TW202405585A - 用於度量衡之方法及相關裝置 - Google Patents
用於度量衡之方法及相關裝置 Download PDFInfo
- Publication number
- TW202405585A TW202405585A TW112111435A TW112111435A TW202405585A TW 202405585 A TW202405585 A TW 202405585A TW 112111435 A TW112111435 A TW 112111435A TW 112111435 A TW112111435 A TW 112111435A TW 202405585 A TW202405585 A TW 202405585A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- parameters
- model
- physics
- model component
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 167
- 239000000758 substrate Substances 0.000 claims abstract description 136
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 238000000059 patterning Methods 0.000 claims description 56
- 238000005530 etching Methods 0.000 claims description 39
- 238000005259 measurement Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013461 design Methods 0.000 claims description 15
- 238000004626 scanning electron microscopy Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 description 60
- 235000012431 wafers Nutrition 0.000 description 53
- 238000001459 lithography Methods 0.000 description 49
- 239000010410 layer Substances 0.000 description 34
- 230000005855 radiation Effects 0.000 description 25
- 230000008569 process Effects 0.000 description 21
- 238000005192 partition Methods 0.000 description 20
- 238000012937 correction Methods 0.000 description 16
- 238000013528 artificial neural network Methods 0.000 description 12
- 238000012805 post-processing Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229920002120 photoresistant polymer Polymers 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 235000001892 vitamin D2 Nutrition 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002408 directed self-assembly Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000000671 immersion lithography Methods 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000001878 scanning electron micrograph Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Abstract
本發明揭示一種自在執行該處理步驟之前在圖案化基板上量測之第一度量衡資料推斷與已在其上曝光圖案且已在其上執行處理步驟之該圖案化基板相關的第二度量衡資料的方法。該方法包含獲得包含第一模型組件之一模型。該第一模型組件包含已經訓練以將該第一度量衡資料映射至該第二度量衡資料之一機器學習模型組件,該第一模型組件進一步包含用於接收基於物理的輸入資料之一基於物理的輸入通道。使用如由該基於物理的輸入通道上之該基於物理的輸入資料偏置之該第一模型組件自該第一度量衡資料推斷第二度量衡資料。
Description
本發明係關於經執行以藉由諸如微影之圖案化程序來維持裝置製造中之效能的度量衡之方法。本發明進一步係關於使用微影技術來製造裝置之方法。本發明又進一步係關於用於實施此類方法之電腦程式產品。
微影程序為微影設備將所要圖案施加至基板上、通常施加至基板之目標部分上,在此之後各種處理化學及/或物理處理步驟經由圖案起作用以產生複雜產品之功能特徵的微影程序。圖案於基板上之準確置放為用於減小電路組件及可由微影產生之其他產品之大小的主要挑戰。詳言之,準確地量測基板上已經敷設之該等特徵的挑戰為能夠足夠準確地定位處於疊加之特徵之順次層而以高產量生產工作裝置時的關鍵步驟。特別重要的關注參數為疊對,在現今的亞微米半導體裝置中,通常應將其控制在幾十奈米內,在最關鍵層中控制在幾奈米內。
因此,現代微影設備在實際曝光或以其他方式圖案化處於目標位置之基板之步驟之前涉及廣泛量測或『映射』操作。然而,歸因於產出量要求,通常僅稀疏疊對資料可用。因此,擬合模型(多項式)及/或指示疊對之其他資料(諸如對準資料)可用於導出密集疊對資料映圖。舉例而言,此類方法在以引用之方式併入本文中之US10990018B2中描述。
基於在處理步驟之前量測之度量衡資料,將期望改良關注參數值(諸如如將在諸如蝕刻的處理步驟之後量測之疊對、關鍵尺寸(CD)或邊緣置放誤差(EPE))至關注參數的推斷及/或映射。
根據本發明之一第一態樣,提供一種自在執行該至少一個處理步驟之前在至少一個圖案化基板上量測之第一度量衡資料推斷與已在其上曝光圖案且已在其上執行至少一個處理步驟之該至少一個圖案化基板相關的第二度量衡資料的方法;該方法包含:獲得包含至少一個第一模型組件之一模型,該至少一個第一模型組件包含已經訓練以將該第一度量衡資料映射至該第二度量衡資料之一機器學習模型組件,該第一模型組件進一步包含用於接收基於物理的輸入資料之一基於物理的輸入通道;及使用如由該基於物理的輸入通道上之該基於物理的輸入資料偏置之該第一模型組件自該第一度量衡資料推斷第二度量衡資料。
根據本發明之一第二態樣,提供一種電腦程式產品,其含有用於實施根據如上文所闡述之本發明之第一態樣的方法中之計算步驟的一或多個機器可讀指令序列。
本發明又進一步提供一種包含該第二態樣之該電腦程式之處理配置及度量衡裝置。
將根據對例示性實施例之以下描述及圖式之考慮而瞭解本文中所揭示之設備及方法的此等及其他態樣及優點。
在詳細地描述本發明之實施例之前,呈現可供實施本發明之實施例之實例環境係具指導性的。
圖1示意性地描繪微影設備LA。設備包括:照明系統(照明器) IL,其經組態以調節輻射光束B (例如,UV輻射或DUV輻射);圖案化裝置支撐件或支撐結構(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圖案化裝置之第一定位器PM;兩個基板台(例如,晶圓台) WTa及WTb,其各自經建構以固持基板(例如,抗蝕劑塗佈晶圓) W且各自連接至經組態以根據某些參數來準確地定位基板之第二定位器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,包括一或多個晶粒)上。參考框架RF連接各種組件,且充當用於設置及量測圖案化裝置及基板之位置及圖案化裝置及基板上之特徵之位置的參考。
照明系統可包括用於引導、塑形或控制輻射之各種類型之光學組件,諸如折射、反射、磁性、電磁、靜電或其他類型之光學組件,或其任何組合。舉例而言,在使用極紫外線(EUV)輻射之設備中,通常將使用反射光學組件。
圖案化裝置支撐件以取決於圖案化裝置之定向、微影設備之設計及其他條件(諸如,圖案化裝置是否固持於真空環境中)的方式固持圖案化裝置。圖案化裝置支撐件可使用機械、真空、靜電或其他夾持技術來固持圖案化裝置。圖案化裝置支撐件MT可為例如可視需要而固定或可移動之框架或台。圖案化裝置支撐件可確保圖案化裝置例如相對於投影系統處於所要位置。
本文中所使用之術語「圖案化裝置」應廣泛地解釋為指代可用於在輻射光束之橫截面中向輻射光束賦予圖案以便在基板之目標部分中產生圖案的任何裝置。應注意,舉例而言,若賦予至輻射光束之圖案包括相移特徵或所謂的輔助特徵,則圖案可不確切地對應於基板之目標部分中之所要圖案。通常,賦予至輻射光束之圖案將對應於目標部分中所產生之裝置(諸如,積體電路)中之特定功能層。
如此處所描繪,設備屬於透射類型(例如,採用透射圖案化裝置)。替代地,設備可屬於反射類型(例如,採用如上文所提及之類型之可程式化鏡面陣列,或採用反射遮罩)。圖案化裝置之實例包括遮罩、可程式化鏡面陣列及可程式化LCD面板。可認為本文對術語「倍縮光罩」或「遮罩」之任何使用皆與更一般術語「圖案化裝置」同義。術語「圖案化裝置」亦可解譯為係指以數位形式儲存用於控制此類可程式化圖案化裝置之圖案資訊的裝置。
本文中所使用之術語「投影系統」應廣泛地解釋為涵蓋適於所使用之曝光輻射或適於諸如浸潤液體之使用或真空之使用之其他因素的任何類型之投影系統,包括折射、反射、反射折射、磁性、電磁及靜電光學系統,或其任何組合。可認為本文中對術語「投影透鏡」之任何使用與更一般術語「投影系統」同義。
微影設備亦可屬於以下類型:其中基板之至少一部分可由具有相對高折射率之液體(例如,水)覆蓋,以便填充投影系統與基板之間的空間。浸潤液體亦可施加至微影設備中之其他空間,例如,遮罩與投影系統之間的空間。浸潤技術在此項技術中已為吾人所熟知用於增加投影系統之數值孔徑。
在操作中,照明器IL自輻射源SO接收輻射光束。舉例而言,當源為準分子雷射時,源與微影設備可為單獨實體。在此類情況下,不認為源形成微影設備之部分,且輻射光束係藉助於包括例如合適導向鏡及/或光束擴展器之光束遞送系統BD而自源SO傳遞至照明器IL。在其他情況下,例如當源為汞燈時,源可為微影設備之整體部分。源SO及照明器IL連同光束遞送系統BD (在需要時)可稱為輻射系統。
照明器IL可例如包括用於調整輻射光束之角強度分佈之調整器AD、積光器IN及聚光器CO。照明器可用於調節輻射光束,以在其橫截面中具有所要均勻度及強度分佈。
輻射光束B入射於固持於圖案化裝置支撐件MT上之圖案化裝置MA上,且由圖案化裝置圖案化。在已橫穿圖案化裝置(例如,遮罩) MA的情況下,輻射光束B傳遞通過投影系統PS,該投影系統PS將光束聚焦至基板W之目標部分C上。藉助於第二定位器PW及位置感測器IF (例如,干涉裝置、線性編碼器、2-D編碼器或電容式感測器),可準確地移動基板台WTa或WTb,例如以便將不同目標部分C定位於輻射光束B之路徑中。類似地,第一定位器PM及另一位置感測器(其未在圖1中明確地描繪)可用於例如在自遮罩庫進行機械擷取之後或在掃描期間相對於輻射光束B之路徑來準確地定位圖案化裝置(例如,遮罩) 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(例如,遮罩) MA及基板W。儘管如所說明之基板對準標記佔據專用目標部分,但其可位於目標部分之間的空間中(此等標記稱為切割道對準標記)。類似地,在多於一個晶粒設置於圖案化裝置(例如,遮罩) MA上之情況下,遮罩對準標記可位於晶粒之間。小對準標記亦可在裝置特徵當中包括於晶粒內,在此情況下,需要使標記物儘可能地小且無需與鄰近特徵不同的任何成像或程序條件。下文進一步描述偵測對準標記物之對準系統。
可在多種模式下使用所描繪設備。在掃描模式下,在將賦予至輻射光束之圖案投影至目標部分C上(亦即,單次動態曝光)時,同步地掃描圖案化裝置支撐件(例如,遮罩台) MT及基板台WT。可由投影系統PS之(縮小率)放大率及影像反轉特性來判定基板台WT相對於圖案化裝置支撐件(例如,遮罩台) MT之速度及方向。在掃描模式下,曝光場之最大大小限制單次動態曝光中之目標部分之寬度(在非掃描方向上),而掃描運動之長度判定目標部分之高度(在掃描方向上)。如在此項技術中為吾人所熟知,其他類型之微影設備及操作模式為可能的。舉例而言,步進模式為吾人所知。在所謂的「無遮罩」微影中,使可程式化圖案化裝置保持靜止,但具有改變之圖案,且移動或掃描基板台WT。
亦可採用上文所描述之使用模式之組合及/或變化或完全不同的使用模式。
微影設備LA屬於所謂的雙載物台類型,其具有兩個基板台WTa、WTb以及兩個站-曝光站EXP及量測站MEA-在兩個站之間可交換基板台。在曝光站處曝光一個基板台上之一個基板的同時,可在量測站處將另一基板裝載至另一基板台上且進行各種預備步驟。此情形實現設備之產出量之相當大的增加。在單載物台設備上,針對各基板,需要依序對單載物台執行預備步驟及曝光步驟。預備步驟可包括使用位準感測器LS來映射基板之表面高度輪廓,及使用對準感測器AS來量測基板上之對準標記之位置。若位置感測器IF在基板台處於量測站處以及處於曝光站處時不能夠量測該基板台之位置,則可提供第二位置感測器以使得能夠在兩個站處追蹤基板台相對於參考框架RF之位置。代替所展示之雙載物台配置,其他配置為吾人所知且可用。舉例而言,提供基板台及量測台之其他微影設備為吾人所知。此等基板台及量測台在執行預備量測時銜接在一起,且接著在基板台經歷曝光時不銜接。
如圖2中所展示,微影設備LA形成微影單元LC (有時亦稱為微影單元(lithocell)或群集)之部分,該微影單元LC亦包括用以對基板執行曝光前程序及曝光後程序之設備。習知地,此等裝置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、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,在不同程序設備之間移動該等基板,且接著將該等基板遞送至微影設備之裝載匣LB。常常統稱為塗佈顯影系統之此等裝置在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自身受監督控制系統SCS控制,該監督控制系統SCS亦經由微影控制單元LACU控制微影設備。因此,不同設備可經操作以最大化產出量及處理效率。
為了正確且一致地曝光由微影設備曝光之基板,需要檢測經曝光基板以量測諸如後續層之間的疊對誤差、線厚度、關鍵尺寸(CD)等之屬性。因此,經定位有微影單元LC之製造設施亦包括度量衡系統MET,該度量衡系統MET收納已在微影單元中處理之基板W中的一些或全部。將度量衡結果直接地或間接地提供至監督控制系統SCS。若偵測到誤差,則可對後續基板之曝光進行調整。
在度量衡系統MET內,使用檢測設備來判定基板之屬性,且尤其判定不同基板或同一基板之不同層之屬性如何在不同層之間變化。檢測設備可整合至微影設備LA或微影單元LC中,或可為單獨裝置。為了實現最快速量測,可需要使檢測設備緊接地在曝光之後量測經曝光抗蝕劑層中之屬性。然而,並非所有檢測設備具有足夠靈敏度以對潛影進行有用量測。因此,可在曝光後烘烤步驟(PEB)之後進行量測,該曝光後烘烤步驟通常為對經曝光基板所進行之第一步驟且增加抗蝕劑之經曝光部分與未經曝光部分之間的對比度。在此階段,抗蝕劑中之影像可稱為半潛影(semi-latent)。亦有可能對經顯影抗蝕劑影像進行量測-此時已移除抗蝕劑之經曝光部分或未經曝光部分。此外,已經曝光之基板可經剝離及重工以改良良率或被捨棄,藉此避免對已知有缺陷之基板執行進一步處理。在基板之僅一些目標部分有缺陷的情況下,可僅對良好的彼等目標部分執行其他曝光。
運用度量衡系統MET之度量衡步驟亦可在抗蝕劑圖案已蝕刻至產品層中之後進行。後一可能性限制重工有缺陷之基板的可能性,但可提供關於製造程序整體上之效能之額外資訊。
圖3繪示在圖1之雙載物台設備中曝光基板W上之目標部分(例如晶粒)的步驟。首先將描述根據習知實踐之程序。本發明決不限於所說明之類型的雙載物台設備。熟習此項技術者將認識到,在其他類型之微影設備(例如具有單基板載物台及銜接度量衡載物台之微影設備)中執行類似操作。
量測站MEA處所執行之步驟係在虛線框內之左側,而右側展示曝光站EXP處所執行之步驟。不時地,基板台WTa、WTb中之一者將位於曝光站處,而另一者位於量測站處,如上文所描述。出於此描述之目的,假定基板W已經裝載至曝光站中。在步驟200處,由未展示之機構將新基板W'裝載至設備。並行地處理此等兩個基板以便增加微影設備之產出量。
首先參考新近裝載之基板W',此基板可為先前未經處理之基板,其運用新光阻製備以供在設備中第一次曝光。然而,一般而言,所描述之微影程序將僅僅為一系列曝光及處理步驟中之一個步驟,使得基板W'已經通過此設備及/或其他微影設備若干次,且亦可經歷後續程序。尤其針對改良疊對效能之問題,任務為確保新圖案確切地施加於已經經受圖案化及處理之一或多個循環之基板上之正確位置中。各圖案化步驟可在經施加圖案中引入位置偏差,而後續處理步驟在基板及/或施加至該基板之圖案中漸進地引入失真,該等失真必須經量測及經校正以達成令人滿意的疊對效能。
可在其他微影設備中執行先前及/或後續圖案化步驟(如剛才所提及),且可甚至在不同類型之微影設備中執行先前及/或後續圖案化步驟。舉例而言,裝置製造程序中之在諸如解析度及疊對之參數方面要求極高之一些層相比於要求不高之其他層可在更進階微影工具中予以執行。因此,一些層可曝光於浸潤型微影工具中,而其他層曝光於『乾式』工具中。一些層可曝光於在DUV波長下工作之工具中,而其他層使用EUV波長輻射來曝光。一些層可藉由作為對所說明微影設備中之曝光之替代或補充的步驟而圖案化。此類替代及補充技術包括例如壓印微影、自對準多重圖案化及定向自組裝。類似地,可對每層不同設備執行每層執行之其他處理步驟(例如,CMP及蝕刻)。
在202處,使用基板標記P1等及影像感測器(未展示)之對準量測用於量測及記錄基板相對於基板台WTa/WTb之對準。另外,將使用對準感測器AS來量測基板W'上之若干對準標記。此等量測在一個實施例中用於建立基板模型(有時稱為「晶圓柵格」),該基板模型極準確地映射基板上之標記之分佈,包括相對於標稱矩形柵格之任何失真。
在步驟204處,亦使用位準感測器LS來量測相對於X-Y位置之晶圓高度(Z)圖。主要地,高度圖僅用於達成經曝光圖案之準確聚焦。其可另外用於其他目的。
當裝載基板W'時,接收配方資料206,其定義待執行之曝光,且亦定義晶圓及先前產生之圖案及待產生於基板W'上之圖案之屬性。在基板上存在對準標記之選擇的情況下,且在存在對準感測器之設定之一選擇的情況下,此等選擇在配方資料206中之對準配方中定義。因此,對準配方定義如何量測對準標記之位置,以及量測哪些標記。
在210處,調換晶圓W'與W,使得經量測基板W'變成基板W而進入曝光站EXP。在圖1之實例設備中,藉由交換設備內之支撐件WTa及WTb來執行此調換,使得基板W、W'保持準確地被夾持且定位於彼等支撐件上,以保留基板台與基板自身之間的相對對準。因此,一旦已調換該等台,為了利用用於基板W (以前為W')之量測資訊202、204以控制曝光步驟,就必需判定投影系統PS與基板台WTb (以前為WTa)之間的相對位置。在步驟212處,使用遮罩對準標記M1、M2來執行倍縮光罩對準。在步驟214、216、218中,將掃描運動及輻射脈衝施加於基板W上之順次目標位置處,以便完成數個圖案之曝光。
藉由在執行曝光步驟中使用量測站處所獲得之對準資料及高度圖,使此等圖案相對於所要位置且尤其相對於先前放置於同一基板上之特徵準確地對準。在步驟220處自設備卸載現在標註為W''之經曝光基板,以根據經曝光圖案使其經歷蝕刻或其他程序。
當前,使用直接度量衡方法或間接度量衡方法提取疊對資訊。諸如開封(decap)掃描電子顯微鏡(SEM)度量衡及/或高壓SEM之直接度量衡方法對於高頻線上疊對度量衡而言太慢,且在開封度量衡之情況下,對所量測之裝置具有破壞性。諸如對光學目標基於散射量測之度量衡的間接度量衡方法通常在一組離散位置上執行,藉由在彼等離散位置處內插經量測疊對值來建構全場及/或全晶圓疊對映圖。
在任一情況下,度量衡可在諸如蝕刻及/或研磨(化學機械研磨CMP)之某些處理步驟之前執行預蝕刻,其中度量衡可描述為顯影後檢測(ADI)或蝕刻後(在彼等處理步驟之後),其中度量衡可描述為蝕刻後檢測(AEI)。
亦為吾人所知,某些處理效果(例如,蝕刻及CMP步驟)影響關注參數,諸如疊對、關鍵尺寸(CD)、邊緣置放誤差。因此,與執行AEI時相比,執行ADI時對相同晶圓上之相同結構之量測可不同。舉例而言,疊對可受晶粒內系統性(IDS)變化影響,該變化係指在每一晶粒上重複之系統性變化,其來源於在晶粒級處重複的此類製造步驟。因而,舉例而言,各種蝕刻參數及/或上下文(例如,所使用之實際蝕刻工具及/或腔室)可影響相對於ADI度量衡之AEI度量衡。此外,此類製造程序之實際效果亦可取決於遮罩上之經設計佈局圖案,諸如局部圖案密度、目標設計及/或目標位置(晶粒內及晶圓上兩者)。舉例而言,蝕刻受圖案密度影響;晶片上方蝕刻電漿之化學性質,及因此蝕刻速率、選擇性及各向異性取決於光阻的比例及在蝕刻程序期間產生之蝕刻廢品的比例。
出於數個原因,ADI度量衡常常係較佳的。在一個態樣中,ADI度量衡提供在檢測期間獲得之度量衡影像與定義圖案化效能之各種曝光程序條件(例如,焦距、劑量等)之間的更直接連接。在顯影之後對晶圓之檢測可允許最佳化曝光程序條件。在顯影之後對晶圓之檢測可允許基於檢測度量衡結果而對晶圓進行重工。此在蝕刻之後係不可能的;晶圓可能不再返回至先前處理狀態以進行重新處理以改良微影效能。
然而,由於蝕刻及/或其他處理效果可影響整體微影或製造效能(例如,置放效能,諸如EPE),AEI度量衡將更好地指示整體產品效能或良率。因此,期望能夠自ADI度量衡資料預測AEI度量衡資料。
一些模型使用自蝕刻物理性質及材料所知的參數以在蝕刻之後產生晶圓之預測影像。然而,因為實務上可能不知曉蝕刻之實際物理參數,所以此等模型可能不產生準確的預測影像。一些模型調諧或校準參數以最小化基於物理的模型與預測影像之間的差異。但因為此等模型並不具有足夠容量來表示存在於資料中之複雜關係,所以此等模型可能不產生準確的預測影像。
以引用之方式併入本文中之WO2021/052918中已描述一種用於自SEM ADI度量衡資料推斷SEM AEI度量衡資料的方法。此描述使用基於卷積神經網路的機器學習模型,且特定言之基於編碼器-解碼器的模型,以將SEM ADI度量衡資料映射至SEM AEI度量衡資料(且特定言之隨機度量衡資料,諸如缺陷、線邊緣粗糙度LER、線寬度粗糙度LWR、局部關鍵尺寸均勻度LCDU)。
使用純資料驅動模型(例如,使用無任何基於物理的輸入之神經網路或其他機器學習模型)將ADI資料映射至AEI資料之問題可為映射為通用的且可能不允許對在訓練中尚未遇到的處理變化對AEI度量衡資料之影響進行準確預測(亦即,模型無法在訓練資料外部泛化)。此外,雖然此類純資料驅動模型已展示為對固定圖案表現得令人滿意,但當存在顯著圖案變化(諸如改變圖案密度等)時,其可能表現得不太好。
由於此等缺點,提出一種用於自在執行該至少一個處理步驟之前在至少一個圖案化基板上量測之第一度量衡資料推斷與已在其上曝光圖案且已在其上執行至少一個處理步驟之至少一個圖案化基板相關的第二度量衡資料之混合建模方法及混合模型。方法包含:獲得包含至少一個第一模型組件之模型,其中該(至少一個)第一模型組件包含已經訓練以將該第一度量衡資料映射至該第二度量衡資料之機器學習或混合資料驅動模型組件,該第一模型組件進一步包含用於接收基於物理的輸入資料之基於物理的輸入通道;及使用如由該基於物理的輸入通道上之該基於物理的輸入資料偏置之該第一模型組件自該第一度量衡資料推斷第二度量衡資料。
因而,至少一個第一模型組件或混合資料驅動模型組件可經組態以在給定相同第一度量衡資料輸入(例如,相同輸入影像)之情況下輸出不同第二度量衡資料(例如,不同輸出影像),作為該基於物理的輸入通道上之不同基於物理的輸入資料(例如,不同離子傾斜參數值或圖案密度值)之結果。
基於物理的輸入可接收與對該至少一個圖案化基板執行之至少一個處理步驟相關之一或多個處理步驟參數。一或多個處理步驟參數可包含蝕刻參數。在實施例中,蝕刻參數可包含離子傾斜參數,例如,其可取決於基板(例如,徑向)位置。替代地或另外,基於物理的輸入可接收與該等圖案相關(例如,與場及/或晶粒圖案相關)之一或多個圖案化參數。圖案化參數之實例為圖案密度。
以此方式,混合模型之想法為強制執行受物理啟發的網路修改,以便偏置網路輸出,例如,基於受物理啟發的輸入而定製網路層。
模型可包含至少一個第二模型組件,該第二模型組件包含可操作以對該至少一個處理步驟對該第二度量衡資料之影響進行建模之基於物理的模型,以便針對基於物理的輸入通道產生該基於物理的輸入資料。
第一度量衡資料可包含度量衡影像。此類度量衡影像可包括以下中之一或多者:基於光學影像的疊對結果/影像(IBO)、在光瞳平面及/或影像平面處量測之散射量測影像(例如,在光瞳平面/傅立葉(Fourier)平面中量測之基於繞射的疊對(DBO)或裝置內度量衡(IDM)影像及/或在影像平面中量測之基於微繞射的疊對(µDBO)影像)及/或掃描電子顯微鏡(SEM)/電子束影像。第二度量衡資料亦可包含此等影像類型中之一或多者,或者可包含一或多個關注參數之值,或一或多個關注參數之空間變化的描述(例如一或多個關注參數之擬合模型或指紋(fingerprint))。舉例而言,由模型輸出之關注參數(或指紋)可包含基板平面之一個或兩個維度上的疊對(或疊對指紋)、CD (或CD指紋)或邊緣置放誤差(或EPE指紋)。替代地,關注參數可為一或多個隨機參數(例如,其限制條件為第一度量衡資料包含足夠資訊,諸如SEM影像),諸如LCDU、LER、LWR、平均CD。作為另一替代方案,第二度量衡資料可包含e測試資料(例如,密集連接性e測試資料)。
第一度量衡資料可包含經量測資料,例如,來自經曝光基板及/或經模擬/建模之第一度量衡資料。在後一情況下,第一度量衡資料模擬模型(例如,神經網路或其他資料驅動模型)可經訓練且用於基於掃描儀設定輸入(例如,描述掃描儀設定或曝光參數,諸如焦距及/或劑量)而產生此類經模擬/建模之第一度量衡資料。
第二模型可產生該一或多個處理步驟參數(與該處理步驟相關)及/或圖案化參數(與該等圖案相關)。圖案化參數可包含以下中之一或多者:目標設計參數,諸如間距、cd、設計、子分割參數、晶粒中之目標置放(亦即,目標之座標(x,y))及任何圖案密度資料(例如圍繞目標之圖案密度變化或其他)。圖案密度資料可包含圖案密度空間分佈或圖案密度映圖。圖案密度映圖為低解析度GDS (圖形設計系統)檔案或GDSII檔案。歸因於GDS檔案之較大大小,其通常縮小為低解析度圖案密度映圖,以便能夠足夠快速地處理其以用於晶粒級應用。圖案密度映圖之典型解析度為1µm像素大小。
應注意,在本揭示內容之上下文內,術語「目標」可包含出於度量衡之目的而形成的度量衡目標及/或用於度量衡(例如,經量測)之任何其他結構(包括功能產品結構)。因而,圖案化參數可與除具體度量衡目標外之結構相關,尤其當第一度量衡資料包含使用不需要用於量測之專用目標的技術(例如,SEM、一些裝置內度量衡(IDM)方法)獲得之影像時。
第二模型組件之輸出可包含與模型整體之輸出類似的資料類型之資料(例如,在由模型整體輸出之關注參數包含疊對、CD或EPE (或其指紋)的情況下,第二模型組件可將處理參數分別與疊對、CD或EPE (或其指紋)相關聯)。替代地,第二模型組件之輸出可包含與模型整體不同的資料類型之資料(例如,第二模型組件之輸出可包含疊對或CD,且模型整體之輸出可為EPE或經估計影像或取決於第二模型組件輸出之其他參數)。
第二模型組件之輸出可包含可由第一模型組件直接使用之一或多個第二模型輸出參數(例如,疊對、CD或邊緣置放誤差)的值。視情況,模型或指紋可在輸入至第一模型組件之前擬合為此等第二模型輸出參數值。替代地,第二模型組件可直接輸出第二模型輸出指紋或第二模型輸出空間變化描述。
處理步驟可包含蝕刻步驟,且處理步驟參數(基於物理的輸入資料)可包含一或多個蝕刻參數,諸如尤其以下中之一或多者:蝕刻壓力、蝕刻流動速率、RF電壓、過度蝕刻、邊緣環偏置/偏移、腔室調節、所使用之蝕刻工具及/或腔室。替代地或另外,程序參數可包含可為此等蝕刻參數中之一些或全部之有效代表的離子傾斜參數。如前所述,基於物理的輸入資料亦可包含圖案化資料或圖案密度資料。AEI疊對及/或CD對蝕刻條件、目標設計及其周圍圖案密度變化高度敏感。
第一模型組件可包含基於神經網路的模型,且基於物理的輸入通道(例如,該/各第二模型組件之輸出所連接之通道)可輸入至神經網路之中間層,諸如第一全連接層。
在基本層面上,所提出模型可用於檢測經預處理(例如,預蝕刻或ADI)之新晶圓,且預測處理後(例如,蝕刻後AEI)之關注參數。
在實施例中,所提出模型可用於最佳化處理參數中之一或多者以便改良關注參數後處理之方法中。此可使量測ADI時不符合規格(spec)之參數能夠經由處理而納入規格,及/或即使在最初符合規格之情況下亦改良效能。此可能之程度可取決於關注參數;例如,與疊對相比,經由蝕刻控制使諸如LCDU或EPE之參數恢復規格係更可行的。然而,舉例而言,隨著蝕刻器控制改良,此可在未來改變。在任何情況下,藉由局部改變電場之方向以便調整蝕刻路徑之傾斜(離子傾斜),可對至少更靠近晶圓邊緣之場進行一些基於蝕刻的AEI疊對控制,此有效地引入調整與先前層之疊對的手段。替代地或另外,蝕刻後CD之蝕刻器控制可用於補償ADI疊對誤差之至少部分,例如藉由稍微增加經蝕刻接觸層之CD以確保與先前層有足夠的重疊區域以吸收或補償該ADI疊對誤差。
模型亦可用於做出重工決策。舉例而言,若模型預測不符合規格之(一或多個)關注參數,則可決定執行晶圓重工。在實施例中,可僅在使用模型來判定是否可經由處理或蝕刻控制(例如,對變化之處理參數及/或上下文進行建模)來充分校正不符合規格之(一或多個)參數之後做出決策;例如,僅在認為此不可能時才提出晶圓重工。
在實施例中,模型可用於判定基於掃描儀的曝光參數或關注參數校正,以便最佳化(或至少納入規格)經重工晶圓之關注參數後處理(例如,AEI)。此意謂模型允許在新(經重工)曝光之前控制後處理/AEI關注參數。為達成此情形,可在(一或多個)相關掃描儀控制參數已變化之訓練度量衡資料上對模型進行訓練。此類實施例亦可包括經由掃描儀及處理工具校正之共同最佳化來最佳化關注參數或將該關注參數納入規格。
藉助於具體實例,模型之訓練可基於包含來自焦距曝光或FEM晶圓之量測的訓練度量衡資料,該晶圓已使用接近最佳能量及最佳焦距之劑量及焦距變化在其上曝光了圖案。此類訓練度量衡資料亦可視情況包含經建模訓練度量衡資料,諸如自可操作以基於各種曝光參數(例如,焦距/劑量)輸入而輸出度量衡影像或第一度量衡資料之模型獲得的訓練度量衡資料。當決定晶圓重工時,可經由劑量及/或焦距校正來實施劑量重新靶向或AEI校正(例如,以改良諸如平均CD或LCDU指紋之隨機度量),而非調整蝕刻配方。
基於物理的輸入可使得能夠評估處理步驟參數及/或圖案化參數對AEI效能之影響。基於物理的輸入(例如,包含第二模型輸出或其他)可連接至第一模型之一或多個層,且因此改變處理工具及/或掃描儀參數將修改模型(輸出),使得AEI預測考慮處理細節(例如,蝕刻器/掃描儀之組態)。
圖4為描述使用經訓練混合模型405自預處理(例如,ADI)資料或預處理影像400推斷後處理(例如,AEI)關注參數資料410 (或後處理影像)之方法的流程圖。預處理影像可包含例如DBO或µDBO影像(說明後者之實例)或例如SEM/電子束影像。混合模型包含具有基於物理的輸入通道418之第一模型組件415 (例如,基於神經網路的模型組件)。在實施例中,提供至少一個第二模型組件(例如,基於物理的模型組件) 445以判定基於物理的輸入通道418之基於物理的輸入。更具體而言,在此實施例中,至少一個第二模型組件445可包含晶圓級第二模型組件(例如,物理蝕刻腔室模型組件) 450及晶粒級第二模型組件(例如,圖案模型組件) 455中之一者或兩者。處理資料425 (例如,蝕刻參數及/或蝕刻上下文資料)可饋送至此等第二模型組件450、455中之各者以及對應佈局或圖案化資料430 (例如,晶圓級位置資料435及晶粒級位置資料440)。第二模型組件450、455之輸出饋送至基於物理的輸入通道418中,且因此饋送至第一模型組件415之一或多個具體層420 (例如,第一全連接層)中。
在實施例中,可藉由將晶圓劃分為分區且為晶圓之各分區訓練單獨模型來處理跨晶圓的變化。圖5展示三個純例示性實施例,其中將晶圓W劃分為(a) 17個分區Z1、(b) 9個分區Z2及3個分區Z3。舉例而言,已注意徑向蝕刻指紋;此可減小沿圓形方向所需分區的數目。因此,分區之數目及其配置可不同於所展示。在各情況下,可使用各別經訓練模型以自各具體分區推斷關注參數。蝕刻腔室變化可以相同方式處理,亦即,藉由訓練每個腔室之單獨模型。
替代地,單個模型可根據晶圓分區及/或腔室數目進行調節。在此情況下,利用來自所有蝕刻腔室及/或所有晶圓分區之訓練資料來訓練模型,同時將用於資料之各別子集的腔室及/或分區識別為額外輸入。當使用模型進行推斷時,上下文資訊(腔室/分區)用作模型自其推斷關注參數之輸入(例如,包含於基於物理的輸入資料內)。此等兩種方法之混合亦為可能的(例如,為各別較大分區訓練單獨模型,將較大分區細分為各模型可在其上進行調節之較小子分區。
在提供的情況下,(例如,晶圓級)第二模組組件或物理蝕刻腔室模組組件可用於對控制方程進行數值求解,例如,包括離子運動方程、離子通量守恆方程及電漿反應器級泊松(Poisson)方程,以獲得作為腔室幾何形狀
Γ、不同物理蝕刻條件
P
i = {壓力、功率、偏置電壓、聚焦環高度…}及晶圓位置(
r)之函數的電漿鞘層輪廓
f(Γ ,P
i, r
)。晶圓級處之離子傾斜(離子傾斜參數)接著可獲得為
。以此方式判定離子傾斜參數
φ(
r)藉由用基板位置或基板半徑之單個一維函數(亦即,僅取決於距晶圓中心之徑向距離
r)替換大量與蝕刻相關的參數來減少用於訓練第一模型組件之參數空間。
圖6繪示此物理蝕刻腔室模組組件,圖6(a)為在操作範圍OP
EPr及OP
EPo內之離子傾斜參數
φ(
φ=a, φ=b, φ=c)之三個實例值的蝕刻壓力EPr與蝕刻功率EPo之曲線圖,從而繪示此離子傾斜參數
φ可如何用作蝕刻功率及蝕刻壓力(以及其他參數)之代表。圖6(b)在概念上繪示離子傾斜參數
φ之含義及影響。離子傾斜參數
φ與基板W上之電漿鞘層輪廓PSP相關(例如,自其法線判定)。三個離子傾斜參數展示為
φ=-a、
φ=0、
φ=a。此等中之各者與基板上之具體徑向位置
r相關:r=-R、r=0及r=R。離子傾斜參數對蝕刻品質之實例影響展示於圖底部(例如,由側壁角度及底面傾斜之影響產生的結構或溝槽對稱性)。對於r=0 (基板中心)處之
φ=0,經蝕刻結構為對稱的,而在更靠近基板邊緣時,歸因於非法線(相對於基板平面)側壁角度及非平行(相對於基板平面)底面傾斜之影響,經蝕刻基板為不對稱的。對於處於相同徑向距離之所有位置,此影響之大小大致相等。
在實施例中,此離子傾斜參數
φ可用作(單獨或與一或多個其他參數組合)基於物理的輸入資料,以用於輸入至基於物理的輸入通道。在實施例中,至少一個第二模型組件對此離子傾斜參數
φ進行建模,使得此至少一個第二模型組件之輸出饋送至基於物理的輸入通道;例如,將其輸出饋送至第一模型組件之編碼器-解碼器網路的潛在空間中。
圖7為描述用於訓練第一模型組件之方法的流程圖。第一模型組件在很大程度上可為資料驅動的,而不由基於物理的輸入(例如,混合模型組件)偏置。步驟700可包含曝光及量測一或多個訓練晶圓,例如,以曝光具有各種曝光參數或焦距及/或劑量值之場(例如,曝光焦距劑量矩陣FEM)。此步驟700產生訓練第一度量衡資料705 (例如,訓練第一度量衡資料或預處理/ADI訓練影像)。視情況,訓練第一度量衡資料705可使用額外神經網路或第一度量衡資料模擬模型來緻密化,該模型已經訓練以針對不同劑量/焦距條件(例如,不包括於經量測資料中)來產生702人工ADI資料。方法可進一步包含在例如訓練ADI影像(例如,在步驟700處獲得之第一度量衡資料)及對應已知焦距/劑量設定上訓練此類第一度量衡資料模擬模型。
可獲得第二度量衡資料715或AEI資料。舉例而言,在具體實施例中,可用不同程序步驟參數值(例如,不同離子傾斜參數值φ
1…N)蝕刻710自其獲得第一度量衡資料(中之至少一些)的訓練晶圓。接著可量測此等經蝕刻晶圓以獲得第二度量衡資料715或AEI資料。舉例而言,包含全套建模焦距/劑量參數之各別晶圓(或晶圓組)使用各離子參數值φ
1…N蝕刻,且經量測以獲得包含設置焦距值、設置劑量值及設置離子參數值之所有組合的第二度量衡資料715 (設置焦距值、設置劑量值及設置離子參數值可取決於是否量測或模擬資料來描述掃描儀/蝕刻器內之物理設定或模擬模型中之輸入)。訓練度量衡資料亦可包含已知後處理或AEI訓練值;例如,對應於ADI訓練影像之AEI關注參數之已知值(或替代地,若模型經訓練以輸出影像,則輸出(AEI)訓練影像)。此使得能夠對第一模型組件進行監督式學習。
因而,訓練資料可包含預處理訓練影像及對應後處理訓練資料或影像,其中在此上下文中對應可包含自相同晶圓位置量測。
在步驟730處,具有已知曝光參數值(例如,已知焦距/劑量值)之第一度量衡資料/ADI資料705及對應第二度量衡資料/AEI資料715用於訓練第一模型組件,使得其可基於該基於物理的輸入通道上之基於物理的輸入資料(例如,已知離子傾斜參數值)將該第一度量衡資料映射至該第二度量衡資料。因而,離子傾斜參數φ之已知值可在額外通道中提供給網路,例如在模型之網路的卷積部分之最後一層處及在模型的密集網路之前。
視情況,在步驟720處,可針對離子傾斜參數φ之不同值來訓練第二模型組件或物理蝕刻模型。接著,在步驟725處,可針對φ之額外值(例如,未實際蝕刻之值)產生新(模擬) AEI資料以進一步使AEI資料715緻密化。
如前所述,離子傾斜參數φ僅為基於物理的輸入之一個實例。因而,替代地或另外,可針對諸如另一處理步驟參數及/或圖案化參數(例如,圖案密度參數)之另一參數之變化來產生AEI資料。在各情況下,處理步驟參數及/或圖案化參數之已知值可在訓練期間輸入至基於物理的輸入通道。
因而,訓練資料可包含晶粒內指紋,例如,藉由使用物理晶粒級模型(例如,晶粒級第二模型組件)對來自不同晶粒位置之度量衡資料進行建模來獲得,該物理晶粒級模型可進一步感知周圍圖案(佈局或圖案化參數資料)。由此類晶粒級蝕刻模型預測之晶粒內及/或目標內指紋可用於訓練用於晶粒級AEI關注參數變化之混合模型。
亦可採用類似方法以使用單獨晶圓級第二模型組件(例如,模型可包含多於一個第二模型組件)來訓練用於晶圓級處理(例如,蝕刻)指紋的第一模型組件。此外,自不同處理工具或蝕刻腔室獲得之資料亦可用於訓練工具/腔室指紋之第一模型組件。
圖8為繪示本文中所描述之混合模型之第一實例應用的流程圖。在步驟800處,對經曝光晶圓進行ADI檢測以獲得ADI影像資料(第一度量衡資料)。在步驟805處,將ADI影像資料連同離子傾斜參數φ及/或基於物理的輸入通道上之其他基於物理的輸入資料一起輸入至第一模型組件;基於此,第一模型組件預測AEI影像或AEI影像資料(第二度量衡資料) 810。離子傾斜參數φ及/或其他基於物理的輸入資料可為已知的或可由諸如已描述之一或多個第二模型組件提供。在步驟815處,評估經預測AEI影像資料,例如,與晶圓上之所要等效值或範圍相比。在步驟820處,可針對不同值之物理參數值(例如,針對不同離子傾斜參數φ值)重複步驟805至815,直至找到最佳或至少可接受的物理參數值。
圖9為繪示本文中所描述之混合模型之第一實例應用的流程圖。步驟900至920對應於步驟800至820且將不再次描述,除第一模型組件現接收(例如,在步驟905處)針對不同曝光參數(例如,焦距/劑量條件)產生之經模擬ADI資料925外,例如,使用第一度量衡資料模擬模型。在步驟930處執行額外最佳化,其利用變化之曝光參數重複其他步驟905至925,直至預測最佳(或至少可接受) AEI結果。基於預測,可判定掃描儀重工曝光設定,及/或若找不到可接受效能,則發出警報。
所提出方法可與強化學習方法組合使用,藉此改良強化學習方法之泛化能力。舉例而言,在大批量製造(HVM)中使用強化學習方法之情況下,歸因於資料缺乏可變性,當蝕刻程序穩定時其可不會學習太多。另一方面,本方法將在最少訓練期間學習所有必要資訊(由於其受物理啟發),且用於使用強化學習來改良HVM之效能。
此混合模型方法使得能夠最佳化相關ADI後處理(蝕刻)之組態,使得改良預期AEI效能(基於ADI輸入)。替代地,ADI效能指示AEI效能將從不滿足要求之晶圓可被送去重工;視情況,模型亦可最佳化用於重工之掃描儀設定/校正(或共同最佳化掃描儀及蝕刻器設定/校正)以便改良AEI效能。
與微影設備及微影單元LC之硬體相關聯地,實施例可包括含有機器可讀指令之一或多個序列之電腦程式,該等機器可讀指令用於使微影製造系統之處理器實施如上文所描述之模型映射及控制之方法。可例如在用於影像計算/控制程序之單獨電腦系統中執行此電腦程式。替代地,計算步驟可完全地或部分地在處理器、度量衡工具及/或圖1及圖2之控制單元LACU及/或監督控制系統SCS內執行。亦可提供資料儲存媒體(例如,半導體記憶體、磁碟或光碟),其具有儲存於其中之呈非瞬態形式之此類電腦程式。
儘管上文可已特定地參考在光學微影之上下文中的本發明之實施例之使用,但將瞭解,本發明可用於其他圖案化應用中,例如壓印微影。在壓印微影中,圖案化裝置中之構形定義產生於基板上之圖案。可將圖案化裝置之構形壓入至被供應至基板之抗蝕劑層中,在基板上,抗蝕劑係藉由施加電磁輻射、熱、壓力或其組合而固化。在抗蝕劑固化之後將圖案化裝置移出抗蝕劑,從而在其中留下圖案。
在經編號條項之後續清單中揭示其他實施例:
1. 一種自在執行該至少一個處理步驟之前在至少一個圖案化基板上量測之第一度量衡資料推斷與已在其上曝光圖案且已在其上執行至少一個處理步驟之該至少一個圖案化基板相關的第二度量衡資料的方法;該方法包含:
獲得包含至少一個第一模型組件及至少一個第二模型組件之模型,其中該至少一個第一模型組件包含已經訓練以將該第一度量衡資料映射至該第二度量衡資料之機器學習模型組件且該至少一個第二模型組件包含可操作以對該至少一個處理步驟對該第二度量衡資料的影響進行建模之基於物理的模型;及
使用該第一模型組件自該第一度量衡資料推斷第二度量衡資料;
其中該至少一個第二模型組件之輸出由該第一模型組件用於該推斷該第二度量衡資料。
2. 如條項1之方法,其中該第一度量衡資料包含度量衡影像或其表示。
3. 如條項2之方法,其中該度量衡影像可包括以下中之一或多者:基於影像的疊對影像、在傅立葉平面處捕捉之散射量測影像、在影像平面處捕捉之散射量測影像或掃描電子顯微鏡影像。[評論]
4. 如任一前述條項之方法,其中該第二度量衡資料包含一或多個關注參數之值或一或多個關注參數之空間變化的描述。
5. 如條項4之方法,其中該關注參數包含以下中之一或多者:疊對、CD、邊緣置放誤差、線邊緣粗糙度、線寬度粗糙度、局部關鍵尺寸均勻度、平均關鍵尺寸。
6. 如條項1至3中任一項之方法,其中該第二度量衡資料包含e測試資料。
7. 如條項1至3中任一項之方法,其中該第二度量衡資料包含度量衡影像或其表示。
8. 如任一前述條項之方法,其中該至少一個第二模型係關於與該處理步驟相關之一或多個處理步驟參數及/或與該等圖案相關之圖案化參數對該第二度量衡資料之影響。
9. 如條項8之方法,其中該等圖案化參數至少包含目標設計參數。
10. 如條項9之方法,其中該等目標設計參數包含以下中之一或多者:目標間距、關鍵尺寸、目標設計、目標子分割參數、晶粒中之目標置放、目標位置、圍繞及/或鄰近該目標之周圍及/或鄰近結構的任何參數。
11. 如條項8、9或10之方法,其中該等圖案化參數包含與該等圖案中之任一者相關的一或多個圖案密度參數。
12. 如任一前述條項之方法,其中該第二模型組件之該輸出包含一或多個第二模型輸出參數的值。
13. 如條項12之方法,其中,在該推斷步驟中,該第一模型組件直接使用一或多個第二模型輸出參數之該等值。
14. 如條項13之方法,其包含將模型擬合為一或多個第二模型輸出參數之該等值的步驟;其中該擬合模型由該第一模型組件用於該推斷該第二度量衡資料。
15. 如任一前述條項之方法,其中該處理步驟至少包含蝕刻步驟;且該程序參數包含一或多個蝕刻參數。
16. 如條項15之方法,其中該蝕刻參數包含以下中之一或多者:蝕刻壓力、蝕刻流動速率、RF電壓、過度蝕刻、邊緣環偏置/偏移、腔室調節、所使用之蝕刻工具及/或腔室。
17. 如任一前述條項之方法,其中該至少一個第一模型組件包含基於神經網路的模型。
18. 如條項17之方法,其中將該第二模型組件之該輸出輸入至該神經網路的中間層。
19. 如條項18之方法,其中將該第二模型組件之該輸出輸入至該神經網路的該第一全連接層。
20. 如任一前述條項之方法,其包含判定與該處理步驟相關之一或多個處理參數的設定及/或校正以便最佳化該第二度量衡資料及/或將該第二度量衡資料納入規格。
21. 如條項20之方法,其包含基於該經判定設定及/或校正而執行該處理步驟之步驟。
22. 如任一前述條項之方法,其包含基於該第二度量衡資料而判定是否應重工該圖案化基板。
23. 如條項22之方法,其包含僅在使用該模型來判定由該模型推斷之該第二度量衡資料無法經由該處理步驟充分校正之後才決定應重工晶圓。
24. 如條項22或23之方法,其包含使用該模型來判定一或多個曝光參數之設定及/或校正,以用於在該經重工基板上曝光圖案,以便最佳化該第二度量衡資料及/或將該第二度量衡資料納入規格。
25. 如條項22或23之方法,其包含使用該模型來共同最佳化一或多個曝光參數之設定及/或校正,以用於在該經重工基板上曝光圖案,以及判定與該處理步驟相關之一或多個處理參數之設定及/或校正,以便最佳化該第二度量衡資料及/或將該第二度量衡資料納入規格。
26. 如條項24或25之方法,其包含基於一或多個曝光參數之該設定及/或校正而執行該重工。
27. 如任一前述條項之方法,其包含執行初始訓練步驟以訓練該模型,該訓練步驟包含:
在訓練度量衡資料及對應第二模型組件輸出訓練資料或等效經量測資料上訓練該至少一個第一模型組件,其中該訓練度量衡資料包含與該第一度量衡資料及該第二度量衡資料類似之已知資料。
28. 如條項27之方法,其中該第二模型組件輸出訓練資料或等效經量測資料包含以下中之一或多者:一或多個關注參數的空間描述或值,其中該等空間描述或值描述為晶粒內、目標內、跨晶圓或每處理工具/腔室。
29. 如條項27或28之方法,其包含在與一或多個曝光工具參數及/或處理工具參數之變化相關的訓練資料上訓練該模型。
30. 如條項27至29中任一項之方法,其包含訓練該模型之單獨實例,以獲得針對兩個或更多個基板分區及/或兩個或更多個處理工具或腔室中之各者的各別經訓練模型;及
該推斷步驟包含針對其各別基板分區及/或處理工具或腔室使用該對應經訓練模型。
31. 如條項27至29中任一項之方法,其中該訓練包含藉由將該訓練資料與哪個晶圓分區及/或腔室數目相關包括在該訓練資料內來調節用於整個基板及/或所有處理工具及腔室的單個模型。
32. 如任一前述條項之方法,其中該至少一個第二模型組件包含晶粒級第二模型組件及晶圓級第二模型組件中之一或多者。
33. 一種電腦程式,其包含當在合適設備上運行時可操作以執行如任一前述條項之方法之程式指令。
34. 一種非暫時性電腦程式載體,其包含如條項33之電腦程式。
35. 一種處理配置,其包含:
電腦程式載體,其包含如條項33之電腦程式;及
處理器,其可操作以運行該電腦程式。
36. 一種度量衡裝置,其包含如條項35之處理配置。
37. 一種自在執行該至少一個處理步驟之前在至少一個圖案化基板上量測之第一度量衡資料推斷與已在其上曝光圖案且已在其上執行至少一個處理步驟之該至少一個圖案化基板相關的第二度量衡資料的方法;該方法包含: 獲得包含至少一個第一模型組件之模型,該至少一個第一模型組件包含已經訓練以將該第一度量衡資料映射至該第二度量衡資料之機器學習模型組件,該第一模型組件進一步包含用於接收基於物理的輸入資料之基於物理的輸入通道;及使用如由該基於物理的輸入通道上之該基於物理的輸入資料偏置之該第一模型組件自該第一度量衡資料推斷第二度量衡資料。
38. 如條項37之方法,其中該第一度量衡資料包含度量衡影像或其表示。
39. 如條項38之方法,其中該度量衡影像可包括以下中之一或多者:基於影像的疊對影像、在傅立葉平面處捕捉之散射量測影像、在影像平面處捕捉之散射量測影像或掃描電子顯微鏡影像。
40. 如條項37至39中任一項之方法,其中該第二度量衡資料包含一或多個關注參數之值或一或多個關注參數之空間變化的描述。
41. 如條項40之方法,其中該關注參數包含疊對、CD或邊緣置放誤差,在各情況下,在該基板平面之一個或兩個維度上。
42. 如條項40之方法,其中該關注參數包含以下中之一或多者:線邊緣粗糙度、線寬度粗糙度、局部關鍵尺寸均勻度、平均關鍵尺寸。
43. 如條項37至39中任一項之方法,其中該第二度量衡資料包含e測試資料。
44. 如條項37至39中任一項之方法,其中該第二度量衡資料包含度量衡影像或其表示。
45. 如條項37至44中任一項之方法,其中該基於物理的輸入資料包含與該處理步驟相關之一或多個處理步驟參數及/或與該等圖案相關的一或多個圖案化參數。
46. 如條項45之方法,其中該等圖案化參數至少包含目標設計參數。
47. 如條項46之方法,其中該等目標設計參數包含以下中之一或多者:目標間距、關鍵尺寸、目標設計、目標子分割參數、晶粒中之目標置放、目標位置、圍繞及/或鄰近該目標之周圍及/或鄰近結構的任何參數。
48. 如條項45、46或47之方法,其中該等圖案化參數包含與該等圖案中之任一者相關的一或多個圖案密度參數。
49. 如條項45至48中任一項之方法,其中該處理步驟至少包含蝕刻步驟;且該一或多個處理步驟參數包含一或多個蝕刻參數。
50. 如條項49之方法,其中該蝕刻參數包含以下中之一或多者:蝕刻壓力、蝕刻流動速率、RF電壓、過度蝕刻、邊緣環偏置/偏移、腔室調節、所使用之蝕刻工具及/或腔室。
51. 如條項49或50之方法,其中該一或多個蝕刻參數包含離子傾斜參數。
52. 如條項51之方法,其中該離子傾斜參數僅取決於該基板上之徑向位置。
53. 如條項37至52中任一項之方法,其中,在該推斷步驟中,該第一模型組件直接使用該基於物理的輸入資料。
54. 如條項37至52中任一項之方法,其包含將模型擬合為該基於物理的輸入資料之步驟;其中該擬合模型由該第一模型組件用於該推斷該第二度量衡資料。
55. 如條項37至54中任一項之方法,其中該模型包含至少一個第二模型組件,各該至少一個第二模型組件包含可操作以產生用於該基於物理的輸入通道之該基於物理的輸入資料之各別基於物理的模型。
56. 如條項55之方法,其中該至少一個第二模型組件包含以下中之一或多者:晶粒級第二模型組件及/或晶圓級第二模型組件。
57. 如條項55或56之方法,其中該至少一個第二模型組件包含物理蝕刻腔室模型組件。
58. 如條項55、56或57之方法,其中該至少一個第二模型組件包含圖案模型組件。
59. 如條項37至58中任一項之方法,其中該至少一個第一模型組件包含基於神經網路的模型。
60. 如條項59之方法,其中將該基於物理的輸入資料輸入至該神經網路之中間層。
61. 如條項59或60之方法,其中將該基於物理的輸入資料輸入至該神經網路之該第一全連接層。
62. 如條項37至61中任一項之方法,其包含判定與該處理步驟相關之一或多個處理參數的設定及/或校正以便最佳化該第二度量衡資料及/或將該第二度量衡資料納入規格。
63. 如條項62之方法,其包含基於該經判定設定及/或校正而執行該處理步驟之步驟。
64.如條項37至63中任一項之方法,其包含基於該第二度量衡資料而判定是否應重工該圖案化基板。
65. 如條項64之方法,其包含僅在使用該模型來判定由該模型推斷之該第二度量衡資料無法經由該處理步驟充分校正之後才決定應重工晶圓。
66. 如條項64或65之方法,其包含使用該模型來判定一或多個曝光參數之設定及/或校正,以用於在該經重工基板上曝光圖案,以便最佳化該第二度量衡資料及/或將該第二度量衡資料納入規格。
67. 如條項64或65之方法,其包含使用該模型來共同最佳化一或多個曝光參數之設定及/或校正,以用於在該經重工基板上曝光圖案,以及判定與該處理步驟相關之一或多個處理參數之設定及/或校正,以便最佳化該第二度量衡資料及/或將該第二度量衡資料納入規格。
68. 如條項66或67之方法,其包含基於一或多個曝光參數之該設定及/或校正而執行該重工。
69. 如條項37至68中任一項之方法,其包含執行初始訓練步驟以訓練該模型,該訓練步驟包含:在訓練度量衡資料及對應訓練基於物理的輸入資料上訓練該至少一個第一模型組件,其中該訓練度量衡資料包含與該第一度量衡資料及該第二度量衡資料類似之已知資料。
70. 如條項69之方法,其中該訓練基於物理的輸入資料包含以下中之一或多者:一或多個關注參數的空間描述或值,其中該等空間描述或值描述為場內、晶粒內、目標內、跨晶圓或每處理工具/腔室。
71. 如條項69或70之方法,其中該訓練基於物理的輸入資料包含與該等圖案相關之一或多個圖案化參數及/或與一或多個蝕刻參數相關的資料。
72. 如條項71之方法,其中該等蝕刻參數包含以下中之一或多者:蝕刻壓力、蝕刻流動速率、RF電壓、過度蝕刻、邊緣環偏置/偏移、腔室調節、所使用之蝕刻工具及/或腔室。
73. 如條項71或72之方法,其中該一或多個蝕刻參數包含離子傾斜參數。
74. 如條項69至73中任一項之方法,其包含在與一或多個曝光工具參數及/或處理工具參數之變化相關的訓練資料上訓練該模型。
75. 如條項69至74中任一項之方法,其包含訓練該模型之單獨實例,以獲得用於兩個或更多個基板分區及/或兩個或更多個處理工具或腔室中之各者的各別經訓練模型;及該推斷步驟包含針對其各別基板分區及/或處理工具或腔室使用該對應經訓練模型。
76. 如條項69至74中任一項之方法,其中該訓練包含藉由將該訓練資料與哪個晶圓分區及/或腔室數目相關包括在該訓練資料內來調節用於整個基板及/或所有處理工具及腔室的單個模型。
77. 一種電腦程式,其包含當在合適設備上運行時可操作以執行如條項37至76中任一項之方法之程式指令。
78. 一種非暫時性電腦程式載體,其包含如條項77之電腦程式。
79. 一種處理配置,其包含:
電腦程式載體,其包含如條項77之電腦程式;及
處理器,其可操作以運行該電腦程式。
80. 一種度量衡裝置,其包含如條項79之處理配置。
對具體實施例之前述描述將因此充分地揭露本發明之一般性質:在不脫離本發明之一般概念的情況下,其他人可藉由應用熟習此項技術者所瞭解之知識針對各種應用而容易地修改及/或調適此類具體實施例,而無需進行不當實驗。因此,基於本文中所呈現之教示及指導,此類調適及修改意欲在所揭示之實施例之等效者的含義及範圍內。應理解,本文中之措辭或術語係出於藉由實例進行描述而非限制之目的,以使得本說明書之術語或措辭待由熟習此項技術者按照該等教示及該指導進行解譯。
因此,本發明之廣度及範疇不應受上文所描述之例示性實施例中之任一者限制,且應僅根據以下申請專利範圍及其等效者來界定。
200:步驟
202:步驟/量測資訊
204:步驟/量測資訊
206:配方資料
210:步驟
212:步驟
214:步驟
216:步驟
218:步驟
220:步驟
400:預處理影像
405:經訓練混合模型
410:後處理關注參數資料
415:第一模型組件
418:基於物理的輸入通道
420:具體層
425:處理資料
430:圖案化資料
435:晶圓級位置資料
440:晶粒級位置資料
445:第二模型組件
450:晶圓級第二模型組件
455:晶粒級第二模型組件
700:步驟
702:步驟
705:步驟
710:步驟
715:第二度量衡資料
720:步驟
725:步驟
730:步驟
800:步驟
805:步驟
810:AEI影像資料
815:步驟
820:步驟
900:步驟
905:步驟
910:步驟
915:步驟
920:步驟
925:經模擬ADI資料
930:步驟
AD:調整器
AS:對準感測器
B:輻射光束
BD:光束遞送系統
BK:烘烤板
C:目標部分
CH:冷卻板
CO:聚光器
DE:顯影器
EXP:曝光站
IF:位置感測器
IL:照明系統
IN:積光器
I/O1:輸入/輸出埠
I/O2:輸入/輸出埠
LA:微影設備
LACU:微影控制單元
LB:裝載匣
LC:微影單元
LS:位準感測器
M1:遮罩對準標記
M2:遮罩對準標記
MA:圖案化裝置
MEA:量測站
MET:度量衡系統
MT:圖案化裝置支撐件
P1:基板對準標記
P2:基板對準標記
PM:第一定位器
PS:投影系統
PSP:電漿鞘層輪廓
PW:第二定位器
RF:參考框架
RO:機器人
SC:旋塗器
SCS:監督控制系統
SO:輻射源
TCU:塗佈顯影系統控制單元
W:基板
W':新基板
W":經曝光基板
WT:基板台
WTa:基板台
WTb:基板台
現將參考隨附示意性圖式而僅藉助於實例來描述本發明之實施例,在該等圖式中,對應參考符號指示對應部分,且在該等圖式中:
圖1描繪適合用於本發明之實施例之微影設備;
圖2描繪可使用根據本發明之檢測設備之微影單元或群集;
圖3示意性地繪示根據已知實踐之圖1之設備中的量測及曝光程序;
圖4為描述根據實施例之自第一度量衡資料及基於物理的輸入資料獲得第二度量衡資料之方法的流程圖;
圖5(a)、圖5(b)及圖5(c)展示根據實施例之用於訓練模型的三種分區組態;
圖6以圖表形式繪示(a)及示意性地繪示(b)根據實施例之第二模型組件;
圖7為描述根據實施例之訓練混合模型組件之方法的流程圖;
圖8為描述根據實施例之最佳化處理步驟參數設定(例如,蝕刻設定)之方法的流程圖;及
圖9為描述根據實施例之最佳化曝光步驟及/或處理步驟參數設定之方法的流程圖。
400:預處理影像
405:經訓練混合模型
410:後處理關注參數資料
415:第一模型組件
418:基於物理的輸入通道
420:具體層
425:處理資料
430:圖案化資料
435:晶圓級位置資料
440:晶粒級位置資料
445:第二模型組件
450:晶圓級第二模型組件
455:晶粒級第二模型組件
Claims (15)
- 一種自在執行該至少一個處理步驟之前在至少一個圖案化基板上量測之第一度量衡資料推斷與已在其上曝光圖案且已在其上執行至少一個處理步驟之該至少一個圖案化基板相關的第二度量衡資料的方法,該方法包含: 獲得包含至少一個第一模型組件之一模型,該至少一個第一模型組件包含已經訓練以將該第一度量衡資料映射至該第二度量衡資料之一機器學習模型組件,該第一模型組件進一步包含用於接收基於物理的輸入資料之一基於物理的輸入通道;及 使用如由該基於物理的輸入通道上之該基於物理的輸入資料偏置之該第一模型組件自該第一度量衡資料推斷第二度量衡資料。
- 如請求項1之方法,其中該第一度量衡資料包含一或多個度量衡影像或其表示。
- 如請求項2之方法,其中該一或多個度量衡影像可包括以下中之一或多者:基於影像的疊對影像、在一傅立葉(Fourier)平面處捕捉的散射量測影像、在一影像平面處捕捉的散射量測影像或掃描電子顯微鏡影像。
- 如請求項1之方法,其中該第二度量衡資料包含一或多個關注參數之值或一或多個關注參數之一空間變化的一描述。
- 如請求項4之方法,其中該關注參數包含疊對、CD或邊緣置放誤差(EPE)。
- 如請求項4之方法,其中該關注參數包含以下中之一或多者:線邊緣粗糙度、線寬度粗糙度、局部關鍵尺寸均勻度、平均關鍵尺寸。
- 如請求項1之方法,其中該第二度量衡資料包含e測試資料。
- 如請求項1之方法,其中該第二度量衡資料包含度量衡影像或其表示。
- 如請求項1之方法,其中該基於物理的輸入資料包含與該處理步驟相關之一或多個處理步驟參數及/或與該等圖案相關之一或多個圖案化參數。
- 如請求項9之方法,其中該等圖案化參數至少包含目標設計參數。
- 如請求項10之方法,其中該等目標設計參數包含以下中之一或多者:目標間距、目標關鍵尺寸、目標設計、目標子分割參數、晶粒中之目標置放、目標位置、圍繞及/或鄰近該目標之周圍及/或鄰近結構的任何參數。
- 如請求項9之方法,其中該等圖案化參數包含與該等圖案中之任一者相關的一或多個圖案密度參數。
- 如請求項9之方法,其中該處理步驟至少包含一蝕刻步驟;且該一或多個處理步驟參數包含一或多個蝕刻參數。
- 如請求項1之方法,其中該模型包含至少一個第二模型組件,各該至少一個第二模型組件包含可操作以產生用於該基於物理的輸入通道之該基於物理的輸入資料之一各別基於物理的模型。
- 一種電腦程式,其包含當在一合適設備上運行時可操作以執行如請求項1至14中任一項之方法之程式指令。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP22168324.6 | 2022-04-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202405585A true TW202405585A (zh) | 2024-02-01 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108431695B (zh) | 控制图案形成过程的方法、器件制造方法、用于光刻设备的控制系统以及光刻设备 | |
TWI616716B (zh) | 用於調適圖案化器件之設計的方法 | |
TWI646400B (zh) | 微影裝置、元件製造方法及相關資料處理裝置與電腦程式產品 | |
US20230021079A1 (en) | Method for controlling a lithographic apparatus and associated apparatuses | |
TWI635368B (zh) | 微影方法與微影裝置 | |
TWI664664B (zh) | 微影製程和設備及檢測製程和設備 | |
KR102124896B1 (ko) | 처리 파라미터의 간접 결정 | |
TWI654499B (zh) | 判定特徵之位置之方法、系統及電腦程式產品 | |
TW202013060A (zh) | 度量衡設備 | |
TW202119135A (zh) | 用於控制微影設備之方法 | |
TW202405585A (zh) | 用於度量衡之方法及相關裝置 | |
TW201942689A (zh) | 在一微影製程之對準標記定位 | |
TWI833388B (zh) | 判定效能參數分布及/或相關聯分位數函數之方法以及相關聯電腦程式 | |
TWI811952B (zh) | 度量衡方法及設備 | |
TWI821797B (zh) | 執行判定度量衡標記結構之方法的非暫時性電腦可讀媒體 | |
EP4231096A1 (en) | Methods of metrology | |
WO2023198381A1 (en) | Methods of metrology and associated devices | |
TW202232620A (zh) | 監控微影製程之方法及相關裝置 | |
TW202318098A (zh) | 監測微影程序之方法及其相關設備 | |
TW202324148A (zh) | 判定效能參數分布之方法 | |
TW202347042A (zh) | 度量衡方法及其相關聯裝置 | |
TW202338509A (zh) | 判定施加至基板的層的機械性質之方法及相關設備 |