CN117590701A - 基于计算量测的采样方案 - Google Patents
基于计算量测的采样方案 Download PDFInfo
- Publication number
- CN117590701A CN117590701A CN202311412728.0A CN202311412728A CN117590701A CN 117590701 A CN117590701 A CN 117590701A CN 202311412728 A CN202311412728 A CN 202311412728A CN 117590701 A CN117590701 A CN 117590701A
- Authority
- CN
- China
- Prior art keywords
- substrate
- metrology
- contribution
- data
- patterning
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 147
- 238000005259 measurement Methods 0.000 title claims description 180
- 238000004364 calculation method Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 524
- 239000000758 substrate Substances 0.000 claims abstract description 510
- 230000008569 process Effects 0.000 claims abstract description 376
- 238000009826 distribution Methods 0.000 claims description 61
- 238000001228 spectrum Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 33
- 238000004519 manufacturing process Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 22
- 239000004065 semiconductor Substances 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000000059 patterning Methods 0.000 abstract description 263
- 230000005855 radiation Effects 0.000 description 104
- 239000010410 layer Substances 0.000 description 73
- 230000003287 optical effect Effects 0.000 description 67
- 238000012937 correction Methods 0.000 description 60
- 235000012431 wafers Nutrition 0.000 description 56
- 238000005286 illumination Methods 0.000 description 52
- 238000012546 transfer Methods 0.000 description 52
- 238000004088 simulation Methods 0.000 description 47
- 238000005530 etching Methods 0.000 description 32
- 210000001747 pupil Anatomy 0.000 description 32
- 238000011161 development Methods 0.000 description 29
- 230000018109 developmental process Effects 0.000 description 29
- 238000013461 design Methods 0.000 description 28
- 230000004075 alteration Effects 0.000 description 27
- 230000006399 behavior Effects 0.000 description 26
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000001459 lithography Methods 0.000 description 25
- 230000035945 sensitivity Effects 0.000 description 22
- 238000007689 inspection Methods 0.000 description 20
- 230000033001 locomotion Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 18
- 230000010287 polarization Effects 0.000 description 18
- 239000000047 product Substances 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 16
- 230000015654 memory Effects 0.000 description 16
- 230000007547 defect Effects 0.000 description 14
- 230000000737 periodic effect Effects 0.000 description 13
- 238000000513 principal component analysis Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 10
- 238000000151 deposition Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 239000011248 coating agent Substances 0.000 description 9
- 238000000576 coating method Methods 0.000 description 9
- 230000008021 deposition Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000000704 physical effect Effects 0.000 description 8
- 238000005094 computer simulation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000010008 shearing Methods 0.000 description 7
- 238000000206 photolithography Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000007654 immersion Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000001364 causal effect Effects 0.000 description 4
- 230000002925 chemical effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 238000004873 anchoring Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000010408 film Substances 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000004528 spin coating Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001311 chemical methods and process Methods 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005468 ion implantation Methods 0.000 description 2
- 238000010884 ion-beam technique Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000005405 multipole Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- HRANPRDGABOKNQ-ORGXEYTDSA-N (1r,3r,3as,3br,7ar,8as,8bs,8cs,10as)-1-acetyl-5-chloro-3-hydroxy-8b,10a-dimethyl-7-oxo-1,2,3,3a,3b,7,7a,8,8a,8b,8c,9,10,10a-tetradecahydrocyclopenta[a]cyclopropa[g]phenanthren-1-yl acetate Chemical compound C1=C(Cl)C2=CC(=O)[C@@H]3C[C@@H]3[C@]2(C)[C@@H]2[C@@H]1[C@@H]1[C@H](O)C[C@@](C(C)=O)(OC(=O)C)[C@@]1(C)CC2 HRANPRDGABOKNQ-ORGXEYTDSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000012369 In process control Methods 0.000 description 1
- 244000208734 Pisonia aculeata Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 230000001609 comparable effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 125000005647 linker group Chemical group 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000005381 magnetic domain Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000011326 mechanical measurement Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000001127 nanoimprint lithography Methods 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- -1 refractive index Substances 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000012795 verification Methods 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
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- 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
- G03F7/70633—Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
-
- 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
- G03F7/70681—Metrology strategies
- G03F7/706833—Sampling plan selection or optimisation, e.g. select or optimise the number, order or locations of measurements taken per die, workpiece, lot or batch
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95676—Masks, reticles, shadow masks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Prostheses (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一种用于生成针对图案化过程的量测采样方案的方法,所述方法包括:获取用于衬底的图案化过程的参数的参数图;由硬件计算机系统分解所述参数图以生成对所述图案化过程的设备和/或所述图案化过程的设备的组合特定的指纹;和基于所述指纹,由所述硬件计算机系统,生成用于在所述图案化过程的设备和/或所述图案化过程的设备的组合处的后续衬底的量测采样方案,其中,所述采样方案被配置为在所述后续衬底上分布采样点,以便提高量测采样密度。
Description
本申请是进入中国国家阶段日期为2020年7月31日的申请号为201880088371.6的发明名称为“基于计算量测的采样方案”的专利申请(国际申请日为2018-12-17,国际申请号为PCT/EP2018/085153)的分案申请。
技术领域
本公开涉及改善器件制造过程的性能的技术。所述技术可以与光刻设备或量测设备结合使用。
背景技术
光刻设备是一种将所需图案施加到衬底的目标部分上的机器。例如,光刻设备可用于制造集成电路(IC)。在这种情况下,可以将替代地称为掩模或掩模版的图案形成装置用于生成与集成电路的单个层对应的电路图案,且此图案可以被成像到具有辐射敏感材料(抗蚀剂)层的衬底(例如硅晶片)上的目标部分(例如包括管芯的一部分、一个或更多个管芯)上。通常,单个衬底将包含被连续地曝光的相邻目标部分的网络。已知的光刻设备包括所谓的步进器以及所谓的扫描器,在步进器中通过将整个图案一次性地曝光到目标部分上来照射每个目标部分,在扫描器中通过利用在给定方向(“扫描”方向)上的束扫描所述图案来照射每个目标部分的同时,同步地扫描与该方向平行或反向平行的衬底。
在将电路图案从图案形成装置转移到衬底之前,所述衬底可经历各种工序,诸如涂底漆、抗蚀剂涂覆和软焙烤。在曝光之后,衬底可经受其他工序,诸如曝光后焙烤(PEB)、显影、硬焙烤以及经转印电路图案的测量/检查。工序的阵列阵列用作用来制作器件(例如IC)的单个层的基础。然后,衬底可以经受各种过程,诸如蚀刻,离子注入(掺杂),金属化,氧化,化学机械抛光等,所有这些都旨在完成器件的单个层。如果器件中需要若干层,则对每个层重复进行整个工序或其变型。最终,器件将呈现于所述衬底上的每个目标部分中。然后通过诸如切割或锯切之类的技术将这些器件彼此分离开,从而可以将各个单独器件安装在载体上,连接到引脚,等等。
因而,制造诸如半导体器件之类的器件通常涉及使用许多制备过程来处理衬底(例如,半导体晶片)以形成器件的各种特征和多个层。通常使用例如沉积、光刻、蚀刻、化学机械抛光(CMP)和离子注入来制造和处理这样的层和特征。可以在衬底上的多个管芯上制造多个器件,且然后将它们分离成各个单独的器件。这种器件制造过程可以被认为是图案化过程。图案化过程涉及图案化步骤,诸如使用光刻设备中的图案形成装置来进行光学和/或纳米压印光刻,以将图案形成装置上的图案转印到衬底上,并且通常但可选地涉及一个或更多个相关的图案处理步骤,诸如由显影设备进行的抗蚀剂显影、使用焙烤工具进行的对衬底的焙烤、使用蚀刻设备蚀刻所述图案,等等。
每个单独的图案化过程步骤可能对跨越经处理的衬底上而获得的半导体器件的品质有其自身的特定影响。通常,每个图案化过程步骤可以与半导体器件的性质的特定空间指纹相关联(例如,在半导体器件的部位处的所述衬底的两层之间的重叠误差)。当将量测应用于经处理的衬底时,重要的是要正确捕获这些空间指纹,以便准确地确定各个图案化处理工具(诸如CMP、蚀刻机、光刻工具,等等)是否根据预期起作用(例如,它们的空间指纹没有漂移或显示出非预期的性质)。
发明内容
本发明的目的是确定用于在处理衬底上执行量测的采样方案,其允许准确地确定各个处理工具对由量测工具测量的参数的指纹的贡献。
在一种实施例中,披露了一种用于生成针对图案化过程的量测采样方案的方法,所述方法包括:获取用于衬底的图案化过程的参数的参数图;由硬件计算机系统分解所述参数图以生成对所述图案化过程的设备和/或所述图案化过程的设备的组合特定的指纹;和基于所述指纹,由所述硬件计算机系统,生成用于在所述图案化过程的设备和/或所述图案化过程的设备的组合处的后续衬底的量测采样方案,其中,所述采样方案被配置为在所述后续衬底上分布采样点,以提高量测采样密度。
在另一实施例中,披露了一种用于生成针对图案化过程的量测采样方案的方法,所述方法包括:获得与用于衬底和/或图案化过程的设备的第一采样方案对应的数据、以及与所获得的数据对应的参数图;由硬件计算机系统识别所述参数图的贡献因素;由所述硬件计算机系统从所述参数图中去除所述贡献因素的贡献,以产生残差图;和通过建模和/或模拟,基于所述残差图生成第二量测采样方案,其中,所述第二量测采样方案被配置为在后续衬底上分布采样点,以便提高量测采样密度。
附图说明
图1示意性地示出了根据一个实施例的光刻设备;
图2示意性地示出了光刻单元或簇的实施例;
图3示意性地示出了示例检查设备和量测技术;
图4示意性地示出了示例检查设备;
图5示出了检查设备的照射点与量测目标之间的关系;
图6示意性地示出了基于测量数据导出多个关注变量的过程;
图7示出了处理变量的示例类别;
图8示意性地示出了处理变量的改变可能对量测数据有贡献;
图9示意性地示出了导出对处理变量的组合贡献的示例;
图10示意性地示出了从量测数据导出对处理变量的贡献的示例;
图11示意性地示出了根据一个实施例的方法的流程;
图12示意性地示出了根据一个实施例的方法的流程;
图13示意性地示出了根据一个实施例的方法的流程;
图14示意性地示出了根据一个实施例的方法的流程;
图15示意性地示出了根据一个实施例的用于生成用于图案化过程的量测采样方案的方法的流程;
图16A示意性地示出了根据一个实施例的用于生成用于图案化过程的量测采样方案的另一方法的流程;
图16B示出了根据实施例的主成分分析的示例;
图17A-17E示出了根据实施例的基于图15和图16A-16B中的方法的采样方案中的改变的示例效果;
图18示意性地示出了根据一个实施例的方法的流程;
图19示意性地示出了各自与不同层相关的两个相关性指标,示出了层之间的主导空间频率的变化;
图20示意性地示出了与图19的两个相关性指标有关的贡献因素相关性指标;
图21是示例计算机系统的框图。
具体实施方式
在详细地描述实施例之前,呈现可供实施多个实施例的示例环境是有指导性的。
图1示意性地描绘光刻设备LA的实施例。所述设备包括:
-照射系统(照射器)IL,所述照射系统被配置成调节辐射束B(例如UV辐射或DUV辐射);
-支撑结构(例如掩模台)MT,所述支撑结构被构造成支撑图案形成装置(例如掩模)MA,并且连接至被配置成根据某些参数来准确地定位所述图案形成装置的第一定位装置PM;
-衬底台(例如晶片台)WT(例如,WTa、WTb或二者),所述衬底台被构造成保持衬底(例如涂覆有抗蚀剂的晶片)W且连接至被配置成根据某些参数来准确地定位所述衬底的第二定位装置PW;和
-投影系统(例如折射投影透镜系统)PS,所述投影系统被配置成将由图案形成装置MA赋予至辐射束B的图案投影至衬底W的目标部分C(例如包括一个或更多个管芯,且通常被称为场)上,所述投影系统被支撑在参考框架(RF)上。
如这里所描绘的,所述设备属于透射类型(例如,使用透射型掩模)。替代地,所述设备可以属于反射类型(例如,使用上文提及的类型的可编程反射镜阵列,或使用反射掩模)。
照射器IL接收来自辐射源SO的辐射束。例如,当源为准分子激光器时,源和光刻设备可以是分离的实体。在这种情况下,不将源看成是形成了所述光刻设备的一部分,且辐射束借助于包括例如合适的定向反射镜和/或扩束器的束传递系统BD的帮助从源SO被传递至照射器IL。在其他情况下,例如当源为汞灯时,源可以是设备的组成部分。源SO及照射器IL以及束传递系统BD(如果需要的话)可被称作辐射系统。
所述照射器IL可以改变束的强度分布。所述照射器可以被布置成限制辐射束的径向范围,使得强度分布在照射器IL的光瞳平面中的环形区域内为非零的。另外地或替代地,所述照射器IL可操作以限制束在光瞳平面中的分布,从而使得所述强度分布在光瞳平面中的多个相等地间隔开的扇区中为非零的。在照射器IL的光瞳平面中的辐射束的强度分布可以被称为照射模式。
因此,照射器IL可以包括被配置用以调整所述束的(角度/空间)强度分布的调节器AM。通常,可以对所述照射器的光瞳平面中的强度分布的至少所述外部和/或内部径向范围(通常分别称为σ-外部和σ-内部)进行调整。所述照射器IL可操作以改变所述束的角强度分布。例如,照射器可操作以改变在光瞳平面中强度分布为非零的扇区的数量和角度范围。通过调整光束在照射器的光瞳平面中的强度分布,可以实现不同的照射模式。例如,通过限制照射器IL的光瞳平面中的强度分布的径向和角度范围,强度分布可以具有多极分布,诸如例如偶极、四极或六极分布。可以例如通过将提供照射模式的光学器件插入照射器IL中或使用空间光调制器,来获得期望的照射模式。
照射器IL可操作以改变所述束的偏振并且可操作以使用调节器AM来调整偏振。跨越所述照射器IL的整个光瞳平面上的所述辐射束的偏振状态可以被称为偏振模式。不同的偏振模式的使用可以允许在衬底W上形成的图像中获得较大的对比度。辐射束可以是非偏振的。可替代地,所述照射器可以被布置为线性地偏振所述辐射束。辐射束的偏振方向可以跨越照射器IL的光瞳平面而变化。辐射的偏振方向在所述照射器IL的光瞳平面中的不同区域中可以是不同的。可以根据照射模式来选择所述辐射的偏振状态。对于多极照射模式,辐射束的每个极的偏振通常可以垂直于该极在照射器IL的光瞳平面中的位置矢量。例如,对于偶极照射模式,所述辐射可以在实质上与将偶极的两个相对的扇区二等分的线垂直的方向上被线性地偏振。辐射束可以在两个不同的正交方向之一上被偏振,这可以被称为X偏振态和Y偏振态。对于四极照射模式,每个极的扇区中的辐射可以在实质上与将该扇区二等分的线垂直的方向上被线性地偏振。这种偏振模式可以被称为XY偏振。类似地,对于六极照射模式,每个极的扇区中的辐射可以在实质上与将该扇区二等分的线垂直的方向上被线性地偏振。该偏振模式可以被称为TE偏振。
另外,所述照射器IL通常包括各种其他部件,例如积分器IN和聚光器CO。照射系统可以包括用于引导、成形或控制辐射的各种类型的光学部件,诸如折射型、反射型、磁性型、电磁型、静电型或其它类型的光学部件,或其任何组合。
因而,所述照射器提供经调节的辐射束PB,在其横截面中具有所期望的均匀性和强度分布。
支撑结构MT以取决于图案形成装置的方向、光刻设备的设计和其它条件(诸如图案形成装置是否被保持在真空环境中)的方式来支撑图案形成装置。支撑结构可以使用机械、真空、静电或其它夹持技术以保持图案形成装置。支撑结构可以是例如框架或台,其可以根据需要而是固定的或可移动的。支撑结构可以确保图案形成装置例如相对于投影系统处于期望的位置。可以认为本文中对术语“掩模版”或“掩模”的任何使用都与更上位的术语“图案形成装置”同义。
本文中所使用的术语“图案形成装置”应被广泛地解释为是指可以用于在衬底的目标部分中赋予图案的任何装置。在实施例中,图案形成装置是可以用于在辐射束的横截面中向辐射束赋予图案以便在衬底的目标部分中创建图案的任何装置。应注意,例如,如果被赋予至辐射束的图案包括相移特征或所谓的辅助特征,则所述图案可以不确切地对应于衬底的目标部分中的期望的图案。通常,被赋予至辐射束的图案将对应于目标部分中所创建的器件(诸如集成电路)中的特定功能层。
图案形成装置可以是透射型的或反射型的。图案形成装置的示例包括掩模、可编程反射镜阵列和可编程LCD面板。掩模在光刻中是众所周知的,并且包括诸如二元、交替相移和衰减相移的掩模类型,以及各种混合式掩模类型。可编程反射镜阵列的示例使用小反射镜的矩阵布置,所述小反射镜中的每个小反射镜可以被单独地倾斜,以便在不同方向上对入射辐射束进行反射。倾斜的反射镜在由反射镜矩阵反射的辐射束中赋予图案。
本文中所使用的术语“投影系统”应被广泛地解释为涵盖适于所使用的曝光辐射、或适于诸如浸没液体的使用或真空的使用之类的其它因素的任何类型的投影系统,包括折射型、反射型、反射折射型、磁性型、电磁型和静电型光学系统,或其任何组合。可以认为本文中对术语“投影透镜”的任何使用都与更上位的术语“投影系统”同义。
投影系统PS具有可以是非均一的且可能影响成像到衬底W上的图案的光学传递函数。对于非偏振辐射,这些效应可以由两个纯量映射或标量图相当良好地描述,所述两个标量图描述了作为所述投影系统PS的光瞳平面中的位置的函数的射出所述投影系统PS的辐射的透射(变迹)和相对相位(像差)。可以将可以被称作透射映射和相对相位映射的这些标量图表达为基底函数的完整集合的线性组合。特别方便的集合是泽尼克多项式,所述泽尼克多项式形成了在单位圆上定义的正交多项式的集合。每个标量图的确定可以涉及确定在这种展开式中的系数。由于泽尼克多项式在单位圆上正交,因此可以通过依次计算所测量的标量图与每个泽尼克多项式的内积、并且将这种内积除以所述泽尼克多项式的范数的平方,来确定泽尼克系数。
透射映射和相对相位映射取决于场和系统。即,通常,每个投影系统PS将针对每个场点(即,针对投影系统PS的像平面中的每个空间部位)具有不同的泽尼克展开式。可以通过将辐射(例如)从投影系统PS的物平面(即,图案形成装置MA的平面)中的点状源投影通过所述投影系统PS且使用剪切干涉仪以测量波前(即,具有相同相位的点的轨迹)来确定投影系统PS在其光瞳平面中的相对相位。剪切干涉仪是共同路径干涉仪,因此,有利地,无需次级参考束来测量波前。剪切干涉仪可以包括:衍射光栅,例如,在投影系统的像平面(即,衬底台WT)中的二维栅格;和检测器,所述检测器被布置成检测与投影系统PS的光瞳平面共轭的平面中的干涉图案。干涉图案是与辐射的相位的相对于在剪切方向上在光瞳平面中的坐标的导数相关的。检测器可以包括感测元件的阵列,诸如电荷联接器件(CCD)。
光刻设备的投影系统PS可以不产生可见的条纹,且因此,可以使用相位步进技术(诸如例如移动所述衍射光栅)来增强波前确定的准确度。可以在所述衍射光栅的平面中和在与测量的扫描方向垂直的方向上执行步进。步进范围可以是一个光栅周期,并且可以使用至少三个(均一地分布的)相位步进。因而,例如,可以在y方向上执行三次扫描测量,每次扫描测量针对在x方向上的不同位置来执行。衍射光栅的这种步进将相位变化有效地转换成强度变化,从而允许确定相位信息。所述光栅可以在与衍射光栅垂直的方向(z方向)上步进以校准所述检测器。
可以在两个垂直方向上顺序地扫描所述衍射光栅,该两个垂直方向可以与投影系统PS的坐标系的轴(x和y)重合,或者可以与这些轴成诸如45度的角度。扫描可以在整数个光栅周期内进行,例如一个光栅周期。所述扫描将一个方向上的相位变化平均化,从而允许重构另一方向上的相位变化。这允许将波前确定为两个方向的函数。
可以通过将辐射(例如)从投影系统PS的物平面(即,图案形成装置MA的平面)中的点状源投影通过所述投影系统PS、且使用检测器来测量与投影系统PS的光瞳平面共轭的平面中的辐射的强度,来确定投影系统PS在其光瞳平面中的透射(变迹)。可以使用与用于测量波前以确定像差的检测器同一个检测器。
投影系统PS可以包括多个光学(例如,透镜)元件且还可以包括调整机构AM,所述调整机构被配置成调整所述光学元件中的一个或更多个光学元件以便校正像差(跨越整个场的光瞳平面的相位变化)。为了实现这种校正,调整机构可以是可操作的从而以一种或更多种不同的方式操控所述投影系统PS内的一个或更多个光学(例如,透镜)元件。投影系统可以具有一坐标系,其中其光轴在z方向上延伸。所述调整机构可以是可操作的以进行以下各项的任何组合:使一个或更多个光学元件移位;使一个或更多个光学元件倾斜;和/或使一个或更多个光学元件变形。光学元件的移位可以在任何方向(x、y、z或其组合)上进行。光学元件的倾斜典型地是通过围绕在x和/或y方向上的轴旋转来从垂直于光轴的平面偏离,但对于非旋转对称的非球面光学元件,可以使用围绕z轴的旋转。光学元件的变形可以包括低频形状(例如,像散)和/或高频形状(例如,自由形式非球面)。可以例如通过使用一个或更多个致动器以对光学元件的一个或更多个侧施加力、和/或通过使用一个或更多个加热元件以加热光学元件的一个或更多个选定区,来执行光学元件的变形。通常,不可能调整投影系统PS来校正变迹(即,跨越所述光瞳平面的透射变化)。可以当设计用于所述光刻设备LA的图案形成装置(例如,掩模)MA时使用投影系统PS的透射映射。使用计算光刻技术,图案形成装置MA可以被设计为用于至少部分地校正变迹。
光刻设备可以是具有两个(双平台)或更多个台(例如,两个或更多个衬底台WTa、WTb,两个或更多个图案形成装置台,在没有专用于例如促成测量和/或清洁等的衬底的情况下在投影系统下方的衬底台WTa和台WTb)的类型。在这些“多平台”机器中,可能并行地使用额外的台,或可在一个或更多个台上进行预备步骤的同时将一个或更多个其它台用于曝光。例如,可以进行使用对准传感器AS的对准测量和/或使用水平传感器LS的水平(高度、倾角等)测量。
光刻设备也可以属于如下类型:其中衬底的至少一部分可以由具有相对高折射率的液体(例如,水)覆盖,以便填充介于投影系统与衬底之间的空间。也可以将浸没液体施加至所述光刻设备中的其它空间,例如,介于图案形成装置与投影系统之间的空间。浸没技术在本领域中被众所周知地用于增大投影系统的数值孔径。如本文中所使用的术语“浸没”不意味着诸如衬底之类的结构必须浸没在液体中,而是仅意味着液体在曝光期间位于投影系统与衬底之间。
因此,在所述光刻设备的操作中,由所述照射系统IL调节并且提供辐射束。辐射束B入射到被保持在支撑结构(例如,掩模台)MT上的图案形成装置(例如,掩模)MA上,并且由所述图案化器件图案化。在已穿越所述图案形成装置MA的情况下,辐射束B传递通过投影系统PS,投影系统PS将所述束聚焦至衬底W的目标部分C上。借助于第二定位装置PW和位置传感器IF(例如,干涉装置、线性编码器、2-D编码器或电容性传感器),可以准确地移动衬底台WT,例如,以便将不同的目标部分C定位在辐射束B的路径中。类似地,第一定位装置PM和另一位置传感器(其在图1中未明确地描绘)可以用于例如在从掩模库的机械获取之后、或在扫描期间相对于辐射束B的路径来准确地定位所述图案形成装置MA。通常,可以借助于形成第一定位装置PM的部分的长行程模块(粗定位)和短行程模块(精定位)来实现支撑结构MT的移动。类似地,可以使用形成第二定位装置PW的部分的长行程模块和短行程模块来实现衬底台WT的移动。在步进器(相对于扫描器)的情况下,支撑结构MT可以仅连接至短行程致动器,或可以是固定的。可以使用图案形成装置对准标记M1、M2和衬底对准标记P1、P2来对准图案形成装置MA和衬底W。尽管如所图示的衬底对准标记占据专用的目标部分,但所述衬底对准标记可以位于目标部分之间的空间中(这些标记被称为划道对准标记)。类似地,在多于一个管芯被设置于图案形成装置MA上的情形中,图案形成装置对准标记可以位于所述管芯之间。
所描绘的设备可以用于以下模式中的至少一种模式中:
1.在步进模式中,在将被赋予至辐射束的整个图案一次性投影至目标部分C上的同时,使支撑结构MT和衬底台WT保持基本上静止(即,单次静态曝光)。接着,使衬底台WT在X和/或Y方向上移位,使得可以曝光不同的目标部分C。在步进模式中,曝光场的最大大小限制了在单次静态曝光中成像的目标部分C的大小。
2.在扫描模式中,在将被赋予至辐射束的图案投影至目标部分C上的同时,同步地扫描支撑结构MT和衬底台WT(即,单次动态曝光)。可以由投影系统PS的放大率(缩小率)和图像反转特性来确定衬底台WT相对于支撑结构MT的速度和方向。在扫描模式中,曝光场的最大大小限制了在单次动态曝光中的目标部分的宽度(在非扫描方向上),而扫描运动的长度确定了目标部分的高度(在扫描方向上)。
3.在另一模式中,在将被赋予至辐射束的图案投影至目标部分C上时,使支撑结构MT保持基本上静止,从而保持可编程图案形成装置,并且移动或扫描衬底台WT。在这种模式中,通常使用脉冲式辐射源,并且在衬底台WT的每次移动之后或在扫描期间的连续辐射脉冲之间根据需要来更新可编程图案形成装置。这种操作模式可以易于被应用至利用可编程图案形成装置(诸如上文提及的类型的可编程反射镜阵列)的无掩模光刻术。
也可以使用对上文描述的使用模式的组合和/或变化或完全不同的使用模式。
尽管在本文中可以具体参考光刻设备在IC制造中的使用,但是应该理解,本文描述的光刻设备可以具有其他应用,诸如集成光学系统的制造、用于磁畴存储器的引导和探测图案、液晶显示器(LCD)、薄膜磁头等。本领域技术人员将理解,在这种替代应用的情境中,术语“晶片”或“管芯”在此处的任何使用可以分别被认为与更上位的术语“衬底”或“目标部分”同义。这里提到的衬底可以在曝光之前或之后在例如涂覆显影系统或轨迹(track)(通常将抗蚀剂层施加到衬底并且使曝光的抗蚀剂显影的工具)、或量测工具或检查工具中进行处理。在适用的情况下,本文的公开内容可以被应用于这种和其他衬底处理工具。此外,所述衬底可以被处理一次以上,例如以便产生多层IC,使得本文中所使用的术语衬底也可以指代已经包含多个经处理层的衬底。
本文中所使用的术语“辐射”和“束”包含全部类型的电磁辐射,所述电磁辐射包括紫外(UV)辐射(例如具有365nm、248nm、193nm、157nm或126nm的波长)和极紫外(EUV)辐射(例如具有在5nm至20nm的范围内的波长)以及诸如离子束或电子束之类的粒子束。
图案形成装置上的各种图案或由图案形成装置提供的各种图案可以具有不同的过程窗口(即,将在其下产生规格内的图案的处理变量的空间)。与潜在的系统性缺陷有关的图案规格的示例包括对于颈缩、线拉回、线细化、CD、边缘放置、重叠、抗蚀剂顶部损失、抗蚀剂底切和/或桥接的检查。可以通过合并(例如,重叠)每个单独的图案的过程窗口来获得图案形成装置或其区域上的所有图案的过程窗口。所有图案的过程窗口的边界包含多个单独的图案中的一些的过程窗口的边界。换句话说,这些单独的图案限制了所有图案的过程窗口。这些图案可以称为“热点”或“过程窗口限制图案(PWLP)”,在本文中可以互换地使用。当控制光刻过程的一部分时,有可能且经济地聚焦于热点上。当热点没有缺陷时,很可能所有图案都没有缺陷。
如图2所示出的,光刻设备LA可以形成光刻单元LC(有时也被称作光刻元或光刻簇)的部分,光刻单元LC也包括用于对衬底执行曝光前过程和曝光后过程的设备。通常,这些设备包括用于沉积一个或更多个抗蚀剂层的一个或更多个旋涂器SC、用于显影经曝光的抗蚀剂的一个或更多个显影器DE、一个或更多个激冷板CH和/或一个或更多个焙烤板BK。衬底输送装置或机器人RO从输入端口I/O1、输出端口I/O2拾取一个或更多个衬底,在不同的过程设备之间移动这些衬底、且将它们传递至光刻设备的进料台LB。常常被统称为涂覆显影系统或轨道(track)的这些设备处于涂覆显影系统控制单元或轨道控制单元TCU的控制下,涂覆显影系统控制单元或轨道控制单元TCU自身受管理控制系统SCS控制,管理控制系统SCS也经由光刻控制单元LACU来控制光刻设备。因此,不同的设备可以被操作以最大化吞吐量和处理效率。
为了正确地且一致地曝光由光刻设备曝光的衬底,和/或为了监控包括至少一个图案转印步骤(例如,光学光刻步骤)的图案化过程(例如,器件制造过程)的一部分,希望检查衬底或其他物体以测量或确定一个或更多个性质,诸如对准、重叠(其可以例如在叠置层中的结构之间,或在同一层中的已由例如双重图案化过程分别提供至所述层的结构之间)、线厚度、临界尺寸(CD)、聚焦偏移、材料属性等。因此,其中定位有光刻元LC的制造设施也典型地包括量测系统MET,量测系统MET接收在光刻元中已经处理过的一些或全部衬底W或光刻元中的其他物体。测量系统MET可以是光刻元LC的部分,例如,其可以是所述光刻设备LA(诸如对准传感器AS)的部分。
一个或更多个所测量的参数可以包括例如在经图案化的衬底中或之上所形成的连续层之间的重叠、例如在经图案化的衬底中或之上所形成的特征的临界尺寸(CD)(例如,临界线宽)、光学光刻步骤的聚焦或聚焦误差、光学光刻步骤的剂量或剂量误差、光学光刻步骤的光学像差,等等。可以在产品衬底本身的目标上和/或设置于所述衬底上的专用量测目标上执行此测量。该测量可以在抗蚀剂显影之后但在蚀刻之前执行,或者可以在蚀刻之后执行。
存在着用于对在图案化过程中所形成的结构进行测量的多种技术,包括使用扫描电子显微镜、基于图像的测量工具和/或各种专用工具。如上所述,专用量测工具的一种快速且非侵入性的形式中,辐射束被引导到衬底的表面上的目标上,并且测量了散射(衍射/反射)束的性质。通过评估由所述衬底散射的辐射的一种或更多种性质,可以确定所述衬底的一种或更多种性质。这可以称为基于衍射的量测。这种基于衍射的量测的一种这样的应用是在目标内的特征非对称性的测量中。例如,这可以用作重叠的量测,但是其他应用也是已知的。例如,可以通过比较衍射光谱的相对部分(例如,比较周期性光栅的衍射光谱中的-1和+1阶)来测量非对称性。这可以如上文所述地实现,并且可以如例如在美国专利申请公开US2006-066855中所描述般实现,该文献通过引用整体并入本文。基于衍射的量测的另一个应用是在目标内的特征宽度(CD)的测量。这样的技术可以使用下文描述的设备和方法。
因而,在器件制造过程(例如,图案化过程或光刻过程)中,衬底或其他物体可以在该过程期间或该过程之后经受进行各种类型的测量。该测量可以确定特定衬底是否有缺陷、可以对该过程和该过程中所使用的设备进行调整(例如,将衬底上的两层对准,或将所述图案形成装置与衬底对准)、可以测量所述过程和设备的性能、或可用于其他目的。测量的示例包括光学成像(例如,光学显微镜)、非成像光学测量(例如,基于衍射的测量,诸如ASML YieldStar量测工具、ASML SMASH量测系统)、机械测量(例如,使用触笔、原子力显微镜(AFM))、和/或非光学成像(例如,扫描电子显微镜(SEM))。美国专利No.6,961,116(其全部内容通过引用并入本文)中描述了一种SMASH(SMart对准传感器混合)系统,其采用了一种自参考干涉仪,该干涉仪产生对准标记的两个交叠的且相对地旋转的图像,检测在所述图像的傅立叶变换会产生干扰的光瞳平面中的强度,并且从两个图像的衍射阶之间的相位差中提取位置信息,其表现为干涉阶的强度变化。
可以将量测结果直接或间接地提供至管理控制系统SCS。如果检测到误差,则可以对后续衬底的曝光(尤其在若干可以足够迅速且快速完成检查使得所述批量的一个或更多个其它衬底仍待曝光的情况下)和/或对曝光的衬底的后续曝光进行调整。此外,已被曝光的衬底可以被剥离和返工以改善产率,或被舍弃,由此避免对已知有缺陷的衬底执行进一步处理。在衬底的仅一些目标部分有缺陷的情况下,可以仅对良好的那些目标部分执行另外的曝光。
在量测系统MET内,量测设备用于确定衬底的一个或更多个属性,并且特别是确定不同衬底的一个或更多个属性如何变化、或同一衬底的不同层在不同层间如何变化。如上所述,量测设备可被整合至光刻设备LA或光刻元LC中,或可以是单独器件。
为了实现量测,可以将一个或更多个目标设置于衬底上。在实施例中,目标被专门设计且可以包括周期性结构。在实施例中,目标是器件图案的一部分,例如是器件图案的周期性结构。在实施例中,器件图案是存储器装置的周期性结构(例如,双极晶体管(BPT)、位线接点(BLC)等结构)。
在实施例中,衬底上的目标可以包括一个或更多个1-D周期性结构(例如,光栅),其被印制成使得在显影之后,所述周期性结构特征由实体抗蚀剂线形成。在实施例中,所述目标可以包括一个或更多个2-D周期性结构(例如,光栅),其被印制成使得在显影之后,所述一个或更多个周期性结构由抗蚀剂中的实体抗蚀剂导柱或通孔形成。栅条、导柱或通孔可被可替代地被蚀刻至衬底中(例如,被蚀刻至衬底上的一个或更多个层中)。
在实施例中,图案化过程的所关注的参数中的一个参数是重叠。可以使用暗场散射量测术来测量重叠,其中阻挡了零衍射阶(对应于镜面反射),并且仅处理较高阶。可以在PCT专利申请公开号WO 2009/078708和公开号WO 2009/106279中发现暗场量测的示例,所述专利申请公开的全文由此以引用方式并入。美国专利申请公开US2011-0027704、US2011-0043791和US2012-0242970中已描述所述技术的进一步开发,所述专利申请公开的全文由此以引用方式并入。使用衍射阶的暗场检测的基于衍射的重叠能够实现对较小目标的重叠测量。这些目标可以小于照射斑且可以由衬底上的器件产品结构环绕。在实施例中,可以在一次辐射捕获中测量多个目标。
图3描绘了示例检查设备(例如,散射仪)。它包括宽带(白光)辐射投影仪2,其将辐射投影到衬底W上。经重新引导的辐射被传递到光谱仪检测器4,所述光谱仪检测器测量镜面反射辐射的光谱10(强度作为波长的函数),例如在左下方的曲线图中所示。根据此数据,可以由处理器PU,例如通过严格联接波分析和非线性回归,或者通过如图3的右下部处所示的与模拟光谱的库进行比较,来重构导致所检测到的光谱的结构或轮廓。通常,对于重构,所述结构的一般形式是已知的,并且根据供制造所述结构的过程的知识来假设一些变量,仅留下所述结构的一些变量将要根据所测量数据来确定。这种检查设备可以被构造为法向入射(即正入射)检查设备或倾斜入射检查设备。
在图4中示出可以使用的另一种检查设备。在这种装置中,由辐射源2发射的辐射通过使用透镜系统12来进行准直,并且被透射穿过干涉滤光器13和偏振器17、被部分反射表面16反射,并且经由物镜15聚焦到衬底W上的斑S中,所述物镜具有较高的数值孔径(NA),理想地为至少0.9或至少0.95。浸没检查设备(使用相对较高折射率的流体,诸如水)甚至可能具有大于1的数值孔径。
如在所述光刻设备LA中,可以设置一个或更多个衬底台以在测量操作期间保持所述衬底W。所述衬底台在形式上可以与图1的衬底台WT相似或相同。在所述检查设备与所述光刻设备集成的示例中,它们甚至可以是相同的衬底台。粗定位装置和精定位装置可以被提供到第二定位装置PW,所述第二定位装置PW被配置成相对于测量光学系统而准确地定位所述衬底。例如,设置各种传感器和致动器以获取关注的目标的位置,并将关注的目标带到所述物镜15下方的适当位置。通常,将在跨越整个衬底W上的不同部位处的目标上进行许多测量。所述衬底支撑件可沿X和Y方向移动以获取不同的目标,并且可沿Z方向移动以获取所述目标相对于所述光学系统的焦点的所需位置。便利地将操作考虑成且描述为就像是物镜被相对于所述衬底带到不同部位,例如,当例如所述光学系统实际上可以保持基本静止(通常在X和Y方向,但是也许也沿Z方向)且仅所述衬底移动时。假设衬底和光学系统的相对位置是正确的,则原则上哪一个在现实世界中移动、或者如果两者都在移动、或者光学系统的一部分的组合在移动(例如,沿Z方向和/或倾斜方向)而光学系统的其余部分保持静止并且衬底在移动(例如,沿X和Y方向,但也可选地沿Z和/或倾斜方向)是无所谓的。
然后,由衬底W重新引导的辐射传递穿过部分反射表面16进入检测器18,以便检测光谱。所述检测器18可以位于背投式焦平面11处(即,在透镜系统15的焦距处),或者可以利用辅助光学器件(未示出)将平面11重新成像到检测器18上。所述检测器可为二维检测器,从而可以测量衬底目标30的二维角散射光谱。检测器18可以是例如CCD或CMOS传感器的阵列,并且可以使用例如每帧40毫秒的积分时间。
参考光束可以用以例如测量所述入射辐射的强度。为此,当辐射束入射在部分反射表面16上时,其一部分被透射通过部分反射表面16作为朝向参考反射镜14的参考束。然后参考束被投影到同一检测器18的不同部分上,或者替代地投影到不同的检测器(未示出)上。
一个或更多个干涉滤光器可以用于选择在例如405至790nm或甚至更低(诸如200至300nm)的范围内的关注的波长。干涉滤光器可以是可调谐的,而不是包括一组不同的滤光器。可以使用光栅代替干涉滤光器。可以在照射路径中设置孔径光阑或空间光调制器(未示出),以控制辐射在目标上的入射角的范围。
所述检测器18可以测量单个波长(或窄波长范围)处的重新引导的辐射的强度、分别在多个波长处的强度、或在波长范围上积分的强度。此外,检测器可以分别测量横向磁偏振辐射和横向电偏振辐射的强度,和/或横向磁偏振辐射和横向电偏振辐射之间的相位差。
衬底W上的目标30可以是1-D光栅,其被印制成使得在显影之后,栅条由实心抗蚀剂线形成。目标30可以为2-D光栅,所述2-D光栅被印制成使得在显影之后,该光栅由实心抗蚀剂柱或抗蚀剂中的通孔形成。可以将栅条、柱或通孔蚀刻到衬底内或衬底上(例如,蚀刻到衬底上的一层或更多层内)。所述图案(例如,栅条、柱或通孔)对于所述图案化过程中的处理的变化(例如,光刻投影设备(特别是投影系统PS)中的光学像差、聚焦变化、剂量变化,等等)敏感,并且将表现为在所印制的光栅中的变化。因此,印刷光栅的测量数据被用于重构所述光栅。可以将1-D光栅的一个或更多个参数(诸如线宽和/或形状)、或2-D光栅的一个或更多个参数(诸如柱或通孔的宽度或长度或形状)输入到重构过程中,重构过程由处理器PU根据印制步骤和/或其他检查过程的知识执行。
除了通过重构来测量参数外,角度分辨散射测量在产品和/或抗蚀剂图案中的特征的非对称性的测量中也是有用的。非对称性测量的一种特殊应用是针对重叠的测量,其中所述目标30包括一组周期性特征,其叠加在另一组周期性特征上。例如,在全文并入本文中的美国专利申请公开US2006-066855中描述了使用图3或图4的仪器进行的非对称测量的构思。简而言之,仅由目标的周期性来确定了目标的衍射谱中的衍射阶的位置,衍射谱中的非对称性指示了构成所述目标的各个特征中的非对称性。在图4的仪器中,其中检测器18可以是图像传感器,诸如衍射阶中的非对称性直接出现为在由检测器18所记录的光瞳图像中的非对称性。该非对称性可以通过在单元PU中的数字图像处理来测量,并且针对重叠的已知值来加以校准。
图5示出了典型目标30的平面图,以及图4的设备中的照射斑S的范围。为了获得不受周围结构干扰的衍射光谱,在一实施例中,所述目标30是大于照射斑S的宽度(例如,直径)的周期性结构(例如,光栅)。斑S的宽度可以小于所述目标的宽度和长度。换句话说,目标由照射“欠填充”,并且衍射信号基本上不含来自目标自身之外的产品特征等等的任何信号。照射装置2、12、13、17可以被配置为跨越物镜15的整个后焦平面上提供均匀强度的照射。替代地,通过例如在照射路径中包括孔,照射可以被局限于轴上方向或离轴方向。
图6示意性地描绘了基于使用量测所获得的测量数据而进行目标图案30'的一个或更多个所关注的变量的值的确定的示例过程。由所述检测器18检测的辐射提供针对目标30'的所测量的辐射分布108。
针对给定目标30',可以使用例如数值麦克斯韦求解器210而从参数化模型206计算/模拟辐射分布208。所述参数化模型206示出构成所述目标和与所述目标相关联的各种材料的多个示例层。所述参数化模型206可以包括针对所考虑的所述目标的部分的特征和层的一个或更多个变量,其可以被改变并且被推导。如图6中所示出的,所述变量中的一个或更多个变量可以包括一个或更多个层的厚度t、一个或更多个特征的宽度w(例如,CD)、一个或更多个特征的高度h、和/或一个或更多个特征的侧壁角α。尽管未示出,但这些变量中的一个或更多个变量还可以包括但不限于:这些层中的一个或更多个层的折射率(例如,实数或复数折射率、折射率张量,等等)、一个或更多个层的消光系数、一个或更多个层的吸收率、在显影期间的抗蚀剂损失、一个或更多个特征的基脚(footing),和/或一个或更多个特征的线边缘粗糙度。变量的初始值可以是针对正被测量的目标的期望值。然后在212处将所测量的辐射分布108与所计算的辐射分布208进行比较以确定两者之间的差异。如果存在差异,则可以改变参数化模型206的一个或更多个变量的值,计算出新计算的辐射分布208并且将其与所测量的辐射分布108进行比较,直到测量的辐射分布108与计算的辐射分布208之间有足够的匹配为止。在那时,参数化模型206的变量的值提供了实际目标30'的几何形状的良好或最佳匹配。在一实施例中,当测量的辐射分布108与计算的辐射分布208之间的差在公差阈值之内时,存在足够的匹配。
图案化过程的变量称为“处理变量”。图案化过程可以包括光刻设备中的图案的实际转印的上游和下游的过程。图7示出了处理变量370的示例类别。第一类别可以是光刻设备或光刻过程中使用的任何其他设备的变量310。此类别的示例包括光刻设备的照射、投影系统、衬底平台等的变量。第二类别可以是在图案化过程中执行的一个或更多个过程的变量320。该类别的示例包括聚焦控制或聚焦测量、剂量控制或剂量测量、带宽、曝光持续时间、显影温度、显影中使用的化学成分等。第三类别可以是设计布局的变量330以及其在图案形成装置中的执行或使用图案形成装置的执行的变量330。此类别的示例可以包括辅助特征的形状和/或位置、通过分辨率增强技术(RET)施加的调整、掩模特征的CD等。第四类别可以是衬底的变量340。示例包括抗蚀剂层下面的结构的特性、抗蚀剂层的化学组成和/或实体尺寸等。第五类别可以是图案化过程的一个或更多个变量的时间变化的特性350。此类别的示例包括高频平台移动(例如,频率、量值等),高频激光带宽改变(例如,频率、量值等)和/或高频激光波长改变的特征。这些高频变化或运动是那些高于用来调整基础变量(例如平台位置、激光强度)的机构的响应时间的变化或运动。第六类别可以是在光刻设备中的图案转印的上游或下游的过程的特性360,例如旋涂、曝光后焙烤(PEB)、显影、蚀刻、沉积、掺杂和/或封装。
可以理解,如果不是所有这些变量的话,许多这些变量将对图案化过程的参数产生影响,并且通常对关注参数产生影响。图案化过程的参数的非限制性示例可以包括临界尺寸(CD)、临界尺寸均匀性(CDU)、聚焦、重叠、边缘位置或放置、侧壁角度、图案移位等。通常,这些参数表示与标称值(例如,设计值、平均值等)相差的误差。参数值可以是单个图案的特性的值、或一组图案的特性的统计值(例如,平均值、方差等)。
可以通过适当的方法来确定一些或所有处理变量的值、或与之相关的参数的值。例如,可以根据利用各种量测工具(例如,衬底量测工具)所获得的数据来确定值。可以从图案化过程中的设备的各种传感器或系统(例如,光刻设备的传感器(诸如调平传感器或对准传感器)、光刻设备的控制系统(例如,衬底或图案形成装置台控制系统)、涂覆显影系统工具即轨道工具中的传感器等)来获得值。该值可以来自所述图案化过程的操作者。
现在,越来越多的量测已成为所花费的时间方面的主要负担。例如,这在半导体工业中出现多重图案化技术的情况下尤其如此。借助多重图案化技术,诸如光刻-光刻(LELE)和/或侧壁辅助双重图案化(SADP),则处理步骤的数量已显著增加且因此用于控制和产率监控的量测步骤的数量也显著增加了。此外,随着在多重图案化步骤中使用校多的层,并且每层使用较多的图案化步骤,则对每个节点的量测的量增加(即,特征尺寸的减小)。
另外地或替代地,对缺陷确定和/或受引导的缺陷检查的需求增加。这涉及比以前更加密集的聚焦、重叠和/或CD量测。
另外地或替代地,在器件上CD、重叠和/或聚焦性能方面有不断严格的规范。这驱动了例如从一个节点到下一节点的曝光工具和处理工具的制造装备规范(例如沉积,蚀刻,涂覆显影,化学机械抛光(CMP)等)。因此,这推动了对性能的更严格控制和监控,继而又推动了对用于控制和监控的量测的不断增长的量的需求。
另外地或替代地,随着对器件上CD、聚焦和/或重叠性能的规格的愈加严格要求,可能需要更高阶的校正。高阶校正本质上是一种校正动作,该校正动作在跨越整个衬底或衬底的部分上的小空间尺度上是选择性的(例如,具有高空间分辨率的校正)。高阶校正涉及用于量测的每个衬底的较密集的采样,由此增加了量测负担,可能超出了量测装备生产能力的实际限制。
另外地或可替代地,衬底到衬底的变化可能需要进一步的单独的衬底水平控制(与例如批量水平控制相比)和相关的监控,以便实现期望的CD、聚焦、和/或重叠性能。这可能导致每批测量更多的衬底,且因而导致所用测量的数量的增加,可能超出了量测装备生产能力的实际限制。
但是,为了满足不断增长的数据需求,仅增加量测装备或提高量测装备的生产能力可能是不够的。而且,它可能无法解决所有问题,例如无法及时获得跨越整个衬底上的密集CD、聚焦和/或重叠轮廓。
因此,量测效率是期望的。例如,这将获得每个衬底更高的数据密度,以及针对每批中更大数量衬底的数据。
因此,在一实施例中,提供了一种例如帮助改善量测效率的方法。在该方法中,来自多个源的量测数据被组合和操控以便针对跨越衬底的多个位置中的每个位置导出一个或更多个图案化过程参数(例如,CD、聚焦、重叠、边缘放置等)的准确估计值。然后,在一实施例中,针对例如在图案化过程中处理的所有衬底以及针对例如在图案化过程中在这样的衬底上处理的所有层提供密集的量测数据(例如,针对每平方毫米)。
实际上,在一实施例中,该方法的结果是跨越所述衬底上的一个或更多个图案化过程参数的值的“虚拟”或模拟分布,这是通过各种量测数据的这种组合来实现的。则此方法可以提供用于针对一个或更多个图案化过程参数(例如,聚焦、CD、重叠等)的混合量测的有效方法。并且,尽管本文的实施例将主要考虑图案化过程参数(即聚焦、CD和重叠)的特定示例,但应理解,一个或更多个其他或附加的图案化过程参数可以是本文技术的主题。
如上所述,该方法涉及来自各种源的量测和其他数据的组合。在一实施例中,该方法包括将关注的图案化过程参数的测量结果与来自图案化过程中一个或更多个装置的数据(诸如来自光刻设备的一个或更多个传感器的数据)相结合。然后,此数据组合将用于以例如图案化过程参数(诸如CD、重叠、聚焦、图案移位、边缘放置(例如,边缘放置误差)等)、和/或由此导出的参数(诸如产率、缺陷(例如,缺陷的风险,缺陷数量,等等)的形式来预测产品上性能。
因而,该方法所基于的原理是隔离和估计关注的图案化过程参数的变化的单独的根本原因,然后将其组合起来以计算产品上性能。目标是使用尽可能多的可用信息来避免用来通过使用诸如关于图3-6而描述的工具对所关注的图案化过程参数进行确定的越来越多的离线(和/或在线)量测。
因而,在一实施例中,期望识别出对所关注的图案化过程参数的改变的各种贡献(诸如CD误差、聚焦误差、重叠等)。然后可以将那些贡献用于各种组合中,以实现对产品上的性能的期望估计。通常,那些贡献将是误差和/或残差。例如,装置在进行校正时可能会产生误差,然后校正可以通过更改所关注的图案化过程参数来实现。作为另一个示例,传感器系统可以测量误差,该误差是图案化过程参数的改变、或有助于图案化过程参数的改变。作为另一示例,用于确定装置的设置的装置或数学模型可能无法实现某些期望的或最佳的物理效果(例如,期望的物理校正与可以由装置实现的物理校正之间的差异、期望的物理效果(诸如剂量、聚焦等)与可以由装置实现的物理效果之间的差异、所需的物理校正或效果与能够由数学模型等所确定的校正或效果之间的差异),并且因而实现了残差,该残差是图案化过程参数的变化、或有助于图案化过程参数的变化。在一实施例中,可以通过实验方式或凭经验来确定贡献。
对所关注的图案化过程参数的这些贡献中的每一个贡献当在空间上跨越管芯、场或衬底而分布时则可以被表征为指纹。并且,类似地,跨越管芯、场或衬底的组合贡献可以被表征为指纹。
因此,这些贡献中的多个贡献可以被组合以产生导出的指纹。例如,产品衬底上的聚焦指纹可以是例如由于该衬底的不平坦度导致的聚焦贡献的合成、在衬底曝光期间与光刻设备的投影系统相关联的聚焦误差、曝光期间由衬底位置控制回路所造成的高度误差、以及光刻设备的聚焦设置的残留指纹。下面参照图9描述其示例。
类似地,所导出的或所测量的指纹可以具有从中去除的一个或更多个指纹以产生(进一步的)导出的指纹。例如,衬底的所测量的聚焦指纹可以从中去除该衬底的不平坦度的聚焦贡献、在衬底曝光期间与光刻设备的投影系统相关联的聚焦误差、曝光期间由衬底位置控制回路造成的高度误差、以及光刻设备的聚焦设置的残留指纹。由于未被所移除的指纹捕获的误差,这可能会产生残留的聚焦指纹。下面参照图10描述其示例。
因而,在一实施例中,该方法可以例如将指纹分解成多个单独的贡献指纹和/或通过组合指纹来导出指纹。
因此,参考图8,描绘了贡献(指纹)的组合的实施例。处理变量311的变化(例如,在聚焦情况下的高度误差)可以对用于衬底上的图案的图案化过程参数352(例如,在聚焦的情况下的聚焦)有贡献312,且处理变量321的变化(例如,在聚焦情况下的聚焦设置的残差)可以对图案化过程参数352有贡献322。即,所述图案化过程参数352可以具有一个或更多个处理变量的变化的组合贡献。这些贡献312和322可以简单地相加(可以包括加权或线性相加),或者可以通过其他功能(例如,使用(解)卷积、使用神经网络、RMS相加、缩放等)进行组合。所述图案化过程参数352可以具有其他变量的变化的贡献。因此,利用此后将进一步论述的这种实现,各种贡献可以被确定或可以用于导出图案化过程参数的估计。在一实施例中,可以通过对一个或更多个可应用的处理变量进行建模来确定贡献312和/或322。贡献312和/或322可以被表达为一个或更多个可应用的处理变量的函数。该函数可以是线性的或非线性的。
图9示意性地示出了获得对于衬底的图案化过程参数的所导出的贡献470的示例,所述导出的贡献是多个处理变量的贡献(其中一个或更多个贡献可以是导出的贡献)的组合。在这种情况下,导出的贡献470是聚(散)焦。因此,可以使用多个处理变量(诸如在衬底曝光期间与所述光刻设备的投影系统相关联的聚焦误差(FE)400、在曝光期间由衬底位置控制回路造成的高度误差(例如,移动标准偏差(MSDz)410、和衬底的不平坦度(P)420)的贡献来获得所导出的贡献470。重要的是,此数据可以从光刻设备获得,并且可以是作为图案化过程的一部分的生产衬底的副产品。这些所识别出的贡献中的任何一个都不需要使用例如关于图3-6所描述的工具来测量在衬底上被图案化的特征。
因此,在聚焦情况下,处理变量400对聚焦的贡献的示例被示出为贡献430,处理变量410对聚焦的贡献的示例被示出为贡献440,处理变量420对聚焦的贡献的示例被示出为贡献440。然后将这些贡献中的每一个组合在一起460以实现导出的贡献470。尽管要素460(和图中的其他要素)显示了加号,但在460处的运算不需要是加法,例如,可以是乘法、卷积,通过使用神经网络等。该运算对于一个或更多个贡献可能不同于另外的一个或更多个贡献(例如,将430与440相加,其总和与贡献450卷积)。在一示例中,所述组合的贡献可以被表示为F(x,y)=a1*F(FE)(x,y)+b1*F(MSDz)(x,y)+c1*F(P)(x,y)+…。各种功能可以通过模拟、数学建模和/或实验来获得。此外,可能存在此处未显示的交叉项(例如,作为FE乘以MSD的函数的聚焦等)。为获得聚焦的绝对值,可以将聚焦的标称值或模拟值与贡献组合。诸如a1、b1、c1的系数是聚焦相对于相应处理变量或它们的功能的灵敏度。在此示例中,贡献跨越衬底,但是在一实施例中,一个或更多个贡献可以是针对每个管芯/场(然后可以根据例如在每种实例情况下的适用条件而跨越所述衬底来重复)。如上所述,贡献470可以被表征为指纹,因为其可以跨越整个衬底/管芯/场而在空间上被限定。此外,贡献向绝对值的转化可以被表征为指纹,因为其可以跨越整个衬底/管芯/场而在空间上被限定。将会理解,来自使用图案化过程而进行的对多个衬底的处理的数据可以用以导出相应的贡献。此数据可能已经得到,因为它可能是处理所述衬底的副产品。
现在,在CD的情况下,可以使用关于图9所描述的相同技术。例如,对CD的所导出的贡献470可以是归因于多个处理变量(诸如聚焦(F)400、所述衬底在衬底的法线方向上的移动的移动标准偏差(MSDz)410、以及衬底在平行于衬底的方向上移动的移动标准偏差(MSDx)420)的贡献(其可以包括所导出的贡献)的组合。因此,在这种情况下,聚焦(F)400对CD的贡献的一个示例是贡献430,移动标准偏差(MSDz)410对CD的贡献的一个示例是贡献440,以及移动标准差(MSDx)420对CD的贡献的一个示例是贡献440。然后将这些贡献中的每一个组合在一起460以实现所导出的贡献470。在一个示例中,所述组合的贡献可以被表示为CD(x,y)=a1*CD(F2)(x,y)+b1*CD(MSDx)(x,y)+c1*CD(MSDz 2)(x,y)+…。此外,可能存在此处未显示的交叉项,并且关系可能有所不同(例如,诸如聚焦和/或MSDz之类的关系,可能不是纯二次的,且可能具有线性和3阶项)。在一实施例中,贡献430、440、450可以分别是聚焦(F)400、移动标准偏差(MSDz)410和移动标准偏差(MSDx)420分布,在这种情况下,将会使用CD模型将它们组合成CD分布。此外,可能存在此处未显示的交叉项(例如,作为F乘以MSD的函数的CD等)。为获得CD的绝对值,可以将CD的标称值或模拟值与所述贡献相组合。诸如a1、b1、c1的系数是CD相对于各个处理变量或它们的功能的灵敏度。
应用上述原理,图10示意性地示出了针对衬底的关注的图案化过程参数、通过去除对于关注的图案化过程参数的贡献而从经图案化的衬底量测数据获得所导出的贡献510的示例。在这种情境下,经图案化的衬底量测数据是通过测量至少部分地由所述图案化过程处理的衬底上的特征(例如,器件图案特征、与所述器件图案分离的量测目标等)而获得的关注参数的值。通常可以使用诸如关于图3-6所描述的量测或检查工具来获得这种量测数据。
针对关注参数的经图案化衬底量测数据500可以具有至少两个贡献。因此,经图案化衬底量测数据内的一个或更多个贡献可以通过以下方式获得:去除所述经图案化衬底量测数据内的一个或更多个其他贡献。因而,可以通过从经图案化衬底量测数据500去除505贡献520来获得贡献510。尽管要素505(和图中的其他要素)显示为负号,但505处的运算不需要是减法,例如,可以是乘法、(解)卷积,通过使用神经网络等。贡献520可以是导出的贡献,诸如贡献470,或可以是从其他数据导出的贡献,例如贡献430、440和450中的任何一个或更多个。此外,可以去除多个贡献。例如,与处理变量530相关联的可选贡献540可以与贡献520一起从经图案化衬底量测数据500中去除。将会理解,来自使用图案化过程而进行的多个衬底的处理的数据可以用以获得经图案化衬底量测数据。
在一实施例中,经图案化衬底量测数据来自与器件图案分离的图案,例如,在管芯的非功能区域、管芯之间或在测试衬底上的量测特征。因此,例如,可以从这样的量测数据中去除一个或更多个处理变量的贡献,由此获得一个或更多个处理变量对这种量测数据的剩余贡献。然后,可以基于剩余贡献来获得对于在相同或不同衬底上的器件图案的量测数据的相当的或可比的贡献,而无需实际从所述器件图案获得所述量测数据。例如,因为适用的一个或更多个处理变量具有与器件图案和单独的图案相当的或可比的效果,则对于所述器件图案的量测的贡献可以被估计为与所述剩余贡献相同。在一实施例中,所述单独的图案是用于测试目的的图案(例如,量测目标),并且在所述单独的图案上执行量测不影响所述衬底上的器件图案。
因此,通过组合贡献和/或从经图案化衬底量测数据中去除贡献,可以获得衬底的关注参数的估计,而并不必需获得针对该衬底的经图案化衬底量测数据。这是通过认识各种贡献的性质来完成的。
在一实施例中,一个或更多个处理变量的贡献可以是设备(例如,光刻设备)特定的;也就是说,贡献是对于某个实际设备或设备的组合特定的。因而,在一实施例中,可以跨越每个衬底来重复地使用所述一个或更多个处理变量的贡献。因此,一个或更多个处理变量的贡献可以被预先表征,并且针对各种组合/去除过程从数据库获取一个或更多个处理变量的贡献。所述贡献可以作为设备的整体或特定部分(例如,蚀刻腔室)而是设备特定的。这样的变量的示例可以包括但不限于在所述光刻设备中图案转印的上游或下游的过程的各种特性,诸如旋涂、曝光后焙烤、显影、蚀刻、沉积、掺杂和/或封装。
在一实施例中,一个或更多个处理变量的贡献对于具体衬底并非是特定的(且因此可以跨越衬底而使用)。因而,一个或更多个处理变量的贡献可以被预先表征,并且然后针对各种组合/去除过程从数据库获取一个或更多个处理变量的贡献。通过将一个或更多个处理变量的这种贡献与针对特定衬底的一个或更多个变量的数据以及灵敏度关系相结合,可以将一个或更多个处理变量的这种贡献应用于特定衬底。这样的变量的示例可以包括但不限于:照射的变量、投影系统变量、聚焦、剂量、带宽、曝光持续时间、高频平台移动的特性(例如,衬底平台的移动的移动标准偏差(MSD)、衬底平台的移动的移动平均值、频率、量值等)、高频激光带宽变化(例如频率、量值等)、高频激光波长变化和/或衬底的平坦度。
在一实施例中,一个或更多个处理变量的贡献可以是衬底特定的。例如,可以针对每个衬底或特定组的衬底确定贡献。这样的变量的示例可以包括但不限于:衬底几何形状(高度图、变形图)、衬底处理条件、照射的变量、投影系统的变量、聚焦、剂量、带宽、曝光持续时间、高频平台移动的特性(例如,衬底平台的移动的移动标准偏差(MSD)、衬底平台的移动的移动平均值等)、高频激光带宽变化(例如频率、量值等)、高频激光波长变化和/或衬底的平坦度。
在一实施例中,一个或更多个处理变量的贡献可以是图案或图案形成装置特定的。即,贡献对于某个实际图案形成装置的、或待由图案形成装置提供的特定图案是特定的。此贡献可以与另外衬底无关。因而,可以预先表征图案或图案形成装置特定的贡献,并且随后针对以各种组合过程而从数据库获得图案或图案形成装置特定的贡献。这种变量的示例可以包括但不限于图案形成装置特征CD、辅助特征的形状和/或部位、由分辨率增强技术(RET)施加的调整,等等。
在一实施例中,与不同处理变量相关联的贡献可以具有不同的空间均匀性。例如,一些处理变量的贡献可以跨越整个衬底在空间上基本均匀,而其他一些处理变量的贡献可以跨越整个衬底在空间上不那么均匀。这种差异可以归因于所述处理变量的不同性质。例如,与抗蚀剂层、抗蚀剂层的显影、和/或衬底的蚀刻有关的一个或更多个处理变量的贡献倾向于是基本上在空间上均匀的,因为整个衬底通常同时且在同样的条件下被涂覆抗蚀剂层、显影或刻蚀,或者由于例如在一定数目的这些过程期间的所述衬底的旋转而倾向于是对称的。例如,与所述图案转印或所述光刻设备相关联的一个或更多个处理变量的贡献倾向于是在空间上不均匀的,这是因为图案转印倾向于是部位特定的、并且一个或更多个处理变量可以在对一个部位的图案转印与对其他部位的图案转印之间改变。因此,如果可以从经图案化衬底量测数据中去除在空间上基本不均匀的贡献,则可以从经图案化衬底量测数据获得在空间上基本上均匀的贡献。
因此,在特定示例中,可以从所述光刻设备针对所述衬底上曝光的每个点而收集处理变量数据,诸如调平信息、衬底的移动的移动平均值(MA)、MSDxyz、剂量、激光带宽、光瞳形状等。此数据通常在光刻设备中(例如在诊断文件中)已经可用。根据此数据,可以使用一种描述关注参数对一个或更多个处理变量的灵敏度的、用于关注参数的模型,来生成上述贡献。可以从模拟或从实验中获得所述一个或更多个灵敏度。假设涂覆显影和抗蚀剂模型校准将会是完美的,则以这种方式产生的贡献是在抗蚀剂显影后在测量过程中所期望见到的。当衬底被测量时,例如在显影之后或在蚀刻之后,该贡献被从经图案化衬底量测数据中去除。现在,剩余贡献是图案转印前过程或图案转印后过程(例如,由涂覆显影系统和/或蚀刻设备,其通常是场间的)和图案形成装置(场内)的贡献。光刻设备误差将会已经根据经图案化衬底量测数据而被校正。类似地,可以测量所述图案形成装置的贡献并且去除其贡献以留下图案转印前过程或图案转印后过程的贡献。可以按过程流程(例如,图案化过程步骤和/或所用设备的组合)或按特定设备或其一部分(例如,蚀刻设备或蚀刻腔室)去除贡献。
因此,通过这些技术,可以通过所建模的关系或通过从经图案化衬底量测数据中移除已知的贡献,来获得对关注参数的贡献。此外,一个或更多个贡献可以是设备特定的、但也与衬底无关的。但是,一个或更多个其他贡献可以是衬底特定的。因而,通过贡献的适当地混合和匹配,可以估计出在图案化过程中在某个点处的关注参数的估计。
因此,现在将在聚焦、CD和重叠的情况中描述这些贡献的应用的一些具体示例,以确定针对衬底的相应聚焦、CD和重叠的估计。应当理解,可以处理和估计关注的另外的或其他参数。
为了实现这些示例,使用了各种数据。例如,光刻设备具有集成在其中的显著的量测能力,其用于图案转印控制。这种集成的量测的示例是所述衬底的位置测量装置(例如传感器IF)和/或用于伺服控制的图案形成装置,用于测量衬底表面以进行调平控制的调平传感器(例如传感器LS),用以测量所述衬底的取向、位置和/或变形以实现重叠控制的对准传感器(例如传感器AS),和/或用以控制投影系统的波前的像差传感器(例如上述剪切干涉仪)。所述光刻设备将使用来自这些传感器的数据以供以下程度的控制:满足其总体CD、重叠和/或聚焦预算,但同时还要跟踪在控制之后留下的残差和/或误差。这些残差和/或误差可用于计算在图案转印期间形成了何种CD、重叠和/或聚焦误差,即光刻设备对CD、重叠和/或聚焦指纹的贡献。将会理解,在图案化过程中所使用的其他设备可以具有针对设备的适用量测的类似信息。
此外,光刻设备的设置或控制可以使用一个或更多个数学模型来确定相应的校准或控制校正。但是,这样的一个或更多个模型可能具有内置的导致非零残差误差的假设或限制。这样的模型残差可用于计算产形成了何种CD、重叠和/或聚焦误差,即模型对CD、重叠和/或聚焦指纹的贡献。将会理解,在图案化过程中所使用的其他设备可以具有相似的模型信息。
此外,可以通过使用抗蚀剂内测量来设置光刻设备,以帮助去除一个或更多个参数(例如,聚焦、重叠等)的任何全局和局部指纹。但是,全局指纹会从上一次校准被执行开始随时间推移而漂移。为了监控和控制此设置状态,可以对监控衬底进行曝光和测量以监控所述全局指纹。监控衬底可以是基础衬底,其衬底中具有界限清楚的(即良好地限定的)图案,抗蚀剂层被施加在衬底上、利用与界限清楚的图案相关的图案而被曝光、被显影然后被测量。一旦被测量,则在所述监控衬底上的抗蚀剂可以被剥离,以留下界限清楚的图案,从而可以施加新的抗蚀剂层。基于这些测量,可以对所述光刻设备进行校正,且因此在确定贡献时需要考虑这些校正。在一实施例中,监控衬底可以用以通过使用界限清楚的图案来确定重叠和/或通过使用抗蚀剂图案来确定聚焦。
转到聚焦的示例,该技术实质上涉及两个主要部分。第一部分实质上是一种用以确定光刻设备的基础聚焦贡献的设置过程,该基础聚焦贡献并没有反映在用于确定估计过程中针对特定衬底的聚焦的估计的一种或更多种类型的光刻设备处理变量中。第二部分是估计过程,该过程使用与针对所考虑的衬底的那些一种或更多种类型的光刻设备处理变量相关联的聚焦贡献来确定针对特定衬底的聚焦的估计。
因此,在根据一个实施例的设置过程中,针对一个或更多个衬底获得了经图案化衬底聚焦量测数据,且然后类似于上述图10中所述,去除一种或多种类型的光刻设备处理变量的贡献。可以去除的一种类型的贡献是与例如光刻设备的调平传感器相关联的衬底高度残差或误差图的聚焦贡献。可以去除的另一种类型的贡献是投影系统像平面偏差(IPD)的聚焦贡献,其可以例如根据剪切干涉仪和/或投影系统模型残差而获得。可以去除的另一种类型的贡献是图案形成装置和/或衬底伺服控制(例如MA)的聚焦贡献,其可以根据适用的定位装置、位置测量装置(例如传感器IF)和/或伺服控制模型的残差而获得。如上所述,可以通过模拟、数学建模和/或实验来确定从处理变量到聚焦贡献的转换。
根据需要,所述贡献指纹可以被重新栅格化到同一栅格(可以与多个贡献指纹之一的栅格相同,也可以为不同的栅格)。类似地,可以将所述贡献指纹重新栅格化到经图案化衬底量测数据,反之亦然。在一实施例中,重新栅格化包括上采样或下采样。
在一实施例中,期望在将一贡献与另一贡献组合之前将滤波(例如,移动平均、解卷积、FFT等)施加于该贡献。
在一实施例中,可以有效地一次确定所述光刻设备的基础聚焦贡献并将其用于各种聚焦估计,且因而,与测量每个衬底相比,可以显著地减少量测的量。在一实施例中,可以通过相对稀疏地采样所述衬底上的部位(例如,衬底上的500个目标或更少)和/或来自一个或更多个批次(例如,来自25个或更多的衬底中的10个或更少的衬底)的衬底的数量,来获得经经图案化衬底聚焦量测数据。
在一实施例中,经图案化衬底聚焦量测数据可以是如上所述的监控衬底的所测量到的聚焦指纹。因而,可以使用已经被捕获的数据。因此,所测量的聚焦指纹可以针对从光刻设备传感器信息中所导出的光刻设备影响而进行校正,例如投影系统像平面偏差(IPD)的聚焦贡献、所述衬底高度残差或误差图的聚焦贡献、和/或图案形成装置的聚焦贡献和/或衬底伺服控制,以达到所述光刻设备的基础聚焦贡献。
然后存储所述光刻设备的基础聚焦贡献,以用于聚焦的产品上估计。可以针对多个光刻设备确定光刻设备的基础聚焦贡献。可以针对所使用的光刻设备的装置的特定组合来确定光刻设备的基础聚焦贡献。例如,光刻设备可以具有多于一个衬底台以供在其上曝光衬底,且因此可以针对所使用的装置的特定组合和/或多个组合来确定光刻设备的基础聚焦贡献。
然后,针对产品上估计,则针对关注的衬底而获得了与聚焦有关的一种或更多种类型的光刻设备处理变量的误差或残差,并且确定其聚焦贡献。例如,针对关注的衬底,可以获得投影系统像平面偏差(IPD)的聚焦贡献、衬底高度残差或误差图的聚焦贡献、和/或图案形成装置和/或衬底伺服控制的聚焦贡献。可以添加的另一种类型的贡献是图案形成装置误差的聚焦贡献,图案形成装置误差归因于被用于关注的特定衬底的图案形成装置,这可以通过测量获得。如果在不将图案形成装置用于关注的衬底的情况下获得了所述光刻设备的适用的基础聚焦贡献,则可以特别地使用该贡献。
此外,如上所述,获得了所述光刻设备的适用的基础聚焦贡献。然后,类似于以上关于图9所描述的,将光刻设备的适用的基础聚焦贡献与所关注衬底的一个或更多个特定聚焦贡献相结合,以获得针对所关注衬底的估计的聚焦指纹。因此,可以在任何衬底上的任何部位处、或几乎任何位置处确定聚焦误差的估计值。
现在转向CD实例,原则上存在可能导致衬底中CD变化的许多处理变量。在此实施例中,考虑了跨越所述衬底上的某些CD变化。特别地,关于聚焦、聚焦模糊、剂量和总体过程而考虑了CD变化贡献。也可以考虑所述图案形成装置(所述图案形成装置是CD变化的场内贡献因素),但是仅出于方便起见将不再对其进一步描述。
对CD的聚焦贡献可以基于如上所述的聚焦贡献,特别是基础光刻设备聚焦贡献与针对所考虑的衬底的所述光刻设备的一个或更多个处理变量的聚焦贡献的组合。针对任何图案特征,这种密集的聚焦信息原则上可以被转换为跨越所述场和/或跨越衬底的ΔCD贡献,假设例如,所述特征的Bossung行为(光刻后和/或蚀刻后)可以通过实验或模拟得知。因此,对于衬底上具有聚焦值的任何部位(x,y),可以计算出与该衬底位置(x,y)对应的CD值:
CD(HDFMx,y)=Φ1(HDFMx,y)
其中,HDFM对应于聚焦图,诸如上面在聚焦示例中描述的所导出的高密度聚焦图。
可以使用诸如伺服信息(例如,z方向上的MSD)之类的光刻设备数据来获得对CD的聚焦模糊贡献。所述聚焦模糊信息可以被转换为跨越扫描方向和跨越所述衬底的ΔCD贡献。这种聚焦模糊数据到CD的转换也是特征特定的,可以通过实验或模拟来得知:
CD(fblurx,y)=Φ2(fblurx,y)
其中,fblur对应于聚焦模糊。
对CD的剂量贡献是由于所述光刻设备的剂量变化(例如,由剂量映射系统确定)。使用适用特征的合适剂量灵敏度,可以将曝光过程中跨越所述衬底的剂量变化转化为ΔCD贡献,这可以通过实验或模拟而得知:
CD(dosex,y)=Φ3(dosex,y)
对CD的总体过程贡献是CD的变化,它是由作为图案化过程的一部分的、与图案转印分开的各个过程步骤引起的。因而,在一实施例中,所述总体过程贡献是最终蚀刻步骤之后的CD变化的状态,并且不归因于在估计所述CD变化时考虑的各种其他CD变化。因而,在一实施例中,此贡献是由例如薄膜沉积变化、焙烤和/或显影变化、和/或蚀刻过程变化引起的所有未考量的过程变化的累积效应。对于对CD的总体过程贡献做出贡献的过程变量的示例可以包括抗蚀剂层下方的结构的特性、抗蚀剂层的化学组成和/或实体尺寸、和/或光刻设备中的图案转印的上游或下游的一个或更多个过程(例如旋涂、曝光后焙烤、显影、蚀刻、沉积、掺杂和/或封装)的特性。并且,尽管以蚀刻后的方式描述了对CD的总体过程贡献,但是可以对于图案化过程中的不同点获得总体过程贡献,例如,在显影之后但在蚀刻之前获得。
因此,类似于聚焦示例的设置过程,可以使用由于聚焦、聚焦模糊、和剂量而引起的所有这些ΔCD贡献,并且将所有这些ΔCD贡献从衬底CD测量结果中减去,以估计所述总体过程贡献。即,在一实施例中,可以根据蚀刻后的锚固特征CD测量结果而产生蚀刻后的总体过程贡献,从所述蚀刻后的锚固特征CD测量结果去除针对聚焦、聚焦模糊和剂量(用于锚固特征)的ΔCD贡献。如所指出的,所述总体过程贡献是根据合适的锚固特征来估计的。因此,在一实施例中,可以根据锚固特征来确定对于其他特征的所述总体过程贡献。例如,所述总体过程贡献的其余部分可以被表示为锚固特征的特性的一部分。在对于图案化过程中的不同点获得了所述总体过程贡献的情况下,例如在显影后但在蚀刻之前获得,则可以使用显影后但在蚀刻之前进行的CD测量结果。
在一实施例中,可以有效地一次确定所述总体过程贡献,并且将所述总体过程贡献用于各种CD估计,且因而,与测量每个衬底相比,可以显著地减少量测的量。在一实施例中,可以通过对所述衬底上的部位(例如,衬底上的500个目标或更少)和/或来自一个或更多个批次(例如,来自25个或更多的衬底的批次中的10个或更少的衬底)的衬底的数量相对稀疏地进行采样,来获得经图案化衬底聚焦量测数据。
然后存储所述总体过程贡献,以用于CD的产品上估计。可以针对特定的和/或多种设备配置(例如,一个或更多个特定的蚀刻腔室、蚀刻腔室和焙烤板的一个或更多个特定组合、衬底台和蚀刻腔室的一个或更多个特定组合等)来确定所述总体过程贡献。
然后,类似于上述聚焦估计步骤,可以获得产品上CD的估计。在一实施例中,针对关注的衬底而获得与CD有关的一种或更多种类型的光刻设备处理变量的误差或残差,并且确定其CD贡献。例如,对于关注的衬底可以获得聚焦、聚焦模糊和/或剂量的CD贡献。可以添加的另一种类型的贡献是图案形成装置误差的CD贡献,图案形成装置误差归因于被用于关注的特定衬底的图案形成装置,这可以通过测量获得。
此外,如上所述,获得了对CD的适用的总体过程贡献。然后,类似于以上关于图9所描述的,将对CD的适用的总体过程贡献与关注的所述衬底的一个或更多个特定CD贡献相结合,以获得用于关注的衬底的估计的CD指纹。因此,可以在任何衬底上的任何部位或几乎任何部位处确定CD误差的估计值。
此外,可以针对衬底上的关注的一个或更多个特定图案特征(诸如热点)进行估计。如上所述,针对特定锚固特征确定了对CD的总体过程贡献,但可以针对关注的一个或更多个特定特征进行缩放。此外,基于对CD变化与一个或更多个类型的光刻设备处理变量之间的一个或更多个特定特征的适当灵敏度,可计算一种或更多种类型的光刻设备处理变量(诸如聚焦、聚焦模糊和/或剂量)的CD贡献。可以例如通过模拟和/或实验来获得这种灵敏度。因而,可以获得多个CD衬底指纹,每个指纹用于图案的不同热点或关注的其他特征。
可以例如在一个或更多个相关模型(例如图案形成装置和/或像差模型)中例如利用更多的参数来改进该量测。该量测可以通过例如估计所述总体过程贡献(例如通过将总体过程贡献分解成对不同特征具有不同灵敏度的不同的贡献因素,例如,沉积、光刻、和/或蚀刻)来扩展。
在一实施例中,可以在结果中校正作为所述图案化过程的一部分而应用的剂量校正。例如,光刻元可以使用例如ASML的Dosemapper系统即剂量映射器系统来应用剂量校正。因此,在确定CD的估计时考虑了此校正。
现在转到重叠示例,使用来自到衬底上的至少两次不同的图案转印的数据。该技术类似于以上关于聚焦和CD示例所描述的技术。
该技术主要涉及两个主要部分。第一部分有效地是一种设置过程,用以确定所述光刻设备的基础重叠贡献,其并没有反映在一种或更多种类型的光刻设备处理变量中,该变量用于确定在估计过程中特定衬底的重叠的估计。可选地,类似于以上论述的CD示例的整个过程CD贡献,也可以确定总体过程重叠贡献。第二部分是估计过程,该过程使用与针对至少两次图案转印中的每一次图案转印的、对于所考虑的衬底的那些一种或多种类型的光刻设备处理变量相关联的重叠贡献来确定针对特定衬底的重叠的估计。
因此,在根据一个实施例的设置过程中,针对一个或更多个衬底获得经图案化的衬底重叠量测数据,然后类似于以上在图10中所描述的,去除了对于至少两次图案转印中的每一次图案转印的一种或多种类型的光刻设备处理变量的贡献。可以去除的一种类型的贡献是例如从光刻设备的水平传感器获得的衬底高度图的重叠贡献。可以对针对两次图案转印的衬底高度图找到差异,且然后可以将该差异转换为重叠值,且因而得到重叠贡献。例如,通过将高度差视为所述衬底的翘曲或弯曲并且使用第一原理来计算X和/或Y位移,可以将Z高度差转换为X和/或Y位移(例如,位移可以是Z的变化相对于X或Y的变化乘以衬底厚度的一半(例如在所述衬底的夹持区域中),或者可以使用Kirchoff-Love板理论在例如所述衬底的非夹持区域中计算位移)。在一实施例中,可以通过模拟,数学建模和/或实验来确定高度到重叠贡献的转换。因此,通过在每次图案转印中使用这种衬底高度信息,可以观察到并且考虑由于聚焦或卡盘点引起的重叠影响。
可以去除的另一种类型的贡献是图案形成装置和/或在X和/或Y方向(包括绕Z轴旋转)的衬底伺服控制(例如MA)的重叠贡献,其可以根据适用的定位装置、位置测量装置(例如传感器IF)和/或伺服控制模型的残差而获得。对于两次图案转印,可以对于跨越所述衬底的伺服控制值找到差异,且然后该差异可以表示所述重叠贡献。在需要的情况下,可以通过模拟、数学建模和/或实验来确定从伺服控制值到重叠贡献的转换。
可以去除的另一种类型的贡献是投影系统像差(例如可以从剪切干涉仪获得)的重叠贡献和/或投影系统模型残差。可以通过模拟、数学建模和/或实验来确定从像差和/或残差到重叠贡献的转换。
可以去除的另一种类型的贡献是对准系统模型残差的重叠贡献,其可以由光刻设备提供。可以通过模拟、数学建模和/或实验来确定从残差到重叠贡献的转换。在一实施例中,所述对准系统模型残差对于不同的图案转印步骤可以是不同的,并且因而可以将用于不同图案转印步骤的对准系统模型残差的组合/差异用来获得所述重叠贡献。在一实施例中,可以针对衬底高度而校正所述对准模型残差。
根据需要,可以将贡献指纹重新栅格化到同一栅格。类似地,可以将贡献指纹重新栅格化到经图案化衬底量测数据,反之亦然。
在一实施例中,可以有效地一次确定所述光刻设备的基础重叠贡献并且将其用于各种重叠估计,且因而,与测量每个衬底相比,可以显著地减少量测的量。在一实施例中,可以通过相对稀疏地采样所述衬底上的部位(例如,衬底上的500个目标或更少)和/或来自一个或更多个批次(例如,来自25个或更多的衬底中的10个或更少的衬底)的衬底的数量来获得经图案化衬底重叠量测数据。
在一实施例中,经图案化衬底重叠量测数据可以是如上所述的监控衬底的测量到的重叠指纹。因而,可以使用已经被捕获的数据。因此,所测量的重叠指纹可以针对从光刻设备传感器信息中导出的光刻设备影响而进行校正,诸如投影系统的重叠贡献、衬底高度的重叠贡献、对准模型残差的重叠贡献、和/或图案形成装置和/或衬底伺服控制的重叠贡献,以达到所述光刻设备的基础重叠贡献。在一实施例中,所测量的重叠指纹数据将会被一次捕获以用于所述产品衬底的第一次图案转印,且然后再次被捕获以用于第二次图案转印(在图案转印之间对监控衬底进行返工)。在一实施例中,经图案化衬底重叠量测数据是重叠增量指纹,重叠增量指纹是根据第一次图案转印之后从一个或更多个监控衬底所测量的重叠指纹与第二次图案转印之后从一个或更多个监控衬底所测量的重叠指纹之间的差而获得的。因此,通过在与产品层大约同时曝光一组监控衬底,可以量化所述光刻设备在短期漂移方面对重叠的贡献。即,然后利用重叠增量指纹,可以获得由于第一次图案转印与第二次图案转印之间的短期漂移而引起的光刻设备对场间重叠的贡献。
可选地,在需要蚀刻后重叠的情况下,可以确定对重叠的蚀刻过程贡献,这是由蚀刻引起的重叠变化。为了获得蚀刻过程重叠贡献,可以从蚀刻后经图案化衬底量测数据中去除显影后但在蚀刻之前的经图案化衬底量测数据,以获得蚀刻过程重叠贡献。在一实施例中,可以有效地一次确定所述刻蚀过程重叠贡献,并且将其用于重叠估计,且因而,与测量每个衬底相比,可以显著地减少量测的量。在一实施例中,可以通过相对稀疏地采样所述衬底上的部位(例如,衬底上的500个目标或更少)和/或来自一个或更多个批次(例如,来自25个或更多的衬底中的10个或更少的衬底)的衬底的数量,来获得经图案化衬底重叠量测数据。在第一次或第二次图案转印时引起的蚀刻过程指纹可以用增量指纹来推导,增量指纹是显影后但蚀刻前的重叠测量结果与(第一次或第二次图案转印中的另一个的蚀刻之后)蚀刻后重叠测量结果之间的增量指纹,假设该蚀刻指纹在每次图案转印之后是相同的。
然后,存储所述光刻设备的基础重叠贡献(和可选的蚀刻过程重叠贡献),以用于重叠的产品上估计。可以为多个光刻设备确定所述光刻设备的基础重叠贡献。可以针对所使用的所述光刻设备的装置的特定组合,来确定所述光刻设备的基础重叠贡献。例如,所述光刻设备可以具有一个以上的可供衬底在其上曝光的衬底台,且因此可以针对所使用的装置的特定组合和/或多个组合来确定所述光刻设备的基础重叠贡献。可以针对特定和/或多种设备配置(例如,一个或更多个特定蚀刻腔室)来确定蚀刻过程重叠的贡献。
然后,对于产品上估计,针对关注的衬底获得与重叠有关的一种或更多种类型的光刻设备处理变量的误差或残差,并且确定其重叠贡献。例如,对于关注的衬底,可以获得所述投影系统的重叠贡献、所述衬底高度的重叠贡献、对准模型残差的重叠贡献、和/或图案形成装置和/或衬底伺服控制的重叠贡献,以达到所述光刻设备的基础重叠贡献。在一实施例中,仅获得衬底高度的重叠贡献。
此外,如上所述,获得了所述光刻设备的适用的基础重叠贡献,并且可选地,获得了适用的蚀刻过程重叠贡献。然后,类似于以上关于图9所描述的,将所述光刻设备的适用的基础重叠(以及可选地,可选的蚀刻过程重叠贡献)贡献与关注的所述衬底的一个或更多个特定重叠贡献相结合,以获得用于关注的所述衬底的估计的重叠指纹。因此,可以在任何衬底上几乎任何部位处确定重叠的估计值。
在一实施例中,可以在结果中校正作为所述图案化过程的一部分而应用的重叠校正。例如,使用例如ASML的Baseliner系统,所述光刻元可以例如基于所述监控衬底的测量结果来施加重叠校正。因此,在确定重叠的估计时考虑了此校正。
在一实施例中,在多重图案化过程中,期望曝光和光刻设备条件(例如,曝光剂量、图案形成装置透射率、图案形成装置合格误差、照射设置、光刻设备衬底夹持误差等)在第一次和第二次图案转印步骤之间都非常相似。此外,在第一次和第二次图案转印步骤之间,期望在场内程度的曝光和加热识别标志相似,且因此对重叠的这种影响应该很小。
此外,在一实施例中,多个预测可以被组合。例如,重叠预测和CD预测可以被组合。例如,在使用不同的图案转印步骤创建彼此相邻的结构并且这些结构之间具有间隙的多重图案化情况下,与单独的重叠或CD估计相比,不同图案转印步骤中一个或更多个图案转印步骤中的CD的组合以及不同图案转印步骤的重叠可以更好地预测间隙的大小。
然后,图11示意性地示出了根据一个实施例的方法的流程。特别是,它显示了广义贡献(诸如,所述光刻设备的基础聚焦贡献、对CD的总体过程贡献、和/或所述光刻设备的基础重叠贡献(以及可选地,适用的蚀刻过程重叠贡献))如何可以被施加到针对关注的衬底的特定信息以获得对衬底的关注参数的估计。因此,贡献912对应于特定衬底的(例如针对于热点)一个或更多个处理变量。这可以通过根据装置信息等进行建模来确定。此外,获得适用于多个衬底的贡献922,诸如所述光刻设备的基础聚焦贡献、对CD的总体过程贡献、和/或所述光刻设备的基础重叠贡献(以及可选地,适用的蚀刻过程重叠贡献)。可以使用本文描述的任何技术来获得贡献922。可以针对多个衬底(例如,针对每个关注的衬底)来确定贡献912,同时可以跨越多个衬底而重复地使用所述贡献922。贡献912和贡献922被组合以获得例如热点的关注参数的估计950,而不必要求获得针对热点的经图案化衬底量测数据。在程序970中,基于所关注的参数的估计来采取行动,诸如在热点处是否存在缺陷。
因而,可以利用装置传感器数据来增强抗蚀剂内和/或蚀刻后量测,以获得计算的量测,该计算的量测例如可以为每个衬底提供密集的量测,而不必具有衬底的密集采样和/或为许多(如果不是每一个)衬底提供量测,不必获得针对每个这种衬底的经图案化衬底量测数据。此外,密集的计算量测可以实现例如更高阶的校正。计算的量测还可以实现较大的控制,包括可能的每个衬底控制,而不必获得对于每个这样的衬底的经图案化衬底量测数据和/或不必密集地在衬底上测量经图案化衬底量测数据。
此外,来自这些计算量测技术的估计可以实现各种应用,诸如图案化过程控制(例如,一个或更多个过程变量的调整)、图案化过程监控、故障检测、缺陷预测、图案化过程设计,等等。
在一实施例中,导出的贡献(诸如使用图10导出的)可以用于对数学模型进行参数化,以用于确定一个或更多个处理变量的变化对关注参数的贡献。即,可以针对所导出的贡献来拟合数学模型,由此获得该数学模型的一个或更多个参数、常数等的值。因此,作为示例,期望具有模型以及模型中所表示的任何灵敏度以适应过程和/或衬底叠层中的变化。因此,在一实施例中,可以生成用于将被测量的每个衬底的所预测的衬底指纹。为此,可以建立关注参数的模型,例如,对于CD,模型包括CD=a1*DOSE+a2*FOCUS2+a3*MSDx+a4*MSDy+a5*MSDz+...。通过测量衬底,可以去除过程前和/或过程后(例如,涂覆显影/蚀刻)指纹和图案形成装置指纹。剩余的指纹测量结果可以与预测值进行比较。在这种情况下,现在存在一组方程式(与测量点一样多的方程式),其中CD、剂量、聚焦、MSD-xyz、像差等是已知的。可以针对所需的灵敏度(a1,a2,...)求解这组方程式。当针对对于某种器件图案所测量的许多衬底执行此操作时,将有足够的数据以重新估计所需的灵敏度。如果使用来自多个光刻设备的数据和/或以相同的方式使用来自聚焦曝光矩阵曝光的数据,则输入信号中的充分变化(例如,聚焦、剂量、MSD、CD等)可以实现灵敏度的适当估计。此外,该技术可以被应用于关注的其他参数,诸如聚焦深度、曝光范围、重叠、边缘位置,等等。
在一实施例中,可以使用训练算法来增加进一步的准确度。例如,当解出了对像差的灵敏度时,可以考虑边界条件,即像差只能在狭缝上变化,并在拟合这些灵敏度之前对CD(或重叠)数据进行预滤波。在一实施例中,通过不时地或连续地重新评估灵敏度,灵敏度可以变得相对于图案化过程中的变化是鲁棒的。
在上述贡献/指纹的另一应用中,可以使用一个或更多个贡献/指纹来预测图案的轮廓。在本情境中,轮廓是被转印到衬底上的图案的特征的形状的轮廓线。轮廓可以例如通过处理衬底的图像(例如,扫描电子显微镜图像)以提取被转印到所述衬底上的图案特征的形状的外边界而可视化。但是,也可以通过数学过程(例如,模拟)来生成轮廓,以在图案特征预期被转印到所述衬底上时创建图案特征的电子表示。尽管轮廓将通常呈线的形式,但是如本文中所使用的轮廓可以被更概括或泛化为描述所述特征的边界的数据。所述轮廓不必是连续的;也就是说,如果不连续的轮廓线和/或数据足以描述所述特征的边界,则轮廓线和/或数据在所述特征周围可以是不连续的。在一实施例中,所述轮廓可以是二维的(即,限定平面)或三维的。在一实施例中,所述轮廓可以在与形成有所述图案的衬底的表面基本平行的平面中延伸。在一实施例中,所述轮廓可以在与形成有所述图案的衬底的表面基本垂直的平面中延伸;在这种情况下,它可以被表征为轮廓,并且可以是二维或三维形式。
为了预测所述轮廓,可如本文所描述而获得一个或更多个贡献/指纹,并且将所述一个或更多个贡献/指纹用来选择某个标称轮廓和/或修改标称轮廓,以便得出预测轮廓。在2017年2月22日提交的美国申请号62/462,201中描述了使用一种或更多种贡献/指纹的轮廓的这种预测和用法、连同本文所描述的一种或更多种贡献/指纹的其他用法的细节,该申请通过引用整体合并入本文。
如上所述,在一实施例中,本文的计算量测技术可以使用来自图案化过程的设备(例如,光刻设备)的数据和来自量测设备(例如,上述参照图3至5所描述的量测设备之一)的数据的组合,以产生针对衬底的图案化过程的关注的特定参数(例如,重叠、边缘放置误差,等等)的导出的贡献或指纹。因此,在这样的计算量测应用中,基于量测和图案化过程设备(例如,光刻设备)输入来生成关注的特定参数的混合密集指纹。例如,对于重叠指纹,输入可以是例如使用一个或更多个监控衬底进行的测量、来自图案化过程制造设备(例如光刻设备)的数据或测量结果、和/或来自量测设备(诸如,上面参照图3至5所描述的量测设备之一)的测量结果(诸如蚀刻后检查(AEI)或显影后检查(ADI)测量结果)。
对于上述混合密集指纹,使用对量测目标(例如ADI和/或AEI)进行测量的量测设备来对关注的参数进行相对密集的测量,以能够实现在来自目标的参数测量结果与器件图案响应之间的良好匹配,以便生成指纹。因而,将会期望例如能够使用由对量测目标进行测量的量测设备来对关注的参数进行较不密集的测量。使用较不密集的测量可以实现增大的吞吐量,因为可能需要对量测目标的较少测量。
另外地或替代地,上述所得指纹对于所有器件图案特征可以是通用的,并且可以不参考例如临界器件图案特征(也称为热点)。因而,将会期望能够针对器件图案的多个特征中的每个特定特征生成对所述器件图案的特定特征特定的指纹。在一实施例中,所述指纹可以是对一个或更多个临界器件图案特征特定的。具有与临界器件图案特征相关联的关注参数(例如,重叠、聚焦、CD、对准等)的密集图可能是信息量更大的(例如,在器件产率控制方面)。通过聚焦在临界器件图案特征上,则可以通过例如考虑器件图案的特定特征特性来创建所述图案化过程的基于产率的设计、控制、修改等。
参照图12,示意性地示出了生成和使用对器件图案的具体特征特定的指纹的方法的实施例。概括而言,该方法涉及通过模拟(例如,全芯片模拟)、使用量测目标的量测测量(例如针对重叠指纹的ADI/AEI重叠测量)、和器件上图案测量的组合,针对一个或更多个特定的器件图案特征,跨越衬底的至少部分来创建关注的指纹(图)的参数。例如,可以针对一个或更多个临界器件图案特征中的每一个创建参数指纹。利用所述一个或更多个参数指纹(例如,针对一个或更多个临界器件图案特征),则可以使用所述一个或更多个参数指纹来设计、校正、控制、修改所述图案化过程的一个或更多个方面(例如,设备、子过程、所使用的消耗品(例如,图案形成装置)等)。在一实施例中,相应器件图案特征的可用的多个参数指纹的加权组合可以被用于所述图案化过程的方面的设计、校正、控制、修改等;即,与相应特定器件图案特征相关联的一个或更多个参数指纹可以比与其他相应器件图案特征相关联的一个或更多个其他参数指纹被更高地加权。这样的设计、校正、控制、修改等可以包括在所述图案化过程中被使用的设备(例如,光刻设备、蚀刻工具、沉积工具等)的设置的配置以使用所述图案化过程来在衬底上制造器件图案。在一实施例中,所述设计、校正、控制、修改等可以包括光刻设备设置的修改(例如,诸如衬底之类的物体的X,Y或Z运动的控制的修改、投影系统像差的特定校正(例如,在所述投影系统中使用致动器或其他波前操控装置)、用于对衬底曝光的照射剂量的变化(例如,通过在照射系统中控制辐射源和/或使用剂量调制装置)等)。
在1100处,描绘了图案形成装置图案的示例的高度示意性的布局,其具有如在图案形成装置处所提供的器件图案特征和量测目标。所述器件图案特征被标记为特征A、B、C和D。应当理解,特征A的每个实例基本上是相同类型的图案布局,特征B的每个实例基本上是相同类型的图案布局,特征C的每个实例基本上是相同类型的图案布局,特征D的每个实例基本上是相同类型的图案布局。此外,特征A-D中的每个可以与其他特征不同。此外,量测目标被标记为目标1、2和3。应当理解,目标1的每个实例是基本上相同类型的量测目标,目标2的每个实例是基本上相同类型的量测目标,并且目标3的每个实例是基本上相同类型的量测目标。在一实施例中,量测目标1至3中的每一个可以与其他目标不同(例如,在目标周期性结构的间距方面不同、在目标周期性结构的特征的分段方面不同、在占空比方面不同,等等)。众所周知,使用光刻过程将所述器件图案特征和量测目标转印到所述衬底。在针对重叠的量测目标的情况下,目标1、2和3可以是针对衬底上的下层的目标或针对衬底上的上层的目标,其中目标1、2或3通常位于在下层中的对应目标上方,或上层中的对应目标将通常位于目标1、2或3上方。
在1110处,执行将所述图案形成装置图案转印到所述衬底上的模拟,例如在图案化过程的各种条件下,诸如从所述图案化过程的标称条件的一定量的扰动。例如,图13的图案化模拟方法可以用以生成所述图案形成装置图案(包括所述一个或更多个量测目标)到所述衬底的预测转印。类似地,作为模拟的图案化过程的一部分而创建的一个或更多个量测目标的测量也被模拟,例如在多个测量光束波长和/或多个测量偏振的情况下。例如,可以使用图14的测量模拟方法对测量进行模拟。基于这些模拟,确定了针对所模拟的待在衬底上生产的所述一个或更多个量测目标以及一个或更多个器件图案特征中的每个器件图案特征的关注参数(例如,重叠),以及根据模拟结果来确定了所模拟的待在衬底上生产的所述图案形成装置图案的所述一个或更多个量测目标以及所述一个或更多个器件特征之间的参数的关系。例如,取决于图案转印条件并且对于作为关注参数的重叠,器件图案特征移位可以与重叠目标移位相关。在一实施例中,出于该关系的目的,所述一个或更多个量测目标的关注参数可以与所述一个或更多个器件特征的关注参数不同。针对所述一个或更多个量测目标的关注参数可以为重叠,而所述一个或更多个器件特征的关注参数是边缘放置误差。另外地或替代地,可以建立其他关系,诸如关注参数的一个或更多个光学像差灵敏度、关注参数的一个或更多个聚焦灵敏度、关注参数的一个或更多个剂量灵敏度、关注的参数的一个或更多个间距依赖性等。
在1130处,从一个或更多个衬底获得了关注的适用参数的测量结果,所述图案形成装置图案已经使用图案化过程(为此执行了在1110处的模拟)而被转印到所述一个或更多个衬底。在一实施例中,从跨越具有转印到其上的所述图案形成装置图案的多个实例的整个衬底上获得了测量结果。在一实施例中,从多个衬底获得测量结果,在每个衬底上已经多次转印了所述图案形成装置图案。在一实施例中,作为所述图案化过程的一部分,从被转印到所述一个或更多个衬底的所述一个或更多个量测目标获得测量结果。在一实施例中,关注的参数是重叠,并且测量结果是使用所述一个或更多个量测目标的ADI和/或AEI而获得的重叠测量结果。在一实施例中,在多个测量束波长和/或多个测量光束偏振的情况下获得重叠测量结果。
在1120处,将来自一个或更多个量测目标的关注参数的测量结果与模拟结果相匹配。即,使用从所述模拟确定的一个或更多个关系,可以将所测量的关注参数转换为针对器件图案特征的适用的关注参数的等效值(例如,相同关注参数或不同关注参数)。例如,在重叠的情境下,可以使用一个或更多个模拟关系将来自量测目标的重叠的测量结果转换为相关联器件图案特征的预期重叠。在一实施例中,跨越所述衬底获得了量测测量结果,且因而由于跨越所述衬底上的各个部位处的局部条件(例如,衬底不平坦度、蚀刻的变化,等等),则量测测量结果将很可能具有变化的值。因此,在一实施例中,针对一个或更多个特定器件图案特征中的每一个,可以获得预测的关注参数的跨越衬底的至少一部分的图。在一实施例中,关注的参数可以是参数的误差或残差,例如CD误差。考虑所述重叠示例,通过将跨越衬底的至少一部分而得到的量测目标重叠测量结果与使用一种或多种模拟关系跨越所述衬底的至少一部分而创建的特定器件图案特征进行匹配,可以确定跨越衬底至少一部分的特定器件图案特征的预测重叠的图。可以针对另外多个特定的器件图案特征中的每个器件图案特征创建相似的重叠图,每个器件图案特征具有跨越所述衬底的至少一部分上而散布的其实例。在一实施例中,所述重叠图实际上是跨越至少部分所述衬底的重叠向量的空间分布,每个向量具有重叠的方向和重叠的量值。然后,结果是,可以将数据组合以产生每个器件图案特征的预测的关注参数(例如,重叠、边缘放置误差等)。在一实施例中,可以基于全芯片信息来构建衬底图,并且因此可以遍及场/衬底对衬底图密集地采样。
在1140处,从一个或更多个衬底获得了一个或更多个图案形成装置图案特征,已经使用图案化过程(为此已执行了在1110处的模拟)将所述图案形成装置图案转印到所述一个或更多个衬底。在一实施例中,从跨越具有转印到其上的所述图案形成装置图案的多个实例的整个衬底获得了测量结果。在一实施例中,从多个衬底获得了测量结果,在每个衬底上已经多次转印了所述图案形成装置图案。在一实施例中,测量结果是器件上的测量结果。即,所述测量结果是关于器件特征本身的,而不是根据所述器件图案周围的一个或更多个量测目标而获得的测量结果。在一实施例中,使用离子束(例如,电子束)测量技术,诸如电子显微镜,来获得器件上的测量结果。在一实施例中,测量结果是器件图案特征的边缘放置、CD等。
在1150处,基于器件上的测量结果,模拟的器件图案特征(例如,从以上针对1110所描述的模拟而确定)与所测量的关注参数(例如,在1130处确定的并且在1120处与模拟的器件图案特征相匹配)之间的关系可以被相关。这种相关性可以通过对所述器件特征的器件上的测量结果的分析来完成。例如,在重叠的情境下,可对于已基于在模拟的器件图案特征与来自相关联量测目标的所测量重叠之间的关系而预测重叠所针对的特征来识别出根据器件上的测量结果所确定的边缘放置误差,并且所预测的重叠可以与所测量的器件上的边缘放置误差相关。作为示例,在单独的图案化过程执行中所创建的相邻特征的边缘之间的距离的误差可以与预测的重叠相关。然后可以使用所述相关性将预测的重叠转换为对器件特征的边缘放置误差和/或重叠的更准确的预测。且因此,对于每个图案形成装置图案特征,可以按照每个器件图案特征来构建相当高预测性和准确的关注参数(例如,重叠、边缘放置误差,等等)衬底图。
可选地,每个器件图案特征的关注参数衬底图可以具有其他相关联的数据。例如,图可以包括关于与所述图案化过程中的控制参数的交叉依赖性的信息,其中,所述控制参数是可以在由所述图案化过程所使用的设备中被设置以改变至少一部分所述图案化过程的性能的参数。在一实施例中,所述控制参数是控制所述光刻设备的操作的参数。在一实施例中,控制参数是用以控制所述光刻设备内的聚焦、投影系统像差等的参数。因此,关注参数衬底图可以包括与一个或更多个光刻设备控制参数(例如,聚焦,投影系统操作,等等)的一个或更多个交叉依赖性。然后,这种交叉依赖性使得能够进行适当的校正,因为与器件图案的另一个特征相比,器件图案的某个特征的关注参数响应于所述控制参数的值的改变而可能具有值的不同改变。
尽管已经参考了多个图,但是应当理解,一个或更多个图可以被组合成一组合图(被认为是在组合数据结构时被组合在一起的多个图)。在一实施例中,可以将所有图组合成一个组合图;或者可以将图的子集组合成一个组合图、且具有一个或更多个剩余的单独图。例如,用于多个器件图案特征中的每一个的每器件图案特征衬底图可以被变换为组合衬底图,该组合衬底图组合了数据、连同被包括在所述组合衬底图中的一个或更多个器件图案特征中的每个的相关联采样。即,基于所述组合衬底图,可以基于适用的采样定义来选择针对一个或更多个相关器件图案特征的数据。
因此,在步骤1120和1150中,已通过使用计算光刻和量测模拟以及器件上的测量结果1140来将关注参数的测量结果1130(使用一个或更多个量测目标)转换为每个器件图案特征的适用的关注参数图(例如,哪个关注参数与所测量的关注参数相同或不同)。例如,在重叠的情况下,通过使用计算光刻和量测模拟(前馈)以及器件上的测量(反馈),可以将使用一个或更多个重叠量测目标的重叠测量结果转换为每个器件图案特征的重叠图。为了将此技术置入情境中,可以相对快速地获得测量结果1130并且可以相对稀疏地跨越所述衬底而获得测量结果1130。此外,所述一个或更多个量测目标被设计为基本上充当针对所述器件图案特征的行为的代理,但并非是器件图案特征的实际行为的测量结果。因此,在步骤1120处,通过使用一个或更多个模拟关系,则将使用所述一个或更多个量测目标的关注参数的相对稀疏的测量结果转换为与一个或更多个器件图案特征对应的(相同或不同)关注参数的值。特别地,稀疏的测量结果与各种器件图案特征匹配,以针对多个器件图案特征中的每一个提供关注参数的预测值,从而有效地产生每个器件图案特征的关注参数衬底图。理想地,通过将关注参数的量测目标测量结果转换为多个器件图案特征中的每一个,结果是跨越所述衬底的关注参数的较密集的表示,其中每个器件图案特征可以在具备一场/管芯的情况下具有其多个实例,并且将具有跨越在跨越于整个所述衬底的多个管芯/场上的其多个实例。现在,为了反映所述器件图案特征的实际行为,则获得了器件上的测量结果,器件上的测量结果也可能是相对地稀疏的。使用所述器件上的测量结果,则器件上的测量结果之间的相关性、以及模拟的图案特征与所测量的量测目标测量结果之间的相关性可以被建立,以使得能够较准确地预测针对器件图案特征的关注参数。可以使用该相关性来改善针对器件图案特征的所预测的关注参数,以得到每个器件图案特征的相当高预测性且准确的关注参数衬底图。
在1160至1180处,每个器件图案特征的衬底图可用以在所述图案化过程的一个方面(例如,设备(诸如光刻设备、蚀刻工具、沉积工具,等等)、子过程(例如,图案化步骤、蚀刻步骤,等等)、所使用的消耗品(例如,图案形成装置)等)中进行校正。该校正可以是前馈校正或反馈校正。在一实施例中,使用所述光刻设备的一个或更多个控制参数(例如,剂量的控制参数、聚焦的控制参数(例如,所述衬底的Z位置的控制)、对准的控制参数(例如,所述衬底的X和/或Y位置的控制)、光学像差的控制参数等等来在所述光刻设备中进行校正。
在1160处,在存在多个关注参数衬底图(每个图对应于器件图案特征)的情况下,可以基于适用的关注参数衬底图以及基于关于至少部分所述图案化过程的预期或实际行为的数据,来从所述多个器件图案特征中选择一个或更多个器件图案特征的子集。例如,可以识别一个或更多个临界器件图案特征,且然后一个或更多个临界器件图案特征的相应的关注参数衬底图可被用于所述图案化过程的至少一部分的校正中。
在一实施例中,预期的或实际的行为数据包括了来自在所述图案化过程中所使用的设备1180的数据1167,诸如在光刻设备的情况下,则关于所述衬底的实际的或预期的X、Y和/或Z位置的数据(例如,呈移动平均值和/或移动标准偏差信息的形式,呈衬底高度或不平坦度信息的形式,呈对准误差的形式,等等)、关于光学像差(例如,呈例如泽尼克(Zernike)像差规格的形式的像差的测量值)的数据、关于剂量(例如剂量误差,可以由所述设备中的传感器测量)的数据,等等。所述行为数据可以从所述设备作为测量的值而输出,和/或作为所述设备的控制的部分所生成的数据而被输出。可以从在先衬底的处理中收集所述行为数据,以用于控制一个或更多个后续衬底的处理。所述行为数据可以从数学模型生成,该数学模型基于某输入(例如,来自衬底的先前处理的数据)来预测所述行为。在一实施例中,所述行为数据包括一定范围的行为,诸如围绕或邻近于标称行为的一定范围或组合的行为。
使用所述行为数据,可以确定行为对于由器件图案特征的衬底图所表示的关注参数的预期影响。例如,在重叠和光刻设备的情境中,基于重叠对于一个或更多个那些行为的灵敏度(可以通过模拟或实验来确定这些灵敏度),例如可以在重叠方面计算出将产生多少剂量误差、光学像差、位置误差等。可以利用多个重叠衬底图来处理该计算出的重叠,每个重叠衬底图针是针对每个器件图案特征的,以在面对所述图案化过程的至少一部分的行为时确定哪一个器件图案特征很可能不符合规格地产生(例如,很可能有缺陷)。阈值可用于识别哪一个或更多个器件图案特征很可能由于该行为而不符合规格地产生。作为简单的示例,用于特定器件图案特征的重叠衬底图可以识别出,在所述衬底的特定区域中,期望所述器件图案特征在正X方向上具有2nm的重叠,并且针对器件图案特征的重叠的规范可以被设置为4nm(即,针对此器件图案特征可以接受4nm或更小的重叠)。然后,如果确定了实际的或预期的行为会导致正X方向上的1至3nm的重叠,则此器件图案特征可以被认为是临界的,因为来自衬底图的2nm的重叠加上来自实际或预期的行为的1至3nm的重叠很可能导致所述器件图案特征不合规格。当然,可以执行不同的分析。
1160的分析结果是参数衬底图的集合1163,其中每个图用于被识别为临界器件图案特征的相应器件图案特征。这在图12中被示意性地示出为针对特征A、特征B、特征C和特征D中的每一个的重叠的衬底图的集合(在此示例中),在此示例中所述特征各自被标识为临界特征。如图12所示,每个重叠衬底图都显示了针对跨越所述衬底的其相关联器件图案特征的重叠向量。可以看出,在某些区域中,所述向量的量值是相对较大的,这特别地使得:取决于所述图案化过程的行为,所述器件图案特征是临界的。
现在,分析1160可以进一步确定针对所述参数衬底图的权重,诸如被标识为针对临界器件图案特征的图。相对于针对第二特定器件图案特征的参数衬底图,权重可以更重地加权针对第一特定器件图案特征的参数衬底图,作为确定待进行的校正的一部分。例如,可以确定,鉴于第一器件图案特征更可能不符合规格的实际或预期的行为,则与第二器件图案特征相比,第一器件图案特征预期进一步不符合规格等。因此,与针对第二器件图案特征的参数衬底图相比,在校正分析中可以更重地加权针对第一器件图案特征的参数衬底图。因而,可以产生一个或更多个权重1165,并且可以将其与参数衬底图的集合1163一起提供,其中每个图是针对于被识别为临界器件图案特征的相应器件图案特征。
在1170处,基于关注衬底图的一个或更多个参数而确定了图案化过程的至少一部分的一个或更多个校正,每个图针对每个器件图案特征。例如,可以使用参数衬底图的集合1163来计算校正,其中每个图针对于被识别为临界器件图案特征的相应器件图案特征。另外地或替代地,校正可以计入一个或更多个权重1165,例如可以使用诸如a1*F1+…+an*Fn的加权指标,其中,a对应于权重,F对应于针对特定器件图案特征(例如,临界特征)的参数衬底图,且n是器件图案特征的数量。在一实施例中,校正可以计入所述图案化过程的至少一部分的实际或预期的行为。
在1180处,可以由在所述图案化过程中使用的设备来施加一个或更多个校正。在一实施例中,所述校正可以被转变/转换以供在设备中使用。在一实施例中,可以在1180处在所述设备中执行对步骤1110、1120、1150、1160和/或1170中的任何一个或更多个的分析。
因此,在一实施例中,可以基于至少所述衬底图(例如,以加权方式)来确定校正,该校正在所述图案化过程系统的一个或更多个校正机构的能力范围内,以得到所述器件图案特征的有所改进的产生。例如,在光刻设备的情况下,所述参数衬底图可用以创建所述光刻设备的一个或更多个控制参数(例如,聚焦、剂量、光学像差、X、Y和/或Z位置,等等)的值,其对于一个或更多个所述器件图案特征的生产实施校正。在一实施例中,实施参数衬底图能使得能够进行基于器件图案特征加权的光刻设备图案转印控制,以便将校正瞄准于最临界的器件图案特征。
在一实施例中,出于设计、确定校正等目的,针对特定的器件特征的参数衬底图可以用于与不同的关注参数的一个或更多个其他参数衬底图(可能是对于器件特征特定或不特定的)一起使用。例如,重叠的衬底图可以被用于与聚焦和/或CD的衬底图(该衬底图可以是对于实施重叠图的特定特征特定的,或可以是通用的)一起用于重叠校正。例如,由于例如投影系统的像差,则从聚焦衬底图的散焦可以提供用于对重叠移位的校正目的的信息。
在检查时,提供了通过计算光刻和量测模拟(例如,全芯片计算光刻与量测目标测量模拟的组合)、量测目标测量(例如,ADI/AEI重叠测量)和器件上测量的组合,来创建针对每个器件图案特征的关注参数(例如,重叠)衬底图。实际上,提供了一种计算场内采样,以提供跨越实施衬底的关注参数的改进表示。利用所述一个或更多个衬底图,可以基于所述一个或更多个衬底图来在所述图案化过程中进行校正,以帮助改善针对一个或更多个特定器件图案特征的关注参数。例如,可以在光刻设备中进行校正(例如,所述衬底的X位置、Y位置和/或Z位置的校正、光学像差的校正、剂量的校正,等等)。在一实施例中,以加权组合来使用多个衬底图(每个图对应于不同的器件图案特征)以进行校正。因而,可以在所述图案化过程中将器件图案特征加权的反馈提供给适当的设备,以使得能够进行适当的校正。
在重叠实施例中,本文描述的技术可以使用计算光刻以预测特定器件图案特征的重叠/图案移位(例如对准),基于例如器件图案布局信息和图案化过程参数(诸如,光学像差、剂量、平台位置,等等)。然后,将来自量测目标的重叠/对准数据用于在选定部位处锚固所述器件图案特征的预测的重叠/对准。然后,基于预测的密集重叠(来自密集计算光刻)和稀疏重叠/对准测量结果,创建了器件图案特征特定的密集重叠/对准图。器件上的测量结果可被用于将稀疏重叠/对准测量结果与预测的密集重叠相关。使用那些器件图案特征特定的图,则可以产生校正。例如,可以基于实际或预期的图案化过程行为来识别针对临界器件图案特征的图,并且将针对临界器件图案特征的图用于校正中。此外,可以将权重分配给某些图,以便能够实现以特定器件图案特征(诸如较临界的器件图案特征)为目标。
针对每个器件图案特征技术的这种关注的参数衬底图可以产生一个或更多个益处。例如,通过将能够从模拟获得的相对高的密度与使用所测量的数据(例如,量测目标数据和器件上测量数据)而进行的验证相结合,可以相对于适用的器件图案特征来产生关注参数准确度误差的降低。此外,此技术可以使用有限的参数测量采样,因为可以基于模拟、经由外推法来获得空间信息,并且空间信息可以产生参数信息的较高空间分辨率。每个器件图案特征的衬底图还可根据器件图案特征而能够实现对不同的处理指纹的分离。不同的器件图案特征可以具有不同的场间和/或场内指纹,且因此所述指纹的分离使得能够使用所述图案化过程系统内的校正机制来改善以误差为目标。此外,器件图案特征的加权校正使得例如能够实现可适应于所述图案化过程系统内的校正机构的能力的更定制的场内校正。
在一实施例中,在创建所述器件图案特征和所述量测目标时,将所述量测目标定位成靠近于所述器件图案特征,以减小或最小化光学像差的差异。但是,在一实施例中,模拟可以用于通过适当的量测目标选择和灵敏度分析来“桥接或沟通(即克服)”任何差异。结果,可能需要较少的量测目标来预测所述器件图案特征的行为。
在一实施例中,所述计算量测模拟可以用以设计朝向某些器件图案特征的行为而优化的量测目标。即,可以选择某些量测目标的间距、分段等,以使得从那些目标所测量的关注参数相对于其他器件图案特征(诸如临界器件图案特征)而高度地(例如,最大程度上)代表某些器件图案特征。因此,所述器件图案特征可以具有多种不同的量测目标类型,其中,与其他器件图案特征相比,不同的量测目标类型更能代表一个或更多个特定的器件图案特征。
在一实施例中,所述器件上的测量结果可以用于验证所述计算光刻的正确性和/或校准计算光刻模型。
本文中的方法的结果(或从本文中的方法的结果导出的另一结果(例如,缺陷预测))可以用于各种目的,包括控制所述图案化过程中的过程或其中的设备、监控由所述图案化过程产生的衬底、所述图案化过程的过程或设备的设计,等等。例如,该结果或从中导出的另一结果可以用于以改变所述图案化过程的设备或过程,以用于所述衬底的进一步处理或另一衬底的处理。例如,该结果可用以预测缺陷。缺陷的预测可以例如用以控制量测工具以检查受影响的区域和/或改变所述图案化过程的设备或过程,以用于所述衬底的进一步处理或用于另一衬底的处理。此外,该结果可以用以通过例如导出用于校正所述光刻设备的剂量选配方案、启用所述图案形成装置及其图案的设计、过程的设置等等,来设计所述图案化过程。此外,所述结果可以用于模型校准,例如,光学邻近校正模型、源-掩模优化模型、光刻制造检查模型、抗蚀剂模型、成像模型、测量模型(例如,对测量的过程进行建模)等等的校准。所述结果可以用以确定一个或多个过程变量(例如,最佳曝光和/或最佳剂量),然后可将所述一个或多个过程变量用于各种目的。如将意识到的,可以有许多其他用途。
在图13中示出了用于建模和/或模拟图案化过程的部分的示例性流程图。将会理解,所述模型可以表示不同的图案化过程,并且不需要包括下面描述的所有模型。源模型1200表示图案形成装置的所述照射的光学特性(包括辐射强度分布、带宽和/或相位分布)。所述源模型1200可以表示所述照射的光学特性,其包括但不限于:数值孔径设置、照射西格玛即照射增量(σ)设置以及任何特定的照射形状(例如离轴辐射形状,诸如环形、四极、偶极等),其中σ(或西格玛)是照射器的外部径向范围。
投影光学器件模型1210表示投影光学器件的光学特性(包括由所述投影光学器件引起的辐射强度分布和/或相位分布的改变)。所述投影光学器件模型1210可以表示所述投影光学器件的光学特性,包括像差、失真、一个或更多个折射率、一个或更多个实体大小、一个或更多个实体维度或尺寸等。
图案形成装置/设计布局模型模块1220捕获如何在所述图案形成装置的图案中布置所述设计特征,并且图案形成装置模型/设计布局模型模块1220可以包括所述图案形成装置的详细实体性质的表示,例如在美国专利号7,587,704中描述的,其通过引用而整体合并入本文。在一实施例中,所述图案形成装置/设计布局模型模块1220表示设计布局(例如,与集成电路、存储器、电子器件等的特征相对应的器件设计布局)的光学特性(包括由给定的设计布局引起的辐射强度分布和/或相位分布的改变),其是所述图案形成装置上的、或由所述图案形成装置所形成的特征的布置的表示。由于可以改变在所述光刻投影设备中所使用的所述图案形成装置,则期望将所述图案形成装置的光学性质与所述光刻投影设备的至少包括照射和投影光学器件的其余部分的光学性质分离开。模拟的目的通常是准确地预测例如边缘放置和CD,然后可以将所述边缘放置和CD与器件设计进行比较。所述器件设计通常被定义为OPC前图案形成装置布局,并将以标准化的数字文件格式(诸如GDSII或OASIS)来提供。
可以根据源模型1200、投影光学器件模型1210和图案形成装置/设计布局模型1220来模拟空间图像1230。空间影像(AI)是衬底水平处的辐射强度分布。光刻投影设备的光学性质(例如照射、所述图案形成装置和所述投影光学器件的性质)规定了所述空间图像。
衬底上的抗蚀剂层被空间图像曝光,并且空间图像作为其中的潜“抗蚀剂像”(RI)被转印到抗蚀剂层。抗蚀剂图像(RI)可以被定义为在抗蚀剂层中的抗蚀剂溶解度的空间分布。可以使用抗蚀剂模型1240根据所述空间图像1230来模拟抗蚀剂图像1250。所述抗蚀剂模型可以用以从所述空间图像计算抗蚀剂图像,其示例可以在美国专利申请公开号US2009-0157360中找到,其全部公开内容通过引用而整体合并于此。抗蚀剂模型通常描述了在抗蚀剂曝光、曝光后焙烤(PEB)和显影期间发生的化学过程的影响,以便预测例如在所述衬底上所形成的抗蚀剂特征的轮廓,且因此其通常仅与所述抗蚀剂层的这些性质有关(例如,在曝光、曝光后焙烤和显影期间发生的化学过程的影响)。在一实施例中,所述抗蚀剂层的光学性质,例如折射率、膜厚度、传播和偏振效应,可以作为所述投影光学器件模型1210的一部分而被捕获。
因此,通常,光学模型和抗蚀剂模型之间的联系是抗蚀剂层内模拟的空间图像强度,其是由辐射到衬底上的投影、抗蚀剂界面处的折射以及抗蚀剂薄膜叠层中的多次反射而引起的。通过吸收入射能量,所述辐射强度分布(空间图像强度)被转变成潜“抗蚀剂图像”,这通过扩散过程和各种加载效果而被进一步修改。对于全芯片应用足够快的高效模拟方法利用二维空间(和抗蚀剂)图像来近似在抗蚀剂叠层中的实际3维强度分布。
在一实施例中,可以使用所述抗蚀剂图像作为图案转印后过程模型模块1260的输入。所述图案转印后过程模型1260限定了一个或更多个抗蚀剂显影后过程(例如,蚀刻、显影等)的性能。
图案化过程的模拟可以例如预测在抗蚀剂图像和/或经蚀刻的图像中的轮廓、CD、边缘放置(例如,边缘放置误差)等。因而,模拟的目的是准确地预测例如所印制图案的边缘放置、和/或空间图像强度斜率、和/或CD等。可以将这些值与预期的设计进行比较,以例如校正所述图案化过程、识别预测将发生缺陷的位置等。预期的设计通常被定义为OPC前设计布局,其可以用标准化的数字文件格式来提供,诸如GDSII或OASIS或其他文件格式。
因而,模型公式描述了总体过程中的大多数(如果不是全部)已知的物理学和化学效应,并且模型参数中每个都期望地对应于不同的物理或化学效应。因而,所述模型公式设定了所述模型可用来模拟总体制造过程的优良程度的上限。
在图14中示出了用于建模和/或模拟量测过程的示例性流程图。将会理解,以下模型可以表示不同的量测过程,并且不需要包括以下描述的所有模型(例如,可以将一些模型组合)。源模型1300表示量测目标的照射的光学特性(包括辐射强度分布、辐射波长、偏振等)。所述源模型1300可以表示所述照射的光学特性,包括但不限于波长、偏振、照射西格玛(σ)设置(其中(σ或西格玛)是所述照射器中的照射的径向范围)、任何特定的照射形状(例如,离轴辐射形状,诸如环形、四极、偶极等)等等。
量测光学器件模型1310表示所述量测光学器件的光学特性(包括由量测光学器件引起的辐射强度分布和/或相位分布的改变)。所述量测光学器件1310可以表示由量测光学器件对所述量测目标的照射的光学特性、以及从所述量测目标朝向所述量测设备检测器而重新引导的辐射的传输的光学特性。所述量测光学器件模型可以表涉及目标的照射以及重新引导的辐射从量测目标朝向检测器的传递的各种特性,包括像差、失真、一个或更多个折射率、一个或更多个实体大小、一个或更多个实体尺寸等。
量测目标模型1320可以表示由量测目标重新引导的照射的光学特性(包括由量测目标引起的照射辐射强度分布和/或相位分布的改变)。因而,所述量测目标模型1320可以对照射辐射向由所述量测目标所引起的重新引导的辐射的转换进行建模。因而,所述量测目标模型可以模拟来自所述量测目标的重新引导的辐射的所得的照射分布。量测目标模型可以表示涉及所述目标的照射和从量测重新引导的辐射的产生的各种特性,包括一个或更多个折射率、量测的一个或更多个实体尺寸、量测目标的实体布局等。由于可以改变所使用的量测目标,则期望将所述量测目标的光学性质与量测设备的至少包括所述照射和投影光学器件以及所述检测器其余部分的光学性质分离开。模拟的目的通常是准确地预测例如强度、相位等,然后它们可被用以导出所述图案化过程中关注的参数,诸如重叠、CD、聚焦等。
可以从源模型1300、量测光学模型1310和量测目标模型1320来模拟光瞳或空间图像1330。光瞳或空间图像是检测器水平处的辐射强度分布。所述量测光学器件和量测目标的光学性质(例如所述照射、所述量测目标和所述量测光学器件的性质)规定了光瞳或空间图像。
量测设备的检测器被曝光至光瞳或空间图像,并且检测光瞳或空间图像的一个或更多个光学性质(例如强度、相位等)。检测模型模块1320表示如何由所述量测设备的检测器检测来自所述量测光学器件的辐射。所述检测模型可以描述所述检测器如何检测到光瞳或空间图像,并且可以包括信噪比、对检测器上入射的辐射的灵敏度,等等。因此,通常,所述量测光学器件模型与所述检测器模型之间的联系是模拟的光瞳或空间图像,这是由器件对量测目标的照射、由目标对辐射的重新引导、以及重新引导的辐射到探测器的传递而产生的。通过检测器上对于入射能量的吸收,辐射分布(光瞳或空间图像)被转变成检测信号。
所述量测过程的模拟可以例如基于由光瞳或空间图像的检测器的检测来预测在所述检测器处的空间强度信号、空间相位信号等,或预测来自检测系统的其他计算值,诸如重叠、CD等。因而,模拟的目的是准确地预测例如与所述量测目标相对应的检测器信号或诸如重叠、CD之类的导出值。可以将这些值与预期的设计值进行比较,以例如校正所述图案化过程、识别出预测将要发生缺陷的位置,等等。
因而,所述模型公式描述了总体量测过程中大多数(如果不是全部)已知的物理学和化学效应,并且模型参数中每个都期望地对应于在量测过程中的不同的物理和/或化学效应。
参数(例如,CD、OVL、聚焦、EPE、缺陷等)的参数图可以随时间、情境(例如,诸如扫描器、CMP、所述图案化过程的蚀刻工具之类的设备)和/或层而变化。当不再由初始固定的采样方案最佳地捕获某个密集图时,则具有固定采样方案和样本部位的固定采样布局的量测工具可能会以次优的方式提取某些数据。例如,可以运用固定采样方案来执行在所述衬底的某些位置处进行的测量。因此,根据本公开提出了一种用于动态地改变采样方案的方法。
图15示意性地示出了根据一个实施例的用于生成针对图案化过程的量测采样方案的方法的流程。可以从量测数据和来自一个或更多个设备的数据中获得和/或生成参数图1600(也称为高密度图或总体指纹),如本公开中先前所论述的。例如,参数图1600可以是重叠图、CD图、聚焦图等,或与图案化过程的参数有关的其他图。在过程1604中,参数图1600可以被分解以生成和/或获得对于所述图案化过程的特定设备和/或所述图案化过程的工具的组合特定的单个指纹1606。例如,相对于图8和图9,在本公开内容中较早地论述了示例的分解技术。此外,在一实施例中,分解可以基于统计分类技术,诸如主成分分析(PCA)、k均值聚类、图案匹配,等等。
在过程1608中,基于设备的单个指纹1606,可以通过建模和/或模拟,针对将在所述设备和/或与单个指纹1606相对应的设备的组合处被处理的后续(即,下一个)衬底来生成采样方案1610。所述采样方案1610可以被配置为在下一衬底上分布采样点,以便改善量测捕获部位和/或量测采样密度。量测捕获部位是指衬底上收集量测数据的部位。量测采样密度是指在量测捕获部位周围每单位面积进行的测量次数。例如,当由图案化过程处理衬底的第一图案层时,设备(例如,扫描器)中的所述量测系统可能已经跨越所述衬底而随机进行测量。然而,在所述第一图案层之后,所述指纹1608可指示出误差集中在边缘周围。然后,对于随后的(下一个)衬底或对于所述衬底上的随后的(下一个)图案层,所述量测捕获部位可以集中于边缘周围。此外,也可以修改采样点的密度。例如,90%的允许测量可以沿边缘而被聚焦。所述采样方案1610导致更准确的模型估计、对设备的校正等。有效地,与利用固定采样方案相比,采样方案1610或逐步修改的采样方案可以更快地减少所述图案化过程的参数的误差。
采样方案1610可以基于单个指纹1608从一个衬底到另一衬底变化、和/或从一个设备到另一设备变化。在一实施例中,对于衬底,采样方案1610可以从一个设备到另一个设备而变化。因此,可以基于正在受处理或将要处理衬底的设备(例如,扫描器、蚀刻工具、CMP等)来针对所述衬底而限定一个或更多个采样方案1610。
在一实施例中,对于给定的衬底,所述采样方案1610可以在相同设备处的下一图案形成周期处不同。例如,最初的量测捕获可以随机地分布在衬底上。在第一图案化层之后,由于在衬底的中心处的较高误差,则所述采样方案可以集中于所述衬底的中心处。在有问题的区域进行相对较多的测量能够准确识别与图案化过程有关的问题、定义高阶的校正和对所述设备的对应控制。因此,在维持和/或改进所述图案化过程的生产率的同时,可以在不超出量测约束(即,测量次数)的情况下获得较好的图案化结果。
在一实施例中,所述过程1608可以基于例如可以实现的参数(例如,CD)的准确度程度与针对参数和/或图案化过程而设置的准确度阈值(例如2nm)之间的比较来生成量测采样方案1610。可以将准确度程度限定为在参数的测量结果与由参数图所表示的计算出的参数值之间的差异。在一实施例中,可以基于用户的经验、制造过程的限制、量测限制、计算模型和/或模拟的限制等,由用户限定所述准确度阈值。响应于未达到准确度程度,则过程1608以迭代的方式生成不同的采样方案,直到达到或突破所述准确度阈值或基准准确度。例如,所述准确度程度在准确度阈值的至少10%之内。在一实施例中,准确度程度可以与用来生成参数图的计算模型有关。例如,准确度程度可以是在计算模型(即参数图)的输出与经图案化的衬底上进行的测量之间的差异。
在一实施例中,可以使用运用和/或生成基准采样方案的计算模型和/或模拟来计算出基准准确度程度,以便覆盖信号强度比量测设备的噪声更高的信号的整个带宽。通常,所述基准采样方案将具有与生产期间的测量相比的相对更多的测量,以实现较高的模型准确度。例如,所述基准采样方案可以包括跨越所述衬底而均匀地分布的10,000个测量结果,这将很可能会提供对衬底的条件的准确描述、捕获所述图案化过程中若干有问题的区域,等等。但是,由于量测工具的限制和/或生产率的限制,这样的基准采样可能并不实用。在一实施例中,对测量的约束可以是例如在设备处的多达250个总测量。根据本公开的采样方案可以分布和/或重新分布这些测量(例如,在第一遍中为250,在第二遍中为200,在第三遍中为150,在第四遍中为100,等等),使得所述参数的模型和/或所述图案化过程的准确度程度接近于基准准确度。因此,即使在相对较少的测量的情况下,也可以实现期望的准确度程度。
一旦生成了采样方案,则该方法还可包括用于操作被配置和布置成基于采样方案在采样点处进行测量的量测工具(例如,参照图1至4所论述的)的过程。例如,操作所述量测工具包括将照射/辐射束引导到采样方案的采样点、调整光学元件、相对于量测工具移动衬底台,等等,然后在采样点处进行测量。此外,基于测量结果,则对所述图案化过程的设备进行调整的过程和执行图案转印过程可被执行。因为所述采样方案改善了量测部位的分布,则与其中量测工具被配置用以基于固定采样方案进行测量的情况下印制图案相比,所述图案化过程可以按更快的速率(较少的测量开销)以高产率(或更少的误差)而有效地在所述衬底上印制图案。
在一实施例中,可以基于关于图16A所论述的所述图案化过程的已知和未知贡献因素来限定所述采样方案。当获得或接收了针对衬底的量测数据1700时,该过程开始。所述量测数据1700可以是与针对所述衬底和/或所述图案化过程的工具的第一采样方案对应的测量结果。在过程1702中,基于量测数据1700,可以针对所述衬底获得和/或生成参数图1704。参数图1704是指根据所述量测数据和设备数据而生成的参数的高密度图,如本公开中先前所论述的。例如,参数图1704可以是重叠图、CD图、边缘放置误差图、或与所述图案化过程的其他参数有关的图。
在过程1706中,可以例如基于如先前所论述的方法来获得和/或确定所述参数图1704的贡献因素(以下也称为识别的贡献因素或已知贡献因素)。例如,已知贡献因素可以是第一贡献因素(例如,第一设备的剂量)、第二贡献因素(例如,第一或第二设备的聚焦),等等。此外,在过程1706中,已知贡献因素的贡献可以被去除以产生残差图1708。残差图1708识别来自未知贡献因素(即,除了已知或识别出的贡献因素之外的贡献因素)的剩余贡献。基于残差图1708,可以执行诸如PCA、k均值聚类、或其他分类技术之类的统计分析以识别未知贡献因素。在一实施例中,可以使用可以识别观察或测量结果所属于的一组类别的一种或更多种统计分类技术,来确定已知的贡献因素。例如,分类技术可以是主成分分析(PCA)、聚类分析、判别分析等。稍后在本公开中相对于图16B论述PCA技术的示例。在一实施例中,类别可以基于量测工具的量测约束分析。例如,量测约束可以是在设备(例如,扫描器)处的200次测量和在另一设备(例如,蚀刻工具)处的100次测量。然后,将在所述设备(例如,扫描器)处受处理的衬底可以被归类于一个类别中,并且将在另一设备(例如,蚀刻工具)处受处理的衬底可以被归类于第二类别中。
例如,残差图1708描绘了来自两个先前未知的贡献因素的贡献(在类别分析之后被揭示)。例如,第一贡献因素由沿着边缘的暗区指示,而第二贡献因素由在衬底的中心处的暗区指示。
基于这种残差图1708,可以限定和/或生成第二采样方案。例如,对于第一贡献因素,采样方案1710可以包括沿着衬底的边缘而分布的采样点1711。类似地,对于第二贡献因素,不同的采样方案1720可以包括大致分布在中心处的采样点1721,如图所示。这样的采样方案1710和1720可以有效地捕获来自未知源的贡献,并且逐步减少在所述衬底的指纹中的误差。
在一实施例中,基于已知贡献因素,可以获取和/或识别主导贡献因素。主导贡献因素是在参数图1704中具有相对较高的贡献的所述图案化过程的任何工具或工具组合。然后,采样方案可以基于所述主导贡献因素。例如,更多的采样点可以用于主导贡献因素,以及用于其他相对较少的贡献因素;可包括更少的采样点或不包括采样点。在一实施例中,采样方案在所定义的量测捕获部位处限定了相对较高的量测采样密度,如先前相对于图15所论述的。
此外,可以获取和/或确定参数和/或图案化过程的模型的准确度程度,作为在所述参数的测量结果与由所述参数图表示的计算出的参数值之间的差。在一实施例中,准确度阈值可以是预定的,例如小于2nm。响应于未达到准确度程度,所述过程1608基于残差图以迭代方式识别不同的贡献因素,并且生成不同的采样方案,直到达到或突破准确度阈值或基准准确度。例如,准确度程度在所述准确度阈值的至少10%之内。
图16B示出了根据实施例的主成分分析的示例。在图16B中,对于针对若干个晶片(例如25个晶片)而获得的参数图执行主成分分析。所述主成分分析识别具有相似特性的晶片的不同组(例如,组1、组2和组3)。例如,第一组晶片(例如,第1组)可以在图案化过程中遵循相似的路径,其中,第1组中的所有晶片都可以访问第一蚀刻腔室。类似地,第二组晶片(例如,第2组)可以在图案化过程中遵循相似的路径,其中,第2组中的所有晶片都可以访问第一CMP和第二蚀刻腔室。在另一个示例中,第三组晶片(例如,第3组)可以在图案化过程中遵循相似的路径,其中,第3组中的所有晶片可以访问第二CMP和第一蚀刻腔室。
基于所识别的组及它们的对应的参数图,可以分别针对第1组晶片、第2组晶片和第3组晶片来限定第一、第二和第三采样方案。例如,用于第1组的第一采样方案可以沿着第一部位L1(例如,在第1组中的晶片边缘的左右两部分的内侧上,如图所示)以较高的密度来分布采样点。用于第2组的第二采样方案可以沿着第二部位L2(例如,第2组中的晶片的边缘的顶部和底部,如图所示)以较高的密度来分布采样点。并且用于第3组的第三采样方案可以沿着第三部位L3(例如,在第3组中的晶片边缘的左右两部分的外侧上,如图所示)以较高的密度来分布采样点。
可以理解的是,图16A和16B中所示的数据1700、1711、1721和参数图1704、1708、1714、1718以及其他与衬底有关的数据是出于说明和理解清楚目的的示例,而并不旨在限制本公开的范围。
图17A至图17E示出了根据实施例的基于图16和图17中的方法的采样方案中的改变的示例效果。在图17A中,初始采样方案SS1用于执行对于所有衬底(也称为晶片)保持固定的量测。例如,初始采样方案SS1针对每个晶片在晶片边缘周围捕获量测。如图17B所示,这种固定采样方案SS1对计算量测的准确度具有变化的影响。例如,在图17B中,针对第3个晶片的准确度为大约2.1nm,而第22个晶片的准确度为大约4nm。另外,图17D示出了准确度程度在晶片间显著地变化。
但是,针对根据图16和图17的方法而限定的动态采样方案,参数和/或图案化过程的计算模型的准确度程度有所改善。例如,图17C图示了采样方案SS2,其中相对较高的量测捕获朝向晶片的底部边缘而集中。此外,采样方案SS2可以用于或可以不用于其他晶片。如先前在图16和图17中论述的,可以针对其他晶片而限定新的采样方案。如此,所示计算量测的准确度程度增加。例如,在图17B中,针对若干晶片的准确度程度接近于大约2.1nm。而且,如图17E所示,准确度程度在晶片之间也没有显著地变化。如此,根据本公开的方法所限定的所示采样方案实质上改善了测量结果的品质和可信度。另外,测量结果更适当地分布于晶片的有问题的区域处,而不是将采样均匀地和/或随机地分布遍及于晶片上。因此,可以由量测工具在一个或更多个晶片上进行相对较少数量的测量,而同时维持和/或改善所述计算量测的准确度程度。因此,由量测工具进行的较少测量可以进一步改善所述图案化过程的吞吐量,同时增加准确度。
晶片间变化(或场间变化)的空间频率特性可能无法由当前的量测采样来正确地表示。目前,量测关键性能指示符(KPI)不足以指示在平均和晶片间差异内的主导和相关的空间频率特性。如此,在图案保真度控制(PFC)和边缘放置误差(EPE)控制中,目前无法获得能够示意性地指出哪些层、过程步骤和/或贡献因素主导在晶片间的水平上的关注参数的变化的合适的KPI和分析方法。在此实施例中,提出了相关性指标,更具体地,基于空间频率的相关性密度谱,其可以用以限定一个或更多个这样的KPI。特别地,将描述用于确定用来捕获在晶片间水平处的主导变化的采样优化的方法。所述方法使得能够在晶片间的水平处识别出这些变化/分布中的一个或更多个主导贡献因素。另外,所述方法可以在每层的基础上适用,以使得能够识别通过过程叠层传播的任何主导频率成分(例如,重叠或边缘放置误差)。通过使用这种方法,可以导出所测量的晶片间参数变化的空间特性,并且确定某些空间频率的主导性。与较不主导(即不太主要的)空间频率相关联的较不重要的贡献因素可以被滤除,以大大减少量测数据中的噪声。除了导出用于确定晶片间的较主导的参数变化而定制的较好的采样方案,经滤波的量测数据可以用于各种目的。
图18是用于导出在晶片间或场间的水平处针对过程和图案化控制的合适的KPI的实施例的方法的流程图,在本文中将其称为相关性密度谱(CDS)。输入数据1800可以包括关注的过程参数的测量结果。此处的一个示例将指代重叠测量结果,尽管所述方法同样适用于其他过程参数,例如CD或EPE。可以执行初始(可选)滤波步骤1810,其包括从输入数据1800中去除平均每卡盘内容。在步骤1820处,选择了输入数据的子集的多个对(例如,随机地),并且计算它们的径向/切向或X/Y分量。数据子集可以包括数据的各自与例如不同的晶片或不同的场相关的子集,使得每个子集对与一对晶片、或一对场(来自同一晶片或不同晶片)相关。在步骤1830处,从经滤波的输入数据导出空间频谱,每个谱包括相对于空间频率而标绘的过程参数(例如,重叠误差)的量值。在步骤1840处,确定了针对多对空间频谱的交叉相关性(即,相关性谱)。类似于卷积定理,可以通过将两个空间频谱相乘在一起(例如,使用复数乘法)来针对每对完成此操作。例如,所述多对空间频谱可以对应于正被测量的一些或所有晶片。更具体地,可以选择(例如,随机地)一批次晶片的子集,并且针对晶片子集的每个可能的对的组合来确定了交叉相关性谱。替代地,可以在场水平处针对多对场,来确定交叉相关性谱。在步骤1850处,确定了在每个空间频率处的相关性的分布(相关性密度谱)。在一实施例中,这包括确定每个交叉相关性谱的量值,且所述相关性密度谱(CDS)被限定为每个空间频率的相关性谱的量值的分布。可以为一对晶片/场的特定分量(径向/切向或X/Y)来确定CDS。即,给定两个晶片(或场),则可以确定它们的径向或切向CDS。
根据CDS,可以将相关性指标限定为具有多种用途的KPI。例如,相关性指标可以是在每个空间频率处的CDS分布的平均值(例如,平均数)。每个平均CDS值都可以用作其对应空间频率在晶片间存在的概率的指示符。在空间频率处的较大平均CDS表示此频率在晶片间的水平处占主导地位,并且可能有根本原因(请注意,每个空间频率根据定义是正交的)。较大的平均CDS也可以被视为对应频率应被采样的指示,且因此可以用作用于确定采样方案的基础。
在另一个示例中,在空间频率处的CDS的大的标准偏差指示了空间频率在成对的晶片之间广泛地变化,因此对于某些对来说,它比另一些对更占主导。这指示了可以在此频率情况下多对晶片可以被分组,并且进一步探究分组(例如,将各组与情境(诸如处理历史)联系:例如,使用哪个扫描器和/或蚀刻腔室来处理所述晶片)。例如,可以由任何合适的聚类算法来实现分组。
进一步提出,在一实施例中,可以针对叠层中的所有层(或子集)来确定相关性指标;即以每层的基础而限定。以此方式,CDS可用以限定一个或更多个相关性指标(KPI),以用于识别过程叠层中的哪一层在特定空间频率的情况下或对于特定空间频率窗口而主导了晶片间变化。此信息可用作用以确定针对每一层和重叠指纹而优化的量测采样方案的指示符。图19示出了这种方法。它显示了x轴上的空间频率fs和y轴上的CDS的函数(f(CDS))的曲线图,例如CDS指标,诸如平均值或3σ。针对叠层的第一层确定了第一相关性指标1900,且针对叠层的第二层确定了第二相关性指标1910。一个或更多个主导空间频率1920的区域在第一相关性指标中是显而易见的,但在第二相关性指标中不存在。如此,可以针对两个相关性指标来优化采样方案。例如,针对第一层的采样方案可以在与主导空间频率1920相对应的区域处具有增加的采样。
图20示出了另一实施例,其中数据可用于从处理数据中导出贡献因素。所述处理数据可以与特定情境有关(例如,所使用的特定扫描器或蚀刻腔室),并且足以确定对所观察到的主导效应的贡献因素。图20示出了来自图19的第一相关性指标1900和第二相关性指标1910、以及从处理数据导出的贡献因素相关性指标1900a、1900b、1900c、1910a、1910b、1910c,其中贡献因素相关性指标1900a、1900b、1900c涉及第一层的形成/处理、且贡献因素相关性指标1910a、1910b、1910c涉及第二层的形成/处理。处理数据可以包括由扫描器测量的数据(例如,对准数据)、和/或由使用散射仪或其他量测装置的、来自计算量测或与例如EPE重构中的另一不同量测输入有关的在线量测而测量的数据。在每种情况下,所述处理数据应该具有相关的情境(例如,涉及特定的设备或过程,从而可以使用相同情境的处理数据来限定贡献因素相关性指标)。作为示例,贡献因素相关性指标1900a、1900b、1900c可以与来自相应的不同扫描器的对准数据、或来自由相应的不同蚀刻腔室进行的蚀刻之后的量测数据有关。相关性指标的实际确定是根据先前已由图18所描述的,其中所述处理数据是输入数据1800。特别地,在图中可以观察到对所述第一相关性指标1900的主导空间频率的主导贡献因素1900b。贡献因素相关性指标可以用于根本原因确定和/或用作对用于特定控制参数的控制(例如,与所识别的贡献因素情境有关的特定设备或过程的控制)的触发动作的指示符。例如,如果贡献因素相关性指标1900b与特定蚀刻腔室有关,则将其作为主导贡献因素的识别可被用作对在反馈回路中针对该蚀刻腔室的校正性控制动作(以改进该层的处理)的触发、和/或用以向后续的层和/或过程提供前馈校正以进行补偿。
还提出,被识别为非显著的(明显非主导的)频率可作为噪声而被滤除。这将有助于对性能的建模。可以设置噪声阈值,并且本文所描述的方法可用作噪声滤波器。
总之,披露了一种用于处理多个晶片的方法。所述方法包括:a)获得与多个晶片有关的量测数据;以及b)基于一对或更多对所述多个晶片之间的量测数据的变化来确定量测数据的性质;c)使用所述性质来执行以下一项或更多项操作:确定被配制用于未来量测测量的采样方案、识别在所述多个晶片内的相似度的组、确定所述处理的KPI、将所述量测数据与情境和/或处理数据相关、从所述量测数据中滤除噪声。
这样的方法使得例如能够穿过叠层对每一层优化量测采样方案,而不是使用针对每层的预先限定的采样方案,以触发量测动作用于经由直接测量结果或情境查找来验证贡献因素、和/或触发在过程控制中的反馈/前馈动作以避免穿过叠层的扰动。
图21是示出了可以辅助实施本文所披露的方法和流程的计算机系统100的框图。计算机系统100包括总线102或用于通信信息的其他通信机构、以及与总线102联接以用于处理信息的处理器104(或多个处理器104和105)。计算机系统100还包括主存储器106,诸如随机存取存储器(RAM)或其他动态储存装置,其联接到总线102,以用于存储待由处理器104执行的信息和指令。主存储器106还可用于在执行待由处理器104执行的指令期间存储临时变量或其他中间信息。计算机系统100还包括与总线102联接的只读存储器(ROM)108或其他静态储存装置,用于存储用于处理器104的静态信息和指令。提供诸如磁盘或光盘之类的储存装置110,并将其联接到总线102以用于储存信息和指令。
计算机系统100可以经由总线102联接到显示器112,诸如用于向计算机用户显示信息的阴极射线管(CRT)或平板或触摸面板显示器。包括字母数字键和其他键的输入装置114被联接到总线102,以用于将信息和命令选择传递至处理器104。用户输入装置的另一种类型是光标控件116,诸如鼠标、轨迹球或光标方向键,用于将方向信息和命令选择传递给处理器104并且用于控制光标在显示器112上的移动。此输入装置通常在两个轴上具有两个自由度,即第一轴(例如,x)和第二轴(例如,y),这允许该装置指定平面中的位置。触摸面板(屏幕)显示器也可以用作输入装置。
根据一实施例,可以由计算机系统100响应于处理器104执行被包含于主存储器106中的一个或更多个指令的一个或更多个序列来执行所述过程的一部分。可以从诸如储存装置110之类的另一计算机可读介质将这样的指令读取到主存储器106内。执行被包含在主存储器106中的指令的序列导致处理器104执行本文所述的过程步骤。也可以采用多处理布置中的一个或更多个处理器来执行被包含于主存储器106中的指令的序列。在替代实施例中,可以使用硬连线电路来代替软件指令、或与软件指令结合使用。因而,本文的描述不限于硬件电路和软件的任何特定组合。
如本文所使用的术语“计算机可读介质”是指参与向处理器104提供指令以供执行的任何介质。这种介质可以采用许多形式,包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘,诸如储存装置110。易失性介质包括动态存储器,诸如主存储器106。传输介质包括同轴电缆、铜线和光纤,包括构成总线102的线缆。传输介质还可以采用声波或光波的形式,诸如在射频(RF)和红外(IR)数据通信期间所产生的声波或光波。计算机可读介质的常见形式包括,例如,软式磁碟片、挠性磁盘、硬盘、磁带、任何其他磁介质、CD-ROM、DVD、任何其他光学介质、打孔卡、纸带、具有孔图案的任何其他物理介质、RAM、PROM和EPROM、FLASH-EPROM、任何其他存储器芯片或卡匣、以及下文所述的载波、或可供计算机从中读取的任何其他介质。
各种形式的计算机可读介质可以涉及携载一个或更多个指令的一个或更多个序列至处理器104以供执行。例如,所述指令可以最初承载于远程计算机的磁盘上。所述远程计算机可以将所述指令加载到其动态存储器中,并且使用调制解调器通过电话线路发送指令。计算机系统100本地的调制解调器可以在电话线路上接收数据,并且使用红外发射器将数据转换为红外信号。联接到总线102的红外检测器可以接收在红外信号中所携载的数据,并且将数据置于总线102上。总线102将数据携载至主存储器106,处理器104从主存储器106检索并且执行指令。由主存储器106所接收的指令可以可选地在由处理器104执行之前或之后被储存在储存装置110上。
计算机系统100还期望地包括联接到总线102的通信接口118。通信接口118提供联接到与本地网络122相连接的网络链路120的双向数据通信。例如,通信接口118可以是集成服务数字网络(ISDN)卡或调制解调器,以提供通往对应类型电话线路的数据通信连接。作为另一个示例,通信接口118可以是局域网(LAN)卡,以提供通往兼容LAN的数据通信连接。无线链接也可以被实施。在任何这样的实施方式中,通信接口118发送和接收携带有表示各种类型信息的数字数据流的电信号、电磁信号或光学信号。
网络链路120通常通过一个或更多个网络提供通往其他数据装置的数据通信。例如,网络链路120可以提供穿过局域网122到主机电脑的连接或到由互联网服务提供商(ISP)126所操作的数据设备的连接。ISP 126继而通过全球封包数据通信网络(现在通常称为“互联网”128)提供数据通信服务。局域网122和互联网128两者都使用携带数字数据流的电信号、电磁信号或光学信号。通过各种网络的信号和在网络链路120上并且通过通信接口118的信号(其携带发送给计算机系统100和来自计算机系统100的数字数据)是传输信息的载波的示例形式。
计算机系统100可以通过网络、网络链接120和通信接口118来发送消息并且接收数据,包括程序代码。在互联网的示例中,服务器130可以通过互联网128、ISP 126、局域网122和通信接口118来传输针对应用程序的所请求的代码。例如,一个这样的下载的应用可以提供实施例的照射优化。所接收到的代码可以在被接收到时由处理器104执行,和/或被储存在储存装置110或其他非易失性储存装置中,以供稍后执行。以这种方式,计算机系统100可以获得呈载波形式的应用代码。
本公开的实施例可以用硬件、固件、软件或其任何组合来实现。本公开的实施例还可以被实现为储存在机器可读介质上的指令,该指令可以被一个或更多个处理器读取和执行。机器可读介质可以包括用于以由机器(例如,计算装置)能够读取的形式存储或传输信息的任何机构。例如,机器可读介质可以包括只读存储器(ROM);随机存取存储器(RAM);磁盘储存介质;光学储存介质;闪存器件;电、光、声或其他形式的传播信号(例如,载波、红外信号、数字信号等)等。此外,固件、软件、例程、指令在本文中可被描述为执行某些动作。然而,应当理解,这样的描述仅仅是为了方便,并且这样的动作实际上是由执行实施固件、软件、例程、指令等的计算装置、处理器、控制器、或其他装置引起的。
在框图中,所图示的部件被描绘为离散的功能区块,但实施例不限于本文中描述的功能性如所图示来组织的系统。由部件中的每个部件所提供的功能性可以由软件或硬件模块提供,所述模块以与目前所描绘的方式不同的方式组织,例如,可以掺和、结合、复写、分解、分配(例如,在数据中心内或地理上),或以另外的不同的方式组织这种软件或硬件。本文中描述的功能性可以由执行储存在有形的非暂时性机器可读介质上的代码的一个或更多个计算机的一个或更多个处理器提供。在一些情况下,第三方内容分发网络可以托管在网络上传送的一些或全部信息,在这种情况下,在一定程度上信息(例如,内容)被认为被供给或以其它方式提供,所述信息可以通过发送指令以从内容分发网络获取所述信息而被提供。
除非另有具体陈述,否则根据所述论述,应理解的是,在整个本说明书中,运用诸如“处理”、“计算”、“确定”等术语的论述是指具体设备(诸如专用计算机、或类似的专用电子处理/计算装置)的动作或过程。
读者应了解,本申请描述若干发明。申请人已将这些发明分组成单个文件,而不是将那些发明分离成多个独立的专利申请,这是因为所述发明的相关主题可以在应用过程中有助于经济性。但不应合并这些发明的不同的优点和方面。在一些情况下,实施例解决本文中提及的所有缺陷,但应理解,所述发明是独立地有用的,并且一些实施例仅解决这些问题的子集或提供其它没有提及的益处,检阅本公开的本领域技术人员将明白所述益处。由于成本约束,目前可能无法主张本文中所披露的一些发明,并且可以在稍后的申请(诸如继续申请或通过修改本权利要求书)中主张所述发明。类似地,由于空间约束,本文档的摘要和发明内容的发明章节都不应被视为包含所有这些发明的全面清单或这些发明的所有方面。
在以下编号的实施例的列表中披露了本发明的其他实施例:
1.一种用于生成针对图案化过程的量测采样方案的方法,所述方法包括:
获取用于衬底的图案化过程的参数的参数图;
由硬件计算机系统分解所述参数图以生成特定于所述图案化过程的设备和/或所述图案化过程的设备的组合的指纹;和
基于所述指纹,由所述硬件计算机系统,生成用于在所述图案化过程的设备和/或所述图案化过程的设备的组合处的后续衬底的量测采样方案,其中,所述采样方案被配置为在所述后续衬底上分布采样点,以提高量测采样密度。
2.根据实施例1所述的方法,其中,生成所述量测采样方案包括:通过建模和/或模拟,在所述衬底上分布采样点,以使得所述参数的准确度程度小于或等于所述图案化过程的参数的准确度阈值。
3.根据实施例2所述的方法,还包括:
由硬件计算机系统将使用所述量测采样方案达到的所述参数的所述准确度程度与使用基准采样方案获达到基准准确度进行比较;和
响应于未达到所述准确度程度,以迭代方式生成不同的采样方案,直到达到或突破所述基准准确度。
4.根据实施例3所述的方法,其中,所述基准采样方案被配置为最小化用以生成所述参数图的模型的不确定性。
5.根据实施例1所述的方法,还包括:
操作量测工具,所述量测工具被配置和布置为基于所述量测采样方案在所述采样点处获取测量结果;和
基于所述测量结果,通过建模和/或模拟来确定对所述图案化过程的所述设备的调整并且执行图案转印过程。
6.根据权利要求5所述的方法,其中,操作量测工具包括将照射束引导至所述采样方案的采样点并且获取测量结果。
7.根据实施例5所述的方法,其中,使用k均值聚类和/或主成分分析技术来执行分解参数图。
8.一种用于生成针对图案化过程的量测采样方案的方法,所述方法包括:
获得与用于衬底和/或图案化过程的设备的第一采样方案对应的数据、以及与所获得的数据对应的参数图;
由硬件计算机系统识别所述参数图的贡献因素;
由所述硬件计算机系统从所述参数图中去除所述贡献因素的贡献,以产生残差图;和
通过建模和/或模拟,基于所述残差图生成第二量测采样方案,其中,所述第二量测采样方案被配置为在后续衬底上分布采样点,以提高量测采样密度。
9.根据实施例8所述的方法,其中,生成所述第二采样方案包括:通过建模和/或模拟,在所述衬底上分布采样点,以使得所述参数的准确度程度小于或等于所述图案化过程的参数的准确度阈值。
10.根据实施例8-9中的任一项所述的方法,其中,生成所述第二采样方案包括:基于所识别出的贡献因素,在所述后续衬底的边缘的一部分处限定量测捕获部位。
11.根据实施例8至10中任一项所述的方法,其中,生成所述第二采样方案包括:基于所识别的贡献因素,在所述后续衬底的中心处和/或周围限定量测捕获部位。
12.根据实施例8至11中的任一项所述的方法,其中,生成所述第二采样方案包括:在所述量测捕获部位内相比于所述后续衬底的其余部位分配相对大量的采样点。
13.根据实施例6所述的方法,其中,所述贡献因素是主导贡献因素,所述主导贡献因素是对所述参数图中的参数具有相对高贡献的所述图案化过程的任何设备或设备的组合。
14.根据实施例13所述的方法,其中,所述贡献因素的识别包括将统计分类技术应用于所述参数图。
15.根据实施例14所述的方法,其中所述统计分类技术是主成分分析。
16.根据实施例8至15中任一项所述的方法,还包括:
操作量测工具,所述量测工具被配置和布置为基于所述第二采样方案在所述采样点处获取测量结果;和
基于所述测量结果,调整所述图案化过程的设备并且执行图案转印过程。
17.根据权利要求16所述的方法,其中,操作量测工具包括将照射束引导至所述第二采样方案的采样点并且获取测量结果。
18.根据实施例8至17中任一项所述的方法,还包括:
由硬件计算机系统基于所述残差图确定是否达到所述参数的准确度阈值;和
响应于未达到所述准确度程度,基于所述残差图以迭代方式生成不同的采样方案,直到达到或突破基准准确度。
19.根据实施例8至18中任一项所述的方法,其中参数的准确度阈值小于2nm。
20.根据实施例8至19中任一项所述的方法,其中,所述第二采样方案在所限定的量测捕获部位处相对于所述衬底内的其他部位限定了相对较高的量测采样密度。
21.一种用于控制半导体制造过程的方法,包括:
a)获得与多个衬底有关的过程参数数据;
b)基于所述过程参数数据的一对或更多对子集之间的所述过程参数数据的变化来确定所述过程参数数据的性质;和
c)使用所述过程参数数据的所述性质来执行以下一项或更多项:确定针对将来的量测测量所配置的采样方案以获得进一步的过程参数数据、识别所述多个衬底内的相似性组、确定处理的KPI、将所述量测数据与情境和/或处理数据相关联、从所述过程参数数据中滤除噪声。
22.根据实施例21所述的方法,其中所述方法包括以下步骤:
确定在不同对的空间频谱之间的相关性频谱,每对空间频谱涉及不同对的衬底;
确定每个空间频率的相关性频谱的量值的分布;
根据每个空间频率的相关性频谱的量值的分布来确定相关性指标。
23.根据实施例22所述的方法,其中所述过程参数数据的每个子集与所述多个衬底中的一不同衬底、或该不同衬底的场相关。
24.根据实施例22或23所述的方法,其中,所述相关性指标包括所述分布的平均值。
25.根据实施例22、23或24所述的方法,包括使用相关性指标来确定所述过程参数数据中的空间频率的显著性。
26.根据实施例25所述的方法,包括:将被认为非显著的一个或更多个空间频率作为噪声而滤除。
27.根据实施例25或26所述的方法,包括优化所述采样方案以用于校正被认为是最显著的一个或更多个空间频率。
28.根据实施例27所述的方法,包括:确定由所述半导体制造过程所制造的多层半导体的相关性指标;以及
针对这些层中的每一层分别优化所述采样方案。
29.根据实施例22至28中任一项所述的方法,其中,所述过程参数数据根据情境被分组,所述方法包括:
针对每个情境确定所述相关性指标;
使用基于情境的相关性指标来识别一个或更多个主导贡献因素情境。
30.根据实施例22所述的方法,其中,所述相关性指标包括所述分布的标准偏差。
31.根据实施例30所述的方法,包括识别具有大标准偏差的一个或更多个空间频率、并且识别在这些空间频率处、在所述多个衬底内的相似性组。
32.根据实施例8至31中任一项所述的方法,其中所述图案化过程的参数是重叠、临界尺寸、聚焦、和/或边缘放置误差。
33.一种计算机程序产品,包括非暂时性计算机可读介质,所述非暂时性计算机可读介质中记录有指令,所述指令在由计算机执行时实施实施例1至32中的任一个所述的方法。
应理解,描述和附图并不意图将本发明限于所披露的特定形式,而正相反,本发明意图涵盖属于如由所附权利要求限定的本发明的精神和范围内的所有修改、等效物和替代方案。
鉴于本说明书,本领域技术人员将明白本发明的各个方面的修改和替代实施例。因而,本说明书和附图应被理解为仅是说明性的且是出于教导本领域技术人员执行本发明的一般方式的目的。应理解,本文中所示出和描述的本发明的形式应被视为实施例的示例。元件和材料可以替代本文中所图示和描述的元件和材料,部分和过程可以被反转或被省略,可以独立地利用某些特征,并且可以将实施例或实施例的特征组合,所有这些在获得本发明的本说明书的益处之后对于本领域技术人员将是清楚的。可以在不背离如在下列权利要求中所描述的本发明的精神和范围的情况下对本文中描述的元件作出改变。本文中所使用的标题仅为了实现组织性目的,并且不意味着用于限制本说明书的范围。
如在整个本申请中所使用的,词“可以”是以许可的意义(即,意味着可能)而不是强制性的意义(即,意味着必须)来使用。词语“包括”等意味着包括但不限于。如在整个本申请中所使用的,单数形式“一”、“一个”、“所述”包括多个提及物,除非上下文另有明确地指示。因而,例如,对“一”元件的提及包括两个或更多个元件的组合,尽管会针对一个或更多个元件使用其它术语和短语,诸如“一个或更多个”。除非另有指示,否则术语“或”是非独占式的,即,涵盖“和”与“或”两者。描述条件关系的术语,例如,“响应于X,发生Y”、“在发生X的情况下,发生Y”、“如果X,则Y”、“当X时,发生Y”等涵盖因果关系,其中前提是必要的因果条件,前提是充分的因果条件,或前提是结果的贡献因果条件,例如,“在条件Y获得后,即出现状态X”对于“仅在Y后,才出现X”和“在Y和Z后,即出现X”是通用的。这些条件关系不限于即刻遵循前提而获得的结果,这是由于一些结果可能被延迟,并且在条件陈述中,前提与它们的结果相关联,例如,前提与出现结果的可能性相关。除非另外指示,否则多个性质或功能被映射至多个对象(例如,执行步骤A、B、C和D的一个或更多个处理器)的陈述涵盖了所有这些性质或功能被映射至所有这些对象、以及性质或功能的子集被映射至性质或功能的子集两种情况(例如,这两种情况即:所有处理器各自执行步骤A至D;和其中处理器1执行步骤A、而处理器2执行步骤B和步骤C的一部分、且处理器3执行步骤C的一部分和步骤D的情况)。此外,除非另有指示,否则一个值或动作“基于”另一条件或值的陈述涵盖了条件或值是唯一因子的情况、以及条件或值是多个因子中的一个因子的情况两者。除非另外规定,否则某一集合体的“每个”实例均具有某一属性的陈述不应被理解为排除了其中较大的集合体的一些另外相同或相似的构件不具有所述属性的情况,即,每个不一定意味着每一个。
在某些美国专利、美国专利申请或其它材料(例如论文)已以引用方式并入的情况下,这些美国专利、美国专利申请和其它材料的文字仅在这种材料与本文中所阐述的陈述和附图之间不存在冲突的情况下被并入。在存在有这种冲突的情况下,这种以引用方式并入的美国专利、美国专利申请和其它材料中的任何这样的冲突文字不会具体地以引用方式并入本文中。
虽然上面已经描述了本公开的特定实施例,但是应该理解,实施例可以用不同于所描述的方式实施。
Claims (13)
1.一种用于控制半导体制造过程的方法,包括:
a)获得与多个衬底有关的过程参数数据;
b)基于所述过程参数数据的一对或更多对子集之间的所述过程参数数据的变化来确定所述过程参数数据的性质;和
c)使用所述过程参数数据的所述性质来执行以下一项或更多项:确定针对将来的量测测量所配置的采样方案以获得进一步的过程参数数据、识别所述多个衬底内的相似性组、确定处理的KPI、将所述量测数据与情境和/或处理数据相关联、从所述过程参数数据中滤除噪声。
2.根据权利要求1所述的方法,其中所述方法包括以下步骤:
确定在不同对的空间频谱之间的相关性频谱,每对空间频谱涉及不同对的衬底;
确定每个空间频率的相关性频谱的量值的分布;和
根据每个空间频率的相关性频谱的量值的分布来确定相关性指标。
3.根据权利要求1所述的方法,其中所述过程参数数据的每个子集与所述多个衬底中的一不同衬底、或该不同衬底的场相关。
4.根据权利要求2所述的方法,其中,所述相关性指标包括所述分布的平均值。
5.根据权利要求2所述的方法,还包括使用相关性指标来确定所述过程参数数据中的空间频率的显著性。
6.根据权利要求5所述的方法,还包括:将被认为非显著的一个或更多个空间频率作为噪声而滤除。
7.根据权利要求5所述的方法,还包括优化所述采样方案以用于校正被认为是最显著的一个或更多个空间频率。
8.根据权利要求7所述的方法,包括:确定由所述半导体制造过程所制造的多层半导体的相关性指标;以及
针对这些层中的每一层分别优化所述采样方案。
9.根据权利要求2所述的方法,其中,所述过程参数数据根据情境被分组,所述方法包括:
针对每个情境确定所述相关性指标;
使用基于情境的相关性指标来识别一个或更多个主导贡献因素情境。
10.根据权利要求2所述的方法,其中,所述相关性指标包括所述分布的标准偏差。
11.根据权利要求10所述的方法,还包括识别具有大标准偏差的一个或更多个空间频率、并且识别与这些空间频率相关联的、所述多个衬底内的相似性组。
12.根据权利要求1所述的方法,其中所述过程参数数据包括以下的一个或更多个:重叠数据、临界尺寸数据、聚焦数据、和/或边缘放置误差(EPE)数据。
13.一种计算机程序产品,包括非暂时性计算机可读介质,所述非暂时性计算机可读介质中记录有指令,所述指令在由计算机执行时实施权利要求1所述的方法。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18153189 | 2018-01-24 | ||
EP18153189.8 | 2018-01-24 | ||
EP18189752 | 2018-08-20 | ||
EP18189752.1 | 2018-08-20 | ||
PCT/EP2018/085153 WO2019145092A1 (en) | 2018-01-24 | 2018-12-17 | Computational metrology based sampling scheme |
CN201880088371.6A CN111670411B (zh) | 2018-01-24 | 2018-12-17 | 基于计算量测的采样方案 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880088371.6A Division CN111670411B (zh) | 2018-01-24 | 2018-12-17 | 基于计算量测的采样方案 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117590701A true CN117590701A (zh) | 2024-02-23 |
Family
ID=64755551
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311412728.0A Pending CN117590701A (zh) | 2018-01-24 | 2018-12-17 | 基于计算量测的采样方案 |
CN201880088371.6A Active CN111670411B (zh) | 2018-01-24 | 2018-12-17 | 基于计算量测的采样方案 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880088371.6A Active CN111670411B (zh) | 2018-01-24 | 2018-12-17 | 基于计算量测的采样方案 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11635698B2 (zh) |
EP (1) | EP3743771A1 (zh) |
KR (3) | KR102454303B1 (zh) |
CN (2) | CN117590701A (zh) |
TW (3) | TWI788885B (zh) |
WO (1) | WO2019145092A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3364247A1 (en) * | 2017-02-17 | 2018-08-22 | ASML Netherlands B.V. | Methods & apparatus for monitoring a lithographic manufacturing process |
CN110998449B (zh) * | 2017-08-07 | 2022-03-01 | Asml荷兰有限公司 | 计算量测 |
US11635698B2 (en) * | 2018-01-24 | 2023-04-25 | Asml Netherlands B.V. | Computational metrology based sampling scheme |
TWI785582B (zh) | 2020-05-08 | 2022-12-01 | 荷蘭商Asml荷蘭公司 | 用於在帶電粒子束檢測系統中增強檢測影像之方法、影像增強裝置及其相關非暫時性電腦可讀媒體 |
CN115668060A (zh) * | 2020-05-26 | 2023-01-31 | Asml荷兰有限公司 | 用于优化采样方案的方法和相关设备 |
CN111580349A (zh) * | 2020-05-28 | 2020-08-25 | 上海华力集成电路制造有限公司 | 晶圆迭加异常补偿方法及晶圆迭加异常信息量测方法 |
EP4002015A1 (en) * | 2020-11-16 | 2022-05-25 | ASML Netherlands B.V. | Dark field digital holographic microscope and associated metrology method |
EP4071553A1 (en) | 2021-04-07 | 2022-10-12 | ASML Netherlands B.V. | Method of determining at least a target layout and associated metrology apparatus |
EP4174577A1 (en) * | 2021-11-01 | 2023-05-03 | ASML Netherlands B.V. | Method of determining a performance parameter distribution |
US20240038558A1 (en) * | 2022-07-26 | 2024-02-01 | Kla Corporation | Metrology sampling plans for only out of specification detection |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4282510A (en) * | 1980-01-07 | 1981-08-04 | Rca Corporation | Apparatus for discerning the noticeable presence of spatial fluctuations of intensity within a two-dimensional visual field |
DE60319462T2 (de) | 2002-06-11 | 2009-03-12 | Asml Netherlands B.V. | Lithographischer Apparat und Verfahren zur Herstellung eines Artikels |
US7791727B2 (en) | 2004-08-16 | 2010-09-07 | Asml Netherlands B.V. | Method and apparatus for angular-resolved spectroscopic lithography characterization |
US7587704B2 (en) | 2005-09-09 | 2009-09-08 | Brion Technologies, Inc. | System and method for mask verification using an individual mask error model |
US8175831B2 (en) | 2007-04-23 | 2012-05-08 | Kla-Tencor Corp. | Methods and systems for creating or performing a dynamic sampling scheme for a process during which measurements are performed on wafers |
NL1036189A1 (nl) | 2007-12-05 | 2009-06-08 | Brion Tech Inc | Methods and System for Lithography Process Window Simulation. |
NL1036245A1 (nl) | 2007-12-17 | 2009-06-18 | Asml Netherlands Bv | Diffraction based overlay metrology tool and method of diffraction based overlay metrology. |
NL1036597A1 (nl) | 2008-02-29 | 2009-09-01 | Asml Netherlands Bv | Metrology method and apparatus, lithographic apparatus, and device manufacturing method. |
NL2003696A (en) | 2008-11-10 | 2010-05-11 | Brion Tech Inc | Scanner model representation with transmission cross coefficients. |
KR101429629B1 (ko) | 2009-07-31 | 2014-08-12 | 에이에스엠엘 네델란즈 비.브이. | 계측 방법 및 장치, 리소그래피 시스템, 및 리소그래피 처리 셀 |
JP2013502592A (ja) | 2009-08-24 | 2013-01-24 | エーエスエムエル ネザーランズ ビー.ブイ. | メトロロジ方法および装置、リソグラフィ装置、リソグラフィプロセシングセル、およびメトロロジターゲットを備える基板 |
US9052709B2 (en) * | 2010-07-30 | 2015-06-09 | Kla-Tencor Corporation | Method and system for providing process tool correctables |
NL2007425A (en) | 2010-11-12 | 2012-05-15 | Asml Netherlands Bv | Metrology method and apparatus, and device manufacturing method. |
CN103582819B (zh) * | 2011-04-06 | 2016-09-14 | 科磊股份有限公司 | 用于提供经改进过程控制的质量度量的方法及系统 |
TWI582539B (zh) | 2011-04-06 | 2017-05-11 | 克萊譚克公司 | 用於改良程序控制之品質度量的方法及系統 |
US8948495B2 (en) | 2012-08-01 | 2015-02-03 | Kla-Tencor Corp. | Inspecting a wafer and/or predicting one or more characteristics of a device being formed on a wafer |
US9189705B2 (en) * | 2013-08-08 | 2015-11-17 | JSMSW Technology LLC | Phase-controlled model-based overlay measurement systems and methods |
KR102246286B1 (ko) | 2013-12-30 | 2021-04-30 | 에이에스엠엘 네델란즈 비.브이. | 메트롤로지 타겟의 디자인을 위한 방법 및 장치 |
US10241418B2 (en) | 2014-12-01 | 2019-03-26 | Asml Netherlands B.V. | Method and apparatus for obtaining diagnostic information relating to a lithographic manufacturing process, lithographic processing system including diagnostic apparatus |
WO2016124393A1 (en) * | 2015-02-04 | 2016-08-11 | Asml Netherlands B.V. | Metrology method and apparatus, computer program and lithographic system |
CN107438795A (zh) | 2015-04-10 | 2017-12-05 | Asml荷兰有限公司 | 用于检查和量测的方法和设备 |
US9779202B2 (en) | 2015-06-22 | 2017-10-03 | Kla-Tencor Corporation | Process-induced asymmetry detection, quantification, and control using patterned wafer geometry measurements |
KR102124896B1 (ko) * | 2015-10-12 | 2020-06-22 | 에이에스엠엘 네델란즈 비.브이. | 처리 파라미터의 간접 결정 |
CN105843870B (zh) | 2016-03-17 | 2019-04-09 | 南京地质矿产研究所 | 重复性和再现性的分析方法及其应用 |
US11175591B2 (en) * | 2016-05-12 | 2021-11-16 | Asml Netherlands B.V. | Method of obtaining measurements, apparatus for performing a process step, and metrology apparatus |
US10782616B2 (en) * | 2016-09-01 | 2020-09-22 | Asml Netherlands B.V. | Automatic selection of metrology target measurement recipes |
US10990018B2 (en) | 2017-02-22 | 2021-04-27 | Asml Netherlands B.V. | Computational metrology |
CN110998449B (zh) * | 2017-08-07 | 2022-03-01 | Asml荷兰有限公司 | 计算量测 |
US11635698B2 (en) * | 2018-01-24 | 2023-04-25 | Asml Netherlands B.V. | Computational metrology based sampling scheme |
EP3671347A1 (en) * | 2018-12-19 | 2020-06-24 | ASML Netherlands B.V. | Method for controling a manufacturing process and associated apparatuses |
-
2018
- 2018-12-17 US US16/959,736 patent/US11635698B2/en active Active
- 2018-12-17 KR KR1020207021488A patent/KR102454303B1/ko active IP Right Grant
- 2018-12-17 CN CN202311412728.0A patent/CN117590701A/zh active Pending
- 2018-12-17 EP EP18825647.3A patent/EP3743771A1/en active Pending
- 2018-12-17 KR KR1020227035021A patent/KR102582989B1/ko active IP Right Grant
- 2018-12-17 WO PCT/EP2018/085153 patent/WO2019145092A1/en unknown
- 2018-12-17 KR KR1020237032417A patent/KR20230140608A/ko active Application Filing
- 2018-12-17 CN CN201880088371.6A patent/CN111670411B/zh active Active
-
2019
- 2019-01-17 TW TW110122407A patent/TWI788885B/zh active
- 2019-01-17 TW TW109137183A patent/TWI734636B/zh active
- 2019-01-17 TW TW108101736A patent/TWI709828B/zh active
-
2023
- 2023-03-16 US US18/122,655 patent/US20230221654A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
TW201940985A (zh) | 2019-10-16 |
TW202107226A (zh) | 2021-02-16 |
CN111670411A (zh) | 2020-09-15 |
KR20220140657A (ko) | 2022-10-18 |
CN111670411B (zh) | 2023-11-14 |
KR20200100166A (ko) | 2020-08-25 |
US11635698B2 (en) | 2023-04-25 |
TW202136931A (zh) | 2021-10-01 |
TWI734636B (zh) | 2021-07-21 |
KR102582989B1 (ko) | 2023-09-25 |
US20230221654A1 (en) | 2023-07-13 |
EP3743771A1 (en) | 2020-12-02 |
TWI788885B (zh) | 2023-01-01 |
KR102454303B1 (ko) | 2022-10-12 |
US20200371441A1 (en) | 2020-11-26 |
KR20230140608A (ko) | 2023-10-06 |
TWI709828B (zh) | 2020-11-11 |
WO2019145092A1 (en) | 2019-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11347150B2 (en) | Computational metrology | |
CN111670411B (zh) | 基于计算量测的采样方案 | |
JP7443431B2 (ja) | 計算メトロロジに基づく補正および制御 | |
CN110998449B (zh) | 计算量测 | |
CN111742266B (zh) | 基于参数的概率密度函数的控制 | |
US11287748B2 (en) | Guided patterning device inspection | |
EP3441819A1 (en) | Computational metrology |
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 |