JP2011100149A - 個別マスクエラーモデルを使用するマスク検証を行うシステムおよび方法 - Google Patents

Abstract

【課題】マスクエラーモデルと組み合わせ、デバイス設計の共通プロセス窓や露光ツールを最適化する方法、及びシステムを提供する。
【解決手段】ポストＯＰＣマスクレイアウトに従ってマスクが製造される（工程２１０）。マスクを検査しマスク検査データを生成、分析し、系統的マスクエラーパラメータを決定する（工程２１２）。検査されたマスクについて個別マスクエラーモデルが作成される（工程２１４）。個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートし、シミュレートパターンを生成する（工程２１６）。シミュレートパターンを工程２１８で得られたプレＯＰＣ設計レイアウトと比較し（工程２２０）、所望のパターニング性能を発揮するかどうかを判定する（工程２２２）。発揮できると判定された場合、工程２２８に進む。そうでない場合は工程２２４に進み、修復可能または作り直し可能かどうかを判定する。
【選択図】図２Ａ

Description

（関連出願への相互参照）
[0001] 本出願は、”System and Methods for Model-Based Mask Verification”という表題の米国仮特許出願第５０／７１９，８３７号の利益を主張するものである。この関連出願の主題は、参照によりその全体が本明細書に組み込まれる。

[0002] 本発明は、一般に、光リソグラフィに関するものであり、より具体的には個別のマスクエラーモデルを使用するマスク検証に関するものである。

[0003] 集積回路業界は、始まって以来、コストを抑えつつデバイスの高機能化を推進することにより驚くべき成長率を維持してきた。最先端のデバイスは、以前には部屋全体を占有していたコンピュータの計算能力を、今日ではそのときのコストの数分の１のコストで備える。今日の低価格の消費者デバイスの多くは、テレビ携帯電話、超軽量メディアプレーヤー、および無線または超広帯域インターネットデバイスなどの、ほんの数年前までどんなにコストをかけても利用できなかった機能を備えている。この成長の主要な実現因子の１つは、光リソグラフィプロセスが、集積回路パターンの一部としてパターン形成できる最小特徴サイズを着実に下げてゆくことができるという点であった。このように特徴サイズおよびコストが着実に減少し、それと同時に回路毎に印刷する特徴が増えることは、一般に「ムーアの法則」(“Moore’s Law”)またはリソグラフィ「ロードマップ」(“roadmap”)と呼ばれる。

[0004] リソグラフィプロセスは、マスタイメージをマスク上に形成し、次いでそのパターンを忠実にデバイスウェハ上に複製することを伴う。設計仕様の範囲内でマスタパターンの複製成功の回数が多いほど、完成デバイスまたは「チップ」(“chip”)毎のコストが低くなる。最近になるまで、マスクパターンは、マスクレベルのパターンがウェハレベルのパターンに比べて数倍大きくなりうることを除き、ウェハレベルの所望のパターンの正確な複製であった。次いで、この倍率は、ウェハ露光時に露光ツールの縮小率により補正される。マスクパターンは、典型的には、石英または他の透過的基板上に光吸収物質を蒸着し、パターン形成することにより形成される。次いで、マスクは、特定の露光波長の光がマスクを通してデバイスウェハに当てられる「ステッパ」(“stepper”)または「スキャナ」(“scanner”)として知られている露光ツール内に配置される。光は、マスクの透明領域を透過し、吸収層で覆われた領域内で典型的には９０％から１００％までの範囲の所望の量だけ減少する。マスクのいくつかの領域を通過する光は、さらに、所望の位相角、典型的には１８０度の整数倍の位相角だけ位相シフトされうる。露光ツールにより集光された後、集束された結果として空間イメージパターンがデバイスウェハ上に形成される。ウェハ表面に蒸着された感光物質は、光と相互作用し、ウェハ上に所望のパターン形成し、次いで、このパターンは、よく知られているプロセスによりウェハ上の下位層内に転写され、機能する電気回路を形成する。

[0005] 近年、パターン形成されるフィーチャサイズは、パターンを転写するために使用される光の波長に比べて著しく小さくなってきている。このように「サブ波長リソグラフィ」(“sub-wavelength lithography”)に向かう結果として、リソグラフィプロセスにおいて適切なプロセスマージンを維持することがますます困難になってきた。マスクおよび露光ツールにより形成される空間イメージは、フィーチャサイズと波長との比が減少するとコントラストおよび鮮明さを失う。この比は、露光ツールの開口数に波長で割った最小フィーチャサイズを掛けた値として定義される、ｋ１因子で定量化される。現在、露光波長を選択する実用上の自由は、制限されており、露光ツールの開口数は、物理的限界に近づきつつある。その結果、デバイスフィーチャサイズの縮小を続けるには、リソグラフィプロセスにおけるｋ１因子をますます積極的に低減する必要がある、つまり、光学イメージングシステムの古典的解像度限界、またはそれ以下のイメージングを必要とする。

[0006] ローｋ１リソグラフィを使用可能にする新しい方法を用いることで、最終ウェハレベルパターンの正確なコピーでないマスク上にマスタパターンが形成された。マスクパターンは、多くの場合、パターン密度またはピッチに応じてパターンのサイズおよび配置に関して調節される。他の技術は、マスクパターン（「serifs」、「hammerheads」、および他のパターン）上に付加的なコーナーを加えたり、差し引いたりすることを伴い、さらには、ウェハ上に複製されないジオメトリを加えることさえある。これらの非印刷「アシストフィーチャ」(“assist features”)は、背景光密度（「グレースケーリング」(“gray scaling”)）、および他の構造を変化させうる、スキャタリングバー、ポール、リング、チェッカーボード、または「シマウマ様模様」(“zebra stripes”)を含むが、これについては文献で詳しく説明されている。これらの方法はすべて、「光近接効果補正」(“Optical Proximity Correction”)または「ＯＰＣ」と総称されることが多い。ｋ１が減少すると、近接効果の大きさは劇的に増大する。現在のハイエンド設計では、デバイス層が多ければ多いほど、ＯＰＣが必要であり、ほとんどすべてのフィーチャエッジは、印刷パターンが設計意図に十分近いものにするために、ある程度の調節を必要とする。このような広範なＯＰＣアプリケーションの実装および検証は、詳細なフルチップ計算リソグラフィプロセスモデリングでしか可能でなく、このプロセスは、一般に、モデルベースＯＰＣと呼ばれる。（”Full-Chip Lithography Simulation and Design Analysis-How OPC Is Changing IC Design” C.Spence, PROC.SPIE, Vol.5751, pp.1-14(2005)および”Exploring New High Speed, Mask Aware RET Verification Flows”, P. Martin et al., PROC.SPIE 5853, pp.114-123, (2005)

[0007] マスクは、ウェハ上に複製できる、または複製できない位相シフト領域の追加により変更することもできる。オルタネーティングアパーチャシフタ(alternating aperture shifter)、二重露光マスキングプロセス(double expose masking process)、多重相転移(multiple phase transition)、および減衰位相シフトマスク(attenuating phase-shifting mask)を含む、多数の位相シフト技術が、文献において詳しく説明されている。これらの方法により形成されるマスクは、「位相シフトマスク」(Phase-Shifting Masks”)または「ＰＳＭ」として知られている。ＯＰＣ、ＰＳＭなどを含む、ローｋ１でイメージ勾配およびコントラストを強めるこれらの技術はすべて、「解像度向上技術」(“Resolution Enhancement Technologies”)または「ＲＥＴ」と総称される。さまざまな組み合わせでマスクに適用されることが多い、これらすべてのＲＥＴの結果として、ウェハレベルで形成される最終パターンは、もはやマスクレベルパターンの単純な複製でなくなっている。実際、マスクパターンを見て、最終ウェハパターンがどのように形になるかを単純に判断することが不可能になってきている。このため、マスクが作られ、ウェハが露光される前に設計データの正しさを検証することが非常に困難であるだけでなく、ＲＥＴが正しく適用されたこと、またマスクがターゲット仕様条件を満たすことを検証することも困難になっている。

[0008] ＯＰＣおよび他のＲＥＴが普及した結果、かなり多くの難題が持ち上がっている。特に、ポストＯＰＣマスク設計とプレＯＰＣ設計意図、つまり、製造されることが意図されている半導体構造との類似性は非常に限られている。プロセス窓の縮小、つまり、露光ドーズおよびｋ１因子の低減を伴う焦点などのいくつかのパラメータの意図しないバラツキに対するリソグラフィプロセスの許容差の低減がなおいっそう難しくなっている。さらに、近接効果が顕著になるにつれ、プロセスパラメータの小さな変化に曝されるフィーチャの正確な挙動は、極端に非線形であり、多くの場合、非直観的である。検出されない小さなプロセス変動であっても、デバイスの歩留まりに予測されない著しい影響を及ぼす可能性がある。このような歩留まり損失は、たぶん、設計の「弱点」(“weak points”)または「ホットスポット」(“hot spots”)で生じ、したがって、例えば、マスク汚染により引き起こされるランダムな「点欠陥」(“point defects”)の結果として生じる歩留まり損失と定性的に異なる。現行の半導体製造技術では、デバイスの歩留まりは、ランダムな欠陥ではなく、設計の弱点によりますます制限されるように見える。

[0009] 組織的なプロセス変動に寄与し、弱い設計フィーチャを失敗に追いやる可能性のある因子は、マスクそれ自体の正確な物理特性である。関連する物理的マスクパラメータとしては、線幅バイアス、コーナー丸め、マスク書き込みまたはマスクエッチ近接効果によるピッチ依存性、異方性、位相エラー、偏光、複屈折性、または一般に、「３−Ｄマスク効果」(“3-D mask effects”)が挙げられる。これらのパラメータは、単一マスクの領域内、異なる時刻に製造されたマスク、異なるツール上で製造されたマスク、または異なるマスクショップからのマスクの間で異なる可能性がある。

[0010] ＯＰＣおよびマスク設計は、詳細モデルに基づいているが、マスクの実際の物理的特性は、モデルの仮定と異なることがあり、このため、プロセス窓および最適なプロセス条件が変移したり、予測されない歩留まり損失を引き起こす可能性がある。このような歩留まり損失は、すでに識別されているホットスポットで発生しうる。しかし、物理的マスクパラメータの予想されず、検出されない変動も、ホットスポットの重大性を大きく変えるか、さらには公称条件の下で「限界の」(“marginal”)（または「弱い」(“weak”)）と識別されないパターンの失敗につながることすらあり得る。（「限界」(“marginal”)または「弱い」(“weak”)パターンは、例えば、製造不確定要因またはプロセス変動により容易に失敗する、あるいは歩留まり損失を生じる可能性のあるパターンである。）

[0011] 従来のマスク検査では、塵埃粒子またはピンホールなどの孤立点欠陥の検出を重視しており、そのため、マスクの系統エラー、およびプロセス窓に関係する「設計欠陥」(“design defects”)または「ホットスポット」(“hot spots”)への影響を検出することができない。図１は、このような従来のマスク検査が工程１２０で実行される、従来技術の製造プロセスに対する方法工程のフローチャートである。工程１１０で、チップに対する設計意図を示すプレＯＰＣ設計レイアウトが作成される。次いで、工程１１２で、プレＯＰＣ設計レイアウトは、ＯＰＣおよび他のＲＥＴを使用して処理され、これによりポストＯＰＣマスクレイアウトが形成される。工程１１４で、リソグラフィプロセスのモデルおよびポストＯＰＣマスクに適用される公称マスクエラーモデルを使用してフルチップがシミュレートされ、印刷パターンが予測される。このようなリソグラフィプロセスモデルおよびマスクモデルを使用してリソグラフィプロセスをシミュレートする一実施例は、参照によりその全体が本明細書に組み込まれている”System and Method for Lithography Simulation”という表題の米国特許第７，００３，７５８号（’７５８特許）において開示されている。工程１１６で、プレＯＰＣ設計レイアウト、つまり、設計意図と、予測される印刷パターンとを比較し、ポストＯＰＣマスクレイアウトが許容可能であるかどうかを判定する。許容可能であれば、この方法は工程１１８に進み、許容可能でなければ、この方法は工程１１２に戻り、そこで、工程１１６からの比較結果を使用して、ポストＯＰＣマスクレイアウトをチューニングし、新しいポストＯＰＣマスクレイアウトを形成し、次いで、工程１１４および１１６が繰り返される。予測された印刷パターンが許容可能であると判定された後、この方法は、工程１１８に進み、そこで、マスクが許容可能なポストＯＰＣマスクレイアウトに従って製造される。次いで、工程１２０で、マスクを検査し、塵埃粒子またはピンホールなどの孤立点欠陥を識別する。工程１２２で、識別された点欠陥を評価し、製造されたマスクが許容可能かどうかを判定する。許容可能であれば、この方法は、工程１２８に進み、許容可能でなければ、この方法は、工程１２４に進み、そこで、マスクを評価して、修復可能かどうかを判定する。マスクが修復可能であれば、この方法は、工程１２６に進み、そこで、マスクを修復し、次いで、この方法は、工程１２０に戻り、マスクが修復可能でなければ、この方法は、工程１１８に戻り、そこで、新しいマスクが製造される。オプションの工程１２８で、工程１１４のシミュレーションから得られた情報を使用してリソグラフィプロセスをチューニングする。このような情報としては、対象となるウェハ検査または最適化されたプロセス条件に対するホットスポット報告がある。しかし、設計段階でのシミュレーションは、公称条件（特に、マスクエラーモデルパラメータの公称値）に基づいているため、このようなフィードフォワード情報の有効性は限られる。工程１３０で、製造された（場合によっては修復された）マスクを使用してウェハが印刷される。

[0012] 図１に示されているように、従来技術のデバイス製造プロセスは、デバイスの所望の機能を定義するプレＯＰＣ設計レイアウトからＯＰＣまたは他のＲＥＴを適用することによるポストＯＰＣマスクレイアウトに進む。プレＯＰＣ設計レイアウトをポストＯＰＣマスクレイアウトに変換するこのプロセスは、現在、リソグラフィプロセスの数値シミュレーションに大きく依存し（例えば、モデルベースＯＰＣおよびモデルベース設計検証）、また典型的には、設定が許容可能とみなされる前にいくつかの繰り返しを実行する必要がある。デバイスのすべての要素が、意図されているとおりウェハ上に必ず印刷されるようにするために、フルチップシミュレーションが必要である。ＯＰＣ生成および設計検証のシミュレーションでは、例えば、’７５８特許で説明されているようにリソグラフィシミュレーションシステムを使用することができ、これは、投影プロセスの光学特性とともに生産版ウェハの上のレジスト層の特性を考慮して、マスクレイアウトから印刷レジストまたはフィーチャ輪郭を予測することができる。

[0013] マスクレイアウトが許容可能であると判定された後、マスクショップにより物理的マスクが製造され、ファブに送られる。このマスクは、既存のマスク検査ツールを使用して検査され、例えば、マスク製造時に汚染が存在することによる点欠陥を検出し、場合によっては修復することができる。その後、マスクは、生産版ウェハを印刷する露光ツール内に装填される。特に、詳細シミュレーションモデルは、マスク設計プロセスの中心部分であるが、従来、マスクがいったん作られると、リソグラフィデバイス製造プロセス全体において使用されるモデルベース情報はない。実際、この状況では、多くの場合、マスク製造プロセスは、かなりの不確実性（例えば、ＯＰＣが、実際のマスク上に適切に実装されたかどうか）の影響を受ける。新しいマスクでは、例えば設計ターゲットに十分近い印刷線幅を形成するために、経験的に−本質的には試行錯誤で−プロセスパラメータを調節する必要もありうる。その結果、系統的マスクエラーがマスク製造プロセスに入り込んでいる場合、そのようなエラーが明確に検出され是正されるまでに長い時間がかかり、また多くの印刷ウェハを必要とすることがある。

[0014] その結果、設計意図を考慮し、実線のリソグラフィマスクの物理特性、およびパターン印刷プロセスに対する影響を検証するシステムおよび方法が大いに必要である。このような方法があれば、ウェハを露光する前にマスクの予測および予防的適格性判定を行うことができ、また、与えられた物理的マスクに対する印刷デバイス歩留まりを最適化するように調節またはプロセス補正を実行することもできる。このようなプロセス補正は、正確なモデリングにより識別することができ、例えば、露光ドーズの調節、焦点オフセット、NAシグマ設定、異なる露光ツールの選択、および系統的マスクエラー修復技術が利用可能である場合には、系統的マスクエラーを補正するためのマスク製造プロセスへのフィードバックを伴うことがある。

[0015] 製造されたリソグラフィマスクを検査し、マスク検査データから物理的マスクデータを抽出し、物理的マスクデータを使用して系統的マスクエラーデータを生成し、系統的マスクエラーデータに基づく系統的マスクエラーパラメータを持つ個別マスクエラーモデルを作成し、マスクおよびＯＰＣ品質を検証し、特定のマスクおよび／または特定の投影システムを使用してリソグラフィプロセスのパターニング性能を予測し、パターニング性能を最適化するプロセス補正、したがって最終デバイス歩留まりを予測する方法およびシステムが開示される。

[0016] 一実施形態では、個別マスクエラーモデルを作成する方法は、マスクレイアウトデータを使用して製造されたマスクからマスク検査データを取得することと、マスク検査データとマスクレイアウトデータとの差を判定することと、マスク検査データとマスクレイアウトデータとの差に基づいて系統的マスクエラーデータを生成することと、系統的マスクエラーデータに基づいて個別マスクエラーモデルに対する系統的マスクエラーパラメータを生成することとを含む。

[0017] 一実施形態では、個別マスクエラーモデルを作成するシステムは、マスク検査データを生成するマスク検査ツールと、マスク検査データから物理的マスクデータを抽出し、抽出された物理的マスクデータとマスクレイアウトデータとの差に基づいて系統的マスクエラーデータを判定し、また、系統的マスクエラーデータを使用して個別マスクエラーモデルに対する系統的マスクエラーパラメータを生成するモデルベースマスクデータ分析システムとを含む。

[0018] 一実施形態では、方法は、露光ツールの光学モデルおよびレジストモデルを含むリソグラフィプロセスのモデルを選択することと、マスクレイアウトデータを使用して製造されたマスクを表す個別マスクエラーモデルを作成することと、リソグラフィプロセスのモデルおよび個別マスクエラーモデルを使用してシミュレートパターンを生成するリソグラフィプロセスをシミュレートすることと、シミュレートパターンと設計ターゲットとの差を決定することと、シミュレートパターンと設計ターゲットとの差に基づいて露光ツールの設定を最適化することとを含む。

[0019] 一実施形態では、方法は、それぞれの光学モデルが個別露光ツールを表す複数の露光ツールに対する複数の光学モデルを選択することと、複数の光学モデルのそれぞれについて、シミュレート結果を生成するためにマスクに対する光学モデルおよび個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートすることと、複数の光学モデルのそれぞれについてシミュレート結果を評価して、そのマスクに対し複数の露光ツールのうちのどれが最も高い性能を示すかを決定することと、ウェハ生産にベストマッチの露光ツールとマスクを選択することとを含む。

[0020]従来技術のリソグラフィ設計および製造プロセスのフローチャートである。 [0021]本発明の一実施形態による、個別マスクエラーモデルを使用するマスク検証の方法工程のフローチャートである。 [0022]本発明の他の実施形態による、個別マスクエラーモデルを使用するマスク検証の方法工程のフローチャートである。 [0023]本発明の他の実施形態による、個別マスクエラーモデルを使用するマスク検証の方法工程のフローチャートである。 [0024]本発明の一実施形態による、個別マスクエラーモデルを使用するリソグラフィプロセスをシミュレートする方法工程のフローチャートである。 [0025]本発明の一実施形態による、個別マスクエラーモデルを作成する方法工程のフローチャートである。 [0026]本発明の他の実施形態による、複数のサンプリング位置でマスク検査データを使用する個別マスクエラーモデルを作成する方法工程のフローチャートである。 [0027]本発明の一実施形態による、マスクショップで個別マスクエラーモデルを作成するモデルベースマスクデータ分析システムの図である。 [0028]本発明の一実施形態による、ファブで個別マスクエラーモデルを作成するモデルベースマスクデータ分析システムの図である。 [0029]本発明の一実施形態による、マスクを検査するサンプリング計画を生成する方法工程のフローチャートである。 [0030]本発明の一実施形態による、個別マスクエラーモデルを作成し、マスククリティカルディメンション（ＣＤ）を使用してマスクを検証する方法工程のフローチャートである。 [0031]本発明の一実施形態による、個別マスクエラーモデルを作成し、空間イメージ既定結果を使用してマスクを検証する方法工程のフローチャートである。 [0032]本発明の一実施形態による、個別マスクエラーモデルを作成し、光マスク検査ツールを使用してマスクを検証する方法工程のフローチャートである。 [0033]本発明の一実施形態による、マスクを検証する方法工程のフローチャートである。 [0034]本発明の一実施形態による、マスク製造プロセスの公称マスクエラーモデルを作成する方法工程のフローチャートである。 [0035]本発明の他の実施形態による、マスク製造プロセスの公称マスクエラーモデルを作成する方法工程のフローチャートである。 [0036]本発明の他の実施形態による、マスク製造プロセスの公称マスクエラーモデルを作成する方法工程のフローチャートである。

[0037] 実際、エラー（または欠陥、これ以降入れ換えて使用される）は、マスク製造ツールの欠陥およびマスク製造プロセスの変動により、ポストＯＰＣマスクレイアウトからマスク上の実際のパターンまでのパターン転写時に最終製造マスクに常に入り込む。マスクエラーは、製造マスクパターンとマスク上に形成されることが意図されている理想的ポストＯＰＣマスクレイアウトとの差である。マスクエラーは、一般に、ランダムマスクエラーと系統的マスクエラーという２つのカテゴリに分類される。ランダムマスクエラーは、モデルにより記述できないが、製造マスク内にランダムに、また統計的に出現するエラーであり、例えば、過剰な粒子およびピンホールである。統計的マスクエラーは、モデルにより記述できるエラーであり、モデルは、パターン環境（例えば、局所的パターン密度、パターンサイズ、パターン間隔、およびパターン配向）および／またはマスク上のパターン配置に依存する。パターン環境への依存は、例えば、マスクライター電子ビーム近接効果(mask writer e-beam proximity effects)、電子ビームかぶり効果(e-beam fogging effects)、エッチングローディング効果(etching loading effects)、および電子ビーム誘導基板加熱効果(e-beam induced substrate heating effects)により引き起こされる。パターン配置への依存は、例えば、マスク書き込みプロセスでのマスクライターの低速ドリフトおよび露光後ベーキング温度非一様性により引き起こされる。系統的マスクエラーを記述するモデルは、「マスクエラーモデル」(“mask error model”)またはときには単純に「マスクモデル」(“mask model”)と呼ばれる。マスクエラーモデルは、入力として、マスク上のパターン環境およびパターン配置を受け取り、マスクエラー値、例えば、ＣＤエラー、線エッジ粗さ、配置エラー、エッチ深さエラー、および位相シフトマスクの側壁角度エラーなどを出力する。ＣＤエラーは、製造マスクパターンと理想的ポストＯＰＣマスクレイアウトとの線幅差である。配置エラーは、製造マスクパターンと理想的ポストＯＰＣマスクレイアウトパターンとのパターン中心配置差である。エッチ深さエラー
は、製造位相シフトマスクパターンと光線がマスクを通過するときに必要な位相シフトを行うマスク基板の中への設計意図トレンチ深さとの間のトレンチ深さエラーである。ラインエッジ粗さは、滑らかな理想的形状からのラインエッジの偏差である。側壁角度エラーは、製造マスクのラインエッジプロファイルと理想的垂直ラインエッジプロファイルとの角度差である。マスク製造プロセスは、プロセス由来の平均マスクエラー、例えば、コーナー丸めおよびパターンバイアスを記述する公称マスクエラーモデルを有する。それぞれの個別物理的マスクの系統的エラーは、公称マスクエラーモデルからずれている。個別マスクの系統的エラーは、本明細書で開示されているように、個別マスクエラーモデルにより記述される。一実施形態では、個別マスクエラーモデルは、経験的に、例えば、パターン環境およびパターン配置と比較して実験により測定されたコーナー丸めおよびバイアスを当てはめることにより作成される。他の実施形態では、個別マスクエラーモデルは、マスク製造プロセスの第一原理物理的プロセスシミュレーションを使用して、例えば、マスク基板の内側の電子トレースをシミュレートし、レジスト電子間相互作用をシミュレートし、レジスト現像時にレジストの化学プロセスをシミュレートすることで作成される。

[0038] マスクエラーを決定し、個別マスクエラーモデルを作成するために、検査ツールまたはメトロロジツールにより、それぞれの製造されたマスクを測定し、マスク検査データを取得する。しかし、マスク検査データは、必ずしも、マスクエラーを決定するために必要な製造物理的マスクデータを完全に表すわけではない。ツールの測定結果転送機能が非理想的であるため、検査ツールまたはメトロロジツールにより、エラーおよび歪みがマスク検査データに入り込む。したがって、製造されたマスクに関する物理的マスクデータを正確に予測または測定するために、一実施形態では、検査またはメトロロジツールの較正済みモデル、例えば、光学検査ツールの光学モデルが、検査またはメトロロジツール出力から製造マスクの物理的マスクデータを抽出するために適用される。マスク検査データから抽出された物理的マスクデータとポストＯＰＣマスクレイアウトデータとの差は、系統的マスクエラーデータとして指定される。一実施形態では、次いで、系統的マスクエラーデータをマスク上のパターン環境およびパターン配置などのマスクエラーモデルの入力変数に当てはめることにより系統的マスクエラーパラメータが生成される。系統的マスクエラーパラメータをマスクエラーモデルに適用することにより、最終的に個別マスクエラーモデルを作成する。

[0039] 図２Ａは、本発明の一実施形態による、個別マスクエラーモデルを使用するマスク検証の方法工程のフローチャートである。工程２１０で、許容可能なポストＯＰＣマスクレイアウトに従ってマスクが製造される。工程２１２で、以下でさらに詳しく説明されるように、多くの利用可能なメトロロジツールのどれかを使用してマスクを検査し、マスク検査データを生成する。マスク検査データを分析し、そのマスクに対する系統的マスクエラーデータを抽出し、次いで、系統的マスクエラーパラメータを系統的マスクエラーデータから決定する。工程２１４で、検査された特定のマスクについて個別マスクエラーモデルが作成される。個別マスクエラーモデルは、抽出された系統的マスクエラーデータに基づく系統的マスクエラーパラメータを含む。個別マスクエラーモデルを作成する方法の一実施形態は、図３Ｂとともに以下で説明される。工程２１６で、個別マスクエラーモデルおよびリソグラフィプロセスの事前に較正されたモデル（例えば、光学モデルおよびレジストモデルを含む）を使用して、完全なデバイス設計を得るためにリソグラフィプロセスをシミュレートし、シミュレートパターンを生成する。一実施形態では、リソグラフィプロセスのすでに較正されているモデルは、参照によりその全体が本明細書に組み込まれている”System and Method for Creating a Focus-Exposure Model of a Lithography Process”という表題の米国特許出願第１１／４６１，９９４号で開示されている焦点露光モデルである。工程２１８では、プレＯＰＣ設計レイアウトが得られる。プレＯＰＣ設計レイアウトは、マスクを製造するために使用されたポストＯＰＣレイアウトを形成するために使用された。工程２２０で、シミュレートパターンをプレＯＰＣ設計レイアウトと比較し、製造されたマスクが、ウェハの露光前に、つまり、露光およびウェハメトロロジツールに長い時間をかけずに、また製品ウェハが後から系統的マスクエラーのせいで破棄されうる結果にならず、所望のパターニング性能を発揮するかどうかを判定する。工程２２２で、製造されたマスクが、所望のパターニング性能を発揮できると判定された場合、この方法は工程２２８に進み、そうでなければ、この方法は、工程２２４に進み、そこで、マスクを評価して、修復可能または作り直し可能かどうかを判定する。マスクが、修復可能または作り直し可能である場合、この方法は、工程２２６に進み、そこで、マスクは、個別マスクエラーモデルを使用して生成されたシミュレートパターンに基づいて修復されるか、または作り直しされ、次いで、この方法は、工程２１２に戻り、修復された、または作り直しされたマスクが検査される。個別マスクエラーモデルを使用して生成されたシミュレートパターンは、マスク修復ツールに重要な情報を送る。例えば、インフィールドＣＤ偏差は、個別マスクエラーモデルを使用して生成されたシミュレートパターンから導き出されるインフィールドＣＤ一様性マップを使用する高速パルスレーザー技術を使用することにより補正することができる。（”CD Variations Correction by Local Transmission control of Photomasks Done with a Novel Laser Based Process”, E. Zait, et al., Metrology, Inspection, and Process Control for Microlithography XX, Chas N. Archie, Editor, Proc. SPIE, Vol.6152, (2006)を参照）。マスクが修復可能または作り直し可能でなければ、この方法は、工程２１０に戻り、そこで、新しいマスクが製造される。

[0040] シミュレートパターンからの特定のフィードフォワード情報をウェハ生産プロセスに送ることが可能である。図２Ａでは、このフィードフォワードの可能性は、オプションの工程２２８として示されており、露光ツールのプロセス条件パラメータは、シミュレートパターンからの情報を使用してチューニングされる。工程２３０で、マスクを使用してウェハが印刷される。

[0041] 図２Ａの一部（工程２１０〜２２６）は、マスクをファブに送る前にマスクショップで実行することができるが、図２Ａの方法の他の部分（工程２１２〜２２２）は、入庫マスクを適格なものとするためにファブで実行することができる。個別マスクエラーモデルを使用して生成されたシミュレートパターンを使用してマスク検証を行うと、実際のウェハの露光、現像、およびメトロロジを必要としないため時間とコストの著しい節約となる。これは、マスクおよびＯＰＣの品質管理の定量化可能な基礎となるだけでなく、使用される特定のマスクに対するデバイス設計の共通プロセス窓を最適化するプロセス補正を前向きに予測する能力も持つ。例えば、個別マスクエラーモデルを使用して生成されたシミュレートパターンは、どの露光ツールの光学モデルがマスクの個別マスクエラーモデルと組み合わせたときに最適なシミュレートパターンを作成するのかを調べることにより、この特定のマスクに関して、いくつかの利用可能な露光ツールのうちから最適な露光ツールを選択するために使用することができる。他の実施例では、露光ツールの設定は、マスクの個別マスクエラーモデルと組み合わせたときにどのような設定が最適なシミュレートパターンを生成するかを調べることにより最適化することができる。

[0042] 図２Ｂは、本発明の他の実施形態による、個別マスクエラーモデルを使用するマスク検証の方法工程のフローチャートである。工程２４０で、許容可能なポストＯＰＣマスクレイアウトに従ってマスクが製造される。工程２４２で、以下でさらに詳しく説明されるように、多くの利用可能なメトロロジツールのどれかを使用してマスクを検査し、マスク検査データを生成する。マスク検査データを分析し、そのマスクに対する系統的マスクエラーデータを抽出し、次いで、系統的マスクエラーパラメータを系統的マスクエラーデータから決定する。工程２４４で、検査された特定のマスクについて個別マスクエラーモデルが作成される。個別マスクエラーモデルは、抽出された系統的マスクエラーデータに基づく系統的マスクエラーパラメータを含む。個別マスクエラーモデルを作成する方法の一実施形態は、図３Ｂとともに以下で説明される。工程２４６で、個別マスクエラーモデルおよびリソグラフィプロセスの事前に較正されたモデル（例えば、光学モデルおよびレジストモデルを含む）を使用して、完全なデバイス設計を得るためにリソグラフィプロセスをシミュレートし、シミュレートパターンを生成する。一実施形態では、リソグラフィプロセスのすでに較正されているモデルは、参照によりその全体が本明細書に組み込まれている”System and Method for Creating a Focus-Exposure Model of a Lithography Process”という表題の米国特許出願第１１／４６１，９９４号で開示されている焦点露光モデルである。工程２４８で、公称マスクエラーモデル、および公称シミュレートパターンを生成するリソグラフィプロセスのモデルを使用して、リソグラフィプロセスがシミュレートされる。公称マスクエラーモデルは、プロセス由来の平均マスクエラーを表すモデルパラメータを含み、これはさらに図９〜１０Ｂとともに以下で説明される。公称マスクエラーモデルは、この個別マスクのマスク検査データに基づいていないが、テストマスクを使用して別々に較正するか、または多くの事前に検査されているマスクの個別マスクエラーモデルを平均化することにより得ることができる。公称マスクエラーモデルは、図１に関して上で説明され、また米国特許出願第１１／４６１，９９４号で説明されているように、この個別マスクに対するＯＰＣ補正で使用されるリソグラフィプロセスモデルの一部として含まれていた可能性がある。工程２５０で、シミュレートパターンを公称シミュレートパターンと比較し、製造されたマスクが、ウェハの露光前に、つまり、露光およびウェハメトロロジツールに長い時間をかけずに、また製品ウェハが後から系統的マスクエラーのせいで破棄されうる結果にならず、所望のパターニング性能を発揮するかどうかを判定する。工程２５２で、製造されたマスクが、所望のパターニング性能を発揮できると判定された場合、この方法は工程２５８に進み、そうでなければ、この方法は、工程２５４に進み、そこで、マスクを評価して、修復可能または作り直し可能かどうかを判定する。マスクが、修復可能または作り直し可能である場合、この方法は、工程２５６に進み、そこで、マスクは、個別マスクエラーモデルを使用して生成されたシミュレートパターンに基づいて修復されるか、または作り直しされ、次いで、この方法は、工程２４２に戻り、修復された、または作り直しされたマスクが検査される。マスクが修復可能または作り直し可能でなければ、この方法は、工程２４０に戻り、そこで、新しいマスクが製造される。

[0043] シミュレートパターンからの特定のフィードフォワード情報をウェハ生産プロセスに送ることが可能である。図２Ｂでは、このフィードフォワードの可能性は、オプションの工程２５８として示されており、露光ツールのプロセス条件パラメータは、シミュレートパターンからの情報を使用してチューニングされる。工程２６０で、マスクを使用してウェハが印刷される。

[0044] 図２Ｃは、本発明の他の実施形態による、個別マスクエラーモデルを使用するマスク検証の方法工程のフローチャートである。工程２７０で、許容可能なポストＯＰＣマスクレイアウトに従ってマスクが製造される。工程２７２で、以下でさらに詳しく説明されるように、多くの利用可能なメトロロジツールのどれかを使用してマスクを検査し、マスク検査データを生成する。マスク検査データを分析し、そのマスクに対する系統的マスクエラーデータを抽出し、次いで、系統的マスクエラーパラメータを系統的マスクエラーデータから生成する。工程２７４で、検査された特定のマスクについて個別マスクエラーモデルが作成される。個別マスクエラーモデルは、抽出された系統的マスクエラーデータを使用して作成された系統的マスクエラーパラメータを含む。個別マスクエラーモデルを作成する方法の一実施形態は、図３Ｂとともに以下で説明される。工程２７６で、個別マスクエラーモデルおよびリソグラフィプロセスの事前に較正されたモデル（例えば、光学モデルおよびレジストモデルを含む）を使用して、完全なデバイス設計を得るためにリソグラフィプロセスをシミュレートし、シミュレートパターンを生成する。一実施形態では、リソグラフィプロセスのすでに較正されているモデルは、参照によりその全体が本明細書に組み込まれている”System and Method for Creating a Focus-Exposure Model of a Lithography Process”という表題の米国特許出願第１１／４６１，９９４号で開示されている焦点露光モデルである。工程２７８で、ポストＯＰＣマスクレイアウトおよび理想シミュレートパターンを生成するリソグラフィプロセスのモデルを使用して、リソグラフィプロセスが直接的にシミュレートされる。ポストＯＰＣマスクレイアウトは、エラーのない「完全な」(“perfect”)マスクを表す。工程２８０で、シミュレートパターンを理想シミュレートパターンと比較し、製造されたマスクが、ウェハの露光前に、つまり、露光およびウェハメトロロジツールに長い時間をかけずに、また製品ウェハが後から系統的マスクエラーのせいで破棄されうる結果にならず、所望のパターニング性能を発揮するかどうかを判定する。工程２８２で、製造されたマスクが、所望のパターニング性能を発揮できると判定された場合、この方法は工程２８８に進み、そうでなければ、この方法は、工程２８４に進み、そこで、マスクを評価して、修復可能または作り直し可能かどうかを判定する。マスクが、修復可能または作り直し可能である場合、この方法は、工程２８６に進み、そこで、マスクは、個別マスクエラーモデルを使用して生成されたシミュレートパターンに基づいて修復されるか、または作り直しされ、次いで、この方法は、工程２７２に戻り、修復された、または作り直しされたマスクが検査される。マスクが修復可能または作り直し可能でなければ、この方法は、工程２７０に戻り、そこで、新しいマスクが製造される。

[0045] シミュレートパターンからの特定のフィードフォワード情報をウェハ生産プロセスに送ることが可能である。図２Ｃでは、このフィードフォワードの可能性は、オプションの工程２８８として示されており、露光ツールのプロセス条件パラメータは、シミュレートパターンからの情報を使用してチューニングされる。工程２９０で、マスクを使用してウェハが印刷される。

[0046] マスクを検査するためにさまざまな異なる形にするツールを使用することができ、これにより、マスク検査データを生成し、このデータを分析して、個別マスクエラーモデルに対する系統的マスクエラーパラメータを生成するために使用される系統的マスクエラーデータを抽出する。これらのメトロロジツールは、限定はしないが、従来の光マスク検査ツール、クリティカルディメンション走査型電子顕微鏡（ＣＤ−ＳＥＭ）または撮像ＳＥＭ、原子間力顕微鏡（ＡＦＭ）または散乱メトロロジシステム、または空間イメージ測定システム（ＡＩＭＳ）ツールを含む。一実施形態では、イメージセンサアレイを含むセンサウェハは、マスクから投影された空間イメージを、現位置で、つまり、正しい露光波長の実際の照射および投影条件の下で露光ツールのウェハ平面において測定し、マスクの性能だけでなく、ウェハ生産で使用されるマスク露光ツールの組み合わせの性能を検証し、場合によっては最適化する。露光ツールにより生成される空間イメージを測定するイメージセンサアレイの一実施形態は、参照によりその全体が本明細書に組み込まれている”System and Method for Lithography Process Monitoring and Control”という表題の米国特許第６，８０３，５５４号で開示されている。

[0047] 系統的マスクエラーパラメータを生成するためマスクの系統的マスクエラーデータを抽出するマスクメトロロジ技術は、一般的には、マスクの完全な照射野検査を必要としないが、限られた数のサンプルに基づくことができる。完全な照射野検査で点欠陥を識別する必要がある、従来のマスク検査からのこのような定性的な差があることが、系統的マスクエラーデータを抽出し、系統的マスクエラーデータから系統的マスクエラーパラメータを生成するためにさまざまな検査ツールをかなり自由自在に使用できることの理由となっている。本発明の一実施形態では、照射野内の好適なサンプリング位置は、検査されるマスクのポストＯＰＣレイアウト情報に基づくリソグラフィシミュレーションシステムと統合できるソフトウェアツールにより自動的に識別される。

[0048] また、好ましくは、系統的マスクエラーパラメータは、リソグラフィプロセスシミュレーションで使用される個別マスクエラーモデルに対し明示的に生成されるが、マスク品質も、リソグラフィシミュレーションシステムを使用してそれぞれのメトロロジツール上での予想マスク測定結果を「順方向に」(forward”)計算し（例えば、スキャナ内のイメージセンサアレイにより測定されるイメージ）、シミュレーションと実際の測定結果との一致のメトリクスを定量化し、および／またはこのメトリクスに関する好適な境界を合否基準として指定することによりテストし、検証することができる。

[0049] それに加えて、個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートすることは、個別の製造されたマスクを特徴付けるのに適しているが、公称マスクプロセスモデルを使用してリソグラフィプロセスをシミュレートすることは、個別のマスクではなく特定のマスク製造プロセスまたは特定のマスク製造ツールを特徴付けるためにも使用できる。好ましい一実施形態では、系統的マスクエラーパラメータの関連パラメータ空間を完全にカバーする明確に定められたパターン変動を有する特定のテストマスクを検査し、生産マスクの代わりに、マスク製造プロセス用の公称マスクプロセスモデルを作成する。マスク製造プロセスに対する公称マスクプロセスモデルについては、さらに、図９〜１０Ｂに関して以下で説明する。

[0050] マスク製造プロセスに対する公称マスクプロセスモデルの系統的マスクエラーパラメータは、マスク製造プロセスの経験的または第一原理モデルから決定される。マスク製造プロセスでは、一般に、類似の技術をウェハ印刷プロセス、つまり、マスク基板の書き込みツール、レジスト現像、およびその後エッチングによるレジストの露光として使用する。リソグラフィプロセスシミュレーションに使用されるものに類似するシミュレーションシステムを使用して、系統的マスクエラーデータを抽出し、マスク製造プロセスパラメータの適当な較正の後に、系統的マスクエラーパラメータを生成することができる。

[0051] 以下では、本発明のいくつかの態様及び特定の実施形態に関する詳細を述べる。これらの特定の実施形態の説明は、本発明をそれらの特定の実施形態に制限することなく一般原理を説明するいくつかの実施例であることを意図している。

[0052] リソグラフィプロセスのモデルは、マスク特性（個別マスクエラーモデルなどのマスクモデル）、開口数、部分干渉性、照射プロファイル、および収差（光学モデル）などの照射および投影システムの光学特性、およびレジスト特性（レジストモデル）を表す分離モジュールを備えることに留意することが重要である。モデル分離性(“model separability”)の重要性については、他のところで詳しく説明されているが、簡単に言うと、簡素化された「集中型モデル」(“lumped models”)が存在し、リソグラフィプロセスの性能をある程度予測できるということである。しかし、リソグラフィプロセスの分離可能モデルは、物理的実在性をより詳しく反映し、その結果、特にプロセスパラメータの変動の影響の下で、例えば、プロセス窓上で、正確で、確実な予測が行われる。このような正確な予測を行うシステムおよび方法は、”System and Method for Creating a Focus-Exposure Model of a Lithography Process”という表題の米国特許出願第１１／４６１，９９４号で開示されている。特に、米国特許出願第１１／４６１，９９４号では、リソグラフィプロセス用に焦点露光モデルを作成するシステムおよび方法が開示されている。このシステムおよび方法では、特に露光焦点ぼかしプロセス窓空間内でパラメータ変動の複数の次元にそって較正データを利用する。このシステムおよび方法は、結果として公称プロセス条件でシミュレーションの正確さとロバスト性を高めるとともに、異なる設定で再較正を行わなくても完全なプロセス窓領域全体において連続的に任意の点でリソグラフィ性能を予測できるようにするモデルパラメータ値の統一セットを与える。焦点露光モデルとともに個別マスクエラーモデルを使用するシミュレーションは、ウェハ印刷プロセスの性能を正確に予測するために使用できる現実性の高いシミュレートパターンを形成する。

[0053] 図３Ａは、本発明の一実施形態による、個別マスクエラーモデルを使用するリソグラフィプロセスをシミュレートする方法工程のフローチャートである。工程３１０で、デバイスに対する設計意図を示すプレＯＰＣ設計レイアウトが得られる。次いで、工程３１２では、ポストＯＰＣマスクレイアウトが得られる。ポストＯＰＣマスクレイアウトは、ＯＰＣおよび他のＲＥＴをプレＯＰＣ設計レイアウトに適用することにより作成される。工程３１４で、ポストＯＰＣマスクレイアウトを使用して製造されたマスクの個別マスクエラーモデルが作成される。個別マスクエラーモデルを作成する方法の一実施形態は、図３Ｂとともに以下で説明される。次いで、工程３１６で、露光プロセスは、個別マスクエラーモデルおよび露光ツールの光学モデル（米国特許第１１／４６１，９９４号で開示されている焦点露光モデルの光学モデルなど）を使用してシミュレートされ、シミュレートされた空間イメージ、つまり、レジストコーティングされたウェハ上に投影されるシミュレートパターンを生成する。工程３１８で、シミュレートされた空間イメージおよびレジストモデルを使用してレジスト層内のパターンの形成がシミュレートされ、シミュレートパターンを生成する。次いで、工程３２０で、シミュレートパターンが分析され、レジスト内の印刷されたパターンの予測クリティカルディメンションおよび輪郭を決定する。

[0054] モデル分離性は、さらに、モデルコンポーネントにより記述された物理的実体の特性または変化を反映するように、リソグラフィプロセスモデルの分離モジュールを独立して較正、チューニング、または調節することができることを暗示している。例えば、知られているマスクが、異なる露光ツール上で、またはＮＡもしくはシグマなどの異なる光学設定で使用される場合、同じ個別マスクエラーモデルとともに異なる光学モデルを使用することができる。同じ個別マスクエラーモデルを異なる露光ツールの異なる光学モデルとともに使用するリソグラフィシミュレーションは、個別マスクエラーモデルにより表されるマスクを使用して最高の性能を発揮する露光ツールを識別するために使用することができる。明らかに、個別マスクエラーモデルは、マスクの物理的タイプ、つまり、減衰および位相シフトレベルを正しく記述するために必要である。個別マスクエラーモデルは、さらに、マスク製造プロセスに関係する系統的変動または欠陥を明示的に考慮する。これらの変動または不完全さは、実際のマスク線幅と設計線幅との全体的バイアス、マスク領域上のそのようなバイアスの空間的変動、ピッチ、パターン密度、または配向を伴うそのようなバイアスの変動を含みうる。バイアスに加えて、個別マスクエラーモデルにより記述される系統的マスクエラーは、さらに、コーナー丸め半径またはラインエッジ粗さも含みうる。個別マスクエラーモデルは、さらに、光とマスク構造との間の相互作用の詳細な三次元モデリングを使用することができる。

[0055] 図３Ｂは、本発明の一実施形態による、個別マスクエラーモデルを作成する方法工程のフローチャートである。工程３３０で、ポストＯＰＣマスクレイアウトは、典型的には、ＧＤＳＩＩ形式のＣＡＤファイルに収められ、ポストＯＰＣマスクレイアウトに対する公称マスクエラーモデルが作成される。工程３３２で、ポストＯＰＣマスクレイアウトを使用して製造されたマスクが得られる。工程３３４で、好適な検査ツールを使用しマスクが検査され、マスク検査データが出力される。工程３３６で、マスク検査データが分析されて、グローバル線幅バイアスが識別され、グローバル線幅バイアスが、公称マスクエラーモデルに適用され、更新されたマスクエラーモデルが生成される。グローバル線幅バイアスは、マスク上に形成された線の幅がすべての線幅に対する設計値と系統的に異なる場合に発生する。オプションの工程３３８で、マスク検査データが分析されて、グローバル位相バイアスが識別され、グローバル位相バイアスが、更新されたマスクエラーモデルに適用される。位相シフトマスクでは、設計位相ステップと製造位相ステップとの間にグローバルオフセットが生じうる。オプションの工程３３８は、製造されたマスクが、位相シフトマスクである場合のみ適用される。工程３４０で、マスク検査データが分析されて、パターン依存線幅またはバイアス変動が識別され、これらの変動は、更新されたマスクエラーモデルに適用される。これらの変動は、パターン配向依存変動、パターン密度依存変動（密集した線パターンに対するピッチ依存関係など）、またはマスクの領域上のクリティカルディメンションの系統的変動を含みうる。工程３４２で、マスク検査データが分析されて、コーナー丸め効果が識別され、コーナー丸め効果は、更新されたマスクエラーモデルに適用される。コーナー丸め効果は、画像処理の分野でよく知られているモルフォロジー演算により、または例えば、二次元ガウス関数によるローパスフィルタ処理または畳み込みによりモデル化することができる。工程３４４で、マスク検査データが分析されて、他の系統的マスクエラーパラメータが識別され、これによりマスクの特性が正確に記述され、これらの系統的マスクエラーパラメータは、更新されたマスクエラーモデルに適用される。工程３４６で、系統的マスクエラーパラメータすべてを使用して更新されたマスクエラーモデルは、個別マスクエラーモデルとして指定される。個別マスクエラーモデルは、元のポストＯＰＣ設計レイアウトを修正する演算およびこれらの演算の特定のパラメータの集合を反映する。

[0056] 個別マスクエラーモデルを作成するため系統的マスクエラーパラメータを抽出する場合、一般的に、フィールド全体にわたってマスク検査する必要はない。このような抽出は、マスク内の代表的な位置の適当に選択されたサンプリングから得られるマスク検査データに基づくことができる。図４は、本発明の他の実施形態による、複数のサンプリング位置からのマスク検査データを使用する個別マスクエラーモデルを作成する方法工程のフローチャートである。工程４１０で、デバイスに対する設計意図を示すプレＯＰＣ設計レイアウトが作成される。工程４１２で、プレＯＰＣ設計レイアウトは、ＯＰＣおよび他のＲＥＴを使用して処理され、これによりポストＯＰＣマスクレイアウトが生成され、そのポストＯＰＣマスクレイアウトに対する公称マスクエラーモデルが作成される。工程４１４で、リソグラフィプロセスのモデル（例えば、光学モデルおよびレジストモデルを含む）と公称マスクエラーモデルを使用して、リソグラフィプロセスがシミュレートされ、これにより、初期シミュレートパターンが生成される。工程４１６で、ポストＯＰＣマスクレイアウトを使用して製造されたマスクを検査するためのサンプリング計画が生成される。サンプリング計画は、マスクがメトロロジツールおよび検査レシピにより検査されるサンプリング位置を記述する。一実施形態では、サンプリング位置は、リソグラフィシミュレーションシステムと統合されているソフトウェアにより初期シミュレートパターンから識別される。ポストＯＰＣマスクレイアウトがリソグラフィシミュレーションシステムから利用できるようになり、したがって、特定のマスクに対しサンプリング位置および測定オプションを識別することができる。サンプリング位置は、系統的マスクエラーに影響を及ぼすパラメータ空間の可能な限り広い範囲、例えば、パターン密度、パターン配向、パターンピッチ、パターンサイズ、パターン極性、異なる配向および極性のコーナー、間隔が変動する線端、およびマスク領域上のさまざまな位置（例えば、３×３位置マトリックス）などをカバーするように選択されなければならない。サンプリング計画を作成することについては、図６に関して以下で説明される。

[0057] 工程４１８で、マスクは、ポストＯＰＣマスクレイアウトに従って製造される。工程４２０で、サンプリング計画に従って検査ツールで製造されたマスクが検査され、マスク検査データが出力される。工程４２２で、データ当てはめルーチンは、系統的マスクエラーデータをマスク上のパターン環境およびパターン位置などのマスクエラーモデルの入力変数に当てはめることにより個別マスクエラーモデルに対する系統的マスクエラーパラメータの最適な値を決定するが、ただし、系統的マスクエラーデータは、マスク検査データから抽出された物理的マスクデータとポストＯＰＣマスクレイアウトデータとの差に基づく。データ当てはめルーチンでは、系統的マスクエラーパラメータを最適化される当てはめパラメータとして使用し、マスク検査データとポストＯＰＣマスクレイアウトとの間の最良一致を得る。データ当てはめルーチンは、設計検証に使用されるのと同じリソグラフィシミュレーションシステムの統合された一部であるか、またはサンプリング情報および系統的マスクエラーパラメータを伝達するため上述のリソグラフィシミュレーションシステムとのデータインターフェイスを備えることができるスタンドアロンのリソグラフィシミュレーションおよびデータ分析システムの一部とすることができる。最後に、工程４２４で、系統的マスクエラーパラメータの最適な値を使用して、個別マスクエラーモデルが作成される。

[0058] 一実施形態では、個別マスクエラーモデルを作成するスタンドアロンのリソグラフィシミュレーションおよびデータ分析システムは、マスク検査データから系統的マスクエラーデータを抽出し、抽出された系統的マスクエラーデータから系統的マスクエラーパラメータを生成するためのコンピューティングプラットフォームおよびソフトウェアプログラムを備える。このシステムは、さらに、サンプリング情報または設計情報を下流に送り、更新された系統的マスクエラーパラメータを上流の設定シミュレーションシステムに戻すことができるように、例えば、ローカルエリアネットワークまたはワイドエリアネットワークを介した設計シミュレーションシステムとのデータインターフェイスを備える。他の実施形態では、リソグラフィシミュレーションおよびデータ分析システムは、独立したコンピューティングプラットフォーム上に実装されるのではなく、マスクメトロロジツール内に組み込まれる。

[0059] 図５Ａは、本発明の一実施形態による、マスクショップで個別マスクエラーモデルを作成するモデルベースマスクデータ分析システムの図である。モデルベースマスクデータ分析システム５２２は、マスクの系統的マスクエラーデータを識別するようにマスクショップ５２０に配置される。設計センタ５１０は、マスク検査ツール用のポストＯＰＣマスクレイアウト５１２およびサンプリング計画５１４をモデルベースマスクデータ分析システム５２２に送る。モデルベースマスクデータ分析システム５２２は、サンプリング計画５１４に基づくメトロロジレシピ５２８をメトロロジツール５３０に送る。メトロロジツール５３０は、ＣＤ−ＳＥＭなど、マスクショップに典型的に見られるメトロロジツールのうちのどれか１つとすることができる。メトロロジツール５３０は、メトロロジレシピ５２８に従ってマスク（図に示されていない）を検査し、その結果得られたメトロロジデータ５３２（例えば、イメージおよびクリティカルディメンション）をモデルベースマスクデータ分析システム５２２に送る。モデルベースマスクデータ分析システム５２２は、メトロロジデータ５３２を分析して、系統的マスクエラーデータを抽出し、抽出された系統的マスクエラーデータから系統的マスクエラーパラメータ５２４を生成し、個別マスクエラーモデル５２６を作成する。モデルベースマスクデータ分析システム５２２は、さらに、既存の個別マスクエラーモデルを更新し、ポストＯＰＣ設計レイアウト検証データを決定することもてきる。モデルベースマスクデータ分析システム５２２は、個別マスクエラーモデル５２６を設計センタ５１０に送り、そこで、個別マスクエラーモデル５２６を使用して、ＯＰＣおよびＲＥＴ設計検証、ならびにプロセス窓およびホットスポット分析用の設計シミュレーション５１６を生成する。モデルベースマスクデータ分析システム５２２は、さらに、系統的マスクエラーパラメータ５２４をファブ５４０内に配置されているファブプロセス制御５４２に送る。

[0060] ファブでは、メトロロジツール以外のツールをマスク検査に使用することができる。図５Ｂは、本発明の一実施形態による、ファブ５５０で個別マスクエラーモデルを作成するモデルベースマスクデータ分析システム５６０の図である。モデルベースマスクデータ分析システム５６０は、マスク検査データを分析して、系統的マスクエラーデータを抽出し、抽出された系統的マスクエラーデータから系統的マスクエラーパラメータ５６４を生成し、個別マスクエラーモデル５６２を作成する。設計センタ５１０は、ポストＯＰＣマスクレイアウト５１２およびサンプリング計画５１４をモデルベースマスクデータ分析システム５６０に送る。モデルベースマスクデータ分析システム５６０は、サンプリング計画５１４に基づくメトロロジレシピ５６６を、ＣＤ−ＳＥＭなどのメトロロジツール５７０に送り、メトロロジツール５７０は、メトロロジレシピ５６６に従ってマスク（図に示されていない）を測定し、その結果得られるメトロロジデータ（例えば、イメージおよびクリティカルディメンション）５７２をモデルベースマスクデータ分析システム５６０に送る。モデルベースマスクデータ分析システム５６０は、さらに、サンプリング計画５１４に基づく露光レシピ５６８をスキャナなどの露光ツール５８０に送ることもできる。露光ツール５８０では、イメージセンサアレイ５８２（例えば、米国特許第６，８０３，５５４号のイメージセンサアレイ）が、露光レシピ５６８に従ってマスクを使用して生成された空間イメージを測定し、空間イメージデータ（図に示されていない）をモデルベースマスクデータ分析システム５６０に送る。モデルベースマスクデータ分析システム５６０は、メトロロジデータ５７２および／または空間イメージデータを分析して、系統的マスクエラーデータを抽出し、抽出された系統的マスクエラーデータから系統的マスクエラーパラメータ５６４を生成し、個別マスクエラーモデル５６２を作成する。モデルベースマスクデータ分析システム５６０は、さらに、更新された個別マスクエラーモデルおよびポストＯＰＣ設計レイアウト検証データを設計センタ５１０に送り、設計センタ５１０は、この情報を使用して、ＯＰＣおよびＲＥＴ設計検証、ならびにプロセス窓およびホットスポット分析用の設計シミュレーション５１６を生成する。モデルベースマスクデータ分析システム５６０は、さらに、系統的マスクエラーパラメータ５６４をファブプロセス制御５５２に送る。

[0061] マスク検査データから系統的マスクエラーパラメータを正確に生成するためのサンプリング計画を生成する主要目的は、選択されたサンプリング位置により系統的マスクエラーパラメータ空間を十分にカバーすることである。図６は、本発明の一実施形態による、マスクを検査するサンプリング計画を生成する方法工程のフローチャートである。工程６１０で、個別マスクエラーモデルを使用してマスク検査データとシミュレートパターンとのデータ当てはめの際に変化しうる多数の系統的マスクエラーパラメータは、光学モデル、レジストモデル、および個別マスクエラーモデルを含むリソグラフィプロセスモデルの背景状況において定義される。系統的マスクエラーパラメータは、最も著しく変化するマスクエラーパラメータまたはパターニング性能（感度分析に基づくことができる）に対し最大の影響を及ぼすマスクエラーパラメータを含むか、または広範囲の系統的マスクエラーパラメータを含むことができる。次いで、工程６１２で、一般に、多次元マスクエラーパラメータ空間内の一領域を定義する、系統的マスクエラーパラメータのそれぞれについて、ある範囲の関連する値が決定される。単純な一実施例では、マスクエラーパラメータ空間は、公称線幅が変化するパターン線を含み、ある範囲のピッチまたは局所的パターン密度をカバーすることができる。工程６１４で、すでに定義されているパラメータ空間内に代表値を有する特性パターンフィーチャを識別する検索アルゴリズムによりポストＯＰＣマスクレイアウト内の適当なサンプリング位置が識別される。サンプリング位置は、系統的マスクエラーに影響を及ぼすパラメータ空間の可能な限り広い範囲、例えば、パターン密度、パターン配向、パターンピッチ、パターンサイズ、パターン極性、異なる配向および極性のコーナー、間隔が変動する線端、およびマスク領域上のさまざまな位置（例えば、３×３位置マトリックス）などをカバーするようにポストＯＰＣマスクレイアウトから選択することもできる。工程６１６で、識別されたサンプリング位置によりパラメータ空間をカバーする密度および範囲が評価され、これにより、パラメータ空間のカバー率が十分かどうかが判定される。十分であれば、この方法は、工程６１８に進み、十分でなければ、この方法は工程６１４に戻り、そこで、パラメータ空間のカバーが十分になるまで検索アルゴリズムが繰り返される。工程６１８で、選択されたサンプリング位置に基づくサンプリング計画が生成される。次いで、工程６２０で、サンプリング計画がマスク検査またはメトロロジツールに送られる。

[0062] 図７Ａは、本発明の一実施形態による、個別マスクエラーモデルを作成し、マスククリティカルディメンション（ＣＤ）を使用してマスクを検証する方法工程のフローチャートである。図７Ａの実施形態では、説明を簡単にするため、個別マスクエラーモデルは、マスクの領域上のマスククリティカルディメンション線幅の系統的変動でのみ特徴付けられる。コーナー丸めまたはラインエッジ粗さなどの他のまたは追加の系統的マスクエラーパラメータも使用できる。工程７１０で、デバイスのポストＯＰＣマスクレイアウトが得られる。工程７１２で、ポストＯＰＣマスクレイアウトにおけるサンプリング位置が識別される。工程７１４で、ポストＯＰＣマスクレイアウトを使用して製造されたマスクを検査するためのサンプリング計画が生成される。一実施形態では、サンプリング計画は、図６の方法を使用して生成される。次いで、工程７１６で、ポストＯＰＣマスクレイアウトにより製造されたマスクが得られ、サンプリング計画に従ってマスク上の線幅を直接測定するためにＣＤ−ＳＥＭツールが使用される。他の実施形態では、撮像ＳＥＭも、コーナー丸めなどの二次元イメージベースマスクエラーパラメータを決定するために使用される。工程７１８で、測定された線幅（マスクＣＤ）がポストＯＰＣマスクレイアウトの設計線幅値（設計ＣＤ）と突き合わせて比較される（ＣＤ−ＳＥＭツールは較正済みであると仮定する）。例えば、マスク線幅バイアス（つまり、実際のクリティカルディメンションと設計クリティカルディメンションとの偏差）と線幅サイズとの当てはめにより、考察対象の特定のマスクのパターンサイズ依存バイアスの非線形性を特徴付ける。工程７２０で、マスクＣＤエラーデータを使用して、個別マスクエラーモデルに対し系統的マスクエラーパラメータが生成されるが、その場合、マスクＣＤエラーデータは、マスクＣＤ値と設計ＣＤ値との差に基づく。系統的マスクエラーパラメータは、パラメータ当てはめまたはルックアップテーブルを使用して生成することができる。工程７２２で、リソグラフィプロセスのモデル（例えば、光学モデルおよびレジストモデルを含む）と個別マスクエラーモデルを使用して、リソグラフィプロセスがシミュレートされ、これにより、シミュレートパターンが生成される。次いで、工程７２４で、シミュレートパターンが分析され、マスク特有のホットスポットおよび他の設計欠陥、プロセス補正、およびツール整合性情報が決定される。プロセス補正は、焦点オフセットならびに露光ツールのＮＡおよびシグマ設定の変更を含むことができる。シミュレートパターンは、さらに、図２Ａ〜２Ｃに関して上で説明されている方法を使用してマスクおよびＯＰＣ品質を検証し、リソグラフィプロセスのプロセス窓を決定するために使用することができる。

[0063] 図７Ｂは、本発明の他の実施形態による、個別マスクエラーモデルを作成し、空間イメージ既定結果を使用してマスクを検証する方法工程のフローチャートである。図７Ｂの方法は、図７Ａの方法に類似しているが、ただし、工程７３６では、実際の生産露光ツール内のマスクから投影イメージを測定するために、イメージセンサアレイを含む、センサウェハなどの空間イメージセンサが使用される。一実施形態では、イメージセンサアレイを使用して空間イメージを測定することは、米国特許第６，８０３，５５４号の開示に従って実行される。’５５４特許のイメージセンサアレイを使用して空間イメージを測定すると、露光ツールの照射野上の数百万のサンプリング位置において高解像度イメージパッチの形の膨大な量のデータが得られる。測定された空間イメージ（または、より正確にはセンサイメージ）は、マスク上の線の幅および他のメトリクスを直接的には示さない場合があるが、露光ツール内の空間イメージ形成プロセスをシミュレートすることにより測定された空間イメージデータの好適な分析および較正を定義することができる。例えば、マスク線幅が少し変化しても、主に信号強度全体が変化することが知られており、これは、例えば測定された空間イメージ内の線の断面について積分された信号レベルにより測定されうる。同様に、マスク上の接点または他の小さなフィーチャの総面積は、アシストバーまたは他の解像度以下のアシストフィーチャなど、小さすぎて印刷できないフィーチャについても、イメージ上では直接測定することができる。このような測定結果から、パターン密度を持つ、フィールド上のフィーチャサイズおよびフィーチャサイズの変動は、系統的マスクエラーパラメータとして明示的に導き出すことができる。それとは別に、個別マスクエラーモデルの特定の部分を、接触エネルギーまたは相対的信号レベルなどのより直接的に測定可能なパラメータに関して表すことができる。いくつかの統計的マスクエラーパラメータの抽出は、複数のＮＡ−シグマ設定または異なる光源偏光を使用してさまざまな条件（例えば、焦点を通る）の下でデータを取得することによりさらに容易に行えるようにできる。例えば、位相シフトマスクのパラメータは、複数の焦点設定で測定された空間イメージデータにより実際のマスクを特性の特徴付けをうまく行えるように特徴的な焦点を通る挙動を持つことができる。最後に、図７Ａの場合のように、パターニング性能、マスク検証、およびプロセス補正のシミュレーションに、実際の生産マスクの物理的構造を反映する個別マスクエラーモデルが使用される。

[0064] 図７Ｂの実施形態では、説明を簡単にするため、個別マスクエラーモデルは、マスクの領域上のマスククリティカルディメンション線幅の系統的変動でのみ特徴付けられる。コーナー丸めまたはラインエッジ粗さなどの他のまたは追加のマスクエラーパラメータも使用できる。工程７３０で、製品のポストＯＰＣマスクレイアウトが得られる。工程７３２で、ポストＯＰＣマスクレイアウトにおけるサンプリング位置が識別される。工程７３４で、ポストＯＰＣマスクレイアウトを使用して製造されたマスクを検査するためのサンプリング計画が生成される。一実施形態では、サンプリング計画は、図６の方法を使用して生成される。工程７３６で、ポストＯＰＣマスクレイアウトに従って製造されたマスクが得られ、サンプリング計画に従ってイメージセンサアレイを使用して露光ツールで使用されるマスクにより形成された空間イメージが測定される。工程７３８で、空間イメージ測定データおよび露光ツールとイメージセンサアレイの光学モデルからマスクＣＤ値が抽出される。工程７４０で、マスクＣＤ値とポストＯＰＣマスクレイアウト内の設計ＣＤ値とが比較され、マスクＣＤ値と設計ＣＤ値との差に基づいてマスクＣＤエラーデータを生成する。工程７４２で、マスクＣＤエラーデータから個別マスクエラーモデルに対し系統的マスクエラーパラメータが生成される。系統的マスクエラーパラメータは、パラメータ当てはめまたはルックアップテーブルを使用して生成することができる。次いで、工程７４４で、リソグラフィプロセスのモデル（例えば、光学モデルおよびレジストモデルを含む）と個別マスクエラーモデルを使用して、リソグラフィプロセスがシミュレートされ、これにより、シミュレートパターンが生成される。工程７４６で、シミュレートパターンが分析され、マスク特有のホットスポットおよび他の設計欠陥、プロセス補正、およびツール整合性情報が決定される。プロセス補正は、焦点オフセットならびに露光ツールのＮＡおよびシグマ設定の変更を含むことができる。シミュレートパターンは、さらに、図２Ａ〜２Ｃに関して上で説明されている方法を使用してマスクおよびＯＰＣ品質を検証し、リソグラフィプロセスのプロセス窓を決定するために使用することができる。

[0065] 図７Ｃは、本発明の他の実施形態による、個別マスクエラーモデルを作成し、光マスク検査ツールを使用してマスクを検証する方法工程のフローチャートである。図７Ｃの方法は、図７Ａの方法に類似しているが、ただし、工程７５６では、光マスク検査ツールは、マスク汚染検査または点欠陥検出に一般的に使用されているように、マスクを検査するために使用される。光マスク検査ツールは、典型的には、完全なマスク領域を完全にカバーするように設計されており、したがって、ポストＯＰＣマスクレイアウトからサンプリング位置を識別し、サンプリング計画を生成する工程は、オプションである。グローバルまたはゆっくりと変化する系統的マスクエラーパラメータは、例えば参照によりその全体が本明細書に組み込まれている”Apparatus and Methods for Collecting Global Data during a Mask Inspection”という表題の米国特許第６，５１６，０８５号で説明されているような光マスク検査ツールから決定することができる。

[0066] 図７Ｃの実施形態では、説明を簡単にするため、個別マスクエラーモデルは、マスクの領域上のマスククリティカルディメンション線幅の系統的変動でのみ特徴付けられる。コーナー丸めまたはラインエッジ粗さなどの他のまたは追加のマスクエラーパラメータも使用できる。工程７５０で、製品のポストＯＰＣマスクレイアウトが得られる。次いで、工程７５２で、ポストＯＰＣマスクレイアウトにおけるサンプリング位置が識別される。オプションの工程７５４で、ポストＯＰＣマスクレイアウトを使用して製造されたマスクを検査するためのサンプリング計画が生成される。工程７５６で、ポストＯＰＣマスクレイアウトに従って製造されたマスクが得られ、マスクは、光マスク検査ツールを使用して検査される。該当する場合には、このような検査は、工程７５４で適宜生成されるサンプリング計画に従って行われる。工程７５８で、マスク検査データと光マスク検査システムの光学モデルからマスクＣＤ値が抽出される。工程７６０で、マスクＣＤ値とポストＯＰＣマスクレイアウト内の設計ＣＤ値とが比較され、マスクＣＤ値と設計ＣＤ値との差に基づいてマスクＣＤエラーデータを生成する。工程７６２で、マスクＣＤエラーデータから個別マスクエラーモデルに対し系統的マスクエラーパラメータが生成される。系統的マスクエラーパラメータは、パラメータ当てはめまたはルックアップテーブルを使用して生成することができる。次いで、工程７６４で、シミュレートパターンが分析され、マスク特有のホットスポットおよび他の設計欠陥、プロセス補正、およびツール整合性情報が決定される。プロセス補正は、焦点オフセットならびに露光ツールのＮＡおよびシグマ設定の変更を含むことができる。シミュレートパターンは、さらに、図２Ａ〜２Ｃに関して上で説明されている方法を使用してマスクおよびＯＰＣ品質を検証し、リソグラフィプロセスのプロセス窓を決定するために使用することができる。

[0067] 個別マスクエラーモデルを作成する方法の他の実施形態では、原子間力顕微鏡法、干渉メトロロジ位相メトロロジ法（”Optical Considerations of High-Resolution Photomask Phase Metrology”, A.J.Merriam, J.J.Jacob, Proc. SPIE, 5752, 1392 (2005)で説明されているような）、空間イメージメトロロジ法（例えば、ＡＩＭＳツールを使用する）、散乱メトロロジ法、および偏光解析法などの代替えマスク検査技術から系統的マスクエラーパラメータを生成することができる。

[0068] リソグラフィプロセスの較正された焦点露光モデルのフレームワークの範囲内（米国特許出願第１１／４６１，９９４号に開示されているような）で、印刷されたテストウェハ上のＳＥＭ測定結果から個別マスクエラーモデルに対する系統的マスクエラーパラメータを誘導または検証することも可能である。一実施形態では、このような導出または検証は、他の（分離可能）モデルコンポーネントを固定され、独立に決定された値に保ちつつ系統的マスクエラーパラメータの値の変動を許す当てはめルーチンを使用し、またその後、較正された個別マスクエラーモデルを使用してマスク特有のホットスポットまたはプロセス補正を予測することにより、行われる。

[0069] 個別マスクエラーモデルは、ＯＰＣ検証またはマスク適格性判定を超える広範なアプリケーションで使用できる。例えば、個別マスクエラーモデルは、マスク特有のＯＰＣホットスポットまたは弱い領域を予測するために使用することができ、これらをウェハ検査プロセスにフィードフォワードし、最も重要なデバイス領域を選択的に監視することができる。それとは別に、個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートすることで、デバイス処理にフィードフォワードで送ることができるプロセス補正を識別することができる。これらのプロセス補正は、ＮＡ、シグマ、照射プロファイル、焦点中心、露光量、およびレンズ調節などの露光ツール上の光学設定の広範囲にわたる調節を含むことができる。複数の露光ツールが、生産に利用できる場合、印刷性能のツールに依存する違いが特定のマスクについて予測できるように、また最良一致を見つけて、その好ましいツール上でデバイス生産をスケジュールすることによりプロセスを歩留まりを最大化できるように、ツール特有の光学モデルをツール較正測定結果から知ることができる。

[0070] 図８は、本発明の一実施形態による、マスクを検証する方法工程のフローチャートである。図８の方法において、マスク検査データから系統的マスクエラーパラメータデータを抽出するのではなく、生産露光ツールおよびデバイス設計の予想される撮像性能は、ポストＯＰＣマスクレイアウトおよびリソグラフィシミュレーションモデルにより定められる。マスクを使用して露光ツールで生成される空間イメージは、特定の重要なフィーチャ位置で、または統計的に照射野上でイメージセンサアレイを使用して測定することができる。そこで、マスク適格性判定または合否決定は、好適なイメージ処理メトリクスにより定められた、測定されたイメージとシミュレートされたイメージとの間の一致の推定結果に基づくことができる。図８の方法は、公称マスクエラーモデルが特定のマスク製造プロセスについて確立されている場合（図９〜１０Ｂに関して以下で説明されているように）、またマスク製造プロセスの一貫性が問題になる場合に、特に適していると思われる。それとは別に、この方法は、エージングプロセスまたはかすみなどの進行性の欠陥を監視する必要がある場合に、時間の経過とともにマスク品質を検証するために使用できる。

[0071] 工程８１０で、製品のポストＯＰＣマスクレイアウトが得られる。工程８１２で、ポストＯＰＣマスクレイアウトにおけるサンプリング位置が識別される。工程８１４で、イメージセンサアレイを使用して露光ツール内の空間イメージを測定するのに、サンプリング計画が生成される。工程８１６で、ポストＯＰＣマスクレイアウトに従って製造されたマスクが得られ、マスクを使用して生成される空間イメージの代表的イメージパッチは、サンプリング計画に従いイメージセンサアレイを使用して測定される。工程８１８で、イメージセンサアレイにより測定されるような予想空間イメージは、公称マスクエラーモデルならびに露光ツールおよびイメージセンサアレイの光学モデルを使用して、シミュレートされた空間イメージを生成することで、シミュレートされる。次いで、工程８２０で、測定された空間イメージが、シミュレートされた空間イメージと比較される。工程８２２で、マスクが許容可能かどうかの判定は、測定された空間イメージとシミュレートされた空間イメージとの差に基づく。

[0072] 前の実施形態では、マスクのそれぞれの単一インスタンスが検査され、その特定のマスクに対する個別マスクエラーモデルが生成される。しかし、場合によっては、特定のマスクの代わりに、特定のマスクメーカーまたは特定のマスク製造ツールもしくはプロセスに特徴的な公称マスクエラーモデルを生成するだけで十分である。このような公称マスクエラーモデルは、好ましくは、テストマスク上にテストパターンを定めることにより作成され、そして較正されるが、これは、製品ウェハを印刷するのには使用されず、マスク製造プロセスを特徴付けるためだけに使用される。しかし、公称マスクエラーモデルは、マスクレイアウトデータを使用して作成することもできる。この方法は、リソグラフィシミュレーションモデルを較正するために一般的に使用されるプロセスモデル較正に類似しているか、またはいくぶん似ている。

[0073] テストパターンを使用してマスク製造プロセスの公称マスクエラーモデルを作成する明確な利点は、系統的マスクエラーパラメータ空間を完全に、また高い密度でカバーすることを保証することができる好適なテストパターン構造を柔軟に定義できるということにある。このようなテストパターンは、例えば、リソグラフィシミュレーションシステムにより自動的に生成され、次いで、マスク製造プロセスに送られ、これにより、テストマスクを作成することができる。テストパターンを使用して公称マスクエラーモデルを作成する方法は、製品マスクの場合と非常によく似ているが、簡素化され、パターンのタイプおよび位置がテストマスクレイアウト内に固定され、定義済みであるため、サンプリング位置を識別するアルゴリズムが不要になっている。

[0074] 図９は、本発明の一実施形態による、マスク製造プロセスの公称マスクエラーモデルを作成する方法工程のフローチャートである。オプションの工程９１０で、リソグラフィシミュレーションシステムにより、テストマスクのテストパターンが生成される。工程９１２で、テストパターンは、ＯＰＣおよび他のＲＥＴを使用して処理され、ポストＯＰＣテストマスクレイアウトが作成される。オプションの工程９１４で、テストパターンに従ってサンプリング位置が決定され、サンプリング計画が生成される。工程９１６で、ポストＯＰＣテストマスクレイアウトに従って製造されたテストマスクが得られ、テストマスクが、利用可能であればサンプリング計画に従ってマスク検査ツールで検査され、マスク検査データが出力される。工程９１８で、マスク検査データから物理的マスクデータが抽出され、抽出された物理的マスクデータとポストＯＰＣマスクレイアウトとの差に基づいて、系統的マスクエラーデータが決定される。データ当てはめルーチンにより、系統的マスクエラーデータから公称マスクエラーモデルに対する系統的マスクエラーパラメータの最適な値が決定される。データ当てはめルーチンでは、系統的マスクエラーパラメータを最適化される当てはめパラメータとして使用し、マスク検査データとポストＯＰＣマスクレイアウトとの間の最良一致を得る。工程９２０で、公称マスクエラーモデルが生成され、そこでは、公称マスクエラーモデルの系統的マスクエラーパラメータが、テストマスクを製造するために使用されるマスク製造プロセスを特徴付ける。

[0075] 図１０Ａは、本発明の他の実施形態による、マスク製造プロセスの公称マスクエラーモデルを作成する方法工程のフローチャートである。工程１０１０で、さまざまな線幅、ピッチ、および配向を有するテストマスクレイアウトが生成される。工程１０１２で、マスク技術および特徴付けられるマスクショップが選択される。一実施形態では、特定のマスク製造ツールも選択される。工程１０１４で、選択されたマスク技術およびマスクショップを使用し、テストマスクレイアウトに従って製造されるテストマスクを得る。工程１０１６で、テストマスク上の線幅（ＣＤ）が、ＣＤ−ＳＥＭツールを使用して直接測定される。工程１０１８で、測定されたマスクＣＤが、照射野上のピッチを通じて設計ＣＤ値と比較される。工程１０２０で、測定されたマスクＣＤ値と設計ＣＤ値との差に基づく系統的マスクエラーデータを使用して、公称マスクエラーモデルの系統的マスクエラーパラメータが生成される。公称マスクエラーモデルは、選択されたマスクショックおよびマスク技術を特徴付けるために使用できるモデルである。

[0076] 図１０Ｂは、本発明の他の実施形態による、マスク製造プロセスの公称マスクエラーモデルを作成する方法工程のフローチャートである。工程１０３０で、さまざまな線幅、ピッチ、および配向を有するテストマスクレイアウトが生成される。工程１０３２で、マスク技術および特徴付けられるマスクショップが選択される。一実施形態では、特定のマスク製造ツールも選択される。工程１０３４で、選択されたマスク技術およびマスクショップを使用し、テストマスクレイアウトに従って製造されるテストマスクを得る。次いで、工程１０３６で、露光ツールでテストマスクにより生成される空間イメージは、イメージセンサアレイを使用して測定される。工程１０３８で、露光ツールの光学モデルを使用して、測定された空間イメージからテストマスク線幅（ＣＤ）が抽出される。工程１０４０で、導出されたテストマスクＣＤ値は、照射野上のピッチを通じて設計ＣＤ値と比較される。工程１０４２で、導出されたテストマスクＣＤ値と設計ＣＤ値との差に基づく系統的マスクエラーデータを使用して、公称マスクエラーモデルの系統的マスクエラーパラメータが生成される。公称マスクエラーモデルは、選択されたマスクショックおよびマスク技術を特徴付けるために使用できるモデルである。

[0077] 本発明は、特定の実施形態を参照しつつ上で説明されている。しかし、付属の請求項で定められているように、本発明の広い精神と範囲を逸脱することなく本発明にさまざまな修正および変更を加えられることは明白であろう。したがって、前記の説明および図面は、制限ではなく、例示することを目的としているものとみなすべきである。

Claims (49)

1. エラー リソグラフィマスクの検査から決定された系統的マスクエラーパラメータを有する前記リソグラフィマスクのモデルを含む、個別マスクエラーモデル。
2. 前記系統的マスクエラーパラメータは、線幅バイアス、位相バイアス、コーナー丸め半径、ラインエッジ粗さ、エッチ深さ、および側壁角度からなる群から選択される、請求項１に記載の個別マスクエラーモデル。
3. マスクレイアウトデータを使用して製造されたマスクからマスク検査データを取得し、
   前記マスク検査データと前記マスクレイアウトデータとの差を決定し、
   前記マスク検査データと前記マスクレイアウトデータとの差に基づいて系統的マスクエラーデータを生成し、
   前記系統的マスクエラーデータに基づいて個別マスクエラーモデルに対する系統的マスクエラーパラメータを生成する
   ことを含む方法。
4. 前記系統的マスクエラーパラメータを有する前記個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレート結果を出力し、
   前記シミュレート結果を分析して、前記リソグラフィプロセスのプロセス窓を評価する
   ことをさらに含む、請求項３に記載の方法。
5. 前記系統的マスクエラーパラメータを有する前記個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレート結果を出力し、
   前記シミュレート結果を分析して前記マスクを検証する
   ことをさらに含む、請求項３に記載の方法。
6. 前記系統的マスクエラーパラメータを有する前記個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレート結果を出力し、
   前記シミュレート結果を設計ターゲットと比較する
   ことをさらに含む、請求項３に記載の方法。
7. 前記系統的マスクエラーパラメータを有する前記個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレート結果を出力し、
   公称マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、公称シミュレート結果を出力し、
   前記シミュレート結果と前記公称シミュレート結果とを比較して前記マスクを検証する
   ことをさらに含む、請求項３に記載の方法。
8. 前記系統的マスクエラーパラメータを有する前記個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレート結果を出力し、
   ポストＯＰＣマスクレイアウトを使用してリソグラフィプロセスをシミュレートして、理想シミュレート結果を出力し、
   前記シミュレート結果と前記理想シミュレート結果とを比較して前記マスクを検証する
   ことをさらに含む、請求項３に記載の方法。
9. 前記系統的マスクエラーパラメータは、線幅バイアス、位相バイアス、コーナー丸め半径、ラインエッジ粗さ、エッチ深さ、および側壁角度からなる群から選択される、請求項３に記載の方法。
10. 前記マスク検査データは、ＣＤ−ＳＥＭツール、撮像ＳＥＭツール、ＡＦＭツール、ＯＣＤツール、光学顕微鏡、位相シフト干渉計、およびエリプソメータからなる群から選択されたメトロロジツールを使用して前記マスクのパターンメトリクスを直接測定することにより得られる請求項３に記載の方法。
11. 前記マスク検査データは、露光ツール内に配置されているイメージセンサアレイを使用して露光ツールおよび前記マスクにより生成された空間イメージのパターンメトリクスを決定することにより得られる、請求項３に記載の方法。
12. 前記マスク検査データは、光マスク検査ツール、電子ビームマスク検査ツール、および空間イメージ測定システムからなる群から選択された検査ツールを使用して前記マスクのパターンメトリクスを決定することにより得られる、請求項３に記載の方法。
13. 前記マスクレイアウトデータは、回路設計データである、請求項３に記載の方法。
14. 前記マスクレイアウトデータは、テストパターンデータである、請求項３に記載の方法。
15. マスクレイアウトデータを取得し、
    前記マスクレイアウトデータに基づいてマスク検査計画を作成し、
    前記マスク検査計画に従って前記マスクレイアウトデータを使用して製造されたマスクを検査して、マスク検査データを出力し、
    前記マスク検査データから物理的マスクデータを抽出し、
    前記抽出された物理的マスクデータと前記マスクレイアウトデータとの差を決定し、
    前記抽出された物理的マスクデータと前記マスクレイアウトデータとの差に基づいて系統的マスクエラーデータを決定し、
    前記系統的マスクエラーデータをマスクエラーモデルの入力変数に当てはめることにより系統的マスクエラーパラメータを生成し、
    前記系統的マスクエラーパラメータを前記マスクエラーモデルに適用して、個別マスクエラーモデルを作成する
    ことを含む方法。
16. 前記マスク検査計画の作成は、パラメータ空間をカバーする前記マスクレイアウトデータ内のサンプリング位置を選択することを含む、請求項１５に記載の方法。
17. 前記パラメータ空間は、パターン密度、パターン配向、パターンピッチ、パターンサイズ、パターン極性、異なる配向および極性を有するコーナー、およびさまざまな間隔を有する線端からなる群から選択されたパラメータを含む、請求項１６に記載の方法。
18. 前記リソグラフィプロセスの前記モデルおよび前記個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレーション結果を出力し、
    前記シミュレーション結果を分析して、前記リソグラフィプロセスのプロセス窓を評価する
    ことをさらに含む、請求項１５に記載の方法。
19. 前記リソグラフィプロセスの前記モデルおよび前記個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレーション結果を出力し、
    前記シミュレーション結果を分析して、前記マスクを検証する
    ことをさらに含む、請求項１５に記載の方法。
20. 前記リソグラフィプロセスの前記モデルおよび前記個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレーション結果を出力し、
    前記シミュレーション結果を設計ターゲットと比較する
    ことをさらに含む、請求項１５に記載の方法。
21. 前記系統的マスクエラーパラメータは、線幅バイアス、位相バイアス、コーナー丸め半径、ラインエッジ粗さ、エッチ深さ、および側壁角度からなる群から選択される、請求項１５に記載の方法。
22. 前記マスクエラーモデルの前記入力変数は、前記マスク上のパターン環境およびパターン位置である、請求項１５に記載の方法。
23. マスク製造プロセスにより作られた複数のマスクに対し複数の個別マスクエラーモデルを作成し、
    前記複数の個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、複数のシミュレート結果を出力し、
    前記複数のシミュレート結果を分析して、前記マスク製造プロセスを特徴付ける
    ことをさらに含む、請求項１５に記載の方法。
24. マスク製造プロセスにより作られた複数のマスクに対し複数の個別マスクエラーモデルを作成し、
    前記複数の個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、複数のシミュレート結果を出力し、
    前記複数のシミュレート結果を分析して前記マスク製造プロセスのプロセス補正を識別する
    ことをさらに含む、請求項１５に記載の方法。
25. マスク検査データを出力するマスク検査ツールと、
    前記マスク検査ツールに結合されたモデルベースマスクデータ分析システムであって、前記マスク検査データから物理的マスクデータを抽出し、前記抽出された物理的マスクデータとマスクレイアウトデータとの差に基づいて系統的マスクエラーデータを決定し、また、前記系統的マスクエラーデータに基づいて個別マスクエラーモデルに対する系統的マスクエラーパラメータを生成するモデルベースマスクデータ分析システムと
    を備えるシステム。
26. 前記系統的マスクエラーパラメータは、線幅バイアス、位相バイアス、コーナー丸め半径、ラインエッジ粗さ、エッチ深さ、および側壁角度からなる群から選択される、請求項２５に記載のシステム。
27. 前記マスク検査ツールは、ＣＤ−ＳＥＭ、撮像ＳＥＭツール、ＡＦＭツール、ＯＣＤツール、光学顕微鏡、位相シフト干渉計、およびエリプソメータからなる群から選択される、請求項２５に記載のシステム。
28. 前記マスク検査ツールは、露光ツール内に配置されているイメージセンサアレイである、請求項２５に記載のシステム。
29. 前記マスク検査ツールは、光マスク検査ツール、電子ビームマスク検査ツール、および空間イメージ測定システムからなる群から選択される、請求項２５に記載のシステム。
30. マスクレイアウトデータを取得し、
    マスクモデルパラメータを有するマスクモデルを選択し、
    前記マスクレイアウトデータを使用して製造されたマスクからマスク検査データを取得し、
    前記マスク検査データから物理的マスクデータを抽出し、
    前記物理的マスクデータと前記マスクレイアウトデータとの差を決定し、
    前記物理的マスクデータと前記マスクレイアウトデータとの差に基づいて系統的マスクエラーデータを生成し、
    前記系統的マスクエラーデータに基づいて前記マスクモデルパラメータの値を修正して、系統的マスクエラーパラメータを生成する
    ことを含む方法。
31. 前記系統的マスクエラーパラメータは、線幅バイアス、位相バイアス、コーナー丸め半径、ラインエッジ粗さ、エッチ深さ、および側壁角度からなる群から選択される、請求項３０に記載の方法。
32. 前記マスク検査データは、ＣＤ−ＳＥＭツール、撮像ＳＥＭツール、ＡＦＭツール、ＯＣＤツール、光学顕微鏡、位相シフト干渉計、およびエリプソメータからなる群から選択されたメトロロジツールを使用して前記マスクのパターンメトリクスを直接測定することにより得られる、請求項３０に記載の方法。
33. 前記マスク検査データは、露光ツール内に配置されているイメージセンサアレイを使用して露光ツールおよび前記マスクにより生成された空間イメージのパターンメトリクスを決定することにより得られる、請求項３０に記載の方法。
34. 前記マスク検査データは、光マスク検査ツール、電子ビームマスク検査ツール、および空間イメージ測定システムからなる群から選択された検査ツールを使用して前記マスクのパターンメトリクスを決定することにより得られる、請求項３０に記載の方法。
35. 前記マスク検査データは、マスク検査計画に従って得られる、請求項３０に記載の方法。
36. 露光ツールに対する光学モデルを選択し、
    第２の露光ツールに対する第２の光学モデルを選択し、
    前記光学モデルおよびマスクの個別マスクエラーモデルを使用して前記露光ツールの動作をシミュレートして、第１のシミュレート結果を出力し、
    前記第２の光学モデルおよび前記個別マスクエラーモデルを使用して前記第２の露光ツールの動作をシミュレートして、第２のシミュレート結果を出力し、
    前記第１のシミュレート結果と設計ターゲットとの比較を実行し、
    前記第２のシミュレート結果と前記設計ターゲットとの比較を実行し、
    前記比較結果に基づいて前記露光ツールと前記第２の露光ツールの前記実行を比較する
    ことを含む方法。
37. 前記個別マスクエラーモデルは、前記マスクの検査から決定された系統的マスクエラーパラメータを含む、請求項３６に記載の方法。
38. 前記マスクを使用して製品ウェハを露光するために前記露光ツールまたは前記第２の露光ツールのうちの１つを選択することをさらに含む、請求項３６に記載の方法。
39. 前記個別マスクエラーモデルは、
    マスクレイアウトデータを使用して製造された前記マスクからマスク検査データを取得し、
    前記マスク検査データと前記マスクレイアウトデータとの差を決定し、
    前記マスク検査データと前記マスクレイアウトデータとの差に基づいて系統的マスクエラーデータを生成し、
    前記系統的マスクエラーデータに基づいて前記個別マスクエラーモデルに対する系統的マスクエラーパラメータを生成する
    ことにより作成されれる、請求項３６に記載の方法。
40. 露光ツールの光学モデルおよびレジストモデルを含む、リソグラフィプロセスのモデルを選択し、
    マスクレイアウトデータを使用して製造されたマスクに対する個別マスクエラーモデルを作成し、
    前記リソグラフィプロセスの前記モデルおよび前記個別マスクエラーモデルを使用して前記リソグラフィプロセスをシミュレートして、シミュレートパターンを出力し、
    前記シミュレートパターンと設計ターゲットとの差を決定し、
    前記シミュレートパターンと前記設計ターゲットとの差に基づいて前記露光ツールの設定を修正する
    ことを含む方法。
41. 前記個別マスクエラーモデルは、前記マスクの検査から決定された系統的マスクエラーパラメータを含む、請求項４０に記載の方法。
42. 前記露光ツールの前記設定は、焦点、露光ドーズ、開口数、シグマ、干渉、レンズ収差、および照明シフトからなる群から選択される、請求項４０に記載の方法。
43. 前記シミュレートパターンと前記設計ターゲットとの差は、クリティカルディメンション、線端引き戻し、およびコーナー丸めからなる群から選択される、請求項４０に記載の方法。
44. 個別マスクエラーモデルの作成は、
    前記マスクからマスク検査データを取得し、
    前記マスク検査データと前記マスクレイアウトデータとの差を決定し、
    前記マスク検査データと前記マスクレイアウトデータとの差に基づいて系統的マスクエラーデータを生成し、
    前記系統的マスクエラーデータに基づいて前記個別マスクエラーモデルに対する系統的マスクエラーパラメータを生成する
    ことを含む、請求項４０に記載の方法。
45. 複数の露光ツールに対して、それぞれ個別露光ツールを表す複数の光学モデルを選択し、
    前記複数の光学モデル毎に、前記光学モデルおよびマスクの個別マスクエラーモデルを使用してリソグラフィプロセスをシミュレートして、シミュレート結果を出力し、
    前記複数の光学モデルのそれぞれについて前記シミュレート結果を評価して、前記複数の露光ツールのうちのどれが前記マスクで最良の性能を発揮するかを判定する
    ことを含む方法。
46. 前記個別マスクエラーモデルは、前記マスクの検査から決定された系統的マスクエラーパラメータを含む、請求項４５に記載の方法。
47. 前記複数の光学モデルのそれぞれについて前記シミュレート結果を評価することは、前記シミュレート結果と設計ターゲットとを比較することを含む、請求項４５に記載の方法。
48. ウェハ生産のため前記最良一致の露光ツールおよび前記マスクを選択することを含む、請求項４５に記載の方法。
49. 前記個別マスクエラーモデルは、
    マスクレイアウトデータを使用して製造された前記マスクからマスク検査データを取得し、
    前記マスク検査データと前記マスクレイアウトデータとの差を決定し、
    前記マスク検査データと前記マスクレイアウトデータとの差に基づいて系統的マスクエラーデータを生成し、
    前記系統的マスクエラーデータに基づいて前記個別マスクエラーモデルに対する系統的マスクエラーパラメータを生成する
    ことによって作成される、請求項４５に記載の方法。

Images