TWI820680B - 用於模型化邏輯結構之有效單元近似的方法和裝置 - Google Patents

用於模型化邏輯結構之有效單元近似的方法和裝置 Download PDF

Info

Publication number
TWI820680B
TWI820680B TW111115049A TW111115049A TWI820680B TW I820680 B TWI820680 B TW I820680B TW 111115049 A TW111115049 A TW 111115049A TW 111115049 A TW111115049 A TW 111115049A TW I820680 B TWI820680 B TW I820680B
Authority
TW
Taiwan
Prior art keywords
unit
standard logic
approximation
sample
data
Prior art date
Application number
TW111115049A
Other languages
English (en)
Other versions
TW202309500A (zh
Inventor
凱文 愛德華 海德里希
尼可拉斯 詹姆士 凱勒
Original Assignee
美商昂圖創新公司
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 美商昂圖創新公司 filed Critical 美商昂圖創新公司
Publication of TW202309500A publication Critical patent/TW202309500A/zh
Application granted granted Critical
Publication of TWI820680B publication Critical patent/TWI820680B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06F30/34—Circuit design for reconfigurable circuits, e.g. field programmable gate arrays [FPGA] or programmable logic devices [PLD]
    • G06F30/347—Physical level, e.g. placement or routing
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8845—Multiple wavelengths of illumination or detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8848—Polarisation of light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/21—Polarisation-affecting properties
    • G01N21/211—Ellipsometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Complex Calculations (AREA)
  • Image Analysis (AREA)

Abstract

使用有效單元近似來判定一標準邏輯單元(例如，一隨機邏輯單元)之特性。該有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之密度。該有效單元近似可基於該標準邏輯單元之一所選取區域而產生，且包括與該所選擇區域相同的非週期性圖案。替代地，該有效單元近似可使用具有與該標準邏輯單元中所發現之相同之行與間隔之密度的週期性圖案來表示該標準邏輯單元之非週期性圖案。該樣本上之結構(諸如一邏輯單元或基於該有效單元近似產生之一計量目標)經測量以獲取資料，該資料與用於該有效單元近似之資料相比較，以判定該標準邏輯單元之一特性。

Description

用於模型化邏輯結構之有效單元近似的方法和裝置
本文所述之標的之實施例大致上係關於光學計量，且更具體而言係關於邏輯結構計量之模型化及目標設計。
〔相關申請案之交互參照〕
本申請案主張案2021年5月5日申請之美國非臨時專利申請案第17/308,949號且標題為「EFFECTIVE CELL APPROXIMATION MODEL FOR LOGIC STRUCTURES」之權利及優先權，其已轉讓給本案之受讓人且以全文引用之方式併入本文中。
半導體及其他類似產業經常在處理期間使用光學計量設備以提供基材之非接觸式評估。使用光學計量，例如在單一波長或多個波長下用光照明受測試樣本。在與樣本交互作用之後，檢測並分析所得光以判定樣本之所欲特性。
分析一般包括受測試結構之模型。模型可基於結構之材料及標稱特性(例如，膜厚度、行與間隔寬度等)予以產生。模型之一或多個參數可變化，且可例如使用嚴格耦合波分析(Rigorous Coupled Wave Analysis,RCWA)或其他類似技術，基於光學計量裝置之模型及特性，來針對各參數變化而計算來自 結構之預期資料。可例如在線性迴歸程序中比較每一參數變化的經測量資料與所預測資料，直到達成介於所預測資料與經測量資料之間的良好擬合，在此時間，模型化參數被判定為準確表示受測試結構之特性。
當樣本係簡單的結構或均勻圖案時，模型化技術特別實用。不幸地，當樣本複雜時，諸如在隨機邏輯結構中所發現者，以分析方式模型化樣本可能有難度。例如，隨機邏輯結構包括無法使用諸如RCWA之習知技術模型化的非週期性元素。因此，需要一種可用於測量複雜樣本結構的改良光學計量程序。
標準邏輯單元用於設計複雜電路(諸如單元)，複雜電路設計係可能的(諸如標準邏輯單元)。例如，標準單元可表示基本布林函數(例如，NAND、NOR、XOR或更複雜函數)，且可含有包含數百或數千個個別電晶體及互連結構之區塊或圖案。標準邏輯單元之實例係隨機邏輯，其係將高階邏輯描述直接轉譯成硬體特徵的一半導體電路設計。包括標準邏輯單元(諸如隨機邏輯)之晶片上之特徵的配置係非週期性的，且可包括幾個可辨圖案。標準邏輯單元(諸如隨機邏輯)中缺乏圖案，導因於缺乏例如一般用於模型化之週期性圖案而引起光學計量困難。
為了測量體現具有非週期性圖案之一標準邏輯單元的一樣本上之一邏輯單元，該標準邏輯單元可使用一有效單元近似來近似。該有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之密度，但可能不是該標準邏輯單元中之該等圖案的一準確表示。例如，該有效單元近似可係該標準邏輯單元之一小區域，該小區域經選擇以表示其餘邏輯單元之行與間隔之密度，即使在該所選取區域中之圖案可能未在該標準邏輯單元中他處重複。在另一實例中，該有效單元近似可係藉由改變行與間隔之分佈來產生，以用與該標 準邏輯單元中的行與間隔之相同總密度來均勻地分佈行與間隔。因此，在該有效單元近似中用具有與該標準邏輯單元中所發現之相同之行與間隔之密度的週期性圖案來表示該標準邏輯單元之該等非週期性圖案。
該標準邏輯單元之該有效單元近似可體現於用於計算該模型中的輕微變化之預期測量資料的一模型中，該模型可即時判定或預計算並儲存在一庫中。該標準邏輯單元之該有效單元近似可替代地以複數個計量目標予以體現，該複數個計量目標之各者具有相對於其他計量目標的可變參數之略微變化。該等計量目標可經預測量且與可變參數之各變化相關聯的所得資料儲存在一庫中。該標準邏輯單元之該有效單元近似可替代地以在該樣本連同受測裝置上產生的一計量目標予以體現。該樣本上之結構(諸如一受測邏輯單元或基於該有效單元近似產生之一計量目標)可經光學地測量以使用一光學計量裝置獲取經測量資料。可比較該經測量資料與該有效單元近似之資料以判定該樣本上之該邏輯單元之一所欲特性。
在一個實施方案中，可使用一光學計量裝置來執行一種判定一樣本上之一標準邏輯單元之一特性的方法。獲取用於一樣本上之一標準邏輯單元的一有效單元近似之資料。該有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之一密度。可從反射自該樣本上之一結構的光獲取經測量資料。使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之該特性。
在一個實施方案中，一光學計量裝置經組態以判定一樣本上之一標準邏輯單元之一特性。該光學計量裝置包括：一光源，其產生入射於一樣本上及藉由該樣本反射的光；及至少一個偵測器，其接收被該樣本反射後之該光。該光學計量裝置包括耦接至該至少一偵測器的至少一處理器。該至少一個處理器經組態以獲取用於一樣本上之一標準邏輯單元的一有效單元近似之資料。該 有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之一密度。該至少一個處理器進一步經組態以：從反射自該樣本上之一結構的光獲取經測量資料；及使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之該特性。
在一個實施方案中，一光學計量裝置經組態以判定一樣本上之一標準邏輯單元之一特性。該光學計量裝置包括：一光源，其產生入射於一樣本上及藉由該樣本反射的光；及至少一個偵測器，其接收被該樣本反射後之該光。該光學計量裝置包括用於獲取用於一樣本上之一標準邏輯單元的一有效單元近似之資料的一構件。該有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之一密度。該光學計量裝置進一步包括：用於從反射自該樣本上之一結構的光獲取經測量資料的一構件；及用於使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之該特性的一構件。
100:標準單元
200:標準邏輯單元
202:垂直條
204:水平條
206:方框(單一標準單元)
300:程序
302:代表性區域或磚
304:有效單元近似
306:最小磚
308:最大磚
400:程序
402:單位單元
404:有效單元近似
406:方框(標準邏輯單元200之有效單元近似404)
500:晶圓
502:晶粒
504:有效單元近似計量目標
506:箭頭(晶粒中位置)
508:箭頭(晶粒之間的劃線中位置)
600:光學計量裝置
601:樣本
602:光
604:偏振元件
605:光彈性調變器
608:控制夾盤
609:置物台
610:光源
612:偏振元件(分析器)
614:透鏡
620:聚焦光學件
630:聚焦光學件
650:偵測器
660:處理器
662:處理單元
664:記憶體
666:顯示器
667:通訊埠
668:輸入裝置
669:儲存媒體
700:流程圖
702:步驟
704:步驟
706:步驟
708:步驟
710:步驟
712:步驟
714:步驟
800:圖表
802:圖表
900:流程圖
902:步驟
904:步驟
906:步驟
[圖1]繪示之標準單元之一部分的實例，其展示頂部平面圖。
[圖2]係使用複數個標準單元(諸如圖1所示者)產生之標準邏輯單元之實例佈局的平面圖，且包括行與間隔之非週期性圖案。
[圖3]繪示基於標準邏輯單元之代表性區域來產生圖2之標準邏輯單元之有效單元近似的程序。
[圖4]繪示基於標準邏輯單元中之結構(例如，行與間隔)之已知密度來產生圖2之標準邏輯單元之有效單元近似的程序。
[圖5]繪示包括複數個晶粒之晶圓之透視圖，且該晶圓包括基於在晶粒中位置中或劃線中位置中的標準邏輯單元之有效單元近似所設計的計量目標。
[圖6]繪示可用以使用有效單元近似來收集及分析資料的光學計量裝置的的實例。
[圖7]係繪示使用有效單元近似來測量樣本之方法的流程圖。
[圖8A]及[圖8B]繪示使用有效單元近似相比於其他測量技術產生的測量結果。
[圖9]係繪示使用用於標準邏輯單元之有效單元近似來判定樣本上之標準邏輯單元之特性的方法的流程圖，該方法可由光學計量裝置執行。
在半導體及類似裝置製造期間，有時需要藉由非破壞性地測量該裝置來監測製造程序。光學計量可採用用於處理期間樣本的非接觸評估而採用。在一種習知計量技術中，半導體設計中之標準單元之結構參數可藉由光學地測量表示一樣本之一結構(例如，該樣本之一部分或模擬該樣本之一目標)來監測。該經測量結構例如可係在晶圓上之晶粒中或在晶圓上之劃線中(即，該等晶粒之間)。該結構可使用諸如嚴格耦合波分析(RCWA)、時域有限差分(Finite Difference Time-Domain,FDTD)或有限元素方法(Finite Element Method,FEM)來以數學方式模型化，可用於產生該結構的所預測資料。比較該所預測資料與來自該結構之該經測量資料。該結構之該模型之一或多個參數可經重複地調整，且使用線性迴歸程序來比較該經測量資料與該所獲取資料，直到擬合被視為在指示該等參數準確地表示該標準單元之一特性的公差內。
在半導體設計中，標準單元可用於使用例如主要數位邏輯特徵來設計應用特定積體電路(application specific integrated circuit,ASIC)。標準單元之使用允許低階超大型積體電路(very-large-scale integration,VLSI)佈局被封裝至抽象邏輯表示中。舉實例而言，標準單元可係電晶體連同互連結構之一群組，其 等提供邏輯函數(諸如AND、OR、XOR、XNOR、反相器或儲存函數)，諸如，正反器或鎖存器。雖然簡單的標準單元可表示基本布林函數(例如，NAND、NOR、XOR)，然而更複雜的標準單元可表示更複雜的函數，且可含有包含數百或數千個個別電晶體及互連結構之區塊或圖案。在使用大量標準單元的情況中，複雜電路設計係可行的，諸如標準邏輯單元。標準邏輯單元之實例係隨機邏輯，其係將高階邏輯描述直接轉譯成硬體特徵(諸如AND及OR閘)的一半導體電路設計。一般而言，包括標準邏輯單元(諸如隨機邏輯)之晶片上之特徵的配置係非週期性的，且可包括幾個可辨圖案。標準邏輯單元(諸如隨機邏輯)中缺乏圖案引起用於光學計量之模型化的困難。
例如，使用諸如嚴格耦合波分析(RCWA)之技術模型化需要模型化結構係週期性的。在模型化引擎中使用RCWA係所欲的，此係因為RCWA係快速收斂的相對快速模型化技術，但假定所有結構均重複，即，週期性。然而，一些標準單元包括邏輯結構，其包括非週期性元素、隨機邏輯單元。因此，需要週期性之模型化技術(諸如RCWA)習知不適合於非週期性標準單元。
不需要週期性的其他模型化技術(諸如時域有限差分(FDTD)或有限元素方法(FEM))可搭配非週期性標準單元一起使用，但此等技術需要嚴格模型化整個標準單元，以及在測量期間之奈米級定位以確保經測量區域匹配經模型化區域。此外，也必須小心測量照明點大小，以確保經測量區域匹配經模型化區域。替代地，可例如使用成像橢圓偏光儀來在多個像素中成像整個單元，這減少產出量。額外地，「無模型」計量技術可搭配非週期性標準單元一起使用。無模型計量技術例如依賴於光譜維度縮減且搭配機器學習一起使用以訓練配方，以辨識對應於所關注特徵的光譜中之特徵。無模型技術不需要嚴格模型化，但需要參考資訊以產生配方(除了驗證配方以外)，且可不擷取低靈敏度參數，且通常不會與模型化技術一樣對程序變化穩健。
如本文中所論述，可藉由用「有效單元(effective cell)」來大致估計標準邏輯單元來執行非週期性標準邏輯單元之光學計量，其模型化該標準邏輯單元內之結構，但基於佈局密度(即，行與間隔之密度)來大致估計標準邏輯單元中之非週期性圖案。該佈局密度可例如從用於標準邏輯單元之實際幾何資料串流(Geometric Data Stream,GDS)佈局予以判定。有效單元近似內之圖案可以與受測邏輯單元相同的佈局密度均等地分布在單位單元內。有效單元近似中之圖案分佈可能不會精確地匹配標準邏輯單元中的圖案，例如，可藉由具有相同之行與間隔之密度的週期性圖案以有效單元近似來表示受測標準邏輯單元中的非週期性圖案。據此，若需要，則需要週期性之模型化技術(諸如RCWA)可搭配有效單元近似一起使用。此外，不需要模型化整個標準單元。有效單元近似例如可比受測標準邏輯單元更小，例如，可係標準邏輯單元大小之僅10%至20%。因為有效單元大致估計標準邏輯單元中的行與間隔之密度，因此不需要在測量期間精確控制定位以確保經測量區域匹配經模型化區域。
在一些實施方案中，一模型可針對表示標準邏輯單元的有效單元近似予以產生，且其小於標準邏輯單元且表示標準邏輯單元的行與間隔之密度。在測試期間，可比較從反射自受測樣本上之結構的光的經測量資料與經模型化有效單元，以判定標準邏輯單元之所欲特性。例如，該結構可係體現標準邏輯單元的受測試邏輯單元之至少一部分，或該結構可係基於用於標準邏輯單元之有效單元近似所設計的一計量目標。由於有效單元近似的模型之一或多個可變參數有所變化，所以可例如使用線性迴歸程序來例如比較來自模型的所預測資料與經測量資料，直到擬合被認為在指示該(等)參數準確地表示該標準邏輯單元之該(等)經測量特性的公差內。
在一個實施方案中，體現標準邏輯單元之邏輯結構的計量目標可基於用於標準邏輯單元之有效單元近似來設計。可例如在晶粒中或劃線中位置 處，在樣本連同受測邏輯結構上產生的一計量目標。例如藉由模型化用於標準邏輯單元之有效單元近似，可使用模型化技術來測量計量目標，如上文所論述。替代地，可例如基於對於一或多個可變參數中之變更的預校準測量回應來測量計量目標，而無需模型化。
圖1繪示之標準單元100之一部分的實例，其展示頂部平面圖。標準單元(諸如標準單元100)一般可使用多軌佈局予以產生，例如使用多重圖案化(諸如自對準雙圖案化(self-aligned double patterning,SADP)及自對準四重圖案化(self-aligned quadruple patterning,SAQP))技術以例如使用淺溝槽隔離(shallow trench isolation,STI)來印刷先進邏輯節點的形狀，以產生非平坦電晶體。此類技術使用重複行之單向佈局。標準單元通常特徵在於在一個方向延伸之閘極(在圖1中之標準單元之頂部圖中垂直展示)及正交於閘極延伸之鰭片(在圖1中之標準單元的頂部圖中水平地展示)。為了產生標準邏輯單元，在X及Y(垂直及水平)方向產生大量標準單元，且使用「切割遮罩(cut mask)」在特定層中的重複行中(例如，在閘極與鰭片、局部互連閘極(local-interconnect gate,LIG)、及局部互連源極-汲極(local-interconnect source-drain,LISD)中)蝕刻唯一圖案。
如上文所論述，標準單元100可係複雜電路設計之部分，該複雜電路設計可使用大量標準單元例如以產生標準邏輯單元。標準邏輯單元之實例係「隨機」邏輯，其係將高階邏輯描述直接轉譯成硬體特徵(諸如AND、OR或其他邏輯閘)的半導體電路設計。半導體電路設計及生產中產生及使用隨機邏輯的係熟習此項技術者所熟知。隨機邏輯起因於在短程(例如，大約為單一電晶體的側向尺寸)內之設計圖案之擾動，其導致長程中(例如，大約為數十或數百個電晶體的側向尺寸)中之大群體不同局部圖案。可使用圖案中之「切割」來產生擾動。
例如，在短程內(例如，大約為單一電晶體的側向尺寸)，「隨機」 邏輯係整個程序中許多二元階梯的總和。由於下列兩個主要原因，在先進邏輯中，此等階梯固有地係二元。第一、鰭片場效電晶體(fin field-effect transistor,FinFET)及環繞式閘極(Gate-All-Around,GAA)裝置具有「量化」通道，這是因為在單一邏輯區塊中的鰭片或GAA結構的通道區之高度及寬度標稱上皆相同。為了相對於N型金屬氧化物半導體(N-type metal-oxide semiconductor,NMOS)增加P通道金屬氧化物半導體(P-channel metal-oxide-semiconductor,PMOS)之驅動電流，以離散數字且依設定比率(在許多情況下，諸如2：3)新增鰭片。第二原因為維度標度法(dimensional scaling)已必須移至多重圖案化方案(甚至在極端紫外光(Extreme Ultraviolet,EUV)微影)中，其表示圖案基本上係一維(1D)。改變1D圖案之唯一方式為「切割」其。圖案中之「切割」係使邏輯區塊「隨機」的原因。
例如，在前段製程(front-end-of-line,FEOL)及中段製程(middle-end-of-line,MEOL)中，存在若干「二元(binary)」階梯，其中「切割(cut)」可存在或不存在以產生隨機邏輯。在鰭片層級，可使用鰭片切割來界定電晶體是否係「主動」或「虛設」，例如，其中對於「主動」電晶體，閘極至鰭片相交必須包括在閘極的兩側上的鰭片。在閘極層級，可隨著平行於在「鰭片切割(Fin Cut)」處定義的「虛設」閘極區域中的閘極的深蝕刻而產生擴散中斷(diffusion break)，並且用於電隔離鄰近裝置。在閘極層級處，可在N與P裝置之界面處使用閘極切割。例如，使用未切割閘極，N及P閘電耦接在一起，而使用切割閘極，N及P閘極電隔離。可在閘極層級之不同製程步驟(例如，預多晶矽(Pre-poly-Si)閘極形成、後多晶矽(post poly-Si)閘極形成，或後取代多晶矽(post replace poly-Si)閘極)切割閘極。在MEOL層級，可例如在FEOL完成後切割來源極汲極接觸，使得可接觸或未接觸電晶體的源極及/或汲極。在MEOL層級，可在FEOL完成之後切割閘極接觸，例如，始終接觸主動閘極，但取決於是否已切割閘極及其他 路由考量，接觸部位可能不同。
對於需要單向佈局的愈來愈微影步驟，使用多重圖案化(例如，SADP及SAQP)邏輯按比例縮放已進展至亞20nm節點。這些限制導致在晶粒中(包括標準單元)處處固有的週期性圖案化，惟例如用導致隨機邏輯的切割遮罩所產生的圖案化除外。
圖2係可使用在X及Y方向延伸之複數個標準單元(諸如圖1所示者，或其他標準單元)產生之標準邏輯單元200之佈局的平面圖。標準邏輯單元200之佈局包括表示閘極圖案的垂直條202及表示鰭片圖案的水平條204。在圖2中由方框206所識別的單一標準單元在整個標準邏輯單元200中重複地複製，其中例如使用切割遮罩所產的閘極與鰭片之間的間隙或空間導致非週期性圖案，且因此標準邏輯單元200可稱為隨機邏輯單元。例如，可使用具有28nm鰭片節距及56nm閘極節距的7nm設計規則來產生標準邏輯單元200。間距例如在X方向上係2240nm(具有40個閘極)，在Y方向係1680nm切割2(N與P電晶體之間的間距)，留下3(在所有電晶體上的鰭片)。當然，可使用其他設計規則來產生標準邏輯單元。
對於體現標準邏輯單元之邏輯結構的光學計量，可產生標準邏輯單元200之有效單元近似。有效單元近似準確表示在標準邏輯單元200內的結構(例如，標準單元)，但未準確地表示標準邏輯單元200中之非週期性圖案。而是，有效單元近似使用具有與整體標準邏輯單元中所發現之相同之行與間隔之密度的圖案來表示非週期性圖案。因此，有效單元近似的行與間隔之圖案可不同於在標準邏輯單元中發現的行與間隔之圖案，但行與間隔之密度相同。例如，在一個實施方案中，有效單元近似可藉由選擇標準邏輯單元200之代表性區域(在本文中有時稱為磚)予以產生且準確地表示磚。在另一實施方案中，有效單元近似可藉由大致估計標準邏輯單元200之密度分佈而產生，但未準確地表示 在標準邏輯單元之任何特定區域處的圖案。
圖3例如繪示基於標準邏輯單元200之代表性區域或磚302來產生標準邏輯單元200(例如，隨機邏輯單元)之有效單元近似304的程序300。如所繪示，標準邏輯單元200之區域302可經選擇作為其餘標準邏輯單元之表示。例如，基於標準邏輯單元200之整體佈局來選擇代表性磚302，使得磚302內的行與間隔之密度分佈與整體標準邏輯單元200的行與間隔之密度分佈相同或緊密近似。因此，可使用代表性磚302來產生用於全標準邏輯單元200的有效單元近似304。如可見，代表性磚302內之結構(且因此有效單元近似304)包括非週期性圖案。據此，可使用不需要週期性的模型化技術(諸如FDTD或FEM)來嚴格地模型化代表性磚302。
若需要，可使用用於標準邏輯單元200之有效單元近似的其他尺寸之代表性磚。例如，如藉由磚306所繪示，可使用僅包括幾個閘及STI結構的標準邏輯單元200之區域，例如，大於閘極及鰭片節距之設計規則達約10倍之單位節距可用於對密度近似提供10%解析度。另一方面，如藉由磚308所繪示，相對大量的閘極及STI結構可被包括在標準邏輯單元200之代表性區域中。可例如基於標準邏輯單元200之近似準確度與運算時間之間的權衡來選擇所使用的磚之大小。例如，最小磚306將具有比最大磚308的顯著更快的運算時間，但最小磚306的標準邏輯單元200之近似可能不如最大磚308一樣準確，且因此可能需要從具有在最小磚306中找到的相同或非常類似之圖案的受測邏輯單元之區域測量。若計量裝置之探針大小係小(例如，5×5μm)，則磚大小與探針大小之空間對準係所欲的。
圖4例如繪示基於標準邏輯單元200之結構(例如，行與間隔)之已知密度來產生標準邏輯單元200(例如，隨機邏輯單元)之有效單元近似404的程序400。標準邏輯單元200之有效單元近似404內之圖案可以與標準邏輯單元 200相同(或大致相同)的佈局密度均等地分佈在單位單元內。因此，有效單元近似404使用具有與標準邏輯單元中所發現之相同之行與間隔之密度的週期性圖案來表示標準邏輯單元之非週期性圖案。例如，如圖4中所繪示，有效單元近似404中的圖案分佈可不精確地匹配標準邏輯單元200內之任何位置的實際圖案，但有效單元近似404中的結構(例如，閘極及STI)之密度可大致與整體標準邏輯單元200之密度相同。
如圖4所繪示，可例如使用RCWA、FDTD、FEM等來嚴格模型化方框406所繪示之標準邏輯單元200之有效單元近似404。標準單元之節距可在X及Y方向延伸達數個週期(例如，4至5倍或任何其他所欲因子)，以產生單位單元402。標準邏輯單元200之非週期性層(例如，藉由切割遮罩經圖案化之層)的佈局密度可經判定，且接著均勻分佈在單位單元402中以產生有效單元近似404。可在實際或代表性幾何資料串流(GDS)佈局中找到標準邏輯單元200之佈局密度。例如，閘極中切割之密度可經判定為40%，且STI中之切割密度可經判定為25%。對閘極及STI之相同或大致切割密度可均勻地分佈在單位單元402中。單位單元402之大小(即，單位單元402內之標準單元數目)可經選擇以使得可達成閘極及STI中之所欲切割密度。例如，閘極及STI中之切割密度的最小公倍數可用以判定單位單元402內之節距數目。替代地，單位單元402之大小可經選擇使得可達成閘極及STI中之所欲切割密度的緊密近似，但受測邏輯單元之測量的準確度會變糟。雖然有效單元近似404中的分佈圖案未精確地匹配標準邏輯單元200內之任何特定位置，但是在有效單元近似404中之行與間隔之密度匹配標準邏輯單元200。
藉由以與標準邏輯單元200相同的佈局密度將圖案均等地分佈在有效單元近似404內，所得有效單元近似404可係週期性的。因此，可使用需要週期性之技術(諸如RCWA)來模型化有效單元近似404。當然，若需要，則可 使用其他模型化技術，諸如FDTD或FEM。
在一個實施方案中，在測試期間，可比較從反射自體現標準邏輯單元200的受測邏輯結構之光的經測量資料與使用有效單元近似404產生的模型資料，以判定受測邏輯結構之所欲特性。在另一實施方案中，有效單元近似可實體地產生作為例如在晶粒中位置或劃線中位置處的在樣本連同受測邏輯結構上的計量目標。例如，可基於標準邏輯單元之所選取區域(例如，圖3中所示之磚302)來設計計量目標，其用作為用於標準邏輯單元之有效單元近似。在另一實施方案中，計量目標可基於有效單元近似(基於設計規則所產生)予以設計且具有與標準邏輯單元(例如，圖4中所示之有效單元近似404)相同的圖案密度。
舉實例而言，圖5繪示包括複數個晶粒之晶圓之透視圖，且該晶圓可包括體現標準邏輯單元(例如，隨機邏輯單元)的一或多個邏輯結構。晶圓500進一步包括基於標準邏輯單元200之有效單元近似(例如，諸如圖3或圖4中所繪示者)所設計的一有效單元近似計量目標504。有效單元近似計量目標504可位於晶粒中位置處(例如，如箭頭506所繪示)或在晶粒之間的劃線中位置中(如箭頭508所繪示)。
在一些實施方案中，有效單元近似計量目標504可例如使用任何所欲模型技術予以模型化。在測試期間，可比較從反射自樣本上之有效單元近似計量目標504之光的經測量資料與使用有效單元近似產生的模型資料，以判定邏輯結構之所欲特性。替代地，可例如基於對於一或多個可變參數中之變更的預校準測量回應來測量有效單元近似計量目標504，而無需模型化。例如，複數個有效單元近似計量目標可經產生且經測量及儲存於庫中，該複數個有效單元近似計量目標之各者具有相對於其他有效單元近似計量目標的可變參數之略微變化。可比較來自有效單元近似計量目標之經測量資料可與儲存在庫中的測量 結果，以例如基於均方差(Mean-Squared Error,MSE)找出最佳擬合，據此，邏輯結構之(多個)特性可經判定為對應於最佳擬合測量結果中的所預測量計量目標之(多個)可變參數之(多個)值。
可使用光學計量裝置(諸如反射測量、橢圓偏光儀、穆勒矩陣橢圓偏光儀、FTIR等)來測量體現使用有效單元近似或有效單元近似計量目標所模型化的標準邏輯單元(例如，隨機邏輯單元)的樣本上之邏輯結構。
舉實例而言，圖6繪示光學計量裝置600的示意圖，如本文所描述，該光學計量裝置可用以使用有效單元近似來收集及分析資料，以測量受測邏輯結構中的標準邏輯單元(例如，隨機邏輯單元)實施例之特性。光學計量裝置600可經組態以執行包括體現標準邏輯單元之邏輯結構的樣本601的例如光譜反射測量、橢圓偏光儀測量，包括穆勒矩陣橢圓偏光儀測量或FTIR測量。應理解，光學計量裝置600係繪示為計量裝置之一個實例，如本文所論述，其可使用有效單元近似，且若需要，可使用其他計量裝置，包括法線入射裝置、非偏振裝置等。
如所繪示，光學計量裝置600包括產生光602的一光源610，例如介於200nm與800nm之間的光602(例如，UV可見光)。由光源610產生之光602可包括波長範圍(即，寬帶)或可係單色。光學計量裝置600包括聚焦光學件620及630，其聚焦且接收光且導引該光為傾斜入射於樣本601之頂部表面上。聚焦光學件620、630可係折射性、反射性或其等之組合，且可係一物鏡。
經反射光可被透鏡614聚焦且被偵測器650接收。偵測器650可係習知電荷耦合裝置(charge coupled device,CCD)、光二極體陣列、CMOS或類似的偵測器，將經偏振光之全光譜分散成跨偵測器像素陣列之光譜成分的光譜儀。偵測器650可係例如光譜儀(例如，如果使用寬頻光)，例如，在偵測器650產生依據波長而變化的光譜信號λ。一或多個偏振元件可在光學計量裝置600之 光束路徑中。例如，光學計量裝置600可包括在樣本601前的光束路徑中之一偏振元件604及在樣本601後的光束路徑中之一偏振元件(分析器)612中之一或兩者(或無)，且可包括一或多個額外元件，諸如光彈性調變器605之補償器。
偵測器650可耦接至至少一個處理器660，諸如工作站、個人電腦、中央處理單元或其他適當的電腦系統或多個系統。應理解，在本文中可使用一個處理器、多個分開之處理器或多個連結之處理器，所有其等可互換地稱為處理器660、至少一個處理器660、一或多個處理器660。處理器660較佳地包括在光學計量裝置600中、或連接至該光學計量裝置、或以其他方式與該光學計量裝置相關聯。例如，處理器660可例如藉由控制耦接至夾盤的置物台609之移動來控制樣本601的定位。例如，置物台609可能夠在笛卡座(即，X及Y)座標、或極性(即，R及θ)座標或兩者之一些組合中水平運動。置物台亦可能夠沿Z座標垂直運動。處理器660可進一步控制夾盤608的操作以固持或釋放樣本601。處理器660亦可收集及分析自偵測器650獲取的資料。處理器660可分析資料以使用有效單元近似來判定在樣本601上之受測邏輯結構之一或多個物理特性，如本文所論述。例如，處理器660可比較從體現標準邏輯單元的邏輯單元或從有效單元近似計量目標經測量之資料與基於用於有效單元近似之一或多個模型的所預測資料。模型之參數係有所變化，且例如在線性迴歸程序中比較所預測資料與經測量資料，直到達成介於所預測資料與經測量資料之間的良好擬合，在此時，經模型化參數被判定為受測試邏輯結構之特性。
處理器660包括含記憶體664的至少一個處理單元662以及包括例如一顯示器666及輸入裝置668的一使用者介面。使電腦可讀的程式碼體現的非暫時性電腦可使用之儲存媒體669可由處理器660使用，用於引起該至少一個處理器控制光學計量裝置600，及執行包括本文所述之分析的功能。用於自動實施本實施方式中所描述之一或多個動作的資料結構及軟體碼可由所屬技術領域中 具有通常知識者按照本揭露予以實作，並儲存在例如一電腦可使用之儲存媒體669上，該儲存媒體可係可儲存碼及/或資料以供電腦系統(諸如處理單元662)使用的任何裝置或媒體。電腦可使用之儲存媒體669可係但不限於快閃隨身碟、磁性及光學儲存裝置，諸如磁碟機、磁帶、光碟、及DVD(數位多功能光碟或數位視訊光碟)。通訊埠667亦可用以接收用以程式化處理器660之指令，以執行本文所述之功能之任何一或多者，且可表示諸如至網際網路或任何其他電腦網路之任何類型的通訊連接。通訊埠667可進一步在前饋或反饋程序中匯出信號(例如具有測量結果及/或指令)至另一系統(諸如外部處理工具)，以基於該等測量結果來調整與樣本之製造程序步驟相關聯的一程序參數。此外，本文所述之功能可整體或部分地體現於特定應用積體電路(ASIC)或可程式化邏輯裝置(programmable logic device,PLD)之電路系統內，且該等功能可以電腦可理解之描述符語言予以體現，該電腦可理解之描述符語言可用來建立如本文所述般操作的ASIC或PLD。來自資料分析之結果可例如儲存在與樣本601相關聯之記憶體664中，及/或例如經由顯示器666、警示或其他輸出裝置提供給使用者。此外，可將來自分析之結果回饋至程序設備，以調整適當的圖案化步驟以補償多重圖案化程序中之任何偵測到的變異。
圖7係繪示使用有效單元近似之模型化來測量樣本之方法的流程圖700，如本文所論述。在方塊702，使用光學計量裝置(諸如圖6所示之光學計量裝置600)來從樣本獲取資料。可從在樣本上之受測邏輯結構(其體現標準邏輯單元，例如，隨機邏輯單元)之一部分來獲取資料。替代地，可從基於受測標準邏輯單元(例如，隨機邏輯單元)之有效單元近似所設計的計量目標來獲取資料，例如，如圖5中所論述。所獲取資料可係例如光譜資訊、橢圓偏振資訊、散射資訊、FTIR資訊等，但為了簡單起見，本揭露將係指獲取及使用光譜資訊。因此，舉實例而言，光學計量裝置600產生入射在樣本上的光，即，受測標準邏 輯單元或用於受測標準邏輯單元的有效單元近似計量目標。偵測從樣本散射及/或反射之光，且從所偵測光獲取資料。所獲取資料指示樣本上之標準邏輯單元之結構樣本之特性，諸如臨界尺寸、行寬度、行高度、側壁角度。
在方塊704，模型化用於標準邏輯單元之有效單元近似。例如，在一個實施方案中，用於標準邏輯單元之有效單元近似可係標準邏輯單元內之代表性磚，且可嚴格地模型化該代表性磚，例如，如圖3中所論述。在另一實施方案中，用於標準邏輯單元之有效單元近似可基於標準邏輯單元中之圖案密度予以產生，以產生均勻圖案化有效單元近似，且可嚴格模型化有效單元近似，例如，如圖4中所論述。應理解，有效單元近似中之圖案可未準確地表示標準邏輯單元之任何位置的圖案，但具有與標準邏輯單元相同或幾乎相同的圖案密度。模型可即時產生，或具有不同參數之多個模型可預先產生且儲存在庫中。
在方塊706，一旦形成初始模型，就獲取模型回應於入射光(具有與光學計量裝置中所使用之光相同的參數)之資料。換言之，資料(諸如來自模型之光譜)被計算，其可即時進行或預先產生且儲存在庫中且由處理器660從庫獲取，例如儲存於記憶體664中。
在方塊708，比較經模型化資料與所獲取資料。舉實例而言，可使用均方差(MSE)來比較所獲取與經模型化資料。在方塊710，若經模型化資料被視為匹配經測量資料，則可假設有效單元近似之模型之參數可假定以準確地表示標準邏輯單元之對應參數，且在方塊714，結果儲存在例如電腦記憶體或儲存器中，及/或顯示給使用者。
然而，在方塊710，若經模型化資料與所獲取資料不匹配，則在方塊712，調整有效單元近似之模型中之一或多個可變參數的值，且程序返回至方塊706。因此，在即時分析中，可使用Levenberg-Marquardt演算法來調整可變參數，且在方塊706，使用新模型重新計算資料。舉實例而言，調整模型之行寬 度、行高度、側壁角度、或其他可變參數中之一或多者。在使用一庫的情況中，在方塊706，藉由用與先前模型之可變參數之不同值來選擇庫中之模型來調整模型之參數，且獲取新模型之資料。接著，在方塊708，再次比較來自新模型之經模型資料與所獲取資料，且若所獲取及經模型化資料仍不匹配，則在方塊712，再次調整模型的可變參數之值。
以此方式，反覆地調整模型之參數，直到有效單元近似之模型之經模型化資料與來自樣本之所獲取資料密切匹配。當光學模型之進一步調整未改善擬合或當擬合(其可從MSE予以判定)低於經預選取臨限時，可判定資料之間的匹配。當經模型化資料與經測量資料被視為匹配時，在方塊714，可假定有效單元近似之模型之參數準確地表示標準邏輯單元之對應參數。接著，結果可儲存在記憶體664或儲存媒體669中、或報告至使用者介面裝置(諸如顯示器666)、或在前饋或回饋程序中經由通信埠667予以提供，以調整與樣本之製造程序步驟相關聯的程序參數，以補償任何偵測到之變化。
可比較在樣本之複數個位置處執行的測量，以獲取不同位置之相對測量。解決樣本中差異的能力對控制許多程序(諸如化學機械拋光)很重要。
存在用於模型之多於一組參數將產生匹配所獲取資料的經計算資料的可能性。因此，驗證程序可用以確保使用有效單元近似進行的測量正確。例如，可藉由測量基材上之複數個位置來驗證測量，且當驗證測量之準確度時使用測量之間的關係。
在另一實施方案中，可使用用於標準邏輯單元之有效單元近似來測量體現標準邏輯單元(例如，隨機邏輯單元)的邏輯結構，而無需模型化。例如，可基於標準邏輯單元之有效單元近似來設計邏輯結構之計量目標。可使用光學計量裝置(諸如圖6中所示之光學計量裝置600)來從計量目標獲取經測量資料。可例如藉由測量及儲存來自基於有效單元近似所設計但在一或多個可 變參數中具有略微變化的複數個計量目標之經測量資料，來預校準計量目標之回應。在測試期間，比較來自計量目標之經測量資料與預校準測量結果以判定最佳擬合，從而可判定邏輯結構之(多個)特性可判定為與最佳擬合測量結果相關聯的所預測量計量目標之(多個)可變參數之(多個)值。
圖8A展示的圖表800及802展示使用有效單元近似(800)及使用機器學習技術(802)的關鍵參數相關結果。圖8A繪示沿使用有效單元近似經測量(例如，模擬)的圖表800之Y軸的閘極高度STI，及由沿機器學習模型所預測圖表802之Y軸的STI上方之閘極高度。圖8B繪示使用有效單元近似所獲取之穆勒矩陣光譜資料(Mxy-樣本)之擬合，及模型化之光譜資料(Mxy-Model模型)，如本文中所論述。如圖8A中可見，在關鍵參數相關性中的線性擬合及R2擬合對於圖表800中展示的有效單元近似係比在圖表802中更佳的係類似。此外，如圖8B中所繪示，所獲取資料及經模型化資料妥善地擬合，例如用約0.3至0.4之MSE。因此，如圖8A及圖8B中所繪示，對於測量標準邏輯單元，有效單元近似的效能優於習知純機學習技術。
圖9係繪示使用用於標準邏輯單元(例如，隨機邏輯單元)之有效單元近似來判定樣本上之標準邏輯單元之特性的方法的流程圖900，其可由光學計量裝置所執行，如本文所論述。如方塊902所繪示，獲取用於一樣本上之一標準邏輯單元的一有效單元近似之資料，該有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之一密度。例如，該標準邏輯單元可包括具有具有非週期性圖案之層的一多軌佈局。具有非週期性圖案之標準邏輯單元可稱為隨機邏輯單元。有效單元近似可係標準邏輯單元之有效單元近似模型，該標準邏輯單元可例如從庫所獲取(例如，儲存在光學計量裝置的記憶體中)，或可使用嚴格模型化(諸如RCWA、FDT或FEM)來即時產生。該有效單元近似可包含複數個有效單元近似計量目標，各有效單元近似計量目標具有相對於其他 有效單元近似計量目標的一或多個可變參數中之一變化，其中用於該有效單元近似之該資料係獲自一庫。該有效單元近似之該資料可包括可變參數，諸如行寬度、行高度、側壁角度或其等之組合。用於獲取用於一樣本上之一標準邏輯單元的一有效單元近似之資料的一構件可包括例如儲存於記憶體664中的庫、及處理器660，該處理器具有專用硬體或實施在光學計量裝置600中之記憶體664及/或儲存媒體669中的可執行程式碼或軟體指令，該有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之一密度。
在方塊904，從反射自該樣本上之一結構的光獲取經測量資料。在一些實施方案中，該樣本上之該結構可係體現該標準邏輯單元的一邏輯結構之至少一部分。因此，可從晶粒中邏輯結構獲取經測量資料。在一些實施方案中，該樣本上之該結構可係體現該標準邏輯單元之該有效單元近似的一計量目標。因此，可從在晶粒中位置或劃線中位置中(例如，如圖5所示)的用於有效單元近似計量目標的計量目標獲取經測量資料。用於從反射自該樣本上之一結構的光獲取經測量資料的一構件可包括例如光源610及偵測器650、以及處理器660，該處理器具有專用硬體或實施在光學計量裝置600中之記憶體664及/或儲存媒體669中的可執行程式碼或軟體指令。
在方塊906，使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之一特性。例如，如圖5所繪示，該有效單元近似包含該標準邏輯單元之一有效單元近似模型的情況中，藉由從該有效單元近似模型獲取經計算資料及比較該經測量資料及該經計算資料來判定該樣本上之該標準邏輯單元之該特性，其中反覆地調整該有效單元近似模型之至少一個參數，且獲取及比較對應的經計算資料與該經測量資料，直到存在一可接受擬合，其中該標準邏輯單元之該特性經判定為對應於該可接受擬合之至少一個參數。在一些實施方案中，該經測量資料及該經計算資料可係光譜資料或橢圓偏 振資料中之至少一者。用於使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之該特性的一構件可包括例如儲存於記憶體664中的庫、及處理器660，該處理器具有專用硬體或實施在光學計量裝置600中之記憶體664及/或儲存媒體669中的可執行程式碼或軟體指令。
在一些實施方案中，該有效單元近似可基於該標準邏輯單元之一所選取區域，且包括該標準邏輯單元之該所選取區域的非週期性圖案，例如，如圖3所示。在其他實施方案中，該有效單元近似可使用具有與該標準邏輯單元相同之行與間隔之密度的週期性圖案來表示該標準邏輯單元之該等非週期性圖案，例如，如圖4所示。例如，該標準邏輯單元之該有效單元近似可基於該標準邏輯單元之設計規則來表示該有效單元近似中之結構。在一些實施方案中，該有效單元近似之該等週期性圖案不匹配該標準邏輯單元之任何區域中之圖案。
雖然本發明係為了教導之目的而關聯於具體實施例來說明，但本發明不限於此。可在不悖離本發明之範疇下進行各種調適及修改。因此，隨附申請專利範圍之精神及範疇不應限於前述說明。
900:流程圖
902:方塊
904:方塊
906:方塊

Claims (20)

  1. 一種用於判定標準邏輯單元的特性之方法，其包含：獲取用於樣本上之標準邏輯單元的有效單元近似之資料，該有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之密度；從反射自該樣本上之結構的光獲取經測量資料；及使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之特性。
  2. 如請求項1之方法，其中該有效單元近似係基於該標準邏輯單元之所選取區域，且包括該標準邏輯單元之該所選取區域的非週期性圖案。
  3. 如請求項1之方法，其中該有效單元近似使用具有與該標準邏輯單元相同之行與間隔之密度的週期性圖案來表示該標準邏輯單元之非週期性圖案。
  4. 如請求項3之方法，其中該標準邏輯單元之該有效單元近似係基於該標準邏輯單元之設計規則來表示該有效單元近似中之結構。
  5. 如請求項3之方法，其中該有效單元近似之該週期性圖案不匹配該標準邏輯單元之任何區域中之圖案。
  6. 如請求項1之方法，其中該樣本上之該結構包含體現該標準邏輯單元的邏輯結構之至少一部分。
  7. 如請求項1之方法，其中該樣本上之該結構包含體現該標準邏輯單元之該有效單元近似的計量目標。
  8. 如請求項1之方法，其中該標準邏輯單元包含具有含非週期性圖案之層的多軌佈局。
  9. 如請求項1之方法，其中該有效單元近似之該資料包含可變參數，該可變參數包含行寬度、行高度、側壁角度、或其等之組合中之至少一者。
  10. 如請求項1之方法，其中該有效單元近似包含從庫中獲得的或使用嚴格模型化即時地產生的該標準邏輯單元之有效單元近似模型。
  11. 如請求項10之方法，其中使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之該特性包含：從該有效單元近似模型獲取經計算資料；比較該經測量資料與經獲取的該經計算資料，其中該有效單元近似模型之至少一個參數被反覆地調整，且對應的該經計算資料經獲取且與該經測量資料進行比較，直到存在可接受擬合為止，其中該標準邏輯單元之該特性經判定為對應於該可接受擬合之該至少一個參數。
  12. 如請求項11之方法，其中該經測量資料及該經計算資料包含光譜資料或橢圓偏振(ellipsometric)資料中之至少一者。
  13. 如請求項1之方法，其中該有效單元近似包含複數個有效單元近似計量目標，各有效單元近似計量目標具有相對於其他有效單元近似計量目標的一或多個可變參數中之變化，其中用於該有效單元近似之該資料係獲取自庫中。
  14. 一種光學計量裝置，其包含：光源，其產生入射於樣本上及藉由該樣本反射的光；至少一偵測器，其在該光由該樣本反射之後接收該光；至少一處理器，其經耦接至該至少一偵測器，其中該至少一處理器經組態以：獲取用於該樣本上之標準邏輯單元的有效單元近似之資料，該有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之密度；從反射自該樣本上之結構的該光獲取經測量資料；及使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之 該標準邏輯單元之特性。
  15. 如請求項14之光學計量裝置，其中該有效單元近似係基於該標準邏輯單元之所選取區域，且包括該標準邏輯單元之該所選取區域的非週期性圖案。
  16. 如請求項14之光學計量裝置，其中該有效單元近似使用具有與該標準邏輯單元相同之行與間隔之密度的週期性圖案來表示該標準邏輯單元之非週期性圖案。
  17. 如請求項14之光學計量裝置，其中該樣本上之該結構包含體現該標準邏輯單元的邏輯結構之至少一部分。
  18. 如請求項14之光學計量裝置，其中該樣本上之該結構包含體現該標準邏輯單元之該有效單元近似的計量目標。
  19. 如請求項14之光學計量裝置，其中該有效單元近似包含該標準邏輯單元之有效單元近似模型，且其中該至少一處理器經組態以使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之該特性，其方式係藉由經組態以：從該有效單元近似模型獲取經計算資料；比較該經測量資料與該經計算資料；及反覆地調整該有效單元近似模型之至少一個參數，且獲取及比較對應的該經計算資料與該經測量資料，直到存在可接受擬合為止，其中該標準邏輯單元之該特性經判定為對應於該可接受擬合之該至少一個參數。
  20. 一種光學計量裝置，其包含：光源，其產生入射於樣本上及藉由該樣本反射的光；至少一偵測器，其在該光由該樣本反射之後接收該光；用於獲取用於該樣本上之標準邏輯單元的有效單元近似之資料的構件，該 有效單元近似小於該標準邏輯單元且表示該標準邏輯單元的行與間隔之密度；用於從反射自該樣本上之結構的該光獲取經測量資料的構件；及用於使用該經測量資料及用於該有效單元近似之該資料來判定該樣本上之該標準邏輯單元之特性的構件。
TW111115049A 2021-05-05 2022-04-20 用於模型化邏輯結構之有效單元近似的方法和裝置 TWI820680B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/308,949 2021-05-05
US17/308,949 US12013350B2 (en) 2021-05-05 2021-05-05 Effective cell approximation model for logic structures

Publications (2)

Publication Number Publication Date
TW202309500A TW202309500A (zh) 2023-03-01
TWI820680B true TWI820680B (zh) 2023-11-01

Family

ID=83901423

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111115049A TWI820680B (zh) 2021-05-05 2022-04-20 用於模型化邏輯結構之有效單元近似的方法和裝置

Country Status (3)

Country Link
US (1) US12013350B2 (zh)
KR (1) KR20220151122A (zh)
TW (1) TWI820680B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4472633A (en) * 1981-02-09 1984-09-18 Hitachi, Ltd. Method and apparatus of measuring carrier distribution
US20030106642A1 (en) * 2001-07-10 2003-06-12 Applied Materials, Inc. Semiconductor processing module with integrated feedback/feed forward metrology
US20060187468A1 (en) * 2002-06-18 2006-08-24 Timbre Technologies, Inc. Optical metrology of single features
TW201211789A (en) * 2010-07-22 2012-03-16 Kla Tencor Corp Method for automated determination of an optimally parameterized scatterometry model
TWI671501B (zh) * 2016-12-01 2019-09-11 美商耐諾股份有限公司 用於特徵化一樣本之方法及白光干涉測量計、用於處理來自具有一圖案化結構之一樣本之白光干涉測量資料之方法及用於量測具有一圖案化結構之一樣本之白光干涉測量計

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5042951A (en) * 1989-09-19 1991-08-27 Therma-Wave, Inc. High resolution ellipsometric apparatus
US5472814A (en) 1994-11-17 1995-12-05 International Business Machines Corporation Orthogonally separated phase shifted and unphase shifted mask patterns for image improvement
US5963329A (en) 1997-10-31 1999-10-05 International Business Machines Corporation Method and apparatus for measuring the profile of small repeating lines
US6483580B1 (en) 1998-03-06 2002-11-19 Kla-Tencor Technologies Corporation Spectroscopic scatterometer system
JP4430194B2 (ja) 1999-05-31 2010-03-10 日本板硝子株式会社 透明積層体およびこれを用いたガラス物品
IL130874A (en) 1999-07-09 2002-12-01 Nova Measuring Instr Ltd System and method for measuring pattern structures
US6485872B1 (en) 1999-12-03 2002-11-26 Mks Instruments, Inc. Method and apparatus for measuring the composition and other properties of thin films utilizing infrared radiation
IL134626A (en) 2000-02-20 2006-08-01 Nova Measuring Instr Ltd Test structure for metal cmp process control
IL138193A0 (en) 2000-08-31 2001-10-31 Nova Measuring Instr Ltd A method and system for optical inspection of a structure formed with a surface relief
US6940592B2 (en) 2001-10-09 2005-09-06 Applied Materials, Inc. Calibration as well as measurement on the same workpiece during fabrication
US7042095B2 (en) * 2002-03-29 2006-05-09 Renesas Technology Corp. Semiconductor device including an interconnect having copper as a main component
KR100438787B1 (ko) 2002-05-13 2004-07-05 삼성전자주식회사 박막 두께 측정 방법
US6885467B2 (en) 2002-10-28 2005-04-26 Tevet Process Control Technologies Ltd. Method and apparatus for thickness decomposition of complicated layer structures
US7092096B2 (en) * 2004-02-20 2006-08-15 Taiwan Semiconductor Manufacturing Co., Ltd. Optical scatterometry method of sidewall spacer analysis
US7202958B1 (en) 2004-06-01 2007-04-10 Nanometrics Incorporated Modeling a sample with an underlying complicated structure
US8126694B2 (en) 2008-05-02 2012-02-28 Nanometrics Incorporated Modeling conductive patterns using an effective model
NL2003386A (en) 2008-09-26 2010-03-29 Brion Tech Inc Lithographic processing method, and device manufactured thereby.
US10395356B2 (en) 2016-05-25 2019-08-27 Kla-Tencor Corp. Generating simulated images from input images for semiconductor applications

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4472633A (en) * 1981-02-09 1984-09-18 Hitachi, Ltd. Method and apparatus of measuring carrier distribution
US20030106642A1 (en) * 2001-07-10 2003-06-12 Applied Materials, Inc. Semiconductor processing module with integrated feedback/feed forward metrology
US20060187468A1 (en) * 2002-06-18 2006-08-24 Timbre Technologies, Inc. Optical metrology of single features
TW201211789A (en) * 2010-07-22 2012-03-16 Kla Tencor Corp Method for automated determination of an optimally parameterized scatterometry model
TWI671501B (zh) * 2016-12-01 2019-09-11 美商耐諾股份有限公司 用於特徵化一樣本之方法及白光干涉測量計、用於處理來自具有一圖案化結構之一樣本之白光干涉測量資料之方法及用於量測具有一圖案化結構之一樣本之白光干涉測量計

Also Published As

Publication number Publication date
TW202309500A (zh) 2023-03-01
KR20220151122A (ko) 2022-11-14
US12013350B2 (en) 2024-06-18
US20220357286A1 (en) 2022-11-10

Similar Documents

Publication Publication Date Title
US10504759B2 (en) Semiconductor metrology with information from multiple processing steps
KR101257954B1 (ko) 특성 시그니처 매칭을 이용한 스케터로메트리 방법
TWI615909B (zh) 用於產生半導體量測模型之方法及系統
US10769320B2 (en) Integrated use of model-based metrology and a process model
US9721055B2 (en) Measurement model optimization based on parameter variations across a wafer
US10215559B2 (en) Metrology of multiple patterning processes
US9255877B2 (en) Metrology system optimization for parameter tracking
US8832611B2 (en) Process aware metrology
US10354929B2 (en) Measurement recipe optimization based on spectral sensitivity and process variation
US7072049B2 (en) Model optimization for structures with additional materials
JP5162778B2 (ja) プロセスパラメータを分散に関連づける分散関数を用いた構造のプロファイルパラメータの決定
JP5142370B2 (ja) スペクトルの改善を利用して光計測装置を一致させる方法
TWI552245B (zh) 結合晶圓實體測量結果與數位模擬資料以改善半導體元件之製程的方法
US7897297B2 (en) Method and system for optimizing intra-field critical dimension uniformity using a sacrificial twin mask
KR20170066524A (ko) 검증 계측 타겟 및 그 설계
US7742177B2 (en) Noise-reduction metrology models
CN101145535A (zh) 非破坏性检测线宽粗糙现象的方法
KR20100016095A (ko) 인라인 리소그래피 및 에칭 시스템
TWI761414B (zh) 基於超出規格點之減少之用於對準量測的取樣圖之判定
TWI631636B (zh) 以模型爲基礎之量測及一製程模型的整合使用
TWI820680B (zh) 用於模型化邏輯結構之有效單元近似的方法和裝置
US6582863B1 (en) Method of controlling photolithography processes based upon scatterometric measurements of sub-nominal grating structures
TW202244460A (zh) 基於經訓練之經參數調節之測量模型之高解析度輪廓測量
KR100672691B1 (ko) 반도체 소자의 패턴 측정 방법
US7362453B2 (en) Method for the characterization of a film