JP2005517903A - 集積回路測定用のプロファイル精密化 - Google Patents

集積回路測定用のプロファイル精密化 Download PDF

Info

Publication number
JP2005517903A
JP2005517903A JP2003568005A JP2003568005A JP2005517903A JP 2005517903 A JP2005517903 A JP 2005517903A JP 2003568005 A JP2003568005 A JP 2003568005A JP 2003568005 A JP2003568005 A JP 2003568005A JP 2005517903 A JP2005517903 A JP 2005517903A
Authority
JP
Japan
Prior art keywords
profile
signal
data
refinement
parameter
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
Application number
JP2003568005A
Other languages
English (en)
Inventor
バオ，ジュンウェイ
ドディ，スリニバス
ジャカッダー，ニックヒル
ボン，ビ
Original Assignee
ティンバー テクノロジーズ，インコーポレイティド
バオ，ジュンウェイ
ドディ，スリニバス
ジャカッダー，ニックヒル
ボン，ビ
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ティンバー テクノロジーズ，インコーポレイティド, バオ，ジュンウェイ, ドディ，スリニバス, ジャカッダー，ニックヒル, ボン，ビ filed Critical ティンバー テクノロジーズ，インコーポレイティド
Publication of JP2005517903A publication Critical patent/JP2005517903A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • C—CHEMISTRY; METALLURGY
    • C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
    • C09K—MATERIALS FOR MISCELLANEOUS APPLICATIONS, NOT PROVIDED FOR ELSEWHERE
    • C09K15/00—Anti-oxidant compositions; Compositions inhibiting chemical change
    • C09K15/04—Anti-oxidant compositions; Compositions inhibiting chemical change containing organic compounds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/4788—Diffraction
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/76—Architectures of general purpose stored program computers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Materials Engineering (AREA)
  • Organic Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Tests Of Electronic Circuits (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本発明は、計測信号から集積回路内の構造（５９）のプロファイルを決定する方法及びシステム（５３）を含んでおり、この信号は、構造から測定装置（４０）によって取得されたものであって、プロファイルデータ空間内において、計測信号のベストマッチを選択し、このプロファイルデータ空間は、特定範囲の非線形性を有するデータポイントを具備しており、精密化手順を実行して精密なプロファイルパラメータを決定する。一実施形態は、プロファイルライブラリ信号とプロファイルパラメータの費用関数の関数領域において多面体を見いだすステップと、加重平均法を使用して総費用関数を最小化するステップと、を有する精密化手順を含んでいる。その他の実施形態は、感度分析、クラスタリング法、回帰に基づいた方法、局所化された微細分解能精密化ライブラリ法、反復ライブラリ精密化法、及びその他の費用最適化又は精密化アルゴリズム、手順、及び方法を使用するプロファイルパラメータ精密化手順を含んでいる。プロファイルパラメータの精密化は、自動的に起動するか、或いは計測信号とベストマッチプロファイルライブラリ間の誤差測定基準の超過などの所定の基準に基づいて起動可能である。

Description

（関連出願に対する相互参照）
本出願は、２０００年１１月２８日付けで出願されたＪａｋａｔｄａｒ他による「グレーティングプロファイルのリアルタイムライブラリ生成システム及び方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｒｅａｌ−Ｔｉｍｅ Ｌｉｂｒａｒｙ Ｇｅｎｅｒａｔｉｏｎ ｏｆ Ｇｒａｔｉｎｇ Ｐｒｏｆｉｌｅｓ）」という名称の同時係属中の米国特許出願第０９／７２７５３０号、２００１年１月２５日に出願されたＮｉｕ他による「急速厳密結合波解析のためのレイヤ内演算のキャッチング（Ｃａｃｈｉｎｇ ｏｆ Ｉｎｔｒａ−Ｌａｙｅｒ Ｃａｌｃｕｌａｔｉｏｎｓ ｆｏｒ Ｒａｐｉｄ Ｒｉｇｏｒｏｕｓ Ｃｏｕｐｌｅｄ−Ｗａｖｅ Ａｎａｌｙｓｅｓ）」という名称の同時係属中の米国特許出願第０９／７６４，７８０号、２０００年１２月１４日付けで出願されたＤｏｄｄｉ他による「グレーティングプロファイル分類システム及び方法（Ｓｙｓｔｅｍ ａｎｄ ｍｅｔｈｏｄ ｆｏｒ Ｇｒａｔｉｎｇ Ｐｒｏｆｉｌｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）」という名称の同時係属中の米国特許出願第０９／７３７，７０５号、及び２００１年８月６日付けで出願された「回帰ベースライブラリ生成プロセスによる動的学習方法及びシステム（Ｍｅｔｈｏｄ ａｎｄ Ｓｙｓｔｅｍ ｏｆ Ｄｙｎａｍｉｃ Ｌｅａｒｎｉｎｇ Ｔｈｒｏｕｇｈ ａ Ｒｅｇｒｅｓｓｉｏｎ−Ｂａｓｅｄ Ｌｉｂｒａｒｙ Ｇｅｎｅｒａｔｉｏｎ Ｐｒｏｃｅｓｓ）」という名称の同時係属中の米国特許出願第０９／９２３，５７８号に関連するものであり、これらの出願は、いずれも本出願の譲受人によって所有されており、これらの内容は、本引用により、本明細書に包含される。
本発明は、集積回路（ＩＣ）の測定に関し、さらに詳しくは、ＩＣ構造の限界寸法（Ｃｒｉｔｉｃａｌ Ｄｉｍｅｎｓｉｏｎ：ＣＤ）及びプロファイルを決定するための測定システム及びプロファイルライブラリ又はプロファイルデータ空間の使用法に関するものである。
現在のＩＣ形状小型化の趨勢により、その形状サイズの小型化に伴って形状の測定は益々困難なものになっている。しかしながら、形状寸法が許容範囲内にあるかどうか、並びに特定の製造プロセスによって形状の側壁が傾斜したり、垂直になったり、Ｔトッピングしたり（Ｔ−ｔｏｐｐｅｄ）、アンダーカットされたり、或いはフッティングを有しているかどうかを決定するには、格子又は周期的構造の寸法に関する知識が不可欠である。
従来は、サンプルを切断し、走査電子顕微鏡（ＳＥＭ）又はこれに類似する装置によってチェックしていた。しかしながら、この断面ＳＥＭ法は、通常、低速で、高価であり、破壊的であって、ＣＤ ＳＥＭによって得られるのは、形状の上部から見た１つの計測値のみである。構造上に光を照射して反射信号のスペクトルを計測するべく、分光反射率計測法及び偏光解析法が使用されている。現在の方式は、基本的に経験に基づいた方法を使用するものであり、構造内の形状の既知の幅について反射光のスペクトルを計測している。しかしながら、このプロセスは、構造寸法のプロファイルと反射／回折光の関連スペクトルデータのライブラリが限定的なものである場合にも、時間を要し、多くの費用を要する。又、微細な分解能を有する広範囲なプロファイルについて、この種のライブラリを生成する場合には、ライブラリの生成プロセスに時間を要すると共に、その費用が許容できないほどに大きなもになってしまう。ＩＣ形状の小型化に伴い、さらに微細な分解能を有するライブラリに対するニーズが存在している。ライブラリの分解能が増大すれば、ライブラリサイズが増大し、同時に、ライブラリ生成に所要する時間も幾何級数的に増大することになる。又、大規模なプロファイル及びスペクトルライブラリのサーチは、特に、リアルタイム作業の場合に、非効率的である。従って、巨大なプロファイルライブラリやデータコレクションの生成、及びこれらプロファイルライブラリ又はデータコレクションの広範なサーチの実施を伴うことのない、プロファイルを計測する測定装置及びシステムの使用を容易にする方法、システム、及び／又は装置に対するニーズが存在している。
本発明は、プロファイルデータ空間内において、計測信号の１つ又は複数のベストマッチを選択し、精密化（ｒｅｆｉｎｅｍｅｎｔ）手順を実行して精密な（ｒｅｆｉｎｅｄ）プロファイルパラメータを決定することにより、計測信号から集積回路構造のプロファイルを決定する方法及びシステムを含んでいる。計測信号は、光学、電気、電子、又は機械的な測定装置によって生成可能である。プロファイルデータ空間は、プロファイルパラメータ及び対応する信号のプロファイルライブラリ、又はプロファイルパラメータ及び対応する信号を表すデータポイントのコレクションであってよい。
代表的な実施形態は、精密化演算により一貫性のある結果を確保するべく、特定範囲の非線形性がデータポイント間に存在するようにする方法及びシステムを含んでいる。
別の代表的な実施形態は、プロファイルパラメータのデータ空間内において多面体を見いだすステップを有する精密化手順を含んでおり、この多面体は、ベストマッチのライブラリスペクトルのプロファイルパラメータを含むべく構成されており、且つ、多面体の角が、それぞれのプロファイルパラメータごとに１つずつ選択されたプロファイルパラメータデータポイントに対応するように構成されている。ベストマッチスペクトルと、計測スペクトルと比較して選択されたデータポイントのスペクトルの総費用関数を重み付け係数を使用して最小化する。別の方法は、ベストマッチのライブラリスペクトルのプロファイルパラメータを含むべく構成されていると共に、多面体の角が、それぞれのプロファイルパラメータごとに２つずつ選択されたプロファイルパラメータデータポイントに対応するように構成された多面体を見いだす方法である。さらに別の実施形態は、感度行列を使用してプロファイルパラメータの調整値を決定することにより、精密なプロファイルパラメータを算出するステップを含んでいる。
或いは、この代わりに、クラスタリング法を使用し、プロファイルライブラリのインスタンスのそれぞれのクラスタごとにクラスタ代表を選択し、クラスタ代表のそれぞれのプロファイルパラメータ値ごとに調整乗数を導出する。そして、ベストマッチのクラスタ代表のそれぞれのプロファイルパラメータ値ごとに、計測回折スペクトルと対応する調整乗数を乗算することにより、精密なプロファイルパラメータを算出する。別のアプリケーションにおいては、選択基準に従って選択されたプロファイルライブラリのインスタンスから調整乗数を導出する。
さらに別の実施形態は、回帰に基づく精密化法であって、この場合には、計測スペクトルと比較した適合度について、信号及びプロファイルパラメータのデータ空間内のデータポイントを連続的に評価する。後続の回帰データポイントは、グローバル及びローカルな最適化法を使用して選択する。そして、測定シミュレーション手順を使用し、後続の回帰データポイントの信号を算出する。
又、本発明においては、局所化された微細分解能精密化ライブラリ法、反復ライブラリ精密化法、その他の費用最適化法、及び／又はその他の精密化アルゴリズム又は技法を利用可能である。精密化手順は、自動的に起動するか、或いは、計測信号とベストマッチのプロファイルライブラリ信号間における誤差測定基準の超過などの所定基準の発生に基づいて起動することができる。
以下においては、本発明に関する説明を円滑に行うために、光学測定システムを使用し、その概念と原理を示しているが、後述するように、この同一の概念及び原理は、その他のＩＣ測定システムにも同様に適用可能であることを理解されたい。又、同様に、プロファイルライブラリを頻繁に使用して概念及び原理を示しているが、本発明は、プロファイルパラメータ及び対応する測定信号を有するデータ空間にも同様に適用可能である。
図１は、集積回路の周期的構造からの回折スペクトルを計測するための光学測定の使用法を示すアーキテクチャ図である。光学測定システム４０は、測定プラットフォーム５５上に取り付けられたウエハ４７のターゲットである周期的構造５９にビーム４３を照射する測定ビーム源４１から構成されている。この測定ビーム４３は、ターゲットである周期的構造５９に向かって入射角θで照射される。そして、回折したビーム４９を測定ビームレシーバ５１によって計測する。この回折ビームデータ５７は、測定プロファイラシステム５３に伝送される。測定プロファイラシステム５３は、この計測回折ビームデータ５７を、ターゲットである周期的構造のプロファイルパラメータと分解能の様々な組み合わせを表す算出された回折ビームデータのライブラリに照らして比較する。そして、計測回折ビームデータ５７にベストマッチのライブラリインスタンスを選択する。この選択されたライブラリインスタンスのプロファイル及び関連する限界寸法は、ターゲットである周期的構造５９の形状の断面プロファイル及び限界寸法に対応するものである。光学測定システム４０は、反射率計、分光分析器、又はその他の光学測定装置を利用して回折ビーム又はスペクトルを計測することができる。なお、光学計測システムについては、２０００年１１月２８日付けで出願されたＪａｋａｔｄａｒ他による「グレーティングプロファイルのリアルタイム生成システム及び方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｒｅａｌ−Ｔｉｍｅ Ｌｉｂｒａｒｙ Ｇｅｎｅｒａｔｉｏｎ ｏｆ Ｇｒａｔｉｎｇ Ｐｒｏｆｉｌｅｓ）」という名称の同時係属中の米国特許出願第０９／７２７，５３０号明細書に記述されており、この内容は、本引用により、そのすべてが本明細書に包含される。
図２Ａは、プロファイルライブラリ内のインスタンスの回折スペクトルグラフと比較した計測回折スペクトルグラフを示している。ナノメートル（ｎｍ）単位の波長がＸ軸に示されており、ｃｏｓ（Δ）すなわち回折スペクトルの偏光解析計測値がＹ軸に示されている。プロファイルライブラリは、ウエハの構造のある範囲のＣＤ及びその他のプロファイルパラメータによって生成されている。このプロファイルライブラリのインスタンスの数は、特定の分解能における様々なＣＤ及びその他のプロファイルパラメータの組み合わせの関数である。例えば、構造の上部ＣＤの範囲は、１００〜３００ｎｍであり、特定の分解能は、１０ｎｍであってよい。構造のその他のプロファイルパラメータとの組み合わせにより、１００ｎｍの上部ＣＤから始まり、その後、３００ｎｍまで、１０ｎｍの増分ごとに、プロファイルライブラリの１つ又は複数のインスタンスを生成するのである。なお、プロファイルライブラリの作成に使用されるパラメータの詳細な説明については、２０００年１１月２８日付けで出願されたＪａｋａｔｄａｒ他による「グレーティングプロファイルのリアルタイムライブラリ生成システム及び方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｒｅａｌ−Ｔｉｍｅ Ｌｉｂｒａｒｙ Ｇｅｎｅｒａｔｉｏｎ ｏｆ Ｇｒａｔｉｎｇ Ｐｒｏｆｉｌｅｓ）」という名称の同時係属中の米国特許出願第０９／７２７，５３０号明細書を参照されたい（この内容は、本引用により、本明細書に包含される）。例えば、台形プロファイルのプロファイルライブラリのインスタンスは、回折スペクトルと、上部ＣＤ、下部ＣＤ、及び高さを含むプロフィルパラメータを有することができる。図２Ａにおいて、所与の分解能を有するプロファイルパラメータの組を表すライブラリスペクトル６３と、同一分解能のプロファイルパラメータの異なる組を有する別のライブラリスペクトル６５が示されている。計測スペクトル６１は、これらライブラリスペクトル６３及び６５に近接している。本発明の一態様においては、計測された回折スペクトル６１とプロファイルライブラリ内の既知の値に基づいて、計測回折スペクトル６１に対応するプロファイルを決定する。
図２Ｂは、プロファイルライブラリ内のインスタンスのプロファイルと比較した周期的構造の計測された構造プロファイルを示している。台形構造のライブラリプロファイル７１が、これと類似した別のライブラリプロファイル７５と共に示されている。計測された回折スペクトルは、破線で示されているプロフィル７３に対応し、ライブラリプロファイル７１及び７５に近接したプロファイルパラメータを有している。本発明の一態様においては、この計測された回折スペクトルに対応するプロファイルパラメータを決定するが、この決定は、計測された回折スペクトルとプロファイルライブラリから選択されたデータ、或いはシミュレーション技法を使用して導出されたデータに基づいて行われる。一例として、ライブラリプロファイル７１がライブラリスペクトル６３に対応し、ライブラリプロファイル７５がライブラリスペクトル６５に対応しているものとしよう。図２Ａに示されているように、ライブラリスペクトル６３及び６５は、いずれも計測スペクトル６１とは正確に一致していない。従って、「ベストマッチ」アルゴリズムに基づいた大部分の従来システムにおいては、スペクトル６３又は６５のいずれかが、最も近いマッチとして選択されることになろう。しかしながら、この結果、ある程度の誤差が発生することになる。例えば、ライブラリスペクトル６５が計測スペクトル６１のマッチとして選択されたとしよう。この場合には、周期的格子の実際のプロファイルを表すものとして、ライブラリプロファイル７５が選択されることになる。しかしながら、図２Ｂに示されているように、ライブラリプロファイル７５と周期的格子の実際のプロファイル（即ち、計測スペクトル７３のプロファイル）間には、相違／誤差が存在している。１つの解決策は、計測スペクトルに対してさらに近いライブラリスペクトルが提供されるように、ライブラリの分解能を上げる方法であろう。しかしながら、この場合には、ライブラリのサイズが増大することになり、ライブラリの生成、ライブラリの保存、及びライブラリのサーチにさらに多くの時間と演算を所要するという欠点が存在している。従って、後述する代表的な実施形態においては、プロファイル精密化プロセスを利用し、既存のライブラリスペクトル／プロファイル及び計測スペクトルに基づいて、さらに近いスペクトル／プロファイルを決定する。
図３は、本発明の代表的な実施形態における特定範囲の非線形性をライブラリデータポイント間に確保するための動作ステップを有するフローチャートである。データポイントとは、関連するスペクトルを有するプロファイルパラメータの組である。そして、このプロファイルパラメータ及び関連するスペクトルの組をライブラリの形態に編成した場合には、ライブラリデータポイントという用語を使用することにする。なお、本発明の原理と概念は、このようなデータの編成方法とは無関係に適用可能であることを理解されたい。データポイントの組が、プロファイルデータ空間、即ち、簡潔には、データ空間である。
従来、ライブラリの概念は、Ｘ−Ｙ軸上における４５度の直線グラフによって示されている。従って、２つの変数Ｘ及びＹは、線形の関係を有しており、Ｘのすべての増分ごとに、対応するＹの増分が存在し、このＸからＹへの関係は、直線としてグラフ上に表示可能である。しかしながら、本アプリケーションにおいては、この線形性の代わりに、データポイント間におけるある範囲の非線形性を用いており、さらに近いマッチングを与えるプロファイルパラメータ及びスペクトルの決定に使用する精密化手順から一貫性を有する反復可能な結果を確保するべく、これを制御している。与えられた変数にとって、この非線形性の範囲は、当該変数の関係が線形である場合の同一変数の値に対する算出値の偏差として評価することができる。本実施形態においては、このライブラリデータポイントの非線形性の範囲は、プロファイルパラメータの実際の変化とプロファイルパラメータの算出された変化の差として表現されるが、これについては後述する。又、この実施形態においては、プロファイルライブラリの生成に使用するそれぞれのプロファイルパラメータごとに精密な分解能を利用することにより、特定範囲の非線形性を確保している。又、例を参照して後述するように、これらの精密な分解能は、データポイント間における特定範囲の非線形性を維持しつつプロファイルライブラリの生成に使用可能なプロファイルパラメータ分解能の最大値である。データポイント間における特定範囲の非線形性を有するように生成されたプロファイルライブラリによれば、算出された精密なプロファイルパラメータが特定の最大偏差又は閾値偏差を超過しないようにプロファイルパラメータを精密化することができる。例えば、ＣＤ幅及び高さから構成されるプロファイルパラメータの組の場合に、製造ランのために指定される閾値偏差は、ＩＣ構造のそれぞれＣＤ幅及び高さについて、１．５ｎｍ及び２ｎｍであってよい（即ち、この構造は、構造の設計属性に影響を与えることなしに、これらの量だけ変化してよい）。そして、この実施形態においては、生成されたライブラリを使用して算出された精密なプロファイルパラメータの偏差又は誤差が、例えば、それぞれ１．５ｎｍ及び２ｎｍを超過しないようにライブラリを生成するべく、ＣＤ幅及び高さの最大分解能を算出する。
図３を参照すれば、まず、プロファイルライブラリのそれぞれのプロファイルパラメータごとに特定範囲の非線形性を設定する（１５０）。前述のように、一実施形態においては、所望の範囲の非線形性を特定するために、プロファイルライブラリのそれぞれのプロファイルパラメータごとに閾値偏差を設定するという考え方を利用している。この閾値偏差は、装置又は回路の設計属性の変化を伴わない構造プロファイルパラメータ仕様からの最大偏差であってよい。或いは、この代わりに、閾値偏差は、ＩＣ構造及びウエハのユーザー要件に基づいて、ユーザーが設定したものであってよい。次いで、それぞれのプロファイルパラメータごとに、この特定範囲の非線形性に基づいて精密な分解能を算出する（１６０）。非線形性の程度を閾値偏差として表現するケースにおいて、精密な分解能を決定するための代表的な技法の１つは、感度行列を使用してプロファイルパラメータの変化を算出し、算出されたプロファイルパラメータの変化をそのプロファイルパラメータに設定されている閾値偏差と比較する方法である。以下の各ステップは、この手順について説明するものである。
（１）所与のプロファイルパラメータの組Ｐ、即ち、プロファイルライブラリＰ＝（Ｐ1，Ｐ2，．．．ＰK）において、次のベクトルによって表されるそれぞれのプロファイルパラメータの閾値偏差を設定する。
閾値偏差Ｔ＝（Ｔ1，Ｔ2，．．．ＴK）
ここで、Ｋは、プロファイルパラメータの次元数である。
（２）次のように、プロファイルパラメータの組ＰSET0を選択する。
ＰSET0＝（Ｐ1，．．．ＰL-1，ＰL，ＰL+1，．．．ＰK） （１．００）
ここで、Ｌは、１〜Ｋの中のいずれかのプロファイルパラメータである。
（３）選択されたプロファイルパラメータＰSET0を使用してＩＣ構造からの回折スペクトルをシミュレートし、回折スペクトルＳ0を生成する。
（４）選択された組ＰSET0の中の１つのプロファイルパラメータＰLを選択し、この選択したプロファイルＰLを小さな量βLだけ増分し、新しい組ＰINCRと命名する。例えば、ＰLは、ＣＤ幅であってよく、ＣＤ幅は、１００〜３００ｎｍの範囲であり、増分βLは、１又は２ｎｍであってよい。但し、このプロファイルパラメータの増分は、個々の製造ランにおける以前のライブラリ生成プロセスの経験に応じて異なったものであってよい。
（５）プロファイルパラメータの組ＰINCRによってＩＣ構造からの回折スペクトルをシミュレートし、回折スペクトルＳLを生成する。
（６）プロファイルパラメータの変化δＰに対応するスペクトルの変化の感度δＳを算出する。
δＳL／δＰ＝（ＳL−Ｓ0）／βL （１．２０）
ここで、ＳLは、長さＮの列ベクトルであり、Ｎは、測定装置によって実行されるそれぞれの計測ごとのスペクトルデータポイント数である。
（７）その他のプロファイルパラメータの中の１つを、例えば、α＝０．２ｎｍなどの小さな増分αだけ変化させる。この小さな増分αは、アプリケーションに応じて異なり、一般には、経験的なデータに基づいており、小さな増分αは、通常、プロファイルの増分βLの分数である。
（８）プロファイルパラメータの残りのものを一定に維持しつつ、この変更を加えたプロファイルパラメータを使用して回折スペクトルをシミュレートし、回折スペクトルＳiを生成する。そして、その他のすべてのプロファイルパラメータについて、このステップを繰り返す。プロファイルパラメータｉにおける一般式は、次のとおりである。
δＳi／δＰi＝（Ｓi−Ｓ0）／α （１．４０）
ここで、δＳiは、プロファイルパラメータの変化δＰiによって起きる回折スペクトルの変化であり、Ｓiのそれぞれは、長さＮの列ベクトルであり、Ｎは、測定装置によって実行されるそれぞれの計測ごとのスペクトルデータポイント数である。
（９）前述のステップにおいて算出された値を代入し、感度行列Ｊを算出する。
Ｊ＝［δＳ1／δＰ1，δＳ2／δＰ2，．．．δＳK／δＰK］ （１．６０）
ここで、Ｓ1は、長さＮの列ベクトルであり、Ｓ2は、長さＮの列ベクトルであり（以下同様）、Ｎは、測定装置によって実行されるそれぞれの計測ごとのスペクトルデータポイント数である。
（１０）次のプロファイルパラメータの組を使用して回折スペクトルをシミュレートし、回折スペクトルＳを生成する。
Ｐ＝（Ｐ1，．．．ＰL-1，（ＰL＋βL／２），ＰL+1，．．．ＰK） （１．８０）
（１１）先程算出した感度行列Ｊと、等式δＳ＝Ｓ−Ｓ0による新しい値δＳを使用し、次のようにδＰを算出することにより、δＰ＝（ｂ1，．．．ｂL-1，ｂL，ｂL+1，．．．ｂK）が得られる。
δＰ＝（ＪTＪ）-1ＪTδＳ （２．００）
ここで、ｂ1は、プロファイルパラメータ１における変化の算出値であり、ｂLは、プロファイルパラメータＰLにおける変化の算出値である（以下、同様）。
図３を参照すれば、前述のステップを使用して算出した１つ又は複数の精密な分解能によって生成されたプロファイルライブラリの非線形の範囲をテストし、特定の非線形性の程度をこれらが満足しているかどうかをチェックする（１６５）。そして、この線形性テスト要件を満足していない場合には、補正操作を適用する（１７０）。
次に、閾値偏差を使用する技法における線形性テストの実行及び補正操作の適用の一例について説明する。
（１２）算出されたδＰをδＰの理想値と比較して、このδＰの理想値とδＰの算出値間の差の絶対値をテストし、これらが閾値偏差以下になっているかどうかをチェックする。なお、δＰのプロファイルパラメータの理想値は、ＰL以外のパラメータについてはゼロであり、プロファイルパラメータＰLについては、βLの１／２である。この線形テストを式で表せば、次のとおりである。
δＰの理想値＝（０，．．．βL／２，．．．０）
｜０−ｂ1｜≦Ｔ1の比較
・
・
｜βL／２−ｂL｜≦ＴLの比較
・
・
｜０−ｂK｜≦ＴKの比較 （２．１０）
そして、式（２．１０）の比較結果が真の場合には（即ち、プロファイルパラメータＰLの最大閾値偏差を上回っていない場合には）、βLの値を増分する。例えば、βLを１ｎｍだけ増分することができる。そして、比較結果が偽になるまでステップ５〜ステップ１２を繰り返し、比較結果が真であったβLの最後の値を取得する。このβLの値が、プロファイルパラメータＰLの精密なプロファイル分解能である。
（１３）プロファイルパラメータの残りのものについてステップ１〜ステップ１２を繰り返し、精密なプロファイル分解能を保存する。
図３を再度参照すれば、この算出された精密な分解能を使用し、ある範囲のプロファイルパラメータのプロファイルライブラリを生成する（１８０）。例えば、ＣＤ幅は、１００〜２００ｎｍの範囲を有することが可能であり、特定の閾値偏差を満足するＣＤ幅の精密な分解能は、４ｎｍであってよい。
プロファイルパラメータの精密な分解能を決定する別の実施形態は、線形要件を満足させるためには複数の精密な分解能が必要であるということを認めるものである。この方法においては、プロファイルパラメータの全体範囲において異なる複数の分解能を適用可能であるということがわかる。即ち、プロファイルパラメータの範囲全体をいくつかのパーティションに分割するのである。そして、それぞれのパーティションごとに、前述と同様の方式により、精密なプロファイルパラメータ分解能を決定するのである。１組の改良されたプロファイルパラメータを使用してプロファイルライブラリを生成するのではなく、プロファイルパラメータのパーティションに固有の１組の改良された分解能を使用する。以前の例を使用すれば、ＣＤ幅は、１００〜３００ｎｍの範囲を有することが可能であり、ＣＤ幅の改良された分解能は、第１パーティションである１００〜２００ｎｍについては、３ｎｍであり、２０１〜２５０ｎｍである第２パーティションについては、２．５ｎｍであって、第３パーティションである２５１〜３００ｎｍについては、１．８ｎｍである。なお、当業者であれば、その他の技法やアルゴリズムを採用することにより、線形性テストを実行したり、ライブラリ内のプロファイルデータポイントの組に線形性要件を満足させることが可能であることを理解するであろう。
図４Ａ〜図１１は、本発明において使用されている概念及び原理を光学測定を使用して例示及び説明するものである。なお、前述のように、この説明対象の概念及び原理は、電子、電気、及び機械的な測定システムなどのその他の測定システムにも適用可能である。
図４Ａは、本発明の代表的な実施形態における計測回折スペクトルに対するプロファイルライブラリ内の選択されたスペクトルデータポイントの費用関数の最小化と重み付け係数の利用によるプロファイル精密化の動作ステップをもつフローチャートである。このプロファイル精密化プロセスは、特定範囲の非線形性を有するライブラリを生成した後に実行される。計測されたＩＣ構造からの回折スペクトルＳMをプロファイルライブラリ内のスペクトルと比較し、ライブラリ内のベストマッチのスペクトルＳ0を選択する（２００）。そして、このベストマッチのライブラリスペクトルと関連付けられているプロフィルパラメータを抽出する（２１０）。このベストマッチのライブラリスペクトルに関連付けられているプロファイルパラメータを表すデータポイントをＰ0とする。
計測回折スペクトルに対するプロファイルライブラリ内の選択されたスペクトルデータポイントの総費用関数を算出する。そして、この総費用関数を重み付け係数を利用して最小化する。スペクトルデータポイントの選択法は、実施形態に応じて異なる。代表的な一実施形態においては、プロファイルパラメータのデータ空間内においてＫ次元の多面体を選択するが、この多面体は、ベストマッチのライブラリスペクトルのプロファイルパラメータを含むように構成されると共に、多面体の角即ち、頂点が、選択されたプロファイルパラメータデータポイントに対応するように構成されている（２２０）。先程定義したように、データポイントとは、プロファイルパラメータ及び関連するスペクトルの組を意味しており、データ空間とは、データポイントの集りである。Ｋ次元の多面体のプロファイルパラメータデータポイントの選択は、ベストマッチのライブラリスペクトルと関連付けられているプロファイルパラメータの隣接する値を選択することによって実行され、これらの隣接値は、図４Ｂに示されているように、計測されたスペクトルと、データポイントに関連付けられているスペクトル間において、より小さなスペクトル変動をもたらす方向において選定される。図４Ｂを参照すれば、ＩＣ構造のプロファイルを、２つのプロファイルパラメータ（即ち、ＣＤ幅Ｐ1と高さＰ2）を使用する矩形の単純なプロファイルであると仮定しよう。ＰRは、精密な（即ち、算出した）パラメータデータポイントであり、ＰMは、計測されたスペクトルＳMに対応する実際のパラメータデータポイントである。ベストマッチのスペクトルＳ0（図示されてはいない）と関連付けられているベストマッチのプロファイルパラメータデータポイントＰ0は、その他のプロファイルパラメータデータポイントを選択するための開始点である。Ｙ軸におけるプロファイルパラメータＰ1の場合には、Ｐ0の隣接する値は、Ｐ1の正方向におけるＰ1+と負方向におけるＰ1-である。そして、Ｐ1+及びＰ1-に関連付けられているスペクトルは、それぞれＳ1+及びＳ1-である（図示されてはいない）。計測スペクトルＳMに対するＳ1+の費用関数が、計測スペクトルＳMに対するＳ1-の費用関数よりも小さい場合には、ＣＤ幅Ｐ1のデータポイントとしてＰ1+が選択され、さもなければ、Ｐ1-が選択される。同様の分析をプロファイルパラメータＰ2についても実行し、例えば、プロフファイルパラメータデータポイントＰ2-が高さＰ2について選択される。この例においては、多面体は、角Ｐ0、Ｐ1+、及びＰ2-を有する計測パラメータデータポイントＰMを含む三角形空間になっている。
例えば、７つのプロファイルパラメータを必要とするさらに複雑なプロファイルの場合には、Ｋは７であり、８個（Ｋ＋１）の角を有する多面体は６面体である。プロファイルパラメータの隣接するデータポイントを選択するには、このＫの値とは無関係に、同様のステップの組を適用可能である。なお、例においては、矩形プロファイルを頻繁に使用しているが、本発明の概念及び原理は、上部の丸み、下部フッティング、Ｔトッピング、アンダーカット、直線部、凹状側壁、又は凸状側壁を有する非台形プロファイル、並びに形状及び構造特性の様々な組み合わせを有する非台形プロファイルなどのその他のプロファイルにも適用可能である。
次に図４Ａを参照すれば、重み付けベクトルを調整することにより、計測回折スペクトルに対するベストマッチスペクトルの費用関数と、計測回折スペクトルに対する選択されたデータポイントに関連付けられているスペクトルの費用関数を最小化する（２３０）。この実施形態における費用関数最小化のための式は、次のとおりである。
Figure 2005517903
ここで、条件は次式と、
Figure 2005517903
さらには、次式である。
Ｗｉ≧０ （２．６０）
ここで、Ｃ（Ｗ）は次のとおりである。
Ｃ（Ｗ）＝‖［Ｓ0，Ｓ1，．．．ＳK］N(K+1)ＷK+1−ＳM‖ （２．８０）
ここで、Ｃは、総費用関数であり、Ｋは、プロファイルパラメータの次数であり、Ｎは、測定装置によって実行されるそれぞれの計測ごとのスペクトルデータポイント数であり、Ｓは、回折スペクトルであり、Ｓ0は、ベストマッチスペクトルであり、Ｓ1は、第１プロファイルパラメータの選定された値と関連付けられているスペクトルであり（これは、ＳKまで以下同様）、ＳMは、計測されたスペクトルであり、Ｗは、重み付けベクトルである。
重み付けベクトルＷは、次式によって得られる。
Figure 2005517903
ここで、Ｗ0は、ベストマッチデータポイント用の重みであり、Ｗ1は、第１プロファイルパラメータデータポイント用の重みである（以下同様）。長さＭにおけるベクトルＶのノルム値は、次の式によって得られる（ｉは、１、２、又はどのような整数であってもよい）。
Figure 2005517903
重み付けベクトルの値の最適化には、第１に「重み付けベクトルの合計は、１に等しくなければならない（式１．２０）」、そして、第２に「重み付けベクトルの値は、ゼロ以上であってよい（式１．３０）」という２つの制約が課されている。
次に図４Ａを参照すれば、次式に表されているように、プロファイルパラメータの総費用関数を最小化する重み付けベクトルを使用することにより、精密なプロファイルパラメータを算出する（２５０）。
Figure 2005517903
ここで、ＰRは、精密なプロファイルパラメータを表すベクトルであり、Ｐ0は、ベストマッチスペクトルのプロファイルパラメータを表すベクトルであり、Ｐ1及びＰKは、多面体の第１番目及び第Ｋ番目の角のプロファイルパラメータを表すベクトルである。矩形プロファイルの例によって継続するならば、この精密なプロファイルパラメータは、次式によって得られることになる。
Figure 2005517903
別の実施形態においては、異なる数の角を有する異なる多面体が使用されている。図４Ａを参照すれば、多面体のこれらの角のプロファイルパラメータデータポイントの選択は、ベストマッチライブラリスペクトルに関連付けられているプロファイルパラメータの隣接値を選択することによって実行される（２２５）。図４Ｃを参照すれば、ＣＤ幅Ｐ1及び高さＰ2という２つのプロファイルパラメータを有する以前の例の矩形構造プロファイルをこの場合にも仮定しよう。図４Ｃを参照すれば、ＰRは、精密な（即ち、算出された）パラメータデータポイントであり、ＰMは、計測されたスペクトル（図示されてはいない）の実際のパラメータデータポイントである。ベストマッチスペクトルＳ0（図示されてはいない）に関連付けられているベストマッチプロファイルパラメータポイントＰ0は、その他のプロファイルパラメータデータポイントを選択するための開始点である。Ｙ軸におけるプロファイルパラメータＰ1の場合には、Ｐ1の正方向における隣接値Ｐ1+と負方向におけるＰ1-の両方が選択される。同様に、Ｘ軸におけるＰ2の正方向における隣接値Ｐ2+と負方向におけるＰ2-の両方も選択される。この多面体は、計測ポイントＰMと選択された４つの隣接値を角として含むように構成されている。プロファイルパラメータの隣接するデータポイントの選択には、Ｋの値とは無関係に、同様のステップの組を適用可能である。重み付けベクトルを調整することにより、計測回折スペクトルに対するベストマッチスペクトルの費用関数と、計測回折スペクトルに対する選択されたデータポイントと関連付けられているスペクトルの費用関数を最小化する（２３５）。次の式の形態において、
Figure 2005517903
条件は、
Figure 2005517903
と、
Ｗｉ≧０ （４．４０）
であり、ここで、Ｃ（Ｗ）は、次式のとおりであり、
Ｃ（Ｗ）＝‖［Ｓ0，Ｓ1，Ｓ1-，．．．Ｓ2K］N(2K+1)Ｗ2K+1−ＳM‖ （４．６０）
ここで、Ｃは、総費用関数であり、Ｋは、プロファイルパラメータの次数であり、Ｎは、計測装置によって実行されるそれぞれの計測ごとのスペクトルデータポイント数であり、Ｓは、回折スペクトルであり、Ｓ0は、ベストマッチスペクトルであり、Ｓ1+は、正方向における第１プロファイルパラメータの選定値に関連付けられているスペクトルであり、Ｓ1-は、負方向における第１プロファイルパラメータの選定値に関連付けられているスペクトルであり（これは、Ｓ2Kまで同様）、ＳMは、計測されたスペクトルであり、Ｗは、重み付けベクトルである。
重み付けベクトルの値の最適化には、第１に「重み付けベクトルの合計は、１に等しくなければならない」、そして、第２に「重み付けベクトルの値は、ゼロ以上であってよい」という２つの制約が課せられている。総費用関数を最小化する重み付けベクトルを使用することにより、精密なプロファイルパラメータを算出する（２５５）。矩形プロファイルの例によって継続するならば、この精密なプロファイルパラメータは、次式によって与えられる。
Figure 2005517903
ここで、ＰRは、精密なプロファイルパラメータを表すベクトルであり、Ｐ0は、ベストマッチスペクトルのプロファイルパラメータを表すベクトルであり、Ｐ1+とＰ1-は、それぞれ正及び負方向における第１プロファイルパラメータのプロファイルパラメータを表すベクトルであり、Ｐ2+とＰ2-は、それぞれの正及び負方向における第２プロファイルパラメータのプロファイルパラメータを表すベクトルであり（以下、同様）、Ｗ0、Ｗ1+、Ｗ1-、Ｗ2+、及びＷ2-は、プロファイルパラメータポイントの対応する重み付けファクタである。
図５Ａは、本発明の好適な実施形態における感度分析を使用するプロファイル精密化の動作ステップを有するフローチャートである。このプロファイル精密化プロセスは、特定範囲の非線形性を有するライブラリを生成した後に実行される。ある構造の計測された回折スペクトルをプロファイルライブラリ内のスペクトルと比較し、ベストマッチスペクトルを選択する（３００）。そして、ベストマッチのプロファイルライブラリスペクトルに関連付けられているプロファイルパラメータを抽出する（３１０）。
代表的な実施形態においては、ベストマッチプロファイルパラメータを精密なプロファイルパラメータに変換する調整値を感度行列の式を使用して見いだしている。感度行列Ｊの基本式は次のとおりである。
Ｊ＝δＳ／δＰ （５．００）
ここで、Ｓは、光学測定装置によって計測される回折スペクトルであり、δＳは、Ｐの変化によって誘発される回折スペクトルの変化であり、Ｐは、プロファイルパラメータを表しており、δＰは、プロファイルパラメータ値の変化であり、Ｋは、プロファイルパラメータの次数であり、Ｎは、測定装置によって実行されるそれぞれの計測ごとのスペクトルデータポイント数であり、Ｓ＝（Ｓ1，Ｓ2，．．．ＳN）であって、ここで、Ｓ1は、計測ポイント１において計測された回折スペクトルであり、Ｓ2は、計測ポイント２において計測された回折スペクトルであり（以下、同様）、Ｐ＝（Ｐ1，Ｐ2，．．．ＰK）であって、ここで、Ｐ1は、第１プロファイルパラメータであり、Ｐ2は、第２プロファイルパラメータである（以下、同様）。この感度行列の式を展開することによって、次の式が得られる。
Ｊ＝［δＳ1／δＰ1，δＳ2／δＰ2，．．．δＳK／δＰK］ （５．２０）
ここで、Ｓ1は、長さＮの列ベクトルであり、Ｓ2は、長さＮの列ベクトルである(以下、同様）。
その他のものを一定に維持しつつ小さな量だけ１つのプロファイルパラメータを変化させ、このプロファイルパラメータにおける変化の結果であるスペクトルにおける増分の変化を算出することにより、感度行列Ｊの値を算出する（３２０）。このプロセスは、その他のすべてのプロファイルパラメータについて反復するが、この一般式は、次のとおりである。
Ｊij＝δＳi／δＰj （５．４０）
ここで、ｉは、１〜Ｎの範囲の測定装置によって実行される計測のスペクトルデータポイントであり、ｊは、１〜Ｋの範囲のプロファイルパラメータの次数であり、Ｊijは、プロファイルパラメータｊにおける変化に対応する感度行列の値であり、δＳiは、δＰjの変化に対応するスペクトルの変化である。δＳは、ベストマッチスペクトルＳ0とＳ’間の差であり、ここで、Ｓ’は、１つの選択されたプロファイルパラメータに対する増分の変化を考慮し、プロファイルパラメータの組の値について光学測定シミュレーション法を使用して算出したスペクトルである。なお、この光学測定シミュレーション法を使用してスペクトルを算出するプロセスについては、２００１年１月２５日付けで出願されたＮｉｕ他による「急速厳密結合波解析のためのレイヤ内演算のキャッチング（Ｃａｃｈｉｎｇ ｏｆ Ｉｎｔｒａ−Ｌａｙｅｒ Ｃａｌｃｕｌａｔｉｏｎｓ ｆｏｒ Ｒａｐｉｄ Ｒｉｇｏｒｏｕｓ Ｃｏｕｐｌｅｄ−Ｗａｖｅ Ａｎａｌｙｓｅｓ）」という名称の同時係属中の米国特許出願第０９／７６４，７８０号明細書に記述されている。
図５Ｂは、本発明のこの実施形態における感度分析を利用するプロファイル精密化をグラフィカルに示す図である。２つのプロファイルパラメータを有する構造を想定したプロファイルライブラリ１１１が与えられており、この図には、それぞれＹ軸とＸ軸におけるプロファイルパラメータＰ1及びＰ2のグラフが含まれている。グラフ内のすべてのデータポイントは、対応する回折スペクトル（図示されてはいない）を有するプロファイルパラメータの組を表している。例えば、Ｐ0は、ベストマッチスペクトルＳ0のプロファイルパラメータを表しており、ＰMは、計測されたスペクトルＳMのプロファイルパラメータを表しており、Ｐ1+は、スペクトルＳ1+のプロファイルパラメータＰ1の正方向における隣接するデータポイントのプロファイルパラメータを表しており、Ｐ1-は、スペクトルＳ1-のプロファイルパラメータＰ1の負方向における隣接するデータポイントのプロファイルパラメータを表している（以下、同様）。この例の場合には（図７Ｂを参照すれば）、δＰ1は、正方向において増分された場合のプロファイルパラメータＰ1の変化であり、δＰ2は、負方向において増分された際のプロファイルパラメータＰ2の変化である。なお、本発明の原理及び概念は、２つを上回る数のプロファイルパラメータを有する実施形態にも適用可能であることを理解されたい。
ベストマッチスペクトルＳ0と計測スペクトルＳM間の差を算出する（３４０）。そして、感度行列の値と、このベストマッチスペクトルと計測スペクトル間の差を使用して精密なプロファイルパラメータＰRを算出する（３５０）。
Ｐの変化によって引起こされるＳの変化が線形である代表的な実施形態の場合には、δＳ及びδＰは、それぞれΔＳ及びΔＰによって近似される。感度行列の基本式を使用し、ΔＳ及びΔＰを代入することにより、次の式が得られる。
ΔＳ＝ＪΔＰ （５．６０）
ここで、ΔＳ及びΔＰは、次のとおりである。
ΔＳ＝（ΔＳ1，ΔＳ2，．．．ΔＳN） （５．７０）
ΔＰ＝（ΔＰ1，ΔＰ2，．．．ΔＰK） （５．８０）
ΔＰは、次の式を使用することによって算出される。
ΔＰ＝（ＪTＪ）-1ＪTΔＳ （５．９０）
ここで、Ｊは、以前のステップにおいて算出された感度行列であり、ΔＳは、計測されたスペクトルとベストマッチライブラリスペクトル間の差である。精密なプロファイルパラメータＰRの値は、次の式によって得られる。
ＰR＝Ｐ0＋ΔＰ （６．００）
ここで、Ｐ0は、ベストマッチスペクトルに関連付けられているプロファイルパラメータを表しており、ΔＰは、以前のステップから導出された調整値である。
図６は、本発明の代表的な実施形態におけるプロファイルライブラリのクラスタリングを使用するプロファイル精密化の動作ステップを有するフローチャートである。先のものと同様に、このプロファイル精密化プロセスは、特定範囲の非線形性を有するライブラリを生成した後に実行される。まず、プロファイルライブラリのクラスタの数を決定する（４００）。そして、クラスタリングアルゴリズムを使用し、プロファイルライブラリのプロファイルインスタンスを、この数のクラスタにグループ化する（４１０）。次いで、それぞれのプロファイルクラスタの代表値を選択する（４２０）。なお、このプロファイルライブラリインスタンスのクラスタリングとそれぞれのプロファイルクラスタの代表値の選択については、２０００年１２月１４日付けで出願されたＤｏｄｄｉ他による「Ｇｒａｔｉｎｇ Ｐｒｏｆｉｌｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ」という名称の同時係属中の米国特許出願第０９／７３７，７０４号明細書に説明されており、この内容は、本引用により、そのすべてが本明細書に包含される。
さらに図６を参照すれば、プロファイルライブラリ内のそれぞれのプロファイルパラメータごとに調整乗数行列を導出する（４３０）。アプリケーションの中には、この調整乗数行列を、選択されたクラスタ代表と共に保存するものも存在する。代表的な実施形態においては、次の行列の式のＸを解いている。
ＡＸ＝Ｂ （７．００）
ここで、Ａは、サイズｎ’ｘｎの計測されたスペクトル行列であり、この行列のそれぞれの行は、計測されたスペクトルの中の１つのスペクトルに対応しており、Ｂは、サイズｎ’ｘｋのプロファイルパラメータ行列であり、この行列のそれぞれの行は、１つのプロファイルパラメータに対応しており、ｋは、プロファイルパラメータの数であり、ｎは、光学測定装置よって計測されるポイント数であり、ｎ’は、ｎ以下の数であり、Ｘは、サイズｎｘｋの調整乗数行列であり、この行列のそれぞれの行は、１つのプロファイルパラメータに対応している。
計測されたスペクトルをクラスタ代表値のスペクトルと比較し、最も近いマッチを選択する（４４０）。次いで、最も近くマッチしているクラスタ代表に関連付けられている調整乗数行列にアクセスする（４５０）。そして、この調整乗数行列と計測スペクトル行列を使用し、精密なプロファイルパラメータを算出する（４６０）。例えば、台形プロファイルにおいてプロファイルパラメータＫが３（即ち、上部ＣＤ、下部ＣＤ、及び高さ）であると仮定しよう。さらには、測定装置が使用する波長の範囲内において計測されるポイント数が５３であり、計測されたスペクトルがＨであって、精密な上部ＣＤがＴであると仮定すれば、Ｔは、次の式に等しくなる。
ＨＸTOP-CD＝Ｔ （７．２０）
ここで、ＸTOP-CDは、上部ＣＤに対応する調整乗数行列の１つの行であり、この調整乗数行列は、最も近いマッチのクラスタ代表と関連付けられている。
図７は、本発明の代表的な実施形態における調整定数と費用関数の最適化を利用するプロファイル精密化の動作ステップを有するフローチャートである。以前と同様に、このプロファイル生成プロセスは、特定範囲の非線形性を有するライブラリを生成した後に実行される。精密化演算のために、選択基準に従い、選択するプロファイルライブラリ内のインスタンスの数に対応する数を指定する（５００）。この指定する数は、製造ランごとに異なるものであってよい。次いで、選択基準を使用し、この指定した数のライブラリインスタンスを選択する（５０５）。この指定した数のプロファイルライブラリインスタンスの選択は、計測されたスペクトルに対する近接性に基づいて実行可能である。或いは、この代わりに、ベストマッチスペクトルに対する近接性に基づいてこの選択を実行することも可能である。選択された指定数のライブラリスペクトルインスタンスのプロファイルパラメータにアクセスする（５１０）。そして、スペクトルの行列をプロファイルパラメータに変換する調整乗数を導出する（５２０）。次いで、計測回折スペクトルと、対応する調整乗数を乗算することにより、精密化されたプロファイルパラメータを算出する（５３０）。
図８は、本発明の代表的な実施形態における回帰に基づいた方法を使用するプロファイル精密化の動作ステップを有するフローチャートである。以前と同様に、このプロファイル精密化プロセスは、特定範囲の非線形性を有するライブラリを生成した後に実行される。まず、計測された構造からの回折スペクトルを、回折スペクトル及び関連するプロファイルパラメータを有するデータ空間内のスペクトルと比較し、データ空間内のベストマッチスペクトルを選択する（７００）。次いで、このデータ空間内のベストマッチスペクトルと関連付けられているプロファイルパラメータを抽出する（７１０）。そして、この計測回折スペクトル及びベストマッチスペクトルを含むデータ空間のサブセットを選択する（７２０）。このデータ空間のサブセットは、多面体、立方体、又はその他の三次元形状などの形状に類似したものに構成可能である。そして、このデータ空間サブセット内のデータポイントを選択することになるが（７３０）、この選択したデータポイントは、関連付けられているプロファイルパラメータの組を表している。この選択したデータポイントに対応するプロファイルパラメータにより、シミュレートによる構造からの回折スペクトルを算出する（７４０）。なお、この構造からの回折スペクトルの代表的なシミュレーションについては、２００１年１月２５日付けで出願されたＮｉｕ他による「急速厳密結合波解析のためのレイヤ内演算のキャッチング（Ｃａｃｈｉｎｇ ｏｆ Ｉｎｔｒａ−Ｌａｙｅｒ Ｃａｌｃｕｌａｔｉｎｓ ｆｏｒ Ｒａｐｉｄ Ｒｉｇｏｒｏｕｓ Ｃｏｕｐｌｅｄ−Ｗａｖｅ Ａｎａｌｙｓｅｓ）」という名称の同時係属中の米国特許出願第０９／７６４，７８０号明細書に記述されており、この内容は、本引用により、そのすべてが本明細書に包含される。
さらに図８を参照すれば、このシミュレートされた回折スペクトルを計測スペクトルと比較し、事前設定されている基準に照らして、この結果を評価する（７５０）。例えば、この事前設定された基準は、事前設定された誤差測定基準値又は適合度、或いは計測回折スペクトルに対するシミュレート回折スペクトルの近接性に関するなんらかの尺度であってよい。当技術分野において周知の代表的な適合テストの１つは、最小二乗誤差アルゴリズムである。なお、その他の誤差測定基準アルゴリズムも使用可能であることを理解されたい。そして、算出された誤差測定基準が、事前設定されている基準を満足しない場合には、１つ又は複数の最適化法を使用して、データ空間内において更なるデータポイントを選択し（７６０）、シミュレート回折スペクトルの算出を繰り返す。代表的な最適化法には、シミュレートアニーリングなどのグローバルな最適化法及び最急降下アルゴリズムなどの局所的な最適化法が含まれる。なお、最適化法を使用して構造プロファイルパラメータに対応する更なるデータポイントを生成する方法については、２００１年８月６日付けで出願されたＮｉｕ他による「回帰ベースライブラリ生成プロセスによる動的学習方法及びシステム（Ｍｅｔｈｏｄ ａｎｄ Ｓｙｓｔｅｍ ｏｆ Ｄｙａｎａｍｉｃ Ｌｅａｒｎｉｎｇ Ｔｈｒｏｕｇｈ ａ Ｒｅｇｒｅｓｓｉｏｎ−Ｂａｓｅｄ Ｌｉｂｒａｒｙ Ｇｅｎｅｒａｔｉｏｎ Ｐｒｏｃｅｓｓ）」という名称の同時係属中の米国特許出願第０９／９２３，５７８号明細書に記述されており、この内容は、本引用により、そのすべてが本明細書に包含される。
さらに図８を参照すれば、事前設定されている基準を満足するシミュレートされた回折スペクトルに関連付けられているプロファイルパラメータにアクセスすることになり（７９０）、これらの値が、精密なプロファイルパラメータである。
図９Ａは、本発明の代表的な実施形態における局所化された微細分解能精密化ライブラリ法を利用するプロファイル精密化の動作ステップを有するフローチャートである。精密化方法の中には、回折スペクトルが、ライブラリデータポイント内において、プロファイルパラメータの変化に対して線形で応答すると仮定したものも存在する。本方法は、非線形性効果を補正するものである。従って、本方法は、あらゆるプロファイルライブラリに使用可能である。プロファイルライブラリ内の回折スペクトルと比較して計測回折スペクトルのベストマッチを選択する（８００）。次いで、このベストマッチライブラリスペクトルと関連付けられているプロファイルパラメータを抽出する（８１０）。そして、後述する手順を使用し、精密なプロファイルパラメータを算出する。
この方法について説明するために、図９Ｂに示されているように、Ｐ1及びＰ2という２つの次元を有する二次元のプロファイルパラメータを仮定する。そして、第１の精密なプロファイルパラメータデータポイントを次の式から決定する（８２０）。
ＰR1＝Ｐ0＋（ＪTＪ）-1ＪT（ＳM−Ｓ0） （７．４０）
ここで、ＳMは、計測されたスペクトルであり、ＰR1は、計測されたスペクトルＳMの第１の算出された精密なプロファイルパラメータであり、Ｐ0は、ベストマッチライブラリスペクトルＳ0に対応するプロファイルデータポイントであり、Ｊは、図５Ａにおいて説明したものと同一の方法で導出された感度行列である。プロファイルパラメータの変化に対する回折スペクトルの応答がライブラリデータポイント内において線形である場合には、ＰR1に関連付けられている精密なスペクトルＳRは、次の式によって算出されよう。
ＳR＝Ｓ0＋Ｊ（ＰR1−Ｐ0） （７．６０）
しかしながら、非線形性効果のために、ＳRは、「真の値」、即ち、プロファイルパラメータデータポイントＰR1の正確な回折スペクトルではない。そこで、この非線形性を補償するために、ＰR1に関連付けられているプロファイルパラメータの組の回折光学測定スペクトルの正確な算出を光学測定シミュレータを使用して実行し（８３０）、正確なスペクトルＳRAを生成する。なお、この光学測定シミュレーション法を使用するスペクトル算出のプロセスについては、２００１年１月２５日付けで出願されたＮｉｕ他による「急速厳密結合波解析のためのレイヤ内演算のキャッチング（Ｃａｃｈｉｎｇ ｏｆ Ｉｎｔｒａ−Ｌａｙｅｒ Ｃａｌｃｕｌａｔｉｏｎｓ ｆｏｒ Ｒａｐｉｄ Ｒｉｇｏｒｏｕｓ Ｃｏｕｐｌｅｄ−Ｗａｖｅ Ａｎａｌｙｓｅｓ）」という名称の同時係属中の米国特許出願第０９／７６４，７８０号明細書に記述されており、この内容は、本引用により、本明細書に包含される。次いで、次の式を使用し、第２の算出された、即ち、修正された精密なプロファイルパラメータデータポイントＰR2を算出する（８４０）。
ＰR2＝ＰR1＋（ＪTＪ）-1ＪT（ＳM−ＳRA） （７．８０）
ここで、（ＳM−ＳRA）は（ＳM−Ｓ0）よりも小さいため、非線形性効果は小さく、精密なプロファイルパラメータデータポイントＰR2は、計測されたスペクトルＳMの真のプロファイルパラメータＰMにより近いものになっている。図９Ｂを参照すれば、ＳRAに対応するデータポイントＰR2は、計測スペクトルＳMに対応するＰMにさらに近くなっている。
図９Ａを再度参照すれば、ユーザーが選択したオプションに応じて、シミュレーションステップ８３０と、修正されたプロファイルパラメータデータポイントの算出ステップ８４０は、複数回の反復が可能である（８５０）。反復回数の増加に伴って非線形性効果が削減され、この結果、さらに正確な精密なプロファイルパラメータが生成されることになる。
図１０は、本発明の代表的な実施形態における反復ライブラリ精密化法を利用するプロファイル精密化の動作ステップを有するフローチャートである。まず、広い範囲のプロファイルパラメータをカバーする粗分解能プロファイルライブラリ、即ち、大きなステップサイズの分解能を有するように生成されたものを生成する（９００）。次いで、与えられた計測スペクトルについて、プロファイルライブラリ内のスペクトルと比較し、その計測スペクトルのベストマッチを選択する（９１０）。そして、精密化手順を使用し、精密化済みプロファイルパラメータを決定する（９２０）。この実施形態においては、前述の精密化方法のいずれか、或いはその他の市販の精密化方法を使用可能である。次いで、この精密なプロファイルパラメータの周辺において、新しい狭い範囲のプロファイルパラメータを設定する（９３０）。なお、このプロファイルパラメータの新しい狭い範囲の選択は、ユーザーのオプションである。例えば、上部ＣＤ、下部ＣＤ、及び高さという３つのプロファイルパラメータを有する台形プロファイルの場合には、このさらに狭い上部ＣＤの範囲は、精密なプロファイルパラメータ値から正方向における１増分と負方向における１増分であってよい。同様に、下部ＣＤのさらに狭い範囲は、正方向における１増分と負方向における１増分として設定可能である（以下、同様）。次いで、精密なプロファイルパラメータの周辺において設定されたさらに微細なステップサイズの分解能を有するプロファイルパラメータの新しい範囲のプロファイルライブラリを生成する（９４０）。例えば、ライブラリの粗分解能は、２０ナノメートル（ｎｍ）であってよい。そして、さらに微細なステップサイズの分解能を生成するための第１の反復の結果、１５ｎｍの分解能とし、第２の反復により、８ｎｍの分解能とすることができる（以下、同様）。生成された新しい連続的にさらに微細なステップサイズの分解能ライブラリを使用し同一又は異なる精密化手順を使用することにより、修正された精密なプロファイルパラメータを決定する（９５０）。ユーザーが選択したオプションに応じて、このプロファイルパラメータ範囲を設定するステップ、新しいライブラリを生成するステップ、及び修正された精密なプロファイルパラメータを算出するステップを複数回反復可能である（９６０）。反復回数の増加に伴ってライブラリの分解能が（次第にさらに小さな空間において）増大し、この結果、さらに正確な精密なプロファイルパラメータが生成される。
図１１は、本発明の代表的な実施形態における精密なプロファイルパラメータとベストマッチプロファイルパラメータ間の精度を検証する動作ステップを有するフローチャートである。精密化精度のチェックは、通常、精密化手順のテスト及び／又はプロファイルライブラリ生成の際に行われる。まず、プロファイルパラメータの特定範囲及び与えられた分解能から、プロファイルライブラリを生成する（６００）。なお、このプロファイルライブラリの生成については、２０００年１１月２８日付けで出願されたＪａｋａｔｄａｒ他による「グレーティングプロファイルのリアルタイムライブラリ生成システム及び方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｒｅａｌ−Ｔｉｍｅ Ｌｉｂｒａｒｙ Ｇｅｎｅｒａｔｉｏｎ ｏｆ Ｇｒａｔｉｎｇ Ｐｒｏｆｉｌｅｓ）」という名称の同時係属中の米国特許出願第０９／７２７，５３０号明細書に記述されており、この内容は、本引用により、そのすべてが本明細書に包含される。
前述の１つ又は複数の精密化手順及び／又は方法を利用し、精密化演算を実行する（６１０）。そして、精密なプロファイルパラメータを精密なスペクトルに変換するプロファイル／スペクトル変換乗数Ｙを決定する（６２０）。プロファイルをスペクトルに変換するこの調整乗数は、図６において説明した基本式（７．００）を使用して算出し、この調整乗数行列をＹと命名する。そして、次の行列の式に表されているように、プロファイル／スペクトル変換乗数Ｙと精密なプロファイルパラメータを使用し、精密な回折スペクトルを算出する（６３０）。
ＥＹ＝Ｇ （８．００）
ここで、Ｇは、サイズ１ｘｎの精密なスペクトル行列であり、この行列のそれぞれの行は、計測されたスペクトルの１つの計測値に対応しており、Ｅは、サイズ１ｘｋの精密なプロファイルパラメータ行列であり、この行列のそれぞれの行は、１つのプロファイルパラメータに対応しており、ｋは、プロファイルパラメータの数であり、ｎは、光学測定装置によって計測されるポイント数であり、Ｙは、サイズｋｘｎの調整乗数行列であり、この行列のそれぞれの行は、１つのプロファイルパラメータに対応している。
計測スペクトルに対する精密なスペクトルの精度を計測スペクトルに対するベストマッチスペクトルの精度と比較する（６４０）。１つの方法は、ベストマッチスペクトルに対する精密なスペクトルの費用関数とベストマッチスペクトルに対する計測スペクトルの費用関数を比較することによる方法である。この費用関数の比較は、次の式によって示されている。
Ｖ1とＶ2がサイズｎの２つのベクトルであると仮定すれば、Ｖ2に対するＶ1の費用関数は、次のとおりである。
Figure 2005517903
サイズがｎの第３ベクトルＶ3に対するＶ1についても、同様の費用関数を算出可能である。
なお、その他の費用最適化法も使用可能であり、さらには、その他の技法を使用し、行列とベクトルの相対的な精度を比較可能であることも理解されたい。さらに図１１を参照すれば、精密なスペクトルがベストマッチスペクトルよりも正確である（即ち、閾値適合度を満足している）場合には（６５０）、その精密化セットアップは十分なものになっている。例えば、Ｖ1が、計測されたスペクトルであり、Ｖ2が、精密なスペクトルであり、Ｖ3が、ベストマッチスペクトルであるとすれば、Ｃｏｓｔ（Ｖ1，Ｖ2）＜Ｃｏｓｔ（Ｖ1，Ｖ3）である場合に、その精密化セットアップは十分なものになっていると見なすことができる。そうでなければ、ライブラリ編成のパラメータを調整するか、或いは補正を行い（６６０）、本プロセスは、ステップ６１０に戻って反復される。なお、補正の例には、さらに高い分解能を有するプロファイルライブラリの再生成や精密な分解能を算出する際の閾値偏差の低減等がある。或いは、この代わりに、前述の、又は市販されているその他の精密化手順を使用することも可能である。
図１２は、本発明の代表的な実施形態におけるプロファイル評価器を含むシステムのアーキテクチャ的なフローチャートである。リソグラフ、エッチング、又はストリッピングユニットなどのＩＣ製造システム１２９が測定システム１２１に接続されている。この測定システムは、光学、電気、電子、又は機械的な測定システムであってよい。光学測定システムの例には、分光偏光分析器や反射率計などの散乱型測定装置（ｓｃａｔｔｅｒｏｍｅｔｒｉｃ ｄｅｖｉｃｅ）が含まれる。電子測定システムの例には、ＣＤ走査電子顕微鏡（ＣＤ−ＳＥＭ）、透過電子顕微鏡（ＴＥＭ）、及び集束イオンビーム（ＦＩＢ）装置が含まれる。機械測定システムの例には、原子間力顕微鏡（ＡＦＭ）が含まれ、電気測定システムの例には、静電容量測定ユニットが含まれる。測定システム１２１は、プロファイルアプリケーションサーバー１２３、又は、この代わりに、プロファイル評価器１２５に接続されている。測定システム１２１は、ＩＣ構造を計測して計測信号を生成し、この計測信号をプロファイルアプリケーションサーバー１２３に伝送する。プロファイルアプリケーションサーバー１２３は、プロファイルライブラリ１２７内においてベストマッチ信号を見出すべく、プロファイルライブラリ１２７にアクセスする。そして、許容可能性に関する所定の基準が満足されない場合、例えば、誤差測定基準（ｅｒｒｏｒ ｍｅｔｒｉｃ）が満足されない場合には、プロファイル評価器１２５が起動される。或いは、この代わりに、プロファイル評価器１２５をその他の基準に基づいて起動したり、又はプロファイルアプリケーションサーバー１２３によって自動的に起動することも可能である。アプリケーションの中には、プロファイル評価器１２５を自動的に起動するもの、又は測定システム１２１によって直接起動可能なもの、及び両方可能なものが存在する。プロファイル評価器１２５は、プロファイルライブラリ１２７に、直接又はプロファイルアプリケーションサーバー１２３を介して、アクセスする。プロファイル評価器１２５は、精密なプロファイルパラメータをプロファイルアプリケーションサーバー１２３に返送し、プロファイルアプリケーションサーバー１２３は、この情報をＩＣ製造システム１２９に提供する。或いは、この代わりに、プロファイル評価器１２５は、精密なプロファイルパラメータを測定システム１２１に返送する。プロファイルライブラリ１２７は、ストレージ装置内の物理ライブラリであるか、又はコンピュータメモリ内のデータストアであるか、又はストレージ装置内のデータストアであってよい。精密なプロファイルパラメータは、いくつかのものについて前述している生成方法及び手順を使用して算出されたプロファイルパラメータである。プロファイル評価器１２５は、これらの精密化方法及び手順を実行する能力を有する装置、ソフトウェア、又は、ファームウェアである。
図１３Ａは、本発明の代表的な実施形態におけるプロファイル評価器に接続されたクエリ装置を示すアーキテクチャ図である。プロファイルクエリ装置８１は、プロファイル評価器８４とやり取りし、計測信号８３に対応する精密なプロファイルパラメータを決定する。このプロファイルクエリ装置８１からのクエリは、自動的に起動可能であるか、又はプロファイルライブラリ８９内の信号と比較した計測信号８３のマッチングプロセスの結果として、誤差測定基準を満足しない場合に、起動可能である。最も近い、すなわちベストマッチであるライブラリ信号は、計測信号とプロファイルライブラリ信号間の誤差を最小化するものである。適切な結果を生成する１つの誤差測定基準は、残差２乗和誤差であり、この場合には、計測信号とプロファイルライブラリ信号間における誤差が最小化される。なお、その他の誤差測定基準によっても同様に適切な結果を生成可能であることを理解されたい。又、プロファイルクエリ装置８１も、ハードウェア、ファームウェア、又はソフトウェア要求に基づいてプロファイル評価器８４を起動することができる。プロファイルクエリ装置８１は、プロファイル評価器８４に計測信号８３を送信する能力を有すると共に、精密なプロファイルパラメータ８２を受信する能力を有するマイクロコントローラ、コンピュータ、又は内蔵制御ユニットを有するＩＣ製造装置であってよい。代表的な実施形態においては、プロファイル評価器８４が、精密化処理において使用されるライブラリデータ８６に対する要求８５をプロファイルライブラリサーバー８７に伝送する。そして、この要求に応答し、プロファイルライブラリサーバー８７が、信号とプロファイルデータから構成されるプロファイルライブラリ８９にアクセスし、これらライブラリデータ８６をプロファイル評価器８４に伝送する。別の実施形態においては、精密化処理に必要なプロファイル及び信号データについて、プロファイル評価器８４がプロファイルライブラリ８９に直接アクセスする。
図１３Ｂは、本発明の代表的な実施形態における様々な精密化エンジンを起動するプロファイル評価器を示すアーキテクチャ図である。プロファイル評価器９１は、１つ又は複数のタイプの精密化エンジンを作動させ、指定された許容基準に基づいて、所望の精密化結果を取得することができる。精密化エンジンは、計測信号と、信号及び関連するプロファイルパラメータから構成されるデータ空間が与えられた場合に、精密化動作ステップを実行する能力を有するソフトウェア、ファームウェア、又はハードウェアであってよい。加重平均最適化器９３、感度分析器９５、クラスタベクトル推定器９７、動的クラスタ調整器９９、又はその他の費用関数最適化器１０１を使用し、計測信号と信号及び関連プロファイルパラメータの組を使用して精密なプロファイルパラメータを生成することができる。回帰に基づいた最適化器１０３を使用することも可能であり、この場合には、計測されたスペクトルに対する適合度について、信号及びプロファイルパラメータのデータ空間内のデータポイントが連続的に評価される。
或いは、この代わりに、プロファイル評価器９１は、局所化された微細分解能ライブラリ手順１０５又は反復ライブラリ精密化手順１０７を使用し、精密化エンジンを作動させることも可能である。その他の精密化エンジン１０９は、双線形精密化、ラグランジュ精密化、３次スプライン精密化、エイトケン精密化、加重平均精密化、マルチ二次精密化、双３次精密化、Ｔｕｒｒａｎ精密化、ウェーブレット精密化、ベッセル精密化、Ｅｖｅｒｅｔｔ精密化、有限差分精密化、ガウス精密化、エルミート精密化、ニュートンの差分商精密化、接触精密化、Ｔｈｉｅｌｅの精密化アルゴリズム、又はその他の精密化アルゴリズムなどの精密化技法を使用可能である。
一般に、プロファイル評価器は、指定されたレベルの精度を提供する構造の精密なプロファイルパラメータを生成するために、プロファイルパラメータとスペクトルデータポイント間における特定範囲の非線形性を必要とする。そして、一貫性を有する結果を実現するには、線形性テスト又は手順が必要である。このプロファイルライブラリデータポイント間における一定程度の非線形性は、経験に基づいた方法又は数学的アルゴリズムの使用のいずれかによって確保することができる。
以上、説明した本発明の実施形態は、例示及び説明を目的として提供したものである。従って、これらは、本発明をその説明内容そのままに限定することを意図するものではない。例えば、前述のように、本発明の概念及び原理は、その他の精密化アルゴリズム、手順、及び／又は方法に適用可能である。さらには、図１２において説明したように、本発明の概念及び原理は、ＩＣ構造からの信号を計測し、この信号をその構造のプロファイルに関連付ける多くのタイプの測定装置に適用可能である。前述の精密化の原理は、プロファイルライブラリが存在している状況と既存のプロファイルライブラリが存在しない状況のいずれにも等しく適用可能である。既存のプロファイルライブラリが存在しない場合には、信号シミュレータを使用し、信号及び対応するプロファイルパラメータのデータ空間のデータポイントを算出し、このデータ空間により、プロファイルライブラリの機能を置換することができる。光学測定シミュレータ以外にも、その他の測定シミュレータも、このプロファイルパラメータの組の信号のシミュレーションにおいて、光学測定シミュレータと同一の機能を実行可能である。
なお、本明細書において説明した本発明を機能的に実現することについては、ハードウェア、ソフトウェア、ファームウェア、及び／又はその他の利用可能な機能コンポーネント又は構造ブロックにおいて等しく実現可能であると想定される。又、前述の開示内容に鑑み、その他の変形及び実施形態も可能であり、従って、本発明の範囲は、この詳細な説明によって限定されるものではなく、添付の請求項によってのみ限定されるものである。
集積回路の周期的構造からの回折スペクトルを計測するための光学測定の使用法を示すアーキテクチャ図である。 プロファイルライブラリ内のインスタンスの回折スペクトルグラフと比較した計測回折スペクトルグラフを示している。 プロファイルライブラリ内のインスタンスのプロファイルと比較した計測された周期的構造の構造プロファイルを示している。 本発明の代表的な実施形態における特定範囲の非線形性を有するプロファイルライブラリを生成する動作ステップを有するフローチャートである。 本発明の代表的な実施形態における費用関数の最小化によるプロファイル精密化の動作ステップを有するフローチャートである。 本発明の代表的な実施形態における費用最適化を使用するプロファイル精密化をグラフィカルに示す図である。 本発明の代表的な実施形態における費用最適化を使用するプロファイル精密化をグラフィカルに示す図である。 本発明の好適な実施形態における感度分析を使用するプロファイル精密化の動作ステップを有するフローチャートである。 本発明の代表的な実施形態における感度分析を利用するプロファイル精密化をグラフィカルに示す図である。 本発明の代表的な実施形態におけるプロファイルライブラリインスタンスのクラスタリングを使用するプロファイル精密化の動作ステップを有するフローチャートである。 本発明の代表的な実施形態における調整乗数及び費用関数最適化を利用するプロファイル精密化の動作ステップを有するフローチャートである。 本発明の代表的な実施形態における回帰に基づいた方法を利用するプロファイル精密化の動作ステップを有するフローチャートである。 本発明の代表的な実施形態における局所化された微細分解能精密化ライブラリ法を利用するプロファイル精密化の動作ステップを有するフローチャートである。 本発明の代表的な実施形態における局所化された微細分解能精密化ライブラリ法を利用するプロファイル精密化をグラフィカルに示す図である。 本発明の代表的な実施形態における反復ライブラリ精密化法を利用するプロファイル精密化の動作ステップを有するフローチャートである。 本発明の代表的な実施形態における精密なプロファイルパラメータとベストマッチのプロファイルパラメータ間の精度を検証する動作ステップを有するフローチャートである。 本発明の代表的な実施形態におけるプロファイル評価器を含むシステムのアーキテクチャ的なフローチャートである。 本発明の代表的な実施形態におけるプロファイル評価器に接続されたクエリ装置を示すアーキテクチャ図である。 本発明の代表的な実施形態における様々な費用最適化器及び精密化エンジンを起動するプロファイル評価器を示すアーキテクチャ図である。

Claims (76)

  1. 計測信号から集積回路構造のプロファイルを決定するプロファイル決定方法であって、
    構造からの信号を測定装置によって計測するステップであって、前記計測によって計測信号を生成するステップと、
    プロファイルデータ空間内において前記計測信号のベストマッチを選択するステップであって、該プロファイルデータ空間は、特定範囲の非線形性を有するデータポイントを具備し、該データポイントは、プロファイルパラメータ及び関連する信号を表しており、該
    プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであるステップと、
    精密化手順を使用し、前記選択された信号の前記プロファイルパラメータに基づいて前記計測信号に対応する精密なプロファイルパラメータを決定するステップと、
    を有し、
    前記精密化手順は、前記計測信号、前記ベストマッチ信号と関連付けられたデータ、及び前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密化されたプロファイルパラメータを決定するべく設計された一連のステップを有するプロファイル決定方法。
  2. 前記特定範囲の非線形性を有するデータポイントを具備する前記プロファイルデータ空間内において前記計測信号の前記ベストマッチを選択するステップは、
    前記プロファイルデータ空間のデータポイント間における前記非線形性の範囲を特定するステップと、
    前記特定範囲の非線形性が前記プロファイルデータ空間の前記データポイント間に存在することを検証するステップと、
    を有する請求項１記載のプロファイル決定方法。
  3. 前記プロファイルデータ空間のデータポイント間における前記非線形性の範囲を指定するステップは、それぞれのプロファイルパラメータごとに閾値偏差を設定するステップを有する請求項２記載のプロファイル決定方法。
  4. 前記特定範囲の非線形性が前記プロファイルデータ空間の前記データポイント間に存在することを検証するステップは、
    前記プロファイルデータ空間内のデータポイントの精密な分解能を算出するステップであって、該精密な分解能は、前記特定範囲の非線形性が前記データポイント間に存在するように設計されているステップと、
    前記算出された精密な分解能を使用して前記プロファイルデータ空間の前記データポイントを生成するステップと、
    を有する請求項２記載のプロファイル決定方法。
  5. 前記プロファイルデータ空間内のデータポイントの前記精密な分解能を算出するステップは、
    感度行列を算出するステップであって、前記感度行列は、前記プロファイルパラメータの変化によって起きる前記信号の変化の尺度であるステップと、
    前記プロファイルデータ空間のデータポイント間における前記関連付けられた範囲の非線形性を維持しつつ、それぞれのプロファイルパラメータごとに最大の精密化済み分解能を決定するステップと、
    を有する請求項４記載のプロファイル決定方法。
  6. 前記測定装置は、光学測定装置、電子測定装置、電気測定装置、又は機械測定装置である請求項１記載のプロファイル決定方法。
  7. 前記計測信号に対応する精密なプロファイルパラメータを決定するステップは、
    前記プロファイルデータ空間において多面体を選択するステップであって、該多面体は、ベストマッチのデータポイントを含むと共に、前記ベストマッチデータポイントに隣接する選択されたプロファイルパラメータデータポイントに対応する角を具備しているステップと、
    総費用関数を最小化するステップであって、該総費用関数は、前記計測信号に対する前記選択されたプロファイルパラメータデータポイントに対応する信号の費用関数と前記計測信号に対する前記ベストマッチ信号の費用関数を有しているステップと、
    を有する請求項１記載のプロファイル決定方法。
  8. 前記選択された多面体は、それぞれのプロファイルパラメータと関連付けられている１つの角を具備する請求項７記載のプロファイル決定方法。
  9. 前記選択された多面体は、それぞれのプロファイルパラメータと関連付けられている２つの角を具備する請求項７記載のプロファイル決定方法。
  10. 前記総費用関数を最小化するステップは、
    重み付けベクトルの組を選択するステップであって、それぞれの重み付けベクトルは、ベクトル要素を具備しており、それぞれのベクトル要素は、選択されたデータポイントに対応する信号に関連付けられているステップと、
    前記重み付けベクトルの組のそれぞれの重み付けベクトルごとに前記総費用関数を算出するステップと、
    最小総費用関数をもたらす前記重み付けベクトルを選択するステップと、
    を有する請求項７記載のプロファイル決定方法。
  11. 前記最小総費用関数と関連付けられている前記重み付けベクトルを使用して前記精密なプロファイルパラメータを算出するステップをさらに有する請求項１０記載のプロファイル決定方法。
  12. 前記計測信号に対応する精密なプロファイルパラメータを決定するステップは、
    感度行列を算出するステップであって、該感度行列は、前記プロファイルパラメータの変化によって起きる前記信号の変化の尺度であるステップと、
    前記算出された感度行列を使用して前記プロファイルパラメータの調整値を決定するステップと、
    前記プロファイルパラメータの前記調整値を前記プロファイルデータ空間内の前記ベストマッチデータポイントの対応するプロファイルパラメータに加算することにより、前記精密なプロファイルパラメータを算出するステップと、
    を有する請求項１記載のプロファイル決定方法。
  13. 前記プロファイルパラメータの前記調整値を決定するステップは、
    前記計測信号と前記ベストマッチ信号の差を算出するステップと、
    前記計測信号と前記ベストマッチ信号の前記差と前記算出された感度行列を使用して前記調整値を算出するステップと、
    を有する請求項１２記載のプロファイル決定方法。
  14. 前記精密なプロファイルパラメータを決定する前記精密化手順は、双線形精密化、ラグランジュ精密化、３次スプライン精密化、エイトケン精密化、加重平均精密化、マルチ二次精密化、双３次精密化、Ｔｕｒｒａｎ精密化、ウェーブレット精密化、ベッセル精密化、Ｅｖｅｒｅｔｔ精密化、有限差分精密化、ガウス精密化、エルミート精密化、ニュートンの差分商精密化、接触精密化、又はＴｈｉｅｌｅの精密化アルゴリズムを利用する請求項１記載のプロファイル決定方法。
  15. 計測信号から集積回路構造のプロファイルを決定するプロファイル決定方法であって、
    構造からの信号を測定装置によって計測するステップであって、前記計測によって計測信号を生成するステップと、
    前記計測信号をクラスタ代表の信号と比較することにより、前記計測信号のベストマッチを選択するステップであって、該クラスタ代表は、プロファイルデータ空間のデータポイントのクラスタから選択されており、前記クラスタ代表は、信号をプロファイルパラメータに変換するべく構成された関連する調整乗数行列を具備し、前記プロファイルデータ空間の前記データポイントは、特定範囲の非線形性を具備しており、前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けているステップと、
    前記計測信号と調整乗数行列を乗算することにより、精密なプロファイルパラメータを算出するステップと、
    を有するプロファイル決定方法。
  16. 前記計測信号をクラスタ代表の信号と比較することによって前記計測信号の前記ベストマッチを選択するステップは、
    前記プロファイルデータ空間のデータポイントを前記クラスタにグループ化するステップと、
    それぞれのクラスタごとに前記クラスタ代表を選択するステップと、
    それぞれのクラスタの前記グラスタ代表のそれぞれのプロファイルパラメータごとに前記調整乗数行列を導出するステップと、
    を有する請求項１５記載のプロファイル決定方法。
  17. 事前設定された基準に照らし、前記精密なプロファイルパラメータと前記ベストマッチ信号の前記プロファイルパラメータ間の精度をテストするステップと、
    前記精密なプロファイルパラメータが前記事前設定基準を満足しない場合に、補正を適用するステップと、
    をさらに有する請求項１５記載の方法。
  18. 計測信号から集積回路構造のプロファイルを決定するプロファイル決定方法であって、
    構造からの信号を測定装置によって計測するステップであって、前記計測によって計測信号を生成するステップと、
    前記計測信号に最も近い特定された数のデータ空間のデータポイントを選択するステップであって、該データ空間の前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記データ空間の前記データポイントは、特定範囲の非線形性を具備しているステップと、
    調整乗数を導出するステップであって、該調整乗数は、前記選択された数のデータポイントに関連付けられている信号を対応するプロファイルパラメータに変換するべく構成されているステップと、
    前記計測信号と前記調整乗数を乗算することにより、前記計測信号に対応する精密なプロファイルパラメータを算出するステップと、
    を有するプロファイル決定方法。
  19. 計測信号から集積回路構造のプロファイルを決定する方法であって、
    構造からの信号を測定装置によって計測するステップであって、前記計測によって計測信号を生成するステップと、
    プロファイルデータ空間内において前記計測信号のベストマッチを選択するステップであって、該プロファイルデータ空間は、特定範囲の非線形性を有するデータポイントを具備し、該データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであるステップと、
    前記ベストマッチに最も近い指定された数のデータポイントを選択するステップと、
    前記選択されたデータポイントに関連付けられているデータを使用することにより、調整乗数を導出するステップであって、該調整乗数は、前記選択されたデータポイントの信号を対応するプロファイルパラメータに変換するべく構成されているステップと、
    前記計測信号と前記調整乗数を乗算することにより、前記計測信号に対応する精密なプロファイルパラメータを算出するステップと、
    を有する方法。
  20. 集積回路構造のプロファイルの決定に使用するプロファイル精密化のパラメータを調整するパラメータ調整方法において、
    精密化手順と、特定の分解能で生成されたプロファイルデータ空間を使用することにより、計測信号に対応する精密なプロファイルパラメータを決定するステップであって、前記プロファイルデータ空間は、データポイントを具備し、該データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けているステップと、
    前記プロファイルパラメータを対応する算出信号に変換するための乗数を導出するステップであって、前記導出においては、選択されたデータポイントと関連付けられているデータを使用するステップと、
    前記乗数と前記計測信号の前記精密なプロファイルパラメータを使用して信号を算出するステップと、
    前記計測信号に対する前記算出信号の適合度と前記計測信号に対する前記プロファイルデータ空間のベストマッチ信号の適合度を比較するステップであって、前記ベストマッチ信号は、前記計測信号を前記プロファイルデータ空間のデータポイントに関連付けられている信号と比較することによって取得されるステップと、
    前記計測信号に最も近い算出信号を選択するステップと、
    を有し、
    前記精密化手順は、前記計測信号、前記ベストマッチ信号と関連付けられているデータ、及び前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップを有しているパラメータ調整方法。
  21. 前記適合度比較を比較するステップは、前記計測信号に対する前記算出信号の費用関数と前記計測信号に対する前記ベストマッチ信号の費用関数を比較することによって実行される請求項２０記載のパラメータ調整方法。
  22. 補正操作を実行し、前記計測信号に対する前記算出信号の適合度を改善するステップをさらに有する請求項２０記載のパラメータ調整方法。
  23. 前記補正を実行するステップは、原分解能よりも高い分解能で前記プロファイルデータ空間を再生成するステップを有する請求項２２記載のパラメータ調整方法。
  24. 前記補正操作を実行するステップは、前記精密化手順を別の精密化手順に変更するステップを有する請求項２０記載のパラメータ調整方法。
  25. 計測信号から集積回路構造のプロファイルを決定するプロファイル決定方法であって、
    構造からの信号を測定装置によって計測するステップであって、前記計測によって計測信号を生成するステップと、
    プロファイルデータ空間内において前記計測信号のベストマッチを選択するステップであって、前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであるステップと、
    前記プロファイルデータ空間のサブセット内において第１データポイントを選択するステップであって、該プロファイルデータ空間サブセットは、前記計測信号と、前記ベストマッチ信号に関連付けられている前記データポイントに隣接するデータポイントを含んでいるステップと、
    前記選択された第１データポイントに対応するプロファイルパラメータにより、構造からの信号をシミュレートするステップと、
    プロファイル精密化事前設定基準を満足していることを検証するステップであって、前記プロファイル精密化事前設定基準は、前記計測信号に対する前記シミュレート信号の適合度の尺度を有しているステップと、
    前記プロファイル精密化事前設定基準を満足する前記シミュレート信号に関連付けられているプロファイルパラメータを抽出するステップと、
    を有するプロファイル決定方法。
  26. 前記プロファイル精密化事前設定基準を満足していることを検証するステップは、
    誤差測定基準が前記プロファイル精密化事前設定基準内にあるかどうかをテストするステップであって、前記誤差測定基準により、前記計測信号に対する前記シミュレート信号の適合度を計測するステップと、
    前記誤差測定基準が前記プロファイル精密化事前設定基準から外れている場合に、最適化法を実行して前記データ空間サブセット内において次のデータポイントを選択し、前記次のデータポイントを使用して次のシミュレート信号を決定するステップと、
    を有する請求項２５記載のプロファイル決定方法。
  27. 前記最適化法を実行して前記データ空間サブセット内において前記次のデータポイントを選択するステップは、グローバル最適化法及び／又はローカル最適化法を適用するステップを伴っている請求項２６記載のプロファイル決定方法。
  28. 前記プロファイルデータ空間には、測定シミュレーションプロセスによって生成されたデータポイントが含まれており、前記測定シミュレーションプロセスにより、プロファイルパラメータの組から構造からの信号を算出する請求項２５記載のプロファイル決定方法。
  29. 計測信号から集積回路構造のプロファイルを決定するプロファイル決定方法において、
    構造からの信号を測定装置によって計測するステップであって、前記計測によって計測信号を生成するステップと、
    プロファイルデータ空間内において前記計測信号のベストマッチを選択するステップであって、前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであるステップと、
    感度行列を算出するステップであって、前記感度行列は、前記プロファイルパラメータの変化によって起きる前記信号の変化の尺度であるステップと、
    前記算出された感度行列と前記ベストマッチプロファイルパラメータを使用して精密なプロファイルパラメータの第１の組を決定するステップと、
    前記精密なプロファイルパラメータの第１の組を使用して第１信号をシミュレートするステップと、
    前記算出された感度行列と前記精密なプロファイルパラメータの第１の組を使用して精密なプロファイルパラメータの第２の組を決定するステップと、
    を有するプロファイル決定方法。
  30. 前記精密なプロファイルパラメータの第２の組を使用して第２信号をシミュレートするステップと、
    前記算出された感度行列と前記精密なプロファイルパラメータの第２の組を使用して精密なプロファイルパラメータの第３の組を決定するステップと、
    をさらに有する請求項２９記載のプロファイル決定方法。
  31. 計測信号から集積回路構造のプロファイルを決定するプロファイル決定方法において、
    構造からの信号を測定装置によって計測するステップであって、前記計測によって計測信号を生成するステップと、
    プロファイルデータ空間内において前記計測信号のベストマッチを選択するステップであって、前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであるステップと、
    精密化手順を使用して精密なプロファイルパラメータの第１の組を決定するステップであって、該精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、及び前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップであるステップと、
    前記精密なプロファイルパラメータの第１の組の周辺において前記プロファイルパラメータの範囲を設定するステップと、
    前記精密なプロファイルパラメータの第１の組の周辺に設定された前記範囲を使用して第２プロファイルデータ空間を生成するステップと、
    前記精密化手順を使用して精密なプロファイルパラメータの第２の組を決定するステップと、
    を有し、
    前記精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップを有しているプロファイル決定方法。
  32. 前記精密なプロファイルパラメータの第２の組の周辺に設定された前記範囲を使用して第３プロファイルデータ空間を生成するステップと、
    前記精密化手順を使用して精密なプロファイルパラメータの第３の組を決定するステップと、
    をさらに有する請求項３１記載のプロファイル決定方法。
  33. 計測された回折スペクトルから集積回路構造のプロファイルを決定するプロファイル決定方法において、
    構造からの回折スペクトルを測定装置によって計測するステップであって、前記計測によって計測回折スペクトルを生成するステップと、
    プロファイルライブラリ内において前記計測回折スペクトルのベストマッチを選択するステップであって、該プロファイルライブラリは、特定範囲の非線形性を有するインスタンスを具備し、該プロファイルライブラリインスタンスは、プロファイルパラメータ及び関連する回折スペクトルを含み、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測回折スペクトルに最も近い回折スペクトルを有する前記プロファイルライブラリのインスタンスである、ステップと、
    精密化手順を使用し、前記選択された信号の前記プロファイルパラメータに基づいて前記計測信号に対応する精密なプロファイルパラメータを決定するステップと、
    を有し、
    前記精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップを有しているプロファイル決定方法。
  34. 前記プロファイルライブラリ内において計測回折スペクトルのベストマッチを選択するステップは、
    前記プロファイルライブラリのインスタンス間における前記非線形性の範囲を特定するステップと、
    前記特定範囲の非線形性が前記プロファイルライブラリの前記インスタンス間に存在していることを検証するステップと、
    を有する請求項３３記載のプロファイル決定方法。
  35. 前記非線形性の範囲を特定するステップは、それぞれのプロファイルパラメータごとに閾値偏差を設定するステップを有している請求項３４記載のプロファイル決定方法。
  36. 前記特定範囲の非線形性が前記プロファイルライブラリの前記インスタンス間に存在していることを検証するステップは、
    前記プロファイルライブラリ内のインスタンスの精密な分解能を算出するステップであって、前記精密な分解能は、前記特定範囲の非線形性が前記プロファイルライブラリ内の前記インスタンス間に存在するようにするべく設計されているステップと、
    プロファイルパラメータ範囲と前記算出された精密な分解能を使用して前記プロファイルライブラリを生成するステップと、
    を有する請求項３４記載のプロファイル決定方法。
  37. 前記プロファイルライブラリ内のインスタンスの前記精密な分解能を算出するステップは、
    感度行列を算出するステップであって、前記感度行列は、前記プロファイルパラメータの変化によって誘発される前記信号の変化の尺度であるステップと、
    前記プロファイルライブラリのインスタンス間における前記特定範囲の非線形性を維持しつつ、プロファイルパラメータの最大精密化済み分解能を決定するステップと、
    を有する請求項３６記載のプロファイル決定方法。
  38. 前記計測信号に対応する精密なプロファイルパラメータを決定するステップは、
    プロファイルデータ空間内において多面体を選択するステップであって、該プロファイルデータ空間は、前記プロファイルライブラリのインスタンスを表すデータポイントを具備し、前記多面体は、前記ベストマッチデータポイントを含むと共に、前記ベストマッチデータポイントに隣接する選択されたデータポイントに対応する角を具備し、前記ベストマッチデータポイントは、前記プロファイルライブラリの前記ベストマッチインスタンスに対応しているステップと、
    総費用関数を最小化するステップであって、前記総費用関数は、前記計測回折スペクトルに対する前記選択されたデータポイントに対応する前記回折スペクトルの費用関数と、前記計測回折スペクトルに対する前記ベストマッチ回折スペクトルの費用関数を有しているステップと、
    を有する請求項３３記載のプロファイル決定方法。
  39. 前記選択された多面体は、それぞれのプロファイルパラメータと関連付けられている１つの角を具備している請求項３８記載のプロファイル決定方法。
  40. 前記選択された多面体は、それぞれのプロファイルパラメータと関連付けられている２つの角を具備している請求項３８記載のプロファイル決定方法。
  41. 前記総費用関数を最小化するステップは、
    重み付けベクトルの組を選択するステップであって、それぞれの重み付けベクトルは、ベクトル要素を具備し、それぞれのベクトル要素は、選択されたデータポイントに対応する前記回折スペクトルに関連付けられているステップと、
    前記重み付けベクトルの組の重み付けベクトルを使用して前記総費用関数を算出するステップと、
    前記最小総費用関数に関連付けられた前記重み付けベクトルを選択するステップと、
    を有する請求項３８記載のプロファイル決定方法。
  42. 前記最小総費用関数と関連付けられている前記重み付けベクトルを使用して前記精密なプロファイルパラメータを算出するステップをさらに有する請求項４１記載のプロファイル決定方法。
  43. 前記計測信号に対応する精密なプロファイルパラメータを決定するステップは、
    感度行列を算出するステップであって、前記感度行列は、前記プロファイルパラメータの変化によって起きる前記信号の変化の尺度であるステップと、
    前記感度行列を使用して前記プロファイルパラメータの調整値を決定するステップと、
    前記プロファイルパラメータの前記調整値を前記プロファイルライブラリ内の前記ベストマッチインスタンスの対応するプロファイルパラメータに加算することにより、前記精密なプロファイルパラメータを算出するステップと、
    を有する請求項３３記載のプロファイル決定方法。
  44. 前記プロファイルパラメータの前記調整値を決定するステップは、
    前記計測信号と前記ベストマッチスペクトルの差を算出するステップと、
    前記計測スペクトルと前記ベストマッチスペクトルの前記差と前記算出された感度行列を使用して前記調整値を算出するステップと、
    を有する請求項４３記載のプロファイル決定方法。
  45. 前記精密なプロファイルパラメータを決定するための前記精密化手順は、双線形精密化、ラグランジュ精密化、３次スプライン精密化、エイトケン精密化、加重平均精密化、マルチ二次精密化、双３次精密化、Ｔｕｒｒａｎ精密化、ウェーブレット精密化、ベッセル精密化、Ｅｖｅｒｅｔｔ精密化、有限差分精密化、ガウス精密化、エルミート精密化、ニュートンの差分商精密化、接触精密化、又はＴｈｉｅｌｅの精密化アルゴリズムを利用する請求項３３記載のプロファイル決定方法。
  46. 計測された回折スペクトルから集積回路構造のプロファイルを決定するプロファイル決定方法において、
    構造からの回折スペクトルを測定装置によって計測するステップであって、前記計測によって計測回折スペクトルを生成するステップと、
    前記計測回折スペクトルをクラスタ代表の回折スペクトルと比較することにより、前記計測回折スペクトルのベストマッチを選択するステップであって、前記クラスタ代表は、前記回折スペクトルをプロファイルパラメータに変換するべく構成された関連付けられている調整乗数行列を具備し、前記クラスタ代表は、プロファイルライブラリのインスタンスのクラスタから選択されており、前記プロファイルライブラリの前記インスタンスは、回折スペクトルとプロファイルパラメータを含み、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記プロファイルライブラリの前記インスタンスは、特定範囲の非線形性を有するように生成されているステップと、
    前記計測回折スペクトルと前記調整乗数行列を乗算することにより、精密なプロファイルパラメータを算出するステップと、
    を有するプロファイル決定方法。
  47. 前記計測回折スペクトルをクラスタ代表の回折スペクトルと比較することによって前記計測回折スペクトルの前記ベストマッチを選択するステップは、
    前記プロファイルライブラリのインスタンスを前記クラスタにグループ化するステップと、
    それぞれのクラスタごとに前記クラスタ代表を選択するステップと、
    それぞれのクラスタの前記クラスタ代表のそれぞれのプロファイルパラメータ値ごとに前記調整乗数行列を導出するステップと、
    を有する請求項４６記載のプロファイル決定方法。
  48. 事前設定された基準に照らし、前記精密なプロファイルパラメータと前記ベストマッチ信号の前記プロファイルパラメータ間の精度をテストするステップと、
    前記精密なプロファイルパラメータが前記事前設定基準を満足していない場合に、補正操作を適用するステップと、
    をさらに有する請求項４６記載のプロファイル決定方法。
  49. 計測された回折スペクトルから集積回路構造のプロファイルを決定するプロファイル決定方法において、
    構造からの回折スペクトルを測定装置によって計測するステップであって、前記計測によって計測回折スペクトルを生成するステップと、
    前記計測回折スペクトルに最も近い指定された数のプロファイルライブラリインスタンスを選択するステップであって、前記プロファイルライブラリインスタンスは、回折スペクトルとプロファイルパラメータを含み、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記プロファイルライブラリインスタンスは、特定範囲の非線形性を有するように生成されているステップと、
    調整乗数を導出するステップであって、前記調整乗数は、前記選択された数のプロファイルライブラリインスタンスの回折スペクトルを対応するプロファイルパラメータに変換するべく構成されているステップと、
    前記計測回折スペクトルと前記調整乗数を乗算することにより、精密なプロファイルパラメータを算出するステップと、
    を有するプロファイル決定方法。
  50. 計測された回折スペクトルから集積回路構造のプロファイルを決定するプロファイル決定方法において、
    構造からの回折スペクトルを測定装置によって計測するステップであって、前記計測によって計測回折スペクトルを生成するステップと、
    プロファイルライブラリ内において前記計測回折スペクトルのベストマッチを選択するステップであって、前記プロファイルライブラリは、特定範囲の非線形性を有するインスタンスを具備し、前記プロファイルライブラリインスタンスは、プロファイルパラメータ及び関連する回折スペクトルを含み、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測回折スペクトルに最も近い回折スペクトルを有する前記プロファイルライブラリのインスタンスである、ステップと、
    前記ベストマッチスペクトルに最も近い指定された数のプロファイルライブラリインスタンスを選択するステップと、
    調整乗数を導出するステップであって、前記調整乗数は、前記選択された数のプロファイルライブラリインスタンスの回折スペクトルを対応するプロファイルパラメータに変換するべく構成されているステップと、
    前記計測回折スペクトルと前記調整乗数を乗算することによって精密なプロファイルパラメータを算出するステップと、
    を有することを特徴とするプロファイル決定方法。
  51. 集積回路構造のプロファイルの決定に使用するプロファイル精密化のパラメータを調整するパラメータ調整方法であって、
    構造からの回折スペクトルを測定装置によって計測するステップであって、前記計測によって計測回折スペクトルを生成するステップと、
    精密化手順と、特定された分解能で生成されたプロファイルライブラリを使用することにより、前記計測回折スペクトルに対応する精密なプロファイルパラメータを決定するステップであって、前記プロファイルライブラリは、インスタンスを具備し、該インスタンスは、プロファイルパラメータ及び関連する回折スペクトルを具備し、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記精密化手順は、前記計測回折スペクトル、前記ベストマッチ回折スペクトルと関連付けられているデータ、及び前記プロファイルライブラリからのその他のデータ及び／又は前記プロファイルライブラリから導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップであるステップと、
    前記プロファイルパラメータを対応する算出回折スペクトルに変換するための乗数を導出するステップであって、前記導出においては、前記プロファイルライブラリの選択されたインスタンスに関連付けられているデータを使用するステップと、
    前記乗数と前記計測回折スペクトルの前記精密なプロファイルパラメータを使用して回折スペクトルを算出するステップと、
    前記計測回折スペクトルに対する前記算出回折スペクトルの適合度と前記計測回折スペクトルに対する前記プロファイルライブラリのベストマッチ回折スペクトルの適合度を比較するステップであって、前記ベストマッチ回折スペクトルは、前記計測回折スペクトルを前記プロファイルライブラリのインスタンスと関連付けられている回折スペクトルと比較し、前記計測回折スペクトルに最も近い回折スペクトルを選択することによって取得されるステップと、
    を有するパラメータ調整方法。
  52. 前記適合度比較は、前記計測回折スペクトルに対する前記算出回折スペクトルの費用関数と前記計測回折スペクトルに対する前記ベストマッチ回折スペクトルの費用関数を比較することによって実行される請求項５１記載のパラメータ調整方法。
  53. 補正を実行し、前記計測回折スペクトルに対する前記算出回折スペクトルの適合度を改善するステップをさらに有する請求項５１記載のパラメータ調整方法。
  54. 前記補正を実行するステップは、原分解能よりも高い分解能で前記プロファイルライブラリを再生成するステップを有する請求項５３記載のパラメータ調整方法。
  55. 前記補正を実行するステップは、前記精密化手順を別の精密化手順に変更するステップを有する請求項５３記載のパラメータ調整方法。
  56. 計測された回折スペクトルから集積回路構造のプロファイルを決定する方法において、
    構造からの回折スペクトルを測定装置によって計測するステップであって、前記計測によって計測回折スペクトルを生成するステップと、
    プロファイルライブラリ内において前記計測回折スペクトルのベストマッチを選択するステップであって、前記プロファイルライブラリは、特定範囲の非線形性を有するインスタンスを具備し、前記プロファイルライブラリインスタンスは、プロファイルパラメータ及び関連する回折インスタンスを含み、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測回折スペクトルに最も近い回折スペクトルを有する前記プロファイルライブラリのインスタンスであるステップと、
    前記データ空間のサブセット内において第１データポイントを選択するステップであって、前記データ空間サブセットは、前記ベストマッチ回折スペクトルの前記プロファイルパラメータと、前記ベストマッチ回折スペクトルのプロファイルパラメータに隣接したプロファイルパラメータを含んでいるステップと、
    前記選択された第１データポイントに対応するプロファイルパラメータによって構造からの回折スペクトルをシミュレートするステップと、
    プロファイル精密化事前設定基準を満足していることを検証するステップであって、前記プロファイル精密化事前設定基準は、前記計測回折スペクトルに対する前記シミュレート回折スペクトルの適合度の尺度を有しているステップと、
    前記精密化事前設定基準を満足する前記シミュレート回折スペクトルに関連付けられているプロファイルパラメータを抽出するステップと、
    を有するプロファイル決定方法。
  57. 前記プロファイル精密化事前設定基準を満足していることを検証するステップは、
    誤差測定基準が前記プロファイル精密化事前設定基準内にあるかどうかをテストするステップであって、前記誤差測定基準により、前記計測スペクトルに対する前記シミュレート回折スペクトルの適合度を計測するステップと、
    前記誤差測定基準が前記プロファイル精密化事前設定基準から外れている場合に、最適化法を実行し、前記データ空間サブセット内において次のデータポイントを選択し、該次のデータポイントを使用して次のシミュレート回折スペクトルを決定するステップと、
    を有する請求項５６記載のプロファイル決定方法。
  58. 最適化法を実行し前記データ空間サブセット内において前記次のデータポイントを選択するステップは、グローバル最適化法及び／又はローカル最適化法を適用するステップを伴っている請求項５７記載のプロファイル決定方法。
  59. 前記データ空間には、光学測定シミュレーションプロセスによって生成されたデータポイントが含まれており、前記光学測定シミュレーションプロセスにより、特定された分解能を有するプロファイルパラメータの組から構造からの回折スペクトルを算出する請求項５６記載のプロファイル決定方法。
  60. 計測された回折スペクトルから集積回路構造のプロファイルを決定する方法において、
    構造からの回折スペクトルを測定装置によって計測するステップであって、前記計測によって計測回折スペクトルを生成するステップと、
    プロファイルライブラリ内において前記計測回折スペクトルのベストマッチを選択するステップであって、該プロファイルライブラリは、特定範囲の非線形性を有するインスタンスを具備し、該プロファイルライブラリインスタンスは、プロファイルパラメータ及び関連する回折スペクトルを含み、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測回折スペクトルに最も近い回折スペクトルを有する前記プロファイルライブラリのインスタンスである、ステップと、
    感度行列を算出するステップであって、前記感度行列は、前記プロファイルパラメータの変化によって起きる前記回折スペクトルの変化の尺度であるステップと、
    前記算出された感度行列と前記ベストマッチプロファイルパラメータを使用して精密なプロファイルライブラリの第１の組を決定するステップと、
    前記精密なプロファイルパラメータの第１の組を使用して第１の回折スペクトルをシミュレートするステップと、
    前記算出された感度行列と前記精密なプロファイルパメータの第１の組を使用して精密なプロファイルパラメータの第２の組を決定するステップと、
    を有するプロファイル決定方法。
  61. 前記精密なプロファイルパラメータの第２の組を使用して第２の回折スペクトルをシミュレートするステップと、
    前記算出された感度行列と前記精密なプロファイルパラメータの第２の組を使用して精密なプロファイルパラメータの第３の組を決定するステップと、
    をさらに有する請求項６０記載のプロファイル決定方法。
  62. 計測された回折スペクトルから集積回路構造のプロファイルを決定する方法において、
    構造からの回折スペクトルを測定装置によって計測するステップであって、前記計測によって計測回折スペクトルを生成するステップと、
    プロファイルライブライ内において前記計測回折スペクトルのベストマッチを選択するステップであって、前記プロファイルライブラリは、特定範囲の非線形性を有するインスタンスを具備し、該プロファイルライブラリインスタンスは、プロファイルパラメータ及び関連する回折スペクトルを含み、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測回折スペクトルに最も近い回折スペクトルを有する前記プロファイルライブラリのインスタンスであるステップと、
    精密化手順を使用し、精密なプロファイルパラメータの第１の組を決定するステップであって、前記精密化手順は、前記計測回折スペクトル、前記ベストマッチ回折スペクトルに関連付けられているデータ、及び前記プロファイルライブラリからのその他のデータ及び／又は前記プロファイルライブラリから導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップであるステップと、
    前記精密なプロファイルパラメータの第１の組の周辺において前記プロファイルパラメータの範囲を設定するステップと、
    前記精密なプロファイルパラメータの第１の組の周辺に設定された前記範囲を使用して第２プロファイルライブラリを生成するステップと、
    精密化手順を使用し、精密なプロファイルパラメータの第２の組を決定するステップと、
    を有するプロファイル決定方法。
  63. 計測された信号から集積回路構造のプロファイルを決定するプロファイル決定システムにおいて、
    計測信号を伝送し精密なプロファイルパラメータを受信するべく構成されたプロファイルクエリ装置であって、前記計測信号は、集積回路構造から取得され、前記プロファイルパラメータは、前記集積回路構造の可能なプロファイルを特徴付けているプロファイルクエリ装置と、
    特定範囲の非線形性を有するデータポイントを具備するプロファイルデータ空間であって、前記データポイントは、プロファイルパラメータ及び関連する信号を表しているプロファイルデータ空間と、
    前記プロファイルデータ空間内において前記計測信号のベストマッチを選択するべく構成されたプロファイル評価器であって、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであり、前記プロファイル評価器は、精密化手順を実行して前記精密なプロファイルパラメータを決定するべく構成されている、プロファイル評価器と、
    を有し、前記精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、及び前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップを有しているプロファイル決定システム。
  64. 前記プロファイル評価器は、前記プロファイルデータ空間内において多面体を選択するべく構成されており、該多面体は、前記ベストマッチデータポイントを含むと共に、前記ベストマッチデータポイントに隣接する選択されたプロファイルパラメータデータポイントに対応する角を具備しており、
    前記プロファイル評価器は、総費用関数を最小化するべく構成されており、前記総費用関数は、前記計測信号に対する前記選択されたプロファイルパラメータデータポイントに対応する信号の費用関数と前記計測信号に対する前記ベストマッチ信号の費用関数とを有している請求項６３記載のプロファイル決定システム。
  65. 前記プロファイル評価器は、感度行列を算出するべく構成されており、前記感度行列は、前記プロファイルパラメータの変化によって起きる前記信号の変化の尺度であり、
    前記プロファイル評価器は、前記算出された感度行列を使用して前記プロファイルパラメータの調整値を決定するべく構成されており、
    前記プロファイル評価器は、前記プロファイルパラメータの前記調整値を前記プロファイルデータ空間内の前記ベストマッチデータポイントの対応するプロファイルパラメータに加算することにより、前記精密なプロファイルパラメータを算出するべく構成されている請求項６３記載のプロファイル決定システム。
  66. 前記プロファイル評価器は、前記計測信号をクラスタ代表の信号と比較することにより、計測信号のベストマッチを選択するべく構成されており、前記クラスタ代表は、プロファイルデータ空間のデータポイントのクラスタから選択され、該プロファイルデータ空間のデータポイントは、特定範囲の非線形性を具備し、該データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、
    前記プロファイル評価器は、前記計測信号と調整乗数行列を乗算することによって精密なプロファイルパラメータを算出するべく構成されており、前記調整乗数行列は、前記信号をプロファイルパラメータに変換する請求項６３記載のプロファイル決定システム。
  67. 前記プロファイル評価器は、計測信号に最も近い、データ空間の特定された数のデータポイントを選択するべく構成されており、前記データ空間の前記データポイントは、データ空間のプロファイルパラメータ及び関連する信号を表しており、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記データ空間の前記データポイントは、特定範囲の非線形性を備えており、
    前記プロファイル評価器は、調整乗数を導出するべく構成されており、前記調整乗数は、前記選択された数のデータポイントに関連付けられている信号を対応するプロファイルパラメータに変換し、
    前記プロファイル評価器は、前記計測信号と前記調整乗数を乗算することによって前記計測信号に対応する精密なプロファイルパラメータを算出するべく構成されている請求項６３記載のプロファイル決定システム。
  68. 前記プロファイル評価器は、プロファイルデータ空間内において計測信号のベストマッチを選択するべく構成されており、前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであり、
    前記プロファイル評価器は、前記プロファイルデータ空間のサブセット内において第１データポイントを選択するべく構成されており、該プロファイルデータ空間サブセットは、前記計測信号と、前記ベストマッチ信号と関連付けられている前記データポイントに隣接するデータポイントを含んでおり、
    前記プロファイル評価器は、前記選択された第１データポイントに対応するプロファイルパラメータによって構造からの信号をシミュレートするべく構成されており、
    前記プロファイル評価器は、プロファイル精密化事前設定基準を満足させるように構成されており、前記プロファイル精密化事前設定基準は、前記計測信号に対する前記シミュレート信号の適合度の尺度を有しており、
    前記プロファイル評価器は、前記プロファイル精密化事前設定基準を満足する前記シミュレート信号に関連付けられているプロファイルパラメータを抽出するべく構成されている請求項６３記載のプロファイル決定システム。
  69. 前記プロファイル評価器は、プロファイルデータ空間内において計測信号のベストマッチを選択するべく構成されており、前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであり、
    前記プロファイル評価器は、感度行列を算出するべく構成されており、前記感度行列は、前記プロファイルパラメータの変化によって起きる前記信号の変化の尺度であり、
    前記プロファイル評価器は、前記算出された感度行列と前記ベストマッチプロファイルパラメータを使用して精密なプロファイルパラメータの第１の組を決定するべく構成されており、
    前記プロファイル評価器は、前記精密なプロファイルパラメータの第１の組を使用して第１信号をシミュレートするべく構成されており、
    前記プロファイル評価器は、前記算出された感度行列と前記精密なプロファイルパラメータの第１の組を使用し、精密なプロファイルパラメータの第２の組を決定するべく構成されている請求項６３記載のプロファイル決定システム。
  70. 前記プロファイル評価器は、プロファイルデータ空間内において計測信号のベストマッチを選択するべく構成されており、前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、該プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであり、
    前記プロファイル評価器は、精密化手順を使用して精密なプロファイルパラメータの第１の組を決定するべく構成されており、前記精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、及び前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップであり、
    前記プロファイル評価器は、前記精密なプロファイルパラメータの第１の組の周辺において前記プロファイルパラメータの範囲を設定するべく構成されており、
    前記プロファイル評価器は、前記精密なプロファイルパラメータの第１の組の周辺に設定された前記範囲を使用して第２のプロファイルデータ空間を生成するべく構成されており、
    前記プロファイル評価器は、前記精密化手順を使用して精密なプロファイルパラメータの第２の組を決定するべく構成されている請求項６３記載のプロファイル決定システム。
  71. 前記プロファイル評価器は、双線形精密化、ラグランジュ精密化、３次スプライン精密化、エイトケン精密化、加重平均精密化、マルチ二次精密化、双３次精密化、Ｔｕｒｒａｎ精密化、ウェーブレット精密化、ベッセル精密化、Ｅｖｅｒｅｔｔ精密化、有限差分精密化、ガウス精密化、エルミート精密化、ニュートンの差分商精密化、接触精密化、又はＴｈｉｅｌｅ精密化アルゴリズムを利用する精密化手順を実行するべく構成されている請求項６３記載のプロファイル決定システム。
  72. 複数の精密化エンジンを利用して計測信号から集積回路構造のプロファイルを決定するプロファイル決定システムにおいて、
    計測された信号を伝送し精密なパラメータを受信するべく構成されたプロファイルクエリ装置であって、前記計測信号は、集積回路構造から取得され、前記プロファイルパラメータは、前記集積回路構造の可能なプロファイルを特徴付けている、プロファイルクエリ装置と、
    プロファイルパラメータ及び関連する信号を具備するデータポイントを保存するべく構成されたプロファイルデータ空間と、
    複数の精密化手順を起動して精密なプロファイルパラメータの複数の組を決定するべく構成されたプロイファイル評価器であって、ベストマッチ信号を選択するべく構成されており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであり、前記プロファイル評価器は、指定された選択基準に基づいて、前記精密なプロファイルパラメータの複数の組から精密なプロファイルパラメータの１つの組を選択するべく構成されている、プロファイル評価器と、
    を有し、
    前記精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップを有しているプロファイル決定システム。
  73. 測定装置によって生成された計測信号から集積回路構造のプロファイルを決定するプロファイル決定システムにおいて、
    集積回路構造からの信号を計測し前記計測信号を伝送するべく構成された測定装置であって、前記計測信号は、集積回路構造から取得され、前記プロファイルパラメータは、前記集積回路構造の可能なプロファイルを特徴付ける測定装置と、
    プロファイルパラメータに関するクエリを伝送し、精密なプロファイルパラメータを受信するべく構成されたプロファイルクエリ装置と、
    データポイントを格納するべく構成されたプロファイルデータ空間であって、前記データポイントは、信号及び関連するプロファイルパラメータを具備するプロファイルデータ空間と、
    前記プロファイルデータ空間内において前記計測信号のベストマッチを選択するべく構成されたプロファイル評価器であって、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであり、前記プロファイル評価器は、複数の精密化手順を起動して精密なプロファイルパラメータの複数の組を決定するべく構成されており、特定された選択基準に基づいて、前記精密なプロファイルパラメータの複数の組から精密なプロファイルパラメータの１つの組を選択するべく構成されており、且つ、前記精密なプロファイルパラメータを前記プロファイルクエリ装置に伝送するべく構成されているプロファイル評価器と、
    を有し、
    前記精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、及び前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップを有しているプロファイル決定システム。
  74. 前記測定装置は、光学測定装置、電子測定装置、電気測定装置、又は機械測定装置である請求項７３記載のプロファイル決定システム。
  75. 以下のステップを実行するべくコンピュータに命令することにより、計測信号から集積回路構造のプロファイルを決定するコンピュータ実行可能コードを含むコンピュータ可読記憶媒体であって、
    そのステップは、
    プロファイルデータ空間内において計測信号のベストマッチを選択するステップであって、前記計測信号は、集積回路構造から取得され、前記プロファイルデータ空間は、特定範囲の非線形性を有するデータポイントを具備し、前記データポイントは、プロファイルパラメータ及び関連する信号を表しており、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測信号に最も近い信号を有する前記プロファイルデータ空間のデータポイントであるステップと、
    精密化手順を実行し、前記計測信号に対応する精密なプロファイルパラメータを決定するステップとを有し、
    前記精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、及び前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップを有しているコンピュータ可読記憶媒体。
  76. 以下のステップを実行するべくコンピュータに命令することにより、計測信号から集積回路構造のプロファイルを決定するコンピュータ実行可能コードを含むコンピュータ記憶媒体であって、
    そのステップは、
    プロファイルライブラリ内において計測回折スペクトルのベストマッチを選択するステップであって、前記計測スペクトルは、集積回路構造から取得され、前記プロファイルライブラリは、特定範囲の非線形性を有するインスタンスを具備し、前記プログラムライブラリインスタンスは、プロファイルパラメータ及び関連する回折スペクトルを含み、前記プロファイルパラメータは、前記集積回路構造の前記プロファイルを特徴付けており、前記ベストマッチは、前記計測回折スペクトルに最も近い回折スペクトルを有する前記プロファイルライブラリのインスタンスであるステップと、
    精密化手順を実行し、前記計測スペクトルに対応する精密なプロファイルパラメータを決定するステップとを有し、
    前記精密化手順は、前記計測信号、前記ベストマッチ信号に関連付けられているデータ、及び前記プロファイルデータ空間からのその他のデータ及び／又は前記プロファイルデータ空間から導出されたその他のデータを使用して精密なプロファイルパラメータを決定するべく設計された一連のステップを有しているコンピュータ可読記憶媒体。
JP2003568005A 2002-02-12 2003-02-10 集積回路測定用のプロファイル精密化 Pending JP2005517903A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/075,904 US6609086B1 (en) 2002-02-12 2002-02-12 Profile refinement for integrated circuit metrology
PCT/US2003/003955 WO2003068889A1 (en) 2002-02-12 2003-02-10 Profile refinement for integrated circuit metrology

Publications (1)

Publication Number Publication Date
JP2005517903A true JP2005517903A (ja) 2005-06-16

Family

ID=27732454

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003568005A Pending JP2005517903A (ja) 2002-02-12 2003-02-10 集積回路測定用のプロファイル精密化

Country Status (8)

Country Link
US (1) US6609086B1 (ja)
EP (1) EP1483355A4 (ja)
JP (1) JP2005517903A (ja)
KR (1) KR100910003B1 (ja)
CN (1) CN100424711C (ja)
AU (1) AU2003215141A1 (ja)
TW (1) TWI221566B (ja)
WO (1) WO2003068889A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005142535A (ja) * 2003-09-15 2005-06-02 Timbre Technologies Inc 光学的測定に使用する仮想プロファイルの選択方法、システム及び仮想プロファイルを選択するコンピュータ実行可能なコードを有する記録媒体
JP2005172830A (ja) * 2003-12-12 2005-06-30 Timbre Technologies Inc 集積回路構造のプロファイルを決定する方法及びシステム又はコンピュータ読取可能な記録媒体
JP2008085332A (ja) * 2006-09-26 2008-04-10 Tokyo Electron Ltd 光学的に調節可能なソフトマスクプロファイルライブラリを用いる方法及び装置
JP2008180712A (ja) * 2007-01-12 2008-08-07 Tokyo Electron Ltd 光計測及びプロファイルモデルと重要プロファイル形状との相関を用いた自動プロセス制御
JP2009124101A (ja) * 2007-08-02 2009-06-04 Asml Netherlands Bv 検査方法および装置、リソグラフィ装置、リソグラフィ処理セル、およびデバイス製造方法
JP2010533376A (ja) * 2007-07-11 2010-10-21 ノヴァ・メジャーリング・インストゥルメンツ・リミテッド パターン化構造の特性をモニタリングする際に使用される方法及びシステム
JP2012507146A (ja) * 2008-10-27 2012-03-22 アプライド マテリアルズ インコーポレイテッド 処理中の基板の分光モニタリングにおける適合度
JP2012204835A (ja) * 2011-03-23 2012-10-22 Asml Netherlands Bv 構造の電磁散乱特性を計算し、近似構造を再構築する方法及び装置

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6785638B2 (en) * 2001-08-06 2004-08-31 Timbre Technologies, Inc. Method and system of dynamic learning through a regression-based library generation process
US7945393B2 (en) * 2002-01-10 2011-05-17 Chemimage Corporation Detection of pathogenic microorganisms using fused sensor data
US6785009B1 (en) * 2002-02-28 2004-08-31 Advanced Micro Devices, Inc. Method of using high yielding spectra scatterometry measurements to control semiconductor manufacturing processes, and systems for accomplishing same
US7136796B2 (en) * 2002-02-28 2006-11-14 Timbre Technologies, Inc. Generation and use of integrated circuit profile-based simulation information
US7330279B2 (en) * 2002-07-25 2008-02-12 Timbre Technologies, Inc. Model and parameter selection for optical metrology
US7092110B2 (en) * 2002-07-25 2006-08-15 Timbre Technologies, Inc. Optimized model and parameter selection for optical metrology
US6842261B2 (en) * 2002-08-26 2005-01-11 Timbre Technologies, Inc. Integrated circuit profile value determination
US20040090629A1 (en) * 2002-11-08 2004-05-13 Emmanuel Drege Diffraction order selection for optical metrology simulation
US7072049B2 (en) * 2003-02-03 2006-07-04 Timbre Technologies, Inc. Model optimization for structures with additional materials
US7224471B2 (en) * 2003-10-28 2007-05-29 Timbre Technologies, Inc. Azimuthal scanning of a structure formed on a semiconductor wafer
JP3892843B2 (ja) * 2003-11-04 2007-03-14 株式会社東芝 寸法測定方法、寸法測定装置および測定マーク
AU2003300005A1 (en) 2003-12-19 2005-08-03 International Business Machines Corporation Differential critical dimension and overlay metrology apparatus and measurement method
US7523076B2 (en) 2004-03-01 2009-04-21 Tokyo Electron Limited Selecting a profile model for use in optical metrology using a machine learning system
US7212293B1 (en) * 2004-06-01 2007-05-01 N&K Technology, Inc. Optical determination of pattern feature parameters using a scalar model having effective optical properties
KR100625168B1 (ko) * 2004-08-23 2006-09-20 삼성전자주식회사 기판에 형성된 패턴의 검사방법 및 이를 수행하기 위한검사장치
US7280229B2 (en) * 2004-12-03 2007-10-09 Timbre Technologies, Inc. Examining a structure formed on a semiconductor wafer using machine learning systems
US7459100B2 (en) * 2004-12-22 2008-12-02 Lam Research Corporation Methods and apparatus for sequentially alternating among plasma processes in order to optimize a substrate
US7421414B2 (en) * 2005-03-31 2008-09-02 Timbre Technologies, Inc. Split machine learning systems
US8112248B2 (en) * 2005-06-09 2012-02-07 Chemimage Corp. Forensic integrated search technology with instrument weight factor determination
US20090012723A1 (en) * 2005-06-09 2009-01-08 Chemlmage Corporation Adaptive Method for Outlier Detection and Spectral Library Augmentation
EP1902356A4 (en) * 2005-06-09 2009-08-19 Chemimage Corp CRIMINOLOGICAL INTEGRATED SEARCH TECHNOLOGY
US7355728B2 (en) * 2005-06-16 2008-04-08 Timbre Technologies, Inc. Optical metrology model optimization for repetitive structures
US8392012B2 (en) * 2008-10-27 2013-03-05 Applied Materials, Inc. Multiple libraries for spectrographic monitoring of zones of a substrate during processing
US8260446B2 (en) 2005-08-22 2012-09-04 Applied Materials, Inc. Spectrographic monitoring of a substrate during processing using index values
US7305322B2 (en) * 2006-03-31 2007-12-04 Tokyo Electron Limited Using a virtual profile library
US7542859B2 (en) * 2006-03-31 2009-06-02 Tokyo Electron Ltd. Creating a virtual profile library
US7487053B2 (en) * 2006-03-31 2009-02-03 Tokyo Electron Limited Refining a virtual profile library
US20110237446A1 (en) * 2006-06-09 2011-09-29 Chemlmage Corporation Detection of Pathogenic Microorganisms Using Fused Raman, SWIR and LIBS Sensor Data
US7525673B2 (en) * 2006-07-10 2009-04-28 Tokyo Electron Limited Optimizing selected variables of an optical metrology system
US7526354B2 (en) 2006-07-10 2009-04-28 Tokyo Electron Limited Managing and using metrology data for process and equipment control
US7469192B2 (en) * 2006-07-11 2008-12-23 Tokyo Electron Ltd. Parallel profile determination for an optical metrology system
US7515283B2 (en) * 2006-07-11 2009-04-07 Tokyo Electron, Ltd. Parallel profile determination in optical metrology
WO2008027362A1 (en) * 2006-08-28 2008-03-06 Advanced Metrology Systems Llc Measuring diffractive structures by parameterizing spectral features
US7763404B2 (en) * 2006-09-26 2010-07-27 Tokyo Electron Limited Methods and apparatus for changing the optical properties of resists
US20080074677A1 (en) * 2006-09-26 2008-03-27 Tokyo Electron Limited accuracy of optical metrology measurements
US20080077352A1 (en) * 2006-09-26 2008-03-27 Tokyo Electron Limited Methods and apparatus for using an optically tunable soft mask profile library
US20080076046A1 (en) * 2006-09-26 2008-03-27 Tokyo Electron Limited accuracy of optical metrology measurements
US20080074678A1 (en) * 2006-09-26 2008-03-27 Tokyo Electron Limited Accuracy of optical metrology measurements
US7417750B2 (en) * 2006-11-07 2008-08-26 Tokyo Electron Limited Consecutive measurement of structures formed on a semiconductor wafer using an angle-resolved spectroscopic scatterometer
US7639351B2 (en) * 2007-03-20 2009-12-29 Tokyo Electron Limited Automated process control using optical metrology with a photonic nanojet
US7567353B2 (en) * 2007-03-28 2009-07-28 Tokyo Electron Limited Automated process control using optical metrology and photoresist parameters
US7949618B2 (en) * 2007-03-28 2011-05-24 Tokyo Electron Limited Training a machine learning system to determine photoresist parameters
US7483809B2 (en) * 2007-04-12 2009-01-27 Tokyo Electron Limited Optical metrology using support vector machine with profile parameter inputs
US7511835B2 (en) * 2007-04-12 2009-03-31 Tokyo Electron Limited Optical metrology using a support vector machine with simulated diffraction signal inputs
US7372583B1 (en) * 2007-04-12 2008-05-13 Tokyo Electron Limited Controlling a fabrication tool using support vector machine
US9151712B1 (en) * 2007-05-30 2015-10-06 Kla-Tencor Corporation Rule checking for metrology and inspection
US20090275265A1 (en) * 2008-05-02 2009-11-05 Applied Materials, Inc. Endpoint detection in chemical mechanical polishing using multiple spectra
US7761178B2 (en) * 2008-06-18 2010-07-20 Tokyo Electron Limited Automated process control using an optical metrology system optimized with design goals
US8751033B2 (en) * 2008-11-14 2014-06-10 Applied Materials, Inc. Adaptive tracking spectrum features for endpoint detection
CN102884613B (zh) * 2010-05-05 2016-08-31 应用材料公司 用于终点检测的动态或适应性追踪光谱特征
US8834229B2 (en) 2010-05-05 2014-09-16 Applied Materials, Inc. Dynamically tracking spectrum features for endpoint detection
NL2006700A (en) * 2010-06-04 2011-12-06 Asml Netherlands Bv Method and apparatus for measuring a structure on a substrate, computer program products for implementing such methods & apparatus.
US8954186B2 (en) 2010-07-30 2015-02-10 Applied Materials, Inc. Selecting reference libraries for monitoring of multiple zones on a substrate
CN102289533B (zh) * 2011-05-09 2013-01-09 江南大学 一种基于几何规划的大规模集成电路回归测试管理方法
NL2013303A (en) 2013-08-13 2015-02-16 Asml Netherlands Bv Method and inspection apparatus and computer program product for assessing a quality of reconstruction of a value of a parameter of interest of a structure.
US9194692B1 (en) 2013-12-06 2015-11-24 Western Digital (Fremont), Llc Systems and methods for using white light interferometry to measure undercut of a bi-layer structure
WO2016177548A1 (en) * 2015-05-07 2016-11-10 Asml Netherlands B.V. Metrology method and apparatus, computer program and lithographic system
US10359705B2 (en) 2015-10-12 2019-07-23 Asml Netherlands B.V. Indirect determination of a processing parameter

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5607800A (en) * 1995-02-15 1997-03-04 Lucent Technologies Inc. Method and arrangement for characterizing micro-size patterns
US5864633A (en) * 1996-05-17 1999-01-26 Therma-Wave, Inc. Method and apparatus for optical data analysis
US6483580B1 (en) * 1998-03-06 2002-11-19 Kla-Tencor Technologies Corporation Spectroscopic scatterometer system
IL123727A (en) * 1998-03-18 2002-05-23 Nova Measuring Instr Ltd Method and apparatus for measurement of patterned structures
CN1303397C (zh) * 2000-01-26 2007-03-07 音质技术公司 为集成电路周期性光栅产生仿真衍射信号库的方法及系统
US6429943B1 (en) * 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
US6532076B1 (en) * 2000-04-04 2003-03-11 Therma-Wave, Inc. Method and apparatus for multidomain data analysis
JP2004507719A (ja) * 2000-08-10 2004-03-11 サーマ−ウェーブ・インコーポレイテッド 回折微細構造の光学的測定のためのデータベース補間方法
IL140179A (en) * 2000-12-07 2004-09-27 Nova Measuring Instr Ltd Method and system for measuring in patterned structures
WO2002065545A2 (en) * 2001-02-12 2002-08-22 Sensys Instruments Corporation Overlay alignment metrology using diffraction gratings
KR100536646B1 (ko) * 2001-03-02 2005-12-14 액센트 옵티칼 테크놀로지스 인코포레이티드 산란 측정법을 이용한 라인 프로파일 비대칭 측정
US6785638B2 (en) * 2001-08-06 2004-08-31 Timbre Technologies, Inc. Method and system of dynamic learning through a regression-based library generation process
US6898596B2 (en) * 2001-10-23 2005-05-24 Therma-Wave, Inc. Evolution of library data sets

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005142535A (ja) * 2003-09-15 2005-06-02 Timbre Technologies Inc 光学的測定に使用する仮想プロファイルの選択方法、システム及び仮想プロファイルを選択するコンピュータ実行可能なコードを有する記録媒体
JP2005172830A (ja) * 2003-12-12 2005-06-30 Timbre Technologies Inc 集積回路構造のプロファイルを決定する方法及びシステム又はコンピュータ読取可能な記録媒体
JP2008085332A (ja) * 2006-09-26 2008-04-10 Tokyo Electron Ltd 光学的に調節可能なソフトマスクプロファイルライブラリを用いる方法及び装置
JP2008180712A (ja) * 2007-01-12 2008-08-07 Tokyo Electron Ltd 光計測及びプロファイルモデルと重要プロファイル形状との相関を用いた自動プロセス制御
JP2010533376A (ja) * 2007-07-11 2010-10-21 ノヴァ・メジャーリング・インストゥルメンツ・リミテッド パターン化構造の特性をモニタリングする際に使用される方法及びシステム
JP2009124101A (ja) * 2007-08-02 2009-06-04 Asml Netherlands Bv 検査方法および装置、リソグラフィ装置、リソグラフィ処理セル、およびデバイス製造方法
JP2012507146A (ja) * 2008-10-27 2012-03-22 アプライド マテリアルズ インコーポレイテッド 処理中の基板の分光モニタリングにおける適合度
JP2012204835A (ja) * 2011-03-23 2012-10-22 Asml Netherlands Bv 構造の電磁散乱特性を計算し、近似構造を再構築する方法及び装置

Also Published As

Publication number Publication date
WO2003068889A1 (en) 2003-08-21
TWI221566B (en) 2004-10-01
CN100424711C (zh) 2008-10-08
KR20040081792A (ko) 2004-09-22
AU2003215141A1 (en) 2003-09-04
EP1483355A2 (en) 2004-12-08
US6609086B1 (en) 2003-08-19
WO2003068889A8 (en) 2003-11-13
EP1483355A4 (en) 2007-05-16
AU2003215141A8 (en) 2003-09-04
TW200302971A (en) 2003-08-16
CN1646661A (zh) 2005-07-27
KR100910003B1 (ko) 2009-07-29

Similar Documents

Publication Publication Date Title
JP2005517903A (ja) 集積回路測定用のプロファイル精密化
US7126700B2 (en) Parametric optimization of optical metrology model
KR101144402B1 (ko) 광학적 계측에 이용되는 가상 프로파일 선택 방법 및 선택 시스템과, 컴퓨터 판독 가능 기억 매체
US7487053B2 (en) Refining a virtual profile library
US7505153B2 (en) Model and parameter selection for optical metrology
US7092110B2 (en) Optimized model and parameter selection for optical metrology
CN107092958B (zh) 用于基于库的临界尺寸cd计量的精确和快速的神经网络训练
US7428060B2 (en) Optimization of diffraction order selection for two-dimensional structures
US7474993B2 (en) Selection of wavelengths for integrated circuit optical metrology
US7542859B2 (en) Creating a virtual profile library
JP2009529138A (ja) 光学的測定法における測定回折信号を高める重み関数
KR20090023248A (ko) 광학 계측에서 근사 및 정밀 회절 모델을 이용하여 구조물의 프로파일 파라미터들을 결정하는 방법
JP2013533980A (ja) 反復空間高調波次数切り捨てによる計算効率化
US7305322B2 (en) Using a virtual profile library
JP7268156B2 (ja) 大量生産工程監視用に疎結合された検査及び計測システム

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20050309

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060116

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20071220

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080129

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20080428

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20080508

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080729

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20091006