。可以通过分析多个参数映射1600来识别由于衬底自身或设备的不规则性而导致的这种效应，并且可以确定适当和/或较准确校正。因而，相比于针对衬底所收集的稀疏取样数据，多个参数映射1600提供所述图案化过程的较丰富数据以用于校正分析。
在实施例中，数据1602可以用于诸如扫描器、蚀刻器工具或图案化过程的CMP之类的设备中的一个或更多个。设备的数据1602可以包括设备的参数和/或设定信息，诸如扫描器的水准和对准信息、投影系统的像差、照射系统的剂量等。如此，数据1602可以捕获由于设备中的改变(例如，由于用途、维护活动、设备的布局中的改变，等等)而引入的变化。数据1602可以提供局域设备特定的信息，其可能影响在图案化过程的设备处正在被处理的衬底。例如，在一批次衬底中的25个衬底中，可以在第一扫描器处对12个衬底进行处理且可以在第二扫描器处对13个衬底进行处理。每个扫描器可以引入特定误差和/或可以被不同地控制。此信息可以从参数映射1600和数据1602揭露，该信息可以进一步用以例如针对下一批次衬底来定义准确校正，其中，所述校正可补偿先前处理中的误差以最终在衬底上产生准确且一致的产品图案。
在过程1604中，从参数映射1600选择代表性参数映射1605。可以用若干不同方式来描述所述代表性参数映射。例如，代表性参数映射可以是对衬底水准变化示出最少易感性的参数映射。在另一示例中，其可以是多个参数映射的加权总和，其中，高权重被给予至在多个参数映射内具有相对较少变化(例如，跨越整个所述衬底的参数变化)的参数映射，以产生衬底水准变化可以被抑制的参数映射。在又一示例中，可以例如基于加权参数映射产生代表性映射，并且可以从表示为代表性参数映射的多个参数映射选择出示出最佳匹配(例如，与加权参数映射的匹配大于95％)的参数映射。
在实施例中，代表性映射的选择可以包括确定多个参数映射1600中的平均参数映射和从多个映射1600选择最接近于平均参数映射的参数映射作为代表性映射1605。例如，平均映射可以被确定为多个参数映射(例如，针对具有25个衬底的一批次衬底的25个参数映射)中的每个参数映射的总和除以参数映射(或衬底，例如25)的总数目。在实施例中，可以针对图案化过程的每个设备计算出平均参数映射。例如，如果在第一光刻设备处对25个衬底中的12个进行处理，则第一平均参数映射可以基于针对那12个衬底的参数映射。类似地，可以基于例如在第二光刻设备处被处理的剩余13个衬底来确定第二平均参数映射。然后，代表性映射1605的选择可以特定针对第二光刻设备。
在实施例中，代表性参数映射1605的选择可以基于例如参数映射1600的加权平均。在实施例中，可以确定多个参数映射的加权总和，其中，高权重被赋予给在多个参数映射内具有相对较少变化的参数映射，以产生衬底水准变化可以受抑制的加权参数映射。所述变化可以是衬底间的(即，跨越整个所述衬底)或衬底内(即，在两个不同衬底之间)的。例如，可以对于针对衬底1至10中的每个衬底的参数映射分配权重0.05，可以对于针对衬底11至20中的每个衬底的参数映射分配权重0.04，并且可以对于针对衬底21至25中的每个衬底的参数映射分配权重0.02。在另一示例中，可以不向一些衬底(例如1至2)分配权重(即，一些参数映射可以被视为到期的异常值)。然后，可以从多个参数映射选择与加权平均值映射最匹配(例如大于95％)的代表性参数映射。
在一个实施例中，可以产生加权参数映射，其中，可以将较高权重分配给从一个或更多个衬底的较新近参数映射获得的参数映射。例如，一批次衬底可以包括25个衬底，其中，所述一个或更多个衬底可从1至25被依次和/或并行地处理。因此，可以将相对较高权重分配给较新近衬底(例如，在依次处理的情况下为衬底20至25)，并且将低权重分配给较早处理的衬底，诸如衬底1至5。因此，可以计算所述参数映射的加权平均值。因此，较新近处理中的捕获改变可直接适用于下一批次衬底。在一个实施例中，加权参数映射可以是代表性参数映射1605。在实施例中，可以比较加权参数映射与多个参数映射1600以选择与加权参数映射具有高相关性的代表性参数映射1605。例如，加权参数映射可以与25个衬底中的第22个衬底的参数映射匹配(例如95％匹配)。如此，可以选择第22个衬底的参数映射作为代表性参数映射1605。
在实施例中，可以基于诸如扫描器、蚀刻器工具或CMP之类的设备的校正潜力来分配权重。校正潜力是指跨越一衬底来校正与参数(焦点/CD/重叠)相关联的某一指纹的能力。例如，所述扫描器包括能够校正场内指纹(例如，管芯水准处的曝光场内的CD)的若干控制参数(例如，水准、焦点、剂量、曝光等)。扫描器还能够跨越整个所述晶片来校正指纹(例如，在场间内的较大空间尺度情况下，诸如相比于场12来校正场1的平均CD)。
在实施例中，蚀刻器还能校正例如CD指纹，但通常并不在小空间尺度下进行(例如，场内通常是不可行的，除非场偶然地位于某一部位处)。然而，蚀刻器能够校正(蚀刻后)参数(例如，CD)的径向指纹。这可能相对较难以实现使用扫描器。例如，扫描器的校正潜力可能受限于大致±7％的剂量校正，此剂量校正可能不足以补偿强径向CD指纹；在此情况下，可以优选基于蚀刻器的校正。
此外，在实施例中，可基于每个衬底和/或设备的量测测量中的置信度来分配权重。例如，衬底上的每坐标或每衬底的置信度可不同，这由于贡献于衬底或坐标的量测数据的量的差异，该差异由于衬底之间的取样密度差异而产生。在另一示例中，第一扫描器处的量测的置信度可大于第二扫描器处的量测的置信度。在另一示例中，扫描器处的量测的置信度可大于蚀刻器工具处的量测的置信度等等。
在一个实施例中，可选择多于一个代表性映射。例如，在第一扫描器处受处理的12个衬底可具有类似参数映射，而在第二扫描器处受处理的13个衬底可具有不同参数映射。在此情况下，第一代表性映射可用于将在第一扫描器处受处理的衬底，且第二代表性映射(不同于第一代表性映射)可用于将在第二扫描器处受处理的衬底。
在过程1606中，基于代表性参数映射1605和来自设备的数据1602，可以确定校正1607。如此，校正1607可潜在地矫正在用于下一批次衬底的整个过程中最常发生的问题。例如，校正1607可以包括在下一批次衬底的图案化过程中使用的设备(例如扫描器、蚀刻工具、CMP、沉积工具等)的新设置的配置。在实施例中，校正可以关于衬底(例如，在同一批次衬底内)可能访问的后续设备。例如，如果衬底将在第一扫描器之后访问第一蚀刻工具且所述蚀刻工具具有受限的校正潜力，则当确定所述校正时，可以预见此限制，并且可以相应地定义扫描器处的校正以补偿所述蚀刻工具的限制。
基于以上校正，可以改善连续批次中或同一批次内的衬底的图案化。在实施例中，校正1607可以包括扫描器设定的修改(例如，诸如衬底之类的物体的X、Y或Z运动的控制的修改)、投影系统像差的特定校正(例如，使用致动器或投影系统中的其他波前操纵器件)、用于曝光衬底的照射剂量的改变(例如，通过控制辐射源和/或使用所述照射系统中的剂量调制装置)等)。可以明白的是，所述校正因数可以类似于早先关于图12所论述的校正因数，该校正因数具有基于代表性参数映射而确定的校正值/控制策略。
在过程1610中，可以将校正1607应用于该设备、和/或针对下一批次衬底的图案化过程的其他设备。因此，改善了连续批次中的衬底的图案化的准确度和一致性。
在实施例中，可以针对多个参数映射来确定一个或更多个校正，并且可以选择代表性校正，如关于图16中的方法所论述的。
在图16中，使用量测数据和来自图案化过程的设备的数据1704(类似于数据1602)，可以如早先所论述而获得和/或产生所述图案化过程的参数的参数映射1700(类似于参数映射1600)。此外，可以例如使用早先关于图12所论述的方法来获得对参数映射的一个或更多个校正1702。在实施例中，一个或更多个校正1702的第一校正可以与具有类似特性的第一组参数映射相关，第二校正可以与具有类似特性的第二组参数映射相关，等等。
在过程1706中，可以从一个或更多个校正1702选择代表性校正1707。以与图15中所论述方式类似的方式，代表性校正1707的选择可以基于例如一个或更多个校正1702的加权平均和/或设备的校正潜力。例如，可以将较高权重分配给对新近衬底(例如22至25个衬底)的新近校正，并且可以将较低权重分配给对先前批次(例如，具有25个衬底)的早先衬底(例如1至5个衬底)的校正。在另一示例中，可以将相对较高权重分配给相比于其他设备(例如蚀刻器、CMP等)具有更高校正潜力的设备(例如扫描器)处的校正。
在过程1708中，基于代表性校正1707和来自设备的数据1704而确定了校正1709。校正1707可以包括针对将被处理的下一批次衬底的设备的经修改设定的配置。可以明白的是，所述校正因数可以类似于早先关于图13和图15所论述的校正因数，该校正因数具有基于代表性参数映射而确定的校正值/控制策略。
在过程1710中，可以将校正1709应用于该设备和/或针对下一批次衬底的图案化过程的其他设备。因此，改善了连续批次中的衬底的图案化。
以上技术可以被进一步扩展以应用在衬底水准处的校正，如在图17A的方法中所论述的。在实施例中，如图17A所示，该方法可以使用当前衬底(即，正在受处理的衬底)的测量和所收集的包括先前经处理批次衬底的参数映射的数据来确定衬底水准处的校正。
可以从量测数据和来自图案化过程的设备的数据1802(类似于1602和1704)获得和/或产生针对先前经处理衬底的图案化过程的参数的多个参数映射1800(类似于1600和1700)。在实施例中，可以基于如图17B中借助于非限制性示例所示出的参数的特定指纹来分类(或标注)多个参数映射1800。例如，第一类别包括沿衬底边缘的指纹1811，第二类别包括三个指纹1821、1823和1825，第三类别包括蝶形区1831，第四类别包括沿直径散布的指纹1841，并且第五类别包括以交叉方式散布的指纹1851。指纹可以是例如由于图案化过程的累积误差、诸如重叠之类的参数，或其他关注的参数。多个参数映射的每个类别可以具有相同或不同数目的衬底。例如，在以上示例中，第一类别可包括8个参数映射，第二类别可包括3个参数映射，第三类别可包括10个参数映射，并且第四类别和第五类别可以分别包括2个参数映射。在实施例中，可以使用簇算法(例如，k均值)来执行分类，其中，多个参数映射中的在一个或更多个部位处具有类似第一平均参数值的一个或更多个参数映射可被标注/分类成一个类别。类似地，多个参数映射中具有第二平均参数值的一个或更多个参数映射可被分类/标注为第二类别。在实施例中，可对多个参数映射使用主成分分析以分析和识别不同指纹且借助于簇算法(如k均值)进一步表征所述指纹在各种映射中的存在。
另外，可以从量测工具获得当前批次衬底中的当前衬底的测量1802。当前衬底的测量1802可以包括例如在设备(例如扫描器)中所测量的衬底表面廓形(来自水准传感器的数据)、对准数据等。当前衬底的测量1802提供关于衬底条件的信息，该衬底条件实现对衬底特定的校正的识别。例如，当前衬底可以包括沿边缘或在中心处的不规则性。每个这种条件可以与不同类别的参数映射和对应校正因数相关。因而，基于当前衬底的条件，可以定义适当校正。
在实施例中，在过程1806中，例如通过比较测量1802与参数映射1800(例如图17B中所示出的)并且识别匹配参数映射1807，可以使用当前衬底的测量1802来识别当前衬底的类别。
在实施例中，可以将当前衬底的测量1802转换成与多个参数映射1800对应的参数的当前参数映射1805。相比于参数映射1800，从测量1802产生的当前衬底映射1805可以是较不准确的，这是由于当前衬底映射是从图案化过程的仅部分的数据获得/产生。例如，当仅水准传感器数据可用且遗漏了关于聚焦的信息时，则仅基于水准传感器数据的衬底映射可能与基于水准传感器和聚焦数据两者的衬底映射相比准确度稍差。可以进一步比较当前衬底映射1805与参数映射1800以识别匹配参数映射1807。
例如，正处理的当前批次衬底的第一当前衬底可以类似于先前经处理批次的衬底的第二类别。在另一示例中，当前批次的第二衬底可以类似于先前经处理批次的衬底的第四类别。因此，匹配参数映射1807可以针对不同衬底而不同，并且因此校正也是如此。
替代地或另外，基于当前衬底数据和来自设备的数据1804的测量1802，可以执行模拟和/或建模，并且可以获得和/或产生建模参数映射1803。此建模参数映射1803不仅考虑当前衬底特定的数据，并且还考虑来自将处理当前衬底的设备的数据，该设备允许预测可以在当前衬底上的图案化过程中在设备处发生的任何潜在误差。建模参数映射1803可以是可在当前衬底的图案化过程结束时观察到的预测参数映射。
此外，在过程1806中，可以比较建模参数映射1803与参数映射1800，以从参数映射1800识别出匹配参数映射1807。该比较可能涉及识别与建模参数映射1803紧密匹配(例如大于95％匹配)的来自参数映射1800的参数映射。此匹配参数映射1807可以特定针对当前衬底。此外，匹配参数映射1807可以匹配或可以不匹配先前经处理衬底的参数映射1800中的一个或更多个。例如，第一当前衬底的第一建模参数映射可以类似于参数映射的第一类别，或更特定地，类似于先前经处理批次衬底的第十一衬底。在另一示例中，第二当前衬底的第二建模参数映射可以类似于参数映射的第二类别，或更特定地，先前经处理批次衬底的第二十二衬底。
在过程1808中，基于匹配参数映射1807，可以确定校正1809。明显地，参数映射的类别中的每个类别可具有不同校正。另外，当前衬底的测量1802可以实现可出现在当前衬底上的局域校正。局域校正可以被配置为补偿除在所识别类别中看到的误差以外观测到的额外误差。例如，除了例如参数映射的第一类别的重叠以外，测量1802和/或当前衬底映射1805还可指示局域误差(例如，在衬底中间的显著重叠)。然后，此局域误差还可被因子分解至校正1809中。
在实施例中，校正1809可以包括该设备和/或将处理当前衬底的后续设备的经修改设定的配置。可以明白的是，校正因数可以类似于先前关于图13、图16和图17所论述的校正因数，其具有可能不同的校正值/控制策略，这是因为校正基于不同代表性映射而确定。
此外，在过程1810中，可以将校正1809应用于该设备、和/或图案化过程的其他设备。因而，改善了经处理的批次衬底内的当前衬底的图案化。
替代地或另外，在实施例中，可以针对多个参数映射确定一个或更多个校正，和/或者可以将一个或更多个校正分类。基于当前衬底的测量1802可以转换成当前衬底映射，并且可以确定针对当前衬底映射的当前衬底校正。可以进一步比较当前校正与一个或更多个校正以识别校正的类别，并且进一步确定和/或修改当前衬底校正以产生校正1809。
对于上文所论述的方法，所述方法还可以包括以下分类和对应校正。在实施例中，以上方法可以进一步涉及获得和/或分类的衬底和确定针对每个类别可以类似或不同的校正。在实施例中，可以基于多个参数映射而获得和/或产生一个或更多个衬底类别。在一个实施例中，可以基于在图案化过程期间处理衬底的一个或更多个设备来定义所述类别。例如，在第一扫描器处受处理的衬底可以是第一类别，且在第二扫描器处受处理的衬底可以是第二类别。在另一示例中，在第一扫描器和第一CMP处受处理的衬底可以是一个类别，在第二扫描器和第一蚀刻器处受处理的衬底可以是另一类别，等等。
对于每个这些类别且基于代表性参数映射或代表性校正，可以定义特定针对一类别的校正。此外，对于衬底水准校正，可以基于测量而向当前衬底分配来自所识别类别的类别。对于所识别类别，可以选择对应校正作为代表性校正。
因为相比于计算上导出的量测数据，所使用的实际(即，所测量)量测数据的量相对稀疏，所以量测数据易于受噪声性能影响。此外，可以存在非系统性因素对监测和控制策略的不相称影响。因此，在实施例中，提出使用本文中的方法以针对量测数据(多个品质)中的一个或更多个系统性贡献因素(各自为代表性品质)进行过滤或筛选，使得非系统性贡献因素被筛选出和/或被分开地考虑。这应基于每贡献因素进行；例如，对重叠行为的单独贡献因素可以包括平台误差、透镜像差、对准(误差)和水准传感器高度映射。相关贡献因素将取决于关注的参数、所使用的设备和它们的校正能力等而变化，但可包括对关注的参数的误差和/或控制的任何贡献因素。因而，多个品质可包括多个参数映射，每个参数映射与单独贡献因素相关。如同本文中描述的其他实施例一样，品质可以是校正，即，与每一贡献因素相关联，并且代表性品质可以是代表性校正。
为此，提议将每个单独贡献因素(例如，水准传感器贡献因素、对准贡献因素等)关联至描述如某一空间指纹(例如重叠指纹)如何例如跨越各层和/或卡盘和/或各批次和/或各衬底而演进的一致性特性，由此将贡献因素分类为系统性或非系统性的，和/或基于一致性特性分配加权。
可以基于多个贡献因素对性能参数(例如重叠/CD/EPE/焦点/剂量)的映射而确定控制度量，其中，每个贡献因素根据其一致性特性而被处理/筛选和/或加权。计算量测数据中每贡献因素的批次、卡盘和衬底的系统性和/或非系统性指纹信息可以用作针对后续批次、卡盘和衬底的输入和/或用作针对后续层的输入。
图18包括图示此筛选方法的流程图。单独贡献因素参数映射1900经历筛选步骤1910以基于所确定的一致性特性来筛选例如每批次、卡盘和衬底的系统性(或非系统性)贡献因素。一致性特性可以例如基于与(例如，系统性)先前贡献因素信息/来自先前层、衬底和/或批次的参数映射1920的比较。基于一致性特性，筛选步骤可以确定贡献因素在二元分类中是系统性的或者是非系统性的(例如，根据针对一致性特性的阈值)；或其可以确定贡献因素的系统性程度(例如，以确定针对贡献因素的加权)。此步骤的输出是多个经筛选的单独贡献因素参数映射1940，例如视情况具有针对每个映射的相关联加权的系统性(和/或非系统性)单独贡献因素参数映射1940。这些系统性(和/或非系统性)单独贡献因素参数映射1940可以在针对后续批次的反馈控制回路中被反馈1950(连同先前系统性(或非系统性)贡献因素信息1970)。例如，在实施例中，在控制回路中仅使用系统性贡献因素信息，其各自包括代表性品质或被组合成代表性品质(例如，系统性贡献因素参数映射)。替代地或另外，可以根据加权来组合所筛选的贡献因素，例如，其中，向较系统性贡献因素赋予较大加权。如此，输出代表性品质可以是系统性贡献因素的加权组合，其中，根据一致性特性而设定加权。另外，经筛选单独贡献因素信息(代表性品质)可以在针对后续层的控制回路中前馈1960。
如已经描述的，筛选步骤1910可以筛选出非系统性贡献因素，使得控制仅基于系统性贡献因素。然而，有可能筛选出系统性贡献因素并且在控制或监测动作中使用非系统性贡献因素，或在控制或监测动作中分离和使用系统性贡献因素和非系统性贡献因素两者。还有可能确定贡献因素的系统性程度(例如，基于一致性特性)并且分配适当的加权。另外或者替代地，加权可以基于其他因素，诸如相关联设备的校正潜力和/或量测置信度，如已经在其他实施例中所描述。
因此，提出针对所有贡献因素(例如，在计算量测方法中)捕获批次、卡盘和/或衬底的系统性(并且可选地非系统性)参数映射(例如指纹)。
在许多实施例中，可以如下确定系统性(和非系统性)指纹贡献因素：
·以基于时间的方式每群组/批次/卡盘/衬底；
·局域地和/或全局地每群组/批次/卡盘/衬底；
·批次内每群组/批次/卡盘/衬底；
·基于批次间信息；
·基于分组；和/或
·根据基于(经加权)平均化的权重并且考虑校正潜力扫描器/蚀刻器；例如，可以基于每衬底的测量置信度或测量而分配权重。
图19图示了用于执行在前馈控制方法(层间)中的筛选步骤1910的例示性方法。将目标层的贡献因素参数映射1975与先前层的对应贡献因素参数映射1980进行比较1985，以根据它们的类似性(例如，基于贡献因素参数映射1975与贡献因素参数映射1980的相关性的相关性度量)来确定针对每个贡献因素的一致性特性。具有较高程度的类似性的贡献因素参数映射可以用于前馈法1990(可能作为加权组合)中以基于先前层的测量用于控制后续衬底上的目标层。
图20更详细地包括此方法的流程图。图20(a)示出设置阶段，并且图20(b)示出主要计算量测阶段。在设置阶段中，贡献因素参数映射2010a、2010b、2010c和所测量参数值2020被馈送至加权算法2030中。加权算法2030随后计算适用于每个贡献因素参数映射的权重2040。为了提供特定重叠示例，贡献因素参数映射2010a、2010b、2010c可以包括调平贡献2010a、动力学贡献2010b和对准贡献2010c。加权算法2030分别针对这些中的每个输出权重2040：Wlvl、Wdyn和Wal。权重2040可以包括线性权重，并且可以针对每一方向根据贡献因素来被定义。在实施例中，使用多变量正态回归来计算权重。
图20(b)示出计算量测流程。测量了适当贡献因素参数映射2010a’、2010b’、2010c’，并且基于在步骤2030处所计算的权重来计算2050贡献因素参数映射2010a’、2010b’、2010c’的加权组合。例如，在使用前述段落中所描述的特定重叠示例的情况下，组合可以是wlvllvl+wdyndyn+walal，其中，lvl、dyn和al分别是贡献因素参数映射2010a’、2010b’、2010c’。基于加权组合来执行控制动作2060，例如在每衬底或每批次控制回路中反馈或前馈的校正，或基于先前层的量测而针对后续层而前馈的校正。
如所解释的，图22描述了用于获得组合的贡献因素指纹2205的方法。图22中所描述的方法还可以用于更新先前所描述的贡献因素参数映射(1975、1985、2010a等)中任一个。
在实施例中，披露了一种用于确定对图案化过程的校正的方法，所述方法包括：获得该图案化过程的多个品质，其中，所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是根据量测数据和根据该图案化过程的一设备的数据而产生，其中，该参数映射各自与该图案化过程的一贡献因素相关；由硬件计算机系统从所述多个品质中选择代表性品质，其中，所述代表性品质是选自所述多个参数映射的代表性参数映射；和由所述硬件计算机系统基于所述代表性品质来确定对所述图案化过程的校正。
在另一个实施例中，如先前段落中所披露的方法还包括：建模至少一个参数映射以获得至少一个贡献因素的建模表示；和组合该至少一个建模参数映射与该至少一个参数映射以获得该至少一个贡献因素的至少一个更新表示。
在另一个实施例中，如先前段落中所披露的方法还包括将该至少一个贡献因素的经更新表示用作输入以用于控制处理设备，诸如蚀刻工具、CMP工具、沉积工具和/或光刻设备。
在另一个实施例中，如先前段落中所披露的方法还包括产生用于提供对所述处理设备的控制的合适控制配置方案。
在另一个实施例中，如先前段落中所披露的方法包括产生每次曝光的控制(CPE)指令和/或子配置方案，其包含用于单独控制使用光刻设备提供至衬底的曝光场的信息。
在另一个实施例中，如先前实施例中任一个中所使用的建模使用被配置为描述跨越衬底的处理变量的低阶行为的全局模型。
图21是图示出可以辅助实施本发明中所披露的方法和流程的计算机系统100的框图。计算机系统100包括用于传达信息的总线102或其他通信机构，和与总线102联接以用于处理信息的处理器104(或多个处理器104和105)。计算机系统100还包括主存储器106，诸如随机存取存储器(RAM)或其他动态存储器件，其联接至总线102以用于存储待由处理器104执行的信息和指令。主存储器106在执行待由处理器104执行的指令期间还可以用于存储暂时变量或其他中间信息。计算机系统100还包括联接至总线102以用于存储用于处理器104的静态信息和指令的只读存储器(ROM)108或其他静态存储器件。提供存储器件110(诸如磁盘或光盘)并且将其联接至总线102以用于存储信息和指令。
计算机系统100可以经由总线102联接至用于向计算机使用者显示信息的显示器112，诸如，阴极射线管(CRT)或平板显示器或触控面板显示器。包括文数字按键和其他按键的输入装置114联接至总线102以用于将信息和命令选择传达至处理器104。另一类型的使用者输入装置是用于将方向信息和命令选择传达至处理器104且用于控制显示器112上的游标移动的游标控制件116，诸如鼠标、轨迹球或游标方向键。该输入装置通常具有在两个轴线(第一轴线(例如x)和第二轴线(例如y))中的两个自由度，其允许器件指定在平面中的位置。触控面板(屏幕)显示器还可以被用作输入装置。
根据一个实施例，过程的一部分可以响应于处理器104执行含于主存储器106中的一个或更多个指令的一个或更多个序列而由计算机系统100执行。可以从诸如存储器件110的另一计算机可读介质将该指令读取至主存储器106中。含于主存储器106中的指令序列的执行致使处理器104执行本文中所描述的过程步骤。还可以采用多处理配置中的一个或更多个处理器，以执行包括于主存储器106中的指令序列。在可替代的实施例中，可以取代或结合软件指令来使用硬布线电路系统。因此，本文中的描述不限于硬件电路系统与软件的任何特定组合。
如本文中使用的术语“计算机可读介质”系指参与将指令提供至处理器104以供执行的任何介质。该介质可以呈许多形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘，诸如存储器件110。易失性介质包括动态存储器，诸如主存储器106。传输介质包括同轴电缆、铜线和光纤，包括包括总线102的线。传输介质还可以呈声波或光波的形式，诸如在射频(RF)和红外(IR)数据通信期间所产生的声波或光波。计算机可读介质的常见形式包括例如软性磁盘、柔性磁盘、硬盘、磁带、任何其他磁介质、CD-ROM、DVD、任何其他光学介质、打孔卡、纸带、具有孔图案的任何其他实体介质、RAM、PROM和EPROM、FLASH-EPROM、任何其他存储器晶片或卡匣、如下文所描述的载波，或可供计算机读取的任何其他介质。
各种形式的计算机可读介质可能涉及将一个或更多个指令的一个或更多个序列携载至处理器104以供执行。例如，初始地可以将所述指令承载于远端计算机的磁盘上。远端计算机可以将指令载入至其动态存储器中，并且使用数据机经由电话线而发送指令。在计算机系统100本端的数据机可以接收电话线上的数据，并且使用红外线传输器以将数据转换成红外线信号。联接至总线102之红外线检测器可以接收红外线信号中携载的数据且将该数据放置于总线102上。总线102将数据携载至主存储器106，处理器104自主存储器106获取且执行指令。由主存储器106接收的指令可视情况在由处理器104执行之前或之后存储于存储器件110上。
计算机系统100还理想地包括联接至总线102的通信界面118。通信界面118提供对网络链路120的双向数据通信联接，网络链路120连接到局域网122。例如，通信界面118可以是综合服务数字网络(ISDN)卡或数据机以提供至对应类型的电话线的数据通信连接。作为另一示例，通信界面118可以是局域网(LAN)卡以提供对相容LAN的数据通信连接。还可以实施无线连结。在任何此实施中，通信界面118发送并且接收携载表示各种类型的信息的数字数据流的电信号、电磁信号或光信号。
网络链路120通常经由一个或更多个网络而将数据通信提供至其他数据器件。例如，网络链路120可以经由局域网122向主机计算机124或向由因特网服务提供者(ISP)126操作的数据装备提供连接。ISP 126又经由全球封包数据通信网络(现通常被称为“因特网”128)而提供数据通信服务。局域网122和因特网128都使用携载数字数据串流的电、电磁或光信号。经由各种网络的信号和在网络链路120上并且经由通信界面118的信号(所述信号将数字数据携载至计算机系统100和自计算机系统100携载数字数据)为输送信息的载波的示例性形式。
计算机系统100可以经由网络、网络链路120和通信界面118发送消息和接收数据，包括程序代码。在因特网的示例中，服务器130可能经由因特网128、ISP 126、局域网122和通信界面118而传输用于应用程序的经请求过程码。一个这种经下载应用过程可以提供例如实施例的照射优化。经接收码可以在其被接收时由处理器104执行，和/或存储于存储器件110或其他非易失性存储器中以供稍后执行。这样，计算机系统100可以获得呈载波形式的应用过程码。
本发明的实施例可以硬件、固件、软件或其任何组合予以实施。本发明的实施例还可以被实施为存储于机器可读介质上的指令，所述指令可以由一个或更多个处理器读取和执行。机器可读介质可以包括用于存储或传输以可以由机器(例如计算装置)读取的形式的信息的任何机构。例如，机器可读介质可以包括只读存储器(ROM)；随机存取存储器(RAM)；磁盘存储介质；光学存储介质；闪速存储器器件；电、光、声或其他形式的经传播信号(例如载波、红外信号、数字信号等)和其他。另外，固件、软件、规则、指令可以在本文中被描述为执行特定动作。然而，将明白，这些描述仅仅系出于方便起见，并且这些动作事实上是由计算装置、处理器、控制器或执行固件、软件、规则、指令等的其他器件引起。
在框图中，虽然所图示的组件被描绘为离散功能区块，但是实施例不限于本文中所描述的功能性如所图示来组织的系统。由组件中的每个提供之功能性可以由软件或硬件模块提供，所述模块以与目前所描绘的方式不同的方式组织，例如，可以掺和、结合、复写、解散、分配(例如，在数据中心内或按地区)，或另外以不同方式组织此软件或硬件。本文中所描述的功能性可以由执行存储于有形的、非暂时性机器可读介质上的过程码的一个或更多个计算机的一个或更多个处理器提供。在一些情况下，第三方内容传送网络可以主控经由网络传达的信息中的一些或全部，在这种情况下，在据称供应或以其他方式提供信息(例如内容)的情况下，可以通过发送指令以自内容传送网络获取所述信息来提供该信息。
除非另外具体地陈述，否则如自论述显而易见，将明白，贯穿本说明书，利用诸如“处理”、“计算”、“确定”或其类似者的术语的论述系指诸如专用计算机或类似专用电子处理/计算装置的特定装置的动作或过程。
读者将明白，本申请描述了数个发明。申请人已将这些发明分组成单一文件，而非将那些发明分离成多个分立的专利申请，这是因为这些发明的相关主题可以在应用过程中有助于经济发展。然而，不应该合并这些发明的相异优点和方面。在一些情况下，虽然实施例解决本文中所提到的所有不足，但是应该理解，所述发明是独立地有用的，并且一些实施例仅解决这些问题的子集或供应其他未经提及的益处，该益处对于查阅本发明的本领域技术人员将是显而易见的。由于成本约束，目前可以不主张本发明中所披露的一些发明，并且可能在后续的申请(诸如连续申请或通过修改本技术方案)中主张所述发明。类似地，由于空间限制，本文中的说明书摘要和发明内容章节都不应该被视为包含所有这些发明的全面清单或这些发明的所有方面。
应该理解，描述和附图不意图将本发明限于所披露的特定形式，而是恰恰相反，本发明意图涵盖属于如由随附的权利要求书所限定的本发明的精神和范围的所有变型、等效物和替代方案。
在以下编号项目的清单中披露了其他实施例：
1.一种用于确定对图案化过程的校正的方法，所述方法包括：
获得所述图案化过程的多个品质；
由硬件计算机系统从所述多个品质中选择代表性品质；和
由所述硬件计算机系统基于所述代表性品质确定对所述图案化过程的校正。
2.根据项目1所述的方法，其中，所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据以及从所述图案化过程的设备的数据产生的，并且
其中，所述代表性品质是选自所述多个参数映射的代表性参数映射。
3.根据项目1所述的方法，其中，所述多个品质是针对在所述图案化过程期间处理的衬底的批次的与所述图案化过程的多个参数映射对应的一个或更多个校正，所述多个参数映射中的每个参数映射是从量测数据以及从所述图案化过程的设备的数据产生的，并且
其中，所述代表性品质是选自对所述图案化过程的一个或更多个校正的代表性校正。
4.根据项目1至3中任一项所述的方法，其中，所述代表性品质的选择基于对所述多个品质的加权平均。
5.根据项目1至4中任一项所述的方法，其中，所述代表性品质的选择基于对所述图案化过程的设备的校正潜力。
6.根据项目1至5中任一项所述的方法，其中，所述校正包括针对用于同一衬底的后续层的所述设备的校正、针对用于后续批次衬底中的衬底的所述设备的校正，针对用于待在后续设备处进行处理的所述批次衬底内的衬底的后续处理设备的校正，和/或针对所述图案化过程的至少一个其他设备的校正。
7.根据项目2至6中任一项所述的方法，其中，所述参数映射各自与所述图案化过程的单独贡献因素相关，并且所述方法可选地还包括在所述图案化过程期间针对每个贡献因素基于与不同层和/或衬底相关的参数映射的比较，来确定针对每个参数映射的一致性特性。
8.根据项目7所述的方法，其中，所述方法包括基于所述一致性特性来确定贡献因素是否是系统性的。
9.根据项目8所述的方法，包括：当选择所述代表性品质时，仅使用与被确定为系统性的贡献因素对应的参数映射和/或将较大加权分配给被确定为系统性的贡献因素。
10.根据项目7至9中任一项所述的方法，其中，用于确定所述一致性特性的参数映射的所述比较包括确定所述参数映射之间的变化的程度。
11.根据项目7至10中任一项所述的方法，其中，用于确定所述一致性特性的参数映射的所述比较是基于所述参数映射之间的相关性。
12.根据项目2至11中任一项所述的方法，其中，所述图案化过程的参数是重叠、临界尺寸、聚焦和/或边缘放置误差。
13.根据项目2至12中任一项所述的方法，其中，所述设备是扫描器。
14.根据项目13所述的方法，其中，与所述扫描器相关的数据包括调平数据、对准数据、与投影系统相关联的像差数据，和/或掩模版相位。
15.根据项目2至14中任一项所述的方法，其中，所述多个参数映射包括用于一个或更多个参数的参数映射，所述一个或更多个参数包括重叠、临界尺寸、聚焦、和/或边缘放置误差。
16.根据项目2至15中任一项所述的方法，其中，所述多个参数映射中的每个参数映射是参数的高密度映射，该高密度映射是通过建模和/或模拟所述图案化过程的一个或更多个处理变量对所述参数的贡献而产生的。
17.根据项目16所述的方法，其中，所述处理变量是聚焦和/或剂量。
18.一种用于应用对图案化过程的校正的方法，所述方法包括：
获得(i)选自所述图案化过程的多个品质的代表性品质和(ii)基于所述代表性品质的校正；和
由硬件计算机系统针对同一衬底的后续层、所述批次衬底内的衬底和/或针对后续批次衬底的衬底来应用对所述图案化过程的校正。
19.根据项目18所述的方法，其中，所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的，并且
其中，所述代表性品质是选自所述多个参数映射的代表性参数映射。
20.根据项目18所述的方法，其中，所述多个品质是针对在所述图案化过程期间处理的批次衬底的与所述图案化过程的多个参数映射对应的一个或更多个校正，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的，并且
其中，所述代表性品质是选自对所述图案化过程的一个或更多个校正的代表性校正。
21.根据项目18至20中任一项所述的方法，其中，所述代表性品质的选择基于所述多个品质的加权平均。
22.根据项目19或20所述的方法，其中，所述代表性品质的选择基于所述图案化过程的设备的校正潜力。
23.根据项目18至22中任一项所述的方法，其中，所述参数映射各自与所述图案化过程的单独贡献因素相关。
24.一种用于确定对图案化过程的校正的方法，所述方法包括：
(i)针对先前经处理批次衬底获得所述图案化过程的多个品质，(ii)获得当前衬底的测量结果，和(iii)基于所述当前衬底的测量结果获得当前品质；
由硬件计算机系统基于所述当前品质与所述多个品质之间的比较来从所述多个品质识别一匹配品质；和
由所述硬件计算机系统基于所述匹配品质来确定对所述图案化过程的校正。
25.根据项目24所述的方法，其中，
所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的，
所述当前品质是从所述当前衬底的测量结果产生的当前衬底映射，并且
所述匹配品质是基于在所述当前衬底映射与所述多个参数映射之间的比较来从所述多个参数映射识别的匹配参数映射。
26.根据项目24所述的方法，其中，
所述多个品质是对应于多个参数映射的一个或更多个校正，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的，
所述当前品质是基于从所述当前衬底的测量结果而产生的当前衬底映射的当前校正，并且
所述匹配品质是基于在所述当前校正与所述一个或更多个校正之间的比较来从所述一个或更多个校正识别的匹配校正映射。
27.根据项目25所述的方法，还包括：
通过建模和/或模拟，基于所述当前衬底的测量结果和所述图案化过程的设备的数据来获得建模参数映射；和
由所述硬件计算机系统基于在所述建模参数映射与所述多个参数映射之间的比较来从所述多个参数映射识别出匹配参数映射；和
由所述硬件计算机系统基于所述匹配参数映射来确定对所述图案化过程的校正。
28.根据项目25至27中任一项所述的方法，还包括：
基于所述多个所述参数映射来获得一个或更多个衬底类别和/或与所述一个或更多个衬底类别对应的一个或更多个校正；
由所述硬件计算机系统基于所述当前衬底的测量结果来从所述一个或更多个衬底类别中识别衬底类别；和
由所述硬件计算机系统选择与所识别衬底类别对应的对所述图案化过程的校正。
29.根据项目24至28中任一项所述的方法，其中，所述匹配品质的选择基于所述多个品质的加权平均。
30.根据项目24至29中任一项所述的方法，其中，所述匹配品质的选择基于所述图案化过程的设备的校正潜力。
31.根据项目24至30中任一项所述的方法，其中，所述校正包括：针对所述批次衬底内的衬底对后续设备进行校正，针对后续批次衬底的衬底对所述设备进行校正，和/或对所述图案化过程的其他设备进行校正。
32.一种用于应用对图案化过程的校正的方法，所述方法包括：
(i)针对先前经处理衬底从所述图案化过程的多个品质获得匹配品质，该匹配品质是基于在当前品质与所述多个品质之间的比较而识别的，所述当前品质基于所述当前衬底的测量结果，和(ii)获得基于所述匹配品质的校正；和
由硬件计算机系统针对所述当前衬底应用对所述图案化过程的校正。
33.根据项目32所述的方法，其中，
所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的，
所述当前品质是从所述当前衬底的测量结果产生的当前衬底映射，并且
所述匹配品质是基于在所述当前衬底映射与所述多个参数映射之间的比较来从所述多个参数映射识别的匹配参数映射。
34.根据项目32所述的方法，其中，
所述多个品质是与多个参数映射对应的一个或更多个校正，所述多个参数映射中的每个参数映射是从量测数据和从所述图案化过程的设备的数据产生的，
所述当前品质是基于从所述当前衬底的测量结果产生的当前衬底映射的当前校正，并且
所述匹配品质是基于在所述当前校正与所述一个或更多个校正之间的比较来从所述一个或更多个校正识别的匹配校正映射。
35.根据项目33所述的方法，还包括：
通过建模和/或模拟，基于所述当前衬底的测量结果和所述图案化过程的设备的数据来获得建模参数映射；和
由所述硬件计算机系统基于所述建模参数映射与所述多个参数映射之间的比较来从所述多个参数映射识别所述匹配参数映射；和
由所述硬件计算机系统基于所述匹配参数映射来确定对所述图案化过程的校正。
36.根据项目34所述的方法，还包括：
基于所述多个所述参数映射来获得一个或更多个衬底类别和/或与所述一个或更多个衬底类别对应的一个或更多个校正；和
由所述硬件计算机系统基于所述当前衬底的测量结果来从所述一个或更多个衬底类别中识别衬底类别；和
由所述硬件计算机系统选择与所识别衬底类别对应的校正。
37.根据项目32至36中任一项所述的方法，其中，所述匹配品质的选择基于所述多个品质的加权平均。
38.根据项目32至37中任一项所述的方法，其中，所述匹配品质的选择基于所述图案化过程的设备的校正潜力。
39.根据项目32至38中任一项所述的方法，其中，所述校正包括：针对所述批次衬底内的衬底对后续设备进行校正，针对后续批次衬底的衬底对所述设备进行校正，和/或对所述图案化过程的其他设备进行校正。
40.一种用于获得对量测数据(2201)的组合式的所建模的并且所测量的贡献(2205)的方法，所述方法包括：
获得测量数据(2201)和对所述量测数据(2201)的贡献(2202)，所述贡献(2202)与特定处理步骤、处理变量和/或处理设备相关联；
从所述量测数据(2201)移除所述贡献(2202)以获得对所述量测数据(2201)的导出贡献(2203)；
使用模型(2200)对所述导出贡献(2203)进行上取样以获得所建模贡献(2204)；和
组合所述导出贡献(2203)与所述所建模贡献(2204)以获得组合贡献(2205)。
41.根据项目40所述的方法，还包括将所述组合贡献(2205)用作输入以控制处理设备，诸如蚀刻工具、CMP工具、沉积工具和/或光刻设备。
42.根据项目41所述的方法，其中，所述控制是通过产生用于处理设备的适合控制配置方案来实现的。
43.根据项目42所述的方法，其中，所述控制配置方案是针对光刻设备而产生的，并且包括每次曝光的控制(CPE)指令和/或子配置方案，其包含用于单独控制使用所述光刻设备提供至衬底的曝光场的信息。
44.根据项目40所述的方法，其中，所述模型(2200)是被配置为描述跨越衬底的处理变量的低阶行为的全局模型。
45.一种用于确定对图案化过程的校正的方法，所述方法包括：
获得从量测数据和从在所述图案化过程中使用的设备的数据导出的多个品质；
由硬件计算机系统从所述多个品质中选择代表性品质；和
由所述硬件计算机系统基于所述代表性品质确定对所述图案化过程的校正。
46.根据项目45所述的方法，其中，所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从所述量测数据和在所述图案化过程中使用的设备的数据而产生的，并且
其中，所述代表性品质是选自所述多个参数映射的代表性参数映射。
47.根据项目45所述的方法，其中，所述多个品质是针对在所述图案化过程期间处理的批次衬底的与所述图案化过程的多个参数映射对应的一个或更多个校正，所述多个参数映射中的每个参数映射是从所述量测数据和从在所述图案化过程中使用的设备的数据产生的，并且
其中，所述代表性品质是选自对所述图案化过程的一个或更多个校正的代表性校正。
48.根据项目45所述的方法，其中，所述代表性品质的选择基于所述多个品质的加权平均。
49.根据项目45所述的方法，其中，所述代表性品质的选择基于在所述图案化过程中使用的设备的校正潜力。
50.根据项目45所述的方法，其中，所述校正包括针对以下各项中的一项或多项对所述图案化过程的校正：经处理衬底上的后续层、后续批次衬底、针对待使用后续设备处理的所述批次衬底内的衬底的后续处理设备，和/或对在所述图案化过程中使用的至少一个其他处理设备的校正。
51.根据项目46所述的方法，其中，所述参数映射各自与所述图案化过程的单独贡献因素相关，并且所述方法还包括在所述图案化过程期间针对每个贡献因素基于与不同层和/或衬底相关的参数映射的比较来确定每个参数映射的一致性特性。
52.根据项目51所述的方法，还包括基于所述一致性特性来确定贡献因素是否是系统性的。
53.根据项目52所述的方法，其中，当选择所述代表性品质时，仅使用与被确定为系统性的贡献因素对应的参数映射，或将较大加权分配给被确定为系统性的贡献因素。
54.根据项目51所述的方法，其中，用于确定所述一致性特性的参数映射的所述比较包括确定所述参数映射之间的变化的程度。
55.根据项目51所述的方法，其中，用于确定所述一致性特性的参数映射的所述比较基于所述参数映射之间的相关性。
56.根据项目46所述的方法，其中，所述参数映射的参数是重叠、临界尺寸、聚焦和/或边缘放置误差。
57.根据项目46所述的方法，其中，所述设备是光刻设备(扫描器)。
58.根据项目57所述的方法，其中，与所述扫描器相关的数据包括调平数据、对准数据、与投影系统相关联的像差数据，和/或掩模版相位。
59.根据项目58所述的方法，其中，所述多个参数映射中的每个参数映射是参数的高密度映射，该高密度映射是通过建模和/或模拟所述图案化过程的一个或更多个处理变量对所述参数的贡献而产生的。
60.根据项目7所述的方法，还包括：建模至少一个参数映射以获得至少一个贡献因素的建模表示；以及组合所述至少一个建模参数映射与所述至少一个参数映射以获得所述至少一个贡献因素的至少一个更新表示。
61.根据项目60所述的方法，其中，所述至少一个贡献因素的更新表示用作输入以控制处理设备，诸如蚀刻工具、CMP工具、沉积工具和/或光刻设备。
62.根据项目61所述的方法，其中，所述控制是通过产生用于所述处理设备的适合控制配置方案来实现的。
63.根据项目62所述的方法，其中，所述控制配置方案适用于光刻设备，并且包括每次曝光的控制(CPE)指令和/或子配置方案，其包含用于单独控制使用所述光刻设备提供至衬底的曝光场的信息。
64.根据项目60至63中任一项所述的方法，其中，所述建模使用了被配置为描述跨越衬底的处理变量的低阶行为的全局模型。
鉴于本说明书，本发明的各个方面的变型和替代实施例将对于本领域技术人员而言是显而易见的。因此，该说明书和附图应该被理解为仅为例示性的，并且是出于教导本领域技术人员进行本发明的一般方式的目的。应该理解的是，本文中所示出和描述的本发明的形式应该被视为实施例的示例。元件和材料可以替代本文中所说明和描述的元件和材料，部件和过程可以被反转，按次序改变或被省略，可以独立地利用某些特征，并且可以组合实施例或实施例的特征，这些都如对本领域技术人员在获得本发明的该描述的益处的后将显而易见。可以在不背离如在以下权利要求书中所描述的本发明的精神和范围的情况下对本文中所描述的元件作出改变。本文中所使用的标题仅为实现组织性目的，并且不意图用于限制描述的范围。
如在本申请中使用的，词语“可以”是在许可的意义(即，意味着有可能)而非强制性的意义(即，意味着必须)下被使用。词语“包括”和类似的词语意味着包括但不限于。如在本申请中使用的，单数形式“一”和“该”包括多个关于物，除非文中另外明确地指明。因此，例如提及“一个元件”包括两个或更多个元件的组合，尽管会针对一个或更多个元件使用其他术语和短语，诸如“一个或更多个”。除非另外指明，否则术语“或”是非独占式的，即涵盖“和”和“或”两者。描述条件关系的术语，例如“响应于X而Y”、“在X之后Y”、“如果X，则Y”、“当X时，Y”等涵盖因果关系，其中，前提是必要的因果条件，前提是充分的因果条件，或者前提是结果的贡献因果条件，例如“在获得条件Y之后即出现状态X”对于“仅在Y之后才出现X”和“在Y和Z之后即出现X”是通用的。这些条件关系不限于立即遵循前提而获得的结果，这是因为一些结果可能延迟；并且在条件叙述中，前提连接到其结果，例如，前提与出现结果的可能性相关。除非另外指明，否则多个特质或功能被映射到多个对象(例如执行步骤A、B、C和D的一个或更多个处理器)的叙述涵盖所有这些特质或功能被映射到所有这些对象和特质或功能的子集被映射到特质或功能的子集两者(例如所有处理器各自执行步骤A至D，和其中，处理器1执行步骤A，处理器2执行步骤B和步骤C的一部分，并且处理器3执行步骤C的一部分和步骤D的情况)。另外，除非另外指示，否则一个值或动作“基于”另一条件或值的叙述涵盖条件或值是单独因子的情况和条件或值是多个因子当中的一个因子的情况两者。除非另外指示，否则某集合的“每个”例项具有某种属性的叙述不应该被理解为排除较大集合的一些另外相同或类似部件不具有该属性的情况，即，每个不一定意味着每个都。
在某些美国专利、美国专利申请或其他材料(例如论文)已经以引用方式并入本文中的情况下，这些美国专利、美国专利申请和其他材料的文字仅在该材料与本文中所阐述的陈述和附图之间不存在冲突的情况下以引用的方式并入。在存在这种冲突的情况下，在这种以引用的方式并入本文中的美国专利、美国专利申请和其他材料中的任何这种冲突文字并不特定地以引用的方式并入本文中。
尽管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该实施例。
Claims (15)
1.一种计算机程序，包括储存于机器可读介质上的指令，所述指令被配置成由一个或跟更多个处理器读取和执行以进行下列步骤：
获得与器件制造过程的参数相关联的多个品质；
由硬件计算机系统过滤所述多个品质以获得与在所述器件制造过程中所使用的一个或更多个设备相关联的、对于所述参数的多个贡献因素；和
由所述硬件计算机系统，将所述多个贡献因素映射到与经受所述器件制造过程的一个或更多个衬底相关联的性能参数。
2.根据权利要求1所述的计算机程序，其中，所述多个品质包括量测数据，或所述多个品质从量测数据导出。
3.根据权利要求2所述的计算机程序，其中，所述过滤去除对所述量测数据的非系统性贡献因素。
4.根据权利要求3所述的计算机程序，其中，所述多个贡献因素中的每个贡献因素是对所述量测数据的系统性贡献因素。
5.根据权利要求1所述的计算机程序，其中，所述多个品质中的每个品质都与所述参数的单独贡献因素有关。
6.根据权利要求1所述的计算机程序，其中，所述性能参数与所述器件制造过程的参数相同。
7.根据权利要求1所述的计算机程序，其中，所述过滤基于与由所述器件制造过程处理的一个或更多个先前衬底相关联的先前贡献因素信息/或先前品质。
8.根据权利要求1所述的计算机程序，其中，所述性能参数是以下之一：重叠、临界尺寸(CD)、边缘放置误差(EPE)、聚焦、剂量。
9.根据权利要求1所述的计算机程序，其中，所述映射包括基于所述多个贡献因素中的每个贡献因素为系统性的程度来对每个贡献因素进行加权。
10.根据权利要求1所述的计算机程序，还包括基于所述贡献因素映射对所述性能参数的映射来确定控制度量，其中所述控制度量被配置成用于所述器件制造过程的控制回路中。
11.根据权利要求1所述的计算机程序，其中，所述过滤基于在器件制造过程中所使用的设备的校正潜力。
12.根据权利要求1所述的计算机程序，其中，所述多个品质是多个参数映射，所述多个参数映射中的每个参数映射是从量测数据以及从所述器件制造过程中所使用的一个或更多个设备的数据产生的。
13.根据权利要求1所述的计算机程序，其中，所述多个品质是针对在所述器件制造过程期间受处理的批次衬底的与所述器件制造过程的多个参数映射对应的一个或更多个校正，所述多个参数映射中的每个参数映射是从所述量测数据和从在所述器件制造过程中使用的设备的数据产生的。
14.根据权利要求12所述的计算机程序，其中，所述参数映射各自与对于所述器件制造过程的单独贡献因素相关，并且所述计算机程序还包括用以基于与在所述器件制造过程期间受处理的不同层和/或衬底相关的参数映射的比较来确定针对每个参数映射的一致性特性的指令。
15.根据权利要求14所述的计算机程序，其中，所述指令还被配置成基于所述一致性特征来确定贡献因素是否是系统性的。
Applications Claiming Priority (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762607777P | 2017-12-19 | 2017-12-19 | |
| US62/607,777 | 2017-12-19 | ||
| EP18200014 | 2018-10-12 | ||
| EP18200014.1 | 2018-10-12 | ||
| CN201880082787.7A CN111512235B (zh) | 2017-12-19 | 2018-11-20 | 基于计算量测的校正和控制 |
| PCT/EP2018/081872 WO2019120826A1 (en) | 2017-12-19 | 2018-11-20 | Computational metrology based correction and control |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880082787.7A Division CN111512235B (zh) | 2017-12-19 | 2018-11-20 | 基于计算量测的校正和控制 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115294068A true CN115294068A (zh) | 2022-11-04 |
Family
ID=64453485
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880082787.7A Active CN111512235B (zh) | 2017-12-19 | 2018-11-20 | 基于计算量测的校正和控制 |
| CN202210951655.1A Pending CN115294068A (zh) | 2017-12-19 | 2018-11-20 | 基于计算量测的校正和控制 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880082787.7A Active CN111512235B (zh) | 2017-12-19 | 2018-11-20 | 基于计算量测的校正和控制 |
Country Status (7)
| Country | Link |
|---|---|
| US (2) | US11448973B2 (zh) |
| EP (1) | EP3729197A1 (zh) |
| JP (2) | JP2021508078A (zh) |
| KR (2) | KR102517966B1 (zh) |
| CN (2) | CN111512235B (zh) |
| TW (4) | TWI710863B (zh) |
| WO (1) | WO2019120826A1 (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3364247A1 (en) * | 2017-02-17 | 2018-08-22 | ASML Netherlands B.V. | Methods & apparatus for monitoring a lithographic manufacturing process |
| CN111512236B (zh) * | 2017-12-22 | 2023-01-24 | Asml荷兰有限公司 | 涉及光学像差的图案化过程改进 |
| US20220236647A1 (en) * | 2019-08-20 | 2022-07-28 | Asml Netherlands B.V. | Method for controlling a semiconductor manufacturing process |
| WO2021225587A1 (en) * | 2020-05-06 | 2021-11-11 | Kla Corporation | Inter-step feedforward process control in the manufacture of semiconductor devices |
| US20230185202A1 (en) * | 2020-05-08 | 2023-06-15 | Asml Netherlands B.V. | Methods and apparatus for diagnosing unobserved operational parameters |
| KR20220087709A (ko) * | 2020-12-18 | 2022-06-27 | 삼성전자주식회사 | 검사 방법 및 시스템, 및 이를 이용한 반도체 소자의 제조 방법 |
| KR20220099005A (ko) * | 2021-01-05 | 2022-07-12 | 삼성전자주식회사 | 반도체 소자 제조 방법 |
| US20240272543A1 (en) * | 2021-06-07 | 2024-08-15 | Asml Netherlands B.V. | Determining rounded contours for lithography related patterns |
| WO2023001463A1 (en) * | 2021-07-20 | 2023-01-26 | Asml Netherlands B.V. | Methods and computer programs for data mapping for low dimensional data analysis |
| EP4134745A1 (en) * | 2021-08-12 | 2023-02-15 | ASML Netherlands B.V. | A method for modeling measurement data over a substrate area and associated apparatuses |
| WO2023156143A1 (en) * | 2022-02-21 | 2023-08-24 | Asml Netherlands B.V. | Methods of metrology |
| EP4231096A1 (en) * | 2022-02-21 | 2023-08-23 | ASML Netherlands B.V. | Methods of metrology |
| TWI827023B (zh) * | 2022-04-27 | 2023-12-21 | 華邦電子股份有限公司 | 半導體製造裝置及其半導體製造方法 |
Family Cites Families (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6470230B1 (en) * | 2000-01-04 | 2002-10-22 | Advanced Micro Devices, Inc. | Supervisory method for determining optimal process targets based on product performance in microelectronic fabrication |
| US6622059B1 (en) * | 2000-04-13 | 2003-09-16 | Advanced Micro Devices, Inc. | Automated process monitoring and analysis system for semiconductor processing |
| DE60319462T2 (de) | 2002-06-11 | 2009-03-12 | Asml Netherlands B.V. | Lithographischer Apparat und Verfahren zur Herstellung eines Artikels |
| EP1496397A1 (en) * | 2003-07-11 | 2005-01-12 | ASML Netherlands B.V. | Method and system for feedforward overlay correction of pattern induced distortion and displacement, and lithographic projection apparatus using such a method and system |
| CN1947062A (zh) * | 2004-02-23 | 2007-04-11 | Asml荷兰有限公司 | 基于散射测量数据确定工艺参数值的方法 |
| US7791727B2 (en) | 2004-08-16 | 2010-09-07 | Asml Netherlands B.V. | Method and apparatus for angular-resolved spectroscopic lithography characterization |
| US7649614B2 (en) | 2005-06-10 | 2010-01-19 | Asml Netherlands B.V. | Method of characterization, method of characterizing a process operation, and device manufacturing method |
| EP1744217B1 (en) | 2005-07-12 | 2012-03-14 | ASML Netherlands B.V. | Method of selecting a grid model for correcting grid deformations in a lithographic apparatus and lithographic assembly using the same |
| JP2007027219A (ja) * | 2005-07-13 | 2007-02-01 | Nikon Corp | 最適化方法及び表示方法 |
| CN102662309B (zh) | 2005-09-09 | 2014-10-01 | Asml荷兰有限公司 | 采用独立掩模误差模型的掩模验证系统和方法 |
| JP5194800B2 (ja) | 2006-01-26 | 2013-05-08 | 株式会社ニコン | 重ね合わせ管理方法及び装置、処理装置、測定装置及び露光装置、デバイス製造システム及びデバイス製造方法、並びにプログラム及び情報記録媒体 |
| WO2007088542A2 (en) * | 2006-02-01 | 2007-08-09 | Applied Materials Israel Limited | Method and system for evaluating a variation in a parameter of a pattern |
| JP2007318036A (ja) * | 2006-05-29 | 2007-12-06 | Toshiba Corp | 半導体製造装置管理システム、半導体製造装置の異常要因抽出方法及びその管理方法 |
| DE102007038702A1 (de) * | 2006-08-31 | 2008-07-31 | Advanced Micro Devices, Inc., Sunnyvale | Verfahren und System zum Reduzieren der Überlagerungsfehler in Belichtungsfeldern mittels APC-Steuerungsstrategien |
| NL1036189A1 (nl) | 2007-12-05 | 2009-06-08 | Brion Tech Inc | Methods and System for Lithography Process Window Simulation. |
| NL1036245A1 (nl) | 2007-12-17 | 2009-06-18 | Asml Netherlands Bv | Diffraction based overlay metrology tool and method of diffraction based overlay metrology. |
| NL1036597A1 (nl) | 2008-02-29 | 2009-09-01 | Asml Netherlands Bv | Metrology method and apparatus, lithographic apparatus, and device manufacturing method. |
| JP5237690B2 (ja) * | 2008-05-16 | 2013-07-17 | ルネサスエレクトロニクス株式会社 | 半導体デバイスの製造方法 |
| KR101461457B1 (ko) | 2009-07-31 | 2014-11-13 | 에이에스엠엘 네델란즈 비.브이. | 계측 방법 및 장치, 리소그래피 시스템, 및 리소그래피 처리 셀 |
| CN102483582B (zh) | 2009-08-24 | 2016-01-20 | Asml荷兰有限公司 | 量测方法和设备、光刻设备、光刻处理单元和包括量测目标的衬底 |
| EP2392970A3 (en) * | 2010-02-19 | 2017-08-23 | ASML Netherlands BV | Method and apparatus for controlling a lithographic apparatus |
| KR101410846B1 (ko) * | 2010-02-19 | 2014-06-23 | 에이에스엠엘 네델란즈 비.브이. | 리소그래피 장치 및 디바이스 제조 방법 |
| WO2012062501A1 (en) | 2010-11-12 | 2012-05-18 | Asml Netherlands B.V. | Metrology method and apparatus, and device manufacturing method |
| NL2008702A (en) * | 2011-05-25 | 2012-11-27 | Asml Netherlands Bv | Computational process control. |
| US10295993B2 (en) * | 2011-09-01 | 2019-05-21 | Kla-Tencor Corporation | Method and system for detecting and correcting problematic advanced process control parameters |
| US9053284B2 (en) * | 2013-09-04 | 2015-06-09 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method and system for overlay control |
| CN105900016B (zh) * | 2013-12-05 | 2018-02-13 | Asml荷兰有限公司 | 用于测量衬底上的结构的方法和设备、用于误差校正的模型、用于实施这样的方法和设备的计算机程序产品 |
| SG11201606207WA (en) * | 2014-02-12 | 2016-09-29 | Asml Netherlands Bv | Method of optimizing a process window |
| WO2016162228A1 (en) * | 2015-04-10 | 2016-10-13 | Asml Netherlands B.V. | Method and apparatus for inspection and metrology |
| CN108369382B (zh) * | 2015-10-08 | 2021-02-05 | Asml荷兰有限公司 | 控制光刻设备的方法和器件制造方法、用于光刻设备的控制系统及光刻设备 |
| CN108700823B (zh) * | 2016-02-22 | 2020-11-27 | Asml荷兰有限公司 | 对量测数据的贡献的分离 |
| CN108713166B (zh) * | 2016-03-11 | 2021-03-09 | Asml荷兰有限公司 | 计算用于控制制造工艺的校正的方法、计量设备、器件制造方法和建模方法 |
| KR102370339B1 (ko) | 2017-02-22 | 2022-03-04 | 에이에스엠엘 네델란즈 비.브이. | 전산 계측 |
-
2018
- 2018-11-20 US US16/954,384 patent/US11448973B2/en active Active
- 2018-11-20 CN CN201880082787.7A patent/CN111512235B/zh active Active
- 2018-11-20 KR KR1020207018297A patent/KR102517966B1/ko active IP Right Grant
- 2018-11-20 JP JP2020533687A patent/JP2021508078A/ja active Pending
- 2018-11-20 CN CN202210951655.1A patent/CN115294068A/zh active Pending
- 2018-11-20 WO PCT/EP2018/081872 patent/WO2019120826A1/en unknown
- 2018-11-20 KR KR1020237010950A patent/KR102690502B1/ko active IP Right Grant
- 2018-11-20 EP EP18807597.2A patent/EP3729197A1/en active Pending
- 2018-12-12 TW TW107144818A patent/TWI710863B/zh active
- 2018-12-12 TW TW111144197A patent/TWI821031B/zh active
- 2018-12-12 TW TW109137652A patent/TWI756889B/zh active
- 2018-12-12 TW TW110141817A patent/TWI785884B/zh active
-
2022
- 2022-07-25 JP JP2022117920A patent/JP7443431B2/ja active Active
- 2022-07-27 US US17/874,582 patent/US20220365446A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| TW202219498A (zh) | 2022-05-16 |
| JP2022140566A (ja) | 2022-09-26 |
| US20210080837A1 (en) | 2021-03-18 |
| TWI710863B (zh) | 2020-11-21 |
| US11448973B2 (en) | 2022-09-20 |
| EP3729197A1 (en) | 2020-10-28 |
| JP7443431B2 (ja) | 2024-03-05 |
| TW202121067A (zh) | 2021-06-01 |
| KR102690502B1 (ko) | 2024-07-30 |
| TWI756889B (zh) | 2022-03-01 |
| TW201937301A (zh) | 2019-09-16 |
| WO2019120826A1 (en) | 2019-06-27 |
| JP2021508078A (ja) | 2021-02-25 |
| CN111512235B (zh) | 2022-08-05 |
| CN111512235A (zh) | 2020-08-07 |
| US20220365446A1 (en) | 2022-11-17 |
| KR102517966B1 (ko) | 2023-04-03 |
| TW202311852A (zh) | 2023-03-16 |
| TWI821031B (zh) | 2023-11-01 |
| KR20230048170A (ko) | 2023-04-10 |
| TWI785884B (zh) | 2022-12-01 |
| KR20200086366A (ko) | 2020-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110383177B (zh) | 计算量测法 | |
| CN111512235B (zh) | 基于计算量测的校正和控制 | |
| US20210349395A1 (en) | Computational metrology | |
| US12044979B2 (en) | Computational metrology based sampling scheme | |
| CN111742266B (zh) | 基于参数的概率密度函数的控制 | |
| US11287748B2 (en) | Guided patterning device inspection | |
| EP3441819A1 (en) | Computational metrology |
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 |