JP2009020393A - マスクパターン形成方法 - Google Patents

Abstract

【課題】マスクパターンの形成方法において、繰り返しパターンの抽出効率を向上できる技術を提供する。
【解決手段】レイアウトデータの中から、例えば、同一のパターンを有するセルパターンＡを抽出する。抽出されたセルパターンＡは隣接する隣接パターンの相違により、例えば、セルパターンＡ_１〜Ａ_５に分類される。このセルパターンＡ_１〜Ａ_５に対して、セルグループ分類部３による分類を実施する。これにより、例えば、セルパターンＡ_１〜Ａ_３を同一のセルグループに分類し、セルパターンＡ_４〜Ａ_５を別の同一のセルグループに分類する。続いて、分類した２つのセルグループについて、ＯＰＣ共通化部５によるＯＰＣを実施する。例えば、セルパターンＡ_１〜Ａ_３を含むセルグループについて、それぞれのセルパターンＡ_１〜Ａ_３に共通なＯＰＣを実施する。
【選択図】図５

Description

本発明は、マスクパターン形成技術に関し、特に、繰り返しパターンを利用して部分一括露光するキャラクタプロジェクション（ＣＰ：Character Projection）法を使用してマスクパターンを形成する技術に適用して有効な技術に関するものである。

特開２００６−２７６０７９号公報（特許文献１）には、増大するＯＰＣ（Optical Proximity Correction）処理時間の短縮を実現し、かつ、半導体デバイスの製造ＴＡＴ（Turn Around Time）を短くしてコスト削減できるマスクパターン設計方法が記載されている。

具体的には、半導体回路パターンの基本構成をなすセルライブラリパターンに予めＯＰＣ処理を行ない、ＯＰＣ処理されたセルライブラリパターンを用いて半導体チップを作成するとしている。このとき、マスクパターン設計方法は、マスクパターンを露光してパターンを形成する際に生じる形状変化を補正する光近接効果補正の処理を、セルライブラリごとに施す。そして、複数のセルライブラリを配置してマスクパターンを設計する。続いて、セルライブラリに施した光近接効果補正の補正量を、周囲に配置したセルライブラリのパターンの影響を考慮して変化させるとしている。ここで、この補正処理を予め採取した周囲のパターンによる影響度と遺伝的アルゴリズムによって行なうとしている。
特開２００６−２７６０７９号公報

半導体装置の製造工程では、フォトリソグラフィ技術が多用される。フォトリソグラフィ技術とは、光を用いた写真蝕刻技術のことである。具体的に、半導体ウェハの表面に感光性樹脂膜（レジスト膜）を塗布する。そして、回路パターンが形成されているフォトマスクを通して紫外線やエキシマレーザ光線などを照射してマスクパターンを感光性樹脂膜上に転写する。続いて、感光性樹脂に対して現像処理を施すことにより、感光性樹脂膜をパターニングする。これらの一連した技術がフォトリソグラフィ技術である。フォトリソグラフィ技術によって感光性樹脂膜をパターニングした後、パターニングした感光性樹脂膜をマスクにしたエッチングにより感光性樹脂膜の下層に形成されている下地膜をエッチングする。これにより、下地膜をパターニングすることができる。半導体装置の製造工程では、フォトリソグラフィ技術とエッチング技術が多用されてデバイスパターンや配線パターンが形成される。

近年、半導体装置の製造業では、小型化のために半導体装置の集積密度を増加することが行なわれてきている。このため、半導体ウェハ上に回路パターンを転写するフォトリソグラフィ技術の解像度の向上が求められている。例えば、フォトリソグラフィ技術の解像度を向上する技術としては、位相シフトマスクや変形照明などの超解像度技術が挙げられる。

しかし、これらの技術だけでは、回路パターンを忠実に半導体ウェハへ転写することが困難になってきている。その理由は、転写する回路パターンの微細化が進むにつれて光近接効果（Optical Proximity Effect：以下、ＯＰＥと略す）が顕在化するからである。ＯＰＥとは、マスクパターンでの回折光のうち、低次成分の回折光しか半導体ウェハ上に集光されない現象である。すなわち、ＯＰＥとは、マスクパターンの輪郭がそのまま忠実に半導体ウェハへ形成されず、半導体ウェハ上に転写されるパターンの角部が丸くなったり、長さが短くなったりして、半導体ウェハ上に転写されるパターンの形状精度が大幅に劣化する現象である。

ＯＰＥの問題は、半導体装置の微細化に伴い顕在化している。例えば、半導体ウェハに転写されるパターンには、ＤＲＡＭ（Dynamic Random Access Memory）デバイスのパターンがあるが、このＤＲＡＭのメタル配線ピッチの半分をハーフピッチ（half pitch:ｈｐと略す）として微細化の程度を示している。ｈｐが露光波長以下になると、マスクパターンによって回折された光のうち、低次成分しかレンズを通過できなくなり、半導体ウェハ上に到達する回折光の次数が低下するので、ＯＰＥの問題が顕在化する。例えば、露光波長が２４８ｎｍで、ｈｐが３５０ｎｍ（ｈｐ＞露光波長）のフォトリソグラフィ技術ではそれほどＯＰＥの問題が顕在化しなかったが、現在主流の露光波長が１９３ｎｍで、ｈｐが９０ｎｍの９０ｎｍ世代（ｈｐ＜露光波長）では、ＯＰＥが深刻な問題となっている。

そこで、マスクの形成工程において、上述したＯＰＥを打ち消す補正パターンを生成する光近接効果補正（Optical Proximity Correction：以下、ＯＰＣと略す）が必要不可欠となっている。ＯＰＣでは、ＯＰＥを事前に予測し、マスクパターンの寸法や形状を補正することで、回路パターンを半導体ウェハ上に転写する精度を向上させている。したがって、現在、マスクパターンを形成する工程においては、マスクパターンにＯＰＣを施すことが一般的になっている。

マスクパターンを形成する方法としては、電子ビーム直描技術がある。電子ビーム直描技術とは、電子ビームを走査させて、マスク基板上にマスクレスで図形パターンを描画する方法である。しかし、可変整形ビーム（Variable Shaped Beam：ＶＳＢと略す）といった伝統的な電子ビームを使用する描画技術のスループットは非常に低いものである。ＶＳＢを使用した描画技術では、パターンは多数の小さな矩形および三角形に分解されて描画される。例えば、“Ｅ”という図形は４つの矩形に分解されるので、４回のショットでマスク基板上に描画される。このように電子ビーム直描技術においては、所望の回路パターンを描画するために、非常に多くの矩形あるいは三角形をマスク基板上に描画する必要がある。この結果、電子ビーム直描装置のスループットは低いものとなる。

そこで、マスクパターンの形成技術としてスループットを向上させる技術がある。例えば、マスク描画方法に繰り返しパターンを利用して部分一括転写するキャラクタプロジェクション法（Character Projection：以下、ＣＰ法と略す）と呼ばれる技術である。ＣＰ法は、回路パターン中によく現れる図形パターン（キャラクタと呼ぶ）をＣＰアパーチャマスク上に用意しておき、ＣＰアパーチャ上に形成されているキャラクタに電子ビームを照射することにより、キャラクタを一括してマスク基板上に転写する方法である。例えば、上述した“Ｅ”という図形を１つのキャラクタとして実現することにより、１回のショットで描画するものである。ＶＳＢを使用した描画技術では、例えば、“Ｅ”の図形パターンを描画する際、４回のショット数を要することを考慮すると、ＶＳＢを使用した描画技術に比べてＣＰ法はスループットの高い描画法であることがわかる。特に、ＣＰ法は、数μｍ角に収まる複数の矩形および三角形を１ショットで描画できるので、ショット数を効率よく低減できる利点がある。さらに、ＣＰ法では、回路パターン中に同一のキャラクタが存在すればするほどショット数を効率よく低減することができる。

したがって、ＣＰ法では、回路パターンの中から如何に繰り返しパターン（キャラクタ）を抽出できるかが、ショット数を低減し、マスク描画に必要な時間を大幅に短縮する観点から重要であることがわかる。

ここで、ＯＰＣ処理済みのマスクパターンの形成方法において、メモリ回路パターンを有するマスクパターンの形成にＣＰ法の適用は効果がある。なぜならば、ＯＰＣ処理済みのメモリ回路パターンには、繰り返しパターンが多く存在するからである。これに対し、ロジック回路パターンを有するマスクパターンの形成には、ＣＰ法の利点を充分に発揮することができない。この理由としては、ロジック回路パターンは、機能単位であるセルパターンが不規則に配置されているため、それぞれのセルパターンは同じであってもそれぞれのセルパターンに隣接する隣接パターンが異なるからである。つまり、隣接パターンを考慮してそれぞれのセルパターンに対してＯＰＣ処理を施すと異なるパターンになるのである。隣接パターンを考慮したＯＰＣ処理前は同じパターンであるセルパターンが、隣接パターンを考慮したＯＰＣ処理後は異なるパターンとなるのである。すなわち、ロジック回路パターンを有するマスクパターンでは、隣接パターンを考慮したＯＰＣ処理によって、１つのセルパターンから複数の異なる派生パターンに多様化する。このため、繰り返しパターンの抽出効率が低下するのである。

本発明の目的は、マスクパターンの形成方法において、繰り返しパターンの抽出効率を向上できる技術を提供することにある。

本発明の前記ならびにその他の目的と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、次のとおりである。

本発明によるマスクパターン形成方法は、（ａ）機能単位のパターンであるセルパターンを複数種類組み合わせることによりレイアウトパターンを形成する工程と、（ｂ）前記レイアウトパターンから、同じパターンを有する複数の同一セルパターンを抽出する工程と、（ｃ）前記（ｂ）工程で抽出した前記複数の同一セルパターンのそれぞれに隣接する隣接パターンを比較し、前記隣接パターンが類似すると判断される前記複数の同一セルパターンを同一のグループに分類する工程と、（ｄ）前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンに対して、前記隣接パターンを考慮した同一の光近接効果補正を実施する工程とを備えることを特徴とするものである。

本願において開示される発明のうち、代表的なものによって得られる効果を簡単に説明すれば以下のとおりである。

隣接パターンが類似するセルパターンを同一のグループに分類し、同一のグループに分類された複数のセルパターンに対して、同一のＯＰＣを施すように構成しているので、マスクパターンの形成方法において、繰り返しパターンの抽出効率を向上することができる。

以下の実施の形態においては便宜上その必要があるときは、複数のセクションまたは実施の形態に分割して説明するが、特に明示した場合を除き、それらはお互いに無関係なものではなく、一方は他方の一部または全部の変形例、詳細、補足説明等の関係にある。

また、以下の実施の形態において、要素の数等（個数、数値、量、範囲等を含む）に言及する場合、特に明示した場合および原理的に明らかに特定の数に限定される場合等を除き、その特定の数に限定されるものではなく、特定の数以上でも以下でもよい。

さらに、以下の実施の形態において、その構成要素（要素ステップ等も含む）は、特に明示した場合および原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではないことは言うまでもない。

同様に、以下の実施の形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合および原理的に明らかにそうではないと考えられる場合等を除き、実質的にその形状等に近似または類似するもの等を含むものとする。このことは、上記数値および範囲についても同様である。

また、実施の形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。なお、図面をわかりやすくするために平面図であってもハッチングを付す場合がある。

（実施の形態１）
フォトリソグラフィ技術では、マスク（レチクル）が使用されるが、マスクは、例えば、以下に示すようにして形成される。例えば、透過性物質である石英ガラス基板上に遮光膜となるクロム（Ｃｒ）膜を形成し、このクロム膜をパターニングすることにより、石英ガラス基板上に回路パターンを形成するものである。

石英ガラス基板上に形成されたクロム膜をパターニングして回路パターンを形成するには、電子ビームを使用した露光技術が使用される。通常、クロム膜上に電子線に感応するレジスト膜を塗布した後、このレジスト膜に対して電子ビームを走査することにより、レジスト膜をパターニングする。そして、パターニングしたレジスト膜をマスクにしたエッチングによりクロム膜を加工する。これにより、クロム膜を加工して石英ガラス基板上に回路パターンを形成することができる。以上のように、マスクパターンの形成工程では、電子ビームによるマスクパターン描画技術が使用される。電子ビームによるマスクパターン描画技術としては、可変整形ビームを使用して回路パターンを描画する電子ビーム直接描画技術という技術が一般的に使用されている。しかし、電子ビーム直接描画技術では、スループットが低下する問題点がある。

そこで、電子ビームによるマスクパターン描画技術として、繰り返しパターンを利用して部分一括転写するＣＰ法（部分一括露光法）と呼ばれる技術がある。ＣＰ法は、回路パターン中によく現れる図形パターン（キャラクタと呼ぶ）をアパーチャマスク上に用意しておき、アパーチャ上に形成されているキャラクタに電子ビームを照射することにより、キャラクタを一括してマスク基板上に転写する方法である。この方法によれば、キャラクタと呼ばれる図形パターンを１ショットで一括転写することができるので、スループットを向上することができる。

以下では、ＣＰ法の原理について図面を参照しながら説明する。図１は、ＣＰ法を使用してマスクにマスクパターンを形成する技術を説明する図である。図１において、ＣＰ法を使用する電子ビーム描画装置は、電子ビーム生成部（図示せず）、成形絞り板ＳＳ、成形レンズ、アパーチャマスクＡＰおよび投影レンズを有している。そして、投影レンズの下方に回路パターンを形成するマスク基板ＭＳが配置されている。マスク基板ＭＳは、例えば、石英ガラス基板上にクロム膜が形成されており、このクロム膜上に電子線に感応するレジスト膜が塗布されている。

電子ビーム生成部は電子ビームを生成するように構成されており、成形絞り板ＳＳは、電子ビームに対する絞りとして機能する。成形レンズは、電子ビームを成形するように構成されており、成形レンズの下方にアパーチャマスクＡＰが配置されている。

図２は、アパーチャマスクＡＰの構成を示す平面図である。図２に示すように、アパーチャマスクＡＰには、部分一括露光用アパーチャ部ＡＰ１と可変成形用アパーチャ部ＡＰ２が形成されている。部分一括露光用アパーチャ部ＡＰ１には、マスクに転写する回路パターンに繰り返し現れる図形パターン（キャラクタ）が複数形成されている。例えば、回路パターンには、複数のキャラクタが存在すると考えられるので、これらの複数のキャラクタに対応したパターンが、アパーチャマスクＡＰに形成されている。一方、可変成形用アパーチャ部ＡＰ２は矩形形状の開口部が形成されている。

図１に示すように、アパーチャマスクＡＰの下方には、投影レンズが配置されており、この投影レンズの下方に回路パターンを形成するマスク基板ＭＳが配置されている。

ＣＰ法を使用する電子ビーム描画装置は上記のように構成されており、以下に、その描画動作について説明する。図１において、電子ビーム生成部（図示せず）から射出された電子ビームＥＢは、成形絞り板ＳＳに形成されている矩形形状の絞りを通過する。そして、成形絞り板ＳＳを通過した電子ビームＥＢは、成形レンズによって所定形状に成形され、アパーチャマスクＡＰに入射する。

ここで、部分一括露光処理を実施する場合には、成形された電子ビームＥＢは、アパーチャマスクＡＰの部分一括露光用アパーチャ部ＡＰ１（図２参照）に照射される。すなわち、電子ビームＥＢは、キャラクタが形成された部分一括露光用アパーチャ部ＡＰ１の１つのキャラクタ全体を照射する。そして、アパーチャマスクＡＰを通過した電子ビームＥＢは、投影レンズを介してマスク基板ＭＳ上に照射される。このとき、電子ビームＥＢは、アパーチャマスクＡＰの１つのキャラクタを一括して照射しているので、アパーチャマスクＡＰを通過した電子ビームＥＢにより、マスク基板ＭＳ上に１つのキャラクタが一括して転写される。このように１ショットでマスク基板ＭＳ上に１つのキャラクタを転写することができるので、スループットを向上することができる。キャラクタは回路パターンに繰り返し現れる図形パターンであるから、マスク基板ＭＳの電子ビームＥＢ照射位置を変えて、上述した動作を繰り返すことにより、マスク基板ＭＳの複数の位置にキャラクタを転写することができる。

ＣＰ法の特徴は、繰り返しパターンであるキャラクタを一括してマスク基板ＭＳ上に転写する点にあるが、マスク基板ＭＳ上に転写する回路パターンの中にはキャラクタ以外の共通化できないパターンも存在する。この共通化できないパターンを描画する場合には、アパーチャマスクＡＰの可変成形用アパーチャ部ＡＰ２を使用する。すなわち、成形絞り板ＳＳと可変成形用アパーチャ部ＡＰ２の位置を調整して矩形形状の開口部を形成する。例えば、成形絞り板ＳＳと可変成形用アパーチャ部ＡＰ２の平面的に重なる領域を微小の矩形形状にして、成形絞り板ＳＳと可変成形用アパーチャ部ＡＰ２を通過した電子ビームＥＢの形状を微小の矩形形状にする。そして、微小の矩形形状に加工された電子ビームＥＢを走査させることにより、共通化できないパターンも描画することができる。

このようして、マスク基板ＭＳ上に回路パターンを転写することができる。その後は、マスク基板ＭＳ上に形成されているレジスト膜に対して現像処理を実施し、レジスト膜に転写した回路パターンを顕在化する。続いて、パターニングしたレジスト膜をマスクにしてクロム膜をエッチングすることにより、クロム膜に回路パターンを形成する。以上のようにして、回路パターンを形成したマスクを製造することができる。

上述したＣＰ法では、マスクパターン形成工程で使用される電子ビーム描画装置のスループットを向上することを目的としているが、この目的を達成するためには、回路パターンおいて如何に多くの繰り返しパターン（キャラクタ）を抽出することができるかが重要となってくる。つまり、回路パターンからより多くの繰り返しパターンを抽出できれば、ＣＰ法を有効に機能させることができるのである。

回路パターンには様々な種類があり、それぞれの種類に応じて繰り返しパターンの発生頻度が異なっている。したがって、繰り返しパターンの多い回路パターンではＣＰ法が有効に機能し、繰り返しパターンの少ない回路パターンではＣＰ法が充分に機能しない。この例について説明する。

図３は、ロジック回路とメモリ回路での繰り返しパターンを比較する図である。図３において、「Ｐｏｌｙ」とは、ポリシリコン膜を使用したパターンを示しており、例えば、ＭＩＳＦＥＴ（Metal Insulator Semiconductor Field Effect Transistor）を構成するゲート電極のパターンが考えられる。一方、「Ｍ１」とは、金属膜を使用した第１配線層の配線パターンを示している。そして、「引用個数」とは、同一パターンを有する繰り返しパターンの引用個数を示している。例えば、ロジック回路の「Ｐｏｌｙ」の引用個数は６８０になっている。つまり、同一パターンを有する繰り返しパターンの対象個数が６８０個になっているということである。「ＯＰＣ後の派生個数」とは、引用個数で示している同一パターンを有する繰り返しパターンに、隣接パターンを考慮したＯＰＣ処理を実施した場合、異なるパターンになる個数を示している。「Ｌｏｗ」、「Ｍｅｄｉｕｍ」、「Ｈｉｇｈ」、「Ｈｉｇｈ＋」はＯＰＣの処理レベルを示し、「Ｈｉｇｈ＋」になるほど高精度のＯＰＣを施している。

ここで、ＯＰＣとは、ＯＰＥを打ち消す補正パターンを生成する光近接効果補正のことを示している。ＯＰＥとは、光近接効果であり、マスクパターンの輪郭がそのまま忠実に半導体ウェハへ形成されない現象をいう。このＯＰＥを事前に予測し、マスクパターンの寸法や形状を補正する処理をＯＰＣといい、ＯＰＣを施すことにより回路パターンを半導体ウェハ上に転写する精度を向上させている。すなわち、通常のマスクパターン形成工程では、マスク上にＯＰＣが実施された回路パターンを形成する。ＯＰＣは、対象となる繰り返しパターンに隣接する隣接パターンを考慮して実施するので、同一パターンを有する繰り返しパターンであっても、隣接パターンが異なれば実施されるＯＰＣも異なり、最終的に異なるパターンになる。

このことを前提として図３を検討する。図３においてメモリ回路の「Ｐｏｌｙ」を見ると「引用個数」が１５３９個になっている。これは、同一パターンの繰り返しパターンを１５３９個抽出していることを示している。そして、１５３９個の繰り返しパターンに対して、それぞれの隣接パターンを考慮してＯＰＣを実施する。すると、例えば、「Ｈｉｇｈ＋」では５種類の異なるパターンに派生することがわかる。１５３９個の繰り返しパターンから５種類の異なるパターンが派生するのである。このことから、メモリ回路では、繰り返しパターンに隣接する隣接パターンが同一の場合が多いことがわかる。すなわち、メモリ回路では、ＯＰＣを実施しても異なるパターンになることが少ない傾向があることがわかる。したがって、メモリ回路の回路パターンでは、ＣＰ法が有効に機能することがわかる。

これに対し、ロジック回路の「Ｐｏｌｙ」を見ると「引用個数」が６８０個であり、同一パターンの繰り返しパターンを６８０個抽出していることになる。そして、６８０個の繰り返しパターンに対して、それぞれの隣接パターンを考慮してＯＰＣを実施する。すると、例えば、「Ｈｉｇｈ＋」では６６０種類の異なるパターンに派生することがわかる。６８０個の繰り返しパターンから６６０種類の異なるパターンが派生するのである。このことから、ロジック回路では、繰り返しパターンに隣接する隣接パターンが異なる場合が多いことがわかる。すなわち、ロジック回路では、ＯＰＣを実施すると異なるパターンになることが多い傾向があることがわかる。したがって、この現状を考えると、ロジック回路の回路パターンでは、ＣＰ法を適用しても充分に効果があるとは言えないことがわかる。

この理由として、ロジック回路では、セルが不規則に配置されているため、同一パターンの繰り返しパターンにおいて、隣接環境が相違することが考えられる。隣接パターン（隣接環境）の相違によってＯＰＣで生成されるパターン（ＯＰＣ図形）が異なり、１つの繰り返しパターンから複数の異なる派生パターンに多様化するのである。以上より、ロジック回路へＣＰ法を適用するためには、ＯＰＣを工夫することにより同一の繰り返しパターンの多様化を抑え、繰り返しパターンの抽出効率を向上させることが必要であることがわかる。

そこで、本実施の形態１は、ＣＰ法を使用するマスクパターン形成方法において、ＯＰＣを実施しても繰り返しパターンの抽出効率を向上することができる技術を提供するものである。具体的には、ロジック回路における隣接環境の相違によって、同一パターンを有する繰り返しパターンがＯＰＣ後に多様化することを抑え、繰り返しパターンから異なる種類のパターンへ派生することを低減することを目指す。つまり、本実施の形態１では、ロジック回路でも繰り返しパターンの抽出効率を向上させて、ＣＰ法を有効に機能させることができる技術を提供するものである。

図４は、本実施の形態１におけるマスクパターン形成方法の流れを示す図である。図４では、マスクパターンのデータを作成する工程を示している。図４において、ＯＰＣ済みセルＤＢ（データベース）１は、ハードディスクなどの記憶装置から構成されており、内部に複数のＯＰＣ済みのセルパターンが記憶されている。すなわち、本実施の形態１では、セルパターンの段階でＯＰＣが実施されている。セルパターン（セルライブラリ）とは、ＡＮＤ回路、ＯＲ回路、ＮＡＮＤ回路、ＮＯＲ回路などの機能を有する回路パターンとして定義される。すなわち、機能単位の回路パターンがセルパターンであり、複数の異なるセルパターンがＯＰＣ済みセルパターンＤＢ１に記憶されている。そして、それぞれのセルパターンにはＯＰＣが実施されている。この段階でのＯＰＣは、個々のセルパターンだけを考慮したものになっている。すなわち、セルパターンに隣接する隣接パターンはこの段階では形成されていないので、隣接パターンを考慮したＯＰＣにはなっていないのである。

次に、レイアウトデータＤＢ（データベース）２は、レイアウトデータを記憶する。このレイアウトデータは、ロジック回路やメモリ回路を構成する回路全体のレイアウトパターンを示すものである。このレイアウトパターンは、ＯＰＣ済みセルＤＢ１に記憶されている複数のセルパターンを組み合わせることにより形成されている。このとき、レイアウトデータにおいて、複数のセルパターンをどのように配置しているかを示す配置データ（例えば、座標データ）は、設計セル情報として記憶されている。したがって、設計セル情報により、レイアウトパターンに組み込まれている特定のセルパターンを抽出することができる。レイアウトデータは、複数のセルパターンを組み合わせて形成されているので、セルパターンのそれぞれには、隣接する隣接パターンが存在する状態となっている。ただし、それぞれのセルパターンは、それぞれのセルパターンだけを考慮したＯＰＣが実施されているが、隣接パターンを考慮したＯＰＣは実施されていない。すなわち、レイアウトデータは、ＯＰＣ済みセルパターンＤＢ１に記憶されているセルパターンを単に組み合わせて形成されているデータである。

続いて、セルグループ分類部３は、まず、レイアウトデータＤＢ２に記憶されているレイアウトデータから同一のパターンを有する同一セルパターンを抽出するように構成されている。本明細書で同一セルパターンとは、同一のパターンを有するセルパターンをいうものとする。レイアウトデータから同一セルパターンを抽出するには、設計セル情報を利用する。そして、セルグループ分類部３は、抽出した複数の同一セルパターンの隣接パターンを設計セル情報で把握し、隣接パターンの類似する同一セルパターンを同一のグループに分類するように構成されている。同一のグループに分類された同一セルパターンは、セルグループＤＢ（データベース）４に記憶されている。

つまり、セルグループＤＢ４には、あるグループに分類された同一セルパターンや別のグループに分類された同一セルパターンがグループ単位で記憶されている。

次に、ＯＰＣ共通化部５は、同一のグループに分類された同一セルパターンにおいて、隣接パターンを考慮した同一のＯＰＣを実施するように構成されている。同一のグループに属する複数の同一セルパターンは、隣接パターンが類似するが異なっている。このため、単に、通常のＯＰＣ技術を用いて、隣接パターンを考慮したＯＰＣを、同一のグループに属する複数の同一セルパターンに実施すると、複数の同一セルパターンが複数の異なるパターンに派生してしまう。そこで、ＯＰＣ共通化部５では、同一のグループに属する複数の同一セルパターンは、それぞれ隣接パターンが異なるが類似する点を考慮して、同一のＯＰＣを実施する。これにより、隣接パターンを考慮したＯＰＣを実施した後も、同一のグループに属する複数の同一セルパターンは、共通するパターンを維持することができるのである。したがって、同一セルパターンに対して隣接パターンを考慮したＯＰＣを施した後でも同じパターンとなるので、同一パターンの抽出効率を向上することができる。

このように同一セルパターンの抽出効率を向上できるのは、本実施の形態１の特徴であるセルグループ分類部３とＯＰＣ共通化部５を設けているからである。まず、セルグループ分類部３で、隣接パターンの類似する複数の同一セルパターンを同一のグループに分類する。これは、隣接パターンの類似する同一セルパターンでは、隣接パターンを考慮したＯＰＣを実施しても、ＯＰＣ後のパターンにそれほど相違点はないことに着目したものである。つまり、セルグループ分類部３では、隣接パターンを考慮したＯＰＣを実施しても、相違点が少ないパターンになると推測される同一セルパターンを同じグループに分類することを目的としている。

そして、同一のグループに分類された複数の同一セルパターンに対して、ＯＰＣ共通化部５で隣接パターンを考慮した同一のＯＰＣを実施する。同一のグループに分類されている複数の同一セルパターンでは、隣接パターンは異なるため、それぞれの隣接パターンを正確に考慮したＯＰＣを実施すると、複数の同一セルパターンが異なるパターンに派生してしまう。しかし、セルグループ分類部３で同一のグループに分類された同一セルパターンは、隣接パターンが類似していることを考えると、同一のグループに分類された同一セルパターンに対して、同一のＯＰＣを実施しても、それほど誤差は生じない。したがって、ＯＰＣ共通化部５は、隣接パターンの類似する複数の同一セルパターンに対して、それぞれの同一セルパターンで誤差が少なくなる共通のＯＰＣを見つけ出すように構成している点に特徴がある。これにより、同一セルパターンに対して隣接パターンを考慮したＯＰＣを施した後でも同じパターンとなるので、同一パターンの抽出効率を向上することができるのである。

続いて、ＯＰＣ共通化部５で、隣接パターンを考慮したＯＰＣを実施した後の同一セルパターンを組み合わせて、隣接パターンを考慮したＯＰＣ後のレイアウトデータが形成される。この隣接パターンを考慮したＯＰＣ後のレイアウトデータは、ＯＰＣ後データＤＢ６に記憶される。

そして、フラクチャリング部７は、ＯＰＣ後データＤＢ６に記憶されている隣接パターンを考慮したＯＰＣ後のレイアウトデータをマスクパターンの形成に適するように加工する。次に、ＣＰ描画データＤＢ８および検査データＤＢ９は、フラクチャリング部７で加工されたデータを記憶するように構成されている。

本実施の形態１におけるマスクパターン形成方法は上記のように構成されており、以下にその特徴動作の具体例について図５を参照しながら説明する。

図５に示すように、複数の異なるセルパターンを使用してレイアウトデータを作成する。このとき、複数の異なるセルパターンは、セルパターン単位でのＯＰＣが実施されている。次に、このレイアウトデータの中から、例えば、同一のパターンを有するセルパターン（同一セルパターン）Ａを抽出する。セルパターンＡの抽出には、セルパターンの配置位置を示す情報を含む設計セル情報を利用する。抽出されたセルパターンＡは隣接する隣接パターンの相違により、例えば、セルパターンＡ_１〜Ａ_５に分類される。すなわち、セルパターンＡ_１〜Ａ_５は同一のパターンを有するが隣接パターンの異なるパターンである。

このセルパターンＡ_１〜Ａ_５に対して、セルグループ分類部３による分類を実施する。これにより、例えば、セルパターンＡ_１〜Ａ_３を同一のセルグループに分類し、セルパターンＡ_４〜Ａ_５を別の同一のセルグループに分類する。同一のセルグループに分類されたセルパターンＡ_１〜Ａ_３は、類似する隣接パターンを有している。同様に、他の同一のセルグループに分類されたセルパターンＡ_４〜Ａ_５は、類似する隣接パターンを有している。

続いて、分類した２つのセルグループについて、ＯＰＣ共通化部５によるＯＰＣを実施する。例えば、セルパターンＡ_１〜Ａ_３を含むセルグループについて、それぞれのセルパターンＡ_１〜Ａ_３に共通なＯＰＣを実施する。つまり、セルパターンＡ_１〜Ａ_３の隣接パターンが類似していることを利用して、セルパターンＡ_１〜Ａ_３の隣接パターンの相違を吸収した１つのパターンＡａを生成する。同様に、セルパターンＡ_４〜Ａ_５の隣接パターンが類似していることを利用して、セルパターンＡ_４〜Ａ_５の隣接パターンの相違を吸収した１つのパターンＡｂを生成する。

以上のようにして、同一のパターンを有するが隣接パターンの異なるセルパターンＡ_１〜Ａ_５を、隣接パターンを考慮したＯＰＣを実施した後にパターンＡａとパターンＡｂにまとめることができる。例えば、本実施の形態１におけるマスクパターン形成方法を適用しない場合には、セルパターンＡ_１〜Ａ_５について、隣接パターンを考慮したＯＰＣを実施すると、異なる５種類のパターンに派生してしまう。しかし、本実施の形態１におけるマスクパターン形成方法を適用すると、セルパターンＡ_１〜Ａ_５について、隣接パターンを考慮したＯＰＣを実施しても、２種類のパターンＡａ、Ａｂにまとめることができるのである。したがって、マスクパターン形成方法に、セルグループ分類部３による分類技術とＯＰＣ共通化部５によるＯＰＣ共通化技術を適用することで、隣接パターンの相違によるＯＰＣ図形の多様化を抑え、繰り返しパターンの抽出効率を向上することができる。本明細書で、ＯＰＣ図形とは、ＯＰＣにより形成されるパターンを意味するものとする。

本実施の形態１におけるマスクパターン形成方法の特徴をまとめると以下のようになる。まず、第１に、本実施の形態１におけるマスクパターン形成方法は、設計セル情報を利用したトップダウン方式になっている利点が挙げられる。つまり、レイアウトデータを作成する時点では、既にセルパターン単位でのＯＰＣが実施されているセルパターンを使用している。このため、レイアウトデータ作成後に行なわれるセルグループ分類部３による分類処理とＯＰＣ共通化部５によるＯＰＣ共通化処理をセル単位で行なうことができ、設計セル情報を積極的に利用した効率の良いトップダウン方式の処理を実現することができる。

第２に、本実施の形態１におけるマスクパターン形成方法の特徴は、セルグループ分類部３による分類処理を、セルパターンに隣接する隣接パターンの特徴を利用して分類する点にある。つまり、隣接パターンの異なる複数の同一セルパターンを、それぞれの隣接パターンの特徴（傾向・配置）によって、類似する隣接パターンを有するセルグループに分類し、隣接パターンを考慮したＯＰＣ（ＯＰＣ図形）を共通化できるセルグループに効率よく分類することができる点にある。

第３に、本実施の形態１におけるマスクパターン形成方法の特徴は、ＯＰＣ共通化部５によるＯＰＣ共通化処理を実施する点にある。具体的には、露光精度を損なわないように、隣接パターンの類似する同一セルパターンに対して、隣接パターンを考慮した同一のＯＰＣを実施することにより、隣接パターンの類似する同一セルパターンでＯＰＣ図形を共通化し、繰り返しパターンの抽出効率を向上できる点にある。

以上のように、本実施の形態１におけるマスクパターン形成方法には複数の特徴があるが、次に、特徴の１つであるセルグループ分類部による分類処理の詳細な内容について説明する。

セルグループ分類部では、レイアウトデータの中に存在する隣接パターンの異なる同一セルパターンから、隣接パターンを考慮したＯＰＣ（ＯＰＣ図形）の共通化が可能な同一セルパターンを同一グループに分類することが行なわれる。まず、隣接パターンについて説明する。図６は、１つのセルパターンＣＬＰとこのセルパターンＣＬＰに隣接する隣接パターンＮＰ（斜線領域）を示す図である。図６に示すように、隣接パターンとは、例えば、対象となるセルパターンＣＬＰの周囲に配置されるパターンのことである。図６では、例えば、この隣接パターンＮＰとして考慮する領域を、セルパターンＣＬＰのＯＰＣに主要な影響を及ぼす範囲として、セルパターンＣＬＰの外枠から１．６２λ／ＮＡの範囲と定めている。ここで、λは露光光の波長を示しており、ＮＡは露光機のレンズの開口数を示している。ただし、隣接パターンＮＰとして考慮する領域は、上述した範囲に限らず、より広い領域であってもよいし、狭い領域であってもよい。

隣接パターンＮＰが異なると、セルパターンＣＬＰに及ぼすＯＰＥの影響度が異なるため、セルパターンＣＬＰに実施する隣接パターンＮＰを考慮したＯＰＣの補正量が異なることになる。つまり、セルパターンＣＬＰと同一パターンを有するセルパターンが複数あったとしても、それぞれのセルパターンのＯＰＣの補正量は、それぞれのセルパターンに隣接する隣接パターンの配置状況によって異なる。したがって、隣接パターンを解析することにより、セルパターンに及ぼすＯＰＥの影響度や必要なＯＰＣの補正量を予測することができる。

そこで、本実施の形態１では、隣接パターンのパターン傾向とパターン配置による影響度を利用して、複数の同一セルパターンにおけるそれぞれの隣接パターンの類似性を判別し、隣接パターンを考慮したＯＰＣ（ＯＰＣ図形）の共通化が可能と推測されるセルグループへの分類を実施している。

図７は、本実施の形態１におけるセルグループ分類部での分類処理の流れを示すフローチャートである。図７に示すように、まず、レイアウトデータＤＢ２に記憶されているレイアウトデータから、設計セル情報２ａを利用して、同一パターンを有する同一セルパターンとそれぞれの隣接パターンを読み込む（Ｓ１０１）。設計セル情報２ａには、レイアウトデータを構成する個々のセルパターンの位置やセルパターンに隣接する隣接パターンの配置情報が含まれているので、設計セル情報２ａを利用することにより、同一セルパターンの抽出およびそれぞれの隣接パターンの読み込みを行なうことができる。ここで、同一セルパターンは、セルパターン単位でのＯＰＣが実施されているものであるが、隣接パターンを考慮したＯＰＣは実施されていない。

次に、読み込んだ隣接パターンに基づいて、隣接パターンのパターン傾向によるセルグループの分類を行なう（Ｓ１０２）。ここでの分類は、複数の同一セルパターンを隣接パターンのパターン傾向により、大まかに分類するものである。

続いて、隣接パターンのパターン傾向により大まかに分類された同一セルパターンに対して、隣接パターンのパターン配置を比較することにより、さらに細かく同一セルパターンを分類する（Ｓ１０３）。つまり、隣接パターンの重複する面積を比較することにより、隣接パターンの類似性を細かく判別する。

このようにして、２段階分類処理を実施することにより、同一セルパターン（繰り返しパターン）における隣接パターンの類似性を判別し、隣接パターンを考慮したＯＰＣ（ＯＰＣ図形）を共通化できるセルグループに同一セルパターンを分類することができる。以下では、２段階分類処理のそれぞれについて説明する。

まず、隣接パターンのパターン傾向により同一セルパターンを大まかに分類する工程について説明する。この工程は、セルグループ分類部での分類処理の第１段階である。

ここでいうパターン傾向とは、パターンの疎密やパターンの方向などの配置状況のことである。これまでに使用しているレイアウトパターンを解析した結果、特定方向に隣接する隣接パターンと特定方向と交差する方向に隣接する隣接パターンの間で配置状況が大きく異なっていることを発見した。具体的には、セルパターンの上下に位置する隣接パターンと、セルパターンの左右に位置する隣接パターンとは、隣接パターンの配置状況が大きく異なっていることがわかった。

図８は、セルパターンＣＬＰの上側に配置されている隣接パターンＵＮＰと、セルパターンＣＬＰの下側に配置されている隣接パターンＢＮＰとを示している図である。一方、図９は、セルパターンＣＬＰの左側に配置されている隣接パターンＬＮＰと、セルパターンＣＬＰの右側に配置されている隣接パターンＲＮＰとを示している図である。図８および図９に示すように、セルパターンＣＬＰの上側に配置されている隣接パターンＵＮＰや下側に配置されている隣接パターンＢＮＰに比べて、セルパターンＣＬＰの左側に配置されている隣接パターンＬＮＰや右側に配置されている隣接パターンＲＮＰの方が疎パターンになっている傾向があることがわかる。

この結果から、セルパターンをセルグループに分類する際、セルパターンの上下に隣接する隣接パターンに着目することにより、隣接パターンの類似性を判断することが妥当であると考えることができる。つまり、セルパターンに影響を及ぼすＯＰＥは、セルパターンに近い領域に密なパターンが存在する場合に顕著となる。言い換えれば、セルパターンに実施するＯＰＣは、セルパターンに隣接する隣接パターンがセルパターンに近いほどＯＰＣに与える影響が大きくなる。したがって、上述した隣接パターンのパターン傾向を考えると、セルパターンに隣接パターンを考慮したＯＰＣを実施する場合、上下に隣接する隣接パターンの影響を大きく受けることが推測されるのである。つまり、セルパターンの左右に隣接する隣接パターンは疎パターンになっていることから、セルパターンの上下に隣接する隣接パターンに比べて、セルパターンでのＯＰＣに対する影響は少ないと考えることができる。このことから、セルパターンに隣接する隣接パターンの類似性を判断する要素として、左右の隣接パターンではなく上下の隣接パターンを考慮することが隣接パターンを考慮したＯＰＣを共通化するには必要であると考えることができる。

次に、上下の隣接パターンを隣接パターンの類似性を判断する際に使用するとして、上下の隣接パターンのパターン形状を解析すると以下に示すことが判明した。図１０は、セルパターンの上側に配置されている隣接パターンＵＮＰが横方向のパターンＳＰとなっている場合を示す図である。一方、図１１は、セルパターンの上側に配置されている隣接パターンＵＮＰが縦方向のパターンＬＰ（疎パターンの場合も含む）である場合を示す図である。図１０および図１１から、隣接パターンＵＮＰが横方向のパターンＳＰなる場合と縦方向のパターンＬＰになる場合で、セルパターンでのＯＰＣに対する影響度が大きく異なることが判明した。このことから、特定方向（いまの場合、上下方向）に隣接する隣接パターンの形状（横方向のパターンと縦方向のパターン）によって隣接パターンを区別する必要があることがわかる。

以上の結果を踏まえて、隣接パターンのパターン傾向により同一セルパターンを大まかに分類すると図１２に示すようになる。すなわち、本実施の形態１では、セルパターンの上下方向に隣接する隣接パターンを類似性の判断材料とし、かつ、上下方向に隣接する隣接パターンの形状を考慮するものである。具体的には、図１２に示すように、上の隣接パターンが横方向のパターンである場合をグループαとし、下の隣接パターンが横方向のパターンである場合をグループβとする。そして、上下の隣接パターンのどちらにも横方向のパターンがない場合をグループγとする。ただし、上下の隣接パターンともに横方向のパターンである場合は、一時的にグループα、グループβの両方に分類し、分類処理の第２段階で分類する。このように、本実施の形態１におけるパターン傾向による同一セルパターンの分類では、図１２に示す３つのグループに分類することができる。

次に、隣接パターンのパターン配置を比較することにより、さらに細かく同一セルパターンを分類する工程について説明する。この工程は、セルグループ分類部による分類処理の第２段階である。

パターン配置の比較とは、第１段階の分類処理で分類したグループ内に含まれる同一セルパターンの隣接パターンを１対１で比較する手法である。すなわち、第１段階の分類処理によって同一セルパターンは、例えば、図１２に示す３つのグループに分類されるが、それぞれのグループにおいて、個々の同一セルパターンに隣接する隣接パターンを重ね合わせて、重なり面積を比較することで、さらに、細かなグループに分類するものである。このとき、重なり面積が大きければ大きいほど互いの隣接パターンは類似することになり、同一のグループに分類されることになる。

図１３は、隣接パターンとして異なるテストパターンＴａとテストパターンＴｂとを重ね合わせた図である。図１３において、セルパターンＣＬＰの上側に隣接パターンＵＮＰの領域が配置され、セルパターンＣＬＰの下側に隣接パターンＢＮＰの領域が配置されている。隣接パターンＵＮＰの領域を見ると、テストパターンＴａとテストパターンＴｂが別々のずれた位置に形成されており、重複する重複パターンが少ないことがわかる。このことからセルパターンＣＬＰの上側の隣接パターンＵＮＰの領域では、隣接パターンであるテストパターンＴａとテストパターンＴｂが類似していないことがわかる。

一方、セルパターンＣＬＰの下側に配置されている隣接パターンＢＮＰの領域を見ると、テストパターンＴａとテストパターンＴｂが重複して重複パターンＲが多く形成されていることがわかる。このことから、隣接パターンＢＮＰの領域では、隣接パターンであるテストパターンＴａとテストパターンＴｂが類似していることがわかる。

図１３では、極端な例として、セルパターンＣＬＰの上側に配置されている隣接パターンＵＮＰの領域では、テストパターンＴａとテストパターンＴｂが類似していない場合を示し、セルパターンＣＬＰの下側に配置されている隣接パターンＢＮＰの領域では、テストパターンＴａとテストパターンＴｂが類似している様子を示している。実際には、隣接パターンＵＮＰや隣接パターンＢＮＰの領域だけで重複パターンの面積を決定するのではなく、セルパターンＣＬＰの周囲に隣接する領域内の隣接パターンをすべて考慮して、重複パターンの面積を算出するようになっている。例えば、図１３では、隣接パターンＵＮＰと隣接パターンＢＮＰの両方での重複面積を考慮し、かつ、セルパターンの左右に配置されている隣接パターンについても重複面積を計算する。そして、これらから計算される総重複面積を考慮して、隣接パターンの類似性を判断するのである。

以上のように、第１段階で大まかに分類されたグループに含まれる各同一セルパターンに対し、それぞれの隣接パターンの配置を１対１で比較することにより、重複パターンの面積を計算する。その結果、第１段階で大まかに分類されたグループをさらに細かなグループに分類することができる。

本実施の形態１では、セルグループ分類部による分類処理を２段階に分けて実施することにより、効率よく隣接パターンの類似した同一セルパターンを同一のグループに分類することができる。なお、本実施の形態１では、２段階に分けて分類処理を実施したが、上述した２段階処理を一緒に実行するように構成してもよい。例えば、分類処理を実際に行なうコンピュータの処理能力が高い場合には、２段階処理を一度に実行することもできる。

次に、本実施の形態１における特徴の１つであるＯＰＣ共通化部によるＯＰＣ共通化処理の詳細な内容について説明する。

通常のマスクパターン形成方法では、ＯＰＣを実施していないセルパターンを組み合わせてレイアウトデータを形成し、形成したレイアウトデータに対して一括でＯＰＣを実施する。そして、ＯＰＣを実施したレイアウトデータを使用してマスクパターンを形成する。

これに対し、本実施の形態１では、予めセルパターンの段階でＯＰＣ（第１ＯＰＣ）を実施する。このＯＰＣはセルパターンだけを考慮したものである。そして、ＯＰＣを実施したセルパターンを組み合わせてレイアウトデータを形成する。この段階でのレイアウトデータは、ＯＰＣを実施したセルパターンを組み合わせたものであるが、セルパターンに隣接する隣接パターンを考慮したＯＰＣは実施されていない。そこで、次に、レイアウトデータに組み込まれているセルパターンに対して、セルパターンの隣接パターンを考慮したＯＰＣ（第２ＯＰＣ）を実施してＯＰＣ図形を微調整する。このようして隣接パターンも考慮したＯＰＣを実施したレイアウトデータを形成する。その後、このレイアウトデータを使用してマスクパターンを形成する。

具体的に、図面を参照して説明する。図１４は、本実施の形態１の前提となるＯＰＣ処理技術の概要を示す図である。図１４に示すようにセルパターン１０を用意する。このセルパターン１０は設計パターンとなっている。そして、このセルパターン１０に対して、セルパターン単位でのＯＰＣ（第１ＯＰＣ）を実施することにより、ＯＰＣ実施後のセルパターン１１を形成する。その後、このＯＰＣ実施後のセルパターン１１を組み合わせてレイアウトデータ１２を形成する。その後、レイアウトデータ１２により、隣接パターンを考慮したＯＰＣ（第２ＯＰＣ）を実施してＯＰＣ図形を微調整する。具体的に、第１ＯＰＣを実施した後のパターン１３に対して、第２ＯＰＣを実施することにより、パターン１４に調整する。このようにして、隣接パターンも考慮したＯＰＣを実施したレイアウトデータを形成することができる。

上述した技術が本実施の形態１におけるＯＰＣ共通化処理の前提となるＯＰＣ処理技術である。このＯＰＣ処理技術によれば、レイアウトデータに対して一括してＯＰＣを実施する通常のＯＰＣ処理技術に比べてＯＰＣの処理負荷を低減することができる。ＯＰＣの計算負荷は、ＯＰＣの対象となっている面積の２乗に比例して大きくなる。このため、レイアウトデータ全体の面積に対して一括でＯＰＣを実施すると多大な計算負荷となる。これに対し、本実施の形態１で前提としているＯＰＣ処理技術によれば、セルパターンという非常に小さい面積単位でＯＰＣを実施し、その後、隣接パターンを考慮して微調整するという構成をとっているので、ＯＰＣの計算負荷を非常に低減できる利点がある。さらに、レイアウトデータ全体の面積に対して一括でＯＰＣを実施する場合には、レイアウトデータを変更するたびに一括したＯＰＣを実施しなくてはならない。これに対し、本実施の形態１で前提としているＯＰＣ処理技術では、レイアウトデータが変更された場合であっても、セルパターン単位でのＯＰＣ（第１ＯＰＣ）は変更されずにそのまま使用できる。この場合変更となるのは、隣接パターンを考慮したＯＰＣ（第２ＯＰＣ）であるので、レイアウトデータの変更に対して柔軟に対応できる利点がある。

このような前提技術のもと、本実施の形態１におけるＯＰＣ共通化処理について説明する。本実施の形態１におけるＯＰＣ共通化処理は、隣接パターンを考慮したＯＰＣ（第２ＯＰＣ）の実施方法に関するものである。具体的には、セルグループ分類処理によって隣接パターンが類似するとして分類された同一のセルグループに属する複数の同一セルパターンに対して、それぞれの隣接パターンの配置環境において露光精度を損なわないように、同一のＯＰＣを実施するものである。

まず、本実施の形態１におけるＯＰＣ共通化処理を実現するシステム構成について説明する。図１５は、本実施の形態１におけるＯＰＣ共通化処理を実現するシステム構成を示す図である。図１５に示すように、本実施の形態１におけるシステムは、例えば、マスタ計算機１５と複数のスレーブ計算機１６ａ〜１６ｆから構成される。つまり、本実施の形態１では、マスタ計算機１５とスレーブ計算機１６ａ〜１６ｆを使用することにより、クラスタ計算機での並列化計算を実現している。これにより、異なる隣接パターン（類似する隣接パターン）を有する複数の同一セルパターンを同時に調整することができる。

スレーブ計算機１６ａ〜１６ｆは、それぞれ、同一のセルグループに属する複数の同一セルパターン（例えば、セルＡ〜セルＦ）に対応して設けられている。そして、スレーブ計算機１６ａ〜１６ｆのそれぞれでは、マスタ計算機１５で計算されたＯＰＣ図形を示すパラメータと、各同一セルパターンの隣接パターンに基づいて、露光像をシミュレーション計算し、シミュレーション結果と設計パターンとの誤差を示す評価値をマスタ計算機１５に出力するように構成されている。一方、マスタ計算機１５は、同一セルグループに属する同一セルパターンを特定し、同一セルパターンに対応づけられているスレーブ計算機１６ａ〜１６ｆのそれぞれから出力された評価値に基づいて、ＯＰＣ図形を示すパラメータを算出し、このパラメータをスレーブ計算機１６ａ〜１６ｆに出力するように構成されている。

本実施の形態１におけるＯＰＣ共通化処理を実現するシステムは上記にように構成されており、以下に、ＯＰＣ共通化処理の流れについて説明する。図１６は、本実施の形態１におけるＯＰＣ共通化処理の流れを示すフローチャートである。

図１６に示すように、まず、マスタ計算機は、対象となるセルグループを読み込む（Ｓ２０１）。そして、読み込んだセルグループに属する同一セルパターンをパラメータにコード化する（Ｓ２０２）。つまり、読み込んだセルグループに属する同一セルパターンは、セルパターン単位でのＯＰＣ（第１ＯＰＣ）が実施されており、このＯＰＣ後のパターンと設計パターンとの差異をパラメータとしてコード化するものである。

続いて、マスタ計算機は、コード化されたパラメータを複数のスレーブ計算機に出力する。すなわち、読み込んだセルグループに属する複数の同一セルパターンのそれぞれに対応してスレーブ計算機が割り当てられており、これらのスレーブ計算機のそれぞれにコード化されたパラメータが出力される。スレーブ計算機は、マスタ計算機からコード化されたパラメータを入力すると、このパラメータと各スレーブ計算機に割り当てられている同一セルパターンの隣接パターンを考慮して露光像シミュレーションを実施する。そして、露光像シミュレーションの結果と設計パターンの誤差を算出し、算出した誤差を評価値としてマスタ計算機に出力する。この工程が初期評価である（Ｓ２０３）。それぞれのスレーブ計算機に対応づけられた同一セルパターンでは、隣接パターンが類似するが異なるので、上述した評価値はスレーブ計算機ごとに異なるものになる。

次に、マスタ計算機は、それぞれのスレーブ計算機から評価値を入力すると、入力した評価値から参照値を算出する（Ｓ２０４）。そして、マスタ計算機は、算出した参照値に基づいて、パラメータを更新して更新パラメータとする（Ｓ２０５）。このとき、上述したパラメータは、セルパターン単位でＯＰＣが実施された同一セルパターンと設計パターンとの差異を示しているが、このパラメータを更新して更新パラメータにするということは、セルパターン単位でＯＰＣ（第１ＯＰＣ）が実施された同一セルパターンからパターン形状を変化させていることに対応している。つまり、更新パラメータを使用することは、セルパターン単位でＯＰＣが実施されている同一セルパターンを変えて調整したパターンと設計パターンとの差異になっていることを示している。

続いて、マスタ計算機は、更新した更新パラメータを複数のスレーブ計算機に出力する。すなわち、読み込んだセルグループに属する複数の同一セルパターンのそれぞれに対応してスレーブ計算機が割り当てられており、これらのスレーブ計算機のそれぞれにコード化された更新パラメータが出力される。スレーブ計算機は、マスタ計算機からコード化された更新パラメータを入力すると、この更新パラメータと各スレーブ計算機に割り当てられている同一セルパターンの隣接パターンを考慮して露光像シミュレーションを実施する。そして、露光像シミュレーションの結果と設計パターンの誤差を算出し、算出した誤差を評価値としてマスタ計算機に出力する。この工程が評価である（Ｓ２０６）。それぞれのスレーブ計算機に対応づけられた同一セルパターンでは、隣接パターンが類似するが異なるので、上述した評価値はスレーブ計算機ごとに異なるものになる。

次に、終了判定を実施する（Ｓ２０７）。このとき、終了条件（要求精度や繰り返し回数など）を満たしていない場合には、マスタ計算機は、複数のスレーブ計算機から入力した評価値に基づいて参照値を算出する（Ｓ２０４）。そして、マスタ計算機は、更新パラメータをさらに更新する（Ｓ２０５）。その後、更新した最新の更新パラメータを用いて評価を実施する（Ｓ２０６）。以上の工程を終了条件が満たされるまで繰り返す。

一方、終了条件を満たす場合は、最新の更新パラメータに対応するＯＰＣ図形を、同一のセルグループに属する複数の同一セルパターンに対する同一のＯＰＣとする。すなわち、最新の更新パラメータでの光近接効果補正を、同一グループに分類された複数の同一セルパターンに対して隣接パターンを考慮して実施した同一の光近接効果補正とする。なお、終了条件は、要求精度が所定範囲内に入ることを条件とすることもできるし、繰り返し処理を所定回数実施するという条件にすることもできる。

これにより、セルグループ分類処理によって隣接パターンが類似するとして分類された同一のセルグループに属する複数の同一セルパターンに対して、同一のＯＰＣを実施することができる。

以下では、図１６に示すフローチャートに示されるコード化、評価方法およびパラメータの更新について詳しく説明する。

まず、コード化について説明する。コード化では、ＯＰＣ図形の形状を決めるパラメータを縦方向と横方向のＯＰＣ図形の辺に対応した１次元配列で表現する。図１７は、コード化の例として、セルパターンのＯＰＣ図形と対応するパラメータ配列を示す図である。図１７において、例えば、セルパターン単位でのＯＰＣを実施したセルパターン１７が図示されている。そして、このセルパターン１７の一部を拡大した図では、設計パターン１８とＯＰＣ後のパターン（ＯＰＣ図形）１９が示されている。本実施の形態１では、ＯＰＣ図形のセグメント毎に、ＯＰＣ後のパターン１９と設計パターン１８の差異から算出した距離をＯＰＣ補正量とする。縦方向のＯＰＣ補正量に対応したパラメータをｘ、横方向のＯＰＣ補正量に対応したパラメータをｙとして実数値で表現する。このようにｘ、ｙで示されたものがパラメータである。本実施の形態１では、このパラメータを、同一のセルグループに属する同一セルパターンで、シミュレーション露光像が設計パターンに近づくように更新することにより、隣接パターンが類似する同一セルパターンのＯＰＣ図形を共通化することができる。

次に、評価方法について説明する。図１８は、評価工程におけるマスタ計算機とスレーブ計算機の処理動作を示すフローチャートである。パラメータの評価では、図１８に示すように、マスタ計算機とスレーブ計算機により、同一のセルグループに属するすべての同一セルパターン（異なる隣接パターンを有する）での評価を行なう。まず、マスタ計算機からスレーブ計算機にＯＰＣ図形を示すパラメータを送信する（Ｓ３０１）。続いて、スレーブ計算機において、マスタ計算機から送信されたパラメータを受信する（Ｓ４０１）。そして、終了シグナルを受信していない場合には（Ｓ４０２）、それぞれのスレーブ計算機に割り当てられた同一セルパターンの隣接パターンを読み込む（Ｓ４０３）。そして、読み込んだ隣接パターンとパラメータにしたがって、露光シミュレーションを実施する（Ｓ４０４）。次に、露光シミュレーションの結果と設計パターンとの誤差を各パラメータに対応した評価ポイントにおいて測定し（Ｓ４０５）、評価値としてマスタ計算機に送信する（Ｓ４０６）。評価ポイントとは、パラメータを設定したＯＰＣ図形のセグメント毎に対応した設計パターン上のポイントである。

マスタ計算機では、スレーブ計算機から評価値を受信する（Ｓ３０２）。そして、同一のセルグループに属する同一セルパターンのそれぞれに対応しているスレーブ計算機のすべてから評価値を受信すると（Ｓ３０３）、マスタ計算機は、スレーブ計算機に対して終了シグナルを送信して評価を終了する（Ｓ３０４）。スレーブ計算機は、マスタ計算機から終了シグナルを受信すると評価を終了する。このようにして評価を行なうことができる。

次に、パラメータの更新について説明する。本実施の形態１では、ＯＰＣ図形を調整するパラメータを評価値に基づいて、同一セルグループに属する同一セルパターンのすべてで誤差の少ない共通したＯＰＣを実施できるように更新する。

まず、スレーブ計算機は、マスタ計算機からコード化されたパラメータを入力すると、このパラメータと各スレーブ計算機に割り当てられている同一セルパターンの隣接パターンを考慮して露光像シミュレーションを実施する。そして、露光像シミュレーションの結果と設計パターンの誤差を算出し、算出した誤差を評価値としてマスタ計算機に出力する。

次に、マスタ計算機は、それぞれのスレーブ計算機から評価値を入力すると、入力した評価値から参照値を算出する。参照値は、複数の評価値を１つの指標としてまとめ、かつ、ＯＰＣ共通化処理を効率よく行なうための制御係数を使用して算出する。同一セルグループの同一セルパターン数（セル数）をｎ、同一セルパターンｉの評価値をＦ_ｉｊとするとき、パラメータに対応する参照値Ｒｊは、図１９に示す式にしたがって算出される。この式のσは調整精度の制御係数で、例えば、図２０に示す階段関数で表される。この制御係数σは、シミュレーション露光像と設計パターンとの誤差によりその調整精度を制御する。例えば、誤差が大きいときには、より大きな調整幅で調整を行ない、誤差が小さく目的の露光精度に近いときは、より小さい調整幅での高精度な調整を行なうことができる。

次に、参照値からパラメータを更新する。パラメータｘ_ｊの更新は、参照値Ｒ_ｊを使用して例えば、ｘ_ｊ＝ｘ_ｊ＋Ｒ_ｊによって更新する。

以上の手順により、複数の同一セルパターンのそれぞれの隣接パターンを考慮したシミュレーション露光像が設計パターンに近づくようにＯＰＣ図形を調整する。例えば、図２１に示すように、シミュレーション露光像２０が設計パターン１８よりも大きい場合には、ＯＰＣ後のパターン（ＯＰＣ図形）１９を小さくする方向で調整する。一方、図２２に示すように、シミュレーション露光像２０と設計パターン１８の大小がパターン内に混在する場合には、ＯＰＣ後のパターン（ＯＰＣ図形）１９の調整方向を部分的に変えてＯＰＣ後のパターン（ＯＰＣ図形）１９を調整する。

このように本実施の形態１によれば、露光精度を損なわないように、隣接パターンの類似する同一セルパターンに対して、隣接パターンを考慮した同一のＯＰＣを実施することにより、隣接パターンの類似する同一セルパターンでＯＰＣ図形を共通化し、繰り返しパターンの抽出効率を向上できる。

以上のことをまとめると、本実施の形態１では、隣接パターンが類似するセルパターンを同一のグループに分類し、同一のグループに分類された複数のセルパターンに対して、同一のＯＰＣを施すように構成しているので、マスクパターンの形成方法において、繰り返しパターンの抽出効率を向上することができる。したがって、ＣＰ法を使用するマスクパターン形成方法において、ＯＰＣを実施しても繰り返しパターンの抽出効率を向上することができる。具体的には、ロジック回路における隣接環境の相違によって、同一パターンを有する繰り返しパターンがＯＰＣ後に多様化することを抑え、繰り返しパターンから異なる種類のパターンへ派生することを低減することができる。つまり、本実施の形態１では、ロジック回路でも繰り返しパターンの抽出効率を向上させて、ＣＰ法を有効に機能させることができる顕著な効果を得ることができる。

次に、シミュレーション実験による検証結果について説明する。本実施の形態１では、シミュレーション実験による検証に（株）半導体理工学研究センタ（ＳＴＡＲＣ）が開発した１３０ｎｍセルライブラリを使用したテストパターンを作成した。具体的に、１３０ｎｍセルライブラリ２６個をランダムに配置し、４０種類のテストパターンを作成した。本実施の形態１では、ＭＩＳＦＥＴの技術世代としてｈｐ９０以降を想定しているため、１３０ｎｍセルライブラリを単純に７０％のスケールダウンを実施して、ｈｐ９０を想定したテストパターンとしている。

本実施の形態１で使用するテストパターンは、例えば、図２３に示す構成をしており、中心のターゲットパターンＴの周囲（８方位）の位置に、不規則にロジックセルパターンを配置することで、図２４に示すようなロジック回路の繰り返しパターン（ターゲットパターンＴ）とその周囲にある隣接パターンをシミュレートした。この構成は、ロジック回路からの抽出を想定し、ターゲットパターンＴを固定したテストパターンを作成することで、隣接パターンの異なる繰り返しパターン（ターゲットパターンＴ）を用いた検証を擬似的に行なうことを意図している。

すなわち、図２３に示すように、中心にターゲットパターンＴを配置し、周囲の８方向の位置に不規則にロジックセルパターンを配置することにより、隣接パターンの異なる４０種類のテストパターン（ＴＰ１〜ＴＰ４０）を作成している。この４０種類のテストパターン（ＴＰ１〜ＴＰ４０）は、中心には共通のターゲットパターンＴが配置されており、隣接パターンが異なるものである。このようなテストパターン（ＴＰ１〜ＴＰ４０）を組み合わせて図２４に示すロジック回路が形成されている。

以下では、本実施の形態１によれば、４０種類のテストパターン（ＴＰ１〜ＴＰ４０）の中心に位置する繰り返しパターン（ターゲットパターンＴ）が隣接パターンの相違により多様化してしまうことを抑制できるかについて検証実験を実施した。

まず、セルグループ分類技術の検証について説明する。本実施の形態１では、セルグループ分類技術の検証を行なうため、４０種類のテストパターンに対して、本実施の形態１におけるセルグループ分類技術を適用し、その分類結果を評価した。評価には、Panoramic社製 EMSuite PanOPCによるモデルベースＯＰＣを使用した。モデルベースＯＰＣとは、ＯＰＥによって変動する露光パターンの形状や寸法を光学シミュレーションにより予測して、これを打ち消すための補正図形（ＯＰＣ図形）を作成する方法である。評価に際しては、モデルベースＯＰＣを、セルグループ分類技術で分類した同一セルグループ内にあるターゲットパターンに隣接パターンを考慮して実施し、生成されたＯＰＣ図形を比較するようにしている。これにより、本実施の形態１におけるセルグループ分類技術が有効に隣接パターンの類似性を判別しているかを検証することができる。以下では、まず、本実施の形態１におけるセルグループ分類技術による分類結果について説明し、次に、検証でのシミュレーション条件および検証内容について説明する。そして、最後に検証結果について説明する。

図２５は、セルグループ分類結果を示す図である。図２５に示すように、まず、第１段階のパターン傾向による分類により、４０種類のテストパターンは、上の隣接パターンが横方向のラインであるセルグループに８種類、下の隣接パターンが横方向のラインであるセルグループに１３種類、上下のどちらにも横方向のラインが存在しないセルグループに１９種類と３つのグループに分類された。次に、上の隣接パターンが横方向のラインであるセルグループ（８種類）は、第２段階の周囲のパターン面積による分類により、３種類（Ｇ１）、２種類（Ｇ２）、２種類（Ｇ３）のグループに分類された。また、下の隣接パターンが横方向のラインであるセルグループ（１３種類）は、第２段階の周囲のパターン面積による分類により、４種類（Ｇ４）、５種類（Ｇ５）、２種類（Ｇ６）のグループに分類された。つまり、第１段階によるパターン傾向による分類と、第２段階による周囲のパターン面積の比較による分類を実施することにより、４０種類のテストパターンを６つのセルグループ（Ｇ１：３種類、Ｇ２：２種類、Ｇ３：２種類、Ｇ４：４種類、Ｇ５：５種類、Ｇ６：２種類）とそれ以外の２２種類に分類することができた。

次に、シミュレーション条件について説明する。セルグループ分類技術の検証には、Panoramic社製 EMSuite PanOPCによるモデルベースＯＰＣを使用しているが、このモデルベースＯＰＣにおける詳しいシミュレーション条件を図２６に示す。本実施の形態１では、実際のＬＳＩ（Large Scale Integration）製造時に適用されるフォトリソグラフィ条件を想定した光学条件を設定している。本実施の形態１で対象としているランダムなロジック回路では、実際の製造時に適用可能なｋ_１ファクタは０．４が限界であるといわれている。そこで、本検証では、ｋ_１＝０．４の光学条件で検証を実施している。

続いて、検証内容について説明する。分類されたセルグループに属するテストパターンのそれぞれにおいて、同じ条件でのモデルベースＯＰＣを実施した。テストパターンの中心（ターゲットパターン）は固定されているので、モデルベースＯＰＣにより生成されるＯＰＣ図形は、ターゲットパターンに隣接する隣接パターンからの影響により多様化する。つまり、テストパターンの中心に位置するターゲットパターンは、隣接パターンの相違により、隣接パターンを考慮したＯＰＣを実施すると異なるパターンに派生する。この異なるパターンに派生したＯＰＣ図形を同一のセルグループ内で比較する。この比較した結果、異なるパターンに派生したＯＰＣ図形が類似してれば、本実施の形態１におけるセルグループ分類技術が有効に機能していることがわかる。

そこで、本検証では、分類された同一セルグループ内のテストパターンで生成されるＯＰＣ図形を重ね、重複するＯＰＣ図形の面積を計算して比較することで、多様化を抑制するセルグループ分類技術の有効性を検証する。有効性の評価は、４０種類のすべてのテストパターンごとに生成したターゲットパターンのＯＰＣ図形について１対１の重複面積の比較（全７８０対）することにより行なう。さらに、相対的な評価として全７８０対の比較に対して重なり面積の重複度を順位づけする。この評価方法により、本実施の形態１におけるセルグループ分類技術がテストパターンの中からどれだけＯＰＣ図形の類似したものを分類できているかを検証することができる。

次に、検証結果について説明する。図２７は、図２５に示すセルグループＧ１に属する
３つのテストパターンＴＰ１、ＴＰ６、ＴＰ２３の検証結果を示す図である。図２７において、例えば、テストパターンＴＰ１から生成されたＯＰＣ図形とテストパターンＴＰ６から生成されたＯＰＣ図形の重複面積を計算すると全７８０対のうち６３位の重複度を有していることがわかる。ここで、ＯＰＣ図形の重複面積が大きければ大きいほど重複度の順位は上昇する。同様に、テストパターンＴＰ１から生成されたＯＰＣ図形とテストパターンＴＰ２３から生成されたＯＰＣ図形の重複面積を計算すると全７８０対のうち１位の重複度を有していることがわかる。さらに、テストパターンＴＰ６から生成されたＯＰＣ図形とテストパターンＴＰ２３から生成されたＯＰＣ図形の重複面積を計算すると全７８０対のうち１４２位の重複度を有していることがわかる。

同様に、図２８は、図２５に示すセルグループＧ５に属する５つのテストパターンＴＰ１６、ＴＰ１７、ＴＰ２６、ＴＰ３３、ＴＰ３６の検証結果を示す図である。さらに、図示していないが、図２５に示すその他のセルグループ（Ｇ２〜Ｇ４、Ｇ６）についても、テストパターンから生成されるＯＰＣ図形の重複度が算出されている。

以上の結果を見ると、本実施の形態１におけるセルグループ分類技術により、分類されたセルグループ内のＯＰＣ図形の重複結果は、ほぼ上位２０％以内になることがわかった。特に、セルグループＧ５では、セルグループＧ５に分類された５つのテストパターンＴＰ１６、ＴＰ１７、ＴＰ２６、ＴＰ３３、ＴＰ３６は、いずれの組み合わせでも上位５％以内の重複結果であった。このことから、本実施の形態１におけるセルグループ分類技術は、隣接パターンの特徴を適切にとらえて、隣接パターンの類似するテストパターン同士に分類することができることがわかる。

次に、ＯＰＣ共通化技術の検証について説明する。本実施の形態１では、ＯＰＣ共通化技術を検証するため、セルグループ分類技術によって分類されたセルグループに属するテストパターンに、本実施の形態１におけるＯＰＣ共通化技術を適用し、そのＯＰＣ調整結果の評価を行なった。本検証では、分類されセルグループ内のテストパターン数に応じて、並列計算により同時最適化をクラスタ計算機上で行なう。すなわち、テストパターンが割り当てられるスレーブ計算機と共通化処理を管理するマスタ計算機で、同一セルグループに属するテストパターン数＋１台のクラスタ計算機を使用して並列計算を行なう。また、スレーブ計算機では、共通化処理におけるパラメータの評価のため、それぞれのスレーブ計算機に、部分コヒーレント結像理論をもとに作成した露光シミュレータを実装し、それぞれの隣接パターンを考慮した露光像を光学シミュレーションにより計算する。以下では、まず、シミュレーション条件について説明し、その後、検証内容と検証結果について説明する。

図２９は、ＯＰＣ共通化処理で使用したシミュレーション条件を示す。最適化調整の評価で用いるシミュレータの光学条件は、セルグループ分類技術の検証しシミュレーションと同様に、ｋ_１＝０．４とし、実際のフォトリソグラフィ条件を想定した条件設定を行なった。また、共通化処理（最適化調整）では、テストパターンの中心に配置したターゲットパターン（繰り返しパターン）のＯＰＣ図形を調整する。このＯＰＣ図形は、予めターゲットパターン単独（周囲に隣接パターンが配置されていない状態）で、Panoramic社製 EMSuite PanOPCによるモデルベースＯＰＣを使用し、図２６に示す条件と同じ条件で生成している。

次に、検証内容について説明する。ＯＰＣ共通化技術の検証は、セルグループ分類技術によって分類されたセルグループごとに共通化された結果を以下に示す３つの観点から評価する。本検証では、２７９箇所の評価ポイントにおいて計算される評価値（シミュレーション露光像と設計パターンとの誤差）の絶対値を計算し、その最大誤差値を調整結果の評価指標として使用する。

第１に、ＯＰＣ図形を共通化するための最適化調整手法の有効性を検証する。具体的には、ＯＰＣ図形を共通化するための最適化調整手法の有効性を検証するため、最適化処理を実施する前と最適化処理を実施した後での評価値の最大誤差値を比較する。

第２に、ＯＰＣ図形を共通化した後の露光精度を検証する。具体的に、ＯＰＣ図形を共通化した後の露光精度の検証のため、セルグループ内の各テストパターンにおいて、評価値の平均誤差値と最大誤差値を計算する。

第３に、ＯＰＣ図形を共通化するための最適化調整手法において、最適化の収束する様子を検証する。具体的に、最適化調整が効率よく行なわれているかを検証するため、最適化調整時における評価値の最大誤差値の推移を検証する。

次に、上述した検証内容についての検証結果について説明する。まず、第１に、ＯＰＣ図形を共通化するための最適化調整手法の有効性についての検証結果について説明する。図３０は、最適化前後での評価値の最大誤差値を示す図である。例えば、セルグループＧ１（３種類）について検討して見ると、予めターゲットパターン単独で最適なＯＰＣを実施したターゲットパターンが、それぞれの隣接パターンの影響により、シミュレーション露光像と設計パターンとの間に最大誤差値が約３４ｎｍ生じていることがわかる。一方、ＯＰＣ図形を共通化する最適化処理を実施した後では、最大誤差値が約３ｎｍ前後まで調整されていることがわかる。すなわち、最適化処理を実施することにより、セルグループＧ１に属するテストパターン（ターゲットパターン）に共通のＯＰＣ図形を形成する。このとき、この共通化したＯＰＣ図形を使用し、かつ、それぞれの隣接パターン（互いに類似している）を考慮したシミュレーション露光像を計算すると、シミュレーション露光像と設計パターンとの最大誤差値が約３ｎｍまで小さくなっていることを示しているのである。したがって、同一のセルグループＧ１に属するテストパターンについて、ＯＰＣ図形を共通化しても問題がないことがわかる。つまり、上述した結果から、ＯＰＣ図形を共通化するための最適化調整手法が有効に機能していることがわかる。

第２に、ＯＰＣ図形を共通化した後の露光精度についての検証結果について説明する。図３１は、セルグループＧ１に分類されるテストパターンＴＰ１、ＴＰ６、ＴＰ２３のそれぞれについて、評価値の平均誤差値と最大誤差値とを示す図である。最適化処理を実施することにより、セルグループＧ１に属するテストパターン（ターゲットパターン）に共通のＯＰＣ図形を形成している。このとき、この共通化したＯＰＣ図形を使用し、かつ、それぞれの隣接パターン（互いに類似している）を考慮したシミュレーション露光像を計算すると、シミュレーション露光像と設計パターンとの最大誤差値がそれぞれのテストパターンＴＰ１、ＴＰ６、ＴＰ２３で約３ｎｍまで小さくなっていることを示している。シミュレーションの計算精度が０．００２５μｍ（図２９参照）であることを考慮すると、共通化したＯＰＣ図形を形成する調整が調整限界まで行なわれていることがわかる。また、平均誤差値は、セルグループＧ１において、約１．２ｎｍまで抑えられていることがわかる。したがって、本実施の形態１におけるＯＰＣ図形を共通化するための最適化調整手法では、共通するＯＰＣ図形を高精度で形成することができ、必要な露光精度に調整可能であることがわかる。

第３に、ＯＰＣ図形を共通化するための最適化調整手法において、最適化の収束する様子を検証した検証結果を説明する。図３２は、セルグループＧ１において、共通するＯＰＣ図形を形成する最適化調整での収束する様子を示す図である。図３２では、セルグループＧ１に属するテストパターンＴＰ１、ＴＰ６、ＴＰ２３のそれぞれにおいて、評価値の最大誤差値の推移が示されている。図３２に示すように、３つのテストパターンでの最大誤差値の推移がほぼ重なっていることがわかる。図３２に示すグラフの推移から、調整初期では、調整精度を示す制御係数により大きなステップでの調整が実施されていることがわかる。そして、調整終盤では、制御係数により小さなステップでの微調整が行なわれていることがわかる。この結果、本実施の形態１におけるＯＰＣ共通化技術によれば、シミュレーション露光像の誤差に応じて、効率のよいＯＰＣ図形の調整方法を実現できることがわかる。

以上より、４０種類のテストパターンを用いたシミュレーション実験の結果、本実施の形態１におけるセルグループ分類技術により、４０種類のテストパターンから６つのセルグループとその他の２２種類のテストパターンに分類することができた。そして、分類した各セルグループに属するテストパターンにＯＰＣ共通化技術を適用した結果、各セルグループで共通化したＯＰＣ図形を形成できることがわかった。

すなわち、本実施の形態１におけるＣＰパターン抽出効率向上技術の導入により、ロジック回路を用いた４０種類のテストパターンを、６つのセルグループとその他の２２種類のテストパターンとを合わせて２８種類にまとめることができた。つまり、４０種類のテストパターンを２８種類のテストパターンにまとめることにより、同一パターンの抽出効率を３０％程度向上することができる。

したがって、本実施の形態１によれば、隣接パターンの相違によって、同一パターンからのＯＰＣ図形が多様化することを抑え、繰り返しパターンの抽出効率を向上できることが上述したシミュレーション実験により裏付けられている。

（実施の形態２）
前記実施の形態１では、隣接パターンの類似するセルパターンから、隣接パターンを考慮した同一のＯＰＣを実施することにより、ＯＰＣ図形を共通化する例について説明した。本実施の形態２では、セルパターンよりも小さな領域のＯＰＣ図形を共通化する例について説明する。すなわち、前記実施の形態１では、ＯＰＣ図形を共通化するパターンとしてセルパターンを使用するが、本実施の形態２では、ＯＰＣ図形を共通化するパターンとしてセルパターンよりも小さな領域内のパターンを使用する点が相違する。本実施の形態２におけるその他の構成は、前記実施の形態１と同様である。

図３３は、本実施の形態２におけるセルパターンＣＬＰを示す図である。図３３において、セルパターンＣＬＰの外側に隣接する領域に隣接パターンＮＰが配置されている。そして、セルパターンＣＬＰは、隣接パターンＮＰから影響を受けにくい中心領域パターンＣＯＭと、セルパターンＣＬＰの周辺部に位置し、隣接パターンから影響を受けやすい周辺領域パターンＳＵＲから構成されている。セルパターンＣＬＰはレイアウトパターン中に複数存在するので、中心領域パターンＣＯＭもレイアウトパターン中に複数存在する。しかし、複数のセルパターンＣＬＰの隣接パターンＮＰは異なるものがあるので、中心領域パターンＣＯＭの隣接パターンＮＰも異なるものが多数存在する。ここで、中心領域パターンＣＯＭでも隣接パターンＮＰという言葉を使用するが、ここでいう隣接パターンＮＰは、中心領域パターンＣＯＭに直接接するパターンではなく、前記実施の形態１と同様に、セルパターンＣＬＰに隣接するパターンをいうものとする。中心領域パターンＣＯＭに直接接するパターンは周辺領域パターンＳＵＲである。

セルパターンＣＬＰよりも小さな中心領域パターンＣＯＭにおいても、隣接パターンＮＰを考慮して複数の中心領域パターンＣＯＭのそれぞれに対してＯＰＣ処理を施すと異なるパターンになる。隣接パターンＮＰを考慮したＯＰＣ処理前は同じパターンである中心領域パターンＣＯＭが、隣接パターンＮＰを考慮したＯＰＣ処理後は異なるパターンとなるのである。つまり、中心領域パターンＣＯＭでのＯＰＣにおいても隣接パターンＮＰからの影響を考慮する必要がある。

しかし、本実施の形態２では、前記実施の形態１と同様に、レイアウトパターンを作成する前のセルパターンＣＬＰの段階で隣接パターンＮＰを考慮しないＯＰＣが実施されている。このことは、中心領域パターンＣＯＭでは、周辺領域パターンＳＵＲを考慮したＯＰＣが実施されていることになる。この場合、セルパターンＣＬＰが同一であれば、このセルパターンＣＬＰに含まれる中心領域パターンＣＯＭは周辺領域パターンＳＵＲを考慮したＯＰＣが実施されても同一のパターンになっていることになる。つまり、複数のセルパターンＣＬＰが同一であれば、中心領域パターンＣＯＭと周辺領域パターンＳＵＲが同一であるので、中心領域パターンＣＯＭに周辺領域パターンＳＵＲを考慮したＯＰＣを実施しても同一パターンとなるのである。すなわち、セルパターンＣＬＰの段階で隣接パターンＮＰを考慮しないＯＰＣを実施するということは、中心領域パターンＣＯＭからみると周辺領域パターンＳＵＲを考慮したＯＰＣを実施しているということになるのである。

そして、複数の異なるセルパターンＣＬＰを組み合わせてレイアウトパターンを形成した後、隣接パターンの異なる同一のセルパターンＣＬＰで、隣接パターンを考慮したＯＰＣを実施する。これにより、隣接パターンの異なる同一のセルパターンＣＬＰは、異なるパターンに派生してしまう。このことを中心領域パターンＣＯＭに着目して考えると、中心領域パターンＣＯＭも異なる隣接パターンの影響により異なるパターンに派生してしまうことになる。

そこで、本実施の形態２でも前記実施の形態１と同様に、本発明の特徴であるセルグループ分類技術とＯＰＣ共通化技術を実施する。このとき、セルグループ分類技術では、隣接パターンの類似する中心領域パターンＣＯＭが同一のセルグループに分類される。そして、同一のセルグループに分類されて、隣接パターンが類似すると判断されている複数の中心領域パターンＣＯＭに対して、同一のＯＰＣを実施する。これにより、隣接パターンの類似する中心領域パターンＣＯＭから共通のＯＰＣ図形が形成でき、同一パターンの抽出効率を向上することができる。

具体的に、本実施の形態２におけるセルグループ分類技術とＯＰＣ共通化技術について説明する。まず、（ａ）機能単位のパターンであるセルパターンＣＬＰを複数種類組み合わせることによりレイアウトパターンを形成する。そして、（ｂ）前記レイアウトパターンから、同じパターンを有する複数の同一セルパターンを抽出する。続いて、（ｃ）前記（ｂ）工程で抽出した前記複数の同一セルパターンのそれぞれに隣接する隣接パターンＮＰを比較し、前記隣接パターンＮＰが類似すると判断される前記複数の同一セルパターンを同一グループに分類する。この技術がセルグループ分類技術である。次に、（ｄ）前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれを周辺領域パターンＳＵＲと中心領域パターンＣＯＭに分割する。その後、（ｅ）前記（ｄ）工程で分割された前記複数の同一セルパターンの中心領域パターンＣＯＭ対して、前記隣接パターンＮＰを考慮した同一の光近接効果補正を実施し、かつ、（ｆ）前記（ｄ）工程で分割された前記複数の同一セルパターンの周辺領域パターンＳＵＲに対して、前記隣接パターンＮＰを考慮した独自の光近接効果補正を実施する。この前記（ｅ）工程がＯＰＣ共通化技術である。

さらに、ＯＰＣ共通化技術について詳述すると以下のようになる。すなわち、セルパターンＣＬＰは、前記（ａ）工程の段階で、前記隣接パターンＮＰを考慮せずに前記セルパターン単位で光近接効果補正を実施したパターンであり、前記セルパターンＣＬＰと設計パターンとの差異をパラメータで示した場合に、前記（ｄ）工程で分割された前記中心領域パターンＣＯＭは共通の前記パラメータを有し、前記周辺領域パターンＳＵＲは独自の前記パラメータを有する。

このとき、前記（ｅ）工程は、（ｅ１）前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれに対して、前記中心領域パターンＣＯＭには共通の前記パラメータを使用し、前記周辺領域パターンＳＵＲには独自の前記パラメータを使用し、かつ、それぞれの前記隣接パターンＮＰを考慮した露光シミュレーションを実施する。そして、その実施結果と前記設計パターンとの誤差を示す評価値を、前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれについて算出する。その後、（ｅ２）前記（ｅ１）工程で算出された複数の前記評価値から、前記中心領域パターンＣＯＭでは平均値を求め、かつ、前記平均値に調整精度を示す制御係数で重み付けした第１参照値を算出する。続いて、（ｅ３）前記（ｅ１）工程で算出された複数の前記評価値から、前記周辺領域パターンＳＵＲのそれぞれでは、前記評価値に調整精度を示す制御係数で重み付けすることにより、前記周辺領域パターンＳＵＲのそれぞれで独自の第２参照値を算出する。そして、（ｅ４）前記（ｅ２）工程で算出された前記第１参照値を使用することにより前記中心領域パターンＣＯＭで共通の前記パラメータを更新して第１更新パラメータを算出する。一方、（ｅ５）前記（ｅ３）工程で算出された前記第２参照値を使用することにより前記周辺領域パターンＳＵＲでそれぞれ独自の前記パラメータを更新して第２更新パラメータを算出する。

その後、前記（ｅ４）工程で算出された前記第１更新パラメータを共通の前記パラメータに置き換えるとともに、前記（ｅ５）工程で算出された前記第２更新パラメータを独自の前記パラメータに置き換えて前記（ｅ１）工程から前記（ｅ５）工程を実施することを所定回数繰り返す。そして、前記（ｅ１）工程から前記（ｅ５）工程の繰り返しが前記所定回数に達したとき、最新の前記第１更新パラメータおよび最新の前記第２更新パラメータでの光近接効果補正を、前記（ｃ）工程で同一のグループに分類された複数の前記同一セルパターンに対して前記隣接パターンを考慮して実施した光近接効果補正とする。このようにして、本実施の形態２におけるＯＰＣ共通化技術を実施することができる。

本実施の形態２では、共通のＯＰＣ図形を形成する単位が中心領域パターンＣＯＭとなっている。したがって、前記実施の形態１では、共通のＯＰＣ図形を形成する単位がセルパターンＣＬＰであることを考慮すると、中心領域パターンＣＯＭがセルパターンＣＬＰよりも小さいので、大きな同一パターンを抽出するという観点からは前記実施の形態１のほうが本実施の形態２よりも優れているということができる。

これに対し、本実施の形態２のほうが前記実施の形態１よりも優れている利点がある。この利点について説明する。図３３に示すように、中心領域パターンＣＯＭは、セルパターンＣＬＰのよりも小さく内部に包含される状態となっている。このことは、セルパターンＣＬＰに隣接する隣接パターンＮＰと中心領域パターンＣＯＭとの距離が離れることを意味している。パターン同士の距離が近いほどＯＰＥの影響を受けやすいためＯＰＣ補正量が大きくなる。ここで、中心領域パターンＣＯＭと隣接パターンＮＰの距離は、セルパターンＣＬＰと隣接パターンＮＰとの距離よりも離れることになる。したがって、中心領域パターンＣＯＭに対して隣接パターンＮＰを考慮したＯＰＣを実施する場合、隣接パターンＮＰが離れているので、ＯＰＣに対する影響が少なくなると考えることができる。このことは、中心領域パターンＣＯＭでは、隣接パターンＮＰの差異が隣接パターンを考慮したＯＰＣに与える影響を少なくできることを意味している。つまり、中心領域パターンＣＯＭを対象にする場合、セルパターンＣＬＰを対象とする場合よりも、１つのグループに分類可能な隣接パターンＮＰの類似性の許容範囲である隣接パターンＮＰの類似範囲を拡大することができるのである。この点が本実施の形態２の特徴の１つである。隣接パターンＮＰの類似範囲が拡大すれば、より多くの隣接パターンＮＰの異なる中心領域パターンＣＯＭが同一のセルグループに分類される可能性が高くなる。つまり、前記実施の形態１では、隣接パターンの相違により同一のセルグループに分類することができないものが、本実施の形態２では、類似範囲が拡大することにより、同一のセルグループに分類することができるのである。これにより、同一のＯＰＣ図形にまとめる効率を向上することができる。

なお、中心領域パターンＣＯＭの外側に存在する周辺領域パターンＳＵＲには、それぞれの隣接パターンを考慮した独自のＯＰＣを実施する。これにより、異なる隣接パターンを考慮したＯＰＣを実施すると、周辺領域パターンＳＵＲから異なるパターンに派生する。しかし、本実施の形態２では、隣接パターンＮＰの類似範囲が拡大するので、隣接パターンＮＰの異なる中心領域パターンＣＯＭが同一のセルグループに分類される可能性が高くなり、同一パターンの抽出効率を向上できる顕著な効果を得ることができるのである。

本実施の形態２のその他の構成は前記実施の形態１と同様であるので、前記実施の形態１と同様の効果を得ることができる。

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。

本発明は、ＣＰ法を使用してマスクパターンを形成する製造業に幅広く利用することができる。

ＣＰ法を使用してマスクにマスクパターンを形成する技術を説明する図である。 アパーチャマスクの構成を示す平面図である。 ロジック回路とメモリ回路での繰り返しパターンを比較する図である。 本発明の実施の形態１におけるマスクパターン形成方法の流れを示す図である。 実施の形態１におけるマスクパターン形成方法の特徴動作を具体的に説明する図である。 １つのセルパターンとこのセルパターンに隣接する隣接パターンを示す図である。 実施の形態１におけるセルグループ分類部での分類処理の流れを示すフローチャートである。 セルパターンの上側に配置されている隣接パターンと、セルパターンの下側に配置されている隣接パターンとを示している図である。 セルパターンの左側に配置されている隣接パターンと、セルパターンの右側に配置されている隣接パターンとを示している図である。 セルパターンの上側に配置されている隣接パターンが横方向のパターンとなっている場合を示す図である。 セルパターンの上側に配置されている隣接パターンが縦方向のパターンである場合を示す図である。 隣接パターンのパターン傾向により同一セルパターンを大まかに分類することを示す図である。 隣接パターンとして異なるテストパターンを重ね合わせた図である。 実施の形態１の前提となるＯＰＣ処理技術の概要を示す図である。 実施の形態１におけるＯＰＣ共通化処理を実現するシステム構成を示す図である。 実施の形態１におけるＯＰＣ共通化処理の流れを示すフローチャートである。 コード化の例として、セルパターンのＯＰＣ図形と対応するパラメータ配列を示す図である。 評価工程におけるマスタ計算機とスレーブ計算機の処理動作を示すフローチャートである。 参照値を算出する式を示す図である。 制御係数の一形態である階段関数を示すグラフである。 シミュレーション露光像が設計パターンよりも大きい場合に、ＯＰＣ後のパターンを小さくする方向で調整する例を示す図である。 シミュレーション露光像と設計パターンの大小がパターン内に混在する場合に、ＯＰＣ後のパターンの調整方向を部分的に変えてＯＰＣ後のパターンを調整する例を示す図である。 中心のターゲットパターンの周囲（８方位）の位置に、不規則にロジックセルパターンを配置する構成を示す図である。 図２３に示すパターンを組み合わせてロジック回路を構成する例を示す図である。 セルグループ分類結果を示す図である。 モデルベースＯＰＣにおけるシミュレーション条件を示す図である。 セルグループに属する３つのテストパターンの検証結果を示す図である。 別のセルグループに属する５つのテストパターンの検証結果を示す図である。 ＯＰＣ共通化処理で使用したシミュレーション条件を示す図である。 最適化前後での評価値の最大誤差値を示す図である。 １つのセルグループに分類される３つのテストパターンのそれぞれについて、評価値の平均誤差値と最大誤差値とを示す図である。 セルグループにおいて、共通するＯＰＣ図形を形成する最適化調整での収束する様子を示す図である。 実施の形態２におけるセルパターンを示す図である。

符号の説明

１ ＯＰＣ済みセルＤＢ
２ レイアウトデータＤＢ
２ａ 設計セル情報
３ セルグループ分類部
４ セルグループＤＢ
５ ＯＰＣ共通化部
６ ＯＰＣ後データＤＢ
７ フラクチャリング部
８ ＣＰ描画データＤＢ
９ 検査データＤＢ
１０ セルパターン
１１ セルパターン
１２ レイアウトデータ
１３ パターン
１４ パターン
１５ マスタ計算機
１６ａ〜１６ｆ スレーブ計算機
１７ セルパターン
１８ 設計パターン
１９ ＯＰＣ後のパターン
２０ シミュレーション露光像
ＡＰ アパーチャマスク
ＡＰ１ 部分一括露光用アパーチャ部
ＡＰ２ 可変成形用アパーチャ部
ＢＮＰ 隣接パターン
ＣＬＰ セルパターン
ＣＯＭ 中心領域パターン
ＥＢ 電子線
ＬＮＰ 隣接パターン
ＬＰ パターン
ＭＳ マスク基板
ＮＰ 隣接パターン
Ｒ 重複パターン
ＲＮＰ 隣接パターン
ＳＰ パターン
ＳＳ 成形絞り板
ＳＵＲ 周辺領域パターン
Ｔ ターゲットパターン
Ｔａ テストパターン
Ｔｂ テストパターン
ＴＰ１〜ＴＰ４０ テストパターン
ＵＮＰ 隣接パターン
α グループ
β グループ
γ グループ

Claims (16)

1. （ａ）機能単位のパターンであるセルパターンを複数種類組み合わせることによりレイアウトパターンを形成する工程と、
   （ｂ）前記レイアウトパターンから、同じパターンを有する複数の同一セルパターンを抽出する工程と、
   （ｃ）前記（ｂ）工程で抽出した前記複数の同一セルパターンのそれぞれに隣接する隣接パターンを比較し、前記隣接パターンが類似すると判断される前記複数の同一セルパターンを同一のグループに分類する工程と、
   （ｄ）前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンに対して、前記隣接パターンを考慮した同一の光近接効果補正を実施する工程とを備えることを特徴とするマスクパターン形成方法。
2. 請求項１記載のマスクパターン形成方法であって、
   前記（ｃ）工程は、前記複数の同一セルパターンにおいて、特定方向に隣接する前記隣接パターンと前記特定方向と交差する方向に隣接する前記隣接パターンの疎密を考慮して、前記隣接パターンの類似性を判断することを特徴とするマスクパターン形成方法。
3. 請求項２記載のマスクパターン形成方法であって、
   前記（ｃ）工程は、前記複数の同一セルパターンにおいて、前記特定方向に隣接する前記隣接パターンの形状から、前記隣接パターンの類似性を判断することを特徴とするマスクパターン形成方法。
4. 請求項１記載のマスクパターン形成方法であって、
   前記（ｃ）工程は、前記複数の同一セルパターンのそれぞれに隣接する前記隣接パターンの配置を比較することによって、前記隣接パターンの類似性を判断することを特徴とするマスクパターン形成方法。
5. 請求項４記載のマスクパターン形成方法であって、
   前記（ｃ）工程は、前記複数の同一セルパターンのそれぞれに隣接する前記隣接パターンの重なり面積を算出することによって、前記隣接パターンの類似性を判断することを特徴とするマスクパターン形成方法。
6. 請求項１記載のマスクパターン形成方法であって、
   前記（ｃ）工程は、
   （ｃ１）前記複数の同一セルパターンにおいて、特定方向に隣接する前記隣接パターンと前記特定方向と交差する方向に隣接する前記隣接パターンの疎密を考慮し、かつ、前記特定方向に隣接する前記隣接パターンの形状を比較することにより、複数のグループに前記複数の同一セルパターンを分類する工程と、
   （ｃ２）前記（ｃ１）工程後、前記（ｃ１）工程で分類された複数のグループのそれぞれにおいて、前記複数の同一セルパターンのそれぞれに隣接する前記隣接パターンの重なり面積を算出してさらに細かなグループに分類する工程とを有することを特徴とするマスクパターン形成方法。
7. 請求項１記載のマスクパターン形成方法であって、
   前記セルパターンは、前記（ａ）工程の段階で、前記隣接パターンを考慮せずに前記セルパターン単位で光近接効果補正を実施したパターンであり、前記セルパターンと設計パターンとの差異をパラメータで示した場合に、前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンは、共通の前記パラメータを有し、
   前記（ｄ）工程は、
   （ｄ１）前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれに対して、共通の前記パラメータを使用し、かつ、それぞれの前記隣接パターンを考慮した露光シミュレーションを実施し、その実施結果と前記設計パターンとの誤差を示す評価値を、前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれについて算出する工程と、
   （ｄ２）前記（ｄ１）工程で算出された複数の前記評価値の平均値を求め、かつ、前記平均値に調整精度を示す制御係数で重み付けした参照値を算出する工程と、
   （ｄ３）前記（ｄ２）工程で算出された前記参照値を使用することにより共通の前記パラメータを更新して更新パラメータを算出する工程とを有し、
   前記（ｄ３）工程で算出された前記更新パラメータを共通する前記パラメータに置き換えて前記（ｄ１）工程から前記（ｄ３）工程を実施すること所定回数繰り返し、前記（ｄ１）工程から前記（ｄ３）工程の繰り返しが前記所定回数に達したとき、共通する前記更新パラメータでの光近接効果補正を、前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンに対して前記隣接パターンを考慮して実施した同一の光近接効果補正とすることを特徴とするマスクパターン形成方法。
8. 請求項７記載のマスクパターン形成方法であって、
   前記（ｄ２）工程で使用する前記制御係数は、前記評価値が小さくなるにつれて小さくなる階段関数であることを特徴とするマスクパターン形成方法。
9. 請求項７記載のマスクパターン形成方法であって、
   前記（ｄ）工程は、複数のスレーブ計算機と前記複数のスレーブ計算機を管理するマスタ計算機を使用して実施することを特徴とするマスクパターン形成方法。
10. 請求項９記載のマスクパターン形成方法であって、
    前記複数のスレーブ計算機のそれぞれを、前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれに対応付けることにより、前記複数のスレーブ計算機のそれぞれによって、前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれの前記評価値を算出し、
    前記マスタ計算機によって前記参照値を算出することを特徴とするマスクパターン形成方法。
11. 請求項１記載のマスクパターン形成方法であって、
    パターン露光に使用する露光光の波長をλ、露光機のレンズの開口数をＮＡとすると、
    前記隣接パターンとして考慮する領域は、前記セルパターンの外枠から１．６２λ／ＮＡの範囲内の領域であることを特徴とするマスクパターン形成方法。
12. 請求項１記載のマスクパターン形成方法であって、
    前記マスクパターン形成方法で形成されるマスクは、繰り返しパターンを利用して部分一括転写することにより形成されるマスクであることを特徴とするマスクパターン形成方法。
13. （ａ）機能単位のパターンであるセルパターンを複数種類組み合わせることによりレイアウトパターンを形成する工程と、
    （ｂ）前記レイアウトパターンから、同じパターンを有する複数の同一セルパターンを抽出する工程と、
    （ｃ）前記（ｂ）工程で抽出した前記複数の同一セルパターンのそれぞれに隣接する隣接パターンを比較し、前記隣接パターンが類似すると判断される前記複数の同一セルパターンを同一グループに分類する工程と、
    （ｄ）前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれを周辺領域パターンと中心領域パターンに分割する工程と、
    （ｅ）前記（ｄ）工程で分割された前記複数の同一セルパターンの前記中心領域パターン対して、前記隣接パターンを考慮した同一の光近接効果補正を実施する工程と、
    （ｆ）前記（ｄ）工程で分割された前記複数の同一セルパターンの前記周辺領域パターンに対して、前記隣接パターンを考慮した独自の光近接効果補正を実施する工程とを備えることを特徴とするマスクパターン形成方法。
14. 請求項１３記載のマスクパターン形成方法であって、
    前記複数の同一セルパターンのそれぞれは、前記中心領域パターンと前記周辺領域パターンから形成されていることを特徴とするマスクパターンの形成方法。
15. 請求項１４記載のマスクパターン形成方法であって、
    前記（ｃ）工程は、
    （ｃ１）前記複数の同一セルパターンにおいて、特定方向に隣接する前記隣接パターンと前記特定方向と交差する方向に隣接する前記隣接パターンの疎密を考慮し、かつ、前記特定方向に隣接する前記隣接パターンの形状を比較することにより、複数のグループに前記複数の同一セルパターンを分類する工程と、
    （ｃ２）前記（ｃ１）工程後、前記（ｃ１）工程で分類された複数のグループのそれぞれにおいて、前記複数の同一セルパターンのそれぞれに隣接する前記隣接パターンの重なり面積を算出してさらに細かなグループに分類する工程とを有することを特徴とするマスクパターン形成方法。
16. 請求項１３記載のマスクパターン形成方法であって、
    前記セルパターンは、前記（ａ）工程の段階で、前記隣接パターンを考慮せずに前記セルパターン単位で光近接効果補正を実施したパターンであり、前記セルパターンと設計パターンとの差異をパラメータで示した場合に、前記（ｄ）工程で分割された前記中心領域パターンは共通の前記パラメータを有し、前記周辺領域パターンは独自の前記パラメータを有し、
    前記（ｅ）工程は、
    （ｅ１）前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれに対して、前記中心領域パターンには共通の前記パラメータを使用し、前記周辺領域パターンには独自の前記パラメータを使用し、かつ、それぞれの前記隣接パターンを考慮した露光シミュレーションを実施し、その実施結果と前記設計パターンとの誤差を示す評価値を、前記（ｃ）工程で同一のグループに分類された前記複数の同一セルパターンのそれぞれについて算出する工程と、
    （ｅ２）前記（ｅ１）工程で算出された複数の前記評価値から、前記中心領域パターンでは平均値を求め、かつ、前記平均値に調整精度を示す制御係数で重み付けした第１参照値を算出する工程と、
    （ｅ３）前記（ｅ１）工程で算出された複数の前記評価値から、前記周辺領域パターンのそれぞれでは、前記評価値に調整精度を示す制御係数で重み付けすることにより、前記周辺領域パターンのそれぞれで独自の第２参照値を算出する工程と、
    （ｅ４）前記（ｅ２）工程で算出された前記第１参照値を使用することにより前記中心領域パターンで共通の前記パラメータを更新して第１更新パラメータを算出する工程と、
    （ｅ５）前記（ｅ３）工程で算出された前記第２参照値を使用することにより前記周辺領域パターンでそれぞれ独自の前記パラメータを更新して第２更新パラメータを算出する工程とを有し、
    前記（ｅ４）工程で算出された前記第１更新パラメータを共通の前記パラメータに置き換えるとともに、前記（ｅ５）工程で算出された前記第２更新パラメータを独自の前記パラメータに置き換えて前記（ｅ１）工程から前記（ｅ５）工程を実施することを所定回数繰り返し、前記（ｅ１）工程から前記（ｅ５）工程の繰り返しが前記所定回数に達したとき、最新の前記第１更新パラメータおよび最新の前記第２更新パラメータでの光近接効果補正を、前記（ｃ）工程で同一のグループに分類された複数の前記同一セルパターンに対して前記隣接パターンを考慮して実施した光近接効果補正とすることを特徴とするマスクパターン形成方法。

Images