KR20170071590A

KR20170071590A - 임계 치수 균일도 강화 기술들 및 장치

Info

Publication number: KR20170071590A
Application number: KR1020177013642A
Authority: KR
Inventors: 얀웨이 리우; 호렌 팡
Original assignee: 케이엘에이-텐코 코포레이션
Priority date: 2014-10-21
Filing date: 2015-10-16
Publication date: 2017-06-23
Also published as: TW201629905A; TWI679610B; KR102485553B1; WO2016064685A1; US10074036B2; US20160110858A1

Abstract

포토리소그래피 레티클을 검사하기 위한 방법 및 장치가 개시된다. 레티클을 제조하기 위한 설계 데이터베이스에 기초하여 레티클의 복수의 타겟 피처들의 모델링된 이미지들이 획득된다. 레티클의 타겟 피처들의 복수의 실제 이미지들을 획득하기 위해 검사 툴이 이용된다. 모델링된 이미지 및 실제 이미지는 모델링된 이미지 및 실제 이미지의 이미지 특성들에 기초하여 복수의 빈들로 비닝되고, 이미지 특성들 중 적어도 일부는 동일한 방식으로 레티클 상의 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받는다. 빈들 중 적어도 하나로부터의 모델링된 이미지들 및 실제 이미지들은 레티클에 대한 피처 특징 균일도 맵을 생성하도록 분석된다.

Description

임계 치수 균일도 강화 기술들 및 장치{CRITICAL DIMENSION UNIFORMITY ENHANCEMENT TECHNIQUES AND APPARATUS}

본 출원은 35 U.S.C. §119 하에서, "mCDU Enhancements"이라는 발명의 명칭으로 얀웨이 리우(Yanwei Liu)에 의해 2014년 10월 21일자로 출원된 이전 미국 가출원 제62/066,873호의 우선권을 주장하며, 이 가특허 출원은 모든 목적을 위해 그 전체가 본 명세서에 참조로 포함된다.

본 발명은 일반적으로, 레티클 검사와 같은 반도체 검사의 분야에 관한 것이다. 보다 구체적으로, 본 발명은 임계 치수 균일도(critical dimension uniformity) 등을 모니터링하는 방법에 관한 것이다.

일반적으로, 반도체 제조 산업은 실리콘과 같은 기판 상에 적층되고 패터닝되는 반도체 물질들을 사용하여 집적 회로를 제조하는 고도로 복잡한 기술들을 수반한다. 집적 회로는 일반적으로 복수의 레티클로부터 제조된다. 초기에, 회로 설계자는 특정 집적 회로(IC) 설계를 기술하는, 회로 패턴 데이터 또는 설계 데이터베이스를 레티클 생산 시스템 또는 레티클 기록기에 제공한다. 회로 패턴 데이터는 일반적으로, 제조된 IC 디바이스의 물리층들의 표현 레이아웃(representational layout)의 형태로 있다. 표현 레이아웃은 IC 디바이스의 각각의 물리층(예를 들어, 게이트 산화물, 폴리실리콘, 금속부 등)에 대한 표현 층을 포함하며, 각각의 표현 층은 특정 IC 디바이스의 층의 패터닝을 정의하는 복수의 다각형으로 구성된다. 레티클 기록기는 회로 패턴 데이터를 사용하여 나중에 특정 IC 설계를 제조하는데 사용될 복수의 레티클들을 기록한다(예를 들어, 일반적으로, 전자빔 기록기 또는 레이저 스캐너가 레티클 패턴을 노광하는데 사용된다).

각각의 레티클 또는 포토마스크는 일반적으로, 적어도 투명 영역과 불투명 영역, 및 때때로 반투명 영역과 위상 시프트 영역을 포함하는 광학 엘리먼트이며, 이들은 집적 회로와 같은 전자 디바이스에서 동일평면 상에 있는 피처(feature)들의 패턴을 함께 정의한다. 레티클들은 에칭, 이온 주입, 또는 다른 제조 프로세스들을 위한 반도체 웨이퍼의 규정된 영역들을 정의하기 위해 포토리소그래피 동안에 사용된다.

레티클 검사 시스템은 레티클들의 생산 동안 또는 포토리소그래피에서 이러한 레티클들의 사용 후에 발생할 수 있는 임계 치수 균일도 문제와 같은 결함들을 찾기 위해 레티클들을 검사할 수 있다. 대규모의 회로 집적 및 반도체 디바이스의 크기 감소로 인해, 제조된 디바이스는 결함에 대해 점점 더 민감해진다. 즉, 디바이스에서 고장을 일으키는 결함들은 점점 더 작아지고 있다. 따라서, 레티클의 특징들을 모니터링하기 위한 개선된 검사 기술들이 계속해서 필요하다.

이하에서는 본 발명의 특정 실시예들의 기본적인 이해를 제공하기 위해 본 발명개시의 간략화된 요약을 제공한다. 본 요약은 본 발명개시의 광범위한 개관이 아니며, 본 요약은 본 발명의 중요한/결정적인 엘리먼트들을 식별하거나 본 발명의 범위를 한정시키지 않는다. 본 요약의 유일한 목적은 이후에 제공되는 보다 상세한 설명에 대한 도입부로서 간략화된 형태로 여기서 개시된 몇몇의 개념들을 제공하기 위한 것이다.

하나의 실시예에서, 포토리소그래피 레티클을 검사하는 방법 및 장치가 개시된다. 레티클을 제조하기 위한 설계 데이터베이스에 기초하여 레티클의 복수의 타겟 피처들의 모델링된 이미지들이 획득된다. 레티클의 타겟 피처들의 복수의 실제 이미지들을 획득하기 위해 검사 툴이 이용된다. 모델링된 이미지들 및 실제 이미지들은 모델링된 이미지들 및 실제 이미지들의 이미지 특성들에 기초하여 복수의 빈(bin)들로 비닝(binned)되며, 각각의 빈의 이미지 특성들 중 적어도 일부는 동일한 방식으로 레티클 상의 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받는다. 빈들 중 적어도 하나로부터의 모델링된 이미지들 및 실제 이미지들은 레티클에 대한 피처 특징 균일도 맵(feature characteristic uniformity map)을 생성하도록 분석된다.

하나의 양태에서, 각각의 빈에 대한 피처 특징 균일도 맵은 각각의 빈에 대한 임계 치수 균일도(Critical Dimension Uniformity; CDU) 맵이다. 추가적인 양태에서, 각각의 모델링된 이미지는 CD 값을 갖는 타겟 피처 및 주변 영역를 포함하고, 각각의 모델링된 이미지는 검사 툴의 광학 특성들 중 적어도 일부를 통합한다. 또 다른 양태에서, 각각의 빈은 해당 빈의 피처들의 CD 값들에 대해 거의 일정한 CD 오차(CD error)를 포함하는 모델링된 이미지들을 포함하고, 각각의 빈의 CD 오차 변동량(CD error variation)은 CDU 측정에 대한 정확도 요건의 30% 미만이다. 다른 실시예에서, 각각의 모델링된 이미지 및 실제 이미지는 대응하는 피처 이미지 및 상기 대응하는 피처 이미지로부터 검사 툴의 점 확산 함수(point-spread-function)의 10배의 거리 내에 있는 이미지 영역을 포함하는 크기를 가질 수 있다. 또 다른 구현예에서, 이미지 특성들은 다음 특징들 중 하나 이상을 포함한다: 기울기, 형상, 크기, 밝기, 색상, 질감, 관성 모멘트, 콘텍스트, 다른 피처들에 대한 근접성 또는 인접성, 투명도/불투명도, 또는 각각의 이미지에 대해 푸리에 변환 또는 다른 이미지 분석 기술을 수행한 결과 값들. 추가적인 양태에서, 비닝은 제일먼저 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받지 않는 하나 이상의 이미지 특성들에 기초하여 모델링된 이미지들 및 실제 이미지들을 복수의 제1 빈으로 정렬(sort)하고, 그 후에 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받는 하나 이상의 이미지 특성들에 기초하여 각각의 제1 빈의 모델링된 이미지들 및 실제 이미지들을 복수의 제2 빈으로 정렬함으로써 달성된다.

대안적인 실시예에서, 비닝은 주성분 분석(principal component analysis; PCA)을 사용하여 비닝에서 어떤 이미지 특성들을 사용할지를 결정하는 것을 포함한다. 다른 양태에서, 비닝은 이미지 특성들의 상대적 광학 효과에 기초하여 이미지 특성들에 가중치를 부여하는 것을 포함한다. 추가적인 실시예에서, 비닝은 국부 민감성 해싱(locality-sensitive hashing) 프로세스를 이용하는 것을 포함한다. 대안적으로, 비닝은 파티셔닝(partitioning) 또는 응집화(agglomeration) 유형 클러스터링 프로세스를 사용하는 것을 포함한다.

다른 구현예에서, 방법은 (i) 각각의 빈으로부터의 모델링된 이미지들 및 실제 이미지들을 분석하여 각각의 빈에 대한 피처 특징 균일도 맵을 생성하는 단계, (ii) 피처 특징 균일도 맵들 중 적어도 일부를 분석하여 레티클이 규격 내에 있는지 여부를 결정하는 단계, (ⅲ) 레티클이 규격 내에 있지 않다고 결정되면 레티클을 수리 또는 폐기하는 단계, 및 (ⅳ) 레티클이 규격 내에 있다고 결정되면 레티클을 사용하는 단계를 포함한다. 추가적인 양태에서, 피처 특징 균일도 맵들 중에서 규격 밖에 있고 미리 정의된 시그너처와 연관된 특정 피처 특징 균일도 맵에 기초하여 근본 원인이 결정된다.

대안적인 실시예에서, 본 발명은 포토리소그래피 레티클을 검사하기 위한 검사 시스템에 관한 것이다. 시스템은 입사빔을 생성하고 이 입사빔을 레티클 상에 조사(direct)시키는 조명 광학장치와, 입사빔에 응답하여 레티클로부터 실제 이미지들을 검출하는 출력 광학장치를 포함한다. 시스템은 상술한 동작들 중 하나 이상을 개시하도록 구성된 적어도 하나의 프로세서 및 적어도 하나의 메모리를 더 포함한다. 다른 실시예들에서, 본 발명은 상술한 동작들 중 적어도 일부를 수행하기 위한 명령어들이 저장되어 있는 컴퓨터 판독가능 매체에 관한 것이다.

본 발명의 이러한 양태들 및 다른 양태들이 도면을 참조하여 이하에서 더 설명된다.

도 1은 본 발명의 하나의 실시예에 따른 CDU 맵 생성 프로시저를 나타내는 흐름도이다.
도 2a는 본 발명의 하나의 실시예에 따른 3개의 기본 속성들의 함수로서의 신호 데이터세트의 플롯이다.
도 2b는 본 발명의 특정 구현예에 따라 도 3a의 3차원 데이터세트에 대한 3개의 고유벡터들을 도시한다.
도 3은 본 발명의 하나의 실시예에 따른 CDU 맵 분석 프로시저를 나타내는 흐름도이다.
도 4는 본 발명의 기술들이 구현될 수 있는 예시적인 검사 시스템의 개략도이다.
도 5a는 특정 실시예들에 따라 마스크 패턴을 포토마스크로부터 웨이퍼 상으로 전사(transfer)시키기 위한 리소그래피 시스템의 간략화된 개략도이다.
도 5b는 특정 실시예들에 따른 포토마스크 검사 장치의 개략도를 제공한다.

이하의 설명에서는, 본 발명의 완전한 이해를 제공하기 위해 많은 특정 세부사항들이 진술된다. 본 발명은 이러한 특정 세부사항의 일부 또는 전부없이 실시될 수 있다. 다른 경우들에서, 본 발명을 불필요하게 애매모호하게 하지 않도록 하기 위해, 잘 알려진 프로세스 동작들은 상세하게 기술되지 않는다. 본 발명은 특정 실시예들과 관련하여 설명될 것이지만, 본 발명을 이러한 실시예들로 제한하려는 의도는 없다는 것을 이해할 것이다.

본 발명의 특정 실시예들은 결함들을 검출하거나, 또는 보다 구체적으로, 레티클 피처들의 임계 치수(CD)와 같은 특징들의 변동량을 검출하기 위해 레티클을 검사하기 위한 기술 및 시스템을 제공한다. 하기의 예시적인 실시예들은 레티클에 관하여 기술되었지만, 임의의 적절한 유형의 샘플(예를 들어, 웨이퍼)이 그러한 기술 또는 시스템을 사용하여 모니터링될 수 있다. 추가적으로, 다음의 예시적인 실시예들은 CD 변동량 외에, 높이 균일도, 측벽 각도 균일도, 표면 거칠기 균일도, 펠리클 투과율 균일도(pellicle transmissivity uniformity), 석영 투과율 균일도 등과 같은 다른 샘플 특징들의 모니터링에 적용될 수 있다.

"레티클"이라는 용어는 일반적으로, 유리, 붕규산 유리, 석영, 또는 불투명 물질층이 형성되어 있는 용융 실리카와 같은 투명 기판을 포함한다. 불투명(또는 실질적으로 불투명한) 물질은 포토리소그래피 광(예를 들어, 딥 UV)을 완전히 또는 부분적으로 차단하는 임의의 적절한 물질을 포함할 수 있다. 예를 들어, 크롬, 몰리브덴 실리사이드(MoSi), 탄탈륨 실리사이드, 텅스텐 실리사이드, OMOG(opaque MoSi on glass) 등이 포함된다. 불투명 층과 투명 기판 사이에 폴리실리콘 막이 또한 추가되어 접착력을 향상시킬 수 있다. 몰리브덴 산화물(MoO₂), 텅스텐 산화물(WO₂), 티타늄 산화물(TiO₂), 또는 크롬 산화물(CrO₂)과 같은 저 반사막이 불투명 물질 위에 형성될 수 있다.

레티클이라는 용어는 비제한적인 예시로서, 명시야(clear-field) 레티클, 암시야(dark-field) 레티클, 바이너리 레티클, 위상 시프트 마스크(phase-shift mask; PSM), 교번 PSM, 감쇠 또는 하프톤 PSM, 삼원 감쇠 PSM, 및 무 크롬 위상 리소그래피 PSM을 비롯한 상이한 유형들의 레티클들을 가리킨다. 명시야 레티클은 투명한 필드 또는 배경 영역을 갖고, 암시야 레티클은 불투명한 필드 또는 배경 영역을 갖는다. 바이너리 레티클은 투명하거나 불투명한 패터닝된 영역들을 갖는 레티클이다. 예를 들어, 크롬 금속 흡착막에 의해 정의된 패턴을 갖는 투명한 용융 실리카 블랭크로 제조된 포토마스크가 사용될 수 있다. 바이너리 레티클은 위상 시프트 마스크(PSM)와는 다른데, 그 한가지 유형은 광을 부분적으로만 투과시키는 막을 포함할 수 있으며, 이러한 레티클들은 하프톤 또는 임베디드 위상 시프트 마스크(embedded phase-shift mask; EPSM)로 통칭될 수 있다. 위상 시프팅 물질이 레티클의 교호하는 비어있는 공간들 상에 배치되면, 이 레티클을 교번 PSM, ALT PSM, 또는 레벤슨(Levenson) PSM이라고 부른다. 임의의 레이아웃 패턴에 적용되는 한가지 유형의 위상 시프팅 물질을 감쇠 또는 하프톤 PSM이라고 불리우는데, 이것은 불투명 물질을 부분적 투과성이거나 또는 "하프톤" 막으로 대체함으로써 제조될 수 있다. 삼원 감쇠 PSM은 완전히 불투명한 피처들도 포함하는 감쇠 PSM이다.

일반적으로, 불투명하고, 흡수성이며, 부분적으로 불투명한 위상 시프팅 물질은 임계 치수(CD) 폭으로 설계되고 형성되는 패턴 구조물들 내에 형성되며, 이 CD 폭은 또한 CD를 갖는 구조물들 사이에 비어있는 공간을 또한 초래한다. 특정 CD 값은 일반적으로, 포토리소그래피 프로세스에서 웨이퍼에 특정 레티클 피처가 전사되는 방법에 영향을 줄 수 있으며, 이러한 CD는 이러한 전사 프로세스를 최적화하기 위해 선택된다. 달리 말하면, 특정 레티클 피처의 CD 값이 규정된 CD 범위 내에 있으면, 그러한 CD 값은 회로 설계자가 의도한 바와 같은 결과적인 집적 회로의 적절한 동작을 허용하는 대응하는 웨이퍼 피처의 제조를 초래할 것이다. 피처들은 일반적으로, 집적된 칩 면적을 보존하기 위해 연산 회로들을 초래하는 최소 치수로 형성된다.

새롭게 제조된 레티클은 CD(또는 다른 막 또는 패턴 특징) 결함 문제들을 포함할 수 있다. 예를 들어, 레티클은 마스크 기록기 스와스 오차(mask writer swath error)와 같은 결함성 CD 영역을 가질 수 있다. 레티클은 또한 여러가지 상이한 방식으로 시간의 경과에 따라 손상될 수 있다. 제1 퇴화 예시에서, 포토리소그래피 노광 프로세스는 레티클의 불투명 물질의 물리적 퇴화를 초래할 수 있다. 예를 들어, 레티클에 사용되는 193㎚의 고출력 딥 자외선(UV) 빔과 같은 고출력 빔은 레티클 상의 불투명 물질에 대해 물리적으로 손상을 줄 수 있다. 손상은 또한 248㎚ UV 빔과 같은 다른 파장들에 의해 야기될 수 있다. 사실상, UV 빔은 레티클 상의 불투명 패턴을 물리적으로 침몰시켜서 피처들을 평평하게 만들 수 있다. 결과적으로, 불투명 피처들은 원래의 CD 폭과 비교해 볼 때, 상당히 더 큰 CD 폭을 가질 수 있는 반면에, 이러한 불투명 피처들 사이의 간격은 원래의 CD 폭과 비교해 볼 때, 훨씬 더 작은 CD 폭을 가질 수 있다. 다른 유형의 CD 퇴화는 레티클 피처들(MoSi)과, 노광, 세정 프로세스, 오염물 등과의 화학적 반응에 의해 유발될 수 있다. 이러한 물리적 영향은 또한 시간의 경과에 따라 레티클의 임계 치수(CD)에 역효과를 줄 수 있다.

이러한 퇴화의 결과로서, 피처 CD 값들은 레티클에 걸쳐 CD 균일도에 영향을 미치고 웨이퍼 수율에 악영향을 미칠 수 있도록 상당히 변경될 수 있다. 예를 들어, 마스크 부분에서의 마스크 피처 폭은 원래의 라인 폭 CD보다 상당히 더 클 수 있다. 예를 들어, 레티클의 중심이 레티클의 가장자리들과는 상이한 CD를 갖는 방사형 패턴의 CD 비균일성이 있을 수 있다.

캘리포니아주의 밀피타스에 있는 KLA Tencor 회사의 급속 시스템(Rapid System) 상에서 이용가능한 mCDU와 같은 특정한 이전 CDU 기술은 마스크 설계 데이터베이스에서 쿼시(quasi) 1D 피처들(예컨대, 라인)을 찾아서 이 피처들을 라인 유형에 기초하여 상이한 빈들로 그룹화하여 작동한다. 예를 들어, 불투명 라인들은 반투명 라인들과는 별개로 그룹화될 수 있다. 각각의 빈 내에서, 각각의 라인으로부터의 캡처된 광학 이미지의 폭이 측정되고, 그런 후 CD 균일도 정보를 획득하기 위해 서로 비교된다.

이 mCDU 접근법은 캡처된 이미지들에서의 광학 근접 효과를 고려하지 않는다. 광학 이미지들은 각자의 인접한 피처들에 의해 영향을 받기 때문에 마스크 상의 동일한 패턴들은 반드시 정확히 동일한 광학 이미지들을 생성할 필요가 없다. 예를 들어, 웨이퍼 상에 프린트된 패턴을 변경하는 것은 물론, 대응하는 광학 이미지들에서의 변경을 야기시키도록 광학 근접 보정 마크들이 설계된다. 추가적으로, 빽빽하게 패키지화된 패턴들은 서로의 광학 이미지에 영향을 줄 수 있다. 어떤 경우들에서는, mCDU는 진보된 로직 플레이트들의 복잡성을 처리하지 못할 수 있으며, 그 결과로서, mCDU 결과들의 상당 부분이 실제로 광학 근접 효과로 인해 야기된 아티팩트(artifact)들로부터 비롯될 수 있는 반면, 진성 마스크 CDU 시그너처는 특정 관찰가능 아티팩트에 숨겨져 있다. 요컨대, 광학 근접 효과는 특정 라인들에 대한 CD의 부정확한 측정을 초래할 수 있으며, 심지어 인접한 피처들로부터 예를 들어, 수 ㎚ 이하의 작은 부정확성이 비롯되더라도 CD 측정 정확도에 용인할 수 없는 레벨을 초래할 수 있다.

이론적으로, 마스크 패턴의 모델링이 정확하다면, CDU 정보를 획득하기 위해 (캡처된) 광학 이미지와 (모델링된) 참조 이미지의 직접 비교가 수행될 수 있다. 그러나, 빠른 검사 시스템에서, 이미징 모델들은 일반적으로, 실시간 계산이 가능하도록 단순화된다. 이러한 스트림 라인 이미징 모델들은 결함 크기가 10㎚ 이상인 통상적인 결함 검출에는 충분하다. 그러나, 이러한 단순화된 모델들은 결함들이 약 0.5㎚ 미만인 경우(이는 현재의 설계에서 일상적으로 발견될 수 있다)에서 CDU 측정을 지원하기에 충분히 정확하지 않을 수 있다.

본 발명의 특정 기술들에서, 한정된, 그러나 실시간 방식으로 광학 근접 효과를 캡처하기 위해 모델링된 이미지가 사용되는 하이브리드 접근법이 사용될 수 있다. 하나의 예시에서, 광학 모델은 우선, 이러한 이미징된 피처들에 대해 상이한 광학 효과들을 갖는 레티클 상의 상이한 이웃들에 의해 둘러싸인 이미징된 피처들에 대해 상이한 이미지 특성들을 갖는 모델링된 이미지들을 생성하는데 사용될 수 있다. 피처들이 상이한 이웃들을 갖는지 여부를 모델이 설명할 수 있다하더라도, CD 측정에 여전히 근접 효과가 포함될 것이기 때문에 실제 CD 값은 알려지지 않는다. 그러나, 유사한 이웃들을 가진 타겟들은 유사한 이미지 특성들을 초래하는 경향이 있다. 유사한 이미징 특징들을 갖는 타겟들은 비닝(binning)되고, 그런 후 서브 비닝(sub-binning)될 것이며, 이미지들의 각각의 서브 빈은 이하에서 더 설명되는 바와 같이 함께 처리될 것이다. 각각의 서브 빈 내의 타겟 이미지들은 모두 이웃 피처들에 의해 야기된 동일한 부정확성을 가질 것이다. 따라서, 동일한 서브 빈 내의 CDU 차이는 근접 효과보다는, 상쇄되는 CDU 차이에 기인될 수 있다.

도 1은 본 발명의 하나의 실시예에 따른 CDU 맵 생성 프로시저(100)를 나타내는 흐름도이다. 초기에, 광학 타겟 이미지들이 설계 데이터베이스의 레티클 타겟으로부터 모델링될 수 있다(동작 102). 설계 데이터베이스는 일반적으로, 다이 투 데이터베이스(die-to-database) 결함 검사에서 이용가능할 것이며, 이는, 예를 들어, 레티클이 제조된 직후에 수행된다. 설계 데이터베이스 및/또는 모델링된 이미지들은 레티클 제조자에 의해 보유되는 것이 바람직하지만, 설계 데이터베이스는, 예를 들어, 디바이스들을 제조하기 위한 레티클의 사용 후에 레티클을 검사하기 위해 웨이퍼 제조 설비에서의 검사를 위해 이용가능하게 될 수도 있다.

임의의 적절한 모델이 설계 데이터베이스의 라인 피처들에 대한 광학 이미지들을 생성하는데 사용될 수 있다. 각각의 라인 피처 및 그 주변 이웃들 또는 배경의 모델링된 이미지 클립이 생성된다. 일반적으로, 모델은 레티클 이미지들을 획득하기 위해 실제 레티클 상에서 이용될 특정 이미징 툴의 광학 특성들을 시뮬레이션한다. 이미징 툴은, 일반적으로, 특정 표본쪽으로 조사되는 입사 전자기파들에 대한 응답으로 레티클 또는 다른 표본 유형으로부터 전자기파 신호들을 획득하도록 구성된다.

모델은 광학 이미지들이 레티클로부터 검색될 때 실시간 CDU 측정을 허용하도록 단순화되는 것이 바람직하다. 예를 들어, 모델링된 이미지들은 검사 툴에 의해 레티클의 이미지들이 획득되는대로 신속하게 생성된다. 달리 말하면, 모델은 반드시 각각의 서브 빈에 대해 정확한 CD를 생성하는 것은 아니지만, CD에서의 임의의 오차들은 각각의 서브 빈에 대해 거의 일정하다. 일반적으로, 모델은 너무 복잡하지 않도록 선택되며, 또한 각각의 빈에서 일정한 오차들을 초래하도록 또는 CDU 측정 정확도 요건에 비해 오차의 변동량이 작도록 선택된다. 예를 들어, 각각의 빈의 모델 오차 변동량은 CDU 측정 정확도 요건의 30% 미만이다. 어떤 의미에서, 모델은, 가능한 한 단순해지고, 근접 효과로 인한 오차를 용인하면서 각각의 서브 빈에 대해 정확한 CDU 측정을 여전히 초래하도록 선택된다. 예시적인 모델들은 KLA Tencor의 레티클 검사 시스템 등에서 사용되는 데이터베이스 렌더링 모델을 포함한다.

각각의 모델링된 이미지 클립은 바람직하게는, 특정 타겟 구조물 및 이러한 특정 타겟으로부터 특정 거리 내에 있는 그 주변 이웃들에 기초하여 생성된다. 클립의 크기는 타겟 및 이러한 타겟으로부터의 거리에 의존하며, 이 거리 내에서 임의의 이웃 구조물들은 결과적인 모델링된 타겟 이미지에 대해 광학 효과를 가질 가능성이 있거나 그럴 가능성이 높을 수 있다. 예를 들어, 이미지 클립은 피처와 임의의 이웃 피처들, 또는 피처로부터 이미징 시스템의 점 확산 함수의 10배인 거리 내에 있는 영역을 포함하도록 크기가 정해질 수 있다. 모델은 검사 툴 또는 모델링되는 어떠한 이미징 광학 툴에서 존재할 광학 효과들 중 적어도 일부를 포함할 것이다. 광학 모델링이 포토리소그래피 툴과 실질적으로 유사하다면, 모델링된 이미지는 그러한 레티클 타겟 패턴을 사용하여 반도체 웨이퍼 상에 프린트될 수 있는 웨이퍼 패턴과 유사할 것이다. 그러나, 고해상도 이미징 툴에서처럼 모델링된 광학장치의 해상도가 높으면, 모델링된 이미지에서 OPC 구조물들이 생성될 수 있다.

모델링된 타겟 이미지들(또는 클립들)은 각자의 이미지 특성들에 기초하여 빈들 및 서브 빈들로 그룹화될 수 있다(동작 103). 임의의 적절한 이미지 특성들이 모델링된 타겟 이미지들을 비닝하기 위해 사용될 수 있다. 예시적인 이미지 특성들은 기울기, 형상, 크기, 밝기, 색상, 질감, 관성 모멘트, 콘텍스트, 다른 피처들에 대한 근접성 또는 인접성, 투명도/불투명도, 또는 각각의 이미지에 대해 푸리에 변환 또는 다른 이미지 분석 기술을 수행한 결과 값들 등을 포함할 수 있다. 하나 이상의 변환들이 사용될 수 있으며, 이 변환들은, 비제한적인 예시로서, 이산 푸리에 변환(discrete Fourier transform; DFT), 이산 코사인 변환(discrete cosine transform; DCT), 웨이블릿 변환 등을 포함할 수 있다. 예를 들어, 이미지 클립들은 제일먼저, 이웃 피처들에 의해 야기된 광학 효과들과는 반드시 관련이 있는 것은 아닌 라인 유형 또는 다른 이미지 특성들에 기초하여 빈들로 그룹화될 수 있으며, 그 후, 각각의 빈은 피처 형상과 같은, 이웃 피처들에 의해 야기된 광학 효과들과 관련된 다른 피처들에 의해 서브 빈들로 그룹화될 수 있다. 광학 효과들을 야기시키는 상이한 이웃 피처들과 관련된 이미지 특성들은 서브 비닝 프로세스에 통합되어 상이한 이웃들을 가진 타겟 구조물들이 상이한 서브 빈들로 서브 비닝되도록 한다.

특정 예시에서, 그 후 각각의 서브 빈은 형상이 타겟 이미지들을 비닝하는데 사용되는 경우 동일한 형상을 갖는 피처들을 포함할 것이다. 다른 예시에서, 각각의 빈에서의 이미지들은, 각각의 서브 빈이 동일한 푸리에 변환 계수(예를 들어, 피크(peak)의 수, 피크의 위치, 진폭 값 등)를 초래하는 이미지들을 포함하도록, 각각의 이미지의 푸리에 변환 계수에 기초하여 서브 비닝될 수 있다. 타겟 및 이웃 구조물들 및 배경 모두를 포함하는 이미지 클립들은 또한 대안적으로 타겟의 기울기의 양에 기초하여 서브 비닝될 수 있다. 특정 이웃 구조물들은 특정 방식으로 타겟의 기울기 또는 경사가 변경되게 할 수 있다.

하나의 특정 실시예에서, 클러스터링 프로세스는 이미지 클립들을 빈들 또는 서브 빈들로 그룹화하는데 사용된다. 예를 들어, 각각의 2차원 클립은 기울기 값 등과 같이 상술한 다양한 이미지 값들을 포함하는 1차원 특징 벡터로 변환된다. 그 후, 특징 벡터들은 파티셔닝 또는 병합 유형 프로세스, 예컨대, K 평균(K-means) 클러스터링, 스펙트럼 클러스터링, 평균 이동 클러스터링, 가우시안 혼합 모델(gaussian mixture model; GMM) 등과 같은 임의의 적절한 클러스터링 알고리즘을 사용하여 유사도에 대해 분석된다.

자동화된 피처 추출 기술들의 예시로는 주성분 분석(Principal Component Analysis; PCA), 독립 성분 분석(Independent Component Analysis; ICA), 로컬 선형 임베딩(Local Linear Embedding; LLE) 알고리즘 등이 있다. 응용예의 특정 요건들에 기초하여 임의의 개수의 주성분들이 선택될 수 있다. 예를 들어, PCA를 통해 결정된 최초 30~40개의 주성분들이 사용될 수 있다. 바람직한 실시예에서, 10개 내지 20 개의 주성분들이 활용된다. 또 다른 예시에서, 커널 PCA, ICA 또는 LLE와 같은 다른 특징 추출 툴로부터의 출력이 사용될 수 있다.

PCA 실시예에서, 추출된 특징은 상이한 좌표계로의 측정된 데이터세트의 변환 및 변환된 데이터세트가 가장 큰 변동량을 갖는 이러한 새로운 좌표계의 특정 차원(또는 방향 또는 투영 방향)의 선택에 대응하며, 이는 변경과 관련하여 최대 정보를 제공한다. 첫번째 주성분은 최대 변동량을 갖는 것으로 발견된 PCA 변환된 데이터세트의 변환된 방향 또는 차원에 대응한다. 두번째 주성분은 두번째로 큰 변동량을 갖는다.

도 2a는 본 발명의 하나의 실시예에 따른 3개의 기본 속성들의 함수로서의 신호 데이터세트의 플롯이다. 도시된 바와 같이, 샘플 데이터세트는 상이한 속성들에 해당하는 세 개의 차원들을 가지며, 데이터세트는 이들 상이한 속성들과 관련하여 플롯된다. 예를 들어, S1은 첫번째 속성에 대응하고, S2는 두번째 속성에 대응하며, S3은 세번째 속성에 대응한다.

데이터세트는 상이한 속성들에 관한 이미지 특성들에 대응하는 데이터 점들(예를 들어, 202a, 202b)을 포함한다. 도시된 예에서, 속성(S1)은 모든 데이터 점들에 대한 상수 값과 관련된다. 즉, 데이터세트는 S1 차원에 수직인 평면에 있다. 하나의 응용예에서, S1은 상이한 이미지들에 대한 임의의 측정된 이미지 특성 변동량을 초래시키지 않는 속성을 나타낼 수 있다.

도 2b는 본 발명의 특정 구현예에 따라 도 2a의 3차원 데이터세트에 대한 3개의 고유벡터들을 도시한다. 도시된 바와 같이, 데이터세트는 3개의 고유벡터들, 즉 ev1(210a), ev2(210b) 및 ev3(210c)를 갖는다. 고유벡터들 각각은 또한 이러한 고유벡터에 관한 데이터세트의 분산(variance)의 양에 대응하는 고유값을 갖는다. 예를 들어, 주 고유벡터 ev1(210a)는 최대 데이터세트 분산과 관련된다. 대조적으로, 고유벡터 ev2(210b)는 상당히 적은 데이터세트 분산을 가지며, 고유벡터 ev3(210c)는 제로 데이터세트 분산을 갖는다. 최고 데이터세트 분산에 대응하는 최상위 고유값들이 선택되어, 기본 성분들 및 계수들을 결정하는데 이용될 수 있다. 고유값들은 대응하는 고유벡터들의 세기를 결정한다. 상대적 고유값 세기는 비닝 또는 서브 비닝을 위해 사용하는 속성들(또는 이미지 특성들)의 가중치를 결정하는데 사용될 수 있다.

임의의 유사한 이미지 속성들이 또한 자카드(Jaccard) 유사도 계수와 같은 임의의 적절한 유사도 메트릭(similarity metric)을 사용하여 함께 선택적으로 그룹화될 수 있다. 즉, 속성 데이터세트는 속성들 간의 유사도를 측정하기 위해 사전처리될 수 있고, 유사한 속성들은 유사도의 레벨에 기초하여 함께 그룹화될 수 있다. 이 사전처리는 사용자 클러스터링에서 사용되는 데이터세트의 차원을 감소시킨다. 자카드 계수는 유한 샘플 세트들 간의 유사도를 측정하며, 샘플 세트들 A와 B의 교집합의 크기를 그 합집합의 크기로 나눈 값으로서 정의된다:

예를 들어, 데이터세트를 분석할 때, 가장 가까운 이웃 구조물의 거리가 유사한 방식으로 타겟 이미지에 영향을 미치는 가장 가까운 이웃의 크기와 너무 강하게 상관되었다는 것이 밝혀지면, 이들 두 개의 속성들은 새로운 단일 조인트 속성으로 결합될 수 있다.

하나의 기술에서, 각각의 이미지의 속성들은 스케일링되고 다중 바이트 정수로 매핑된다. 먼저, 각각의 속성 유형의 속성 카테고리들에 스케일링된 숫자 값들이 할당될 수 있다. 예를 들어, 이웃 존재 속성은 두 개의 가능한 값들, 즉 존재 또는 부존재를 가지며, 이들에는 각각 1 또는 0 값이 할당될 수 있다. 다른 예시에서, 그레이스케일 카테고리는 타겟 이미지 또는 이미지 클립의 상이한 그레이스케일 범위들(또는 세기 평균들)에 대해 상이한 빈들을 가질 수 있으며, 이 범위들은 0에서 1까지의 값들이 할당될 수 있다. 단순화된 예시에서, 가장 어두운 이미지에는 0의 값이 할당될 수 있고, 다음으로 가장 어두운 범위에는 0.25의 값이 할당될 수 있고, 중간 범위에는 0.5의 값이 할당될 수 있고, 두번째로 높은 범위에는 0.75의 값이 할당될 수 있으며, 가장 높은 범위에는 1의 값이 할당된다.

각각의 데이터세트에 대한 속성값들에 값들이 할당된 후에는 이 값들에 가중치를 적용할 수 있다. 예를 들어, 제1 속성은 제2 속성에 대한 상관의 10배로 광학 효과와 상관될 수 있다. 제1 속성은 10의 가중치를 부여받을 수 있고, 제2 속성은 1의 가중치를 부여받는다. 대안적으로, 상이한 이미지들의 속성들에 대한 거리 계산에 가중치들이 적용될 수 있다.

그 후, 각각의 데이터세트는 고유한 다중 바이트 정수값으로 변환될 수 있다. 속성들을 다중 바이트 정수값들에 매핑하는 한가지 기술은 유사하거나 공유된 속성들을 가진 이미지들을 찾는 것을 용이하게 해줄 수 있는, 국부 민감성 해싱(locality-sensitive hashing; LSH) 기술이다. 그 후, 클러스터 평가 메트릭을 최대화함으로써 이미지들을 서브 빈들로 병합하기 위해 제2 클러스터링 프로세스가 수행될 수 있다. 일반적으로, 유사한 속성 데이터를 갖는 클러스터들을 찾아서 병합하는데 비지도(unsupervised) 기계 학습 알고리즘이 사용될 수 있다. 대안적인 실시예들에서, 파티셔닝 유형 클러스터링 알고리즘이 각각의 빈을 최종 세트의 서브 빈들로 파티셔닝하는데 사용될 수 있다. 클러스터링 예시들은 임의의 적절한 파티션 또는 응집 기반 모델들을 포함할 수 있다.

응집 클러스터링 접근법에서, 각각의 빈에서의 이미지들의 근접도 매트릭스(proximity matrix)가 결정될 수 있다. 근접도 매트릭스는 일반적으로, 각각의 이미지 쌍의 속성 세트들 간의 거리를 규정한다. 하나의 실시예에서, 각각의 이미지에 대한 속성 데이터 세트들은 전술한 바와 같이 가중화 정수 또는 비트값들로 변환될 수 있다. 그 후, 각각의 이미지에 대한 변환되고 가중화된 속성 데이터 세트들은 초기 그룹들 간의 거리를 결정하기 전에 위에서 설명한 대로 해싱될 수 있다. 각각의 이미지에 대한 해시값들은 이미지 쌍의 대응하는 데이터 점들 간의 거리를 결정하는데 사용될 수 있다. 예를 들어, 각자의 바이트값들에서의 단일 비트에 의해 달라지는 두 개의 이미지들의 데이터 점들은 각자의 시그너처들이 단일 비트만에 의해 달라지기 때문에 1의 해밍 거리(h)를 갖는다. 해밍 거리(h) 및 시그너처 비트 길이(b)에 기초하여, 코사인 유사도는 다음과 같은 방법으로 이들 해시값들에 기초하여 결정될 수 있다:

가장 가까운 두 개의 이미지들은 새롭거나 또는 기존의 서브 빈으로 병합될 수 있다. 예를 들어, 가장 큰 유사도를 갖는 두 개의 이미지들이 새로운 서브 빈으로 함께 병합될 수 있다. 그 후, 근접도 매트릭스가 업데이트될 수 있다. 상이한 이미지들 및 대응하는 속성 데이터 세트들이 새로운 서브 빈들에 할당되기 때문에, 근접도 매트릭스는 그러한 이미지들 간의 임의의 적절한 거리 측정에 기초될 수 있다. 예를 들어, 두 개의 서브 빈들 간의 거리는 두 개의 서브 빈들의 가장 가까운 두 개의 속성 세트들 간의 거리(단일 링크), 두 개의 서브 빈들의 가장 멀리있는 두 개의 속성 세트들 간의 거리(완전 링크), 서브 빈 데이터 세트들 간의 평균 거리, 평균 또는 가장 대표적인 속성 데이터 세트(예를 들어, 센트로이드(centroid) 또는 메도이드(medoid)) 간의 거리 등으로서 정의될 수 있다.

두 개의 클러스터들을 병합하여 새로운 클러스터가 형성된 후, 클러스터링 프로세스를 중지할지 여부를 결정할 수 있다. 클러스터링이 중지되지 않는 경우, 다음으로 가장 인접한 다른 두 개의 클러스터들이 새로운 클러스터 또는 기존 클러스터로 병합될 수 있고, 근접도 매트릭스가 업데이트된다. 그렇지 않은 경우, 클러스터링 프로세스는 중지된다.

클러스터링 결과들의 "양호성(goodness)"을 결정하기 위한 임의의 적절한 인자에 기초하여 클러스터 프로세스가 중지될 수 있다. 특정 예시에서, 어떤 이미지들이 동일한 광학 효과를 갖는지가 알려진 "골든 표준(golden standard)" 이미지 세트로부터 "양호성" 클러스터링 평가 메트릭이 결정될 수 있다. 골든 표준 이미지 세트뿐만이 아니라, 다른 이미지들이 클러스터링 프로세스에 포함될 수 있으며, 골든 세트가 특정 정확성 레벨로 클러스터링되었다고 결정될 때 클러스터링 프로세스는 종료될 수 있다. 정확성에 대한 한가지 척도는 RAND 인덱스이다.

각각의 서브 빈으로부터의 타겟 이미지들이 근접 효과로 인해 오차를 포함하는 것으로 끝날 수 있다 하더라도, 동일한 서브 빈에서의 이미지들은 모두 일반적으로 동일한 양만큼 잘못될 수 있다. 예를 들어, 각각의 서브 빈은 유사한 이웃들을 갖는 이미지들을 포함할 것이고, 이로써 유사한 이미지 특징들을 초래할 것이다. 각각의 서브 빈은 레티클에 대해 매우 정확한 CDU 맵을 초래시키는 경향이 있다. 즉, 각각의 서브 빈에 대한 일정한 오차 편향은 그러한 서브 빈에 대한 정확한 CDU 측정을 초래할 것이다.

도 1을 다시 참조하면, 이미징 툴을 사용하여 실제 광학 타겟 이미지들이 레티클로부터 획득될 수 있다(동작 104). 레티클은 모델링된 타겟 이미지들이 획득되는 설계 데이터베이스에 기초하여 제조되었다. 실제 이미지들은 캘리포니아주의 밀피타스에 있는 KLA Tencor 회사로부터 입수가능한 Teron630과 같은 임의의 툴을 사용하여 획득될 수 있다. 그 후, 실제 타겟 이미지들은 각자의 이미지 특성들에 기초하여 빈들 및 서브 빈들로 그룹화될 수 있다(동작 106). 모델링된 타겟 이미지와 실제 타겟 이미지의 그룹화는 동일한 이미지 특성들을 이용하여 이러한 이미지들을 비닝하고 서브 비닝할 것이다.

그 후, CDU 맵이 각각의 서브 빈에 대해 생성될 수 있다(동작 108). 예를 들어, 해상도가 충분히 높으면 타겟 가장자리들 간의 거리를 분석하고 측정함으로써 각각의 타겟에 대해 CD를 측정할 수 있다. 대안적으로, 칼 이 헤스(Carl E. Hess) 등에 의해 2015년 3월 20일에 출원된 미국 특허 출원 제14/664,565호 및 루이 팡 스(Rui-fang Shi) 등에 의해 2014년 10월 6일에 출원된 미국 특허 출원 제14/390,834호에서 더 설명된 바와 같이, 참조 이미지와 실제 이미지 간의 세기 차이는 교정되고 CD 변동량으로로 변환될 수 있으며, 상기 출원들은 모든 목적을 위해 그 전체가 본원에 참고로 인용된다.

레티클이 본 명세서에서 추가로 기술된 규격 내에 있는지의 여부를 결정하기 위해 하나 이상의 CDU 맵들이 분석될 수 있다. 특정 상황에서는 하나의 맵으로도 충분할 수 있지만, 다른 특정 상황에서는 여러 맵들이 분석될 수 있다. 일부 맵들은 전체 레티클에 걸쳐 또는 각각의 다이에 걸쳐 분석하기에 충분한 타겟 이미지들을 포함할 것이다. 격리된 피처 대 격리되지 않은 피처와 같은, 상이한 유형들의 피처들에 대해서는 상이한 맵들이 더 중요할 수 있다. 일반적으로, 상이한 피처 유형들은 레티클에 대해 상이한 CDU 맵들을 초래시키는 경향이 있으며, 그 차이들은 CDU 변동의 근본 원인을 분석하는데 있어서 중요하다. 즉, 상이한 CDU 맵들은, 각각의 단일 CDU 맵과 비교하여, 상이한 유형들의 레티클 피처들 모두에 대한 더 많은 정보를 함께 제공한다.

CDU 맵의 실시예들은 임의의 적절한 형태를 취할 수 있다. 예를 들어, CDU 맵은 레티클의 각각 영역에 대한 평균 CD 변동량 값들의 리스트로서 텍스트로 표현될 수 있다. 각각의 평균 CD 변동량 값은 대응하는 레티클 영역 좌표와 함께 나열될 수 있다. CDU 맵은 또한 격자점 차이값들의 표준 편차 또는 분산과 같은 메트릭으로 표현될 수 있다. 대안적으로 또는 추가적으로, 상이한 CD 변동량 값들 또는 범위들이 다르게 채색된 레티클 영역들, 상이한 막대 그래프 높이, 상이한 그래프 값들, 또는 3차원 표현 등과 같은, 상이한 시각적 방법으로서 도시되도록, CDU 맵은 시각적으로 표현될 수 있다. CDU 맵은 상이한 격자점 샘플링 크기로 표현될 수 있거나, 또는 다항식 피팅(polynomial fit) 또는 푸리에 변환과 같은 상이한 함수 형태에 대한 피팅으로 표현될 수 있다.

이러한 CDU 맵들은 반도체 칩 제조자가 레티클의 사용으로 인해 발생할 프로세스 윈도우를 이해하는데 있어서 중요할 수 있다. CDU 맵은 칩 제조자가 레티클을 사용할지 여부를 결정하게 하거나, 리소그래피 프로세스에서 오차에 대한 보상을 적용하게 하거나, 개선된 다음번째 레티클을 형성하도록 레티클의 제조를 개선시키게 할 수 있다. CDU 맵은 제조 결함성 영역들을 검출하기 위해 새롭게 제조된 레티클에 대해 생성되고 분석될 수 있거나, 또는 피처 변경을 모니터링하고/모니터링하거나 열화를 검출하기 위해 포토리소그래피 프로세스에서 1회 이상 사용된 레티클 상에서 수행될 수 있다.

도 3은 본 발명의 하나의 실시예에 따른 CDU 맵 분석 프로시저(300)를 나타내는 흐름도이다. 초기에, 상이한 서브 빈들에 대한 복수의 CDU 맵들이 획득될 수 있다(동작 302). 예를 들어, 도 1과 관련하여 위에서 심화적으로 설명된 바와 같이 실질적으로 유사한 이미지 특성들을 갖는 서브 빈들에 대한 CDU 맵이 획득된다.

그 후, CDU 맵들 중 어느 것이라도 규격 밖에 있는지 여부를 결정할 수 있다(동작 304). 예를 들어, 특정 레티클 영역에 대한 임의의 CDU 변동량이 미리 정의된 임계값 위에 있는지의 여부가 결정될 수 있다. CDU 변동량이 미리 정의된 임계값 위에 있지 않으면, 레티클은 웨이퍼를 제조하는데 사용될 수 있다(동작 305).

CDU 변동량이 미리 정의된 임계값 위에 있는 경우, 근본 원인으로서 관련 프로세스 또는 패턴에 대응하는 각각의 규격 외 CDU 맵에 대한 공통 시그너처가 획득될 수 있다(동작 308). CDU 맵은, 예를 들어, 크롬, MoSi, 펠리클, 세정 유형 저하와 같은, 레티클 제조/프로세스 문제 또는 시간 경과에 따른 레티클의 저하에 의해 유발되는, 레티클 상의 문제 영역들을 추적하는데 사용될 수 있다. 달리 말하면, 특정 규격 외 CDU 맵은 이전에 특정 근본 원인과 연관되었던 특정 시그너처를 가질 수 있다. 예를 들어, 레티클 또는 레티클 프로세스의 이전 검사 및 분석은 근본 원인 문제 및 관련 CDU 시그너처들을 밝혀낼 수 있다.

도시된 예시를 다시 참조하면, 그 후 레티클 패턴 또는 프로세스가 근본 원인인지 여부를 결정할 수 있다(동작 310). 예를 들어, CDU 맵이 더티 펠리클(dirty pellicle)과 같은 특정 근본 원인과 연관된 시그너처를 갖는지 여부가 결정될 수 있다. 레티클 패턴이 근본 원인인 경우, 레티클이 수리가능한지 여부가 결정될 수 있다(동작 314). 레티클이 수리불가능한 경우, 레티클은 폐기될 수 있다(그리고 새로운 레티클이 제조됨)(동작 318). 그렇지 않은 경우, 레티클이 수리된다(동작 316). 예를 들어, 특정 결함들이 레티클로부터 세정될 수 있다. 예로서, 펠리클이 세정되거나 교체될 수 있거나, 여분의 레티클 부분들이 에칭되거나 제거될 수 있다. 수리 후, 수리된 레티클에 대해 새로운 검사가 수행될 수 있으며, CDU 맵을 생성하고 분석하는 프로시저가 반복될 수 있다. 수리된 레티클이 규격 내에 있으면, 수리된 레티클은 웨이퍼를 제조하는데 사용될 수 있다(동작 305). 대안적인 예에서, 예컨대, 동작 317에서, 도즈(dose) 또는 초점(focus)을 수정하고, 및 동작 305에서 레티클과 함께 새로운 처리가 이용됨으로써, 규격 외 레티클을 보상하도록 리소그래피 프로세스가 조정될 수 있다. 한편, 레티클을 제조하는 프로세스가 근본 원인인 경우, 레티클 제조 프로세스가 조정될 수 있다(그리고 레티클은 폐기되고 새로운 레티클이 제조됨)(동작 312).

검사 동안, 광학 검사 툴을 사용하여 레티클의 패치들의 복수의 패치 이미지들이 획득될 수 있다. 이미지 취득 동안, 복수의 패치 이미지들이 각각의 다이에 대해 획득된다. 상기 예에서, 다이 투 데이터베이스가 사용된다. 다른 예시적인 다이 투 다이 검사 접근법에서, 다이들 사이에 다이 등가 패치들을 초래하도록 이미지 패치들이 획득되거나 또는 정의되며, 다이 등가 패치들은 CD 결함들 또는 CD 변동량을 검출하도록 처리된다.

이미지들은 레티클의 다이들의 세트의 각각의 다이의 패치 영역들로부터 획득될 수 있다. 달리 말하면, 레티클의 각각의 다이의 각각의 패치에 걸쳐 입사 광학 빔이 스캐닝될 때 반사광 또는 투과광 또는 반사광과 투과광 둘 다를 검출하고 수집하도록 검사 툴이 동작가능할 수 있다. 입사 광학 빔은 복수의 패치들을 각각 포함하는 레티클 스와스(reticle swath)를 스캐닝할 수 있다. 광은 각각의 패치의 복수의 점들 또는 서브영역들로부터의 이 입사 빔에 응답하여 수집된다.

검사 툴은, 일반적으로, 이러한 검출된 광을 세기값들에 대응하는 검출된 신호들로 변환하도록 동작할 수 있다. 검출된 신호들은 레티클의 상이한 위치들에서의 상이한 세기값들에 대응하는 진폭값들을 갖는 전자기파의 형태를 취할 수 있다. 검출된 신호들은 또한 세기값들 및 연관된 레티클 점 좌표들의 간단한 리스트의 형태를 취할 수 있다. 검출된 신호들은 또한 레티클 상의 상이한 위치들 또는 스캔점들에 대응하는 상이한 세기값들을 갖는 이미지의 형태를 취할 수 있다. 레티클 이미지는 레티클의 모든 위치들이 스캐닝되고 광이 검출된 후에 생성될 수 있거나, 또는 각각의 레티클 부분이 스캐닝될 때 레티클 이미지의 일부가 생성될 수 있다.

각각의 세기 데이터 세트는 레티클의 "스와스"에 대응할 수 있다. 각각의 세기 데이터 세트는 레티클로부터의 스와스들을 구불구불한 패턴 또는 래스터 패턴으로 순차적으로 스캐닝함으로써 획득될 수 있다. 예를 들어, 제1 세트의 세기 데이터를 얻기 위해, 레티클 부분의 제1 스와스가 광학 검사 시스템의 광학 빔에 의해 양의 x 방향으로 좌측에서 우측으로 스캐닝된다. 그 다음, 레티클은 빔에 대해 y방향으로 이동된다. 그 다음, 제2 세트의 세기 데이터를 얻기 위해 음의 x 방향으로 제2 스와스가 우측에서 좌측으로 스캐닝된다. 스와스들은 다이들의 바닥 행으로부터 다이들의 최상위 행을 거쳐 순차적으로 스캐닝되거나 그 반대로 스캐닝된다.

패치들은, 예를 들어, 다이 정렬(die alignment)과 같은 추가적인 처리 단계들 동안 유효 패치 이미지의 크기의 침식을 허용하기 위해 중첩되는 경향이 있다. 세기 데이터는 각각의 스와스의 각각의 패치에서 복수의 점들에 대해 수집될 수 있다. 스와스의 스캐닝이 다이 행에 대해 동일한 y 부분에 걸쳐 스위핑(sweep)하도록 정렬되면, 스캐닝된 각각의 스와스는 그러한 다이들이 동일한 경우 복수의 다이들로부터의 다이 등가 패치들을 포함한다. 즉, 각각의 다이의 패치들은 스와스가 획득되는 다른 다이의 패치들 각각과 동일한 참조 위치에 대해 위치된다. 그러나, 두번째 다이 행의 스캐닝된 스와스들은 첫번째 다이 행에 대해 등가 패치들을 가질 수 없다. 하나의 구현예에서, 단일 스와스만의 다이 등가 패치들은 함께 처리될 수 있거나, 또는 상이한 행들에 있는 다이들에 대해 다이 등가 패치들을 달성하도록 하는 처리를 위해 상이한 다이 행들의 스와스들과 패치들의 일정 부분들이 선택될 수 있다.

제2 구현예에서, 각각의 다이 행에 대한 스와스들이 다이들에 대해 유사한 방식으로 위치되도록 상이한 다이 행들에 대한 이미지 스와스들이 획득된다. 상이한 다이 행들을 스캔하는 방법에 관계없이, 정렬 프로세스를 사용하여 테스트 다이 패치와 참조 다이 패치 간에 진성 다이 등가 패치들을 달성할 수 있다. 모든 다이들(또는 선택적으로 단지 2개 이상의 다이들)에 대해 이미지들이 획득된 후, 각각의 다이 이미지는 검사 프로세스를 수행하기 전에 다른 다이 이미지에 대해 정렬될 수 있다. 예를 들어, 각각의 테스트 다이 이미지는 대응하는 참조 다이 이미지와 정렬될 수 있다.

통합된 세기값과 같은, 이미지 특징에 대한 통합된 값이 각각의 패치(또는 다중 패치들)에 대해 결정될 수 있다. 특정 구현예들에서, 반사되고/반사되거나 투과된 평균 또는 중간 세기값이 각각의 패치에 대해 또는 둘 이상의 패치들의 세트에 대해 결정될 수 있다. 반사광에 대응하는 세기값들은 또한 각각의 패치에 대한 반사 및 투과 평균 세기값을 결정하기 전 또는 후에 투과광에 대한 세기값과 결합될 수 있다. 예를 들어, 반사된 및 투과된 세기값들의 평균이 각각의 패치의 점들 또는 픽셀들에 대해 결정될 수 있다. 대안적으로, 이러한 평균들은 패치의 반사된 및 투과된 세기값들에 대해 개별적으로 계산될 수 있다. 각각의 패치에 대한 개별적으로 계산된 반사된 평균 및 투과된 평균이 또한 함께 결합되거나 또는 평균화될 수 있다.

대안적인 실시예에서, 각각의 패치에 대한 통합된 세기값은 레티클 검사 동안 검출된 반사광, 투과광, 또는 이들 모두에 기초하여 생성될 수 있다. 하나의 예시에서, 반사된(R) 및 투과된(T) 값들은 (T-R)/2에 의해 결합될 수 있다. 반사된 신호는 일반적으로 투과된 신호와는 반대 부호를 갖는다. 따라서, T 신호와 R 신호를 감산하는 것은 신호들을 함께 가산하는 것이다. 노이즈 소스들은 T와 R에 대해 상이하기 때문에, 노이즈는 결합된 신호에서 평균화되는 경향이 있다. R 및/또는 T 값들에 대한 다른 가중치가 연관된 장점들을 갖는 패치에 대한 통합된 세기값들을 생성하는데 사용될 수 있다. 일부 경우들에서, 특정 영역들에 대한 R 및 T 신호들은 반대 부호가 아닌, 동일한 부호를 가질 수 있는데, 이는 결과들이 관련 지역들에서 일치하지 않으며 신뢰할 수 없음을 나타낼 수 있다. 따라서, R과 T의 조합은 그러한 영역들에서 다운 가중화(down-weighted)될 수 있거나, 또는 신뢰도가 불충분한 경우 연산으로부터 제거될 수 있다.

본 발명의 기술들은 하드웨어 및/또는 소프트웨어의 임의의 적절한 조합으로 구현될 수 있다. 도 4는 본 발명의 기술들이 구현될 수 있는 예시적인 검사 시스템(400)의 개략도이다. 검사 시스템(400)은 검사 툴 또는 스캐너(도시 생략)로부터 입력(402)을 수신할 수 있다. 검사 시스템(400)은 또한 설계 데이터베이스에 기초하여 레티클의 이미지들을 모델링하는 모델로부터 입력(402)을 수신할 수 있다(또는 시스템(400)은 설계 데이터베이스를 수신하고 그런 다음 이러한 모델링된 이미지들을 생성할 수 있다). 검사 시스템은, 또한 수신된 입력(402)을 분배하기 위한 데이터 분배 시스템(예를 들어, 404a, 404b), 수신된 입력(402)의 특정 부분들/패치들을 처리하기 위한 세기 신호(또는 패치) 처리 시스템(예를 들어, 패치 프로세서 및 메모리(406a, 406b), ΔCD 맵을 생성하기 위한 맵 생성기 시스템(예를 들어, 맵 생성기 프로세서 및 메모리(412)), 검사 시스템 컴포넌트들 간의 통신을 가능하게 하는 네트워크(예를 들어, 스위치드 네트워크(408)), 선택적 대용량 저장 디바이스(416), 및 맵을 검토하기 위한 하나 이상의 검사 제어 및/또는 검토 스테이션들(예를 들어, 410)을 포함할 수 있다. 검사 시스템(400)의 각각의 프로세서는, 일반적으로, 하나 이상의 마이크로프로세서 집적 회로를 포함할 수 있고, 또한 인터페이스 및/또는 메모리 집적 회로를 포함할 수 있으며, 추가적으로 하나 이상의 공유 및/또는 글로벌 메모리 디바이스들에 결합될 수 있다.

입력 데이터(402)를 생성하기 위한 스캐너 또는 데이터 취득 시스템(도시되지 않음)은 레티클의 세기 신호 또는 이미지를 획득하기 위한 (예를 들어, 본원에서 더 설명된 바와 같은) 임의의 적절한 기구의 형태를 취할 수 있다. 예를 들어, 스캐너는, 반사되거나, 투과되거나, 또는 그렇지 않고 하나 이상의 광 센서에 조사되는 검출된 광의 부분에 기초하여, 레티클의 일부의 광학 이미지를 구축하거나 또는 레티클의 일부의 세기값들을 생성할 수 있다. 그 후, 스캐너는 세기값들을 출력할 수 있거나, 또는 이미지가 스캐너로부터 출력될 수 있다.

레티클은 일반적으로 복수의 패치 부분들로 분할되며, 이 패치 부분들로부터 다중점들로부터의 복수의 세기값들이 획득된다. 레티클의 패치 부분들은 이 세기 데이터를 획득하기 위해 스캐닝될 수 있다. 패치 부분들은 특정 시스템 및 응용예 요건에 따라 임의의 크기 및 형상을 가질 수 있다. 일반적으로, 각각의 패치 부분에 대한 복수의 세기값들이 임의의 적절한 방식으로 레티클을 스캐닝함으로써 획득될 수 있다. 예로서, 각각의 패치 부분에 대한 복수의 세기값들은 레티클을 래스터 스캐닝함으로써 획득될 수 있다. 대안적으로, 이미지들은 원형 또는 나선형 패턴과 같은 임의의 적절한 패턴으로 레티클을 스캐닝함으로써 획득될 수 있다. 물론, 레티클로부터 원형 또는 나선형 형상을 스캐닝하기 위해 스캐닝 동안 센서들은 다르게(예를 들어, 원형 패턴으로) 배열되어야 할 수 있고/있거나 레티클은 다르게(예를 들어, 회전되어) 이동될 수 있다.

아래에 예시된 예시에서, 레티클이 센서를 지나감에 따라, 레티클의 직사각형 영역(이하, "스와스)"라고 칭함)으로부터 광이 검출되고, 이러한 검출된 광은 각각의 패치 내의 복수의 점들에서 복수의 세기값들로 변환된다. 이 실시예에서, 스캐너의 센서들은 레티클로부터 반사되고/반사되거나 투과된 광을 수신하고 이로부터 레티클의 패치들의 스와스에 대응하는 세기 데이터 세트를 생성하기 위해 직사각형 패턴으로 배열된다. 특정 예시에서, 각각의 스와스는 약 1백만개 픽셀 폭과 약 1000개 내지 2000개 픽셀 높이를 가질 수 있는 반면에, 각각의 패치는 약 2000개 픽셀 폭과 1000개 픽셀 높이를 가질 수 있다.

각각의 패치의 세기값들은 임의의 적절한 방식으로 설정된 광학 검사 툴을 사용하여 획득될 수 있다. 광학 툴은 일반적으로 세기값들을 획득하기 위한 상이한 검사 실행들에 대해 실질적으로 동일한 "레시피" 또는 동작 파라미터들의 세트로 설정된다. 레시피 설정은 특정 패턴으로 레티클을 스캐닝하기 위한 설정, 픽셀 크기, 단일 신호로부터 인접한 신호들을 그룹화하기 위한 설정, 초점 설정, 조명 또는 검출 개구 설정, 입사 빔 각도 및 파장 설정, 검출기 설정, 반사광 또는 투과광의 양에 대한 설정, 에어리얼(aerial) 모델링 파라미터 중 하나 이상을 포함할 수 있다.

세기 또는 이미지 데이터(402)는 네트워크(408)를 통해 데이터 분배 시스템에 의해 수신될 수 있다. 데이터 분배 시스템은 수신된 데이터(402)의 적어도 일부를 홀딩하기 위해, RAM 버퍼와 같은, 하나 이상의 메모리 디바이스들과 연관될 수 있다. 바람직하게는, 전체 메모리는 데이터의 전체 스와스를 홀딩하도록 충분히 크다. 예를 들어, 1 기가바이트의 메모리는 1백만 x 1000개의 픽셀들 또는 점들인 스와스에 대해 잘 작동한다.

데이터 분배 시스템(예컨대, 404a, 404b)은 또한 프로세서들(예컨대, 406a, 406b)에 대한 수신된 입력 데이터(402)의 부분들의 분배를 제어할 수 있다. 예를 들어, 데이터 분배 시스템은 제1 패치에 대한 데이터를 제1 패치 프로세서(406a)로 라우팅할 수 있고, 제2 패치에 대한 데이터를 패치 프로세서(406b)로 라우팅할 수 있다. 복수의 패치들에 대한 복수의 데이터 세트들이 또한 각각의 패치 프로세서로 라우팅될 수 있다.

패치 프로세서들은 레티클의 적어도 일부분 또는 패치에 대응하는 세기값들 또는 이미지를 수신할 수 있다. 패치 프로세서들은 각각, 수신된 데이터 부분을 홀딩하는 것과 같은 로컬 메모리 기능들을 제공하는 DRAM 디바이스들과 같은 하나 이상의 메모리 디바이스들(도시되지 않음)에 결합되거나 또는 이와 통합될 수 있다. 바람직하게는, 메모리는 레티클의 패치에 대응하는 데이터를 홀딩하기에 충분히 크다. 예를 들어, 8메가바이트의 메모리는 512 x 1024개의 픽셀들인 패치에 대응하는 이미지 또는 세기값들에 대해 잘 작동한다. 패치 프로세서들은 또한 메모리를 공유할 수 있다.

입력 데이터(402)의 각각의 세트는 레티클의 스와스에 대응할 수 있다. 하나 이상의 데이터 세트가 데이터 분배 시스템의 메모리에 저장될 수 있다. 이 메모리는 데이터 분배 시스템 내의 하나 이상의 프로세서들에 의해 제어될 수 있고, 메모리는 복수의 파티션들로 분할될 수 있다. 예를 들어, 데이터 분배 시스템은 스와스의 일부분에 대응하는 데이터를 제1 메모리 파티션(도시되지 않음) 내로 수신할 수 있고, 데이터 분배 시스템은 다른 스와스에 대응하는 다른 데이터를 제2 메모리 파티션(도시되지 않음) 내로 수신할 수 있다. 바람직하게는, 데이터 분배 시스템의 각각의 메모리 파티션들은 그러한 메모리 파티션과 관련된 프로세서에 라우팅될 데이터 부분만을 홀딩한다. 예를 들어, 데이터 분배 시스템의 제1 메모리 파티션은 제1 데이터를 홀딩하여 이것을 패치 프로세서(406a)에 라우팅할 수 있고, 제2 메모리 파티션은 제2 데이터를 홀딩하여 이것을 패치 프로세서(406b)에 라우팅할 수 있다.

검출된 신호들은 또한 에어리얼(aerial) 이미지의 형태를 취할 수 있다. 즉, 에어리얼 이미징 기술은 웨이퍼 상에 노광되는 포토레지스트 패턴의 에어리얼 이미지를 생성하기 위해 포토리소그래피 시스템의 광학 효과를 시뮬레이션하는데 사용될 수 있다. 일반적으로, 포토리소그래피 툴의 광학장치는 레티클로부터의 검출된 신호들에 기초하여 에어리얼 이미지를 생성하도록 에뮬레이트된다. 에어리얼 이미지는 포토리소그래피 광학장치 및 레티클을 통과하여 웨이퍼의 포토레지스트 층 상에 도달한 광으로부터 생성된 패턴에 대응한다. 추가적으로, 특정 유형의 포토레지스트 물질에 대한 포토레지스트 노광 프로세스가 또한 에뮬레이트될 수 있다.

입사광 또는 검출된 광은 임의의 적절한 입사각에서 임의의 입사광 또는 검출된 광 프로파일을 생성하기 위해 임의의 적절한 공간적 개구(aperture)를 통과할 수 있다. 예로서, 프로그램가능한 조명 또는 검출 개구들은 다이폴(dipole), 쿼드라폴(quadrapole), 퀘이사(quasar), 환형 등과 같은 특정 빔 프로파일을 생성하기 위해 이용될 수 있다. 특정 예에서, 소스 마스크 최적화(Source Mask Optimization; SMO) 또는 임의의 픽셀화 조명 기술이 구현될 수 있다.

데이터 분배 시스템은 데이터의 임의의 적절한 파라미터에 기초하여 데이터의 각각의 데이터 세트를 정의하고 분배할 수 있다. 예를 들어, 데이터는 레티클 상의 패치의 대응하는 위치에 기초하여 정의되고 분배될 수 있다. 하나의 실시예에서, 각각의 스와스는 스와스 내의 픽셀들의 수평 위치들에 대응하는 열(column) 위치들의 범위와 관련된다. 예를 들어, 스와스의 0번째 열 내지 256번째 열은 제1 패치에 대응할 수 있고, 이들 열들 내의 픽셀들은 하나 이상의 패치 프로세서들로 라우팅되는 제1 이미지 또는 세기값들의 세트를 포함할 것이다. 마찬가지로, 스와스의 257번째 열 내지 512번째 열은 제2 패치에 대응할 수 있고, 이들 열들 내의 픽셀들은 상이한 패치 프로세서(들)로 라우팅되는 제2 이미지 또는 세기값들의 세트를 포함할 것이다.

도 5a는 특정 실시예들에 따라 마스크 패턴을 포토마스크(M)로부터 웨이퍼(W) 상으로 전사시키기 위해 사용될 수 있는 일반적인 리소그래피 시스템(500)의 간략화된 개략도이다. 이러한 시스템들의 예시들로는 스캐너 및 스테퍼, 보다 구체적으로, 네덜란드 펠트호번에 있는 ASML로부터 입수가능한 TWINSCAN 시스템이 있다. 일반적으로, 조명 소스(503)는 광 빔을 조명 광학장치(507)(예를 들어, 렌즈(505))를 거쳐서 마스크 평면(502)에 위치한 포토마스크(M) 상에 조사시킨다. 조명 렌즈(505)는 상기 평면(502)에서 개구수(501)를 갖는다. 개구수(501)의 값은 포토마스크 상의 어느 결함들이 리소그래피에 있어서 중요한 결함들이며 어느 결함들이 그렇지 않은지에 영향을 미친다. 포토마스크(M)를 통과하는 빔의 일부는, 패턴 전사를 개시하기 위해, 이미징 광학장치(513)를 거쳐 웨이퍼(W) 상에 조사되는 패터닝된 광 신호를 형성한다.

도 5b는 특정 실시예들에 따라 레티클 평면(552)에서 상대적으로 큰 개구수(551b)를 갖는 이미징 렌즈를 포함하는 조명 광학장치(551a)를 갖는 예시적인 검사 시스템(550)의 개략도를 제공한다. 도시된 검사 시스템(550)은 향상된 검사를 위해, 예를 들어, 60~300배 이상의 배율을 제공하도록 설계된 확대 현미경 광학장치를 포함하는 검출 광학장치(553a, 553b)를 포함한다. 예를 들어, 검사 시스템의 레티클 평면(552)에서의 개구수(551b)는 리소그래피 시스템(500)의 레티클 평면(502)에서의 개구수(501)보다 상당히 클 수 있는데, 이는 테스트 검사 이미지들과 실제 인쇄된 이미지들 간의 차이를 초래할 것이다.

본 명세서에서 설명된 검사 기술들은 도 5b에서 개략적으로 도시된 것과 같은, 다양한 특수 구성된 검사 시스템 상에서 구현될 수 있다. 도시된 시스템(550)은 조명 광학장치(551a)를 거쳐서 레티클 평면(552) 내의 포토마스크(M) 상에 조사되는 광 빔을 생성하는 조명 소스(560)를 포함한다. 광 소스들의 예시들로는 레이저 또는 필터링된 램프가 포함된다. 하나의 예시에서, 상기 소스는 193㎚ 레이저이다. 전술한 바와 같이, 검사 시스템(550)은 대응 리소그래피 시스템의 레티클 평면 개구수(예를 들어, 도 5a에서의 엘리먼트(501))보다 클 수 있는 개구수(551b)를 레티클 평면(552)에서 가질 수 있다. 검사될 포토마스크(M)는 레티클 평면(552)에서 마스크 스테이지 상에 배치되어 광 소스에 노출된다.

마스크(M)로부터의 패터닝된 이미지는 패터닝된 이미지를 센서(554a) 상으로 투영하는 광학 엘리먼트(553a)의 집합체를 거쳐 조사된다. 반사 시스템에서, 광학 엘리먼트들(예를 들어, 빔 스플리터(576) 및 검출 렌즈(578))은 반사된 광을 센서(554b) 상에 조사시켜서 이를 캡처한다. 적절한 센서들로는 CCD(charged coupled device), CCD 어레이, TDI(time delay integration) 센서, TDI 센서 어레이, PMT(photomultiplier tube), 및 기타 센서들이 포함된다.

레티클의 패치들을 스캐닝하도록 임의의 적절한 메커니즘에 의해 조명 광학장치 열이 마스크 스테이지에 대해 이동될 수 있고/있거나 마스크 스테이지가 검출기 또는 카메라에 대해 이동될 수 있다. 예를 들어, 모터 메커니즘이 스테이지를 이동시키는데 이용될 수 있다. 모터 메커니즘은 예로서, 스크류 드라이브 및 스테퍼 모터, 피드백 위치를 갖는 선형 드라이브, 또는 밴드 액추에이터 및 스테퍼 모터로부터 형성될 수 있다.

각각의 센서(예컨대, 554a 및/또는 554b)에 의해 캡처된 신호들은 컴퓨터 시스템(573)에 의해 처리되거나, 또는 보다 일반적으로, 하나 이상의 신호 처리 디바이스들에 의해 처리될 수 있으며, 이 신호 처리 디바이스들은 각각의 센서로부터의 아날로그 신호들을 처리용 디지털 신호들로 변환시키도록 구성된 아날로그 디지털 컨버터를 각각 포함할 수 있다. 컴퓨터 시스템(573)은, 일반적으로, 적절한 버스들 또는 다른 통신 메커니즘들을 통해 입력/출력 포트들, 및 하나 이상의 메모리들에 결합된 하나 이상의 프로세서들을 갖는다.

컴퓨터 시스템(573)은 또한 초점 및 다른 검사 레시피 파라미터들을 변경하는 것과 같은, 사용자 입력을 제공하기 위한 하나 이상의 입력 디바이스들(예를 들어, 키보드, 마우스, 조이스틱)을 포함할 수 있다. 컴퓨터 시스템(573)은 또한, 예를 들어, 샘플 위치(예를 들어, 포커싱 및 스캐닝)를 제어하기 위해 스테이지에 연결되고, 이러한 검사 시스템 컴포넌트들의 다른 검사 파라미터들 및 구성들을 제어하기 위해 다른 검사 시스템 컴포넌트들에 연결될 수 있다.

컴퓨터 시스템(573)은 결과적인 세기값들, 이미지들, 및 다른 검사 결과들을 디스플레이하기 위한 사용자 인터페이스(예를 들어, 컴퓨터 스크린)를 제공하도록 (예를 들어, 프로그래밍 명령어들로) 구성될 수 있다. 컴퓨터 시스템(573)은 반사된 및/또는 투과된 감지된 광 빔의 세기 변경, 위상, 및/또는 다른 특징들을 분석하도록 구성될 수 있다. 컴퓨터 시스템(573)은 결과적인 세기값들, 이미지들, 및 다른 검사 특징들을 디스플레이하기 위한 사용자 인터페이스를 (예를 들어, 컴퓨터 스크린 상에) 제공하도록 (예를 들어, 프로그래밍 명령어들로) 구성될 수 있다. 특정 실시예들에서, 컴퓨터 시스템(573)은 전술한 검사 기술들을 수행하도록 구성된다.

이러한 정보 및 프로그램 명령어들은 특수하게 구성된 컴퓨터 시스템 상에서 구현될 수 있기 때문에, 그러한 시스템은 컴퓨터 판독가능 매체 상에 저장될 수 있는, 본 명세서에서 설명된 다양한 동작들을 수행하기 위한 프로그램 명령어들/컴퓨터 코드를 포함한다. 기계 판독가능 매체의 예시들로는, 비제한적인 예시로서, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체; CD-ROM 디스크와 같은 광학 매체; 광학 디스크와 같은 광자기 매체; 및 ROM(read-only memory device) 및 RAM(random access memory)과 같이, 프로그램 명령어들을 저장하고 수행하도록 특별히 구성된 하드웨어 디바이스들을 포함한다. 프로그램 명령어의 예시들로는 컴파일러에 의해 생성된 것과 같은 기계 코드와, 해석기를 사용하여 컴퓨터에 의해 실행될 수 있는 상위 레벨 코드를 포함하는 파일들 모두를 포함한다.

특정 실시예들에서, 포토마스크를 검사하기 위한 시스템은 본 명세서에서 설명된 기술들을 수행하도록 구성된 적어도 하나의 프로세서 및 적어도 하나의 메모리를 포함한다. 검사 시스템의 한가지 예시로는 캘리포니아주의 밀피타스에 있는 KLA Tencor로부터 입수가능한 특수하게 구성된 TeraScanTM DUV 검사 시스템이 포함된다.

상술한 발명이 이해의 명료화를 위한 목적으로 보다 자세히 설명되었지만, 특정 변경 및 수정이 첨부된 청구범위 내에서 실시될 수 있음이 명백할 것이다. 본 발명의 프로세스, 시스템, 및 장치를 구현하는 많은 대안적인 방법이 있다는 것을 유의해야 한다. 따라서, 본 실시예들은 제한적인 것으로서가 아닌 예시적인 것으로서 간주되어야 하며, 본 발명은 여기서 주어진 세부내용으로 제한되어서는 안된다.

Claims

포토리소그래피 레티클을 검사하는 방법에 있어서,
레티클을 제조하기 위한 설계 데이터베이스에 기초하여 상기 레티클의 복수의 타겟 피처(target feature)들의 모델링된 이미지들을 획득하는 단계;
검사 툴로부터, 상기 레티클의 상기 타겟 피처들의 복수의 실제 이미지들을 획득하는 단계;
상기 모델링된 이미지들 및 상기 실제 이미지들의 이미지 특성들에 기초하여 상기 모델링된 이미지들 및 상기 실제 이미지들을 복수의 빈(bin)들로 비닝(binning)하는 단계 - 각각의 빈의 상기 이미지 특성들 중 적어도 일부는 동일한 방식으로 상기 레티클 상의 상기 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받음 -; 및
상기 레티클에 대한 피처 특징 균일도 맵(feature characteristic uniformity map)을 생성하기 위해 상기 빈들 중 적어도 하나의 빈으로부터의 상기 모델링된 이미지들 및 상기 실제 이미지들을 분석하는 단계
를 포함하는 포토리소그래피 레티클 검사 방법.
제1항에 있어서,
각각의 빈에 대한 상기 피처 특징 균일도 맵은 각각의 빈에 대한 임계 치수 균일도(critical dimension uniformity; CDU) 맵인 것인 포토리소그래피 레티클 검사 방법.
제2항에 있어서,
각각의 모델링된 이미지는 CD 값을 갖는 타겟 피처 및 주변 영역을 포함하고, 각각의 모델링된 이미지는 상기 검사 툴의 광학 특성들 중 적어도 일부를 통합한 것인 포토리소그래피 레티클 검사 방법.
제3항에 있어서,
각각의 빈은 해당 빈의 피처들의 CD 값들에 대해 거의 일정한 CD 오차(CD error)를 포함하는 모델링된 이미지들을 포함하고, 각각의 빈의 CD 오차 변동량(CD error variation)은 CDU 측정에 대한 정확도 요건의 30% 미만인 것인 포토리소그래피 레티클 검사 방법.
제3항에 있어서,
각각의 모델링된 이미지 및 실제 이미지는 대응하는 피처 이미지, 및 상기 대응하는 피처 이미지로부터 상기 검사 툴의 점 확산 함수(point-spread-function)의 10배의 거리 내에 있는 이미지 영역을 포함하는 크기를 가질 수 있는 것인 포토리소그래피 레티클 검사 방법.
제3항에 있어서,
상기 이미지 특성들은 다음의 특징들, 즉, 기울기, 형상, 크기, 밝기, 색상, 질감, 관성 모멘트, 콘텍스트, 다른 피처들에 대한 근접성 또는 인접성, 투명도/불투명도, 또는 각각의 이미지에 대해 푸리에 변환 또는 다른 이미지 분석 기술을 수행한 결과 값들 중 하나 이상을 포함한 것인 포토리소그래피 레티클 검사 방법.
제6항에 있어서,
상기 비닝은, 제일먼저, 상기 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받지 않는 하나 이상의 이미지 특성들에 기초하여 상기 모델링된 이미지들 및 상기 실제 이미지들을 복수의 제1 빈들로 정렬(sort)하고, 그 후에 상기 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받는 하나 이상의 이미지 특성들에 기초하여 각각의 제1 빈의 상기 모델링된 이미지들 및 상기 실제 이미지들을 복수의 제2 빈들로 정렬함으로써 달성되는 것인 포토리소그래피 레티클 검사 방법.
제3항에 있어서,
상기 비닝은 주성분 분석(principal component analysis; PCA)을 사용하여 상기 비닝에서 어떤 이미지 특성들을 사용할지를 결정하는 것을 포함한 것인 포토리소그래피 레티클 검사 방법.
제8항에 있어서,
상기 비닝은 이미지 특성들의 상대적 광학 효과에 기초하여 상기 이미지 특성들에 가중치를 부여하는 것을 포함한 것인 포토리소그래피 레티클 검사 방법.
제8항에 있어서,
상기 비닝은 국부 민감성 해싱(locality-sensitive hashing) 프로세스를 이용하는 것을 포함한 것인 포토리소그래피 레티클 검사 방법.
제8항에 있어서,
상기 비닝은 파티셔닝(partitioning) 또는 응집(agglomeration) 타입 클러스터링 프로세스를 이용하는 것을 포함한 것인 포토리소그래피 레티클 검사 방법.
제1항에 있어서,
각각의 빈에 대한 피처 특징 균일도 맵을 생성하기 위해 상기 빈들 각각으로부터의 상기 모델링된 이미지들 및 상기 실제 이미지들을 분석하는 단계;
상기 피처 특징 균일도 맵들 중 적어도 일부를 분석하여 상기 레티클이 규격 내에 있는지 여부를 결정하는 단계;
상기 레티클이 규격 내에 있지 않는다고 결정되면 상기 레티클을 수리하거나 또는 폐기하는 단계; 및
상기 레티클이 규격 내에 있다고 결정되면 상기 레티클을 사용하는 단계
를 더 포함하는 포토리소그래피 레티클 검사 방법.
제12항에 있어서,
상기 피처 특징 균일도 맵들 중에서 규격 밖에 있고 미리 정의된 시그너처와 연관된 특정 피처 특징 균일도 맵에 기초하여 근본 원인을 결정하는 단계
를 더 포함하는 포토리소그래피 레티클 검사 방법.
포토리소그래피 레티클을 검사하는 검사 시스템에 있어서,
입사빔을 생성하고 이 입사빔을 레티클을 향해 조사(direct)하기 위한 조명 광학장치;
상기 입사빔에 응답하여 상기 레티클로부터 실제 이미지들을 검출하는 출력 광학장치; 및
아래의 동작들을 개시하도록 구성된 적어도 하나의 프로세서 및 적어도 하나의 메모리
를 포함하고, 상기 동작들은,
레티클을 제조하기 위한 설계 데이터베이스에 기초하여 상기 레티클의 복수의 타겟 피처(target feature)들의 모델링된 이미지들을 획득하는 동작;
상기 검사 시스템을 이용하여 상기 레티클의 상기 타겟 피처들의 복수의 실제 이미지들을 획득하는 동작;
상기 모델링된 이미지들 및 상기 실제 이미지들의 이미지 특성들에 기초하여 상기 모델링된 이미지들 및 상기 실제 이미지들을 복수의 빈(bin)들로 비닝(binning)하는 동작 - 각각의 빈의 상기 이미지 특성들 중 적어도 일부는 동일한 방식으로 상기 레티클 상의 상기 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받음 -; 및
상기 레티클에 대한 피처 특징 균일도 맵(feature characteristic uniformity map)을 생성하기 위해 상기 빈들 중 적어도 하나의 빈으로부터의 상기 모델링된 이미지들 및 상기 실제 이미지들을 분석하는 동작
을 포함한 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제14항에 있어서,
각각의 빈에 대한 상기 피처 특징 균일도 맵은 각각의 빈에 대한 임계 치수 균일도(CDU) 맵인 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제15항에 있어서,
각각의 모델링된 이미지는 CD 값을 갖는 타겟 피처 및 주변 영역을 포함하고, 각각의 모델링된 이미지는 상기 검사 툴의 광학 특성들 중 적어도 일부를 통합한 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제16항에 있어서,
각각의 빈은 해당 빈의 피처들의 CD 값들에 대해 거의 일정한 CD 오차(CD error)를 포함하는 모델링된 이미지들을 포함하고, 각각의 빈의 CD 오차 변동량(CD error variation)은 CDU 측정에 대한 정확도 요건의 30% 미만인 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제16항에 있어서,
각각의 모델링된 이미지 및 실제 이미지는 대응하는 피처 이미지, 및 상기 대응하는 피처 이미지로부터 상기 검사 툴의 점 확산 함수(point-spread-function)의 10배의 거리 내에 있는 이미지 영역을 포함하는 크기를 가질 수 있는 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제16항에 있어서,
상기 이미지 특성들은 다음의 특징들, 즉, 기울기, 형상, 크기, 밝기, 색상, 질감, 관성 모멘트, 콘텍스트, 다른 피처들에 대한 근접성 또는 인접성, 투명도/불투명도, 또는 각각의 이미지에 대해 푸리에 변환 또는 다른 이미지 분석 기술을 수행한 결과 값들 중 하나 이상을 포함한 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제19항에 있어서,
상기 비닝은, 제일먼저, 상기 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받지 않는 하나 이상의 이미지 특성들에 기초하여 상기 모델링된 이미지들 및 상기 실제 이미지들을 복수의 제1 빈들로 정렬(sort)하고, 그 후에 상기 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받는 하나 이상의 이미지 특성들에 기초하여 각각의 제1 빈의 상기 모델링된 이미지들 및 상기 실제 이미지들을 복수의 제2 빈들로 정렬함으로써 달성되는 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제16항에 있어서,
상기 비닝은 주성분 분석(principal component analysis; PCA)을 사용하여 상기 비닝에서 어떤 이미지 특성들을 사용할지를 결정하는 것을 포함한 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제21항에 있어서,
상기 비닝은 이미지 특성들의 상대적 광학 효과에 기초하여 상기 이미지 특성들에 가중치를 부여하는 것을 포함한 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제21항에 있어서,
상기 비닝은 국부 민감성 해싱(locality-sensitive hashing) 프로세스를 이용하는 것을 포함한 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제21항에 있어서,
상기 비닝은 파티셔닝(partitioning) 또는 응집(agglomeration) 타입 클러스터링 프로세스를 이용하는 것을 포함한 것인 포토리소그래피 레티클을 검사하는 검사 시스템.
제14항에 있어서,
각각의 빈에 대한 피처 특징 균일도 맵을 생성하기 위해 상기 빈들 각각으로부터의 상기 모델링된 이미지들 및 상기 실제 이미지들을 분석하는 동작;
상기 피처 특징 균일도 맵들 중 적어도 일부를 분석하여 상기 레티클이 규격 내에 있는지 여부를 결정하는 동작;
상기 레티클이 규격 내에 있지 않는다고 결정되면 상기 레티클을 수리하거나 또는 폐기하는 동작; 및
상기 레티클이 규격 내에 있다고 결정되면 상기 레티클을 사용하는 동작
을 더 포함하는 포토리소그래피 레티클을 검사하는 검사 시스템.
제25항에 있어서,
상기 피처 특징 균일도 맵들 중에서 규격 밖에 있고 미리 정의된 시그너처와 연관된 특정 피처 특징 균일도 맵에 기초하여 근본 원인을 결정하는 동작
을 더 포함하는 포토리소그래피 레티클을 검사하는 검사 시스템.
아래의 동작들을 수행하기 위한 명령어가 저장되어 있는 컴퓨터 판독가능 매체에 있어서, 상기 동작들은,
레티클을 제조하기 위한 설계 데이터베이스에 기초하여 상기 레티클의 복수의 타겟 피처(target feature)들의 모델링된 이미지들을 획득하는 동작;
검사 툴로부터, 상기 레티클의 상기 타겟 피처들의 복수의 실제 이미지들을 획득하는 동작;
상기 모델링된 이미지들 및 상기 실제 이미지들의 이미지 특성들에 기초하여 상기 모델링된 이미지들 및 상기 실제 이미지들을 복수의 빈(bin)들로 비닝(binning)하는 동작 - 각각의 빈의 상기 이미지 특성들 중 적어도 일부는 동일한 방식으로 상기 레티클 상의 상기 타겟 피처들의 하나 이상의 이웃 피처들에 의해 영향을 받음 -; 및
상기 레티클에 대한 피처 특징 균일도 맵(feature characteristic uniformity map)을 생성하기 위해 상기 빈들 중 적어도 하나의 빈으로부터의 상기 모델링된 이미지들 및 상기 실제 이미지들을 분석하는 동작
을 포함한 것인 컴퓨터 판독가능 매체.