CN116802556A - 用于确定晶圆图形尺寸的方法、装置、设备、介质以及程序产品 - Google Patents
用于确定晶圆图形尺寸的方法、装置、设备、介质以及程序产品 Download PDFInfo
- Publication number
- CN116802556A CN116802556A CN202280006302.2A CN202280006302A CN116802556A CN 116802556 A CN116802556 A CN 116802556A CN 202280006302 A CN202280006302 A CN 202280006302A CN 116802556 A CN116802556 A CN 116802556A
- Authority
- CN
- China
- Prior art keywords
- pattern
- test
- intensity distribution
- light intensity
- data
- 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 82
- 238000012360 testing method Methods 0.000 claims abstract description 288
- 238000009826 distribution Methods 0.000 claims abstract description 268
- 238000011161 development Methods 0.000 claims abstract description 59
- 238000005259 measurement Methods 0.000 claims description 51
- 238000012549 training Methods 0.000 claims description 51
- 210000001747 pupil Anatomy 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 16
- 238000002834 transmittance Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 17
- 230000003287 optical effect Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 230000000704 physical effect Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000000206 photolithography Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
用于确定晶圆图形尺寸的方法(300)、装置(600)、设备(700)、介质以及程序产品,用于确定晶圆图形尺寸的方法(300)包括:至少基于针对至少一个测试图形的测试光强分布数据集和晶圆图形数据集,生成用于确定晶圆图形尺寸的显影模型(306),测试光强分布数据集(210)中的每个测试光强分布数据指示光刻设备的光源经由相应的测试图形在晶圆上得到的光强分布,晶圆图形数据集(220)中的每个晶圆图形数据指示与相应的测试图形对应的晶圆图形的尺寸;以及至少基于针对目标图形的目标光强分布数据,利用显影模型来确定与目标图形对应的晶圆图形的尺寸(308),目标光强分布数据(230)指示光源经由目标图形在晶圆上得到的光强分布。以此方式,可以提高对在晶圆上获得的实际图形尺寸的预测精确度。
Description
本公开的实施例总体上涉及芯片制造领域,更具体地涉及用于确定晶圆图形尺寸的方法、装置、设备、介质以及程序产品。
在集成电路(Integrated Circuit,IC)制造中,光刻是指利用光学投影曝光的方法将掩模上的图形转移到晶圆上的过程,其是集成电路制造的关键步骤。图形保真是对光刻的基本要求。随着光刻技术发展到纳米级技术节点,光刻过程受光学临近效应(Optical Proximity Effect,OPE)的影响越来越严重。光学临近效应是指:掩模上的图形随着周围图形的距离远近、尺寸大小以及密集程度的不同而发生变化,出现诸如尺寸偏移、拐角钝化、线端缩头、甚至图形消失等现象。这会导致晶圆上的图形与所期望的图形之间存在较大差异,进而造成集成电路的电学特性出现偏差,影响最终所获得的芯片的功能和良率。
光学邻近效应修正(Optical Proximity Correction,OPC)是一种针对掩模的预补偿技术。通过对掩模上的图形进行补偿修正,使其经过曝光显影后在晶圆上得到图形与所期望的图形一致。在利用OPC对掩模进行修正补偿时,需要借助于模型建立掩模上图形与晶圆上的实际图形之间的映射关系,以便为OPC修正过程提供指导,使得修正结果能够向所期望的图形靠近。随着设计版图越来越复杂,对OPC模型的预测精确度的要求也越来越高。
发明内容
鉴于上述问题,本公开的实施例旨在提供一种用于确定晶圆图形尺寸的方案。
根据本公开的第一方面,提供了一种用于确定晶圆图形尺寸的方法。该方法包括:至少基于针对至少一个测试图形的测试光强分布数据集和晶圆图形数据集,生成用于确定晶圆图形尺寸的显影模型,测试光强分布数据集中的每个测试光强分布数据指示光刻设备的光源经由相应的测试图形在晶圆上得到的光强分布,晶圆图形数据集中的每个晶圆图形数据指示与相应的测试图形对应的晶圆图形的尺寸;以及至少基于针对目标图形的目标光强分布数据,利用显影模型来确定与目标图形对应的晶圆图形的尺寸,目标光强分布数据指示光源经由目标图形在晶圆上得到的光强分布。根据本公开的方法借助于经训练的模型结构来拟合难以用公式准确描述的显影过程,因此可以提高描述显影过程的显影模型的准确性。此外,由于在训练模型的过程中,使用光强分布作为训练样本,因此可以保证模型的物理性,使得经训练得到的模型不易出现过拟合,从而可以提高OPC模型的预测精确度。
在一些实现方式中,至少一个测试图形分别具有量测区域,测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测区域处的光强分布,晶圆图形数据集中的每个晶圆图形数据指示晶圆图形在相应量测区域处的尺寸,生成显影模型包括:基于晶圆图形数据集和针对至少一个测试图形的测试图形尺寸数据集,确定针对至少一个测试图形的尺寸差异数据集,测试图形尺寸数据集中的每个测试图形尺寸数据指示相应的 测试图形在对应的量测区域处的尺寸,尺寸差异数据集中的每个尺寸差异数据指示相应测试图形与对应的晶圆图形在相应量测区域处的尺寸差异;以及使用测试光强分布数据集和尺寸差异数据集对模型结构进行训练,以获得显影模型。通过基于尺寸差异来训练模型,可以在训练模型时减少测试图形本身的尺寸所带来的影响,从而可以提高模型的预测精确度。
在一些实现方式中,量测区域是在量测位置处的一维的量测线条,并且测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测线条处的一维光强分布。通过这种方式,可以仅计算在量测位置处的一维光强分布,而非整个图形的光强分布,因此可以大幅减小后续用于模型训练的样本数据的大小,提高模型训练的速度,并且可以大幅提升根据本公开的一些实现方式的方法的运行速度,从而可以提高OPC的效率。
在一些实现方式中,该方法还包括:基于量测位置,使用针对光刻设备的光源数据和光瞳数据、以及针对测试掩模的测试掩模数据,来获取测试光强分布数据集,光源数据指示光源发出的光的能量和相位关于空间位置的分布,光瞳数据指示在各个空间位置处是否能够接收到光,测试掩模包括至少一个测试图形,测试掩模数据指示测试掩模的透光率关于空间位置的分布;以及使用光源数据、光瞳数据、以及针对目标掩模的目标掩模数据,来获取目标光强分布数据,目标掩模包括目标图形,目标掩模数据指示目标掩模的透光率关于空间位置的分布。通过这种方式来获取光强分布,可以保证所获得的测试光强分布数据集和目标光强分布数据的物理性,从而可以保证OPC模型的物理性,使得后续对于显影模型的训练不易出现过拟合现象,从而可以提高OPC模型的预测精确度。
在一些实现方式中,量测线条包括第一线段和第二线段,第一线段和第二线段彼此间隔开并且分别位于测试图形在量测位置处的图形的边缘,至少一个测试图形包括第一测试图形,测试光强分布数据集包括针对第一测试图形的第一测试光强分布数据,获取测试光强分布数据集包括:基于第一线段在第一测试图形中的位置,使用光源数据、光瞳数据、和测试掩模数据,来确定第一局部光强分布数据;基于第二线段在第一测试图形中的位置,使用光源数据、光瞳数据、和测试掩模数据,来确定第二局部光强分布数据;以及对第一局部光强分布数据和第二局部光强分布数据进行拼接,以获得第一测试光强分布数据。通过这种方式,可以仅计算在量测线条的两个线段处的一维光强分布,而非整个量测线条处的光强分布,因此可以进一步减小后续用于模型训练的样本数据的大小,提高模型训练的速度,并且可以进一步提升根据本公开的一些实现方式的方法的运行速度,从而可以提高OPC的效率。
在一些实现方式中,第一线段和第二线段的长度取决于测试图形在量测位置处的图形的尺寸。通过这种方式,可以合适地设置第一线段和第二线段的长度,以减小用于后续模型训练的数据大小并减少确定光强分布时的运算量。
在一些实现方式中,目标光强分布数据指示在晶圆上预定位置处的光强分布,确定与目标图形对应的晶圆图形的尺寸包括:基于目标光强分布数据,利用显影模型来确定目标尺寸差异数据,目标尺寸差异数据指示目标图形与对应的晶圆图形在预定位置处的尺寸差异;以及使用目标图形在预定位置处的尺寸以及目标尺寸差异数据,来获取与目标图形对应的晶圆图形在预定位置处的尺寸。通过这种方式,可以基于光强分布利用显影模型来预测目标图形经曝光显影后在晶圆上实际获得的图形的尺寸,以用于指导后续 的修正掩模上的图形的过程。
根据本公开的第二方面,提供了一种用于确定晶圆图形尺寸的装置。该装置包括显影模型生成模块和晶圆图形尺寸确定模块。显影模型生成模块被配置为:至少基于针对至少一个测试图形的测试光强分布数据集和晶圆图形数据集,生成用于确定晶圆图形尺寸的显影模型,测试光强分布数据集中的每个测试光强分布数据指示光刻设备的光源经由相应的测试图形在晶圆上得到的光强分布,晶圆图形数据集中的每个晶圆图形数据指示与相应的测试图形对应的晶圆图形的尺寸。晶圆图形尺寸确定模块被配置为:至少基于针对目标图形的目标光强分布数据,利用显影模型来确定与目标图形对应的晶圆图形的尺寸,目标光强分布数据指示光源经由目标图形在晶圆上得到的光强分布。根据本公开的方案借助于经训练的模型结构来拟合难以用公式准确描述的显影过程,因此可以提高描述显影过程的显影模型的准确性。此外,由于在训练模型的过程中,使用光强分布作为训练样本,因此可以保证模型的物理性,使得经训练得到的模型不易出现过拟合,从而可以提高OPC模型的预测精确度。
在一些实现方式中,至少一个测试图形分别具有量测区域,测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测区域处的光强分布,晶圆图形数据集中的每个晶圆图形数据指示晶圆图形在相应量测区域处的尺寸,显影模型生成模块还被配置为:基于晶圆图形数据集和针对至少一个测试图形的测试图形尺寸数据集,确定针对至少一个测试图形的尺寸差异数据集,测试图形尺寸数据集中的每个测试图形尺寸数据指示相应的测试图形在对应的量测区域处的尺寸,尺寸差异数据集中的每个尺寸差异数据指示相应测试图形与对应的晶圆图形在相应量测区域处的尺寸差异;以及使用测试光强分布数据集和尺寸差异数据集对模型结构进行训练,以获得显影模型。通过基于尺寸差异来训练模型,可以在训练模型时减少测试图形本身的尺寸所带来的影响,从而可以提高模型的预测精确度。
在一些实现方式中,量测区域是在量测位置处的一维的量测线条,并且测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测线条处的一维光强分布。通过这种方式,可以仅计算在量测位置处的一维光强分布,而非整个图形的光强分布,因此可以大幅减小后续用于模型训练的样本数据的大小,提高模型训练的速度,并且可以大幅提升根据本公开的一些实现方式的方案的运行速度,从而可以提高OPC的效率。
在一些实现方式中,该装置还包括:测试光强分布数据集获取模块,被配置为:基于量测位置,使用针对光刻设备的光源数据和光瞳数据、以及针对测试掩模的测试掩模数据,来获取测试光强分布数据集,光源数据指示光源发出的光的能量和相位关于空间位置的分布,光瞳数据指示在各个空间位置处是否能够接收到光,测试掩模包括至少一个测试图形,测试掩模数据指示测试掩模的透光率关于空间位置的分布;以及目标光强分布数据获取模块,被配置为:使用光源数据、光瞳数据、以及针对目标掩模的目标掩模数据,来获取目标光强分布数据,目标掩模包括目标图形,目标掩模数据指示目标掩模的透光率关于空间位置的分布。通过这种方式来获取光强分布,可以保证所获得的测试光强分布数据集和目标光强分布数据的物理性,从而可以保证OPC模型的物理性,使得后续对于显影模型的训练不易出现过拟合现象,从而可以提高OPC模型的预测精确度。
在一些实现方式中,量测线条包括第一线段和第二线段,第一线段和第二线段彼此间隔开并且分别位于测试图形在量测位置处的图形的边缘,至少一个测试图形包括第一 测试图形,测试光强分布数据集包括针对第一测试图形的第一测试光强分布数据,测试光强分布数据集获取模块还被配置为:基于第一线段在第一测试图形中的位置,使用光源数据、光瞳数据、和测试掩模数据,来确定第一局部光强分布数据;基于第二线段在第一测试图形中的位置,使用光源数据、光瞳数据、和测试掩模数据,来确定第二局部光强分布数据;以及对第一局部光强分布数据和第二局部光强分布数据进行拼接,以获得第一测试光强分布数据。通过这种方式,可以仅计算在量测线条的两个线段处的一维光强分布,而非整个量测线条处的光强分布,因此可以进一步减小后续用于模型训练的样本数据的大小,提高模型训练的速度,并且可以进一步提升根据本公开的一些实现方式的方案的运行速度,从而可以提高OPC的效率。
在一些实现方式中,第一线段和第二线段的长度取决于测试图形在量测位置处的图形的尺寸。通过这种方式,可以合适地设置第一线段和第二线段的长度,以减小用于后续模型训练的数据大小并减少确定光强分布时的运算量。
在一些实现方式中,目标光强分布数据指示在晶圆上预定位置处的光强分布,晶圆图形尺寸确定模块还被配置为:基于目标光强分布数据,利用显影模型来确定目标尺寸差异数据,目标尺寸差异数据指示目标图形与对应的晶圆图形在预定位置处的尺寸差异;以及使用目标图形在预定位置处的尺寸以及目标尺寸差异数据,来获取与目标图形对应的晶圆图形在预定位置处的尺寸。通过这种方式,可以基于光强分布利用显影模型来预测目标图形经曝光显影后在晶圆上实际获得的图形的尺寸,以用于指导后续的修正掩模上的图形的过程。
根据本公开的第三方面,提供了一种电子设备。该电子设备包括:至少一个处理器;以及至少一个存储器,至少一个存储器被耦合到至少一个处理器,并且存储用于由至少一个处理器执行的指令,指令当由至少一个处理器执行时,使得电子设备执行根据本公开的第一方面的方法。根据本公开的电子设备借助于经训练的模型结构来拟合难以用公式准确描述的显影过程,因此可以提高描述显影过程的显影模型的准确性。此外,由于在训练模型的过程中,使用光强分布作为训练样本,因此可以保证模型的物理性,使得经训练得到的模型不易出现过拟合,从而可以提高OPC模型的预测精确度。
根据本公开的第四方面,提供了一种计算机可读存储介质。该计算机可读存储介质存储有计算机程序。该计算机程序被处理器执行时实现根据本公开的第一方面的方法。根据本公开的计算机可读存储介质借助于经训练的模型结构来拟合难以用公式准确描述的显影过程,因此可以提高描述显影过程的显影模型的准确性。此外,由于在训练模型的过程中,使用光强分布作为训练样本,因此可以保证模型的物理性,使得经训练得到的模型不易出现过拟合,从而可以提高OPC模型的预测精确度。
根据本公开的第五方面,提供了一种计算机程序产品。该计算机程序产品包括计算机可执行指令,计算机可执行指令在被处理器执行时,使计算机实现根据第一方面的方法。根据本公开的计算机程序产品借助于经训练的模型结构来拟合难以用公式准确描述的显影过程,因此可以提高描述显影过程的显影模型的准确性。此外,由于在训练模型的过程中,使用光强分布作为训练样本,因此可以保证模型的物理性,使得经训练得到的模型不易出现过拟合,从而可以提高OPC模型的预测精确度。
提供发明内容部分是为了简化的形式来介绍对概念的选择,它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开内容的关键特征或主要特征,也 无意限制本公开内容的范围。
通过参考附图阅读下文的详细描述,本公开的实施例的上述以及其它目的、特征和优点将变得易于理解。在附图中,以示例而非限制性的方式示出了本公开的若干实施例。
图1示出了根据本公开的一些实施例可以应用于其中的光刻设备的示意图;
图2示出了根据本公开的一些实施例的示例环境的框图;
图3示出了根据本公开的一些实施例的用于确定晶圆图形尺寸的方法的流程图;
图4示出了根据本公开的一些实施例的示例性的测试图形的示意图;
图5示出了根据本公开的一些实施例的用于获取测试光强分布数据集的过程的示意图;
图6示出了根据本公开的一些实施例的用于确定晶圆图形尺寸的示例装置的框图;以及
图7示出了可以用于实施根据本公开的一些实施例的示例设备的示意性框图。
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“上”、“下”、“前”、“后”等指示放置或者位置关系的词汇均基于附图所示的方位或者位置关系,仅为了便于描述本公开的原理,而不是指示或者暗示所指的元件必须具有特定的方位、以特定的方位构造或操作,因此不能理解为对本公开的限制。
如上文所述,随着光刻技术发展到纳米级技术节点使得光刻过程受光学临近效应的影响越来越严重,借助于OPC来对掩模上的图形进行补偿修正已经成为保证图形保真度(Pattern Fidelity)的一种重要手段。
一种常规的OPC建模方案借助于公式来描述与曝光过程相对应的光学模型以及与显影过程相对应的显影模型,并且通过优化算法来对光学模型与显影模型进行优化,优化的目标是根据掩模上的图形借助于光学模型与显影模型对晶圆上的图形的预测结果接近经过曝光显影后实际获得的图形。然而,这种常规方案存在如下问题:针对先进技术节点,特别是负显影(Negative Tone Develop,NTD)工艺,由于显影过程中光刻胶的表现比较复杂,难以通过公式来准确地描述显影过程,因此导致显影模型预测表现不好,从而使得OPC模型的预测精确度下降。
本公开的各实施例提供了一种用于确定晶圆图形尺寸的方案。根据本公开的各实施例,通过利用针对测试图形的光强分布数据集和实际测得的晶圆图形数据集来训练模型以生成显影模型,并且借助于所生成的显影模型来预测晶圆图形的尺寸。
通过下文描述将会理解,由于根据本公开的各实施例的方案使用光强分布数据作为模型的训练样本,因此可以保证最终所获得的模型的物理性,而不易出现过拟合。与已知传统方案相比,根据本公开的各实施例的方案可以更准确地描述显影过程,从而提高OPC模型的预测精确度。
图1示出了根据本公开的一些实施例可以应用于其中的光刻设备100的示意图。光刻设备100可以包括光源110、照射装置120、用于承载掩模130的掩模台140、投影装置150、以及用于承载晶圆160的支撑台170。应当理解的是,光刻设备100还可以包括未示出的部件和/或可以省略所示出的部件,本公开的范围在此方面不受限制。
如图1所示,照射装置120接收从光源110发出的光束,并且可以调节光束,以使得光束在掩模130的平面处具有期望的空间分布和角强度分布。掩模130用于赋予入射光束图形化横截面。投影装置150将由掩模130赋予光束的图形化横截面投影到晶圆160的目标部分T上。图示MA示意性地示出了掩模130上的图形,并且图示WA示意性地示出了晶圆160上的图形。应当理解的是,在本公开的上下文中,术语“光”或“光束”可以涵盖所有类型的电磁辐射,例如紫外辐射。术语“掩模版”或“掩模”表示可以被用于赋予入射光束图形化横截面的任何合适的通用图形形成部件,该图形化横截面对应于要在晶圆160的目标部分T中被创建的图形。本公开的范围在上述方面不受限制。
图形保真度描述经曝光显影后在晶圆160上获得图形与掩模130上的图形的一致性,高的图形保真度有助于保证最终得到的芯片的功能满足预定规格。在实践中,通过借助于OPC模型对掩模130上的图形进行补偿修正,使其经过曝光显影后在晶圆160上得到图形与所期望的图形一致。OPC模型的预测精确度对修正结果起着决定性的影响,因此期望构建高精度的OPC模型。
图2示出了根据本公开的一些实施例的示例环境200的框图。如图2所示,示例环境200总体上可以包括电子设备240。在一些实施例中,电子设备240可以是诸如个人计算机、工作站、服务器等具有计算功能的设备。本公开的范围在此方面不受限制。
电子设备240可以接收针对至少一个测试图形的测试光强分布数据集210和晶圆图形数据集220作为输入。在本公开的上下文中,“测试图形”表示如下的图形,该图形在构建OPC模型过程中被曝光显影,以获得与该图形相对应的在晶圆160上最终实际得到的图形。在晶圆160上最终实际得到的图形也被称为“晶圆图形”。测试图形例如可以包括一系列一维图形或二维图形。在一些实施例中,测试光强分布数据集210中的测试光强分布数据指示光刻设备100的光源110经由相应的测试图形在晶圆160上得到的光强分布。在一些实施例中,晶圆图形数据集220中的晶圆图形数据指示与相应的测试图形对应的晶圆图形的尺寸,这例如可以借助于线宽扫描电子显微镜(Critical Dimension Scanning Electron Microscope,CD-SEM)量测在晶圆160上实际得到的图形的尺寸而被获得。
电子设备240还可以接收针对目标图形的目标光强分布数据230作为输入。目标光强分布数据230指示光源110经由目标图形在晶圆160上得到的光强分布。在本公开的上下文中,“目标图形”表示需要借助于OPC模型来被修正的图形。
在一些实施例中,测试光强分布数据集210、晶圆图形数据集220以及目标光强分布数据230可以由用户输入电子设备240。在一些实施例中,测试光强分布数据集210、晶圆图形数据集220以及目标光强分布数据230可以已经预先被存储在电子设备240中。 在一些实施例中,电子设备240可以通信地耦连到其它设备,以从其它设备获取测试光强分布数据集210、晶圆图形数据集220以及目标光强分布数据230。在一些实施例中,测试光强分布数据集210、晶圆图形数据集220以及目标光强分布数据230还可以由电子设备240预先确定。本公开的范围在此方面不受限制。
电子设备240可以基于测试光强分布数据集210和晶圆图形数据集220来生成显影模型,并借助于所生成的显影模型来基于目标光强分布数据230预测相应的晶圆图形的尺寸。这将在下文中结合图3至图5进一步详细描述。
图3示出了根据本公开的一些实施例的用于确定晶圆图形尺寸的方法300的流程图。在一些实施例中,方法300可以由如图2所示的电子设备240执行。应当理解的是,方法300还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框302,电子设备240获取针对至少一个测试图形的测试光强分布数据集210。测试光强分布数据集210中的每个测试光强分布数据指示光刻设备100的光源110经由相应的测试图形在晶圆160上得到的光强分布。在框304,电子设备240获取针对至少一个测试图形的晶圆图形数据集220,晶圆图形数据集220中的每个晶圆图形数据指示与相应的测试图形对应的晶圆图形的尺寸。在一些实施例中,电子设备240可以从外部设备接收预先确定的测试光强分布数据集210和实际测得的晶圆图形数据集220。
在一些实施例中,电子设备240可以使用针对光刻设备100的光源数据和光瞳数据、以及针对测试掩模的测试掩模数据来获取测试光强分布数据集210。光源数据可以指示光源110发出的光的能量和相位关于空间位置的分布。光瞳数据与光刻设备100的透镜组的配置相关联,并且可以指示在各个空间位置处是否能够接收到光。测试掩模可以包括至少一个测试图形,并且测试掩模数据可以指示测试掩模的透光率关于空间位置的分布。应当指出的是,一个测试掩模可以包括至少一个测试图形中的全部测试图形,或者可以仅包括至少一个测试图形中的一部分测试图形,本公开的范围在此方面不受限制。
电子设备240可以借助于光学成像理论中的霍普金斯公式(Hopkins Euqation),基于光源数据、光瞳数据和测试掩模数据来生成测试光强分布数据。下面的式子(1)示出了霍普金斯公式的一种形式:
其中
和
分别表示光源函数J、光瞳函数P和掩模函数Q在频率域的傅里叶变换;
和
分别表示函数
的复共轭和函数
的复共轭;ξ和η是空间位置坐标;μ和ν是空间频率坐标;光源函数J描述光源110发出的光的能量和相位关于空间位置的分布;光瞳函数P描述在各个空间位置处是否能够接收到光;掩模函数Q描述掩模130的透光率关于空间位置的分布。关于霍普金斯公式可以进一步参考文章Hopkins,On the Diffraction Theory of Optical Images.Proc.Roy.Soc(Lond.)A217.1953,P408,该文章通过引用以其整体并入本文。
电子设备240可以使用所获取的光源数据、光瞳数据和测试掩模数据来获得上述式 子(1)中的光源函数J、光瞳函数P和掩模函数Q,以计算得到测试光强分布数据集210。通过借助于由上述式子(1)描述的物理模型来计算光强分布,可以保证所获得的测试光强分布数据集的物理性,从而可以保证OPC模型的物理性,使得后续对于显影模型的训练不易出现过拟合现象,从而可以提高OPC模型的预测精确度。
应当理解的是,电子设备240还可以以其它任何合适的方式来获取测试光强分布数据集210,本公开的范围在此方面不受限制。
在一些实施例中,至少一个测试图形分别具有量测区域。图4示出了根据本公开的一些实施例的示例性的测试图形400的示意图。如图4所示,测试图形400具有5个独立的多边形(polygon)410-1至410-5和位于量测位置的量测区域420。取决于掩模的透光性,多边形410-1至410-5可以是透光的或者不透光的。在一个示例中,在暗场(dark filed)的情况下,多边形410-1至410-5可以是透光的。在另一示例中,在亮场(bright filed)的情况下,多边形410-1至410-5可以是不透光的。本公开的范围在此方面不受限制。
在图4中,量测区域420被示出为在量测位置处的一维的量测线条。位于量测位置的量测区域420指示如下的区域,在测试图形400被显影曝光获得对应的晶圆图形之后,将在该量测位置处测量晶圆图形在该区域内的部分的尺寸。应当理解的是,测试图形400还可以具有其它任何合适的图形,并且量测区域420还可以具有其它任何合适的形状,本公开的范围在此方面不受限制。
在一些实施例中,电子设备240可以基于量测区域420的量测位置,使用光源数据、光瞳数据、以及测试掩模数据,来获取测试光强分布数据集210。在这种情况下,测试光强分布数据集210指示在对应的量测区域420处的光强分布,而非整个图形的光强分布。例如,电子设备240可以以与上文参考式子(1)描述类似的方式来计算在晶圆160的相应量测区域420处的光强分布,以获得测试光强分布数据集210。在这种情况下,晶圆图形数据可以仅指示晶圆图形在相应量测区域420处的尺寸,例如,可以利用CD-SEM仅量测相应量测区域420处的图形的尺寸。
特别地,在量测区域420是在量测位置处的一维的量测线条的情况下,测试光强分布数据可以指示在晶圆160的相应量测线条处的一维光强分布。在此,一维的量测线条是指在一个方向上延伸的线条。通过这种方式,可以仅计算在量测位置处的一维光强分布,即在一维的量测线条上的光强分布,而非在整个图形上的二维光强分布,因此可以大幅减小后续用于模型训练的样本数据的大小,提高模型训练的速度,并且可以大幅提升根据本公开的实施例的方法的运行速度,从而可以提高OPC的效率。
发明人经研究发现:光学邻近效应往往并不会影响掩模130上的各个图形的中央部分,而是主要对图形的边缘部分产生较大影响,使得图形边缘部分的尺寸或形状发生畸变。因此,在确定测试光强分布数据集210的过程中,可以仅关注在图形边缘部分处的光强分布,而不必再考虑在图形中央部分处的光强分布。
图5示出了根据本公开的一些实施例的用于获取测试光强分布数据集210的过程的示意图。图示500示出了图4中所示的测试图形400。在图示500中,量测线条(在图示500中未完整示出)包括第一线段520-1和第二线段520-2。第一线段520-1和第二线段520-2彼此间隔开并且分别位于测试图形400在量测位置处的图形的边缘。在一些实施例中,第一线段520-1的中心和第二线段520-2的中心可以分别位于测试图形400在量测位置处的图形的边缘。如图示500所示,第一线段520-1的中心位于多边形410-3的左 侧边缘处,并且第二线段520-2的中心位于多边形410-3的右侧边缘处。
在一些实施例中,第一线段520-1和第二线段520-2的长度取决于测试图形400在量测位置处的图形的尺寸,例如在图4和图示500中的X方向上的尺寸。示例性地,第一线段520-1和第二线段520-2的长度可以是测试图形400在量测位置处的图形的宽度的四分之一。应当理解的是,第一线段520-1和第二线段520-2的长度占测试图形400在量测位置处的图形的宽度的比例还可以是其它任何合适的值,本公开的范围在此方面不受限制。通过这种方式,可以合适地设置第一线段520-1和第二线段520-2的长度,以减小用于后续模型训练的数据大小并减少确定光强分布时的运算量。
在一些实施例中,以与上文参考式子(1)描述类似的方式,电子设备240可以基于第一线段520-1在测试图形400中的位置,使用光源数据、光瞳数据、和测试掩模数据来确定第一局部光强分布数据。该第一局部光强分布数据指示光刻设备100的光源110经由测试图形400在晶圆160上的与第一线段520-1对应的位置处的光强分布。图5中的图示502示例性地示出了针对第一线段520-1的第一局部光强分布数据,其中横坐标轴L指示位置,纵坐标轴I指示光强。
类似地,电子设备240可以基于第二线段520-2在测试图形400中的位置,使用光源数据、光瞳数据、和测试掩模数据,来确定第二局部光强分布数据,该第二局部光强分布数据指示光刻设备100的光源110经由测试图形400在晶圆160上的与第二线段520-2对应的位置处的光强分布。图5中的图示504示例性地示出了针对第二线段520-2的第二局部光强分布数据,其中横坐标轴L指示位置,纵坐标轴I指示光强。
电子设备240可以对第一局部光强分布数据和第二局部光强分布数据进行拼接,以获得针对测试图形400的第一测试光强分布数据。图5中的图示506示出了利用图示502所示的第一局部光强分布数据和图示504所示的第二局部光强分布数据拼接得到的第一测试光强分布数据,其中横坐标轴L指示位置,纵坐标轴I指示光强。通过这种方式,可以仅计算在量测线条的两个线段处的一维光强分布,而非整个量测线条处的光强分布,因此可以进一步减小后续用于模型训练的样本数据的大小,提高模型训练的速度,并且可以进一步提升根据本公开的实施例的方法的运行速度,从而可以提高OPC的效率。
返回到参考图3,在框306,电子设备240至少基于测试光强分布数据集210和晶圆图形数据集220,生成用于确定晶圆图形尺寸的显影模型。在一些实施例中,电子设备240可以使用测试光强分布数据集210作为样本并且直接将晶圆图形数据集220作为标签来训练模型结构,以获得显影模型。在本公开的上下文中,模型结构可以是诸如神经网络、深度学习等的模型结构,其中模型结构所包含的至少一部分参数需要利用数据集来训练,以获得最终可用的模型。
在一些实施例中,电子设备240还可以基于测试图形400与对应的晶圆图形在量测区域420处的尺寸差异来对模型结构进行训练,以获得显影模型。示例性地,电子设备240可以基于晶圆图形数据集220和针对至少一个测试图形的测试图形尺寸数据集,来确定针对至少一个测试图形的尺寸差异数据集。测试图形尺寸数据集中的每个测试图形尺寸数据指示相应的测试图形400在对应的量测区域420处的尺寸。尺寸差异数据集中的每个尺寸差异数据指示相应测试图形400与对应的晶圆图形在相应量测区域420处的尺寸差异。参考图4,电子设备240例如可以计算多边形410-3在量测区域420的宽度与其在晶圆160上的实际宽度之差来作为尺寸差异数据。电子设备240可以以类似的方式 计算针对每个测试图形的尺寸差异数据,以构建尺寸差异数据集。然后,电子设备240可以使用测试光强分布数据集210和尺寸差异数据集对模型结构进行训练,以获得显影模型。通过基于尺寸差异来训练模型,可以在训练模型时减少测试图形本身的尺寸所带来的影响,从而可以提高模型的预测精确度。
在一些实施例中,用于拟合测试光强分布数据集和尺寸差异数据集的模型结构例如可以是包括8个卷积层、4个池化层和2个全连接层的卷积神经网络,其中在每2个卷积层之后设置1个池化层,并且2个全连接层被设置在卷积神经网络的末尾。示例性地,电子设备240可以通过如下配置来训练该卷积网络网络:将测试光强分布数据集210作为样本,将尺寸差异数据集作为标签,并且使用均方差(Mean Square Error,MSE)损失函数和自适应矩估计(Adaptive Moment Estimation,ADAM)优化器。应当理解的是,模型结构还可以是其它任何合适的模型结构并且可以以其它任何合适的配置被训练,本公开的范围在此方面不受限制。
与已知的常规方案相比,在根据本公开的实施例中,由于借助于经训练的模型结构来拟合难以用公式准确描述的显影过程,因此可以提高描述显影过程的显影模型的准确性,从而可以提高OPC模型的预测精确度。此外,由于在训练模型的过程中,使用光强分布作为训练样本,因此可以保证模型的物理性,使得经训练得到的模型不易出现过拟合。
应当理解的是,电子设备240还可以以其它任何合适的方式来基于测试光强分布数据集210和晶圆图形数据集220而生成显影模型,本公开的范围在此方面不受限制。
在框308,电子设备240至少基于针对目标图形的目标光强分布数据230,利用显影模型来确定与目标图形对应的晶圆图形的尺寸。在一些实施例中,电子设备240可以以与上文参考式子(1)描述类似的方式,通过使用光源数据、光瞳数据、以及针对目标掩模130的目标掩模数据来获取目标光强分布数据230。目标掩模130包括目标图形,并且目标掩模数据指示目标掩模130的透光率关于空间位置的分布。本公开在此不再赘述。在一些实施例中,当期望预测晶圆160上预定位置处的图形的尺寸时,目标光强分布数据230可以仅指示在晶圆160上预定位置处的光强分布。
在一些实施例中,在电子设备240通过使用测试光强分布数据集210作为样本并且直接将晶圆图形数据集220作为标签来训练模型结构来获得显影模型的情况下,电子设备240可以直接将目标光强分布数据230输入显影模型,并且将显影模型的输出作为与目标图形对应的晶圆图形的尺寸。
在一些实施例中,在电子设备240通过使用测试光强分布数据集210作为样本并且将上述尺寸差异数据集作为标签来训练模型结构来获得显影模型的情况下,电子设备240可以基于目标光强分布数据230,利用显影模型来确定目标尺寸差异数据,该目标尺寸差异数据指示目标图形与对应的晶圆图形在预定位置处的尺寸差异。例如,电子设备240可以将指示在晶圆160上预定位置处的光强分布的目标光强分布数据230输入显影模型,以获得目标尺寸差异数据。然后,电子设备240可以使用目标图形在预定位置处的尺寸以及目标尺寸差异数据来获取与目标图形对应的晶圆图形在预定位置处的尺寸。例如,电子设备240可以将目标图形在预定位置处的尺寸与目标尺寸差异数据相加,来预测晶圆图形在预定位置处的尺寸。
通过这种方式,电子设备240可以基于光强分布利用显影模型来预测目标图形经曝 光显影后在晶圆160上实际获得的图形的尺寸,以用于指导后续的修正目标图形的过程。
通过以上结合图2至图5的描述可以看到,根据本公开的各实施例的用于确定晶圆图形尺寸的方案,通过利用针对测试图形的光强分布数据集和实际测得的晶圆图形数据集来训练模型以生成显影模型,并且借助于所生成的显影模型来预测晶圆图形的尺寸。与已知的常规方案相比,在根据本公开的实施例中,由于借助于经训练的模型结构来拟合难以用公式准确描述的显影过程,因此可以提高描述显影过程的显影模型的准确性。此外,由于在训练模型的过程中,使用光强分布作为训练样本,因此可以保证模型的物理性,使得经训练得到的模型不易出现过拟合,从而可以提高OPC模型的预测精确度。
在上文中已经参考图2至图5详细描述了根据本公开的各实施例的方法的示例实现,在下文中将描述相应的装置的实现。
图6示出了根据本公开的一些实施例的用于确定晶圆图形尺寸的示例装置600的框图。该装置600例如可以用于实现如图2中所示的电子设备240。如图6所示,装置600可以包括显影模型生成模块602,该显影模型生成模块602被配置为:至少基于针对至少一个测试图形的测试光强分布数据集和晶圆图形数据集,生成用于确定晶圆图形尺寸的显影模型,测试光强分布数据集中的每个测试光强分布数据指示光刻设备的光源经由相应的测试图形在晶圆上得到的光强分布,晶圆图形数据集中的每个晶圆图形数据指示与相应的测试图形对应的晶圆图形的尺寸。此外,装置600还可以包括晶圆图形尺寸确定模块604,该晶圆图形尺寸确定模块604被配置为:至少基于针对目标图形的目标光强分布数据,利用显影模型来确定与目标图形对应的晶圆图形的尺寸,目标光强分布数据指示光源经由目标图形在晶圆上得到的光强分布。
在一些实施例中,至少一个测试图形分别具有量测区域,测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测区域处的光强分布,晶圆图形数据集中的每个晶圆图形数据指示晶圆图形在相应量测区域处的尺寸。显影模型生成模块602还被配置为:基于晶圆图形数据集和针对至少一个测试图形的测试图形尺寸数据集,确定针对至少一个测试图形的尺寸差异数据集,测试图形尺寸数据集中的每个测试图形尺寸数据指示相应的测试图形在对应的量测区域处的尺寸,尺寸差异数据集中的每个尺寸差异数据指示相应测试图形与对应的晶圆图形在相应量测区域处的尺寸差异;以及使用测试光强分布数据集和尺寸差异数据集对模型结构进行训练,以获得显影模型。
在一些实施例中,量测区域是在量测位置处的一维的量测线条,并且测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测线条处的一维光强分布。
在一些实施例中,装置600还包括:测试光强分布数据集获取模块,被配置为:基于量测位置,使用针对光刻设备的光源数据和光瞳数据、以及针对测试掩模的测试掩模数据,来获取测试光强分布数据集,光源数据指示光源发出的光的能量和相位关于空间位置的分布,光瞳数据指示在各个空间位置处是否能够接收到光,测试掩模包括至少一个测试图形,测试掩模数据指示测试掩模的透光率关于空间位置的分布;以及目标光强分布数据获取模块,被配置为:使用光源数据、光瞳数据、以及针对目标掩模的目标掩模数据,来获取目标光强分布数据,目标掩模包括目标图形,目标掩模数据指示目标掩模的透光率关于空间位置的分布。
在一些实施例中,量测线条包括第一线段和第二线段,第一线段和第二线段彼此间隔开并且分别位于测试图形在量测位置处的图形的边缘,至少一个测试图形包括第一测 试图形,测试光强分布数据集包括针对第一测试图形的第一测试光强分布数据,测试光强分布数据集获取模块还被配置为:基于第一线段在第一测试图形中的位置,使用光源数据、光瞳数据、和测试掩模数据,来确定第一局部光强分布数据;基于第二线段在第一测试图形中的位置,使用光源数据、光瞳数据、和测试掩模数据,来确定第二局部光强分布数据;以及对第一局部光强分布数据和第二局部光强分布数据进行拼接,以获得第一测试光强分布数据。
在一些实施例中,第一线段和第二线段的长度取决于测试图形在量测位置处的图形的尺寸。
在一些实施例中,目标光强分布数据指示在晶圆上预定位置处的光强分布,晶圆图形尺寸确定模块604还被配置为:基于目标光强分布数据,利用显影模型来确定目标尺寸差异数据,目标尺寸差异数据指示目标图形与对应的晶圆图形在预定位置处的尺寸差异;使用目标图形在预定位置处的尺寸以及目标尺寸差异数据,来获取与目标图形对应的晶圆图形在预定位置处的尺寸。
装置600中所包括的模块和/或单元可以利用各种方式来实现,包括软件、硬件、固件或其任意组合。在一些实施例中,一个或多个单元可以使用软件和/或固件来实现,例如存储在存储介质上的机器可执行指令。除了机器可执行指令之外或者作为替代,装置600中的部分或者全部单元可以至少部分地由一个或多个硬件逻辑组件来实现。作为示例而非限制,可以使用的示范类型的硬件逻辑组件包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD),等等。
图6中所示的这些模块和/或单元可以部分或者全部地实现为硬件模块、软件模块、固件模块或者其任意组合。特别地,在某些实施例中,上文描述的流程、方法或过程可以由存储系统或与存储系统对应的主机或独立于存储系统的其它计算设备中的硬件来实现。
图7示出了可以用于实施根据本公开的一些实施例的示例设备700的示意性框图。设备700可以用于实现实现如图2中所示的电子设备230。如图7所示,设备700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的计算机程序指令或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序指令,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其它设备交换信息/数据。
处理单元701执行上文所描述的各个方法和处理,例如方法300。例如,在一些实施例中,方法300可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由CPU 701执行时,可以执行上文描述的方法300的一个或多个步骤。备选地,在其它实施例 中,CPU 701可以通过其它任何适当的方式(例如,借助于固件)而被配置为执行方法300。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (17)
- 一种用于确定晶圆图形尺寸的方法,其特征在于,所述方法包括:至少基于针对至少一个测试图形的测试光强分布数据集和晶圆图形数据集,生成用于确定晶圆图形尺寸的显影模型,所述测试光强分布数据集中的每个测试光强分布数据指示光刻设备的光源经由相应的测试图形在晶圆上得到的光强分布,所述晶圆图形数据集中的每个晶圆图形数据指示与相应的测试图形对应的晶圆图形的尺寸;以及至少基于针对目标图形的目标光强分布数据,利用所述显影模型来确定与所述目标图形对应的晶圆图形的尺寸,所述目标光强分布数据指示所述光源经由所述目标图形在晶圆上得到的光强分布。
- 根据权利要求1所述的方法,其特征在于,所述至少一个测试图形分别具有量测区域,所述测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测区域处的光强分布,所述晶圆图形数据集中的每个晶圆图形数据指示晶圆图形在相应量测区域处的尺寸,生成所述显影模型包括:基于所述晶圆图形数据集和针对所述至少一个测试图形的测试图形尺寸数据集,确定针对所述至少一个测试图形的尺寸差异数据集,所述测试图形尺寸数据集中的每个测试图形尺寸数据指示相应的测试图形在对应的量测区域处的尺寸,所述尺寸差异数据集中的每个尺寸差异数据指示相应测试图形与对应的晶圆图形在相应量测区域处的尺寸差异;以及使用所述测试光强分布数据集和所述尺寸差异数据集对模型结构进行训练,以获得所述显影模型。
- 根据权利要求2所述的方法,其特征在于,所述量测区域是在量测位置处的一维的量测线条,并且所述测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测线条处的一维光强分布。
- 根据权利要求3所述的方法,其特征在于,所述方法还包括:基于所述量测位置,使用针对所述光刻设备的光源数据和光瞳数据、以及针对测试掩模的测试掩模数据,来获取所述测试光强分布数据集,所述光源数据指示所述光源发出的光的能量和相位关于空间位置的分布,所述光瞳数据指示在各个空间位置处是否能够接收到光,所述测试掩模包括所述至少一个测试图形,所述测试掩模数据指示所述测试掩模的透光率关于空间位置的分布;以及使用所述光源数据、所述光瞳数据、以及针对目标掩模的目标掩模数据,来获取所述目标光强分布数据,所述目标掩模包括所述目标图形,所述目标掩模数据指示所述目标掩模的透光率关于空间位置的分布。
- 根据权利要求4所述的方法,其特征在于,所述量测线条包括第一线段和第二线段,所述第一线段和所述第二线段彼此间隔开并且分别位于所述测试图形在所述量测位置处的图形的边缘,所述至少一个测试图形包括第一测试图形,所述测试光强分布数据集包括针对所述第一测试图形的第一测试光强分布数据,获取所述测试光强分布数据集包括:基于所述第一线段在所述第一测试图形中的位置,使用所述光源数据、所述光瞳数据、和所述测试掩模数据,来确定第一局部光强分布数据;基于所述第二线段在所述第一测试图形中的位置,使用所述光源数据、所述光瞳数据、和所述测试掩模数据,来确定第二局部光强分布数据;以及对所述第一局部光强分布数据和所述第二局部光强分布数据进行拼接,以获得所述第一测试光强分布数据。
- 根据权利要求5所述的方法,其特征在于,所述第一线段和所述第二线段的长度取决于所述测试图形在所述量测位置处的所述图形的尺寸。
- 根据权利要求2至6中任一项所述的方法,其特征在于,所述目标光强分布数据指示在晶圆上预定位置处的光强分布,确定与所述目标图形对应的晶圆图形的尺寸包括:基于所述目标光强分布数据,利用所述显影模型来确定目标尺寸差异数据,所述目标尺寸差异数据指示目标图形与对应的晶圆图形在所述预定位置处的尺寸差异;以及使用所述目标图形在所述预定位置处的尺寸以及所述目标尺寸差异数据,来获取与所述目标图形对应的晶圆图形在所述预定位置处的尺寸。
- 一种用于确定晶圆图形尺寸的装置,其特征在于,所述装置包括:显影模型生成模块,被配置为:至少基于针对至少一个测试图形的测试光强分布数据集和晶圆图形数据集,生成用于确定晶圆图形尺寸的显影模型,所述测试光强分布数据集中的每个测试光强分布数据指示光刻设备的光源经由相应的测试图形在晶圆上得到的光强分布,所述晶圆图形数据集中的每个晶圆图形数据指示与相应的测试图形对应的晶圆图形的尺寸;以及晶圆图形尺寸确定模块,被配置为:至少基于针对目标图形的目标光强分布数据,利用所述显影模型来确定与所述目标图形对应的晶圆图形的尺寸,所述目标光强分布数据指示所述光源经由所述目标图形在晶圆上得到的光强分布。
- 根据权利要求8所述的装置,其特征在于,所述至少一个测试图形分别具有量测区域,所述测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测区域处的光强分布,所述晶圆图形数据集中的每个晶圆图形数据指示晶圆图形在相应量测区域处的尺寸,所述显影模型生成模块还被配置为:基于所述晶圆图形数据集和针对所述至少一个测试图形的测试图形尺寸数据集,确定针对所述至少一个测试图形的尺寸差异数据集,所述测试图形尺寸数据集中的每个测试图形尺寸数据指示相应的测试图形在对应的量测区域处的尺寸,所述尺寸差异数据集中的每个尺寸差异数据指示相应测试图形与对应的晶圆图形在相应量测区域处的尺寸差异;以及使用所述测试光强分布数据集和所述尺寸差异数据集对模型结构进行训练,以获得所述显影模型。
- 根据权利要求9所述的装置,其特征在于,所述量测区域是在量测位置处的一维的量测线条,并且所述测试光强分布数据集中的每个测试光强分布数据指示在晶圆的相应量测线条处的一维光强分布。
- 根据权利要求10所述的装置,其特征在于,所述装置还包括:测试光强分布数据集获取模块,被配置为:基于所述量测位置,使用针对所述光刻设备的光源数据和光瞳数据、以及针对测试掩模的测试掩模数据,来获取所述测试光强分布数据集,所述光源数据指示所述光源发出的光的能量和相位关于空间位置的分布,所述光瞳数据指示在各个空间位置处是否能够接收到光,所述测试掩模包括所述至少一个测试图形,所述测试掩模数据指示所述测试掩模的透光率关于空间位置的分布;以及目标光强分布数据获取模块,被配置为:使用所述光源数据、所述光瞳数据、以及针对目标掩模的目标掩模数据,来获取所述目标光强分布数据,所述目标掩模包括所述目标图形, 所述目标掩模数据指示所述目标掩模的透光率关于空间位置的分布。
- 根据权利要求11所述的装置,其特征在于,所述量测线条包括第一线段和第二线段,所述第一线段和所述第二线段彼此间隔开并且分别位于所述测试图形在所述量测位置处的图形的边缘,所述至少一个测试图形包括第一测试图形,所述测试光强分布数据集包括针对所述第一测试图形的第一测试光强分布数据,所述测试光强分布数据集获取模块还被配置为:基于所述第一线段在所述第一测试图形中的位置,使用所述光源数据、所述光瞳数据、和所述测试掩模数据,来确定第一局部光强分布数据;基于所述第二线段在所述第一测试图形中的位置,使用所述光源数据、所述光瞳数据、和所述测试掩模数据,来确定第二局部光强分布数据;以及对所述第一局部光强分布数据和所述第二局部光强分布数据进行拼接,以获得所述第一测试光强分布数据。
- 根据权利要求12所述的装置,其特征在于,所述第一线段和所述第二线段的长度取决于所述测试图形在所述量测位置处的所述图形的尺寸。
- 根据权利要求9至13中任一项所述的装置,其特征在于,所述目标光强分布数据指示在晶圆上预定位置处的光强分布,所述晶圆图形尺寸确定模块还被配置为:基于所述目标光强分布数据,利用所述显影模型来确定目标尺寸差异数据,所述目标尺寸差异数据指示目标图形与对应的晶圆图形在所述预定位置处的尺寸差异;以及使用所述目标图形在所述预定位置处的尺寸以及所述目标尺寸差异数据,来获取与所述目标图形对应的晶圆图形在所述预定位置处的尺寸。
- 一种电子设备,其特征在于,包括:至少一个处理器;以及至少一个存储器,所述至少一个存储器被耦合到所述至少一个处理器,并且存储用于由所述至少一个处理器执行的指令,所述指令在由所述至少一个处理器执行时,使所述电子设备执行根据权利要求1至7中任一项所述的方法。
- 一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的方法。
- 一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机可执行指令,所述计算机可执行指令在被处理器执行时,使计算机实现根据权利要求1至7中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2022/072733 WO2023137622A1 (zh) | 2022-01-19 | 2022-01-19 | 用于确定晶圆图形尺寸的方法、装置、设备、介质以及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116802556A true CN116802556A (zh) | 2023-09-22 |
Family
ID=87347639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280006302.2A Pending CN116802556A (zh) | 2022-01-19 | 2022-01-19 | 用于确定晶圆图形尺寸的方法、装置、设备、介质以及程序产品 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116802556A (zh) |
WO (1) | WO2023137622A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117311080B (zh) * | 2023-11-24 | 2024-02-27 | 全芯智造技术有限公司 | 用于拆分版图图案的方法、设备和介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002174890A (ja) * | 2000-12-07 | 2002-06-21 | Hitachi Ltd | 半導体集積回路の製造方法 |
CN104570586B (zh) * | 2013-10-23 | 2019-03-29 | 中芯国际集成电路制造(北京)有限公司 | 光学邻近修正模型的获取方法 |
CN105223773B (zh) * | 2014-05-30 | 2020-02-07 | 中芯国际集成电路制造(上海)有限公司 | 一种光掩模图案透光强度修正的方法 |
CN107908071B (zh) * | 2017-11-28 | 2021-01-29 | 上海集成电路研发中心有限公司 | 一种基于神经网络模型的光学邻近校正方法 |
CN110221513B (zh) * | 2018-03-02 | 2022-05-13 | 中芯国际集成电路制造(上海)有限公司 | 光学邻近校正方法及优化光学邻近校正模型的方法 |
CN109283798B (zh) * | 2018-08-15 | 2020-11-24 | 上海华力集成电路制造有限公司 | 光阻顶部缺失的优化方法 |
-
2022
- 2022-01-19 CN CN202280006302.2A patent/CN116802556A/zh active Pending
- 2022-01-19 WO PCT/CN2022/072733 patent/WO2023137622A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2023137622A1 (zh) | 2023-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI696125B (zh) | 用於計算微影之機器學習模型的訓練方法 | |
TWI669750B (zh) | 用於影像分析之方法及設備 | |
US8285030B2 (en) | Determining calibration parameters for a lithographic process | |
US8473878B2 (en) | Lithographically enhanced edge determination | |
US7921385B2 (en) | Mask-pattern determination using topology types | |
CN111581907B (zh) | 一种Hessian-Free的光刻掩模优化方法、装置及电子设备 | |
US9091935B2 (en) | Multistage extreme ultra-violet mask qualification | |
US11675958B2 (en) | Lithography simulation method | |
US9303975B2 (en) | Method for determining the registration of a structure on a photomask and apparatus to perform the method | |
US10539865B2 (en) | Method and device for determining an OPC model | |
Li et al. | Robust pixel-based source and mask optimization for inverse lithography | |
CN106125511A (zh) | 基于矢量成像模型的低误差敏感度多目标光源‑掩模优化方法 | |
KR20090030216A (ko) | 마스크 데이터의 생성방법, 마스크 제작방법, 노광방법, 디바이스 제조방법 및 기억매체 | |
JP5159501B2 (ja) | 原版データ作成プログラム、原版データ作成方法、原版作成方法、露光方法及びデバイス製造方法 | |
US8230369B2 (en) | Simulation method and simulation program | |
TWI787849B (zh) | 用於判定與運算微影光罩模型相關聯之電磁場的方法 | |
US10571799B1 (en) | Hessian-free calculation of product of Hessian matrix and vector for lithography optimization | |
CN116802556A (zh) | 用于确定晶圆图形尺寸的方法、装置、设备、介质以及程序产品 | |
CN111507059A (zh) | 一种图形图像联合优化的光刻掩模优化方法、装置及电子设备 | |
CN108170006B (zh) | 光刻机匹配方法 | |
CN103901738A (zh) | 一种采用压缩感知技术的光源优化方法 | |
TWI791216B (zh) | 判定用於基板上之圖案的部分之度量 | |
CN102707582B (zh) | 一种基于Abbe矢量成像模型的光源-掩模同步优化方法 | |
CN110806679B (zh) | 全视场低像差敏感度一体化光刻方法及光刻系统 | |
KR20210046459A (ko) | 멀티-opc 모델을 이용한 opc 방법, 및 그 opc 방법을 이용한 마스크 제조방법 |
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 |