TW202113508A - 用於判定與期望圖案相關聯之隨機變異之方法 - Google Patents

用於判定與期望圖案相關聯之隨機變異之方法 Download PDF

Info

Publication number
TW202113508A
TW202113508A TW109115056A TW109115056A TW202113508A TW 202113508 A TW202113508 A TW 202113508A TW 109115056 A TW109115056 A TW 109115056A TW 109115056 A TW109115056 A TW 109115056A TW 202113508 A TW202113508 A TW 202113508A
Authority
TW
Taiwan
Prior art keywords
data
pattern
images
substrate
image
Prior art date
Application number
TW109115056A
Other languages
English (en)
Other versions
TWI750648B (zh
Inventor
繼有 付
Original Assignee
荷蘭商Ａｓｍｌ荷蘭公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 荷蘭商Ａｓｍｌ荷蘭公司 filed Critical 荷蘭商Ａｓｍｌ荷蘭公司
Publication of TW202113508A publication Critical patent/TW202113508A/zh
Application granted granted Critical
Publication of TWI750648B publication Critical patent/TWI750648B/zh

Links

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
    • G03F7/70605—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
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Devices For Executing Special Programs (AREA)

Abstract

本文中描述一種用於判定與待印刷於一基板上之一圖案相關聯之隨機邊緣置放誤差之方法。該方法包括：經由一度量衡工具獲取該基板上之一定義位置處之該圖案的複數個影像而不在其間執行一基板對準；產生至少兩個資料，(i)與使用該複數個影像之一第一影像集合之該圖案相關聯的第一資料及(ii)與使用該複數個影像之一第二影像集合之該圖案相關聯的第二資料。該第一影像集合及該第二影像集合包括至少一個不同影像。使用與該定義位置處之該圖案相關聯之該第一資料及該第二資料來(例如經由一分解演算法)進一步判定與該圖案相關聯之該隨機邊緣置放誤差。

Description

用於判定與期望圖案相關聯之隨機變異之方法
本文中之描述係關於微影裝置及程序，且更特定言之，係關於用以判定例如晶圓上之抗蝕劑層中的印刷圖案的隨機變異之工具，該工具可用以模型化隨機變異、偵測晶圓上之缺陷以及最佳化圖案化程序，諸如遮罩最佳化及源最佳化。
微影投影裝置可用於例如積體電路(IC)製造中。在此情況下，圖案化器件(例如遮罩)可含有或提供對應於IC之個別層的電路圖案(「設計佈局」)，且可藉由諸如經由圖案化器件上之電路圖案而輻照已塗佈有輻射敏感材料(「抗蝕劑」)層之基板(例如矽晶圓)上之目標部分(例如包含一或多個晶粒)的方法將此電路圖案轉印至該目標部分上。一般而言，單一基板含有複數個鄰近目標部分，電路圖案係由微影投影裝置順次地轉印至該複數個鄰近目標部分，一次一個目標部分。在一種類型之微影投影裝置中，將整個圖案化器件上之電路圖案一次性轉印至一個目標部分上；此裝置通常稱為晶圓步進器(wafer stepper)。在通常稱為步進掃描裝置之替代裝置中，投影光束在給定參考方向(「掃描」方向)上遍及圖案化器件進行掃描，同時平行或反平行於此參考方向而同步地移動基板。將圖案化器件上之電路圖案之不同部分漸進地轉印至一個目標部分。一般而言，由於微影投影裝置將具有放大因數M (通常＜1)，故基板經移動之速率F將為投影光束掃描圖案化器件之速度的因數M倍。可例如自以引用之方式併入本文中之US 6,046,792搜集到關於如本文中所描述之微影器件的更多資訊。
在將電路圖案自圖案化器件轉印至基板之前，基板可經歷各種工序，諸如上底漆、抗蝕劑塗佈及軟烘烤。在曝光之後，基板可經受其他工序，諸如曝光後烘烤(PEB)、顯影、硬烘烤及經轉印電路圖案之量測/檢查。此工序陣列用作製造器件(例如IC)之個別層的基礎。基板隨後可經歷各種程序，諸如蝕刻、離子植入(摻雜)、金屬化、氧化、化學機械拋光等，該等程序皆意欲精整器件之個別層。若器件中需要若干層，則針對各層來重複整個工序或其變體。最終，器件將存在於基板上之各目標部分中。隨後，藉由諸如切割或鋸切之技術來使此等器件彼此分離，由此可將個別器件安裝於載體上、連接至銷釘，等等。
如所提及，微影蝕刻術(microlithography)為IC製造中的中心步驟，其中形成於基板上之圖案定義IC之功能元件，諸如微處理器、記憶體晶片等。類似微影技術亦用於形成平板顯示器、微機電系統(MEMS)及其他器件。
隨著半導體製造程序繼續進步，幾十年來，功能元件之尺寸已不斷地減小，而每器件的諸如電晶體之功能元件之量已在穩固地增加，此遵循通常稱為「莫耳定律(Moore's law)」之趨勢。在當前技術狀態下，使用微影投影裝置製造器件之層，該等微影投影裝置使用來自深紫外(DUV)照明源或極紫外(EUV)照明源之照明將設計佈局投影至基板上，從而產生尺寸遠低於100 nm，亦即小於來自照明源(例如193 nm DUV及13.5 nm EUV照明源)之輻射之波長的一半的個別功能元件。
供印刷尺寸小於微影投影裝置之經典解析度限制之特徵的此程序根據解析度公式CD = k1 ×λ/NA而通常稱作低k1 微影，其中λ為所採用輻射之波長(當前在大多數情況下為248 nm或193 nm或13.5 nm)，NA為微影投影裝置中之投影光學器件之數值孔徑，CD為「臨界尺寸」(通常為所印刷之最小特徵大小)，且k1 為經驗解析度因數。一般而言，k1 愈小，則在基板上再生類似於由電路設計者規劃之形狀及尺寸以便達成特定電功能性及效能的圖案變得愈困難。為了克服此等困難，將複雜微調步驟應用於微影投影裝置及/或設計佈局。此等微調步驟包括例如(但不限於)：NA及光學相干設定之最佳化、定製照明方案、相移圖案化器件之使用、設計佈局中之光學近接校正(OPC，有時亦稱為「光學及程序校正」)，或通常經定義為「解析度增強技術(RET)」之其他方法。如本文中所使用之術語「投影光學器件」應廣泛地解譯為涵蓋各種類型之光學系統，包括例如折射光學器件、反射光學器件、孔徑及反射折射光學器件。術語「投影光學器件」亦可包括用於集體地或單個地導向、塑形或控制投影輻射光束的根據此等設計類型中之任一者而操作之組件。術語「投影光學器件」可包括微影投影裝置中之任何光學組件，而不管光學組件位於微影投影裝置之光學路徑上之何處。投影光學器件可包括用於在來自源之輻射穿過圖案化器件之前塑形、調整及/或投影該輻射的光學組件，及/或用於在該輻射穿過圖案化器件之後塑形、調整及/或投影該輻射的光學組件。投影光學器件通常不包括源及圖案化器件。
在一實施例中，提供一種用於判定與待印刷於一基板上之一圖案相關聯之隨機邊緣置放誤差之方法。該方法包括：經由一度量衡工具獲取該基板上之一定義位置處之該圖案的複數個影像而不在其間執行一基板對準；產生至少兩個資料，(i)與使用該複數個影像之一第一影像集合之該圖案相關聯的第一資料及(ii)與使用該複數個影像之一第二影像集合之該圖案相關聯的第二資料，其中該第一影像集合及該第二影像集合包括至少一個不同影像；以及使用與該定義位置處之該圖案相關聯之該第一資料及該第二資料來(例如經由一分解演算法)判定與該圖案相關聯之該隨機邊緣置放誤差。
此外，在一實施例中，提供一種用於判定與待印刷於一基板上之一圖案相關聯之邊緣置放誤差之方法。該方法包括：定義該圖案之一輪廓周圍的複數個參考點；定義複數個切線，其中各切線在該圖案之該輪廓的一法線方向上穿過該複數個參考點中之一給定參考點；判定一給定切線與印刷於該基板上之該圖案的一相交點；量測該相交點與該給定參考點之間的一距離；以及合併與該圖案之該輪廓周圍的該複數個參考點中之各者相關聯的該距離以產生與該圖案相關聯的該邊緣置放誤差。
此外，在一實施例中，提供一種用於判定由於經由一度量衡工具之量測導致的一基板之抗蝕劑中之收縮的方法。該方法包括：經由該度量衡工具獲取該基板上之一定義位置處之一圖案的複數個影像而不在其間執行一基板對準；產生至少兩個資料，(i)與使用該複數個影像之一第一影像集合之該圖案相關聯的第一資料及(ii)與使用該複數個影像之一第二影像集合之該圖案相關聯的第二資料，其中該第一影像集合包含該複數個影像中之至少兩個連續影像，且該第二影像集合包含該複數個影像中之至少兩個不同的連續影像；以及基於該第一資料與該第二資料之間的一差而判定該基板之該抗蝕劑中的該收縮。
此外，在一實施例中，提供一種電腦程式產品，該電腦程式產品包含上面記錄有指令之一非暫時性電腦可讀介質，該等指令在由一電腦系統執行時實施前述方法。
儘管在本文中可特定地參考IC製造，但應明確地理解，本文之描述具有許多其他可能應用。舉例而言，該描述可用於製造整合式光學系統、用於磁疇記憶體之導引及偵測圖案、液晶顯示面板、薄膜磁頭等。熟習此項技術者將瞭解，在此類替代應用之內容背景中，本文中對術語「倍縮光罩」、「晶圓」或「晶粒」之任何使用應被視為可分別與更一般之術語「遮罩」、「基板」及「目標部分」互換。
在本文檔中，術語「輻射」及「光束」用於涵蓋所有類型的電磁輻射，包括紫外線幅射(例如，具有為365、248、193、157或126 nm之波長)及極紫外線輻射 (EUV，例如具有介於5至20 nm範圍內之波長)。
如本文中所使用之術語「最佳化(optimizing及optimization)」意謂：調整微影投影裝置，使得微影之結果及/或程序具有更理想特性，諸如設計佈局在基板上之投影之較高準確度、較大製程窗等。
另外，微影投影裝置可屬於具有兩個或兩個以上基板台(及/或兩個或兩個以上圖案化器件台)之類型。在此等「多載物台」器件中，可並行地使用額外台，或可在一或多個台上進行預備步驟，同時將一或多個其他台用於曝光。雙載物台微影投影裝置描述於例如以引用之方式併入本文中的US 5,969,441中。
上文所提及之圖案化器件包含或可形成設計佈局。可利用電腦輔助設計(CAD)程式來產生設計佈局，此程序常常稱為電子設計自動化(EDA)。大多數CAD程式遵循預定設計規則之集合，以便產生功能設計佈局/圖案化器件。藉由處理及設計限制而設定此等規則。舉例而言，設計規則定義電路器件(諸如閘、電容器等)或互連線之間的空間容許度，以便確保該等電路器件或線彼此不會以非期望的方式相互作用。設計規則限制通常稱為「臨界尺寸(CD)」。可將電路之臨界尺寸定義為線或孔之最小寬度，或兩條線或兩個孔之間的最小空間。因此，CD判定經設計電路之總大小及密度。當然，積體電路製作中之目標中之一者係在基板上(經由圖案化器件)如實地再生原始電路設計。
如本文中所使用之術語「遮罩」或「圖案化器件」可廣泛地解譯為係指可用以向入射輻射光束賦予經圖案化橫截面的通用圖案化器件，經圖案化橫截面對應於待在基板之目標部分中產生之圖案；術語「光閥」亦可用於此內容背景中。除了經典遮罩(透射或反射；二元、相移、混合式等)以外，其他此等圖案化器件之實例亦包括： -  可程式化鏡面陣列。此器件之實例為具有黏彈性控制層及反射表面之矩陣可定址表面。此裝置所隱含之基本原理為(例如)：反射表面之經定址區域使入射輻射反射為繞射輻射，而未經定址區域使入射輻射反射為非繞射輻射。在使用適當濾光器之情況下，可自經反射光束濾出該非繞射輻射，從而僅留下繞射輻射；以此方式，光束根據矩陣可定址表面之定址圖案而變得圖案化。可使用適合之電子構件來執行所需矩陣定址。可例如自以引用之方式併入本文中的美國專利第5,296,891號及第5,523,193號搜集到關於此類鏡面陣列之更多資訊。 -  可程式化LCD陣列。此類建構之實例在以引用之方式併入本文中的美國專利第5,229,872號中給出。
作為簡要介紹，圖1說明例示性微影投影裝置10A。主要組件為：輻射源12A，其可為深紫外準分子雷射源或包括極紫外(EUV)源的其他類型之源(如上文所論述，微影投影裝置自身無需具有輻射源)；照明光學器件，其定義部分相干性(表示為均方偏差)且可包括塑形來自源12A之輻射的光學器件14A、16Aa及16Ab；圖案化器件14A；以及透射光學器件16Ac，其將圖案化器件圖案之影像投影至基板平面22A上。投影光學器件之光瞳平面處之可調整濾光器或孔徑20A可限定照射於基板平面22A上之光束角度之範圍，其中最大可能角度定義投影光學器件之數值孔徑NA=sin(Θmax )。
在系統之最佳化程序中，可將該系統之優值(figure of merit)表示為成本函數。最佳化程序歸結為找到最小化成本函數的系統之參數(設計變數)集合的程序。成本函數可取決於最佳化之目標而具有任何適合的形式。舉例而言，成本函數可為系統之某些特性(評估點)相對於此等特性之預期值(例如理想值)之偏差的加權均方根(RMS)；成本函數亦可為此等偏差之最大值(亦即，最差偏差)。本文之術語「評估點」應廣泛地解譯為包括系統之任何特性。歸因於系統之實施之實務性，系統之設計變數可限於有限範圍及/或可相互相依。在微影投影裝置之情況下，約束常常與硬體之物理屬性及特性(諸如可調諧範圍，及/或圖案化器件可製造性設計規則)相關聯，且評估點可包括基板上之抗蝕劑影像上的實體點，以及諸如劑量及焦點之非物理特性。
在微影投影裝置中，源提供照明(亦即，光)；投影光學器件經由圖案化器件而對照明進行導向及塑形，且將照明導向至基板上。此處，術語「投影光學器件」廣泛地定義為包括可變更輻射光束之波前的任何光學組件。舉例而言，投影光學器件可包括組件14A、16Aa、16Ab及16Ac中之至少一些。空中影像(AI)為基板位階處之輻射強度分佈。曝光基板上之抗蝕劑層，且將空中影像轉印至抗蝕劑層以在其中作為潛伏「抗蝕劑影像(RI)」。可將抗蝕劑影像(RI)定義為抗蝕劑層中之抗蝕劑之溶解度的空間分佈。可使用抗蝕劑模型以自空中影像演算抗蝕劑影像，可在以全文引用之方式併入本文中之共同讓渡之美國專利申請案第12/315,849號中找到此情形之實例。抗蝕劑模型係僅與抗蝕劑層之屬性(例如在曝光、PEB及顯影期間發生之化學程序之效應)相關。微影投影裝置之光學屬性(例如源、圖案化器件及投影光學器件之屬性)規定空中影像。由於可改變用於微影投影裝置中之圖案化器件，故需要使圖案化器件之光學屬性與至少包括源及投影光學器件的微影投影裝置之其餘部分之光學屬性分離。
圖2中說明用於模擬微影投影裝置中之微影的例示性流程圖。源模型31表示源之光學特性(包括輻射強度分佈及/或相位分佈)。投影光學器件模型32表示投影光學器件之光學特性(包括由投影光學器件造成的輻射強度分佈及/或相位分佈之改變)。設計佈局模型35表示設計佈局之光學特性(包括由給定設計佈局33造成的對輻射強度分佈及/或相位分佈之改變)，該設計佈局為在圖案化器件上或由圖案化器件形成之特徵之配置的表示。可自設計佈局模型35、投影光學器件模型32及設計佈局模型35來模擬空中影像36。可使用抗蝕劑模型37自空中影像36模擬抗蝕劑影像38。微影之模擬可例如預測抗蝕劑影像中之輪廓及CD。
更特定而言，應注意，源模型31可表示源之光學特性，該等光學特性包括(但不限於) NA均方偏差(σ)設定，以及任何特定照明源形狀(例如離軸輻射源，諸如環形、四極及偶極等)。投影光學器件模型32可表示投影光學器件之光學特性，該等光學特性包括像差、失真、折射率、實體大小、實體尺寸等。設計佈局模型35亦可表示實體圖案化器件之物理屬性，如在例如以全文引用之方式併入本文中的美國專利第7,587,704號中所描述。模擬之目標係準確地預測例如邊緣置放、空中影像強度斜率及CD，可隨後將該等邊緣置放、空中影像強度斜率及CD與預期設計進行比較。預期設計通常經定義為可能以諸如GDSII或OASIS或其他檔案格式之標準化數位檔案格式提供之預OPC設計佈局。
根據此設計佈局，可識別稱為「剪輯(clip)」之一或多個部分。在一實施例中，提取剪輯集合，其表示設計佈局中之複雜圖案(通常約為50個至1000個剪輯，但可使用任何數目個剪輯)。如熟習此項技術者將瞭解，此等圖案或剪輯表示設計之小部分(亦即，電路、胞元或圖案)，且特別地，該等剪輯表示需要特定注意及/或驗證之小部分。換言之，剪輯可為設計佈局之部分，或可類似或具有臨界特徵係藉由體驗而識別(包括由客戶提供之剪輯)、藉由試誤法而識別或藉由執行全晶片模擬而識別的設計佈局之部分的類似行為。剪輯通常含有一或多個測試圖案或量規圖案。
可由客戶基於設計佈局中要求特定影像最佳化之已知臨界特徵區域而先驗地提供初始較大剪輯集合。替代地，在另一實施例中，可藉由使用識別臨界特徵區域之某種自動化(諸如機器視覺)或手動演算法而自整個設計佈局提取初始較大剪輯集合。
圖案化程序(例如抗蝕劑程序)之隨機變異潛在地限制半導體高量製造(例如HVM)之EUV微影實施，此係由於每毫焦耳劑量「少數」光子與較佳低劑量程序之組合(例如在縮減特徵之電位及曝光劑量規格方面)，其又影響圖案化程序之產品良率或晶圓產出率或兩者。在一實施例中，抗蝕劑層之隨機變異可以由例如極端條件下的以下各者描述的不同故障模式顯示：線寬粗糙度(LWR)、線邊緣粗糙度(LER)、局部CD非均一性、閉合的孔或溝槽及/或虛線。此等隨機變異影響且限制有成效的高量製造(HVM)。為了表徵、瞭解及預測隨機變異，行業需要一種用以針對多種設計圖案量測此等變異的可信方法。
量測隨機變異之現有方法涉及用於不同特徵的不同量測技術。舉例而言，在一個方向(例如x或y)上量測線/間隔，可在兩個方向(例如x及y)上量測印刷於基板上之接觸孔或接觸孔圖案陣列。基於此等量測，僅在受限制位置(例如受限於諸如沿著x或y軸之一或兩個方向)處判定圖案化程序之效能度量(例如隨機邊緣置放誤差(SEPE))以用於最佳化圖案化程序。為便於閱讀，參考隨機邊緣置放誤差(SEPE)為實例對方法進行描述，此為EUV時代之效能限制。作為量測之一實例，圖案量測為線寬粗糙度(LWR)(一個方向性量測之實例)，且重複密集接點陣列量測為局部CD均一性(LCDU)(兩個方向性量測之實例)。
為了控制、減少及預測SEPE，半導體行業需要一種用以準確地量測SEPE之穩定解決方案。半導體行業並不具有用以利用相同演算法量測一個及兩個方向性量測兩者的SEPE的統一解決方案。當前，行業針對線量測LWR且針對重複接點陣列量測LCDU以估計SEPE。此外，此等量測僅集中於圖案層級(例如每圖案一個數目)而非其中出現熱點之邊緣點層級(例如沿著圖案之輪廓的點)。
隨著半導體技術節點愈來愈小，與期望圖案相關聯之隨機邊緣置放誤差(SEPE)成為整體邊緣置放誤差(EPE)預算之顯著部分。在一實施例中，期望圖案係指待印刷於基板上之任何圖案，該期望圖案在經印刷時可稱為期望印刷圖案。舉例而言，期望圖案對應於設計圖案，諸如記憶體、邏輯或其他IC電路中找到之接觸孔、線及任何不規則圖案。
在半導體製造中，SEPE在N5節點(例如特徵大小大致為5 nm)中佔總EPE預算之40%，在N3節點(例如特徵大小大致為3 nm)中佔總EPE預算之50%。為了在更小節點中實現高良率，期望準確地模型化SEPE且高效地控制SEPE以改良圖案化程序之良率(例如減少印刷圖案中之缺陷)。
在一實施例中，諸如掃描電子顯微鏡(SEM)之度量衡工具用於表徵與期望圖案相關聯之SEPE。在由SEM工具捕捉之SEM影像資料中，雜訊嵌入於其中。在一實施例中，SEM影像可經重疊以判定與期望圖案相關聯之輪廓帶σ LEPU ，其中LEPU 代表稱為局部邊緣置放均一性(LEPU)之量測。在一實施例中，術語「局部」係指特定區域(例如單位胞元或特定晶粒。相應地，LEPU係指與特定區域(例如單位胞元)相關聯之邊緣置放量測。在一實施例中，處於相同倍縮光罩方位之來自不同晶粒之重疊的SEM影像由三個促成因素組成，該三個促成因素包括：(i)SEM變異σ SEM ；(ii)遮罩相關變異σ mask ；以及(iii)隨機變異σ SEPE (亦稱為隨機邊緣置放誤差)。在以下方程式中，σ LEPU 為輪廓帶(例如與圖案相關聯之總變異帶)。
Figure 02_image001
遮罩誤差可來源於遮罩製造期間之誤差。隨機變異或帶(亦稱為SEPE帶)可來源於基板曝光及圖案化程序中之不確定性。舉例而言，SEPE帶係由於光子數目的不確定性、與光子一起產生之酸之數目的不確定性及其他抗蝕劑顯影相關效應。
在現有技術中，可基於線性巢套模型藉由分解方法提取SEPE帶。舉例而言，接觸孔之局部臨界尺寸均一性(LCDU)具有三個因素，該三個因素包括SEM雜訊、遮罩誤差及SEPE帶。在一實施例中，可將LCDU資料提供至線性巢套模型，以分解三個因素。
在一實施例中，為了製備用於分解演算法之資料，使用兩次同一SEM度量衡配方，且實現配方中之局部對準以減少不同量測重複當中之SEM量測位置偏置(例如圖8B中之與晶粒之第一位置相關聯之資料集1及資料集2)。可在不同晶粒當中執行類似量測。在一實施例中，(例如待掃描之區域之中心處的)錨特徵通常包括於SEM之視場(FOV)中，以有助於在不同量測(及不同晶粒)當中對準SEM影像。
在本發明中，參考基板之量測使用之術語「重複」係指使用指定度量衡配方在基板之指定位置處進行的多個量測。舉例而言，重複資料係指以指定度量衡配方(例如導降能量、探針電流、掃描速率等)獲取之基板上之第一位置(例如指定晶粒之中心)處的複數個影像。在一實施例中，至少兩個重複資料由該複數個影像產生。舉例而言，在下文中進一步詳細論述第一重複資料(例如圖8B中之資料集1)及第二重複資料(例如圖8B中之資料集2)。
在SEPE帶判定之現有方法中，分解通常應用於自SEM影像導出之臨界尺寸(CD)量規量測，其中在諸如x或y之一個方向上量測僅與圖案之關鍵特徵相關聯之距離。舉例而言，CD量規經量測為僅在一個方向(通常沿著水平或豎直方向)上之兩個點之間的距離。然而，基於CD量規之SEPE帶僅覆蓋沿輪廓之若干位置，此並不足以用於任意圖案之SEPE帶模型化。另一方面，根據本發明，相對於一參考在多個方向上量測EP量規。舉例而言，EP量規經量測為期望輪廓上之所關注點與沿著特定角度處(例如正交於輪廓)之線之參考點之間的距離。此多方向量測資料能夠準確量測任意圖案(例如參見圖7A及7B中之EP量規)，此係由於無法僅藉由僅在x或y方向上之量測描述任意圖案。
現有技術之缺點包括(但不限於)以下。在任兩個量測重複之間存在大(x,y,z)置放偏移。舉例而言，在運行SEM度量衡配方多次時，配方必須針對各配方運行執行全局及局部對準(例如晶圓對準)。即使在局部對準(其減小量測產出率)之情況下，典型(x,y)置放誤差大致為10 nm。在與相同晶粒位置相關聯之時滯差中存在較大變異，因此，量測與基板之抗蝕劑相關聯之較大SEM收縮不確定性。舉例而言，在運行SEM度量衡配方兩次時，亦難以控制不同晶粒當中的第一量測重複與第二量測重複之間的時間流逝。時間流逝使兩次量測重複之間的收縮不確定性增大。此收縮不確定性將降低諸如SEM雜訊σ SEM 、遮罩誤差σ mask 及隨機變異σ SEPE 之分解結果的準確度。存在更長的資料獲取時間及更大的晶圓受損機率。舉例而言，為了獲取基板上之定義位置處之良好質量SEM影像，度量衡工具必須針對各配方運行執行聚焦調整、全局及局部對準。此導致更長的獲取時間，且晶圓受損機率更大。在利用SEM光束運行焦點及局部對準時，SEM光束可損壞晶圓表面。
此外，SEPE帶演算係基於沿著輪廓之位置的受限數目。舉例而言，現有技術為使用CD量規對接觸孔特徵、桿體、線距特徵等進行SEPE帶分解。在沿著特徵之輪廓的受限位置處定義CD量規。舉例而言，CDx及CDy係整個接觸孔之x方向及y方向處之CD量規。對於複雜任意特徵，來自CD量規之SEPE帶並不描述整個輪廓的SEPE帶。替代地，本文中所描述之EP量規相較於CD量規提供相對較高之輪廓覆蓋度。
本發明將CD量規擴展至EP量規，且定義新的量測序列。另外，分解SEPE帶大致覆蓋全部二維輪廓，該二維輪廓之SEM影像係由諸如HMI工具之度量衡工具以大FOV及高產出率獲取。
本發明方法(例如本文中所描述之方法300、800等)之優勢中之一些為相較於現有方法以更少的度量衡量測時間及更少的晶圓受損而改良SEPE帶提取之準確度。方法將自CD量規進行之SEPE帶提取擴展至EP量規，使得可模型化沿著任意二維圖案之全部輪廓的SEPE帶。用於任意圖案之此SEPE帶使得計算微影軟體(例如迅子(Tachyon)模型)能夠模擬遮罩圖案之任何位置處之SEPE。方法能夠在EP量規位置(其可為例如CD量規資料之100倍)處利用大量SEPE帶資料進行準確的SEPE模型擬合。
在一實施例中，該方法使用大FOV及高產出率SEM工具(諸如HMI)，其可在短時間內獲取覆蓋大晶圓區域之SEM影像且可實現快速SEPE帶校準及驗證。
圖3為用於判定與待印刷於基板上之圖案相關聯之隨機邊緣置放誤差之方法300的流程圖。方法300基於以特定序列(例如參見圖8B)自度量衡工具獲得之資料而判定隨機邊緣置放誤差。資料與定義位置處之圖案相關聯。在一實施例中，資料包括定義位置(在不移動至第二位置的情況下獲取，藉此不需要晶圓重新對準)處之圖案之複數個影像。舉例而言，使用單個度量衡配方獲得特定晶粒內之同一位置的複數個影像。
所提出方法將來自單一量測重複之連續影像(例如在不移動至第二位置的情況下使用同一度量衡配方獲取複數個影像)預處理為超過兩個資料集，其進一步提供至經組態以判定與例如遮罩、SEM工具及SEPE相關聯之隨機變異的分解演算法。預處理單次重複之N個連續影像以產生資料之實例與至少兩個量測重複資料集相同。舉例而言，兩個量測重複資料可藉由以下產生：將奇數編號影像合併為repeat#1資料，以及將所有偶數編號影像合併為repeat#2資料。在更一般情況中，repeat#1及repeat#2資料可以任何次序合併任何數目的影像，只要影像中之至少一者在兩個重複資料當中為不同的即可。舉例而言，若在一個基板位置處獲取總N個連續影像，則repeat#1資料可藉由將第1影像合併至第[N/2]影像而產生，且repeat#2可藉由合併其餘影像而產生。若N為奇數數目，則[N/2]為向上取整的整數。
本發明方法300之優勢包括(但不限於)以下。首先，重複(例如repeat#1及repeat#2)之間的與度量衡工具相關聯之置放誤差(例如在x、y方向上)最小。舉例而言，重複當中的(x,y)置放誤差與跟連續影像相關聯之置放誤差(其可大致為1像素大小)相同。
因此，利用本發明方法，與度量衡工具相關聯之置放誤差實質上小於由現有方法中所需之全局及局部晶圓對準產生的置放誤差(例如10 nm)。此外，重複(例如repeat#1及repeat#2)當中的z位置(例如度量衡工具相對於基板之焦點位置)與連續影像當中的焦點可重複性相同。因此，本發明方法中之焦點可重複性比現有方法之不同配方運行之間的焦點可重複性好得多。因此，在現存方法中，由重新聚焦度量衡工具產生之變異經最小為不存在。
其次，重複(例如repeat#1及repeat#2)之間的時滯差最小。在一實施例中，時滯差取決於像素之停留時間。舉例而言，若度量衡工具之掃描速度為10 MHz，各像素停留時間為0.1 μs，則停留時間之10倍表示為1 μs之時滯差。在一其他實例中，若掃描速度為100 MHz，則各像素停留時間為0.01 μs，則停留時間之10倍表示0.1 μs之時滯差。在一實施例中，停留時間為聚焦的電子束停留在經量測基板上之一點(表徵為單個像素)且照亮該點之時間。因此，停留時間愈長，可每像素收集愈多的光子，且掃描速度將愈低。
時滯差可導致不可預知的晶圓收縮差，此係由於晶圓收縮為時間之非線性函數。因此，將因多次使用SEM工具而導致之晶圓之收縮不確定性減到最少。在本發明方法中，重複之間的時滯差與連續影像當中的時滯差相同，該時滯處於亞微秒層級(例如一數位或兩數位奈米秒)中。另一方面，相較於本發明方法，現有方法之兩個配方運行層級中之時滯差大得多(例如其可為亞秒層級)。
第三，本發明方法需要更少SEM度量衡時間且相較於現有方法導致更少晶圓受損。利用(例如用於量測重複中之)單一度量衡配方運行獲取SEM影像可消除傳統的第2度量衡配方運行中所需的全局及局部晶圓對準及重新聚焦時間。重新聚焦及局部對準使用SEM光束，該SEM光束可損壞晶圓。因此，使用單一重複獲取可節省SEM度量衡時間且減少晶圓受損。
相較於現有方法，以上優勢利用更少度量衡時間進行更準確的SEPE帶演算。除了獲得更準確的SEPE帶以外，此方法亦可提供更準確的度量衡雜訊/變異(例如SEM雜訊)及遮罩相關變異/誤差。舉例而言，如下相對於工序P301、P303及P305更詳細地論述方法。
工序P301涉及經由度量衡工具連續地獲取基板上之定義位置處之圖案的複數個影像301而不在其間執行基板對準。舉例而言，如圖8B中所論述，影像編號1、2、3、4…16係在不在影像編號1與2、1與5、1與16、2與16或其他可能組合之間執行晶圓重新對準的情況下以連續方式在定義位置處獲取。在SEM度量衡中，術語「影像」(例如16個影像)亦稱為「訊框」(例如16個訊框)。在一實施例中，複數個影像係在不獲取基板上之第二位置處之圖案之影像的情況下獲取。在一實施例中，度量衡工具使用單個度量衡配方獲取複數個影像301中之各者。度量衡配方包含與基板上之位置相關聯之視場及定位資訊。在一實施例中，度量衡工具為掃描電子顯微鏡(SEM)，且複數個影像301為SEM影像。在一實施例中，複數個影像301中之影像為像素化影像。
在一實施例中，獲取位置之複數個影像301涉及：使基板與度量衡工具對準；以及在不獲取基板之第二晶粒中之影像的情況下獲取基板之第一晶粒中之定義位置處的圖案之複數個影像301中之各者。
在一實施例中，由於在定義位置處獲取複數個影像301而不在其間執行基板對準，故第一資料303及第二資料301具有大致為1像素大小之置放誤差。置放誤差與度量衡工具在基板上之定義位置處之定位相關聯。
舉例而言，在獲取複數個影像中之影像(例如第1影像)時，SEM工具(例如以z字形方式)掃描定義位置周圍的區域。在獲取連續影像(例如第2影像)時，SEM工具重新定位至第1影像之起始位置。此重新定位稱為置放誤差。在現有方法中，在即將回到第1晶粒之起始位置之前，SEM工具獲取不同晶粒之不同位置處的影像。在再次量測第1晶粒時，較長時間已過去，且基板可能已移動，此導致相較於所提出量測方法大得多的定位或置放誤差。在一實施例中，在SEM工具用於量測經由EUV微影工具印刷的基板時，像素大小可大致為1 nm。
然而，方法不限於SEM工具或特定微影工具。舉例而言，方法亦可用於使用DUV微影工具及不同SEM工具印刷的基板。因此，以像素大小之術語定義置放誤差。舉例而言，置放誤差可介於1至2像素大小層級之間。
在一實施例中，第一資料303及第二資料304具有小於1 μs之時滯差。如先前所提及，時滯差與藉由度量衡工具獲取之給定影像之像素的停留時間相關聯。舉例而言，由於複數個影像301係在不獲取(例如第1晶粒或第2晶粒中的)第二位置處之影像的情況下在(例如第1晶粒中的)定義位置處獲取，故SEM工具必須移動相對更小距離。因此連續影像之間的時滯差相對較小。因此，減小因晶圓收縮而導致之變異效應。因此，第一資料303及第二資料304具有相對較小的與基板隨時間推移之研發相關聯的變異以及與度量衡工具與基板之間的相互作用相關聯的變異。
在一實施例中，在藉由度量衡工具量測期間，在不重新聚焦度量衡工具之情況下及/或在不重新對準基板之情況下產生第一資料303及第二資料304。如先前所提及，SEM工具例如在獲取(例如第1晶粒或第2晶粒中的)第二位置處之影像之前獲取(例如第1晶粒之)同一位置處之多個影像，基板相關變形最小且因此可能不需要重新聚焦。此外，可能不需要在定義位置處重新對準SEM工具。舉例而言，重新對準涉及利用度量衡工具識別/匹配基板之定位標記，以識別基板上之定義位置且確保正確對準。此利用定位標記之重新匹配/重新對準可能並非必要的，此係由於在連續量測(例如影像)之間基板變形最小。
在一實施例中，進一步在圖8B中說明獲取期望印刷圖案之複數個影像301以用於產生第一資料303 (亦稱為repeat#1)及第二資料304 (亦稱為repeat#2)。圖8A及8B分別將現有量測程序與所提出量測程序之實例進行比較。
在傳統方法中，圖8A展示執行晶圓對準WA，繼之以自基板之die#1、die#2 …die#N獲取期望印刷圖案之複數個影像。此等影像進一步用於產生第一資料(dataset#1或repeat#1)。此外，在自基板之die#1、die#2 …die#N獲取影像之前執行第二晶圓對準，以產生第二資料(dataset#2或repeat#2)。因此，在第一資料與第二資料之間執行兩次晶圓對準。同樣地，將需要額外晶圓對準以產生第三資料、第四資料等等。在一實施例中，可能針對不同晶粒需要多個度量衡配方。因此，在量測die#1、die#2…die#N之後，度量衡工具需要進行調整以在重新量測die#1時返回至配方相關聯die#1，以產生第二資料。如先前所論述，相較於根據本發明方法中所使用之圖8B之量測，以此方式獲取資料具有更高的與第一資料及第二資料相關聯之時滯差、定位誤差及收縮不確定性。
另一方面，在圖8B中，僅在自die#1 (例如die#1之定義位置)獲取期望印刷圖案之複數個影像之開始時執行一次晶圓對準WA。隨後，die#1之影像進一步用於產生第一資料303 (dataset#1或repeat#1)及第二資料304 (dataset#1或repeat#2)。此後，以類似方式，可自die#2、…及die#N獲取期望印刷圖案之額外多個影像。以此方式，第一資料303及第二資料304與定義位置相關聯。如先前所論述，相較於根據圖8A之量測，以此方式獲取資料具有實質上更小的與第一資料303及第二資料304相關聯之時滯差、定位誤差及收縮不確定性。
在一實施例中，在獲取基板上之定義位置複數個影像301之後，隨後獲取基板上之第二位置處之第二複數個影像。與第二位置相關聯之資料可經獲取且以類似於與第一位置相關聯之資料的方式使用，如工序P301、P303、P305、P307或使用藉由度量衡工具獲取之資料之其他工序中所論述。
工序P303涉及產生至少兩個資料：(i)與使用複數個影像301之第一影像集合之圖案相關聯的第一資料303，及(ii)與使用複數個影像301之第二影像集合之圖案相關聯的第二資料304，其中第一影像集合及第二影像集合包括至少一個不同影像。可理解，第一資料303及第二資料304為實例且不受本發明之範疇限制。在一實施例中，可藉由以類似方式將複數個影像301劃分為子集而產生多於兩個資料。
在一實施例中，第一資料303及第二資料304之產生涉及：選擇複數個影像301之第一影像集合及不同於第一影像集合之複數個影像301之第二影像集合；使第一影像集合重疊；使用重疊的第一影像集合來判定邊緣置放誤差之值以產生第一資料303；使第二影像集合重疊；以及使用重疊的第二影像集合來判定邊緣置放誤差之值以產生第二資料304。
圖5A及5B說明印刷基板510及作為第一資料303 (例如repeat#1)之實例之影像530。在特定位置處收集影像530，其包含印刷基板510之晶粒內之期望圖案。在一實施例中，第一資料303 (例如530)可包括影像(例如SEM影像)集合及/或與期望圖案相關聯之單位胞元的數目。在一實施例中，可計算影像集合之平均值以產生第一資料303。在一實施例中，由影像集合覆蓋之區域可取決於SEM工具之FOV。舉例而言，在圖5B中，影像集合可包括晶粒之中心(用於SEM量測之指定位置之實例)周圍的部分，其中SEM之FOV足夠大以捕捉定義位置(例如圖5B中之影像530之中心)周圍的區域。類似地，可獲取特定晶粒內之不同指定位置處之資料，其中在指定度量衡條件/配方下掃描各位置。另外，可如上文所論述自不同晶粒獲取資料。所獲取資料可進一步經劃分以產生第一資料及第二資料，如圖3中所論述。
此外，在一實施例中，第一資料(例如repeat#1)可包括與單位胞元相關聯之複數個影像。在一實施例中，單位胞元經定義為設計圖案之特徵集合之唯一配置。此單位胞元可為設計圖案之特徵，且可出現於特定晶粒內之多個位置處，且擴展地出現於基板上之若干位置處。因此，在期望印刷圖案之影像內可能存在若干單位胞元。舉例而言，參見圖5B，單位胞元可包括經配置為展示於單位胞元531中的特徵。
在一實施例中，第一影像集合及第二影像集合包括與定義位置相關聯之複數個影像中之所有不同影像。在一實施例中，連續地獲取複數個影像中之各影像，使得連續影像之間的時滯差及度量衡工具之定位誤差減到最小。舉例而言，利用第一FOV及單個度量衡配方之SEM工具一個接一個地(亦即，連續地)捕捉16個影像。在一實施例中，第一影像集合包括偶數編號影像(例如影像2、4、6、8、10、12及14)，且第二影像集合包括奇數編號影像(例如影像1、3、5、7、9、11、13及15)。
在一實施例中，判定邊緣置放誤差之值涉及：定義圖案之輪廓周圍之複數個參考點；定義複數個切線，各切線在圖案之輪廓之法線方向上穿過複數個參考點中之給定參考點；判定給定切線與複數個影像中之給定影像中之圖案的相交點；以及量測相交點與給定參考點之間的距離，其中邊緣置放誤差包含與複數個影像中之各影像相關聯之經量測距離。
圖6展示判定與(例如圖5B及6中的)單位胞元531之圖案的特徵相關聯之EPE之值的實例。舉例而言，判定單位胞元531之特徵631 (或632/633)周圍標記的統稱為點631L (或632L/633L)的複數個位置處之EPE值。相對於圖7A及7B進一步說明及論述邊緣置放誤差值(例如與參考輪廓周圍之各參考點相關聯之dist2EPbase )之判定之實例。
工序P305涉及使用與定義位置處之圖案相關聯之第一資料303及第二資料304來判定與圖案相關聯之隨機邊緣置放誤差305。
在一實施例中，判定隨機邊緣置放誤差305涉及使用第一資料303及第二資料304執行分解演算法。在一實施例中，分解演算法使用第一資料303、第二資料304及基板上之邊緣置放誤差之值來判定與度量衡工具相關聯之第一變異；且基於第一資料303、第二資料304及第一變異而進一步判定與圖案相關聯之第二變異。
在一實施例中，邊緣置放誤差經量測為圖7A及7B中所展示之dist2EPbaseas 。dist2EPbase 值進一步用於經由分解algorithm判定變異資料，該變異資料諸如
Figure 02_image003
、
Figure 02_image005
及
Figure 02_image007
。在一實施例中，此變異資料進一步用於改良例如遮罩圖案、圖案化程序之程序條件等。
在一實施例中，量測資料(例如st2EPbase )可經配置於三個層級中。資料之第一層級係指在同一度量衡條件下收集至少兩次之資料，其可有助於移除度量衡雜訊。資料之第二層級為與用於在多個晶粒處暴露之同一遮罩相關聯之資料，隨後晶粒間差指示隨機誤差。資料之第三層級係指與晶粒內之多個單位胞元相關聯之資料，且單位胞元當中的資料中的差指示遮罩誤差。
在一實施例中，分解演算法係基於線性巢套模型(例如「Design and Analysis of Experiment」中詳細論述)，該線性巢套模型經組態以將dist2EPbase 值分解為三個分量
Figure 02_image003
、
Figure 02_image005
Figure 02_image011
及
Figure 02_image007
。
在一實施例中，線性巢套模型假定一組經量測邊緣置放誤差EPEis ，其中i =1…N ，且s =1…S ；N 表示影像中的單位胞元的數目且S 為量測重複的數目。在一實施例中，邊緣置放誤差經量測為dist2EPbase 。相應地，與dist2EPbase 相關聯之方差將與EPE之方差相同。
在一實施例中，線性巢套模型中使用之變數/指數之清單闡述如下：s ：自同一晶圓(x,y)位置處之複數個影像產生之量測資料集(例如第一資料303及第二資料304)，s =1…S ，S 為量測資料集的數目(例如2)；t ：一個晶粒中之單位胞元指數，t =1…T ，T 為晶粒中之經取樣單位胞元的數目；以及j ：影像中的唯一量規位置，j =1…J 。在實施例中，單位胞元係指期望印刷圖案的一部分。任何EPE (例如dist2EPbase )量測之方差為方差σ SEPE 、σ SEM 及σ mask 之和。
舉例而言，分解演算法使用第一層級資料、第二層級資料及第三層級資料來演算SEPE、SEM及遮罩之均方(MS)。基於均方，演算法演算SEPE、SEM及遮罩之方差σ2 。
在一實施例中，方法進一步涉及(例如在工序P307中，涉及)：判定圖案之空中影像之強度對數斜率；以及基於與圖案相關聯之隨機邊緣置放誤差305及強度對數斜率而判定經組態以預測圖案之輪廓上之任何點處之邊緣置放中的隨機變異之模型。在另一實例中，經組態以預測SEPE帶之SEPE模型可基於其他圖案化相關參數，諸如強度對數斜率、每劑量改變之CD改變(亦稱為dCD/dDose或劑量靈敏度)。舉例而言，σ SEPE 表示為d(CD)/d(Dose) 之線性(或非線性)函數，且可基於自上文所論述之分解演算法獲得的σ SEPE 資料判定相關聯參數。
在一實施例中，方法進一步涉及(例如在工序P309中，涉及)基於隨機邊緣置放誤差305判定與待印刷於基板上之圖案相關聯之遮罩的光學近接校正。
圖4說明自原始影像中捕捉的印刷圖案導出之隨機變異帶之實例以及基於根據原始影像判定之邊緣置放誤差值(如上文在圖3以及圖7A及7B中所論述)而判定的實例隨機變異帶。
在圖4中，可(例如經由處理器104)接收例如呈GDS/OASIS檔案格式之形式之參考圖案401，該GDS/OASIS檔案格式為與SEM影像格式不同的格式。相應地，影像及GDS格式中的圖案之座標或位置將為不同的。在一實施例中，參考圖案401可為設計佈局，或作為程序模擬之輸出獲得之模擬佈局。參考圖案401包含期望待印刷於經由微影裝置成像之基板上之複數個特徵。在本實例中，參考圖案401包含特定間距之水平線及另一間距之豎直線。在另一實例中，參考圖案401可包括對應於待印刷於基板上之IC之接觸孔或其他幾何結構。
參考圖案401可印刷在基板上之不同位置處。舉例而言，參考圖案401可印刷在特定晶粒內之不同位置處及/或基板上之不同晶粒上。舉例而言，印刷基板可包括對應於參考圖案401之印刷圖案之數千或甚至數百萬個例項。在一實施例中，可經由度量衡工具(例如SEM、光學工具或其他影像捕捉工具)獲得印刷基板之影像。通常，獲得基板之此等影像以用於量測印刷圖案之特性(例如CD、EPE等)，檢查印刷圖案之質量，識別印刷圖案、熱點中的故障等。
舉例而言，經由SEM工具(例如圖11至12中所論述)獲得對應於參考圖案401之複數個影像402 (為提高可讀性，亦稱為原始影像402，為影像301之實例)。在一實施例中，自第一晶粒捕捉第一複數個影像，自基板之第二晶粒捕捉第二複數個影像，等等。各此影像包括對應於參考圖案401之印刷圖案。舉例而言，印刷圖案包括對應於參考圖案401之水平線豎直線。然而，原始影像402中的印刷圖案可能不一致、失真，且/或包括因圖案化程序、經由度量衡工具(例如SEM工具)之程序及/或與圖案化程序相關聯之其他變異而導致之變異。
在一實施例中，原始影像402失真、模糊，且/或包括雜訊分量，此使得難以準確地識別印刷圖案之形狀、大小及/或輪廓。儘管可應用去噪濾波以部分地或完全地自影像中移除雜訊，但自其判定輪廓及對應量測可能並不準確，此係由於SEM量測程序自身可能涉及程序不準確度，諸如電子束可能在捕捉基板影像(藉此捕捉失真影像)期間影響抗蝕劑。
根據原始影像402，印刷圖案之輪廓可經提取且彼此重疊以判定印刷圖案之變異帶(例如帶405)。變異帶指示參考圖案401並未均一地印刷，或在基板之不同位置處具有變化的尺寸/形狀。此帶為總變異之估計。此變異之部分係由隨機變異導致，另一部分係來自圖案化程序及/或量測程序(例如在SEM工具或其他度量衡工具中)。因此，分解及擷取與原始影像402中之各者有關之各變異資訊(例如隨機變異、晶粒間變異、晶粒內變異等等)。在一實施例中，隨機變異帶405為基於如以上方法300中所論述而獲得的影像判定的SEPE帶。
在一實施例中，如圖7A及7B中所展示，可對隨機變異帶405執行量測。判定量測(例如EPE)涉及定義切線以及輪廓周圍之參考點。在實施例中，量測為參考點與切線及影像之輪廓的相交點之間的距離。
圖7A展示彼此重疊的複數個影像之一組經提取輪廓710。經提取輪廓710進一步與參考輪廓701重疊，該參考輪廓701進一步與參考點RP之集合(各星型點為參考點)相關聯。在一實施例中，可基於與經由圖案化程序模型(例如迅子軟體之光學器件模型)之模擬獲得的空中影像相關聯之輪廓而定義參考輪廓。在一實施例中，可自與所有晶粒上之期望圖案相關聯之平均化影像獲得參考輪廓。對於量測，定義不同切線，使得各切線穿過參考點且正交於參考輪廓。此切線將為多方向的，且可應用於量測具有任何任意形狀的任何輪廓。舉例而言，切線C1至C4 (7A中)正交於參考輪廓。在實施例中，切線無需為水平的或豎直的，但可為源自參考點之有角度切線，如所展示。各切線可延伸以與經提取輪廓710相交。相交之實例展示於圖7B中，該圖7B為圖7A之放大部分。
在圖7B中，切線C1在點I1處與輪廓710a相交。隨後，參考點RP1與點I1之間的距離(例如dist2EPbase )定義為邊緣置放誤差。換言之，輪廓710a並未與參考輪廓精確地重疊。因此，並不依照要求置放印刷輪廓710a，由此被視為邊緣置放誤差。理想地，印刷輪廓應與參考輪廓701重疊。另外，應注意，邊緣置放誤差沿著輪廓而變化。舉例而言，在一些位置處，印刷輪廓之邊緣置放相對接近於參考輪廓701，而在一些位置處，印刷輪廓離得較遠。所提出量測方法提供更準確EPE量測資料，此係由於其可覆蓋任何任意圖案以及為複數個影像之輪廓提供共同參考點。此EPE資料進一步用於分解演算法中，以如本文所論述判定隨機變異(例如SEPE)。
參考圖9，提供一種用於判定與待印刷於基板上之圖案相關聯之邊緣置放誤差的方法900。相對於圖7A及7B論述方法之實例。此外，如下論述用以判定邊緣置放誤差之方法900之實例工序P901到P909。
工序P901涉及定義圖案之輪廓周圍的複數個參考點901。舉例而言，在圖7A中，定義參考輪廓701周圍的複數個參考點RP (901之實例)。參考點亦稱為基點，此等基點充當用於相對於自資料集(例如圖3及8B中所論述的資料集1及資料集2)提取之輪廓(例如710)執行量測的共同位置。在一實施例中，參考點可位於參考輪廓周圍的任何位置，只要切線正交於參考輪廓，保留變異資訊。因此，來自此量測之分解SEPE帶資訊將與相對於參考點量測之距離中的變異相同。
工序P903涉及定義複數個切線903，其中各切線在圖案之輪廓的法線方向上穿過複數個參考點901中之給定參考點。舉例而言，參見圖7A中的切線C1至C4，各切線穿過參考點且正交於參考輪廓701。因此，沿著同一切線執行與複數個影像中之各者相關聯之量測。根據工序P905及P907執行量測。
工序P905涉及判定給定切線與印刷於基板上之圖案之相交點905。工序P907涉及量測相交點905與給定參考點之間的距離907 (例如dist2EPbase )。
在一實施例中，可收集所有量測資料以判定與輪廓相關聯之EPE帶。舉例而言，在一實施例中，工序P909涉及合併與圖案之輪廓周圍之複數個參考點901中之各者相關聯的距離907，以產生與圖案相關聯的邊緣置放資料909。在一實施例中，邊緣置放資料係指包含與期望圖案之邊緣置放誤差相關聯之資訊的資料。舉例而言，資訊包括參考輪廓、參考點之位置及與期望印刷圖案相關聯之邊緣置放誤差值。
方法900 (或方法300)可進一步包含判定用以預測SEPE之模型。舉例而言，方法900進一步涉及：判定圖案之空中影像之強度對數斜率；以及基於邊緣置放資料909及強度對數斜率(ILS)而判定經組態以預測圖案之輪廓上之任何點處的邊緣置放中的隨機變異的模型。如先前所提及，SEPE模型不限於特定圖案化程序參數。在一實例中，經組態以預測SEPE帶之SEPE模型可基於其他圖案化相關參數，諸如強度對數斜率、每劑量改變之CD改變(亦稱為dCD/dDose或劑量靈敏度)。舉例而言，σ SEPE 表示為d(CD)/d(Dose) 之線性(或非線性)函數，且可基於自上文所論述之分解演算法獲得的σ SEPE 資料判定相關聯參數。
基於ILS之SEPE模型之實例如下。可藉由擬合方法300中判定的σSEPE 資料及經由光學模型(例如圖2中所論述)之模擬獲得的ILS資料(亦稱為空中影像之模糊強度對數斜率)來判定SEPE模型。隨後，使用諸如最小平方誤差之模型擬合方法，可判定以下模型ML1及/或ML2中之模型參數(例如a 、b 及DC )之值。
Figure 02_image014
熟習此項技術者可理解，模型ML1及ML2僅為實例，且可使用其他適當模型及模型擬合技術來判定SEPE模型。在一實施例中，SEPE模型可用於圖案化程序模擬(例如圖2、OPC程序等)，以判定所關注參數之值，諸如遮罩圖案之形狀及大小、微影裝置之劑量、微影裝置之焦點等。因此，準確SEPE模型可用以改良圖案化程序之良率。
在一實施例中，方法900 (或方法300)進一步涉及使用邊緣置放資料909訓練經組態以預測圖案化程序之態樣的機器學習模型。在一實施例中，此基於機器學習之模型可發展，此係由於可使用大量資料來定義任何任意形狀的輪廓的SEPE帶。另一方面，基於CD量測之現有方法具有相對受限的圖案之輪廓之覆蓋度，因此基於此受限資料之訓練模型可能不產生準確模型。在此不準確模型進一步用於圖案化程序模擬中時，可能判定不準確的程序條件，藉此不利地影響印刷行為。
在一實施例中，可使用SEPE帶及/或SEPE模型來改良之圖案化程序之態樣包括(但不限於)：(i)與待印刷於基板上之圖案相關聯之遮罩圖案；(ii)圖案化程序中所使用之微影裝置之源；(iii)基板上之抗蝕劑顯影；及/或(iv)對經歷圖案化程序之印刷於基板上之圖案之可製造性檢查。
參考圖10，提供一種用於判定因經由度量衡工具之量測而導致之基板之抗蝕劑中的收縮的方法1100。工序P101涉及經由度量衡工具獲取基板上之定義位置處之圖案的複數個影像而不在其間執行基板對準。工序P101類似於相對於方法300論述之工序P301。
此外，工序P103涉及產生至少兩個資料：(i)與使用複數個影像1101之第一影像集合之圖案相關聯的第一資料1103，及(ii)與使用複數個影像1101之第二影像集合之圖案相關聯的第二資料1104，其中第一影像集合包含複數個影像1101中之至少兩個連續影像，且第二影像集合包含複數個影像1101中之至少兩個不同連續影像。可理解，第一資料1103及第二資料1104為實例且不受本發明之範疇限制。在一實施例中，可藉由以類似方式將複數個影像1101劃分為子集而產生多於兩個資料。
工序P105涉及基於第一資料1103與第二資料1104之間的差異來判定基板之抗蝕劑中的收縮1105。在一實施例中，第一資料1103及第二資料1104包含與圖案相關聯之邊緣置放誤差之值。
在一實施例中，方法進一步涉及使用第一資料1103及第二資料1104來判定因度量衡工具而導致之複數個影像1101中的度量衡變異。舉例而言，度量衡變異
Figure 02_image016
可藉由將第一資料1103及第二資料1104提供至分解演算法且執行諸如上文所論述之方程式(eq.) 10之方程式。
在一實施例中，方法進一步涉及基於第一資料1103、第二資料1104及度量衡變異而判定收縮估計模型。
在一實施例中，收縮模型可為可使用度量衡變異及第一資料1103與第二資料1104之間的差擬合之任何數學模型。在一實施例中，在運行過程中(例如第1影像至第2影像)，定義位置處之EPE值將遵循相同趨勢，但具有一些偏移。此偏移主要由SEM光束損壞導致，且可在分解期間自EPE值移除。舉例而言，可自各SEM影像中減去EPE之平均值。
在一實施例中，如上文所論述之基於EP量規發展之SEPE模型(例如上文所論述之機器學習模型或其他適當數學模型)可用以改良期望圖案(例如與記憶體相關聯之圖案)之印刷。舉例而言，SEPE模型可用於預測與任何任意圖案(包括期望圖案)相關聯之變異帶(例如SEPE帶)。所預測的SEPE帶可提供為用於計算微影模擬以改良微影程序之態樣的輸入。舉例而言，態樣可為遮罩圖案，待在微影圖案化程序期間使用的程序條件等。
在一實施例中，SEPE帶可提供為與設計變數相關聯之輸入，該設計變數諸如最佳化程序(諸如OPC模擬)中所使用之CD、EPE或成本函數，以判定用於在基板上印刷期望圖案之遮罩圖案。本文中相對於圖13至16詳細地論述實例OPC程序及設計變數。
在一實施例中，SEPE帶可用於判定在印刷圖案中造成最少缺陷的最佳程序條件(例如製程窗、劑量-焦點值等)。程序條件可經由圖案化程序模擬(例如圖2中所論述)來判定，該圖案化程序模擬預測用於設計圖案及與其相關聯的SEPE帶的印刷圖案。此程序模擬為反覆程序，其中可調整一或多個程序條件(例如微影裝置中可用之劑量、焦點、光學參數或其他設定)以改良圖案化程序之效能。舉例而言，可藉由諸如EPE、缺陷等效能度量來量測效能。因此，基於SEPE帶，EPE可減小，印刷圖案中的缺陷可減少，或可實現其他期望改良。
根據本發明，所揭示元件之組合及子組合構成單獨實施例。舉例而言，第一組合包括獲取複數個影像、產生第一資料及第二資料，以及判定SEPE帶。子組合可包括使用複數個影像中之偶數編號影像計算第一資料及使用奇數編號影像計算第二資料。在另一實例中，組合包括獲取複數個影像及判定遮罩變異。遮罩變異用於判定遮罩圖案。在另一實例中，組合包括獲取複數個影像，判定第一資料及第二資料以判定基板之抗蝕劑中的收縮。
在一些實施例中，檢查裝置可為產生經曝光或轉印於基板上之結構(例如器件之一些或所有結構)之影像的掃描電子顯微鏡(SEM)。圖11描繪SEM工具之實施例。自電子源ESO發射之初級電子束EBP藉由聚光器透鏡CL彙聚且隨後穿過光束偏轉器EBD1、E×B偏轉器EBD2及物鏡OL以在焦點處輻照基板台ST上之基板PSub。
在藉由電子束EBP輻照基板PSub時，次級電子由基板PSub產生。次級電子係由E×B偏轉器EBD2偏轉且由次級電子偵測器SED偵測。二維電子束影像可藉由以下獲得：與例如在X或Y方向上由光束偏轉器EBD1對電子束進行二維掃描或由光束偏轉器EBD1對電子束EBP進行反覆掃描同步地偵測自樣本產生之電子，以及在X或Y方向中之另一者上藉由基板台ST連續移動基板PSub。
由次級電子偵測器SED偵測之信號藉由類比/數位(A/D)轉換器ADC轉換為數位信號，且將數位信號發送至影像處理系統IPU。在一實施例中，影像處理系統IPU可具有用以儲存以供處理單元PU處理之全部或部分數位影像之記憶體MEM。處理單元PU (例如經專門設計之硬體或硬體與軟體之組合)經組態以將數位影像轉換成或處理成表示數位影像之資料集。此外，影像處理系統IPU可具有經組態以將數位影像及對應資料集儲存於參考資料庫中之存儲介質STOR。顯示器件DIS可與影像處理系統IPU連接，使得操作者可藉助於圖形使用者介面進行設備之必要操作。
圖12示意性地說明檢查裝置之另一實施例。該系統用以檢查樣本載物台89上之樣本90 (諸如基板)且包含帶電粒子束產生器81、聚光器透鏡模組82、探針形成物鏡模組83、帶電粒子束偏轉模組84、次級帶電粒子偵測器模組85及影像形成模組86。
帶電粒子束產生器81產生初級帶電粒子束91。聚光器透鏡模組82將所產生之初級帶電粒子束91聚光。探針形成物鏡模組83將經聚光初級帶電粒子束聚焦為帶電粒子束探針92。帶電粒子束偏轉模組84使所形成之帶電粒子束探針92跨越緊固於樣本載物台89上之樣本90上的所關注區域之表面進行掃描。在一實施例中，帶電粒子束產生器81、聚光器透鏡模組82及探針形成物鏡模組83或其等效設計、替代方案或其任何組合一起形成產生掃描帶電粒子束探針92之帶電粒子束探針產生器。
次級帶電粒子偵測器模組85偵測在由帶電粒子束探針92轟擊後即自樣本表面發射的次級帶電粒子93 (亦可能與來自樣本表面之其他反射或散射帶電粒子一起)以產生次級帶電粒子偵測信號94。影像形成模組86 (例如計算器件)與次級帶電粒子偵測器模組85耦接以自次級帶電粒子偵測器模組85接收次級帶電粒子偵測信號94，且相應地形成至少一個經掃描影像。在一實施例中，次級帶電粒子偵測器模組85及影像形成模組86或其等效設計、替代方案或其任何組合一起形成影像形成裝置，該影像形成裝置自由帶電粒子束探針92轟擊的樣本90發射的偵測到之次級帶電粒子形成經掃描影像。
如上文所提及，可處理SEM影像以提取該影像中描述表示器件結構之物件之邊緣的輪廓。隨後經由量度，諸如CD量化此等輪廓。因此，通常經由諸如邊緣之間距離(CD)或影像之間的簡單像素差之過分簡單化度量來比較及量化器件結構之影像。偵測影像中物件之邊緣以便量測CD的典型輪廓模型使用影像梯度。實際上，彼等模型依賴於強影像梯度。但實務上，影像通常有雜訊且具有不連續邊界。諸如平滑化、自適應定限、邊緣偵測、磨蝕及擴張之技術可用以處理影像梯度輪廓模型之結果以定址有雜訊且不連續影像，但將最終導致高解析度影像之低解析度量化。因此，在大多數例項中，對器件結構之影像的數學操縱以減少雜訊以及自動化邊緣偵測導致影像之解析度之損失，藉此導致資訊之損失。因此，結果為總計為對複雜的高解析度結構之過分簡單化表示之低解析度量化。
因此，期望具有可保留解析度且又描述使用圖案化程序而產生或預期產生之結構(例如電路特徵、對準標記或度量衡目標部分(例如光柵特徵)等)的一般形狀之數學表示，而不論例如該等結構係在潛在抗蝕劑影像中、在經顯影抗蝕劑影像中，抑或例如藉由蝕刻而轉移至基板上之層。在微影或其他圖案化程序之內容背景中，結構可為製造之器件或其一部分，且影像可為該結構之SEM影像。在一些情形下，結構可為半導體器件(例如積體電路)之特徵。在一些情形下，結構可為用於對準量測程序中以判定一物件(例如基板)與另一物件(例如圖案化器件)之對準的對準標記或其一部分(例如對準標記之光柵)，或為用以量測圖案化程序之參數(例如疊對、焦點、劑量等)之度量衡目標或其一部分(例如度量衡目標之光柵)。在一實施例中，度量衡目標為用以量測例如疊對之繞射光柵。
在一實施例中，根據圖3之方法判定的與印刷圖案有關的量測資料(例如隨機變異)可用於最佳化圖案化程序或調整圖案化程序之參數。作為一實例，OPC處理如下事實：投影於基板上之設計佈局的影像之最終大小及置放將不相同於或簡單地僅取決於該設計佈局在圖案化器件上之大小及置放。應注意，術語「遮罩」、「倍縮光罩」、「圖案化器件」在本文中可互換地利用。再者，熟習此項技術者應認識到，尤其在微影模擬/最佳化之內容背景中，術語「遮罩」/「圖案化器件」及「設計佈局」可互換地使用，此係因為在微影模擬/最佳化中，未必使用實體圖案化器件，而可使用設計佈局以表示實體圖案化器件。對於存在於某一設計佈局上之小特徵大小及高特徵密度，給定特徵之特定邊緣之定位將在某種程度上受到其他鄰近特徵之存在或不存在影響。此等近接效應起因於自一個特徵耦接至另一特徵的微小量之輻射及/或諸如繞射及干涉之非幾何光學效應。類似地，近接效應可起因於在通常繼微影之後的曝光後烘烤(PEB)、抗蝕劑顯影及蝕刻期間之擴散及其他化學效應。
為了確保設計佈局之經投影影像係根據給定目標電路設計之要求，需要使用設計佈局之複雜數值模型、校正或預失真來預測及補償近接效應。文章「Full-Chip Lithography Simulation and Design Analysis - How OPC Is Changing IC Design」(C. Spence, Proc. SPIE, 第5751卷，第1至14頁(2005年))提供當前「以模型為基礎」之光學近接校正程序的綜述。在典型高端設計中，設計佈局之幾乎每一特性皆具有某種修改，以便達成經投影影像至目標設計之高保真度。此等修改可包括邊緣位置或線寬之移位或偏置，以及意欲輔助其他特徵之投影的「輔助」特徵之應用。
在數百萬個特徵通常存在於一晶片設計中的情況下，將以模型為基礎之OPC應用至目標設計涉及良好的程序模型及相當多的計算資源。然而，應用OPC通常不為「嚴正科學(exact science)」，而為並不總是補償所有可能近接效應之經驗反覆程序。因此，需要藉由設計檢查(亦即，使用經校準數值程序模型之密集型全晶片模擬)來驗證OPC之效應(例如，在應用OPC及任何其他RET之後的設計佈局)，以便最小化將設計瑕疵建置至圖案化器件圖案中的可能性。此情形係藉由如下各者驅使：製造高端圖案化器件之巨大成本，其在數百萬美元的範圍內；以及對產品製作時程之影響，其係因重做或修復實際圖案化器件(一旦其已被製造)而引起。
OPC及全晶片RET驗證兩者可基於例如美國專利申請案第10/815,573號及Y. Cao等人之名為「Optimized Hardware and Software For Fast, Full Chip Simulation」(Proc. SPIE, 第5754卷，405(2005年))之文章中描述的數值模型化系統及方法。
一個RET係關於設計佈局之全域偏置之調整。全域偏置為設計佈局中之圖案與意欲印刷於基板上之圖案之間的差。舉例而言，25 nm直徑之圓形圖案可藉由設計佈局中之50 nm直徑圖案或藉由設計佈局中之20 nm直徑圖案但以高劑量而經印刷於基板上。
除了對設計佈局或圖案化器件之最佳化(例如OPC)以外，亦可與圖案化器件最佳化聯合地抑或分離地最佳化照明源，以致力於改良總微影保真度。術語「照明源」及「源」在本文件中可互換地使用。自20世紀90年代以來，已引入諸如環形、四極及偶極之諸多離軸照明源，且該等離軸照明源已提供針對OPC設計之更多自由度，藉此改良成像結果。眾所周知，離軸照明為用以解析圖案化器件中所含有的精細結構(亦即目標特徵)之經證實方式。然而，相比於傳統照明源，離軸照明源通常提供針對空中影像(AI)之較小輻射強度。因此，變得需要試圖最佳化照明源以在較精細解析度與減小之輻射強度之間達成最佳平衡。
舉例而言，可在Rosenbluth等人之名為「Optimum Mask and Source Patterns to Print A Given Shape」(Journal of Microlithography, Microfabrication, Microsystems 1(1)，第13至20頁(2002年))之文章中找到眾多照明源最佳化方法。將光源分割成若干區，該等區中之各者對應於光瞳光譜之某一區。隨後，將光源分佈假定為在各光源區中均一，且針對製程窗來最佳化各區之亮度。然而，源分佈在各源區中均一之此假定並不總是有效，且結果，此方法之有效性受損。在Granik之名為「Source Optimization for Image Fidelity and Throughput」(Journal of Microlithography, Microfabrication, Microsystems 3(4)，第509至522頁(2004年))之文章中所闡述的另一實例中，綜述若干現有源最佳化方法，且提議將源最佳化問題轉換成一系列非負最小平方最佳化的基於照明器像素之方法。儘管此等方法已示範一些成就，但其通常需要多次複雜反覆以進行收斂。另外，可能難以判定用於一些額外參數(諸如Granik方法中之γ)之適當/最佳值，此情形規定在最佳化用於基板影像保真度之源與該源之平滑度要求之間的取捨。
對於低k1 光微影，源及圖案化器件兩者之最佳化有用於確保用於臨界電路圖案之投影的可行製程窗。一些演算法(例如，Socha等人之Proc. SPIE，第5853卷，2005年，第180頁)在空間頻域中將照明離散化成獨立源點且將遮罩離散化成繞射階，且基於可藉由光學成像模型自源點強度及圖案化器件繞射階而預測之製程窗度量(諸如曝光寬容度)來分離地公式化成本函數(其經定義為選定設計變數之函數)。如本文所使用之術語「設計變數」包含微影投影裝置或微影程序之參數集合，例如，微影投影裝置之使用者可調整之參數，或使用者可藉由調整彼等參數而調整之影像特性。應瞭解，微影投影程序之任何特性(包括源、圖案化器件、投影光學器件之特性，及/或抗蝕劑特性)可在最佳化中之設計變數當中。成本函數常常為設計變數之非線性函數。隨後，使用標準最佳化技術以最小化成本函數。
相關地，不斷地減低設計規則之壓力已驅使半導體晶片製造者在現有193 nm ArF微影的情況下更深入於低k1 微影時代。朝向較低k1 之微影施予對RET、曝光工具及針對微影親和設計的需要之大量需求。未來可使用1.35 ArF超數值孔徑(NA)曝光工具。為了有助於確保電路設計可利用可工作製程窗而產生至基板上，源圖案化器件最佳化(在本文中稱為源遮罩最佳化(source-mask optimization)或SMO)正變成用於2× nm節點之顯著RET。
2009年11月20日申請且公開為WO2010/059954之名為「Fast Freeform Source and Mask Co-Optimization Method」的共同讓渡之國際專利申請案第PCT/US2009/065359號中描述允許在無約束之情況下且在可實行之時間量內使用成本函數來同步地最佳化源及圖案化器件的源及圖案化器件(設計佈局)最佳化方法及系統，該專利申請案以全文引用的方式併入本文中。
2010年6月10日申請且公開為美國專利申請公開案第2010/0315614號之名為「Source-Mask Optimization in Lithographic Apparatus」的共同讓渡之美國專利申請案第12/813456號中描述涉及藉由調整源之像素來最佳化源的另一源及遮罩最佳化方法及系統，該專利申請案以全文引用的方式併入本文中。
在微影投影裝置中，作為一實例，將成本函數表達為：
Figure 02_image018
(方程式1) 其中(z1 ,z2 ,…,zN )為N 個設計變數或其值。fp (z 1 ,z 2 ,…,zN )可為設計變數(z 1 ,z 2 ,…,zN )之函數，諸如，針對(z 1 ,z 2 ,…,zN )之設計變數之值集合在一評估點處之特性之實際值與預期值之間的差。wp 為與fp (z 1 ,z 2 ,…,zN )相關聯之權重常數。可向比其他評估點或圖案更臨界之評估點或圖案指派較高wp 值。亦可向具有較大出現次數之圖案及/或評估點指派較高wp 值。評估點之實例可為基板上之任何實體點或圖案、虛擬設計佈局上之任何點，或抗蝕劑影像，或空中影像，或其組合。fp (z 1 ,z 2 ,…,zN )亦可為諸如LWR之一或多個隨機效應之函數，該一或多個隨機效應為設計變數(z 1 ,z 2 ,…,zN )之函數。成本函數可表示微影投影裝置或基板之任何適合的特性，例如特徵之失效率、焦點、CD、影像移位、影像失真、影像旋轉、隨機效應、產出率、CDU或其組合。CDU為局部CD變異(例如，局部CD分佈之標準偏差的三倍)。CDU可互換地稱作LCDU。在一個實施例中，成本函數表示CDU、產出率及隨機效應(亦即，為CDU、產出率及隨機效應之函數)。在一個實施例中，成本函數表示EPE、產出率及隨機效應(亦即，為EPE、產出率及隨機效應之函數)。在一個實施例中，設計變數(z 1 ,z 2 ,…,zN )包含劑量、圖案化器件之全域偏置、來自源之照明之形狀，或其組合。由於抗蝕劑影像常常規定基板上之電路圖案，故成本函數常常包括表示抗蝕劑影像之一些特徵之函數。舉例而言，此評估點之fp (z 1 ,z 2 ,…,zN )可僅僅為抗蝕劑影像中之一點與彼點之預期定位之間的距離(亦即，邊緣置放誤差EPEp (z 1 ,z 2 ,…,zN ))。設計變數可為任何可調整參數，諸如源、圖案化器件、投影光學器件、劑量、焦點等之可調整參數。投影光學器件可包括統稱為「波前操縱器」之組件，其可用以調整輻照光束之波前及強度分佈及/或相移之形狀。投影光學器件較佳地可調整沿著微影投影裝置之光學路徑之任何位置處(諸如，在圖案化器件之前、在光瞳平面附近、在影像平面附近、在焦平面附近)之波前及強度分佈。投影光學器件可用以校正或補償由例如源、圖案化器件、微影投影裝置中之溫度變化及/或微影投影裝置之組件之熱膨脹造成的波前及強度分佈之某些失真。調整波前及強度分佈可改變評估點及成本函數之值。可自模型模擬此等變化或實際上量測此等變化。當然，CF (z 1 ,z 2 ,…,zN )不限於方程式1中之形式。CF (z 1 ,z 2 ,…,zN )可為任何其他適合形式。
應注意，fp (z 1 ,z 2 ,…,zN )之正常加權均方根(RMS)經定義為
Figure 02_image020
，因此，最小化fp (z 1 ,z 2 ,…,zN )之加權RMS等效於最小化方程式1中所定義之成本函數
Figure 02_image022
。因此，出於本文中之記法簡單起見，可互換地利用fp (z 1 ,z 2 ,…,zN )及方程式1之加權RMS。
另外，若考慮最大化製程窗(PW)，則吾人可將來自不同PW條件之同一實體位置視為(方程式1)中之成本函數之不同評估點。舉例而言，若考慮N 個PW條件，則吾人可根據評估點之PW條件來分類該等評估點且將成本函數書寫為：
Figure 02_image024
(方程式1') 其中
Figure 02_image026
為在第u 個PW條件u= 1,…,U 下的fp (z 1 ,z 2 ,…,zN )之值。在fp (z 1 ,z 2 ,…,zN )為EPE時，則最小化以上成本函數等效於最小化在各種PW條件下之邊緣移位，因此，此情形導致最大化PW。詳言之，若PW亦由不同遮罩偏置組成，則最小化以上成本函數亦包括最小化遮罩誤差增強因數(MEEF)，該遮罩誤差增強因數經定義為基板EPE與誘發性遮罩邊緣偏置之間的比率。
設計變數可具有約束，該等約束可表達為(z 1 ,z 2 ,…,zN )
Figure 02_image028
Z ，其中Z 為設計變數之可能值集合。可藉由微影投影裝置之良率或期望產出率強加對設計變數之一個可能約束。期望良率或產出率可限制劑量，且因此具有針對隨機效應之蘊涵(例如，對隨機效應強加下限)。較高產出率通常導致較低劑量、較短較長曝光時間及較大隨機效應。較高良率通常導致可能對隨機風險敏感的受限設計。基板產出率及隨機效應最小化之考慮可約束設計變數之可能值，此係因為隨機效應為設計變數之函數。在無藉由期望產出率強加之此約束的情況下，最佳化可得到不切實際的設計變數之值集合。舉例而言，若劑量係在設計變數當中，則在無此約束之情況下，最佳化可得到使產出率經濟上不可能的劑量值。然而，約束之有用性不應解釋為必要性。產出率可受到對圖案化程序之參數之以失效率為基礎的調整影響。期望在維持高產出率的同時具有特徵之較低失效率。產出率亦可受抗蝕劑化學反應影響。較慢抗蝕劑(例如，要求適當地曝光較高量之光的抗蝕劑)導致較低產出率。因此，基於涉及由於抗蝕劑化學反應或波動引起的特徵之失效率以及針對較高產出率之劑量要求的最佳化程序，可判定圖案化程序之適當參數。
因此，最佳化程序應在約束(z 1 ,z 2 ,…,zN )
Figure 02_image028
Z 下找到最小化成本函數之設計變數之值集合，亦即，找到：
Figure 02_image031
(方程式2)
圖13中說明根據一實施例之最佳化微影投影裝置之一般方法。此方法包含定義複數個設計變數之多變數成本函數之步驟S1202。設計變數可包含選自照明源之特性(1200A) (例如，光瞳填充比，即，穿過光瞳或孔徑之源之輻射之百分比)、投影光學器件之特性(1200B)及設計佈局之特性(1200C)之任何適合組合。舉例而言，設計變數可包括照明源之特性(1200A)及設計佈局之特性(1200C) (例如，全域偏置)，但不包括投影光學器件之特性(1200B)，此情形導致SMO。替代地，設計變數可包括照明源之特性(1200A)、投影光學件之特性(1200B)及設計佈局之特性(1200C)，此情形導致源-遮罩-透鏡最佳化(SMLO)。在步驟S1204中，同步地調整設計變數，使得成本函數移動朝向收斂。在步驟S1206中，判定是否滿足預定義終止條件。預定終止條件可包括各種可能性，亦即，成本函數可得以最小化或最大化(如由所使用之數值技術所需)、成本函數之值已等於臨限值或已超越臨限值、成本函數之值已達到預設誤差限制內，或達到預設數目次反覆。若滿足步驟S1206中之條件中之任一者，則方法結束。若皆未滿足步驟S1206中之條件中之任一者，則反覆地重複步驟S1204及S1206直至獲得期望結果為止。最佳化未必導致用於設計變數之單一值集合，此係因為可能存在由諸如失效率、光瞳填充因數、抗蝕劑化學反應、產出率等因素造成的實體抑制。最佳化可提供用於設計變數及相關聯效能特性(例如產出率)之多個值集合，且允許微影裝置之使用者選取一或多個集合。
在微影投影裝置中，可交替地最佳化源、圖案化器件及投影光學器件(稱為交替最佳化)，或可同步地最佳化源、圖案化器件及投影光學器件(稱為同步最佳化)。如本文中所使用之術語「同步」、「同步地」、「聯合的」及「聯合地」意謂源、圖案化器件、投影光學器件之特徵的設計變數及/或任何其他設計變數被允許同時改變。如本文中所使用之術語「交替的」及「交替地」意謂並非所有設計變數皆被允許同時改變。
在圖14中，同步地執行所有設計變數之最佳化。此流程可被稱為同步流程或共同最佳化流程。替代地，交替地執行所有設計變數之最佳化，如圖14中所說明。在此流程中，在各步驟中，使一些設計變數固定，而最佳化其他設計變數以最小化成本函數；隨後，在下一步驟中，使一不同變數集合固定，而最佳化其他變數集合以最小化成本函數。交替地執行此等步驟直至符合收斂或某些終止條件為止。
如圖14之非限制性實例流程圖中所展示，首先，獲得設計佈局(步驟S1302)，隨後，在步驟S1304中執行源最佳化之步驟，其中最佳化(SO)照明源之所有設計變數以最小化成本函數，而使所有其他設計變數固定。隨後，在下一步驟S1306中，執行遮罩最佳化(MO)，其中最佳化圖案化器件之所有設計變數以最小化成本函數，同時使所有其他設計變數固定。交替地執行該兩個步驟，直至在步驟S1308中滿足某些終止條件為止。可使用各種終止條件，諸如，成本函數之值變得等於臨限值、成本函數之值超越臨限值、成本函數之值達到預設誤差限制內，或達到預設數目次反覆等。應注意，SO-MO交替最佳化係用作該替代流程之實例。該替代流程可採取諸多不同形式，諸如：SO-LO-MO交替最佳化，其中交替地且反覆地執行SO、LO (透鏡最佳化)及MO；或可執行第一SMO一次，隨後交替地且反覆地執行LO及MO；等等。最後，在步驟S1310中獲得最佳化結果之輸出，且程序停止。
如之前所論述之圖案選擇演算法可與同步或交替最佳化整合。舉例而言，在採用交替最佳化時，首先可執行全晶片SO，識別「熱點」及/或「溫點」，隨後執行MO。鑒於本發明，次最佳化之眾多排列及組合係可能的，以便達成期望最佳化結果。
圖15A展示最佳化之一個例示性方法，其中成本函數經最小化。在步驟S502中，獲得設計變數之初始值，包括設計變數之調諧範圍(若存在)。在步驟S504中，設置多變數成本函數。在步驟S506中，在圍繞用於第一反覆步驟(i=0)之設計變數之起點值之足夠小之鄰域內擴展開成本函數。在步驟S508中，應用標準多變數最佳化技術以最小化成本函數。應注意，最佳化問題可在S508中之最佳化程序期間或在最佳化程序中之後期施加約束，諸如調諧範圍。步驟S520指示出針對已為了最佳化微影程序而選擇之經識別評估點之給定測試圖案(亦稱為「量規」)進行每一反覆。在步驟S510中，預測微影回應。在步驟S512中，比較步驟S510之結果與步驟S522中獲得之期望或理想微影回應值。若在步驟S514中滿足終止條件，亦即，最佳化產生足夠接近於期望值之微影回應值，則在步驟S518中輸出設計變數之最終值。輸出步驟亦可包括使用設計變數之最終值來輸出其他函數，諸如輸出光瞳平面(或其他平面)處之波前像差調整映像、經最佳化源映像及經最佳化設計佈局等。若未滿足終止條件，則在步驟S516中，藉由第i次反覆之結果來更新設計變數之值，且程序返回至步驟S506。下文詳細地闡述圖15A之程序。
在一例示性最佳化程序中，未假定或近似設計變數(z 1 ,z 2 ,…,zN )與fp (z 1 ,z 2 ,…,zN )之間的關係，惟fp (z 1 ,z 2 ,…,zN )足夠平滑(例如，存在一階導數
Figure 02_image033
，(n =1,2,…N ))除外，其通常在微影投影裝置中有效。可應用諸如高斯-牛頓(Gauss-Newton)演算法、雷文柏格-馬括特(Levenberg-Marquardt)演算法、梯度下降演算法、模擬退火、遺傳演算法之演算法以找到
Figure 02_image035
。
此處，將高斯-牛頓演算法用作一實例。高斯-牛頓演算法為適用於一般非線性多變數最佳化問題之反覆方法。在設計變數(z 1 ,z 2 ,…,zN )取值(z 1i ,z 2i ,…,zNi )之第i次反覆中，高斯-牛頓演算法線性化(z 1i ,z 2i ,…,zNi )附近之fp (z 1 ,z 2 ,…,zN )，且隨後演算(z 1i ,z 2i ,…,zNi )附近之給出最小CF (z 1 ,z 2 ,…,zN )之值(z 1(i+ 1) ,z 2(i+ 1) ,…,zN (i+ 1) )。設計變數(z 1 ,z 2 ,…,zN )在第(i+1)次反覆中取值(z 1(i+ 1) ,z 2(i+ 1) ,…,zN (i+ 1) )。此反覆繼續直至收斂(亦即，CF (z 1 ,z 2 ,…,zN )不再縮減)或達到預設數目次反覆為止。
特定言之，在第i次反覆中，在(z 1i ,z 2i ,…,zNi )附近，
Figure 02_image037
(方程式3)
依據方程式3之近似，成本函數變為：
Figure 02_image039
(方程式4) 其為設計變數(z 1 ,z 2 ,…,zN )之二次函數。除設計變數(z 1 ,z 2 ,…,zN )外，每一項均為常數。
若設計變數(z 1 ,z 2 ,…,zN )不在任何約束下，則可藉由對N 個線性方程式求解來導出(z 1(i+ 1) ,z 2(i+ 1) ,…,zN (i+ 1) )：
Figure 02_image041
，其中n =1,2,…N 。
若設計變數(z 1 ,z 2 ,…,zN )係在呈J 個不等式(例如，(z 1 ,z 2 ,…,zN )之調諧範圍)
Figure 02_image043
之約束下(其中j =1,2,…J )；以及在K 個方程式(例如，設計變數之間的相互相依性)
Figure 02_image045
之約束下(其中k =1,2,…K )，則最佳化程序變為經典二次規劃問題，其中Anj 、Bj 、Cnk 、Dk 為常數。可針對各反覆來強加額外約束。舉例而言，可引入「阻尼因數」Δ D 以限制(z 1(i+ 1) ,z 2(i+ 1) ,…,zN (i+ 1) )與(z 1i ,z 2i ,…,zNi )之間的差，使得方程式3之近似成立。此類約束可表達為zni - Δ D ≤zn ≤zni + Δ D 。可使用例如Jorge Nocedal及Stephen J. Wright (Berlin New York: Vandenberghe. Cambridge University Press)之Numerical Optimization (第2版)中所描述的方法來導出(z 1(i+ 1) ,z 2(i+ 1) ,…,zN (i+ 1) )。
替代最小化fp (z 1 ,z 2 ,…,zN )之RMS，最佳化程序可將評估點當中之最大偏差(最差缺陷)之量值最小化至其預期值。在此方法中，可替代地將成本函數表達為：
Figure 02_image047
(方程式5) 其中CLp 為用於fp (z 1 ,z 2 ,…,zN )之最大所允許值。此成本函數表示評估點當中之最差缺陷。使用此成本函數之最佳化會最小化最差缺陷之量值。反覆貪心演算法可用於此最佳化。
方程式5之成本函數可被近似為：
Figure 02_image049
(方程式6) 其中q 為正偶數，諸如至少4，較佳地為至少10。方程式6模仿方程式5之行為，同時允許藉由使用諸如最深下降方法、共軛梯度方法等之方法來分析上執行最佳化且使最佳化加速。
最小化最差缺陷大小亦可與fp (z 1 ,z 2 ,…,zN )之線性化組合。特定言之，與在方程式3中一樣，近似fp (z 1 ,z 2 ,…,zN )。隨後，將對最差缺陷大小之約束書寫為不等式ELp ≤fp (z 1 ,z 2 ,…,zN ) ≤EUp ，其中ELp 及EUp 為指定fp (z 1 ,z 2 ,…,zN )之最小及最大所允許偏差的兩個常數。插入方程式3，將此等約束轉變為如下方程式，(其中p=1,…P)，
Figure 02_image051
(方程式6') 及
Figure 02_image053
(方程式6'')
由於方程式3通常僅在(z 1i ,z 2i ,…,zNi )附近有效，所以倘若在此附近不能達成期望約束ELp ≤fp (z 1 ,z 2 ,…,zN ) ≤EUp (其可藉由該等不等式當中之任何衝突予以判斷)，則可放寬常數ELp 及EUp 直至可達成該等約束為止。此最佳化程序最小化(z 1i ,z 2i ,…,zNi )附近之最差缺陷大小。隨後，各步驟逐步地縮減最差缺陷大小，且反覆地執行各步驟直至符合某些終止條件為止。此情形將導致最差缺陷大小之最佳縮減。
用以最小化最差缺陷之另一方式為在各反覆中調整權重wp 。舉例而言，在第i 次反覆之後，若第r 個評估點為最差缺陷，則可在第(i +1)次反覆中增大wr ，使得向彼評估點之缺陷大小之縮減給出較高優先級。
另外，可藉由引入拉格朗日(Lagrange)乘數來修改方程式4及方程式5中之成本函數，以達成對缺陷大小之RMS之最佳化與對最差缺陷大小之最佳化之間的折衷，亦即，
Figure 02_image055
(方程式6"') 其中λ 為指定對缺陷大小之RMS之最佳化與對最差缺陷大小之最佳化之間的取捨之預設常數。詳言之，若λ =0，則此方程式變為方程式4，且僅最小化缺陷大小之RMS；而若λ =1，則此方程式變為方程式5，且僅最小化最差缺陷大小；若0＜λ ＜1，則在最佳化中考量以上兩種情況。可使用多種方法來解決此最佳化。舉例而言，類似於先前所描述之方法，可調整各反覆中之加權。替代地，類似於自不等式最小化最差缺陷大小，方程式6'及6''之不等式可被視為在二次規劃問題之求解期間之設計變數之約束。隨後，可遞增地放寬對最差缺陷大小之界限，或遞增地增加用於最差缺陷大小之權重、計算用於每一可達成最差缺陷大小之成本函數值，且選擇最小化總成本函數之設計變數值作為用於下一步驟之初始點。藉由反覆地進行此操作，可達成此新成本函數之最小化。
最佳化微影投影裝置可擴展製程窗。較大製程窗在程序設計及晶片設計方面提供更多靈活性。製程窗可經定義為使抗蝕劑影像在抗蝕劑影像之設計目標之某一限制內的焦點及劑量值集合。應注意，此處所論述之所有方法亦可擴展至可藉由除了曝光劑量及散焦以外的不同或額外基參數而建立的廣義製程窗定義。此等基參數可包括(但不限於)諸如NA、均方偏差、像差、偏振之光學設定，或抗蝕劑層之光學常數。舉例而言，如早先所描述，若PW亦由不同遮罩偏置組成，則最佳化包括遮罩誤差增強因數(MEEF)之最小化，該遮罩誤差增強因數經定義為基板EPE與誘發性遮罩邊緣偏置之間的比率。在焦點及劑量值上定義之製程窗在本發明中僅充當一實例。下文描述根據一實施例的最大化製程窗之方法。
在第一步驟中，自製程窗中之已知條件(f 0 ,ε 0 )開始(其中f 0 為標稱焦點，且ε 0 為標稱劑量)，最小化在附近(f 0 ±Δf ,ε 0 ±Δε )下方之成本函數中之一者：
Figure 02_image057
(方程式7) 或
Figure 02_image059
(方程式7') 或
Figure 02_image061
(方程式7")
若允許標稱焦點f 0 及標稱劑量ε 0 移位，則其可與設計變數(z 1 ,z 2 ,…,zN )聯合地最佳化。在下一步驟中，若可找到(z 1 ,z 2 ,…,zN ,f ,ε )之值集合，則接受(f 0 ±Δf ,ε 0 ±Δε )作為製程窗之部分，使得成本函數係在預設限制內。
替代地，若不允許焦點及劑量移位，則在焦點及劑量固定於標稱焦點f 0 及標稱劑量ε 0 下的情況下最佳化設計變數(z 1 ,z 2 ,…,zN )。在一替代實施例中，若可找到(z 1 ,z 2 ,…,zN )之值集合，則接受(f 0 ±Δf ,ε 0 ±Δε )作為製程窗之部分，使得成本函數係在預設限制內。
本發明中先前所描述之方法可用以最小化方程式7、7'或7"之各別成本函數。若設計變數為投影光學器件之特性，諸如任尼克係數，則最小化方程式7、7'或7''之成本函數導致基於投影光學器件最佳化(亦即LO)之製程窗最大化。若設計變數為除了投影光學器件之特性以外的源及圖案化器件之特性，則最小化方程式7、7'或7''之成本函數會導致基於SMLO之製程窗最大化，如圖14中所說明。若設計變數為源及圖案化器件之特性，則最小化方程式7、7'或7''之成本函數會導致基於SMO之製程窗最大化。方程式7、7'或7''之成本函數亦可包括至少一個fp (z 1 ,z 2 ,…,zN )，諸如方程式7或方程式8中之fp (z 1 ,z 2 ,…,zN )，其為諸如2D特徵之LWR或局部CD變異以及產出率之一或多個隨機效應的函數。
圖16展示同步SMLO程序可如何使用高斯-牛頓演算法以用於最佳化之一個特定實例。在步驟S702中，識別設計變數之起始值。亦可識別各變數之調諧範圍。在步驟S704中，使用設計變數來定義成本函數。在步驟S706中，圍繞用於設計佈局中之所有評估點之起始值而擴展開成本函數。在選用步驟S710中，執行全晶片模擬以覆蓋全晶片設計佈局中之所有臨界圖案。在步驟S714中獲得期望微影回應度量(諸如CD或EPE)，且在步驟S712中將期望微影回應度量與彼等數量之經預測值進行比較。在步驟S716中，判定製程窗。步驟S718、S720及S722類似於如相對於圖15A所描述之對應步驟S514、S516及S518。如之前所提及，最終輸出可為光瞳平面中之波前像差映像，其經最佳化以產生期望成像效能。最終輸出亦可為經最佳化源映像及/或經最佳化設計佈局。
圖15B展示用以最佳化成本函數之例示性方法，其中設計變數(z 1 ,z 2 ,…,zN )包括可僅假定離散值之設計變數。
該方法藉由定義照明源之像素群組及圖案化器件之圖案化器件圖案塊而開始(步驟S802)。通常，像素群組或圖案化器件圖案塊亦可稱為微影程序組件之分部。在一個例示性方法中，將照明源劃分成117個像素群組，且針對圖案化器件定義94個圖案化器件圖案塊(實質上如上文所描述)，從而產生總共211個劃分部。
在步驟S804中，選擇一微影模型作為用於光微影模擬之基礎。光微影模擬產生用於演算光微影度量或回應之結果。將一特定光微影度量定義為待最佳化之效能度量(步驟S806)。在步驟S808中，設置用於照明源及圖案化器件之初始(預最佳化)條件。初始條件包括用於照明源之像素群組及圖案化器件之圖案化器件圖案塊的初始狀態，使得可參考初始照明形狀及初始圖案化器件圖案。初始條件亦可包括遮罩偏置、NA及焦點斜坡範圍。儘管步驟S802、S804、S806及S808被描繪為依序步驟，但應瞭解，在本發明之其他實施例中，可以其他順序執行此等步驟。
在步驟S810中，對像素群組及圖案化器件圖案塊進行排序。可使像素群組及圖案化器件圖案塊交錯地排序。可使用各種排序方式，包括：依序地(例如，自像素群組1至像素群組117及自圖案化器件圖案塊1至圖案化器件圖案塊94)、隨機地、根據像素群組及圖案化器件圖案塊之實體位置(例如，將較接近於照明源之中心之像素群組排序得較高)，及根據像素群組或圖案化器件圖案塊之變更影響效能度量之方式。
一旦對像素群組及圖案化器件圖案塊進行排序，便調整照明源及圖案化器件以改良效能度量(步驟S812)。在步驟S812中，按排序次序分析像素群組及圖案化器件圖案塊中之各者，以判定像素群組或圖案化器件圖案塊之變更是否將導致改良的效能度量。若判定效能度量將被改良，則相應地變更像素群組或圖案化器件圖案塊，且所得改良效能度量及經修改照明形狀或經修改圖案化器件圖案形成基線以供比較以用於後續分析較低排序之像素群組及圖案化器件圖案塊。換言之，保持改良效能度量之變更。隨著進行及保持對像素群組及圖案化器件圖案塊之狀態之變更，初始照明形狀及初始圖案化器件圖案相應地改變，使得經修改照明形狀及經修改圖案化器件圖案由步驟S812中之最佳化程序引起。
在其他方法中，亦在S812之最佳化程序內執行像素群組及/或圖案化器件圖案塊之圖案化器件多邊形形狀調整及成對輪詢。
在一替代實施例中，交錯式同步最佳化工序可包括變更照明源之像素群組，且在發現效能度量之改良的情況下，逐步升高及降低劑量以尋找進一步改良。在另一替代方案中，可藉由用圖案化器件圖案之偏置改變來替換劑量或強度之逐步升高及降低，以尋求同步最佳化程序之進一步改良。
在步驟S814中，進行關於效能度量是否已收斂之判定。舉例而言，若在步驟S810及S812之最後若干反覆中已證明效能度量之很小改良或無改良，則可認為效能度量已收斂。若效能度量尚未收斂，則在下一反覆中重複步驟S810及S812，其中自當前反覆之經修改照明形狀及經修改圖案化器件用作用於下一反覆之初始照明形狀及初始圖案化器件(步驟S816)。
上文所描述之最佳化方法可用以增加微影投影裝置之產出率。舉例而言，成本函數可包括為曝光時間之函數的fp (z 1 ,z 2 ,…,zN )。此成本函數之最佳化較佳地受到隨機效應之量度或其他度量約束或影響。特定言之，用於增加微影程序之產出率之電腦實施方法可包括最佳化為微影程序之一或多個隨機效應之函數且為基板之曝光時間之函數的成本函數，以便最小化曝光時間。
在一個實施例中，成本函數包括為一或多個隨機效應之函數的至少一個fp (z 1 ,z 2 ,…,zN )。隨機效應可包括特徵之失效、如在圖3之方法中所判定之量測資料(例如SEPE)、2D特徵之LWR或局部CD變化。在一個實施例中，隨機效應包括抗蝕劑影像之特徵之隨機變異。舉例而言，此等隨機變異可包括特徵之失效率、線邊緣粗糙度(LER)、線寬粗糙度(LWR)及臨界尺寸均一性(CDU)。在成本函數中包括隨機變異會允許找到最小化隨機變異之設計變數之值，藉此縮減由隨機效應導致之缺陷風險。
圖17為說明可輔助實施本文中所揭示之最佳化方法及流程的電腦系統100之方塊圖。電腦系統100包括用於傳達資訊之匯流排102或其他通信機構以及與匯流排102耦接以用於處理資訊之處理器104 (或多個處理器104及105)。電腦系統100亦包括主記憶體106，諸如隨機存取記憶體(RAM)或其他動態儲存器件，其耦接至匯流排102以用於儲存待由處理器104執行之資訊及指令。主記憶體106在執行待由處理器104執行之指令期間亦可用於儲存暫時變數或其他中間資訊。電腦系統100進一步包括耦接至匯流排102以用於儲存用於處理器104之靜態資訊及指令之唯讀記憶體(ROM) 108或其他靜態儲存器件。提供儲存器件110 (諸如磁碟或光碟)且將其耦接至匯流排102以用於儲存資訊及指令。
電腦系統100可經由匯流排102耦接至用於向電腦使用者顯示資訊之顯示器112，諸如陰極射線管(CRT)或平板顯示器或觸摸面板顯示器。包括文數字按鍵及其他按鍵之輸入器件114耦接至匯流排102以用於將資訊及命令選擇傳達至處理器104。另一類型之使用者輸入器件為用於將方向資訊及命令選擇傳達至處理器104且用於控制顯示器112上之游標移動的游標控制件116，諸如，滑鼠、軌跡球或游標方向按鍵。此輸入器件通常具有在兩個軸線(第一軸(例如，x)及第二軸(例如，y))上之兩個自由度，從而允許該器件指定平面中之位置。觸控面板(螢幕)顯示器亦可用作輸入器件。
根據一個實施例，最佳化程序之部分可回應於處理器104執行含於主記憶體106中之一或多個指令之一或多個序列而由電腦系統100執行。可自諸如儲存器件110之另一電腦可讀介質將此類指令讀取至主記憶體106中。含於主記憶體106中之指令之序列的執行使得處理器104執行本文中所描述之程序步驟。亦可採用多處理配置中之一或多個處理器，以執行含於主記憶體106中的指令之序列。在一替代實施例中，可取代或結合軟體指令來使用硬佈線電路系統。因此，本文中之描述不限於硬體電路系統與軟體之任何特定組合。
如本文中所使用之術語「電腦可讀介質」係指參與將指令提供至處理器104以供執行之任何介質。此介質可呈諸多形式，包括(但不限於)非揮發性介質、揮發性介質及傳輸介質。非揮發性介質包括例如光碟或磁碟，諸如儲存器件110。揮發性介質包括動態記憶體，諸如主記憶體106。傳輸介質包括同軸纜線、銅線及光纖，包括包含匯流排102的線。傳輸介質亦可呈聲波或光波之形式，諸如在射頻(RF)及紅外(IR)資料通信期間所產生之聲波或光波。電腦可讀介質之常見形式包括例如軟性磁碟、可撓性磁碟、硬碟、磁帶、任何其他磁性介質、CD-ROM、DVD、任何其他光學介質、打孔卡、紙帶、具有孔圖案之任何其他實體介質、RAM、PROM及EPROM、FLASH-EPROM、任何其他記憶體晶片或卡匣、如下文所描述之載波，或可供電腦讀取之任何其他介質。
各種形式之電腦可讀介質可涉及將一或多個指令之一或多個序列攜載至處理器104以供執行。舉例而言，初始地，可將該等指令攜載於遠端電腦之磁碟上。遠端電腦可將指令載入至其動態記憶體中，且使用數據機經由電話線來發送指令。在電腦系統100本端之數據機可接收電話線上之資料，且使用紅外線傳輸器將資料轉換為紅外線信號。耦接至匯流排102之紅外線偵測器可接收紅外線信號中攜載之資料且將該資料置放於匯流排102上。匯流排102將資料攜載至主記憶體106，處理器104自主記憶體106擷取指令且執行指令。由主記憶體106接收之指令可視情況在由處理器104執行之前或之後儲存於儲存器件110上。
電腦系統100亦較佳包括耦接至匯流排102之通信介面118。通信介面118提供對網路鏈路120之雙向資料通信耦接，網路鏈路120連接至區域網路122。舉例而言，通信介面118可為整合式服務數位網路(ISDN)卡或數據機以提供對對應類型之電話線之資料通信連接。作為另一實例，通信介面118可為區域網路(LAN)卡以提供至相容LAN之資料通信連接。亦可實施無線鏈接。在任何此實施方案中，通信介面118發送且接收攜載表示各種類型之資訊之數位資料串流的電信號、電磁信號或光信號。
網路鏈路120通常經由一或多個網路向其他資料器件提供資料通信。舉例而言，網路鏈路120可經由區域網路122提供至主機電腦124或至由網際網路服務提供者(ISP) 126操作之資料設備之連接。ISP 126又經由全球封包資料通信網路(現在通常稱為「網際網路」 128)而提供資料通信服務。區域網路122及網際網路128皆使用攜載數位資料串流之電信號、電磁信號或光信號。經由各種網路之信號及在網路鏈路120上且經由通信介面118之信號為輸送資訊的例示性形式之載波，該等信號將數位資料攜載至電腦系統100且自電腦系統100攜載數位資料。
電腦系統100可經由網路、網路連結120及通信介面118發送訊息及接收資料(包括程式碼)。在網際網路實例中，伺服器130可經由網際網路128、ISP 126、區域網路122及通信介面118傳輸用於應用程式之所請求程式碼。一個此類經下載應用程式可提供例如實施例之照明最佳化。所接收程式碼可在其被接收時由處理器104執行，且/或儲存於儲存裝置110或其他非揮發性儲存器中以供稍後執行。以此方式，電腦系統100可獲得呈載波形式之應用程式碼。
圖18示意性地描繪可利用本文所描述之方法而最佳化照明源的例示性微影投影裝置。裝置包含： -  照明系統IL，其用以調節輻射光束B。在此特定情況下，照明系統亦包含輻射源SO； -  第一物件台(例如，遮罩台) MT，其具備用以固持圖案化器件MA (例如，倍縮光罩)之圖案化器件固持器，且連接至用以相對於項目PS準確地定位圖案化器件之第一定位器； -  第二物件台(基板台) WT，其具備用以固持基板W (例如抗蝕劑塗佈矽晶圓)之基板固持器，且連接至用以相對於項目PS準確地定位基板之第二定位器； -  投影系統(「透鏡」) PS (例如，折射、反射或反射折射光學系統)，其用以將圖案化器件MA之經輻照部分成像至基板W之目標部分C (例如，包含一或多個晶粒)上。
如本文所描繪，裝置屬於透射類型(亦即，具有透射遮罩)。然而，一般而言，其亦可屬於例如反射類型(具有反射遮罩)。替代地，該裝置可使用另一種類之圖案化器件作為經典遮罩之使用的替代例；實例包括可程式化鏡面陣列或LCD矩陣。
源SO (例如，水銀燈或準分子雷射)產生輻射光束。舉例而言，此光束係直接地抑或在已橫穿諸如光束擴展器Ex之調節構件之後饋入至照明系統(照明器) IL中。照明器IL可包含調整構件AD以用於設定光束中之強度分佈的外部徑向範圍及/或內部徑向範圍(通常分別稱作σ外部及σ內部)。另外，照明器IL通常將包含各種其他組件，諸如積光器IN及聚光器CO。以此方式，入射於圖案化器件MA上之光束B在其橫截面中具有期望均一性及強度分佈。
相對於圖18應注意，源SO可在微影投影裝置之外殼內(此常常為當源SO為例如水銀燈時之情況)，但其亦可遠離微影投影裝置，其所產生之輻射光束經導向至該裝置中(例如，憑藉適合的導向鏡面)；此後一情境常常為當源SO為準分子雷射(例如，基於KrF、ArF或F2 雷射作用)時之情況。
光束PB隨後截取經固持於圖案化器件台MT上之圖案化器件MA。在已橫穿圖案化器件MA的情況下，光束B穿過透鏡PL，該透鏡PL將光束B聚焦至基板W之目標部分C上。憑藉第二定位構件(及干涉量測構件IF)，可準確地移動基板台WT，例如以便使不同目標部分C定位於光束PB之路徑中。類似地，例如在自圖案化器件庫對圖案化器件MA之機械擷取之後或在掃描期間，第一定位構件可用以相對於光束B之路徑來準確定位圖案化器件MA。一般而言，將憑藉未在圖18中明確地描繪之長衝程模組(粗略定位)及短衝程模組(精細定位)來實現物件台MT、WT之移動。然而，在晶圓步進器(相對於步進掃描工具)之情況下，圖案化器件台MT可僅連接至短衝程致動器，或可固定。
可在兩種不同模式中使用所描繪工具： -  在步進模式中，使圖案化器件台MT保持基本上靜止，且將整個圖案化器件影像一次性投影(亦即，單次「閃光」)至目標部分C上。隨後，在x及/或y方向上使基板台WT移位，從而使得不同目標部分C可由光束PB輻照； -  在掃描模式中，除了單次「閃光」中不曝光給定目標部分C之外，基本上相同情形適用。替代地，圖案化器件台MT可在給定方向(所謂「掃描方向」，例如y方向)上以速度v移動，使得投影光束B遍及圖案化器件影像進行掃描；同時，基板台WT以速度V=Mv在相同或相對方向上同步移動，其中M為透鏡PL之放大率(通常，M=1/4或=1/5)。以此方式，可在不必損害解析度之情況下曝光相對較大之目標部分C。
圖19示意性地描繪可利用本文中所描述之方法最佳化照明源的另一例示性微影投影裝置LA。
微影投影裝置LA包括： -  源收集器模組SO -  照明系統(照明器) IL，其經組態以調節輻射光束B (例如，EUV輻射)； -  支撐結構(例如，遮罩台)MT，其經建構以支撐圖案化器件(例如，遮罩或倍縮光罩) MA且連接至經組態以準確地定位圖案化器件之第一定位器PM； -  基板台(例如，晶圓台) WT，其經建構以固持基板(例如，抗蝕劑塗佈晶圓) W且連接至經組態以準確地定位基板之第二定位器PW；及 -  投影系統(例如，反射性投影系統) PS，其經組態以將藉由圖案化器件MA賦予給輻射光束B之圖案投影於基板W的目標部分C (例如，包含一或多個晶粒)上。
如此處所描繪，裝置LA屬於反射類型(例如採用反射性光罩)。應注意，由於大多數材料在EUV波長範圍內具吸收性，因此遮罩可具有包含例如鉬與矽之多堆疊的多層反射器。在一個實例中，多堆疊反射器具有鉬與矽之40個層對，其中各層之厚度為四分之一波長。可利用X射線微影來產生甚至更小之波長。由於大多數材料在EUV及x射線波長下具吸收性，因此圖案化器件構形上的圖案化吸收材料之薄件(例如在多層反射體的頂部上之TaN吸收體)定義特徵將印刷(正性抗蝕劑)或不印刷(負性抗蝕劑)之位置。
參考圖19，照明器IL自源收集器模組SO接收極紫外輻射光束。用以產生EUV輻射之方法包括但未必限於利用在EUV範圍內之一或多個發射譜線將具有至少一種元素(例如，氙、鋰或錫)之材料轉換成電漿狀態。在一個此類方法(常常稱為雷射產生電漿(「LPP」))中，可藉由利用雷射光束來輻照燃料(諸如，具有譜線發射元素之小滴、串流或叢集)而產生電漿。源收集器模組SO可為包括雷射(圖19中未展示)之EUV輻射系統之一部分，該雷射用於提供激發燃料之雷射光束。所得電漿發射輸出輻射(例如EUV輻射)，該輸出輻射係使用安置於源收集器模組中之輻射收集器予以收集。舉例而言，當使用CO2 雷射以提供用於燃料激發之雷射光束時，雷射及源收集器模組可為分離實體。
在此類情況下，雷射不被視為形成微影裝置之部件，且輻射光束憑藉包含例如適合的導向鏡面及/或光束擴展器之光束遞送系統而自雷射傳遞至源收集器模組。在其他情況下，舉例而言，當源為放電產生電漿EUV產生器(常常稱為DPP源)時，源可為源收集器模組之整體部件。
照明器IL可包含用於調整輻射光束之角強度分佈之調整器。一般而言，可調整照明器之光瞳平面中之強度分佈之至少外部徑向範圍及/或內部徑向範圍(通常分別稱為σ外部及σ內部)。另外，照明器IL可包含各種其他組件，諸如琢面化場鏡面器件及琢面化光瞳鏡面器件。照明器可用以調節輻射光束，以在其橫截面中具有期望均一性及強度分佈。
輻射光束B入射於固持在支撐結構(例如，光罩台) MT上之圖案化器件(例如，遮罩) MA上，且係由該圖案化器件而圖案化。在自圖案化器件(例如，遮罩) MA反射之後，輻射光束B穿過投影系統PS，該投影系統PS將光束聚焦至基板W之目標部分C上。憑藉第二定位器PW及位置感測器PS2 (例如，干涉量測器件、線性編碼器或電容式感測器)，可精確地移動基板台WT，例如以便使不同目標部分C定位於輻射光束B之路徑中。類似地，第一定位器PM及另一位置感測器PS1可用以相對於輻射光束B之路徑準確地定位圖案化器件(例如光罩遮罩) MA。可使用圖案化器件對準標記M1、M2及基板對準標記P1、P2來對準圖案化器件(例如，遮罩)MA及基板W。
可在以下模式中之至少一者中使用所描繪裝置LA： 1.     在步進模式中，在將賦予至輻射光束之整個圖案一次性投影(亦即，單次靜態曝光)至目標部分C上的同時使支撐結構(例如，遮罩台) MT及基板台WT保持基本上靜止。隨後，使基板台WT在X及/或Y方向上移位，使得可曝光不同目標部分C。 2.     在掃描模式中，在將賦予至輻射光束之圖案投影至目標部分C上(亦即，單次動態曝光)的同時，同步地掃描支撐結構(例如，遮罩台) MT及基板台WT。可藉由投影系統PS之放大率(縮小率)及影像反轉特性來判定基板台WT相對於支撐結構(例如，遮罩台) MT之速度及方向。 3.     在另一模式中，使支撐結構(例如，遮罩台) MT保持基本上靜止，同時固持可程式化圖案化器件，且在將賦予至輻射光束之圖案投影至目標部分C上時移動或掃描基板台WT。在此模式中，通常使用脈衝式輻射源，且在基板台WT之各移動之後或在掃描期間之順次輻射脈衝之間根據需要而更新可程式化圖案化器件。此操作模式可易於應用於利用可程式化圖案化器件(諸如上文所提及之類型的可程式化鏡面陣列)之無遮罩微影。
圖20更詳細地展示裝置LA，其包括源收集器模組SO、照明系統IL及投影系統PS。源收集器模組SO經建構及配置以使得可在源收集器模組SO之圍封結構220中維持真空環境。可藉由放電產生電漿源形成EUV輻射發射電漿210。可藉由氣體或蒸汽(例如，Xe氣體、Li蒸汽或Sn蒸汽)而產生EUV輻射，其中產生極熱電漿210以發射在電磁光譜的EUV範圍內之輻射。舉例而言，藉由造成至少部分離子化電漿之放電來產生極熱電漿210。為了高效產生輻射，可能需要分壓為例如10 Pa之Xe、Li、Sn蒸汽或任何其他適合氣體或蒸汽。在一實施例中，提供經激發之錫(Sn)電漿以產生EUV輻射。
由熱電漿210發射之輻射係經由定位於源腔室211中之開口中或後方的視情況選用的氣體障壁或污染物截留器230 (在一些情況下，亦稱為污染物障壁或箔片截留器)而自源腔室211傳遞至收集器腔室212中。污染物截留器230可包括通道結構。污染物截留器230亦可包括氣體障壁，或氣體障壁與通道結構之組合。如在此項技術中已知，本文中進一步指示之污染物截留器或污染物障壁230至少包括通道結構。
收集器腔室211可包括輻射收集器CO，該輻射收集器CO可為所謂的掠入射收集器。輻射收集器CO具有上游輻射收集器側251及下游輻射收集器側252。橫穿收集器CO之輻射可自光柵光譜濾光器240反射，以沿著由點虛線『O』指示之光軸而聚焦在虛擬源點IF中。虛擬源點IF通常稱為中間焦點，且源收集器模組經配置成使得中間焦點IF位於圍封結構220中之開口221處或附近。虛擬源點IF為輻射發射電漿210之影像。
隨後，輻射橫穿照明系統IL，該照明系統IL可包括琢面化場鏡面器件22及琢面化光瞳鏡面器件24，該琢面化場鏡面器件22及該琢面化光瞳鏡面器件24經配置以提供在圖案化器件MA處的輻射光束21之期望角分佈，以及在圖案化器件MA處的輻射強度之期望均一性。在由支撐結構MT固持之圖案化器件MA處反射輻射光束21後，隨即形成經圖案化光束26，且經圖案化光束26藉由投影系統PS經由反射元件28、30成像至由基板台WT固持之基板W上。
比所展示之元件更多的元件通常可存在於照明光學器件單元IL及投影系統PS中。取決於微影裝置之類型，可視情況存在光柵光譜濾光器240。此外，可存在比諸圖中所展示之鏡面多的鏡面，例如在投影系統PS中可存在比圖20中所展示之反射元件多1至6個的額外反射元件。
如圖20中所說明之收集器光學器件CO經描繪為具有掠入射反射器253、254及255之巢狀收集器，僅作為收集器(或收集器鏡面)之一實例。將掠入射反射器253、254及255圍繞光軸O而軸向地對稱安置，且較佳地將此類型之收集器光學件CO與放電產生電漿源(常常稱作DPP源)組合使用。
替代地，源收集器模組SO可為如圖21中所展示之LPP輻射系統之部分。雷射LA經配置以將雷射能量沈積至諸如氙(Xe)、錫(Sn)或鋰(Li)之燃料中，從而產生具有數10 eV的電子溫度之高度離子化電漿210。在此等離子之去激發及再結合期間所產生之高能輻射自電漿發射，由近正入射收集器光學器件CO收集，且聚焦至圍封結構220中的開口221上。
本文中所揭示之概念可模擬或數學上模型化用於使子波長特徵成像之任何通用成像系統，且可尤其供能夠產生愈來愈短波長之新興成像技術使用。已經在使用中之新興技術包括能夠藉由使用ArF雷射來產生193 nm波長且甚至能夠藉由使用氟雷射來產生157 nm波長之極紫外線(EUV)、DUV微影。此外，EUV微影能夠藉由使用同步加速器或藉由用高能電子撞擊材料(固體或電漿中任一者)來產生在20 nm至5 nm之範圍內的波長，以便產生在此範圍內之光子。
本發明之實施例可在以下條項中進一步描述。 1.     一種用於判定與待印刷於基板上之圖案相關聯之隨機邊緣置放誤差之方法，該方法包含： 經由度量衡工具獲取基板上之定義位置處之圖案的複數個影像而不在其間執行基板對準； 生成至少兩個資料：(i)與使用複數個影像之第一影像集合之圖案相關聯的第一資料，及(ii)與使用複數個影像之第二影像集合之圖案相關聯的第二資料，其中該第一影像集合及該第二影像集合包括至少一個不同影像；以及 使用與定義位置處之圖案相關聯之第一資料及第二資料來判定與圖案相關聯之隨機邊緣置放誤差。 2.     如條項1之方法，其中度量衡工具使用單個度量衡配方獲取複數個影像中之各者，其中度量衡配方包含與基板上之定義位置相關聯的視場及定位資訊。 3.     如條項1至2中任一項之方法，其中定義位置之複數個影像之獲取包含： 使基板與度量衡工具對準；以及 在不獲取基板之第二晶粒中之影像的情況下獲取基板之第一晶粒中之定義位置處的圖案之複數個影像中之各者。 4.     如條項1至3中任一項之方法，其中第一影像集合及第二影像集合包括與定義位置相關聯之複數個影像中之所有不同影像。 5.     如條項1至4中任一項之方法，其中在獲取基板上之定義位置複數個影像之後，獲取基板上之第二位置處之第二複數個影像。 6.     如條項1至5中任一項之方法，其中第一資料及第二資料具有大致為1像素大小之置放誤差，該置放誤差與基板上之定義位置處之度量衡工具的定位相關聯。 7.     如條項1至6中任一項之方法，其中第一資料及第二資料具有小於1 μs之時滯差，該時滯差與由度量衡工具獲取之給定影像之像素的停留時間相關聯。 8.     如條項1至7中任一項之方法，其中在藉由度量衡工具量測期間，在不重新聚焦度量衡工具之情況下及/或在不重新對準基板之情況下產生第一資料及第二資料。 9.     如條項1至8中任一項之方法，其中第一資料及第二資料之產生包含： 選擇複數個影像之第一影像集合及不同於第一影像集合之複數個影像之第二影像集合； 使第一影像集合重疊； 使用重疊的第一影像集合來判定邊緣置放誤差之值以產生第一資料； 使第二影像集合重疊；以及 使用重疊的第二影像集合來判定邊緣置放誤差之值以產生第二資料。 10.   如條項9之方法，其中判定邊緣置放誤差之值包含： 定義圖案之輪廓周圍的複數個參考點； 定義複數個切線，各切線在圖案之輪廓之法線方向上穿過複數個參考點中之給定參考點； 判定給定切線與複數個影像中之給定影像中之圖案的相交點；以及 量測相交點與給定參考點之間的距離，其中邊緣置放誤差包含與複數個影像中之各影像相關聯之經量測距離。 11.    如條項1至10中任一項之方法，其中判定隨機邊緣置放誤差涉及經由分解演算法： 使用第一資料、第二資料及基板上之邊緣置放誤差之值提取與度量衡工具相關聯之第一變異；以及 基於第一資料、第二資料及第一變異提取與圖案相關聯之第二變異。 12.   如條項1至11中任一項之方法，其進一步包含： 判定圖案之空中影像之強度對數斜率或判定劑量靈敏度；以及 基於與圖案及強度對數斜率或劑量靈敏度相關聯之隨機邊緣置放誤差而判定經組態以預測圖案之輪廓上之任何點處的邊緣置放中之隨機變異的模型。 13.   如條項1至12中任一項之方法，其中複數個影像中之一影像為像素化影像。 14.   如條項1至13中任一項之方法，其中度量衡工具為掃描電子顯微鏡(SEM)且複數個影像為SEM影像。 15.   如條項1至14中任一項之方法，其進一步包含： 基於隨機邊緣置放誤差而判定與待印刷於基板上之圖案相關聯之遮罩的光學近接校正。 16.   一種用於判定與待印刷於基板上之圖案相關聯之邊緣置放誤差之方法，該方法包含： 定義圖案之輪廓周圍的複數個參考點； 定義複數個切線，其中各切線在圖案之輪廓之法線方向上穿過複數個參考點中之給定參考點； 判定給定切線與印刷於基板上之圖案之相交點； 量測相交點與給定參考點之間的距離；以及 合併與圖案之輪廓周圍的複數個參考點中之各者相關聯之距離，以產生與圖案相關聯之邊緣置放誤差。 17.   如條項16之方法，其進一步包含： 判定圖案之空中影像之強度對數斜率；以及 基於邊緣置放誤差及強度對數斜率而判定經組態以預測圖案之輪廓上之任何點處之邊緣置放中的隨機變異的模型。 18.   如條項16至17中任一項之方法，其進一步包含： 使用邊緣置放誤差訓練經組態以預測圖案化程序之態樣之機器學習模型。 19.   如條項18之方法，其中圖案化程序之態樣包含： 遮罩圖案，其與待印刷於基板上之圖案相關聯； 微影裝置源，其用於圖案化程序中； 基板上之抗蝕劑顯影；及/或 對印刷於經歷圖案化程序之基板上之圖案之可製造性檢查。 20.   一種用於判定由於經由度量衡工具之量測導致的基板之抗蝕劑中之收縮之方法，該方法包含： 經由度量衡工具獲取基板上之定義位置處之圖案的複數個影像而不在其間執行基板對準； 產生至少兩個資料：(i)與使用複數個影像之第一影像集合之圖案相關聯的第一資料，及(ii)與使用複數個影像之第二影像集合之圖案相關聯的第二資料，其中第一影像集合包含複數個影像中之至少兩個連續影像，且第二影像集合包含複數個影像中之至少兩個不同連續影像；以及 基於第一資料與第二資料之間的差而判定基板之抗蝕劑中的收縮。 21.   如條項20之方法，其中第一資料及第二資料包含與圖案相關聯之邊緣置放誤差之值。 22.   如條項20至21中任一項之方法，其進一步包含： 使用第一資料及第二資料來判定由於度量衡工具導致之複數個影像中的度量衡變異。 23.   如條項22之方法，其進一步包含： 基於第一資料、第二資料及度量衡變異判定收縮估計模型。 24.   一種電腦程式產品，其包含其上記錄有指令之非暫時性電腦可讀介質，該等指令在由電腦執行時實施如以上條項中任一項之方法。
雖然本文中所揭示之概念可用於在諸如矽晶圓之基板上的成像，但應理解，所揭示之概念可與任何類型之微影成像系統一起使用，例如用於在除矽晶圓以外的基板上之成像的微影成像系統。
以上描述意欲為說明性，而非限制性的。因此，對於熟習此項技術者將顯而易見，可在不脫離下文所闡明之申請專利範圍之範疇的情況下如所描述進行修改。
10A:微影投影裝置 12A:輻射源 14A:光學器件 16Aa:光學器件 16Ab:光學器件 16Ac:透射光學器件 20A:孔徑 21:輻射光束 22:琢面化場鏡面器件 22A:基板平面 24:琢面化光瞳鏡面器件 26:經圖案化光束 28:反射元件 30:反射元件 31:源模型 32:投影光學器件模型 33:給定設計佈局 35:設計佈局模型 36:空中影像 37:抗蝕劑模型 38:抗蝕劑影像 81:帶電粒子束產生器 82:聚光器透鏡模組 83:探針形成物鏡模組 84:帶電粒子束偏轉模組 85:次級帶電粒子偵測器模組 86:影像形成模組 89:樣本載物台 90:樣本 91:初級帶電粒子束 92:帶電粒子束探針 93:次級帶電粒子 94:次級帶電粒子偵測信號 100:電腦系統 102:匯流排 104:處理器 105:處理器 106:主記憶體 108:唯讀記憶體 110:儲存器件 112:顯示器 114:輸入器件 116:游標控制件 118:通信介面 120:網路鏈路 122:區域網路 124:主機電腦 126:網際網路服務提供者 128:網際網路 130:伺服器 210:電漿 211:源腔室 212:收集器腔室 220:圍封結構 221:開口 230:污染物截留器 240:光柵光譜濾光器 251:上游輻射收集器側 252:下游輻射收集器側 253:掠入射反射器 254:掠入射反射器 255:掠入射反射器 300:方法 301:影像 303:第一資料 304:第二資料 305:隨機邊緣置放誤差 401:參考圖案 402:影像 405:隨機變異帶 510:印刷基板 530:影像 531:單位胞元 631:特徵 631L:點 632:特徵 632L:點 633:特徵 633L:點 701:參考輪廓 710:經提取輪廓 710a:輪廓 800:方法 900:方法 901:參考點 903:切線 905:相交點 907:距離 909:邊緣置放資料 1100:方法 1101:影像 1103:第一資料 1104:第二資料 1105:收縮 1200A:照明源之特性 1200B:投影光學器件之特性 1200C:設計佈局之特性 AD:調整構件 ADC:類比/數位轉換器 B:輻射光束 C:目標部分 C1~C4:切線 CL:聚光器透鏡 CO:聚光器 DIS:顯示器件 EBD1:光束偏轉器 EBD2:E×B偏轉器 EBP:初級電子束 ESO:電子源 Ex:光束擴展器 I1:點 IF:干涉量測構件/虛擬源點 IL:照明系統 IN:積光器 IPU:影像處理系統 LA:微影投影裝置 M1:圖案化器件對準標記 M2:圖案化器件對準標記 MA:圖案化器件 MEM:記憶體 MT:物件台 O:點虛線/光軸 OL:物鏡 P1:基板對準標記 P2:基板對準標記 P101:工序 P103:工序 P105:工序 P301:工序 P303:工序 P305:工序 P307:工序 P309:工序 P901:工序 P903:工序 P905:工序 P907:工序 P909:工序 PB:光束 PL:透鏡 PM:第一定位器 PS:項目/投影系統 PS1:位置感測器 PS2:位置感測器 PSub:基板 PU:處理單元 PW:第二定位器 RP:參考點 RP1:參考點 S502:步驟 S504:步驟 S506:步驟 S508:步驟 S510:步驟 S512:步驟 S514:步驟 S516:步驟 S518:步驟 S520:步驟 S522:步驟 S702:步驟 S704:步驟 S706:步驟 S710:步驟 S712:步驟 S714:步驟 S716:步驟 S718:步驟 S720:步驟 S722:步驟 S802:步驟 S804:步驟 S806:步驟 S808:步驟 S810:步驟 S812:步驟 S814:步驟 S816:步驟 S1202:步驟 S1204:步驟 S1206:步驟 S1302:步驟 S1304:步驟 S1306:步驟 S1308:步驟 S1310:步驟 SED:次級電子偵測器 SO:源收集器模組/輻射源 ST:基板台 STOR:存儲介質 W:基板 WA:晶圓對準 WT:基板台
現將參考隨附圖式而僅藉助於實例描述實施例，在隨附圖式中：
圖1為根據一實施例之微影系統之各種子系統的方塊圖。
圖2為根據一實施例之對應於圖1中之子系統之模擬模型的方塊圖。
圖3為根據一實施例之用於判定與待印刷於基板上之圖案相關聯之隨機邊緣置放誤差之方法的流程圖。
圖4說明根據一實施例之隨機變異帶的一實例。
圖5A及5B分別說明根據一實施例之印刷基板及與具有期望圖案之印刷基板之晶粒相關聯的第一資料(例如使用數個單位胞元)的一實例。
圖6展示根據一實施例之判定與圖5B之單位胞元之圖案之特徵相關聯的EPE之值的一實例。
圖7A展示根據一實施例之彼此重疊的複數個影像之一組經提取輪廓。
圖7B展示根據一實施例之實例切線及與經提取輪廓的相交點。
圖8A為根據一實施例之傳統量測方法的流程圖。
圖8B為根據一實施例之所提出量測方法的流程圖。
圖9為根據一實施例之用於判定與待印刷於基板上之圖案相關聯之邊緣置放誤差之方法的流程圖。
圖10為根據一實施例之用於判定由於經由度量衡工具之量測導致的基板之抗蝕劑中之收縮之方法的流程圖。
圖11示意性地描繪根據一實施例之掃描電子顯微鏡(SEM)的一實施例。
圖12示意性地描繪根據一實施例之電子束檢查裝置的一實施例。
圖13為說明根據一實施例之聯合最佳化之實例方法之態樣的流程圖。
圖14展示根據一實施例之另一最佳化方法的一實施例。
圖15A、15B及16展示根據一實施例之各種最佳化程序的實例流程圖。
圖17為根據一實施例之實例電腦系統的方塊圖。
圖18為根據一實施例之微影投影裝置的示意圖。
圖19為根據一實施例之另一微影投影裝置的示意圖。
圖20為根據一實施例之圖19中之裝置的更詳細視圖。
圖21為根據一實施例之圖19及20之裝置之源收集器模組SO的更詳細視圖。
現將參考圖式詳細地描述實施例，該等圖式經提供作為說明性實例以便使熟習此項技術者能夠實踐該等實施例。值得注意地，以下之圖式及實例不意欲將範疇限於單一實施例，而是借助於所描述或所說明元件中之一些或全部之互換而使其他實施例為可能的。在任何方便之處，將遍及該等圖式使用相同元件符號來指相同或相似部分。在可使用已知組件來部分地或完全地實施此等實施例之某些元件的情況下，將僅描述理解該等實施例所必需之此等已知組件的彼等部分，且將省略此等已知組件之其他部分的詳細描述以免混淆該等實施例之描述。在本說明書中，示出單數組件之實施例不應被視為限制性的；實際上，除非本文中另外明確陳述，否則範疇意欲涵蓋包括複數個相同組件之其他實施例，且反之亦然。此外，申請人不意欲使本說明書或申請專利範圍中之任何術語歸結於不常見或特殊涵義，除非如此明確闡述。另外，範疇涵蓋本文中借助於說明而提及之組件的目前及未來已知等效者。
WA:晶圓對準

Claims (15)

  1. 一種用於判定與待印刷於一基板上之一圖案相關聯之隨機邊緣置放誤差之方法，該方法包含： 獲得該基板上之一定義位置處之該圖案的複數個影像，其中該複數個影像係在其間不執行一基板對準之情況下經由一度量衡工具獲取； 產生至少兩個資料：(i)與使用該複數個影像之一第一影像集合之該圖案相關聯的第一資料，及(ii)與使用該複數個影像之一第二影像集合之該圖案相關聯的第二資料，其中該第一影像集合及該第二影像集合包括至少一個不同影像；以及 使用與該定義位置處之該圖案相關聯之該第一資料及該第二資料來判定與該圖案相關聯之該隨機邊緣置放誤差。
  2. 如請求項1之方法，其中藉由該度量衡工具使用一單個度量衡配方獲取該複數個影像中之各者，其中該度量衡配方包含與該基板上之該定義位置相關聯的一視場及定位資訊。
  3. 如請求項1之方法，其進一步包含藉由使用該度量衡工具獲取該複數個影像，其中該定義位置之該複數個影像之該獲取包含： 使該基板與該度量衡工具對準；以及 在不獲取該基板之一第二晶粒中之一影像的情況下獲取該基板之一第一晶粒中之該定義位置處的該圖案之該複數個影像中之各者。
  4. 如請求項1之方法，其中該第一影像集合及該第二影像集合包括與該定義位置相關聯之該複數個影像中之所有不同影像。
  5. 如請求項1之方法，其進一步包含在獲取該基板上之該定義位置該複數個影像之後，獲取該基板上之一第二位置處之一第二複數個影像。
  6. 如請求項1之方法，其中該第一資料及該第二資料具有大致為1像素大小之一置放誤差，該置放誤差與該基板上之該定義位置處之該度量衡工具的定位相關聯。
  7. 如請求項1之方法，其中該第一資料及該第二資料具有小於1 μs之一時滯差，該時滯差與由該度量衡工具獲取之一給定影像之一像素的一停留時間相關聯。
  8. 如請求項1之方法，其中在藉由該度量衡工具量測期間，在不重新聚焦該度量衡工具之情況下及/或在不重新對準該基板之情況下產生該第一資料及該第二資料。
  9. 如請求項1之方法，其中該第一資料及該第二資料之該產生包含： 選擇複數個影像之該第一影像集合及不同於該第一影像集合之複數個影像之該第二影像集合； 使該第一影像集合重疊； 使用重疊的第一影像集合來判定邊緣置放誤差之值以產生該第一資料； 使該第二影像集合重疊；以及 使用重疊的第二影像集合來判定邊緣置放誤差之值以產生該第二資料。
  10. 如請求項9之方法，其中該判定一邊緣置放誤差之一值包含： 定義該圖案之一輪廓周圍的複數個參考點； 定義複數個切線，各切線在該圖案之該輪廓之一法線方向上穿過該複數個參考點中之一給定參考點； 判定一給定切線與該複數個影像中之一給定影像中之該圖案的一相交點；以及 量測該相交點與該給定參考點之間的一距離，其中該邊緣置放誤差包含與該複數個影像中之各影像相關聯之經量測距離。
  11. 如請求項1之方法，其中該判定該隨機邊緣置放誤差包含經由一分解演算法： 使用該第一資料、該第二資料及該基板上之邊緣置放誤差之值提取與該度量衡工具相關聯之一第一變異；以及 基於該第一資料、該第二資料及該第一變異提取與該圖案相關聯之一第二變異。
  12. 如請求項1之方法，其進一步包含： 判定該圖案之一空中影像之一強度對數斜率或判定一劑量靈敏度；以及 基於與該圖案及該強度對數斜率或該劑量靈敏度相關聯之該隨機邊緣置放誤差而判定經組態以預測該圖案之一輪廓上之任何點處的一邊緣置放中之隨機變異的一模型。
  13. 如請求項1之方法，其中該複數個影像中之一影像為一像素化影像。
  14. 如請求項1之方法，其中該度量衡工具為一掃描電子顯微鏡(SEM)且該複數個影像為SEM影像。
  15. 如請求項1之方法，其進一步包含： 基於該隨機邊緣置放誤差而判定與待印刷於該基板上之該圖案相關聯之一遮罩的光學近接校正。
TW109115056A 2019-05-21 2020-05-06 用於判定與期望圖案相關聯之隨機變異之方法 TWI750648B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962850838P 2019-05-21 2019-05-21
US62/850,838 2019-05-21

Publications (2)

Publication Number Publication Date
TW202113508A true TW202113508A (zh) 2021-04-01
TWI750648B TWI750648B (zh) 2021-12-21

Family

ID=70476223

Family Applications (2)

Application Number Title Priority Date Filing Date
TW110144869A TWI792736B (zh) 2019-05-21 2020-05-06 用於判定與期望圖案相關聯之隨機變異之方法及相關電腦程式產品
TW109115056A TWI750648B (zh) 2019-05-21 2020-05-06 用於判定與期望圖案相關聯之隨機變異之方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
TW110144869A TWI792736B (zh) 2019-05-21 2020-05-06 用於判定與期望圖案相關聯之隨機變異之方法及相關電腦程式產品

Country Status (5)

Country Link
US (2) US11669019B2 (zh)
KR (1) KR20210150574A (zh)
CN (1) CN113874787B (zh)
TW (2) TWI792736B (zh)
WO (1) WO2020233950A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220001262A (ko) * 2020-06-29 2022-01-05 삼성전자주식회사 반도체 공정의 근접 보정 방법
WO2023036539A1 (en) * 2021-09-08 2023-03-16 Asml Netherlands B.V. Patterning parameter determination using a charged particle inspection system
WO2023131476A1 (en) 2022-01-07 2023-07-13 Asml Netherlands B.V. Method and computer program for grouping pattern features of a substantially irregular pattern layout
EP4261616A1 (en) 2022-04-13 2023-10-18 ASML Netherlands B.V. Method and computer program for grouping pattern features of a substantially irregular pattern layout

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5523193A (en) 1988-05-31 1996-06-04 Texas Instruments Incorporated Method and apparatus for patterning and imaging member
US5296891A (en) 1990-05-02 1994-03-22 Fraunhofer-Gesellschaft Zur Forderung Der Angewandten Forschung E.V. Illumination device
US5229872A (en) 1992-01-21 1993-07-20 Hughes Aircraft Company Exposure device including an electrically aligned electronic mask for micropatterning
US5745660A (en) * 1995-04-26 1998-04-28 Polaroid Corporation Image rendering system and method for generating stochastic threshold arrays for use therewith
EP0824722B1 (en) 1996-03-06 2001-07-25 Asm Lithography B.V. Differential interferometer system and lithographic step-and-scan apparatus provided with such a system
DE69735016T2 (de) 1996-12-24 2006-08-17 Asml Netherlands B.V. Lithographisches Gerät mit zwei Objekthaltern
US7617477B2 (en) 2005-09-09 2009-11-10 Brion Technologies, Inc. Method for selecting and optimizing exposure tool using an individual mask error model
NL1036189A1 (nl) 2007-12-05 2009-06-08 Brion Tech Inc Methods and System for Lithography Process Window Simulation.
CN102224459B (zh) 2008-11-21 2013-06-19 Asml荷兰有限公司 用于优化光刻过程的方法及设备
US8786824B2 (en) 2009-06-10 2014-07-22 Asml Netherlands B.V. Source-mask optimization in lithographic apparatus
US9046475B2 (en) 2011-05-19 2015-06-02 Applied Materials Israel, Ltd. High electron energy based overlay error measurement methods and systems
CN103293865B (zh) * 2012-02-28 2015-05-13 上海微电子装备有限公司 工件台位置误差测量及预先补偿的方法
US9646220B2 (en) 2013-11-25 2017-05-09 GlobalFoundries, Inc. Methods and media for averaging contours of wafer feature edges
CN105992975B (zh) * 2014-02-11 2018-06-01 Asml荷兰有限公司 用于计算任意图案的随机变化的模型
TWI620980B (zh) * 2015-02-13 2018-04-11 Ａｓｍｌ荷蘭公司 影像對數斜率（ｉｌｓ）最佳化
KR20180010242A (ko) 2015-05-21 2018-01-30 칼 짜이스 에스엠티 게엠베하 마이크로리소그래픽 투영 장치의 작동 방법
US10197908B2 (en) 2016-06-21 2019-02-05 Lam Research Corporation Photoresist design layout pattern proximity correction through fast edge placement error prediction via a physics-based etch profile modeling framework
US9990460B2 (en) 2016-09-30 2018-06-05 Taiwan Semiconductor Manufacturing Co., Ltd. Source beam optimization method for improving lithography printability
US10534257B2 (en) 2017-05-01 2020-01-14 Lam Research Corporation Layout pattern proximity correction through edge placement error prediction
CN110799903B (zh) 2017-06-20 2021-11-16 Asml荷兰有限公司 确定边缘粗糙度参数
US20180364563A1 (en) 2017-06-20 2018-12-20 Applied Materials, Inc. Method and apparatus for inspecting a sample
EP3688529B1 (en) 2017-09-27 2023-12-13 ASML Netherlands B.V. Method of determining control parameters of a device manufacturing process
WO2019233711A1 (en) 2018-06-04 2019-12-12 Asml Netherlands B.V. Method for improving a process model for a patterning process
US11422473B2 (en) * 2018-07-12 2022-08-23 Asml Netherlands B.V. Utilize pattern recognition to improve SEM contour measurement accuracy and stability automatically
US11086230B2 (en) * 2019-02-01 2021-08-10 Asml Netherlands B.V. Method and apparatus for source mask optimization configured to increase scanner throughput for a patterning process
US11567413B2 (en) * 2019-02-25 2023-01-31 Asml Netherlands B.V. Method for determining stochastic variation of printed patterns
KR20220038167A (ko) * 2019-08-30 2022-03-25 에이에스엠엘 네델란즈 비.브이. 반도체 디바이스 지오메트리 방법 및 시스템
US11475201B2 (en) * 2020-02-24 2022-10-18 Synopsys, Inc. Inclusion of stochastic behavior in source mask optimization
TW202211075A (zh) * 2020-06-05 2022-03-16 美商新思科技股份有限公司 校正在精簡模型中的隨機訊號

Also Published As

Publication number Publication date
US11669019B2 (en) 2023-06-06
CN113874787A (zh) 2021-12-31
WO2020233950A1 (en) 2020-11-26
US20230280659A1 (en) 2023-09-07
TWI750648B (zh) 2021-12-21
US20220229375A1 (en) 2022-07-21
CN113874787B (zh) 2024-04-16
TWI792736B (zh) 2023-02-11
TW202230054A (zh) 2022-08-01
KR20210150574A (ko) 2021-12-10

Similar Documents

Publication Publication Date Title
TWI790792B (zh) 在圖案化程序中判斷圖案之方法
TWI750597B (zh) 用於判定一基板上的一印刷圖案之量測資料之方法及相關電腦程式產品
CN107430347B (zh) 图像对数斜率(ils)优化
JP7438275B2 (ja) デバイス製造方法の制御パラメータを決定する方法
TWI749522B (zh) 用於判定光罩之特徵校正之方法
TWI743688B (zh) 判定用於在基板上製造特徵之一或多個製程之特性的方法及相關的非暫時性電腦可讀媒體
TWI750648B (zh) 用於判定與期望圖案相關聯之隨機變異之方法
TW202030698A (zh) 在器件之製造程序中之方法、非暫態電腦可讀取媒體及經組態以執行該方法之系統
TWI752652B (zh) 在裝置製程中的方法、非暫態電腦可讀媒體、及組態以執行該方法的系統
TWI794601B (zh) 用於基於缺陷而判定圖案化程序之特性以減少熱點的方法
EP3462240A1 (en) Method of determining control parameters of a device manufacturing process
US20230244152A1 (en) Systems, methods, and products for determining printing probability of assist feature and its application
TWI837495B (zh) 器件製造程序中的方法