JP4846635B2 - パターン情報生成方法 - Google Patents

Description

本発明は、パターン情報生成方法に関する。

半導体装置の微細化に伴い、さまざまな超解像技術が開発され、そのひとつである光近接効果補正（OPC）技術適用により、マスクパターンの形状も複雑化してきている。そのため、従来の１次元寸法管理だけではなく、２次元形状を考慮したパターン管理も要求されてきている。例えば、特許文献１に記載された方法では、走査型電子顕微鏡（ＳＥＭ）等の画像取得装置によって取得したマスクパターン画像からマスクパターンの輪郭を抽出し、輪郭データを用いてマスクパターンの評価等を行うようにしている。

マスクパターン画像からマスクパターンの輪郭を抽出する際には、複雑な形状を精度よくトレースするために、微小なエッジ探索間隔でパターンのエッジを検出する。そのため、輪郭データ量が多くなり、輪郭データの処理時間も長くなってしまう。

また、マスクパターンの微細化及び複雑化に伴うウエハへの露光時の解像度の問題により、データ処理起因変動（OPC補正残差）、マスク起因変動（パターン寸法平均値、パターン寸法ばらつき、透過率、位相、マスクコーナー形状、マスク断面形状等）、露光装置起因変動（フォーカス、露光量、収差、瞳透過率変動（Apodization）、Scan同期精度、光源波長変動、フレア、偏光度（DOP：Degree Of Polarization）分布等々）、Track起因変動（wafer上多層膜均一性、PAB、PEB温度等）、Etching起因変動（被覆率、加工変換差変動等）に対して形状変動が大きい、または光近接効果（OPE）補正が十分でなく所望寸法・所望形状からのずれ量が大きい箇所（危険点と呼ばれる箇所）の発生が問題となってきている。危険点はリソグラフィシミュレーションによって求められ、リソグラフィプロセス裕度の小さい箇所が危険点として抽出される。

危険点を抽出するためのリソグラフィシミュレーションでは、マスクパターンが設計通りの仕上がりであることを前提としている。しかしながら、実際に形成されるマスクパターンには、種々の誤差要因（変動要因）が含まれている。そのため、リソグラフィシミュレーションでは危険点であると判断されなかった箇所が、実際には危険点となっている場合がある。

上述したように、従来は、パターンの輪郭データ量が多くなるという問題があった。また、従来は、パターンの危険点を確実に規定できないという問題があった。したがって、従来は、パターンの輪郭情報やパターンの危険点情報といったパターン情報を適切に生成できないという問題があった。
特開２００６−１４２９２号公報

本発明は、適切なパターン情報を生成することが可能なパターン情報生成方法を提供することを目的としている。

本発明の一視点に係るパターン情報生成方法は、仕上がりパターンの所望寸法からの変動が大きいマスクパターンの危険点に関する第１の情報をリソグラフィシミュレーションによって取得する工程と、フォトマスク上に実際に形成された前記マスクパターンの仕上がり寸法と所望寸法との差に関する第２の情報を取得する工程と、前記第１の情報及び前記第２の情報に基づいて、前記フォトマスク上に実際に形成されたマスクパターンの形状測定箇所を前記危険点の中から決定する工程と、を備える。

本発明によれば、適切なパターン情報を生成することが可能となる。

以下、本発明の実施形態を図面を参照して説明する。

（実施形態１）
図１は、本発明の第１の実施形態を示したフローチャートである。

まず、評価対象となるマスクパターンの画像を取得する（Ｓ１１）。続いて、取得した画像からマスクパターンの輪郭を抽出する（Ｓ１２）。例えば、画像取得装置として走査型電子顕微鏡（ＳＥＭ）を用い、パターン輪郭は閾値法によって検出する。取得画像内に複数の図形が存在する場合には、得られた輪郭データを図形毎にグループ分けする。さらに、図形毎に輪郭点を一定方向（例えば時計回り方向）に並べ、ポリゴン図形化する。また、閾値法によるパターン輪郭検出では通常、パターン形状に応じて探索方向を変化させながら輪郭点を検出する。この輪郭点探索方向の情報は後の工程で使用する。そのため、輪郭点探索方向の情報は、検出した輪郭点の情報とともに、中間処理データとして記憶しておく。図２は、上述したマスクパターン画像の輪郭１１、輪郭点１２及び輪郭点探索方向１３を示した図ある。

次に、マスクパターンの画像と参照パターンとのマッチングを行う（Ｓ１３）。すなわち、上記のようにして得られた輪郭データと参照データとのマッチングを行う。本実施形態では、参照データとしてマスク設計データを用いる。具体的には、光近接効果補正（ＯＰＣ）が施されたマスク設計データを用いる。マッチング処理では、図３に示すように、マスクパターン画像の輪郭データから形成される図形１１と、マスク設計データの頂点１４を結んで形成される図形の一致度が最も高くなるようにする。

次に、図３に示すように、マスク設計データ（参照データ）の頂点１４を結ぶ線分と、輪郭点探索方向１３を示す線分との交点を、マスク設計データにおけるパターン輪郭点１２の対応点１５とする。

次に、参照パターン（参照データ）の頂点（最近接頂点）１４からの距離に応じた設定間隔で参照パターンの輪郭に参照点を設定する（Ｓ１４）。すなわち、対応点１５の中の適当な点を参照点として選択する。具体的には、各対応点１５と参照データの最近接頂点１４との距離ｘを求め、参照点間隔ｄを距離ｘの関数として求める。本実施形態では、以下の式（１）に基づいて参照点を設定する。

ｄ＝Ａ1×ｅｘｐ(ｘ/ｔ1) （１）
ただし、Ａ1及びｔ1は係数である。式（１）からわかるように、参照パターンの頂点１４から遠ざかるに従って参照点間隔ｄは大きくなる。

次に、上記参照点によって規定される位置にマスクパターン画像の輪郭点を出力する（Ｓ１５）。すなわち、各参照点に対応する位置の、マスクパターン画像の輪郭点を出力する。したがって、このようにして設定された輪郭点の出力間隔も、参照点の設定間隔と同様の傾向を有している（頂点から遠ざかるに従って間隔が大きくなる）。本実施形態では、輪郭点を出力する際に平均化処理を行っている。すなわち、出力輪郭点に近接するＳ１２のステップで抽出した複数の輪郭点の座標（ｘ座標、ｙ座標）を平均化して、出力輪郭点の座標（ｘ座標、ｙ座標）を算出している。このような平均化処理を行うことにより、画像のノイズに起因して生じる輪郭（エッジ）の細かい凸凹を抑えることができる。

図４は、本実施形態の方法によって設定された輪郭点を示した図である。図５は、従来方法（比較例）によって設定された輪郭点を示した図である。従来方法では、等間隔で輪郭点を設定している。これらの図からわかるように、本実施形態の方法によって輪郭点を設定することにより、輪郭点数を大幅に低減することができる。

また、図４に示されるように、マスク設計パターン（参照パターン）の頂点近傍で、出力輪郭点とマスク設計パターンとの乖離が大きい。したがって、マスク設計パターンの頂点近傍では、マスクパターン画像の輪郭を詳細にトレースする必要がある。本実施形態の方法では、図４からもわかるように、マスク設計パターンの頂点近傍で出力輪郭点の間隔が狭くなる。したがって、必要なトレース精度を確保しつつ、輪郭データ量を減少させることができる。

以上のように、本実施形態によれば、マスクパターン画像の輪郭を少ないデータ量で且つ精度よく表すことができる。したがって、本実施形態の方法で得られた輪郭データを用いてリソグラフィシミュレーションを行った場合には、高精度のシミュレーションを短い時間で行うことができる。

次に、本実施形態の変更例について説明する。

上述した実施形態では、図１のＳ１４のステップにおいて、参照パターンの頂点からの距離に応じた設定間隔で参照点を設定し、Ｓ１５のステップにおいて、各参照点に対応してマスクパターン画像の輪郭上に輪郭点を出力するようにしたが、マスクパターン画像の輪郭と参照パターンの輪郭との距離に応じた設定間隔でマスクパターン画像の輪郭点を設定するようにしてもよい。具体的には、図３に示すように、各輪郭点１２と、マスク設計データにおける対応点１５を求めているので、各輪郭点１２における参照パターンとの距離とは、輪郭点１２とその対応点１５との距離を意味する。Ｓ１４のステップにおいて、マスクパターン画像の輪郭と参照パターンの輪郭との距離に応じた設定間隔で参照パターンの輪郭に参照点を設定し、Ｓ１５のステップにおいて、各参照点に対応してマスクパターン画像の輪郭上に輪郭点を出力する。

すでに述べたように、参照パターンの頂点近傍で、マスクパターン画像の輪郭と参照パターンの輪郭との乖離が大きい（図４参照）。そして、参照パターンの頂点近傍では、マスクパターン画像の輪郭を詳細にトレースする必要がある。したがって、本変更例のように、マスクパターン画像の輪郭と参照パターンの輪郭との距離に応じた設定間隔でマスクパターン画像の輪郭点を設定するようにしても、上述した実施形態と同様の効果を得ることが可能である。すなわち、マスクパターン画像の輪郭を少ないデータ量で且つ精度よく表すことができ、高精度のシミュレーションを短い時間で行うことができる。

なお、上述した実施形態の方法と上述した変更例の方法の両方を用いてもよい。すなわち、参照パターンの頂点からの距離及びマスクパターン画像の輪郭と参照パターンの輪郭との距離に応じて、参照点や輪郭点の間隔を設定するようにしてもよい。

（実施形態２）
次に、本発明の第２の実施形態について説明する。なお、基本的な事項は第１の実施形態と同様であるため、第１の実施形態で説明した事項については説明を省略する。

上述した第１の実施形態では、参照パターン（参照データ）としてマスク設計パターン（マスク設計データ）を用いたが、本実施形態では、参照パターン（参照データ）としてマスク描画ショットパターン（マスク描画ショットデータ）を用いる。なお、本実施形態の基本的なフローは第１の実施形態の図１で示したフローと同様であるため、それらの詳細な説明は省略する。

電子ビームによるマスクパターン描画では一般に、ＶＳＢ（Variable Shaped Beam）と呼ばれる矩形或いは多角形のビームショットの組み合わせによってマスクパターンを形成する。描画装置に起因してＶＳＢショット位置がずれ、ショット間に段差が生じ、この段差が露光工程で問題となることがある。この段差の影響を評価するために、リソグラフィシミュレーションの入力データとして、実際に形成されたマスクパターンの輪郭データを用いることがある。

図６は、マスク描画ショットパターンについて示した図である。図６（ａ）は設計パターン（設計データ）２１を示した図、図６（ｂ）はマスク描画ショットパターン（マスク描画ショットデータ）２２を示した図、図６（ｃ）はマスク描画ショットパターン２２の位置ずれについて示した図である。

図６（ｃ）に示すように、マスク描画ショット間で段差が生じた場合、段差近傍を詳細にトレースする必要がある。そこで、本実施形態では、マスク描画ショット２２の頂点２３（図６（ｂ）参照）を第１の実施形態の頂点１４（図３参照）と同様に扱い、第１の実施形態で示した方法と同様の方法を適用する。

図７は、本実施形態の方法によって設定された輪郭点を示した図である。図８は、従来方法（比較例）によって設定された輪郭点を示した図である。従来方法では、等間隔で輪郭点を設定している。これらの図からわかるように、本実施形態の方法によって輪郭点を設定することにより、輪郭点数を大幅に低減することができる。また、図７に示されるように、本実施形態の方法では、マスク描画ショットパターン（参照パターン）の頂点近傍で出力輪郭点の間隔が狭くなっている。

本実施形態においても、第１の実施形態と同様、マスクパターン画像の輪郭を少ないデータ量で且つ精度よく表すことができる。したがって、本実施形態の方法で得られた輪郭データを用いてリソグラフィシミュレーションを行った場合には、高精度のシミュレーションを短い時間で行うことができる。

なお、本実施形態においても、第１の実施形態の変更例で述べた方法と同様の方法を適用することが可能である。すなわち、マスクパターン画像の輪郭と参照パターン（マスク描画ショットパターン）の輪郭との距離に応じた設定間隔でマスクパターン画像の輪郭点を設定するようにしてもよい。この場合にも、マスクパターン画像の輪郭を少ないデータ量で且つ精度よく表すことができ、高精度のシミュレーションを短い時間で行うことが可能である。

（実施形態３）
次に、本発明の第３の実施形態について説明する。なお、基本的な事項は第１の実施形態と同様であるため、第１の実施形態で説明した事項については説明を省略する。

図９は、本実施形態を示したフローチャートである。

本実施形態では、まず、参照パターン（参照データ）の頂点（最近接頂点）からの距離に応じた設定間隔で参照パターンの輪郭に参照点を設定する（Ｓ２１）。具体的な方法は、第１の実施形態と同様である。

次に、第１の実施形態と同様にして、評価対象となるマスクパターンの画像を取得する（Ｓ２２）。さらに、マスクパターン画像と参照パターンとのマッチングを行う（Ｓ２３）。なお、マスクパターン画像と参照パターンとのマッチングを行うためのアルゴリズムは様々なものが提案されている。一般的には、画像の特徴量を捉えるために、マスクパターン画像の輪郭を抽出するという方法がとられる。ただし、このステップにおける輪郭抽出では、マッチングを行うための特徴量が取得できればよく、形状計測に必要な精度は要求されない。また、輪郭データの図形毎のグループ分け、及び輪郭点のポリゴン図形化といった処理は行わなくてもよい。

次に、参照点によって規定される位置におけるマスクパターン画像の輪郭点を抽出し、抽出した点を出力点とする（Ｓ２４）。すなわち、各参照点に対応して、マスクパターン画像の輪郭点を抽出する。

以上のように、本実施形態でも第１の実施形態と同様、マスクパターン画像の輪郭を少ないデータ量で且つ精度よく表すことができる。したがって、本実施形態の方法で得られた輪郭データを用いてリソグラフィシミュレーションを行った場合には、高精度のシミュレーションを短い時間で行うことができる。また、予め参照点を設定するため、マスクパターン画像の輪郭抽出（第１の実施例を示す図１のＳ１２）の工程を省略できるので、処理時間の短縮化をはかることも可能である。

（実施形態４）
図１０は、第４の実施形態を示したフローチャートである。

まず、設計データ（設計パターン）を用意し（Ｓ３１）、この設計データに基づき、ＯＰＣを考慮したマスク設計を行い（Ｓ３２）、リソグラフィシミュレーションを行う（Ｓ３３）。リソグラフィシミュレーションでは、マスク仕上がり変動要因が考慮され（Ｓ３４）、リソグラフィシミュレーションによって危険点情報が得られる（Ｓ３５）。危険点とは、データ処理起因変動（OPC補正残差）、マスク起因変動（パターン寸法平均値、パターン寸法ばらつき、透過率、位相、マスクコーナー形状、マスク断面形状等）、露光装置起因変動（フォーカス、露光量、収差、瞳透過率変動（Apodization）、Scan同期精度、光源波長変動、フレア、偏光度（DOP：Degree Of Polarization）分布等々）、Track起因変動（wafer上多層膜均一性、PAB、PEB温度等）、Etching起因変動（被覆率、加工変換差変動等）に対して仕上がりパターンの形状変動が大きい、または光近接効果（OPE）補正が十分でなく所望寸法・所望形状からのずれ量が大きく、パターン不良が生じやすい箇所である。以下、上記Ｓ３２〜Ｓ３５のステップについて具体的に説明する。

マスクスペック値のばらつきを考慮したマスク設計方法として、ＯＰＣパターンを配置したマスクパターンの検証時に、寸法、透過率及び位相差などのマスクスペック値を含めてリソグラフィシミュレーションを行う方法が提案されている（特開２００４−１５７４７５号公報参照）。本実施形態では、この方法に基づいてリソグラフィシミュレーションを行う。具体的には、マスクパターン寸法が設計通りである場合のリソグラフィシミュレーションの他、マスク寸法がΔＬｍ変動したときのリソグラフィシミュレーションも行う。これにより、危険点となる箇所がわかるだけでなく、マスク寸法がΔＬｍ変動したときのウエハ上のパターン寸法の変動ΔＬｗの影響度を知ることができる。この影響度を、ＭＥＦ（Mask Error Enhancement Factor、ＭＥＦ＝ｍ×ΔＬｗ／ΔＬｍ、ｍ：マスク倍率）として出力しておく（J. Iba, et. al. “Electrical Characterization of Across-field Lithographic Performance for 256-Mbit DRAM technologies”, Proc. SPIE, pp.218-225, 1995）。

図１１は、フォトマスクデータ設計段階で求められる危険点情報を示した図である。危険点情報には、座標（Ｘ，Ｙ）、パターン異常カテゴリー及びＭＥＦが含まれている。この時点では、座標（Ｘ，Ｙ）等は、マスクパターンが設計どおりに仕上がった場合の危険度順に並べられている。図１１に示した危険点情報はマスク製造工程へ送られる。

一方、ＯＰＣマスク設計データからマスクデータが生成され（Ｓ３６）、生成されたマスクデータに基づいてマスク描画、およびプロセス（現像、エッチング処理）が実行される（Ｓ３７）。さらに、マスク描画、およびプロセス（現像、エッチング処理）によって作製されたフォトマスクについて、マスク品質検査が実行される（Ｓ３８）。マスク品質検査では、マスクパターンの寸法測定やマスクパターンの形状測定などが行われる。また、位相シフトマスクについては、位相差及び透過率の測定なども行われる。以下、マスク品質検査の具体例について説明する。

マスク製造工程における寸法測定では、フォトマスク上の複数箇所で寸法測定を行う。本実施形態では、光学式寸法測長装置を用い、測長パターンとして１００個のスペースパターンを選んでいる。この測定結果に基づき、仕上がり寸法と所望寸法（例えば、マスク設計寸法）との差の平均値とばらつきを求める。具体的には、各寸法測定箇所について、仕上がり寸法と所望寸法との差ΔＰを求める。そして、ΔＰの分布をマスク面上のＸＹ座標の関数として求める。すなわち、
ΔＰ＝ｆ(Ｘ,Ｙ)
を求める。この関数をマスク仕上がり特性関数と呼び、各座標のΔＰをマスク仕上がり特性値と呼ぶ。

次に、Ｓ３３のステップで得られた危険点情報（Ｓ３５）のＸＹ座標と、Ｓ３８及びＳ３９のステップで得られたマスク仕上がり特性関数とに基づき、マスク仕上がり特性を作成する（Ｓ４０）。具体的には、図１２に示されるように、各座標点（危険点）について、ΔＰの値を求める。

また、マスクデータ設計段階でパターン異常情報とＭＥＦ値が求められているので、マスク検査工程で求められたマスク仕上がり特性値ΔＰを用いて、ウエハ上に転写されるパターンの寸法の変動を予測することができる（図１３参照）。例えば、本実施形態で使用するマスク倍率が４倍であるとすると、危険点Ｎｏ.１では、ＭＥＦ値は１．６、ΔＰは２．２［ｎｍ］である。したがって、ウエハ上の解像寸法変動量は、ＭＥＦ定義式により、ΔＬｗ＝０．８８［ｎｍ］となる。リソグラフィシミュレーションによると、マスクが設計通りに仕上がっている場合、マスク露光時のドーズアンダー条件において６５［ｎｍ］で解像することがわかっている。したがって、マスクスペース寸法が＋２．２［ｎｍ］変動する場合には、ウエハ上で６４．１２［ｎｍ］（よりショートしやすくなる方向）となることが予測される。

以上のようにして、各危険点のウエハ上の解像寸法予測値を求め、この予測値に基づいて危険点の危険度順位を並べ替える。本実施形態の例では、危険点Ｎｏ.２３は、マスク設計段階では危険度は低かったが、マスク仕上がり計測の結果、設計寸法からの差が大きく、且つＭＥＦも大きいため、図１３に示すように上位へ移動している。

このように、危険点情報に加えて、マスクの仕上がり情報を考慮することにより、危険点の危険度順位が変動する。したがって、管理するべき危険点を適正に抽出することができ、効率的かつ効果的にマスクパターンの品質を保証することができる。

次に、Ｓ４０のステップで得られたマスク仕上がり特性に基づいて、マスクパターンの形状計測点を抽出する（Ｓ４１）。さらに、計測点情報に基づいて（Ｓ４２）、抽出箇所の形状計測を行う（Ｓ４３）。本実施形態では、マスク仕上がり計測結果を含めた危険度順位に基づき、解像寸法予測値が所定の閾値（本実施形態では７０［ｎｍ］とする）未満である危険点を計測対象とする。

一例として、図１３の危険点Ｎｏ.２３の計測について説明する。危険点情報より、アンダー露光条件での危険性が高いことがわかっているため、形状計測でのリソグラフィシミュレーションでは、特にアンダー露光条件でのウエハ予測イメージに注目して、所望形状との比較判定を行う。本実施形態では、適正露光量に対して０％及び−５％のときのウエハ予測イメージをシミュレートし、所望形状との比較判定を行った。その結果、露光量０％のときはＯＫ判定であったが、露光量―５％の時にはパターンがショートし、ＮＧ判定であった。この結果から、マスクの仕上がり形状がＯＫであるかＮＧであるかを判定するだけでなく、そのマスクを使用して露光したときに形状異常を起こさない露光量限界がわかる。

このようにして得られたマスクの適正露光条件範囲に関する情報は、ウエハ工程にわたされる。ウエハ工程では、この情報に基づいてマスク使用することができ、ウエハ工程を通して危険点管理を行うことが可能である。

以上のように、本実施形態では、マスクパターンの危険点に関する情報と、フォトマスク上に実際に形成されたマスクパターンに関する情報（フォトマスクの仕上がり情報）とに基づいて、マスクパターンの形状測定箇所を決定する。危険点に関する情報は通常、リソグラフィシミュレーションによって求められる。そのため、フォトマスク上にマスクパターンを実際に形成した場合には危険度が高い箇所であるにもかかわらず、シミュレーションでは危険度が低いとみなされる場合もある。そのような箇所が形状測定箇所から除外されると、適正なマスク評価（マスク管理）を行うことができない。本実施形態では、マスクパターンの危険点に関する情報に加えて、フォトマスク上に実際に形成されたマスクパターンに関する情報をも考慮するため、形状測定箇所を適正に決定することができる。したがって、本実施形態によれば、適正かつ効果的にフォトマスクの品質を保証することができる。

なお、上述した実施形態では、マスク仕上がり特性を作成する際に、マスク品質検査での寸法測定結果を用いる場合について説明した。この場合、マスクデータ設計段階のリソグラフィシミュレーションでは、マスク仕上がり変動要因としてマスクパターン寸法を用い、ＭＥＦ値をリソグラフィシミュレーションによって算出していた。マスク仕上がり変動要因としては、マスクパターン寸法の他に、位相シフトマスクの透過率及び位相差、及びマスクパターンの欠陥などがあげられる。これらの場合には、マスク仕上がり変動要因として、位相シフトマスクの透過率及び位相差の変動、或いはマスクパターンの欠陥サイズを入力し、ウエハ上の解像寸法の影響度を見積もればよい。

また、形状測定箇所情報から、デフォーカスによってパターン異常が生じることがわかっている箇所については、形状計測のリソグラフィシミュレーションにおいてデフォーカス条件でのウエハイメージを予測し、予測したウエハイメージついて所望形状範囲との比較判定を行うようにしてもよい。これにより、形状異常を起こさないデフォーカス限界を求め、求められた情報をウエハ工程に送れば、ウエハ工程を通して危険点管理を行うことが可能である。

（実施形態５）
次に、本発明の第５の実施形態について説明する。なお、基本的な事項は第４の実施形態と同様であるため、第４の実施形態で説明した事項については説明を省略する。

図１４は、本実施形態を示したフローチャートである。

まず、Ｓ５１〜Ｓ５４のステップを実行し、危険点情報を出力する（Ｓ５４）。Ｓ５１〜Ｓ５４のステップで行われる基本的な処理は、第４の実施形態と同様である。本実施形態でも、従来の危険点情報出力と同様、危険度の順に危険箇所を並べる。そして、予め決められた上位からの個数、或いは予め設定されている危険度閾値に基づいて危険箇所を抽出する。抽出された危険箇所は、計測候補点としてマスク製造工程に送られる（Ｓ５５、Ｓ５６）。本実施形態では、１２個の危険箇所がマスク計測候補点として抽出されているものとする。

一方、第４の実施形態と同様にしてＳ５７〜Ｓ５９のステップが行われ、マスク品質検査が実行される（Ｓ５９）。さらに、Ｓ５６のステップで得られた計測候補点情報と、Ｓ５９及びＳ６０のステップで得られたマスク品質検査結果とに基づき、マスク仕上がり特性を作成する（Ｓ６１）。以下、具体的に説明する。

マスク仕上がり特性を求めるために、フォトマスク上の複数箇所で寸法測定を行う。本実施形態では、光学式寸法測長装置を用い、測長パターンとして１００個のラインパターンを選んでいる。この測定結果に基づき、仕上がり寸法と所望寸法（例えば、マスク設計寸法）との差のばらつきを求める。図１５は、マスク面内の仕上がり寸法と所望寸法との差（第１の実施形態で述べたΔＰ）のばらつき分布を示した図である。領域Ａ１は、第１の実施形態で述べたΔＰの値が−８．０〜−４．８の範囲である領域、領域Ａ２は、ΔＰの値が−４．８〜−１．６の範囲である領域、領域Ａ３は、ΔＰの値が−１．６〜＋１．６の範囲である領域、領域Ａ４は、ΔＰの値が＋１．６〜＋４．８の範囲である領域、領域Ａ５は、ΔＰの値が＋４．８〜＋８．０の範囲である領域である。本実施形態では、ばらつき３σは±７．８［ｎｍ］であった。

先に抽出された１２個のマスク計測候補点（マスクデータ設計段階で抽出される形状測定箇所）と、上述したばらつき分布とを重ねると、図１５からわかるように、１２点の計測候補点３１のうち２点が仕上がり寸法と所望寸法との差の大きい領域（領域Ａ１及びＡ５）に位置している。そこで、本実施形態では、上記２点を形状測定点として絞り込んだ。すなわち、上記２点を形状測定点として抽出した（Ｓ６２）。

次に、Ｓ６２のステップで得られた計測点情報に基づき、マスクパターンの形状計測が行われる（Ｓ６３、Ｓ６４）。すなわち、Ｓ６２のステップで抽出された２箇所について、マスクパターン画像を画像取得装置によって取得する。本実施形態では、画像取得装置として高解像度画像を取得可能なＳＥＭを用いた。それぞれの測定点につき、ＳＥＭによって取得された画像の輪郭抽出を行った。

抽出された輪郭データを用いてリソグラフィシミュレーションを行い、ウエハ上の予測イメージを出力する。そして、得られた予測イメージが所望の形状範囲内であるか否かを判定する。本実施形態では、測定点２点のうち１点は所望の範囲から外れることがわかった。管理するべきパターンを絞り込むことにより、必要最低限の時間で被測定マスクが規格外であることを判定できた。

以上のように、本実施形態でも第４の実施形態と同様、マスクパターンの危険点に関する情報と、フォトマスク上に実際に形成されたマスクパターンに関する情報（フォトマスクの仕上がり情報）とに基づいて、マスクパターンの形状測定箇所を決定する。したがって、第４の実施形態と同様、形状測定箇所を適正に決定することができ、適正かつ効果的にフォトマスクの品質を保証することができる。

（実施形態６）
次に、本発明の第６の実施形態について説明する。なお、基本的な事項は第４及び第５の実施形態と同様であるため、第４及び第５の実施形態で説明した事項については説明を省略する。

第５の実施形態と同様にして、Ｓ５１〜Ｓ６１のステップを行う。そして、マスクの寸法測定結果に基づいて、仕上がり寸法と所望寸法との差の平均値とばらつきを求めた。その結果、平均値は＋３．０［ｎｍ］、ばらつき３σは±７．８［ｎｍ］であった。平均値及びばらつきともに、この製品の規格を満たしているが、マスク全体の仕上がりはパターン寸法が大きい方向に仕上がっていた。具体的には、マスク露光時の露光量に換算して、−３％アンダー側に仕上がっていた。

図１６は、マスクデータ設計段階で抽出されたフォトマスクパターン形状計測候補点情報を示したものである。この形状計測点情報には、座標（Ｘ，Ｙ）とともに、パターン異常内容も書き込まれている。すなわち、マスク露光時に露光量フォーカス変動が生じたときに、どのようなパターン異常が起きやすいかという、パターン異常カテゴリーが書き込まれている。

本実施形態のマスクは、寸法計測結果をマスク露光時の露光量に換算した場合に、アンダー側で仕上がっていることがわかっている。そのため、図１６の例では、番号Ｎｏ.１の露光量アンダーにおいて、ショートしやすいパターンの危険性が強調される。したがって、アンダー露光条件で形状異常を起こしやすい箇所について計測を行う。これにより、ウエハ上で危険点となりやすい箇所を、効果的に選択することができる。

なお、本実施形態では、仕上がり寸法の平均値がアンダー露光側に変動している場合について説明したが、仕上がり寸法の平均値がオーバー露光側にずれている場合には、オーバー露光条件で形状異常となりやすい箇所を測定箇所として選択すればよい。

以上のように、本実施形態においても第４及び第５の実施形態と同様、形状測定箇所を適正に決定することができ、適正かつ効果的にフォトマスクの品質を保証することができる。

（実施形態７）
次に、本発明の第７の実施形態について説明する。なお、基本的な事項は第４及び第５の実施形態と同様であるため、第４及び第５の実施形態で説明した事項については説明を省略する。

図１７は、本実施形態を示したフローチャートである。

まず、Ｓ７１〜Ｓ７４のステップを実行し、危険点情報を生成する（Ｓ７４）。Ｓ７１〜Ｓ７４のステップで行われる基本的な処理は、第４の実施形態と同様である。本実施形態でも、危険度の順に危険箇所が並べられる。

また、第４の実施形態と同様にしてＳ７５及びＳ７６のステップが行われ、フォトマスクが作製される（Ｓ７６）。さらに、作製されたフォトマスクについてマスク品質検査が行われる（Ｓ７７）。そして、マスク品質検査の結果に基づいて、マスク仕上がり特性が作成される（Ｓ７８、Ｓ７９）。以下、具体的に説明する。

マスク製造工程における寸法測定では、予め指定された寸法管理パターンデータにしたがい、寸法測長装置により、フォトマスク上の複数箇所で寸法測定を行う。この測定結果に基づき、仕上がり寸法と所望寸法との差の平均値とばらつきを求める。そして、マスクの良否判定を行うと同時に、マスク寸法仕上がり特性を求める。具体的には、第４の実施形態と同様に、各寸法測定箇所について、仕上がり寸法と設計寸法との差ΔＰを求める。そして、ΔＰの分布をマスク面上のＸＹ座標の関数として求める。すなわち、
ΔＰ＝ｆ(Ｘ,Ｙ)
を求める。

位相シフトマスクの場合には、予め指定された透過率／位相差管理パターンデータにしたがい、フォトマスク上の複数箇所で透過率／位相差測定を行う。この測定結果に基づき、マスクの良否判定を行うと同時に、マスク位相シフタの透過率／位相差仕上がり特性を求める。例えば、寸法仕上がり特性と同様に、透過率Ｔ及び位相差φの分布をマスク面上のＸＹ座標の関数として求める。すなわち、
Ｔ＝ｇ(Ｘ,Ｙ)
φ＝ｈ(Ｘ,Ｙ)
を求める。

次に、形状検査工程に進み、マスクデータとマスクパターンとの比較検査による形状検査が行われる。この形状検査により、検出された欠陥の座標、パターン欠け／残りといった欠陥種類、欠陥形状等の情報が出力される。形状検査工程におけるマスク仕上がり特性は、欠陥検出時に形状検査装置により取得される画像データに基づき、パターン図形データとして作成される。このパターン図形データには、欠陥の座標、欠陥の種類、検出欠陥を含むマスクパターン形状等の情報が含まれている。

以上のようにして、３種類のマスク品質検査からマスク仕上がり特性が求められる。そして、マスク仕上がり特性と、先に与えられたマスク設計データとから、マスク仕上がり特性を含むマスクデータを作成する（Ｓ８０）。

まず、マスク設計工程から送られてきた危険点情報を用いてマスクデータを作成する場合について説明する。危険点情報の危険点座標を中心として、リソグラフィシミュレーションで用いるある領域でマスク設計データを切り出す。切り出された各危険点のマスクデータに対して、先に求めた寸法仕上がり特性ΔＰ、透過率仕上がり特性Ｔ及び位相差仕上がり特性φを含んだマスクデータを作成する。

作成された各危険点のマスクデータのリソグラフィシミュレーション結果に基づき、形状計測点を抽出する（Ｓ８１、Ｓ８２、Ｓ８３、Ｓ８４）。具体的には、リソグラフィシミュレーション結果に基づき、危険度の順に並べ換えを行い、予め決められた上位からの個数、或いは予め設定されている危険度閾値に基づいて形状計測点を抽出する。そして、計測点情報に基づき、形状計測を行う（Ｓ８５、Ｓ８６）。

形状計測工程では、第４及び第５の実施形態と同様に、抽出された計測点のマスクパターン画像を取得し、取得した画像の輪郭を抽出する。さらに、輪郭データを用いてリソグラフィシミュレーションを行い、ウエハ上のイメージを予測する。そして、予測されたウエハ上のイメージが所望の形状範囲内であるか否かを判定することで、マスクの良否を判定する。良品であると判定された場合には、次工程へと進む。

次に、形状検査によって求められるマスク仕上がり特性をも含めてマスクデータを作成する場合について説明する。検出欠陥座標を中心として、リソグラフィシミュレーションで用いるある領域でマスク設計データを切り出す。切り出された各欠陥部のマスクデータに対して、形状検査工程におけるマスク仕上がり特性であるパターン図形データを合成する。さらに、先に求めた寸法仕上がり特性ΔＰ、透過率仕上がり特性Ｔ及び位相差仕上がり特性φを含んだマスクデータを作成する。

上記のようにして作成された各欠陥部のマスクデータに対してリソグラフィシミュレーションを行う。そして、各欠陥部のリソグラフィシミュレーション結果に基づき、検出欠陥の修正が必要か否かを判定する。修正が必要であると判定された欠陥部については欠陥修正を行う。修正が不要であると判定された場合には、次工程へと進む。

以上のように、寸法仕上がり特性ΔＰ、透過率仕上がり特性Ｔ及び位相差仕上がり特性φを含んだマスクデータを作成し、各危険点の危険度を見積もった上で形状計測点を抽出することにより、実際のマスク仕上がりを考慮した危険点管理を行うことができる。また、形状検査工程で検出される欠陥を含めたマスクデータを作成し、欠陥部のリソグラフィシミュレーションを行うことにより、欠陥修正前に修正が必要な欠陥であるか否かをチェックし、修正が必要な箇所のみを修正工程に送ることができる。

なお、寸法測定工程及び位相シフタの透過率／位相差測定工程における良否判断において、いずれも所定のスペックを満たしているにもかかわらず、形状計測工程において不良と判定された場合には、設計工程或いはＯＰＣマスク設計工程にフィードバックするようにしてもよい。この場合、形状計測工程で得られた結果に基づき、設計データ或いはＯＰＣマスクデータの危険箇所について補正を行う。或いは、マスク製造工程内でマスク仕上がりの調整が可能であると判断された場合には、描画ドーズ量、現像時間、エッチング時間等、調整可能なプロセスパラメータのチューニングを行い、マスクの再作製を行うようにしてもよい。

以上のように、本実施形態においても、第４及び第５の実施形態と同様、形状測定箇所を適正に決定することができ、適正かつ効果的にフォトマスクの品質を保証することができる。

以上、本発明の実施形態を説明したが、本発明は上記実施形態に限定されるものではなく、その趣旨を逸脱しない範囲内において種々変形して実施することが可能である。さらに、上記実施形態には種々の段階の発明が含まれており、開示された構成要件を適宜組み合わせることによって種々の発明が抽出され得る。例えば、開示された構成要件からいくつかの構成要件が削除されても、所定の効果が得られるものであれば発明として抽出され得る。

本発明の第１の実施形態を示したフローチャートである。 本発明の第１の実施形態に係り、マスクパターン画像の輪郭等を示した図ある。 本発明の第１の実施形態に係り、マッチング処理について示した図である。 本発明の第１の実施形態の方法によって設定された輪郭点を示した図である。 本発明の第１の実施形態の比較例の方法によって設定された輪郭点を示した図である。 本発明の第２の実施形態に係り、マスク描画ショットパターンについて示した図である。 本発明の第２の実施形態の方法によって設定された輪郭点を示した図である。 本発明の第２の実施形態の比較例の方法によって設定された輪郭点を示した図である。 本発明の第３の実施形態を示したフローチャートである。 本発明の第４の実施形態を示したフローチャートである。 本発明の第４の実施形態に係り、危険箇所に関する情報について示した図である。 本発明の第４の実施形態に係り、危険箇所に関する情報について示した図である。 本発明の第４の実施形態に係り、危険箇所に関する情報について示した図である。 本発明の第５の実施形態を示したフローチャートである。 本発明の第５の実施形態に係り、仕上がり寸法と所望寸法との差のばらつきを示した図である。 本発明の第６の実施形態に係り、危険箇所に関する情報について示した図である。 本発明の第７の実施形態を示したフローチャートである。

符号の説明

１１…輪郭 １２…輪郭点 １３…輪郭点探索方向
１４…頂点 １５…対応点
２１…設計パターン ２２…マスク描画ショットパターン ２３…頂点
３１…計測候補点

Claims (1)

1. 仕上がりパターンの所望寸法からの変動が大きいマスクパターンの危険点に関する第１の情報をリソグラフィシミュレーションによって取得する工程と、
   フォトマスク上に実際に形成された前記マスクパターンの仕上がり寸法と所望寸法との差に関する第２の情報を取得する工程と、
   前記第１の情報及び前記第２の情報に基づいて、前記フォトマスク上に実際に形成されたマスクパターンの形状測定箇所を前記危険点の中から決定する工程と、
   を備えたことを特徴とするパターン情報生成方法。

Images