KR20090031282A - 프로세스 매개변수를 분산성에 관련시키는 분산 함수를 이용한 구조물의 프로파일 매개변수 결정 - Google Patents

프로세스 매개변수를 분산성에 관련시키는 분산 함수를 이용한 구조물의 프로파일 매개변수 결정 Download PDF

Info

Publication number
KR20090031282A
KR20090031282A KR1020080092023A KR20080092023A KR20090031282A KR 20090031282 A KR20090031282 A KR 20090031282A KR 1020080092023 A KR1020080092023 A KR 1020080092023A KR 20080092023 A KR20080092023 A KR 20080092023A KR 20090031282 A KR20090031282 A KR 20090031282A
Authority
KR
South Korea
Prior art keywords
diffraction signal
dispersibility
value
parameters
process parameters
Prior art date
Application number
KR1020080092023A
Other languages
English (en)
Other versions
KR101365163B1 (ko
Inventor
쉬팡 리
한유 츄
Original Assignee
도쿄엘렉트론가부시키가이샤
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 도쿄엘렉트론가부시키가이샤 filed Critical 도쿄엘렉트론가부시키가이샤
Publication of KR20090031282A publication Critical patent/KR20090031282A/ko
Application granted granted Critical
Publication of KR101365163B1 publication Critical patent/KR101365163B1/ko

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • 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
    • G01N21/41—Refractivity; Phase-affecting properties, e.g. optical path length
    • 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
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

반도체 웨이퍼 상에 형성된 구조물에 대한 광학 계측 모델이 생성된다. 광학 계측 모델은 하나 이상의 프로파일 매개변수, 하나 이상의 프로세스 매개변수 및 분산성을 포함한다. 분산성을 하나 이상의 프로세스 매개변수 중 적어도 하나에 관련시키는 분산 함수가 취득된다. 시뮬레이트 회절 신호는 광학 계측 모델과 적어도 하나의 프로세스 매개변수 값 및 분산성 값을 이용하여 생성된다. 분산성 값은 적어도 하나의 프로세스 매개변수 값 및 분산 함수를 이용하여 계산된다. 구조물의 측정 회절 신호가 취득된다. 측정 회절 신호는 시뮬레이트 회절 신호와 비교된다. 구조물의 하나 이상의 프로파일 매개변수와 하나 이상의 프로세스 매개변수는 측정 회절 신호와 시뮬레이트 회절 신호의 비교에 기초하여 결정된다.
반도체 웨이퍼, 광학 계측 모델, 프로파일 매개변수, 프로세스 매개변수, 분산성, 측정 회절 신호, 시뮬레이트 회절 신호

Description

프로세스 매개변수를 분산성에 관련시키는 분산 함수를 이용한 구조물의 프로파일 매개변수 결정{DETERMINING PROFILE PARAMETERS OF A STRUCTURE USING A DISPERSION FUNCTION RELATING PROCESS PARAMETER TO DISPERSION}
본 발명은 일반적으로 반도체 웨이퍼 상에 형성된 구조물의 광학 계측에 관한 것으로, 보다 구체적으로는 프로세스 매개변수를 분산성(dispersion)에 관련시키는 분산 함수를 이용하여 시뮬레이트 회절 신호를 발생하는 것에 관한 것이다.
광학 계측(optical metrology)은 구조물의 하나 이상의 프로파일 매개변수(profile parameter)를 결정하기 위하여, 입사빔을 구조물에 조사하는 단계, 결과적인 회절빔을 측정하는 단계, 및 회절빔을 분석하는 단계를 포함한다. 반도체 제조에 있어서, 광학 계측은 통상적으로 품질 보증을 위해 사용되고 있다. 예를 들면, 반도체 웨이퍼 상에 구조물을 제작한 후에, 광학 계측 도구를 이용하여 그 구조물의 프로파일을 판정한다. 구조물의 프로파일을 판정함으로써, 구조물을 형성하기 위해 사용된 제조 공정의 품질을 평가할 수 있다.
한가지 종래의 광학 계측 처리에 있어서는 측정된 회절 신호를 시뮬레이트 회절 신호와 비교한다. 시뮬레이트 회절 신호는 광학 계측 모델을 이용하여 생성된다. 광학 계측 모델은 시뮬레이트 회절 신호 생성시 변화하는 다수의 매개변수를 포함하고 있다. 광학 계측 모델의 매개변수의 수가 증가하면, 그 매개변수들이 서로 상관되지 않을 때, 광학 계측 처리의 정밀도를 증가시킬 수 있다. 그러나, 통상적으로 매개변수들은 어느 정도까지 서로 상관된다. 따라서, 변화하는 광학 계측 모델의 매개변수의 수의 증가는 모델의 불안정성을 또한 증가시킨다.
본 발명의 태양에 따르면, 광학 계측 모델을 이용하여 반도체 웨이퍼 상에 형성된 구조물을 시험하는 방법에 있어서,
a) 상기 구조물에 대한 광학 계측 모델 -상기 광학 계측 모델은 상기 구조물의 하나 이상의 기하학적 특성을 특징화하는 하나 이상의 프로파일 매개변수, 상기 구조물을 제작하기 위한 하나 이상의 프로세스 조건을 특징화하는 하나 이상의 프로세스 매개변수, 및 상기 구조물 재료의 광학 특성을 특징화하는 분산성을 포함함-을 생성하는 단계와;
b) 상기 분산성을 상기 하나 이상의 프로세스 매개변수 중 적어도 하나에 관련시키는 분산 함수를 취득하는 단계와;
c) 상기 광학 계측 모델, 적어도 하나의 프로세스 매개변수의 값 및 분산성 값 -상기 분산성 값은 상기 적어도 하나의 프로세스 매개변수의 값 및 상기 분산 함수를 이용하여 계산됨- 을 이용하여 시뮬레이트 회절 신호를 생성하는 단계와;
d) 상기 구조물의 측정 회절 신호 -상기 측정 회절 신호는 상기 구조물로부터 측정됨- 를 취득하는 단계와;
e) 상기 측정 회절 신호를 상기 시뮬레이트 회절 신호에 비교하는 단계와;
f) 상기 측정 회절 신호의 상기 시뮬레이트 회절 신호로의 비교에 기초하여 상기 구조물의 하나 이상의 프로파일 매개변수를 결정하는 단계
를 포함하는 구조물 시험 방법이 제공된다.
본 발명에 따르면, 프로세스 매개변수를 분산성에 관련시키는 분산 함수를 이용하여 시뮬레이트 회절 신호를 발생할 수 있으므로, 분산성 값을 적어도 하나의 프로세스 매개변수 값 및 분산 함수를 이용하여 계산하여, 변화하는 광학 계측 모델의 매개변수의 수의 증가로 인한 모델의 불안정성의 증가를 감소시킨다.
본 발명을 더욱 완전하게 이해할 수 있도록 이하에서는, 특정 구성, 매개변수, 예 등과 같은 각종의 특수한 세부를 설명한다. 그러나, 이 설명은 본 발명의 범위를 한정하는 것으로 의도되지 않고, 예시적인 실시예의 더 나은 이해를 제공하기 위한 것임을 알아야 한다.
본 발명의 설명을 용이하게 하기 위하여, 반도체 웨이퍼가 개념의 응용을 설명하도록 사용될 수 있다. 본 방법과 프로세스는 구조를 가진 다른 작업편에도 동 일하게 적용된다.
도 1은 예시적인 제작 도구(104)에서 처리된 하나 이상의 웨이퍼(102)를 도시한 것이다. 하나 이상의 반도체 제조 프로세스가 제작 도구(104)에서 하나 이상의 웨이퍼(102)에 대해 수행될 수 있다. 통상적으로 다수의 웨이퍼(102)가 제작 도구(104)에서 일반적으로 웨이퍼 로트(wafer lot)라고 하는 하나의 배치(batch)로서 프로세스된다. 예를 들면, 25개의 웨이퍼(102)로 이루어진 웨이퍼 로트가 제작 도구(104)에서 배치로서 프로세스될 수 있다. 그러나, 웨이퍼 로트의 웨이퍼(102)의 수는 바뀔 수 있다는 것을 알아야 한다.
하나 이상의 반도체 제조 프로세스를 수행할 때는 하나 이상의 프로세스 매개변수가 사용된다. 예를 들면, 하나 이상의 프로세스 매개변수는 증착 조건, 어닐링 조건, 에칭 조건, 온도, 가스압, 기화(vaporization) 속도 등을 포함할 수 있다. 에칭 조건은 표면 특성 변화, 에칭 잔류 성분 등을 포함할 수 있다.
통상적으로, 하나 이상의 프로세스 매개변수는 레시피(recipe)를 규정하기 위해 설정된다. 또한, 하나의 웨이퍼 로트 내의 웨이퍼들을 프로세스하기 위해 동일한 레시피(즉, 하나 이상의 프로세스 매개변수의 설정)가 사용된다. 하나의 웨이퍼 로트 내의 웨이퍼를 프로세스하는 동안, 특정 레시피의 하나 이상의 개별 프로세스 매개변수가 조정될 수 있다. 하나 이상의 프로세스 매개변수들이 상이한 레시피를 규정하기 위해 다른 값으로 또한 설정될 수 있다. 상이한 레시피를 사용하여 상이한 웨이퍼 로트를 프로세스할 수 있다. 따라서, 하나의 레시피를 사용하여 하나의 웨이퍼 로트를 프로세스하고, 다른 레시피를 사용하여 다른 웨이퍼 로트를 프 로세스할 수 있다.
제작 도구(104)는 각종 유형의 제작 도구, 예를 들면, 각종 제조 프로세스를 수행하는 코터(coater)/현상기(developer) 도구, 플라즈마 에칭 도구, 세정 도구, 화학 기상 증착(CVD) 도구 등일 수 있다. 예를 들어서, 제작 도구(104)가 코터/현상기 도구인 경우, 제조 프로세스는 포토레지스트 층을 하나 이상의 웨이퍼(102)에 증착/현상하는 공정을 포함한다. 하나 이상의 프로세스 매개변수는 온도를 포함할 수 있다. 따라서, 이 예에서, 증착/현상 프로세스를 수행하기 위해 사용되는 온도의 변화가 있으면, 코터/현상기 도구를 이용하여 증착/현상된 포토레지스트 층의 변화, 예컨대 포토레지스트 층의 두께의 변화를 야기할 수 있다.
도 1에 도시된 바와 같이, 제작 도구(104)에서 하나 이상의 웨이퍼(102)에 대해 하나 이상의 반도체 제조 프로세스가 수행된 후에, 하나 이상의 웨이퍼(102)는 광학 계측 도구(106)를 이용하여 시험될 수 있다. 뒤에서 더 자세히 설명하는 것처럼, 광학 계측 도구(106)는 하나 이상의 웨이퍼(102)에 형성된 구조물의 하나 이상의 프로파일 매개변수를 결정하기 위해 사용될 수 있다.
도 2에 도시된 바와 같이, 광학 계측 도구(106)는 소스(204)와 검출기(206)를 가진 광도계 장치(photometric device)를 포함할 수 있다. 광도계 장치는 반사계, 타원계, 하이브리드 반사계/타원계 등일 수 있다.
웨이퍼(102)에 형성된 구조물(202)은 소스(204)로부터의 입사빔에 의해 조명된다. 회절빔은 검출기(206)에 의해 수신된다. 검출기(206)는 회절빔을 측정 회절 신호로 변환시키고, 이 측정 회절 신호는 반사율, tan(ψ), cos(Δ), 푸리에 계수 등을 포함할 수 있다. 도 2에는 0차(zero-order) 회절 신호가 도시되어 있지만, 비 영차 회절 신호도 또한 사용할 수 있음을 알아야 한다.
광학 계측 도구(106)는 측정 회절 신호를 수신하고 측정 회절 신호를 분석하도록 구성된 프로세싱 모듈(208)을 또한 포함한다. 프로세싱 모듈(208)은 프로세서(210)와 컴퓨터 판독가능 매체(212)를 포함할 수 있다. 그러나, 프로세싱 모듈(208)은 임의 수의 구성 요소들을 다양한 구성으로 포함할 수 있음은 알아야 한다.
하나의 예시적인 실시예에서, 프로세싱 모듈(208)은 최상의 정합 회절 신호를 측정 회절 신호에 제공하는 임의 수의 방법을 이용하여, 구조물(202)의 하나 이상의 프로파일 매개변수를 결정하도록 구성된다. 이들 방법은 라이브러리 기반 처리, 또는 정밀 결합파 분석 및 기계 학습 시스템에 의해 취득된 시뮬레이트 회절 신호를 이용한 회귀(regression) 기반 프로세스를 포함할 수 있다. 여기서 그 전체가 참조용으로 사용된, 2001년 7월 16일에 출원하고 2005년 9월 13일에 특허된 "GENERATION OF A LIBRARY OF PERIODIC GRATING DIFFRACTION SIGNALS"이라는 명칭의 미국 특허 제6,943,900호; 여기서 그 전체가 참조용으로 사용된, 2001년 8월 6일 출원하고 2004년 8월 31에 특허된 "METHOD AND SYSTEM OF DYNAMIC LEARNING THROUGH A REGRESSION-BASED LIBRARY GENERATION PROCESS"이라는 명칭의 미국 특허 제6,785,638호; 여기서 그 전체가 참조용으로 사용된, 2001년 1월 25일에 출원하고 2005년 5월 10일에 특허된 "CACHING OF INTRA-LAYER CALCULATIONS FOR RAPID RIGOROUS COUPLED-WAVE ANALYSES"이라는 명칭의 미국 특허 제6,891,626호; 및 여기 서 그 전체가 참조용으로 사용된, 2003년 6월 27일에 출원한 "OPTICAL METROLOGY OF STRUCTURES FORMED ON SEMICONDUCTOR WAFERS USING MACHINE LEARNING SYSTEMS"이라는 명칭의 미국 특허 출원 제10/608,300호를 참조바란다.
도 3을 참조하면, 광학 계측 모델을 이용하여 반도체 웨이퍼 상에 형성된 구조물을 시험하는 예시적인 프로세스(300)가 도시되어 있다. 이 예시적인 프로세스(300)는 구조물을 반도체 웨이퍼 상에 실제로 형성하기 전 또는 후에 수행될 수 있다는 것을 알아야 한다.
단계 302에서, 광학 계측 모델이 취득된다. 광학 계측 모델은 하나 이상의 프로파일 매개변수, 하나 이상의 프로세스 매개변수, 및 분산성(dispersion)을 갖는다. 분산 함수는 프로세스 매개변수를 분산성에 관련시키도록 규정된다. 분산 함수는, 예컨대 각 파장의 광학 특성이 프로세스 매개변수의 함수일 수 있는 파장 대 파장 태블릿(wavelength by wavelength tablet) 형태와 같은 각종 형태로 표현되거나, 또는 모델 매개변수가 프로세스 매개변수에 따라 변하는 분산 모델을 이용하여 표현될 수 있다. 그러나, 광학 계측 모델은 임의 수의 추가적인 매개변수를 또한 포함할 수 있다는 것을 알아야 한다.
광학 계측 모델의 프로파일 매개변수는 구조물의 기하학적 특성을 특징화한다. 예를 들어서, 도 4는 한 세트의 프로파일 매개변수를 이용하여 특징화된 예시적인 구조물을 나타낸 것이다. 특히, 구조물의 제1 층의 바닥 폭은 프로파일 매개변수 w1을 이용하여 특징화된다. 구조물의 제1 층의 상부 폭 및 제2 층의 바닥 폭은 프로파일 매개변수 w2를 이용하여 특징화된다. 구조물의 제2 층의 상부 폭은 프 로파일 매개변수 w3을 이용하여 특징화된다. 구조물의 제1 층의 높이는 프로파일 매개변수 h1을 이용하여 특징화된다. 구조물의 제2 층의 높이는 프로파일 매개변수 h2를 이용하여 특징화된다. 구조물은 각종 형상을 가질 수 있고, 임의 수의 프로파일 매개변수를 이용하여 특징화될 수 있다는 것을 알아야 한다.
전술한 바와 같이, 광학 계측 모델의 프로세스 매개변수는 구조물 제조 프로세스의 하나 이상의 프로세스 조건을 특징화한다. 예를 들어서, 도 1에 있어서, 프로세스 매개변수는 웨이퍼(102)상에 구조물을 제작하기 위해 사용되는 제작 도구(104)의 프로세스 조건을 특징화할 수 있다. 프로세스 매개변수의 예로는 증착 조건(온도, 가스압, 기화 속도 등), 어닐링 조건, 에칭 조건(표면 특성 변화, 에칭 잔류 성분 등) 등이 있다.
분산성은 프로세스에 의해 형성된 구조물의 재료의 광학 특성을 특징화한다. 예를 들어서, 분산성은 재료의 굴절률(n) 및 흡광 계수(extinction coefficient)(k)를 포함할 수 있다. 광학 계측 모델은 구조물의 각 재료에 대한 개별의 분산성을 포함할 수 있다. 예를 들어서, 도 4를 다시 참조하면, 제1 분산성(ns & ks)은 구조물이 위에 형성되는 기판의 재료, 예를 들면 실리콘에 대응할 수 있다. 제2 분산성(n1 & k1)은 구조물의 제1 층의 재료, 예를 들면 산화물에 대응할 수 있다. 제3 분산성(n2 & k2)은 구조물의 제2 층의 재료, 예를 들면 폴리실리콘에 대응할 수 있다.
도 3을 다시 참조하면, 단계 304에서, 분산성을 적어도 하나의 프로세스 매 개변수에 관련시키는 분산 함수가 취득된다. 예를 들어서, 도 4를 참조하여, 분산 함수는 구조물의 제2 층의 재료에 대응하는 분산성(n2 & k2)을, 제작 도구(104)(도 1)에서 구조물을 제작하는데 사용되는 온도와 관련시킬 수 있다. 분산 함수를 산출하는 예시적인 프로세스는 뒤에서 더 자세히 설명한다.
도 3을 다시 참조하면, 단계 306에서, 시뮬레이트 회절 신호는 광학 계측 모델, 단계 304에서 취득된 분산 함수에 의해 분산성에 관련된 적어도 하나의 프로세스 매개변수의 값, 및 분산성 값을 이용하여 생성된다. 분산성 값은 적어도 하나의 프로세스 매개변수의 값 및 분산 함수를 이용하여 계산된다. 프로세스 매개변수를 분산성에 관련시킴으로써, 광학 계측 모델에서 변화하는 매개변수의 수는 소망의 정확도로 감소되고, 이는 모델의 안정성을 증가시킨다.
예를 들어서, 도 4를 다시 참조하면, 단계 304(도 3)에서 취득된 분산 함수가, 구조물의 제2 층의 재료에 대응하는 분산성(n2 & k2)을, 제작 도구(104)(도 1)에서 구조물을 제작하는데 사용되는 온도에 관련시켰다고 가정한다. 시뮬레이트 회절 신호를 생성할 때, 온도에 대한 값이 특정(T1)되었다고 가정한다. 따라서, n2 & k2의 값은 단계 304(도 3)에서 취득된 분산 함수 및 T1을 이용하여 계산된다.
뒤에서 자세히 설명하는 바와 같이, 나머지 분산성(ns & ks, n1 & k1)의 값들은 설정값으로 고정되거나 부동(float)으로 될 수 있고, 이것은 그 값들이, 추가적인 시뮬레이트 회절 신호가 생성된 때 변화될 수 있음을 의미한다. 한 세트의 값들 은 프로파일 매개변수마다 특정된다. 그 다음에, 프로파일 매개변수, 프로세스 매개변수 및 분산성의 값을 이용하여 시뮬레이트 회절 신호가 생성된다. 특히, 시뮬레이트 회절 신호는, 맥스웰 방정식을 적용하고 정밀 결합파 분석(Rigorous Coupled Wave Analysis: RCWA)과 같은, 맥스웰 방정식을 풀기 위한 많은 분석 기술을 이용하여 생성될 수 있다. 2001년 1월 25일에 출원한 "CACHING OF INTRA-LAYER CALCULATIONS FOR RAPID RIGOROUS COUPLED-WAVE ANALYSES"이라는 명칭의 미국 특허 출원 제09/770,997호를 참조바라며, 여기서 이 전체가 참조용으로 사용되었다. 시뮬레이트 회절 신호는 후방 전파(back-propagation), 방사 기준 함수(radial basis function), 지원 벡터, 커넬 회귀 등과 같은 기계 학습 알고리즘을 이용한 기계 학습 시스템(MLS)을 사용하여 생성될 수 있다. 2003년 6월 27일에 출원한 "OPTICAL METROLOGY OF STRUCTURES FORMED ON SEMICONDUCTOR WAFERS USING MACHINE LEARNING SYSTEMS"이라는 명칭의 미국 특허 출원 제10/608,300호를 참조바라며, 여기서 그 전체가 참조용으로 사용되었다.
도 3을 참조하면, 단계 308에서, 구조물로부터 측정된 측정 회절 신호가 취득된다. 예를 들면, 도 1을 참조하여 전술한 바와 같이, 제작 도구(104)를 이용하여 구조물을 형성한 후에, 광학 계측 도구(106)를 이용하여 웨이퍼 상에 형성된 구조물로부터 회절 신호를 측정할 수 있다.
도 3을 다시 참조하면, 단계 310에서, 측정 회절 신호는 단계 306에서 생성한 시뮬레이트 회절 신호와 비교된다. 단계 312에서, 측정 회절 신호와 시뮬레이트 회절 신호의 비교에 기초하여 구조물에 관한 하나 이상의 프로파일 매개변수가 결 정된다.
특히, 측정 회절 신호와 시뮬레이트 회절 신호가 적합도(goodness of fit) 및/또는 비용 함수(cost function)와 같은 하나 이상의 정합 기준 내에서 정합되면, 정합 시뮬레이트 회절 신호를 생성하기 위해 사용된 프로파일 매개변수는 구조물의 기하학적 형상을 특징화하는 것으로 가정된다. 정합 시뮬레이트 회절 신호를 생성하기 위해 사용된 분산성은 분산성이 일치하는 구조물의 하나 이상의 재료의 광학 특성을 특징화하는 것으로 가정된다. 하나 이상의 재료의 광학 특성을 생성하고 그 다음에 정합 시뮬레이트 회절 신호를 생성하기 위해 사용된 프로세스 매개변수는 구조물을 제작하기 위해 사용된 처리 조건을 특징화하는 것으로 가정된다.
만일 측정 회절 신호와 시뮬레이트 회절 신호가 적합도 및/또는 비용 함수와 같은 하나 이상의 정합 기준 내에서 정합하지 않으면, 정합이 나타날 때까지 측정 회절 신호가 하나 이상의 추가적인 시뮬레이트 회절 신호에 비교된다. 추가적인 시뮬레이트 회절 신호는, 측정 회절 신호와 정합하지 않은 시뮬레이트 회절 신호와는 상이한 적어도 하나의 프로파일 매개변수, 프로세스 매개변수 또는 분산성의 값을 이용하여 생성된다.
하나 이상의 프로파일 매개변수의 값(예를 들면, 도 4의 w1, w2, w3, h1, h2)은 추가적인 시뮬레이트 회절 신호를 생성할 때 변경될 수 있다. 하나 이상의 프로세스 매개변수의 값은 추가적인 시뮬레이트 회절 신호를 생성할 때 변경될 수 있다. 만일 단계 304에서 취득된 분산 함수에서의 분산성에 관련된 프로세스 매개변수의 값이 변경되면, 분산성 값은 프로세스 매개변수의 값 및 단계 304에서 취득 된 분산 함수를 이용하여 재계산된다. 단계 304에서 취득된 분산 함수의 프로세스 매개변수에 관련되지 않은 분산성의 값은 설정 값으로 고정되거나 부동하도록 허용될 수 있으며, 이것은 상기 분산성 값이 추가적인 시뮬레이트 회절 신호를 생성할 때 변경된다는 것을 의미한다.
예를 들어서, 단계 304에서 취득된 분산 함수가 도 4에 도시된 구조물의 제2 층의 재료에 대응하는 분산성(n2 & k2)에 온도를 관련시켰다고 가정한다. 제1 시뮬레이트 회절 신호를 생성할 때는 제1 온도값(T1)이 사용되었다고 가정한다. 전술한 바와 같이, n2 & k2의 제1 값은 단계 304에서 취득된 분산 함수 및 제1 온도값(T1)을 이용하여 계산되었다. 이제, 추가적인 시뮬레이트 회절 신호(즉, 제2 시뮬레이트 회절 신호)를 생성할 때 제2 온도값(T2)이 사용된다고 가정한다. 이에 따라서, 이 예에 있어서, n2 & k2의 제2 값은 단계 304에서 취득된 분산 함수와 T2를 이용하여 계산된다.
전술한 바와 같이, 프로세스 매개변수와 관련되지 않은 나머지 분산성은 설정값으로 고정되거나 부동될 수 있다. 예를 들면, 도 4의 구조물이 위에 형성되는 기판의 재료에 대응하는 ns & ks의 값은, 추가적인 시뮬레이트 회절 신호를 생성할 때 설정값으로 고정될 수 있다. 도 4의 구조물의 제1 층의 재료에 대응하는 n1 & k1의 값은 프로세스 매개변수에 대한 값의 변화에 독립하여 추가적인 시뮬레이트 회절 신호를 생성할 때 부동(변경)될 수 있다.
라이브러리 기반 프로세스에 있어서는, 추가적인 시뮬레이트 회절 신호가 먼저 생성되어 라이브러리에 저장된다. 회귀 기반 프로세스에 있어서는, 측정 회절 신호가 그 비교 대상인 시뮬레이트 회절 신호와 정합하지 않은 것으로 나타난 후까지 추가적인 시뮬레이트 회절 신호가 생성되지 않는다.
도 5a를 참조하면, 프로세스 매개변수를 분산성에 관련시키는 분산 함수를 산출하기 위한 예시적인 프로세스(500)가 도시되어 있다. 예시적인 프로세스(500)는 예시적인 프로세스(300)(도 3)보다 먼저 수행될 수 있다는 것을 알아야 한다. 예시적인 프로세스(500)는 시험 대상 구조물을 형성하기 전에 또는 그 후에 수행될 수 있다.
단계 502에서, 분산성에 상관될 프로세스 매개변수의 제1 값을 이용하여 제1 웨이퍼가 제작된다. 예를 들어서, 프로세스 매개변수는 온도라고 가정한다. 또한 분산성은 도 4에 도시한 구조물의 제2 층에 대응하는 n2 & k2라고 가정한다. 이에 따라, 도 1에 있어서, 제1 웨이퍼는 제작 도구(104)에서 제1 온도값을 이용하여 제작된다. 특히, 도 4에 도시된 구조물의 제2 층은 제작 도구(104)에서 제1 온도값을 이용하여 형성된다.
다시 도 5a를 참조하면, 단계 504에서, 제작된 제1 웨이퍼로부터 제1 분산성 값이 측정된다. 상기 예로 되돌아가서, 도 4에 도시된 구조물의 제2 층의 n & k의 값이 측정된다.
단계 506에서, 프로세스 매개변수의 제2 값을 이용하여 제2 웨이퍼가 제작된 다. 단계 508에서, 제작된 제2 웨이퍼로부터 제2 분산성 값이 측정된다.
단계 510에서, 프로세스 매개변수의 제3 값을 이용하여 제3 웨이퍼가 제작된다. 단계 512에서, 제작된 제3 웨이퍼로부터 제3 분산성 값이 측정된다.
단계 502, 506 및 510에서 사용된 프로세스 매개변수의 제1, 제2 및 제3 값은 서로 상이하다. 하나의 예시적인 실시예에서, 다른 모든 프로세스 매개변수들은 제1, 제2 및 제3 웨이퍼를 제작할 때 일정하게 유지된다.
예를 들어서, 프로세스 매개변수는 온도라고 또한 가정한다. 따라서, 도 1과 관련된 이 예에서, 제1, 제2 및 제3 웨이퍼는 제작 도구(104)로 상이한 제1, 제2 및 제3 온도 설정(T1, T2, T3)을 이용하여 제작된다. 다른 모든 프로세스 매개변수, 예컨대 압력, 기화 속도 등은 제작 도구(104)에서 제1, 제2 및 제3 웨이퍼를 제작할 때 일정하게 유지된다.
하나의 예시적인 실시예에서, 제1, 제2 및 제3 분산성 값은 광학 계측 도구(106)를 이용하여 측정될 수 있다. 특히, 도 4에 도시된 형상을 가진 테스트 구조물이 제작 도구(104)(도 1)를 이용하여 제1, 제2 및 제3 웨이퍼에서 제작된다고 가정한다. 측정 회절 신호는 광학 계측 도구(106)(도 1)를 이용하여 테스트 구조물로부터 측정된다. 측정 회절 신호는 시뮬레이트 회절 신호와 비교되어, 제1, 제2 및 제3 웨이퍼 상의 테스트 구조물의 제2 층의 제1, 제2 및 제3 분산성 값(예를 들면, n & k)을 결정한다. 테스트 구조물의 제2 층의 n & k의 제1, 제2 및 제3 값을 결정하는데 사용된 시뮬레이트 회절 신호는 n & k 값의 부동(floating)에 의해 생성된다. 분산 함수를 맞추기 위한 더 큰 데이터 샘플을 제공하기 위해 하나 이상의 프로세스 매개변수의 상이한 값으로 3세트보다 많은 웨이퍼를 제작할 수 있다고 이해된다.
단계 514에서, 분산 함수는 제1, 제2 및 제3 분산성 값과 제1, 제2 및 제3 프로세스 매개변수 값을 이용하여 규정된다. 예를 들어서, 2차 다항식이 제1, 제2 및 제3 분산성 값과 제1, 제2 및 제3 프로세스 매개변수 값에 맞춰질 수 있다. 하나의 예시적인 실시예에서, 분산 함수는 각종 파장(λ)에 대하여 규정된다. 더 일반적으로 말하면, 2차 다항식은 하기의 에러 함수를 최소화함으로써 계수 an0(λ), an1(λ), an2(λ), ak0(λ), ak1(λ), 및 ak2(λ)를 이용하여 임의 수의 분산성(n & k) 및 프로세스 매개변수(p)에 맞춰질 수 있다.
[수학식 1.1]
Figure 112008065957813-PAT00001
[수학식 1.2]
Figure 112008065957813-PAT00002
이러한 맞춤(fitting)은 파장마다 행해질 수 있다. 샘플(테스트 구조물)의 수는 다항식 차수에 1을 더한 수보다 더 크다. 다차원의 테일러 급수(Taylor series)와 같은 각종 함수가 맞춰질 수 있다는 것을 알아야 한다.
비록 상기 예에서 변수들의 선형 관계를 이용하였지만, 임의 함수, 합성 함수 등과 같은 변수들 간 비선형 함수 관계를 이용할 수 있음을 알아야 한다. 다항식에 대한 최소 제곱 맞춤 해법(least squares fit solutions)은 행렬식(determinant), 행렬(matrix), 독립 매개변수 해법 등을 포함할 수 있다. 임의 함수에 대한 최소 제곱 맞춤은 비선형 맞춤 방법, 매개변수 공간 조사 방법, 격자 조사 방법, 기울기 조사 방법, 팽창 방법, 마쿼트 방법(Marquardt method) 등을 포함할 수 있다. 이들 기술들에 대한 더 자세한 내용은, 베빙톤(Bevington) 등에 의한 "Data Reduction and Error Analysis for the Physical Sciences", 제3판, 116~177 페이지를 참조바라며, 여기서 참조용으로 사용되었다.
전술한 바와 같이, 단계 306에서, 광학 계측 모델을 이용한 시뮬레이트 회절 신호가 프로세스 매개변수의 값 및 분산 함수를 이용하여 계산되는 분산성의 값으로 생성된다. 상기 예를 계속하여 설명하자면, n & k의 값은 하기와 같이 파장에서 프로세스 매개변수(p)에 대해 계산될 수 있다.
[수학식 2.1]
Figure 112008065957813-PAT00003
[수학식 2.2]
Figure 112008065957813-PAT00004
시뮬레이트 회절 신호는 측정 회절 신호와 최상으로 정합된다. 측정 회절 신호와 최상으로 정합하는 시뮬레이트 회절 신호를 생성하기 위해 사용된 프로파일 매개변수 및 프로세스 매개변수는 구조물을 제작하기 위해 사용된, 측정 회절 신호가 측정되는 구조물의 하나 이상의 프로파일 매개변수 및 프로세스 매개변수를 특징화하는 것으로 가정된다.
프로파일 매개변수와 프로세스 매개변수는 구조물을 제작하기 위해 사용되는 제작 도구 및/또는 제조 프로세스를 평가하기 위해 사용될 수 있다. 예를 들어서, 프로파일 매개변수는 제조 프로세스에서 사용되는 제작 도구를 평가하기 위해 사용될 수 있다. 프로세스 매개변수는 제작 도구를 이용하여 수행된 제조 프로세스의 프로세스 조건을 감시하기 위해 사용될 수 있다. 따라서, 제작 도구 및/또는 제조 프로세스를 제어하여 더욱 안정된 성능을 달성하고 수율을 증가시킬 수 있다.
도 5b를 참조하면, 프로세스 시뮬레이션을 이용하여 하나 이상의 프로세스 매개변수를 분산성에 관련시키는 분산 함수를 산출하는 예시적인 프로세스(550)가 도시되어 있다. 앞에서 언급한 바와 같이, 예시적인 프로세스(550)는 예시적인 프로세스(300)(도 3)에 앞서서 수행될 수 있다는 것을 알아야 한다. 단계 552에서, 제조 프로세스의 하나 이상의 프로세스 매개변수가 선택된다. 앞에서 언급한 바와 같이, 하나 이상의 프로세스 매개변수는 증착 조건, 어닐링 조건, 에칭 조건, 온도, 가스압, 기화 속도 등을 포함할 수 있다. 에칭 조건은 표면 특성 변화, 에칭 잔류 성분 등을 포함할 수 있다. 만일 제조 프로세스가 증착이면, 챔버의 온도 및/또는 가스압이 프로세스 매개변수로서 선택될 수 있다. 단계 554에서, 실 험(empirical) 데이터 또는 응용이나 레시피에 의한 경험에 기초하여 한 세트의 하나 이상의 프로세스 매개변수 값들이 결정된다. 선택된 하나 이상의 프로세스 매개변수는 분산성과 상관될 것인 프로세스 매개변수이다.
단계 556에서, 단계 554에서 결정된 선택된 하나 이상의 프로세스 매개변수 값들의 각 세트에 대한 프로세스 시뮬레이터를 이용하여 웨이퍼 구조물의 제작이 시뮬레이트된다. 제조 프로세스의 시뮬레이션은 통상적으로 Silvaco International의 Athena™, KLA-Tencor의 Prolith™, Sigma-C Gmbh의 Solid-C, Synopsis의 TCAD™ 등의 프로세스 시뮬레이터로 행해진다. 레시피의 명세 및 웨이퍼 구조와 프로세스 매개변수가 프로세스 시뮬레이터에 제공된다. 프로세스 시뮬레이션의 통상적인 출력 중의 하나는, 시뮬레이트 프로세스가 완료된 후의 구조물 프로파일이다. 예를 들어서, 관심 대상의 프로세스 매개변수가 온도라고 가정한다. 또한 분산성은, 도 4에 도시된 구조물의 제2 층에 대응하는 n2 & k2라고 가정한다. 따라서, 웨이퍼 구조물의 제작 시뮬레이션은 온도값을 이용하여 시뮬레이트된다. 특히, 도 4에 도시된 구조물의 제2 층 형성의 시뮬레이션은 프로세스 시뮬레이터에 의해 사용된 제1 온도값을 이용하여 행해진다.
다시 도 5b를 참조하면, 단계 558에서, 분산성 값이, 단계 552에서 선택된 하나 이상의 프로세스 매개변수의 각 값에 대하여 시뮬레이트된 웨이퍼 구조물에 대해 결정된다. 상기 예로 되돌아가서, 도 4에 도시된 구조물의 제2 층의 n & k의 값은 프로세스 시뮬레이터의 출력으로서 n & k를 설정함으로써 취득되거나, n & k 시뮬레이션 소프트웨어를 이용하여 계산될 수 있다. n & k 시뮬레이션 소프트웨어의 예로는, n & k Technology로부터의 n & k Analyzer™, KLA-Tencor로부터의 ProlithTM 등이 있다. 하나의 예시적인 실시예에서, 다른 모든 프로세스 매개변수들은 단계 558에서 필요로 하는 프로세스 시뮬레이션 구동시 일정하게 유지된다. 예를 들어서, 프로세스 매개변수는 온도라고 또한 가정한다. 따라서, 이 예에서, 압력, 기화 속도 등과 같이 프로세스 시뮬레이터에서 사용된 모든 다른 프로세스 매개변수들은 일정하게 유지된다.
단계 560에서, 분산 함수가 분산성 값 및 하나 이상의 선택된 프로세스 매개변수의 값을 이용하여 정의된다. 예를 들어서 만일 단지 하나의 프로세스 매개변수가 선택되면, 2차 다항식이 분산성 값 및 프로세스 매개변수의 값에 맞춰질 수 있다. 하나의 예시적인 실시예에서, 분산 함수는 다양한 파장(λ)에 대하여 정의된다. 전술한 바와 같이, 2차 다항식은, 상기 수학식 1.1 및 수학식 1.2로 표현되는, 따르는 에러 함수를 최소화함으로써 계수 an0(λ), an1(λ), an2(λ), ak0(λ), ak1(λ) 및 ak2(λ)를 이용하여 임의 수의 분산성(n & k) 및 프로세스 매개변수(p)에 맞춰질 수 있다. 이러한 맞춤은 파장마다 행해질 수 있다. 샘플(테스트 구조물)의 수는 다항식 차수에 1을 더한 수보다 더 크다. 다차원의 테일러 급수와 같은 다양한 함수가 맞춰질 수 있다는 것을 알아야 한다.
앞에서 언급한 바와 같이, 상기 예에서 변수들의 선형 관계를 이용하였지만, 임의 함수, 합성 함수 등과 같은, 변수들 간 비선형 함수 관계를 이용할 수 있음을 알아야 한다. 다항식에 대한 최소 제곱 맞춤 해법은 행렬식, 행렬, 독립 매개변수 해법 등을 포함할 수 있다. 임의 함수에 대한 최소 제곱 맞춤은 비선형 맞춤 방법, 매개변수 공간 조사 방법, 격자 조사 방법, 기울기 조사 방법, 팽창 방법, 마쿼트 방법 등을 포함할 수 있다. 이 기술들에 대한 더 자세한 내용은, 베빙톤(Bevington) 등에 의한 "Data Reduction and Error Analysis for the Physical Sciences", 제3판, 116~177 페이지를 참조바라며, 여기서 참조용으로 사용되었다.
전술한 바와 같이, 도 3의 단계 306에서, 광학 계측 모델을 이용한 시뮬레이트 회절 신호는 하나 이상의 프로세스 매개변수의 값 및 분산 함수를 이용하여 계산되는 분산성의 값으로 생성된다. 상기 예를 계속하여 설명하자면, n & k의 값은 수학식 2.1 및 수학식 2.2에 표시한 바와 같이 파장에서 프로세스 매개변수(p)에 대해 계산될 수 있다. 시뮬레이트 회절 신호는 측정 회절 신호와 최상으로 정합된다. 측정 회절 신호와 최상으로 정합하는 시뮬레이트 회절 신호를 생성하기 위해 사용된 프로파일 매개변수 및 하나 이상의 프로세스 매개변수는 구조물을 제작하기 위해 사용된, 측정 회절 신호가 측정되는 구조물의 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수를 특징화하는 것으로 가정된다. 또한 전술한 바와 같이, 프로파일 매개변수 및 하나 이상의 프로세스 매개변수는 구조물을 제작하기 위해 사용된 제작 도구 및/또는 제조 프로세스를 평가하기 위해 사용될 수 있다.
도 6을 참조하면, 자동화 프로세스 제어를 위한 하나 이상의 프로파일 매개변수 및/또는 하나 이상의 프로세스 매개변수를 결정하기 위한 예시적인 프로세 스(600)가 도시되어 있다. 단계 602에서, 반도체 웨이퍼 상에 형성된 구조물에 대한 광학 계측 모델이 생성된다. 광학 계측 모델은, 구조물의 하나 이상의 기하학적 특성을 특징화하는 하나 이상의 프로파일 매개변수, 구조물을 제작하기 위한 하나 이상의 프로세스 조건을 특징화하는 하나 이상의 프로세스 매개변수, 및 구조물 재료의 광학 특성을 특징화하는 분산성을 포함한다.
단계 604에서, 하나 이상의 프로세스 매개변수 중 적어도 하나에 분산성을 관련시키는 분산 함수가 취득된다. 단계 606에서, 광학 계측 모델, 적어도 하나의 프로세스 매개변수 값 및 분산성 값을 이용하여 시뮬레이트 회절 신호가 생성된다. 분산성 값은 적어도 하나의 프로세스 매개변수 값 및 분산 함수를 이용하여 계산된다.
단계 608에서, 광학 계측 도구를 이용하여 구조물의 측정 회절 신호가 취득된다. 단계 610에서, 측정 회절 신호는 시뮬레이트 회절 신호와 비교된다. 단계 612에서, 구조물의 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수가 단계 610에서의 비교에 따라 결정된다. 단계 614에서, 구조물의 결정된 하나 이상의 프로파일 매개변수에 기초하여 제작 도구가 제어된다.
도 7을 참조하면, 라이브러리를 이용한 자동화 프로세스 제어를 위해 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수를 결정하기 위한 예시적인 프로세스(700)가 도시되어 있다. 단계 702에서, 반도체 웨이퍼 상에 형성된 구조물에 대한 광학 계측 모델이 생성된다. 광학 계측 모델은, 구조물의 하나 이상의 기하학적 특성을 특징화하는 하나 이상의 프로파일 매개변수와, 구조물을 제작 하기 위한 하나 이상의 프로세스 조건을 특징화하는 하나 이상의 프로세스 매개변수와, 구조물 재료의 광학 특성을 특징화하는 분산성을 포함한다.
단계 704에서, 분산성을 하나 이상의 프로세스 매개변수 중 적어도 하나에 관련시키는 분산 함수가 취득된다. 단계 706에서, 광학 계측 모델, 적어도 하나의 프로세스 매개변수의 값 및 분산성 값을 이용하여 시뮬레이트 회절 신호 라이브러리가 생성된다. 분산성 값은 적어도 하나의 프로세스 매개변수의 값 및 분산 함수를 이용하여 계산된다.
단계 708에서, 광학 계측 도구를 이용하여 구조물의 측정 회절 신호가 취득된다. 단계 710에서, 측정 회절 신호에 대한 최상의 정합이 라이브러리로부터 취득된다. 단계 712에서, 구조물의 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수가 단계 710에서의 비교에 기초하여 결정된다. 단계 714에서, 구조물의 결정된 하나 이상의 프로파일 매개변수 또는 결정된 하나 이상의 프로세스 매개변수에 기초하여 제작 도구가 제어된다.
도 8을 참조하면, 훈련된 기계 학습 시스템을 이용한 자동화 프로세스 제어를 위해 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수를 결정하기 위한 예시적인 프로세스(800)가 도시되어 있다. 단계 802에서, 반도체 웨이퍼 상에 형성된 구조물에 대한 광학 계측 모델이 생성된다. 광학 계측 모델은, 구조물의 하나 이상의 기하학적 특성을 특징화하는 하나 이상의 프로파일 매개변수와, 구조물을 제작하기 위한 하나 이상의 프로세스 조건을 특징화하는 하나 이상의 프로세스 매개변수와, 구조물 재료의 광학 특성을 특징화하는 분산성을 포함한다.
단계 804에서, 분산성을 하나 이상의 프로세스 매개변수 중 적어도 하나에 관련시키는 분산 함수가 취득된다. 단계 806에서, 광학 계측 모델, 한 세트의 적어도 하나의 프로세스 매개변수 값 및 한 세트의 분산성 값을 이용하여 한 세트의 시뮬레이트 회절 신호가 생성된다. 분산성 값은 적어도 하나의 프로세스 매개변수의 값 및 분산 함수를 이용하여 계산된다.
단계 808에서, 한 세트의 시뮬레이트 회절 신호를 입력으로서 프로세스하고, 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수의 값을 출력으로서 생성하도록 기계 학습 시스템이 훈련된다. 단계 810에서, 광학 계측 도구를 이용하여 구조물의 측정 회절 신호가 취득된다. 단계 812에서, 측정 회절 신호가 훈련된 기계 학습 시스템에 입력된다. 단계 814에서, 구조물의 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수가 기계 학습 시스템의 출력에 기초하여 결정된다. 단계 816에서, 구조물의 결정된 하나 이상의 프로파일 매개변수 또는 결정된 하나 이상의 프로세스 매개변수에 기초하여 제작 도구가 제어된다.
결정된 하나 이상의 프로세스 매개변수는 증착 조건, 어닐링 조건 또는 에칭 조건을 포함하고, 하나 이상의 제조 프로세스는 증착 프로세스, 어닐링 프로세스 또는 에칭 프로세스를 각각 포함할 수 있다. 증착 조건은 온도, 가스압 및 기화 속도를 포함할 수 있다. 에칭 조건은 표면 특성 변화 및 에칭 잔류 성분을 포함할 수 있다.
도 9는 자동화 프로세스 및 설비 제어를 위해 프로파일 매개변수 및 프로세스 매개변수를 결정하고 이용하는 시스템의 예시적인 블록도이다. 시스템(900)은 제1 제작 클러스터(902) 및 광학 계측 시스템(904)을 포함한다. 시스템(900)은 제2 제작 클러스터(906)를 또한 포함하고 있다. 비록 도 9에서는 제2 제작 클러스터(906)가 제1 제작 클러스터(902)에 후속하는 것으로서 도시되어 있지만, 제2 제작 클러스터(906)는 시스템(900)에서(예를 들면, 그리고 제조 공정 흐름에서) 제1 제작 클러스터(902)의 앞에 위치될 수도 있다는 것을 알아야 한다.
예를 들어서, 웨이퍼에 도포된 포토레지스트 층을 노광 및/또는 현상하는 등의 포토리소그래픽 프로세스는 제1 제작 클러스터(902)를 이용하여 수행될 수 있다. 하나의 예시적인 실시예에서, 광학 계측 시스템(904)은 광학 계측 도구(908)와 프로세서(910)를 포함한다. 광학 계측 도구(908)는 구조물로부터 회절 신호를 측정하도록 구성된다. 프로세서(910)는 측정 회절 신호를 시뮬레이트 회절 신호와 비교하도록 구성된다. 측정 회절 신호와 시뮬레이트 회절 신호가 적합도 및/또는 비용 함수와 같은 정합 기준 내에서 정합되면, 시뮬레이트 회절 신호와 관련된 프로파일 매개변수의 하나 이상의 값이 프로파일 매개변수의 하나 이상의 값으로 되도록 결정되고, 측정 회절 신호와 관련된 하나 이상의 프로세스 매개변수가 구조물을 제작하기 위해 사용되는 프로세스 매개변수의 하나 이상의 값으로 되도록 결정된다.
하나의 예시적인 실시예에서, 광학 계측 시스템(904)은 복수의 시뮬레이트 회절 신호와 대응하는 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수를 갖는 라이브러리(912)를 또한 포함할 수 있다. 전술한 바와 같이, 라이브러리가 먼저 생성되고; 프로세서(910)가 구조물로부터 측정 회절 신호를 라이브러리 내의 복수의 시뮬레이트 회절 신호에 비교할 수 있다. 정합하는 시뮬레이트 회 절 신호가 발견되면, 라이브러리 내의 정합 시뮬레이트 회절 신호와 관련된 프로파일 매개변수 및 프로세스 매개변수의 하나 이상의 값이 구조물을 제작하기 위한 웨이퍼 응용에서 사용하는 프로파일 매개변수 및 프로세스 매개변수의 하나 이상의 값으로 된다고 가정한다.
시스템(900)은 계측 프로세서(916)를 또한 포함한다. 하나의 예시적인 실시예에서, 프로세서(910)는 하나 이상의 프로파일 매개변수 및/또는 프로세스 매개변수의 하나 이상의 값을 계측 프로세서(916)에 송신할 수 있다. 그 다음에, 계측 프로세서(916)는 광학 계측 시스템(904)을 이용하여 결정된 하나 이상의 프로파일 매개변수 및/또는 프로세스 매개변수의 하나 이상의 값에 기초하여 하나 이상의 프로세스 매개변수 또는 제1 제작 클러스터(902)의 설비 설정을 조정할 수 있다. 계측 프로세서(916)는 광학 계측 시스템(904)을 이용하여 결정된 하나 이상의 프로파일 매개변수 및/또는 프로세스 매개변수의 하나 이상의 값에 기초하여 하나 이상의 프로세스 매개변수 또는 제2 제작 클러스터(906)의 설비 설정을 또한 조정할 수 있다. 전술한 바와 같이, 제작 클러스터(906)는 웨이퍼를 제작 클러스터(902) 전에 또는 후에 프로세스할 수 있다. 다른 예시적인 실시예에서, 프로세서(910)는 한 세트의 측정 회절 신호를 기계 학습 시스템(914)으로의 입력으로 사용하고, 프로파일 매개변수 및 프로세스 매개변수를 기계 학습 시스템(914)의 기대 출력으로 사용하여 기계 학습 시스템(914)을 훈련시키도록 구성된다.
더 나아가, 컴퓨터 메모리, 디스크 및/또는 기억장치와 같은 컴퓨터 판독가능 매체(도시 생략됨)를 사용하여, 프로세스 매개변수를 분산성에 관련시키는 분산 함수를 이용하여 시뮬레이트 회절 신호를 생성하거나, 구조물의 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수를 광학 계측 모델, 및 전술한 방법을 사용하여 생성된 시뮬레이트 회절 신호를 이용하여 결정하기 위한 명령 및 컴퓨터 프로그램을 저장할 수 있다. 다른 실시예로서, 컴퓨터 실행가능 명령이 컴퓨터 판독가능 매체에 저장되어, 시뮬레이트 회절 신호와 대응하는 프로파일 매개변수와 프로세스 매개변수를 포함하는 라이브러리, 및 측정 회절 신호를 이용하여 하나 이상의 프로파일 매개변수 및 프로세스 매개변수를 결정할 수 있다. 또다른 실시예로서, 컴퓨터 실행가능 명령이 컴퓨터 판독가능 매체에 저장되어, 측정 회절 신호를 입력으로서 사용하고 하나 이상의 프로파일 매개변수와 프로세스 매개변수를 출력으로 생성하도록 기계 학습 시스템을 훈련시킬 수 있다. 또다른 실시예로서, 유사한 컴퓨터 실행가능 명령이 컴퓨터 판독가능 매체에 저장되어, 제작 클러스터를 제어하기 위한 결정된 하나 이상의 프로파일 매개변수 및 프로세스 매개변수를 이용하여 포토리소그래피 클러스터 또는 다른 제작 클러스터를 제어할 수도 있다.
예시적인 실시예들을 설명하였지만, 본 발명의 사상 및/또는 범위로부터 벗어나지 않고 다양한 수정이 이루어질 수 있다. 그러므로, 본 발명은 도면에 도시되고 위에서 설명한 특정 형태로 제한되는 것으로 해석되어서는 안된다.
도 1은 예시적인 제작 도구와 예시적인 광학 계측 도구를 나타낸 구조도.
도 2는 예시적인 광학 계측 도구를 보다 상세히 도시하는 도.
도 3은 반도체 웨이퍼 상에 형성된 구조물을 시험하는 예시적인 프로세스의 흐름도.
도 4는 한 세트의 프로파일 매개변수를 이용하여 특징화한 예시적 구조물을 도시하는 도.
도 5a는 프로세스 매개변수를 분산성에 관련시키는 분산 함수를 정의하는 예시적인 프로세스의 흐름도.
도 5b는 프로세스 시뮬레이터를 이용하여 프로세스 매개변수를 분산성에 관련시키는 분산 함수를 정의하는 예시적인 프로세스의 흐름도.
도 6은 제작 도구를 제어하는 예시적인 프로세스의 흐름도.
도 7은 라이브러리를 이용한 자동화 프로세스 제어의 예시적인 흐름도.
도 8은 훈련된 기계 학습 시스템을 이용한 자동화 프로세스 제어의 예시적인 흐름도.
도 9는 자동화 프로세스 및 설비 제어를 위해 프로파일 매개변수 및 프로세스 매개변수를 결정하고 이용하는 시스템의 예시적인 블록도.
*도면의 주요 부분에 대한 부호의 설명*
102: 웨이퍼 104: 제작 도구 106: 광학 계측 도구
202: 구조물 204: 빔 소스 206: 빔 검출기

Claims (17)

  1. 광학 계측 모델을 이용하여 반도체 웨이퍼 상에 형성된 구조물을 시험하는 방법에 있어서,
    a) 상기 구조물에 대한 광학 계측 모델 -상기 광학 계측 모델은 상기 구조물의 하나 이상의 기하학적 특성을 특징화하는 하나 이상의 프로파일 매개변수, 상기 구조물을 제작하기 위한 하나 이상의 프로세스 조건을 특징화하는 하나 이상의 프로세스 매개변수, 및 상기 구조물 재료의 광학 특성을 특징화하는 분산성을 포함함-을 생성하는 단계와;
    b) 상기 분산성을 상기 하나 이상의 프로세스 매개변수 중 적어도 하나에 관련시키는 분산 함수를 취득하는 단계와;
    c) 상기 광학 계측 모델, 적어도 하나의 프로세스 매개변수의 값 및 분산성 값 -상기 분산성 값은 상기 적어도 하나의 프로세스 매개변수의 값 및 상기 분산 함수를 이용하여 계산됨- 을 이용하여 시뮬레이트 회절 신호를 생성하는 단계와;
    d) 상기 구조물의 측정 회절 신호 -상기 측정 회절 신호는 상기 구조물로부터 측정됨- 를 취득하는 단계와;
    e) 상기 측정 회절 신호를 상기 시뮬레이트 회절 신호에 비교하는 단계와;
    f) 상기 측정 회절 신호의 상기 시뮬레이트 회절 신호로의 비교에 기초하여 상기 구조물의 하나 이상의 프로파일 매개변수를 결정하는 단계
    를 포함하는 구조물 시험 방법.
  2. 제1항에 있어서, 상기 b) 단계는,
    g) 상기 하나 이상의 프로세스 매개변수 중 적어도 하나의 값을 변화시키는 단계와;
    h) 한 세트의 웨이퍼 - 상기 세트의 각 웨이퍼는 상기 하나 이상의 프로세스 매개변수 중 적어도 하나의 상이한 값을 이용하여 제작됨 - 를 제작하는 단계와;
    i) 제작된 한 세트의 웨이퍼로부터 상기 분산성 값을 측정하는 단계와;
    j) 상기 측정된 분산성 값 및 상기 세트의 웨이퍼의 제작시 사용된 상기 프로세스 매개변수의 값을 이용하여 상기 분산 함수를 정의하는 단계
    를 포함한 것인 구조물 시험 방법.
  3. 제2항에 있어서, 상기 분산 함수는 다항식인 것인 구조물 시험 방법.
  4. 제1항에 있어서, 상기 e) 단계와 f) 단계는,
    (k) 상기 측정 회절 신호에 대한 정합 시뮬레이트 회절 신호를 결정하는 단계와;
    (l) 상기 정합 시뮬레이트 회절 신호 생성시 사용된 상기 광학 계측 모델의 상기 프로파일 매개변수에 대응하는 상기 구조물의 상기 하나 이상의 프로파일 매개변수, 및 최상으로 정합되는 시뮬레이트 회절 신호와 관련된 하나 이상의 프로세스 매개변수를 결정하는 단계
    를 포함한 것인 구조물 시험 방법.
  5. 제1항에 있어서, 상기 분산성은 굴절률(n)과 흡광 계수(extinction coefficient)(k)를 포함한 것인 구조물 시험 방법.
  6. 제1항에 있어서, 상기 하나 이상의 프로세스 매개변수는 증착 조건, 어닐링 조건, 또는 에칭 조건을 포함한 것인 구조물 시험 방법.
  7. 제6항에 있어서, 상기 증착 조건은 온도, 가스압 또는 기화 속도를 포함할 수 있고, 또는 상기 에칭 조건은 표면 특성 변화 또는 에칭 잔류 성분을 포함할 수 있는 것인 구조물 시험 방법.
  8. 광학 계측 모델을 이용하여 반도체 웨이퍼 상에 형성된 구조물을 시험하는 방법에 있어서,
    상기 구조물에 대한 광학 계측 모델 - 상기 광학 계측 모델은 상기 구조물의 하나 이상의 기하학적 특성을 특징화하는 하나 이상의 프로파일 매개변수, 상기 구조물을 제작하기 위한 하나 이상의 프로세스 조건을 특징화하는 하나 이상의 프로세스 매개변수, 및 상기 구조물 재료의 광학 특성을 특징화하는 분산성을 포함함 - 을 생성하는 단계와;
    상기 분산성을 상기 하나 이상의 프로세스 매개변수 중 적어도 하나에 관련 시키는 분산 함수를 취득하는 단계와;
    상기 계측 모델을 사용하여 라이브러리 - 상기 라이브러리는 시뮬레이트 회절 신호와 프로파일 매개변수의 대응하는 값, 상기 하나 이상의 프로세스 매개변수중 적어도 하나의 값, 및 분산성 값을 포함하고, 상기 분산성 값은 상기 하나 이상의 프로세스 매개변수 중 적어도 하나의 값 및 상기 분산 함수를 사용하여 계산됨 - 를 생성하는 단계와,
    상기 구조물의 측정 회절 신호 -상기 측정 회절 신호는 상기 구조물로부터 측정됨 - 를 취득하는 단계와;
    시뮬레이트 회절 신호의 상기 라이브러리로부터 상기 측정 회절 신호의 최상 정합을 취득하는 단계와;
    상기 최상 정합의 시뮬레이트 회절 신호의 상기 프로파일 매개변수에 기초하여 상기 구조물의 하나 이상의 프로파일 매개변수 및 상기 최상 정합의 시뮬레이트 회절 신호와 관련된 하나 이상의 프로세스 매개변수를 결정하는 단계
    를 포함하는 구조물 시험 방법.
  9. 제8항에 있어서, 상기 분산성은 굴절률(n)과 흡광 계수(k)를 포함한 것인 구조물 시험 방법.
  10. 제8항에 있어서, 상기 분산 함수는 다항식인 것인 구조물 시험 방법.
  11. 제8항에 있어서, 상기 하나 이상의 프로세스 매개변수는 증착 조건, 어닐링 조건, 또는 에칭 조건을 포함한 것인 구조물 시험 방법.
  12. 광학 계측 모델을 이용하여 반도체 웨이퍼 상에 형성된 구조물을 시험하는 방법에 있어서,
    상기 구조물에 대한 광학 계측 모델 - 상기 광학 계측 모델은 상기 구조물의 하나 이상의 기하학적 특성을 특징화하는 하나 이상의 프로파일 매개변수, 상기 구조물을 제작하기 위한 하나 이상의 프로세스 조건을 특징화하는 하나 이상의 프로세스 매개변수, 및 상기 구조물의 재료의 광학 특성을 특징화하는 분산성을 포함함 - 을 생성하는 단계와;
    상기 분산성을 상기 하나 이상의 프로세스 매개변수 중 적어도 하나에 관련시키는 분산 함수를 취득하는 단계와;
    상기 광학 계측 모델을 사용하여 한 세트의 훈련 데이터 - 상기 훈련 데이터는 시뮬레이트 회절 신호와 대응하는 프로파일 매개변수, 상기 하나 이상의 프로세스 매개변수, 및 분산성을 포함하고, 분산성 값은 상기 하나 이상의 프로세스 매개변수 중 적어도 하나의 값 및 상기 분산 함수를 이용하여 계산됨 - 를 생성하는 단계와;
    상기 세트의 훈련 데이터를 사용하여 기계 학습 시스템 - 상기 기계 학습 시스템은 회절 신호를 입력으로서 프로세스하고, 하나 이상의 프로파일 매개변수 및 프로세스 매개변수를 출력으로서 프로세스하도록 훈련됨 - 을 훈련시키는 단계와;
    상기 구조물로부터의 측정 회절 신호를 상기 훈련된 기계 학습 시스템에 입력하고, 상기 구조물의 하나 이상의 프로파일 매개변수 및 하나 이상의 프로세스 매개변수를 출력으로서 생성하는 단계
    를 포함하는 구조물 시험 방법.
  13. 제12항에 있어서, 상기 분산성은 굴절률(n)과 흡광 계수(k)를 포함한 것인 구조물 시험 방법.
  14. 제12항에 있어서, 상기 하나 이상의 프로세스 매개변수는 증착 조건, 어닐링 조건, 또는 에칭 조건을 포함한 것인 구조물 시험 방법.
  15. 반도체 웨이퍼 상에 형성된 구조물을 시험하는 시스템에 있어서,
    상기 구조물로부터 회절 신호를 측정하도록 구성된 광도계 장치와;
    상기 측정된 시뮬레이트 회절 신호를 시뮬레이트 회절 신호에 비교하도록 구성된 프로세싱 모듈
    을 포함하고, 상기 시뮬레이트 회절 신호는 적어도 하나의 프로세스 매개변수의 값과 분산성 값을 이용하여 생성되며, 상기 분산성 값은 적어도 하나의 프로세스 매개변수의 값, 및 상기 분산성을 적어도 하나의 프로세스 매개변수에 관련시키는 분산 함수를 이용하여 계산되며, 상기 시뮬레이트 회절 신호는 상기 구조물의 하나 이상의 기하학적 특성을 특징화하는 하나 이상의 프로파일 매개변수, 상기 구 조물을 제작하기 위한 하나 이상의 프로세스 조건을 특징화하는 하나 이상의 프로세스 매개변수, 및 상기 구조물의 재료의 광학 특성을 특징화하는 분산성을 포함한 광학 계측 모델을 이용하여 생성되는 것인 구조물 시험 시스템.
  16. 제15항에 있어서, 한 세트의 웨이퍼 상에서 제조 프로세스를 수행하도록 구성된 제작 도구를 더 포함하고, 상기 세트 내의 각 웨이퍼는 적어도 하나의 프로세스 매개변수의 상이한 값을 이용하여 제작되며, 상기 분산성 값은 상기 세트의 웨이퍼로부터 측정되며, 상기 분산 함수는 상기 측정된 분산성 값 및 상기 세트의 웨이퍼를 제작하는데 사용된 상기 프로세스 매개변수의 값을 이용하여 정의된 것인 구조물 시험 시스템.
  17. 제15항에 있어서, 상기 프로세싱 모듈은 또한,
    시뮬레이트 회절 신호와 프로파일 매개변수의 대응하는 값, 상기 하나 이상의 프로세스 매개변수, 및 분산성을 포함한 라이브러리를 생성하거나,
    회절 신호를 입력으로서 프로세스하고, 대응하는 하나 이상의 프로파일 매개변수, 하나 이상의 프로세스 매개변수 및 분산성을 출력으로서 생성하기 위하여 기계 학습 시스템을 훈련시키도록
    구성된 것인 구조물 시험 시스템.
KR1020080092023A 2007-09-20 2008-09-19 구조물 시험 방법 및 구조물 시험 시스템 KR101365163B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/858,882 2007-09-20
US11/858,882 US7912679B2 (en) 2007-09-20 2007-09-20 Determining profile parameters of a structure formed on a semiconductor wafer using a dispersion function relating process parameter to dispersion

Publications (2)

Publication Number Publication Date
KR20090031282A true KR20090031282A (ko) 2009-03-25
KR101365163B1 KR101365163B1 (ko) 2014-02-20

Family

ID=40472635

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080092023A KR101365163B1 (ko) 2007-09-20 2008-09-19 구조물 시험 방법 및 구조물 시험 시스템

Country Status (5)

Country Link
US (1) US7912679B2 (ko)
JP (1) JP5162778B2 (ko)
KR (1) KR101365163B1 (ko)
CN (1) CN101393881B (ko)
TW (1) TWI383462B (ko)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8069020B2 (en) * 2007-09-19 2011-11-29 Tokyo Electron Limited Generating simulated diffraction signal using a dispersion function relating process parameter to dispersion
JP2012237566A (ja) * 2011-05-10 2012-12-06 Hitachi High-Technologies Corp 欠陥観察方法及びその装置
US9442063B2 (en) 2011-06-27 2016-09-13 Kla-Tencor Corporation Measurement of composition for thin films
US20130110477A1 (en) * 2011-10-31 2013-05-02 Stilian Pandev Process variation-based model optimization for metrology
US20130158957A1 (en) * 2011-12-16 2013-06-20 Lie-Quan Lee Library generation with derivatives in optical metrology
US10255385B2 (en) * 2012-03-28 2019-04-09 Kla-Tencor Corporation Model optimization approach based on spectral sensitivity
US20140136164A1 (en) * 2012-11-09 2014-05-15 Kla -Tencor Corporation Analytic continuations to the continuum limit in numerical simulations of wafer response
US9291554B2 (en) 2013-02-05 2016-03-22 Kla-Tencor Corporation Method of electromagnetic modeling of finite structures and finite illumination for metrology and inspection
US20140242880A1 (en) * 2013-02-26 2014-08-28 Applied Materials, Inc. Optical model with polarization direction effects for comparison to measured spectrum
US10386729B2 (en) 2013-06-03 2019-08-20 Kla-Tencor Corporation Dynamic removal of correlation of highly correlated parameters for optical metrology
CN105900016B (zh) * 2013-12-05 2018-02-13 Asml荷兰有限公司 用于测量衬底上的结构的方法和设备、用于误差校正的模型、用于实施这样的方法和设备的计算机程序产品
US10151986B2 (en) * 2014-07-07 2018-12-11 Kla-Tencor Corporation Signal response metrology based on measurements of proxy structures
CN105571484B (zh) * 2014-10-14 2018-07-06 睿励科学仪器（上海）有限公司 确定测量模式和光学系统参数容差的方法和装置
CN108801162B (zh) * 2018-06-28 2019-07-16 大连理工大学 一种厚光刻胶膜厚度的非接触式光学测量方法
KR102611986B1 (ko) * 2018-12-19 2023-12-08 삼성전자주식회사 반도체 소자의 형상 예측 방법
US11060982B2 (en) * 2019-03-17 2021-07-13 Kla Corporation Multi-dimensional model of optical dispersion
WO2021030833A1 (en) * 2019-08-09 2021-02-18 Lam Research Corporation Model based control of wafer non-uniformity
JP7081575B2 (ja) 2019-09-30 2022-06-07 株式会社村田製作所 コイル部品
JP7310979B2 (ja) 2019-09-30 2023-07-19 株式会社村田製作所 コイル部品
US11353364B2 (en) * 2020-03-02 2022-06-07 Lam Research Corporation Thermal imaging for within wafer variability feedforward or feedback information
CN111595812B (zh) * 2020-05-29 2021-06-22 复旦大学 基于动量空间色散关系的关键参数的量测方法和系统
CN112484968B (zh) * 2020-11-20 2021-12-21 上海复享光学股份有限公司 用于光学量测的方法、系统、计算设备和存储介质
US20240054333A1 (en) * 2022-08-09 2024-02-15 Applied Materials, Inc. Piecewise functional fitting of substrate profiles for process learning

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3430055A (en) * 1965-04-02 1969-02-25 Bowles Eng Corp Surface flaw detector
AT279943B (de) * 1965-07-14 1970-03-25 Boehler & Co Ag Geb Einrichtung zur Elektronenstrahl-Mikroanalyse heterogen aufgebauter metallischer oder nichtmetallischer Stoffe
US3357557A (en) * 1965-07-30 1967-12-12 Affiliated Mfg Corp Radiant energy method and apparatus of determining physical characteristics
US3549999A (en) * 1968-06-05 1970-12-22 Gen Electric Method and apparatus for testing circuits by measuring secondary emission electrons generated by electron beam bombardment of the pulsed circuit
USRE26916E (en) * 1968-12-10 1970-06-23 Radiant energy method and apparatus of determining physical chacteristics
CN1303397C (zh) * 2000-01-26 2007-03-07 音质技术公司 为集成电路周期性光栅产生仿真衍射信号库的方法及系统
US6943900B2 (en) * 2000-09-15 2005-09-13 Timbre Technologies, Inc. Generation of a library of periodic grating diffraction signals
US6704661B1 (en) * 2001-07-16 2004-03-09 Therma-Wave, Inc. Real time analysis of periodic structures on semiconductors
US6785638B2 (en) * 2001-08-06 2004-08-31 Timbre Technologies, Inc. Method and system of dynamic learning through a regression-based library generation process
US6940592B2 (en) * 2001-10-09 2005-09-06 Applied Materials, Inc. Calibration as well as measurement on the same workpiece during fabrication
IL146924A (en) * 2001-12-04 2007-03-08 Nova Measuring Instr Ltd Metal cmp process monitoring
US7330279B2 (en) * 2002-07-25 2008-02-12 Timbre Technologies, Inc. Model and parameter selection for optical metrology
US7092110B2 (en) * 2002-07-25 2006-08-15 Timbre Technologies, Inc. Optimized model and parameter selection for optical metrology
US7072049B2 (en) * 2003-02-03 2006-07-04 Timbre Technologies, Inc. Model optimization for structures with additional materials
US7145664B2 (en) * 2003-04-18 2006-12-05 Therma-Wave, Inc. Global shape definition method for scatterometry
US20040267397A1 (en) * 2003-06-27 2004-12-30 Srinivas Doddi Optical metrology of structures formed on semiconductor wafer using machine learning systems
US7224471B2 (en) * 2003-10-28 2007-05-29 Timbre Technologies, Inc. Azimuthal scanning of a structure formed on a semiconductor wafer
US7126700B2 (en) 2003-12-12 2006-10-24 Timbre Technologies, Inc. Parametric optimization of optical metrology model
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
US7388677B2 (en) * 2004-03-22 2008-06-17 Timbre Technologies, Inc. Optical metrology optimization for repetitive structures
US7065423B2 (en) * 2004-07-08 2006-06-20 Timbre Technologies, Inc. Optical metrology model optimization for process control
US7171284B2 (en) * 2004-09-21 2007-01-30 Timbre Technologies, Inc. Optical metrology model optimization based on goals
US7355728B2 (en) * 2005-06-16 2008-04-08 Timbre Technologies, Inc. Optical metrology model optimization for repetitive structures
US7515282B2 (en) * 2005-07-01 2009-04-07 Timbre Technologies, Inc. Modeling and measuring structures with spatially varying properties in optical metrology
US7302367B2 (en) * 2006-03-27 2007-11-27 Timbre Technologies, Inc. Library accuracy enhancement and evaluation
WO2007123696A2 (en) * 2006-03-30 2007-11-01 Tokyo Electron Limited In-die optical metrology
US7474420B2 (en) * 2006-03-30 2009-01-06 Timbre Technologies, Inc. In-die optical metrology
US7526354B2 (en) * 2006-07-10 2009-04-28 Tokyo Electron Limited Managing and using metrology data for process and equipment control
US7495781B2 (en) * 2006-07-10 2009-02-24 Tokyo Electron Limited Optimizing selected variables of an optical metrology model
US20080013107A1 (en) * 2006-07-11 2008-01-17 Tokyo Electron Limited Generating a profile model to characterize a structure to be examined using optical metrology
US7327475B1 (en) * 2006-12-15 2008-02-05 Tokyo Electron Limited Measuring a process parameter of a semiconductor fabrication process using optical metrology
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
US7596422B2 (en) * 2007-01-12 2009-09-29 Tokyo Electron Limited Determining one or more profile parameters of a structure using optical metrology and a correlation between profile models and key profile shape variables
US7571074B2 (en) * 2007-01-30 2009-08-04 Tokyo Electron Limited Method of using a wafer-thickness-dependant profile library
US7567353B2 (en) * 2007-03-28 2009-07-28 Tokyo Electron Limited Automated process control using optical metrology and photoresist parameters
US7949618B2 (en) * 2007-03-28 2011-05-24 Tokyo Electron Limited Training a machine learning system to determine photoresist parameters
US7728976B2 (en) * 2007-03-28 2010-06-01 Tokyo Electron Limited Determining photoresist parameters using optical metrology
US7511835B2 (en) * 2007-04-12 2009-03-31 Tokyo Electron Limited Optical metrology using a support vector machine with simulated diffraction signal inputs
US7729873B2 (en) * 2007-08-28 2010-06-01 Tokyo Electron Limited Determining profile parameters of a structure using approximation and fine diffraction models in optical metrology
US7949490B2 (en) * 2007-08-30 2011-05-24 Tokyo Electron Limited Determining profile parameters of a structure using approximation and fine diffraction models in optical metrology
US7627392B2 (en) * 2007-08-30 2009-12-01 Tokyo Electron Limited Automated process control using parameters determined with approximation and fine diffraction models
US8069020B2 (en) * 2007-09-19 2011-11-29 Tokyo Electron Limited Generating simulated diffraction signal using a dispersion function relating process parameter to dispersion
US7636649B2 (en) * 2007-09-21 2009-12-22 Tokyo Electron Limited Automated process control of a fabrication tool using a dispersion function relating process parameter to dispersion
US7598099B2 (en) * 2007-11-07 2009-10-06 Tokyo Electron Limited Method of controlling a fabrication process using an iso-dense bias
US7961306B2 (en) * 2009-03-30 2011-06-14 Tokyo Electron Limited Optimizing sensitivity of optical metrology measurements

Also Published As

Publication number Publication date
KR101365163B1 (ko) 2014-02-20
CN101393881A (zh) 2009-03-25
JP2009075110A (ja) 2009-04-09
US20090083013A1 (en) 2009-03-26
TWI383462B (zh) 2013-01-21
US7912679B2 (en) 2011-03-22
TW200931555A (en) 2009-07-16
CN101393881B (zh) 2011-04-20
JP5162778B2 (ja) 2013-03-13

Similar Documents

Publication Publication Date Title
KR101365163B1 (ko) 구조물 시험 방법 및 구조물 시험 시스템
US7636649B2 (en) Automated process control of a fabrication tool using a dispersion function relating process parameter to dispersion
TWI686684B (zh) 量測系統及方法
US8832611B2 (en) Process aware metrology
US7467064B2 (en) Transforming metrology data from a semiconductor treatment system using multivariate analysis
US10732520B1 (en) Measurement library optimization in semiconductor metrology
KR20090023248A (ko) 광학 계측에서 근사 및 정밀 회절 모델을 이용하여 구조물의 프로파일 파라미터들을 결정하는 방법
US7742177B2 (en) Noise-reduction metrology models
TW202232092A (zh) 基於機器學習之量測配方最佳化之動態控制
US8069020B2 (en) Generating simulated diffraction signal using a dispersion function relating process parameter to dispersion
CN116018512B (zh) 用于确定半导体测量的质量的方法及系统
EP2567209B1 (en) Determination of material optical properties for optical metrology of structures
TW202244460A (zh) 基於經訓練之經參數調節之測量模型之高解析度輪廓測量
KR102721341B1 (ko) 반도체 측정의 품질을 결정하기 위한 방법 및 시스템
US20240353759A1 (en) Full Wafer Measurement Based On A Trained Full Wafer Measurement Model

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee