KR20230131218A - 계측 방법과 시스템, 그리고 리소그래피 시스템 - Google Patents
계측 방법과 시스템, 그리고 리소그래피 시스템 Download PDFInfo
- Publication number
- KR20230131218A KR20230131218A KR1020237024710A KR20237024710A KR20230131218A KR 20230131218 A KR20230131218 A KR 20230131218A KR 1020237024710 A KR1020237024710 A KR 1020237024710A KR 20237024710 A KR20237024710 A KR 20237024710A KR 20230131218 A KR20230131218 A KR 20230131218A
- Authority
- KR
- South Korea
- Prior art keywords
- parameter
- image
- measurement
- calibration
- local
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 204
- 238000001459 lithography Methods 0.000 title description 11
- 238000005259 measurement Methods 0.000 claims abstract description 190
- 238000012937 correction Methods 0.000 claims abstract description 89
- 230000000694 effects Effects 0.000 claims abstract description 63
- 230000006870 function Effects 0.000 claims description 113
- 238000009826 distribution Methods 0.000 claims description 94
- 239000000758 substrate Substances 0.000 claims description 78
- 238000000059 patterning Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000003909 pattern recognition Methods 0.000 claims description 5
- 230000008093 supporting effect Effects 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims 1
- 210000001747 pupil Anatomy 0.000 description 42
- 235000012431 wafers Nutrition 0.000 description 41
- 230000005855 radiation Effects 0.000 description 34
- 230000008569 process Effects 0.000 description 32
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000005286 illumination Methods 0.000 description 26
- 230000001427 coherent effect Effects 0.000 description 24
- 238000004519 manufacturing process Methods 0.000 description 23
- 230000003287 optical effect Effects 0.000 description 23
- 239000010410 layer Substances 0.000 description 19
- 239000011159 matrix material Substances 0.000 description 17
- 238000001514 detection method Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 13
- 230000005476 size effect Effects 0.000 description 12
- 238000012935 Averaging Methods 0.000 description 11
- 239000011295 pitch Substances 0.000 description 11
- 239000000047 product Substances 0.000 description 11
- 238000000513 principal component analysis Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000704 physical effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000010363 phase shift Effects 0.000 description 5
- 238000012876 topography Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000007654 immersion Methods 0.000 description 4
- 238000012880 independent component analysis Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 230000001976 improved effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- IUVCFHHAEHNCFT-INIZCTEOSA-N 2-[(1s)-1-[4-amino-3-(3-fluoro-4-propan-2-yloxyphenyl)pyrazolo[3,4-d]pyrimidin-1-yl]ethyl]-6-fluoro-3-(3-fluorophenyl)chromen-4-one Chemical compound C1=C(F)C(OC(C)C)=CC=C1C(C1=C(N)N=CN=C11)=NN1[C@@H](C)C1=C(C=2C=C(F)C=CC=2)C(=O)C2=CC(F)=CC=C2O1 IUVCFHHAEHNCFT-INIZCTEOSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000012892 rational function Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000004627 transmission electron microscopy Methods 0.000 description 1
- 235000001892 vitamin D2 Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/706843—Metrology apparatus
- G03F7/706845—Calibration, e.g. tool-to-tool calibration, beam alignment, spot position or focus
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/706835—Metrology information management or control
- G03F7/706837—Data analysis, e.g. filtering, weighting, flyer removal, fingerprints or root cause analysis
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70633—Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70641—Focus
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/706835—Metrology information management or control
- G03F7/706839—Modelling, e.g. modelling scattering or solving inverse problems
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/706835—Metrology information management or control
- G03F7/706839—Modelling, e.g. modelling scattering or solving inverse problems
- G03F7/706841—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
타겟으로부터 관심 대상 매개변수를 측정하는 방법 및 관련 장치가 개시된다. 본 방법은 타겟의 측정과 관련된 측정 획득 데이터, 유한-크기 효과 보정 데이터 및/또는 측정 획득 데이터 내의 적어도 유한-크기 효과를 보정하도록 작동 가능한 트레이닝된 모델을 취득하는 것을 포함한다. 보정 측정 데이터 및/또는 관심 대상 매개변수를 취득하도록 유한-크기 효과 보정 데이터 및/또는 트레이닝된 모델을 사용하여 측정 획득 데이터 내의 적어도 유한-크기 효과가 보정되며; 보정 단계가 상기 관심 대상 매개변수를 직접 결정하지 않는 경우, 보정된 측정 데이터로부터 관심 대상 매개변수를 결정한다.
Description
관련 출원에 대한 상호 참조
본 출원은 2021년 1월 19일에 출원되고 원용에 의해 전체적으로 본 명세서에 포함된 EP 출원 제21152365.9호의 우선권을 주장한다.
본 발명은 예를 들어 리소그래피 기술에 의한 디바이스의 제조에 사용 가능한 방법 및 장치, 그리고 리소그래피 기술을 이용한 디바이스의 제조 방법에 관한 것이다. 본 발명은 특히 위치 센서와 같은 계측 센서에 관한 것이다.
리소그래피 장치는 원하는 패턴을 기판 상으로, 통상적으로는 기판의 타겟 부분 상으로 적용시키는 장치이다. 리소그래피 장치는, 예를 들어 집적 회로(IC)의 제조에 사용될 수 있다. 그 경우, 대안적으로 마스크 또는 레티클로서 지칭되는 패터닝 디바이스가 IC의 개별 층 상에 형성될 회로 패턴을 생성하기 위해 사용될 수 있다. 이 패턴은 기판 (예를 들어, 실리콘 웨이퍼) 상의 (예를 들어, 다이의 일부, 하나의 다이 또는 여러 다이를 포함하는) 타겟 부분 상으로 전사될 수 있다. 패턴의 전사는 전형적으로 기판 상에 제공된 방사선-감응 재료 (레지스트)의 층 상으로의 이미징(imaging)을 통해 이루어진다. 일반적으로, 단일 기판은 연속적으로 패터닝되는 인접한 타겟 부분들의 네트워크를 포함할 것이다. 이 타겟 부분은 일반적으로 "필드(field)"로 지칭된다.
복잡한 디바이스의 제조에서, 전형적으로 많은 리소그래피 패터닝 단계가 수행되며, 그에 의하여 기판 상의 연속적인 층에 기능적 피처(features)를 형성한다. 따라서 리소그래피 장치의 성능의 중요한 양태는 이전 층에 (동일한 장치 또는 상이한 리소그래피 장치에 의해) 놓인 피처에 관하여 적용된 패턴을 올바르게 그리고 정확하게 배치시키는 능력이다. 이 목적을 위하여, 기판은 하나 이상의 정렬 마크 세트를 구비한다. 각 마크는 위치 센서, 전형적으로 광학 위치 센서를 사용하여 나중에 위치가 측정될 수 있는 구조체이다. 리소그래피 장치는 하나 이상의 정렬 센서를 포함하며, 기판 상의 마크의 위치는 이 정렬 센서에 의하여 정확하게 측정될 수 있다. 상이한 유형의 마크들과 상이한 유형의 정렬 센서들은 상이한 제조업체들 및 동일한 제조업체의 상이한 제품들로부터 알려져 있다.
다른 적용에서, 계측 센서는 기판 상의 노광된 구조체 (레지스트 내 및/또는 에칭 후)를 측정하기 위하여 사용된다. 빠르고 비침습적인 형태의 특수 검사 툴은, 방사선 빔이 기판의 표면 상의 타겟으로 향하고 산란 또는 반사 빔의 특성이 측정되는 스캐터로미터이다. 공지된 스캐터로미터의 예는 US2006/033921A1 및 US2010/201963A1에 설명된 유형의 각도-분해 스캐터로미터를 포함한다. 재구성에 의한 피처 형상의 측정에 더하여, 공개된 특허 출원 US2006/066855A1에 설명된 바와 같이, 회절 기반 오버레이는 이러한 장치를 사용하여 측정될 수 있다. 회절 차수의 암시야 이미징을 이용한 회절-기반 오버레이 계측은 작은 타겟에서의 오버레이 측정을 가능하게 한다. 암시야 이미징 계측의 예는 국제 특허 출원 WO2009/078708 및 WO2009/106279에서 찾을 수 있으며, 이 문헌들은 그 전체가 참조로 본 명세서에 포함된다. 이 기술의 추가 개발은 공개된 특허 공개 US2011/0027704A, US2011/0043791A, US2011/102753A1, US2012/0044470A, US2012/0123581A, US2013/0258310A, US2013/0271740A 및 WO2013/178422A1에 설명되어 있다. 이 타겟은 조명 스폿보다 작을 수 있으며 웨이퍼 상의 제품 구조체로 둘러싸일 수 있다. 복합 격자 타겟을 사용하여 하나의 이미지에서 다수의 격자가 측정될 수 있다. 이 모든 출원의 내용은 또한 원용에 의해 본 명세서에 포함된다.
일부 스캐터로미터 또는 정렬 센서와 같은 일부 계측 적용에서, 점차적으로 더 작은 타겟을 측정할 수 있는 것이 종종 바람직하다. 그러나 이러한 작은 타겟에 대한 측정은 유한 크기 영향을 받으며, 측정 오차로 이어진다.
이러한 작은 타겟에 대한 측정을 개선하는 것이 바람직하다.
제1 양태의 본 발명은, 타겟의 측정과 관련된 측정 획득 데이터를 취득하는 단계; 유한-크기 효과 보정 데이터 및/또는 측정 획득 데이터 내의 적어도 유한-크기 효과를 보정하도록 작동 가능한 트레이닝된 모델을 취득하는 단계; 보정된 측정 데이터 및/또는 적어도 유한-크기 효과에 대해 보정된 관심 대상 매개변수를 취득하도록 유한-크기 효과 보정 데이터 및/또는 트레이닝된 모델을 사용해 측정 획득 데이터 내의 적어도 유한-크기 효과를 보정하는 단계; 및 보정 단계가 상기 관심 대상 매개변수를 직접 결정하지 않는 경우, 보정된 측정 데이터로부터 관심 대상 매개변수를 결정하는 단계를 포함하는, 타겟으로부터 관심 대상 매개변수를 측정하는 방법이 제공된다.
제2 양태의 본 발명은, 복수의 교정 이미지를 포함하는 교정 데이터를 취득하는 단계 -상기 교정 이미지는 획득들 사이에서 변동되는 측정의 적어도 하나의 물리적 매개변수로 취득된바 있는 교정 타겟의 이미지를 포함함-; 상기 교정 데이터로부터 하나 이상의 기저 함수를 결정하는 단계 -각 기저 함수는 상기 교정 이미지에 대한 상기 적어도 하나의 물리적 매개변수의 상기 변동의 효과를 인코딩함-; 각 기저 함수에 대한 개개의 확장 계수를 결정하는 단계; 타겟의 측정과 관련된 적어도 하나의 측정 이미지를 포함하는 측정 획득 데이터를 취득하는 단계; 및 상기 확장 계수를 사용하여 각각의 상기 적어도 하나의 측정 이미지 및/또는 적어도 하나의 측정 이미지로부터 도출된 관심 대상 매개변수에 대한 값을 보정하는 단계를 포함하는, 타겟으로부터 관심 대상 매개변수를 측정하는 방법이 제공된다.
또한 컴퓨터 프로그램, 처리 디바이스, 계측 장치 및 제1 양태의 방법을 수행하도록 작동 가능한 계측 디바이스를 포함하는 리소그래피 장치가 개시된다.
본 발명의 위의 양태 및 다른 양태는 아래에 설명된 예의 고려로부터 이해될 것이다.
이제 첨부된 도면을 참조하여 본 발명의 실시예가 단지 예로서 설명될 것이다.
도 1은 리소그래피 장치를 도시하고 있다.
도 2는 도 1의 장치에서의 측정 및 노광 공정을 개략적으로 도시하고 있다.
도 3은 본 발명의 실시예에 따른, 조정 가능한 예시적인 계측 디바이스의 개략도이다.
도 4는 (a) 입력 방사선의 퓨필 이미지; (b) 도 3의 계측 디바이스의 작동 원리를 도시하는 축외 조명 빔의 퓨필 이미지; 그리고 (c) 도 3의 계측 디바이스의 또 다른 작동 원리를 도시하는 축외 조명 빔의 퓨필 이미지를 포함한다.
도 5는 (a) 정렬에 사용 가능한 예시적인 타겟, (b) 단일 차수의 검출에 대응하는 검출 퓨필의 퓨필 이미지, (c) 4개의 회절 차수의 검출에 대응하는 검출 퓨필의 퓨필 이미지, 및 (d) 도 4a의 타겟의 측정에 이은 이미지화된 간섭 패턴의 개략적인 예를 보여주고 있다.
도 6은 정렬 측정 동안, (a) 제1 기판 위치 및 (b) 제2 기판 위치에 대응하는 이미지화된 간섭 패턴을 개략적으로 보여주고 있다.
도 7은 측정 이미지로부터 위치 측정을 취득하기 위한 공지된 베이스라인 피팅 알고리즘의 흐름도이다.
도 8은 본 발명의 실시예에 따른, 관심 대상 매개변수를 결정하는 방법을 설명하는 흐름도이다.
도 9는 본 발명의 실시예에 따른, 측정 이미지에서 유한-크기 효과를 보정하는 도 8의 방법의 단계를 설명하는 흐름도이다.
도 10은 본 발명의 실시예에 따른, 공간 가중 피팅을 수행함으로써 국부 위상을 추출하는 제1 방법을 설명하는 흐름도이다.
도 11은 본 발명의 실시예에 따른, 직교 검출을 기반으로 국부 위상을 추출하는 제2 방법을 설명하는 흐름도이다.
도 12는 측정 신호로부터 전역적 양을 취득하기 위한 패턴 인식 방법을 설명하는 흐름도이다.
도 13은 본 발명의 실시예에 따른, 단일 마크 교정을 기반으로 관심 대상 매개변수를 결정하는 방법을 설명하는 흐름도이다.
도 14는 본 발명의 실시예에 따른, 보정 라이브러리를 기반으로 관심 대상 매개변수를 결정하는 방법을 설명하는 흐름도이다.
도 15는 본 발명의 실시예에 따른, 트레이닝된 모델의 적용을 기반으로 관심 대상 매개변수를 결정하기는 방법을 설명하는 흐름도이다.
도 16은 본 발명의 실시예에 따른, 마크 특정 효과 및 비-마크 특정 효과에 대한 별도의 교정을 기반으로 관심 대상 매개변수를 결정하는 방법을 설명하는 흐름도이다.
도 17은 물리적 매개변수 변동에 대한 보정으로 관심 대상 매개변수를 결정하는 제1 방법을 설명하는 흐름도이다.
도 18은 물리적 매개변수 변동에 대한 보정으로 관심 대상 매개변수를 결정하는 제2 방법을 설명하는 흐름도이다.
도 1은 리소그래피 장치를 도시하고 있다.
도 2는 도 1의 장치에서의 측정 및 노광 공정을 개략적으로 도시하고 있다.
도 3은 본 발명의 실시예에 따른, 조정 가능한 예시적인 계측 디바이스의 개략도이다.
도 4는 (a) 입력 방사선의 퓨필 이미지; (b) 도 3의 계측 디바이스의 작동 원리를 도시하는 축외 조명 빔의 퓨필 이미지; 그리고 (c) 도 3의 계측 디바이스의 또 다른 작동 원리를 도시하는 축외 조명 빔의 퓨필 이미지를 포함한다.
도 5는 (a) 정렬에 사용 가능한 예시적인 타겟, (b) 단일 차수의 검출에 대응하는 검출 퓨필의 퓨필 이미지, (c) 4개의 회절 차수의 검출에 대응하는 검출 퓨필의 퓨필 이미지, 및 (d) 도 4a의 타겟의 측정에 이은 이미지화된 간섭 패턴의 개략적인 예를 보여주고 있다.
도 6은 정렬 측정 동안, (a) 제1 기판 위치 및 (b) 제2 기판 위치에 대응하는 이미지화된 간섭 패턴을 개략적으로 보여주고 있다.
도 7은 측정 이미지로부터 위치 측정을 취득하기 위한 공지된 베이스라인 피팅 알고리즘의 흐름도이다.
도 8은 본 발명의 실시예에 따른, 관심 대상 매개변수를 결정하는 방법을 설명하는 흐름도이다.
도 9는 본 발명의 실시예에 따른, 측정 이미지에서 유한-크기 효과를 보정하는 도 8의 방법의 단계를 설명하는 흐름도이다.
도 10은 본 발명의 실시예에 따른, 공간 가중 피팅을 수행함으로써 국부 위상을 추출하는 제1 방법을 설명하는 흐름도이다.
도 11은 본 발명의 실시예에 따른, 직교 검출을 기반으로 국부 위상을 추출하는 제2 방법을 설명하는 흐름도이다.
도 12는 측정 신호로부터 전역적 양을 취득하기 위한 패턴 인식 방법을 설명하는 흐름도이다.
도 13은 본 발명의 실시예에 따른, 단일 마크 교정을 기반으로 관심 대상 매개변수를 결정하는 방법을 설명하는 흐름도이다.
도 14는 본 발명의 실시예에 따른, 보정 라이브러리를 기반으로 관심 대상 매개변수를 결정하는 방법을 설명하는 흐름도이다.
도 15는 본 발명의 실시예에 따른, 트레이닝된 모델의 적용을 기반으로 관심 대상 매개변수를 결정하기는 방법을 설명하는 흐름도이다.
도 16은 본 발명의 실시예에 따른, 마크 특정 효과 및 비-마크 특정 효과에 대한 별도의 교정을 기반으로 관심 대상 매개변수를 결정하는 방법을 설명하는 흐름도이다.
도 17은 물리적 매개변수 변동에 대한 보정으로 관심 대상 매개변수를 결정하는 제1 방법을 설명하는 흐름도이다.
도 18은 물리적 매개변수 변동에 대한 보정으로 관심 대상 매개변수를 결정하는 제2 방법을 설명하는 흐름도이다.
본 발명의 실시예를 상세히 설명하기 전에, 본 발명의 실시예가 구현될 수 있는 예시적인 환경을 제시하는 것이 유익하다.
도 1은 리소그래피 장치(LA)를 개략적으로 도시하고 있다. 본 장치는 방사선 빔(B) (예를 들어, UV 방사선 또는 EUV 방사선)을 조절하도록 구성된 조명 시스템 (일루미네이터)(IL); 패터닝 디바이스 (예를 들어, 마스크)(MA)를 지지하도록 구성되며, 특정 매개변수에 따라서 패터닝 디바이스를 정확하게 위치시키도록 구성된 제1 포지셔너(PM)에 연결된 패터닝 디바이스 지지체 또는 지지 구조체 (예를 들어, 마스크 테이블)(MT); 각각 기판 (예를 들어, 레지스트 코팅된 웨이퍼)(W)을 유지시키도록 구성되며, 특정 매개변수에 따라서 기판을 정확하게 위치시키도록 구성된 제2 포지셔너(PW)에 각각 연결된 2개의 기판 테이블 (예를 들어, 웨이퍼 테이블)(WTa 및 WTb); 및 패터닝 디바이스(MA)에 의하여 방사선 빔(B)에 부여된 패턴을 기판(W)의 (예를 들어, 하나 이상의 다이를 포함하는) 타겟 부분(C) 상으로 투영시키도록 구성된 투영 시스템 (예를 들어, 굴절형 투영 렌즈 시스템)(PS)을 포함한다. 기준 프레임(RF)은 다양한 구성 요소를 연결하며, 그리고 패터닝 디바이스와 기판의 위치 그리고 기판 상의 피처의 위치를 설정 및 측정하기 위한 기준의 역할을 한다.
조명 시스템은 방사선을 지향시키고, 성형(shaping)하고, 또는 제어하기 위한, 굴절식, 반사식, 자기식, 전자기식, 정전식 또는 다른 유형의 광학 구성 요소, 또는 이들의 임의의 조합과 같은 다양한 유형의 광학 요소를 포함할 수 있다.
패터닝 디바이스 지지체(MT)는 패터닝 디바이스를, 패터닝 디바이스의 배향, 리소그래피 장치의 디자인, 및 예를 들어 패터닝 디바이스가 진공 환경 내에서 유지되는지 여부와 같은 다른 조건에 의존하는 방식으로 유지시킨다. 패터닝 디바이스 지지체는 기계적, 진공, 정전기, 또는 기타 클램핑 기술을 이용하여 패터닝 디바이스를 유시킬 수 있다. 패터닝 디바이스 지지체(MT)는, 예를 들어 필요에 따라 고정될 수 있거나 이동 가능할 수 있는 프레임 또는 테이블일 수 있다. 패터닝 디바이스 지지체는 패터닝 디바이스가, 예를 들어 투영 시스템에 대하여 원하는 위치에 있다는 것을 보장할 수 있다
본 명세서에서 사용되는 용어 "패터닝 디바이스"는, 기판의 타겟 부분에 패턴을 생성하기 위해 방사선 빔의 횡단면에 패턴을 부여하기 위하여 사용될 수 있는 임의의 디바이스를 지칭하는 것으로 넓게 해석되어야 한다. 방사선 빔에 부여된 패턴은, 예를 들어 패턴이 위상 시프트 피처(phase shifting feature) 또는 소위 어시스트 피처(assist feature)를 포함한다면, 기판의 타겟 부분의 원하는 패턴에 정확히 대응하지 않을 수 있다는 점이 주목되어야 한다. 일반적으로, 방사선 빔에 부여된 패턴은 집적 회로와 같은, 타겟 부분에 생성되고 있는 디바이스 내의 특정 기능 층에 대응할 것이다
도면에 도시된 바와 같이, 본 장치는 (예를 들어, 투과형 패터닝 디바이스를 이용하는) 투과 유형이다. 대안적으로, 본 장치는 (예를 들어, 위에서 언급된 바와 같은 유형의 프로그램 가능한 미러 어레이를 사용하는, 또는 반사형 마스크를 이용하는) 반사 유형일 수 있다. 패터닝 디바이스의 예는 마스크, 프로그램 가능한 미러 어레이, 및 프로그램 가능한 LCD 패널을 포함한다. 본 명세서에서의 용어 "레티클" 또는 "마스크"의 임의의 사용은 보다 일반적인 용어 "패터닝 디바이스"와 동의어로 간주될 수 있다. 용어 "패터닝 디바이스"는 또한 이러한 프로그램 가능한 패터닝 디바이스를 제어하는 데 사용하기 위해 패턴 정보를 디지털 형태로 저장하는 디바이스를 지칭하는 것으로 해석될 수 있다.
본 명세서에서 사용되는 용어 "투영 시스템"은 이용되고 있는 노광 방사선에 대해, 또는 침지 액체의 사용 또는 진공의 사용과 같은 다른 요인에 대해 적합한, 굴절식, 반사식, 반사 굴절식(catadioptric), 자기식, 전자기식, 및 정전식 광학 시스템, 또는 이들의 임의의 조합을 포함하는 임의의 유형의 투영 시스템을 포함하는 것으로 넓게 해석되어야 한다. 본 명세서에서의 용어 "투영 렌즈"의 임의의 사용은 더 일반적인 용어 "투영 시스템"과 동의어로 간주될 수도 있다.
리소그래피 장치는 또한, 투영 시스템과 기판 사이의 공간을 채우기 위해 기판의 적어도 일부분이 상대적으로 높은 굴절률을 가진 액체, 예를 들어 물로 덮일 수 있는 유형일 수 있다. 침지 액체는 또한 리소그래피 장치 내의 다른 공간에, 예를 들어 마스크와 투영 시스템 사이에 적용될 수 있다. 침지 기술은 투영 시스템의 개구수(numerical aperture)를 증가시키기 위한 기술 분야에서 잘 알려져 있다.
작동 시, 일루미네이터(IL)는 방사선 소스(SO)로부터 방사선 빔을 받아들인다. 예를 들어, 소스가 엑시머 레이저인 경우, 소스와 리소그래피 장치는 별도의 개체들일 수 있다. 이러한 경우에, 소스는 리소그래피 장치의 일부를 형성하는 것으로 간주되지 않으며, 방사선 빔은, 예를 들어 적합한 지향 미러 및/또는 빔 익스팬더(beam expander)를 포함하는 빔 전달 시스템(BD)의 도움으로 소스(SO)로부터 일루미네이터(IL)로 나아간다. 다른 경우에, 예를 들어 소스가 수은 램프일 때, 소스는 리소그래피 장치의 필수 부분일 수 있다. 소스(SO)와 일루미네이터(IL)는 필요하다면 빔 전달 시스템(BD)과 함께 방사선 시스템으로 지칭될 수도 있다.
일루미네이터(IL)는, 예를 들어 방사선 빔의 각도 세기 분포를 조정하기 위한 조절기(AD), 집속기(integrator)(IN) 및 집광기(condenser)(CO)를 포함할 수 있다. 일루미네이터는 횡단면에서 원하는 균일성 및 세기 분포를 갖도록 방사선 빔을 조절하기 위하여 사용될 수 있다.
방사선 빔(B)은 패터닝 디바이스 지지체(MT) 상에 유지되고 있는 패터닝 디바이스(MA)에 입사하며, 그리고 패터닝 디바이스에 의하여 패터닝된다. 패터닝 디바이스 (예를 들어, 마스크)(MA)를 가로지른 후, 방사선 빔(B)은 투영 시스템(PS)을 통과하며, 투영 시스템은 빔을 기판(W)의 타겟 부분(C) 상으로 집속시킨다. 제2 포지셔너(PW)와 위치 센서(IF) (예를 들어, 간섭계 디바이스, 선형 인코더, 2-D 인코더 또는 용량성 센서)의 도움으로, 예를 들어 방사선 빔(B)의 경로에 상이한 타겟 부분(C)들을 위치시키기 위하여, 기판 테이블(WTa 또는 WTb)은 정확하게 이동될 수 있다. 유사하게, 제1 포지셔너(PM)와 (도 1에서는 명확하게 도시되지 않은) 또 다른 위치 센서가 사용되어, 예를 들어 마스크 라이브러리로부터의 기계적 인출 이후에, 또는 스캔 동안에 패터닝 디바이스 (예를 들어, 마스크)(MA)를 방사선 빔(B)의 경로에 대하여 정확하게 위치시킬 수 있다.
패터닝 디바이스 (마스크)(MA)와 기판(W)은 마스크 정렬 마크(M1, M2)와 기판 정렬 마크(P1, P2)를 사용하여 정렬될 수 있다. 도시된 바와 같이 기판 정렬 마크들이 전용 타겟 부분을 점유하고 있지만, 이들은 타겟 부분들 사이의 공간에 위치될 수 있다 (이들은 스크라이브-레인 정렬 마크로 알려져 있다). 마찬가지로, 패터닝 디바이스(마스크)(MA) 상에 하나보다 많은 다이가 제공된 상황에서, 마스크 정렬 마크는 다이들 사이에 위치될 수 있다. 소형 정렬 마크는 또한 디바이스 피처들 사이에서 다이 내에 포함될 수 있으며, 이 경우 마커는 가능한 한 작고 또한 인접한 피처들과 임의의 다른 이미징 또는 공정 조건을 필요로 하지 않는다는 것이 바람직하다. 정렬 마커를 검출하는 정렬 시스템은 아래에서 더 자세히 설명된다.
도시된 장치는 다양한 모드에서 사용될 수 있다. 스캔 모드에서, 패터닝 디바이스 지지체 (예를 들어, 마스크 테이블)(MT)와 기판 테이블(WT)은 동시에 스캔되는 반면에, 방사선 빔에 부여된 패턴은 타겟 부분(C) 상으로 투영된다 (즉, 단일 동적 노광). 패터닝 디바이스 지지체 (예를 들어, 마스크 테이블)(MT)에 대한 기판 테이블(WT)의 속도 및 방향은 투영 시스템(PS)의 확대율(축소율) 및 이미지 반전 특성에 의하여 결정될 수 있다. 스캔 모드에서, 노광 필드의 최대 크기가 단일 동적 노광 시 타겟 부분의 (비-스캐닝 방향으로의) 폭을 제한하는 반면에, 스캐닝 움직임의 길이는 타겟 부분의 (스캐닝 방향으로의) 높이를 결정한다. 본 기술 분야에서 잘 알려져 있는 바와 같이, 다른 유형의 리소그래피 장치 및 작동 모드가 가능하다. 예를 들어, 스텝 모드가 알려져 있다. 소위 "마스크리스(maskless)" 리소그래피에서, 프로그램 가능한 패터닝 디바이스는 고정 상태에서 유지되지만, 변화하는 패턴을 가지며, 그리고 기판 테이블(WT)은 이동되거나 스캔된다.
위에서 설명된 사용 모드들의 조합 및/또는 변형, 또는 전혀 상이한 사용 모드들이 또한 이용될 수 있다.
리소그래피 장치(LA)는 2개의 기판 테이블(WTa, WTb) 및 2개의 스테이션 -노광 스테이션(EXP)과 측정 스테이션(MEA)-을 가지며 기판 테이블들이 2개의 스테이션 사이에서 교환될 수 있는 소위 이중 스테이지 유형이다. 한 기판 테이블 상의 한 기판이 노광 스테이션에서 노광되고 있는 동안, 또 또 다른 기판은 측정 스테이션에서 다른 기판 테이블에 로딩될 수 있으며 다양한 준비 단계가 수행된다. 이는 장치의 처리량의 상당한 증가를 가능하게 한다. 준비 단계는 레벨 센서(LS)를 사용하여 기판의 표면 높이 윤곽을 맵핑하는 것 및 정렬 센서(AS)를 사용하여 기판 상의 정렬 마커의 위치를 측정하는 것을 포함할 수 있다. 기판 테이블이 측정 스테이션과 노광 스테이션에 있는 동안 위치 센서(IF)가 기판 테이블의 위치를 측정할 수 없다면, 제2 위치 센서가 제공되어 기준 프레임(RF)에 대해 양 스테이션에서 기판 테이블의 위치가 추적되는 것을 가능하게 할 수 있다. 보여지는 이중 스테이지 배열체 대신에 다른 배열체가 알려져 있으며 사용 가능하다. 예를 들어, 기판 테이블과 측정 테이블이 제공되는 다른 리소그래피 장치가 알려져 있다. 이 테이블들은 준비 측정을 수행할 때 함께 도킹되며, 그후 기판 테이블이 노광을 겪을 때 도킹 해제된다.
도 2는 도 1의 이중 스테이지 장치에서 기판(W) 상의 타겟 부분 (예를 들어, 다이)을 노광시키는 단계를 도시하고 있다. 측정 스테이션(MEA)에서 수행되는 단계는 좌측의 점선 박스 내에 있으며, 우측은 노광 스테이션(EXP)에서 수행되는 단계를 보여주고 있다. 때로는, 위에서 설명된 바와 같이, 기판 테이블(WTa, WTb)들 중 하나는 노광 스테이션에 있을 것인 반면에, 다른 하나는 측정 스테이션에 있을 것이다. 이 설명의 목적을 위하여, 기판(W)이 이미 노광 스테이션 내로 로딩되었다는 것이 가정된다. 단계 200에서, 새로운 기판(W')이 보이지 않는 메커니즘에 의하여 장치로 로딩된다. 리소그래피 장치의 처리량을 증가시키기 위하여 이 2개의 기판은 동시에 처리된다.
처음에 새로 로딩된 기판(W')을 참조하면, 이는 장치에서의 첫 노광을 위하여 새로운 포토 레지스트로 준비된, 이전에 처리되지 않은 기판일 수 있다. 그러나 일반적으로, 설명된 리소그래피 공정은 일련의 노광 및 처리 단계들 중 단지 한 단계일 것이며, 따라서 기판(W')은 이 장치 및/또는 다른 리소그래피 장치를 이미 여러 차례 통과하였으며 거쳐야 할 후속 공정 또한 가질 수 있다. 특히 오버레이 성능을 향상하는 문제에 대하여, 과제는 패터닝 및 처리의 하나 이상의 주기를 이미 거친 기판 상의 정확한 위치에 새로운 패턴이 정확하게 적용되는 것을 보장하는 것이다. 만족스러운 오버레이 성능을 달성하기 위해, 이 처리 단계들은 측정되고 보정되어야 하는 기판의 왜곡을 점진적으로 도입한다.
이전 및/또는 후속 패터닝 단계는 방금 언급된 바와 같이 다른 리소그래피 장치에서 수행될 수 있으며, 또한 상이한 유형의 리소그래피 장치에서도 수행될 수 있다. 예를 들어, 분해능과 오버레이와 같은 매개변수 면에서 매우 까다로운, 디바이스 제조 공정 내의 일부 층은 덜 까다로운 다른 층보다 더욱 진보된 리소그래피 툴에서 수행될 수 있다. 따라서, 일부 층은 침지 유형 리소그래피 툴에서 노광될 수 있는 반면, 다른 층은 "건식(dry)" 툴에서 노광된다. 일부 층은 DUV 파장에서 가동하는 툴에서 노광될 수 있는 반면에, 다른 층은 EUV 파장 방사선을 이용하여 노광된다.
202에서, 기판 마크(P1) 등과 이미지 센서(보이지 않음)를 사용한 정렬 측정은 기판 테이블(WTa/WTb)에 대한 기판의 정렬을 측정하고 기록하기 위해 사용된다. 또한, 기판(W')에 걸친 여러 정렬 마크는 정렬 센서(AS)를 사용하여 측정될 것이다. 이 측정은 "웨이퍼 그리드"를 설정하기 위해 일 실시예에서 사용되며, 이 웨이퍼 그리드는 공칭 직사각형 그리드에 대한 임의의 왜곡을 포함하는, 기판에 걸친 마크들의 분포를 매우 정확하게 매핑한다.
단계 204에서, X-Y 위치에 대한 웨이퍼 높이(Z)의 맵은 또한 레벨 센서(LS)를 사용하여 측정된다. 일반적으로, 높이 맵은 노광된 패턴의 정확한 집속을 달성하기 위해서만 사용된다. 이는 그 외에 다른 목적을 위하여 사용될 수 있다.
기판(W')이 로딩되었을 때, 레시피 데이터(206)가 수신되어, 수행될 노광, 및 웨이퍼 그리고 또한 웨이퍼 상에 이전에 만들어지고 또한 만들어질 패턴의 특성을 규정하였다. 202 및 204에서 만들어진 웨이퍼 위치, 웨이퍼 그리드 및 높이 맵의 측정치가 이 레시피 데이터에 추가되며, 따라서 레시피 데이터와 측정 데이터의 완전한 세트(208)가 노광 스테이션(EXP)에 전달될 수 있다. 정렬 데이터의 측정은, 예를 들어 리소그래피 공정의 제품인 제품 패턴에 대해 고정된 또는 공칭적으로 고정된 관계로 형성되는 정렬 타겟의 X 및 Y 위치를 포함한다. 노광 직전에 얻어진 이 정렬 데이터는 모델을 데이터에 피팅하는 매개변수로 정렬 모델을 생성하기 위해 사용된다. 이 매개변수와 정렬 모델은 노광 작동 중에 사용되어 현재의 리소그래피 단계에서 적용되는 패턴의 위치를 보정할 것이다. 사용 중인 모델은 측정된 위치들 간의 위치 편차를 보간한다. 일반적인 정렬 모델은, "이상적인" 그리드의 병진, 회전 및 스케일링(scaling)을 상이한 차원에서 함께 규정하는 4개, 5개, 또는 6개의 매개변수를 포함할 수 있다. 더 많은 매개변수를 사용하는 진보된 모델이 알려져 있다.
단계 210에서, 기판(W' 및 W)들이 교체되며, 따라서 측정된 기판(W')이 노광 스테이션(EXP)으로 들어가는 기판(W)이 된다. 도 1의 예시적인 장치에서, 이 교체는 장치 내에서 지지체(WTa 및 WTb)들을 교환함으로써 수행되며, 따라서 기판(W, W')은 이 지지체들 상에 정확하게 클램핑되고 위치된 상태로 남아 있어 기판 테이블과 기판 자체 사이의 상대적인 정렬을 보존한다. 이에 따라, 테이블들이 교체되면, 투영 시스템(PS)과 기판 테이블(WTb) (이전에는 WTa) 사이의 상대적인 위치를 결정하는 것은 노광 단계의 제어시 기판(W) (이전에는 W')에 대한 측정 정보(202, 204)를 이용하기 위해 필요한 모든 것이다. 단계 212에서, 마스크 정렬 마크(M1, M2)를 사용하여 레티클 정렬이 수행된다. 단계 214, 216, 218에서, 다수의 패턴의 노광을 완료하기 위하여, 스캐닝 움직임 및 방사선 펄스가 기판(W)에 걸친 연속적인 타겟 위치들에 적용된다.
노광 단계의 수행시 측정 스테이션에서 취득된 정렬 데이터와 높이 맵을 사용함으로써, 이 패턴들은 원하는 위치에 대하여, 특히 동일 기판 상에 이전에 놓인 피처에 대해서 정확하게 정렬된다. 이제 W"로 표기된 노광된 기판이 단계 220에서 장치로부터 언로딩되어 노광된 패턴에 따라 에칭 또는 다른 공정을 거치게 된다.
통상의 기술자는 위의 설명이 실제 제조 상황의 한 예에 수반된 다수의 매우 상세한 단계의 간략한 개요라는 것을 알 것이다. 예를 들어, 단일 패스로 정렬을 측정하는 것보다는, 흔히 동일한 또는 상이한 마크를 사용하여 개략적인 측정과 세밀한 측정의 별도 단계가 있을 것이다. 개략적인 및/또는 세밀한 정렬 측정 단계는 높이 측정 전 또는 후에 수행될 수 있거나 인터리브(interleaved)될 수 있다.
정렬 및 제품/공정 모니터링 계측 적용 모두로서의 특정 유형의 계측 센서가 PCT 특허 출원 공개 WO2020/057900A1에 설명되어 있으며, 이는 원용에 의해 본 명세서에 포함된다. 이는 최적화된 간섭성을 갖는 계측 디바이스를 설명한다. 보다 구체적으로, 계측 디바이스는 측정 조명의 다수의 공간적 비간섭성 빔을 생성하도록 구성되며, 상기 빔들의 각각 (또는 상기 빔들의 측정 쌍의 양 빔; 각 측정 쌍은 측정 방향에 대응함)은 그들의 횡단면 내에 대응하는 영역을 갖고, 이 횡단면에 대해 이 영역들에서의 빔들 간의 위상 관계는 알려져 있다; 즉 대응하는 영역에 대하여 상호 공간적 간섭성이 있다.
이러한 계측 디바이스는 허용 가능한 (최소) 간섭 아티팩트 (스펙클)(speckle)을 갖는 작은 피치 타겟들을 측정할 수 있으며, 또한 암시야 모드에서 작동 가능할 것이다. 이러한 계측 디바이스는 기판 위치를 측정 (예를 들어, 고정된 기준 위치에 대한 주기적 구조체 또는 정렬 마크의 위치를 측정)하기 위한 위치 또는 정렬 센서로서 사용될 수 있다. 그러나 계측 디바이스는 또한 오버레이의 측정 (예를 들어, 상이한 층들에서의 또는 심지어 스티칭 마크(stitching mark)의 경우에 동일한 층 내에서의 주기적 구조체들의 상대적 위치의 측정)을 위하여 사용 가능하다. 계측 디바이스는 또한 주기적인 구조체에서의 비대칭을 측정할 수 있으며, 따라서 타겟 비대칭 측정을 기반으로 하는 임의의 매개변수 (예를 들어, 회절 기반 오버레이(DBO) 기술을 이용하는 오버레이 또는 회절 기반 초점(DBF) 기술을 이용하는 초점)를 측정하기 위해 사용될 수 있다.
도 3은 이러한 계측 디바이스의 가능한 구현 형태를 보여주고 있다. 계측 디바이스는 본질적으로 새로운 조명 모드를 갖는 표준 현미경으로서 작동한다. 계측 디바이스(300)는 디바이스의 주요 요소를 포함하는 광학 모듈(305)을 포함한다. (모듈(305) 외부에 위치될 수 있고 또한 다중 모드 섬유(315)에 의하여 모듈에 광학적으로 연결될 수 있는) 조명 소스(310)는 공간적 비간섭성 방사선 빔(320)을 광학 모듈(305)에 제공한다. 광학 구성 요소(317)는 공간적 비간섭성 방사선 빔(320)을 간섭성 축외 조명 생성기(325)로 전달한다. 이 구성 요소는 본 명세서 내의 개념에 특히 중요하며 더 자세히 설명될 것이다. 간섭성 축외 조명 생성기(325)는 공간적 비간섭성 방사선 빔(320)으로부터 복수 (예를 들어, 4개)의 축외 빔(330)을 생성한다. 이 축외 빔(330)의 특성은 아래에서 더 자세히 설명될 것이다. 조명 생성기의 0차 차수는 조명 0차 차수 차단 요소(375)에 의해 차단될 수 있다. 이 0차 차수는 이 문헌에서 설명된 간섭성 축외 조명 생성기 예 (예를 들어, 위상 격자 기반 조명 생성기)의 일부에 대해서만 제시될 것이며, 따라서 이러한 0차 차수 조명이 생성되지 않을 때 생략될 수 있다. 축외 빔(330)은 (광학 구성 요소(335) 및 스폿 미러(340)를 통해) (예를 들어, 높은 NA) 대물 렌즈(345)로 전달된다. 대물 렌즈는 축외 빔(330)을 기판(350) 상에 위치된 샘플 (예를 들어, 주기적 구조체/정렬 마크) 상으로 집속시키며, 여기에서 빔은 산란 및 회절된다. 산란된 더 높은 회절 차수(355+, 355-)(예를 들어, 각각 +1 및 -1 차수)들은 스폿 미러(340)를 통해 다시 뒤로 전파되며 또한 광학 구성 요소(360)에 의해 센서 또는 카메라(365) 상으로 집속되고, 여기서 이들은 간섭되어 간섭 패턴을 형성한다. 적절한 소프트웨어를 실행하는 프로세서(380)는 그후 카메라(365)에 의해 캡처된 간섭 패턴의 이미지(들)를 처리할 수 있다.
0차 회절 (정반사) 방사선은 검출 분기부 내의 적절한 위치에서; 예를 들어, 스폿 미러(340) 및/또는 별도의 검출 0차 블록 요소에 의하여 차단된다. 축외 조명 빔들의 각각에 대해 0차 반사가 있다는 점, 즉 현재 실시예에서 총 4개의 이 0차 반사가 있다는 점이 주목되어야 한다. 4개의 0차 반사를 차단하는 데 적합한 예시적인 애퍼처 프로파일이 도 4b 및 도 4c에서 보여지고 422로 표기되어 있다. 이와 같이, 계측 디바이스는 "암시야" 계측 디바이스로서 작동된다.
제안된 계측 디바이스의 주요 개념은 요구되는 경우에만 측정 조명에서 공간적 간섭성을 유도하는 것이다. 보다 구체적으로, 축외 빔(330)들의 각각에서 대응 퓨필 포인트 세트들 사이에 공간적 간섭성이 유도된다. 보다 구체적으로, 퓨필 포인트 세트는 축외 빔들의 각각에서 대응 단일 퓨필 포인트를 포함하며, 퓨필 포인트 세트는 상호 공간적 간섭성이지만 각 퓨필 포인트는 동일 빔 내의 다른 모든 퓨필 포인트에 대하여 비간섭성이다. 이 방식으로 측정 조명의 간섭성을 최적화함으로써, 작은 피치 타겟에서 암시야 축외 조명을, 그러나 각 축외 빔(330)이 공간적 비간섭성이므로 최소한의 스페클 아티팩트로 수행하는 것이 실행 가능하게 된다.
도 4는 개념을 설명하기 위해 3개의 퓨필 이미지를 보여주고 있다. 도 4a는 도 3의 퓨필 평면(P1)과 관련된 제1 퓨필 이미지를 보여주고 있으며, 도 4b 및 도 4c 각각은 도 3의 퓨필 평면(P2)과 관련된 제2 퓨필 이미지를 보여주고 있다. 도 4a는 공간적 비간섭성 방사선 빔(320)을 (횡단면으로) 보여주고 있으며, 도 4b 및 도 4c는 2개의 상이한 실시예에서 간섭성 축외 조명 생성기(325)에 의해 생성된 축외 빔(330)들을 (횡단면으로) 보여주고 있다. 각 경우에서, 외부 원(395)의 범위는 현미경 대물렌즈의 최대 검출 NA에 대응하며; 이는 순전히 예로써 0.95 NA일 수 있다.
퓨필들의 각각에서의 삼각형(400)들은 서로에 대해 공간적으로 간섭성인 퓨필 포인트들의 세트를 가리킨다. 유사하게, 십자가(405)들은 서로에 대해 공간적으로 간섭성인 또 다른 퓨필 포인트들의 세트를 가리킨다. 삼각형들은 빔 전파에 대응하는 십자가 및 다른 모든 퓨필 포인트들에 대해 공간적으로 비간섭성이다. (도 4b에서 보여지는 예에서의) 일반적인 원리는 상호 공간적으로 간섭성인 각 퓨필 포인트 세트 (각 간섭성 포인트 세트)가 다른 모든 간섭성 포인트 세트와 같이 동일한 간격을 조명 퓨필(P2) 내에서 갖는다는 것이다. 이와 같이, 이 실시예에서, 각 간섭성 포인트 세트는 다른 모든 간섭성 포인트 세트의 퓨필 내에서의 변환(translation)이다.
도 4b에서, 삼각형(400)으로 표현되는 제1 간섭성 포인트 세트의 각 퓨필 포인트 사이의 간격은 십자가(405)로 표현되는 간섭성 포인트 세트의 각 퓨필 포인트 사이의 간격과 동일해야 한다. 이 문맥에서의 "간격"은 방향성이며, 즉, 십자가 세트 (제2 포인트 세트)는 삼각형 세트 (제1 포인트 세트)에 대하여 회전되는 것이 허용되지 않는다. 이와 같이, 축외 빔(330)들의 각각은 그 자체에 의하여 비간섭성 방사선을 포함하고 있다; 그러나 축외 빔(330)들은 알려진 위상 관계 (공간적 간섭성)를 갖는, 그들의 횡단면 내에 대응하는 포인트 세트를 갖는 동일한 빔들을 함께 포함하고 있다. 각 포인트 세트의 포인트들이 동일하게 이격될 필요는 없다는 점이 주목되어야 한다 (예를 들어, 이 예에서의 4개의 삼각형(405) 사이의 간격은 동일할 것으로 요구되지 않는다). 이와 같이, 축외 빔(330)들은 퓨필 내에서 대칭적으로 배열될 필요가 없다.
도 4c는 이 기본적인 개념이 빔(330X)이 제1 방향 (X-방향)에 대응하고 빔(330Y)이 제2 방향 (Y-방향)에 대응하는 경우 단일 측정 방향에 대응하는 빔들 간에만 상호 공간적 간섭성을 제공하는 것으로 확장될 수 있다는 것을 보여주고 있다. 이 예에서, 정사각형과 플러스(plus) 기호 각각은, 삼각형과 십자가(cross)로 나타내어진 퓨필 포인트 세트와 대응하지만 이와는 반드시 공간적으로 간섭성이 아닌 퓨필 포인트 세트를 나타내고 있다. 그러나 십자가들은 플러스 기호와 마찬가지로 상호 공간적으로 간섭성이며, 십자가들은 플러스 기호의 퓨필 내에서의 기하학적 변환이다. 이와 같이, 도 4c에서, 축외 빔들은 단지 쌍별(pair-wise) 간섭성이다.
이 실시예에서, 축외 빔들은 방향, 예를 들어 X 방향(330X) 및 Y 방향(330Y)에 의해 개별적으로 고려된다. (포인트(405X) 쌍과 같이, 포인트(400X) 쌍이 상호 간섭성이도록) 캡처된 X 방향 회절 차수를 생성하는 빔(330X) 쌍은 서로 간섭성일 필요만 있다. 마찬가지로, (포인트(405Y) 쌍과 같이, 포인트(400Y) 쌍이 상호 간섭성이도록) 캡처된 Y 방향 회절 차수를 생성하는 빔(330Y) 쌍은 서로 간섭성일 필요만 있다. 그러나 포인트(400X와 400Y)의 쌍들 사이는 간섭성이 있을 필요가 없으나, 포인트(405X와 405Y) 쌍들 사이는 그렇지 않다. 이와 같이, 고려되는 각 측정 방향에 대응하는 축외 빔 쌍으로 구성된 간섭성 포인트 쌍들이 있다. 이전과 같이, 측정 방향에 대응하는 각 빔 쌍에 대해, 각 간섭성 포인트 쌍은 다른 모든 간섭성 포인트 쌍의 퓨필 내에서의 기하학적 변환이다.
도 5는, 예를 들어 정렬/위치 감지를 위한 계측 시스템의 가동 원리를 도시하고 있다. 도 5a는 일부 실시예에서 정렬 마크로서 사용될 수 있는 타겟(410)을 도시하고 있다. 타겟(410)은 정렬 마크를 형성할 때 전형적으로 단일 층에만 포함되지만 마이크로 회절 기반 오버레이 기술(μDBO)에서 사용되는 것과 유사할 수 있다. 이와 같이, 타겟(410)은 제1 방향 (X-방향)으로의 2개의 격자 (주기적 구조체)(415a) 및 제2의 수직 방향 (Y-방향)으로의 2개의 격자(415b)를 포함하는 4개의 서브-타겟을 포함하고 있다. 격자들의 피치는, 예를 들어 100㎚의 자릿수 (더 구체적으로는, 300 내지 800㎚의 범위 내)를 포함할 수 있다
도 5b는 (도 2를 참고하여) 퓨필 평면(P3)에 대응하는 퓨필 표현을 보여주고 있다. 이 도면은 축외 조명 빔들 중 단지 하나, 더욱 구체적으로 (이 도면에서 가장 좌측의) 축외 조명 빔(420) (이는 이 퓨필에 있지 않을 것이며, 퓨필 평면(P2)에서의 그의 위치는 조명 퓨필에서의 그의 위치에 대응하고 여기에서는 도시를 위해서만 보여지고 있다)의 산란에 뒤이은 결과적인 방사선을 보여주고 있다. 음영 영역(422)은 실시예에서 사용되는 특정 스폿 미러 디자인의 차단 (즉, 반사 또는 흡수) 영역 (흰색은 투과 영역을 나타내고 있다)에 대응한다. 이러한 스폿 미러 디자인은 순전히, 원하지 않은 광 (예를 들어, 0차 차수 및 0차 차수 주위의 광)이 검출되지 않는 것을 보장하는 퓨필 블록의 예이다. 다른 스폿 미러 프로파일 (또는 일반적으로 0차 블록)이 사용될 수 있다.
알 수 있는 바와 같이, 더 높은 회절 차수들 중 하나만이, 보다 구체적으로 -1 X 방향 회절 차수(425)가 캡처된다. +1 X 방향 회절 차수(430), -1 Y 방향 회절 차수(435) 및 +1 Y 방향 회절 차수(440)는 퓨필을 벗어나며 (검출 NA는 스폿 미러(422)의 범위로 표현됨) 캡처되지 않는다. (도시되지 않은) 임의의 더 높은 차수 또한 검출 NA의 범위 밖에 있다. 0차 차수(445)는 예시를 위하여 보여지고 있지만, 실제로는 스폿 미러 또는 0차 블록(422)에 의해 차단될 것이다.
도 5c는 (순전히 예시를 위하여 다시 보여지는) 4개의 모든 축외 빔(420)으로부터 생성된 결과적인 퓨필 (캡처된 차수만)을 보여주고 있다. 캡처된 차수는 -1 X 방향 회절 차수(425), +1 X 방향 회절 차수(430'), -1 Y 방향 회절 차수(435') 그리고 +1 Y 방향 회절 차수(440')를 포함한다. 도 5d에서 보여지는 바와 같이, 이 회절 차수들은 카메라 상에서 이미지화되며 카메라에서 이들은 프린지 패턴(450)을 형성하는 것을 방해한다. 보여지는 예에서, 회절 차수가 퓨필에서 대각선으로 배열됨에 따라 프린지 패턴은 대각선이지만, 결과적인 상이한 프린지 패턴 방향으로 다른 배열체가 가능하다.
정렬 감지를 위하여 사용 가능한 다른 계측 디바이스와 유사한 방식으로, 타겟 격자 위치의 시프트는 방향별 +1 회절 차수와 -1 회절 차수 사이의 위상 시프트를 야기한다. 회절 차수들이 카메라에서 간섭하기 때문에 회절 차수들 사이의 위상 시프트는 카메라에서의 간섭 프린지의 대응 시프트를 초래한다. 따라서 카메라 상에서의 간섭 프린지의 위치로부터 정렬 위치를 결정하는 것이 가능하다.
도 6은 정렬 위치가 간섭 프린지로부터 어떻게 결정될 수 있는지를 도시하고 있다. 도 6a는 타겟이 제1 위치에 있을 때, (즉, 프린지 패턴(450)의 일사분면에 대응하는) 한 세트의 간섭 프린지(500)를 보여주고 있으며, 도 6b는 타겟이 제2 위치에 있을 때의 간섭 프린지(500')의 세트를 보여주고 있다. 고정된 (즉, 양 이미지에 대해 동일 위치에 있는) 기준 라인(510)이 2개의 위치 사이에서의 프린지 패턴의 이동을 강조하기 위해 보여지고 있다. 패턴으로부터 결정된 위치를 고정된 기준 (예를 들어, 전송 이미지 센서(TIS) 피듀셜(fiducial))의 측정으로부터 취득된 위치와 공지된 방식으로 비교함으로써 정렬이 결정될 수 있다. (예를 들어, 단일 격자 정렬 마크로부터의) 단일 프린지 패턴 또는 (2개의 격자 정렬 마크로부터의) 방향별 단일 패턴이 정렬을 위하여 사용될 수 있다. 2개의 방향으로의 정렬을 수행하기 위한 또 다른 옵션은 단일의 2D 주기적 패턴을 갖는 정렬 마크를 사용할 수 있다. 또한, 비주기적 패턴은 본 명세서에서 설명된 계측 디바이스로 측정될 수 있다. 또 다른 정렬 마크 옵션은 현재 오버레이를 측정하기 위하여 일반적으로 사용되고 있는 것과 유사한, 도 5a에 도시된 것과 같은, 4개의 격자 타겟 디자인을 포함할 수 있다. 이와 같이, 이들과 같은 타겟은 전형적으로 웨이퍼에 이미 존재하고 있으며, 따라서 유사한 샘플링이 정렬 및 오버레이를 위하여 사용될 수 있다. 이러한 정렬 방법은 공지되어 있으며 또한 더 설명되지 않을 것이다.
WO2020/057900은 공정을 더 견실하게 하기 위하여 (측정 다양성을 촉진하기 위하여) 다수의 파장 (및 가능하게는 더 높은 회절 차수)을 측정할 가능성을 추가로 설명하고 있다. 이는, 예를 들어 최적의 색상 가중(optimal color weighing)(OCW)과 같은 기술의 사용을 가능하게 하여 격자 비대칭성을 견실하게 할 것이라는 점이 제안되었다. 특히, 타겟 비대칭성은 전형적으로 파장별 상이한 정렬된 위치를 야기한다. 그에 의하여, 상이한 파장들에 대해 정렬된 위치의 이 차이를 측정함으로써 타겟의 비대칭성을 결정하는 것이 가능하다. 한 실시예에서, 상이한 파장에 각각 대응하는 일련의 개별 이미지들을 취득하기 위해, 다수의 파장에 대응하는 측정들은 동일 카메라에서 순차적으로 이미지화될 수 있다. 대안적으로, 이 파장들의 각각은 별개의 카메라들 (또는 동일한 카메라의 별개의 영역들)에서 동시에 이미지화될 수 있으며, 파장들은 이색성 미러와 같은 적절한 광학 구성 요소를 사용하여 분리된다. 또 다른 실시예에서, 단일 카메라 이미지에서 다수의 파장 (및 회절 차수)을 측정하는 것이 가능하다. 상이한 파장들에 대응하는 조명 빔들이 퓨필 내의 동일한 위치에 있을 때, 카메라 이미지 상의 대응 프린지는 상이한 파장들에 대해 상이한 배향들을 가질 것이다. 이는 대부분의 축외 조명 생성기 배열체의 경우에 해당하는 경향이 있을 것이다 (조명 격자와 타겟 격자의 파장 의존성이 서로 상쇄되는 경향이 있는 단일 격자는 예외이다). 이러한 이미지를 적절하게 처리함으로써, 단일 캡처에서 다수의 파장 (및 차수)에 대한 정렬 위치가 결정될 수 있다. 이 다수의 위치는, 예를 들어 OCW 유사 알고리즘에 대한 입력으로서 사용될 수 있다.
또한 WO2020/057900에는 정확성/견실함을 향상시키기 위한 가변적인 관심 대상 영역(ROI) 선택 및 가변적인 픽셀 가중의 가능성이 설명되어 있다. 전체 타겟 이미지 또는 (각 사분면의 중앙 영역 또는 전체 타겟에 걸친 것과 같은; 즉 에지 영역을 제외한) 고정된 관심 대상 영역을 기반으로 정렬 위치를 결정하는 대신에, 타겟별 기준으로 ROI를 최적화하는 것이 가능하다. 최적화는 어느 임의의 형상의 ROI 또는 복수의 ROI를 결정할 수 있다. 하나 이상의 품질 메트릭 또는 핵심 성과 지표(KPI)에 따라 할당된 가중치(weighting)로, ROI의 최적화된 가중된 조합을 결정하는 것이 또한 가능하다.
국부 위치 이미지 내부의 변동을 최소화함으로써, 최적의 가중치를 결정하기 위한 자체 참조 방법을 포함한, 마크 내의 모든 포인트에서 위치를 보정하기 위해 색상 가중 그리고 세기 불균형 사용이 또한 알려져 있다.
이 개념들을 종합하면, 공지된 베이스라인 피팅 알고리즘은 도 7의 흐름도에 도시된 단계들을 포함할 수 있다. 단계 700에서, 정렬 마크의 카메라 이미지가 캡처된다. 개략적 웨이퍼 정렬(COWA) 단계에 이어서 스테이지 위치가 정확하게 알려지며 마크 위치가 개략적으로 (예를 들어, 약 100㎚ 이내) 알려진다. 단계 710에서, 마크당 동일한 픽셀 영역 (예를 들어, 각 마크 격자의 중심 영역)을 포함할 수 있는 ROI가 선택된다. 단계 720에서, 마크 피치에 의해 주어진 주기로 ROI 내에서 사인 피트(sine fit)가 수행되어 위상 측정을 취득한다. 단계 730에서, 이 위상은 예를 들어 웨이퍼 스테이지 피듀셜 마크(fiducial mark)에서 측정된 기준 위상과 비교된다.
여러 가지 이유로, 더 작은 정렬 마크/타겟에서 정렬을 수행하거나 보다 일반적으로 더 작은 계측 타겟에서 계측을 수행하는 것이 더욱 더 바람직하다. 이 이유는 (예를 들어, 정렬 마크 또는 타겟에 의해 점유되고 사용되는 공간을 최소화하기 위해 및/또는 더 많은 마크/타겟을 수용하기 위해) 웨이퍼 상의 이용 가능한 공간을 가급적 활용하는 것, 그리고 더 큰 마크가 맞지 않는 영역에 정렬 마크 또는 타겟을 수용하는 것을 포함한다.
본 정렬 방법에 따르면, 예를 들어 소형 마크 상의 웨이퍼 정렬 정확도는 제한된다. 이 맥락에서 소형 마크 (또는 더 일반적으로 타겟)는 8㎛×8㎛ 마크와 같은, 기판 평면의 한 치수 또는 양 치수 (예를 들어, 적어도 스캐닝 방향 또는 주기성 방향)에서 12㎛보다 작은 또는 10㎛보다 작은 마크/타겟을 의미할 수 있다.
이러한 소형 마크에 대해, 위상 및 세기 리플(intensity ripple)이 이미지에 존재한다. 도 7과 관련하여 위에 설명된 베이스라인 피팅 알고리즘 (이는 마크의 매우 작은 부분에 프린지 위상을 피팅시키기 위한 비교적 간단한 방법이다)을 사용하면 리플은 국부 정렬 위치의 상당 부분에 대응한다. 이는, 예를 들어 5㎛×5㎛ ROI 이상으로 평균화될 때에도, 리플은 충분히 평균적이지 않다는 것을 의미한다. 또한 정확도를 최적화하기 위하여, 잘못된 마크 영역을 식별하고 이 영역을 제거 또는 보정하는 것이 중요하다. 예를 들어, 대략 나노미터 정도의 국부적 위치 오차로 이어지는 국부적으로 변위된 또는 국부적으로 비대칭적인 격자 라인이 있다면, 이는 보정될 수 있도록 가시적이거나 결정될 수 있다는 것이 바람직하다. 그러나 공정 유도 국부 결함의 크기보다 큰 크기를 갖는 유한 크기 효과(finite size effects) (또한 "위상 엔벨로프(phase envelope)"로 불림)로 인한 리플이 있는 경우, 국부 결함을 보정하는 것은 불가능하다.
측정이 유한 크기 효과를 받는 소형 마크에 대한 이러한 국부 위치 오차 (또는 더 일반적으로 국부 오차)의 보정을 가능하게 함으로써 측정 정확도를 개선하는 방법이 설명될 것이다.
도 8은 본 명세서에 개시된 개념에 따른 관심 대상 매개변수 (예를 들어, 위치/정렬 값 또는 오버레이 값)를 결정하기 위한 기본 흐름을 도시하고 있다. 단계 800에서, 미가공 계측 센서 신호가 취득된다. 단계 810에서, 전 처리된 계측 신호를 취득하기 위하여 미가공 신호는 전 처리되어 유한 마크 크기 (및 센서) 효과의 영향을 최소화하거나 적어도 완화시킨다. 본 발명의 대상이 이 단계이며 아래에서 상세히 설명될 것이다. 선택적 단계 820에서, 전 처리된 계측 신호는 마크 처리 효과 (예를 들어, 국부 마크 변동)에 대해 (예를 들어, 국부적으로) 보정될 수 있다. 일반적으로 타겟, 그리고 특히 소형 타겟은 전형적으로 (예를 들어, 처리 및/또는 노광 조건으로 인하여) 그의 형성 동안에 변형을 겪는다. 많은 경우에, 이 변형은 타겟 내에서 균일하지 않지만, 대신 국부적 또는 타겟 내 변형으로 이어지는 다수의 국부적 또는 타겟 내 효과를 포함한다; 예를 들어, 무작위 에지 효과, 마크 위의 웨징(wedging), 국부적인 격자 비대칭 변동, 국부적 두께 변동 및/또는 (국부적) 표면 거칠기. 이 변형은 마크에서 마크 또는 웨이퍼에서 웨이퍼로 반복되지 않을 수 있으며, 따라서 디바이스의 잘못된 프린팅을 방지하기 위해 노광 전에 측정 및 보정될 수 있다. 이 선택적 단계는 예를 들어 이러한 정렬 마크 결함을 보정하는 타겟 내 보정을 제공할 수 있다. 이 단계는 타겟으로부터 국부 위치 측정 (예를 들어, 위치 분포 또는 국부 위치 맵)을 측정하는 것을 포함할 수 있다. 위치 분포는 타겟 또는 타겟의 적어도 일부 (또는 이의 캡처된 이미지)에 걸쳐 정렬 위치의 변동을 설명할 수 있다; 예를 들어, 픽셀 당 또는 픽셀 그룹 당 (예를 들어, 이웃하는 픽셀들의 그룹) 국부 위치 및 보정을 위치 분포의 분산을 최소화하는 것으로 결정하는 것. 단계 830에서, 예를 들어 ROI를 최적화하고 ROI 내에서 평균화한 후에 위치 값 (또는 다른 관심 대상 매개변수, 예를 들어 오버레이)이 결정된다. 이 평균화는 위치 맵(LAPD 맵) 내의 위치의 대수적 평균일 수 있거나, 중앙값 및/또는 이미지 마스크를 포함하는 또 다른 이상치 제거 전략을 사용하는 것과 같은 보다 진보된 평균화 전략이 사용될 수 있다.
높은 수준의 개요
도 9는 제안된 개념의 높은 수준의 개요이다. 일반적으로, 본 명세서에 개시된 방법은 "구성 요소(building block)"(BL A, BL B, BL C) 세트의 다수의 조합에 의하여 설명된다. 각 구성 요소에 대해, 다수의 상이한 실시예가 설명될 것이다. 통상의 기술자에게 명백할 바와 같이, 각 블록에 대해 명시적으로 개시된 실시예는 완전하지 않다.
일반적으로, 신호 획득의 두 가지 상이한 단계가 있다:
ㆍ 교정 단계(CAL), 여기서 모델 및/또는 (예를 생산 단계에서) 보정을 위해 추가로 사용되는 라이브러리를 교정하기 위하여 신호가 기록된다. 이러한 교정 단계는 한 번, 한 번 이상 또는 매번 수행될 수 있다.
ㆍ "대량 제조" (HVM) 또는 생산 단계, 여기서 신호가 기록되어 관심 대상 계측량을 추출한다. 이것이 계측 센서의 기본 기능/주요 용도이다. HVM 단계에서 피팅된(fitted) "획득 신호" 또는 "테스트 신호"는 HVM 단계에서 반드시 획득되는 것은 아니지만, 제조 공정의 임의의 다른 단계에서 획득될 수 있다.
먼저 교정 단계를 고려하면, 단계 900에서, 하나 이상의 미가공 계측 신호를 포함하는 교정 데이터가 하나 이상의 마크로부터 취득된다. 단계 910에서, "국부 위상" 및 "국부 진폭"의 추출이 교정 데이터의 미가공 계측 신호의 프린지 패턴으로부터 수행된다. 단계 920에서, 보정 라이브러리가 컴파일되어(compiled) 유한-크기 효과를 보정하기 위한 보정을 포함하는 유한-크기 효과 보정 데이터를 저장할 수 있다. 대안적으로 또는 부가적으로, 단계 920은 유한-크기 효과 보정을 수행하기 위해 모델 (예를 들어, 기계 학습 모델)을 결정 및/또는 트레이닝시키는 것을 포함할 수 있다. 생산 또는 HVM 단계에서, 신호 획득이 단계 930에서 (예를 들어, 단일 마크로부터) 수행된다. 단계 940에서, 단계 930에서 획득한 신호의 프린지 패턴으로부터 "국부 위상" 및 "국부 진폭"의 추출이 수행된다. 단계 950에서, 검색 단계가 수행되어 단계 930에서 획득된 신호에 대한 (예를 들어, 라이브러리 기반 실시예에서의) 적절한 유한-크기 보정 데이터를 검색한다. 단계 960에서, 검색된 유한-크기 효과 보정 데이터 (및/또는 적절한 트레이닝된 모델)를 사용하여 유한-크기 효과의 보정이 수행된다. 단계 970은 분석 및 추가 처리 단계를 포함하여 위치 값 또는 기타 관심 대상 매개변수를 결정한다.
실제 측정된 교정 데이터 및/또는 그로부터 도출된 보정 국부 매개변수 분포에 더하여 또는 그에 대한 대안으로서, 교정 데이터/보정 국부 매개변수 분포가 시뮬레이션될 수 있다는 점을 주목한다. 보정 국부 매개변수 분포를 결정하기 위한 시뮬레이션은 (예를 들어, HVM 측정된) 국부 매개변수 분포를 기반으로 최적화될 수 있는 하나 이상의 자유 매개변수를 포함할 수 있다.
(편의상) 도 9의 3개의 블록(BL A, BL B, BL C)에 따라 분할된 많은 특정 실시예가 설명될 것이다.
블록 A: 국부 위상의 추출.
실시예 A1: 공간적으로 가중된 피트로서의 국부 위상 ("국부 APD")
블록 A의 제1 실시예에서, 종종 국부 정렬 위치 편차(LAPD)로 지칭되는, 국부적으로 결정된 위치 분포 (예를 들어, 국부 위상 맵 또는 국부 위상 분포 또는 더 일반적으로 국부 매개변수 맵 또는 국부 매개변수 분포)가 직접 사용되며, 즉, 유한 크기 효과를 최소화하는 보정을 교정하기 위해 마크 템플릿 빼기(mark template subtraction), 데이터베이스 피팅, 엔벨로프 등과 조합되지 않는다.
높은 수준에서, 그러한 국부 위상 결정 방법은 다음을 포함할 수 있다. 신호()(2D 신호, 예를 들어 카메라 이미지가 가정될 것이지만, 개념은 임의의 치수의 신호에 적용된다)는 공간 종속 양의 세트(에 맵핑되며, 이들은 관심 대상 계측 매개변수와 관련된다. 기저 함수 세트, 예를 들어 를 규정함으로써; 그리고 모든 픽셀 위치(x, y)에 대해 예를 들어 하기와 같은 적절한 공간 가중 비용 함수를 최소화하는 계수()를 피팅함으로써 맵핑이 달성될 수 있다:
함수()는 표준 최소 제곱 비용 함수(L2 놈(norm): , L1 놈), 또는 임의의 다른 적절한 비용 함수일 수 있다.
가중치()는 일반적으로 포인트(x, y) 주위의 공간적으로 국부적인 함수이다. 함수의 "폭(width)"은 추정기()가 얼마나 "국부적"인지를 결정한다. 예를 들어, "좁은" 가중치는, (x, y)에 매우 가까운 포인트만이 피트와 관련이 있고 따라서 추정기는 매우 국소적일 것이라는 점을 의미한다. 동시에 더 적은 포인트가 사용되기 때문에 추정기는 더 노이즈가 많을 것이다. 가중치에 대한 무한한 선택이 있다. 선택의 예는 (완전하지 않게) 다음 사항을 포함한다.
* 지수적(Exponential):
* 인수분해된 베셀 함수:
* 방사형 함수:
* 임의의 아포디제이션 윈도우, 예를 들어, 해밍(Hamming) 윈도우;
* 임의의 유한-입력-응답(FIR) 필터
* 분석적으로 근사화, 시뮬레이션 또는 실험적으로 측정된, 광학 센서의 점 확산 함수와 일치하는 함수..
본 기술 분야의 통상의 기술자는 사용될 수 있는 원하는 "국부화" 특성을 가진 대단히 더 많은 기능이 있다는 점을 인식할 것이다. 가중 함수는 이 IDF에서 설명된 임의의 공정의 일부로서 최적화될 수도 있다.
"프린지" 파동 벡터( 등)를 갖는 하나 이상의 (또한 부분적인 또는 중첩되는) 프린지 패턴을 포함하는 신호의 특정 경우에 대해, 기저 함수에 대한 적합한 선택은 (순수하게 예로서) 다음과 같을 수 있다:
(a DC 구성 요소)
"동위상" 구성 요소 A
"직교" 구성 요소 A
"동위상" 구성 요소 B
"직교" 구성 요소 B
등.
물론, 예를 들어 복잡한 필드의 위상 및 진폭의 면에서 동일한 기본 기저 함수의 많은 상이한 수학적 공식이 존재한다.
이 기본적인 선택으로, 모든 프린지 패턴에 대해 두 가지 추가 관심 대상 양이 규정될 수 있다:
국부 위상:
국부 진폭:
국부 위상은 (예를 들어, 도 3 내지 도 6과 관련하여 위에서 설명된 바와 같은) 정렬 센서에 대한 격자로부터 측정된 바와 같이 정렬된 위치(LAPD)에 비례하기 때문에 특히 관련이 있다. 이와 같이, 정렬의 맥락에서 LAPD는 국부 위상 맵 또는 국부 위상 분포로부터 결정될 수 있다. 국부 위상은 또한 예를 들어 cDBO 마크를 사용하여 측정된 오버레이에 비례한다. 간략하게, cDBO 계측은 cDBO 타겟을 측정하는 것을 포함할 수 있으며, cDBO 타겟은 제2 피치(p2)를 갖는 격자의 최상부에 제1 피치(p1)를 갖는 격자를 갖는 유형 A 타겟 또는 (예를 들어, 방향 당) 유형 A 타겟 쌍 (예를 들어, 방향당) 및 제2 피치(p2) 격자가 제1 피치(p1) 격자 위에 있도록 이 격자들이 교체되는 유형 B 타겟 또는 유형 B 타겟 쌍을 포함한다. 이러한 방식으로, 그러고 μDBO 타겟 배열과 달리 타겟 바이어스는 각 타겟을 따라 지속적으로 변화된다. 오버레이 신호는 (예를 들어, 암시야) 이미지로부터 무아레(Moire) 패턴으로 인코딩된다.
피팅될 단일 프린지 패턴을 갖는 이미지 (위에서 설명한 대로 3개의 기저 함수) 및 비용 함수가 표준 L2 놈인 매우 구체적인 사용 사례에서, 알고리즘은 가중된 최소 제곱의 버전이 되며 프린지 패턴() 및 알려진 파동 벡터(k)(측정하기 위해 사용된 마크 피치와 파장으로부터 결정됨)에 대해 도 10에 개략적으로 보여진 효율적인 전략으로 해결되었다. 기저 함수(BF1 , BF2 , BF3 )는 프린지 패턴()과 조합되며 적절한 컷-오프 주파수, 예를 들어 의 공간 필터 커널(KR )과 함께 2D 컨볼빙(convolved)(2D CON)된다. 위치 종속 3×3 매트릭스()는 각 포인트에서 반전되는 요소()로 구성된다.
실시예 A2. 대략적 공간적 가중 피트
이 실시예는 원칙적으로 실시예 A1과 유사하다. 아이디어는 신호에 기저 함수를 곱하는 것이며,
그후, 결과적인 양을 커넬(kernel)( )로 컨벌빙(convolving) 한다.
특정한 경우 (기저 함수가 커널(kernel)에 의해 유도된 메트릭 아래에서 직교하는 경우), 양( n )은 옵션 A1의 양(αn)과 일치한다. 다른 경우에, 이들은 근사치이며 실제로 합리적으로 정확할 수 있다. 이 실시예는 직교 검출을 기반으로 도 11에 요약되어 있으며, 이 검출에서 측정된 신호는 예상 직교 위상(quadratures)(사인 및 코사인)으로 곱해지고 저역 통과 필터링(2D)(LPF)되어 록-인(lock-in) 검출기와 동일한 기본 원리를 이용하여 국부 진폭 및 위상을 추출한다.
실시예 A3: 엔벨로프 피팅
엔벨로프 피팅의 아이디어는 단일 신호 획득 대신에 신호 획득 세트를 이용하여 관심 대상 매개변수를 추출하는 것이다. 인덱스("J=1, 2, 3, 4,..")는 상이한 신호 획득들을 지정하기 위해 사용된다. 신호 획득은 하나 이상의 물리적 매개변수를 수정하면서 동일한 마크를 측정하여 취득된다. 포괄적이지 않은 예는 다음을 포함한다:
* 기계적 단계를 통해 마크의 X 및/또는 Y 위치 변경;
* (예를 들어, 계측 센서 조명 격자를 포함하는) 임의의 광학 요소의 X 및/또는 Y 위치 변경; 및
* 임의의 종류의 위상 변조기에 의하여 광학 신호의 위상 시프트를 유도.
신호 획득(예를 들어, 2D 이미지)을 고려해 볼 때, 신호에 대한 다음 모델이 가정된다:
여기서, 이전 옵션에서와 같이 기저 함수이며, 양( 및 )은 모델의 매개변수이다. 이제 의존성()은 픽셀 위치가 아닌 획득에 대한 것이며 (그들은 이미지의 전역적 매개변수이다) 반면 는 픽셀 위치에 의존하지만 획득에는 의존하지 않는다 (이들은 신호의 국부 매개변수이다)는 점을 주목한다.
프린지 패턴의 경우, 실시예 A에서와 동일한 기반을 사용하는 것은 다음을 산출한다:
이 공식은 수학적으로 하기와 동등하다는 점을 주목한다:
이 공식은 모델의 물리적 의미를 설명한다. 양의 물리적 해석은 다음과 같다:
* 프린지 패턴의 "위상 엔벨로프:
* 프린지 패턴의 "진폭 엔벨로프":
* 전역적 스케일링 인자:
* 전역적 탈위상:
* 글로벌 변위:
다양한 등가 공식의 매개변수들 간의 관계는 기본 대수 및 삼각법을 사용하여 결정될 수 있다. 많은 실시예에서, "위상 엔벨로프(phase envelope)"는 (예를 들어, 도 3 내지 도 6에 도시된 바와 같이) 정렬 센서의 경우 마크의 정렬된 위치와 직접적으로 관련되기 때문에 이는 중요한 양이다.
모델의 매개변수를 피팅하기 위하여, 다음 비용 함수가 최소화될 수 있다:
함수(f)는 L2 놈(norm) (최소 제곱 피트), LI 놈, 또는 임의의 다른 선택일 수 있다. 비용 함수는 전체 신호에 대해 최소화될 필요는 없지만 신호의 특정 관심 대상정 영역(ROI)에서만 최소화될 수 있다.
모델 매개변수가 처리될 수 있는 다양한 방식이 있다:
* 은 피팅 매개변수(미지수)인 반면 및 는 알려진 것으로 가정된다. 이 경우 N×M 개의 미지수가 있다. 여기서 N=픽셀 수, M=기본 크기이며, 최소한 M 개의 독립적인 신호 획득이 요구된다. 매개변수(및 )는 (예를 들어) 일부 부가적인 측정으로부터, 외부 센서로부터 또는 계산/추정으로부터 취득된다.
* 및 (또는 이들의 서브세트)는 피팅 매개변수이며 는 알려진 것으로 가정된다. 이는 계측 시스템에 의해 측정되는 양이 전역적 양, 예를 들어 전역적 변위 및 및 인 경우와 관련이 있다. 매개변수()(알려진 매개변수)는 예를 들어 아래에 설명된 교정 공정들 중 임의의 것으로부터 도출될 수 있다. 이 경우는 실시예 C3의 맥락에서 더 논의된다.
* 모든 매개변수( 및 )는 알려지지 않았다. 이 경우 피트는 비선형 및/또는 반복적인 피트가 된다. 수학적 최적화 방법이 사용되어 비용 함수를 최소화할 수 있다. 물리적 고려 사항, 관찰 또는 순전히 경험적 근거로부터 도출된 바와 같이 매개변수들 간에 부가적인 제약이 부과될 수 있다. 이 경우 미지수의 수는 N×M+M×P+2이며, 여기서 N=픽셀 수, M=기본 크기, 그리고 P= 획득 수이다. 공지된 매개변수의 수는 N×P이며, 따라서 전형적으로 N≫M을 고려하여, 기저 함수(P>M)보다 더 많은 이미지가 있다면 시스템은 해결 가능하다..
* 물론, 매개변수들 중 일부는 공지되고 일부는 알려지지 않은 중간 사례는 이전 사례의 명백한 일반화이며 본 발명의 일부이기도 하다.
실시예 A4: 센서-보정 엔벨로프 피팅
이 옵션은 피팅 매개변수의 증가된 수를 갖는, 실시예 A3의 일반화이다. 이 실시예에서, 신호에 대한 모델은 다음과 같이 가정될 수 있다:
모델 매개변수는 이다. 실시예 A3에 대해 위에서 논의된 매개변수에 관한 모든 고려 사항은 이 실시예에 대해 유효하다. 부가적인 매개변수는, 모델에 의해서 설명되는 효과의 일부가 마크의 위치에 따라 시프트하는 것으로 가정되는 반면 다른 효과는 "마크와 함께 이동하지 않고" 동일한 신호 좌표에 고정된 채로 유지된다는 사실을 설명한다. 부가적인 매개변수는 이 효과들을 개별적으로 설명하며 각각의 교차 용어도 추가로 설명한다. 모든 매개변수가 포함될 필요는 없다. 예를 들어 은 자유 매개변수 등의 수를 줄이기 위해 가정될 수 있다. 예를 들어, 이 특정 선택의 경우 교차 용어만이 모델에 유지된다.
이 모델은 마크 의존 효과와 비-마크 특정 효과가 모두 보정되는 상황을 재현하기 위해 사용될 수 있다. 이미지 신호의 예를 사용하여 두 종류의 효과가 있다는 점이 가정된다:
* 시야에서 "마크와 함께 이동"하는 국부 효과: 이는 획득마다 변경되는 변위()에 의해 시프트된다. 따라서 모든 관련 양은 위의 모델에서 의 함수이다.
* "마크와 함께 이동하지 않는" 국부 효과: 이는 카메라 그리드의 결함 또는 왜곡, 임의의 광학 표면의 결함 또는 왜곡, 고스트(ghost) 등과 같은, 마크에 특화되지 않은 효과로 인한 신호의 국부 편차이다. 모델에서, 이 효과는 항상 상이한 다른 획득들 내에서 동일한 픽셀 좌표(x, y)에서 발견된다.
모델은 또한 이 두 가지 효과 군 간의 커플링을 설명한다 (등식의 세 번째 항).
가능한 실시예에서, 비-마크-특정 효과는 (아래에서 설명되는) 교정 단계에서 이전에 교정될 수 있었다. 이러한 교정 결과로서, 매개변수(, )는 교정된 매개변수로서 알려진다. 다른 모든 매개변수 (또는 나머지 매개변수의 서브세트)는 최적화 절차를 위한 피팅 매개변수이다.
실시예 A5: 패턴 인식
패턴 인식은 신호로부터 전역적 양을 취득하기 위한 방법으로서 사용될 수 있다; 예를 들어, 시야 내에서의 마크의 위치.
도 12는 이 실시예의 가능한 예를 도시하고 있다. 가능한 실시예에서, 실시예 A1 내지 A4 (단계 1200) 중 임의의 실시예는, 국부 위상 맵 또는 국부 위상 분포(LPM) (및 따라서 위에서 설명된 바와 같은 LAPD)와 같은 하나 이상의 국부 매개변수 맵 또는 국부 매개변수 분포, 및 측정된 이미지(IM)로부터의 국부 진폭 맵 또는 국부 진폭 분포(LAM)를 취득하기 위하여 사용될 수 있다. 그러면 이미지 정합(Image registration) 기술(1210)이 사용되어 마크 템플릿(MT)의 위치를 국부 진폭 맵(LAM)에 정합시킬 수 있다. 정합 기술(1210)의 가능한 예는 다음 사항을 최대화하는 것을 기반으로 한다:
* 정규화된 교차 상관관계;
* 상호 정보;
* 임의의 다른 적합한 특성.
또한, 국부 진폭 맵에 더하여, 이미지 정합 공정(1210)에서 부가적인 정보가 사용될 수 있다. 그러한 부가적인 정보는 (그 중에서도) 국부 위상 맵(LPM), 국부 진폭 맵의 구배, 국부 위상 맵의 구배, 또는 임의의 더 높은 차수의 파생물 중 하나 이상을 포함할 수 있다.
다수의 프린지 패턴을 포함하는 이미지의 경우, 모든 프린지 패턴의 국부 진폭 맵이 사용될 수 있다. 이 경우, 이미지 정합은, 예를 들어 다음 사항을 최대화할 수 있다:
* 교차 상관관계의 제품, 또는 상호 정보의 제품 등.
* 교차 상관관계의 합 또는 상호 정보의 합 등.
* 각 단일 맵의 최적화 비용 함수의 임의의 다른 조합
이미지 정합(1210) 단계의 결과는 (예를 들어) 정규화된 교차 상관관계(NCC)일 수 있으며, 이 관계로부터 피크가 발견되어(1220) 시야 내에서 위치(POS) 또는 (x, y) 마크 중심을 산출할 수 있다.
블록 B. 보정 데이터를 교정 및 검색
실시예 B1: 단일 기준 보정
교정 단계에서, "위상 리플" (즉, 유한 크기 효과에 의해 야기되는 국부 위상 이미지)은 단일 기준 마크에서 측정 (또는 시뮬레이션 또는 그렇지 않으면 추정)되거나 다수의 (예를 들어, 유사한) 마크에 대해 평균화되어 HVM 측정의 보정을 위한 (예를 들어, 이로부터 빼기 위한) 보정 국부 매개변수 맵 또는 보정 국부 매개변수 분포 (예를 들어, 보정 국부 매개변수 맵 또는 기준 마크 템플릿)을 결정할 수 있다. 이는 블록 A에서 규정된 실시예들 중 임의의 것, 또는 이들의 임의의 조합 또는 시퀀스를 사용함으로써 달성될 수 있다. 전형적으로, 기준 마크는 피팅될 마크와 동일한 마크 유형이다. 기준 마크는 "이상적"인 것으로 가정될 수 있으며 및/또는 기준 마크 결함이 되도록 다수의 기준 마크는 평균화될 수 있다.
도 13은 이 실시예를 도시하는 흐름도이다. 측정 또는 획득 이미지(IM)가 취득되고 그에 대해 국부 피트(1300)가 수행되어 (예를 들어, 블록 A의 실시예들 중 임의의 것을 이용하여) 국부 매개변수 맵 (예를 들어, 국부 위상 맵 또는 국부 정렬 위치 맵)(LAPD)을 산출한다. HVM 또는 생산 단계에서 마크를 피팅할 때 (마크가 (국부) 처리 효과/결함을 겪는다고 가정될 수 있는 경우), 보정 국부 매개변수 맵(분포)(CLPM)이 이용되어 정렬된 위치 맵(LAPD)을 (예를 들어) 블록 C 섹션(아래)에서 설명된 방법을 이용하여 보정(1310)할 수 있다. 국부 매개변수 맵 또는 국부 매개변수 분포(CLPM)는 보정 위상 맵, 보정 LAPD 분포 또는 예상 정렬 위치 맵을 포함할 수 있다. 일 실시예에서, 보정 국부 매개변수 맵(CLPM)은 "정확한" 위상 맵으로부터의 편차만을, 즉 유한 크기 및 기타 물리적 효과에 의하여 야기된 "리플"/원하지 않는 편차만을 포함할 수 있다. 보정 단계(1310)는 보정 국부 매개변수 맵(CLPM)을 이용하여 국부 매개변수 맵 또는 정렬된 위치 맵(LAPD)으로부터 유한 크기 효과를 제거 또는 완화할 수 있다. 결과적인 보정된 국부 매개변수 맵 또는 보정된 정렬된 위치 맵(LAPD')에는, 마크와 기준 마크 간의 차이로 인한 잔차 마크 결함만이 남아 있어야 한다. 이 보정된 정렬 위치 맵(LAPD')은 위치 값(POS)을 결정(1320)하기 위해 사용될 수 있다.
보정을 위하여 사용되는 보정 국부 매개변수 맵(CLPM) 또는 예상 정렬 위치 맵은, 예를 들어 다음과 같이 다수의 방법에서 결정될 수 있다:
1) 웨이퍼 스테이지 피듀셜 또는 보정 웨이퍼에서 측정 (정렬 센서 설정 시퀀스로).
2) 시뮬레이션을 통해.
3) 유사 층을 기반으로 추정.
4) HVM에서 측정될/정렬될 실제 스택을 포함하는 웨이퍼에서 측정 (예를 들어, 연구 또는 교정 단계).
5) 쉐도우 모드에서 HVM 동안 실제 스택을 포함하는 웨이퍼에서 측정(이 경우 교정 데이터는 실제 제품 데이터를 포함할 수 있다).
마지막의 두 가지 접근법은 올바른 스택과 센서를 사용함으로써 최상의 성능을 제공할 것이다.
실시예 B2: 인덱스 매개변수를 갖는 라이브러리 피팅
이 실시예는 실시예 B1의 변형으로서, 여기서 다수의 보정 국소 매개변수 맵(CLPM) (예를 들어, 기준 마크 템플릿)이 결정되고 라이브러리에 저장되며, 각각은 인덱스 변수에 의해 인덱싱된다. 전형적인 인덱스 변수는 센서에 대한 마크의 위치일 수 있다. 이 위치는 예를 들어 다음과 같이 정확히 규정될 수 있다:
* 센서 내부의 조명 격자에 대한 위치;
* 카메라에 대한 위치 (이는 센서 내부에서 드리프트가 발생하는 경우 조명 격자에 대한 위치와 다를 수 있다);
* 위의 두 가지 모두 (이는 고차원 라이브러리를 필요로 할 수 있으며, 이 경우 예상되는 마크 형상은 조명 격자에 대한 위치와 카메라에 대한 위치 모두에 좌우된다).
라이브러리 생성
교정 공정의 제1 단계에서, 예를 들어 블록 A에 설명된 방법들 중 임의의 것을 사용함으로써, 상이한 신호 획득 (교정 데이터) 세트의 보정 국부 매개변수 맵 (예를 들어, 국부 위상 맵)이 결정된다. 이전 실시예에서와 같이, 획득 세트는 측정될 필요가 없지만, 시뮬레이션되거나 그렇지 않으면 추정될 수도 있다.
또한, 인덱스 변수는 모든 이미지 취득에 대해 결정된다. 예를 들어, 인덱스 변수는 센서에 대한 마크 위치의 추정치일 수 있다. 인덱스 변수는 상이한 소스들에서 취득될 수 있다; 예를 들어:
- 이는 블록 A의 방법들 중 임의의 것을 사용하여 계산될 수 있다;
- 이는 획득 신호로부터 임의의 다른 분석 절차를 사용하여 계산될 수 있다;
- 이는 외부 소스; 예를 들어 스캐너에서 웨이퍼 스테이지의 검출된 위치 변위 또는 임의의 다른 센서의 출력에서 나올 수 있다;
- 이는 피드포워드 또는 피드백 공정 루프에서 나올 수 있다.
특정 인덱스 값이 주어지면 대응 보정 국부 매개변수 맵이 검색될 수 있도록 보정 국부 매개변수 맵의 라이브러리는 대응하는 인덱스 변수와 함께 저장될 수 있다. 이러한 라이브러리를 구축하기 위하여 임의의 방법이 이용될 수 있다. 예를 들어:
- 요구되는 인덱스 변수에 가장 가까운 저장된 인덱스 변수에 대응하는 보정 국부 매개변수 맵이 검색될 수 있다;
- 보간 전략이 사용되어 보정 국부 매개변수 맵을 요구되는 인덱스 변수의 함수로서 보간할 수 있다;
- 신경망 또는 임의의 다른 형태의 고급 데이터 처리가 사용되어 요구되는 인덱스 변수를 출력 보정 국부 매개변수 맵에 맵핑할 수 있다.
보정 국부 매개변수 맵은 반드시 국부 위상 맵 또는 국부 위치 맵 (또는 유한 크기 및 기타 물리적 효과에 의하여 야기되는 바람직하지 않은 편차의 설명을 포함하는 "리플 맵")만을 포함할 필요는 없다. 부가적인 정보, 예를 들어 국부 진폭 맵 또는 원본 이미지는 또한 라이브러리에 저장될 수 있으며, 보정 공정을 위해 복귀될 수 있다.
인덱스 변수의 범위는 시스템의 특성에 따라 결정될 수 있다 (예를 들어, 미세 정렬 동안 커버되는 범위; 즉 초기의 개략적인 정렬의 정확도에 의하여 규정된 바와 같음). 이 미세 웨이퍼 정렬 단계 이전에, 마크가 x, y의 특정 범위 내에 있다는 것을 앞선 "개략적인 웨이퍼 정렬" 단계로부터 알 수 있다. 따라서 교정은 이 범위를 커버할 수 있다.
다른 관찰:
- 필요하다면, 라이브러리는 초점 위치(z)의 함수로서 보정 이미지를 포함할 수도 있다;
- (예를 들어, 예상되는 마크 형상이 웨이퍼에 걸쳐 달라지게 하는 웨이퍼에 대한 전역적 변동이 있는 경우) 라이브러리는 또한 전역적 웨이퍼 좌표의 함수로서 보정 이미지를 포함할 수 있다.
- (예를 들어, 예상 마크 형상이 필드 내에서의 위치에 의존적이면, 예를 들어 주변 구조체가 예상 마크 형상에 영향을 줄 수 있고 또한 필드 내의 위치에 좌우되기 때문에) 라이브러리는 또한 필드 좌표의 함수로서 보정 이미지를 포함할 수 있다.
- 라이브러리는 또한 웨이퍼의 함수(Rz)로서 보정 이미지를 포함할 수 있다.
- 인덱스 매개변수는 로트(lot) 또는 공정-툴 관련 인덱스 매개변수를 포함할 수 있다.
- 필요하다면, 라이브러리는 또한 많은 다른 매개변수의 함수로서 보정 이미지를 포함할 수 있다.
- 보정 라이브러리에서, "정확한" (공칭) 위상 맵으로부터의 편차 (또는 오차 분포)만이 저장될지도 모른다. 즉 라이브러리는 유한 크기 및 기타 물리적 효과로 인해 야기되는 "리플"/원하지 않는 편차만을 설명한다.
보정 매개변수의 검색
(예를 들어, HVM 대량 제조 단계에서) 마크가 피팅될 때, 마크의 단일 이미지는 캡처될 수 있으며 (예를 들어, 블록 A에 설명된 바와 같이) 국부 피트를 사용하여 그로부터 정렬된 위치 맵이 결정될 수 있다. 보정을 수행하기 위하여, 라이브러리로부터 어느 보정 국부 매개변수 맵 (또는 더 일반적으로 보정 이미지)이 사용되는지를 아는 것이 요구된다.
이를 위해, 인덱스 매개변수는 라이브러리 이미지에 대해 인덱스 매개변수가 취득되었던 (예를 들어, 센서에 대한 측정된 마크의 마크 위치의 함수로서 결정되었던) 방법들 중 하나를 이용하여, 측정된 이미지로부터 추출될 수 있다. 이를 기반으로, 위에서 설명된 바와 같이, 하나 이상의 보정 국부 매개변수 맵 (예를 들어, 국부 위상 맵, 국부 진폭 맵 등)은 인덱스 변수를 이용하여 라이브러리에서 검색될 수 있다.
예를 들어, 이를 해결하기 위한 하나의 방법은 사전 미세 웨이퍼 정렬 피트 (사전 FIWA 맞춤)를 수행하는 것이며, 여기에서 센서에 대한 위치가 특정 범위 내에서 결정되고, 이 범위는 계측 장치의 원하는 최종 정확도보다 클 수 있다. 사전 FIWA 피트가 실시예 A5에 설명된다.
보다 일반적인 경우에, (예를 들어, 위에서 설명된 바와 같이 이 매개변수에 따라 인덱싱될 때) 다른 매개변수 정보, 예를 들어 초점, 전역적 웨이퍼 또는 필드 위치 등이 데이터베이스로부터 올바른 보정 이미지를 결정하기 위해 사용될 수 있다는 점을 주목한다.
도 14는 이 부분을 요약한 흐름도이다. 교정 단계(CAL)에서, (예를 들어) 다양한 위치에서 (또는 변동되는 또 다른 매개변수를 갖는) 기준 마크의 교정 이미지(CIM)를 포함하는 교정 데이터는 국부 피팅 단계(1400)를 거쳐 보정 국부 매개변수 맵(CLPM) 또는 기준 정렬 위치 맵을 취득한다. 이들은 보정 라이브러리(LIB)에 저장되고 (선택적으로) 인덱싱된다. 생산 단계(HVM)에서, 정렬 획득 또는 정렬 이미지(IM)는 국부 피트(1410)를 거쳐 국부 정렬 위치 맵(LAPD) 및 (선택적으로) 국부 진폭 맵(LAM)을 취득한다. 이 둘 모두는 사전 FIWA 피트를 거칠 수 있다(1420). 보정 국부 매개변수 맵(CLPM) 또는 예상 정렬 위치 맵은 사전 FIWA 피트를 기반으로 라이브러리(LIB)로부터 보간되며, 이는 보정 결정 단계(1430)에서 국부 정렬 위치 맵(LAPD)과 사용되어 마크와 기준 마크 사이의 차이로 인해 발생하는 잔차 마크 결함만을 포함하는 보정된 국부 정렬 위치 맵(LAPD')을 결정한다. 이 보정된 정렬 위치 맵(LAPD')는 위치 값(POS)을 결정하기 위해 사용될 수 있다(1440).
B3. "인덱스 변수"가 없는 라이브러리 피팅
이 실시예는 실시예 B2와 유사하다. 이전 실시예에서, 획득 데이터 세트가 처리되었으며 처리 결과는 "인덱스 변수"의 함수로서 저장된다. 나중에, (예를 들어, 생산 단계에서) 획득 신호 또는 테스트 신호가 기록될 때, 획득 신호에 대한 인덱스 변수가 계산되며 보정 데이터를 검색하기 위해 사용된다. 이 실시예에서는, 인덱스 변수를 사용하지 않고도 동일한 결과가 이루어진다. 획득 신호는 라이브러리에 저장된 데이터와 비교되며 최적화의 형태를 구현함으로써 하여 보정을 위한 "최상의" 후보가 검색된다.
가능한 옵션은 다음과 같다:
* 교정 획득 세트의 위상 맵() 또는 위상 분포 (보정 국부 매개변수 맵)는 블록 A의 방법들 중 임의의 것을 이용하여 계산된다. (예를 들어, 생산 동안의) 획득 이미지의 위상 맵() 또한 계산된다. 보정()을 위하여 사용되는 위상 맵은 예를 들어 다음과 같은 특정 비용 함수를 최소화하는 것을 포함할 수 있다.
함수(f)는 임의의 종류의 메트릭, 예를 들어 L2 놈, L1 노름, (정규화된) 교차 상관관계, 상호 정보 등일 수 있다. 위의 형식으로 직접 표현할 수 없는 기타 약간 상이한 비용 함수가 사용되어 동일한 목표에 도달할 수 있다.
* 교정 획득 세트의 위상 맵은 실시예 B2에 설명된 바와 같이 하나 이상의 인덱스 변수(V)의 함수로서 계산되고 저장된다. 이러한 방식으로 라이브러리()가 생성된다. (예를 들어, 생산 동안에) 획득 신호가 획득된 후 보정을 위하여 사용될 위상 맵이 검색된다. 이 보정 위상 맵은 보정 맵을 획득 신호 맵과 가능한 한 유사하게 만드는 인덱스 변수()의 "최적" 값에 대응한다. "유사성"은 예를 들어, 아래와 같은 적절한 비용 함수 면에서 평가할 수 있다.
함수(f)는 임의의 종류의 메트릭, 예를 들어 L2 놈(norm), L1 놈, (정규화된) 교차 상관관계, 상호 정보 등일 수 있다. 위의 형식으로 직접 표현할 수 없는 기타 약간 상이한 비용 함수가 사용되어 동일한 목적에 도달할 수 있다. 실시예 B2와의 차이점은 이제 획득 신호의 "인덱스 변수"가 명시적으로 계산되지 않고 최적성 측정에 의해 추론된다는 것이다.
* 위에서 설명된 모든 개념은 또한 위상 맵 대신 또는 위상 맵에 (또는 위상 맵과 진폭 맵의 조합에) 더하여 폭 맵에 적용될 수 있다. 이 개념은 또한 동일한 신호 내의 상이한 프린지 패턴에 적용될 수 있다.
* 위에 설명된 모든 개념은 또한 원본 맵과 함께 위상 또는 진폭 맵의 구배, 임의의 차수의 파생물 또는 이들의 조합에 적용될 수 있다.
* 위에 설명된 모든 개념은 원래 신호 자체에 단독으로 또는 위상 맵, 진폭 맵 또는 그 파생물과 조합하여 적용될 수도 있다.
실시예 B4: 기계 학습
이 실시예는 일부 형태의 "인공 지능", "기계 학습" 또는 유사한 기술을 이용하여 보정 매개변수 (예를 들어, 정렬된 위치)를 취득하고 검색하기 위한 방법을 설명한다. 실제로, 이 실시예는 실시예 C4를 수반한다: 유한 크기 효과의 보정과 보정을 위한 교정된 데이터의 적용 사이에 관계가 있다. "기계 학습"의 언어에서, 보정 단계는 "학습" 단계에 대응하며, 여기에서 논의된다.
도 15는 이러한 방법을 설명하는 흐름도이다. 신호 (교정 이미지) 세트 또는 이미지 라이브러리(LIB)와 같은 교정 데이터가 획득된다. 이러한 신호는 또한 다른 기술로 시뮬레이션되거나 계산될 수 있다. 이 신호는 동일한 마크와 관련될 수 있으며 일부 양에 의하여 표기될 수 있다. 예를 들어, 신호는 관심 대상 계측량 (예를 들어, 정렬된 위치)에 의하여 표기될 수 있다; 즉, 대응 계측량은 각 신호에 대해 알려져 있다(실측 자료). 대안적으로, 신호는 앞서 논의된 인덱스 변수들 중 임의의 것으로 표기될 수 있다.
기계 학습 기술은 입력 신호를 관심 대상 계측 양에 또는 관심 대상 인덱스 변수에 맵핑하는 모델(MOD) (예를 들어, 신경망)를 트레이닝시키기 위해 사용될 수 있다 (1500).
베어 신호(bear signal) 대신에, 모든 입력 신호는 블록 A의 실시예들 중 임의의 것을 이용하여 처리되고 사용되기 전에 국부 "위상 맵" 및 "진폭 맵" (또는 보정 국부 매개변수 맵)에 맵핑되어 모델을 트레이닝시킬 수 있다. 이 경우 결과적인 모델은 보정 국부 매개변수 맵 (위상, 진폭 또는 이들의 조합)을 계측량 또는 인덱스 변수의 값에 연관시킬 것이다.
트레이닝된 모델(MOD)은 위치 값(POS)을 취득하기 위해 실시예 C4에서 저장 및 사용되어 획득된 이미지(IM)를 보정(1510)할 것이다.
블록 C: 보정 전략
이 블록은 획득된 신호에서 국부 "마크 엔벨로프"를 제거하는 공정을 다룬다. 두 가지 다른 국부 위상 맵 (세트)이 있다는 것이 가정된다:
* 획득된 신호 또는 테스트 신호의 획득된 국부 매개변수 맵 또는 국부 매개변수 분포;
* 블록 B의 방법들 중 하나에 따라 교정 데이터에서 검색된, 보정 국부 매개변수 맵 또는 보정 국부 매개변수 분포.
국부 매개변수 맵과 보정 국부 매개변수 맵은 각각 국부 위상 맵, 국부 진폭 맵, 국부 위상 맵과 국부 진폭 맵의 조합, 국부 위상 맵 및/또는 국부 진폭 맵의 파생물 또는 이러한 파생물의 조합 중 하나 이상을 포함한다. 이는 또한 신호의 상이한 프린지 패턴으로부터의 국부 위상 맵 또는 국부 진폭 맵 세트일 수 있다. 이는 또한 일부 대수 관계 (예를 들어, "동위상(in-phase)" 및 "직교" 신호 맵 등)에 의하여 위상 및 진폭 맵과 관련된 상이한 맵 세트일 수 있다. 블록 A에는, 이러한 동등한 표현의 몇 가지 예가 제시된다.
이 블록의 목적은 "보정 데이터"를 이용하여 획득한 테스트 데이터에 대한 유한 마크 크기의 영향을 보정하는 것이다.
실시예 C1: 위상 맵 공제
가장 쉬운 실시예는 획득된 국부 매개변수 맵에서 보정 국부 매개변수 맵을 빼는 것이다. 위상 예를 사용하면 위상 맵이 주기적이기 때문에, 결과는 주기 내에서 랩핑(wrapped)될 수 있다.
여기서 는 보정된 국부 위상 맵이며, 는 보정 전의 획득된 국부 위상 맵이고, 는 보정 국부 위상 맵이다.
실시예 C2: 기저 함수의 재공식화
이 실시예에 따르면, 획득된 이미지의 획득된 국부 위상 및 진폭 맵은 블록 A의 방법들 중 임의의 방법을 사용하여 계산된다. 그러나 블록 A의 방법을 적용할 때 보정 위상 맵과 보정 진폭 맵이 사용되어 기저 함수를 수정한다.
기저 함수의 "전형적인" (예시적인) 정의는 블록 A에서 소개되었다.
(a DC 구성 요소)
"동위상" 구성 요소 프린지 A
"직교" 구성 요소 프린지 A
"동위상" 구성 요소 프린지 B
"직교" 구성 요소 프린지 B
등.
보정 위상 맵() 및 보정 진폭 맵()이 신호의 프린지패턴의 일부 또는 모두에 대해 검색되었다는 점을 가정한다. 수정된 기저 함수는 따라서 다음과 같이 구성될 수 있다.
(a DC 구성 요소)
"동위상" 구성 요소 프린지 A
"직교" 구성 요소 프린지 A
"동위상" 구성 요소 프린지 B
"직교" 구성 요소 프린지 B
등.
획득 신호의 위상 및 진폭 맵을 추출하기 위하여 이 수정된 기저 함수는 부분 A (Al, A2, A3 등..)의 방법들 중 임의의 것과 함께 사용될 수 있다. 추출된 위상 및 진폭 맵은 이러한 효과를 포함하는 기반으로 계산되었기 때문에 유한 크기 효과에 대해 보정될 것이다.
물론, 이 실시예는 위상 맵만을, 진폭 맵만을 또는 이들의 임의의 조합을 사용할 수 있다.
실시예 C3: ROI 내의 엔벨로프 피팅
본 실시예는 실시예 A3에 관한 것이다. 아이디어는 보정 위상 맵(), 보정 진폭 맵() 및 보정 DC 맵()을 포함하는 모델을 이용하여 획득 신호를 피팅하기 위한 것이다.
사용된 모델은 다음과 같을 수 있다:
이는 실시예 A3과 동일한 모델이며, 다음의 균등 사항을 갖는다는 점에 주목한다.
,
이 양은 피팅 매개변수가 아니다; 이는 보정 라이브러리에서 검색되었기 때문에 공지된 양이다. 실시예 A3의 경우에서와 같이, 예를 들어 동위상 및 직교 구성 요소 면에서 위의 모델의 다른 수학적으로 등가인 공식이 있다.
한편, 양(quanitities) 등은 피팅 매개변수이다. 이는 실시예 A3에서와 같이 비용 함수를 최소화함으로써 도출된다:
함수(f)는 L2 놈 (최소 제곱 피트), L1 놈 또는 임의의 다른 선택일 수 있다. 비용 함수는 전체 신호에 대해 최소화할 필요가 없으나, 대신 신호의 특정 관심 대상 영역(ROI)에서만 최소화될 수 있다.
가장 중요한 매개변수는 전역적 위상 시프트()이며, 이는 (정렬 센서의 경우) 이것이 주어진 프린지 패턴과 연관된 마크의 검출된 위치에 정비례하기 때문이다. 전역적 이미지 시프트(Δx 및 Δx)는 또한 관련 매개변수이다.
일반적으로, 매개변수의 서브세트만이 피팅 매개변수로서 사용되며, 다른 매개변수는 고정될 수 있다. 매개변수의 값은 시뮬레이션 또는 추정치에서 나올 수도 있다. 일부 특정 제약이 매개변수에 시행될 수 있다. 예를 들어, 전역적 이미지 시프트(Δx 및 Δx)와 전역적 위상 시프트()간의 피팅 동안 관계 (예를 들어, 선형 의존성, 주어진 기간을 모듈로 하는 선형 의존성 등)는 시행될 수 있다.
실시예 C4: 기계 학습
이 실시예는 실시예 B4를 보완한다. 실시예 B4에 따르면, 신호를 계측 양의 값 (예를 들어, 정렬된 위치)으로 또는 인덱스 변수로 맵핑하는 모델 (예를 들어, 신경망)은 트레이닝되었다. 보정을 수행하기 위하여, 획득 신호가 획득되며 모델은 신호 자체에 적용되어 관심 대상 계측 양 또는 인덱스 변수를 직접 복귀시킨다. 후자의 경우, 인덱스 변수는 실시예 B2에서 설명된 것과 같은 보정 라이브러리와 조합하여 사용되어 추가 국부 보정 맵을 검색할 수 있다. 이 추가 국부 보정 맵은 (위의) 블록 C의 실시예들 중 임의의 것을 사용하여 추가 보정을 위해 사용될 수 있다.
위에서 언급된 바와 같이, 신경망은 반드시 미가공 신호를 (또는 미가공 신호만을) 입력으로 사용할 필요는 없으나, 블록 A의 실시예들 중 임의의 것으로 취득된 국부 맵들 ("위상", "진폭") 중 임의의 것을 (대안적으로 또는 추가로) 사용할 수도 있다.
교정 단계의 수에 대한 일반적인 설명
이 문헌에서, 보정 전략은 2개 단계의 공정; "교정" 단계와 대량/생산 단계를 기반으로 설명된다. 부가적인 단계가 있을 수 있다. 특히 교정 단계는 점점 더 구체적인 효과를 보정하기 위해 여러 번 반복될 수 있다. 각 교정 단계는 시퀀스의 후속 교정 단계를 보정하기 위해 사용될 수 있거나, 다른 교정 단계와는 독립적으로 "대량" 단계에서 직접적으로 보정하기 위해 사용될 수 있다. 상이한 교정 단계들은 다른 빈도로 실행될 수 있다 (예를 들어, 모든 로트, 매일, R&D 단계에서 한 번만 등).
도 16은 이 개념을 설명하기 위한 3-단계 시퀀스의 흐름도이다. 이 실시예에서, 2개의 별개의 교정 단계(CAL1, CAL2)가 있다. 제1 교정 단계(CAL1)는 "마크에 특화된" 효과를 교정하며, 제2 교정 단계(CAL2)는 "마크에 특화되지 않는" 효과를 교정한다. 마크에 특화된 효과에 대한 교정은 계측 센서에 의해 측정될 모든 상이한 마크에 대해 개별적으로 수행될 수 있다. 마크에 특화되지 않은 효과에 대한 단일 교정은 상이한 마크 유형들을 위하여 사용될 수 있다. 이는 물론 구현 형태의 예이며 상이한 교정의 조합들이 가능하다.
(예를 들어, 마크에 특화되지 않은 효과에 대한) 제2 교정 단계(CAL2)에서, 단계 1600에서, 하나 이상의 마크에 대한 하나 또는 다수의 미가공 계측 신호를 포함하는 제1 교정 데이터가 획득된다. 단계 1605에서, 프린지 패턴의 국부 위상 및 국부 진폭 분포가 각 신호로부터 추출되며 또한 제1 보정 라이브러리(LIB1)에서 컴파일된다(compiled). (예를 들어, 마크에 특화된 효과에 대한) 제1 교정 단계(CAL1) 에서, 단계 1620에서, 하나 이상의 마크에 대한 하나 또는 다수의 미가공 계측 신호를 포함하는 제2 교정 데이터가 획득된다. 단계 1625에서, 프린지 패턴의 국부 위상 및 국부 진폭 분포가 제2 교정 데이터로부터 추출된다. 이 분포는 검색 단계(1610)에서의 제1 라이브러리(LIB1)로부터의 검색된 (적절한) 국부 위상 및/또는 국부 진폭 분포를 기반으로 보정된다(1630). 이 보정된 제2 교정 데이터 분포는 제2 라이브러리(LIB2)에 저장된다 (이는 제품 획득 이미지를 보정하는데 사용되는 보정 매개변수 맵을 저장한다).
생산 단계(HVM) 또는 마크 피팅 단계에서, (예를 들어, 생산/IC 제조 동안) 마크로부터 신호가 획득되며(1640) 그리고 국부 위상 및 국부 진폭 분포가 추출된다(1645). 유한 크기 효과는 제2 라이브러리(LIB2)로부터의 적절한 보정 맵의 검색(1635) 및 (선택적으로) 제1 라이브러리(LIB1)로부터의 적절한 보정 맵의 검색(1615)을 기반으로 보정된다(1650). 단계 1615는 단계 1610 및 1630을 대체할 수 있거나 이 단계들이 조합하여 사용될 수 있다는 점을 주목한다. 유사하게, 단계 1610 및 1630가 수행되는 경우 단계 1615는 생략될 수 있다. 그 후 추가 데이터 분석/처리 단계(1655)에서 위치가 결정될 수 있다.
이러한 실시예에서 취득되고 사용될 수 있는 마크에 특화되지 않은 교정 정보의 예는 다음을 (완전하지 않게) 포함한다:
* 프린지의 주기, 배향, 진폭 및/또는 가시성;
* 원치 않는 광의 고스트(ghost) 및 다른 소스의 위치 및 크기;
* 광학계, 카메라, 애퍼처 또는 기타 관련 광학 표면에 있는 결함의 존재, 크기 및 형상;
* 광의 공간적 또는 각도 분포에서의 스폿 비균질성 및 기타 비균질성의 원인.
* 센서 또는 임의의 구성 요소의 임의의 종류의 (열적, 기계적) 변형;
* 아핀(affine) 및 비아핀 변형을 모두 포함하는, 획득된 이미지에 유도된 광학계의 수차 및 대응 왜곡.
* 6 자유도에서 디포커스, 시프트 또는 일반적인 이동의 효과.
본 발명의 모든 내용 (즉, 블록 A, B 및 C에 관한 모든 내용) 및 이전의 모든 실시예는 각각의 개별 교정 단계에 적용할 수 있다.
공정 변동 및 및/또는 센서와 타겟 간의 상대적 구성에 대한 보정
위의 실시예는 전형적으로 마크의 에지로부터 발생하는 아티팩트(artefacts), 즉 소위 "유한 크기 효과" 및 조명 스폿 비균질성으로부터 발생하는 아티팩트에 관한 것이다. 다른 측정 오차는 특히 센서 수차가 있는 경우 공정 변동으로 인해 발생할 수 있다. 대부분의 경우, 공정 변동은 예를 들어 정렬된 위치 또는 오버레이 변경이 측정된 이미지에 영향을 미치는 것과는 다른 방식으로 필드 카메라 상의 측정된 이미지에 영향을 미치는 것으로 예상된다. 이 측정 정보는 현재 무시되어 차선의 측정 정확도를 야기한다.
설명될 실시예는 정렬 마크의 공정 변동 및/또는 센서와 타겟 사이의 상대적인 구성의 변화 (예를 들어, 6자유도 변동)로 인한 정렬 오차를 보정하는 것을 목표로 한다. 이를 달성하기 위하여, 공정 또는 구성 변동을 측정된 이미지 내의 공간적 변동과 연관시키는 것이 제안된다. 제안된 방법은 최적의 색상 가중치에 대한 대안 또는 보완으로 사용될 수 있으며, 이는 상이한 파장들의 정보를 조합함으로써 하여 정렬 정확도를 향상시킨다. 이 실시예의 방법은 이미 설명된 유한 크기 효과 실시예와는 독립적으로 또는 이와 조합하여 구현될 수 있다.
이러한 공정 변동은 그 중에서도 격자 비대칭, 선폭 변동, 에칭 깊이 변동, 층 두께 변동, 주변 구조체 변동, 잔차 토포그래피 변동 중 하나 이상을 포함할 수 있다. 이 공정 변동은 (예를 들어, 소형) 마크에 걸쳐 전역적일 수 있거나, 마크에 걸쳐 천천히 변할 수 있고, 예를 들어 변형은 마크의 에지에서 중심까지 다양할 수 있다. 센서와 타겟 간의 상대적인 구성 변경의 예는 정렬 센서의 광학 초점 값이다.
제1 단계로서 제안된 방법은 동일 유형의 정렬 마크 (또는 다른 타겟/구조체)의 측정된 및/또는 시뮬레이션된 교정 이미지 세트를 기반으로 하는 교정 단계를 포함할 수 있으며, 여기서 이 캘리브레이션 이미지의 획득 및/또는 시뮬레이션 동안 하나 이상의 물리적 매개변수가 변경되며, 이 변동은 이미지에 예측 가능한 또는 반복 가능한 영향을 미친다. 매개변수의 변동은 인위적으로 구성될 수 있거나 전형적인 제조 공정에서 동일한 매개변수의 정상적인 변동성으로 인해 발생할 수 있다. 언급된 바와 같이, 하나 이상의 가변 매개변수를 갖는 이미지 세트 (또는 그 서브세트)는 실제로 측정되는 대신 시뮬레이션될 수 있다.
교정에 이어, 측정 단계에서, 교정 단계로부터 취득된 교정된 보정 데이터가 사용되어 측정을 보정한다. 측정은 하나 이상의 다른 방법으로 보정될 수 있다. 일부 실시예에서, 보정은 측정된 값의 레벨에서 적용될 수 있으며, 예를 들어, 보정된 값은 미가공 값과 보정 항의 합을 포함할 수 있고, 여기서 미가공 값은 임의의 관심 대상 매개변수, 예를 들어 정렬된 위치 또는 오버레이의 값일 수 있으며, 보정 항은 이 실시예에 의해 제공된다. 다른 실시예에서, 정렬 정확도를 개선하고 웨이퍼 상의 마크들 사이 및/또는 웨이퍼들 사이의 변동을 감소시키기 위하여, 동일한 마크 유형의 새로운 이미지로부터 하나 이상의 물리적 매개변수의 예측 가능한 효과를 제거함으로써 보정이 중간 단계에서 적용될 수 있다. 이미지 레벨에서의 이러한 보정은 "미가공(raw)" 카메라 (예를 들어: 프린지) 이미지 레벨에서 또는 국부 매개변수 맵 (예를 들어, 국부 위상 맵 또는 국부 정렬 위치(LAPD) 맵))과 같은 도출된 이미지 수준에서 적용될 수 있다.
이 보정 방법의 다수의 상이한 실시예가 설명될 것이다. 제1 실시예에서, 주요 구성 요소 분석(PCA) 접근법은 측정된 이미지를 "정리(clean up)"하기 위해 사용되며, 측정된 이미지의 평균에 영향을 주지 않고 예측 가능한 오차 기여자를 제거하면서 이미지의 추가 처리 (예를 들어, 이제 더 적은 이상치를 제거하기 위해 중앙값을 취하는 것과 같은 이상치 제거 단계)로부터 개선된 결과를 허용한다. 제2 실시예는 제1 실시예를 확장하여, 마크 레벨에서 최종 (예를 들어, 정렬 또는 오버레이) 측정값을 보정한다. 제3 실시예는 제1 실시예와 제2 실시예의 조합을 설명하며, 이 실시예에서 측정값은 픽셀마다 보정되어 최종 (정렬 또는 오버레이) 측정값을 결정하기 전에 부가적인 중간 처리 단계를 허용한다.
교정 이미지 세트의 주요 구성 요소 분석을 기반으로 한 교정 단계
교정 단계에서, 소위 주요 방향 (또는 독립적인 방향과 같은 기타 구성 요소)을 계산하는 것이 제안되며, 여기서 하나 이상의 물리적 매개변수를 변경하는 것의 결과로서 동일한 마크 유형의 측정된 이미지가 변경된다. 주요 방향은 국부 매개변수 분포 또는 맵 (예를 들어, 스캐터로메트리 DBO/DBF 계측 또는 국부 (간섭 프린지) 진폭 맵을 위한 정렬 센서 또는 세기 불균형 분포에 대한 국부 정렬 위치 분포들 또는 맵들 중 하나 이상)과 같은 "미가공" 카메라 이미지에서 또는 도출된 이미지에서 계산될 수 있다. 아래의 논의에서, 이 개념은 위치 맵에 관하여 설명될 것이지만, 이 개념은 다른 국부 매개변수 맵에 동일하게 적용 가능하다는 것이 인식될 수 있다.
또한, 보정을 위하여 사용되는 국부 매개변수 맵의 매개변수는 보정된 매개변수와 동일한 매개변수일 필요는 없다. 예를 들어, 정렬된 위치 (예를 들어, 국부 위치 맵에서 도출된) 정렬된 위치는 국부 진폭 맵 (예를 들어, 이의 주요 구성 요소)을 사용하여 보정될 수 있다. 또한 다수의 국부 매개변수 맵을 보정에서 조합될 수 있다. 예를 들어, 국부 위치 맵과 국부 진폭 맵이 동시에 이용되어 정렬된 위치 (또는 정렬된 위치 맵)를 보정할 수 있다.
주요 방향은 새로 도출된 구성 요소 이미지의 급수 확장을 위한 기반을 형성하는 상호 정규 직교 이미지를 포함할 수 있다. 또한, 제1 구성 요소가 변동되는 물리적 매개변수의 함수로서 측정된 이미지의 가장 큰 변동을 인코딩하고 제2 구성 요소가 제2의 가장 큰 변동을 인코딩한다는 점에서 주요 방향은 정리될 수 있다.
보정된 것과 동일한 마크 유형의 새 이미지가 획득되는 측정 단계 동안, 새 이미지의 급수 확장(series expansion)은 교정 중에 계산된 주요 방향을 이용하여 수행될 수 있다. 급수 확장은 첫 번째 중요한 주요 방향 (예를 들어, 처음 10개의 주요 방향, 처음 5개의 주요 방향, 처음 4개의 주요 방향, 처음 3개의 주요 방향, 처음 2개의 주요 방향 또는 첫 번째 주요 방향만)만을 고려하여 줄일 수 있다. 새 이미지는 그후 이로부터 줄여진 급수 확장의 결과를 뺌으로써 물리적 효과의 변동에 대해 보상될 수 있다. 결과적으로, 관심 대상 영역 내에서 LAPD 변동에 관한 물리적 매개변수의 예측 가능한 영향이 제거된다.
본 실시예의 목적은 교정된 물리적 매개변수(들)로 인한 비균질성 기여도를 위치 맵 (매개변수 맵)으로부터 제거하는 것이다. 이상적인 경우에, 이 공정은 그 결과 플랫(flat) 국부 정렬 위치 맵으로 이어질 것이며, 여기서 더 큰 분산 기여자는 교정되었다. 그러나 국부 매개변수 맵의 평균이 원본 이미지와 보정된 이미지 사이에서 변경되지 않는다는 것은 수학적 방법의 직접적인 결과이다.
이 실시예의 이점은 예측 가능한 구성 요소의 제거에 의한 국부 위치 변동의 감소 시, 국부적인 라인 에지 거칠기와 같은 임의의 (예측할 수 없는) 국부 마크 편차가 국부 정렬 위치 맵 이미지에서 국부적인 아티팩트(이상치)로서 더욱 가시적으로 된다는 사실에 기인한다. (단순히 평균을 취하는 것보다는) 국부 정렬 위치 분포 값에 비선형 연산을 적용함으로써 최종 정렬 결과에 미치는 영향을 줄일 수 있고, 여기서 이러한 비선형 연산의 좋은 예는 중앙값을 취하는 것이며, 중앙값은 국부 정렬 위치 분포 데이터에서 이상치를 제거한다. 또 다른 좋은 예는 국부 정렬 위치 맵 이미지에 마스크를 적용하는 것이며, 따라서 국부 위치 값들이 (예를 들어, 도 8에 도시된 바와 같이) 정렬된 위치에 대한 단일 값으로 (예를 들어, 평균화를 통하여 또는 중앙값과 같은 다른 연산을 통하여) 조합될 때 특정 국부 위치 값은 고려되지 않는다.
국부 위치/매개변수 변동 (예를 들어, 평균이 아님)을 줄이는 것이 목표인 실시예의 또 다른 이점은 정렬된 위치의 실측 자료가 교정 절차를 위하여 요구되지 않는다는 것이다. 다른 실시예에서, 실측 자료가 요구될 수 있으며, 이러한 실측 자료를 취득하기 위한 방법이 설명될 것이다.
예로서, 교정 데이터는 N 개의 샘플 교정 이미지 세트를 포함할 수 있으며, 여기서 N 개의 이미지 획득 사이에서 하나 이상의 물리적 매개변수 (예를 들어, 공정 변동을 보여주는 웨이퍼 상의 마크의 위치, 또는 센서 초점과 같은 구성 매개변수)가 변경된다. 모든 이미지는 X×Y 픽셀의 분해능을 갖고 있으며, 여기서 X는 수평 방향의 픽셀의 수이고, Y는 수직 방향의 픽셀의 수이다. 샘플 이미지당 픽셀 값 (변수)의 총 개수는 P로 표시되며, 따라서 P=X*Y이다.
n번째 교정 이미지는 n이 이미지 인덱스이고 n=0, 1, ..., N-1인 로 나타내어질 수 있다. 픽셀 값은 로 나타내어질 수 있으며, 여기서 x는 x=0, 1, ..., X-1인 이미지의 수평 축을 따른 픽셀 인덱스를 나타낸다. 마찬가지로 y는 y= 0, 1, ..., Y-1인 이미지의 수평 축을 따른 픽셀 인덱스를 나타낸다.
주요 구성 요소 분석(PCA) 또는 다른 구성 요소 분석은 성분 분석은 이미지() 세트에 대해 수행될 수 있으며, 여기서 n= 0, 1, ..., N-1이다. PCA를 준비하면서, N 개의 샘플 이미지()의 모든 픽셀 값을 포함하는 데이터 매트릭스(X)가 구성될 수 있다. 먼저 데이터가 중앙에 있을 수 있다; 이는 각 이미지로부터 그의 모든 픽셀의 평균값을 제거하는 것을 포함할 수 있으며, 따라서 이미지는 제로-평균 이미지(zero-mean image)가 된다. 부가적으로, 평균화된 제로-평균 이미지는 모든 제로-평균 이미지에서 제거될 수 있다. 이를 위해 심볼()은 이미지()의 모든 픽셀 값의 평균에 의하여 주어지는 스칼라 값을 나타낼 수 있다. 이런 이유로;
n번째 제로-평균 이미지는 에 의하여 주어진다. 평균화된 평균-제로 이미지(J)는 다음의 픽셀 단위 평균 연산의 결과이다.
마지막으로, 모든 제로-평균 이미지로부터의 평균화된 제로-평균 이미지의 제거는 하기 식에 의해 주어진 중심 이미지()로 이어진다.
데이터 매트릭스(X)는 샘플 이미지당 하나의 행 (따라서 N 개의 행)과 픽셀 변수당 하나의 열 (따라서 P 개의 열)을 가질 수 있으며 다음 식에 의하여 주어진다:
데이터 매트릭스(X)의 주요 구성 요소가 관심 대상이다. 이 주요 구성 요소는 하나 이상의 물리적 매개 변수가 변화될 때 이미지()의 모든 픽셀이 어떻게 함께 변화하는지에 대한 직교 방향을 인코딩하는 이미지이다.
X의 주요 구성 요소는 P×P 공분산 매트릭스(C)의 고유 벡터이며, 이 매트릭스는 다음 식에 의하여 주어진다:
여기서 위첨자 T는 매트릭스 전치(matrix transpose)를 나타낸다. C의 고유값 분해는 다음 식으로 이어진다:
여기서 V는 열 내의 C의 P 상호 정규 직교 고유 벡터를 갖는 P×P 매트릭스이다.
I는 항등 매트릭스이다. 매트릭스는 주 대각선 요소가 C의 2를 통과하는 고유값이며 비대각선 요소는 0인 P×P 대각선 매트릭스이다.
또한 고유 분석은 하기 식에 따라 정렬되는 고유 값들을 생성한다:
C의 고유 벡터는 X의 주요 축 또는 주요 방향이다. 고유 값은 대응 고유 벡터의 방향으로 교정 이미지들 간의 변동이 얼마나 되는지를 나타낸다는 것을 의미하는 대응 고유 백터의 중요성을 인코딩한다.
P는 한 방향의 픽셀의 수이므로 P×P 매트릭스(C)는 전형적으로 매트릭스이다. 본 기술 분야의 통상의 기술자에게 잘 알려진 바와 같이, 이러한 큰 매트릭스(C)의 고유값 분해를 수행하는 것은 계산적으로 까다로우며 C가 좋지 않은 조건일 때 수치적 불안정성을 겪을 수 있다. 다음 식에 따라 X의 특이 값 분해를 수행하는 것이 계산 시간을 최소화하기 위해 그리고 수치적 안정성을 위하여 유리하다.
여기서 U는 단일 매트릭스이며, S는 데이터 매트릭스(X)의 특이 값을 포함하는 대각선 매트릭스이다. 이는 이기 때문에 C의 고유 벡터에 대해 동일한 결과를 산출해야 하며 또한 이기 때문에 C의 고유 값에 대해 동일한 결과를 산출해야 한다.
매트릭스(V)에서 주요 방향을 계산한 후, V의 요소들은 하기 식을 사용하여 m = 0,1, ... , P-1인 주요 이미지()에 도달하도록 재배열될 수 있다.
P는 매우 크며 따라서 매우 많은 수의 주요 이미지가 있을 것이라는 점을 주목한다. 다행스럽게도, 처음 몇 개의 주요 방향만을 계산하고 인덱스(p)를 넘는 주요 방향을 무시하는 것으로 충분하며, 여기서 이고 θ는 작은 양의 임계값(0<θ≪1))이다. 전형적으로 p=2 또는 3이면 충분하며 이는 특이 값 분해의 매우 빠른 계산을 의미한다. 본 기술 분야의 통상의 기술자에게 공지된 바와 같이, 특이 값 분해 방법은 많은 계산 시간을 절약하는 처음 몇 개의 주요 방향만을 계산하는 것을 허용한다.
예측 가능한 물리적 효과를 위하여 새로운 이미지를 보상하는 보정 단계
위에서 설명한 분석으로부터 결정된 고유 벡터는 다음의 급수 확장을 사용하여 새로운 국부 매개변수 분포 또는 국부 정렬 위치 맵 이미지()를 근사화하기 위해 사용될 수 있다.
여기서, 는 이미지()의 모든 픽셀 값의 평균에 의하여 주어진 스칼라 값이며,
그리고 은 확장 계수이다.
보정 항이 새로운 이미지()에 적용되어 다음과 같은 방법으로 감소된 국부 위치/매개변수 분산을 갖는 보정된 이미지()를 생성할 수 있다:
여기서, 이며, 줄여진 급수 확장의 길이 p는 를 만족한다.
이러한 보정이 새로운 LAPD 이미지 (집속되지 않음)의 LAPD 값 범위를 감소시켜 마크 상의 예측할 수 있는 국부 아티팩트만을 드러낼 수 있다는 것을 볼 수 있다. 최종 계산된 정렬 위치에 대한 이러한 나머지 국부 아티팩트의 기여도는 예를 들어 앞서 언급된 중앙값 연산에 의하여 또는 보정된 LAPD 이미지()에 걸쳐 평균값을 계산하기 전에 이를 제거하는 마스크에 의해 선택적으로 감소/제거될 수 있다:
여기서 <...>는 세기 맵/분포()로부터 전역적 정렬 위치를 취득하기 위한 평균화 전략을 나타낸다.
보정은 단일 교정 웨이퍼만을 사용하여 교정 절차가 수행되는 경우에도 웨이퍼 대 웨이퍼 성능을 향상시킬 수 있다. 이는 주요 방향이 하나 이상의 물리적 매개변수가 변할 때 국부 매개변수 데이터가 변하는 방향을 인코딩하고 그 변동의 크기가 새로운 이미지를 이용하여 (이를 주요 방향인 기저 함수에 투영함으로써) 계산되기 때문이다.
도 17은 본 실시예를 설명하는 흐름도이다. 교정 단계(CAL)에서, 교정 이미지() 또는 기준 마크의 교정 분포를 포함하는 교정 데이터는 변동되는 하나 이상의 물리적 매개변수로 획득된다. 이 교정 이미지()들의 각각은 각 픽셀에서 제거(1710)된 모든 픽셀의 평균을 가져 제로-평균 이미지를 취득한다. 평균화된 제로-평균 이미지(J)는 각 픽셀 위치(x, y)에서 모든 이미지에 걸친 픽셀 값들을 평균화함으로써 계산된다(1720). 각 제로-평균 이미지와 평균화된 제로-평균 이미지(J)의 차이는 중심 이미지()를 취득하기 위해 결정된다. PCA 단계 1730은 주요 방향을 계산하여 (이 예에서는, 처음에 3개의) 주요 방향 이미지/구성 요소 이미지 또는 분포()를 취득한다.
측정 단계(MEAS)에서, 새로운 이미지()가 취득되며 새로운 이미지(), 평균화된 제로-평균 이미지(J) 및 주요 방향 이미지()들의 각각에 대한 확장 계수들()의 조합으로부터 보정 이미지()가 결정된다.
실측 자료 데이터와 관련하여 매개변수 값 최적화
이제 이 방법의 제2 실시예가 설명될 것이며, 이 실시예는 LAPD 기반 계산된 정렬 위치 (또는 국부 매개변수 분포를 통해 계산된 다른 매개변수 값)와 실측 자료 정렬 위치 (또는 다른 실측 자료 매개변수 값)와 같은 실측 자료 데이터 사이의 차이, 즉 매개변수 오차 값이 확장 계수()와 상관관계가 있다는 이해를 기반으로 한다. 이와 같이, 이 실시예에서, 공지된 실측 자료 정렬 위치 값 또는 실측 자료 매개변수 값이 교정 이미지를 위하여 요구된다 (이전 실시예의 경우에는 해당되지 않았다).
도 18은 이 실시예를 설명하는 흐름도이다. 정렬 마크 (또는 더 구체적으로는 이의 x-방향 세그먼트)의 국부 매개변수 분포 국부 위치 이미지(LAPD)가 취득된다. 정렬 위치(x)는 단계 1810에서 국부 위치 이미지(LAPD)로부터 계산된다. (정확도 면에서) 개선된 계산된 정렬된 x-위치(x')는 확장 계수()의 함수()인 값을 계산된 정렬된 x-위치(x)에서 뺌으로써 빼서 달성되며, 여기서 이 팽창 계수는 이전 실시예에서 이미 설명한 방정식에 따라 계산된다. 물론, 동일한 방식으로 y-격자 세그먼트의 LAPD 이미지 및 동일한 매개변수()의 함수()를 기반으로, 계산된 정렬된 y-위치의 정확도는 개선될 수 있다.
보정 모델을 구축함으로써 그리고 실측 자료에 대한 잔차를 최소화함으로써 함수()는 교정 데이터로부터 계산될 수 있다. 예로서, 다시 한 번 교정 데이터가 다수의 교정 이미지를 포함한다는 점이 가정될 수 있다. 각 교정 이미지에 대해, 확장 계수() 세트가 있으며, 여기서 인덱스 m은 주요 방향들 (p로 간주되는 주요 방향의 총 수)의 각각을 설명하고, 인덱스 n은 이미지들의 각각을 설명한다. 또한, 각 이미지는 그것으로부터 계산된 각각의 정렬 위치 양()(또는 다른 매개변수 값)을 갖는다. 함수()는 적절한 함수를 최소화함으로 교정될 수 있다. 예를 들어 다음과 같은 최소 제곱 함수:
여기서 은 각 이미지에 대한 실측 자료이다.
물론, 이는 단지 예시적인 오차 함수 또는 비용 함수이며 다른 오차 기준이 사용될 수 있다는 점이 인식될 수 있다. 예를 들어, L2-놈과 다른 놈이 사용될 수 있으며 및/또는 가중 함수가 E의 합산 항에 적용되어 각 교정 이미지에 각각의 가중치를 적용할 수 있다.
함수()는, 예를 들어 계수()의 다항식으로 공식화될 수 있으며 여기서 계수()는 방금 설명된 (또는 유사한) 비용 함수에 따라 계산되었다. 예를 들어, 는 순전히 예를 들어 2차 다항식으로 공식화될 수 있다. 예를 들어,
여기서, 자유 매개변수(, , 등)는 최소 제곱 (또는 다른 놈(norm)) 오차()를 최소화하도록 최적화된다.
본 기술 분야의 통상의 기술자는 함수()에 대해 많은 다른 표현이 사용될 수 있다는 점을 인식할 것이다. 예를 들어, 고차 다항식, 직교 다항식 시퀀스의 요소, (스플라인과 같은) 다양한 보간 함수, 유리 함수, (푸리에 급수같은) 스펙트럼 분해가 사용될 수 있다. 또한, 더욱 진보된 기술, 예를 들어 기계 학습 기술이 사용되어 함수()를 구성할 수 있다. 예를 들어 함수()는 보정 데이터에 대해 트레이닝된 신경망일 수 있다.
조합 실시예
2개의 이전 예가 조합될 수 있다. 예를 들어, 정렬된 위치의 픽셀 당 보정은 실시예 "예측 가능한 물리적 효과에 대해 새로운 이미지를 보상하는 보정 단계"에 따라 수행될 수 있으며, 뒤이어 보정 항()이 방금 설명된 매개변수 값 최적화 및 전역적 정렬 위치를 취득하기 위한 평균화 전략에 따라 계산된다. 이는 다음과 같이 공식화될 수 있다:
최종 수정된 매개변수 값()은 다음과 같이 계산될 수 있다:
여기서 <...>는 맵()으로부터 전역적 정렬 위치를 취득하기 위한 적절한 평균화 전략을 나타낸다. 이 평균화는 국부 매개변수 맵의 대수적 평균, 또는 이전에 설명한 바와 같은 중앙값 또는 이상치 제거 전략과 같은 보다 진보된 평균화 전략을 포함할 수 있다. 선택적으로, 이 단계는 또한 평균화된 제로-평균 이미지(J)를 제거하고/빼는 것을 포함할 수 있다.
이러한 조합 실시예는 일반적인 프레임워크를 포함할 수 있으며, 이는 특수한 경우로서 방금 설명된 2개의 실시예를 포함하고 더 넓은 해결 공간을 허용한다; 즉, 그 부분에서 설명된 바와 같이 도 17과 관련하여 설명된 보정 단계는 (그 자체로) 설정()에 해당하며 실측 자료 데이터에 관한 최적화는 (그 자체로)는 설정( 및 )에 대응한다.
PCA를 통해 기저 함수(V)를 결정할 필요는 없다; 다른 적합한 분석 방법, 예를 들어 독립 구성 요소 분석(ICA) 또는 다른 적합한 방법이 사용될 수 있다. 일반적으로, 기저 함수(V)는 "마크 모양"의 임의의 세트를 포함할 수 있으며, 예를 들어 이들은 단순히 다항식의 마크 형상 (선형, 2차 등) 또는 제르니케(Zernikes)인 것으로 선택될 수 있다. 그러나 임의의 기저 함수를 선택하는 것보다는 PCA (또는 유사한 분석)를 사용하는 이점은 (2차 통계적 의미에서) 데이터를 가장 잘 설명하는 가능한 가장 작은 기저 함수 세트가 "자동으로" 취득된다는 것이다. 따라서 이는 다항식과 같은 임의의 기저 함수를 사용하는 것보다 바람직하다.
보정 및 수정은 웨이퍼 상의 모든 위치에 대해 일정할 수 있다 (일정한 것으로 가정될 수 있다). 대안적으로, 교정 및 보정은 웨이퍼 상의 위치의 함수일 수 있다 (예를 들어, 에지와 비교하여 웨이퍼 중앙에서의 개별 교정). 중간 실시예도 가능하다: 교정 및 보정은 웨이퍼 상의 몇몇 위치에서 수행될 수 있으며 보간될 수 있다 (마지막 경우는 보정될 물리적 매개변수가 웨이퍼에 걸쳐 천천히 변화하는 경우에 특히 관련이 있다).
일부 실시예에서, 매개변수 (위에서 설명된 계수(c))를 교정하기 위해 "실측 자료"가 요구된다. 예를 들어, 실측 자료는, 예를 들어 OCW 또는 OCIW (광학 색상 및 세기 가중) 및 퓨필 계측에 대해 이미 알려진 방법들 중 임의의 방법에서 결정될 수 있다. OCW는, 예를 들어 본 명세서에 참조로 포함된 US2019/0094721에 설명되어 있다.
이러한 실측 자료 방법은 다음 중 하나 이상을 기반으로 트레이닝하는 것을 포함할 수 있다:
* 하기와 같은 노광 후 오버레이 데이터:
- 현상 후 검사(ADI) 오버레이 데이터 및/또는
- 에칭 후 검사(AEI) 오버레이 데이터, 예를 들어, 그 중에서도 디바이스 내 계측(IDM) 데이터, (고전압/디캡(decap)/횡단면) 주사 전자 현미경(SEM) 데이터, 투과 전자 현미경(TEM) 데이터, 연질 x-선 계측 데이터, 경질 x-선 계측 데이터.
* 전압 대비 계측 데이터 또는 수율 데이터.
* 평균 색상 (또는 신호 강도/세기 가중 색상) 또는 Kramers-Kronig 기술 (즉, 넓은 파장 범위를 통한 위상 및 세기 채널을 기반으로 격자 질량 중심을 결정하는 것; 이러한 방법은 PCT 출원 WO/2021/122016에 설명되어 있으며 명세서에 참고로 포함된다)을 기반으로 하는 트레이닝. 이 방법들 모두는 다수의 채널 (예를 들어, 색상 및/또는 편광 채널)에 대한 측정된 값이 실측 자료에 가깝다는 것을 가정한다.
* 다양한 피치 및/또는 서브-세그멘테이션을 갖는 다수의 마크 유형을 기반으로 한 트레이닝. 예를 들어 다수의 피치/서브-세그멘테이션에 대한 평균이 임의의 단일 마크 유형보다 실측 자료에 더 가깝다는 것을 가정한다.
* 달라지는 스택 또는 처리 매개변수로 설계된 정렬 마크/스택을 기반으로 트레이닝을 설정/받음.
* 시뮬레이션 기반 트레이닝. 이는 웨이퍼 스택 공정 변동 및/또는 센서 변동을 포함하는 시뮬레이션을 포함할 수 있다. 이 트레이닝은 선택적으로 설계된(as-designed) 또는 측정된 센서 수차 프로파일을 임의로 포함할 수 있다.
일반적으로, 다른 방법이 기본적으로 정렬/ADI-오버레이 마크가 제품 피처와 어떻게 연관되는지에 대한 정보가 부족하기 때문에, AEI 오버레이 데이터, 마크 대 디바이스(MTD) 데이터 (예를 들어, ADI 오버레이 데이터와 AEI 오버레이 데이터의 차이) 또는 수율/전압 대비 데이터는 최상의 측정 성능으로 이어질 것으로 예상된다. 그러나 이 데이터 또한 취득하기 위해 가장 비용이 많이 든다. 이와 같이, 가능한 접근법은 쉐도우 모드에서의 AEI 오버레이/마크 대 디바이스/수율 데이터에 대한 트레이닝을 포함할 수 있다. 이는 연구 및 개발 단계 또는 대량 제조 램프-업 단계 동안 더 많은 AEI 오버레이/마크 대 디바이스/수율 데이터가 이용 가능해짐에 따라 보정 모델 계수를 업데이트하는 것을 포함할 수 있다.
이 실측 자료 트레이닝은 정렬 및 ADI 오버레이에 대해 동시에 수행될 수 있다. 이는 정렬 신호를 측정하는 것, 층을 노광하는 것, ADI 계측을 수행하는 것 및 AEI 계측을 수행하는 것을 포함할 수 있다. 트레이닝은 그러면 정렬 데이터 및 AEI 오버레이 데이터를 기반으로 정렬 레시피를 트레이닝하는 것을 포함할 수 있다. 동시에, ADI 오버레이 데이터와 AEI 계측 데이터는 유사한 방식으로 MTD 보정 및/또는 오버레이 레시피를 트레이닝시킨다. 정렬 레시피 및/또는 오버레이 레시피는 상이한 정렬/오버레이 측정 채널 (예를 들어, 상이한 색상, 편광, 픽셀 및/또는 마크/타겟 형상)에 대한 가중치 및/또는 모델을 포함할 수 있다. 이러한 방식으로, ADI 오버레이 및 정렬 데이터는 실제 값을 더 잘 나타낼 것이며 또한 웨이퍼 대 웨이퍼 변동이 있을 때에도 제품내(on-product) 오버레이와 더 잘 연관될 것이다.
물론, 공정 변동 및/또는 센서와 타겟 사이의 상대적 구성에 대한 보정과 유한 크기 효과/스폿 비균질성에 대한 보정이 모두 조합될 수 있다. 이와 같이, 도 8은 이 섹션에서 설명된 보정(들)을 수행하는 부가 단계를 포함할 수 있다; 예를 들어, 보정이 매개변수 맵 또는 최종 매개변수 값에 적용되는지 여부에 따라 단계 830 이전 또는 이후.
개시된 모든 실시예는 더 표준적인 암시야 또는 명시야 계측 시스템(즉, 도 3 내지 6에서 설명된 바와 같은 최적화된 간섭성 시스템 이외의 시스템)에 적용될 수 있다. 예를 들어, 이러한 더 표준적인 계측 디바이스에서, 이상적인 x (또는 y) 프린지 (예를 들어, x (또는 y) 격자에 대한 격자의 반분 주기)가 있을 수 있다. LAPD가 결정되는 경우 연관된 리플(ripple)이 있을 수 있다. 본 명세서에 개시된 모든 보정은 이 리플을 보정하기 위해 사용될 수 있다.
개시된 모든 실시예는 완전히 공간적 간섭성 조명을 사용하는 계측 시스템에 적용될 수 있다; 이 시스템은 암시야 또는 명시야 시스템일 수 있으며, 다수의 빔을 갖는 진보된 조명 모드를 가질 수 있고, 또한 검출된 필드의 진폭과 위상을 동시에 측정할 수 있는 홀로그래픽 검출 모드를 가질 수 있다.
개시된 모든 실시예는 마크에 대해 스캔이 수행되는 계측 센서에 적용될 수 있으며, 이 경우 신호는 예를 들어 단일-픽셀 광 검출기의 세기 추적으로 이루어진다. 예를 들어, 이러한 계측 센서는 자기 참조 간섭계를 포함할 수 있다.
위의 설명은 정렬 측정을 위한 정렬 보정을 결정하는 면에서의 제안된 개념을 설명할 수 있지만, 그 개념은 하나 이상의 다른 관심 대상 매개변수에 대한 보정에 적용될 수 있다. 예를 들어, 관심 대상 매개변수는 소형 오버레이 타겟(즉, 상이한 층에 2개 이상의 격자를 포함하는 타겟) 상의 오버레이일 수 있으며, 본 명세서의 방법은 유한 크기 효과에 대한 오버레이 측정을 보정하기 위해 사용될 수 있다. 이와 같이, 정렬 마크 상에서의 위치/정렬 측정에 대한 임의의 언급은 오버레이 타겟 상에서의 오버레이 측정을 포함할 수 있다.
본 발명의 특정 실시예가 위에서 설명되었지만, 본 발명은 설명된 것과 다르게 실시될 수 있다는 점이 인식될 것이다.
마크 또는 타겟에 대한 임의의 참조가 특정 계측 목적을 위하여 형성된 전용 마크 또는 타겟, 또는 본 명세서에 개시된 기술을 사용하여 측정될 수 있는 (예를 들어, 충분한 반복 또는 주기성을 포함하는) 임의의 다른 구조체를 지칭할 수 있다. 이러한 타겟은 제품 구조체 상에서 정렬 또는 오버레이 (예를 들어) 계측이 수행될 수 있도록 충분한 주기성의 제품 구조체를 포함할 수 있다.
위에서는 광학 리소그래피의 맥락에서 본 발명의 실시예의 이용에 대한 구체적인 참조가 이루어질 수 있지만, 본 발명은 예를 들어 임프린트 리소그래피와 같은 다른 적용에 이용될 수 있으며 또한, 문맥이 허용하는 경우 광학 리소그래피로 제한되지 않는다는 점이 인식될 것이다. 임프린트 리소그래피에서, 패터닝 디바이스에서의 토포그래피는 기판 상에 생성되는 패턴을 규정한다. 패터닝 디바이스의 토포그래피는 기판에 공급된 레지스트의 층으로 가압될 수 있으며, 그 위에서 레지스트는 전자기 방사선, 열, 압력 또는 이들의 조합을 가함으로써 경화된다. 패터닝 디바이스는 레지스트가 경화된 후 레지스트에서 이동되어 레지스트에 패턴을 남겨둔다.
본 명세서에서 사용된 용어 "방사선" 및 "빔"은 (예를 들어, 약 365, 355, 248, 193, 157, 또는 126㎚의 파장을 갖는 자외(UV) 방사선 및 (예를 들어, 1 내지 100㎚의 범위 내의 파장을 갖는) 극자외(EUV) 방사선뿐만 아니라 이온 빔 또는 전자 빔과 같은 입자 빔을 포함하는 모든 유형의 전자기 방사선을 포함한다.
문맥이 허용하는 경우, 용어 "렌즈"는 굴절형, 반사형, 자기형, 전자기형 및 정전형 광학 구성 요소를 포함하는 다양한 유형의 광학 구성 요소 중 임의의 하나 또는 조합을 지칭할 수 있다. 반사형 구성 요소는 UV 및/또는 EUV 범위에서 작동하는 장치에 사용될 가능성이 있다.
본 발명의 실시예는 다음의 조항에 의하여 추가로 설명될 수 있다:
1. 타겟으로부터 관심 대상 매개변수를 측정하는 방법은:
타겟의 측정과 관련된 측정 획득 데이터를 취득하는 단계;
유한-크기 효과 보정 데이터 및/또는 측정 획득 데이터 내의 적어도 유한-크기 효과를 보정하도록 작동 가능한 트레이닝된 모델을 취득하는 단계;
보정된 측정 데이터 및/또는 적어도 상기 유한-크기 효과에 대해 보정된 관심 대상 매개변수를 취득하도록 유한-크기 효과 보정 데이터 및/또는 트레이닝된 모델을 사용해 측정 획득 데이터 내의 적어도 유한-크기 효과를 보정하는 단계; 및
보정 단계가 상기 관심 대상 매개변수를 직접 결정하지 않는 경우, 보정된 측정 데이터로부터 관심 대상 매개변수를 결정하는 단계를 포함한다.
2. 조항 1의 방법에서, 측정 획득 데이터는 적어도 하나의 획득 국부 매개변수 분포를 포함한다.
3. 조항 2의 방법에서, 상기 적어도 국부 매개변수 분포는 획득 국부 위상 분포를 포함한다.
4. 조항 2 또는 3의 방법에서, 상기 적어도 국부 매개변수 분포는 획득 국부 진폭 분포를 포함한다.
5. 조항 2 내지 4 중 어느 한 조항의 방법에서, 유한-크기 효과 보정 데이터는 적어도 하나의 보정 국부 매개변수 분포를 포함한다.
6. 조항 2 내지 5 중 어느 한 조항의 방법에서, 적어도 하나의 보정 국부 매개변수 분포는 적어도 하나의 시뮬레이션된 보정 국부 매개변수 분포를 포함한다.
7. 조항 6의 방법은, 상기 적어도 하나의 시뮬레이션된 보정 국부 매개변수 분포를 취득하기 위해 시뮬레이션 단계를 수행하는 것을 포함하며, 상기 시뮬레이션 단계는 측정된 국부적 매개변수 분포를 기반으로 하나 이상의 자유 매개변수를 최적화하는 것을 포함한다.
8. 조항 5, 6 또는 7항의 방법에서, 적어도 하나의 보정 국부 매개변수 분포는 공칭 국부 매개변수 분포로부터의 편차만을 설명하는 오차 분포를 포함한다.
9. 조항 5 내지 8 중 어느 한 조항의 방법에서, 적어도 하나의 보정 국부 매개변수 분포는 보정 국부 위상 분포와 보정 국부 진폭 분포 중 하나 또는 둘 모두를 포함한다.
10. 조항 2 내지 9 중 어느 한 조항의 방법에서, 상기 적어도 하나의 국부 매개변수 분포 및/또는 상기 적어도 하나의 보정 국부 매개변수 분포는 상기 측정 획득 데이터로부터 상기 국부 매개변수 분포를 및/또는 교정 측정 획득 데이터로부터 상기 적어도 하나의 보정 국부 매개변수 분포를 추출하는 추출 단계에 의하여 취득된다.
11. 조항 10의 방법에서, 추출 단계는 미가공 계측 신호로부터 하나 이상의 전역적 양을 결정하기 위한 패턴 인식 단계를 포함한다.
12. 조항 11의 방법에서, 국부 매개변수 분포는 국부 진폭 분포를 포함하며, 상기 패턴 인식 단계는 국부 진폭 분포로의 타겟 템플릿 위치의 정합(registration)을 포함한다.
13. 조항 10 내지 12 중 어느 조항의 방법에서, 상기 추출 단계는 변동되는 측정 매개변수로의 동일한 타겟의 측정으로부터 취득된 미가공 계측 신호 세트를 기반으로 하는 엔벨로프 피팅을 포함한다.
14. 조항 13의 방법에서, 상기 엔벨로프 피팅은 기저 함수 및 모델 매개변수 세트에 관하여 신호 모델을 규정하는 것 및 신호 모델과 미가공 계측 신호 세트 사이의 차이를 최소화하는 것을 포함한다.
15. 조항 14의 방법에서, 신호 모델은 비 타겟-특정 효과로 인한 신호의 국부 편차를 설명하는 부가적인 매개변수를 더 포함한다.
16. 조항 10 내지 12 중 어느 한 조항의 방법에서, 상기 추출 단계는 상기 측정 획득 데이터 및/또는 상기 교정 측정 획득 데이터 내에 포함된 미가공 계측 신호의 공간적으로 가중된 피트를 포함한다.
17. 조항 16의 방법에서, 상기 공간적으로 가중된 피트는 상기 미가공 계측 신호를 나타내기 위해 기저 함수 세트를 규정하는 것, 및 상기 기저 함수에 대한 계수를 결정하기 위해 공간적으로 가중된 비용 함수를 미가공 계측 신호에 대해 최소화하는 것을 포함한다.
18. 조항 21의 방법에서, 상기 공간적으로 가중된 피트는 미가공 계측 신호를 기저 함수 세트와 조합하는 것과 결과적인 양을 공간적으로 국부적인 함수를 포함하는 커널(kernal)과 컨볼빙하는 것(convolving)을 기반으로 하는 대략적 공간적으로 가중된 피트를 포함한다.
19. 조항 14, 15, 17 또는 18 중 어느 한 조항의 방법에서, 상기 보정 단계는 상기 보정 국부 매개변수를 이용하여 상기 기저 함수 세트를 재구성하는 것; 및 상기 하나 이상의 획득 국부 매개변수 분포를 추출하기 위해 재구성된 기저 함수를 사용하는 것을 포함한다.
20. 조항 5 내지 19 중 어느 한 조항의 방법에서, 상기 보정 단계는 상기 획득 국부 매개변수 분포로부터 상기 보정 국부 매개변수 분포를 빼는 것을 포함한다.
21. 조항 11 내지 15 중 어느 한 조항의 방법에서, 상기 보정 단계는 보정 국부 진폭 분포, 보정 국부 위상 분포 및 보정 DC 분포를 포함하는 상기 적어도 하나의 보정 국부 매개변수 분포를 기반으로 모델을 사용하여 획득 국부 매개변수 분포를 피팅하는 것을 포함한다.
22. 조항 5 내지 21 중 어느 한 조항의 방법에서, 적어도 하나의 보정 국부 매개변수 분포는 보정 국부 매개변수 분포의 보정 라이브러리로부터 취득된다.
23. 조항 22의 방법에서, 보정 국부 매개변수 분포의 상기 보정 라이브러리는 타겟을 측정하는 툴에 관하여 상이한 타겟 위치에 대한 상이한 보정 국부 매개변수 분포를 포함한다.
24. 조항 23의 방법에서, 상기 보정 라이브러리는 상기 타겟 위치에 따라 인덱스 매개변수에 의해 인덱싱된다.
25. 조항 24의 방법에서, 상기 보정 라이브러리는 인덱스 매개변수에 의해 인덱싱된다.
26. 조항 25의 방법에서, 상기 인덱스 매개변수는 초점, 전역적 웨이퍼 좌표, 필드 좌표, 웨이퍼 배향, 로트 번호, 사용된 리소그래피 툴 중 하나 이상에 관한 것이다.
27. 조항 24 내지 26 중 어느 한 조항의 방법에서, 보정 국부 매개변수 분포는 상기 인덱스 매개변수를 기반으로 상기 보정 단계에서 사용될 보정 라이브러리로부터 검색된다.
28. 조항 27의 방법에서, 획득 인덱스 매개변수는 측정 획득 데이터 및/또는 다른 관련 데이터로부터 결정되고, 그의 연관된 인덱스 매개변수를 기반으로 보정 라이브러리로부터 적절한 보정 국부 매개변수 분포를 검색하기 위해 사용된다.
29. 조항 28의 방법에서, 획득 인덱스 매개변수는 상기 타겟에 대한 사전 미세 정렬 피트를 통해 결정된다.
30. 조항 22 내지 29 중 어느 한 조항의 방법에서, 보정 국부 매개변수 분포는 측정 획득 데이터를 보정 국부 매개변수 분포와 비교하는 최적성 메트릭에 의해 보정 라이브러리로부터 검색된다.
31. 조항 22 내지 30 중 어느 한 조항의 방법에서, 상기 트레이닝 모델은 측정 획득 데이터를 보정 라이브러리로부터의 적절한 보정 국부 매개변수 분포에 맵핑하기 위해 사용된다.
32. 조항 22 내지 31 중 어느 한 조항의 방법은 교정 단계에서 상기 보정 라이브러리를 생성하는 단계를 포함하며, 상기 교정 단계는 하나 이상의 교정 기판 상의 하나 이상의 교정 타겟에 관한 교정 계측 데이터로부터 보정 국부 매개변수 분포를 결정하는 것을 포함한다.
33. 조항 32의 방법에서, 상기 교정 단계는 다수의 개별 교정 단계를 포함하며, 각 단계는 상기 유한-크기 효과의 개별 효과 또는 양태에 대해 교정한다.
34. 조항 33의 방법에서, 각 교정 단계는 별도의 보정 라이브러리를 생성한다.
35. 조항 1 내지 9 중 어느 한 조항의 방법은 상기 관심 대상 매개변수를 직접 결정하기 위해 상기 트레이닝된 모델을 상기 측정 획득 데이터에 적용하는 것을 포함한다.
36. 조항 1 내지 34 중 어느 한 조항의 방법은 상기 보정된 측정 데이터를 결정하기 위해 상기 트레이닝된 모델을 상기 측정 획득 데이터에 적용하는 것을 포함한다.
37. 조항 35 또는 36의 방법에서, 트레이닝된 모델은 기계 학습 모델이다.
38. 조항 37의 방법은 하나 이상의 교정 기판 상의 하나 이상의 교정 타겟에 관한 라벨링된 교정 데이터를 이용하여 상기 모델을 트레이닝하는 것을 포함한다.
39. 조항 1 내지 38 중 어느 한 조항의 방법은;
복수의 교정 이미지를 포함하는 교정 데이터를 취득하는 것 -상기 교정 이미지는 획득들 사이에서 변동되는 측정의 적어도 하나의 물리적 매개변수로 취득된바 있는 교정 타겟의 이미지를 포함함-;
상기 교정 데이터로부터 하나 이상의 기저 함수를 결정하는 것 -각 기저 함수는 상기 교정 이미지에 대한 상기 적어도 하나의 물리적 매개변수의 상기 변동의 효과를 인코딩함-;
각 기저 함수에 대한 개개의 확장 계수를 결정하는 것; 및
상기 확장 계수를 사용하여 측정 획득 데이터 내에 포함된 적어도 하나의 측정 이미지 및/또는 각각의 상기 적어도 하나의 측정 이미지로부터 도출된 관심 대상 매개변수에 대한 개개의 값을 보정하는 것을 더 포함한다.
40. 조항 39의 방법은 상기 기저 함수들의 각각에 대한 구성 요소 이미지를 결정하는 것을 포함하며; 각 확장 계수는 각각의 구성 요소 이미지와 각각의 상기 적어도 하나의 측정 이미지의 조합으로부터 취득된다.
41. 조항 39 또한 40의 방법은 각각의 구성 요소 이미지; 각각의 적어도 하나의 측정 이미지, 적어도 하나의 측정 이미지의 스칼라 평균(scalar mean) 및 상기 적어도 하나의 측정 이미지의 평균적인 제로-평균을 포함하는 평균화된 제로-평균 이미지의 조합으로부터 각 확장 계수를 결정하는 것을 포함한다.
42. 조항 41의 방법은, 상기 이미지들의 모든 픽셀에 대해
각각의 구성 요소 이미지와;
적어도 하나의 측정 이미지의 스칼라 평균 그리고 상기 적어도 하나의 측정 이미지의 평균적인 제로-평균을 포함하는 평균화된 제로-평균 이미지의 합과, 각각의 상기 적어도 하나의 측정 이미지의 차이;의 곱을 합함으로써 각 확장 계수를 결정하는 것을 포함한다.
43. 조항 41 또는 42의 방법은,
각 교정 이미지에 대한 제로-평균 이미지를 결정하는 것:
각 제로 평균-이미지와 상기 평균화된 제로-평균 이미지의 차이로서 중심 이미지를 결정하는 것; 및
상기 중심 이미지로부터 상기 기저 함수를 결정하는 것을 포함한다.
44. 조항 40 내지 43 중 어느 한 조항의 방법은 각각의 확장 계수에 의해 각각 가중된 상기 구성 요소 이미지를 이용하여 상기 적어도 하나의 측정 이미지에 대한 보정 항을 결정하는 것을 포함하며; 그리고
각각의 상기 적어도 하나의 측정 이미지 및/또는 관심 대상 매개변수에 대한 값을 보정하는 것은 상기 보정 항을 각각의 상기 적어도 하나의 측정 이미지에 적용하는 것을 포함한다.
45. 조항 44의 방법에서, 상기 보정 항은,
상기 평균화된 제로-평균 이미지; 및
각각의 확장 계수에 의해 가중된 상기 구성 요소 이미지들의 합의 총합을 포함한다.
46. 조항 44 또는 45의 방법에서, 각각의 상기 적어도 하나의 측정 이미지 및/또는 관심 대상 매개변수에 대한 값을 보정하는 것은 각각의 상기 적어도 하나의 측정 이미지에서 상기 보정 항을 빼는 것을 포함한다.
47. 조항 39 내지 46 중 어느 한 조항의 방법에서, 각각의 상기 적어도 하나의 측정 이미지 및/또는 관심 대상 매개변수에 대한 값을 보정하는 것은:
관심 대상 매개변수에 대한 실측 자료 데이터를 취득하는 것;
보정 모델을 구성하는 것, 및 보정 모델을 사용하여 상기 실측 자료 데이터에 대한 관심 대상 매개변수에 대한 상기 값 사이의 잔차를 최소화하는 상기 확장 계수의 함수를 교정하는 것을 포함한다.
48. 조항 47의 방법은 관심 대상 매개변수에 대한 보정된 값을 취득하기 위해 관심 대상 매개변수에 대한 상기 값에 상기 함수를 적용하는 것을 포함한다.
49. 조항 47의 방법은, 조항 44 내지 46 중 어느 한 조항에 종속될 때, 상기 보정 항에 상기 함수를 적용하는 것을 포함한다.
50. 조항 39 내지 49 중 어느 한 조항의 방법에서, 상기 기저 함수는 주요 구성 요소 분석을 통해 결정된 주요 구성 요소 또는 독립 구성 요소 분석을 통해 결정된 독립 구성 요소를 포함한다.
51. 조항 50의 방법에서, 처음 5개 이하의 주요 구성 요소 또는 독립 구성 요소만이 사용된다.
52. 조항 39 내지 49 중 어느 한 조항의 방법에서, 상기 기저 함수는 임의로 선택된 타겟 형상 설명을 포함한다.
53. 조항 39 내지 54 중 어느 한 조항의 방법은 각 보정된 측정 이미지로부터 관심 대상 매개변수를 취득하는 동안 및/또는 그 이전에 각 보정된 측정 이미지에 대해 이상치 제거 단계를 수행하는 것을 포함한다.
54. 조항 53의 방법에서, 상기 이상치 제거 단계는,
상기 보정된 이미지에 대해 중앙값 연산을 적용하는 것; 및/또는
각 보정된 측정 이미지에 대해 평균 연산을 수행하기 전에 상기 보정된 측정 이미지의 값을 제외하기 위해 마스크를 적용하는 것을 포함한다.
55. 조항 39 내지 54 중 어느 한 조항의 방법에서, 상기 공정 변동은 교정 타겟 격자 비대칭, 교정 타겟 선폭 변동, 교정 타겟 에칭 깊이 변동, 층 두께 변동, 잔여 토포그래피 변동, 측정에 영향을 미치도록 상기 교정 타겟에 충분히 근접한 구조체의 변동, 측정 동안의 교정 타겟의 광학 초점, 측정을 수행하기 위해 사용되는, 정렬 센서인 센서 광학계에 대한 교정 타겟의 임의의 다른 상대적인 구성 변화 중 하나 이상을 포함한다.
56. 조항 39 내지 55 중 어느 한 조항의 방법에서, 상기 공정 변동은 교정 타겟에 걸쳐 전역적이다.
57. 조항 39 내지 55 중 어느 한 조항의 방법에서, 상기 공정 변동은 교정 타겟에 걸쳐 변화한다.
58. 타겟으로부터 관심 대상 매개변수를 측정하는 방법은:
복수의 교정 이미지를 포함하는 교정 데이터를 취득하는 것 -상기 교정 이미지는 획득들 사이에서 변동되는 측정의 적어도 하나의 물리적 매개변수로 취득된바 있는 교정 타겟의 이미지를 포함함-;
상기 교정 데이터로부터 하나 이상의 기저 함수를 결정하는 단계 -각 기저 함수는 상기 교정 이미지에 대한 상기 적어도 하나의 물리적 매개변수의 상기 변동의 효과를 인코딩함-;
각 기저 함수에 대한 개개의 확장 계수를 결정하는 것;
타겟의 측정과 관련된 적어도 하나의 측정 이미지를 포함하는 측정 획득 데이터를 취득하는 것; 및
상기 확장 계수를 이용하여 각각의 상기 적어도 하나의 측정 이미지 및/또는 적어도 하나의 측정 이미지로부터 도출된 관심 대상 매개변수에 대한 값을 보정하는 것을 포함한다.
59. 조항 58의 방법은 상기 기저 함수들의 각각에 대한 구성 요소 이미지를 결정하는 것을 포함하며; 각 확장 계수는 각각의 구성 요소 이미지와 각각의 상기 적어도 하나의 측정 이미지의 조합으로부터 취득된다.
60. 조항 58 또는 59의 방법은 각각의 구성 요소 이미지; 각각의 적어도 하나의 측정 이미지, 적어도 하나의 측정 이미지의 스칼라 평균(scalar mean) 및 상기 적어도 하나의 측정 이미지의 평균적인 제로-평균을 포함하는 평균화된 제로-평균 이미지의 조합으로부터 각 확장 계수를 결정하는 것을 포함한다.
61. 조항 60의 방법은, 상기 이미지들의 모든 픽셀에 대해
각각의 구성 요소 이미지와;
적어도 하나의 측정 이미지의 스칼라 평균 그리고 상기 적어도 하나의 측정 이미지의 평균적인 제로-평균을 포함하는 평균화된 제로-평균 이미지의 합과, 각각의 상기 적어도 하나의 측정 이미지의 차이;의 곱을 합함으로써 각 확장 계수를 결정하는 것을 포함한다.
62. 조항 60 또는 61의 방법은,
각 교정 이미지에 대한 제로-평균 이미지를 결정하는 것;
각 제로-평균 이미지와 상기 평균화된 제로-평균 이미지 간의 차이로서 중심 이미지를 결정하는 것; 그리고
상기 중심 이미지로부터 상기 기저 함수를 결정하는 것을 포함한다.
63. 조항 59 내지 62 중 어느 한 조항의 방법은 상기 구성 요소 이미지들-각각은 그의 각각의 확장 계수에 의해 가중됨-을 사용하여 적어도 하나의 측정 이미지에 대한 보정 항을 결정하는 것을 포함하며;
각각의 상기 적어도 하나의 측정 이미지 및/또는 관심 대상 매개변수에 대한 값을 보정하는 것은 상기 보정 항을 각각의 상기 적어도 하나의 측정 이미지에 적용하는 것을 포함한다.
64. 조항 63의 방법에서, 상기 보정 항은:
상기 평균화된 제로-평균 이미지; 그리고
각각의 확장 계수에 의해 각각 가중된 상기 구성 요소 이미지들의 합의 합을 포함한다..
65. 조항 63 또는 64의 방법에서, 각각의 상기 적어도 하나의 측정 이미지 및/또는 관심 대상 매개변수에 대한 값을 보정하는 것은 각각의 적어도 하나의 측정 이미지로부터 상기 보정 항을 빼는 것을 포함한다.
66. 조항 58 내지 65 중 어느 한 조항의 방법에서, 각각의 상기 적어도 하나의 측정 이미지 및/또는 관심 대상 매개변수에 대한 값을 보정하는 것은:
관심 대상 매개변수에 대한 실측 자료 데이터를 취득하는 것;
보정 모델을 구성하는 것, 및 보정 모델을 사용하여 상기 실측 자료 데이터에 대한 관심 대상 매개변수에 대한 상기 값 사이의 잔차를 최소화하는 상기 확장 계수의 함수를 교정하는 것을 포함한다.
67. 조항 66의 방법은, 관심 대상 매개변수에 대한 보정된 값을 취득하기 위해 관심 대상 매개변수에 대한 상기 값에 상기 함수를 적용하는 것을 포함한다.
68. 조항 63 내지 65 중 어느 한 조항을 인용할 때 조항 66의 방법은 상기 함수를 상기 보정 항에 적용하는 것을 포함한다.
69. 조항 58 내지 68 중 어느 한 조항의 방법에서, 상기 기저 함수는 주요 구성 요소 분석을 통해 결정된 주요 구성 요소 또는 독립 구성 요소 분석을 통해 결정된 독립적인 구성 요소를 포함한다.
70. 조항 69의 방법에서, 처음 5개 또는 그보다 적은 주요 구성 요소 또는 독립적인 구성 요소만이 사용된다.
71. 조항 58 내지 68 중 어느 한 조항의 방법에서, 상기 기저 함수는 임의로 선택된 타겟 형상 설명을 포함한다.
72. 조항 58 내지 73 중 어느 한 조항의 방법은 각 보정된 측정 이미지로부터 관심 대상 매개변수를 취득하는 동안 및/또는 그 이전에 각 보정된 측정 이미지에 대해 이상치 제거 단계를 수행하는 것을 포함한다.
73. 조항 72의 방법에서, 상기 이상치 제거 단계는
상기 보정된 이미지에 중앙값 연산을 적용하는 것; 및/또는
각 보정된 측정 이미지에 대해 평균 연산을 수행하기 전에 상기 보정된 측정 이미지의 값을 제외하기 위해 마스크를 적용하는 것을 포함한다.
74. 조항 58 내지 73 중 어느 한 조항의 방법에서, 상기 공정 변동은 교정 타겟 격자 비대칭, 교정 타겟 선폭 변동, 잔여 토포그래피 변동, 교정 타겟 에칭 깊이 변동, 층 두께 변동, 영향을 미치도록 상기 교정 타겟에 충분히 근접한 구조체의 변동, 측정 동안 교정 타겟의 광학 초점, 측정을 수행하기 위해 사용되는, 정렬 센서인 센서 광학계에 대한 교정 타겟의 임의의 다른 상대적인 구성 변화 중 하나 이상을 포함한다.
75. 조항 58 내지 74 중 어느 한 조항의 방법에서, 상기 공정 변동은 교정 타겟에 대해 전역적이다.
76. 조항 58 내지 74 중 어느 한 조항의 방법에서, 상기 공정 변동는 교정 타겟에 걸쳐 변동한다.
77. 조항 58 내지 76 중 어느 한 조항의 방법에서, 관심 대상 매개변수는 정렬된 위치이다.
78. 조항 1 내지 76 중 어느 한 조항의 방법에서, 관심 대상 매개변수는 오버레이 또는 초점이다.
79. 컴퓨터 프로그램은 적절한 장치에서 실행될 때 조항 1 내지 77 중 어느 한 조항의 방법을 수행하도록 작동 가능한 프로그램 명령어를 포함한다.
80. 비일시적 컴퓨터 프로그램 캐리어는 조항 79의 컴퓨터 프로그램을 포함한다.
81. 처리 배열체는:
조항 80의 비-일시적 컴퓨터 프로그램 캐리어; 및
상기 컴퓨터 프로그램을 실행시키기 위해 작동 가능한 프로세서를 포함한다.
82. 계측 디바이스는 조항 81의 처리 배열체를 포함한다.
83. 리소그래피 장치는 조항 82의 계측 디바이스를 포함한다.
84. 리소그래피 장치는:
패터닝 디바이스를 지지하기 위한 패터닝 장치 지지체;
기판을 지지하는 기판 지지체; 및
조항 77의 방법을 수행하도록 작동 가능한 계측 디바이스를 포함한다.
85. 조항 84의 리소그래피 장치는;
상기 기판 지지체 및/또는 그 위에서 지지된 기판, 및
상기 패터닝 디바이스 지지체 및/또는 그 위에서 지지된 패터닝 장치 중 하나 또는 모두에 대한 제어에서 상기 정렬된 위치를 이용하도록 작동 가능하다.
본 발명의 폭과 범위는 위에서 설명된 예시적인 실시예들 중 어느 하나에 의하여 제한되어서는 안되며, 다음 청구범위 및 그 등가물에 따라서만 규정되어야 한다.
Claims (21)
- 타겟으로부터 관심 대상 매개변수를 측정하는 방법에 있어서,
상기 타겟의 측정과 관련된 측정 획득 데이터를 취득하는 단계;
유한-크기 효과 보정 데이터 및/또는 상기 측정 획득 데이터 내의 적어도 유한-크기 효과를 보정하도록 작동 가능한 트레이닝된 모델을 취득하는 단계;
보정된 측정 데이터 및/또는 적어도 상기 유한-크기 효과에 대해 보정된 관심 대상 매개변수를 취득하도록 상기 유한-크기 효과 보정 데이터 및/또는 트레이닝된 모델을 사용해 상기 측정 획득 데이터 내의 적어도 유한-크기 효과를 보정하는 단계; 및
보정 단계가 상기 관심 대상 매개변수를 직접 결정하지 않는 경우, 상기 보정된 측정 데이터로부터 상기 관심 대상 매개변수를 결정하는 단계
를 포함하는 관심 대상 매개변수 측정 방법. - 제1항에 있어서, 상기 측정 획득 데이터는 적어도 하나의 획득 국부 매개변수 분포를 포함하는 관심 대상 매개변수 측정 방법.
- 제2항에 있어서, 상기 적어도 국부 매개변수 분포는 획득 국부 위상 분포 및/또는 획득 국부 진폭 분포를 포함하는 관심 대상 매개변수 측정 방법.
- 제2항 또는 제3항에 있어서, 상기 적어도 하나의 보정 국부 매개변수 분포는 적어도 하나의 시뮬레이션된 보정 국부 매개변수 포함하는 관심 대상 매개변수 측정 방법.
- 제2항 내지 제4항 중 어느 한 항에 있어서, 상기 적어도 하나의 국부 매개변수 분포 및/또는 상기 적어도 하나의 보정 국부 매개변수 분포는, 상기 측정 획득 데이터로부터 상기 국부 매개변수 분포를 및/또는 교정 측정 획득 데이터로부터 상기 적어도 하나의 보정 국부 매개변수 분포를 추출하는 추출 단계에 의하여 취득되는 관심 대상 매개변수 측정 방법.
- 제5항에 있어서, 상기 추출 단계는 미가공 계측 신호로부터 하나 이상의 전역적 양을 결정하기 위한 패턴 인식 단계를 포함하는 관심 대상 매개변수 측정 방법.
- 제1항 내지 제6항 중 어느 한 항에 있어서,
복수의 교정 이미지를 포함하는 교정 데이터를 취득하는 것 -상기 교정 이미지는 획득들 사이에서 변동되는 측정의 적어도 하나의 물리적 매개변수로 취득된바 있는 교정 타겟의 이미지를 포함함-;
상기 교정 데이터로부터 하나 이상의 기저 함수를 결정하는 것 -각 기저 함수는 상기 교정 이미지에 대한 상기 적어도 하나의 물리적 매개변수의 상기 변동의 효과를 인코딩함-;
각 기저 함수에 대한 개개의 확장 계수를 결정하는 것; 및
상기 확장 계수를 사용하여 상기 측정 획득 데이터 내에 포함된 적어도 하나의 측정 이미지 및/또는 각각의 상기 적어도 하나의 측정 이미지로부터 도출된 상기 관심 대상 매개변수에 대한 개개의 값을 보정하는 것을 더 포함하는 관심 대상 매개변수 측정 방법. - 제7항에 있어서, 상기 방법은 기저 함수들의 각각에 대한 구성 요소 이미지를 결정하는 것을 포함하며; 각 확장 계수는 각각의 구성 요소 이미지와 각각의 상기 적어도 하나의 측정 이미지의 조합으로부터 취득되는 관심 대상 매개변수 측정 방법.
- 제7항 또는 제8항에 있어서, 상기 방법은 각각의 구성 요소 이미지; 각각의 적어도 하나의 측정 이미지, 적어도 하나의 측정 이미지의 스칼라 평균(scalar mean) 및 상기 적어도 하나의 측정 이미지의 평균적인 제로-평균을 포함하는 평균화된 제로-평균 이미지의 조합으로부터 각 확장 계수를 결정하는 것을 포함하는 관심 대상 매개변수 측정 방법.
- 제7항 내지 제9항 중 어느 한 조항의 방법에서, 각각의 상기 적어도 하나의 측정 이미지 및/또는 상기 관심 대상 매개변수에 대한 값을 보정하는 것은:
상기 관심 대상 매개변수에 대한 실측 자료 데이터를 취득하는 것;
보정 모델을 구성하는 것, 및 상기 보정 모델을 사용하여 상기 실측 자료 데이터에 대한 상기 관심 대상 매개변수에 대한 상기 값 사이의 잔차를 최소화하는 상기 확장 계수의 함수를 교정하는 것을 포함하는 관심 대상 매개변수 측정 방법. - 타겟으로부터 관심 대상 매개변수를 측정하는 방법에 있어서,
복수의 교정 이미지를 포함하는 교정 데이터를 취득하는 것 -상기 교정 이미지는 획득들 사이에서 변동되는 측정의 적어도 하나의 물리적 매개변수로 취득된바 있는 교정 타겟의 이미지를 포함함-;
상기 교정 데이터로부터 하나 이상의 기저 함수를 결정하는 것 -각 기저 함수는 상기 교정 이미지에 대한 상기 적어도 하나의 물리적 매개변수의 상기 변동의 효과를 인코딩함-;
각 기저 함수에 대한 개개의 확장 계수를 결정하는 것;
상기 타겟의 측정과 관련된 적어도 하나의 측정 이미지를 포함하는 측정 획득 데이터를 취득하는 것; 및
상기 확장 계수를 사용하여 각각의 상기 적어도 하나의 측정 이미지 및/또는 각각의 상기 적어도 하나의 측정 이미지로부터 도출된 상기 관심 대상 매개변수에 대한 값을 보정하는 것을 포함하는 관심 대상 매개변수 측정 방법. - 제11항에 있어서, 상기 방법은 상기 기저 함수들의 각각에 대한 구성 요소 이미지를 결정하는 것을 포함하며; 각 확장 계수는 각각의 구성 요소 이미지와 각각의 상기 적어도 하나의 측정 이미지의 조합으로부터 취득되는 관심 대상 매개변수 측정 방법.
- 제11항 또는 제12항에 있어서, 상기 방법은 각각의 구성 요소 이미지; 각각의 적어도 하나의 측정 이미지, 적어도 하나의 측정 이미지의 스칼라 평균 및 상기 적어도 하나의 측정 이미지의 평균적인 제로-평균을 포함하는 평균화된 제로-평균 이미지의 조합으로부터 각 확장 계수를 결정하는 것을 포함하는 관심 대상 매개변수 측정 방법.
- 제1항 내지 제13항 중 어느 한 항에 있어서, 상기 관심 대상 매개변수는 정렬된 위치인 관심 대상 매개변수 측정 방법.
- 제1항 내지 제13항 중 어느 한 항에 있어서, 상기 관심 대상 매개변수는 오버레이 또는 초점인 관심 대상 매개변수 측정 방법.
- 적절한 장치에서 실행될 때, 제1항 내지 제15항 중 어느 한 항의 방법을 수행하도록 작동 가능한 프로그램 명령어를 포함하는 컴퓨터 프로그램.
- 제16항의 컴퓨터 프로그램을 포함하는 비일시적 컴퓨터 프로그램 캐리어.
- 처리 배열체 있어서,
제17항의 비일시적 컴퓨터 프로그램 캐리어; 및
상기 컴퓨터 프로그램을 실행하도록 작동 가능한 프로세서를 포함하는 처리 배열체. - 제18항의 처리 배열체를 포함하는 계측 디바이스.
- 제19항의 계측 디바이스를 포함하는 리소그래피 장치.
- 리소그래피 장치에 있어서,
패터닝 디바이스를 지지하기 위한 패터닝 디바이스 지지체;
기판을 지지하기 위한 기판 지지체; 및
제14항의 방법을 수행하도록 작동 가능한 계측 디바이스를 포함하는 리소그래피 장치.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21152365.9 | 2021-01-19 | ||
| EP21152365.9A EP4030237A1 (en) | 2021-01-19 | 2021-01-19 | Metrology method and system and lithographic system |
| PCT/EP2021/086861 WO2022156978A1 (en) | 2021-01-19 | 2021-12-20 | Metrology method and system and lithographic system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230131218A true KR20230131218A (ko) | 2023-09-12 |
Family
ID=74191617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237024710A KR20230131218A (ko) | 2021-01-19 | 2021-12-20 | 계측 방법과 시스템, 그리고 리소그래피 시스템 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20240094643A1 (ko) |
| EP (1) | EP4030237A1 (ko) |
| KR (1) | KR20230131218A (ko) |
| CN (1) | CN116848469A (ko) |
| TW (1) | TWI817314B (ko) |
| WO (1) | WO2022156978A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11854854B2 (en) * | 2021-07-23 | 2023-12-26 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method for calibrating alignment of wafer and lithography system |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7791727B2 (en) | 2004-08-16 | 2010-09-07 | Asml Netherlands B.V. | Method and apparatus for angular-resolved spectroscopic lithography characterization |
| NL1036245A1 (nl) | 2007-12-17 | 2009-06-18 | Asml Netherlands Bv | Diffraction based overlay metrology tool and method of diffraction based overlay metrology. |
| NL1036597A1 (nl) | 2008-02-29 | 2009-09-01 | Asml Netherlands Bv | Metrology method and apparatus, lithographic apparatus, and device manufacturing method. |
| NL1036857A1 (nl) | 2008-04-21 | 2009-10-22 | Asml Netherlands Bv | Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method. |
| NL2004094A (en) | 2009-02-11 | 2010-08-12 | Asml Netherlands Bv | Inspection apparatus, lithographic apparatus, lithographic processing cell and inspection method. |
| KR101429629B1 (ko) | 2009-07-31 | 2014-08-12 | 에이에스엠엘 네델란즈 비.브이. | 계측 방법 및 장치, 리소그래피 시스템, 및 리소그래피 처리 셀 |
| WO2011023517A1 (en) | 2009-08-24 | 2011-03-03 | Asml Netherlands B.V. | Metrology method and apparatus, lithographic apparatus, lithographic processing cell and substrate comprising metrology targets |
| WO2012022584A1 (en) | 2010-08-18 | 2012-02-23 | Asml Netherlands B.V. | Substrate for use in metrology, metrology method and device manufacturing method |
| JP5661194B2 (ja) | 2010-11-12 | 2015-01-28 | エーエスエムエル ネザーランズ ビー．ブイ． | メトロロジ方法及び装置、リソグラフィシステム並びにデバイス製造方法 |
| WO2013143814A1 (en) | 2012-03-27 | 2013-10-03 | Asml Netherlands B.V. | Metrology method and apparatus, lithographic system and device manufacturing method |
| NL2010458A (en) | 2012-04-16 | 2013-10-17 | Asml Netherlands Bv | Lithographic apparatus, substrate and device manufacturing method background. |
| JP6077647B2 (ja) | 2012-05-29 | 2017-02-08 | エーエスエムエル ネザーランズ ビー．ブイ． | メトロロジー方法及び装置、基板、リソグラフィシステム並びにデバイス製造方法 |
| EP3627228A1 (en) | 2017-09-28 | 2020-03-25 | ASML Netherlands B.V. | Lithographic method |
| KR102514423B1 (ko) * | 2017-10-05 | 2023-03-27 | 에이에스엠엘 네델란즈 비.브이. | 기판 상의 하나 이상의 구조체의 특성을 결정하기 위한 계측 시스템 및 방법 |
| WO2019081211A1 (en) * | 2017-10-26 | 2019-05-02 | Asml Netherlands B.V. | METHOD FOR DETERMINING A VALUE OF A PARAMETER OF INTEREST, METHOD FOR CLEANING A SIGNAL CONTAINING INFORMATION REGARDING THIS PARAMETER OF INTEREST |
| EP3853666B1 (en) | 2018-09-19 | 2022-08-10 | ASML Netherlands B.V. | Metrology sensor for position metrology |
| EP3647871A1 (en) * | 2018-10-31 | 2020-05-06 | ASML Netherlands B.V. | Method of determing a value of a parameter of interest of a patterning process, device manufacturing method |
| CN113196175A (zh) * | 2018-12-18 | 2021-07-30 | Asml荷兰有限公司 | 测量图案化过程的参数的方法、量测设备、目标 |
| CN114868084A (zh) | 2019-12-16 | 2022-08-05 | Asml荷兰有限公司 | 量测方法和相关联的量测和光刻设备 |
-
2021
- 2021-01-19 EP EP21152365.9A patent/EP4030237A1/en not_active Withdrawn
- 2021-12-20 WO PCT/EP2021/086861 patent/WO2022156978A1/en active Application Filing
- 2021-12-20 US US18/269,983 patent/US20240094643A1/en active Pending
- 2021-12-20 KR KR1020237024710A patent/KR20230131218A/ko unknown
- 2021-12-20 CN CN202180090953.XA patent/CN116848469A/zh active Pending
-
2022
- 2022-01-10 TW TW111100920A patent/TWI817314B/zh active
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022156978A1 (en) | 2022-07-28 |
| US20240094643A1 (en) | 2024-03-21 |
| EP4030237A1 (en) | 2022-07-20 |
| TW202232227A (zh) | 2022-08-16 |
| TW202336521A (zh) | 2023-09-16 |
| TWI817314B (zh) | 2023-10-01 |
| CN116848469A (zh) | 2023-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102408833B1 (ko) | 기판 상의 하나 이상의 구조체의 특성을 결정하기 위한 계측 시스템 및 방법 | |
| KR102151012B1 (ko) | 패터닝 프로세스 파라미터를 결정하는 방법 및 장치 | |
| KR101994385B1 (ko) | 비대칭 측정 방법, 검사 장치, 리소그래피 시스템 및 디바이스 제조 방법 | |
| US10620549B2 (en) | Method of controlling a lithographic apparatus and device manufacturing method, control system for a lithographic apparatus and lithographic apparatus | |
| KR102483364B1 (ko) | 패터닝 프로세스에 관한 정보를 결정하는 방법, 측정 데이터의 오차를 감소시키는 방법, 계측 프로세스를 교정하는 방법, 및 계측 타겟을 선택하는 방법 | |
| KR20180059930A (ko) | 계측 방법 및 장치, 컴퓨터 프로그램 및 리소그래피 시스템 | |
| CN110799905B (zh) | 确定过程的性能参数的方法 | |
| TW201907245A (zh) | 量測結構之方法、檢測設備、微影系統及器件製造方法 | |
| TW201531817A (zh) | 度量衡方法及裝置、基板、微影系統及器件製造方法 | |
| KR20180087410A (ko) | 위치 측정 방법, 리소그래피 장치, 리소 셀 및 디바이스 제조 방법 | |
| CN110088685B (zh) | 测量衬底的属性的方法、检查设备、光刻系统和器件制造方法 | |
| KR102549352B1 (ko) | 패터닝 프로세스에 관한 정보를 결정하는 방법, 측정 데이터의 오차를 줄이는 방법, 계측 프로세스를 교정하는 방법, 계측 타겟을 선택하는 방법 | |
| KR20230131218A (ko) | 계측 방법과 시스템, 그리고 리소그래피 시스템 | |
| WO2021083704A1 (en) | Metrology method and lithographic apparatuses | |
| TWI841404B (zh) | 用於自目標量測所關注參數之方法及微影裝置 | |
| EP4155822A1 (en) | Metrology method and system and lithographic system | |
| KR20240067895A (ko) | 계측 방법 및 시스템, 그리고 리소그래피 시스템 | |
| EP3584637A1 (en) | Method for controlling a manufacturing apparatus and associated apparatuses | |
| TWI768942B (zh) | 度量衡方法、度量衡設備及微影設備 | |
| TWI817251B (zh) | 度量衡系統及微影系統 | |
| CN118020029A (en) | Metrology method and system and lithographic system | |
| KR20240063113A (ko) | 계측 방법 그리고 관련된 계측 및 리소그래피 장치 | |
| NL2024766A (en) | Alignment method and associated alignment and lithographic apparatuses | |
| WO2023036521A1 (en) | Metrology method and associated metrology and lithographic apparatuses |