TW202326791A - 使用帶電粒子檢測系統之圖案化參數判定 - Google Patents
使用帶電粒子檢測系統之圖案化參數判定 Download PDFInfo
- Publication number
- TW202326791A TW202326791A TW111131618A TW111131618A TW202326791A TW 202326791 A TW202326791 A TW 202326791A TW 111131618 A TW111131618 A TW 111131618A TW 111131618 A TW111131618 A TW 111131618A TW 202326791 A TW202326791 A TW 202326791A
- Authority
- TW
- Taiwan
- Prior art keywords
- patterning
- training
- parameters
- substrate
- dimensions
- Prior art date
Links
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
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- 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
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70641—Focus
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
Abstract
本發明描述一種獲得焦距及劑量資料之方法,該方法不需要專用標記且使用晶粒內特徵之影像。產生一焦距/劑量矩陣晶圓。使用具有一大視場之一帶電粒子檢測系統來量測晶粒內位置處之諸如關鍵尺寸(CD)、CD均一性(CDU)、邊緣置放誤差(EPE)等的尺寸。使用機器學習或迴歸方法以判定焦距及劑量與所量測資料之間的一關係。接著可在一生產晶圓上量測該等相同尺寸,且可利用該關係以判定該生產晶圓之該焦距及劑量。
Description
本發明大體上係關於使用與半導體製造製程相關聯之帶電粒子檢測進行圖案化參數判定。
在積體電路(IC)之製造製程中,對未完成或已完成電路組件進行檢測以確保其等係根據設計而製造且無缺陷。可使用利用光學顯微鏡或帶電粒子(例如,電子)束顯微鏡(諸如掃描電子顯微鏡(SEM))之檢測系統。隨著IC組件之實體大小不斷縮小且其結構不斷變得更複雜,缺陷偵測及檢測之準確度及產出量變得更加重要。總體影像品質尤其取決於高次級電子及反向散射電子信號偵測效率之組合。反向散射電子具有較高發射能量以自樣本之較深層逸出,且因此,其偵測對於複雜結構,諸如3D NAND裝置之內埋層、節點、高縱橫比溝槽或孔的成像可能係合乎需要的。對於諸如疊對度量衡之應用,可能需要的是獲得高品質成像以及來自次級電子的表面資訊及來自反向散射電子之內埋層資訊的有效收集。
焦距、劑量或其他圖案化參數常常使用基於繞射之聚焦(DBF)或基於像散之聚焦(ABF)技術來量測。此等技術需要基板上之專用印刷標記,該等印刷標記利用基板上之可圖案化區域,需要專用光學近接校正(OPC)考量且並不提供裝置內資訊。另外,DBF並不適用於極紫外線(EUV)圖案化應用。
根據一實施例,提供一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的方法。該方法包含藉由該帶電粒子檢測系統檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸。經圖案化基板係使用圖案化系統及一或多個圖案化參數產生。方法包含基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數。該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測。該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型。訓練尺寸係基於視場中之最小臨限數目個圖案類型來判定。
在一些實施例中,一或多個圖案化參數包含焦距及劑量。
在一些實施例中,一或多個圖案化參數及圖案化系統係與極紫外線(EUV)圖案化製程相關聯。
在一些實施例中,一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。
在一些實施例中,視場為至少兩微米寬。
在一些實施例中,一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該圖案化製程窗口之變化不同地做出回應。
在一些實施例中,最小臨限數目個圖案類型包含三個圖案類型。
在一些實施例中,該方法進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。在一些實施例中,該方法進一步包含基於該偏移調整該圖案化系統。
在一些實施例中,該關係係使用多變數迴歸來判定。
在一些實施例中,該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。
在一些實施例中,該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。
在一些實施例中,該圖案化系統為用於一半導體微影製程中之一掃描器。
在一些實施例中,製程窗口包含一或多個圖案化參數的與常規生產圖案化製程相關聯之變化。
在一些實施例中,帶電粒子檢測系統為一掃描電子顯微鏡(SEM),且該圖案化基板為一圖案化半導體晶圓。
根據另一實施例,提供一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的方法。方法包含使用該圖案化系統藉由橫越一製程窗口發生變化的一或多個訓練參數來圖案化一訓練基板。方法包含使用該帶電粒子檢測系統自該訓練基板判定訓練尺寸。方法包含判定該等訓練參數與該等訓練尺寸之間的一關係。關係(1)使用多變數迴歸或(2)由基於機器學習之預測模型來判定,基於機器學習之預測模型係使用訓練尺寸及訓練參數來訓練。該方法包含藉由該帶電粒子檢測系統檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸。經圖案化基板係使用圖案化系統及一或多個圖案化參數來產生。方法包含基於關係及該經圖案化基板之一或多個所判定尺寸來判定該一或多個圖案化參數。
根據另一實施例,提供一種用於使用一掃描電子顯微鏡(SEM)判定由一掃描器使用之一或多個半導體微影參數的方法。該方法包含藉由該SEM檢測一經圖案化半導體晶圓以判定該經圖案化半導體晶圓的一或多個尺寸。該經圖案化半導體晶圓使用該掃描器及該一或多個半導體微影參數來產生。方法包含基於該一或多個半導體微影參數與該經圖案化半導體晶圓之一或多個所判定尺寸之間的一關係來判定該一或多個半導體微影參數。該關係係基於來自用一或多個訓練參數圖案化之一訓練晶圓的訓練尺寸來判定,該一或多個訓練參數橫越一製程窗口發生變化且係使用該SEM來檢測。該SEM具有一視場,該視場經組態以在該視場中在該訓練晶圓上包括一最小臨限數目個圖案類型。訓練尺寸係基於視場中之最小臨限數目個圖案類型來判定。方法包含判定一所判定半導體微影參數與該掃描器之一對應設定點之間的一偏移;及基於該偏移調整該掃描器。
根據另一實施例,提供一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的方法。方法包含判定訓練參數與訓練尺寸之間的一關係。訓練基板藉由橫越製程窗口發生變化的一或多個訓練參數來圖案化。訓練尺寸使用帶電粒子檢測系統自訓練基板來判定。關係(1)使用多變數迴歸或(2)由基於機器學習之預測模型來判定,基於機器學習之預測模型係使用訓練尺寸及訓練參數來訓練。方法包含用帶電粒子檢測系統檢測一生產基板以判定生產基板之一或多個尺寸。生產基板係使用圖案化系統及一或多個圖案化參數來產生。方法包含應用該關係來基於該經圖案化基板之一或多個所判定尺寸來判定該一或多個圖案化參數。
根據其他實施例,提供對應系統或儲存機器可讀指令的電腦可讀媒體,該等指令經組態以執行上述操作中的一或多者(或使得一或多個處理器執行上述操作中的一或多者)。
本發明之實施例之其他優勢將自結合附圖進行之以下描述而變得顯而易見,該等附圖藉助於說明及實例闡述某些實例實施例。
電子裝置由形成於稱為基板或晶圓之矽片上的電路構成。許多電路可一起形成為相同矽片上之特徵的重複圖案,且稱為積體電路或IC。此等電路之大小已顯著地減小,使得電路中之許多電路可擬合於基板上。舉例而言,智慧型手機中之IC晶片可小達拇指甲大小且仍可包括20億個以上電晶體,每一電晶體之大小可小達人類毛髮之大小的1/1000。
製造此等極小IC為經常涉及數百個個別步驟之複雜、耗時且昂貴之製程。甚至一個步驟中之誤差會潛在地引起成品IC中之缺陷,藉此使得成品IC無用。因此,製造製程之一個目標為避免此類缺陷以使在製程中製造之功能性IC的數目最大化,亦即改良製程之總體良率。
提高良率之一個分量為監測晶片製造製程,以確保其正生產足夠數目個功能性積體電路。監測製程之一種方式為在該電路結構形成之不同階段檢測晶片電路結構。檢測可使用光類系統或掃描電子顯微鏡(SEM)(作為帶電粒子檢測系統的實例)施行。檢測系統可用以實際上將此等極小結構成像,從而獲取結構的「圖像」。影像可用於判定結構是否正常形成,且亦判定結構是否形成於適當位置中。若結構為有缺陷的,則製程可經調整,使得缺陷不大可能再次出現。
然而,為了獲得關於製造製程之資訊,光類系統需要晶圓上的專門印刷的標記,此情形利用晶圓區域(可能以其他方式用於額外IC)、需要專用光學光校正考量且並不提供關於IC之實際特徵的資訊(而是提供關於用作對實際特徵之取代的專用印刷標記的資訊)。
對比而言,本文所描述之系統及方法中的一些利用SEM (例如)以直接自IC之實際特徵判定關於製造製程的資訊而不需要專門印刷的標記或專用光學校正考量。在一些實施例中,此情形藉由以下操作來實現:使用SEM以同時自晶圓的相對大區域檢測並判定尺寸,且使用多變數迴歸或機器學習來基於所判定尺寸預測關於製造製程之資訊。
參看圖式詳細描述本發明之實施例,該等圖式提供為本發明之說明性實例以便使熟習此項技術者能夠實踐本發明。以下諸圖及實例並不意謂將本發明之範疇限於單一實施例,而是其他實施例藉助於所描述或所繪示元件之一些或全部的互換而係可能的。在可使用已知組件來部分地或完全地實施本發明之某些元素之處,將描述僅理解本發明必要的此等已知組件之彼等部分,且將省略此等已知組件之其他部分之詳細描述以便不混淆本發明。除非本文中另外規定,否則如對於熟習此項技術者將顯而易見的是,描述為以軟體實施之實施例不應限於此,而是可包括以硬體或軟體與硬體之組合實施之實施例,且反之亦然。在本說明書中,展示單數組件之實施例不應被認為係限制性的;實情為,除非本文中另有明確陳述,否則本發明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。本發明涵蓋本文中以說明方式提及之已知組件的當前及未來已知等效物。
儘管在本文中可特定地參考IC之製造,但應明確地理解,本文中之描述具有許多其他可能應用。舉例而言,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(LCD)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術語「遮罩」、「基板」及「目標部分」互換。
在本發明文件中,術語「輻射」及「射束」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至100 nm之範圍內的波長)。
如本文所使用之術語「投影光學件」應被廣泛地解譯為涵蓋各種類型之光學系統,包括(例如)折射光學件、反射光學件、孔隙及反射折射光學件。術語「投影光學件」亦可包括根據此等設計類型中之任一者而操作的組件,以用於集體地或單一地導向、塑形或控制投影輻射束。術語「投影光學件」可包括微影投影設備中之任何光學組件,而不管光學組件定位於微影投影設備之光學路徑上之位置。投影光學件可包括用於在來自源之輻射通過(例如,半導體)圖案化裝置之前塑形、調整或投影該輻射的光學組件,或用於在輻射通過圖案化裝置之後塑形、調整或投影該輻射的光學組件。投影光學件通常不包括光源及圖案化裝置。
(例如半導體)圖案化裝置可包含或可形成一或多個設計佈局。可利用電腦輔助設計(computer-aided design;CAD)程式來產生設計佈局,此程序常常被稱作電子設計自動化(electronic design automation;EDA)。大多數CAD程式遵循一預定設計規則集合,以便產生功能設計佈局/圖案化裝置。藉由處理及設計限制來設定此等規則。舉例而言,設計規則界定裝置(諸如閘、電容器等等)與互連線之間的空間容許度,以便確保該等裝置或線彼此不會以不理想方式相互作用。設計規則可包括或指定具體參數、關於參數之範圍的限制,或其他資訊。設計規則限制或參數中之一或多者可被稱作「關鍵尺寸」(CD)。裝置之關鍵尺寸可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,或其他特徵。因此,CD判定所設計裝置之總體大小及密度。裝置製造中之目標中之一者係在基板上如實地再生原始設計意圖(經由圖案化裝置)。
如本文中所使用之術語「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射束賦予經圖案化橫截面之通用半導體圖案化裝置,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。
可程式化鏡面陣列之實例可為具有黏彈性控制層及反射表面之矩陣可定址表面。此設備所隱含之基本原理為(例如):反射表面之經定址區域將入射輻射反射為繞射輻射,而未經定址區域將入射輻射反射為非繞射輻射。使用適當濾光片,可自經反射射束濾除該非繞射輻射,從而之後僅留下繞射輻射;以此方式,射束變得根據矩陣可定址表面之定址圖案而圖案化。可使用合適電子構件來執行所需矩陣定址。可程式化LCD陣列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。
如本文中所使用,術語「圖案化製程」通常意謂作為微影製程之部分的藉由施加光之指定圖案來產生經蝕刻基板的製程。然而,「圖案化製程」亦可包括(例如,電漿)蝕刻,因為本文中所描述的許多特徵可提供益處至使用蝕刻(例如,電漿)處理形成經印刷圖案。
如本文中所使用,術語「目標圖案」」意謂將在基板(例如,晶圓)上蝕刻的理想化圖案。
如本文所使用,「經印刷圖案」(或基板上之圖案)意謂基板上基於目標圖案經蝕刻的實體圖案。印刷圖案可包括例如凹槽、通道、凹陷、邊緣或由微影製程產生之其他兩維及三維特徵。
如本文中所使用,術語「預測模型」、「製程模型」、「電子模型」及/或「模擬模型」(其可互換地使用)意謂包括模擬圖案化製程之一或多個模型的模型。舉例而言,模型可包括光學模型(例如,模型化用於以微影製程遞送光之透鏡系統/投影系統且可包括模型化變成光阻劑之光之最終光學影像)、抗蝕劑模型(例如,模型化抗蝕劑之物理效應,諸如歸因於光之化學效應)、光學近接校正(OPC)模型(例如,可用於製造目標圖案且可包括子解析度抗蝕劑特徵(SRAF)等)、蝕刻(或蝕刻偏置)模型(例如,模擬對印刷晶圓圖案之蝕刻製程之物理效應)或其他模型。
如本文中所使用,術語「校準」意謂修改(例如改良或調諧)或驗證某物,諸如模型。
圖案化系統可為包含以上所描述之組件中之任一者或全部加上經組態以執行與此等組件相關聯之操作中之任一者或全部的其他組件的系統。舉例而言,圖案化系統可包括微影投影設備、掃描器、經組態以施加或移除抗蝕劑之系統、蝕刻系統或其他系統。
作為介紹,圖1為根據一實施例之微影投影設備之示意圖。微影投影設備可包括照明系統IL、第一物件台T、第二物件台WT及投影系統PS。照明系統IL可調節輻射射束B。在此實例中,照明系統亦包含輻射源SO。第一物件台(例如,圖案化裝置台) T可具備用以固持圖案化裝置MA (例如,倍縮光罩)之圖案化裝置固持器,且連接至用以相對於物品PS來準確地定位圖案化裝置之第一定位器。第二物件台(例如,基板台) WT可設置有用以固持基板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物品PS準確地定位該基板之第二定位器。投影系統(例如,其包括透鏡) PS (例如折射、反射或反射折射光學系統)可將圖案化裝置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。可使用例如圖案化裝置對準標記M1、M2及基板對準標記P1、P2來對準圖案化裝置MA與基板W。
如所描繪,設備可屬於透射類型((亦即,具有透射圖案化裝置)。然而,一般而言,其亦可例如屬於反射類型(具有反射圖案化裝置)。設備可採用用於經典遮罩之不同種類之圖案化裝置;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、LPP (雷射產生電漿) EUV源)產生輻射射束。此射束係直接地或在已橫穿諸如射束擴展器或射束遞送系統BD (包含導向鏡、射束擴展器等)之調節構件之後饋入至照明系統(照明器) IL中。舉例而言,照明器IL可包含調整構件AD以用於設定射束中之強度分佈的外部徑向範圍或內部徑向範圍(通常分別稱作σ外部及σ內部)。另外,其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,入射於圖案化裝置MA上之射束B在其橫截面中具有期望均一性及強度分佈。
在一些實施例中,源SO可在微影投影設備之外殼內(在源SO為例如汞燈時常常為此情況),但其亦可遠離微影投影設備。舉例而言,源產生之輻射射束可(例如,藉助於合適之導向鏡面)經導引至設備中。此後一情境可為例如在源SO為準分子雷射器(例如,基於KrF、ArF或F2雷射作用)時之狀況。
射束B可隨後截取固持於圖案化裝置台T上之圖案化裝置MA。在已橫穿圖案化裝置MA的情況下,射束B可穿過透鏡PL,該透鏡將射束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定位於射束B之路徑中。類似地,第一定位構件可用於例如在自圖案化裝置庫機械擷取圖案化裝置MA之後或在掃描期間相對於射束B之路徑來準確地定位圖案化裝置MA。一般而言,可憑藉長衝程模組(粗略定位)及短衝程模組(精細定位)來實現台T、WT的移動。然而,在步進器(相對於步進掃描工具)之狀況下,圖案化裝置台T可僅連接至短衝程致動器,或可固定。
可以兩種不同模式-步進模式及掃描模式使用所描繪工具。在步進模式下,圖案化裝置台T保持基本上靜止,且在一個操作(亦即,單次「閃光」)中將整個圖案化裝置影像投影至目標部分C上。可使基板台WT在x或y方向上移位,使得不同目標部分C可藉由射束B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,基本上相同之情形適用。實情為,圖案化裝置台T可以速度v在給定方向(例如「掃描方向」,或「y」方向)上移動,使得使投影射束B遍及圖案化裝置影像進行掃描。同時,基板台WT以速度V = Mv在相同方向或相對方向上同時移動,其中M為透鏡之放大率(通常M = 1/4或1/5)。以此方式,可在不必損害解析度的情況下曝光相對大目標部分C。
圖2描繪微影單元LC之示意性綜述。如圖2中所展示,微影投影設備(圖1中所展示且圖示為圖2中的微影設備LA)可形成有時亦被稱作微影製造單元或(微影)叢集的微影單元LC的部分,其通常亦包括用以對基板W執行曝光前製程及曝光後製程的設備。習知地,此等設備包括經組態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,用於調節抗蝕劑層中之溶劑)的冷卻板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、在不同製程設備之間移動基板W且將基板W遞送至微影設備LA之裝載匣LB。微影製造單元中通常亦統稱為塗佈顯影系統之裝置通常處於塗佈顯影系統控制單元TCU之控制下,該塗佈顯影系統控制單元TCU自身可藉由監督控制系統SCS控制,該監督控制系統SCS亦可例如經由微影控制單元LACU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 (圖1),需要檢測基板以量測經圖案化結構之屬性,諸如特徵邊緣置放、後續層之間的疊對誤差、線厚度、關鍵尺寸(CD)等。出於此目的,可在微影製造單元LC中包括檢測工具(未展示)。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,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尤其如此。
亦可被稱作度量衡設備之檢測設備用於判定基板W之屬性(圖1),且特定言之判定不同基板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,且可例如為微影製造單元LC之一部分,或可整合至微影設備LA中,或可甚至為單機裝置。檢測設備可使用實際基板(例如,晶圓圖案之帶電粒子-SEM-影像)或實際基板之影像來在潛像(在曝光之後的抗蝕劑層中的影像)、半潛像影像(在曝光後烘烤步驟PEB之後的抗蝕劑層中的影像)、經顯影抗蝕劑影像(其中已移除抗蝕劑之經曝光或未經曝光部分)、經蝕刻影像(在諸如蝕刻之圖案轉印步驟之後)上或以其他方式量測屬性。
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技術之間的合作。通常,微影設備LA中之圖案化製程為處理中最關鍵步驟中之一者,處理需要基板W (圖1)上之結構之定尺度及置放之高準確度。為確保此高準確度,三個系統(在此實例中)可經組合於所謂的「整體」控制環境中,如圖3中示意性地描繪。此等系統中之一者為微影設備LA,其(虛擬地)連接至度量衡設備(例如,度量衡工具) MT (第二系統),且連接至電腦系統CL (第三系統)。「整體」環境可經組態以最佳化此等三個系統之間的合作以增強總體製程窗口且提供嚴格控制環路,從而確保藉由微影設備LA執行之圖案化保持在製程窗口內。製程窗口界定一系列製程參數(例如,劑量、焦距、疊對),在該等製程參數內,特定製造製程產生經界定結果(例如,功能性半導體裝置)--通常在該經界定結果內,允許微影製程或圖案化製程中之製程參數變化。
電腦系統CL可使用待圖案化之設計佈局(之部分)以預測使用哪些解析度增強技術且執行計算微影模擬及演算以判定哪種光罩佈局及微影設備設定達成圖案化製程之最大總體製程窗口(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微影設備LA之圖案化可能性。電腦系統CL亦可用於偵測微影設備LA目前正在製程窗口內何處操作(例如,使用來自度量衡工具MT之輸入),以預測是否可存在由於例如次佳處理的缺陷(在圖3中由第二標度SC2中之指向「0」的箭頭描繪)。
度量衡設備(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)。
在微影製程中,需要頻繁地對所產生結構進行量測,例如用於製程控制及驗證。用以進行此類量測的工具包括度量衡工具(設備) MT。用於進行此類量測之不同類型的度量衡工具MT為已知的,包括掃描電子顯微鏡(SEM)或各種形式之散射計度量衡工具MT。在一些實施例中,度量衡工具MT為或包括SEM。
在一些實施例中,度量衡工具MT為或包括光譜散射計、橢圓量測散射計或其他基於光之工具。光譜散射計可經組態以使得將藉由輻射源發射之輻射引導至基板之目標特徵上且將來自目標之經反射或經散射輻射引導至分光計偵測器,該分光計偵測器量測鏡面經反射輻射之光譜(亦即,依據波長的強度量測)。自此資料,可例如藉由嚴密耦合波分析及非線性迴歸或藉由與經模擬光譜庫比較來重建構產生偵測到之光譜的目標之結構或剖面。橢圓量測散射計允許藉由量測針對每一偏振狀態之散射輻射來判定微影製程之參數。此類度量衡工具(MT)藉由在度量衡設備之照射區段中使用例如適當偏振過濾器來發射偏振光(諸如線性、圓形或橢圓)。適合於度量衡設備之源亦可提供偏振輻射。
如上文所描述,可在製造期間之各個時刻檢測所製造裝置(例如,經圖案化基板)。圖4示意性地描繪帶電粒子(電子束)檢測設備(系統) 50的通用實施例。在一些實施例中,檢測設備50可為電子束或其他帶電粒子檢測設備(例如,與掃描電子顯微鏡(SEM)相同或類似),其產生曝光於或轉印於基板上之結構(例如,裝置(諸如積體電路)之結構的一些或全部)之影像。自電子源54發射之初級電子束52由聚光器透鏡56會聚且接著穿過射束偏轉器58、E×B偏轉器60及物鏡62以在一焦距處輻照基板台ST上之基板70。
當用電子束52輻照基板70時,自基板70產生次級電子。該等次級電子由E×B偏轉器60偏轉且由次級電子偵測器72偵測到。二維電子束影像可藉由與以下操作同步地偵測自樣本產生之電子來獲得:例如藉由射束偏轉器58對電子束進行二維掃描或藉由射束偏轉器58在X或Y方向上反覆掃描電子束52,以及藉由基板台ST在X或Y方向中之另一者上連續移動基板70。因此,在一些實施例中,電子束檢測設備具有用於由角程界定之電子束之視場,在該角程內,電子束可由電子束檢測設備提供(例如,偏轉器60可提供電子束52藉以之角程)。因此,該視場之空間範圍為電子束之角程可照射於表面上所達之空間範圍(其中該表面可為靜止的或可相對於該場移動)。
如圖4中所展示,由次級電子偵測器72偵測到之信號可由類比/數位(A/D)轉換器74轉換成數位信號,且可將該數位信號發送至影像處理系統76。在一些實施例中,影像處理系統76可具有用以儲存數位影像中之所有或部分以供處理單元80處理之記憶體78。處理單元80 (例如,經專門設計之硬體或硬體與軟體之組合或包含軟體之電腦可讀媒體)經組態以將數位影像轉換或處理成表示數位影像之資料集。在一些實施例中,處理單元80經組態或程式化以使得執行本文中所描述之操作(例如,SEM檢測)。另外,影像處理系統76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儲存媒體82。顯示裝置84可與影像處理系統76連接,使得操作者可藉助於圖形使用者介面進行裝備之必需操作。
圖5示意地繪示帶電粒子檢測設備(系統)的另一實施例。該設備用於檢測樣本載物台89上之樣本90 (諸如經圖案化基板)且包含帶電粒子束產生器81、聚光器透鏡模組99、探針形成物鏡模組83、帶電粒子束偏轉模組88、次級帶電粒子偵測器模組85、影像形成模組86,或其他組件。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99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88跨緊固於樣本載物台89上之樣本90上的所關注區域之表面掃描形成之帶電粒子束探針92。在一些實施例中,帶電粒子束產生器81、聚光器透鏡模組83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共同形成產生掃描帶電粒子束探針92的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,計算裝置)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。在一些實施例中,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設備,該影像形成設備自由帶電粒子束探針92轟擊之樣本90發射的偵測到之次級帶電粒子形成經掃描影像。
在一些實施例中,監測模組87耦接至影像形成設備之影像形成模組86以對圖案化製程進行監測、控制等,或使用自影像形成模組86接收到之樣本90的經掃描影像來導出用於圖案化製程設計、控制、監測等的參數。在一些實施例中,監測模組87經組態或經程式化以使得執行本文中所描述之操作。在一些實施例中,監測模組87包含計算裝置。在一些實施例中,監測模組87包含經組態以提供本文中所描述之功能性之電腦程式。在一些實施例中,圖5之系統中之電子束之探測光點大小相較於例如CD顯著更大,使得探測光點足夠大以使得檢測速度可為快速的。然而,解析度可能由於大的探測光點而較低。
如上文所描述,可能需要使用一或多個工具來產生例如可用於設計、控制、監測(等)圖案化製程的結果。可提供用於計算上控制、設計等圖案化製程之一或多個態樣的一或多個工具,諸如用於圖案化裝置之圖案設計(包括例如添加次解析度輔助特徵或光學近接校正)、用於圖案化裝置之照明等。因此,在用於計算上控制、設計等涉及圖案化之製造製程之系統中,製造系統組件或製程可由各種功能模組或模型描述。在一些實施例中,可提供描述圖案化製程之一或多個步驟或設備之一或多個電子(例如,數學、參數化等)模型。在一些實施例中,可使用一或多個電子模型來執行圖案化製程之模擬以模擬圖案化製程使用由圖案化裝置提供之設計圖案形成經圖案化基板之方式。
可處理來自例如圖4或圖5之系統的影像以提取尺寸、形狀、輪廓或描述影像中表示半導體裝置結構之物件之邊緣的其他資訊。可經由使用者界定之切線處或其他位置中之度量(諸如邊緣置放誤差(EPE)、CD等)來量化該等形狀、輪廓或其他資訊。舉例而言,此等形狀、輪廓或其他資訊可用以最佳化圖案化製程。
在一些實施例中,可將圖案化製程之最佳化表示為成本函數。最佳化程序可包含尋找圖案化製程的使成本函數最小化之參數集合(設計變數、製程變數等)。成本函數可取決於最佳化之目標而具有任何合適形式。舉例而言,成本函數可為系統之某些特性(評估點)相對於此等特性之所欲值(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)。術語「評估點」應被廣泛地解譯為包括系統或製造方法之任何特性。歸因於系統或方法之實施的可行性,圖案化製程之設計或程序變數可限於有限範圍或相互相依。在微影投影設備之狀況下,約束常常與硬體之物理屬性及特性(諸如,可調諧範圍或圖案化裝置可製造性設計規則)相關聯。評估點可包括基板之影像中之實體點,以及諸如一或多個蝕刻參數、劑量及焦距等之非物理特性。
在一些實施例中,圖案化製程之最佳化可係基於自非生產、測試或遮罩檢查晶圓獲得的檢測資料。此類晶圓並未經受來自生產排程、產出率要求、良率或品質要求或常規生產圖案化製程之其他要求的壓力。
焦距、劑量或其他圖案化製程參數可為微影製程的基本參數,且有利的是能夠使用印刷晶圓(圖案化之基板)來準確地判定此類參數。諸如基於繞射之聚焦(DBF)及基於散光之聚焦(ABF)的當前基於光學類方法需要專用設計標記印刷於晶圓上。標記之大小減小晶圓的可用區域(例如,其減小可在給定晶圓上生產之IC的數目)。此等方法亦需要專用光學近接校正(OPC)考量,且並不提供關於實際IC裝置的資訊(而是提供關於用作對實際IC裝置之取代之專用設計標記的資訊)。此外,至少因為與EUV圖案化製程相關聯之抗蝕劑層的厚度,諸如DBF之方法不適用於EUV應用。最終,此等方法中的全部皆不可藉由單一量測來提供關於多個不同圖案化製程參數(例如,劑量及焦距)的資訊。
有利地,本發明描述用於使用帶電粒子檢測系統判定由圖案化系統使用之一或多個圖案化參數的技術。一或多個圖案化參數基於直接自經圖案化基板之特徵獲取的量測(例如,並非係IC之部分的專用標記)來判定。技術並不需要專用OPC考量,且可基於來自單一量測之資訊來判定多重圖案化製程參數。
圖6A繪示用於判定由圖案化系統使用之一或多個圖案化參數的例示性方法600。一或多個圖案化參數係基於來自經圖案化基板使用帶電粒子檢測系統之檢測的尺寸來判定。方法600包含:用帶電粒子檢測系統(例如,SEM)檢測(操作602)經圖案化基板(例如,晶圓),基於一或多個圖案化參數與經圖案化基板之一或多個所判定尺寸之間的關係判定(操作604)一或多個圖案化參數,判定(操作606)所判定圖案化參數與圖案化系統之對應設定點之間的偏移,及基於偏移調整(操作608)圖案化系統,或其他操作。藉助於一個可能實例,一或多個圖案化參數可為劑量及焦距,圖案化系統可為用以圖案化諸如半導體晶圓之基板的掃描器,且帶電粒子檢測系統可為SEM。
在一些實施例中,非暫時性電腦可讀媒體儲存指令,該等指令在由電腦執行時使電腦執行操作602至608中之一或多者或其他操作。方法600的操作意欲為說明性的。在一些實施例中,方法600可用未描述之一或多個額外操作或不用所論述之操作中之一或多者來實現。舉例而言,在一些實施例中,操作606或608可自方法600消除。另外,方法600之操作在圖6A中繪示且在本文中描述的次序並不意欲為限制性的。
在操作602處,用帶電粒子檢測系統檢測經圖案化基板。經圖案化基板經檢測以判定經圖案化基板之一或多個尺寸、偵測缺陷或判定其他資訊。一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)、局部置放誤差(LPE)、局部關鍵尺寸均一性(LCDU)、線邊緣粗糙度(LER)及線寬粗糙度(LWR)或其他尺寸。缺陷可包括圖案移位、隨機缺陷及/或其他缺陷。
帶電粒子檢測系統可為或包括例如掃描電子顯微鏡(例如,如圖4及圖5中所展示且如上文所描述)或諸如多射束帶電粒子檢測系統之其他帶電粒子檢測系統。帶電粒子檢測系統經組態以產生資訊,該資訊包括描述圖案中之輪廓之幾何形狀的資訊或與幾何形狀相關之資訊。圖案中之輪廓之幾何形狀可例如為二維幾何形狀。影像包括描述輪廓之特性(例如,諸如X-Y維度資料點、描述幾何形狀之數學等式等)、與輪廓相關聯之處理參數之資料或其他資料。影像可進一步包括3D資訊,諸如關於內埋於一或多個子層中之特徵的資訊、來自先前層之先前檢測的資料、藉由產生檢測影像之使用者操作檢測系統選擇且輸入的資訊,或其他資訊。
經圖案化基板係使用圖案化系統及一或多個圖案化參數來產生。在一些實施例中,經圖案化基板藉由微影系統產生,該微影系統可為或包括與圖案化製程相關聯的上文描述的LA、另一掃描器或其他組件,或分離微影系統。
在操作604處,判定一或多個圖案化參數。在一些實施例中,一或多個圖案化參數(及圖案化系統)係與一極紫外線(EUV)圖案化製程相關聯。一或多個圖案化參數可包含例如EUV圖案化製程的焦距及劑量,或其他參數。一或多個圖案化參數基於一或多個圖案化參數與經圖案化基板之一或多個所判定尺寸之間的關係來判定。
關係係基於來自訓練基板的訓練尺寸來判定,該訓練基板係用橫越圖案化製程窗口發生變化的一或多個訓練參數圖案化。訓練基板同時藉由視場內最小臨限數目個圖案類型使用帶電粒子檢測系統來檢測。訓練基板可為非生產、測試或遮罩檢查晶圓。此類晶圓並未經受來自生產排程、產出率要求、良率或品質要求或常規生產圖案化製程之其他要求的壓力。非生產晶圓可利用不同於生產晶圓的圖案化製程(其使用常規生產圖案化製程),包括橫越製程窗口發生變化的不同圖案化參數設定點(相較於將用於常規生產圖案化製程的製程窗口)。
帶電粒子檢測系統相較於其他帶電粒子檢測系統具有相對寬的視場。舉例而言,帶電粒子檢測系統可具有至少兩微米寬的視場。在一些實施例中,帶電粒子檢測系統可具有至少三微米寬的視場。在一些實施例中,帶電粒子檢測系統可具有至少四微米寬的視場。在一些實施例中,帶電粒子檢測系統可具有至少五微米寬的視場。
相對寬的視場同時促進視場中之最小臨限數目個圖案類型的檢測。在一些實施例中,最小臨限數目個圖案類型為五個圖案類型。在一些實施例中,最小臨限數目個圖案類型為四個圖案類型。在一些實施例中,最小臨限數目個圖案類型為三個圖案類型。在一些實施例中,最小臨限數目個圖案類型為兩個圖案類型。
一圖案類型包含經圖案化基板之多個特徵中的一者,特徵對圖案化參數橫越該圖案化製程窗口之變化不同地做出回應。作為圖案化參數的兩個非限制性實例,對圖案化參數之變化不同地做出回應的圖案類型可對焦距或劑量的變化不同地做出回應。不同地做出回應可指隨著一或多個圖案化參數(例如,焦距、劑量等)改變而自一個圖案類型至另一圖案類型(其可經由多變數迴歸或其他方法分析以判定如下文所描述的資訊)不同地改變的尺寸(例如,CD、LCDU、LPE、EPE等)。舉例而言,對參數變化不同地做出回應的圖案類型可包括圖案中不同塑形的特徵(例如,圓形通孔對橢圓通孔)、圖案中由不同結構包圍的相同特徵(例如,由第一組其他結構包圍的圓形通孔對由第二組其他結構包圍的圓形通孔),或其他圖案類型。
圖案化製程窗口包含一或多個圖案化參數的與常規生產圖案化製程相關聯之變化。在一些實施例中,常規圖案化製程為半導體製造製程。常規生產圖案化製程可包括用於生產大量經圖案化基板之正常階段中的任何圖案化製程。常規生產圖案化製程可具有若干製程步驟,該等製程步驟各自具有界定製程窗口的參數,該製程窗口用以生產經圖案化基板(其可包括例如功能積體電路)。此處,藉由橫越圖案化製程窗口發生變化的一或多個訓練參數圖案化訓練基板可包含藉由焦距及劑量參數集合點值根據焦距曝光矩陣(FEM)圖案化訓練基板,該等值在圖案化期間針對焦距及劑量值橫越典型製程窗口以隨機(但記錄)方式發生變化。
訓練尺寸使用帶電粒子檢測系統自訓練基板來判定。如上文所述,帶電粒子檢測系統具有視場(例如,兩微米寬),其經組態以在視場內在訓練基板上包括最小臨限數目個圖案類型(例如,三個圖案類型)。訓練尺寸係基於視場中之最小臨限數目個圖案類型來判定。藉由視場中之最小臨限數目個圖案類型判定訓練尺寸產生提供更多資訊(相較於來自單一圖案類型的尺寸)至迴歸或機器學習模型的更多獨立尺寸值,且增強所量測尺寸與用以產生經圖案化基板(下文更詳細地描述)之圖案化製程參數之間的所判定關係之預測品質。
在一些實施例中,圖案化參數與所判定尺寸之間的關係係使用多變數迴歸來判定。多變數迴歸包含用於判定多個相依變數(例如,焦距、劑量或其他圖案化參數)與多個獨立變數(例如,上文所描述的所量測尺寸,諸如CD、CDU、EPE、LPE等)之間的關係之數學程序。繼續上述實例圖案化參數及所量測尺寸,多變數迴歸使用所量測尺寸(CD、CDU、EPE、LPE等)及隨機(但記錄)焦距及劑量設定點值以判定所量測尺寸與圖案化參數之間的關係。關係接著可用以基於所量測尺寸預測或以其他方式判定新圖案化基板的圖案化參數,該等所量測尺寸係來自新圖案化基板(例如,在相同量測位置處量測)。在一些實施例中,用作多變數迴歸之輸入的所量測尺寸包含輸入尺寸的不同多項式次序以改良預測準確性或出於其他原因。舉例而言,此情形改良預測準確性,此係因為特定尺寸可能不對線性地改變製程參數做出回應。在一些實施例中,該多變數迴歸包含線性迴歸、多項式迴歸、基於機器學習之非線性迴歸,或其他迴歸。
在一些實施例中,圖案化參數與所判定尺寸之間的關係由基於機器學習之預測模型判定,該等基於機器學習之預測模型係使用訓練尺寸及訓練參數來訓練。換言之,判定關係包含訓練模型。基於機器學習之預測模型藉由提供對應數對訓練尺寸及訓練參數至基於機器學習之預測模型作為輸入來訓練。
在一些實施例中,基於機器學習之預測模型可能係或包括數學等式、演算法、曲線、圖表、網路(例如,神經網路),或其他工具及機器學習模型組件。舉例而言,機器學習模型可為或包括具有輸入層、輸出層及一或多個中間或隱藏層之一或多個神經網路。在一些實施例中,一或多個神經網路可為或包括深度神經網路(例如在輸入層與輸出層之間具有一或多個中間或隱藏層的神經網路)。
作為一實例,一或多個神經網路可係基於大的神經單元(或人工神經元)集合。該一或多個神經網路可不嚴格地模仿生物大腦工作之方式(例如經由由軸突連接之大的生物神經元簇)。神經網路之各神經單元可與神經網路之許多其他神經單元連接。此類連接可加強或抑制其對所連接之神經單元之激活狀態的影響。在一些實施例中,各個別神經單元可具有將所有其輸入之值組合在一起之求和函數。在一些實施例中,每一連接(或神經單元自身)可具有定限功能,使得信號在其經允許傳播至其他神經單元之前必須超出臨限值。此等神經網路系統可為自學習及經訓練的,而非經明確程式化,且與傳統電腦程式相比,可在某些問題解決領域中顯著更佳地進行。在一些實施例中,一或多個神經網路可包括多個層(例如,其中信號路徑自前端層橫穿至後端層)。在一些實施例中,可由神經網路利用反向傳播技術,其中使用前向刺激以對「前端」神經單元重設權重。在一些實施例中,對一或多個神經網路之刺激及抑制可更自由流動,其中連接以較混亂且複雜之方式相互作用。在一些實施例中,一或多個神經網路之中間層包括一或多個卷積層、一或多個重現層或其他層。
可使用訓練資料集合(例如,地面實況)來訓練一或多個神經網路(亦即,其參數經判定)。訓練資料可包括一組訓練樣本。每一樣本可為一對值,該對值包含輸入目標(例如,來自圖案化訓練基板之一或多個所量測尺寸)及所需輸出值(亦被稱作監督信號,例如用以產生圖案化訓練基板的已知焦距或劑量)。訓練演算法分析訓練資料且藉由基於訓練資料調整神經網路之參數(例如,一或多個層之權重)來調整該神經網路之行為。舉例而言,給定形式為
的一組N個訓練樣本,使得
為第i實例(例如,所量測的尺寸)的特徵向量,且
為其監督信號(例如,一或多個已知圖案化參數),訓練演算法尋求神經網路
,其中
為輸入空間且
為輸出空間。特徵向量為表示某目標(例如,晶圓尺寸等)之數值特徵之n維向量。在訓練之後,神經網路可用於使用新樣本(例如,常規生產晶圓)來進行預測。在一些實施例中,操作604包含:應用經訓練模型(對來自訓練基板之尺寸進行訓練),使用自常規生產基板判定的尺寸作為輸入(例如,在與在訓練基板上使用之相同的量測位置中量測)以判定(或輸出)一或多個圖案化參數(例如,焦距及劑量)。
在操作606處,判定所判定圖案化參數與圖案化系統之對應設定點之間的偏移(若此偏移存在)。偏移係所判定圖案化參數與圖案化系統之對應設定點之間的差。舉例而言,用於圖案化製程中以產生圖案化晶圓的劑量或焦距的設定點可為D1或F1。然而,上述多變數迴歸或基於機器學習之預測模型可基於來自由帶電粒子檢測系統判定之經圖案化基板的尺寸判定由圖案化製程之掃描器使用的實際劑量或焦距為D2或F2。在一些實施例中,在此等值之間可不存在不同。然而,此類差異(例如,D1對D2或F1對F2)可引起在經圖案化晶圓中產生缺陷的圖案化製程中的改變,阻礙產出率或具有其他結果。
在操作608處,基於偏移調整(必要時)圖案化系統。調整圖案化系統可包括使圖案化系統的一或多個圖案化參數發生變化。圖案化參數可自動地或以其他方式由處理器(例如,電腦控制器)電子調整,由使用者手動地調變或以其他方法調整。在一些實施例中,例如,圖案化製程參數調整可經判定(例如,給定參數應改變的量),且圖案化製程參數可自先前參數設定點調整至新的參數設定點。在一些實施例中,所判定或調整圖案化製程參數包含劑量或焦距,但亦可或替代地包括光瞳形狀、電力設定,或其他半導體裝置製造製程參數。作為一實例,若製程參數為新劑量,則掃描器可自舊或先前劑量調整至所判定(例如,新)劑量。考慮若干其他相似實例。
圖6B及圖6C繪示用於使用帶電粒子檢測系統判定由圖案化系統使用之一或多個圖案化參數的額外或替代性方法610及630。在一些實施例中,方法610或630之操作中的一或多者可與上述方法600之操作中的一或多者相同或重疊。在一些實施例中,方法610或630之操作中的一或多者可結合方法600之操作中的一或多者使用。在一些實施例中,方法600、610及630之操作中的每一者可經混合且匹配以形成並未展示於圖6A、圖6B或圖6C中但操作各自在本文中描述的方法。
在一些實施例中,類似於展示於圖6A中之方法600,非暫時性電腦可讀媒體(例如,相同或類似於與圖6A之操作相關聯之媒體的媒體)儲存指令,該等指令在由電腦執行時使該電腦執行操作612至624 (圖6B)、操作632至640(圖6C)或其他操作中的一或多者。方法610及630的操作亦意欲為說明性的。在一些實施例中,方法610及630可用未描述的一或多個額外操作或不用所論述之一或多個操作來實現。另外,方法610及630之操作圖示於圖6B及圖6C中且本文中描述的次序並非意欲為限制性的。如上文所述,方法610及630之操作中的許多操作對應於上述方法600的操作,且方法600之操作的描述適用於方法610及630的對應操作(且因此下文可不重複)。
方法610包含:藉由橫越製程窗口發生變化的一或多個訓練參數圖案化(操作612)訓練基板,自訓練基板判定(操作614)訓練尺寸,判定(操作616)訓練參數與訓練尺寸之間的關係,用帶電粒子檢測系統檢測(操作618)經圖案化基板以判定經圖案化基板之一或多個尺寸,基於關係及經圖案化基板之一或多個所判定尺寸判定(操作620)一或多個圖案化參數,判定(操作622)經判定圖案化參數與圖案化系統之對應設定點之間的偏移,及基於偏移調整(操作624)圖案化系統,或其他操作。在一些實施例中,一或多個圖案化參數及圖案化系統係與極紫外線(EUV)圖案化製程相關聯。在一些實施例中,圖案化系統為或包括用於半導體微影製程中之掃描器,且帶電粒子檢測系統為SEM。
在操作612處,使用橫越製程窗口發生變化的一或多個訓練參數來圖案化訓練基板。製程窗口包含一或多個圖案化參數的與常規生產圖案化製程相關聯之變化。在一些實施例中,訓練參數包含訓練劑量、訓練焦距(橫越FEM矩陣發生變化)或其他訓練參數(例如,如上文所述)。
在操作614處,判定來自訓練基板的訓練尺寸。訓練尺寸使用帶電粒子檢測系統判定。帶電粒子檢測系統具有視場(例如,至少兩微米寬),其經組態以在視場內在訓練基板上包括最小臨限數目個圖案類型(例如,如上文所述)。再者,圖案類型包含經圖案化基板之多個特徵中的一者,特徵對訓練參數橫越製程窗口之變化不同地做出回應。訓練尺寸係基於視場中之最小臨限數目個圖案類型(例如,三個圖案類型)來判定。在一些實施例中,訓練尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)、局部置放誤差(LPE),或其他尺寸。
在操作616處,判定訓練參數與訓練尺寸之間的關係。關係(1)使用多變數迴歸或(2)由基於機器學習之預測模型來判定,基於機器學習之預測模型係使用訓練尺寸及訓練參數來訓練。多變數迴歸包含線性迴歸、多項式迴歸、基於機器學習之非線性迴歸,或其他迴歸。基於機器學習之預測模型藉由提供對應數對訓練尺寸及訓練參數至基於機器學習之預測模型作為輸入來訓練(例如,如上文所述)。
在操作618處,用帶電粒子檢測系統檢測經圖案化基板以判定經圖案化基板之一或多個尺寸。經圖案化基板係使用圖案化系統及一或多個圖案化參數來產生。如上文所述,一或多個圖案化參數可為或包括特定焦距及劑量。
在操作620處,一或多個圖案化參數基於關係及經圖案化基板之一或多個所判定尺寸來判定。舉例而言,一或多個所判定尺寸可被用作多變數迴歸或基於機器學習之預測模型的輸入,當接著基於輸入來輸出一或多個圖案化參數。
在操作622處,判定所判定圖案化參數與圖案化系統之對應設定點之間的偏移。在操作624處,基於該偏移調整圖案化系統。
方法630包含:判定(操作632)訓練參數與訓練尺寸之間的關係,用帶電粒子檢測系統(例如,SEM)檢測(操作634)生產基板(例如,晶圓),應用(操作636)該關係以基於經圖案化基板之所判定尺寸來判定一或多個圖案化參數,判定(操作638)所判定圖案化參數與圖案化系統之對應設定點之間的偏移,及基於該偏移調整(操作640)圖案化系統,或其他操作。如同方法610一般,在一些實施例中,一或多個圖案化參數及圖案化系統係與極紫外線(EUV)圖案化製程相關聯。在一些實施例中,圖案化系統為或包括用於半導體微影製程中之掃描器,且帶電粒子檢測系統為SEM。
在操作632處,判定訓練參數與訓練尺寸之間的關係。如上文所述,訓練基板藉由橫越製程窗口發生變化的一或多個訓練參數來圖案化。訓練尺寸使用帶電粒子檢測系統自訓練基板判定;且關係(1)使用多變數迴歸或(2)藉由基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用訓練尺寸及訓練參數來訓練。
在操作634處,用帶電粒子檢測系統(例如,SEM)檢測生產基板(例如,晶圓)。生產基板係使用圖案化系統及一或多個圖案化參數來產生。生產基板可藉由常規圖案化製程產生。如上文所述,常規圖案化製程為半導體製造製程。常規生產圖案化製程可包括用於生產大量經圖案化基板之正常階段中的任何圖案化製程。常規生產圖案化製程可具有若干製程步驟,該等製程步驟各自具有界定製程窗口的參數,該製程窗口用以生產經圖案化基板(其可包括例如功能積體電路)。
在操作636處,關係經應用以基於圖案化基板的所判定尺寸來判定一或多個圖案化參數。此情形可包含:應用經訓練模型(關於來自訓練基板的尺寸進行訓練),使用自常規生產經圖案化基板判定的尺寸作為輸入(例如,基於經圖案化基板之一或多個所判定尺寸)以判定(或輸出)一或多個圖案化參數(例如,焦距及劑量)。此情形亦可包含:使用由多變數迴歸判定之關係及自常規生產經圖案化基板判定的尺寸作為輸入來判定(或輸出)一或多個圖案化參數。
在操作638處,判定所判定圖案化參數與圖案化系統之對應設定點之間的偏移。在操作640處,基於偏移調整圖案化系統(如上文所述)。
圖7繪示使用本文中所描述之技術的預測對輸入相關的實例。換言之,圖7繪示本文中描述之技術如所預期起作用的證明。圖7繪示製程參數設定點708、710、712及714與經由如本文中所描述之多變數迴歸或基於機器學習之預測模型獲得的製程參數判定結果(預測結果) 716、718、720、722之間的相關700、702、704及706。相關700及704在訓練階段期間獲得,且相關702及706在驗證階段期間進行。相關700及702針對焦距進行,且相關704及706針對劑量進行。如圖7中所展示,每一緯斜及R
2(擬合優度)值幾乎為1.000,從而指示製程參數設定點708至714與製程參數判定(預測)716至722之間的強相關。
為了產生展示於圖7中之資料,多個訓練晶圓根據焦距曝光矩陣(FEM-如上文所述)來曝光。CD及CDU資料針對五個不同圖案類型判定。如圖7中所展示,使用本文所述之技術產生針對焦距及劑量兩者的95%以上之圖案化參數判定(預測)準確度。不同於現有技術,此結果藉由使用實際IC圖案在生產圖案特徵區域(並非在專用標記上)進行量測來獲得,且劑量及焦距兩者使用對於成像區域相同的資料來判定。
為了產生展示於圖7中之資料,大約90%的所獲得資料用於訓練迴歸或基於機器學習之模型(例如,用於上述訓練階段中),且資料的剩餘部分用以驗證圖案化參數判定(預測)準確度(例如,用於上述驗證階段中)。對於驗證階段(相關702及706),焦距預測(參見相關702)具有約98.1%的R
2相關(約+/-10 nm的焦距準確度);且劑量預測(參見相關706)具有約98.7%的R
2(約+/-0.3 mJ的劑量精準確度)。
圖8繪示在用帶電粒子檢測系統對訓練基板進行成像時增大視場中圖案類型之數目如何增強(最終)圖案化製程參數判定(預測)準確度。圖8繪示800 R
2值802 (例如,指示實際值與預測值之間的擬合優度)隨著圖案類型804的數目針對焦距806及劑量808兩者增大(至三個或三個以上)如何增大越過0.9的下限且逼近1.0(請注意,劑量808需要僅一個圖案類型804)。圖8亦繪示810當接著圖案類型814之數目對於焦距816及劑量818兩者為三個或三個以上時預測圖案化製程參數值對實際圖案化製程參數值的緯斜812如何係在0.9的下限與1.1的上限之間(且非常接近1.0)(再次注意到,劑量818需要僅一個圖案類型814)。如圖8中所展示,當使用一或甚至兩個圖案類型時,預測擬合優度(例如,對於焦距806、816)可低於0.9且緯斜不大靠近1.0。圖案類型804、814愈多,圖案化製程參數判定(預測)準確度愈好。
視場中圖案類型的數目係關於帶電粒子檢測系統之視場的大小。視場之大小調節擬合於視場內之圖案類型的數目。圖9繪示帶電粒子檢測系統之視場的大小(寬度)如何影響(最終)圖案化製程參數判定(預測)準確度。圖9繪示900 R
2值902 (例如,指示實際值與預測值之間的擬合優度)隨著視場之大小(寬度) 904針對焦距906及劑量908兩者增大(例如,超過2000 nm或兩微米)時如何增大橫越下限0.9且逼近1.0。如圖9中所展示,當視場大小(寬度)904小於兩微米時,R
2值低於0.9。視場愈大,預測就愈準確。
圖10為可用於本文所述之操作中之一或多者的實例電腦系統CS (其可類似或相同於圖3中所展示之CL)的圖。電腦系統CS包括用於傳達資訊之匯流排BS或其他通信機構,及與匯流排BS耦接以處理資訊之處理器PRO (或多個處理器)。電腦系統CS亦包括耦合至匯流排BS以用於儲存待由處理器PRO執行之資訊及指令的主記憶體MM,諸如隨機存取記憶體(RAM)或其他動態儲存裝置。主記憶體MM亦可用於在處理器PRO執行指令期間儲存暫時性變數或其他中間資訊。電腦系統CS進一步包括耦接至匯流排BS以用於儲存用於處理器PRO之靜態資訊及指令的唯讀記憶體(ROM) ROM或其他靜態儲存裝置。提供諸如磁碟或光碟之儲存裝置SD,且將儲存裝置SD耦接至匯流排BS以用於儲存資訊及指令。
電腦系統CS可經由匯流排BS耦接至用於向電腦使用者顯示資訊之顯示器DS,諸如陰極射線管(CRT),或平板或觸控面板顯示器。包括文數字及其他按鍵之輸入裝置ID耦接至匯流排BS以用於將資訊及命令選擇傳達至處理器PRO。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PRO且用於控制顯示器DS上之游標移動的游標控制件CC,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(例如,x)及第二軸(例如,y))上之兩個自由度,從而允許該裝置指定平面中之位置。觸控面板(螢幕)顯示器亦可被用作輸入裝置。
在一些實施例中,本文中所描述之一或多種方法的部分可藉由電腦系統CS回應於處理器PRO執行主記憶體MM中所含有之一或多個指令的一或多個序列而執行。可將此等指令自另一電腦可讀媒體(諸如儲存裝置SD)讀取至主記憶體MM中。主記憶體MM中所包括之指令序列的執行使得處理器PRO進行本文中所描述之程序步驟(操作)。呈多處理配置之一或多個處理器亦可用於執行主記憶體MM中所含有之指令序列。在一些實施例中,可代替或結合軟體指令而使用硬連線電路。因此,本文中之描述不限於硬體電路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PRO以供執行之任何媒體。此媒體可採用許多形式,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SD。揮發性媒體包括動態記憶體,諸如主記憶體MM。傳輸媒體包括同軸纜線、銅線及光纖,包括包含匯流排BS之導線。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。電腦可讀媒體可為非暫時性的,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。非暫時性電腦可讀媒體可具有記錄於其上之(機器可讀)指令。該等指令在由電腦執行時可實施本文中所描述之操作中之任一者。暫時性電腦可讀媒體可包括例如載波或其他傳播電磁信號。
各種形式之電腦可讀媒體可涉及於將一或多個機器可讀指令之一或多個序列攜載至處理器PRO以供執行。舉例而言,初始地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內,且使用數據機經由電話線而發送指令。在電腦系統CS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BS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BS上。匯流排BS將資料攜載至主記憶體MM,處理器PRO自該主記憶體擷取且執行指令。由主記憶體MM接收之指令可視情況在由處理器PRO執行之前或之後儲存於儲存裝置SD上。
藉助於一實例,對於SEM (例如,如上文所述),可提供電腦可讀媒體,該電腦可讀媒體儲存控制器(例如,CS)之處理器(PRO)的指令,該等指令用以進行影像檢測、影像獲取,啟動帶電粒子源,調整像散補償器的電激勵,調整電子的導降能量,調整接物鏡激勵,調整次級電子偵測器位置及定向、載物台運動控制、射束分離器激勵,施加掃描偏轉電壓至射束偏轉器,接收並處理與來自電子偵測器之信號資訊相關聯的資料,組態靜電元件,偵測信號電子,調整控制電極電位,調整施加至電子源、提取器電極及樣本的電壓等。
電腦系統CS亦可包括耦合至匯流排BS之通信介面CI。通信介面CI提供與網路鏈路NDL之雙向資料通信耦接,該網路鏈路NDL連接至區域網路LAN。舉例而言,通信介面CI可為整合服務數位網路(ISDN)卡或數據機以提供與相應類型之電話線的資料通信連接。作為另一實例,通信介面CI可為區域網路(LAN)卡以提供與相容LAN的資料通信連接。亦可實施無線鏈路。在任何此實施中,通信介面CI發送且接收攜載表示各種類型之資訊之數位資料流的電信號、電磁信號或光學信號。
網路鏈路NDL通常通過一或多個網路提供與其他資料裝置之資料通信。舉例而言,網路鏈路NDL可通過區域網路LAN提供與主機電腦HC之連接。此可包括經由全球封包資料通信網路(現在通常稱為「網際網路」INT)而提供資料通信服務。區域網路LAN (網際網路)可使用攜載數位資料串流的電、電磁或光學信號。通過各種網路之信號及在網路資料鏈路NDL上且通過通信介面CI之信號為輸送資訊的例示性載波形式,該等信號將數位資料攜載至電腦系統CS且自該電腦系統攜載數位資料。
電腦系統CS可通過網路、網路資料鏈路NDL及通信介面CI發送訊息及接收資料(包括程式碼)。在網際網路實例中,主機電腦HC可經由網際網路INT、網路資料鏈路NDL、區域網路LAN及通信介面CI傳輸用於應用程式之經請求程式碼。例如,一個此經下載應用程式可提供本文中所描述之方法的全部或部分。所接收程式碼可在接收其時由處理器PRO執行,或儲存於儲存裝置SD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CS可獲得呈載波之形式之應用程式碼。
圖11為可用於或促進本文中所描述之操作中之一或多者的另一微影投影設備(LPA)之示意圖。圖11中所示之LPA與圖1中所示之設備類似或相同。LPA可包括源收集器模組SO、經組態以調節輻射射束B (例如,EUV輻射)之照明系統(照明器) IL、圖案化裝置台T、基板台WT及投影系統PS。圖案化裝置台T可經建構以支撐圖案化裝置(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裝置之第一定位器PM。基板台(例如,晶圓台) WT可經建構以固持基板(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。投影系統(例如,反射性投影系統) PS可經組態以將由圖案化裝置MA賦予給輻射射束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。
如此實例中所展示,LPA可屬於反射類型(例如,使用反射圖案化裝置)。應注意,因為大多數材料在EUV波長範圍內具吸收性,所以圖案化裝置可具有包含(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,其中每一層之厚度為四分之一波長。可運用X射線微影來產生甚至更小的波長。因為大多數材料在EUV及x射線波長下具吸收性,所以圖案化裝置構形(topography)上之經圖案化吸收材料薄片段(例如,多層反射器之頂部上之TaN吸收器)界定特徵將印刷(正型抗蝕劑)或不印刷(負型抗蝕劑)之位置。
照明器IL可自源收集器模組SO接收極紫外輻射射束。用以產生EUV輻射之方法包括但未必限於用在EUV範圍內之一或多種發射譜線將具有至少一元素(例如,氙、鋰或錫)之材料轉換成電漿狀態。在一種此類方法(常常被稱為雷射產生電漿(「LPP」))中,可藉由用雷射射束來輻照燃料(諸如,具有譜線發射元素之材料小滴、串流或叢集)而產生電漿。源收集器模組SO可為包括雷射(圖11中未展示)之EUV輻射系統之部分,該雷射用於提供激發燃料之雷射射束。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射束時,雷射與源收集器模組可為分離實體。在此實例中,可不認為雷射形成微影設備之部分,且輻射射束可憑藉包含例如合適導向鏡或射束擴展器之射束遞送系統而自雷射傳遞至源收集器模組。在其他實例中,舉例而言,當源為放電產生電漿EUV產生器(通常稱為DPP源)時,源可為源收集器模組之整體部分。
照明器IL可包含用於調整輻射射束之角強度分佈之調整器。通常,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或內部徑向範圍(通常分別被稱作σ-外部及σ-內部)。另外,照明器IL可包含各種其他組件,諸如,琢面化場鏡面裝置及琢面化光瞳鏡面裝置。照明器可用以調節輻射射束,以在其橫截面中具有所要的均一性及強度分佈。
輻射射束B可入射於由圖案化裝置台T固持之圖案化裝置(例如,遮罩) MA上,且由該圖案化裝置圖案化。在自圖案化裝置(例如,遮罩) MA反射後,輻射射束B穿過投影系統PS,投影系統PS將射束聚焦至基板W之目標部分C上。藉助於第二定位器PW及位置感測器PS2 (例如,干涉量測裝置、線性編碼器或電容式感測器),基板台WT可準確地移動(例如,以在輻射射束B之路徑中定位不同的目標部分C)。類似地,第一定位器PM及另一位置感測器PS1可用以相對於輻射射束B之路徑來準確定位圖案化裝置(例如光罩) MA。可使用圖案化裝置對準標記M1、M2及基板對準標記P1、P2來對準圖案化裝置(例如,遮罩) MA與基板W。
所描繪之設備LPA可用於以下模式中之至少一者:步進模式、掃描模式及靜止模式。在步進模式中,圖案化裝置台T及基板台WT保持基本上靜止,同時賦予至輻射射束之整個圖案一次性投影於目標部分C上(亦即,單一靜態曝光)。接著,使基板台WT在X或Y方向上移位以使得可曝光不同目標部分C。在掃描模式中,在將賦予至輻射射束之圖案投影至目標部分C上時,同步地掃描圖案化裝置台T及基板台WT (亦即,單次動態曝光)。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相對於圖案化裝置台T之速度及方向。在靜止模式中,圖案化裝置台T保持基本上靜止,從而固持可程式化圖案化裝置,且基板台WT經移動或掃描,同時賦予至輻射射束之圖案投影於目標部分C上。在此模式中,通常使用脈衝式輻射源,且在基板台WT之每一移動之後或在一掃描期間的順次輻射脈衝之間根據需要而更新可程式化圖案化裝置。此操作模式可易於應用於利用可程式化圖案化裝置(諸如,上文所提及之類型之可程式化鏡面陣列)之無光罩微影。
圖12為圖11 (或圖1)中所展示之微影投影設備的更詳細視圖。如圖12中所展示,LPA可包括源收集器模組SO、照明系統IL及投影系統PS。源收集器模組SO經組態以使得可將真空環境維持於源收集器模組SO之圍封結構220中。可藉由放電產生電漿源來形成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)產生EUV輻射,其中產生熱電漿210以發射在電磁光譜之EUV範圍內之輻射。藉由例如產生至少部分地離子化之電漿之放電來產生熱電漿210。為了輻射之高效率產生,可需要為(例如) 10 Pa之分壓的Xe、Li、Sn蒸汽或任何其他合適氣體或蒸汽。在一些實施例中,提供受激發錫(Sn)之電漿以產生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 (在一些狀況下,亦被稱作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。污染物截留器或污染物障壁截留器230 (下文所描述)亦包括通道結構。收集器腔室211可包括可為所謂的掠入射收集器之輻射收集器CO。輻射收集器CO具有上游輻射收集器側部251及下游輻射收集器側部252。橫穿收集器CO之輻射可自光柵光譜濾光器240反射以沿著由線「O」指示之光軸而聚焦於虛擬源點IF上。虛擬源點IF通常被稱作中間焦點,且源收集器模組經配置以使得中間焦點IF位於封閉結構220中之開口221處或靠近開口221。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,照明系統IL可包括琢面化場鏡面裝置22及琢面化光瞳鏡面裝置24,琢面化場鏡面裝置22及琢面化光瞳鏡面裝置24經配置以提供在圖案化裝置MA處之輻射射束21之所要角分佈,以及在圖案化裝置MA處之輻射強度之所要均一性。在由圖案化裝置台T固持之圖案化裝置MA處反射輻射射束21後,形成經圖案化射束26,且經圖案化射束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。比所展示元件多的元件通常可存在於照明光學件單元IL及投影系統PS中。取決於例如微影設備之類型,可視情況存在光柵濾光片240。另外,可存在比諸圖所展示之鏡面多的鏡面,例如,在投影系統PS中可存在比圖12所展示之反射元件多1至6個的額外反射元件。
如圖12中所繪示之收集器光學件CO被描繪為具有掠入射反射器253、254及255之巢狀收集器,僅僅作為收集器(或收集器鏡面)之一實例。掠入射反射器253、254及255經安置成圍繞光軸O軸向地對稱,且此類型之收集器光學件CO可結合常常被稱為DPP源之放電產生電漿源而使用。
在後續經編號條項清單中揭示各種實施例:
1. 一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的方法,該方法包含:藉由該帶電粒子檢測系統檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸,其中該經圖案化基板係使用該圖案化系統及該一或多個圖案化參數來產生;及基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數,其中:該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測,該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。
2. 如條項1之方法,其中該一或多個圖案化參數包含焦距及劑量。
3. 如前述條項中任一項之方法,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(1)
4. 如前述條項中任一項之方法,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(1)
5. 如前述條項中任一項之方法,其中該視場為至少兩微米寬。(1)
6. 如前述條項中任一項之方法,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該圖案化製程窗口之變化不同地做出回應。(1)
7. 如前述條項中任一項之方法,其中該最小臨限數目個圖案類型包含三個圖案類型。(1)
8. 如前述條項中任一項之方法,其進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(1)
9. 如前述條項中任一項之方法,其進一步包含基於該偏移調整該圖案化系統。(8)
10. 如前述條項中任一項之方法,其中該關係係使用多變數迴歸來判定。(1)
11. 如前述條項中任一項之方法,其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(10)
12. 如前述條項中任一項之方法,其中該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。(1)
13. 如前述條項中任一項之方法,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(1)
14. 如前述條項中任一項之方法,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(1)
15. 如前述條項中任一項之方法,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(1)
16. 一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的系統,該系統包含:一帶電粒子檢測系統,其經組態以檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸,其中該經圖案化基板係使用該圖案化系統及該一或多個圖案化參數來產生;及一或多個處理器,其由機器可讀指令組態以:基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數,其中:該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測,該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。
17. 如條項16之系統,其中該一或多個圖案化參數包含焦距及劑量。
18. 如前述條項中任一項之系統,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(16)
19. 如前述條項中任一項之系統,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(16)
20. 如前述條項中任一項之系統,其中該視場為至少兩微米寬。(16)
21. 如前述條項中任一項之系統,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該圖案化製程窗口之變化不同地做出回應。(16)
22. 如前述條項中任一項之系統,其中該最小臨限數目個圖案類型包含三個圖案類型。(16)
23. 如前述條項中任一項之系統,其中該一或多個處理器進一步經組態以判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(16)
24. 如前述條項中任一項之系統,其中該一或多個處理器進一步經組態以基於該偏移調整該圖案化系統。(23)
25. 如前述條項中任一項之系統,其中該關係係使用多變數迴歸來判定。(16)
26. 如前述條項中任一項之系統,其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(25)
27. 如前述條項中任一項之系統,其中該一或多個處理器經組態使得該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。(16)
28. 如前述條項中任一項之系統,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(16)
29. 如前述條項中任一項之系統,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(16)
30. 如前述條項中任一項之系統,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(16)
31. 一種非暫時性電腦可讀媒體,其上具有指令,該等指令在由一電腦執行時引起包含以下各者之操作:用一帶電粒子檢測系統檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸,其中該經圖案化基板係使用一圖案化系統及一或多個圖案化參數來產生;及基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數,其中:該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測,該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。
32. 如條項31之媒體,其中該一或多個圖案化參數包含焦距及劑量。(31)
33. 如前述條項中任一項之媒體,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(31)
34. 如前述條項中任一項之媒體,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(31)
35. 如前述條項中任一項之媒體,其中該視場為至少兩微米寬。(31)
36. 如前述條項中任一項之媒體,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該圖案化製程窗口之變化不同地做出回應。(31)
37. 如前述條項中任一項之媒體,其中該最小臨限數目個圖案類型包含三個圖案類型。(31)
38. 如前述條項中任一項之媒體,該等操作進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(31)
39. 如前述條項中任一項之媒體,該等操作進一步包含基於該偏移調整該圖案化系統。(38)
40. 如前述條項中任一項之媒體,其中該關係係使用多變數迴歸來判定。(31)
41. 如前述條項中任一項之媒體,其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(40)
42. 如前述條項中任一項之媒體,其中該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。(31)
43. 如前述條項中任一項之媒體,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(31)
44. 如前述條項中任一項之媒體,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(31)
45. 如前述條項中任一項之媒體,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(31)
46. 一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的方法,該方法包含:使用該圖案化系統藉由橫越一製程窗口發生變化的一或多個訓練參數來圖案化一訓練基板;使用該帶電粒子檢測系統自該訓練基板判定訓練尺寸;判定該等訓練參數與該等訓練尺寸之間的一關係,其中該關係(1)使用多變數迴歸或(2)由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練;藉由該帶電粒子檢測系統檢測一圖案化基板以判定該圖案化基板之一或多個尺寸,其中該圖案化基板係使用該圖案化系統及該一或多個圖案化參數產生;及基於該關係及該圖案化基板之一或多個所判定尺寸來判定該一或多個圖案化參數。
47. 如前述條項中任一項之方法,其中該一或多個圖案化參數包含焦距及劑量。(46)
48. 如前述條項中任一項之方法,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(46)
49. 如前述條項中任一項之方法,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(46)
50. 如前述條項中任一項之方法,其中該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。(46)
51. 如前述條項中任一項之方法,其中該視場為至少兩微米寬。(50)
52. 如前述條項中任一項之方法,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該製程窗口之變化不同地做出回應。(50)
53. 如前述條項中任一項之方法,其中該最小臨限數目個圖案類型包含三個圖案類型。(50)
54. 如前述條項中任一項之方法,其進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(46)
55. 如前述條項中任一項之方法,其進一步包含基於該偏移調整該圖案化系統。(54)
56. 如前述條項中任一項之方法,其中該關係係使用多變數迴歸來判定,且其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(46)
57. 如前述條項中任一項之方法,其中該基於機器學習之預測模型藉由提供對應數對訓練尺寸及訓練參數至該基於機器學習之預測模型作為輸入來進行訓練。(46)
58. 如前述條項中任一項之方法,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(46)
59. 如前述條項中任一項之方法,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(46)
60. 如前述條項中任一項之方法,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(46)
61. 一種用於判定一或多個圖案化參數的系統,該系統包含:一圖案化系統,其經組態以藉由橫越一製程窗口發生變化的一或多個訓練參數來圖案化一訓練基板;一帶電粒子檢測系統,其經組態以自該訓練基板判定訓練尺寸;及一或多個處理器,其由機器可讀指令組態以判定該等訓練參數與該等訓練尺寸之間的一關係,其中該關係(1)使用多變數迴歸或(2)由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練;其中該帶電粒子檢測系統用以檢測一圖案化基板以判定該圖案化基板之一或多個尺寸;其中該圖案化基板係使用該圖案化系統及該一或多個圖案化參數來產生;且其中該一或多個處理器經組態以基於該關係及該圖案化基板之一或多個所判定尺寸來判定該一或多個圖案化參數。
62. 如前述條項中任一項之系統,其中該一或多個圖案化參數包含焦距及劑量。(61)
63. 如前述條項中任一項之系統,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(61)
64. 如前述條項中任一項之系統,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(61)
65. 如前述條項中任一項之系統,其中該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。(61)
66. 如前述條項中任一項之系統,其中該視場為至少兩微米寬。(65)
67. 如前述條項中任一項之系統,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該製程窗口之變化不同地做出回應。(65)
68. 如前述條項中任一項之系統,其中該最小臨限數目個圖案類型包含三個圖案類型。(65)
69. 如前述條項中任一項之系統,其中該一或多個處理器進一步經組態以判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(61)
70. 如前述條項中任一項之系統,其中該一或多個處理器進一步經組態以基於該偏移調整該圖案化系統。(69)
71. 如前述條項中任一項之系統,其中該關係係使用多變數迴歸來判定,且其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(61)
72. 如前述條項中任一項之系統,其中該基於機器學習之預測模型藉由提供對應數對訓練尺寸及訓練參數至該基於機器學習之預測模型作為輸入來進行訓練。(61)
73. 如前述條項中任一項之系統,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(61)
74. 如前述條項中任一項之系統,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(61)
75. 如前述條項中任一項之系統,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(61)
76. 一種非暫時性電腦可讀媒體,其上具有指令,該等指令在由一電腦執行時引起包含以下各者之操作:使用一圖案化系統藉由橫越一製程窗口發生變化的一或多個訓練參數來圖案化一訓練基板;使用一帶電粒子檢測系統自該訓練基板判定訓練尺寸;判定該等訓練參數與該等訓練尺寸之間的一關係,其中該關係(1)使用多變數迴歸或(2)由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練;藉由該帶電粒子檢測系統檢測一圖案化基板以判定該圖案化基板之一或多個尺寸,其中該圖案化基板係使用該圖案化系統及該一或多個圖案化參數來產生;及基於該關係及該圖案化基板之一或多個所判定尺寸來判定該一或多個圖案化參數。
77. 如前述條項中任一項之媒體,其中該一或多個圖案化參數包含焦距及劑量。(76)
78. 如前述條項中任一項之媒體,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(76)
79. 如前述條項中任一項之媒體,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(76)
80. 如前述條項中任一項之媒體,其中該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。(76)
81. 如前述條項中任一項之媒體,其中該視場為至少兩微米寬。(80)
82. 如前述條項中任一項之媒體,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該製程窗口之變化不同地做出回應。(80)
83. 如前述條項中任一項之媒體,其中該最小臨限數目個圖案類型包含三個圖案類型。(80)
84. 如前述條項中任一項之媒體,該等操作進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(76)
85. 如前述條項中任一項之媒體,該等操作進一步包含基於該偏移調整該圖案化系統。(84)
86. 如前述條項中任一項之媒體,其中該關係係使用多變數迴歸來判定,且其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(76)
87. 如前述條項中任一項之媒體,其中該基於機器學習之預測模型藉由提供對應數對訓練尺寸及訓練參數至該基於機器學習之預測模型作為輸入來進行訓練。(76)
88. 如前述條項中任一項之媒體,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(76)
89. 如前述條項中任一項之媒體,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(76)
90. 如前述條項中任一項之媒體,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(76)
91. 一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的方法,該方法包含:藉由該帶電粒子檢測系統檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸,其中該經圖案化基板係使用該圖案化系統及該一或多個圖案化參數來產生;及基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數,其中:該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測,該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。
92. 如前述條項中任一項之方法,其中該一或多個圖案化參數包含焦距及劑量。(91)
93. 如前述條項中任一項之方法,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(91)
94. 如前述條項中任一項之方法,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(91)
95. 如前述條項中任一項之方法,其中該視場為至少兩微米寬。(91)
96. 如前述條項中任一項之方法,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該圖案化製程窗口之變化不同地做出回應。(91)
97. 如前述條項中任一項之方法,其中該最小臨限數目個圖案類型包含三個圖案類型。(91)
98. 如前述條項中任一項之方法,其進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(91)
99. 如前述條項中任一項之方法,其進一步包含基於該偏移調整該圖案化系統。(98)
100. 如前述條項中任一項之方法,其中該關係係使用多變數迴歸來判定。(91)
101. 如前述條項中任一項之方法,其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(100)
102. 如前述條項中任一項之方法,其中該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。(91)
103. 如前述條項中任一項之方法,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(91)
104. 如前述條項中任一項之方法,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(91)
105. 如前述條項中任一項之方法,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(91)
106. 一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的系統,該系統包含:一帶電粒子檢測系統,其經組態以檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸,其中該經圖案化基板係使用該圖案化系統及該一或多個圖案化參數來產生;及一或多個處理器,其由機器可讀指令組態以:基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數,其中該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測,該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。
107. 如前述條項中任一項之系統,其中該一或多個圖案化參數包含焦距及劑量。(106)
108. 如前述條項中任一項之系統,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(106)
109. 如前述條項中任一項之系統,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(106)
110. 如前述條項中任一項之系統,其中該視場為至少兩微米寬。(106)
111. 如前述條項中任一項之系統,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該圖案化製程窗口之變化不同地做出回應。(106)
112. 如前述條項中任一項之系統,其中該最小臨限數目個圖案類型包含三個圖案類型。(106)
113. 如前述條項中任一項之系統,其中該一或多個處理器進一步經組態以判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(106)
114. 如前述條項中任一項之系統,其中該一或多個處理器進一步經組態以基於該偏移調整該圖案化系統。(113)
115. 如前述條項中任一項之系統,其中該關係係使用多變數迴歸來判定。(106)
116. 如前述條項中任一項之系統,其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(115)
117. 如前述條項中任一項之系統,其中該一或多個處理器經組態使得該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。(106)
118. 如前述條項中任一項之系統,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(106)
119. 如前述條項中任一項之系統,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(106)
120. 如前述條項中任一項之系統,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(106)
121. 一種非暫時性電腦可讀媒體,其上具有指令,該等指令在由一電腦執行時引起包含以下各者之操作:用一帶電粒子檢測系統檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸,其中該經圖案化基板係使用一圖案化系統及一或多個圖案化參數來產生;及基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數,其中:該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測,該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。
122. 如前述條項中任一項之媒體,其中該一或多個圖案化參數包含焦距及劑量。(121)
123. 如前述條項中任一項之媒體,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(121)
124. 如前述條項中任一項之媒體,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(121)
125. 如前述條項中任一項之媒體,其中該視場為至少兩微米寬。(121)
126. 如前述條項中任一項之媒體,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該圖案化製程窗口之變化不同地做出回應。(121)
127. 如前述條項中任一項之媒體,其中該最小臨限數目個圖案類型包含三個圖案類型。(121)
128. 如前述條項中任一項之媒體,該等操作進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(121)
129. 如前述條項中任一項之媒體,該等操作進一步包含基於該偏移調整該圖案化系統。(128)
130. 如前述條項中任一項之媒體,其中該關係係使用多變數迴歸來判定。(121)
131. 如前述條項中任一項之媒體,其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(130)
132. 如前述條項中任一項之媒體,其中該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。(121)
133. 如前述條項中任一項之媒體,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(121)
134. 如前述條項中任一項之媒體,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(121)
135. 如前述條項中任一項之媒體,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(121)
136. 一種用於使用一掃描電子顯微鏡(SEM)判定由一掃描器使用之一或多個半導體微影參數的方法,該方法包含:藉由該SEM檢測一經圖案化半導體晶圓以判定該經圖案化半導體晶圓的一或多個尺寸,其中該經圖案化半導體晶圓使用該掃描器及該一或多個半導體微影參數來產生;基於該一或多個半導體微影參數與該經圖案化半導體晶圓之一或多個所判定尺寸之間的一關係來判定該一或多個半導體微影參數,其中:該關係係基於來自用一或多個訓練參數圖案化之一訓練晶圓的訓練尺寸來判定,該一或多個訓練參數橫越一製程窗口發生變化且係使用該SEM來檢測,該SEM具有一視場,該視場經組態以在該視場中在該訓練晶圓上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定;判定一所判定半導體微影參數與該掃描器之一對應設定點之間的一偏移;及基於該偏移調整該掃描器。
137. 如前述條項中任一項之方法,其中該一或多個圖案化參數包含焦距及劑量,且該掃描器係與一極紫外線(EUV)圖案化製程相關聯。(136)
138. 如前述條項中任一項之方法,其中一圖案類型包含該經圖案化晶圓之多個特徵中的一者,該等特徵對該焦距及劑量橫越該製程窗口之變化不同地做出回應;且其中該視場為至少兩微米寬,且該最小臨限數目個圖案類型包含三個圖案類型。(137)
139. 如前述條項中任一項之方法,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(136)
140. 如前述條項中任一項之方法,其中該關係係使用多變數迴歸來判定,該多變數迴歸包括線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸;或其中該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該一或多個訓練參數來訓練。(136)
141. 一種用於判定由一掃描器使用之一或多個半導體微影參數的系統,該系統包含:一掃描電子顯微鏡(SEM),該掃描電子顯微鏡(SEM)經組態以檢測一經圖案化半導體晶圓以判定一經圖案化半導體晶圓的一或多個尺寸,其中該經圖案化半導體晶圓使用該掃描器及該一或多個半導體微影參數來產生;及一或多個處理器,該一或多個處理器由機器可讀指令組態以:基於該一或多個半導體微影參數與該經圖案化半導體晶圓之一或多個所判定尺寸之間的一關係來判定該一或多個半導體微影參數,其中:該關係由該一或多個處理器基於來自藉由一或多個訓練參數圖案化之一訓練晶圓的訓練尺寸判定,該一或多個訓練參數橫越一製程窗口發生變化且係使用該SEM來檢測,該SEM具有一視場,該視場經組態以在該視場中在該訓練晶圓上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定;判定一所判定半導體微影參數與該掃描器之一對應設定點之間的一偏移;及基於該偏移調整該掃描器。
142. 如前述條項中任一項之系統,其中該一或多個圖案化參數包含焦距及劑量,且該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。
143. 如前述條項中任一項之系統,其中一圖案類型包含該經圖案化晶圓之多個特徵中的一者,該等特徵對該焦距及劑量橫越該製程窗口之變化不同地做出回應;且其中該視場為至少兩微米寬,且該最小臨限數目個圖案類型包含三個圖案類型。(142)
144. 如前述條項中任一項之系統,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(141)
145. 如前述條項中任一項之系統,其中該關係係使用多變數迴歸來判定,該多變數迴歸包括線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸;或其中該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。(141)
146. 一種非暫時性電腦可讀媒體,其上具有指令,該等指令在由一電腦執行時時引起包含以下各者之操作:藉由一掃描電子顯微鏡(SEM)檢測一經圖案化半導體晶圓以判定該經圖案化半導體晶圓的一或多個尺寸,其中該經圖案化半導體晶圓使用一掃描器及一或多個半導體微影參數來產生;基於該一或多個半導體微影參數與該經圖案化半導體晶圓之一或多個所判定尺寸之間的一關係來判定該一或多個半導體微影參數,其中:該關係係基於來自用一或多個訓練參數圖案化之一訓練晶圓的訓練尺寸來判定,該一或多個訓練參數橫越一製程窗口發生變化且係使用該SEM來檢測,該SEM具有一視場,該視場經組態以在該視場中在該訓練晶圓上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定;判定一所判定半導體微影參數與該掃描器之一對應設定點之間的一偏移;及基於該偏移調整該掃描器。
147. 如前述條項中任一項之媒體,其中該一或多個圖案化參數包含焦距及劑量,且該掃描器係與一極紫外線(EUV)圖案化製程相關聯。(146)
148. 如前述條項中任一項之媒體,其中一圖案類型包含該經圖案化晶圓之多個特徵中的一者,該等特徵對焦距及劑量橫越該製程窗口之變化不同地做出回應;且其中該視場為至少兩微米寬,且該最小臨限數目個圖案類型包含三個圖案類型。(147)
149. 如前述條項中任一項之媒體,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(146)
150. 如前述條項中任一項之媒體,其中該關係係使用多變數迴歸來判定,該多變數迴歸包括線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸;或其中該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該一或多個訓練參數來訓練。(146)
151. 一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的方法,該方法包含:判定訓練參數與訓練尺寸之間的一關係,其中:一訓練基板藉由橫越一製程窗口發生變化的一或多個訓練參數來圖案化;使用該帶電粒子檢測系統自該訓練基板判定訓練尺寸;且該關係(1)使用多變數迴歸或(2)由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練;藉由該帶電粒子檢測系統檢測一生產基板以判定該生產基板之一或多個尺寸,其中該生產基板係使用該圖案化系統及該一或多個圖案化參數來產生;及應用該關係以基於該圖案化基板之一或多個所判定尺寸來判定該一或多個圖案化參數。
152. 如前述條項中任一項之方法,其中該一或多個圖案化參數包含焦距及劑量。(151)
153. 如前述條項中任一項之方法,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(151)
154. 如前述條項中任一項之方法,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(151)
155. 如前述條項中任一項之方法,其中該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。(151)
156. 如前述條項中任一項之方法,其中該視場為至少兩微米寬。(155)
157. 如前述條項中任一項之方法,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該製程窗口之變化不同地做出回應。(155)
158. 如前述條項中任一項之方法,其中該最小臨限數目個圖案類型包含三個圖案類型。(155)
159. 如前述條項中任一項之方法,其進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(151)
160. 如前述條項中任一項之方法,其進一步包含基於該偏移調整該圖案化系統。(159)
161. 如前述條項中任一項之方法,其中該關係係使用多變數迴歸來判定,且其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(151)
162. 如前述條項中任一項之方法,其中該基於機器學習之預測模型藉由提供對應數對訓練尺寸及訓練參數至該基於機器學習之預測模型作為輸入來進行訓練。(151)
163. 如前述條項中任一項之方法,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(151)
164. 如前述條項中任一項之方法,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(151)
165. 如前述條項中任一項之方法,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(151)
166. 如前述條項中任一項之方法,其中該等尺寸包含不同多項式次序。(151)
167. 一種用於判定由一圖案化系統使用之一或多個圖案化參數的系統,該系統包含:一或多個處理器,其經組態以判定訓練參數與訓練尺寸之間的一關係,其中:一訓練基板藉由橫越一製程窗口發生變化的一或多個訓練參數來圖案化;使用一帶電粒子檢測系統自該訓練基板訓練尺寸判定訓練尺寸;且該關係(1)使用多變數迴歸或(2)由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練;及帶電粒子檢測系統,該帶電粒子檢測系統經組態以檢測一生產基板以判定該生產基板之一或多個尺寸,其中該生產基板係使用該圖案化系統及該一或多個圖案化參數來產生;且其中該一或多個處理器經組態以應用該關係以基於該圖案化基板之一或多個所判定尺寸來判定該一或多個圖案化參數。
168. 如前述條項中任一項之系統,其中該一或多個圖案化參數包含焦距及劑量。(167)
169. 如前述條項中任一項之系統,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(167)
170. 如前述條項中任一項之系統,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(167)
171. 如前述條項中任一項之系統,其中該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。(167)
172. 如請求項171之系統,其中該視場為至少兩微米寬。(171)
173. 如前述條項中任一項之系統,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該製程窗口之變化不同地做出回應。(171)
174. 如前述條項中任一項之系統,其中該最小臨限數目個圖案類型包含三個圖案類型。(171)
175. 如前述條項中任一項之系統,其中該一或多個處理器進一步經組態以判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(167)
176. 如前述條項中任一項之系統,其中該一或多個處理器進一步經組態以基於該偏移調整該圖案化系統。(175)
177. 如前述條項中任一項之系統,其中該關係係使用多變數迴歸來判定,且其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(167)
178. 如前述條項中任一項之系統,其中該基於機器學習之預測模型藉由提供對應數對訓練尺寸及訓練參數至該基於機器學習之預測模型作為輸入來進行訓練。(167)
179. 如前述條項中任一項之系統,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(167)
180. 如前述條項中任一項之系統,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(167)
181. 如前述條項中任一項之系統,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(167)
182. 如前述條項中任一項之系統,其中該等尺寸包含不同多項式次序。(167)
183. 一種非暫時性電腦可讀媒體,其上具有指令,該等指令在由一電腦執行時引起包含以下各者之操作:判定訓練參數與訓練尺寸之間的一關係,其中:一訓練基板藉由橫越一製程窗口發生變化的一或多個訓練參數來圖案化;使用一帶電粒子檢測系統自該訓練基板判定訓練尺寸;且該關係(1)使用多變數迴歸或(2)由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練;藉由該帶電粒子檢測系統檢測一生產基板以判定該生產基板之一或多個尺寸,其中該生產基板係使用該圖案化系統及該一或多個圖案化參數來產生;及應用該關係以基於該圖案化基板之一或多個所判定尺寸來判定該一或多個圖案化參數。
184. 如前述條項中任一項之媒體,其中該一或多個圖案化參數包含焦距及劑量。(183)
185. 如前述條項中任一項之媒體,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。(183)
186. 如前述條項中任一項之媒體,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。(183)
187. 如前述條項中任一項之媒體,其中該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。(183)
188. 如前述條項中任一項之媒體,其中該視場為至少兩微米寬。(187)
189. 如前述條項中任一項之媒體,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該製程窗口之變化不同地做出回應。(187)
190. 如前述條項中任一項之媒體,其中該最小臨限數目個圖案類型包含三個圖案類型。(187)
191. 如前述條項中任一項之媒體,該等操作進一步包含判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。(183)
192. 如前述條項中任一項之媒體,該等操作進一步包含基於該偏移調整該圖案化系統。(191)
193. 如前述條項中任一項之媒體,其中該關係係使用多變數迴歸來判定,且其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。(183)
194. 如前述條項中任一項之媒體,其中該基於機器學習之預測模型藉由提供對應數對訓練尺寸及訓練參數至該基於機器學習之預測模型作為輸入來進行訓練。(183)
195. 如前述條項中任一項之媒體,其中該圖案化系統為用於一半導體微影製程中之一掃描器。(183)
196. 如前述條項中任一項之媒體,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。(183)
197. 如前述條項中任一項之媒體,其中該帶電粒子檢測系統係一掃描電子顯微鏡(SEM),且該經圖案化基板為一圖案化半導體晶圓。(183)
198. 如前述條項中任一項之媒體,其中該等尺寸包含不同多項式次序。(183)
本文中所揭示之概念可與用於子波長特徵之任何成像、蝕刻、拋光、檢測等等系統一起使用,且可對能夠產生愈來愈短波長之新興成像技術有用。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(extreme ultra violet,EUV)、DUV微影。此外,EUV微影能夠藉由使用同步加速器或藉由運用高能電子來撞擊材料(固體或電漿)而產生在20 nm至50 nm之範圍內的波長,以便產生在此範圍內之光子。
儘管本文中所揭示之概念可用於諸如矽晶圓之基板情況下的製造,但應理解,所揭示概念可供任何類型之製造系統(例如,用於在除矽晶圓以外之基板上製造之製造系統)使用。
此外,所揭示元件之組合及子組合可包含分離的實施例。
以上描述內容意欲為說明性,而非限制性的。因此,對於熟習此項技術者將顯而易見的是,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。
如本文中所使用,除非另外特定陳述,否則術語「或」涵蓋所有可能組合,除非不可行。舉例而言,若陳述組件可包括A或B,則除非另外特定陳述或不可行,否則組件可包括A,或B,或A及B。作為第二實例,若陳述組件可包括A、B或C,則除非另外具體陳述或不可行,否則組件可包括A,或B,或C,或A及B,或A及C,或B及C,或A及B及C。
21:輻射射束
22:琢面化場鏡面裝置
24:琢面化光瞳鏡面裝置
26:經圖案化射束
28:反射元件
30:反射元件
50:帶電粒子檢測設備
52:初級電子束
54:電子源
56:聚光器透鏡
58:射束偏轉器
60:E×B偏轉器
62:物鏡
70:基板
72:次級電子偵測器
74:類比/數位(A/D)轉換器
76:影像處理系統
78:記憶體
80:處理單元
81:帶電粒子束產生器
82:儲存媒體
83:探針形成物鏡模組
84:顯示裝置
85:次級帶電粒子偵測器模組
86:影像形成模組
87:監測模組
88:帶電粒子束偏轉模組
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
94:次級帶電粒子偵測信號
210:EUV輻射發射電漿
211:源腔室
212:收集器腔室
220:封閉結構
221:開口
230:氣體障壁或污染物截留器
240:光柵光譜濾光器
251:上游輻射收集器側部
252:下游輻射收集器側部
253:掠入射反射器
254:掠入射反射器
255:掠入射反射器
600:方法
602:操作
604:操作
606:操作
608:操作
610:方法
612:操作
614:操作
616:操作
618:操作
620:操作
622:操作
624:操作
630:方法
632:操作
634:操作
636:操作
638:操作
640:操作
700:相關
702:相關
704:相關
706:相關
708:製程參數設定點
710:製程參數設定點
712:製程參數設定點
714:製程參數設定點
716:判定
718:判定
720:判定
722:判定
800:繪示
802:R
2值
804:圖案類型
806:焦距
808:劑量
810:繪示
812:緯斜
814:圖案類型
816:焦距
818:劑量
900:繪示
902:R
2值
904:視場之大小
906:焦距
908:劑量
AD:調整構件
B:輻射射束
BD:射束遞送系統
BK:烘烤板
BS:匯流排
C:目標部分
CH:冷卻板
CL:電腦系統
CO:聚光器/輻射收集器
CC:游標控制件
CI:通信介面
CS:實例電腦系統
DE:顯影器
DS:顯示器
ID:輸入裝置
IL:照明系統
IF:干涉量測構件/虛擬源點
IN:積光器
INT:網際網路
I/O1:輸入/輸出埠
I/O2:輸入/輸出埠
HC:主機電腦
LAN:區域網路
LA:微影設備
LPA:微影投影設備
LACU:微影控制單元
LB:裝載匣
LC:微影單元
MA:圖案化裝置
M1:圖案化裝置對準標記
M2:圖案化裝置對準標記
MT:第一物件台
MM:主記憶體
NDL:網路鏈路
O:線
P1:基板對準標記
P2:基板對準標記
PL:透鏡
PM:第一定位器
PRO:處理器
PS:投影系統/物品
PS1:位置感測器
PS2:位置感測器
PW:第二定位器
RO:基板處置器或機器人
ROM:唯讀記憶體
SC:旋塗器
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/源收集器模組
ST:基板台
SD:儲存裝置
T:第一物件台/圖案化裝置台
TCU:塗佈顯影系統控制單元
WT:第二物件台/基板台
W:基板
併入本說明書中且構成本說明書之一部分的隨附圖式繪示一或多個實施例且連同描述內容一起解釋此等實施例。現將參看隨附示意性圖式而僅藉助於實例來描述實施例,在該等圖式中對應參考符號指示對應部件,且在該等圖式中:
圖1為與本發明之實施例一致的微影投影設備之示意圖。
圖2描繪與本發明之實施例一致的微影單元之示意圖綜述。
圖3描繪與本發明之實施例一致的整體微影之示意性表示,從而表示用以最佳化半導體製造之三種技術之間的協作。
圖4示意性地描繪與本發明之實施例一致的帶電粒子(例如,電子射束)檢測設備的實施例。
圖5示意地繪示與本發明之實施例一致的檢測設備的另一實施例。
圖6A繪示與本發明之實施例一致的用於使用帶電粒子檢測系統判定由圖案化系統使用之一或多個圖案化參數的方法。
圖6B繪示與本發明之實施例一致的用於使用帶電粒子檢測系統判定由圖案化系統使用之一或多個圖案化參數的另一方法。
圖6C繪示與本發明之實施例一致的用於使用帶電粒子檢測系統判定由圖案化系統使用之一或多個圖案化參數的又一方法。
圖7繪示與本發明之實施例一致的使用本文中描述之技術的預測對輸入相關實例。
圖8繪示與本發明之實施例一致的增大視場中圖案類型之數目在用帶電粒子檢測系統使訓練基板成像時如何增強圖案化製程參數判定準確度。
圖9繪示與本發明之實施例一致的帶電粒子檢測系統之視場的大小如何影響圖案化製程參數判定(預測)準確度。
圖10為與本發明之實施例一致的實例電腦系統的方塊圖。
圖11為與本發明之實施例一致的另一微影投影設備的示意圖。
圖12為與本發明之實施例一致的微影投影設備(例如,圖示於圖1或圖11中的微影投影設備)之組件的更詳細視圖。
800:繪示
802:R2值
804:圖案類型
806:焦距
808:劑量
810:繪示
812:緯斜
814:圖案類型
816:焦距
818:劑量
Claims (15)
- 一種用於使用一帶電粒子檢測系統判定由一圖案化系統使用之一或多個圖案化參數的系統,該系統包含: 一帶電粒子檢測系統,其經組態以檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸,其中該經圖案化基板係使用該圖案化系統及該一或多個圖案化參數來產生;及 一或多個處理器,其由機器可讀指令組態以: 基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數,其中: 該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測,該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。
- 如請求項1之系統,其中該一或多個圖案化參數包含焦距及劑量。
- 如請求項1之系統,其中該一或多個圖案化參數及該圖案化系統係與一極紫外線(EUV)圖案化製程相關聯。
- 如請求項1之系統,其中該一或多個所判定尺寸包含關鍵尺寸(CD)、關鍵尺寸均一性(CDU)、邊緣置放誤差(EPE)或局部置放誤差(LPE)。
- 如請求項1之系統,其中該視場為至少兩微米寬。
- 如請求項1之系統,其中一圖案類型包含該經圖案化基板之多個特徵中的一者,該等特徵對該等訓練參數橫越該圖案化製程窗口之變化不同地做出回應。
- 如請求項1之系統,其中該最小臨限數目個圖案類型包含三個圖案類型。
- 如請求項1之系統,其中該一或多個處理器進一步經組態以判定一所判定圖案化參數與該圖案化系統之一對應設定點之間的一偏移。
- 如請求項8之系統,其中該一或多個處理器進一步經組態以基於該偏移調整該圖案化系統。
- 如請求項1之系統,其中該關係係使用多變數迴歸來判定。
- 如請求項10之系統,其中該多變數迴歸包含線性迴歸、多項式迴歸,或基於機器學習之非線性迴歸。
- 如請求項1之系統,其中該一或多個處理器經組態使得該關係由一基於機器學習之預測模型來判定,該基於機器學習之預測模型係使用該等訓練尺寸及該等訓練參數來訓練。
- 如請求項1之系統,其中該圖案化系統為用於一半導體微影製程中之一掃描器,該帶電粒子檢測系統為一掃描電子顯微鏡(SEM),且該圖案化基板為一經圖案化半導體晶圓。
- 如請求項1之系統,其中該製程窗口包含該一或多個圖案化參數的與一常規生產圖案化製程相關聯之變化。
- 一種非暫時性電腦可讀媒體,其上具有指令,該等指令在由一電腦執行時引起包含以下各者之操作: 用一帶電粒子檢測系統檢測一經圖案化基板以判定該經圖案化基板之一或多個尺寸,其中該經圖案化基板係使用一圖案化系統及一或多個圖案化參數來產生;及 基於該一或多個圖案化參數與該經圖案化基板之一或多個所判定尺寸之間的一關係來判定該一或多個圖案化參數,其中: 該關係係基於來自用一或多個訓練參數圖案化之一訓練基板的訓練尺寸來判定,該一或多個訓練參數橫越一圖案化製程窗口發生變化且係使用該帶電粒子檢測系統來檢測,該帶電粒子檢測系統具有一視場,該視場經組態以在該視場中在該訓練基板上包括一最小臨限數目個圖案類型,該等訓練尺寸係基於該視場中之該最小臨限數目個圖案類型來判定。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163241632P | 2021-09-08 | 2021-09-08 | |
US63/241,632 | 2021-09-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202326791A true TW202326791A (zh) | 2023-07-01 |
Family
ID=83191871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111131618A TW202326791A (zh) | 2021-09-08 | 2022-08-23 | 使用帶電粒子檢測系統之圖案化參數判定 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN118043740A (zh) |
TW (1) | TW202326791A (zh) |
WO (1) | WO2023036539A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5229872A (en) | 1992-01-21 | 1993-07-20 | Hughes Aircraft Company | Exposure device including an electrically aligned electronic mask for micropatterning |
WO2010037472A2 (en) * | 2008-09-30 | 2010-04-08 | Asml Netherlands B.V. | Method and system for determining a lithographic process parameter |
CN116758012A (zh) * | 2018-06-08 | 2023-09-15 | Asml荷兰有限公司 | 确定与在衬底上的结构相关的感兴趣的特性的方法、掩模版、衬底 |
CN113874787B (zh) * | 2019-05-21 | 2024-04-16 | Asml荷兰有限公司 | 用于确定与期望图案相关联的随机变化的方法 |
US20220404712A1 (en) * | 2019-11-01 | 2022-12-22 | Asml Netherlands B.V | Machine learning based image generation for model base alignments |
-
2022
- 2022-08-09 CN CN202280060396.1A patent/CN118043740A/zh active Pending
- 2022-08-09 WO PCT/EP2022/072341 patent/WO2023036539A1/en unknown
- 2022-08-23 TW TW111131618A patent/TW202326791A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023036539A1 (en) | 2023-03-16 |
CN118043740A (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI785290B (zh) | 用於對影像圖案進行分組以判定在圖案化製程中晶圓行為的裝置及方法 | |
TWI797362B (zh) | 針對模擬系統之用於判定晶圓之層的蝕刻輪廓的方法 | |
TWI808901B (zh) | 用於訓練圖案化製程之機器學習模型之方法及電腦程式產品 | |
TWI765277B (zh) | 用於在半導體製造程序中應用沉積模型之方法 | |
TWI791357B (zh) | 用於選擇與圖案化程序相關聯之資料之方法及相關的非暫時性電腦可讀媒體 | |
TWI643030B (zh) | 基於通過波長相似性之度量衡堅固性 | |
CN109923476B (zh) | 量测目标测量选配方案的自动选择 | |
CN112119355A (zh) | 检查设备的照射源、检查设备和检查方法 | |
TWI623822B (zh) | 用以檢測基板的方法及電腦程式 | |
TW202305499A (zh) | 執行用於訓練機器學習模型以產生特性圖案之方法的非暫時性電腦可讀媒體 | |
KR20210044289A (ko) | 광학 시스템, 계측 장치 및 관련 방법 | |
TW202147035A (zh) | 用於製程度量之察覺製程控制的系統及方法 | |
TWI787561B (zh) | 基於局域電場調整圖案化製程之模型中之目標特徵之方法 | |
TWI625603B (zh) | 用於製程窗特性之裝置及方法 | |
TW202326791A (zh) | 使用帶電粒子檢測系統之圖案化參數判定 | |
EP4148499A1 (en) | Patterning device defect detection systems and methods | |
TW202314769A (zh) | 檢測資料篩選系統及方法 | |
WO2023110318A1 (en) | Machine learning model for asymmetry-induced overlay error correction | |
CN117501184A (zh) | 检查数据滤除系统和方法 |