CN118020022A - 使用特征图像进行三维掩模仿真中的掩模制造效应 - Google Patents
使用特征图像进行三维掩模仿真中的掩模制造效应 Download PDFInfo
- Publication number
- CN118020022A CN118020022A CN202280065187.6A CN202280065187A CN118020022A CN 118020022 A CN118020022 A CN 118020022A CN 202280065187 A CN202280065187 A CN 202280065187A CN 118020022 A CN118020022 A CN 118020022A
- Authority
- CN
- China
- Prior art keywords
- mask
- filter
- feature
- edge
- images
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 52
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 45
- 238000004088 simulation Methods 0.000 title claims description 40
- 238000000034 method Methods 0.000 claims description 55
- 238000013461 design Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 30
- 238000005286 illumination Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 14
- 238000001459 lithography Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000010363 phase shift Effects 0.000 claims description 5
- 239000006096 absorbing agent Substances 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 37
- 235000012431 wafers Nutrition 0.000 description 29
- 238000012545 processing Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 12
- 239000000463 material Substances 0.000 description 10
- 239000000047 product Substances 0.000 description 8
- 238000012795 verification Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000005672 electromagnetic field Effects 0.000 description 4
- 239000011295 pitch Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001900 extreme ultraviolet lithography Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 235000013599 spices Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
表示光刻掩模的布局几何形状的特征图像被接收。通过将特征图像与对应的三维掩模(M3D)滤波器进行卷积，来计算各个特征图像的掩模函数(MF)贡献。M3D滤波器表示该特征图像的电磁散射效应。至少一个M3D滤波器还考虑了由光刻掩模的制造过程产生的效应。
Description
相关申请
本申请要求2021年10月01日提交的、美国临时专利申请序列号63/251477“MaskFabrication Effects in Lithography Simulations”和2022年09月29日提交的、美国专利申请序列号17/956550“Mask Fabrication Effects in Three-Dimensional MaskSimulations Using Feature Images”的优先权。前述所有内容的主题通过引用以其整体并入本文。
技术领域
本公开涉及光刻掩模仿真，包括用于全芯片或大规模计算光刻应用。
背景技术
半导体晶片的制造中的一个步骤涉及光刻。在通常的光刻过程中，光源产生光，该光由收集/照射光学器件收集和引导，以照射光刻掩模。投影光学器件将照射掩模产生的图案中继到晶片上，根据照射图案曝光晶片上的抗蚀剂。然后，图案化的抗蚀剂被用在制造晶片上的结构的过程中。
各种技术旨在改进光刻过程，包括改进光刻掩模的设计。在计算光刻中，光刻掩模设计被用作三维掩模模型的输入，该模型用于计算掩模函数，掩模函数描述由光源照射的掩模的电磁场散射特性。然后，掩模函数可以被用作光学成像模型(例如，阿贝(Abbe)成像模型或霍普金斯(Hopkins)成像模型)的输入，以预测抗蚀剂中的印刷图案。期望三维掩模模型准确和快速。
发明内容
在某些方面，表示光刻掩模的布局几何形状的特征图像被接收。通过将特征图像与对应的三维掩模(M3D)滤波器进行卷积，来计算各个特征图像的掩模函数(MF)贡献。M3D滤波器表示该特征图像的电磁散射效应。至少一个M3D滤波器是还考虑由用于光刻掩模的制造过程产生的效应的M3D滤波器。
其他方面包括组件、设备、系统、改进、方法、过程、应用、计算机可读介质以及与上述中的任一个相关的其他技术。
附图说明
根据下面给出的详细描述以及本公开实施例的附图，将更充分地理解本公开。附图用于提供对本公开的实施例的知识和理解，并且不将本公开的范围限制于这些特定实施例。此外，附图不一定按比例绘制。
图1A描绘了适合与本公开的实施例一起使用的极紫外(EUV)光刻过程。
图1B是根据本公开的实施例的、用于计算来自掩模的散射的流程图。
图1C是根据本公开的实施例的、用于调整M3D滤波器以考虑掩模制造效应的流程图。
图1D是根据本公开的实施例的、用于调整M3D滤波器以考虑掩模制造效应的另一个流程图。
图2描绘了根据本公开的实施例的、将掩模布局几何形状划分成特征图像。
图3描绘了根据本公开的实施例的库中的特征图像。
图4A是根据本公开的实施例的、用于计算特征图像的M3D滤波器的流程图。
图4B描绘了根据本公开的实施例的示例M3D滤波器计算。
图5描绘了根据本公开的实施例的调整M3D滤波器的示例。
图6A-图6C描绘了根据本公开的实施例的、针对侧壁角度上的变化来调整M3D滤波器。
图7A-图7C描绘了根据本公开的实施例的、针对掩模厚度上的变化来调整M3D滤波器。
图8A-图8C描绘了根据本公开的实施例的、针对掩模材料性质上的变化来调整M3D滤波器。
图9描绘了根据本公开的实施例的、在集成电路的设计和制造期间使用的各种过程的流程图。
图10描绘了本公开的实施例可以在其中操作的一个示例计算机系统的图。
具体实施方式
本公开的方面涉及基于特征图像的三维掩模仿真。将晶片上的抗蚀剂曝光的照射图案取决于光刻掩模的几何布局和光源照射等因素。光刻过程的仿真取决于对入射到光刻掩模上的光源照射所产生的电磁场的准确预测。在考虑衍射和散射效应的情况下，该场可以使用麦克斯韦方程组的严格三维仿真来进行预测。然而，这种仿真在计算上密集并且具有较长运行时间。因此，在许多情况下，无法对覆盖整个芯片的掩模区域运行严格的三维仿真。
本公开的方面涉及通过使用特征图像(也称为特征矢量)的集合和对应滤波器(被称为掩模三维(3D)或M3D滤波器)，来计算由掩模函数(MF)表示的电磁场衍射和散射特性，对应滤波器中的一些滤波器被修改以考虑来自掩模制造过程的效应。特征图像表示掩模中可能存在的基本几何形状，并且对应的M3D滤波器表示由特征图像产生的散射效应。M3D滤波器可以基于给定光源照射的特征图像的散射效应的严格电磁仿真来进行确定。
在一种方法中，特征图像从预定义特征图像及其对应的预先计算的掩模3D(M3D)滤波器的库进行选择。库中的特征图像包括但不限于以下内容：
·0边缘特征图像：块区域(无边缘)
·1边缘特征图像：不同定向的边缘
·2边缘特征图像：相对于彼此具有不同的定向和空间关系的两个边缘的组合
·3+边缘特征图像：三个或更多个边缘的组合(例如，多边形形状)
在许多情况下，光刻掩模的实际布局几何形状将包括由掩模制造过程产生的效应。例如，某些掩模特征可以是由材料的层构造的反射堆叠。该堆叠可能不具有完全垂直的侧壁。层的厚度可能与标称设计值不完全匹配。材料性质也可能与标称设计值不完全匹配。
然而，在一些光刻仿真中，光刻掩模的形貌可以由不考虑掩模制造过程的限制和所产生的效应的理想化模型来表示。因此，假设理想化形貌的光刻仿真可能不如期望的那样准确。
在用于仿真的其他方法中，这些效应的准确估计需要复杂的模型，例如掩模特征的详细三维模型以及用于来自特征的散射的麦克斯韦方程组的完全严格的三维解。然而，这可能在计算上复杂，需要大量的计算资源和较长的运行时间。
在本文描述的方法中，M3D滤波器被修改，以考虑由掩模制造过程产生的效应。M3D滤波器可以被参数化，以提供附加的自由度来考虑这些效应。参数的示例包括M3D滤波器的空间移位或偏置，以及滤波器中的项的加法常数和乘法常数。在一些情况下，这些参数的值基于使用光刻掩模制造的晶片的测量结果来进行确定，其中掩模使用掩模制造过程来进行制造。
在本公开的附加方面，修改的M3D滤波器(将被称为经掩模校正的M3D滤波器)被计算和保存为查找表(LUT)或其他数据结构。这些LUT在3D掩模仿真中被重复使用，由此考虑掩模制造效应。如由掩模函数(MF)表示的电磁场衍射和散射特性，通过使用与对应的经掩模校正的M3D滤波器进行卷积的特征图像的集合来进行计算。
本公开的附加技术优点包括但不限于以下内容。该方法不会创建后续仿真流程处理的附加布局，并且因此与备选方法相比，改进了仿真运行时间。它可以更适合与机器学习(ML)和非ML框架以及图形处理单元(GPU)一起使用。与完全严格的仿真相比，该方法针对模型创建、训练和校准在计算上效率更高，并且运行时间也减少，同时仍然为掩模函数产生准确的结果。所得的掩模函数也可以在霍普金斯成像模型和阿贝成像模型中被有效使用，霍普金斯成像模型和阿贝成像模型可能是光刻仿真中的下一个步骤。
更详细地，图1A描绘了适合与本公开的实施例一起使用的EUV光刻过程。在该系统中，源102产生EUV光，该EUV光由收集/照射光学器件104收集和引导以照射掩模110。投影光学器件116将由照射掩模110产生的图案中继到晶片118上，根据照射图案来曝光晶片上的抗蚀剂。然后，对曝光的抗蚀剂进行显影，在晶片上产生图案化的抗蚀剂。这用于在晶片上制造结构，例如通过沉积、掺杂、蚀刻或其他过程。
在图1A中，光处于EUV波长范围内，大约13.5nm或在13.3nm-13.7nm范围内。在这些波长下，组件可能是反射性的，而不是透射性的。掩模110是反射掩模，掩模110可以被实现为不同材料的堆叠，并且光学器件104、116也是反射且离轴的。这仅是一个示例。也可以使用其他类型的光刻系统，包括在其他波长处(包括深紫外(DUV))、使用透射掩模和/或光学器件，以及使用正性或负性抗蚀剂。
图1B是用于计算来自掩模110的散射的流程图，考虑了来自掩模制造过程的效应。来自掩模110的衍射和散射由掩模函数(MF)150表示。图1B的过程使用掩模的描述115和库120来确定掩模的掩模函数150。该库包含特征图像122(例如，预定义的特征图像)和对应的滤波器129，滤波器129将被称为掩模3D(M3D)滤波器，因为它们表示针对给定光源照射的该类型的特征图像对总体掩模函数的贡献。M3D滤波器129包括光源照射的效应，并且已经被调整以考虑掩模制造效应，如本文更详细描述的。
如图1B中所示，在130处，掩模的布局几何形状被接收，并且在140处，基于来自库120的特征图像122而被划分成特征图像142。在144处，通过将特征图像142与对应的M3D滤波器129进行卷积，来计算来自每个特征图像142的掩模函数(MF)贡献。在146处，通过将来自各个特征图像的MF贡献进行组合(例如，相加)，来确定针对掩模和给定光源照射的聚合掩模函数。
然后，掩模函数可以被用在各种设计流程中。掩模函数可以用于估计光刻过程的结果，诸如由光刻掩模产生的空间图像或印刷掩模图案。然后，可以基于估计的结果，将掩模校正应用于光刻掩模的设计。掩模校正的示例包括光学邻近校正、亚分辨率辅助特征、相移掩模、逆光刻技术和源掩模优化。
图1C是用于开发经掩模校正的M3D滤波器129的流程图。未校正的M3D滤波器可以如下文在图2-图4中描述的那样进行开发。这些滤波器可以被参数化以增加更多的自由度，来考虑掩模制造效应。在图1C的127处，通过将125处的仿真的预测与128处的实际晶片的测量结果进行比较，来确定参数的值。例如，晶片可以使用光刻掩模来被制造，其中掩模通过掩模制造过程来被制造。可以进行各种测量，例如印刷在晶片上的特征的宽度或间距。M3D滤波器可以被用在仿真中，以预测相同的测量结果126。在127处，可以基于减少预测测量结果126和实际测量结果128之间的差异，来确定参数，从而在129处产生经掩模校正的M3D滤波器。在该示例中，晶片测量结果128被用作直接校准参数化M3D滤波器124的地面实况(ground truth)。
在备选方法中，晶片测量结果128可以用于生成地面实况，然后，该地面实况用于对参数化的M3D滤波器124进行校准。例如，不是直接测量线宽度或其他物理度量，而是可以测量晶片上的特征的三维轮廓。然后，这些可以被用作准确仿真的输入，该准确仿真对线宽度进行预测。备选地，所测量的晶片上的三维轮廓可以用于使用将两者相关的模型，来对参数化的M3D滤波器124进行直接校准。作为晶片的测量的补充或代替，还可以使用光刻掩模本身的测量。
图1D是根据本公开的实施例的、用于调整M3D滤波器以考虑掩模制造效应的另一个流程图。右侧示出了基于测试掩模设计115的物理晶片164的制造。左侧示出了对相同过程的仿真。在物理制造流程中，首先，测试掩模设计115被用在掩模制造过程161中，以产生印刷掩模(物理掩模)162。然后，物理光刻掩模被用在光刻过程163中，以制造印刷晶片(物理晶片)164。然后，在165处，可以测量晶片的各种度量166，诸如各种特征的尺寸。
在仿真流程中，测试掩模设计115被用作仿真的输入，该仿真对在物理制造流程中测量的晶片特性进行预测。可调谐M3D模型171使用特征图像和参数化的M3D滤波器，来预测衍射掩模场或掩模函数172。该步骤考虑光源照射效应和掩模制造效应。该结果通过透镜成像模型173传播，以预测晶片上的抗蚀剂中的空间图像174。抗蚀剂和蚀刻模型175用于预测制造的晶片176，从中可以估计相同的晶片度量177。
在180处，测量的晶片度量166与相同度量的仿真预测177的比较，被用来对M3D滤波器的参数进行调谐182。该反馈还可以用于调整仿真流程中的其他模型。
图2-图4首先描述了对特征图像的使用，而不对掩模制造效应进行校正。图2描绘了将掩模布局几何形状划分为特征图像。图2示出了两个形状210和220，并且示出了将形状210划分成特征图像。形状210被划分为以下特征图像：一个区域图像、六个边缘图像、六个拐角图像和两个边缘到边缘(E2E)图像。可以基于用于标识掩模布局中存在的不同特征的规则，将形状210划分成特征图像。在该示例中，多边形形状210的内部区域及其对掩模函数的贡献由区域1特征图像来表示。这定义了掩模的哪些区域是不透明的，哪些区域是透射的或反射的。边缘特征图像(边缘1-边缘6)考虑了电磁波在边缘处的衍射和散射。
其余的特征图像是基于两个边缘的组合，其中两个边缘之间将存在相互作用。拐角特征图像(拐角1-拐角6)考虑了拐角处的相互作用，这超出了两个边缘的个体贡献。注意，在图2中，拐角包括内拐角和外拐角两者。边缘到边缘(E2E)特征图像考虑了平行边缘之间的相互作用。E2E 1考虑了边缘1和边缘3之间的相互作用。E2E 2考虑了边缘2和形状220的左边缘之间的相互作用。
特征图像中的每个特征图像是图像。例如，区域图像可以是形状210的多边形。边缘图像中的每个边缘图像可以是相关边缘的滤波版本。在一些情况下，光栅化滤波器被应用，以生成特征图像。
布局几何形状的划分使用来自库120的特征图像122。库中的特征图像可以基于对散射以及什么类型的几何特征有助于散射的理解来进行选择。
图3描绘了库中的特征图像的一些示例。图3中的特征图像根据特征图像中边缘的数目进行分类。顶行中的特征图像有0个边缘，下一行中的特征图像有1个边缘，然后是2个边缘，然后是3+边缘。这些仅是示例，并且不是穷尽的。
在顶行中，区域特征图像确定掩模的哪些区域是不透明的、哪些区域是透射的或反射的。区域特征图像的实际实例可以具有不同的形状、大小和位置，这取决于掩模上的形状的几何布局。与区域特征图像相对应的M3D滤波器表示散射，该散射由区域(假设无限大的区域)中的每个点产生，即，几何布局的块区域内的每个点对掩模函数的贡献忽略任何边缘效应。因此，M3D滤波器与区域特征图像的实例(例如，图2中的区域1)的卷积，产生来自掩模中的该形状的块区域的MF贡献。
在第二行中，边缘特征图像是另一类特征图像，因为电磁波的衍射或散射出现在边缘处。图3示出了一个边缘特征图像，但是库可以具有许多类型的边缘图像。对于具有仅曼哈顿几何形状的掩模，库中包括四个边缘特征图像，对应于曼哈顿几何形状中边缘的四个可能定向。一些掩模还允许边缘呈45度的倍数，或者甚至任意角度。与边缘特征图像相对应的M3D滤波器表示由沿着边缘(假设无限长边缘)的每个点产生的散射。
第三行示出另一类重要的特征图像，该特征图像是两个边缘的组合。当两个边缘变得足够接近时，两个边缘之间将存在相互作用。图3中示出了数个示例。在前两个示例中，两个边缘平行。这通常被称为边缘到边缘(在图2中被标记为E2E)。图3示出了两种不同的极性，这取决于两个边缘之间的区域是否被掩模材料填充。除了两种不同的极性之外，库还可以包含边缘到边缘的特征图像，在边缘之间具有不同的间隔，并且边缘以不同角度进行定向(水平、垂直、45度的倍数等)。
在第三行的最后两个示例中，两个边缘彼此垂直。这些是拐角特征图像：内拐角和外拐角，这取决于极性。库可以包含以不同角度定向的拐角。其他的两边缘特征图像也是可能的。例如，两个边缘可以彼此成不同的角度。两个边缘可以分开，但彼此不平行。因此，两个边缘将慢慢地会聚或发散。处于90度以外的角度的拐角也是可能的。
底行示出了具有三个或更多个边缘的特征图像。前两个示例是两种极性的尖端(tips)。库可以包含不同宽度和不同角度定向的版本。接下来的两个示例是两种极性的孔或通孔。不同的版本可以具有不同的宽度、高度和角度定向。
特征图像中的每个特征图像具有对应的M3D滤波器，M3D滤波器用于从特征图像产生MF贡献。也就是说，特征图像的散射效果被M3D滤波器捕获。在一种方法中，针对特征图像执行严格的仿真，并且使用严格的结果来确定M3D滤波器。
M3D滤波器可以通过从较低阶效应开始来进行计算。区域图像(0阶特征图像)的效应仅取决于相关区域的透射或反射。在严格仿真中，该特征图像的掩模结构是恒定值的平面。M3D滤波器是一个常数，该常数等于从严格仿真计算的透射或反射。
接下来考虑边缘特征图像。布局几何形状中的边缘被划分为区域特征图像加上边缘特征图像。然后，通过区域特征图像的MF贡献加上边缘特征图像的MF贡献，来对边缘散射的严格仿真进行建模。区域特征图像的MF贡献已经被确定，因此边缘特征图像的掩模函数贡献和对应的M3D滤波器可以随后被确定。
在考虑所有单边缘特征图像之后，再考虑包括两个边缘的特征图像。图4A是用于计算特征图像的M3D滤波器的流程图，从低阶特征图像进行到高阶特征图像。图4B描绘了图3中所示的两边缘间隙特征图像的示例M3D滤波器计算。
在图4B的示例中，已经计算了针对0边缘特征图像和1边缘特征图像的M3D滤波器，并且过程移动405到更复杂的特征图像：两边缘特征图像。接下来在410处，考虑具有特定间距Δ的间隙特征图像。在420处，间隙特征图像的掩模结构被确定为是由间距Δ分离的两个边缘。可以针对该掩模结构执行430三维仿真，这产生该掩模结构的掩模函数。
在440处，该掩模结构的几何布局也被划分成低阶特征图像：区域特征图像+两边缘特征图像+感兴趣的间隙特征图像。这在图4B的顶行中被图示地示出。通过严格的电磁仿真计算的聚合掩模函数等于每个特征图像的MF贡献之和：
其中Ii是特征图像，Ki是对应的M3D滤波器，是卷积算子，并且N是特征图像的数目。MF是掩模函数，在该情况下，该掩模函数从严格仿真而已知。可以使用先前计算的针对那些图像的M3D滤波器，来计算450低阶特征图像的MF贡献。这使得等式1中有一个未知，如在图4B的底部处图示地示出的。这是用于间隙特征图像的M3D滤波器，该滤波器随后可以被计算460。在一些情况下，这可以被用作库120中的M3D滤波器122，或被用作图1C中的参数化M3D滤波器124的基础。
特征图像可以是特征的灰度表示，这允许对图像的稀疏采样。例如，边缘具有无限的频率分量，并且将需要无限的带宽来以100％的保真度表示。然而，它替代地可以由边缘的低通滤波版本来表示，这就像灰度模糊边缘。掩模中的多边形形状可以使用低通光栅化函数来进行光栅化。这会去除特征的高频分量，仅保留低频分量。这是可以接受的，因为投影光学器件实际上是低通系统，因此它会自然地滤除高频(空间)分量。为了使其更紧凑并且因此在光栅化操作中更快，低通光栅化滤波器被设计为在频率通带中具有与sinc或类sinc函数的均匀响应相比的非均匀响应。就低通光栅化函数在其频率通带中具有非均匀响应而言，均衡滤波器470可以被添加以补偿非均匀响应。继而，M3D滤波器490是电磁散射和均衡的组合。
针对具有不同间距Δ(例如，以1nm的增量)的间隙特征图像，可以重复上述方法。针对不同的定向和极性，也可以重复该方法。针对其他两边缘特征图像和更复杂的特征图像，也可以重复该方法。
等式1可以使用直接卷积在空间域中进行计算和求解。然而，它也可以在空间频域中进行处理。这些量被转换到空间频域，并且卷积变为乘积。继而，等效等式是
其中FT{}是傅里叶变换。
现在，使用图5-图9中所示的示例，考虑掩模制造过程的效应。这些示例是基于等式1的以下表达式：
其中IAREA是区域特征图像，并且FFG和FBG表示块区域中的前景和背景光反射/透射，该表达式是对应区域M3D滤波器KAREA的表达式。第一个求和是针对边缘图像，其中IEDGE是边缘特征图像，并且KEDGE是对应的M3D滤波器。第二个求和是针对边缘到边缘(E2E)图像，其中IE2E是E2E特征图像(具有平行边缘)，并且KE2E是对应的M3D滤波器。等式3的参数化版本由下式表示：
其中撇号’指示滤波器是等式3的原始滤波器的参数化版本。
下面是一些可能的参数化。区域滤波器可以通过乘法常数CBG和CFG进行参数化：
F′BG＝CBGFBG，并且F′FG＝CFGFFG (5A)
备选地，可以使用加法常数：
F′BG＝FBG+CBG，并且F′FG＝FFG+CFG (5B)
边缘和E2E滤波器可以通过乘法常数C和空间移位或偏置b进行参数化：
K′EDGE(x，y)＝CEDGEKEDGE(x-bEDGE，y) (6)
K′E2E(x，y)＝CE2EKE2E(x-bE2E，y) (7)
在该示例中，移位是在坐标x上，但移位方向将取决于特征图像和M3D滤波器的定向。
高阶特征上的改变也可以影响低阶滤波器。图5示出了使用宽度w的脊特征的示例。在该示例中，掩模制造效应导致以下特征，该特征表现得更像是具有宽度(w+Δ)的脊特征。假设该特征被划分为四个特征图像：区域图像、左边缘图像、右边缘图像和E2E图像，如图5的顶行中所示。这些图像没有改变。然而，对应的M3D滤波器550A-550D被调整以考虑差异。例如，区域M3D滤波器550A将被缩放，使得当它被应用于宽度w的区域图像时，它会产生宽度(w+Δ)的区域图像的散射预测。对两个边缘滤波器550B、550C和E2E滤波器550D进行类似的调整。注意，应用于这些滤波器的移位b可以不同。来自特征图像中的所有特征图像的掩模校正贡献被相加，以产生针对脊特征的掩模函数，如图5的底行中所示的。
图6-图9示出了使用四种不同掩模制造效应的示例。图6A-图6C考虑了掩模侧壁角度上的变化。在理想仿真中，掩模特征的侧壁角度可以被假设为完全垂直(90度的侧壁角度)，如图6A的顶部掩模轮廓中所示的。当制造时，侧壁可以是倾斜的，如图6A的底部掩模轮廓中所示的。注意，图6A中的掩模轮廓以晶片尺度被示出，晶片尺度比实际掩模尺寸小4倍。该侧壁变化引起来自掩模的衍射上的变化。一种可能的效应是阴影。该类型的掩模特征会引起阴影，但非垂直侧壁将减少阴影的量，特别是对于离轴照射。这将使该特征看起来比具有垂直侧壁的相同特征小。所示的掩模特征可以被划分为区域图像、两边缘图像和E2E图像。在一个方法中，可以通过向对应的边缘滤波器和E2E滤波器应用空间移位，来考虑非垂直侧壁的效应。区域滤波器可能会或可能不会被影响，这取决于成角度的侧壁是否会影响特征的总光反射/透射。
图6B和图6C示出了该方法的有效性。在该示例中，标称掩模特征具有垂直侧壁，并且实际掩模特征具有偏离垂直2度(88度角)的侧壁。图6B绘制了由88度侧壁的仿真预测的空间图像(AI)与由本文描述的方法预测的空间图像(AI)之间的差异。x轴是以nm为单位的空间移位或偏置b，并且y轴是空间图像之间的差异的归一化RMS值。b＝-0.3nm的偏置产生了与更严格仿真预测的结果的良好匹配。负偏置意指吸收体看起来小于标称值，这与所预期的一致。图6C是类似的绘图，但针对的是临界尺寸(CD)之间的差异的RMS值。同样，偏置b＝-0.3nm产生与更严格仿真的良好匹配。b＝0的偏置对应于使用未校正的M3D滤波器的预测。
图7A-图7C考虑掩模堆叠厚度上的变化。掩模特征可以被实现为标称厚度的一种或多种材料的堆叠。实际厚度可能大于或小于标称值。如果堆叠是吸收性的，则较薄堆叠可以具有减少的阴影效应，并且因此看起来小于标称版本。厚度变化还会影响整体透射或反射的振幅和相位。可以通过将基于边缘的滤波器移位以及调整区域滤波器，来考虑这些效应。
图7B和图7C类似于图6B和图6C，但针对的是厚度改变。在该示例中，标称厚度是76.5nm，并且实际厚度是69nm。注意，图7A中的z轴是晶片尺度，晶片尺度比掩模尺寸小4倍，因此根据图7A中的z尺度，76.5nm的掩模将显示为19.1nm。图7B和图7C分别绘制了空间图像之间和临界尺寸之间差异的RMS值，该RMS值是偏置b的函数。对应的M3D滤波器以两种方式进行调整。首先，曲线720B和720C示出了作为偏置b的函数的差异度量。其次，-8.09度的相移也被应用于区域滤波器。曲线730B和730C绘制了作为偏置b的函数的差异度量，包括-8.09度的相移。
图8A-图8C考虑了掩模的材料性质上的变化，诸如折射率(n)和介电常数(k)。假设这些材料性质具有一定的标称值，但制造的掩模中的实际值可能变化。如果堆叠是吸收性的，则采用较低对比度的材料(即，不同材料之间的n或k上的差异小于标称值)，则堆叠将具有较弱的衍射，并且可以看起来小于标称版本。这些变化还会影响整体传输或反射的振幅和相位。可以通过将基于边缘的滤波器移位以及调整区域滤波器，来考虑这些影响。
图8B和图8C类似于图7B和图7C，但针对的是折射率上的改变。在该示例中，标称指数n＝2.43，并且实际指数n＝2.3688。对应的M3D滤波器如图7中那样进行调整。曲线820B和820C示出了作为偏置b的函数的差异度量。其次，-8度的相移和1.0063的振幅缩放也被应用于区域滤波器。曲线830B和830C绘制了具有这些附加调整的、作为偏置b的函数的差异度量。
作为最后的示例，考虑掩模线性效应或掩模邻近效应。与标称值的这些偏离由短程邻近效应引起，并且取决于掩模特征。一个掩模特征的制造可能影响邻近的其他掩模特征。在一个方法中，这些效应由参数化的3DM滤波器来考虑，但参数可能与特征相关。例如，偏置b可以被表示为
b＝B+C exp(-w/D) (8)
其中B、C和D是常数参数，并且w是特征的宽度。偏置b与特征相关。对于较窄的特征，偏置b较大；并且对于较宽的特征，偏置b较小。
图9图示了在诸如集成电路的制品的设计、验证和制造期间使用的过程900的示例集合，以转换和验证表示集成电路的设计数据和指令。这些过程中的每个过程可以被结构化和使能为多个模块或操作。术语‘EDA’表示术语‘电子设计自动化’。这些过程从利用设计师提供的信息创建产品构思910开始，该信息被转换以使用EDA过程912的集合来产生制品。在完成设计时，设计被流片(tape-out)934，这是将集成电路的图稿(例如，几何图案)发送到制造工厂以制造掩模组的时间，然后掩模组被用来制造集成电路。在流片之后，制造936半导体裸片，并且执行封装和组装过程938以生产成品集成电路940。
电路或电子结构的规格范围可能从低级晶体管材料布局到高级描述语言。使用诸如VHDL、Verilog、SystemVerilog、SystemC、MyHDL或OpenVera的硬件描述语言(‘HDL’)，可以使用高级表示来设计电路和系统。HDL描述可以被转换为逻辑级的寄存器传输级(‘RTL’)描述、门级描述、布局级描述或掩模级描述。每个较低的表示级(即更详细的描述)将更多有用的细节添加到设计描述中，例如，针对包括该描述的模块的更多细节。较低的表示级(其是更详细的描述)可以由计算机生成，从设计库导出或由另一个设计自动化过程创建。用于指定更详细描述的较低表示语言水平的规范语言的一个示例是SPICE，它用于具有许多模拟组件的电路的详细描述。在每个表示级处的描述被使能，以供该层的对应系统使用(例如形式验证系统)。设计过程可以使用图9中描述的序列。所描述的过程由EDA产品(或EDA系统)使能。
在系统设计914期间，要被制造的集成电路的功能被指定。可以针对期望特性(诸如功耗、性能、面积(物理和/或代码行)和成本降低等)对设计进行优化。在该阶段，可以将设计划分为不同类型的模块或组件。
在逻辑设计和功能验证916期间，以一种或多种描述语言指定电路中的模块或组件，并且检查该规格的功能准确性。例如，可以验证电路的组件，以生成与所设计的电路或系统的规格要求进行匹配的输出。功能验证可以使用仿真器和其他程序，诸如测试台生成器、静态HDL检查器和正式验证器。在一些实施例中，被称为‘仿真器’或‘原型系统’的组件的特殊系统被用来加速功能验证。
在用于测试918的综合和设计期间，HDL代码被转换为网表。在一些实施例中，网表可以是图形结构，其中图形结构的边表示电路的组件，并且其中图形结构的节点表示组件如何被互连。HDL代码和网表两者是制造的分层产品，其可以由EDA产品使用来验证：集成电路在被制造时是否根据指定的设计执行。可以针对目标半导体制造技术优化网表。附加地，成品集成电路可以被测试，以验证集成电路是否满足规格的要求。
在网表验证920期间，检查网表是否符合时序约束以及是否与HDL代码相对应。在设计计划922期间，构造并分析集成电路的总体平面图，以进行时序和顶层布线。
在布局或物理实现924期间，进行物理放置(电路组件(诸如晶体管或电容器)的放置)和布线(电路组件通过多个导体的连接)，并且可以执行从库中选择单元以使能特定的逻辑功能。如本文所使用的，术语‘单元’可以指定晶体管、其他组件和互连的集合，其提供布尔逻辑功能(例如，AND、OR、NOT、XOR)或存储功能(诸如，触发器或锁存器)。如本文所使用的，电路‘块’可以指代两个以上的单元。单元和电路块两者可以被称为模块或组件，并且可以被使能为物理结构和仿真两者。诸如尺寸的参数被指定为用于所选择的单元格(基于‘标准单元’)，并且使得在数据库中可访问，以供EDA产品使用。
在分析和提取926期间，在布局水平验证电路功能，该布局水平允许对布局设计的改进。在物理验证928期间，检查布局设计以确保制造约束(诸如DRC约束、电气约束、光刻约束)是正确的，并且确保电路功能与HDL设计规格匹配。在解析增强930期间，布局的几何形状被转变以改善电路设计被制造的方式。
在流片期间，创建数据以用于(如果合适，在应用光刻增强之后)生产光刻掩模。在掩模数据准备932期间，‘流片’数据用于产生光刻掩模，该光刻掩模用于生产成品集成电路。
计算机系统(诸如，图10的计算机系统1000)的存储子系统可以用于存储程序或数据结构，该程序和数据结构由本文所述的一些或所有EDA产品使用，并且由用于开发库的单元的产品以及用于使用该库的物理和逻辑设计的产品使用。
图10图示了计算机系统1000的示例机器，在其中可以执行用于使该机器执行本文讨论的方法中的任何一个或多个方法的指令集。在备选实施方式中，该机器可以连接(例如，联网)到LAN、内联网、外联网和/或因特网中的其他机器。该机器可以在客户端-服务器网络环境中以服务器或客户端机器的能力操作，可以作为对等(或分布式)网络环境中的对等机器操作，也可以作为云计算基础架构或环境中的服务器或客户端计算机操作。
机器可以是个人计算机(PC)、平板电脑、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、网络设备、服务器、网络路由器、交换机或网桥，或能够执行指令集(顺序指令或其他指令)的任何机器，指令集指定要由该机器执行的行动。此外，虽然图示了单个机器，但是术语“机器”也应当被理解为包括机器的任何集合，这些机器单独地或共同地执行一组(或多组)指令以执行本文讨论的任何一个或多个方法。
示例计算机系统1000包括处理设备1002、主存储器1004(例如，只读存储器(ROM)、闪存、诸如同步DRAM(SDRAM)的动态随机存取存储器(DRAM))、静态存储器1006(例如，闪存、静态随机存取存储器(SRAM)等))以及数据存储设备1018，它们经由总线1030彼此通信。
处理设备1002表示一个或多个处理器，诸如微处理器、中央处理单元等。更具体地，处理设备可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器，或者是实现其他指令集的处理器，或者是实现指令集的组合的处理器。处理设备1002还可以是一个或多个专用处理设备，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。处理设备1002可以被配置成执行指令1026以执行本文描述的操作和步骤。
计算机系统1000可以进一步包括网络接口设备1008，以通过网络1020进行通信。计算机系统1000还可以包括视频显示单元1010(例如，液晶显示器(LCD)或阴极射线管(CRT))、字母数字输入设备1012(例如键盘)、光标控制设备1014(例如鼠标)、图形处理单元1022、信号生成设备1016(例如扬声器)、图形处理单元1022、视频处理单元1028和音频处理单元1032。
数据存储设备1018可以包括机器可读存储介质1024(也被称为非暂态计算机可读介质)，其上存储着体现本文所述的方法或功能中的任何一个或多个方法或功能的一个或多个指令集1026或软件。在计算机系统1000执行指令1026期间，指令1026也可以全部或至少部分地驻留在主存储器1004内和/或驻留在处理设备1002内，主存储器1004和处理设备1002也构成机器可读存储介质。
在一些实施方式中，指令1026包括用于实现与本公开相对应的功能的指令。尽管在示例实施方式中将机器可读存储介质1024示为单个介质，但是术语“机器可读存储介质”应当被认为包括单个介质或多个介质(例如，中心化或分布式数据库，和/或相关联的缓存和服务器)来存储一个或多个指令集。术语“机器可读存储介质”也应当被认为包括能够存储或编码指令集的任何介质，该指令集用于由机器执行并且使机器和处理设备1002执行本公开的方法中的任何一个或多个。因此，术语“机器可读存储介质”应当被认为包括但不限于固态存储器、光学介质和磁性介质。
已经根据对计算机存储器内的数据位的操作的算法和符号表示，呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地向本领域的其他技术人员传达其工作实质的方式。算法可以是导致期望结果的操作的序列。这些操作是需要对物理量进行物理操纵的操作。这种量可以采取能够被存储、组合、比较以及以其他方式操纵的电或磁信号的形式。这种信号可以被称为位、值、元素、符号、字符、项、数字等。
但是，应当记住，所有这些和类似术语均应当与适当的物理量相关联，并且仅仅是应用于这些量的方便标签。除非从本公开中另外明确指出，否则应当理解，贯穿本描述，某些术语指代计算机系统或类似电子计算设备的行动和过程，其将计算机系统的寄存器内的表示为物理(电子)量的数据操纵和转换为其他数据，该其他数据类似地被表示为计算机系统存储器或寄存器或其他这种信息存储设备内的物理量。
本公开还涉及用于执行本文中的操作的装置。该装置可以被特别构造以用于预期目的，或者它可以包括由计算机中存储的计算机程序选择性地激活或重新配置的计算机。这种计算机程序可以被存储在计算机可读存储介质中，诸如但不限于任何类型的磁盘(包括软盘、光盘、CD-ROM和磁光盘)、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光学卡，或适于存储电子指令的任何类型的介质，每个均耦合到计算机系统总线。
本文提出的算法和显示不与任何特定的计算机或其他装置固有地相关。各种其他系统可以与根据本文的教导的程序一起使用，或者它可以被证明易于构造更专用的装置来执行该方法。此外，未参考任何特定编程语言来描述本公开。应当理解，可以使用各种编程语言来实现如本文所述的本公开的教导。
本公开可以被提供为计算机程序产品或软件，其可以包括其上存储有指令的机器可读介质，该指令可以用于对计算机系统(或其他电子设备)进行编程以执行根据本公开的过程。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机制。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质，诸如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光学存储介质、闪存设备等。
在前述公开中，已经参考本公开的具体示例实施方式描述了本公开的实施方式。明显的是，在不脱离如所附权利要求中阐述的本公开的更广泛的精神和范围的情况下，可以对其进行各种修改。在本公开以单数形式指代一些元素的情况下，在附图中可以描绘一个以上的元素，并且相同的元素用相同的附图标记来标记。因此，本公开和附图应当被认为是说明性的而不是限制性的。
Claims (20)
1.一种方法，包括：
接收表示光刻掩模的布局几何形状的特征图像；以及
由处理器设备，通过将每个特征图像与对应的三维掩模(M3D)滤波器进行卷积，计算来自所述特征图像的掩模函数(MF)贡献；其中所述M3D滤波器表示该特征图像的电磁散射效应，并且至少一个M3D滤波器是经掩模校正的M3D滤波器，所述经掩模校正的M3D滤波器还考虑了由用于所述光刻掩模的制造过程产生的效应。
2.根据权利要求1所述的方法，其中所述经掩模校正的M3D滤波器被参数化，并且所述经掩模校正的M3D滤波器的参数基于使用光刻掩模制造的晶片的测量结果被调谐，所述光刻掩模使用所述制造过程被制造。
3.根据权利要求1所述的方法，其中所述经掩模校正的M3D滤波器是区域滤波器，并且用于所述区域滤波器的参数是加法常数或乘法常数。
4.根据权利要求1所述的方法，其中所述经掩模校正的M3D滤波器是单边缘滤波器，并且用于所述单边缘滤波器的参数是空间移位。
5.根据权利要求1所述的方法，其中所述经掩模校正的M3D滤波器是边缘到边缘滤波器，并且用于所述边缘到边缘滤波器的参数是空间移位。
6.根据权利要求1所述的方法，其中用于所述经掩模校正的M3D滤波器的参数是空间移位、加法常数或乘法常数。
7.根据权利要求1所述的方法，还包括：
基于计算的所述MF贡献的组合，确定用于所述光刻掩模的掩模函数；
使用所述掩模函数来估计结果，所述结果包括由所述光刻掩模产生的空间图像或印刷掩模图案；以及
基于估计的所述结果，将掩模校正应用于所述光刻掩模的设计；其中所述掩模校正包括以下至少一项：光学邻近校正、亚分辨率辅助特征、相移掩模、和逆光刻技术。
8.一种非暂态计算机可读介质，包括所存储的指令，所述指令在由处理器设备执行时，使得所述处理器设备：
访问与特征图像相对应的原始掩模3D(M3D)滤波器，所述特征图像用于表示光刻掩模的布局几何形状，其中与特征图像相对应的所述原始M3D滤波器表示该特征图像的电磁散射效应；以及
由处理器设备修改所述原始M3D滤波器，以产生经掩模校正的M3D滤波器，所述经掩模校正的M3D滤波器考虑了由用于所述光刻掩模的制造过程产生的效应。
9.根据权利要求8所述的非暂态计算机可读介质，其中修改所述原始M3D滤波器包括：
访问使用光刻掩模制造的晶片的测量结果，所述光刻掩模使用所述制造过程被制造；以及
基于晶片的所述测量结果，修改所述原始M3D滤波器。
10.根据权利要求9所述的非暂态计算机可读介质，其中修改所述原始M3D滤波器包括：基于将(a)与(b)进行匹配，修改所述原始M3D滤波器，(a)为通过使用所述经掩模校正的M3D滤波器的晶片的仿真而预测的结果，(b)为晶片的所述测量结果。
11.根据权利要求8所述的非暂态计算机可读介质，其中修改所述原始M3D滤波器包括：基于将(a)与(b)进行匹配，修改所述原始M3D滤波器，(a)为通过使用所述经掩模校正的M3D滤波器的晶片的仿真而预测的结果，(b)为通过其中晶片结构的模型包括由所述制造过程产生的制造效应的晶片的仿真而预测的结果。
12.根据权利要求8所述的非暂态计算机可读介质，其中所述光刻掩模包括具有侧壁的特征，表示所述掩模特征的所述特征图像包括单边缘图像和/或多边缘图像，并且修改所述原始M3D滤波器包括：对用于那些特征图像的所述原始M3D滤波器进行移位，以考虑所述侧壁的角度上的变化。
13.根据权利要求8所述的非暂态计算机可读介质，其中所述光刻掩模包括膜堆叠，表示吸收体的所述特征图像包括单边缘图像和/或多边缘图像，并且修改所述原始M3D滤波器包括：对用于那些特征图像的所述原始M3D滤波器进行移位，以考虑所述膜堆叠的厚度上的变化。
14.根据权利要求8所述的非暂态计算机可读介质，其中所述光刻掩模包括由折射率和介电常数表征的吸收体，表示所述吸收体的所述特征图像包括单边缘图像和/或多边缘图像，并且修改所述原始M3D滤波器包括：对用于那些特征图像的所述原始M3D滤波器进行移位，以考虑所述折射率或介电常数上的变化。
15.根据权利要求8所述的非暂态计算机可读介质，其中所述特征图像包括单边缘图像和/或多边缘图像，并且修改所述原始M3D滤波器包括：对用于那些特征图像的所述原始M3D滤波器应用特征依赖的移位，以考虑用于所述光刻掩模的所述制造过程中的短距离邻近效应。
16.一种系统，包括：
计算机可读存储介质，存储指令和库，所述库包含预定义特征图像和对应的预先计算的掩模3D(M3D)滤波器，其中所述M3D滤波器表示该特征图像的电磁散射效应，并且至少一个M3D滤波器是经掩模校正的M3D滤波器，所述经掩模校正的M3D滤波器还考虑了由用于所述光刻掩模的制造过程产生的效应；以及
处理器设备，与所述计算机可读存储介质耦合并且用以执行所述指令，所述指令在被执行时，使得所述处理器设备：
基于所述库中包含的所述预定义特征图像，将光刻掩模的布局几何形状划分为多个特征图像；
通过将所述特征图像与来自所述库的对应的所述M3D滤波器进行卷积，计算来自所述多个特征图像中的每个特征图像的掩模函数(MF)贡献；以及
将计算的所述MF贡献组合，以确定用于所述光刻掩模的掩模函数。
17.根据权利要求16所述的系统，还包括：将所述掩模函数作为输入应用到阿贝成像模型或霍普金斯成像模型。
18.根据权利要求16所述的系统，其中所述布局几何形状包括用于整个集成电路裸片的布局几何形状。
19.根据权利要求16所述的系统，其中所述光刻掩模的光源照射是极紫外(EUV)照射或深紫外(DUV)照射。
20.根据权利要求16所述的系统，其中所述布局几何形状包括多个形状，并且表示每个形状的所述特征图像至多包括：区域图像、单边缘图像和双边缘图像。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US63/251,477 | 2021-10-01 | ||
| US17/956,550 | 2022-09-29 | ||
| US17/956,550 US20230104510A1 (en) | 2021-10-01 | 2022-09-29 | Mask fabrication effects in three-dimensional mask simulations using feature images |
| PCT/US2022/045380 WO2023056012A1 (en) | 2021-10-01 | 2022-09-30 | Mask fabrication effects in three-dimensional mask simulations using feature images |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118020022A true CN118020022A (zh) | 2024-05-10 |
Family
ID=90954314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280065187.6A Pending CN118020022A (zh) | 2021-10-01 | 2022-09-30 | 使用特征图像进行三维掩模仿真中的掩模制造效应 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118020022A (zh) |
-
2022
- 2022-09-30 CN CN202280065187.6A patent/CN118020022A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7882480B2 (en) | System and method for model-based sub-resolution assist feature generation | |
| US7458059B2 (en) | Model of sensitivity of a simulated layout to a change in original layout, and use of model in proximity correction | |
| US8473878B2 (en) | Lithographically enhanced edge determination | |
| US11762283B2 (en) | Inverse lithography and machine learning for mask synthesis | |
| US11468222B2 (en) | Stochastic signal prediction in compact modeling | |
| TW202121062A (zh) | 基於缺陷機率分佈和臨界尺寸變異的微影技術改進 | |
| JP2006292941A (ja) | 光近接効果補正方法およびその装置 | |
| CN116324617A (zh) | 用于掩模综合的随机感知光刻模型 | |
| US11704471B2 (en) | Three-dimensional mask simulations based on feature images | |
| US20090241077A1 (en) | Site Selective Optical Proximity Correction | |
| US20090210838A1 (en) | Interpolation distance for layout desing data correction model | |
| US9798226B2 (en) | Pattern optical similarity determination | |
| KR20220092598A (ko) | 리소그래피 마스크들의 보정에서의 마스크 제조 모델들의 사용 | |
| KR20220065769A (ko) | 결함 확률 분포들 및 임계 치수 변동들에 기초한 리소그래피 개선 | |
| CN118020022A (zh) | 使用特征图像进行三维掩模仿真中的掩模制造效应 | |
| US20230104510A1 (en) | Mask fabrication effects in three-dimensional mask simulations using feature images | |
| US20230152683A1 (en) | Mask Synthesis Integrating Mask Fabrication Effects and Wafer Lithography Effects | |
| TW202332981A (zh) | 在三維遮罩模擬中使用特徵影像之遮罩製造效應 | |
| US20230079453A1 (en) | Mask corner rounding effects in three-dimensional mask simulations using feature images | |
| US20220382144A1 (en) | Machine learning for selecting initial source shapes for source mask optimization | |
| US20220392191A1 (en) | Large scale computational lithography using machine learning models | |
| Sturtevant | Challenges for patterning process models applied to large scale | |
| US11977324B1 (en) | Modifying segments and vertices of mask shapes for mask synthesis | |
| Sturtevant | The evolution of patterning process models in computational lithography | |
| CN116529672A (zh) | 使用机器学习的光刻仿真 |
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 |