JP6960462B2 - オーバレイ計量データの確率論的挙動の影響の判別 - Google Patents

オーバレイ計量データの確率論的挙動の影響の判別 Download PDF

Info

Publication number
JP6960462B2
JP6960462B2 JP2019546861A JP2019546861A JP6960462B2 JP 6960462 B2 JP6960462 B2 JP 6960462B2 JP 2019546861 A JP2019546861 A JP 2019546861A JP 2019546861 A JP2019546861 A JP 2019546861A JP 6960462 B2 JP6960462 B2 JP 6960462B2
Authority
JP
Japan
Prior art keywords
measurement
model
uncertainty
error
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019546861A
Other languages
English (en)
Other versions
JP2020511003A (ja
JP2020511003A5 (ja
Inventor
エフゲニー グレビッチ
ミカエル イー アデル
ロエル グロンヘイド
ヨエル フェラー
ウラジミール レビンスキ
ダナ クレイン
シャロン アーロン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KLA Corp
Original Assignee
KLA Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KLA Corp filed Critical KLA Corp
Publication of JP2020511003A publication Critical patent/JP2020511003A/ja
Publication of JP2020511003A5 publication Critical patent/JP2020511003A5/ja
Application granted granted Critical
Publication of JP6960462B2 publication Critical patent/JP6960462B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/70633—Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/22—Connection or disconnection of sub-entities or redundant parts of a device in response to a measurement
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • H01L22/32—Additional lead-in metallisation on a device or substrate, e.g. additional pads or pad portions, lines in the scribe line, sacrificed conductors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
    • G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)

Description

本発明は計量の分野に関し、より具体的には計測アルゴリズムに関する。
（関連出願への相互参照）
本願は２０１７年２月２８日付米国仮特許出願第６２／４６４３８２号の利益を主張する出願であり、この参照によりその全体が本願に繰り入れられる。
半導体計量の分野では、計量ツールに備わる照明システムにより計量ターゲット（標的）が照明され、ターゲット、デバイス又はフィーチャ（外形特徴）に対するその照明システムの相互作用（又はその欠如）によりもたらされる関連情報が収集システムにより捕捉され、集まった情報が一通り又は複数通りのアルゴリズムを用い処理システムにより分析される。計量ツールを用いることで、様々な半導体製造プロセスに係る構造特性及び素材特性（例．素材組成、構造及び膜の寸法特性、例えば膜厚及び／又は構造の限界寸法、オーバレイ等々）を計測することができる。それらの計測を利用することで、半導体ダイの製造に際し、プロセス制御を実現し及び／又は効率性を提供することができる。
米国特許第６９８５６１８号明細書 米国特許出願公開第２０１３／０４２０８９号明細書 米国特許第７４７８０１９号明細書 米国特許第６９２１９１６号明細書 米国特許出願公開第２００７／０００８５３３号明細書 米国特許出願公開第２０１４／０１３６１３７号明細書
Adel at al. 2017, Impact of stochastic process variations on overlay mark fidelity "towards the 5nm node", Proc. SPIE 10145, Metrology,Inspection, and Process Control for Microlithography XXXI, 1014509 Chris A. Mack,"Analytical Expression for Impact of Linewidth Roughness on Critical Dimension Uniformity", Journal of Micro/Nanolithography, MEMS, and MOEMS, 13(2), 020501 (2014)
計量ツールは半導体製造に関連する多種類の計測、例えば限界寸法、オーバレイ、側壁（サイドウォール）角、膜厚、ラインエッジ粗さ、ライン幅粗さ、パターン配置誤差等、１個又は複数個のターゲットの特性の計測や、プロセス関連パラメタ（例．焦点及び／又は照射量）の計測を行えるよう、設計される。ターゲット内には、例えばメモリダイ内格子等、その性質上周期的なある種の注目領域を設けることができる。それら計量ターゲットは、様々な空間特性を持つことが可能で、通常は１個又は複数個のセルにより構成されており、そのセル内の１個又は複数個の層には諸フィーチャを設けることができ、その又はそれらの層は１回又は複数回のリソグラフィ的個別露出にて印刷することができる。それらターゲットやセルには様々な対称性、例えば二又は四回の回転対称性及び／又は鏡映対称性を持たせることができる。そうした計量構造の例が特許文献１に記載されているので、この参照によりその全体を本願に含めることにする。相異なるセル又はセルコンビネーションが別々の層又は露出工程に属していてもよい。個別セルが孤立的非周期フィーチャを有していてもよいし、その代わりにそれらが一次元、二次元又は三次元周期構造或いは非周期構造と周期構造の組合せで構成されていてもよく、これについてはこの参照によりその全体が本願に組み込まれる特許文献２に記載の如くである。それら周期構造を非セグメント化構造としてもよいし、或いはそれらを細セグメント化フィーチャ、例えばそれらの印刷に用いられたリソグラフィプロセスの最小デザインルールかそれに近いフィーチャで構成してもよい。それら計量ターゲットを、その計量構造の同層内、上層内、下層内又は層間にあるダミフィケーション構造と共存又は至近配置させてもよい。ターゲットには複数個の層（又は膜）を設けることができ、その厚みは計量ツールで計測することができる。ターゲットは、例えば位置揃え（アライメント）及び／又はオーバレイ位置合わせ（レジストレーション）動作での使用に備え半導体ウェハ上に配置された（又は元々から存在している）ターゲットデザインを、有するものとすることができる。ある種のターゲットを半導体ウェハ上の複数個所に所在させることができる。例えば、ターゲットをスクライブライン内（例．ダイ間）に所在させること及び／又はダイ自体の内部に所在させることができる。ある種の実施形態では、この参照によりその全体が本願に繰り入れられる特許文献３に記載の如く、複数個のターゲットが同じ又は複数個の計量ツールにより（同時に又は別時点で）計測される。そうした計測から得られるデータを結合させてもよい。計量ツールからのデータを半導体製造プロセスにて用いること、例えばそのプロセス（例．リソグラフィ、エッチング）に対するフィードフォワード、フィードバック及び／又はフィードサイドウェイ補正に用いることで、無欠なプロセス制御解を得られるかもしれない。
以下は本発明の初期理解を図る簡略な概要である。この概要は、必ずしも本発明の主要要素を特定し又は技術的範囲を限定するものではなく、単に後掲の記述への導入部として働いている。
本発明のある態様により提供される方法は、所与計測不確定性仕様に従わせることが必要なターゲット要素の推定最小寸法をプロセス関連ラインエッジ粗さ（ＬＥＲ）のパラメタから導出するステップと、その推定最小寸法に従うターゲット設計パラメタを有することとなるよう計量ターゲットを設計するステップと、を有し、それら導出及び設計のうち少なくとも一方が少なくとも１個のコンピュータプロセッサにより実行されるものである。
本発明のある態様により提供される方法は、ＣＤＳＥＭ（限界寸法走査型電子顕微法）ターゲットからＳＥＭ（走査型電子顕微鏡）により導出されたＣＤＳＥＭ計量指標値のＬＥＲ関連不確定性誤差を、そのＬＥＲの特徴を記述する少なくとも１個の確率論的パラメタの変動範囲を推定すること、その計量指標値に関する所与計測モデルに従い当該推定範囲から帰結される誤差を解析的に及び／又はシミュレーションを用い導出すること、並びに導出された誤差を使用しそのＬＥＲ関連不確定性誤差を推定すること、により推定するステップを有し、それら推定、導出及び使用のうち少なくとも一つが少なくとも１個のコンピュータプロセッサにより実行されるものである。
本発明のある態様により提供される方法は、ＬＥＲによる光学計量指標値の不確定性誤差を、そのＬＥＲの特徴を記述する少なくとも１個の確率論的パラメタの変動範囲を推定すること、その計量指標値に関する所与計測モデルに従い当該推定範囲から帰結される誤差を解析的に又はシミュレーションを用い導出すること、並びに導出された誤差を使用しその不確定性誤差を推定すること、により推定するステップを有し、それら推定、導出及び使用のうち少なくとも一つが少なくとも１個のコンピュータプロセッサにより実行されるものである。
本発明のある態様により提供される方法は、特定の計量モデルを適用することで導出された所与オーバレイ計量データセットに対する確率論的ノイズの影響（インパクト）を、ランダム合成ノイズのノイズ実現値（リアライゼーション）を複数通り生成すること、生成されたノイズ実現値を所与オーバレイ計量データセットに付加して修正データセットを生み出すこと、並びに少なくとも１個の計量指標を用い所与オーバレイ計量データセットに関する指標値と修正データセットに関する指標値とを比較すること、により判別するステップを有し、その比較によって、所与オーバレイ計量データセットに対する推定ノイズ影響がもたらされ、それら生成、付加及び比較のうち少なくとも一つが少なくとも１個のコンピュータプロセッサにより実行されるものである。
本発明のこれらの、付加的な及び／又はその他の態様及び／又は長所が後掲の詳細記述にて説明されており、恐らくはその詳細記述から推認すること及び／又は本発明の実施によりそれらを学び取ることができる。
本発明の諸実施形態についてのより良好な理解のため、並びにそれらをどのようにして実施すればよいかを示すため、以下、添付図面を純粋に例示の手法により参照し、またそれら図面にて相対応する要素又は部分に一貫して同様の参照符号を割り当てることとする。
添付図面は以下の通りである。
本発明の幾つかの実施形態に係る方法を描いた上位フローチャートである。 本発明の幾つかの実施形態に係る方法を描いた上位フローチャートである。 本発明の幾つかの実施形態に係る方法を描いた上位フローチャートである。 本発明の幾つかの実施形態に係る方法を描いた上位フローチャートである。 本発明の幾つかの実施形態に従い、ＯＶＬコレクタブルに対するＯＶＬ計測の確率論的ノイズの効果例を示した図である。 本発明の幾つかの実施形態に従い、平行エッジ付周期構造を有するＯＶＬ計量ターゲットの像を、その像からの計量指標の算出に関する模式的描写付で描いた図である。 本発明の幾つかの実施形態に従い、平行エッジ付周期構造を有するＯＶＬ計量ターゲットの像を、その像からの計量指標の算出に関する模式的描写付で描いた図である。 本発明の幾つかの実施形態に従い、平行エッジ付周期構造を有するＯＶＬ計量ターゲットの像を、その像からの計量指標の算出に関する模式的描写付で描いた図である。 本発明の幾つかの実施形態に従い、ＣＤＳＥＭ画像上でのラインエッジ粗さ並びにリソグラフィラインスペースパターンの様々なセグメント化を描いた図である。 本発明の幾つかの実施形態に従い、ラインエッジ（エッジ輪郭曲線）に関するエッジ関数ε（ｙ）の非限定的な定義例を示した図である。 粗ピッチ及び細ピッチセグメント化を伴う周期構造の非限定的模式例を示した図である。
後掲の記述では本発明の諸態様を述べている。説明を目的とし、具体的な構成及び細部を説明することで本発明の一貫理解の実現を図っている。しかしながら、本件技術分野に習熟した者（いわゆる当業者）には察せられる通り、本発明は本願にて提示されている具体的な細部抜きでも実施することができる。更に、本発明を曖昧化させないため周知特徴が省略又は簡略化されているところもある。図面への具体的参照との絡みでは、強調点として、図示事項が例示であり専ら本発明についての例証的議論を目的としていること、並びにその提示目的が本発明の諸原理及び概念的諸側面の最有用且つ理解容易な記述と覚しきものを提供することにあること、がある。こうした関係で、本発明の基礎的理解に必要な以上に本発明の構造的細部を示す試みはされていないものの、その記述を図面と併せ参照することで、いわゆる当業者には、本発明の幾つかの形態をどのようにして現実に実施すればよいかをお分かり頂けよう。
本発明の少なくとも１個の実施形態の詳細説明に先立ち理解頂きたいのは、本発明の応用・用途が、後掲の記述にて説明され又は図面に描かれている部材配置及び構成の細部に限定されないことである。本発明は、他の諸実施形態に適用し様々な要領にて実施又は実行することや、開示されている実施形態同士の組合せに適用することが可能である。これもご理解頂けるように、本願にて採用されている表現法及び用語法は、記述を目的とするものであって、限定と見なされるべきものではない。
別様に特定、明言されているのでない限り、後掲の議論から明らかな通り、本明細書の随所における議論のうち「処理」、「情報処理」、「計算」、「判別」、「拡張」、「導出」等の語を利用しているものは、コンピュータ若しくは情報処理システム又はそれに類する電子情報処理装置の動作及び／又はプロセスのうち、その情報処理システムのレジスタ及び／又はメモリ内で物理量例えば電子量として表現されているデータを操作及び／又は変換して、その情報処理システムのメモリ、レジスタ又はそれに類する他の情報格納、伝送又は表示装置内で同様に物理量として表現される他のデータにするものを、指すものと認められる。
計量ターゲットを設計し、確率論的ノイズに対する計量指標値例えばライン特性（例．ラインエッジ粗さＬＥＲ、ライン幅粗さＬＷＲ及び／又はパターン配置粗さＰＰＲ）の不確定性誤差を推定する方法が提供される。ＣＤＳＥＭ（限界寸法走査型電子顕微法）又は光学システムによる対応するターゲットでの計量計測の不確定性誤差とライン特性との分析で、ターゲット要素の最小所要寸法を導出することができる。この分析の重要性の裏付けとなるのは、より局所化されたモデル例えばＣＰＥ（コレクタブルパー露出）を用いるほど確率論的ノイズの重要性が増しうる、という知見である。推定された不確定性誤差は、ターゲット設計、オーバレイ推定の強化並びに複数通りのコンテキストでの計測信頼性評価に用いることができる。
本発明の諸実施形態では以下の事項向けに効率的で経済的な方法及び機構が提供され、それにより計量技術の分野に改善がもたらされる。相異なるオーバレイモデル及び標本プランに対する確率論的ノイズの影響の予測及び比較が可能になること、単一ターゲットから得たオーバレイ計量結果に対するＬＥＲ、ＬＷＲ及び／又はＰＰＲの影響の推定が可能になること、特定のオーバレイモデル及び標本プランの所与下でオーバレイ計量コレクタブルに対するＬＥＲ、ＬＷＲ又はパターン配置粗さの影響の推定が可能になること、及び／又は、供試構造、ターゲット又はデバイス構造の光学像からのＬＥＲ、ＬＷＲ、ＰＰＲ又はパワースペクトル密度（ＰＳＤ）の推定が可能になること、である。
開示されている諸方法（例．図１に描かれている方法１００及び後掲の諸例）では、計量センサによりもたらされた相異なる計測量の影響及び相互関係が解明され、従来技術では制御できなかった確率論的ノイズの効果が監視、低減及び／又は防止される（後掲の図２を参照されたい）。更に、開示されている諸方法では、サンプリングの回数及び空間分布及び／又は計測サイト／ターゲットのエリア／サイズが明らかに確率論的ノイズの効果に比し不十分である、という従来技術のリスクが軽減され、正確性確認、リソグラフィ後オーバレイ制御及びエッチング後オーバレイ制御又はロット配備が可能になる。
更に、ある製造条件下で計量データが得られる計量ターゲット（群）及び／又はデバイス構造（群）の最小所要サイズを、それと同じ又は別の計量ターゲット（群）及び／又はデバイス構造（群）からの計測諸量により決めたが如くに決めるよう、開示されている諸方法を構成することができる。
ある種の実施形態に係る方法１００によれば、オーバレイ計量データセットに対する確率論的ノイズの影響を判別すること、光学又はＳＥＭ式オーバレイ計測の最小所要ターゲットサイズ又は計測エリアに対するＬＥＲ及び／又はＰＳＤの影響を判別すること、及び／又は、光学的計量計測結果からＬＥＲ／ＰＳＤを推定すること、のうちいずれかを後に論ずる通り行うことができる。
図１は、本発明の幾つかの実施形態に係る方法１００を描いた上位フローチャートである。この方法の諸段階は、計量ツール及び／又はモジュールのうち、方法１００を実現するよう随意に構成可能なものとの関連で、実行することができる。方法１００には、後掲の諸段階を、その順序によらず設けることができる。
ある種の実施形態に係る方法１００では、特定の計量モデルを適用することで導出された、所与オーバレイ計量データセットに対する確率論的ノイズの影響が判別され（段階１０５）、またそれが、ランダム合成ノイズのノイズ実現値を複数通り生成すること（段階１１０）、例えば計測及び／又はシミュレーションで得られた計量結果を用い生成することで行われ（段階１１２）、生成されたノイズ実現値をその所与オーバレイ計量データセットに付加することで修正データセットが生み出され（段階１２０）、そして少なくとも１個の計量指標を用いその所与オーバレイ計量データセットに関する指標値と修正データセットに関する指標値とが比較される（段階１３０）。比較１３０を用いることで、その所与オーバレイ計量データセットに対するノイズ影響の推定結果を提供することができる。ある種の実施形態によれば、そのランダムノイズの振幅を変化させることで、その結果の計量指標例えば３σに対する影響を観測することができ、それに対応する指標（群）を相異なるモデルに関し比較することで、各オーバレイコレクタブル制御モデルに関する最小限標本プラン及び最大許容確率論的ノイズ、及び／又は、その特定の計量モデルに関しもたらされる不確定性仕様、のうちいずれかを推定することができる。ある種の実施形態によれば、３σその他の指標（群）に関する解析的表現を、少なくとも、ある特定の（例．線形）ウェハ／フィールド項モデルに関し導出することができる。線形モデルの場合、恐らくは、一種のノイズ等分配を期することができる。
方法１００では、更に、その特定の計量モデルに対するノイズの影響を推定することができ（段階１５０）、またそれを、その特定の計量モデルを適用することで導出された複数個の所与オーバレイ計量データセットに対するノイズの影響を推定することにより、行うことができる（段階１５５）。
方法１００では、更に、その特定の計量モデルを相異なるパラメタ値で以て実現してそれに対するノイズの影響を比較することで、その特定の計量モデルのパラメタを最適化することができる（段階１６０）。方法１００では、更に、モデルパラメタに対するノズル影響推定結果の依存性に関し解析的表現を導出することができる（段階１７０）。モデルパラメタには、例えば、少なくとも、標本サイズ、最大許容確率論的ノイズ、及び／又は、その特定の計量モデルに関しもたらされる不確定性仕様を、含めることができる。
方法１００の諸段階、例えば生成１１０、付加１２０及び比較１３０のいずれも、少なくとも１個のコンピュータプロセッサにより実行することができる。方法１００は、少なくとも１個のコンピュータプロセッサ、例えば計量モジュール内のそれにより、少なくとも部分的に実施することができる。ある種の実施形態では、それを構成するコンピュータプログラム製品がコンピュータ可読格納媒体を備え、そのコンピュータ可読格納媒体を以て体現されたコンピュータ可読プログラムを有し、方法１００の関連諸段階を実行するようそのコンピュータ可読プログラムが構成される。ある種の実施形態では、それを構成する計量モジュール（群）が、開示されているコンピュータプログラム製品の諸要素を有する。
開示されている諸実施形態の方法１００では、個々のターゲットに係る生来的な確率論的ノイズによる従来型リスク並びに計量指標計算結果に対するその影響、例えば現在の光学又はＳＥＭ（走査型電子顕微法）式オーバレイ計量におけるそれが、克服及び／又は制御される。それに代え又は付して、ある種の実施形態では、ターゲット要素の寸法及び／又は確率論的ノイズのレベルに下限を課すことで、後述の通り、結果に対する確率論的ノイズの影響を制限しつつノイズ感応的手順を使用することが可能とされる。
図２には、本発明の幾つかの実施形態に従い、ＯＶＬ計測における確率論的ノイズの効果例が提示されている。図２に描かれているのは、ＨＯ（高次）ウェハモデル由来のＯＶＬ（オーバレイ）補正に対する確率論的変動の影響を、ＣＰＥ（コレクタブルパー露出）ウェハモデル由来のＯＶＬ補正に対する確率論的変動の影響と対比し、一般論として表した非限定的な例である。
図２では、約５５０個のウェハサイト上での計測／シミュレーションで得られたＯＶＬ値へのランダムノイズ付加の効果について、モンテカルロシミュレーションの結果がプールド３σなる計量指標により表されている。シミュレーションされたノイズは相独立な同一分布のガウス雑音であり、相異なる三値のＳＴＤ（標準偏差）、即ちそれぞれノイズ１〜３として示す０．５ｎｍ、０．４ｎｍ及び０．３ｎｍを有していた。どのノイズレベルに関しても、モデルにより求めたサイト毎オーバレイのプールド分散を、ＨＯ（高次Ｗ３Ｆ１即ちウェハ３次補正及びフィールド１次補正）ウェハモデル及びＣＰＥモデルの双方に関し、１００個の実現値に亘り算出した。得られた３σ（プールド３σ）が図２にて対比されている。図示の通り、ＨＯモデルにより求めたオーバレイは、ＣＰＥモデルにより求めたオーバレイのそれに比しかなり安定に保たれている。理論に捕らわれず発明者が提唱するところによれば、確率論的ノイズに対しＣＰＥモデルの方が敏感であることは生来のものであり、なぜかといえば、ＨＯモデルではノイズの効果がウェハ全体（例．約５５０サイト）に亘り平均化されるのに対し、ＣＰＥモデルでは各フィールド（例．約９サイト）が相独立に扱われるため、モデルにより求めたＯＶＬ分散の変動がより大きくなるからである。生じる３σ変動３σｍｏｄは、等式１
Figure 0006960462
 の如く、原ノイズの分散σＮｏｉｓｅ、フィット当たりサイト個数Ｎｓｉｔｅ並びにモデル項の個数Ｎｔｅｒｍｓにより推定することができる。例えば上掲の例では、ＨＯモデルに関してはＮｔｅｒｍｓ＝１０，Ｎｓｉｔｅｓ＝５５０となり、ＣＰＥ ＨＯモデルに関してはＮｔｅｒｍｓ＝３，Ｎｓｉｔｅｓ＝９となる。σＮｏｉｓｅ＝０．５ｎｍたるノイズ１に関しては、上掲の等式による予測が（３σｍｏｄ）ＨＯ＝０．２ｎｍ及び（３σｍｏｄ）ＣＰＥ＝０．８７ｎｍとなり、これは図２に示した数値モンテカルロシミュレーションの結果と符合している。
上掲の例にて描出した通り、露出モデル及び制御技術に係る補正がオーバレイ計量に際し用いられる場合、ランダム（確率論的）ノイズの存在が、オーバレイデータから生成されたコレクタブルの忠実性に対し、有害な効果を及ぼすことがある。付加的な分析が非特許文献１にて提示されているので、この参照によりその全体を本願に繰り入れることにする。
図２中の例が示している通り、ＨＯウェハレベルモデルからＣＰＥフィールドレベルモデルへ、或いはモデル項導出元サイトの個数に対するコレクタブル個数の比が劇的に増す他の何らかのモデルへと、業界が移行することは、コレクタブル項に対する個別（オーバレイ）マーク忠実性又は不確定性の影響がより強く重大なものになることにつながる。
ある種の実施形態の方法１００では、更に、ターゲットからＳＥＭにより導出されたＣＤＳＥＭ計量指標値のＬＥＲ関連不確定性誤差が推定され（段階１８０）、またそれが、ＬＥＲ（又はＬＷＲその他のパラメタ群）の特徴を記述する確率論的パラメタ（群）の変動範囲を推定すること（段階１８２）、計量指標値に関する所与計測モデルに従い当該推定範囲から帰結される誤差を例えばシミュレーションを用い及び／又は解析的に導出すること（段階１８４）、並びに導出された誤差を使用しそのＬＥＲ関連不確定性誤差を推定すること（段階１８６）により行われる。ある種の実施形態では、計量ターゲットの光学計量計測の質が、それら計量ターゲットについての対応するＣＤＳＥＭ計量指標値の推定不確定性誤差を基準として推定される（段階１９０）。例えば、ＣＤＳＥＭ計測の不正確性が例えば０．１ｎｍの数倍程度である場合、光学計測をＣＤＳＥＭ計測と比較する際にそのことを勘案するとよい。
ある種の実施形態では、単一ターゲット不確定性に基づき複数個の計測モデルに関しＬＥＲ関連不確定性誤差が推定される（段階１９１）。ある種の実施形態に係る方法１００では、更に、例えば少なくともＨＯモデル及びＣＰＥモデルを含む複数個の計測モデルに関して不確定性誤差の推定結果が比較され、それら計測モデルのうちそのＬＥＲ関連不確定性誤差が所与所要仕様に従う１個が選択される（段階１９２）。ある種の実施形態に係る方法１００では、更に、対応する計測モデルの最適なモデル複雑度（例．ＣＰＥにおけるパラメタの個数）が、導出された誤差を基準として判別される（段階１９４）。
ある種の実施形態によれば、方法１００を、対応する計測モデルに対し、且つ例えば段階１８２〜１９４の態で上述されたものと同様のラインに沿って、光学的オーバレイ計測に適用することができる。
有益なことに、開示されている方法１００により従来技術の短所、即ち画像又はオーバレイ計量用スキャタロメトリ（散乱計測法）データ中のアンダーサンプリング又は固有確率論的ノイズが仇となりデータ源における最小所望不確定性又は忠実性が達成されないままオーバレイ計量計測が実行される、という短所が克服される。
方法１００の非限定的実現例として、製造されたフィーチャに備わるエッジのＬＥＲ、ＬＷＲ、ＰＳＤその他の確率論的特性を推定する場合を、以下、先に述べた非限定的な例と同じくＬＥＲに的を絞り示すことにする。具体的には、方法１００にて、光学又はＳＥＭ式オーバレイ計測の最小所要ターゲットサイズ又は計測エリアを対象に、それらの及び／又は対応するパラメタの判別を行うこととする。諸実施形態の方法１００にそうしたエスティメータ及び指標を組み込むことで、オーバレイ計量計測及び制御パラメタに対する推定パラメタ（例．ＬＥＲ）の影響を、開示されている手法を用い予測することが可能となる。
ある種の実施形態に係る方法１００によれば、計量モデルを用い導出されたオーバレイ計量データセットに対するラインエッジ粗さ（確率論的ノイズたるＬＥＲ）の影響を判別することができ（段階２１０）、またそれを、エッジ検出結果に対するＬＥＲの影響を模するノイズ実現値を複数通り生成して（段階２２０）諸ターゲット要素のラインエッジ位置を検出し（段階２３０）、場合によっては所与製造条件に関し最小ターゲット及び／又はデバイスサイズを推定すること（段階２４０）により行うことができる。
ある種の実施形態は、周期的でセグメント化されている構造を有するセグメント化オーバレイターゲットを（計量ターゲットとして）備え、またそれが、方法１００により導出された推定最小寸法に従うセグメント化パラメタを（ターゲット設計パラメタとして）有するものである。
有益なことに、開示されている方法１００の諸実施形態では、ＬＥＲ及びその統計的特性例えば分散、相関関数、相関長又はＰＳＤ（パワースペクトル密度）であり例えばＳＥＭ画像から導出されたものを用い、ある製造条件下での計量データ取得元たる計量ターゲット（群）及び／又はデバイス構造（群）の最小所要サイズを、それと同じ又は他の計量ターゲット（群）又はデバイス構造（群）からの諸計測量により決められたかの如くに、予測することができる。付加的な諸例が非特許文献１にて提示されているので、この参照によりその全体を本願に繰り入れることにする。
以下、ＬＥＲの統計的特性に基づく最小所要ターゲットサイズ決定の非限定的詳細例を示すことにする。まずは、エッジ検出アルゴリズムによりＳＥＭ画像からターゲットバーエッジ輪郭が抽出され、抽出された輪郭を用いＬＥＲ特性が分析される（非限定的な例たる図４Ｂを参照されたい）。注記されることに、そのエッジ検出アルゴリズムは、ＯＶＬ／位置合わせ計量目的のエッジ抽出に用いられているものと、同じアルゴリズム又は同等性能のアルゴリズムとすることができる。計量ターゲット（以下、計量マークとも称されるものであり、非限定的な例に関しては図３Ａを参照されたい）は、ある非限定的な例によれば、平行なエッジを有する諸構造要素を備えるものとすることができる。計量の目的又はその一部分は、それらエッジに対し垂直な方向に沿いエッジの平均位置Ｘｃを求めることである。方法１００であり、平行線構造以外の幾何向けのアルゴリズムを有するものを、例えば後掲のアルゴリズムから直截に導出することができる。
図３Ａ〜図３Ｃには、本発明の幾つかの実施形態に従い、平行エッジ９７付周期構造を有する計量ターゲット９５の像が、その像からの計量指標の算出に関する模式的描写付で描かれている。図３Ａに描かれているのは計量ターゲット９５である。ターゲット９５の周期構造は粗ピッチにより特徴付けられており、またそれを細セグメント化ピッチで以て更にセグメント化することで、ターゲット要素で組成された、より微細な周期構造にすることができる（例えば図４Ａ及び図４Ｃを参照されたい）。この細セグメント化により、以下説明及び分析する通り、ラインエッジ特性の効果が高まる。図３Ｂに描かれているのは注目領域（ＲＯＩ）９８であり、ターゲット９５上にて定義されている。図３Ｃにて提示されているのは、計量指標の非限定的な例たるカーネル３σ（Ｋ３Ｓ）の計算例であり、Ｋ３Ｓはマーク（ターゲット）の忠実性を指し示している。
画像依拠オーバレイ（ＩＢＯ）の根本には、図３Ｂのオーバレイマーク構成構造（例．周期格子）の像の対称中心Ｘｃの判別がある（その詳細に関してはこの参照によりそれらの全体が本願に繰り入れられる特許文献４及び５を参照されたい）。この対称中心は、その像の自己コンボリューション関数の最大値を探すことで、見いだすことができる。図３Ｂに示す注目領域（ＲＯＩ）９８は、所与処理層（例．レジスト層）内構造のうち一部分を選択したものであり、ｘ方向沿いオーバレイ計測向けに指定されている。この被選択画像エリアを、それと交差するｙ方向に亘り平均化することによりｘ軸上に投射することで、１次元（１Ｄ）「カーネル」を生成することができる。ある非限定的な方法によれば、このカーネルの対称中心は、その自己コンボリューションの最大値として見つけることができる。その後は、対応する手続きを２個目の処理層（例．前層）に関し反復することで、やがては、それら２層間のオーバレイを見いだすことができる。
Ｋ３Ｓ指標を導入することで、（この参照によりその全体が本願に繰り入れられる国際特許出願第ＰＣＴ／ＵＳ２０１７／０５７７６７号に記載の如く）オーバレイマークの不均一性を特徴記述することができる。公称ＲＯＩ（図３Ｂ）９８は、図３Ｃに示す如く、対称的に対をなすＮ個（典型的には約５〜１０個）のサブＲＯＩ９９に分割される（図３Ｃでは対応する文字Ａ，Ｂ，Ｃ，Ｄにより示されている）。各サブ領域９９を用いることで、それ自身の対称中心を見いだし、
Figure 0006960462
 で示されるＮ通りの値を求め、それらの分散でＫ３Ｓ、即ち
Figure 0006960462
 を定めることができる。
図４Ａ〜図４Ｃには、本発明の幾つかの実施形態に従い、平行エッジ９７付周期構造を有する計量ターゲット９５のＳＥＭ画像に関し非限定的な例が描かれている。図４Ａに描かれているのは、本発明の幾つかの実施形態による、ＣＤＳＥＭ画像上でのラインエッジ粗さ並びにリソグラフィラインスペースパターンの独特なセグメント化である。図４Ｂは、本発明の幾つかの実施形態による、ラインエッジ（エッジ輪郭曲線）に関するエッジ関数ε（ｙ）の非限定的な定義例である。図４Ｃは、粗ピッチ及び細ピッチセグメント化を伴う周期構造の非限定的な模式例である。
図４Ｂは、本発明の幾つかの実施形態に従いあるエッジ検出アルゴリズムを用いてＳＥＭ画像から抽出されたラインエッジ９７（エッジ輪郭曲線）に関する、エッジ関数ε（ｙ）１１５の非限定的な定義例である。そのＬＥＲの統計的特性をこのエッジ関数ε（ｙ）から導出することができる。そのＬＥＲの重要且つ妥当な特徴記述は、その相関関数
Figure 0006960462
 であり統計的平均化が＜…＞で示されているものと、局所分散σＬＥＲ ２＝Ｃ（０）と、上掲の相関関数から抽出された相関長ξとにより与えられる（ＬＥＲ特性についての更なる詳細に関しては例えば非特許文献２を参照されたい）。
ＬＥＲ現象は、不確定性σＸｃ（標準偏差）をＸｃ（それらエッジに対し垂直な方向に沿ったエッジ９７の平均位置であり計量指標例えばオーバレイの基本成分である）の値に負わせる。ＬＥＲ特性とσＸｃとの間の関係は後述の通りであり、等式２
Figure 0006960462
 にて提示される不確定性仕様の要請を満たす最小計量ターゲットサイズの判別にそれを用いることが推奨される（例えば段階２４０を参照されたい）。
長さＬの単一ラインセグメントｉに関しては、その横断方向位置ｘｉを、そのエッジ関数ε（ｙ）であり例えば図４Ｂに従い定義されるものの平均値として、等式３
Figure 0006960462
 により提示される如く求めることができる。
エッジ輪郭の横断方向位置ｘｉの、対応する統計的不確定性σｘは、等式４
Figure 0006960462
 に示す如く、二通りの等価なやり方で表現することができる；この式中、
Figure 0006960462
 はＬＥＲ関数の相関関数であり（静止プロセスを仮定）、Ｓ（ｋ）はそれに対応するパワースペクトル密度（ＰＳＤ）である。どちらの関数も同じ情報を含んでおり、フーリエ変換により関連付けられている。これらは、そのエッジ検出アルゴリズムでの想定により、抽出されたエッジ輪郭の分析により得ることができる。重要なパラメタは相関長ξであり、それにより相関関数Ｃ（ｙ）の減衰、或いはそれと等価な、ＰＳＤたるＳ（ｋ）のカットオフ周波数について、空間スケールが定まる。
多くの場合、ＬＥＲ相関関数は、等式５
Figure 0006960462
 にて提示される指数形により近似することができる（ＬＥＲ特性についての更なる詳細に関しては例えば非特許文献２を参照されたい）。
等式６にて特定される特殊制限ケースでは、例えば
Figure 0006960462
 を用い、σｘ ２（Ｌ）に関する上掲の式を簡略化すること、即ち等式６
Figure 0006960462
 により表される如く近似することができる。
ＬＥＲ相関関数が等式３の如く指数形で記述されうる場合、その単一エッジ位置不確定性は等式７
Figure 0006960462
 により明示的に与えられる。これは等式６中の一般制限式と調和している。
計量マーク９５又はその一部分が、２Ｎ個の統計的に等価で個々の長さがＬのエッジにより構成されている場合、それらの平均位置
Figure 0006960462
 の不確定性は等式８
Figure 0006960462
 にて表される。
等式４を用いることで、等式９
Figure 0006960462
 により表される如く、最小計量マークの最適パラメタＮ，Ｌを得ることができる。
等式７にてＬ≫ξである特殊ケースでは、Ｎ及びＬに対する（一般には些細ではない）条件が、等式１０
Figure 0006960462
 により表される如く積Ｎ×Ｌ（例．総集積エッジ長）に対する条件となる。但しＳ（０）＝２ξσＬＥＲ ２である。この条件により、ライン本数Ｎ及びライン長Ｌの積の最小所要値
Figure 0006960462
 がもたらされる。
ターゲット内ＣＤ均一性（ＣＤＵ；例えば非特許文献２を参照されたい）に基づく周期構造ターゲットの最小サイズの判別は、そのＣＤＵを、計測されたバーに備わる２本のエッジのＬＥＲに関連付けることで、実行することができる。
単一エッジ位置不確定性は、ライン幅不確定性（ＬＷＵ）から等式１１
Figure 0006960462
 により表される如く推認することができる。
次いで、最少ライン本数を等式１２
Figure 0006960462
 の如く表すことができる；ここで、ＣＤＵには、そのバーの長さＬについての情報が既に含まれている（そのため等式１２ではＬが明示的に現れていない）。
ＳＥＭ計量ターゲットの最小所要サイズについての上掲の推定を、任意なターゲット幾何へと一般化することは、平易なことである。
ある種の実施形態では、ＬＥＲ特性から光学的計量計測（例．ＯＶＬ、Ｋ３Ｓ等々）に関する下限が推定される。
ある種の実施形態によれば、光学的計量計測（例．ＯＶＬ、Ｋ３Ｓ等々）の不確定性に対するＬＥＲの寄与分を、ＬＥＲ及び／又はそのＰＳＤから推定することができる。ある種の実施形態によれば、対称的周期構造の対称面の不確定性を、光学顕微鏡により生成された像から抽出することができる（そうした構造の非限定的な例に関しては図３Ａ及び図４Ｃを参照されたい）。ある種の実施形態によれば、セグメント化周期構造例えば図４Ｃに描かれているそれに関し、イメージングされた格子の対称面の位置の不確定性σＸｃを、等式１３
Figure 0006960462
 にて提示されている通り、ＬＥＲ特性、ターゲット設計パラメタ及び光学システム特性による近似的なパラメトリック関係により表すことができる。
等式１３中、Ｌｘ，Ｌｙは周期格子の寸法を示しており、Ｐ，ＣＤはｘ方向に沿った粗ピッチ及びそのＣＤであり、Ｐｆｉｎｅ，ＣＤｆｉｎｅは細セグメント化ピッチ及びＣＤであり（図４Ｃを参照されたい）、そしてＰｃは光学ＭＴＦのカットオンピッチである（ここではＰｃ／Ｐが１オーダであると仮定している）。等式１３により不確定性σＸｃと関連付けられる要因のうち、（Ｌｘ／Ｐ）は粗ピッチに対する格子長の比であり粗バー本数を表しており、（ＣＤ／ＰＦｉｎｅ ）は細セグメント化ピッチに対する粗ＣＤの比であり粗バー１本当たりの細セグメント化ライン本数を表しており、（Ｐｃ／Ｐ）は格子ピッチに対する光学ＰＳＦ「カットオフ」ピッチの比でありそのイメージングのローパス効果を表しており、そして（ＰＦｉｎｅ／ＣＤＦｉｎｅ）はカーネルコントラストに影響する細セグメント化のデューティサイクルを示している。光学計量の不確定性σＸｃを用いることで、ターゲット忠実性指標たるカーネル３σに対する下限を推定すること（この参照によりその全体が本願に繰り入れられる国際特許出願第ＰＣＴ／ＵＳ２０１７／０５７７６７号を参照されたい）ができ、また、例えばこの参照によりその全体が本願に繰り入れられる特許文献６にて提示される如くに、それを計量指標に係る誤差の大きさの指示子として用いることができる。
ある種の実施形態に係る方法１００では、更に、所与計測不確定性仕様に従わせることが必要なターゲット要素の最小寸法がプロセス関連ＬＥＲのパラメタから導出され（段階２５０）、その推定最小寸法に従うターゲット設計パラメタ（例．セグメント化パラメタ）を有することとなるよう計量ターゲット（例．周期的でセグメント化された構造を有するセグメント化オーバレイターゲット）が設計され（段階２６０）、場合によってはその設計されたターゲットのオーバレイ計測の不確定性誤差でありＬＥＲによるもの、即ち上述のＫ３Ｓ等の指標値に関する下限として役立ちうるものが推定される（段階２７０）。
ある種の実施形態によれば、ＬＥＲ及び／又はそのＰＳＤに課される上限を、計量又はデバイス構造の所与既存高解像度光学像を用いＬＥＲ及び／又はＰＳＤ推定値を抽出することで、光学的計量計測結果から推定することができる。例えば、ＬＥＲに関する上限推定値（群）を、等式１３中の表現を反転させることでターゲット構造の計量指標例えばカーネル３σ及び／又は光学コントラストから導出することができる。
本発明の諸態様について上述するに当たり、本発明の諸実施形態に係る方法、装置（システム）及びコンピュータプログラム製品のフローチャート描写及び／又は部分図を参照した。ご理解頂けるように、それらフローチャート描写及び／又は部分図の各部分、並びにそれらフローチャート描写及び／又は部分図の諸部分の組合せを、コンピュータプログラム命令により実現することができる。それらコンピュータプログラム命令を汎用コンピュータ、専用コンピュータその他、プログラマブルなデータ処理装置のプロセッサに供給することでマシンを作成し、それら命令をそのコンピュータその他のプログラマブルなデータ処理装置に備わるプロセッサにより実行させることで、そのフローチャート及び／又は部分図或いはその諸部分にて特定されている機能／動作を実施する手段を、生成することができる。
それらコンピュータプログラム命令をコンピュータ可読媒体内に格納してもよく、それによりコンピュータ、他のプログラマブルなデータ処理装置又はその他の装置に指令して特定要領で機能させることができるので、そのコンピュータ可読媒体内に格納されている命令により、そのフローチャート及び／又は部分図或いはその諸部分にて特定されている機能／動作を実現する命令入り産品を提供することができる。
それらコンピュータプログラム命令をコンピュータ、他のプログラマブルなデータ処理装置又はその他の装置上にロードしてもよく、それによりそのコンピュータ、他のプログラマブルな装置又はその他の装置上で一連の動作ステップを実行させることでコンピュータ実施プロセスを提供することができ、ひいては、そのコンピュータその他のプログラマブルな装置上で実行される命令により、そのフローチャート及び／又は部分図或いはその諸部分にて特定されている機能／動作を実施するプロセスを提供することができる。
上掲のフローチャート及び図面には、本発明の様々な実施形態に係るシステム、方法及びコンピュータプログラム製品の潜在的実現形態のアーキテクチャ、機能及び動作が描かれている。ここに、そのフローチャート又は部分図の各部分を以て、その特定の論理機能（群）を実施する１個又は複数個の可実行命令を含むモジュール、セグメント又はコード部分を表現することができる。これも注記すべきことに、幾つかの代替的実現形態では、その部分に記されている諸機能がそれらの図に記されている順序以外の順序で生起することがある。例えば、相次いで示されている二部分が実際にはほぼ同時に実行されることも、それらの部分がときとして逆の順序で実行されることもあり得、これは関連する機能により左右される。やはり注記されることに、それら部分図及び／又はフローチャート描写の各部分、並びにそれら部分図及び／又はフローチャート描写の諸部分の組合せを、特定の諸機能又は動作を実行する専用ハードウェアベースシステムにより、或いは専用ハードウェア及びコンピュータ命令の組合せにより実施することができる。
上掲の記述における一実施形態とは本発明の一例又は一実現形態のことである。「ある実施形態」、「一実施形態」、「ある種の実施形態」又は「幾つかの実施形態」なる様々な外見が必ずしも全て同じ実施形態を指すとは限らない。本発明の様々な特徴が単一実施形態の文脈にて記述されているところもあるが、それら特徴を個別に提供してもよいし、何らかの好適な組合せで提供してもよい。逆に、本願では明瞭性を踏まえ本発明が区々な諸実施形態の文脈で記述されているところもあるが、本発明は単一実施形態の態で実現することもできる。本発明の実施形態によっては、先に開示した相異なる実施形態から諸特徴が取り入れられることもあるし、実施形態によっては、先に開示した他の諸実施形態から諸要素が取り入れられることもある。ある特定の実施形態の文脈に沿った本発明の構成要素の開示を、それらの使用がその特定の実施形態のみに限定されるものと捉えるべきではない。更に、ご理解頂けるように、本発明は様々な手法で実行又は実施することができ、且つ本発明は上掲の記述にて概論したもの以外のある種の諸実施形態に従い実施することができる。
本発明は、それらの図面やそれに対応する記述に限定されるものではない。例えば、フローが個々の図示ボックス又は状態を通過する必要も、図示及び記述と厳密に同じ順序で通過する必要もない。本願にて用いられている技術用語及び科学用語の意味は、別様に定義されているのでない限り、本発明が属する分野におけるいわゆる当業者によるそれ通り、一般に理解されるべきである。本発明について少数の実施形態との関連で述べたが、それらを本発明の技術的範囲に対する限定事項として解すべきではなく、寧ろその好適諸実施形態のうち幾つかの例示として解すべきである。他の潜在的な変形、修正及び応用もまた本発明の技術的範囲に属する。このように、本発明の技術的範囲は、ここまでに述べられたことにより限定されるべきではなく、添付する特許請求の範囲及びそれらの法的均等物により限定されるべきものである。

Claims (17)

  1. 所与計測不確定性仕様に従わせることが必要なターゲット要素の推定最小寸法をプロセス関連ラインエッジ粗さ（ＬＥＲ）のパラメタから導出するステップと、
    前記推定最小寸法に従うターゲット設計パラメタを有することとなるよう計量ターゲットを設計するステップと、
    プロセス関連ＬＥＲの特徴を記述する少なくとも１個の確率論的パラメタの変動範囲を推定するステップと、
    計量指標値に関する所与計測モデルに従い、推定した変動範囲から帰結される誤差を解析的に又はシミュレーションを用いて導出するステップと、
    推定した変動範囲から帰結された誤差を使用し、前記計量ターゲットのオーバレイ計測の不確定性誤差を推定するステップであり、前記不確定性誤差はプロセス関連ＬＥＲに従う、ステップと、
    単一ターゲット不確定性に基づいて、複数の計測モデルの不確定性誤差を推定するステップと、
    前記複数の計測モデルのうちその推定された不確定性誤差が所要仕様に従う１つの計測モデルを選択するステップと、
    を有し、前記導出又は前記設計のうち少なくとも一方が少なくとも１個のコンピュータプロセッサにより実行される方法。
  2. 請求項１に記載の方法であって、その計量ターゲットが周期構造を有し、その特徴が前記ターゲット設計パラメタにより記述される方法。
  3. 非一時的コンピュータ可読格納媒体を備え、それを以てコンピュータ可読プログラムが体現されており、そのコンピュータ可読プログラムが、請求項１に記載の方法を実行するよう構成されているコンピュータプログラム製品。
  4. 請求項３に記載のコンピュータプログラム製品を備える計量モジュール。
  5. 周期的でセグメント化されている構造を有し、そのセグメント化のパラメタが、請求項１に記載の方法により導出された推定最小寸法に従うセグメント化オーバレイターゲット。
  6. ＣＤＳＥＭ（限界寸法走査型電子顕微法）ターゲットからＳＥＭ（走査型電子顕微鏡）により導出されたＣＤＳＥＭ計量指標値のＬＥＲ関連不確定性誤差を、
    そのＬＥＲの特徴を記述する少なくとも１個の確率論的パラメタの変動範囲を推定すること、
    前記計量指標値に関し、所与計測モデルに従い前記推定した変動範囲から帰結される誤差を解析的に及び／又はシミュレーションを用い導出すること、
    推定した変動範囲から導出された誤差を使用し前記ＬＥＲ関連不確定性誤差を推定すること、
    単一ターゲット不確定性に基づいて、複数の計測モデルの不確定性誤差を推定すること、
    前記複数の計測モデルのうちその推定された不確定性誤差が所要仕様に従う１つの計測モデルを選択すること、
    により推定するステップを有し、前記推定、前記導出又は前記使用のうち少なくとも一つが少なくとも１個のコンピュータプロセッサにより実行される方法。
  7. 請求項６に記載の方法であって、前記複数個の計測モデルがウェハモデル、ウェハ兼フィールドモデル及び／又はフィールドモデルを含む方法。
  8. 請求項７に記載の方法であって、前記複数個の計測モデルが少なくともＨＯモデル及びＣＰＥモデルを含む方法。
  9. 請求項６に記載の方法であって、更に、推定した変動範囲から導出された誤差を基準とし対応する計測モデルのモデル複雑度を判別するステップを有する方法。
  10. 非一時的コンピュータ可読格納媒体を備え、それを以てコンピュータ可読プログラムが体現されており、そのコンピュータ可読プログラムが、請求項６に記載の方法を実行するよう構成されているコンピュータプログラム製品。
  11. 請求項１０に記載のコンピュータプログラム製品を備える計量モジュール。
  12. 光学計量指標値の不確定性誤差でありＬＥＲによるものを、
    そのＬＥＲの特徴を記述する少なくとも１個の確率論的パラメタの変動範囲を推定すること、
    前記計量指標値に関し、所与計測モデルに従い前記推定した変動範囲から帰結される誤差を解析的に又はシミュレーションを用い導出すること、
    推定した変動範囲から導出された誤差を使用し前記不確定性誤差を推定すること、
    単一ターゲットの不確定性に基づいて、複数の計測モデルの不確定性誤差を推定すること、
    前記複数の計測モデルのうちその推定された不確定性誤差が所要仕様に従う１つの計測モデルを選択すること、
    により推定するステップを有し、前記推定、前記導出又は前記使用のうち少なくとも一つが少なくとも１個のコンピュータプロセッサにより実行される方法。
  13. 請求項１２に記載の方法であって、前記複数個の計測モデルがウェハモデル、ウェハ兼フィールドモデル及び／又はフィールドモデルを含む方法。
  14. 請求項１３に記載の方法であって、前記複数個の計測モデルが少なくともＨＯモデル及びＣＰＥモデルを含む方法。
  15. 請求項１２に記載の方法であって、更に、選択された計測モデルの最適なモデル複雑度を、導出されたモデル不確定性誤差及び所与所要不確定性仕様を基準として判別するステップを有する方法。
  16. 非一時的コンピュータ可読格納媒体を備え、それを以てコンピュータ可読プログラムが体現されており、そのコンピュータ可読プログラムが、請求項１２に記載の方法を実行するよう構成されているコンピュータプログラム製品。
  17. 請求項１６に記載のコンピュータプログラム製品を備える計量モジュール。
JP2019546861A 2017-02-28 2018-02-27 オーバレイ計量データの確率論的挙動の影響の判別 Active JP6960462B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201762464382P 2017-02-28 2017-02-28
US62/464,382 2017-02-28
US201762591104P 2017-11-27 2017-11-27
US62/591,104 2017-11-27
PCT/US2018/019793 WO2018160502A1 (en) 2017-02-28 2018-02-27 Determining the impacts of stochastic behavior on overlay metrology data

Publications (3)

Publication Number Publication Date
JP2020511003A JP2020511003A (ja) 2020-04-09
JP2020511003A5 JP2020511003A5 (ja) 2021-04-15
JP6960462B2 true JP6960462B2 (ja) 2021-11-05

Family

ID=63371265

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019546861A Active JP6960462B2 (ja) 2017-02-28 2018-02-27 オーバレイ計量データの確率論的挙動の影響の判別

Country Status (7)

Country Link
US (1) US10901325B2 (ja)
JP (1) JP6960462B2 (ja)
KR (1) KR102351345B1 (ja)
CN (1) CN110383442B (ja)
SG (1) SG11201907074RA (ja)
TW (1) TWI735747B (ja)
WO (1) WO2018160502A1 (ja)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI735747B (zh) * 2017-02-28 2021-08-11 美商克萊譚克公司 度量方法及模組，分段疊對目標，及電腦程式產品
US11521825B2 (en) 2017-04-13 2022-12-06 Fractilia, Llc System and method for predicting stochastic-aware process window and yield and their use for process monitoring and control
US11380516B2 (en) 2017-04-13 2022-07-05 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10176966B1 (en) 2017-04-13 2019-01-08 Fractilia, Llc Edge detection system
US11508546B2 (en) 2017-04-13 2022-11-22 Fractilia, Llc System and method for low-noise edge detection and its use for process monitoring and control
US10488188B2 (en) 2017-04-13 2019-11-26 Fractilia, Llc System and method for removing noise from roughness measurements
US10522322B2 (en) 2017-04-13 2019-12-31 Fractilia, Llc System and method for generating and analyzing roughness measurements
US11361937B2 (en) 2017-04-13 2022-06-14 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US11355306B2 (en) 2017-04-13 2022-06-07 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10656532B2 (en) 2017-04-13 2020-05-19 Fractilia, Llc Edge detection system and its use for optical proximity correction
US10664955B2 (en) 2017-04-13 2020-05-26 Fractilia, Llc Edge detection system and its use for machine learning
US10648801B2 (en) 2017-04-13 2020-05-12 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10445889B2 (en) * 2017-06-08 2019-10-15 Inspectrology LLC Method for measuring overlay offset in an integrated circuit and related technology
JP6942555B2 (ja) * 2017-08-03 2021-09-29 東京エレクトロン株式会社 基板処理方法、コンピュータ記憶媒体及び基板処理システム
US11333982B2 (en) * 2019-01-28 2022-05-17 Kla Corporation Scaling metric for quantifying metrology sensitivity to process variation
US11567413B2 (en) 2019-02-25 2023-01-31 Asml Netherlands B.V. Method for determining stochastic variation of printed patterns
US10990019B2 (en) * 2019-04-09 2021-04-27 Kla Corporation Stochastic reticle defect dispositioning
US11353799B1 (en) * 2019-07-23 2022-06-07 Kla Corporation System and method for error reduction for metrology measurements
US11568101B2 (en) * 2019-08-13 2023-01-31 International Business Machines Corporation Predictive multi-stage modelling for complex process control
EP4222774A4 (en) * 2021-09-10 2024-03-06 Fractilia, LLC DETECTION OF PROBABILISTIC PROCESS WINDOWS
CN117311103A (zh) * 2023-10-31 2023-12-29 魅杰光电科技(上海)有限公司 套刻误差测量方法、装置、系统及存储介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7068833B1 (en) 2000-08-30 2006-06-27 Kla-Tencor Corporation Overlay marks, methods of overlay mark design and methods of overlay measurements
US7541201B2 (en) 2000-08-30 2009-06-02 Kla-Tencor Technologies Corporation Apparatus and methods for determining overlay of structures having rotational or mirror symmetry
US7804994B2 (en) 2002-02-15 2010-09-28 Kla-Tencor Technologies Corporation Overlay metrology and control method
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
IL181209A0 (en) * 2007-02-07 2007-07-04 Nova Measuring Instr Ltd A method of measurement
JP5605727B2 (ja) 2010-04-06 2014-10-15 Ｊｎｃ株式会社 セレンテラジン類縁体及びセレンテラミド類縁体
US20130042089A1 (en) 2011-08-11 2013-02-14 Advanced Micro Devices, Inc. Word line late kill in scheduler
US9091942B2 (en) * 2011-11-18 2015-07-28 International Business Machines Corporation Scatterometry measurement of line edge roughness in the bright field
NL2009982A (en) * 2012-01-10 2013-07-15 Asml Netherlands Bv Source mask optimization to reduce stochastic effects.
US8843875B2 (en) * 2012-05-08 2014-09-23 Kla-Tencor Corporation Measurement model optimization based on parameter variations across a wafer
TWI526777B (zh) * 2012-08-06 2016-03-21 Ａｓｍｌ荷蘭公司 用於藉由嵌段共聚物之自我組裝在一基板上提供微影特徵之方法
US9329033B2 (en) * 2012-09-05 2016-05-03 Kla-Tencor Corporation Method for estimating and correcting misregistration target inaccuracy
SG11201606179QA (en) * 2014-02-11 2016-08-30 Asml Netherlands Bv Model for calculating a stochastic variation in an arbitrary pattern
KR20160131110A (ko) * 2014-03-18 2016-11-15 에이에스엠엘 네델란즈 비.브이. 패턴 배치 에러 인식의 최적화
JP6227466B2 (ja) * 2014-04-14 2017-11-08 株式会社日立ハイテクノロジーズ 荷電粒子線装置および検査装置
TWI735747B (zh) 2017-02-28 2021-08-11 美商克萊譚克公司 度量方法及模組，分段疊對目標，及電腦程式產品
CN111033382B (zh) 2017-10-22 2021-12-14 科磊股份有限公司 在成像叠加计量中利用叠加错位误差估计

Also Published As

Publication number Publication date
SG11201907074RA (en) 2019-09-27
JP2020511003A (ja) 2020-04-09
TW201840954A (zh) 2018-11-16
US10901325B2 (en) 2021-01-26
US20190049858A1 (en) 2019-02-14
KR102351345B1 (ko) 2022-01-13
TWI735747B (zh) 2021-08-11
CN110383442A (zh) 2019-10-25
KR20190115105A (ko) 2019-10-10
WO2018160502A1 (en) 2018-09-07
CN110383442B (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
JP6960462B2 (ja) オーバレイ計量データの確率論的挙動の影響の判別
KR102349124B1 (ko) 측정 방법 및 장치
TWI782317B (zh) 用於改良圖案化程序之程序模型的方法以及改良圖案化程序之光學近接校正模型的方法
TWI807258B (zh) 推定缺陷之發生的系統及電腦可讀媒體
CN114556228A (zh) 用于基于显影后图像确定图案缺陷的方法
KR102655275B1 (ko) 스토캐스틱 epe에서의 sem fov 핑거프린트 및 대형 fov sem 디바이스에서의 배치 측정
US20220068594A1 (en) Detection of probabilistic process windows
WO2019145278A1 (en) Pre-scan feature determination methods and systems
KR101947290B1 (ko) Ic 제조 프로세스 모델의 파라미터 결정 방법
Bunday et al. Photoresist shrinkage effects in 16 nm node extreme ultraviolet (EUV) photoresist targets
CN104022049B (zh) 校准目标值的方法以及配置用于校准目标值的处理系统
CN115917438A (zh) 用于从原始图像自动选择高品质图像的设备和方法
KR102590974B1 (ko) 확률적 프로세스 윈도우들의 검출
KR102642972B1 (ko) 모델 캘리브레이션을 위한 게이지 선택의 향상
US9262819B1 (en) System and method for estimating spatial characteristics of integrated circuits
Adel et al. Impact of stochastic process variations on overlay mark fidelity" towards the 5nm node"
TW201945853A (zh) 用於判定關於由微影製程形成之特徵之經校正尺寸參數值的方法及相關設備
KR20240024097A (ko) 검사 데이터 필터링 시스템 및 방법
JP2023544258A (ja) ボケ除去モデルを生成して像のボケを除去する装置及び方法
CN117501184A (zh) 检查数据滤除系统和方法
Sentoku et al. Focus and dose control for high-volume manufacturing of semiconductor

Legal Events

Date Code Title Description
A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210226

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210226

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210226

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210525

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210823

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210928

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211011

R150 Certificate of patent or registration of utility model

Ref document number: 6960462

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150