KR102265868B1 - 요건에 대한 타겟 및 프로세스 감도 분석 - Google Patents

요건에 대한 타겟 및 프로세스 감도 분석 Download PDF

Info

Publication number
KR102265868B1
KR102265868B1 KR1020167017463A KR20167017463A KR102265868B1 KR 102265868 B1 KR102265868 B1 KR 102265868B1 KR 1020167017463 A KR1020167017463 A KR 1020167017463A KR 20167017463 A KR20167017463 A KR 20167017463A KR 102265868 B1 KR102265868 B1 KR 102265868B1
Authority
KR
South Korea
Prior art keywords
metrology
target
parameters
targets
metrics
Prior art date
Application number
KR1020167017463A
Other languages
English (en)
Other versions
KR20160096118A (ko
Inventor
미카엘 이. 아델
누리엘 아미르
마크 기노브커
탈 슈스터만
데이비드 그레디
세르게이 보로디얀스키
Original Assignee
케이엘에이 코포레이션
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 케이엘에이 코포레이션 filed Critical 케이엘에이 코포레이션
Publication of KR20160096118A publication Critical patent/KR20160096118A/ko
Application granted granted Critical
Publication of KR102265868B1 publication Critical patent/KR102265868B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Drying Of Semiconductors (AREA)

Abstract

외부 요건 또는 내부 개발 및 검증 요구에 따라, 광범위한 파라미터에 대한 계측 구성 감도, 타겟, 및 프로세스를 분석하기 위한 시스템 및 방법이 제공된다. 시스템은 다음의 엘리먼트를 포함한다. 입력 모듈은, 타겟, 타겟 계측 조건 및 생산 프로세스에 관한 파라미터를 수신하여 타겟 데이터를 생성하도록 구성된다. 계측 시뮬레이션 유닛은 타겟 데이터로부터 타겟의 계측 측정치를 시뮬레이션하고, 시뮬레이션된 타겟 측정치를 정량화하는 복수의 메트릭을 생성하도록 구성된다. 감도 분석 모듈은 파라미터에 대한 메트릭의 함수적 종속성을 도출하고 도출된 함수적 종속성에 대해 파라미터의 필수 불확정성을 정의하도록 구성된다. 마지막으로, 타겟 최적화 모듈은 시뮬레이션된 타겟 측정치에 대해 타겟과 타겟 계측 조건을 순위결정하도록 구성된다.

Description

요건에 대한 타겟 및 프로세스 감도 분석{TARGET AND PROCESS SENSITIVITY ANALYSIS TO REQUIREMENTS}
<관련 출원과의 교차 참조>
본 출원은 2013년 12월 11일에 출원한 미국 가특허출원 61/914,950을 우선권 주장하며, 이 우선권 출원은 그 전체가 참조로 본 명세서에 포함된다.
<기술 분야>
본 발명은 계측학(metrology) 분야에 관한 것이며, 더 구체적으로는 타겟, 프로세스 및 측정 파라미터에 대한 계측 측정치의 감도 분석에 관한 것이다.
계측학은 타겟, 타겟 계측 조건 및 생산 프로세스(production process)에 관련된 다수의 파라미터를 수반한다. 타겟 설계, 생산 프로세스 및 계측 측정치는 파라미터 세팅을 효율적으로 평가하는 것을 어렵게 하고 계측 일탈(metrology excursion)의 근본 원인 분석을 어렵게 하는, 가변성 감도를 나타낸다.
본 발명의 일 양태는, 타겟, 타겟 계측 조건 및 생산 프로세스에 관한 복수의 파라미터를 수신하여 타겟 데이터를 생성하도록 구성된 입력 모듈과, 타겟 데이터로부터 타겟의 계측 측정치를 시뮬레이션하고 시뮬레이션된 타겟 측정치를 정량화하는 복수의 메트릭을 생성하도록 구성된 계측 시뮬레이션 유닛과, 파라미터에 대한 메트릭의 함수적 종속성을 도출하고 도출된 함수적 종속성에 대해 파라미터의 필수 불확정성을 정의하도록 구성된 감도 분석 모듈과, 시뮬레이션된 타겟 측정치에 대해 타겟 및 타겟 계측 조건 중 적어도 하나를 순위결정(ranking)하도록 구성된 타겟 최적화 모듈을 포함하는 시스템을 제공한다.
본 발명의 이들, 추가, 및/또는 기타 양태 및/또는 장점은 이어지는, 상세한 설명으로부터 가능하게 추론될 수 있고/있거나 본 발명의 실시로 학습 가능한 상세한 설명에서 밝혀진다.
본 발명의 실시형태에 대한 이해를 높이고 이 실시형태들이 어떻게 달성될 수 있는지를 보여주기 위해, 이하에서는 순전히 예로만 첨부 도면을 참조할 것이며, 도면에 있어서 같은 도면부호는 전체적으로 대응하는 요소 또는 부분을 가리킨다.
첨부 도면에 있어서,
도 1과 도 2는 본 발명의 일부 실시형태에 따른, 시스템의 하이 레벨의 개략적 개관 블록도 및 그 시스템에서의 정보 생성 및 흐름도이다.
도 3은 본 발명의 일부 실시형태에 따른, 타겟 및 측정 피처에 관한 비제한적 계측도이다.
도 4는 본 발명의 일부 실시형태에 따른, 타겟 및 측정 피처에 관한 계측 및 그 표현에 대한 비제한적 그래프 도면이다.
도 5는 본 발명의 일부 실시형태에 따른, 순위결정 예를 개략적으로 나타낸다.
도 6은 본 발명의 일부 실시형태에 따른, 방법을 나타내는 상위 레벨의 개략적 흐름도이다.
도 7은 본 발명의 일부 실시형태에 따른, 시스템의 상위 레벨의 개략적 블록도이다.
도 8은 본 발명의 일부 실시형태에 따른, 상이한 프로세스 변동 파라미터에 대한 계측 메트릭의 상이한 감도를 예시하는 도면이다.
관련 기술의 배경을 설명하기에 앞서, 이하에서 사용되는 소정의 용어의 정의를 설명하는 것이 도움이 될 수 있다.
본 출원 명세서에서 사용하는 용어 "메트릭(metric)"은 처리전(raw)의 측정치 그자체(식별 메트릭), 하나 이상의 측정 타입에 관해 도출된 양, 측정치의 조합 또는 상호작용에 관한 양, 그리고 하나 이상의 다른 메트릭과 가능하다면 하나 이상의 측정 타입으로부터 도출되는 "메타 메트릭" 등의 주어진 측정치에 관한 임의의 양(quantity)으로서 정의된다.
이제 도면을 상세하게 참조하면, 도시하는 상세는 예시적인 것이며 본 발명의 양호한 실시형태를 예시적으로만 설명하기 위한 용도이며, 본 발명의 원리 및 개념적 양태의 설명을 용이하게 이해하기 위해 가장 유용하다고 생각되는 것을 제공하는 근거로 제시된다. 이 점에 있어서, 본 발명의 기본적인 이해에 필요한 것보다 더 상세하게 본 발명의 구조적 상세를 보여주기 위한 어떤 시도도 하지 않으며, 도면을 참조한 설명으로 당업자에게는 어떻게 본 발명의 여러 형태가 실제로 구현될 수 있는지가 명백하게 된다.
본 발명의 적어도 하나의 실시형태를 상세하게 설명하기 전에, 본 발명은 다음의 설명에 개시되거나 도면에 도시되는 구성요소들의 구성 및 배열의 세부에 그 적용이 한정되지 않음이 이해되어야 한다. 본 발명은 다른 실시형태에 적용 가능하거나 다양하게 실시 또는 수행될 수 있다. 또한 본 명세서에 채택되는 표현 및 전문용어는 설명을 위한 것이며 제한적인 것으로 간주되어서는 안 되는 것은 물론이다.
계측 시뮬레이션은 계측 엔지니어가 계측 이벤트의 성능을 예측하고 다중 입력 파라미터에 대한 그러한 성능의 종속성을 평가하게 하는데 일반적으로 종종 이용된다. 계측 성능을 달성하는 입력 파라미터의 예는, 반도체 제조 공정의 결과로서 생기는, 타겟의 기하 파라미터, 계측 시스템 구성, 및 웨이퍼 상의 막스택 및 피처 토포그래피(및 그 허용오차)를 포함한다. 이하의 설명에서, 용어 "프로세스 파라미터"는 구체적으로 상기 막스택 및 피처 포토그래피 그리고 그 허용오차에 관련된다.
외부 요건 또는 내부 개발 및 검증 요구에 따라, 광범위한 파라미터에 대한 계측 구성 감도, 및 타겟 기하구조를 분석하기 위한 시스템 및 방법이 제공된다.
입력 모듈은, 타겟, 타겟 계측 조건 및 프로세스 파라미터에 관한 입력 파라미터 및 허용오차를 수신하여 타겟 데이터를 생성하도록 구성된다. 이 문맥에서, "스택 및 토포그래피 검증"은 시뮬레이션에서 이용되는 프로세스 파라미터가 실제 웨이퍼 스택 및 토포그래피의 정확한 표현치(representation)임을 검증하는 절차에 관한 것이다.
계측 시뮬레이션 유닛은, 입력 파라미터로부터 타겟의 계측 측정치를 시뮬레이션하고 처리전의 시뮬레이션된 측정 데이터 및 시뮬레이션된 타겟 측정치의 계측 성능을 정량화하는 다수의 도출된 메트릭을 생성하도록 구성된다.
감도 분석 모듈은 입력 파라미터에 대한, 처리전의 시뮬레이션된 측정 데이터 또는 도출된 메트릭의 함수적 종속성(functional dependecy)을 도출하고 프로세스 파라미터의 (불확정성 또는 통제되지 않은 변동으로 인한) 필수 허용오차를 정의하도록 구성된다. 감도 분석 모듈은 또한, (i) 프로세스 파라미터의 작은 변동으로 하나 이상의 계측 메트릭이 크게 변하는 것을 식별함으로써, 최대 영향의 스택 및 토포그래피 파라미터에 집중하도록 스택 및 토포그래피 검증, (ii) 연산이 컴팩트한 시뮬레이션을 만들기 위해 후속 타겟 최적화 절차로부터의 계측 메트릭에 대한 저감된 영향을 반대로 보여주는 프로세스 변동 파라미터의 제거, (iii) 후속하여 계측에 대한 영향을 저감시키기 위해 제조 프로세스 변경에 관한 결정을 지원하도록 계측 성능에 미치는 프로세스 파라미터 변동의 영향의 정량적 분석, (iv) 이전 프로세스 단계로부터의 피드 포워드된 계측 데이터의 유무에 관계없이 계측 메트릭과 프로세스 파라미터 변동 사이에 상관관계를 확립하여 계측 일탈의 근본 원인 분석, 및 (v) 측정 매칭에 시뮬레이션의 예상 품질의 인디케이터의 제공을 가능하게 한다.
마지막으로, 타겟 최적화 모듈은 시뮬레이션된 타겟 측정 메트릭에 대해 타겟과 타겟 계측 조건을 순위결정하도록 구성될 수 있다. 그 결과, 광범위한 프로세스 파라미터에 대한 처리전의 시뮬레이션된 측정 데이터 또는 도출된 메트릭의 다중 감도 응답이 오버레이되고 동시에 비교될 수 있어, 효과적인 분석 및 설계 플랫폼을 제공한다.
도 1과 도 2는 본 발명의 일부 실시형태에 따른, 시스템(100)의 하이 레벨의 개략적 개관 블록도 및 그 시스템(100)에서의 정보 생성 및 흐름도이다. 시스템(100)은 입력 모듈(110), 계측 시뮬레이션 유닛(120), 감도 분석 모듈(130) 및 타겟 최적화 모듈(140)을 포함할 수 있다. 시스템(100)은 주어진 요건, 생산 조건(production condition), 및 계측 사양에 따라, 타겟, 계측 센서 구성 및 프로세스 파라미터, 그리고 파라미터 감도를 분석하도록 구성된다.
입력 모듈(100)은 예컨대 웨이퍼 생산자(90)로부터 또는 타겟 설계자(90)로부터, 타겟에 관한 복수의 파라미터(타겟 파라미터)(94), 계측 조건(96), 및 선택적으로 생산 프로세스(프로세스 파라미터(98))를 수신하고, 그것들로부터 타겟 설계 데이터 및 계측 센서 구성 추천(119)을 생성하도록 구성된다. 타겟 파라미터(94), 계측 파라미터(96), 및 프로세스 파라미터(98)에 대한 비제한적인 예를 이하에 제시한다. 프로세스 파라미터(98)는 타겟 레지스트 프로파일, 스택 및 레지스트 특성(예, 재료), 바 폭(bar width), 측벽 각도, 측벽 각도 비대칭성, 토포그래피, 퇴적, 에칭 또는 연마 관련 토포그래피, 및 그것의 비대칭성 등의 임계 치수, 및 추가 처리 특성, 프로세스 윈도우 파라미터, 리소그래피 조명의 유형 및 분포, 및 촬상 수차(imaging aberration)를 포함할 수 있다. 타겟 파라미터(94)는 타겟 층의 임의의 층에 대하여 그리고 비제한적인 예로서, 격자 피치, 층간 오프셋, 임계 치수(CD), 분할, 직교 또는 평행, 화학적 기계 연마 보조 피처, 서브 분해능(또는 분해된) 보조 피처, 및 계측 타겟 피처 그자체에 대한 동일 또는 상이한 층에서의 더미화 피처를 포함할 수 있다. 계측 조건(96)은 비제한적인 예로서, 조명 파라미터를, 예컨대 파장, 대역폭, 편광각, 공간 및/또는 시간적 코히어런스, 입사각, 개구수, 조명 동공(illumination pupil) 구성, 피크 또는 평균 전력, 플루엔스(fluence), 및 기하광학 구성 및 광학 정보, 계측 타입(예, 산란계측(scatterometry) 또는 촬상) 등의 기타 파라미터를 포함할 수 있다.
입력 모듈(110)은 또한, 타겟 층, 예컨대 이전 층과 현재 층에 관한 프로세스 시뮬레이션 결과 및/또는 프로세스 데이터를 수신하여 제공하도록 구성될 수 있다. 타겟 및 생산 프로세스에 관한 시뮬레이션과 프로세스 데이터의 임의의 조합이 입력 모듈(110)에 의해 계측 시뮬레이션 유닛(120)에 제공될 수 있다. 그 데이터는 웨이퍼 상의 타겟 또는 기타 구조의 물리 및 광학적 파라미터와, 시뮬레이션된 프로세스 및 타겟 파라미터와, 웨이퍼 위에서의 이들의 가변성을 포함할 수 있다.
계측 시뮬레이션 유닛(120)은 타겟 데이터(119)로부터의 타겟의 계측 측정치를 시뮬레이션하여 복수의 계측 메트릭(124), 및 가능하다면, 시뮬레이션된 타겟의 처리전의 측정치 또는 도출된 계측 메트릭을 정량화하는 프로세스 메트릭(126)을 생성하도록 구성된다. 소정의 실시형태에 있어서, 계측 시뮬레이션 유닛(120)은 입력 모듈(110)이 제공한 데이터에 광학 시뮬레이션을 적용하여, 시뮬레이션된 타겟 구조에 관한 데이터 및 시뮬레이션된 타겟의 계측 결과를 생성하도록 구성된다. 소정의 실시형태에 있어서, 계측 메트릭 모듈(123)은 계측 시뮬레이션 유닛(120)의 일부이거나 그와 연관될 수 있으며, 계측 시뮬레이션 유닛(120)에 의해 생성된 처리전의 시뮬레이션 데이터로부터 메트릭(124, 126)을 산출하도록 구성될 수 있다. 계측 메트릭 모듈(123)(또는 계측 시뮬레이션 유닛(120))은 도 8을 참조하여 이하에서 예를 들어 설명하겠지만, 프로세스 파라미터 허용오차(129)를 감도 분석 모듈에 제공할 수 있다. 광학 시뮬레이션은 다양한 계측 파라미터 및 측정 프로세스에 관련된다.
계측 시뮬레이션 유닛(120)은 복수의 계측 메트릭(124)을 산출하도록 구성될 수도 있다. 소정의 실시형태에 있어서, 웨이퍼 생산자(90)는 적어도 일부 메트릭(124) 또는 프로세스 메트릭(126)의 아이덴티티뿐만 아니라 성능 제약(127), 및 메트릭(124, 126)에 관한 허용오차 범위 및 임계치를 정의할 수 있다.
메트릭의 비제한적인 예는, 타깃의 상이한 피처(예, 상이한 엘리먼트, 상이한 층)를 참조한, 다양한 대칭성 품질 메리트, 엘리먼트 및 층의 경사 및 형상 등의 기하학적 메리트, 치수적 메리트(예, 구조의 임계 치수(CD)), 엘리먼트와 층 간의 구조적 관계를 정량화하는 상관관계 메리트, 및 예컨대 퇴적 또는 에칭 단계에 관한 프로세스 효율 메리트를 포함한다. 상이한 메트릭은 추가 메트릭을 정의하도록 비교 또는 조합될 수도 있고, 메트릭은 다양한 데이터와 비교 또는 조합되어 추가 메트릭을 생성할 수 있는데, 예컨대 디바이스 프로세스 메트릭과의 프로세스 윈도우 메트릭의 비교(예, 사용자 인터페이스를 통한 시각적 비교)가 추가 메트릭으로서 이용될 수도 있다. 추가 계측 성능 메트릭(124)은 타겟 회절 효율, 계측 정확성(공칭적 기하 계측 결과와 시뮬레이션된 계측 결과 간의 차이로서 정의) 또는 계측 신호의 푸리에 분석 또는 분해로부터 도출된 품질 메리트, 또는 도출된 동공 분포 함수 등의 계측 정확성 플래그를 포함할 수 있다. 추가 계측 성능 메트릭(124)은 오버레이 변동에 대한 처리전 또는 도출된 계측 신호의 정밀성, 콘트라스트 또는 감도를 포함할 수 있다.
소정의 실시형태에 있어서, 시스템(100)은 다양한 타겟 템플릿 세트(95) 등의 요건(97)을 포함할 수 있다. 입력 모듈(110)은 이들 입력을 수신하고, 입력된 타겟의 예컨대 각각의 ± 1차(또는 고차) 반사도를 기술하는 타겟 특성화 파일(115)의 각각의 워크북을 생성하도록 구성될 수 있다. 이들 데이터는, 후속 연산 단계에서, 예컨대 입력된 타겟의 오버레이와 이것의 입력된 프로세스 파라미터에 대한 종속성, 그리고 이것의 허용오차를 시뮬레이션하는 시뮬레이터(120) 내의 오버레이 연산 모듈에 의해 이용될 수 있다. 감도 분석 모듈(130) 및 타겟 최적화 모듈(140)은 계측 메트릭(124)과 프로세스 메트릭(126)을 도출하고 처리하여, 타겟 설계, 생산 프로세스 및 계측 측정을 최적화할 수 있는, 타겟, 툴 셋업 및 각각의 스코어를 산출한다.
소정의 실시형태에 있어서, 감도 분석 모듈(130)은 타겟 메트릭에 미치는 최대의 영향을 갖는 프로세스 파라미터에 집중하기 위해 타겟 최적화 이전에, 스택 및 토포그래피 검증을 가능하게 하도록 구성될 수 있다. 소정의 실시형태에 있어서, 감도 분석 모듈(130)은 타겟 최적화 이전에, 둔감한(insensitive) 프로세스 변동 파라미터를 제거하여 보다 연산이 컴팩트한 시뮬레이션 프로세스를 제공하도록 구성될 수 있다.
소정의 실시형태에 있어서, 감도 분석 모듈(130)은 계측에 미치는 영향을 줄이기 위해, 계측 성능에 미치는 프로세스 변동의 영향에 대한 양적 데이터(quantitative data)를 제공하여 제조 프로세스 변경에 관한 결정을 지원하도록 구성될 수 있다. 소정의 실시형태에 있어서, 감도 분석 모듈(130)은 후속 계측 단계 시에 계측 일탈을 예측하기 위해서 이전 처리 단계로부터, 층에서의 예컨대 막, 임계 치수, 응력, 형상, 또는 n & k 데이터에 제한되지 않는 계측 데이터의 피드 포워드와 함께 이용되도록 구성될 수 있다. 또한, 이러한 피드 포워드된 데이터를 이용할 수 있다면(또는 없다면), 감도 분석 모듈(130)은 관찰된 계측 메트릭을 특정 프로세스 파라미터의 변동과 상관시킴으로써 후속 계측 일탈의 근본 원인 분석을 가능하게 하도록 구성될 수 있다. 소정의 실시형태에 있어서, 감도 분석 모듈(130)은 측정 매칭에 시뮬레이션의 예상 품질의 인디케이터를 제공하도록 구성될 수 있다.
소정의 실시형태에 있어서, 타겟 경쟁치(contender)들은 임의의 포맷(예, GDSII(Graphic Database System II) 포맷)으로 입력되어, 스캐너 수차 및 패턴 배치 에러(attern placement error, PPE), 조사 프로세스(illumination process) 윈도우 파라미터(즉, DOF(depth of focus)과 EL(energy latitude), 및 다양한 프로세스 조건 하에서의 타겟 비교를 위한 기타 값, 예컨대 두께 관련 프로세스 윈도우 파라미터 등의 프로세스 관련 데이터와 함께 이용되는 타겟 프로파일을 도출하는데 이용될 수 있다. 이러한 비교는 초기 충실도 시뮬레이션으로서 적용될 수 있다. 소정의 실시형태에 있어서, 레티클 레이아웃을 위한 계측 타겟 구조 설계의 작성에 관한 방법론적 요소가 미국 특허 7,925,486에 수록되어 있으며, 이 특허문헌은 전체가 본 명세서에 참조로 포함될 수 있다.
소정의 실시형태에 있어서, 시뮬레이터(120)는 타겟을 시뮬레이션하기 위한 다음의 파라미터, 즉 계측 조명 빔의 아포다이제이션, 동공 칼리브레이션, 조명 타입 및 패턴, 노이즈 모델, 마스킹 유형 및 파라미터, 편광, 스펙트럼 특성 등등 중 임의의 것을 이용할 수 있다. 시뮬레이터(120)는 오버레이, 정밀성 메트릭, 회절 효율 등을 산출하도록 구성될 수 있다.
도 3은 본 발명의 일부 실시형태에 따른, 타겟 및 측정 피처에 관한 계측의 비제한적인 예시를 보여준다. 좌측 상단 예(126)는 현실의 프로세스 변동에 대한 정밀성 취약도를 추정하는데 이용될 수 있는 프로세스 로버스트성 메트릭(process robustness metric)에 대한 일례를 도시하고 있다. 고객 또는 타겟 설계자(90)는 프로세스 변동 파라미터 및 프로세스 변동 범위를 설정하고, 대상으로 하는 품질, 예컨대 g([σl,σu])=max{σl,σu}/σnom과 같은 정밀성 열화 레벨을 정의할 수 있으며, 여기서 g는 메트릭이고, σl, σu는 각각 상부 및 하부 엘리먼트에 대한 표준 편차이며, σnom은 도 3에 나타내는 바와 같이, 공칭 타겟에 대한 표준 편차이다.
좌측 하단 예(124)는 0차 및 1차 동공면 이미지에 대한 회절 효율(DE, diffraction efficiency) 메트릭(124)에 대한 일례를 도시하고 있다. DE 메트릭(124)은 0, ±1차 이미지 각각에 전파되는 모든 광선(ray)에 걸친 합 또는 평균으로서 산출될 수 있다. DE 메트릭(124)은, 낮은 회절 효율이 특히 작은 타겟에 대해 정확성 리스크를 높이기 때문에, 정확성 리스크를 나타내는데 이용될 수 있다. DE 메트릭(124)은 조명, 광학장치(optics), 및 마스크의 유형 및 형태뿐만 아니라 타겟 설계 및 프로세스 파라미터 등의 다양한 파라미터(94, 96, 98)의 크기(multitude)에 대해 도출될 수 있다. 성능 제약(127)은 예컨대 웨이퍼 생산자 또는 타겟 설계자(90)에 의해 이들 영향을 정량화하는데 설정되는 메트릭(124)에 대해 설정될 수 있다.
도 3의 우측 예시는 FinFET 구조 등의 구조의 생산에서 프로세스 피처로부터 야기되는 이상(irregularity)을 도시하고 있다. 우측 상단 예시는 층들 사이에 비정상적인 경계(화살표 참조)를 형성하는 디싱 효과(dishing effect)를 도시하고 있으며, 우측 하단 예는 FinFET 구조 그자체에서 그리고 상단층과의 그 구조의 경계(화살표 참조)에서의 이상을 도시하고 있다. 이들 효과는 계측 메트릭(124) 및 프로세스 메트릭(126)으로서 정량화될 수 있으며 성능 제약(127)이 그에 대해 설정될 수 있다.
정밀성 메트릭(124)에 관한 예는 노이즈 모델을 이용하여 노이즈성 이미지를 생성함으로써 ANRA(Adaptive Noise Reduction Algorithm) 정밀성의 추정을 포함하며, 이 노이즈 모델은 대상으로 하는 품질을, 예컨대 오버레이 3σ이 되게 설정하고, 사양치(specification)(spec) 주변에 높은 감도를 나타내는 메트릭을 산출하는데, 예컨대 비제한적인 예로서 f(σ) = 0.5 + arctan(10·(3σ-spec)/(a·spec))/π이며, 여기서 a는 고감도를 산출하기 위한(표현(132)에서의 0.5 주변의 급격한 경사) 튜닝 파라미터이다. 유사한 메트릭이 다양한 파라미터에 대해 산출될 수 있다.
정확성 메트릭(124)에 대한 예는 타겟 엘리먼트 치수 및 기하 파라미터 등의 정확성 파괴 타겟 변동으로 인한 오버레이 에러의 추정치이다. 고객 또는 타겟 설계자(90)는 정확성 파라미터 및 정확성 파라미터에 대한 적절한 변동 범위뿐만 아니라 정확성 임계치(허용된 오버레이 비정확성)도 설정하고, 대상으로 하는 품질, 예컨대 공칭적(정확한) 타겟에 대해 측정 또는 시뮬레이션된 오버레이에 대해 주어진 변동 하에서의 오버레이 값의 범위를 정의할 수 있다.
감도 분석 모듈(130)은 데이터 및/또는 계측 메트릭(124)을 수신하고 계측 시뮬레이션 유닛(120)으로부터 메트릭(126)을 처리하도록 구성된다. 감도 분석 모듈(130)은 또한, 파라미터(94, 96, 98)에 대한 계측 및 프로세스 메트릭(124, 126)의 함수적 의존성(131)을 도출하고 도출된 함수적 종속성(131)에 대해 그 파라미터의 필수 불확정성(149)을 정의하도록 구성된다. 소정의 실시형태에 있어서, 감도 분석 모듈(130)은 계측 및 프로세스 메트릭(124, 126)의 전부 또는 일부를 도출 및/또는 그로부터 추가 메트릭을 산출하도록 구성될 수도 있다.
계측 메트릭(124)은 비제한적인 예로서, 프로세스 로버스트성, 정밀성 감도, 회절 효율, 정확성, 정밀성, 리소그래피 성능, 알고리즘적 비정확성을 더 포함할 수 있다. 소정의 실시형태에 있어서, 계측 메트릭(124)은 툴 셋업 로버스트성 메트릭을 포함할 수도 있으며, 툴 셋업은 예컨대 편광, 파장 및 아포다이저(apodizer)의 세팅을 포함한다. 동일한 기하구조를 공유하지만 상이한 툴 셋업 구성으로 페어링(pairing)되는, 소정의 기하구조 및 소정의 툴 셋업의 세트는 시스템(100) 및 각각의 방법을 이용하여 비교될 수 있다. 제안되는 메트릭은 상이한 셋업에서 측정될 수 있는 타겟들에 대한 순위결정(ranking)을 강화시킬 수 있다. 프로세스 메트릭은 비제한적인 예로서, 인쇄적성(printability), 배치 에러 및 대칭성을 포함할 수 있다. 계측 및 프로세스 메트릭(124, 126)은 절대적 척도(예, 나노미터, 각도) 및/또는 상대적 척도(예, 1 스케일에 대한 제로)로 표현될 수 있다.
메트릭(124, 126)은 사양 요건에 따라 설정되는 공통 스케일로 비교 또는 표현될 수 있다. 그런 다음 특정 파라미터(94, 96, 98) 및 그 파라미터에 대한 감도는 전체 메트릭을 함께 고려하여 분석될 수 있고, 개관(overview)이 유지되면서 상이한 고려대상들이 균형잡힐 수 있다.
감도 분석 모듈(130)은 또한, 파라미터(94, 96, 98)에 대한 계측 및 프로세스 메트릭(124, 126)의 의존성에 관한 데이터 및/또는 표현(132)을 생성하도록 구성될 수 있다. 감도 분석 모듈(130)은 파라미터(94, 96, 98)에 대한 계측 및 프로세스 메트릭(124, 126)의 함수적 종속성(131)을 도출하고, 비제한적으로 표현(132)으로 나타내는, 도출된 함수적 종속성에 대해 (예, 웨이퍼 생산자(90)로부터의) 수신된 요건을 표현하도록 구성된다.
도 4는 본 발명의 일부 실시형태에 따른, 타겟 및 측정 피처에 관련된, 계측 및 프로세스 메트릭(124, 126) 및 이들의 표현(132)에 관한 비제한적인 예시를 보여준다. 메트릭-파라미터 함수적 종송성은 최상의 타겟 또는 세팅을 결정하는데 이용될 수 있다. 도 4는 정확성 파라미터(옹스트롱 단위)에 걸친 오버레이 에러 범위에 따른 정확성 메트릭에 대해, 오버레이 3σ(옹스트롱 단위)에 따른 정밀성 메트릭에 대해, 공칭 설계(상대적인 단위)의 회절 효율에 따른 회절 효율 메트릭에 대해, 그리고 프로세스 변동에 대한 최악의 3σ과 공칭적 3σ 사이의 할당(ration)에 따른 프로세스 로버스트성에 대한 네가지 예를 개략적으로 도시하고 있다.
표현(132)은 파라미터(94, 96)에 대한 계측 및 프로세스 메트릭(124, 126) 중 임의의 것의 감도를 나타내는 그래프를 포함할 수 있다. 예컨대, 도시하는 그래프는 파라미터 P의 함수에 따른 메트릭 M의 하락 함수(declining function)이며, 예시적인 임계치(웨이퍼 생산자(90)가 제공)는 점선으로 표시되어 있다. 점선 화살표는 웨이퍼 생산자(90)에 의해 특정된 허용오차 및/또는 감도 분석 모듈(130)에 의해 산출 또는 추정되는 것인, 파라미터 P에 대한 메트릭 M의 값의 감도 표현을 나타낸다. 예를 들어, 산화물층 두께에 대한 감도는 상이한 조명 조건에서 측정되는, 그 층 두께의 함수에 따른 회절 효율 메트릭으로서 정량화될 수 있다. 그 결과로 형성된 메트릭은 비교될 수 있고, 조명 조건의 범위에 대해 지정된 메트릭 값을 제공하는 산화물층 두께가 선택될 수 있다. 소정의 실시형태에 있어서, 조명 조건은 필수 감도 레벨을 제공하기 위해 메트릭의 비교에 따라 선택될 수 있다. 다른 예에 있어서, 폴리층 두께에 대한 감도는 상이한 조명 조건에서 측정되는, 그 층 두께의 함수에 따른 회절 효율 메트릭으로서 정량화될 수 있다. 그 결과로 형성된 메트릭은 비교될 수 있고, 조명 조건의 범위에 대해 지정된 메트릭 값을 제공하는 폴리층 두께가 선택될 수 있다. 소정의 실시형태에 있어서, 조명 조건은 필수 감도 레벨을 제공하기 위해 메트릭의 비교에 따라 선택될 수 있다. 메트릭의 비교에 기초하여(예, 표현(132)을 이용하여) 임의의 프로세스 파라미터가 선택될 수 있다.
감도 분석 모듈(130)은, 파라미터(94, 96, 98)에 대한 다양한 계측 메트릭(124) 및 프로세스 메트릭(126)의 함수적 종속성을 (어느 한쪽의 임의의 조합으로) 도출 또는 추정하여 계측 및/또는 생산 프로세스에 수반된 불확정성 레벨에 대한 측정으로서 파라미터(94, 96, 98)의 변화에 대한 메트릭(124, 126)의 감도를 도출 또는 추정하도록 구성될 수 있다. 이들 도출치 또는 추정치는, 타겟 파라미터 범위 및 프로세스 파라미터 범위 중 임의의 것 및/또는 메트릭 및 관련된 임계치와 허용오차 중 임의의 것을 조절하여, 타겟 및 프로세스 파라미터와 계측 및 생산 결과 간의 상호관계를 이해하기 위한 유력한 툴(potent tool)을 웨이퍼 생산자(90)에 제공하는데 이용될 수 있다. 메트릭에 대한 필수 값과 가중치의 개선이 감도 분석에 따라 제안될 수 있다. 제안되는 개선치는 계측 또는 파라미터 사양(예, 웨이퍼 생산자(90)에 의해 설정)에 대한 제안된 보정치 또는 파라미터의 필수 불확정성(149)의 정의치로서 간주될 수 있다.
예를 들어, 감도 분석은 오버레이 에러가 일부 정확성 파라미터(예, 측벽각(SWA) 비대칭성)에 대해 매우 민감하다는 것을 보여주기 위해 이용될 수 있다. 예를 들어, 주어진 비대칭성 범위(예, max|SWAleft - SWAright| = 2°) 및 주어진 정확성 임계치(예, 0.5 nm)에 대해, 정확성 메트릭은 각각의 타겟을 차별화할 수 있는 능력을 나타내는데 이용될 수 있다(예, 메트릭
Figure 112016063007131-pct00001
0은 각각의 타겟을 차별화할 수 있는 능력이 없음을 나타낼 수 있다). 시스템(100)은, 더 엄격한 비대칭성 범위를 제공함으로써(예, 값이 현실적인 경우에, max|SWAleft - SWAright| = 0.5°), 높아진 정확성 임계치를 제공함으로써(예, 값이 현실적인 경우에 2 nm). 정확성 메트릭에 높은 가중치를 할당함으로써, 또는 타겟 최적화에서 정확성을 중요한 파라미터가 되지 않게 하는 정보를 무시함으로써, 타겟 차별화를 가능하게 할 수 있는 타겟 또는 메트릭을 개선하는데 이용될 수 있다.
소정의 실시형태에 있어서, 시스템(100)은 경험으로 또는 시뮬레이션으로 결정되는 것처럼, 프로세스 및 측정을 통한 상호관계를 고려하여, 웨이퍼 생산자, 타겟 설계자 및/또는 계측 제공자(90)가 계측 타겟 및 메트릭을 효과적으로 정의할 수 있도록 구성된다. 시스템(100)을 이용하여, 생산 및 계측 요건은 감도 분석 모듈(130)에 의해 제공되는 파라미터 및 요건 간의 밝혀진 트레이드오프를 고려해서 합리적으로 취급될 수 있다.
또한, 시스템(100)은 도출된 함수적 종속성에 대해 파라미터의 필수 불확정성을 정의 또는 생성하여, 계측 및/또는 생산 프로세스의 이해를 제공하고 파라미터 선택을 더욱 통제 가능하게 하고 범위가 포괄적일 수 있도록 구성될 수 있다.
소정의 실시형태에 있어서, 입력 모듈(110) 및/또는 시뮬레이터(120)는 시뮬레이션되는 타겟 및/또는 (대강 시뮬레이션되는 타겟과 대비되는) 집중 시뮬레이션되는 타겟의 수를 줄이기 위해 타겟의 초기 정렬(sorting)을 적용하도록 구성될 수도 있다. 시스템(100)은 상세한 분석(예, 시뮬레이션) 및 비교를 위해 다수의 타겟은 제외시키고 소수의 타겟만 남겨두기 위해 타겟의 간단한, 또는 대강 특징화(coarse characterization)를 이용할 수 있다. 관련없는 타겟 설계로부터의 대강 정렬은 평가 프로세스를 가속화하여 프로세스를 관련있는 타겟의 더 작은 세트에 집중시키는데 이용될 수 있다. 소정의 실시형태에 있어서, 감도 분석은 단일의 공칭적 타겟 설계 기하구조를 기초로 하여 수행될 수 있다. 명백하게는, 대강 특징화는 정의된 파라미터에 종속되며, 각각의 관련있는 타겟에 매번의 실행(run)을 집중시킬 수 있다. 대강 특징화는 대강적인 시뮬레이션을 이용하여, 예컨대 전체 시뮬레이션 대신에 소수개의 광선만 트레이싱하거나 다수의 고조파 대신에 하나나 소수개의 기본적인 신호 고조파만 이용하여(즉, 분산 연산을 잘라내서) 수행될 수 있다. 대강 특징화는 시스템(100)의 연산 효율을 강화시키는데 이용될 수도 있다.
도 5는 본 발명의 일부 실시형태에 따른, 순위결정 예를 개략적으로 나타낸다. 시스템(100)은, 감도 분석 모듈(130)로부터 데이터를 수신하고, 계측 및 프로세스 메트릭(124, 126) 중 임의의 것에 대해 뿐만 아니라 감도 분석 모듈(130)로부터 취득된 파라미터(94, 96)에 대한 계측 및 프로세스 메트릭(124, 126)의 함수적 종속성에 대해서 타겟의 순위결정, 계측 조건 및/또는 기타 웨이퍼 생산 양태(예, 격자 효율, 부정확성, 프로세스 로버스트성, 정밀성, PPE 차이, 인쇄적성, SCOL, 친화성)를 도출하도록 구성된 타겟 최적화 모듈(140)을 포함할 수 있다. 타겟 최적화 모듈(140)은 도출된 순위결정에 대해서 파라미터의 필수 불확정성(149)을 정의 또는 생성하도록 구성될 수 있다. 도 5는 16개의 타겟을 나타내고 있는데, 각각은 인접해 있는 마찬가지로 빗금 표시된 컬럼의 그룹으로 표현되어 있다. 각각의 컬럼은 시뮬레이션에 이용되는 측정 파라미터 및 생산 파라미터를 결정하는 상이한 측정 및/또는 생산 레시피를 개략적으로 나타내고 있다(비제한적인 도시하는 예에 있어서, 이들은 측정 조명의 파장 및 편광이다). 타겟 최적화 모듈(140)은 각각의 타겟을 평가하여 각각의 레시피에서 각각의 타겟을 별도로 순위결정한 다음(y축 상에 순위결정 값 표시), 누적된 순위(도 5의 상단에 있는 1, 2, 3 참조)에 따라 타겟 또는 레시피를 평가할 수 있다. 분명히, 순위결정은 다중 레벨에서 수행되며 광범위한 파라미터에 종속될 수 있다.
예를 들어, 순위결정은 다양한 파라미터(예, 타겟, 프로세스 및/또는 측정 파라미터)에 대한 메트릭의 감도를 고려할 수 있다. 타겟 최적화 모듈(140)은 정의된 파라미터의 범위 하에서 감도를 계량하고 그 감도를 감안하여 어떤 메트릭 및/또는 타겟이 더 높게 순위결정되는지를 분석하도록 구성될 수 있다. 순위결정 분석은 임의의 메트릭(124, 126) 및 그 조합에 대해 그리고 임의의 파라미터(94, 96, 98) 및 그 조합에 관해 행해질 수 있어, 웨이퍼 생산자(90)가 제공한 세팅, 정의 및 요건에 관해 생산 및 계측 프로세스의 복합 분석을 제공할 수 있다.
시스템(100)은 메트릭으로부터의 요건과 제공된 파라미터 사이의 매칭을 향상시키고/시키거나 수신된 요건에 접근시키기 위해 설명한 분석을 반복적으로 적용할 수 있다.
소정의 실시형태에 있어서, 시스템(100)은 지정된 설계 규칙에 따라 그리고 전술한 데이터 처리 프로세스의 다수회 반복의 결과일 수 있는, 타겟 최적화 모듈(140)에 의해 생성된 순위결정에 관하여 특정 타겟을 설계하도록 구성되는 타겟 설계 모듈을 더 포함할 수 있다. 소정의 실시형태에 있어서, 시스템(100)은 지정된 설계 규칙에 대한 타겟의 추종을 검증하고/하거나 지정된 설계 규칙을 준수하도록 타겟 설계에 대한 변형을 제안하도록 구성된 설계 규칙 체커(checker)를 더 포함할 수 있다. 설계 규칙 검증 및 적응은 타겟 또는 프로세스 파라미터에 및/또는 입력 모듈(100)로부터의 데이터에 적용될 수 있다. 더욱이, 감도 분석은 설계 규칙 추종을 달성하도록 필수 타겟 적응을 고려하여, 그러한 적응에 대한 각각의 메트릭의 감도를 추정, 연산 또는 표현할 수 있다. 예를 들어, 타겟 설계를 마무리하기 위한 추가 파라미터는 셀 조성 및 구성, 추가 고객의 사양, 및 설계 규칙 체킹에 관한 보정을 포함할 수 있다. 이들 파라미터의 마무리는 함수적 종속성, 필수 불확정성, 순위결정, 및 전술한 흐름의 반복에도 영향을 받을 수 있다.
도 6은 본 발명의 일부 실시형태에 따른, 방법(200)을 나타내는 상위 레벨의 개략적 흐름도이다. 방법(200)의 데이터 처리 스테이지, 연산 및 제어 스테이지 중 임의의 것은 각각의 프로세서에 의해 부분 또는 전체가 구현될 수 있고, 알고리즘은 유형적으로 포함되어 있는 컴퓨터 이용 가능한 프로그램 코드를 구비한 컴퓨터 이용 가능한 매체를 포함하는 각각의 컴퓨터 프로그램 제품에 의해 구현될 수 있는데, 이 컴퓨터 이용 가능한 프로그램 코드는 각각의 스테이지의 적어도 일부를 수행하도록 구성되어 있다.
방법(200)은 다음의 스테이지, 즉 타겟, 타겟 측정 조건 및 생산 프로세스에 관한 복수의 파라미터에 대해 타겟의 계측 측정치를 시뮬레이션하는 단계(스테이지 210)와, 시뮬레이션된 타겟 측정치를 정량화하는 복수의 메트릭을 생성하는 단계(스테이지 220), 및 파라미터에 대한 생성된 메트릭의 함수적 종속성을 도출하여 도출된 함수적 종속성에 대해 파라미터의 필수 불확정성을 정의 또는 생성하는 도출 단계(스테이지 230) 중 임의의 것을 포함할 수 있다. 시뮬레이션 단계(210), 생성 단계(220) 및 도출 단계(230) 중 임의의 것의 적어도 일부는 적어도 하나의 컴퓨터 프로세서에 의해 수행될 수 있다.
소정의 실시형태에 있어서, 방법(200)은 도출된 함수적 종속성에 대해 파라미터의 필수 불확정성을 정의하는 단계(스테이지 240)를 더 포함할 수 있다. 방법(200)은 초기 시뮬레이션 결과에 따라 타겟을 대강 필터링(coarse-filtering)하는 단계(스테이지 250)를 더 포함할 수 있다.
방법(200)은 시뮬레이션된 타겟 측정치에 대해 타겟 및 타겟 계측 조건 중 적어도 하나를 순위결정하는 단계(스테이지 260)를 더 포함할 수 있다. 방법은 또한 파라미터 중 적어도 하나에 대한 제안된 변화를 생성하는 단계(스테이지 270)를 더 포함할 수 있다.
소정의 실시형태에 있어서, 방법(200)은 시뮬레이션 프로세스를 강화시키기 위해 순위결정 전에 둔감한 프로세스 변동 파라미터를 제거하는 단계(스테이지 262), 계측 성능에 미치는 프로세스 변동의 영향에 대한 양적 데이터를 제공하는 단계(스테이지 264), 및 관찰된 계측 메트릭을 특정 프로세스 파라미터의 변동과 상관시키는 단계(스테이지 266) 중 적어도 하나를 더 포함할 수 있다.
소정의 실시형태에 있어서, 시스템(100)은 프로세스 파라미터 및/또는 계측 조건 세팅을 주어진 고정된 타겟과 비교하도록 구성될 수 있다. 이 경우에, 계측 시뮬레이션 유닛(120)은 알려진 타겟에 대해 각각의 프로세스 및 조건을 시뮬레이션할 수 있고, 감도 분석 모듈(130)은 프로세스 파라미터 및/또는 계측 조건 세팅(예, 정밀성 및 정확성)에 관련되는 메트릭의 서브세트를 도출하고 수신된 파라미터에 대한 그것들의 감도를 분석할 수 있다. 타겟 최적화 모듈(140)은 분석된 감도에 대해 각각의 프로세스 또는 세팅을 순위결정하도록 구성될 수 있다.
도 7은 본 발명의 일부 실시형태에 따른, 시스템(100)의 상위 레벨의 개략적 블록도이다. 도 7에서는, 구현의 여러가지 추가의 비제한적인 방법을 제조에 있어서의 데이터 흐름 및 팹(fab)에 있어서의 설계 흐름의 더 넓은 프레임워크에서 설명한다.
계측 툴(85)로부터의 계측 및 이미지가 계측 모델링 서버 및 데이터베이스(111)로 전달될 수 있으며, 이 계측 모델링 서버 및 데이터베이스는 입력 모듈(110)에 포함될 수 있다. 계측 모델링 서버 및 데이터베이스(111)는 계측 툴(85)에 계측 레시피를 제공하는 계측 레시피 데이터베이스(165)를 업데이트한다. 시스템(100)에서, 계측 모델링 서버 및 데이터베이스(111)는 또한, 타겟 설계 시뮬레이션(120)에 파라미터(94-98)를 제공한 다음, 레시피 추천(159)을 계측 레시피 데이터베이스(165)에, 계측 일탈의 RCA(Root-Cause Analysis)를 다시 계측 모델링 서버 및 데이터베이스(111)에, 데이터를 EDA(Electronic Design Automation) 애플리케이션(151)에 제공할 수 있는데, 이 EDA 애플리케이션은 GDSII 타겟 데이터(121)에 대해 동작하는 팹 EDA 백본(157)의 일부이며, 예컨대 충실도 시뮬레이션에 또는 설계 프로세스의 기타 부분에 이용되는 타겟 실패 진단(150)의 일부이다.
타겟 설계 프로세스로부터의 출력 중 하나는 최적의 측정 레시피의 하나 이상의 추천(159), 즉 측정 조건이다. 이 정보는 계측 툴 레시피 데이터베이스(165)에 또는 대안적으로 직접 하나 이상의 계측 툴(85)에 송신될 수 있다. 오버레이 계측 결과 등의 계측 데이터는 개별 계측 툴(85)로부터 계측 모델링 애플리케이션(111)에 송신될 수 있다. 이 모델링 애플리케이션(결과 데이터베이스도 포함할 수 있음)은 웨이퍼와 리소그래픽 필드 레벨 양쪽에서 시간적 또는 공간적 특징(signature)을 포함한 결과를 분석하고 팹의 팹 APC(automated process control) 시스템(155)에 보정 가능한 또는 로트 배치 결정을 보낸다. 이러한 정보는 리소그래피 툴, 에칭 툴 또는 퇴적 툴(도시 생략) 등의 처리 또는 패터닝 툴에 직접 송신될 수도 있다.
소정의 실시형태에 있어서, 이전의 처리 단계 후에 수집된, 막 계측 데이터, 웨이퍼 형상 및 응력 데이터, CD 계측 데이터 등의 팹에서의 다수의 계측 툴로부터 계측 데이터를 수신할 수 있는 계측 모델링 서버(111)는 이러한 데이터를 타겟 설계자에 전달할 수 있다(예컨대, 타겟 시뮬레이션 모듈(120)을 이용하여). 타겟 설계자, 보다 구체적으로 감도 분석 모듈(130)은 이 (실제적이며, 가설의 것이 아닌) 데이터를 이용하여, 웨이퍼 상에 사실상 존재하는 특정 타겟 설계에 대해, 특정 계측 메트릭에 미치는 영향을 예측할 수 있다. 이런 식으로, 계측 엔지니어는 주어진 웨이퍼 또는 로트에 대해 예상되는 계측 일탈의 조기 경보(early warning)를 수신할 수 있다. 이 조기 경보에 응답하여, 레시피 데이터베이스 매니저(도시 생략) 또는 계측 모델링 서버(111)는 계측 정확성 또는 계측 로버스트성에 미치는 영향을 최소화하기 위해, 예상되는 일탈에 따라 계측 샘플링을 수정하는 것을 선택할 수 있다.
소정의 실시형태에 있어서, 이전의 계측 단계로부터의 피드 포워드된 계측 데이터가 없더라도, 감도 분석 모듈(130)은 특정 프로세스 변동과 실제 관찰된 계측 메트릭 일탈 사이에 인과 관계를 확립하는데 이용될 수 있다. 예를 들어, 계측 툴(85)에 도착하는 로트 및 타겟 설계자에 의해 이전에 시뮬레이션된 타겟은 계측 툴(85)에 의해 측정될 수 있다. 이 때 특정 계측 메트릭, 예컨대 회절 효율 결과는 상당히 변하는 것으로, 예컨대 상승하는 것으로 관찰될 수 있는 반면, 산란계측 오버레이 감도는 심하게 하락하는 것일 수 있다. 이들 결과는 모델링 서버를 통해 또는 직접 타겟 설계자에 전달되며, 타겟 설계자는 전술한 특정 계측 일탈을 일으킬 것 같은, 작은 서브세트의 프로세스 변동(또는 단일 프로세스 변동), 예컨대 a-Si(비정질 실리콘) 막 두께를 고립시킨다. 또한 일탈은 대형의 웨이퍼에 걸친 변동일 수 있으며, 즉 일탈은 공간적 또는 시간적 특징을 가질 수 있다.
소정의 실시형태에 있어서, 타겟 설계자가 특정 타겟 설계를 추천하는 것에 후속하여, 그 설계가 웨이퍼 상에 인쇄되며, 상기 웨이퍼는 계측 툴(85)에 의해 측정될 수 있다. 타겟 설계자 역량을 검증하고/하거나, 동일하거나 유사한 층의 후속 설계 반복을 향상시키기 위해, 처리전의 측정 데이터 또는 계측 툴(85)에 의해 측정된 계측 메트릭(124) 중 하나인 계측 결과가 측정 매칭 시뮬레이션(S2M, simulation to measurement matching)을 위해 다시 타겟 설계자에게 전달될 수 있다. 이러한 매칭 분석은 (예컨대, 타겟 설계 시뮬레이션 모듈(120)에 있는) 계측 모델링 서버에 의해 행해질 수도 있다.
전술한 방법론은 오버레이, CD, 리소그래픽 포커스, 도우즈 및 얼라인먼트 타겟, 에칭 계측 타겟 등을 포함하나 이들에 한정되지 않는 다중 타입의 계측 타겟에 적용될 수도 있다.
소정의 실시형태에 있어서, 시스템(100)은 도출된 함수적 종속성에 대한 광학 시뮬레이션과, 메트릭과 파라미터 간의 불확정성 관계를 비교함으로써 계측 시스템과 계측 구성을 비교하는데 이용될 수 있다. 소정의 실시형태에 있어서, 미래의 계측 툴이 현재의 툴과 비교될 수 있고, 툴 선택(예컨대, 주어진 세팅, 타겟, 파라미터 및 메트릭에 대해)에 관한 제안이 생성될 수도 있다. 이에, 시스템(100)은 전술한 절차에 따라 다양한 계측 툴 설계들을 비교함으로써, 개발 시에 계측 툴 최적화를 지원할 수 있다.
도 8은 본 발명의 일부 실시형태에 따른, 상이한 프로세스 변동 파라미터에 대한 예시적인 계측 메트릭의 상이한 감도를 예를 들어 설명하는 도면이다. 이 도면은 계측 메트릭(124)의 감도를 P1, P2, …, P19로 표시되는 상이한 프로세스 변동 파라미터(98)와 비교하는데, 상기 파라미터는 타겟 피처의 치수, 설계된 치수와의 편차, 대칭성 등을 포함한다. P1, P2, …, P19는 프로세스 변동 파라미터(98)에 의해 악영향을 받는 타겟 파라미터(94)도 포함할 수 있다. 도면은 메트릭의 공칭 값을 정의하는 큰 원과, 사양에서 허용하는 공칭 값으로부터의 파라미터의 최대 허용 편차를 정의하는 작은 원을 보여준다. 주어진 파라미터 값은 공칭 메트릭 값을 산출한다. 이들 파라미터 값과의 편차는 메트릭 각각의 값을 변화시키고, 이 메트릭은 상이한 파라미터의 편차에 대한 상이한 감도를 나타낸다. 예를 들어, 도시하고 있는 편차의 한도에서, 메트릭은 파라미터 편차 하에서 메트릭이 그 값을 변화시키지 않기 때문에 파라미터 P2에 대해 둔감하지만, 메트릭은 파라미터 편차 하에서 메트릭이 그 값을 변화시키지 않기 때문에 파라미터 P3에 대해 매우 민감하다. 메트릭이 파라미터 변화에 매우 민감하여 그것이 사양 값에 도달하는 경우에, 기본적인 설계 변화가 요구되어 시스템에 의해 표시될 수 있다. 이에, 도 8은 상이한 파라미터의 상이한 변화에 대해 상이한 메트릭의 상이한 레벨의 감도를 미세하게 분석할 수 있는 시스템의 능력을 예시하고 있다. 이 때 감도 분석은 설계 및 특정 프로세스를 최적화하는데 이용된다.
바람직하게는, 시스템(100)과 방법(200)은 입력 파라미터 불확정성의 함수로서 계측 결과의 시뮬레이션 출력 추정을 제공하도록 구성된다. 시스템(100)과 방법은 입력 데이터에서 충분히 낮은 불확정성을 달성하는 것을 목표로 한다. 시스템(100)과 방법은 설계 상에서의 파라미터 값과 메트릭 값의 영향(implication)의 명백한 이해 없이 이들을 정의하는 것이 아니라, 설계를 특징화하는 불확정성 임계치를 정의함으로써 설계 스테이지를 조종하도록 구성될 수 있다.
소정의 실시형태에 있어서, 분할 방법론, 즉 대형 피처를 작은 부분으로 나누어서 그 부분과 사이 공간의 기하 파라미터를 결정하는 방법은 감도 분석으로부터 도출되어, 특정 타겟 파라미터, 프로세스 파라미터, 및 계측 파라미터에 대해 구성될 수 있다. 타겟 피처의 계층성 또는 세분화는 분할 방법론의 확장으로서 도출될 수 있다. 분할 방법론은 에칭 및 스핀 효과에 관련될 수 있으며, 등각 및 비등각 층의 경우로 구별될 수 있다.
앞의 설명에서, 실시형태는 본 발명의 실시예 또는 구현예이다. "일 실시형태", "한 실시형태", "소정의 실시형태", "예시적인 실시형태", 또는 "일부 실시형태"의 다양한 양상이 반드시 동일한 실시형태를 언급하지는 않는다.
본 발명의 다양한 특징이 단일 실시형태의 상황에서 설명될 수도 있지만, 그 특징은 별도로 또는 임의의 적절한 조합으로 제공될 수도 있다. 반대로, 본 발명이 명확성을 위해 별개의 실시형태의 상황에서 본 명세서에 설명될 수도 있으나, 본 방법은 단일 실시형태로 실시될 수도 있다.
본 발명의 소정의 실시형태는 앞에 개시한 상이한 실시형태와는 상이한 실시형태로부터의 특징을 포함할 수 있고, 소정의 실시형태는 앞에 개시한 다른 실시형태와는 다른 요소를 포함할 수도 있다. 특정 실시형태의 상황에서의 본 발명의 요소의 개시는 특정 실시형태에서만 이용되는 것들을 제한하는 것으로 의도되지 않는다.
더욱이, 본 발명은 다양하게 수행 또는 실시될 수 있으며 본 발명은 앞에서 설명한 것과는 다른 소정의 실시형태로 구현될 수 있음도 물론이다.
본 발명은 해당 도면에 또는 대응하는 설명에 제한되지 않는다. 예를 들어, 흐름은 각각의 도시하는 박스 또는 상태를 거치거나, 도시하고 설명한 바와 정확히 동일한 순서로 이동할 필요가 없다.
다르게 정의하지 않는 한, 본 명세서에서 사용하는 모든 기술적 그리고 과학적 용어는 본 발명이 속하는 기술 분야에 종사하는 사람에게 일반적으로 이해되는 것과 동일한 의미를 갖는다.
제한된 수의 실시형태에 대해서 본 발명을 설명하였지만, 이들은 본 발명의 범위에 대한 제한으로서 해석되어서는 안 되되며, 오히려 양호한 실시형태 중 일부의 예시로서 해석되어야 한다. 다른 가능한 변화, 변형 및 적용도 본 발명의 범위 내에 있다. 따라서, 본 발명의 범위는 설명한 것들에 의해 제한되어서는 안 되며, 첨부하는 청구범위 및 그것의 법적 균등물에 의해서 제한된다.

Claims (17)

  1. 타겟 분석 시스템에 있어서,
    계측 툴 또는 반도체 프로세스 툴 중 적어도 하나; 및
    복수의 컴퓨터 판독 가능한 명령어를 실행하도록 구성된 하나 이상의 프로세세
    를 포함하고, 상기 복수의 컴퓨터 판독 가능한 명령어는 상기 하나 이상의 프로세서로 하여금,
    복수의 타겟, 상기 계측 툴에 의해 수행가능한 복수의 계측 프로세스에 대한 복수의 타겟 계측 조건, 또는 상기 반도체 프로세스 툴에 의해 수행가능한 복수의 생산 프로세스에 대한 복수의 타겟 파라미터 중 적어도 하나로부터 타겟 데이터를 생성하고;
    계측 시뮬레이션 디바이스를 통해 상기 타겟 데이터로부터 상기 복수의 타겟에 대한 하나 이상의 계측 측정치를 시뮬레이션하고;
    상기 계측 시뮬레이션 디바이스를 통해 상기 하나 이상의 계측 측정치를 정량화하는 복수의 메트릭을 생성하고;
    감도 분석 디바이스를 통해 상기 복수의 타겟 파라미터에 대한 상기 복수의 메트릭의 하나 이상의 함수적 종속성을 도출하고;
    상기 감도 분석 디바이스를 통해 상기 하나 이상의 함수적 종속성에 대하여 상기 복수의 타겟 파라미터의 하나 이상의 불확정성을 정의하고;
    상기 시뮬레이션된 하나 이상의 계측 측정치에 따라 상기 복수의 타겟을 거친 필터링(coarse-filtering)하여, 하나 이상의 거친 필터링된 타겟을 결정하고;
    타겟 최적화 디바이스를 통해 상기 하나 이상의 계측 측정치에 대하여 상기 하나 이상의 거친 필터링된 타겟 및 상기 복수의 타겟 계측 조건을 순위 결정하고;
    상기 하나 이상의 함수적 종속성, 상기 하나 이상의 불확정성, 또는 상기 하나 이상의 순위(ranking) 중 적어도 하나에 대응하는 데이터를, 상기 계측 툴 또는 상기 반도체 프로세스 툴 중 상기 적어도 하나에 제공하며;
    상기 하나 이상의 함수적 종속성, 상기 하나 이상의 불확정성, 또는 상기 하나 이상의 순위 중 적어도 하나에 대응하는 데이터에 기초하여, 상기 복수의 타겟 계측 조건을 특징화하기 위한 상기 계측 툴의 상기 복수의 계측 프로세스 또는 반도체 디바이스 설계를 생성하기 위한 상기 반도체 프로세스 툴의 상기 복수의 생산 프로세스 중 적어도 하나를 구성(configure)하게
    하도록 구성되는 것인 타겟 분석 시스템.
  2. 제1항에 있어서, 상기 복수의 컴퓨터 판독 가능한 명령어는 또한 상기 하나 이상의 프로세서로 하여금,
    상기 감도 분석 디바이스 또는 상기 타겟 최적화 디바이스 중 적어도 하나를 통해, 상기 복수의 타겟 파라미터 중 적어도 하나에 대해 하나 이상의 제안된 변화를 생성하게
    하도록 구성되는 것인 타겟 분석 시스템.
  3. 제1항에 있어서, 상기 복수의 컴퓨터 판독 가능한 명령어는 또한 상기 하나 이상의 프로세서로 하여금,
    상기 감도 분석 디바이스를 통해, 상기 하나 이상의 거친 필터링된 타겟 및 상기 복수의 타겟 계측 조건의 순위 결정 이전에 스택 및 토포그래피 검증을 수행하여 상기 복수의 메트릭에 대한 미리 결정된 레벨의 영향을 갖는 하나 이상의 프로세스 파라미터를 결정하게
    하도록 구성되는 것인 타겟 분석 시스템.
  4. 제1항에 있어서, 상기 복수의 컴퓨터 판독 가능한 명령어는 또한 상기 하나 이상의 프로세서로 하여금,
    상기 감도 분석 디바이스를 통해, 상기 하나 이상의 거친 필터링된 타겟 및 상기 복수의 타겟 계측 조건의 순위 결정 이전에 둔감한(insensitive) 프로세스 변동 파라미터를 제거하여 시뮬레이션 프로세스를 강화시키게
    하도록 구성되는 것인 타겟 분석 시스템.
  5. 제1항에 있어서, 상기 복수의 컴퓨터 판독 가능한 명령어는 또한 상기 하나 이상의 프로세서로 하여금,
    상기 감도 분석 디바이스를 통해, 계측 성능에 대한 프로세스 변동(process variations)의 영향에 대한 양적 데이터(quantitative data)를 제공하게
    하도록 구성되는 것인 타겟 분석 시스템.
  6. 제1항에 있어서, 상기 복수의 컴퓨터 판독 가능한 명령어는 또한 상기 하나 이상의 프로세서로 하여금,
    피드 포워드 루프를 통해 제1 계측 단계에 대한 계측 데이터를 수신하고;
    상기 감도 분석 디바이스를 통해 후속 계측 단계 동안 하나 이상의 계측 일탈(excursion)을 결정하게
    하도록 구성되는 것인 타겟 분석 시스템.
  7. 제1항에 있어서, 상기 복수의 컴퓨터 판독 가능한 명령어는 또한 상기 하나 이상의 프로세서로 하여금,
    상기 감도 분석 디바이스를 통해 하나 이상의 관찰된 계측 메트릭을 특정 프로세스 파라미터의 변동과 상관시키게
    하도록 구성되는 것인 타겟 분석 시스템.
  8. 제1항에 있어서, 상기 복수의 컴퓨터 판독 가능한 명령어는 또한 상기 하나 이상의 프로세서로 하여금,
    상기 복수의 타겟, 상기 복수의 타겟 계측 조건, 또는 상기 반도체 프로세스 툴로부터의 복수의 생산 프로세스에 대한 복수의 타겟 파라미터 중 적어도 하나를 수신하게
    하도록 구성되는 것인 타겟 분석 시스템.
  9. 적어도 하나의 컴퓨터 프로세서에 의해 수행되는 타겟 분석 방법에 있어서,
    타겟 데이터에 기초하여 복수의 타겟의 하나 이상의 계측 측정치를 시뮬레이션하는 단계로서, 상기 타겟 데이터는, 복수의 타겟, 계측 툴에 의해 수행가능한 복수의 계측 프로세스에 대한 복수의 타겟 계측 조건, 또는 반도체 프로세스 툴에 의해 수행가능한 복수의 생산 프로세스에 대한 복수의 타겟 파라미터 중 적어도 하나로부터 생성되는 것인, 상기 시뮬레이션 하는 단계;
    상기 하나 이상의 계측 측정치를 정량화하는 복수의 메트릭을 생성하는 단계;
    상기 복수의 타겟 파라미터에 대한 상기 복수의 메트릭의 하나 이상의 함수적 종속성을 도출하는 단계;
    상기 하나 이상의 함수적 종속성에 대하여 상기 복수의 타겟 파라미터의 하나 이상의 불확정성을 정의하는 단계;
    상기 시뮬레이션된 하나 이상의 계측 측정치에 따라 상기 복수의 타겟을 거친 필터링하여, 하나 이상의 거친 필터링된 타겟을 결정하는 단계;
    상기 하나 이상의 계측 측정치에 대하여 상기 하나 이상의 거친 필터링된 타겟 및 상기 복수의 타겟 계측 조건을 순위 결정하는 단계;
    상기 하나 이상의 함수적 종속성, 상기 하나 이상의 불확정성, 또는 상기 하나 이상의 순위 중 적어도 하나에 대응하는 데이터를, 상기 계측 툴 또는 상기 반도체 프로세스 툴 중 적어도 하나에 제공하는 단계; 및
    상기 하나 이상의 함수적 종속성, 상기 하나 이상의 불확정성, 또는 상기 하나 이상의 순위 중 적어도 하나에 대응하는 데이터에 기초하여, 상기 복수의 타겟 계측 조건을 특징화하기 위한 상기 계측 툴의 상기 복수의 계측 프로세스 또는 반도체 디바이스 설계를 생성하기 위한 상기 반도체 프로세스 툴의 상기 복수의 생산 프로세스 중 적어도 하나를 구성하는 단계
    를 포함하는 타겟 분석 방법.
  10. 제9항에 있어서,
    상기 하나 이상의 거친 필터링된 타겟 및 상기 복수의 타겟 계측 조건의 순위 결정 이전에 둔감한 프로세스 변동 파라미터를 제거하여 상기 하나 이상의 계측 측정치의 시뮬레이션을 강화시키는 단계
    를 더 포함하는 타겟 분석 방법.
  11. 제9항에 있어서,
    계측 성능에 대한 프로세스 변동의 영향에 대한 양적 데이터를 제공하는 단계
    를 더 포함하는 타겟 분석 방법.
  12. 제9항에 있어서,
    하나 이상의 관찰된 계측 메트릭을 특정 프로세스 파라미터의 변동과 상관시키는 단계
    를 더 포함하는 타겟 분석 방법.
  13. 제9항에 있어서,
    상기 복수의 타겟 파라미터 중 적어도 하나에 대해 하나 이상의 제안된 변화를 생성하는 단계
    를 더 포함하는 타겟 분석 방법.
  14. 제9항에 있어서,
    상기 하나 이상의 거친 필터링된 타겟 및 상기 복수의 타겟 계측 조건의 순위 결정 이전에 스택 및 토포그래피 검증을 수행하여 상기 복수의 메트릭에 대한 미리 결정된 레벨의 영향을 갖는 하나 이상의 프로세스 파라미터를 결정하는 단계
    를 더 포함하는 타겟 분석 방법.
  15. 제9항에 있어서,
    상기 복수의 타겟, 상기 복수의 타겟 계측 조건, 또는 상기 반도체 프로세스 툴로부터의 복수의 생산 프로세스에 대한 복수의 타겟 파라미터 중 적어도 하나를 수신하는 단계
    를 더 포함하는 타겟 분석 방법.
  16. 타겟 분석 장치에 있어서,
    복수의 컴퓨터 판독 가능한 명령어를 저장하도록 구성된 비일시적인(non-transitory) 메모리 엘리먼트; 및
    상기 복수의 컴퓨터 판독 가능한 명령어를 실행하도록 구성된 하나 이상의 프로세서
    를 포함하고, 상기 복수의 컴퓨터 판독 가능한 명령어는 상기 하나 이상의 프로세서로 하여금,
    타겟 데이터에 기초하여 복수의 타겟의 하나 이상의 계측 측정치를 시뮬레이션하되, 상기 타겟 데이터는, 복수의 타겟, 계측 툴에 의해 수행가능한 복수의 계측 프로세스에 대한 복수의 타겟 계측 조건, 또는 반도체 프로세스 툴에 의해 수행가능한 복수의 생산 프로세스에 대한 복수의 타겟 파라미터 중 적어도 하나로부터 생성되고;
    상기 하나 이상의 계측 측정치를 정량화하는 복수의 메트릭을 생성하고;
    상기 복수의 타겟 파라미터에 대한 상기 복수의 메트릭의 하나 이상의 함수적 종속성을 도출하고;
    상기 하나 이상의 함수적 종속성에 대하여 상기 복수의 타겟 파라미터의 하나 이상의 불확정성을 정의하고;
    상기 시뮬레이션된 하나 이상의 계측 측정치에 따라 상기 복수의 타겟을 거친 필터링하여, 하나 이상의 거친 필터링된 타겟을 결정하고;
    상기 하나 이상의 계측 측정치에 대하여 상기 하나 이상의 거친 필터링된 타겟 및 상기 복수의 타겟 계측 조건을 순위 결정하고;
    상기 하나 이상의 함수적 종속성, 상기 하나 이상의 불확정성, 또는 상기 하나 이상의 순위 중 적어도 하나에 대응하는 데이터를, 상기 계측 툴 또는 상기 반도체 프로세스 툴 중 적어도 하나에 제공하고;
    상기 하나 이상의 함수적 종속성, 상기 하나 이상의 불확정성, 또는 상기 하나 이상의 순위 중 적어도 하나에 대응하는 데이터에 기초하여, 상기 복수의 타겟 계측 조건을 특징화하기 위한 상기 계측 툴의 상기 복수의 계측 프로세스 또는 반도체 디바이스 설계를 생성하기 위한 상기 반도체 프로세스 툴의 상기 복수의 생산 프로세스 중 적어도 하나를 구성하게
    하도록 구성되는 것인 타겟 분석 장치.
  17. 제16항에 있어서, 상기 복수의 컴퓨터 판독 가능한 명령어는 또한 상기 하나 이상의 프로세서로 하여금,
    상기 복수의 타겟, 상기 복수의 타겟 계측 조건, 또는 상기 반도체 프로세스 툴로부터의 복수의 생산 프로세스에 대한 복수의 타겟 파라미터 중 적어도 하나를 수신하게
    하도록 구성되는 것인 타겟 분석 장치.
KR1020167017463A 2013-12-11 2014-12-10 요건에 대한 타겟 및 프로세스 감도 분석 KR102265868B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361914950P 2013-12-11 2013-12-11
US61/914,950 2013-12-11
PCT/US2014/069617 WO2015089231A1 (en) 2013-12-11 2014-12-10 Target and process sensitivity analysis to requirements

Publications (2)

Publication Number Publication Date
KR20160096118A KR20160096118A (ko) 2016-08-12
KR102265868B1 true KR102265868B1 (ko) 2021-06-16

Family

ID=53371817

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167017463A KR102265868B1 (ko) 2013-12-11 2014-12-10 요건에 대한 타겟 및 프로세스 감도 분석

Country Status (7)

Country Link
US (1) US10726169B2 (ko)
JP (1) JP6509225B2 (ko)
KR (1) KR102265868B1 (ko)
CN (1) CN105830069B (ko)
SG (1) SG10201804964TA (ko)
TW (1) TWI661324B (ko)
WO (1) WO2015089231A1 (ko)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10073357B2 (en) * 2014-02-21 2018-09-11 Asml Netherlands B.V. Measuring a process parameter for a manufacturing process involving lithography
KR102269514B1 (ko) * 2014-11-25 2021-06-25 케이엘에이 코포레이션 랜드스케이프의 분석 및 활용
US9903711B2 (en) * 2015-04-06 2018-02-27 KLA—Tencor Corporation Feed forward of metrology data in a metrology system
WO2017114662A1 (en) * 2015-12-31 2017-07-06 Asml Netherlands B.V. Selection of measurement locations for patterning processes
WO2017144379A1 (en) * 2016-02-22 2017-08-31 Asml Netherlands B.V. Separation of contributions to metrology data
WO2018041550A1 (en) * 2016-09-01 2018-03-08 Asml Netherlands B.V. Automatic selection of metrology target measurement recipes
EA037650B1 (ru) * 2016-10-18 2021-04-27 Райфенхойзер Гмбх Унд Ко. Кг Машиненфабрик Способ контроля производственного процесса, способ косвенного выведения систематической зависимости, способ адаптации качества, способ запуска производственного процесса, способ и установка для изготовления экструзионного продукта
US10527952B2 (en) * 2016-10-25 2020-01-07 Kla-Tencor Corporation Fault discrimination and calibration of scatterometry overlay targets
WO2018141503A1 (en) 2017-02-02 2018-08-09 Asml Netherlands B.V. Metrology method and apparatus and associated computer product
US10699969B2 (en) * 2017-08-30 2020-06-30 Kla-Tencor Corporation Quick adjustment of metrology measurement parameters according to process variation
KR102327116B1 (ko) * 2017-08-30 2021-11-16 케이엘에이 코포레이션 프로세스 변동에 따른 계측 측정 파라미터들의 신속한 조정
EP3624068A1 (en) * 2018-09-14 2020-03-18 Covestro Deutschland AG Method for improving prediction relating to the production of a polymer-ic produc
DE102018128254A1 (de) * 2018-11-12 2020-05-14 Endress+Hauser SE+Co. KG Verfahren zur Verbesserung derMessperformance eines zu konfigurierenden Feldgeräts der Automatisierungstechnik
CN109933854B (zh) * 2019-02-15 2023-07-07 中国北方车辆研究所 一种基于情境需求的移动机器人设计方法
US11727159B2 (en) * 2019-05-15 2023-08-15 Lawrence Livermore National Security, Llc Mission-driven design methodology for optical systems
DE102019207059A1 (de) * 2019-05-15 2020-11-19 Siemens Aktiengesellschaft Verfahren zur Validierung von Systemparametern eines Energiesystems, Verfahren zum Betrieb eines Energiesystems sowie Energiemanagementsystem für ein Energiesystem
US11360397B2 (en) 2019-09-17 2022-06-14 Kla Corporation System and method for application of harmonic detectivity as a quality indicator for imaging-based overlay measurements
CN110991101B (zh) * 2019-11-15 2022-08-02 湖南城市学院 一种压缩式压电加速度计结构优化设计方法
CN111160489A (zh) * 2020-01-02 2020-05-15 中冶赛迪重庆信息技术有限公司 基于大数据的多维对标分析服务器、系统、方法及电子终端
US11686576B2 (en) 2020-06-04 2023-06-27 Kla Corporation Metrology target for one-dimensional measurement of periodic misregistration
CN111863652B (zh) * 2020-07-31 2024-05-03 华天科技（西安）有限公司 一种弹坑超敏感产品生产参数优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060290947A1 (en) * 2005-06-16 2006-12-28 Timbre Technologies, Inc. Optical metrology model optimization for repetitive structures
US20100175033A1 (en) * 2009-01-08 2010-07-08 Kla-Tencor Corporation Scatterometry metrology target design optimization

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06332976A (ja) * 1993-05-25 1994-12-02 Mitsubishi Electric Corp モデルパラメータ抽出装置
US6411373B1 (en) * 1999-10-08 2002-06-25 Instrumentation Metrics, Inc. Fiber optic illumination and detection patterns, shapes, and locations for use in spectroscopic analysis
US6853942B2 (en) * 2002-03-26 2005-02-08 Timbre Technologies, Inc. Metrology hardware adaptation with universal library
US7330279B2 (en) * 2002-07-25 2008-02-12 Timbre Technologies, Inc. Model and parameter selection for optical metrology
US6834213B1 (en) * 2003-01-06 2004-12-21 Advanced Micro Devices, Inc. Process control based upon a metrology delay
US7171284B2 (en) * 2004-09-21 2007-01-30 Timbre Technologies, Inc. Optical metrology model optimization based on goals
US7925486B2 (en) * 2006-03-14 2011-04-12 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for creating a metrology target structure design for a reticle layout
EP2694983B1 (en) * 2011-04-06 2020-06-03 KLA-Tencor Corporation Method and system for providing a quality metric for improved process control
US10255385B2 (en) * 2012-03-28 2019-04-09 Kla-Tencor Corporation Model optimization approach based on spectral sensitivity
JP6567523B2 (ja) * 2013-12-30 2019-08-28 エーエスエムエル ネザーランズ ビー．ブイ． メトロロジーターゲットの設計のための方法及び装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060290947A1 (en) * 2005-06-16 2006-12-28 Timbre Technologies, Inc. Optical metrology model optimization for repetitive structures
US20100175033A1 (en) * 2009-01-08 2010-07-08 Kla-Tencor Corporation Scatterometry metrology target design optimization

Also Published As

Publication number Publication date
TWI661324B (zh) 2019-06-01
CN105830069B (zh) 2021-04-20
US20160042105A1 (en) 2016-02-11
SG10201804964TA (en) 2018-07-30
JP6509225B2 (ja) 2019-05-08
WO2015089231A1 (en) 2015-06-18
KR20160096118A (ko) 2016-08-12
JP2017508273A (ja) 2017-03-23
TW201535137A (zh) 2015-09-16
CN105830069A (zh) 2016-08-03
US10726169B2 (en) 2020-07-28

Similar Documents

Publication Publication Date Title
KR102265868B1 (ko) 요건에 대한 타겟 및 프로세스 감도 분석
KR102336390B1 (ko) 제품 유닛의 다중-스테이지 처리를 위한 장치 최적화
JP5334956B2 (ja) 個別マスクエラーモデルを使用するマスク検証を行うシステムおよび方法
US9594309B2 (en) Method and apparatus to characterize photolithography lens quality
TWI672565B (zh) 模型化系統或執行諸如微影系統之系統之預測維修之方法及相關聯微影系統
JP6125506B2 (ja) 問題のある高度プロセス制御パラメータの検出及び訂正のための方法及びシステム
EP1424595B1 (en) Automatic calibration of a masking process simulator
JP2017508273A5 (ko)
KR20170124578A (ko) 검사와 계측을 위한 방법 및 장치
KR20170031730A (ko) 오버레이 및 수율 임계 패턴을 이용한 계측
CN106158679B (zh) 结合晶圆实体测量与数位模拟以改善半导体元件制程方法
US8458626B1 (en) Method for calibrating an SRAF printing model
US20070111112A1 (en) Systems and methods for fabricating photo masks
JP7344203B2 (ja) マイクロリソグラフィのためのマスクの認定のための方法
US7966580B2 (en) Process-model generation method, computer program product, and pattern correction method
US8166423B2 (en) Photomask design verification
US10401837B2 (en) Generating risk inventory and common process window for adjustment of manufacturing tool
JP4999161B2 (ja) 半導体装置の製造方法
KR101090473B1 (ko) 광 근접효과 보정방법
JP2009288497A (ja) パターン検証方法、パターン決定方法、製造条件決定方法、パターン検証プログラム及び製造条件検証プログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant