JP2018124380A - マスクパターンの検査方法、マスクの製造方法および半導体デバイスの製造方法 - Google Patents

Abstract

【課題】リソグラフィ・コンプライアンス・チェックにおいて、危険度判定に要する時間を短縮する。【解決手段】リソグラフィ・コンプライアンス・チェックで抽出された検出点ＤＰをカテゴライズする際に、検出点ＤＰ毎に、当該検出点ＤＰを中心とする縦長検出領域ＶＲＡと横長検出領域ＨＲＡとが設けられる。そして、縦長検出領域ＶＲＡに含まれるパターンＰＡＴの同一性と、横長検出領域ＨＲＡに含まれるパターンＰＡＴの同一性とに基づいて、複数の検出点ＤＰがカテゴライズされる。【選択図】図２

Description

本発明は、マスクパターンの検査方法、マスクの製造方法および半導体デバイスの製造方法に関し、例えば、リソグラフィ・コンプライアンス・チェックの技術に関する。

例えば、特許文献１には、ウエハ上に形成すべき目標パターンとマスクの転写パターンとの形状差が大である危険パターンを抽出し、形状ごとに分類して代表パターンを自動的に選別するパターン検査方法が示される。具体的には、まず、マスク上の領域を複数の小領域に分割したのち、小領域毎に目標パターンと転写パターンとを比較することで危険点の座標値が抽出される。その後、抽出された座標値のうち、小領域の周辺部に位置する座標値が擬似危険点として削除され、残った座標値に基づいて危険パターンが選出され、当該危険パターンを形状毎に分類することで代表パターンが定められる。

特開２００７−２６６３９１号公報

例えば、９０ｎｍ以下のテクノロジノードを適用した半導体デバイスを開発・製造する際には、パターン転写原版（フォトマスク）の作製に先だって、リソグラフィ・コンプライアンス・チェック（明細書ではＬＣＣと略す）等と呼ばれるシミュレーションが行われる。ＬＣＣは、マスクパターンまたは光近接効果補正（ＯＰＣ：Optical Proximity Correctioｎ）後のマスクパターンを対象に予めシミュレーションを行うことにより、製造不良や歩留低下をもたらすパターンを含有するフォトマスクの流出を防ぐプロセスである。

ＬＣＣでは、特許文献１に示されるように、例えば、ＥＤＡ（Electronic Design Automation）ツールを用いて、製造不良や歩留低下を招く可能性が高い危険パターンを抽出する処理と、当該危険パターンを形状毎にカテゴライズする処理とが行われる。この危険パターンを抽出する際には、通常、危険点毎に、当該危険点の座標値を中心として、予め定めたサイズを持つ正方形の検出領域が設定される。ＥＤＡツールは、当該正方形の検出領域に含まれるパターン形状の同一性に基づいて、危険パターンをカテゴライズする。技術者等は、このカテゴライズ結果に基づき、例えば、カテゴリ毎の代表パターンを目視確認することで、カテゴリ毎の危険度判定を行う。

しかし、このようなカテゴライズ方法では、検出領域のサイズを様々に調整した場合であっても、カテゴライズ結果が技術者等の視点と大きく乖離する場合がある。その結果、技術者等は、代表パターンに加えてその他の危険パターンも適宜確認する必要があるため、危険度判定に多大な時間を要する恐れがある。また、この時間が限られる場合、危険度判定の精度が低下し、ひいては、デバイス製造時の歩留まり低下を招く恐れがある。

後述する実施の形態は、このようなことを鑑みてなされたものであり、その他の課題と新規な特徴は、本明細書の記述及び添付図面から明らかになるであろう。

一実施の形態によるマスクパターンの検査方法では、リソグラフィ・コンプライアンス・チェックで抽出された検出点をカテゴライズする際に、検出点毎に、当該検出点を中心とする縦長検出領域と横長検出領域とが設けられる。縦長検出領域は、水平方向よりも垂直方向が長い長方形の検出領域であり、横長検出領域は、垂直方向よりも水平方向が長い長方形の検出領域である。そして、当該検査方法では、縦長検出領域に含まれるパターンの同一性と、横長検出領域に含まれるパターンの同一性とに基づいて、複数の検出点がカテゴライズされる。

前記一実施の形態によれば、リソグラフィ・コンプライアンス・チェックにおいて、危険度判定に要する時間を短縮可能になる。

半導体デバイスの概略的な開発・製造方法の一例を示すフロー図である。 本発明の実施の形態１によるマスクパターンの検査方法において、図１で設定される検出領域の形状の一例を示す図である。 本発明の実施の形態１によるマスクパターンの検査方法において、図２を拡張した検出領域の形状の一例を示す図である。 図２の検出領域を用いたカテゴライズ方法の一例を説明する図である。 図３の検出領域を用いたカテゴライズ方法の一例を説明する図である。 本発明の実施の形態１によるマスクパターンの検査方法において、長方形の検出領域を用いることによる有益性を説明する図である。 図６Ａに続く図である。 図２および図４のカテゴライズ方法を適用した状況の具体例を示す図である。 図７Ａに続く図である。 図２および図４のカテゴライズ方法を適用した状況の別の具体例を示す図である。 図８Ａに続く図である。 本発明の実施の形態２によるマスクパターンの検査方法において、図１で設定される検出領域の形状と、それを適用した状況の具体例を示す図である。 図９Ａに続く図である。 本発明の実施の形態２によるマスクパターンの検査方法において、図１で設定される検出領域の形状と、それを適用した状況の別の具体例を示す図である。 図１０Ａに続く図である。 本発明の実施の形態２によるマスクパターンの検査方法において、検出領域の使い分けを実現する具体的な方式の一例を説明する図である。 図１１Ａに続く図である。 本発明の実施の形態３によるマスクパターンの検査方法において、図１で設定される検出領域の形状の一例を示す図である。 図１２の検出領域を適用した状況の具体例を示す図である。 図１３Ａに続く図である。 図１２を拡張した検出領域の形状の一例を示す図である。 本発明の比較例となるマスクパターンの検査方法において、図１で設定される検出領域の形状の一例を示す図である。 図１５における検出領域のサイズと、カテゴリ数との関係を説明する図である。 図１５の検出領域で問題が生じる状況の具体例を示す図である。 図１７Ａに続く図である。 図１５の検出領域で問題が生じる状況の別の具体例を示す図である。 図１８Ａに続く図である。

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良い。

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。

以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、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。

（実施の形態１）
《半導体デバイスの開発・製造方法》
図１は、半導体デバイスの概略的な開発・製造方法の一例を示すフロー図である。図１では、まず、半導体デバイスの回路設計およびレイアウト設計が行われ、複数レイヤのレイアウト設計データＬＤＡＴが生成される（ステップＳ１０１）。続いて、当該レイアウト設計データＬＤＡＴの各レイヤを適宜合成する処理が行われる（ステップＳ１０２）。次いで、技術者等は、テクノロジノードや、レイヤの位置や、各レイヤのパターン属性等に応じて、マスクパターンの補正（代表的にはＯＰＣ）の要否を判定する（ステップＳ１０３）。補正が必要な場合、ＯＰＣが実行され（ステップＳ１０４）、当該補正有りのマスクパターンを対象にリソグラフィ・コンプライアンス・チェック（ＬＣＣ）が実行される。一方、補正が不要な場合、補正無しのマスクパターンを対象にＬＣＣが実行される。

ＬＣＣでは、まず、ＥＤＡツールの一つであるシミュレータが、補正有り又は補正無しのマスクパターンに対してリソグラフィシミュレーションを実行し、そのシミュレーション結果となる検査対象パターンを出力する（ステップＳ１０５，Ｓ１０７）。ＥＤＡツールは、広く知られているように、コンピュータシステムを用いたプログラム処理によって実現される。リソグラフィシミュレーションは、主に、露光装置による形状変化を模写した光シミュレーションであり、その結果として得られる検査対象パターンは、実際に半導体デバイスに転写した際の予測パターンとなる。なお、当該リソグラフィシミュレーションは、技術者等によって指定されたレイヤを対象に、レイヤ毎に実行される。

次いで、ＥＤＡツールの一つであるパターン認識ツールは、ステップＳ１０５またはステップＳ１０７で出力された検査対象パターンと、予め定められる目標パターンとを画像比較することで（ステップＳ１０６，Ｓ１０８）、リソグラフィ不良が予測される箇所を検出点（例えば座標値）として抽出する（ステップＳ１０９）。目標パターンには、例えば、補正有りのマスクパターンを対象とする場合には目標図形が適用され（ステップＳ１０６）、補正無しのマスクパターンを対象とする場合には設計図形が適用される（ステップＳ１０８）。設計図形とは、レイアウト設計データＬＤＡＴに基づくパターン形状を図示したものである。一方、目標図形とは、例えば、リソグラフィ後の理想的なレジストパターン形状を図示したものであり、この理想的な形状を用いてエッチングを行うと、更なる形状変化を経て設計図形になるといった性質のものである。

ここで、リソグラフィ不良の具体例として、レジスト寸法が規定最小寸法に満たない、レジスト寸法が目標寸法から乖離する、下地層とのスペースないしオーバーラップが不十分である（すなわち、下地層とのコンタクトが不十分となる）、などが挙げられる。このような不良の予測箇所は、一つの半導体チップ内で繰り返し多数出現する場合が多い。このため、ステップＳ１０９での検出点も、多数抽出されることがある。

そこで、パターン認識ツールは、抽出された複数の検出点をカテゴライズする（ステップＳ１１０）。具体的には、パターン認識ツールは、検出点毎に、当該検出点を中心とする検出領域を設け（ステップＳ１１０ａ）、当該検出領域に含まれるパターン（明細書では、危険パターンと呼ぶ）の同一性に基づいて複数の検出点（言い換えれば複数の危険パターン）をカテゴライズする（ステップＳ１１０ｂ）。この際には、パターン認識ツールは、危険パターンとして、例えば、ステップＳ１０６，Ｓ１０８の目標図形または設計図形や、場合によっては、ステップＳ１０５の入力となる補正後のマスクパターンを使用してパターンの同一性を判定し、パターン形状が同一とみなせる危険パターンを同一のカテゴリに割り当てる。

続いて、パターン認識ツールは、カテゴリ毎に、複数の危険パターンの中から代表パターンを選出する（ステップＳ１１０ｃ）。代表パターンは、例えば、リソグラフィシミュレーションおよび画像比較（ステップＳ１０５〜Ｓ１０８）で得られる結果がワースト値（最小寸法、最大乖離値、最小オーバーラップ量など）であったパターンに定められる。

このようにしてカテゴライズが行われたのち、技術者等は、カテゴリ毎の危険度判定を行う（ステップＳ１１１）。具体的には、技術者等は、例えば、ステップＳ１１０で定められたカテゴリ毎の代表パターンを逐次目視確認すること等で危険度を判定し、その結果に基づきマスク作製を進めるか否かを判別する。技術者等は、マスク作製を進められないと判定した場合には、例えば、マスクパターンの修正等のフィードバック作業を適宜行う。一方、マスク作製を進められると判定された場合には、フォトマスクの作製が行われる（ステップＳ１１２）。

その後は、当該ＬＣＣを経て作製されたマスクを用いて半導体デバイスにパターンを形成する前工程が行われ（ステップＳ１１３）、完成した半導体デバイスのパッケージング等を行う後工程が行われる（ステップＳ１１４）。前工程では、例えば、デポジション工程（ステップＳ１１３ａ）、リソグラフィ工程（ステップＳ１１３ｂ）、およびエッチング工程（ステップＳ１１３ｃ）が繰り返し実行される。

デポジション工程では、ＣＶＤ（Chemical Vapor Deposition）装置を代表とする各種堆積装置を用いて半導体ウエハ上に所定の膜が形成される。リソグラフィ工程では、堆積された膜にレジストが塗布されたのち、露光装置等が、作製されたフォトマスクを用いてレジストをパターンニングする。エッチング工程では、エッチング装置が、パターンニングされたレジストを介して所定の膜をエッチングすることで、当該所定の膜をパターンニングする。

ここで、ステップＳ１１１に際し、仮に、個々の危険パターンについて危険度判定を行うと、判定に要する時間と労力は膨大なものになる。その副作用として、真に危険度の高い危険パターンを見落とすこと等が起こり得る。そこで、ステップＳ１１０でカテゴライズを行い、カテゴリ毎の代表パターンを選出することが有益となる。だだし、この有益性を得るためには、カテゴライズが適切であることが前提となる。

《カテゴライズ方法（比較例）とその問題点》
図１５は、本発明の比較例となるマスクパターンの検査方法において、図１で設定される検出領域の形状の一例を示す図である。図１６は、図１５における検出領域のサイズと、カテゴリ数との関係を説明する図である。比較例となるカテゴライズ方法では、図１のステップＳ１１０ａにおいて、図１５に示されるように、検出点（例えば、線が細くなる等の不良予測箇所）ＤＰを中心とする正方形の検出領域ＳＱＡが設けられる。当該検出領域ＳＱＡに含まれるパターンＰＡＴは、危険パターンとなる。

ステップＳ１１０ｂで得られるカテゴリ数は、検出領域ＳＱＡのサイズに依存する。具体的には、検出領域ＳＱＡが狭いほど、カテゴリ数は減るが１カテゴリ内の危険パターン数は増え、検出領域ＳＱＡが広いほど、カテゴリ数は増えるが１カテゴリ内の危険パターン数は減る。図１６の例では、検出領域ＳＱＡが狭い場合、カテゴリ数は１個となり、その中に７個のパターン（危険パターン）ＰＡＴが含まれる。また、仮に、一番左のパターンＰＡＴにおいて、検出点ＤＰのシミュレーション結果（ステップＳ１０５〜Ｓ１０８）がワースト値（例えば、最も寸法が細い等）であった場合、一番左のパターンＰＡＴが当該カテゴリの代表パターンとなる。

一方、検出領域ＳＱＡが広い場合、カテゴリ数は７個となり、各カテゴリ内のパターン（危険パターン）ＰＡＴの数は１個となる。このように、カテゴライズの品質・効率は、検出領域ＳＱＡの形状に依存する。検出領域ＳＱＡの適正なサイズは、経験的に、遠方パターンの影響（光近接効果）が十分小さいとみなせる大きさである“露光波長／開口数”の３〜４倍、または第二隣接パターンの影響を取り込める最小の大きさである最小ピッチの３〜４倍とされる。

しかし、比較例となるカテゴライズ方法では、仮に、検出領域ＳＱＡのサイズを適正化した場合であっても、カテゴライズ結果が技術者等の視点と大きく乖離する場合がある。その結果、技術者等は、図１のステップＳ１１１において、代表パターンに加えてその他の危険パターンも適宜確認する必要があるため、危険度判定に多大な時間を要する恐れがある。また、この時間が限られる場合、危険度判定の精度が低下し、ひいては、デバイス製造時の歩留まり低下を招く恐れがある。

比較例となるカテゴライズ方法が問題となる具体的ケースとして、第一に、カテゴライズが不十分なケースが挙げられる。このケースでは、別カテゴリが望ましい複数のパターンが、同一のカテゴリに分類されてしまう。図１７Ａおよび図１７Ｂは、図１５の検出領域で問題が生じる状況の具体例を示す図である。例えば、検出点ＤＰを中心とした検出領域ＳＱＡの外側は、図１７Ａでは空白であるのに対して、図１７Ｂでは配線パターンに囲まれている。

図１７Ａと図１７Ｂは、遠方パターンの影響（すなわち光近接効果）が全く反対であるため、技術者等の視点では異なるカテゴリに分類されることが望まれるが、同一カテゴリに分類されてしまう。検証見落としを避けるためには、同一カテゴリと一旦判断した危険パターン群の再判定が必要となるため、結果的に危険度判定の工数が増大してしまう。なお、検出領域ＳＱＡのサイズを広げると異なるカテゴリに分類することができるが、この場合、次に述べるカテゴライズが過剰なケースを多く招く恐れがある。

第二に、カテゴライズが過剰なケースが挙げられる。このケースでは、同一カテゴリが望ましい複数の危険パターンが、別のカテゴリに分類されてしまう。図１８Ａおよび図１８Ｂは、図１５の検出領域で問題が生じる状況の別の具体例を示す図である。図１８Ａおよび図１８Ｂに示すパターン（危険パターン）ＰＡＴは、例えば、レイヤ間のコンタクトを行うため等から、局所的に太い配線箇所を備えている。

この配線箇所は、図１８Ａでは３箇所であるのに対して、図１８Ｂでは５箇所である。図１８Ａと図１８Ｂは、遠方パターンの影響（すなわち光近接効果）がほぼ同等であるため、技術者等の視点では同一カテゴリに分類されることが望まれるが、別カテゴリに分類されてしまう。このため、危険度判定を要するカテゴリ数が増え、結果的に危険度判定の工数が増大してしまう。なお、検出領域ＳＱＡを狭めると同一のカテゴリに分類することができるが、この場合、前述したカテゴライズが不十分なケースを多く招く恐れがある。

このようなケースは、本質的には、次の２つの問題点によって生じるものと考えられる。一つ目の問題点は、検出領域ＳＱＡの取り方が一律であり、パターンＰＡＴの図形的特徴を考慮できていないことである。二つ目の問題点は、検出領域ＳＱＡが単一の正方形であるため、検出点ＤＰと検出領域ＳＱＡの各辺との間の垂直方向または水平方向の距離に比べ、検出領域ＳＱＡの頂点との間の斜め方向の距離が過剰に長くなり（√２倍になり）、検出点ＤＰからの距離で決まる光近接効果を考慮できていないことである。すなわち、斜め方向に過剰なカテゴライズがなされてしまうことである。

《カテゴライズ方法（実施の形態１）》
図２は、本発明の実施の形態１によるマスクパターンの検査方法において、図１で設定される検出領域の形状の一例を示す図である。図１のステップＳ１１０ａにおいて、実施の形態１（後述する実施の形態も同様）では、図１５の場合と異なり、検出点ＤＰを中心とする長方形の検出領域が設けられる。当該長方形の検出領域は、マスクパターンの原則的な描画方向と並行な辺で構成される。すなわち、マスクパターンの原則的な描画方向は、垂直方向および水平方向であり、当該長方形の検出領域は、垂直方向および水平方向に延伸する辺で構成される。

図２の例では、長方形の検出領域として、水平方向よりも垂直方向が長い縦長検出領域ＶＲＡと、垂直方向よりも水平方向が長い横長検出領域ＨＲＡとが設けられる。縦長検出領域ＶＲＡおよび横長検出領域ＨＲＡのそれぞれのサイズは、必ずしも限定はされないが、長辺が“露光波長／開口数”または最小ピッチの５〜１０倍であり、短辺が“露光波長／開口数”または最小ピッチの２〜３倍である。

図３は、本発明の実施の形態１によるマスクパターンの検査方法において、図２を拡張した検出領域の形状の一例を示す図である。図３の例では、検出点ＤＰ毎に、長方形の検出領域となる縦長検出領域ＶＲＡおよび横長検出領域ＨＲＡに加えて、図１５の場合と同様に、当該検出点ＤＰを中心とする正方形の検出領域ＳＱＡが設けられる。

図４は、図２の検出領域を用いたカテゴライズ方法の一例を説明する図である。図１のステップＳ１１０ｂにおいて、パターン認識ツールは、縦長検出領域ＶＲＡと横長検出領域ＨＲＡとを個別に用いて、個別のカテゴライズを実行する。すなわち、パターン認識ツールは、縦長検出領域ＶＲＡに含まれるパターンＰＡＴの同一性に基づいて、複数の検出点ＤＰ（言い換えれば複数の危険パターン）をカテゴライズし、横長検出領域ＨＲＡに含まれるパターンＰＡＴの同一性に基づいて、複数の検出点ＤＰをカテゴライズする。

その結果、当該２個の個別のカテゴライズ結果に応じて、図４に示されるように、ケースＡからケースＤの４通りのケースが生じる。図中の“○”は、任意の２個の危険パターンが同一カテゴリに分類されることを表し、図中の“×”は別カテゴリに分類されることを表す。パターン認識ツールは、この２個の個別のカテゴライズ結果（すなわちケースＡからケースＤ）に基づいて、複数の検出点ＤＰを最終的にカテゴライズする。

パターン認識ツールは、最終的なカテゴライズを行うにあたり、例えば、２個の判定基準（判定基準Ａおよび判定基準Ｂ）を使用することができる。判定基準Ａは、技術者等によって行われる判定見落としを防止することを優先したものである。判定基準Ａを用いると、任意の２個の危険パターンは、２個の個別のカテゴライズ結果の１個以上で別カテゴリに分類される場合には、最終カテゴライズ結果でも別カテゴリに分類される。

一方、判定基準Ｂは、技術者等による判定時間を短縮することを優先したものである。判定基準Ｂを用いると、任意の２個の危険パターンは、２個の個別のカテゴライズ結果の全てで別カテゴリと判定されない限り、最終カテゴライズ結果では同一カテゴリに分類される。なお、パターン認識ツールは、判定基準Ａおよび判定基準Ｂのいずれを用いた場合であっても、２個の個別のカテゴライズ結果の両方で同一カテゴリに分類される任意の２個の危険パターンについては同一カテゴリに分類する（ケースＡ）。また、パターン認識ツールは、２個の個別のカテゴライズ結果の両方で別カテゴリに分類される任意の２個の危険パターンについては別カテゴリに分類する（ケースＤ）。

図５は、図３の検出領域を用いたカテゴライズ方法の一例を説明する図である。図１のステップＳ１１０ｂにおいて、パターン認識ツールは、縦長検出領域ＶＲＡ、横長検出領域ＨＲＡおよび正方形の検出領域ＳＱＡを個別に用いて、個別のカテゴライズを実行する。すなわち、パターン認識ツールは、図４で述べた処理に加え、正方形の検出領域ＳＱＡに含まれるパターンＰＡＴの同一性に基づいて、複数の検出点ＤＰをカテゴライズする。

その結果、当該３個の個別のカテゴライズ結果に応じて、図５に示されるように、ケースＡからケースＨの８通りのケースが生じる。パターン認識ツールは、この３個の個別のカテゴライズ結果（すなわちケースＡからケースＨ）に基づいて、複数の検出点ＤＰを最終的にカテゴライズする。この際に、パターン認識ツールは、図４で述べた２個の判定基準（判定基準Ａおよび判定基準Ｂ）に加えて判断基準Ｃを使用することができる。判定基準Ｃでは、３個の個別のカテゴライズ結果の多数決が用いられる。

判定基準Ｃを用いると、パターン認識ツールは、３個の個別のカテゴライズ結果の中の２個以上で同一カテゴリに分類される任意の２個の危険パターンについては、最終カテゴライズ結果でも同一カテゴリに分類する。また、パターン認識ツールは、３個の個別のカテゴライズ結果の中の２個以上で別カテゴリに分類される任意の２個の危険パターンについては、最終カテゴライズ結果でも別カテゴリに分類する。

以下、具体例で説明する。図７Ａおよび図７Ｂは、図２および図４のカテゴライズ方法を適用した状況の具体例を示す図である。図７Ａおよび図７Ｂに示されるパターンＰＡＴは、それぞれ、図１７Ａおよび図１７Ｂに示したものと同一である。横長検出領域ＨＲＡ内において、図７Ａでは３本の配線パターンがあり、図７Ｂでは５本の配線パターンがある。このため、図７Ａの危険パターンと図７Ｂの危険パターンは、別カテゴリに分類される。

また、縦長検出領域ＶＲＡ内において、図７ＡではＩ字状の配線パターンがあり、図７ＢではＨ字状の配線パターンがある。このため、図７Ａの危険パターンと図７Ｂの危険パターンは、別カテゴリに分類される。その結果、図４のケースＤに示されるように、最終的なカテゴライズにおいても、図７Ａと図７Ｂは別カテゴリに分類される。実際上、図７Ａと図７Ｂでは、遠方パターンの影響（すなわち光近接効果）が全く反対であるため、別カテゴリに分類することは、技術者等の視点と合致する。

図８Ａおよび図８Ｂは、図２および図４のカテゴライズ方法を適用した状況の別の具体例を示す図である。図８Ａおよび図８Ｂに示されるパターンＰＡＴは、それぞれ、図１８Ａおよび図１８Ｂに示したものと同一である。横長検出領域ＨＲＡ内において、局所的に太い配線箇所は、図１８Ａおよび図１８Ｂ共に１個である。このため、図８Ａの危険パターンと図８Ｂの危険パターンは、同一カテゴリに分類される。

また、縦長検出領域ＶＲＡ内においても、局所的に太い配線箇所は図１８Ａおよび図１８Ｂ共に１個である。このため、図８Ａの危険パターンと図８Ｂの危険パターンは、同一カテゴリに分類される。その結果、図４のケースＡに示されるように、最終的なカテゴライズにおいても、図８Ａと図８Ｂは同一カテゴリに分類される。実際上、図８Ａと図８Ｂとでは、遠方パターンの影響（すなわち光近接効果）がほぼ同等であるため、同一カテゴリに分類することは、技術者等の視点と合致する。

以上のように、図２および図４のカテゴライズ方法（すなわち縦長検出領域ＶＲＡおよび横長検出領域ＨＲＡによる方法）を用いると、図１５のカテゴライズ方法（すなわち正方形の検出領域ＳＱＡによる方法）を用いる場合と異なり、技術者等の視点と合致するカテゴライズを行うことが可能になる。一方、図３および図５のカテゴライズ方法（すなわち縦長検出領域ＶＲＡ、横長検出領域ＨＲＡおよび正方形の検出領域ＳＱＡによる方法）を用いる場合には、図５の判定基準Ｃを用いることで、技術者等の視点と合致するカテゴライズを行うことが可能になる。

具体的には、図５の判定基準Ｃを用いることで、図７Ａと図７Ｂは、ケースＤに示されるように別カテゴリに分類することができ、図８Ａと図８Ｂは、ケースＥに示されるように同一カテゴリに分類することができる。言い換えれば、ケースＤに示されるように、正方形の検出領域ＳＱＡでは同一カテゴリに分類されるものを、縦長および横長の結果が共に別カテゴリであることから別カテゴリに分類することができる。また、ケースＥに示されるように、正方形の検出領域ＳＱＡでは別カテゴリに分類されるものを、縦長および横長の結果が共に同一カテゴリであることから同一カテゴリに分類することができる。

なお、図５の判定基準Ａは、図８Ａと図８Ｂを別カテゴリに分類していることからわかるように、カテゴライズが過剰なケースを多く含むと推定される。図５の判定基準Ｂは、図７Ａおよび図７Ｂを同一カテゴリに分類していることからわかるように、カテゴライズが不十分なケースを多く含むと推定される。したがって、図３および図５のカテゴライズ方法を用いる場合には、必ずしも限定はされないが、判定基準Ｃを用いることが望ましい。

ここで、図２および図４のカテゴライズ方法と、図３および図５のカテゴライズ方法とを比較する。まず、図２および図４のカテゴライズ方法を用いる場合、図４のケースＡやケースＤのように２個の個別のカテゴライズ結果が一致する場合には特に問題は生じない。しかし、ケースＢやケースＣのように、２個の個別のカテゴライズ結果が不一致となる場合、最終カテゴライズ結果を定めるための客観的な指針がなく、結果として、図７や図８とは異なるケースで、技術者等の視点と一致するカテゴライズ結果が得られ難くなる恐れがある。

一方、図３および図５のカテゴライズ方法では、図５の判定基準Ｃを用いることで、ケースＢ，Ｃ，Ｆ，Ｇのように、縦長検出領域ＶＲＡおよび横長検出領域ＨＲＡによる２個の個別のカテゴライズ結果が一致しない場合には、正方形の検出領域ＳＱＡによる個別のカテゴライズ結果を指針として最終カテゴライズ結果を定めることができる。その結果、図２および図４のカテゴライズ方法を用いる場合と比較して、技術者等の視点と一致するカテゴライズ結果が得られ易くなると考えられる。

《実施の形態１の主要な効果》
以上のように、リソグラフィ・コンプライアンス・チェック（ＬＣＣ）でカテゴライズを行う際に縦長検出領域ＶＲＡおよび横長検出領域ＨＲＡを用いることで、カテゴライズ（すなわち代表パターンの選出）が適正化され、危険度判定に要する時間を短縮可能になる。その結果、限られた時間の中で危険度判定の精度を向上させることができ、ひいては、デバイス製造時の歩留まり向上等を図ることが可能になる。以下、このような長方形の検出領域（ＶＲＡ，ＨＲＡ）を用いることの有益性について、より詳細に説明する。

図６Ａおよび図６Ｂは、本発明の実施の形態１によるマスクパターンの検査方法において、長方形の検出領域を用いることによる有益性を説明する図である。実施の形態１では、半導体デバイスのパターンが主に水平方法と垂直方法の２方向に描かれるという一般的特徴に着目している。パターンが水平と垂直の２方向に描かれる結果、パターン密度変化の周期は、水平と垂直の２方向で稠密となる一方で、斜め方向では相対的に緩やかとなる。図６Ａおよび図６Ｂは、これを模式的に示した図である。パターン密度変化の稠密度はパターンの多様性と同義である。このため、本質的には、斜め方向の情報よりも水平方向および垂直方向の情報に比重を置いてパターンの同一性を判定することが望ましい。

実施の形態１では、このような観点から、長方形の検出領域（ＶＲＡ，ＨＲＡ）が用いられる。すなわち、図１５のような正方形の検出領域ＳＱＡを用いる場合には、斜め方向の情報に比重が置かれることになるが、長方形の検出領域（ＶＲＡ，ＨＲＡ）を用いると、水平方向および垂直方向の情報に比重を置くことができる。その結果、多様なパターンを、より適切にカテゴライズすることが可能になる。

また、縦長検出領域ＶＲＡと横長検出領域ＨＲＡの両方を用いることは、光近接効果の観点で有益となる。前述したように、光近接効果は検出点からの距離で決まる。ここで、図２における２個の検出領域（ＶＲＡ，ＨＲＡ）を最も比率が大きくなる（短辺／長辺）＝（２／１０）の長方形に定めた場合を想定する。この場合、検出点ＤＰから２個の検出領域（ＶＲＡ，ＨＲＡ）の境界の交点ＸＰまでの距離（例えば２√２とする）は、検出点ＤＰから長方形の短辺までの距離（１０となる）の０．２８倍（＝２√２／１０）となる。また、図２における２個の検出領域（ＶＲＡ，ＨＲＡ）を、最も比率が小さくなる（短辺／長辺）＝（３／５）の長方形に定めた場合を想定する。この場合、同様にして、検出点ＤＰから交点ＸＰまでの距離は、検出点ＤＰから短辺までの距離の０．８４倍（＝３√２／５）となる。

このように、縦長検出領域ＶＲＡと横長検出領域ＨＲＡの両方を組み合わせてパターンの同一性を判定すると、斜め方向の情報量は、水平ないし垂直方向の情報量の０．２８倍〜０．８４倍となる。この倍率は、単に光近接効果のみを考慮すると１倍が理想値となるが、加えて図６Ａおよび図６Ｂで述べた図形的特徴を踏まえると、水平ないし垂直方向の情報の方が斜め方向の情報よりも重要度を増すことになるため、１倍よりも小さい方がむしろ適切と言える。

（実施の形態２）
《カテゴライズ方法（実施の形態２）》
前述した実施の形態１のカテゴライズ方法は、検出点ＤＰ毎に縦長検出領域ＶＲＡと横長検出領域ＨＲＡの両方を設けた。一方、実施の形態２のカテゴライズ方法は、検出点ＤＰ毎に、当該検出点ＤＰに配置される回路の回路的特徴に基づき、縦長検出領域ＶＲＡか横長検出領域ＨＲＡのいずれか一方を設ける。実施の形態１の場合との本質的な相違点は、パターンの図形的特徴や光近接効果に加えて、回路の特徴も考慮していることである。なお、検出領域（ＶＲＡ，ＨＲＡ）のサイズは、実施の形態１の場合と同様である。以下、具体例を用いて説明する。

図９Ａおよび図９Ｂは、本発明の実施の形態２によるマスクパターンの検査方法において、図１で設定される検出領域の形状と、それを適用した状況の具体例を示す図である。図９Ａおよび図９Ｂには、ロジックプリミティブセルの典型的なパターンＰＡＴが示される。当該パターンＰＡＴは、例えば、ゲート層のゲート配線パターン等に該当する。ロジックプリミティブセルの図形的特徴はセル高さに制約があることであり、回路的特徴は線幅の揺らぎに敏感であることである。線幅の揺らぎは、配線パターンの延伸方向（ここでは垂直方向）に直交する方向（水平方向）の疎密差や、配線パターンの本数差によってもたらされる。

このような場合、図９Ａおよび図９Ｂに示されるように、垂直方向よりも水平方向が長い横長検出領域ＨＲＡを設けることによって、疎密差や本数差を考慮したカテゴライズが可能となる。図９Ａでは、横長検出領域ＨＲＡ内のパターン（危険パターン）ＰＡＴとして、５本の配線パターンが設けられ、図９Ｂでは、横長検出領域ＨＲＡ内のパターンＰＡＴとして、７本の配線パターンが設けられる。その結果、図９Ａと図９Ｂを別カテゴリに分類することができ、カテゴライズの適正化（例えば、危険度判定の精度向上等）が図れる。

図１０Ａおよび図１０Ｂは、本発明の実施の形態２によるマスクパターンの検査方法において、図１で設定される検出領域の形状と、それを適用した状況の別の具体例を示す図である。図１０Ａおよび図１０Ｂには、周辺回路の典型的なパターンＰＡＴが示される。当該パターンＰＡＴは、例えば、メタル配線層のメタル配線パターン等に該当する。周辺回路の回路的特徴は、線幅の揺らぎにそれほど敏感ではない一方で、パターンＰＡＴの多様性が高いことである。特に、配線パターンの長さや端部の形状（別の配線パターンに接続しているか否か）は、リソグラフィ工程におけるレジストパターン倒れの危険度に直結する。

このような場合、図１０Ａおよび図１０Ｂに示されるように、配線パターンの延伸方向が垂直方向であることから、水平方向よりも垂直方向が長い縦長検出領域ＶＲＡを設けることによって、レジストパターン倒れの危険度を考慮したカテゴライズが可能となる。図１０Ａでは、縦長検出領域ＶＲＡ内のパターン（危険パターン）ＰＡＴとして、短い配線パターンが設けられ、図１０Ｂでは、縦長検出領域ＶＲＡ内のパターンＰＡＴとして、長い配線パターンが設けられる。その結果、図１０Ａと図１０Ｂを別カテゴリに分類することができ、カテゴライズの適正化（例えば、危険度判定の精度向上等）が図れる。

このような方式を適用するため、例えば、技術者等は、予め、各回路ブロックの配置情報と当該各回路ブロック毎に適用する検出領域の種別情報（すなわち、縦長検出領域ＶＲＡか横長検出領域ＨＲＡか）との対応関係を定めておく。図１１Ａおよび図１１Ｂは、本発明の実施の形態２によるマスクパターンの検査方法において、検出領域の使い分けを実現する具体的な方式の一例を説明する図である。

図１１Ａに示されるように、技術者等は、例えば、図１のレイアウト設計データ（すなわち半導体チップの全体レイアウト図）ＬＤＡＴ等に基づき、レイヤ毎の各回路ブロックの配置情報を得ることができる。図１１Ａの例では、レイヤＬＹ［ｋ］において、座標（ｘ１，ｙ１）〜（ｘ２，ｙ２）の領域は、ロジックプリミティブセル領域ＬＰＣＡとなっており、座標（ｘ３，ｙ３）〜（ｘ４，ｙ４）の領域は、周辺回路領域ＰＥＲＩＡとなっている。レイヤＬＹ［ｋ］には、その他にも、メモリセル領域ＭＥＭＡ等のように様々な回路ブロックが配置される。

技術者等は、図１１Ａに示した各回路ブロックの配置情報と、当該各回路ブロックの回路的特徴と、レイヤ毎に定められる優先的な配線方向（垂直方向または水平方向）とに基づき、図１１Ｂに示されるような対応関係を定めることができる。図１１Ｂの例では、レイヤＬＹ［ｋ］の座標領域（ｘ１，ｙ１）〜（ｘ２，ｙ２）（すなわちロジックプリミティブセル領域ＬＰＣＡ）には、横長検出領域ＨＲＡが対応付けられ、レイヤＬＹ［ｋ］の座標領域（ｘ３，ｙ３）〜（ｘ４，ｙ４）（すなわち周辺回路領域ＰＥＲＩＡ）には、縦長検出領域ＶＲＡが対応付けられる。

技術者等は、例えば、図１１Ｂに示したような対応関係をパターン認識ツールに登録しておく。これに基づいて、パターン認識ツールは、検出点（例えば座標値）ＤＰが各回路ブロックのいずれの座標領域に含まれるかを判別することで、検出点毎に縦長検出領域ＶＲＡと横長検出領域ＨＲＡとを使い分けながら、複数の検出点をカテゴライズすることができる。

このカテゴライズに際し、パターン認識ツールは、例えば、縦長検出領域ＶＲＡを適用したパターンを対象にカテゴライズを行い、これとは別に、横長検出領域ＨＲＡを適用したパターンを対象にカテゴライズを行う。または、パターン認識ツールは、異なる回路ブロックを予め別の上位カテゴリに分類した上で、その各上位カテゴリの下位カテゴリとして、各回路ブロックに含まれる危険パターンをカテゴライズしてもよい。

《実施の形態２の主要な効果》
以上のように、リソグラフィ・コンプライアンス・チェック（ＬＣＣ）でカテゴライズを行う際に縦長検出領域ＶＲＡと横長検出領域ＨＲＡを回路的特徴に応じて適宜使い分けることで、カテゴライズ（すなわち代表パターンの選出）が適正化され、危険度判定に要する時間を短縮可能になる。その結果、限られた時間の中で危険度判定の精度を向上させることができ、ひいては、デバイス製造時の歩留まり向上等を図ることが可能になる。

（実施の形態３）
《カテゴライズ方法（実施の形態３）》
図１２は、本発明の実施の形態３によるマスクパターンの検査方法において、図１で設定される検出領域の形状の一例を示す図である。実施の形態３では、検出領域は、検出点ＤＰを中心として複数の矩形を重ね合わせた形状を備え、水平方向と垂直方向に延伸する階段状の辺で構成される。なお、矩形とは、４個の角が共に９０°である四角形を意味する。

このような検出領域の一例として、図１２の検出領域ＲＤＡは、水平方向よりも垂直方向が長い縦長長方形と、垂直方向よりも水平方向が長い横長長方形とを重ね合わせた形状を備える。縦長長方形と横長長方形のサイズは、共に、長辺が“露光波長／開口数”または最小ピッチの３〜４倍であり、短辺が、“露光波長／開口数”または最小ピッチの２〜３倍であり、長辺と短辺のサイズ比が√２である。

実施の形態３の特徴は、光近接効果をより重視していることである。そのため、図１２に示したように、縦長長方形と横長長方形は、共に、長辺と短辺のサイズ比が√２となっている。このとき、検出点ＤＰと、縦長長方形および横長長方形の境界の交点ＸＰとの間の距離（ｒ）は、水平ないし垂直方向の辺との間の距離（ｒ）の１倍となり、光近接効果の観点から理想的な比率となる。

ここで、前述した実施の形態１では、水平ないし垂直方向の距離（言い換えれば情報量）に対する斜め方向の距離（情報量）は、パターン（例えば配線パターン）の図形的特徴を踏まえると、１倍よりも小さくよいことを説明した。ただし、パターンによっては、図１３Ａおよび図１３Ｂに示されるように、１倍であることが望ましい場合がある。図１３Ａおよび図１３Ｂは、図１２の検出領域を適用した状況の具体例を示す図である。

図１３Ａおよび図１３Ｂには、光近接効果への寄与が大きいコンタクトホールパターン群が示される。個々のコンタクトホールパターンは、独立した点光源とみなせる。図１３Ａでは、正方形内に５個のコンタクトホールパターンが設けられ、図１３Ｂでは、当該正方形内に９個のコンタクトホールパターンが設けられる。仮に、図１５のような正方形の検出領域ＳＱＡを用いると、斜め方向に過剰なカテゴライズがなされる結果、図１３Ａと図１３Ｂは別カテゴリに分類される。一方、図１２の検出領域ＲＤＡを用いると、この斜め方向のカテゴライズが適正化される結果、図１３Ａおよび図１３Ｂは、共に検出領域ＲＤＡ内のコンタクトホールパターンが５個であるため、同一カテゴリに分類される。

図１３Ａと図１３Ｂの相違点は、検出点ＤＰを中心として斜め方向に配置されるパターンの有無である。実際上、この斜め方向に配置されるパターンは、水平方向や垂直方向に配置されるパターンと比べて、検出点ＤＰとの間の距離の関係から光近接効果への寄与が相対的に軽微となる。このため、図１３Ａと図１３Ｂが同一カテゴリに分類されることは、技術者等の視点と合致する。なお、当該検出領域ＲＤＡをコンタクトホールパターン群に適用する場合、例えば、前述した図１１Ａおよび図１１Ｂの場合と同様にして、検出領域ＲＤＡの適用先を予め定めておけばよい。

ここで、図１２に示した検出領域ＲＤＡの形状は、“パターンの描画方向は、配線パターンやホールパターン等を問わず、原則的に水平ないし垂直方向である”という特徴に着目した形状となっている。すなわち、検出点ＤＰからの距離を１倍にするという観点だけでは、検出領域の形状は、正１２角形や正２４角形等であってもよく、究極的には円であってもよい。ただし、このような斜め線や曲線が含まれる検出領域を用いると、パターンの描画方向との不整合に伴い、検出領域の境界部分におけるパターンの同一性が不必要に得られ難くなり、カテゴリ数が膨大化する恐れがある。

そこで、実施の形態３では、複数の矩形を組み合わせることで円に近づくような検出領域の形状が用いられる。このような観点から、例えば、図１４のように、組み合わせる矩形の数を図１２の場合よりも増やすことで、検出領域ＲＤＡを更に円に近づけることも可能である。図１４は、図１２を拡張した検出領域の形状の一例を示す図である。図１４（図１２も同様）に示される検出領域ＲＤＡの形状は、次のような特徴を備える。一つ目の特徴として、検出領域ＲＤＡの階段状の辺に伴い形成される、検出点ＤＰ側に突出する角の頂点ＶＰは、共に、検出点ＤＰを中心とする同一の円上に配置される。二つ目の特徴として、階段状の辺の一部の辺ＴＬは、当該同一の円の接線となる。

《実施の形態３の主要な効果》
以上のように、リソグラフィ・コンプライアンス・チェック（ＬＣＣ）でカテゴライズを行う際に円に近い多角形の検出領域ＲＤＡを用いることで、カテゴライズ（すなわち代表パターンの選出）が適正化され、危険度判定に要する時間を短縮可能になる。その結果、限られた時間の中で危険度判定の精度を向上させることができ、ひいては、デバイス製造時の歩留まり向上等を図ることが可能になる。

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。例えば、前述した実施の形態は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施の形態の構成の一部を他の実施の形態の構成に置き換えることが可能であり、また、ある実施の形態の構成に他の実施の形態の構成を加えることも可能である。また、各実施の形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

ＬＤＡＴ レイアウト設計データ
ＶＲＡ 縦長検出領域
ＨＲＡ 横長検出領域
ＰＡＴ パターン
ＤＰ 検出点
ＳＱＡ 正方形の検出領域
ＬＹ レイヤ
ＰＥＲＩＡ 周辺回路領域
ＬＰＣＡ ロジックプリミティブ領域
ＭＥＭＡ メモリセル領域
ＲＤＡ 検出領域
ＶＰ 頂点
ＴＬ 辺

Claims (18)

1. マスクパターンに対してリソグラフィシミュレーションを実行することで得られる検査対象パターンと、予め定められる目標パターンとを比較することで、不良予測箇所を検出点として抽出する第１の工程と、
   前記第１の工程で抽出された前記検出点毎に、前記検出点を中心とする縦長検出領域と、前記検出点を中心とする横長検出領域とを設け、前記縦長検出領域に含まれるパターンの同一性と、前記横長検出領域に含まれるパターンの同一性とに基づいて、複数の前記検出点をカテゴライズする第２の工程と、
   を有し、
   前記縦長検出領域は、水平方向よりも垂直方向が長い長方形の検出領域であり、
   前記横長検出領域は、前記垂直方向よりも前記水平方向が長い長方形の検出領域である、
   マスクパターンの検査方法。
2. 請求項１記載のマスクパターンの検査方法において、
   前記第２の工程は、
   前記縦長検出領域に含まれるパターンの同一性に基づいて、前記複数の検出点をカテゴライズする第１のステップと、
   前記横長検出領域に含まれるパターンの同一性に基づいて、前記複数の検出点をカテゴライズする第２のステップと、
   前記第１のステップと前記第２のステップの両方で同一カテゴリに分類される任意の２個の前記検出点を同一カテゴリに分類し、前記第１のステップと前記第２のステップの両方で別カテゴリに分類される任意の２個の前記検出点を別カテゴリに分類することで、前記複数の検出点を最終的にカテゴライズする第３のステップと、
   を有する、
   マスクパターンの検査方法。
3. 請求項１記載のマスクパターンの検査方法において、
   前記第２の工程では、さらに、前記検出点毎に、前記検出点を中心とする正方形の検出領域が設けられ、前記縦長検出領域に含まれるパターンの同一性と、前記横長検出領域に含まれるパターンの同一性と、前記正方形の検出領域に含まれるパターンの同一性とに基づいて、前記複数の検出点がカテゴライズされる、
   マスクパターンの検査方法。
4. 請求項３記載のマスクパターンの検査方法において、
   前記第２の工程は、
   前記縦長検出領域に含まれるパターンの同一性に基づいて、前記複数の検出点をカテゴライズする第１のステップと、
   前記横長検出領域に含まれるパターンの同一性に基づいて、前記複数の検出点をカテゴライズする第２のステップと、
   前記正方形の検出領域に含まれるパターンの同一性に基づいて、前記複数の検出点をカテゴライズする第３のステップと、
   前記第１のステップ、前記第２のステップおよび前記第３のステップの中の２以上のステップで同一カテゴリに分類される任意の２個の前記検出点を同一カテゴリに分類し、２以上のステップで別カテゴリに分類される任意の２個の前記検出点を別カテゴリに分類することで、前記複数の検出点を最終的にカテゴライズする第４のステップと、
   を有する、
   マスクパターンの検査方法。
5. 請求項１記載のマスクパターンの検査方法において、
   前記縦長検出領域および前記横長検出領域のそれぞれのサイズは、長辺が“露光波長／開口数”または最小ピッチの５〜１０倍であり、短辺が“露光波長／開口数”または最小ピッチの２〜３倍である、
   マスクパターンの検査方法。
6. 請求項１〜５のいずれか１項に記載のマスクパターンの検査方法によって得られるカテゴライズ結果に基づき、カテゴリ毎に代表パターンを選出し、前記代表パターンの目視確認に基づきマスク作製を進めるか否かを判別する、
   マスクの製造方法。
7. 請求項１〜５のいずれか１項に記載のマスクパターンの検査方法を経て作製されたマスクを用いて半導体デバイスにパターンを形成する、
   半導体デバイスの製造方法。
8. マスクパターンに対してリソグラフィシミュレーションを実行することで得られる検査対象パターンと、予め定められる目標パターンとを比較することで、不良予測箇所を検出点として抽出する第１の工程と、
   前記第１の工程で抽出された前記検出点毎に、前記検出点に配置される回路の回路的特徴に基づき、前記検出点を中心とする縦長検出領域か、前記検出点を中心とする横長検出領域のいずれか一方を設け、当該一方の検出領域に含まれるパターンの同一性に基づいて、複数の前記検出点をカテゴライズする第２の工程と、
   を有し、
   前記縦長検出領域は、水平方向よりも垂直方向が長い長方形の検出領域であり、
   前記横長検出領域は、前記垂直方向よりも前記水平方向が長い長方形の検出領域である、
   マスクパターンの検査方法。
9. 請求項８記載のマスクパターンの検査方法において、
   前記第２の工程では、予め定められた各回路ブロックの配置情報と当該各回路ブロック毎に適用する検出領域の種別情報との対応関係に基づき、前記検出点が前記各回路ブロックのいずれに含まれるかを判別することで、前記検出点毎に前記縦長検出領域と前記横長検出領域とが使い分けられる、
   マスクパターンの検査方法。
10. 請求項８記載のマスクパターンの検査方法において、
    前記縦長検出領域および前記横長検出領域のそれぞれのサイズは、長辺が“露光波長／開口数”または最小ピッチの５〜１０倍であり、短辺が“露光波長／開口数”または最小ピッチの２〜３倍である、
    マスクパターンの検査方法。
11. 請求項８〜１０のいずれか１項に記載のマスクパターンの検査方法によって得られるカテゴライズ結果に基づき、カテゴリ毎に代表パターンを選出し、前記代表パターンの目視確認に基づきマスク作製を進めるか否かを判別する、
    マスクの製造方法。
12. 請求項８〜１０のいずれか１項に記載のマスクパターンの検査方法を経て作製されたマスクを用いて半導体デバイスにパターンを形成する、
    半導体デバイスの製造方法。
13. マスクパターンに対してリソグラフィシミュレーションを実行することで得られる検査対象パターンと、予め定められる目標パターンとを比較することで、不良予測箇所を検出点として抽出する第１の工程と、
    前記第１の工程で抽出された前記検出点毎に、前記検出点を中心とする検出領域を設け、前記検出領域に含まれるパターンの同一性に基づいて、複数の前記検出点をカテゴライズする第２の工程と、
    を有し、
    前記検出領域は、前記検出点を中心として複数の矩形を重ね合わせた形状を備え、水平方向と垂直方向に延伸する階段状の辺で構成される、
    マスクパターンの検査方法。
14. 請求項１３記載のマスクパターンの検査方法において、
    前記階段状の辺に伴い形成される前記検出点側に突出する角の頂点は、共に、前記検出点を中心とする同一の円上に配置され、
    前記階段状の辺の一部は、前記検出点を中心とする前記同一の円の接線である、
    マスクパターンの検査方法。
15. 請求項１４記載のマスクパターンの検査方法において、
    前記複数の矩形は、前記水平方向よりも前記垂直方向が長い縦長長方形と、前記垂直方向よりも前記水平方向が長い横長長方形であり、
    前記縦長長方形と前記横長長方形のサイズは、共に、長辺が“露光波長／開口数”または最小ピッチの３〜４倍であり、短辺が、“露光波長／開口数”または最小ピッチの２〜３倍であり、長辺と短辺のサイズ比が√２である、
    マスクパターンの検査方法。
16. 請求項１４記載のマスクパターンの検査方法において、
    前記検出領域は、前記検出領域に含まれる前記マスクパターンがコンタクトホールパターンである場合に適用される、
    マスクパターンの検査方法。
17. 請求項１３〜１６のいずれか１項に記載のマスクパターンの検査方法によって得られるカテゴライズ結果に基づき、カテゴリ毎に代表パターンを選出し、前記代表パターンの目視確認に基づきマスク作製を進めるか否かを判別する、
    マスクの製造方法。
18. 請求項１３〜１６のいずれか１項に記載のマスクパターンの検査方法を経て作製されたマスクを用いて半導体デバイスにパターンを形成する、
    半導体デバイスの製造方法。

Images