KR20220041731A

KR20220041731A - 샘플 숏 영역의 세트를 결정하는 방법, 계측값을 얻는 방법, 정보 처리장치, 리소그래피 장치, 프로그램, 및 물품 제조방법

Info

Publication number: KR20220041731A
Application number: KR1020210116043A
Authority: KR
Inventors: 신이치 에가시라
Original assignee: 캐논 가부시끼가이샤
Priority date: 2020-09-25
Filing date: 2021-09-01
Publication date: 2022-04-01
Also published as: TW202212993A; US20220100108A1; CN114253087A; JP2022054250A

Abstract

기판의 복수의 숏 영역 중, 마크의 위치를 각각 실측해야 할 샘플 숏 영역의 세트를 결정하는 방법이 제공된다. 이 방법은, 상기 샘플 숏 영역의 세트의 초기 배치를 설정하는 단계와, 상기 초기 배치에 있어서의 샘플 숏 영역 이외의 숏 영역 중, 추정 모델을 사용하여 얻어진 마크의 위치의 계측값의 추정값의 불확실성을 나타내는 값이 소정의 임계값을 초과하는 숏 영역을, 상기 샘플 숏 영역의 세트에 추가하는 단계를 포함한다.

Description

샘플 숏 영역의 세트를 결정하는 방법, 계측값을 얻는 방법, 정보 처리장치, 리소그래피 장치, 프로그램, 및 물품 제조방법{METHOD OF DETERMINING SET OF SAMPLE SHOT REGIONS, METHOD OF OBTAINING MEASUREMENT VALUE, INFORMATION PROCESSING APPARATUS, LITHOGRAPHY APPARATUS, PROGRAM, AND ARTICLE MANUFACTURING METHOD}

본 발명은, 샘플 숏 영역의 세트를 결정하는 방법, 계측값을 얻는 방법, 정보 처리장치, 리소그래피 장치, 프로그램, 및 물품 제조방법에 관한 것이다.

디바이스의 미세화 및 고집적화에 따라, 디바이스의 얼라인먼트 정밀도 향상의 요구가 높아지고 있다. 얼라인먼트 정밀도를 향상시키기 위해서는, 얼라인먼트의 어긋남(이하, 오버레이로 부른다)을 고정밀도로 검사하고 이 얼라인먼트 어긋남에 근거하여 오프셋을 제어할 필요가 있다. 이 때문에, 오버레이 검사의 고정밀도화에의 요구도 높아지고 있다.

얼라인먼트와 오버레이 검사를 고정밀도로 실시하기 위해서는, 계측 대상물(웨이퍼 또는 패널 등. 이하, 기판으로 부른다) 위의 계측점의 수를 늘릴 필요가 있다. 그렇지만, 계측점 수의 증가는, 계측/검사 시간의 증가에 이어져, 생산성이 떨어진다. 이것을 방지하기 위해, 국제공개 제2018/133999 및 미국 특허 제10545412 각각에서는 Virtual Metrology 시스템이 제안되어 있다. 이 시스템은, 장치 동작시의 각종 센서의 데이터, 디바이스 제조 프로세스에서의 동작 로그, 기판을 처리한 장치 종별 등에 근거한 통계 모델을 사용하여, 실제로 계측/검사하지 않은 점의 값을 추정한다. 이에 따라, 가상적으로 계측점 수를 증가시키는 것이 가능해진다.

Virtual Metrology 시스템에 의해 계측점 수의 삭감은 가능하다. 그러나, 현재, 계측점 수는 트라이얼 앤 에러에 의해 삭감되고 있고, 명확한 삭감수법은 확립되어 있지 않다.

본 발명은, 예를 들면, 기판의 얼라인먼트 정밀도 향상에 유리한, 기판 위의 계측 위치를 결정하는 기술을 제공한다.

본 발명은, 일면에서, 기판의 복수의 숏 영역 중, 마크의 위치를 각각 실측해야 할 샘플 숏 영역의 세트를 결정하는 방법으로서, 상기 샘플 숏 영역의 세트의 초기 배치를 설정하는 단계와, 상기 초기 배치에 있어서의 샘플 숏 영역 이외의 숏 영역 중, 추정 모델을 사용하여 얻어진 마크의 위치의 계측값의 추정값의 불확실성을 나타내는 값이 소정의 임계값을 초과하는 숏 영역을, 상기 샘플 숏 영역의 세트에 추가하는 단계를 포함하는 방법을 제공한다.

본 발명의 또 다른 특징은 (첨부도면을 참조하는) 이하의 실시형태의 설명으로부터 명백해질 것이다.

도1은 노광장치의 구성을 도시한 도면.
도2는 얼라인먼트 검출 광학계의 구성을 도시한 도면.
도3은 노광처리의 플로우차트.
도4는 기판 위의 샘플 숏 영역의 레이아웃의 예를 나타낸 도면.
도5는 각 샘플 숏 영역의 얼라인먼트 계측값을 벡터 표현으로 나타낸 도면.
도6은 각 숏 영역의 가상적인 얼라인먼트 계측값을 벡터 표현으로 나타낸 도면.
도7은 얼라인먼트 계측값을 추정하는 Virtual Metrology 시스템의 구성예를 도시한 도면.
도8은 얼라인먼트 계측값의 추정 모델의 학습시의 데이터 플로우를 도시한 도면.
도9는 각 숏 영역에 있어서의, 얼라인먼트 계측값의 추정 오차의 확률분포의 분산을 예시하는 도면.
도10은 분산에 근거하여 선택된 샘플 숏 영역의 예를 나타낸 도면.
도11은 샘플 숏 영역의 결정 처리의 플로우차트.
도12는 초기 샘플 숏 영역의 위치 및 분산의 예를 나타낸 도면.
도13은 결정 처리후의 샘플 숏 영역의 위치 및 분산의 예를 나타낸 도면.
도14는 오버레이 계측값을 추정하는 Virtual Metrology 시스템의 구성예를 도시한 도면.
도15는 오버레이 계측값의 추정 모델의 학습시의 데이터 플로우를 나타낸 도면.
도16은 샘플 숏 영역의 결정 처리의 플로우차트.

이하, 첨부도면을 참조해서 실시형태를 상세히 설명한다. 이때, 이하의 실시형태는 청구범위에 관한 발명을 한정하는 것은 아니다. 실시형태에는 복수의 특징이 기재되어 있지만, 이들 복수의 특징의 모두가 발명에 필수적인 것은 아니며, 또한, 복수의 특징은 임의로 조합되어도 된다. 더구나, 첨부도면에 있어서는, 동일 혹은 유사한 구성에 동일한 참조번호를 붙이고, 중복한 설명은 생략한다.

본 발명은, 기판의 얼라인먼트 정밀도 향상에 유리한, 기판 위의 계측점의 위치를 결정하는 기술을 제공하는 것이며, 이하에서는 그러한 기술이 적용된 리소그래피 장치에 대해 설명한다. 이하에서는 1개의 구체예로서, 본 발명이 리소그래피 장치의 일례인 노광장치에 적용된 예를 설명한다. 단, 리소그래피 장치는 노광장치에 한정되지 않고, 다른 리소그래피 장치이어도 된다. 예를 들면, 리소그래피 장치는, 하전입자선을 사용하여 기판(의 위의 감광제)에 묘화를 행하는 묘화장치이어도 된다. 이와 달리, 리소그래피 장치는, 기판 위의 임프린트 재를 몰드를 사용하여 성형해서 기판에 패턴을 형성하는 임프린트 장치이어도 된다.

<제1실시형태>

도1은, 실시형태에 따른 노광장치(1)의 구성을 도시한 도면이다. 노광장치(1)는, 투영 광학계(3)와, 기판 척(5)과, 기판 스테이지(6)와, 얼라인먼트 검출 광학계(7)를 갖는다. 레티클로도 불리는 원판(2)에는, 기판(4)에 전사되어야 할 패턴(예를 들면, 회로 패턴)이 묘화되어 있고, 원판(2)은 원판 스테이지(미도시)에 의해 지지되어 있다. 투영 광학계(3)는, 패턴(예를 들면, 회로 패턴)이 묘화된 원판(2)을 기판(4)에 투영한다. 기판 척(5)은, 전공정에서 하지 패턴 및 얼라인먼트 마크가 형성된 기판(4)을 유지한다.

기판(4)에는, 도4에 나타낸 것과 같이, 각각 원판(2)의 패턴의 전사 영역인 복수의 숏 영역 41이 격자 패턴으로 배열되어 있다. 각 숏 영역에는, 전공정에서 전사(형성)된 하지 패턴 및 얼라인먼트 마크가 형성된다. 일반적으로, 각 숏 영역에는 동일한 패턴이 형성된다. 복수의 숏 영역 41 중 소정의 숏 영역 43에는, 러프한 얼라인먼트인 프리얼라인먼트에서 사용되는 프리얼라인먼트 마크(11)가 형성되어 있다. 또한, 복수의 숏 영역 41 중 샘플 숏 영역(42)으로서 미리 정해진 영역에는, 파인 얼라인먼트에서 사용되는 파인 얼라인먼트 마크(12)가 형성되어 있다.

기판 스테이지(6)는, 기판(4)을 소정의 위치에 위치결정한다. 얼라인먼트 검출 광학계(7)는, 기판(4) 위의 얼라인먼트 마크를 촬상해서 마크의 화상을 얻는 촬상부를 포함할 수 있다. 제어부 C는, 노광처리를 위해 각 부를 총괄적으로 제어한다. 제어부 C는, CPU 및 메모리를 포함하는 정보 처리장치(컴퓨터)에 의해 실현될 수 있다. 이러한 컴퓨터는, 각종 정보를 표시하는 표시부를 갖고 있어도 된다. 실시형태에 있어서, 제어부 C는, 얼라인먼트 검출 광학계(7)에 의해 얻어진 화상을 처리해서 마크의 위치를 구하는 처리를 행하는 처리부로서 기능할 수 있다.

일례에 있어서, 제어부 C는, 얼라인먼트 검출 광학계(7)를 사용해서 원판(2)과 기판(4) 사이의 상대적인 위치를 검출하고, 그 검출 결과에 근거하여 기판 스테이지(6)를 제어함으로써 얼라인먼트가 행해진다. 그후, 제어부 C는 조명 광학계(미도시)에게 노광 광을 출사하게 하고, 투영 광학계(3)는 노광 광을 사용하여 원판(2)에 묘화된 패턴을 기판(4)에 투영한다.

도2에는, 얼라인먼트 검출 광학계(7)의 구성이 도시되어 있다. 광원(8)으로부터의 조명광은, 빔 스플리터(9)에서 반사하여, 렌즈 10을 통과하여, 기판(4) 위의 얼라인먼트 마크 11을 조명한다. 얼라인먼트 마크 11로부터의 회절광은, 렌즈 10, 빔 스플리터(9) 및 렌즈 13을 통해, 센서(14) 위에 얼라인먼트 마크 11의 상을 형성한다. 센서(14)는, 형성된 상을 화상신호로 광전변환하고, 그 화상신호를 제어부 C에 전송한다. 제어부 C는, 수신한 화상신호에 대해 위치 검출 처리를 행해서 얼라인먼트 마크의 위치를 계측한다. 제어부 C는, 이러한 마크 위치 계측을, 후술하는 기판(4)에 있어서의 복수의 샘플 숏 영역 위의 계측점에 대해 행하여, Virtual Metrology 기술을 사용하여 샘플 숏 영역 이외의 숏 영역에 있어서의 마크의 위치의 가상적인 계측값을 얻는다. 제어부 C는, 이렇게 해서 얻어진 각 숏 영역의 계측값에 근거하여, 기판 스테이지(6)의 위치를 원판(2)과 정렬한다.

이하, 도3의 플로우차트를 참조하여, 노광장치(1)가 기판을 얼라인먼트하고 기판을 노광할 때까지의 일련의 단계를 설명한다. 스텝 S301에서, 기판(4)이 노광장치(1)에 반입되고, 기판(4)은 기판 척(5)에 의해 유지된다.

스텝 S302에서는, 프리얼라인먼트 계측이 행해진다. 프리얼라인먼트 계측에서는, 얼라인먼트 검출 광학계(7)에 의해 기판 위의 프리얼라인먼트 마크(11)의 위치가 검출된다. 얼라인먼트 검출 광학계(7)에 의한 프리얼라인먼트 마크(11)의 검출은, 프리얼라인먼트 마크(11)가 각각 형성된 복수의 프리얼라인먼트용의 숏 영역에 대해 행해진다. 제어부 C는, 그들 검출 결과에 근거하여, 기판 전체의 시프트와 1차 선형 성분(배율 및 회전)을 산출한다.

다음에, 스텝 S303에서, 제어부 C는, 파인 얼라인먼트를 위해 최적화된 샘플 숏 영역의 배치를 설정한다. 샘플 숏 영역은, 기판의 복수의 숏 영역 중, 마크의 위치를 실측해야 하는 숏 영역이다. 샘플 숏 영역의 세트를 결정하는 방법에 대해서는 후술한다.

그후, 스텝 S304에서, 파인 얼라인먼트 계측이 행해진다. 파인 얼라인먼트 계측에 있어서, 제어부 C는, 프리얼라인먼트 계측 결과에 근거하여, 파인 얼라인먼트 마크(12)를 얼라인먼트 검출 광학계(7)가 관찰가능한 위치로 기판 스테이지(6)를 구동한다. 그후, 제어부 C는, 얼라인먼트 검출 광학계(7)를 사용하여, 샘플 숏 영역의 파인 얼라인먼트 마크(12)의 위치를 계측한다.

스텝 S305에서, 제어부 C는, 마크의 위치의 계측값(이하 "얼라인먼트 계측값"이라고 한다)의 추정 모델을 사용하여, 샘플 숏 영역 이외의 숏 영역의 얼라인먼트 계측값을 추정한다. 즉, 샘플 숏 영역 이외의 숏 영역에 대해서는 실측을 행할 필요가 없다. 샘플 숏 영역의 실측과, 샘플 숏 영역 이외의 숏 영역의 얼라인먼트 계측값의 추정으로부터, 기판 위의 모든 숏 영역의 정밀한 얼라인먼트 계측값을 얻을 수 있다.

스텝 S306에서, 제어부 C는, 숏 영역마다, 스텝 S304 및 스텝 S305에서 얻어진 파인 얼라인먼트 계측 결과에 근거하여 기판 스테이지(6)를 구동하고, 원판(2)의 패턴을 투영 광학계(3)를 거쳐 기판 위에 투영하여, 기판을 노광한다. 그후, 스텝 S307에서, 노광된 기판이 반출된다.

제어부 C는, 기판(4)에 왜곡이 발생한 경우에, 고차의 변형 성분을 보정하는 기능을 갖는다. 그 기능에 대해 설명한다. 여기에서는, 3차 다항식의 모델 예를 나타내지만, 보정 모델은 본 실시형태에서 나타낸 것에 한정하지 않는다. 임의의 차수 모델을 사용하거나, 다항식 모델 이외의 다른 모델을 사용해도 된다.

기판 변형을 3차 다항식 모델로 표시하는 경우, 각 숏 영역의 보정값 (ShiftX 및 ShiftY)은, 다음의 식 (1)에 의해 표시된다.

ShiftX = k₁+k₃x+k₅y

+ k₇x²+k₉xy

+ k₁₁y²+k₁₃x³

+ k₁₅x²y+k₁₇xy²

+ k₁₉y³

ShiftY = k₂+k₄y+k₆x

+ k₈y²+k₁₀xy

+ k₁₂x²+k₁₄y³

+ k₁₆xy²+k₁₈x²y

+ k₂₀x³ …(1)

이때, x 및 y는, 기판면 내의 숏 영역의 위치를 나타낸다. 제어부 C는, 실제의 각 숏 영역의 얼라인먼트 계측값으로부터 회귀 계수 k1∼k20을 구하여 보정값을 산출한다.

예를 들면, 실제의 계측 데이터를 취득하기 위해, 기판 위의 일부의 숏 영역에 대해 얼라인먼트 계측이 실시될 수 있다. 이때에 사용되는 숏 영역을 샘플 숏 영역이라고 한다. 도4에 도시된 예에는, 14개의 샘플 숏 영역을 포함하는 샘플 숏 영역의 세트가 설정되어 있다. 고차의 기판 변형 성분을 보정하기 위해서는, 보다 많은 샘플 숏 영역의 수가 필요하게 된다. 그러나, 샘플 숏 영역의 수의 증가와 얼라인먼트 계측 시간 사이에는 트레이드 오프가 존재하기 때문에, 디바이스의 생산성도 고려해서 샘플 숏 영역의 수가 결정된다.

다음에, Virtual Metrology 시스템에 대해 설명한다. 이때, 여기에서 나타내는 모델 구조는 일례에 지나지 않으며, 본 발명은 이 모델에 한정되는 것은 아니다.

여기에서는, 샘플 숏 영역의 세트가 도4에 나타낸 것과 같이 정해져 있는 것으로 가정한다. 얼라인먼트 계측의 실측은 샘플 숏 영역에서만 실시된다. 도5에서는, 각 샘플 숏 영역에서 얻어진 얼라인먼트 계측값 dx 및 dy를 벡터 표현으로 나타낸 것이다. 각각의 벡터는, 각 샘플 숏 영역에서의 얼라인먼트 계측값에 대응하고 있다. 제어부 C는, 실측이 행해지지 않은 숏 영역(즉, 샘플 숏 영역 이외의 숏 영역)의 얼라인먼트 계측값을 각종 데이터를 사용해서 추정하여, 도6에 나타낸 것과 같은 가상적인 얼라인먼트 계측값을 얻는다. 이것이 Virtual Metrology 시스템의 개요이다.

이하, 이 시스템의 추정 기능에 대해 설명한다. 도7에, Virtual Metrology 시스템의 구성예를 나타낸다. 이 시스템에 있어서, 이하의 데이터가 얼라인먼트 계측값의 추정 모델(200)에 대한 입력 데이터로서의 역할을 한다:

· 전공정의 오버레이 계측값(101)(상하 레이어 사이의 오버레이 계측값),

· 디바이스 제조 프로세스 파라미터(102),

· 노광장치 센서 데이터(103),

· 실측에 의해 얻어진 샘플 숏 영역의 얼라인먼트 계측값인 샘플링 얼라인먼트 계측값(104).

디바이스 제조 프로세스 파라미터(102)는, 예를 들면, 기판을 처리한 디바이스 제조 장치의 ID, 디바이스 제조시에 발생한 기판의 휘어짐량, 및 기판에 레지스트제를 도포했을 때의 장치 파라미터 등의, 디바이스 제조에 관한 파라미터를 포함할 수 있다. 노광장치 센서 데이터(103)는, 예를 들면, 기판 스테이지가 기판을 흡인 고정할 때의 압력값, 기판 온도 조절시의 기판 온도, 노광장치 내에서 발생한 노광 열부하의 이력, 얼라인먼트 계측시의 마크 화상 데이터 등을 포함할 수 있다. 샘플링 얼라인먼트 계측값(104)은, 도5에 도시된 샘플 숏 영역에서의 얼라인먼트 계측값에 해당한다.

이들 입력 데이터에 근거하여, 얼라인먼트 계측값의 추정 모델(200)이, 샘플 숏 영역 이외의 숏 영역의 얼라인먼트 계측값을 추정하고, 각 숏 영역의 얼라인먼트 계측값의 추정값(300)을 출력한다. 추정값(300)의 벡터 표현을 도6에 나타낸다. 추정 모델(200)은, 사전에 기계학습 등에 의해 입출력의 관계성이 학습된 모델이다.

도8에, 추정 모델(200)의 학습시의 데이터 플로우를 나타낸다. 학습시에는, 실제로 얼라인먼트 계측을 행한 숏 영역의 얼라인먼트 계측값인 실측값(400)을 교사 데이터로서 사용하여, 추정 모델 내부의 파라미터를 학습시킨다. 교사 데이터인 실측값(400)의 형식은 추정값(300)과 유사하며, 즉, 도6에 나타낸 것과 같은 계측값의 형식이다.

전술한 것과 같이 학습된 추정 모델(200)을 사용하여, 얼라인먼트 계측을 하지 않은 숏 영역(샘플 숏 영역 이외의 숏 영역)의 얼라인먼트 계측값이 추정된다. 이에 따라, 고차의 기판 변형 성분의 보정이 실현되어, 고정밀도의 얼라인먼트를 행하는 것이 가능해진다.

다음에, 실시형태에 따른 샘플 숏 영역의 결정방법에 대해 설명한다. 제어부 C는, 추정 모델(200)의 학습에 사용된 복수의 기판 데이터로부터, 각 숏 영역의 추정값(300)의 추정 오차를 산출한다. 추정 오차는, 실측값과 추정값 사이의 차분이다. 다음에, 제어부 C는, 각 숏 영역에 있어서의 추정 오차의 데이터간 분포(추정 오차 분포)를 산출한다. 이 분포는, 추정 오차의 발생 확률의 분포를 나타내고 있고, 이 숏 영역에 있어서의 추정값의 불확실성을 표현하고 있다. 예를 들면, 추정 오차 분포의 분산을 사용하면, 분산은 도9에 나타낸 것과 같이 표현될 수 있다. 타원의 횡방향의 직경은 x방향의 얼라인먼트 어긋남 량 dx의 추정 오차 분포의 분산을 나타내고, 타원의 종방향의 직경은, y방향의 얼라인먼트 어긋남 량 dy의 추정 오차 분포의 분산을 나타내고 있다. 이 예에서는, 기판의 외주에 가까울수록 추정 오차 분포의 분산이 큰 경향이 있고 추정값의 불확실성이 높은 것을 알 수 있다. 추정 모델의 추정 정밀도를 높이기 위해서는, 추정 오차 분포의 분산(추정값의 불확실성)이 큰 숏 영역을 얼라인먼트 계측을 실제로 행하는 샘플 숏 영역으로서 선택하는 것이 유리하다. 따라서, 본 실시형태에서는, 추정 오차 분포의 분산이 소정의 임계값을 초과하는 숏 영역이 샘플 숏 영역으로서 선택된다.

도10에, 추정 오차 분포의 분산이 소정의 임계값을 초과하기 때문에 선택된 샘플 숏 영역의 예를 나타낸다. 여기에서, 추정 오차 분포의 분산(추정값의 불확실성)이 큰 숏 영역이 서로 인접하고 있는 경우, 모든 숏 영역이 샘플 숏 영역으로서 선택된다. 이하의 설명에서는, 전술한 것과 같은 경우에 보다 적은 수의 샘플 숏 영역의 선택으로 기대하는 효과를 실현하는 방법에 대해 설명한다.

여기에서는, 일례로서, 추정 모델이 다항식 회귀 모델인 예를 나타낸다. 이 다항식 회귀 모델은, 교사 데이터로부터 추정 모델을 학습할 때에, 다항식의 회귀 계수를 학습한다. 예를 들면, 3차 다항식에 대해, 다항식 회귀 모델은, 상기한 식 (1)의 각 회귀 계수 k₁ 내지 k₂₀을 학습한다. 단, 회귀 계수 k₁ 내지 k₆은 1차 선형 성분이며, 샘플 숏 영역의 실제 얼라인먼트 계측시에 실제 계측값을 사용하여 보정가능하다. 그 때문에, 실제로는, 다항식 회귀 모델은 나머지 회귀 계수 k₇ 내지 k₂₀을학습한다. 이때, 제어부 C는, 각 교사 데이터에 있어서의 회귀 계수로부터 회귀 계수의 분포를 계산한다. 그리고, 제어부 C는, 이 회귀 계수의 분포에 근거하여, 기판 위의 각 숏 영역에 있어서의 얼라인먼트 계측값의 추정값의 분포를 산출한다. 이에 따라, 다항식 회귀 모델의 출력값으로서 역할을 하는 얼라인먼트 계측값의 추정값의 분포가 구해진다. 제어부 C는 이것을 사용하여 샘플 숏 영역을 변경한다. 이하, 도11의 플로우차트를 참조하여, 샘플 숏 영역의 결정 처리를 설명한다.

스텝 S200에서, 제어부 C는, 최소의 샘플 숏 영역의 수를 결정한다. 예를 들면, 3차 다항식의 경우, 2차 이후의 계수는, x와 y 각각에 대해 7개 있다. 구체적으로는, x에 대한 2차 이후의 계수는, k₇, k₉, k₁₁, k₁₃, k₁₅, k₁₇, k₁₉이다. y에 대한 2차 이후의 계수는, k₈, k₁₀, k₁₂, k₁₄, k₁₆, k₁₈, k₂₀이다. 그 때문에, 이 경우, 최소의 샘플 숏 영역의 수는 7개로 설정된다.

스텝 S201에서, 제어부 C는, 샘플 숏 영역의 세트의 초기 배치를 설정한다. 현재 사용된 샘플 숏 영역의 위치를 그대로 사용하거나, 치우친 배치가 되지 않으면, 교사 데이터로부터 산출되는 얼라인먼트 계측값의 추정값의 분산이 가장 큰 숏 영역으로부터 순서대로 숏 영역을 선택해도 된다. 도12에, 7개의 샘플 숏 영역을 선택한 경우에, 얼라인먼트 계측값의 추정값의 분산의 예를 나타낸다.

스텝 S202에서, 제어부 C는, 초기 배치에 있어서의 샘플 숏 영역 이외의 숏 영역 중, 추정 모델을 사용하여 얻어진 얼라인먼트 계측값의 추정값의 분산이 소정의 임계값을 초과하는 샘플 영역이 존재하는지를 확인한다. 분산이 임계값을 초과하는 숏 영역이 존재하지 않는 경우에는, 이 결정 처리를 종료한다. 분산이 임계값을 초과하는 숏 영역이 존재하는 경우에는, 분산이 임계값을 초과하는 숏 영역이 샘플 숏 영역의 세트에 추가된다. 본 실시형태에서는, 스텝 S203 이후에 후술하는 처리가 행해진다.

스텝 S203에서, 분산이 소정의 임계값을 초과하는 숏 영역으로서 추출된 숏 영역 중에서, 분산이 가장 큰 숏 영역을 샘플 숏 영역의 세트에 추가한다. 다음에, 스텝 S204에서, 제어부 C는, 학습시에 얻어진 회귀 계수의 확률분포를 사전 분포 정보로서 취득한다. 스텝 S205에서, 제어부 C는, 현재 선택된 샘플 숏 영역의 계측값이 얼라인먼트 계측값의 추정값의 최대 우도값이라고 가정하면서, 회귀 계수의 확률분포의 사후 분포를 산출한다(제1 산출단계). 사후 분포의 산출에는, 예를 들면, 베이즈 추론이 사용될 수 있다. 베이즈 추론의 상세한 설명은 생략한다. 사전 분포에 추가의 관측 데이터가 얻어지는 경우의 사후 분포를 산출하기 위해서는, 이하의 식 (2)이 사용될 수 있다:

p(θ｜D)=p(D｜θ)p(θ)/p(D) …(2)

이때, θ은 모델 파라미터, D는 관측 데이터, p(θ｜D)는 추가의 관측 데이터 D가 얻어지는 경우의 모델 파라미터 θ의 사후 분포, p(D｜θ)는 모델 파라미터 θ로부터 관측 데이터 D가 발생할 확률을 나타내는 우도 함수, p(θ)는 모델 파라미터 θ의 사전 분포, p(D)는 관측 데이터 D의 주변 우도이다.

이때, 주변 우도 p(D)가 해석적으로 계산가능하지 않은 경우, 사후 분포 p(θ｜D)의 계산에는, 예를 들면, 샘플링 수법인 MCMC(Markov chain Monte Carlo)법을 사용할 수 있다. 이와 달리, 근사 확률 분포를 사용해서 해석적으로 계산하는 변분 추론 등의 근사 추론을 사용하여 사후 분포 p(θ｜D)를 계산할 수도 있다.

스텝 S206에서, 제어부 C는, 최후에 산출한 회귀 계수의 사후 분포로부터, 각 숏 영역의 얼라인먼트 계측값의 추정값(이하 "얼라인먼트 추정값"이라고도 한다)의 분산을 산출한다(제2 산출단계). 도13에 이 때의 분산의 예를 나타낸다. 도13에서는, 도12의 초기 배치에 대하여 샘플 숏 영역 A가 추가되어 있다. 이에 따라, 샘플 숏 영역 A 근방의 분산(불확실성)을 낮게 할 수 있다.

그후, 처리는 스텝 S202에 되돌아간다. 스텝 S202에서, 제어부 C는 다시 현시점에서 선택된 샘플 숏 영역 이외에 얼라인먼트 계측값의 추정값의 분산이 소정의 임계값을 초과하는 숏 영역이 존재하는지를 확인한다. 이에 따라, 분산이 소정의 임계값을 초과하는 숏 영역이 없어질 때까지, 스텝 S202 내지 S206이 반복된다. 스텝 S202에서 분산이 소정의 임계값을 초과하는 숏 영역이 존재하지 않는 것이 확인되면, 처리는 종료한다. 이에 따라, 기대하는 정밀도의 추정이 가능한 모델이 얻어질 수 있다.

이때, 모델이 샘플링 얼라인먼트 계측값(104) 이외에 입력 데이터(오버레이 계측값(101), 디바이스 제조 프로세스 파라미터(102), 또는 노광장치 센서 데이터(103))를 포함하는 경우에는, 각 데이터를 학습시 데이터의 최대 우도값으로서 취급해도 된다. 이와 달리, 실제의 추정 처리시에 입력 데이터가 얻어지는 타이밍에서, 실제 데이터를 사용해도 된다.

이때, 전술한 설명에서는, 샘플 숏 영역에 있어서의 얼라인먼트 마크가 샘플 숏 영역의 1점에 배치된 것으로서 설명했지만, 본 발명은 이것에 한정되지 않는다. 샘플 숏 영역 내에 복수점의 얼라인먼트 마크가 포함되고, 복수점의 얼라인먼트 마크들을 계측함으로써 샘플 숏 영역의 형상도 표현하는 모델이 사용되어도 된다. 또한, 샘플 숏 영역에 관련되는 계측값을 기판의 표면에 평행한 방향인 x 및 y 방향 각각의 마크의 위치(어긋남 량)를 나타내는 얼라인먼트 계측값으로서 설명했지만, 본 발명은 이것에 한정되지 않는다. x 및 y 방향의 어긋남 량을, 예를 들어, 기판의 표면에 수직한 방향인 z 방향의 어긋남 량을 나타내는 각 숏 영역의 포커스 계측값으로 치환해도 된다.

추정 모델은, 예를 들면, 뉴럴 네트워크에 의해 구성되어도 된다. 여기에서, 뉴럴 네트워크는, 입력층, 중간층, 출력층 등을 포함하는 다층의 네트워크 구조를 갖는 모델이다. 추정 모델의 학습시에 있어서, 입력 데이터와 교사 데이터의 관계를 나타내는 학습 데이터를 사용하여, 오차 역전파법 등의 알고리즘으로 뉴럴 네트워크 내부의 결합 가중 계수 등이 최적화된다. 오차 역전파법은, 출력 데이터와 교사 데이터 사이의 오차가 작아지도록, 각 뉴럴 네트워크의 노드들 사이의 결합 가중 계수 등을 조정하는 수법이다.

또한, 전술한 방법에 의해 결정된 샘플 숏 영역의 세트의 정보를, 예를 들면, 표시부에 정보를 표시함으로써, 유저에게 통지하여도 된다.

<제2실시형태>

제2실시형태에서는, 기판의 상부 레이어의 중첩 마크와 하부 레이어의 중첩 마크 사이의 상대 위치인 오버레이 계측값을 추정하는 Virtual Metrology 시스템에 대해 이하에서 설명한다.

도14에, 제2실시형태에 따른 오버레이 계측값을 추정하는 Virtual Metrology 시스템의 구성예를 나타낸다. 이 시스템에 있어서, 이하의 데이터가, 오버레이 계측값의 추정 모델(210)에의 입력 데이터가 된다:

· 얼라인먼트 추정값(111),

· 디바이스 제조 프로세스 파라미터(112),

· 노광장치 센서 데이터(113),

· 오버레이 검사 파라미터(114).

얼라인먼트 추정값(111)은, 제1실시형태에 따른 추정 모델(200)의 출력 데이터인 추정값(300)일 수 있다. 이와 달리, 얼라인먼트 추정값(111)에 대해, 추정값(300)의 기초가 되는, 제1실시형태에 따른 추정 모델(200)의 입력 데이터를, 그대로 추정 모델(210)의 입력으로서 사용해도 된다. 디바이스 제조 프로세스 파라미터(112)는, 예를 들면, 노광장치에서 노광된 기판을 처리하는 현상장치의 ID, 계측 파라미터, 사용할 원판의 패턴 정보 등을 포함할 수 있다. 노광장치 센서 데이터(113)는, 예를 들면, 기판 스테이지 및 원판 스테이지의 제어 편차, 장치내 온도 조절시의 장치내 온도, 장치내의 가속도계의 계측값 등을 포함할 수 있다. 오버레이 검사 파라미터(114)는, 예를 들면, 오버레이 검사장치의 계측 신호, 장치 로그 등을 포함할 수 있다.

전술한 것과 같은 입력 데이터에 근거하여, 오버레이 계측값의 추정 모델(210)은, 각 숏 영역의 오버레이 계측값을 추정하여, 각 숏 영역의 오버레이 계측값의 추정값(310)을 출력한다. 추정 모델(210)은, 사전에 기계학습 등에 의해 입출력의 관계성이 학습된 모델이다.

도15에, 추정 모델(210)의 학습시의 데이터 플로우를 나타낸다. 제2실시형태에서는, 오버레이 계측이 실시되는 숏 영역을 샘플 숏 영역으로 부른다. 학습시에는, 실제로 오버레이 계측이 행해진 숏 영역의 오버레이 계측값인 실측값(410)을 교사 데이터로서 사용하여, 추정 모델 내부의 파라미터를 학습시킨다.

전술한 것과 같이 학습된 추정 모델(210)을 사용하여, 오버레이 계측을 행하지 않은 숏 영역(샘플 숏 영역 이외의 숏 영역)의 오버레이 계측값이 추정된다. 이에 따라, 오버레이 검사의 빈도를 줄일 수 있어, 생산성이 향상된다.

이때, 샘플 숏 영역의 결정방법은, 제1실시형태에 있어서의 얼라인먼트 계측값을 오버레이 계측값으로 치환하는 것만으로 이 방법이 구현되기 때문에, 상세한 설명은 생략한다. 본 실시형태에 있어서도, 제1실시형태와 유사한 절차에 의해, 샘플 숏 영역의 최적화가 가능해진다.

<제3실시형태>

제3실시형태에서, 노광장치(1)는, 추정 모델의 표현력이 낮은 경우에 유저에게 통지하는 기능을 갖는다. 이 기능은, 제1실시형태에 따른 얼라인먼트 계측값의 추정 모델과, 제2실시형태에 따른 오버레이 계측값의 추정 모델의 어느쪽에도 적용가능하다. 이하에서는 일례로서, 제1실시형태에 따른 얼라인먼트 계측값의 추정 모델을 예로 들어 설명한다.

도16의 플로우차트를 참조하여, 본 실시형태에 따른 샘플 숏 영역의 결정방법을 설명한다. 도11의 플로우차트와 동일한 처리 스텝에는 동일한 참조부호를 붙이고, 그것들의 설명은 생략한다. 도16의 플로우차트에서는, 스텝 S202와 스텝 S203 사이에 스텝 S207이 추가되어 있다. 스텝 S207에서는, 제어부 C는, 숏 영역마다, 실측에 의해 얻어진 계측값에 대한 추정값의 오차인 추정 오차의 평균값을 산출하고, 그 평균값이 소정값을 초과하는 숏 영역이 있는지 아닌지를 판정한다. 추정 오차의 평균값이 소정값을 초과하는 숏 영역이 있는 경우에, 이것은, 기판면 내의 얼라인먼트 계측값의 추정에 있어서, 현재 사용된 추정 모델에 의해 표현할 수 없는 오차가 발생한 것을 의미한다. 따라서, 모델의 표현력이 부족한 것으로 판단된다. 이 경우, 스텝 S208에서, 제어부 C는 모델의 표현력이 부족한 것을 유저에게 통지한다. 통지는, 예를 들면, 모델의 표현력이 부족하다는 것을 나타내는 메시지를 표시부에 표시하는 것에 의해 행해진다. 음성 등에 의해 통지가 행해져도 된다. 이에 따라, 유저는, 추정 모델의 수정이 필요한 타이밍을 파악할 수 있다.

<제4실시형태>

제4실시형태에서, 노광장치는 계측값의 이상 검지 기능을 갖는다. 얼라인먼트 계측값의 추정 모델의 분포로부터 각 숏 영역에서의 얼라인먼트 계측값이 통상 취할 수 있는 범위를 경험적으로 알 수 있다. 따라서, 제어부 C는, 각 샘플 숏 영역에서 얼라인먼트 계측을 실시했을 때(스텝 S304)에 얻어진 계측값이, 추정 모델로부터 산출되는 얼라인먼트 계측값의 추정값의 분포의 분산에 근거하여 설정된 소정의 범위 내에 속하는지 아닌지를 판정한다. 제어부 C는, 계측값이 그 범위를 벗어나는 경우, 그 계측값이 계측 이상값이라고 판정한다.

계측 이상값이 검출된 경우, 제어부 C는 이것을 유저에게 통지할 수 있다. 통지는, 예를 들면, 계측 이상값이 검출되었다는 것을 나타내는 메시지를 표시부에 표시하는 것에 의해 행해진다. 음성 등에 의해 통지가 행해져도 된다. 이에 따라, 유저는 추정 모델의 수정이 필요한 타이밍을 파악할 수 있다.

<제5실시형태>

제5실시형태에서는, 제1실시형태에 따른 얼라인먼트 계측값의 추정 모델, 또는 제2실시형태에 따른 오버레이 계측값의 추정 모델을 사용하여 얻어지는, 기판면 내에 있어서의 각 숏 영역의 위치에서의 회귀 계수의 확률분포가 맵으로서 GUI 위에 표시된다. 이것을 표시할 때의 표현은, 예를 들면, 도9에 나타낸 것과 같은 표현일 수 있다. 유저는, 불확실성이 높은 숏 영역에 주목한 공정 개선 액션을 실시하는 타이밍을 파악할 수 있다.

<물품 제조방법의 실시형태>

본 발명의 실시형태에 있어서의 물품 제조방법은, 예를 들면, 반도체 디바이스 등의 마이크로 디바이스나 미세 구조를 갖는 소자 등의 물품을 제조하는데 적합하다. 본 실시형태의 물품 제조방법은, 상기한 리소그래피 장치(노광장치나 임프린트 장치, 묘화장치 등)를 사용해서 기판에 원판의 패턴을 전사하는 공정과, 이러한 공정에서 패턴이 전사된 기판을 가공하는 단계를 포함한다. 또한, 이러한 제조방법은, 다른 주지의 공정(산화, 성막, 증착, 도핑, 평탄화, 에칭, 레지스트 박리, 다이싱, 본딩, 패키징 등)을 포함한다. 본 실시형태의 물품 제조방법은, 종래의 방법에 비해, 물품의 성능·품질·생산성·생산 코스트의 적어도 1개에 있어서 유리하다.

기타 실시형태

본 발명의 실시형태는, 본 발명의 전술한 실시형태(들)의 1개 이상의 기능을 수행하기 위해 기억매체('비일시적인 컴퓨터 판독가능한 기억매체'로서 더 상세히 언급해도 된다)에 기록된 컴퓨터 실행가능한 명령(예를 들어, 1개 이상의 프로그램)을 판독하여 실행하거나 및/또는 전술한 실시예(들)의 1개 이상의 기능을 수행하는 1개 이상의 회로(예를 들어, 주문형 반도체 회로(ASIC)를 포함하는 시스템 또는 장치의 컴퓨터나, 예를 들면, 전술한 실시형태(들)의 1개 이상의 기능을 수행하기 위해 기억매체로부터 컴퓨터 실행가능한 명령을 판독하여 실행함으로써, 시스템 또는 장치의 컴퓨터에 의해 수행되는 방법에 의해 구현될 수도 있다. 컴퓨터는, 1개 이상의 중앙처리장치(CPU), 마이크로 처리장치(MPU) 또는 기타 회로를 구비하고, 별개의 컴퓨터들의 네트워크 또는 별개의 컴퓨터 프로세서들을 구비해도 된다. 컴퓨터 실행가능한 명령은, 예를 들어, 기억매체의 네트워크로부터 컴퓨터로 주어져도 된다. 기록매체는, 예를 들면, 1개 이상의 하드디스크, 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 분산 컴퓨팅 시스템의 스토리지, 광 디스크(콤팩트 디스크(CD), 디지털 다기능 디스크(DVD), 또는 블루레이 디스크(BD)^TM 등), 플래시 메모리소자, 메모리 카드 등을 구비해도 된다.

본 발명은, 상기한 실시형태의 1개 이상의 기능을 실현하는 프로그램을, 네트워크 또는 기억매체를 개입하여 시스템 혹은 장치에 공급하고, 그 시스템 혹은 장치의 컴퓨터에 있어서 1개 이상의 프로세서가 프로그램을 읽어 실행하는 처리에서도 실행가능하다. 또한, 1개 이상의 기능을 실현하는 회로(예를 들어, ASIC)에 의해서도 실행가능하다.

예시적인 실시형태들을 참조하여 본 발명을 설명하였지만, 본 발명이 이러한 실시형태에 한정되지 않는다는 것은 자명하다. 이하의 청구범위의 보호범위는 가장 넓게 해석되어 모든 변형, 동등물 구조 및 기능을 포괄하여야 한다.

Claims

기판의 복수의 숏 영역 중, 마크의 위치를 각각 실측해야 할 샘플 숏 영역의 세트를 결정하는 방법으로서,
상기 샘플 숏 영역의 세트의 초기 배치를 설정하는 단계와,
상기 초기 배치에 있어서의 샘플 숏 영역 이외의 숏 영역 중, 추정 모델을 사용하여 얻어진 마크의 위치의 계측값의 추정값의 불확실성을 나타내는 값이 소정의 임계값을 초과하는 숏 영역을, 상기 샘플 숏 영역의 세트에 추가하는 단계를 포함하는 방법.
제 1항에 있어서,
상기 추정 모델은, 상부 레이어 및 하부 레이어 사이의 오버레이 계측값, 디바이스 제조 프로세스 파라미터, 리소그래피 단계에서 사용된 센서의 파라미터, 및 상기 샘플 숏 영역에 있어서의 마크의 위치의 실측에 의해 얻어진 계측값을 포함하는 입력 데이터를 수신하고, 상기 샘플 숏 영역 이외의 숏 영역의 마크의 위치의 계측값의 추정값을 출력하는 방법.
제 2항에 있어서,
상기 추정 모델은, 상기 샘플 숏 영역의 마크의 위치의 실측에 의해 얻어진 계측값을 교사 데이터로서 사용하여 입출력의 관계성이 학습된 모델인 방법.
제 3항에 있어서,
상기 추정 모델은 상기 교사 데이터로부터 다항식의 회귀 계수를 학습하는 다항식 회귀 모델인 방법.
제 4항에 있어서,
상기 추가단계에서는, 상기 불확실성을 나타내는 값이 상기 임계값을 각각 초과하는 숏 영역을 추출하고, 이 추출된 숏 영역 중, 상기 불확실성을 나타내는 값이 가장 큰 숏 영역을 상기 샘플 숏 영역의 세트에 추가하는 방법.
제 5항에 있어서,
상기 추가단계에서 새로운 샘플 숏 영역이 추가된 후에 상기 회귀 계수의 확률분포의 사후 분포를 산출하는 단계와,
상기 산출된 사후 분포로부터, 각 숏 영역에 있어서의 마크의 위치의 계측값의 추정값의 불확실성을 나타내는 값을 산출하는 단계와,
상기 값 산출단계에서 산출되는, 상기 불확실성을 나타내는 값이 상기 임계값을 초과하는 숏 영역이 존재하지 않을 때까지, 상기 추가단계, 상기 사후 분포 산출단계 및 상기 값 산출단계가 반복하여 행해지는 방법.
제 1항에 있어서,
상기 마크의 위치는 상기 기판의 표면에 평행한 방향에 있어서의 마크의 위치인 방법.
제 1항에 있어서,
상기 마크의 위치는 상기 기판의 표면에 수직한 방향에 있어서의 마크의 위치인 방법.
제 1항에 있어서,
상기 마크의 위치는 상부 레이어의 중첩 마크와 하부 레이어의 중첩 마크 사이의 상대 위치인 방법.
제 1항에 있어서,
결정된 상기 샘플 숏 영역의 세트의 정보를 유저에게 통지하는 단계를 더 포함하는 방법.
제 1항에 있어서,
실측에 의해 얻어진 계측값에 대한 상기 추정값의 오차인 추정 오차의 평균값을 산출하는 단계와,
상기 산출된 평균값이 소정값을 초과하는 숏 영역이 있는 경우, 유저에게 통지하는 단계를 더 포함하는 방법.
제 1항에 있어서,
결정된 샘플 숏 영역의 마크의 위치의 실측에 의해 얻어진 계측값이, 상기 불확실성을 나타내는 값에 근거하여 설정되는 소정의 범위를 벗어나는 경우에, 유저에게 통지하는 단계를 더 포함하는 방법.
제 1항에 있어서,
상기 추정값의 불확실성을 나타내는 값이 상기 추정값의 분산을 포함하는 방법.
제 4항에 있어서,
상기 회귀 계수의 확률분포의 정보를 표시부에 표시하는 단계를 더 포함하는 방법.
기판의 복수의 숏 영역의 각각의 마크의 위치의 계측값을 얻는 방법으로서,
청구항 1에 기재된 방법을 사용하여 결정된 샘플 숏 영역의 세트에 포함된 각 샘플 숏 영역의 마크의 위치를 계측하는 단계와,
추정 모델을 사용하여, 상기 샘플 숏 영역의 세트에 포함된 각 샘플 숏 영역의 마크의 계측 결과에 근거하여, 상기 샘플 숏 영역의 세트에 포함되지 않은 각 숏 영역의 마크의 위치의 계측값을 추정하는 단계를 포함하는 방법.
기판의 복수의 숏 영역 중, 마크의 위치를 각각 실측해야 할 샘플 숏 영역의 세트를 결정하는 정보 처리장치로서,
처리부를 구비하고,
상기 처리부는, 상기 샘플 숏 영역의 세트의 초기 배치를 설정하고,
상기 초기 배치에 있어서의 샘플 숏 영역 이외의 숏 영역 중, 추정 모델을 사용하여 얻어진 마크의 위치의 계측값의 추정값의 불확실성을 나타내는 값이 소정의 임계값을 초과하는 숏 영역을, 상기 샘플 숏 영역의 세트에 추가하는 정보 처리장치.
청구항 15에 기재된 방법을 사용하여 얻어진 마크의 위치의 계측값에 근거하여 기판을 위치결정하도록 구성된 기판 스테이지를 갖는 리소그래피 장치.
컴퓨터에, 청구항 1에 기재된 방법의 각 단계를 실행시키기 위해, 컴퓨터 판독가능한 기억매체에 기억된 프로그램.
청구항 17에 기재된 리소그래피 장치를 사용해서 기판 위에 패턴을 형성하는 단계와,
상기 패턴이 형성된 상기 기판을 가공하는 단계를 포함하고,
가공된 상기 기판으로부터 물품을 제조하는 물품 제조방법.