-
HINTERGRUND DER ERFINDUNG
-
Gebiet der Erfindung
-
Die Erfindung betrifft ein Verfahren sowie eine Vorrichtung zur Inspektion der Oberfläche eines optischen Elements, insbesondere für die Mikrolithographie.
-
Stand der Technik
-
Mikrolithographie wird zur Herstellung mikrostrukturierter Bauelemente, wie beispielsweise integrierter Schaltkreise oder LCD's, angewendet. Der Mikrolithographieprozess wird in einer sogenannten Projektionsbelichtungsanlage durchgeführt, welche eine Beleuchtungseinrichtung und ein Projektionsobjektiv aufweist. Das Bild einer mittels der Beleuchtungseinrichtung beleuchteten Maske (= Retikel) wird hierbei mittels des Projektionsobjektivs auf ein mit einer lichtempfindlichen Schicht (Photoresist) beschichtetes und in der Bildebene des Projektionsobjektivs angeordnetes Substrat (z.B. ein Siliziumwafer) projiziert, um die Maskenstruktur auf die lichtempfindliche Beschichtung des Substrats zu übertragen.
-
In für den EUV-Bereich ausgelegten Projektionsbelichtungsanlagen, d.h. bei Wellenlängen unterhalb von 15 nm (z.B. etwa 13.5 nm oder etwa 7 nm), werden mangels Verfügbarkeit geeigneter lichtdurchlässiger refraktiver Materialien Spiegel als optische Komponenten für den Abbildungsprozess verwendet.
-
Ansätze zur Erhöhung der bildseitigen numerischen Apertur zur Steigerung des Auflösungsvermögens (NA) gehen dabei mit einer Vergrößerung der Spiegelflächen einher. Zugleich besteht in der Praxis ein Bedarf, die Wirkung des betreffenden optischen Elements auf die Systemwellenfront im jeweiligen optischen System möglichst exakt bzw. unter Berücksichtigung einer vorgegebenen Spezifikation einzustellen. Neben für die Wirkung auf die Systemwellenfront relevanten, in örtlicher Hinsicht langwelligen Oberflächenfehlern des jeweiligen optischen Elements können auch in örtlicher Hinsicht kurzwellige Oberflächenfehler im Hinblick auf Streulichtverluste von Bedeutung sein.
-
Insbesondere erfordern die in Mikrolithographie-Anwendungen bestehenden Rahmenbedingungen für die Oberflächenbearbeitung im Bereich der Endkorrektur typischerweise hochpräzise Bearbeitungen mit Genauigkeiten im Nanometer- oder sogar Pikometerbereich.
-
Während der Spiegelfertigung erfolgt typischerweise eine Rauheitsbewertung z.B. anhand interferometrischer oder mikroskopischer (z.B. mit einem Rasterkraftmikroskop durchgeführter) Messungen, um auf Basis dieser Bewertung zu entscheiden, ob eine weitere Oberflächenbearbeitung erforderlich ist oder nicht. Diese Rauheitsbewertung stellt mit zunehmenden Abmessungen etwa von EUV-Spiegeln (z.B. mit Durchmessern in der Größenordnung von 1 Meter oder darüber) angesichts der bestehenden hohen Genauigkeitsanforderungen eine anspruchsvolle Herausforderung dar.
-
Dabei ist es insbesondere üblich, zunächst eine Bewertung der Messdaten im Hinblick auf Messartefakte (welche auf eine fehlerhafte Durchführung der Rauheitsmessung hinweisen) sowie auf stark lokalisiert auftretende (nicht durch die statistischen Rauheitseigenschaften bedingte) Defekte auf der Oberfläche durchzuführen.
-
Hierbei tritt in der Praxis insbesondere das Problem auf, dass eine solche visuelle Bewertung der bei einer Rauheitsmessung erhaltenen Messdaten zu einer hohen Arbeitsbelastung des die Kontrolle während des Fertigungsprozesses durchführenden Personals führt und zudem mit einer hohen subjektiven Fehleranfälligkeit behaftet ist. In diesem Zusammenhang ist anzumerken, dass nicht jeder bei der visuellen Kontrolle „sichtbare“ Fehler signifikante Auswirkungen auf die finale Optik hat, weshalb die Kontrolle abhängig von der Erfahrung des Personals i.d.R. unterschiedlich ist. Des Weiteren ist anzumerken, dass keine die visuelle Kontrolle durchführende Person dazu in der Lage ist, eine Reproduzierbarkeit von auch nur annähernd 100% zu erreichen.
-
Weitere Nachteile können daraus resultieren, dass die Bewertung der bei einer Rauheitsmessung erhaltenen Messdaten in der Regel mit zeitlichem Verzug (gegebenenfalls von mehreren Tagen) erfolgt, was zum einen von nachteiligem Einfluss auf den bei der Fertigung erzielten Durchsatz ist und zum anderen - bei erforderlicher Verwerfung einer Vielzahl von zwischenzeitlich durchgeführten fehlerhaften Messungen - mit einem signifikanten Mehraufwand aufgrund der notwendigen Neuvermessung der betreffenden Spiegel einhergeht.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Es ist eine Aufgabe der vorliegenden Erfindung, ein Verfahren sowie eine Vorrichtung zur Inspektion der Oberfläche eines optischen Elements, insbesondere für die Mikrolithographie, bereitzustellen, welches auch bei optischen Elementen, die vergleichsweise große Abmessungen aufweisen bzw. für optische Systeme mit hoher numerischer Apertur ausgelegt sind, eine vergleichsweise schnelle und zuverlässige Charakterisierung ermöglicht.
-
Diese Aufgabe wird durch das Verfahren sowie die Vorrichtung gemäß den Merkmalen der nebengeordneten Patentansprüche gelöst.
-
Ein Verfahren zur Inspektion der Oberfläche eines optischen Elements, insbesondere für die Mikrolithographie, weist folgende Schritte auf:
- - Durchführen wenigstens einer Rauheitsmessung an der Oberfläche des optischen Elements; und
- - automatisches Bewerten von bei dieser Rauheitsmessung erhaltenen Messdaten auf Basis eines Modells;
- - wobei dieses Modell unter Verwendung einer Methode der künstlichen Intelligenz erzeugt wird, wobei in einer Lernphase ein Trainieren des Modells anhand einer Vielzahl von Trainingsdaten erfolgt, wobei die Trainingsdaten jeweils Messdaten von zuvor durchgeführten Rauheitsmessungen sowie diesen Messdaten zugeordnete Bewertungen umfassen.
-
Dabei sollen im Sinne der vorliegenden Anmeldung von dem Begriff „Rauheitsmessung“ diverse optische und taktile Messmethoden bzw. Technologien, z.B. unter Verwendung eines Interferometers, eines Mikrointerferometers, eines Rasterkraftmikroskops (AFM), eines Tastschnittgerätes, sowie auch weitere Messmethoden umfasst sein.
-
Der Erfindung liegt insbesondere das Konzept zugrunde, bei der Inspektion der Oberfläche eines optischen Elements nach Durchführung einer Rauheitsmessung eine automatische Bewertung der bei dieser Rauheitsmessung erhaltenen Messdaten modellgestützt und unter Anwendung einer Methode der künstlichen Intelligenz durchzuführen. Insbesondere beinhaltet die Erfindung das Konzept, das der automatischen Bewertung der bei der Rauheitsmessung erhaltenen Messdaten zugrundegelegte Modell vorab dadurch zu trainieren, dass eine Vielzahl von zuvor bereits durchgeführten Messungen sowie die den hierbei erhaltenen Messdaten zugeordnete Bewertungsdaten als Trainingsdaten herangezogen werden.
-
Im Ergebnis wird somit bei der Erfindung eine - herkömmlicherweise anhand visueller Begutachtung durch erfahrenes Personal durchgeführte - Bewertung durch einen Automatismus ersetzt, wobei die eingangs beschriebenen Probleme etwa hinsichtlich subjektiver Fehleranfälligkeit, zeitlichem Verzug der Messdaten-Bewertung sowie Verringerung des Durchsatzes bei der Inspektion bzw. Fertigung des optischen Elements vermieden werden.
-
Dabei macht sich die Erfindung insbesondere auch den Umstand zunutze, dass geeignete Trainingsdaten zum Trainieren des Modells - typischerweise aus in der Vergangenheit durchgeführten Rauheitsmessungen sowie diesen Messdaten bereits zugeordneten Bewertungen - i.d.R. in sehr großer Anzahl (z.B. zu mehreren Tausend) zur Verfügung stehen.
-
Gemäß einer Ausführungsform umfasst das automatische Bewerten der bei der Rauheitsmessung erhaltenen Messdaten folgende Schritte:
- - Beurteilen, in einem ersten Schritt, ob die Messdaten frei von auf eine fehlerhafte Durchführung der Rauheitsmessung hinweisenden Messartefakten sind; und
- - Beurteilen, in einem zweiten Schritt, ob die Messdaten auf einen oder mehrere lokale, nicht durch die statistischen Rauheitseigenschaften bedingte Defekte auf der Oberfläche hinweisen.
-
Gemäß einer Ausführungsform erfolgt die Beurteilung im zweiten Schritt nur, wenn gemäß der Beurteilung aus dem ersten Schritt die Messdaten frei von Messartefakten sind.
-
In Ausführungsformen kann bei Vorhandensein solcher Messartefakte auch automatisiert eine Klassifikation der betreffenden Messartefakte (d.h. die Zuordnung zu einer bestimmten Klasse von Messartefakten, wie z.B. „Fokussierungsfehler“, „Zu große Verkippung der Probe“, „Drift während der Messung“, „Vibration während der Messung“) erfolgen.
-
Des Weiteren kann bei Vorhandensein lokaler, nicht durch die statistischen Rauheitseigenschaften bedingter Defekte auf der Oberfläche auch eine automatisierte Klassifikation der betreffenden Defekte erfolgen (wobei auch voneinander verschiedene Defekttypen gleichzeitig auftreten können).
-
Gemäß einer Ausführungsform umfasst die Methode der künstlichen Intelligenz Maschinelles Lernen, insbesondere „Deep Learning“, weiter insbesondere „Convolutional Neural Networks“ (CNNs).
-
Im Gegensatz zu anderen Verfahren der automatisierten Bildanalyse, wie etwa einer Extraktion von informationstragenden Merkmalen (z.B. SIFT oder HOG) mit anschließender Transformation dieser Merkmale (z.B. PCA oder Fisher-Encoding) und anschließender Anwendung klassischer Machine-Learning-Modelle zur Klassifikation (z.B. SupportVectorMachine, RandomForest, Nächster-Nachbar-Klassifikator oder Ähnliches) hat die Anwendung von CNNs den Vorteil, dass nicht zuerst mit großem Aufwand und unter Heranziehen von zu begründenden Annahmen ein Schritt der Merkmalsextraktion und der anschließenden Transformation realisiert werden muss, bevor der eigentliche Klassifikator Anwendung finden kann. Vielmehr gestatten CNNs das gleichzeitige Erlernen von informationstragenden Merkmalen, Transformation und Klassifikator durch Optimieren eines einzigen, gemeinsamen Optimierungskriteriums (z.B. Klassifikationsgenauigkeit). Speziell für den Kontext der vorliegenden Anmeldung stellt dies einen substanziellen Vorteil dar, da im Voraus nicht bekannt ist, welche Merkmalsextraktionen für die jeweiligen Artefakttypen bzw. Defekttypen geeignet sind.
-
Eine konkrete Realisierung kann „Convolutional Neural Networks“ (CNNs), ggf. vorgelernt auf anderen Datensätzen, optimiert anhand von Varianten des Gradientenabstiegs (z.B. Adam) umfassen. In einer solchen Realisierung kann ein CNN ausgebildet werden, um einen einzigen Wert auszugeben (z.B. die Wahrscheinlichkeit für das Vorhandensein eines Defekts). Alternativ kann ein CNN ausgebildet werden, um zwei („binary“) oder mehr („multi-class“) Werte auszugeben, die auf Klassenzugehörigkeiten schließen lassen, bei denen die Klassen sich wechselseitig ausschließen (z.B. die Wahrscheinlichkeiten für die sich gegenseitig ausschließenden Klassen „Defekt“ und „Defektfrei“). Alternativ kann ein CNN auch ausgebildet werden, um zwei oder mehr Werte auszugeben, die auf Klassenzugehörigkeiten schließen lassen, bei denen die Klassen auch voneinander unabhängig auftreten können („multi label“, z.B. die Wahrscheinlichkeiten für unabhängig voneinander auftretende Defekttypen „Kratzer“ und „Mulde“). Solche Ausbildungen würden als Optimierungskriterium im Lernschritt beispielsweise entsprechend den quadratischen Fehler, die Softmax-Kreuzentropie, oder die Sigmoid-Kreuzentropie minimieren. Geeignete CNN Strukturen bestehen aus Abfolgen von Faltungsschichten („Convolutions“), Nicht-linearen Aktivierungsfunktionen (z.B. Tangenshyperbolicus oder stückweise lineare Funktionen „ReLU“) und Normierungsschichten (z.B. Batch normalization) und stellen Ausgaben von einer Schicht einer oder mehreren nachfolgenden Schichten zur Verfügung. Bekannte Beispiele solcher CNNs sind AlexNet, VGG, Resnet, InceptionResnet, MobileNet, Xception und DenseNet.
-
Zum robusten Anlernen werden im Lernschritt die Daten wiederholt leicht verändert („Augmentierung“), beispielsweise durch Spiegeln an x- und y-Achsen („Data flipping“) oder dem Ausschneiden zufällig gewählter Bildausschnitte („Data Cropping“). Des Weiteren werden im Lernschritt geeignete Regularisierungsverfahren angewandt, um dem reinen Auswendiglernen der Daten vorzubeugen (z.B. „DropOut“).
-
Gemäß einer Ausführungsform umfasst die Methode der künstlichen Intelligenz überwachtes Lernen (= „Supervised Learning“). Die Erfindung ist jedoch nicht hierauf beschränkt. So kann die Methode der künstlichen Intelligenz in weiteren Ausführungsformen auch teilüberwachtes Lernen (= „Semi-Supervised Learning“) oder unüberwachtes Lernen (= „Unsupervised Learning“) umfassen.
-
Gemäß einer Ausführungsform erfolgt das automatische Bewerten unmittelbar nach Durchführung der jeweiligen Rauheitsmessung.
-
Gemäß einer Ausführungsform wird das Modell, auf dessen Basis das automatische Bewerten der bei der Rauheitsmessung erhaltenen Messdaten erfolgt, aus einer Mehrzahl von zuvor trainierten Modellen abhängig von einer Messeinstellung der jeweiligen Rauheitsmessung ausgewählt.
-
Gemäß einer Ausführungsform erfolgt in der Lernphase ein Trainieren des Modells anhand von Trainingsdaten, welche für unterschiedliche Messeinstellungen der jeweiligen Rauheitsmessung erhalten wurden. Dabei können bisherige manuelle Prüfergebnisse als Zielwerte verwendet werden. Des Weiteren können für die Erstellung der Trainingsdaten die Zuordnungen von mehreren unterschiedlichen, die Kontrolle durchführenden Personen herangezogen werden. Dabei kann ggf. auch eine Verwendung lediglich derjenigen Beispiele erfolgen, welche hinreichend eindeutig zugeordnet wurden (wobei die übrigen z.B. einer Klasse „unklar“ ggf. automatisiert zugeordnet werden können).
-
Dabei kann insbesondere für die Bewertung von Messungen, die mit unterschiedlichen Messeinstellungen generiert wurden, ein einziges Modell verwendet werden. Die Messeinstellung(en) kann bzw. können insbesondere die Vergrößerung der jeweiligen Rauheitsmessung umfassen.
-
Die Erfindung ist jedoch hierauf nicht beschränkt. So können in weiteren Ausführungsformen auch für unterschiedliche Messeinstellungen mehrere Modelle verwendet und trainiert werden.
-
Gemäß einer Ausführungsform erfolgt abhängig von der Bewertung der bei der Rauheitsmessung erhaltenen Messdaten (z.B. falls die betreffende Rauheitsmessung mit einem Messartefakt behaftet war) die erneute Durchführung einer Rauheitsmessung an der Oberfläche des optischen Elements.
-
Gemäß einer Ausführungsform ist das optische Element ein Spiegel, insbesondere ein Spiegel mit einer optisch wirksamen Fläche in Form einer Freiformfläche. Die Erfindung ist jedoch nicht hierauf beschränkt, wobei es sich in weiteren Anwendungen bei dem optischen Element auch z.B. um eine Linse handeln kann.
-
Gemäß einer weiteren Ausführungsform ist das optische Element für eine Arbeitswellenlänge von weniger als 30nm, insbesondere weniger als 15nm, ausgelegt. Die Erfindung ist jedoch auch hierauf nicht beschränkt, wobei in weiteren Anwendungen das optische Element auch für eine andere Arbeitswellenlänge ausgelegt sein kann.
-
Die Erfindung betrifft weiter eine Vorrichtung zur Inspektion der Oberfläche eines optischen Elements, insbesondere für die Mikrolithographie, welche dazu konfiguriert ist, ein Verfahren mit den vorstehend beschriebenen Merkmalen durchzuführen.
-
Weitere Ausgestaltungen der Erfindung sind der Beschreibung sowie den Unteransprüchen zu entnehmen.
-
Die Erfindung wird nachstehend anhand eines in den beigefügten Abbildungen dargestellten Ausführungsbeispiels näher erläutert.
-
Figurenliste
-
Es zeigen:
- 1 ein Flussdiagramm zur Erläuterung des möglichen Ablaufs eines erfindungsgemäßen Verfahrens; und
- 2 eine schematische Darstellung zur Erläuterung des möglichen Aufbaus einer für den Betrieb im EUV ausgelegten mikrolithographischen Projektionsbelichtungsanlage.
-
DETAILLIERTE BESCHREIBUNG BEVORZUGTER AUSFÜHRUNGSFORMEN
-
Im Weiteren wird ein beispielhafter Ablauf eines erfindungsgemäßen Verfahrens zur Inspektion der Oberfläche eines optischen Elements (wie z.B. eines EUV-Spiegels) unter Bezugnahme auf das in 1 dargestellte Flussdiagramm beschrieben.
-
Dabei beinhaltet das erfindungsgemäße Verfahren insbesondere das Konzept, wie im Weiteren erläutert nach jeweils durchgeführter Rauheitsmessung an der zu inspizierenden Oberfläche des optischen Elements modellgestützt und unter Anwendung einer Methode der künstlichen Intelligenz eine automatische Bewertung zum einen hinsichtlich gegebenenfalls vorhandener Messartefakte und zum anderen gegebenenfalls auch hinsichtlich lokaler (nicht durch die statistischen Rauheitseigenschaften bedingter) Oberflächendefekte durchzuführen. Die besagte Anwendung einer Methode der künstlichen Intelligenz beinhaltet wiederum das Trainieren eines Modells (oder auch mehrerer Modelle) in einer Lernphase anhand von Trainingsdaten, wobei diese Trainingsdaten Messdaten von zuvor durchgeführten Rauheitsmessungen sowie diesen Messdaten zugeordnete Bewertungen (d.h. Messartefakt(e) ja oder nein, falls ja, welche(r) Messartefakttyp(en) und/oder lokale(r) Oberflächendefekt(e) ja oder nein, falls ja welche(r) Oberflächendefekttyp(en)) umfassen. Dabei können grundsätzlich gemäß der Erfindung unterschiedliche Modelle für die beiden o.g. Bewertungen (hinsichtlich Messartefakte sowie hinsichtlich lokaler Oberflächendefekte) oder auch ein gemeinsames Modell für beide Bewertungen verwendet bzw. trainiert werden.
-
Gemäß dem Flussdiagramm von 1 erfolgt nach Start jeweils eines Messauftrags im Schritt S10 parallel der Start eines die vorstehende Bewertung implementierenden Bewertungstools (Schritt S11) sowie der Start des eigentlichen Messablaufs der Rauheitsmessung (Schritt S12), wobei dieser Messablauf die Justierung eines Messpunkts (Schritt S13), die Durchführung und Auswertung der eigentlichen Rauheitsmessung (Schritt S14) und das Speichern des erhaltenen Messergebnisses (Schritt S15) umfasst. Nach Erhalt und Speicherung des Messergebnisses im Schritt S15 wird über ein Triggersignal die erfindungsgemäße Bewertung zunächst auf das Vorhandensein etwaiger Messartefakte (Schritt S16) ausgelöst. Dabei kann die Bewertung insbesondere basierend darauf erfolgen, ob ein bei Anwendung des Modells jeweils erhaltener Kennwert („Score“) einen vorgegebenen Schwellenwert („Arbeitspunkt“) überschreitet oder nicht. Dabei kann durch Wahl dieses Schwellenwertes bzw. Arbeitspunktes beeinflusst werden, wie hoch eine „Falsch-Alarm-Rate“ der Bewertung ist.
-
Sofern gemäß nachfolgender Abfrage im Schritt S17 das erhaltene Messergebnis (d.h. die bei der durchgeführten Rauheitsmessung ermittelten Messdaten) wenigstens ein auf eine fehlerhafte Durchführung der Rauheitsmessung hinweisendes Messartefakt enthält, wird gemäß Schritt S22 die Meldung „Messung wiederholen“ ausgegeben mit der Folge, dass als Ergebnis der auf die Speicherung des Messergebnisses von Schritt S15 durchgeführten Abfrage im Schritt S23 der Messablauf unter Rückkehr zu Schritt S13 erneut durchgeführt wird.
-
Falls hingegen gemäß vorstehend genannter Abfrage von Schritt S17 die bei der durchgeführten Rauheitsmessung erhaltenen Messdaten frei von Messartefakten sind, erfolgt gemäß 1 die anschließende Bewertung hinsichtlich des Vorhandenseins etwaiger, nicht durch die statistischen Rauheitseigenschaften bedingter Defekte auf der Oberfläche (Schritt S18) sowie die entsprechende Speicherung des Bewertungsergebnisses (Schritt S19).
-
Sodann erfolgt im Schritt S20 eine Abfrage bzw. Überprüfung, ob angesichts des im Schritt S19 gespeicherten Bewertungsergebnisses eine Nachmessung durchgeführt werden soll oder nicht. Falls ja, geht das Verfahren entsprechend zu Schritt S22, d.h. der Ausgabe der Meldung „Messung wiederholen“ über. Falls nein, erfolgt die Ausgabe der Meldung „nächster Messpunkt“ im Schritt S21.
-
Des Weiteren erfolgt gemäß 1 im Schritt S24 eine Abfrage „Alle Messpunkte fertig?“ dahingehend, ob sämtliche Messpunkte auf der zu inspizierenden Oberfläche abgearbeitet wurden. Diese Abfrage erfolgt sowohl nach der im Schritt S21 ausgegebenen Meldung „nächster Messpunkt“ als auch dann, wenn gemäß Abfrage im Schritt S23 keine erneute Wiederholung des Messablaufs (mangels Vorliegen einer Meldung „Messung wiederholen“ gemäß Schritt S22) erfolgen soll. Sofern gemäß Abfrage im Schritt S24 noch nicht alle Messpunkte abgearbeitet wurden, erfolgt eine Rückkehr zu Schritt S13, anderenfalls endet der Messauftrag (Schritt S25) .
-
In weiteren Ausführungsformen können auch anstelle der unmittelbaren Auswertung jeder Messung zunächst mehrere Messungen über einen geeigneten Zeitraum aufgesammelt werden, bevor diese Messungen dann erfindungsgemäß modellbasiert ausgewertet werden.
-
Des Weiteren können gemäß der Erfindung für unterschiedliche Messeinstellungen (z.B. Vergrößerungen) mehrere Modelle oder alternativ nur ein einziges Modell verwendet und trainiert werden.
-
2 zeigt eine schematische Darstellung einer beispielhaften für den Betrieb im EUV ausgelegten Projektionsbelichtungsanlage.
-
Gemäß 2 weist eine Beleuchtungseinrichtung in einer für EUV ausgelegten Projektionsbelichtungsanlage 200 einen Feldfacettenspiegel 203 und einen Pupillenfacettenspiegel 204 auf. Sämtliche Spiegel in der Projektionsbelichtungsanlage 200 können Freiformflächen sein. Auf den Feldfacettenspiegel 203 wird das Licht einer Lichtquelleneinheit, welche eine Plasmalichtquelle 201 und einen Kollektorspiegel 202 umfasst, gelenkt. Im Lichtweg nach dem Pupillenfacettenspiegel 204 sind ein erster Teleskopspiegel 205 und ein zweiter Teleskopspiegel 206 angeordnet. Im Lichtweg nachfolgend ist ein Umlenkspiegel 207 angeordnet, der die auf ihn treffende Strahlung auf ein Objektfeld in der Objektebene eines sechs Spiegel 251-256 umfassenden Projektionsobjektivs lenkt. Am Ort des Objektfeldes ist eine reflektive strukturtragende Maske 221 auf einem Maskentisch 220 angeordnet, die mit Hilfe des Projektionsobjektivs in eine Bildebene abgebildet wird, in welcher sich ein mit einer lichtempfindlichen Schicht (Photoresist) beschichtetes Substrat 261 auf einem Wafertisch 260 befindet.
-
Die Erfindung kann bei der Charakterisierung bzw. Inspektion der Oberfläche während oder nach der Fertigung eines beliebigen optischen Elements dieser Projektionsbelichtungsanlage eingesetzt werden. Die Erfindung ist jedoch nicht auf die Realisierung bei der Herstellung optischer Elemente für den Betrieb im EUV beschränkt, sondern auch bei der Inspektion optischer Elemente für andere Arbeitswellenlängen (z.B. im VUV-Bereich bzw. bei Wellenlängen kleiner als 250nm) sowie auch zur Anwendung in anderen (nicht für die Mikrolithographie bestimmten) optischen Systemen realisierbar.
-
Wenn die Erfindung auch anhand spezieller Ausführungsformen beschrieben wurde, erschließen sich für den Fachmann zahlreiche Variationen und alternative Ausführungsformen, z.B. durch Kombination und/oder Austausch von Merkmalen einzelner Ausführungsformen. Dementsprechend versteht es sich für den Fachmann, dass derartige Variationen und alternative Ausführungsformen von der vorliegenden Erfindung mit umfasst sind, und die Reichweite der Erfindung nur im Sinne der beigefügten Patentansprüche und deren Äquivalente beschränkt ist.