CN116324617A - 用于掩模综合的随机感知光刻模型 - Google Patents

用于掩模综合的随机感知光刻模型 Download PDF

Info

Publication number
CN116324617A
CN116324617A CN202180068699.3A CN202180068699A CN116324617A CN 116324617 A CN116324617 A CN 116324617A CN 202180068699 A CN202180068699 A CN 202180068699A CN 116324617 A CN116324617 A CN 116324617A
Authority
CN
China
Prior art keywords
model
pattern
mask pattern
printed
mask
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180068699.3A
Other languages
English (en)
Inventor
K·D·卢卡斯
Y·P·坎德尔
U·威林
U·K·科洛斯特曼
Z·A·莱文森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Synopsys Inc
Original Assignee
Synopsys Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Synopsys Inc filed Critical Synopsys Inc
Publication of CN116324617A publication Critical patent/CN116324617A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/36—Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
    • G03F1/70—Adapting basic layout or design of masks to lithographic process requirements, e.g., second iteration correction of mask patterns for imaging
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
    • G03F7/70433—Layout for increasing efficiency or for compensating imaging errors, e.g. layout of exposure fields for reducing focus errors; Use of mask features for increasing efficiency or for compensating imaging errors
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
    • G03F7/70433—Layout for increasing efficiency or for compensating imaging errors, e.g. layout of exposure fields for reducing focus errors; Use of mask features for increasing efficiency or for compensating imaging errors
    • G03F7/70441—Optical proximity correction [OPC]
    • 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
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Preparing Plates And Mask In Photomechanical Process (AREA)
  • Design And Manufacture Of Integrated Circuits (AREA)

Abstract

在一些方面中，掩模图案被访问。掩模图案被用于在晶片上印刷图案的光刻工艺中。将掩模图案作为输入应用于光刻工艺的确定性模型以预测印刷图案的特性。确定性模型是确定性的，但是它考虑了印刷图案中特性的局部随机变化。

Description

用于掩模综合的随机感知光刻模型
相关申请
本申请根据35U.S.C.§119(e)要求于2020年11月12日提交的美国临时专利申请序列号63/112,733“Stochastic-Aware Lithographic Models For Mask Synthesis,”和于2021年11月9日提交的美国专利申请序列号17/522,574“Stochastic-Aware LithographicModels For Mask Synthesis,”的优先权。所有前述内容的技术方案通过引用整体并入本文。
技术领域
本公开涉及光刻建模和掩模综合，包括用于极紫外(EUV)掩模。
背景技术
制造半导体晶片的一个步骤涉及光刻。在典型的光刻工艺中，光源产生光，该光由收集/照明光学器件收集和引导以照射光刻掩模。投影光学器件将由照射的掩模产生的图案中继到晶片上，根据照射图案曝光晶片上的抗蚀剂。然后将图案化的抗蚀剂用于在晶片上制造结构的工艺中。
各种技术涉及改进光刻工艺，包括光刻掩模的设计。在许多这些技术中，光刻掩模设计被用作一些工艺模型的输入，该工艺模型然后预测一些工艺结果。该结果可用于修改光刻掩模的设计。在许多情况下，工艺模型可以相对于来自实际制造实验的数据回归。包含测试图案的不同光刻掩模图案贯穿光刻工艺。得到的结构被测量并被用于校准过程模型。
当前的工艺模型通常不直接解决由于光刻工艺本身中的随机变化而可能发生的变化。相反，光刻掩模图案被用作模型的输入，该模型将光刻工艺模型化为完全地确定性工艺。然而，随着光刻移动到较短的波长范围(例如，在约13.3－13.7nm处的极紫外(EUV))和较小的几何形状(例如，10nm、7nm和更小的技术节点，具有约20nm、14nm和更小的最小属性大小)，相对小的区域内的随机变化(局部随机变化)变得更显著，并且常规方法可导致次优的掩模设计。
发明内容
在一些方面中，掩模图案被访问。掩模图案用于在晶片上印刷图案的光刻工艺中。将掩模图案作为输入应用于光刻工艺的确定性模型以预测印刷图案的特性。确定性模型是确定性的(例如，不是蒙特卡罗模拟)，但是它考虑了印刷图案中的属性的局部随机变化。
在一些实施例中，确定性模型是紧凑模型，其根据掩模图案并且还根据剂量、焦点和与预测特性的局部随机变化相关的随机模型属性预测印刷图案中的热点。随机模型属性的示例可以包括漫射空间图像信号；酸浓度或密度；猝灭剂浓度或密度；抑制剂浓度或密度；空间像、酸、猝灭剂、或抑制剂信号的梯度；掩模图案密度；二次电子浓度；配体浓度；以及抵抗表面张力。紧凑模型相对于包括预测特性的局部随机变化的经验数据回归。经验数据的示例可以包括线边缘粗糙度、临界尺寸(CD)变化、最坏情况CD、以及CD小于或大于特定标准的经验测量的数目。
其它方面包括组件、设备、系统、改进、方法、过程、应用、计算机可读介质、以及与任何方面相关的其它技术。
附图说明
从以下给出的详细描述和从本公开的实施例的附图将更全面地理解本公开。附图被用于提供对本公开的实施例的知识和理解，而不将本公开的范围限制于这些特定实施例。此外，附图不必按比例绘制。
图1描绘了适用于本公开的实施例的EUV光刻工艺。
图2A描述了用于模拟光刻工艺的流程图。
图2B描述了使用考虑局部随机变化的紧凑模型来模拟光刻工艺的流程图。
图3描述了将随机模型属性添加到不考虑局部随机变化的紧凑模型的流程图。
图4A和4B描述了光刻工艺的模拟。
图5描绘了来自图3的工艺的工艺窗口轴图和模拟图像。
图6描绘了根据本发明的一些实施例在集成电路的设计和制造期间使用的各种过程的流程图。
图7描绘了本公开的实施例可以在其中操作的示例计算机系统的抽象图。
具体实施方式
本发明的各方面涉及用于掩模综合的“随机感知”光刻模型。特别是在较短的波长和较高的光子能量下，光刻工艺本身中的局部随机效应变得更加显著。局部随机变化是由在局部水平上具有某种随机性的过程产生的变化。例如，在EUV波长下更高的光子能量意味着与更长的波长相比，需要更少的光子来实现给定的能量曝光。光子事件具有一些随机性(即，概率分布)，如果总光子计数低，则其变得更加显著。结果，在晶片上的任何特定位置处的光子计数的变化可以导致随机缺陷机制，其对于较高数目的光子先前可以忽略或不存在。可以具有局部随机变化的光刻工艺的其它部件包括光子分布、二次电子分布、光酸产生剂(PAG)分布、猝灭剂分布和抑制剂分布。这些随机效应是局部的，意味着它们可以出现在相对小的区域上，例如在印刷图案的10um×10um或更小的区域内。
在本发明的各种实施例中，光刻工艺的确定性模型解决了光刻工艺中的这些局部随机变化。在一种方法中，该模型是可以被用于掩模综合的紧凑模型。紧凑模型是参数化模型。这些参数可以被称为模型属性。模型属性的值可以通过对经验数据的回归来确定。模型属性包括与光刻工艺中的局部随机变化相关的至少一个随机模型属性。可能的随机模型属性的示例包括光子密度、图案密度、光信号强度、光信号梯度、二次电子密度、二次电子梯度、光酸浓度、抗蚀剂猝灭剂浓度、抗蚀剂抑制剂浓度、抗蚀剂抑制剂梯度、金属抗蚀剂配体浓度。虽然模型考虑了随机变化，但模型本身是确定性的。也就是说，对于任何给定的输入，由模型预测的输出总是相同的(在模型的输出中没有随机变化)，但是输出已经被调整以解决光刻工艺中的随机变化。
本公开的优点包括但不限于以下。考虑局部随机变化产生更精确的预测，因为不忽略随机效应。此外，使用确定性模型来这样做可以减少模型的运行时间。在其他方法中，随机变化可以通过随机模型来建模，其中使用统计上变化的条件(例如，蒙特卡罗模拟)多次运行相同的模拟。然而，该方法需要多次运行以便根据来自不同运行的不同预测获得结果，而确定性模型在单个运行中产生预测结果。参数化模型相对于经验数据的回归也产生更精确的预测。它还允许模型形式的一些灵活性。在模型中使用的常数和参数不必以精确的精度计算，并且正在发生的物理过程也不必以精确的精度建模，因为模型精度可以通过对照经验数据校准来实现。
图1描绘了适用于本公开的实施例的EUV光刻工艺。在该系统中，光源110产生EUV光，该EUV光由收集/照明光学器件120收集和引导以照射掩模130。投影光学器件140将由照射的掩模产生的图案中继到晶片150上，根据照射图案曝光晶片上的抗蚀剂。然后将曝光的抗蚀剂显影，在晶片上产生图案化的抗蚀剂。该印刷图案用于例如通过沉积、掺杂、蚀刻或其它工艺在晶片上制造结构。
在图1中，光在EUV波长范围内，约13.5nm或在13.3－13.7nm范围内。在这些波长下，组件通常是反射的，而不是透射的。掩模130是反射掩模，而光学器件120、140也是反射和离轴的，这只是一个示例。也可以使用其它类型的光刻系统，包括在其它波长下，使用透射掩模和/或光学器件，以及使用正性或负性抗蚀剂。
图2A描述了光刻工艺的模拟。照明模型222模拟图1的光源110和照明光学器件120。这些被用于预测照亮掩模的光图案225。模型242说明光刻掩模130和投影光学器件140的效果，以预测曝光抗蚀剂的照明245。这有时被称为空间图像245。抗蚀剂模型252可以包括诸如来自空间图像的抗蚀剂曝光、二次电子产生、化学反应和随后的去除的效果，无论是通过化学显影、蚀刻或其它工艺。抗蚀剂的去除在晶片上留下一层构图的抗蚀剂254，也称为印刷图案。然后，晶片制造模型256模拟随后的处理，例如蚀刻、沉积、掺杂、注入等，在晶片上产生器件结构258。
为了方便起见，在图2A中示出了对应于物理组件或过程的单独框，但是不需要以这种方式来实现模型。例如，所有这些效果可以被组合成单个紧凑模型，其可以用于全芯片评估，如图2B所示。这种模型从掩模图案230预测得到的图案化抗蚀剂或等效的空间图像(在图2B中称为印刷图案234)。这种单一模型包括来自光源、光学器件和抗蚀剂的效应，并且在本文描述的实施例中，还考虑了光刻工艺中的局部随机变化。可以设计紧凑模型232以快速方式处理整个裸片的掩模图案。可能需要多达1018或更多的模拟来在诸如微处理器的设备上完成全芯片校正。
紧凑模型232可以是参数化的确定性模型，其根据模型参数预测印刷图案234和/或印刷图案的特性，也称为模型属性。例如，紧凑模型可以根据掩模图案230、光刻系统的剂量和焦点并且还根据与局部随机变化相关的某些模型属性来预测图案中的热点(印刷图案中的缺陷)或失效率。这些模型属性将被称为随机模型属性。
可以对照经验数据回归紧凑模型。不同掩模图案的测量数据被收集。在晶片上制造的得到的图案被测量。这些通常是光刻胶和/或蚀刻结构的临界尺寸扫描电子显微镜(CDSEM)测量。也可以使用诸如原子力显微镜(AFM)的其它测量。
图案化抗蚀剂234的质量的一个测量是临界尺寸(CD)。CD是图案化抗蚀剂中重要特征的尺寸或图案化抗蚀剂中特征之间重要间隔的尺寸。通常，最小CD是印刷在抗蚀剂中的最小线宽或间隔宽度。因此，它是抗蚀剂和光刻工艺的分辨率的量度。再次参考图2A和2B，这些图中的模拟结果254、234可以包括CD的预测。另一公共输出是预测的空间图像，或空间图像中恒定强度的轮廓。
紧凑模型可以被用于掩模综合或掩模校正。掩模校正包括光学邻近校正、亚分辨率辅助特征、相移掩模、反向光刻技术和其它类型的分辨率增强技术。在光学邻近校正(OPC)中，基于预测结果扰动掩模图案中的几何形状。在亚分辨率辅助特征中，亚波长特征被添加到掩模图案或从掩模图案去除以引入有益的衍射和散射。在相移掩模中，不同的掩模形状引入不同的相移量，以在得到的照明图案中引入有益的干涉。
图3描述了将随机模型属性添加到不考虑局部随机变化的紧凑模型的流程图。将使用图4和5中所示的示例来解释该流程。紧凑模型310预测晶片上热点(例如，缺陷)的位置，但不考虑由于局部随机变化而增加的故障率。例如，该“随机无意识”紧凑模型310可以根据剂量、焦点和掩模图案来预测图案化抗蚀剂CD。它还可以预测故障率或标识由这些参数的范围限定的工艺窗口(PW)的热点。紧凑模型310可以是相对于经验数据回归的参数化模型。
紧凑模型310可以包括模型中可观察的PW掩模或扫描器参数，诸如剂量、焦点和掩模偏置。将这些设定为对应于在实验光刻曝光期间设定的物理可测量量。紧凑模型310还可以包括非物理模型参数或在掩模或扫描仪上看不到的模型中的参数，诸如化学模糊、抑制剂浓度或机械应力等。这些参数在光刻曝光期间不能以直接可观察的方式变化，并且它们的参数系数和权重适合于不同抗蚀剂或蚀刻图案的观察的晶片测量的平均值。
图4A和4B描述了使用这种紧凑模型310的光刻工艺的模拟。在图4A中，直线形状是掩模图案，并且曲线表示在不同剂量和焦点下在晶片上得到的印刷抗蚀剂形状，如图4A右手侧上的椭圆工艺窗口图所示。在该示例中，工艺窗口是+/－50nm散焦和+/－3％剂量。图4A中的曲线对应于PW图中的点。
模型310可以相对于诸如图4B所示的经验数据回归。图4B示出了两种不同的情况。左例适用于最佳工艺窗口条件：没有焦点或剂量偏离理想值。图4B的左侧示出了没有任何缺陷的晶片上的实际印刷结构。正确的情况是针对工艺窗口边缘上的条件。在这种情况下，实际的印刷结构具有缺陷，其中在印刷线中存在断裂。由模型310预测的结果可以通过与测量的结果进行比较来改进。
图4中的模型310说明了剂量和焦点的变化，但没有说明局部随机变化。回到图3，该随机未知模型被修改320、330、340以解决局部随机变化。将被统称为随机模型属性(SMP)的一些模型形式或参数被添加320到紧凑模型。经验数据被收集330，其反映局部随机变化的影响。SMP相对于具有局部随机变化的经验数据被回归340。晶片上的某种统计局部变化用于回归340。这可能是最差情况CD，CD变化度量或线边缘粗糙度或缺陷位置的特征等。
随机未知模型310限定了哪些是一些可观察的过程参数，诸如扫描仪剂量、焦点或掩模上的特征CD。该模型310可以考虑可观察的工艺参数中的变化，诸如如果扫描仪剂量稍微大于或小于标称值，或者存在轻微的散焦，或者特征CD稍微大于或小于标称值。不知道随机紧凑模型310可以说明这些类型的变化。
在图3中，修改随机未知模型310以解决局部发生的随机变化，例如在单个CDSEM图像的视图内。修改紧凑模型310以包括这些局部随机变化，并且通过调整这些附加SMP来修改紧凑模型310。这调整了模型形式，使得新的“随机感知”模型350形式不仅预测确定性变化，而且预测局部随机变化。示例包括横跨线改变CD，或横跨在晶片的局部区域内的多个重复图案改变CD。
随机感知模型350可以添加“随机感知”光刻非物理模型参数或在掩模或扫描仪上不可观察的模型中的参数，诸如二次电子密度、化学相互作用范围、抑制剂产率、附加化学模糊、附加机械应力等，其在光刻曝光期间不能改变，但其参数系数和权重适合于在针对多个不同个别抗蚀剂或蚀刻图案中的每个的重复局部晶片测量中观察到的统计变化。
例如，随机未知模型310可以预测晶片上的线边缘的位置。然而，由于局部随机变化，实际上存在用于线边缘的位置的概率分布函数。也许分布是高斯分布，具有预期的位置和与预期的位置的一些标准偏差。随机未知模型310可以预测预期位置，但是忽略概率分布。随机感知模型350考虑存在概率分布的事实。它可能没有明确地预测分布是什么，但是它考虑了分布的影响。例如，它可以基于离开预期的位置的一个标准偏差来预测线边缘位置。
注意，“随机感知”模型350本身不必是随机的。它可以是确定性模型，其总是针对相同的输入产生相同的预测，而不是具有一些随机元素的预测，但是该预测考虑了局部随机效应。在该示例中，模型350通过总是基于概率分布的标准偏差预测线边缘位置来考虑高斯分布。
注意，这些变化是局部变化－它们发生在非常局部的区域上，诸如在CDSEM图像的视场内，该CDSEM图像通常具有每侧0.5至10微米之间的尺寸。在一些情况下，可能存在在10×10的图案阵列或20×20的图案阵列或1×40的1D图案阵列上可见的变化。作为反例，剂量和散焦也可以变化，但它们不是局部变化的，因为这些变化影响大得多的面积，例如，每侧一千微米，或甚至晶片上的整个曝光场。
换句话说，“随机”热点可以被限定为在晶片上观察到的图案，该图案比传统的“随机无意识”热点检测方法预测的失败频率高得多。随机模型属性(SMP)是与随机热点故障相关或预测随机热点故障的模型属性。
图5描述了使用预测信号强度图像的图3的过程。这些信号强度图像可以是空间图像或抗蚀剂中的化学属性，例如光酸浓度。在这个示例中，左列510表示随机无意识的紧凑模型310，中心列540是对局部随机变化的校正，并且右列550表示所得到的随机无意识的模型350。底行表示预测信号强度图像，并且顶行上的椭圆表示在工艺窗口中考虑的参数。
在510中，针对具有剂量和焦点变化中的工艺窗口开发紧凑模型310，但不考虑局部随机变化。在540中，将SMP(图中顶行上的随机param1)添加到模型中以说明局部随机工艺变化。它们向信号图像添加校正因子。所得到的信号图像在550中示出。在本例中，
经修改的图像信号＝原始图像信号+coef*光酸梯度信号(1)光酸梯度是曝光后抗蚀剂中光酸浓度的梯度，并且coef是基于与经验数据的比较而确定的负或正参数。其他示例可以使用原始图像信号和SMP的非线性组合来创建修改后的图像信号。
在该示例中，光酸梯度是SMP。也可以使用其它SMP。示例可以包括：
光子密度或漫射空间图像信号
非线性滤波航空图像信号
酸浓度或密度
猝灭剂浓度或密度
抑制剂浓度或密度
二次电子浓度或密度
配体浓度或密度
空间图像信号梯度
酸、猝灭剂或抑制剂信号的梯度
空间像、酸、猝灭剂、或抑制剂信号的梯度的log
空间像、酸、猝灭剂、或抑制剂信号的梯度的平方
掩模图案密度
抗表面张力
图6示出了在诸如集成电路的制品的设计、验证和制造期间使用以变换和验证表示集成电路的设计数据和指令的一组示例性过程600。这些过程中的每个都可以被构造和使能为多个模块或操作。术语“EDA”表示术语“电子设计自动化”。这些过程开始于创建具有由设计者提供的信息的产品理念610，该信息被变换以创建使用一组EDA过程612的制品。当设计被完成时，设计被流片634，这是当集成电路的图形(例如，几何图案)被发送到制造设备以制造掩模组时，其然后被用于制造集成电路。在流片之后，制造636半导体裸片，并执行封装和组装过程638以产生完成的集成电路640。
电路或电子结构的规格范围可以从低级晶体管材料布局到高级描述语言。高级抽象可以用于使用诸如VHDL、Verilog、SystemVerilog、SystemC、MyHDL或OpenVera等硬件描述语言(“HDL”)来设计电路和系统。HDL描述可以被转换为逻辑级寄存器传送级(“RTL”)描述、门级描述、布局级描述或掩码级描述。作为较少抽象描述的每个较低抽象级别将更有用的细节添加到设计描述中，例如，包括该描述的模块的更多细节。抽象描述较少的较低级抽象可以由计算机生成，从设计库导出，或由另一设计自动化过程创建。用于指定更详细说明的较低级抽象语言的规范语言的示例是SPICE，其被用于具有许多模拟组件的电路的详细说明。每个抽象层处的描述能够由该层的相应工具(例如，形式验证工具)使用。设计过程可以使用图6所示的顺序。EDA产品(或工具)应启用所描述的过程。
在系统设计614期间，指定待制造的集成电路的功能性。可以针对诸如功耗、性能、面积(物理和/或代码行)和成本降低等期望特性来优化设计。在此阶段处可以将设计划分为不同类型的模块或组件。
在逻辑设计和功能验证616期间，用一种或多种描述语言指定电路中的模块或组件，并检查规范的功能准确性。例如，可以验证电路的组件以生成与所设计的电路或系统的规范要求相匹配的输出。功能验证可以使用模拟器和其他程序，诸如testbench生成器、静态HDL检验器和正式验证器。在一些实施例中，被称为“模拟器”或“原型系统”的组件的特定系统被用于加速功能验证。
在测试618的综合和设计期间，HDL代码被变换为网表。在一些实施例中，网表可以是图形结构，其中图形结构的边缘表示电路的组件，而图形结构的节点表示组件如何互连。HDL代码和网表两者都是分级制品，EDA产品可以使用它们来验证集成电路在制造时是否按照指定的设计执行。可以针对目标半导体制造技术优化网表。此外，可以测试完成的集成电路以验证该集成电路满足规范的要求。
在网表验证620期间，检查网表是否符合定时约束以及是否符合HDL代码。在设计规划622期间，为定时和顶层布线构造并分析集成电路的总体平面布置图。
在布局或物理实现624期间，发生物理放置(诸如晶体管或电容器的电路组件的定位)和路由(通过多个导体连接电路组件)，并且可以从库中选择单元以启用特定逻辑功能。如本文中所使用，术语“单元”可以指定提供布尔逻辑功能(例如，AND、OR、NOT、XOR)或存储功能(例如，触发器或锁存器)的一组晶体管、其它组件及互连。如本文所使用的，电路“块”可以指两个或更多个单元。单元和电路块都可以被称为模块或组件，并且被实现为物理结构和模拟。为选定的单元(基于“标准单元”)指定参数，诸如大小，并在数据库中访问，以供EDA产品使用。
在分析和提取626期间，在布局级处验证电路功能，这允许改进布局设计。在物理检验628期间，检查布局设计以确保制造约束是正确的，诸如DRC约束、电约束、光刻约束，并且电路装置功能匹配HDL设计规范。在分辨率增强630期间，变换布局的几何形状以改进如何制造电路设计。
在流片期间，创建数据以用于(如果适当的话，在应用光刻增强之后)光刻掩模的生产。在掩模数据准备632期间，“流片”数据被用于产生光刻掩模，其被用于产生成品集成电路。
计算机系统(诸如图7的计算机系统700)的存储子系统可以被用于存储本文描述的EDA产品的一些或全部使用的程序和数据结构，以及用于开发库单元和使用库的物理和逻辑设计的产品。
图7示出了计算机系统700的示例性机器，在该机器内可以执行一组指令，用于使该机器执行本文讨论的任何一个或多个方法。在替代实现中，机器可以连接(例如，联网)到LAN、内联网、外联网和/或互联网中的其它机器。该机器可以在客户端－服务器网络环境中以服务器或客户端机器的能力下操作，在对等(或分布式)网络环境中作为对等机器操作，或者在云计算基础设施或环境中作为服务器或客户端机器操作。
该机器可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、web设备、服务器、网络路由器、交换机或网桥、或能够执行一组指令(顺序的或其它的)的任何机器，其指定该机器要采取的动作。此外，虽然示出了单个机器，但是术语“机器”还应当被理解为包括单独地或联合地执行一组(或多组)指令以执行本文讨论的任何一个或多个方法的机器的任何集合。
示例计算机系统700包括处理设备702、主存储器704(例如，只读存储器(ROM)、闪存、动态随机存取存储器(DRAM)，诸如同步DRAM(SDRAM)、静态存储器706(例如，闪存、静态随机存取存储器(SRAM)等)和数据存储设备718，其经由总线730彼此通信。
处理设备702表示一个或多个处理器，诸如微处理器、中央处理单元等。更具体地，处理设备可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实现其它指令集的处理器、或实现指令集组合的处理器。处理设备702还可以是一个或多个专用处理设备，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。处理设备702可以被配置为执行指令726，用于执行本文描述的操作和步骤。
计算机系统700还可以包括通过网络720进行通信的网络接口设备708。计算机系统700还可以包括视频显示单元710(例如液晶显示器(LC)或阴极射线管(CRT))、字母数字输入设备712(例如键盘)、光标控制设备714(例如鼠标)、图形处理单元722、信号生成设备716(例如扬声器)、图形处理单元722、视频处理单元728和音频处理单元732。
数据存储设备718可以包括机器可读存储介质724(也被称为非瞬态计算机可读介质)，在该介质上存储了有一组或多组指令726或软件，体现本文描述的任何一个或多个方法或功能。在由计算机系统700执行期间，指令726还可以完全或至少部分地驻留在主存储器704内和/或处理设备702内，主存储器704和处理设备702也构成机器可读存储介质。
在一些实现中，指令726包括实现对应于本公开的功能的指令。虽然机器可读存储介质724在示例实现中示出为单个介质，但是术语“机器可读存储介质”应当被理解为包括存储一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的高速缓存和服务器)。术语“机器可读存储介质”还应当被理解为包括能够存储或编码用于由机器执行的指令集并且使得机器和处理设备702执行本公开的任何一个或多个方法的任何介质。因此，术语“机器可读存储介质”应被理解为包括但不限于固态存储器、光学介质和磁性介质。
前面的详细描述的某些部分是根据对计算机存储器内的数据位的操作的算法和符号表示来呈现的。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们工作的实质传达给本领域的其他技术人员的方式。算法可以是导致期望结果的操作序列。这些操作是需要物理量的物理操纵的那些操作。这些量可以采取能够被存储、组合、比较和以其他方式操纵的电或磁信号的形式。这样的信号可以被称为位、值、元素、符号、字符、项、数字等。
然而，应当记住，所有这些和类似的术语将与适当的物理量相关联，并且仅仅是应用于这些量的方便标记。除非特别声明，否则如从本公开显而易见的，应当理解，在整个说明书中，某些术语是指计算机系统或类似的电子计算设备的动作和过程，其将表示为计算机系统的寄存器和存储器内的物理(电子)量的数据操纵和转换为类似地表示为计算机系统存储器或寄存器或其他这样的信息存储设备内的物理量的其他数据。
本公开还涉及一种用于执行这里的操作的装置。该装置可以为了预期目的而专门构造，或者它可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的计算机。这种计算机程序可以存储在计算机可读存储介质中，例如但不限于，包括软盘、光盘、CD－ROM和磁光盘的任何类型的盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、或者适合于存储电子指令的任何类型的介质，每个耦合到计算机系统总线。
本文给出的算法和显示并不固有地涉及任何特定的计算机或其它装置。根据本文的教导，各种其它系统可以与程序一起使用，或者可以证明构造更专用的装置来执行该方法是方便的。此外，不参考任何特定编程语言来描述本公开。应当理解，可以使用多种编程语言来实施本文所描述的本发明的教示。
本公开可以被提供为计算机程序产品或软件，其可以包括其上存储有指令的机器可读介质，可以用于对计算机系统(或其他电子设备)编程以执行根据本公开的工艺。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机制。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质，诸如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备等。
在前述公开中，已经参考其特定示例实现描述了本公开的实现。显然，在不脱离如以下权利要求中阐述的本公开的实现的更宽精神和范围的情况下，可以对其进行各种修改。在本公开以单数形式提及一些元件的情况下，可以在附图中描绘多于一个元件，并且相同的元件用相同的数字标记。因此，本公开和附图被认为是说明性的而不是限制性的。

Claims (20)

1.一种方法，包括：
访问用于在晶片上印刷图案的光刻工艺中使用的掩模图案；以及
通过处理器将所述掩模图案应用于所述光刻工艺的确定性模型以预测所印刷的所述图案的特性，包括：
将所述掩模图案应用于预测所印刷的所述图案的所述特性的紧凑模型；以及
对来自所述紧凑模型的所预测的所述特性应用校正，其中所述校正考虑所印刷的所述图案中的所述特性的局部随机变化。
2.根据权利要求1所述的方法，其中所述紧凑模型不考虑所述特性的局部随机变化。
3.根据权利要求1所述的方法，其中对来自所述紧凑模型的所预测的所述特性应用所述校正包括(a)来自所述紧凑模型的所预测的所述特性和(b)所述校正的线性组合，其中所述校正是与所预测的所述特性的所述局部随机变化相关的随机模型属性的函数。
4.根据权利要求1所述的方法，其中对来自所述紧凑模型的所预测的所述特性应用所述校正包括(a)来自所述紧凑模型的所预测的所述特性和(b)所述校正的非线性组合，其中所述校正是与所预测的所述特性的所述局部随机变化相关的随机模型属性的函数。
5.根据权利要求1所述的方法，其中所述紧凑模型根据剂量、焦点和所述掩模图案来预测所印刷的所述图案的所述特性。
6.根据权利要求1所述的方法，其中所述紧凑模型相对于第一经验数据回归，并且所述校正相对于包括所预测的所述特性的局部随机变化的第二经验数据回归。
7.一种系统，包括：
存储指令的存储器；以及
处理器，与所述存储器耦合并执行所述指令，所述指令在被执行时使所述处理器执行包括以下的操作：
访问用于在晶片上印刷图案的光刻工艺中使用的掩模图案；以及
将所述掩模图案应用于所述光刻工艺的确定性模型，以预测所印刷的所述图案的特性，其中所述确定性模型考虑所印刷的所述图案中的所述特性的局部随机变化。
8.根据权利要求7所述的系统，其中所印刷的所述图案的所预测的所述特性用于掩模综合和/或用于掩模校正。
9.根据权利要求8所述的系统，其中所述掩模图案包括用于整个裸片的掩模图案。
10.根据权利要求7所述的系统，其中所述局部随机变化包括所印刷的所述图案的10um×10um区域内的随机变化。
11.根据权利要求7所述的系统，其中所述确定性模型包括紧凑模型，所述紧凑模型根据剂量、焦点、所述掩模图案和随机模型属性来预测所印刷的所述图案的所述特性，并且所述随机模型属性与所预测的所述特性的局部随机变化相关。
12.根据权利要求11所述的系统，其中所述操作进一步包括：相对于不包括所述随机模型属性的测量值的经验数据回归所述紧凑模型。
13.根据权利要求11所述的系统，其中：
所述至少一个随机模式属性是如下中的一者：漫射空间图像信号；酸浓度或密度；猝灭剂浓度或密度；抑制剂浓度或密度；空间图像、酸、猝灭剂、或抑制剂信号的梯度；掩模图案密度；二次电子浓度；配体浓度；以及抵抗表面张力；以及
所述紧凑模型根据所述掩模图案预测所印刷的所述图案中的热点。
14.一种包括所存储的指令的非瞬态计算机可读介质，所述指令在由处理器执行时使所述处理器执行包括以下的操作：
访问用于在晶片上印刷图案的光刻工艺中使用的掩模图案；以及
将所述掩模图案应用于所述光刻工艺的确定性模型以预测所印刷的所述图案的特性，其中所述确定性模型根据模型属性预测所印刷的所述图案的所述特性，所述模型属性包括与所预测的所述特性的局部随机变化相关的至少一个随机模型属性。
15.根据权利要求14所述的非瞬态计算机可读介质，其中所述至少一个随机模型属性是如下中的一者：漫射空间图像信号；酸浓度或密度；猝灭剂浓度或密度；抑制剂浓度或密度；空间图像、酸、猝灭剂、或抑制剂信号的梯度；掩模图案密度；二次电子浓度；配体浓度；以及抵抗表面张力。
16.根据权利要求14所述的非瞬态计算机可读介质，其中所述确定性模型相对于包括所预测的所述特性的局部随机变化的经验数据回归。
17.根据权利要求16所述的非瞬态计算机可读介质，其中所述经验数据包括线边缘粗糙度、临界尺寸(CD)变化和最坏情况CD中的一者。
18.根据权利要求14所述的非瞬态计算机可读介质，其中所述确定性模型根据所述掩模图案预测所印刷的所述图案中的热点。
19.根据权利要求14所述的非瞬态计算机可读介质，其中所述确定性模型根据所述掩模图案预测预测所印刷的所述图案中的故障率。
20.根据权利要求14所述的非瞬态计算机可读介质，其中所述确定性模型包括紧凑模型，所述紧凑模型根据剂量、焦点、所述掩模图案和所述随机模型属性预测所印刷的所述图案的所述特性。
CN202180068699.3A 2020-11-12 2021-11-10 用于掩模综合的随机感知光刻模型 Pending CN116324617A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063112733P 2020-11-12 2020-11-12
US63/112,733 2020-11-12
US17/522,574 2021-11-09
US17/522,574 US11900042B2 (en) 2020-11-12 2021-11-09 Stochastic-aware lithographic models for mask synthesis
PCT/US2021/058834 WO2022103874A1 (en) 2020-11-12 2021-11-10 Stochastic-aware lithographic models for mask synthesis

Publications (1)

Publication Number Publication Date
CN116324617A true CN116324617A (zh) 2023-06-23

Family

ID=81453417

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180068699.3A Pending CN116324617A (zh) 2020-11-12 2021-11-10 用于掩模综合的随机感知光刻模型

Country Status (6)

Country Link
US (1) US11900042B2 (zh)
JP (1) JP2023549654A (zh)
KR (1) KR20230098783A (zh)
CN (1) CN116324617A (zh)
TW (1) TW202235999A (zh)
WO (1) WO2022103874A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10176966B1 (en) 2017-04-13 2019-01-08 Fractilia, Llc Edge detection system
US11380516B2 (en) 2017-04-13 2022-07-05 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10522322B2 (en) 2017-04-13 2019-12-31 Fractilia, Llc System and method for generating and analyzing roughness measurements

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015121127A1 (en) 2014-02-11 2015-08-20 Asml Netherlands B.V. Model for calculating a stochastic variation in an arbitrary pattern
US10656532B2 (en) 2017-04-13 2020-05-19 Fractilia, Llc Edge detection system and its use for optical proximity correction
US10120963B1 (en) 2017-05-05 2018-11-06 Globalfoundries Inc. Figurative models calibrated to correct errors in process models
US20220179321A1 (en) * 2019-03-25 2022-06-09 Asml Netherlands B.V. Method for determining pattern in a patterning process
WO2021062040A1 (en) 2019-09-25 2021-04-01 Synopsys, Inc. Lithography improvement based on defect probability distributions and critical dimension variations
KR20220092598A (ko) 2019-11-04 2022-07-01 시놉시스, 인크. 리소그래피 마스크들의 보정에서의 마스크 제조 모델들의 사용

Also Published As

Publication number Publication date
TW202235999A (zh) 2022-09-16
KR20230098783A (ko) 2023-07-04
US11900042B2 (en) 2024-02-13
WO2022103874A1 (en) 2022-05-19
US20220146945A1 (en) 2022-05-12
JP2023549654A (ja) 2023-11-29

Similar Documents

Publication Publication Date Title
JP6377106B2 (ja) プロセス変動バンドを用いた集積回路レイアウト設計法
US7886262B2 (en) System and method of maximizing integrated circuit manufacturing yield with fabrication process simulation driven layout optimization
US7194725B1 (en) System and method for design rule creation and selection
US11900042B2 (en) Stochastic-aware lithographic models for mask synthesis
US11640490B2 (en) Source mask optimization by process defects prediction
TWI767340B (zh) 基於缺陷機率分佈和臨界尺寸變異的微影技術改進
US11475201B2 (en) Inclusion of stochastic behavior in source mask optimization
US11468222B2 (en) Stochastic signal prediction in compact modeling
JP2022544585A (ja) 人工ニューラルネットワークによって予測される故障モードに基づくレチクル強化技術レシピの適用
US11556052B2 (en) Using mask fabrication models in correction of lithographic masks
US11314171B2 (en) Lithography improvement based on defect probability distributions and critical dimension variations
CN116137899A (zh) 基于特征图像的三维掩模仿真
TWI795687B (zh) 用於改良微影光罩之設計之方法、系統及非暫時性電腦可讀媒體
CN114556226A (zh) 基于光刻模型参数预测缺陷率
US20230152683A1 (en) Mask Synthesis Integrating Mask Fabrication Effects and Wafer Lithography Effects
US11657207B2 (en) Wafer sensitivity determination and communication
US20220382144A1 (en) Machine learning for selecting initial source shapes for source mask optimization

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