TW202230021A - 基於特徵影像之三維遮罩模擬 - Google Patents

基於特徵影像之三維遮罩模擬 Download PDF

Info

Publication number
TW202230021A
TW202230021A TW110134568A TW110134568A TW202230021A TW 202230021 A TW202230021 A TW 202230021A TW 110134568 A TW110134568 A TW 110134568A TW 110134568 A TW110134568 A TW 110134568A TW 202230021 A TW202230021 A TW 202230021A
Authority
TW
Taiwan
Prior art keywords
mask
feature images
library
images
eigenimages
Prior art date
Application number
TW110134568A
Other languages
English (en)
Inventor
鵬 劉
Original Assignee
美商賽諾西斯公司
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 美商賽諾西斯公司 filed Critical 美商賽諾西斯公司
Publication of TW202230021A publication Critical patent/TW202230021A/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
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/36—Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
    • G03F1/70—Adapting basic layout or design of masks to lithographic process requirements, e.g., second iteration correction of mask patterns for imaging
    • 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
    • G03F7/70216—Mask projection systems
    • G03F7/70283—Mask effects on the imaging process
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/32—Circuit design at the digital level
    • G06F30/33—Design verification, e.g. functional simulation or model checking
    • G06F30/3308—Design verification, e.g. functional simulation or model checking using simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/392—Floor-planning or layout, e.g. partitioning or placement

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Preparing Plates And Mask In Photomechanical Process (AREA)
  • Image Processing (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

接收一微影遮罩之一佈局幾何結構。該佈局幾何結構被分割為例如如從一庫選擇之特徵影像。該庫含有預定義特徵影像及其等之對應預計算遮罩3D (M3D)濾波器。一特徵影像之該M3D濾波器表示該特徵影像針對一給定源照明之電磁散射效應。藉由將該特徵影像與其對應M3D濾波器進行卷積來計算來自該等特徵影像之各者之遮罩函數貢獻。組合該等遮罩函數貢獻以判定由該源照明照明之該微影遮罩之一遮罩函數。

Description

基於特徵影像之三維遮罩模擬
本發明係關於三維遮罩模擬，包含全晶片或大規模運算微影應用。
製造半導體晶圓中之一個步驟涉及微影技術。在一典型微影程序中，一源產生光，該光由集光/照明光學器件收集及引導以照明一微影遮罩。投射光學器件將由所照明遮罩產生之圖案中繼至一晶圓上，從而根據照明圖案曝光晶圓上之光阻劑。接著，在一程序中使用圖案化光阻劑以製造晶圓上之結構。
各種技術係關於改良微影程序，包含微影遮罩之設計。在運算微影術中，微影遮罩設計被用作至一三維遮罩模型之一輸入，該三維遮罩模型用於運算描述由光源照明之遮罩之電磁場散射特性之一遮罩函數。接著，遮罩函數可被用作至一光學成像模型(例如，阿貝(Abbe)成像模型或霍普金斯(Hopkins)成像模型)之一輸入以預測光阻劑中之印刷圖案。重要的是，三維遮罩模型係準確以及快速的。
在一個態樣中，接收一微影遮罩之一佈局幾何結構。該佈局幾何結構被分割為例如如從一庫選擇之複數個特徵影像。該庫含有預定義特徵影像及其等之對應預計算遮罩3D (M3D)濾波器。一特徵影像之該M3D濾波器表示該特徵影像針對一給定源照明之電磁散射效應。藉由將該特徵影像與其對應M3D濾波器進行卷積來計算來自該等特徵影像之各者之遮罩函數貢獻。組合該等遮罩函數貢獻以判定由該源照明照明之該遮罩之一遮罩函數。
其他態樣包含組件、裝置、系統、改良、方法、程序、應用程式、電腦可讀媒體及與上文之任何者相關之其他技術。
相關申請案
此申請案根據35 U.S.C. § 119(e)規定主張2020年9月16日申請之美國臨時專利申請案第63/079,067號「Three-Dimensional Mask Simulations Based on Feature Images」及2021年8月31日申請之美國專利申請案第17/463,075號「Three-Dimensional Mask Simulations Based on Feature Images」之優先權。所有前述內容之標的物以引用的方式全部併入本文中。
本發明之態樣係關於基於特徵影像之三維遮罩模擬。曝光一晶圓上之光阻劑之照明圖案取決於微影遮罩之幾何佈局及源照明以及其他因素。微影程序之模擬取決於對由入射於微影遮罩上之源照明產生之電磁場之一準確預測。考量繞射及散射效應，可使用馬克士威(Maxwell)方程式之嚴格三維模擬來預測此場。然而，此等模擬係運算密集的且具有長運行時間。因此，在許多情況中，禁止對覆蓋一整個晶片之遮罩區域運行嚴格三維模擬。
本發明之態樣係關於藉由使用一組特徵影像(亦稱為特徵向量)及對應濾波器(稱為遮罩3D或M3D濾波器)來計算如由一遮罩函數(MF)表示之電磁場繞射及散射特性。特徵影像表示可能存在於遮罩中之基本幾何結構，且對應M3D濾波器表示由特徵影像導致之散射效應。可基於特徵影像在給定源照明下之散射效應之嚴格電磁模擬來判定M3D濾波器。
在一個方法中，從預定義特徵影像及其等之對應預計算遮罩3D (M3D)濾波器之一庫選擇特徵影像。庫中之特徵影像包含但不限於以下： ● 0邊緣特徵影像：本體(bulk)區域(無邊緣) ● 1邊緣特徵影像：具有不同定向之邊緣 ● 2邊緣特徵影像：具有相對於彼此之不同定向及空間關係之兩個邊緣之組合 ● 3+邊緣特徵影像：三個或更多邊緣之組合(例如，多邊形形狀)
本發明之優點包含但不限於以下內容。其可更適合於與機器學習(ML)及非ML架構兩者以及圖形處理單元(GPU)一起使用。與完全嚴格模擬相比，該方法在模型創建、訓練及校準方面之更運算高效，且亦減少運行時間，同時仍為遮罩函數產生準確結果。所得遮罩函數亦可在霍普金斯及阿貝成像模型兩者中高效地使用，此可為微影模擬之接下來的步驟。
更詳細地，圖1A描繪適合於與本發明之實施例一起使用之一EUV微影程序。在此系統中，一源102產生EUV光，該EUV光由集光/照明光學器件104收集及引導以照明一遮罩110。投射光學器件116將由所照明遮罩產生之圖案中繼至一晶圓118上，從而根據照明圖案曝光晶圓上之光阻劑。接著，使所曝光光阻劑顯影，從而產生晶圓上之圖案化光阻劑。此用於製造晶圓上之結構，例如透過沈積、摻雜、蝕刻或其他程序。
在圖1A中，光係在EUV波長範圍內，約13.5 nm或在範圍13.3至13.7 nm內。在此等波長下，組件通常係反射而非透射的。遮罩110係一反射遮罩且光學器件104、116亦係反射且偏軸的。此僅係一實例。亦可使用其他類型之微影系統，包含在其他波長(包含深紫外(DUV))下使用透射遮罩及/或光學器件及使用正或負光阻劑。
圖1B係用於計算來自一遮罩110之散射之一流程圖。來自遮罩110之繞射及散射係由一遮罩函數(MF) 190表示。圖1B之程序使用遮罩之一描述115及一庫120以計算遮罩之遮罩函數190。庫含有預定義特徵影像125及對應濾波器127，該等濾波器127將被稱為遮罩3D (M3D)濾波器，此係因為其等表示針對一給定源照明之該類型之特徵影像對總體遮罩函數之貢獻。M3D濾波器127包含源照明之效應。
如圖1B中展示，接收130遮罩之佈局幾何結構且將其分割140為特徵影像。藉由將特徵影像125與其對應M3D濾波器127進行卷積150來計算來自各特徵影像之遮罩函數(MF)貢獻。藉由組合(例如，求和) 160來自個別特徵影像之MF貢獻來判定遮罩及給定源照明之聚合遮罩函數。
圖2描繪將一遮罩佈局幾何結構分割為特徵影像。圖2展示來自佈局幾何結構之兩個形狀210及220以及將形狀210分割為特徵影像。形狀210被分割為以下特徵影像：一個區域影像、六個邊緣影像、六個邊角影像及兩個邊緣至邊緣(E2E)影像。形狀210可基於規則被分割為特徵影像以識別遮罩佈局中存在之不同特徵。在此實例中，多邊形形狀210之內部區域及其對遮罩函數之貢獻由區域1特徵影像表示。此定義遮罩之哪些區域係不透明的對比哪些區域係透射或反射的。邊緣特徵影像(邊緣1至邊緣6)考量電磁波在邊緣處之繞射及散射。
其餘特徵影像係基於兩個邊緣之組合，其中在兩個邊緣之間將存在相互作用。邊角特徵影像(邊角1至邊角6)考量邊角處之相互作用，此不僅係兩個邊緣之個別貢獻。應注意，在圖2中，邊角包含內邊角及外邊角兩者。邊緣至邊緣(E2E)特徵影像考量平行邊緣之間的相互作用。E2E 1考量邊緣1與3之間的相互作用。E2E 2考量邊緣2與形狀220之左邊緣之間的相互作用。
特徵影像之各者係一影像。例如，區域影像可為形狀210之多邊形。邊緣影像之各者可為相關邊緣之一經過濾版本。在一些情況中，應用光柵化濾波器以產生特徵影像。
佈局幾何結構之分割使用來自庫120之預定義特徵影像125。可基於對散射之一理解及哪些類型之幾何特徵貢獻散射來選擇庫中之特徵影像。
圖3描繪一庫中之特徵影像之一些實例。圖3中之特徵影像根據特徵影像中之邊緣數目進行分類。頂列中之特徵影像具有0個邊緣，下一列中之特徵影像具有1個邊緣，且接著2個邊緣，且接著3+個邊緣。此等僅為實例且並非窮盡性的。
在頂列中，區域特徵影像判定遮罩之哪些區域係不透明的對比哪些區域係透射或反射的。取決於遮罩上之形狀之幾何佈局，區域特徵影像之實際例項可具有不同形狀、大小及位置。對應於區域特徵影像之M3D濾波器表示由假定一無限大區域之區域中之各點產生之散射，即，幾何佈局之一本體區域中之各點對遮罩函數之貢獻忽略任何邊緣效應。因此，M3D濾波器與區域特徵影像之一例項(例如，圖2中之區域1)之卷積產生來自遮罩中之該形狀之本體區域之MF貢獻。
在第二列中，邊緣特徵影像係另一重要類別的特徵影像，此係因為電磁波之繞射或散射發生在邊緣處。圖3展示一個邊緣特徵影像，但庫可具有許多類型之邊緣影像。針對僅具有曼哈頓(Manhattan)幾何結構之一遮罩，在庫中包含四個邊緣特徵影像，其等對應於曼哈頓幾何結構中之一邊緣之四個可能定向。一些遮罩亦可容許45度之倍數或甚至任意角度之邊緣。對應於邊緣特徵影像之M3D濾波器表示由沿著假定一無限長邊緣之邊緣之各點產生之散射。
第三列展示另一重要類別的特徵影像，其等係兩個邊緣之組合。當兩個邊緣變得足夠近時，兩個邊緣之間將存在相互作用。在圖3中展示若干實例。在前兩個實例中，兩個邊緣係平行的。此通常被稱為邊緣至邊緣(在圖2中標記為E2E)。圖3展示兩個不同極性，此取決於兩個邊緣之間的區域是否由遮罩材料填充。除了兩個不同極性之外，庫亦可含有具有邊緣之間的不同分離且具有以不同角度(水平、垂直、45度之倍數等)定向之邊緣之邊緣至邊緣特徵影像。
在第三列之最後兩個實例中，兩個邊緣彼此垂直。此等係邊角特徵影像：一內邊角及一外邊角，此取決於極性。庫可含有以不同角度定向之邊角。其他兩邊緣特徵影像亦為可能的。例如，兩個邊緣可彼此成不同角度。兩個邊緣可分離，但不彼此平行。因此，兩個邊緣將緩慢收斂或發散。除90度之外之角度之邊角亦為可能的。
底列展示具有三個或更多邊緣之特徵影像。前兩個實例係具有兩個極性之尖端。庫可含有具有不同寬度且依不同角定向之版本。接下來的兩個實例係具有兩個極性之孔或通孔。不同版本可具有不同寬度、高度及角定向。最後實例展示一彎曲邊緣。
特徵影像之各者具有用於從特徵影像產生MF貢獻之一對應濾波器。即，藉由M3D濾波器捕獲特徵影像之散射效應。在一個方法中，針對特徵影像執行嚴格模擬，且使用嚴格結果來判定M3D濾波器。
可藉由從較低階效應開始來計算M3D濾波器。一區域影像(0階特徵影像)之效應僅取決於所討論區域之透射或反射。在一嚴格模擬中，此特徵影像之遮罩結構係一定值平面。M3D濾波器係等於從嚴格模擬運算之透射或反射之一常數。
接下來考量一邊緣特徵影像。佈局幾何結構中之一邊緣被分割為一區域特徵影像加上一邊緣特徵影像。接著，藉由來自區域特徵影像之MF貢獻加上來自邊緣特徵影像之MF貢獻模型化邊緣散射之嚴格模擬。已判定來自區域特徵影像之MF貢獻，因此可接著判定來自邊緣特徵影像之遮罩函數貢獻及對應M3D濾波器。
在考量全部單邊緣特徵影像之後，接著考量由兩個邊緣組成之特徵影像。圖4A係用於計算特徵影像之M3D濾波器之一流程圖，從較低階特徵影像進展至較高階特徵影像。圖4B描繪圖3中展示之兩邊緣間隙特徵影像之一實例M3D濾波器計算。
在圖4B之實例中，已計算0邊緣及1邊緣特徵影像之M3D濾波器，且程序移動405至更複雜特徵影像：兩邊緣特徵影像。接下來考量410具有一特定間距Δ之間隙特徵影像。將間隙特徵影像之遮罩結構判定420為分離達一間距Δ之兩個邊緣。可對此遮罩結構執行430嚴格三維模擬，從而產生此遮罩結構之遮罩函數。
此遮罩結構之幾何佈局亦被分割440為較低階特徵影像：一區域特徵影像+兩個邊緣特徵影像+所關注間隙特徵影像。此在圖4B之頂列中以圖示展示。藉由嚴格電磁模擬計算之聚合遮罩函數等於來自各特徵影像之MF貢獻之總和：
Figure 02_image001
其中I i係特徵影像，K i係對應M3D濾波器，
Figure 02_image002
係卷積算子，且N係特徵影像之數目。MF係遮罩函數，在此情況中，其係從嚴格模擬已知。可使用較低階特徵影像之先前計算之M3D濾波器來計算450該等影像之MF貢獻。此在方程式1中留下一個未知項，在圖4B之底部處以圖示展示。其係間隙特徵影像之M3D濾波器，其可接著被計算460。在一些情況中，此可被用作庫120中之M3D濾波器127。
特徵影像可為特徵之灰階表示，其等容許對影像之稀疏取樣。例如，一邊緣具有無限頻率分量且將需要無限頻寬以依100%保真度表示。然而，代替地，其可由邊緣之一低通濾波版本表示，此就像一灰階模糊邊緣。可使用一低通光柵化函數對遮罩中之多邊形形狀進行光柵化。此移除特徵之高頻分量，從而僅保留低頻分量。此係可接受的，因為投射光學器件實際上係一低通系統，因此其將自然地濾除高(空間)頻率分量。為了使其更緊湊且因此在光柵化操作中更快，與一sinc或類sinc函數之均勻回應相比，低通光柵化濾波器經設計以在頻率通帶中具有一非均勻回應。在低通光柵化函數在其頻率通帶中具有一非均勻回應的程度上，可添加一均衡濾波器470以補償非均勻回應。M3D濾波器490接著係電磁散射及均衡之一組合。
可針對具有不同間距Δ (例如，以1 nm之增量)之間隙特徵影像重複上文描述之方法。其亦可針對不同定向及極性重複。其亦可針對其他2邊緣及更複雜特徵影像重複。
方程式1可使用直接卷積在空間域中計算及求解。然而，其亦可在空間頻域中進行處理。數量經轉換至空間頻域，且卷積變為一乘積。等效方程式接著為
Figure 02_image003
其中FT{}係傅立葉(Fourier)變換。
在一些情況中，包含於庫中之特徵影像取決於遮罩之佈局幾何結構。圖5係用於開發特徵影像之一庫之一流程圖。庫120可從一基本組之共同特徵影像開始，其等接著基於在微影遮罩之佈局幾何結構中存在哪些特徵影像來進行補充。在圖5中，接收510遮罩佈局。將佈局幾何結構與已在庫中之特徵影像進行比較520。若庫不充分，例如，若特定特徵出現在遮罩中但庫中無對應特徵影像，則可使用額外特徵影像來補充530庫。可如上文描述般計算此等特徵影像之M3D濾波器。
除了在空間域(上文方程式1)或空間頻域(上文方程式2)中進行計算外，亦可並行或循序執行計算。在一完全並行方法中，全部特徵影像並行地與對應M3D濾波器卷積。接著對結果進行求和。
本文中描述之方法之各種實施例亦可具有以下特徵及優點。其可針對機器學習(ML)及非ML架構兩者以及針對圖形處理單元(GPU)友好地實施。如上文展示，模型形成係基於特徵影像與M3D濾波器之間的卷積，此與流行ML架構(例如，TensorFlow)及GPU相容。因此，其可直接在此等架構中實施以利用由此等ML架構為微影應用(例如，微影模型校準/微調、遮罩佈局最佳化、照明源最佳化等)提供之能力(例如，最佳化引擎、硬體加速等)。
其針對模型創建、訓練及校準亦可為資料高效的。一習知基於ML之M3D模型依賴於機器以藉由從資料學習來產生特徵影像及濾波器，此係高度經驗性的且通常需要大量資料，以便避免過擬合且確保預測穩定性。產生所需量之資料係運算昂貴且耗時的。在此處描述之方法中，基於物理理解(physical insight)產生特徵影像及M3D濾波器，此更穩定且需要顯著較少資料。
其可改良運行時間。特徵影像產生涉及將遮罩多邊形光柵化為灰階影像。習知地，遮罩多邊形經光柵化為薄遮罩透射函數，此係運算低效的，此係因為一sinc (或類sinc)光柵化函數必須用於薄遮罩透射函數計算，以便確保通帶中之一均勻頻率回應。在本文中描述之方法中，可設計比sinc (或類sinc)函數更緊湊且因此運算更高效之一特殊光柵化函數。此新光柵化函數無需在通帶中具有一均勻頻率回應。修改M3D濾波器(圖4A中之步驟470)以恢復特徵影像與經修改M3D濾波器之間的卷積中之所需頻率回應。
其針對霍普金斯及阿貝成像模型兩者可係運算高效的。雖然在霍普金斯成像模擬中需要僅一個MF，但在阿貝成像模擬中需要多個MF (每入射場角一個MF)，此顯著增加運行時間，此係因為若使用習知之基於阿貝之方法，則MF被計算多次。在此處描述之方法中，特徵影像可獨立於入射場角，且因此僅需被計算一次。儘管使用多組M3D濾波器及卷積(每入射場角一組M3D濾波器及卷積)，然可預先運算濾波器，且可使用FFT方法高效地完成卷積。
運算效率及運行時間之此等增加可使在一合理量之時間內模擬一晶片之整個遮罩佈局變得可行。
圖6繪示將上文描述之方法與其他方法進行比較之結果。此等實驗模擬一EUV遮罩，在遮罩上具有不同類型之圖案。圖6展示使用此方法對比其他三個方法預測之空中影像中之CD (臨界尺寸)誤差之均方根。在圖6中，交叉陰影條係本文中描述之方法，且白條係其他方法。四個條之左側群組在-60 nm之離焦處，中心群組在-20 nm之離焦處，且右側群組在+20 nm之離焦處。在全部情況中，本文中描述之方法具有較低RMS誤差。
圖7繪示在一製品(諸如一積體電路)之設計、驗證及製作期間使用以變換並驗證表示積體電路之設計資料及指令之一組實例程序700。此等程序之各者可經結構化且經啟用作為多個模組或操作。術語「EDA」表示術語「電子設計自動化」。此等程序以使用藉由一設計者供應之資訊產生一產品理念710開始，變換該資訊以產生使用一組EDA程序712之一製品。當完成設計時，將設計設計定案(taped-out) 734，其係將積體電路之原圖(即，幾何圖案)發送至一製作廠以製造遮罩組，接著使用該遮罩組以製造積體電路。在設計定案之後，製作736一半導體晶粒且執行封裝及組裝程序738以產生經製造積體電路740。
一電路或電子結構之規範可在低階電晶體材料佈局至高階描述語言之範圍中。可使用一高階抽象化以使用一硬體描述語言(「HDL」) (諸如VHDL、Verilog、SystemVerilog、SystemC、MyHDL或OpenVera)設計電路及系統。可將HDL描述變換為一邏輯級暫存器傳輸層級(「RTL」)描述、一閘級描述、一佈局級描述或一遮罩級描述。各較低抽象層級(其係一較不抽象描述)將更有用細節(例如，包含描述之模組之更多細節)添加至設計描述中。較低抽象層級(其係較不抽象描述)可藉由一電腦產生、自一設計庫導出或藉由另一設計自動化程序產生。用於指定更詳細描述之在一較低層級之抽象語言下之一規範語言之一實例係SPICE，其用於具有許多類比組件之電路之詳細描述。啟用在各抽象層級下之描述以藉由該層之對應工具(例如，一正式驗證工具)使用。一設計程序可使用圖7中描繪之一序列。所述程序可由EDA產品(或工具)啟用。
在系統設計714期間，指定待製造之一積體電路之功能性。可針對諸如功率消耗、效能、面積(實體及/或程式碼行)及成本降低等之所要特性最佳化設計。可在此階段發生設計至不同類型之模組或組件之分區。
在邏輯設計及功能驗證716期間，以一或多個描述語言指定電路中之模組或組件且針對功能準確性檢查規範。例如，可驗證電路之組件以產生匹配經設計之電路或系統之規範之要求之輸出。功能驗證可使用模擬器及其他程式，諸如測試台產生器、靜態HDL檢查器及正式驗證器。在一些實施例中，使用稱為「仿真器」或「原型系統」之組件之特殊系統以加速功能驗證。
在測試之合成及設計718期間，將HDL程式碼變換為一接線對照表。在一些實施例中，一接線對照表可係一圖表結構，其中圖表結構之邊緣表示一電路之組件且其中圖表結構之節點表示組件如何互連。HDL程式碼及接線對照表兩者係可由一EDA產品使用以驗證積體電路在經製造時根據指定設計執行之階層式製品。可針對一目標半導體製造技術最佳化接線對照表。另外，可測試經製造積體電路以驗證積體電路滿足規範之要求。
在接線對照表驗證720期間，針對與時序約束之相符性且針對與HDL程式碼之對應性檢查接線對照表。在設計規劃722期間，針對時序及頂層佈線建構及分析積體電路之一整體平面佈置圖。
在佈局或實體實施724期間，發生實體放置(諸如電晶體或電容器之電路組件之定位)及佈線(電路組件藉由多個導體之連接)，且可執行自一庫選擇胞元以啟用特定邏輯功能。如本文中使用，術語「胞元」可指定提供一布林(Boolean)邏輯功能(例如，AND、OR、NOT、XOR)或一儲存功能(諸如一正反器或鎖存器)之一組電晶體、其他組件及互連。如本文中使用，一電路「區塊」可係指兩個或兩個以上胞元。一胞元及一電路區塊兩者可稱為一模組或組件且兩者作為實體結構啟用及在模擬中啟用。針對選定胞元(基於「標準胞元」)指定參數(諸如大小)且使其等可在一資料庫中存取以供EDA產品使用。
在分析及提取726期間，在允許佈局設計之細化之佈局層級驗證電路功能。在實體驗證728期間，檢查佈局設計以確保製造約束(諸如DRC約束、電約束、微影約束)正確且電路功能匹配HDL設計規範。在解析度增強730期間，變換佈局之幾何形狀以改良如何製造電路設計。
在設計定案期間，產生資料以(在視需要應用微影增強之後)用於微影遮罩之產生。在遮罩資料準備732期間，使用「設計定案」資料以產生用於產生經製造積體電路之微影遮罩。
可使用一電腦系統(諸如圖8之電腦系統800)之一儲存子系統以儲存藉由本文中描述之一些或全部EDA產品使用之程式及資料結構，及用於開發庫之胞元及使用庫之實體及邏輯設計之產品。
圖8繪示一電腦系統800之一實例機器，在其內可實行用於引起機器執行本文中所論述之方法論之任一或多者之一指令集。在替代實施方案中，機器可連接(例如，網路連結)至一LAN、一內部網路、一外部網路及/或網際網路中之其他機器。該機器可在用戶端-伺服器網路環境中以一伺服器或一用戶端機器之身分操作，在一同級間(或分佈式)網路環境中作為一同級機器操作，或在一雲端運算基礎設施或環境中作為一伺服器或一用戶端機器操作。
機器可為一個人電腦(PC)、一平板PC、一機上盒(STB)、一個人數位助理(PDA)、一蜂巢式電話、一網路設備、一伺服器、一網路路由器、一交換器或橋接器，或能夠執行指定藉由該機器採取之行動之一指令集(循序或以其他方式)之任何機器。此外，雖然繪示一單個機器，但術語「機器」亦應被視為包含個別或聯合執行一(或多個)指令集以執行本文中所論述之方法論之任一或多者之機器之任何集合。
實例電腦系統800包含一處理裝置802、一主記憶體804 (例如，唯讀記憶體(ROM)、快閃記憶體、動態隨機存取記憶體(DRAM)，諸如同步DRAM (SDRAM))、一靜態記憶體806 (例如，快閃記憶體、靜態隨機存取記憶體(SRAM)等)及一資料儲存裝置818，其等經由一匯流排830彼此通信。
處理裝置802表示一或多個處理器，諸如一微處理器、一中央處理單元或類似者。更特定言之，處理裝置可為複雜指令集運算(CISC)微處理器、精簡指令集運算(RISC)微處理器、超長指令字(VLIW)微處理器，或實施其他指令集之一處理器，或實施指令集之一組合之處理器。處理裝置802亦可為一或多個專用處理裝置，諸如一特定應用積體電路(ASIC)、一場可程式化閘陣列(FPGA)、一數位信號處理器(DSP)、網路處理器或類似者。處理裝置802可經組態以執行用於執行本文中所描述之操作及步驟之指令826。
電腦系統800可進一步包含經由網路820通信之一網路介面裝置808。電腦系統800亦可包含一視訊顯示單元810 (例如，一液晶顯示器(LCD)或一陰極射線管(CRT))、一字母數字輸入裝置812 (例如，一鍵盤)、一游標控制裝置814 (例如，一滑鼠)、一圖形處理單元822、一信號產生裝置816 (例如，一揚聲器)、圖形處理單元822、視訊處理單元828及音訊處理單元832。
資料儲存裝置818可包含其上儲存體現本文中所描述之方法論或功能之任一或多者之一或多個指令集826或軟體之一機器可讀儲存媒體824 (亦被稱為一非暫時性電腦可讀媒體)。指令826亦可完全或至少部分駐留於主記憶體804內及/或在指令826由電腦系統800執行期間駐留於處理裝置802內，主記憶體804及處理裝置802亦構成機器可讀儲存媒體。
在一些實施方案中，指令826包含實施對應於本發明之功能性之指令。雖然機器可讀儲存媒體824在一實例性實施方案中被展示為一單個媒體，但術語「機器可讀儲存媒體」應被視為包含儲存一或多個指令集之一單個媒體或多個媒體(例如，一集中式或分佈式資料庫，及/或相關聯快取區及伺服器)。術語「機器可讀儲存媒體」亦應被視為包含能夠儲存或編碼藉由機器執行且引起機器及處理裝置802執行本發明之方法論之任一或多者之一指令集之任何媒體。術語「機器可讀儲存媒體」應相應地被視為包含(但不限於)固態記憶體、光學媒體及磁性媒體。
已依據對一電腦記憶體內之資料位元之操作之演算法及符號表示呈現前文詳細描述之一些部分。此等演算法描述及表示係由熟習資料處理技術者用於更有效地向其他熟習此項技術者傳達其等工作之主旨之方式。一演算法可為導致一所要結果之一操作序列。該等操作係需要實體操縱物理量之操作。此等量可採用能夠被儲存、組合、比較及以其他方式操縱之電信號或磁信號之形式。此等信號可被稱為位元、值、元件、符號、字元、項、數字或類似者。
然而，應牢記，所有此等及類似術語應與適當物理量相關聯且僅為應用於此等量之方便標記。除非明確說明，否則如自本發明明白，應瞭解，貫穿描述之特定術語係指將表示為電腦系統之暫存器及記憶體內之物理(電子)量之資料操縱且變換成類似地表示為電腦系統記憶體或暫存器或其他此等資訊儲存裝置內之物理量之其他資料之電腦系統或類似電子運算裝置之動作及程序。
本發明亦係關於用於執行本文中之操作之一設備。此設備可專門為預期目的而建構，或其可包含藉由儲存於電腦中之一電腦程式選擇性啟動或重新組態之一電腦。此一電腦程式可儲存於一電腦可讀儲存媒體中，諸如(但不限於)任何類型之碟片(包含軟碟、光碟、CD-ROM及磁光碟)、唯讀記憶體(ROM)、隨機存取記憶體(RAM)、EPROM、EEPROM、磁卡或光卡，或適於儲存電子指令之任何類型之媒體，上述各者耦合至一電腦系統匯流排。
本文中呈現之演算法及顯示並非固有地與任何特定電腦或其他設備有關。各種其他系統可根據本文中之教示搭配程式使用，或其可證實建構一更專門設備來執行方法係方便的。另外，本發明並非參考任何特定程式設計語言描述。將瞭解，各種程式設計語言可用於實施如本文中所描述之本發明之教示。
本發明可被提供為可包含其上儲存有指令之一機器可讀媒體之一電腦程式產品或軟體，該等指令可用於程式化一電腦系統(或其他電子裝置)以執行根據本發明之一程序。一機器可讀媒體包含用於儲存呈可藉由一機器(例如，一電腦)讀取之一形式之資訊之任何機構。例如，一機器可讀(例如，電腦可讀)媒體包含一機器(例如，一電腦)可讀儲存媒體，諸如一唯讀記憶體(「ROM」)、隨機存取記憶體(「RAM」)、磁碟儲存媒體、光學儲存媒體、快閃記憶體裝置等。
在前文揭示內容中，本發明之實施方案已參考其之特定實例性實施方案進行描述。將顯而易見的是，可在不脫離如在以下發明申請專利範圍中所闡述之本發明之實施方案之更寬廣精神及範疇之情況下對本發明進行各種修改。在本發明以單數時態指代一些元件之情況下，在圖中可描繪一個以上元件且用相同數字標記相同元件。因此，本發明及圖式應被視為具闡釋性意義而非限制性意義。
102:源 104:集光/照明光學器件 110:遮罩 115:遮罩之一描述 116:投射光學器件 118:晶圓 120:庫 125:預定義特徵影像 127:遮罩3D (M3D)濾波器 130:接收 140:分割 150:卷積 160:組合 190:遮罩函數(MF) 210:形狀 220:形狀 405:移動 410:考量 420:判定 430:執行 440:分割 450:計算 460:計算 470:均衡濾波器/步驟 490:M3D濾波器 510:接收 520:比較 530:補充 700:程序 710:產品理念 712:電子設計自動化(EDA)程序 714:系統設計 716:邏輯設計及功能驗證 718:測試之合成及設計 720:接線對照表驗證 722:設計規劃 724:佈局或實體實施 726:分析及提取 728:實體驗證 730:解析度增強 732:遮罩資料準備 734:設計定案 736:製作 738:封裝及組裝程序 740:經製造積體電路 800:電腦系統 802:處理裝置 804:主記憶體 806:靜態記憶體 808:網路介面裝置 810:視訊顯示單元 812:字母數字輸入裝置 814:游標控制裝置 816:信號產生裝置 818:資料儲存裝置 820:網路 822:圖形處理單元 824:機器可讀儲存媒體 826:指令 828:視訊處理單元 830:匯流排 832:音訊處理單元
將自下文給出之詳細描述及自本發明之實施例之附圖更充分理解本發明。圖係用於提供本發明之實施例之知識及理解且並非將本發明之範疇限於此等特定實施例。此外，圖不一定按比例繪製。
圖1A描繪適合於與本發明之實施例一起使用之一極紫外(EUV)微影程序。
圖1B係用於計算來自一遮罩之散射之一流程圖。
圖2描繪將一遮罩佈局幾何結構分割為特徵影像。
圖3描繪一庫中之特徵影像。
圖4A係用於計算一特徵影像之一M3D濾波器之一流程圖。
圖4B描繪一實例M3D濾波器計算。
圖5係用於開發特徵影像之一庫之一流程圖。
圖6繪示將本文中描述之方法與其他方法進行比較之結果。
圖7係根據本發明之一些實施例之在一積體電路之設計及製造期間使用之各種程序之一流程圖。
圖8描繪其中本發明之實施例可操作之一實例電腦系統之一圖。
115:遮罩之一描述
120:庫
125:預定義特徵影像
127:遮罩3D(M3D)濾波器
130:接收
140:分割
150:卷積
160:組合
190:遮罩函數(MF)

Claims (20)

  1. 一種方法，其包括： 接收一微影遮罩之一佈局幾何結構； 將該佈局幾何結構分割為複數個特徵影像； 藉由一處理器藉由將該特徵影像與一對應遮罩3D (M3D)濾波器進行卷積來計算來自該複數個特徵影像之各者之一遮罩函數(MF)貢獻，其中對應於一特徵影像之該M3D濾波器表示該特徵影像之一電磁散射效應；及 組合該等經計算MF貢獻以判定該微影遮罩之一遮罩函數。
  2. 如請求項1之方法，其進一步包括： 藉由基於由一源照明照明之該等特徵影像對遮罩結構之該等散射效應進行嚴格電磁模擬來判定該等M3D濾波器。
  3. 如請求項1之方法，其中從含有預定義特徵影像及其等之對應預計算M3D濾波器之一庫選擇該複數個特徵影像。
  4. 如請求項3之方法，其中預定義特徵影像之該庫包括不同階複雜度之特徵影像，且該方法進一步包括： 根據該等M3D濾波器之複雜度按一順序預先計算該等M3D濾波器。
  5. 如請求項4之方法，其中判定具有較高階複雜度之一特徵影像之該M3D濾波器包括： 判定對應於該較高階特徵影像之一遮罩結構； 將該遮罩結構分割為該較高階特徵影像及一或多個較低階特徵影像； 執行一嚴格電磁模擬以預測該遮罩結構之一遮罩函數； 藉由將該較低階特徵影像與其對應M3D濾波器進行卷積來計算來自該複數個較低階特徵影像之各者之該等MF貢獻；及 基於組合來自該較高階特徵影像之該MF貢獻與來自該等較低階特徵影像之該等MF貢獻來判定該較高階特徵影像之該M3D濾波器以產生對應於該較高階特徵影像之該遮罩結構之該預測遮罩函數。
  6. 如請求項4之方法，其進一步包括： 基於該微影遮罩之該佈局幾何結構中存在哪些特徵影像來判定該庫中之該等預定義特徵影像。
  7. 如請求項6之方法，其中預定義特徵影像之該庫包括由存在於該微影遮罩之該佈局幾何結構中之較高階特徵影像補充之特徵影像之一共同庫。
  8. 如請求項1之方法，其中： 該遮罩之該佈局幾何結構包括複數個多邊形； 將該佈局幾何結構分割為特徵影像包括使用在一頻率通帶中具有一非均勻回應之一低通光柵化函數對該等遮罩多邊形進行光柵化；及 該等M3D濾波器包含補償該非均勻回應之一均衡濾波器之效應。
  9. 如請求項1之方法，其進一步包括： 應用該遮罩函數作為至一阿貝成像模型或霍普金斯成像模型之輸入。
  10. 一種系統，其包括： 一電腦可讀儲存媒體，其儲存指令及含有預定義特徵影像及對應預計算遮罩3D (M3D)濾波器之一庫；及 一處理器，其與該電腦可讀儲存媒體耦合且執行該等指令，該等指令在被執行時導致該處理器： 將一微影遮罩之一佈局幾何結構分割為從該庫選擇之複數個特徵影像； 藉由將該特徵影像與來自該庫之該對應M3D濾波器進行卷積來計算來自該複數個特徵影像之各者之遮罩函數(MF)貢獻；及 組合該等經計算MF貢獻以判定該微影遮罩之一遮罩函數。
  11. 如請求項10之系統，其中預定義特徵影像之該庫包括一區域影像、一或多個單邊緣影像及多個多邊緣影像。
  12. 如請求項11之系統，其中預定義特徵影像之該庫包括各由兩個平行邊緣組成之多個特徵影像。
  13. 如請求項11之系統，其中預定義特徵影像之該庫包括各由形成一邊角之兩個垂直邊緣組成之多個特徵影像。
  14. 如請求項11之系統，其中預定義特徵影像之該庫包括各由以並非45度之一倍數之一角度定向之一單一邊緣組成之多個特徵影像。
  15. 如請求項11之系統，其中預定義特徵影像之該庫包括各由一曲線邊緣組成之多個特徵影像。
  16. 如請求項11之系統，其中預定義特徵影像之該庫由一區域影像、一或多個單邊緣影像及多個兩邊緣影像組成。
  17. 一種非暫時性電腦可讀媒體，其包括所儲存指令，該等所儲存指令在由一處理器執行時導致該處理器： 將一微影遮罩之一佈局幾何結構分割為複數個特徵影像； 使用該等特徵影像之遮罩3D (M3D)濾波器計算來自該複數個特徵影像之各者之一遮罩函數(MF)貢獻；及 組合該等經計算MF貢獻以判定該微影遮罩之一遮罩函數。
  18. 如請求項17之非暫時性電腦可讀媒體，其中該等M3D濾波器係基於嚴格電磁模擬。
  19. 如請求項17之非暫時性電腦可讀媒體，其中該佈局幾何結構包括一整個晶片之一佈局幾何結構。
  20. 如請求項17之非暫時性電腦可讀媒體，其中該微影遮罩之一源照明係一極紫外(EUV)或深紫外(DUV)照明。
TW110134568A 2020-09-16 2021-09-16 基於特徵影像之三維遮罩模擬 TW202230021A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063079067P 2020-09-16 2020-09-16
US63/079,067 2020-09-16
US17/463,075 US11704471B2 (en) 2020-09-16 2021-08-31 Three-dimensional mask simulations based on feature images
US17/463,075 2021-08-31

Publications (1)

Publication Number Publication Date
TW202230021A true TW202230021A (zh) 2022-08-01

Family

ID=80627725

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110134568A TW202230021A (zh) 2020-09-16 2021-09-16 基於特徵影像之三維遮罩模擬

Country Status (6)

Country Link
US (1) US11704471B2 (zh)
JP (1) JP2023544503A (zh)
KR (1) KR20230065983A (zh)
CN (1) CN116137899A (zh)
TW (1) TW202230021A (zh)
WO (1) WO2022060573A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220139736A (ko) * 2021-04-08 2022-10-17 삼성전자주식회사 Euv 마스크 제조방법
WO2024105526A1 (en) 2022-11-15 2024-05-23 Nephronyx Ltd. Optimized devices for modifying flow in body lumens

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100982135B1 (ko) * 2005-09-09 2010-09-14 에이에스엠엘 네델란즈 비.브이. 개별 마스크 오차 모델을 사용하는 마스크 검증 방법 및시스템
US7703069B1 (en) * 2007-08-14 2010-04-20 Brion Technologies, Inc. Three-dimensional mask model for photolithography simulation
US8490034B1 (en) * 2010-07-08 2013-07-16 Gauda, Inc. Techniques of optical proximity correction using GPU
US10394984B2 (en) * 2015-11-25 2019-08-27 International Business Machines Corporation Tool to provide integrated circuit masks with accurate dimensional compensation of patterns

Also Published As

Publication number Publication date
JP2023544503A (ja) 2023-10-24
US20220082932A1 (en) 2022-03-17
US11704471B2 (en) 2023-07-18
KR20230065983A (ko) 2023-05-12
CN116137899A (zh) 2023-05-19
WO2022060573A1 (en) 2022-03-24

Similar Documents

Publication Publication Date Title
US11762283B2 (en) Inverse lithography and machine learning for mask synthesis
US20210064977A1 (en) Neural network based mask synthesis for integrated circuits
US11704471B2 (en) Three-dimensional mask simulations based on feature images
JP2022544585A (ja) 人工ニューラルネットワークによって予測される故障モードに基づくレチクル強化技術レシピの適用
US11468222B2 (en) Stochastic signal prediction in compact modeling
JP2023549654A (ja) マスク合成のための確率論を意識したリソグラフィモデル
US10691869B2 (en) Pattern-based optical proximity correction
US20230079453A1 (en) Mask corner rounding effects in three-dimensional mask simulations using feature images
US20230104510A1 (en) Mask fabrication effects in three-dimensional mask simulations using feature images
US20220392191A1 (en) Large scale computational lithography using machine learning models
US20230152683A1 (en) Mask Synthesis Integrating Mask Fabrication Effects and Wafer Lithography Effects
TW202332981A (zh) 在三維遮罩模擬中使用特徵影像之遮罩製造效應
US20220382144A1 (en) Machine learning for selecting initial source shapes for source mask optimization
US11977324B1 (en) Modifying segments and vertices of mask shapes for mask synthesis
US20220121957A1 (en) Lithography simulation using machine learning
CN118020022A (zh) 使用特征图像进行三维掩模仿真中的掩模制造效应
US11720015B2 (en) Mask synthesis using design guided offsets
CN114002913A (zh) 用于光刻制造系统的剂量信息生成和传达