DE102018207880A1

DE102018207880A1 - Verfahren und Vorrichtung zum Bewerten einer unbekannten Auswirkung von Defekten eines Elements eines Photolithographieprozesses

Info

Publication number: DE102018207880A1
Application number: DE102018207880.7A
Authority: DE
Inventors: Alexander Freytag; Christoph Husemann; Dirk Seidel; Carsten Schmidt
Original assignee: Carl Zeiss SMT GmbH
Current assignee: Carl Zeiss SMT GmbH
Priority date: 2018-05-18
Filing date: 2018-05-18
Publication date: 2019-11-21
Also published as: US12111579B2; US11774859B2; US20210073969A1; TW202012919A; KR102533520B1; JP7100198B2; WO2019219826A1; KR20210013600A; TWI717737B; US20230408929A1; CN112189169A; JP2021523425A; CN112189169B

Abstract

Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zum Bestimmen zumindest einer unbekannten Auswirkung (250) von Defekten (650, 660) eines Elements (450) eines Photolithographieprozesses. Das Verfahren (1000) umfasst die Schritte: (a) Bereitstellen eines Modells maschinellen Lernens (200, 300) für einen Zusammenhang zwischen einem Bild (600), dem Bild (600) zugeordneten Design-Daten (240) und zumindest einer sich aus dem Bild (600) ergebenden Auswirkung der Defekte (650, 660) des Elements (450) des Photolithographieprozesses; (b) Trainieren des Modells maschinellen Lernens (200, 300) unter Verwendung einer Vielzahl von zum Training verwendeten Bildern (830), den zum Training verwendeten Bildern (830) zugeordneten Design-Daten (240) und korrespondierenden Auswirkungen der Defekte (650, 660); und (c) Bestimmen der zumindest einen unbekannten Auswirkung der Defekte (650, 660) durch Anwenden des trainierten Modells (200, 300) auf ein gemessenes Bild (600) und den dem gemessenen Bild (600) zugeordneten Design-Daten (240).

Description

Technisches Gebiet
Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zum Bewerten einer unbekannten Auswirkung von Defekten eines Elements eines Photolithographieprozesses. Insbesondere betrifft die vorliegende Erfindung ein Verfahren und eine Vorrichtung zum Bewerten einer unbekannten Auswirkung von Defekten für ein oder mehrere Elemente eines Photolithographieprozesses durch Anwenden eines Modells maschinellen Lernens, das einen Zusammenhang zwischen einem Bild, dem Bild zugeordneten Design-Daten und einer sich aus dem Bild ergebenen Auswirkung der Defekte herstellt.
Stand der Technik
Als Folge der wachsenden Integrationsdichte in der Halbleiterindustrie müssen Photolithographiemasken oder Templates für die Nanoimprint-Lithographie zunehmend kleinere Strukturen auf Wafer abbilden. Die fortschreitende Miniaturisierung von Strukturen auf Halbleiter-Wafern und damit auch auf den zur Belichtung der Wafer benutzten photolithographischen Masken, Photomasken oder einfach Masken hat weitreichende Auswirkungen auf die Inspektion photolithographischer Masken, die Metrologie von Photomasken und das Analysieren von Maskendefekten. Typischerweise wird eine Photomaske analysiert, indem ein Luftbild eines Maskenausschnitts gemessen wird und mit einem Referenz-Luftbild des Maskenausschnitts verglichen wird. Im Fachgebiet wird diese Vorgehensweise als Die-to-Die-Verfahren bezeichnet. Auf der Basis dieses Vergleiches kann eine Defekt-Wahrscheinlichkeitskarte, eine Defektkarte oder eine Defektauswirkungskarte von Defekten des Maskenausschnitts ermittelt werden.
Die zunehmende Komplexität der Strukturen auf Photomasken, beispielsweise verstärkt durch die zunehmende Anwendung optischer Proximity-Korrekturen (OPC, Optical Proximity Correction), kann dazu führen, dass sich bestimmte Strukturen auf einer Photomaske nicht oder nur noch selten wiederholen (sogenannte Single-Die-Masken). Damit ist eine Qualitätsbewertung (z.B. Defektinspektion bzw. Defekt-Review) solcher Masken mittels des oben beschriebenen Die-to-Die-Verfahrens nicht oder nur mit größerem Aufwand, d.h. nach einer längeren Suche nach einer geeigneten Referenzposition möglich.
Ein Verfahren, welches in solchen Fällen (aber auch unabhängig davon) genutzt werden kann, ist das sogenannte Die-to-Database-Verfahren, bei dem ein Referenz-Luftbild mittels optischer Abbildungssimulation (Rendering) aus Design-Daten, beispielsweise aus Layout-Daten gewonnen wird. Das Verfahren, bei dem ein Referenzbild aus Design-Daten einer Maske generiert wird, kann unabhängig von der oben angesprochenen Problematik eingesetzt werden.
Ein Referenz-Luftbild einer Maske mit Hilfe der Simulation kann bisher auf zwei Arten generiert werden. Zum einen kann ein Referenz-Luftbild mit Hilfe einer ab-initio oder rigorosen Simulation berechnet werden. Das Erzeugen von Referenz-Luftbildern zur Defektanalyse und/oder zur Defektkorrektur auf der Basis von ab-initio Simulationen, die die Maxwell-Gleichungen numerisch lösen, ist jedoch sehr zeitaufwändig und deshalb derzeit und in naher Zukunft in einer Fertigungsumgebung kaum praktikabel.
Zum anderen kann ein vereinfachtes Modell, das die Maskenstrukturen als zweidimensional und die gebeugten Wellen als frei propagierend annimmt, das als „Kirchhoff-Modell“ oder „skalares Abbildungs-Modell“ bekannt ist, zum Generieren eines Referenz-Luftbildes mittels Simulation aus Design-Daten eingesetzt werden. Eine Simulation eines Referenz-Luftbildes auf der Basis des Kirchhoff-Modells ist um Größenordnungen schneller als eine rigorose Simulation, vermag jedoch nicht alle Maskeneffekte hinreichend genau abzubilden. Deshalb ist die Qualität eines mittels eines Kirchhoff-Modells erzeugten Referenz-Luftbildes in vielen Fällen nicht ausreichend.
In einem neuen, weiteren Ansatz wird derzeit versucht, mehrere Herausforderungen bei der Qualitätsbewertung von Photomasken mit Hilfe eines Modells maschinellen Lernens (ML) anzugehen. Beispielshaft für diese Herangehensweise seien die nachfolgenden Dokumente genannt: WO 2017 / 087 653 A1 , WO 2017 / 117 568 A1 , WO 2017 / 120 253 A1 , WO 2017 / 123 555 A1 , WO 2017 / 123 561 A1 , WO 2017 / 117 573 A1 , WO 2017 / 123 555 A1 und WO 2017/ 205 537 A1 .
Wie oben ausgeführt, kann das Erzeugen eines Referenz-Luftbildes für eine photolithographische Maske sowohl durch Messung als auch mit Hilfe einer Simulation ein aufwändiger Prozess sein.
Der vorliegenden Erfindung liegt daher das Problem zu Grunde, ein Verfahren und eine Vorrichtung anzugeben, die die oben beschriebenen Nachteile beim Bewerten der Qualität einer photolithographischen Maske zumindest zum Teil vermeiden.
Zusammenfassung der Erfindung
Gemäß einem Aspekt der vorliegenden Erfindung wird dieses Problem durch ein Verfahren nach Anspruch 1 gelöst. In einer Ausführungsform umfasst das Verfahren zum Bestimmen zumindest einer unbekannten Auswirkung von Defekten eines Elements eines Photolithographieprozesses die Schritte: (a) Bereitstellen eines Modells maschinellen Lernens für einen Zusammenhang zwischen einem Bild, dem Bild zugeordneten Design-Daten und einer sich aus dem Bild ergebenden Auswirkung der Defekte des Elements des Photolithographieprozesses; (b) Trainieren des Modells maschinellen Lernens unter Verwendung einer Vielzahl von zum Training verwendeten Bildern, den zum Training verwendeten Bildern zugeordneten Design-Daten und korrespondierenden Auswirkungen der Defekte; und (c) Bestimmen der zumindest einen unbekannten Auswirkung der Defekte durch Anwenden des trainierten Modells maschinellen Lernens auf ein gemessenes Bild und den dem gemessenen Bild zugeordneten Design-Daten.
Ein erfindungsgemäßes Verfahren vermeidet das aufwändige Erzeugen eines Referenz-Bildes, um die Qualität einer photolithographischen Maske und/oder eines Wafers beurteilen zu können. Ferner macht ein erfindungsgemäßes Verfahren das Vergleichen eines gemessenen Bildes mit einem Referenz-Bild überflüssig.
Der aufwändige Trainingsprozess des Modells maschinellen Lernens oder des ML-Modells kann beispielsweise einmalig für einen speziellen Maskentyp und ein bestimmtes optisches Messsystem, das die Luftbilder erzeugt, ausgeführt werden. Der Trainingsprozess kann beispielsweise an einer zentralen Stelle ausgeführt werden, der für diese Aufgabe optimal ausgestattet ist. Die trainierten ML-Modelle für verschiedene Maskentypen können dann zusammen mit dem optischen Mess- oder Abbildungssystem und den Design-Daten in einer Fertigungsumgebung bereitgestellt werden. Durch Anwenden des trainierten ML-Modells auf ein gemessenes Luftbild und durch Bereitstellen der zugehörigen Design-Daten kann dann direkt oder nach einer minimalen Anpassung eine bis dato unbekannte Auswirkung der Defekte in einem Ausschnitt der Maske bestimmt werden, der von dem gemessenen Luftbild darstellt wird.
Ein Modell maschinellen Lernens erzeugt Wissen aus Erfahrung. Ein Modell maschinellen Lernens lernt aus Beispielen, die dem Modell in Form von Trainings- oder Lerndaten in einer Lern- oder Trainingsphase zur Verfügung gestellt werden. Damit können interne Variablen des Modells, beispielsweise Parameter einer parametrischen Abbildung, mit geeigneten Werten belegt werden, um Zusammenhänge in den Trainingsdaten beschreiben zu können. In Folge dessen lernt das ML-Modell in der Trainingsphase in der Regel nicht einfach die Trainingsdaten auswendig, sondern identifiziert Muster und/oder Gesetzmäßigkeiten in den Trainingsdaten. Die Qualität der gelernten Zusammenhänge wird typischerweise auf der Basis von Validierungsdaten bewertet, um die Generalisierbarkeit des angelernten Modells auf neue, d.h. während des Trainings unbekannte Daten zu bewerten. Ein trainiertes ML-Modell kann auf ein Element eines Photolithographieprozesses angewendet werden, um die potentiellen Auswirkungen von Defekten in einem dem ML-Modell unbekannten Bild bei Bereitstellen der zugehörigen Design-Daten vorherzusagen. Ein erfolgreich trainiertes oder angelerntes ML-Modell, d.h. ein trainiertes ML-Modell mit guter Generalisierbarkeit, ist daher nach Abschluss der Trainingsphase in der Lage ihm unbekannte Daten, d.h. unbekannte Bilder bei Bereitstellen der zugehörigen Design-Daten beurteilen zu können.
Das Bild kann zumindest ein Element aus der Gruppe umfassen: ein mit einem optischen Messsystem aufgenommenes Bild, ein mit einem Rasterteilchenmikroskop aufgenommenes Bild und ein mit einem Rastersondenmikroskop aufgenommenes Bild.
Ein optisches Messsystem kann ein AIMS™- PROVE^®-, und/oder ein WLCD-Tool umfassen. Ein Rasterteilchenmikroskop kann ein Rasterelektronenmikroskop (SEM, Scanning Electron Microscope) und/oder ein Rasterinonenmikroskop umfassen. Ein Rastersondenmikroskop kann ein Element aus der Gruppe umfassen: ein Rastertunnelmikroskop, ein Rasterkraftmikroskop, ein Magnetkraftmikroskop, ein optisches Nahfeldmikroskop und ein akustisches Nahfeldmikroskop.
Die Anwendung eines erfindungsgemäßen Verfahrens ist nicht auf Bilder beschränkt, die von einem optischen Messsystem aufgenommen werden. Vielmehr kann ein erfindungsgemäßes Verfahren für Bilder zum Einsatz kommen, die von verschiedenen bildgebenden Modalitäten erzeugt wurden.
Die Design-Daten können zumindest ein Element aus der Gruppe umfassen: Layout-Daten und Computer Aided Design (CAD)-Daten. Die Design-Daten können in Form von Pixel-Daten und/oder Polygonen oder Polygonzügen vorliegen.
Das Modell maschinellen Lernens kann ein subsymbolisches System umfassen.
Bei einem symbolischen System ist das Wissen, d.h. die Trainingsdaten und die induzierten Regeln, explizit dargestellt. Bei einem subsymbolischen System wird dem Modell ein berechenbares Verhalten angelernt, ohne jedoch einen detaillierten Einblick in die gelernten Lösungswege zu haben.
Das Modell maschinellen Lernens kann zumindest ein Element aus der Gruppe umfassen: eine parametrische Abbildung, ein künstliches neuronales Netz (ANN, Artifical Neural Network), ein tiefes neuronales Netz (DNN, Deep Neural Network), ein zeitverzögertes neuronales Netz, ein faltendes neuronales Netz (CNN, Convolutional Neural Network), ein rekurrentes neuronales Netz (RNN, Recurrent Neural Network), ein Long short-term memory (LSTM)-Netz, und ein generatives Modell.
Diskriminative Modelle können aus Eingangsdaten Ausgangsdaten erzeugen, generative Modelle können aus Eingangsdaten Ausgangsdaten erzeugen und können zusätzlich die Eingangsdaten reproduzieren.
Das Modell maschinellen Lernens kann umfassen: (a) zumindest einen Encoder-Block zum Bestimmen von informationstragenden Merkmalen von einem Bild und den dem Bild zugeordneten Design-Daten; und (b) zumindest einen Decoder-Block zum Erzeugen zumindest einer Auswirkung der Defekte aus den bestimmten informationstragenden Merkmalen.
Ferner kann das Modell maschinellen Lernens umfassen: (a) zumindest eine Encoder-Schicht zum Bestimmen von informationstragenden Merkmalen von einem Bild und den dem Bild zugeordneten Design-Daten; und (b) zumindest eine Decoder-Schicht zum Erzeugen zumindest einer Auswirkung der Defekte aus den bestimmten informationstragenden Merkmalen, wobei die Auswirkung der Defekte zeigt, wie eine Überlagerung des Bildes mit einem Referenz-Bild aussieht.
Das Modell maschinellen Lernens kann mindestens 2, bevorzugt 10 bis 1500, mehr bevorzugt 15 bis 1000 und am meisten bevorzugt 30 bis 100 Schichten umfassen.
Die Schichten des Modells maschinellen Lernens können verschiedene parametrisierte und nicht parametrisierte Funktionen realisieren. So kann ein künstliches neuronales Netz zwei oder mehr Faltungsschichten und zwei oder mehr Entfaltungsschichten aufweisen. Die Größe der Faltungsfilter kann dabei speziell für eine kleine Anzahl an Faltungsschichten größer gewählt werden, um während der Verarbeitung auf hinreichend viele Daten zugreifen zu können. Ferner kann das künstliche neuronale Netz zwei oder mehr Bündelungs- oder Pooling-Schichten und zwei oder mehr Entbündelungs- Depooling-Schichten aufweisen. Des Weiteren kann ein Modell maschinellen Lernens zur Realisierung komplexer Zusammenhänge zwei oder mehr nichtlineare Aktivierungsfunktionen enthalten, wie etwa eine Tangens Hyperbolicus, eine Sigmoid, und/oder eine stückweise lineare Funktion. Unabhängig davon kann ein Modell maschinellen Lernens zwei oder mehr adaptive Normierungsschichten enthalten, wie etwa eine Batch- Normalisierung.
Das erfindungsgemäße Verfahren kann ferner den Schritt aufweisen: Anpassen einer Anzahl der Schichten des Modells maschinellen Lernens an eine vorgegebene oder geforderte Genauigkeit eines Luftbildes. Insbesondere kann das erfindungsgemäße Verfahren den Schritt aufweisen: Anpassen einer Anzahl der Encoder-Schichten und/oder der Decoder-Schichten an eine vorgegebene Genauigkeit eines Bildes.
Künstliche neuronale Netze (ANN) bestehen typischerweise aus der Vernetzung vieler Schichten, welche somit zum Beispiel eine sequentielle Transformation der Eingaben in Ausgaben realisieren. Die Topologie des Netzes, d.h. die Anzahl der Schichten, die Wahl der Funktion jeder Schicht, die Parameter oder die Modellparameter jeder der der Schichten (wie etwa die Anzahl und die Größe von Filterkernen), sowie die Verbindungen zwischen den einzelnen Schichten werden in Abhängigkeit der zu lösenden Aufgabe gewählt. Dabei ist es möglich, dass die Ausgaben einer Schicht des ANN nicht nur einer nachfolgenden Schicht als Eingaben zur Verfügung gestellt werden.
Das Element des Photolithographieprozesses kann zumindest ein Element aus der Gruppe umfassen: eine photolithographische Maske, ein Template für die Nanoimprint-Technologie und einen Wafer. Die photolithographische Maske kann eine transmittierende oder eine reflektierende Maske umfassen.
Ein erfindungsgemäßes Verfahren ist nicht auf das Bestimmen einer Anordnung von Defekten einer photolithographischen Maske beschränkt. Dieses kann vielmehr auch zum Analysieren von Templates aus dem Bereich der Nanoimprint-Technologie und von Wafern eingesetzt werden.
Die Defekte können zumindest ein Element aus der Gruppe umfassen: Platzierungsfehler von einem oder mehreren Pattern-Elementen eines oder mehrerer Elemente des Photolithographieprozesses; kritische Dimensionsfehler eines oder mehrerer Pattern-Elemente des Elements des Photolithographieprozesses, und Materialfehler des Elements des Photolithographieprozessses.
Das Bestimmen der zumindest einen unbekannten Auswirkung eines Defekts kann zumindest eine Antwort auf eine der Fragen umfassen: Liegt die Auswirkung des Defektes unterhalb einer vorgegebenen Schwelle? Ist der Defekt auf einem Wafer sichtbar? Ist der auf einem Wafer sichtbare Defekt korrigierbar?
Das mit dem optischen Abbildungssystem aufgenommene Bild kann ein Luftbild umfassen und/oder das Luftbild kann einen Luftbild-Fokusstapel umfassen.
Den verschiedenen Luftbildern eines Fokusstapels liegen die gleichen Design-Daten zugrunde. Durch zumindest teilweises Trainieren des ML-Modells mit einem Luftbild-Fokusstapel anstelle eines einzelnen Luftbildes kann die Präzision der Vorhersage der Auswirkung von Defekten eines Elements eines Photolithographieprozesses gesteigert werden. Das hierfür benötigte ML-Modell ist beispielsweise als ein gemeinsames Modell realisierbar, welches entweder Daten aus Luftbild-Fokusstapeln oder einzelne Luftbilder als Eingaben bekommt. Es ist aber auch möglich, zwei separate ML-Modell zu verwenden, die zum Beispiel über gemeinsame Parameterwerte gekoppelt sind.
Das Trainieren des Modells maschinellen Lernens kann umfassen: Bereitstellen der Vielzahl von zum Training verwendeten Luftbildern und der Vielzahl der den zum Training verwendeten Luftbildern zugeordneten Design-Daten als Eingabedaten und Bereitstellen der Vielzahl den zum Training verwendeten Luftbildern korrespondierenden Auswirkungen der Defekte als Vergleichsdaten zu den Ausgabedaten des Modells maschinellen Lernens.
Es ist eine Besonderheit der vorliegenden Anmeldung, dass dem ML-Modell sowohl in der Trainingsphase als auch in der Einsatzphase jeweils Daten aus zwei Datenquellen vorgelegt werden, die eine Verbindung zueinander aufweisen.
Die zum Training verwendeten Luftbilder können gemessene Luftbilder und/oder simulierte Luftbilder umfassen.
Es ist ein Vorteil des erfindungsgemäßen Verfahrens, dass die zum Trainieren benötigten Luftbilder nicht alle gemessen werden müssen.
Das erfindungsgemäße Verfahren kann ferner den Schritt aufweisen: Simulieren von Design-Daten und/oder von modifizierten Design-Daten des Elements des Photolithographieprozesses zum Erzeugen von simulierten Bildern. Ferner kann das erfindungsgemäße Verfahren den Schritt aufweisen: Simulieren von Design-Daten und/oder von modifizierten Design-Daten einer photolithographischen Maske zum Erzeugen von simulierten Luftbildern.
Ein Trainingsdatensatz sollte Bilder bzw. Luftbilder umfassen, die keine Defekte aufweisen, d.h. die als Referenz-Bilder bzw. Referenz-Luftbilder benutzt werden können. Daneben sollte ein Trainingsdatensatz aber auch Bilder/Luftbilder umfassen, die eine Vielzahl der bekannten relevanten Defekte eines Elements eines Photolithographieprozesses bzw. der bekannten relevanten Maskendefekte im Falle von Photomasken aufweisen. Falls die zum Training verwendeten Bilder/Luftbilder zum Teil oder zur Gänze mit Hilfe eines Simulations-Tools generiert werden, können die den simulierten Bildern/Luftbildern zugrundeliegenden Design-Daten so geändert oder modifiziert werden, dass die simulierten Bilder/Luftbilder die bekannten relevanten Defekte des Elements des Photolithographieprozesses, beispielsweise die bekannten relevanten Maskendefekte zeigen.
Das Erzeugen von simulierten Bildern/Luftbildern kann zumindest ein Element aus der Gruppe umfassen: Ausführen einer rigorosen Simulation durch numerisches Lösen der Maxwell-Gleichungen, wobei Design-Daten und/oder modifizierte Design-Daten des Elements des Photolithographieprozesses als Eingangsdaten benutzt werden, Ausführen einer Simulation mit Hilfe eines Kirchhoff-Modells, wobei die Design-Daten und/oder die modifizierten Design-Daten des Elements des Photolithographieprozesses als Eingangsdaten benutzt werden, Ausführen einer Teilchenstrahl-basierten Abbildungssimulation, wobei Design-Daten und/oder modifizierte Design-Daten des Elements des Photolithographieprozesses als Eingangsdaten benutzt werden, und Ausführen einer Rastersonden-basierten Abbildungssimulation, wobei Design-Daten und/oder modifizierte Design-Daten des Elements des Photolithographieprozesses als Eingangsdaten benutzt werden.
Das Trainieren des Modells maschinellen Lernens kann das Bestimmen lernbarer Parameter des Modells maschinellen Lernens umfassen. Im Falle von Faltungsschichten kann das Trainieren des Modells maschinellen Lernens das Bestimmen von Einträgen der Filtermaskenumfassen.
Bei Faltungs- und Entfaltungsschichten sind die lernbaren Parameter typischerweise die Einträge (engl.: weights) der Filtermasken der einzelnen Faltungsschichten. Zur Erhöhung der Modellkomplexität werden die Faltungsergebnisse einer Schicht üblicherweise zusätzlich nichtlinear transformiert. Dazu wird, wie bereits oben angesprochen, der mittels diskreter Faltung ermittelte Input eines jeden Neurons in einer Faltungsschicht mit Hilfe einer Aktivierungsfunktion, d.h. etwa durch die Anwendung einer Sigmoid-Funktion (sig(t)=0.5·(1+ tanh(t/2)) oder einer Rectified Linear UNit (Re-LU, f(x) = max(o, x)) in eine Ausgabe verwandelt. Die Verkettung von mehreren Faltungsschichten, die jeweils eine Aktivierungsfunktion umfassen, erlaubt das Erlernen komplexer Muster aus den bereitgestellten Daten - sowohl für Erkennungsaufgaben (engl.: perception) als auch zum Transformieren zwischen verschiedenen Datenmodalitäten (beispielsweise zwischen Design-Daten und Bilddaten).
Ein in dieser Anmeldung eingesetztes ML-Modell weist die Besonderheit auf, dass dieses auf der Basis von zwei Eingabedatensätzen, nämlich einem Bild und von Design-Daten, eine Ausgabe, nämlich zumindest eine Auswirkung zumindest eines Defekts eines Elements eines Photolithographieprozesses voraussagt. In einer ersten Ausführungsform können die beiden Eingabedatensätze zu einer einzigen Eingabe konkateniert werden. In dieser Ausführungsform unterscheidet sich die Architektur des ML-Modells nicht von herkömmlichen Ausführungsbeispielen.
In einer zweiten Ausführungsform ist es aber auch möglich, dass das ML-Modell auf der Eingangsseite zwei getrennte Zweige oder Eingangszweige für die beiden Eingaben Bild und Design-Daten aufweist, die innerhalb des ML-Modells kombiniert werden. Diese zweite Ausführungsform ermöglicht eine getrennte Bearbeitung der beiden Eingaben, um diese gezielt für eine gemeinsame Bearbeitung in einer oder mehrerer gemeinsamen Schichten des ML-Modells vorzubereiten. Die beiden getrennten Eingangszweige des ML-Modells können eine gleiche Anzahl von Schichten aufweisen. Derzeit ist es aber bevorzugt, die Anzahl der Schichten der beiden Eingangszweige des ML-Modells an die Spezifika der jeweiligen Eingangsdaten anzupassen. Einzelne Schichten der beiden getrennten Eingangszweige können untereinander eine Verbindung aufweisen.
Die zweite oben erläuterte Ausführungsform eines ML-Modells kann auf verschiedene Arten trainiert werden: Die initialen Modellparameter können (I) zufällig gewählt werden, (II) können von einem ML-Modell, das bereits eine ähnliche Aufgabe ausgeführt hat, übernommen werden und/oder (III) können ohne Überwachung (unsupervised) vorgelernt werden.
Zu (I): Falls die initialen Zahlenwerte der Modellparameter zufällig gewählt werden, kann für beide Eingangszweige des ML-Modells eine gleiche oder eine verschiedene Zufallsverteilung gewählt werden.
Zu (II): Wenn andere ML-Modelle, die dieselbe oder eine ähnliche Architektur, wie die beiden Eingangszweige des zu trainierenden ML-Modells aufweisen, bereits im Einsatz sind, können deren Modellparameter als initiale Modellparameter für die Trainingsphase benutzt werden. Dadurch können getrennt für die beiden getrennten Eingangszweige des ML-Modells die initialen Zahlenwerte der Modellparameter für den Trainingsprozess festgelegt werden. Durch das modulare Bestimmen der initialen Modellparameter kann der Trainingsprozess des ML-Modells vereinfacht werden.
Zu (III): Falls die beiden Eingangszweige des ML-Modells als Auto-Encoder ausgeführt sind, d.h. die Eingabedaten der Eingangszweige können an deren Ausgang reproduziert werden, dies ist beispielsweise der Fall, wenn die Eingangszweige in Form von für Encoder-Decoder-Architekturen realisiert werden, können die aus der Reproduktion der Eingangsdaten bestimmten Modellparameter als Startparameter des ML-Modells benutzt werden. Die so angelernten Modellparameter der beiden Eingangszweige sind häufig hilfreich für die Initialisierung des gesamten ML-Modells in der Trainingsphase.
Das Bereitstellen korrespondierender Auswirkungen von Defekten zum Trainieren des Modells maschinellen Lernens kann ferner den Schritt umfassen: Überlagern eines zum Training verwendeten Bildes mit einem Referenz-Bild zum Erzeugen der zu dem Bild korrespondierenden zumindest einen Auswirkung der Defekte.
Das Bereitstellen korrespondierender Auswirkungen von Defekten zum Trainieren des Modells maschinellen Lernens kann ferner den Schritt umfassen: Bestimmen eines Referenz-Bildes durch: Abbilden eines im Wesentlichen defektfreien Bereichs des Elements des Photolithographieprozesses, der die gleichen Pattern-Elemente wie der Bereich des gemessenen Bildes aufweist, und/oder Simulieren der Design-Daten für den Bereich des gemessenen Bildes des Elements des Photolithographieprozesses. Das Bereitstellen korrespondierender Auswirkungen von Defekten zum Trainieren des Modells maschinellen Lernens kann ferner den Schritt umfassen: Bestimmen eines Referenz-Luftbildes durch: Abbilden eines im Wesentlichen defektfreien Bereichs der photolithographischen Maske, der die gleichen Pattern-Elemente wie der Bereich des gemessenen Luftbildes aufweist, und/oder Simulieren der Design-Daten für den Bereich des gemessenen Luftbildes der photolithographischen Maske.
Das Überlagern des Bildes mit dem Referenz-Bild kann umfassen: Bilden einer Differenz zwischen dem Bild und dem Referenz-Bild. Ferner kann das Überlagern des Luftbildes mit dem Referenz-Luftbild umfassen: Bilden einer Differenz zwischen dem Luftbild und dem Referenz-Luftbild.
Das Bilden der Differenz kann zumindest ein Element aus der Gruppe umfassen: Bestimmen einer Abweichung einer kritischen Dimension (CD, Critical Dimension), Bestimmen einer Kontrast-Abweichung und Bestimmen einer Platzierungsabweichung eines oder mehrerer Pattern-Elemente.
Typischerweise liegt ein gemessenes Bild ebenso wie ein Referenz-Bild in Form einer zweidimensionalen Pixel-Anordnung vor. Jedem Pixel ist normalerweise eine bestimmte Bit-Tiefe zugeordnet, so dass diese als Grauwertstufen dargestellt werden können. Durch eine Überlagerung von Referenz-Luftbild und Luftbild entsteht ein Differenzbild, das die Auswirkung von Defekten darstellt.
Eine Auswirkung von Defekten eines Elements eines Photolithographieprozesses, beispielsweise eine Photomaske, kann in einer Defekt-Auswirkungskarte erfasst werden. Eine Defekt-Auswirkungskarte beschreibt Auswirkungen von Abweichungen eines gemessenen Bildes bezogen auf ein Referenz-Bild, wie dies im oben erläutert ist. Durch Vorgeben von einer oder mehrerer Schwellenbedingungen kann dann aus der Defekt-Auswirkungskarte beispielsweise unmittelbar die Anordnung der druckbaren Defekte, d.h. der auf einem Wafer sichtbaren Defekte auf der Maske bzw. dem Maskenausschnitt ermittelt werden. Darüber hinaus kann das ML-Modell angelernt werden, neben den vorausgesagten Auswirkungen des Defekts zusätzlich zu prädizieren, ob ein druckbarer Defekt korrigiert werden kann.
Das Trainieren kann ferner den Schritt aufweisen: Vergleichen der von einem trainierenden Modell maschinellen Lernens aus dem zum Training verwendeten Bild bestimmten zumindest einen Auswirkung der Defekte mit der zum Training verwendeten Bild korrespondierenden zumindest einen Auswirkung der Defekte.
Das Trainieren des Modells maschinellen Lernens kann ein überwachtes Lernen umfassen. Überwachtes Lernen ist in dem Buch „Pattern Recognition and Machine Learning“ von C.M, Bishop, Springer 2006, ISBN-10: 0-387-31073-8 beschrieben.
Das Trainieren des Modells maschinellen Lernens kann umfassen: (a) Trainieren des Modells maschinellen Lernens unter Verwendung einer ersten Anzahl von simulierten Bildern, den simulierten Bildern zugeordneten Design-Daten mit korrespondierenden Auswirkungen der Defekte in einer ersten Phase; und (b) Trainieren des Modells maschinellen Lernens unter Verwendung einer zweiten Anzahl von gemessenen Bildern, den gemessenen Bildern zugeordneten Design-Daten mit korrespondierenden Auswirkungen der Defekte in einer zweiten Phase, wobei die erste Phase vor der zweiten Phase ausgeführt wird. Die erste Anzahl simulierter Bilder kann größer sein als die zweite Anzahl gemessener Bilder. Die erste Anzahl simulierter Bilder kann einen Faktor 10 größer sein als die zweite Anzahl gemessener Bilder.
Das Trainieren des Modells maschinellen Lernens kann ferner den Schritt umfassen: zumindest zweimaliges Durchlaufen der oben angegebenen Schritte (a) und (b).
Es kann aufwändig sein, die zum Trainieren des ML-Modells benötigte große Anzahl von Bildern, beispielsweise tausende von Bildern, wie etwa Luftbilder, zu messen. Das erfindungsgemäße Verfahren ermöglicht es, in einem ersten Schritt das ML-Modell auf der Basis simulierter Bilder und zugehöriger Design-Daten zu trainieren. Simulierte Bilder können in einer großen Anzahl mit Hilfe eines Simulations-Tools erzeugt werden. In einem zweiten Schritt wird das mittels der simulierten Bilder vortrainierte ML-Modell mit Hilfe einer begrenzten Anzahl gemessener Bilder final auf seinen Einsatz vorbereitet.
Ein Computerprogramm kann Anweisungen umfassen, die, wenn sie von einem Computersystem ausgeführt werden, das Computersystem veranlassen, die Verfahrensschritte der oben angegebenen Aspekte auszuführen.
Nach einem weiteren Aspekt der vorliegenden Erfindung wird das oben angegebene Problem durch eine Vorrichtung nach Anspruch 19 gelöst. In einer Ausführungsform umfasst die Vorrichtung zum Bestimmen einer unbekannten Auswirkung von Defekten eines Elements eines Photolithographieprozesses: (a) Mittel zum Bereitstellen eines Modells maschinellen Lernens für einen Zusammenhang zwischen einem Bild, dem Bild zugeordneten Design-Daten und einer sich aus dem Bild ergebenden Auswirkung der Defekte; (b) Mittel zum Trainieren des Modells maschinellen Lernens unter Verwendung einer Vielzahl von zum Training verwendeten Bildern, den zum Training verwendeten Bildern zugeordneten Design-Daten und korrespondierenden Auswirkungen der Defekte; und (c) Mittel zum Bestimmen der zumindest einen unbekannten Auswirkung der Defekte durch Anwenden des trainierten Modells maschinellen Lernens auf ein gemessenes Bild und den dem gemessenen Bild zugeordneten Design-Daten.
Die Vorrichtung kann ein Belichtungssystem für das Element des Photolithographieprozesses umfassen und ein vergrößerndes Objektiv, das ausgebildet ist, einen Ausschnitt des Elements des Photolithoghraphieprozesses auf einen Photodetektor abzubilden. Die Vorrichtung kann ein AIMS™-Tool umfassen.
Figurenliste
In der folgenden detaillierten Beschreibung werden derzeit bevorzugte Ausführungsbeispiele der Erfindung unter Bezugnahme auf die Zeichnungen beschrieben, wobei

1 schematisch den derzeitig häufig eingesetzten Arbeitsablauf zum Beurteilen der Qualität eines Elements eines Photolithographieprozesses wiedergibt;
2 schematisch ein Beispiel eines Modells maschinellen Lernens mit einer Eingabeschicht, einer Ausgabeschicht und den zugehörigen Ein- und Ausgabedaten zeigt;
3 schematisch einen Schnitt eines zweiten Beispiels eines Modells maschinellen Lernens mit zwei getrennten Eingangszweigen darstellt;
4 schematisch einen Schnitt einer Vorrichtung darstellt, mit der das in dieser Anmeldung beschriebene Verfahren ausgeführt werden kann;
5 schematisch ein Referenz-Luftbild eines Ausschnitts eines Elements eines Photolithographieprozesses darstellt;
6 schematisch ein Luftbild eines Ausschnitts eines Elements eines Photolithographieprozesses zeigt;
7 schematisch einen Ausschnitt aus einer Defekt-Wahrscheinlichkeitskarte präsentiert;
8 schematisch einen Trainingszyklus der Trainingsphase eines Modells maschinellen Lernens veranschaulicht;
9 schematisch den Arbeitsablauf zum Beurteilen der Qualität eines Elements eines Photolithographieprozesses wiedergibt, wenn hierfür ein trainiertes Modell eingesetzt wird, das einen Zusammenhang zwischen einem gemessenen Luftbild und den zugeordneten Design-Daten herstellt und dadurch eine Vorhersage einer Defektverteilung eines Elements eines Photolithographieprozesses ermöglicht; und
10 schließlich ein Flussdiagramm eines Verfahrens zum Bestimmen einer unbekannten Anordnung von Defekten eines Elements eines Photolithographieprozesses darstellt.

Detaillierte Beschreibung bevorzugter Ausführungsbeispiele
Im Folgenden werden derzeit bevorzugte Ausführungsformen des erfindungsgemäßen Verfahrens und der erfindungsgemäßen Vorrichtung anhand der Bestimmung einer unbekannten Auswirkung von Defekten einer photolithographischen Maske genauer erläutert. Das erfindungsgemäße Verfahren und die erfindungsgemäße Vorrichtung sind jedoch nicht auf die Anwendung auf Photomasken beschränkt. Vielmehr können diese auf weitere Elemente eines Photolithographieprozesses angewendet werden, beispielsweise auf ein Template oder einen Stempel der Nanopräge-Lithographie, der anstelle einer Photomaske eingesetzt werden kann. Ferner können das erfindungsgemäße Verfahren und die erfindungsgemäße Vorrichtung zum Beurteilen der Qualität eines Wafers während dessen Prozessierung benutzt werden. Generell kann das in dieser Anmeldung beschriebene Verfahren zur Qualitätsbewertung von Gegenständen eingesetzt werden, deren Design-Daten vorliegen und deren Defekte abgebildet werden können.
Die 1 zeigt schematisch den derzeitig vorzugsweise benutzten Workflow zur Beurteilung der Qualität einer Photomaske. Ein derzeit häufig eingesetztes Verfahren zum Ermitteln einer Defektauswirkungskarte für eine photolithographische Maske sieht in einem ersten Schritt das Bestimmen eines Referenz-Luftbildes für einen zu untersuchenden Bereich einer Maske vor. Falls eine Maske viele oder zumindest mehrere Bereiche oder Teilflächen aufweist, die eine gleiche Anordnung von Pattern-Elementen beinhalten, kann ein defektfreier Bereich der Maske zum Aufnehmen eines Referenz-Luftbildes ausgewählt werden. Zum Messen eines Luftbildes und damit auch zum Messen eines Referenz-Luftbildes kann beispielsweise ein AIMS™- (Aerial Image Metrology System) und/oder ein PROVE^®-Tool zum Bestimmen von Platzierungsfehlern oder ein WLCD zum Bestimmen der kritischen Dimension (CD) eingesetzt werden.
Der Begriff „CD“ für kritische Dimension oder kritische Abmessung bezeichnet in der Halbleiter- und Mikrosystemtechnik eine definierte Größe in einer Teststruktur, deren Messung Aussagen über die Qualität der Fertigung eines Prozessschrittes zulässt.
Für den Fall, dass sich auf einer Maske Bereiche oder Teilflächen mit einer identischen Anordnung von Pattern-Elementen nicht oder nur in sehr großem Abstand wiederholen, kann das oben beschriebene Verfahren (das sogenannte Die-to-Die-Verfahren) zum Bestimmen eines Referenz-Luftbildes nicht oder nur mit größerem Aufwand, d.h. nach einer längeren Suche nach einer geeigneten Referenzposition, eingesetzt werden. Ein Verfahren, welches in solchen Fällen (aber auch unabhängig davon) zum Generieren eines Referenz-Luftbildes genutzt werden kann, ist das sogenannte Die-to-Database-Verfahren, bei dem ein Referenz-Luftbild mittels optischer Abbildungssimulation (Rendering) aus Design-Daten, beispielsweise aus Layout-Daten gewonnen wird.
Ein ideales Referenz-Luftbild einer Maske wird mit Hilfe einer ab-initio oder rigorosen Simulation berechnet. Eine ab-initio Simulation berücksichtigt die optische Wechselwirkung (Streuung, Beugung, Absorption, Reflexion) der Beleuchtungsstrahlung des optischen Abbildungssystems, d.h. der auf die Photomaske auftreffenden elektromagnetischen Wellen, mit den Strukturen der Photomaske sowie die nachfolgende Propagation der transmittierten und/oder der reflektierten elektromagnetischen Felder vor bzw. hinter der Maske in die Ebene des Detektors eines optischen Analysesystems numerisch rigoros auf Grundlage der Maxwell-Gleichungen. Dies bedeutet, die Maxwell-Gleichungen werden in drei Dimensionen für die jeweiligen Randbedingungen über geeignete numerische Verfahren gelöst. Dies stellt insbesondere für die Masken, deren Strukturen oder Pattern für die Beleuchtungsstrahlung dreidimensional erscheinen, aufgrund der unterschiedlichen Materialien einer Photomaske eine besondere Herausforderung dar.
Ein vereinfachtes Modell, das die Maskenstrukturen als zweidimensional und die gebeugten Wellen als frei propagierend annimmt, wird „Kirchhoff-Modell“ oder „skalares Abbildungs-Modell“ genannt. Eine Simulation eines Referenz-Luftbildes auf der Basis des Kirchhoff-Modells ist um Größenordnungen schneller, vermag jedoch nicht alle Maskeneffekte hinreichend genau abzubilden.
Nach dem Bestimmen eines Referenz-Luftbildes (entweder durch Simulation oder durch Messung eines defektfreien Maskenausschnitts) wird in einem zweiten Schritt ein Luftbild eines zu analysierenden Bereichs einer Photomaske oder allgemein eines Elements eines Photolithographieprozesses gemessen. Diese Messung kann beispielsweise wiederum, wie oben angegeben, mit Hilfe eines der oben angegebenen Tools erfolgen.
Sodann werden in einem dritten Schritt aus den beiden Bildern, d.h. dem gemessenen Luftbild und dem Referenz-Luftbild, beispielsweise die Positionen der jeweiligen Pattern-Elemente bzw. die CD-Daten extrahiert.
Anschließend wird in einem vierten Schritt durch Vergleichen der beiden aus den beiden Bildern extrahierten Datensätze eine Defektauswirkungskarte für einen zu untersuchenden Bereich oder für die aktive gesamte Fläche einer Photomaske erstellt. Dabei kann das Vergleichen der beiden aus den beiden Bildern extrahierten Datensätze mittels einer Differenzbildung erfolgen.
Schließlich kann bei Bedarf in einem weiteren Schritt auf der Basis eines oder mehrerer Schwellenwerte aus der Defektauswirkungskarte die Auswirkung der Defekte, beispielsweise die druckbaren („printable“) Defekte, in einem Ausschnitt einer Maske bzw. über die Maske hinweg ermittelt werden (in der 1 nicht dargestellt).
Das Diagramm 290 der 2 zeigt schematisch ein Modell maschinellen Lernens 200 oder ein ML-Modell 200, das einen Zusammenhang zwischen einem Luftbild 230, dem Luftbild 230 zugeordneten Design-Daten 240 und einer oder mehrerer sich aus dem Luftbild 230 ergebenden Auswirkungen 250 von Defekten eines Elements eines Photolithographieprozesses. Das ML-Modell 200 kann ein künstliches neuronales Netzwerk (ANN) umfassen. Das ANN kann ein tiefes neuronales Netzwerk umfassen. Es ist günstig, das Modell maschinellen Lernens 200 an die geforderte Vorhersagegenauigkeit anzupassen. Die Anpassung des Modells 200 kann beispielsweise durch eine entsprechende Wahl der Schichtenanzahl erfolgen. Alternativ oder zusätzlich ist es vorteilhaft, die funktionale Beschreibung des ML -Modells 200 an die zu lösende Aufgabe, nämlich die Vorhersage einer oder mehrerer Auswirkungen 250 der Defekte oder an eine Defektauswirkungskarte 250 einer photolithographsichen Maske anzupassen.
Das ML-Modell 200 weist eine Eingabeschicht 210 auf. Über die Eingabeschicht 210 werden dem trainierten ML-Modell 200 im Betrieb die Eingabedaten 230, 240 bereitgestellt. In der hier beschriebenen Anmeldung sind die Eingabedaten 230, 240 im Betrieb zum einen ein gemessenes Bild bzw. ein Luftbild 230 und zum anderen die zu dem gemessenen Bild bzw. Luftbild 230 zugehörigen Design-Daten 240. Die Design-Daten 240 können beispielsweise Layout-Daten oder CAD- (Computer Aided Design) Daten einer Maske sein und können zum Beispiel in Form von Pixel-Daten oder etwa als Polygone oder Polygonzüge vorliegen. Falls die Design-Daten als Polygone vorliegen, ist es notwendig, die Polygonzüge in Pixel-Daten zu verwandeln.
Ferner weist das ML-Modell 200 eine Ausgabeschicht 220 auf, über welche das trainierte Modell maschinellen Lernens 200 seine Ausgabedaten 250, nämlich die Defektauswirkungskarte 250 am Ausgang bereitstellt. In dem in der 2 dargestellten Beispiel ist dies eine Vorhersage der Auswirkung(en) 250 eines oder mehrerer Defekte einer photolithographischen Maske bzw. eines Ausschnitts einer Photomaske.
Das Diagramm 390 der 3 zeigt schematisch ein Modell maschinellen Lernens 300, dessen Architektur speziell für die zu lösende Aufgabe angepasst ist. Das beispielhafte ML-Modell 300 der 3 weist einen ersten Eingangszweig 380 mit sechs Schichten 310, 320, 330. 340, 350. 360 auf, wobei die erste Schicht 310 als Eingabeschicht ausgeführt ist, über die dem ML-Modell 300 das Luftbild 230 bereitgestellt wird. Die Schichten 310 bis 360 des ersten Eingangszweiges 380 des ML-Modells 300 bearbeiten das Luftbild 230 vor, so dass die Ausgabe des ersten Eingabezweiges 380 der ersten gemeinsamen Schicht 375 des Hauptteils 370 des ML-Modells 300 als Eingabe bereitgestellt werden kann.
Ferner weist das in der 3 beispielhaft dargestellte ML-Modell 300 einen zweiten Eingangszweig 385 mit vier Schichten 315, 325, 335, 345 auf. Analog zum ersten Eingangszweig 380 ist die erste Schicht 315 des zweiten Eingangszweiges 385 als Eingabeschicht ausgeführt, die dazu dient, dem ML-Modell 300 die Design-Daten 240 bereitzustellen. Die Schichten 315 bis 345 des zweiten Eingangszweiges 385 des ML-Modells 300 bearbeiten die Design-Daten 240, so dass die Ausgabe des zweiten Eingabezweiges 385 der ersten gemeinsamen Schicht 375 des Hauptteils 370 des ML-Modells 300 als Eingabe parallel zur Eingabe des ersten Eingangszweiges 380 zur Verfügung gestellt werden kann. Ähnlich wie das ML-Modell 200 gibt das ML-Modell 300 über die Ausgabeschicht 395 des Hauptteils 370 seine Ausgabedaten 250, nämlich die Defektauswirkungskarte 250, aus.
Bevor das ML-Modell 200, 300 für prädikative Zwecke eingesetzt werden kann, muss dieses mit einem möglichst umfangreichen Datensatz trainiert werden. Die 4 zeigt schematisch einen Schnitt durch eine Vorrichtung 490, die zum Messen von Luftbildern 230 eingesetzt werden kann. Ferner kann die Vorrichtung 490 zum Messen von Luftbildern eingesetzt werden, die als Teil eines Trainingsdatensatzes zum Trainieren des Modells 200, 300 benutzt werden.
Die Vorrichtung 490 umfasst ein Computersystem 400, das mit einer Messeinrichtung 420 über eine Verbindung 410 verbunden ist. Die Verbindung 410 kann drahtgebunden oder drahtlos ausgeführt sein. Die Messeinrichtung 420 untersucht in dem in der 4 dargestellten Beispiel mittels der Wechselwirkung 430 eine photolithographische Maske 450. Die Maske 450 kann eine transmittierende oder eine reflektierende Maske sein. Die Photomaske 450 der 4 ist ein Beispiel eines Elements 450 eines Photolithographieprozesses. Die Messeinrichtung 420 kann eine bildgebende Messeinrichtung 420 sein. Beispielsweise kann die Messeinrichtung 420 ein AIMS™ oder ein AIMS™ EUV sein, d.h. ein AIMS für den extrem ultravioletten Wellenlängenbereich sein. Ferner kann die Messeinrichtung 420 ein PROVE^®-Tool und/oder ein WLCD-Tool umfassen. Die Messeinrichtung 420 kann eingesetzt werden, um durch Variation der Fokusebene einen Luftbild-Fokusstapel zu erzeugen. Dadurch ermöglicht die Messeinrichtung 420 das Messen eines Luftbild-Fokusstapels der Maske 450.
Neben einer optischen Messeinrichtung 420, die mittels einer photonischen Wechselwirkung die Maske 450 analysiert und ein Luftbild 230 erzeugt, kann die Messeinrichtung 420 jedoch auch mit Hilfe eines neutralen oder eines geladenen Teilstrahls mit der Maske 450 wechselwirken 330 und auf der Basis von reflektierten und/oder transmittierten neutralen und/oder geladenen Teilchen ein Bild von der Probe, d.h. der photolithographischen Maske 450 generieren. Die Messeinrichtung 420 kann ein Rasterelektronenmikroskop umfassen, insbesondere wenn das Element des Photolithographieprozesses einen Wafer beschreibt (in der 4 nicht gezeigt).
Die Messeinrichtung 420 kann aber auch ein Rastersondenmikroskop umfassen, das eine Oberfläche der Maske 450 abtastet und dadurch ein Bild der Oberflächenkontur der Maske 450 oder allgemeiner eines Elements 450 eines Photolithographieprozesses erzeugt (in der 4 nicht dargestellt). Ein Rastersondenmikroskop kann beispielsweise ein Rasterkraftmikroskop umfassen. Zudem ist es möglich, dass die Messeinrichtung 420 eine bildgebende Messeinrichtung und zusätzlich beispielsweise ein Rastersondenmikroskop umfasst. Auf der Basis der Messdaten einer bildgebenden Messeinrichtung und eines Rastersondenmikroskops kann ein dreidimensionales Bild der Maske 450 hergestellt werden.
Das Computersystem 400 steuert die Messeinrichtung 420 über die Verbindung 410. Ferner erhält das Computersystem 400 Messdaten der Messeinrichtung 420 über die Verbindung 410. Das Computersystem 400 der 4 kann aus den Messdaten der Messeinrichtung 420 ein Luftbild 230 erzeugen. Ferner umfasst in dem in der 4 dargestellten Beispiel das Computersystem 400 das ML-Modell 200,300. Das Computersystem 400 ist dafür ausgelegt, das trainierte ML-Modell 200, 300 auszuführen. Ferner ist das Computersystem 400 ausgestaltet, dass es das nachfolgend beschriebene Trainieren des ML-Modells 200, 300 ausführen kann. Graphikprozessoren (GPU, Graphical Processor Unit) sind besonders geeignet für das Ausführen von Modellen maschinellen Lernens 200, 300. Es ist deshalb vorteilhaft, wenn das Computersystem 400 einen oder mehrere leistungsfähige Graphikprozessoren beinhaltet oder andere Aufgaben-optimierte Computer-Hardware, wie etwa eine Tensor Processing Unit (TPU) von Google (in der 4 nicht gezeigt).
Ferner weist das Computersystem 400 eine Schnittstelle 460 auf. Über die Schnittstelle 460 kann das Computersystem 400 Design-Daten 240 oder Layout-Daten 240 erhalten, die zu der Maske 450 gehören, die von der Messeinrichtung 420 analysiert wird. Die Schnittstelle 460 kann eine drahtlose oder drahtgebundene Kommunikationsschnittstelle zu einem Intranet oder dem Internet sein. Ferner kann die Schnittstelle 460 ein Datenträger-Laufwerk umfassen.
Anhand der nachfolgenden 5 bis 8 wird beispielhaft das Trainieren der ML-Modelle 200, 300 der 2 und 3 erläutert. Das Trainieren des Modells 200, 300 kann mit Hilfe der Vorrichtung 490 der 4 erfolgen. Es ist jedoch auch möglich, für das Ausführen des Trainierens des ML-Modells 200, 300 ein eigens hierfür ausgelegtes Computersystem vorzusehen, dem die Eingabedaten 230, 240 und entsprechende Ausgabedaten bereitgestellt werden.
Die 5 zeigt schematisch eine Aufsicht auf ein Referenz-Luftbild 500 für einen Ausschnitt der photolithographischen Maske 450. Das in er 5 beispielhaft dargestellte Referenz-Luftbild 500 präsentiert eine vertikale Streifenstruktur mit vier Streifen 510, 520, 530, 540, die Material aufweisen, das die aktinische Wellenlänge der photolithographischen Maske 450 absorbiert. Die Streifenstruktur des Referenz-Luftbildes 500 der 5 weist im Wesentlichen keine Defekte auf. Der Ausdruck „im Wesentlichen“ bedeutet hier, wie auch an anderen Stellen der vorliegenden Anmeldung, eine Messung, die keine nachweisbaren Änderungen gegenüber einem vorgegebenen Design aufweist, wenn Messgeräte gemäß dem Stand der Technik für die Messung verwendet werden.
Das Referenz-Luftbild 500 der 5 kann beispielsweise mit der Messeinrichtung 420 der Vorrichtung 490 gemessen werden. Hierfür wird eine Stelle auf der Maske 450 ausgewählt, die die in der 5 wiedergegebene Streifenstruktur 510, 520, 530, 540 aufweist und von der bekannt ist, dass die Maske 450 an dieser Stelle keine Defekte aufweist.
Falls jedoch die Maske 450 keine defektfreie Streifenstruktur 510, 520, 530, 540 in der Nähe eines zu untersuchenden Bereichs der Maske 450 aufweist oder falls die in dem Referenz-Luftbild 500 wiedergegebene Streifenstruktur nur einmal auf der Photomaske 450 vorhanden ist, wird das Referenz-Luftbild 500 mit Hilfe eines Simulations-Tools aus den Design-Daten 240 der Maske 450, die dem Referenz-Luftbild 500 entsprechen, erzeugt. Wie bereits oben ausgeführt, kann eine Simulation zum Generieren des Referenz-Luftbildes 500 auf der Basis einer rigorosen oder einer ab-initio Simulation der Design-Daten 240 durch ein numerisches Lösen der Maxwell-Gleichungen für den Ausschnitt der Photomaske 500 durchgeführt werden, den das Referenz-Luftbild 500 wiedergibt. Das Ausführen einer rigorosen Simulation liefert ein hochpräzises Referenz-Luftbild 500, ist häufig jedoch ein zeitaufwändiger Prozess.
Abhängig von der für das Referenz-Luftbild 500 geforderten Genauigkeit kann es deshalb eine Alternative sein, das Referenz-Luftbild 500 auf der Basis eines sogenannten „Kirchhoff-Modells“ oder eines „skalaren Abbildungsmodells“ ausführen. Dieser Simulationsprozess ist im Vergleich zur rigorosen Simulation deutlich weniger aufwändig.
Die 6 zeigt ein gemessenes Luftbild 600 der Photomaske 450 für den gleichen Ausschnitt der Maske 450 wie in der 5. In dem in der 6 dargestellten Beispiel weist der Streifen 520 einen Defekt 650 fehlenden Absorber-Materials auf. Zudem weist in dem gemessenen beispielhaften Luftbild 600 der dritte Streifen 530 einen Defekt 660 überschüssigen absorbierenden Materials auf. Das gemessene Luftbild 600 kann Teil eines Trainingsdatensatzes sein. Das gemessene Luftbild 600 kann jedoch auch zusammen mit den zugehörigen Design-Daten 240 dem trainierten Modell 200, 300 zur Vorhersage der Auswirkung 250 der Defekte 650, 660 eingegeben werden. Schließlich könnte ein simuliertes Luftbild eines Trainingsdatensatzes, das auf der Basis von modifizierten Design-Daten mit Hilfe eines Simulations-Tools generiert wurde, ganz ähnlich aussehen wie das gemessene Luftbild 600.
Die 7 präsentiert einen Ausschnitt 710 einer speziellen Ausprägung einer Defektauswirkungskarte 700. Der Ausschnitt 710 der Defektauswirkungskarte 700 wird durch Vergleichen des Referenz-Luftbildes 500 mit dem gemessenen Luftbild 600 gebildet. Im Detail kann der Ausschnitt 710 der Defektauswirkungskarte 700 durch Differenzbildung zwischen dem Referenz-Luftbild 500 und dem gemessenen Luftbild 600 gebildet werden. Wie bereits oben ausgeführt, erfolgt die Differenzbild auf der Basis von Graustufenwerten des Referenz-Luftbildes 500 und des gemessenen Luftbildes 600. Da das Differenzbild eine höherer Bit-Tiefe wie das Referenz-Luftbild 500 und das gemessene Luftbild 600 aufweist, können in dem Ausschnitt 710 der Defektauswirkungskarte 700 die Defekte 650, 660 fehlenden Absorber-Materials 650 und überschüssigen Absorber-Materials 660 unterschieden werden. Indem Ausschnitte 710 der Defektauswirkungskarte 700 über die gesamte Maske 450 bzw. alle relevanten Bereiche der Maske 450 bestimmt werden, kann eine Defektauswirkungskarte 700 für die photolithographische Maske 450 bzw. allgemein für ein Element 450 eines Photolithographieprozesses generiert werden. Der Ausschnitt 710 der Defektauswirkungskarte 700 kann als korrespondierende Auswirkung der Defekte 650, 660 einem Trainingsdatensatz für das Modell 200, 300 eingegliedert werden.
Eine ausreichende Verfügbarkeit von konsistenten und repräsentativen Trainingsdaten ist für das Bestimmen der internen Modellparameter des ML-Modells 200, 300 in einem Trainingsprozess wichtig. Die 8 zeigt schematisch ein Beispiel eines Trainingszyklus für das Modell 800. Das Modell 800 der 8 ist vom Aufbau her und bezüglich der funktionalen Charakterisierung identisch mit dem Modell 200, 300 der 2 und 3. Anders als das Modell 200, 300 ist das Modell 800 jedoch noch nicht trainiert. Als Eingangsdaten der Trainingssequenz werden in dem in der 8 dargestellten Beispiel das gemessene Luftbild 600 und die zugehörigen Design-Daten 240 der Eingabeschicht 210 des Modells maschinellen Lernens 800 bereitgestellt. Das trainierende Modell 800 sagt aus diesen Eingabedaten an seiner Ausgabeschicht 220 den Ausschnitt 810 einer Defektauswirkungskarte mit den Defekten 850 und 860 voraus. Der Ausschnitt 810 der Defektauswirkungskarte wird mit dem Ausschnitt 710 der Defektauswirkungskarte 700 der 7 verglichen. In der 8 ist der Vergleich durch den Doppelpfeil 870 angedeutet.
Abhängig vom gewählten ML-Modell 800 gibt es verschiedene Verfahren, um die Modellparameter des ML-Modells 800 während einer Trainingsphase zu bestimmen. Beispielsweise hat sich für ML-Modelle 800, die in Form tiefer neuronaler Netze vorliegen, die iterative Technik „Stochastic Gradient Descent“ bzw. entsprechende Varianten etabliert. Bei diesem Trainingsverfahren werden die Trainingsdaten, d.h. das zum Training verwendete Luftbild 830, beispielsweise das gemessene Luftbild 600 und die zugehörigen Design-Daten 240 dem Modell 800 immer wieder vorgelegt, d.h. letzteres berechnet mit den aktuellen Modellparametern den Ausschnitt 810 einer Defektauswirkungskarte und vergleicht den berechneten Ausschnitt 810 mit dem gemessenen Ausschnitt 710 der Defektauswirkungskarte 700. Bei Abweichungen zwischen den beiden Ausschnitten 710 und 810 werden die Modellparameter des ML-Modells 800 verändert. Typischerweise wird die Trainingsphase für einen Eingabedatensatz beendet, wenn der Ausschnitt 810 ein (lokales) Optimum erreicht hat, was bedeutet, dass sich die Abweichungen zwischen den Ausschnitten 710 und 810 über alle Bildpaare kaum mehr ändern oder nach Ablauf einer vorgegebenen Zeitspanne bzw. nach einer vorgegebenen Anzahl von Trainingsschritten. Alternativ kann ein Trainingsprozess des ML-Modelles 800 abgeschlossen werden, wenn beim Einsatz eines separaten Validierungsdatensatzes die Validierungsgenauigkeit signifikant ansteigt, was ein Indiz für eine Überanpassung des ML-Modells 800 anzeigt.
Das Trainieren des Modells 800 kann in zwei Stufen erfolgen. In einer ersten Stufe können der Eingabeschicht 210 des Modells 800 zum Training verwendete Luftbilder 830 in Form simulierter Luftbilder samt zugehöriger Design-Daten 240 zur Verfügung gestellt werden. In einer zweiten Stufe werden dem Modell 800 anschließend gemessene Luftbilder 600 als zum Training verwendete Luftbilder 830 zusammen mit den entsprechenden Design-Daten 240 vorgelegt.
Vor dem Einsatz des trainierten ML-Modells 200, 300 kann die Vorhersagekraft des trainierten Modells 200, 300 mit Hilfe eines Verifizierungsschritts analysiert werden. Beim Verifizieren des trainierten Modells 200, 300 wird die Präzision der Vorhersage des trainierten Modells 200, 300 auf der Basis eines unabhängigen Validierungsdatensatzes analysiert.
Das Diagramm 900 der 9 zeigt den Arbeitsablauf zum Beurteilen der Qualität eines Elements 450 eines Photolithographieprozesses, wenn in dem Prozess das trainierte Modell 200, 300 anstelle eines Vergleichs eines Referenz-Luftbildes 500 und eines gemessenen Luftbildes 600 eingesetzt wird. Zunächst wird bei Schritt 910 ein Luftbild 600 einer photolithographischen Maske 450 gemessen. Sodann wird bei Schritt 920 dem trainierten Modell maschinellen Lernens 200, 300 die zu dem gemessenen Luftbild 600 gehörenden Design-Daten 240 bereitgestellt. Auf der Basis des gemessenen Luftbildes 600 und der zugehörigen Design-Daten 240 ermittelt das trainierte ML-Modell 200, 300 bei Schritt 930 direkt die Auswirkung 250 der Defekte 650, 660 des Luftbildes 600. Das Bestimmen eines Referenz-Luftbildes 500 vermeidet der in der 9 wiedergegebene Workflow.
Schließlich präsentiert das Flussdiagramm 1000 der 10 den Ablauf eines Verfahrens zum Bestimmen zumindest einer unbekannten Auswirkung von Defekten 650, 660 eines Elements 450 eines Photolithographieprozesses. Das Verfahren beginnt bei Schritt 1010. Bei Schritt 1020 wird ein Modell maschinellen Lernens 200, 300 für einen Zusammenhang zwischen einem Luftbild 600, dem Luftbild 600 zugeordnete Design-Daten 240 und einer sich aus dem Luftbild 600 ergebenden Auswirkung der Defekte 650, 660 des Elements 450 des Photolithographieprozesses bereitgestellt.
Im nächsten Schritt 1030 wird das Modell maschinellen Lernens 200, 300 unter Verwendung einer Vielzahl von zum Training verwendeten Luftbildern 830, den zum Training verwendeten Luftbildern 830 zugeordneten Design-Daten 240 und korrespondierenden Auswirkungen 710 der Defekte 650, 660 trainiert.
Sodann wird bei Schritt 1040 die unbekannte Auswirkung der Defekte 650, 660 durch Anwenden des trainierten Modells 200, 300 auf ein gemessenes Luftbild 600 und den dem gemessenen Luftbild 600 zugeordneten Design-Daten 240 bestimmt. Schließlich endet das Verfahren bei Schritt 1050.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

WO 2017/087653 A1 [0007]
WO 2017/117568 A1 [0007]
WO 2017/120253 A1 [0007]
WO 2017/123555 A1 [0007]
WO 2017/123561 A1 [0007]
WO 2017/117573 A1 [0007]
WO 2017/205537 A1 [0007]

Claims

Verfahren (1000) zum Bestimmen zumindest einer unbekannten Auswirkung (250) von Defekten (650, 660) eines Elements (450) eines Photolithographieprozesses, wobei das Verfahren (1000) die Schritte umfasst: a. Bereitstellen eines Modells maschinellen Lernens (200,3 00) für einen Zusammenhang zwischen einem Bild (600), dem Bild (600) zugeordneten Design-Daten (240) und zumindest einer sich aus dem Bild (600) ergebenden Auswirkung (250) der Defekte (650, 660) des Elements (450) des Photolithographieprozesses; b. Trainieren des Modells maschinellen Lernens (800) unter Verwendung einer Vielzahl von zum Training verwendeten Bildern (830), den zum Training verwendeten Bildern (830) zugeordneten Design-Daten (240) und korrespondierenden Auswirkungen (250) der Defekte (650, 660); und c. Bestimmen der zumindest einen unbekannten Auswirkung (250) der Defekte (650, 660) durch Anwenden des trainierten Modells maschinellen Lernens (200, 300) auf ein gemessenes Bild (600) und den dem gemessenen Bild (600) zugeordneten Design-Daten (240).
Verfahren (1000) nach Anspruch 1, wobei das Bild (600) zumindest ein Element aus der Gruppe umfasst: ein mit einem optischen Messsystem (420) aufgenommenes Bild, ein mit einem Rasterteilchenmikroskop aufgenommenes Bild, und ein mit einem Rastersondenmikroskop aufgenommenes Bild.
Verfahren (1000) nach Anspruch 1 oder 2, wobei das Modell maschinellen Lernens (200, 300) zumindest ein Element aus der Gruppe umfasst: eine parametrische Abbildung, ein künstliches neuronales Netz, ein tiefes neuronales Netz, ein zeitverzögertes neuronales Netz, ein faltendes neuronales Netz, ein rekurrentes neuronales Netz, ein Long short-term memory Netz, und/oder ein generatives Modell.
Verfahren (1000) nach dem vorhergehenden Anspruch, wobei das Modell maschinellen Lernens (200, 300) umfasst: a. zumindest einen Encoder-Block zum Bestimmen von informationstragenden Merkmalen von einem Bild (600) und den dem Bild (600) zugeordneten Design-Daten (240); und b. zumindest einen Decoder-Block zum Erzeugen zumindest einer Auswirkung (250) der Defekte (650, 660) aus den bestimmten informationstragenden Merkmalen, wobei die zumindest eine Auswirkung (250) der Defekte (650, 660) zeigt, wie eine Überlagerung des Bildes (600) mit einem Referenz-Bild (500) aussieht.
Verfahren (1000) nach einem der vorhergehenden Ansprüche, wobei die Defekte (650, 660) zumindest ein Element aus der Gruppe umfassen: Platzierungsfehler von einem oder mehreren Pattern-Elementen des Elements des Photolithographieprozesses; kritische Dimensionsfehler eines oder mehrerer Pattern-Elemente des Elements des Photolithographieprozesses; und Überlagerungsfehler von zwei oder mehr photolithographischen Masken (450).
Verfahren (1000) nach einem der vorhergehenden Ansprüche, wobei das mit dem optischen Abbildungssystem (420) aufgenommene Bild (600) ein Luftbild (600) umfasst, und/oder wobei das Luftbild (600) einen Luftbild-Fokusstapel umfasst.
Verfahren (1000) nach einem der vorhergehenden Ansprüche, wobei das Trainieren des Modells maschinellen Lernens (800) umfasst: Bereitstellen der Mehrzahl von zum Training verwendeten Bildern (600) und der Mehrzahl der den zum Training verwendeten Bildern (600) zugeordneten Design-Daten (240) als Eingabedaten und Bereitstellen der Mehrzahl den zum Training verwendeten Bildern korrespondierenden Auswirkungen (250) der Defekte (650, 660) als Vergleichsdaten zu den Ausgabedaten des Modells maschinellen Lernens (800).
Verfahren (1000) nach einem der vorhergehenden Ansprüche, wobei zum Training verwendete Bilder (600) gemessene Bilder (600) und/oder simulierte Bilder umfassen.
Verfahren (1000) nach dem vorhergehenden Anspruch, ferner den Schritt aufweisend: Simulieren von Design-Daten (240) und/oder von modifizierten Design-Daten des Elements (450) für den Photolithographieprozess zum Erzeugen von simulierten Bildern.
Verfahren (1000) nach dem vorhergehenden Anspruch, wobei das Erzeugen von simulierten Bildern zumindest eine Element aus der Gruppe umfasst: Ausführen einer rigorosen Simulation durch numerisches Lösen der Maxwell-Gleichungen, wobei Design-Daten (240) und/oder modifizierte Design-Daten des Elements (450) des Photolithographieprozesses als Eingangsdaten benutzt werden, Ausführen einer Simulation mit Hilfe eines Kirchhoff-Modells, wobei die Design-Daten (240) und/oder die modifizierten Design-Daten des Elements (450) des Photolithographieprozesses als Eingangsdaten benutzt werden, Ausführen einer Teilchenstrahl-basierten Abbildungssimulation, wobei Design-Daten (240) und/oder modifizierte Design-Daten des Elements (450) des Photolithographieprozesses als Eingangsdaten benutzt werden und Ausführen einer Rastersonden-basierten Abbildungssimulation, wobei Design-Daten (240) und/oder modifizierte Design-Daten des Elements (450) des Photolithographieprozesses als Eingangsdaten benutzt werden.
Verfahren (1000) nach einem der vorhergehenden Ansprüche, wobei das Bereitstellen korrespondierender Auswirkungen (250) der Defekte (650, 660) zum Trainieren des Modells maschinellen Lernens (800) ferner den Schritt umfasst: Überlagern eines zum Training verwendeten Bildes (600) mit einem Referenz-Bild (500) zum Erzeugen der zu dem Bild (600) korrespondierenden zumindest einen Auswirkung (250) der Defekte (650, 660).
Verfahren (1000) nach einem der vorhergehenden Ansprüche, wobei das Bereitstellen korrespondierender Auswirkungen (250) der Defekte (650, 660) zum Trainieren des Modells maschinellen Lernens (800) ferner den Schritt umfasst: Bestimmen eines Referenz-Bildes (500) durch: Abbilden eines im Wesentlichen defektfreien Bereichs des Elements (450) des Photolithographieprozesses, der die gleichen Pattern-Elemente (510, 520, 530, 540) wie der Bereich des gemessenen Bildes (600) aufweist, und/oder Simulieren der Design-Daten (240) für den Bereich des gemessenen Bildes (600) des Elements (450) des Photolithographieprozesses.
Verfahren (1000) nach Anspruch 11 oder 12, wobei das Überlagern des Bildes (600) mit dem Referenz-Bild (500) umfasst: Bilden einer Differenz zwischen dem Bild (600) und dem Referenz-Bild (500).
Verfahren (1000) nach dem vorhergehenden Anspruch, wobei das Bilden der Differenz zumindest ein Element aus der Gruppe umfasst: Bestimmen einer Abweichung einer kritischen Dimension, Bestimmen einer Kontrast-Abweichung, und Bestimmen einer Platzierungsabweichung eines oder mehrerer Pattern-Elemente (510, 520, 530, 540).
Verfahren (1000) nach einem der vorhergehenden Ansprüche, wobei das Trainieren des Modells maschinellen Lernens (800) umfasst: a. Trainieren des Modells maschinellen Lernens (800) unter Verwendung einer ersten Anzahl von simulierten Bildern (500), den simulierten Bildern (500) zugeordneten Design-Daten (240) mit korrespondierenden Auswirkungen (250) der Defekte (650, 660) in einer ersten Phase; und b. Trainieren des Modells maschinellen Lernens (800) unter Verwendung einer zweiten Anzahl von gemessenen Bildern (600), den gemessenen Bildern (600) zugeordneten Design-Daten (240) mit korrespondierenden Auswirkungen (250) der Defekte (650, 660) in einer zweiten Phase, wobei die erste Phase vor der zweiten Phase ausgeführt wird.
Verfahren (1000) nach dem vorhergehenden Anspruch, wobei die erste Anzahl simulierter Bilder größer ist als die zweite Anzahl gemessener Bilder (600).
Verfahren (1000) nach Anspruch 15 oder 16, wobei die Schritte a. und b. zumindest zweimal durchlaufen werden.
Computerprogramm, das Anweisungen umfasst, die, wenn sie von einem Computersystem ausgeführt werden, das Computersystem veranlassen, die Verfahrensschritte der Ansprüche 1 bis 17 auszuführen.
Vorrichtung (490) zum Bestimmen zumindest einer unbekannten Auswirkung (250) von Defekten (650, 660) eines Elements (450) eines Photolithographieprozesses, umfassend: a. Mittel zum Bereitstellen eines Modells maschinellen Lernens (200, 300) für einen Zusammenhang zwischen einem Bild (600), dem Bild (600) zugeordneten Design-Daten (240) und zumindest einer sich aus dem Bild (600) ergebenden Auswirkung (250) der Defekte (650, 660); b. Mittel zum Trainieren des Modells maschinellen Lernens (200, 300) unter Verwendung einer Vielzahl von zum Training verwendeten Bildern (830), den zum Training verwendeten Bildern (830) zugeordneten Design-Daten (240) und den korrespondierenden Auswirkungen (250) der Defekte (650, 660); und c. Mittel zum Bestimmen der unbekannten Auswirkung (250) der Defekte (650, 660) durch Anwenden des trainierten Modells maschinellen Lernens (200, 300) auf ein gemessenes Bild (600) und den dem gemessenen Bild (600) zugeordneten Design-Daten (240).
Vorrichtung (490) nach Anspruch 19, wobei die Vorrichtung (490) ein Belichtungssystem für das Element (450) des Photolithographieprozesses umfasst und ein vergrößerndes Objektiv, das ausgebildet ist, einen Ausschnitt des Elements (450) des Photolithoghraphieprozesses auf einen Photodetektor abzubilden.