JP2007163686A - マスクパターン評価方法及び評価装置 - Google Patents

Abstract

【課題】リソグラフィシミュレーションの結果と実際のウェハ露光の結果を一致させることができるマスクパターン評価方法及び評価装置を提供すること。
【解決手段】本発明の一形態のマスクパターン評価方法は、フォトマスクのパターン画像を取得し（Ｓ２）、前記パターン画像からパターンの側壁角に関する側壁角データを生成し（Ｓ３）、前記パターン画像からパターン輪郭を抽出して輪郭データを生成し（Ｓ５）、前記輪郭データと前記側壁角データを基にリソグラフィシミュレーションを行い（Ｓ７）、露光余裕度を算出する（Ｓ８）。
【選択図】 図４

Description

本発明は、フォトマスクの製造に係るマスクパターンの評価方法及び評価装置に関する。

近年、半導体製造プロセスに用いられるフォトリソグラフィ工程での課題が顕著になりつつある。半導体デバイスの微細化が進むにつれ、フォトリソグラフィ工程での微細化に対する要求が高まっている。既に、デバイスの設計ルールは５５ｎｍにまで微細化し、制御しなければならないパターン寸法精度は、５ｎｍ以下と極めて厳しい精度が要求されている。さらに、マスクパターンには光近接効果補正（ＯＰＣ）が行われているため、極めて複雑な形状になっている。

そのため、従来のような単なるパターン線幅の測定や穴径の測定のような１次元の寸法均一性検査では不十分であり、２次元の寸法管理が求められていた。その答えとして、マスクパターンの画像をＳＥＭ（Scanning Electron Microscope：走査型電子顕微鏡）により取得し、その画像からパターン輪郭を抽出してリソシミュレーションを行い、所望のリソグラフィ余裕度が得られるか否かでマスクパターンが所望の寸法に仕上げっているか否かを検査する手法を採用していた。本手法の最大のメリットは、マスクパターンの仕上りを、実際にウェハに露光して使用する条件に極めて近い状態で判断できることであり、不必要に厳しい管理や逆に甘い管理になることが無く、必要十分な管理ができる点である。

しかしながら本手法においても、昨今のさらに厳しいマスクの寸法管理においては、精度的に不十分な点が見えてきた。それは、ウェハ露光装置のＮＡ（開口率）が大きくなり、マスクの側壁角の影響が無視できなくなったためである。具体的には、マスクパターンの側壁角が、マスクパターンの被覆率やマスク面内の位置により異なっている。そのため、従来のように側壁角を無視して一律にＳＥＭ像からパターンの輪郭を抽出してしまうと、その輪郭データからリソグラフィシミュレーションした結果と実際のウェハ露光の結果とが合わなくなるケースが生じるようになった。

なお、非特許文献１には、２Ｄパターンの忠実度におけるマスク品質の定量的評価と、ＯＰＣモデルの有効性を評価する方法が記載されている。
W.C. Wang et al."Mask pattern fidelity quantification method" SPIE Vol.5256(2003) p.p.266-275

本発明の目的は、リソグラフィシミュレーションの結果と実際のウェハ露光の結果を一致させることができるマスクパターン評価方法及び評価装置を提供することにある。

本発明の一形態のマスクパターン評価方法は、フォトマスクのパターン画像を取得し、前記パターン画像からパターンの側壁角に関する側壁角データを生成し、前記パターン画像からパターン輪郭を抽出して輪郭データを生成し、前記輪郭データと前記側壁角データを基にリソグラフィシミュレーションを行い、露光余裕度を算出する。

本発明の他の形態のマスクパターン評価方法は、フォトマスクのパターン画像を取得し、前記パターン画像からパターンの側壁角に関する側壁角データを生成し、前記パターン画像からパターン輪郭を抽出して輪郭データを生成し、前記側壁角データを基に前記輪郭データのパターン輪郭位置を補正し、補正された前記輪郭データを基にリソグラフィシミュレーションを行い、露光余裕度を算出する。

本発明の他の形態のマスクパターン評価装置は、フォトマスクのパターン画像を取得するパターン画像取得手段と、前記パターン画像取得手段で取得したパターン画像からパターンの側壁角に関する側壁角データを生成するパターン側壁角解析手段と、前記パターン画像取得手段で取得したパターン画像からパターン輪郭を抽出して輪郭データを生成するパターン輪郭抽出手段と、前記パターン輪郭抽出手段で生成された輪郭データと前記パターン側壁角解析手段で生成された側壁角データを基にリソグラフィシミュレーションを行い、露光余裕度を算出するリソグラフィシミュレータと、を備えている。

本発明の他の形態のマスクパターン評価装置は、フォトマスクのパターン画像を取得するパターン画像取得手段と、前記パターン画像取得手段で取得したパターン画像からパターンの側壁角に関する側壁角データを生成するパターン側壁角解析手段と、前記パターン画像取得手段で取得したパターン画像からパターン輪郭を抽出して輪郭データを生成するパターン輪郭抽出手段と、前記パターン側壁角解析手段で生成された側壁角データを基に前記パターン輪郭抽出手段で生成された輪郭データのパターン輪郭位置を補正する輪郭データ補正手段と、前記輪郭データ補正手段で補正された前記輪郭データを基にリソグラフィシミュレーションを行い、露光余裕度を算出するリソグラフィシミュレータと、を備えている。

本発明によれば、リソグラフィシミュレーションの結果と実際のウェハ露光の結果を一致させることができるマスクパターン評価方法及び評価装置を提供できる。

以下、実施の形態を図面を参照して説明する。

（第１の実施の形態）
まず、通常のフォトマスク製造プロセスにより製作したフォトマスクであるＡｒＦ−ハーフトーン（ＨＴ）マスクを用意した。このＡｒＦ−ＨＴマスク上に形成したパターンは５５ｎｍデザインルールのメモリーデバイスであり、このマスクパターンに対してリソグラフィマージンが少ない箇所（ホットスポットと呼ぶ）を予め抽出してある。ホットスポットの抽出は、設計データに光近接効果補正（ＯＰＣ）を行った後のデータから、チップ全面のリソグラフィシミュレーションによりリソグラフィマージンの少ない箇所を特定したものである。今回は６４箇所のホットスポットを抽出した。

用意したＡｒＦ−ＨＴマスクをトプコン社製高精細ＳＥＭ（ＮＧＲ４０００）にセットし、ホットスポットのＳＥＭ像を取得した。ＮＧＲ４０００は、８０００×８０００画素という高精細画像を取得することが可能な装置であり、１画素がマスク上で２ｎｍという高分解能である。すなわち、取得した画像の視野は１６μｍ角ということになり、リソグラフィシミュレーションを行うには十分な大きさである。

図１の（ａ）はＡｒＦ−ＨＴマスクのＳＥＭ像を示す図であり、図１の（ｂ）はＳＥＭ像から抽出したパターン輪郭データを示す図である。図１の（ａ）に示す取得したＳＥＭ像から、ＮＧＲ社製輪郭抽出ソフトウェアにてパターンの輪郭を抽出し、図１の（ｂ）に示すパターン輪郭データを取得した。次いで、図１の（ａ）のＳＥＭ像のパターン輪郭を構成している白線の幅から、マスクパターンの側壁角を求めた。

図２は、マスクパターンの側壁角とＳＥＭ像の信号強度との関係を示す図である。図２に示すように、マスクパターンの側壁角θが小さいときはＳＥＭ像の白線の幅（信号強度が突出する部分）ｗが大きくなり、側壁角θが大きいときは逆に白線の幅ｗが短くなるという原理がある。この原理を利用してＡｒＦ−ＨＴマスクのパターンの側壁角を求めた。実際には、単純に白線の幅からだけではなく、ＳＥＭ像であるパターン画像中のパターン輪郭を構成する白線の強度プロファイルの微妙な差を基に、この強度プロファイルと予め求めておいた側壁角毎の強度プロファイルデータとのマッチングを行い、側壁角を求める。求めた側壁角に関して、各輪郭ごとに所定の間隔（例えば１００画素ごと）でパターン側壁角データとパターン輪郭データとを関連付けて保存した。

図３は、本第１の実施の形態に係るマスクパターン評価装置の構成を示すブロック図である。本第１の実施の形態のマスクパターン評価方法は、図３に示す一つのマスクパターン評価装置で実施できる。

図３に示すように、マスクパターン画像取得部１が、パターン側壁角解析部２を介してリソグラフィシミュレータ４に接続されているとともに、パターン輪郭抽出部３を介してリソグラフィシミュレータ４に接続されている。マスクパターン画像取得部１は、本装置にセットされたＡｒＦ−ＨＴマスクｍのパターン画像を取得する。パターン側壁角解析部２は、取得した該パターン画像から該パターンの側壁角に関する情報であるパターン側壁角データを生成する。パターン輪郭抽出部３は、取得した該パターン画像からパターン輪郭を抽出しパターン輪郭データを生成する。リソグラフィシミュレータ４は、パターン輪郭データとパターン側壁角データを基にリソグラフィシミュレーションを行う。

図４は、本第１の実施の形態のマスクパターン評価方法の手順を示すフローチャートである。まずステップＳ１で、検査者がＳＥＭにて、ＡｒＦ−ＨＴマスクｍのマスクパターンにおいてＳＥＭ像を取得する場所を選定する。ステップＳ２で、マスクパターン画像取得部１は、該マスクパターンのＳＥＭ像（パターン画像）を取得する。ステップＳ３で、パターン側壁角解析部２は、上述した原理によりＳＥＭ像であるパターン画像からパターン側壁角を算出し、ステップＳ４で、パターン側壁角データを得る。ステップＳ３の後、ステップＳ５で、パターン輪郭抽出部３はＳＥＭ像であるパターン画像からパターン輪郭を抽出し、ステップＳ６で、パターン輪郭データを得る。

次に、ステップＳ７で、上記のパターン側壁角データとパターン輪郭データを内製のリソグラフィシミュレータ４に入力し、製作したＡｒＦ−ＨＴマスクｍを使用してウェハに露光する際に用いられる光学条件にてリソグラフィシミュレーションを行った。

その結果、ステップＳ８で、ウェハ上で所望のパターン寸法が得られる露光量余裕度は８％、焦点深度は０．２１μｍであることが算出された。所望のパターン寸法を得るのに必要な露光量余裕度は１０％以上で焦点深度は０．２μｍ以上であるので、今回のこのＡｒＦ−ＨＴマスクｍのこのホットスポットの場所は露光量余裕度がスペック未達であるため、ＡｒＦ−ＨＴマスクｍは不合格品であると判定される。なお、上記の所望のパターン寸法を得るのに必要な露光量余裕度（露光量の範囲）と焦点深度、あるいはそれらのうち一方を露光余裕度と称する。あるいは、露光余裕度を最適な露光量と最適な焦点位置で得られるパターン寸法で定義してもよい。

比較のために、側壁角は一定として、単純にパターン輪郭データだけで同じシミュレーションを実施した場合、得られる露光量余裕度は１１％、焦点深度は０．２３μｍとなり、ＡｒＦ−ＨＴマスクｍは合格品であると判定される結果となった。

そこで、実際にこのＡｒＦ−ＨＴマスクｍを用いてウェハ上にレジストパターンを形成した。露光装置はニコン社製液浸露光装置で、ＮＡは０．９２である。また偏光照明も採用している。その結果、所望の寸法を得ることができた露光量余裕度は８％であり、焦点深度は０．２２μｍであった。このことから、液浸露光のような大きなＮＡでの露光ではマスクの側壁角の影響が大きくなることが分かる。よって本第１の実施の形態のように、マスクの側壁角の変動を考慮することにより、さらに忠実なリソグラフィシミュレーションが可能になり、マスクの合否判定の精度を向上させることができる。

（第２の実施の形態）
第２の実施の形態として、パターン側壁角データを基にパターン輪郭データを補正する場合を説明する。ホットスポットのＳＥＭ像からパターン側壁角データとパターン輪郭データを取得するまでの手順は上述した第１の実施の形態と同じある。異なる点は、パターン側壁角データを基にパターン輪郭データの輪郭位置を補正することにある。

図５は、本第２の実施の形態に係るマスクパターン評価装置の構成を示すブロック図である。本第２の実施の形態のマスクパターン評価方法は、図５に示す一つのマスクパターン評価装置で実施できる。図５において図３と同一な部分には同符号を付してある。

図５に示すように、マスクパターン画像取得部１が、パターン側壁角解析部２を介して輪郭データ補正部５に接続されているとともに、パターン輪郭抽出部３を介して輪郭データ補正部５に接続されている。輪郭データ補正部５はリソグラフィシミュレータ４に接続されている。輪郭データ補正部５は、パターン側壁角解析部２で生成されたパターン側壁角データを基に、パターン輪郭抽出部３で生成されたパターン輪郭データのパターン輪郭位置を補正する。リソグラフィシミュレータ４は、輪郭データ補正部５で補正された補正済みのパターン輪郭データを基にリソグラフィシミュレーションを行う。

図６は、本第２の実施の形態のマスクパターン評価方法の手順を示すフローチャートである。まずステップＳ１１で、検査者がＳＥＭにて、ＡｒＦ−ＨＴマスクｍのマスクパターンにおいてＳＥＭ像を取得する場所を選定する。ステップＳ１２で、マスクパターン画像取得部１は、該マスクパターンのＳＥＭ像（パターン画像）を取得する。ステップＳ１３で、パターン側壁角解析部２は、上述した原理によりＳＥＭ像であるパターン画像からパターン側壁角を算出してパターン側壁角データを得、ステップＳ１４で、パターン輪郭抽出部３はＳＥＭ像であるパターン画像からパターン輪郭を抽出してパターン輪郭データを得、輪郭データ補正部５はパターン側壁角データを基にパターン輪郭データの輪郭位置を補正し、ステップＳ１５で、補正済みのパターン輪郭データを得る。

次に、ステップＳ１６で、上記の補正済みのパターン輪郭データを内製のリソグラフィシミュレータ４に入力し、製作したＡｒＦ−ＨＴマスクｍを使用してウェハに露光する際に用いられる光学条件にてリソグラフィシミュレーションを行い、ステップＳ１７で、露光余裕度を算出した。

上記のステップＳ１４の処理は、ＳＥＭ像から一律の条件にて抽出したパターン輪郭を光学的に意味のある輪郭位置に補正することを意味している。本第２の実施の形態の処理は、リソグラフィシミュレーションにパターン側壁角データが取り込みにくい場合に有効である。

図７は、マスクパターン断面におけるＳＥＭ像の輪郭位置と光学的に意味のある輪郭位置を示す図である。従来使用しているＳＥＭ像の輪郭は、ハーフトーン膜厚ｈの約５０％の高さの輪郭を抽出している。一方、マスクを立体構造の無い平面のものとして捉えているリソグラフィシミュレーションにおける光学的に意味のある輪郭は、ハーフトーン膜の底から約２５％のところである。すなわち図７に示すように、光学的に意味のある輪郭位置は、ＳＥＭ像から取得した輪郭位置よりも外側にシフトした輪郭になる。側壁角θが一定な場合は一律のシフト量をＳＥＭ像からの輪郭位置に加えればよいのだが、側壁角が場所により異なる場合は側壁角に応じたシフト量をＳＥＭ像からの輪郭位置に加える必要がある。例えば、側壁角θが小さいほどシフト量は大きくなる。

本第２の実施の形態では、この輪郭位置の補正をパターン側壁角データにより行う。すなわち、側壁角に応じて輪郭位置をシフトさせる。この補正済みのパターン輪郭データでリソシミュレーションを行うことにより、上述した第１の実施の形態と同程度のマスクの合否判定の精度の向上が確認された。

以上のように各実施の形態によれば、取得したＳＥＭ像からマスクパターンの側壁角に関する情報を取得し、パターン側壁角データとパターン輪郭データを基にリソグラフィシミュレーションを行うか、あるいは、パターン側壁角データを基にパターン輪郭データの輪郭位置を補正し、この補正したパターン輪郭データを基にリソグラフィシミュレーションを行う。これにより算出された露光余裕度が所望の露光余裕度であるか否かを判断することで、マスクパターンが所望の寸法に仕上がっているか否かを検査することができる。

これにより、従来問題となっていたマスクパターンの側壁角の影響をリソグラフィシミュレーションに適切に取り込むことが可能となり、リソグラフィシミュレーションの結果と実際のウェハ露光の結果を一致させることを実現できる。

なお、本発明は上記各実施の形態のみに限定されず、要旨を変更しない範囲で適宜変形して実施できる。例えば、パターン側壁角に関する情報はＳＥＭ像からではなく、別途光学的な手法によるｓｃａｔｔｅｒｏｍｅｔｒｙ法により取得してもよい。また、電子ビームを斜めから照射するＳＥＭから取得してもよい。また、この実施形態では、マスクパターン評価方法について述べたが、この評価方法によって所望の仕様を満たすと判定されたフォトマスクを用いて半導体基板上に回路パターンを形成することにより半導体装置を製造することが可能となる。

第１の実施の形態に係るＡｒＦ−ＨＴマスクのＳＥＭ像とＳＥＭ像から抽出したパターン輪郭データを示す図。 第１の実施の形態に係るマスクパターンの側壁角とＳＥＭ像の信号強度との関係を示す図。 第１の実施の形態に係るマスクパターン評価装置の構成を示すブロック図。 第１の実施の形態に係るマスクパターン評価方法の手順を示すフローチャート。 第２の実施の形態に係るマスクパターン評価装置の構成を示すブロック図。 第２の実施の形態に係るマスクパターン評価方法の手順を示すフローチャート。 第２の実施の形態に係るマスクパターン断面におけるＳＥＭ像の輪郭位置と光学的に意味のある輪郭位置を示す図。

符号の説明

ｍ…ＡｒＦ−ＨＴマスク １…マスクパターン画像取得部 ２…パターン側壁角解析部 ３…パターン輪郭抽出部 ４…リソグラフィシミュレータ ５…輪郭データ補正部

Claims (5)

1. フォトマスクのパターン画像を取得し、
   前記パターン画像からパターンの側壁角に関する側壁角データを生成し、
   前記パターン画像からパターン輪郭を抽出して輪郭データを生成し、
   前記輪郭データと前記側壁角データを基にリソグラフィシミュレーションを行い、露光余裕度を算出することを特徴とするマスクパターン評価方法。
2. フォトマスクのパターン画像を取得し、
   前記パターン画像からパターンの側壁角に関する側壁角データを生成し、
   前記パターン画像からパターン輪郭を抽出して輪郭データを生成し、
   前記側壁角データを基に前記輪郭データのパターン輪郭位置を補正し、
   補正された前記輪郭データを基にリソグラフィシミュレーションを行い、露光余裕度を算出することを特徴とするマスクパターン評価方法。
3. 前記側壁角データの生成は、走査型電子顕微鏡で得たパターン画像のパターン輪郭を構成する白線の強度プロファイルを基に行うことを特徴とする請求項１または２に記載のマスクパターン評価方法。
4. フォトマスクのパターン画像を取得するパターン画像取得手段と、
   前記パターン画像取得手段で取得したパターン画像からパターンの側壁角に関する側壁角データを生成するパターン側壁角解析手段と、
   前記パターン画像取得手段で取得したパターン画像からパターン輪郭を抽出して輪郭データを生成するパターン輪郭抽出手段と、
   前記パターン輪郭抽出手段で生成された輪郭データと前記パターン側壁角解析手段で生成された側壁角データを基にリソグラフィシミュレーションを行い、露光余裕度を算出するリソグラフィシミュレータと、
   を具備したことを特徴とするマスクパターン評価装置。
5. フォトマスクのパターン画像を取得するパターン画像取得手段と、
   前記パターン画像取得手段で取得したパターン画像からパターンの側壁角に関する側壁角データを生成するパターン側壁角解析手段と、
   前記パターン画像取得手段で取得したパターン画像からパターン輪郭を抽出して輪郭データを生成するパターン輪郭抽出手段と、
   前記パターン側壁角解析手段で生成された側壁角データを基に前記パターン輪郭抽出手段で生成された輪郭データのパターン輪郭位置を補正する輪郭データ補正手段と、
   前記輪郭データ補正手段で補正された前記輪郭データを基にリソグラフィシミュレーションを行い、露光余裕度を算出するリソグラフィシミュレータと、
   を具備したことを特徴とするマスクパターン評価装置。

Images