KR20180110169A - 광학 계측의 정확도 개선 - Google Patents

광학 계측의 정확도 개선 Download PDF

Info

Publication number
KR20180110169A
KR20180110169A KR1020187027400A KR20187027400A KR20180110169A KR 20180110169 A KR20180110169 A KR 20180110169A KR 1020187027400 A KR1020187027400 A KR 1020187027400A KR 20187027400 A KR20187027400 A KR 20187027400A KR 20180110169 A KR20180110169 A KR 20180110169A
Authority
KR
South Korea
Prior art keywords
measurement
measurements
metric
pupil
landscape
Prior art date
Application number
KR1020187027400A
Other languages
English (en)
Inventor
바락 브링골츠
에브게니 구레비치
이도 아담
요엘 펠러
드로르 알루모트
유발 람호트
노가 셀라
야론 델레에우
탈 야지브
엘트사폰 애쉬월
릴라치 살토운
톰 레비안트
Original Assignee
케이엘에이-텐코 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 케이엘에이-텐코 코포레이션 filed Critical 케이엘에이-텐코 코포레이션
Publication of KR20180110169A publication Critical patent/KR20180110169A/ko

Links

Images

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing 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
    • H01L22/20Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00Measuring instruments characterised by the use of optical techniques
    • G01B9/10Goniometers for measuring angles between surfaces
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04Interpretation of pictures
    • G01C11/06Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/12Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken
    • G01C11/26Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken using computers to control the position of the pictures
    • GPHYSICS
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605Workpiece metrology
    • G03F7/70616Monitoring the printed patterns
    • GPHYSICS
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605Workpiece metrology
    • G03F7/70616Monitoring the printed patterns
    • G03F7/70633Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
    • GPHYSICS
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F9/00Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G03F9/70Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
    • G03F9/7003Alignment type or strategy, e.g. leveling, global alignment
    • GPHYSICS
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F9/00Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G03F9/70Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
    • G03F9/7092Signal processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/284Relational databases
    • G06F16/285Clustering or classification
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing 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
    • H01L22/10Measuring as part of the manufacturing process
    • H01L22/12Measuring 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
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing 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
    • H01L22/20Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/24Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing 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
    • H01L22/20Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/26Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing 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
    • H01L22/30Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • H01L22/34Circuits for electrically characterising or monitoring manufacturing processes, e. g. whole test die, wafers filled with test structures, on-board-devices incorporated on each die, process control monitors or pad structures thereof, devices in scribe line

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

계측 측정들의 정확도를 향상시키는 방법들, 계측 모듈들 및 타겟 디자인들이 제공된다. 방법들은 다수의 측정 레시피들 및 셋업들을 유연하게 처리하는 것과 그것들을 랜드스케이프 특징들에 관련시키는 것을 포함하되, 랜드스케이프 특징들은 그것들의 관계를 공명 영역들 및 평탄한 영역들에 표시한다. 레시피들의 클러스터링, 자기 일관성 테스트들, 집계된 측정들의 일반적인 프로세싱, 노이즈 감소, 클러스터 분석, 편향된 셀들이 있는 랜드스케이프 및 타겟들의 세부 분석이 개별적으로 또는 조합하여 사용되어 측정 정확도의 누계의 개선들을 제공한다.

Description

광학 계측의 정확도 개선
본 출원은 2016년 2월 24일자 출원된 미국 가출원 번호 제 62/299,535 호의 이익을 주장하고, 그 전체가 본원에 참조로 포함되어 있다.
다양한 광학 계측 기술들은 계측 신호에서 비대칭을 야기하는 프로세스 변동들이 일부 임계치보다 훨씬 더 작게 되어야 하는 것을 요구하므로 비대칭 신호의 부분은 오버레이에 의해 야기된 신호 비대칭보다 훨씬 작다. 그러나 실제로 이러한 프로세스 변동들은 (특히, 칩 개발의 연구 및 개발 단계에서) 상당히 클 수 있고, 계측에 의해 보고된 오버레이에서 큰 에러들과, 나노미터 체제에 도달할 수 있는 에러들을 유발할 수 있고, 이에 의해, 오버레이 계측 예산의 상당 부분을 소비한다.
현재의 해결 방법론은 신호에서 오버레이에 의해 도출된 비대칭을 최적화하고 다른 프로세스 변동들에 의해 야기된 비대칭을 최소화하는 레시피 및 타겟 디자인 최적화를 수행하는 것을 포함한다. 최적화 메트릭은 계측 신호(예를 들어, 실험적으로 추정된 오버레이 감도)로부터 도출될 수 있거나, 보정을 위한 외부 계측들에 의존할 수 있다. 그러나, 종래 기술의 방법론은 연속으로 계측의 부정확도를 신뢰성 있게 추정하지 못하고, 그래서, 통상적인 레시피 최적화(예를 들어, 측정을 보정하기 위한 CDSEM(critical dimensions scanning electron microscopy; 전자 현미경을 스캐닝하는 임계 치수)를 사용하여 실시간으로 전혀 수행할 수 없으며, 대칭적인 프로세스 변동들의 존재(예를 들어, 오버레이 마크의 특정 레이어 두께의 변화)는 서로 다른 레시피들이 연구 및 개발 중 연속 및 실시간에 서로 다르게 수행할 수 있으므로 레시피 최적화를 더 이상 쓸모가 없게 만들 수 있다. 이러한 문제는 서로 다른 레시피들이 웨이퍼의 상이한 영역을 통해 서로 다르게 실행할 수 있기 때문에 웨이퍼 전체에 걸쳐 발생할 수도 있다.
WIPO 공보 제 2016086056 호는, 그 전체가 본원에 참고로 인용되어 있으며, 레시피 파라미터(들)에 대한 계측 메트릭(들)의 부분적으로 연속적인 의존성을 도출하고, 도출된 의존성을 분석하고, 분석에 따라 계측 레시피를 결정하고, 그리고 상기 결정된 레시피에 따라 계측 측정(들)을 행하는 방법들을 개시하고 있다. 의존성은, 낮은 감도의 영역들 및/또는 낮은 또는 제로 부정확도의 포인트들 및 윤곽들이 분석적으로, 수치적으로 또는 실험적으로 검출되는 감도 랜드스케이프와 같은 랜드스케이프의 형태로 분석될 수 있고, 높은 측정 정확도를 달성하도록 측정, 하드웨어 및 타겟들의 파라미터를 구성하도록 사용될 수 있다. 프로세스 변동은, 감도 랜드스케이프에 대한 그것의 효과들의 관점에서 분석되고, 이들 효과는, 프로세스 변동을 추가적으로 특성화하기 위해 사용되고, 측정을 최적화하기 위해 그리고 계측을, 부정확도 소스들에 대해 더 강건하게 그리고 웨이퍼 상의 상이한 타겟들 및 이용 가능한 측정 조건들에 대해 보다 더 유연하게 만들기 위해 사용된다.
이하의 설명은 본 발명의 초기 이해를 제공하는 간략한 개요이다. 이 개요는 핵심 요소를 반드시 구별하지 않으며 본 발명의 범주를 제한하지 않지만, 단순히 이하의 설명을 소개하기 위한 것이다.
본 발명의 일부 양태들은, 셋업들의 복수의 클러스터들을 산출하기 위하여, 자기 일관성 테스트를 측정 값들에 적용함으로써 적어도 하나의 메트릭의 측정 값들에서 서로 대응하는 측정 셋업들을 식별하는 단계, 클러스터들의 통계적 특성들에 따라 가장 신뢰성이 있는 클러스터를 결정하는 단계, 결정된 가장 신뢰성이 있는 클러스터에서 적어도 하나의 셋업으로부터 측정 결과를 도출하는 단계를 포함하는 방법을 제공한다.
본 발명의 일부 양태들은, 대응하는 복수의 웨이퍼 영역들에 대해 복수의 측정 셋업들을 선택하는 단계 - 웨이퍼 영역들은 미리 결정되거나 즉시 결정되고, 측정 셋업들은 적어도 하나의 정확도 메트릭에 따라 선택됨 -, 및 각각의 대응하는 웨이퍼 영역에 대해 선택된 측정 셋업으로 계측 측정을 수행하는 단계를 포함하는 방법을 제공하다.
본 발명의 일부 양태들은 동공 이미지 내의 랜덤 노이즈를 감소시키기 위해 이웃하는 픽셀 값들의 평균에 따라 계측 동공 이미지 내의 픽셀 값을 변경하는 단계를 포함하는 방법을 제공한다.
본 발명의 일부 양태들은, 상이한 측정 셋업들 및/또는 상이한 타겟들을 사용하여 메트릭의 다수의 측정들로부터 계측 메트릭의 값을 도출하는 단계를 포함하는 방법으로서, 값은 다수의 측정들로부터의 픽셀들의 연결(concatenation)로부터 도출되는, 방법을 제공한다.
본 발명의 일부 양태들은 복수의 셋업들을 사용하여 복수의 계측 측정들에 PCA(Principal component analysis; 주요 성분 분석)을 적용하고, PCA로부터 작은 고유값 대 큰 고유값의 최소 비율을 나타내는 측정 셋업을 선택함으로써 측정 셋업을 도출하는 단계를 포함하는 방법을 제공한다.
본 발명의 일부 양태들은, 적어도 하나의 계측 메트릭의 적어도 2개의 값들 사이의 차이를 계산하고, - 적어도 2개의 값들은 적어도 2개의 계측 알고리즘들로부터 도출됨 - 및 계산된 차이에 대한 임계치를 설정함으로써 계측 측정들 내의 부정확도를 표시하는 단계를 포함하는 방법을 제공한다.
본 발명의 일부 양태들은, 공진 영역에 근접한 랜드스케이프의 근사 영역을 표시하는 단계를 포함하는 방법으로서, 랜드스케이프는 적어도 하나의 파라미터에 적어도 계측 메트릭의 적어도 부분적으로 연속적인 의존성을 포함하고, 랜드스케이프의 공진 영역은 측정된 위치에서의 광학 조명의 공진에 대응하며, 표시하는 단계는 동공 신호 또는 그의 적어도 하나의 함수의 가변성을 계산하고, 계산된 가변성을 미리 정의된 임계치와 비교함으로써 수행되며, 미리 정의된 임계치를 초과하는 것은 근사 영역을 표시하는, 방법을 제공한다.
본 발명의 일부 양태들은, 랜드스케이프의 공진 영역들을 결정하는 단계를 포함하는 방법으로서, 랜드스케이프는 적어도 하나의 파라미터에 적어도 계측 메트릭의 적어도 부분적으로 연속적인 의존성을 포함하고, 랜드스케이프의 공진 영역은 측정된 위치에서 광학 조명의 공진에 대응하며, 결정하는 단계는 적어도 계측 메트릭의 비-분석 거동을 검출하는 단계에 의해 수행되고, 분석 함수들의 기초에 의해 동공 좌표들을 통해 분석 함수들의 공간을 스패닝하는 단계, 분석 함수들의 기초의 관점에서 계측 메트릭을 표현하는 단계, 및 표현의 나머지를 추정하는 단계를 포함하고, 미리 결정된 임계치보다 큰 나머지는 비-분석 거동을 표시하는, 방법을 제공한다.
본 발명의 일부 양태들은 적어도 2개의 상이한 비-수직 측정 방향들을 따라 주기적인 구조들을 갖는 복수의 타겟 셀들을 포함하는 계측 타겟을 제공한다.
본 발명의 일부 양태들은 측정 정확도의 누계의 개선들을 제공하는 방법들의 조합들을 제공한다.
본 발명의 이들, 부가의 및/또는 기타 관점들 및/또는 장점들이 이하의 발명을 실시하기 위한 상세한 설명에 기재되어 있고; 발명을 실시하기 위한 상세한 설명으로부터 추론가능하며; 그리고/또는 본 발명을 실시하는 것에 의해 습득가능하다.
본 발명의 실시예들을 보다 잘 이해하고 실시예들에 의한 효과가 어떻게 나타내는지를 입증하기 위하여, 도면부호들이 대응하는 요소들 또는 섹션들 전체에 표기된 첨부 도면들을 참고로 실례들을 들면서 설명하고자 한다.
도면들에 있어서,
도 1은 종래 기술에 따른 동공 이미지 및 랜드스케이프의 하이 레벨의 개략적인 블록도이다.
도 2는 본 발명의 일부 실시예들에 따라, 레시피들 사이의 자기- 일관성 및 다이버시티를 측정하고, 그에 따라 측정들을 클러스터링하는 방법의 하이 레벨의 개략적인 예시이다.
도 3은 본 발명의 일부 실시예들에 따라, 공간적 클러스터링의 방법의 하이 레벨의 개략적인 예시이다.
도 4는 본 발명의 일부 실시예들에 따라, 동공 이미지들의 노이즈 제거 및 평활화하는 방법의 하이 레벨의 개략적인 플로 차트이다.
도 5는 본 발명의 일부 실시예들에 따라, 동공 이미지들을 통해 메트릭들을 개선하는 방법의 하이 레벨의 개략적인 플로 차트이다.
도 6은 본 발명의 일부 실시예들에 따라, 레시피들 사이의 변동을 분석하는 방법의 하이 레벨의 개략적인 플로 차트이다.
도 7은 본 발명의 일부 실시예들에 따라, 해당하는 방법에 의해 알고리즘 유효 플래그 및 그 도출의 하이 레벨의 개략적인 예시이다.
도 8은 본 발명의 일부 실시예들에 따라, 해당하는 방법에 의해 근사 영역(들)을 표시하는 플래그 및 그 도출의 하이 레벨의 개략적인 예시이다.
도 9는 본 발명의 일부 실시예들에 따라, 랜드스케이프의 비-분석 거동을 식별하는 방법의 하이 레벨의 개략적인 플로차트이다.
도 10은 본 발명의 일부 실시예들에 따라, 대각선 셀들을 갖는 예시적인 비제한적인 타겟 디자인들의 하이 레벨의 개략적인 예시이다.
도 11은 본 발명의 일부 실시예들에 따라, 본 명세서에 개시된 방법들의 단계들의 리스트를 예시하는 하이 레벨의 개략적인 플로차트이다.
이하의 설명에서는 본 발명의 다양한 양태들을 기술한다. 설명을 위해, 본 발명의 철저한 이해를 돕기 위해 특정 구성들 및 세부 사항들이 기재되어 있다. 그러나, 본 발명이 본 명세서에 제공된 특정 세부 사항들 없이 실시될 수 있다는 것은 또한 당업자에게 명백할 것이다. 게다가, 본 발명을 모호하게 하지 않기 위해 잘 알려진 특징들은 생략되거나 단순화될 수 있다. 도면들을 상세히 참조하여, 강조할 점은, 도시된 상세가 예로서 본 발명의 바람직한 실시예들의 예시적인 논의를 위한 것에 불과하며, 본 발명의 원리들 및 개념적 관점들의 가장 유용하고 용이하게 이해되는 설명인 것으로 생각되는 것을 제공하기 위해 제시되어 있다는 것이다. 이와 관련하여, 본 발명의 기본적인 이해에 필요한 것보다 더 상세히 본 발명의 구조적 상세를 도시하려고 하지 않았으며, 도면과 관련한 설명은 본 발명의 몇몇 형태들이 실제로 어떻게 구현될 수 있는지를 통상의 기술자에게 명백하게 해줄 것이다.
본 발명의 적어도 하나의 실시예가 상세히 설명되기 전에, 본 발명이 그의 적용에서 이하의 설명에 기재되거나 도면들에 예시되어 있는 구성의 상세 및 구성요소들의 배열로 제한되지 않는다는 것을 잘 알 것이다. 본 발명 은 다른 실시예들에 적용가능하거나 다양한 방식들로 실시 또는 수행될 수 있다. 또한, 본 명세서에서 이용되는 어구 및 전문 용어가 설명을 위한 것이고 제한하는 것으로 간주되어서는 안 된다는 것을 잘 알 것이다.
다르게 특별히 언급되지 않는 한, 아래의 설명으로부터 명백한 바와 같이, 명세서 전반에 걸쳐, "프로세싱", "컴퓨팅", "계산", "결정", "강화" 등과 같은 용어들을 이용하는 것은 컴퓨팅 시스템의 레지스터들 및/또는 메모리들 내의 전자적인 수량과 같은 물리적인 양으로서 표시되는 데이터를 컴퓨팅 시스템의 메모리들, 레지스터들 또는 다른 그와 같은 저장 장치, 전송 또는 디스플레이 디바이스 내의 물리적인 수량으로서 유사하게 표현되는 다른 데이터로 조작 및/또는 변환하는 컴퓨터 또는 컴퓨팅 시스템 또는 유사한 전자 컴퓨팅 디바이스의 동작 및/또는 프로세스들을 의미한다는 것을 인식해야 한다.
본 발명의 실시예들은 정확도를 향상시키기 위해 특히 오버레이 광학 계측에서 효율적이면서 경제적인 방법들과 메커니즘을 제공하고 개선들을 기술 분야에 제공한다. 실시간 및/또는 연속으로 매우 작은 비정확도를 전달하도록 지향되는 광학 계측에서 우수한 정확도를 달성하기 위한 새로운 방법들이 개시된다. 계측 측정들의 정확도를 향상시키는 방법들, 계측 모듈들 및 타겟 디자인들이 제공된다. 방법들은 다수의 측정 레시피들 및 셋업들을 유연하게 처리하는 것과 그것들을 랜드스케이프 특징들에 관련시키는 것을 포함하는데, 랜드스케이프 특징들은 그것들의 관계를 공명 영역들 및 평탄한 영역들에 표시한다. 레시피들의 클러스터링, 자기 일관성 테스트들, 집계된 측정들의 일반적인 프로세싱, 노이즈 감소, 클러스터 분석, 편향된 셀들이 있는 랜드스케이프 및 타겟들의 세부 분석이 개별적으로 또는 조합하여 사용되어 측정 정확도의 누계의 개선들을 제공한다.
랜드스케이프들
광학적 오버레이 계측은 2개의 리소그래피 단계들 사이의 오버레이로 인한 계측 신호에 의해 운반되는 비대칭의 계측이다. 이러한 비대칭은 전자기 신호에 존재하는데, 그 이유는 전자기 신호가 오버레이 정보를 운반하는 상대적인 위상으로 전계의 간섭을 반영하기 때문이다. 구체적으로는, (i) 오버레이 산란측정(필드 산란측정(field scatterometry)의 동공 산란측정(pupil scatterometry)일 수 있음)에서, 오버레이 마크(타겟)는 격자 위 격자 구조(grating-over-grating structure)이고, 오버레이 정보는 하부 및 상부 격자들의 상대적인 위상에서 운반되고, (ii) 나란한 형태의 오버레이 산란측정(예를 들어, WIPO 공개 제 2014062972 호 참조)에서, 오버레이 마크(타겟)는 격자 옆 격자 구조(grating next to a grating structure)를 포함하고, 오버레이 정보는 다시 하부 및 상부 격자들의 상대적인 위상에서 운반되고, (iii) 오버레이 이미징에서, 오버레이 마크(타겟)는 개별 레이어들에 대한 개별 마크들을 포함하고, 오버레이 정보는 검출기 상의 각각의 개별 마크의 위치에서 운반되는데, 즉, 개별 마크들의 상히한 회절 차수들 사이의 간섭의 결과가 된다.
결과적으로, 신호의 감도(즉, 신호 비대칭이 오버레이에 대한 탐색에 의해 영향을 받는 정도)는 이들 신호에서 간섭 항의 사이즈의 변화에 의해 주로 영향을 받는다. 예를 들어, 격자-위-격자 및 나란한 타겟들에서, 간섭 위상의 항들 중 일부는 하부 및 상부 격자들로부터 산란된 광 사이의 광학 경로 차이에 의존하며, 이는 그것들을 분리하는 필름 스택의 두께가 선형이고, 파장에 반비례한다. 또한, 입사각 및 반사율과 같은 다른 파라미터들 및, 입사광과 반사광의 편광 특성에 의존한다. 다른 특성들은 타겟 속성들과 스택 및 격자들의 전자기 특성들을 포함한다. 이와는 달리, 오버레이 이미징에서, 간섭 위상은 툴의 포커스에서 선형이며, 입사 각도와 같은 다른 파라미터들에 의존한다.
계측 툴의 감도가 연속적으로 툴 파라미터에 따라, 특히, 많은 계측 특성들(예를 들어, 파장, 포커스, 편광 등의 제 1, 제 2, 및 상위 도함수)의 다양한 차이들에 따라 어떻게 달라지는지 관찰하면, 아래에 설명된 것처럼, 기술 성능의 랜드스케이프를 보여준다. 이러한 랜드스케이프는 임의의 명목상의 스택에만 국한되며, 본 발명자들은 시뮬레이션 및 이론을 사용하여, 이러한 랜드스케이프가 오버레이 마크의 대칭성을 파괴하고, 부정확도를 야기하는 모든 것을 포함하는 많은 유형의 프로세스 변동들과 크게 독립적인 의미로 보편적이라는 것을 발견하였다. 물론, 툴의 성능에는 당연히 비대칭 프로세스 변화에 강하게 의존하는 부정확도를 또한 포함하고 있지만, 랜드스케이프는 랜드스케이프의 어느 서브-섹션들에서 이들 프로세스 변동에 대한 감도가 가장 강하고 어느 서브-섹션들에서 가장 약한지를 결정하고, 그 감도가 어떻게 보이는지를 결정한다. 특히, 그리고, 큰 정도 까지, 특정 유형의 프로세스 변동에 민감한 동일한 영역들은 다른 모든 유형의 프로세스 변동에 항상 민감한데, 그 이유는, 오버레이에 대한 명목상 스택의 감도, 즉 비대칭 프로세스 변동이 없는 스택의 감도에 의해 결정되기 때문이다.
도 1은 종래 기술에 따른 동공 이미지(90) 및 랜드스케이프(95)의 하이 레벨의 개략적인 블록도이다. 랜드스케이프(95)는, 아래에 설명된 것처럼, 예를 들어, 계측 측정들의 정확도를 개선하기 위하여, 본 발명의 다양한 실시예들에 의해 분석 및 처리되는 (동공 이미지 전체에 걸쳐 아크 형태로) 제로 감도 갖는 동공 위치들(90A), 공진 영역들(95A), 평탄한 영역들(95B) 및 중간 영역들(95C)을 나타낸다.
WIPO 공보 제 2016086056 호는 하나 이상의 파라미터에 대한 하나 이상의 계측 메트릭(들), 예를 들어, 산란측정 오버레이(SCOL; scatterometry overlay) 메트릭들의 의존성인 계측 측정에서 랜드스케이프의 개념을 개시한다. 비제한적인 예로서, 랜드스케이프는 하나 이상의 프로세스 파라미터들, 측정 파라미터들 및 타겟 파라미터들에 따른 임의의 오버레이의 의존성, 오버레이(예를 들어, 동공3S 메트릭)의 변동 및/또는 부정확도(추정된 오버레이 - 실제의 오버레이)를 나타낼 수 있다. 특히, WIPO 공보 제 2016086056 호에 기재되어 있는 것처럼, 발명자들은, 측정된 영역에 관한 보다 많은 정보를 제공하기 위해 사용될 수 있는 광학 시스템에서 공진들(예를 들어, 웨이퍼 레이어들 내에서 및/또는 타겟 구조들 사이의 조명의 공진)에 관련된 급격한 변화들이 랜드스케이프의 특정 영역들에 의해 나타낼 수 있다는 것을 발견하였다.
다음은, 오버레이 정확도에 대한 랜드스케이프의 원근법을 사용하는 다양한 기술들과, 그리고 오버레이 정확도를 개선하기 위해, 신호의 다양한 특성들에 의해 반영되는 방식(예를 들어, 동공 산란측정에서 동공 좌표들에 따르는 방식)을 제공한다. 본 개시된 방법들 및 툴들 중 어느 하나는 실제의 계측 방법들 및 툴들과 결합하여 개시된 발명의 상이한 실시예들 및 관점들에 의해 제공되는 이익들을 부가할 수 있다.
측정 및 레시피의 클러스터링
도 2는 본 발명의 일부 실시예들에 따라, 레시피들(111) 사이의 자기- 일관성 및 다이버시티를 측정하고, 그에 따라 측정들을 클러스터링하는 방법(100)의 하이 레벨의 개략적인 예시이다. 계측 툴들(101)은 웨이퍼(들)(60) 상에 계측 타겟들(70)의 계측 측정들을 도출하기 위해 측정 레시피(들)(111)를 적용하도록 구성된다. 계측 툴들(101)은 정 레시피들(111)의 조정에 있어 결정하는데 프로세싱 유닛(들)(109) 및 가능하게는 시뮬레이션 툴(들)(105)을 전형적으로 이용한다. 측정 레시피들(111)(또한, 아래에서는 셋업들이라 칭함)은 측정을 형성하기 위해 계측 메트릭(들)(91)의 값들을 도출하고, 위에서 기술하고 그리고, WIPO 공개 제 2016086056 호에 설명되어 있는 것처럼, 측정된 값들의 랜드스케이프(들)(95)를 도출하기 위해 사용될 수 있다. 랜드스케이프(들)(95)은 하드웨어 파라미터들(예를 들어, 포커스, 스폿 위치, 조명 파장들 및 편광, 아포다이저들과 같은 광학적 요소들, 및 측정들의 하드웨어 관점들에 관련된 다양한 다른 파라미터들), 알고리즘적 파라미터들(예를 들어, 픽셀당 가중 또는 알고리즘적 임계치들(per-pixel weight or algorithmic thresholds)와 같은 다양한 소프트웨어 파라미터들, 알고리즘들의 형태들, 적용된 프로세싱 단계들), 및 다른 레시피 파라미터들 뿐만아니라, 웨이퍼 상의 타겟 위치 및 타겟 디자인 파라미터들 - 이들 모두는 랜드스케이프(들)(95)의 가능한 축들을 나타내는 화살표들에 의해 개략적으로 도 2에 표시됨-과 같은 파라미터들에 관한 계측 메트릭(들)(91)의 의존성을 나타낸다. 공진 영역들(95A) 및 평탄한 영역들(95B)은, WIPO 공보 제 2016086056 호에 설명된 것처럼. 랜드스케이프(들)(95)에서 식별될 수 있다.
본 발명자들은 정확도를 위한 인디케이터로서 자기-일관성의 사용으로 많은 가능한 옵션들 중에서 가장 정확한 측정 방법을 결정함으로써 정확도가 개선될 수 있다는 것을 발견하였다. 정확하고 정밀하게 모두 기대되는 측정들의 세트(예를 들어, 특정 형태의 양호한 TMU(total measurement uncertainty) 및 양호한 동공-도출된 메트릭들을 갖는 모든 측정들 및/또는 광학적인, SEM(scanning electron microscopy), TEM(transmission electron microscopy) 및/또는 AFM(atomic force microscopy) 이미지 또는 신호들에서 특정된 기준에 따라 양호한 이미지 또는 신호 품질을 갖는 모든 측정들)에 의해 관심의 물리적 양(예를 들어, 특정 웨이퍼 위치에서 특정 정렬 방식의 오버레이 또는 특정 웨이퍼 위치에서 타겟(70)의 바아의 CD(critical dimension; 임계 치수) 값을 검출할 때, 이러한 측정들 사이의 양적 합의가 이루어지는 것으로 가정한다. 이는, 아래에 기술된 바와 같이, 상이한 측정들을 발견하고 정확한 하나에 함께 융합하는 알고리즘의 기초를 제공할 수 있는 자기 일관성 테스트라고 불리는 측정들의 정확도에 대한 테스트로 간주될 수 있다.
예를 들어, 오버레이 계측에서, 데이터는, 랜드스케이프(95)의 상이하고 다양한 평탄한 영역들(95B)로부터의 많은 셋업들이 그들 오버레이 값에 합의할 때, 또한 정확할 가능성이 가장 높다는 것을 나타낸다. 이러한 합의는 평탄한 영역들(95B)로부터의 셋업 측정들과 양호하거나 보통의 동공-도출된 메트릭들을 갖는 다른 측정들 사이를 구별하는데 사용될 수 있지만, 임의의 또는 몇몇의 다른 셋업들 또는 레시피들(111)과 일치하지 않는다. 이들 고려 사항은 다양한 계측 메트릭(91)에 적용될 수 있는데, 예를 들어, CD 측정들에 또한 적용될 수 있다. 실제로, 본 발명자들은, 자기-일관성의 개시된 테스트는 그룹 내의 측정 값에 대한 합의를 나타내는 셋업들의 시뮬레이션 그룹들 및/또는 데이터에서 종종 드러나지만, 서로 간에 합의하지 않을 수 있다는 것을 발견하였다. 셋업들의 이들 그룹들은 측정된 메트릭들(91)의 다양한 값들의 공간(92) 내의 클러스터들(112)(예를 들어, 클러스터들 A, B, 등)으로서 나타내고 도 2에 개략적으로 도시되어 있다.
정확한 셋업들에 해당하면서 정확한 그룹(클러스터(112))을 발견하는 것은 그룹 멤버들이 속하는 상이한 평탄한 영역들(95B)의 수, 및 각각의 그룹의 멤버 리스트의 다이버시티, 또한 각각의 그룹 내의 측정값의 최대 차이와 같은 다른 메트릭들을 계산함으로써 수행될 수 있다.
자기-일관성 테스트는 그룹들(클러스터들(112))의 다이버시티를 결정하기 위해 셋업들의 그룹들(클러스터들(112))을 발견하고 알고리즘을 적용함으로써 실행될 수 있다. 각각의 클러스터(112)에서 다이버시티는, 예를 들어, 상이한 평탄한 영역들(95B)을 나타내는 하나의 그룹 내의 셋업들의 수와 같은 상이한 방식들로 양자화될 수 있다. 클러스터들(112)의 다이버시티는 정확한 그룹의 가능성(그것의 다이버시티에도 불구하고, 그것의 사이즈가 타이트하고 셋업들의 불일치가 작으면, 그것의 확률은 증가)을 추정하고, 또한, 측정들의 단순한 반복과 같은 요인들로부터 발생하는 셋업들 중 진부한 합의 및/또는 셋업들(114)의 진부한 서브세트로서 도 2에 개략적으로 나타낸 랜드스케이프(95)의 매우 가까운 포인트들로부터 발생하기 때문에 셋업들만이 합의한 상황들을 알고리즘적으로 분리하는데 사용될 수 있다. 마지막으로, 그룹들(클러스터들(112)) 및 그 그룹들 내의 측정들은 최상의 측정 조건들의 권고를 제공하도록 랭크될 수 있다.
특정 실시예들에 있어서, 측정들(92)은 n 차원 벡터로서 각각의 측정 셋업(111)을 기술함으로써 공식화될 수 있으며, n은 측정과 같은 독립적 실현들의 수이고, 예를 들어, 측정이 발생하는 웨이퍼 위치들의 수이다. 차수 감소된 양, 예를 들어, 스칼라 거리는 측정들의 쌍들 사이에 정의될 수 있다. 이 거리는 원 데이터 또는 모델 용어들로 정의될 수 있다. 예를 들어, 그룹들 내의 최대 거리의 임계치는 연결들의 그래프 표현을 제공하는데 사용될 수 있다. m x m 인접 매트릭스
Figure pct00001
가 구성될 수 있으며, m은 측정 셋업들의 수이고, 요소들
Figure pct00002
은 차수 감소된 양에 따라 연결을 가중화함으로써 2개의 측정들(i, j) 사이의 거리가 임계치 미만 및 제로 이상인 경우에 1로 된다. 인접 매트릭스를 사용하여, 측정들은 기계 학습 및/또는 그래프 이론 알고리즘들에 의해 클러스터링될 수 있다. 이러한 옵션의 보다 일반화된 버전은, 클러스터들(112)의 양 및 사이즈 분포가 클러스터 임계치들의 함수로서 거동하는 방식의 스펙트럼 함수를 분석하고 안정(plateau)들을 검색하기 함으로써 클러스터(112)의 전형적인 사이즈를 적응적으로 발견하기 위한 것이다.
각각의 클러스터(112)는 많은 측정들로 구성될 수 있지만, 일부 레이어들이 기계 셋업 또는 타겟 디자인들에 덜 민감하기 때문에, 서로 독립적일 필요는 없으며, 여기서, 측정들은 서로 다를 수 있다. 각각의 클러스터(112)에서 측정들의 수를 카운팅하는 것은 단지 독립적인 측정들만을 고려하도록 변경될 수 있다. 2개의 측정들의 독립성을 결정하기 위하여, 예를 들어, 신호-도출된 메트릭들과 같은 클러스터링 자체에 사용되지 않는 메트릭들을 사용하여, 그 측정들 사이의 상관관계가 계산될 수 있다. 상관관계는 위에서 언급한 n-차원 공간에서 계산되어 독립적인 측정들을 결정할 수 있다. 하나의 클러스터(112) 내의 2개의 레시피들(111)이 독립적이 되기 위해서는, 레시피들이 웨이퍼 전체의 측정 값들에 대한 경계 내에서 일치해야 하고 그것들의 신호 메트릭들에서 워이퍼 전체에 걸쳐 불일치해야 한다.
대안적으로 또는 보완적으로, 클러스터링은 데이터 마이닝의 월드(the world of data mining)로부터의 클러스터링 분석 기술을 사용하여 수행될 수 있다. 다수의 클러스터링 방법들이 사용될 수 있다. 파벌(clique)들은 샘플링에 의존하지 않는 그룹들을 제공하지만, 중복되는 클러스터들을 제공한다. 계층형 클러스터링은 개별적인 클러스터들을 제공하고, 측정들은 2개의 클러스터들에서 나타나지 않지만, 측정들을 생략할 때 상이한 결과들을 얻을 수 있다. K는 중복이 없는 것을 의미하지만, 클러스터들의 한정된 수를 필요로 한다. 방법들의 결합은 클러스터들을 발견하기 위해 사용될 수 있다.
클러스터링이 수행된 이후에, 클러스터-특정된 메트릭들, 예를 들어, 다이버시티 또는 직경은 클러스터들(112)에 대한 대표적인 레시피들을 발견하는 것과 함께 계산될 수 있다. 이러한 메트릭들은 클러스터들(112)과 클러스터들(112) 내의 그리고 그들 사이의 레시피들(111)을 랭크하는데 또한 사용될 수 있다. 레시피 당 신호-도출된 메트릭들(동공 산란측정의 경우에 동공으로부터 이미징 기반 오버레이의 경우에 조화 공간(harmonic space)으로부터 도출된 것들과 같다)과 동일한 클러스터에서 다른 레시피들로부터 도달하는 데이터 모두는 각각의 레시피를 등급화하고 이를 랭킹하여 권고된 레시피들의 세트를 제공하는데 사용될 수 있다. 대응하는 자기-일관성 측정들은 클러스터들(112)의 개시된 도출 및 프로세싱으로부터 도출될 수 있다.
도 11은, 본 발명의 일부 실시예들에 따라, 본 명세서에 개시된 방법들의 단계들의 리스트를 예시하는 하이 레벨의 개략적인 플로차트이다. 도 11은 개별적으로 또는 조합으로 수행될 수 있는 본 명세서에 개시된 다수의 방법들을 포함한다. 방법들 중 어느 하나의 스테이지들 중 하나는 적어도 하나의 컴퓨터 프로세서에 의해 수행될 수 있다(스테이지 199).
랜드스케이프의 상이한 평탄한 영역들에 관련된 셋업들을 클러스터링하는 방법(100)은 레시피들(111) 사이의 자기-일관성 및 다이버시티를 측정하고 그에 따라 측정들을 클러스터링 하는 단계를 포함할 수 있다. 특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(100)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 가능하게는, 계측 모듈이 방법(100)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 방법(100)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다.
방법(100)은, 셋업들의 복수의 클러스터들을 산출하기 위하여, 자기 일관성 테스트를 측정 값들에 적용함으로써 적어도 하나의 메트릭의 측정 값들에서 서로 대응하는 측정 셋업들을 식별하는 단계(스테이지 112A)를 포함할 수 있고, 식별하는 단계는 측정 값들의 공간에서 거리 메트릭을 사용하여 수행될 수 있다(스테이지 112B). 방법(100)은 클러스터들의 통계적 특성들에 따라 가장 신뢰성이 있는 클러스터를 결정하는 단계(스테이지 113)와, 결정된 가장 신뢰성이 있는 클러스터에서 적어도 하나의 셋업으로부터 측정 결과를 도출하는 단계(스테이지 115)를 더 포함할 수 있다. 통계적 특성들은 각각의 클러스터의 적어도 사이즈 및 다이버시티를 포함할 수 있다. 방법(100)은, 식별된 측정 셋업들을, 적어도 하나의 파라미터에 대한 적어도 계측 메트릭의 적어도 부분적으로 연속적인 의존성을 포함하는 측정 랜드스케이프에서 대응하는 적어도 하나의 평탄한 영역에 연관시키는 단계(스테이지 116)를 더 포함할 수 있다.
웨이퍼 영역들의 클러스터링
도 3은 본 발명의 일부 실시예들에 따라, 공간적 클러스터링의 방법(120)의 하이 레벨의 개략적인 예시이다. 방법(120)은 상이한 웨이퍼 영역들(121)(영역들(A 및 B) 및/또는 상이한 사이트들(62)로서 비제한적인 방식으로 개략적으로 나타냄)을 측정하기 위한 상이한 레시피들을 사용하여, 측정 및/또는 레시피들(111)에 대해 웨이퍼(60)의 공간적 클러스터링을 산출할 수 있다.
본 발명자들은, 측정 셋업이 연속 스테이지에서 선택되어 모든 후속 타겟 측정에 대해 고정된 상태로 유지되는 통상적인 계측 방법을 대신하여, 사이트들(62), 웨이퍼 영역들(121), 웨이퍼들(60), 웨이퍼 로트들(wafer lots), 등 전체에 걸쳐 셋업 유연성을 허용함으로써 정확도가 개선될 수 있는 것을 발견하였다. 용어 "셋업(setup)"은, 파라미터들에 관해 도 2에 개략적으로 도시된 것과 같은 레시피 파라미터들을 설정하는 것을 의미하며, 그 파라미터들에 따라, 랜드스케이프(95)가 분석되는데, 예를 들어, 하드웨어 놉들(hardware knobs)(예를 들어, 포커스, 스폿 위치, 파장, 편광, 아포다이제이션(apodization)), 타겟 디자인 파라미터들, 및/또는 소프트웨어 파라미터들(예를 들어, 픽셀당(per-pixel) 가중화, 알고리즘적 임계치들, 등) 등으로 설정된다. 측정당 셋업(per-measurement setup)은, 셋업 파라미터들의 일부 파라미터화에 의해 및/또는 다수의 타겟당 측정들(per-target measurements)을 수행하고 최상의 셋업을 사후 결정함으로써, 측정 장점들을 사용하여 선험적 시뮬레이션, 즉시 결정(on-the-fly determination)에 기초하여 선택될 수 있다. 예를 들어, 동공(동공 산란측정에서)에 관한 오버레이의 가변성 또는 동공 픽셀들의 조합된 오버레이 감도와 같은 정확도-관련된 양의 세트를 사용하여, 측정당 기초(per-measurement basis)에 관한 최상의 셋업을 최적화 및 발견할 수 있다.
도 3에 개략적으로 예시된 것처럼, 웨이퍼(60) 상의 상이한 영역들(121)의 사이트들은 상이한 파라미터들 및/또는 셋업들(122, 124)을 사용하여 측정될 수 있거나, 그리고, 웨이퍼(60) 상의 상이한 사이트들(62)은 상이한 파라미터들 및/또는 셋업들(126)을 사용하여 측정될 수 있다. 영역들(121)은 동심형(예를 들어, 웨이퍼 중심 및 웨이퍼 주변이 상이한 셋업들을 이용하여 측정될 수 있음)일 수 있고, 인접하거나, 또는 임의의 다른 공간적 관계를 가질 수 있다. 웨이퍼 영역들(121) 및 특정 사이트들(62)의 조합이 상이한 측정 셋업들의 응용을 더 차별화하는데 사용될 수 있다.
유리하게, 방법(120)은, 전체 정확도를, 특히 프로세스 변동들로 인한 차이들을, 그리고, 동일한 고정된 셋업으로 모든 타겟들을 측정할 때, 몇몇 타겟들에 대해 낮은 측정성 또는 증가된 부정확도를 나타내는 특정 사이트들(62) 또는 영역들(121)에 대해 개선하기 위해 개별 측정들 사이의 차이들을 이용하도록 구성될 수 있다. 랜드스케이프 표현(95)에 있어서, 방법(120)에 의해 제공된 유연성은 측정성 및/또는 정확도에 관련하여 랜드스케이프(95)의 유리한 영역에서 측정하게 되는 셋업당 측정들을 조정하고 프로세스 변동들로 인한 랜드스케이프(95)에 대한 변경들을 회피할 수 있다.
특정 실시예들에 있어서, 용어 "영역(region)"(121)은 일부 공통된 랜드스케이프-관련 특성을 갖는 셋업들의 그룹, 예를 들어, 도 2에 개략적으로 예시된 클러스터들(112)와 같은 랜드스케이프(95)의 평탄한 영역((95B)에 있는 후속하는 파장들의 그룹을 의미하는 것으로 사용될 수도 있다. 따라서, 방법(120)은 영역들(121)로서 도 2에 개략적으로 예시된 클러스터들(112)에 선택적으로 적용될 수 있고, 유사한 프로세싱은 셋업들의 클러스터링에 따라 정확도를 개선하는데 사용될 수 있다.
예를 들어, N 셋업 파라미터들(예를 들어, 하드웨어 및/또는 소프트웨어 파라미터들)은 선형 공간(V)에서
Figure pct00003
로서 표시될 수 있고, k 측정 파라미터들(로트, 웨이퍼, 온-웨이퍼 위치, 등.)은
Figure pct00004
로서 표시될 수 있다. 특정 실시예들에 있어서, 방법(120)은 함수 S(M)의 형태로 측정당 유연성을 구현할 수 있고, 셋업 놉들은 측정 파라미터들에 의해 결정된다. 비제한적인 예로서, S(M)은, 최상의 장점들을 산출하는 편광에 기초하여, 웨이퍼(60) 전체에 걸쳐 각각의 타겟 위치에 대해 개별적으로 조명 편광을 설정하는 것을 설명할 수 있다.
위에서 설명된 유연성을 확립하기 위한 보다 일반적인 방식은 셋업 파라미터들의 맵핑을 파라미터들(
Figure pct00005
)의 일반화된 세트에 적용하는 것이므로, 셋업들의 공간은 파라미터들의 함수들
Figure pct00006
로서 파라미터화된다. 이때, 방법(120)은, 예를 들어, 정확도에 관련된 비용 함수(
Figure pct00007
)의 관점으로부터 최적인 함수
Figure pct00008
를 발견하는 단계를 포함할 수 있다. 최적화는 랜드스케이프 영역들에 걸쳐 변동성에 관하여 셋업들\픽셀당 감도 또는 오버레이 등과 같은 동공-도출된 메트릭들의 셋업들로 수행될 수 있다.
하이 레벨 개략적인 플로차트로서 도 11을 참조하면, 방법(120)은 대응하는 복수의 웨이퍼 영역들에 대해 복수의 측정 셋업들을 선택하는 단계(스테이지 123) - 웨이퍼 영역들은 미리 결정되거나 즉시 결정되고(스테이지 125), 측정 셋업들은 적어도 하나의 정확도 메트릭에 따라 선택됨 - 및 각각의 대응하는 웨이퍼 영역에 대해 선택된 측정 셋업으로 계측 측정을 수행하는 단계(스테이지 127)를 포함할 수 있다, 상술한 것처럼, 측정 셋업들은, 자기 일관성 테스트를 적용함으로써 적어도 하나의 메트릭의 측정들 또는 시뮬레이션 값들의 클러스터링에 따라 선택되어, 클러스터들의 통계적 특성들에 따라 웨이퍼 영역들의 각각에 대해 가장 신뢰성이 있는 클러스터가 결정되는 셋업들의 복수의 클러스터들을 산출할 수 있다.
특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(120)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 그리고, 가능하게는, 계측 모듈이 방법(120)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 방법(120)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다.
노이즈 감소
도 4는, 본 발명의 일부 실시예들에 따라, 동공 이미지들의 노이즈 제거 및 평활화하는 방법(130)의 하이 레벨의 개략적인 플로차트이다. 방법(130)은, 개시된 실시예들 중 어느 하나 및/또는 그것으로부터 독립적으로, 동공 도출된 메트릭들 및 알고리즘들과 오버레이의 신호 대 노이즈 비를 개선하는 프리-프로세싱 스테이지들를 포함할 수 있다. 노이즈 감소(134)는, 공간적 알고리즘적 필터를 사용하여, 차동 신호들(Dl 및 D2)(측정 레시피들(111)에 의한 측정)(132)에 적용될 수 있으며, 예를 들어, 픽셀의 값을 그의 이웃하는 픽셀들의 값들과 평균화하는 필터를 사용할 수 있다. 노이즈 감소는 상이한 소스들에 의해 야기될 수 있는 산란측정 신호들 내의 노이즈(랜덤 노이즈와 같은 정확도와 관련이 없음)를 제거하거나 감소시킬 수 있고, 특정 SCOL 측정의 오버레이 및/또는 상이한 동공 메트릭들에 의해 오버레이 측정의 품질을 향상시킬 수 있으며, 방법(130)이 본 명세서에 개시된 다른 방법들 중 하나를 개선하는데 사용될 수 있다.
노이즈 감소는 반사 대칭에 대해 신호(136)의 대칭화를 갖거나 갖지 않고 격자 방향(즉, 타겟(70)의 주기적인 구조의 측정 방향)에 수직인 방향으로 수행될 수 있다. 대칭화는, 방향(138)에 수직인 비대칭을 특성화하는 동공-도출된 메트릭들을 생성하고, 또는 시뮬레이션들(135)로부터 도출된 랜드스케이프 이론 및 현상학에 대한 개선된 적합성을 갖는 동공-도출된 메트릭들(137)을 제공하기 위해 그 비대칭들로부터 신호를 제거하도록 적용될 수 있다. 예를 들어, 본 명세서에 개시된 다양한 임계치들은 시뮬레이션-도출된 값들에 따라 보다 정확한 방식으로 설정될 수 있다.
하이 레벨의 개략적인 플로차트로서 도 11을 참조하면, 방법(130)은 동공 이미지 내의 랜덤 노이즈를 감소시키기 위해 이웃하는 픽셀 값들의 평균에 따라 계측 동공 이미지 내의 픽셀 값을 변경하는 단계(스테이지 134)를 포함하거나 그 단계에 의해 보완될 수 있으며, 선택적으로, 변경하는 단계 이전에 동공 이미지들 내의 픽셀 값들을 대칭화하는 단계(스테이지 136)를 더 포함하고, 대칭화는 측정된 주기적인 구조 타겟의 수직 측정 방향인 방향으로 된다.
특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(130)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 그리고, 가능하게는, 계측 모듈이 방법(130)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 방법(130)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다.
가중된 동공 메트릭들
도 5는 본 발명의 일부 실시예들에 따라, 동공 이미지들을 통해 메트릭들을 개선하는 방법(140)의 하이 레벨의 개략적인 플로차트이다. 방법(140)은 개선된 정확도를 갖는 가중된 동공 이미지들을 도출하기 위해 다수의 레시피들로부터 측정들을 융합하도록 구성될 수 있다.
본 발명자들은, 셋업 및 타겟(예를 들어, 파장, 편광, 아포다이저, 타겟 디자인 등에서)에서 서로 다른 다수의 측정들로부터 다수의 동공들로부터의 픽셀들을 연결시키는 것(concatenating)은 측정의 정확도를 높이기 위해 사용될 수 있다는 것을 발견하였다. 이러한 연결 다음에, 오버레이(또는 임의의 다른 메트릭(91))은 종래 기술의 알고리즘들에 따라 계산될 수 있지만, 모든 (연결된) 픽셀들을 함께 사용한다. 게다가, 방법(140)은, 아래에 기술한 것처럼, 신호 정규화를 주의하면서 수행하면서, 다수의 동공들을 더 포함하도록, 감도의 기본 특징을 고려한 종래 기술의 오버레이 알고리즘을 확장하는 단계를 포함할 수 있다.
방법(140)은, 다수의 측정들로부터 동공 값들 및/또는 동공 이미지들(142)을 상이한 셋업들(141)과 연결하는 단계, 각각의 동공에 대한 메트릭(들)을 제공하는 단계, 및 다수의-셋업 가중된 메트릭들(146)를 도출하는 단계를 포함하여, 아래에 기술된 것처럼, 보다 더 정확하고 안정된 메트릭(148)을 제공할 수 있다.
게다가, 본 발명자들은, 오버레이 알고리즘이 몇몇의 수량에 걸쳐 분리 가능한 합계들로 세분화될 수 있으므로 그와 같은 계산을 하기 위해 추가적인 보조 스토리지가 요구되지 않으므로, 각각의 동공이 계산 이전에 합산될 수 있다는 것을 발견하였다. 실행 시간 동안 뿐만아니라 기준 포인트로서 셋업 동안에도 오버레이 알고리즘을 사용하는 것이 제안된다.
알고리즘은 D1 및 D2의 적합성을 수행하여
Figure pct00009
Figure pct00010
를 형성하고, 여기서,
Figure pct00011
는 타겟 셀들의 오프셋들이다. 이러한 적합성은 신호 강도와 같은 신호 특성들에 대해서 가중되거나 가중되지 않을 수 있다.
알고리즘의 추가 개선은 각각의 동공이
Figure pct00012
값을 갖도록
Figure pct00013
로 표시된 또 다른 자유도를 부가하는 것을 포함한다. 이
Figure pct00014
는 가중 처리로서 사용된다. 이러한 자유도(
Figure pct00015
)는 전체 픽셀 벡터가 D1 및 D2의 조합과 같은 신호 도출양의 동공 당 동공 가변이의 극값과 같은 일부 극값 특징을 갖도록 최적화될 수 있다.
모든 픽셀들에 걸쳐 공칭 오버레이 알고리즘을 적용하는 것 이외에도, 형식
Figure pct00016
의 부가적인 적합성이 수행되어, 정확도를 증가시키기 위해 개별 파라미터(B)를 최적화할 수 있다. 추가 개선은 D1 및 D2의 공간에서 주요 구성 요소들을 사용하여 성취될 수 있다.
유리하게, 개시된 알고리즘은 상이한 샘플링 선택들에 대해 특히 안정적이다. 이러한 안정성은 '견고성 검사들(robustness checks)'를 사용하여 측정될 수 있는데, 여기서, 레시피들은 랜덤 선택에 따라 알고리즘적으로 폐기될 수 있고, 이러한 알고리즘은 나머지 레시피들에 적용된다. 이러한 스테이지는 다수의 랜덤 구현들로 반복될 수 있고 서로 다른 결과들이 비교되어 알고리즘들 안정성의 추정을 제공한다. 비교를 측정하는 방식들은 상이한 구현들과 참조 오버레이 사이의 오버레이 차이, 알고리즘 결과와 참조 사이의 최소 및 최대 거리, 설정 최적화를 위한 상이한 랜덤 구현들 하에서 선두적인 레시피의 변경들을 포함하지만, 이들에 제한을 두지 않는다.
하이 레벨의 개략적인 플로차트로서 도 11을 참조하면, 방법(140)은 상이한 측정 셋업들 및/또는 상이한 타겟들을 사용하여 메트릭의 다수의 측정들로부터 계측 메트릭의 값을 도출하는 단계(스테이지 146A)를 포함할 수 있거나 그 단계에 의해 보완될 수 있고, 값은 측정들에 대해 수행되는 다수의 측정들로부터의 픽셀들의 연결로부터 도출된다(스테이지 142A). 방법(140)은 동공 변동을 최소화하기 위하여 가중 함수에 따라 픽셀들을 가중화하고 가중 함수를 최적화하는 단계를 또한 포함할 수 있다(스테이지 146B). 특정 실시예들에 있어서, 방법(140)은 측정 및/또는 측정 레시피들 및/또는 측정된 타겟들의 상이한 서브-세트들의 다수의 연결들로부터의 결과들을 비교함으로써 알고리즘 안정성을 추정하는 단계(스테이지 147)를 더 포함할 수 있다.
특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(140)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 그리고, 가능하게는, 계측 모듈이 방법(140)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 특정 실시예들은 방법(140)의 하나 이상의 스테이지들에 의해 도출되는 연결된 동공 이미지들 및/또는 픽셀들과 같은 신호들을 포함한다. 방법(140)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다.
레시피들 사이의 변동 분석
도 6은 본 발명의 일부 실시예들에 따라, 레시피들 사이의 변동을 분석하는 방법(150)의 하이 레벨의 개략적인 플로차트이다. 방법(150)은 차동 신호들(152)에 관한 주요 성분 분석(PCA)(154)를 사용하여 레시피들 사이의 변동을 분석하는 단계를 포함할 수 있다.
본 발명자들은, 이상적인 산란측정에서, 다양한 픽셀들의 차동 신호들(D1 및 D2)은, 모두 궤적(
Figure pct00017
Figure pct00018
)에 있어야 하지만, 실제의 측정들은 노이즈가 있고 픽셀의 선형 분포가 넓어 질수 있으며, 또는 D1 또는 D2, 또는 둘 다에 바이어스를 부가할 수 있는 외견상 랜덤 노이즈를 포함할 수 있는 것을 관찰 했다. 본 발명자들은 동공 데이터의 품질이 x.y-평면에서의 픽셀들의 산란 플롯의 높이 및 너비의 비율로부터 추론될 수 있다는 것을 발견하였다. 더 구체적으로, D1 - D2-평면에서 산란 플롯의 주축들은 PCA(154)를 적용하여
Figure pct00019
로 정의된 공분산 매트릭스를 대각선화함으로써 결정될 수 있다. 공분산 매트릭스의 고유 벡터들 및 고유 값들(156)을 사용하여 오버레이를 결정할 수 있다.
결과의 품질은 가장 짧은 주된 값들 대 가장 긴 주된 값들의 비율, 즉 보다 더 작은 고유 값들 대 보다 더 큰 고유 값들의 비율에 의해 결정 -비율이 낮을수록 획득되는 오버레이의 품질이 높아짐- 될 수 있다. D1 및/또는 D2에서의 바이어스들은, 주된 축들이 원점의 변환에 영향을 미치지 않으므로, 이 절차에 의해 자동으로 처리된다.
방법(150)은, 방법(140)에서 예시한 것처럼, 다수의 측정 셋업들(다수의 파장들, 다수의 타겟 디자인들, 다수의 편광들, 상이한 아포다이저들 및/또는 다른 툴 놉들)로부터 픽셀들을 취하는 단계를 더 포함할 수 있고, 또한, 동공 픽셀 및 셋업의 임의의 조합에 적용하여 동공- 및 필드- 산란측정에 적용할 수 있고, 레시피들(158)을 클러스터링 및 추정을 위한 방법(120)을 개선하는데 사용될 수 있다
하이 레벨 개략적인 플로차트로서 도 11을 참조하면, 방법(150)은 복수의 셋업들을 사용하여 복수의 계측 측정들에 PCA(Principal component 분석)을 적용하고(스테이지 154A), 예를 들어, 공분산 매트릭스(covariance matrix)에 대해서, PCA로부터 작은 고유값 대 큰 고유값의 최소 비율을 나타내는 측정 셋업을 선택(스테이지 156A)함으로써 측정 셋업을 도출하는 단계를 포함하거나 그 단계에 의해 보완될 수 있다. 방법(150)은 PCA를 계측 측정들로부터의 복수의 픽셀들에 적용하는 단계(스테이지 159)를 더 포함할 수 있고, 가능하게는, 다수의 측정으로부터 연결될 수 있으며, 가능하게는, 동공- 및 필드-산란측정 측정 모두를 포함하는 계측 측정으로부터 연결될 수 있다.
특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(150)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 그리고, 가능하게는, 계측 모듈이 방법(150)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 방법(150)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다.
알고리즘 유효 플래그들
하이 레벨의 개략적인 플로차트로서 도 11을 참조하면, 알고리즘 유효 플래그들을 도출, 제공 및 이용하는 방법(160)이 제공되며, 아래에 상세히 설명되어 있다. 방법(160)은 적어도 하나의 계측 메트릭의 적어도 2개의 값들 사이의 차이를 계산하고 - 적어도 2개의 값들은 적어도 2개의 계측 알고리즘들로부터 도출됨 - (스테이지 163), 및 계산된 차이에 대한 임계치를 설정(스테이지 164)함으로써 계측 측정들 내의 부정확도를 표시하는 단계를 포함할 수 있다. 특정 실시예들에 있어서, 방법(160)은 차이를 측정 부정확도에 대한 플래그 인디케이터로서 보고하는 단계(스테이지 166)를 더 포함하고, 가능하게는, 정확도를 개선 및/또는 랜드스케이프를 더 특성화하기 위해 알고리즘 유효 플래그를 사용한다(스테이지 168).
도 7은 본 발명의 일부 실시예들에 따라, 방법(160)에 의해 알고리즘 유효 플래그(165) 및 그 도출의 하이 레벨의 개략적인 예시(160A)이다. 알고리즘 유효 플래그(165)는 상이한 알고리즘들로부터의 결과들을 비교함으로써 부정확성들을 평가하는 데 사용될 수 있다. 본 발명자들은 아래에 설명되는 동공 매트릭을 이용하여 정확도가 개선될 수 있음을 발견하였다.
산란측정 오버레이(SCOL) 계측에서, 신호들은, 선형 근사식(linear approximation)에서, 차동 신호들(D1 및 D2), 동공 산란 측정에서의 동공에 대한 픽셀당 및 셋업당 오버레이 또는 필드 산란측정에서의 셋업당 오버레이가 D1와 D2 사이의 비례 계수에 의해 결정된다는 것을 의미하는 이상적인 방식으로 거동할 것으로 기대된다. 진정한 오버레이를 ε로 나타낼 때, 부정확도(
Figure pct00020
)가 선형 근사식에서 식(1)로 주어진다.
Figure pct00021
....(식1)
여기서, u는 이상적인 신호로부터의 픽셀당 및/또는 셋업당 편차(즉, 부정확도를 갖지 않는 이상적인 타겟의 신호로부터의 편차)이고,
Figure pct00022
는 알고리즘에 의존하는 이미 정의된 함수이다. 예를 들어,
Figure pct00023
Figure pct00024
일 수 있으며, 여기서, 괄호들은 측정 조건들을 통한 평균을 나타낸다.
Figure pct00025
의 함수 형태는 다음과 같이 결정될 수 있다.
이상적인 신호(u)로부터의 편차에 대한 임의의 구체적인 모델이 주어지면, 모델을 측정된 신호에 맞추고 오버레이의 추정을 제공하는 알고리즘이 고안될 수 있다. 그러나, 상이한 알고리즘에 의해 제공되는 정확도는 알고리즘들이 기반이 되는 가정의 정확도에 의존하며, 이에 의해, 상이한 알고리즘들의 정확도를 비교하는 방법이 필요하다. 방법(160)은 알고리즘이 기반이 되는 가정들을 테스트하는 방식을 제공하며, 이는 일반적인 적합성 측정들 보다 뛰어나다.
위에서 언급한 모델-기반의 알고리즘을 사용함으로써, 이상적인 신호로부터의 편차인 추정치들(
Figure pct00026
Figure pct00027
)을 얻는다. 또한, 이것들은 다른 알고리즘(예를 들어, 명목상의 산란측정 알고리즘)의 다양한 측정 가능한 양을 추정하는 데 사용될 수 있다. 비제한적인 예에 있어서, 동공을 통한 픽셀당 오버레이의 분산은 측정된 양과 비교될 수 있다. 모든 불일치는 알고리즘이 기반으로 하는 모델의 가정들이 유효하지 않다는 표시이다. 비제한적인 예에서, 측정된 분산으로 나눈 f 및 u의 분산은 플래그로서 사용될 수 있다. f의 정의로 인해, 그러한 플래그는 실제 분산과 다를 수 있다. 다른 적절한 플래그가 사용될 수 있다.
방법(160)은 2개의 상이한 알고리즘들(161, 162)의 부정확도로부터 도출된 플래그(165)를 제공하도록 구성될 수 있다. 플래그(165)는, 1보다 작은 플래그(165)의 영역들에서 알고리즘(161)의 높은 부정확도에 의해 분명해진 것처럼, 알고리즘(161)의 가정들이 실패할 때, 1 미만으로 떨어지는 것으로서 도 7에 예시되어 있다.
특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(160)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 그리고, 가능하게는, 계측 모듈이 방법(160)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 방법(160)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다. 특정 실시예들은 본 명세서에 개시된 계산된 차이를 포함하는 플래그 인디케이터 신호를 포함한다.
공진 영역들에 근접한 영역들의 검출
하이 레벨의 개략적인 플로차트로서 도 11을 참조하면, 공진 영역들에 근접한 영역들들의 표시들을 도출, 제공 및 이용하는 방법(170)이 제공되며, 아래에 상세히 설명되어 있다. 방법(170)은 공진 영역에 근접한 랜드스케이프의 근사 영역을 표시하는 단계(스테이지 176)를 포함하며, 랜드스케이프는 적어도 하나의 파라미터에 대한 적어도 계측 메트릭의 적어도 부분적으로 연속적인 의존성을 포함하고, 랜드스케이프의 공진 영역은 측정된 위치의 광학 조명의 공진에 대응한다. 표시하는 단계(176)는 동공 신호 또는 그의 적어도 하나의 함수의 가변성을 계산(스테이지 172)하고, 계산된 가변성을 미리 정의된 임계치와 비교(스테이지 174)함으로써 수행될 수 있고, 미리 정의된 임계치를 초과하는 것은 근사 영역을 표시한다.
도 8은 본 발명의 일부 실시예들에 따라, 방법(170)에 의해 근사 영역(들)(175A)을 표시하는 플래그(175) 및 그 도출의 하이 레벨의 개략적인 예시이다. 공진 근접 플래그(175)는 공진 영역들(95A), 평탄한 영역들(95B) 및 중간 영역들(95C)을 표시하는데 사용될 수 있으며, 특히, 레시피 또는 셋업이 높은 부정확도에 의해 특성화되는 공진 영역에 접근한다는 것을 표시하는 근사 영역들(175A)을 표시하는데 사용될 수 있다. 본 발명자들은 아래에 설명하는 동공 매트릭을 사용하여 정밀도가 개선될 수 있다는 것을 발견하였다.
동공 산란측정에 있어서, 측정 공진들은 WIPO 공보 제 2014062972 호에 기재된 감도 동공에서 제로-감도 픽셀들처럼, 동공에서 특정 특징들의 존재에 의해 검출될 수 있다. 그러나, 공진 영역에 접근하는 것을 표시하기 위하여, 공진들의 근처를 또한 검출하는 것이 바람직하다. 공진들의 근처는 동공 신호들의 가변성을 계산 및/또는 이들의 임의의 함수의 조합을 계산함으로써 검출될 수 있다(스테이지 172). 공진들(95A)과 멀리 떨어진 곳에서, 비율은 0에 가까운 값을 갖는다(예시 170A에서 플래그(175) 참조). 특히, 플래그(175)는 동공 신호가 평탄한 경우 제로와 동일하며, 이는 랜드스케이프(95)의 평탄한 영역(95B)에 대응하는 것으로 발견되었다. 공진들(95A)에 접근함에 따라, 플래그(175)의 값은 증가하고, 공진(95A)에 가까우면 플래그(175)의 값은 커지고, 플래그(175)의 값의 피크에서 또는 그에 매우 가까우면, 부정확도의 윤곽들은 랜드스케이프(95)의 공진 영역(95A)에서의 동공 이미지에서 가장 뚜렷하다. 예시(170A)는, 근사 영역(175A)에서, 그리고, 공진 영역(95A)에서(측정된 스택의 조명 공진들에서), 측정 파라미터와 같은 파장의 함수로서 부정확도(171) 및 플래그(175)의 변화에 대한 비제한적인 예를 제공한다.
특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(170)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 그리고, 가능하게는, 계측 모듈이 방법(170)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 방법(170)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다. 특정 실시예들은 본 명세서에 개시된 것과 같은 계산된 가변성 및/또는 근사 영역들을 포함하는 플래그 인디케이터 신호를 포함한다.
랜드스케이프의 비-분석 거동의 식별
도 9는 본 발명의 일부 실시예들에 따라, 랜드스케이프의 비-분석 거동을 식별하는 방법(180)의 하이 레벨의 개략적인 플로차트이다. 방법(180)은, 공진들(95A) 및 평탄한 영역들(95B)을 검출하기 위하여, 동공 산란측정에서 동공에 대한 다양한 수량의 비-분석( 및 분석) 거동을 검출하는 다음의 동공 매트릭을 사용함으로써 정확도를 개선하는 단계를 포함할 수 있다. 게다가, 본 발명자들은, 다양한 툴 놉들(예를 들어, 비제한적인 예들로서 파장 및/또는 편광)의 함수들로서 다양한 양의 비분석 거동이 공진들(95A) 및 평탄한 영역들(95B)을 검출하기 위해 사용될 수 있다는 것을 발견하였다.
본 발명자는 동공(181)에 관한 특정 함수들이 공진 영역들(95A) 근처에서 비-분석적으로 거동한다는 것을 발견하였다. 마찬가지로, 동공 및 필드-산란측정에서의 특정 함수들은 셋업들을 통한 함수들로서 비-분석적으로 거동한다(상술한 것처럼, 파장, 편광 등을 포함 할 수 있으며, 도 2 참조). 이러한 비-분석 거동은 동공에 대한 분석 함수들의 공간(
Figure pct00028
)(동공-산란측정에서 이용 가능) 및/또는 셋업 공간(동공-및 필드-산란측정에서 사용 가능)에서 스패닝(적어도 양호한 근사치로)하는 함수들의 기초에 동공 함수(181)를 적합하게 함으로써 검출될 수 있다.
공간(
Figure pct00029
)을 충분히 스패닝하는 분석 함수의 기초(185)는 로 표기하며, 여기서, k는 동공 좌표들이고, s는 셋업 공간의 일반화된 좌표들을 나타낸다. 공간(
Figure pct00031
)에 대한 함수 f(k)의 투영은 놈(norm)이 아래에서 경계 지어지는 함수로 정의된 계수(
Figure pct00032
)에 대해 식(2)에서 표현된 함수를 최소화함으로써 대략 제공된다(나머지 182).
Figure pct00033
...식(2)
본 발명자들은, 동공 및/또는 셋업 공간에 관한 분석 함수가 작은 나머지
Figure pct00034
(182)를 갖지만, 심지어 그의 발산이 동공의 외부에 있을지라도, 비-분석 함수가 더 높은 나머지(182)를 갖는다는 것을 관찰하였다. 따라서, 랜드스케이프(95)의 비-분석 영역들에 접근하기 위한 표시들(184)은 나머지(182)의 값에 따라 생성될 수 있고(예를 들어, 미리 정의된 임계치에 관련하여), 비정확도의 경보들(186)을 제공하기 위해 사용될 수 있다.
본 발명자들은, 특이점을 포함하는 동공 및/또는 셋업 영역이 큰 나머지(182)
Figure pct00035
를 가질 뿐만 아니라, 특이점 “근처”의 동공들 및/또는 셋업들(예를 들어, 근사 영역들(175A))이 큰 나머지(182)를 나타낼 수 있기 때문에, 제안된 방법(180)의 주요 파워가 그의 감도 체제로부터 도출되는 것을 발견하였다. 픽셀-셋업 공간에서의 '근처'의 정의는 적어도 셋업 변경들 및 프로세스 변동들을 포함한다. 따라서, 나머지(182)
Figure pct00036
는 프로세스 또는 툴에서 예상치 못한 변화들이 측정들의 정확도에 영향을 미칠 수 있는지 여부를 평가하는데 사용될 수 있다.
하이 레벨의 개략적인 플로차트로서 도 11을 참조하면, 랜드스케이프 의 공진 영역들을 결정하는 방법(180) - 랜드스케이프는 적어도 하나의 파라미터에 적어도 계측 메트릭의 적어도 부분적으로 연속적인 의존성을 포함하고, 랜드스케이프의 공진 영역은 측정된 위치에서 광학 조명의 공진에 대응 - 은 적어도 계측 메트릭의 비-분석 거동을 검출하는 단계(스테이지 180A)를 포함할 수 있거나, 그 단계에 의해 보완될 수 있고, 분석 함수들의 기초에 의해 동공 좌표들을 통해 분석 함수들의 공간을 스패닝하는 단계(스테이지 185A), 분석 함수들의 기초의 관점에서 계측 메트릭을 표현하는 단계(스테이지 185B), 및 표현(들)의 나머지를 추정하는 단계(스테이지 182)를 포함하고, 미리 결정된 임계치보다 큰 나머지는 비-분석 거동을 표시한다(스테이지 186A).
특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(180)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 그리고, 가능하게는, 계측 모듈이 방법(180)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 방법(180)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다. 특정 실시예들은 본 명세서에 개시된 것과 같은 추정들을 포함하는 플래그 인디케이터 신호를 포함한다.
대각선 타겟 셀들
본 발명자들은, 대각선 셀들을 포함하는 타겟 디자인들 및/또는 타겟 디자인들에 대한 대각선 타겟 셀들의 추가는 본 발명의 다양한 실시예들에서 측정들의 개선된 정확도를 제공할 수 있다는 것을 발견하였다. 예를 들어,도 10은 본 발명의 일부 실시예들에 따라 대각선 셀들을 갖는 예시적이고 비제한적인 타겟 디자인들(190)의 하이 레벨의 개략적인 예시이다.
계측 타깃들(190)은, 적어도 2개의 상이하고 비-수직인 측정 방향들, 예를 들어, X 또는 Y 중 하나 및
Figure pct00037
로 표시되는 경사 방향들을 따라 주기적 구조를 갖는
Figure pct00038
에 의해 개략적으로 표시되는 복수의 타겟 셀들을 포함할 수 있다. 셀들은 예시적으로 비제한적인 방식으로 2개의 대안적인 타겟 디자인들(190A)(2개의 대안적인 편향된 셀들(
Figure pct00039
)이 X 방향을 따름) 및 타겟 디자인들(190B)(2개의 대안적인 편향된 셀들(
Figure pct00040
)이 X 및 Y 방향을 따름)로 그룹화된다. 측정 방향들 중 적어도 하나는 각도(
Figure pct00041
)(예를 들어,
Figure pct00042
)에서 다른 측정 방향(예를 들어, X, Y)으로 될 수 있으며, 여기서, 각도(
Figure pct00043
)는 타겟 셀 비대칭의 효과를 감소시키도록 선택된다. 특정 실시예들에 있어서, 측정 방향들은 서로에 대해 0 °및 90 °이외의 각도들(예를 들어, 타겟 디자인(190B)에서 X, Y 및 2개의
Figure pct00044
)에서 적어도 3개의 측정 방향들을 포함할 수 있다. 편향된 셀들(예를 들어,
Figure pct00045
)은 측정 축선(X)에 대해 경사지도록 설계된 각각의 주기적인 구조의 요소들(192A)을 포함할 수 있고, 또한, 192에서 예시된 것처럼, 왜곡된 디자인(skew design)을 유지하면서, 편향된 셀들의 인쇄성을 향상시키기 위하여, 측정 축선(X)을 따라 또는 그 축선에 수직인 서브-요소들(192B)을 포함할 수도 있다는 것을 주목한다. 이하, 타겟 디자인들(190)의 세부 사항들을 타겟 디자인들(190A, 190B)에 대해 비제한적인 방식으로 설명하며, 정확도 개선들을 증명한다.
종래의 SCOL 알고리즘, 예를 들어, 4-셀 SCOL 알고리즘은 타겟 셀들을 구성하는 회절 격자들의 역 대칭에 의존한다(각각의 타겟 셀은 주기적인 구조를 측정 방향(X)을 따라 또는 방향(Y)으로, 그에 수직으로 포함한다). 본 발명자들은, 실제적으로 그러한 가정이 상이한 프로세스 변동들로 인하여 어느 정도는 위반되고, 이는 결국 오버레이 측정의 부정확도를 초래한다는 것을 발견하였다. 특정 실시예들은 구성 격자들(주기적인 구조들)의 역 대칭의 필요성을 제거하도록 설계된 타겟 회전 알고리즘들을 제공한다. 이는 주기성(periodicity)이 서로 다른 비-직교 방향들을 가진 여러 타겟 셀들을 사용하여 성취된다.
각각의 셀은, 종래의 산란측정 타겟들에서와 같이, 격자 위 격자(2개의 서로 다른 레이어들의 2개의 주기적인 구조들과 동일한 측정 방향을 따라)로 구성될 수 있다. 일부 셀들에서는 특정 의도된 오버레이(오프셋)이 상단 및 하단 격자들 사이에 도입될 수 있다. 종래의 SCOL 타겟과의 차이점은 일부 셀들이 주기성 방향이 X 또는 Y 축과 다른 그들 주기성 방향을 갖는다는 점이다. 도 10에 도시된 타겟 셀 디자인들은 단지 예시적인 것이며, 비제한적인 방식으로, 동일한 측정 방향(하나 위의 다른 하나 또는 나란히)을 따르는 2개 이상의 주기적인 구조들과 같은 디자인의 세부 사항과, 세분화 및 더미피케이션(segmentation and dummification)의 세부 사항을 생략한다.
개시된 타겟 디자인들(190)은 편향된 셀들로부터의 산란측정 계측 신호로 하여금 셀 주기성 방향으로의 오버레이의 투영에 민감하도록 한다. 셀에 의해 측정된 오버레이가 셀의 회전 하에서 벡터와 같이 변환하기 때문에, 기생 타겟 비대칭(parasitic 타겟 비대칭)에 대한 산란측정 신호의 감도는, 예를 들어, 타겟 디자인 및 특정 제조 프로세스의 결합에 의존하여, 완전히 다르거나 부분적으로 다른 상이한 형태의 변환을 겪는다. 이러한 방식으로, 오버레이 정보는 기생 타겟 비대칭과 관련된 정보로부터 분리 될 수 있다. 한편으로는 오버레이에 대한 신호 감도, 다른 한편으로는 기생 비대칭인 산란측정의 변환 특성의 차이를 이용하여, 후자를 위한 모델링이, 아래의 비제한적인 예들과 같이, 4-셀 타겟(190A) 및 6-셀 타겟(190B)의 디커플링의 실제 구현을 위해 개발 및 시용될 수 있다. 셀들의 수와 방향들은 특정 요구 사항들의 세부 사항에 따라 설계 및 조정될 수 있다.
타겟 디자인(190A)은
Figure pct00046
로 표시되는 4개의 셀들을 포함하고, 표 1에 나열된 파라미터들을 가지며, 오버레이 벡터는
Figure pct00047
로서 정의된다.
Figure pct00048
표(1): 4-셀 아키텍처의 일례
각각의 셀에 대해서, 차동 신호들은 역 대칭 동공 포인트들에서 더하고 뺀 1차 회절 차수들의 차이로서 계산된다. 간단히 하기 위해, 이후에 동공 좌표에 대한 차동 신호의 의존성은 생략된다. 모델링 가정은, 차동 신호가 식(3)에서와 같이 선형 근사법으로 기록된 격자 방향(
Figure pct00049
)과 관계없이, 모든 셀들에 대한 전체 오프셋(OF)에 대한 동일한 함수 의존성을 갖는다는 것이다.
Figure pct00050
...식(3)
이러한 가정은 상대적으로 상대적으로 작은 각도들(
Figure pct00051
)에 대해서 가능하지만, 큰 각도에 대해서는 불일치하게 된다.
타겟(190A)의 4개의 셀들에 대해서, 다음의 차동 신호들은 4개의 미지수를 갖는 선형 시스템을 구성하는 식(4)에 표현된 바와 같이 예상된다.
Figure pct00052
...식(4)
Figure pct00053
식(4)는 식(5)으로 감소될 수 있다.
Figure pct00054
...식(5)
식(5)는 오버레이 벡터
Figure pct00055
에 대해 식(6)에서 표현된 것처럼 오버레이 성분들에 대해 풀 수 있다
Figure pct00056
...식(6)
비제한적인 방식으로, 표(2)는 각도들(
Figure pct00057
) 사이의 관계의 2개의 특정 예들에 대한 표현들을 제공한다.
Figure pct00058
표(2): 타겟 디자인(190A)의 파라미터들에 대한 2개의 비제한적인 예들
타겟 디자인(190B)은
Figure pct00059
로 표시된 6개의 셀들을 포함하고, 표(3)에 열거된 파라미터들을 가지며, 오버레이 벡터는
Figure pct00060
로서 정의된다.
Figure pct00061
표(3): 6개의 셀 아키텍처에 대한 일례
타겟 디자인(190B)에서 3개의 셀들(
Figure pct00062
)은 (측정 방향(X)와 관련하여) 셀들의 x-세트를 구성하고, 나머지 3개의 셀들(
Figure pct00063
)은 (측정 방향(Y)와 관련하여) 셀들의 y-세트를 구성한다. 각각의 세트에 대해, 식(7)에 표현된 차동 신호 파라미터들이 가정될 수 있다.:
Figure pct00064
...(식(7)
모델링 가정은, 차동 신호가 격자 방향(
Figure pct00065
)과 무관하게 주어진 세트 내의 모든 셀들에 대한 전체 오프셋(OF)에 대한 동일한 함수 의존성을 갖는다는 것이다. 이러한 가정은 상대적으로 작은 각도(
Figure pct00066
)에 대해서는 가능하지만, 큰 각도에 대해서는 불일치하게 된다.
타겟(190B)의 6개의 셀들에 대해서, 다음의 차동 신호들은 6개의 미지수를 갖는 선형 시스템을 구성하는 식(8)에 표현된 바와 같이 예상된다.
Figure pct00067
...(식 (8)
식(8)는 식(9)으로 감소될 수 있다.
Figure pct00068
...(식9)
식(9)는 오버레이 벡터
Figure pct00069
에 대해 식(10)에서 표현된 것처럼 오버레이 성분들에 대해 풀 수 있다
Figure pct00070
...식(10)
상기 주어진 예들은 예시 목적을 위해 만들어진 특정 모델링 가정을 사용했다. 실제로, 다른 가정이 사용될 수 있는데, 예를 들어, 시뮬레이션 또는 보정 측정 또는 이론에 기초하여 사용될 수 있고, 특히 비대칭 프로세스 변동와 관련하여, 계측 측정의 정확도를 향상시키기 위해, 타겟 디자인들(190)을 사용하기위한 유사한 토대를 제공한다.
하이 레벨의 개략적인 플로차트로서 도 11을 참조하면, 타겟 디자인 방법(195)은, 측정 방향을 따라 주기적인 구조들을 갖는 타겟 셀들에, 측정 방향과 관련하여 상이한 비수직 방향을 갖는 적어도 하나의 편향된 타겟 셀을 부가하는 단계(스테이지 196)를 포함할 수 있고, 선택적으로, 적어도 하나의 편향된 타겟 셀을 상기 측정 방향에 각도(
Figure pct00071
)에서의 방향을 갖도록 디자인하는 단계를 포함할 수 있으며, 각도(
Figure pct00072
)는 타겟 셀 비대칭의 효과를 감소시키도록 선택된다(스테이지 197).
특정 실시예들은, 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품을 포함하고, 컴퓨터 판독가능 프로그램은 방법(195)의 스테이지들 중 어느 하나를 수행하도록 구성되고, 그리고, 가능하게는, 타겟 디자인 모듈이 방법(195)의 스테이지들 중 어느 하나를 수행하도록 구성된다. 방법(195)의 관련된 스테이지들 중 어느 하나는 컴퓨터 프로세서에 의해, 예를 들어, 프로세싱 유닛(들)(109)에서 수행될 수 있다. 특정 실시예들은, 가능하게는, 본 명세서에 개시된 것과 같은 방법(195)에 의해 도출되는, 대응하는 타겟들(190)의 타겟 디자인 파일(들) 및/또는 측정 신호들을 포함한다.
개시된 방법들 및 툴들 중 어느 하나는 동작 가능한 조합에서 실제 계측 방법들 및 툴들에 결합되어, 개시된 발명의 상이한 실시예들 및 관점들에 의해 제공되는 이점들을 더할 수 있다. 예를 들어, 방법들(100, 120, 130, 140, 150, 160, 170, 180 및 195)로부터의 스테이지들이 결합될 수 있다. 예를 들어, 다음 실시예들 중 어느 하나가 개별적으로 또는 조합하여 사용할 수 있다.
(i) 자기-일관성을 계측에서 정확도를 위해 인디케이터 및 테스트로서 사용한다. 자기 일관성 테스트들을 수행하기 위해 셋업들의 다이버시키 및 독립성과 클러스터링 방법들을 사용을 정의한다(예를 들어, 방법(100) 참조). 특히, 다이버시티는 독립적인 것으로 밝혀진 측정의 식별에 의해 표현될 수 있다. 의존성은 동공 도출된 메트릭들의 상관관계에 의해 발견될 수 있다. 클러스터링은 파벌들, 계층적 클러스터링 또는 분산 기반 클러스터링과 같은 그래프 이론 또는 기계 학습 기술들에 의해 발견될 수 있다. 클러스터링이 완료되면, 임계치들은 우선순위로 결정되거나 또는 안정 또는 본질적 스케일을 찾는 것과 같은 반복적 프로세스에 의해 결정될 수 있다. 각각의 측정은 n 차원 공간의 한 포인트로서, 예를 들어, 웨이퍼 상의 n개 위치들에 대한 측정으로서 처리될 수 있다. 차원 감소는 공간을 관심 있는 파라미터들의 낮은 차원 공간으로 매핑한다. 모든 클러스터들이 식별되었을 때, 클러스터들의 랭킹은 집단 그룹 메트릭들 또는 대표의 메트릭들을 사용하여 수행된다.
(ii) MAM(move-acquire-measure) 시간을 현저하게 저하시키지 않고, 각각의 측정에서, 프로세스 변동들에 대한 견고성을 높이고, 측정 가능성을 향상시키며, 부정확도를 감소시키기 위하여, 셋업 파라미터들의 개별 세트로 수행되도록, 셋업-유연성을 허용한다(예를 들어, 방법(100 및 120) 참조). 랜드스케이프에서의 정확도의 최적화는 특정 측정 파라미터들의 간단한 고정에 의해 종래 기술에서 달성된 것보다 더 나은 정확도를 갖는 랜드스케이프에서 파라미터의 서브-스페이스들을 발견함으로써 달성될 수 있다. 이러한 서브-스페이스들에 의해 제공되는 파라미터들의 조합은 상관된 방식으로 그리고 공간 및/또는 시간의 함수로서 다수의 파라미터들을 함께 변경할 수있게 한다. 부가적으로, 공개된 방법들의 조합은, 관련된 불확실성을 처리하는 방식으로 외부 참조와 가장 잘 관련된 셋업들을 찾는 것을 제공할 뿐만 아니라, 고급 알고리즘들을 사용하여 셋업 최적화 및 제어에서, 자기-일관성, 클러스터링 알고리즘들, 등의 사용을 제공한다.
(iii) 특정 좌표 시스템들에서, 큰 주축의 기울기는 특정 유형의 부정확도-원인 편향들에서 자유로운 오버레이에 대한 정보를 제공한다(예를 들어, 방법(130) 참조). 동공 산란측정에서 노이즈 감소 기술의 사용은 Y-대칭화, 필터링 및 기준 이미지들을 이용한 동공 보정을 포함한다.
(iv) 측정들을 단일 하나로 융합과 공칭 오버레이 알고리즘들의 일반화 또는 그것들의 일반화(예를 들어, 방법(140) 참조). 고급 동공 분석과 일반화된 동공들로의 셋업들의 병합은 측정들의 정확도를 향상시킨다. 동공 공간에서 다수의 셋업들로부터 다수의 측정들을 결합하는 것은 정확도를 더욱 향상시킨다. 또한, 개시된 방법들은 동공 도출된 메트릭을 극단화함으로써 다수의 측정들 중 결합된 동공 공간에서의 계량의 최적화를 제공한다.
(v) 공분산 매트릭의 큰 고유 값과 작은 고유 값 사이의 비율은 측정들의 안정성 및 에러의 표시를 제공한다(예를 들어, 방법(150) 참조). 또한, 다수의 픽셀들, 측정들 및 셋업들의 주요 구성 요소들을 사용하여 오버레이와 그 품질을 계산하면, 측정들의 향상된 정확도를 더 증가시킨다.
(vi) 신호 모델링에 기초한 알고리즘으로부터 얻어진 이상적인 형태로부터의 동공 산란측정 신호의 편차의 추정을 사용하여, 다른 측정 가능한 양을 예측하기 위해서, 그 모델을 기초로 한 가정의 타당성의 측정은 편차의 지식을 사용함으로써 도출될 수 있다. 이들 예측치가 측정들과 일치하지 않으면, 모델-기반 알고리즘의 베이스에서의 가정들이 실패한 것을 나타내는 표시로서 제공된다(예를 들어, 방법(160) 참조). 다른 측정 가능한 양에 대한 그것의 예측을 사용하여 측정된 데이터가 적합하게 되는 모델을 기반으로 가정들의 유효성을 테스트하기 위한 플래그.
(vii) 동공 산란측정에서의 동공 픽셀들 또는 이미징에서 신호 조화들과 같은 독립적으로 정의된 서브-측정들(예 : 방법 170 참조)에 걸쳐 신호의 분산을 검사함으로써 랜드스케이프에서 인근 공진을 표시하는 플래그들의 세트(예를 들어, 방법(170) 참조). 일부 플래그들은, 심지어 동공에 적절한 함수들의 기능의 가변성 및 분석성을 사용함으로써 동공에 제로- 감도 윤곽이 존재하지 않을 때에도, 공진들을 검출하는데 사용될 수 있다. 개시된 방법은 종래 기술의 단일 셋업 알고리즘들에 부적절한 것으로 여겨지는 공진 셋업들 및 다른 셋업들의 사용을 허용한다.
(viii) 근접한 공진 거동에 반영하는 신호에서의 비-분석 거동들 및/또는 관련된 셋업 및/또는 랜드스케이프상에서 가까운 신호의 콘트라스트 반전들의 검출(예를 들어, 방법(180) 참조).
(ix) 오버레이 및 신호 비대칭으로부터의 신호 비대칭을 바아 비대칭으로부터 분리하기 위해 오버레이 및 패턴 비대칭에 대한 회전 그룹의 상이한 표현들을 사용하는 새로운 목표 설계(방법 195 및 대상 190 참조). 새로운 타겟 디자인은, 오버레이를 패턴 비대칭으로부터 분리하는 것을 허용하고, 이에 따라, 표준 오버레이 산란측정 타겟들에 적용된 타겟 패턴 역 대칭의 중요한 가정을 완화시킨다.
이들 실시예들의 조합은 종래 기술에 비해 다음의 예시적인 장점들을 제공한다.
(i) 그래프 이론적 특성들 인해 세업들의 초기 세트에 대해 감소된 감도.
(ii) 셋업들과 그것들의 그룹화 사이의 관계들의 구조에 대한 보다 충실한 설명 제공.
(iii) 데이터에서 동등한 등급의 식별, 및 물리적으로 유사한 측정들 또는 반복적인 레시피의 과-표현(over-representation)의 회피.
(iv) 클러스터 멤버들의 집합적 특성들 또는 각각의 클러스터의 대표적인 레시피의 특성들로부터 도출된 다른 클러스터들의 랭킹.
(v) 랜드스케이프의 세계적인 특징들로부터 그것들의 존재 및 유용성을 도출하는 자기-일관성이 반영되는 새로운 플래그들.
(vi) 심지어 대칭적인 공정 변동들에 대해 보다 견고한 측정들을 유도하는 공진들로부터 어느 정도 떨어져 있더라도, 문제가 있는 측정 조건들(공진들)에 대한 접근의 표시들.
(vii) 측정된 데이터의 주어진 세트에 대한 정확한 모델-기반 알고리즘의 선택을 가능하게 하는 측정된 데이터의 주어진 집합에 대한 모델-기반 알고리즘들의 유효성 검출.
(viii) 오버레이 측정으로부터의 일부 편향의 제거, 및 차동 신호들의 평면에서 측정들의 분포(각각의 픽셀이 측정으로 카운트)에 기초하여 측정들의 품질을 평가.
(ix) 다우의 동공 알고리즘들의 사용은 보고된 계측 메트릭을 샘플링에 대해 덜 덜 민감하게 만들고 이 견고성의 추정들을 제공한다.
(x) 단일 셋업 측정의 정확도를 추정하기 위해 기준 계측 대신에 다수의 동공 알고리즘들의 사용.
본 발명의 양태들은 플로차트 예시들 및/또는 부분 도면들을 참조하여 본 발명의 실시예들에 따른 방법들, 장치(시스템들) 및 컴퓨터 프로그램 제품들이 설명되어 있다. 플로차트 예시들 및/또는 부분 도면들의 각각의 부분, 및 플로차트 예시들 및/또는 부분 도면들에서 부분들의 조합은 컴퓨터 프로그램 명령들에 의해 구현될 수 있음을 이해할 것이다. 이들 컴퓨터 프로그램 명령들은 범용 컴퓨터, 특수 목적 컴퓨터 또는 다른 프로그램 가능한 데이터 처리 장치의 프로세서에 제공될 수 있어, 컴퓨터 또는 다른 프로그램 가능한 데이터 처리 장치의 프로세서를 통해 실행되는 명령들은 플로차트 및/또는 부분 도면 또는 그 일부들에 특정된 함수들/동작들을 구현하기위한 수단을 생성한다.
또한, 이들 컴퓨터 프로그램 명령들은, 컴퓨터 판독 가능 매체에 저장된 명령들은 특정 방식으로 기능을 하는 컴퓨터, 다른 프로그램 가능한 데이터 처리 장치 또는 다른 디바이스들에 지시할 수 있는 컴퓨터 판독 가능 매체에 저장될 수 있고, 이에 의해, 플로차트 및/또는 입부 도면 또는 그의 부분들에 특정된 함수/동작을 구현하는 명령들을 포함하는 제조의 제조물을 생성할 있다.
컴퓨터 프로그램 명령들은 또한 컴퓨터, 다른 프로그램 가능한 데이터 처리 장치, 또는 다른 디바이스들에 로딩될 수도 있어, 일련의 연산 단계들이 컴퓨터, 다른 프로그램 가능한 장치 또는 다른 디바이스상에서 수행되어, 컴퓨터 또는 다른 프로그램 가능한 장치에서 실행되는 명령들은 플로트차트 및/또는 그 부분 또는 그 일부분에 특정된 기능들/동작들을 구현하기 위한 프로세스들을 제공한다.
상술한 플로차트 및 도면들은 본 발명의 다양한 실시예들에 따른 시스템들 및 및 컴퓨터 프로그램 제품의 가능한 구현예들의 아키텍처, 기능 및 연산 동작을 도시한다. 이와 관련하여, 플로차트 또는 부분 도면들의 각각의 부분은 특정된 논리 기능(들)을 구현하기 위해 하나 이상의 실행 가능 명령들을 포함하는 모듈, 세그먼트 또는 코드의 부분을 나타낼 수 있다. 또한, 일부 대안의 구현예들에서, 상기 부분에 언급된 기능들은 도면들에 언급된 순서를 벗어나 발생할 수 있음에 유의해야 한다. 예를 들어, 연속적으로 도시된 2개의 부분은 사실상 실질적으로 동시에 실행될 수 있거나, 또는 그 부분들은 관련된 기능에 따라 때로는 역순으로 실행될 수 있다. 부분 도면들 및/또는 플로차트 예시의 각각의 부분, 및 부분 도면들 및/또는 플로차트 예시에서 부분들의 조합은 특정 기능들 또는 동작들, 또는 특수 목적의 하드웨어 및 컴퓨터 명령들의 조합을 수행하는 하드웨어-기반 시스템들에 의해 구현 될 수 있다,
이상의 설명에서, 일 실시예는 본 발명의 일례 또는 구현예이다. "하나의 실시예", "일 실시예", "특정의 실시예들", 또는 "일부 실시예들"의 다양한 표현들 모두가 꼭 동일한 실시예를 지칭하는 것은 아니다. 본 발명의 다양한 특징들이 단일의 실시예와 관련하여 기술될 수 있지만, 특징들이 또한 개별적으로 또는 임의의 적당한 조합으로 제공될 수 있다. 이와 달리, 본 발명이 명확함을 위해 개별적인 실시예들과 관련하여 본 명세서에 기술될 수 있지만, 본 발명이 또한 단일의 실시예에서 구현될 수 있다. 본 발명의 특정의 실시예들이 앞서 개시된 상이한 실시예들로부터의 특징들을 포함할 수 있고, 특정의 실시예들이 앞서 개시된 다른 실시예들로부터의 요소들을 포함할 수 있다. 본 발명의 요소들을 특정 실시예와 관련하여 개시하는 것은 그들이 특정 실시예에서만 사용되는 것으로 제한하는 것으로 보아서는 안된다. 게다가, 본 발명이 다양한 방식들로 수행되거나 실시될 수 있다는 것과 본 발명이 이상의 설명에서 개략적으로 기술된 실시예들 이외의 특정의 실시예들에서 구현될 수 있다는 것을 잘 알 것이다.
본 발명이 첨부 도면들로 또는 대응하는 설명으로 제한되지 않는다. 예를 들어, 흐름이 각각의 예시된 박스 또는 상태를 통해, 또는 예시되고 기술된 것과 완전히 동일한 순서로 진행될 필요는 없다. 본 명세서에서 사용되는 기술적 및 과학적 용어들의 의미는, 달리 정의되지 않는 한, 본 발명이 속하는 기술 분야의 통상의 기술자가 이해하는 것처럼 통상적으로 이해되어야 한다. 본 발명이 제한된 수의 실시예들과 관련 하여 기술되어 있지만, 이들이 본 발명의 범주에 대한 제한이 아니라 오히려 바람직한 실시예들 중 일부의 예시로서 분석되어야 한다. 다른 가능한 변형들, 수정들 및 응용들이 또한 본 발명의 범주 내에 속한다. 그에 따라, 본 발명의 범주는 지금까지 기술된 것에 의해서가 아니라 첨부된 청구 범위 및 그의 법적 등가물들에 의해 한정되어야만 한다.

Claims (49)

  1. 셋업들(setups)의 복수의 클러스터들을 산출하기 위하여, 자기 일관성(self-consistency) 테스트를 측정 값들에 적용함으로써 적어도 하나의 메트릭의 측정 값들에서 서로 대응하는 측정 셋업들을 식별하는 단계;
    상기 클러스터들의 통계적 특성들에 따라 가장 신뢰성이 있는 클러스터를 결정하는 단계; 및
    상기 결정된 가장 신뢰성이 있는 클러스터에서 적어도 하나의 셋업으로부터 측정 결과를 도출하는 단계를 포함하는, 방법.
  2. 제 1 항에 있어서, 상기 식별하는 단계는 상기 측정 값들의 공간에서 거리 메트릭을 사용하여 수행되는 것인, 방법
  3. 제 1 항에 있어서, 상기 통계적 특성들은 각각의 클러스터의 적어도 사이즈 및 다이버시티를 포함하는 것인, 방법.
  4. 제 1 항에 있어서, 상기 식별된 측정 셋업들을, 적어도 하나의 파라미터에 대한 적어도 하나의 계측 메트릭의 적어도 부분적으로 연속적인 의존성을 포함하는 측정 랜드스케이프(landscape)에서 대응하는 적어도 하나의 평탄한 영역에 연관시키는 단계를 더 포함하는, 방법.
  5. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 1 항 내지 제 4 항 중 어느 한 항의 방법을 수행하도록 구성된 것인, 컴퓨터 프로그램 제품.
  6. 제 1 항 내지 제 4 항 중 어느 한 항의 방법을 수행하도록 구성된 계측 모듈.
  7. 대응하는 복수의 웨이퍼 영역들에 대해 복수의 측정 셋업들을 선택하는 단계로서, 상기 웨이퍼 영역들은 미리 결정되거나 즉시로(on-the-fly) 결정되고, 상기 측정 셋업들은 적어도 하나의 정확도 메트릭에 따라 선택되는 것인, 상기 선택하는 단계; 및
    각각의 대응하는 웨이퍼 영역에 대해 상기 선택된 측정 셋업으로 계측 측정을 수행하는 단계를 포함하는, 방법
  8. 제 7 항에 있어서, 상기 측정 셋업들은 자기 일관성 테스트를 적용함으로써 적어도 하나의 메트릭의 측정 또는 시뮬레이션 값들의 클러스터링에 따라 선택되어, 상기 클러스터들의 통계적 특성들에 따라 상기 웨이퍼 영역들의 각각에 대해 가장 신뢰성이 있는 클러스터가 결정되는, 셋업들의 복수의 클러스터들을 산출하는 것인, 방법.
  9. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 7 항 또는 제 8 항의 방법을 수행하도록 구성된 것인, 컴퓨터 프로그램 제품.
  10. 제 7 항 또는 제 8 항의 방법을 수행하도록 구성된 계측 모듈.
  11. 동공(pupil) 이미지 내의 랜덤 노이즈를 감소시키기 위해 이웃하는 픽셀 값들의 평균에 따라 계측 동공 이미지 내의 픽셀 값을 변경하는 단계를 포함하는, 방법
  12. 제 11 항에 있어서, 상기 변경하는 단계 이전에 상기 동공 이미지들 내의 픽셀 값들을 대칭화(symmetrizing)하는 단계를 더 포함하고, 상기 대칭화는 측정된 주기적인 구조 타겟의 수직 측정 방향인 방향으로 되는 것인, 방법.
  13. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 11 항 또는 제 12 항의 방법을 수행하도록 구성된 것인, 컴퓨터 프로그램 제품.
  14. 제 11 항 또는 제 12 항의 방법을 수행하도록 구성된 계측 모듈.
  15. 제 11 항 또는 제 12 항의 방법으로부터 도출된 동공 이미지.
  16. 상이한 측정 셋업들 및/또는 상이한 타겟들을 사용하여 메트릭의 복수의 측정들로부터 계측 메트릭의 값을 도출하는 단계를 포함하는 방법에 있어서, 상기 값은 상기 복수의 측정들로부터의 픽셀들의 연결(concatenation)로부터 도출되는 것인, 방법.
  17. 제 16 항에 있어서, 동공 변동을 최소화하기 위하여 가중 함수에 따라 픽셀들을 가중화하고 상기 가중 함수를 최적화하는 단계를 더 포함하는, 방법.
  18. 제 16 항에 있어서, 상기 측정들의 상이한 서브-세트들의 복수의 연결들로부터의 결과들을 비교함으로써 알고리즘 안정성을 추정하는 단계를 더 포함하는, 방법.
  19. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 17 항 또는 제 18 항의 방법을 수행하도록 구성된 것인, 컴퓨터 프로그램 제품.
  20. 제 17 항 또는 제 18 항의 방법을 수행하도록 구성된 계측 모듈.
  21. 제 18 항 또는 제 10 항의 방법에 따라 도출된 픽셀들의 연결을 포함하는 신호.
  22. 복수의 셋업들을 사용하여 복수의 계측 측정들에 PCA(Principal Component Analysis)을 적용하고, 상기 PCA로부터 작은 고유값(eigenvalue) 대 큰 고유값의 최소 비율을 나타내는 측정 셋업을 선택함으로써, 측정 셋업을 도출하는 단계를 포함하는, 방법.
  23. 제 22 항에 있어서, 상기 PCA를 상기 계측 측정들로부터의 복수의 픽셀들에 적용하는 단계를 더 포함하는, 방법.
  24. 제 23 항에 있어서, 상기 계측 측정들은 동공 및 필드 산란계 측정들(pupil and field-scatterometry measurements) 모두를 포함하는 것인, 방법.
  25. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 22 항 내지 제 24 항 중 어느 한 항의 방법을 수행하도록 구성된 것인, 컴퓨터 프로그램 제품.
  26. 제 22 항 내지 제 24 항 중 어느 한 항의 방법을 수행하도록 구성된 계측 모듈.
  27. 적어도 하나의 계측 메트릭의 적어도 2개의 값들 - 상기 적어도 2개의 값들은 적어도 2개의 계측 알고리즘들로부터 도출됨 - 사이의 차이를 계산하고, 상기 계산된 차이에 대한 임계치를 설정함으로써, 계측 측정들 내의 부정확도를 표시하는 단계를 포함하는, 방법.
  28. 제 27 항에 있어서, 상기 차이를 측정 부정확도에 대한 플래그 인디케이터(flag indicator)로서 보고하는 단계를 더 포함하는, 방법.
  29. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 27 항 또는 제 28 항의 방법을 수행하도록 구성된, 컴퓨터 프로그램 제품.
  30. 제 27 항 또는 제 28 항의 방법을 수행하도록 구성된 계측 모듈.
  31. 제 27 항의 방법에 따라 계산된 차이를 포함하는 플래그 인디케이터 신호.
  32. 공진 영역에 근접한 랜드스케이프의 근사 영역(proximate region)을 표시하는 단계를 포함하는 방법에 있어서, 상기 랜드스케이프는 적어도 하나의 파라미터에 적어도 하나의 계측 메트릭의 적어도 부분적으로 연속적인 의존성을 포함하고, 상기 랜드스케이프의 상기 공진 영역은 측정된 위치에서의 광학 조명의 공진에 대응하며, 상기 표시하는 단계는, 동공 신호 또는 그의 적어도 하나의 함수의 가변성을 계산하고 상기 계산된 가변성을 미리 정의된 임계치와 비교함으로써 수행되며, 상기 미리 정의된 임계치를 초과하는 것아 상기 근사 영역을 표시하는 것인, 방법.
  33. 제 32 항에 있어서, 상기 계산된 가변성을 측정 부정확도에 대한 플래그 인디케이터로서 보고하는 단계를 더 포함하는, 방법.
  34. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 32 항 또는 제 33 항의 방법을 수행하도록 구성된 것인, 컴퓨터 프로그램 제품.
  35. 제 32 항 또는 제 33 항의 방법을 수행하도록 구성된 계측 모듈.
  36. 제 33 항의 방법에 따라 상기 계산된 변동성을 포함하는 플래그 인디케이터 신호.
  37. 랜드스케이프의 공진 영역들을 결정하는 단계를 포함하는 방법에 있어서, 상기 랜드스케이프는 적어도 하나의 파라미터에 대한 적어도 하나의 계측 메트릭의 적어도 부분적으로 연속적인 의존성을 포함하고, 상기 랜드스케이프의 상기 공진 영역은 측정된 위치에서의 광학 조명의 공진에 대응하며, 상기 결정하는 단계는, 적어도 하나의 계측 메트릭의 비-분석 거동을 검출하는 단계에 의해 수행되며, 분석 함수들의 기초에 의해 동공 좌표들을 통해 상기 분석 함수들의 공간을 스패닝(spanning)하는 단계, 상기 분석 함수들의 기초의 관점에서 상기 계측 메트릭을 표현하는 단계, 및 상기 표현의 나머지를 추정하는 단계를 포함하고, 미리 결정된 임계치보다 큰 나머지는 상기 비-분석 거동을 표시하는 것인, 방법.
  38. 제 37 항에 있어서, 상기 나머지를 공진에 대한 플래그 인디케이터로서 보고하는 단계를 더 포함하는, 방법.
  39. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 37 항 또는 제 38 항의 방법을 수행하도록 구성된 것인, 컴퓨터 프로그램 제품.
  40. 제 37 항 또는 제 38 항의 방법을 수행하도록 구성된, 계측 모듈.
  41. 제 38 항의 방법에 따라 추정하는 것을 포함하는, 플래그 인디케이터 신호.
  42. 적어도 2개의 상이한 비-수직 측정 방향들을 따라서 주기적인 구조들을 갖는 복수의 타겟 셀들을 포함하는, 계측 타겟.
  43. 제 42 항에 있어서, 상기 측정 방향들의 적어도 하나는 또 다른 측정 방향에 대해 각도
    Figure pct00073
    에 있고, 상기 각도
    Figure pct00074
    는 타겟 셀 비대칭의 효과를 감소시키도록 선택되는 것인, 계측 타겟.
  44. 제 42 항에 있어서, 상기 측정 방향들은 서로 관련하여 0°및 90°와 다른 각도들에서 적어도 3개의 측정 방향들을 포함하는 것인, 계측 타겟.
  45. 제 42 항 내지 제 44 항 중 어느 한 항의 계측 타겟의 타겟 디자인 파일.
  46. 제 42 항 내지 제 44 항 중 어느 한 항의 계측 타겟의 측정 신호들.
  47. 타겟 디자인 방법에 있어서, 측정 방향을 따라서 주기적인 구조들을 갖는 타겟 셀들에, 상기 측정 방향과 관련하여 상이한 비수직 방향을 갖는 적어도 하나의 편향된(skewed) 타겟 셀을 부가하는 단계를 포함하는, 타겟 디자인 방법.
  48. 제 47 항에 있어서, 상기 적어도 하나의 편향된 타겟 셀을 상기 측정 방향에 대한 각도
    Figure pct00075
    에서의 방향을 갖도록 디자인하는 단계를 더 포함하고, 상기 각도
    Figure pct00076
    는 타겟 셀 비대칭의 효과를 감소시키도록 선택되는 것인, 타겟 디자인 방법.
  49. 컴퓨터 판독가능 프로그램을 구비하여 함께 구현되는 비-일시적 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품에 있어서, 상기 컴퓨터 판독가능 프로그램은 제 47 항 또는 제 48 항의 방법을 수행하도록 구성된 것인, 컴퓨터 프로그램 제품.
KR1020187027400A 2016-02-24 2017-02-23 광학 계측의 정확도 개선 KR20180110169A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662299535P 2016-02-24 2016-02-24
US62/299,535 2016-02-24
PCT/US2017/019077 WO2017147261A1 (en) 2016-02-24 2017-02-23 Accuracy improvements in optical metrology

Publications (1)

Publication Number Publication Date
KR20180110169A true KR20180110169A (ko) 2018-10-08

Family

ID=59685543

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187027400A KR20180110169A (ko) 2016-02-24 2017-02-23 광학 계측의 정확도 개선

Country Status (8)

Country Link
US (2) US20180047646A1 (ko)
EP (1) EP3420581B1 (ko)
JP (2) JP6979964B2 (ko)
KR (1) KR20180110169A (ko)
CN (2) CN108701625B (ko)
IL (1) IL287799B2 (ko)
TW (3) TWI780741B (ko)
WO (1) WO2017147261A1 (ko)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI780741B (zh) * 2016-02-24 2022-10-11 美商克萊譚克公司 光學計量之準確度提升
KR102370347B1 (ko) 2017-02-02 2022-03-04 에이에스엠엘 네델란즈 비.브이. 메트롤로지 방법 및 장치 및 연계된 컴퓨터 제품
JP6864122B2 (ja) * 2017-05-22 2021-04-21 ケーエルエー コーポレイション レシピ最適化及び計測のためのゾーナル分析
EP3480659A1 (en) 2017-11-01 2019-05-08 ASML Netherlands B.V. Estimation of data in metrology
US10837919B2 (en) * 2017-11-06 2020-11-17 Kla Corporation Single cell scatterometry overlay targets
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
EP3575874A1 (en) * 2018-05-29 2019-12-04 ASML Netherlands B.V. Metrology method, apparatus and computer program
US10962951B2 (en) * 2018-06-20 2021-03-30 Kla-Tencor Corporation Process and metrology control, process indicators and root cause analysis tools based on landscape information
KR102548663B1 (ko) * 2018-11-21 2023-06-27 케이엘에이 코포레이션 실험 및 반응 표면 모델의 설계를 사용한 프로세스 최적화
US11249400B2 (en) 2018-12-14 2022-02-15 Kla Corporation Per-site residuals analysis for accurate metrology measurements
US11073768B2 (en) 2019-06-26 2021-07-27 Kla Corporation Metrology target for scanning metrology
US11340060B2 (en) * 2019-07-23 2022-05-24 Kla Corporation Automatic recipe optimization for overlay metrology system
US11360397B2 (en) * 2019-09-17 2022-06-14 Kla Corporation System and method for application of harmonic detectivity as a quality indicator for imaging-based overlay measurements
CN111241067B (zh) * 2020-01-14 2022-05-03 智恒科技股份有限公司 一种水务大数据挖掘建模管理方法、装置、设备和介质
TWI828441B (zh) * 2022-11-24 2024-01-01 陽程科技股份有限公司 自動組裝機之光學模組對位方法

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006004202A1 (en) * 2004-07-05 2006-01-12 Matsushita Electric Industrial Co., Ltd. Method of generating image of component
WO2006011852A1 (en) * 2004-07-29 2006-02-02 Agency For Science, Technology And Research An inspection system
US7626701B2 (en) * 2004-12-27 2009-12-01 Asml Netherlands B.V. Lithographic apparatus with multiple alignment arrangements and alignment measuring method
US7374957B2 (en) * 2005-07-11 2008-05-20 Asml Netherlands B.V. Method of calibrating or qualifying a lithographic apparatus or part thereof, and device manufacturing method
TWI288365B (en) * 2005-12-07 2007-10-11 Metal Ind Res & Dev Ct Design and image processing method of fiducial marks for the motion control system of two plates alignment
US20070150565A1 (en) * 2005-12-22 2007-06-28 Arun Ayyagari Surveillance network system
JP4707605B2 (ja) 2006-05-16 2011-06-22 三菱電機株式会社 画像検査方法およびその方法を用いた画像検査装置
WO2007141588A1 (en) * 2006-06-02 2007-12-13 Nokia Corporation Split exit pupil expander
US7937167B1 (en) * 2006-08-12 2011-05-03 Hewlett-Packard Development Company L. P. Methodology to program sensors into collaborative sensing groups
US7710572B2 (en) * 2006-11-30 2010-05-04 Asml Netherlands B.V. Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method
US20090182529A1 (en) * 2008-01-14 2009-07-16 International Business Machines Corporation Determining signal quality of optical metrology tool
GB0804499D0 (en) * 2008-03-11 2008-04-16 Metryx Ltd Measurement apparatus and method
US8248617B2 (en) * 2008-04-22 2012-08-21 Zygo Corporation Interferometer for overlay measurements
JP2010091361A (ja) 2008-10-07 2010-04-22 Yamatake Corp 画像検査方法および画像検査装置
US8452572B2 (en) * 2008-11-17 2013-05-28 Cisco Technology, Inc. Distributed sample survey technique for data flow reduction in sensor networks
DE102010029651A1 (de) * 2010-06-02 2011-12-08 Carl Zeiss Smt Gmbh Verfahren zum Betrieb einer Projektionsbelichtungsanlage für die Mikrolithographie mit Korrektur von durch rigorose Effekte der Maske induzierten Abbildungsfehlern
US8666703B2 (en) * 2010-07-22 2014-03-04 Tokyo Electron Limited Method for automated determination of an optimally parameterized scatterometry model
US9052709B2 (en) * 2010-07-30 2015-06-09 Kla-Tencor Corporation Method and system for providing process tool correctables
US8582114B2 (en) * 2011-08-15 2013-11-12 Kla-Tencor Corporation Overlay metrology by pupil phase analysis
EP2865003A1 (en) * 2012-06-26 2015-04-29 Kla-Tencor Corporation Scanning in angle-resolved reflectometry and algorithmically eliminating diffraction from optical metrology
US9329033B2 (en) * 2012-09-05 2016-05-03 Kla-Tencor Corporation Method for estimating and correcting misregistration target inaccuracy
WO2014062972A1 (en) * 2012-10-18 2014-04-24 Kla-Tencor Corporation Symmetric target design in scatterometry overlay metrology
US10242290B2 (en) * 2012-11-09 2019-03-26 Kla-Tencor Corporation Method, system, and user interface for metrology target characterization
US9576861B2 (en) * 2012-11-20 2017-02-21 Kla-Tencor Corporation Method and system for universal target based inspection and metrology
US9909982B2 (en) * 2013-03-08 2018-03-06 Kla-Tencor Corporation Pupil plane calibration for scatterometry overlay measurement
US9857291B2 (en) * 2013-05-16 2018-01-02 Kla-Tencor Corporation Metrology system calibration refinement
US9726984B2 (en) * 2013-07-09 2017-08-08 Kla-Tencor Corporation Aperture alignment in scatterometry metrology systems
WO2015031337A1 (en) * 2013-08-27 2015-03-05 Kla-Tencor Corporation Removing process-variation-related inaccuracies from scatterometry measurements
US9442077B2 (en) * 2013-08-28 2016-09-13 Kla-Tencor Corp. Scratch filter for wafer inspection
WO2015122932A1 (en) * 2014-02-12 2015-08-20 Kla-Tencor Corporation Metrology targets with filling elements that reduce inaccuracies and maintain contrast
US10152654B2 (en) * 2014-02-20 2018-12-11 Kla-Tencor Corporation Signal response metrology for image based overlay measurements
US9734568B2 (en) * 2014-02-25 2017-08-15 Kla-Tencor Corporation Automated inline inspection and metrology using shadow-gram images
JP6378927B2 (ja) * 2014-04-25 2018-08-22 株式会社日立ハイテクノロジーズ 計測システムおよび計測方法
US10352876B2 (en) * 2014-05-09 2019-07-16 KLA—Tencor Corporation Signal response metrology for scatterometry based overlay measurements
US9606069B2 (en) * 2014-06-25 2017-03-28 Kla-Tencor Corporation Method, apparatus and system for generating multiple spatially separated inspection regions on a substrate
WO2016086056A1 (en) 2014-11-25 2016-06-02 Kla-Tencor Corporation Analyzing and utilizing landscapes
TWI780741B (zh) * 2016-02-24 2022-10-11 美商克萊譚克公司 光學計量之準確度提升

Also Published As

Publication number Publication date
WO2017147261A1 (en) 2017-08-31
IL287799B (en) 2022-10-01
EP3420581A1 (en) 2019-01-02
EP3420581A4 (en) 2020-01-15
CN116936393A (zh) 2023-10-24
CN108701625A (zh) 2018-10-23
TW202303095A (zh) 2023-01-16
IL287799B2 (en) 2023-02-01
JP6979964B2 (ja) 2021-12-15
TW202134601A (zh) 2021-09-16
US20210175132A1 (en) 2021-06-10
TWI780741B (zh) 2022-10-11
CN108701625B (zh) 2023-07-14
JP2022019770A (ja) 2022-01-27
IL287799A (en) 2022-01-01
US11862522B2 (en) 2024-01-02
TW201740483A (zh) 2017-11-16
JP2019512166A (ja) 2019-05-09
EP3420581B1 (en) 2021-12-08
JP7319342B2 (ja) 2023-08-01
US20180047646A1 (en) 2018-02-15
TWI731038B (zh) 2021-06-21

Similar Documents

Publication Publication Date Title
KR20180110169A (ko) 광학 계측의 정확도 개선
KR102269514B1 (ko) 랜드스케이프의 분석 및 활용
Waterman et al. Diffraction-geometry refinement in the DIALS framework
CN102884396B (zh) 在图案化结构中进行测量的方法和系统
US8149384B2 (en) Method and apparatus for extracting dose and focus from critical dimension data
KR20160096118A (ko) 요건에 대한 타겟 및 프로세스 감도 분석
US7787696B2 (en) Systems and methods for adaptive sampling and estimating a systematic relationship between a plurality of points
JP7539467B2 (ja) 計測ランドスケープに基づく計測最適化のためのシステムおよび方法
CN115867925B (zh) 用于控制样本参数的测量的系统和方法
KR101648615B1 (ko) 임계 치수 균일성 재구성을 위한 글로벌 랜드마크 방법
Franaszek et al. Sphere Fitting as a Check of 3D Imaging System Performance

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal