CN117078774A - 光阻项格点平移依赖性的分析方法、装置及计算机设备 - Google Patents
光阻项格点平移依赖性的分析方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN117078774A CN117078774A CN202310912186.7A CN202310912186A CN117078774A CN 117078774 A CN117078774 A CN 117078774A CN 202310912186 A CN202310912186 A CN 202310912186A CN 117078774 A CN117078774 A CN 117078774A
- Authority
- CN
- China
- Prior art keywords
- intensity
- photoresist
- preset
- obtaining
- sampling points
- 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
- 229920002120 photoresistant polymer Polymers 0.000 title claims abstract description 170
- 238000013519 translation Methods 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 126
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 8
- 239000002253 acid Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000001459 lithography Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 230000001323 posttranslational effect Effects 0.000 description 1
- 230000001581 pretranslational effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
本发明涉及集成电路技术领域,特别涉及一种光阻项格点平移依赖性的分析方法、装置及计算机设备。本发明提供的一种光阻项格点平移依赖性的分析方法,包括以下步骤:获取图形于光阻项组参数下模拟形成的图像;基于预设格栅设置采样点并获得图像内采样点的强度。基于采样点和强度建立初始强度分布曲线,并获得预设强度阈值下采样点对应的初始强度;基于预设平移量对预设格栅进行移动,并获得移动后的强度分布曲线;基于移动后的强度分布曲线获得该采样点对应的移动后强度;初始强度和移动后强度基于预设算法获得模拟线宽变化量以完成对光阻项格点平移依赖性的定量分析。寻求到了一种简便方法对格点平移依赖性进行分析。
Description
【技术领域】
本发明涉及集成电路技术领域,特别涉及一种光阻项格点平移依赖性的分析方法、装置及计算机设备。
【背景技术】
光刻是超大规模集成电路的核心步骤。随着,节点关键尺寸的不断缩小,计算光刻技术对光刻的重要性越来越显著。其中,光学邻近效应(Optical Proximity Correction,OPC)已被广泛运用。其原理是通过调整光罩(mask)上图案以弥补高频信号在成像过程中的损失,使得最终曝光后光阻上形成的图案尽量接近所需的目标图形。在90nm及以下节点主要采用基于模型的光学邻近效应修正。
OPC模型的本质是建立了从光罩图形到晶圆上光阻图形的之间的函数关系,它是基于晶圆数据及对应的光罩gds数据建立的。OPC模型在计算过程中涉及到gds数据的光栅化,其信号的采样是离散的,采样点之间的信号需要通过插值算法计算得到。由于离散采样本质上会引入额外的高频信号,而不同的采样方式引入的高频信号也不一样,导致最终得到的光强信号也有微小的差异,并最终反映在关键尺寸(critical dimension)的差异。简单来说,处于不同位置但完全一样的图形,最终在模型模拟形成轮廓(resist contour)时是有微小差异的。这种现象叫做格点平移依赖性(grid dependency),因此寻求一种简便的方法对格点依赖性进行分析十分重要。
【发明内容】
为了寻求一种简便方法对格点平移依赖性进行分析。本发明提供一种光阻项格点平移依赖性的分析方法、装置及计算机设备。
本发明为解决上述技术问题,提供如下的技术方案:一种光阻项格点平移依赖性的分析方法,用于对图形模拟成像过程中出现的格点平移依赖性进行定量分析,包括以下步骤:
获取图形于某一光阻项组参数下模拟形成的图像;
基于预设格栅设置采样点并获得图像内采样点的强度;
基于采样点和强度建立初始强度分布曲线,并获得预设强度阈值下采样点对应的初始强度;
基于预设平移量对预设格栅进行移动,并获得移动后的强度分布曲线;
基于移动后的强度分布曲线获得该采样点对应的移动后强度;
初始强度和移动后强度基于预设算法获得模拟线宽变化量以完成对整体光阻项格点平移依赖性的分析。
优选地,基于预设格栅设置采样点并获得图像内采样点的强度具体包括:
获取图像的轮廓信息,获取图像轮廓并获取图像轮廓内或图像轮廓上采样点的位置,并基于采样点位置获取采样点的强度。
优选地,基于预设平移量对预设格栅进行平移,平移前和平移后的预设格栅皆能覆盖所有图像。
优选地,基于采样点和强度建立初始强度分布曲线具体包括:
光阻项组参数由多个单一光阻项参数组成;
获取每个单一光阻项参数下图像内采样点的位置及其对应的强度,基于采样点位置和其对应的强度获得光阻项组参数强度分布曲线;
将所有单一光阻项参数所对应的强度分布曲线进行累加获得初始强度分布曲线。
优选地,初始强度和移动后强度基于预设算法获得模拟线宽变化量包括:
基于初始强度分布曲线获得与预设强度阈值对应的两个采样点;
采样点于初始强度分布曲线上对应的强度为第一初始强度和第二初始强度;
采样于移动后的强度分布曲线上对应的强度为第一移动后强度和第二移动后强度;
基于第一初始强度和第一移动后强度获得第一差值,基于第二初始强度和第二移动后强度获得第二差值;
第一差值和第二差值基于预设算法获得模拟线宽变化量。
优选地,所述预设算法为:dCD=dI1/slope1+dI2/slope2;
其中,slope1和slope2为初始强度分布曲线于预设强度阈值下对应的两个采样点处初始强度分布曲线的斜率,dI1为第一初始强度和第一移动后强度的差值,dI1为第二初始强度和第二移动后强度的差值,dCD为模拟线宽变化量。
优选地,获取每个单一光阻项参数所对应的模拟线宽变化量进一步包括:
基于预设模型计算获得每个单一光阻项参数的贡献值;
基于光阻项组参数所对应的模拟线宽变化量获取光阻项组参数的贡献值;
比较单一光阻项参数的贡献值和光阻项组参数的贡献值以获取单一光阻项参数对整体格点平移依赖性的贡献关系。
优选地,获得模拟线宽变化量进一步包括:
将另一个光阻项组参数替换该光阻项组参数进行迭代,并获取每个光阻项组参数所对应的模拟线宽变化量。
本发明为解决上述技术问题,提供又一技术方案如下:一种装置,应用于如上述的光阻项格点平移依赖性的分析方法,所述装置包括:
模拟模块:用于对图形模拟成像为图像;
采集模块:用于基于格栅设置采样点,并获得图像内采样点的强度;
计算模块:用于将初始强度和移动后强度基于预设算法获得模拟线宽变化量。
本发明为解决上述技术问题,提供又一技术方案如下:一种计算机设备,应用于上述光阻项格点平移依赖性的分析方法,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行上述计算机程序以实现所述光阻项格点平移依赖性的分析方法。
与现有技术相比,本发明所提供的一种光阻项格点平移依赖性的分析方法、装置及计算机设备,具有如下的有益效果:
1.本发明实施例提供的一种光阻项格点平移依赖性的分析方法,用于对图形模拟成像过程中出现的格点平移依赖性进行定量分析,其特征在于:包括以下步骤:
获取图形于光阻项组参数下模拟形成的图像;
基于预设格栅设置采样点并获得图像内采样点的强度;
基于采样点和强度建立初始强度分布曲线,并获得预设强度阈值下采样点对应的初始强度;
基于预设平移量对预设格栅进行移动,并获得移动后的强度分布曲线;
基于移动后的强度分布曲线获得该采样点对应的移动后强度;
初始强度和移动后强度基于预设算法获得模拟线宽变化量以完成对光阻项格点平移依赖性的定量分析。本实施例于光阻项参数下对模拟成像的图像进行采样进而获得其采样点处的强度,以获得一维的强度分布曲线。再结合预设强度阈值处所对应的采样点的位置在格栅进行平移前后的信号强度的变化,并结合算法即可获得模拟线宽变化量,以对光阻项格点平移依赖性进行分析。分析过程简单快捷。
2.本发明实施例基于预设格栅设置采样点并获得图像内采样点的强度具体包括:
获取图像的轮廓信息,获取图像轮廓并获取图像轮廓内或图像轮廓上采样点的位置,并基于采样点位置获取采样点的强度。直接基于采样点的位置去获得采样点所对应的强度,无需对所有的采样点进行分析,可以节省分析时间,提高分析效率。
3.本发明实施例预设格栅的面积大于工作面上图像的面积。需要确保平移前和平移后的预设格栅皆能覆盖所有图像,才能对格点平移依赖性进行分析。
4.本发明实施例基于采样点和强度建立初始强度分布曲线具体包括:
光阻项组参数由多个单一光阻项参数组成;
获取每个单一光阻项参数下图像内采样点的位置及其对应的强度,基于采样点位置和其对应的强度获得光阻项组参数强度分布曲线;
将所有单一光阻项参数所对应的强度分布曲线进行累加获得初始强度分布曲线。通过线性叠加算法对单一光阻项参数所对应的强度分布曲线进行累加即可获得初始强度分布曲线,以对整个光阻项组参数进行快速分析。
5.本发明实施例获取每个单一光阻项参数所对应的模拟线宽变化量进一步包括:基于预设模型计算获得每个单一光阻项参数的贡献值;基于光阻项组参数所对应的模拟线宽变化量获取光阻项组参数的贡献值;比较单一光阻项参数的贡献值和光阻项组参数的贡献值以获取单一光阻项参数对整体格点平移依赖性的贡献关系。通过预设模型可以直接获得将单一光阻项参数的贡献值。进而再比较单一光阻项参数的贡献值和光阻项组参数的贡献值即可获取单一光阻项参数对整体格点平移依赖性的贡献关系,简单快捷。
6.本发明实施例获得模拟线宽变化量进一步包括:将另一个光阻项组参数替换该光阻项组参数进行迭代,并获取每个光阻项组参数所对应的模拟线宽变化量,以对所有单一光阻项参数进行分析。
7.本发明实施例还提供一种装置,具有与上述一种光阻项格点平移依赖性的分析方法相同的有益效果,在此不做赘述。
8.本发明实施例还提供一种计算机设备,具有与上述一种光阻项格点平移依赖性的分析方法相同的有益效果,在此不做赘述。
【附图说明】
图1是本发明第一实施例提供的一种光阻项格点平移依赖性的分析方法流程示意图。
图2是本发明第一实施例提供的预设格栅移动示意图。
图3是本发明第一实施例提供的单一光阻项参数所对应的强度分布曲线图。
图4是本发明第一实施例提供的经过线性叠加算法合并后形成的光阻项组参数所对应的初始强度分布曲线图。
图5是图4中的强度分布曲线的部分放大图。
图6是本发明第二实施例提供的一种装置的结构示意图。
图7是本发明第三实施例提供的一种计算机设备的结构示意图。
附图标识说明:
1、装置;2、计算机设备;
11、模拟模块;12、采集模块;13、计算模块;
21、存储器;22、处理器;23、计算机程序。
【具体实施方式】
为了使本发明的目的,技术方案及优点更加清楚明白,以下结合附图及实施实例,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仅用以解释本发明,并不用于限定本发明。
在本发明所提供的实施例中,应理解,“与A对应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明所必需的。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在本发明的附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方案中,方框中所标注的功能也可以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行的执行,它们有时也可以按相反的顺序执行,在此基于涉及的功能而确定。需要特别注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
光刻是超大规模集成电路的核心步骤。随着,节点关键尺寸的不断缩小,计算光刻技术对光刻的重要性越来越显著。其中,光学邻近效应(Optical Proximity Correction,OPC)已被广泛运用。其原理是通过调整光罩(mask)上图案以弥补高频信号在成像过程中的损失,使得最终曝光后光阻上形成的图案尽量接近所需的目标图形。在90nm及以下节点主要采用基于模型的光学邻近效应修正。
OPC模型的本质是建立了从光罩图形到晶圆上光阻图形的之间的函数关系,它是基于晶圆数据及对应的光罩gds数据建立的。OPC模型在计算过程中涉及到gds数据的光栅化,其信号的采样是离散的,采样点之间的信号需要通过插值算法计算得到。由于离散采样本质上会引入额外的高频信号,而不同的采样方式引入的高频信号也不一样,导致最终得到的光强信号也有微小的差异,并最终反映在关键尺寸(critic al dimension)的差异。简单来说,处于不同位置但完全一样的图形,最终在模型模拟形成轮廓(resist contour)时是有微小差异的。这种现象叫做格点平移依赖性(grid dependency)。
具体地,为了提高OPC模型的稳定性,一般在OPC模型校准(model c alibration)过程中会检查其格点平移依赖性。对于格点平移依赖性不符合要求的情况,一般需要重新调节模型的相关参数,特别是光阻项的相关参数。
然而,在实际运用中,对格点平移依赖性的分析极为复杂,应对多种多样的光阻项参数,往往是通过逐个调整单个光阻项参数后再根据每次调整后整体的格点平移依赖性结果的改善情况来判断单个光阻项对格点平移依赖性的影响。这种方法没有很强的针对性,难以定量的分析出单个光阻项对整体格点平移依赖性的贡献及影响。因此寻求一种方法对格点依赖性进行定量分析十分重要。
在光刻过程中掩模板上的图形被光刻蚀在晶圆的图像被称为掩模图像,由于光学邻近效应的影响,光线经过透镜后会发生衍射现象,导致图案在光刻胶上的模糊程度增加,分辨率降低。光学邻近效应会使得较小的图案细节无法得到良好的传输和保留其掩模图形,即造成的结果是刻蚀在晶圆上的图像与掩模板上的图形之间存在误差,而晶圆的造价昂贵,因此才采用OPC模型将图形进行模拟成像而形成图像。具体地,本实施例为了对OPC模型在成像过程中所出现的格点平移依赖性进行分析,首先获取图形于光阻项组参数下模拟形成的图像。需要说明的是,图形在成像过程中受多类参数的影响,特别是光阻项参数。例如在OPC模型中,其光阻项参数主要包括高斯卷积核范围;trunc,酸、碱裁切阈值,且每个单一的光阻项参数对格点平移依赖性均有各自的贡献。
请参阅图1,本发明第一实施例提供一种光阻项格点平移依赖性的分析方法,用于对图形模拟成像过程中出现的格点平移依赖性进行定量分析,包括以下步骤:
S1,获取图形于光阻项组参数下模拟形成的图像;
S2,基于预设格栅设置采样点并获得图像内采样点的强度;
S 3,基于采样点和强度建立初始强度分布曲线,并获得预设强度阈值下采样点对应的初始强度;
S4,基于预设平移量对预设格栅进行移动,并获得移动后的强度分布曲线;
S 5,基于移动后的强度分布曲线获得该采样点对应的移动后强度;
S 6,初始强度和移动后强度基于预设算法获得模拟线宽变化量以完成对整体光阻项格点平移依赖性的分析。
可以理解地,本实施例于其光阻项组参数下对图形进行模拟从而形成图像,再基于预设格栅设置采样点并获得图像内采样点的强度。具体地,基于采样点的位置以及采样点处的强度即可建立初始强度分布曲线,进而可获得预设强度阈值下采样点对应的初始强度。获取到初始强度后,即可基于预设平移量对预设格栅进行移动,并获得移动后的强度分布曲线,进而基于移动后的强度分布曲线获得该采样点对应的移动后强度。最终初始强度和移动后强度基于预设算法获得模拟线宽变化量以完成对整体光阻项格点平移依赖性的分析。本实施例于光阻项参数下对模拟成像的图像进行采样进而获得其采样点处的强度,以获得一维的强度分布曲线。再结合预设强度阈值处所对应的采样点的位置在格栅进行平移前后的信号强度的变化,并结合算法即可获得模拟线宽变化量,以对光阻项格点平移依赖性进行分析。分析过程简单快捷。另外,对光阻项格点平移依赖性进行分析后即可知道光阻项组参数对格点平移依赖性的关系,从而使得用户可以根据改关系有目的的去调整光阻项组参数,进而调整模型的格点平移依赖性。
需要说明的是,首先,预设强度阈值是预设模型根据历史针对格点平移依赖性分析所得出的经验而得。只有在预设强度阈值附近部分的强度分布曲线上的数据的变化才对模拟线宽变化存在贡献。因此,在获得初始强度分布曲线后,需要基于预设强度阈值来确定采样点的位置,进而对比出格栅在平移前后,采样点处的强度变化。
其次,格点平移依赖性出现的原因是OP C模型模拟成像时,掩模板上处于不同位置但完全一样的图形,最终在模型模拟形成轮廓时是有微小差异引起的。因此本发明实施例中,基于预设平移量对预设格栅进行平移,等同于是将固定预设格栅,对相同的图像进行移动后分析移动后的图像在预设格栅上于光阻项组参数下进行格点平移依赖性分析的问题,转换为了固定图像不动,将预设格栅基于预设平移量进行平移后,分析平移后的预设格栅上于光阻项组参数下进行格点平移依赖性分析的问题。通过巧妙地将移动对象进行转换,将较难移动的图像问题转换为去移动较易移动的格栅的问题,方法巧妙,避免移动图像操作繁琐的问题。
最终基于该采样点的强度变化以及基于预设算法获得模拟线宽变化量,而模拟线宽变化量也表示着格点平移依赖性现象的产生,因而当获取到了模拟线宽变化量,即可基于该模拟线宽变化量进行格点平移依赖性的分析,简单便捷。
进一步地,在上述步骤S2中,基于预设格栅设置采样点并获得图像内采样点的强度具体包括:
S21,设定图像所在的面为工作面,预设格栅设置于工作面上,预设格栅中行线和列线的交点为格点,设定格点为采样点;
S22,获取图像的轮廓信息,获取图像轮廓并获取图像轮廓内或图像轮廓上采样点的位置,并基于采样点位置获取采样点的强度。
应理解,由于需要对成像过程中所出现的格点平移依赖性进行分析,获取光阻项参数和格点平移依赖性的关系,以便根据该关系去OP C模型进行调整。请参阅图2,图2展示了预设格栅G1(实线)以及移动后的预设格栅G2,其中预设格栅G2为预设格栅G1朝45°方向平移距离d。其中图像2P 1设置于预设格栅内部,可见图像2P 1于预设格栅G1的位置以及预设格栅G2中的位置皆不相同。进一步地,在设置采样点时,将格栅中行线和列线的交点(格点)设置为采样点。而在获取采样点处的强度时,由于仅需分析模拟成像后所形成的图像内的点,因此只需获取图像的轮廓信息,再获取到图像轮廓内或图像轮廓上采样点的位置。直接基于采样点的位置去获得采样点所对应的强度,无需对所有的采样点进行分析,可以节省分析时间,提高分析效率。
具体地,由于将预设格栅进行平移前后,其格栅的尺寸不会发生改变。优选地,其行线和列线可基于预设距离间隔设置,使得行线和列线将格栅分列成大小和尺寸均相同的分块,即相邻格点之间的距离均相同。应理解,相邻格点之间的距离均相同使得在进行采样时,对于格点的位置确认更为便捷,便于提升对格点平移进行依赖性进行分析时的分析效率。
具体地,请继续参阅图2,基于预设平移量对预设格栅进行平移,平移前和平移后的预设格栅皆能覆盖所有图像。应理解,需要确保平移前和平移后的预设格栅皆能覆盖所有图像,才能对格点平移依赖性进行分析。另外格栅所划分而成的分块的面积需要小于掩模图形所成的图像的面积,以便于格点能在图像内部进行采样。
进一步地,上述步骤S 3中,基于采样点和强度建立初始强度分布曲线具体包括:
光阻项组参数由多个单一光阻项参数组成;
S 31,获取每个单一光阻项参数下图像内采样点的位置及其对应的强度,基于采样点位置和其对应的强度获得光阻项组参数强度分布曲线;
S 32,将所有单一光阻项参数所对应的强度分布曲线进行累加获得初始强度分布曲线。
应理解,光阻项组参数由多个单一光阻项参数组成,本实施例中通过线性叠加算法对单一光阻项参数所对应的强度分布曲线进行累加即可获得初始强度分布曲线,以对整个光阻项组参数进行快速分析。另外,在对单一光阻项参数所对应的强度分布曲线中,其强度的数量级过小,无法通过预设强度阈值进行分析,因此本实施例通过线性叠加算法对单一光阻项参数所对应的强度分布曲线进行累加以获得初始强度分布曲线,进而结合预设强度阈值获得初始强度。图3展示了单一光阻项参数所对应的强度分布曲线图,图4展示了经过线性叠加算法合并后形成的光阻项组参数所对应的初始强度分布曲线图。其中强度分布曲线的横坐标表示采样点,纵坐标表示强度。
具体地,线性叠加算法的公式为:
其中,Ci表示第i项单一光阻项参数的线性系数(加权值),Ii表示第i项单一光阻项参数的强度;I表示单一光阻项参数叠加后形成的光阻项组参数所对应的强度。
进一步地,在上述步骤S4中,基于预设平移量对预设格栅进行移动之前进一步包括:于格点上设置量测线,量测线可随预设格栅一同移动。应理解,量测线的作用是将OPC模型模拟成像的图像和实际上经过掩模版刻蚀到晶圆表面的图像进行比较,以对OPC模型进行校准。
具体地,上述步骤S6中,初始强度和移动后强度基于预设算法获得模拟线宽变化量包括:
S 61,基于初始强度分布曲线获得与预设强度阈值对应的两个采样点;
S 62,两个采样点于初始强度分布曲线上对应的强度为第一初始强度和第二初始强度;
S 63,两个采样点于移动后的强度分布曲线上对应的强度为第一移动后强度和第二移动后强度;
S 64,基于第一初始强度和第一移动后强度获得第一差值,基于第二初始强度和第二移动后强度获得第二差值;
S 65,第一差值和第二差值基于预设算法获得模拟线宽变化量。
应理解,预设强度阈值附近部分的强度分布曲线上的数据的变化才对模拟线宽变化存在贡献。预设强度阈值在初始强度曲线所在的坐标轴上可以看做是一条强度等于固定值的平行线,平行线与初始强度分布曲线的交点至少两个。具体地,若初始强度分布曲线与预设强度阈值存在两个交点,两个交点分别对应两个采样点。进一步地,通过获取预设强度阈值在初始强度分布曲线上所对应的两个采样点的位置,并获得两个采样点于初始强度分布曲线上对应的强度为第一初始强度和第二初始强度。进一步地,两个采样点在移动后的强度分布曲线上对应的强度为第一移动后强度和第二移动后强度。即获取两个采样点在格点平移前后的差值结合预设算法即可计算出模拟线宽变化量。
示例性地,请结合图2和图4,预设强度阈值与初始强度曲线的交点表示着采样点1和采样点2,其中采样点1和采样点2也表示着图像的轮廓上的某个点a和点b,其采样点上的强度即为图像的轮廓上点的强度,即预设强度阈值与初始强度曲线的交点表示着模拟图像的轮廓变化。
具体地,所述预设算法为:dCD=dI1/slope1+dI2/slope2;
其中,slope1和slope2为初始强度分布曲线于预设强度阈值下对应的两个采样点处初始强度分布曲线的斜率,dI1为第一初始强度和第一移动后强度的差值,dI2为第二初始强度和第二移动后强度的差值,dCD为模拟线宽变化量。具体地,两个采样点处初始强度分布曲线的斜率可以基于两个紧邻采样点之间的距离结合强度分布曲线获得,例如请参阅图5,图5表示图4中的强度分布曲线的部分放大图,其中两个紧邻采样点之间的横坐标之差为x,纵坐标之差为y,则近似认为采样点2处的曲线斜率为y/x。其中,dI1/slope1表示采样点1处的模拟线宽变化量。dI2/slope2表示采样点2处的模拟线宽变化量,两个采样点处的模拟线宽量之和即可获得dCD的值,即可获得某一光阻项组参数下其模拟线宽变化量的值,并基于dCD的值可以对该光阻项组的格点平移依赖性进行分析。
进一步地,在上述步骤S 6中,获取每个单一光阻项参数所对应的模拟线宽变化量进一步包括:
基于预设模型计算获得每个单一光阻项参数的贡献值;
基于光阻项组参数所对应的模拟线宽变化量获取光阻项组参数的贡献值;
比较单一光阻项参数的贡献值和光阻项组参数的贡献值以获取单一光阻项参数对整体格点平移依赖性的贡献关系。
可以理解地,现有技术中对单一光阻项参数对其整体光阻项格点平移依赖性的贡献分析中,通过逐个调整单个光阻项参数后再根据每次调整后整体的格点平移依赖性结果的改善情况来判断单个光阻项对格点平移依赖性的影响。其产生的问题是无法进行定量分析。而基于本实施例所提供的光阻项格点平移依赖性的分析方法可快速获得光阻项组参数所对应的整体的格点平移依赖性结果,即快速获取到光阻项组参数的贡献值。具体地,通过预设模型可以直接获得将单一光阻项参数的贡献值。进而再比较单一光阻项参数的贡献值和光阻项组参数的贡献值即可获取单一光阻项参数对整体格点平移依赖性的贡献关系,简单快捷。
示例性地,为了便于直观了解单一光阻项参数对其整体格点平移依赖性的贡献关系,请进一步参阅表一:
表一,单一光阻项参数对整体格点平移依赖性的贡献关系
/>
应理解,为了使得验证结果更为精确,表一展示了多种量测线下,单一光阻项参数对整体格点平移依赖性的贡献关系。其中,Imax、Imin、acid、ag 1、ai b as e、curv、gradient、mg 1、edge和slope表示的单一光阻项参数,其每个单一光阻项参数对应行的数值为该单一光阻项参数于不同量测线下的贡献值。其中,Grid_sum指的是在相同量测线下将所有单一光阻项参数贡献值的总和。Grid_sim指的是本实施例所提供的光阻项格点平移依赖性的分析方法获得的光阻项组参数的贡献值。应理解,由于本实施例所提供的方法是通过线性近似分析快速获得模拟线宽变化量,因而其获得的贡献值与单一光阻项参数贡献值加和的结果Grid_sum存在些许偏差。但该偏差并不影响分析单一光阻项参数对整体格点平移依赖性的贡献关系。例如,在量测线L200P290_V中,acid 1的值为0.429362796,可以看出其对于Grid_sim的贡献最大,因此可以获得单一光阻项参数acid 1对于整体格点平移依赖性的贡献最大,因此在实际调整过程中,可以针对性的去降低acid 1的值以优化OPC模型。
进一步,在上述步骤S 6中,获得模拟线宽变化量进一步包括:
将另一个光阻项组参数替换该光阻项组参数进行迭代,并获取每个光阻项组参数所对应的模拟线宽变化量。在分析过程中可能会遇到各式各样的单一光阻项参数,会出现部分单一光阻项参数可以归类为一光阻项组参数,部分单一光阻项参数可以归类为另一光阻项组参数的现象。因此基于迭代计算方式可以对所有的单一光阻项参数进行分类后,对其分类后所对应的所有的光阻项组参数进行逐一计算,以对所有单一光阻项参数进行分析。
为了解决上述技术问题,本发明第二实施例还提出了一种装置1,应用于如上述的光阻项格点平移依赖性的分析方法,所述装置1包括:
模拟模块11:用于对图形模拟成像为图像;
采集模块12:用于基于格栅设置采样点,并获得图像内采样点的强度;
计算模块13:用于将初始强度和移动后强度基于预设算法获得模拟线宽变化量。
本发明实施例还提供一种装置1,具有与上述一种光阻项格点平移依赖性的分析方法相同的有益效果,在此不做赘述。
为了解决上述技术问题,本发明第三实施例还提出了一种计算机设备2,应用于如上述光阻项格点平移依赖性的分析方法,包括存储器21、处理器22及存储在存储器21上的计算机程序23,所述处理器22执行上述计算机程序23以实现所述光阻项格点平移依赖性的分析方法。
本发明实施例还提供一种计算机设备2,具有与上述一种光阻项格点平移依赖性的分析方法相同的有益效果,在此不做赘述。
以上对本发明实施例公开的一种光阻项格点平移依赖性的分析方法、装置及计算机设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制,凡在本发明的原则之内所做的任何修改,等同替换和改进等均应包含本发明的保护范围之内。
Claims (10)
1.一种光阻项格点平移依赖性的分析方法,用于对图形模拟成像过程中出现的格点平移依赖性进行定量分析,其特征在于:包括以下步骤:
获取图形于某一光阻项组参数下模拟形成的图像;
基于预设格栅设置采样点并获得图像内采样点的强度;
基于采样点和强度建立初始强度分布曲线,并获得预设强度阈值下采样点对应的初始强度;
基于预设平移量对预设格栅进行移动,并获得移动后的强度分布曲线;
基于移动后的强度分布曲线获得该采样点对应的移动后强度;
初始强度和移动后强度基于预设算法获得模拟线宽变化量以完成对整体光阻项格点平移依赖性的分析。
2.如权利要求1所述的光阻项格点平移依赖性的分析方法,其特征在于:基于预设格栅设置采样点并获得图像内采样点的强度具体包括:
获取图像的轮廓信息,获取图像轮廓并获取图像轮廓内或图像轮廓上采样点的位置,并基于采样点位置获取采样点的强度。
3.如权利要求2所述的光阻项格点平移依赖性的分析方法,其特征在于:基于预设平移量对预设格栅进行平移,平移前和平移后的预设格栅皆能覆盖所有图像。
4.如权利要求1所述的光阻项格点平移依赖性的分析方法,其特征在于:基于采样点和强度建立初始强度分布曲线具体包括:
光阻项组参数由多个单一光阻项参数组成;
获取每个单一光阻项参数下图像内采样点的位置及其对应的强度,基于采样点位置和其对应的强度获得光阻项组参数强度分布曲线;
将所有单一光阻项参数所对应的强度分布曲线进行累加获得初始强度分布曲线。
5.如权利要求1所述的光阻项格点平移依赖性的分析方法,其特征在于:初始强度和移动后强度基于预设算法获得模拟线宽变化量包括:
基于初始强度分布曲线获得与预设强度阈值对应的两个采样点;
采样点于初始强度分布曲线上对应的强度为第一初始强度和第二初始强度;
采样于移动后的强度分布曲线上对应的强度为第一移动后强度和第二移动后强度;
基于第一初始强度和第一移动后强度获得第一差值,基于第二初始强度和第二移动后强度获得第二差值;
第一差值和第二差值基于预设算法获得模拟线宽变化量。
6.如权利要求5所述的光阻项格点平移依赖性的分析方法,其特征在于:所述预设算法为:dCD=dI1/slope1+dI2/slope2;
其中,slope1和slope2为初始强度分布曲线于预设强度阈值下对应的两个采样点处初始强度分布曲线的斜率,dI1为第一初始强度和第一移动后强度的差值,dI1为第二初始强度和第二移动后强度的差值,dCD为模拟线宽变化量。
7.如权利要求4所述的光阻项格点平移依赖性的分析方法,其特征在于:获取每个单一光阻项参数所对应的模拟线宽变化量进一步包括:
基于预设模型计算获得每个单一光阻项参数的贡献值;
基于光阻项组参数所对应的模拟线宽变化量获取光阻项组参数的贡献值;
比较单一光阻项参数的贡献值和光阻项组参数的贡献值以获取单一光阻项参数对整体格点平移依赖性的贡献关系。
8.如权利要求1所述的光阻项格点平移依赖性的分析方法,其特征在于:获得模拟线宽变化量进一步包括:
将另一个光阻项组参数替换该光阻项组参数进行迭代,并获取每个光阻项组参数所对应的模拟线宽变化量。
9.一种装置,应用于如权利要求1-8中任一项所述的光阻项格点平移依赖性的分析方法,其特征在于:所述装置包括:
模拟模块:用于对图形模拟成像为图像;
采集模块:用于基于格栅设置采样点,并获得图像内采样点的强度;
计算模块:用于将初始强度和移动后强度基于预设算法获得模拟线宽变化量。
10.一种计算机设备,应用于如权利要求1-8中任一项所述光阻项格点平移依赖性的分析方法,其特征在于:包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行上述计算机程序以实现所述光阻项格点平移依赖性的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310912186.7A CN117078774A (zh) | 2023-07-24 | 2023-07-24 | 光阻项格点平移依赖性的分析方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310912186.7A CN117078774A (zh) | 2023-07-24 | 2023-07-24 | 光阻项格点平移依赖性的分析方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117078774A true CN117078774A (zh) | 2023-11-17 |
Family
ID=88703294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310912186.7A Pending CN117078774A (zh) | 2023-07-24 | 2023-07-24 | 光阻项格点平移依赖性的分析方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078774A (zh) |
-
2023
- 2023-07-24 CN CN202310912186.7A patent/CN117078774A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100872731B1 (ko) | 룰 베이스 opc의 평가 방법 및 시뮬레이션 베이스 opc 모델의 평가 방법 | |
US8849008B2 (en) | Determining calibration parameters for a lithographic process | |
EP1424595B1 (en) | Automatic calibration of a masking process simulator | |
CN111581907B (zh) | 一种Hessian-Free的光刻掩模优化方法、装置及电子设备 | |
KR101124919B1 (ko) | 노광 파라미터의 결정 방법, 노광 방법, 디바이스 제조 방법 및 기록 매체 | |
US7739650B2 (en) | Pre-bias optical proximity correction | |
US7426712B2 (en) | Lithography simulation method and recording medium | |
US6794096B2 (en) | Phase shifting mask topography effect correction based on near-field image properties | |
JP4843649B2 (ja) | 評価パターン作成方法、評価パターン作成プログラムおよびパターン検証方法 | |
JP2005518107A (ja) | オーバレイ計測および制御方法 | |
CN110361926B (zh) | 光学邻近效应修正模型及其建立方法和掩膜板的形成方法 | |
KR101574619B1 (ko) | 패턴 계측 장치 및 패턴 계측 방법 | |
JP4138318B2 (ja) | リソグラフィプロセスマージン評価装置、リソグラフィプロセスマージン評価方法およびリソグラフィプロセスマージン評価プログラム | |
US7805699B2 (en) | Shape-based photolithographic model calibration | |
TW202211075A (zh) | 校正在精簡模型中的隨機訊號 | |
US7207030B2 (en) | Method for improving a simulation model of photolithographic projection | |
US8677288B2 (en) | Test pattern selection method for OPC model calibration | |
CN111507059B (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 | |
CN117078774A (zh) | 光阻项格点平移依赖性的分析方法、装置及计算机设备 | |
CN110688736B (zh) | Opc光学模型筛选方法及其筛选系统 | |
KR20090042456A (ko) | 광 근접 보정을 위한 모델링 방법 | |
US20240045321A1 (en) | Optical proximity correction method using neural jacobian matrix and method of manufacturing mask by using the optical proximity correction method | |
Zheng et al. | Improving OPC model accuracy and stability with aerial image contribution | |
KR100811269B1 (ko) | 광근접 효과 보정을 위한 패턴 모델링 방법 | |
CN117518723A (zh) | 光学临近修正模型的评估方法、评估系统及其工作方法 |
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 |