JP2010156866A

JP2010156866A - 特徴量抽出方法、テストパターン選択方法、レジストモデル作成方法および設計回路パターン検証方法

Info

Publication number: JP2010156866A
Application number: JP2008335484A
Authority: JP
Inventors: Masaki Satake; 正城佐竹; Masashi Asano; 昌史浅野; Satoshi Tanaka; 聡田中; Taiga Uno; 太賀宇野
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2008-12-27
Filing date: 2008-12-27
Publication date: 2010-07-15
Also published as: US20100166289A1

Abstract

【課題】レジストモデルの最適化の前に特徴量を抽出することができる特徴量抽出方法、テストパターン選択方法、レジストモデル作成方法および設計回路パターン検証方法を提供する。
【解決手段】レジスト像を予測するレジストモデルの説明変数として使用される特徴量を算出する特徴量抽出関数を用いてフォトマスクのパターンの光学像から特徴量を抽出する特徴量抽出方法であって、特徴量抽出パラメータを定める特徴量抽出パラメータ設定工程（ステップＳ１３、ステップＳ１４）と、特徴量抽出パラメータ設定工程により定められた特徴量抽出パラメータが設定された特徴量抽出関数を光学像に作用させて該光学像から特徴量を算出する特徴量算出工程（ステップＳ１５）と、を含む。
【選択図】図３

Description

本発明は、特徴量抽出方法、テストパターン選択方法、レジストモデル作成方法および設計回路パターン検証方法に関する。

現在、光リソグラフィで用いられるフォトマスクに対して近接効果補正（Optical Proximity Correction；ＯＰＣ）が実行されるのが一般的となってきている。ＯＰＣとは、ウェハ上に所望のパターンを形成すべく、予めフォトマスクのレイアウトを調整する技術である。ＯＰＣを実行するためには、回路パターンのマスクレイアウト図からウェハ上のパターンの仕上がりを正確に予測するシミュレーションを行うことが必要不可欠である。

ＯＰＣ実行のためのシミュレーションには、ウェハ上に塗布されるレジストの特性を考慮してウェハ上に投影されるマスクパターンの光学シミュレーション像（以下、単に光学像）からレジスト像を求めるレジストモデルと呼ばれるシミュレーションモデルが必要となる。レジストモデルを作成する際、予め選択しておいた複数の様々な形状のテストパターンを実際に露光し、レジスト寸法を実験的に測定しておく。そして、露光と同じ条件でシミュレーションを行い、実験結果を再現するようにキャリブレーションパラメータを最適化することでレジストモデルが作成される。

レジストモデル作成の基となるレジスト寸法を測定する作業においては、使用するテストパターンの選択が重要となる。予測すべき実際の回路パターン（以下、単に回路パターンという）の特徴と、レジストモデル作成に用いるテストパターンの特徴とが大きく乖離していると、有効なレジストモデルを作ることが困難になる。望ましいのは、複数種のテストパターンを選択し、加えて、選択された複数種のテストパターンの特徴が予測すべきパターンの特徴を全て包含していることである。最近では、回路パターンについて光学計算により得られる光学像から該光学像の特徴を表す特徴量を抽出し、回路パターンの特徴量の分布を網羅するようにテストパターンが選択される。

ところで、近年、半導体集積回路の微細化が進み、回路パターン密度が非常に高まったため、４５ｎｍｎｏｄｅ以降では、二次元のグリッド上のレジスト像強度を一旦計算しておいて、グリッド間の部分のレジスト像強度を補間によって求めるＤｅｎｓｅＯＰＣと呼ばれる手法がシミュレーション高速化のためには有効とされている（例えば非特許文献１参照）。二次元のレジスト像を記述するレジストモデルのレジスト像記述方式としては、例えばＣＴＭ（Constant Threshold Model）がある。ＣＴＭによれば、光学像から特徴量を抽出し、該抽出した特徴量にキャリブレーションパラメータを乗じ、元の光学像に足し合わせることによってレジスト像を記述する。

ここで、ＣＴＭのように特徴量を説明変数として使用するレジスト像記述方式を採用する場合、ＣＴＭにて使用される種類の特徴量と同じ種類の特徴量に基づいて選択されたテストパターンを使用するのが望ましい。しかしながら、ＣＴＭに使用される種類の特徴量は、算出の際、特徴量抽出パラメータを使用する。この特徴量抽出パラメータは、テストパターン測定結果に基づく最適化を必要とするため、最適化前であるテストパターン選択時の段階で特徴量を抽出することができなかった。ＣＴＭにて使用されている特定の特徴量とは異なる種類の特徴量を用いて選択されたモデルパターンを用いてレジストモデルを作成すると、作成されたＣＴＭのレジストモデルが回路パターンの特徴を網羅しきれていない可能性があり、結果として回路パターンのレジスト像の予測精度が保証されないこととなる。

Proc. SPIE Vol.6154 01-1

本発明は、レジストモデルの最適化の前に特徴量を抽出することができる特徴量抽出方法、テストパターン選択方法、レジストモデル作成方法および設計回路パターン検証方法を提供することを目的とする。

本願発明の一態様によれば、レジスト像を予測するレジストモデルの説明変数として使用される特徴量を算出する特徴量抽出関数を用いてフォトマスクのパターンの光学像から特徴量を抽出する特徴量抽出方法であって、特徴量抽出パラメータを定める特徴量抽出パラメータ設定工程と、前記特徴量抽出パラメータ設定工程により定められた特徴量抽出パラメータが設定された前記特徴量抽出関数を前記光学像に作用させて該光学像から特徴量を算出する特徴量算出工程と、を含むことを特徴とする特徴量抽出方法が提供される。

本発明によれば、レジストモデルの最適化の前に特徴量を抽出することができる特徴量抽出方法、テストパターン選択方法、レジストモデル作成方法および設計回路パターン検証方法を提供することができる、という効果を奏する。

以下に添付図面を参照して、この発明にかかる特徴量抽出方法の最良な実施の形態を詳細に説明する。

（第１の実施の形態）
リソグラフィシミュレーションモデルには、マスクモデル、光学モデル、およびレジストモデルがある。フォトリソグラフィでは、露光光をフォトマスクに照射し、フォトマスクを透過した光が投影光学系を介してウェハ上のフレジストに照射される。フォトマスクを透過する光がどのように変化するかを、マスクパターンのレイアウト図から計算するのがマスクモデルである。ウェハに形成されているレジスト上には、フォトマスクに形成されたマスクパターンに対応した光学像が投影される。このレジスト上の光学像の光強度分布を計算するのが光学モデルである。レジストには、レジスト上の光学像の光強度分布に応じて潜像が形成され、現像処理を行うことで潜像に応じたレジストパターンが得られる。光学像の光強度分布からレジストパターン（レジスト像）を計算するのがレジストモデルである。マスクモデル、光学モデル、およびレジストモデルを組み合わせることで、マスクレイアウト図からレジストパターンの寸法（レジスト寸法）を予測することができる。

レジストモデルを作成する基本的な手順を説明する。図１は該手順を説明するフローチャートである。

レジストモデルは、レジスト寸法の実測値とシミュレーションによる予測値との差（残差）ができるだけ小さくなるように最適化の作業が実行されて作成される。実測値を測定するためのマスクパターンとしては、非常に複雑な形状のパターンを有する実際の回路パターンそのものではなく、最適化の作業に使用される実測値の測定精度を高めるために、回路パターンと類似した特徴を有した簡単な形状のパターンが使用される。そこで、まず、多数用意されている簡単な形状のテストパターンから予測すべき回路パターンの特徴を網羅するようにいくつかのテストパターンを選択する作業が実行される。

すなわち、図１において、実際の回路パターンのマスクレイアウト図に対してマスクモデルおよび光学モデルを組み合わせたシミュレーションを行って光学シミュレーション像（光学像）を求め、さらに該光学像から特徴量を抽出する（ステップＳ１）。また、予め用意しておいた様々なテストパターンのマスクレイアウト図からも同様の方法で特徴量を抽出する（ステップＳ２）。

特徴量とは、対象（ここでは光学像）の特徴を表す値であって、どのような特徴を表すかによって様々な種類の特徴量を定義することができる。例えば、光学像の強度の傾きである傾き（Ｓｌｏｐｅ）や、光学像の強度の最大値（Ｉｍａｘ）や、光学像の強度の最小値（Ｉｍｉｎ）などを定義することができる。

予め用意されているテストパターンには、例えば、単独のラインであるisoLine、単独のスペースであるisoSpace、多数のラインが互いにスペースを空けて平行に配置されているPitch系、２本のラインが平行に配置されている2-Line、３本のラインが平行に配置されている3-Line、２本のラインが同一直線上に互いに若干離して配置されているisoLE(Line End)など、様々な種類があり、さらに各種類についてラインやスペースの寸法が異なる多数のパターンがある。

以降、マスクパターン（回路パターン、テストパターン）のマスクレイアウト図から光学像を求め、該光学像から特徴量を抽出することを、単にマスクパターンから特徴量を抽出する、と表現することもある。また、所定のマスクパターンの光学像から抽出された特徴量を、単に所定のマスクパターンの特徴量、と表現することもある。

ステップＳ１において、回路パターンから特徴量を抽出する場合、予め定められたルールに基づいて回路パターンの複数の部位における特徴量を抽出する。例えば、回路パターンのマスクレイアウト図に２次元のグリッドを仮想的に配置し、グリッドとマスクレイアウト図に描画された回路パターンとが交わる複数の部位における特徴量を夫々抽出するようにしてよい。また、ステップＳ２において、テストパターンから特徴量を算出する場合、テストパターン毎に予め決められた部位における特徴量を抽出する。例えば、単独ライン系のテストパターンの場合、ラインの中央部のエッジ部分が抽出部位として予め定められている。以降、マスクレイアウト図上の回路パターンの複数の部位から特徴量を抽出することを、単に回路パターンから特徴量を抽出する、と表現することもある。また、マスクレイアウト図上の回路パターンの複数の部位から抽出された複数の特徴量の分布を、単に回路パターンの特徴量の分布、あるいは回路パターンの特徴量分布、と表現することもある。

ステップＳ１およびステップＳ２に続いて、ステップＳ１で求めた回路パターンの特徴量の分布とステップＳ２で求めた多数のテストパターンの特徴量の分布とを特徴量の種類毎に比較し、回路パターンの特徴量の分布を充分に網羅するようにテストパターンを選択する（ステップＳ３）。回路パターンの各部位の特徴量を網羅するようにテストパターンを選択する方法としては、様々な方法があるが、例えば文献「Proc. of SPIE Vol.6520 652048-5」に示されているように、各種特徴量を夫々異なる座標軸とするグラフ（以下、特徴空間という）に回路パターンおよびテストパターンの特徴量をプロットし、各座標軸を一定間隔のグリッドで区切り、グリッドで区切られた最小単位の夫々の小領域に注目し、回路パターンの何れかの部位の特徴量がプロットされている小領域においては一つのテストパターンを残して同小領域内の他のテストパターンを削除し、回路パターンの何れの部位の特徴量もプロットされていない小領域においては同小領域内の全てのテストパターンを削除する作業を各小領域において実行し、残ったテストパターンを選択するという選択方法がある。

次に、選択されたテストパターンに基づいて、レジストモデルを作成する作業に移行する。すなわち、まず、ステップＳ３において選択されたテストパターンを実際に露光し、得られたレジストパターンのレジスト寸法をＣＤ−ＳＥＭ（Critical Dimension Scanning Electron Microscope）などを用いて測定する（ステップＳ４）。そして、レジストモデルにより得られるレジスト寸法（予測寸法）とステップＳ４において測定されたレジスト寸法（実測寸法）との差（残差）が小さくなるように、レジストモデルのレジスト像記述に含まれるキャリブレーションパラメータを最適化する（ステップＳ５）。残差が充分に小さくなるようにキャリブレーションパラメータが最適化され、レジストモデルが完成する（ステップＳ６）。

２次元のレジスト像の記述が可能なレジスト像記述方式の一つにＣＴＭがある。ＣＴＭによれば、標準偏差σｘのｘに関するガウス関数をＧ（σｘ、ｘ）、光学像をＩと表記すると、レジスト像Ｒは、
Ｒ＝Ｉ＋Ａ＊Ｇ（σ１、Ｉ）＋Ｂ＊Ｇ（σ２、ｆ１（Ｉ））＋Ｃ＊Ｇ（σ３、ｆ２（Ｉ））・・・（式１）
と記述される。ただし、ｆ１およびｆ２は以下に示す関数である。
ｆ１（Ｉ）＝ｉｆ(Ｉ＞ｂ０）Ｉ−ｂ０、ｅｌｓｅ０・・・（式２）
ｆ２（Ｉ）＝ｉｆ(Ｉ＜ｂ１）ｂ１−Ｉ、ｅｌｓｅ０・・・（式３）
Ｇ（σ１、Ｉ）、Ｇ（σ２、ｆ１（Ｉ））、Ｇ（σ３、ｆ２（Ｉ））は夫々、光学像のゆらぎに関する特徴量（第１の特徴量）を抽出する特徴量抽出関数（第１の特徴量抽出関数）、酸の拡散挙動に関する特徴量（第２の特徴量）を抽出する特徴量抽出関数（第２の特徴量抽出関数）、塩基の拡散挙動に関する特徴量（第３の特徴量）を抽出する特徴量抽出関数（第３の特徴量抽出関数）である。式１〜式３に示すように、レジスト像Ｒは、光学像Ｉに、キャリブレーションパラメータＡ、Ｂ、Ｃが夫々乗じられた第１〜第３の特徴量を足し合わせた値で記述されている。すなわち、ＣＴＭによるレジストモデルは、第１〜第３の特徴量を説明変数とした線形モデルである。

このモデルが予測すべき回路パターンが取る説明変数（すなわち第１〜第３の特徴量）の値の範囲で成り立つようにするためには、テストパターンの第１〜第３の特徴量の範囲が、回路パターンが取りうる第１〜第３の特徴量の範囲を完全に含む（網羅する）ようにテストパターンを選択する必要がある。回路パターンの第１〜第３の特徴量の範囲を厳密に完全に含むようにテストパターンを選択するためには、テストパターン選択時、すなわちステップＳ１〜ステップＳ３の工程において、ＣＴＭにて使用される第１〜第３の特徴量を用いることが望ましい。

しかしながら、第１〜第３の特徴量を算出するために使用されるσ１、σ２、σ３、ｂ０、ｂ１（これらを特徴量抽出パラメータという）は、ステップＳ５において、Ａ、Ｂ、Ｃとともに最適化される。したがって、ステップＳ１〜ステップＳ３の段階では値が確定していない。つまり、ＣＴＭを用いたレジストモデルを作成する場合、ステップＳ１〜ステップＳ３の処理時に第１〜第３の特徴量を用いて特徴量を算出することができなかった。そこで、本実施の形態によれば、σ１、σ２、σ３、ｂ０、ｂ１の各値について値を定めて使用することにより、レジストモデルの最適化前であっても第１〜第３の特徴量を抽出することができるようにした。

図２は、本発明の第１の実施の形態の特徴量抽出装置の構成を説明するブロック図である。図２に示すように、特徴量抽出装置１０は、特徴量の抽出対象となるマスクパターンのマスクレイアウト図の入力を受け付けるマスクパターン入力部１１と、受け付けたマスクレイアウト図のマスクパターンに対してマスクモデルおよび光学モデルを適用したシミュレーションを実行して光学像を算出する光学像算出部１２と、特徴量抽出パラメータを定める特徴量抽出パラメータ設定部１３と、特徴量抽出パラメータ設定部１３が定めた特徴量抽出パラメータが適用された特徴量抽出関数を光学像算出部１２が算出した光学像に作用させて特徴量を算出する特徴量算出部１４と、を備える。

次に、第１の実施の形態の特徴量抽出装置１０の動作を説明する。図３は、該動作を説明するフローチャートである。

図３において、まず、マスクパターン入力部１１が、マスクパターンのマスクレイアウト図を受け付ける（ステップＳ１１）。ここで、マスクパターンとは、ステップＳ１における場合、実際の回路パターンであり、ステップＳ２における場合、予め用意された選択前のテストパターンが該当する。

続いて、光学像算出部１２は、シミュレーションを実行して、受け付けたマスクパターンのマスクレイアウト図から光学像を算出する（ステップＳ１２）。具体的には、例えば、光学像算出部１２は、マスクレイアウト図からマスク透過関数を求め、該求めたマスク透過関数と露光装置の照明系および光学系の設定条件とに基づいてレジスト上に投影される光学像を求める。

続いて、特徴量抽出パラメータ設定部１３は、過去のレジストモデルの特徴量抽出パラメータをいくつか取得し、該過去のレジストモデルの特徴量抽出パラメータが収まっている範囲、すなわちばらつきの範囲を求める（ステップＳ１３）。そして、特徴量抽出パラメータ設定部１３は、求めた範囲から特徴量抽出パラメータの代表値を抽出し、該代表値を最適化前の特徴量抽出パラメータとして定める（ステップＳ１４）。そして、特徴量算出部１４は、ステップＳ１２において算出した光学像に対してステップＳ１４において定められた特徴量抽出パラメータが設定された第１〜第３の特徴量抽出関数を用いて第１〜第３の特徴量を算出する（ステップＳ１５）。特徴量抽出パラメータ設定部１３により一種類の特徴量抽出パラメータにつき複数の値が定められた場合、該定められた夫々の値が設定された特徴量抽出関数に基づき、一種類の特徴量につき複数の特徴量の値が算出される。

例えば、特徴量抽出パラメータ設定部１３は、ステップＳ１３において、過去のいくつかの世代・レイヤにおける計８つの実際のレジストモデルから、σ１、σ２、σ３、ｂ０、ｂ１の値を調べ、夫々、
１０ｎｍ＜＝σ１＜＝４０ｎｍ
１２０ｎｍ＜＝σ２＜＝２００ｎｍ
１４０ｎｍ＜＝σ３＜＝２００ｎｍ
０．１２＜＝ｂ０＜＝０．１６
０．０７＜＝ｂ１＜＝０．１１
の範囲に収まっていることがわかったとする。ステップＳ１４において、特徴量抽出パラメータ設定部１３は、この範囲を満たすように、例えば
σ１＝１０ｎｍ、２０ｎｍ、３０ｎｍ、４０ｎｍ
σ２＝１００ｎｍ、１５０ｎｍ、２００ｎｍ
σ３＝１００ｎｍ、１５０ｎｍ、２００ｎｍ
ｂ０＝０．１、０．１５、０．２
ｂ１＝０．０５、０．１、０．１５
のように、一定の刻み幅で各種特徴量抽出パラメータを定めたとする。

第１〜第３の特徴量は夫々独立であるので、σ１が４通り、σ２とｂ０との組み合わせが３ｘ３通り、σ３とｂ１との組み合わせが３ｘ３通りあるので、特徴量算出部１４は、ステップＳ１５において、第１〜第３の特徴量を、夫々、４通り、９通り、９通り算出する。

上述したσ１、σ２、σ３、ｂ０、ｂ１の値の例を用いてある回路パターンの光学像から特徴量算出部１４が算出した特徴量を、ｓｌｏｐｅを縦軸としてプロットしたグラフを図４に示す。図４（ａ）、（ｂ）、（ｃ）は、夫々、第１、第２、第３の特徴量に関するグラフであり、特徴量抽出パラメータのバリエーションに基づいて、夫々４通り、９通り、９通りの特徴量についてプロットしてある。図示するように、同一の種類の特徴量であっても、特徴量抽出パラメータが異なると、少しずつ特徴量の分布が異なっている。ステップＳ３において特徴量抽出装置１０により求めた特徴量に基づいてテストパターンを選択する際、図４に示した全てのグラフに示す特徴量の分布を全て網羅するようにテストパターンを選択するようにするとよい。このように全ての種類の特徴量について全通りの特徴量抽出パラメータの特徴量の分布を網羅するようにテストパターンを選択するようにすると、該選択したテストパターンに基づいて最適化した後の特徴量抽出パラメータの値がステップＳ１３において求めた範囲の中に収まっている限り、回路パターンがとる特徴量の範囲で高精度に予測できる有効なレジストモデルが得られる可能性が高い。

ここで、一つの種類の特徴量抽出パラメータに対して、特徴量抽出パラメータが収まる範囲から細かい刻み幅で多くの値を定めると、値の数が少ない場合よりもより確実に高精度に予測できるレジストモデルが得られるが、値の数の増加に伴ってステップＳ３における手間が増大する。したがって、予測精度の確実性とステップＳ３における手間とを考慮して特徴量抽出パラメータの値を定めるかを決めるとよい。

上記のステップＳ１３およびステップＳ１４の例では、過去のレジストモデルにて使用された特徴量抽出パラメータのばらつきの範囲に基づいて値を定めるとしたが、特徴量抽出装置１０の使用者が所望する特徴量抽出パラメータの値の範囲を入力し、特徴量抽出パラメータ設定部１３は該入力された範囲から特徴量抽出パラメータの値を定めるようにしてもよい。また、使用者が直接的に所望する特徴量抽出パラメータの値を入力し、特徴量抽出パラメータ設定部１３は該入力された値を特徴量抽出パラメータとして定めるようにしてもよい。

また、ＣＴＭによるレジスト像記述方式について、第１〜第３の特徴量を説明変数とする、として説明したが、ＣＴＭでは、説明変数として使用する特徴量の種類は第１〜第３の特徴量に限らず、増減してもかまわない。特徴量の種類を増やす場合、例えばｓｌｏｐｅなどを加えてもよい。

なお、第１の実施の形態の特徴量抽出方法は、ＣＴＭに限らず、特徴量抽出パラメータが設定された特徴量抽出関数を用いて抽出する必要がある特徴量を一種類でも使用するレジスト像記述方式であればどのようなレジスト像記述方式にて使用される特徴量を抽出する場合であっても適用することが可能である。

また、上記の説明においては、レジストパターンを予測するために光学像から特徴量を抽出する場合について説明したが、第１のパターンから抽出した特徴量を説明変数として第２のパターンを予測するモデルを作成するために、第１のパターンから特徴量抽出パラメータが設定された特徴量抽出関数を用いて特徴量を抽出する場合であれば、どのような場合においても本発明の第１の実施の形態による特徴量抽出方法を適用することができる。例えば、マスクパターンのレイアウト図、光学像、またはレジスト像（第１のパターン）の特徴量を説明変数として、レジストパターンをマスクとしたエッチングにより被加工層に形成されるパターン（第２のパターン）を予測するエッチングモデルを作成するために、特徴量抽出パラメータが設定された特徴量抽出関数を用いてマスクパターンのレイアウト図、光学像、またはレジスト像から特徴量を抽出する場合においても、本発明の第１の実施の形態を適用して特徴量を抽出することができる。また、テンプレートを用いてレジストにパターンを形成するナノインプリンティングにおいて、テンプレートのパターン（第１のパターン）の特徴量を説明変数としてレジストに形成されるパターン（第２のパターン）を予測するレジストモデルを作成するために、特徴量抽出パラメータが設定された特徴量抽出関数を用いてテンプレートのパターンから特徴量を抽出する場合においても、本発明の第１の実施の形態を適用して特徴量を抽出することができる。

ところで、第１の実施の形態の特徴量抽出装置１０は、図５に示す、ＣＰＵなどの制御装置１と、ＲＯＭ（Read Only Memory）やＲＡＭなどの記憶装置２と、ＨＤＤ、ＣＤドライブ装置などの外部記憶装置３と、ディスプレイ装置などの表示装置４と、キーボードやマウスなどの入力装置５を備える、通常のコンピュータにおいてプログラムを実行することにより実現するようにしてもよい。

第１の実施の形態の特徴量抽出装置１０において実行される特徴量抽出プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供されるようにしてもよい。

また、第１の実施の形態の特徴量抽出装置１０で実行される特徴量抽出プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、第１の実施の形態の特徴量抽出装置１０で実行される特徴量抽出プログラムを、インターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、第１の実施の形態の特徴量抽出装置１０で実行される特徴量抽出プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

第１の実施の形態の特徴量抽出装置１０で実行される特徴量抽出プログラムは、各構成要素（マスクパターン入力部１１、光学像算出部１２、特徴量抽出パラメータ設定部１３、特徴量算出部１４）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵが上記記憶媒体から特徴量抽出プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、マスクパターン入力部１１、光学像算出部１２、特徴量抽出パラメータ設定部１３、特徴量算出部１４が主記憶装置上に生成されるようになっている。

以上述べたように、本発明の第１の実施の形態によれば、特徴量抽出パラメータを定め、該定めた特徴量抽出パラメータが設定された特徴量抽出関数を用いて光学像から特徴量を抽出するようにしたので、特徴量抽出パラメータが最適化される前であっても特徴量を抽出することができる。

（第２の実施の形態）
すでに説明したように、レジストモデルは、選択されたテストパターンから転写されて作成されるレジストパターンの実測寸法とレジストモデルによるレジスト像の予測寸法との差が小さくなるように作成される（図１、ステップＳ５）。したがって、実施の形態１などの適用によりレジストモデル作成に使用されるテストパターンが的確に選択されたとしても、該選択されたテストパターンのレジストパターンの実測寸法の測定精度が悪ければ高い精度のレジストモデルの作成は期待できなくなる。

一方、テストパターンは、回路パターンの特徴量を網羅するようにテストパターンが選択される（図１、ステップＳ３）。このとき、類似した特徴量を有しているテストパターンが複数存在する場合、計算コストを下げて効率的に最適化を行うために、一つまたは少数のテストパターンを残して他のテストパターンは選択候補から間引かれる。ここで、予め用意されているテストパターンの中には、レジストパターンの寸法を高精度に測定しにくいテストパターンや、測定箇所の数が少なく、実測寸法の統計誤差が大きくなってしまうテストパターンが存在する。しかしながら、ステップＳ３においては、レジストパターンの寸法を精度よく測定できるテストパターンであるか否かを考慮することなく取捨選択が行われていたので、選択されたテストパターンを用いて作成されたレジストモデルの予測精度が保証されなくなる、という問題があった。

そこで、第２の実施の形態によれば、レジストモデル作成に用いるテストパターンを取捨選択するとき、より高い精度でレジスト寸法を測定することができる特性を有したテストパターンを優先して選択するようにした。図６は、本発明の第２の実施の形態のテストパターン選択装置の構成を示すブロック図である。

図示するように、テストパターン選択装置２０は、回路パターンおよび予め用意されている多数のテストパターンのマスクレイアウト図から夫々光学像を求め、該求めた夫々の光学像から夫々特徴量を抽出する特徴量抽出装置２１と、レジスト寸法の測定精度に応じてテストパターン毎に設定されている優先度が記述されている優先度情報を記憶している優先度情報記憶部２２と、特徴量抽出装置２１が抽出した特徴量と優先度情報記憶部２２が記憶している優先度情報とに基づいてレジストモデル作成用のテストパターンを選択するテストパターン選択部２３と、を備える。ここで、特徴量抽出装置２１は、実施の形態１にて説明した特徴量抽出装置１０と同じものであってよい。

次に、優先度情報に記述されているテストパターン毎に定められている優先度について説明する。

図７（ａ）〜（ｉ）、図８（ａ）〜（ｄ）は、テストパターンの例を説明する図である。図７（ａ）に示すテストパターンはisoLine、図７（ｂ）はPitch系、図７（ｃ）は2Line、図７（ｄ）はisoSpace、図７（ｅ）はinvPitch系、図７（ｆ）はisoLE（Line End）、図７（ｇ）はdenseLE、図７（ｈ）はisoIsland、図７（ｉ）はpitchIslandと呼ばれる。図７（ｄ）isoSpaceおよび図７（ｅ）invPitch系の矩形部分は遮光部を示し、その他の種類のテストパターンの矩形部分は透光部を示している。

図中の矢印は、ウェハ上に転写されたレジスト像においてレジスト寸法が計測される部分に相当する部分である。図示するように、（ａ）〜（ｅ）のテストパターンは、アスペクト比（長辺／短辺）が１よりも充分に大きい形状をしており、短辺方向の線幅がレジスト寸法として使用されるので、矩形のパターンの長辺方向に測定箇所を多数取ることができる。測定精度は、一般的に、１／Ｓｑｒｔ（測定箇所数）で表される。例えば測定箇所が１０個あるテストパターンは測定箇所が２個しかないテストパターンに比べて（１／√（１０））／（１／√（２））＝２．２倍精度が高くなる。したがって、測定箇所を多く取ることができる（ａ）〜（ｅ）のテストパターンは、特定の一部の部分が測定箇所として定められている（ｆ）、（ｇ）や、アスペクト比が１に近い（ｈ）、（ｉ）のように測定箇所が限られてしまうテストパターンに比べて、優先度が高く設定される。同様の理由により、（ａ）よりも（ｃ）、（ｃ）よりも（ｂ）のパターンのほうが高い優先度が設定される。また、（ｆ）よりも（ｇ）のほうがより優先度が高く設定される。また、（ｈ）よりも（ｉ）のほうが高い優先度が設定される。

図８（ａ）に示すテストパターンは、長いラインと短いラインとが上下および左右非対称に配置されている。このように上下左右非対称にラインが配置されているテストパターンでは、例えば、短いラインの中央部から長いラインに対して伸ばした垂線と該長いラインとが交わる位置の長いラインの線幅を測定したい場合、レジストパターン上で測定箇所を特定することが難しい。これに対して、図８（ｂ）に示すテストパターンは、長いラインと短い２本のラインとが上下左右対称に配置されている。このようなテストパターンにおいて短いラインの中央部から長いラインに対して伸ばした垂線と該長いラインとが交わる位置の長いラインの線幅を測定したい場合、長いラインの中央部の線幅を測定すればよい。すなわち、図８（ｂ）のテストパターンは、図８（ａ）のテストパターンよりも、レジストパターン上での測定箇所の特定が簡単である。測定箇所の特定が簡単であるほど、再現性よくレジスト寸法の測定を行うことができる。したがって、図８（ｂ）に示すテストパターンは図８（ａ）よりも高い優先度が設定される。

図８（ｃ）に示すテストパターンは、斜め方向の線幅が測定される。このように斜め方向の長さを測定する場合、水平方向または垂直方向に測定することが可能になるようにいったん測定画像を画像処理により回転させてから測定する必要があるが、回転処理時の丸め誤差により測定精度が悪化してしまう。したがって、図８（ｃ）に示すテストパターンは図８（ｄ）に示すような水平方向の長さを測定されるテストパターンや、垂直方向の長さが測定されるテストパターンなどに比べて低い優先度が設定される。

ここでは、一例として、テストパターンの種類毎に測定精度の比較を行い、優先度の高低を説明したが優先度は、レジスト寸法の測定精度に応じてテストパターン毎に設定されている。

次に、テストパターン選択装置２０の動作を説明する。図９は、テストパターン選択装置２０の動作を説明するフローチャートである。

まず、特徴量抽出装置２１は、回路パターンおよび予め用意されている多数のテストパターンのマスクレイアウト図から夫々光学像を計算し、該光学像から夫々特徴量を抽出する（ステップＳ２１）。

続いて、テストパターン選択部２３は、各座標軸を一定間隔のグリッドで区切った特徴空間に夫々のテストパターンの特徴量をプロットし、グリッドで区切られた各小領域に注目し、複数のテストパターンが同一の小領域に複数プロットされている場合、該複数のテストパターンから最も優先度値の高いテストパターンを残して他のテストパターンを特徴空間上から除去する動作を全ての小領域について実行し、特徴空間上に残ったテストパターンをいったん選択候補とする（ステップＳ２２）。

そして、テストパターン選択部２３は、該特徴空間に回路パターンの特徴量をプロットして選択候補のテストパターンの特徴量と回路パターンの特徴量とを小領域毎に比較し、回路パターンの特徴量がプロットされていない小領域から選択候補のテストパターンを除去し、残ったテストパターンを最終的にレジストモデル作成のためのテストパターンとして選択する（ステップＳ２３）。

図１０は、図７に示した各種テストパターンの第１〜第３の特徴量を、横軸をｓｌｏｐｅとしてプロットしたグラフである。本来、特徴空間、すなわち第１〜第３の特徴量を夫々別々の座標軸とした空間にプロットするのが適切であるが、ここでは、わかりやすくするため、各特徴量を横軸をｓｌｏｐｅとしたグラフにプロットした。図１０を用いてステップＳ２２において実行される取捨選択の傾向を概要的に説明すると、denseLE、isoIsland、isoLine、およびisoSpaceのテストパターンの特徴量は他の系のテストパターンの特徴量とはほとんど重なる部分がないため、ステップＳ２２において比較的除去されにくい。また、一部（図中（ｂ））を除くpitchIsland、2,3,5-Lines、およびPitch系のテストパターンは図中（ａ）に示す範囲に集まっており、特徴量の分布が互いに類似している。したがって、pitchIsland、2,3,5-Lines、およびPitch系ではPitch系が最も高い優先度が設定されていると、一部を除くpitchIslandや2,3,5-Linesが除去され、Pitch系が選択候補として残る傾向が高くなる。また、invPitch系は図中（ｃ）に示すように４つの特徴量が密集している。したがって、該４つのinvPitch系のテストパターンは、invPitch系同士の優先度の高低に基づき、取捨選択が行われる可能性が高い。このように、できるだけ高い精度で測定できるテストパターンを残すようにテストパターンが取捨選択される。

以上述べたように、第２の実施の形態によれば、レジストモデルの最適化に使用されるテストパターンを、テストパターンの特徴量と実測寸法の測定精度に応じてテストパターン毎に予め設定されている優先度とに基づいて選択するようにしたので、該選択したテストパターンを使用して高い精度が保証されたレジストモデルを作成することができるようになる。

なお、上記の説明においては、テストパターン選択部２３は特徴空間の各座標軸をグリッドで区切り、グリッドで区切られた各小領域について優先度の高い一つのテストパターンを選択する、として説明したが、ひとつの小領域から二つ以上のテストパターンを選択するようにしてもよい。また、グリッドで区切られた各小領域から選択するのではなく、その他の方法で選択してもよく、例えば、特徴空間の各座標軸を正規化し、正規化後の特徴空間において複数のテストパターン同士の特徴量間の距離が所定のユークリッド距離の範囲内である場合、優先度情報に基づいて該テストパターンのうちから一つのテストパターンを選択するようにしてもよい。

また、テストパターン選択部２３は、予め選択候補のテストパターンを求め、該選択候補のテストパターンの中からレジストモデル作成に使用するテストパターンを最終選択する、としたが、予め選択候補のテストパターンを求めることなく、テストパターンの特徴量と回路パターンの特徴量と優先度情報とに基づいて、レジストモデル作成に使用するテストパターンを選択するようにしてもよい。

また、第２の実施の形態により選択されたテストパターンは、レジストモデル作成のためだけではなく、エッチングモデルを作成するときのテストパターンとして使用することも可能である。

また、第２の実施の形態は、レジストに形成されるパターンを予測するために、テンプレートの回路パターンの特徴量を網羅するようにテンプレートのテストパターンを選択する場合にも適用することができる。

ところで、第２の実施の形態のテストパターン選択装置２０は、例えば、図５に示す、ＣＰＵなどの制御装置１と、ＲＯＭ（Read Only Memory）やＲＡＭなどの記憶装置２と、ＨＤＤ、ＣＤドライブ装置などの外部記憶装置３と、ディスプレイ装置などの表示装置４と、キーボードやマウスなどの入力装置５を備える、通常のコンピュータにおいてプログラムを実行することにより実現するようにしてもよい。

第２の実施の形態のテストパターン選択装置２０において実行されるテストパターン選択プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供されるようにしてもよい。

また、第２の実施の形態のテストパターン選択装置２０で実行されるテストパターン選択プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、第２の実施の形態のテストパターン選択装置２０で実行されるテストパターン選択プログラムを、インターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、第２の実施の形態のテストパターン選択装置２０で実行されるテストパターン選択プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

また、第２の実施の形態のテストパターン選択装置２０で実行されるテストパターン選択プログラムは、各構成要素（特徴量抽出装置２１、優先度情報記憶部２２、テストパターン選択部２３）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵが上記記憶媒体からテストパターン選択プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、特徴量抽出装置２１、優先度情報記憶部２２、テストパターン選択部２３が主記憶装置上に生成されるようになっている。

（第３の実施の形態）
回路パターンのレジストモデル作成用に選択されたテストパターンに基づいてウェハ上に形成されたレジストパターンの寸法（レジスト寸法）を実測するとき、一般的にＣＤ−ＳＥＭが用いられる。ＣＤ−ＳＥＭは、一般的なＳＥＭの持つ、観察、分析、測長などの機能の内、測長機能に特化して作り上げられた装置である。しかしながら、ＣＤ−ＳＥＭでは、チャージアップや電子ビームによる測定パターンへのダメージ、あるいは測定パターンのラフネス等の影響から、高精度かつ再現性のある測定値を得ることができなかった。

そこで、第３の実施の形態では、ＣＤ−ＳＥＭを使用しなくてもレジスト寸法を計測できるテストパターンを用いてレジストモデルを作成する。図１１は、第３の実施の形態のレジストモデル作成装置の構成を説明するブロック図である。

図１１において、レジストモデル作成装置３０は、回路パターンのマスクレイアウト図から光学像を算出し、該算出した光学像から特徴量を抽出する特徴量抽出装置３１と、特徴量抽出装置３１が抽出した回路パターンの特徴量の分布を網羅するようにテストパターンのマスクレイアウト図を生成するテストパターン生成部３２と、テストパターン生成部３２が生成したテストパターンのマスクレイアウト図に基づいてレジストモデルの各種キャリブレーションパラメータを最適化することによってレジストモデルを作成するレジストモデル作成部３３と、を備える。

ここで、テストパターン生成部３２により生成されるテストパターンのマスクレイアウト図について説明する。図１２は、該テストパターンのマスク上のレイアウトの一例を説明する図である。図示するように、テストパターン生成部３２により生成されるテストパターンのマスクレイアウトは、繰り返し周期（ピッチ）Ｐでラインとスペースとが交互に配置されたラインアンドスペース（Ｌ／Ｓ）構造となっている。該ラインアンドスペースの中央のラインの線幅をＬ_０であり、各ラインの線幅は、パターン中央から端に近づくに伴って隣り合うラインの線幅（Ｌ_ｉ、Ｌ_ｉ＋１）の差が一定の値ｄ（＝Ｌ_ｉ＋１−Ｌ_ｉ）となるように少しずつ減少する。なお、各ラインは露光光を透す透光部である。ここで、Ｐは次の条件を満たしている。
Ｐ＜λ／｛ＮＡ（１＋σ）｝・・・（式４）
但し、λ、Ｎａ、σは、夫々露光装置の波長、レンズ開口数、照明のコヒーレンスファクターである。

式４の条件を満たすことにより、マスク上のＬ／Ｓ構造はウェハ上では解像されず、代わりに図１３に示すような棒状のレジストパターンが形成される。該棒状のレジストパターンの長手方向の長さＬは、テストパターンのマスクレイアウトにおける線幅変化量ｄおよび中央線幅Ｌ０の値に応じて変化する。図１４は、このテストパターンのマスクレイアウトからシミュレーションにより求めた棒状の光学像の長手方向の像強度をプロットしたグラフである。露光条件は、露光波長２４８ｎｍ（ＫｒＦ）、０．６８ＮＡ／０．７５σであり、用いたテストパターンは、ピッチＰ＝１９０ｎｍ、線幅変化量ｄ＝０．６２５ｎｍ、１．２５ｎｍ、２．５ｎｍ、５ｎｍの４種類である。図示するように、線幅変化量ｄの値が小さくなるほどレジスト上に投影される棒状の光学像の像強度の勾配がなだらかになるとともに裾野が広がるため、レジストパターンの長手方向の長さＬが長くなることがわかる。

なお、レジストパターンの長手方向の長さＬは光学式の測定装置（例えば実体顕微鏡など）でも測定可能な長さ（例えば数ミクロン）になるようにマスク上のテストパターンの大きさおよび線幅変化量ｄ、中央線幅Ｌ_０、ピッチＰの値が設定される。光学式の測定装置で測定すると、測定対象へのチャージアップやダメージがないので、高い測定再現性が得られる。また、図１２に示すテストパターンによると、Ｌ／Ｓ構造をウェハ上で解像させるわけではないので、露光時のフォーカスの影響を受けにくい。一般的なパターンでは、デフォーカスの影響により寸法が外れることもあり、意図せぬ寸法ばらつきにより正しいレジストモデルを作成できない可能性があった。図１２に示すテストパターンによると、デフォーカスしてもウェハ上のレジストパターンの仕上がりは変わらないので、デフォーカスを生じせしめるようなプロセス変動によって正しく予測できないレジストモデルを作成してしまうことはなくなる。

このように、図１２に示すテストパターンのマスクレイアウト図を用い、線幅変化量ｄ、中央線幅Ｌ_０、ピッチＰの値を変化させることにより光学像の形状を自由に変化させることができるので、光学像の変化に対応して特徴量の値も同様に変化させることができる。テストパターン生成部３２は、回路パターンがいかなる特徴量分布を有する場合であっても、線幅変化量ｄ、中央線幅Ｌ_０、またはピッチＰの値を調整して、回路パターンの特徴量分布に応じたテストパターンを生成する。

次に、第３の実施の形態のレジストモデル作成装置３０の動作を説明する。図１５は、該動作を説明するフローチャートである。

図１５において、まず、特徴量抽出装置３１は、回路パターンから光学像を求め、該求めた光学像から特徴量を抽出する（ステップＳ３１）。そして、テストパターン生成部３２は、抽出された特徴量の分布を網羅するように線幅変化量ｄ、中央線幅Ｌ_０、またはピッチＰの値を調整して異なる複数のテストパターンを生成する（ステップＳ３２）。ピッチＰの値は、式４を満たす範囲、すなわちウェハ上でＬ／Ｓ構造が解像不可能となる範囲で調整される。

例えば、特徴量抽出装置３１が、光学像の強度の最大値Ｉｍａｘとエッジにおける光学像強度の傾きｓｌｏｐｅとを特徴量として定義しているとする。図１６は、Ｉｍａｘおよびｓｌｏｐｅを説明する図である。ｓｌｏｐｅは、エッジ（光学像を所定のしきい値Ｉｔｈでスライスした部分）における像強度の傾き、Ｉｍａｘは像強度の最大値である。特徴量抽出装置３１が、ステップＳ３１において、図１７に示すような回路パターンから光学像を求め、該求めた光学像からＩｍａｘおよびｓｌｏｐｅを抽出し、図１８に示すような特徴量分布を得たとする。

ＩｍａｘはＬ_０が大きいほど大きくなり、ｓｌｏｐｅはｄが大きいほど大きくなる関係がある。テストパターン生成部３２は、ステップＳ３２において、主にＬ_０およびｄを調整することにより、図１８に示した回路パターンの分布に対して図１９に示す白丸（○）に位置する特徴量を有するテストパターンを夫々生成する。

図１５に戻り、ステップＳ３２において作成された各テストパターンを露光し、実体顕微鏡や可視光を光源とした光学式の合わせずれ検査装置により、各テストパターンのレジストパターンからＬを測定する（ステップＳ３３）。そして、レジストモデル作成部３３は、各テストパターンについてＬの予測寸法とステップＳ３３にて測定されたＬの実測寸法との差が小さくなるように、シミュレーションモデルのキャリブレーションパラメータを最適化する（ステップＳ３４）。

なお、テストパターン生成部３２により生成されるテストパターンの一例として図１２に示したラインアンドスペースのテストパターンを取り上げたが、図２０（ａ）に示すような、ウェハ上に解像可能な大きさのメインパターンとウェハ上に解像しない補助パターンからなるテストパターンが生成されるようにしてもよい。図２０（ｂ）は、ウェハ上に形成される図２０（ａ）のテストパターンのレジスト像の一例である。このテストパターンの補助パターンの線幅Ｗ、ピッチＰ、本数Ｎ、形状をコントロールすることによりレジスト像の像強度分布を変化させることができ、該変化に伴って特徴量も変化させることができる。したがって、ステップＳ３２において、テストパターン生成部３２は、回路パターンの特徴量分布を網羅するように補助パターンの線幅Ｗ、ピッチＰ、本数Ｎ、形状を調整した図２０（ａ）に示すテストパターンを生成するようにしてもよい。

以上説明したように、本発明の第３の実施の形態によれば、回路パターンの特徴量に基づいて、ラインおよびスペースの寸法をウェハ上で解像しない範囲で調整したラインアンドスペースのテストパターンを生成し、該生成したテストパターンのレジスト像の予測寸法とウェハに形成されるレジストパターンの実測寸法との残差に基づいてレジストモデルを作成するようにしたので、プロセス変動に依存しないレジストパターンがウェハ上に転写され、かつ該レジストパターンの寸法はＣＤ−ＳＥＭではなく光学式の測定装置で測定できる、すなわち再現性が高くかつ高精度な実測寸法を取得できるので、高い精度が保証されたレジストモデルを作成できるようになる。

ところで、第３の実施の形態のレジストモデル作成装置３０は、例えば、図５に示す、ＣＰＵなどの制御装置１と、ＲＯＭ（Read Only Memory）やＲＡＭなどの記憶装置２と、ＨＤＤ、ＣＤドライブ装置などの外部記憶装置３と、ディスプレイ装置などの表示装置４と、キーボードやマウスなどの入力装置５を備える、通常のコンピュータにおいてプログラムを実行することにより実現するようにしてもよい。

第３の実施の形態のレジストモデル作成装置３０において実行されるレジストモデル作成プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供されるようにしてもよい。

また、第３の実施の形態のレジストモデル作成装置３０で実行されるレジストモデル作成プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。第３の実施の形態のレジストモデル作成装置３０で実行されるレジストモデル作成プログラムを、インターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、第３の実施の形態のレジストモデル作成装置３０で実行されるレジストモデル作成プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

また、第３の実施の形態のレジストモデル作成装置３０で実行されるレジストモデル作成プログラムは、各構成要素（特徴量抽出装置３１、テストパターン生成部３２、レジストモデル作成部３３）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵが上記記憶媒体からレジストモデル作成プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、特徴量抽出装置３１、テストパターン生成部３２、レジストモデル作成部３３が主記憶装置上に生成されるようになっている。

（第４の実施の形態）
従来のＣＴＭよれば、特徴量を説明変数とした線形モデルでレジスト像を記述するので、高精度なレジストモデルを作成するためには、各種の特徴量の値と、実測寸法と予測寸法との差（残差）と、の間の関係が、決定係数ができるだけ１に近い線形関係を有することが望ましい。

一方、ＣＴＭにおいては、特徴量抽出パラメータを使用した非線形関数により抽出される。図２１は、σ１が５０、７０、１００の各場合における第１の特徴量と、残差（ｅｒｒＣＤ）との関係を示すグラフである。σ１＝７０の場合、もっとも決定係数（Ｒ^２）が１に近く、他の場合はσ１＝７０の場合に比して決定係数が小さくなっている。つまり、σ１の値に応じて各種の特徴量の値と残差との関係の決定係数が変化する。

したがって、キャリブレーションパラメータを最適化する際（図１、ステップＳ４）、従来は、各種特徴量抽出パラメータを例えばシンプレックス法によって各種の特徴量の値と残差との関係が決定係数ができるだけ１に近い線形関係を有するように最適化しつつ、各イタレーションの中で、レジスト像と各種特徴量との関係を線形回帰させ、残差をコスト関数としてシンプレックス法に返すといった方法で最適化していた。

しかしながら、この方法によれば、特徴量抽出パラメータを変える毎に特徴量を抽出し直すため、多大な計算コストを必要とし、計算負荷やレジストモデル作成時間が非常に大きいという問題があった。

第４の実施の形態によれば、レジスト像と各種特徴量との関係を非線形回帰することにより、特徴量抽出パラメータを振ることなく高精度なレジストモデルを高速に作成する。図２２は、第４の実施の形態によるレジストモデル作成装置の構成を説明するブロック図である。

図示するように、レジストモデル作成装置４０は、レジストモデル作成用に選択されたテストパターンのマスクレイアウト図から光学像を求め、該求めた光学像から特徴量を抽出する特徴量抽出装置４１と、特徴量抽出装置４１が抽出した特徴量および前記選択されたテストパターンの実測寸法に基づいてレジストモデルのキャリブレーションパラメータを最適化するレジストモデル作成部４２と、を備える。

ここで、特徴量抽出装置４１は、第１〜第３の特徴量を抽出できるものであればどのようなものであってもよく、例えば第１の実施の形態にて説明したものと同じであってよい。また、レジストモデル作成用のテストパターンは、どのような方法で選択されたものであってもよく、例えば第２の実施の形態にて説明した方法で選択されたものであってよい。

次に、第４の実施の形態のレジストモデル作成装置４０の動作を説明する。図２３は該動作を説明するフローチャートである。

図２３において、まず、特徴量抽出装置４１は、テストパターンのマスクレイアウト図に対して光学計算に基づくシミュレーションを実行して光学像を求め、該求めた光学像から第１〜第３の特徴量を抽出する（ステップＳ４１）。このとき、特徴量抽出パラメータは任意の値を用いてよい。

続いて、レジストモデル作成部４２は、各テストパターンの特徴量、すなわち（第１の特徴量、第２の特徴量、第３の特徴量）に非線形なカーネル関数を作用させ、各テストパターンの特徴量をより高次元の空間に写像する（ステップＳ４２）。非線形なカーネル関数には、ガウスカーネル、シグモイドカーネル、ロジスティックカーネルなどがあるが、レジストモデル作成部４２は、写像先の高次元空間にて特徴量を線形回帰させることができるように適切なカーネル関数を選択して使用する。

そして、レジストモデル作成部４２は、各テストパターンの残差が最小になるように、該高次元空間において各特徴量を線形回帰させ、レジストモデルを作成する（ステップＳ４３）。線形回帰させる手法としては、サポートベクターマシンやニューラルネットワークを利用して高精度に線形回帰させる方法が知られており、レジストモデル作成部４２は、これらの方法を用いて特徴量の線形回帰を行う。

図２４は、レジストモデル作成装置４０により第１の特徴量と残差との関係が高次元空間上で線形回帰される様子を説明する概念図である。図２４の上段の３つの図は、図２１の３つの図と同等である。上段の３つの図に対してカーネル関数を作用させると、上段の３つの図は下段の３つの図のように、写像先の空間において決定係数がより１に近い線形関係を有するように変換することができる。つまり、σ１がどのような値であっても、写像先の空間で特徴量を決定係数が１に近い線形回帰をさせることができる。なお、下段の３つの図は、カーネル関数による変換後の高次元空間であるので、横軸および縦軸は物理的な意味を有さないので、表記を省略している。

このように、各特徴量は、非線形なカーネル関数により高次元空間に写像された後に、該空間において線形回帰されるので、写像前の空間において非線形回帰されたことに等しい。つまり、第４の実施の形態によれば、レジスト像を特徴量を説明変数とした非線形モデルで記述するようにしたので、これまで行っていた特徴量抽出パラメータを最適化する工程を省略することができる。

ＮＡ１．０／σ０．９５／ε０．７５の輪帯照明を用いるリソグラフィ条件で光学像を求め、
σ１＝２０、３０、４０ｎｍ、
（σ２、ｂ０）＝（１００、０．１）、（１５０、０．１）、（２００、０．１）、（１００、０．１５）、（１５０、０．１５）、
（σ３、ｂ１）＝（１００、０．１）、（１５０、０．１）、（２００、０．１）、（１００、０．１５）、（１５０、０．１５）
の計７５種類の組み合わせの特徴量抽出パラメータを使用し、夫々７５通りの特徴量を計算し、
（１）線形モデル
（２）非線形モデル（第４の実施の形態による手法）
により求めたレジスト像の予測寸法と実測寸法との差を比較した。

図２５は比較結果である。ここで、残差として残差ＲＭＳ（root mean square）を用いている。図示するように、残差ＲＭＳは、従来の線形モデルよりも本実施の形態による非線形モデルのほうが少ないことがわかる。これは、線形モデルにおいては、σ１、σ２、σ３、ｂ０、ｂ１を残差が最小になるように最適化する必要があったが、今回は７５通りしか試していないため、非線形モデルで得られたような精度を達成できるような特徴量抽出パラメータを選ぶことができなかったことを意味している。しかし、本実施の形態によれば、特徴量は必ずしも残差との関係が線形である必要がなく、得られる非線形モデルは線形モデルに比べて精度が高い。

図２６は残差ＲＭＳのばらつきを示したグラフである。７５通りの特徴量抽出パラメータを元に残差ＲＭＳを計算し、その標準偏差を比較している。線形モデルでは、特徴量抽出パラメータを変えると残差ＲＭＳが大きく変動しているが、本発明の第４の実施の形態の非線形モデルによればそれよりも残差ＲＭＳのばらつきが少ない。したがって、本発明の第４の実施の形態の非線形モデルによれば、特徴量抽出パラメータを最適化する必要がないことがわかる。

従来の線形モデルによれば、５パラメータをシンプレックス法により最適化したとき、４７０回のイタレーションを必要とした。より残差ＲＭＳの小さいレジストモデルを作成するために特徴量抽出パラメータを７５通りよりも多く使用すると、パラメータの増加に伴ってより多くのイタレーションを必要とするようになる。したがって、計算コストや計算時間が必要となり、レジストモデル作成に必要な時間が増大する。これに対して、第４の実施の形態によれば、一通りの特徴量抽出パラメータを用いた１回の計算で精度のよいレジストモデルを作成することができる。したがって、計算時間を大幅に削減することができる。

このように、第４の実施の形態によれば、テストパターンの光学像の特徴量に非線形関数を作用させて高次元空間に写像し、高次元空間上でテストパターンのレジスト像の予測寸法とウェハに形成されるレジストパターンの実測寸法との残差に基づいてテストパターンのレジスト像と特徴量との関係を線形回帰してレジストモデルを作成するようにしたので、特徴量抽出パラメータを振ることなく高精度なレジストモデルを高速に作成することができる。

なお、上記説明においては、テストパターンの光学像から特徴量抽出パラメータを使用して特徴量を抽出し、該抽出した特徴量を説明変数としてレジスト像を予測するレジストモデルを作成する場合について説明したが、第４の実施の形態は、第１のパターンから特徴量抽出パラメータが設定された特徴量抽出関数を用いて特徴量を抽出し、該抽出した特徴量を説明変数として第２のパターンを予測するシミュレーションモデルを作成するどのような方法に対しても適用することができる。例えば、マスクパターンのレイアウト図、光学像、またはレジスト像（第１のパターン）から特徴量抽出パラメータが設定された特徴量抽出関数を用いて特徴量を抽出し、該抽出した特徴量を説明変数としてエッチングにより被加工層に形成されるパターン（第２のパターン）を予測するエッチングモデルを作成する方法に対しても第４の実施の形態の技術を適用することができる。また、テンプレートを用いて被加工層にパターンを形成するナノインプリント技術において、テンプレートのパターン（第１のパターン）から特徴量抽出パラメータが設定された特徴量抽出関数を用いて特徴量を抽出し、該抽出した特徴量を説明変数として被加工層に形成されるパターン（第２のパターン）を予測するシミュレーションモデルを作成する方法に対しても第４の実施の形態の技術を適用することができる。

ところで、第４の実施の形態のレジストモデル作成装置４０は、例えば、図５に示す、ＣＰＵなどの制御装置１と、ＲＯＭ（Read Only Memory）やＲＡＭなどの記憶装置２と、ＨＤＤ、ＣＤドライブ装置などの外部記憶装置３と、ディスプレイ装置などの表示装置４と、キーボードやマウスなどの入力装置５を備える、通常のコンピュータにおいてプログラムを実行することにより実現するようにしてもよい。

第４の実施の形態のレジストモデル作成装置４０において実行されるレジストモデル作成プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供されるようにしてもよい。

また、第４の実施の形態のレジストモデル作成装置４０で実行されるレジストモデル作成プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、第４の実施の形態のレジストモデル作成装置４０で実行されるレジストモデル作成プログラムを、インターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、第４の実施の形態のレジストモデル作成装置４０で実行されるレジストモデル作成プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

第４の実施の形態のレジストモデル作成装置４０で実行されるレジストモデル作成プログラムは、各構成要素（特徴量抽出装置４１、レジストモデル作成部４２）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵが上記記憶媒体からレジストモデル作成プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、特徴量抽出装置４１、レジストモデル作成部４２が主記憶装置上に生成されるようになっている。

（第５の実施の形態）
一般的に、設計者は、デザインルールに基づいて回路パターンの設計を行う。１３０ｎｍｎｏｄｅまでは、リソグラフィを考慮してデザインルールが策定され、設計者はそのデザインルールに基づいてレイアウト設計すれば、リソグラフィで問題なくパターニングされ、生産することができた。しかしながら、９０ｎｍｎｏｄｅ以降、単純なデザインルールだけでは不十分になり、より複雑なデザインルールが必要になってきた。しかしながら、複雑になりすぎるともはやデザインルールを提示することも困難であった。

このため、文献「Proc. SPIE Vol.5130(2003)p.628」に示されているように、回路パターン設計の際、リソグラフィシミュレーションを行い、リソグラフィプロセスの尤度に照らし合わせて生産の際に問題が生じないかを検証するという設計データのリソグラフィ検証が行われるようになった。

ところで、作成されたレジストモデルは、回路パターンの特徴量がレジストモデル作成に際して使用されたテストパターンの特徴量分布が網羅している範囲に収まっているとき、該レジストモデルによる予測値の有効性が保証される。設計者が該特徴量分布の範囲を逸脱する回路パターンを設計すると、該回路パターンに対するレジスト像を精度よく予測することができない。従来は、回路パターンの特徴量がテストパターンの特徴量分布の範囲に収まっているか否かに関わらず上記したリソグラフィ検証を行っていたので、無効な予測値に基づいてリソグラフィ検証を行っていた可能性があった。

第５の実施の形態は、設計された回路パターンがテストパターンの特徴量分布の分布範囲を逸脱しているか否かを判定することによって、設計された回路パターンのうち予測値の有効性が保証されない部分を割り出す。図２７は、第５の実施の形態の設計回路パターン検証装置の構成を説明するブロック図である。

図２７に示すように、設計回路パターン検証装置５０は、設計者が作成した回路パターンのマスクレイアウト図における複数の部位から特徴量を抽出する特徴量抽出装置５１と、該抽出した回路パターンの特徴量の分布とレジストモデル作成の際に使用されたテストパターンの特徴量の分布とを比較することにより、テストパターンの特徴量の分布が網羅している範囲から逸脱している回路パターンの部位を抽出する逸脱部位抽出部５２と、該抽出された回路パターン上の部位を表示部に表示する逸脱部位表示部５３と、を備える。なお、特徴量抽出装置５１は、第１の実施の形態にて使用したものと同一のものであってもかまわない。

次に、第５の実施の形態の設計回路パターン検証装置５０の動作を説明する。図２８は該動作を説明するフローチャートである。

図２８において、まず、特徴量抽出装置５１は、設計者が作成した回路パターンのマスクレイアウト図から光学像を求め、求めた光学像から特徴量を抽出する（ステップＳ５１）。そして、逸脱部位抽出部５２は、回路パターンから抽出された特徴量に基づいて、回路パターンの特徴量の分布と、レジストモデル作成に使用されたテストパターンの特徴量の分布とを比較し、特徴量がテストパターンの特徴量の分布が網羅している範囲から逸脱している回路パターンの部位を抽出する（ステップＳ５２）。

回路パターンの特徴量がテストパターンの特徴量の分布が網羅している範囲から逸脱しているか否かは、例えば以下のようにして判定するとよい。すなわち、特徴空間を正規化し、正規化した特徴空間に回路パターンおよびテストパターンの特徴量をプロットし、回路パターンのドットから所定のユークリッド距離以内に少なくとも一つのテストパターンのドットが存在する場合、該回路パターンのドットに対応する部位は逸脱しておらず、テストパターンのドットが一つも存在しない場合、逸脱していると判定するとよい。所定のユークリッド距離とは、例えば０．１などに設定するとよい。

また、正規化された特徴空間において、回路パターンの夫々の部位に対応するドットに対し、各テストパターンのドットまでのユークリッド距離に応じたスコアを付し、スコアが一定の値以下の回路パターンの部位は逸脱しており、該一定の値を超える回路パターンの部位は逸脱している、と判定するようにしてもよい。スコア値は、例えば、テストパターンのドットとの距離にガウス関数などを作用させて求めた値を全てのテストパターンで積算して算出されるようにするとよい。

また、特徴空間の各座標軸を一定間隔置きにグリッドで区切り、グリッドで区切られた最小単位の小空間に注目し、ある回路パターンの部位の特徴量がプロットされている小空間と同一の小空間にテストパターンの特徴量がプロットされている場合、該回路パターンは逸脱しておらず、プロットされていない場合、逸脱していると判定するようにしてもよい。

ステップＳ５２に続いて、逸脱部位表示部５３は、抽出された回路パターンの部位を表示部に表示する（ステップＳ５３）。表示部とは、例えば液晶ディスプレイなどであってよい。表示部に表示された部位は、レジストモデルによる予測値の有効性が保証されていないので、設計者は、該表示されている部位の形状を予測値の有効性が保証される形状に変更するとよい。

図２９（ａ）は設計された回路パターン、図２９（ｂ）は該回路パターンの特徴量の分布（白丸（○））をテストパターンの特徴量の分布とともに横軸をスロープ、縦軸を第１の特徴量としたグラフにプロットしたグラフである。図２９（ａ）の矢印が示す部位の特徴量が、図２９（ｂ）の矢印に示すドットのようにテストパターンの特徴量の分布から逸脱している。ステップＳ５２では、逸脱部位抽出部５２は、図２９（ａ）の矢印が示す部位を抽出し、ステップＳ５３では、逸脱部位表示部５３は、図２９（ａ）のように表示部に該部位がわかるように表示する。

設計者は、該部位がテストパターンの特徴量の分布から逸脱していることを知ると、例えば図３０（ａ）のように回路パターンのマスクレイアウト図を修正する。修正後の回路パターンに対して再び設計回路パターン検証装置５０の動作を実行すると、図３０（ａ）の矢印が示す部位の特徴量は、図３０（ｂ）における矢印が示すドットのように、テストパターンの特徴量の分布からは逸脱していなかったとすると、今度は修正された部位は表示部に表示されないので、設計者は、該部位を予測値の有効性が保証されたデザインに修正できたことを知ることができる。

以上述べたように、第５の実施の形態によれば、設計者により作成された回路パターンの特徴量の分布とテストパターンの特徴量の分布とを比較し、テストパターンの特徴量分布の範囲から逸脱している回路パターンの部位を求め、該求めた部位を表示するようにしたので、設計者はレジストモデルによる予測値の予測精度が保証されない部分を知ることができるので、設計者は予測精度が保証できる形状に回路パターンのマスクレイアウト図を修正することができるようになる。

なお、上記説明においては、テストパターンの光学像から抽出した特徴量を説明変数としてレジスト像を予測するレジストモデルを用いて回路パターンの検証を行う場合について説明したが、第５の実施の形態は、第１のパターンから抽出した特徴量を説明変数として第２のパターンを予測するシミュレーションモデルを用いて第１のパターンの設計図あるいは第１のパターンを作成するため別のパターンの設計図の検証を行う場合であればどのような場合であっても適用することができる。例えば、マスクパターンのレイアウト図、光学像、またはレジスト像（第１のパターン）から抽出した特徴量を説明変数としてエッチングにより被加工層に形成されるパターン（第２のパターン）を予測するエッチングモデルを用いてマスクパターンの設計図の検証を行う場合にも、第５の実施の形態を適用することができる。また、テンプレートを用いて被加工層にパターンを形成するナノインプリント技術において、テンプレートのパターン（第１のパターン）から抽出した特徴量を説明変数として被加工層に形成されるパターン（第２のパターン）を予測するシミュレーションモデルを用いてテンプレートのパターンの設計図の検証を行う場合にも、第５の実施の形態を適用することができる。

ところで、第５の実施の形態の設計回路パターン検証装置５０は、例えば、図５に示す、ＣＰＵなどの制御装置１と、ＲＯＭ（Read Only Memory）やＲＡＭなどの記憶装置２と、ＨＤＤ、ＣＤドライブ装置などの外部記憶装置３と、ディスプレイ装置などの表示装置４と、キーボードやマウスなどの入力装置５を備える、通常のコンピュータにおいてプログラムを実行することにより実現するようにしてもよい。

第５の実施の形態の設計回路パターン検証装置５０において実行される設計回路パターン検証プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供されるようにしてもよい。

また、第５の実施の形態の設計回路パターン検証装置５０で実行される設計回路パターン検証プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、第５の実施の形態の設計回路パターン検証装置５０で実行される設計回路パターン検証プログラムを、インターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、第５の実施の形態の設計回路パターン検証装置５０で実行される設計回路パターン検証プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

また、第５の実施の形態の設計回路パターン検証装置５０で実行される設計回路パターン検証プログラムは、各構成要素（特徴量抽出装置５１、逸脱部位抽出部５２、逸脱部位表示部５３）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵが上記記憶媒体から設計回路パターン検証プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、特徴量抽出装置５１、逸脱部位抽出部５２、逸脱部位表示部５３が主記憶装置上に生成されるようになっている。

レジストモデルを作成する基本的な手順を説明する図。第１の実施の形態の特徴量抽出装置の構成を説明するブロック図。第１の実施の形態の特徴量抽出装置の動作を説明するフローチャート。算出した特徴量をプロットしたグラフ。通常のコンピュータの構成を説明する図。第２の実施の形態のテストパターン選択装置の構成を示すブロック図。テストパターンの種類の例を説明する図。テストパターンの種類の例を説明する図。第２の実施の形態のテストパターン選択装置の動作を説明するフローチャート。テストパターンの特徴量をプロットしたグラフ。第３の実施の形態のレジストモデル作成装置の構成を説明するブロック図。テストパターンのマスク上のレイアウトの一例を説明する図。レジストパターンを説明する図。光学像の長手方向の像強度をプロットしたグラフ。第３の実施の形態のレジストモデル作成装置の動作を説明するフローチャート。Ｉｍａｘおよびｓｌｏｐｅを説明する図。回路パターンの例を説明する図。回路パターンの特徴量分布を説明する図。回路パターンの特徴量分布および生成するテストパターンの特徴量分布を説明する図。テストパターンのフォトマスク上のレイアウトおよびレジストパターンの一例を説明する図。第１の特徴量と残差との関係を示すグラフ。第４の実施の形態によるレジストモデル作成装置の構成を説明するブロック図。第４の実施の形態によるレジストモデル作成装置の動作を説明するフローチャート。第１の特徴量と残差との関係が高次元空間上で線形回帰される様子を説明する概念図。非線形モデル（本手法）および線形モデル（従来の手法）により求めたレジスト像の予測寸法と実測寸法との差を比較した比較結果を説明する図。非線形モデル（本手法）および線形モデル（従来の手法）により求めたレジスト像の予測寸法と実測寸法との差のばらつきを比較した比較結果を説明する図。第５の実施の形態の設計回路パターン検証装置の構成を説明するブロック図。第５の実施の形態の設計回路パターン検証装置の動作を説明するフローチャート。設計された回路パターンのマスクレイアウト図と該レイアウト図の特徴量およびテストパターンの特徴量をプロットしたグラフ。修正された回路パターンのマスクレイアウト図と該レイアウト図の特徴量およびテストパターンの特徴量をプロットしたグラフ。

符号の説明

１０特徴量抽出装置、１１マスクパターン入力部、１２光学像算出部、１３特徴量抽出パラメータ設定部、１４特徴量算出部、２０テストパターン選択装置、２１特徴量抽出装置、２２優先度情報記憶部、２３テストパターン選択部、３０レジストモデル作成装置、３１特徴量抽出装置、３２テストパターン生成部、３３レジストモデル作成部、４０レジストモデル作成装置、４１特徴量抽出装置、４２レジストモデル作成部、５０設計回路パターン検証装置、５１特徴量抽出装置、５２逸脱部位抽出部、５３逸脱部位表示部。

Claims

レジスト像を予測するレジストモデルの説明変数として使用される特徴量を算出する特徴量抽出関数を用いてフォトマスクのパターンの光学像から特徴量を抽出する特徴量抽出方法であって、
特徴量抽出パラメータを定める特徴量抽出パラメータ設定工程と、
前記特徴量抽出パラメータ設定工程により定められた特徴量抽出パラメータが設定された前記特徴量抽出関数を前記光学像に作用させて該光学像から特徴量を算出する特徴量算出工程と、
を含むことを特徴とする特徴量抽出方法。
レジストモデルによるレジスト像の予測寸法とウェハに形成されるレジストパターンの実測寸法との残差を測定するためのテストパターンを予め多数用意されているテストパターンのうちから選択するテストパターン選択方法において、
予め多数用意されているテストパターンの夫々の光学像から請求項１に記載の特徴量抽出方法を用いて特徴量を抽出する特徴量抽出工程と、
該夫々の光学像から抽出した特徴量と、実測寸法の測定精度に応じてテストパターン毎に予め設定されている優先度と、に基づいて予め多数用意されているテストパターンのうちからテストパターンを選択するテストパターン選択工程と、
を含むことを特徴とするテストパターン選択方法。
回路パターンの光学像から請求項１に記載の特徴量抽出方法を用いて特徴量を抽出する特徴量抽出工程と、
該抽出した特徴量の分布に応じてラインおよびスペースの寸法をウェハ上で解像しない範囲で調整したラインアンドスペースのテストパターンを生成するテストパターン生成工程と、
前記生成したテストパターンのレジスト像の予測寸法とウェハに形成されるレジストパターンの実測寸法との残差に基づいてレジストモデルを作成するレジストモデル作成工程と、
を含むことを特徴とするレジストモデル作成方法。
請求項２に記載のテストパターン選択方法により選択されたテストパターンの夫々の光学像から請求項１に記載の特徴量抽出方法に基づいて特徴量を抽出する特徴量抽出工程と、
該抽出された特徴量に非線形関数を作用させて該特徴量を高次元空間に写像し、前記高次元空間上で前記テストパターンのレジスト像の予測寸法とウェハに形成されるレジストパターンの実測寸法との残差に基づいて前記テストパターンのレジスト像と特徴量との関係を線形回帰してレジストモデルを作成するレジストモデル作成工程と、
を含むことを特徴とするレジストモデル作成方法。
設計者により作成された回路パターンの光学像に対して請求項１に記載の特徴量抽出方法を適用して前記回路パターンの複数部位における特徴量を抽出する特徴量抽出工程と、
前記複数抽出した特徴量の分布とテストパターンの特徴量の分布とを比較し、前記テストパターンの特徴量分布の範囲から逸脱している前記回路パターンの部位を抽出する逸脱部位抽出工程と、
前記逸脱部位抽出工程により抽出した前記回路パターンの部位を表示部に表示する逸脱部位表示工程と、
を含むことを特徴とする設計回路パターン検証方法。