KR20170124578A - 검사와 계측을 위한 방법 및 장치 - Google Patents

검사와 계측을 위한 방법 및 장치 Download PDF

Info

Publication number
KR20170124578A
KR20170124578A KR1020177027774A KR20177027774A KR20170124578A KR 20170124578 A KR20170124578 A KR 20170124578A KR 1020177027774 A KR1020177027774 A KR 1020177027774A KR 20177027774 A KR20177027774 A KR 20177027774A KR 20170124578 A KR20170124578 A KR 20170124578A
Authority
KR
South Korea
Prior art keywords
metrology
data
measurement
substrate
parameters
Prior art date
Application number
KR1020177027774A
Other languages
English (en)
Inventor
에버하르두스 코르넬리스 모스
벨실라바 안젤로바 이그나토바
에릭 옌센
마이클 쿠비스
후베르투스 요하네스 거트루두스 시몬스
벌지 피터 텐
에릭 요하네스 마리아 발러보스
요헴 세바스티안 빌덴베르그
Original Assignee
에이에스엠엘 네델란즈 비.브이.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에이에스엠엘 네델란즈 비.브이. filed Critical 에이에스엠엘 네델란즈 비.브이.
Priority to KR1020207023202A priority Critical patent/KR102377411B1/ko
Publication of KR20170124578A publication Critical patent/KR20170124578A/ko

Links

Images

Classifications

    • 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
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—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
    • 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
    • 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
    • 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
    • G03F7/70633—Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
    • 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
    • G03F9/00—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G03F9/70—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
    • G03F9/7003—Alignment type or strategy, e.g. leveling, global alignment
    • G03F9/7023—Aligning or positioning in direction perpendicular to substrate surface
    • G03F9/7034—Leveling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G03F9/00—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G03F9/70—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
    • G03F9/7003—Alignment type or strategy, e.g. leveling, global alignment
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps

Abstract

측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성에 관하여, 측정된 데이터에 근사되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법을, 기판 전역의 측정 데이터에 대해 평가하는 단계, 및 상기 파라미터가 임계치를 넘어가는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 식별하는 단계를 포함하는, 방법.

Description

검사와 계측을 위한 방법 및 장치
관련 출원에 대한 상호 참조
본 출원은 2015 년 4 월 10 일에 출원된 US 출원 번호 제 62/146,123 의 우선권을 주장하며, 이것은 그 전체 내용이 원용되어 본원에 통합된다.
본 발명은 계측 타겟으로부터 캡쳐된 측정된 방사선 분포에 있는 오차의 정정을 위한 방법 및 장치에 관한 것이다.
리소그래피 장치는 기판 상에, 통상적으로는 기판의 타겟 영역 상에 원하는 패턴을 부여하는 장치이다. 리소그래피 장치는 예컨대 집적회로(IC) 또는 다른 디바이스의 제조 시에 사용될 수 있다. 그 경우, 집적회로의 개개의 층 상에 형성될 회로 패턴을 생성하기 위해 마스크 또는 레티클(reticle)로도 지칭되는 패터닝 장치가 사용될 수 있다. 이러한 패턴은 기판(예를 들어, 실리콘 웨이퍼) 상의 타겟부(예를 들어, 다이의 일부, 하나 또는 몇몇 다이들을 포함) 상으로 전사될 수 있다. 패턴의 전사는 통상적으로 기판 상에 제공된 방사선-감응재(레지스트)층 상으로의 이미징(imaging)을 통해 수행된다. 일반적으로, 단일 기판은 연속적으로 패터닝되는 인접한 타겟 영역들의 네트워크를 포함할 것이다. 공지된 리소그래피 장치는, 한 번에 타겟부 상으로 전체 패턴을 노광함으로써 각 타겟부가 조사(irradiate)되는 이른바 스테퍼, 및 주어진 방향("스캐닝" 방향)으로 방사 빔을 통해 패턴을 스캔하는 동시에 이러한 방향에 평행 또는 반-평행하게 기판을 스캔함으로써 각 타겟부가 조사되는 이른바 스캐너를 포함한다. 또한, 기판 상에 패턴을 임프린트(imprint)함으로써 패터닝 장치로부터 기판으로 패턴을 전사할 수도 있다.
반도체 디바이스와 같은 디바이스를 제조하는 것은, 통상적으로 여러 제조 프로세스를 사용하여 기판(예를 들어, 반도체 웨이퍼)을 처리하여 디바이스의 다양한 피쳐 및 다수의 층을 형성하는 것을 수반한다. 이러한 층 및 피쳐는 통상적으로, 예를 들어 증착, 리소그래피(이것은 통상적으로 기판 상에 배치된 방사선-감응 레지스트로 패턴을 전사하는 것을 수반함), 에칭, 화학-기계적 연마, 및 이온 주입을 사용하여 제작되고 처리된다. 다수의 디바이스는 기판 상의 복수 개의 다이 위에 제작된 후 개개의 디바이스로 분할될 수 있다.
프로세스를 모니터링하고 제어하기 위하여 디바이스 제조 프로세스중의 다양한 단계에서 계측 프로세스가 사용된다. 예를 들어, 계측 프로세스는 기판의 하나 이상의 특성, 예컨대 프로세스 중에 기판 상에 형성되는 피쳐들의 상대 위치(예를 들어, 오버레이, 정렬 등) 또는 치수(예를 들어, 선폭, 임계 치수, 두께 등)를 측정하기 위해 사용됨으로써, 이러한 프로세스의 성능이 이러한 하나 이상의 특성으로부터 결정될 수 있게 한다. 하나 이상의 특성이 수락불가능하다면(예를 들어, 해당 특성(들)에 대한 미리 결정된 범위 밖이면), 해당 프로세스에 의해 제조되는 추가적 기판이 수락가능한 특성(들)을 가지도록, 이러한 하나 이상의 특성의 측정이 하나 이상의 파라미터를 변경시키기 위해 사용될 수 있다.
그러므로, 디바이스 제조 프로세스가 가능해지게 하기 위한 중요한 양태들은, 프로세스 자체를 개선하는 것, 이것을 모니터링 및 제어를 위해 셋업하는 것 및 이제 해당 프로세스 자체를 실제로 모니터링하고 제어하는 것을 포함한다. 디바이스 제조 프로세스의 근본의 구성을 가정하면(패터닝 디바이스 패턴(들), 레지스트 타입(들), 사후-리소그래피 프로세스 단계(현상, 에칭 등과 같음) 등과 같음), 패턴을 기판 상에 전사하기 위해 리소그래피 장치를 셋업하고, 프로세스를 모니터링하기 위한 계측 타겟을 현상하며, 계측 타겟을 측정하기 위해 계측 프로세스를 셋업한 후, 프로세스를 측정에 기초하여 모니터링 및 제어하는 프로세스를 구현하는 것이 바람직하다.
일 양태에서, 시뮬레이션을 수행하여 복수 개의 계측 타겟 및/또는 계측 타겟을 측정하기 위하여 사용되는 복수 개의 계측 레시피를 평가하는 단계; 평가된 복수 개의 계측 타겟 및/또는 계측 레시피 중에서 하나 이상의 계측 타겟 및/또는 계측 레시피를 식별하는 단계; 하나 이상의 식별된 계측 타겟 및/또는 계측 레시피의 측정 데이터를 수신하는 단계; 및 측정 데이터를 사용하여, 시뮬레이션의 계측 타겟 파라미터 또는 계측 레시피 파라미터를 튜닝하는 단계를 포함하는 방법이 제공된다.
일 양태에서, 각각 복수 개의 계측 레시피에서 측정되는, 복수 개의 상이한 계측 타겟의 측정 데이터를 수신하는 단계; 및 측정 데이터를 사용하여 계측 타겟을 측정하기 위해 사용되는 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 평가하기 위해 사용되는 시뮬레이션의 하나 이상의 파라미터를 검증하는 단계를 포함하는 방법이 제공된다.
일 양태에서, 기대된 프로세스 상태를 고려하면서 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 시뮬레이션하는 단계; 시뮬레이션된 복수 개의 계측 타겟 및/또는 레시피 중에서 하나 이상의 계측 타겟 및/또는 레시피를 식별하는 단계; 하나 이상의 식별된 계측 타겟 및/또는 레시피의 측정 데이터를 수신하는 단계; 및 측정 데이터를 사용하여 기대된 프로세스 상태를 검증하는 단계를 포함하는 방법이 제공된다.
일 양태에서, 시뮬레이션을 수행하여 계측 타겟을 측정하기 위하여 사용되는 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 평가하고, 계측 타겟 및/또는 계측 레시피 중 하나 이상의의 성능을 나타내는 파라미터를 결정하는 단계; 평가된 복수 개의 계측 타겟 및/또는 계측 레시피 중에서 하나 이상의 계측 타겟 및/또는 계측 레시피를 식별하는 단계; 하나 이상의 식별된 계측 타겟 및/또는 계측 레시피의 측정 데이터를 수신하는 단계; 및 측정 데이터 및 파라미터에 기초하여, 식별된 하나 이상의 계측 타겟 및/또는 계측 레시피 중 하나 이상의 계측 타겟 및/또는 계측 레시피를 선택하는 단계를 포함하는 방법이 제공된다.
일 양태에서, 시뮬레이션을 수행하여 계측 타겟을 측정하기 위하여 사용되는 복수 개의 계측 타겟 및 복수 개의 계측 레시피를 평가하는 단계; 평가된 복수 개의 계측 타겟 및 계측 레시피 중에서 계측 타겟 및 계측 레시피의 하나 이상의 조합을 식별하는 단계; 식별된 하나 이상의 조합 중 하나 이상의 계측 레시피에 기초하여, 식별된 하나 이상의 조합 중의 하나 이상의 계측 타겟에 대한 복수 개의 계측 레시피를 제형하는 단계(formulating); 및 제형된 복수 개의 계측 레시피를 사용하여 측정된 식별된 하나 이상의 조합 중의 하나 이상의 계측 타겟의 측정 데이터를 수신하는 단계를 포함하는 방법이 제공된다.
일 양태에서, 하나 이상의 계측 레시피, 또는 하나 이상의 계측 레시피 파라미터의 하나 이상의 계측 타겟에 대한 민감도를 나타내는 파라미터를, 복수 개의 계측 레시피에서 측정된 계측 타겟의 측정 데이터를 기초하여 결정하는 단계; 및 민감도를 나타내는 파라미터에 기초하여, 계측 타겟을 측정하기 위해 사용되는 복수 개의 계측 레시피를 시뮬레이션에 의해 또는 측정된 데이터에 대해 평가하여, 계측 타겟을 측정하는 데에 사용되기 위한 복수 개의 계측 레시피 중 하나 이상의 계측 레시피를 식별하는 단계를 포함하는 방법이 제공된다.
일 양태에서, 계측 타겟을 측정하는 데에 사용되기 위한 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 시뮬레이션에 의해 또는 측정된 데이터에 대해 평가하는 단계; 및 회절 효율, 또는 회절 효율로부터 유도된 평가된 복수 개의 계측 타겟 및/또는 계측 레시피가 임계치를 넘어가는 하나 이상의 계측 타겟 및/또는 계측 레시피를 평가된 복수 개의 계측 타겟 및/또는 계측 레시피 중에서 식별하는 단계를 포함하는 방법이 제공된다.
일 양태에서, 계측 타겟을 측정하는 데에 사용되기 위한 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 시뮬레이션에 의해 또는 측정된 데이터에 대해 평가하는 단계; 및 복수 개의 계측 타겟 및/또는 계측 레시피 중에서 측정 장치 특성, 또는 측정 장치 특성으로부터 유도된 파라미터가 임계치를 넘어가는 하나 이상의 계측 타겟 및/또는 계측 레시피를 식별하는 단계를 포함하는 방법이 제공된다.
일 양태에서, 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성에 관하여, 측정된 데이터에 근사되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법을, 기판 전역의 측정 데이터에 대해 평가하는 단계; 및 상기 파라미터가 임계치를 넘어가는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 식별하는 단계를 포함하는, 방법이 제공된다.
일 양태에서, 제 1 평가 파라미터 및 이와 다른 제 2 평가 파라미터에 관하여, 측정된 데이터에 근사되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법을, 기판 전역의 측정 데이터에 대해 평가하는 단계; 및 상기 제 1 및 제 2 평가 파라미터가 임계치를 넘어가는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 식별하는 단계를 포함하는, 방법이 제공된다.
일 양태에서, 리소그래피 프로세스에서 프로세스 단계를 모니터링하기 위하여, 데이터를 측정하기 위한 샘플링 기법 및/또는 측정된 데이터에 근사되기 위한 수학적 모델을 결정하는 방법으로서, 검사 장치의 쓰루풋 모델에 적어도 부분적으로 기초하여, 상기 샘플링 기법 및 수학적 모델을 결정하는 단계를 포함하는, 방법이 제공된다.
일 양태에서, 계측 레시피에 따라 측정된 계측 타겟의 측정 데이터를 수신하는 단계; 검사 장치의 쓰루풋 모델에 적어도 부분적으로 기초하여, 상기 계측 레시피를 사용하여, 상기 계측 타겟으로써 데이터를 측정하기 위한 샘플링 기법을 결정하는 단계; 상기 측정 데이터 및 샘플링 기법에 기초하여 평가 파라미터를 결정하는 단계; 상기 평가 파라미터가 임계치를 넘어가는지를 결정하는 단계; 및 상기 평가 파라미터가 임계치를 넘어가는 것으로 결정되면, 상기 쓰루풋 모델에 적어도 부분적으로 기초하여 상기 샘플링 기법을 변경하는 단계를 포함하는, 방법이 제공된다.
일 양태에서, 복수 개의 그래픽 사용자 인터페이스 요소를 디스플레이하는 단계로서, 각각의 그래픽 사용자 인터페이스 요소는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계를 나타내고, 각각의 그래픽 사용자 인터페이스 요소는 상기 그래픽 사용자 인터페이스 요소의 연관된 단계에 대한 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 추가적인 단계들에 사용자가 액세스할 수 있게 하는, 단계; 및 복수 개의 그래픽 사용자 요소 중 하나 이상과 연관된 인티케이터를 디스플레이하는 단계로서, 상기 인티케이터는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계가 완료되지 않았다는 것 및/또는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계와 연관된 주요 성능 인티케이터가 임계를 넘어섰다는 것을 표시하는, 단계를 포함하는 방법이 제공된다.
일 양태에서, 프로세서가 전술된 방법이 수행되게 하는 머신-판독가능 명령을 저장하는, 비일시적 컴퓨터 프로그램 제품이 제공된다.
일 양태에서, 시스템으로서, 기판 상의 측정 타겟에 빔을 제공하고, 상기 타겟에 의해 리디렉팅된 방사선을 검출하여 리소그래피 프로세스의 파라미터를 결정하도록 구성되는 검사 장치; 및
본 명세서에 기술되는 비일시적 컴퓨터 프로그램 제품을 포함하는, 시스템이 제공된다. 일 실시예에서, 상기 시스템은, 방사선 빔을 변조하기 위한 패터닝 디바이스를 홀딩하도록 구성되는 지지 구조체 및 변조된 빔을 방사선 감응 기판 상에 투영하도록 배치되는 투영 광학계를 더 포함한다.
일 양태에서, 방사원으로부터 타겟 상에 방사선을 제공하기 위한 출력을 포함하는 정렬 센서: 상기 타겟으로부터 방사선을 수광하도록 구성되는 검출기; 수광된 방사선에 응답하여, 두 개 이상의 오브젝트들의 정렬을 결정하도록 구성되는 제어 시스템; 및 본 명세서에서 기술되는 비-일시적 컴퓨터 프로그램 제품을 포함하는, 시스템이 제공된다. 일 실시예에서, 상기 시스템은, 방사선 빔을 변조하기 위한 패터닝 디바이스를 홀딩하도록 구성되는 지지 구조체 및 변조된 빔을 방사선 감응 기판 상에 투영하도록 배치되는 투영 광학계를 더 포함한다.
일 양태에서, 방사원으로부터 표면 상에 방사선을 제공하기 위한 출력을 포함하는 레벨 센서; 상기 표면으로부터 방사선을 수광하도록 구성되는 검출기; 수광된 방사선에 응답하여, 상기 표면의 위치를 결정하도록 구성되는 제어 시스템; 및 본 명세서에서 기술되는 비-일시적 컴퓨터 프로그램 제품을 포함하는, 시스템이 제공된다. 일 실시예에서, 상기 시스템은, 방사선 빔을 변조하기 위한 패터닝 디바이스를 홀딩하도록 구성되는 지지 구조체 및 변조된 빔을 방사선 감응 기판 상에 투영하도록 배치되는 투영 광학계를 더 포함한다.
일 양태에서, 디바이스 패턴이 리소그래피 프로세스를 사용하여 일련의 기판에 적용되는 디바이스 제조 방법으로서, 본 명세서에서 설명된 바와 같은 방법을 사용하여 식별된 바와 같은 타겟을 검사하고 및/또는 본 명세서에서 설명된 바와 같은 방법을 사용하여 식별된 바와 같은 계측 레시피를 사용하여 타겟을 검사하는 단계로서, 상기 타겟은 기판들 중 적어도 하나의 상의 디바이스 패턴의 일부로서 또는 디바이스 패턴 이외에 형성되는, 단계; 및 검사의 결과에 따라서, 후속 기판에 대한 리소그래피 프로세스를 제어하는 단계를 포함하는, 디바이스 제조 방법이 제공된다.
일 양태에서, 디바이스 패턴이 리소그래피 프로세스를 사용하여 일련의 기판들에 적용되는 디바이스 제조 방법으로서, 본 명세서에서 기술되는 방법을 사용하여 결정된 바와 같은 샘플링 기법을 사용하여, 상기 기판들 중 적어도 하나 상에서 상기 디바이스 패턴의 일부로서 또는 디바이스 패턴 이외에 형성된 적어도 하나의 타겟을 검사하는 단계, 및 상기 검사의 결과에 따라 상기 적어도 하나의 기판 또는 다른 기판에 대한 리소그래피 프로세스를 제어하는 단계를 포함하는, 디바이스 제조 방법이 제공된다.
일 양태에서, 디바이스 패턴이 리소그래피 프로세스를 사용하여 일련의 기판들에 적용되는 디바이스 제조 방법으로서, 상기 기판들 중 적어도 하나 상에서 상기 디바이스 패턴의 일부로서 또는 디바이스 패턴 이외에 형성된 적어도 하나의 타겟을 검사하는 단계로서, 상기 검사는 본 명세서에서 기술되는 바와 같은 방법을 사용하여 식별된 바와 같은 샘플링 기법을 사용하여 수행되고 및/또는 상기 검사하는 단계는 본 명세서에서 기술되는 바와 같은 방법을 사용하여 식별된 바와 같은 수학적 모델을 사용하여 모델링되는, 단계; 및 상기 검사의 결과에 따라 상기 적어도 하나의 기판 또는 다른 기판에 대한 리소그래피 프로세스를 제어하는 단계를 포함하는, 디바이스 제조 방법이 제공된다.
실시예들은 첨부 도면을 참조하여 오직 예시를 통하여 이제 설명될 것이다:
도 1 은 리소그래피 장치의 일 실시예를 개략적으로 도시한다;
도 2 는 리소그래피 셀 또는 클러스터의 일 실시예를 개략적으로 도시한다;
도 3 은 디바이스 제조 프로세스 개발, 모니터링 및 제어의 일부의 일 실시예의 흐름도를 개략적으로 도시한다;
도 4 는 계측 셋업의 일 실시예의 흐름도를 개략적으로 도시한다;
도 5 는 계측 타겟 디자인의 일 실시예의 흐름도를 개략적으로 도시한다;
도 6 은 계측 타겟 디자인 선택 및 적격판정(qualification)의 일 실시예의 흐름도를 개략적으로 도시한다;
도 7 은 추가적인 계측 타겟 디자인 적격판정의 일 실시예의 흐름도를 개략적으로 도시한다;
도 8 은 계측 타겟 설계, 선택 및 적격판정의 일 실시예의 흐름도를 개략적으로 도시한다;
도 9 는 측정 데이터 수학적 모델 및 샘플링 기법 평가의 일 실시예의 흐름도를 개략적으로 도시한다;
도 10 은 기대된 성능을 검증하는 방법의 일 실시예의 흐름도를 개략적으로 도시한다; 그리고
도 11 은 디바이스 제조 프로세스 개발, 모니터링 및 제어의 일부의 일 실시예를 제공하기 위한 소프트웨어의 사용자 인터페이스를 개략적으로 도시한다.
본 발명의 실시예들을 상세하게 설명하기 이전에, 본 발명의 실시예들이 구현될 수 있는 예시적인 환경을 제시하는 것이 유익하다.
도 1 은 리소그래피 장치(LA)를 개략적으로 묘사한다. 이 장치는:
- 방사선 빔(B)(예를 들어, UV 방사선 또는 EUV 방사선)을 조절하도록 구성되는 조명 시스템(조명기)(IL);
- 패터닝 디바이스(예를 들어, 마스크; MA)를 지지하도록 구성되고 특정 파라미터에 따라서 패터닝 디바이스를 정확하게 포지셔닝하도록 구성되는 제 1 포지셔너(positioner; PM)에 연결되는 지지 구조체(예를 들어, 마스크 테이블; MT);
- 기판(예를 들어, 레지스트-코팅된 웨이퍼)(W)을 홀딩하도록 구성되고 특정 파라미터에 따라서 기판을 정확하게 포지셔닝하도록 구성되는 제 2 포지셔너(PW)에 연결되는 기판 테이블(예를 들어, 웨이퍼 테이블)(WT); 및
- 방사 빔(B)에 부여된 패턴을 패터닝 디바이스(MA)에 의하여 기판(W)의 타겟부(C)(예를 들어, 하나 이상의 다이를 포함함)로 투영하도록 구성되는 투영 시스템(예를 들어, 굴절 투영 렌즈 시스템)(PL)을 포함하며, 투영 시스템은 기준 프레임(RF) 상에 지지된다.
조명 시스템은 방사선을 지향시키고, 성형(shaping)하고, 또는 제어하기 위한 다양한 유형의 광 컴포넌트, 예컨대 굴절형, 반사형, 자기적, 전자기, 정전기 또는 다른 유형의 광 컴포넌트, 또는 이들의 임의의 조합을 포함할 수도 있다.
지지 구조체는 패터닝 디바이스를, 패터닝 디바이스의 지향, 리소그래피 장치의 디자인, 및 예를 들어, 패터닝 디바이스가 진공 환경에서 유지되는지 여부와 같은 다른 조건에 의존하는 방식으로 지지한다. 지지 구조체는 패터닝 장치를 유지하기 위해 기계식, 진공식, 정전식, 또는 기타 클램핑 기술들을 이용할 수 있다. 지지 구조체는 예컨대 필요에 따라 고정되거나 이동시킬 수 있는 프레임(frame) 또는 테이블일 수도 있다. 지지 구조체는 패터닝 디바이스가 예를 들어, 투영 시스템에 대하여 원하는 위치에 있다는 것을 보장할 수도 있다. 본 명세서에서의 "레티클" 또는 "마스크"라는 용어의 어떠한 사용도 "패터닝 장치"라는 좀 더 일반적인 용어와 동의어로 간주될 수 있다.
본 명세서에서 사용되는 "패터닝 디바이스"라는 용어는, 기판의 타겟부 내에 패턴을 생성하는 것과 같이, 자신의 단면 내에 패턴을 가지는 방사선 빔을 부여하기 위하여 사용될 수 있는 임의의 디바이스를 지칭하는 것으로 폭넓게 해석되어야 한다. 방사선 빔에 부여된 패턴은, 예컨대 그 패턴이 페이즈 천이 피처(phase shifting feature) 또는 소위 어시스트 피처(assist feature)를 포함하는 경우, 기판의 타겟부에서의 요구된 패턴과 정확히 일치하지 않을 수 있다는 것에 유의하여야 한다. 일반적으로, 방사선 빔에 부여된 패턴은 타겟부, 예컨대 집적 회로 내에 생성되는 중인 디바이스 내의 특정한 기능성 층에 대응할 것이다.
패터닝 디바이스는 투과형 또는 반사형일 수도 있다. 패터닝 장치의 예는 마스크, 프로그램가능 미러 어레이, 및 프로그램가능 LCD 패널을 포함한다. 마스크는 리소그래피에서 주지되며, 이진, 교번 페이즈-천이, 감쇄 페이즈-천이, 및 다양한 하이브리드 마스크 타입과 같은 마스크 타입을 포함한다. 프로그램가능 미러 어레이의 일 예는 소형 미러들의 매트릭스 정렬을 채용하는데, 이들 각각은 인입하는 방사선 빔을 상이한 방향으로 반사하기 위하여 개별적으로 틸팅될 수 있다. 틸팅된 미러는 미러 매트릭스에 의하여 반사된 방사선 빔 내에 패턴을 부여한다.
본 명세서에서 사용되는 "투영 시스템"이라는 용어는, 이용되고 있는 노광 방사선(exposure radiation)에 대해 적합하거나 또는 액침액(immersion liquid)의 사용 또는 진공의 사용과 같은 다른 요인들에 대해 적합한, 굴절식, 반사식, 반사 굴절식(catadioptric), 자기식, 전자기식, 및 정전식 광학계, 또는 이들의 임의의 조합을 포함하는 어떠한 타입의 투영 시스템도 포함하는 것으로 넓게 해석되어야 한다. 본 명세서에서 "투영 렌즈"라는 용어가 임의로 사용되면 더 일반적인 용어인 "투영 시스템"과 같은 의미인 것으로 간주될 수도 있다.
도시된 것처럼, 장치는 투과형이다(예를 들어, 투과형 마스크를 채용). 또는, 장치는 반사형 타입(예를 들어, 위에서 언급된 바와 같은 타입의 프로그램가능 미러 어레이를 채용하거나, 반사 마스크를 채용함)일 수도 있다.
리소그래피 장치는 두 개(듀얼 스테이지) 또는 더 많은 테이블(예를 들어, 측정, 및/또는 세정, 등을 용이화하기 위해서만 제공되는 기판이 없는, 투영 시스템 아래의 두 개 이상의 기판 테이블(WTa, WTb), 두 개 이상의 패터닝 디바이스 테이블, 기판 테이블(WTa) 및 테이블(WTb))의 타입일 수 있다. 그러한 "다중 스테이지" 머신에서, 부가적인 테이블은 평행하게 사용될 수 있으며, 또한 하나 이상의 다른 테이블들이 노광을 위해 사용되고 있는 동안 준비 단계들이 하나 이상의 테이블 상에 수행될 수 있다. 예를 들어, 정렬 센서(AS)를 사용한 정렬 측정 및/또는 레벨 센서(LS)를 사용한 레벨(높이, 틸트, 등) 측정이 이루어질 수 있다.
리소그래피 장치는 또한, 투영 시스템과 기판 사이의 공간을 채우기 위해 기판의 적어도 일부분이 상대적으로 높은 굴절률을 가진 액체, 예컨대 물에 의해 덮힐 수 있는 유형일 수 있다. 액침액은 또한 예컨대 패터닝 디바이스와 투영 시스템 사이와 같은 리소그래피 장치 내의 다른 공간에도 가해질 수 있다. 액침 기법은 투영 시스템의 애퍼쳐(numerical aperture)를 증가시키기 위하여 당업계에 주지된다. 본 명세서에 사용된 바와 같은 "액침"이라는 용어는, 기판과 같은 구조체가 액체에 잠겨져야 하는 것을 의미하지 않고, 그보다는 노광 동안에 투영 시스템과 기판 사이에 액체가 위치된다는 것을 의미한다.
도 1 을 참조하면, 조명기(IL)는 방사선 빔을 방사원(SO)으로부터 수광한다. 예를 들어, 방사원이 엑시머 레이저인 경우, 소스 및 리소그래피 장치는 별도의 엔티티일 수 있다. 이러한 경우들에서, 소스는 리소그래피 장치의 일부를 형성하는 것으로 간주되지 않고, 방사선 빔은, 예를 들어 적합한 지향 미러 및/또는 빔 확장기를 포함하는 빔 전달 시스템(BD)의 도움으로, 소스(SO)로부터 조명기(IL)로 전달된다. 다른 경우에, 예컨대 방사원이 수은 램프인 경우에, 이러한 소스는 리소그래피 장치에 통합된 부품일 수 있다. 소스(SO) 및 조명기(IL)는 필요할 경우 빔 전달 시스템(BD)과 함께 방사선 시스템이라고 지칭될 수도 있다.
조명기(IL)는 방사선 빔의 각 세기 분포(angular intensity distribution)를 조절하도록 구성되는 조절기(AD)를 포함할 수도 있다. 일반적으로, 조명기(IL)의 퓨필 평면(pupil plane)에서의 세기 분포의 적어도 외측 및/또는 내측 반경 범위(통상적으로, 각각 외측-σ 및 내측-σ라 함)는 조절될 수 있다. 부가적으로, 조명기(IL)는 집속기(integrator)(IN) 및 집광기(confiner)(CO)와 같은 다양한 다른 컴포넌트들을 포함할 수도 있다. 조명기는 방사선 빔이 자신의 단면에서 원하는 균일도 및 세기기 분포를 가지도록 조정하기 위하여 사용될 수도 있다.
방사선 빔(B)은 지지 구조(예를 들어, 마스크 테이블)(MT) 상에 홀딩되는 패터닝 디바이스(예를 들어, 마스크)(MA) 상에 입사하고, 그리고 패터닝 디바이스에 의하여 패터닝된다. 패터닝 디바이스(MA)를 가로지르면, 방사선 빔(B)은 기판(W)의 타겟부(C) 상에 빔을 포커싱하는 투영 시스템(PL)을 통과한다. 제 2 포지셔너(PW) 및 위치 센서(IF)(예를 들어, 간섭측정 측정 디바이스, 선형 인코더, 2-D 인코더 또는 용량성 센서)의 도움을 받아, 예를 들어 방사선 빔(B)의 경로에 상이한 타겟부들(C)을 포지셔닝하기 위하여, 기판 테이블(WT)이 정확하게 이동될 수 있다. 이와 유사하게, 제 1 포지셔너 및 다른 위치 센서(도 1 에는 명확하게 묘사되지 않음)는, 예를 들어 마스크 라이브러리로부터의 기계적 탐색 이후에, 또는 스캔 동안에, 방사선 빔(B)의 경로에 대하여 패터닝 디바이스(MA)를 정확하게 포지셔닝하기 위하여 사용될 수 있다. 일반적으로, 지지 구조체(MT)의 이동은, 제 1 포지셔너(PM)의 일부를 형성하는 롱-스트로크 모듈(long-stroke module; 개략 위치 설정) 및 숏-스트로크 모듈(short-stroke module; 정밀 위치 설정)을 이용하여 실현될 수도 있다. 마찬가지로, 기판 테이블(WT)의 이동은 제 2 포지셔너(PW)의 일부를 형성하는 롱-스트로크 모듈 및 숏-스트로크 모듈을 이용하여 실현될 수도 있다. 스테퍼의 경우(스캐너와 반대로) 지지 구조체(MT)는 숏-스트로크 액추에이터에만 연결될 수도 있고, 또는 고정될 수도 있다. 패터닝 장치(MA) 및 기판(W)은 패터닝 장치 정렬 마크(M1, M2) 및 기판 정렬 마크(P1, P2)를 이용하여 정렬될 수 있다. 비록 도시된 바와 같이 기판 정렬 마크들이 전용 타겟 영역을 점유하지만, 이들은 타겟 영역 사이의 공간(이들은 스크라이브 레인(scribe-lane) 정렬 마크로 알려짐)에 위치될 수도 있다. 마찬가지로, 마스크(MA)에 두 개 이상의 다이가 제공되는 경우, 마스크 정렬 마크들은 다이들 사이에 위치될 수도 있다.
도시된 장치는 다음 모드들 중 하나 이상의 모드로 사용될 수 있다:
1. 스텝 모드에서는, 지지 구조체(MT) 및 기판 테이블(WT)이 본질적으로 정지 상태로 유지되는 동안, 방사선 빔에 부여된 전체 패턴이 한 번에 타겟부(C) 상에 투영된다(즉, 단일 정적 노광). 그러면, 상이한 타겟부(C)가 노광될 수 있도록 기판 테이블(WT)이 X 방향 및/또는 Y 방향으로 시프트된다. 스텝 모드에서는, 노광 필드의 최대 크기가 단일 정적 노광 시에 이미징되는 타겟부(C)의 크기를 제한한다.
2. 스캔 모드에서는, 지지 구조체(MT) 및 기판 테이블(WT)이 동기되어 스캐닝되는 동안, 방사선 빔에 부여된 패턴이 타겟부(C) 상에 투영된다(즉, 단일 동적 노광). 지지 구조체(MT)에 상대적인 기판 테이블(WT)의 속도 및 방향은 투영 시스템(PL)의 확대율(축소율) 및 이미지 반전 특성에 의하여 결정될 수도 있다. 스캔 모드에서는, 노광 필드의 최대 크기가 단일 동적 노광 시의 타겟부의 폭(스캐닝되지 않는 방향에서의)을 한정하는 한편, 스캐닝 모션의 길이는 타겟부의 높이(스캐닝 방향에서의)를 결정한다.
3. 다른 모드에서는, 프로그램가능 패터닝 디바이스를 홀딩하면서 지지 구조체(MT)는 본질적으로 정지 상태로 유지되고, 기판 테이블(WT)은 방사선 빔에 부여된 패턴이 타겟 영역(C) 상에 투영되는 동안에 이동되거나 스캐닝된다. 이러한 모드에서, 일반적으로 펄스화된(pulsed) 방사선 소스가 채용되며, 프로그램가능한 패터닝 디바이스는 요구될 때, 기판 테이블(WT)의 각 이동 이후에 또는 스캔 도중의 연속적인 방사선 펄스들 사이에서 업데이트된다. 동작의 이러한 모드는 위에서 언급된 바와 같은 타입의 프로그램가능한 미러 어레이와 같은 프로그램가능한 패터닝 디바이스를 이용하는 마스크 없는 리소그래피에 용이하게 적용될 수 있다.
또한, 전술한 사용 모드들의 조합 및/또는 변형, 또는 전혀 다른 사용 모드들이 채용될 수도 있다.
도 2 에 도시된 것처럼, 리소그래피 장치(LA)는 리소셀 또는 클러스터라고도 지칭되는 리소그래피 셀(LC)의 일부를 형성할 수 있고, 이는 또한 기판 상에서 노광 전 그리고 노광 후 프로세스를 수행하기 위한 장치를 포함한다. 통상적으로, 이러한 장치는 하나 이상의 레지스트층을 증착하기 위한 하나 이상의 스핀 코터(spin coater; SC), 노광된 레지스트를 현상하기 위한 하나 이상의 현상기(DE), 하나 이상의 칠 플레이트(chill plate; CH), 및 하나 이상의 베이크 플레이트(bake plate; BK)를 포함한다. 기판 핸들러 또는 로봇(RO)이 입력/출력 포트(I/O1, I/O2)로부터 하나 이상의 기판을 픽업하여, 이들을 상이한 공정 장치 간에 이동시키며, 그 후 리소그래피 장치의 로딩 베이(loading bay; LB)에 전달한다. 통칭하여 트랙으로도 지칭되는 이들 장치는 감독 제어 시스템(supervisory control system; SCS)에 의해 제어되는 트랙 제어 유닛(TCU)의 제어 하에 있게 되며, 감독 제어 시스템은 또한 리소그래피 제어 유닛(LACU)을 통해 리소그래피 장치를 제어한다. 그러므로, 처리량 및 처리 효율을 최대화하기 위해 상이한 장치가 작동될 수 있다.
리소그래피 장치에 의해 노광되는 기판이 정확하고 일정하게 노광되도록 하기 위해서는, 노광된 기판을 검사하여 후속층들 사이의 오버레이 오차, 라인 두께, 임계 치수(CD), 초점 오프셋, 재료 특성 등과 같은 하나 이상의 특성을 측정하는 것이 바람직할 수 있다. 따라서, 리소셀(LC)이 그 안에 위치되는 제조 설비는, 리소셀 내에서 처리된 기판(W)의 일부 또는 전부를 수납하는 계측 시스템(MET)을 통상적으로 더 포함한다. 계측 시스템(MET)은 리소셀(LC)의 일수일 수도 있고, 예를 들어 리소그래피 장치(LA)의 일부일 수도 있다.
계측 결과는 감독 제어 시스템(SCS)으로 직접적으로 또는 간접적으로 제공될 수 있다. 오차가 검출되는 경우, 후속 기판의 노광에 대한(특히 배치의 하나 이상의 다른 기판이 여전히 노광될 수 있도록 검사가 충분히 일찍 그리고 빠르게 행해질 수 있는 경우) 및/또는 노광된 기판의 후속 노광에 대한 조정이 이루어질 수 있다. 또한, 이미 노광된 기판은 스트리핑되고 재작업(rework) 되어 수율을 개선하거나, 또는 폐기되어, 이를 통하여 오류가 있는 것으로 알려진 기판에 추가적인 처리가 수행되는 것을 피할 수도 있다. 기판의 일부 타겟 영역에만 오류가 있는 경우, 양호한 것으로 간주되는 타겟 영역에만 추가적 노광이 수행될 수 있다.
계측 시스템(MET) 내에서, 기판의 하나 이상의 특성, 및 구체적으로 상이한 기판의 하나 이상의 특성이 또는 동일 기판의 상이한 층의 특성이 층에 따라 어떻게 변화하는지를 결정하기 위해 검사 장치가 사용된다. 검사 장치는 리소그래피 장치(LA) 또는 리소셀(LC)에 통합될 수도 있고, 또는 독립형 장치일 수도 있다. 신속한 측정을 할 수 있기 위해서는, 검사 장치가 노광 직후에 노광된 레지스트 층에서 하나 이상의 특성을 측정하는 것이 바람직하다. 그러나, 레지스트 내의 잠상(latent image)이 낮은 콘트라스트를 가지며 - 이 경우 방사선에 노광된 레지스트의 부분과 방사선에 노광되지 않은 부분 간에 단지 매우 작은 굴절률차가 있음 - 모든 검사 장치가 잠상의 유용한 측정을 행하기에 충분한 감도를 갖는 것은 아니다. 따라서, 통상적으로 노광된 기판에 대해 수행되는 첫 번째 단계이고, 레지스트의 노광된 부분과 노광되지 않은 부분 간의 콘트라스트를 증가시키는 단계인, 노광 후 베이크 단계(post-exposure bake step, PEB) 후에 측정이 이루어질 수 있다. 이 스테이지에서, 레지스트 내의 이미지는 반잠상(semi-latent)으로 지칭될 수 있다. 또한, 에칭과 같은 패턴 전사 단계 후에, 현상된 레지스트 이미지의 측정을 행하는 것도 가능하며, 그 시점에서 레지스트의 노광된 부분 또는 노광되지 않은 부분 중의 하나가 제거된다. 후자의 가능성은 오류가 있는 기판의 재작업에 대한 가능성은 제한하지만, 여전히 유용한 정보를 제공할 수 있다.
적어도 하나의 리소그래피 단계를 포함하는 디바이스 제조 프로세스를 모니터링하기 위하여, 패터닝된 기판이 검사되고 패터닝된 기판의 하나 이상의 파라미터가 측정된다. 하나 이상의 파라미터는, 예를 들어 패터닝된 기판 내에 또는 그 위에 형성된 연속 층들 사이의 오버레이 오차, 현상된 감광 레지스트의 임계 선폭(예를 들어, 임계 치수(CD)), 리소그래피의 초점 또는 초점 오차, 리소그래피의 선량 또는 선량 오차, 리소그래피의 수차 등을 포함할 수 있다. 이러한 측정은 제품 기판 자체 및/또는 기판 상에 제공된 전용의 계측 타겟 상에서 수행될 수 있다. 주사 전자 현미경(scanning electron microscope), 영상-기초 측정 또는 검사 툴 및/또는 다양한 특수 기기를 사용하는 것을 포함하는 디바이스 제조 프로세스에서 형성된 구조체를 측정하기 위한 다양한 기법들이 존재한다. 신속하고 비침투식인 형태의 특수 측정 및 검사 툴은, 방사선의 빔이 기판면 상의 타겟 상으로 디렉팅되고 산란된(회절/반사된) 빔이 측정되는 것이다. 빔이 기판에 의해 산란되기 전과 후의 하나 이상의 빔의 특성을 비교함으로써, 기판의 하나 이상의 특성을 결정할 수 있다. 이것은 회절-기초 계측 또는 검사라고 명명될 수 있다. 이러한 회절-기초 측정 또는 검사의 특정한 적용예는 주기적 타겟 내에서의 피쳐 비대칭의 측정 분야이다. 이것은, 예를 들어 오버레이 오차의 크기로서 사용될 수 있지만, 다른 애플리케이션들도 역시 알려져 있다. 예를 들어, 비대칭은 회절 스펙트럼의 반대 부분들을 비교함으로써(예를 들어, 주기적 격자의 회절 스펙트럼 내의 -1차 및 +1차를 비교함으로써) 측정될 수 있다. 이것은, 예를 들어 그 전체 내용이 원용되어 본원에 통합되는 미국 특허 출원 공개 번호 US2006-066855 에 기술된 바와 같이 간단하게 수행될 수 있다.
디바이스 제조 프로세스가 가능해지게 하기 위한 중요한 양태들은, 프로세스 자체를 개선하는 것, 이것을 모니터링 및 제어를 위해 셋업하는 것 및 이제 해당 프로세스 자체를 실제로 모니터링하고 제어하는 것을 포함한다. 디바이스 제조 프로세스의 근본의 구성을 가정하면(패터닝 디바이스 패턴(들), 레지스트 타입(들), 사후-리소그래피 프로세스 단계(현상, 에칭 등과 같음) 등과 같음), 패턴을 기판 상에 전사하기 위해 리소그래피 장치를 셋업하고, 프로세스를 모니터링하기 위한 계측 타겟을 현상하며, 계측 타겟을 측정하기 위해 계측 프로세스를 셋업한 후, 프로세스를 측정에 기초하여 모니터링 및 제어하는 프로세스를 구현하는 것이 바람직하다. 비록 본 출원에서의 논의에서 기판 상에 형성되고 있는 디바이스의 하나 이상의 층들 사이의 오버레이를 측정하도록 디자인된 계측 타겟의 일 실시예가 고려될 것이지만, 본 명세서의 실시예들은, 정렬(예를 들어, 패터닝 디바이스와 기판 사이의 타겟)을 측정하기 위한 타겟, 임계 치수를 측정하기 위한 타겟 등에도 마찬가지로 적용가능하다. 따라서, 본 명세서에서 오버레이 계측 타겟, 오버레이 데이터 등을 지칭하는 것은 다른 종류의 타겟 및 계측 프로세스를 가능하게 하도록 적절하게 수정되는 것으로 간주되어야 한다.
도 3 을 참조하면, 개발, 모니터링 및 제어 프로세스의 고수준 개관이 도시된다. 도 3 에 도시되는 이러한 다양한 단계들 각각은 적어도 부분적으로 소프트웨어로 구현된다. 일 실시예에서, 단계들 각각과 연관된 소프트웨어는 함께 통합되어, 통합된 소프트웨어 애플리케이션의 일부 중 하나로부터 적용가능한 바와 같은 결과, 설계, 데이터 등은, 예를 들어 통합된 소프트웨어 애플리케이션의 부분들 중 다른 하나로의 입력으로서 공유될 수 있다.
위에서 언급된 바와 같이, 300 에서, 리소그래피 장치는 디바이스 제조 프로세스의 리소그래피 양태를 실행하기 위하여 셋업될 수 있고, 선택적으로는 리소그래피 장치 내에서 또는 디바이스 제조 프로세스의 다른 프로세스에서 발생하는 편차를 정정하도록 구성될 수 있다. 이러한 셋업은 리소그래피 장치의 하나 이상의 파라미터를 설정하는 것을 포함한다.
일 실시예에서, 셋업은 리소그래피 장치의 베이스라인 셋업을 구축하는 것 및 리소그래피 장치의 후속 모니터링과 리소그래피 장치의 하나 이상의 파라미터의 조절을 가능하게 하는 것을 포함할 수 있다. 예를 들어, 리소그래피 장치는 자신의 베이스라인 셋업으로서, 최적의 동작을 위해 셋업될 수 있다. 이러한 셋업은 공장 내의 다른 리소그래피 장치와 매칭될 수 있다. 하지만, 시간이 지남에 따라서, 시스템 성능 파라미터는 변동될 것이다. 생산을 중지하고 리캘리브레이션하거나 리매칭하는 것 외에, 하나 이상의 모니터 기판이 예를 들어, 계측 시스템(MET)을 사용하여 노광되고 측정되어, 리소그래피 장치' 오버레이 격자 및 기판 테이블 당 초점 캘리브레이션 상태와 같은 리소그래피 장치의 하나 이상의 성능 파라미터를 캡쳐할 수 있다. 이러한 측정에 기초하여, 정정하거나 변경하면 리소그래피 장치를 그 베이스라인 셋업으로 복귀시킬 수 있는 하나 이상의 파라미터가 식별된다. 더 나아가, 하나 이상의 식별된 파라미터의 업데이트된 값이 리소그래피 장치를 최적의 동작으로 복귀시키기 위해 계산된다. 그러면, 생산을 계속 진행하면서, 측정된 파라미터에 기초하여 하나 이상의 리소그래피 장치 파라미터가 갱신되어 리소그래피 장치를 그 베이스라인으로 복귀시킨다. 이러한 "재설정"은, 예를 들어 하루 한 번 또는 다른 되풀이 시간 기간에 수행될 수 있다. 또는, 소프트웨어는 업데이트가 언제 적용돼야 하는지와 업데이트가 리소그래피 장치에 덮어써져야 하는지 또는 특정 시간 동안 스위치오프되어야 하는지를 결정할 수 있다. 이러한 소프트웨어의 일 예는 ASML의 베이스라이너(Baseliner) 소프트웨어이다.
일 실시예에서, 하나 이상의 검사 장치는 디바이스 제조 프로세스의 리소그래피 양태를 실행하기 위하여 셋업될 수 있고, 선택적으로는 검사 장치 내에서 또는 디바이스 제조 프로세스의 다른 프로세스에서 발생하는 편차를 정정하도록 구성될 수 있다. 이러한 셋업은 검사 장치의 하나 이상의 파라미터를 설정하는 것을 포함한다. 이러한 검사 장치는, 예를 들어 오버레이, 임계 치수 및/또는 다른 파라미터를 측정할 수 있는 회절-기초 오버레이 계측 툴일 수 있다. 이러한 검사 장치는 두 개의 오브젝트들 사이, 예컨대 패터닝 디바이스와 기판 사이의 상대 위치를 측정하기 위하여 사용되는 정렬 장치일 수 있다. 이러한 검사 장치는 표면의 위치, 예를 들어 기판 표면의 높이 및/또는 회전 위치를 측정하기 위한 레벨 센서일 수 있다.
일 실시예에서, 셋업은 검사 장치의 베이스라인 셋업을 구축하는 것 및 검사 장치의 후속 모니터링과 검사 장치의 하나 이상의 파라미터의 조절을 가능하게 하는 것을 포함할 수 있다. 예를 들어, 검사 장치는 자신의 베이스라인 셋업으로서, 최적의 동작을 위해 셋업될 수 있다. 이러한 셋업은 공장 내의 다른 검사 장치와 매칭될 수 있다. 하지만, 시간이 지남에 따라서, 시스템 성능 파라미터는 변동될 것이다. 생산을 중지하고 리캘리브레이션하거나 리매칭하는 것 외에, 하나 이상의 모니터 기판이 예를 들어, 계측 시스템(MET)을 사용하여 노광되고 측정되어, 검사 장치의 하나 이상의 성능 파라미터를 캡쳐할 수 있다. 이러한 측정에 기초하여, 정정하거나 변경하면 검사 장치를 그 베이스라인 셋업으로 복귀시킬 수 있는 하나 이상의 파라미터가 식별된다. 더 나아가, 하나 이상의 식별된 파라미터의 업데이트된 값이 검사 장치를 최적의 동작으로 복귀시키기 위해 계산된다. 그러면, 생산을 계속 진행하면서, 측정된 파라미터에 기초하여 하나 이상의 검사 장치 파라미터가 갱신되어 검사 장치를 그 베이스라인으로 복귀시킨다. 이러한 "재설정"은, 예를 들어 하루 한 번 또는 다른 되풀이 시간 기간에 수행될 수 있다. 또는, 소프트웨어는 업데이트가 언제 적용돼야 하는지와 업데이트가 검사 장치에 덮어써져야 하는지 또는 특정 시간 동안 스위치오프되어야 하는지를 결정할 수 있다.
310 에서, 계측은 디바이스 제조 프로세스에 대해 셋업될 수 있다. 일 실시예에서, 이러한 셋업은 디바이스 제조 프로세스에 대한 하나 이상의 계측 타겟의 디자인을 포함한다. 예를 들어, 생산 중에 기판 상으로의 노광을 위한 하나 이상의 오버레이 계측 타겟이 개발될 수 있다. 더 나아가, 하나 이상의 계측 타겟에 대한 계측 레시피가 개발될 수 있다. 계측 레시피는, 하나 이상의 계측 타겟 및/또는 측정 프로세스를 측정하기 위하여 사용되는, 계측 장치 자체와 연관된 하나 이상의 파라미터(및 하나 이상의 연관된 값), 예컨대 측정빔의 하나 이상의 파장, 측정빔의 하나 이상의 편광 타입, 측정빔의 하나 이상의 선량 값, 측정빔의 하나 이상의 대역폭, 측정빔과 함께 사용되는 검사 장치의 하나 이상의 애퍼쳐 셋팅, 타겟 상에 측정빔을 위치시키기 위해 사용되는 정렬 마크, 사용되는 정렬 기법, 샘플링 기법, 계측 타겟의 레이아웃 및 타겟 및/또는 타겟의 관심 지점을 측정하기 위한 이동 기법 등이다. 일 실시예에서, 하나 이상의 계측 타겟은 디바이스 제조 프로세스에 대해 적격판정될 수 있다. 예를 들어, 복수 개의 계측 타겟 디자인이 평가되어 잔차 변동(체계적이고 및/또는 무작위적임)을 최소화하는 하나 이상의 계측 타겟을 식별할 수 있다. 일 실시예에서, 복수 개의 계측 타겟 디자인이 평가되어 그 성능이 디바이스와 매칭되는 하나 이상의 계측 타겟을 식별하고, 예를 들어 그의 오버레이 오차의 측정치가 디바이스의 오버레이 오차와 매칭되는 계측 타겟을 식별할 수 있다. 계측 타겟은, 예를 들어 오버레이, 초점, 임계 치수(CD), 정렬, 타겟 내의 비대칭 등 및 이들의 임의의 조합의 측정을 위해 디자인될 수 있다.
더 나아가, 디바이스 제조 프로세스는 프로세스의 성질로부터 발생하는 특정 체계적 변동(지문)을 가질 수 있다. 예를 들어, 디바이스 제조 프로세스는 복수 개의 기판을 노광할 때에 특정한 규칙적 변동을 초래할 수 있는 리소셀(LC) 내의 특정 기판 테이블의 사용, 에칭 또는 현상 타입의 사용, 특정 베이킹 파라미터의 사용, 특정 초점 및 선량 셋팅의 사용 등을 요구할 수 있다. 그러므로, 320 에서, 프로세스는, 특정 디바이스 제조 프로세스에서 발생하는 체계적 변동을 고려하도록, 디바이스 제조 프로세스의 하나 이상의 파라미터(예를 들어, 리소그래피 장치의 하나 이상의 파라미터, 트랙의 하나 이상의 파라미터 등)에 적용될 정정을 결정함으로써 셋업될 수 있다. 그러면 전술된 바와 같은 베이스라인 셋업으로의 고차 세트의 정정이 생기게 될 수 있다. 이러한 정정을 얻기 위하여, 프로세스 지문은 시뮬레이션 및/또는 현상 페이즈에서 노광된 기판의 측정에 의해서 추정될 수 있다. 프로세스 지문으로부터, 프로세스 지문을 적어도 부분적으로 정정 하기 위하여 리소그래피 장치, 트랙 등을 변경하기 위해 적용될 수 있는 하나 이상의 리소그래피 및/또는 프로세스 정정 모델이 개발될 수 있다.
리소그래피 장치 셋업(300), 계측 셋업(310) 및 프로세스 셋업(320)은 모두 함께 프로세스 개발 페이즈(330)의 일부로 간주될 수 있다. 프로세스 개발에 추가하여, 대량 제작(high volume manufacturing; HVM) 중에 디바이스 제조 프로세스를 모니터링하고 제어하기 위한 단계들이 수행돼야 한다.
340 에서, 계측 프로세스는 350 에서의 디바이스 제조 프로세스의 모니터링 및 제어를 가능하게 하기 위해서, 하나 이상의 계측 타겟의 측정을 가능하게 하도록 구성된다. 모든 로트의 모든 기판에 대한 모든 계측 타겟을 측정하려면 시간이 너무 많이 걸릴 수 있다(로트란 디바이스 제조 프로세스의 실행 중에 함께 처리되는 통상적으로 동일한 특성을 가지는 기판들의 묶음이다; 기판들의 로트는 통상적으로 FOUP와 같은 가동 컨테이너 내에 함께 보관된다). 그러므로, 하나 이상의 계측 타겟을 측정하기 위해서 측정 샘플링 기법이 구축될 수 있다. 계측 프로세스에 대한 샘플링 기법은: 샘플링되는 로트 당 기판의 개수; 샘플링되는 로트 내의 또는 로트 당 기판(들)의 번호 지정; 샘플링되는 필드들의 개수; 기판 상의 샘플링된 필드의 위치; 각각의 필드 내의 사이트(site)의 위치; 필드 내의 사이트의 위치; 샘플의 주파수; 계측 타겟의 타입; 또는 측정 알고리즘 중에서 선택된 하나 이상의 파라미터를 포함할 수 있다. 일 실시예에서, 샘플링 기법은 변동을 최소화하기 위하여 디자인된다. 예를 들어, 샘플링 기법은 기판-기판 변동, 로트-로트 변동, 및/또는 머신-머신 변동(예를 들어, 공장 내의 리소그래피 장치들 사이의 변동)을 최소화하도록 선택될 수 있다. 더 나아가, 하나 이상의 주요 성능 인티케이터(key performance indicator; KPI)가 식별될 수 있고, KPI와 연관된 하나 이상의 임계가 프로세스 제어를 가능하게 하기 위해 결정될 수 있다. 예를 들어, 평균, 변동 등이 KPI로서 식별될 수 있고, 프로세스의 제어 한계로서 사용하기 위한 임계(예를 들어, 초과하면 안 되는 값, 그 아래로 내려가면 안 되는 값 등)가 결정될 수 있다. 더 나아가, 적합하게 파라미터화된 하나 이상의 측정 데이터 수학적 모델(즉, 데이터를 수학적 모델에 근사하기 위해(근사(fit)란 반드시 모든 데이터와의 완벽한 근사를 의미하는 것은 아님) 적용가능한, 적절하게 결정되고 규정된 파라미터 및 그 값이 있는 수학적 모델)을 사용하여 계측 타겟의 측정 결과를 모델링하는 것이 가능하다. 그러므로, 하나 이상의 계측 타겟을 측정하기 위해서 측정 데이터 수학적 모델이 구축될 수 있다. 일 실시예에서, 측정 데이터 수학적 모델 및 샘플링 기법은 함께 구축된다. 일 실시예에서, 수학적 모델은 하나 이상의 파라미터에 의해 규정된 하나 이상의 기저 함수를 포함할 수 있다; 통상적으로, 수학적 모델은 복수 개의 기저 함수들의 조합을 포함할 수 있다. 일 실시예에서, 수학적 모델은 데이터에 근사되기 위한 파라미터에 대한 값들로 파라미터화된다.
도 4 를 참조하면, 계측 셋업의 일 실시예의 더 상세한 흐름도가 도시된다. 400 에서, 하나 이상의 계측 타겟의 디자인에 대한 데이터가 획득되거나 제공된다. 예를 들어, 데이터는, 예를 들어 디바이스 제조 프로세스(및 하나 이상의 계측 타겟이 적용될 대상)를 사용하여 생성된 하나 이상의 층들의 성질에 관한 정보를 포함할 수 있다. 이것은 스택 정보라고 불릴 수 있다. 이러한 데이터는 층 두께, 층 재료, 층 굴절률, 층 흡수 지수 등과 같은 파라미터에 관련된 정보를 포함할 수 있고 이러한 파라미터와 연관된 변동 데이터(예를 들어, 파라미터들과 연관된 기대된 변동의 범위)를 포함할 수 있다. 데이터는, 예를 들어 하나 이상의 층과 연관된 하나 이상의 프로세스의 성질과 관련된 정보를 포함할 수 있다. 이러한 데이터는 에칭의 타입 및/또는 파라미터, 노광후 베이킹의 타입 및/또는 파라미터, 레지스트의 현상의 타입 및/또는 파라미터 등을 포함할 수 있고 이러한 파라미터와 연관된 변동 데이터(예를 들어, 파라미터들과 연관된 기대된 변동의 범위)를 포함할 수 있다. 데이터는, 예를 들어, 복수 개의 층 중 어떤 층들 사이에서 오버레이 측정을 하는 것이 소망되는지를 규정하는 오버레이 트리(overlay tree)를 포함할 수 있다.
405 에서, 하나 이상의 계측 타겟 디자인이 결정된다. 일 실시예에서, 하나 이상의 계측 타겟 디자인은, 후보 타겟 디자인의 디바이스 제조 프로세스 및 측정 프로세스를, 예를 들어 적용가능한 전체 층 스택에 기초하여 시뮬레이션하여, 주어진 층에 대한 타겟의 디자인 파라미터가 최적화될 수 있게 하는 시뮬레이션 프로그램에 의해 결정된다. 따라서, 시뮬레이션 시에, 타겟의 하나 이상의 디자인 파라미터는 고정되거나 변동가능할 수 있다. 이러한 파라미터는 타겟의 주기적 구조체의 피치, 타겟의 주기적 구조체의 피쳐의 임계 치수, 두께 등을 포함할 수 있다. 더 나아가, 계측 레시피의 하나 이상의 파라미터(예를 들어, 측정빔 파장, 측정빔 편광, 측정빔 선량, 측정빔과 연관된 애퍼쳐 세팅 등)는 고정되거나 변동가능할 수 있다. 일 실시예에서, 소프트웨어는, 스택 및 프로세스의 정의, 그 사양(예를 들어, 층 재료, 에칭 타입, 증착 타입, 연마(예를 들어, CMP) 프로세스 등), 하나 이상의 파라미터 중 어느 것이 고정될 수 있고, 어느 것이 변동될 수 있는지의 표시, 변동하는 파라미터의 변동가능성의 범위의 사양, 디자인 규칙 또는 제약 등을 가능하게 하는 사용자 인터페이스를 수락하거나 제공한다.
시작 조건이 규정되면, 소프트웨어는 시뮬레이션을 실행하여 하나 이상의 계측 타겟 디자인, 하나 이상의 계측 레시피(예를 들어, 특정 계측 타겟 디자인에 대한 것) 및/또는 인쇄가능성, 검출가능성, 쓰루풋, 프로세스 안정성(예를 들어, 프로세스 변동에 대한 민감도), 및/또는 툴 의존성(예를 들어, 검사 장치-고유 파라미터에 대한 민감도) 사양을 식별할 수 있다. 오버레이 정확도 및 렌즈 수차 성능도 시뮬레이션을 통해 더 결정될 수 있다.
그러므로, 예를 들어 스택 및 디바이스 제조 프로세스의 상태에 기초하여, 시뮬레이션 모델(선택적으로 특정 리소그래피 또는 다른 장치의 기능들에 대해서 특히 구성될 수 있는 이미지/레지스트 모델 및 레지스트 처리 모델)은 상이한 디자인 파라미터를 가진 다양한 계측 타겟 디자인 및/또는 상이한 레시피 파라미터를 가진 다양한 계측 타겟 레시피가 어떻게 적용가능한 디바이스 제조 프로세스에 대해 생성될 것인지를 결정하기 위하여 사용될 수 있다. 예를 들어, 노광 프로세스와 관련된 정보를 포함함으로써, 투영 시스템 수차에 대한 계측 타겟 디자인의 민감도는 규정된 층에 인쇄되고 있는 중요한 디바이스 피쳐의 민감도와 매칭되어, 오버레이 이득을 가능하게 할 수 있다. 더 나아가, 측정 프로세스에 대한 시뮬레이션 모델(예를 들어, 선택적으로 특정 검사 장치의 측정 성능에 대해서 특히 구성될 수 있는 회절 시뮬레이션 모델)은 다양한 계측 타겟 디자인을 특정되거나 변동하는 계측 레시피(예를 들어, 상이한 파장, 상이한 편광, 상이한 선량 등)에 대해 평가하고 및/또는 변동하는 계측 레시피에 대한 계측 타겟 디자인을 평가하기 위하여 사용될 수 있다. 이러한 결과는, 하나 이상의 계측 타겟 디자인 및/또는 하나 이상의 계측 레시피의 사용자 또는 자동 프로세스에 의한 선택을 가능하게 하는, 다양한 계측 타겟 디자인 및/또는 계측 레시피의 성능에 의한 순위 또는 성능의 척도(예를 들어, 인쇄가능성, 검출가능성, 쓰루풋, 프로세스 안정성, 툴 의존성 등)일 수 있다. 계측 레시피의 하나 이상의 파라미터가 변할 수 있는 경우, 계측 타겟 디자인에 대한 결과는 다양한 계측 타겟 디자인에 대한 계측 레시피의 하나 이상의 파라미터의 연관된 사양을 포함할 수 있다. 그러므로, 베이스 순위가 계측 타겟 디자인 또는 온 계측 레시피 등에 대한 경우, 예를 들어 순위는 계측 타겟 디자인에 대하여 제공될 수 있고, 계측 타겟 디자인에 대한 제공될 수 있으며, 계측 타겟 디자인과 계측 레시피의 조합에 대하여 제공될 수 있다(따라서, 예를 들어 특정 계측 타겟 디자인은 상이한 계측 레시피를 가진 동일한 계측 타겟 디자인의 여러 조합 등을 가질 수 있게 함).
더 나아가, 일 실시예에서, 프로세스 변동에 대한 다양한 계측 타겟 디자인 및/또는 계측 레시피의 견실성은, 하나 이상의 파라미터가 요동하도록(예를 들어, 변동 데이터에 따라) 함으로써 평가되어, 다양한 파라미터 요동에 대한 다양한 계측 타겟 디자인 및/또는 계측 레시피의 민감도를 결정한다. 요동은 에칭 파라미터, 연마 프로세스 파라미터, 타겟의 구조체의 임계 치수 등에 일어날 수 있다. 이러한 결과는, 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피의 사용자 또는 자동 프로세스에 의한 선택을 가능하게 하는, 다양한 계측 타겟 디자인 및/또는 계측 레시피의 견실성에 의한 순위 또는 견실성의 척도일 수 있다. 식별된 계측 타겟 디자인 및/또는 계측 레시피 중 하나 이상이 사용되거나 추가 평가를 위해 선택될 수 있고, 계측 타겟 디자인이 수반되는 경우, 소프트웨어는 하나 이상의 식별된 계측 타겟 디자인에 대한 패터닝 디바이스 패턴을, 예를 들어 GDS 포맷으로 출력할 수 있다. 따라서, 소프트웨어는 계측 타겟 디자인 및/또는 계측 레시피의 수 백만 개는 아니더라도 수 천 개를 평가하고, 따라서 정밀도와 정확도의 균형을 잡는 계측 타겟 디자인 및/또는 계측 레시피를 식별함으로써 디자인 공간이 잘 탐색될 수 있게 할 수 있다.
410 에서, 405 로부터의 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피(통상적으로 복수 개의 계측 타겟 디자인 및/또는 계측 레시피)는 실험적으로 더욱 평가된다. 특히, 검사 장치에 대한 복수 개의 계측 레시피는 각각의 계측 타겟 디자인(하나 이상의 계측 레시피가 출력되는 경우 이것은 405 로부터의 하나 이상의 계측 레시피를 포함함)에 대해 결정될 수 있고, 그러면 하나 이상의 계측 타겟 디자인이 검사 장치를 사용하여 각각의 계측 레시피에서 생성되고 측정된다. 각각의 계측 타겟 디자인은 복수 개의 계측 레시피에 대해 평가되어 적합하거나 최적의 레시피를 결정할 수 있게 한다. 일 실시예에서, 계측 타겟 디자인 중 하나 이상의의 총 측정 불확정성이 결정된다. 일 실시예에서, 하나 이상의 계측 타겟 디자인의 정확도(예를 들어, 잔차를 사용함)가 결정된다. 다양한 결과로부터, 평가된 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피의 성능에 의한 순위 또는 성능의 척도는 평가된 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피로부터 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피를 사용자가 또는 자동 프로세스가 선택하게 하도록 생성될 수 있다.
415 에서, 410 로부터의 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피(통상적으로 복수 개의 계측 타겟 디자인 및/또는 계측 레시피)는 실험적으로 더욱 평가된다. 일 실시예에서, 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피의 정확도(예를 들어, 잔차를 사용함)가 결정된다. 다양한 결과로부터, 평가된 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피의 성능에 의한 순위 또는 성능의 척도는 평가된 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피로부터 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피를 사용자가 또는 자동 프로세스가 선택하게 하도록 생성될 수 있다.
420 에서, 예를 들어 프로세스 개발 및/또는 HVM에서 하나 이상의 계측 타겟을 측정하기 위하여 예를 들어, 두 개 이상의 검사 장치가 사용되고 및/또는 예를 들어, 프로세스 개발 및/또는 HVM에서와는 상이한 검사 장치가 사용되는 경우, 410 으로부터의 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피(통상적으로 복수 개의 계측 타겟 디자인)가 복수 개의 검사 장치를 사용하여 실험적으로 더욱 평가된다. 일 실시예에서, 검사 장치 중 하나 이상에 대한 정정은 하나 이상의 계측 타겟 디자인의 측정에 기초하고 및/또는 하나 이상의 계측 레시피를 사용하여 결정될 수 있다. 일 실시예에서, 정정은 검사 장치가 매칭 성능을 가지도록 하는 것일 수 있다.
425 에서, 하나 이상의 식별되고 평가된 계측 타겟 디자인 및/또는 계측 레시피는 HVM에서 사용될 준비가 되어 있다. 복수 개의 계측 타겟 디자인 및/또는 계측 레시피가 있는 경우, 사용자는 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피 중 어느 것이 디바이스 제조 프로세스에 적합한지를 선택할 수 있다.
430 에서, 피드백 정보가 데이터의 다음 준비 및 공급(400)을 위해 제공될 수 있다. 피드백 정보를 사용하면, 데이터(400)는 개선되거나 더 양호하게 선택될 수 있다.
435 를 참조하면, 프로세스(405, 410, 415 및 420)는 각각의 층 / 계측 단계에 대하여 반복될 것이다. 즉, 그러한 프로세스는 측정 단계에 의해 측정되는 중인 계측 타겟을 가지도록 디자인된 각각의 층 및 해당 층을 수반하는 각각의 측정 단계에 대하여 반복된다(예를 들어, 어떤 층 내의 타겟은 디바이스 제조 프로세스의 동일 시간 또는 상이한 시간에, 상이한 층을 측정하기 위해서 사용될 수 있음). 그러므로, 복수 개의 계측 타겟 디자인이 계측 타겟을 가지도록 디자인된 각각의 층에 대해 평가되고, 그와 연관된 각각의 측정 단계에 대해서 더욱 평가된다.
440 을 참조하면, 프로세스(410)는, 프로세스(405)로부터의 각각의 계측 타겟 디자인 및/또는 계측 레시피일 수 있는 계측 타겟 디자인 및/또는 계측 레시피마다 반복된다. 예를 들어, 이것은 10 개 내지 40 개의 계측 타겟 디자인에 대해 평가하는 것을 수반할 수 있다. 프로세스(410)의 결과는 시작 계측 타겟 디자인 및/또는 계측 레시피 중 하나 이상, 예를 들어 2 개 내지 15 개의 계측 타겟 디자인의 서브세트일 수 있다. 445 을 참조하면, 프로세스(415)는, 프로세스(410)로부터의 각각의 계측 타겟 디자인 및/또는 계측 레시피일 수 있는 계측 타겟 디자인 및/또는 계측 레시피마다 반복된다. 예를 들어, 이것은 2 개 내지 15 개의 계측 타겟 디자인에 대해 평가하는 것을 수반할 수 있다. 프로세스(415)의 결과는 시작 계측 타겟 디자인 및/또는 계측 레시피의 하나 이상, 예를 들어 1 개 내지 10 개의 계측 타겟 디자인의 서브세트일 수 있다. 450 을 참조하면, 프로세스(420)는, 프로세스(415)로부터의 각각의 계측 타겟 디자인 및/또는 계측 레시피일 수 있는 계측 타겟 디자인 및/또는 계측 레시피마다 반복된다. 예를 들어, 이것은 1 개 내지 10 개의 계측 타겟 디자인에 대해 평가하는 것을 수반할 수 있다. 프로세스(420)의 결과는 시작 계측 타겟 디자인 및/또는 계측 레시피 중 하나 이상, 예를 들어 1 개 내지 5 개의 계측 타겟 디자인일 수 있다.
도 5 를 참조하면, 프로세스(405)의 일 실시예의 세부사항이 도시된다. 전술된 바와 같이, 데이터(400)를 사용하여, 하나 이상의 계측 타겟 디자인이 500 에서, 예를 들어 적용가능한 전체 층 스택에 기초하여 디바이스 제조 프로세스 및 후보 타겟 디자인의 측정 프로세스를 시뮬레이션하여 주어진 층에 대한 타겟의 디자인 파라미터가 최적화되게 하는 시뮬레이션 프로그램에 의해 결정된다. 위에서 언급된 바와 같이, 시뮬레이션 시에, 타겟의 하나의 또는 디자인 파라미터는 고정되거나 변할 수 있다. 이러한 파라미터는 타겟의 주기적 구조체의 피치, 구조체 피쳐의 임계 치수, 두께 등을 포함할 수 있다. 더 나아가, 계측 레시피의 하나 이상의 파라미터(예를 들어, 측정빔 파장, 측정빔 편광, 측정빔 선량, 측정빔과 연관된 애퍼쳐 세팅 등)는 고정되거나 변동가능할 수 있다. 일 실시예에서, 505 에서, 소프트웨어는, 스택 및 프로세스의 정의, 그 사양(예를 들어, 층 재료, 에칭 타입, 증착 타입, 연마(예를 들어, CMP) 프로세스 등), 하나 이상의 파라미터 중 어느 것이 고정될 수 있고, 어느 것이 변동될 수 있는지의 표시, 변동하는 파라미터의 변동가능성의 범위의 사양, 디자인 규칙 또는 제약 등을 가능하게 하는 사용자 인터페이스를 수락하거나 제공한다.
510 에서, 다양한 계측 타겟 디자인의 성능(예를 들어, 인쇄가능성, 검출가능성, 견실성 등 또는 가중치가 부여된 조합을 포함하는 이들의 조합)의 성능의 순위 또는 척도는 하나 이상의 계측 타겟 디자인의 사용자 또는 자동 프로세스에 의한 선택을 가능하게 하도록 제공된다. 출력은 수 천 개는 아니더라도 수 백 개의 계측 타겟 디자인일 수 있다. 위에서 논의된 바와 같이, 특히 하나 이상의 계측 레시피 파라미터가 시뮬레이션 중에 변할 수 있는 경우, 계측 타겟 디자인은 계측 레시피의 파라미터 중 하나와도 연관될 수 있다. 계측 타겟 디자인은, 예를 들어 타겟 계수(TC), 스택 감도(SS), 오버레이 영향(OV), 비대칭(전술된 바와 같음), 회절 효율(전술된 바와 같음) 등과 같은 다양한 파라미터에 의해 특징지어질 수 있다. 스택 감도는 타겟(예를 들어, 격자) 층들 사이의 회절때문에 오버레이가 변경될 때 신호의 세기가 얼마나 변하는지의 측정치로서 이해될 수 있다. 타겟 계수는 측정 시스템에 의한 광자 수집의 변화의 결과인 특정한 측정 시간에 대한 신호-대-잡음 비의 측정치로서 이해될 수 있다. 일 실시예에서, 타겟 계수는 광자 노이즈에 대한 스택 감도의 비율인 것으로도 간주될 수 있다; 즉, 신호(즉, 스택 감도)는 광자 노이즈의 측정으로 나누어져서 타겟 계수를 결정할 수 있다. 오버레이 영향은 타겟 디자인의 함수로서 오버레이 오차의 변화를 측정한다. 더 나아가, 계측 타겟 디자인의 성능은 변동에 대한 그 견실성, 예를 들어 하나 이상의 프로세스 파라미터의 변동에 대한 그 민감도에 의해 특징지어질 수 있다.
515 에서, 510 에서의 복수 개의 계측 타겟 디자인 중 하나 이상의 계측 타겟 디자인(및 적용가능한 경우 연관된 계측 레시피 파라미터)은 수동으로, 또는 자동화된 프로세스에 의해 선택된다. 515 에서, 하나 이상의 가이드, 제한 사항 또는 임계가 하나 이상의 계측 타겟 디자인을 쉽게 선택하게 하기 위해 제공될 수 있다. 예를 들어, 수동 또는 자동화된 기준들은 510 으로부터의 특정 개수의 최고 랭킹된 계측 타겟 디자인의 셀렉션일 수 있다. 순위는 단일 성능 파라미터, 성능 파라미터의 조합, 또는 성능 파라미터의 가중치가 부여된 조합 등에 기초할 수 있다. 다른 수동 또는 자동화된 기준은, 계측 타겟 디자인이 다른 임계를 통과하거나 통과하지 않는다면 선택적으로, 성능 파라미터에 대한 특정 임계를 통과하는 계측 타겟 디자인의 셀렉션일 수 있다. 예를 들어, 수동 또는 자동화된 기준들은 계측 타겟 디자인을 스택 민감도에 대해 타겟 계수와 관련하여 평가한 것일 수 있다.
520 에서, 515 로부터의 선택된 하나 이상의 계측 타겟 디자인(및 적용가능할 경우 연관된 계측 레시피 파라미터)은 계측 타겟 디자인(및 적용가능하다면 연관된 계측 레시피 파라미터)의 사양과 함께 출력된다. 이러한 셀렉션은 층 당 10 개 내지 40 개의 계측 타겟 디자인일 수 있다.
530 에서, 계측 타겟 디자인을 어떤 패터닝 디바이스(예를 들어, 마스크)에 대한 디자인으로 변환하기 위해 광학적 근접성 정정 프로세스가 수행될 수 있다. 기본 계측 타겟 디자인은 패터닝 디바이스의 패턴 또는 그에 대한 패턴으로 직접적으로 변환되고 디자인된 계측 타겟을 기판 상에 제공할 수 없을 수 있다. 따라서, 세리프(serifs), 바이어스, 산란 바 등과 같은 다양한 광학적 근접성 정정 기법이 계측 타겟 디자인에 추가될 필요가 있어서 패터닝 디바이스에 대해 적합한 계측 타겟 디자인을 생성할 수 있다. 535 에서의 출력은, 예를 들어 각각의 계측 타겟 디자인에 대한 GDS 포맷인, 패터닝 디바이스에 대한 계측 타겟 디자인 패턴일 수 있다.
540 에서, 계측 타겟 디자인의 하나 이상의 패터닝 디바이스 패턴은 디바이스 제조 프로세스에 대한 하나 이상의 패터닝 디바이스의 디바이스 패턴으로 삽입될 수 있다. 이것으로부터 얻어진 결과는, 선택된 하나 이상의 계측 타겟 디자인 및 선택된 하나 이상의 계측 타겟 디자인의 패턴의 디바이스 제조 프로세스에 대한 하나 이상의 패터닝 디바이스의 디바이스 패턴 내의 위치와 관련된 정보(545)를 포함할 것이다.
도 6 을 참조하면, 프로세스(410 및 415)의 일 실시예의 세부사항이 도시된다. 정보(545)를 사용하여, 선택된 하나 이상의 계측 타겟 디자인 각각에 대한 하나 이상의 계측 레시피(통상적으로 복수 개의 계측 레시피)가 생성된다. 위에서 언급된 바와 같이, 계측 레시피는, 하나 이상의 계측 타겟 및/또는 측정 프로세스를 측정하기 위하여 사용되는, 계측 장치 자체와 연관된 하나 이상의 파라미터(및 하나 이상의 연관된 값), 예컨대 측정빔의 하나 이상의 파장, 측정빔의 하나 이상의 편광 타입, 측정빔의 하나 이상의 선량, 측정빔의 하나 이상의 대역폭, 측정빔과 연관된 검사 장치에 대한 하나 이상의 애퍼쳐 셋팅, 타겟 상에 측정빔을 위치시키기 위해 사용되는 정렬 마크, 사용되는 정렬 기법, 샘플링 기법, 계측 타겟의 레이아웃 및 타겟 및/또는 타겟의 관심 지점을 측정하기 위한 이동 기법 등을 포함한다.
하나 이상의 계측 레시피를 생성하기 위해서, 계측 레시피 템플릿 정보(605)가 제공될 수 있다. 계측 레시피 템플릿 정보(605)는 타겟 상에 측정빔을 위치시키기 위해 사용되는 정렬 마크, 사용되는 정렬 기법, 측정빔 스폿의 크기, 샘플링 기법 등과 같은 계측 레시피의 하나 이상의 파라미터에 관련된 일반적인 세부사항을 규정할 수 있다.
610 에서, 계측 레시피 최적화 프로세스가 수행되어 각각의 계측 타겟 디자인에 대한 하나 이상의 적합한 계측 레시피를 결정한다. 이를 수행하기 위해서는, 하나 이상의 계측 타겟 디자인으로 패터닝되고 하나 이상의 생성된 계측 레시피에서 측정되는 하나 이상의 기판으로부터의 측정 결과(615)가 분석될 수 있다. 일 실시예에서, 이러한 결과는 기판 상에 노광된 타겟(즉, 타겟의 샘플)의 선택 번호로부터 얻어진다. 하나 이상의 성능 파라미터는 계측 레시피 및 계측 타겟 디자인의 조합에 대해 계산되고, 평가되어 하나 이상의 어떤 계측 레시피가 가장 적합한지를 결정할 수 있다. 결과 정보, 예를 들어 최적화 성능 결과가 620 에서 생성될 수 있다.
625 에서, 610 으로부터의 하나 이상의 선택된 계측 레시피를 사용한 하나 이상의 계측 타겟 디자인의 총 측정 불확정성(total measurement uncertainty; TMU)이 결정된다. 이를 수행하기 위해서는, 하나 이상의 계측 타겟 디자인으로 패터닝되고 하나 이상의 선택된 계측 레시피에서 측정되는 하나 이상의 기판으로부터의 측정 결과(630)가 분석될 수 있다. 일 실시예에서, 이러한 결과는 기판 상에 노광된 타겟(즉, 타겟의 샘플)의 선택 번호로부터 얻어진다. 일 실시예에서, TMU의 임계 값 이상인, 계측 타겟 디자인 및 선택된 계측 레시피의 임의의 조합이 추가적인 평가를 위해 배제될 수 있다. 결과 정보, 예를 들어 TMU 검증 결과가 635 에서 생성될 수 있다.
640 에서, 하나 이상의 계측 타겟 디자인의 정확도(예를 들어, 잔차를 사용함)가 결정된다. 일 실시예에서, 625 중에서 충분한 TMU를 가지는 하나 이상의 계측 타겟 디자인 및 그들의 하나 이상의 연관된 계측 레시피가 분석된다. 정확도를 결정하기 위하여, 하나 이상의 계측 타겟 디자인으로 패터닝되고 그들의 하나 이상의 계측 레시피에서 측정되는 하나 이상의 기판으로부터의 측정 결과(645)가 분석될 수 있다. 일 실시예에서, 이러한 결과는 기판 상에 노광된 타겟들 전부, 거의 전부, 또는 적어도 다수로부터 얻어진다. 일 실시예에서, 예를 들어 적합한 샘플링 기법이 사용된다면, 이러한 결과는 기판 상에 노광된 타겟의 다수보다 적은 수로부터 얻어진다. 측정 결과로부터, 계측 타겟 디자인의 정확도는 측정 결과와 측정 결과를 기술하기 위해서 사용되는 파라미터화된 측정 데이터 수학적 모델 사이의 잔차(residual)를 계산함으로써 평가될 수 있다. 낮은 잔차를 가지는 그러한 계측 타겟 디자인이 더 정확한 것들이다. 정보, 예를 들어 정확도 성능 결과, 및 잔차를 감소시키거나 최소화하기 위한 선택적으로 검사 장치 정정은 620 에서 생성될 수 있다. 더 나아가, 프로세스 제어 중에 사용되기 위한 검사 장치에 대한 정정 셋팅이 650 에서 결정될 수 있다.
일 실시예에서, 프로세스 625 는 프로세스 640 이후에 수행될 수 있다.
655 에서, 하나 이상의 계측 타겟 디자인은 그들의 하나 이상의 계측 레시피와 함께 평가되어 추가적 평가에 적합한 계측 타겟 디자인의 서브세트를 식별한다. 이러한 평가는 프로세스(610, 625, 640)로부터의 결과 또는 그 중에서 선택된 임의의 조합에 수행될 수 있다. 예를 들어, 계측 타겟 디자인 및 계측 레시피의 평가된 조합의 성능에 의한 순위가나 그 척도는, 계측 타겟 디자인 및 계측 레시피의 평가된 조합으로부터 하나 이상의 계측 타겟 디자인(및 자신의 연관된 계측 레시피)을 사용자 또는 자동 프로세스에 의해 선택하는 것을 가능하게 하도록 생성될 수 있다.
660 에서, 선택된 하나 이상의 계측 타겟 디자인의 목록이 생성되는데, 이러한 목록은 하나 이상의 계측 타겟 디자인의 세부사항 및 연관된 하나 이상의 계측 레시피의 세부사항을 포함할 수 있다. 계측 타겟이 오직 하나의 검사 장치로 측정되는 경우, 특히 사용되는 검사 장치가 HVM에서 사용되는 것이라면, 목록은 HVM에서 사용될 준비가 될 수 있다.
도 7 을 참조하면, 프로세스(420)의 일 실시예의 세부사항이 도시되는데, 예를 들어 두 개 이상의 검사 장치가 HVM에서 하나 이상의 계측 타겟을 측정하기 위하여 사용되고 및/또는 평가를 위한 검사 장치는 HVM에서 사용된 것과 다르다. 660 으로부터의 데이터로부터, 계측 타겟 디자인과 계측 레시피의 하나 이상의 조합이 선택된다. 각각의 조합에 대하여, 계측 타겟이 기판 상에 패터닝되고, 계측 레시피를 사용해서 검사 장치로 측정된다. 이러한 경우에, 각각의 조합은 700 에서 제 1 검사 장치를 사용하여, 705 에서 제 2 검사 장치를 사용하여, 그리고 710 에서 제 3 검사 장치를 사용하여 측정된다. 이러한 예에서는 3 개의 검사 장치가 존재하지만, 이보다 더 많거나 더 적은 장치가 있을 수 있다. 측정 결과로부터, 각각의 검사 장치에 대한 적용가능한 정정(715, 720, 725)은, 예를 들어 잔차를 감소시키거나 최소화하기 위해 결정될 수 있다. 더 나아가, 730 에서, 700, 705, 710 으로부터의 결과, 715, 720, 725 로부터의 결과, 및/또는 이들 중 임의의 것으로부터 유도된 성능 파라미터가 평가되어 검사 장치들 사이의 매칭 성능을 결정할 수 있다. 예를 들어, 계측 타겟 디자인과 계측 레시피의 하나 이상의 조합이 총괄적으로 하나 이상의 다른 조합보다 검사 장치에서 더 잘 동작한다면, 그러한 조합이 HVM에 대해서 선택될 수 있다.
735 에서, 예를 들어 HVM 또는 제조 프로세스의 개발을 위한, 선택된 하나 이상의 계측 타겟 디자인의 목록이 생성되는데, 이러한 목록은 하나 이상의 계측 타겟 디자인의 세부사항 및 연관된 하나 이상의 계측 레시피의 세부사항을 포함할 수 있다.
도 8 을 참조하면, 계측 타겟 설계, 선택 및 적격판정의 일 실시예의 개략적인 흐름도가 도시된다. 이러한 다이어그램에서, 흐름들의 특정 양태는 일반적 카테고리로 분리된다. 동작의 제 1 카테고리(800)는 계산 또는 시뮬레이션에 의한 하나 이상의 계측 타겟 디자인의 설계와 선택을 수반한다. 이것은 대략적으로는 계측 타겟 디자인(405) 및 프로세스(500, 510, 520 및 525)와 같은 도 5 의 프로세스들의 전부 또는 일부에 대응한다. 동작의 제 2 카테고리(805)는 HVM에 대한 하나 이상의 계측 타겟 디자인을 선택하기 위한, 카테고리(800)에서 선택된 하나 이상의 계측 타겟 디자인과 연관된 데이터 분석을 수반한다. 그리고, 동작의 제 3 카테고리(810)는 하나 이상의 카테고리(800 및/또는 805) 동작에서 사용되기 위한 데이터의 콜렉션을 수반한다.
그러므로, 815 에서, 예를 들어 계측 타겟 디자인(405)에 대하여 전술된 바와 같은 시뮬레이션 단계 및 도 5 의 프로세스의 전부 또는 일부, 예컨대 프로세스(500, 510, 520 및 525)는, 하나 이상의 상이한 계측 타겟 디자인의 성능을 시뮬레이션하기 위해 스택 또는 다른 프로세스 상태(예를 들어, 계측 타겟, 또는 그 일부가 그 안에 제공되는 층의 재료, 치수 및/또는 광학적 특성에 관련된 정보(예컨대 광학적 특성, 재료 두께, 굴절률, 흡수 지수 등), 해당 계측 타겟 위의 하나 이상의 층에 관련된 정보(예를 들어, 처리 층의 두께, 처리 층의 굴절률, 처리 층의 흡수 지수 등), 층이 어떻게 처리되는지에 관련된 정보(예를 들어, 연마 파라미터, 에칭 파라미터 등), 검사 장치의 특성에 관련된 정보(후술되는 바와 같음), 검사 장치의 설정에 관련된 정보, 리소그래피 장치의 특성에 관련된 정보, 타겟 등을 측정하기 위한 정렬 전략 및/또는 이들 중 임의의 것의 변동의 척도)를 포함하는 다양한 파라미터를 사용하여 수행되고, 이러한 상이한 계측 타겟 디자인은 하나 이상의 계측 타겟 디자인 파라미터(예컨대 주기적 구조체 피치, 구조적 피쳐 임계 치수 등이며 하나 이상의 스택 또는 다른 프로세스 상태를 포함함)를 변경함으로써 시뮬레이션에 의해 생성될 수 있다. 위에서 논의된 바와 같이, 성능은 인쇄가능성, 검출가능성, 정밀도, 견실성, 쓰루풋, 정확도, 비대칭, 회절 효율(후술되는 바와 같음), 검사 툴 특정 파라미터(예를 들어, 후술되는 바와 같은 센서 아티팩트에 대한 민감도) 등 또는 이들의 조합일 수 있고, 성능 파라미터는 이들을 표현할 수 있다.
계측 타겟 디자인은 그들의 시뮬레이션된 성능(공칭 스택 정보에서의 성능)에 기초하여 순위가 결정되거나 다른 식으로 평가될 수 있다. 일 실시예에서, 시뮬레이션은, 후술되는 바와 같이 기대되거나 측정된 처리 상태 근처의 스택 또는 다른 처리 상태의 범위에서 수행된다. 이러한 범위는 사용자에 의해 규정될 수 있다.
전술된 바와 같이, 시뮬레이션은 다양한 상이한 계측 레시피 파라미터(예를 들어, 상이한 측정빔 파장, 상이한 측정빔 편광, 상이한 측정빔 선량 등 또는 이들의 임의의 조합) 및 그 상이한 값을 사용하여 수행될 수 있다. 따라서, 결과는, 임계 등을 통과하는, 예를 들어, 높게 순위결정된 계측 타겟 디자인 및 하나 이상의 계측 레시피 파라미터(및 연관된 값)의 조합일 수 있다.
시뮬레이션으로부터, 하나 이상의 계측 타겟 디자인이 선택되어 계측 타겟 디자인의 초기 세트를 제공할 수 있다. 이러한 계측 타겟 디자인은 817 에서 출력된다. 817 에서 데이터는 스택 정보, 계측 타겟 디자인의 시뮬레이션된 성능, 그들의 순위 및/또는 하나 이상의 연관된 계측 레시피 파라미터의 사양을 더 포함할 수 있다.
820 에서, 817 의 데이터에 기초하여, 소프트웨어는, 계측 타겟 디자인 성능 평가를 위한 817 에서의 계측 타겟 디자인의 전부는 아니더라도 하나 이상에 대하여 하나 이상의 계측 레시피(통상적으로 복수 개의 계측 레시피)를 생성한다. 이러한 단계는 일반적으로 전술된 단계 600 에 대응한다. 일 실시예에서, 계측 레시피는 모든 검사 장치에서 이용가능한 모든 특정 파장 및 편광의 조합을 포함한다. 일 실시예에서, 특정한 계측 타겟 디자인에 대한 하나 이상의 계측 레시피는 데이터(817)로부터의 연관된 계측 레시피 파라미터(및 그 연관된 값(들)) 중 하나 이상을 포함한다. 일 실시예에서, 특정 계측 타겟 디자인에 대한 하나 이상의 계측 레시피는, 데이터(817)로부터의 연관된 계측 레시피 파라미터 중 하나 이상의 값(들) 주위 또는 그에 대한 값들의 범위를 포함할 수 있다. 예를 들어, 데이터(817)가 측정빔 파장을 규정하면, 하나 이상의 계측 레시피는 해당 측정빔 파장을 가지는 것 및/또는 해당 측정빔 파장(예를 들어, 50, 100, 150, 200, 250, 300 또는 350 nm의 범위) 주위의 또는 그에 대한 범위에 있는 것들을 포함할 수 있다. 레시피는 822 에서 출력된다.
825 에서, 그에 대해 820 에서 레시피가 생성되는 계측 타겟 디자인은, 디바이스 제조 프로세스를 사용하여 처리되고 822 의 레시피를 사용하여 검사 장치로 측정되는 복수 개의 기판 상에 형성된다. 이러한 단계는 일반적으로 단계 615 에 대응한다. 위에서 단계 615 와 관련하여 전술된 바와 같이, 데이터 콜렉션은 평가 속도를 빠르게 하기 위한, 기판 상의 타겟의 샘플일 수 있다. 일 실시예에서, 측정되거나 유도된 파라미터에 대해 프로그래밍된 변동이 도입될 수 있다. 예를 들어, 측정이 오버레이에 관련된 경우, 공지된 프로그래밍된 오버레이 오차가 성능 평가를 돕기 위해 도입될 수 있다. 출력(827)은, 예를 들어 복수 개의 계측 타겟 디자인들 각각에 대한 오버레이 데이터일 것이다. 그리고 각각의 계측 타겟 디자인에 대하여, 복수 개의 레시피에 대한 데이터가 있을 것이다. 일 실시예에서, 데이터는 하나 이상의 다양한 계측 타겟 디자인 파라미터 및/또는 하나 이상의 다양한 계측 레시피 파라미터에 대한, 측정된 값 또는 측정된 값으로부터 유도된 파라미터를 나타낼 수 있다. 일 실시예에서, 825 에서 수집된 데이터는 하나 이상의 계측 타겟에 대한 하나 이상의 계측 레시피, 또는 하나 이상의 계측 레시피 파라미터의 민감도를 나타내는 파라미터를 결정하기 위하여 사용될 수 있다.
일 실시예에서, 측정은, 프로세스 변동가능성에 기인한 구조의 변동을 나타내는 파라미터를 결정하기 위해서 계측 타겟 디자인의 구조체(예를 들어, 주기적 구조체)에 대해 수행될 수 있다. 예를 들어, 구조체는 구조체 및/또는 구조체 상의 하나 이상의 층의 처리에 있는 변동가능성에 기인한 비대칭을 가질 수 있다. 일 실시예에서, 이러한 측정을 얻기 위해서, 특정한 마커 또는 피쳐가 이러한 변동을 측정하기 위하여 사용될 수 있다. 이러한 특정한 마커 또는 피쳐는 디바이스 제조 프로세스를 모니터링하기 위해서도 역시 사용될 수 있다. 일 실시예에서, 계측 타겟 디자인이 하부 주기적 구조체 및 상부 주기적 구조체를 포함하는 경우, 측정은, 측정 시에 계측 타겟 디자인의 연관된 상부 주기적 구조체가 하부 주기적 구조체 상에 위치되지 않은 채로, 계측 타겟 디자인의 하부 주기적 구조체에 대해서 수행될 수 있다.
따라서, 이러한 측정은 계측 타겟의 구조체 및/또는 해당 구조체에 오버라이하는 하나 이상의 층을 생성할 때에 발생하는 프로세스 변동을 나타낼 수 있다(그리고 이제 프로세스 변동가능성에 대한 계측 타겟 디자인의 견실성을 얻기 위해 사용될 수 있음). 예를 들어, 이러한 측정은 구조체, 예를 들어 상부 주기적 구조체를 가지는 계측 타겟 디자인의 하부 주기적 구조체에 존재하는 비대칭의 양을 나타낼 수 있다. 예를 들어, 낮은 비대칭은 타겟 또는 타겟 파라미터가 견실하다는 것을 나타낼 수 있다. 예를 들어, 데이터의 세트는 복수 개의 계측 타겟 디자인 각각에 대한 파장 및 편광의 상이한 조합에 대한 비대칭의 값을 나타낼 수 있다. 이러한 데이터는, 이러한 데이터가 상이한 레시피가 어떻게 동일한 타겟을 측정하는지를 보여주기 때문에, 예를 들어 하나 이상의 계측 타겟에 대한 하나 이상의 계측 레시피, 또는 하나 이상의 계측 레시피 파라미터의 민감도를 나타내는 파라미터를 나타내거나 이를 유도하기 위해서 사용될 수 있다. 다른 예로서, 데이터의 세트는 계측 타겟 디자인의 주기적 구조체의 피치, 계측 타겟 디자인의 구조적 피쳐의 임계 치수, 타겟 디자인의 주기적 구조체 피쳐의 세그먼트화 등과 같은 계측 타겟 디자인 파라미터의 상이한 값에 대한 비대칭의 값을 나타낼 수 있다. 다른 예로서, 데이터의 세트는 다양한 계측 타겟 디자인 파라미터 또는 계측 레시피 파라미터의 측정된 세기를 나타낼 수 있다.
추가하여, 측정은 디바이스 제조 프로세스의 상이한 스테이지에서 수행되어, 어떤 프로세스 단계가 결과의 변동가능성, 예를 들어 계측 타겟의 구조의 변형을 초래할 가능성이 있는지를 결정할 수 있다. 즉, 일 실시예에서, 비대칭(일 예로서)은 스택의 각각의 층 이후에, 또는 특정 개수의 층 이후에 측정되어, 디바이스 제조 프로세스 중에 층들 중 어느 것이 비대칭이 생기게 했는지를 검사하도록 적용될 수 있다. 그러면 스택의 층단위 분석이 가능해지고, 이것은 본 명세서에서 설명된 바와 같은 튜닝을 위해서 사용될 수 있다.
일 실시예에서, 하나 이상의 특성이 이러한 상이한 스테이지 중 하나 이상에서 변동되어, 계측 타겟 디자인이 하나 이상의 특성의 변동에 대해 견실한지를 결정하는 것을 도울 수 있다. 하나 이상의 특성은: 층의 광학적 특성(예를 들어, 재료 굴절률 또는 재료 흡수 지수), 재료 두께, 연마 파라미터 및/또는 에칭 파라미터 중에서 선택된 하나 이상을 포함할 수 있다.
830 에서, 데이터(827)는 성능에 기초하여 계측 타겟 디자인 및 레시피의 조합을 필터링하기 위해서 평가된다. 이러한 단계는 일반적으로 단계 610 그리고 선택적으로 625 에 대응한다. 예를 들어, 데이터(827)는 계측 타겟 디자인 및/또는 계측 레시피의 성능에 관련된 하나 이상의 파라미터를 결정하기 위하여 처리된다. 일 실시예에서, 소프트웨어는 검출가능성, 정밀도, 쓰루풋 및/또는 정확도에 관련된 하나 이상의 성능 파라미터를 생성한다. 데이터(827)(예를 들어, 데이터 자체 및/또는 생성된 성능 파라미터)로부터의 계측 타겟 성능 정보에 기초하여, 하나 이상의 계측 타겟 디자인 및 연관된 하나 이상의 계측 레시피가 수동으로 또는 자동화된 프로세스에 의해 선택될 수 있다. 일 실시예에서, 데이터(827)로부터의 계측 타겟 성능 정보에 기초한 선택에 추가적으로 또는 대안적으로, 하나 이상의 계측 타겟 디자인 및 연관된 하나 이상의 계측 레시피는, 시뮬레이션(815)(예를 들어, 817 및/또는 819 로부터 획득된 것)으로부터의 데이터(예컨대 계측 타겟 및/또는 계측 레시피 중 하나 이상의 성능을 나타내는 파)에 기초하여 수동으로 또는 자동화된 프로세스에 의해 선택된다. 일 실시예에서, 이러한 선택은, 데이터(827)로부터의 계측 타겟 성능 정보에 기초하고 그리고 815 에서의 시뮬레이션으로부터의 데이터에 기초한다. 일 실시예에서, 시뮬레이션은 후술되는 바와 같은 계측 타겟 파라미터 또는 계측 레시피 파라미터의 튜닝에 기초하여 수행되고, 이러한 선택은 계측 타겟 파라미터 또는 계측 레시피 파라미터의 튜닝에 기초한 815 에서의 시뮬레이션으로부터의 데이터에 기초한다. 일 실시예에서, 시뮬레이션은 후술되는 바와 같은 계측 타겟 파라미터 또는 계측 레시피 파라미터의 튜닝에 기초하여 수행되고, 시뮬레이션은 하나 이상의 신규하거나 변동된 계측 타겟 및/또는 계측 레시피를 평가한다. 일 실시예에서, 하나 이상의 신규하거나 변동된 계측 타겟 및/또는 계측 레시피의 측정 데이터가 획득되고, 선택은 하나 이상의 신규하거나 변동된 계측 타겟 및/또는 계측 레시피에 기초한다(815 에서의 시뮬레이션으로부터의 데이터에 기초하는 것에 추가적으로 또는 대안적으로).
일 실시예에서, 계측 타겟 디자인 및 계측 레시피의 조합은 하나 이상의 성능 파라미터 각각에 따라(이러한 성능 파라미터 자체는 복수 개의 성능 파라미터, 예를 들어 성능 파라미터의 가중치가 부여된 조합으로부터 유도될 수 있음) 및/또는 성능 파라미터의 조합에 따라서 순위가 결정된다(예를 들어, 두 개 이상의 성능 파라미터에 기초하여 별개로 순위결정되거나 두 개 이상의 성능 파라미터의 조합에 기초하여 순위결정됨). 일 실시예에서, 계측 타겟 디자인 및 계측 레시피의 조합의 순위는 사용자 인터페이스(예를 들어, 그래픽 사용자 인터페이스)에 제공될 수 있다. 일 실시예에서, 계측 타겟 디자인과 계측 레시피의 하나 이상의 조합은 그들이 임계를 통과한다면 자동적으로 선택될 수 있다. 이와 같이 선택된 계측 타겟 디자인 및 계측 레시피는 이제 정확도 인증을 위하여 본 명세서에서 논의된 바와 같이 분석될 수 있다. 선택된 계측 타겟 디자인 및 계측 레시피, 및 선택적으로 그들의 성능이 832 에서 출력된다.
일 실시예에서, 하나 이상의 계측 타겟에 대한 하나 이상의 계측 레시피의 민감도를 나타내는 파라미터, 또는 하나 이상의 계측 레시피 파라미터, 예컨대 프로세스 변동가능성에 기인한 계측 타겟의 구조의 변동을 나타내는 파라미터(예를 들어, 측정 시에 계측 타겟 디자인의 연관된 상부 주기적 구조체가 하부 주기적 구조체 상에 놓이지 않은 상태로 계측 타겟 디자인의 하부 주기적 구조체에 대해 수행된 측정으로부터 유도됨)는 827 에서 완전한 계측 타겟 디자인의 평가 프로세스에서 사용되도록 피드-포워드된다. 일 실시예에서, 하나 이상의 측정 셋팅 중 어느 것이 계측 타겟의 구조체 및/또는 구조체에 오버라이하는 하나 이상의 층을 생성할 때 발생하는 프로세스 변동에 대해 높거나 낮은 민감도를 가지는지를 결정하기 위해서 측정이 사용된다. 따라서, 일 실시예에서, 하나 이상의 측정 셋팅 중 어느 것이 구조체의 변형, 예를 들어 주기적 구조체 비대칭에 대해 높거나 낮은 민감도를 가지는지를 결정하기 위해 측정이 사용된다. 그러면 이러한 결과는, 하나 이상의 낮은 또는 최소의 민감도 셋팅을 가지는 하나 이상의 계측 타겟 디자인을 식별 및/또는 선택하기 위하여, 830 에서 완전한 계측 타겟 디자인을 평가하는 데에 사용될 수 있다. 일 실시예에서, 이러한 결과는 829 에서 계측 레시피를 생성하는 데에 피드포워드되어, 하나 이상의 낮거나 최소의 민감도 셋팅을 가지는 계측 레시피가 선택되게 할 수 있는데, 이것은 프로세스 변동에 고도로 민감한 계측 레시피를 제거함으로써 쓰루풋을 높일 수 있다.
일 실시예에서, 하나 이상의 계측 레시피, 또는 하나 이상의 계측 레시피 파라미터의 하나 이상의 계측 타겟에 대한 민감도를 나타내는 파라미터를, 복수 개의 계측 레시피에서 측정된 계측 타겟의 측정 데이터를 기초하여 결정하는 단계; 및 민감도를 나타내는 파라미터에 기초하여, 계측 타겟을 측정하기 위해 사용되는 복수 개의 계측 레시피를 시뮬레이션에 의해 또는 측정된 데이터에 대해 평가하여, 계측 타겟을 측정하는 데에 사용되기 위한 복수 개의 계측 레시피 중 하나 이상의 레시피를 식별하는 단계를 포함하는 방법이 제공된다. 일 실시예에서, 측정 데이터는 프로세스 변동가능성에 대한 계측 타겟의 구조의 변동을 나타내는 파라미터를 포함한다. 일 실시예에서, 이러한 파라미터는 계측 타겟의 구조체 내에 존재하는 비대칭의 척도를 나타낸다. 일 실시예에서, 측정 데이터는 구조체의 처리 및/또는 구조체 위에 층을 적용하는 것의 상이한 스테이지에서의 측정을 포함한다. 일 실시예에서, 이러한 방법은 구조체의 처리의 특성을 변경하는 것을 더 포함한다. 일 실시예에서, 처리의 특성은: 층의 광학적 특성, 재료 두께, 연마 파라미터 및/또는 에칭 파라미터 중에서 선택된 하나 이상을 포함한다. 일 실시예에서, 계측 타겟의 구조체는 계측 타겟의 하부 주기적 구조체이고, 측정 데이터는 계측 타겟의 상부 주기적 구조체가 측정 데이터를 획득할 때에 하부 주기적 구조체의 하부 주기적 구조체 위에 높이지 않은 상태의 하부 주기적 구조체에 관련된다.
834 에서, 825 에서 수집된 측정 데이터로부터의 피드백 데이터 또는 그로부터 생성된 피드백 데이터는 800 에서 시뮬레이션 또는 계산 프로세스로 다시 제공된다. 이러한 데이터는 시뮬레이션, 시뮬레이션 파라미터를 검증하는 데에 사용될 수 있고, 및/또는 시뮬레이션 신뢰도를 제공한다. 따라서, 일 실시예에서, 데이터는 시뮬레이션에서 유도되거나 시뮬레이션에서 사용되는 계측 타겟 파라미터 및/또는 계측 레시피 파라미터를 튜닝하기 위하여 사용된다.
일 실시예에서, 데이터(834)는, 스택의 하나 이상의 파라미터, 예를 들어 하나 이상의 층의 두께, 하나 이상의 층의 굴절률, 하나 이상의 층의 흡수 지수 등, 및/또는 해당 스택과 관련된 하나 이상의 파라미터의 변동가능성, 예를 들어 하나 이상의 층의 두께의 변동가능성의 척도의 값이거나 그것을 포함할 수 있다. 이러한 튜닝은 타겟에 있거나 그 위에 있는 하나 이상의 층 및/또는 타겟 아래의 하나 이상의 층에 대한 것일 수 있다. 이러한 데이터(834)는 계측 툴에 의해 직접적으로 측정될 수 있다. 이러한 데이터(834)는 해당 타겟을 사용하도록 설계되지 않은 계측 툴에 의해, 예를 들어 타겟은 회절-기초 측정 툴에 의해 사용되도록 설계되지만 CD-SEM 툴에 의해서 수집될 수 있다.
일 실시예에서, 데이터(834)는 계측 타겟 파라미터 및/또는 계측 레시피 파라미터에 관련된 간접 정보이거나 그것을 포함할 수 있다. 예를 들어, 데이터(834)는 측정된 계측 타겟 디자인에 의해 리디렉팅된 방사선의 측정된 세기의 값, 오버레이의 측정된 값, 임계 치수의 측정된 값, 평균, 표준 편차와 같은 하나 이상의 파라미터(KPI)의 값, 측정 데이터 등으로부터 유도된 스택 민감도, 타겟 계수, 비대칭, 회절 효율 등을 포함할 수 있다. 일 실시예에서, 데이터(834)는, 계측 타겟 디자인의 재현성(즉, 계측 디자인이 실제로 스택 내에서 설계된 것처럼 생성될 능력의 인티케이터) 및/또는 검출가능성(즉, 검사 장치가 이러한 계측 디자인을 검출할 능력의 인티케이터)을 나타내는, 측정된 데이터, 또는 측정된 데이터로부터 유도된 하나 이상의 파라미터를 포함할 수 있다.
840 에서, 이러한 피드백 데이터는 시뮬레이션의 하나 이상의 계측 타겟 파라미터 및/또는 계측 레시피 파라미터의 정정 및/또는 일관성을 평가하기 위하여 사용될 수 있고, 정정 및/또는 일관성이 부족한 곳에는 적합한 정정이 적용될 수 있다. 예를 들어, 시뮬레이션을 실행하기 위하여 사용되는 초기 또는 기대된 스택 또는 다른 프로세스 상태 중 하나 이상은 데이터(834)에 대해 검증되어 하나 이상의 초기 또는 기대된 스택 또는 다른 프로세스 상태의 유효성을 증명할 수 있다. 하나 이상의 초기 또는 기대된 스택 또는 다른 프로세스 상태가 유효하지 않다면(예를 들어, 개수의 값들이 매칭되지 않고, 파라미터의 변동가능성이 시뮬레이션에서 사용된 것보다 더 큰 경우 등), 시뮬레이션은 842 에서 공급된 업데이트된 하나 이상의 스택 또는 다른 프로세스 상태를 사용하여 재실행될 수 있다. 예를 들어, 피드백 데이터로부터의 하나 이상의 측정된 스택 또는 다른 프로세스 상태가 초기 또는 기대된 스택 또는 다른 프로세스 상태 중 하나 이상 대신에 시뮬레이션에서 사용될 수 있다. 리-시뮬레이션(re-simulation)의 성능은 단지 업데이트된 하나 이상의 스택 또는 다른 프로세스 상태에 기초하는 이전에 결정된 계측 타겟 디자인 및/또는 계측 레시피의 리-랭킹(re-ranking)만을 수반할 수 있거나, 업데이트된 하나 이상의 스택 또는 다른 프로세스 상태에 기초하여 하나 이상의 새 계측 타겟 디자인 및/또는 계측 레시피를 결정하는 것을 수반할 수도 있다. 검증은 개수를 개수의 단순 비교로부터 복잡한 통계적 분석까지의 범위를 가질 수 있다. 예를 들어, 계측 타겟 디자인의 측정 검출가능성은 계측 레시피 파라미터의 복수 개의 값 또는 복수 개의 계측 레시피 파라미터 조합에 대한 계측 타겟 디자인의 측정에 기초하여 평가될 수 있다. 이것은 계측 레시피 파라미터 또는 복수 개의 계측 레시피 파라미터 조합의 값에 대한, 측정 검출가능성의 데이터, 또는 함수의 세트를 제공할 수 있다. 데이터, 또는 함수의 비교가능한 세트는 시뮬레이션으로부터 유도된 후 통계적으로 비교될 수 있다. 정확도 또는 일관성이 없으면, 정정이 시뮬레이션에 적용될 수 있다. 일 실시예에서, 시뮬레이션은 데이터(834)와 매칭되는 것이 있을 때까지 하나 이상의 계측 타겟 파라미터 및/또는 계측 레시피 파라미터(예컨대 스택의 하나 이상의 파라미터)를 변경하고, 그 결과에 기초하여 정정을 적용할 수 있다. 일 예로서, 시뮬레이션은 데이터(834)와 매칭되는 것이 있을 때까지 스택의 하나 이상의 파라미터를 변경하고, 시뮬레이션에 있는 스택의 하나 이상의 파라미터는 매칭 시에 실제 스택 특성을 나타낼 수 있다. 매칭 시에 시뮬레이션에 있는 스택의 하나 이상의 파라미터는 이제 해당 디바이스 제조 프로세스에 대한 후속 시뮬레이션에서 사용될 수 있다. 일 실시예에서, 임계 치수의 측정은 스택 튜닝을 제약하고 튜닝된 스택의 더 양호한 (물리적) 솔루션을 얻기 위해서 사용될 수 있다.
이와 관련하여, 측정이 시뮬레이션의 하나 이상의 계측 타겟 파라미터 및/또는 계측 레시피 파라미터의 정확도와 일치되거나 이를 확정한다면, 시뮬레이션은 이러한 정보(842)를 사용하여 계측 타겟 디자인 및/또는 계측 레시피를 개선하거나 최적화할 수 있다. 예를 들어, 파라미터들 사이에서 강한 상관성이 식별되고, 이것이 계측 타겟 디자인 및/또는 계측 레시피의 디자인을 양호한 성능을 나타내는 파라미터에 강한 상관성을 가지는 그러한 파라미터에 맞도록 유도하기 위해 사용될 수 있다. 예를 들어, 다수의 계측 타겟 디자인(변동하는 계측 타겟 디자인 파라미터를 가짐)의, 예를 들어 복수 개의, 또는 하나 이상의 적용가능한 계측 레시피 파라미터에 대한 측정 결과가 시뮬레이션의 하나 이상의 계측 타겟 파라미터 및/또는 계측 레시피 파라미터의 정확도와 일치하거나 이것을 확정한다면, 이러한 정보가 계측 타겟 디자인 및/또는 계측 레시피를 시뮬레이션에 의해(예를 들어, 더 양호한 성능에 더 큰 상관성을 가지는 파라미터에 더 큰 가중치를 부여하는 등에 의해) 개선하거나 최적화하기 위해 사용될 수 있다.
일 실시예에서, 840 에서 측정된 데이터와 초기 데이터 사이의 상관 결과가 스택의 하나 이상의 파라미터 및/또는 해당 스택과 관련된 하나 이상의 파라미터의 변화가능성이 부정확하다고 플래깅하면(flag), 스택의 하나 이상의 파라미터 및/또는 해당 스택과 관련된 하나 이상의 파라미터의 값을 얻기 위해서 측정이 수행될 수 있다. 예를 들어, 이러한 데이터는 825 에서 수집되고 840 에서 스택의 하나 이상의 파라미터 및/또는 해당 스택에 관련된 하나 이상의 파라미터가 부정확하다고 결정하는 것에 응답하여 수집되도록 트리거링될 수 있다. 초기 데이터는 이러한 데이터에 기초하여 업데이트되거나 이러한 데이터로 치환될 수 있다. 840 에서의 상관으로부터, 단계(840)는 825 에서 측정될, 스택의 특정한 하나 이상의 파라미터 및/또는 해당 스택에 관련된 하나 이상의 파라미터의 변동가능성을 결정할 수 있다. 일 실시예에서, 단계(840)는 부정확한 것으로 결정된, 스택의 하나 이상의 파라미터 및/또는 해당 스택에 관련된 하나 이상의 파라미터의 변동가능성을 측정하도록, 825 에서 사용하기 위한 계측 레시피 템플릿을 자동적으로 준비하거나 제공할 수 있다.
일 실시예에서, 데이터(834)는 계측 타겟 파라미터 및/또는 계측 레시피 파라미터를 튜닝하기 위해서 시뮬레이션에서 사용되는 가중치 값으로서 사용되거나 가중치값이 되도록 유도될 수 있다. 예를 들어, 가중치 값은 하나 이상의 계측 타겟 디자인 및/또는 계측 타겟 레시피를 제거하기 위해서 효과적으로 사용될 수 있다. 일 예로서, 재현성 또는 검출가능성을 나타내는 데이터(834)는 특정 계측 타겟 디자인 및/또는 계측 타겟 레시피를 배제하거나 순위에서 낮추기 위한 "큰(heavy)" 가중치로서 사용될 수 있다. 그 결과 시뮬레이션이 더 빨라질 수 있고 더 효과적인 결과가 얻어질 수 있다.
일 실시예에서, 하나 이상의 초기 또는 기대된 스택 또는 다른 프로세스 상태 또는 기대된 데이터와, 하나 이상의 측정된 스택 또는 다른 프로세스 상태 또는 측정된 데이터 각각 사이의 차이가 임계 내에 있으면, 하나 이상의 계측 타겟 및/또는 레시피는 성능에 기초하여 선택될 수 있다. 일 실시예에서, 성능은: 검출가능성, 정밀도, 쓰루풋, 정확도, 회절 효율, 비대칭, 타겟 계수, 스택 민감도, 및/또는 센서 아티팩트에 대한 민감도 중에서 선택된 하나 이상을 포함하는 성능 파라미터 또는 인티케이터를 사용하여 결정된다. 일 실시예에서, 이러한 선택은 여러 성능 파라미터들 사이의 균형 및/또는 성능 파라미터와 검사 장치에 특유한 파라미터 사이의 균형에 기초한다.
일 실시예에서, 일관성 및/또는 정확도 평가를 위해 사용되는 피드백 데이터는 하나 이상의 특정한 시뮬레이션된 계측 타겟 디자인 및/또는 계측 레시피에 대응하는 피드백 데이터일 수 있다(예를 들어, 해당 특정 계측 디자인의 시뮬레이션의 하나 이상의 파라미터를 튜닝하기 위해서 특정 계측 디자인의 측정된 데이터가 사용됨). 따라서, 일 실시예에서, 데이터(834)에 기초한 시뮬레이션의 재실행 시에, 특정한 계측 타겟 디자인 및/또는 특정한 계측 레시피만이 평가될 수 있다. 이것은, 예를 들어 가중치 인자(예컨대 재현성 또는 검출가능성을 나타내는 데이터(834)에 기초함)를 사용하여 달성될 수 있다. 일 실시예에서, 일관성 및/또는 정확도 평가를 위해 사용되는 피드백 데이터는 복수 개의 계측 타겟 디자인 및/또는 계측 레시피에 대체 범용일 수 있다.
일 실시예에서, 계측 타겟 파라미터 또는 계측 레시피 파라미터를 튜닝하면, 특정 계측 타겟 및/또는 계측 레시피가, 특정 계측 타겟을 형성 또는 측정하는 프로세스의 변동에 대해, 특정 계측 레시피와 함께 사용되는 계측 타겟을 형성하는 프로세스의 변동에 대해, 또는 특정 계측 레시피를 사용하는 측정 프로세스의 변동에 대해 더 견실해지게 된다. 예를 들어, 일 실시예에서, 프로세스 변동가능성에 기인한 계측 타겟의 구조의 변동을 나타내는 측정(예컨대 계측 타겟 디자인의 연관된 상부 주기적 구조체가 측정 시에 하부 주기적 구조체 위에 놓이지 않은 상태로 계측 타겟 디자인의 하부 주기적 구조체에 대해 수행된 측정)은 피드백 데이터(834)로서 사용되거나 이것을 유도하기 위해 사용된다. 피드백 데이터(834)는 계측 타겟의 구조체 및/또는 해당 구조체에 오버라이하는 하나 이상의 층을 생성할 때에 발생하는 프로세스 변동을 나타낼 수 있으며, 이제 이것이 프로세스 변동가능성에 대한 계측 타겟 디자인 및/또는 계측 레시피의 견실성을 얻기 위해 사용될 수 있다. 예를 들어, 낮은 비대칭을 나타내는 피드백 데이터(834)는, 계측 타겟 디자인 및/또는 계측 레시피가 프로세스 변동에 대해 견실하다는 것을 나타낸다. 피드백 데이터(834)는, 예를 들어 계측 타겟 디자인 피치, 측정빔 파장의 값에 대한 비대칭의 데이터, 또는 함수의 값을 나타낼 수 있다. 그러므로, 피드백 데이터(834)는 견실성을 보여주는 하나 이상의 파라미터를 가지는 계측 타겟 디자인 및/또는 계측 레시피를 설계 및/또는 선택하기 위해서 시뮬레이션에서 사용될 수 있다. 피드백 데이터(834)는 디바이스 제조 프로세스의 상이한 스테이지를 더 나타낼 수 있고, 따라서 시뮬레이션의 적합한 부분에 적용될 수 있다. 따라서, 이러한 피드백 데이터(834)는 계측 타겟 디자인 및/또는 계측 레시피를 더 견실하게 만들도록 튜닝될 수 있는 하나 이상의 파라미터를 식별하기 위해서 시뮬레이션에서 사용될 수 있다.
일 실시예에서, 시뮬레이션 프로세스(815)는 피드백 또는 피드-포워드 데이터에 응답하여 재실행될 수 있다. 일 실시예에서, 하나 이상의 초기 또는 기대된 스택 또는 다른 프로세스 상태 또는 기대된 데이터와 측정된 스택 또는 다른 프로세스 상태 또는 측정된 데이터 중 하나 이상 각각 사이의 차이가 임계를 넘어가면, 시뮬레이션은 초기 또는 기대된 스택 또는 다른 프로세스 상태의 변동을 사용하여(예를 들어, 측정된 스택 또는 다른 프로세스 상태 중 하나 이상을 사용하여) 그리고 시뮬레이션된 것들로부터 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피를 식별하는 것을 다시 수행하면서 재실행될 수 있다.
일 실시예에서, 시뮬레이션 프로세스(815)가 재실행되면, 프로세스는 시뮬레이션 프로세스(815)로부터 820 에서의 계측 레시피 제형 단계(formulation) 등으로 진행할 수 있다. 예를 들어, 이것은 특히, 피드백 또는 피드-포워드 데이터가 825 에서 측정되어야 하는 변경되거나 새로운 계측 타겟 디자인을 제공할 경우일 수 있다. 일 실시예에서, 피드백 또는 피드-포워드 데이터에 응답하여, 프로세스는 819 를 통해서 830 에서의 평가 프로세스로 진행할 수 있다. 예를 들어, 이것은 특히, 측정되어야 하는 변경되거나 새로운 계측 타겟 디자인이 존재하지 않는 경우일 수 있다. 데이터는 819 를 통해 공급되어 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피를 선택하는 것을 도울 수 있다. 예를 들어, 데이터는 817 을 통해 원래 공급된 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피의 개정된 순위 및/또는 817 을 통해 원래 공급된 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피와 연관된 성능 파라미터의 새로운 값을 포함할 수 있다. 순위 및/또는 개정되거나 새로운 값은 프로세스(830)에서 하나 이상의 계측 타겟 디자인 및/또는 계측 레시피를 선택하는 데에 사용될 수 있다.
835 에서, 830 에서 하나 이상의 선택된 계측 타겟 디자인이 디바이스 제조 프로세스를 사용하여 처리되는 복수 개의 기판 상에 형성된 후, 정확도 인증을 위하여 그들의 연관된 하나 이상의 계측 레시피를 사용해서 검사 장치로 측정된다. 이러한 단계는 일반적으로 단계 645 에 대응한다. 단계(645)와 관련하여 위에서 논의된 바와 같이, 데이터 콜렉션은 기판 상의 모든, 실질적으로 모든 또는 다수의 타겟의 더 포괄적인 분석일 수 있다. 일 실시예에서, 측정되거나 유도된 파라미터에 대해 프로그래밍된 변동이 도입될 수 있다. 예를 들어, 측정이 오버레이에 관련된 경우, 공지된 프로그래밍된 오버레이 오차가 성능 평가를 돕기 위해 도입될 수 있다. 출력(837)은, 예를 들어 복수 개의 계측 타겟 디자인들 각각에 대한 오버레이 데이터일 것이다. 그리고 각각의 계측 타겟 디자인에 대하여, 복수 개의 레시피에 대한 데이터가 있을 것이다. 일 실시예에서, 데이터는 하나 이상의 다양한 계측 타겟 디자인 파라미터 및/또는 하나 이상의 다양한 계측 레시피 파라미터에 대한, 측정된 값 또는 측정된 값으로부터 유도된 파라미터를 나타낼 수 있다. 일 실시예에서, 측정은 프로세스 변동가능성에 기인한 계측 타겟의 구조체(예를 들어, 주기적 구조체)의 변동을 결정하기 위하여 수행될 수 있다. 비한정적인 예로서, 이러한 측정은 계측 타겟 디자인의 연관된 상부 주기적 구조체가 하부 주기적 구조체 상에 위치되지 않은 상태의 계측 타겟 디자인의 하부 주기적 구조체에 관한 것일 수 있다. 이러한 측정은, 예를 들어 구조체에 있는 비대칭의 양을 나타낼 수 있고, 이제 프로세스 변동가능성에 대한 계측 타겟 디자인의 견실성을 얻기 위해 사용될 수 있다. 예를 들어, 낮은 비대칭은 타겟 또는 타겟 파라미터가 견실하다는 것을 나타낼 수 있다. 예를 들어, 데이터의 세트는 복수 개의 계측 타겟 디자인 각각에 대한 파장 및 편광의 상이한 조합에 대한 비대칭의 값을 나타낼 수 있다. 다른 예로서, 데이터의 세트는 계측 타겟 디자인의 주기적 구조체의 피치, 계측 타겟 디자인의 구조적 피쳐의 임계 치수, 타겟 디자인의 주기적 구조체 피쳐의 세그먼트화 등과 같은 계측 타겟 디자인 파라미터의 상이한 값에 대한 비대칭의 값을 나타낼 수 있다. 다른 예로서, 데이터의 세트는 다양한 계측 타겟 디자인 파라미터 또는 계측 레시피 파라미터의 측정된 세기를 나타낼 수 있다. 추가하여, 측정은 디바이스 제조 프로세스의 상이한 스테이지에서 수행되어, 어떤 프로세스 단계가 구조의 변형을 초래할 가능성이 있는지를 결정할 수 있다.
데이터(837)에 기초하여, 830 에서 측정된 하나 이상의 선택된 계측 타겟 디자인 및 연관된 하나 이상의 계측 레시피와 관련된 하나 이상의 성능 인티케이터가 845 에서 계산된다. 이러한 단계는 일반적으로 단계 640 그리고 선택적으로 단계 625 에 대응한다. 예를 들어, 데이터(837)는, 검출가능성, 정밀도, 쓰루풋 및/또는 정확도와 같은, 계측 타겟 디자인 및/또는 계측 레시피의 성능에 관련된 하나 이상의 파라미터를 결정하기 위하여 처리된다. 일 실시예에서, 정확도 성능에 관련된 파라미터가 계측 타겟 디자인 - 계측 레시피 조합에 대하여 계산된다. 일 실시예에서, 정확도 성능 파라미터는 측정된 데이터와 측정된 데이터에 근사하기 위하여 사용되는 수학적 모델 사이의 잔차를 포함한다. 데이터(837)로부터의 결정된 계측 타겟 성능에 기초하여, 하나 이상의 계측 타겟 디자인 및 연관된 하나 이상의 계측 레시피가 수동으로 또는 자동화된 프로세스에 의해 선택된다. 일 실시예에서, 계측 타겟 디자인 및 계측 레시피의 조합은 하나 이상의 성능 파라미터 각각에 따라(이러한 성능 파라미터 자체는 복수 개의 성능 파라미터, 예를 들어 성능 파라미터의 가중치가 부여된 조합으로부터 유도될 수 있음) 및/또는 성능 파라미터의 조합에 따라서 순위가 결정된다(예를 들어, 두 개 이상의 성능 파라미터에 기초하여 별개로 순위결정되거나 두 개 이상의 성능 파라미터의 조합에 기초하여 순위결정됨). 일 실시예에서, 계측 타겟 디자인 및 계측 레시피의 조합의 순위는 사용자 인터페이스(예를 들어, 그래픽 사용자 인터페이스)에 제공될 수 있다. 일 실시예에서, 계측 타겟 디자인과 계측 레시피의 하나 이상의 조합은 그들이 임계를 통과한다면 자동적으로 선택될 수 있다. 이러한 계측 타겟 디자인 및 계측 레시피는 이제 HVM을 위하여 고려할 준비가 된 하나 이상의 계측 타겟 디자인 - 계측 레시피 조합을 나타낼 수 있고, 따라서 선택적으로 연관된 성능과 함께 860 에서 출력될 수 있다. 일 실시예에서, 사용자 또는 소프트웨어는, 예를 들어 양호한 타겟 성능을 가지는 하나 이상의 후보 "기준점(point of reference; POR)" 계측 타겟 디자인을 선택할 수 있다. 하나 이상의 POR 계측 타겟 디자인 및 연관된 계측 레시피(들), 및 선택적으로 연관된 성능이 847 에서 출력된다.
일 실시예에서, 전술된(예를 들어, 단계 819, 827, 829 및/또는 834) 피드백 및 피드-포워드가 단계(845)와 연관되어 적용될 수 있다.
850 에서, 845 에서의 하나 이상의 POR 계측 타겟 디자인이 디바이스 제조 프로세스를 사용하여 처리되는 복수 개의 기판 상에 형성된 후, 검사 장치가 검사 장치 매칭을 하게 하도록 POR 계측 타겟 디자인의 연관된 하나 이상의 계측 레시피를 사용하여 복수 개의 검사 장치로 측정된다. 이러한 단계 일반적으로 단계 700, 705 및 710 에 대응한다. 위에서 언급된 바와 같이, 이러한 데이터 콜렉션은, 예를 들어 다수의 검사 장치가 디바이스 제조 프로세스에서 계측 타겟을 측정하기 위하여 사용되는 경우 또는 HVM에서와 상이한 검사 장치가 개발을 위해 사용되는 경우 적용될 것이다. 데이터 콜렉션은 기판 상의 모든, 실질적으로 모든 또는 다수의 타겟의 더 포괄적인 분석일 수 있다. 출력(852)은, 예를 들어 복수 개의 계측 타겟 디자인들 각각에 대한 오버레이 데이터일 것이다. 그리고 각각의 계측 타겟 디자인에 대하여, 복수 개의 검사 장치에 대한 데이터가 있을 것이다.
데이터(852)에 기초하여, 각각의 검사 장치에 대한 적용가능한 정정이 결정되어, 예를 들어 855 에서의 잔차를 감소시키거나 최소화할 수 있다. 추가적으로 또는 대안적으로, 검사 장치들 사이의 매칭 성능이 855 에서 평가된다. 예를 들어, 하나 이상의 파라미터는 기판의 선택적으로 모든 또는 복수 개의 층에 대해서 검사 장치 각각에 걸쳐 계측 타겟 디자인 - 계측 레시피 조합에 대한 성능의 매칭을 평가하도록, 데이터(852)로부터 유도될 수 있다. 이러한 단계 일반적으로 단계 715, 720, 725 및 730 에 대응한다. 예를 들어, 계측 타겟 디자인과 계측 레시피의 하나 이상의 조합이 총괄적으로 하나 이상의 다른 조합보다 검사 장치에서 더 잘 동작한다면, 그러한 조합이 HVM에 대해서 선택될 수 있다. 데이터(837)로부터의 결정된 매칭 성능에 기초하여, 하나 이상의 계측 타겟 디자인 및 연관된 하나 이상의 계측 레시피가 수동으로 또는 자동화된 프로세스에 의해 선택될 수 있다. 일 실시예에서, 계측 타겟 디자인 및 계측 레시피의 조합은 하나 이상의 성능 파라미터 각각에 따라(이러한 성능 파라미터 자체는 복수 개의 성능 파라미터, 예를 들어 성능 파라미터의 가중치가 부여된 조합으로부터 유도될 수 있음) 및/또는 성능 파라미터의 조합에 따라서 순위가 결정된다(예를 들어, 두 개 이상의 성능 파라미터에 기초하여 별개로 순위결정되거나 두 개 이상의 성능 파라미터의 조합에 기초하여 순위결정됨). 일 실시예에서, 계측 타겟 디자인 및 계측 레시피의 조합의 순위는 사용자 인터페이스(예를 들어, 그래픽 사용자 인터페이스)에 제공될 수 있다. 일 실시예에서, 계측 타겟 디자인과 계측 레시피의 하나 이상의 조합은 그들이 임계를 통과한다면 자동적으로 선택될 수 있다. 선택된 하나 이상의 POR 계측 타겟 디자인 - 계측 레시피 조합은 이제 HVM을 위한 준비가 된 하나 이상의 계측 타겟 디자인 - 계측 레시피 조합을 나타낼 수 있고, 따라서 선택적으로 연관된 성능과 함께 860 에서 출력될 수 있다.
그러므로, 일 실시예에서, 시뮬레이션을 수행하여 복수 개의 계측 타겟 및/또는 계측 타겟을 측정하기 위하여 사용되는 복수 개의 계측 레시피를 평가하는 단계; 평가된 복수 개의 계측 타겟 및/또는 레시피 중에서 하나 이상의 계측 타겟 및/또는 레시피를 식별하는 단계; 하나 이상의 식별된 계측 타겟 및/또는 레시피의 측정 데이터를 수신하는 단계; 및 측정 데이터를 사용하여, 시뮬레이션의 계측 타겟 파라미터 및/또는 계측 레시피 파라미터를 튜닝하는 단계를 포함하는 방법이 제공된다. 일 실시예에서, 계측 타겟 파라미터 또는 계측 레시피 파라미터를 튜닝하면, 식별된 계측 타겟 및/또는 레시피가, 식별된 계측 타겟을 형성 또는 측정하는 프로세스의 변동에 대해, 식별된 레시피와 함께 사용되는 계측 타겟을 형성하는 프로세스의 변동에 대해, 또는 식별된 계측 레시피를 사용하는 측정 프로세스의 변동에 대해 더 견실해지게 된다. 일 실시예에서, 측정 데이터는 프로세스 변동가능성에 대한 계측 타겟의 구조의 변동을 나타내는 파라미터를 포함한다. 일 실시예에서, 이러한 파라미터는 계측 타겟의 구조체 내에 존재하는 비대칭의 척도를 나타낸다. 일 실시예에서, 측정 데이터는 구조체의 처리 및/또는 구조체 위에 층을 적용하는 것의 상이한 스테이지에서의 측정을 포함한다. 일 실시예에서, 이러한 방법은 구조체의 처리의 특성을 변경하는 것을 더 포함한다. 일 실시예에서, 처리의 특성은: 층의 광학적 특성, 재료 두께, 연마 파라미터 및/또는 에칭 파라미터 중에서 선택된 하나 이상을 포함한다. 일 실시예에서, 계측 타겟의 주기적 구조체는 계측 타겟의 하부 주기적 구조체이고, 측정 데이터는 계측 타겟의 상부 주기적 구조체가 측정 데이터를 획득할 때에 하부 주기적 구조체의 하부 주기적 구조체 위에 높이지 않은 상태의 하부 주기적 구조체에 관련된다. 일 실시예에서, 측정 데이터는 계측 타겟의 파라미터의 측정빔 파장에 대한 측정된 민감도를 포함한다. 일 실시예에서, 이러한 방법은 파라미터를 유도하기 위해 측정 데이터를 사용하는 단계 및 계측 타겟 파라미터 또는 계측 레시피 파라미터를 튜닝하기 위해 유도된 파라미터를 사용하는 단계를 더 포함한다. 일 실시예에서, 유도된 파라미터는: 오버레이, 스택 민감도, 타겟 계수, 비대칭 및/또는 회절 효율 중에서 선택된 하나 이상을 포함한다. 일 실시예에서, 이러한 방법은 측정 데이터에 기초하여, 식별된 하나 이상의 계측 타겟 및/또는 계측 레시피 중에서 하나 이상의 계측 타겟 및/또는 계측 레시피를 선택하는 단계를 더 포함한다. 일 실시예에서, 이러한 방법은 계측 타겟 파라미터 또는 계측 레시피 파라미터의 튜닝에 기초하여 시뮬레이션을 수행하는 단계, 및 이러한 시뮬레이션으로부터의 하나 이상의 식별된 신규하거나 변동된 계측 타겟 및/또는 계측 레시피의 측정 데이터에 기초하여 및/또는 계측 타겟 파라미터 또는 계측 레시피 파라미터의 튜닝에 기초하여 결정된 성능 파라미터에 기초하여, 식별된 하나 이상의 계측 타겟 및/또는 계측 레시피 중에서 하나 이상의 계측 타겟 및/또는 계측 레시피를 재선택하는 단계를 더 포함한다. 일 실시예에서, 재선택은 성능 파라미터에 기초하고, 성능 파라미터는: 오버레이, 스택 민감도, 타겟 계수, 비대칭 및/또는 회절 효율 중에서 선택된 하나 이상을 포함한다.
일 실시예에서, 각각 복수 개의 계측 레시피에서 측정되는, 복수 개의 상이한 계측 타겟의 측정 데이터를 수신하는 단계; 및 측정 데이터를 사용하여 계측 타겟을 측정하기 위해 사용되는 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 평가하기 위해 사용되는 시뮬레이션의 하나 이상의 파라미터를 검증하는 단계를 포함하는 방법이 제공된다. 일 실시예에서, 이러한 방법은 측정 데이터에 기초하여 하나 이상의 파라미터를 변경하는 단계를 더 포함한다. 일 실시예에서, 하나 이상의 파라미터는 계측 타겟을 형성하기 위한 프로세스의 하나 이상의 파라미터를 나타낸다. 일 실시예에서, 계측 타겟을 형성하기 위한 프로세스의 하나 이상의 파라미터는: 층의 광학적 특성, 재료 두께, 연마 파라미터 및/또는 에칭 파라미터 중에서 선택된 하나 이상을 포함한다. 일 실시예에서, 시뮬레이션은 측정 데이터를 사용하여 계측 타겟 및/또는 계측 레시피를 최적화한다. 일 실시예에서, 측정 데이터는 계측 타겟의 파라미터의 측정빔 파장에 대한 측정된 민감도를 포함한다. 일 실시예에서, 이러한 방법은 측정 데이터에 기초하여, 평가된 하나 이상의 계측 타겟 및/또는 계측 레시피 중에서 하나 이상의 계측 타겟 및/또는 계측 레시피를 선택하는 단계를 더 포함한다. 일 실시예에서, 이러한 방법은 변경된 하나 이상의 파라미터에 기초하여 시뮬레이션을 수행하는 단계, 및 시뮬레이션으로부터의 하나 이상의 평가된 신규하거나 변동된 계측 타겟 및/또는 계측 레시피의 측정 데이터에 기초하여 및/또는 변경된 하나 이상의 파라미터에 기초하여 결정된 성능 파라미터에 기초하여, 평가된 하나 이상의 계측 타겟 및/또는 계측 레시피 중에서 하나 이상의 계측 타겟 및/또는 계측 레시피를 재선택하는 단계를 더 포함한다. 일 실시예에서, 재선택은 성능 파라미터에 기초하고, 성능 파라미터는: 오버레이, 스택 민감도, 타겟 계수, 비대칭 및/또는 회절 효율 중에서 선택된 하나 이상을 포함한다.
일 실시예에서, 기대된 프로세스 상태를 고려하면서 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 시뮬레이션하는 단계; 시뮬레이션된 복수 개의 계측 타겟 및/또는 레시피 중에서 하나 이상의 계측 타겟 및/또는 레시피를 식별하는 단계; 하나 이상의 식별된 계측 타겟 및/또는 레시피의 측정 데이터를 수신하는 단계; 및 측정 데이터를 사용하여 기대된 프로세스 상태를 검증하는 단계를 포함하는 방법이 제공된다. 일 실시예에서, 이러한 방법은, 기대된 프로세스 상태 또는 기대된 데이터와 각각의 측정된 프로세스 상태 또는 측정된 데이터 사이의 차분이 임계치를 넘어가는 경우, 기대된 프로세스 상태 및 상기 식별의 변동을 사용하여 시뮬레이션하는 것을 재수행하는 단계를 더 포함한다. 일 실시예에서, 시뮬레이션은 기대되거나 측정된 처리 상태 근처의 처리 상태의 범위에서 수행된다. 일 실시예에서, 이러한 범위는 사용자에 의해 규정된다. 일 실시예에서, 계측 타겟은 하부 타겟부를 포함하고 하부 타겟부와 상부 및 하부 타겟부 사이의 오버레이 값을 결정하도록 구성되는 검사 장치 사이의 층에 배열된 상부 타겟부를 포함한다. 일 실시예에서, 측정 데이터를 수신하는 것은 측정 데이터를 하부 타겟부로부터만 수신하는 것을 포함한다. 일 실시예에서, 이러한 방법은, 만일 기대된 프로세스 상태 또는 기대된 데이터와 각각의 측정된 프로세스 상태 또는 측정된 데이터 사이의 차이가 임계 안에 있다면, 하나 이상의 계측 타겟 및/또는 레시피를 성능에 기초하여 선택하는 단계를 더 포함한다. 일 실시예에서, 성능은: 검출가능성, 정밀도, 쓰루풋, 정확도, 회절 효율, 비대칭, 및/또는 센서 아티팩트에 대한 민감도 중에서 선택된 하나 이상을 포함하는 성능 인티케이터를 사용하여 결정된다. 일 실시예에서, 이러한 성능은 여러 성능 인티케이터들 사이의 균형 및/또는 성능 인티케이터와 검사 장치 툴 특성 사이의 균형에 기초한다. 일 실시예에서, 검사 장치 툴 특성은 센서 아티팩트 및/또는 미광(straylight)에 대한 검사 장치 측정의 민감도를 나타내는 파라미터를 포함한다. 일 실시예에서, 프로세스 상태는: 층의 광학적 특성, 재료 두께, 연마 파라미터, 에칭 파라미터, 처리 층의 굴절률, 처리 층의 흡수 지수, 처리 층의 두께, 층의 변동, 검사 장치의 특성, 검사 장치의 설정, 검사 장치에 의해 사용되는 측정빔 파장, 리소그래피 장치의 특성, 및/또는 정렬 전략 중에서 선택된 하나 이상을 포함한다.
일 실시예에서, 시뮬레이션을 수행하여 계측 타겟을 측정하기 위하여 사용되는 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 평가하고, 계측 타겟 및/또는 계측 레시피 중 하나 이상의의 성능을 나타내는 파라미터를 결정하는 단계; 평가된 복수 개의 계측 타겟 및/또는 계측 레시피 중에서 하나 이상의 계측 타겟 및/또는 계측 레시피를 식별하는 단계; 하나 이상의 식별된 계측 타겟 및/또는 계측 레시피의 측정 데이터를 수신하는 단계; 및 측정 데이터 및 파라미터에 기초하여, 식별된 하나 이상의 계측 타겟 및/또는 계측 레시피 중 하나 이상의 계측 타겟 및/또는 계측 레시피를 선택하는 단계를 포함하는 방법이 제공된다. 일 실시예에서, 이러한 방법은 측정 데이터를 사용하여 시뮬레이션의 계측 타겟 파라미터 또는 계측 레시피 파라미터를 튜닝하는 단계, 및 계측 타겟 파라미터 또는 계측 레시피 파라미터의 튜닝에 기초하여 시뮬레이션을 수행하여 성능을 나타내는 파라미터를 결정하는 단계를 더 포함한다. 일 실시예에서, 계측 타겟 파라미터 또는 계측 레시피 파라미터의 튜닝에 기초한 시뮬레이션을 수행하는 단계는, 하나 이상의 신규하거나 변동된 계측 타겟 및/또는 계측 레시피를 평가하는 단계를 포함하고, 이러한 방법은 하나 이상의 신규하거나 변동된 계측 타겟 및/또는 계측 레시피의 측정 데이터를 수신하는 단계를 더 포함하며, 선택하는 단계는 성능 파라미터 및 하나 이상의 신규하거나 변동된 계측 타겟 및/또는 계측 레시피의 측정 데이터에 기초하여 선택하는 단계를 포함한다. 일 실시예에서, 성능을 나타내는 파라미터는: 오버레이 영향, 스택 민감도, 프로세스 변동 견실성, 타겟 계수, 비대칭 및/또는 회절 효율 중에서 선택된 하나 이상을 포함한다.
일 실시예에서, 시뮬레이션을 수행하여 계측 타겟을 측정하기 위하여 사용되는 복수 개의 계측 타겟 및 복수 개의 계측 레시피를 평가하는 단계; 평가된 복수 개의 계측 타겟 및 계측 레시피 중에서 계측 타겟 및 계측 레시피의 하나 이상의 조합을 식별하는 단계; 식별된 하나 이상의 조합 중 하나 이상의 계측 레시피에 기초하여, 식별된 하나 이상의 조합 중의 하나 이상의 계측 타겟에 대한 복수 개의 계측 레시피를 제형하는 단계(formulating); 및 제형된 복수 개의 계측 레시피를 사용하여 측정된 식별된 하나 이상의 조합 중의 하나 이상의 계측 타겟의 측정 데이터를 수신하는 단계를 포함하는 방법이 제공된다. 일 실시예에서, 이러한 방법은 측정 데이터에 기초하여, 식별된 하나 이상의 조합으로부터의 하나 이상의 계측 타겟 중에서 하나 이상의 계측 타겟을 선택하는 단계를 더 포함한다. 일 실시예에서, 제형된(formulated) 복수 개의 계측 레시피는 식별된 하나 이상의 조합으로부터의 하나 이상의 계측 레시피를 포함한다. 일 실시예에서, 식별된 하나 이상의 조합으로부터의 하나 이상의 계측 레시피는 파라미터를 포함하고, 제형된 복수 개의 계측 레시피는 식별된 하나 이상의 조합으로부터의 하나 이상의 계측 레시피의 파라미터의 값의 특정 범위 내에 있는 파라미터의 값을 가지는 계측 레시피를 포함한다.
일 실시예에서, 계측 타겟 디자인 / 계측 타겟 레시피 시뮬레이션, 평가 및/또는 선택은 회절 효율(DE), 또는 회절 효율로부터 유도된 파라미터를 추가적 또는 대안적 파라미터로서(예를 들어, 순위 파라미터로서 또는 계산 파라미터(예를 들어, 승산 인자)로서) 고려할 수 있다. 회절 효율 파라미터는 타겟에 의하여 검출기를 향해 리디렉팅된(예를 들어, 회절된) 방사선의 비율을 나타낸다. 따라서, 회절 효율은, 예를 들어 측정되어야 하는 방사선을 측정 프로세스 내의 부유 방사선으로부터 구별하는 것을 돕도록 사용될 수 있다. DE가 높다는 것은, 예를 들어 측정까지 통합 시간이 짧아진다는 것을 의미할 수 있다. 다른 예로서, DE가 높다는 것은 검사 장치 센서 아티팩트에 대해 민감도가 낮다는 것을 의미할 수 있다. 그러므로, 예를 들어 더 높은 DE에서의 타겟 계수를 가지는 계측 타겟 디자인 이외의, 비교가능한 타겟 계수를 가지는 계측 타겟 디자인이 더 낮은 DE에서의 타겟 계수를 가지는 계측 타겟 디자인보다 더 선호된다. 일 실시예에서, 임계, 예를 들어 회절 효율이 반드시 초과해야 하는 임계는 회절 효율 파라미터와 연관될 수 있다.
그러므로, 일 실시예에서, 계측 타겟을 측정하는 데에 사용되기 위한 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 시뮬레이션에 의해 또는 측정된 데이터에 대해 평가하는 단계; 및 회절 효율, 또는 회절 효율로부터 유도된 평가된 복수 개의 계측 타겟 및/또는 레시피가 임계치를 넘어가는 하나 이상의 계측 타겟 및/또는 레시피를 평가된 복수 개의 계측 타겟 및/또는 계측 레시피 중에서 식별하는 단계를 포함하는 방법이 제공된다. 일 실시예에서, 계측 레시피는 측정빔 파장 및/또는 측정빔 편광을 포함한다.
일 실시예에서, 계측 타겟 디자인 / 계측 타겟 레시피 시뮬레이션, 평가 및/또는 선택은 검사 장치에 특유한 파라미터, 또는 검사 장치에 특유한 파라미터로부터 유도된 파라미터를, 추가적 또는 대안적 파라미터로서(예를 들어, 순위 파라미터로서 또는 계산 파라미터(예를 들어, 승산 인자)로서) 고려할 수 있다. 검사 장치에 특유한 파라미터는 개개의 검사 장치, 개개의 검사 장치의 특정한 그룹, 또는 검사 장치의 타입에 특이할 수 있다. 검사 장치에 특유한 파라미터는 검사(그리고 따라서 일반적으로 모든 검사 장치)에 적용가능한 일반적인 파라미터, 예컨대 파장 선택, 편광 선택 등과 다르다. 하지만, 검사 장치에 특유한 파라미터는 검사 장치에 특유한 하나 이상의 이러한 일반적인 파라미터와 연관되는 변동가능성일 수 있다. 일 실시예에서, 검사 장치에 특유한 파라미터는 검사 장치의 측정빔 파장 의존성을 포함한다. 일 실시예에서, 검사 장치에 특유한 특성은 센서 아티팩트 및/또는 미광에 대한 검사 장치 측정의 민감도를 나타내는 파라미터를 포함한다. 일 실시예에서, 검사 장치에 특유한 특성은 검사 장치의 센서의 특성 또는 민감도를 포함한다. 일 실시예에서, 검사 장치에 특유한 파라미터는 검사 장치 아티팩트 또는 측정빔 파장에 있는 미광의 의존성을 나타내는 파라미터를 포함한다. 이러한 파라미터는 측정빔 파장에 대한 검사 장치 아티팩트의 의존성을 나타내는 수학적 함수 또는 데이터의 콜렉션을 수반할 수 있다. 일 실시예에서, 함수 또는 데이터의 콜렉션은 측정빔 파장 값의 함수로서의 검사 장치 센서 배경 노이즈 또는 세기의 표현일 수 있다. 일반적으로, 검사 장치는 더 높은 측정빔 파장에서 더 많은 양의 센서 아티팩트를 가질 수 있다. 그러므로, 예를 들어 더 낮은 측정 빔 파장에서 스택 민감도를 가지는 계측 타겟 디자인 이외의, 비교가능한 스택 민감도를 가지는 계측 타겟 디자인이 더 높은 측정 짐 파장에서의 스택 민감도를 가지는 계측 타겟 디자인보다 더 선호된다. 일 실시예에서, 임계는 검사 장치에 특유한 파라미터와 연관될 수 있고, 예를 들어 검사 장치에 특유한 파라미터가 그 위로 초과해야 하거나 그 아래에 있어야 하는 임계일 수 있다(예를 들어, 파라미터가 측정빔 파장에 대한 검사 장치 아티팩트의 의존성을 나타내는 경우, 임계는 측정빔 파장 한계일 수 있다).
그러므로, 일 실시예에서, 계측 타겟을 측정하는 데에 사용되기 위한 복수 개의 계측 타겟 및/또는 복수 개의 계측 레시피를 시뮬레이션에 의해 또는 측정된 데이터에 대해 평가하는 단계; 및 복수 개의 계측 타겟 및/또는 레시피 중에서 측정 장치 특성, 또는 측정 장치 특성으로부터 유도된 파라미터가 임계치를 넘어가는 하나 이상의 계측 타겟 및/또는 레시피를 식별하는 단계를 포함하는 방법이 제공된다. 일 실시예에서, 측정 장치 특성은 측정 장치의 측정빔 파장 의존성을 포함한다. 일 실시예에서, 측정 장치 특성은 측정 장치의 측정빔 파장 의존성과 연관된 승산 인자를 포함한다. 일 실시예에서, 측정 장치 특성은 측정빔 파장에 대한 측정 장치의 배경 세기를 나타내는 함수 또는 데이터를 포함한다. 일 실시예에서, 계측 레시피는 측정빔 파장 및/또는 측정빔 편광을 포함한다. 일 실시예에서, 측정 장치 특성은 측정 장치의 센서의 특성 또는 민감도를 포함한다. 일 실시예에서, 측정 장치 특성은 측정빔 파장에 대한 검사 장치의 미광 또는 센서 아티팩트의 의존성을 포함한다.
하나 이상의 계측 타겟 디자인 및 연관된 하나 이상의 계측 레시피가 HVM을 위해 선택되면, 계측 프로세스는 디바이스 제조 프로세스의 모니터링 및 제어를 위해서, 기판 상의 하나 이상의 계측 타겟을 측정할 수 있게 하도록 구성된다. 이것은 단계(340)에 대해서 개괄적으로 설명되었다. 위에서 언급된 바와 같이, 모든 로트의 모든 기판에 대해서 모든 계측 타겟을 측정하려면 시간이 너무 많이 걸릴 수 있다. 더 나아가, 적합하게 파라미터화된 하나 이상의 측정 데이터 수학적 모델(즉, 예를 들어 데이터를 수학적으로 규정하고 모델링하기 위해서, 데이터에 근사되기 위한 수 있는 적절하게 결정되고 규정된 파라미터 및 적용가능한 경우 그 값이 있는 수학적 모델)을 사용하여 계측 타겟의 측정 결과를 모델링하는 것이 가능하다. 그러므로, 측정 데이터 수학적 모델 및/또는 측정 샘플링 기법은 하나 이상의 계측 타겟을 측정하기 위해서 구축될 수 있다.
따라서, 일 실시예에서, 노광된 기판의 측정에 기초하여 후속하여 노광되는 기판에 대한 하나 이상의 셋팅을 결정하는 애플리케이션이 제공된다. 하지만, 측정은 필연적으로 비확정적이고(예를 들어, 노이즈에 의해 오염됨) 및/또는 필연적으로 수학적 모델에 의해 완전하게 근사되지 않는다. 더 나아가, 이전의 기판 상의 측정으로부터 장래 기판에 대한 미래까지의 흐름에, 불확정성의 다른 소스가 존재할 수 있다. 더 나아가, 측정된 데이터에 체계적 변동이 있을 수 있다. 그러므로, 체계적 변동 및 불확정성을 고려하여 불확정성을 감소시킬 수 있는 셋팅을 얻기 위한 방법이 제공된다.
도 9 는 측정 데이터 수학적 모델 및 샘플링 기법 평가의 일 실시예의 흐름도를 개략적으로 도시한다. 도 9 의 방법에서의 분석은 통상적으로 층마다 그리고 디바이스 제조 프로세스(디바이스 제조 프로세스에서 사용되는 상이한 디바이스 패턴을 포함함) 마다 이루어질 것이다. 일 실시예에서, 방법은 고려 대상인 다양한 상이한 층, 디바이스 제조 프로세스 등이 존재할 경우 병렬 처리를 수행할 수 있다.
900 에서, 다양한 예비 데이터가 획득되고 일부 선택적인 예비 데이터 처리가 수행된다. 905 에서, 하나 이상의 계측 타겟 디자인으로 패터닝되고 그들의 연관된 하나 이상의 계측 레시피에서 검사 장치로 검사되는 하나 이상의 기판(바람직하게는 복수 개의 기판)으로부터의 측정 결과가 얻어지거나 수신된다. 일 실시예에서, 이러한 결과는 기판 상에 노광된 타겟들 전부, 거의 전부, 또는 적어도 다수로부터 얻어진다. 일 실시예에서, 측정 데이터는 하나의 기판 로트로부터 얻어지고, 이것은 조밀하게 측정된다. 하나의 로트를 사용하면, 비록 로트 내에 기판-기판 변동이 남아있어도 로트-로트 변동을 피하는 것을 돕는다. 예를 들어, 일 실시예에서, 20 개 이상의 기판들의 배치의 각각의 기판 상의 2000 보다 많은 포인트로부터의 데이터가 존재할 수 있다. 데이터는 기판의 레이아웃에 대응하는 맵으로 변환될 수 있다. 일 실시예에서, 측정 데이터는: 오버레이 데이터, 오버레이 오차 데이터, 정렬 데이터, 임계 치수 데이터(예를 들어, 임계 치수 균일도 데이터), 및/또는 초점 데이터 중 하나 이상을 포함한다.
910 에서, 905 으로부터의 측정 데이터는 선택적으로 처리되어, 905 로부터의 데이터를 측정하기 위하여 사용되는 검사 장치에 적용되었을 수 있는 및/또는 905 로부터의 데이터에 대응하여 기판을 처리하기 위하여 사용되었을 수 있는 측정 데이터를 철회(back-out)할 수 있다.
920 에서, 하나 이상의 측정 데이터 수학적 모델이 고려되도록 제공되는데, 이러한 하나 이상의 측정 데이터 수학적 모델은, 예를 들어 측정 데이터로부터 결정되거나 규정될 수 있다. 예를 들어, 측정 데이터 수학적 모델의 콜렉션이 존재할 수 있고, 각각의 측정 데이터 수학적 모델은 후술되는 바와 같이 평가될 수 있다. 수학적 모델은 파라미터화된 데이터에 근사되는 기저 함수의 세트를 규정할 수 있다. 일 실시예에서, 콜렉션의 하나 이상의 측정 데이터 수학적 모델(이것은 콜렉션 내에 있는 측정 수학적 데이터 모델일 수 있음)은 데이터에 대한 가능한 근사(예를 들어, 상대적으로 가까운 근사)이 되기 위한 수학적 평가(예를 들어, 데이터의 "지문"은 콜렉션의 하나 이상의 측정 데이터 수학적 모델에 대략적으로는 또는 근접하게 매칭됨)에 의해 결정될 수 있다. 일 실시예에서, 사용자는, 후술되는 바와 같은 추가적으로 고려하기 위한 콜렉션의 하나 이상의 측정 데이터 수학적 모델을, 해당 측정 데이터 수학적 모델이 근사되는 것으로 결정되었었는지 여부에 대해 규정할 수 있다. 예를 들어, 인터페이스(예컨대 그래픽 사용자 인터페이스)는 사용자가 고려하기 위한 측정 수학적 데이터 모델을 규정하도록 할 수 있다. 일 실시예에서, 복수 개의 측정 수학적 데이터 모델, 바람직하게는 측정 데이터에 근사되는 가능한 한 많은 모델이 후술되는 바와 같은 추가적인 평가를 위해서 결정되거나 규정된다. 일 실시예에서, 수학적 모델은 최적의 노이즈 억제(예를 들어, 리던던트 차수를 제거하거나 더 높은 차수를 사용하는 것을 감소시킴)를 위한 지문에 매칭하도록 튜닝될 수 있다.
925 에서, 하나 이상의 검사 장치 쓰루풋 모델이 규정된다. 일 실시예에서, 검사 장치 쓰루풋 모델은, 예를 들어 단위 시간 당 측정된 기판의 개수, 시간의 단위 당 측정된 타겟 또는 포인트의 개수 또는 기판 상의 타겟의 측정의 쓰루풋을 나타내는 다른 메트릭을 규정한다. 일 실시예에서, 검사 쓰루풋 모델은 기판 상의 타겟의 위치 및/또는 타겟들 사이의 거리, 측정 필드 크기, 측정될 타겟 상의 포인트의 개수, 기판 및/또는 빔 스캐닝 속도, 검사 장치 내의 기판의 로딩 시간, 검사 장치 내의 기판의 정렬 시간, 검사 장치 내의 기판의 리포지션 시간, 검사 장치 내의 측정 위치 안에서 측정 타겟을 포지셔닝하기 위한 시간, 검사 장치 내의 측정 타겟으로부터 측정 데이터를 취출하기 위한 시간 등을 규정할 수 있으며, 이러한 데이터는 측정 쓰루풋을 얻기 위해서 사용될 수 있다. 검사 장치 쓰루풋 모델은 변들이 후술되는 것처럼 변하게 허용할 복잡한 수학 공식일 수 있다. 일 실시예에서, 사용자는 쓰루풋 임계, 예를 들어 소망되는 특정 최소 쓰루풋을 규정할 수 있다. 일 실시예에서, 각각 상이한 검사 장치를 나타내는 복수 개의 검사 장치 쓰루풋 모델이 후술되는 바와 같은 추가적인 평가를 위해서 규정된다. 일 실시예에서, 수학적 모델은 사용자에 의해서 근사에서 사용될 파라미터에 관하여 구성가능할 수 있다. 예를 들어, 사용자에게는 하나 이상의 베이스 수학적 모델이 제공될 수 있고 사용자는 그러한 하나 이상의 베이스 수학적 모델 중 하나 이상의 어떤 파라미터가 근사에서 사용될지를 선택 또는 한정할 수 있다. 일 실시예에서, 수학적 모델은 디바이스 제조 프로세스의 특정한 피쳐 또는 디바이스에 대해서 파라미터화될 수 있다. 예를 들어, 수학적 모델은 복수 개의 기판 테이블 중 특정한 기판 테이블(예를 들어, 리소그래피 장치 내에 있음)에 대해서 파라미터화될 수 있다. 추가적인 예로서, 수학적 모델은 노광 중의 특정 기판 이동 방향(예를 들어, 스캔 방향)에 대해서 파라미터화될 수 있다.
930 에서, 계측 프로세스에 대한 하나 이상의 샘플링 기법이 후술되는 바와 같은 추가적인 평가를 위하여 결정된다. 일 실시예에서, 샘플링 기법은: 기판 당 샘플 포인트의 개수, 샘플링되는 로트 당 기판의 개수; 샘플링되는 로트 내의 또는 로트 당 로트 기판(들)의 번호 지정; 샘플링되는 필드들의 개수; 기판 상의 샘플링된 필드의 레이아웃/위치; 각각의 필드 내의 사이트(site)의 위치; 필드 내의 사이트의 위치; 샘플의 주파수; 계측 타겟의 타입; 또는 측정 알고리즘 중에서 선택된 하나 이상의 파라미터를 포함할 수 있다.
일 실시예에서, 하나 이상의 샘플링 기법은 하나 이상의 쓰루풋 모델, 예를 들어 쓰루풋 임계를 만족시킬 수 있는 샘플링 기법에 기초하여 결정된다. 일 실시예에서, 하나 이상의 샘플링 기법이 쓰루풋 모델 및 측정 수학적 데이터 모델에 기초하여 결정된다. 일 실시예에서, 복수 개의 샘플링 기법이 쓰루풋 모델 및/또는 측정 데이터 수학적 모델에 기초하여 결정된다. 예를 들어, 샘플링된 포인트의 개수는 이용가능한 측정 시간에 의하여 제한된다. 예를 들어, 검사 장치가 리소그래피 장치 내에 있거나 그렇지 않으면 리소셀 내의 기판의 처리와 나란하다면, 총 이용가능한 측정 시간은 전체 로트의 노광 시간에 의해서 결정될 수 있다. 이용가능한 시간의 사양이 어떻던지, 기판의 개수와 기판 당 포인트의 개수의 상이한 조합이 가능하다. 기판 당 포인트 수가 더 많으면, 측정된 데이터 "지문"의 기술이 더 상세하지만 노이즈가 더 많을 수 있다. 기판의 수가 많아지고 기판 당 포인트의 수가 적어지면, 평균하여 불확정성(예를 들어, 노이즈)이 더 커진다. 그러므로, 샘플링된 기판의 개수 및/또는 샘플링된 기판 당 포인트의 개수의 가능한 조합은 비아 검사 장치 쓰루풋 모델을 통해 결정된다. 일 실시예에서, 샘플링 기법(들)은 각각 상이한 검사 장치에 대한 복수 개의 쓰루풋 모델에 기초하여 결정될 수 있다.
일 실시예에서, 샘플 기법 최적화기 모듈은 수학적 모델과 샘플 포인트의 개수의 각각의 조합(예를 들어, 샘플링된 기판의 기판 및/또는 샘플링된 기판 당 포인트의 개수)에 대한 하나 이상의 양태(예를 들어, 샘플링된 위치/타겟의 레이아웃)를 더욱 결정하기 위하여 사용될 수 있다. 예를 들어, 샘플 스키마 최적화기가 다양한 제약 또는 제한사항, 예컨대 비-소출(non-소출) 다이를 피하기 위해 기판의 에지로부터 최소화된 거리에서 샘플링 위치를 선택하는 것을 고려할 수 있다.
일 실시예에서, 샘플 기법 최적화기는, 검사 장치의 쓰루풋 모델에 적어도 부분적으로 기초하여 계측 레시피를 사용하여 계측 타겟으로써 데이터를 측정하기 위한 샘플링 기법을 결정할 수 있다. 일 실시예에서, 샘플링 기법은 수학적 모델에 더 기초할 수 있다. 샘플 기법 최적화기는 또한 측정 데이터 및 샘플링 기법에 기초하여 평가 파라미터를 더욱 결정할 수 있다(예를 들어, 후술되는 단계(935 및/또는 940)를, 예를 들어 스스로를 계산하거나 그로부터 얻어낼 수 있음). 예를 들어, 평가 파라미터는 기판들의 로트 내의 기판-기판 변동, 상세히 후술되는 바와 같은 잔여 불확정성, 상세히 후술되는 바와 같은 잔여 체계적 변동 등을 포함할 수 있다. 그러면 샘플 기법 최적화기는 평가 파라미터가 임계치를 넘어가는지 여부를 결정할 수 있다. 평가 파라미터가 임계치를 넘어가는 것으로 결정되면, 샘플 기법 최적화기는 쓰루풋 모델에 적어도 부분적으로 기초하여 샘플링 기법을 변화시킬 수 있다(예를 들어, 샘플링 기법이 여전히 쓰루풋 모델의 하나 이상의 기준들을 만족시키도록 샘플링 기법을 수정할 수 있음). 샘플 기법 최적화기는, 상기 샘플링 기법이 변경되었으면, 상기 측정 데이터 및 변경된 샘플링 기법에 기초하여 적어도 상기 평가 파라미터를 결정하는 단계를 재수행하고, 상기 측정 데이터 및 변경된 샘플링 기법에 기초하여 결정된 평가 파라미터가 임계치를 넘어가는지를 결정할 수 있다.
더 높은 차수의 기저 함수를 사용해서 데이터를 근사하면 통상적으로 노이즈에 대한 민감도가 증가된다. 반면에, 기저 함수의 차수가 증가하면, 잔차는 감소될 것이다. 그러므로, 샘플 기법 최적화기는, 잔차를 감소시키지만 노이즈에 대한 민감도를 낮게 유지하는, 더 높은 차수를 고려하는 비용 함수를 통한 밸런싱(balancing)에 의해 해당 모델에 매칭될 샘플 기법을 얻어내는 데에 이것을 고려할 수 있다. 예를 들어, 샘플 기법은 입력 노이즈의 감소에 영향을 주고, 로트 당 측정될 수 있는 기판 개수는 노이즈의 감소에 영향을 주며, 및/또는 로트 샘플링은 출력 노이즈에 영향을 준다. 그러므로, 최적화의 일부로서, 다양한 상이한 샘플 기법 변형예가 사용될 수 있다. 예를 들어, 측정된 로트 당 기판의 개수는 감소될 수 있고 및/또는 기판 당 샘플링된 위치의 개수는 감소될 수 있다. 추가 예로서, 기저 함수가 경계에서 "가장 크게(wildest)" "거동(behave)"할 수 있고 따라서 더 많은 정보가 경계에서 소망되기 때문에, 더 많은 측정 포인트가 필드 및/또는 기판의 경계 근처에서 선택될 수 있다.
일 실시예에서, 샘플 기법 최적화기는 잠재적인 측정 위치들의 세트로부터 측정 위치의 최적의 서브세트를 선택한다. 그러므로, 샘플 기법 최적화기로의 입력은, 그로부터 샘플링 기법이 결정될 수 있는 측정된 데이터 및 측정 레이아웃의 지문(예를 들어, 측정 타겟이 존재할 수 있거나 위치될 수 있는, 예를 들어 기판 상에서 측정될 수 있는 모든 위치)을 나타내는 하나 이상의 수학적 모델일 수 있다. 이러한 입력으로부터, 샘플 기법 최적화기는 하나 이상의 모델 및 측정 레이아웃을 평가하여, 비용 함수에 기초하여 측정 위치(예를 들어, 측정의 개수 및/또는 특정한 위치)의 서브세트를 수반하는 하나 이상의 샘플링 기법을 얻을 수 있다. 비용 함수는 잔여 불확정성을 감소시키는 것, 측정 위치의 균일한 분포를 얻는 것, 측정 위치의 클러스터링을 감소시키는 것, 로트-로트 변동을 감소시키는 것, 기판-기판 변동을 감소시키는 것 및/또는 고속 실행 시간을 획득하는 것을 수반할 수 있다. 일 실시예에서, 사용자는 제약, 예를 들어 측정될 포인트의 개수, 제외된 특정 필드 또는 인트라-필드 포인트, 포인트의 분포를 나타내는 파라미터(예를 들어, 더 많은 포인트가 중심에 있다거나 더 많은 포인트가 에지에 있다거나) 등을 더 부과할 수 있다. 일 실시예에서, 샘플 기법 최적화기는 비-소출 다이로부터 측정 포인트를 제외시키는 것과 같은 제약을 부과할 수 있다. 더 나아가, 샘플 기법 최적화기는, 하나 이상의 샘플 기법이 쓰루풋 모델의 기준들을 만족시키도록, 쓰루풋 모델을 사용하여 평가를 제약할 수 있다. 샘플 기법 최적화기의 출력은 하나 이상의 샘플 기법이다. 일 실시예에서, 샘플 기법 최적화기는 입력 및 제약을 가능하게 하는 그래픽 사용자 인터페이스를 제공할 수 있다. 더 나아가, 그래픽 사용자 인터페이스는 샘플 기법의 그래픽 표현(예를 들어, 측정 위치의 개수가 그 위치에 나란히 그래픽으로 표시되는 기판의 다이어그램 또는 픽쳐)을 제공할 수 있다. 그래픽 사용자 인터페이스는 또한 잔여 불확정성(예를 들어, 상이한 방향에 대한 것)과 같은 샘플링 기법에 관련된 성능 정보를 제공할 수 있다.
따라서, 샘플 기법 최적화기는 수학적 모델, 이용가능한 레이아웃 및 쓰루풋 모델에 기초하여 성긴 샘플링 기법 및 세밀 샘플링 기법 사이를 최적화할 수 있다. 성긴 샘플링은 가능한 최저 잔여 불확정성(그리고 따라서 수학적 모델의 견실한 캡쳐)을 가질 수 있지만, 기판의 열악한 커버리지 및 모델과 지문 사이의 불일치에 대한 열악한 견실성을 가질 수 있다. 반면에, 세밀 샘플링은 크고 널리 변동하는 잔여 불확정성을 가질 수 있지만, 기판의 양호한 커버리지를 가질 수 있고, 클러스터링을 피할 수 있으며, 모델과 지문 사이의 불일치에 대한 양호한 견실성을 가질 수 있다.
일 실시예에서, 위에서 언급된 바와 같이, 사용자는 샘플링 기법에 대한 제약, 예를 들어 기판 당 최대 샘플 개수, 샘플링된 로트 당 기판의 최대 개수 등을 규정할 수 있다. 예를 들어, 인터페이스(예컨대 그래픽 사용자 인터페이스)는 사용자가 제약을 규정하게 할 수 있다. 일 실시예에서, 사용자는 평가될 하나 이상의 샘플링 기법을 규정할 수 있다. 예를 들어, 인터페이스(예컨대 그래픽 사용자 인터페이스)는 사용자에게 샘플링 기법들 중 하나 이상의, 또는 전부를 선택하도록 여러 샘플링 기법을 제공하고, 및/또는 사용자가 고려할 샘플링 기법을 추가하도록 할 수 있다.
일 실시예에서, 새로운 디바이스 패턴(및 따라서 새 측정 데이터)이 없으면 동일한 디바이스 제조 프로세스 및 동일한 층에 새로운 디바이스 패턴이 사용되는 경우, 하나 이상의 이전에 결정된 모델(하지만 새로운 측정 데이터에 대하여 파라미터화됨) 및 샘플링 기법이 사용된다; 따라서, 하나 이상의 수학적 모델을 새롭게 결정하거나 하나 이상의 샘플링 기법을 새롭게 결정할 필요가 없을 수 있다.
일 실시예에서, 샘플 기법 최적화기는, 특정 모델이 주어진 경우, 모델 근사 프로세스에 대한 정보를 가장 많이 제공하는 계측 포인트 위치를 선택한다. 동시에, 샘플링 기법 최적화 알고리즘은 선택된 계측 포인트 위치를 균일한 방법으로 포지셔닝하려고 시도하여, 두 개의 목적이 균형을 이루게 한다. 일 실시예에서, 샘플링 기법 최적화는 포텐셜 계측 포인트 위치의 목록과 함께 입력된다. 그러면, 샘플링 기법은 적은 개수의 초기 선택된 계측 포인트 위치를 선택함으로써 초기화된다. 초기 선택된 계측 포인트 위치는 해당 모델에 따른 하나 이상의 기준들에 따라서 선택되어야 한다. 일 실시예에서, 이러한 선택된 계측 포인트 위치들 각각은 기판의 유효 영역의 에지에 포지셔닝되고, 등각으로 분리되는 계측 포인트 위치로서 선택될 수 있다. 초기화 단계는 각각의 선택된 계측 포인트 위치 주위에 제외 구역을 규정하는 것을 더 포함할 수 있다. 제외 구역 바깥의 모든 계측 포인트 위치는 후보 계측 포인트 위치이다; 즉 장래 반복 시에 "선택가능하다". 제외 구역은 원형이고 각각의 선택된 계측 포인트 위치에 중심을 둘 수 있으며, 즉, 선택된 계측 포인트 위치로부터 특정 거리 안에 있는 모든 계측 포인트 위치들은 제외 구역 안에 있을 수 있다. 그러면, 모든 후보 계측 포인트 위치, 즉 제외 구역 안에 있지 않은 모든 비-선택된 계측 포인트 위치가 평가된다. 각각의 후보 계측 포인트 위치에 대하여, 해당 계측 포인트 위치가 선택된다면 샘플링 기법의 정보성(informativity)이 얼마나 많이 개선될지가 계산된다. 이러한 평가에서 사용되는 기준은 D-최적성(optimality)일 수 있다. 초기 제외 구역의 크기는, 후보 계측 포인트 위치의 초기 세트가 너무 크지 않도록 선택되었어야 한다. 후보 계측 포인트 위치의 개수는 최종 샘플링 기법의 균일도, 정보성(예를 들어, D-최적성)과 알고리즘의 속도 사이의 절충이어야 한다. 모든 후보 계측 포인트 위치를 평가한 후에, 평가에 따르면 샘플링 기법에 가장 많은 정보를 기여하는 계측 포인트 위치가 이제 샘플링 기법에 추가된다. 샘플링 기법이 충분한 선택된 계측 포인트 위치를 가지는지 여부가 결정된다. 만일 그러하다면, 샘플링 기법은 준비가 된 것이다. 샘플링 기법이 충분한 선택된 계측 포인트 위치를 가지지 않으면, 제외 구역이 새롭게 선택된 계측 포인트 위치 주위에 추가된다(다른 선택된 계측 포인트 위치도 제외 구역을 가질 것임). 그러면, 정보성과 균일도 사이의 적합한 균형을 유지하면서 선택을 할 수 있는 충분한 수의 후보 계측 포인트 위치가 남아 있는지 여부가 결정된다. 일 실시예에서, 너무 적은 후보 계측 포인트 위치가 존재한다고 결정되면, 이것은 제외 구역을 축소함으로써 해결된다. 제외 구역은 해당 시점에 샘플링 기법 내에 포함된 선택된 계측 포인트 위치들 모두에 대해서, 또는 이러한 선택된 계측 포인트 위치의 서브세트만에 대해서 축소될 수 있다. 그러면, 선택을 할 수 있는 충분한 수의 후보 계측 포인트 위치가 남아 있는지 여부에 대한 결정 및(필요한 경우) 축소는, 샘플링 기법을 완성하기에 충분한 수의 후보 계측 포인트 위치가 존재할 때까지 반복적으로 반복된다. 충분한 수의 후보 계측 포인트 위치가 존재하는 경우, 후보 계측 포인트 위치 평가 및 후속 단계가 반복된다. 일 실시예에서, 최적화는 상이한 기판에 대해 상이한 샘플링 기법을 결정할 수 있다. 더 나아가, 상이한 기판의 상이한 샘플링 기법은, 선택된 계측 포인트 위치가 높은 균일도의 정도로서 복수 개의 기판에 걸쳐서 분포되도록 연결될 수 있다: 예를 들어 기판들의 로트 마다 수행됨. 특히, 샘플링 기법 최적화 방법은, 이전의 샘플링 기법(이전의 기판에 대한 것)에 대해서 선택되었던 계측 포인트 위치가 로트 내의 후속 샘플링 기법(후속 기판에 대한 것)에 대해서는 선택되지 않도록 할 수 있다. 이러한 방식으로, 기판들의 로트에 대한 각각의 선택된 계측 포인트 위치는 고유해진다. 일 실시예에서, 최적화는 각각의 개개의 기판에 대하여, 정규화된 모델 불확정성이 최소화된다는 것을 보장하도록 돕는다: 모든 파라미터 값은 개선된 정밀도로 결정될 수 있다. 이것은 측정에 있는 변동이 모델 예측의 변동에 미치는 영향을 최소화함으로써 이러한 작업을 수행된다.
935 에서, 선택된 샘플링 기법에서의 측정 데이터와 측정 데이터에 근사되기 위한 선택된 수학적 모델 사이의 잔여 체계적 변동이 계산된다. 예를 들어, 잔여 체계적 변동은 각각의 수학적 모델과 조합된 각각의 샘플링 기법에 대해서 계산될 수 있다.
기판 처리 도중의 다양한 종류의 체계적 효과는 프로세스의 출력에 있는 체계적 변동을 결정할 수 있고, 반사된, 가끔 프로세스의 지문이라고 불리는 체계적 변동(예를 들어, 체계적 오버레이 변동)으로서 측정 결과에 반영된다. 지문의 부분(예를 들어, 통계적으로 관련된 부분)은 선택된 수학적 모델에 의해 기술된다. 하지만, 나머지는 수학적 모델에 의해 캡쳐되지 않고, 여전히 체계적이다. 이것이 잔여 체계적 변동이다. 일 실시예에서, 잔여 체계적 변동은 다수의 기판에 걸친 측정 데이터의 평균부터 선택된 수학적 모델 사이의 거리를 포함한다. 일 실시예에서, 잔여 시스템 변동은 평균의 통계적 z(샘플링) 정밀도(예를 들어, 95%-90% 신뢰 구간)를 고려할 수 있다. 정밀도는 예를 들어 과다-근사, 기판-기판 변동 및/또는 사용되는 기판의 개수를 설명하는데 유용하다. 일 실시예에서, 정밀도는, 예를 들어 0.1 - 0.8 nm의 범위 내이고, 예를 들어 약 0.5 nm일 수 있다.
디바이스 제조 프로세스에서 처리된 특정한 기판에 대한 잔여 체계적 변동은 기판의 처리에서 사용되는 특정 서브-프로세스 또는 디바이스에 특유할 수 있다. 예를 들어, 기판이 디바이스 제조 프로세스의 각각의 반복에서 동일한 기판 테이블, 에칭 챔버 등에 의해 처리되지 않을 수 있고 상이한 기판 테이블, 에칭 챔버 등에 의해 야기된 체계적 효과(및 따라서 지문)에 변동이 있을 수 있기 때문에, 디바이스 제조 프로세스에 있는 기판의 잔여 체계적 변동은, 기판을 처리하기 위해 사용되는 하나 이상의 기판 테이블, 하나 이상의 에칭 챔버 등에 대해서 더욱 규정될 수 있다. 더 나아가, 잔여 체계적 변동은 그들이 로트마다의 체계적 효과 차이가 있을 수 있기 때문에 로트들에 대해서 규정될 수 있다.
일 실시예에서, 잔여 체계적 변동은 디바이스 제조 프로세스를 모니터링하기 위해 측정된 단일 기판 내의 잔여 체계적 변동 또는 디바이스 제조 프로세스를 모니터링하기 위해 측정된 복수 개의 기판들 사이의 기판-기판 잔여 체계적 변동을 포함한다.
940 에서, 선택된 샘플링 기법에서 측정 데이터에 근사되는 수학적 모델 및 선택된 측정 데이터에 근사되기 위한 수학적 모델의 잔여 불확정성(예를 들어, 잔여 노이즈)이 계산된다. 예를 들어, 잔여 체계적 변동과 유사하게, 잔여 불확정성이 각각의 수학적 모델과 조합된 조합에 대하여 계산될 수 있다.
기판을 처리하는 중의 다양한 종류의 효과(예를 들어, 측정 노이즈, 확률적 변동 등)가 프로세스의 출력에 있는 불확정성을 결정할 수 있고, 따라서 불확정성(예를 들어, 노이즈)으로서 측정 결과에 반영된다. 더 나아가, 측정과 측정의 수학적 모델링을 수행하는 방식은 적어도 부분적으로 측정 결과에 있는 노이즈 때문에 부정확하고 변동할 수 있다. 그러므로, 프로세스 불확정성의 일부는 선택된 수학적 모델에 의해 기술될 수 있다. 하지만, 불확정성 잉여(remainder)는 수학적 모델에 의해 캡쳐되지 않는다. 이러한 잉여는 잔여 불확정성이다. 일 실시예에서, 잔여 불확정성은 측정 데이터에 대한 선택된 근사된 수학적 모델의 불확정성의 추정을 포함한다. 일 실시예에서, 잔여 불확정성은 기판(기판 쌍) 마다의 서브-샘플링 데이터에 대한 선택된 수학적 모델 근사를 계산하고, 세밀 격자, 예를 들어 전체 측정 격자 전체의 근사 결과의 평가의 변동을 결정함으로써 결정될 수 있다. 일 실시예에서, 기판내(within the substrate) 불확정성(예를 들어, 노이즈) 입력으로부터 유래하는 잔여 불확정성의 일부는, 수학적 모델의 노이즈 전파 및 기판내 불확정성(예를 들어, 노이즈) 입력의 척도롤 사용하여 계산될 수 있다.
일 실시예에서, 잔여 불확정성은 기판 내에 대해서 규정된 잔여 불확정성을 포함할 수 있다. 일 실시예에서, 기판-내 잔여 불확정성의 추정은 평균 기판(예를 들어, 기판 테이블 당)을 계산하고, 각각의 기판에 대하여 대응하는 평균 기판에 대한 잔차를 계산함으로써 결정될 수 있고, 이제(예를 들어, 기판 테이블 당 모든 결정된 잔차를 모집단으로 간주하고 3 시그마 값을 계산할 수 있다. 이러한 추정을 점검하기 위하여, 3 시그마 값은 선택적으로 상이한 방향에서 한계와 비교될 수 있다. 예를 들어, 양호한 추정은 3 시그마 값이 특정 양보다 적은 경우, 예를 들어 x- 및/또는 y-방향에서 2.5 nm 이하인 3 시그마 값의 경우일 수 있다. 다른 점검은 3 시그마 값의 분포가 가우시안인지 여부일 것이다. 다른 점검은 스택된 오버레이의 그래프가 체계적 변동/지문을 거의 나타내지 않거나 전혀 나타내지 않는지 여부일 것이다. 다른 점검은 기판 전역의 위치당 3 시그마 값의 그래프가 실질적으로 균일한지 여부일 것이다. 잔여 불확정성 값을 개선하기 위하여(이러한 값으로부터의 체계적 효과를 제거함으로써), 데이터는 기판마다 수학적으로 모델링될 수 있다. 그러면, 평균 잔차 기판의 값이 기판의 원시 값으로부터가 아니라 개개의 잔차 기판의 값으로부터 감산된다. 이를 통해서, 체계적 변동이 감소되거나 제거될 수 있다. 이와 유사하게, 하나의 기판 내에서, 필드들이 모델링될 수 있고, 그 후에 평균 잔차 필드의 값이 개개의 잔차 필드의 값으로부터 감산된다.
일 실시예에서, 잔여 불확정성은 모델 불확정성 또는 정규화된 모델 불확정성을 포함할 수 있다. 데이터에 노이즈가 존재하는 경우, 데이터는 노이즈의 성질, 사용되는 측정 기법(예를 들어, 샘플링) 등에 따라서 상이한 방식으로 모델링될 수 있다. 그러므로, 모델 불확정성은, 그 파라미터가 유잡음(noisy) 측정을 사용한 주어진 계측 기법에 대해 추정되는 경우에 수학적 모델에 대한 노이즈 민감도의 척도를 제공한다. 따라서, 모델 불확정성은 측정치에 존재하는 노이즈로부터 모델-예측된 값에 있는 변동까지의 노이즈 증폭/억제 인자로서 해석될 수 있다. 모델 불확정성은 사용되는 수학적 모델, 측정 포인트의 위치, 모델이 평가되는 위치(보간 외삽) 및 측정되는 기판의 개수의 함수이다. 정규화된 모델 불확정성(normalized model uncertainty; NMU)은 모델 불확정성의 단위가 없는 버전이고, 노이즈 레벨의 함수와 같이 변하지 않는다. NMU < 1 이면 노이즈 억제가 암시되고, NMU > 1 이면 노이즈 증폭이 암시된다. 따라서, 정규화된 모델 불확정성은 측정치에 있는 노이즈의 양으로 스케일링된, 모델된 값에 있는 변동의 양을 표시한다. NMU가 낮으면(<1) 해당 샘플링 기법을 보장하는 것을 돕는다 - 수학적 모델 조합은 일관적인 근사, 즉 노이즈에 견실한 근사를 가져올 것이다(하지만 이것은 해당 모델이 실제 측정을 정확하게 기술할 것을 보장하는 것은 아닐 수 있음). 일 실시예에서, 최대 NMU는 0.6 미만, 0.5 미만, 0.4 미만, 또는 양호한 노이즈 억제에 대해서는 0.3 미만이어야 한다. 기판-내 노이즈(예를 들어, 3 시그마 값)와 NMU의 곱은 기판-내-노이즈-기초 출력 노이즈(예를 들어, 잔여 노이즈)이다. 이것이 이론적인 출력 노이즈이고, 선택된 모델 및 사용된 샘플 기법의 효과를 나타낸다. 따라서, 일 실시예에서, 샘플링 기법 최적화기는 NMU를 감소시키거나 최소화하도록 최적화할 수 있고, 이제 측정된 데이터를 고려하여 하나 이상의 수학적 모델 및 샘플링 기법을 평가하는 데에 추가적으로 사용되기 위한 잔여 불확정성은 적용가능한 NMU 값에 측정된 데이터의 기판-내 노이즈(예를 들어, 3 시그마 값)를 곱함으로써 결정될 수 있다.
일 실시예에서, 잔여 불확정성은 기판-기판 변동을 포함할 수 있다. 이것은, 예를 들어 복수 개의 기판에 대한 측정된 데이터에 걸친 수학적 모델의 평균 3 시그마 기판-기판 변동을 계산함으로써 결정될 수 있다. 기판-기판 변동과 결합된 기판-내 노이즈로부터 초래되는 출력 노이즈의 계산은, 각각의 기판을 선택된 개수의 포인트로 샘플링함으로써 수행될 수 있다. 그러면 기판마다(또는 기판 및 특정 기판 테이블의 조합마다), 선택된 모델이 데이터에 근사된다. 획득된 모델 파라미터 값은 전체 측정 레이아웃에서 평가된다. 그러면 기판 상의 위치에 대하여, 표준 편차가 계산된다. 그러면, 위치 당 결과적으로 얻어지는 표준 편차는 모든 위치에 대하여 평균화될 것이다.
일 실시예에서, 잔여 불확정성은 로트-로트 변동을 포함할 수 있고, 여기에서 다수의 로트들로부터의 데이터가 사용된다.
디바이스 제조 프로세스에서 처리된 특정한 기판에 대한 잔여 불확정성은 기판의 처리에서 사용되는 특정 서브-프로세스 또는 디바이스에 특유할 수 있다. 예를 들어, 기판이 디바이스 제조 프로세스의 각각의 반복에서 동일한 기판 테이블, 에칭 챔버 등에 의해 처리되지 않을 수 있고 상이한 기판 테이블, 에칭 챔버 등에 의해 야기된 예를 들어 노이즈에 변동이 있을 수 있기 때문에, 디바이스 제조 프로세스에 있는 기판의 잔여 불확정성은, 기판을 처리하기 위해 사용되는 하나 이상의 기판 테이블, 하나 이상의 에칭 챔버 등에 대해서 더욱 규정될 수 있다. 더 나아가, 잔여 불확정성은 그들이 로트마다의 불확정성 차이가 있을 수 있기 때문에 로트들에 대해서 규정될 수 있다.
945 에서, 930, 930 및 935 의 결과들의 다양한 그래프가 제공될 수 있다. 이러한 그래프는 기판 전역의 그래프, 데이터의 차트, 데이터의 맵 등을 준비하는 것을 포함할 수 있다.
950 에서, 데이터의 분석이 결과의 제공과 함께 제공되고, 균형된 조언이 이루어진다. 955 에서, 측정된 데이터에 근사되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법이 하나 이상의 평가 파라미터에 대하여, 기판 전역의 측정 데이터에 대해 평가된다. 일 실시예에서, 하나 이상의 평가 파라미터는 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성을 나타내는 파라미터를 포함한다. 일 실시예에서, 하나 이상의 평가 파라미터는 측정된 데이터와 측정된 데이터에 근사되는 수학적 모델 사이의 잔여 체계적 변동을 나타내는 파라미터를 포함한다. 일 실시예에서, 하나 이상의 평가 파라미터는 제 1 평가 파라미터 및 이와 다른 제 2 평가 파라미터를 포함한다. 일 실시예에서, 제 1 평가 파라미터는 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성을 나타내는 파라미터를 포함하고 및/또는 제 2 평가 파라미터는 측정된 데이터와 측정된 데이터에 근사되는 수학적 모델 사이의 잔여 체계적 변동을 나타내는 파라미터를 포함한다. 일 실시예에서, 제 1 평가 파라미터 및 제 2 평가는 총 개수로서 함께 결합될 수 있다.
그러면, 그에 대한 평가 파라미터가 임계치를 넘어가는(예를 들어, 특정 값을 초과하고, 다른 수학적 모델 및/또는 샘플링 기법의 값을 초과하는 등) 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법(평가된 하나 이상의 수학적 모델 및 측정 샘플링 기법 중)이 식별된다. 예를 들어, 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법이 수동으로 또는 자동화된 프로세스에 의해 선택된다. 하나 이상의 가이드, 제한, 임계, 차트 및/또는 테이블이 제공되어 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 쉽게 선택할 수 있게 할 수 있다. 예를 들어, 평가된 하나 이상의 수학적 모델 및/또는 측정 샘플링 기법에 대한 순위가 제공될 수 있다. 그러면 수동 또는 자동화된 기준들은 특정 개수의 최고 랭킹된 수학적 모델 및/또는 측정 샘플링 기법의 선택일 수 있다. 순위결정은 단일 성능 파라미터, 성능 파라미터들의 조합, 또는 성능 파라미터들의 가중치가 부여된 조합 등에 기초할 수 있다. 선택적으로, 추가적인 수동 또는 자동화된 기준들은 평가 파라미터에 대한 특정 임계 값을 통과하는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법이 다른 임계를 통과하거나 통과하지 않는다면, 그러한 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법의 선택일 수 있다. 예를 들어, 수동 또는 자동화된 기준들은 노이즈 억제(잔여 불확정성)와 관련된 데이터의 지문(잔여 체계적 변동)과 매칭하는 것에 대한 수학적 모델 및/또는 측정 샘플링 기법의 평가일 수 있다; 예를 들어, 적합한 수학적 모델 및/또는 샘플링 기법은 노이즈 억제 능력과 균형이 잡혀 있는 모델의 지문 캡쳐 능력을 가지는 것일 수 있다. 다른 예로서, 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법은 잔여 불확정성이 특정 값 아래가 아니라면 제외될 수 있다(예를 들어, NMU > 0.6 이라면 제외됨). 다른 예로서, 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법은 잔여 체계적 변동이 특정 값을 초과한다면 제외될 수 있다(예를 들어, 잔여 체계적 변동 > 1 - 5 nm, 예를 들어 1 nm, 1.5 nm, 2 nm, 2.5 nm, 3 nm, 3.5 nm, 4 nm, 4.5 nm 또는 5 nm 이라면 제외됨).
일 실시예에서, 결과는, 각각의 평가된 수학적 모델(예를 들어, 복수 개의 수학적 모델)에 대한, 평가된 하나 이상의 샘플링 기법(예를 들어, 복수 개의 샘플링 기법, 예컨대 샘플링된 기판 상의 포인트들의 개수)에 대한, 평가 파라미터의 평가를 포함할 수 있다. 일 예로서, 결과는, 복수 개의 수학적 모델 각각에 대한, 샘플링된 기판마다의 포인트의 개수(또는 다른 샘플링 기법)에 대한 잔여 불확정성 파라미터 값의 평가일 수 있다. 일 실시예에서, 그러한 결과는 그래프화될 수 있다. 일 실시예에서, 그러한 결과는 통계적으로 분석되거나 그렇지 않으면 임계에 대해서 평가되어, 예를 들어 사용자에게 결과에 관련된 조언을 제공할 수 있다. 일 예로서, 결과는 평가되어, 평가 파라미터의 최대값 또는 최소값(또는 30% 이내, 20% 이내, 15% 이내, 10% 이내, 또는 5% 이내의 값)을 가지는 수학적 모델과 샘플링 기법의 하나 이상의 조합을 식별하고, 선택적으로는 이들을 적합한 경우 최대값 또는 최소값에 대해서 가장 높은 값으로부터 낮은 값까지 랭크할 수 있다. 추가적인 예로서, 결과는 평가되어, 샘플링 기법의 양호한(예를 들어, 높은) 쓰루풋 값과 조합된 평가 파라미터의 양호한 값(예를 들어, 높거나 낮은 값)의 조합을 가지는 수학적 모델과 샘플링 기법의 하나 이상의 조합을 식별할 수 있다. 따라서, 평가 파라미터의 최선의 값이 없는 수학적 모델 및 샘플링 기법의 조합은 이것이 더 양호한 쓰루풋을 가지기 때문에 선택될 수 있다. 적합한 비용 함수(예를 들어 가중치를 사용함)가 사용될 수 있다.
일 실시예에서, 평가된 하나 이상의 샘플링 기법은, 타겟을 측정하기 위하여 사용되는 검사 장치의 쓰루풋 모델에 기초하여 설계되거나 그에 대하여 확정된다. 따라서, 소프트웨어는, 리소그래피 프로세스에서 프로세스 단계를 모니터링하기 위해, 검사 장치의 쓰루풋 모델에 적어도 부분적으로 기초하여, 샘플링 기법 및 수학적 모델을 결정하는 것을 가능하게 한다. 그러므로, 복수 개의 수학적 모델의 각각에 대한, 샘플링된 기판마다의 포인트들의 개수(또는 다른 샘플링 기법)에 대한 잔여 불확정성 파라미터 값의 평가의 결과에 관련하여 위에 제공된 예의 경우에, 소프트웨어는 검사 장치의 쓰루풋 -모델을 만족시킬 기판마다의 그러한 특정한 특정 개수의 포인트(또는 다른 특정 샘플링 기법)를 식별하거나 평가할 수 있다. 따라서, 사용자에게는, 쓰루풋 모델을 만족시키는 수학적 모델 및 샘플링의 특정 조합 및 더 나아가, 그러한 특정 조합과 함께 제공되는, 특정한 특성(예컨대 데이터의 지문이 양호한 노이즈 억제와 양호하게 매칭되는 것)에 대해 최적의 성능을 얻는 특정한 조합을 선택하는 것과 관련된 정보가 제공될 수 있다.
균형을 이루는 조언의 실시예에서, 평균 기판의 통계적 정밀도의 척도(즉 잔여 체계적 변동을 결정하기 위한 입력으로서 사용되는 것)가 경고 한계(warning limit)와 함께 사용되어, 사용자가 계측 타겟 / 계측 레시피 / 샘플링 기법 / 수학적 모델과 관련된 잠재적인 문제점을 식별하는 것을 돕는다.
균형을 이루는 조언의 추가적인 실시예에서, 기판 전역의 기판-기판 변동에 대한 하나 이상의 KPI가 경고 한계와 함께 사용되어, 사용자가 계측 타겟 / 계측 레시피 / 샘플링 기법 / 수학적 모델과 관련된 잠재적인 문제점을 식별하는 것을 돕는다. 예를 들어, 소프트웨어는 사용자에게, 샘플링 기법에 대해 에지 제외(edge exclusion)를 구현하도록(즉, 이러한 이슈를 식별하기 위해 사용된 KPI가 기판 전역의 기판-기판 표준 편차의 최대값일 수 있는 경우, 기판의 에지에 가까운 영역에서는 샘플링을 금지하도록), 기판 레벨 정정의 잠재적인 이점을 표시하도록(이러한 이슈를 식별하기 위해 사용된 KPI가 기판 전역의 표준 편차의 확산일 수 있는 경우) 또는 측정된 데이터의 전체 노이즈 레벨과 관련된 잠재적인 이슈를 식별하도록(이러한 이슈를 식별하기 위해 사용된 KPI가 기판 전역의 표준 편차의 평균일 수 있는 경우) 제안할 수 있다.
960 에서, 사용자에게는 주요 성능 인티케이터(key performance indicator; KPI)에 대한 가이드가 제공될 수 있다. 일 실시예에서, 주요 성능 인티케이터 및/또는 평가에 대한 주요 성능 인티케이터의 한계가 결정될 수 있다. 예를 들어, 하나 이상의 KPI가 식별될 수 있고, KPI와 연관된 하나 이상의 임계가 프로세스 제어를 가능하게 하기 위해 결정될 수 있다. 예를 들어, 평균, 표준 편차, 변동 등이 KPI로서 식별될 수 있고, 임계(예를 들어, 초과되서는 안되는 값, 그 밑으로 떨어져서는 안되는 값 등)가 프로세스의 제어를 가능하게 하기 위해서 결정될 수 있다. 소프트웨어는 다양한 KPI를 분석하여, 예를 들어 측정된 데이터 또는 시뮬레이션을 고려할 때 적용가능한 수학적 모델/샘플링 기법 조합에 대해 통계적으로 의미가 있는 하나 이상의 선택된 KPI를 식별할 수 있다. 이와 유사하게, 소프트웨어는, 예를 들어 측정된 데이터 또는 시뮬레이션에 대해 하나 이상의 선택된 KPI를 분석하여, 하나 이상의 선택된 KPI에 대한 하나 이상의 통계적으로 의미있는 임계를 식별할 수 있다. 예를 들어, 소프트웨어는 평균 오버레이를 특정 오버레이 계측 타겟/레시피/모델/샘플링 기법 조합에 대해 의미있는 KPI라고 식별하고, 프로세스 제어 중에 사용하기 위하여 해당 KPI와 연관되는 최대값을 더욱 식별할 수 있다. 그러므로, 예를 들어 특정 오버레이 계측 타겟/레시피/모델/샘플링 기법 조합을 사용한 디바이스 제조 프로세스에 있는 오버레이가 평균 오버레이 KPI의 최대값을 넘게 변한다면, 디바이스 제조 프로세스의 제어는 예컨대 재작업(reworking)과 같은 적합한 액션을 취하고, 디바이스 제조 프로세스에 변경을 결정 및/또는 적용하며(예를 들어, 리소그래피 장치 파라미터를 변경하고, 에칭 파라미터를 변경하는 등), 디바이스 제조 프로세스를 중단시키는 등을 수행할 수 있다.
더 나아가, 일 실시예에서, 960 에서, 사용자는 측정된 데이터 속으로 그리고 하나 이상의 수학적 모델, 하나 이상의 샘플링 기법, 하나 이상의 계측 타겟 디자인, 하나 이상의 계측 레시피 및/또는 하나 이상의 KPI와 연관된 데이터(측정되거나 유도된 데이터)로 파고들어갈 수 있을 수 있다. 예를 들어, 소프트웨어의 그래픽 사용자 인터페이스는 사용자에게 전술된 바와 같은 결과를 제공할 수 있고, 그러한 결과는 뷰, 예를 들어 측정된 데이터의 세부사항(예를 들어, 오버레이 결과의 분포를 나타내는 예를 들어 기판의 다이어그램 또는 픽쳐), 샘플링 기법의 세부사항(예를 들어, 필드에서의 샘플링 포인트들의 위치를 보여주는 기판 및/또는 필드내 위치를 보여주는 하나 이상의 필드의 다이어그램 또는 픽쳐), 수학적 모델의 세부사항(예를 들어, 모델의 타입, 기저 함수, 파라미터 값 등), 하나 이상의 KPI의 세부사항(예를 들어, 상이한 방향에 대한 값들 등)로의 하나 이상의 링크를 가질 수 있다. 드릴 다운(drill down) 데이터는 중첩 윈도우 등으로서 상이한 스크린에 제공될 수 있다. 일 실시예에서, 사용자는 리뷰를 위한 KPI를 선택하고 및/또는 KPI에 대한 사용자-정의된 임계를 설정하며 KPI 및/또는 사용자-정의된 임계를 사용하여 그러한 데이터(예를 들어, 측정된 데이터, 샘플링 기법, 수학적 모델 등)를 파고들어갈 수 있다.
965 에서, HVM을 위하여 고려할 준비가 된 하나 이상의 계측 타겟 디자인 - 계측 레시피 조합이, 선택적으로 연관된 성능과 함께 출력될 수 있다. 더 나아가, 하나 이상의 연관된 수학적 모델 및 하나 이상의 연관된 샘플링 기법이, 선택적으로 연관된 성능과 함께 출력될 수 있다.
하나 이상의 수학적 모델 및/또는 하나 이상의 샘플링 기법이 선택된 하나 이상의 계측 타겟 및 연관된 하나 이상의 계측 레시피에 대해 결정되면, HVM으로 구현하기 전에 그들의 기대된 동적 성능을 검증하는 것이 바람직할 수 있다. 도 10 은 기대된 성능을 검증하는 방법의 일 실시예의 흐름도를 개략적으로 도시한다.
1000 에서, 다양한 예비 데이터가 획득되고 일부 선택적인 예비 데이터 처리가 수행된다. 1005 에서, 하나 이상의 계측 타겟 디자인으로 패터닝되고 그들의 연관된 하나 이상의 계측 레시피에서 검사 장치로 검사되며 그들의 연관된 하나 이상의 샘플링 기법에서 샘플링되는 하나 이상의 기판(바람직하게는 복수 개의 기판)으로부터의 측정 결과가 얻어지거나 수신된다. 일 실시예에서, 측정 데이터는 복수 개의 기판들의 로트로부터 얻은 것이다. 예를 들어, 일 실시예에서, 샘플링 기법은 한 로트의 6 개의 기판에 대한 기판당 200 개의 포인트일 수 있고, 20 개 이상의 로트로부터의 데이터가 존재할 수 있다. 따라서, 복수 개의 로트 중 각각의 로트의 복수 개의 기판에 대한 측정된 전체-기판 측정 데이터가 획득된다. 데이터는 기판의 레이아웃에 대응하는 맵으로 변환될 수 있다. 일 실시예에서, 측정 데이터는, 오버레이 데이터, 오버레이 오차 데이터, 정렬 데이터, 임계 치수 데이터, 초점 데이터 및/또는 임계 치수 균일도 데이터 중 하나 이상을 포함한다.
1010 에서, 1005 으로부터의 측정 데이터는 선택적으로 처리되어, 1005 로부터의 데이터를 측정하기 위하여 사용되는 검사 장치에 적용되었을 수 있는 및/또는 1005 로부터의 데이터에 대응하여 기판을 처리하기 위하여 사용되었을 수 있는 측정 데이터를 철회(back-out)할 수 있다.
1015 에서, 예를 들어 시뮬레이션을 포함하는 데이터 처리가 수행된다. 1020 에서, 소프트웨어는 복수 개의 로트 중 특정 서브세트의 로트에 대한 측정된 데이터로부터 유도된 데이터에 기초하여 정정을 결정할 수 있다. 정정은 추정된 정정일 수 있다. 일 실시예에서, 정정은 기판을 노광하기 위해 사용되는 리소그래피 장치의 파라미터의 변화를 포함한다. 정정은 선택된 하나 이상의 샘플링 기법, 하나 이상의 계측 타겟 및 하나 이상의 계측 레시피와 연관된 하나 이상의 수학적 모델을 사용하여 결정될 수 있다. 일 실시예에서, 소프트웨어는, 측정 데이터에 대한 하나 이상의 수학적 모델의 파라미터의 값을 획득하도록, 특정 로트의 복수 개의 기판에 대한 측정 데이터를 평가하고, 측정된 데이터로부터 유도된 데이터는 파라미터의 값을 포함한다. 일 실시예에서, 정정은 시뮬레이션 디바이스 제조 및 측정 프로세스를 시뮬레이션하는 시뮬레이션, 예를 들어 현상, 에칭 등을 위한 기판 처리 시뮬레이션 모델과 함께 리소그래피에 대한 이미지/레지스트 시뮬레이션 모델 및 시뮬레이션된 기판 상의 계측 타겟을 측정하기 위한 시뮬레이션 모델을 사용하여 유도될 수 있다.
1025 에서, 소프트웨어는 정정을 적용하는 시뮬레이션을 수행하여, 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 획득한다. 일 실시예에서, 시뮬레이션은 디바이스 제조 및 측정 프로세스, 예를 들어 현상, 에칭 등을 위한 기판 처리 시뮬레이션 모델과 함께 리소그래피에 대한 이미지/레지스트 시뮬레이션 모델 및 시뮬레이션된 기판 상의 계측 타겟을 측정하기 위한 시뮬레이션 모델을 시뮬레이션한다. 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터는 후속 로트의 세트에 대한 측정된 데이터와 비교될 수 있다.
1050 에서, 1020 및 1025 의 결과들의 다양한 그래프가 제공될 수 있다. 이러한 그래프는 기판 전역의 그래프, 데이터의 차트, 데이터의 맵 등을 준비하는 것을 포함할 수 있다.
1030 에서, 데이터의 분석이 결과의 제공과 함께 제공되고, 조언이 이루어진다. 1035 에서, 결과는, 예를 들어 사용자 인터페이스를 통해 제공된다. 결과는, 예를 들어 측정된 계측 타겟/레시피/모델/샘플링 기법 조합 및 시뮬레이션된 계측 타겟/레시피/모델/샘플링 기법 조합 각각에 대하여, 로트들 각각에 대한 파라미터(예컨대 오버레이)에 대한 결과를 보여주는 그래프일 수 있다. 두 개의 상이한 방향, 예를 들어 X 및 Y 방향에 대한 그래프가 제공될 수 있다. 그래프(들)는 예를 들어 965 로부터의 사용자에게 계측 타겟/레시피/모델/샘플링 기법 조합의 예측된 성능이 계측 타겟/레시피/모델/샘플링 기법 조합에 대한 측정된 데이터와 얼마나 잘 매칭되는지에 대한 표현을 제공할 것이다.
1040 에서, 사용자에게는 주요 성능 인티케이터(KPI)에 대한 가이드가 제공될 수 있다. 일 실시예에서, 주요 성능 인티케이터 및/또는 측정된 데이터에 대한 시뮬레이션된 측정 데이터의 평가에 대한 주요 성능 인티케이터에 대한 한계가 결정될 수 있고, 및/또는 주요 성능 인티케이터 및/또는 프로세스의 평가를 위한 주요 성능 인티케이터에 대한 한계가 결정될 수 있다. 예를 들어, 하나 이상의 KPI가 식별될 수 있고 KPI와 연관된 하나 이상의 임계가 결정되어 측정된 결과와 시뮬레이션된 결과 사이의 검증을 가능하게 할 수 있다. 예를 들어, 평균, 표준 편차, 변동 등이 KPI로서 식별될 수 있고, 임계(예를 들어, 초과되서는 안되는 값, 그 밑으로 떨어져서는 안되는 값 등)가 계측 타겟/레시피/모델/샘플링 기법 조합의 검증을 가능하게 하기 위해서 결정될 수 있다. 예를 들어, 측정된 결과와 시뮬레이션된 결과에 대한 평균 및/또는 표준 편차 값이 서로 특정 양 이내에 있지 않으면, 계측 타겟/레시피/모델/샘플링 기법 조합의 결정은 상이한 파라미터, 상이한 파라미터 값 등을 가지고 재수행될 필요가 있을 수 있다.
추가적으로 또는 대안적으로, 예를 들어, 하나 이상의 KPI가 식별될 수 있고, KPI와 연관된 하나 이상의 임계가 프로세스 제어를 가능하게 하기 위해 결정될 수 있다. 예를 들어, 평균, 표준 편차, 변동 등이 KPI로서 식별될 수 있고, 임계(예를 들어, 초과되서는 안되는 값, 그 밑으로 떨어져서는 안되는 값 등)가 프로세스의 제어를 가능하게 하기 위해서 결정될 수 있다. 소프트웨어는 다양한 KPI를 분석하여, 예를 들어 측정된 데이터 또는 시뮬레이션을 고려할 때 계측 타겟/레시피/모델/샘플링 기법 조합에 대해 통계적으로 의미가 있는 하나 이상의 선택된 KPI를 식별할 수 있다. 이와 유사하게, 소프트웨어는, 예를 들어 측정된 데이터 또는 시뮬레이션에 대해 하나 이상의 선택된 KPI를 분석하여, 하나 이상의 선택된 KPI에 대한 하나 이상의 통계적으로 의미있는 임계를 식별할 수 있다. 예를 들어, 소프트웨어는 평균 오버레이를 특정 오버레이 계측 타겟/레시피/모델/샘플링 기법 조합에 대해 의미있는 KPI라고 식별하고, 프로세스 제어 중에 사용하기 위하여 해당 KPI와 연관되는 최대값을 더욱 식별할 수 있다. 그러므로, 예를 들어 특정 오버레이 계측 타겟/레시피/모델/샘플링 기법 조합을 사용한 디바이스 제조 프로세스에 있는 오버레이가 평균 오버레이 KPI의 최대값을 넘게 변한다면, 디바이스 제조 프로세스의 제어는 예컨대 재작업(reworking)과 같은 적합한 액션을 취하고, 디바이스 제조 프로세스에 변경을 결정 및/또는 적용하며(예를 들어, 리소그래피 장치 파라미터를 변경하고, 에칭 파라미터를 변경하는 등), 디바이스 제조 프로세스를 중단시키는 등을 수행할 수 있다.
1045 에서, 사용자 또는 소프트웨어는 KPI 및 그들의 임계에 기초하여 하나 이상의 계측 타겟/레시피/모델/샘플링 기법 조합, 예를 들어 양호한 타겟 성능을 가지는 조합을 선택할 수 있다. HVM을 위하여 고려할 준비가 된 하나 이상의 계측 타겟 디자인 - 계측 레시피 조합이, 선택적으로 연관된 성능과 함께 출력될 수 있다. 더 나아가, 하나 이상의 연관된 수학적 모델 및 하나 이상의 연관된 샘플링 기법이, 선택적으로 연관된 성능과 함께 출력될 수 있다.
일 실시예에서, 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성에 관하여, 측정된 데이터에 근사되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법을, 기판 전역의 측정 데이터에 대해 평가하는 단계; 및 상기 파라미터가 임계치를 넘어가는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 식별하는 단계를 포함하는, 방법이 제공된다.
일 실시예에서, 상기 방법은, 측정된 데이터와 측정된 데이터에 근사되는 수학적 모델 사이의 잔여 시스템 변동(remaining systematic variation)에 관하여, 상기 하나 이상의 수학적 모델 및 하나 이상의 측정 샘플링 기법을 평가하는 단계를 더 포함한다. 일 실시예에서, 잔여 체계적 변동은 다수의 기판에 걸친 측정된 데이터의 평균과 수학적 모델 사이의 거리를 포함한다. 일 실시예에서, 잔여 시스템 변동은 평균의 통계적 정밀도를 더욱 설명한다. 일 실시예에서, 잔여 불확정성은 측정된 데이터에 대한 근사된 수학적 모델의 불확정성의 추정을 포함한다. 일 실시예에서, 식별하는 단계는, 측정된 데이터에 근사되기 위한 평가된 하나 이상의 수학적 모델 및/또는 평가된 하나 이상의 측정 샘플링 기법의 순위를 제공하는 것을 포함한다. 일 실시예에서, 측정 데이터는, 오버레이 데이터, 오버레이 오차 데이터, 정렬 데이터, 임계 치수 데이터, 초점 데이터 및/또는 임계 치수 균일도 데이터 중 하나 이상을 포함한다. 일 실시예에서, 상기 방법은, 평가할 복수 개의 수학적 모델 및/또는 복수 개의 샘플링 기법을 사용자가 선택할 수 있게 하는 단계를 더 포함한다. 일 실시예에서, 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트 당 기판의 개수 중에서 선택된 하나 이상을 포함한다. 일 실시예에서, 상기 방법은, 복수 개의 로트 중 각각의 로트의 복수 개의 기판에 대해 측정된 전역-기판 측정 데이터를 수신하는 단계로서, 상기 측정 데이터는 식별된 하나 이상의 수학적 모델로 모델링되고 및/또는 식별된 하나 이상의 측정 샘플링 기법으로 측정되는, 수신하는 단계; 상기 복수 개의 로트 중 특정 서브세트의 로트에 대한 측정된 데이터로부터 유도된 데이터에 기초하여, 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 획득하도록, 정정을 적용하는 것을 수반하는 시뮬레이션을 수행하는 단계; 및 상기 후속 로트의 세트에 대한 측정된 데이터에 대하여, 상기 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 평가하는 단계를 더 포함한다. 일 실시예에서, 측정 데이터는 특정 측정 레시피 및 특정 측정 샘플링 기법을 사용하여 획득되고, 상기 측정 데이터에 대한 특정 수학적 모델을 사용하여, 상기 정정이 결정되고 및/또는 상기 시뮬레이션이 수행된다. 일 실시예에서, 상기 방법은, 상기 측정 데이터에 대한 수학적 모델의 파라미터의 값을 획득하도록, 특정 로트의 복수 개의 기판에 대한 측정 데이터를 평가하는 단계를 더 포함하고, 상기 측정된 데이터로부터 유도된 데이터는 상기 파라미터의 값을 포함한다. 일 실시예에서, 정정은 기판을 노광하기 위해 사용되는 리소그래피 장치의 파라미터의 변화를 포함한다. 일 실시예에서, 상기 방법은, 상기 측정된 데이터에 대한 상기 시뮬레이션된 측정 데이터의 평가를 위한 키 성능 인티케이터 및/또는 상기 키 성능 인티케이터에 대한 한계를 결정하는 단계를 더 포함한다.
일 실시예에서, 제 1 평가 파라미터 및 이와 다른 제 2 평가 파라미터에 관하여, 측정된 데이터에 근사되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법을, 기판 전역의 측정 데이터에 대해 평가하는 단계; 및 상기 제 1 및 제 2 평가 파라미터가 임계치를 넘어가는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 식별하는 단계를 포함하는, 방법이 제공된다.
일 실시예에서, 상기 제 1 또는 제 2 평가 파라미터는, 측정된 데이터와 상기 측정된 데이터에 근사되기 위한 수학적 모델 사이의 잔여 시스템 변동을 포함한다. 일 실시예에서, 제 1 또는 제 2 평가 파라미터는 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성을 나타내는 파라미터를 포함한다. 일 실시예에서, 식별하는 단계는, 측정된 데이터에 근사되기 위한 평가된 하나 이상의 수학적 모델 및/또는 평가된 하나 이상의 측정 샘플링 기법의 순위를 제공하는 것을 포함한다. 일 실시예에서, 측정 데이터는, 오버레이 데이터, 오버레이 오차 데이터, 정렬 데이터, 임계 치수 데이터, 초점 데이터 및/또는 임계 치수 균일도 데이터 중 하나 이상을 포함한다. 일 실시예에서, 상기 방법은, 평가할 복수 개의 수학적 모델 및/또는 샘플링 기법에 대한 제약을 사용자가 선택하게 하는 단계를 더 포함한다. 일 실시예에서, 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트 당 기판의 개수 중에서 선택된 하나 이상을 포함한다. 일 실시예에서, 상기 방법은, 복수 개의 로트 중 각각의 로트의 복수 개의 기판에 대해 측정된 전역-기판 측정 데이터를 수신하는 단계로서, 상기 측정 데이터는 식별된 하나 이상의 수학적 모델로 모델링되고 및/또는 식별된 하나 이상의 측정 샘플링 기법으로 측정되는, 수신하는 단계; 상기 복수 개의 로트 중 특정 서브세트의 로트에 대한 측정된 데이터로부터 유도된 데이터에 기초하여, 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 획득하도록, 정정을 적용하는 것을 수반하는 시뮬레이션을 수행하는 단계; 및 상기 후속 로트의 세트에 대한 측정된 데이터에 대하여, 상기 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 평가하는 단계를 더 포함한다. 일 실시예에서, 측정 데이터는 특정 측정 레시피 및 특정 측정 샘플링 기법을 사용하여 획득되고, 상기 측정 데이터에 대한 특정 수학적 모델을 사용하여, 상기 정정이 결정되고 및/또는 상기 시뮬레이션이 수행된다. 일 실시예에서, 상기 방법은, 상기 측정 데이터에 대한 수학적 모델의 파라미터의 값을 획득하도록, 특정 로트의 복수 개의 기판에 대한 측정 데이터를 평가하는 단계를 더 포함하고, 상기 측정된 데이터로부터 유도된 데이터는 상기 파라미터의 값을 포함한다. 일 실시예에서, 정정은 기판을 노광하기 위해 사용되는 리소그래피 장치의 파라미터의 변화를 포함한다. 일 실시예에서, 상기 방법은, 상기 측정된 데이터에 대한 상기 시뮬레이션된 측정 데이터의 평가를 위한 키 성능 인티케이터 및/또는 상기 키 성능 인티케이터에 대한 한계를 결정하는 단계를 더 포함한다.
일 실시예에서, 리소그래피 프로세스에서 프로세스 단계를 모니터링하기 위하여, 데이터를 측정하기 위한 샘플링 기법 및/또는 측정된 데이터에 근사되기 위한 수학적 모델을 결정하는 방법으로서, 검사 장치의 쓰루풋 모델에 적어도 부분적으로 기초하여, 상기 샘플링 기법 및 수학적 모델을 결정하는 단계를 포함하는, 방법이 제공된다.
일 실시예에서, 쓰루풋 모델은, 상기 검사 장치 내의 기판의 로딩 시간, 상기 검사 장치 내의 기판의 정렬 시간, 상기 검사 장치 내의 기판의 리포지션(reposition) 시간, 상기 검사 장치 내의 측정 위치 내에서 측정 타겟을 포지셔닝하기 위한 시간 및/또는 상기 검사 장치 내의 측정 타겟으로부터 상기 측정 데이터를 취출하는 시간을 규정한다. 일 실시예에서, 상기 결정하는 단계는, 각각 상이한 검사 장치에 대한 복수 개의 쓰루풋 모델에 기초하여 결정하는 것을 포함한다. 일 실시예에서, 상기 결정하는 단계는, 측정된 데이터와 측정된 데이터에 근사되기 위한 수학적 모델 사이의 잔여 시스템 변동에 기초하여 결정하는 것을 포함한다. 일 실시예에서, 상기 결정하는 단계는, 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성을 나타내는 파라미터에 기초하여 결정하는 것을 포함한다. 일 실시예에서, 상기 잔여 시스템 변동 또는 잔여 불확정성은, 프로세스 단계를 모니터링 하기 위해 측정된 단일 기판 각각 내의 잔여 시스템 변동 또는 잔여 불확정성 또는 프로세스 단계를 모니터링하기 위해 측정된 복수 개의 기판들 사이의 기판-기판 잔여 시스템 변동 또는 잔여 불확정성을 포함한다. 일 실시예에서, 검사 장치는 리소그래피 장치 내의 검사 장치이다. 일 실시예에서, 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트 당 기판의 개수 중에서 선택된 하나 이상을 포함한다.
일 실시예에서, 계측 레시피에 따라 측정된 계측 타겟의 측정 데이터를 수신하는 단계; 검사 장치의 쓰루풋 모델에 적어도 부분적으로 기초하여, 상기 계측 레시피를 사용하여, 상기 계측 타겟으로써 데이터를 측정하기 위한 샘플링 기법을 결정하는 단계; 상기 측정 데이터 및 샘플링 기법에 기초하여 평가 파라미터를 결정하는 단계; 상기 평가 파라미터가 임계치를 넘어가는지를 결정하는 단계; 및 상기 평가 파라미터가 임계치를 넘어가는 것으로 결정되면, 상기 쓰루풋 모델에 적어도 부분적으로 기초하여 상기 샘플링 기법을 변경하는 단계를 포함하는, 방법이 제공된다.
일 실시예에서, 상기 평가 파라미터는 기판들의 로트(lot) 내의 기판-기판 변동을 포함한다. 일 실시예에서, 상기 방법은, 측정 데이터에 근사되기 위한 수학적 모델을 결정하는 단계를 포함하고, 상기 샘플링 기법을 결정하는 단계는 상기 수학적 모델에 더욱 기초한다. 일 실시예에서, 상기 방법은, 상기 샘플링 기법이 변경되었으면, 상기 측정 데이터 및 변경된 샘플링 기법에 기초하여 적어도 상기 평가 파라미터를 결정하는 단계 및 상기 측정 데이터 및 변경된 샘플링 기법에 기초하여 결정된 평가 파라미터가 임계치를 넘어가는지를 결정하는 단계를 적어도 재수행하는 단계를 더 포함한다. 일 실시예에서, 상기 샘플링 기법을 결정하는 단계는, 각각 상이한 검사 장치에 대한 복수 개의 쓰루풋 모델에 기초하여 결정하는 것을 포함한다. 일 실시예에서, 상기 방법은, 측정된 데이터와 상기 측정된 데이터에 근사되기 위한 수학적 모델 사이의 잔여 체계적 변동에 기초하여, 상기 샘플링 기법 및/또는 측정된 데이터에 근사되기 위한 수학적 모델을 결정하는 단계를 더 포함한다. 일 실시예에서, 상기 방법은, 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성을 나타내는 파라미터에 기초하여, 상기 샘플링 기법 및/또는 측정된 데이터에 근사되기 위한 수학적 모델을 결정하는 단계를 더 포함한다. 일 실시예에서, 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트 당 기판의 개수 중에서 선택된 하나 이상을 포함한다. 일 실시예에서, 쓰루풋 모델은, 상기 검사 장치 내의 기판의 로딩 시간, 상기 검사 장치 내의 기판의 정렬 시간, 상기 검사 장치 내의 기판의 리포지션(reposition) 시간, 상기 검사 장치 내의 측정 위치 내에서 측정 타겟을 포지셔닝하기 위한 시간 및/또는 상기 검사 장치 내의 측정 타겟으로부터 상기 측정 데이터를 취출하는 시간을 규정한다. 일 실시예에서 계측 타겟은 정렬 타겟을 포함한다.
도 11 은 디바이스 제조 프로세스 개발, 모니터링 및 제어의 일부의 일 실시예를 제공하기 위한 소프트웨어의 사용자 인터페이스를 개략적으로 도시한다. 도 11 의 실시예는 전술된 바와 같은 측정 디자인, 셋업 및/또는 모니터링 프로세스를 위해 설계된 소프트웨어의 그래픽 사용자 인터페이스이다. 일 실시예에서, 도 11 의 개념은 디바이스 제조 프로세스 개발, 모니터링 및 제어의 다른 부분들을 가능하게 하는 소프트웨어로 확장될 수 있다.
도 11 을 참조하면, 복수 개의 그래픽 사용자 인터페이스 요소(1100)가 도시된다. 각각의 그래픽 사용자 인터페이스 요소(1100)는 측정 디자인, 셋업 및/또는 모니터링 프로세스의 단계들을 나타내고, 각각의 그래픽 사용자 인터페이스는 그래픽 사용자 인터페이스 요소의 연관된 단계에 대한, 사용자에 의한 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 다른 단계로의 액세스를 허용한다. 예를 들어, 그래픽 사용자 인터페이스 요소를 클릭하면, 사용자는 그래픽 사용자 요소의 설명과 연관된 추가적 단계에 액세스할 수 있다. 추가적 단계는 추가적 스크린(여기에서 명확화를 위하여 미도시)에 나타날 수 있다.
하나 이상의 그래픽 사용자 인터페이스 요소의 세트(1100), 예를 들어 도 11 에 도시된 바와 같은 하나 이상의 그래픽 사용자 인터페이스 요소(1100)의 열은, 연관된 그래픽 사용자 인터페이스 요소(1110)에 의해 표현되는 특정 기능과 연관될 수 있다. 그래픽 사용자 요소(1110) 자체는 그래픽 사용자 인터페이스 요소의 연관된 기능에 대한, 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 추가적인 단계로의 사용자에 의한 액세스를 가능하게 할 수 있다. 일 실시예에서, 그래픽 사용자 인터페이스 요소(1110) 중 하나 이상은 추가적 단계로의 액세스가 가능하지 않게 할 수 있고, 연관된 하나 이상의 그래픽 사용자 인터페이스 요소(1100)에 의해 표현되는 특정 기능 및 하나 이상의 단계, 예를 들어 도 11 에 도시된 바와 같은 하나 이상의 그래픽 사용자 인터페이스 요소(1100)의 연관된 열에 관련된 정보만을 제공할 수도 있다.
더 나아가, 복수 개의 그래픽 사용자 요소(1100, 1110) 중 하나 이상과 연관된 인티케이터가 디스플레이될 수 있다. 일 실시예에서, 인티케이터는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계가 완료되지 않았다는 것 및/또는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계와 연관된 주요 성능 인티케이터가 임계를 통과했음을 표시한다. 일 실시예에서, 인티케이터는 그래픽 사용자 인터페이스 요소의 컬러 및/또는 해당 사용자 인터페이스 요소와 연관된 심볼을 포함한다. 예를 들어, 인티케이터(1130)(예를 들어 정지 신호 또는 유사한 심볼)는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계가 완료되지 않았다는 것 및/또는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계와 연관된 주요 성능 인티케이터가 기준들을 성공적으로 만족시키지 못한다는 것을 표시할 수 있다. 예를 들어, 인티케이터(1120)(예를 들어, 경고 부호, 느낌표 부호 또는 다른 유사한 심볼)는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계가 임계를 통과했음을 표시할 수 있다. 추가적으로 또는 대안적으로, 복수 개의 그래픽 사용자 요소(1100, 1110) 중 하나 이상에는 특정 조건에 따라서 상이한 컬러, 음영 또는 텍스쳐가 제공될 수 있다. 예를 들어, 점으로 채워진 그래픽 사용자 요소(1100, 1110)는, 예를 들어 단계 또는 기능이 완료되었거나, 그렇지 않으면 OK라는 것을 표시한다. 점으로 채워진 것은, 예를 들어 녹색, 특정 음영 및/또는 특정 텍스쳐를 나타낸다. 따라서, 점선이 채워진 것은, 예를 들어 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계가 완료되었다는 것 및/또는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계와 연관된 주요 성능 인티케이터가 기준들을 성공적으로 만족시킨다는 것을 표시한다. 다른 예로서, 빗금이 채워진 그래픽 사용자 요소(1100, 1110)는, 예를 들어 단계 또는 기능이 완료되지 않았거나 그렇지 않으면 OK가 아니라는 것을 표시한다. 빗금이 채워진 것은, 예를 들어 적색 또는 오렌지색, 특정 음영 및/또는 특정 텍스쳐를 나타낸다. 따라서, 빗금이 채워진 것은, 예를 들어 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계가 완료되지 않았다는 것 및/또는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계와 연관된 주요 성능 인티케이터가 기준들을 성공적으로 만족시키지 못한다는 것을 표시한다. 다른 예로서, 아무것도 채워지지 않은 그래픽 사용자 요소(1100, 1110)는, 예를 들어 단계 또는 기능이 시작되지 않았거나 액세스될 수 없다는 것을 표시한다. 아무것도 채워지지 않은 것은, 예를 들어 백색, 특정 음영 및/또는 특정 텍스쳐를 나타낸다. 따라서, 아무 것도 채워지지 않은 것은, 예를 들어 이러한 그래픽 사용자 인터페이스 요소에 의해 표현되는 단계 또는 기능 내의 측정 디자인, 셋업 및/또는 모니터링 프로세스에 있는 단계가, 예를 들어 하나 이상의 앞서거나 의존적인 단계가 완료되거나 시도된 바가 없고 및/또는 측정 디자인, 셋업 및/또는 모니터링 프로세스에 있는 앞서거나 의존적인 단계와 연관된 주요 성능 인티케이터가 기준들을 성공적으로 만족시키지 않기 때문에, 시도된 바가 없거나 시도될 수 없다는 것을 나타낸다.
일 실시예에서, 사용자가 특정 그래픽 사용자 인터페이스 요소를 선택하는 데에도 불구하고, 소프트웨어는 특정 그래픽 사용자 인터페이스 요소의 연관된 단계에 대해서 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 추가적 단계에 사용자가 액세스하는 것을 막는다. 예를 들어, 빗금이 채워지거나 인티케이터(1120 또는 1130)를 가진 그래픽 사용자 인터페이스 요소와 연관된 하나 이상의 단계가 완료될 때까지, 채워지지 않은 그래픽 사용자 요소 중 하나 이상으로의 액세스는 금지될 수 있다.
일 실시예에서, 그래픽 사용자 인터페이스 요소 또는 인티케이터 중 하나 이상은 주요 성능 인티케이터 및/또는 가이드라인과 관련된 정보를 나타내거나, 디스플레이하거나, 디스플레이를 가능하게 할 수 있다. 예를 들어, 하나 이상의 그래픽 사용자 인터페이스 요소(1100) 또는 인티케이터(1120 또는 1130)는, 이러한 그래픽 사용자 인터페이스 요소가, 예를 들어 사용자가 해당 그래픽 사용자 인터페이스 요소에 클릭함으로써 주요 성능 인티케이터 및/또는 가이드라인으로 액세스하는 것을 가능하게 하도록, 주요 성능 인티케이터 및/또는 가이드라인을 표현할 수 있다. 일 실시예에서, 하나 이상의 그래픽 사용자 인터페이스 요소(1100) 또는 인티케이터(1120 또는 1130)는 주요 성능 인티케이터 및/또는 가이드라인과 관련된 정보를 디스플레이하거나 디스플레이하는 것을 가능하게 할 수 있다. 예를 들어, 하나 이상의 그래픽 사용자 인터페이스 요소(1100) 또는 인티케이터(1120 또는 1130)는 주요 성능 인티케이터가 OK인지 OK가 아닌지에 대한 주요 성능 인티케이터 또는 신호의 값을 디스플레이할 수 있다. 일 실시예에서, 사용자는, 예를 들어 포인터 아이콘을 사용하여 하나 이상의 그래픽 사용자 인터페이스 요소(1100) 또는 인티케이터(1120 또는 1130) 위에서 "움직여서(fly-over)", 주요 성능 인티케이터(예를 들어, 주요 성능 인티케이터의 값 또는 주요 성능 인티케이터가 OK인지 OK가 아닌지의 신호) 및/또는 가이드라인에 관련된 정보를 디스플레이할 수 있다.
일 실시예에서, 그래픽 사용자 인터페이스 요소 중 하나 이상은 데이터의 업데이트 또는 리프레시를 허용하는 인티케이터(1140)를 가질 수 있다. 사용자는 클릭하거나 그렇지 않으면 인티케이터(1140)를 선택해서 해당 그래픽 사용자 인터페이스와 연관된 하나 이상의 단계와 연관된 데이터가 업데이트 또는 리프레시되게 할 수 있고, 이것은 하나 이상의 다른 그래픽 사용자 인터페이스 요소와 연관된 단계로의 액세스의 변경 및/또는 인티케이터(1120 또는 1130)의 변경을 야기할 수 있다.
일 실시예에서, 복수 개의 그래픽 사용자 인터페이스 요소를 디스플레이하는 단계로서, 각각의 그래픽 사용자 인터페이스 요소는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계를 나타내고, 각각의 그래픽 사용자 인터페이스 요소는 상기 그래픽 사용자 인터페이스 요소의 연관된 단계에 대한 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 추가적인 단계들에 사용자가 액세스할 수 있게 하는, 단계; 및 복수 개의 그래픽 사용자 요소 중 하나 이상과 연관된 인티케이터를 디스플레이하는 단계로서, 상기 인티케이터는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계가 완료되지 않았다는 것 및/또는 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 단계와 연관된 주요 성능 인티케이터가 임계를 넘어섰다는 것을 표시하는, 단계를 포함하는 방법이 제공된다.
일 실시예에서, 이러한 방법은, 사용자가 특정 그래픽 사용자 인터페이스 요소를 선택하는 데에도 불구하고, 소프트웨어는 특정 그래픽 사용자 인터페이스 요소의 연관된 단계에 대해서 측정 디자인, 셋업 및/또는 모니터링 프로세스 내의 추가적 단계에 사용자가 액세스하는 것을 막는 단계를 더 포함한다. 일 실시예에서, 인티케이터는 그래픽 사용자 인터페이스 요소의 컬러 및/또는 해당 사용자 인터페이스 요소와 연관된 심볼을 포함한다. 일 실시예에서, 이러한 방법은, 주요 성능 인티케이터 및/또는 가이드라인에 관련된 정보를 표현하거나 디스플레이하거나, 디스플레이를 가능하게 하는 그래픽 사용자 인터페이스 요소 또는 인티케이터를 디스플레이하는 단계를 더 포함한다.
예컨대, 본 발명의 실시예는 본 명세서에 개시된 바와 같은 방법을 기술하는 기계 판독 가능한 명령어들의 하나 이상의 시퀀스들을 포함하는 컴퓨터 프로그램, 또는 이러한 컴퓨터 프로그램이 저장되는 데이터 저장 매체(예컨대, 반도체 메모리, 자기 디스크 또는 광디스크)의 형태를 취할 수 있다. 더 나아가, 기계 판독 가능한 명령어는 두 개 이상의 컴퓨터 프로그램에서 구현될 수 있다. 두 개 이상의 컴퓨터 프로그램은 하나 이상의 상이한 메모리 및/또는 데이터 저장 미디어에 저장될 수 있다.
본 명세서에서 설명되는 임의의 제어기는 하나 이상의 컴퓨터 프로그램이 리소그래피 장치의 적어도 하나의 컴포넌트 내에 위치된 하나 이상의 컴퓨터 프로세서에 의해 판독되는 경우 각각 또는 조합되어 동작될 수 있다. 제어기는 각각 또는 조합하여 신호를 수신, 처리, 및 송신하기에 적합한 임의의 구성을 가질 수 있다. 하나 이상의 프로세서는 제어기 중 적어도 하나와 통신하도록 구성된다. 예를 들어, 각각의 제어기는 전술된 방법에 대한 머신-판독가능 명령을 포함하는 컴퓨터 프로그램을 실행하기 위한 하나 이상의 프로세서를 포함할 수 있다. 제어기는 이러한 컴퓨터 프로그램을 저장하기 위한 데이터 저장 매체, 및/또는 이러한 매체를 수용하기 위한 하드웨어를 포함할 수 있다. 그러므로, 제어기(들)는 하나 이상의 컴퓨터 프로그램의 머신 판독가능 명령에 따라 동작할 수 있다. 비록 본문에서 IC의 제조에서 검사 장치를 사용하는 것에 대해서 특별히 언급하였지만, 본 명세서에서 설명되는 검사 장치는 다른 응용 분야, 예컨대 집적 광 시스템의 제조, 자기장 도메인 메모리용 유도 및 검출 패턴, 평판-패널 디스플레이, 액정 디스플레이(LCD), 박막 자기 헤드, 등을 가질 수 있다는 것이 이해되어야 한다. 당업자는, 이러한 다른 응용예의 문맥에서, 본 명세서에서 사용된 "웨이퍼" 또는 "다이"와 같은 어떠한 용어의 사용도 각각 "기판" 또는 "타겟부"와 같은 좀 더 일반적인 용어와 동의어로 간주될 수 있음을 이해할 것이다. 본 명세서에서 기판은, 예를 들어 트랙(통상적으로 레지스트 층을 기판에 도포하고 노광된 레지스트를 현상하는 툴), 계측 툴 및/또는 검사 툴에서, 노광 전 또는 노광 후에 처리될 수 있다. 적용 가능한 범위에서, 본 명세서에서의 개시물은 이러한 기판 처리 툴 및 다른 기판 처리 툴에 적용될 수 있다. 또한, 예컨대 다층 집적회로를 생성하기 위하여 기판이 복수 회 처리될 수 있으므로, 본 명세서에 사용되는 기판이라는 용어는 이미 여러 번 처리된 층들을 포함한 기판을 지칭할 수 있다.
비록 특정한 참조가 위에서 광 리소그래피의 콘텍스트에서의 본 발명의 실시예의 사용에 대하여 이루어졌지만, 본 발명이 다른 애플리케이션, 예를 들어 임프린트(imprint) 리소그래피에서 사용될 수도 있고, 콘텍스트가 허용하는 경우 광 리소그래피로 제한되는 것이 아니라는 것이 인정될 것이다. 본원에서 사용된 "방사선" 및 "빔"이라는 용어는, 자외(UV) 방사선(예컨대, 약 365, 355, 248, 193, 157, 또는 126 nm의 파장을 가짐) 및 극자외(EUV) 방사선(예컨대, 5-20 nm 범위의 파장을 가짐), 및 이온 빔 또는 전자 빔과 같은 입자 빔을 포함하는, 모든 타입의 전자기 방사선을 망라한다.
본 명세서에 사용된 "렌즈"라는 용어는, 문맥이 허용한다면, 굴절, 회절, 반사, 자기, 전자자기, 및 정전기 광 컴포넌트를 포함하는 다양한 타입의 광 컴포넌트 중 임의의 것 또는 조합을 가리킬 수 있다.
본 명세서에서, 임계를 넘어가거나 통과한다는 것은, 특정 값 미만 또는 특정한 값 이하인 값을 가지는 어떤 것, 특정 값보다 높거나 특정 값 이상인 어떤 것, 예를 들어 파라미터 등에 기초하여 다른 것보다 높거나 낮게 랭킹된(예를 들어 정렬을 통해) 어떤 것을 포함할 수 있다.
"최적화(optimizing)" 및 "최적화(optimization)" 라는 용어는 본 명세서에서 사용될 때, 리소그래피 또는 디바이스 제조의 결과 및/또는 프로세스가 더 바람직한 특성, 예컨대 기판 상의 설계 레이아웃의 투영의 더 높은 정확도, 더 큰 프로세스 윈도우 등과 같이 더 양호한 특성을 가지도록 리소그래피 장치, 디바이스 제조 프로세스 등을 조절하는 것을 가리키거나 의미한다. 따라서, "최적화(optimizing)" 및 "최적화(optimization)" 라는 용어는 본 명세서에서 사용될 때, 하나 이상의 파라미터에 대한 하나 이상의 값들의 초기 세트와 비교할 때, 적어도 하나의 관련된 메트릭에서, 개선, 예를 들어 국지적인 최적값을 제공하는, 그러한 하나 이상의 파라미터에 대한 하나 이상의 값들을 식별하는 프로세스를 가리키거나 의미한다. "최적" 및 다른 관련된 용어는 이에 상응하게 해석되어야 한다. 일 실시예에서, 최적화 단계는 하나 이상의 메트릭에서 추가적인 개선을 제공하도록 반복적으로 적용될 수 있다.
시스템의 최적화 프로세스에서, 시스템 또는 프로세스의 성능 지수는 비용 함수로서 표현될 수 있다. 최적화 프로세스는 비용 함수를 최적화(예를 들어 최소화 또는 최대화)하는 시스템 또는 프로세스의 파라미터들(설계 변수)의 세트를 찾는 과정이 된다. 비용 함수는 최적화의 목표에 따라 임의의 적합한 형태를 가질 수 있다. 예를 들어, 비용 함수는 시스템 또는 프로세스의 특정한 특성(평가 포인트)의 이러한 특성의 의도된 값(예를 들어, 이상적인 값)에 대한 편차의 가중치가 부여된 평균제곱근(RMS)일 수 있다; 비용 함수는 또한 이러한 편차들 중 최대값(예를 들어 최악의 편차)일 수도 있다. 본 명세서에서 "평가 포인트"라는 용어는 시스템 또는 프로세스의 임의의 특성을 포함하도록 넓게 해석되어야 한다. 시스템 또는 프로세스의 설계 변수는 유한 범위로 한정되거나 및/또는 시스템의 구현형태들의 실용성 때문에 상호의존적일 수 있다. 리소그래피 장치 또는 디바이스 제조 프로세스의 경우에, 이러한 제약들은 흔히 튜닝가능한 범위, 및/또는 패터닝 디바이스 제조성(manufacturability) 설계 규칙과 같은 하드웨어의 물리적 성질 및 특성과 연관되며, 평가 포인트는 기판 상의 레지스트상 상의 물리적 포인트, 및 선량 및 초점과 같은 비-물리적 특성을 포함할 수 있다.
본 발명은 다음 절들을 사용하여 더 기술될 수 있다.
1. 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성에 관하여, 측정된 데이터에 근사(fit)되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법을, 기판 전역의 측정 데이터에 대해 평가하는 단계; 및
상기 파라미터가 임계치를 넘어가는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 식별하는 단계를 포함하는, 방법.
2. 제 1 절에 있어서,
상기 방법은,
측정된 데이터와 측정된 데이터에 근사되는 수학적 모델 사이의 잔여 체계적 변동(remaining systematic variation)에 관하여, 상기 하나 이상의 수학적 모델 및 하나 이상의 측정 샘플링 기법을 평가하는 단계를 더 포함하는, 방법.
3. 제 2 절에 있어서,
상기 잔여 체계적 변동은 다수의 기판에 걸친 측정된 데이터의 평균과 수학적 모델 사이의 거리를 포함하는, 방법.
4. 제 3 절에 있어서,
상기 잔여 체계적 변동은 추가적으로 상기 평균의 통계적 정밀도를 더욱 고려하는, 리소그래피 장치.
5. 제 1 절 내지 제 4 절 중 어느 한 절에 있어서,
잔여 불확정성은 상기 측정된 데이터에 대한 근사된 수학적 모델의 불확정성의 추정을 포함하는, 방법.
6. 제 1 절 내지 제 5 절 중 어느 한 절에 있어서,
상기 식별하는 단계는, 측정된 데이터에 근사되기 위한 평가된 하나 이상의 수학적 모델 및/또는 평가된 하나 이상의 측정 샘플링 기법의 순위를 제공하는 것을 포함하는, 방법.
7. 제 1 절 내지 제 6 절 중 어느 한 절에 있어서,
상기 측정 데이터는, 오버레이 데이터, 오버레이 오차 데이터, 정렬 데이터, 임계 치수 데이터, 초점 데이터 및/또는 임계 치수 균일도 데이터 중 하나 이상을 포함하는, 방법.
8. 제 1 절 내지 제 7 절 중 어느 한 절에 있어서,
상기 방법은,
평가할 복수 개의 수학적 모델 및/또는 복수 개의 샘플링 기법을 사용자가 선택할 수 있게 하는 단계를 더 포함하는, 방법.
9. 제 1 절 내지 제 8 절 중 어느 한 절에 있어서,
상기 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트(lot) 당 기판의 개수 중에서 선택된 하나 이상을 포함하는, 방법.
10. 제 1 절 내지 제 9 절 중 어느 한 절에 있어서,
상기 방법은,
복수 개의 로트 중 각각의 로트의 복수 개의 기판에 대해 측정된 전역-기판 측정 데이터를 수신하는 단계로서, 상기 측정 데이터는 식별된 하나 이상의 수학적 모델로 모델링되고 및/또는 식별된 하나 이상의 측정 샘플링 기법으로 측정되는, 수신하는 단계;
상기 복수 개의 로트 중 특정 서브세트의 로트에 대한 측정된 데이터로부터 유도된 데이터에 기초하여, 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 획득하도록, 정정을 적용하는 것을 수반하는 시뮬레이션을 수행하는 단계; 및
상기 후속 로트의 세트에 대한 측정된 데이터에 대하여, 상기 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 평가하는 단계를 더 포함하는, 방법.
11. 제 10 절에 있어서,
상기 측정 데이터는 특정 측정 레시피 및 특정 측정 샘플링 기법을 사용하여 획득되고,
상기 측정 데이터에 대한 특정 수학적 모델을 사용하여, 상기 정정이 결정되고 및/또는 상기 시뮬레이션이 수행되는, 방법.
12. 제 10 절 또는 제 11 절에 있어서,
상기 방법은,
상기 측정 데이터에 대한 수학적 모델의 파라미터의 값을 획득하도록, 특정 로트의 복수 개의 기판에 대한 측정 데이터를 평가하는 단계를 더 포함하고,
상기 측정된 데이터로부터 유도된 데이터는 상기 파라미터의 값을 포함하는, 방법.
13. 제 10 절 내지 제 12 절 중 어느 한 절에 있어서,
상기 정정은 기판을 노광하기 위해 사용되는 리소그래피 장치의 파라미터의 변경을 포함하는, 방법.
14. 제 10 절 내지 제 13 절 중 어느 한 절에 있어서,
상기 방법은,
상기 측정된 데이터에 대한 상기 시뮬레이션된 측정 데이터의 평가를 위해, 주요 성능 인티케이터 및/또는 상기 주요 성능 인티케이터에 대한 한계를 결정하는 단계를 더 포함하는, 방법.
15. 제 1 평가 파라미터 및 이와 다른 제 2 평가 파라미터에 관하여, 측정된 데이터에 근사되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법을, 기판 전역의 측정 데이터에 대해 평가하는 단계; 및
상기 제 1 및 제 2 평가 파라미터가 임계치를 넘어가는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 식별하는 단계를 포함하는, 방법.
16. 제 15 절에 있어서,
상기 제 1 또는 제 2 평가 파라미터는, 측정된 데이터와 상기 측정된 데이터에 근사되기 위한 수학적 모델 사이의 잔여 체계적 변동을 포함하는, 방법.
17. 제 15 절 또는 제 16 절에 있어서,
상기 제 1 또는 제 2 평가 파라미터는, 측정된 데이터에 근사되기 위한 수학적 모델의 잔여 불확정성을 나타내는 파라미터를 포함하는, 방법.
18. 제 15 절 내지 제 17 절 중 어느 한 절에 있어서,
상기 식별하는 단계는, 측정된 데이터에 근사되기 위한 평가된 하나 이상의 수학적 모델 및/또는 평가된 하나 이상의 측정 샘플링 기법의 순위를 제공하는 것을 포함하는, 방법.
19. 제 15 절 내지 제 18 절 중 어느 한 절에 있어서,
상기 측정 데이터는, 오버레이 데이터, 오버레이 오차 데이터, 정렬 데이터, 임계 치수 데이터, 초점 데이터 및/또는 임계 치수 균일도 데이터 중 하나 이상을 포함하는, 방법.
20. 제 15 절 내지 제 19 절 중 어느 한 절에 있어서,
상기 방법은,
평가할 복수 개의 수학적 모델 및/또는 샘플링 기법에 대한 제약을 사용자가 선택하게 하는 단계를 더 포함하는, 방법.
21. 제 15 절 내지 제 20 절 중 어느 한 절에 있어서,
상기 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트 당 기판의 개수 중에서 선택된 하나 이상을 포함하는, 방법.
22. 제 15 절 내지 제 21 절 중 어느 한 절에 있어서,
상기 방법은,
복수 개의 로트 중 각각의 로트의 복수 개의 기판에 대해 측정된 전역-기판 측정 데이터를 수신하는 단계로서, 상기 측정 데이터는 식별된 하나 이상의 수학적 모델로 모델링되고 및/또는 식별된 하나 이상의 측정 샘플링 기법으로 측정되는, 수신하는 단계;
상기 복수 개의 로트 중 특정 서브세트의 로트에 대한 측정된 데이터로부터 유도된 데이터에 기초하여, 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 획득하도록, 정정을 적용하는 것을 수반하는 시뮬레이션을 수행하는 단계; 및
상기 후속 로트의 세트에 대한 측정된 데이터에 대하여, 상기 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 평가하는 단계를 더 포함하는, 방법.
23. 제 22 절에 있어서,
상기 측정 데이터는 특정 측정 레시피 및 특정 측정 샘플링 기법을 사용하여 획득되고,
상기 측정 데이터에 대한 특정 수학적 모델을 사용하여, 상기 정정이 결정되고 및/또는 상기 시뮬레이션이 수행되는, 방법.
24. 제 22 절 또는 제 23 절에 있어서,
상기 방법은,
상기 측정 데이터에 대한 수학적 모델의 파라미터의 값을 획득하도록, 특정 로트의 복수 개의 기판에 대한 측정 데이터를 평가하는 단계를 더 포함하고,
상기 측정된 데이터로부터 유도된 데이터는 상기 파라미터의 값을 포함하는, 방법.
25. 제 22 절 내지 제 24 절 중 어느 한 절에 있어서,
상기 정정은 기판을 노광하기 위해 사용되는 리소그래피 장치의 파라미터의 변경을 포함하는, 방법.
26. 제 22 절 내지 제 25 절 중 어느 한 절에 있어서,
상기 방법은,
상기 측정된 데이터에 대한 상기 시뮬레이션된 측정 데이터의 평가를 위해, 주요 성능 인티케이터 및/또는 상기 주요 성능 인티케이터에 대한 한계를 결정하는 단계를 더 포함하는, 방법.
27. 리소그래피 프로세스에서 프로세스 단계를 모니터링하기 위하여, 데이터를 측정하기 위한 샘플링 기법 및/또는 측정된 데이터에 근사되기 위한 수학적 모델을 결정하는 방법으로서,
검사 장치의 쓰루풋 모델에 적어도 부분적으로 기초하여, 상기 샘플링 기법 및 수학적 모델을 결정하는 단계를 포함하는, 방법.
28. 제 27 절에 있어서,
상기 쓰루풋 모델은, 상기 검사 장치 내의 기판의 로딩 시간, 상기 검사 장치 내의 기판의 정렬 시간, 상기 검사 장치 내의 기판의 리포지션(reposition) 시간, 상기 검사 장치 내의 측정 위치 내에서 측정 타겟을 포지셔닝하기 위한 시간 및/또는 상기 검사 장치 내의 측정 타겟으로부터 상기 측정 데이터를 취출하는 시간을 규정하는, 방법.
29. 제 27 절 또는 제 28 절에 있어서,
상기 결정하는 단계는, 각각 상이한 검사 장치에 대한 복수 개의 쓰루풋 모델에 기초하여 결정하는 것을 포함하는, 방법.
30. 제 27 절 내지 제 29 절 중 어느 한 절에 있어서,
상기 결정하는 단계는, 측정된 데이터와 측정된 데이터에 근사되기 위한 수학적 모델 사이의 잔여 체계적 변동에 기초하여 결정하는 것을 더 포함하는, 방법.
31. 제 27 절 내지 제 30 절 중 어느 한 절에 있어서,
상기 결정하는 단계는, 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성을 나타내는 파라미터에 기초하여 결정하는 것을 더 포함하는, 방법.
32. 제 30 절 또는 제 31 절에 있어서,
상기 잔여 체계적 변동 또는 잔여 불확정성은, 프로세스 단계를 모니터링 하기 위해 측정된 단일 기판 각각 내의 잔여 체계적 변동 또는 잔여 불확정성 또는 프로세스 단계를 모니터링하기 위해 측정된 복수 개의 기판들 사이의 기판-기판 잔여 체계적 변동 또는 잔여 불확정성을 포함하는, 방법.
33. 제 27 절 내지 제 32 절 중 어느 하나에 있어서,
상기 검사 장치는 리소그래피 장치 내의 검사 장치인, 방법.
34. 제 27 절 내지 제 33 절 중 어느 한 절에 있어서,
상기 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트 당 기판의 개수 중에서 선택된 하나 이상을 포함하는, 방법.
35. 계측 레시피에 따라 측정된 계측 타겟의 측정 데이터를 수신하는 단계;
검사 장치의 쓰루풋 모델에 적어도 부분적으로 기초하여, 상기 계측 레시피를 사용하여, 상기 계측 타겟으로써 데이터를 측정하기 위한 샘플링 기법을 결정하는 단계;
상기 측정 데이터 및 샘플링 기법에 기초하여 평가 파라미터를 결정하는 단계;
상기 평가 파라미터가 임계치를 넘어가는지를 결정하는 단계; 및
상기 평가 파라미터가 임계치를 넘어가는 것으로 결정되면, 상기 쓰루풋 모델에 적어도 부분적으로 기초하여 상기 샘플링 기법을 변경하는 단계를 포함하는, 방법.
36. 제 35 절에 있어서,
상기 평가 파라미터는 기판들의 로트 내의 기판-기판 변동을 포함하는, 방법.
37. 제 35 절 또는 제 36 절에 있어서,
상기 방법은, 측정 데이터에 근사되기 위한 수학적 모델을 결정하는 단계를 포함하고,
상기 샘플링 기법을 결정하는 단계는 상기 수학적 모델에 더욱 기초하는, 방법.
38. 제 35 절 내지 제 37 절 중 어느 한 절에 있어서,
상기 방법은,
상기 샘플링 기법이 변경되었으면, 상기 측정 데이터 및 변경된 샘플링 기법에 기초하여 적어도 상기 평가 파라미터를 결정하는 단계 및 상기 측정 데이터 및 변경된 샘플링 기법에 기초하여 결정된 평가 파라미터가 임계치를 넘어가는지를 결정하는 단계를 적어도 재수행하는 단계를 더 포함하는, 방법.
39. 제 35 절 내지 제 38 절 중 어느 한 절에 있어서,
상기 샘플링 기법을 결정하는 단계는, 각각 상이한 검사 장치에 대한 복수 개의 쓰루풋 모델에 기초하여 결정하는 것을 포함하는, 방법.
40. 제 35 절 내지 제 39 절 중 어느 한 절에 있어서,
상기 방법은,
측정된 데이터와 상기 측정된 데이터에 근사되기 위한 수학적 모델 사이의 잔여 체계적 변동에 기초하여, 상기 샘플링 기법 및/또는 측정된 데이터에 근사되기 위한 수학적 모델을 결정하는 단계를 더 포함하는, 방법.
41. 제 35 절 내지 제 40 절 중 어느 한 절에 있어서,
상기 방법은,
측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성을 나타내는 파라미터에 기초하여, 상기 샘플링 기법 및/또는 측정된 데이터에 근사되기 위한 수학적 모델을 결정하는 단계를 더 포함하는, 방법.
42. 제 35 절 내지 제 41 절 중 어느 한 절에 있어서,
상기 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트 당 기판의 개수 중에서 선택된 하나 이상을 포함하는, 방법.
43. 제 35 절 내지 제 42 절 중 어느 한 절에 있어서,
상기 쓰루풋 모델은, 상기 검사 장치 내의 기판의 로딩 시간, 상기 검사 장치 내의 기판의 정렬 시간, 상기 검사 장치 내의 기판의 리포지션(reposition) 시간, 상기 검사 장치 내의 측정 위치 내에서 측정 타겟을 포지셔닝하기 위한 시간 및/또는 상기 검사 장치 내의 측정 타겟으로부터 상기 측정 데이터를 취출하는 시간을 규정하는, 방법.
44. 제 35 절 내지 제 43 절 중 어느 한 절에 있어서,
상기 계측 타겟은 정렬 타겟을 포함하는, 방법.
45. 비일시적 컴퓨터 프로그램 제품으로서,
프로세서가 제 1 절 내지 제 44 절 중 어느 한 절의 방법을 수행하게 하기 위한 머신-판독가능 명령을 포함하는, 비일시적 컴퓨터 프로그램 제품.
46. 시스템으로서,
기판 상의 측정 타겟에 빔을 제공하고, 상기 타겟에 의해 리디렉팅된 방사선을 검출하여 리소그래피 프로세스의 파라미터를 결정하도록 구성되는 검사 장치; 및
제 45 절의 비일시적 컴퓨터 프로그램 제품을 포함하는, 시스템.
47. 제 46 절에 있어서,
상기 시스템은, 방사선 빔을 변조하기 위한 패터닝 디바이스를 홀딩하도록 구성되는 지지 구조체 및 변조된 빔을 방사선 감응 기판 상에 투영하도록 배치되는 투영 광학계를 더 포함하는, 시스템.
48. 시스템으로서,
방사원으로부터 타겟 상에 방사선을 제공하기 위한 출력을 포함하는 정렬 센서:
상기 타겟으로부터 방사선을 수광하도록 구성되는 검출기;
수광된 방사선에 응답하여, 두 개 이상의 오브젝트들의 정렬을 결정하도록 구성되는 제어 시스템; 및
제 45 절의 비-일시적 컴퓨터 프로그램 제품을 포함하는, 시스템.
49. 제 48 절에 있어서,
상기 시스템은, 방사선 빔을 변조하기 위한 패터닝 디바이스를 홀딩하도록 구성되는 지지 구조체 및 변조된 빔을 방사선 감응 기판 상에 투영하도록 배치되는 투영 광학계를 더 포함하는, 시스템.
50. 시스템으로서,
방사원으로부터 표면 상에 방사선을 제공하기 위한 출력을 포함하는 레벨 센서:
상기 표면으로부터 방사선을 수광하도록 구성되는 검출기;
수광된 방사선에 응답하여, 상기 표면의 위치를 결정하도록 구성되는 제어 시스템; 및
제 45 절의 비-일시적 컴퓨터 프로그램 제품을 포함하는, 시스템.
51. 제 50 절에 있어서,
상기 시스템은, 방사선 빔을 변조하기 위한 패터닝 디바이스를 홀딩하도록 구성되는 지지 구조체 및 변조된 빔을 방사선 감응 기판 상에 투영하도록 배치되는 투영 광학계를 더 포함하는, 시스템.
52. 디바이스 패턴이 리소그래피 프로세스를 사용하여 일련의 기판들에 적용되는 디바이스 제조 방법으로서,
제 1 절 내지 제 44 절 중 어느 한 절의 방법을 사용하여 결정된 바와 같은 샘플링 기법을 사용하여, 상기 기판들 중 적어도 하나 상에서 상기 디바이스 패턴의 일부로서 또는 디바이스 패턴 이외에 형성된 적어도 하나의 타겟을 검사하는 단계, 및
상기 검사의 결과에 따라 상기 적어도 하나의 기판 또는 다른 기판에 대한 리소그래피 프로세스를 제어하는 단계를 포함하는, 디바이스 제조 방법.
53. 디바이스 패턴이 리소그래피 프로세스를 사용하여 일련의 기판들에 적용되는 디바이스 제조 방법으로서,
상기 기판들 중 적어도 하나 상에서 상기 디바이스 패턴의 일부로서 또는 디바이스 패턴 이외에 형성된 적어도 하나의 타겟을 검사하는 단계로서, 상기 검사는 제 1 절 내지 제 44 절 중 어느 한 절의 방법을 사용하여 식별된 바와 같은 샘플링 기법을 사용하여 수행되고 및/또는 상기 검사하는 단계는 제 1 절 내지 제 44 절 중 어느 한 절의 방법을 사용하여 식별된 바와 같은 수학적 모델을 사용하여 모델링되는, 단계; 및
상기 검사의 결과에 따라 상기 적어도 하나의 기판 또는 다른 기판에 대한 리소그래피 프로세스를 제어하는 단계를 포함하는, 디바이스 제조 방법.
비록 본 발명의 특정한 실시예가 위에서 설명되었지만, 본 발명은 설명된 것과 다르게 실시될 수 있다는 것이 이해될 것이다. 예컨대, 본 발명의 실시예는 위에서 개시된 바와 같은 방법을 기술하는 기계 판독 가능한 명령어들의 하나 이상의 시퀀스들을 포함하는 컴퓨터 프로그램, 또는 이러한 컴퓨터 프로그램이 저장되는 데이터 저장 매체(예컨대, 반도체 메모리, 자기 디스크 또는 광디스크)의 형태를 취할 수 있다.
위의 설명은 한정적인 것이 아니라 예시적인 의도로 제공된다. 따라서, 다음 진술되는 청구항의 범위로부터 벗어나지 않으면서, 설명된 바와 같은 본 발명에 변경이 이루어질 수 있다는 것이 당업자에게는 명백할 것이다.

Claims (15)

  1. 측정된 데이터에 근사되는 수학적 모델의 잔여 불확정성에 관하여, 측정된 데이터에 근사되기 위한 하나 이상의 수학적 모델 및 데이터를 측정하기 위한 하나 이상의 측정 샘플링 기법을, 기판 전역의 측정 데이터에 대해 평가하는 단계; 및
    상기 파라미터가 임계치를 넘어가는 하나 이상의 수학적 모델 및/또는 하나 이상의 측정 샘플링 기법을 식별하는 단계를 포함하는, 방법.
  2. 제 1 항에 있어서,
    상기 방법은,
    측정된 데이터와 측정된 데이터에 근사되는 수학적 모델 사이의 잔여 체계적 변동(remaining systematic variation)에 관하여, 상기 하나 이상의 수학적 모델 및 하나 이상의 측정 샘플링 기법을 평가하는 단계를 더 포함하는, 방법.
  3. 제 2 항에 있어서,
    상기 잔여 체계적 변동은 다수의 기판에 걸친 측정된 데이터의 평균과 수학적 모델 사이의 거리를 포함하는, 방법.
  4. 제 3 항에 있어서,
    상기 잔여 체계적 변동은 추가적으로 상기 평균의 통계적 정밀도를 더욱 고려하는, 리소그래피 장치.
  5. 제 1 항에 있어서,
    잔여 불확정성은 상기 측정된 데이터에 대한 근사된 수학적 모델의 불확정성의 추정을 포함하는, 방법.
  6. 제 1 항에 있어서,
    상기 식별하는 단계는, 측정된 데이터에 근사되기 위한 평가된 하나 이상의 수학적 모델 및/또는 평가된 하나 이상의 측정 샘플링 기법의 순위를 제공하는 것을 포함하는, 방법.
  7. 제 1 항에 있어서,
    상기 측정 데이터는, 오버레이 데이터, 오버레이 오차 데이터, 정렬 데이터, 임계 치수 데이터, 초점 데이터 및/또는 임계 치수 균일도 데이터 중 하나 이상을 포함하는, 방법.
  8. 제 1 항에 있어서,
    상기 방법은,
    평가할 복수 개의 수학적 모델 및/또는 복수 개의 샘플링 기법을 사용자가 선택할 수 있게 하는 단계를 더 포함하는, 방법.
  9. 제 1 항에 있어서,
    상기 샘플링 기법은, 기판 당 샘플 포인트의 개수, 샘플 포인트의 레이아웃, 및/또는 로트(lot) 당 기판의 개수 중에서 선택된 하나 이상을 포함하는, 방법.
  10. 제 1 항에 있어서,
    상기 방법은,
    복수 개의 로트 중 각각의 로트의 복수 개의 기판에 대해 측정된 전역-기판 측정 데이터를 수신하는 단계로서, 상기 측정 데이터는 식별된 하나 이상의 수학적 모델로 모델링되고 및/또는 식별된 하나 이상의 측정 샘플링 기법으로 측정되는, 수신하는 단계;
    상기 복수 개의 로트 중 특정 서브세트의 로트에 대한 측정된 데이터로부터 유도된 데이터에 기초하여, 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 획득하도록, 정정을 적용하는 것을 수반하는 시뮬레이션을 수행하는 단계; 및
    상기 후속 로트의 세트에 대한 측정된 데이터에 대하여, 상기 후속 로트의 세트에 대한 시뮬레이션된 측정 데이터를 평가하는 단계를 더 포함하는, 방법.
  11. 제 10 항에 있어서,
    상기 측정 데이터는 특정 측정 레시피 및 특정 측정 샘플링 기법을 사용하여 획득되고,
    상기 측정 데이터에 대한 특정 수학적 모델을 사용하여, 상기 정정이 결정되고 및/또는 상기 시뮬레이션이 수행되는, 방법.
  12. 제 10 항에 있어서,
    상기 방법은,
    상기 측정 데이터에 대한 수학적 모델의 파라미터의 값을 획득하도록, 특정 로트의 복수 개의 기판에 대한 측정 데이터를 평가하는 단계를 더 포함하고,
    상기 측정된 데이터로부터 유도된 데이터는 상기 파라미터의 값을 포함하는, 방법.
  13. 제 10 항에 있어서,
    상기 정정은 기판을 노광하기 위해 사용되는 리소그래피 장치의 파라미터의 변경을 포함하는, 방법.
  14. 제 10 항에 있어서,
    상기 방법은,
    상기 측정된 데이터에 대한 상기 시뮬레이션된 측정 데이터의 평가를 위해, 주요 성능 인티케이터 및/또는 상기 주요 성능 인티케이터에 대한 한계를 결정하는 단계를 더 포함하는, 방법.
  15. 비일시적 컴퓨터 프로그램 제품으로서,
    프로세서가 제 1 항의 방법을 수행하게 하기 위한 머신-판독가능 명령을 포함하는, 비일시적 컴퓨터 프로그램 제품.
KR1020177027774A 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치 KR20170124578A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020207023202A KR102377411B1 (ko) 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562146123P 2015-04-10 2015-04-10
US62/146,123 2015-04-10
PCT/EP2016/056710 WO2016162231A1 (en) 2015-04-10 2016-03-25 Method and apparatus for inspection and metrology

Related Child Applications (2)

Application Number Title Priority Date Filing Date
KR1020207023202A Division KR102377411B1 (ko) 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치
KR1020197028158A Division KR102145256B1 (ko) 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20170124578A true KR20170124578A (ko) 2017-11-10

Family

ID=55637379

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020197028158A KR102145256B1 (ko) 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치
KR1020207023202A KR102377411B1 (ko) 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치
KR1020177027774A KR20170124578A (ko) 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치

Family Applications Before (2)

Application Number Title Priority Date Filing Date
KR1020197028158A KR102145256B1 (ko) 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치
KR1020207023202A KR102377411B1 (ko) 2015-04-10 2016-03-25 검사와 계측을 위한 방법 및 장치

Country Status (5)

Country Link
US (2) US11170072B2 (ko)
KR (3) KR102145256B1 (ko)
CN (2) CN107438795A (ko)
TW (2) TWI633398B (ko)
WO (1) WO2016162231A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210110897A (ko) * 2019-01-28 2021-09-09 케이엘에이 코포레이션 공정 변동에 대한 계측 민감도를 정량화하기 위한 스케일링 메트릭

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6567523B2 (ja) * 2013-12-30 2019-08-28 エーエスエムエル ネザーランズ ビー．ブイ． メトロロジーターゲットの設計のための方法及び装置
WO2016142169A1 (en) * 2015-03-06 2016-09-15 Asml Netherlands B.V. Focus-dose co-optimization based on overlapping process window
KR102125427B1 (ko) * 2015-10-08 2020-06-23 에이에스엠엘 네델란즈 비.브이. 리소그래피 장치의 제어 방법 및 디바이스의 제조 방법, 리소그래피 장치를 위한 제어 시스템 및 리소그래피 장치
EP3333633A1 (en) * 2016-12-09 2018-06-13 ASML Netherlands B.V. Methods and apparatus for predicting performance of a measurement method, measurement method and apparatus
US10496781B2 (en) * 2016-12-19 2019-12-03 Kla Tencor Corporation Metrology recipe generation using predicted metrology images
SE1750159A1 (sv) * 2017-02-17 2018-08-18 Fingerprint Cards Ab Cancelling out impairment data in fingerprint images
JP6767356B2 (ja) * 2017-03-29 2020-10-14 株式会社東芝 モデル構築システムおよびモデル構築方法
EP3396458A1 (en) * 2017-04-28 2018-10-31 ASML Netherlands B.V. Method and apparatus for optimization of lithographic process
WO2018215177A1 (en) * 2017-05-24 2018-11-29 Asml Netherlands B.V. Method of measuring a parameter of interest, inspection apparatus, lithographic system and device manufacturing method
WO2018233966A1 (en) * 2017-06-22 2018-12-27 Asml Netherlands B.V. METHOD FOR DETERMINING THE CONTRIBUTION TO A DIGITAL IMPRINT
EP3444673A1 (en) * 2017-08-14 2019-02-20 ASML Netherlands B.V. Method of adapting feed-forward parameters
CN107895704B (zh) * 2017-11-08 2020-02-14 上海华力微电子有限公司 一种高效的缺陷抽检方法及系统
CN116482939A (zh) 2017-12-22 2023-07-25 Asml荷兰有限公司 涉及光学像差的图案化过程改进
CN111670411B (zh) * 2018-01-24 2023-11-14 Asml荷兰有限公司 基于计算量测的采样方案
JP7074489B2 (ja) 2018-02-08 2022-05-24 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法、データ処理装置、および、データ処理プログラム
EP3579051A1 (en) * 2018-06-07 2019-12-11 ASML Netherlands B.V. Generation of sampling scheme
TWI729334B (zh) * 2018-06-07 2021-06-01 荷蘭商Ａｓｍｌ荷蘭公司 用於判定器件之控制方案的方法、電腦程式和系統及用於判定多個器件處理之基板的方法
KR102586405B1 (ko) * 2018-06-14 2023-10-10 노바 엘티디. 반도체 제조용 측정 및 공정 제어
DE102018211099B4 (de) * 2018-07-05 2020-06-18 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zum Bewerten eines statistisch verteilten Messwertes beim Untersuchen eines Elements eines Photolithographieprozesses
JP7155681B2 (ja) * 2018-07-10 2022-10-19 ソニーグループ株式会社 情報処理装置、情報処理方法、及び、プログラム
WO2020038642A1 (en) * 2018-08-22 2020-02-27 Asml Netherlands B.V. Metrology apparatus
JP7189707B2 (ja) * 2018-09-05 2022-12-14 株式会社ミツトヨ 測定点決定方法、プログラム、および測定点決定装置
EP3807720B1 (en) 2018-11-07 2022-05-11 ASML Netherlands B.V. Method for configuring a semiconductor manufacturing process, a lithographic apparatus and an associated computer program product
CN109657056B (zh) * 2018-11-14 2021-04-06 金色熊猫有限公司 目标样本获取方法、装置、存储介质及电子设备
WO2020108861A1 (en) 2018-11-26 2020-06-04 Asml Netherlands B.V. Determining a mark layout across a patterning device or substrate
EP3734363A1 (en) 2019-04-29 2020-11-04 ASML Netherlands B.V. Determining a mark layout across a patterning device or substrate
EP3680681A1 (de) * 2019-01-10 2020-07-15 Siemens Healthcare GmbH Auswahl eines abtastschemas für eine magnetresonanzfingerprinting-aufnahme und eines entsprechenden wörterbuchs basierend auf einer vorabaufnahme
KR102631626B1 (ko) * 2019-01-29 2024-01-30 에이에스엠엘 네델란즈 비.브이. 리소그래피 프로세스를 제어하기 위한 방법 및 장치
US11961701B2 (en) * 2019-04-24 2024-04-16 Hitachi High-Tech Corporation Charged particle beam device and operation method therefor
US20220260920A1 (en) 2019-05-22 2022-08-18 Asml Netherlands B.V. Method for determining a sampling scheme, a semiconductor substrate measurement apparatus, a lithographic apparatus
KR20220016960A (ko) * 2019-07-03 2022-02-10 에이에스엠엘 네델란즈 비.브이. 반도체 제조 공정에서 증착 모델을 적용하는 방법
CN110967948B (zh) * 2019-11-29 2021-08-13 中国科学院微电子研究所 对准误差测量方法
US11023644B1 (en) * 2020-07-10 2021-06-01 Siemens Industry Software Inc. Optical proximity correction modeling with density-based gauge weighting
US20220128899A1 (en) * 2020-10-22 2022-04-28 D2S, Inc. Methods and systems to determine shapes for semiconductor or flat panel display fabrication

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6891627B1 (en) * 2000-09-20 2005-05-10 Kla-Tencor Technologies Corp. Methods and systems for determining a critical dimension and overlay of a specimen
US8017411B2 (en) * 2002-12-18 2011-09-13 GlobalFoundries, Inc. Dynamic adaptive sampling rate for model prediction
CN100365792C (zh) 2002-12-20 2008-01-30 皇家飞利浦电子股份有限公司 电子器件及其制造方法
US7791727B2 (en) 2004-08-16 2010-09-07 Asml Netherlands B.V. Method and apparatus for angular-resolved spectroscopic lithography characterization
EP1804278A4 (en) * 2004-09-14 2011-03-02 Nikon Corp CORRECTION METHOD AND EXPOSURE DEVICE
US7127359B2 (en) 2005-03-01 2006-10-24 Texas Instruments Incorporated Real-time mathematical model for wafer spin defect detection and for misalignment analyses
US7818073B2 (en) 2006-04-20 2010-10-19 Asml Netherlands B.V. Method for obtaining improved feedforward data, a lithographic apparatus for carrying out the method and a device manufacturing method
US8175831B2 (en) 2007-04-23 2012-05-08 Kla-Tencor Corp. Methods and systems for creating or performing a dynamic sampling scheme for a process during which measurements are performed on wafers
US7460237B1 (en) * 2007-08-02 2008-12-02 Asml Netherlands B.V. Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method
US7711514B2 (en) * 2007-08-10 2010-05-04 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for generating a metrology sampling plan
JP2009176909A (ja) 2008-01-24 2009-08-06 Toshiba Corp 抜取検査の評価方法及び抜取検査の評価装置
CN102037550B (zh) 2008-05-21 2012-08-15 恪纳腾公司 使工具与工艺效果分离的衬底矩阵
CN102043341B (zh) * 2009-10-12 2012-10-03 上海微电子装备有限公司 用于光刻设备的对准信号采集系统与对准方法
IL210832A (en) 2010-02-19 2016-11-30 Asml Netherlands Bv Lithographic facility and method of manufacturing facility
NL2006700A (en) * 2010-06-04 2011-12-06 Asml Netherlands Bv Method and apparatus for measuring a structure on a substrate, computer program products for implementing such methods & apparatus.
NL2009853A (en) * 2011-12-23 2013-06-26 Asml Netherlands Bv Methods and apparatus for measuring a property of a substrate.
US10354929B2 (en) 2012-05-08 2019-07-16 Kla-Tencor Corporation Measurement recipe optimization based on spectral sensitivity and process variation
US8948495B2 (en) * 2012-08-01 2015-02-03 Kla-Tencor Corp. Inspecting a wafer and/or predicting one or more characteristics of a device being formed on a wafer
CN105474377B (zh) 2013-06-28 2019-04-26 科磊股份有限公司 代表性目标子集的选择及使用

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210110897A (ko) * 2019-01-28 2021-09-09 케이엘에이 코포레이션 공정 변동에 대한 계측 민감도를 정량화하기 위한 스케일링 메트릭

Also Published As

Publication number Publication date
CN107438795A (zh) 2017-12-05
TWI633398B (zh) 2018-08-21
US11170072B2 (en) 2021-11-09
TWI629570B (zh) 2018-07-11
CN109917622A (zh) 2019-06-21
TW201702753A (zh) 2017-01-16
KR20190112204A (ko) 2019-10-02
KR102377411B1 (ko) 2022-03-21
KR20200098726A (ko) 2020-08-20
CN109917622B (zh) 2021-08-06
TW201740220A (zh) 2017-11-16
KR102145256B1 (ko) 2020-08-19
US20180067900A1 (en) 2018-03-08
US20220027437A1 (en) 2022-01-27
WO2016162231A1 (en) 2016-10-13

Similar Documents

Publication Publication Date Title
US20230185990A1 (en) Method and apparatus for inspection and metrology
US20220027437A1 (en) Method and apparatus for inspection and metrology
EP3391150B1 (en) Optical metrology of lithographic processes using asymmetric sub-resolution features to enhance measurement
KR102109059B1 (ko) 계측 방법, 컴퓨터 제품 및 시스템
KR101488802B1 (ko) 기판 상의 구조물의 측정
JP6931119B2 (ja) パターニングプロセスパラメータを決定する方法
US9971478B2 (en) Method and apparatus for inspection and metrology
JP2021073510A (ja) 処理装置をモニタするための方法及びシステム
CN110622069A (zh) 用于预测器件制造工艺的良率的方法
KR20200019755A (ko) 컴퓨테이션 계측법
KR102293144B1 (ko) 계측 타겟 측정 레시피의 자동 선택
KR20180072768A (ko) 패터닝 공정 오차를 보정하는 장치 및 방법
KR20180069053A (ko) 패터닝 공정 오차를 보정하는 장치 및 방법
TWI689792B (zh) 繞射量測標的
EP3654104A1 (en) Method for monitoring lithographic apparatus
CN113039487A (zh) 用于监测光刻装置的方法
CN113168106A (zh) 确定处理装置对衬底参数的贡献的方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
A107 Divisional application of patent
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
X601 Decision of rejection after re-examination
A107 Divisional application of patent
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2020101002005; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20200811

Effective date: 20210622