CN116777827A - 对微制造图案执行计量的方法 - Google Patents
对微制造图案执行计量的方法 Download PDFInfo
- Publication number
- CN116777827A CN116777827A CN202310258875.0A CN202310258875A CN116777827A CN 116777827 A CN116777827 A CN 116777827A CN 202310258875 A CN202310258875 A CN 202310258875A CN 116777827 A CN116777827 A CN 116777827A
- Authority
- CN
- China
- Prior art keywords
- frames
- roughness
- pattern
- parameter
- estimate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000001419 dependent effect Effects 0.000 claims abstract description 7
- 239000002131 composite material Substances 0.000 claims description 33
- 238000001228 spectrum Methods 0.000 claims description 8
- 239000000758 substrate Substances 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000001900 extreme ultraviolet lithography Methods 0.000 description 9
- 238000001878 scanning electron micrograph Methods 0.000 description 8
- 238000012935 Averaging Methods 0.000 description 7
- 230000010354 integration Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010894 electron beam technology Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- WGTYBPLFGIVFAS-UHFFFAOYSA-M tetramethylammonium hydroxide Chemical compound [OH-].C[N+](C)(C)C WGTYBPLFGIVFAS-UHFFFAOYSA-M 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000001459 lithography Methods 0.000 description 2
- 238000001393 microlithography Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000000059 patterning Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/08—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring roughness or irregularity of surfaces
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
-
- 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
-
- 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
- G03F7/70653—Metrology techniques
- G03F7/70655—Non-optical, e.g. atomic force microscope [AFM] or critical dimension scanning electron microscope [CD-SEM]
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2813—Scanning microscopes characterised by the application
- H01J2237/2817—Pattern inspection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Data Mining & Analysis (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
Abstract
一种对微加工图案执行计量的方法,该方法包括:通过SEM来生成图案的第一区域的第一帧集合、图案的第二区域的第二帧集合和图案的第三区域的第三帧集合,其中第一帧集合、第二帧集合和第三帧集合的帧数是不同的;对于第一帧集合、第二帧集合和第三帧集合中的每一者,由计算设备:估计表示帧集合的图案区域的一个或多个特征的边缘位置、线宽或中心线位置的特征数据,以及根据特征数据计算粗糙度参数的初步估计;其中该方法还包括由计算设备:将模型方程拟合到粗糙度参数的初步估计和取决于帧集合的帧数的模型参数,模型方程使模型参数与粗糙度参数进行相关;以及计算粗糙度参数的最终估计作为经拟合模型方程的渐近值。
Description
技术领域
本公开涉及一种对微制造图案执行计量的方法,并且还涉及被配置成实现相应方法的计算机可读介质。
背景技术
在过去的几十年中,集成电路通过增加每单位面积的晶体管数量而不断提高计算能力。半导体行业见证了从20世纪70年代的接触式和接近式印刷到一系列投影光刻技术的转变。投影光刻中的分辨率大幅提高是由三个主要因素实现的:(1)成像源波长λ的降低,(2)透镜数值孔径(NA)的增加,以及(3)工艺相关k1因子的降低,总结在瑞利方程中:
今天,现有技术节点依赖于极紫外光刻(EUVL)。向较短源波长的转变导致抗蚀剂膜厚度的持续缩小,例如当进展到较小的特征大小时,限制抗蚀剂图案中的纵横比(即,抗蚀剂高度与宽度)。高纵横比可能本来会导致,例如在冲洗过程中,图案塌陷。
EUVL的进一步发展涉及从0.33NA转变到0.55NA,即高NA EUVL。更高的NA允许捕获更高的衍射级,这允许打印更小的特征大小。随着向高NA EUVL的转变,期望再次降低抗蚀剂FT以避免大的纵横比。然而,第二个瑞利方程也给出了另一原因,该方程表明聚焦深度(DoF)与二次逆NA成比例:
DoF给出了曝光期间可以容忍的焦点范围。因此,经降低的DoF将限制曝光对比度高得足以提供良好抗蚀剂图案化性能的范围(并且因此也限制FT)。
发明内容
如发明人所认识到的,抗蚀剂FT的持续降低将带来与计量相关的相关联挑战。具体而言,设想了经降低的FT将降低使用基于电子束的计量(诸如临界尺寸扫描电子显微镜(CDSEM))获得的图像的信噪比(SNR)。较低的SNR进而可能阻碍指示抗蚀剂图案性能的图案粗糙度参数(例如线边缘粗糙度(LER)或线宽粗糙度(LWR))的准确估计。
鉴于上述,目的是提供一种对微制造图案执行计量的方法,从而使得能够对薄FT抗蚀剂中的图案进行精确计量,并且更一般地对产生低SNR的微制造图案进行精确计量。可从下文中理解其他目的或另外一些目的。
根据第一方面,提供了一种对微制造图案执行计量的方法,所述方法包括:
通过扫描电子显微镜(SEM)来生成所述图案的第一区域的第一帧集合、所述图案的第二区域的第二帧集合和所述图案的第三区域的第三帧集合,其中所述第一帧集合、第二帧集合和第三帧集合的帧数是不同的;
对于所述第一帧集合、所述第二帧集合和所述第三帧集合中的每一者,由计算设备:
估计表示所述帧集合的图案区域(即,由该帧集合表示/描绘的图案区域)的一个或多个特征的边缘位置、线宽或中心线位置的特征数据,以及根据所述特征数据计算粗糙度参数的初步估计,其中所述粗糙度参数指示所述一个或多个特征的线边缘粗糙度、线宽粗糙度或图案放置粗糙度;其中所述方法还包括由所述计算设备:
将模型方程拟合到所述粗糙度参数的初步估计和取决于所述帧集合的帧数的模型参数,所述模型方程使所述模型参数与所述粗糙度参数进行相关;以及
计算所述粗糙度参数的最终估计作为经拟合模型方程的渐近值。
根据第二方面,提供了一种包括指令的非暂态计算机可读介质,所述指令被配置成当由计算设备执行时使所述计算设备执行一种方法,所述方法包括:分别对于微制造图案的第一区域、第二区域和第三区域的第一帧集合、第二帧集合和第三帧集合中的每一者,其中所述第一帧集合、所述第二帧集合和所述第三帧集合由扫描电子显微镜SEM生成,并且其中所述第一帧集合、所述第二帧集合和所述第三帧集合的帧数是不同的:
估计表示所述帧集合的图案区域(即,由该帧集合表示/描绘的图案区域)的一个或多个特征的边缘位置、线宽或中心线位置的特征数据,以及
根据所述特征数据计算粗糙度参数的初步估计,其中所述粗糙度参数指示所述一个或多个特征的线边缘粗糙度、线宽粗糙度或图案放置粗糙度;
其中所述方法还包括:
将模型方程拟合到所述粗糙度参数的初步估计和取决于所述帧集合的帧数的模型参数,所述模型方程使所述模型参数与所述粗糙度参数进行相关;以及
计算所述粗糙度参数的最终估计作为经拟合模型方程的渐近值。
在下文中,各个帧集合i(例如,第一、第二或第三帧集合)可以用Si=1,2,3…,其中其中Fi,j表示帧集合i的帧j,且nbri是帧集合i的总帧数。要注意,各下标(例如i和j)和称呼“第一”、“第二”、“第三”等(例如,与帧集合相关)仅仅是便于引用各个元素(例如,帧或集合)的标签/标识符,并且没有暗示以任何特定时间次序的生成/采集。
如本文所使用的,术语“帧”(Fi,j)表示由SEM生成的图案区域(例如,第一、第二或第三区域)的单个(图像)帧。可以对区域(即,相同区域)的帧集合进行积分/平均,以形成该区域的单个合成(即,经积分/平均)图像。因此,“帧”可以理解成由SEM生成的积分帧或平均帧。可以根据/使用相应的帧集合,或者使用根据/使用相应帧集合生成的合成图像,来估计每一帧集合的特征数据估计。
如本文所使用的,一个或多个特征的术语“线边缘粗糙度”(LER)是沿该一个或多个特征的维度的边缘位置的统计变异性的度量。一个或多个特征的术语“线宽粗糙度”(LWR)是沿该一个或多个特征的维度的线宽的统计变异性的度量。一个或多个特征的术语“图像放置粗糙度”(PPR)是沿该一个或多个特征的维度的中心线位置的统计变异性的度量。
粗糙度参数的统计变异性可以根据方差或标准差(例如,一个或多个特征的边缘位置、线宽、中心线位置)来量化。在多个特征的情况下,标准差σ可以例如计算成各个体特征的方差(σ2)的平均值的平方根。在本领域,LER/LWR/PPR通常量化为一个或多个特征的边缘位置/线宽/中心线位置的3σ(即标准差σ的三倍)。然而,也可以使用其他等效度量,诸如一个或多个标准差σ或方差σ2。
对于线形特征的图案,每一特征可以是一条线,其中“沿一维度”应理解成“沿该线的纵向维度”。对于圆形特征(例如,柱、通孔)的图案,每一特征可以是圆形特征,其中“沿一维度”应理解成“沿该特征的外围”(例如,柱的外围或孔边缘)。
如本文所使用的,术语“取决于帧集合的帧数的模型参数”是指随帧集合(例如,第一、第二或第三帧集合)的帧数而变化(例如,单调增加)的模型参数。模型参数可以简单地是帧集合的帧数(即,模型参数是帧集合的帧数),其中该方法可包括将模型方程拟合到粗糙度参数的初步估计以及第一、第二和第三帧集合的相应帧数。或者,模型参数可以是导出的参数,诸如帧集合的平均信噪比(SNR),其中该方法可包括将模型方程拟合到粗糙度参数的初步估计以及第一、第二和第三帧集合的相应帧数的导出参数的相应值(例如,针对第一、第二和第三帧集合计算得到的平均SNR)。除非另有说明,术语“平均值”通常用于指算术平均值。
本发明构思的各方面基于以下洞察:当前的计量协议在应用于低SNR SEM图像时(其中SNR往往随着积分的帧数而增加)导致对通常使用的粗糙度参数的低估,例如噪声无偏粗糙度参数,诸如无偏线边缘粗糙度(uLER)、无偏线宽粗糙度(uLWR)和无偏图案放置粗糙度(uPPR)。
已经进一步认识到,对于给定的微结构图案(例如,给定FT的抗蚀剂中的图案),低估随着SNR的增加而降低,并逐渐接近代表“真实”粗糙度参数(例如,uLER、uLWR或uPPR)的渐近值。
因此,通过生成不同帧数nbri(例如nbr1<nbr2<nbr3)的多个帧集合(至少三个)Si=1,2,3,…、估计每一帧集合的相应特征数据、根据该相应特征数据计算粗糙度参数的相应初步估计、将模型方程拟合到粗糙度参数的初步估计和模型参数、并将所拟合的模型方程外推到渐近值,也可以在低SNR体制下获得图案特征粗糙度的经改进的精度估计。
低估的程度往往随着SNR的降低(即,帧数减少)而增加。因此,当被应用于在薄或超薄FT抗蚀剂(诸如30nm或更薄)中使用高NA EUVL形成的图案时,该方法的优点变得越来越相关,但该方法不限于此。设想了该方法更一般地可被用于对其他类型的微制造图案(诸如在基板上形成的经蚀刻图案)执行计量。
由于该方法使得能够独立于SEM图像的SNR来精确地确定粗糙度,因此还可以设想,该方法可以有利地应用于任何低SNR应用,例如在有意限制电子剂量和/或帧数以降低电子剂量并因此降低图案化损坏的风险的情况下。
如本文所使用的,术语粗糙度参数的“噪声无偏”(初步/最终)估计,或简言之“无偏”,应根据其在本领域内的普通含义来理解,即作为粗糙度参数(例如,LER、LWR、PPR)的估计,该粗糙度参数的估计是从一组SEM帧或(从该组SEM帧生成的)(合成的)SEM图像的特征数据计算的(例如,估计的),以去除由SEM帧/图像中的噪声引起的对估计的偏置。换言之,根据惯例,粗糙度参数的无偏估计通常被认为对特征边缘检测中的由噪声引起的随机误差而言是不变的。如本领域技术人员所知,本领域存在用于计算粗糙度参数的无偏估计的各种技术,诸如基于傅里叶谱、功率谱密度(PSD)或高度-高度相关函数(HHCF)的分析的技术。然而,如下面进一步详细讨论的,本发明构思是基于以下认识而设计的:用于计算无偏粗糙度参数的现有技术在低SNR体制下缺乏精度,并且更具体地,往往低估粗糙度参数。因此,如本文所使用的,“粗糙度参数的无偏初步估计”应理解成使用常规技术计算得到的估计,但归因于低SNR,其可能不一定反映在高SNR体制下所估计的“真实”无偏估计(与“真实”估计的偏差取决于SEM帧/图像中的SNR)。同时,“最终估计”对应于在较高SNR体制下使用常规技术所预期的无偏地估计的粗糙度,即SNR无关的无偏粗糙度估计。
如上所述,粗糙度参数的初步估计可以是粗糙度参数的噪声无偏初步估计。
在一些实施例中,该方法还可包括对于第一、第二、以及第三帧集合中的每一者:根据特征数据计算空间频率密度表示,估计空间频率密度表示的噪声基底,以及根据空间频率密度表示和噪声基底来计算粗糙度参数的噪声无偏初步估计。
空间频率密度表示允许将特征数据(例如,线边缘位置、线宽或中心线位置)中的变化(即,“粗糙度”)表示为空间频率的函数(即,变化的波长或幅度的倒数)。
空间频率密度表示还允许将特征数据中的噪声基底方便地估计成频谱的高频部分,从而可以估计粗糙度参数的无偏初步估计。
粗糙度参数的噪声无偏估计的初步估计的计算可以包括:通过从空间频率密度表示中减去噪声基底并对噪声无偏空间频率密度表示进行积分来计算噪声无偏空间频率密度表示。
或者,初步估计的计算可以包括对空间频率密度表示进行积分以获得粗糙度参数的噪声偏置估计,并从噪声偏置估计中减去噪声基底估计(例如,所估计的噪声基底的值)。
空间频率密度表示可以是特征数据的傅里叶谱或功率谱密度PSD。
在多个特征的情形中,可以针对与每一个体特征相关的特征数据来计算相应的空间频率密度表示(例如,傅里叶谱或PSD)。随后可以针对特征的特征数据计算公共/平均空间频率密度表示,作为各个空间频率密度表示的平均值(例如,各个体傅里叶谱或PSD的平均值)。随后可以根据公共/平均空间频率密度表示及其噪声基底来计算每一相应帧集合的粗糙度参数的噪声无偏估计的初步估计。
在一些实施例中,该方法还可包括对于第一、第二和第三帧集合中的每一者,生成相应的合成图像作为相应帧集合的像素级平均。此后,可以使用/根据相应合成图像来估计特征数据。生成合成图像的过程可以称为帧积分或帧平均。对帧集合进行积分/平均可以产生具有经改进的SNR的合成图像,并进而使得能够更准确地估计特征数据。
合成图像可以由SEM生成,其中该方法可以包括(例如由计算设备)接收从第一帧集合生成的第一合成图像、从第二帧集合生成的第二合成图像和从第三帧集合生成的第三合成图像。或者,合成图像可以由(第一方面的)计算设备生成,或者作为由(第二方面的)非暂态计算机可读介质的指令实现的方法的一部分来生成。在这些替换方案中的任一者中,该方法可以包括(例如由计算设备)使用第一合成图像估计第一帧集合的特征数据,使用第二合成图像估计第二帧集合的特征数据,以及使用第三合成图像估计第三帧集合的特征数据。
该方法可以包括估计合成图像中的一个或多个特征中的每一者的特征数据。因此,根据上述讨论,在多个特征的情形中,可以针对与每一个体特征相关的特征数据来计算相应的空间频率密度表示(例如,傅里叶谱或PSD),该特征数据是从合成图像估计的。
在模型参数是平均信噪比的实施例中,相应帧集合的平均信噪比可以是相应合成图像的平均信噪比。
可以根据合成图像的平均线扫描来计算相应合成图像的平均信噪比。
在一些实施例中,模型方程可以是指数函数。指数拟合函数与实验数据所表明的粗糙度参数与帧数或SNR之间的关系很好地对应。
在一些实施例中,模型方程可以是Y=a(1-b*ec*x),其中Y是粗糙度参数,x是模型参数,且a、b、c是拟合参数。这种形式的模型方程使得能够基于从第一、第二和第三帧集合导出的数据点来准确地估计粗糙度参数(例如,uLER、uLWR、uPPR)。
在一些实施例中,模型方程可以是幂律方程,例如Y=a-b*cx),其中Y是粗糙度参数,x是模型参数,且a、b、c是拟合参数。
在一些实施例中,第一帧集合的帧数可以小于8,而第二和第三帧集合的帧数都可以等于或大于8。通过将第一集合的帧数限制成小于8,可以降低微制造图案的电子剂量暴露,并从而降低损坏图案的风险。小于8的帧数进一步允许在低SNR体制下获得第一帧集合(以及在适用的情况下获得第一合成图像),从而有助于模型方程的稳定拟合。
在一些实施例中,第一、第二和第三区域可以是图案的不同区域。通过将总电子剂量暴露分布在图案的更大区域上,将SEM测量分布在图案不同区域上可以降低对图案造成损坏的风险。在这一情形中,将理解,每一区域包括图案的一个或多个对应/类似特征的相应集合。
在一些实施例中,该方法可包括通过SEM生成(第一方面):
多个第一帧集合的第一超集,每个第一帧集合具有第一数量的帧并表示图案的不同的相应第一区域,
多个第二帧集合的第二超集,每个第二帧集合具有第二数量的帧并表示图案的不同的相应第二区域,以及
多个第三帧集合的第三超集,每个第三帧集合具有第三数量的帧并表示图案的不同的相应第三区域。
因此,该方法可包括,对于每个超集,计算粗糙度参数的初步估计来作为根据该超集的每一帧集合估计的特征数据计算得到的粗糙度参数的相应初步估计的平均值。
该方法还可包括将模型方程拟合到针对每一相应超集计算得到的粗糙度参数的初步估计,并且模型参数取决于每一相应超集的帧集合的帧数。
由此,模型拟合中使用的每一数据点可以基于来自图案的多个不同区域的特征数据,从而实现更精确的计量,同时通过将电子剂量曝光分布在图案的更大区域上而降低对图案造成损坏的风险。
在包括帧积分/平均以形成合成图像的实施例中,该方法可包括,对于每一超集的每个帧集合,生成相应的合成图像作为相应的帧集合的像素级平均,并且使用/根据相应的合成图像来估计特征数据。
在模型参数是平均信噪比的实施例中,相应帧集合的平均信噪比可以是中的每一相应超集来生成的合成图像的平均信噪比。
超集的这一讨论相应地适用于计算机可读介质(第二方面)。因此,在第二方面的实施例中,该方法可以包括对于每个超集:
多个第一帧集合的第一超集,每个第一帧集合具有第一数量的帧并表示图案的不同的相应第一区域,
多个第二帧集合的第二超集,每个第二帧集合具有第二数量的帧并表示图案的不同的相应第二区域,以及
多个第三帧集合的第三超集,每个第三帧集合具有第三数量的帧并表示图案的不同的相应第三区域:
计算粗糙度参数的初步估计作为根据针对该超集的每个帧集合估计的特征数据计算得到的、粗糙度参数的相应平均初步估计,以及
将模型方程拟合到针对每一相应超集计算得到的粗糙度参数的初步估计,并且模型参数取决于每一相应超集的帧集合的帧数。
附图说明
通过参考附图的说明性和非限制性的以下详细描述,可更好地理解以上以及其他目的、特征和优点。在附图中,除非另有说明,否则相似的附图标记将用于相似的元件。
图1是计量系统100的示意图。
图2是用于执行计量的方法的流程图;
图3是拟合模型方程的示例。
图4是特征数据的功率谱密度的示例。
图5示出了示例SEM图像。
图6示出了对图5所示图案执行的计量的结果。
具体实施方式
现在将参考图1和图2详细描述用于对微制造图案执行计量的系统100和方法200。
图1示意性地示出了包括SEM 110和计算设备120的计量系统100。SEM110可以是常规SEM,例如CDSEM。SEM 110可以例如包括用于接收样品的真空室和用于形成电子束的电子源,所述样品包括待表征的微制造图案130。SEM 110还可以包括聚焦透镜和扫描线圈,用于聚焦电子束并在感兴趣区域(例如光栅扫描图案)中将电子束扫描样品。SEM 110的电子检测器可以生成与在每个扫描位置检测到的背散射电子的数量相对应的像素值(例如灰度),以生成帧(即数字图像帧)。可以生成同一区域的帧集合并通过对该帧集合执行帧积分/平均来组合成合成图像。SEM的技术和操作细节是本领域技术人员所熟知的,并且因此在此不再赘述。
微制造图案130例如可以是形成在基板上的抗蚀剂图案,或者例如使用EUVL(诸如高NA EUVL)形成在基板上的经蚀刻图案。然而,本文所述的方法也可被用于对使用非基于EUVL的光刻技术(例如深紫外)形成的图案以及其他类型的微制造图案进行计量。
为了便于理解,以下将假设图案是线形的,即沿基板平行延伸的一个或多个线形特征(例如,在基板上的层中突出的材料线或沟槽)的图案。然而,该方法也可被用于对其他形状的图案特征进行计量,诸如圆形特征(例如柱、通孔)。在任一情形中,图案可以是规则图案(例如,规则线图案)。因此,根据该方法,生成其SEM图像/帧的每个区域可以包括相同或相应的图案(例如,具有相应取向、线宽和间距的线)。
本领域技术人员可以明白,每一SEM扫描线(以及因此每一帧的每行像素)可以方便地跨图案的特征(例如线)并横向于图案的特征来被取向,其中可以生成每一帧/图像以使得帧/图像的每一列像素沿着特征的纵向维度来被取向,并且每一行像素(例如,帧/图像的X和Y维度)跨特征并横向于特征被来取向,例如如图5所示。换言之,帧/图像的每行像素可以对应于跨被成像区域的特征的相应扫描线。可任选地,如果已经使用了不同的扫描线取向,则计算设备120可以对每一帧/图像应用旋转变换作为预处理步骤,以沿着列维度Y来定向被成像特征。然而,图案相对于帧/图像维度的取向是任意的,并且下面将描述的处理也可以应用于具有沿Y维度取向的特征的帧/图像。
本方法的数据分析(例如特征数据和粗糙度参数的估计)可以由计算设备120实现。计算设备120可以包括被配置成实现该方法的处理电路系统。计算设备120可以例如包括一个或多个处理器122,并且该方法的操作可以使用要由计算设备120的一个或多个处理器122执行的软件指令来实现,软件指令可被存储在计算机可读介质(例如,非瞬态计算机可读存储介质)上。计算设备12.可以例如是个人计算机(例如膝上型计算机或台式计算机)。计算设备120上可另选地包括被配置成实现该方法的专用电路系统,诸如一个或多个集成电路、一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)。
在图1中,计算设备120被示出为与SEM 110分开并通过通信接口(例如,串行或并行接口或网络)耦合到SEM 110,以接收来自SEM 110的数据(例如,帧、图像)并且可任选地向SEM 110发送控制参数(例如,用于设置像素大小、束电流、帧/图像分辨率、积分的帧数、待扫描区域的坐标等等)。然而,计算设备120也可以形成SEM 110的一部分/被包括在SEM110中,使得SEM 110的计算设备120可以计算粗糙度参数的最终估计并将其输出到外部设备,例如连接到SEM 110的计算机或显示设备。
图2描绘了方法200的流程图。在步骤S202中,SEM 110生成图案130的多个帧集合为简洁起见,一组帧Si在下文中也可被称为帧集合Si。每一帧集合Si包括或由相应数量nbri(其对于每一帧集合Si是不同的)的帧组成。帧集合Si的数量通常可以依赖于确保模型方程(如下所述)的稳定拟合所需的数据点的数量来选择,并且例如可以是3、4、5或更大。然而,根据该方法,应生成至少3个帧集合S(i=1,2,3,…),即nbr1个帧的第一帧集合S1、nbr2个帧的第二帧集合S2和nbr3个帧的第三帧集合S3,其中nbr1<nbr2<nbr3。
每一帧集合Si的帧F(i,j)是从所调查的图像130的同一区域Ri来生成或采集的,并且因此表示或成像所调查的图像130的同一区域Ri。每一帧集合Si可以表示图案130的不同区域Ri。
虽然帧集合Si的帧数量nbri不同(并且可任选地,每一帧集合所描绘的区域Ri也不同),但是将理解,其他采集参数可以有利地在帧集合Si之间保持恒定/不变。除了帧集合之间的帧数/SNR之外的其他参数的变化可能会使数据分析复杂化,并使计量更具挑战性。在帧集合Si之间可能相同的SEM采集参数包括加速电压、探针电流、像素大小和放大率。
在步骤S204中,计算设备120接收每一帧集合Si,并且对于每一帧集合Si(例如,第一帧集合S1、第二帧集合S2和第三帧集合S3中的每一者),计算设备120:估计特征数据并根据特征数据计算粗糙度参数的初步估计(步骤S206和子步骤S206a、S206b)。为简洁起见,粗糙度参数的初步估计在下文中也可称为初步粗糙度估计。
特征数据的估计可包括估计表示在帧集合Si的帧F(i,j)中所表示/描绘/成像的区域Ri的每一特征的边缘位置、线宽或中心线位置中的一者或多者的特征数据。
特征数据可以包括边缘数据,对于区域Ri中的每一特征,边缘数据表示沿着该特征的每个扫描线/像素行位置的、该特征的边缘(左和/或右)的位置。对于线形特征,边缘位置可以指示成与标称边缘位置(例如特征边缘的平均位置)的偏差。
作为补充或替换,特征数据可以包括线宽数据,对于区域Ri中的每一特征,线宽数据表示沿着该特征的每个扫描线/像素行位置的、该特征的线宽(左和右边缘位置之差)。
作为补充或替换,特征数据可以包括中心线数据,对于区域Ri中的每一特征,中心线数据表示沿着该特征的每个扫描线/像素行位置的、该特征的中心线位置(左和右边缘位置之间的中点)。对于线形特征,中心线位置可以指示成与标称中心线位置(例如特征的平均中心线位置)的偏差。
用于边缘检测的任何合适的常规图像处理技术可被用于估计特征数据。
根据边缘数据,计算设备120可以计算线边缘粗糙度(LER)的初步估计。根据线宽数据,计算设备120可以计算线宽粗糙度(LWR)的初步估计。根据中心线数据,计算设备120可以计算中心线粗糙度(PPR)的初步估计。更具体而言,计算设备120可以计算噪声无偏初步粗糙度估计(即,uLER、uLWR或uPPR),如将在下面进一步详细描述的。
在步骤208中,方法200通过计算设备120将模型方程拟合到粗糙度参数的初步估计(例如,uLER、uLWR或uPPR)以及取决于帧集合的帧数的模型参数来进行。模型方程可以是:
Y=a(1-b*ec*x)(方程1)
其中Y是粗糙度参数(例如uLER、uLWR或uPPR),x是模型参数,且a、b、c是拟合参数。模型参数x可以是相应帧集合Si的帧数nbri,或者相应帧集合Si的相应平均SNR,或者随着nbri增加的一些其他导出参数。
可以按各种方式估计相应帧集合Si的平均SNR。可以针对帧集合Si的每个帧F(i,j)估计平均SNR,其中可以依次对帧F(i,j)的平均SNR进行取平均,以获得帧集合Si的平均SNR。还可以通过在帧F(i,j)的集合上的帧积分来生成合成图像Ii(参见下面的方程3)并随后估计图像Ii的平均SNR来估计平均SNR。可以使用图像Ii的各像素行的平均像素行的(灰度)最大(Pmax)和最小(Pmin)强度之差与灰度噪声电平的比率来估计图像Ii(以及对应地帧F(i,j))的平均SNR。可以从图像Ii的非特征边缘部分(例如,1σ噪声噪声)估计灰度噪声电平。方程2提供了用于计算平均SNR的示例方程:
在该方法涉及处理具有相同帧数的帧集合Si的超集{Si}m的情况下(下面讨论),可以在与超集{Si}m相关联的每一图像Ii的各像素行上计算平均像素行,并且灰度噪声电平可被计算成与超集{Si}m相关联的每一图像Ii的1σ灰度噪声的平均,以便产生超集{Si}m的平均SNR。
由方程1所例示的形式的模型方程使得能够基于仅三个数据点来精确地估计粗糙度参数。然而,设想了也可以使用其他类型的模型方程,诸如其他指数函数或幂律。幂律方程的示例形式是Y=a-b*cx,具有与方程1中提供的相同参数定义。
在执行模型拟合之后,计算设备120在步骤S210中计算粗糙度参数的最终估计作为经拟合模型方程的渐近值。渐近值可以通过外推经拟合模型方程Y(x)来获得。渐近值可以例如被计算成Y(x)的曲率(例如模型方程的一阶导数dY/dx)变得小于预定阈值的x的值。渐近值也可以通过绘制Y(x)并标识Y(x)接近平台值的x值来获得。
图3示意性地描绘了将模型方程Y拟合到5个数据点的数据集的结果,即作为各个帧集合Si的平均SNR的函数,为5个帧集合Si计算得到的粗糙度参数(例如,uLWR)的5个初步估计。虚线圆圈表示粗糙度参数(例如,uLWR)的最终估计的示例。
为了提高特征数据的估计的稳健性,计算设备120可以从通过对帧集合Si执行帧积分而生成的合成图像Ii(S205)来估计特征数据,而不是从每一帧集合Si的各个体帧F(i,j)来估计特征数据。换言之,SEM 110或计算设备120可以针对每一帧集合Si生成相应的合成图像Ii,作为每一相应帧集合Si的相应帧F(i,j)的像素级平均,即:
其中求和将被理解成帧F(i,j)的对应像素的像素级求和。因此,图像Ii和每一帧集合Si的帧F(i,j)可以具有相同的维度。计算设备120可以针对每一图像Ii估计上述类型的特征数据中的一者或多者,并计算每一图像Ii的相应初步粗糙度估计。如果合成图像是由SEM110生成的,则计算设备120可以从SEM 110接收合成图像Ii(例如,作为接收帧集合Si的各个帧的替换方案)。
图像Ii(从帧集合Si生成)的粗糙度参数(例如,uLWR、uLER或uPPR)的噪声无偏估计可以通过解偏(unbiasing)过程来确定,其中使用(一维)功率谱密度(PSD)来确定图像Ii中的SEM噪声基底。随后可以从(噪声偏置的)PSD中减去噪声基底以获得无偏PSD。无偏粗糙度估计可以通过对无偏PSD进行积分来获得。另选地,(噪声偏置的)PSD可以被积分以获得噪声偏置的粗糙度估计,其中可以通过减去噪声基底来获得无偏粗糙度估计。噪声基底可以本身是本领域已知的,例如根据PSD的高频部分来估计。图4解说了作为特征的特征数据(例如从图像Ii估计的)(例如,边缘数据、线宽数据、中心线数据)的空间频率的函数的、PSD的示例对数-对数图。实线表示有偏置的PSD。点划线表示SEM帧/图像的噪声基底。虚线表示噪声无偏PSD。无偏PSD的积分对应于特征数据的方差σ2的估计。uLWR、uLER或uPPR随后可被计算成积分值的平方根的3倍
在多个特征的情况下,可以通过估计图像Ii中的每个个体特征k的特征数据、计算与每个个体特征k相关的特征数据的相应PSD(PSDk)、并随后计算根据图像Ii所估计的特征数据的公共/平均PSD作为各个PSD的平均,来提供提供初步估计的经改进的显著性水平,例如
随后可以根据平均PSD及其噪声基底来计算每一相应帧集合的粗糙度参数的噪声无偏估计的初步估计,并对所得的无偏平均PSD进行积分。
虽然PSD是表征特征粗糙度的方便工具,但设想了也可以使用其他类型的空间频率密度表示,诸如傅里叶谱。
无偏粗糙度估计的其他技术包括基于HHCF的办法,如Constantoudis等人在“Toward a complete description of linewidth roughness:a comparison ofdifferent methods for vertical and spatial LER and LWR analysis and CDvariation(线宽粗糙度的完整描述:垂直和空间LER和LWR分析以及CD变化的不同方法的比较)”(Proceedings of SPIE(SPIE学报)第5375卷,967-977页)中所描述的。
如上所述,可以基于根据相应合成图像Ii估计的特征数据(边缘位置、线宽、中心线位置)来计算无偏粗糙度估计。然而,也可以基于根据帧集合Si的各个体帧F(i,j)估计的特征数据来计算无偏粗糙度估计。这种技术的示例由Villarrubia等人在“Unbiasedestimation of linewidth Roughness(线宽粗糙度的无偏估计)”(Proceedings of SPIE,第5752卷,Metrology,Inspection,and Process Control for Microlithography XIX(微光刻的计量、检验和工艺控制),2005年5月10日)中描述。另一示例将是计算帧集合Si的每个帧F(i,j)中的特征k的相应PSD,并且随后通过对各PSD求平均来计算特征k的平均PSD。根据上述讨论,这可以针对帧集合Si中的每个特征重复,其中特征k的平均PSD随后可以被取平均以计算帧集合Si的PSD。
从上面可以明白,粗糙度估计(初步和最终)的显著性水平取决于特征数据的量。用于增加特征数据的量的一种办法是,对于要在模型拟合(例如,步骤S208)中使用的每个数据点,生成具有相同数量nbri的帧并且表示图案的不同相应区域的多个(例如,两个或更多个)帧集合Si。因此,SEM可以生成帧集合Si,m的多个超集{Si,m}m(其中附加下标m被引入以区分不同超集的帧集合),其中超集{Si}m的每一帧集合Si具有相同数量nbri,m的帧。上述方法和数据处理可以按相应的方式相应地应用于{Si}m的每一帧集合Si,m的每个帧Fi,j,m和/或从帧集合Si,m生成(并且因此与{Si}m相关联)的每一图像Ii,m。
例如,帧集合Si,m的多个超集{Si}m可以由SEM 110生成并由计算设备120接收(S202-S204)。可以根据每个超集{Si}m的每个相应帧集合Si,m生成相应图像Ii,m(S205)。可以针对每个图像Ii,m中的每个特征来估计特征数据(S206a),并且可以根据从与超集{Si}m相关联的每个图像Ii,m估计的特征数据来计算初步粗糙度估计(S206b)。随后可以将模型方程拟合到超集{Si}m的相应初步粗糙度估计和模型参数(例如帧数nbri,m或平均SNR)。
如果使用基于PSD的办法,则可为每个超集{Si}m计算平均PSD。例如,可以针对与超集{Si}m相关联的每个图像Ii,m的每个特征计算相应PSD,并且可以通过对针对图像Ii,m的各特征计算得到的各PSD取平均来计算每一图像Ii,m的平均PSD。一旦针对与超集{Si}m相关联的每个图像Ii,m计算得到了平均PSD,就可以计算最终(偏置的)PSD作为与超集{Si}m相关联的每个图像Ii,m的各平均PSD上的平均值。然后,可以使用上述任一办法从超集{Si}m的最终平均PSD及其噪声基底计算单个初步粗糙度估计。
图5示出了具有经图案化的薄抗蚀剂膜(更具体而言是涂覆在旋涂玻璃(SOG,顶行)和有机底层(UL,底行)上的化学放大抗蚀剂(CAR))的晶片的示例SEM图像。X轴和Y轴分别表示像素列和像素行方向。
抗蚀剂膜的膜厚度FT是30nm、25nm、20nm和15nm。将膜在ASML全场NXE:3400扫描仪中曝光,以32nm的间距打印垂直1:3的线和空白。随后,晶片在90℃的暴露后烘烤达60秒,并用2.38%四甲基氢氧化铵(TMAH)溶液显影。
SEM图像是用Hitachi CG-6300 CDSEM获得的。尽管不同行中的SEM图像不同,但是对于两种类型的底层,可以很容易地看到随着FT的降低,整体图像对比度降低的趋势。
对于每个晶片,在最佳剂量最佳聚焦条件(BD-BF)下以可变数量的积分CDSEM帧(例如,4、8、16、32、64)生成50个图像(84K,2048x 2048像素)。对于给定的晶片,这对应于5个超集{Si,m}m=1,2,…,5,每个超集包括50个帧集合Si,m(i=1,2、…,50),每一帧集合具有nbri(nbri,1=4,nbri,2=8,nbri,3=16,nbri,4=32,nbri,5=64)个帧Fi,j,m,并生成每一帧集合Si,m的合成图像Ii,m。
对于每个晶片并对于每一帧数量(即每个超集{Si,m}m=1,2,…,5),确定与相应超集相关联的50个图像Ii,m的集合的无偏LWR(3σ),并使用方程2估计平均SNR。
图6示出了每个晶片的所得数据点的图,其中方程1所示形式的模型方程已拟合到与每个晶片和超集相关的数据点。所估计的无偏LWR随SNR变化这一事实是需要避免的明显的计量伪影。可以观察到,在小SNR的极限下,无偏LWR被低估,而在较大SNR处,无偏LWR渐近地接近稳定的真实值。无偏LER对SNR和无偏PPR对SNR的曲线图示出了对应的关系。这也适用于无偏LER/LWR/PPR对积分的帧数量的曲线图。
在上文中,主要参考有限数量的示例描述了本发明构思。然而,如本领域技术人员容易理解的,在由所附权利要求书限定的本发明构思的范围内,除了上面公开的示例以外的其他示例同样是可能的。
Claims (15)
1.一种对微制造图案执行计量的方法,所述方法包括:
通过扫描电子显微镜来生成所述图案的第一区域的第一帧集合、所述图案的第二区域的第二帧集合和所述图案的第三区域的第三帧集合,其中所述第一帧集合、所述第二帧集合和所述第三帧集合的帧数是不同的;
对于所述第一帧集合、所述第二帧集合和所述第三帧集合中的每一者,由计算设备:
估计表示所述帧集合的图案区域的一个或多个特征的边缘位置、线宽或中心线位置的特征数据,以及
根据所述特征数据计算粗糙度参数的初步估计,其中所述粗糙度参数指示所述一个或多个特征的线边缘粗糙度、线宽粗糙度或图案放置粗糙度;
其中所述方法还包括,由所述计算设备:
将模型方程拟合到所述粗糙度参数的初步估计和取决于所述帧集合的帧数的模型参数,所述模型方程使所述模型参数与所述粗糙度参数进行相关;以及
计算所述粗糙度参数的最终估计作为经拟合模型方程的渐近值。
2.根据权利要求1所述的方法,其特征在于,所述粗糙度参数是所述一个或多个特征的边缘位置、线宽或中心线位置的一个或多个标准差。
3.根据前述权利要求中的任一项所述的方法,其特征在于,所述粗糙度参数的所述初步估计是所述粗糙度参数的噪声无偏初步估计。
4.根据权利要求3所述的方法,其特征在于,还包括对于所述第一帧集合、所述第二帧集合、以及所述第三帧集合中的每一者:
根据所述特征数据计算空间频率密度表示,
估计所述空间频率密度表示的噪声基底,以及
根据所述空间频率密度表示和所述噪声基底来计算所述粗糙度参数的所述噪声无偏初步估计。
5.根据权利要求4所述的方法,其特征在于,计算所述粗糙度参数的噪声无偏估计的初步估计包括:
通过从所述空间频率密度表示减去所述噪声基底并对噪声无偏空间频率密度表示进行积分来计算所述噪声无偏空间频率密度表示,或者
对所述空间频率密度表示进行积分以获得所述粗糙度参数的噪声偏置估计,并从所述噪声偏置估计中减去噪声基底估计。
6.根据权利要求4-5中的任一项所述的方法,其特征在于,所述空间频率密度表示是傅里叶谱或功率谱密度PSD。
7.根据前述权利要求中的任一项所述的方法,其特征在于,还包括对于所述第一帧集合、所述第二帧集合和所述第三帧集合中的每一者,生成相应合成图像作为相应帧集合的像素级平均,
其中所述特征数据是使用所述相应合成图像来估计的。
8.根据前述权利要求中的任一项所述的方法,其特征在于,所述模型参数是相应帧集合的帧数,或者是相应帧集合的平均信噪比。
9.根据前述权利要求中的任一项所述的方法,其特征在于,所述模型方程是指数函数。
10.根据权利要求9所述的方法,其特征在于,所述模型方程是Y=a(1-b*ec*x),其中Y是所述粗糙度参数,x是所述模型参数,且a、b、c是拟合参数。
11.根据前述权利要求中的任一项所述的方法,其特征在于,所述第一帧集合的帧数小于8帧,并且其中所述第二帧集合和所述第三帧集合的帧数都等于或大于8。
12.根据前述权利要求中的任一项所述的方法,其特征在于,所述第一区域、所述第二区域和所述第三区域是所述图案的不同区域。
13.根据前述权利要求中的任一项所述的方法,其特征在于,所述方法包括由所述扫描电子显微镜生成:
多个第一帧集合的第一超集,每个第一帧集合具有第一数量的帧并表示所述图案的不同的相应第一区域,
多个第二帧集合的第二超集,每个第二帧集合具有第二数量的帧并表示所述图案的不同的相应第二区域,以及
多个第三帧集合的第三超集,每个第三帧集合具有第三数量的帧并表示所述图案的不同的相应第三区域;以及
其中所述粗糙度参数的每一初步估计被计算成根据针对所述超集的每个帧集合估计的特征数据的、所述粗糙度参数的平均初步估计,以及
其中所述模型方程被拟合到针对每一相应超集计算得到的所述粗糙度参数的初步估计,并且所述模型参数取决于每一相应超集的帧集合的帧数。
14.根据前述权利要求中的任一项所述的方法,其特征在于,所述微制造图案是形成在基板上的抗蚀剂图案或形成在基板上的经蚀刻图案。
15.一种包括指令的非暂态计算机可读介质,所述指令被配置成当由计算设备执行时使所述计算设备执行一种方法,所述方法包括:分别对于微制造图案的第一区域、第二区域和第三区域的第一帧集合、第二帧集合和第三帧集合中的每一者,其中所述第一帧集合、所述第二帧集合和所述第三帧集合由扫描电子显微镜SEM生成,并且其中所述第一帧集合、所述第二帧集合和所述第三帧集合的帧数是不同的:
估计表示所述帧集合的图案区域的一个或多个特征的边缘位置、线宽或中心线位置的特征数据,以及
根据所述特征数据计算粗糙度参数的初步估计,其中所述粗糙度参数指示所述一个或多个特征的线边缘粗糙度、线宽粗糙度或图案放置粗糙度;
其中所述方法还包括:
将模型方程拟合到所述粗糙度参数的初步估计和取决于所述帧集合的帧数的模型参数,所述模型方程使所述模型参数与所述粗糙度参数进行相关;以及
计算所述粗糙度参数的最终估计作为经拟合模型方程的渐近值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP22162539.5 | 2022-03-16 | ||
EP22162539.5A EP4246230A1 (en) | 2022-03-16 | 2022-03-16 | A method of performing metrology on a microfabrication pattern |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116777827A true CN116777827A (zh) | 2023-09-19 |
Family
ID=80785299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310258875.0A Pending CN116777827A (zh) | 2022-03-16 | 2023-03-15 | 对微制造图案执行计量的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230298854A1 (zh) |
EP (1) | EP4246230A1 (zh) |
CN (1) | CN116777827A (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10488188B2 (en) * | 2017-04-13 | 2019-11-26 | Fractilia, Llc | System and method for removing noise from roughness measurements |
-
2022
- 2022-03-16 EP EP22162539.5A patent/EP4246230A1/en active Pending
-
2023
- 2023-03-15 US US18/184,366 patent/US20230298854A1/en active Pending
- 2023-03-15 CN CN202310258875.0A patent/CN116777827A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230298854A1 (en) | 2023-09-21 |
EP4246230A1 (en) | 2023-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11670480B2 (en) | System and method for generating and analyzing roughness measurements | |
US11664188B2 (en) | Edge detection system | |
US9449790B2 (en) | Pattern shape evaluation method, semiconductor device manufacturing method, and pattern shape evaluation device | |
US20190049858A1 (en) | Determining the impacts of stochastic behavior on overlay metrology data | |
Lorusso et al. | Unbiased roughness measurements: subtracting out SEM effects | |
US10223784B2 (en) | Pattern evaluation device and visual inspection device comprising pattern evaluation device | |
US11996265B2 (en) | System and method for generating and analyzing roughness measurements and their use for process monitoring and control | |
JP5386502B2 (ja) | パターン寸法計測方法及びそれを用いた走査電子顕微鏡 | |
KR102055157B1 (ko) | 패턴 계측 방법, 패턴 계측 장치, 및 컴퓨터 프로그램 | |
US11355306B2 (en) | System and method for generating and analyzing roughness measurements and their use for process monitoring and control | |
US20220068594A1 (en) | Detection of probabilistic process windows | |
US20210082658A1 (en) | System and method for generating and analyzing roughness measurements and their use for process monitoring and control | |
Mack | Comparing edge detection algorithms: their impact on unbiased roughness measurement precision and accuracy | |
CN116777827A (zh) | 对微制造图案执行计量的方法 | |
CN116559495A (zh) | 量测方法和相关装置 | |
JP2024508077A (ja) | 確率的プロセスウィンドウの検出 | |
Sezestre et al. | Model-based contour extraction: an enabler for very low-frame SEM images metrology | |
Yamaguchi et al. | Robust edge detection with considering three-dimensional sidewall feature by CD-SEM | |
Tanaka et al. | CD-bias evaluation and reduction in CD-SEM linewidth measurements | |
US10459334B2 (en) | Facilitation of orthotopic patterns during substrate fabrication | |
JP2013068519A (ja) | パターン測定方法 | |
US20230134093A1 (en) | System and method for determining and/or predicting unbiased parameters associated with semiconductor measurements | |
Midoh et al. | A comparison of wavelet multiresolution analysis and scale-space edge detection for lithography metrology | |
CN117850156A (zh) | 抗蚀剂结构的状态转变温度 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |