KR100910003B1 - 집적 회로 계측용 프로파일 세분화 - Google Patents

집적 회로 계측용 프로파일 세분화 Download PDF

Info

Publication number
KR100910003B1
KR100910003B1 KR1020047012519A KR20047012519A KR100910003B1 KR 100910003 B1 KR100910003 B1 KR 100910003B1 KR 1020047012519 A KR1020047012519 A KR 1020047012519A KR 20047012519 A KR20047012519 A KR 20047012519A KR 100910003 B1 KR100910003 B1 KR 100910003B1
Authority
KR
South Korea
Prior art keywords
profile
segmentation
parameters
data
signal
Prior art date
Application number
KR1020047012519A
Other languages
English (en)
Other versions
KR20040081792A (ko
Inventor
준웨이 바오
스리니바스 도디
닉킬 자카트다르
비 보웅
Original Assignee
팀버 테크놀로지스, 인코포레이티드
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 팀버 테크놀로지스, 인코포레이티드 filed Critical 팀버 테크놀로지스, 인코포레이티드
Publication of KR20040081792A publication Critical patent/KR20040081792A/ko
Application granted granted Critical
Publication of KR100910003B1 publication Critical patent/KR100910003B1/ko

Links

Images

Classifications

    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • C—CHEMISTRY; METALLURGY
    • C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
    • C09K—MATERIALS FOR MISCELLANEOUS APPLICATIONS, NOT PROVIDED FOR ELSEWHERE
    • C09K15/00—Anti-oxidant compositions; Compositions inhibiting chemical change
    • C09K15/04—Anti-oxidant compositions; Compositions inhibiting chemical change containing organic compounds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/4788—Diffraction
    • 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
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/76—Architectures of general purpose stored program computers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Materials Engineering (AREA)
  • Organic Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Tests Of Electronic Circuits (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 측정 신호 - 상기 신호는 측정장치를 사용하여 구조물로부터 측정됨 - 로부터 집적회로 내의 구조물 프로파일을 결정하고; 프로파일 데이터 공간 - 상기 프로파일 데이터 공간은 특정 비선형 범위를 갖는 데이터 포인트들을 포함함 - 에서 상기 측정 신호의 최적 매치를 선택하고; 세분화 프로파일 파라미터를 결정하기 위해 세분화 과정을 수행하는 방법 및 시스템을 포함한다. 일 실시예에서 세분화 과정은 프로파일 라이브러리 신호 및 프로파일 파라미터의 비용 함수들의 함수 도메인에서 다면체를 찾고 가중 평가 방법을 사용하여 전체 비용 함수를 최소화시키는 단계를 포함한다. 또다른 실시예에서 프로파일 파라미터 세분화 과정은 감도 분석, 클러스팅 어프로치, 리그레션-기초 방법, 국부적 미세-분해능 세분화 라이브러리 방법, 반복 라이브러리 세분화 방법, 및 다른 비용 최적화 또는 세분화 알고리즘, 과정 및 방법을 사용한다. 프로파일 파라미터의 세분화는 자동적으로 수행되거나 또는 측정 신호 대 최상의 매칭 프로파일 라이브러리 사이의 과잉 에러 메트릭과 같은 예정된 기준에 기초하여 수행될 수 있다.

Description

집적 회로 계측용 프로파일 세분화{PROFILE REFINEMENT FOR INTEGRATED CIRCUIT METROLOGY}
본 출원은 2000년 11월 28일 출원된 Jakatdar 등에 의한 발명의 명칭이 "격자 프로파일들의 실시간 라이브러리 생성을 위한 시스템 및 방법"이며 공동 계류중인 미국특허 출원 09/727530; 2001년 1월 25일 출원된 Niu 등에 의한 발명의 명칭이 "빠르고 정밀한 결합파 분석을 위한 인트라층 계산 캐싱"이며 공동 계류중인 미국특허 출원 09/764,780; 2000년 12월 14일 출원된 Doddi 등에 의한 발명의 명칭이 "격자 프로파일 분류 시스템 및 방법"이며 공동 계류중인 미국특허 출원 09/737,705; 및 2001년 8월 6일 출원된 발명의 명칭이 "회귀 분석 기반의 라이브러리 생성 처리를 통한 동적 학습 방법 및 시스템"이며 공동 계류중인 미국특허 출원 09/923,578에 관한 것이고, 이 모두는 본원의 양수인에게 소유되고 본원에 참조로써 통합된다.
본 발명은 집적 회로(IC) 계측에 관한 것이며, 보다 구체적으로는 패턴 크기(CD) 및 IC 구조물의 프로파일들을 결정하기 위하여 계측 시스템들 및 프로파일 라이브러리 또는 프로파일 데이터 공간을 사용하는 것에 관한 것이다.
IC 피쳐의 외형이 점점 작아지고 있는 현재 흐름으로 인해, 피쳐 측정은 피쳐 크기가 점점 작아질수록 더욱더 어려워진다. 그러나, 격자 또는 주기적 구조물의 크기를 아는 것은, 피쳐 크기가 허용 가능한 범위 내에 있는지를 결정하고, 특정 제조 공정에 의해 피쳐의 측벽이 가늘어지거나, 수직으로 되거나, T-토핑(T-topping) 되거나, 언더컷팅(undercutting) 되거나, 푸팅(footing)을 가지는지를 결정하는데 필수적이다.
종래에는 샘플을 쪼개어 주사전자현미경(SEM) 또는 유사한 장치로 검사하였다. 단면(cross-section) SEM 방법은 통상적으로 느리고, 비싸고, 파괴적이며, 반면 CD SEM 방법은 피쳐의 상부에서 보이는 단 한 번의 측정만을 제공한다. 분광기를 이용한(spectroscopic) 반사율 측정법(reflectometry) 및 타원편광분석(ellipsometry)은 구조물에 광을 조사하고 반사된 신호들의 스펙트럼을 측정하는데 사용된다. 현재 실무에서는 경험적 접근을 기본적으로 사용하고, 여기서 반사된 광의 스펙트럼들은 구조물 내의 공지된 폭의 피쳐에 대하여 측정된다. 이 방법은 구조물 크기의 프로파일에 대한 한정된 라이브러리 및 반사된/회절된 광의 관련 스펙트럼 데이터에 대해서라도 시간 소비적이고 비싸다. 게다가, 만약 라이브러리가 미세 분해능로 넓은 범위의 프로파일들에 대해 형성된다면, 상기 라이브러리를 형성하는 방법은 시간 소비적이고 터무니없이 비싸다. IC 피쳐가 작아지기 때문에, 더욱 미세한 분해능을 가진 라이브러리가 필요하다. 라이브러리의 분해능이 증가할수록, 라이브러리 크기는 증가하며, 라이브러리를 생성하기 위한 시간은 지수적으로 증가한다. 게다가, 프로파일 및 스펙트럼으로 이루어진 값비싼 라이브러리는 검색, 특히 실시간 작업을 위해서는 비효율적이다. 따라서, 거대한 프로파일 라이브러리 또는 데이터 집합(collection)을 생성하고 상기 프로파일 라이브러리 또는 데이터 집합들에 대한 값비싼 검색을 자초하지 않고, 프로파일을 측정하기 위한 시스템 및 계측 장치의 사용을 용이하게 하는 방법, 시스템, 및/또는 장치가 필요하다.
본 발명은 프로파일 데이터 공간에서 측정 신호의 하나 이상의 최적 매치를 선택하고 세분화 프로파일 파라미터들을 결정하기 위한 세분화 과정을 수행함으로써 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하기 위한 방법 및 시스템을 포함한다. 측정 신호는 광학, 전기, 전자 또는 기계적 계측 장치에 의해 생성된다. 프로파일 데이터 공간은, 프로파일 파라미터들 및 대응 신호들의 프로파일 라이브러리 또는 프로파일 파라미터들 및 대응 신호들을 나타내는 데이터 포인트들의 집합일 수 있다.
삭제
예시적인 실시예는 데이터 포인트들 사이의 특정 비선형 범위가 세분화 계산들로부터의 일정한 결과를 보장하기 위하여 존재한다는 것을 보장하기 위한 방법 및 시스템을 포함한다.
다른 예시적인 실시예는 프로파일 파라미터들의 데이터 공간에서 다면체를 찾는 단계를 포함하는 세분화 과정을 포함하고, 상기 다면체는 최적 매치 라이브러리 스펙트럼의 프로파일 파라미터들을 포함하도록 구성되고 또한 다면체의 모서리들이 각각의 프로파일 파라미터에 대하여 하나씩 선택된 프로파일 파라미터 데이터 포인트에 대응하도록 구성된다. 측정 스펙트럼과 비교되는 선택된 데이터 포인트들의 최적 매치 스펙트럼 및 스펙트럼들의 총 비용 함수는 가중 계수를 사용하여 감소된다. 다른 방법은 최적 매치 라이브러리 스펙트럼의 프로파일 파라미터를 포함하도록 구성되고 또한 다면체의 모서리들이 각각의 프로파일 파라미터에 대하여 두개씩 선택된 프로파일 파라미터 데이터 포인트에 대응하도록 구성된 다면체를 찾는 것이다. 다른 실시예는 프로파일 파라미터 조정 값들을 결정하기 위하여 감도 행렬을 사용함으로써 세분화 프로파일 파라미터들의 계산을 포함한다.
선택적으로, 클러스터링 방법은 프로파일 라이브러리 인스턴스들의 각각의 클러스터에 대하여 클러스터 대표를 선택하고, 클러스터 대표의 각각의 프로파일 파라미터 값에 대한 조정 곱셈기를 선택하는데 사용된다. 세분화 프로파일 파라미터들은 최적 매치 클러스터 대표의 각각의 프로파일 파라미터 값에 대해 측정 회절 스펙트럼을 해당 조정 곱셈기로 곱함으로써 계산된다. 다른 애플리케이션에서, 조정 곱셈기는 선택 기준에 따라 선택된 프로파일 라이브러리 인스턴스들로부터 유도된다.
다른 실시예는 회귀 기반 세분화 방법이고, 신호들 및 프로파일 파라미터들의 데이터 공간 내 데이터 포인트들은, 측정 스펙트럼과 비교한 적합도에 대해 연속적으로 평가된다. 추후 회귀 데이터 포인트들은 전역 및 국부 최적화 기술들을 사용하여 선택된다. 추후 회귀 데이터 포인트들에 대한 신호들은 계측 시뮬레이션 과정을 사용하여 계산된다.
게다가, 본 발명은 국부적인 미세 분해능 세분화 라이브러리 방법들, 반복 라이브러리 세분화 방법들, 다른 비용 최적 방법들, 및/또는 다른 세분화 알고리듬들 또는 기술들을 사용할 수 있다. 세분화 과정은 자동으로 호출되거나 최적 매치 프로파일 라이브러리 신호 대 측정 신호 사이의 에러 값을 초과하는 것 같은 소정 기준의 발생을 바탕으로 호출될 수 있다.
도 1은 집적 회로 주기적 구조물의 회절 스펙트럼을 측정하기 위한 광학 계측 사용을 도시하는 구조도이다.
도 2A는 프로파일 라이브러리 내의 인스턴스들의 회절 스펙트럼 그래프와 비교된 측정 회절 스펙트럼 그래프를 도시한다.
도 2B는 프로파일 라이브러리 내의 인스턴스들의 프로파일들과 비교된 측정 주기적 구조물의 구조물 프로파일을 도시한다.
도 3은 본 발명의 예시적인 실시예에서 특정 비선형 범위를 가진 프로파일 라이브러리를 생성하기 위한 동작 단계들의 흐름도이다.
도 4A는 본 발명의 예시적인 실시예들에서 비용 함수를 최소화함으로써 프로파일 세분화를 위한 동작 단계들의 흐름도이다.
도 4B 및 4C는 본 발명의 예시적인 실시예들에서 비용 최적화를 사용하는 프로파일 세분화의 그래프이다.
도 5A는 본 발명의 바람직한 실시예에서 감도 분석을 사용하는 프로파일 세분화를 위한 동작 단계들의 흐름도이다.
도 5B는 본 발명의 예시적인 실시예에서 감도 분석을 사용하는 프로파일 세분화의 그래프이다.
도 6은 본 발명의 예시적인 실시예에서 프로파일 라이브러리 인스턴스들의 클러스터링을 사용하는 프로파일 세분화를 위한 동작 단계들의 흐름도이다.
도 7은 본 발명의 예시적인 실시예들에서 조정 곱셈기 및 비용 함수 최적화를 사용하는 프로파일 세분화를 위한 동작 단계들의 흐름도이다.
도 8은 본 발명의 예시적인 실시예에서 회귀 기반(regression-based) 방법을 사용하는 프로파일 세분화를 위한 동작 단계들의 흐름도이다.
도 9A는 본 발명의 예시적인 실시예에서 국부적인 미세 분해능 세분화 라이브러리 방법을 사용하는 프로파일 세분화를 위한 동작 단계들의 흐름도이다.
도 9B는 본 발명의 예시적인 실시예에서 국부적인 미세 분해능 세분화 라이브러리 방법을 사용하는 프로파일 세분화의 그래프이다.
도 10은 본 발명의 예시적인 실시예에서 반복 라이브러리 세분화 방법을 사용하는 프로파일 세분화를 위한 동작 단계들의 흐름도이다.
도 11은 본 발명의 예시적인 실시예들에서 최적 매치 프로파일 파라미터에 대한 세분화 프로파일 파라미터의 정확도를 검증하기 위한 동작 단계들의 흐름도이다.
도 12는 본 발명의 예시적인 실시예에서 프로파일 평가기를 포함하는 시스템의 구조 흐름도이다.
도 13A는 본 발명의 예시적인 실시예에서 프로파일 평가기와 결합된 질문 장치를 도시하는 구조도이다.
도 13B는 본 발명의 예시적인 실시예에서 다양한 비용 최적화기들 및 세분화 엔진들을 호출하는 프로파일 평가기를 도시하는 구조도이다.
본 발명의 설명을 용이하게 하기 위하여, 광학 계측 시스템은 개념 및 원리를 도시하기 위해서 사용된다. 동일한 개념 및 원리는 아래에 기술될 다른 IC 계측 시스템들에도 똑같이 적용되는 것으로 이해된다. 유사한 방식으로, 비록 프로파일 라이브러리가 개념 및 원리를 도시하기 위하여 일반적으로 사용되지만, 본 발명은 프로파일 파라미터 및 대응 계측 신호를 포함하는 데이터 공간에도 똑같이 적용된다.
도 1은 집적 회로 주기적 구조물의 회절 스펙트럼을 측정하기 위하여 광학 계측 사용을 도시하는 구조도이다. 광학 계측 시스템(40)은 계측 플랫폼(55) 상에 장착된 웨이퍼(47)의 목표 주기적 구조물(59)에 빔(43)을 투사하는 계측 빔 소스(41)로 구성된다. 계측 빔(43)은 목표 주기적 구조물(59)을 향해 입사각(θ)으로 투사된다. 회절된 빔(49)은 계측 빔 수신기(51)에 의해 측정된다. 회절된 빔 데이터(57)는 계측 프로파일러 시스템(53)에 전송된다. 계측 프로파일러 시스템(53)은, 목표 주기적 구조물의 프로파일 파라미터들 및 분해능의 가변 조합들을 나타내는 계산된 회절 빔 데이터들의 라이브러리에 대해 측정 회절 빔 데이터(57)를 비교한다. 측정 회절 빔 데이터(57)와 가장 매칭하는 라이브러리 인스턴스가 선택된다. 선택된 라이브러리 인스턴스의 프로파일 및 관련 패턴 크기들은 목표 주기적 구조물(59)의 피쳐들의 단면 프로파일 및 패턴 크기들에 해당한다. 광학 계측 시스템(40)은 반사법, 타원법, 또는 다른 광학 계측 장치를 사용하여 회절된 빔 또는 스펙트럼을 측정할 수 있다. 광학 계측 시스템은 Jakatdar 등에 의해 2000년 11월 28일자 제출된 "System and Method for Real-Time Library Generation of Grating Profiles"라는 명칭의 공동 계류중인 미국 특허 출원 제 09/727,530 호에 개시되어 있으며, 이는 그 전체가 여기에 참조로 포함된다.
도 2a는 프로파일 라이브러리 내의 인스턴스들의 회절 스펙트럼 그래프와 비교되는 측정 회절 스펙트럼 그래프를 나타낸다. 나노미터(㎚)의 파장이 X 축으로 도시되고, 회절 스펙트럼의 타원 미터 측정값인 코사인(△)이 Y 축에 도시된다. 프로파일 라이브러리는 웨이퍼 내의 CD의 범위 및 구조물의 다른 프로파일 파라미터들과 함께 생성된다. 프로파일 라이브러리의 인스턴스들의 개수는 특정 분해능에서 다양한 CD 및 다른 프로파일 파라미터들의 조합의 함수이다. 예를 들어, 구조물에 대한 상부 CD의 범위는 100 내지 300 ㎚가 되며, 특정 분해능은 10 ㎚이다. 구조물의 다른 프로파일 파라미터들과 조합하여, 프로파일 라이브러리의 하나 이상의 인스턴스가 100 ㎚ 상부 CD에서 시작하여 300 ㎚가 될 때까지 10 ㎚ 증분하여 생성된다. 프로파일 라이브러리 생성에 사용되는 파라미터의 상세한 설명에 대해서는, Jakatdar 등에 의해 2000년 11월 28일자 제출된 "System and Method for Real-Time Library Generation of Grating Profiles"라는 명칭의 공동 계류중인 미국 특허 출원 제 09/727,530 호를 참조하며, 이는 참조로써 포함되어 있다. 예를 들어, 사다리꼴 프로파일에 대한 프로파일 라이브러리의 인스턴스는 회절 스펙트럼, 및 상부 CD, 하부 CD 및 높이를 포함하는 프로파일 파라미터를 갖는다. 도 2a에는, 주어진 분해능에서의 프로파일 파라미터 세트를 나타내는 라이브러리 스펙트럼(63) 및 동일한 분해능에서의 다른 프로파일 파라미터 세트를 갖는 다른 라이브러리 스펙트럼(65)이 도시된다. 측정 스펙트럼(61)은 라이브러리 스펙트럼(63, 65)과 아주 근접한다. 본 발명의 특징 중 하나는 측정 회절 스펙트럼(61)과 프로파일 라이브러리에 공지되어 있는 값들을 기초로, 측정 회절 스펙트럼(61)에 해당하는 프로파일을 결정하는 것이다.
도 2b는 프로파일 라이브러리 내의 인스턴스들의 프로파일과 비교되는 측정 주기적 구조물의 구조물 프로파일을 나타낸다. 사다리꼴 구조물의 라이브러리 프로파일(71)은 다른 비슷한 라이브러리 프로파일(75)과 함께 설명한다. 측정 회절 스펙트럼은, 라이브러리 프로파일(71, 75)과 아주 근접한 프로파일 파라미터를 가지며 점선으로 나타낸 프로파일(73)에 해당한다. 본 발명의 특징 중 하나는 측정 회절 파라미터에 해당하는 프로파일 파라미터를 결정하는 것이며, 이는 측정 회절 스펙트럼 및 프로파일 라이브러리로부터 선택된 데이터 또는 시뮬레이션 기술을 이용하여 유도된 데이터를 기초로 한다. 예로서, 라이브러리 프로파일(71)은 라이브러리 스펙트럼(63)과 대응하고, 라이브러리 프로파일(75)은 라이브러리 스펙트럼(65)과 대응하는 것으로 가정한다. 도 2a에 나타낸 바와 같이, 라이브러리 스펙트럼(63 또는 65)은 측정 스펙트럼(61)과 정확히 매치한다. 이로써, "최적 매치" 알고리즘을 기초로 하는 대부분의 종래 시스템에서는, 스펙트럼(63) 또는 스펙트럼(65) 중 하나가 가장 근접한 매치로써 선택된다. 그러나, 이는 일정량의 오차를 발생시킨다. 예를 들어, 라이브러리 스펙트럼(65)이 측정 스펙트럼(61)에 대한 매치로서 선택된다고 가정한다. 이 경우, 라이브러리 프로파일(75)이 주기적인 격자의 실제 프로파일을 나타내는 것으로서 선택된다. 그러나, 도 2b에 나타낸 바와 같이, 라이브러리 프로파일(75)과 주기적인 격자의 실제 프로파일(즉, 측정 스펙트럼(73)의 프로파일) 사이에는 차이/오차가 있다. 한 가지 해결 방법은 라이브러리 스펙트럼이 측정 스펙트럼과 보다 근접하게 매치되도록 라이브러리의 분해능을 높이는 것이다. 그러나, 이는 라이브러리의 사이즈를 증가시켜, 라이브러리의 생성, 라이브러리의 저장, 및 라이브러리의 검색에 보다 많은 시간 및 연산을 필요로 한다는 이점을 갖는다. 이로써, 후술하는 바람직한 실시예에서는, 프로파일 세분화 처리가 이용되어 기존 라이브러리 스펙트럼/프로파일 및 측정 스펙트럼을 기초로 보다 근접한 매칭 스펙트럼/프로파일을 측정한다.
도 3은 본 발명의 바람직한 실시예에서 라이브러리 데이터 포인트들 사이의 특정 비선형 범위를 확보하기 위한 동작 단계의 흐름도이다. 데이터 포인트는 관련 스펙트럼을 갖는 프로파일 파라미터 세트이다. 프로파일 파라미터 세트 및 관련 스펙트럼들이 라이브러리의 형태로 만들어지면, 라이브러리 데이터 포인트라는 용어가 사용된다. 본 발명의 원리 및 개념은 데이터 체계화 방법에 상관없이 적용하는 것으로 이해되어야 한다. 데이터 포인트 세트는 한 마디로 프로파일 데이터 공간 또는 데이터 공간이다.
선형성의 개념은 통상적으로 X-Y 축 상에서 45도의 직선 그래프로 설명된다. 따라서, 2개의 변수(X, Y)는 선형 관계를 가지며, X의 증가에 따라 Y가 상응하여 증가하고, X와 Y의 관계는 그래프 상에서 직선으로 나타낼 수 있다. 본 출원에서는, 선형성 대신에, 더욱 근접하게 매칭하는 프로파일 파라미터와 스펙트럼을 결정하는데 사용되는 세분화 처리 과정으로부터 일관되고 반복적인 결과를 얻도록 보장하기 위해서, 데이터 포인트들 간의 비선형 범위로 제어된다. 소정의 변수에 대해, 비선형 범위는, 변수들의 관계가 선형적인 경우, 동일한 변수값에 대한 계산된 값의 편차로서 측정될 수도 있다. 본 실시예에서 라이브러리 데이터 포인트의 비선형 범위는 프로파일 파라미터의 실제 변량으로부터 프로파일 파라미터의 계산된 변량의 차로서 나타내며, 이에 대해서는 후술한다. 또한 본 실시예는 프로파일 라이브러리 생성에 사용되는 각각의 프로파일 파라미터에 대한 세분화 분해능을 이용함으로써, 특정 비선형 정도가 확실히 존재하게 한다. 또한, 예시에 의해 후술하는 바와 같이, 세분화 분해능은 데이터 포인트들 사이의 특정 비선형 정도를 유지하면서 프로파일 라이브러리의 생성에 사용될 수 있는 프로파일 파라미터 분해능의 최대값이다. 데이터 포인트들 사이의 특정 비선형 정도로 생성되는 프로파일 라이브러리는 계산된 세분화 프로파일 파라미터가 특정 최대 편차 또는 임계 편차를 초과하지 않도록 프로파일 파라미터의 세분화를 가능하게 한다. 예를 들어, CD 폭 및 높이로 구성된 프로파일 파라미터 세트에 대해, 제조 작업에 특정화된 임계 편차는 IC 구조물의 CD 폭 및 높이에 대해 각각 1.5 ㎚ 및 2㎚가 되며, 다시 말하면, 이 구조물은 구조물의 설계 속성에 영향을 주지 않고 이러한 양만큼 변화할 수 있다. 본 실시예는 CD 폭 및 높이에 대한 최대 분해능을 계산하여, 생성된 라이브러리를 이용하여 계산된 세분화 프로파일 파라미터의 편차 또는 오차가 예를 들어 각각 1.5 ㎚ 및 2 ㎚를 초과하지 않도록 라이브러리를 생성한다.
도 3을 참조하면, 프로파일 라이브러리의 각각의 프로파일 파라미터에 대한 특정 비선형 범위가 설정된다(130). 상술한 바와 같이, 일 실시예는 원하는 비선형 범위를 특정하기 위해 프로파일 라이브러리의 각각의 프로파일 파라미터에 대해 임계 편차를 설정하는 개념을 이용한다. 임계 편차는 소자 또는 회로의 설계 속성을 변경하지 않으면서 구조물 프로파일 파라미터 명세로부터 허용되는 최대 편차가 된다. 혹은, 임계 편차는 IC 구조물 및 웨이퍼의 사용자들에 의해 그들의 요구 조건을 기초로 설정된 값이다. 각각의 프로파일 파라미터에 대해, 특정 비선형 범위를 기초로 세분화 분해능이 계산된다(160). 비선형 범위가 임계 편차로서 표현되는 경우에 세분화 분해능을 측정하는 전형적인 방법 중 하나는 감도 행렬를 이용하여 프로파일 파라미터 변량을 계산하고 계산된 프로파일 파라미터 변량을 그 프로파일 파라미터에 대해 설정된 임계 편차와 비교하는 것이다. 하기의 단계들이 그 과정을 설명한다:
1) 프로파일 라이브러리에 대한 프로파일 파라미터 세트(P)가 주어지면(P = (P1, P2, ... Pk)), 벡터로 표현된 각각의 프로파일 파라미터의 임계 편차를 설정한다:
임계 편차 T = (T1, T2, ... Tk)
여기서 K는 프로파일 파라미터 차원 개수이다.
2) 다음과 같이, 프로파일 파라미터 세트(PSET0)를 선택한다:
PSET0 = (P1, ... PL-1, PL, PL+1, ... Pk) (1.00)
여기서 L은 1 내지 K의 임의의 프로파일 파라미터이다.
3) 선택된 프로파일 파라미터(PSET0)를 이용하여 IC 구조물의 회절 스펙트럼을 시뮬레이션하여, 회절 스펙트럼(S0)을 생성한다.
4) 선택된 세트(PSET0) 중 하나의 프로파일 파라미터(PL)를 선택하고, 선택된 프로파일 파라미터(PL)를 소량(βL)만큼 증분하여, 새로운 세트(PINCR)를 지정한다. 예를 들어, PL은 CD 폭이며, CD 폭은 100 내지 300 ㎚ 범위일 수 있는 한편, 증분(βL)은 1 또는 2 ㎚일 수 있다. 그러나, 프로파일 파라미터에 대한 증분은 특정 제조 작업에 대한 이전의 라이브러리 생성 프로세스로부터의 경험에 따라 달라진다.
삭제
5) 프로파일 파라미터 세트(PINCR)로 IC 구조물의 회절 스펙트럼을 시뮬레이션하여, 회절 스펙트럼(SL)을 생성한다.
6) 프로파일 파라미터의 변량(δP)에 대응하는 스펙트럼 변량(δS)의 감도를 계산한다.
Figure 112007080910010-pct00001
(1.20)
여기서, SL은 길이(N)의 열 벡터이며, N은 계측 장치에서 수행되는 각각의 측정에 대한 스펙트럼 데이터 포인트의 수이다.
7) 다른 프로파일 파라미터들 중 하나를 소량의 증분(α), 예를 들어 α= 0.2 ㎚ 만큼 변화시킨다. 소량의 증분(α)은 경험적인 데이트에 좌우되고 일반적으로 이를 기초로 하는 어플리케이션인 한편, 소량의 증분(α)은 일반적으로 프로파일 증분(βL)의 미소량이다.
8) 나머지 프로파일 파라미터는 일정하게 유지하며, 변경된 프로파일 파라미터를 이용하여 회절 스펙트럼을 시뮬레이션하여, 회절 스펙트럼(Si)을 생성한다. 다른 모든 프로파일 파라미터에 대해 이 단계를 반복한다. 프로파일 파라미터(i)에 대해 일반적인 형태의 식은 다음과 같다:
Figure 112007080910010-pct00002
(1.40)
여기서, δSi는 프로파일 파라미터 변량(δPi)에 의해 유도되는 회절 스펙트럼의 변량이며, Si는 길이(N)의 열 벡터이고, N은 계측 장치에서 수행되는 각각의 측정에 대한 스펙트럼 데이터 포인트의 수이다.
9) 상술한 단계들에서 계산된 값들을 대입하여 감도 행렬(J)을 연산한다:
Figure 112007080910010-pct00003
(1.60)
여기서 S1은 길이(N)의 열 벡터이고, S2는 길이(N)의 열 벡터이며, N은 계측 장치에서 수행되는 각각의 측정에 대한 스펙트럼 데이터 포인트의 수이다.
10) 프로파일 파라미터 세트를 이용하여 회절 스펙트럼을 시뮬레이션한다:
P = (P1, ... PL-1, (PL + βL/2), PL+1, ... Pk) (1.80)
이로써 회절 스펙트럼(S)을 생성한다.
11) 위에서 계산된 감도 행렬(J) 및 식(δS = S - S0)으로부터의 새로운 δS 값을 이용하여, 다음과 같이 δP를 계산한다:
δP = (JTJ)-1JTδS (2.00)
이로써 δP = (b1, ... bL-1, bL, bL+1, ... bk)를 산출한다.
여기서 b1은 프로파일 파라미터(P1) 변량의 계산된 값이며, bL은 프로파일 파라미터(PL) 계산된 값이 되는 등이다.
도 3을 참조하면, 상기 단계들을 이용하여 계산된 세분화 분해능 또는 분해능들로 생성된 프로파일 라이브러리의 비선형 범위가 테스트되어, 이들이 특정 비선형 범위를 만족시키는지 여부(165)를 알 수 있다. 선형성 테스트 요구사항이 충족되지 않으면, 정정 조치가 적용된다(170)
선형성 테스트를 수행하는 것과 정정 조치를 적용하는 것의 예는, 임계 편차를 사용하는 기술에 대하여 이하에서 설명된다.
계산된 δP이 δP의 이상값과 비교되고, δP의 이상값과 δP의 계산값의 차이의 절대값이 임계 편차보다 작은지 또는 같은지를 확인하기 위하여 테스트 된다. δP의 프로파일 파라미터에 대한 이상값들은 PL과 다른 파라미터들에 대해서는 0이며, 프로파일 파라미터 PL에 대해서는 βL의 반이다. 방정식으로 표현하면, 선형성 테스트는 다음과 같다:
δP의 이상값 = (0,...βL/2,... 0)
비교 ｜0 - b1｜≤T1
.
.
｜βL/2 - bL｜≤TL
.
.
｜0 - bk｜≤Tk (2.10)
방정식(2.10)의 비교가 참이면, 즉 프로파일 파라미터(PL)에 대한 최대 임계 편차를 초과하지 않으면, βL의 값을 증분한다. 예를 들어, βL는 1nm으로 증분될 수 있다. 비교가 거짓이 될 때까지 5에서 12단계들을 반복하고, 비교가 참인 마지막 βL값을 취하면, 이 βL값은 프로파일 파라미터(PL)에 대한 세분화 프로파일 분해능이다.
13) 나머지 프로파일 파라미터들에 대하여 1에서 12 단계들을 반복하고 세분화 프로파일 분해능을 저장한다.
다시 도 3을 참조하면, 계산된 세분화 분해능을 사용하여, 프로파일 라이브러리가 프로파일 파라미터들의 범위에 대하여 생성된다(180). 예를 들어, CD 폭은 100 내지 200㎚의 범위를 가질 수 있으며, 특정 임계 편차를 만족하는 CD 폭의 세분화 분해능은 4㎚일 수 있다.
프로파일 파라미터의 세분화 분해능들을 결정하기 위한 다른 실시예는, 선형성 요구사항이 만족되기 위하여 하나 이상의 세분화 분해능이 요구됨을 인식한다. 이 접근은 프로파일 파라미터들의 전체 범위에 있어서, 다른 분해능들이 적용될 수 있음을 인식한다. 따라서, 프로파일 파라미터들의 전체 범위는 여러 부분들로 분할된다. 각 부분에서, 세분화 프로파일 파라미터 분해능들이 위에서 설명된 방법과 유사하게 결정된다. 프로파일 라이브러리를 생성하기 위하여 하나의 세분화 분해능 세트를 사용하는 대신, 프로파일 파라미터 부분에 대해 특정된 세분화 분해능 세트가 사용된다. 이전 예를 사용하면, CD 폭는 100 내지 300㎚의 범위를 가질 수 있으며 CD 폭의 세분화 분해능은 100-200㎚의 제 1 부분에 대해서는 3㎚일 수 있으며, 201-250㎚의 제 2 부분에 대해서는 2.5㎚일 수 있으며, 251-300㎚의 제 3 부분에 대해서는 1.8㎚일 수 있다. 다른 기술들 또는 알고리즘들이 선형성 테스트를 수행하거나 또는 라이브러리의 프로파일 데이터 포인트 세트가 선형성 요구사항들을 만족시키는 것을 보장하는데 사용될 수 있음이 당업자에게 이해된다.
도 4A에서 도 11은 본 발명에서 사용되는 개념들과 원리들을 설명하고 도시하기 위하여 광 계측장치를 사용한다. 위에서 언급한 바와 같이, 설명되는 개념들과 원리들은 전자, 전기, 및 기계적 계측 시스템들과 같은 다른 계측 시스템들에 적용된다.
도 4A는, 측정 회절 스펙트럼들과 비교된 프로파일 라이브러리의 선택된 스펙트럼 데이터 포인트들의 비용 함수(cost function)을 최소화하고 본 발명의 설명적 실시예들의 가중 벡터(weighting vector)를 이용함으로써, 프로파일 세분화를 위한 단계들의 흐름도이다. 프로파일 세분화 과정은 특정 비선형 범위를 갖는 라이브러리를 생성시킨 후에 수행된다. 측정 회절 스펙트럼(SM)이 프로파일 라이브러리 내의 스펙트럼과 비교되어, 최적 매치 스펙트럼(S0)이 선택된다(200). 최적 매치 라이브러리 스펙트럼과 관련된 프로파일 파라미터들이 추출된다(210). 최적 매치 라이브러리 스펙트럼과 관련된 프로파일 파라미터들을 나타내는 데이터 포인트는 P0로 명시된다.
측정 회절 스펙트럼들과 비교된 프로파일 라이브러리의 선택된 스펙트럼 데이터 포인트들의 전체 비용 함수가 계산된다. 전체 비용 함수는 가중 계수를 사용하여 최소화된다. 스펙트럼 데이터 포인트들의 선택은 실시예들에 따라 변화된다. 하나의 실시예에서, K-차원 다면체가 프로파일 파라미터들의 데이터 공간에서 선택되는데, 그 다면체는 최적 매치 라이브러리 스펙트럼의 프로파일 파라미터들을 포함하도록 구성되며, 다면체의 모서리 또는 꼭지점이 선택된 프로파일 파라미터 데이터 포인트에 대응되도록 구성된다. 앞서 정의된 바와 같이, 데이터 포인트는 프로파일 파라미터들과 관련 스펙트럼들의 세트를 나타내며, 데이터 공간은 데이터 포인터들을 집합이다. K-차원 다면체에 대한 프로파일 파라미터 데이터 포인터들의 선택은, 최적 매치 라이브러리 스펙트럼과 관련된 프로파일 파라미터들의 인접 값들을 선택함으로써 이루어지는데, 도 4B에서 도시된 바와 같이, 그 인접 값들은 측정 스펙트럼과 데이터 포인트와 관련된 스펙트럼 사이에 보다 작은 스펙트럼 변동을 야기하는 방향으로 선택된다. 도 4B를 참조하여, 2개의 프로파일 파라미터들, 즉 CD 폭 P1과 높이 P2가 사용되는 직사각형인 IC 구조물의 간단한 프로파일을 가정한다. PR은 세분화된 또는 계산된 파라미터 데이터 포인트이며, PM은 측정 스펙트럼(SM)에 대응되는 실제 파라미터 데이터 포인트이다. 최적 매치 스펙트럼(S0)(미도시)과 관련된 최적 매치 스펙트럼 데이터 포인트(P0)는 다른 프로파일 파라미터 데이터 포인트들을 선택하기 위한 출발점이다. Y축의 프로파일 파라미터(P1)의 경우, P0의 인접값들은 양의 방향으로는 P1+이며 음의 방향으로는 P1-이다. P1+ 및 P1-에 대한 관련 스펙트럼들(미도시)은 각각 S1+ 및 S1-이다. 만일 측정 스펙트럼(SM)과 비교된 S1-의 비용 함수에 비하여 측정 스펙트럼(SM)과 비교된 S1+의 비용함수가 더 작다면, P1+가 CD 폭 P1에 대한 데이터 포인트로 선택되며, 그렇지 않다면 P1-가 선택된다. 유사한 분석이 프로파일 파라미터 P2에 대해서 이루어지며, 이 예에서는, 높이 P2에 대하여 프로파일 파라미터 데이터 포인트 P2-가 선택된다. 본 예에서, 다면체는 측정 파라미터 데이터 포인트(PM)을 포함하며 P0, P1+ 및 P2-의 모서리를 갖는 삼각형 공간이다.
예를 들어, 7개의 프로파일 파라미터들을 요구하는 보다 복잡한 프로파일에 대하여, K는 7이며, 8개의 모서리들(K+1)을 갖는 다면체는 6면체이다. 유사한 단계들의 세트가 K 값과 무관하게 프로파일 파라미터들의 인접 데이터 포인트들을 선택하는데 적용된다. 예시에서는 사각형 프로파일이 자주 사용되지만, 본 발명의 개념들과 원리들은 다른 프로파일, 예를 들어 상부가 둥글고, 하부가 푸팅(footing) 되고, T-토핑(topping) 되고, 언더컷팅(undercuting) 되며, 일직선이거나 오목 또는 볼록형 측벽들을 갖는 비-사다리꼴(non-trapezoidal) 프로파일 및 다양항 형태의 조합과 구성 특성을 갖는 비-사다리꼴 프로파일에도 적용될 수 있다.
도 4A를 참조하여, 측정 회절 스펙트럼에 대한 최적 매치 스펙트럼의 비용 함수, 및 측정 회절 스펙트럼에 대한 선택된 데이터 포인트들과 관련된 스펙트럼들의 비용 함수가, 가중 벡터를 조절함으로써 최소화된다(230). 본 실시예에 대한 비용 함수를 최소화하는 방정식은:
Figure 112007080910010-pct00004
(2.20)
Figure 112007080910010-pct00005
(2.40)
Figure 112007080910010-pct00006
(2.60)
이며, 여기서
Figure 112004036109232-pct00007
여기서 C는 전체 비용 함수이며,
K는 프로파일 파라미터 차원의 갯수이고,
N은 계측 디바이스로 수행된 각각의 측정에 대한 스펙트럼 데이터 포인트들의 갯수이며,
S는 회절 스펙트럼, S0는 최적 매치 스펙트럼, S1는 제 1 프로파일 파라미터의 선택된 값과 관련된 스펙트럼이며, SK까지 계속되고, SM은 측정 스펙트럼이며,
W는 가중 벡터이다.
가중 벡터(W)는 방정식
Figure 112007080910010-pct00008
으로 주어지는데, 여기서 W0는 최적 매치 데이터 포인트에 대한 가중치이며, W1은 제 1 프로파일 파라미터 데이터 포인트의 가중치이고, 이와 같이 계속된다. i가 1, 2 또는 임의의 정수인 경우의 임의의 벡터(V)의 평균값은 방정식
Figure 112004036109232-pct00009
에 의해 길이 M에 대해 주어진다.
가중 벡터 값의 최적화에는 2개의 제한사항이 있는데, 첫째로 방정식(1.20)에서 가중 벡터들의 합은 1이어야만 하며, 둘째로, 방정식(1.30)에서 가중 벡터의 값은 0 이상 일 수 있다.
도 4A를 참조하여, 다음의 방정식에서 표현된 바와 같이, 프로파일 파라미터들의 전체 비용 함수를 최소화하는 가중 벡터를 사용함으로써 세분화 프로파일 파라미터들이 계산된다.
Figure 112004036109232-pct00010
여기서, PR은 세분화 프로파일 파라미터들을 나타내는 벡터이고, P0는 최적 매치 스펙트럼의 프로파일 파라미터들을 나타내는 벡터이고, P1 및 PK는 다면체의 제 1 및 K번째 모서리들의 프로파일 파라미터들을 나타내는 벡터이다. 직사각형 프로파일의 예에 대하여 계속하면, 세분화 프로파일 파라미터들은 방정식
Figure 112004036109232-pct00011
에 의하여 주어진다.
또하나의 실시예에서, 다른 갯수의 모서리를 갖는 다른 다면체가 사용된다. 도 4A를 참조하여, 다면체 모서리들에 대한 프로파일 파라미터 데이터 포인트들의 선택은 최적 매치 라이브러리 스펙트럼과 관련된 프로파일 파라미터들의 인접값들을 선택함으로써 이루어진다(225). 도 4c를 참조하면, 두 개의 프로파일 파라미터들을 갖는 이전의 예의 직사각형 구조물 프로파일, 즉 폭이 P1이고 높이가 P2인 CD를 가정한다. 도 4C를 참조하면, PR은 세분화된 또는 계산된 파라미터 데이터 포인트임에 반하여 PM은 측정 스펙트럼에 대한 실제 파라미터 데이터 포인트이다(미도시). 최적 매치 스펙트럼(S0)(미도시)과 관련한 최적 매치 프로파일 파라미터 포인트(P0)는 다른 프로파일 파라미터 데이터 포인트들을 선택하기 위한 시작 포인트이다. Y-축에서 프로파일 파라미터(P1)의 경우에, 양의 방향과 음의 방향으로 이웃하는 값들(P1+, P1-)이 선택된다. 유사하게, X-축에서 양의 방향과 음의 방향으로 이웃하는 값들(P2+, P2-)이 선택된다. 측정 포인트(PM)과 모서리에서 선택된 네 개의 이웃하는 값들을 포함하도록 다면체가 구성된다. K의 값과 무관하게, 유사한 단계들의 세트가 프로파일 파라미터들의 이웃하는 데이터 포인트들을 선택하기 위해 제공된다. 측정 회절 스펙트럼에 대한 최적 매치 스펙트럼의 비용 함수, 및 측정 회절 스펙트럼에 대한 선택된 데이터 포인트들과 관련한 스펙트럼들의 비용 함수가, 가중 벡터(235)를 조절함으로써 최소화된다. 방정식에서:
Figure 112007080910010-pct00012
(4.00)
이고,
Figure 112007080910010-pct00013
(4.20)
이며,
Figure 112007080910010-pct00014
(4.40)
이며, 여기서
Figure 112004036109232-pct00015
(4.60)
이며, 여기서:
C는 전체 비용 함수이고,
K는 프로파일 파라미터 차원들의 개수이고,
N은 계측 장치에 의해 수행된 각각의 측정값에 대한 스펙트럼 데이터 포인트들의 수이며,
S는 회절 스펙트럼이고, S0은 최적 매치 스펙트럼이며, S1+는 양의 방향으로 제 1 프로파일 파라미터의 선택된 값과 관련한 스펙트럼이고, S1-는 음의 방향으로 제 1 프로파일 파라미터의 선택된 값과 관련한 스펙트럼이고, 이렇게 S2K까지 계속되며, SM은 측정 스펙트럼이고,
W는 가중 벡터이다.
가중 벡터의 값의 최적화는 두 개의 제한 사항에 영향을 받는데, 즉 첫째는 가중 벡터의 합이 1이 되어야 하고 두번째는 가중 벡터의 값이 0이상일 수 있다는 것이다. 세분화 프로파일 파라미터들은 전체 비용 함수를 최소화하는 가중 벡터를 사용함으로써 계산된다(255). 직사각형 프로파일의 예에서 계속해서, 세분화 프로파일 파라미터들은 다음 방정식에서 주어진다:
Figure 112007080910010-pct00016
(4.80)
여기서 PR은 세분화 프로파일 파라미터들을 나타내는 벡터이고, P0는 최적 매치 스펙트러의 프로파일 파라미터들을 나타내는 벡터이며, P1+과 P1-는 양의 방향과 음의 방향으로 각각 제 1 프로파일 파라미터의 프로파일 파라미터들을 나타내는 벡터들이고, P2+와 P2-는 양의 방향과 음의 방향으로 각각 제 2 프로파일 파라미터의 프로파일 파라미터들을 나타내는 벡터들이며, 이렇게 계속되며, W0, W1+, W1-, W2+, 및 W2-들은 프로파일 파라미터 포인트들의 대응하는 가중 팩터들이다.
도 5A는 본 발명의 바람직한 실시예에서 감도(sensitivity) 분석을 사용하여 프로파일 세분화를 위한 동작 단계들의 흐름도이다. 프로파일 세분화 프로세스는 특정 비선형 범위를 갖는 라이브러리를 형성한 후에 수행된다. 구조물의 측정 회절 스펙트럼은 프로파일 라이브러리의 스펙트럼들과 비교되고 최적 매치 스펙트럼이 선택된다(300). 최적 매치 프로파일 라이브러리 스펙트럼과 관련한 프로파일 파라미터들이 추출된다(310).
실시예에서, 감도 행렬 방정식은 최적 매치 프로파일 파라미터들을 세분화 프로파일 파라미터들로 변환시키도록 조절 값을 찾는데 사용된다. 감도 행렬에 대한 기본 방정식(J)은:
Figure 112007080910010-pct00017
(5.00)
여기서:
S는 광학 계측장치에 의해 측정 회절 스펙트럼이고,
Figure 112004036109232-pct00018
는 P의 변화에 의해 유발된 회절 스펙트럼의 변화이고,
P는 프로파일 파라미터들을 나타내고,
Figure 112004036109232-pct00019
는 프로파일 파라미터 값의 변화이며,
K는 프로파일 파라미터 차원의 개수이고,
N은 계측 장치에 의해 수행된 각각의 측정값에 대한 스펙트럼 데이터의 개수이며,
S=(S1,S2, ... SN)이며, 여기서 S1은 측정 포인트(1)에서 측정 회절 스펙트럼이고, S2는 측정 포인트(2)에서 측정 회절 스펙트럼이고, 이렇게 계속되며,
P=(P1,P2, ... PK)이며, P1은 제 1 프로파일 파라미터이고, P2는 제 2 프로파일 파라미터이며, 이렇게 계속된다. 감도 행렬 방정식을 전개하는 것은 다음과 같이 얻어진다:
Figure 112007080910010-pct00020
(5.20)
여기서 S1은 길이(N)의 열 벡터이고, S2는 길이(N)의 열 벡터이다.
감도 행렬의 값(J)작은 양만큼 하나의 프로파일 파라미터를 바꿈으로써 계산되지만 다른 파라미터들은 일정하게 유지시키고 프로파일 파라미터의 변화의 결과로서 스펙트럼의 증가 변화를 계산한다(320). 이러한 프로세스는 모든 다른 프로파일 파라미터들에 대해 반복되며, 일반적인 방정식은 다음과 같다:
Figure 112004036109232-pct00021
(5.40)
여기서 i는 계측 장치에 의해 수행된 측정값에 대한 1 내지 N 사이의 스펙트럼 데이터 포인트이고, j는 1 내지 K 사이의 프로파일 파라미터 크기이고, Jij는 프로파일 파라미터(j)의 변화에 대응하는 감도 행렬의 값이며,
Figure 112007080910010-pct00022
는
Figure 112007080910010-pct00023
의 변화에 대응하는 스펙트럼의 변화이다.
Figure 112007080910010-pct00024
는 최적 매치 스펙트럼 S0과 S' 사이의 차이이며, 여기서 S'는 하나의 선택된 프로파일 파라미터에 대해 증가 변화를 고려한 프로파일 파라미터 세트의 값에 대하여 광학 계측 시뮬레이션 기술을 사용하여 계산된 스펙트럼이다. 광학 계측 기술을 사용하여 스펙트럼을 계산하는 프로세스는 "빠르고 정밀한 결합파 분석을 위한 내부 층 계산의 캐싱(Caching of Intra-Layer Calculations for Rapid Rigorous Coupled-Wave Analyses)"이란 제목으로 니우(Niu) 등에게 부여된 2001년 1월 25일자 출원되어 공동계류중인 미국 특허 출원 번호 09/764,780호에 개시되어 있으며, 상기 출원은 본 명세서에서 참조로 포함된다.
도 5B는 본 발명의 실시예에서 감도 분석을 이용한 프로파일 세분화 그래프이다. 프로파일 라이브러리(111)가 두 개의 프로파일 파라미터들을 갖는 구조물로 가정된다면, 도는 Y-축과 X-축에서 각각 프로파일 파라미터(P1, P2)의 그래프를 포함한다. 그래프에서 모든 데이터 포인트는 해당하는 회절 스펙트럼(미도시)을 갖는 프로파일 파라미터 세트를 나타낸다. 예컨대, P0는 최적 매치 스펙트럼(S0)의 프로파일 파라미터들을 나타내고, PM은 측정 스펙트럼(SM)의 프로파일 파라미터들을 나타내며, P1+는 스펙트럼(S1+)의 프로파일 파라미터(P1)의 양의 방향으로 이웃하는 데이터 포인트의 프로파일 파라미터들을 나타내며, P1-은 스펙트럼(S1-)의 프로파일 파라미터(P1)의 음의 방향으로 이웃하는 데이터 포인트의 프로파일 파라미터들을 나타내고, 이렇게 계속된다. 상기 예와 도 7B를 참조하면,
Figure 112007080910010-pct00025
는 양의 방향으로 증가될 때 프로파일 파라미터(P1)의 변화이며
Figure 112007080910010-pct00026
는 음의 방향으로 증가할 때 프로파일 파라미터(P2)의 변화이다. 본 발명의 원리와 개념은 두 개의 프로파일 파라미터들 보다 많은 경우에 적용될 수 있다.
최적 매치 스펙트럼(S0)과 측정 스펙트럼(SM) 사이의 차이가 계산된다(340). 세분화 프로파일 파라미터들(PR)이 감도 행렬 값 및 최적 매치 스펙트럼과 측정 스펙트럼 사이의 차이를 이용하여 계산된다(350).
P의 변화에 의해 유발된 S의 변화가 선형인 실시예에서,
Figure 112007080910010-pct00027
과
Figure 112007080910010-pct00028
는 각각
Figure 112007080910010-pct00029
과
Figure 112007080910010-pct00030
만큼 접근한다. 기본 감도 행렬 방정식을 이용하고
Figure 112007080910010-pct00031
과
Figure 112007080910010-pct00032
를 대입한 것을 방정식에 적용한다:
Figure 112007080910010-pct00033
(5.60)
여기서:
Figure 112007080910010-pct00034
(5.70)
Figure 112007080910010-pct00035
(5.80)
Figure 112007080910010-pct00036
는 다음의 방정식을 사용하여 계산된다:
Figure 112007080910010-pct00037
(5.90)
여기서 J는 이전 단계에서 계산된 감도 행렬이고
Figure 112007080910010-pct00038
는 측정 스펙트럼과 최적 매치 라이브러리 스펙트럼 사이의 차이이다. 세분화 프로파일 파라미터들(PR)의 값은 아래 식으로 주어진다:
Figure 112004036109232-pct00039
(6.00)
여기서 P0는 최적 매치 스펙트럼과 관련한 프로파일 파라미터들을 나타내고
Figure 112007080910010-pct00040
는 이전 단계에서 유도된 조절 값이다.
도 6은 본 발명의 실시예에서 프로파일 라이브러리 인스턴스들의 클러스터링을 사용하여 프로파일 세분화를 위한 동작 단계들의 흐름도이다. 이상과 같이, 프로파일 세분화 프로세스는 비선형의 특정 범위를 갖는 라이브러리를 형성한 후에 수행된다. 프로파일 라이브러리에 대한 클러스터들의 수가 결정된다(400). 프로파일 라이브러리의 프로파일 예들은 클러스터링 알고리즘을 이용하여 클러스터들의 수로 그룹화된다(410). 각각의 프로파일 클러스터의 대표가 선택된다(420). 프로파일 라이브러리 인스턴스들을 클러스터링하고 각각의 프로파일 클러스터의 대표를 선택하는 프로세스는 "격자 프로파일 분류(Grating Profile Classification)"이란 제목으로 도비(Doddi) 등에게 부여된 2000년 12월 14일자 출원의 공동 계류중인 미국 특허출원 제09/737,705호에 개시되어 있으며, 상기 출원은 본 명세서에서 참조로 포함된다.
도 6을 계속 참조하면, 프로파일 라이브러리 내 각각의 프로파일 파라미터에 대한 조정 곱셈 행렬이 유도된다(430). 일부 어플리케이션에서, 조정 곱셈 행렬은 선택된 클러스터 대표들을 따라 저장된다. 실시예는 아래 행렬 방정식의 X를 푸는 것이다:
Figure 112004036109232-pct00041
(7.00)
여기서:
A는 크기가 n'×n인 측정 스펙트럼 행렬이고, 상기 행렬의 각각의 행은 측정 스펙트럼 중 하나의 스펙트럼에 대응한다.
B는 크기가 n'×k인 프로파일 파라미터 행렬이고, 상기 행렬의 각각의 행은 하나의 프로파일 파라미터에 대응한다.
k는 프로파일 파라미터의 개수이다.
n은 광학 계측 장치에 의해 측정 포인트들의 개수이다.
n'는 n 이하의 수이다.
X는 크기가 n×k인 조정 곱셈 행렬이고, 상기 행렬의 각각의 행은 하나의 프로파일 파라미터에 대응한다.
측정 스펙트럼은 클러스터 대표들의 스펙트럼과 비교되고, 가장 근접한 매치가 선택된다(440). 가장 근접한 매칭 클러스터 대표와 관련된 조정 곱셈 행렬이 액세스 된다(450). 세분화 프로파일 파라미터들은 조정 곱셈 행렬 및 측정 스펙트럼 행렬을 사용하여 계산된다(460). 예를 들어, 사다리꼴 프로파일의 프로파일 파라미터 k가 3, 즉 최상부 CD, 바닥 CD, 및 높이와 같다고 가정한다. 부가하여, 계측 장치에 의해 사용된 파장의 범위에서 측정 포인트들의 개수는 53, 측정 스펙트럼은 H, 세분화 최상부 CD는 T, 그리고 T는 다음과 같다고 가정한다.
HX TOP-CD =T (7.20)
여기서, X TOP-CD는 최상부 CD에 대응하는 조정 곱셈 행렬의 행이고, 가장 근접한 매치 클러스터 대표와 관련된 조정 곱셈 행렬이다.
도 7은 본 발명의 예시적인 실시예에서 조정 곱셈기 및 비용 함수 최적화를 사용하는 프로파일 세분화를 위한 동작 단계들에 대한 흐름도이다. 이전과 같이, 프로파일 세분화 프로세스는 특정 비선형 범위를 가진 라이브러리를 형성한 이후에 수행된다. 개수는 선택 기준에 따라 세분화 계산을 위해 선택될 프로파일 라이브러리의 인스턴스들의 개수에 대응하도록 특정된다(500). 특정된 개수는 실행할 때마다 가변될 수 있다. 라이브러리 인스턴스들의 특정 개수는 선택 기준을 사용하여 선택된다(505). 프로파일 라이브러리 인스턴스들의 특정 개수의 선택은 측정 스펙트럼과의 근접성에 기초할 수 있다. 대안적으로, 선택은 최적 매치 스펙트럼과의 근접성에 기초할 수 있다. 선택된 라이브러리 스펙트럼 인스턴스들의 특정 개수의 프로파일 파라미터들이 액세스 된다(510). 스펙트럼의 행렬을 프로파일 파라미터들의 행렬로 변환하는 조정 곱셈기가 유도된다(520). 세분화 프로파일 파라미터들은 측정 회절 스펙트럼과 해당하는 조정 곱셈기를 곱함으로써 계산된다(530).
도 8은 본 발명의 예시적인 실시예에서 회귀 기반 방법을 사용하는 프로파일 세분화를 위한 사용단계들의 흐름도이다. 이전과 같이, 프로파일 세분화 프로세스는 특정 비선형 범위를 가진 라이브러리를 형성한 이후에 수행된다. 구조물의 측정 회절 스펙트럼은 회절 스펙트럼 및 관련 프로파일 파라미터들을 포함하는 데이터 공간 내 스펙트럼들과 비교되며, 여기서 데이터 공간 내의 최적 매치 스펙트럼이 선택된다. 데이터 공간 내의 최적 매치 스펙트럼과 관련된 프로파일 파라미터들이 추출된다(710). 측정 회절 스펙트럼 및 최적 매치 스펙트럼들을 포함하는 데이터 공간의 서브세트가 선택된다(720). 데이터 공간 서브세트는 다면체, 육면체, 또는 다른 3차원 형상과 같은 형상을 닮도록 구성될 수 있다. 데이터 공간 서브세트 내의 데이터 포인트가 선택되고(730), 선택된 데이터 포인트는 관련된 프로파일 파라미터 세트를 나타낸다. 선택된 데이터 포인트에 대응하는 프로파일 파라미터들을 가진 구조물의 시뮬레이팅된 회절 스펙트럼이 계산된다. 구조물을 벗어난 회절 스펙트럼의 예시적인 시뮬레이션은 2001년 1월 25일자로 Niu 등에 의해 출원된, 본원과 함께 계류중인 미국 특허 출원 제 09/764,780호, "고속의 엄밀한 결합파 해석을 위한 내부층 계산의 캐싱(Caching of Inra-Layer Calculations for Rapid Rigorous Coupled-Wave Analyses)"에 기재되어 있고, 상기 문헌은 본 명세서에 참조로서 통합된다.
여전히 도 8을 참조하면, 시뮬레이팅 회절 스펙트럼이 측정 스펙트럼과 비교되고, 그 결과들은 미리 설정된 기준들에 대해 평가된다(750). 예를 들어, 미리 설정된 기준들은 미리 설정된 에러 계측값 또는 적합도(goodness of fit; GOF)일 수 있거나, 또는 측정 회절 스펙트럼과 비교된 시뮬레이팅 회절 스펙트럼의 임의의 근접도 측정치일 수 있다. 당업계에 공지된 하나의 예시적인 매칭 테스트는 최소 제곱 에러 알고리즘(MinimumLeast Squares Error algorithm)이다. 다른 에러 계측 알고리즘들이 또한 사용될 수 있다. 계산된 에러 측정치가 미리 설정된 기준을 만족시키지 못한다면, 최적화 기술 또는 기술들이 데이터 공간 내 부가적인 데이터 포인트들을 선택하기 위해 사용되고(760), 시뮬레이팅된 회절 스펙트럼의 계산이 반복된다. 예시적인 최적화 기술들은 시뮬레이팅된 어닐링(annealing)과 같은 글로벌 최적화 기술들 및 최대 하강법 알고리즘과 같은 로컬 최적화 기술들을 포함한다. 구조물 프로파일 파라미터들에 대응하는 부가적인 데이터 포인트들을 생성하는 최적화 기술들의 사용은 Niu 등에 의해 2001년 8월 6일자로 출원되어 본 출원과 동시에 계류중인 미국 특허 출원 제 09/923,578호, "회귀 기반 라이브러리 생성 프로세스를 통한 동적 학습 방법 및 시스템(Method and Systemof Dynamic Learning Through a Regression-Based Library Generation Process"에 기재되어 있다.
여전히 도 8을 참조하면, 미리 설정된 기준을 만족시키는 시뮬레이팅된 회절 스펙트럼과 연관된 프로파일 파라미터들이 액세스되고, 이러한 값들은 세분화 프로파일 파라미털들이다(790).
도 9A는 본 발명의 예시적인 실시예에서 국부적 미세-분해능 세분화 라이브러리 방법을 사용하는 프로파일 세분화를 위한 동작 단계들에 대한 흐름도이다. 소정의 세분화 방법들은 회절 스펙트럼이 라이브러리 데이터 포인트들 내에서 선형 방식의 프로파일 파라미터들의 변화에 응답한다고 가정한다. 본 방법은 비선형 효과들에 대해 정정한다. 그래서, 본 방법은 임의의 프로파일 라이브러리와 함께 사용될 수 있다. 프로파일 라이브러리의 회절 스펙트럼들과 비교하여 측정 회절 스펙트럼의 최적 매치가 선택된다(800). 최적 매치 라이브러리 스펙트럼과 연관된 프로파일 파라미터들이 추출된다(810). 세분화 프로파일 파라미터들이 이하에서 기술되는 절차를 사용하여 계산된다.
본 방법을 설명하기 위하여, 도 9B에 도시된 것과 같은 2차원으로서 P1과 P2를 가진 2차원 프로파일 파라미터 공간을 가정한다. 제 1의 세분화 프로파일 파라미터 데이터 포인트는 이하의 식으로부터 결정된다(820).
PR1=P0+(JTJ)-1JT(SM-S0) (7.40)
여기서, SM은 측정 스펙트럼이고, PR1은 측정 스펙트럼 SM에 대한 제 1의 계산된 세분화 프로파일 파라미터들이고, P0는 최적 매치 라이브러리 스펙트럼 S0에 대응하는 프로파일 데이터 포인트이며, J는 도 5A에서 논의된 바와 유사한 방식으로 유도된 감도 행렬이다. 프로파일 파라미터들의 변화들에 대한 회절 스펙트럼 응답이 라이브러리 데이터 포인트들 내에서 선형이라면, PR1과 연관된 세분화 스펙트럼 SR은 이하의 식으로 계산될 것이다.
SR=S0+J(PR1-PO) (7.60)
그러나, 비선형 효과로 인하여, SR은 "실제 수(true number)" 또는 프로파일 파라미터 데이터 포인트 PR1에 대한 정확한 회절 스펙트럼이 아니다. 비선형성을 보상하기 위하여, PR1과 연관된 프로파일 파라미터들의 세트에 대한 회절 광학 계측 스펙트럼의 정확한 계산이 광학 계측 시뮬레이터를 사용하여 수행되고(830), 정확한 스펙트럼 SRA를 생성한다. 광학 계측 시뮬레이션을 사용하여 스펙트럼을 계산하는 프로세스는 Niu 등에 의하여 2001년 1월 25일자로 출원되어 본 출원과 공동 계류중인 미국 특허 출원 제 09/764,780호, "고속의 엄밀한 결합파 해석을 위한 내부층 계산의 캐싱(Caching of Inra-Layer Calculations for Rapid Rigorous Coupled-Wave Analyses)"에 기재되어 있고, 상기 문헌은 본 명세서에 참조로서 통합된다. 제 2의 계산된 또는 수정된 세분화 프로파일 파라미터 데이터 포인트, PR2가 이하의 식을 사용하여 계산된다(840).
PR2=PR1+(JTJ)-1JT(SM-SRA) (7.80)
(SM-SRA)는 (SM-S0)보다 더 작고, 그리하여 비선형 효과도 더 작으며, 세분화 프로파일 파라미터 데이터 포인트 PR2는 측정 스펙트럼 SM의 실제 프로파일 파라미터들 PM에 더 근접하다. 도 9B를 참조하면, SRA에 대응하는 데이터 포인트 PR2가 측정 스펙트럼 SM에 대응하는 PM에 더 근접하다.
도 9A로 되돌아가면, 사용자 선택 옵션들에 의존하여, 시뮬레이션 단계(830) 및 수정된 프로파일 파라미터 데이터 포인트들의 계산(840)이 다수 회수 반복될 수 있다(850). 반복 횟수가 증가함에 따라, 비선형 효과가 감소되고 세분화 프로파일 파라미터가 더 정확해진다.
도 10은 본 발명의 실시예에서 반복 라이브러리 세분화 방법을 사용하는 프로파일 세분화에 대한 동작 단계들에 대한 흐름도이다. 넓은 범위의 프로파일 파라미터들에 이르는 거친 분해능 프로파일 라이브러리, 즉, 큰 스텝사이즈 분해능로 형성된 프로파일 라이브러리가 형성된다(900). 측정 스펙트럼을 가정하면, 프로파일 라이브러리의 스펙트럼들과 비교된 측정 스펙트럼의 최적 매치가 선택된다(910). 세분화 프로파일 파라미터들은 세분화 절차를 사용하여 결정된다(920). 본 실시예에 대하여, 이전에 논의된 세분화 방법들 또는 다른 상업적으로 이용가능한 세분화 방법 중 어느 것이든 사용될 수 있다. 새로운, 더 좁은 범위의 프로파일 파라미터들이 세분화 프로파일 파라미터들 주변에서 형성된다(930). 새로운 더 좁은 범위의 프로파일 파라미터들의 선택은 사용자 옵션이다. 예를 들어, 프로파일 파라미터들, 즉, 최상부 CD, 바닥 CD, 및 높이를 가진 사다리꼴 프로파일에 대하여, 더 좁은 최상부 CD 범위가 세분화 프로파일 매개변수 값으로부터 양의 방향으로의 일 증분 및 음의 방향으로의 일 증분일 수 있다. 바닥 CD에 대한 더 좁은 범위는 마찬가지로 양의 방향으로의 일 증분 및 음의 방향으로의 일 증분등으로 설정될 수 있다. 더 미세한 스텝사이즈의 분해능을 가진 세분화 프로파일 값들 주변에 형성된 새로운 범위의 프로파일 매개변수들에 대한 프로파일 라이브러리가 형성된다(940). 예를 들어, 거친 라이브러리 분해능은 20 나노미터(nm)일 수 있다. 더 미세한 스텝사이즈의 분해능의 제 1 반복은 15nm의 분해능을 야기할 수 있고, 제 2 반복은 8nm의 분해능 등을 야기할 수 있다. 수정된 세분화 프로파일 파라미터들은 형성된 새로이 연속적으로 더 미세한 스텝사이즈 분해능 라이브러리를 사용하여 동일한 또는 상이한 세분화 절차를 사용함으로써 결정된다(950). 선택된 옵션들에 의존하여, 프로파일 파라미터 범위를 형성하는 단계, 새로운 라이브러리를 형성하는 단계, 및 수정된 세분화 프로파일 파라미터들을 계산하는 단계가 다수 횟수 반복될 수 있다(960). 반복 횟수가 증가함에 따라, 라이브러리 분해능은 점진적으로 더 작은 공간에서 증가되고, 더 정확한 세분화 프로파일 파라미터들을 야기한다.
도 11은 본 발명의 예시적인 실시예에서 세분화 프로파일 파라미터 대 가장 양호한 프로파일 파라미터의 정확성을 입증하기 위한 동작 단계들에 대한 흐름도이다. 세분화 정확성 검사는 전형적으로 세분화 절차의 테스트 및/또는 프로파일 라이브러리들의 형성 동안에 수행된다. 프로파일 파라미터들의 특정된 범위 및 주어진 분해능로부터, 프로파일 라이브러리가 형성된다(600). 프로파일 라이브러리의 형성은 Jakatdar 등에 의해 2000년 11월 28일자로 출원되어 본 출원과 공동 계류중인 미국 특허 출원 제 09/727,530호, "그레이팅 프로파일들의 실시간 라이브러리 생성을 위한 시스템 및 방법(System and Method for Real-Time Library Generation of Grating Profiles)"에 기재되어 있고, 상기 문헌은 본 명세서에 참조로서 통합된다.
세분화 계산은 이전에 설명된 하나 이상의 세분화 절차 및/또는 방법들을 사용하여 수행된다(610). 세분화 프로파일 파라미터들을 세분화 스펙트럼으로 변환하는 프로파일 대스펙트럼 배율기 Y가 결정된다(620). 프로파일로부터 스펙트럼으로의 조정 곱셈기가 도 6에 기재된 기본식(7.00)을 사용하고 조정 곱셈 행렬을 Y로 지명하여 계산된다. 세분화 회절 스펙트럼이 프로파일 대 스펙트럼 배율기 Y 및 세분화 프로파일 파라미터를 사용하여 이하의 행렬식과 같이 계산된다(630).
Figure 112004036109232-pct00042
여기서,
G는 1 x n 크기의 세분화 스펙트럼들의 행렬이고, 행렬 각각의 행은 측정 스펙트럼의 하나의 측정치에 해당한다.
E는 1 x k 크기의 세분화 프로파일 파라미터 행렬이며 행렬 각각의 행은 하나의 프로파일 파라미터에 해당하며,
k는 프로파일 파라미터들의 수이고,
n은 광학 측정 장치에 의해 측정 포인트들의 수이며,
Y는 k x n 크기의 조정 곱셈 행렬이며 행렬 각각의 행은 하나의 프로파일 파라미터에 해당한다.
측정 스펙트럼에 대해 세분화 스펙트럼의 정밀도는 측정 스펙트럼(640)에 대해 최상의 매칭 스펙트럼의 정밀도와 비교된다. 한 방법은 최상의 매칭 스펙트럼에 대해 세분화 스펙트럼의 비용 함수 대 최상의 매칭 스펙트럼에 대해 측정 스펙트럼의 비용 함수를 비교하는 단계를 포함한다. 비용 함수 비교는 이하의 식으로 도시된다.
V1 및 V2가 n 크기의 2개 벡터들이라고 가정하면, V2에 대한 V1의 비용 함수는,
Figure 112004036109232-pct00043
이다.
n 크기의 제 3 벡터 V3에 대한 V1에 대해서도 유사한 비용 함수가 계산될 수 있다.
다른 비용 최적화 기술이 사용될 수 있다는 것을 알것이다; 또한, 다른 기술들로는 행렬 및 벡터들의 비교 정밀도를 비교하는데 사용될 수 있다. 도 11을 참조로, 세분화 스펙트럼이 최상의 매칭 스펙트럼(650)보다도 정밀하거나, 임계 적합도(goodness of fit)가 충족된다면, 세분화 설정은 적합한 것이다. 예를 들어, V1이 측정 스펙트럼이고, V2가 세분화 스펙트럼이고, V3가 최상의 매칭 스펙트럼이고,
Figure 112007080910010-pct00044
이며, 세분화 설정은 적합한 것으로 간주된다. 그렇지 않다면, 라이브러리 컴플레이션(library compilation)이 조절되거나 또는 정정 동작이 적용되고(660) 프로세스가 단계(610)에서 개시를 반복한다. 정정 동작의 몇가지 예들로는 세분화 분해능을 계산하는 동안 임계 편차를 낮추거나 또는 보다 높은 분해능에서 프로파일 라이브러리를 재형성하는 것을 포함한다. 선택적으로, 공지된 또는 상기 개시된 다른 세분화 과정이 이용될 수 있다.
도 12는 본 발명의 일 실시예의 프로파일 평가기를 포함하는 시스템의 구조적 흐름도이다. 리소그래피 등과 같은 IC 제조 시스템(129), 또는 스트립핑 유니트가 측정 시스템(121)에 결합된다. 측정 시스템은 광학, 전기, 전자, 또는 기계적 측정 시스템일 수 있다. 광학 측정 시스템의 예로는 분광타원 해석기 및 반사계와 같은 스케터오미트릭(scatterometric) 장치를 포함한다. 전자 측정 시스템의 예로는 CD-주사 전자 현미경(CD-SEM), 투과형 전자 현미경(TEM), 및 집속 이온 빔(FIB) 장치를 포함한다. 기계적 측정 시스템은 원자력 현미경(AFM)을 포함하는 반면 전자 측정 시스템의 예로는 캐패시턴스-측정 유니트를 포함한다. 측정 시스템(121)은 프로파일 어플리케이션 서버(profile application server)(123)에 결합되고 선택적으로 프로파일 평가기(125)에 결합된다. 측정 시스템(121)은 IC 구조물을 측정하여 측정 신호를 발생시키고 프로파일 어플리케이션 서버(123)로 측정 신호를 전송한다. 프로파일 어플리케이션 서버(123)는 프로파일 라이브러리(127)로 액세스하여 프로파일 라이브러리(127)에서 최상의 매칭 신호를 찾는다. 용인성(acceptability)의 예정된 기준이 충족되지 않는다면, 예를 들어, 에러 메트릭(error metric)이 충족되지 않는다면, 프로파일 평가기(125)가 동작한다. 선택적으로, 프로파일 평가기(125)는 프로파일 어플리케이션 서버(123)에 의해 자동적으로 동작하거나 소정 다른 기준에 기초하여 동작할 수 있다. 일부 응용에 잇어, 프로파일 평가기(125)는 평가 시스템(121)에 의해 자동적으로 및/또는 직접적으로 동작한다. 프로파일 평가기(125)는 프로파일 라이브러리(127)로 직접 액세스되거나 또는 프로파일 어플리케이션 서버(123)을 통해 액세스된다. 프로파일 평가기(125)는 프로파일 어플리케이션 서버(123)로 세분화 프로파일 파라미터를 다시 전송하여 결국 프로파일 어플리케이션 서버(123)는 IC 제조 시스템(129)에서 유용한 정보를 형성한다. 선택적으로, 프로파일 평가기(125)는 측정 시스템(121)으로 세분화 프로파일 파라미터를 다시 전송한다. 프로파일 라이브러리(127)는 저장 장치에서의 물리적 라이브러리 또는 컴퓨터 메모리내의 데이터 저장소 또는 저장 장치내의 데이터 저장소일 수 있다. 세분화 프로파일 파라미터는 이하 개시되는 몇가지 세분화 방법 및 과정을 사용하여 계산된 프로파일 파라미터이다. 프로파일 평가기(125)는, 세분화 방법 및 과정을 실행시킬 수 있는 장치, 소프트웨어 또는 펌웨어이다.
도 13a는 본 발명의 일실시예에서 프로파일 평가기와 결합된 질문 장치(query device)를 나타내는 개략도이다. 프로파일 질문 장치(81)는 프로파일 평가기(84)와 작용하여 측정 신호(83)에 대응되는 세분화 프로파일 파라미터를 검출한다. 프로파일 질문 장치(81)로부터의 질문은 에러 메트릭 기준이 충족되지 않는 프로파일 라이브러리(89)에서의 신호와 비교된 측정 신호(83)의 매칭 프로세스 결과에 따라 또는 자동적으로 동작될 수 있다. 가장 가까운 또는 최상의 매칭 라이브러리 신호는 측정 신호와 프로파일 라이브러리 신호 사이의 에러를 최소화시키는 것이다. 적절한 결과를 생성하는 에러 메트릭은 측정 신호와 프로파일 라이브러리 신호 사이의 에러가 최소화되는 에러 차의 자승의 합(sum-of-squared-difference error)이다. 또다른 에러 메트릭들이 등가의 적절한 결과를 계산할 수 있음을 알 것이다. 또한 프로파일 질문 장치(81)는 하드웨어, 펌웨어, 또는 소프트웨어 리퀘스트에 기초한 프로파일 평가기(84)를 동작시킬 수 있다. 프로파일 질문 장치(81)는 마이크로제어기, 컴퓨터, 또는 세분화 프로파일 파라미터(82)를 수신할 수 있고 프로파일 평가기(84)로 측정 신호(83)를 전송할 수 있는 집적화된 제어 유니트를 갖춘 IC 제조 장치일 수 있다. 실시예에서, 프로파일 평가기(84)는 세분화 프로세싱에서 사용되는 라이브러리 데이터(86)에 대한 프로파일 라이브러리 서버(87)로 리퀘스트(85)를 전송한다. 리퀘스트 동작으로, 프로파일 라이브러리 서버(87)는 신호 및 프로파일 데이터를 포함하는 프로파일 라이브러리(89)로 액세스되며 이들 라이브러리 데이터(86)를 프로파일 평가기(84)로 전송한다. 선택적 실시예에서, 프로파일 평가기(84)는 세분화 프로세싱을 위해 요구되는 프로파일 및 신호 데이터에 대한 프로파일 라이브러리(89)로 직접 액세스된다.
도 13b는 본 발명의 실시예에서 다양한 세분화 엔진을 동작시키는 프로파일 평가기를 나타내는 개략도이다. 프로파일 평가기(91)는 특정화된 허용 기준에 기초한 원하는 세분화 결과를 얻도록 하나 이상의 형태의 세분화 엔진을 동작시킨다. 세분화 엔진은 소프트웨어, 펌웨어, 또는 신호 및 관련된 프로파일 파라미터를 포함하는 데이터 공간 및 세분화 부여 측정 신호의 동작 단계를 수행할 수 있는 하드웨어일 수 있다. 가중 평균 옵티마이저(93)(weighted average optimizer), 감도 분석기(95), 클러스터 벡터 평가기(97), 다이나믹 클러스터 조절기(99), 또는 다른 비용 함수 옵티마이저(101)가 측정 신호 및 신호 세트를 사용하는 세분화 프로파일 파라미터 및 관련 프로파일 파라미터를 발생시키는데 사용된다. 리그레션-기초 옵티마이저(103)(regression-based optimizer)가 사용될 수 있으며, 여기서, 신호 및 프로파일 파라미터의 데이터 공간 내에서 데이터 포인트는 측정 스펙트럼에 비교된 적합도에 대해 바람직하게 평가된다.
선택적으로, 프로파일 평가기(910)는 국부적 미세-분해능 라이브러리 과정(105) 또는 반복 라이브러리 세분화 과정(107)를 사용하는 세분화 엔진을 동작 시킨다. 다른 세분화 엔진(109)은 쌍일차(bilinear) 세분화, 라그랑지(Lagrange) 세분화, 운형(Cubic Spline) 세분화, 앳킨(Aitken) 세분화, 가중 평균 세분화, 다중-이차(multi-quadratic) 세분화, 바이-큐빅(bi-cubic) 세분화, 튜란(Turran) 세분화, 웨이블릿(wavelet) 세분화, 베셀(Bessel)의 세분화, 에버레트(Everett) 세분화, 유한차(finite-difference) 세분화, 가우스 세분화, 헤르미트(Hermit) 세분화, 뉴턴의 분할차 세분화, 접촉(osculating) 세분화, 티엘(Thiele) 세분화 알고리즘 또는 다른 세분화 알고리즘과 같은 세분화 기술을 사용할 수 있다.
일반적으로 프로파일 평가기는 특정화된 정밀도를 제공하는 구조물의 세분화 프로파일 파라미터를 발생시키기 위해 프로파일 파라미터와 스펙트럼 데이터 포인트 사이에 비선형의 특정 범위를 요구한다. 일정한 결과를 달성하기 위해, 선형성 테스트 또는 과정이 요구된다. 프로파일 라이브러리 데이터 포인트들 간의 비선형 범위는 수학적 알고리즘의 사용에 의해 또는 실험적 방법에 의해 확보될 수 있다.
본 발명의 상기 설명된 실시예들이 상세한 설명 및 도면으로 제공되었다. 이들은 개시된 형태로 정확히 본 발명을 제한하지 않는다. 예를 들어, 상기 설명된 것처럼, 본 발명의 개념 및 원리는 다른 세분화 알고리즘, 과정 및/또는 방법들에 응용될 수 있다. 또한, 도 12에 도시된 것처럼, 본 발명의 개념 및 원리는 구조물의 프로파일에서 신호를 정정하고 IC 구조물로부터 신호를 측정하는 다양한 형태의 측정 장치에 응용될 수 있다. 상기 설명된 세분화 원리는 프로파일 라이브러리가 존재하거나 또는 프로파일 라이브러리가 존재하지 않는 상황에 등가적으로 적용될 수 있다. 프로파일 라이브러리가 존재하지 않는 경우, 신호 시뮬레이터가 신호 및 해당 프로파일 파라미터의 데이터 공간에 대한 데이터 포인트를 사용하는데 사용될 수 있어, 데이터 공간은 프로파일 라이브러리의 함수를 대신한다. 광학 측정 시뮬레이터 외에, 다른 측정 시뮬레이터는 프로파일 파라미터 세트를 위해 신호를 시뮬레이션하는 광학 측정 시뮬레이터로서 유사하게 작용한다.
특히, 본 명세서에 개시된 본 발명의 기능적 수행은 등가의 하드웨어, 소프트웨어, 펌웨어, 및/또는 다른 이용가능한 기능적 부품 또는 빌딩 블록에서 수행될 수 있다. 상기 설명으로부터 다른 변형 및 실시예가 가능하며, 본 발명의 범주는 본 명세서의 상세한 설명으로 제한되는 것이 아니라, 이하 청구항들에 의해 제한된다.

Claims (76)

  1. 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 신호를 측정하는 단계 - 상기 측정은 측정 신호를 발생시킴 -;
    프로파일 데이터 공간에서 상기 측정 신호의 최적 매치(best match)를 선택하는 단계 - 상기 프로파일 데이터 공간은 특정 비선형 범위를 갖는 데이터 포인트들을 갖고, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 -; 및
    세분화 과정(refinement procedure)을 이용하여 상기 선택된 신호의 상기 프로파일 파라미터들을 기초로 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 결정하는 단계를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간으로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  2. 제 1 항에 있어서, 상기 특정 비선형 범위를 갖는 데이터 포인트들을 구비한상기 프로파일 데이터 공간에서 상기 측정 신호의 상기 최적 매치를 선택하는 단계는,
    상기 프로파일 데이터 공간의 데이터 포인트들 사이에 상기 비선형 범위를 특정하는 단계; 및
    상기 특정 비선형 범위가 상기 프로파일 데이터 공간의 상기 데이터 포인트들 사이에 존재함을 검증하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  3. 제 2 항에 있어서, 상기 프로파일 데이터 공간의 데이터 포인트들 사이에 상기 비선형 범위를 특정하는 단계는, 각각의 프로파일 파라미터에 대한 임계 편차를 형성하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  4. 제 2 항에 있어서, 상기 특정 비선형 범위가 상기 프로파일 데이터 공간의 데이터 포인트들 사이에 존재함을 검증하는 단계는,
    상기 프로파일 데이터 공간의 데이터 포인트들의 세분화 분해능(refined resolution)을 계산하는 단계 - 상기 세분화 분해능은 상기 특정 비선형 범위가 상기 데이터 포인트들 사이에 존재함을 보장하도록 설계됨 -; 및
    상기 계산된 세분화 분해능을 이용하여 상기 프로파일 데이터 공간의 상기 데이터 포인트들을 생성하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  5. 제 4 항에 있어서, 상기 프로파일 데이터 공간의 데이터 포인트들의 상기 세분화 분해능을 계산하는 단계는,
    상기 프로파일 파라미터의 변화에 의해 유도되는 상기 신호의 변화의 측정인 감도 행렬(sensitivity matrix)를 계산하는 단계; 및
    상기 프로파일 데이터 공간의 데이터 포인트들 사이의 관련 비선형 범위를 유지하면서, 각각의 프로파일 파라미터에 대한 최대 세분화 분해능을 결정하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  6. 제 1 항에 있어서, 상기 계측 장치는 광학 계측 장치, 전자 계측 장치, 전기적 계측 장치 또는 기계적 계측 장치인, 집적 회로 구조물의 프로파일 결정 방법.
  7. 제 1 항에 있어서, 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 결정하는 단계는,
    상기 프로파일 데이터 공간에서 다면체를 선택하는 단계 - 상기 다면체는 상기 최적 매치 데이터 포인트를 포함하고, 상기 최적 매치 데이터 포인트에 근접한 선택된 프로파일 파라미터 데이터에 해당하는 모서리들을 가짐 -; 및
    상기 측정 신호에 대한 상기 선택된 프로파일 파라미터 데이터 포인트들에 해당하는 신호들의 비용 함수, 및 상기 측정 신호에 대한 상기 최적 매치 신호의 비용 함수를 포함하는 총비용 함수를 최소화하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  8. 제 7 항에 있어서, 상기 선택된 다면체는 각각의 프로파일 파라미터와 관련된 하나의 모서리를 갖는, 집적 회로 구조물의 프로파일 결정 방법.
  9. 제 7 항에 있어서, 상기 선택된 다면체는 각각의 프로파일 파라미터와 관련된 두 개의 모서리들을 갖는, 집적 회로 구조물의 프로파일 결정 방법.
  10. 제 7 항에 있어서, 상기 총비용 함수를 최소화하는 단계는,
    가중 벡터들의 세트를 선택하는 단계 - 각각의 가중 벡터는 벡터 엘리먼트들을 갖고, 각 벡터 엘리먼트는 선택된 데이터 포인트에 해당하는 상기 신호와 관련됨 -;
    상기 가중 벡터들의 상기 세트의 각 가중 벡터에 대한 총비용 함수를 계산하는 단계; 및
    상기 최소 총비용 함수를 산출하는 상기 가중 벡터를 선택하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  11. 제 10 항에 있어서,
    상기 최소 총비용 함수와 관련된 상기 가중 벡터를 이용하여 상기 세분화 프로파일 파라미터들을 계산하는 단계를 더 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  12. 제 1 항에 있어서, 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 결정하는 단계는,
    상기 프로파일 파라미터들의 변화에 의해 유도된 상기 신호의 변화의 측정인 감도 행렬을 계산하는 단계;
    상기 계산된 감도 행렬을 이용하여 상기 프로파일 파라미터들의 조정 값을 결정하는 단계; 및
    상기 프로파일 데이터 공간 내의 상기 최적 매치 데이터 포인트의 해당 프로파일 파라미터들에 상기 프로파일 파라미터들의 상기 조정 값을 가산함으로써, 상기 세분화 프로파일 파라미터들을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  13. 제 12 항에 있어서, 상기 프로파일 파라미터들의 상기 조정 값을 결정하는 단계는,
    상기 측정 신호와 상기 최적 매치 신호의 차이를 계산하는 단계; 및
    상기 측정 신호와 상기 최적 매치 신호의 상기 차이와 상기 계산된 감도 행렬을 이용하여 상기 조정 값을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  14. 제 1 항에 있어서, 상기 세분화 프로파일 파라미터들을 결정하는 상기 세분화 과정은, 겹선형(bilinear) 세분화, 라그랑지(Lagrange) 세분화, 큐빅 스플라인(Cubic Spline) 세분화, 에이티킨(Aitken) 세분화, 가중 평균 세분화, 멀티-이차(multi-quadratic) 세분화, 바이-큐빅(bi-cubic) 세분화, 터란(Turran) 세분화, 웨이브릿(wavelet) 세분화, 베슬(Bessel) 세분화, 에버렛(Everett) 세분화, 유한-차이(finite-difference) 세분화, 가우스(Gauss) 세분화, 허미트(Hermite) 세분화, 뉴턴의 분할 차이(divided difference) 세분화, 접촉(osculating) 세분화, 또는 딜레(Thiele)의 세분화 알고리즘을 이용하는, 집적 회로 구조물의 프로파일 결정 방법.
  15. 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 신호를 측정하는 단계 - 상기 측정은 측정 신호를 발생시킴 -;
    상기 측정 신호와 클러스터 대표들의 신호들을 비교함으로써 상기 측정 신호의 최적 매치를 선택하는 단계 - 상기 클러스터 대표들은 프로파일 데이터 공간의 데이터 포인트들의 클러스터들로부터 선택되고, 상기 클러스터 대표들은 신호들을 프로파일 파라미터들로 변환하도록 구성되는 관련 조정 곱셈 행렬을 가지며, 상기 프로파일 데이터 공간의 상기 데이터 포인트들은 특정 비선형 범위를 갖고, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타냄 -; 및
    상기 측정 신호와 조정 곱셈 행렬을 곱함으로써 세분화 프로파일 파라미터들을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  16. 제 15 항에 있어서, 상기 측정 신호와 클러스터 대표들의 신호들을 비교함으로써 상기 측정 신호의 상기 최적 매치를 선택하는 단계는,
    상기 프로파일 데이터 공간의 데이터 포인트들을 상기 클러스터들로 그룹화하는 단계;
    각각의 클러스터에 대해 상기 클러스터 대표를 선택하는 단계; 및
    각 클러스터의 클러스터 대표의 각각의 프로파일 파라미터에 대한 상기 조정 곱셈 행렬을 유도하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  17. 제 15 항에 있어서,
    상기 최적 매치 신호의 상기 프로파일 파라미터들에 대한 상기 세분화 프로파일 파라미터들의 정확도를 사전설정(preset) 표준들에 대하여 테스트하는 단계; 및
    상기 세분화 프로파일 파라미터들이 상기 사전설정 표준들을 만족하지 않는 경우 정정 동작을 적용하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  18. 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 신호를 측정하는 단계 - 상기 측정은 측정 신호를 발생시킴 -;
    상기 측정 신호에 가장 근접한 데이터 공간 내의 특정 개수의 데이터 포인트들을 선택하는 단계 - 상기 데이터 공간의 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내고, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내며, 상기 데이터 공간의 상기 데이터 포인트들은 특정 비선형 범위를 가짐 -;
    상기 선택된 개수의 데이터 포인트들과 관련된 신호들을 해당 프로파일 파라미터들로 변환하도록 구성되는 조정 곱셈기를 유도하는 단계; 및
    상기 측정 신호와 조정 곱셈기를 곱함으로써 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  19. 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 신호를 측정하는 단계 - 상기 측정은 측정 신호를 발생시킴 -;
    프로파일 데이터 공간에서 상기 측정 신호의 최적 매치를 선택하는 단계 - 상기 프로파일 데이터 공간은 특정 비선형 범위를 갖는 데이터 포인트들을 갖고, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 -;
    상기 최적 매치와 가장 근접한 특정 개수의 데이터 포인트들을 선택하는 단계;
    상기 선택된 데이터 포인트들과 관련된 데이터를 사용하여 조정 곱셈기를 유도하는 단계 - 상기 조정 곱셈기는 상기 선택된 데이터 포인터들을 해당 프로파일 파라미터들로 변화하도록 구성됨 -;
    상기 측정 신호와 상기 조정 곱셈기를 곱함으로써 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  20. 집적 회로 구조물의 프로파일을 결정하는데 이용되는 프로파일 세분화의 파라미터들을 조정하는 방법으로서,
    세분화 과정과 특정 분해능으로 생성된 프로파일 데이터 공간을 이용하여 측정 신호에 해당하는 세분화 프로파일 파라미터들을 결정하는 단계 - 상기 프로파일 데이터 공간은 데이터 포인트들을 갖고, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타냄 -;
    상기 프로파일 파라미터들을 해당 계산된 신호로 변환하기 위한 곱셈기를 유도하는 단계 - 상기 유도는 선택된 데이터 포인트들과 관련된 데이터를 이용함 -;
    상기 곱셈기와 상기 측정 신호의 세분화 프로파일 파라미터들을 이용하여 신호를 계산하는 단계;
    상기 측정 신호에 대한 상기 프로파일 데이터 공간로부터의 최적 매치 신호의 적합도와 상기 측정 신호에 대한 상기 계산된 신호의 적합도를 비교하는 단계 - 상기 최적 매치 신호는 상기 측정 신호와 상기 프로파일 데이터 공간의 데이터 포인트들과 관련된 신호들을 비교함으로써 얻어짐 -; 및
    상기 측정 신호와 가장 근접한 계산된 신호를 선택하는 단계를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 프로파일 세분화 파라미터들의 조정 방법.
  21. 제 20 항에 있어서, 상기 적합도 비교를 비교하는 단계는, 상기 측정 신호에 대한 상기 최적 매치 신호의 비용 함수와 상기 측정 신호에 대한 상기 계산된 신호의 비용 함수를 비교함으로써 수행되는, 프로파일 세분화 파라미터들의 조정 방법.
  22. 제 20 항에 있어서,
    상기 측정 신호에 대한 상기 계산된 신호의 적합도를 개선하기 위해 정정 동작을 구현하는 단계를 더 포함하는, 프로파일 세분화 파라미터들의 조정 방법.
  23. 제 22 항에 있어서, 상기 정정 동작 구현 단계는, 상기 원래 분해능보다 더 높은 분해능으로 상기 프로파일 데이터 공간을 재생성하는 단계는 포함하는, 프로파일 세분화 파라미터들의 조정 방법.
  24. 제 20 항에 있어서, 상기 정정 동작 구현 단계는, 상기 세분화 과정을 상이한 세분화 과정으로 변경하는 단계를 포함하는, 프로파일 세분화 파라미터들의 조정 방법.
  25. 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 신호를 측정하는 단계 - 상기 측정은 측정 신호를 발생시킴 -;
    프로파일 데이터 공간에서 상기 측정 신호의 최적 매치를 선택하는 단계 - 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 -;
    상기 프로파일 데이터 공간의 서브세트 내에서 제 1 데이터 포인트를 선택하는 단계 - 상기 프로파일 데이터 공간 서브세트는 상기 측정 신호 및 상기 최적 매치 신호와 관련된 상기 데이터 포인트에 근접한 데이터 포인트들을 포함함 -;
    상기 선택된 제 1 데이터 포인트에 해당하는 프로파일 파라미터들로 구조물의 신호를 시뮬레이션하는 단계;
    프로파일 세분화 사전설정 기준이 만족되는지 검증하는 단계 - 상기 프로파일 세분화 사전설정 기준은 상기 측정 신호에 대한 상기 시뮬레이션 신호의 적합도 측정을 포함함 -; 및
    상기 프로파일 세분화 사전설정 기준을 만족하는 상기 시뮬레이션 신호와 관련된 프로파일 파라미터들을 추출하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  26. 제 25 항에 있어서, 상기 프로파일 세분화 사전설정 기준이 만족되는지 검증하는 단계는,
    에러 미터(error metric)가 상기 프로파일 세분화 사전설정 기준내에 있는지 테스트하는 단계 - 상기 에러 미터는 상기 측정 신호에 대한 상기 시뮬레이션 신호의 적합도를 측정함 -; 및
    상기 에러 미터가 상기 프로파일 세분화 사전설정 기준에서 벗어난다면, 상기 데이터 공간 서브세트 내의 다음 데이터 포인트를 선택하기 위해 최적화 기술을 수행하는 단계 - 상기 다음 데이터 포인트는 다음 시뮬레이션 신호를 결정하는데 사용됨 - 를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  27. 제 26 항에 있어서, 상기 데이터 공간 서브세트 내의 다음 데이터 포인트를 선택하기 위해 최적화 기술을 수행하는 단계는, 전역(global) 최적화 기술 및/또는 국부(local) 최적화 기술을 적용하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  28. 제 25 항에 있어서, 상기 프로파일 데이터 공간에는 계측 시뮬레이션 프로세스에 의해 생성되는 데이터 포인트가 있고, 상기 계측 시뮬레이션 프로세스는 프로파일 파라미터들의 세트들로부터 구조물들의 신호들을 계산하는, 집적 회로 구조물의 프로파일 결정 방법.
  29. 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 신호를 측정하는 단계 - 상기 측정은 측정 신호를 발생시킴 -;
    프로파일 데이터 공간에서 상기 측정 신호의 최적 매치를 선택하는 단계 - 상기 데이터 포인트들은 프로파일 파라미터들 및 관련된 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 -;
    상기 프로파일 파라미터들의 변화에 의해 유도된 상기 신호의 변화의 측정인 감도 행렬을 계산하는 단계;
    상기 계산된 감도 행렬와 상기 최적 매치 프로파일 파라미터들을 이용하여 세분화 프로파일 파라미터들의 제 1 세트를 결정하는 단계;
    상기 세분화 프로파일 파라미터들의 상기 제 1 세트를 이용하여 제 1 신호를 시뮬레이션하는 단계; 및
    상기 계산된 감도 행렬와 상기 세분화 프로파일 파라미터들의 상기 제 1 세트를 이용하여 세분화 프로파일 파라미터들의 제 2 세트를 결정하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  30. 제 29 항에 있어서,
    상기 세분화 프로파일 파라미터들의 상기 제 2 세트를 이용하여 제 2 신호를 시뮬레이션하는 단계; 및
    상기 계산된 감도 행렬 및 상기 세분화 프로파일 파라미터들의 상기 제 2 세트를 이용하여 세분화 프로파일 파라미터들의 제 3 세트를 결정하는 단계를 더 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  31. 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 신호를 측정하는 단계 - 상기 측정은 측정 신호를 발생시킴 -;
    프로파일 데이터 공간에서 상기 측정 신호의 최적 매치를 선택하는 단계 - 상기 데이터 포인트들은 프로파일 파라미터들 및 관련된 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 -;
    세분화 과정을 이용하여 세분화 프로파일 파라미터들의 제 1 세트를 결정하는 단계 - 상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들임 -;
    상기 세분화 프로파일 파라미터들의 상기 제 1 세트 주위로 상기 프로파일 파라미터들의 범위들을 형성하는 단계;
    상기 세분화 프로파일 파라미터들의 상기 제 1 세트 주위에 형성된 상기 범위들을 이용하여 제 2 프로파일 데이터 공간을 생성하는 단계; 및
    상기 세분화 과정을 이용하여 세분화 프로파일 파라미터들의 제 2 세트를 결정하는 단계를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  32. 제 31 항에 있어서,
    상기 세분화 프로파일 파라미터들의 상기 제 2 세트 주위에 형성된 상기 범위들을 이용하여 제 3 프로파일 데이터 공간을 생성하는 단계; 및
    상기 세분화 과정을 이용하여 세분화 프로파일 파라미터들의 제 3 세트를 결정하는 단계를 더 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  33. 측정 회절 스펙트럼으로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 회절 스펙트럼을 측정하는 단계 - 상기 측정은 측정 회절 스펙트럼을 생성함 -;
    프로파일 라이브러리에서 상기 측정 회절 스펙트럼의 최적 매치를 선택하는 단계 - 상기 프로파일 라이브러리는 특정 비선형 범위를 갖는 인스턴스(instance)들을 갖고, 상기 프로파일 라이브러리 인스턴스들은 프로파일 파라미터들 및 관련 회절 스펙트럼을 포함하며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내며, 상기 최적 매치는 상기 측정 회절 스펙트럼과 가장 근접한 회절 스펙트럼을 갖는 상기 프로파일 라이브러리의 인스턴스임 -; 및
    세분화 과정을 이용하여 상기 선택된 신호의 상기 프로파일 파라미터들을 기초로 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 결정하는 단계를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간으로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  34. 제 33 항에 있어서, 상기 프로파일 라이브러리에서 상기 측정 회절 스펙트럼의 최적 매치를 선택하는 단계는,
    상기 프로파일 라이브러리의 인스턴스들 사이에 상기 비선형 범위를 특정하는 단계; 및
    상기 특정 비선형 범위가 상기 프로파일 라이브러리의 상기 인스턴스들 사이에 존재함을 검증하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  35. 제 34 항에 있어서, 상기 비선형 범위를 특정하는 단계는, 각각의 프로파일 파라미터에 대한 임계 편차를 형성하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  36. 제 34 항에 있어서, 상기 특정 비선형 범위가 상기 프로파일 라이브러리의 상기 인스턴스들 사이에 존재함을 검증하는 단계는,
    상기 프로파일 라이브러리의 인스턴스들의 세분화 분해능을 계산하는 단계 - 상기 세분화 분해능은 상기 특정 비선형 범위가 상기 프로파일 라이브러리의 상기 인스턴스들 사이에 존재함을 보장하도록 설계됨 -; 및
    프로파일 파라미터 범위들과 상기 계산된 세분화 분해능을 이용하여 상기 프로파일 라이브러리를 생성하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  37. 제 36 항에 있어서, 상기 프로파일 라이브러리의 인스턴스들의 상기 세분화 분해능을 계산하는 단계는,
    상기 프로파일 파라미터의 변화에 의해 유도된 상기 신호의 변화의 측정인 감도 행렬을 계산하는 단계; 및
    상기 프로파일 라이브러리의 인스턴스들 사이에 상기 특정 비선형 범위를 유지하면서, 프로파일 파라미터에 대한 최대 세분화 분해능을 결정하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  38. 제 33 항에 있어서, 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 결정하는 단계는,
    프로파일 데이터 공간에서 다면체를 선택하는 단계 - 상기 프로파일 데이터 공간은 상기 프로파일 데이터의 인스턴스들을 나타내고, 상기 다면체는 상기 최적 매치 데이터 포인트를 포함하고 상기 최적 매치 데이터 포인트에 근접한 선택된 프로파일 파라미터 데이터에 해당하는 모서리들을 가지며, 상기 최적 매치 데이터 포인트는 상기 프로파일 라이브러리의 상기 최적 매치 인스턴스에 해당함 -; 및
    총비용 함수를 최소화하는 단계 - 상기 총비용 함수는 상기 측정 회절 스펙트럼에 대한 상기 선택된 데이터 포인트들에 해당하는 상기 회절 스펙트럼의 비용 함수, 및 상기 측정 회절 스펙트럼에 대한 상기 최적 매치 회절 스펙트럼의 비용 함수를 포함함 - 를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  39. 제 38 항에 있어서, 상기 선택된 다면체는 각각의 프로파일 파라미터와 관련된 하나의 모서리를 갖는, 집적 회로 구조물의 프로파일 결정 방법.
  40. 제 38 항에 있어서, 상기 선택된 다면체는 각각의 프로파일 파라미터와 관련된 두 개의 모서리들을 갖는, 집적 회로 구조물의 프로파일 결정 방법.
  41. 제 38 항에 있어서, 상기 총비용 함수를 최소화하는 단계는,
    가중 벡터들의 세트를 선택하는 단계 - 각각의 가중 벡터는 벡터 엘리먼트들을 갖고, 각 벡터 엘리먼트는 선택된 데이터 포인트에 해당하는 상기 회절 스펙트럼과 관련됨 -;
    상기 가중 벡터들의 세트의 가중 벡터를 이용하여 상기 총비용 함수를 계산하는 단계; 및
    상기 최소 총비용 함수와 관련된 상기 가중 벡터를 선택하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  42. 제 41 항에 있어서,
    상기 최소 총비용 함수와 관련된 상기 가중 벡터를 이용하여 상기 세분화 프로파일 파라미터들을 계산하는 단계를 더 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  43. 제 33 항에 있어서, 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 결정하는 단계는,
    상기 프로파일 파라미터들의 변화에 의해 유도된 상기 신호의 변화의 측정인 감도 행렬을 계산하는 단계;
    상기 감도 행렬을 이용하여 상기 프로파일 파라미터들의 조정 값을 결정하는 단계; 및
    상기 프로파일 라이브러리의 상기 최적 매치 인스턴스의 해당 프로파일 파라미터들에 상기 프로파일 파라미터들의 상기 조정 값을 가산함으로써, 상기 세분화 프로파일 파라미터들을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  44. 제 43 항에 있어서, 상기 프로파일 파라미터들의 상기 조정 값을 결정하는 단계는,
    상기 측정 신호와 상기 최적 매치 스펙트럼의 차이를 계산하는 단계; 및
    상기 측정 스펙트럼과 상기 최적 매치 스펙트럼의 상기 차이와 상기 계산된 감도 행렬을 이용하여 상기 조정 값을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  45. 제 33 항에 있어서, 상기 세분화 프로파일 파라미터들을 결정하기 위한 세분화 과정은, 겹선형(bilinear) 세분화, 라그랑지(Lagrange) 세분화, 큐빅 스플라인(Cubic Spline) 세분화, 에이티킨(Aitken) 세분화, 가중 평균 세분화, 멀티-이차(multi-quadratic) 세분화, 바이-큐빅(bi-cubic) 세분화, 터란(Turran) 세분화, 웨이브릿(wavelet) 세분화, 베슬(Bessel) 세분화, 에버렛(Everett) 세분화, 유한-차이(finite-difference) 세분화, 가우스(Gauss) 세분화, 허미트(Hermite) 세분화, 뉴턴의 분할 차이(divided difference) 세분화, 접촉(osculating) 세분화, 또는 딜레(Thiele)의 세분화 알고리즘을 이용하는, 집적 회로 구조물의 프로파일 결정 방법.
  46. 측정 회절 스펙트럼으로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 회절 스펙트럼을 측정하는 단계 - 상기 측정은 측정 회절 스펙트럼을 발생시킴 -;
    상기 측정 회절 스펙트럼과 클러스터 대표들의 신호들을 비교함으로써 상기 측정 신호의 최적 매치를 선택하는 단계 - 상기 클러스터 대표들은 상기 회절 스펙트럼을 프로파일 파라미터들로 변환하도록 구성되는 관련 조정 곱셈 행렬을 갖고, 상기 클러스터 대표들은 프로파일 라이브러리의 인스턴스들의 클러스터들로부터 선택되며, 상기 프로파일 라이브러리의 상기 인스턴스들은 회절 스펙트런과 프로파일 파라미터들을 포함하며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내며, 상기 프로파일 라이브러리의 상기 인스턴스들은 특정 비선형 범위로 생성됨 -; 및
    상기 측정 회절 스펙트럼과 상기 조정 곱셈 행렬을 곱함으로써 세분화 프로파일 파라미터들을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  47. 제 46 항에 있어서, 상기 측정 회절 스펙트럼과 클러스터 대표들의 회절 스펙트럼들을 비교함으로써 상기 측정 회절 스펙트럼의 상기 최적 매치를 선택하는 단계는,
    상기 프로파일 라이브러리의 인스턴스들을 상기 클러스터들로 그룹화하는 단계;
    각각의 클러스터에 대해 상기 클러스터 대표를 선택하는 단계; 및
    각 클러스터의 상기 클러스터 대표의 각각의 프로파일 파라미터 값에 대한 상기 조정 곱셈 행렬을 유도하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  48. 제 46 항에 있어서,
    상기 최적 매치 신호의 상기 프로파일 파라미터들에 대한 상기 세분화 프로파일 파라미터들의 정확도를 사전설정 표준들에 대하여 테스트하는 단계; 및
    상기 세분화 프로파일 파라미터들이 상기 사전설정 표준들을 만족하지 않을 경우 정정 동작을 적용하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  49. 측정 회절 스펙트럼으로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 회절 스펙트럼을 측정하는 단계 - 상기 측정은 측정 회절 스펙트럼을 발생시킴 -;
    상기 측정 회절 스펙트럼에 가장 근접한 특정 개수의 프로파일 라이브러리 인스턴스들을 선택하는 단계 - 상기 프로파일 라이브러리 인스턴스들은 회절 스펙트럼들과 프로파일 파라미터들을 포함하고, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내며, 상기 프로파일 라이브러리는 특정 비선형 범위로 생성됨 -;
    상기 선택된 개수의 프로파일 라이브러리 인스턴스들의 회절 스펙트럼들을 해당 프로파일 파라미터들로 변환하도록 구성되는 조정 곱셈기를 유도하는 단계; 및
    상기 측정 회절 스펙트럼과 상기 조정 곱셈기를 곱함으로써 세분화 프로파일 파라미터들을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  50. 측정 회절 스펙트럼으로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 회절 스펙트럼을 측정하는 단계 - 상기 측정은 측정 회절 스펙트럼을 발생시킴 -;
    프로파일 라이브러리에서 상기 측정 회절 스펙트럼의 최적 매치를 선택하는 단계 - 상기 프로파일 라이브러리는 특정 비선형 범위를 갖는 인스턴스들을 갖고, 상기 프로파일 라이브러리 인스턴스들은 프로파일 파라미터들 및 관련된 회절 스펙트럼을 포함하며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 회절 스펙트럼과 가장 근접한 회절 스펙트럼을 갖는 상기 프로파일 라이브러리의 인스턴스임 -;
    상기 최적 매치 스펙트럼과 가장 근접한 특정 개수의 프로파일 라이브러리 인스턴스들을 선택하는 단계;
    상기 선택된 개수의 프로파일 라이브러리의 회절 스펙트럼들을 해당 프로파일 파라미터들로 변환하도록 구성되는 조정 곱셈기를 유도하는 단계; 및
    상기 측정 회절 스펙트럼과 상기 조정 곱셈기를 곱함으로써 세분화 프로파일 파라미터들을 계산하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  51. 집적 회로 구조물의 프로파일을 결정하는데 이용되는 프로파일 세분화의 파라미터들을 조정하는 방법으로서,
    계측 장치로 구조물의 회절 스펙트럼을 측정하는 단계 - 상기 측정은 측정 회절 스펙트럼을 발생시킴 -;
    세분화 과정과 특정 분해능으로 생성된 프로파일 라이브러리를 이용하여 상기 측정 회절 스펙트럼에 해당하는 세분화 프로파일 파라미터들을 결정하는 단계 - 상기 프로파일 라이브러리는 인스턴스들을 갖고, 상기 인스턴스들은 프로파일 파라미터들 및 관련 회절 스펙트럼들을 가지며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내며, 상기 세분화 과정은 상기 측정 회절 스펙트럼, 상기 최적 매치 회절 스펙트럼과 관련된 데이터, 및 상기 프로파일 라이브러리로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함함 -;
    상기 프로파일 파라미터들을 해당 계산된 회절 스펙트럼으로 변환하기 위한 곱셈기를 유도하는 단계 - 상기 유도는 상기 프로파일 라이브러리의 선택된 인스턴스들과 관련된 데이터를 이용함 -;
    상기 곱셈기와 상기 측정 회절 스펙트럼의 상기 세분화 프로파일 파라미터들을 이용하여 회절 스펙트럼을 계산하는 단계; 및
    상기 측정 회절 스펙트럼에 대한 상기 프로파일 라이브러리로부터의 최적 매치 회절 스펙트럼의 적합도와 상기 측정 회절 스펙트럼에 대한 상기 계산된 회절 스펙트럼의 적합도를 비교하는 단계 - 상기 최상의 매치 회절 스펙트럼은 상기 측정 회절 스펙트럼과 상기 프로파일 라이브러리의 인스턴스들과 관련된 회절 스펙트럼들을 비교하고 상기 측정 회절 스펙트럼과 가장 근접한 회절 스펙트럼들을 선택함으로써 얻어짐 - 를 포함하는, 프로파일 세분화 파라미터들의 조정 방법.
  52. 제 51 항에 있어서, 상기 적합도 비교는 상기 측정 회절 스펙트럼에 대한 상기 최적 매치 회절 스펙트럼의 비용 함수와 상기 측정 회절 스펙트럼에 대한 상기 계산된 회절 스펙트럼의 비용 함수를 비교함으로써 수행되는, 프로파일 세분화 파라미터들의 조정 방법.
  53. 제 51 항에 있어서,
    상기 측정 회절 스펙트럼에 대한 상기 계산된 회절 스펙트럼의 적합도를 개선하기 위해 정정 동작을 구현하는 단계를 더 포함하는, 프로파일 세분화 파라미터들의 조정 방법.
  54. 제 53 항에 있어서, 상기 정정 동작 구현 단계는, 상기 원래 분해능 보다 더 높은 분해능으로 상기 프로파일 라이브러리를 재생성하는 단계를 포함하는, 프로파일 세분화 파라미터들의 조정 방법.
  55. 제 53 항에 있어서, 상기 정정 동작을 구현하는 단계는, 상기 세분화 과정을 상이한 세분화 과정으로 변경하는 단계를 포함하는, 프로파일 세분화 파라미터들의 조정 방법.
  56. 측정 회절 스펙트럼으로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 회절 스펙트럼을 측정하는 단계 - 상기 측정은 측정 회절 스펙트럼을 발생시킴 -;
    프로파일 라이브러리에서 상기 측정 회절 스펙트럼의 최적 매치를 선택하는 단계 - 상기 프로파일 라이브러리는 특정 비선형 범위를 갖는 인스턴스들을 갖고, 상기 프로파일 라이브러리 인스턴스들은 프로파일 파라미터들 및 관련 회절 스펙트럼을 포함하며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 회절 스펙트럼과 가장 근접한 회절 스펙트럼을 갖는 상기 프로파일 라이브러리의 인스턴스임 -;
    상기 데이터 공간의 서브세트 내에서 제 1 데이터 포인트를 선택하는 단계 - 상기 데이터 공간 서브세트는 상기 최적 매치 회절 스펙트럼의 상기 프로파일 파라미터들 및 상기 최적 매치 회절 스펙트럼의 프로파일 파라미터에 근접한 프로파일 파라미터들을 포함함 -;
    상기 선택된 제 1 데이터 포인트에 해당하는 프로파일 파라미터들로 구조물의 회절 스펙트럼을 시뮬레이션하는 단계;
    프로파일 세분화 사전설정 기준이 만족되는지 검증하는 단계 - 상기 프로파일 세분화 사전설정 기준은 상기 측정 회절 스펙트럼에 대한 상기 시뮬레이션 회절 스펙트럼의 적합도 측정을 포함함 -; 및
    상기 프로파일 세분화 사전설정 기준을 만족하는 상기 시뮬레이션 회절 스펙트럼과 관련된 프로파일 파라미터들을 추출하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  57. 제 56 항에 있어서, 상기 프로파일 세분화 사전설정 기준이 만족되는지 검증하는 단계는,
    에러 미터(error metric)가 상기 프로파일 세분화 사전설정 기준내에 있는지 테스트하는 단계 - 상기 에러 미터는 상기 측정 회절 스펙트럼에 대한 상기 시뮬레이션 회절 스펙트럼의 적합도를 측정함 -; 및
    상기 에러 미터가 상기 프로파일 세분화 사전설정 기준에서 벗어난다면, 상기 데이터 공간 서브세트 내의 다음 데이터 포인트를 선택하기 위해 최적화 기술을 수행하는 단계 - 상기 다음 데이터 포인트는 상기 다음 시뮬레이션 회절 스펙트럼을 결정하는데 사용됨 - 를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  58. 제 57 항에 있어서, 상기 데이터 공간 서브세트 내의 다음 데이터 포인트를 선택하기 위해 최적화 기술을 수행하는 단계는, 전역 최적화 기술 및/또는 국부 최적화 기술을 적용하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  59. 제 56 항에 있어서, 상기 데이터 공간에는 광학 계측 시뮬레이션 프로세스에 의해 생성되는 데이터 포인트들이 있고, 상기 광학 계측 시뮬레이션 프로세스는 특정 분해능으로 프로파일 파라미터들의 세트로부터 구조물들의 회절 스펙트럼들을 계산하는, 집적 회로 구조물의 프로파일 결정 방법.
  60. 측정 회절 스펙트럼으로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 회절 스펙트럼을 측정하는 단계 - 상기 측정은 측정 회절 스펙트럼을 발생시킴 -;
    프로파일 라이브러리에서 상기 측정 회절 스펙트럼의 최적 매치를 선택하는 단계 - 상기 프로파일 라이브러리는 특정 비선형 범위를 갖는 인스턴스들을 갖고, 상기 프로파일 라이브러리 인스턴스들은 프로파일 파라미터들 및 관련 회절 스펙트럼을 포함하며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 회절 스펙트럼과 가장 근접한 회절 스펙트럼을 갖는 상기 프로파일 라이브러리의 인스턴스임 -;
    상기 프로파일 파라미터들의 변화에 의해 유도된 상기 회절 스펙트럼의 변화의 측정인 감도 행렬을 계산하는 단계;
    상기 계산된 감도 행렬와 상기 최적 매치 프로파일 파라미터들을 이용하여 세분화 프로파일 파라미터들의 제 1 세트를 결정하는 단계;
    상기 세분화 프로파일 파라미터들의 상기 제 1 세트를 이용하여 제 1 회절 스펙트럼을 시뮬레이션하는 단계; 및
    상기 계산된 감도 행렬과 상기 세분화 프로파일 파라미터들의 상기 제 1 세트를 이용하여 세분화 프로파일 파라미터들의 제 2 세트를 결정하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  61. 제 60 항에 있어서,
    상기 세분화 프로파일 파라미터들의 상기 제 2 세트를 이용하여 제 2 회절 스펙트럼을 시뮬레이션하는 단계; 및
    상기 계산된 감도 행렬과 상기 세분화 프로파일 파라미터들의 상기 제 2 세트를 이용하여 세분화 프로파일 파라미터들의 제 3 세트를 결정하는 단계를 더 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  62. 측정 회절 스펙트럼으로부터 집적 회로 구조물의 프로파일을 결정하는 방법으로서,
    계측 장치로 구조물의 회절 스펙트럼을 측정하는 단계 - 상기 측정은 측정 회절 스펙트럼을 발생시킴 -;
    프로파일 라이브러리에서 상기 측정 회절 스펙트럼의 최적 매치를 선택하는 단계 - 상기 프로파일 라이브러리는 특정 비선형 범위를 갖는 인스턴스들을 갖고, 상기 프로파일 라이브러리 인스턴스들은 프로파일 파라미터들 및 관련 회절 스펙트럼을 포함하며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 회절 스펙트럼과 가장 근접한 회절 스펙트럼을 갖는 상기 프로파일 라이브러리의 인스턴스임 -;
    세분화 과정을 이용하여 세분화 프로파일 파라미터들의 제 1 세트를 결정하는 단계 - 상기 세분화 과정은 상기 측정 회절 스펙트럼, 상기 최적 매치 회절 스펙트럼과 관련된 데이터, 및 상기 프로파일 라이브러리로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들임 -;
    상기 세분화 프로파일 파라미터들의 상기 제 1 세트 주위로 상기 프로파일 파라미터들의 범위들을 형성하는 단계;
    상기 세분화 프로파일 파라미터들의 상기 제 1 세트 주위에 형성되는 상기 범위들을 이용하여 제 2 프로파일 라이브러리를 생성하는 단계; 및
    세분화 과정을 이용하여 세분화 프로파일 파라미터들의 제 2 세트를 결정하는 단계를 포함하는, 집적 회로 구조물의 프로파일 결정 방법.
  63. 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하기 위한 시스템으로서,
    측정 신호를 전송하고 세분화 프로파일 파라미터들을 수신하도록 구성되는 프로파일 질의(query) 장치 - 상기 측정 신호는 집적 회로 구조물에서 얻어지고, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 가능한 프로파일 특징을 나타냄 -;
    특정 비선형 범위를 갖는 데이터 포인트들을 갖는 프로파일 데이터 공간 - 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타냄 -; 및
    상기 프로파일 데이터 공간에서 상기 측정 신호의 최적 매치를 선택하도록 구성되고 - 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 -, 상기 세분화 프로파일 파라미터들을 결정하기 위해 세분화 과정을 수행하도록 구성되는, 프로파일 평가기를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간으로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 집적 회로 구조물의 프로파일 결정 시스템.
  64. 제 63 항에 있어서, 상기 프로파일 평가기는 상기 프로파일 데이터 공간에서 다면체를 선택하도록 구성되며, 상기 다면체는 상기 최적 매치 데이터 포인트를 포함하고 상기 최적 매치 데이터 포인트에 근접한 선택된 프로파일 파라미터 데이터 포인트들에 해당하는 모서리들을 가지며,
    상기 프로파일 평가기는 총비용 함수를 최소화하도록 구성되고, 상기 총비용 함수는 상기 측정 신호에 대한 상기 선택된 프로파일 파라미터 데이터 포인트들에 해당하는 신호들의 비용 함수, 및 상기 측정 신호에 대한 상기 최적 매치 신호의 비용 함수를 포함하는, 집적 회로 구조물의 프로파일 결정 시스템.
  65. 제 63 항에 있어서, 상기 프로파일 평가기는 감도 행렬을 계산하도록 구성되며, 상기 감도 행렬은 상기 프로파일 파라미터들의 변화에 의해 유도된 상기 신호의 변화의 측정이고,
    상기 프로파일 평가기는 상기 계산된 감도 행렬을 이용하여 상기 프로파일 파라미터들의 조정 값을 결정하도록 구성되며,
    상기 프로파일 평가기는 상기 프로파일 데이터 공간의 최적 매치 데이터 포인트의 해당 프로파일 파라미터들에 상기 프로파일 파라미터들의 상기 조정 값을 가산함으로써, 상기 세분화 프로파일 파라미터들을 계산하도록 구성되는, 집적 회로 구조물의 프로파일 결정 시스템.
  66. 제 63 항에 있어서, 상기 프로파일 평가기는 상기 측정 신호와 클러스터 대표들의 신호들을 비교함으로써, 상기 측정 신호의 최적 매치를 선택하도록 구성되며, 상기 클러스터 대표들은 프로파일 데이터 공간의 데이터 포인트들의 클러스터들로부터 선택되고, 상기 프로파일 데이터 공간의 상기 데이터 포인트들은 특정 비선형 범위를 갖고, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고,
    상기 프로파일 평가기는 상기 측정 신호와 조정 곱셈 행렬을 곱함으로써 세분화 프로파일 파라미터들을 계산하도록 구성되며, 상기 조정 곱셈 행렬은 상기 신호를 프로파일 파라미터들로 변환하는, 집적 회로 구조물의 프로파일 결정 시스템.
  67. 제 63 항에 있어서, 상기 프로파일 평가기는 상기 측정 신호에 가장 근접한 데이터 공간의 특정 개수의 데이터 포인트들을 선택하도록 구성되며, 상기 데이터 공간의 상기 데이터 포인트들은 프로파일 파라미터들 및 데이터 공간의 관련 신호들을 나타내고, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내며, 상기 데이터 공간의 상기 데이터 포인트들은 특정 비선형 범위를 가지며,
    상기 프로파일 평가기는 상기 선택된 개수의 데이터 포인트들과 관련된 신호들을 해당 프로파일 파라미터들로 변환하는 조정 곱셈기를 유도하도록 구성되고,
    상기 프로파일 평가기는 상기 측정 신호와 상기 조정 곱셈기를 곱함으로써 상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 계산하도록 구성되는, 집적 회로 구조물의 프로파일 결정 시스템.
  68. 제 63 항에 있어서, 상기 프로파일 평가기는 프로파일 데이터 공간에서 상기 측정 신호의 최적 매치를 선택하도록 구성되고, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련된 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트이며,
    상기 프로파일 평가기는 상기 프로파일 데이터 공간의 서브세트 내에서 제 1 데이터 포인트를 선택하도록 구성되고, 상기 프로파일 데이터 공간 서브세트는 상기 측정 신호 및 상기 최적 매치 신호와 관련된 상기 데이터 포인트에 근접한 데이터 포인트들을 포함하며,
    상기 프로파일 평가기는 상기 선택된 제 1 데이터 포인트에 해당하는 프로파일 파라미터들로 구조물의 신호를 시뮬레이션하도록 구성되고,
    상기 프로파일 평가기는 프로파일 세분화 사전설정 기준이 만족되는 것을 보장하도록 구성되며, 상기 프로파일 세분화 사전설정 기준은 상기 측정 신호에 대한 상기 시뮬레이션 신호의 적합도 측정을 포함하고,
    상기 프로파일 평가기는 상기 프로파일 세분화 사전설정 기준을 만족하는 상기 시뮬레이션 신호와 관련된 프로파일 파라미터들을 추출하도록 구성되는, 집적 회로 구조물의 프로파일 결정 시스템.
  69. 제 63 항에 있어서, 상기 프로파일 평가기는 프로파일 데이터 공간에서 상기 측정 신호의 최적 매치를 선택하도록 구성되고, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트이며,
    상기 프로파일 평가기는 상기 프로파일 파라미터들의 변화에 의해 유도된 상기 신호의 변화의 측정인 감도 행렬을 계산하도록 구성되고,
    상기 프로파일 평가기는 상기 계산된 감도 행렬과 상기 최적 매치 프로파일 파라미터들을 이용하여 세분화 프로파일 파라미터들의 제 1 세트를 결정하도록 구성되며,
    상기 프로파일 평가기는 상기 세분화 프로파일 파라미터들의 상기 제 1 세트를 이용하여 제 1 신호를 시뮬레이션하도록 구성되고,
    상기 프로파일 평가기는 상기 계산된 감도 행렬와 상기 세분화 프로파일 파라미터들의 상기 제 1 세트를 이용하여 세분화 프로파일 파라미터들의 제 2 세트를 결정하도록 구성되는, 집적 회로 구조물의 프로파일 결정 시스템.
  70. 제 63 항에 있어서, 상기 프로파일 평가기는 프로파일 데이터 공간에서 상기 측정 신호의 최적 매치를 선택하도록 구성되고, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내며, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내고, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트이며,
    상기 프로파일 평가기는 세분화 과정을 이용하여 세분화 프로파일 파라미터들의 제 1 세트를 결정하도록 구성되며, 상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간으로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들이고,
    상기 프로파일 평가기는 상기 세분화 프로파일 파라미터들의 상기 제 1 세트 주위로 상기 프로파일 파라미터들의 범위들을 형성하도록 구성되고,
    상기 프로파일 평가기는 상기 세분화 프로파일 파라미터들의 상기 제 1 세트 주위에 형성되는 상기 범위들을 이용하여 제 2 프로파일 데이터 공간을 생성하도록 구성되며,
    상기 프로파일 평가기는 상기 세분화 과정을 이용하여 세분화 프로파일 파라미터들의 제 2 세트를 결정하도록 구성되는, 집적 회로 구조물의 프로파일 결정 시스템.
  71. 제 63 항에 있어서, 상기 프로파일 평가기는, 겹선형(bilinear) 세분화, 라그랑지(Lagrange) 세분화, 큐빅 스플라인(Cubic Spline) 세분화, 에이티킨(Aitken) 세분화, 가중 평균 세분화, 멀티-이차(multi-quadratic) 세분화, 바이-큐빅(bi-cubic) 세분화, 터란(Turran) 세분화, 웨이브릿(wavelet) 세분화, 베슬(Bessel) 세분화, 에버렛(Everett) 세분화, 유한-차이(finite-difference) 세분화, 가우스(Gauss) 세분화, 허미트(Hermite) 세분화, 뉴턴의 분할 차이(divided difference) 세분화, 접촉(osculating) 세분화, 또는 딜레(Thiele)의 세분화 알고리즘을 이용하는 세부화 과정을 실행하도록 구성되는, 집적 회로 구조물의 프로파일 결정 시스템.
  72. 다수의 세분화 엔진들을 이용하여 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하기 위한 시스템으로서,
    측정 신호를 전송하고 세분화 프로파일 파라미터들을 수신하도록 구성되는 프로파일 질의 장치 - 상기 측정 신호는 집적 회로 구조물에서 얻어지고, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 가능한 프로파일 특징을 나타냄 -;
    프로파일 파라미터들 및 관련 신호들을 갖는 데이터 포인트들을 저장하도록 구성되는 프로파일 데이터 공간; 및
    한 세트 이상의 세분화 프로파일 파라미터들을 결정하기 위해 하나 이상의 세분화 과정들을 호출하도록 구성되며, 최상의 매치 신호 - 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 - 를 선택하도록 구성되고, 특정 선택 기준을 기초로 한 세트 이상의 세분화 프로파일 파라미터들로부터 한 세트의 세분화 프로파일 파라미터들을 선택하도록 구성되는, 프로파일 평가기를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간으로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 집적 회로 구조물의 프로파일 결정 시스템.
  73. 계측 장치에 의해 생성되는 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하기 위한 시스템으로서,
    집적 회로의 신호를 측정하고 상기 측정 신호를 전송하도록 구성되는 계측 장치 - 상기 측정 신호는 집적 회로 구조물에서 얻어지고, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 가능한 프로파일 특징을 나타냄 -;
    프로파일 파라미터들에 대한 질의를 전송하고 세분화 프로파일 파라미터들을 수신하도록 구성되는 프로파일 질의 장치;
    데이터 포인트들을 저장하도록 구성되는 프로파일 데이터 공간 - 상기 데이터 포인트들은 신호들 및 관련 프로파일 파라미터들을 가짐 -; 및
    상기 프로파일 데이터 공간에서 상기 측정 신호의 최적 매치 - 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 - 를 선택하도록 구성되며, 한 세트 이상의 세분화 프로파일 파라미터들을 결정하기 위해 하나 이상의 세분화 과정들을 호출하도록 구성되며, 특정 선택 기준을 기초로 한 세트 이상의 세분화 프로파일 파라미터들로부터 한 세트의 세분화 프로파일 파라미터들을 선택하도록 구성되고, 상기 세분화 프로파일 파라미터들을 상기 프로파일 질의 장치로 전송하도록 구성되는, 프로파일 평가기를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간으로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 집적 회로 구조물의 프로파일 결정 시스템.
  74. 제 73 항에 있어서, 상기 계측 장치는 광학 계측 장치, 전자 계측 장치, 전기적 계측 장치 또는 기계적 계측 장치인, 집적 회로 구조물의 프로파일 결정 시스템.
  75. 컴퓨터가 다음과 같이 동작하도록 명령함으로써 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하기 위한 컴퓨터 실행가능한 코드를 포함하는 컴퓨터-판독가능 저장 매체로서,
    프로파일 데이터 공간에서 측정 신호의 최적 매치를 선택하는 단계 - 상기 측정 신호는 집적 회로 구조물에서 얻어지며, 상기 프로파일 데이터는 특정 비선형 범위를 갖는 데이터 포인트들을 가지며, 상기 데이터 포인트들은 프로파일 파라미터들 및 관련 신호들을 나타내고, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내며, 상기 최적 매치는 상기 측정 신호와 가장 근접한 신호를 갖는 상기 프로파일 데이터 공간의 데이터 포인트임 -; 및
    상기 측정 신호에 해당하는 세분화 프로파일 파라미터들을 결정하기 위해 세분화 과정을 수행하는 단계를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간으로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 컴퓨터 실행가능한 코드를 포함하는 컴퓨터-판독가능 저장 매체.
  76. 컴퓨터가 다음과 같이 동작되도록 명령함으로써 측정 신호로부터 집적 회로 구조물의 프로파일을 결정하기 위한 컴퓨터 실행가능한 코드를 포함하는 컴퓨터-판독가능 저장 매체로서,
    프로파일 라이브러리에서 측정 회절 스펙트럼의 최적 매치를 선택하는 단계 - 상기 측정 스펙트럼은 집적 회로 구조물에서 얻어지며, 상기 프로파일 라이브러리는 특정 비선형 범위를 갖는 인스턴스들을 가지며, 상기 프로파일 라이브러리 인스턴스들은 프로파일 파라미터들 및 관련 회절 스펙트럼들을 포함하고, 상기 프로파일 파라미터들은 상기 집적 회로 구조물의 프로파일 특징을 나타내며, 상기 최적 매치는 상기 측정 회절 스펙트럼과 가장 근접한 회절 스펙트럼을 갖는 상기 프로파일 라이브러리의 인스턴스임 -; 및
    상기 측정 스펙트럼에 해당하는 세분화 프로파일 파라미터들을 결정하기 위해 세분화 과정을 수행하는 단계를 포함하며,
    상기 세분화 과정은 상기 측정 신호, 상기 최적 매치 신호와 관련된 데이터, 및 상기 프로파일 데이터 공간으로부터의 다른 데이터 및/또는 이로부터 유도되는 다른 데이터를 이용하여, 세분화 프로파일 파라미터들을 결정하도록 설계되는 일련의 단계들을 포함하는, 컴퓨터 실행가능한 코드를 포함하는 컴퓨터-판독가능 저장 매체.
KR1020047012519A 2002-02-12 2003-02-10 집적 회로 계측용 프로파일 세분화 KR100910003B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US10/075,904 2002-02-12
US10/075,904 US6609086B1 (en) 2002-02-12 2002-02-12 Profile refinement for integrated circuit metrology
PCT/US2003/003955 WO2003068889A1 (en) 2002-02-12 2003-02-10 Profile refinement for integrated circuit metrology

Publications (2)

Publication Number Publication Date
KR20040081792A KR20040081792A (ko) 2004-09-22
KR100910003B1 true KR100910003B1 (ko) 2009-07-29

Family

ID=27732454

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020047012519A KR100910003B1 (ko) 2002-02-12 2003-02-10 집적 회로 계측용 프로파일 세분화

Country Status (8)

Country Link
US (1) US6609086B1 (ko)
EP (1) EP1483355A4 (ko)
JP (1) JP2005517903A (ko)
KR (1) KR100910003B1 (ko)
CN (1) CN100424711C (ko)
AU (1) AU2003215141A1 (ko)
TW (1) TWI221566B (ko)
WO (1) WO2003068889A1 (ko)

Families Citing this family (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6785638B2 (en) * 2001-08-06 2004-08-31 Timbre Technologies, Inc. Method and system of dynamic learning through a regression-based library generation process
US20070192035A1 (en) * 2005-06-09 2007-08-16 Chem Image Corporation Forensic integrated search technology
US7945393B2 (en) * 2002-01-10 2011-05-17 Chemimage Corporation Detection of pathogenic microorganisms using fused sensor data
US6785009B1 (en) * 2002-02-28 2004-08-31 Advanced Micro Devices, Inc. Method of using high yielding spectra scatterometry measurements to control semiconductor manufacturing processes, and systems for accomplishing same
US7136796B2 (en) * 2002-02-28 2006-11-14 Timbre Technologies, Inc. Generation and use of integrated circuit profile-based simulation information
US7092110B2 (en) * 2002-07-25 2006-08-15 Timbre Technologies, Inc. Optimized model and parameter selection for optical metrology
US7330279B2 (en) * 2002-07-25 2008-02-12 Timbre Technologies, Inc. Model and parameter selection for optical metrology
US6842261B2 (en) * 2002-08-26 2005-01-11 Timbre Technologies, Inc. Integrated circuit profile value determination
US20040090629A1 (en) * 2002-11-08 2004-05-13 Emmanuel Drege Diffraction order selection for optical metrology simulation
US7072049B2 (en) 2003-02-03 2006-07-04 Timbre Technologies, Inc. Model optimization for structures with additional materials
US7394554B2 (en) * 2003-09-15 2008-07-01 Timbre Technologies, Inc. Selecting a hypothetical profile to use in optical metrology
US7224471B2 (en) * 2003-10-28 2007-05-29 Timbre Technologies, Inc. Azimuthal scanning of a structure formed on a semiconductor wafer
JP3892843B2 (ja) * 2003-11-04 2007-03-14 株式会社東芝 寸法測定方法、寸法測定装置および測定マーク
US7126700B2 (en) * 2003-12-12 2006-10-24 Timbre Technologies, Inc. Parametric optimization of optical metrology model
ATE476687T1 (de) 2003-12-19 2010-08-15 Ibm Differentielle metrologie für kritische abmessung und überlagerung
US7523076B2 (en) 2004-03-01 2009-04-21 Tokyo Electron Limited Selecting a profile model for use in optical metrology using a machine learning system
US7212293B1 (en) * 2004-06-01 2007-05-01 N&K Technology, Inc. Optical determination of pattern feature parameters using a scalar model having effective optical properties
KR100625168B1 (ko) * 2004-08-23 2006-09-20 삼성전자주식회사 기판에 형성된 패턴의 검사방법 및 이를 수행하기 위한검사장치
US7280229B2 (en) * 2004-12-03 2007-10-09 Timbre Technologies, Inc. Examining a structure formed on a semiconductor wafer using machine learning systems
US7459100B2 (en) * 2004-12-22 2008-12-02 Lam Research Corporation Methods and apparatus for sequentially alternating among plasma processes in order to optimize a substrate
US7421414B2 (en) * 2005-03-31 2008-09-02 Timbre Technologies, Inc. Split machine learning systems
US8112248B2 (en) * 2005-06-09 2012-02-07 Chemimage Corp. Forensic integrated search technology with instrument weight factor determination
US20090012723A1 (en) * 2005-06-09 2009-01-08 Chemlmage Corporation Adaptive Method for Outlier Detection and Spectral Library Augmentation
US7355728B2 (en) * 2005-06-16 2008-04-08 Timbre Technologies, Inc. Optical metrology model optimization for repetitive structures
US8392012B2 (en) * 2008-10-27 2013-03-05 Applied Materials, Inc. Multiple libraries for spectrographic monitoring of zones of a substrate during processing
US8260446B2 (en) 2005-08-22 2012-09-04 Applied Materials, Inc. Spectrographic monitoring of a substrate during processing using index values
US7305322B2 (en) * 2006-03-31 2007-12-04 Tokyo Electron Limited Using a virtual profile library
US7487053B2 (en) * 2006-03-31 2009-02-03 Tokyo Electron Limited Refining a virtual profile library
US7542859B2 (en) * 2006-03-31 2009-06-02 Tokyo Electron Ltd. Creating a virtual profile library
US20110237446A1 (en) * 2006-06-09 2011-09-29 Chemlmage Corporation Detection of Pathogenic Microorganisms Using Fused Raman, SWIR and LIBS Sensor Data
US7525673B2 (en) * 2006-07-10 2009-04-28 Tokyo Electron Limited Optimizing selected variables of an optical metrology system
US7526354B2 (en) 2006-07-10 2009-04-28 Tokyo Electron Limited Managing and using metrology data for process and equipment control
US7469192B2 (en) * 2006-07-11 2008-12-23 Tokyo Electron Ltd. Parallel profile determination for an optical metrology system
US7515283B2 (en) * 2006-07-11 2009-04-07 Tokyo Electron, Ltd. Parallel profile determination in optical metrology
US20080049214A1 (en) * 2006-08-28 2008-02-28 Alexei Maznev Measuring Diffractive Structures By Parameterizing Spectral Features
US7555395B2 (en) * 2006-09-26 2009-06-30 Tokyo Electron Limited Methods and apparatus for using an optically tunable soft mask to create a profile library
US20080076046A1 (en) * 2006-09-26 2008-03-27 Tokyo Electron Limited accuracy of optical metrology measurements
US20080074677A1 (en) * 2006-09-26 2008-03-27 Tokyo Electron Limited accuracy of optical metrology measurements
US20080074678A1 (en) * 2006-09-26 2008-03-27 Tokyo Electron Limited Accuracy of optical metrology measurements
US7763404B2 (en) * 2006-09-26 2010-07-27 Tokyo Electron Limited Methods and apparatus for changing the optical properties of resists
US20080077352A1 (en) * 2006-09-26 2008-03-27 Tokyo Electron Limited Methods and apparatus for using an optically tunable soft mask profile library
US7417750B2 (en) * 2006-11-07 2008-08-26 Tokyo Electron Limited Consecutive measurement of structures formed on a semiconductor wafer using an angle-resolved spectroscopic scatterometer
US7667858B2 (en) * 2007-01-12 2010-02-23 Tokyo Electron Limited Automated process control using optical metrology and a correlation between profile models and key profile shape variables
US7639351B2 (en) * 2007-03-20 2009-12-29 Tokyo Electron Limited Automated process control using optical metrology with a photonic nanojet
US7949618B2 (en) * 2007-03-28 2011-05-24 Tokyo Electron Limited Training a machine learning system to determine photoresist parameters
US7567353B2 (en) * 2007-03-28 2009-07-28 Tokyo Electron Limited Automated process control using optical metrology and photoresist parameters
US7372583B1 (en) 2007-04-12 2008-05-13 Tokyo Electron Limited Controlling a fabrication tool using support vector machine
US7483809B2 (en) * 2007-04-12 2009-01-27 Tokyo Electron Limited Optical metrology using support vector machine with profile parameter inputs
US7511835B2 (en) * 2007-04-12 2009-03-31 Tokyo Electron Limited Optical metrology using a support vector machine with simulated diffraction signal inputs
US9151712B1 (en) * 2007-05-30 2015-10-06 Kla-Tencor Corporation Rule checking for metrology and inspection
TWI416096B (zh) * 2007-07-11 2013-11-21 Nova Measuring Instr Ltd 用於監控圖案化結構的性質之方法及系統
US7460237B1 (en) 2007-08-02 2008-12-02 Asml Netherlands B.V. Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method
US20090275265A1 (en) * 2008-05-02 2009-11-05 Applied Materials, Inc. Endpoint detection in chemical mechanical polishing using multiple spectra
US7761178B2 (en) * 2008-06-18 2010-07-20 Tokyo Electron Limited Automated process control using an optical metrology system optimized with design goals
JP5774482B2 (ja) * 2008-10-27 2015-09-09 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ 処理中の基板の分光モニタリングにおける適合度
US8751033B2 (en) * 2008-11-14 2014-06-10 Applied Materials, Inc. Adaptive tracking spectrum features for endpoint detection
US8834229B2 (en) 2010-05-05 2014-09-16 Applied Materials, Inc. Dynamically tracking spectrum features for endpoint detection
CN106252220B (zh) * 2010-05-05 2019-06-11 应用材料公司 用于终点检测的动态或适应性追踪光谱特征
NL2006700A (en) 2010-06-04 2011-12-06 Asml Netherlands Bv Method and apparatus for measuring a structure on a substrate, computer program products for implementing such methods & apparatus.
US8954186B2 (en) 2010-07-30 2015-02-10 Applied Materials, Inc. Selecting reference libraries for monitoring of multiple zones on a substrate
EP2515168B1 (en) * 2011-03-23 2021-01-20 ASML Netherlands B.V. Methods and apparatus for calculating electromagnetic scattering properties of a structure and for reconstruction of approximate structures
CN102289533B (zh) * 2011-05-09 2013-01-09 江南大学 一种基于几何规划的大规模集成电路回归测试管理方法
CN105452963B (zh) * 2013-08-13 2017-08-22 Asml荷兰有限公司 用于评价结构的所感兴趣的参数的值的重构品质的方法和检验设备以及计算机程序产品
US9194692B1 (en) 2013-12-06 2015-11-24 Western Digital (Fremont), Llc Systems and methods for using white light interferometry to measure undercut of a bi-layer structure
NL2016614A (en) 2015-05-07 2016-11-10 Asml Netherlands Bv Metrology method and apparatus, computer program and lithographic system.
WO2017063827A1 (en) 2015-10-12 2017-04-20 Asml Netherlands B.V. Indirect determination of a processing parameter

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020038196A1 (en) 2000-08-10 2002-03-28 Johnson Kenneth C. Database interpolation method for optical measurement of diffractive microstructures
US20030028358A1 (en) 2001-08-06 2003-02-06 Xinhui Niu Method and system of dynamic learning through a regression-based library generation process

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5607800A (en) * 1995-02-15 1997-03-04 Lucent Technologies Inc. Method and arrangement for characterizing micro-size patterns
US5864633A (en) * 1996-05-17 1999-01-26 Therma-Wave, Inc. Method and apparatus for optical data analysis
US6483580B1 (en) * 1998-03-06 2002-11-19 Kla-Tencor Technologies Corporation Spectroscopic scatterometer system
IL123727A (en) * 1998-03-18 2002-05-23 Nova Measuring Instr Ltd Method and apparatus for measurement of patterned structures
US6891626B2 (en) * 2000-01-26 2005-05-10 Timbre Technologies, Inc. Caching of intra-layer calculations for rapid rigorous coupled-wave analyses
US6429943B1 (en) * 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
US6532076B1 (en) * 2000-04-04 2003-03-11 Therma-Wave, Inc. Method and apparatus for multidomain data analysis
IL140179A (en) * 2000-12-07 2004-09-27 Nova Measuring Instr Ltd Method and system for measuring in patterned structures
US6819426B2 (en) * 2001-02-12 2004-11-16 Therma-Wave, Inc. Overlay alignment metrology using diffraction gratings
IL157691A0 (en) * 2001-03-02 2004-03-28 Accent Optical Tech Inc Line profile asymmetry measurement using scatterometry
US6898596B2 (en) * 2001-10-23 2005-05-24 Therma-Wave, Inc. Evolution of library data sets

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020038196A1 (en) 2000-08-10 2002-03-28 Johnson Kenneth C. Database interpolation method for optical measurement of diffractive microstructures
US20030028358A1 (en) 2001-08-06 2003-02-06 Xinhui Niu Method and system of dynamic learning through a regression-based library generation process

Also Published As

Publication number Publication date
WO2003068889A8 (en) 2003-11-13
JP2005517903A (ja) 2005-06-16
AU2003215141A8 (en) 2003-09-04
CN100424711C (zh) 2008-10-08
TWI221566B (en) 2004-10-01
WO2003068889A1 (en) 2003-08-21
CN1646661A (zh) 2005-07-27
US6609086B1 (en) 2003-08-19
TW200302971A (en) 2003-08-16
AU2003215141A1 (en) 2003-09-04
EP1483355A2 (en) 2004-12-08
EP1483355A4 (en) 2007-05-16
KR20040081792A (ko) 2004-09-22

Similar Documents

Publication Publication Date Title
KR100910003B1 (ko) 집적 회로 계측용 프로파일 세분화
US7487053B2 (en) Refining a virtual profile library
US6721691B2 (en) Metrology hardware specification using a hardware simulator
JP4824299B2 (ja) 集積回路構造のプロファイルを決定する方法及びシステム又はコンピュータ読取可能な記録媒体
KR101144402B1 (ko) 광학적 계측에 이용되는 가상 프로파일 선택 방법 및 선택 시스템과, 컴퓨터 판독 가능 기억 매체
US7526354B2 (en) Managing and using metrology data for process and equipment control
US7532317B2 (en) Scatterometry method with characteristic signatures matching
US7428060B2 (en) Optimization of diffraction order selection for two-dimensional structures
US7525673B2 (en) Optimizing selected variables of an optical metrology system
US7627392B2 (en) Automated process control using parameters determined with approximation and fine diffraction models
US7729873B2 (en) Determining profile parameters of a structure using approximation and fine diffraction models in optical metrology
US7495781B2 (en) Optimizing selected variables of an optical metrology model
WO2004013723A2 (en) Model and parameter selection for optical metrology
CN104025275A (zh) 用于计量的基于过程变差的模型优化
US7542859B2 (en) Creating a virtual profile library
KR101121804B1 (ko) 집적회로 광학 계측에 사용되는 파장 선택 방법
WO2004013568A2 (en) Metrology hardware adaptation with universal library
JP2009507230A (ja) 光計測において反復構造の単位セル構成を選択する方法
US7742177B2 (en) Noise-reduction metrology models
US7949490B2 (en) Determining profile parameters of a structure using approximation and fine diffraction models in optical metrology
JP2013533980A (ja) 反復空間高調波次数切り捨てによる計算効率化
KR20160014722A (ko) 광학 계측을 위한 높은 상관관계를 갖는 파라미타의 동적 제거
US7511835B2 (en) Optical metrology using a support vector machine with simulated diffraction signal inputs
US7305322B2 (en) Using a virtual profile library

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120629

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20130705

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150618

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee