KR20230051509A - 원시 이미지들로부터 고품질 이미지들을 자동으로 선택하는 장치 및 방법 - Google Patents

Abstract

본원에서 설명된 것은 패터닝된 기판의 원시 이미지들로부터 양호한 품질 이미지들을 선택하는 방법이다. 그 방법은 패터닝된 기판의 복수의 원시 이미지들(예컨대, SEM 이미지들)을 획득하는 동작; 복수의 원시 이미지들 중 각각의 이미지 내의 하나 이상의 특징부들의 게이지들 또는 윤곽들에 연관되는 데이터에 기초하여 원시 이미지 품질 메트릭(예컨대, 이미지 점수, 평균 기울기, 윤곽들 사이의 거리) ― 원시 이미지 품질 메트릭은 원시 이미지 품질을 나타냄 ― 을 결정하는 동작; 및 원시 이미지 품질 메트릭에 기초하여, 복수의 원시 이미지들로부터 원시 이미지들의 서브-세트를 선택하는 동작을 포함한다. 원시 이미지들의 서브-세트는 이미지 내의 하나 이상의 특징부들의 더 정확한 측정들을 수행하기 위해 제공될 수 있다.

Description

원시 이미지들로부터 고품질 이미지들을 자동으로 선택하는 장치 및 방법

본 개시에서의 설명은 대체로 반도체 제조에서의 계측 또는 검사에 관한 것이다. 더 상세하게는, 리소그래피 공정에 관련된 고품질 계측 또는 검사를 수행하기 위해 이미지들의 자동 선택을 사용하기 위한 장치들, 방법들, 및 컴퓨터 프로그램 제품들에 관한 것이다.

관련 출원들에 대한 교차참조

본 출원은 2020년 8월 19자로 출원된 PCT 출원 PCT/CN2020/109993호를 우선권 주장하고 그 전체는 참조로 본 개시에 포함된다.

리소그래피 투사 장치가, 예를 들어, 집적 회로들(integrated circuits)(IC들)의 제조에서 사용될 수 있다. 이러한 경우, 패터닝 디바이스(예컨대, 마스크)가 IC의 개별 층에 대응하는 패턴("설계 레이아웃")을 포함하거나 또는 제공할 수도 있고, 이 패턴은 패터닝 디바이스 상의 패턴을 통해 타깃 부분을 조사하는 것과 같은 방법들에 의해, 방사 민감 재료("레지스트")의 층으로 코팅된 기판(예컨대, 실리콘 웨이퍼) 상의 타깃 부분(예컨대, 하나 이상의 다이들을 포함함)에 전사될 수 있다. 일반적으로, 단일 기판이 리소그래피 투사 장치에 의해 패턴이 한 번에 하나의 타깃 부분씩 연속적으로 전사되는 복수의 인접한 타깃 부분들을 포함한다. 하나의 유형의 리소그래피 투사 장치들에서, 전체 패터닝 디바이스 상의 패턴은 하나의 타깃 부분으로 한 번에 전사되며; 이러한 장치는 흔히 스테퍼(stepper)라고 지칭된다. 흔히 스텝-앤드-스캔(step-and-scan) 장치라고 지칭되는 대안적인 장치에서, 투사 빔이 패터닝 디바이스를 주어진 기준 방향("스캐닝" 방향)에서 스캔하면서 기판을 이 기준 방향에 평행하게 또는 반평행하게 동기적으로 이동시킨다. 패터닝 디바이스 상의 패턴의 상이한 부분들이 하나의 타깃 부분에 점진적으로 전사된다. 일반적으로, 리소그래피 투사 장치가 축소 비율(M)(예컨대, 4)을 가질 것이기 때문에, 기판이 이동되는 속력(F)은 투사 빔이 패터닝 디바이스를 스캔하는 속력의 1/M 배일 것이다. 리소그래피 디바이스들에 관한 더 많은 정보가 본 개시에서 참조에 의해 포함되는, 예를 들어, US 6,046,792호에서 발견될 수 있다.

패터닝 디바이스로부터의 패턴을 기판에 전사하기 전에, 기판은 다양한 절차들, 이를테면 프라이밍(priming), 레지스트 코팅 및 소프트 베이크를 거칠 수도 있다. 노출 후, 기판은 다른 절차들("노출 사후 절차들"), 이를테면 노출 사후 베이크(post-exposure bake)(PEB), 현상, 하드 베이크 및 전사된 패턴의 측정/검사를 받을 수도 있다. 이 절차들의 어레이는 디바이스, 예컨대, IC의 개별 층을 만들기 위한 기초로서 사용된다. 그 다음에 기판은, 모두가 디바이스의 개별 층을 마감하기 위해 의도되는, 에칭, 이온 주입(도핑), 금속화, 산화, 화학 기계적 연마 등과 같은 다양한 공정들을 거칠 수도 있다. 여러 층들이 디바이스에서 요구되면, 전체 절차, 또는 그 변형들이 각각의 층에 대해 반복된다. 결과적으로, 디바이스가 기판 상의 각각의 타깃 부분에 존재할 것이다. 그러면 이들 디바이스들은 다이싱 또는 소잉(sawing)과 같은 기법에 의해 서로 분리되며, 그리하여 개별 디바이스들은 캐리어 상에 탑재되거나, 핀들에 연결되는 등이 될 수 있다.

따라서, 디바이스들, 이를테면 반도체 디바이스들을 제조하는 것은, 통상적으로 디바이스들의 다양한 피처들 및 다수의 층들을 형성하기 위해 다수의 제작 공정들을 사용하여 기판(예컨대, 반도체 웨이퍼)을 가공하는 것을 수반한다. 이러한 층들 및 피처들은, 예컨대, 퇴적, 리소그래피, 에치, 화학 기계적 연마, 및 이온 주입을 사용하여 통상적으로 제조되고 가공된다. 다수의 디바이스들은 기판 상의 복수의 다이들 상에 제작된 다음 개별 디바이스들로 분리될 수도 있다. 이 디바이스 제조 공정은 패터닝 공정이라 간주될 수도 있다. 패터닝 공정은 리소그래피 장치(lithographic apparatus)에서 패터닝 디바이스를 사용하여 패터닝 디바이스 상의 패턴을 기판에 전사하는 광학적 및/또는 나노임프린트(nanoimprint) 리소그래피와 같은 패터닝 단계를 수반하고, 통상적이지만 옵션적으로, 현상 장치에 의한 레지스트 현상, 베이크 도구를 사용한 기판의 베이킹, 에치 장치를 사용한 패턴을 이용한 에칭 등과 같은 하나 이상의 관련 패턴 가공 단계들을 수반한다.

일 실시예에서, 일 실시예에서, 패터닝된 기판에 관련된 계측 또는 검사의 품질 및 정확도를 향상시키는 방법이 제공된다. 그 방법은 패터닝된 기판의 복수의 원시 이미지들을 획득하는 것; 복수의 원시 이미지들 중 각각의 이미지 내의 하나 이상의 특징부들의 게이지들 또는 윤곽들에 연관되는 데이터에 기초하여 원시 이미지 품질 메트릭 ― 원시 이미지 품질 메트릭은 원시 이미지 품질을 나타냄 ― 을 결정하는 것; 원시 이미지 품질 메트릭에 기초하여, 복수의 원시 이미지들로부터 원시 이미지들의 서브-세트를 선택하는 것; 및 이미지 내의 하나 이상의 특징부들에 연관되는 측정들을 수행하기 위한 원시 이미지들의 서브-세트를 제공하는 것을 포함한다.

일 실시예에서, 선택은 원시 이미지의 게이지들에 관련된 특정된 기준들에 기초하여 원시 이미지에 배정된 이미지 점수에 기초할 수 있다. 선택 프로세스는 특정된 기준들에 기초하여, 복수의 원시 이미지들 중 각각의 이미지의 게이지들에 연관되는 게이지 데이터를 분석하는 것을 수반한다. 예를 들어, 특정된 기준들은 특정 게이지들의 존재, 누락 게이지들, 특정 게이지에 연관되는 게이지 데이터가 클러스터 내에 속하는지의 여부, 게이지 데이터가 해당 게이지 그룹에서의 아웃라이어인지의 여부, 게이지 그룹 데이터가 특정된 기준들을 초과하는지의 여부 등을 포함하지만 이에 국한되지는 않는다.

본원의 접근법은 원시 이미지들의 수동으로 검토할 필요 없이 양호한 이미지들의 자동 선택과 불량 품질 원시 이미지들의 제거를 가능하게 한다. 이 자동 선택 프로세스는 모델링 시간(예컨대, OPC(optical proximity correction) 모델링) 또한 효과적으로 절약할 수 있다. 이미지 스코어링의 기준들은 물리적 의미들을 가진다. 이와 같이, 본 개시는 패터닝 또는 계측 프로세스에 연관되는 상이한 문제들을 포괄적으로 고려할 수 있고 불량 원시 이미지들을 필터링할 수 있다. 추가로, 불량 원시 이미지들에 대한 문제 보고는, 예컨대, 이미징 프로세스, 결함 검사, 또는 계측 레시피를 개선하도록 사용자를 안내하기 위해 생성될 수도 있다.

일 실시예에서, 원시 이미지 품질 메트릭은 각각의 원시 이미지에 연관되는 게이지들에서 콘트라스트의 함수이다. 예를 들어, 메트릭은 각각의 원시 이미지에 연관되는 게이지들에서 결정된 기울기들의 평균이다.

예컨대, 원시 이미지 품질 메트릭으로서의 기울기를 사용하면 선택 프로세스가 노이즈에 강하게 되는데, 이미지의 품질이 게이지 영역에 대해 결정되며, 따라서 이미지의 다른 곳에서 이미지 노이즈에 의해 영향을 덜 받기 때문이다. 그래서, 게이지 영역들 외부에서 상당한 노이즈가 있더라도, 이미지가 양호한 품질 이미지로서 선택될 수도 있다. 본원의 경우, 원시 이미지들의 세트의 상세한 통계 분석이 수행되지 않을 수도 있으며, 이와 같이 본 접근법은 낮은 수의 원시 이미지들(예컨대, 5~10 개 이미지들)에 적용될 수 있다.

일 실시예에서, 원시 이미지 품질 메트릭의 결정은 원시 이미지들의 윤곽 분석에 기초한다. 일 실시예에서, 제1 윤곽과 제2 윤곽 사이의 거리가 결정된다. 제1 윤곽은 특정 패턴에 연관되는 복수의 원시 이미지들의 평균 이미지 또는 원시 이미지들로부터 선택된 기준 원시 이미지 내의 특징부에 대해 획득된다. 제2 윤곽은 특정 패턴에 연관되는 각각의 원시 이미지로부터 특징부에 대해 획득된다.

일 실시예에 따르면, 명령들이 기록되는 비일시적 컴퓨터 판독가능 매체를 포함하는 컴퓨터 시스템이 제공된다. 그 명령들은, 컴퓨터에 의해 실행될 때, 위의 방법 단계들을 구현한다.

첨부 도면들은, 본 출원서에 포함되고 본 출원서의 일부를 구성하는 것으로서, 본 출원서에서 개시된 요지의 특정한 양태들을 보여주며, 상세한 설명과 함께, 개시된 실시예들에 연관되는 원리들의 일부를 설명하는 것을 돕는다. 도면들 중에서:
도 1은 일 실시예에 따른, 리소그래피 투영 장치의 다양한 서브시스템들의 블록도를 예시한다.
도 2는 일 실시예에 따른, 리소그래피 투영 장치에서 리소그래피를 시뮬레이션하는 예시적인 흐름도를 도시한다.
도 3은 일 실시예에 따른, 원시 이미지들의 세트로부터 양호한 품질 이미지들(예컨대, SEM(scanning electronic microscope) 이미지들)을 선택하는 방법의 흐름도이다.
도 4a는 일 실시예에 따른, 양호한 품질 이미지들이 (도 3에서) 선택되는 것에 기초하여 이미지 품질 메트릭을 결정하는 프로세스의 흐름도이다.
도 4b는 일 실시예에 따른, 도 4a의 메트릭을 결정하는데 사용되는 예시적인 패턴들 및 게이지들이다.
도 4c는 일 실시예에 따른, 양호한 품질 이미지들이 선택되는 것에 기초한 샘플 SEM 이미지들 및 그것의 이미지 점수들을 예시한다.
도 5는 일 실시예에 따른, 각각의 SEM 이미지가 이미지 품질 메트릭을 결정하는데 사용되는 게이지들과 오버레이된 예시적인 SEM 이미지들을 도시한다.
도 6a는 일 실시예에 따른, 양호한 품질 이미지들이 (도 3에서) 선택되는 것에 기초하여 다른 이미지 품질 메트릭을 결정하는 프로세스의 흐름도이다.
도 6b는 일 실시예에 따른, 윤곽-대-윤곽 오프셋 측정(예컨대, 거리)의 일 예를 도시한다.
도 7은 일 실시예에 따른 예시적인 계측 시스템의 블록도이다.
도 8은 일 실시예에 따른 개선된 계측 프로세스의 예시적인 구현예의 프로세스 흐름도이다.
도 9는 일 실시예에 따른 예시적인 컴퓨터 시스템의 블록도이다.
도 10은 일 실시예에 따른 리소그래피 투영 장치의 개략도이다.
도 11은 일 실시예에 따른 다른 리소그래피 투영 장치의 개략도이다.
도 12는 일 실시예에 따른 리소그래피 투영 장치의 상세도이다.
도 13은 일 실시예에 따른 리소그래피 투영 장치의 소스 콜렉터 모듈의 상세도이다.
도 14는 일 실시예에 따른, 전자빔 검사 장치의 일 실시예를 개략적으로 묘사한다.
도 15는 일 실시예에 따른, 검사 장치의 추가 실시예를 개략적으로 예시한다.

IC들의 제조에 대해 특정 언급이 이루어질 수도 있지만, 본 개시에서의 설명은 다른 가능한 많은 적용들을 가진다는 것이 명시적으로 이해되어야 한다. 예를 들어, 이는 통합된 광학 시스템들, 자기적인 도메인 메모리들, 액정 디스플레이 패널들, 박막 자기 헤드들 등에 대한 안내 및 검출 패턴들의 제조에서 채용될 수도 있다. 이러한 대안적인 애플리케이션들의 맥락에서, 이 텍스트에서의 "레티클", "웨이퍼" 또는 "다이"라는 용어들의 임의의 사용은 각각 "마스크", "기판" 및 "타깃 부분"이란 더 일반적인 용어들과 교환 가능한 것으로 간주되어야 한다는 것을 당업자는 이해할 것이다.

본 문서에서, "방사선" "빔"이란 용어들은 자외선 방사선(예컨대, 365, 248, 193, 157 또는 126 nm의 파장을 가짐)과 EUV(extreme ultra-violet radiation)(예컨대, 약 5~100 nm 범위의 파장을 가짐)을 포함하는 모든 유형들의 전자기 복사를 포괄하도록 사용될 수도 있다.

패터닝 디바이스는 하나 이상의 설계 레이아웃들을 포함할 수 있거나, 또는 형성할 수 있다. 설계 레이아웃은 CAD(computer-aided design) 프로그램들을 이용하여 일반화될 수 있으며, 이 공정은 종종 EDA(electronic design automation)라고 한다. 대부분의 CAD 프로그램들은 기능적 설계 레이아웃들/패터닝 디바이스들을 생성하기 위하여 미리 결정된 설계 규칙 세트를 따른다. 이들 규칙들은 가공 및 설계 제한들에 의해 설정된다. 예를 들어, 설계 규칙들은 소자들 또는 라인들이 서로 원하지 않는 방식으로 상호작용하지 않는 것을 보장하기 위해서, 소자들(이를테면 게이트들, 커패시터들 등) 또는 인터커넥트 라인들 사이의 공간 허용오차를 정의한다. 설계 규칙 제한들 중 하나 이상은 "임계 치수(critical dimension)"(CD)라고 지칭될 수도 있다. 디바이스의 임계 치수가 라인 또는 홀의 최소 폭 또는 두 개의 라인들 또는 두 개의 홀들 사이의 최소 공간으로서 정의될 수 있다. 따라서, CD는 설계된 디바이스의 전체 사이즈 및 밀도를 결정한다. 물론, 디바이스 제작의 목표들 중 하나는 (패터닝 디바이스를 통해) 기판에 대한 원래의 설계 의도를 충실하게 재현하는 것이다.

이 텍스트에서 채용되는 바와 같은 "마스크" 또는 "패터닝 디바이스"라는 용어는 기판의 타깃 부분에서 생성되는 것인 패턴에 대응하는 패터닝된 단면을 인입하는 방사선 빔에 부여하는데 사용될 수 있는 일반적인 패터닝 디바이스를 지칭하는 것으로서 넓게 해석될 수도 있으며; "광 밸브"라는 용어는 이 맥락에서 또한 사용될 수 있다. 고전적인 마스크(투과성 또는 반사성; 바이너리, 위상 시프팅, 하이브리드 등) 외에도, 다른 이러한 패터닝 디바이스들의 예들은 프로그램가능 거울 어레이와 프로그램가능 LCD 어레이를 포함한다.

프로그램가능 거울 어레이의 예는 점탄성 제어 층과 반사성 표면을 갖는 매트릭스 어드레스가능 표면일 수 있다. 이러한 장치 이면의 기본 원리는 (예를 들어) 반사 표면의 어드레싱된 영역들이 입사 방사선을 회절된 방사선으로서 반사하는 한편, 비어드레싱된 영역들은 입사 방사선을 비회절된 방사선로서 반사한다는 것이다. 적절한 필터를 사용하여, 상기 비회절된 방사선은 반사된 빔에서 필터링되어, 회절된 방사선만이 남게 될 수 있으며; 이런 방식으로, 빔은 매트릭스 어드레스가능 표면의 어드레스싱 패턴에 따라 패터닝된다. 요구된 매트릭스 어드레싱은 적합한 전자적인 수단을 사용하여 수행될 수 있다.

프로그램가능 LCD 어레이의 예는 참조에 의해 본 개시에 포함되는 미국 특허 제5,229,872호에서 주어진다.

도 1은 일 실시예에 따른, 리소그래피 투영 장치(10A)의 다양한 서브시스템들의 블록도를 예시한다. 주요 컴포넌트들은 심자외선 엑시머 레이저 소스 또는 극자외선(EUV) 소스(위에서 논의된 바와 같이, 리소그래피 투영 장치 자체는 방사선 소스를 가질 필요가 없음)를 포함하는 다른 유형의 소스일 수도 있는 방사선 소스(12A); 예컨대, 부분 가간섭성(시그마로서 나타냄)을 정의하는 그리고 소스(12A)로부터의 방사선을 성형하는 광학계(14A, 16Aa 및 16Ab)를 포함하는 조명 광학계; 패터닝 디바이스(18A); 및 패터닝 디바이스 패턴의 이미지를 기판 평면(22A) 상으로 투영하는 투과 광학계(16Ac)이다. 투사 광학계의 퓨필 평면에서의 조정 가능한 필터 또는 개구부(20A)가 기판 평면(22A) 상에 충돌하는 빔 각도들의 범위를 제한할 수도 있으며, 여기서 최대 가능 각도가 투사 광학계의 개구수 NA= n sin(Θ_max)를 정의하며, n은 기판과 투사 광학계의 마지막 엘리먼트 사이의 매체의 굴절 계수이고, Θ_max는 기판 평면(22A) 상에 여전히 충돌할 수 있는 투사 광학계로부터 나오는 빔의 최대 각도이다.

리소그래피 투영 장치에서, 소스가 조명(즉, 방사선)을 패터닝 디바이스에 제공하고 투사 광학계가, 패터닝 디바이스를 통해, 기판 상으로 조명을 진행시키고 형성한다. 투사 광학계는 컴포넌트들(14A, 16Aa, 16Ab 및 16Ac) 중 적어도 일부를 포함할 수도 있다. 에어리얼 이미지(aerial image)(AI)가 기판 레벨에서의 방사선 세기 분포이다. 레지스트 모델이 에어리얼 이미지로부터 레지스트 이미지를 계산하는데 사용될 수 있으며, 그 예는 미국 특허 출원 공개 US 2009-0157630호에서 발견될 수 있으며, 이 공보의 개시내용은 그 전부가 참조로 본 개시에 포함된다. 레지스트 모델은 레지스트 층의 성질들(예컨대, 노출, 노출후 베이크(PEB) 및 현상 동안 발생하는 화학적 공정들의 영향)에만 관련된다. 리소그래피 투영 장치의 광학적 성질들(예컨대, 조명, 패터닝 디바이스 및 투사 광학계의 성질들)은 에어리얼 이미지를 좌우하고 광학 모델에서 정의될 수 있다. 리소그래피 투영 장치에서 사용되는 패터닝 디바이스가 변경될 수 있으므로, 패터닝 디바이스의 광학적 성질들을 적어도 소스 및 투사 광학계를 포함하는 리소그래피 투영 장치의 나머지의 광학적 성질들로부터 분리하는 것이 바람직하다. 설계 레이아웃을 다양한 리소그래피 이미지들(예컨대, 에어리얼 이미지, 레지스트 이미지 등)로 변환하며, 기법들 및 모델들을 사용하여 OPC를 적용하고, 성능을 (예컨대, 공정 윈도우의 측면에서) 평가하는데 사용되는 그들 기법들 및 모델들의 세부사항들은 미국 특허 출원 공개들인 제2008-0301620호, 제2007-0050749호, 제2007-0031745호, 제2008-0309897호, 제2010-0162197호, 및 제2010-0180251호에 기재되어 있으며, 그것의 개시내용은 그 전부가 참조로 본 개시에 포함된다.

본 개시의 실시예에 따르면, 하나 이상의 이미지들이 생성될 수도 있다. 이미지들은 각각의 화소의 화소 값들 또는 세기 값들에 의해 특징화될 수도 있는 다양한 신호 유형들을 포함한다. 이미지 내의 화소의 상대 값들에 의존하여, 신호는, 당해 기술분야의 통상의 기술자에 의해 이해될 수도 있는 바와 같이, 예를 들어, 약한 신호 또는 강한 신호로서 지칭될 수도 있다. "강한" 및 "약한"이란 용어는 이미지 내의 화소들의 세기 값들에 기초한 상대적인 용어들이고 세기의 특정 값들은 본 개시의 범위를 제한하지 않을 수도 있다. 일 실시예에서, 강한 및 약한 신호는 선택된 임계 값에 기초하여 식별될 수도 있다. 일 실시예에서, 임계 값은, 예컨대, 이미지 내의 화소의 최고 세기와 최저 세기의 중간점으로 고정될 수도 있다. 일 실시예에서, 강한 신호는 이미지 전체에 걸친 평균 신호 값 이상의 값들을 갖는 신호를 지칭할 수도 있고 약한 신호는 평균 신호 값 미만의 값들을 갖는 신호를 지칭할 수도 있다. 일 실시예에서, 상대 세기 값은 백분율에 기초할 수도 있다. 예를 들어, 약한 신호는 이미지 내의 화소의 최고 세기(예컨대, 타깃 패턴에 대응하는 화소들은 최고 세기를 갖는 화소들이라고 간주될 수도 있음)의 50% 미만의 세기를 갖는 신호일 수도 있다. 더욱이, 이미지 내의 각각의 화소는 변수로서 간주될 수도 있다. 본 실시예에 따르면, 도함수들 또는 편도함수들이 이미지 내의 각각의 화소에 대해 결정될 수도 있고 각각의 화소의 값들은 비용 함수 기반 평가 및/또는 비용 함수의 경사도(gradient) 기반 컴퓨테이션에 따라 결정 또는 수정될 수도 있다. 예를 들어, CTM 이미지가 각각의 화소가 임의의 실제 값을 취할 수 있는 변수인 화소들을 포함할 수도 있다.

도 2는 일 실시예에 따른, 리소그래피 투영 장치에서 리소그래피를 시뮬레이션하는 예시적인 방법을 도시한다. 소스 모델(31)이 소스의 광학적 특성들(방사선 세기 분포 및/또는 위상 분포를 포함함)을 나타낸다. 투사 광학계 모델(32)이 투사 광학계의 광학적 특성들(투사 광학계에 의해 야기되는 방사선 세기 분포 및/또는 위상 분포에 대한 변경들을 포함함)을 나타낸다. 설계 레이아웃 모델(35)은 패터닝 디바이스 상의 또는 패터닝 디바이스에 의해 형성되는 피처들의 배열의 표현인 설계 레이아웃의 광학적 특성들(설계 레이아웃(33)에 의해 야기된 방사선 세기 분포 및/또는 위상 분포에 대한 변경들을 포함함)을 나타낸다. 에어리얼 이미지(36)가 설계 레이아웃 모델(35), 투사 광학계 모델(32), 및 설계 레이아웃 모델(35)로부터 시뮬레이션될 수 있다. 레지스트 이미지(38)는 레지스트 모델(37)을 사용하여 에어리얼 이미지(36)로부터 시뮬레이션될 수 있다. 리소그래피의 시뮬레이션은, 예를 들어, 레지스트 이미지에서 윤곽들 및 CD들을 예측할 수 있다.

더 구체적으로는, 소스 모델(31)은 개구수 설정들, 조명 시그마(σ) 설정들뿐만 아니라 임의의 특정 조명 형상을 비제한적으로 포함하는 소스(예컨대, 환형, 사중극자, 쌍극자 등과 같은 축 외 방사선 소스들)의 광학적 특성들을 나타낼 수 있다는 것에 주의한다. 투사 광학계 모델(32)은 수차, 왜곡, 하나 이상의 굴절 계수들, 하나 이상의 물리적 사이즈들, 하나 이상의 물리적 치수들 등을 포함하는 투사 광학계의 광학적 특성들을 나타낼 수 있다. 설계 레이아웃 모델(35)은, 그 전부가 참조로 본 개시에 포함되는, 예를 들어, 미국 특허 제7,587,704호에서 설명되는 바와 같이, 물리적 패터닝 디바이스의 하나 이상의 물리적 성질들을 나타낼 수 있다. 시뮬레이션의 목적은, 예를 들어, 에지 배치, 에어리얼 이미지 세기 기울기 및/또는 CD를 정확하게 예측한 다음, 의도된 설계와 비교될 수 있다는 것이다. 의도된 설계는 GDSII 또는 OASIS 또는 다른 파일 포맷과 같은 표준화된 디지털 파일 포맷으로 제공될 수 있는 사전-OPC 설계 레이아웃으로서 일반적으로 정의된다.

이 설계 레이아웃에서부터, "클립들"이라고 지칭되는 하나 이상의 부분들은 식별될 수도 있다. 일 실시예에서, 설계 레이아웃에서 복잡한 패턴들을 나타내는 클립들의 세트(통상적으로 약 50 내지 1000 개 클립이지만, 임의의 수의 클립들이 사용될 수도 있음)가 추출된다. 이들 패턴들 또는 클립들은 설계의 작은 부분들(즉 회로들, 셀들 또는 패턴들)을 나타내고 더 구체적으로는, 클립들은 통상적으로 특정 주목 및/또는 검증이 필요한 작은 부분들을 나타낸다. 다르게 말하면, 클립들은 설계 레이아웃의 부분들일 수도 있거나, 또는 설계 레이아웃의 부분들과 유사하거나 또는 설계 레이아웃의 부분들의 유사한 거동을 가질 수도 있으며, 하나 이상의 임계 피처들이 경험(고객에 의해 제공된 클립들을 포함함), 시행착오, 또는 전체-칩(full-chip) 시뮬레이션을 실행하는 것 중 어느 하나에 의해 식별된다. 클립들은 하나 이상의 테스트 패턴들 또는 게이지 패턴들을 포함할 수도 있다.

초기의 더 큰 클립 세트가 특정 이미지 최적화를 요구하는 설계 레이아웃에서 하나 이상의 알려진 임계 피처 영역들에 기초하여 고객에 의해 선험적으로 제공될 수도 있다. 대안적으로, 다른 실시예에서, 초기의 더 큰 클립 세트가 하나 이상의 중요 피처 영역들을 식별하는 일부 종류의 자동화된 (이를테면 머신 비전) 또는 수동 알고리즘을 사용함으로써 전체 설계 레이아웃으로부터 추출될 수도 있다.

리소그래피 투영 장치에서, 일 예로서, 비용 함수가 다음으로서 표현될 수도 있으며

(수학식 1)

여기서

은 N 개 설계 변수들 또는 그 값들이다.

은

의 설계 변수들의 값 세트에 대한 특성의 실제 값과 의도된 값 사이의 차이와 같은 설계 변수들의 함수일 수 있다.

는

에 연관되는 가중값 상수이다. 예를 들어, 특성은 에지 상의 주어진 지점에서 측정되는 패턴의 에지의 위치일 수도 있다. 상이한

이 상이한 가중값

를 가질 수도 있다. 예를 들어, 특정 에지가 좁은 범위의 허용된 위치들을 가지면, 에지의 실제 위치와 의도된 위치 사이의 차이를 나타내는

에 대한 가중값

에는 더 높은 값 이 주어질 수도 있다.

은 층간 특성의 함수일 수 있으며, 이는 결국 설계 변수들

의 함수이다. 물론,

은 수학식 1로 제한되지 않는다.

은 임의의 다른 적합한 형태로 있을 수 있다.

비용 함수는 리소그래피 투영 장치, 리소그래피 공정 또는 기판의 임의의 하나 이상의 적합한 특성들, 예를 들면, 초점, CD, 이미지 시프트, 이미지 왜곡, 이미지 회전, 확률적 변화, 스루풋, 로컬 CD 변화, 공정 윈도우, 층간 특성, 또는 그것들의 조합을 나타낼 수도 있다. 하나의 실시예에서, 설계 변수들

은 선량(dose), 패터닝 디바이스의 글로벌 바이어스, 및/또는 조명의 모양으로부터 선택된 하나 이상을 포함한다. 기판 상의 패턴을 종종 좌우하는 것은 레지스트 이미지이므로, 비용 함수는 레지스트 이미지의 하나 이상의 특성들을 나타내는 함수를 포함할 수도 있다. 예를 들어,

은 단순히 해당 지점의 의도된 위치에 대한 레지스트 이미지에서의 지점과의 거리(즉 에지 배치 에러

)일 수 있다. 설계 변수들은 소스, 패터닝 디바이스, 투사 광학계, 선량, 초점 등의 조정 가능한 파라미터와 같은 임의의 조정 가능한 파라미터를 포함할 수 있다.

리소그래피 장치는 방사선 빔의 파면의 모양 및 세기 분포 및/또는 위상 변이를 조절하는데 사용될 수 있는 "파면 조작기(wavefront manipulator)"라고 총칭되는 컴포넌트들을 포함할 수도 있다. 일 실시예에서, 리소그래피 장치는 패터닝 디바이스 앞, 퓨필 평면 근처, 이미지 평면 근처, 및/또는 초점면 근처와 같이, 리소그래피 투영 장치의 광경로를 따르는 임의의 로케이션에서 파면 및 세기 분포를 조정할 수 있다. 파면 조작기는, 예를 들어 소스, 패터닝 디바이스, 리소그래피 투영 장치에서의 온도 변화, 리소그래피 투영 장치의 컴포넌트들의 열 팽창 등에 의해 야기되는, 파면 및 세기 분포 및/또는 위상 변이의 특정한 왜곡들을 보정 또는 보상하는데 사용될 수 있다. 파면 및 세기 분포 및/또는 위상 변이를 조정하면 비용 함수에 의해 표현되는 특성들의 값들을 변경시킬 수 있다. 이러한 변경들은 모델로부터 시뮬레이션되거나 또는 실제로 측정될 수 있다. 설계 변수들은 파면 조작기의 파라미터들을 포함할 수 있다.

설계 변수들은 제약조건들을 가질 수도 있으며, 이는

로서 표현될 수 있으며, 여기서

는 설계 변수들의 가능한 값들의 세트이다. 설계 변수들에 대한 하나의 가능한 제약조건은 리소그래피 투영 장치의 원하는 스루풋에 의해 부과될 수도 있다. 원하는 스루풋에 의해 부과되는 이러한 제약조건 없이, 최적화는 비현실적인 설계 변수들의 값들의 세트를 산출할 수도 있다. 예를 들어, 선량이 설계 변수이면, 이러한 제약조건 없이, 최적화는 스루풋을 경제적으로 불가능하게 만드는 선량 값을 산출할 수도 있다. 그러나, 제약조건들의 유용성 필요성으로서 해석되지 않아야 한다. 예를 들어, 스루풋은 퓨필 채움 비율에 의해 영향을 받을 수도 있다. 일부 조명 설계들의 경우, 낮은 퓨필 채움 비율이 방사선을 폐기하여, 더 낮은 스루풋으로 이끌 수도 있다. 스루풋은 레지스트 화학물질에 의해 또한 영향을 받을 수도 있다. 레지스트(예컨대, 적절히 노출되도록 더 높은 양의 방사선을 요구하는 레지스트)를 더 느리게 할수록 더 낮은 스루풋으로 이어진다.

본 개시에서 사용되는 바와 같이, "패터닝 공정"이란 용어는 일반적으로 리소그래피 공정의 일부로서 광의 특정된 패턴들의 인가에 의해 에칭된 기판을 생성하는 공정을 의미한다. 그러나, "패터닝 공정"은 플라즈마 에칭을 또한 포함할 수 있는데, 본 개시에서 설명되는 많은 특징부들이 플라즈마 가공을 사용하여 인쇄된 패턴들을 형성하는 것에 이점을 제공할 수 있기 때문이다.

본 개시에서 사용되는 바와 같이, "타깃 패턴"이란 용어는 기판 상에 에칭될 이상적인 패턴을 의미한다.

본 개시에서 사용되는 바와 같이, "인쇄된 패턴" 또는 "패터닝된 기판"이란 용어는 타깃 패턴에 기초하여 이미지화되었던 및/또는 에칭되었던 기판 상의 물리적 패턴을 의미한다. 인쇄된 패턴은, 예를 들어, 트로프들(troughs), 채널들, 함요부들(depressions), 에지들, 또는 리소그래피 공정으로부터 초래되는 다른 2차원 및 3 차원 특징부들을 포함할 수 있다.

본 개시에서 사용되는 바와 같이, "공정 모델"이란 용어는 패터닝 공정을 시뮬레이션하는 하나 이상의 모델들을 포함하는 모델을 의미한다. 예를 들어, 공정 모델이 광학 모델(예컨대, 리소그래피 공정에서 광을 전달하는데 사용되는 렌즈 시스템/투사 시스템을 모델링하고 포토레지스트로 가는 광의 최종 광학적 이미지를 모델링하는 것을 포함할 수도 있는 것임), 레지스트 모델(예컨대, 레지스트의 물리적 영향, 이를테면 광으로 인한 화학적 효과를 모델링하는 것임), OPC 모델(예컨대, 타깃 패턴들을 만드는데 사용될 수 있고 서브분해능 레지스트 피처들(sub-resolution resist features)(SRAF들) 등을 포함할 수도 있는 것임)을 포함할 수 있다.

현존 도구(예컨대, MXP(eXtreme Performane )의 계측)가, 예컨대, 광학적 근접 보정(OPC) 모델링을 위해 사용될 수 있는 CD 또는 EP 게이지들 또는 윤곽과 같은 게이지들을 출력하도록 구성된다. 현존 도구는 원시 이미지들의 세트(예컨대, 패터닝된 기판의 주사형 전자 현미경(SEM) 이미지들)을 평균화하고 평균 이미지로부터 특징부에 연관되는 윤곽을 추출한다. 이러한 윤곽들은 원시 이미지로부터 윤곽을 추출하는 것보다 더 신뢰성이 있다. 또한 그 도구는 추출된 윤곽에 대한 CD/EP를 직접 결정한다.

현재 원시 이미지 클리닝을 위한 두 가지 주요 기술들이 있다. 첫째, 원시 이미지를 하나씩 수동으로 검토하고, 불량 품질 원시 이미지들을 제거한다. 둘째, 불량 품질 원시 이미지들을 식별하기 위해 기계 학습 모델을 사용한다.

그러나, 현존 기술에 연관되는 일부 제한들이 또한 존재한다. 수동 검토를 통해 불량 품질 원시 이미지들을 식별하고 제거하는 것은 실질적인 수작업을 요구한다. 이와 같이, 패터닝된 기판을 측정하는 것부터 CD/EP 데이터를 제공하는 것까지의 계측 처리시간(turn-around-time)은 매우 길 것이다. 예를 들어, 패터닝된 기판의 20,000 개의 원시 이미지들이 있을 수도 있다. 하나의 원시 이미지를 검토하는데 대략 3초가 걸리면, 총 검토 시간은 불량 품질 이미지들을 제거하는데 대략 17 시간, 즉 거의 2 내지 3 일의 작업일들이 될 것이다. 이미지마다 더 많은 패턴들이 있으면, 이미지 검토 시간은 훨씬 더 길어질 것이다. 추가적으로, 수동 검토 프로세스는 숙련된 엔지니어에 의해 전형적으로 수행되고, 불량 이미지들을 식별하는 것은 주관적일 것이고 이는 계측 정확도에 영향을 미칠 것이다. 이와 같이, 주관적이지 않거나 또는 수동 검토를 요구하지 않는 양호한 품질 원시 이미지들을 선택하기 위한 개선된 방법들이 필요하다.

머신 러닝(machine learning)(ML) 모델을 사용하여 불량 품질 원시 이미지들을 식별하는 것은 측정들이 수행되는 방식에 따라 달라질 수도 있다. 예를 들어, SEM 이미지는 상이한 스캐닝 머신 및 그것의 스캔 세팅으로 인해 매우 상이할 수 있다. 이와 같이, 현재 ML 기반 방법을 상이한 종류들의 SEM 이미지들에 적응시키기가 어려울 수도 있다. 이와 같이, 양호한 품질 원시 이미지들을 선택하기 위한 개선된 방법들이 바람직하다.

도 3은 패터닝된 기판의 캡처된 이미지들을 선택하기 위한 방법(300)의 흐름도이다. 방법(300)은 양호한 품질 이미지들을 선택하기 위한 다음 프로세스들(P301, P303, 및 P305)을 포함한다. 게다가, 방법(300)은 특징부들의 정확한 측정들을 수행하기 위한 프로세스(P307)에서 선택된 양호한 품질 원시 이미지들을 채용하도록 추가로 확장될 수 있다. 일 실시예에서, 선택된 원시 이미지들에 기초한 측정들은 리소그래피 공정에 관련된 공정 프로세스 모델들을 개선하기 위해 추가로 사용될 수 있다. 예를 들어, 선택된 원시 이미지들은 마스크 패턴들을 결정하기 위해 최적의 근접 보정 모델들을 개선하는데 사용될 수 있다.

프로세스(P301)는 패터닝된 기판의 복수의 원시 이미지들(301)을 획득하는 것을 포함한다. 일 실시예에서, 복수의 원시 이미지들(301)은 주사형 전자 현미경(SEM)과 같은 이미지 캡처 디바이스를 통해 취득된 이미지들이다. 이들 원시 SEM 이미지들은 열악한 초점, 부족하게 패터닝된 기판에서 초래되는 이미징 에러들, 패터닝된 기판의 이미지들을 캡처함에 있어서의 에러들, 또는 이미지 캡처 디바이스(예컨대, SEM)에 의해 캡처된 불량 품질 이미지들에서 야기되는 다른 문제들을 초래하는 일부 불량 품질 이미지들을 포함할 수도 있다. 일 실시예에서, 원시 이미지는 이미지 프로세싱이 수행되지 않거나 또는 최소 이미지 프로세싱 동작들이 수행되는 이미지들일 수 있다. 일 실시예에서, 이미지가 이미지 캡처링 디바이스(예컨대, SEM)에 의해 캡처된 후, 최소 이미지 프로세싱은 원시 이미지를 생성하기 위해 캡처된 이미지에 대해 수행될 수도 있다. 예를 들어, 이미지 프로세싱은 이미지를 노이즈 제거하는 것, 이미지로부터 블러(blur)를 제거하는 것, 기준에 대한 정렬, 이미지의 부분을 크로핑(cropping)하는 것 등일 수 있다. 일 실시예에서, 이러한 이미지 프로세싱은 이미지 캡처 디바이스(예컨대, SEM)에 의해 수행될 수도 있다. 원시 이미지가 복수의 원시 이미지들을 평균화함으로써 생성되는 평균 이미지와 같은 이미지들의 조합은 아니다.

프로세스(P303)는 복수의 원시 이미지들(301) 중 각각의 이미지 내의 하나 이상의 특징부들의 게이지들 또는 윤곽들에 연관되는 데이터에 기초하여 원시 이미지 품질 메트릭(301) ― 원시 이미지 품질 메트릭은 원시 이미지 품질을 나타냄 ― 을 결정하는 것을 포함한다. 일 실시예에서, 게이지들은 임의의 입력 이미지에 대한 게이지들을 생성하도록 구성되는 계측 도구 또는 검사 도구(예컨대, 도 14 및/또는 15)에 의해 생성될 수도 있다. 게이지들은, 예컨대, 특징의 기하학적 성질들을 측정하기 위하여 이미지에서의 특징부 상에 오버레이된 마커들일 수 있다. 일 실시예에서, 게이지들은 측정되는 형상(들)의 윤곽과 교차하는 가상선들에 대응하고, 더 구체적으로, 게이지들은 적용 가능한 기하학적 치수들이 결정될 수 있도록 가상선들이 형상(들)과 각각 교차하는 지점들이다. 일 실시예에서, 윤곽들은 이미지에서의 특징부의 윤곽선들을 지칭한다. 일 실시예에서, 계측 도구 또는 검사 장치(예컨대, 도 14 및 도 15)는 임의의 입력 이미지에서 특징부의 윤곽을 추출하도록 구성된다. 예를 들어, 윤곽은 예컨대, 특징부의 에지에 연관되는 이미지 세기들에 기초하여 윤곽 추출 알고리즘을 사용하여 추출될 수 있다. 본 개시는 특정 게이지 생성 또는 윤곽 추출 접근법으로 제한되지 않는다.

일부 실시예들에 따르면, 프로세스(P303)는 상이한 방식들로 구현될 수 있다. 프로세스(P303)의 예시적인 구현예들은 아래의 도 4a, 도 5, 및 도 6a에 관하여 상세히 추가로 논의된다.

도 3을 다시 참조하면, 프로세스(P305)는 원시 이미지 품질 메트릭(303)에 기초하여, 복수의 원시 이미지들(301)로부터 원시 이미지들의 서브-세트(310)를 선택하는 것을 포함한다. 예를 들어, 원시 이미지 품질 메트릭(303) 값이 선택 임계값을 초과하는 원시 이미지들을 선택하는 것을 포함한다. 일 실시예에서, 선택 임계값은 사용되는 메트릭의 유형에 따라 달라질 수도 있다. 메트릭의 예는, 본 개시에서 논의되는 바와 같이, 이미지 점수(예컨대, 도 4a의 프로세스들을 사용하여 결정됨), 게이지들에 연관되는 평균 기울기, 윤곽들 사이의 차이를 포함하지만 그것들로 제한되지 않는다. 일 실시예에서, 선택 임계값은, 예를 들어 양호한 품질 이미지의 검사 또는 분석에 기초하여, 사용자에 의해 정의될 수도 있다.

일 실시예에서, 방법(300)은 패터닝 공정에 관련된 다양한 양태를 개선하기 위해 선택된 원시 이미지들의 서브-세트(310)를 출력하는 것을 더 포함할 수 있다. 일 실시예에서, 방법(300)은 이미지 내의 하나 이상의 특징부들에 연관되는 측정들을 수행하기 위해 원시 이미지들의 서브-세트(310)를 제공하는 프로세스(P307)를 포함한다. 일 실시예에서, 방법(300)은 선택된 이미지들의 서브-세트가 패터닝 공정에 연관되는 모델을 훈련하는데 사용될 수 있는 프로세스(P309)를 포함한다. 예를 들어, 광학적 근접 보정(OPC)에 연관되는 기계 학습 모델, 또는 다른 모델을 훈련하는 것을 포함한다. 전술한 예들은 예로서 제공된다. 본 개시는 본 개시의 방법(300)에 따라 선택된 이미지들의 서브-세트의 특정 적용으로 제한되지 않는다.

일 실시예에서, 원시 이미지 품질 메트릭(303)(또한 본 실시예에서 이미지 점수라고 지칭됨)을 결정하는 프로세스(303)가 도 4a의 프로세스들에 관해 설명된다. 예를 들어, 원시 이미지 품질 메트릭(303)의 결정은, 특정된 기준들에 기초하여, 복수의 원시 이미지들(301) 중 각각의 이미지의 게이트들에 연관되는 게이지 데이터를 분석하는 것을 포함한다. 특정된 기준들의 예들은 특정 게이지들의 존재, 누락 게이지들, 특정 게이지에 연관되는 게이지 데이터가 클러스터 내에 속하는지의 여부, 게이지 데이터가 해당 게이지 그룹에서의 아웃라이어인지의 여부, 게이지 그룹 데이터가 특정된 기준들을 초과하는지의 여부 등을 포함하지만 이에 국한되지는 않는다. 메트릭(303)에 값들을 배정하기 위한 게이지들 및 그 게이지들에 기초한 예시적인 기준들의 적용의 예들이 아래에서 더 상세히 추가로 논의된다.

게이지들의 일 예가 도 4b에서 예시된다. 본 예는 2차원 계측을 위해 묘사된 패턴들을 도시한다.　도 4b는 타원 게이지 패턴을 예시한다. 게이지들은 측정되는 형상(들)의 윤곽과 교차하는 가상선들에 대응하고, 더 구체적으로, 게이지들은 적용 가능한 기하학적 치수들이 결정될 수 있도록 가상선들이 형상(들)과 각각 교차하는 지점들이다. 예를 들어, 도 4b에서, 예시적인 게이지들은 본 개시에서 묘사되는 형상의 윤곽 상에 중첩되는 가상선들(CDG1, CDG2, CDG3, CDG4, CDG5, 및 CDG6)에 대응한다. 이들 게이지들(CDG1~CDG6)은 특징부의 CD를 측정하는데 사용되는 CD 게이지들이라고 지칭된다. 예를 들어, 게이지(CDG1)는 Y 방향에서 CD를 측정하기 위해 사용되고 게이지(CDG2)는 X 방향에서 CD를 측정하기 위해 사용된다. 게이지들은 적용 가능한 기하학적 치수들이 결정될 수 있도록 가상선들이 형상과 각각 교차하는 지점들에서 결정된다.

두 개의 게이지들만이 도 4b에 도시되지만, 게이지들의 수는 도시된 것보다 더 적거나 또는 더 많을 수도 있으며, 전형적으로는 도시된 것보다 훨씬 더 많을 수도 있다. 마찬가지로, 게이지들은 상이한 방향들로, 상이한 형상 부분들 사이에 등으로 있을 수도 있다. 각각의 패턴 또는 더 가능성 있는 복수의 패턴들에 대해, 수백만 개는 아니더라도, 수십, 수백, 수천 개의 실제 또는 가능한 게이지들이 있을 수도 있다.

도 4a를 참조하면, 메트릭(303)에 값들을 배정하기 위한 게이지들의 분석은 다음 프로세스들을 포함한다. 프로세스(P401)는, 게이지들에 연관되는 게이지 데이터가 복수의 원시 이미지들(301) 중 주어진 원시 이미지에 대해 존재하는지의 여부를 결정하는 것; 게이지 데이터가 존재하지 않음에 응답하여, 원시 이미지 품질 메트릭(303)에 제1 값 ― 제1 값은 선택 임계값보다 낮음 ― 을 배정하는 것; 또는 게이지 데이터가 존재함에 응답하여, 원시 이미지 품질 메트릭(303)에 제2 값 ― 제2 값은 선택 임계값보다 높음 ― 을 배정하는 것을 포함한다. 예를 들어, 제1 값은 -1일 수 있으며, 제2 값은 1일 수 있고, 선택 임계값은 0.3일 수 있다. 일 실시예에서, 다른 값들은 메트릭(303)에 배정될 수도 있다.

일 실시예에서, 계측 도구 또는 프로세서(예컨대, 도 14 및/또는 도 15)가 패터닝된 기판의 입력 이미지(예컨대, SEM 이미지)에 대한 게이지들을 생성하도록 구성될 수도 있다. 게이지들은 전자적으로 교환 가능한 파일 포맷으로 제공될 수도 있다. 일 실시예에서, 게이지 파일은 CD 게이지들, EP 게이지들, 또는 입력 이미지(예컨대, SEM 이미지) 내의 하나 이상의 특징부들에 연관되는 다른 측정 마커들과 같은 게이지 데이터를 포함한다.

원시 SEM 이미지에 대해 생성된 CD/EP 게이지 파일이 없거나 또는 생성된 게이지 파일이 비어 있으면, 이는 블랭크(blank) 또는 탈 초점(out of focus) 이미지로서 취급되며; 이 경우, 이미지 점수(원시 이미지 품질 메트릭(303)의 일 예)에 -1의 값을 배정하며; 그렇지 않으면, 이미지 점수에 1의 값을 배정한다. 옵션적으로, 프로세스(P401)는 문제 보고를 생성하도록 구성될 수도 있다. 예를 들어, 문제 보고들이 블랭크 또는 탈 초점 이미지 문제의 표시를 포함한다.

일 실시예에서, 프로세스(P403)는 게이지 데이터가 복수의 원시 이미지들(301) 중 주어진 원시 이미지에 대한 특정 게이지들(예컨대, CD 게이지들)을 누락하는지의 여부를 결정하는 것; 및 특정 게이지들(예컨대, CD 게이지들)을 누락하는 것에 응답하여, 원시 이미지 품질 메트릭(303)의 제2 값을 특정된 양만큼 감소시키는 것을 포함한다. 일 실시예에서, 특정된 양은 게이지 유형들의 수와 반복 패턴들의 수의 곱의 역수로서 전산된다. 옵션적으로, 프로세스(P403)는 문제 보고를 생성하도록 구성될 수도 있다. 예를 들어, 문제 보고들은 누락 게이지의 표시를 포함한다.

예를 들어, 각각의 원시 이미지에 대한 CD 게이지 파일에서, 총 게이지 수는 게이지 유형들의 수와 반복 패턴들의 수의 곱과 동일하다. 예를 들어, 도 4b를 참조하면, 원시 게이지 파일이 상이한 2 개의 게이지 유형들(예컨대, CDG1과 같은 Y 방향에서의 CD 게이지들과 CDG2와 같은 X 방향에서의 CD 게이지들)과, 3 개의 반복 패턴들을 포함할 수도 있다. 그래서, 게이지 파일은 6 개 게이지들을 포함할 수도 있다. 각각의 누락 게이지의 경우, 이미지 점수는 1/(게이지 유형 * 반복 패턴들의 수)만큼 감소된다. 예를 들어, 이미지 점수 1은 1/6, 2/6, 또는 3/6만큼 감소될 수도 있다.

일 실시예에서, 원시 이미지 품질 메트릭(303)을 결정하는 것은 프로세스(P405)를 더 포함할 수도 있다. 프로세스(P405)는 복수의 원시 이미지들(301)의 게이지들에 연관되는 게이지 데이터를 클러스터링하는 것을 포함한다. 일 실시예에서, 게이지 데이터는 특정 게이지 유형에 연관되는 게이지 데이터(예컨대, EP 게이지 데이터, 또는 CD 게이지 데이터)이고; 그 프로세스는 클러스터링에 기초하여, 원시 이미지 품질 메트릭(303)의 제2 값을 수정하는 것을 포함한다.

일 실시예에서, 프로세스(P407)는, 복수의 원시 이미지들 중 하나 이상의 원시 이미지들(301)의 게이지 데이터(예컨대, EP 게이지 데이터 또는 CD 게이지 데이터)가 특정된 클러스터 영역 밖에 있는지의 여부를 결정하는 것; 및 게이지 데이터(예컨대, EP 게이지 데이터 또는 CD 게이지 데이터)가 특정된 클러스터 영역 밖에 있음에 응답하여, 하나 이상의 원시 이미지들에 연관되는 원시 이미지 품질 메트릭(303)의 제2 값을 선택 임계값보다 낮은 것으로 감소시키는 것을 포함한다.

일 실시예에서, 원시 이미지 품질 메트릭(303)의 제2 값을 수정하는 것은, 복수의 원시 이미지들(301) 중 하나 이상의 원시 이미지들의 게이지 데이터(예컨대, EP 게이지 데이터 또는 CD 게이지 데이터)가 특정된 클러스터 영역 내에 있는지의 여부를 결정하는 것; 및 게이지 데이터(예컨대, EP 게이지 데이터 또는 CD 게이지 데이터)가 특정된 클러스터 영역 내에 있음에 응답하여, 특정 게이지 데이터(예컨대, CD 게이지 데이터)에 연관되는 통계에 기초하여 하나 이상의 원시 이미지들에 연관되는 원시 이미지 품질 메트릭(303)의 제2 값을 수정하는 것을 포함한다.

일 실시예에서, 클러스터링은 두 개의 게이지들 사이의 다이-대-다이(D2D) 오프셋에 기초할 수도 있다. 예를 들어, 특정 패턴의 원시 이미지들의 윤곽들의 중심들 또는 EP 게이지들 사이의 거리가 결정될 수도 있다. 만약 거리들이 서로 가깝고, 하나로 클러스터링될 수 있다(예컨대, 모든 게이지 데이터 지점들은 특정된 클러스터 영역 내에 있다). 이는 또한 상이한 두 개의 원시 이미지들의 게이지들 사이에 큰 D2D 오프셋이 있음을 표시한다. 그러나, 클러스터링된 데이터가 특정된 클러스터 영역들 밖에 있으면, 이는 원시 이미지들 사이에 큰 차이가 있음을 표시한다. 이 경우, 가장 큰 클러스터에서 원시 이미지들을 선택하고 0의 이미지 점수 값을 원시 이미지들에게 배정한다. 옵션적으로, 프로세스(P407)는 문제 보고를 생성하도록 구성될 수도 있다. 예를 들어, 문제 보고들은 큰 다이-대-다이 오프셋의 표시를 포함한다.

일 실시예에서, 원시 이미지 품질 메트릭(303)의 제2 값을 수정하는 것은 특정 게이지 데이터(예컨대, CD 게이지 데이터)에 연관되는 통계가 통계 임계값 밖에 있는지의 여부를 결정하는 것; 및 게이지 데이터(예컨대, CD 게이지 데이터)가 통계 임계값 밖에 있음에 응답하여, 하나 이상의 원시 이미지들의 원시 이미지 품질 메트릭(303)의 제2 값을 특정된 양만큼 감소시키는 것을 포함한다. 일 실시예에서, 특정된 양은 게이지 유형들의 수와 반복 패턴들의 수의 곱의 역수로서 전산된다.

다른 예에서, 클러스터링은 게이지 데이터의 통계 분석에 기초할 수 있다. 예를 들어, 통계 분석은 CD 게이지의 표준 편차, 평균, 중앙값, 분위수, 절대 오차 범위, 상대 오차 범위, 최소, 최대와 같은 통계를 결정하는 것을 포함한다. 통계 분석에 기초하여, 하나의 클러스터에 통계를 갖는 원시 이미지들이 있는 패턴의 경우, 특정된 클러스터 영역 내의 원시 이미지들이 선택된다. 아웃라이어인 각각의 게이지에 대해, 연관된 원시 이미지가 있는 이미지 점수는 1/(게이지 유형 수 * 반복 패턴들의 수)만큼 감소된다.

본 개시에서 논의되는 게이지 유형들은 본 개시의 범위를 제한하는 일 없이 예로서 제시된다. 일 실시예에서, 윤곽 또는 좌표 유형 파라미터들은 CD/EP 게이지 대신 또는 CD/EP 게이지과 연계하여 사용될 수도 있다. 일 실시예에서, 세기, 콘트라스트, ILS 등과 같은 원시 이미지 또는 게이지 속성에 연관되는 다른 유형의 데이터는 원시 이미지의 품질을 결정하기 위해 분석될 수도 있다.

본 개시에서 논의되는 바와 같이, 방법(300)은 원시 이미지 품질 메트릭(303)이 선택 임계값을 충족하지 않는 각각의 원시 이미지에 대한 문제 보고를 생성하기 위한 프로세스(예컨대, P401, P403)를 더 포함할 수 있다. 예를 들어, 불량 원시 이미지들에 대한 예시적인 문제 보고는 로컬 블러, 탈 초점 원시 이미지, 블랭크 원시 이미지, 원시 이미지 내의 큰 백색 대역, 원시 이미지 내의 큰 프로세스 분산, 상이한 원시 이미지들 사이의 큰 D2D 오프셋, 또는 불량 원시 이미지들을 야기하는 다른 문제들과 같은 문제들을 포함하지만, 그것들로 제한되지 않는다.

따라서, 위에서 논의된, 도 4a의 예시적인 프로세스에서의 특정된 기준들은, 원시 이미지들(301)로부터의 원시 이미지들의 서브-세트(310A)의 선택을 초래할 수 있다. 도 4a의 프로세스의 예시적인 적용은 도 4c에 예시된다.

도 4c는 불량 품질 이미지들을 나타내는 것과 같이 선택 임계값(예컨대, 0.5)을 충족하지 않는 원시 이미지 품질 메트릭(303)을 갖는 예시적인 원시 SEM 이미지들을 예시한다. 예를 들어, 블랭크를 갖거나 또는 특징부가 없는 원시 이미지(452)는 -1의 이미지 점수를 배정받으며, 특징부들 주위에 큰 백색 대역들을 갖는 원시 이미지(454)는 0.24의 이미지 점수를 배정받고, 상대적으로 많은 양의 로컬 블러를 갖는 원시 이미지(456)는 0.35의 이미지 점수를 배정받는다.

본 실시예는, 도 4a 내지 도 4c를 참조하면, 여러 장점들을 가진다. 현존 도구(예컨대, SEM 계측 도구(도 14) 또는 검사 장치(도 15))가 원시 이미지들을 수동으로 검토할 필요 없이 양호한 이미지들을 자동으로 식별하고 불량 품질 원시 이미지들을 제거하도록 수정될 수도 있다. 대안적으로 별도의 소프트웨어 프로그램이 구현될 수도 있다. 이 자동 선택 프로세스는 모델링 시간 역시 효과적으로 절약할 수 있다. 예를 들어, 마스크 패턴을 결정하기 위한 OPC 모델링이 시간이 많이 걸리는 프로세스이다. OPC 프로세스에서 양호한 품질 SEM 이미지들을 사용하면 시뮬레이션 시간을 개선할 수 있고 비교적 적은 시간에 결과들을 생성할 수 있다. 논의되는 바와 같이, 양호한 품질 원시 이미지들의 선택은 계측 도구 또는 프로세서에 의해 생성된 게이지들에 대한 수학적 분석에 기초한다. 이미지 스코어링의 규칙들은 물리적 의미들을 가진다. 도 4a의 예시적인 이미지 스코어링 프로세스는 상이한 사용 사례들에 대해 높은 적응성을 가진다. 그래서, SEM 이미지 스캐닝 레시피들이 상이한 사용자들에 대해 매우 상이하더라도, 선택 프로세스는 그것에 적응될 수 있다. 이와 같이, 본 개시는 패터닝 공정 또는 계측 프로세스에 관련된 상이한 문제들을 종합적으로 고려할 수 있고 예컨대, 윤곽 기반 분석을 통해 필터링되지 않을 수도 있는 불량 원시 이미지들을 필터링할 수 있다. 추가로, 불량 원시 이미지들에 대한 문제 보고는, 예컨대, 이미징 프로세스, 결함 검사, 또는 계측 레시피를 개선하도록 사용자를 안내하기 위해 생성될 수도 있다.

다른 실시예에서, 원시 이미지 품질 메트릭(303)을 결정하는 프로세스(303)는 원시 이미지 품질 메트릭(303)을 생성하기 위해 각각의 원시 이미지에 연관되는 게이지들의 게이지 데이터에 대한 통계적 분석을 수행하는 것을 포함한다. 일 실시예에서, 원시 이미지 품질 메트릭(303)은 각각의 원시 이미지에 연관되는 게이지들에서 콘트라스트의 함수이다. 일 실시예에서, 원시 이미지 품질 메트릭(303)은 각각의 원시 이미지에 연관되는 게이지들에서 결정되는 기울기들의 평균이다. 일 실시예에서, 주어진 게이지의 기울기가 주어진 게이지에서 상대적으로 밝은 영역으로부터 어두운 영역으로의 전이에서 주어진 이미지의 경사(steepness)를 측정한다.

예를 들어, 원시 이미지 품질 메트릭(303)은 다음의 기울기(slope) 수학식을 사용하여 전산될 수 있다:

위의 수학식에서, N은 패턴들의 수이며, M은 각각의 패턴의 원시 이미지들의 수이며, G는 패턴에 연관되는 게이지들의 수이고, P는 각각의 패턴 내의 각각의 게이지의 반복들의 수이다.

도 5는 SEM 이미지들의 게이지들(SEM 이미지들에서의 수평선 특징부들에 수직으로 삽입된 가상 백색선들 참조)에 기초하여 결정되는 예시적인 SEM 이미지들 및 대응하는 기울기 값들을 도시한다. 예를 들어, 원시 이미지(502)에 위의 기울기 수학식을 적용하면 0.005의 원시 이미지 품질 메트릭 값이 제공된다. 마찬가지로, 원시 이미지(504)는 0.042의 메트릭 값을 얻으며, 원시 이미지(506)는 0.014의 메트릭 값을 얻으며, 원시 이미지(508)는 0.051의 메트릭 값을 얻으며, 원시 이미지(510)는 0.036의 메트릭 값을 얻고, 원시 이미지(512)는 0.041의 메트릭 값을 얻는다. 일 실시예에서, 품질 메트릭 값이 예컨대, 0.03의 선택 임계값을 초과하는 원시 이미지들이 선택될 수도 있다. 따라서, 원시 이미지들(504, 508, 510, 및 512)은 양호한 품질 이미지들로서 선택될 수도 있다.

본 실시예는 여러 추가적인 이점들을 가진다. 원시 이미지 품질 메트릭은 노이즈에 강한데, 이미지의 품질이 게이지 영역에 대해 결정되고, 따라서 이미지의 다른 곳에서의 이미지 노이즈에 의해 영향을 덜 받기 때문이다. 그래서, 게이지 영역들 외부에서 상당한 노이즈가 있더라도, 이미지가 양호한 품질 이미지로서 선택될 수도 있다. 예를 들어, 게이지 영역에서 품질이 양호하지만 (예컨대, 특징부들의 누락/sbar 프린팅/축소(collapsing)로 인해) 다른 영역에서 품질이 불량한 이미지들의 경우, 원시 이미지 품질 메트릭은 여전히 선택될 수도 있다. 본원의 접근법은 낮은 수의 원시 이미지들이 있더라도 적용될 수도 있는데, 이미지 통계(예컨대, 평균 화소 세기들, 상이한 이미지들에 걸친 화소 세기들에서의 변화 등)에 의존하지 않기 때문이다. 예를 들어, 접근법은 패턴당 10 개 미만의 원시 이미지들에 적용될 수 있다. 본 개시에서, 원시 이미지 품질 메트릭은 원시 이미지 자체 내의 정보에 기초하여 원시 이미지 품질을 판단하여, 더욱 안정적인 결과로 이어질 수 있다.

일 실시예에서, 원시 이미지 품질 메트릭(303)을 결정하는 프로세스(303)는 도 6a의 프로세스들에 관해 설명된다. 일 실시예에서, 원시 이미지 품질 메트릭(303)은 평균 이미지 또는 기준 원시 이미지에 관해 결정된다. 일 실시예에서, 동일한 패턴의 모든 원시 이미지들은 이들 원시 이미지들로부터 선택된 기준 원시 이미지에 관해 정렬될 수도 있고, 평균 이미지는 결정될 수도 있다. 평균 이미지는 또한 원시 이미지들과 동일한 좌표에 있을 것이다.

도 6a에서, 프로세스(P601)는 이미지 내의 특징부의 제1 윤곽(C1)을 획득하는 것을 포함한다. 일 실시예에서, 제1 윤곽(C1)은 특정 패턴에 연관되는 복수의 원시 이미지들(301)의 평균 이미지로부터 추출된다. 일 실시예에서, 제1 윤곽(C1)은 또한 제1 원시 이미지로부터 획득될 수 있다. 일 예로서, 평균 이미지는 특징부의 특성에 기초하여 원시 이미지들(301)의 클러스터링; 및 특정된 클러스터 영역 내에서 원시 이미지들(301)의 클러스터를 평균화하는 것에 의해 획득된다. 다른 예로서, 평균 이미지는 특정 패턴의 원시 이미지들(301)을 정렬하는 것; 원시 이미지들(301)의 각각 내에서 특징부의 윤곽들 사이의 상호 거리들에 기초하여 원시 이미지들(301)을 클러스터링하는 것; 및 평균 이미지를 결정하기 위한 특정된 클러스터 영역 내의 원시 이미지들(301)의 클러스터를 평균화하는 것에 의해 획득된다. 제1 윤곽(C1)은 평균 이미지로부터 추출될 수 있다.

프로세스(P603)는 특정 패턴에 연관되는 각각의 원시 이미지로부터 특징부의 제2 윤곽(C2)을 획득하는 것을 포함한다. 일 실시예에서, 제2 윤곽(C2)을 획득하는 것은 프로세스(P605)를 포함한다. 프로세스(P605)는 주어진 원시 이미지 내의 특징부에 연관되는 윤곽 로케이션들에서 이미지 속성들을 결정하는 것; 이미지 속성이 임계값을 돌파하는지의 여부를 결정하는 것; 및 이미지 속성이 임계값을 돌파하는 것에 응답하여, 주어진 원시 이미지로부터 특징부의 제2 윤곽(C2)을 추출하는 것을 포함한다. 일 실시예에서, 이미지 속성은 특징부에 연관되는 로케이션에서의 로컬 에지 선명도 또는 콘트라스트 값, 또는 특징부의 윤곽에서의 세기이다. 예를 들어, 기울기는 특징부들의 융선(ridge)에서 결정될 수 있다. 특징부의 융선은 게이지를 따라 이미지로부터 신호를 추출함으로써 결정될 수 있다. 신호의 피크에서, 기울기는 결정될 수도 있다.

프로세스(P607)는 원시 이미지 품질 메트릭, 예컨대, 제1 윤곽(C1)과 제2 윤곽(C2) 사이의 거리를 결정하는 것을 포함한다. 예를 들어, 평균 이미지로부터 추출된 제1 윤곽(C1)과 원시 이미지의 제2 윤곽(C2) 사이의 거리이다. 거리 메트릭은 일 예로서 제시되고 평균 이미지로 제한되지 않는다.

일 실시예에서, 원시 이미지 품질 메트릭(303)을 결정하는 것은, 특정 패턴에 연관되는 복수의 원시 이미지들(301) 중 각각의 원시 이미지 내에서 특징부의 원시 이미지 윤곽들(예컨대, C1 및 C2)을 획득하는 것; 및 복수의 원시 이미지들(301) 중 각각의 원시 이미지의 윤곽과 복수의 원시 이미지들(301) 중 각각의 다른 원시 이미지의 윤곽 사이의 거리들의 행렬을 결정하는 것을 포함한다. 일 실시예에서, 원시 이미지들의 서브-세트(310C)는 선택 임계값을 충족하는 각각의 원시 이미지에 연관되는 거리들의 수에 기초하여 선택된다. 예를 들어, 11 개의 원시 SEM 이미지들이 있는 경우, 거리들의 10x10 행렬이 결정될 수 있다. 각각의 원시 이미지에 대해, 다른 원시 이미지들에 관해 전산된 10 개의 거리들이 있을 것이다. 각각의 거리는 결정하기 위해 특정된 임계값과 비교될 수도 있다. 그 다음에, 임계값들을 충족하는 원시 이미지 클러스터가 선택될 수도 있다. 예를 들어, 특정된 임계값을 충족하는 6 개 거리들이 있는 이미지들은 모든 다른 이미지들 클러스터가 특정된 임계값을 충족하는 5 개 이미지들 이하일 때 선택될 수도 있다.

도 6b는 일 실시예에 따른, 두 개의 이미지들로부터 추출되는 특징부의 두 개의 윤곽들 사이의 오프셋을 결정하는 예시적인 방법을 도시한다. 일 실시예에서, 제1 윤곽이 평균 이미지 윤곽 또는 원시 이미지 윤곽으로부터 추출될 수 있고 제2 윤곽이 원시 이미지 윤곽으로부터 추출될 수 있다. 일 실시예에서, 윤곽-대-윤곽 오프셋은 두 개의 원시 이미지들의 윤곽들 사이에서 결정될 수 있다.

일 실시예에서, 윤곽들 사이의 거리들을 결정하는 것은 윤곽들 또는 이미지들을 정렬하는 것을 포함한다. 본 개시에서 사용되는 바와 같이, "오프셋(610)"은 제1 윤곽(330) 상의 지점과, 제2 윤곽(510) 상의 다른 지점 사이의 거리를 의미한다. 일 실시예에서, 제2 윤곽은 원시 이미지로부터 추출될 수 있다. 일 실시예에서, 제1 윤곽(330)은 복수의 원시 이미지들의 평균으로부터 추출될 수 있다. 일 실시예에서, 제1 윤곽(330)은 원시 이미지로부터 추출될 수 있다. 본 개시는 상이한 방법들을 사용하여 오프셋(610)을 결정할 수 있다. 예를 들어, 오프셋(610)은 윤곽(예컨대, 330)의 부분을 실질적으로 정의하는 좌표들(620)에 기초하여 결정될 수 있다. 본 개시에서 사용되는 바와 같이, "좌표들"이란 용어는 전체 윤곽의 부분 또는 전체 윤곽을 정의하는 좌표들을 의미한다. 일 실시예에서, 좌표들은, 이미징 디바이스에 의해 촬영된 이미지들의 분석 등에 의해, 이미징 디바이스에 의해 생성될 수 있다. 예를 들어, 좌표들은 윤곽의 에지에 대응하도록 결정된 화소 위치들일 수 있다. 따라서, 에지 검출 프로그램은 이미지의 이미지 프로세싱에 기초하여 좌표들(620)을 생성할 수 있다. 좌표들(620)의 예들은 도 6b에서 윤곽(330) 상의 원에 의해 예시된다.

하나의 실시예에서, 오프셋(610)은 좌표들(620)과 윤곽(510) 사이의 거리들에 기초하여 추가로 결정될 수 있다. 일부 특정 실시예들에서, 거리들은 좌표들(620)에서 윤곽(330)에 수직인 방향들에 있을 수 있다. 다른 실시예들에서, 오프셋(610)은, 예를 들어, 일부 또는 모든 오프셋들의 거리의 제곱을 합산하는 것, 또는 일부 또는 모든 오프셋들을 합산하는 것, 또는 이들 거리들의 분위수 통계에 의해 결정될 수도 있다. 이는, 예를 들어, 수직 오프셋 벡터의 x 성분 및/또는 y 성분으로 수행될 수 있다. 　

일부 실시예들에서, 임의의 수의 추가적인 포인트들(예컨대, 에지 배치(EP) 좌표들)은 윤곽(330 또는 510) 상에서 생성될 수도 있다. 본 개시에서 사용되는 바와 같이, EP 좌표들(630)(또한 본 개시에서 EP 게이지라고 함)은, 윤곽(330 또는 510)을 정의하는 추가적인 지점이다. EP 좌표(630)의 하나의 예는 윤곽(330) 상에 위치된 사각 점(solid square)에 의해 도 6b에서 예시된다. 일부 실시예들에서, EP 좌표들(630)은 둘 이상의 좌표들(620) 사이의 보간에 의해 생성될 수 있다. 다른 실시예들에서, EP 좌표(630)는 둘 이상의 좌표들(620)로부터의 외삽(extrapolation)에 의해 생성될 수 있다. 따라서, 오프셋(610)은 추가로, EP 좌표(630)에 기초하여, 대안적으로 좌표들(620)에 기초하여, 또는 좌표들(620)에 추가로 기초하여 결정될 수 있다.

도 7은 일 실시예에 따른 예시적인 계측 시스템의 블록도이다. 본 개시에서 설명되는 실시예들은 임의의 수 및 조합의 컴퓨팅 시스템들, 이미지 캡처 디바이스들, 서버들, 및 사용자 인터페이스들 상에서 구현될 수 있다. 하나의 예시적인 시스템이 도 7에서 예시되는데, 그 도면에서 직렬 및/또는 병렬로 동작하는 임의의 수의 컴퓨터들을 옵션적으로 포함할 수도 있는 클러스터(1210)는 EP 게이지들(630)라고도 본 개시에서 지칭되는 EP 좌표들(630)의 선택 및 송신을 허용하도록 구성될 수 있다. EP 게이지들(630)은 하나 이상의 관리 서버들(1220)에 송신될 수 있으며, 레시피(1230)는 이미지 캡처 디바이스(1240)에 전송될 수 있다. 레시피(1230)는 패터닝 공정에 관한 정보와 또한 이미지 캡처 디바이스(1240)의 동작을 위한 명령들을 포함할 수 있다. 이와 같이 설명되는 예시적인 시스템들은 OPC 예측 정확도를 개선하고 OPC 개발 사이클 시간을 감소시킨다.

도 8은 일 실시예에 따른 개선된 계측 프로세스의 예시적인 구현예의 프로세스 흐름도이다.

본 개시에서 설명되는 시스템들 및 실시예들에 따른 계측을 개선하기 위한 방법이 클러스터(1210)와 같은 컴퓨팅 클러스터 상에서 프로세스를 실행하는 것을 포함할 수 있다. 프로세스 모델은, 1310에서, 레티클 설계를 받아들일 수 있다. 그러면 프로세스 모델은, 1312에서, 타깃 패턴을 특정하는 GDS 레이아웃을 생성할 수 있다. 1314에서, 프로세스 모델은 그 다음에 방법(300)에 따라 선택되는 양호한 품질 원시 이미지들로부터 추출되는 하나 이상의 게이지들을 선택할 수 있다.

이미지 캡처 디바이스, 예를 들어, 이미지 캡처 디바이스(1240)는, 1320에서, 레시피(1230)를 생성할 수 있다. 레시피(1230)는 임의의 수의 고분해능 측정 이미지들을 생성하는 것을 포함하여, 인쇄된 패턴에 대한 고품질 계측을 1322에서 수행하기 위해 이미지 캡처 디바이스(1240)에 의해 사용될 수 있다. 게다가, 방법(300)의 선택 프로세스에 기초하여, 양호한 품질로 측정된 이미지들의 서브-세트가 이미지 프로세싱을 위해 클러스터(1210)에 송신될 수 있다

이미지 프로세싱은, 예를 들어, 1330에서의 이미지 필터링 실행, 이미지 정렬 및 평균화(1332), 윤곽 추출(1334), 그리고 EP 게이지 추출(1336)을 포함할 수 있다. 이미지 필터링은, 예를 들어 허용된 벤치마크들 또는 허용오차들에 기초한, 예를 들어, 오인쇄된(misprinted) 이미지들 및/또는 낮은 콘트라스트 이미지들의 자동 제거를 포함할 수 있다. 옵션적으로, 레시피(1230) 및 측정된 이미지들(320)은 이미지 필터링 및 평균화 정렬 프로세스들 전과 후의 측정된 이미지들(320)을 비교함으로써 계측 일관성을 증가시키기 위한 윤곽 추출 프로세스의 일부로서 1322로부터 입력될 수 있다.

모델 교정 및 검정은 1340에서 수행될 수 있으며, 1336에서 추출되는 EP 게이지들, CD 게이지들 또는 다른 게이지들은 하나 이상의 컴퓨팅 시스템들에 의해 수신될 수 있다. 교정 및 검정 모델은, 많은 수의 EP 게이지들, 예를 들어, CD 게이지들의 수에 비해 2, 3, 3.6, 5, 10 배 이상의 증가를 지원하도록 1340에서 최적화될 수 있다. 1342에서, 프로세스 모델은 교정될 수 있고 1344에서, 교정 프로세스 모델은 사용자 검토, 리파인먼트, 송신, 또는 추가 프로세싱을 위해 그래픽 사용자 인터페이스(GUI)에 제공될 수 있다.

도 9는 일 실시예에 따른 예시적인 컴퓨터 시스템(CS)의 블록도이다.

컴퓨터 시스템(CS)은 정보를 통신하기 위한 버스(BS) 또는 다른 통신 메커니즘과, 버스(BS)에 커플링되어 정보를 프로세싱하기 위한 프로세서(PRO)(또는 다중 프로세서)를 포함한다. 컴퓨터 시스템(CS)은 버스(BS)에 커플링되어 프로세서(PRO)에 의해 실행될 명령들과 정보를 저장하는 랜덤 액세스 메모리(RAM) 또는 다른 동적 저장 디바이스와 같은 메인 메모리(MM)를 또한 포함한다. 메인 메모리(MM)는 프로세서(PRO)에 의해 실행될 명령들의 실행 동안 임시 변수들 또는 다른 중간 정보를 저장하는데 또한 사용될 수도 있다. 컴퓨터 시스템(CS)은 버스(BS)에 커플링되어 프로세서(PRO)를 위한 정적 정보 및 명령들을 저장하는 판독 전용 메모리(ROM) 또는 다른 정적 저장 디바이스를 더 포함한다. 저장 디바이스(SD), 이를테면 자기 디스크 또는 광학적 디스크가, 버스(BS)에 제공되고 커플링되어 정보 및 명령들을 저장한다.

컴퓨터 시스템(CS)은 정보를 컴퓨터 사용자에게 디스플레이하기 위한 디스플레이(DS), 이를테면 음극선관(CRT) 또는 평판 패널 또는 터치 패널 디스플레이에 버스(BS)를 통해 커플링될 수도 있다. 영숫자 및 다른 키들을 포함하는 입력 디바이스(ID)가, 버스(BS)에 커플링되어 정보 및 커맨드 선택들을 프로세서(PRO)에 전달한다. 다른 유형의 사용자 입력 디바이스가 방향 정보 및 커맨드 선택들을 프로세서(PRO)에 전달하고 디스플레이(DS) 상에서 커서 움직임을 제어하는 커서 컨트롤(CC), 이를테면 마우스, 트랙볼, 또는 커서 방향 키들이다. 이 입력 디바이스는, 디바이스가 평면에서의 위치들을 특정하는 것을 허용하는, 두 개의 축들인 제1 축(예컨대, x) 및 제2 축(예컨대, y)에서의 2의 자유도를 통상적으로 가진다. 터치 패널(스크린) 디스플레이가 입력 디바이스로서 또한 사용될 수도 있다.

하나의 실시예에 따르면, 위에서 설명된 하나 이상의 방법들의 부분들은 프로세서(PRO)가 메인 메모리(MM)에 포함되는 하나 이상의 명령들의 하나 이상의 시퀀스들을 실행하는 것에 응답하여 컴퓨터 시스템(CS)에 의해 수행될 수도 있다. 이러한 명령들은 다른 컴퓨터 판독가능 매체, 이를테면 저장 디바이스(SD)로부터 메인 메모리(MM) 안으로 판독될 수도 있다. 메인 메모리(MM)에 포함되는 명령들의 시퀀스들의 실행이 프로세서(PRO)로 하여금 본 개시에서 설명되는 프로세스 단계들을 수행하게 한다. 멀티 프로세싱 배열의 하나 이상의 프로세서들은 메인 메모리(MM)에 포함되는 명령들의 시퀀스들을 실행하도록 또한 채용될 수도 있다. 대체 실시예에서, 하드-와이어드 회로가 소프트웨어 명령들 대신 또는 그러한 명령들과 조합하여 사용될 수도 있다. 따라서, 본 개시에서의 설명은 하드웨어 회로와 소프트웨어의 임의의 특정 조합으로 제한되지 않는다.

본 개시에서 사용되는 바와 같은 "컴퓨터 판독가능 매체"라는 용어는 프로세서(PRO)에 실행을 위해 명령들을 제공함에 있어서 참여하는 임의의 매체를 지칭한다. 이러한 매체는 비휘발성 매체들, 휘발성 매체들, 및 송신 매체들을 포함하지만 그것들로 제한되지 않는 많은 형태들을 취할 수도 있다. 비휘발성 매체는, 예를 들어, 광학적 또는 자기 디스크들, 이를테면 저장 디바이스(SD)를 포함한다. 휘발성 매체는 동적 메모리, 이를테면 메인 메모리(MM)를 포함한다. 송신 매체는 버스(BS)를 포함하는 와이어들을 포함하여 동축 케이블들, 구리 와이어 및 광섬유들을 포함한다. 송신 매체는 무선 주파수(radio frequency)(RF) 및 적외선(infrared)(IR) 데이터 통신들 동안 생성되는 것들과 같은 음향 또는 광 파들의 형태를 또한 취할 수 있다. 컴퓨터 판독가능 매체는 비일시적, 예를 들어, 플로피 디스크, 플렉시블 디스크, 하드 디스크, 자기 테이프, 임의의 다른 자기 매체, CD-ROM, DVD, 임의의 다른 광학적 매체, 펀치 카드들, 페이퍼 테이프, 홀들의 패턴들을 갖는 임의의 다른 물리적 매체, RAM, PROM, 및 EPROM, 플래시-EPROM, 임의의 다른 메모리 칩 또는 카트리지일 수 있다. 비일시적 컴퓨터 판독가능 매체는 그것 상에 기록되는 명령들을 가질 수 있다. 명령들은, 컴퓨터에 의해 실행될 때, 본 개시에서 설명되는 특징들 중 임의의 것을 구현할 수 있다. 일시적 컴퓨터 판독가능 매체는 반송파 또는 전파하는 다른 전자기 신호를 포함할 수 있다.

다양한 형태들의 컴퓨터 판독가능 매체가 하나 이상의 명령들의 하나 이상의 시퀀스들을 실행을 위해 프로세서(PRO)로 운반함에 있어서 관련될 수도 있다. 예를 들어, 그 명령들은 처음에 원격 컴퓨터의 자기 디스크 상에 담길 수도 있다. 원격 컴퓨터는 자신의 동적 메모리 속에 명령들을 로딩할 수 있고 그 명령들을 모뎀을 사용하여 전화선을 통해 전송할 수 있다. 컴퓨터 시스템(CS)에 국부적인 모뎀이 전화선 상의 데이터를 수신하고 그 데이터를 적외선 신호로 변환하기 위해 적외선 송신기를 사용할 수 있다. 버스(BS)에 커플링되는 적외선 검출기가 적외선 신호로 운반되는 데이터를 수신하고 그 데이터를 버스(BS) 상에서 배치할 수 있다. 버스(502)는 데이터를 메인 메모리(MM)로 운반하며, 그 메인 메모리로부터 프로세서(PRO)는 명령들을 취출하고 실행한다. 메인 메모리(MM)에 의해 수신된 명령들은 프로세서(PRO)에 의한 실행 전 또는 후 중 어느 하나에 저장 디바이스(SD) 상에 옵션적으로 저장될 수도 있다.

컴퓨터 시스템(CS)은 버스(BS)에 커플링되는 통신 인터페이스(CI)를 또한 포함할 수도 있다. 통신 인터페이스(CI)는 로컬 네트워크(LAN)에 연결된 네트워크 링크(NDL)에 대한 양방향 데이터 통신 커플링을 제공한다. 예를 들어, 통신 인터페이스(CI)는 ISDN(integrated services digital network) 카드 또는 대응하는 유형의 전화선에의 데이터 통신 연결을 제공하는 모뎀일 수도 있다. 다른 예로서, 통신 인터페이스(CI)는 호환 가능 로컬 영역 네트워크(local area network)(LAN)에 대한 데이터 통신 접속을 제공하는 LAN 카드일 수도 있다. 무선 링크들이 또한 구현될 수도 있다. 임의의 이러한 구현예에서, 통신 인터페이스(CI)는 다양한 유형들의 정보를 표현하는 디지털 데이터 스트림들을 운반하는 전기, 전자기 또는 광 신호들을 전송하고 수신한다.

네트워크 링크(NDL)는 하나 이상의 네트워크들을 통한 다른 데이터 디바이스들로의 데이터 통신을 통상적으로 제공한다. 예를 들어, 네트워크 링크(NDL)는 로컬 네트워크(LAN)를 통해 호스트 컴퓨터(HC)에의 연결을 제공할 수도 있다. 이는 이제 흔히 "인터넷"(INT)이라 지칭되는 월드와이드 패킷 데이터 통신 네트워크를 통해 제공되는 데이터 통신 서비스들을 포함할 수 있다. 로컬 네트워크(LAN)와 인터넷 둘 다는 디지털 데이터 스트림들을 운반하는 전기, 전자기 또는 광학적 신호들을 사용한다. 다양한 네트워크들을 통하는 신호들과 네트워크 데이터 링크(NDL) 상의 그리고 통신 인터페이스(CI)를 통하는 신호들은, 컴퓨터 시스템(CS)과의 사이에서 디지털 데이터를 운반하는 것으로, 정보를 전달하는 예시적인 형태들의 반송파들이다.

컴퓨터 시스템(CS)은 네트워크(들), 네트워크 데이터 링크(NDL) 및 통신 인터페이스(CI)를 통해, 메시지들을 전송하고 프로그램 코드를 포함하는 데이터를 수신할 수 있다. 인터넷 예에서, 호스팅 컴퓨터(HC)는 인터넷(INT), 네트워크 데이터 링크(NDL), 로컬 네트워크(LAN) 및 통신 인터페이스(CI)를 통해 응용 프로그램을 위한 요청된 코드를 송신할 수 있다. 하나의 이러한 다운로드된 애플리케이션은, 예를 들어, 본 개시에서 설명되는 방법의 전체 또는 부분을 제공할 수도 있다. 수신된 코드는 수신될 때 프로세서(PRO)에 의해 실행되며, 그리고/또는 저장 디바이스(SD), 또는 다른 비휘발성 스토리지에 나중의 실행을 위해 저장될 수도 있다. 이런 방식으로, 컴퓨터 시스템(CS)은 애플리케이션 코드를 반송파 형태로 획득할 수도 있다.

도 10은 일 실시예에 따른 리소그래피 투영 장치의 개략도이다.

리소그래피 투영 장치는 조명 시스템(IL), 제1 대물 테이블(MT), 제2 대물 테이블(WT), 및 투사 시스템(PS)을 포함할 수 있다.

조명 시스템(IL)은 방사선의 빔(B)을 조절할 수 있다. 이 특정 경우, 조명 시스템은 또한 방사선 소스(SO)를 포함한다.

제1 대물 테이블(예컨대, 패터닝 디바이스 테이블)(MT)은 패터닝 디바이스(MA)(예컨대, 레티클)를 유지하기 위한 패터닝 디바이스 홀더를 제공받을 수 있고, 아이템(PS)에 대해 패터닝 디바이스를 정확하게 위치시키기 위해 제1 포지셔너에 연결될 수 있다.

제2 대물 테이블(기판 테이블)(WT)은 기판(W)(예컨대, 레지스트 코팅된 실리콘 웨이퍼)을 유지하기 위한 기판 홀더를 제공받을 수 있고, 아이템(PS)에 대해 기판을 정확하게 위치시키기 위해 제2 포지셔너에 연결될 수 있다.

투사 시스템("렌즈")(PS)(예컨대, 굴절성, 반사 또는 반사굴절 광학 시스템)은 기판(W)의 타깃 부분(C)(예컨대, 하나 이상의 다이들을 포함함) 상으로의 패터닝 디바이스(MA)의 조사된 부분을 이미지화할 수 있다.

본 개시에서 묘사된 바와 같이, 장치는 투과형일 (즉, 투과성 패터닝 디바이스를 가질) 수 있다. 그러나, 일반적으로, 이는 또한, 예를 들어, 반사형일(반사성 패터닝 디바이스를 가질) 수도 있다. 장치는 고전적인 마스크에 상이한 종류의 패터닝 디바이스를 채용할 수도 있으며; 예들은 프로그램가능 거울 어레이 또는 LCD 매트릭스를 포함한다.

소스(SO)(예컨대, 수은 램프 또는 엑시머 레이저, LPP(laser produced plasma) EUV 소스)는 방사선의 빔을 생성한다. 이 빔은, 예를 들어 빔 익스팬더(Ex)와 같은 조절 수단을 통과한 후 또는 직접 중 어느 하나로. 조명 시스템(조명기)(IL)에 피드된다. 조명기(IL)는 빔에서의 세기 분포의 외부 및/또는 내부 반경 범위(각각 s-외부 및 s-내라고 흔히 지칭됨)를 설정하기 위한 조정 수단(AD)을 포함할 수도 있다. 추가적으로, 이는 다른 다양한 컴포넌트들, 이를테면 적분기(IN)와 콘덴서(CO)를 일반적으로 포함할 것이다. 이런 식으로, 패터닝 디바이스(MA) 상에 충돌하는 빔(B)은 자신의 단면에서 원하는 균일성 및 세기 분포를 갖는다.

일부 실시예들에서, 소스(SO)는 리소그래피 투영 장치의 하우징(예를 들어, 소스(SO)가 수은 램프일 경우가 종종 있음) 내에 있을 수도 있지만, 리소그래피 투영 장치로부터 멀리 있을 수도 있으며, 이 소스가 생성하는 방사선 빔은 장치에 (예컨대, 적합한 지향성 거울들의 도움으로) 유도되며; 이 후자의 시나리오는 소스(SO)가 (예컨대, KrF, ArF 또는 F2 레이징(lasing)에 기초한) 엑시머 레이저일 경우일 수 있다.

빔(PB)은 그 뒤에 패터닝 디바이스 테이블(MT) 상에 유지되는 패터닝 디바이스(MA)에서 인터셉트될 수 있다. 패터닝 디바이스(MA)를 가로지르면, 빔(B)은 렌즈(PL)를 통과할 수 있으며, 이 렌즈는 빔(B)을 기판(W)의 타깃 부분(C) 상에 집광시킨다. 제2 포지셔닝 수단(과 간섭 측정 수단(IF))의 도움으로, 기판 테이블(WT)은, 예컨대 빔(PB)의 경로에 상이한 타깃 부분들(C)을 위치시키기 위해서, 정확하게 이동될 수 있다. 유사하게, 제1 포지셔닝 수단은, 예컨대, 패터닝 디바이스 라이브러리로부터 패터닝 디바이스(MA)의 기계적 취출 후, 또는 스캔 동안, 빔(B)의 경로에 대해 패터닝 디바이스(MA)를 정확하게 위치시키는데 사용될 수 있다. 일반적으로, 대물 테이블들(MT, WT)의 움직임은, 롱 스트로크 모듈(거친 포지셔닝) 및 쇼트 스트로크 모듈(미세 포지셔닝)의 도움으로 실현될 수 있다. 그러나, 스테퍼의 경우(스텝-앤드-스캔 도구와는 반대임) 패터닝 디바이스 테이블(MT)은 단지 쇼트 스트로크 액추에이터에 연결될 수도 있거나, 또는 고정될 수도 있다.

묘사된 도구는 두 개의 상이한 모드들, 즉, 스텝 모드와 스캔 모드에서 사용될 수 있다. 스텝 모드에서, 패터닝 디바이스 테이블(MT)은 본질적으로 정적으로 유지되고, 전체 패터닝 디바이스 이미지는 타깃 부분(C) 상으로 한 번에(즉 단일 "플래시"로) 투영된다. 기판 테이블(WT)은 상이한 타깃 부분(C)이 빔(PB)에 의해 조사될 수 있도록 x 및/또는 y 방향들에서 시프트될 수 있다.

스캔 모드에서, 주어진 타깃 부분(C)이 단일 "플래시"로 노출되지 않는다는 점을 제외하면, 본질적으로 동일한 시나리오가 적용된다. 대신, 패터닝 디바이스 테이블(MT)은 주어진 방향(이른바 "스캔 방향", 예컨대, y 방향)에서 속력(v)으로 이동 가능하여서, 투사 빔(B)은 패터닝 디바이스 이미지를 스캔하게 되며; 동시에, 기판 테이블(WT)은 동시에 동일 또는 반대 방향에서 속력 V = Mv로 이동되며, 여기서 M은 렌즈(PL)의 배율(통상적으로, M = 1/4 또는 1/5)이다. 이 방식으로, 비교적 큰 타깃 부분(C)이 분해능을 보상하는 일 없이 노출될 수 있다.

도 11은 일 실시예에 따른 다른 리소그래피 투영 장치(LPA)의 개략도이다.

LPA는 소스 콜렉터 모듈(SO), 방사선 빔(B)(예컨대, EUV 방사선)을 조절하도록 구성되는 조명 시스템(조명기)(IL), 지지 구조(MT), 기판 테이블(WT), 및 투사 시스템(PS)을 포함할 수 있다.

지지 구조(예컨대, 패터닝 디바이스 테이블)(MT)는 패터닝 디바이스(예컨대, 마스크 또는 레티클)(MA)를 지원하도록 구성될 수 있고 패터닝 디바이스를 정확하게 위치시키도록 구성되는 제1 포지셔너(PM)에 연결될 수 있다.

기판 테이블(예컨대, 웨이퍼 테이블)(WT)은 기판(예컨대, 레지스트 코팅된 웨이퍼)(W)을 유지하도록 구성될 수 있고 기판을 정확하게 위치시키도록 구성되는 제2 포지셔너(PW)에 연결될 수 있다.

투사 시스템(예컨대, 반사 투사 시스템)(PS)은 패터닝 디바이스(MA)에 의해 방사선 빔(B)에 부과된 패턴을 기판(W)의 타깃 부분(C)(예컨대, 하나 이상의 다이들을 포함함) 상으로 투영하도록 구성될 수 있다.

여기서 묘사된 바와 같이, LPA는 반사형일(예컨대, 반사성 패터닝 디바이스를 채용할) 수 있다. 대부분의 재료들이 EUV 파장 범위 내에서 흡수성이기 때문에, 패터닝 디바이스는, 예를 들어 몰리브덴 및 실리콘의 멀티스택을 포함하는, 다층 반사체들을 가질 수도 있다는 것에 주의해야 한다. 하나의 예에서, 멀티스택 반사체는 각각의 층의 두께가 1/4 파장인 몰리브덴 및 실리콘의 40 개 층 쌍을 갖는다. 더 작은 파장들이 엑스선 리소그래피로 생성될 수도 있다. 대부분의 재료가 EUV 및 엑스선 파장들에서 흡수성이기 때문에, 패터닝 디바이스 토포그래피 상의 패터닝된 흡수 재료의 얇은 조각(예컨대, 다층 반사체 상단의 TaN 흡수체)이 피처들이 인쇄될(양화 레지스트) 또는 인쇄되지 않을(음화 레지스트) 곳을 정의한다.

조명기(IL)는 소스 콜렉터 모듈(SO)로부터 극 자외선 방사선 빔을 수신할 수 있다. EUV 방사를 생성하는 방법들은 재료를 적어도 하나의 엘리먼트, 예컨대, 크세논, 리튬 또는 주석을 가져, EUV 범위에서 하나 이상의 방출 라인들이 있는 플라즈마 상태로 변환하는 것을 비제한적으로 포함한다. 종종 레이저 생성 플라즈마("LPP")라고 불리는 이러한 하나의 방법에서, 플라즈마는 라인 방출 엘리먼트를 갖는 재료의 액적, 스트림 또는 클러스터와 같은 연료를 레이저 빔으로 조사함으로써 생성될 수 있다. 소스 콜렉터 모듈(SO)은 연료를 여기시키는 레이저 빔을 제공하기 위해 도 11에 도시되지 않은 레이저를 포함하는 EUV 방사 시스템의 일부일 수도 있다. 결과적인 플라즈마는 출력 방사, 예컨대, EUV 방사를 방출하며, 이 방사는 소스 콜렉터 모듈에 배치되는 방사 콜렉터를 사용하여 수집된다. 레이저 및 소스 콜렉터 모듈은, 예를 들어 CO2 레이저가 연료 여기(fuel excitation)를 위해 레이저 빔을 제공하는데 사용될 때, 별개의 엔티티들일 수도 있다.

이러한 경우들에서, 레이저는 리소그래피 장치의 일부를 형성하는 것으로 간주되지 않을 수도 있고 방사선 빔은, 예를 들어 적합한 지향성 거울들 및/또는 빔 익스팬더를 포함하는, 빔 전달 시스템의 도움으로, 레이저로부터 소스 콜렉터 모듈로 전해질 수 있다. 다른 경우들에서, 소스는, 예를 들어 소스가 종종 DPP 소스라고 지칭되는 방전 생성 플라즈마 EUV 발생기일 때, 소스 콜렉터 모듈의 통합 부분일 수도 있다.

조명기(IL)는 방사선 빔의 각도 세기 분포를 조정하기 위한 조정기를 포함할 수도 있다. 일반적으로, 조명기의 퓨필 평면에서의 세기 분포의 적어도 외부 및/또는 내부 반경 범위(흔히 각각 σ-외부 및 σ-내부)가 조정될 수 있다. 추가적으로, 조명기(IL)는 다양한 다른 컴포넌트들, 이를테면 패싯 필드(facetted field) 및 퓨필 거울 디바이스들을 포함할 수도 있다. 조명기는 원하는 균일성 및 세기 분포를 방사선 빔의 단면에서 가지도록 하기 위해, 방사선 빔을 조절하는데 사용될 수도 있다.

방사선 빔(B)은 지지 구조(예컨대, 패터닝 디바이스 테이블)(MT) 상에 유지되는 패터닝 디바이스(예컨대, 마스크)(MA) 상에 입사될 수 있고, 패터닝 디바이스에 의해 패터닝된다. 패터닝 디바이스(예컨대, 마스크)(MA)에서 반사된 후, 방사선 빔(B)은 투사 시스템(PS)을 통과하며, 투사 시스템은 그 빔을 기판(W)의 타깃 부분(C) 상으로 집광시킨다. 제2 포지셔너(PW)와 위치 센서(PS2)(예컨대, 간섭측정 디바이스, 선형 인코더 또는 용량성 센서)의 도움으로, 기판 테이블(WT)은, 예컨대 방사선 빔(B)의 경로에 상이한 타깃 부분들(C)을 위치시키기 위해서, 정확하게 이동될 수 있다. 마찬가지로, 제1 포지셔너(PM)와 다른 위치 센서(PS1)는 방사선 빔(B)의 경로에 대해 패터닝 디바이스(예컨대, 마스크)(MA)를 정확하게 위치시키는데 사용될 수 있다. 패터닝 디바이스(예컨대, 마스크)(MA)와 기판(W)은 패터닝 디바이스 정렬 마크들(M1, M2)과 기판 정렬 마크들(P1, P2)을 사용하여 정렬될 수도 있다.

묘사된 장치(LPA)는 다음 모드들, 즉, 스텝 모드, 스캔 모드, 및 정적 모드 중 적어도 하나에서 사용될 수 있다.

스텝 모드에서, 지지 구조물(예컨대, 패터닝 디바이스 테이블)(MT)과 기판 테이블(WT)은 본질적으로 정적으로 유지되는 한편, 방사선 빔에 부여된 전체 패턴은 타깃 부분(C) 상으로 한번에(즉, 단일 정적 노출로) 투영된다. 기판 테이블(WT)은 그 다음에 상이한 타깃 부분(C)이 노출될 수 있도록 X 및/또는 Y 방향으로 시프트된다.

스캔 모드에서, 지지 구조물(예컨대, 패터닝 디바이스 테이블)(MT)과 기판 테이블(WT)은 동기적으로 스캐닝되면서 방사선 빔에 부여된 패턴이 타깃 부분(C) 상으로 (즉, 단일 동적 노출로) 투영된다. 지지 구조(예컨대, 패터닝 디바이스 테이블)(MT)에 대한 기판 테이블(WT)의 속도 및 방향은 투사 시스템(PS)의 (역-)확대 및 이미지 반전 특성들에 의해 결정될 수도 있다.

정적 모드에서, 지지 구조(예컨대, 패터닝 디바이스 테이블)(MT)는 프로그램가능 패터닝 디바이스를 본질적으로 정적으로 유지하고, 기판 테이블(WT)은 이동 또는 스캔되면서 방사선 빔에 부과된 패턴이 타깃 부분(C) 상으로 투영된다. 이 모드에서, 일반적으로 펄스식 방사 소스가 채용되고 프로그램가능 패터닝 디바이스는 기판 테이블(WT)의 각각의 움직임 후에 또는 스캔 동안 연속하는 방사 펄스들 간에 요구된 대로 업데이트된다. 이 동작 모드는 위에서 언급된 바와 같은 한 유형의 프로그램가능 거울 어레이와 같은 프로그램가능 패터닝 디바이스를 이용하는 마스크 없는 리소그래피에 쉽게 적용될 수 있다.

도 12은 일 실시예에 따른 리소그래피 투영 장치의 상세도이다.

도시된 바와 같이, LPA는 소스 콜렉터 모듈(SO), 조명 시스템(IL), 및 투사 시스템(PS)을 포함할 수 있다. 소스 콜렉터 모듈(SO)은 진공 환경이 소스 콜렉터 모듈(SO)의 에워싸는 구조물(220)에서 유지될 수 있도록 건조되고 배열된다. EUV 방사 방출 플라즈마(210)가 방전 생성 플라즈마 소스에 의해 형성될 수도 있다. EUV 방사는 매우 뜨거운 플라즈마(210)가 전자기 스펙트럼의 EUV 범위에서 방사를 방출하도록 생성되는 가스 또는 증기, 예를 들어 Xe 가스, Li 증기 또는 Sn 증기에 의해 생성될 수도 있다. 매우 뜨거운 플라즈마(210)는, 예를 들어, 적어도 부분적으로 이온화된 플라즈마를 유발하는 전기 방전에 의해 생성된다. Xe, Li, Sn 증기 또는 임의의 다른 적합한 가스 또는 증기의 예를 들어 10 Pa의 분압들이 방사의 효율적인 생성을 위해 요구될 수도 있다. 일 실시예에서, 여기된 주석(Sn)의 플라즈마가 EUV 방사를 생성하기 위해 제공된다.

핫 플라즈마(210)에 의해 방출된 방사는 소스 챔버(211)의 개구부 안에 또는 그 개구부 뒤에 위치되는 옵션적인 가스 장벽 또는 오염물 트랩(230)(일부 경우들에서 오염물 장벽 또는 포일 트랩이라고 지칭됨)을 통해 소스 챔버(211)로부터 콜렉터 챔버(212) 안으로 전해진다. 오염물 트랩(230)은 채널 구조를 포함할 수도 있다. 오염물 트랩(230)은 가스 장벽 또는 가스 장벽 및 채널 구조의 조합을 또한 포함할 수도 있다. 본 개시에서 추가로 나타낸 오염물 트랩 또는 오염물 장벽(230)은. 본 기술분야에서 공지된 바와 같이, 적어도 채널 구조를 포함한다.

콜렉터 챔버(211)는 이른바 그레이징(grazing) 입사 콜렉터일 수도 있는 방사 콜렉터(CO)를 포함할 수도 있다. 방사 콜렉터(CO)는 업스트림 방사 콜렉터 측(251)과 하류의 방사 콜렉터 측(252)을 갖는다. 콜렉터(CO)를 가로지르는 방사는 일점쇄선 'O'에 의해 나타내어진 광축을 따라 가상 소스 지점(IF)에 집광되도록 격자 스펙트럼 필터(240)에서 반사될 수 있다. 가상 소스 지점(IF)은 중간 초점이라고 일반적으로 지칭되고, 소스 콜렉터 모듈은 중간 초점(IF)이 에워싸는 구조물(220)에서 개구부(221)에 또는 그 개구부 근처에 위치되도록 배열된다. 가상 소스 지점(IF)은 방사 방출 플라즈마(210)의 이미지이다.

그 뒤에 방사는 패터닝 디바이스(MA)에서의 방사선 빔(21)의 원하는 각도 분포, 뿐만 아니라 패터닝 디바이스(MA)에서 원하는 방사 세기 균일성을 제공하도록 배열되는 패싯 필드 거울 디바이스(24) 및 패싯 퓨필 거울 디바이스(24)를 포함할 수도 있는 조명 시스템(IL)을 가로지른다. 지지 구조물(MT)에 의해 유지되는 패터닝 디바이스(MA)에서의 방사선 빔(21)의 반사 시, 패터닝된 빔(26)이 형성되고 패터닝된 빔(26)은 투사 시스템(PS)에 의해 반사성 엘리먼트들(28, 30)을 통해 기판 테이블(WT)에 의해 유지되는 기판(W) 상으로 이미지화된다.

도시된 것보다 많은 엘리먼트들이 조명 광학계 유닛(IL)과 투사 시스템(PS)에 일반적으로 존재할 수도 있다. 격자 스펙트럼 필터(240)는 리소그래피 장치의 유형에 의존하여 옵션적으로 존재할 수도 있다. 게다가, 도면들에 도시된 것들보다 더 많은 거울들이 존재할 수도 있으며, 예를 들어, 도 12에 도시된 것보다 투사 시스템(PS)에 존재하는 1~6 개의 추가 반사형 엘리먼트들이 있을 수도 있다.

콜렉터 광학기(CO)는, 도 12에 예시된 바와 같이, 콜렉터(또는 콜렉터 거울)의 단지 일 예로서의 그레이징 입사 반사체들(253, 254 및 255)를 갖는 네스팅된 콜렉터로서 묘사된다. 그레이징 입사 반사체들(253, 254 및 255)은 광축(O) 주위로 축방향으로 대칭으로 배치되고 이 유형의 콜렉터 광학기(CO)는 종종 DPP 소스라고 불리는 방전 생성 플라즈마 소스와 결합하여 사용될 수도 있다.

도 13은 일 실시예에 따른, 리소그래피 투영 장치(LPA)의 소스 콜렉터 모듈(SO)의 상세도이다.

소스 콜렉터 모듈(SO)은 LPA 방사 시스템의 일부일 수도 있다. 레이저(LA)가 레이저 에너지를 연료, 이를테면 크세논(Xe), 주석(Sn) 또는 리튬(Li) 안으로 집어넣도록 배열되어, 수 10 eV의 전자 온도들을 갖는 고도로 이온화된 플라즈마(210)를 생성할 수 있다. 이들 이온들의 탈-여기(de-excitation) 및 재결합 동안 생성되는 에너지 방사는 플라즈마로부터 방출되며, 거의 수직 입사 콜렉터 광학기(CO)에 의해 수집되고, 에워싸는 구조물(220)에서 개구부(221) 상으로 집광된다.

본 개시에서 개시되는 개념들은 서브 파장 피처들을 이미지화하는 임의의 일반적인 이미징 시스템을 시뮬레이션 또는 수학적으로 모델링할 수도 있고, 점점 더 짧은 파장들을 생성하늘 수 있는 신흥 이미징 기술들에 특히 유용할 수도 있다. 이미 사용중인 신흥 기술들은 ArF 레이저의 사용으로 193nm 파장을, 그리고 심지어 불소 레이저의 사용으로 157nm 파장을 생성할 수 있는 EUV(extreme ultra violet), DUV 리소그래피를 포함한다. 더구나, EUV 리소그래피는 20~50nm 범위 내의 파장들을 싱크로트론을 사용함으로써 또는 이 범위 내에서 광자들을 생성하기 위하여 고 에너지 전자들로 재료(고체 또는 플라즈마 중 어느 하나임)를 때림으로써 생성할 수 있다.

도 14는 일 실시예에 따른, 전자빔 검사 장치(1920)의 일 실시예를 개략적으로 묘사한다. 일 실시예에서, 검사 장치는 기판 상에 노출되거나 전사되는 구조(예컨대, 디바이스, 이를테면 집적 회로의 일부 또는 전체 구조)의 이미지를 산출하는 (예컨대, 주사형 전자 현미경(SEM)과는 동일하거나 또는 유사한) 전자빔 검사 장치일 수도 있다. 전자 소스(1922)로부터 방출된 일차 전자 빔(1924)이 집광 렌즈(condenser lens)(1926)에 의해 수렴된 다음 빔 편향기(1928), E x B 편향기(1930), 및 대물 렌즈(1932)를 통과하여 기판 테이블(1912) 상의 기판(1910)에 초점을 맞추어 조사된다.

기판(1910)에 전자빔(1924)이 조사될 때, 이차 전자들이 기판(1910)으로부터 생성된다. 이차 전자들은 E x B 편향기(1930)에 의해 편향되고 이차전자 검출기(1934)에 의해 검출된다. 2-차원 전자빔 이미지가, X 또는 Y 방향 중 다른 방향에서의 기판 테이블(1912)에 의한 기판(1910)의 연속적인 움직임과 함께, 예컨대, 빔 편향기(1928)에 의한 전자빔의 2차원 스캐닝과 또는 X 또는 Y 방향에서의 빔 편향기(1928)에 의한 전자빔(1924)의 반복적인 스캐닝과 동기화하여, 샘플로부터 생성되는 전자들을 검출함으로써 획득될 수 있다. 따라서, 일 실시예에서, 전자빔 검사 장치는 전자빔이 전자빔 검사 장치에 제공될 수 있는 각도 범위(예컨대, 편향기(1928)가 전자빔(1924)을 제공할 수 있는 각도 범위)에 의해 정의된 전자빔에 대한 시야를 가진다. 따라서, 시야의 공간적 범위는 전자빔의 각도 범위가 표면(그 표면은 시야에 관해 고정될 수 있거나 또는 이동할 수 있음)에 영향을 미칠 수 있는 공간적 범위이다.

이차전자 검출기(1934)에 의해 검출된 신호가 아날로그/디지털(A/D) 컨버터(1936)에 의해 디지털 신호로 변환되고, 디지털 신호는 이미지 프로세싱 시스템(1950)에 전송된다. 일 실시예에서, 이미지 프로세싱 시스템(1950)은 프로세싱 유닛(1958)에 의한 프로세싱을 위해 디지털 이미지들의 전체 또는 부분을 저장하기 위한 메모리(1956)를 가질 수도 있다. 프로세싱 유닛(1958)(예컨대, 특별히 설계된 하드웨어 또는 하드웨어 및 소프트웨어의 조합 또는 소프트웨어를 포함하는 컴퓨터 판독가능 매체)은 디지털 이미지들을 그 디지털 이미지들을 대표하는 데이터세트들로 변환 또는 프로세싱하도록 구성된다. 일 실시예에서, 프로세싱 유닛(1958)은 본 개시에서 설명되는 방법의 실행을 야기하도록 설정 또는 프로그래밍된다. 게다가, 이미지 프로세싱 시스템(1950)은 디지털 이미지들 및 대응하는 데이터세트들을 참조 데이터베이스에 저장하도록 구성되는 저장 매체(1956 또는 1952)를 가질 수도 있다. 디스플레이 디바이스(1954)는 이미지 프로세싱 시스템(1950)과 연결될 수도 있어서, 오퍼레이터는 그래픽 사용자 인터페이스의 도움으로 장비의 필요한 동작을 수행할 수 있다.

도 15는 일 실시예에 따른, 검사 장치의 추가 실시예를 개략적으로 예시한다. 시스템은 샘플 스테이지(88) 상의 샘플(90)(이를테면 기판)을 검사하는데 사용되고, 하전 입자 빔 생성기(81), 집광 렌즈 모듈(82), 프로브 형성 대물 렌즈 모듈(83), 하전 입자 빔 편향 모듈(84), 이차 하전 입자 검출기 모듈(85), 및 이미지 형성 모듈(86)을 포함한다.

하전 입자 빔 생성기(81)는 일차 하전 입자 빔(91)을 생성한다. 집광 렌즈 모듈(82)은 생성된 일차 하전 입자 빔(91)을 집광한다. 프로브 형성 대물 렌즈 모듈(83)은 집광된 일차 하전 입자 빔을 하전 입자 빔 프로브(92)에 집광시킨다. 하전 입자 빔 편향 모듈(84)은 샘플 스테이지(88) 상에 안치된 샘플(90) 상의 관심 영역의 표면 전체에 걸쳐 형성된 하전 입자 빔 프로브(92)를 스캔한다. 일 실시예에서, 하전 입자 빔 생성기(81), 집광 렌즈 모듈(82) 및 프로브 형성 대물 렌즈 모듈(83), 또는 그것들의 동등한 설계물들, 대체물들 또는 그것들의 임의의 조합은 함께, 스캐닝 하전 입자 빔 프로브(92)를 생성하는 하전 입자 빔 프로브 생성기를 형성한다.

이차 하전 입자 검출기 모듈(85)은 하전 입자 빔 프로브(92)에 의해 폭격될 시 샘플 표면로부터 방출된 이차 하전 입자들(93)(또한 샘플 표면으로부터의 다른 반사 또는 산란된 하전 입자들과 함께일 수도 있음)을 검출하여 이차 하전 입자 검출 신호(94)를 생성한다. 이미지 형성 모델(86)(예컨대, 컴퓨팅 디바이스)은 이차 하전 입자 검출기 모듈(85)과 커플링되어 이차 하전 입자 검출기 모듈(85)로부터 이차 하전 입자 검출 신호(94)를 수신하고 그에 따라 적어도 하나의 스캐닝된 이미지를 형성한다. 일 실시예에서, 이차 하전 입자 검출기 모듈(85) 및 이미지 형성 모델(86), 또는 그것들의 동등한 설계물들, 대체물들 또는 그것들의 임의의 조합은 함께, 하전 입자 빔 프로브(92)에 의해 폭격되는 샘플(90)로부터 방출되는 검출된 이차 하전 입자들로부터 스캔된 이미지를 형성하는 이미지 형성 장치를 형성한다.

일 실시예에서, 모니터링 모듈(87)은 이미지 형성 장치의 이미지 형성 모듈(86)에 커플링되어 패터닝 공정을 모니터링, 제어 등을 하며 그리고/또는 이미지 형성 모델(86)로부터 수신된 샘플(90)의 스캔된 이미지를 사용하여 패터닝 공정 설계, 제어, 모니터링 등을 위한 파라미터를 도출한다. 그래서, 일 실시예에서, 모니터링 모듈(87)은 본 개시에서 설명되는 방법의 실행을 야기하도록 구성 또는 프로그래밍된다. 일 실시예에서, 모니터링 모듈(87)은 컴퓨팅 디바이스를 포함한다. 일 실시예에서, 모니터링 모듈(87)은 본 개시의 기능을 제공하는 그리고 컴퓨터 판독가능 매체 상에 인코딩되거나, 또는 모니터링 모듈(87)을 형성하거나 또는 그 모니터링 모듈 내에 배치되는 컴퓨터 프로그램을 포함한다.

일 실시예에서, 프로브를 사용하여 기판을 검사하는 도 14의 전자빔 검사 도구와 같이, 도 15의 시스템에서의 전자 전류는, 예컨대, 도 14에서 묘사된 바와 같은 CD SEM과 비교하여 상당히 커서, 프로브 스폿은 검사 속력이 빨라질 수 있도록 충분히 크다. 그러나, 분해능은 큰 프로브 스폿 때문에 CD SEM에 비해 높지 않을 수도 있다.

예컨대, 도 14 및/또는 도 15의 시스템으로부터의 SEM 이미지들은 이미지에서 디바이스 구조들을 표현하는 물체들의 에지들을 기술하는 윤곽들을 추출하도록 프로세싱될 수도 있다. 이들 윤곽들은 그 다음에 통상적으로 사용자 정의된 절단선들에서 CD와 같은 메트릭들을 통해 정량화된다. 따라서, 통상적으로, 디바이스 구조들의 이미지들은 추출된 윤곽들 상에서 측정된 에지간 거리(CD) 또는 이미지들 사이의 단순한 화소 차이들과 같은 메트릭들을 통해 비교되고 정량화된다. 대안적으로, 메트릭들은 본원에서 설명되는 바와 같이 EP 게이지들을 포함할 수 있다.

이제, 패터닝 공정에서 기판들을 측정하는 것 외에도, 예를 들어, 패터닝 공정을 설계, 제어, 모니터링 등을 하는데 사용될 수 있는 결과들을 생성하기 위해 하나 이상의 도구들을 사용하는 것이 종종 바람직하다. 이를 하기 위해, 패터닝 디바이스를 위한 설계 패턴(예를 들어, 서브-분해능 지원 특징부들 또는 광학적 근접 보정들을 추가하는 것을 포함함), 패터닝 디바이스를 위한 조명 등과 같은 패터닝 공정의 하나 이상의 양태들을 전산적으로 제어, 설계 등을 하는데 사용되는 하나 이상의 도구들이 제공될 수도 있다. 따라서, 패터닝을 수반하는 제조 프로세스를 전산적으로 제어, 설계 등을 하기 위한 시스템에서, 주요 제조 시스템 컴포넌트들 및/또는 프로세스들은 다양한 기능성 모듈들에 의해 설명될 수 있다. 특히, 일 실시예에서, 통상적으로 패턴 전사 단계를 포함하는 패터닝 공정의 하나 이상의 단계들 및/또는 장치들을 기술하는 하나 이상의 수학적 모델들이 제공될 수 있다. 일 실시예에서, 패터닝 공정의 시뮬레이션은 패터닝 공정이 패터닝 디바이스에 의해 제공되는 측정된 또는 설계 패턴을 사용하여 패터닝된 기판을 형성하는 방법을 시뮬레이션하기 위해 하나 이상의 수학적 모델들을 사용하여 수행될 수 있다.

본 개시의 실시예들은 다음 항들에 의해 추가로 설명될 수 있다.

1. 하나 이상의 프로세서들에 의해 실행될 때:

패터닝된 기판의 복수의 원시 이미지들을 획득하는 동작;

복수의 원시 이미지들 중 각각의 이미지 내의 하나 이상의 특징부들의 게이지들 또는 윤곽들에 연관되는 데이터에 기초하여 원시 이미지 품질 메트릭 ― 원시 이미지 품질 메트릭은 원시 이미지 품질을 나타냄 ― 을 결정하는 동작;

원시 이미지 품질 메트릭에 기초하여, 복수의 원시 이미지들로부터 원시 이미지들의 서브-세트를 선택하는 동작; 및

이미지 내의 하나 이상의 특징부들에 연관되는 측정들을 수행하기 위해 원시 이미지들의 서브-세트를 제공하는 동작

을 하도록 하는 명령들을 저장하는, 비일시적 컴퓨터 판독가능 매체.

2. 제1항에 있어서, 원시 이미지 품질 메트릭을 결정하는 동작은,

특정된 기준들에 기초하여, 복수의 원시 이미지들 중 각각의 이미지의 게이지들에 연관되는 게이지 데이터를 분석하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

3. 제2항에 있어서, 분석하는 동작은,

복수의 이미지들 중 주어진 원시 이미지에 대해 게이지들에 연관되는 게이지 데이터가 존재하는지의 여부를 결정하는 동작;

게이지 데이터가 존재하지 않음에 응답하여, 원시 이미지 품질 메트릭에 제1 값 ― 제1 값은 선택 임계값보다 낮음 ― 을 배정하는 동작; 또는

게이지 데이터가 존재함에 응답하여, 원시 이미지 품질 메트릭에 제2 값 ― 제2 값은 선택 임계값보다 상대적으로 높음 ― 을 배정하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

4. 제3항에 있어서, 원시 이미지 품질 메트릭을 결정하는 동작은,

게이지 데이터가 복수의 이미지들 중 주어진 원시 이미지에 대한 CD 게이지들을 누락하고 있는지의 여부를 결정하는 동작; 및

누락 CD 게이지들에 응답하여, 원시 이미지 품질 메트릭의 제2 값을 특정된 양만큼 감소시키는 동작을 더 포함하는, 비일시적 컴퓨터 판독가능 매체.

5. 제4항에 있어서, 특정된 양은 게이지 유형들의 수와 반복 패턴들의 수의 곱의 역수로서 전산되는, 비일시적 컴퓨터 판독가능 매체.

6. 제3항에 있어서, 원시 이미지 품질 메트릭을 결정하는 동작은,

복수의 원시 이미지들의 게이지들에 연관되는 게이지 데이터 ― 게이지 데이터는 EP 게이지 데이터임 ― 를 클러스터링하는 동작; 및

클러스터링에 기초하여, 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작을 더 포함하는, 비일시적 컴퓨터 판독가능 매체.

7. 제6항에 있어서, 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작은,

복수의 원시 이미지들 중 하나 이상의 원시 이미지들의 EP 게이지 데이터가 특정된 클러스터 영역 밖에 있는지의 여부를 결정하는 동작; 및

EP 게이지 데이터가 특정된 클러스터 영역 밖에 있음에 응답하여, 하나 이상의 원시 이미지에 연관되는 원시 이미지 품질 메트릭의 제2 값 이미지들을 선택 임계값보다 낮게 되도록 감소시키는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

8. 제6항에 있어서, 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작은,

복수의 원시 이미지들 중 하나 이상의 원시 이미지들의 EP 게이지 데이터가 특정된 클러스터 영역 내에 있는지의 여부를 결정하는 동작; 및

EP 게이지 데이터가 특정된 클러스터 영역 내에 있음에 응답하여, CD 게이지 데이터에 연관되는 통계에 기초하여 하나 이상의 원시 이미지들에 연관되는 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

9. 제8항에 있어서, 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작은,

CD 게이지 데이터에 연관되는 통계가 통계 임계값 밖에 있는지의 여부를 결정하는 동작; 및

CD 게이지 데이터가 통계 임계값 밖에 있음에 응답하여, 하나 이상의 원시 이미지들의 원시 이미지 품질 메트릭의 제2 값을 특정된 양만큼 감소시키는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

10. 제9항에 있어서, 특정된 양은 게이지 유형들의 수와 반복 패턴들의 수의 곱의 역수로서 전산되는, 비일시적 컴퓨터 판독가능 매체.

11. 제2항 내지 제10항 중 어느 한 항에 있어서,

선택 임계값을 충족하지 않는 원시 이미지 품질 메트릭을 갖는 각각의 원시 이미지에 대한 문제 보고를 생성하는 동작을 더 포함하는, 비일시적 컴퓨터 판독가능 매체.

12. 제1항에 있어서, 원시 이미지 품질 메트릭을 결정하는 동작은,

원시 이미지 품질 메트릭을 생성하기 위해 각각의 원시 이미지에 연관되는 게이지들의 게이지 데이터에 대한 통계 분석을 수행하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

13. 제12항에 있어서, 원시 이미지 품질 메트릭은 각각의 원시 이미지에 연관되는 게이지들에서의 콘트라스트의 함수인, 비일시적 컴퓨터 판독가능 매체.

14. 제13항에 있어서, 원시 이미지 품질 메트릭은 각각의 원시 이미지에 연관되는 게이지들에서 결정된 기울기들의 평균인, 비일시적 컴퓨터 판독가능 매체.

15. 제14항에 있어서, 주어진 게이지의 기울기가 주어진 게이지에서 상대적으로 밝은 영역으로부터 어두운 영역으로의 전이에서 주어진 이미지의 경사를 측정하는, 비일시적 컴퓨터 판독가능 매체.

16. 제1항에 있어서, 원시 이미지 품질 메트릭의 결정하는 동작은,

특정 패턴에 연관되는 복수의 원시 이미지들의 평균 이미지 내에서 특징부의 제1 윤곽을 획득하는 동작;

특정 패턴에 연관되는 각각의 원시 이미지로부터 특징부의 제2 윤곽을 획득하는 동작; 및

제1 윤곽과 제2 윤곽 사이의 거리를 결정하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

17. 제16항에 있어서, 평균 이미지는,

특징부의 특성에 기초한 원시 이미지들의 클러스터링; 및

특정된 클러스터 영역 내의 원시 이미지들의 클러스터의 평균

에 의해 획득되는, 비일시적 컴퓨터 판독가능 매체.

18. 제17항에 있어서, 평균 이미지는,

특정 패턴의 원시 이미지들을 정렬하는 동작;

원시 이미지들 중 각각의 원시 이미지 내의 특징부의 윤곽들 사이의 상호 거리들에 기초하여 원시 이미지들을 클러스터링하는 동작;

평균 이미지를 결정하기 위해 특정된 클러스터 영역 내의 원시 이미지들의 클러스터를 평균화하는 동작; 및

평균 이미지로부터 제1 윤곽을 추출하는 동작에 의해 획득되는, 비일시적 컴퓨터 판독가능 매체.

19. 제16항에 있어서, 제2 윤곽의 획득하는 동작은,

주어진 원시 이미지 내에서 특징부에 연관되는 윤곽 로케이션들에서 이미지 속성을 결정하는 동작;

이미지 속성이 임계값을 돌파하는지의 여부를 결정하는 동작; 및

이미지 속성이 임계값을 돌파하는 것에 응답하여, 주어진 원시 이미지를 추출하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

20. 제19항에 있어서, 이미지 속성은 특징부에 연관되는 로케이션에서의 로컬 에지 선명도 또는 콘트라스트 값, 또는 특징부의 윤곽에서의 세기인, 비일시적 컴퓨터 판독가능 매체.

21. 제1항에 있어서, 원시 이미지 품질 메트릭의 결정하는 동작은,

특정 패턴에 연관되는 복수의 원시 이미지들 중 각각의 원시 이미지 내에서 특징부의 윤곽들을 획득하는 동작; 및

복수의 원시 이미지들 중 각각의 원시 이미지의 윤곽과 복수의 원시 이미지들 중 각각의 다른 원시 이미지의 윤곽 사이의 거리의 행렬을 결정하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

22. 제21항에 있어서,

거리 매트릭스에 기초하여, 선택 임계값을 충족하는 원시 이미지들의 서브-세트를 선택하는 동작을 더 포함하는, 비일시적 컴퓨터 판독가능 매체.

23. 제1항 내지 제22항 중 어느 한 항에 있어서, 복수의 원시 이미지들은 주사형 전자 현미경(SEM)을 통해 취득되는 SEM 이미지들인, 비일시적 컴퓨터 판독가능 매체.

24. 패터닝된 기판의 캡처된 이미지들을 선택하는 방법으로서,

패터닝된 기판의 복수의 원시 이미지들을 획득하는 동작;

복수의 원시 이미지들 중 각각의 이미지 내의 하나 이상의 특징부들의 게이지들 또는 윤곽들에 연관되는 데이터에 기초하여 원시 이미지 품질 메트릭 ― 원시 이미지 품질 메트릭은 원시 이미지 품질을 나타냄 ― 을 결정하는 동작;

원시 이미지 품질 메트릭에 기초하여, 복수의 원시 이미지들로부터 원시 이미지들의 서브-세트를 선택하는 동작; 및

이미지 내의 하나 이상의 특징부들에 연관되는 측정들을 수행하기 위해 원시 이미지들의 서브-세트를 제공하는 동작을 포함하는, 방법.

25. 제24항에 있어서, 원시 이미지 품질 메트릭을 결정하는 동작은,

특정된 기준들에 기초하여, 복수의 원시 이미지들 중 각각의 이미지의 게이지들에 연관되는 게이지 데이터를 분석하는 동작을 포함하는, 방법.

26. 제25항에 있어서, 분석하는 동작은,

복수의 이미지들 중 주어진 원시 이미지에 대해 게이지들에 연관되는 게이지 데이터가 존재하는지의 여부를 결정하는 동작;

게이지 데이터가 존재하지 않음에 응답하여, 원시 이미지 품질 메트릭에 제1 값 ― 제1 값은 선택 임계값보다 낮음 ― 을 배정하는 동작; 또는

게이지 데이터가 존재함에 응답하여, 원시 이미지 품질 메트릭에 제2 값 ― 제2 값은 선택 임계값보다 상대적으로 높음 ― 을 배정하는 동작을 포함하는, 방법.

27. 제26항에 있어서, 상기 원시 이미지 품질 메트릭을 결정하는 동작은,

게이지 데이터가 복수의 이미지들 중 주어진 원시 이미지에 대한 CD 게이지들을 누락하고 있는지의 여부를 결정하는 동작; 및

누락 CD 게이지들에 응답하여, 원시 이미지 품질 메트릭의 제2 값을 특정된 양만큼 감소시키는 동작을 더 포함하는, 방법.

28. 제27항에 있어서, 특정된 양은 게이지 유형들의 수와 반복 패턴들의 수의 곱의 역수로서 전산되는, 방법.

29. 제26항에 있어서, 원시 이미지 품질 메트릭을 결정하는 동작은,

복수의 원시 이미지들의 게이지들에 연관되는 게이지 데이터 ― 게이지 데이터는 EP 게이지 데이터임 ― 를 클러스터링하는 동작; 및

클러스터링에 기초하여, 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작을 더 포함하는, 방법.

30. 제29항에 있어서, 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작은,

복수의 원시 이미지들 중 하나 이상의 원시 이미지들의 EP 게이지 데이터가 특정된 클러스터 영역 밖에 있는지의 여부를 결정하는 동작; 및

EP 게이지 데이터가 특정된 클러스터 영역 밖에 있음에 응답하여, 하나 이상의 원시 이미지에 연관되는 원시 이미지 품질 메트릭의 제2 값 이미지들을 선택 임계값보다 낮게 되도록 감소시키는 동작을 포함하는, 방법.

31. 제29항에 있어서, 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작은,

복수의 원시 이미지들 중 하나 이상의 원시 이미지들의 EP 게이지 데이터가 특정된 클러스터 영역 내에 있는지의 여부를 결정하는 동작; 및

EP 게이지 데이터가 특정된 클러스터 영역 내에 있음에 응답하여, CD 게이지 데이터에 연관되는 통계에 기초하여 하나 이상의 원시 이미지들에 연관되는 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작을 포함하는, 방법.

32. 제31항에 있어서, 원시 이미지 품질 메트릭의 제2 값을 수정하는 동작은,

CD 게이지 데이터에 연관되는 통계가 통계 임계값 밖에 있는지의 여부를 결정하는 동작; 및

CD 게이지 데이터가 통계 임계값 밖에 있음에 응답하여, 하나 이상의 원시 이미지들의 원시 이미지 품질 메트릭의 제2 값을 특정된 양만큼 감소시키는 동작을 포함하는, 방법.

33. 제32항에 있어서, 특정된 양은 게이지 유형들의 수와 반복 패턴들의 수의 곱의 역수로서 전산되는, 방법.

34. 제25항 내지 제33항 중 어느 한 항에 있어서,

선택 임계값을 충족하지 않는 원시 이미지 품질 메트릭을 갖는 각각의 원시 이미지에 대한 문제 보고를 생성하는 동작을 더 포함하는, 방법.

35. 제24항에 있어서, 원시 이미지 품질 메트릭을 결정하는 동작은,

원시 이미지 품질 메트릭을 생성하기 위해 각각의 원시 이미지에 연관되는 게이지들의 게이지 데이터에 대한 통계 분석을 수행하는 동작을 포함하는, 방법.

36. 제35항에 있어서, 원시 이미지 품질 메트릭은 각각의 원시 이미지에 연관되는 게이지들에서의 콘트라스트의 함수인, 방법.

37. 제36항에 있어서, 원시 이미지 품질 메트릭은 각각의 원시 이미지에 연관되는 게이지들에서 결정된 기울기들의 평균인, 방법.

38. 제37항에 있어서, 주어진 게이지의 기울기가 주어진 게이지에서 상대적으로 밝은 영역으로부터 어두운 영역으로의 전이에서 주어진 이미지의 경사를 측정하는, 방법.

39. 제24항에 있어서, 원시 이미지 품질 메트릭의 결정하는 동작은,

특정 패턴에 연관되는 복수의 원시 이미지들의 평균 이미지 또는 원시 이미지들로부터 선택된 기준 원시 이미지 내의 특징부의 제1 윤곽을 획득하는 동작;

특정 패턴에 연관되는 각각의 원시 이미지로부터 특징부의 제2 윤곽을 획득하는 동작; 및

제1 윤곽과 제2 윤곽 사이의 거리를 결정하는 동작을 포함하는, 방법.

40. 제39항에 있어서, 평균 이미지는,

특징부의 특성에 기초한 원시 이미지들의 클러스터링; 및

특정된 클러스터 영역 내의 원시 이미지들의 클러스터의 평균

에 의해 획득되는, 방법.

41. 제40항에 있어서, 평균 이미지는,

특정 패턴의 원시 이미지들을 정렬하는 동작;

원시 이미지들 중 각각의 원시 이미지 내의 특징부의 윤곽들 사이의 상호 거리들에 기초하여 원시 이미지들을 클러스터링하는 동작;

평균 이미지를 결정하기 위해 특정된 클러스터 영역 내의 원시 이미지들의 클러스터를 평균화하는 동작; 및

평균 이미지로부터 제1 윤곽을 추출하는 동작에 의해 획득되는, 방법.

42. 제39항에 있어서, 상기 제2 윤곽의 상기 획득하는 동작은,

주어진 원시 이미지 내에서 특징부에 연관되는 윤곽 로케이션들에서 이미지 속성을 결정하는 동작;

이미지 속성이 임계값을 돌파하는지의 여부를 결정하는 동작; 및

이미지 속성이 임계값을 돌파하는 것에 응답하여, 주어진 원시 이미지를 추출하는 동작을 포함하는, 방법.

43. 제42항에 있어서, 이미지 속성은 특징부에 연관되는 로케이션에서의 로컬 에지 선명도 또는 콘트라스트 값, 또는 특징부의 윤곽에서의 세기인, 방법.

44. 제24항에 있어서, 원시 이미지 품질 메트릭의 결정하는 동작은,

특정 패턴에 연관되는 복수의 원시 이미지들 중 각각의 원시 이미지 내에서 특징부의 윤곽들을 획득하는 동작; 및

복수의 원시 이미지들 중 각각의 원시 이미지의 윤곽과 복수의 원시 이미지들 중 각각의 다른 원시 이미지의 윤곽 사이의 거리의 행렬을 결정하는 동작을 포함하는, 방법.

45. 제44항에 있어서,

거리 매트릭스에 기초하여, 선택 임계값을 충족하는 원시 이미지들의 서브-세트를 선택하는 동작을 더 포함하는, 방법.

46. 제1항 내지 제45항 중 어느 한 항에 있어서, 복수의 원시 이미지들은 주사형 전자 현미경(SEM)을 통해 취득되는 SEM 이미지들인, 방법.

본 개시에서 개시된 개념들은 실리콘 웨이퍼와 같은 기판 상에 이미지화하기 위해 사용되지만, 개시된 개념들은 임의의 유형의 리소그래피 이미징 시스템들, 예컨대, 실리콘 웨이퍼들과는 다른 기판들 상에 이미지화하기 위해 사용되는 것들과 함께 사용될 수도 있다는 것이 이해될 것이다.

본 개시에서의 설명들은 예시적인 것으로 의도되고 제한하는 것은 아니다. 따라서, 아래에 기재된 청구항들의 범위로부터 벗어남 없이 설명되는 바와 같이 수정들이 이루어질 수도 있다는 것이 본 기술분야의 통상의 기술자에게 명백할 것이다.

Claims (16)

1. 하나 이상의 프로세서들에 의해 실행될 때,
   패터닝된 기판의 복수의 원시 이미지들을 획득하는 동작;
   상기 복수의 원시 이미지들 중 각각의 이미지 내의 하나 이상의 특징부들의 게이지들 또는 윤곽들에 연관되는 데이터에 기초하여 원시 이미지 품질 메트릭 ― 상기 원시 이미지 품질 메트릭은 원시 이미지 품질을 나타냄 ― 을 결정하는 동작;
   상기 원시 이미지 품질 메트릭에 기초하여, 상기 복수의 원시 이미지들로부터 원시 이미지들의 서브-세트를 선택하는 동작; 및
   이미지 내의 상기 하나 이상의 특징부들에 연관되는 측정들을 수행하기 위해 상기 원시 이미지들의 서브-세트를 제공하는 동작을 하도록 하는 명령들을 저장하는, 비일시적 컴퓨터 판독가능 매체.
2. 제1항에 있어서, 상기 원시 이미지 품질 메트릭을 결정하는 동작은,
   특정된 기준들에 기초하여, 상기 복수의 원시 이미지들 중 각각의 이미지의 상기 게이지들에 연관되는 게이지 데이터를 분석하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.
3. 제2항에 있어서, 상기 분석하는 동작은,
   상기 복수의 이미지들 중 주어진 원시 이미지에 대해 상기 게이지들에 연관되는 상기 게이지 데이터가 존재하는지의 여부를 결정하는 동작;
   상기 게이지 데이터가 존재하지 않음에 응답하여, 상기 원시 이미지 품질 메트릭에 제1 값을 배정하는 동작; 및
   상기 게이지 데이터가 존재함에 응답하여, 상기 원시 이미지 품질 메트릭에 상기 제1 값과 상이한 제2 값을 배정하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.
4. 제3항에 있어서, 상기 원시 이미지 품질 메트릭을 결정하는 동작은,
   상기 게이지 데이터가 상기 복수의 이미지들 중 상기 주어진 원시 이미지에 대한 CD 게이지들을 누락하고 있는지의 여부를 결정하는 동작; 및
   누락 CD 게이지들에 응답하여, 상기 원시 이미지 품질 메트릭의 상기 제2 값을 특정된 양만큼 감소시키는 동작을 더 포함하는, 비일시적 컴퓨터 판독가능 매체.
5. 제4항에 있어서, 상기 특정된 양은 게이지 유형들의 수와 반복 패턴들의 수에 관련되는, 비일시적 컴퓨터 판독가능 매체.
6. 제3항에 있어서, 상기 원시 이미지 품질 메트릭을 결정하는 동작은,
   상기 복수의 원시 이미지들의 상기 게이지들에 연관되는 상기 게이지 데이터 ― 상기 게이지 데이터는 에지 배치(edge placement)(EP) 게이지 데이터임 ― 를 클러스터링하는 동작; 및
   상기 클러스터링에 기초하여, 상기 원시 이미지 품질 메트릭의 상기 제2 값을 수정하는 동작을 더 포함하는, 비일시적 컴퓨터 판독가능 매체.
7. 제6항에 있어서, 상기 원시 이미지 품질 메트릭의 상기 제2 값을 상기 수정하는 동작은,
   상기 복수의 원시 이미지들 중 하나 이상의 원시 이미지들의 상기 EP 게이지 데이터가 특정된 클러스터 영역 내에 있는지의 여부를 결정하는 동작; 및
   상기 EP 게이지 데이터가 상기 특정된 클러스터 영역 내에 있음에 응답하여, 상기 하나 이상의 원시에 연관되는 상기 원시 이미지 품질 메트릭의 상기 제2 값을 수정하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.
8. 제7항에 있어서, 상기 원시 이미지 품질 메트릭의 상기 제2 값을 수정하는 동작은, CD 게이지 데이터에 연관되는 통계에 기초하고,
   상기 수정하는 동작은,
   상기 CD 게이지 데이터에 연관되는 상기 통계가 통계 임계값 밖에 있는지의 여부를 결정하는 동작; 및
   상기 CD 게이지 데이터가 상기 통계 임계값 밖에 있음에 응답하여, 상기 하나 이상의 원시 이미지들의 상기 원시 이미지 품질 메트릭의 상기 제2 값을 특정된 양만큼 감소시키는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.
9. 제1항에 있어서, 상기 원시 이미지 품질 메트릭을 결정하는 동작은,
   상기 원시 이미지 품질 메트릭을 생성하기 위해 각각의 원시 이미지에 연관되는 상기 게이지들의 게이지 데이터에 대한 통계 분석을 수행하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.
10. 제9항에 있어서, 상기 원시 이미지 품질 메트릭은 각각의 원시 이미지에 연관되는 상기 게이지들에서의 콘트라스트를 표시하는, 비일시적 컴퓨터 판독가능 매체.
11. 제10항에 있어서, 상기 원시 이미지 품질 메트릭은 각각의 원시 이미지에 연관되는 상기 게이지들에서 결정된 기울기들의 평균을 표시하는, 비일시적 컴퓨터 판독가능 매체.
12. 제1항에 있어서, 상기 원시 이미지 품질 메트릭의 상기 결정하는 동작은,
    특정 패턴에 연관되는 상기 복수의 원시 이미지들의 평균 이미지 내에서 특징부의 제1 윤곽을 획득하는 동작;
    상기 특정 패턴에 연관되는 각각의 상기 원시 이미지로부터 상기 특징부의 제2 윤곽을 획득하는 동작; 및
    상기 제1 윤곽과 상기 제2 윤곽 사이의 거리를 결정하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.
13. 제12항에 있어서, 상기 평균 이미지는,
    상기 특징부의 특성에 기초한 상기 원시 이미지들의 클러스터링; 및
    특정된 클러스터 영역 내의 원시 이미지들의 클러스터의 평균
    에 의해 획득되는, 비일시적 컴퓨터 판독가능 매체.
14. 제12항에 있어서, 상기 제2 윤곽의 상기 획득하는 동작은,
    주어진 원시 이미지 내에서 상기 특징부에 연관되는 윤곽 로케이션들에서 이미지 속성을 결정하는 동작;
    상기 이미지 속성이 임계값을 돌파하는지의 여부를 결정하는 동작; 및
    상기 이미지 속성이 상기 임계값을 돌파하는 것에 응답하여, 주어진 원시 이미지를 추출하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.
15. 제14항에 있어서, 상기 이미지 속성은 상기 특징부에 연관되는 로케이션에서의 로컬 에지 선명도 또는 콘트라스트 값, 또는 상기 특징부의 윤곽에서의 세기인, 비일시적 컴퓨터 판독가능 매체.
16. 제1항에 있어서, 상기 원시 이미지 품질 메트릭의 상기 결정하는 동작은,
    특정 패턴에 연관되는 상기 복수의 원시 이미지들 중 각각의 원시 이미지 내에서 특징부의 윤곽들을 획득하는 동작; 및
    상기 복수의 원시 이미지들 중 각각의 원시 이미지의 윤곽과 상기 복수의 원시 이미지들 중 각각의 다른 원시 이미지의 윤곽 사이의 거리의 행렬을 결정하는 동작을 포함하는, 비일시적 컴퓨터 판독가능 매체.

Images