KR20160015299A - 광학적 계측을 위한 자동 파장 또는 각도 프루닝 - Google Patents
광학적 계측을 위한 자동 파장 또는 각도 프루닝 Download PDFInfo
- Publication number
- KR20160015299A KR20160015299A KR1020157036984A KR20157036984A KR20160015299A KR 20160015299 A KR20160015299 A KR 20160015299A KR 1020157036984 A KR1020157036984 A KR 1020157036984A KR 20157036984 A KR20157036984 A KR 20157036984A KR 20160015299 A KR20160015299 A KR 20160015299A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- data set
- angle
- optical metrology
- analysis
- Prior art date
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 79
- 238000013138 pruning Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 119
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000002547 anomalous effect Effects 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000001419 dependent effect Effects 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 13
- 239000002023 wood Substances 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000013450 outlier detection Methods 0.000 claims description 2
- 230000015654 memory Effects 0.000 abstract description 20
- 239000010408 film Substances 0.000 description 22
- 238000004519 manufacturing process Methods 0.000 description 16
- 238000001228 spectrum Methods 0.000 description 15
- 239000004065 semiconductor Substances 0.000 description 13
- 230000000737 periodic effect Effects 0.000 description 12
- 235000012431 wafers Nutrition 0.000 description 12
- 238000012549 training Methods 0.000 description 10
- 239000010410 layer Substances 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 230000010287 polarization Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000002310 reflectometry Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000000572 ellipsometry Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000002447 crystallographic data Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000000391 spectroscopic ellipsometry Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000635 electron micrograph Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
-
- 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
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/38—Masks having auxiliary features, e.g. special coatings or marks for alignment or testing; Preparation thereof
- G03F1/44—Testing or measuring features, e.g. grid patterns, focus monitors, sawtooth scales or notched scales
-
- 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
- G03F7/70058—Mask illumination systems
- G03F7/70191—Optical correction elements, filters or phase plates for controlling intensity, wavelength, polarisation, phase or the like
-
- 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
- G03F7/70216—Mask projection systems
- G03F7/70258—Projection system adjustments, e.g. adjustments during exposure or alignment during assembly of projection system
- G03F7/70266—Adaptive optics, e.g. deformable optical elements for wavefront control, e.g. for aberration adjustment or correction
-
- 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
- G03F7/70508—Data handling in all parts of the microlithographic apparatus, e.g. handling pattern data for addressable masks or data transfer to or from different components within the exposure apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
-
- 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
- G06F17/40—Data acquisition and logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Optics & Photonics (AREA)
Abstract
광학적 계측을 위한 자동 파장 또는 각도 프루닝이 설명된다. 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법의 일 실시예는, 복수의 파라미터들을 포함하는 구조체의 모델을 결정하는 단계; 모델에 대한 파장-의존 또는 각도-의존 데이터의 데이터세트를 설계하고 연산하는 단계; 데이터세트를 컴퓨터 메모리에 저장하는 단계; 데이터세트에 이상점 검출 기술을 적용하는 단계와, 각각의 데이터 이상점이 각도 또는 파장인 임의의 데이터 이상점들을 식별하는 단계를 포함하는, 모델에 대한 데이터세트의 분석을 프로세서를 이용하여 수행하는 단계; 및, 모델의 데이터세트의 분석에서 임의의 데이터 이상점들이 식별되는 경우, 수정된 데이터세트를 생성하기 위하여 데이터 이상점들에 대응하는 파장들 또는 각도들을 데이터세트로부터 제거하고 수정된 데이터세트를 컴퓨터 메모리에 저장하는 단계를 포함한다.
Description
관련 출원들에 대한 상호 참조
본 출원은 2013년 6월 3일자로 출원된 미국 가특허 출원 번호 61/830,543호에 대한 이익을 주장하며, 이로써 이러한 출원의 전체 내용들이 본원에 참조로써 포함된다.
기술분야
본원에서 설명되는 실시예들은 전반적으로 계측(metrology) 분야에 관한 것으로서, 더 구체적으로, 광학적 계측을 위한 자동 파장 또는 각도 프루닝(pruning)에 관한 것이다.
정확 결합 파장 분석(rigorous coupled wave analysis; RCWA) 및 유사한 알고리즘들은 회절 구조체들의 연구 및 설계를 위해 광범위하게 사용되어 왔다. RCWA 접근방식에 있어, 주기적인 구조체들의 프로파일들은 소정의 수의 충분히 얇은 평면 격자 판(grating slab)들에 의해 근사화된다. 특히, RCWA는 3개의 주요 연산들, 즉, 격자 내부의 필드의 푸리에 전개, 회절된 신호를 특징짓는 상수 계수 매트릭스의 고유값 및 고유벡터의 계산, 및 경계 매칭 조건들로부터 추론된 선형 시스템의 풀이를 수반한다. RCWA는 문제를 3개의 별개의 공간적 영역들: (1) 입사 평면 웨이브 필드(wave field) 및 반사되고 회절된 차수(order)들의 전체적인 합산을 지원하는 주변 영역, (2) 웨이브 필드가 각각의 회절된 차수와 연관된 모드들의 중첩으로서 취급되는 격자 구조체 및 기저(underlying) 비-패턴화 층들, 및 (3) 투과되는 웨이브 필드를 함유하는 기판(substrate)으로 분할한다.
RCWA 계산에 대한 입력은 주기적인 구조체의 프로파일 또는 모델이다. 일부 경우들에 있어 (예를 들어, 주사 전자 현미경 또는 투과 전자 현미경으로부터의) 단면 전자 마이크로그래프들이 이용가능하다. 이용가능할 때, 이러한 이미지들은 모델의 구성을 가이드하기 위해 사용될 수 있다. 그러나 웨이퍼는, 후속 프로세싱 동작들의 수에 따라 많은 날들 또는 주들을 소요하는 모든 희망되는 프로세싱 동작들이 완료될 때까지 절단될 수 없다. 심지어 모든 희망되는 프로세싱 동작들이 완료된 후에도, 단면 이미지들을 생성하기 위한 프로세서는 몇 시간 내지 수일을 소요할 수 있으며, 이는 샘플을 준비하고 이미징하기 위한 정확한 위치를 찾는데 수반되는 다수의 동작들 때문이다. 더욱이 단면 프로세스는 요구되는 시간, 숙련공, 및 복잡한 장비 때문에 값이 비싸며, 웨이퍼를 파괴한다.
다수의 파장들이 분광 엘립소미터(ellipsometer)들 또는 반사계들을 사용하는 광학적 계측으로 격자 구조체의 임계 치수(critical dimension; CD)들을 측정하는데 사용된다. (다른 파장들에 비하여 강도에 있어 상당한 변화를 생성하는 격자를 통과하는 전자기 방사의 파장을 지칭하는) 우드 앱노멀리(Wood Anomaly) 또는 다른 공진 현상들에서의 파장들 또는 이에 가까운 파장들은 공진 현상으로부터 더 멀리 떨어진 파장들보다 더 큰 자릿수의 파라미터 감도를 보일 수 있다. 실제로는, 제조시의 결함들 및 다른 인자들에 기인하여, 이러한 과도 민감성 파장들이 유용하지 않으며 큰 측정 오류들을 도입한다. 각도-분해(angle-resolved) 엘립소미터들 또는 반사계들을 사용하는 경우에 있어, 특정 각도들이 또한 우드 앱노멀리 또는 다른 공진 현상을 초래할 수 있다.
그러나, 광학적 계측 프로세서로부터의 배제를 위한 파장들 및 각도들의 결정은 엄청난 연산 비용들 및 그에 따른 광학적 계측의 복잡한 프로세스들을 요구할 수 있다.
실시예들은 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 포함한다.
제 1 실시예에 있어, 방법은, 복수의 파라미터들을 포함하는 구조체의 모델을 결정하는 단계; 모델에 대한 파장-의존 또는 각도-의존 데이터의 데이터세트를 설계하고 연산하는 단계; 데이터세트를 컴퓨터 메모리에 저장하는 단계; 데이터세트에 이상점(outlier) 검출 기술을 적용하는 단계, 및 각각의 데이터 이상점이 각도 또는 파장인 임의의 데이터 이상점들을 식별하는 단계를 포함하는, 모델에 대한 데이터세트의 분석을 프로세서를 이용하여 수행하는 단계; 및, 모델의 데이터세트의 분석에서 임의의 데이터 이상점들이 식별되는 경우, 수정된 데이터세트를 생성하기 위하여 데이터 이상점들에 대응하는 파장들 또는 각도들을 데이터세트로부터 제거하고 수정된 데이터세트를 컴퓨터 메모리에 저장하는 단계를 포함한다.
제 2 실시예에 있어, 기계-액세스가능 저장 매체는 데이터 프로세싱 시스템으로 하여금 광학적 계측을 위한 자동 파장 또는 각도 프루닝하는 방법을 수행하게끔 하는 저장된 명령어들을 가지며, 상기 방법은, 복수의 파라미터들을 포함하는 구조체의 모델을 결정하는 단계; 모델에 대한 파장-의존 또는 각도-의존 데이터의 데이터세트를 설계하고 연산하는 단계; 데이터세트를 컴퓨터 메모리에 저장하는 단계; 데이터세트에 이상점 검출 기술을 적용하는 단계, 및 각각의 데이터 이상점이 각도 또는 파장인 임의의 데이터 이상점들을 식별하는 단계를 포함하는, 모델에 대한 데이터세트의 분석을 프로세서를 이용하여 수행하는 단계; 및, 모델의 데이터세트의 분석에서 임의의 데이터 이상점들이 식별되는 경우, 수정된 데이터세트를 생성하기 위하여 데이터 이상점들에 대응하는 파장들 또는 각도들을 데이터세트로부터 제거하고 수정된 데이터세트를 컴퓨터 메모리에 저장하는 단계를 포함한다.
제 3 실시예에 있어, 시스템은 목표 구조체의 하나 이상의 프로세스 파라미터들을 결정하도록 구성된 광학적 계측 시스템을 포함하며, 광학적 계측 시스템은 구조체의 회절 신호를 측정하도록 구성된 빔 소스 및 검출기, 측정 데이터를 프로세싱하도록 구성된 프로세서, 및 데이터를 저장하기 위한 컴퓨터 메모리를 포함한다. 광학적 계측 시스템은, 복수의 파라미터들을 포함하는 구조체의 모델을 결정하는 것; 모델에 대한 파장-의존 또는 각도-의존 데이터의 데이터세트를 설계하고 연산하는 것; 데이터세트를 컴퓨터 메모리에 저장하는 것; 데이터세트에 이상점 검출 기술을 적용하는 것, 및 각각의 데이터 이상점이 각도 또는 파장인 임의의 데이터 이상점들을 식별하는 것을 포함하는, 모델에 대한 데이터세트의 분석을 프로세서를 이용하여 수행하는 것; 및, 모델의 데이터세트의 분석에서 임의의 데이터 이상점들이 식별되는 경우, 수정된 데이터세트를 생성하기 위하여 데이터 이상점들에 대응하는 파장들 또는 각도들을 데이터세트로부터 제거하고 수정된 데이터세트를 컴퓨터 메모리에 저장하는 것을 포함하는, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 제공하도록 구성된다.
실시예들이 첨부된 도면들에서 예시적이고 비제한적으로 예시되며, 도면들 내에서 유사한 참조 번호들은 유사한 엘러먼트들을 지칭한다.
도 1은 광학적 계측을 위한 파장 또는 각도 이상점들의 제거를 위한 프로세스의 일 실시예의 예시이다.
도 2는 일 실시예에 따른 프로세스 내의 모델의 예시이다.
도 3은 일 실시예에 따른 광학적 계측을 위하여 자동 파장 또는 각도 프루닝을 위한 분석을 겪는 모델의 예시이다.
도 4는 일 실시예에 따라 자동으로 프루닝될 파장 또는 각도에 대한 스펙트럼 값들의 일 예를 예시한다.
도 5는 일 실시예에 따라 자동화된 프로세스 및 장비에 대하여 구조적 파라미터들을 결정하고 사용하기 위한 예시적인 일련의 동작들을 나타내는 순서도를 도시한다.
도 6은 일 실시예에 따라 자동화된 프로세스 및 장비에 대하여 구조적 파라미터들을 결정하고 사용하기 위한 시스템의 예시적인 블록도이다.
도 7a는 일 실시예에 따른 모델링을 위한 x-y 평면에서 변화하는 프로파일을 갖는 주기적인 격자를 도시한다.
도 7b는 일 실시예에 따른 모델링을 위한 x-방향에서는 변화하지만 y-방향에서는 변화하지 않는 프로파일을 갖는 주기적인 격자를 도시한다.
도 8은 일 실시예에 따른 모델링을 위한 2-차원 컴포넌트 및 3-차원 컴포넌트 둘 모두를 갖는 구조체의 단면도를 나타낸다.
도 9는 일 실시예에 따른 반도체 웨이퍼 상의 구조체들의 파라미터들을 결정하기 위한 광학적 계측의 사용을 예시하는 아키텍처 도면이다.
도 10은 일 실시예에 따른 반도체 웨이퍼 상의 구조체들의 파라미터들을 결정하기 위한 각도-분해 또는 스펙트럼-분해 빔-프로파일 반사측정법(reflectometry), 빔-프로파일 타원편광 반사법(ellipsometry)의 사용을 예시하는 아키텍처 도면이다.
도 11은 일 실시예에 따른 예시적인 컴퓨터 시스템 형태의 기계의 블록도를 예시한다.
도 12는 일 실시예에 따른 샘플 스펙트럼으로 시작하는 스펙트럼 라이브러리 및 파라미터화된 모델을 구축하기 위한 방법의 동작들을 나타내는 순서도이다.
도 1은 광학적 계측을 위한 파장 또는 각도 이상점들의 제거를 위한 프로세스의 일 실시예의 예시이다.
도 2는 일 실시예에 따른 프로세스 내의 모델의 예시이다.
도 3은 일 실시예에 따른 광학적 계측을 위하여 자동 파장 또는 각도 프루닝을 위한 분석을 겪는 모델의 예시이다.
도 4는 일 실시예에 따라 자동으로 프루닝될 파장 또는 각도에 대한 스펙트럼 값들의 일 예를 예시한다.
도 5는 일 실시예에 따라 자동화된 프로세스 및 장비에 대하여 구조적 파라미터들을 결정하고 사용하기 위한 예시적인 일련의 동작들을 나타내는 순서도를 도시한다.
도 6은 일 실시예에 따라 자동화된 프로세스 및 장비에 대하여 구조적 파라미터들을 결정하고 사용하기 위한 시스템의 예시적인 블록도이다.
도 7a는 일 실시예에 따른 모델링을 위한 x-y 평면에서 변화하는 프로파일을 갖는 주기적인 격자를 도시한다.
도 7b는 일 실시예에 따른 모델링을 위한 x-방향에서는 변화하지만 y-방향에서는 변화하지 않는 프로파일을 갖는 주기적인 격자를 도시한다.
도 8은 일 실시예에 따른 모델링을 위한 2-차원 컴포넌트 및 3-차원 컴포넌트 둘 모두를 갖는 구조체의 단면도를 나타낸다.
도 9는 일 실시예에 따른 반도체 웨이퍼 상의 구조체들의 파라미터들을 결정하기 위한 광학적 계측의 사용을 예시하는 아키텍처 도면이다.
도 10은 일 실시예에 따른 반도체 웨이퍼 상의 구조체들의 파라미터들을 결정하기 위한 각도-분해 또는 스펙트럼-분해 빔-프로파일 반사측정법(reflectometry), 빔-프로파일 타원편광 반사법(ellipsometry)의 사용을 예시하는 아키텍처 도면이다.
도 11은 일 실시예에 따른 예시적인 컴퓨터 시스템 형태의 기계의 블록도를 예시한다.
도 12는 일 실시예에 따른 샘플 스펙트럼으로 시작하는 스펙트럼 라이브러리 및 파라미터화된 모델을 구축하기 위한 방법의 동작들을 나타내는 순서도이다.
본원에서 설명되는 실시예들은 전반적으로 광학적 계측을 위한 자동 파장 또는 각도 프루닝에 관한 것이다.
다음의 설명에 있어, 본 발명의 실시예들의 완전한 이해를 제공하기 위하여 파라미터들의 상관관계의 동적 제거에 대한 특정 접근방식과 같은 다수의 특정 세부사항들이 기술된다. 특정 실시예들이 이러한 특정 세부사항들 없이 실시될 수 있다는 것이 당업자에게 자명할 것이다. 다른 경우들에 있어서, 패턴화된 재료 층들의 적층들을 제조하는 것과 같은 주지의 프로세싱 동작들은 본 발명의 실시예들을 불필요하게 모호하게 하지 않기 위하여 상세하게 설명되지 않는다. 더욱이, 도면들에 도시된 다양한 실시예들은 예시적인 표현들이며 축적이 맞추어질 필요가 없다는 것이 이해되어야 한다.
다수의 파장들이 분광 엘립소미터들 또는 반사계들을 사용하는 광학적 계측으로 격자 구조체의 임계 치수(critical dimension; CD)들을 측정하는데 사용된다. (다른 파장들에 비하여 강도에 있어 상당한 변화를 생성하는 격자를 통과하는 전자기 방사의 파장을 지칭하는) 우드 앱노멀리 또는 다른 공진 현상들에서의 파장들 또는 이에 가까운 파장들은 공진 현상으로부터 더 멀리 떨어진 파장들보다 더 큰 자릿수일 수 있는 파라미터 감도를 보일 수 있다. 실제로는, 결함들 및 다른 인자들에 기인하여, 이들의 과도 민감성 파장들이 유용하지 않으며 큰 측정 오류들을 도입한다. 따라서, 이러한 파장들은 일반적으로 CD 측정의 프로세서로부터 배제되어야만 한다.
각도-분해 엘립소미터들 또는 반사계들을 사용하는 경우에 있어, 특정 각도들이 또한 우드 앱노멀리 또는 다른 공진 현상을 초래할 수 있다. 분광 엘립소미터들 또는 반사계들에서의 과도 민감성 파장들과 유사하게, 이러한 각도들이 또한 일반적으로 CD 측정의 프로세서로부터 배제되어야만 한다.
본원에서 설명되는 하나 이상의 실시예들은 측정을 위한 자동 파장 또는 각도 프루닝에 관한 것이다. 이러한 방법들에 대한 사용들은, 예를 들어, 광학적 계측과 같은 계측 구현예들에 대한 애플리케이션들을 포함할 수 있다.
공진 문제들을 다루기 위한 종래의 방법들은 문제가 되는 파장들을 식별하기 위하여 우드 앱노멀리들의 (전자기 해법기(solver)의 적용을 포함하는) 전자기 계산을 사용할 수 있다. 이론적으로는 공진들을 식별하기 위하여 상이한 파라미터들 및 상이한 파장들 또는 각도들을 갖는 일련의 구조체의 전자기파 솔루션들의 값을 구하는 것이 가능하다. 실제로는, 이러한 프로세스는 엄청나게 높은 연산 비용들을 요구하며, 따라서 일반적으로 비실용적이다.
격자 구조체들이 더 복잡해짐에 따라 우드 앱노멀리 지점들의 파장을 결정하는 종래의 방법들이 제한된다. 추가적으로, 방법들이 상이한 파장들, 상이한 각도들, 또는 이들 둘 모두를 갖는 파라미터의 구조체에 대한 전자기파 솔루션들의 완전한 스캐닝 및 완전한 값을 구하는 것을 수행하기 위하여 엄청나게 높은 연산 비용을 요구할 것이기 때문에, 공진의 값을 구하기 위한 실질적인 방법이 존재하지 않는다.
방법, 장치, 또는 시스템의 실시예들은 데이터 마이닝에 있어 진보된 기술을 적용하며, 이러한 기술은 다변량(multivariate) 이상점 검출이다. 다변량 이상점 검출은, 정상 데이터는 동일한 일반적인 패턴을 따르지만, 반면 비정상 데이터(이상점들)은 이로부터 벗어나며 상이한 패턴들을 보인다는 아이디어에 기초한다.
일 실시예에 따르면, 장치, 시스템, 또는 방법은 다음을 가능하게 한다:
(1) 소정의 파라미터의 기하학적 모델을 가지고 파장-의존 또는 각도-의존 데이터의 세트를 설계 및 연산하는 것.
(2) 데이터세트를 분석하기 위해 이상점 검출 기술을 적용하는 것, 및 파장마다 또는 각도마다 데이터 이상점들을 식별하는 것.
(3) 데이터 이상점들에 대응하는 파장들 또는 각도들을 제거하는 것. 데이터베이스 내의 모든 또는 거의 모든 이상점들을 식별하기 위하여 필요한 경우 프로세스 (2)를 반복하는 것.
일 예에 있어서, 이상에서 설명된 프로세스 (1)에서, 더 높은 치수의 공간 내의 균등하게 이격된 위치들에서 기하학적 파라미터들에 대하여 스펙트럼들의 파생물(derivative)들(또는 그들의 근사화된 파생물들)을 연산하는 것이 가능하다.
일부 실시예들에 있어, 데이터세트의 데이터포인트(datapoint)가 설계되고 연산되면, 다변량 이상점 검출 기술들이 데이터세트에 적용된다. 예를 들어, 거리-기반 알고리즘들(예를 들어, 마할라노비스(Mahalanobis) 거리 및 그 변형들), 깊이-기반 알고리즘들, 편차(deviation)-기반 알고리즘들, 및 패턴-기반 알고리즘들이 일 실시예에서 적용될 수 있다.
일부 실시예들에 있어, 문턱값은 어떠한 데이터포인트들이 이상점들로 결정될지를 결정하기 위하여 장치, 시스템, 또는 방법에서 사용된다. 일부 실시예들에 있어, 휴리스틱(heuristics)이 문턱값에 대한 적절한 값을 결정하기 위해 사용될 수 있다. 일부 실시예들에 있어, 데이터포인트가 문턱값을 넘을 때, 데이터포인트가 이상점으로서 식별된다. 다변량 이상점 검출 알고리즘은 이상점들이 다른 이상점들에 의해 숨겨질 수 있기 때문에 복수회 실행될 수 있다. 일부 실시예들에 있어, 모든(또는 거의 모든) 이상점들이 발견되면, 대응하는 파장들 또는 각도들이 제거된다.
일부 실시예들에 있어, 장치, 시스템, 또는 프로세스는 이상(outlying) 파장들, 각도들, 또는 이들 둘 모두의 자동 프루닝에 있어 설계된 데이터 패턴들의 분석을 사용하며, 우드 앱노멀들 또는 구조체 공진들의 물리적 모델링을 필요로 하지 않는다. 구조체의 물리적 모델링은 일반적으로 실제의 복잡한 파라미터의 구조체들의 공진들을 식별하기 위하여 엄청나게 높은 연산 비용을 요구할 것이다. 그에 반해서, 장치, 시스템, 또는 프로세스의 일 실시예는 상대적으로 적은 연산 자원들을 요구하며, 데이터세트 내의 모든 또는 거의 모든 비정상 파장들 또는 각도들의 탐색 및 프루닝이 가능하다.
일 실시예에 따르면, 동작시, 모든 또는 실질적으로 모든 비정상 파장들 및 각도들이 제거되기 때문에, 회귀 결과들은 이러한 과도 민감성 (거짓) 파장 이상점들을 향해 편향되지 않을 것이다. 라이브러리들(즉 기하학적 파라미터들에 관한 스펙트럼들에 대한 근사화 함수들)은 데이터 피팅(data fitting)을 통해 획득하기가 더 용이하다. 이러한 파장들이 배제되는 측정이 더 정확하고 안정적일 것이다.
일부 실시예들에 있어, 장치, 시스템, 또는 방법은 우드 앱노멀리를 갖는 파장들, 우드 앱노멀리를 갖는 각도들, 또는 이들 둘 모두의 프루닝을 가능하게 한다.
일부 실시예들에 있어, 장치, 시스템, 또는 방법은 구조체 공진들에서의 또는 그 근처의 파장들의 프루닝, 구조체 공진들에서의 또는 그 근처의 각도들의 프루닝, 또는 이들 둘 모두를 가능하게 한다.
일부 실시예들에 있어, 장치, 시스템, 또는 방법은 비정상 스펙트럼 데이터 및 그들의 파생물들을 초래하는 파장들, 각도들, 또는 이들 둘 모두의 프루닝을 가능하게 한다.
일부 실시예들에 있어, 장치, 시스템, 또는 방법은 전자기 해법기의 적용없이 파장들, 각도들, 또는 이들 둘 모두의 프루닝을 가능하게 한다.
일부 실시예들에 있어, 장치, 시스템, 또는 방법은, 분광 엘립소미터들, 각도-분해 엘립소미터들, 분광 반사계들, 및 각도-분해 반사계들에 대한 파장들, 각도들, 또는 이들 둘 모두의 프루닝을 가능하게 한다.
도 1은 광학적 계측을 위한 파장 이상점들, 각도 이상점들, 또는 이들 둘 모두의 제거를 위한 프로세스의 일 실시예의 예시이다. 일부 실시예들에 있어, 마이크로전자 구조체의 모델과 같은 특정 파라미터의 기하학적 모델에 대한 파장 또는 각도-의존 데이터의 세트가 생성되며(단계 102), 데이터세트가 컴퓨터 메모리에 저장된다(단계 104). 원본 데이터세트를 생성하기 위한 계산 방법들은 정확 결합 파장 분석(rigorous coupled wave analysis; RCWA), 유한-요소 분석, 또는 다른 변형들과 같은 임의의 전자기 해법기들일 수 있다. 일부 실시예들에 있어, 생성된 데이터세트는, 예를 들어, 2개의 플로팅(floating) 파라미터들을 갖는 2-차원 그리드(grid)일 수 있다.
일부 실시예들에 있어서, 데이터세트는 이상점 검출 기술을 사용하여 분석된다(단계 106). 일부 실시예들에 있어, 데이터세트는 컴퓨터 프로세서를 사용하여 분석되며, 컴퓨터 프로세서는 범용 프로세서, 전용 프로세서, 또는 다른 프로세싱 유닛이다. 이러한 기술에 적용되는 이상점 검출 알고리즘들은, 예를 들어, 거리-기반, 밀도-기반, 깊이-기반, 편차-기반, 또는 패턴-기반 알고리즘들일 수 있다.
일부 실시예들에 있어, 파장마다 또는 각도마다 임의의 데이터 이상점들이 이상점 검출 기술을 사용하여 식별된다(단계 108). 현재의 분석 및 식별 반복(iteration)에서 이상점들이 발견되지 않는 경우(단계 110), 프로세스는 저장된 데이터세트를 사용하여 광학적 계측 동작을 진행한다(단계 118). 현재의 분석 및 식별 반복에서 임의의 이상점들이 발견된 경우(단계 110), 식별된 데이터 이상점들에 대응하는 파장들 또는 각도들이 데이터세트로부터 제거되며(단계 112), 수정된 데이터세트가 컴퓨터 메모리에 저장된다(단계 114). 다른 실시예에 있어, 파장들 또는 각도들은 모든 이상점들이 검출 완료되었을 때 제거될 수 있다.
일부 실시예들에 있어, 프로세스가 이상점들을 추가적으로 탐색하기 위한 반복 프로세스에 대한 옵션을 포함하는 경우(단계 116), 프로세스는 이상점 검출 기술을 사용하는 데이터세트의 분석의 추가적인 반복으로 복귀한다(단계106). 일부 실시예들에 있어, 특정 데이터 이상점들이 다른 이상점들에 의해 숨겨질 수 있기 때문에, 프로세스의 반복들은 추가적인 이상점들이 식별되지 않을 때까지 계속될 수 있다. 프로세스가 이상점들에 대한 추가적인 탐색을 위한 반복 프로세스에 대한 옵션을 포함하지 않은 경우, 프로세스는 저장된 데이터세트를 사용하는 광학적 계측 동작을 진행한다(단계 118).
도 2는 일 실시예에 따른 프로세스의 모델의 예시이다. 일부 실시예들에 있어, 테스트 프로젝트는 도 2에 도시된 모델을 갖는다. 이러한 특정 예에 있어, 초기에 240nm로부터 900nm까지의 범위를 갖는 200개의 파장들이 이러한 프로젝트에서 사용된다. 이러한 예를 위하여, 50k개의 트레이닝 데이터세트가 근사 함수들을 생성하지만, 회귀를 사용하는 결과적인 검증 오류들이 매우 크다. 대부분의 경우들에 있어, 오류들의 3배 표준 편차(3 times standard deviation)는 파라미터 정밀도의 100배보다 더 크다.
일부 실시예들에 있어, 데이터세트는 다음과 같이 설계된다:
1) 각각의 플로팅 파라미터, L2_HT (HT = 높이), L3_HT, G1_HT, 및 G1 TCD (top critical dimension; 상단 임계 치수)에 대하여, 하나의 파라미터를 선택하고, 예를 들어, 다른 파라미터들을 그들의 공칭(nominal) 값들에 고정한 상태에서 값들을 최소 값으로부터 최대 값까지 규칙적인 간격을 두고 샘플링한다.
2) 선택된 플로팅 파라미터에 대하여 각각의 파장에 대해 뮐러 매트릭스(Mueller matrix) 요소 m00의 파생물들을 연산하며, 여기에서 컴퓨터는 임의의 적용가능한 해법기를 사용한다. (뮐러 미적분은 광의 편광을 나타내는 스토크스 벡터(Stokes vector)들을 조작하기 위한 매트릭스 방법이다. 뮐러 매트릭스는 광의 편광을 기술하는 스토크스 대수의 전달 매트릭스이다.) 파생물들은 D(λj,ρi)로 표시되며, 여기에서 λj 및 ρi는 각기 파장 및 파라미터를 나타낸다.
(λj로 표시된) 소정의 파장 및 (ρi로 표시된) 각각의 플로팅 파라미터에 대하여, 균등하게 이격된 위치들에서의 파생물 데이터의 세트가 존재할 수 있다. 일부 실시예들에 있어, 패턴-기반 이상점 검출 알고리즘은 데이터세트 D(λj,ρi)가 이상점인지 여부를 결정하기 위해 사용된다. 데이터세트가 이상점인 경우, λj는 프루닝을 위해 마킹된다.
도 2에 제공된 예에 대하여 6개의 파장들이 식별된다. 6개의 검출된 파장들이 컴퓨터 메모리의 데이터세트로부터 제거된 후, 스펙트럼들에 대한 근사화가 개선된 정확성을 가지고 획득될 수 있다. 이러한 예에 있어, 동일한 50k개의 트레이닝 데이터세트가 근사 함수들을 생성하기 위하여 사용되며, 오류들의 3배 표준 편차가 파라미터 정밀도보다 더 작다. 이러한 예에서 결과적인 데이터세트에 대하여, 근사 정확성의 향상은 50배 내지 100배이다.
도 3은 일 실시예에 따른 광학적 계측을 위하여 자동 파장 또는 각도 프루닝을 위한 분석을 겪는 목표 모델의 예시이다. 예시된 바와 같이, 구조체(300)는 제 1 층 L1(310), 제 2 층 L2(320), 및 측벽(330) 및 채널(335)을 갖는 구조체 G4를 포함한다. 일부 실시예들에 있어, 모델은 제 1 층 높이 파라미터(L1_HT), 제 2 층 높이 파라미터(L2_HT), 및 G4에 대한 파라미터들을 포함하며, G4에 대한 파라미터들은 중간 임계 치수 파라미터(G4_MCD), 측벽 각도 파라미터(G4_SWA), 및 높이 파라미터(G4_HT)이다.
도 4는 일 실시예에 따라 자동으로 프루닝될 파장 또는 각도에 대한 스펙트럼 값들의 일 예를 예시한다. 이러한 예에 있어, 자동 파장 또는 각도 프루닝이 도 3에 예시된 구조체(300)에 적용될 수 있다. 이러한 예시에 있어, 제 1 뮐러 요소는 711.765nm 근처의 파장을 갖는 파라미터 L2_HT의 범위 위에 예시된다. 도 4에서, 마크들을 갖는 라인은 실제 스펙트럼 값들을 나타내며, 반면 마크들이 없는 라인은 피팅된(fitted) 스펙트럼 값들을 나타낸다. 뾰족한 패턴은 이러한 파장이 정상적인 부드러운 응답으로부터 벗어나며 이것이 이상점이라는 것을 입증한다. 일부 실시예들에 있어, 장치, 시스템, 또는 방법은 자동으로 이러한 파장을 식별하고 이러한 파장을 측정 프로세스로부터 배제하도록 동작한다.
일부 실시예들에 있어, 자동 파장 또는 각도 프루닝을 가능하게 하는 장치, 시스템, 또는 방법은, 그렇지 않았다면 거짓 감도 정보를 제공하는 공진들에서의 또는 그 근처의 파장들의 사용에 기인하는 광학적 임계 치수(optical critical dimension; OCD) 산란측정(scatterometry) 결과들 대 투과 마이크론 현미경(transmission micron microscopy; TEM) 결과들의 미스매칭의 불가사의한 문제들과 씨름하고 있을 애플리케이션들을 보조할 수 있다.
이러한 애플리케이션은 모든 목적들을 위해 "Rational approximation and continued-fraction approximation approaches for computation efficiency of diffraction signals"이라는 명칭으로 2008년 12월 09일자로 출원된 미국 특허 출원번호 12/331,192호 그 전체를 참조로써 포함한다.
일반적으로, 회절 신호의 차수들은 주기적인 구조체로부터 추론되는 것으로서 시뮬레이션될 수 있다. 0번째 차수는, 주기적인 구조체의 법선(normal) N에 대하여, 가상 입사 빔의 입사 각도와 동일한 각도로 회절된 신호를 나타낸다. 더 높은 회절 차수들은 +1, +2, +3, -1, -2, -3, 등으로 지정된다. 무한소 차수(evanescent order)들로서 알려진 다른 차수들이 또한 고려될 수 있다. 일 실시예에 따르면, 시뮬레이션된 회절 신호가 광학적 계측에서의 사용을 위해 생성된다. 예를 들어, 구조적 형상 및 필름 두께들과 같은 프로파일 파라미터들이 광학적 계측에서의 사용을 위해 모델링될 수 있다. 구조체들의 굴절률 및 흡광계수, (n & k)와 같은 재료들의 광학적 속성들이 또한 광학적 계측에서의 사용을 위해 모델링될 수 있다.
시뮬레이션된 회절 차수들에 기반하는 계산들은 필름들의 적층에 기초하는 구조체 또는 패턴화된 반도체 필름과 같은 패턴화된 필름에 대한 프로파일 파라미터들을 나타낼 수 있으며, 자동화된 프로세스들 또는 장비 제어를 교정하기 위해 사용될 수 있다. 도 5는 일 실시예에 따라 자동화된 프로세스 및 장비에 대하여 구조적 파라미터들을 결정하고 사용하기 위한 예시적인 일련의 동작들을 나타내는 순서도(500)를 도시한다.
순서도(500)의 동작(502)을 참조하면, 라이브러리 또는 트레이닝된 기계 학습 시스템(machine learning systems; MLS)들은 측정된 회절 신호들의 세트로부터 파라미터들을 추출하도록 개발된다. 동작(504)에서, 구조체의 적어도 하나의 파라미터는 라이브러리 또는 트레이닝된 MLS을 사용하여 결정된다. 동작(506)에서, 적어도 하나의 파라미터는 프로세싱 동작을 수행하도록 구성된 제조 클러스터로 송신되며, 여기에서 프로세싱 동작은 반도체 제조 프로세스 흐름에서 측정 동작(504)이 이루어지기 전에 또는 그 후에 실행될 수 있다. 동작(508)에서, 송신된 적어도 하나의 파라미터는 제조 클러스터에 의해 수행되는 프로세싱 동작에 대한 프로세스 변수 또는 장비 설정을 수정하기 위해 사용된다.
기계 학습 시스템들 및 알고리즘들의 더 상세한 설명에 대해서는, OPTICAL METROLOGY OF STRUCTURES FORMED ON SEMICONDUCTOR WAFERS USING MACHINE LEARNING SYSTEMS라는 명칭으로 2003년 06월 27일자로 출원된 미국 특허번호 7,831,528호를 살펴볼 것이며, 이는 그 전체가 참조로써 본원에 포함된다. 2-차원 반복 구조체들에 대한 회절 차수 최적화의 설명에 대해서는, OPTIMIZATION OF DIFFRACTION ORDER SELECTION FOR TWO-DIMENSIONAL STRUCTURES라는 명칭으로 2006년 03월 24일자로 출원된 미국 특허번호 7,428,060호를 살펴볼 것이며, 이는 그 전체가 참조로써 본원에 포함된다.
도 6은 일 실시예에 따라 자동화된 프로세스 및 장비에 대하여 프로파일 또는 필름 두께 파라미터들과 같은 구조적 파라미터들을 결정하고 사용하기 위한 시스템(600)의 예시적인 블록도이다. 시스템(600)은 제 1 제조 클러스터(602) 및 광학적 계측 시스템(604)을 포함한다. 시스템(600)은 또한 제 2 제조 클러스터(606)를 포함한다. 제 2 제조 클러스터(606)가 도 6에서 제 1 제조 클러스터(602)에 후속하는 것으로서 도시되지만, 제 2 제조 클러스터(606)가 시스템(600) 내에서(및, 예를 들어, 제조 프로세스 흐름 내에서) 제 1 제조 클러스터(602) 이전에 위치될 수 있다는 것이 인식되어야 한다.
예시적인 일 실시예에 있어, 광학적 계측 시스템(604)은 광학적 계측 툴(608) 및 프로세서(610)를 포함한다. 광학적 계측 툴(608)은 구조체로부터 획득되는 회절 신호를 측정하도록 구성된다. 측정된 회절 신호와 시뮬레이션된 회절 신호가 매칭되는 경우, 프로파일 또는 필름 두께 파라미터들의 하나 이상의 값들은 시뮬레이션된 회절 신호와 연관된 프로파일 또는 필름 두께 파라미터들의 하나 이상의 값들인 것으로 결정된다.
예시적인 일 실시예에 있어, 광학적 계측 시스템(604)은 또한, 예를 들어, 복수의 시뮬레이션된 회절 신호들과 연관된 하나 이상의 프로파일 또는 필름 두께 파라미터들의 복수의 값들 및 복수의 시뮬레이션된 신호들을 갖는 라이브러리(612)를 포함할 수 있다. 이상에서 설명된 바와 같이, 라이브러리는 미리 생성될 수 있다. 프로세서(610)는 구조체로부터 획득된 측정된 회절 신호와 라이브러리 내의 복수의 시뮬레이션된 회절 신호들을 비교하기 위해 사용될 수 있다. 매칭되는 시뮬레이션된 회절 신호가 발견될 때, 라이브러리 내의 매칭되는 시뮬레이션 회절 신호와 연관된 프로파일 또는 필름 두께 파라미터들의 하나 이상의 값들은 구조체를 제조하기 위해 웨이퍼 애플리케이션에서 사용되는 프로파일 또는 필름 두께 파라미터들의 하나 이상의 값들인 것으로 추정된다. 일부 실시예들에 있어, 프로세서(610)는 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 프로세싱의 일부 또는 전부를 제공한다.
시스템(600)은 또한 계측 프로세서(616)를 포함한다. 예시적인 일 실시예에 있어, 프로세서(610)는, 예를 들어, 하나 이상의 프로파일 또는 필름 두께 파라미터들의 하나 이상의 값들을 계측 프로세서(616)로 송신할 수 있다. 그 뒤 계측 프로세서(616)는 광학적 계측 시스템(604)을 사용하여 결정된 하나 이상의 프로파일 또는 필름 두께 파라미터들의 하나 이상의 값들에 기초하여 제 1 제조 클러스터(602)의 하나 이상의 프로세스 파라미터들 또는 장비 설정들을 조정할 수 있다. 계측 프로세서(616)는 또한 광학적 계측 시스템(604)을 사용하여 결정된 하나 이상의 프로파일 또는 필름 두께 파라미터들의 하나 이상의 값들에 기초하여 제 2 제조 클러스터(606)의 하나 이상의 프로세스 파라미터들 또는 장비 설정들을 조정할 수 있다. 이상에서 언급된 바와 같이, 제조 클러스터(606)는 제조 클러스터(602) 이전에 또는 그 이후에 웨이퍼를 프로세싱할 수 있다. 예시적인 다른 실시예에 있어, 프로세서(610)는 기계 학습 시스템(614)에 대한 입력들로서 측정된 회절 신호들의 세트를 사용하고 기계 학습 시스템(614)의 예상되는 출력들로서 프로파일 또는 필름 두께 파라미터들을 사용하여 기계-학습 시스템(614)을 트레이닝하도록 구성된다.
일 실시예에 있어, 구조체의 모델을 최적화하는 것은 3-차원 격자 구조체를 사용하는 것을 포함한다. 용어 "3-차원 격자 구조체"는 2개의 수평 치수들에 더하여 z-방향의 깊이에서 변화하는 x-y 프로파일을 갖는 구조체를 지칭하기 위해 본원에서 사용된다. 예를 들어, 도 7a는 일 실시예에 따른 모델링을 위한 x-y 평면에서 변화하는 프로파일을 갖는 주기적인 격자(700)를 도시한다. 주기적인 격자의 프로파일은 x-y 프로파일의 함수로서 z-방향에서 변화한다.
일 실시예에 있어, 구조체의 모델을 최적화하는 것은 2-차원 격자 구조체를 사용하는 것을 포함한다. 용어 "2-차원 격자 구조체"는 단지 1개의 수평 치수에 더하여 z-방향의 깊이에서 변화하는 x-y 프로파일을 갖는 구조체를 지칭하기 위해 본원에서 사용된다. 예를 들어, 도 7b는 일 실시예에 따른 모델링을 위한 x-방향에서는 변화하지만 y-방향에서는 변화하지 않는 프로파일을 갖는 주기적인 격자(702)를 도시한다. 주기적인 격자의 프로파일은 x 프로파일의 함수로서 z-방향에서 변화한다. 2-차원 구조체에 대한 y-방향에서의 변화의 결여가 무한해야 할 필요가 없지만, 패턴 내의 임의의 브레이크(break)들은 긴 범위인 것으로 간주되며, 예를 들어, y-방향의 패턴 내의 임의의 브레이크들은 실질적으로 x-방향의 패턴 내의 브레이크들보다 더 멀리 떨어져 이격된다는 것이 이해될 것이다.
실시예들은 다양한 필름 적층체들에 대해 적절할 수 있다. 예를 들어, 일 실시예에 있어, 임계 치수(critical dimension; CD) 프로파일 또는 구조체의 파라미터를 최적화하기 위한 방법은, 기판 상에 형성된 절연 필름, 반도체 필름 및 금속 필름을 포함하는 필름 적층체에 대해 수행된다. 일 실시예에 있어, 필름 적층체는 단일 층 또는 복수의 층들을 포함한다. 또한, 일 실시예에 있어, 분석되거나 또는 측정되는 격자 구조체는 3-차원 컴포넌트 및 2-차원 컴포넌트 둘 모두를 포함한다. 예를 들어, 시뮬레이션된 회절 데이터에 기초하는 연산의 효율성은 2-차원 컴포넌트에 의한 전체 구조체 및 그 회절 데이터에 대한 더 간단한 기여를 이용함으로써 최적화될 수 있다.
도 8은 일 실시예에 따른 모델링을 위한 2-차원 컴포넌트 및 3-차원 컴포넌트 둘 모두를 갖는 구조체의 단면도를 나타낸다. 도 8을 참조하면, 구조체(800)는 기판(806) 위의 2-차원 컴포넌트(802) 및 3-차원 컴포넌트(804)를 갖는다. 2-차원 컴포넌트의 격자는 방향(2)를 따라 이어지고, 반면 3-차원 컴포넌트의 격자는 방향들(1 및 2) 둘 모두를 따라 이어진다. 일 실시예에 있어, 방향(1)은 도 8에 도시된 바와 같이 방향(2)과 직교한다. 다른 실시예에 있어, 방향(1)은 방향(2)과 직교하지 않는다.
일부 실시예들에 있어, 장치, 시스템, 또는 방법은 광학적 계측 측정을 위한 자동 파장 또는 각도 프루닝을 제공한다. 일부 실시예들에 있어, 측정은 이하에서 각기 도 9 및 도 10과 연관되어 설명되는 광학적 계측 시스템들(900 또는 1050)과 같은 타원편광 반사식 광학적 계측 시스템에 의해 생성되는 2-차원 또는 3-차원 격자 구조체로부터의 회절 신호들을 포함할 수 있다. 그러나, 동일한 개념들 및 원리들이 반사측정식 시스템들과 같은 다른 광학적 계측 시스템들에 동등하게 적용된다는 것이 이해될 것이다. 표현되는 회절 신호들은, 비제한적으로 프로파일, 치수, 재료 조성, 또는 필름 두께와 같은 2-차원 및 3-차원 격자 구조체의 특징들을 설명할 수 있다.
도 9는 일 실시예에 따른 반도체 웨이퍼 상의 구조체들의 파라미터들을 결정하기 위한 광학적 계측의 사용을 예시하는 아키텍처 도면이다. 광학적 계측 시스템(900)은 웨이퍼(908)의 목표 구조체(906)에 입사 계측 빔(904)을 투사하는 계측 빔 소스(902)를 포함한다. 입사 계측 빔(904)은 목표 구조체(906)를 향해 θ의 입사 각도로 투사된다(θ는 입사 계측 빔(904)과 목표 구조체(906)에 대한 법선 사이의 각도이다). 일 실시예에 있어, 엘립소미터는 대략 60° 내지 70°의 입사각을 사용할 수 있거나, 또는 더 낮은 각도(아마도 0°에 가깝거나 또는 근사-법선 입사) 또는 70°보다 더 큰 각도(그레이징 입사(grazing incidence))를 사용할 수 있다. 회절 빔(910)은 계측 빔 수신기(912)에 의해 측정된다. 회절 빔 데이터(914)는 프로파일 애플리케이션 서버(916)로 송신된다. 프로파일 애플리케이션 서버(916)는 분해능(resolution) 및 목표 구조체의 임계 치수들의 가변 조합들을 나타내는 시뮬레이션된 회절 빔 데이터의 라이브러리(918)와 측정된 회절 빔 데이터(914)를 비교할 수 있다.
예시적인 일 실시예에 있어, 측정된 회절 빔 데이터(914)와 가장 잘 매칭되는 라이브러리(918) 인스턴스(instance)가 선택된다. 회절 스펙트럼들 또는 신호들의 라이브러리 및 연관된 가상 프로파일들 또는 다른 파라미터들이 개념들 및 원리들을 예시하기 위하여 빈번하게 사용되었지만, 실시예들은, 회귀, 신경 네트워크, 및 프로파일 추출을 위해 사용되는 유사한 방법들에서와 같이, 시뮬레이션된 회절 신호들 및 연관된 프로파일 파라미터들의 세트들을 포함하는 데이터 스페이스에 동등하게 적용될 수 있다는 것이 이해될 것이다. 선택된 라이브러리(918) 인스턴스의 가상 프로파일 및 연관된 임계 치수들은 목표 구조체(906)의 특징부들의 실제 단면 프로파일 및 임계 치수들에 대응하는 것으로 추정된다. 광학적 계측 시스템(900)은 반사계, 엘립소미터, 또는 회절 빔 또는 신호를 측정하기 위한 다른 광학적 계측 디바이스를 사용할 수 있다.
실시예들의 설명을 용이하게 하기 위하여, 이상의 개념들 및 원리들을 예시하기 위해 타원편광 반사식 광학적 계측 시스템이 사용된다. 동일한 개념들 및 원리들이 반사측정식 시스템들과 같은 다른 광학적 계측 시스템들에 동등하게 적용된다는 것이 이해될 것이다. 일 실시예에 있어, 광학적 산란측정법은, 비제한적으로, 광학적 분광 타원편광 반사법(spectroscopic ellipsometry; SE), 빔-프로파일 반사측정법(beam-profile reflectometry; BPR), 빔-프로파일 타원편광 반사법(beam-profile ellipsometry; BPE), 및 자외선 반사측정법(ultra-violet reflectometry; UVR)과 같은 기술이다. 유사한 방식으로, 반도체 웨이퍼는 개념의 적용을 예시하기 위해 사용될 수 있다. 다시, 방법들 및 프로세스들은 반복 구조체들을 갖는 다른 작업물들에 동등하게 적용된다.
도 10은 일 실시예에 따른 반도체 웨이퍼 상의 구조체들의 파라미터들을 결정하기 위한 빔-프로파일 반사측정법, 빔-프로파일 타원편광 반사법, 또는 그 둘 모두의 사용을 예시하는 아키텍처 도면이다. 광학적 계측 시스템(1050)은 편광된 측정 빔(1054)을 생성하는 계측 빔 소스(1052)를 포함한다. 바람직하게 이러한 계측 빔은 10 나노미터 또는 그 미만의 협소한 대역폭을 갖는다. 일부 실시예들에 있어, 계측 빔 소스(1052)는 필터들을 스위칭하거나 또는 상이한 레이저들 또는 고휘도(super-bright) 발광 다이오드들간에 스위칭함으로써 상이한 파장들의 빔들을 출력하는 것이 가능하다. 이러한 빔의 일 부분이 빔 스플리터(beam splitter)(1055)로부터 반사되며, 높은 개구수(numerical aperture; NA)를 갖는, 바람직하게는 약 0.9 또는 0.95의 NA를 갖는 대물 렌즈(1058)에 의해 웨이퍼(1008)의 목표 구조체(1006) 상으로 포커싱된다. 빔 스플리터에 의해 반사되지 않는 편광된 계측 빔(1054)의 부분은 빔 강도 모니터(1057)로 보내진다. 계측 빔은, 선택적으로, 대물 렌즈(1058) 이전에 1/4-파장 플레이트(1056)를 통과할 수 있다.
목표로부터의 반사 후, 반사된 빔(1060)은 다시 대물 렌즈를 통과하여 하나 이상의 검출기들로 보내진다. 선택적인 1/4-파장 플레이트(1056)가 존재하는 경우, 빔은 빔 스플리터(1055)를 통해 전달되기 전에 1/4-파장 플레이트를 다시 통과할 것이다. 빔-스플리터 이후에, 반사된 빔(1060)은 선택적으로 위치(1056)에 대한 대안으로서 위치(1059)에서의 1/4-파장 플레이트를 통과할 수 있다. 1/4-파장 플레이트가 위치(1056)에 존재하는 경우, 이는 입사 빔 및 반사된 빔 둘 모두를 수정할 것이다. 1/4-파장 플레이트가 위치(1059)에 존재하는 경우, 이는 반사된 빔만을 수정할 것이다. 일부 실시예들에 있어, 파장 플레이트가 어느 위치에도 존재하지 않을 수 있으며, 또는 파장 플레이트는 이루어질 측정에 따라 안팎으로 스위칭될 수 있다. 일부 실시예들에 있어, 파장 플레이트는 1/4 파장과 실질적으로 상이한 리타던스(retardance)를 가지며, 즉, 리타던스 값은 90°보다 실질적으로 더 크거나, 또는 90°보다 실질적으로 더 작을 수 있다는 것이 이해될 것이다.
편광형 또는 편광 빔 스플리터(1062)는 반사된 빔(1060)의 하나의 편광 상태(polarization state)를 검출기(1064)로 보내며, 선택적으로, 상이한 편광 상태를 선택적인 제 2 검출기(1066)로 보낸다. 검출기들(1064 및 1066)은 1-차원(라인) 검출기들이거나 또는 2-차원(어레이) 검출기들일 수 있다. 검출기의 각각의 엘러먼트는 목표로부터 반사되는 대응하는 광선에 대한 AOI 및 방위 각도들의 상이한 조합에 대응한다. 검출기(들)로부터의 회절 빔 데이터(1014)는 빔 강도 데이터(1070)와 함께 프로파일 애플리케이션 서버(1016)으로 송신된다. 프로파일 애플리케이션 서버(1016)는 분해능 및 목표 구조체의 임계 치수들의 가변 조합들을 나타내는 시뮬레이션된 회절 빔 데이터의 라이브러리(1018)와, 빔 강도 데이터(1070)에 의한 정규화 또는 교정 후의 측정된 회절 빔 데이터(1014)를 비교할 수 있다.
실시예들과 함께 사용하기 위한 회절 빔 데이터 또는 신호들을 측정하기 위해 사용될 수 있는 시스템들의 더 상세한 설명들에 대해서는, FOCUSED BEAM SPECTROSCOPIC ELLIPS OMETR Y METHOD AND SYSTEM이라는 명칭으로 1999.02.11자로 출원된 미국 특허번호 6,734,967호, 및 APPARATUS FOR ANALYZING MULTI-LAYER THIN FILM STACKS ON SEMICONDUCTORS라는 명칭으로 1998.01.29자로 출원된 미국 특허번호 6,278,519호를 살펴볼 것이며, 이들 둘 모두는 그 전체가 본원에 참조로써 포함된다. 이러한 2개의 특허들은, 하나 이상의 분광 엘립소미터, 단일-파장 엘립소미터, 광대역 반사계, DUV 반사계, 빔-프로파일 반사계, 및 빔-프로파일 엘립소미터를 포함하는 다수의 측정 서브시스템들을 구비하도록 구성될 수 있는 계측 시스템들을 설명한다. 이러한 측정 서브시스템들은 필름들 및 패턴화된 기판들로부터 반사되거나 또는 회절된 빔을 측정하기 위하여 개별적으로 사용될 수 있거나, 또는 조합되어 사용될 수 있다. 이러한 측정부들에서 수집된 신호들은 실시예들에 따라서 반도체 웨이퍼 상의 구조체들의 파라미터들을 결정하기 위하여 분석될 수 있다.
실시예들은, 컴퓨터 시스템(또는 다른 전자 디바이스들)을 일 실시예에 따른 프로세스를 수행하도록 프로그래밍하기 위해 사용될 수 있는 저장된 명령어들을 갖는 기계-판독가능 매체를 포함할 수 있는 컴퓨터 프로그램 제품 또는 소프트웨어로서 제공될 수 있다. 기계-판독가능 매체는 기계(예를 들어, 컴퓨터)에 의해 판독가능한 형태로 정보를 저장하거나 또는 송신하기 위한 임의의 메커니즘을 포함한다. 예를 들어, 기계-판독가능(예를 들어, 컴퓨터-판독가능) 매체는, 기계(예를 들어, 컴퓨터) 판독가능 저장 매체(예를 들어, 판독 전용 메모리(read only memory; "ROM"), 랜덤 액세스 메모리(random access memory; "RAM"), 자기 디스크 저장 매체, 광 저장 매체, 플래시 메모리 디바이스들, 등), (전파되는 신호들(예를 들어, 적외선 신호들, 디지털 신호들, 등)의 전기적, 광학적, 음향적 또는 다른 형태의) 기계(예를 들어, 컴퓨터) 판독가능 송신 매체, 등을 포함한다.
도 11은 일 실시예에 따른 예시적인 컴퓨터 시스템 형태의 기계의 블록도를 예시하며, 기계 내에서 컴퓨터로 하여금 본원에서 설명된 계측들 중 임의의 하나 이상을 수행하게끔 하는 명령어들의 세트가 실행될 수 있다. 대안적인 실시예들에 있어, 기계는 근거리 영역 네트워크(Local Area Network; LAN), 인트라넷, 엑스트라넷, 또는 인터넷 내에서 다른 기계들에 연결(예를 들어, 네트워킹)될 수 있다. 기계는 클라이언트-서버 네트워크 환경에서 서버의 자격으로 또는 클라이언트 기계의 자격으로 동작할 수 있거나, 또는 피어-투-피어(peer-to-peer)(또는 분산형) 네트워크 환경에서 피어 기계로서 동작할 수 있다. 기계는 개인용 컴퓨터(personal computer; PC), 태블릿 PC, 셋-탑 박스(set-top box; STB), 개인 디지털 보조장치(Personal Digital Assistant; PDA), 셀룰러 폰, 웹 기기, 서버, 네트워크 라우터, 스위치 또는 브리지, 또는 기계에 의해 취해질 액션들을 지정하는 (순차적인 또는 다른) 명령어들의 세트를 실행하는 것이 가능한 임의의 기계일 수 있다. 또한, 단일 기계만이 예시되었지만, 용어 "기계"는 또한 본원에서 설명된 측정들 중 임의의 하나 이상을 수행하기 위한 명령어들의 세트(또는 복수의 세트들)를 개별적으로 또는 함께 실행하는 기계들(예를 들어, 컴퓨터들)의 임의의 집합을 포함하는 것으로 고려되어야만 한다.
예시적인 컴퓨터 시스템(1100)은, 버스(1130)를 통해 서로 통신하는 프로세서(1102), 주 메모리(1104)(예를 들어, 판독-전용 메모리(ROM), 플래시 메모리, 동기식 DRAM(SDRAM) 또는 램버스 DRAM(RDRAM)과 같은 동적 랜덤 액세스 메모리(DRAM), 등), 정적 메모리(1106)(예를 들어, 플래시 메모리, 정적 랜덤 액세스 메모리(SRAM), 등), 및 보조 메모리(1118)(예를 들어, 데이터 저장 디바이스)를 포함한다. 일부 실시예들에 있어, 광학적 계측을 위한 데이터세트들은 정적 메모리(1106) 및 보조 메모리(1118) 중 하나에 또는 둘 모두에 저장될 수 있으며, 여기에서 데이터세트들은 광학적 계측을 위한 자동 파장 또는 각도 프루닝에 의해 수정될 수 있다.
프로세서(1102)는 마이크로프로세서, 중앙 프로세싱 유닛, 또는 유사한 것과 같은 하나 이상의 범용 프로세싱 디바이스들을 나타낸다. 더 구체적으로, 프로세서(1102)는, 복합 명령어 세트 컴퓨팅(complex instruction set computing; CISC) 마이크로프로세서, 감소 명령어 세트 컴퓨팅(reduced instruction set computing; RISC) 마이크로프로세서, 훨씬 긴 명령어 워드(very long instruction word; VLIW) 마이크로프로세서, 다른 명령어 세트들을 구현하는 프로세서, 또는 명령어 세트들의 조합을 구현하는 프로세서들일 수 있다. 프로세서(1102)는 또한 애플리케이션 특정 집적 회로(application specific integrated circuit; ASIC), 필드 프로그램가능 게이트 어레이(field programmable gate array; FPGA), 디지털 신호 프로세서(digital signal processor; DSP), 네트워크 프로세서, 또는 유사한 것과 같은 하나 이상의 전용 프로세싱 디바이스들일 수 있다. 프로세서(1102)는 본원에서 논의된 동작들을 수행하기 위한 프로세싱 로직(1126)을 실행하도록 구성된다. 일부 실시예들에 있어, 프로세서(1102)는 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 프로세싱의 일부 또는 전부를 제공한다.
컴퓨터 시스템(1100)은 네트워크 인터페이스 디바이스(1108)를 더 포함할 수 있다. 컴퓨터 시스템(1100)은 또한, 비디오 디스플레이 유닛(1110)(예를 들어, 액정 크리스탈 디스플레이(liquid crystal display; LCD) 또는 음극선관(cathode ray tube; CRT)), 문자 숫자식 입력 디바이스(1112)(예를 들어, 키보드), 커서 제어 디바이스(1114)(예를 들어, 마우스), 및 신호 생성 디바이스(1116)(예를 들어, 스피커)를 포함할 수 있다.
보조 메모리(1118)는, 본원에서 설명된 계측들 또는 기능들 중 임의의 하나 이상을 구체화하는 명령어들의 하나 이상의 세트들(예를 들어, 소프트웨어(1122))가 저장된 기계-액세스가능 저장 매체(또는 더 구체적으로는 컴퓨터-판독가능 저장 매체)(1131)를 포함할 수 있다. 소프트웨어(1122)는 또한 컴퓨터 시스템(1100)에 의한 소프트웨어의 실행 동안, 완전히 또는 적어도 부분적으로, 주 메모리(1104) 내에 및/또는 프로세서(1102) 내에 존재할 수 있으며, 주 메모리(1104) 및 프로세서(1102)가 또한 기계-판독가능 저장 매체를 구성한다. 소프트웨어(1122)는 추가로 네트워크 인터페이스 디바이스(1108)를 통해 네트워크(1120) 상에서 송신되거나 또는 수신될 수 있다.
예시적인 일 실시예에서 기계-액세스가능 저장 매체(1131)가 단일 매체로서 도시되었지만, 용어 "기계-판독가능 저장 매체"는 명령어들의 하나 이상의 세트들을 저장하는 단일 매체 또는 다수의 매체들(예를 들어, 집중형 또는 분산형 데이터베이스, 및/또는 연관된 캐시들 및 서버들)을 포함하는 것으로 고려되어야만 한다. 용어 "기계-판독가능 저장 매체"는 또한, 기계로 하여금 본 발명의 계측들 중 임의의 하나 이상을 수행하게끔 하며 기계에 의한 실행을 위한 명령어들의 세트를 저장하거나 또는 인코딩할 수 있는 임의의 매체를 포함하는 것으로 고려되어야만 한다. 따라서 용어 "기계-판독가능 저장 매체"는, 비제한적으로, 고체-상태 메모리들, 및 광 및 자기 매체들을 포함하는 것으로 고려되어야만 한다.
일부 실시예들에 있어, 기계-액세스가능 저장 매체는, 데이터 프로세싱 시스템으로 하여금 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 수행하게끔 하는 거기에 저장된 명령어를 포함한다.
이상의 계측들이 실시예들의 사상 및 범위 내에서 다양한 환경들 하에서 적용될 수 있다는 것이 이해될 것이다. 예를 들어, 일 실시예에 있어, 이상에서 설명된 측정들은 배경 광이 존재하는 상태에서 또는 배경 광이 존재하지 않는 상태에서 수행된다. 일 실시예에 있어, 이상에서 설명된 방법은 반도체, 솔라(solar), 발광 다이오드(light-emitting diode; LED), 또는 연관된 제조 프로세스에서 수행된다. 일 실시예에 있어, 이상에서 설명된 방법은 독립형으로 또는 통합된 계측 툴 내에서 사용된다.
측정된 스펙트럼들의 분석은 일반적으로 측정된 샘플을 가장 잘 설명하는 모델의 파라미터 값을 추론하기 위하여 측정된 샘플 스펙트럼들과 시뮬레이션된 스펙트럼들을 비교하는 것을 수반한다. 도 12는 일 실시예에 따른 (예를 들어, 하나 이상의 작업물들로부터 기원하는) 샘플 스펙트럼으로 시작하는 스펙트럼 라이브러리 및 파라미터화된 모델을 구축하기 위한 방법의 동작들을 나타내는 순서도(1200)이다.
동작(1202)에서, 이로부터 측정되는 샘플 특징부가 형성되는 재료(들)의 특성들(예를 들어, 굴절률 또는 n, k 값들)을 지정하기 위하여 재료 파일들의 세트가 사용자에 의해 정의된다.
동작(1204)에서, 산란측정 사용자는 측정될 주기적인 격자 특징부들 내에 존재하는 것들에 대응하는 재료들의 적층을 어셈블링하기 위하여 재료 파일들 중 하나 이상을 선택함으로써 예상된 샘플 구조체의 공칭 모델을 정의한다. 이러한 사용자-정의 모델은, 측정되는 특징부의 형상을 특징짓는 두께들, 임계 치수(critical dimension; CD), 측벽 각도(sidewall angle; SWA), 높이(height; HT), 에지 거칠기, 코너 라운딩 반경, 등과 같은 모델 파라미터들의 공칭 값들의 정의를 통해 추가로 파라미터화될 수 있다. 2-차원 모델(즉, 프로파일) 또는 3-차원 모델이 정의되었는지 여부에 따라, 30-50, 또는 그 이상의 이러한 모델 파라미터들을 갖는 것이 드물지 않다.
파라미터화된 모델로부터, 격자 파라미터 값들의 소정의 세트에 대한 시뮬레이션된 스펙트럼들이 정확 결합 파장 분석(rigorous coupled wave analysis; RCWA)과 같은 정확 회절 모델링 알고리즘들을 사용하여 연산될 수 있다. 그러면 동작(1206)에서, 파라미터화된 모델이, 측정된 회절 스펙트럼들을 미리 정의된 매칭 조건에 매칭되는, 시뮬레이션된 스펙트럼들에 대응하는 (2-차원에 대한) 최종 프로파일 모델을 특징짓는 파라미터 값들의 세트에 수렴할 때까지, 회귀 분석이 수행된다. 매칭되는 시뮬레이션된 회절 신호와 연관된 최종 프로파일 모델은 이로부터 모델이 생성된 구조체의 실제 프로파일을 나타내는 것으로 추정된다.
그 후, 동작(1208)에서, 매칭되는 시뮬레이션된 스펙트럼들 및/또는 연관된 최적화된 프로파일 모델은 파라미터화된 최종 프로파일 모델의 값들을 동요(perturb)시킴으로써 시뮬레이션된 회절 스펙트럼들의 라이브러리를 구축하기 위해 사용될 수 있다. 그 후, 시뮬레이션된 회절 스펙트럼들의 결과적인 라이브러리는, 그 다음에 측정되는 격자 구조체들이 명세에 따라 제조되었는지 여부를 결정하기 위하여 생산 환경에서 동작하는 산란측정의 측정 시스템에 의해 이용될 수 있다. 라이브러리 생성(1208)은, 각각의 프로파일이 하나 이상의 모델링된 프로파일 파라미터들의 세트를 포함하는, 복수의 프로파일들 각각에 대해 시뮬레이션된 스펙트럼 정보를 생성하는 신경 네트워크와 같은 기계 학습 시스템을 포함할 수 있다. 라이브러리를 생성하기 위하여, 기계 학습 시스템 자체가 스펙트럼 정보의 트레이닝 데이터세트에 기초한 어떤 트레이닝을 겪어야만 할 수 있다. 이러한 트레이닝은 연산적으로 집중적일 수 있거나 및/또는, 상이한 모델들 및/또는 파라미터 영역들에 대해 반복되어야 할 수 있다. 라이브러리를 생성하는 것의 연산적 부하의 상당한 비효율성은 트레이닝 데이터세트의 크기에 관한 사용자의 결정들에 의해 도입될 수 있다. 예를 들어, 과도하게 큰 트레이닝 데이터세트의 선택은 트레이닝에 대한 불필요한 연산들을 야기할 수 있으며, 반면 불충분한 크기의 트레이닝 데이터세트를 이용한 트레이닝은 라이브러리를 생성하기 위해 재트레이닝을 필요로 할 수 있다.
일부 애플리케이션들에 대해 라이브러리를 구축하는 것이 불필요할 수 있다. 구조체의 파라미터의 모델이 생성되고 최적화된 후, 이상에서 설명된 것과 유사한 회귀 분석은 회절 빔 데이터가 수집될 때 각각의 목표에 대한 최적 피팅 파라미터 값들을 결정하기 위해 실시간으로 사용될 수 있다. 구조체가 상대적으로 단순한 경우(예를 들어, 2D 구조체), 또는 적은 수의 파라미터들만이 측정될 필요가 있는 경우, 비록 회귀가 라이브러리를 사용하는 것보다는 더 느릴 수 있지만 회귀가 충분히 빠를 수 있다. 다른 경우들에 있어, 회귀 사용의 특별한 유연성은 측정 시간에 있어 라이브러리를 사용하는 것을 넘는 일부 증가를 정당화할 수 있다. 실시예와 함께 사용하기 위한 OCD 데이터의 실시간 회귀가 가능한 방법들 및 시스템들의 더 상세한 설명에 대해서는, REAL TIME ANALYSIS OF PERIODIC STRUCTURES ON SEMICONDUCTORS라는 명칭으로 2005.07.08자로 출원된 미국 특허번호 7,031,848호를 확인할 것이며, 이는 그 전체가 본원에 참조로써 포함된다.
다양한 실시예들은 다양한 프로세스들을 포함할 수 있다. 이러한 프로세스들은 하드웨어 컴포넌트들에 위해 수행될 수 있거나 또는, 범용 또는 전용 프로세서 또는 로직 회로들이 프로세스들을 수행하기 위한 명령어들로 프로그래밍되게끔 하기 위하여 사용될 수 있는 컴퓨터 프로그램 또는 기계-실행가능 명령어들로 구현될 수 있다. 대안적으로, 프로세스들은 하드웨어 및 소프트웨어의 조합에 의해 수행될 수 있다.
다양한 실시예들의 부분들은, 특정 실시예들에 따른 프로세스를 수행하기 위해 하나 이상의 프로세서들에 의한 실행을 위하여 컴퓨터(또는 다른 전자 디바이스들)를 프로그래밍하기 위해 사용될 수 있는 저장된 컴퓨터 프로그램 명령어들을 갖는 컴퓨터-판독가능 매체를 포함할 수 있는 컴퓨터 프로그램 제품으로서 제공될 수 있다. 컴퓨터-판독가능 매체는, 비제한적으로, 자기 디스크들, 광 디스크들, 콤팩트 디스크 판독-전용 메모리(compact disk read-only memory; CD-ROM), 및 자기 광 디스크들, 판독-전용 메모리(read-only memory; ROM), 랜덤 액세스 메모리(random access memory; RAM), 소거가능 프로그램가능 판독-전용 메모리(erasable programmable read-only memory; EPROM), 전기-소거가능 프로그램가능 판독-전용 메모리(electrically-erasable programmable read-only memory; EEPROM), 자기 또는 광 카드들, 플래시 메모리, 또는 전자 명령어들을 저장하기에 적합한 다른 유형의 컴퓨터-판독가능 매체를 포함할 수 있다. 더욱이, 실시예들은 또한 컴퓨터 프로그램 제품으로서 다운로드될 수 있으며, 여기에서 프로그램은 원격 컴퓨터로부터 요청 컴퓨터로 전송될 수 있다.
다수의 방법들이 그들의 가장 기본적인 형태로 설명되었지만, 본 실시예들의 기본적인 범위로부터 벗어나지 않으면서, 프로세스들이 방법들 중 임의의 방법에 부가되거나 또는 이로부터 삭제될 수 있고 정보가 설명된 메시지들 중 임의의 메시지에 부가되거나 또는 이로부터 공제될 수 있다. 다수의 추가적인 수정들 및 적응들이 이루어질 수 있다는 것이 당업자들에게 자명할 것이다. 특정 실시예들은 개념을 제한하려는 것이 아니라 이를 예시하기 위해 제공된다. 실시예들의 범위는 이상에서 제공된 특정 예들에 의해 결정되지 않고 오로지 이하의 청구항들에 의해서 결정된다.
엘러먼트 "A"가 엘러먼트 "B"에 결합되거나 또는 이와 결합된다고 언급되는 경우, 엘러먼트 A는 직접적으로 엘러먼트 B에 결합될 수 있거나 또는, 예를 들어, 엘러먼트 C를 통해 간접적으로 결합될 수 있다. 명세서 또는 청구항들이 컴포넌트, 특징, 구조, 프로세스, 또는 특성 A가 컴포넌트, 특징, 구조, 프로세스, 또는 특성 B를 "야기"하는 것으로 명시할 때, 이는 "A"가 적어도 부분적으로 "B"의 원인이지만 "B"를 야기하는 것을 보조하는 적어도 하나의 다른 컴포넌트, 특징, 구조, 프로세스, 또는 특성이 또한 존재할 수 있다는 것을 의미한다. 명세서가 컴포넌트, 특징, 구조, 프로세스, 또는 특성이 포함될 "수" 있다고 표시하는 경우, 그 컴포넌트, 특징, 구조, 프로세스, 또는 특성이 포함되도록 요구되지는 않는다. 명세서 또는 청구항이 "일" 엘러먼트를 언급하는 경우, 이는 설명된 엘러먼트들 중 오직 하나만이 존재한다는 것을 의미하지는 않는다.
실시예는 구현예 또는 예이다. 명세서 내에서 "일 실시예", "하나의 실시예", "일부 실시예들", 또는 "다른 실시예들"에 대한 언급은, 실시예들과 함께 설명된 특정 특징, 구조, 또는 특성이 적어도 일부 실시예들에 포함되지만 반드시 모든 실시예들에 포함되는 것은 아니라는 것을 의미한다. "일 실시예", "하나의 실시예", 또는 "일부 실시예들"의 다양한 출현들은 반드시 모두 동일한 실시예들을 언급하지는 않는다. 예시적인 실시예들의 이상의 설명에 있어, 다양한 특징들이 때때로 본 개시를 간소화하고 다양한 신규한 측면들 중 하나 이상의 이해를 보조하기 위하여 단일 실시예, 도면, 또는 그의 설명으로 함께 그룹화된다는 것이 이해되어야만 한다. 그러나, 본 개시의 이러한 방법은 청구된 실시예들이 각각의 청구항에 명백하게 나열된 것보다 더 많은 특징들을 요구하는 의도를 반영하는 것으로서 해석되지 않는다. 오히려, 다음의 청구항들이 반영하는 바와 같이, 신규한 측면들은 단일의 이상에서 개시된 실시예의 모든 특징들보다 더 적은 특징들에 존재한다. 따라서, 이로써 청구항들은 각각의 청구항이 별개의 실시예로서 그 자체에 기초하면서 명백히 이러한 설명 내에 포함된다.
Claims (28)
- 광학적 계측을 위한 자동 파장 또는 각도 프루닝(pruning)을 위한 방법에 있어서,
복수의 파라미터들을 포함하는 구조체의 모델을 결정하는 단계;
상기 모델에 대한 파장-의존 또는 각도-의존 데이터의 데이터세트(dataset)를 설계하고 연산하는 단계;
상기 데이터세트를 컴퓨터 메모리에 저장하는 단계;
상기 모델에 대한 상기 데이터세트의 분석을 프로세서를 이용하여 수행하는 단계로서,
상기 데이터세트에 이상점(outlier) 검출 기술을 적용하는 단계와,
각각의 데이터 이상점이 각도 또는 파장인 임의의 데이터 이상점들을 식별하는 단계
를 포함하는, 상기 분석 수행 단계; 및
상기 모델의 상기 데이터세트의 상기 분석에서 임의의 데이터 이상점들이 식별되는 경우, 수정된 데이터세트를 생성하기 위하여 상기 데이터 이상점들에 대응하는 파장들 또는 각도들을 상기 데이터세트로부터 제거하고, 상기 수정된 데이터세트를 상기 컴퓨터 메모리에 저장하는 단계를 포함하는, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
상기 모델의 상기 데이터세트의 상기 분석에서 임의의 데이터 이상점들이 식별되는 경우, 상기 데이터세트의 상기 분석의 다른 반복(iteration)을 수행하는 단계를 더 포함하는, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
제 1 반복 이후의 상기 데이터세트의 상기 분석의 다른 반복의 수행은 선택적이며, 상기 방법은 상기 제 1 반복으로부터 저장된 데이터세트를 사용하여 상기 구조체의 광학적 계측을 수행하는 단계를 더 포함하는, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
상기 모델의 상기 데이터세트의 상기 분석의 반복에서 데이터 이상점들이 식별되지 않는 경우, 상기 저장된 데이터세트를 사용하여 상기 구조체의 광학적 계측을 수행하는 단계를 더 포함하는, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
데이터 이상점이 우드 앱노멀리(Wood anomaly)에서의 또는 그에 가까운 파장 또는 각도인 것인, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
데이터 이상점이 구조체 공진(structure resonance)에서의 또는 그에 가까운 파장 또는 각도인 것인, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
상기 이상점 검출 기술은,
거리-기반 알고리즘;
깊이-기반 알고리즘;
편차-기반 알고리즘; 또는
패턴-기반 알고리즘 중 하나를 포함하는 것인, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
전자기 해법기(electromagnetic solver)의 적용 없이 하나 이상의 파장들 또는 각도들이 제거되는 것인, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
우드 앱노멀리들 또는 구조체 공진들의 물리적인 모델링 없이 하나 이상의 파장들 또는 각도들이 제거되는 것인, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 제 1 항에 있어서,
상기 광학적 계측은 분광 엘립소미터(spectroscopic ellipsometer)들, 각도-분해 엘립소미터(angle-resolved ellipsometer)들, 분광 반사계들, 및 각도-분해 반사계들 중 하나 이상을 포함하는 것인, 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 위한 방법. - 데이터 프로세싱 시스템으로 하여금 광학적 계측을 위한 자동 파장 또는 각도 프루닝 방법을 수행하게끔 하는 명령어들이 저장되어 있는 기계-액세스가능 저장 매체에 있어서, 상기 방법은,
복수의 파라미터들을 포함하는 구조체의 모델을 결정하는 단계;
상기 모델에 대한 파장-의존 또는 각도-의존 데이터의 데이터세트를 설계하고 연산하는 단계;
상기 데이터세트를 컴퓨터 메모리에 저장하는 단계;
상기 모델에 대한 상기 데이터세트의 분석을 프로세서를 이용하여 수행하는 단계로서,
상기 데이터세트에 이상점 검출 기술을 적용하는 단계와,
각각의 데이터 이상점이 각도 또는 파장인 임의의 데이터 이상점들을 식별하는 단계
를 포함하는, 상기 분석 수행 단계; 및
상기 모델의 상기 데이터세트의 상기 분석에서 임의의 데이터 이상점들이 식별되는 경우, 수정된 데이터세트를 생성하기 위하여 상기 데이터 이상점들에 대응하는 파장들 또는 각도들을 상기 데이터세트로부터 제거하고, 상기 수정된 데이터세트를 상기 컴퓨터 메모리에 저장하는 단계를 포함하는 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
상기 방법은, 상기 모델의 상기 데이터세트의 상기 분석에서 임의의 데이터 이상점들이 식별되는 경우, 상기 데이터세트의 상기 분석의 다른 반복을 수행하는 단계를 더 포함하는 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
제 1 반복 이후의 상기 데이터세트의 상기 분석의 다른 반복의 수행은 선택적이며, 상기 방법은, 상기 제 1 반복으로부터 저장된 데이터세트를 사용하여 상기 구조체의 광학적 계측을 수행하는 단계를 더 포함하는 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
상기 방법은, 상기 모델의 상기 데이터세트의 상기 분석의 반복에서 데이터 이상점들이 식별되지 않는 경우, 상기 저장된 데이터세트를 사용하여 상기 구조체의 광학적 계측을 수행하는 단계를 더 포함하는 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
데이터 이상점이 우드 앱노멀리에서의 또는 그에 가까운 파장 또는 각도인 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
데이터 이상점이 구조체 공진에서의 또는 그에 가까운 파장 또는 각도인 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
상기 이상점 검출 기술은,
거리-기반 알고리즘;
깊이-기반 알고리즘;
편차-기반 알고리즘; 또는
패턴-기반 알고리즘 중 하나를 포함하는 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
전자기 해법기의 적용 없이 하나 이상의 파장들 또는 각도들이 제거되는 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
우드 앱노멀리들 또는 구조체 공진들의 물리적인 모델링 없이 하나 이상의 파장들 또는 각도들이 제거되는 것인, 기계-액세스가능 저장 매체. - 제 11 항에 있어서,
상기 광학적 계측은 분광 엘립소미터들, 각도-분해 엘립소미터들, 분광 반사계들, 및 각도-분해 반사계들 중 하나 이상을 포함하는 것인, 기계-액세스가능 저장 매체. - 시스템에 있어서,
목표 구조체의 하나 이상의 프로세스 파라미터들을 결정하도록 구성된 광학적 계측 시스템을 포함하며, 상기 광학적 계측 시스템은,
상기 구조체의 회절 신호를 측정하도록 구성된 빔 소스 및 검출기;
측정 데이터를 프로세싱하도록 구성된 프로세서; 및
데이터를 저장하기 위한 컴퓨터 메모리를 포함하며,
상기 광학적 계측 시스템은 광학적 계측을 위한 자동 파장 또는 각도 프루닝을 제공하도록 구성되며, 상기 광학적 계측을 위한 자동 파장 또는 각도 프루닝은,
복수의 파라미터들을 포함하는 구조체의 모델을 결정하는 단계;
상기 모델에 대한 파장-의존 또는 각도-의존 데이터의 데이터세트를 설계하고 연산하는 단계;
상기 데이터세트를 상기 컴퓨터 메모리에 저장하는 단계;
상기 모델에 대한 상기 데이터세트의 분석을 상기 프로세서를 이용하여 수행하는 단계로서,
상기 데이터세트에 이상점 검출 기술을 적용하는 단계와,
각각의 데이터 이상점이 각도 또는 파장인 임의의 데이터 이상점들을 식별하는 단계
를 포함하는 상기 분석 수행 단계; 및
상기 모델의 상기 데이터세트의 상기 분석에서 임의의 데이터 이상점들이 식별되는 경우, 수정된 데이터세트를 생성하기 위하여 상기 데이터 이상점들에 대응하는 파장들 또는 각도들을 상기 데이터세트로부터 제거하고 상기 수정된 데이터세트를 상기 컴퓨터 메모리에 저장하는 단계를 포함하는 것인, 시스템. - 제 21 항에 있어서,
상기 광학적 계측을 위한 자동 파장 또는 각도 프루닝은, 상기 모델의 상기 데이터세트의 상기 분석에서 임의의 데이터 이상점들이 식별되는 경우, 상기 데이터세트의 상기 분석의 다른 반복을 수행하는 단계를 더 포함하는 것인, 시스템. - 제 21 항에 있어서,
제 1 반복 이후의 상기 데이터세트의 상기 분석의 다른 반복의 수행은 선택적이며, 상기 광학적 계측을 위한 자동 파장 또는 각도 프루닝은, 상기 제 1 반복으로부터 저장된 데이터세트를 사용하여 상기 구조체의 광학적 계측을 수행하는 단계를 더 포함하는 것인, 시스템. - 제 21 항에 있어서,
상기 광학적 계측을 위한 자동 파장 또는 각도 프루닝은, 상기 모델의 상기 데이터세트의 상기 분석의 반복에서 데이터 이상점들이 식별되지 않는 경우, 상기 저장된 데이터세트를 사용하여 상기 구조체의 광학적 계측을 수행하는 단계를 더 포함하는 것인, 시스템. - 제 21 항에 있어서,
데이터 이상점이 우드 앱노멀리에서의 또는 그에 가까운 파장 또는 각도인 것인, 시스템. - 제 21 항에 있어서,
데이터 이상점이 구조체 공진에서의 또는 그에 가까운 파장 또는 각도인 것인, 시스템. - 제 21 항에 있어서,
상기 이상점 검출 기술은,
거리-기반 알고리즘;
깊이-기반 알고리즘;
편차-기반 알고리즘; 또는
패턴-기반 알고리즘 중 하나를 포함하는 것인, 시스템. - 제 21 항에 있어서,
상기 광학적 계측 시스템은 분광 엘립소미터들, 각도-분해 엘립소미터들, 분광 반사계들, 및 각도-분해 반사계들 중 하나를 포함하는 것인, 시스템.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201361830543P | 2013-06-03 | 2013-06-03 | |
| US61/830,543 | 2013-06-03 | ||
| US14/293,625 | 2014-06-02 | ||
| US14/293,625 US11175589B2 (en) | 2013-06-03 | 2014-06-02 | Automatic wavelength or angle pruning for optical metrology |
| PCT/US2014/040643 WO2014197449A1 (en) | 2013-06-03 | 2014-06-03 | Automatic wavelength or angle pruning for optical metrology |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20160015299A true KR20160015299A (ko) | 2016-02-12 |
Family
ID=51986082
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020157036984A KR20160015299A (ko) | 2013-06-03 | 2014-06-03 | 광학적 계측을 위한 자동 파장 또는 각도 프루닝 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11175589B2 (ko) |
| KR (1) | KR20160015299A (ko) |
| CN (1) | CN106030282B (ko) |
| TW (1) | TWI631310B (ko) |
| WO (1) | WO2014197449A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200135218A (ko) * | 2019-05-23 | 2020-12-02 | 어플라이드 머티어리얼스, 인코포레이티드 | 전자 빔 주사 전자 현미경검사를 사용하는 비-파괴적 방식으로의 진보된 반도체 디바이스들에서의 피쳐들의 고해상도 3차원 프로파일링 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10883924B2 (en) * | 2014-09-08 | 2021-01-05 | The Research Foundation Of State University Of New York | Metallic gratings and measurement methods thereof |
| US10345721B1 (en) | 2015-06-16 | 2019-07-09 | Kla-Tencor Corporation | Measurement library optimization in semiconductor metrology |
| US10094774B2 (en) | 2015-08-12 | 2018-10-09 | Industrial Technology Research Institute | Scattering measurement system and method |
| KR20180076592A (ko) | 2016-12-28 | 2018-07-06 | 삼성전자주식회사 | 반도체 장치의 계측 방법 |
| US11060982B2 (en) * | 2019-03-17 | 2021-07-13 | Kla Corporation | Multi-dimensional model of optical dispersion |
| US20230017097A1 (en) * | 2020-01-07 | 2023-01-19 | Nova Ltd | Detecting outliers and anomalies for ocd metrology machine learning |
| US11079220B1 (en) * | 2020-09-11 | 2021-08-03 | Onto Innovation Inc. | Calibration of azimuth angle for optical metrology stage using grating-coupled surface plasmon resonance |
| CN114088659B (zh) * | 2021-10-09 | 2024-04-16 | 池明旻 | 织物纤维成分的异常近红外光谱波形检测方法 |
| CN116107194B (zh) * | 2023-04-13 | 2023-06-09 | 北京新科以仁科技发展有限公司 | 一种激光器的自动切换控制方法、装置、设备及存储介质 |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5291426A (en) * | 1991-02-27 | 1994-03-01 | The Perkin-Elmer Corporation | Method of correcting spectral data for background |
| US6734967B1 (en) | 1995-01-19 | 2004-05-11 | Kla-Tencor Technologies Corporation | Focused beam spectroscopic ellipsometry method and system |
| US6278519B1 (en) | 1998-01-29 | 2001-08-21 | Therma-Wave, Inc. | Apparatus for analyzing multi-layer thin film stacks on semiconductors |
| US7099005B1 (en) | 2000-09-27 | 2006-08-29 | Kla-Tencor Technologies Corporation | System for scatterometric measurements and applications |
| US6704661B1 (en) | 2001-07-16 | 2004-03-09 | Therma-Wave, Inc. | Real time analysis of periodic structures on semiconductors |
| TWI273217B (en) | 2002-04-17 | 2007-02-11 | Accent Optical Tech Inc | Scatterometric measurement of undercut multi-layer diffracting structures |
| US7216045B2 (en) | 2002-06-03 | 2007-05-08 | Timbre Technologies, Inc. | Selection of wavelengths for integrated circuit optical metrology |
| US8257546B2 (en) * | 2003-04-11 | 2012-09-04 | Applied Materials, Inc. | Method and system for monitoring an etch process |
| US20040267397A1 (en) | 2003-06-27 | 2004-12-30 | Srinivas Doddi | Optical metrology of structures formed on semiconductor wafer using machine learning systems |
| 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 |
| US7428060B2 (en) | 2006-03-24 | 2008-09-23 | Timbre Technologies, Inc. | Optimization of diffraction order selection for two-dimensional structures |
| US7324193B2 (en) | 2006-03-30 | 2008-01-29 | Tokyo Electron Limited | Measuring a damaged structure formed on a wafer using optical metrology |
| WO2008027362A1 (en) | 2006-08-28 | 2008-03-06 | Advanced Metrology Systems Llc | Measuring diffractive structures by parameterizing spectral features |
| NL2003702A (en) | 2008-11-10 | 2010-05-11 | Brion Tech Inc | Pattern selection for lithographic model calibration. |
| US8560270B2 (en) | 2008-12-09 | 2013-10-15 | Tokyo Electron Limited | Rational approximation and continued-fraction approximation approaches for computation efficiency of diffraction signals |
| JP5538813B2 (ja) * | 2008-12-26 | 2014-07-02 | キヤノン株式会社 | 光学素子、及びこれを用いたイメージセンサ、撮像装置 |
| US20110276319A1 (en) | 2010-05-06 | 2011-11-10 | Jonathan Michael Madsen | Determination of material optical properties for optical metrology of structures |
| US9523800B2 (en) | 2010-05-21 | 2016-12-20 | Kla-Tencor Corporation | Computation efficiency by iterative spatial harmonics order truncation |
| US9310296B2 (en) * | 2011-06-20 | 2016-04-12 | Kla-Tencor Corporation | Optimizing an optical parametric model for structural analysis using optical critical dimension (OCD) metrology |
| US9106335B2 (en) * | 2011-06-30 | 2015-08-11 | Electronics And Telecommunications Research Institute | Automatic wavelength recognition apparatus and method |
| US10296554B2 (en) * | 2013-03-01 | 2019-05-21 | Nanometrics Incorporated | Correction of angular error of plane-of-incidence azimuth of optical metrology device |
-
2014
- 2014-06-02 US US14/293,625 patent/US11175589B2/en active Active
- 2014-06-03 WO PCT/US2014/040643 patent/WO2014197449A1/en active Application Filing
- 2014-06-03 CN CN201480039781.3A patent/CN106030282B/zh active Active
- 2014-06-03 TW TW103119304A patent/TWI631310B/zh active
- 2014-06-03 KR KR1020157036984A patent/KR20160015299A/ko not_active Application Discontinuation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200135218A (ko) * | 2019-05-23 | 2020-12-02 | 어플라이드 머티어리얼스, 인코포레이티드 | 전자 빔 주사 전자 현미경검사를 사용하는 비-파괴적 방식으로의 진보된 반도체 디바이스들에서의 피쳐들의 고해상도 3차원 프로파일링 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20140358485A1 (en) | 2014-12-04 |
| CN106030282A (zh) | 2016-10-12 |
| TWI631310B (zh) | 2018-08-01 |
| TW201508240A (zh) | 2015-03-01 |
| WO2014197449A1 (en) | 2014-12-11 |
| US11175589B2 (en) | 2021-11-16 |
| CN106030282B (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10325004B1 (en) | Method of optimizing an optical parametric model for structural analysis using optical critical dimension (OCD) metrology | |
| US10255385B2 (en) | Model optimization approach based on spectral sensitivity | |
| US11175589B2 (en) | Automatic wavelength or angle pruning for optical metrology | |
| US20130110477A1 (en) | Process variation-based model optimization for metrology | |
| US20130158957A1 (en) | Library generation with derivatives in optical metrology | |
| US10354929B2 (en) | Measurement recipe optimization based on spectral sensitivity and process variation | |
| US10386729B2 (en) | Dynamic removal of correlation of highly correlated parameters for optical metrology | |
| KR102002180B1 (ko) | 구조의 비대칭성을 결정하는 방법 | |
| US10895810B2 (en) | Automatic selection of sample values for optical metrology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| N231 | Notification of change of applicant | ||
| N231 | Notification of change of applicant | ||
| WITB | Written withdrawal of application |