TW202217465A - 判定半導體製造程序中之修正策略之方法及相關設備 - Google Patents
判定半導體製造程序中之修正策略之方法及相關設備 Download PDFInfo
- Publication number
- TW202217465A TW202217465A TW110124574A TW110124574A TW202217465A TW 202217465 A TW202217465 A TW 202217465A TW 110124574 A TW110124574 A TW 110124574A TW 110124574 A TW110124574 A TW 110124574A TW 202217465 A TW202217465 A TW 202217465A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- model
- functional
- scanner
- correction
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
- H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
-
- 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
- G03F7/70525—Controlling normal operating mode, e.g. matching different apparatus, remote control or prediction of failure
-
- 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
- G03F7/70605—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
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
- Light Receiving Elements (AREA)
- Bipolar Transistors (AREA)
Abstract
本發明揭示一種判定一半導體製造程序中之一修正策略之方法。該方法包含:獲得與功能指示符相關之功能指示符資料,該等功能指示符與該半導體製造程序的及/或與該半導體製造程序相關聯之一工具的複數個不同控制機制中之每一者的一或多個程序參數相關聯;及根據表示該半導體製造程序之一品質的至少一個品質度量,使用一經訓練模型以判定應針對該等控制機制中之哪一者判定一修正以便改良該半導體製造程序之效能。接著針對該(該等)經判定控制機制計算該修正。
Description
本發明係關於判定用於半導體製造之微影設備之間的微影匹配效能的方法、一種半導體製造程序、一種微影設備、一種微影單元及相關聯電腦程式產品。
微影設備為經建構以將所要圖案施加至基板上之機器。微影設備可用於例如積體電路(IC)之製造中。微影設備可例如將圖案化裝置(例如遮罩)處之圖案(亦常常被稱作「設計佈局」或「設計」)投影至提供於基板(例如晶圓)上之輻射敏感材料(抗蝕劑)層上。
為了將圖案投影於基板上,微影設備可使用電磁輻射。此輻射之波長判定可形成於基板上之特徵之最小大小。當前在使用之典型波長為365 nm (i線)、248 nm深紫外線(DUV)、193 nm深紫外線(DUV)及13.5 nm。與使用例如具有193 nm之波長之輻射的DUV微影設備相比,使用具有在4 nm至20 nm之範圍內(例如6.7 nm或13.5 nm)之波長之極紫外線(EUV)輻射的微影設備可用以在基板上形成較小特徵。
低k
1微影可用以處理尺寸小於微影設備之經典解析度極限的特徵。在此程序中,可將解析度公式表達為CD = k
1×λ/NA,其中λ為所使用輻射之波長、NA為微影設備中之投影光學件之數值孔徑、CD為「臨界尺寸」(通常為經印刷之最小特徵大小,但在此狀況下為半節距)且k
1為經驗解析度因數。一般而言,k
1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,可將複雜微調步驟應用至微影投影設備及/或設計佈局。此等步驟包括例如但不限於:NA之最佳化、自訂照明方案、相移圖案化裝置之使用、設計佈局之各種最佳化,諸如設計佈局中之光學近接修正(OPC,有時亦被稱作「光學及程序修正」),或通常被定義為「解析度增強技術」(RET)之其他方法。替代地,用於控制微影設備之穩定性之嚴格控制迴路可用以改良在低k
1下之圖案之再生。
本發明之實施例揭示於申請專利範圍中及實施方式中。
在本發明之一第一態樣中,提供一種判定一半導體製造程序中之一修正策略之方法,該方法包含:獲得與功能指示符相關之功能指示符資料,該等功能指示符與該半導體製造程序的及/或與該半導體製造程序相關聯之一工具的複數個不同控制機制中之每一者的一或多個程序參數相關聯;根據表示該半導體製造程序之一品質的至少一個品質度量,使用一經訓練模型以判定應針對該等控制機制中之哪一者判定一修正以便改良該半導體製造程序之效能;及計算對該(該等)經判定控制機制之該修正。
在本發明文件中,術語「輻射」及「光束」用以涵蓋所有類型之電磁輻射,包括紫外線輻射(例如,具有為365 nm、248 nm、193 nm、157 nm或126 nm之波長)及極紫外線輻射(EUV,例如,具有在約5 nm至100 nm之範圍內之波長)。
如本文中所採用之術語「倍縮光罩」、「遮罩」或「圖案化裝置」可被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之通用圖案化裝置,該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。在此內容背景中,亦可使用術語「光閥」。除經典遮罩(透射或反射;二元、相移、混合式等)以外,其他此類圖案化裝置之實例包括可程式化鏡面陣列及可程式化LCD陣列。
圖1示意性地描繪微影設備LA。該微影設備LA包括:照明系統(亦被稱作照明器) IL,其經組態以調節輻射光束B (例如UV輻射、DUV輻射或EUV輻射);遮罩支撐件(例如遮罩台) MT,其經建構以支撐圖案化裝置(例如遮罩) MA且連接至經組態以根據某些參數來準確地定位該圖案化裝置MA之第一定位器PM;基板支撐件(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且連接至經組態以根據某些參數來準確地定位基板支撐件之第二定位器PW;及投影系統(例如折射投影透鏡系統) PS,其經組態以將由圖案化裝置MA賦予至輻射光束B之圖案投影至基板W之目標部分C (例如包含一或多個晶粒)上。
在操作中,照明系統IL例如經由光束遞送系統BD自輻射源SO接收輻射光束。照明系統IL可包括用於引導、塑形及/或控制輻射的各種類型之光學組件,諸如折射、反射、磁性、電磁、靜電及/或其他類型之光學組件,或其任何組合。照明器IL可用以調節輻射光束B,以在圖案化裝置MA之平面處在其橫截面中具有所要空間及角強度分佈。
本文所使用之術語「投影系統」PS應被廣泛地解譯為涵蓋適於所使用之曝光輻射及/或適於諸如浸潤液體之使用或真空之使用之其他因素的各種類型之投影系統,包括折射、反射、反射折射、合成、磁性、電磁及/或靜電光學系統,或其任何組合。可認為本文中對術語「投影透鏡」之任何使用皆與更一般之術語「投影系統」PS同義。
微影設備LA可屬於如下類型:其中基板之至少一部分可由具有相對較高折射率之液體(例如水)覆蓋,以便填充投影系統PS與基板W之間的空間-此亦被稱作浸潤微影。以引用方式併入本文中之US6952253中給出關於浸潤技術之更多資訊。
微影設備LA亦可屬於具有兩個或多於兩個基板支撐件WT (又名「雙載物台」)之類型。在此「多載物台」機器中,可並行地使用基板支撐件WT,及/或可對位於基板支撐件WT中之一者上的基板W進行準備基板W之後續曝光的步驟,同時將另一基板支撐件WT上之另一基板W用於在該另一基板W上曝光圖案。
除了基板支撐件WT以外,微影設備LA亦可包含量測載物台。量測載物台經配置以固持感測器及/或清潔裝置。感測器可經配置以量測投影系統PS之屬性或輻射光束B之屬性。量測載物台可固持多個感測器。清潔裝置可經配置以清潔微影設備之部分,例如投影系統PS之部分或提供浸潤液體之系統之部分。量測載物台可在基板支撐件WT遠離投影系統PS時在投影系統PS下方移動。
在操作中,輻射光束B入射於被固持於遮罩支撐件MT上之圖案化裝置(例如遮罩) MA上,且係由存在於圖案化裝置MA上之圖案(設計佈局)而圖案化。在已橫穿遮罩MA的情況下,輻射光束B穿過投影系統PS,投影系統PS將該光束聚焦至基板W之目標部分C上。憑藉第二定位器PW及位置量測系統IF,可準確地移動基板支撐件WT,例如以便使不同目標部分C在輻射光束B之路徑中定位於經聚焦且對準之位置處。相似地,第一定位器PM及可能另一位置感測器(其未在圖1中明確地描繪)可用以相對於輻射光束B之路徑來準確地定位圖案化裝置MA。可使用遮罩對準標記M1、M2及基板對準標記P1、P2來對準圖案化裝置MA及基板W。儘管如所說明之基板對準標記P1、P2佔據專用目標部分,但該等標記可位於目標部分之間的空間中。當基板對準標記P1、P2位於目標部分C之間時,此等基板對準標記P1、P2被稱為切割道對準標記。
如圖2中所展示,微影設備LA可形成微影單元LC (有時亦被稱作微影單元(lithocell)或(微影)叢集)之部分,微影單元LC常常亦包括用以對基板W執行曝光前程序及曝光後程序之設備。通常,此等設備包括用以沈積抗蝕劑層之旋塗器SC、用以顯影經曝光抗蝕劑之顯影器DE、例如用於調節基板W之溫度例如以用於調節抗蝕劑層中之溶劑之冷卻板CH及烘烤板BK。基板處置器或機器人RO自輸入/輸出埠I/O1、I/O2拾取基板W、在不同程序設備之間移動基板W且將基板W遞送至微影設備LA之裝載匣LB。微影單元中常常亦被集體地稱作塗佈顯影系統之裝置通常係在塗佈顯影系統控制單元TCU之控制下,塗佈顯影系統控制單元TCU自身可受到監督控制系統SCS控制,監督控制系統SCS亦可例如經由微影控制單元LACU而控制微影設備LA。
為了正確且一致地曝光由微影設備LA曝光之基板W,需要檢測基板以量測經圖案化結構之屬性,諸如後續層之間的疊對誤差、線厚度、臨界尺寸(CD)等。出於此目的,可在微影單元LC中包括檢測工具(圖中未繪示)。若偵測到誤差,則可對後續基板之曝光或對待對基板W執行之其他處理步驟進行例如調整,尤其是在同一批量或批次之其他基板W仍待曝光或處理之前進行檢測的情況下。
亦可被稱作度量衡設備之檢測設備用以判定基板W之屬性,且尤其判定不同基板W之屬性如何變化或與同一基板W之不同層相關聯之屬性在不同層間如何變化。檢測設備可替代地經建構以識別基板W上之缺陷,且可例如為微影單元LC之部分,或可整合至微影設備LA中,或可甚至為單機裝置。檢測設備可量測潛影(在曝光之後在抗蝕劑層中之影像)上之屬性,或半潛影(在曝光後烘烤步驟PEB之後在抗蝕劑層中之影像)上之屬性,或經顯影抗蝕劑影像(其中抗蝕劑之曝光部分或未曝光部分已被移除)上之屬性,或甚至經蝕刻影像(在諸如蝕刻之圖案轉印步驟之後)上之屬性。
通常,微影設備LA中之圖案化程序為在處理中之最具決定性步驟中的一者,其需要基板W上之結構之尺寸標定及置放之高準確度。為了確保此高準確度,可將三個系統組合於所謂的「整體」控制環境中,如圖3示意性地所描繪。此等系統中之一者為微影設備LA,其(實際上)連接至度量衡工具MT (第二系統)且連接至電腦系統CL (第三系統)。此「整體」環境之關鍵在於最佳化此等三個系統之間的合作以增強總體程序窗且提供嚴格控制迴路,從而確保由微影設備LA執行之圖案化保持在程序窗內。程序窗界定程序參數(例如劑量、焦點、疊對)之範圍,在該程序參數範圍內特定製造程序得到所界定結果(例如功能半導體裝置)-通常在該程序參數範圍內,微影程序或圖案化程序中之程序參數被允許變化。
電腦系統CL可使用待圖案化之設計佈局(之部分)以預測使用哪種解析度增強技術且執行運算微影模擬及計算以判定哪種遮罩佈局及微影設備設定達成圖案化程序之最大總體程序窗(在圖3中由第一標度SC1中之雙箭頭描繪)。通常,解析度增強技術經配置以匹配於微影設備LA之圖案化可能性。電腦系統CL亦可用以偵測在程序窗內何處微影設備LA當前正操作(例如使用來自度量衡工具MT之輸入)以預測歸因於例如次佳處理是否可存在缺陷(在圖3中由第二標度SC2中之指向「0」之箭頭描繪)。
度量衡工具MT可將輸入提供至電腦系統CL以實現準確模擬及預測,且可將回饋提供至微影設備LA以識別例如微影設備LA之校準狀態中的可能漂移(在圖3中由第三標度SC3中之多個箭頭描繪)。
因而,所提議方法包含作為製造程序之一部分作出決策,該方法包含:獲得與製造程序之微影曝光步驟之一或多個參數相關的掃描器資料;自該掃描器資料導出類別指示符,該類別指示符為指示製造程序之品質的品質度量;及基於該類別指示符決定一動作。與微影曝光步驟之一或多個參數相關的掃描器資料可包含在曝光步驟期間或在準備曝光步驟時由掃描器自身產生的資料,及/或在用於曝光之預備步驟中由另一站(例如單機量測/對準站)產生之資料。因而,該掃描器資料未必必須由掃描器產生或在掃描器內產生。術語掃描器通常用以描述任何微影曝光設備。
圖4為描述用於在利用故障偵測及分類(FDC)方法/系統之製造程序中作出決策的方法的流程圖。在曝光期間產生掃描器資料400 (亦即,曝光掃描器資料),或在維護動作之後(或藉由任何其他方式)產生掃描器資料400。本質上為數值的此掃描器資料或程序參數資料400經饋送至FDC系統410中。FDC系統410將資料轉換成功能性的以掃描器物理性質為基礎之指示符且根據系統物理性質聚集此等功能指示符,以便判定用於每一基板之類別系統指示符。類別指示符可為二進位的,諸如其是滿足品質臨限值(OK)抑或不滿足品質臨限值(NOK)。替代地,可存在多於兩個類別(例如基於統計格化儲存技術)。
基於掃描器資料400,且更具體言之,基於向彼基板指派之類別指示符,作出檢查決策420以決定是否要檢查/檢測基板。若決定不檢查基板,則轉遞基板以供處理430。此等基板中之若干基板有可能仍經歷度量衡步驟440 (例如,用於控制迴路之輸入資料及/或用以驗證在步驟420處作出之決策)。若在步驟420處決定檢查,則量測440基板,且基於量測之結果,作出重工決策450,以決定是否要重工基板。在另一實施例中,直接基於由FDC系統410判定之類別品質值,而無檢查決策來作出重工決策。取決於重工決策之結果,將基板進行重工460,或認為基板OK且將其轉遞以供處理430。若為後者,則此將指示指派給彼基板之類別指示符不正確/不準確。應注意,所說明之實際決策(檢查及/或重工)僅係例示性的,且其他決策可基於自FDC輸出之類別值/建議,及/或FDC輸出可用以觸發警報(例如以指示不良掃描器效能)。針對每一基板之重工決策450之結果經回饋至FDC系統410。FDC系統可使用此資料以改進及驗證其歸類及決策建議(指派之類別指示符)。特定言之,該FDC系統可對照實際決策驗證所指派之類別指示符,且基於此,對歸類準則作出任何適當改變。舉例而言,其可基於驗證變更/設定任何歸類臨限值。因而,應回饋在步驟450處由使用者作出之所有重工決策,使得驗證FDC系統410之所有檢查決策。以此方式,在生產期間不斷地訓練FDC系統410系統內之類別分類器,使得其接收更多資料且因此隨著時間推移變得更準確。
掃描器產生數值掃描器或曝光資料,該資料包含在曝光期間由掃描器產生之眾多資料參數或指示符。此掃描器資料可包含例如由掃描器產生之可能對FDC系統將建議之決策有影響的任何資料。舉例而言,掃描器資料可包含來自在曝光期間(或在準備曝光時)常規地採取之量測之量測資料,例如倍縮光罩及或晶圓對準資料、位階量測資料、透鏡像差資料、任何感測器輸出資料等。掃描器資料亦可包含較少的常規量測之資料(或所估計資料),例如來自較少的常規維護步驟之資料或自其外插之資料。此資料之特定實例可包含用於EUV系統之源收集器污染資料。FDC系統基於掃描器資料導出數值功能指示符。可根據生產資料訓練此等功能指示符以便反映掃描器之實際使用率(例如溫度、曝光時間間隔等)。可例如使用統計、線性/非線性回歸、深度學習或貝氏學習技術來訓練功能指示符。可例如基於掃描器參數資料及域知識來建構可靠及準確的功能指示符,其中域知識可包含掃描器參數與標稱之偏差之量度。標稱可基於系統/程序之已知物理性質以及掃描器行為。
可接著界定將此等指示符連結至產品上類別指示符之模型。歸類可為二進位的(例如OK/NOK)或基於量測格化儲存或圖案之更進階分類。連結模型將物理性質驅動之功能指示符與針對特定使用者應用及工作方式所觀測到的產品上影響聯繫在一起。類別指示符根據系統之物理性質聚集功能指示符。可存在類別指示符之兩個或多於兩個位階或階層,每一者用於特定誤差貢獻因素。舉例而言,第一位階可包含疊對貢獻因素(例如對X方向場內疊對之倍縮光罩對準貢獻因素、對Y方向場間疊對之倍縮光罩對準貢獻因素、對場間CD之位階量測貢獻因素等)。類別指示符之第二位階可聚集第一位階類別指示符(例如依據方向及/或依據用於疊對之場間對場內及/或依據用於CD之場間對場內)。此等第一位階類別指示符可在第三位階中進一步聚集:例如,疊對OK/NOK及/或CD OK/NOK。上文所提及之類別指示符純粹係舉例而言,且可使用任何合適的替代指示符。此等指示符可接著用以提供建議及/或作成程序決策,諸如是否檢測及/或重工基板。
可基於機器學習技術自模型/模擬器導出類別指示符。可運用歷史資料(先前指示符資料)來訓練此機器學習模型(亦即,其是否被重工),該歷史資料係根據其適當類別來標註。該標註可基於專家資料(例如來自使用者輸入)及/或(例如基於)量測結果,使得模型經教示以基於來自掃描器資料之未來的數值資料輸入來提供基板品質之有效且可靠的預測。系統類別指示符訓練可使用例如前饋神經網路、隨機森林及/或深度學習技術。應注意,FDC系統無需知曉用於此訓練之任何使用者敏感資料;僅需要較高等級之歸類、容差及/或決策(例如是否將重工基板)。
圖5包含說明導出之功能(及類別)指示符,及其相比於目前使用之統計指示符之有效性的三個標繪圖。圖5之(a)為原始參數資料,更具體言之倍縮光罩對準(RA)相對於時間t的標繪圖。原始參數資料可係關於任何程序參數,例如掃描器及/或微影程序之任何參數。圖5之(b)為根據本文中所描述之方法導出的等效(例如關於倍縮光罩對準)非線性模型函數(或擬合) mf。如所描述,此模型可自掃描器物理性質之知識導出,且可進一步根據生產資料進行訓練(例如在此特定狀況下,當執行特定所關注製造程序時執行的倍縮光罩對準量測)。舉例而言,此模型之訓練可使用統計、回歸、貝氏學習或深度學習技術。圖5之(c)包含圖5之(a)與圖5之(b)之標繪圖之間的殘差Δ,其可用作本文所揭示之方法之功能指示符。可設定及/或學習一或多個臨限值ΔT (例如最初基於使用者知識/專家觀點及/或如所描述之訓練),藉此提供類別指示符。特定言之,在訓練類別分類器之訓練階段期間,由類別分類器區塊430 (圖4)學習臨限值ΔT。此等臨限值實際上可能為未知的或隱藏的(例如當由神經網路實施時)。類別指示符可係關於例如疊對、焦點、臨界尺寸、臨界尺寸均一性中之一或多者(例如基於臨限值之哪一側之值為OK/NOK,但非二進位類別指示符亦係可能的及設想的)。
將此與目前通常用於原始資料之統計控制技術進行比較係具指導性的。將統計臨限值RAT設定為圖5之(a)之原始資料將導致在時間t1時識別出離群值,而在時間t3時未識別出離群值。此外,根據本文中所揭示之類別指示符(圖5之(c)中所說明),將在時間t2時之點不正確地識別為離群值,而事實上其並非離群值(亦即,其為OK)。
功能指示符可沿著掃描器及/或其他工具內之晶圓之壽命(例如自負載、量測(對準/位階量測等)、曝光等)界定。因而,可以與圖5中所說明之方式相同的方式處理與複數個掃描器及程序參數相關之原始資料以獲得用於每一者之功能指示符,其中該等功能指示符包含相對於預期之標稱或平均行為之殘差(例如隨著時間推移)。可每工具(及/或每程序)組合及/或聚集此等功能指示符以獲得包含功能性界定掃描器之產品上效能之模型的掃描器功能指紋。
圖6描繪併入有穩定性模組500 (在此實例中,基本上為在伺服器上執行之應用程式)之總體微影及度量衡方法。展示被標註為1、2、3之三個主程序控制迴路。第一迴路提供使用穩定性模組500及監視晶圓對微影設備之穩定性控制的重現監視。監視晶圓(MW) 505經展示為自微影單元510傳遞,已經曝光以設定用於焦點及疊對之基線參數。稍後,度量衡工具(MT) 515讀取此等基線參數,接著藉由穩定性模組(SM) 500解譯該等基線參數以便計算修正常式以便提供掃描器回饋550,該掃描器回饋經傳遞至主微影設備510且在執行進一步曝光時使用。監視晶圓之曝光可涉及將標記之圖案印刷於參考標記之頂部上。藉由量測頂部標記與底部標記之間的疊對誤差,可量測微影設備之效能之偏差,即使當已自設備移除晶圓且將晶圓置放於度量衡工具中亦如此。
第二(APC)迴路係用於產品上局部掃描器控制(判定關於產品晶圓之焦點、劑量及疊對)。經曝光產品晶圓520經傳遞至度量衡單元515,在度量衡單元中例如與諸如臨界尺寸、側壁角及疊對之參數相關之資訊經判定且傳遞至進階程序控制(Advanced Process Control;APC)模組525上。此資料亦經傳遞至穩定性模組500。在製造執行系統(MES) 535接管之前進行程序修正540,從而提供對與掃描器穩定性模組500通信之主微影設備510的控制。
第三控制迴路為允許度量衡整合至第二(APC)迴路中(例如,用於雙重圖案化)。蝕刻後晶圓530經傳遞至度量衡單元515,該度量衡單元再次量測自晶圓讀取的諸如臨界尺寸、側壁角及疊對之參數。此等參數經傳遞至進階程序控制(APC)模組525。該迴路以與第二迴路相同之方式繼續。
可將不同控制迴路分組成內部控制迴路及外部控制迴路。內部控制迴路在給定時刻使用直接感測器量測以量測及最佳化掃描器行為。當應用最佳化時,掃描器模型(例如,提供掃描器程序之估計值的掃描器行為之至少一個態樣之模型)之輸出與現實之間的差將未經修正誤差(殘差)減小至幾乎為零。在量測與最佳化之間,殘差會變化(增大),此可導致產品上影響(例如疊對)。外部迴路主要使用產品上量測以計算在掃描器上規則地更新(例如,配方更新)之掃描器修正(例如,由圖6所描述之穩定性監視及APC迴路)。
內部迴路實現極快修正但遭受短時間範圍。其亦無法自系統性變化指紋、長期漂移及產品上影響進行重要學習。外部迴路使能夠自系統性變化指紋、長期漂移及產品上影響進行學習,但遭受耗時且有限之檢查(例如專用晶圓量測)。因此,修正緩慢且粗略。
提議將藉由掃描器線內控制實現之快速修正與自系統性變化指紋、長期漂移及產品上影響之學習組合。本文中所提議之方法藉此組合內部控制迴路及外部控制迴路兩者的優點,同時減少其缺點。
所提議方法可基於包含偵測模型之應用程式,該偵測模型提供殘差之物理性質模型且使用其來預測產品上類別指示符(例如,OK/NOK)。此等模型將用於每一晶圓之線內掃描器殘差與產品上影響之預測組合。舉例而言,上文關於圖4及圖6描述此模型之實例。
掃描器資料及物理性質殘差可用以緊接在晶圓之曝光之後計算可修正誤差(例如,針對每一晶圓)。除了來自緊接之前的晶圓曝光之資料以外,此計算亦可使用來自一或多個較早晶圓曝光之資料。其藉此可計算可擬合變化指紋、長期漂移及產物上影響之修正模型。
可訓練機器學習模型,該機器學習模型自可修正的物理性質學習哪些掃描器修正可具有最大影響。此模型之實例可包含使用柔性最大值函數(softmax function)作為輸出函數以將候選或可能修正集合正規化成機率分佈的神經網路。判定最大影響可意謂減小掃描器殘差使得經預測產品影響自NOK變成OK,藉此改良掃描器效能及穩定性,及/或判定哪個修正集合將殘差減小至最小值(假定晶圓為OK)。
多個機器學習技術可用以標註動作且實現監督式學習。一種途徑可包含將動作映射至預定義裝備狀態。接著,損失函數(例如,基於多類交叉熵)可用以計算增量且將學習反向傳播至模型中。
另一途徑可包含將強化學習直接應用於動作並訓練模型以學習動作與裝備狀態改良之間的映射。可基於最佳裝備狀態(例如,零殘差)與經量測裝備狀態之間的距離而計算獎勵(及批評)。
由於動作之數目可為較大的,因此可基於輸入圖案將該等動作聚集成動作集合。此等集合可接著產生不同模型例項,每一模型例項經分開地訓練。在此實施例中,預測需要預處理步驟以選擇用於進行預測之正確模型。
為了確保在部署時之模型收斂及準確度,應在校準中預訓練模型,而非在半導體生產中之模型之實際使用期間訓練模型。當未充分訓練之模型之準確度可低至實際上使掃描器效能降級時,推薦預訓練。因而,可基於已知掃描器物理性質及傳達掃描器物理性質與掃描器效能之間的關係之實驗資料提供適當標籤產生器(例如,諸如下文所描述之圖7中之模型710的模型),以便提供用於修正模型之訓練資料。
除了修正模型之外,修正系統可進一步包含約束求解程序(例如,SAT、SMT或其他CSP)。此約束求解程序檢查來自修正模型之任何所提議修正集合並不違反任何設計約束或規則;以確保修正實體上可致動且將不引起損壞;例如,系統可安全地執行動作。
以此方式,所提議之修正系統將演繹推理(約束求解程序及物理性質)及歸納推理(機器學習)組合成單一人工智慧解決方案。
圖7包含描述此實施例之流程圖。黑色箭頭描述預測流程,且雙頭灰色箭頭描述訓練流程。圖之上半部分中(虛線上方)之流程與偵測系統DS相關,且主要包含已經被描述為進行類別預測之FDC系統的操作。下半部分中之流程描述根據一實施例之修正系統CS。
可包含由掃描器SC量測或記錄之任何參數(及/或使用另一裝置量測之任何掃描器參數)之值的掃描器資料700係用以計算物理性質殘差705,例如,經量測參數與經模型化參數之間的差,經模型化參數係由基於物理性質或功能模型而模型化。可針對與掃描器控制或控制機制之不同態樣相關的多個參數中之每一者分開地計算殘差;例如,精細晶圓對準、水平載物台對準、豎直載物台對準、倍縮光罩加熱參數、透鏡控制參數、透鏡致動參數等。因而,控制機制可與程序控制之任何態樣、任何特定感測器及/或掃描器或半導體製造中所使用之其他設備的任何模組相關。將此等殘差饋入至經訓練機器學習模型710中,該經訓練機器學習模型基於殘差進行類別預測715且相應地標註晶圓。為了訓練模型,此等經標註晶圓中之一些將經歷另一度量衡步驟以評估預測之準確度。可接著使用相對於經指派標籤之此量測結果來訓練模型。此訓練可為連續的以維持相對於程序漂移、掃描器漂移等之準確度。
修正系統CS包含針對在步驟705處計算之殘差計算修正720的步驟。可針對每一機制個別地計算此等修正;例如,可計算精細晶圓對準修正以修正精細晶圓對準殘差、計算透鏡加熱修正以修正透鏡加熱殘差等。應瞭解,在預期改良之結果的情況下,此等修正不能簡單地全部應用。每一控制機制之相互作用係複雜的且單獨使用基於物理性質之方法不可預測。一個控制機制之改良可在一定程度上影響另一控制機制,從而使得總體結果更糟。亦並非所有修正或修正之組合為可致動的或可允許的及/或符合用於程序之設計規則或約束。因此,將修正饋入至經訓練修正模型725中以選擇較佳修正集合/策略且(例如並行地)饋入至約束求解模型或步驟730中,該約束求解模型或步驟使用專家規則來評估是否符合設計規則及修正集合/策略係可允許的。經訓練修正模型725可輸出機率分佈,該機率分佈評估特定修正或修正集合(例如修正之組合)將對程序有正面影響(例如將晶圓狀態自NOK改良為OK)的機率。最後,所選擇修正集合係由掃描器SC採取動作740。
經訓練修正模型725將嘗試預測物理性質之殘差減少。因此,可將殘差減少回饋(雙頭箭頭)至修正模型725,此將使得該模型能夠學習且選擇遞送最佳可能殘差減少的修正集合。
圖8為在概念上說明修正模型725之訓練的流程圖。輸入資料IN可包含來自裝備原始資料(例如純量)之特徵值。特徵未必僅為狀態指示符,且可包括任何感測器資訊。將此輸入資料IN饋入至修正模型MOD中,該修正模型基於此輸入資料提供第一預測輸出P1。舉例而言,此預測可包含多個可能動作或修正集合之經預測最大影響的機率分佈。此處之實例展示具有相關聯預測機率之三個動作A B C。修正之影響展示於右側,其中方框展示在時間t1、t2及t3時裝備狀態值,例如其應全部理想地為零。在時間t1時,狀態為在訓練之前的初始狀態。在時間t2時,可看到應用預測P1已使狀態更糟。計算此狀態與先前狀態之間的殘差且將該殘差反向傳播至模型MOD以用於學習。自輸入資料P2進行第二預測P2。可看到,在t3時之狀態受到此經預測修正策略正面地影響,且再次在時間t3及t2時之狀態值之間的殘差經反向傳播用於學習。以此方式,模型將學習自掃描器輸入資料預測改良效能之修正集合。當然,此為對訓練步驟之高度簡化概念描述。
現在將描述判定對線內參考之修正的第二實施例。掃描器中之諸如基準及波前感測器參考之線內參考的漂移(例如在其中掃描器為二級掃描器的量測側及曝光側中之每一者處)引起掃描器效能誤差。掃描器中之專用量測及校準可試圖部分地使用系統中之冗餘或自由度補救此等誤差。然而,冗餘量測並非始終可能的,且並非所有參考可如此經修正;因此,使用當前方法無法更新一些參考。此外,專用量測及校準花費時間。
外部控制迴路可使用進階模型化及專用晶圓以識別及修復根本原因(例如,使用如圖6中所描述之穩定性模組迴路);或簡單地使用APC迴路經由掃描器致動介面修正誤差(亦在圖6中所描述)。在一些狀況下,僅APC迴路可用,此係因為例如歸因於穩定性監視迴路之固有產出量損失而並未實施穩定性監視迴路。若誤差之根本原因為漂移參考,則經由APC修正誤差並不解決誤差根本原因且其影響僅部分修復。由於未解決之根本原因,因此線內控制之效率劣化,從而產生不必要的補償性動作,例如不必要的透鏡移動等。因此,APC迴路並不在掃描器內之正確地點修正此等誤差。
如已描述,功能模型使用所產生之掃描器資料以判定(例如,線內)程序參數值(例如,如在掃描器內量測)及來自每一相關掃描器模組或控制機制之誤差/殘差。舉例而言,可自品質度量映圖(例如,殘差之產品疊對或焦點映圖)提取此等程序參數。在此實施例中提議使用一或多個功能指示符作為用於經訓練模型之輸入以預測效能漂移(例如,指示製造程序之品質的焦點/疊對/其他品質度量或程序參數),且隨後最佳化與該一或多個功能指示符相關聯的如對效能漂移具有顯著經預測影響的一或多個掃描器參考設定。
每程序參數或功能指示符訓練預測模型或機器學習模型,其中線上功能指示符可為表示(或經由相關的相對簡單數學表達式)由微影程序之特定模組或控制機制產生之誤差的數目。此處,預測模型可為類回歸模型、神經網路/其他AI模型或任何其他合適模型。預測模型可自所有相關模組/控制機制接收作為輸入之線內功能指示符(及可能其他相關指示符),且輸出經預測品質度量(例如,疊對、焦點或指示品質之其他產品參數)。輸入功能指示符之數目應儘可能地完整。因而,經訓練預測模型可用以預測個別功能指示符對一或多個品質度量之影響。可使用來自同一掃描器之運用品質度量之量測而標註的歷史資料來訓練模型。
更具體而言,除了預測自身以外,亦可判定預測之解釋。舉例而言,對於回歸型模型,可簡單地自回歸係數(例如,其量值)判定此解釋。對於諸如神經網路之其他模型,可使用局部梯度解釋向量方法或類似者來獲得此解釋。以此方式,預測模型亦識別已對品質度量中之誤差或漂移作出最大貢獻的模組或控制機制。若一或多個功能指示符經標記為對誤差作出統計顯著貢獻,則發起與對應功能指示符相關聯之線內參考之更新。
若確定任何誤差或漂移係由取決於諸如所描述之參考之程序參數或線內參數來解釋,則可例如使用如自所估計品質度量及相關功能指示符所判定的經漂移程序參數之值來修正對應參考。
因而,所提議方法包含:使用功能模型獲得與工具之狀態相關聯的線內資料,以基於線內資料判定與工具之控制機制相關聯的至少一個功能指示符;使用經訓練模型以使該至少一個功能指示符與一或多個經圖案化基板之預期品質相關聯;在預期品質未能符合要求的狀況下判定該至少一個功能指示符在解釋預期品質方面的顯著性;及基於該經判定顯著性組態工具。
圖9為描述此實施例之流程圖。在訓練階段TR中,使用歷史批次資料900以判定910與相關於至少一個程序參數之所有線內動作相關的功能指示符。又,使用(例如,來自品質度量之量測的)歷史品質度量資料905以自量測資料計算915相同程序參數之值。作為特定實例,步驟915可包含自產品上疊對及/或焦點映圖提取程序參數值。在步驟920處,訓練機器學習模型以將每程序參數之功能指示符映射至自量測資料導出之品質度量值以便獲得經訓練模型925。
在訓練之後,例如在生產設定中,例如與剛剛曝光之晶圓相關的掃描器資料930用以運算935例如品質度量之預期值的預測。接著在解釋預測之步驟950中使用所得預測940,例如以便識別哪些功能指示符對預測的貢獻最大,且更具體言之,對指示故障或低或邊際品質之任何預測的貢獻最大。此步驟950之輸出可包含用於預測之功能KPI之權重955。在步驟960處,可判定針對每一程序參數之每功能指示符是否已發生任何統計顯著漂移。若是,則在步驟965處,識別針對漂移程序參數之對應參考,且針對該參考判定修正970。修正970可自參考增量或差予以判定或經判定為參考增量或差,該參考增量或差係自漂移功能指示符及/或對應估計品質度量計算。舉例而言,修正可自由各別加權955加權之功能指示符值判定。替代地,可根據依據該程序參數的目標品質度量值與經模型化品質度量值之差的最小化來判定該修正。最後,在步驟975處,更新參考且程序繼續。
在以上所有實施例中,可使用模擬資料以及量測歷史資料來訓練經訓練模型。
圖10為說明可輔助實施本文所揭示之方法及流程之電腦系統1000的方塊圖。電腦系統1000包括用於傳達資訊之匯流排1002或其他通信機構,及與匯流排1002耦接以用於處理資訊之處理器1004 (或多個處理器1004及1005)。電腦系統1000亦包括耦接至匯流排1002以用於儲存待由處理器1004執行之資訊及指令的主記憶體1006,諸如,隨機存取記憶體(RAM)或其他動態儲存裝置。主記憶體1006亦可用於在待由處理器1004執行之指令之執行期間儲存暫時性變數或其他中間資訊。電腦系統1000進一步包括耦接至匯流排1002以用於儲存用於處理器1004之靜態資訊及指令的唯讀記憶體(ROM) 1008或其他靜態儲存裝置。提供諸如磁碟或光碟之儲存裝置1010,且將該儲存裝置耦接至匯流排1002以用於儲存資訊及指令。
電腦系統1000可經由匯流排1002耦接至用於向電腦使用者顯示資訊之顯示器1012,諸如,陰極射線管(CRT)或平板顯示器或觸控面板顯示器。包括文數字按鍵及其他按鍵之輸入裝置1014耦接至匯流排1002以用於將資訊及命令選擇傳達至處理器1004。另一類型之使用者輸入裝置為用於將方向資訊及命令選擇傳達至處理器1004且用於控制顯示器1012上之游標移動的游標控制件1016,諸如,滑鼠、軌跡球或游標方向按鍵。此輸入裝置通常具有在兩個軸線(第一軸線(例如x)及第二軸線(例如y))中之兩個自由度,其允許該裝置指定在一平面中之位置。觸控面板(螢幕)顯示器亦可被用作輸入裝置。
如本文中所描述之方法中之一或多者可由電腦系統1000回應於處理器1004實行主記憶體1006中所含有之一或多個指令之一或多個序列予以執行。可將此等指令自另一電腦可讀媒體(諸如儲存裝置1010)讀取至主記憶體1006中。主記憶體1006中含有之指令序列之執行致使處理器1004執行本文中所描述之程序步驟。亦可使用呈多處理配置之一或多個處理器以執行主記憶體1006中所含有之指令序列。在一替代實施例中,可代替或結合軟體指令而使用硬連線電路系統。因此,本文之描述不限於硬體電路系統及軟體之任何特定組合。
如本文中所使用之術語「電腦可讀媒體」係指參與將指令提供至處理器1004以供執行之任何媒體。此媒體可採取許多形式,包括但不限於非揮發性媒體、揮發性媒體及傳輸媒體。非揮發性媒體包括(例如)光碟或磁碟,諸如儲存裝置1010。揮發性媒體包括動態記憶體,諸如主記憶體1006。傳輸媒體包括同軸纜線、銅線及光纖,包括包含匯流排1002之電線。傳輸媒體亦可採用聲波或光波之形式,諸如在射頻(RF)及紅外線(IR)資料通信期間產生之聲波或光波。電腦可讀媒體之常見形式包括(例如)軟碟、可撓性磁碟、硬碟、磁帶、任何其他磁性媒體、CD-ROM、DVD、任何其他光學媒體、打孔卡、紙帶、具有孔圖案之任何其他實體媒體、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媒體。
可在將一或多個指令之一或多個序列攜載至處理器1004以供執行時涉及各種形式之電腦可讀媒體。舉例而言,最初可將該等指令承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而發送指令。在電腦系統1000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以將資料轉換成紅外線信號。耦接至匯流排1002之紅外線偵測器可接收紅外線信號中所攜載之資料且將資料置放於匯流排1002上。匯流排1002將資料攜載至主記憶體1006,處理器1004自該主記憶體擷取指令且並執行該等指令。由主記憶體1006接收之指令可視情況在供處理器1004執行之前或之後儲存於儲存裝置1010上。
電腦系統1000亦較佳包括耦接至匯流排1002之通信介面1018。通信介面1018提供耦接至連接至區域網路1022之網路鏈路1020的雙向資料通信。舉例而言,通信介面1018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1018可為區域網路(LAN)卡以提供對相容LAN之資料通信連接。亦可實施無線鏈路。在任何此類實施中,通信介面1018發送及接收攜載表示各種類型之資訊之數位資料流的電信號、電磁信號或光信號。
網路鏈路1020通常經由一或多個網路而向其他資料裝置提供資料通信。舉例而言,網路鏈路1020可經由區域網路1022而向主機電腦1024或向由網際網路服務提供者(ISP) 1026操作之資料裝備提供連接。ISP 1026又經由全球封包資料通信網路(現在通常被稱作「網際網路」) 1028而提供資料通信服務。區域網路1022及網際網路1028兩者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1020上且經由通信介面1018之信號(該等信號將數位資料攜載至電腦系統1000且自電腦系統1000攜載數位資料)為輸送資訊之載波的例示性形式。
電腦系統1000可經由網路、網路鏈路1020及通信介面1018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1030可能經由網際網路1028、ISP 1026、區域網路1022及通信介面1018而傳輸用於應用程式之所請求程式碼。舉例而言,一種此類經下載應用程式可提供本文中所描述之技術中的一或多者。所接收程式碼可在其被接收時由處理器1004執行,及/或儲存於儲存裝置1010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1000可獲得呈載波之形式之應用程式碼。
實施例可實施於諸如參看圖1所描述之微影設備中,該微影設備包含:
- 一照明系統,其經組態以提供一投影輻射光束;
- 一支撐結構,其經組態以支撐一圖案化裝置,該圖案化裝置經組態以根據一所要圖案來圖案化該投影光束;
- 一基板台,其經組態以固持一基板;
- 一投影系統,其經組態以將該經圖案化光束投影至該基板之一目標部分上;及
- 一處理單元,其經組態以執行本文所描述之方法中的任一者。
實施例可實施於諸如參看圖2所描述之微影單元中所表示的工具中之任一者中。
實施例可實施於電腦程式產品中,該電腦程式產品包含用於致使通用資料處理設備執行如所描述之方法之步驟的機器可讀指令。
在以下編號條項之清單中揭示其他實施例:
1. 一種判定一半導體製造程序中之一修正策略之方法,該方法包含:
獲得與功能指示符相關之功能指示符資料,該等功能指示符與該半導體製造程序的及/或與該半導體製造程序相關聯之一工具的複數個不同控制機制中之每一者的一或多個程序參數相關聯;根據表示該半導體製造程序之一品質的至少一個品質度量,使用一經訓練模型以判定應針對該等控制機制中之哪一者判定一修正以便改良該半導體製造程序之效能;及計算對該(該等)經判定控制機制之該修正。
2. 如條項1之方法,其包含使用一功能模型以基於與該等程序參數相關之程序參數資料來判定該功能指示符資料。
3. 如條項2之方法,其中該程序參數資料包含與多於一個先前基板之較早曝光相關的資料。
4. 如任一前述條項之方法,其包含基於該等功能指示符判定候選修正策略,其中每一候選修正策略係關於一不同控制機制或其組合;及使用該經訓練模型以自該等候選修正策略選擇一較佳修正策略。
5. 如條項4之方法,其中該較佳修正策略為藉由該經訓練模型判定為具有改良該品質度量之最高機率的策略。
6. 如條項4或5之方法,其中該經訓練模型可操作以依據該等候選修正策略之改良該品質度量之各別機率而對該等候選修正策略進行分級。
7. 如條項6之方法,其中該經訓練模型包含一輸出函數,該輸出函數可操作以將該等候選修正策略分級成一機率分佈。
8. 如條項4至7中任一項之方法,其包含基於該功能指示符資料中之圖案將該等候選修正策略分組成若干集合,每一集合係與已經分開地訓練之一不同經訓練模型相關;及執行一預處理步驟以選擇用於進行預測之一模型。
9. 如條項4至8中任一項之方法,其包含使用一約束求解程序以判定該等候選修正策略及/或該所選擇候選修正策略是否違反任何設計及/或致動約束或規則,且若一候選修正策略違反任何設計及/或致動約束或規則,則拒絕該候選修正策略。
10. 如條項4至9中任一項之方法,其包含訓練該經訓練模型以基於歷史及/或經模擬程序參數資料而學習該等候選修正策略與該品質度量及/或一或多個相關度量之間的映射。
11. 如條項1至3中任一項之方法,其中該經訓練模型經組態以:
自該功能指示符資料預測該品質度量;判定該等功能指示符中之每一者對該至少一個品質度量之經預測不良或邊際效能的一貢獻之統計顯著性;及基於該經判定統計顯著性組態與該半導體製造程序相關聯之一工具。
12. 如條項11之方法,其中組態一工具包含判定對與經判定為已對經預測不良效能作出一統計顯著貢獻的一功能指示符相關的一參考之一修正。
13. 如條項12之方法,其中該參考包含一基準及或波前感測器參考。
14. 如條項12或13之方法,其中對該參考之該修正係自一參考偏移判定或經判定為該參考偏移,該參考偏移係自經判定為已作出一統計顯著貢獻的該功能指示符之一誤差量值及/或對應所估計品質度量予以計算。
15. 如條項11至14中任一項之方法,其中已每程序參數及/或功能指示符訓練該經訓練模型。
16. 如條項11至15中任一項之方法,其包含根據功能指示符訓練該經訓練模型,該等功能指示符係自使用自歷史經量測或經模擬品質度量資料判定之對應程序參數資料所標註的歷史程序參數資料予以判定。
17. 如條項11至16中任一項之方法,其中該經訓練模型係一回歸類型模型。
18. 如任一前述條項之方法,其中該經訓練模型係一神經網路。
19. 如任一前述條項之方法,其中該品質度量包含一類別指示符。
20. 如任一前述條項之方法,其中該品質度量包含或係關於該半導體製造程序中所使用之疊對及/或焦點。
21. 一種電腦程式產品,其包含用於致使一通用資料處理設備執行如條項1至20中任一項之一方法之步驟的機器可讀指令。
22. 一種處理單元及儲存器,其包含如條項21之電腦程式產品。
23. 一種微影設備,其包含:
- 一照明系統,其經組態以提供一投影輻射光束;
- 一支撐結構,其經組態以支撐一圖案化裝置,該圖案化裝置經組態以根據一所要圖案來圖案化該投影光束;
- 一基板台,其經組態以固持一基板;
- 一投影系統,其經組態以將該經圖案化光束投影至該基板之一目標部分上;及
如條項22之處理單元。
24. 一種微影單元,其包含如條項23之微影設備。
儘管可在本文中特定地參考在IC製造中微影設備之使用,但應理解,本文中所描述之微影設備可具有其他應用。可能其他應用包括製造整合式光學系統、用於磁疇記憶體之導引及偵測圖案、平板顯示器、液晶顯示器(LCD)、薄膜磁頭等。
雖然在本文中可對在檢測或度量衡設備之內容背景中的本發明之實施例進行特定參考,但本發明之實施例可用於其他設備中。本發明之實施例可形成遮罩檢驗設備、微影設備或量測或處理諸如晶圓(或其他基板)或遮罩(或其他圖案化裝置)之物件的任何設備之部分。亦應注意,術語度量衡設備或度量衡系統涵蓋術語檢測設備或檢測系統,或可被術語檢測設備或檢測系統取代。如本文所揭示之度量衡或檢驗設備可用以偵測基板上或內之缺陷及/或基板上之結構的缺陷。在此實施例中,舉例而言,基板上之結構之特徵可與結構中之缺陷、結構之特定部分之不存在或基板上之非想要結構之存在相關。
儘管特定參考「度量衡設備/工具/系統」或「檢測設備/工具/系統」,但此等術語可指相同或類似類型之工具、設備或系統。例如包含本發明之一實施例之檢測或度量衡設備可用以判定實體系統(諸如基板上或晶圓上之結構)之特性。例如包含本發明之一實施例之檢測設備或度量衡設備可用以偵測基板之缺陷或基板上或晶圓上之結構之缺陷。在此實施例中,實體結構之特性可與結構中之缺陷、結構之特定部分之不存在或基板上或晶圓上之非想要結構之存在相關。
儘管上文可特定地參考在光學微影之內容背景中對本發明之實施例之使用,但應瞭解,本發明在內容背景允許之情況下不限於光學微影且可用於其他應用(例如壓印微影)中。
雖然上文已描述本發明之特定實施例,但應瞭解,可以與所描述方式不同之其他方式來實踐本發明。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而言將顯而易見,可在不脫離下文所闡明之申請專利範圍之範疇的情況下對所描述之本發明進行修改。
1:主程序控制迴路
2:主程序控制迴路
3:主程序控制迴路
400:掃描器資料/程序參數資料
410:故障偵測及分類(FDC)系統
420:檢查決策/步驟
430:處理/類別分類器區塊
440:度量衡步驟/量測
450:重工決策/步驟
460:重工
500:穩定性模組
505:監視晶圓(MW)
510:微影單元/主微影設備
515:度量衡工具(MT)/度量衡單元
520:經曝光產品晶圓
525:進階程序控制(APC)模組
530:蝕刻後晶圓
535:製造執行系統(MES)
540:程序修正
550:掃描器回饋
700:掃描器資料
705:物理性質殘差/步驟
710:經訓練機器學習模型
715:類別預測
720:殘差計算修正
725:經訓練修正模型
730:約束求解模型或步驟
740:採取動作
900:歷史批次資料
905:歷史品質度量資料
910:判定
915:計算/步驟
920:步驟
925:經訓練模型
930:掃描器資料
935:運算
940:所得預測
950:步驟
955:權重
960:步驟
965:步驟
970:修正
975:步驟
1000:電腦系統
1002:匯流排
1004:處理器
1005:處理器
1006:主記憶體
1008:唯讀記憶體(ROM)
1010:儲存裝置
1012:顯示器
1014:輸入裝置
1016:游標控制件
1018:通信介面
1020:網路鏈路
1022:區域網路
1024:主機電腦
1026:網際網路服務提供者(ISP)
1028:網際網路
1030:伺服器
A:動作
B:輻射光束/動作
BD:光束遞送系統
BK:烘烤板
C:目標部分/動作
CH:冷卻板
CL:電腦系統
CS:修正系統
DE:顯影器
DS:偵測系統
IF:位置量測系統
IL:照明系統/照明器
I/O1:輸入/輸出埠
I/O2:輸入/輸出埠
IN:輸入資料
LA:微影設備
LACU:微影控制單元
LB:裝載匣
LC:微影單元
M
1:遮罩對準標記
M
2:遮罩對準標記
MA:圖案化裝置/遮罩
MOD:修正模型
MT:度量衡工具
mf:等效非線性模型函數
P1:第一預測輸出
P2:第二預測
P
1:基板對準標記
P
2:基板對準標記
PM:第一定位器
PS:投影系統
PW:第二定位器
RA:倍縮光罩對準
RA
T:統計臨限值
RO:基板處置器或機器人
SC:旋塗器/掃描器
SC1:第一標度
SC2:第二標度
SC3:第三標度
SCS:監督控制系統
SO:輻射源
TCU:塗佈顯影系統控制單元
TR:訓練階段
t:時間
t1:時間
t2:時間
t3:時間
W:基板
WT:基板支撐件
Δ:殘差
Δ
T:臨限值
現在將僅作為實例參看隨附示意性圖式來描述本發明之實施例,在該等圖式中:
- 圖1描繪微影設備之示意性綜述;
- 圖2描繪微影單元之示意性綜述;
- 圖3描繪整體微影之示意性表示,其表示用以最佳化半導體製造之三種關鍵技術之間的合作;
- 圖4為作出決策方法之流程圖;
- 圖5包含關於共同時間框之三個標繪圖:圖5之(a)為原始參數資料,更具體言之倍縮光罩對準(RA)資料相對於時間t之標繪圖;圖5之(b)為根據本發明之一實施例之方法導出的等效非線性模型函數mf;及圖5之(c)包含圖5之(a)與圖5之(b)之標繪圖之間的殘差Δ;
- 圖6為利用掃描器穩定性模組之微影程序中之控制機制的示意性概述;
- 圖7為根據本發明之一實施例的用於預測修正動作之方法的流程圖;
- 圖8為根據本發明之一實施例的用於訓練模型之方法的流程圖;
- 圖9為根據本發明之一實施例的用於修正線內參考之方法的流程圖;及
- 圖10描繪用於控制如本文所揭示之系統及/或方法的電腦系統之方塊圖。
700:掃描器資料
705:物理性質殘差/步驟
710:經訓練機器學習模型
715:類別預測
720:殘差計算修正
725:經訓練修正模型
730:約束求解模型或步驟
740:採取動作
CS:修正系統
DS:偵測系統
SC:掃描器
Claims (15)
- 一種判定一半導體製造程序中之一修正策略之方法,該方法包含: 獲得與功能指示符相關之功能指示符資料,該等功能指示符與該半導體製造程序的及/或與該半導體製造程序相關聯之一工具的複數個不同控制機制中之每一者的一或多個程序參數相關聯; 根據表示該半導體製造程序之一品質的至少一個品質度量,使用一經訓練模型以判定應針對該等控制機制中之哪一者判定一修正以便改良該半導體製造程序之效能;及 計算對該(該等)經判定控制機制之該修正。
- 如請求項1之方法,其進一步包含使用一功能模型以基於與該等程序參數相關之程序參數資料來判定該功能指示符資料。
- 如請求項2之方法,其中該程序參數資料包含與多於一個先前基板之較早曝光相關的資料。
- 如請求項1之方法,其進一步包含:基於該等功能指示符判定候選修正策略,其中每一候選修正策略係關於一不同控制機制或其組合;及使用該經訓練模型以自該等候選修正策略選擇一較佳修正策略。
- 如請求項4之方法,其中該較佳修正策略為藉由該經訓練模型判定為具有改良該品質度量之最高機率的策略。
- 如請求項4之方法,其中該經訓練模型可操作以依據該等候選修正策略之改良該品質度量之各別機率而對該等候選修正策略進行分級。
- 如請求項6之方法,其中該經訓練模型包含一輸出函數,該輸出函數可操作以將該等候選修正策略分級成一機率分佈。
- 如請求項4之方法,其進一步包含:基於該功能指示符資料中之圖案將該等候選修正策略分組成若干集合,每一集合係與已經分開地訓練之一不同經訓練模型相關;及執行一預處理步驟以選擇用於進行預測之一模型。
- 如請求項4之方法,其進一步包含:使用一約束求解程序以判定該等候選修正策略及/或該所選擇候選修正策略是否違反任何設計及/或致動約束或規則;及若一候選修正策略違反任何設計及/或致動約束或規則,則拒絕該候選修正策略。
- 如請求項4之方法,其進一步包含:訓練該經訓練模型以基於歷史及/或經模擬程序參數資料而學習該等候選修正策略與該品質度量及/或一或多個相關度量之間的映射。
- 如請求項1之方法,其中該經訓練模型經組態以: 自該功能指示符資料預測該品質度量; 判定該等功能指示符中之每一者對該至少一個品質度量之經預測不良或邊際效能的一貢獻之統計顯著性;及 基於該經判定統計顯著性組態與該半導體製造程序相關聯之一工具。
- 如請求項11之方法,其中組態該工具包含:判定對與經判定為已對經預測不良效能作出一統計顯著貢獻的一功能指示符相關的一參考之一修正。
- 如請求項11之方法,其中已每程序參數及/或功能指示符訓練該經訓練模型。
- 如請求項11之方法,其進一步包含根據功能指示符訓練該經訓練模型,該等功能指示符係自使用自歷史經量測或經模擬品質度量資料判定之對應程序參數資料所標註的歷史程序參數資料予以判定。
- 一種電腦程式產品,其包含用於致使一通用資料處理設備執行如請求項1至14中任一項之方法之步驟的機器可讀指令。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20186008.7 | 2020-07-15 | ||
EP20186008 | 2020-07-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202217465A true TW202217465A (zh) | 2022-05-01 |
TWI786709B TWI786709B (zh) | 2022-12-11 |
Family
ID=71620330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110124574A TWI786709B (zh) | 2020-07-15 | 2021-07-05 | 判定半導體製造程序中之修正策略之方法及相關設備 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230260855A1 (zh) |
EP (1) | EP4182758A1 (zh) |
KR (1) | KR20230038482A (zh) |
CN (1) | CN116157907A (zh) |
TW (1) | TWI786709B (zh) |
WO (1) | WO2022012875A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6368883B1 (en) * | 1999-08-10 | 2002-04-09 | Advanced Micro Devices, Inc. | Method for identifying and controlling impact of ambient conditions on photolithography processes |
SG121818A1 (en) | 2002-11-12 | 2006-05-26 | Asml Netherlands Bv | Lithographic apparatus and device manufacturing method |
US7921383B1 (en) * | 2006-01-11 | 2011-04-05 | Olambda, Inc | Photolithographic process simulation including efficient result computation for multiple process variation values |
EP3547031A1 (en) * | 2018-03-29 | 2019-10-02 | ASML Netherlands B.V. | Method for evaluating control strategies in a semicondcutor manufacturing process |
-
2021
- 2021-06-21 KR KR1020237001563A patent/KR20230038482A/ko active Search and Examination
- 2021-06-21 CN CN202180061094.1A patent/CN116157907A/zh active Pending
- 2021-06-21 WO PCT/EP2021/066836 patent/WO2022012875A1/en unknown
- 2021-06-21 EP EP21734825.9A patent/EP4182758A1/en active Pending
- 2021-06-21 US US18/014,431 patent/US20230260855A1/en active Pending
- 2021-07-05 TW TW110124574A patent/TWI786709B/zh active
Also Published As
Publication number | Publication date |
---|---|
KR20230038482A (ko) | 2023-03-20 |
WO2022012875A1 (en) | 2022-01-20 |
US20230260855A1 (en) | 2023-08-17 |
CN116157907A (zh) | 2023-05-23 |
TWI786709B (zh) | 2022-12-11 |
EP4182758A1 (en) | 2023-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11714357B2 (en) | Method to predict yield of a device manufacturing process | |
CN113366390B (zh) | 半导体制造过程中的决定方法 | |
TWI764554B (zh) | 判定微影匹配效能 | |
CN113168111A (zh) | 用于预测半导体制造过程的产率的方法 | |
EP3693795A1 (en) | Method for decision making in a semiconductor manufacturing process | |
NL2024627A (en) | Method for decision making in a semiconductor manufacturing process | |
US11740560B2 (en) | Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process | |
TWI786709B (zh) | 判定半導體製造程序中之修正策略之方法及相關設備 | |
CN115210651A (zh) | 对诸如光刻系统的系统进行建模以供执行系统的预测性维护的方法 | |
TWI777678B (zh) | 概念漂移減輕之方法及設備 | |
EP3910417A1 (en) | Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process | |
NL2024999A (en) | Determining lithographic matching performance |