KR20240031314A - 소스 마스크 최적화 및 타겟 최적화를 위한 패턴 선택 - Google Patents
소스 마스크 최적화 및 타겟 최적화를 위한 패턴 선택 Download PDFInfo
- Publication number
- KR20240031314A KR20240031314A KR1020247001550A KR20247001550A KR20240031314A KR 20240031314 A KR20240031314 A KR 20240031314A KR 1020247001550 A KR1020247001550 A KR 1020247001550A KR 20247001550 A KR20247001550 A KR 20247001550A KR 20240031314 A KR20240031314 A KR 20240031314A
- Authority
- KR
- South Korea
- Prior art keywords
- peaks
- peak
- patterns
- representative
- subset
- Prior art date
Links
- 238000005457 optimization Methods 0.000 title claims description 62
- 238000000034 method Methods 0.000 claims abstract description 166
- 238000013461 design Methods 0.000 claims abstract description 99
- 230000000737 periodic effect Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 21
- 238000012795 verification Methods 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 14
- 230000007547 defect Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 61
- 238000000059 patterning Methods 0.000 description 30
- 239000000758 substrate Substances 0.000 description 20
- 230000005855 radiation Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 238000001459 lithography Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000011295 pitch Substances 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011960 computer-aided design Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000011437 continuous method Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000003954 pattern orientation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004528 spin coating Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
-
- 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
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/36—Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
-
- 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
- G03F7/70058—Mask illumination systems
- G03F7/70125—Use of illumination settings tailored to particular mask 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
- G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
- G03F7/70433—Layout for increasing efficiency or for compensating imaging errors, e.g. layout of exposure fields for reducing focus errors; Use of mask features for increasing efficiency or for compensating imaging errors
- G03F7/70441—Optical proximity correction [OPC]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 장치들, 시스템들, 및 방법들이 개시된다. 일부 실시예들에서, 상기 방법은 웨이퍼의 적어도 일부에 형성될 피처들을 나타내는 복수의 패턴들에 기초하여 회절 차수 데이터에 액세스하는 단계를 포함하고, 회절 차수 데이터는 복수의 패턴들에 대응하는 복수의 피크들을 포함한다. 또한, 상기 방법은 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계를 포함하고, 이는 제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 제 1 대표 피크를 식별하는 단계를 포함하며, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크이다. 또한, 상기 방법은 대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 더 포함한다.
Description
본 출원은 2021년 7월 13일에 출원된 국제 출원 PCT/CN2021/105988의 우선권을 주장하며, 이는 본 명세서에서 그 전문이 인용참조된다.
본 명세서에서 제공되는 실시예들은 리소그래피를 위한 패턴 선택에 관한 것으로, 특히 소스 마스크 최적화 및 타겟 최적화를 위한 패턴 선택에 관한 것이다.
집적 회로(IC)의 제조 공정들에서는, IC의 개별층에 대응하는 회로 패턴을 포함할 수 있는 마스크가 리소그래피에서 사용될 수 있으며, 이 회로 패턴은 방사선-감응재(예를 들어, 레지스트) 층으로 코팅된 기판(예를 들어, 실리콘 웨이퍼) 상의 (예를 들어, 1 이상의 다이를 포함하는) 타겟부 상으로 이미징될 수 있다. 기판은 전처리(priming), 레지스트 코팅 및 소프트 베이크(soft bake)와 같은 다양한 절차들을 거칠 수 있다. 노광 이후, 기판은 노광-후 베이크(post-exposure bake: PEB), 현상, 하드 베이크(hard bake) 및 이미징된 피처(feature)들의 측정/검사와 같은 다른 절차들을 거칠 수 있다. 이러한 일련의 절차들은 디바이스, 예컨대 IC의 개별층을 패터닝하는 기초로서 사용된다. 그 후, 이러한 패터닝된 층은 에칭, 이온-주입(도핑), 금속화(metallization), 산화, 화학-기계적 연마 등과 같은, 개별층을 마무리하기 위한 다양한 공정들을 거칠 수 있다. 여러 층이 요구되는 경우, 각각의 새로운 층에 대해 절차들 또는 그 변형이 반복될 것이다. 최후에는, 일련의 디바이스들이 기판(웨이퍼) 상에 존재할 것이다. 그 후, 이 디바이스들은 다이싱(dicing) 또는 소잉(sawing)과 같은 기술에 의해 서로 분리되며, 개개의 디바이스들은 핀에 연결되는 캐리어 등에 장착될 수 있다.
반도체 제조 공정이 계속해서 진보함에 따라, 최첨단 디바이스들의 중대한(critical) 층들이 심(deep)-자외선 레이저 광 소스로부터의 조명을 이용하여 기판 상에 마스크 이미지를 투영하는 스캐너로서 알려진 광학 리소그래피 투영 시스템들을 이용하여 제조되어, 100 nm보다 훨씬 낮은 치수들, 즉 투영 광의 파장의 절반보다 작은 치수들을 갖는 개별적인 회로 피처들을 생성할 수 있다. 광학 투영 시스템의 전형적인 분해능 한계보다 작은 치수들을 갖는 피처들이 프린트되는 이 공정은 통상적으로 저(low)-k1 리소그래피로서 알려져 있다.
저-k1 리소그래피에 대해서는, 중대한 패턴들을 프린트하기 위한 실행가능한 공정 윈도우를 보장하기 위해 소스 및 마스크 모두의 최적화(예컨대, 소스 및 마스크 최적화 또는 SMO)가 필요하다. 기존 알고리즘들(예를 들어, Socha 외. Proc. SPIE vol. 5853, 2005, p. 180)은 일반적으로 조명을 독립적인 소스 포인트들로, 그리고 마스크를 공간 주파수 도메인에서의 회절 차수들로 이산화(discretize)하고, 개별적으로 소스 포인트 세기들 및 마스크 회절 차수들로부터 광학 이미징 모델들에 의해 예측될 수 있는 노출 관용도와 같은 공정 윈도우 메트릭에 기초하여 비용 함수를 공식화한다. 그 후, 표준 최적화 기술들이 사용되어 목적 함수를 최소화한다.
종래의 SMO 기술들은, 특히 복잡한 디자인들에 대해 연산 비용이 많이 든다. 따라서, 일반적으로 메모리 디자인들(예컨대, 플래시, DRAM 및 SRAM)과 같은 단순 반복 디자인들에 대해서만 소스 최적화를 수행하는 것이 실용적이다. 한편, 전체 칩은 로직 및 게이트와 같은 다른 더 복잡한 디자인들을 포함한다. SMO 소스 최적화는 소정 디자인들의 제한된 작은 영역에만 기초하기 때문에, 소스가 SMO 프로세스에 포함되지 않은 디자인들에 대해 잘 동작할 것이라고 보장하기가 어렵다. 또한, IC 구성요소들의 물리적 크기들이 계속해서 축소됨에 따라, 패턴 선택의 정확성 및 효율, 및 선택된 중대한 패턴들에 대한 SMO가 더 중요해진다.
본 발명의 실시예들은 패턴 선택을 위한 장치들, 시스템들 및 방법들을 제공한다.
일부 실시예들에서, 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 방법이 제공된다. 상기 방법은 웨이퍼의 적어도 일부에 형성될 피처들을 나타내는 복수의 패턴들에 기초하여 회절 차수 데이터에 액세스하는 단계 -회절 차수 데이터는 복수의 패턴들에 대응하는 복수의 피크(peak)들을 포함함- ; 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계 -이는 제 1 대표 피크와 공선형(colinear)인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 포함하고, 제 1 대표 피크는 또 다른 이산 피크(discrete peak)의 주파수의 정수배인 주파수를 갖는 이산 피크임- ; 및 대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 포함한다.
일부 실시예들에서, 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 시스템이 제공된다. 상기 시스템은 명령어들의 세트를 저장하는 메모리; 및 적어도 하나의 프로세서를 포함하고, 상기 프로세서는 상기 시스템이: 웨이퍼의 적어도 일부에 형성될 피처들을 나타내는 복수의 패턴들에 기초하여 회절 차수 데이터에 액세스하는 단계 -회절 차수 데이터는 복수의 패턴들에 대응하는 복수의 피크들을 포함함- ; 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계 -이는 제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 포함하고, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크임- ; 및 대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 수행하게 하기 위해 명령어들의 세트를 실행하도록 구성된다.
일부 실시예들에서, 시스템이 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적(non-transitory) 컴퓨터 판독가능한 매체가 제공된다. 상기 방법은 웨이퍼의 적어도 일부에 형성될 피처들을 나타내는 복수의 패턴들에 기초하여 회절 차수 데이터에 액세스하는 단계 -회절 차수 데이터는 복수의 패턴들에 대응하는 복수의 피크들을 포함함- ; 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계 -이는 제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 포함하고, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크임- ; 및 대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 포함한다.
일부 실시예들에서, 디자인 타겟 최적화를 수행하는 방법이 제공된다. 상기 방법은 디자인 레이아웃의 복수의 패턴들 중 중대한 패턴들의 서브세트에 대한 제 1 소스 마스크 최적화(SMO)를 수행하는 단계; 1 이상의 피처 리미터(feature limiter)에 기초하여 레이아웃 리타겟 규칙들을 최적화하는 단계; 최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계; 및 중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대한 제 2 SMO를 수행하여 최적화된 소스를 얻는 단계를 포함한다.
일부 실시예들에서, 디자인 타겟 최적화를 수행하는 시스템이 제공된다. 상기 시스템은 명령어들의 세트를 저장하는 메모리; 및 명령어들의 세트를 실행하도록 구성되는 적어도 하나의 프로세서를 포함하고, 상기 명령어들의 세트는 상기 시스템이: 디자인 레이아웃의 복수의 패턴들 중 중대한 패턴들의 서브세트에 대한 제 1 소스 마스크 최적화(SMO)를 수행하는 단계; 1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙들을 최적화하는 단계; 최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계; 및 중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대한 제 2 SMO를 수행하여 최적화된 소스를 얻는 단계를 수행하게 한다.
일부 실시예들에서, 시스템이 디자인 타겟 최적화를 수행하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적 컴퓨터 판독가능한 매체가 제공된다. 상기 방법은 디자인 레이아웃의 복수의 패턴들 중 중대한 패턴들의 서브세트에 대한 제 1 소스 마스크 최적화(SMO)를 수행하는 단계; 1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙들을 최적화하는 단계; 최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계; 및 중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대한 제 2 SMO를 수행하여 최적화된 소스를 얻는 단계를 포함한다.
본 발명의 실시예들의 다른 장점들은 삽화 및 예시의 방식으로 본 발명의 소정 실시예들을 설명하는 첨부된 도면들과 함께 취해진 다음의 설명으로부터 명백해질 것이다.
도 1은 본 발명의 실시예들에 따른, 예시적인 리소그래피 투영 장치의 다이어그램이다.
도 2는 본 발명의 실시예들에 따른, 소스 마스크 최적화(SMO) 패턴 선택을 수행하는 예시적인 시스템의 블록 다이어그램이다.
도 3은 본 발명의 실시예들에 따른, 회절 차수(DO) 맵 처리 구성요소에 포함되는 복수의 서브구성요소들을 나타낸다.
도 4a는 본 발명의 실시예들에 따른, 도 2의 시스템의 1 이상의 구성요소에 의해 처리되는 DO 맵들에서의 비-주기적 패턴들에 대응하는 예시적인 피크들을 나타낸다.
도 4b는 본 발명의 실시예들에 따른, 주기적 패턴들 및 비-주기적 패턴들에 대응하는 예시적인 피크들의 피크 중심들 및 윤곽들의 추출을 나타낸다.
도 5는 본 발명의 실시예들에 따른, DO 맵들에서의 피크들을 그룹화하는 데 사용되는 예시적인 그룹화 기준을 나타낸다.
도 6은 본 발명의 일부 실시예들에 따른, 패턴 선택의 예시적인 프로세스를 나타내는 프로세스 흐름도이다.
도 7은 본 발명의 일부 실시예들에 따른, SMO 디자인 타겟 최적화의 예시적인 프로세스를 나타내는 프로세스 흐름도이다.
도 8은 본 발명의 일부 실시예들에 따른, 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 예시적인 방법을 나타내는 프로세스 흐름도이다.
도 2는 본 발명의 실시예들에 따른, 소스 마스크 최적화(SMO) 패턴 선택을 수행하는 예시적인 시스템의 블록 다이어그램이다.
도 3은 본 발명의 실시예들에 따른, 회절 차수(DO) 맵 처리 구성요소에 포함되는 복수의 서브구성요소들을 나타낸다.
도 4a는 본 발명의 실시예들에 따른, 도 2의 시스템의 1 이상의 구성요소에 의해 처리되는 DO 맵들에서의 비-주기적 패턴들에 대응하는 예시적인 피크들을 나타낸다.
도 4b는 본 발명의 실시예들에 따른, 주기적 패턴들 및 비-주기적 패턴들에 대응하는 예시적인 피크들의 피크 중심들 및 윤곽들의 추출을 나타낸다.
도 5는 본 발명의 실시예들에 따른, DO 맵들에서의 피크들을 그룹화하는 데 사용되는 예시적인 그룹화 기준을 나타낸다.
도 6은 본 발명의 일부 실시예들에 따른, 패턴 선택의 예시적인 프로세스를 나타내는 프로세스 흐름도이다.
도 7은 본 발명의 일부 실시예들에 따른, SMO 디자인 타겟 최적화의 예시적인 프로세스를 나타내는 프로세스 흐름도이다.
도 8은 본 발명의 일부 실시예들에 따른, 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 예시적인 방법을 나타내는 프로세스 흐름도이다.
이제 예시적인 실시예들을 상세히 언급할 것이며, 그 예시들은 첨부된 도면들에서 나타낸다. 다음 설명은, 달리 나타내지 않는 한 상이한 도면들에서의 동일한 번호들이 동일하거나 유사한 요소들을 나타내는 첨부된 도면들을 참조한다. 예시적인 실시예들의 다음 기재내용에서 설명되는 구현들은 모든 구현들을 나타내지는 않는다. 대신에, 이들은 첨부된 청구항들에서 언급되는 개시된 실시예들과 관련된 실시형태들과 일치하는 장치들 및 방법들의 예시들에 불과하다. 예를 들어, 일부 실시예들이 전자 빔들을 이용하는 것과 관련하여 설명되지만, 본 발명은 그렇게 제한되지 않는다. 다른 타입들의 하전 입자 빔들이 유사하게 적용될 수 있다. 또한, 광학 이미징, 광 검출, x-선 검출 등과 같은 다른 이미징 시스템들이 사용될 수 있다.
피처들 및 트랜지스터들의 크기들이 계속해서 감소함에 따라, 기판 상에 디자인 레이아웃을 충실하게 재현하는 능력은 점점 더 어려워지고 있다. 제조 장비가 이러한 작은 피처들을 기판 상에 증착하려고 할 때 인공산물(artifact) 또는 결함을 도입할 수 있다. 이러한 미세 스케일에서 IC 레이아웃을 재현하는 물리적 어려움을 설명하기 위해, IC 제조자들은 물리적 제조 공정의 알려진 인공산물을 설명하도록 디자인을 분석하고 수정하기 위해 전산 리소그래피(computational lithography)와 같은 기술들에 의존한다. 알려진 제조 인공산물을 설명하기 위해 제조에 앞서 레이아웃, 마스크 또는 다른 리소그래피 데이터를 조정함으로써, IC 제조자들은 원래 의도된 디자인을 더 잘 재현할 수 있다.
어떤 패턴들 또는 피처들이 어떤 물리적 인공산물들을 유도할 수 있는지를 식별하기 위해, IC 제조자들은 방대한 데이터 세트들을 활용하여 정확한 예측들을 허용할 수 있다. 이는 IC 디자인들이 점점 더 복잡해짐에 따라 점점 더 복잡해지는 연산 비용이 많이 드는 기술들을 유도할 수 있다.
이러한 증가된 연산 복잡성 및 방대한 패턴 데이터 세트들의 필요성으로 인해, 복잡성을 줄일 수 있는 기술들이 중요하다. 소스 마스크 최적화(SMO)는 기술 노드들의 중대한 디자인 층들에 대해 소스 및 마스크를 최적화하는 솔루션들을 제공하기 위한 분해능 향상 기술(RET)의 한 유형이다. 일부 실시예들에서, SMO는 기판 상에 고충실도 이미지를 생성하기 위해 마스크 디자인 레이아웃 및 조명 소스가 공동-최적화되는 프로세스이다. 일반적으로, SMO는 전체 클립 세트로부터 SMO에 사용될 중대한 디자인 패턴들의 작은 세트를 지능적으로 선택함으로써 연산 비용을 낮추면서 풀 칩 패턴 커버리지를 달성하는 것을 목표로 한다. SMO는 이 선택된 패턴들에 대해서만 수행되어 최적화된 소스를 얻는다. 그 후, 최적화된 소스는 전체 칩에 대해 [예를 들어, 광 근접 보정(optical proximity correction: OPC) 및 리소그래피 제조성 체크(lithography manufacturability check: LMC)를 사용하여] 마스크를 최적화하는 데 사용되며, 결과들이 비교된다.
패턴 선택은 고급 기술 노드 프로세스 개발에서 핵심적인 역할을 한다. 일부 실시예들에서, 풀-칩 디자인을 커버하기 위해 테스트 패턴 세트가 생성되고, 테스트 패턴들은 디자인 규칙을 커버하기 위한 스루피치(thru-pitch) 주기적 패턴들 및 실제 디자인으로부터의 약한 지점들, 핫스폿(hotspot)들 및 중대한 패턴들을 포함할 수 있는 비-주기적 패턴들을 포함할 수 있다. 테스트 패턴들의 수는 많을 수 있고, 여전히 SMO에서 긴 런타임을 야기할 수 있다. 런타임을 감소시키고 개발 사이클의 속도를 높이기 위해, 패턴 선택 함수가 개발되었고, 최적화를 위한 대표 패턴들을 선택하는 데 사용되고 있다. 선택된 패턴들에 기초하여 소스가 최적화될 수 있다. 그러므로, 패턴 선택은 SMO가 우수한 소스 및 마스크 최적화, 광 근접 보정(OPC) 또는 다른 적용예들을 유도할 수 있는 견고한 패턴 커버리지를 보장하는 데 중요하다.
SMO 패턴 선택은 패턴들의 회절 차수들의 분류 및 그룹화에 기초할 수 있다. 회절 차수들의 그룹화 결과들에 기초하여, 유사한 회절 시그니처들을 갖는 패턴들이 함께 그룹화될 수 있고, 각 그룹에 대한 대표 패턴이 SMO에서 선택될 수 있다. 일부 실시예들에서, SMO 패턴 선택은 주기적 패턴들에 적용될 수 있는데, 이는 이들의 회절 차수 피크들이 이산 피크들이고, 피크 중심들 및 그 주기적 패턴들로부터의 이산 피크들 간의 그룹화 기준(예컨대, 커버리지 기준)을 정의하기가 쉽기 때문이다. 비-주기적 패턴들이 주기적 패턴들보다 큰 차원을 포함할 수 있으므로 런타임에 미치는 영향이 크므로 중대하다. 하지만, 비-주기적 패턴들에 대해, SMO 패턴 선택은 비-주기적 패턴들에 대한 회절 차수 시그니처들이 연속적인 피크들을 포함하여 피크 중심들 및 커버리지 관계를 정의하기 어렵게 만들기 때문에 문제에 직면할 수 있다. 결과로서, 비-주기적 패턴들에 대해 개선된 패턴 선택 프로세스를 갖는 것이 바람직하다.
본 발명의 실시예들은 타겟 패턴들의 더 큰 세트로부터 타겟 패턴들의 더 작은 대표 세트를 선택하는 기술들을 제공하며, 타겟 패턴들의 대표 세트는 디자인 레이아웃, 예를 들어 풀 칩 디자인의 중대한 피처들을 적절히 나타낸다. 타겟 패턴들의 더 큰 세트는 마스크의 전체 디자인 레이아웃 또는 디자인 레이아웃의 실질적으로 큰 부분을 포함할 수 있다. 본 발명의 실시예들은 특히 SMO에 적합하지만, 패턴 선택 알고리즘들은 디자인 레이아웃으로부터 더 작은 타겟 패턴 세트를 지능적으로 선택함으로써 더 큰 디자인 레이아웃이 적절하게 표현될 수 있는 여하한의 상황에 적용될 수 있다는 것을 이해한다.
도면들에서, 구성요소들의 상대적인 치수들은 명확함을 위해 과장될 수 있다. 도면들의 다음 설명 내에서, 동일하거나 유사한 참조 번호들은 동일하거나 유사한 구성요소들 또는 개체들을 지칭하며, 개별적인 실시예들에 대한 차이들만이 설명된다. 본 명세서에서 사용되는 바와 같이, 달리 구체적으로 언급되지 않는 한, "또는"이라는 용어는 실행불가능한 경우를 제외하고 모든 가능한 조합들을 포함한다. 예를 들어, 구성요소가 A 또는 B를 포함할 수 있다고 언급되는 경우, 달리 구체적으로 언급되거나 실행불가능하지 않는 한, 구성요소는 A, 또는 B, 또는 A와 B를 포함할 수 있다. 두 번째 예시로서, 구성요소가 A, B 또는 C를 포함할 수 있다고 언급되는 경우, 달리 구체적으로 언급되거나 실행불가능하지 않는 한, 구성요소는 A, 또는 B, 또는 C, 또는 A와 B, 또는 A와 C, 또는 B와 C, 또는 A와 B와 C를 포함할 수 있다.
도 1은 예시적인 리소그래피 투영 장치(100)를 나타낸다. 주요 구성요소들은 심자외선 엑시머 레이저 소스 또는 극자외선(EUV) 소스를 포함한 다른 타입의 소스일 수 있는 방사선 소스(120)(앞서 개시된 바와 같이, 리소그래피 투영 장치 자체가 방사선 소스를 가질 필요는 없음); 예를 들어, (시그마로서 표시된) 부분적 코히런스(partial coherence)를 정의하고, 소스(120)로부터의 방사선을 성형하는 광학기(140, 160a 및 160b)를 포함할 수 있는 조명 광학기; 패터닝 디바이스(180); 및 기판 평면(195) 상으로 패터닝 디바이스 패턴의 이미지를 투영하는 투과 광학기(160c)를 포함할 수 있다. 투영 광학기의 퓨필 평면에서의 조정가능한 필터 또는 어퍼처(190)가 기판 평면(195) 상에 부딪치는 빔 각도들의 범위를 제한할 수 있으며, 이때 가능한 최대 각도는 투영 광학기의 개구수 NA = n sin(Θmax)를 정의하고, 여기서 n은 투영 광학기의 최종 요소와 기판 사이의 매질의 굴절률이며, Θmax는 기판 평면(195) 상에 여전히 충돌할 수 있는 투영 광학기로부터 나오는 빔의 최대 각도이다.
리소그래피 투영 장치에서, 소스[예를 들어, 방사선 소스(120)]는 패터닝 디바이스에 조명(즉, 방사선)을 제공하고, 투영 광학기는 패터닝 디바이스를 통해 기판 상으로 조명을 지향하고 성형한다. 투영 광학기는 구성요소들(140, 160a, 160b 및 160c) 중 적어도 일부를 포함할 수 있다. 에어리얼 이미지(AI)는 기판 레벨에서의 방사선 세기 분포이다. 에어리얼 이미지로부터 레지스트 이미지를 계산하기 위해 레지스트 모델이 사용될 수 있다. 레지스트 모델은 레지스트 층의 속성들[예를 들어, 노광, 노광-후 베이크(PEB) 및 현상 시 일어나는 화학 공정들의 효과들]에만 관련된다. 리소그래피 투영 장치의 광학적 속성들(예를 들어, 조명, 패터닝 디바이스 및 투영 광학기의 속성들)이 에어리얼 이미지를 좌우하고, 광학 모델에서 정의될 수 있다. 리소그래피 투영 장치에서 사용되는 패터닝 디바이스는 바뀔 수 있기 때문에, 패터닝 디바이스의 광학적 속성들을 적어도 소스 및 투영 광학기를 포함한 리소그래피 투영 장치의 나머지의 광학적 속성들과 분리하는 것이 바람직하다. 디자인 레이아웃을 다양한 리소그래피 이미지들(예를 들어, 에어리얼 이미지, 레지스트 이미지 등)로 변환하는 데 사용되는 기술들 및 모델들, 이 기술들 및 모델들을 이용한 OPC의 적용, 및 (예를 들어, 공정 윈도우에 관한) 성능의 평가의 세부사항들은 미국 특허 출원 공개공보 US 2008-0301620호, 2007-0050749호, 2007-0031745호, 2008-0309897호, 2010-0162197호, 및 2010-0180251호에 설명되어 있으며, 이들은 각각 본 명세서에서 그 전문이 인용참조된다.
패터닝 디바이스[예를 들어, 패터닝 디바이스(180)]는 1 이상의 디자인 레이아웃을 포함할 수 있거나, 형성할 수 있다. 디자인 레이아웃은 CAD(computer-aided design) 프로그램을 사용하여 생성될 수 있으며, 이 프로세스는 흔히 EDA(electronic design automation)라고 칭해진다. 대부분의 CAD 프로그램은 기능적인 디자인 레이아웃/패터닝 디바이스를 생성하기 위해 사전설정된 디자인 규칙들의 세트를 따른다. 이러한 규칙들은 처리 및 디자인 제한들에 의해 설정된다. 예를 들어, 디자인 규칙들은 디바이스들 또는 라인들이 바람직하지 않은 방식으로 서로 상호작용하지 않을 것을 보장하기 위해, (게이트, 커패시터 등과 같은) 디바이스들 또는 상호연결 라인들 사이의 간격 공차(space tolerance)를 정의한다. 디자인 규칙 제한들 중 1 이상은 임계 치수(CD)라고 칭해질 수 있다. 디바이스의 임계 치수는 라인 또는 홀의 최소 폭, 또는 두 라인들 또는 두 홀들 간의 최소 간격으로서 정의될 수 있다. 따라서, CD는 디자인된 디바이스의 전체 크기 및 밀도를 결정한다. 물론, 디바이스 제작의 목표들 중 하나는 원래 디자인 의도를 (패터닝 디바이스를 통해) 기판 상에 충실하게 재현하는 것이다.
본 명세서에서 채택된 "마스크" 또는 "패터닝 디바이스"라는 용어는 기판의 타겟부에 생성될 패턴에 대응하여 입사하는 방사선 빔에 패터닝된 단면을 부여하는 데 사용될 수 있는 일반적인 패터닝 디바이스를 언급하는 것으로 폭넓게 해석될 수 있다; 또한, "광 밸브(light valve)"라는 용어가 이러한 맥락에서 사용될 수도 있다. 전형적인 마스크[투과형 또는 반사형; 바이너리(binary), 위상-시프팅, 하이브리드(hybrid) 등] 이외에, 다른 이러한 패터닝 디바이스의 예시들로 다음을 포함한다:
- 프로그램가능한 거울 어레이. 이러한 디바이스의 일 예시는 점탄성 제어층 및 반사 표면을 갖는 매트릭스-어드레서블 표면(matrix-addressable surface)이다. 이러한 장치의 기본 원리는, (예를 들어) 반사 표면의 어드레싱된 영역들은 입사 방사선을 회절 방사선(diffracted radiation)으로서 반사시키는 반면, 어드레싱되지 않은 영역들은 입사 방사선을 비회절 방사선으로서 반사시킨다는 것이다. 적절한 필터를 사용하면, 반사된 빔 중에서 상기 비회절 방사선을 필터링하여 회절 방사선만이 남게 할 수 있다; 이러한 방식으로, 매트릭스-어드레서블 표면의 어드레싱 패턴에 따라 빔이 패터닝되게 된다. 필요한 매트릭스 어드레싱은 적절한 전자 수단을 이용하여 수행될 수 있다.
- 프로그램가능한 LCD 어레이. 이러한 구성의 일 예시는 미국 특허 제 5,229,872호에서 주어지며, 이는 본 명세서에서 인용참조된다.
리소그래피 공정을 이해하는 한 측면은 방사선과 패터닝 디바이스의 상호작용을 이해하는 것이다. 방사선이 패터닝 디바이스를 통과한 후의 방사선의 전자기장은, 방사선이 패터닝 디바이스에 도달하기 전의 방사선의 전자기장 및 상호작용을 특성화하는 함수로부터 결정될 수 있다. 이 함수는 마스크 투과 함수(이는 투과 패터닝 디바이스 및/또는 반사 패터닝 디바이스에 의한 상호작용을 설명하는 데 사용될 수 있음)라고 칭해질 수 있다.
패터닝 공정의 변수들은 "처리 변수들"로 불린다. 패터닝 공정은 리소그래피 장치에서의 패턴의 실제 전사에 대해 상류 및 하류의 공정들을 포함할 수 있다. 제 1 카테고리는 리소그래피 장치 또는 리소그래피 공정에서 사용되는 여하한의 다른 장치들의 변수들일 수 있다. 이 카테고리의 예시들은 리소그래피 장치의 조명, 투영 시스템, 기판 스테이지 등의 변수들을 포함한다. 제 2 카테고리는 패터닝 공정에서 수행되는 1 이상의 절차의 변수들일 수 있다. 이 카테고리의 예시들은 포커스 제어 또는 포커스 측정, 도즈 제어 또는 도즈 측정, 대역폭, 노광 기간, 현상 온도, 현상에 사용되는 화학적 조성 등을 포함한다. 제 3 카테고리는 디자인 레이아웃 및 패터닝 디바이스에서의, 또는 패터닝 디바이스를 사용한 그 구현의 변수들일 수 있다. 이 카테고리의 예시들은 어시스트 피처의 형상 및/또는 위치, 분해능 향상 기술(RET)에 의해 적용되는 조정, 마스크 피처의 CD 등을 포함할 수 있다. 제 4 카테고리는 기판의 변수들일 수 있다. 예시들은 레지스트 층 아래의 구조체의 특성, 레지스트 층의 화학적 조성 및/또는 물리적 치수 등을 포함한다. 제 5 카테고리는 패터닝 공정의 1 이상의 변수의 시간적 변동의 특성들일 수 있다. 이 카테고리의 예시들은 고주파수 스테이지 이동(예를 들어, 주파수, 진폭 등), 고주파수 레이저 대역폭 변화(예를 들어, 주파수, 진폭 등) 및/또는 고주파수 레이저 파장 변화의 특성을 포함한다. 이 고주파수 변화들 또는 이동들은 기본 변수(예를 들어, 스테이지 위치, 레이저 세기)를 조정하기 위한 메카니즘의 응답 시간을 넘는 것들이다. 제 6 카테고리는 스핀 코팅, 노광-후 베이크(PEB), 현상, 에칭, 증착, 도핑 및/또는 패키징과 같은 리소그래피 장치에서의 패턴 전사의 상류 또는 하류에 있는 공정들의 특성들일 수 있다.
이해하는 바와 같이, 이러한 변수들 모두가 아니더라도 많은 변수들이 패터닝 공정의 파라미터 및 흔히 관심 파라미터에 영향을 미칠 것이다. 패터닝 공정의 파라미터들의 비-제한적인 예시들은 임계 치수(CD), 임계 치수 균일성(CDU), 포커스, 오버레이, 에지 위치 또는 배치, 측벽 각도, 패턴 시프트 등을 포함할 수 있다. 흔히, 이 파라미터들은 공칭 값(예를 들어, 디자인 값, 평균 값 등)으로부터의 오차를 표현한다. 파라미터 값들은 개별 패턴들의 특성의 값들 또는 패턴들의 그룹의 특성의 통계량(예를 들어, 평균, 분산 등)일 수 있다.
처리 변수들 중 일부 또는 전부의 값들, 또는 그와 관련된 파라미터가 적절한 방법에 의해 결정될 수 있다. 예를 들어, 값들은 다양한 메트롤로지 툴들(예를 들어, 기판 메트롤로지 툴)로 얻어진 데이터로부터 결정될 수 있다. 값들은 패터닝 공정에서의 장치의 다양한 센서들 또는 시스템들[예를 들어, 리소그래피 장치의 레벨링 센서 또는 정렬 센서와 같은 센서, 리소그래피 장치의 제어 시스템(예를 들어, 기판 또는 패터닝 디바이스 테이블 제어 시스템), 트랙 툴에서의 센서 등]로부터 얻어질 수 있다. 값들은 패터닝 공정의 조작자로부터 나올 수 있다.
도 2는 본 발명의 실시예들과 일치하는 SMO 패턴 선택을 수행하기 위한 예시적인 시스템(200)의 블록 다이어그램이다. 일부 실시예들에서, 시스템(200)은 회절 차수(DO) 맵 생성 구성요소(210), DO 맵 처리 구성요소(220), DO 그룹화 구성요소(230), 패턴 선택 구성요소(240) 및 SMO 디자인 타겟 최적화 구성요소(250)를 포함한다. 일부 실시예들에서, 리소그래피 공정이 최적화될 디자인 레이아웃(예를 들어, OASIS, GDSII 등과 같은 표준 디지털 포맷의 레이아웃을 포함함)은 메모리, 테스트 패턴들 및 로직을 포함할 수 있다. 이 디자인 레이아웃으로부터, 타겟 패턴(클립)들의 더 큰 초기 세트가 식별된다. 일부 실시예들에서, 전체 클립 세트가 추출되고, 이는 디자인 레이아웃 내의 모든 복잡한 패턴들을 나타낸다(예를 들어, 약 50 내지 1000 개의 클립들 또는 여하한의 적절한 수의 클립들). DO 맵은 다양한 타입들 또는 포맷들의 DO 데이터 또는 DO 정보의 비-제한적인 예시로서 개시되는 것으로 이해되어야 한다. DO 정보/데이터는 맵 또는 표 등과 같이, 본 발명의 범위를 벗어나지 않고 여하한의 적절한 포맷 또는 표현으로 이루어질 수 있다.
일부 실시예들에서, 초기의 더 큰 클립 세트는 이미지 최적화를 위한 디자인 레이아웃 내의 알려진 중대한 피처 영역들에 기초하여 선험적으로 제공될 수 있다. 일부 실시예들에서, 초기의 더 큰 클립 세트는 중대한 피처 영역들을 식별하는 자동[예를 들어, 머신 비전(machine vision)] 또는 수동 알고리즘을 사용하여 전체 디자인 레이아웃으로부터 추출될 수 있다. 일부 실시예들에서, 더 큰 패턴 세트는 게이트 또는 로직 패턴들과 같은 상이한 패턴 타입들을 포함하거나, 다양한 방위(orientation)들을 갖는 패턴들을 포함할 수 있다. 일부 실시예들에서, 더 큰 패턴 세트는 1-D 패턴들 또는 2-D 패턴들을 포함할 수 있다. 일부 실시예들에서, 더 큰 패턴 세트는 주기적 패턴들, 비-주기적 패턴들, 또는 iso-형 패턴들을 포함하며, 이는 라인-공간, 라인-엔드, 접촉 피처들, 각진 피처들, 또는 여하한 타입의 피처들을 포함하고 이에 제한되지는 않는다.
일부 실시예들에서, 더 큰 패턴 세트는 소정 레벨의 복잡성을 포함하는 패턴들, 또는 리소그래피 처리 동안 특정 주의 또는 검증을 필요로 하는 패턴들을 포함할 수 있다. 예를 들어, 패턴들은 1D 스루 피치(through pitch), 스태거드(staggered) 스루 피치, 일반적으로 사용되는 디자인 구조 또는 프리미티브(primitive)(예를 들어, 팔꿈치 형상, T 형상, H 형상), 메모리 셀(예를 들어, 벽돌 벽)들과 같은 반복적으로 사용되는 레이아웃 구조체, 메모리 주변 구조체(예를 들어, 메모리 셀들에 대한 후크), 또는 이전 세대로부터 알려진 이미징 문제들을 갖는 패턴들과 같이, 디자인 규칙들에 부합하는 테스트 구조체들을 포함할 수 있다. 일부 실시예들에서, 더 큰 패턴 세트는 미리 정의된 공정 윈도우 성능을 갖는 패턴들 또는 공정 파라미터 변동들에 대한 민감도를 포함하는 패턴들을 포함할 수 있다.
일부 실시예들에서, 패턴들 또는 클립들의 작은 서브세트(예컨대, 15 내지 50 개의 클립들, 또는 여하한의 다른 적절한 수)가 초기의 더 큰 클립 세트로부터 선택된다. 아래에서 설명되는 바와 같이, 패턴들 또는 클립들의 서브세트의 선택은 선택된 패턴들의 공정 윈도우가 중대한 패턴들의 더 큰 세트에 대한 공정 윈도우에 가깝게 매칭하도록 수행된다. 선택의 유효성은 조합된 패턴 선택 및 후속한 SMO 프로세스의 총 소요 시간 또는 실행 시간 감소에 의해 측정될 수 있다.
본 발명은 DO 맵을 생성하는 여하한의 특정 방법, 프로세스, 구현 또는 알고리즘에 제한되지 않는다. 일부 실시예들에서, DO 맵 생성 구성요소(210)는 초기의 더 큰 클립 세트에 대한 DO 맵들을 생성하며, 여기서 각각의 DO 맵은 초기의 더 큰 클립 세트의 클립에 포함된 디자인 패턴에 대응한다. 일부 실시예들에서, 클립들은 고객에 의해 테스트 패턴들로 제공될 수 있다. 일부 실시예들에서, 클립들은 디자인 레이아웃으로부터 추출될 수 있다. 일부 실시예들에서, DO 맵 생성 구성요소(210)는 주파수 도메인에서의 타겟 다각형들에 기초하여 이미지들을 렌더링하기 위해 푸리에 변환 이론, 예를 들어 1-D 또는 2-D 푸리에 변환에 기초하여 SMO로부터 DO 맵을 생성한다. 일부 실시예들에서, 푸리에 변환의 중심대칭 특성 |F(ωx,ωy)|=|F(-ωx,-ωy)|로 인해, DO 피크들은 중심대칭이다. 일부 실시예들에서, DO 이미지의 크기는 201×201 픽셀 또는 다른 적절한 크기들이다. 일부 실시예들에서, 어레이 패턴들에 대해, DO 맵은 주파수 공간에서 이산 피크들을 포함할 수 있다. 일부 실시예들에서, 비-어레이 패턴들(예컨대, 본 명세서에 개시된 2D 비-주기적 패턴들)에 대해, DO 맵들은 주파수 도메인에서 이산 또는 연속 피크들을 포함한다.
일부 실시예들에서, DO 맵 처리 구성요소(220)는 1 이상의 이미지 처리 단계를 통해 생성된 DO 맵들을 처리한다. 도 3은 본 발명의 실시예들과 일치하는 DO 맵 처리 구성요소(220)에 포함되는 복수의 서브구성요소들을 나타내며, 이는 정규화 및 그레이스케일 서브구성요소(310), 이진화 서브구성요소(320), 및 피크 중심들 및 윤곽들 추출 서브구성요소(330)를 포함하고 이에 제한되지는 않는다.
일부 실시예들에서, 정규화 및 그레이스케일 서브구성요소(310)는 DO 맵들을 정규화한다. 예를 들어, 정규화 및 그레이스케일 서브구성요소(310)는 피크의 최대 세기 및 최소 세기에 기초하여 DO 맵을 정규화하고, 예를 들어 0 내지 255의 그레이스케일에 기초하여 DO 맵을 그레이스케일 맵으로 변환한다. 일부 실시예들에서, 각각의 DO 맵의 0차는 제거된다.
일부 실시예들에서, 이진화 서브구성요소(320)는 그레이스케일 맵에 대한 이진화를 수행한다. 피크들의 DO 진폭들 또는 세기들이 상이한 클립들에서 달라질 수 있기 때문에, 본 명세서에 개시된 정규화 및 이진화는 (예를 들어, 도 4a에 나타낸 바와 같은) 2D 비-주기적 패턴들에 대응하는 연속 피크들의 윤곽과 같은 피크 윤곽을 향상시켜, 대응하는 DO 맵들에서 피크들의 완전한 윤곽을 추출할 수 있다. 일부 실시예들에서, 일반적인 최소 임계치(예를 들어, GminThresh), 예를 들어 20, 40, 60 또는 다른 적절한 값이 모든 이미지들에 적용되어 잡음들일 수 있는 약한 신호들(예를 들어, GminThresh 이하의 값들을 갖는 피크들)을 필터링한다. 다음으로, 가장 약한 피크가 추출될 수 있을 것을 보장하기 위해 클립의 가장 약한 피크의 세기에 대응하는 클립 특정적(clip specific) 최소 임계치(예를 들어, CminThresh)가 적용된다. 일부 실시예들에서, 1 이상의 임계치는 그레이스케일 레벨(예를 들어, 0 내지 255)에 대응하며, 튜닝될 수 있다. 일부 실시예들에서, 이진화 서브구성요소(320)는 여하한의 적절한 이진 함수, 예를 들어 시그모이드(sigmoid) 등을 사용하여 그레이스케일 맵을 이진화할 수 있다.
일부 실시예들에서, 추출 서브구성요소(330)는 예시적인 2D 비-주기적 패턴들(예를 들어, 도 4a 및 도 4b)에 대한 연속 피크들에서 나타낸 바와 같이, 이진화 후 클립에서의 DO 맵으로부터 피크 중심들 및 피크 윤곽들을 추출한다. 일부 실시예들에서, 어레이 패턴들 또는 주기적 패턴들의 DO 피크들은 이산 피크들인 반면, 비-어레이 패턴들 또는 비-주기적 패턴들의 DO 피크들은 연속 피크들을 포함한다. 일부 실시예들에서, 여하한의 특정 방향(들)에 제한되지 않고(예컨대, x 또는 y 방향, 4 방향 또는 8 방향에 제한되지 않음) 여하한 방향에서의 윤곽들의 분포가 고려된다. 이러한 것으로서, 원시 피크 윤곽은 모든 방향들에서 고려될 수 있다. 일부 실시예들에서, 실제(예컨대, 정밀한) 피크 윤곽이 근사 없이 본 명세서에 개시된 바와 같은 1 이상의 프로세스에서 사용될 수 있다. 또한, 고조파 DO 피크들을 포함한 모든 DO 피크들이 본 발명에서 추출된다. 결과로서, 피크 커버리지를 결정하는 정확성이 개선될 수 있다.
도 4a는 본 발명의 실시예들과 일치하는, 도 2의 시스템(200)의 1 이상의 구성요소 또는 도 3의 서브구성요소들에 의해 처리된 DO 맵들의 비-주기적 패턴들에 대응하는 예시적인 피크들을 나타낸다. 도 4b는 본 발명의 실시예들과 일치하는, 주기적 패턴들 및 비-주기적 패턴들에 대응하는 예시적인 피크들의 피크 중심들 및 윤곽들의 추출을 나타낸다. 일부 실시예들에서, 도 4b에 나타낸 바와 같이, 추출 서브구성요소(330)는 유사한 세기를 갖는 인접한 픽셀들이 피크 윤곽 내에 포함되게 하도록 이미지 처리를 수행한다. 일부 실시예들에서, 이진화된 이미지에서의 픽셀들은 0 또는 1의 세기 값들을 가지며, 추출 서브구성요소(330)는 피크 윤곽에 1의 세기 값을 갖는 픽셀들을 포함하도록 이진화된 이미지를 처리한다. 피크 중심은 도 4b에 나타낸 바와 같이 피크 윤곽의 경계 영역으로부터 추출될 수 있다. 일부 실시예들에서, 0차는 DO 맵들에서 일반적이기 때문에 제거되고, 푸리에 변환의 중심대칭 특성을 고려하여 (예를 들어, 회전 대칭에 의해) 피크들의 절반이 추출된다. 일부 실시예들에서, 소정 픽셀 수보다 큰 크기를 갖는 피크 윤곽들은 연속 피크들로서 분류된다. 윤곽 영역의 크기 제한은 조정될 수 있으며, 예를 들어 이는 3 개의 픽셀들로 설정될 수 있다. 일부 실시예들에서, 더 작은 윤곽 영역을 갖는 다른 피크들은 이산 피크들로서 분류된다.
도 2를 참조하면, 일부 실시예들에서, 시스템(200)은 앞서 개시된 바와 같이 추출 서브구성요소(330)에 의해 추출 및 분류된 피크들을 그룹화하기 위한 DO 그룹화 구성요소(230)를 더 포함한다. 일부 실시예들에서, 그룹화 프로세스 동안, 피크들은 1 이상의 그룹화 기준(예를 들어, 하나의 피크가 또 다른 피크를 커버할 수 있는지 여부를 결정하기 위해 사용되는 커버리지 기준)을 적용함으로써 그룹화된다. 그룹화 기준에 따라 서로를 커버하는 피크들은 동일한 그룹에 배치되도록 충분히 유사한 것으로 간주될 수 있다. 일부 실시예들에서, 피크들 사이의 커버리지 관계를 얻기 위해, 복수의 그룹화 기준들(예컨대, 커버리지 기준), 예를 들어 아래에서 개시되는 바와 같은 3 개의 기준들이 피크들에 동시에, 순차적으로 또는 여하한의 적절한 조합으로 적용될 수 있다. 예를 들어, 추출된 피크들은 비교를 위해 다수의 피크 쌍 또는 여하한의 다른 적절한 수의 세트들로 나누어진다. 다수 그룹화 기준들은 각 피크 쌍에 적용되어, 각각의 피크 쌍에 대해 하나의 피크가 동일한 쌍의 다른 피크에 의해 커버될 수 있는지 여부를 결정하여 두 피크들을 동일한 그룹 내에 배치할 수 있다. 추출된 모든 패턴들은 아래에서 개시되는 바와 같이 그룹화 기준들을 사용하여 평가될 수 있다. 그룹화 프로세스 후, 각각의 그룹으로부터 하나의 대표 패턴이 선택되어 검사 또는 최적화에 사용되는 패턴들의 수를 감소시키고 SMO 생산성을 개선할 수 있다.
도 5는 본 발명의 실시예들과 일치하는, DO 맵들에서 피크들을 그룹화하는 데 사용되는 예시적인 그룹화 기준들을 나타낸다. 일부 실시예들에서, 제 1 기준 하에, 한 쌍의 이산 피크들 또는 이산 피크와 연속 피크 쌍에 대해, 두 피크들(P1 및 Pi)의 피크 중심들 사이의 거리 D(P1,Pi)가 사전설정된 공차 임계치(Rblur)에 비교될 수 있다. 예를 들어, 도 5의 기준 1을 적용한 예시들로서 나타낸 바와 같이, D(P1,Pi) ≤ Rblur, (i = 2, 3, 4 등)일 때, 두 피크들(P1 및 Pi) 사이에 커버리지 관계가 있는 것으로 결정된다(예를 들어, 두 피크들 중 하나가 다른 피크에 의해 커버될 수 있음). D(P1,Pi) > Rblur인 경우, 두 피크들(P1 및 Pi) 사이에 커버리지 관계가 없는 것으로 결정된다. 예를 들어, 도 5에 나타낸 바와 같이, 이산 피크(피크 1)와 연속 피크(피크 2) 사이의 거리 D(P1,P2), 및 이산 피크(피크 1)와 이산 피크(피크 3) 사이의 거리 D(P1,P3)는 각각 공차 임계치(Rblur)보다 짧다. 즉, 피크 2 및 피크 3의 피크 중심들은 피크 1의 피크 중심을 중심으로 하고 공차 임계치(Rblur)의 반경을 갖는 원 안에 포함된다. 결과로서, 피크 1이 피크 2 및 피크 3을 각각 커버할 수 있는 것으로 결정된다. 반면에, 이산 피크(피크 1)와 이산 피크(피크 4) 사이의 거리 D(P1,P4)는 공차 임계치(Rblur)보다 크다. 따라서, 피크 1은 피크 4를 커버할 수 없다. 일부 실시예들에서, 연속 피크가 이산 피크를 커버할 수 없는 제 1 기준에 대한 제한이 고려되는데, 이는 이산 피크들이 일반적으로 연속 피크들보다 큰 세기를 갖기 때문이다. 반면에, 이산 피크는 연속 피크 또는 또 다른 이산 피크를 커버할 수 있다.
일부 실시예들에서, Rblur는 SMO의 소스 렌더링 효과에 기초하여 설정된다. 예를 들어, Rblur는 3 개의 DO 맵 픽셀들로서 설정될 수 있다(예를 들어, 201 x 201 픽셀 DO 맵에 대해, 3 픽셀 = 0.03 시그마). 중심 거리가 Rblur, 예를 들어 3 픽셀보다 작은 한 쌍의 피크들은 서로를 커버하는 것으로 간주되며, 동일한 그룹 내에 배치될 수 있다. Rblur는 사용자에 의해 사전설정되거나 설정될 수 있다. 일부 실시예들에서, Rblur는 스캐너 툴의 일루미네이터에 의존하는 파라미터이다. 예를 들어, Rblur는 SMO 퓨필 맵에 정의된 픽셀 단위의 절반과 같은, 일루미네이터에 의해 정의되는 분해능의 한계와 관련될 수 있다. Rblur보다 서로 더 가까운 피크들은 SMO 퓨필 맵에서 구별되지 않을 수 있으므로, 동일한 그룹에서 서로를 커버하는 것으로 간주될 수 있다.
일부 실시예들에서, 제 2 기준 하에, 한 쌍의 이산 피크들에 대해, 두 피크들이 공선형이고 한 주파수가 다른 주파수의 정수배인 경우(예를 들어, 고조파 피크들에 대해), 예를 들어 인 경우, 더 큰 주파수를 갖는 피크는 더 작은 주파수를 갖는 다른 피크를 커버하며, 예를 들어 도 5의 기준 2의 적용예로서 나타낸 바와 같이 P1은 P2를 커버한다. 일부 실시예들에서, 제 2 기준은 고립된 피처들의 공정 윈도우를 향상시키기 위한 보조 바아(assistant bar)들과 같은 분해능-이하 어시스트 피처(sub-resolution assistant feature: SRAF)들이 추가된 패턴에 적용될 수 있으며, 여기서 SRAF를 갖는 패턴은 SRAF를 추가하지 않은 패턴에 의해 커버되는 것으로 간주된다. 이는 더 낮은 DO 주파수가 더 큰 피치를 갖고, 광 근접 보정(OPC) 후에 생성된 SRAF가 DO 주파수를 다수 정수배로 증가(예를 들어, 더 작은 피치를 가짐)시킬 수 있기 때문이다. 일부 실시예들에서, 제 2 기준은 서로 공선형으로 놓이는 피크들에 적용될 수 있으며, 제한 없이 여하한의 방향에서 피크들에 적용될 수 있다. 즉, x 또는 y 방향, 4 방향(예를 들어, 직교) 또는 8 방향과 같은 소정 방향들에만 놓이는 피크들에 제한되는 대신에, 본 명세서에 개시된 방법은 임의 방향 또는 무제한 방향과 같은 여하한의 방향에서 위치되는 피크들에 적용될 수 있다. 이러한 것으로서, 본 발명은 여하한의 방위를 갖는 패턴들에 적용될 수 있다.
일부 실시예들에서, 제 3 기준 하에, 한 쌍의 연속 피크들에 대해, 하나의 피크(예를 들어, 도 5의 피크 2 또는 피크 3)의 중심이 각 쌍의 다른 피크(예를 들어, 피크 1)의 윤곽 내에 포함되는지 여부가 결정된다. 일부 실시예들에서, 원시 피크 윤곽은 모든 방향들에서 고려될 수 있으며, 실제(예를 들어, 정밀한) 피크 윤곽이 근사 없이 사용될 수 있다. 한 지점이 다각형 내부에 위치되는지를 결정하는 판단 원리와 같은 적절한 이미지 처리 방법이 사용될 수 있다. 예를 들어, 한 지점이 다각형 내부에 속하는지를 결정하기 위한 도 5의 "다각형 내부 지점 판단 원리" 다이어그램의 예시에 나타낸 바와 같이, 지점으로부터 여하한의 방향으로 광선이 그려진다. 지점-교차-다각형 에지 수가 홀수인 경우(예를 들어, 도 5의 3), 지점은 내부에 있다. 수가 짝수인 경우(예를 들어, 도 5의 4), 지점은 외부에 있다. 일부 실시예들에서, 제 3 기준은 제한 없이 여하한의 방향, 예를 들어 무제한 방향 또는 임의 방향에서 피크들에 적용될 수 있다.
도 5의 제 3 기준 및 판단 원리를 적용한 예시들로서 나타낸 바와 같이, 피크 중심이 (예를 들어, 일 예시로서 다각형 윤곽을 사용하여) 피크 윤곽 내부에 속하는지 여부를 결정할 때, 광선은 피크 2 또는 피크 3의 피크 중심으로부터 여하한의 방향으로(예를 들어, 제한 없이 여하한의 방향을 따라) 그려질 수 있다. 피크 1의 다각형 윤곽과 광선이 교차하는 횟수가 계산된다. 광선이 피크 1의 다각형 윤곽의 1 이상의 에지와 교차하는 횟수가 홀수(예를 들어, 1 회)인 경우, 피크 2의 피크 중심은 피크 1의 피크 윤곽 내부에 있는 것으로 결정되고, 피크 1이 피크 2를 커버한다. 이 수가 짝수(예를 들어, 2 회)인 경우, 피크 3의 피크 중심은 피크 1의 피크 윤곽 외부에 있는 것으로 결정되고, 피크 1이 피크 3을 커버하지 않는다.
도 2를 참조하면, 일부 실시예들에서, 시스템(200)은 중대한 대표 피크들에 기초하여 중대한 패턴들을 선택하기 위한 패턴 선택 구성요소(240)를 더 포함한다. 도 6은 본 발명의 일부 실시예들에 따른 패턴 선택의 예시적인 프로세스(600)를 나타내는 프로세스 흐름도이다. 일부 실시예들에서, 1 이상의 단계는 도 2의 패턴 선택 구성요소(240)의 1 이상의 구성요소에 의해 수행된다.
단계 610에서, 각 피크들에 대한 그룹들이 형성될 수 있으며, 각각의 피크는 대응하는 그룹의 대표 피크로서 처리된다. 그 후, 각각의 그룹에 대해, 예를 들어 도 5의 3 개의 커버리지 기준들에 따른 커버리지 기준들이 적용되어, 각 대표 피크에 의해 커버되는 다른 피크들이 (대표 피크와 연계되는) 동일한 그룹으로 배치될 수 있도록 할 수 있다. 따라서, 대표 피크에 의해 커버되는 모든 피크들은 대응하는 그룹에 배치될 것이다. 단계 620에서, 기존의 모든 그룹들 중 가장 큰 그룹(예를 들어, 가장 많은 수의 피크들을 가짐)이 식별될 수 있으며, 중대한 대표 피크가 선택될 수 있다. 단계 630에서, 다수 그룹들에서 커버되는 중복 피크들이 병합될 수 있다. 일부 실시예들에서, 단계 610의 그룹화 프로세스 후, 중복 피크들로서 상이한 그룹들로 그룹화될 수 있는 피크들이 존재한다. 일부 실시예들에서, 패턴 선택은 모든 회절 차수(DO) 시그니처들 또는 가능한 한 많은 DO 시그니처들(예를 들어, 모든 피크들 또는 가능한 한 많은 피크들)을 커버할 수 있는 가장 적은 수의 패턴들을 선택하도록 수행될 수 있다. 따라서, 프로세스는 (예를 들어, 가장 많은 수의 피크들을 갖는) 가장 큰 그룹으로부터 시작하여 다른 그룹들에 포함된 중복 피크들을 제거할 수 있다. 예를 들어, 대응하는 후보 그룹의 대표 피크가 가장 큰 그룹에 포함된 피크에 의해 커버되는 바와 같이, 다른 피크(들)에 의해 커버된 경우이다. 그 후, 이 후보 그룹의 모든 피크들이 이 가장 큰 그룹에 추가될 수 있으며, 이 후보 그룹은 완전히 제거될 수 있다. 또한, 소정 그룹 내의 중복 피크들도 병합될 수 있다. 다음으로, 단계 640에서, 모든 피크들이 다른 그룹들로부터 제거되었는지 여부가 결정된다(예를 들어, 어느 다른 그룹이 제거 후 피크들을 포함하는가?). 제거되지 않은 피크들이 있는 경우("NO"), 프로세스(600)는 단계 620으로 진행하여 다음으로 큰 그룹을 식별하고, 단계들 620, 630 및 640을 반복한다. 모든 피크들이 제거된 경우("YES"), 프로세스(600)는 중대한 대표 피크들에 대응하는(예를 들어, 이를 생성하는) 중대한 패턴들이 선택되는 단계 650으로 진행한다. 패턴 선택 동안, 중대한 대표 피크들은 대부분의 다른 피크들을 커버하는 피크들, 또는 고유하고 여하한의 다른 피크들에 의해 커버되지 않는 피크들을 포함할 수 있다. 패턴 선택 후, 앞선 중대한 대표 피크들에 대응하는 패턴들이 중대한 패턴들로서 선택된다.
도 7은 본 발명의 일부 실시예들에 따른 SMO 디자인 타겟 최적화의 예시적인 프로세스(700)를 나타내는 프로세스 흐름도이다. 일부 실시예들에서, 1 이상의 단계는 도 2의 SMO 디자인 타겟 최적화 구성요소(250)에 의해 수행된다.
일부 실시예들에서, 단계 702 및 단계 704는 본 명세서에 개시된 바와 같은 DO 맵 생성 구성요소(210), DO 맵 처리 구성요소(220), DO 그룹화 구성요소(230) 또는 패턴 선택 구성요소(240)와 같은 시스템(200)의 1 이상의 구성요소에 의해 수행되는 프로세스들과 실질적으로 유사하다. 예를 들어, 단계 702에서, 프로세스(700)의 최적화를 위해 원래 디자인 규칙들을 갖는 클립들의 세트, 예를 들어 1000 개가 넘는 클립들이 얻어진다. 단계 704에서, 중대한 대표 피크들을 포함하는 중대한 패턴들의 서브세트가 본 명세서에 개시된 바와 같이 클립들의 세트로부터 지능적으로 선택될 수 있다. 단계 706에서, (예를 들어, 도 6의 단계 650에서 얻어지는) 선택된 중대한 패턴들, 예를 들어 1000 개보다 많은 클립들의 세트로부터 선택된 SRAM 피처들을 포함한 20 내지 50 개의 중대한 클립들이 SMO로 수행될 수 있다. 일부 실시예들에서, 소스 및 마스크가 최적화 동안 단계 706에서 변수들로서 처리되어, 최적화된 소스 및 최적화된 마스크 디자인들을 얻는다.
단계 708에서, 마스크 최적화(MO) 검증이 수행될 수 있다. 선택된 중대한 클립들에 기초한 성능[예를 들어, 공정 윈도우, 초점 심도(DOF)]이 1000 개보다 많은 클립들의 원래 세트에 기초한 성능과 실질적으로 유사함(또는 크게 열등하지 않음)이 검증된다. 또한, 성능 개선을 제한하는, 기존 디자인 규칙들 하의 에지 배치 오차(EPE), 패턴 배치 오차(PPE), CD 또는 피치를 포함 -이에 제한되지는 않음- 하는 1 이상의 피처에 대응하는 1 이상의 리미터가 식별될 수 있다. 일부 실시예들에서, MO는 광 근접 보정(OPC) 및 분해능-이하 어시스트 피처(SRAF) 기술을 포함하고, 모든 패턴들에 대해 수행되어 공정 윈도우, MEEF(mask error enhancement factor) 및 마스크 복잡성을 얻는다.
단계 710에서, 레이아웃 리타겟 규칙들이 리소그래피 이미지 성능을 향상시키기 위해 식별된 리미터들에 대해 최적화될 수 있다. 예를 들어, SRAM 피처들에 대해, 단계 708에서 식별된 에지 배치 오차(EPE), 패턴 배치 오차(PPE), CD 또는 피치와 같은 상이한 리미터들에 변수들이 할당될 수 있으며, 이 변수들은 공정 윈도우에 기초하여 개선된 성능을 얻기 위해 조합하여 최적화될 수 있다. 리미터들의 최적화된 변수들은 새로운 최적화된 레이아웃 리타겟 규칙들에 대응한다. 일부 실시예들에서, 단계 710에서 얻어진 최적화된 레이아웃 리타겟 규칙들은 단계 708에서 원래 디자인 타겟들, 예를 들어 모든 클립들에 적용되어, 단계 710에서 새로운 클립 세트를 생성할 수 있다.
단계 712에서, 중대한 대표 클립들이 선택될 수 있고, 선택된 중대한 패턴들 및 새로운 클립 세트[예를 들어, 새로운 최적화된 레이아웃 리타겟 규칙들에 기초하여 단계 710에서 얻어진 디자인 타겟 최적화(DTO) 클립들]에 대해 또 다른 SMO 프로세스가 수행되어 최적화된 소스를 얻을 수 있다. 단계 712의 일부 실시예들에서, 소스(예를 들어, 조명 소스), 마스크(예를 들어, 마스크 디자인 레이아웃) 및 타겟(예를 들어, 레이아웃 리타겟 규칙들)이 공동-최적화될 수 있다. 단계 714에서, 단계 712에서 최적화된 타겟에 기초하여 중대한 클립들에 대한 소스 및 마스크가 최적화될 수 있다. 단계 716에서, 단계 714에서 최적화된 소스는 나머지 로직 클립들에서 DTO를 수행하기 위해, 예를 들어 마스크 및 타겟을 최적화하기 위해 사용될 수 있다. 단계 718에서, DTO 이후에도 여전히 핫스폿들이 있는지 여부가 결정된다. 예를 들어, 디자인 레이아웃 상의 복수의 패턴들에서 1 이상의 핫스폿이 식별될 수 있는지 여부가 결정된다. 더 이상 핫스폿이 없는 경우(예를 들어, "NO"), 단계 720에서 새로운 레이아웃 리타겟 규칙들을 갖는 디자인 타겟들이 사용되어 모든 로직 클립들을 최적화(예를 들어, 풀 칩 최적화)할 수 있다. 여전히 핫스폿들이 있는 경우(예를 들어, "YES"), 프로세스(700)는 DO 맵들에 기초하여 패턴 선택을 수행하기 위해 단계 704로 진행한다. 본 명세서에 개시된 단계들 704 내지 718은 단계 718에서 사전설정된 임계치 개수 이하의 핫스폿들이 식별될 수 있을 때까지 더 반복된다. 일부 실시예들에서, 새로운 레이아웃 리타겟 규칙들에 기초한 풀 칩 최적화 후, 이전 성능에 대한 성능, 예를 들어 공정 윈도우, DOF의 개선이 입증될 수 있다.
도 8은 본 발명의 일부 실시예들에 따른 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 예시적인 방법(800)을 나타내는 프로세스 흐름도이다. 일부 실시예들에서, 1 이상의 단계는 도 2의 시스템(200)의 1 이상의 구성요소, 도 3의 시스템(300)의 1 이상의 구성요소에 의해 수행된다.
단계 810에서, 복수의 회절 차수 맵들 또는 여하한의 다른 적절한 포맷 또는 표현과 같은 회절 차수 데이터가 액세스될 수 있다. 일부 실시예들에서, 회절 차수 데이터는 웨이퍼의 적어도 일부 상에 형성될 피처들을 나타내는 복수의 패턴들에 기초하여 얻어진다. 회절 차수 데이터 또는 정보는 본 발명의 범위를 벗어나지 않고 여하한의 적절한 방식, 알고리즘, 방법 등으로 생성될 수 있다. 회절 차수 데이터 또는 정보는 본 명세서에 개시된 바와 같은 시스템과 독립적인 별도의 모듈 또는 소프트웨어 제품에 의해 제공될 수 있다. 또한, 회절 차수 데이터 또는 정보는 본 명세서에 개시된 바와 같은 시스템의 구성요소 또는 모듈에 의해 생성될 수 있다. 일부 실시예들에서, 복수의 회절 차수 맵들은 복수의 패턴들에 대응하는 복수의 피크들을 포함한다. 일부 실시예들에서, 도 4a에 나타낸 바와 같이, DO 맵 생성 구성요소(210)가 복수의 패턴들에 대해 푸리에 변환을 수행하여 주파수 도메인에서의 복수의 DO 맵들을 각각 생성할 수 있다. 일부 실시예들에서, 복수의 패턴들은 주기적 패턴들 또는 비-주기적 패턴들을 포함한다. 일부 실시예들에서, 복수의 DO 맵들은 복수의 피크들을 식별하도록 처리된다. 예를 들어, 도 3, 도 4a 및 도 4b에 나타낸 바와 같이, 정규화 및 그레이스케일 서브구성요소(310)가 DO 맵들을 정규화하고 이에 그레이스케일 값들을 할당한다. 이진화 서브구성요소(320)는 DO 맵들을 이진화하여 이미지들의 윤곽들을 선명하게 할 수 있다. 추출 서브구성요소(330)는 도 4a 및 도 4b에 나타낸 바와 같이 피크 중심들 및 피크 윤곽들을 추출할 수 있다. 피크들은 이산 피크들 및 연속 피크들로 분류될 수 있다. 본 발명에서는, 어떠한 제한 없이 임의 방향들에서의 피크들이 고려되고 있다.
단계 820에서, 복수의 피크들 중 다른 피크들을 커버하는 대표 피크들의 서브세트가 1 이상의 그룹화 기준에 따라 DO 그룹화 구성요소(230)에 의해 식별될 수 있다. 일부 실시예들에서, 1 이상의 그룹화 기준은 복수의 DO 맵들에서 복수의 피크들의 상대 위치들을 평가하는 것과 연계된다. 복수의 피크들은 다수 쌍들로 나누어진다. 도 5에 나타낸 바와 같이, 일부 실시예들에서, 한 쌍의 이산 피크들에 대해, 제 1 대표 피크(예를 들어, 기준 2 하의 이산 피크 1)가 제 1 대표 피크와 공선형인 1 이상의 다른 피크(예를 들어, 이산 피크들)를 커버하는 것으로 식별될 수 있으며, 제 1 대표 피크는 1 이상의 다른 피크의 주파수들의 정수배인 주파수를 갖는다(예를 들어, 고조파 피크들). 일부 실시예들에서, 한 쌍의 이산 피크들 또는 이산 피크와 연속 피크 쌍에 대해, 제 2 대표 피크(예를 들어, 기준 1 하의 피크 1)가 제 2 대표 피크의 피크 중심으로부터 사전설정된 거리(예를 들어, Rblur) 내에 피크 중심들이 위치되는 1 이상의 다른 피크를 커버하는 것으로 식별될 수 있다. 일부 실시예들에서, 한 쌍의 연속 피크들에 대해, 제 3 대표 피크(예를 들어, 기준 3 하의 피크 1)가 제 3 대표 피크의 피크 윤곽 내에 위치되는 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 것으로 식별될 수 있다.
단계 830에서, 중대한 패턴들의 서브세트는 단계 820에서 선택된 대표 피크들의 서브세트에 기초하여 패턴 선택 구성요소(240)에 의해 선택될 수 있다. 일부 실시예들에서, 중대한 패턴들의 서브세트는 광 근접 보정(OPC), 결함 검사, 결함 예측, 또는 소스 마스크 최적화(SMO) 중 적어도 하나에서 사용하기 위해 제공된다.
일부 실시예들에서, SMO 디자인 타겟 최적화 프로세스는 단계 830에서 얻어진 선택된 중대한 패턴들에 대해 SMO 디자인 타겟 최적화 구성요소(250)에 의해 수행될 수 있다. 예를 들어, 기존 디자인 규칙 하의 리미터들이 식별될 수 있고, 디자인 규칙은 이에 따라 조정되어 리소그래피 이미지 성능을 개선할 수 있다.
본 발명에 개시된 방법을 사용함으로써, 2-D 비-주기적 패턴들을 포함하는 여하한의 패턴들을 갖는 여하한 타입의 피처들이 효과적으로 및 정확하게 처리되고 그룹화되어 비-주기적 패턴들에 대한 대표 피크들을 식별할 수 있다. 또한, 여하한의 방향들 또는 여하한의 임의 방향들에서의 DO 피크들이 피크 방향들(예를 들어, 종래 방법들에서는 x 및 y 방향만, 또는 8 방향) 또는 패턴 방위들에 대한 여하한의 제한 없이 고려된다. 추가적으로, DO 피크들 사이의 커버리지 관계를 결정하기 위해 다양한 기준들이 동시에 사용된다. 결과로서, 패턴 선택의 정확성이 개선될 수 있으며, 전체 칩 상의 패턴들을 충분히 커버하면서 종래 방법에 비해 더 적은 중대한 패턴들이 선택되어 종래 방법과 유사한 성능을 산출할 수 있다. 따라서, 런타임이 (예를 들어, 종래 방법에 비해 런타임을 30 % 내지 60 % 절약함으로써) 감소될 수 있으며, 성능을 저하시키지 않고 생산성이 개선될 수 있다. 예를 들어, 복잡한 패턴들을 갖는 2D 비-주기적 패턴들에서 SMO를 실행하는 것은 시간-소모적일 수 있다. 본 명세서에 개시된 바와 같이 2D 비-주기적 패턴들을 정확하게 분석하고 그룹화함으로써, SMO 런타임이 크게 감소될 수 있다. 추가적으로, 본 명세서에 개시된 타겟 패턴 최적화는 리소그래피 성능 이득을 더 개선하고 SMO 소요 시간을 감소시키기 위해 선택된 패턴들에 대한 제 2 최적화를 수행하는 것을 포함한다.
시스템[예를 들어, 도 2의 시스템(200)] 또는 구성요소[예를 들어, 도 3의 구성요소(220)]의 프로세서가 프로세스(600), 프로세스(700), 또는 방법(800)에 관하여 앞서 설명된 바와 같이, 무엇보다도 DO 맵 생성, DO 맵 처리, DO 그룹화, 패턴 그룹화, 피크 선택, 패턴 선택, SMO, SMO 디자인 타겟 최적화, 마스크 최적화, 소스 최적화, 이미지 검사, 이미지 획득, 이미지 변환, 이미지 처리, 이미지 비교, 스테이지 위치설정, 빔 포커싱, 전기장 조정, 빔 굽힘, 집속 렌즈 조정, 하전-입자 소스 활성화, 빔 편향 등을 수행하기 위한 명령어들을 저장하는 비-일시적 컴퓨터 판독가능한 매체가 제공될 수 있다. 비-일시적 매체의 보편적인 형태들은, 예를 들어 플로피 디스크, 플렉시블 디스크(flexible disk), 하드 디스크, 솔리드 스테이트 드라이브(solid state drive), 자기 테이프, 또는 여하한의 다른 자기 데이터 저장 매체, CD-ROM(Compact Disc Read Only Memory), 여하한의 다른 광학 데이터 저장 매체, 홀들의 패턴들을 갖는 여하한의 물리적 매체, RAM(Random Access Memory), PROM(Programmable Read Only Memory), 및 EPROM(Erasable Programmable Read Only Memory), FLASH-EPROM 또는 여하한의 다른 플래시 메모리, NVRAM(Non-Volatile Random Access Memory), 캐시, 레지스터, 여하한의 다른 메모리 칩 또는 카트리지, 및 이의 네트워크 버전(networked version)들을 포함한다.
본 실시예들은 다음 항목들을 사용하여 더 설명될 수 있다:
1. 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 방법으로서,
웨이퍼의 적어도 일부에 형성될 피처들을 나타내는 복수의 패턴들에 기초하여 회절 차수 데이터에 액세스하는 단계 -회절 차수 데이터는 복수의 패턴들에 대응하는 복수의 피크들을 포함함- ;
1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계 -이는 제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 포함하고, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크임- ; 및
대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 포함하는 방법.
2. 1 항에 있어서,
복수의 회절 차수 맵들을 포함하는 회절 차수 데이터를 생성하는 단계; 및
복수의 패턴들에 대해 푸리에 변환을 수행하여 주파수 도메인에서의 복수의 회절 차수 맵들을 각각 생성하는 단계를 더 포함하는 방법.
3. 1 항 또는 2 항에 있어서, 복수의 패턴들은 1 이상의 비-주기적 패턴을 포함하는 방법.
4. 2 항 또는 3 항에 있어서, 정규화 및 그레이스케일링을 통해 복수의 회절 차수 맵들을 처리하는 단계를 더 포함하는 방법.
5. 4 항에 있어서, 복수의 피크들을 식별하기 위해 이진화를 통해 복수의 회절 차수 맵들을 처리하는 단계를 더 포함하는 방법.
6. 1 항 내지 5 항 중 어느 하나에 있어서,
복수의 피크들의 피크 중심들 및 피크 윤곽들을 추출하는 단계; 및
복수의 피크들을 이산 피크들 및 연속 피크들로 분류하는 단계를 더 포함하는 방법.
7. 2 항 내지 6 항 중 어느 하나에 있어서, 복수의 피크들은 제한 없이 회절 차수 맵들 상에서 다양한 방향들로 위치되는 방법.
8. 1 항 내지 7 항 중 어느 하나에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 2 대표 피크의 피크 중심으로부터 사전설정된 거리 내에 위치되는 각 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 2 대표 피크를 식별하는 단계를 더 포함하며, 제 2 대표 피크는 이산 피크이고, 제 2 대표 피크에 의해 커버되는 1 이상의 피크는 이산 피크 또는 연속 피크를 포함하는 방법.
9. 1 항 내지 8 항 중 어느 하나에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 3 대표 피크의 피크 윤곽 내에 위치되는 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 3 대표 피크를 식별하는 단계를 포함하며, 제 3 대표 피크는 연속 피크이고 무제한 방향으로 위치되며, 제 3 대표 피크에 의해 커버되는 1 이상의 피크는 연속적인 방법.
10. 1 항 내지 9 항 중 어느 하나에 있어서, 피크 윤곽은 근사 없이 실제 윤곽인 방법.
11. 1 항 내지 10 항 중 어느 하나에 있어서,
중대한 패턴들의 서브세트에 대해 제 1 SMO를 수행하는 단계;
1 이상의 피처 리미터를 식별하기 위해 제 1 마스크 최적화 검증을 수행하는 단계;
식별된 1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙들을 최적화하고, 최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계;
최적화된 소스를 얻기 위해 중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대해 제 2 SMO를 수행하는 단계;
조정된 레이아웃 리타겟 규칙들에 따라 최적화된 소스 및 최적화된 타겟들로의 복수의 패턴들에 대해 제 2 마스크 최적화 검증을 수행하는 단계;
디자인 레이아웃에서 1 이상의 핫스폿이 식별되는지 여부를 결정하는 단계; 및
핫스폿이 식별되지 않는 것으로 결정됨에 따라, 풀 칩 디자인을 위해 최적화된 소스 및 최적화된 레이아웃 리타겟 규칙들을 채택하는 단계를 더 포함하는 방법.
12. 1 항 내지 11 항 중 어느 하나에 있어서, 디자인 레이아웃은 GDS(Graphic Database System) 포맷, GDS II(Graphic Database System II) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, 또는 CIF(Caltech Intermediate Format)인 방법.
13. 1 항 내지 12 항 중 어느 하나에 있어서, 중대한 패턴들의 서브세트는 광 근접 보정(OPC), 결함 검사, 결함 예측, 또는 소스 마스크 최적화(SMO) 중 적어도 하나에서 사용하기 위해 제공되는 방법.
14. 명령어들의 세트를 저장하는 메모리; 및
적어도 하나의 프로세서를 포함하는 시스템으로서,
상기 프로세서는 상기 시스템이:
웨이퍼의 적어도 일부에 형성될 피처들을 나타내는 복수의 패턴들에 기초하여 회절 차수 데이터에 액세스하는 단계 -회절 차수 데이터는 복수의 패턴들에 대응하는 복수의 피크들을 포함함- ;
1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계 -이는 제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 포함하고, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크임- ; 및
대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 수행하게 하기 위해 명령어들의 세트를 실행하도록 구성되는 시스템.
15. 14 항에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
복수의 회절 차수 맵들을 포함하는 회절 차수 데이터를 생성하는 단계; 및
복수의 패턴들에 대해 푸리에 변환을 수행하여 주파수 도메인에서의 복수의 회절 차수 맵들을 각각 생성하는 단계를 수행하게 하도록 더 구성되는 시스템.
16. 14 항 또는 15 항에 있어서, 복수의 패턴들은 1 이상의 비-주기적 패턴을 포함하는 시스템.
17. 15 항 또는 16 항에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
정규화 및 그레이스케일링을 통해 복수의 회절 차수 맵들을 처리하는 단계를 수행하게 하도록 더 구성되는 시스템.
18. 17 항에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
복수의 피크들을 식별하기 위해 이진화를 통해 복수의 회절 차수 맵들을 처리하는 단계를 수행하게 하도록 더 구성되는 시스템.
19. 14 항 내지 18 항 중 어느 하나에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
복수의 피크들의 피크 중심들 및 피크 윤곽들을 추출하는 단계; 및
복수의 피크들을 이산 피크들 및 연속 피크들로 분류하는 단계를 수행하게 하도록 더 구성되는 시스템.
20. 15 항 내지 19 항 중 어느 하나에 있어서, 복수의 피크들은 제한 없이 회절 차수 맵들 상에서 다양한 방향들로 위치되는 시스템.
21. 14 항 내지 20 항 중 어느 하나에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 2 대표 피크의 피크 중심으로부터 사전설정된 거리 내에 위치되는 각 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 2 대표 피크를 식별하는 단계를 포함하며, 제 2 대표 피크는 이산 피크이고, 제 2 대표 피크에 의해 커버되는 1 이상의 피크는 이산 피크 또는 연속 피크를 포함하는 시스템.
22. 14 항 내지 21 항 중 어느 하나에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 3 대표 피크의 피크 윤곽 내에 위치되는 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 3 대표 피크를 식별하는 단계를 포함하며, 제 3 대표 피크는 연속 피크이고 무제한 방향으로 위치되며, 제 3 대표 피크에 의해 커버되는 1 이상의 피크는 연속적인 시스템.
23. 14 항 내지 22 항 중 어느 하나에 있어서, 피크 윤곽은 근사 없이 실제 윤곽인 시스템.
24. 14 항 내지 23 항 중 어느 하나에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
중대한 패턴들의 서브세트에 대해 제 1 SMO를 수행하는 단계;
1 이상의 피처 리미터를 식별하기 위해 제 1 마스크 최적화 검증을 수행하는 단계;
식별된 1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙들을 최적화하고, 최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계;
최적화된 소스를 얻기 위해 중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대해 제 2 SMO를 수행하는 단계;
조정된 레이아웃 리타겟 규칙들에 따라 최적화된 소스 및 최적화된 타겟들로의 복수의 패턴들에 대해 제 2 마스크 최적화 검증을 수행하는 단계;
디자인 레이아웃에서 1 이상의 핫스폿이 식별되는지 여부를 결정하는 단계; 및
핫스폿이 식별되지 않는 것으로 결정됨에 따라, 풀 칩 디자인을 위해 최적화된 소스 및 최적화된 레이아웃 리타겟 규칙들을 채택하는 단계를 수행하게 하도록 더 구성되는 시스템.
25. 14 항 내지 24 항 중 어느 하나에 있어서, 디자인 레이아웃은 GDS(Graphic Database System) 포맷, GDS II(Graphic Database System II) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, 또는 CIF(Caltech Intermediate Format)인 시스템.
26. 14 항 내지 25 항 중 어느 하나에 있어서, 중대한 패턴들의 서브세트는 광 근접 보정(OPC), 결함 검사, 결함 예측, 또는 소스 마스크 최적화(SMO) 중 적어도 하나에서 사용하기 위해 제공되는 시스템.
27. 시스템이 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적 컴퓨터 판독가능한 매체로서,
상기 방법은:
웨이퍼의 적어도 일부에 형성될 피처들을 나타내는 복수의 패턴들에 기초하여 회절 차수 데이터에 액세스하는 단계 -회절 차수 데이터는 복수의 패턴들에 대응하는 복수의 피크들을 포함함- ;
1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계 -이는 제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 포함하고, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크임- ; 및
대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
28. 27 항에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
복수의 회절 차수 맵들을 포함하는 회절 차수 데이터를 생성하는 단계; 및
복수의 패턴들에 대해 푸리에 변환을 수행하여 주파수 도메인에서의 복수의 회절 차수 맵들을 각각 생성하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
29. 27 항 또는 28 항에 있어서, 복수의 패턴들은 1 이상의 비-주기적 패턴을 포함하는 비-일시적 컴퓨터 판독가능한 매체.
30. 28 항 또는 29 항에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
정규화 및 그레이스케일링을 통해 복수의 회절 차수 맵들을 처리하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
31. 30 항에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
복수의 피크들을 식별하기 위해 이진화를 통해 복수의 회절 차수 맵들을 처리하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
32. 28 항 내지 31 항 중 어느 하나에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
복수의 피크들의 피크 중심들 및 피크 윤곽들을 추출하는 단계; 및
복수의 피크들을 이산 피크들 및 연속 피크들로 분류하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
33. 27 항 내지 32 항 중 어느 하나에 있어서, 복수의 피크들은 제한 없이 회절 차수 맵들 상에서 다양한 방향들로 위치되는 비-일시적 컴퓨터 판독가능한 매체.
34. 27 항 내지 33 항 중 어느 하나에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 2 대표 피크의 피크 중심으로부터 사전설정된 거리 내에 위치되는 각 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 2 대표 피크를 식별하는 단계를 포함하며, 제 2 대표 피크는 이산 피크이고, 제 2 대표 피크에 의해 커버되는 1 이상의 피크는 이산 피크 또는 연속 피크를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
35. 27 항 내지 34 항 중 어느 하나에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 3 대표 피크의 피크 윤곽 내에 위치되는 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 3 대표 피크를 식별하는 단계를 포함하며, 제 3 대표 피크는 연속 피크이고 무제한 방향으로 위치되며, 제 3 대표 피크에 의해 커버되는 1 이상의 피크는 연속적인 비-일시적 컴퓨터 판독가능한 매체.
36. 27 항 내지 35 항 중 어느 하나에 있어서, 피크 윤곽은 근사 없이 실제 윤곽인 비-일시적 컴퓨터 판독가능한 매체.
37. 27 항 내지 36 항 중 어느 하나에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
중대한 패턴들의 서브세트에 대해 제 1 SMO를 수행하는 단계;
1 이상의 피처 리미터를 식별하기 위해 제 1 마스크 최적화 검증을 수행하는 단계;
식별된 1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙들을 최적화하고, 최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계;
최적화된 소스를 얻기 위해 중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대해 제 2 SMO를 수행하는 단계;
조정된 레이아웃 리타겟 규칙들에 따라 최적화된 소스 및 최적화된 타겟들로의 복수의 패턴들에 대해 제 2 마스크 최적화 검증을 수행하는 단계;
디자인 레이아웃에서 1 이상의 핫스폿이 식별되는지 여부를 결정하는 단계; 및
핫스폿이 식별되지 않는 것으로 결정됨에 따라, 풀 칩 디자인을 위해 최적화된 소스 및 최적화된 레이아웃 리타겟 규칙들을 채택하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
38. 27 항 내지 37 항 중 어느 하나에 있어서, 디자인 레이아웃은 GDS(Graphic Database System) 포맷, GDS II(Graphic Database System II) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, 또는 CIF(Caltech Intermediate Format)인 비-일시적 컴퓨터 판독가능한 매체.
39. 27 항 내지 38 항 중 어느 하나에 있어서, 중대한 패턴들의 서브세트는 광 근접 보정(OPC), 결함 검사, 결함 예측, 또는 소스 마스크 최적화(SMO) 중 적어도 하나에서 사용하기 위해 제공되는 비-일시적 컴퓨터 판독가능한 매체.
40. 디자인 타겟 최적화를 수행하는 방법으로서,
디자인 레이아웃의 복수의 패턴들 중 중대한 패턴들의 서브세트에 대한 제 1 소스 마스크 최적화(SMO)를 수행하는 단계;
1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙들을 최적화하는 단계;
최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계; 및
중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대한 제 2 SMO를 수행하여 최적화된 소스를 얻는 단계를 포함하는 방법.
41. 40 항에 있어서, 1 이상의 피처 리미터를 식별하기 위해 제 1 마스크 최적화 검증을 수행하는 단계를 더 포함하는 방법.
42. 41 항에 있어서, 최적화된 레이아웃 리타겟 규칙들에 따라 최적화된 소스 및 최적화된 타겟들로의 복수의 패턴들에 대해 제 2 마스크 최적화 검증을 수행하는 단계를 더 포함하는 방법.
43. 42 항에 있어서,
디자인 레이아웃에서 1 이상의 핫스폿이 식별되는지 여부를 결정하는 단계; 및
핫스폿이 식별되지 않는 것으로 결정됨에 따라, 풀 칩 디자인을 위해 최적화된 소스 및 최적화된 레이아웃 리타겟 규칙들을 채택하는 단계를 더 포함하는 방법.
44. 40 항 내지 43 항 중 어느 하나에 있어서, 복수의 패턴들 중 중대한 패턴들의 서브세트를 선택하는 단계를 더 포함하고, 이는:
복수의 패턴들에 대응하는 복수의 피크들을 포함하는 회절 차수 데이터에 액세스하는 단계;
1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계; 및
대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 포함하는 방법.
45. 44 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 더 포함하고, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크인 방법.
46. 44 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 2 대표 피크의 피크 중심으로부터 사전설정된 거리 내에 위치되는 각 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 2 대표 피크를 식별하는 단계를 더 포함하며, 제 2 대표 피크는 이산 피크이고, 제 2 대표 피크에 의해 커버되는 1 이상의 피크는 이산 피크 또는 연속 피크를 포함하는 방법.
47. 44 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 3 대표 피크의 피크 윤곽 내에 위치되는 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 3 대표 피크를 식별하는 단계를 더 포함하며, 제 3 대표 피크는 연속 피크이고 무제한 방향으로 위치되며, 제 3 대표 피크에 의해 커버되는 1 이상의 피크는 연속적인 방법.
48. 명령어들의 세트를 저장하는 메모리; 및
적어도 하나의 프로세서를 포함하는 시스템으로서,
상기 프로세서는 상기 시스템이:
디자인 레이아웃의 복수의 패턴들 중 중대한 패턴들의 서브세트에 대한 제 1 소스 마스크 최적화(SMO)를 수행하는 단계;
1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙들을 최적화하는 단계;
최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계; 및
중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대한 제 2 SMO를 수행하여 최적화된 소스를 얻는 단계를 수행하게 하기 위해 명령어들의 세트를 실행하도록 구성되는 시스템.
49. 48 항에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
1 이상의 피처 리미터를 식별하기 위해 제 1 마스크 최적화 검증을 수행하는 단계를 수행하게 하도록 더 구성되는 시스템.
50. 49 항에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
최적화된 레이아웃 리타겟 규칙들에 따라 최적화된 소스 및 최적화된 타겟들로의 복수의 패턴들에 대해 제 2 마스크 최적화 검증을 수행하는 단계를 수행하게 하도록 더 구성되는 시스템.
51. 50 항에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
디자인 레이아웃에서 1 이상의 핫스폿이 식별되는지 여부를 결정하는 단계; 및
핫스폿이 식별되지 않는 것으로 결정됨에 따라, 풀 칩 디자인을 위해 최적화된 소스 및 최적화된 레이아웃 리타겟 규칙들을 채택하는 단계를 수행하게 하도록 더 구성되는 시스템.
52. 48 항 내지 51 항 중 어느 하나에 있어서, 적어도 하나의 프로세서는 상기 시스템이:
복수의 패턴들 중 중대한 패턴들의 서브세트를 선택하는 단계를 수행하게 하도록 더 구성되고, 이는:
복수의 패턴들에 대응하는 복수의 피크들을 포함하는 회절 차수 데이터에 액세스하는 단계;
1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계; 및
대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 포함하는 시스템.
53. 52 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 더 포함하고, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크인 시스템.
54. 52 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 2 대표 피크의 피크 중심으로부터 사전설정된 거리 내에 위치되는 각 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 2 대표 피크를 식별하는 단계를 더 포함하며, 제 2 대표 피크는 이산 피크이고, 제 2 대표 피크에 의해 커버되는 1 이상의 피크는 이산 피크 또는 연속 피크를 포함하는 시스템.
55. 52 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 3 대표 피크의 피크 윤곽 내에 위치되는 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 3 대표 피크를 식별하는 단계를 더 포함하며, 제 3 대표 피크는 연속 피크이고 무제한 방향으로 위치되며, 제 3 대표 피크에 의해 커버되는 1 이상의 피크는 연속적인 시스템.
56. 시스템이 디자인 타겟 최적화를 수행하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적 컴퓨터 판독가능한 매체로서,
상기 방법은:
디자인 레이아웃의 복수의 패턴들 중 중대한 패턴들의 서브세트에 대한 제 1 소스 마스크 최적화(SMO)를 수행하는 단계;
1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙들을 최적화하는 단계;
최적화된 레이아웃 리타겟 규칙들에 기초하여 클립들의 세트를 생성하는 단계; 및
중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대한 제 2 SMO를 수행하여 최적화된 소스를 얻는 단계를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
57. 56 항에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
1 이상의 피처 리미터를 식별하기 위해 제 1 마스크 최적화 검증을 수행하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
58. 57 항에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
최적화된 레이아웃 리타겟 규칙들에 따라 최적화된 소스 및 최적화된 타겟들로의 복수의 패턴들에 대해 제 2 마스크 최적화 검증을 수행하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
59. 58 항에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
디자인 레이아웃에서 1 이상의 핫스폿이 식별되는지 여부를 결정하는 단계; 및
핫스폿이 식별되지 않는 것으로 결정됨에 따라, 풀 칩 디자인을 위해 최적화된 소스 및 최적화된 레이아웃 리타겟 규칙들을 채택하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
60. 56 항 내지 59 항 중 어느 하나에 있어서, 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 시스템이:
복수의 패턴들 중 중대한 패턴들의 서브세트를 선택하는 단계를 더 수행하게 하고, 이는:
복수의 패턴들에 대응하는 복수의 피크들을 포함하는 회절 차수 데이터에 액세스하는 단계;
1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계; 및
대표 피크들의 서브세트에 대응하는 중대한 패턴들의 서브세트를 선택하는 단계를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
61. 60 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 1 대표 피크와 공선형인 또 다른 피크를 커버하는 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 더 포함하고, 제 1 대표 피크는 또 다른 이산 피크의 주파수의 정수배인 주파수를 갖는 이산 피크인 비-일시적 컴퓨터 판독가능한 매체.
62. 60 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 2 대표 피크의 피크 중심으로부터 사전설정된 거리 내에 위치되는 각 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 2 대표 피크를 식별하는 단계를 더 포함하며, 제 2 대표 피크는 이산 피크이고, 제 2 대표 피크에 의해 커버되는 1 이상의 피크는 이산 피크 또는 연속 피크를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
63. 60 항에 있어서, 1 이상의 그룹화 기준에 따라 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 3 대표 피크의 피크 윤곽 내에 위치되는 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 대표 피크들의 서브세트의 제 3 대표 피크를 식별하는 단계를 더 포함하며, 제 3 대표 피크는 연속 피크이고 무제한 방향으로 위치되며, 제 3 대표 피크에 의해 커버되는 1 이상의 피크는 연속적인 비-일시적 컴퓨터 판독가능한 매체.
도면들의 블록 다이어그램들은 본 발명의 다양한 예시적인 실시예들에 따른 시스템, 방법 및 컴퓨터 하드웨어/소프트웨어 제품의 가능한 구현들의 아키텍처, 기능 및 작동을 나타낸다. 이와 관련하여, 개략적인 다이어그램의 각각의 블록은 전자 회로와 같은 하드웨어를 사용하여 구현될 수 있는 소정 산술 또는 논리 연산 처리를 나타낼 수 있다. 또한, 블록들은 모듈, 세그먼트 또는 지정된 논리 기능들을 구현하기 위한 1 이상의 실행가능한 명령어를 포함하는 코드의 부분을 나타낼 수 있다. 일부 대안적인 구현들에서, 블록에서 나타낸 기능들은 도면들에 표시된 순서를 벗어나 일어날 수 있다는 것을 이해하여야 한다. 예를 들어, 연속적으로 나타낸 두 블록들은 실질적으로 동시에 실행되거나 구현될 수 있으며, 또는 두 블록들은 때로는 관련된 기능에 따라 역순으로 실행될 수 있다. 일부 블록들은 생략될 수도 있다.
본 발명의 실시예들은 앞서 설명되고 첨부된 도면들에 예시된 정확한 구성에 제한되지 않으며, 그 범위를 벗어나지 않고 다양한 수정들 및 변경들이 행해질 수 있음을 이해할 것이다. 본 발명은 다양한 실시예들과 관련하여 설명되었으며, 본 발명의 다른 실시예들이 본 명세서에 개시된 발명의 실행 및 사양을 고려하여 당업자에게 명백할 것이다. 사양 및 예시들은 단지 예시적인 것으로 간주되며, 본 발명의 진정한 범위 및 기술사상은 다음 청구항들에 의해 표시되는 것으로 의도된다.
상기 서술내용은 예시를 위한 것이지, 제한하려는 것이 아니다. 따라서, 당업자라면 아래에 설명되는 청구항들의 범위를 벗어나지 않고 서술된 바와 같이 변형예가 행해질 수도 있음을 이해할 것이다.
Claims (15)
- 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴(critical pattern)들의 서브세트를 선택하는 방법으로서,
웨이퍼의 적어도 일부에 형성될 피처(feature)들을 나타내는 상기 복수의 패턴들에 기초하여 회절 차수 데이터에 액세스하는 단계 -상기 회절 차수 데이터는 상기 복수의 패턴들에 대응하는 복수의 피크(peak)들을 포함함- ;
1 이상의 그룹화 기준에 따라 상기 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계 -이는:
제 1 대표 피크와 공선형(colinear)인 또 다른 피크를 커버하는 상기 대표 피크들의 서브세트의 제 1 대표 피크를 식별하는 단계를 포함하고, 상기 제 1 대표 피크는 또 다른 이산 피크(discrete peak)의 주파수의 정수배인 주파수를 갖는 이산 피크임- ; 및
상기 대표 피크들의 서브세트에 대응하는 상기 중대한 패턴들의 서브세트를 선택하는 단계
를 포함하는, 방법. - 제 1 항에 있어서,
상기 복수의 패턴들에 대해 푸리에 변환을 수행하여, 상기 회절 차수 데이터를 각각 생성하는 단계를 더 포함하는, 방법. - 제 1 항에 있어서,
상기 회절 차수 데이터는 복수의 회절 차수 맵들을 나타내는, 방법. - 제 1 항에 있어서,
상기 복수의 패턴들은 1 이상의 비-주기적 패턴을 포함하는, 방법. - 제 1 항에 있어서,
정규화 및 그레이스케일링을 통해 복수의 회절 차수 맵들을 처리하는 단계를 더 포함하는, 방법. - 제 5 항에 있어서,
상기 복수의 피크들을 식별하기 위해 이진화를 통해 상기 복수의 회절 차수 맵들을 처리하는 단계를 더 포함하는, 방법. - 제 1 항에 있어서,
상기 복수의 피크들의 피크 중심들 및 피크 윤곽들을 추출하는 단계; 및
상기 복수의 피크들을 이산 피크들 및 연속 피크들로 분류하는 단계를 더 포함하는, 방법. - 제 3 항에 있어서,
상기 복수의 피크들은 상기 회절 차수 맵들에서 임의 방향들로 위치되는, 방법. - 제 1 항에 있어서,
1 이상의 그룹화 기준에 따라 상기 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 1 대표 피크의 피크 중심으로부터 사전설정된 거리 내에 위치되는 각 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 상기 대표 피크들의 서브세트의 제 2 대표 피크를 식별하는 단계를 더 포함하며, 상기 제 2 대표 피크는 이산 피크이고, 상기 제 2 대표 피크에 의해 커버되는 1 이상의 피크는 이산 피크 또는 연속 피크를 포함하는, 방법. - 제 1 항에 있어서,
1 이상의 그룹화 기준에 따라 상기 복수의 피크들로부터 대표 피크들의 서브세트를 식별하는 단계는:
제 3 대표 피크의 피크 윤곽 내에 위치되는 피크 중심들을 갖는 1 이상의 다른 피크를 커버하는 상기 대표 피크들의 서브세트의 제 3 대표 피크를 식별하는 단계를 더 포함하며, 상기 제 3 대표 피크는 연속 피크이고 무제한 방향으로 위치되며, 상기 제 3 대표 피크에 의해 커버되는 1 이상의 피크는 연속적인, 방법. - 제 1 항에 있어서,
피크 윤곽은 근사(approximation) 없이 실제 윤곽인, 방법. - 제 1 항에 있어서,
상기 중대한 패턴들의 서브세트에 대해 제 1 SMO를 수행하는 단계;
1 이상의 피처 리미터(feature limiter)를 식별하기 위해 제 1 마스크 최적화 검증을 수행하는 단계;
식별된 1 이상의 피처 리미터에 기초하여 레이아웃 리타겟 규칙(layout retarget rule)들을 최적화하고, 최적화된 레이아웃 리타겟 규칙들에 기초하여 클립(clip)들의 세트를 생성하는 단계;
최적화된 소스를 얻기 위해 상기 중대한 패턴들의 서브세트 및 생성된 클립들의 세트에 대해 제 2 SMO를 수행하는 단계;
조정된 레이아웃 리타겟 규칙들에 따라 최적화된 소스 및 최적화된 타겟으로의 복수의 패턴들에 대해 제 2 마스크 최적화 검증을 수행하는 단계;
상기 디자인 레이아웃에서 1 이상의 핫스폿(hot spot)이 식별되는지 여부를 결정하는 단계; 및
핫스폿이 식별되지 않는 것으로 결정됨에 따라, 풀 칩 디자인(full chip design)을 위해 상기 최적화된 소스 및 상기 최적화된 레이아웃 리타겟 규칙들을 채택하는 단계를 더 포함하는, 방법. - 제 1 항에 있어서,
상기 디자인 레이아웃은 GDS(Graphic Database System) 포맷, GDS II(Graphic Database System II) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, 또는 CIF(Caltech Intermediate Format)인, 방법. - 제 1 항에 있어서,
상기 중대한 패턴들의 서브세트는 광 근접 보정(optical proximity correction: OPC), 결함 검사, 결함 예측, 또는 소스 마스크 최적화(SMO) 중 적어도 하나에서 사용하기 위해 제공되는, 방법. - 시스템이 디자인 레이아웃의 복수의 패턴들로부터 중대한 패턴들의 서브세트를 선택하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적(non-transitory) 컴퓨터 판독가능한 매체로서,
상기 방법은 제 1 항 내지 제 14 항 중 어느 한 항에 따른 방법을 포함하는, 비-일시적 컴퓨터 판독가능한 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2021105988 | 2021-07-13 | ||
| CNPCT/CN2021/105988 | 2021-07-13 | ||
| PCT/EP2022/066586 WO2023285071A1 (en) | 2021-07-13 | 2022-06-17 | Pattern selection for source mask optimization and target optimization |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240031314A true KR20240031314A (ko) | 2024-03-07 |
Family
ID=82399413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020247001550A KR20240031314A (ko) | 2021-07-13 | 2022-06-17 | 소스 마스크 최적화 및 타겟 최적화를 위한 패턴 선택 |
Country Status (3)
| Country | Link |
|---|---|
| KR (1) | KR20240031314A (ko) |
| CN (1) | CN115616870A (ko) |
| WO (1) | WO2023285071A1 (ko) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5229872A (en) | 1992-01-21 | 1993-07-20 | Hughes Aircraft Company | Exposure device including an electrically aligned electronic mask for micropatterning |
| KR100958714B1 (ko) | 2005-08-08 | 2010-05-18 | 브라이언 테크놀로지스, 인코포레이티드 | 리소그래피 공정의 포커스-노광 모델을 생성하는 시스템 및방법 |
| US7695876B2 (en) | 2005-08-31 | 2010-04-13 | Brion Technologies, Inc. | Method for identifying and using process window signature patterns for lithography process control |
| US7694267B1 (en) | 2006-02-03 | 2010-04-06 | Brion Technologies, Inc. | Method for process window optimized optical proximity correction |
| US7882480B2 (en) | 2007-06-04 | 2011-02-01 | Asml Netherlands B.V. | System and method for model-based sub-resolution assist feature generation |
| US7707538B2 (en) | 2007-06-15 | 2010-04-27 | Brion Technologies, Inc. | Multivariable solver for optical proximity correction |
| NL2003699A (en) | 2008-12-18 | 2010-06-21 | Brion Tech Inc | Method and system for lithography process-window-maximixing optical proximity correction. |
| NL2005522A (en) * | 2009-10-28 | 2011-05-02 | Asml Netherlands Bv | Pattern selection for full-chip source and mask optimization. |
| CN113741140B (zh) * | 2021-08-27 | 2024-02-13 | 中国科学院上海光学精密机械研究所 | 基于深度优先搜索的全芯片光源掩模优化关键图形筛选方法 |
-
2022
- 2022-06-17 KR KR1020247001550A patent/KR20240031314A/ko unknown
- 2022-06-17 WO PCT/EP2022/066586 patent/WO2023285071A1/en unknown
- 2022-07-13 CN CN202210825944.7A patent/CN115616870A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023285071A1 (en) | 2023-01-19 |
| CN115616870A (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11461532B2 (en) | Three-dimensional mask model for photolithography simulation | |
| JP5658317B2 (ja) | モデルベースのリソグラフィ誘導レイアウト設計を実行するための方法 | |
| TWI466171B (zh) | 選擇圖案子集的方法、執行該方法之電腦程式產品及執行光源遮罩最佳化之方法 | |
| US11119401B2 (en) | Simulating near field image in optical lithography | |
| JP5008681B2 (ja) | リソグラフィシミュレーションのための装置 | |
| KR101190399B1 (ko) | 처리-민감도 모델을 사용하여 레이아웃 내 생산 문제영역을 나타내기 위한 방법 및 그 장치 | |
| JP4806020B2 (ja) | リソグラフィプロセスのフォーカス露光モデルを作成するための方法、公称条件で使用するためのリソグラフィプロセスの単一のモデルを作成するための方法、およびコンピュータ読取可能媒体 | |
| US10163733B2 (en) | Method of extracting defects | |
| US9671685B2 (en) | Lithographic plane check for mask processing | |
| US9779186B2 (en) | Methods for performing model-based lithography guided layout design | |
| WO2015023610A1 (en) | An edge-based full chip mask topography modeling | |
| JP5808406B2 (ja) | 集積回路レイアウト内のリソグラフィック結合パターンの迅速評価方法 | |
| JP2000250198A (ja) | フォトマスクの自動欠陥検査装置及び方法 | |
| US8370773B2 (en) | Method and apparatus for designing an integrated circuit using inverse lithography technology | |
| US20090281778A1 (en) | Method and system for identifying weak points in an integrated circuit design | |
| TWI385546B (zh) | 用以最佳化形成於基板上之設計的方法及程式產品 | |
| KR20240031314A (ko) | 소스 마스크 최적화 및 타겟 최적화를 위한 패턴 선택 | |
| US20240104284A1 (en) | Feature based cell extraction for pattern regions | |
| CN118119892A (zh) | 图案匹配方法 |