CN117034531A - 掩膜的衍射近场的计算方法、光刻成像计算方法 - Google Patents
掩膜的衍射近场的计算方法、光刻成像计算方法 Download PDFInfo
- Publication number
- CN117034531A CN117034531A CN202310563402.1A CN202310563402A CN117034531A CN 117034531 A CN117034531 A CN 117034531A CN 202310563402 A CN202310563402 A CN 202310563402A CN 117034531 A CN117034531 A CN 117034531A
- Authority
- CN
- China
- Prior art keywords
- mask
- near field
- polygon
- field
- edge
- 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 46
- 238000004364 calculation method Methods 0.000 title claims abstract description 38
- 238000003384 imaging method Methods 0.000 title claims abstract description 26
- 238000001259 photo etching Methods 0.000 title abstract description 19
- 238000004088 simulation Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 14
- 230000005684 electric field Effects 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 229920002120 photoresistant polymer Polymers 0.000 description 8
- 238000012937 correction Methods 0.000 description 7
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 5
- 238000001459 lithography Methods 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 5
- 239000010703 silicon Substances 0.000 description 5
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005530 etching Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
本发明公开了一种掩膜的衍射近场的计算方法、光刻成像计算方法。其中掩膜的衍射近场的计算方法,包括:获取样本数据集并构建、训练可获得掩膜的顶角附近的近场的算法模型;通过2D严格电磁学仿真生成所述掩膜的多边形的边缘附近的一维近场;基于所述一维近场沿着所述掩膜的边缘方向展开生成所述掩膜的多边形的边缘附近的二维近场;通过所述算法模型获得掩膜的顶角附近的近场;将所述掩膜的顶角附近的近场与边缘附近的二维近场进行叠加,得到所述掩膜的衍射近场。本发明可以兼顾计算效率和计算精度。
Description
技术领域
本发明涉及半导体制造领域中的光刻成像的技术领域,尤其涉及一种在计算厚掩模产生的衍射效应时,提供计算所需的掩膜近场。
背景技术
在集成电路(IC)的制造过程中,为了在晶圆上获得目标图形,需要实现将图形从掩膜版中转移到硅片表面,即所谓的光刻工艺。光刻通常需要经过曝光步骤、显影步骤和之后的刻蚀步骤。曝光时,从光源发出的光线通过掩膜版中透光的区域照射至涂覆有光刻胶的硅片上,光刻胶上未被掩膜阻挡,受到光线照射的区域发生化学反应;在显影步骤中,利用感光和未感光的光刻胶对显影剂的溶解程度的不同,形成光刻图案,实现图案从掩膜版到光刻胶上的转移;在刻蚀步骤中,基于光刻胶层所形成的光刻图案对硅片进行刻蚀,将掩膜版的图案进一步转移至硅片上。
随着摩尔定律的推进,设计尺寸的不断缩小,设计图形的最小尺寸越来越接近光刻成像系统的极限,光的衍射效应变得越来越明显,曝光得到的成像图形相比于掩模版上的图形发生严重畸变,最终在硅片上经过光刻形成的实际图形和设计图形不同,这种现象称为光学邻近效应(OPE:Optical Proximity Effect)。为了修正光学邻近效应,便产生了光学邻近修正(OPC:Optical Proximity Correction),通过修正掩模版上的图形抵消光学邻近效应,获得更符合预期目标的光刻结果。
为了进行光学邻近修正,首先需要能够计算精确的光刻成像结果。传统的光刻成像计算方法采用薄掩膜近似,认为掩膜厚度无限薄,此时衍射光场的分布可以通过惠更斯-菲涅尔原理(Huygens–Fresnel principle)和菲涅尔-基尔霍夫衍射公式(Fresnel-Kirchoff'sdiffraction formula)计算得到。在实际应用中,通常使用Hopkins模型来改变成像的计算流程,通过先计算光源和透镜组光瞳获得交叉传输矩阵(TCC),再计算TCC和薄掩膜的作用,来大大提升求解空间像的计算速度。
随着光刻图形尺寸不断缩小,薄掩膜近似所带来的误差已经变得无法忽视,需要考虑具有一定厚度的真实掩膜所带来的散射效应对成像所带来的影响。严格计算电磁学方法如时域有限差分法(FDTD)、严格耦合波法(RCWA)等方法能够精确求解掩膜附件的近场,但由于这些严格方法的计算开销过高,无法在光刻成像的计算中应用,因此需要采用兼顾计算效率和严格方法的精度性,通过对典型图形在严格方法下求解得到的精确近场修正传统方法结果,获得兼具计算效率和精确性的结果。
在光刻中,光源通常采取的是部分相干光源(partial coherent source)。这种光源发出的光照射到掩膜版上时,射入方向是来自多个方向的叠加。而在严格电磁学仿真的计算中,来自每个方向的光源需要独立进行计算,因此对完整的光源仿真会带来巨大的计算开销。获得掩膜版的3D衍射近场是提升成像模型精度的重要环节,因此需要一个能够兼顾计算精度与计算效率的方法来实现掩膜近场计算的方法。
发明内容
为了解决现有技术中计算掩膜的衍射近场无法兼顾效率和精度的技术问题,本发明提出了一种掩膜的衍射近场的计算方法、光刻成像计算方法。
本发明提出的掩膜的衍射近场的计算方法,包括:
步骤1,获取样本数据集并构建、训练可获得掩膜的顶角附近的近场的算法模型;
步骤2,通过2D严格电磁学仿真生成所述掩膜的多边形的边缘附近的一维近场;
步骤3,基于所述一维近场沿着所述掩膜的多边形的边缘方向展开生成所述掩膜的边缘附近的二维近场;
步骤4,通过所述算法模型获得掩膜的多边形的顶角附近的近场;
步骤5,将所述多边形的顶角附近的近场与边缘附近的二维近场进行叠加,得到所述掩膜的多边形的衍射近场。
进一步,所述步骤1包括:
步骤1.1,设置仿真用的空间区域以及位于所述空间区域内的掩膜,并于训练的样本数据集;
步骤1.2,建立所需的神经网络的结构;
步骤1.3,用生成的样本数据集训练所述神经网络。
进一步,所述步骤1.1中,样本数据集中的样本数据采用如下步骤形成:
步骤1.1.1,使用波矢方向为的光源在所述空间区域内照射所述掩膜,X方向为正方向时,α为所述光源先围绕Y方向旋转的角度,β为所述光源再围绕Z方向旋转的角度,α、β的取值范围为(0,M°),且α、β各自以一定度数为间隔在其取值范围内进行变化,以得到对应的光源;
步骤1.1.2,基于不同的光源,通过3D严格电磁学仿真获得所述空间区域内的掩模背向光源的一面的外侧一定距离处的衍射电场结果,截取所述衍射电场结果中位于所述多边形左上角的区域的数据作为样本数据的输出值,并分别取所述掩模所在平面且穿过所述多边形中心的水平、竖直方向的两条线上的边缘近场作为样本数据的输入值;
步骤1.1.3,将α、β的取值范围扩展到(-M°,M°),得到更多的样本数据的输入值和输出值。
进一步,所述步骤1.1.3包括如下步骤:
在步骤1.1.2中得到的所述衍射电场结果中截取所述衍射电场结果中位于所述多边形右上角的区域的数据,进行水平翻转后,得到光源以(-α,β)角度进行照射时所述多边形的顶角的近场的数据作为样本数据的输出值,所述掩模所在平面且穿过所述多边形中心的水平方向的一条线上的边缘近场进行反向操作后,和穿过所述多边形中心的竖直方向的一条线上的边缘近场作为样本数据的输入值;
在步骤1.1.2中得到的所述衍射电场结果中截取所述衍射电场结果中位于所述多边形左下角的区域的数据,进行竖直翻转后,得到光源以(α,-β)角度进行照射时所述多边形的顶角的近场的数据作为样本数据的输出值,所述掩模所在平面且穿过所述多边形中心的竖直方向的一条线上的边缘近场进行反向操作后,和穿过所述多边形中心的水平方向的一条线上的边缘近场作为样本数据的输入值;
在步骤1.1.2中得到的所述衍射电场结果中截取所述衍射电场结果中位于所述多边形右下角的区域的数据,进行水平及竖直翻转后,得到光源以(-α,-β)角度进行照射时所述多边形的顶角的近场的数据作为样本数据的输出值,所述掩模所在平面且穿过所述多边形中心的水平、竖直方向的两条线上的边缘近场均进行反向操作后作为样本数据的输入值。
进一步,所述掩模上多边形的顶角的角度为90°或270°。
进一步,所述空间区域尺寸为8μm×8μm×2μm,掩模的尺寸为4μm×4μm,或者,掩模的尺寸为8μm×8μm×2μm,且具有4μm×4μm的透光区域。
进一步,所述步骤2包括:
步骤2.1,输入预测目标版图并进行分析;
步骤2.2,以所述预测目标版图的多边形边缘的角度、掩模的材料和形状,以及光源条件为输入,通过2D电磁学仿真方法计算对应宽度狭缝附近的近场。
进一步,所述步骤5中,当所述多边形的顶角附近的近场与边缘附近的二维近场存在重叠时,以所述多边形的顶角附近的近场为准。
本发明提出的光刻成像计算方法,采用上述技术方案的掩膜近场的计算方法计算掩膜近场,并基于所述掩膜近场计算光刻胶上成的空间像。
与现有技术相比,本发明具有以下有益效果:
1、与传统光刻成像模型相比,应用该掩膜3D衍射模型的方法能够大幅提升成像预测精度;
2、通过2D严格电磁学仿真生成边缘近场,保证模型计算效率;
3、通过神经网络的方法生成多边形顶角近场,避免3D仿真带来的开销,同时提升顶角区域仿真精度。相较于3D仿真的方法,该方法的计算开销能够降低2-3个数量级。
附图说明
下面结合实施例和附图对本发明进行详细说明,其中:
图1是本发明的主要流程图;
图2是本发明的掩膜仿真结构侧视图;
图3是本发明的一个实施例的掩膜的顶角的近场示意图;
图4是本发明的一个实施例的掩膜的一维近场示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
由此,本说明书中所指出的一个特征将用于说明本发明的一个实施方式的其中一个特征,而不是暗示本发明的每个实施方式必须具有所说明的特征。此外,应当注意的是本说明书描述了许多特征。尽管某些特征可以组合在一起以示出可能的系统设计,但是这些特征也可用于其他的未明确说明的组合。由此,除非另有说明,所说明的组合并非旨在限制。
考虑掩膜厚度对光的散射效应,是提升光刻成像模型精度的一个有效手段,这种厚掩膜近似下的衍射的光刻成像效应被称为掩膜3D(Mask 3D)模型。在14nm及以下工艺节点中,M3D已经称为成像预测中不可缺少的部分。M3D模型包括两个部分,第一部分是计算光通过具有一定厚度的掩膜时,发生衍射时的精确衍射近场;第二部分则是应用求出的精确衍射近场来计算出M3D模型下的最终成像光强。本发明的下列技术方案用于上述第一部分中,提供一种快速、精确的衍射近场计算方法。
如图1所示,本发明的掩膜的衍射近场的计算方法,主要包含了以下步骤。
步骤1,获取样本数据集,并构建、训练得到可获得掩膜上的多边形的顶角附近的近场的算法模型,例如神经网络算法模型等。掩膜上的多边形通常指的是最终形成的光刻图形本身,其中绝大多数由狭缝、窄缝构成。
狭缝、窄缝指的是版图上的多边形的组成部分,即一个透光的条形区域在电磁学仿真中称为狭缝、窄缝。因而狭缝、窄缝是仿真过程中对于掩模版上的图形(即多边形)的概念,但是在仿真前,掩模版上的图形通常关注的是图形(多边形)的边沿、边缘,即狭缝、窄缝的边。
步骤2,通过2D严格电磁学仿真生成掩膜的多边形的边缘附近的一维近场,例如,如图4所示,一维近场指沿图4上高亮线上的光强分布。
步骤3,基于一维近场沿着掩膜的边缘方向展开生成掩膜的多边形的边缘附近的二维近场。通俗来说,通过步骤2和步骤3,可以生成掩膜的多边形的侧边的二维近场,不含掩膜的多边形的四个顶角方向上的近场。
步骤4,通过算法模型获得多边形的顶角附近的近场。
步骤5,将多边形的顶角附近的近场与边缘附近的二维近场进行叠加,得到掩膜的多边形的衍射近场。
传统光刻薄掩膜近似在在14nm及以下节点的光刻成像计算中,已经逐渐不再能满足成像结果的精度要求。而在能够以高精度求解掩膜厚度对衍射近场影响的严格电磁学方法中,由于3D网格划分和迭代的计算模式,所需要的计算开销十分巨大;目前主流方法受限于3D严格电磁学仿真的计算开销,仅对多边形边缘近场进行2D仿真,损失顶角区域的仿真精度。本发明提出首先通过2D严格电磁学方法生成多边形的边缘近场,之后再通过神经网络方法由边缘近场生成顶角近场的方法,能够有效地在保证计算效率的同时,获得足够的顶角近场精度。
本发明的原理在于通过严格电磁学仿真的方法计算多边形掩膜后的衍射近场(就是光通过掩膜后的区域)。其中,沿多边形边沿附近的衍射近场通过2D仿真生成,多边形的顶角附近的衍射近场通过神经网络方法计算获得,网络的输入为顶角两条夹边的衍射近场。
掩膜后衍射近场的精确仿真需要借助严格电磁学仿真算法,入时域有限差分方法(FDTD)或严格耦合波方法(RCWA)等。此类方法具有远高于传统Hopkins方法的精度,但会带来巨大的计算开销,使得对各种光源下的情况都做完整的3D仿真在实际工业应用中并不具备可行性。
Foundry给出的光源通过一个201×201的矩阵来表达,其中每一个元素代表一个对应光源方向射出的强度,因此共包含40401个方向的光源;实际处理中,由于FDTD算法中受到Bloch边界条件的限制,一次只能对单一的入射光源方向进行仿真,而每个单一光源的3D严格电磁学仿真的时间开销约为40min-60min,因此目前无法承担对完整光源做3D仿真的计算开销。
而本发明通过2D严格电磁学仿真生成边缘附近的近场,利用光源在沿多边形边缘方向上的照射条件具有重复性,从而可以通过2D仿真快速地生成沿着边沿附近的衍射近场,将该边缘附近的一维近场再沿边缘方向展开成二维,即可获得边缘区域附近的掩膜近场。之后通过神经网络算法,获得掩膜的多边形的顶角附近的近场。即将沿着顶角两条夹边的边缘近场作为输入,放入训练好的神经网络模型中,输出掩膜的多边形的顶角附近的衍射近场结果。将之前得到的边缘区域附件的近场与顶角的近场结果进行叠加,即可获得完整的掩膜衍射近场。本发明由于仅使用了2D严格仿真和神经网络的正向计算,计算效率能提升2-3个数量级以上。
在一个实施例中,本发明的上述步骤1包括以下步骤。
步骤1.1,设置仿真用的空间区域以及位于所述空间区域内的掩膜,用于训练的样本数据集;例如,可以针对特定的掩膜尺寸设定相应的空间区域,并得到该掩膜尺寸的用于训练算法模型的样本数据集。
步骤1.2,在该实施例中,算法模型具体采用的是神经网络,因而建立所需的神经网络的结构。
步骤1.3,用生成的样本数据集训练神经网络。用生成好的样本数据集来训练建立的神经网络。其中,样本数据集中随机抽取出80%作为训练集,通过反向传播算法更新网络的参数,优化网络预测能力;另外的20%作为测试集,检测神经网络对测试集样本预测结果的损失函数是否在持续降低。当损失函数不再降低时,结束网络训练。
在一个具体实施例中,上述步骤1.1中,样本数据集中的样本数据采用如下步骤形成。
步骤1.1.1,使用波矢方向为的光源在之前设置的空间区域内照射掩膜,X方向为正方向时,α为光源先围绕Y方向旋转的角度,β为光源再围绕Z方向旋转的角度,α、β的取值范围为(0,M°),且α、β各自以一定度数为间隔在其取值范围内进行变化,以得到对应的光源。
步骤1.1.2,基于不同的光源,通过3D严格电磁学仿真获得空间区域内的掩模背向光源一面外侧一定距离的衍射电场结果,截取衍射电场结果中位于掩模的多边形左上角的区域的数据作为样本数据的输出值,如图3所示,并分别取掩模所在平面且穿过多边形中心的水平、竖直方向的两条线上的边缘近场作为样本数据的输入值。
步骤1.1.3,将α、β的取值范围扩展到(-M°,M°),得到更多的样本数据的输入值和输出值。该步骤中,具体的可以在步骤1.1.2中得到的衍射电场结果中截取衍射电场结果中位于多边形右上角的区域的数据,进行水平翻转后,得到光源以(-α,β)角度进行照射时多边形的顶角的近场的数据作为样本数据的输出值,掩模所在平面且穿过多边形中心的水平方向的一条线上的边缘近场进行反向操作后,和穿过多边形中心的竖直方向的一条线上的边缘近场作为样本数据的输入值。然后还可以在步骤1.1.2中得到的衍射电场结果中截取衍射电场结果中位于多边形左下角的区域的数据,进行竖直翻转后,得到光源以(α,-β)角度进行照射时多边形的顶角的近场的数据作为样本数据的输出值,掩模所在平面且穿过多边形中心的竖直方向的一条线上的边缘近场进行反向操作后,和穿过多边形中心的水平方向的一条线上的边缘近场作为样本数据的输入值。还可以在步骤1.1.2中得到的衍射电场结果中截取衍射电场结果中位于多边形右下角的区域的数据,进行水平及竖直翻转后,得到光源以(-α,-β)角度进行照射时多边形的顶角的近场的数据作为样本数据的输出值,掩模所在平面且穿过多边形中心的水平、竖直方向的两条线上的边缘近场均进行反向操作后作为样本数据的输入值。
以一个具体的例子来说本发明生成样本数据集的过程。
仿真光源在8μm×8μm×2μm空间区域内的衍射,并记录掩模背向光源一侧面约40nm位置(如39nm、40nm、41nm等)的平面的电场,如图2所示,其中光源2以从左至右的方向照射掩膜1,即图中从左至右的水平方向为X的正方向,掩膜1所在平面则为YZ方向所确定的平面,图中空白区域为真空3,源2两侧的灰色部分为非真空材质4,边缘为仿真用网格5,本发明记录的是掩膜1朝向右侧方向的40nm位置的平面的电场,该平面与掩膜1平行。在仿真区域平面上的中心设置的掩膜为4μm×4μm的掩模结构体,用于求解掩膜上的多边形的90°顶角的近场;类似地,将4μm×4μm区域设置为真空,其余区域设置为掩模材料,用于求解270°顶角的近场,即掩膜的尺寸为8μm×8μm×2μm,中间具有4μm×4μm的方形的透光区域,使得掩膜具有270度的顶角。
使用波矢方向为的光源照射掩膜,其中α、β分别为水平、竖直空间的方向角。假设X方向为正方向,则α为围绕Y轴旋转的角度,β为围绕Z轴旋转的角度,在一个实施例中,α、β均小于20°,为了获得不同的样本数据,可以使α、β各自在(0°~20°)范围内以0.2°为间隔进行采样,但是光源旋转的顺序是先旋转α,再旋转β,本发明不要求采样时α与β同步变化,如可以先固定β的取值,然后α在取值范围内以一定间隔进行变化,然后β变化一次以后,α再次在取值范围内以一定间隔进行变化,使得样本数量足够多。通过3D严格电磁学仿真获得衍射电场结果后,截取左上角2.1μm×2.1μm左右的区域作为样本的输出值,接着分别取水平、竖直方向中心的两条线上的边缘近场作为样本的输入,这里所指的水平、竖直方向为掩膜所在的平面的水平和竖直方向。
考虑到对称性,将(0°~20°)范围内的α、β角中生成的结果扩充到(-20°~20°)范围上。在α、β角照射时获得的8μm×8μm衍射近场图中,重新截取并作对应。其中,右上角2.1μm×2.1μm左右的区域做水平翻转后,对应(-α,β)角度照射下的顶角近场的样本输出结果,水平边缘近场做反向操作后,和竖直方向边缘近场作为样本输入;左下角2.1μm×2.1μm左右的区域做竖直翻转后,对应(α,-β)角度照射下的顶角近场的样本输出结果,水平边缘近场,和竖直边缘近场做反向操作后作为样本输入;右下角2.1μm×2.1μm左右的区域做水平及竖直翻转后,对应(-α,-β)角度照射下的顶角近场的样本输出结果,水平边缘近场和竖直边缘近场均做反向操作后,作为样本输入。
上述步骤2中,先输入预测目标版图并进行分析。以输入的预测目标版图的多边形边缘的角度、掩模的材料和形状,以及光源条件为输入,通过2D电磁学仿真方法计算对应宽度狭缝附近的近场。
对于版图上的主要区域,仍采用Hopkins模型计算其成像强度,Hopkins模型为传统光刻模型。在光刻过程中,即便是遮挡住的区域,依然会存在由于衍射存在而产生的光强,计算得到光强分布后,根据光强高低的分布来确定后续刻蚀的区域。Hopkins模型计算速度快,但精度不能满足28nm以下节点的模型精度需求。因而需要同时分析版图上的多边形图形,对多边形边沿附近的区域进行近场修正计算,即用后面计算的近场,在该步骤实现修正。
以多边形边缘的角度、掩模材料和形状,以及光照条件为输入,通过2D电磁学仿真方法计算对应宽度的狭缝附近的近场,仿真的量测结果为掩模版后与边缘方向垂直的一条直线段上的分布结果。在该2D仿真中,沿狭缝方向的场分布保持一致,因此仅仿真垂直狭缝方向(并非狭缝深度方向)和主光轴方向组成的平面,忽略沿狭缝的维度。这里所指的狭缝方向为狭缝的长边所指示的方向,仿真垂直狭缝方向并非指的是狭缝的深度方向,而是在垂直于狭缝深度的平面内与狭缝的长边相互垂直的方向。由于版图上的图形(即多边形)主要由水平、竖直方向的直边构成。在该2D仿真中,沿多边形的边沿方向的场分布保持一致,因此仅在垂直狭缝方向(并非狭缝深度方向)和主光轴方向组成的平面上进行仿真,因沿狭缝的维度上具有重复性而实现降维。
在步骤3中,将步骤2中仿真得到的垂直于边缘方向的近场,截断为所需边缘范围内的1D边缘近场;再将1D的边缘近场结果沿边缘方向重复并展开,成为一个宽度为近场结果长度,长度为边缘长度的矩形区域。并将其应用到对应边缘为中心,向边缘两侧扩展的矩形区域上。该结果在边缘端点附近的区域存在较大误差,将在后续的步骤中用顶角近场覆盖。也就是说,在步骤5中,当多边形的顶角附近的近场与边缘附近的二维近场存在重叠时,以多边形的顶角附近的近场为准。
在步骤4中,重复步骤2,对存在的每一个光源方向,和对应的多边形角度,都需要重新计算一次修正,选出掩膜的多边形的顶角的两个夹边上各自对应狭缝的边缘衍射近场。将两条边对应的结果作为一个输入样本,输入到训练得到的神经网络,获得对应顶角附近区域的近场结果输出。
最终将掩膜的多边形的边缘附近区域的衍射近场和顶角附近区域的衍射近场进行叠加,得到多边形的衍射近场,即掩模的衍射近场。
本发明的光刻成像计算方法采用了上述技术方案的掩膜近场的计算方法计算掩膜近场,并基于掩膜近场计算光刻胶上成的空间像,即计算光强分布,完成光刻模型的计算目标。
通过本发明的上述技术方案,生成的掩膜近场可以用于修正和提升光刻成像模型的精度,进而获得更符合预期的光刻目标结果而进行的光学邻近修正(OPC)。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种掩膜的衍射近场的计算方法,其特征在于,包括:
步骤1,获取样本数据集并构建、训练可获得掩膜的顶角附近的近场的算法模型;
步骤2,通过2D严格电磁学仿真生成所述掩膜的多边形的边缘附近的一维近场;
步骤3,基于所述一维近场沿着所述掩膜的多边形的边缘方向展开生成所述掩膜的边缘附近的二维近场;
步骤4,通过所述算法模型获得掩膜的多边形的顶角附近的近场;
步骤5,将所述多边形的顶角附近的近场与边缘附近的二维近场进行叠加,得到所述掩膜的多边形的衍射近场。
2.如权利要求1所述的掩膜的衍射近场的计算方法,其特征在于,所述步骤1包括:
步骤1.1,设置仿真用的空间区域以及位于所述空间区域内的掩膜,并于训练的样本数据集;
步骤1.2,建立所需的神经网络的结构;
步骤1.3,用生成的样本数据集训练所述神经网络。
3.如权利要求2所述的掩膜的衍射近场的计算方法,其特征在于,所述步骤1.1中,样本数据集中的样本数据采用如下步骤形成:
步骤1.1.1,使用波矢方向为的光源在所述空间区域内照射所述掩膜,X方向为正方向时,α为所述光源先围绕Y方向旋转的角度,β为所述光源再围绕Z方向旋转的角度,α、β的取值范围为(0,M°),且α、β各自以一定度数为间隔在其取值范围内进行变化,以得到对应的光源;
步骤1.1.2,基于不同的光源,通过3D严格电磁学仿真获得所述空间区域内的掩模背向光源的一面的外侧一定距离处的衍射电场结果,截取所述衍射电场结果中位于所述多边形左上角的区域的数据作为样本数据的输出值,并分别取所述掩模所在平面且穿过所述多边形中心的水平、竖直方向的两条线上的边缘近场作为样本数据的输入值;
步骤1.1.3,将α、β的取值范围扩展到(-M°,M°),得到更多的样本数据的输入值和输出值。
4.如权利要求3所述的掩膜的衍射近场的计算方法,其特征在于,所述步骤1.1.3包括如下步骤:
在步骤1.1.2中得到的所述衍射电场结果中截取所述衍射电场结果中位于所述多边形右上角的区域的数据,进行水平翻转后,得到光源以(-α,β)角度进行照射时所述多边形的顶角的近场的数据作为样本数据的输出值,所述掩模所在平面且穿过所述多边形中心的水平方向的一条线上的边缘近场进行反向操作后,和穿过所述多边形中心的竖直方向的一条线上的边缘近场作为样本数据的输入值;
在步骤1.1.2中得到的所述衍射电场结果中截取所述衍射电场结果中位于所述多边形左下角的区域的数据,进行竖直翻转后,得到光源以(α,-β)角度进行照射时所述多边形的顶角的近场的数据作为样本数据的输出值,所述掩模所在平面且穿过所述多边形中心的竖直方向的一条线上的边缘近场进行反向操作后,和穿过所述多边形中心的水平方向的一条线上的边缘近场作为样本数据的输入值;
在步骤1.1.2中得到的所述衍射电场结果中截取所述衍射电场结果中位于所述多边形右下角的区域的数据,进行水平及竖直翻转后,得到光源以(-α,-β)角度进行照射时所述多边形的顶角的近场的数据作为样本数据的输出值,所述掩模所在平面且穿过所述多边形中心的水平、竖直方向的两条线上的边缘近场均进行反向操作后作为样本数据的输入值。
5.如权利要求3所述的掩膜的衍射近场的计算方法,其特征在于,所述掩模上多边形的顶角的角度为90°或270°。
6.如权利要求3所述的掩膜的衍射近场的计算方法,其特征在于,所述空间区域尺寸为8μm×8μm×2μm,掩模的尺寸为4μm×4μm,或者,掩模的尺寸为8μm×8μm×2μm,且具有4μm×4μm的透光区域。
7.如权利要求1至6任意一项所述的掩膜的衍射近场的计算方法,其特征在于,所述步骤2包括:
步骤2.1,输入预测目标版图并进行分析;
步骤2.2,以所述预测目标版图的多边形边缘的角度、掩模的材料和形状,以及光源条件为输入,通过2D电磁学仿真方法计算对应宽度狭缝附近的近场。
8.如权利要求1至6任意一项所述的掩膜的衍射近场的计算方法,其特征在于,所述步骤5中,当所述多边形的顶角附近的近场与边缘附近的二维近场存在重叠时,以所述多边形的顶角附近的近场为准。
9.一种光刻成像计算方法,其特征在于,采用如权利要求1至8任意一项所述的掩膜近场的计算方法计算掩膜近场,并基于所述掩膜近场计算光刻胶上成的空间像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310563402.1A CN117034531A (zh) | 2023-05-17 | 2023-05-17 | 掩膜的衍射近场的计算方法、光刻成像计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310563402.1A CN117034531A (zh) | 2023-05-17 | 2023-05-17 | 掩膜的衍射近场的计算方法、光刻成像计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117034531A true CN117034531A (zh) | 2023-11-10 |
Family
ID=88601004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310563402.1A Pending CN117034531A (zh) | 2023-05-17 | 2023-05-17 | 掩膜的衍射近场的计算方法、光刻成像计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117034531A (zh) |
-
2023
- 2023-05-17 CN CN202310563402.1A patent/CN117034531A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11645443B2 (en) | Method of modeling a mask by taking into account of mask pattern edge interaction | |
US10909294B2 (en) | Modeling of a design in reticle enhancement technology | |
US8285030B2 (en) | Determining calibration parameters for a lithographic process | |
CN108333865B (zh) | 掩膜版图形的修正方法 | |
US11994796B2 (en) | Method of modeling a mask having patterns with arbitrary angles | |
JP5398484B2 (ja) | リソグラフィ装置で使用するための調和レジストモデル及びデバイス製造方法 | |
US8473878B2 (en) | Lithographically enhanced edge determination | |
US20140141536A1 (en) | Method and System for Providing a Target Design Displaying High Sensitivity to Scanner Focus Change | |
CN107490931B (zh) | 掩膜版图形的修正方法 | |
TW200809558A (en) | Model-based SRAF insertion | |
KR20050043713A (ko) | 고유 분해 기반 opc 모델 | |
US7536660B2 (en) | OPC simulation model using SOCS decomposition of edge fragments | |
JP2006114898A (ja) | リソグラフィ装置およびデバイス製造方法 | |
CN102998896B (zh) | 一种基于基本模块的掩模主体图形优化方法 | |
US8539391B2 (en) | Edge fragment correlation determination for optical proximity correction | |
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 | |
CN117034531A (zh) | 掩膜的衍射近场的计算方法、光刻成像计算方法 | |
Azpiroz et al. | Massively-parallel FDTD simulations to address mask electromagnetic effects in hyper–NA immersion lithography | |
JP3649160B2 (ja) | ステンシルマスク、その製造方法、該ステンシルマスクを使用した半導体デバイスの製造方法 | |
CN116339065A (zh) | 一种图形修正方法 | |
WO2001054046A1 (en) | Geometric aerial image simulation | |
CN117688759A (zh) | 三维掩膜衍射成像光强的计算方法及三维掩膜模型 | |
Kuramochi et al. | Development of a Lithography Simulation Tool Set in Various Optical Conditions for Source Mask Optimization | |
CN115857271A (zh) | 近场的等效方法、掩码3d近场的修正方法、存储介质 | |
CN116187256A (zh) | 版图的光栅化计算方法、全芯片的仿真方法 |
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 |