JP4768489B2 - パターン検査方法及びマスクの製造方法 - Google Patents

Description

本発明は、パターン検査方法及びマスクの製造方法に関し、より詳細には、光近接効果修正を用いたパターン検査方法及びマスクの製造方法に関する。

大規模集積回路（ＬＳＩ：Large Scale Integration）や液晶表示装置（ＬＣＤ：Liquid Crystal Device）などの高精度で微細なデバイスの製造には、例えば、光や電子ビームを用いてマスクに形成されたパターンを転写するリソグラフィ技術が用いられる。しかし、リソグラフィ技術では、デバイスの微細化にともない光近接効果が顕著に現れる。そのため、所望のパターンが得られない。そこで、「光近接効果補正（ＯＰＣ：Optical Proximity Correction）」を行うことで、所望のパターンが得られる（例えば、特許文献１）。この際、転写したパターンが設計データどおり形成できるかについて、例えば、光学シミュレーションを用いて検証している。

また、ＬＳＩの大規模化及び高集積化にともない、マスクパターンの設計データも大容量化する。そのため、ＯＰＣを用いて作成したパターン（ＯＰＣパターン）と、所望するパターンすなわち設計データと、の形状差が大である「危険点」が発生しやすくなる。危険点においては、パターンが所望のサイズ・形状よりも細くなったり太くなったりする不具合が存在する。この危険点は、周期的に繰り返し発生することが多く、その危険点を含む周辺のパターン、すなわち、危険パターンの大半は同一形状を有した代表パターン群に分類できる。

一般にこの危険パターンを代表パターン群に分類する作業は、人間の目視検査により行われている。この結果、ＬＳＩの高集積化及び微細化に進展に伴いこの作業に費やす作業時間が膨大になったり、人為的ミスが発生するというなどの問題が生じる。
特開２００２−３３３７０１号公報

本発明は、マスクの設計データと光近接効果補正データ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びマスクの製造方法を提供する。

本発明の一態様によれば、検証すべき領域を複数の小領域に分割し、前記複数の小領域のそれぞれにおいて、目標となるパターンと、検査すべきパターンと、を比較し、両者の形状差が第１の許容値を超えている危険点の座標値を抽出し、前記抽出された危険点の座標値のうちで、前記複数の小領域の周辺部の座標値を削除し、前記削除した後に残った前記危険点の座標値におけるパターンを危険パターンとして前記目標となるパターンから抽出し、前記危険パターンのうちで互いに異なるものを代表パターンとして抽出することを特徴とするパターン検査方法が提供される。

また、本発明の他の一態様によれば、前記複数の小領域のそれぞれにおいて、ウェーハ上に形成すべきパターンと、検査すべきパターンと、を比較し、両者の形状差が第１の許容値を超えている危険点の座標値を抽出し、前記抽出された危険点の座標値のうちで、前記複数の小領域の周辺部の座標値を削除し、前記削除した後に残った前記危険点の座標値におけるパターンを危険パターンとして前記形成すべきパターンから抽出し、前記危険パターンのうちで互いに異なるものを代表パターンとして抽出し、前記検査すべきパターンは、前記マスクのパターンを前記ウェーハ上に転写したパターンであることを特徴とするパターン検査方法を実行し、前記抽出された代表パターンの数が許容値よりも大であれば不適合、許容値以下であれば適合とし、不適合の場合は、前記マスクのパターンを修正し、適合の場合は、前記マスクを製作することを特徴とするマスクの製造方法が提供される。

本発明によれば、マスクの設計データと光近接効果補正データ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及びマスクの製造方法が提供される。

以下、図面を参照しつつ、本発明の実施形態について説明する。
図１は、本発明の実施形態であるパターン検査方法を表すフロー図である。
図２は、図１に表す選別方法により得られた危険点を説明する模式図である。

まず、危険パターンの抽出の計算時に用いるパターンの設計データの容量が大きいために、図２に例示したようにマスク上の領域を複数の小領域に分割する（ステップＳ１００）。

そして、これら小領域のそれぞれにおいて、ウェーハ上に形成すべき目標のパターン（目標パターン）と、マスクの転写パターンと、を比較し、これらの形状差が大である危険点の座標値を抽出する（ステップＳ１１０）。ここで、ウェーハ上に形成すべき目標のパターンは、そのウェーハについての設計データから得られる。一方、マスクの転写パターンは、そのマスクの設計データから光学シミュレーションにより得られる。この時、マスクの設計データは、例えば、光近接効果補正（ＯＰＣ：Optical Proximity Correction）を適宜施したものとすることができる。

このようにして、抽出された危険点の座標値を収集することにより、危険点の座標リストが得られる。この座標リストは生データであり、「疑似の危険点」と「同類の危険点」とが含まれる。そのため、危険点のデータ数は、例えば、数千〜数万個あるいはそれ以上になる場合も多い。

ここで、「疑似の危険点」とは、図２に例示したようにパターンを小領域を分割することによって発生する危険点をいう。つまり、小領域に分割することにより、パターンが分断され、マスクの転写パターンの小領域の周辺部には「疑似の危険点」が発生する。
一方、「同類の危険点」とは、後述するように、パターンフィルタリングを用いて危険パターンを分類する際に、特定の危険パターンが反転、回転、縮小あるいは拡大したものをいう。

本実施形態によれば、数の多い危険点の座標リストから、「疑似の危険点」と「同類の危険点」とを自動的に選別することができる。
まず、図２に表すように、分割された小領域１、２ａ、２ｂ、３、４、５、６、７、８の周辺部に発生する「疑似の危険点」を削除する（ステップＳ１２０）。すなわち、疑似の危険点は、分割した小領域１、２ａ、２ｂ、３、４、５、６、７、８の周辺部（境界部）に多く存在する。したがって、例えば、抽出された危険点の座標が、これら小領域１、２ａ、２ｂ、３、４、５、６、７、８の周辺部（境界部）にある場合には、その危険点を「類似の危険点」であると判断して、座標リストから削除すればよい。

続いて、抽出された危険点のうちで、座標リストに残った危険点の座標値（例えば、図２のＤ１及びＤ２）に基づいて、危険パターンを生成する（ステップＳ１３０）。この際に、ウェーハ上に形成すべき目標のパターン（図５における目標パターン）から危険パターンを切り出す。つまり、そのウェーハの設計データに基づいて、危険点の座標におけるパターンを生成し、「危険パターン」として抽出する。

例えば、図２に表した具体例において、抽出された危険点の座標Ｄ１、Ｄ２に基づいて、設計データから危険パターンを抽出する。なお、図２に表した具体例の場合、これら危険パターンにおいては、転写パターンが目標パターンと異なる不具合（パターンの細りや太りなど）が生ずる危険点５ａ、５ｂが存在するものとする。

次に、パターンフィルタリングにより危険パターンを形状ごとに分類する。そして、互いに異なる危険パターンのみを「代表パターン」として選別する（ステップＳ１４０）。

図３は、パターンフィルタリングにより分類される危険パターンの第１具体例を例示する模式図である。

ここで、抽出された１０個の危険パターンは、危険点５ａまたは危険点５ｂのいずれかを有する。つまり、これら１０個の危険パターンは、危険点５ａを有する５個のパターンと、危険点５ｂを有する５個のパターンに分類される。

図３から、パターンフィルタリングにより、例えば、危険点５ａを有する第１危険パターン１０ａとパターンマッチングする第１危険パターン群１５ａと、危険点５ｂを有する第２危険パターン１０ｂとパターンマッチングする第２危険パターン群１５ｂとに分類することができる。同類の危険パターンはリストから削除し、互いに異なる危険パターンのみを抽出すればよい。

なお、図３においては、パターンの方向（向き）がすべて同一の場合を例示したが、本発明はこれに限定されない。すなわち、後に詳述するように、同一（または類似）の危険点を有するパターンであって、相互に反転したものや回転したものも同類として分類することができる。このようにすれば、最終的に選別するパターンの数をさらに減らすことができ、作業時間をさらに短縮できる。

このように分類することで、例えば、危険点５ａや危険点５ｂを有する代表的なパターンの選別を容易に行うことができる。これにより、互いに異なる危険パターンのみを抽出した選別後危険点リストが得られる。ちなみに、この選別後危険点リストのデータ数は、例えば数十個以下とできる。

本実施形態によれば、前述したステップＳ１２０〜Ｓ１４０を自動的に行い、例えば、数千〜数万個程度のデータ数を数十個以下にまで減らすことができる。この結果、所要時間を従来の５分の１以下である３日間程度まで短縮でき、生産性の大幅な改善が可能となる。この場合、後に詳述するように、例えば、リソグラフィー・ルール・チェック（商標：synopsys社製）のような解析ソフトを用いることもできる。

これに対して、図４に表すように本比較例では、図１の実施形態に前述したステップＳ１２０からステップＳ１４０を、人間の目視検査により行っている。そのため、数千〜数万個程度のデータ数を数十個以下に低減させるには、例えば、１６日間程度の作業日数を要する。また、疑似危険点の削除や危険パターンの分類などにおいて人為的誤りを生じる可能性が高い。

次に、本実施形態のマスクの製造方法について説明する。
図５は、本実施形態に係るマスクの製造方法を表す概念図である。
本製造方法は、図１に例示した危険パターンの選別方法を含んでいる。目標パターン３０は、ウェーハ上に形成すべき目標のパターンであり、例えばそのウェーハの設計データから生成できる。この場合、ウェーハの設計データは、例えば、ＧＤＳ２形式のバイナリー・データである。
一方、形状比較を行うためのマスクの転写パターンは、マスクの設計データにもとづいて光学シミュレーションにより得られる（Ｓ３００）。この時、マスクの設計データは、ＯＰＣを施したＯＰＣデータとすることができる。ＯＰＣデータの初期値としては、マスクの初期の設計データに対して一回目のＯＰＣ処理を施したものとすることができる。２回目以降は、危険パターン抽出（Ｓ３１０）、危険パターン選別（Ｓ３２０）、パターン修正（Ｓ３４０）を行って得られた結果を反映させ、マスクの設計データに修正を加えることによりＯＰＣデータとすることができる。

図１に関して前述した危険パターンの選別方法により代表パターンを選別した（ステップＳ３２０）後、代表パターンの数が任意の許容値よりも小であれば適合とし、大であれば不適合として合否判定を行う（ステップＳ３３０）。

合否判定により不適合（ＮＯ）になった場合、マスクのパターンを修正する（Ｓ３４０）。そして、代表パターンを修正して得られパターンデータをＯＰＣパターン２０のデータとして更新する。また、合否判定により適合（ＹＥＳ）になった場合、そのＯＰＣデータに基づいて、マスクを製作する（ステップＳ３５０）。

このように、図１及び図２に関して前述したパターン検査方法を用いることで、設計、ＯＰＣ処理、マスク製造プロセスを含めたマスク完成までの時間が短縮される。

次に、本発明において実行するパターンフィルタリングについてさらに説明する。
図６は、パターンフィルタリングにより分類される危険パターンの第２具体例を例示する模式図である。すなわち、図６（ａ）は、パターンフィルタリングを行う前を表す模式図であり、図６（ｂ）は、パターンフィルタリングを行った後を表す模式図である。

図６（ａ）に表すように、第１パターン６０ａの端部には危険点６５ａが存在する。第２パターン６２ｂの中央右部には危険点６７ａがある。第１パターン６０ａ及び第２パターン６２ａは、パターン形状が異なる。これらの組み合わせを一対とする。そして、これと同様な形状を有する他の一対を有する。すなわち、端部に危険点６５ｂを有する第１パターン６０ｂと、中央端部に危険点６７ｂを有する第２パターン６２ｂが設けられている。

これらの危険パターンに対しても、パターンフィルタリングを実行することで、図６（ｂ）に表すように、第１危険点６５ａを有する第１パターン６０ａと、第２危険点６７ａを有する第２パターン６２ａからなる一対を「代表パターン」として抽出できる。つまり、ユニークなものだけをフィルタリングできる。

図７は、パターンフィルタリングにより分類される危険パターンの第３具体例を例示する模式図である。すなわち、図７（ａ）は、パターンフィルタリング前を表す模式図であり、図７（ｂ）は、パターンフィルタリング後を表す模式図である。
ここで、図７（ａ）に表すように、パターン形状の異なる第１パターン６０、第２パターン６２、第３パターン６３及び第４パターン６４が設けられている。第２パターン６２と第４パターン６４は同一の形状をしている。
第１パターン６０及び第３パターン６３の端部には、それぞれ危険点６５と危険点６９が存在する。また、第２パターン６２と第４パターン６４の中央右部には、それぞれ危険点６７と危険点７１がある。

これらの危険パターンに対しても、パターンフィルタリングを用いることで、図７（ｂ）に表すように、危険点６５を有する第１パターン６０、危険点６７を有する第２パターン６２及び危険点６９を有する第３パターン６３のようにユニークな形状を有する代表パターンを選別できる。

図８は、パターンフィルタリングにより分類される危険パターンの第４具体例を例示する模式図である。すなわち、図８（ａ）は、パターンフィルタリング前を表す模式図であり、図８（ｂ）は、パターンフィルタリング後を表す模式図である。

図８（ａ）に表すように、危険点１８２を有する危険パターン１８０ａと同一形状を有する他の危険パターン１８０ｂ、１８０ｃ、１８０ｄが、それぞれ異なる方向に回転して位置する。これらの危険パターンに対しても、パターンフィルタリングを用いることで、図８（ｂ）に表すように、代表パターン１８０ａに分類される。なお回転角は０から３６０度の範囲内の任意の角度とすることができる。

図９は、パターンフィルタリングにより分類される危険パターンの第５具体例を例示する模式図である。すなわち、図９（ａ）は、パターンフィルタリング前を表す模式図であり、図９（ｂ）は、パターンフィルタリング後を表す模式図である。

図９（ａ）に表すように、危険点１８４、１８５を有する危険パターン１８１ａと同一形状を有する危険パターン１８１ｂ、１８１ｃ、１８１ｄが、それぞれ異なった方向に反転して位置している。これらの危険パターン１８１ｂ、１８１ｃ、１８１ｄに対しても、パターンフィルタリングを用いることで、図９（ｂ）に表すように、代表パターン１８１ａに分類できる。反転は、上下左右に対して行うことができる。

また、図示しないが、この他にも例えば、危険パターンとパターンマッチングすれば、縮小や拡大していても、前述したように代表的な危険パターンを自動的に選別することができる。

（実施例）
以下、本発明におけるパターンフィルタリングの実施例について説明する。
本実施例では、危険点抽出手段の解析ソフトウエアとして、Ｓｙｎｏｐｓｙｓ社のＬＲＣ（リソグラフィー・ルール・チェック）を用いた。ＬＲＣは、設計パターンとシミュレーションによって得られたパターンとの比較を行い、危険点を予測・抽出するソフトウエアである。

ＬＲＣからの出力には、危険点情報として、（１）縮小単位系倍率、（２）エラー種、（３）エラー数、（４）日付、（５）頂点数、（６）座標情報、などがテキスト形式のファイルに含まれる。座標情報は、座標情報露光マスクの左下を原点とした絶対座標で表されている。

図１０は、ＬＲＣの出力ファイルの一例を表すリストである。
図１０に表したリストにおいて、「項目１」は後続の座標データの単位をｍｍの逆数で表す。すなわち例では「４０００」とあるが、これは座標の単位が１／４０００ｍｍ（＝０．２５μｍ）であることを表す。
「項目２」は、エラーの種類を表し、例えばオープンエラーとショートエラーをカテゴリ分けして表示するのに使われる。
「項目３」は、エラー種毎のエラー数およびエラーが出力された日付を表している。行頭に出てくる数字がエラー数を表す。この例では２個のエラーがｏｕｔ＿ｌ３と名づけられたエラーに存在することが分かる。

「項目４」は、ルールを記述したファイルを表すが、今回の目的であるフィルタリングには無関係である。
「項目５」は、各危険点の冒頭に記述される識別子兼危険点の通し番号であると同時に危険点の頂点数情報を表している。識別子としての役割は、危険点と危険点を区切るセパレータの役目を負っている。通し番号とは、各エラー種毎に１から振られる番号で、「ｐ」の次に記述されている数字である。この数字の最大値は、「項目３」の行頭で最初に出てくる数に一致していなくてはならない。また、通し番号の次に出現する数字は危険点の頂点数を表している。この例では、８角形形状の危険点であることが分かる。

「項目６」から次のセパレータまでに出現する行は、危険点の存在する絶対座標を項目１の単位に従ってＸ座標、Ｙ座標の順で記述したデータであり、その行数は「項目５」で表されている危険点の頂点数に一致しなくてはならない。

「項目７」からは、同様のルールで異なるエラー種の情報が始まる。
同一形状弁別手段においては、各危険点の項目６に相当する絶対座標を読み取り、これを一旦相対座標に変換する。相対座標への変換手法は、どの座標を基準とするかによって異なってくるため、任意の手法によって変換処理を行う。
次に、相対座標情報を用いて全ての危険点間で総当り形状比較を行う。比較の結果、同一であると判断された危険点形状に対しては、これを一つだけ残し、その他は全て（情報が格納されている場所が主記憶上であればそこから）削除する。
全ての危険点間で形状比較と冗長情報の削除が行われた後はこれをファイルあるいは標準出力として出力を行う。

なお、以上説明した具体例において、危険点情報の読みこみ、弁別作業を行う領域については、システムの主記憶上でもよく、またはディスク上などでもよい。
また、危険点形状の形状比較を行う方法についても、辺の長さ、面積、円度などを適宜考慮してもよい。
また、危険点形状比較を行う前段階の処理として、比較パタンの回転、縮小、拡大、反転など形状変換を行った後、比較を行っても良い。
さらに、危険点形状だけでなく、危険点周辺のパタン情報をも用いて比較を行っても良い。すなわち、危険点形状と周辺パタン形状の双方が合致した場合のみ、削除対象とするなどの施策を実行してもよい。
また、危険点形状比較時に、完全一致だけではなくある一定の許容度を設け、類似の形状についてもこれを合致とし、削除対象としても良い。

以上、具体例を参照しつつ、本発明の実施の形態について説明した。しかし、本発明はこれらの具体例に限定されるものではない。

例えば、本発明は、マスクの製造以外にも、例えば、パターンの設計データと、そのパターンを試作したものとを比較する場合にも適用できる。この場合、試作したパターンを顕微鏡や光センサなどで観察して得られたデータと設計データとを比較することとなる。

また、本発明のマスクの製造方法及び検査方法において、危険パターン抽出を具体的に表すパターン検証や、危険パターン選別を具体的に表す危険点フィルタ、すなわち座標フィルタ、画像変換、あるいはパターンフィルタなどを構成する各要素などについては、当業者が適宜変更を加えたものであっても、本発明の要旨を包含する限りにおいて本発明の範囲に包含される。

本発明の実施形態であるパターン検査方法を表すフロー図である。 図１から得られた座標を表す模式図である。 パターンフィルタリングにより分類される危険パターンの第１具体例を例示する模式図である。 比較例を表すフロー図である。 本実施形態に係るマスクの製造方法を表す構成図である。 パターンフィルタリングにより分類される危険パターンの第２具体例を例示する模式図である。 パターンフィルタリングにより分類される危険パターンの第３具体例を例示する模式図である。 パターンフィルタリングにより分類される危険パターンの第４具体例を例示する模式図である。 パターンフィルタリングにより分類される危険パターンの第５具体例を例示する模式図である。 ＬＲＣの出力ファイルの一例を表すリストである。

符号の説明

５ａ、５ｂ、危険点、１０ａ第１危険パターン、１０ｂ第２危険パターン、１５ａ第１危険パターン群、１５ｂ第２危険パターン群、２０ ＯＰＣパターン、３０目標パターン、４０危険パターン、６０ａ、６０ｂ、６０ 第１パターン、６２ａ、６２ｂ、６２第２パターン、６３第３パターン、６４第４パターン、６５ａ、６５ｂ、６５危険点、６７ａ、６７ｂ、６７ 危険点、６９、７１危険点

Claims (7)

1. 検証すべき領域を複数の小領域に分割し、
   前記複数の小領域のそれぞれにおいて、目標となるパターンと、検査すべきパターンと、を比較し、両者の形状差が第１の許容値を超えている危険点の座標値を抽出し、
   前記抽出された危険点の座標値のうちで、前記複数の小領域の周辺部の座標値を削除し、
   前記削除した後に残った前記危険点の座標値におけるパターンを危険パターンとして前記目標となるパターンから抽出し、
   前記危険パターンのうちで互いに異なるものを代表パターンとして抽出する
   ことを特徴とするパターン検査方法。
2. マスクの検証すべき領域を複数の小領域に分割し、
   前記複数の小領域のそれぞれにおいて、ウェーハ上に形成すべきパターンと、検査すべきパターンと、を比較し、両者の形状差が第１の許容値を超えている危険点の座標値を抽出し、
   前記抽出された危険点の座標値のうちで、前記複数の小領域の周辺部の座標値を削除し、
   前記削除した後に残った前記危険点の座標値におけるパターンを危険パターンとして前記形成すべきパターンから抽出し、
   前記危険パターンのうちで互いに異なるものを代表パターンとして抽出する
   ことを特徴とするパターン検査方法。
3. 前記ウェーハ上に形成すべきパターンは、設計データから生成されることを特徴とする請求項２記載のパターン検査方法。
4. 前記検査すべきパターンは、前記マスクのパターンを前記ウェーハ上に転写したパターンであることを特徴とする請求項２または３に記載のパターン検査方法。
5. 前記転写したパターンは、前記マスクのパターンに基づき光学シミュレーションにより生成したものであることを特徴とする請求項４記載のパターン検査方法。
6. 前記互いに異なるものを抽出するときは、第１の危険パターンと、その危険パターンに反転及び回転の少なくともいずれかを施したものと同一の第２の危険パターンと、を同類と判断することを特徴とする請求項１〜４のいずれか１つに記載のパターン検査方法。
7. 請求項４〜６のいずれか１つに記載のパターン検査方法を実行し、
   前記抽出された代表パターンの数が許容値よりも大であれば不適合、許容値以下であれば適合とし、
   不適合の場合は、前記マスクのパターンを修正し、適合の場合は、前記マスクを製作することを特徴とするマスクの製造方法。
   

Images