用于模型校准的改进量规选择的制作方法

用于模型校准的改进量规选择
1.相关申请的交叉引用
2.本技术要求于2019年2月27日递交的美国申请号62/811,281的优先权，所述美国申请的全部内容通过引用并入本文中。
技术领域
3.本说明书中的描述通常涉及用于与光刻过程相关联的模型校准的测试图案，并且更具体地涉及从测试图案的较大集合选择测试图案的最优集合。


背景技术：

4.光刻投影设备可以用于例如集成电路(ic)的制造中。在这种情况下，图案形成装置(例如，掩模)可以包括或提供与ic的单层对应的图案(“设计布局”)，并且这一图案可以通过诸如穿过图案形成装置上的图案辐射已经涂覆有辐射敏感材料(“抗蚀剂”)层的衬底(例如硅晶片)上的目标部分(例如包括一个或更多个的管芯)的方法，被转印到所述目标部分上。通常，单个衬底包括被光刻投影设备连续地、一次一个目标部分地将图案转印到其上的多个相邻目标部分。在一种类型的光刻投影设备中，整个图案形成装置上的图案被一次转印到一个目标部分上；这样的设备通常称作为步进器。在一种替代的设备(通常称为步进扫描设备)中，投影束沿给定的参考方向(“扫描”方向)在图案形成装置之上扫描，同时沿与所述参考方向平行或反向平行的方向同步移动衬底。图案形成装置上的图案的不同部分被逐渐地转印到一个目标部分上。因为通常光刻投影设备将具有减小比率m(例如，4)，所以衬底被移动的速率f将是投影束扫描图案形成装置的速率的1/m倍。关于光刻装置的更多信息可以在例如以引用的方式并入本文中的us 6,046,792中找到。
5.在将所述图案从图案形成装置转印至衬底之前，衬底可能经历各种工序，诸如涂底料、抗蚀剂涂覆以及软焙烤。在曝光之后，衬底可能经历其它工序(“曝光后工序”)，诸如曝光后焙烤(peb)、显影、硬焙烤以及对所转印的图案的测量/检查。这一系列的工序被用作为制造器件(例如ic)的单个层的基础。之后衬底可能经历各种过程，诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学机械抛光等，所有的这些过程都旨在最终完成器件的单个层。如果器件需要多个层，则针对每一层重复整个工序或其变形。最终，器件将设置在衬底上的每一目标部分中。之后通过诸如切片或切割等技术，将这些器件互相分开，据此单独的器件可以安装在载体上，连接至引脚等。
6.因而，制造器件(诸如半导体器件)通常涉及使用多个制造过程来处理衬底(例如，半导体晶片)以形成器件的各种特征和多个层。这些层和特征通常使用例如淀积、光刻、蚀刻、化学机械抛光、和离子注入来制造和处理。可以在衬底上的多个管芯上制造多个器件，且然后将其分成单独的器件。此器件制造过程可以被认为是图案化过程。图案化过程涉及图案形成步骤，诸如在光刻设备中使用图案形成装置的光学和/或纳米压印光刻，以将图案形成装置上的图案转印到衬底上，并且通常但可选地涉及到一个或更多个相关的图案处理步骤，诸如通过显影设备的抗蚀剂显影、使用烘焙工具的衬底烘焙、使用蚀刻设备而使用图
案进行蚀刻等。
7.如所提及的，光刻术是制造器件(诸如ic)中的核步骤，其中，形成于衬底上的图案限定器件的功能元件，诸如微处理器、存储器芯片等。类似的光刻技术也用于形成平板显示器、微机电系统(mems)和其它器件。
8.随着半导体制造过程继续进步，几十年来，功能元件的尺寸已经不断地减小的同时每一个器件的功能元件(诸如晶体管)的量已经在稳定地增加这遵循着通常称为“莫尔定律”的趋势。在当前的技术状态下，使用光刻投影设备来制造器件的多个层，光刻投影设备使用来自深紫外线照射源的照射将设计布局投影到衬底上，从而形成具有远低于100nm(即，小于来自照射源(例如193nm照射源)的辐射的波长的一半)的尺寸的单个功能元件。
9.其中具有尺寸小于光刻投影设备的经典分辨率极限的特征被印制的这种过程通常被称为低k1光刻术，它所依据的分辨率公式是cd＝k1×
λ/na，其中，λ是所采用的辐射的波长(当前大多数情况下是248nm或193nm)，na是光刻投影设备中的投影光学元件的数值孔径，cd是“临界尺寸”(通常是所印制的最小特征尺寸)以及，k1是经验分辨率因子。通常，k1越小，在衬底上再现类似于由设计者所规划的形状和尺寸以实现特定电学功能性和性能的图案就变得越困难。为了克服这些困难，将复杂的精调整步骤应用到光刻投影设备、设计布局或图案形成装置。这些步骤包括例如但不限于：na和光学相干性设定的优化、自定义照射方案、使用相移图案形成装置、设计布局中的光学近接校正(opc，有时也称作“光学和过程校正”)，或通常被定义为“分辨率增强技术”(ret)的其它方法。
10.opc和其它ret利用了精确地描述光刻过程的鲁棒的即可靠的模型。因而，需要跨越整个过程窗提供有效的、鲁棒的并且准确的模型的针对这些光刻模型的校准工序。当前，校准是使用一定数量的一维和/或二维量规图形且利用晶片测量来完成的。更具体地，那些一维量规图案包括但不限于具有变化的节距和cd的线空间图案、隔离线、多条线等，并且二维量规图案通常包括线端、接触部和随机选择的sram(静态随机存取存储器)图案。
11.如本文中使用的术语“投影光学元件”应该被宽泛地解释为涵盖各种类型的光学系统，包括例如折射型光学器件、反射型光学器件、孔阑和反射折射型光学器件。术语“投影光学元件”也可以包括用于共同地或单个地引导、成形或控制投影辐射束的根据这些设计类型中的任一个来操作的部件。术语“投影光学元件”可以包括光刻投影设备中的任何光学部件，无论光学部件位于光刻投影设备的光学路径上的什么地方。投影光学元件可以包括用于在来自源的辐射通过图案形成装置之前成形、调整和/或投影该辐射的光学部件，或者用于在该辐射通过图案形成装置之后成形、调整和/或投影该辐射的光学部件。投影光学元件通常不包括源和图案形成装置。


技术实现要素：

12.本发明在用于模型校准的测试图案选择方面提供了许多改进，这些改进尤其是解决了上述与光刻相关的要求(例如，特征尺寸、与opc相关的要求，等等)。本发明的优点在于，它提供了一种改进的方式来测量给定测试图案的特性，且同时提供了一种有效的方式来选择充分表示预期光刻响应的测试图案的子集。术语“校准测试图案”、“测试图案”和“量规”能够互换地使用。
13.一种用于改进量规选择以校准用于图案化过程的过程模型的方法，包括：获得具
有与图案化过程相关联的一个或更多个特性的初始量规的集合。所述方法也包括：从初始量规的集合选择初始量规的子集。所述一个或更多个性质可以包括晶片的临界尺寸的值、与图案相关联的曲率；和/或所述图案化过程中所使用的强度。
14.在一些变型中，第一特性参数可以包括模型误差，并且模型误差是参考轮廓与从所述图案化过程的过程模型的模拟所产生的模拟轮廓之间的差，并且参考轮廓是来自扫描电子显微镜的测量轮廓。
15.所述方法也包括：基于所述一个或更多个性质中的第一性质，从初始量规的集合确定量规的第一子集，并且量规的所述第一子集可以被配置成校准过程模型。
16.在某些变型中，所述方法还包括通过使用用户限定的量规来对初始量规的集合进行过滤，以确定量规的所述第一子集。
17.在其它变型中，基于所述一个或更多个性质的第二性质从初始量规的集合确定量规的第二子集。所述方法还包括：将量规的所述第一子集和量规的所述第二子集合并成量规的合并子集。在合并量规的所述第一子集和量规的所述第二子集之后，所述方法还包括：确定量规的合并子集是否包括重复的量规。
18.所述方法还包括：从量规的合并子集选择量规的第三子集，使得所述第三子集不包括重复的量规，并且量规的所述第三子集被配置成校准过程模型。
19.在一些变型中，响应于确定不存在重复的量规，选择量规的所述合并子集来校准所述过程模型。
20.在其它变型中，获得具有与图案化过程相关联的一个或更多个特性的初始量规。
21.在一些变型中，使用初始量规，通过优化算法来校准多个模型，并且所述多个模型被配置成确定量规。所述多个模型中的每个模型与模型误差值相关联。
22.在其它变型中，基于模型误差值相对于所述多个模型中特定模型的最小模型误差值的比较，确定来自所述多个模型的候选模型。然后基于所述候选模型来选择用于图案化过程的量规。
23.在一些变型中，确定每个候选模型之间的余弦相似性指标，并且余弦相似性指标是两个向量的余弦，每个向量代表所述候选模型的给定模型。
24.在其它变型中，基于所述相似性指标，从所述候选模型选择用户限定数量的相异模型，并且相异模型具有与具备最小模型误差值的模型的相似性指标的值显著不同的相似性指标的值。
25.在一些变型中，所述模型误差值与模型误差相关联，并且模型误差是参考轮廓与从所述图案化过程的过程模型的模拟所产生的模拟轮廓之间的差。所述参考轮廓可以是来自图像捕获装置的测量轮廓。所述模型误差值可以是参考轮廓与模拟轮廓之间的差的均方根值。
26.根据实施例，提供一种计算机程序产品，其包括非暂时性计算机可读介质，所述非暂时性计算机可读介质上记录有指令。所述指令在由计算机执行时实施在权利要求中所列出的方法。
附图说明
27.被并入本说明书中并且构成本说明书的部分的附图示出了本文中所公开的主题
的某些方面，并且与实施方式一起有助于解释与所公开实施例相关联的一些原理。在附图中，
28.图1图示根据实施例的光刻投影设备的各个子系统的框图。
29.图2图示根据实施例的用于对光刻投影设备中的光刻进行模拟的示例性流程图。
30.图3示出了根据实施例的通过初始量规选择和基于模型误差的选择来改进量规选择的示例性方法的流程图。
31.图4示出了根据实施例的选择初始量规的示例性方法的流程图。
32.图5示出了根据实施例的基于一个或更多个特性来选择量规的示例性方法的流程图。
33.图6示出了根据实施例的快速遗传算法量规选择的示例性方法的流程图。
34.图7示出了根据实施例的模型选择的示例性方法的流程图。
35.图8示出了根据实施例的用于基于图7的所选模型来改进量规选择的示例性方法的流程图。
36.图9a示出了根据实施例的在校准与图案化过程相关联的过程模型时使用的量规选择的示例性方法。
37.图9b示出了根据实施例的选择初始量规的子集的示例性方法。
38.图10a示出了根据实施例的产生用于图案化过程的量规的示例性方法。
39.图10b示出了根据实施例的获得图10a的初始量规的示例性过程。
40.图10c示出了根据实施例的确定图10a的每个候选模型之间的余弦相似性指标的示例性方法。
41.图11示出了根据实施例的呈表格形式(数据帧的示例)的量规数据的示例。
42.图12示出了根据实施例的多个模型的表示(例如，在图10a至图10c的方法中)。
43.图13示出了根据实施例的不同模型的相似性的示例。
44.图14是根据实施例的示例计算机系统的框图。
45.图15是根据实施例的光刻投影设备的示意图。
46.图16是根据实施例的另一光刻投影设备的示意图。
47.图17是根据实施例的光刻投影设备的详细视图。
48.图18是根据实施例的光刻投影设备的源收集器模块的详细视图。
49.图19示意性地描绘了根据实施例的电子束检查设备的实施例。
50.图20示意性地图示了根据实施例的检查设备的另外的实施例。
具体实施方式
51.现在将参考附图详细描述本公开，附图作为本公开的说明性示例提供，以便使本领域技术人员能够实践本公开。值得注意的是，下面的附图和示例并不意味着将本发明的范围限制为单个实施例，而是可以通过交换一些或所有描述的或图示的元件来实现其它实施例。此外，在可使用已知部件来部分地或完全地实施本公开的某些元素的情况下，则将仅描述用于理解本公开所必需的这些已知部件的那些部分，并且将省略对这些已知部件的其它部分的详细描述，以便避免混淆本公开。除非本文另有规定，否则被描述为以软件实施的实施例不应限于此，而是可以包括以硬件实施的实施例，或者软件和硬件的组合，反之亦
然，如将对于本领域技术人员而言显而易见的。在本说明书中，不应认为示出单一部件的实施例是限制性的；相反，除非本文另有明确说明，否则本公开旨在涵盖包括多个相同部件的其它实施例，反之亦然。此外，除非明确规定，否则申请人不打算将说明书或权利要求中的任何术语赋予不寻常的或特殊的含义。此外，本公开还包括对于本文所提及的已知部件的现有和未来已知等效物，以举例的方式进行说明。
52.虽然在本文中可以具体地参考ic的制造，但应明确地理解，本文中的描述具有许多其它可能的应用。例如，本文中的描述可以用于制造集成光学系统、用于磁畴存储器的引导和检测图案、液晶显示面板、薄膜磁头等。本领域技术人员应了解，在这样的替代应用的情境中，本文中对术语“掩模版”、“晶片”或“管芯”的任何使用应被认是分别与更上位的术语“掩模”、“衬底”与“目标部分”是可互换的。
53.在本文档中，术语“辐射”和“束”用以涵盖所有类型的电磁辐射，包括紫外辐射(例如，具有365、248、193、157或126nm的波长)和euv(即极紫外辐射，例如具有在约5至100nm的范围内的波长)。
54.图案形成装置可以包括或可以形成一个或更多个设计布局。可以利用cad(即计算机辅助设计)过程来产生所述设计布局。这种过程常常被称作eda(即电子设计自动化)。大多数cad程序遵循预定设计规则的集合，以便产生功能设计布局/图案形成装置。通过处理和设计限制而设定这些规则。例如，设计规则限定了器件(诸如栅极、电容器等)或互联线之间的空间容许度，以便确保器件或线不会以不所需的方式彼此相互作用。设计规则限制中的一个或更多个限制可以被称作“临界尺寸”(cd)。可以将器件的临界尺寸定义为线或孔的最小宽度、或介于两条线或两个孔之间的最小空间/间隙。因而，cd确定了所设计的器件的总大小和密度。当然，器件制造中的目标之一是在衬底上如实地再现原始设计意图(经由图案形成装置)。
55.如本文中所采用的术语“掩模”或“图案形成装置”可以被广泛地解释为指代可以用以向入射辐射束赋予经图案化横截面的通用图案形成装置，经图案化横截面对应于待在衬底的目标部分中产生的图案；术语“光阀”也可以用于此情境中。除了经典掩模(透射型或反射型、二元型、相移型、混合型等)以外，其它此类图案形成装置的示例包括可编程反射镜阵列和/或可编程lcd阵列。
56.可编程反射镜阵列的示例可以是具有黏弹性控制层和反射表面的矩阵可寻址表面。这样的设备所依据的基本原理是(例如)反射表面的已寻址区域将入射辐射反射成衍射辐射，而未寻址区域将入射辐射反射成非衍射辐射。使用适合的滤光片，可以从反射束中过滤掉所述非衍射辐射，从而之后仅留下衍射辐射；这样，所述束根据矩阵可寻址表面的寻址图案而被图案化。所要求的矩阵寻址可以通过使用适合的电子装置进行。
57.以引用的方式被合并入本文中的美国专利号5,229,872中给出了可编程lcd阵列的示例。
58.图1图示了根据实施例的光刻投影设备10a的各个子系统的框图。主要部件是：辐射源12a，所述辐射源可以是深紫外准分子激光源或其它类型的源，包括极紫外线(euv)源(如上文所论述的，所述光刻投影设备自身无需具有辐射源)；照射光学器件，所述照射光学器件例如限定部分相干性(表示为标准差)且可以包括对来自源12a的辐射进行成形的光学器件14a、16aa和16ab；图案形成装置18a；以及透射光学器件16ac，所述透射光学器件将图
案形成装置图案的图像投影至衬底平面22a上。在投影光学器件的光瞳平面处的可调整滤光器或孔20a可以约束照射到衬底平面22a上的束角度的范围，其中可能的最大角度限定了投影光学器件的数值孔径na＝nsin(θ
max
)，其中n是介于所述衬底与所述投影光学器件的最后一个元件之间的介质的折射率，并且θ
max
是从投影光学器件射出的仍可以照射到衬底平面22a上的束的最大角度。
59.在光刻投影设备中，向图案形成装置和投影光学器件提供照射(即辐射)的源经由所述图案形成装置将照射引导且成形至衬底上。投影光学器件可以包括部件14a、16aa、16ab和16ac中的至少一些部件。空间图像(ai)是在衬底水平处的辐射强度分布。可以使用抗蚀剂模型以根据所述空间图像来计算抗蚀剂图像，可以在全部公开内容通过引用方式由此并入本文的美国专利申请公开号us2009
‑
0157630中找到这种情形的示例。所述抗蚀剂模型仅与抗蚀剂层的性质(例如，在曝光、曝光后焙烤(peb)和显影期间发生的化学过程的效应)有关。所述光刻投影设备的光学性质(例如，照射、图案形成装置、和投影光学器件的性质)指明了所述空间图像且可以被限定于光学模型中。由于可以改变用于光刻投影设备中的所述图案形成装置，所以期望使所述图案形成装置的光学性质与至少包括所述源和所述投影光学器件在内的所述光刻投影设备的其余部分的光学性质分离。用以将设计布局变换成各种光刻图像(例如，空间图像、抗蚀剂图像等)的技术和模型，通过使用那些技术和模型来应用了opc并且评估了性能(例如，根据过程窗)的细节在美国专利申请公开号us 2008
‑
0301620、2007
‑
0050749、2007
‑
0031745、2008
‑
0309897、2010
‑
0162197和2010
‑
0180251中加以描述，每个美国专利申请公开的公开内容由此以全文引用的方式并入。
60.图2图示根据实施例的用于模拟在光刻投影设备中的光刻的示例性流程图。源模型31表示所述源的光学特性(包括辐射强度分布和/或相位分布)。投影光学器件模型32表示所述投影光学器件的光学特性(包括由所述投影光学器件所造成的对辐射强度分布和/或相位分布的改变)。设计布局模型35表示设计布局的光学特性(包括由设计布局33所造成的对辐射强度分布和/或相位分布的改变)，所述设计布局是在图案形成装置上的、或由图案形成装置所形成的特征的布置的表示。可以根据设计布局模型35、投影光学器件模型32和设计布局模型35来模拟空间图像36。可以使用抗蚀剂模型37根据空间图像36来模拟抗蚀剂图像38。光刻的模拟可以例如预测所述抗蚀剂图像中的轮廓和cd。
61.更特别地，应注意，源模型31可以表示所述源的光学特性，所述光学特性包括但不限于数值孔径设定、照射均方偏差或标准差(σ)设定，以及任何特定照射形状(例如离轴辐射源，诸如环形、四极、偶极等等)。投影光学器件模型32可以表示所述投影光学器件的光学特性，所述光学特性包括像差、变形、一个或更多个折射率、一个或更多个实体大小、一个或更多个实体尺寸，等等。设计布局模型35可以表示实体图案形成装置的一个或更多个物理性质，如例如全文以引用的方式而被合并入本文中的美国专利号7,587,704中所描述的。模拟的目标是准确地预测例如边缘放置、空间图像强度斜率和/或cd，其接着可以与预期设计进行比较。预期设计通常被定义成能够以诸如gdsii或oasis或其它文件格式之类的标准化数字文件格式而提供的预opc设计布局。
62.根据这种设计布局，可以识别被称作“片段(clip)”的一个或更多个部分。在实施例中，提取片段集合，其表示在所述设计布局中的复杂图案(通常为约50至1000个片段，但可以使用任何数目的片段)。这些图案或片段表示所述设计的小部分(即，电路、单元或图
案)，并且更具体地，所述片段通常表示需要特别关注和/或校验/核查的小部分。换句话说，片段可以是所述设计布局的部分，或者可以是类似的或具有所述设计布局的多个部分的类似行为，其中通过经验(包括由客户所提供的片段)、通过试错法、或通过运行全芯片模拟来识别一个或更多个临界特征。片段可以包含一个或更多个测试图案或量规图案。
63.可以由客户基于设计布局中需要特定图像优化的一个或更多个已知临界特征区域来先验地提供初始较大的片段集合。替代地，在另一个实施例中，可以通过使用识别一个或更多个临界特征区域的某种自动化(诸如机器视觉)或手动算法来从整个设计布局提取初始较大的片段集合。
64.在光刻投影设备中，作为示例，成本函数可以被表达为
65.其中(z1,z2,
…
,z
n
)是n个设计变量或其值。f
p
(z1,z2,
…
,z
n
)可以是设计变量(z1,z2,
…
,z
n
)的函数，诸如针对(z1,z2,
…
,z
n
)的设计变量的一组值的特性的实际值与预期值之间的差。w
p
是与f
p
(z1,z2,
…
,z
n
)相关联的权重常数。例如，所述特性可以是在所述边缘上的给定点处所测量的图案的边缘的位置。不同的f
p
(z1,z2,
…
,z
n
)可以具有不同的权重w
p
。例如，如果特定的边缘具有窄范围的允许位置，则表示所述边缘的实际位置与预期位置之间的差的针对f
p
(z1,z2,
…
,z
n
)的权重w
p
可以被给出较高值。f
p
(z1,z2,
…
,z
n
)也可以是层间特性的函数，层间特性继而是所述设计变量(z1,z2,
…
,z
n
)的函数。当然，cf(z1,z2,
…
,z
n
)并不限于方程式1中的形式。cf(z1,z2,
…
,z
n
)可以呈任何其它合适的形式。
66.所述成本函数可以表示所述光刻投影设备、光刻过程或所述衬底的任何一个或更多个合适的特性，例如焦距、cd、图像移位、图像变形、图像旋转、随机变化、生产量、局部cd变化、过程窗、层间特性，或其组合。在一个实施例中，设计变量(z1,z2,
…
,z
n
)包括选自剂量、所述图案形成装置的全局偏置、和/或照射的形状中的一个或更多个。由于抗蚀剂图像常常规定衬底上的图案，因此所述成本函数可以包括表示所述抗蚀剂图像的一个或更多个特性的函数。例如，f
p
(z1,z2,
…
,z
n
)可以仅仅是所述抗蚀剂图像中的点与该点的预期位置之间的距离(即，边缘放置误差epe
p
(z1,z2,
…
,z
n
))。所述设计变量可以包括任何可调整参数，诸如所述源、所述图案形成装置、所述投影光学器件、剂量、焦距等等的可调整参数。
67.所述光刻设备可以包括可以用以调整波前和强度分布的形状和/或辐射束的相移的被共同地称为“波前操纵器”的部件。在实施例中，所述光刻设备可以调整沿所述光刻投影设备的光学路径的任何部位处的波前和强度分布，诸如在所述图案形成装置之前、在光瞳平面附近、在像平面附近、和/或在焦平面附近。所述波前操纵器可以用以校正或补偿由例如所述源、所述图案形成装置、在所述光刻投影设备中的温度变化、所述光刻投影设备的部件的热膨胀等等所造成的波前和强度分布和/或相移的某些变形。调整波前和强度分布和/或相移可以改变由所述成本函数所表示的特性的值。可以根据模型来模拟、或实际地测量这样的改变。所述设计变量可以包括所述波前操纵器的参数。
68.所述设计变量可以具有约束，所述约束可以被表达为(z1,z2,
…
,z
n
)∈z，其中z是所述设计变量的一组可能值。可以由所述光刻投影设备的所需的生产量来强加对所述设计变量的一个可能的约束。在没有由所需的生产量所强加的这样的约束的情况下，优化可以得到不切实际的所述设计变量的一组值。例如，如果剂量是设计变量，则在没有这样的约束的情况下，所述优化可以得到使生产量在经济上不可能的剂量值。然而，约束的有用性不应
被解释为必要性。例如，所述生产量可能会受到光瞳填充比率影响。对于一些照射设计，低光瞳填充比率可以舍弃辐射，从而导致较低的生产量。生产量也可以能会受到抗蚀剂化学反应的影响。较慢的抗蚀剂(例如要求适当地曝光较高量的辐射的抗蚀剂)导致较低的生产量。
69.如本文中所使用的，术语“图案化过程”通常意味着作为光刻过程的部分的通过施加光的指定图案来产生经蚀刻的衬底的过程。然而，“图案化过程”也可以包括等离子体蚀刻，这是因为本文中所描述的许多特征可以对于使用等离子体处理来形成印制图案提供益处。
70.如本文中所使用的，术语“目标图案”意味着在衬底上待蚀刻的理想化图案。
71.如本文中所使用的，术语“印制图案”意味着基于目标图案而蚀刻的衬底上的实体图案。所述印制图案可以包括例如凹槽、通道、凹陷、边缘，或由于光刻过程而产生的其它两维和三维特征。
72.如本文中所使用的，术语“过程模型”意味着包括模拟图案化过程的一个或更多个模型的模型。例如，过程模型可以包括光学模型(例如，其对用以在光刻过程中传送光的透镜系统/投影系统进行建模，并且可以包括对到达抗蚀剂上的光的最终光学图像进行建模)、抗蚀剂模型(例如其对所述抗蚀剂的实体效应进行建模，诸如由于光的化学效应)、以及opc模型(例如，其可以用以制造目标图案，并且可以包括亚分辨率抗蚀剂特征(sraf)等等)。
73.如本文中所使用的，术语“校准”意味着修改(例如改善或调谐)和/或验证某物，诸如过程模型。
74.本公开尤其描述了用于改善针对图案化过程的过程模型的方法。在过程模型校准期间改善量测可以包括获得基于目标图案的印制图案(例如所印制的晶片或其部分)的准确图像。可以从所述图像提取与印制图案上的特征相对应的轮廓。接着可以使所述轮廓(也被称作测量轮廓)与由所述过程模型所产生的模拟轮廓对准，以允许校准所述过程模型。可以通过调整在所述过程模型中的参数来改善所述过程模型，使得所述模拟轮廓更准确地匹配所述测量轮廓。
75.本公开足够通用以适应于任何类型的图案。然后将这些图案成像到晶片上，并且测量所得晶片cd和/或接触能量。然后，将原始量规图案及其晶片测量结果结合地用于确定过程模型参数(例如，与剂量和焦距相关)，以最小化模型预测与晶片测量之间的差异。
76.在目前的实践中，量规图案的选择是相当随意的。可以仅根据经验来选择量规图案，或可以根据实际电路图案而随机地选择量规图案。由于冗余，这些图案通常不足以进行校准或是在计算方面过于密集的。特别地，对于一些模型参数(例如，与剂量和焦距有关，与光学模型、抗蚀剂模型等有关的其它参数)，所有图案可能相当不敏感，因而由于测量结果不准确，可能难以确定模型参数值。而另一方面，许多图案可能对参数变化(也称为过程条件)具有非常相似的响应，因而其中一些是冗余的，且对这些冗余图案的晶片测量浪费了大量资源。
77.同时，过程模型需要准确地预测跨越于可能的几何布局图形的非常大量集合上的实际的晶片上的图案轮廓。因此，期望正确地选择待采用的模型公式，并且准确地确定所有模型参数的值。
78.此外，在过程模型的校准时，需要对所选测试图案进行晶片cd测量以优化所述模型参数。收集这些量测数据通常耗时且昂贵。鉴于此努力，这些校准(例如，opc应用中的模型)通常只在每个技术节点每个目标层进行一次。对于制造中的计算光刻产品(采用校准后的过程模型)，需要对许多扫描器进行这些校准，并且需要在某种程度上定期地进行。因此，模型校准程序应解决如何在不损害所得模型的预测准确度的情况下最小化需要测量的测试结构的数量的问题。
79.模型校准中的传统方法主要旨在提供对已知在物理电路设计界期望的那些图案的成像行为的良好描述。通常，这涉及大量的图案类型，每个图案类型都在适当的几何变化范围内被例示。一个示例是针对多晶层的线cd与节距，对于许多常用的晶体管沟道长度(多线cd)，以及从密集线(最小节距)到隔离线。然而，在现代光刻技术中，影响的光学范围(ambit)比典型的测试结构大得多，且因此，预先选择的数量的相对较小的测试图案的准确建模不再保证这些图案在它们的实际电路环境中的准确预测。大多数基于几何形状的方法在某种程度上在本质上是启发性的，并且通常易于具有以下缺陷中的一个或全部。
80.第一，对预定义图案的强烈关注意味着没有明确考虑模型参数的适当覆盖范围，且也没有明确考虑用于确保在光刻过程中所有重要的物理/化学特性都由这些参数适当地表示。在不基于第一原理物理/化学的模型的情况下，预定义图案类似地需要允许精确校准所述模型的参数。由于缺乏区分图案，可能不良地确定图案，或者它们可能展示出与其它参数的高简并度。无论采用哪种方法，这些方法通常地都无法正确地描述模型表征中所包括的条件以外的成像行为的变化。
81.第二，对于由校准方法所捕获的一些物理/化学性质和相关联的模型参数，所述方法是不经济的，并且过多的测量提供了本质上冗余的信息。
82.第三，目前的量规选择方法不易推广。每次提供新的量规几何图形时，用户都需要建立新规则。如果使用纯粹基于非几何图形的方法来进行量规选择，则忽略给定量规的特定特征。计算光刻模型在它们的原始常规应用之外(例如在opc中)的使用增加意味着所述模型校准程序也需要被调整，使得所得模型至少：a)更好地预测针对没有被包括在校准测试数据中的图案类型的成像行为，b)更好地预测针对光刻过程条件的变化(掩模、扫描器、抗蚀剂、或蚀刻相关)的成像行为，以及c)更节省所需的量测量。因此，存在解决传统方法的一个或更多个缺陷的需要。在全部内容通过引用并入本文的美国专利号9,588,439中描述了用以改进模型校准的示例量规选择过程。
83.在现有方法中，量规选择基于聚焦曝光(fem)矩阵。在所述方法中，使用完整量规集合的信号分析用于图案分组，并且选择一个具有代表性的量规。然而，目前的方法不能确保所选量规包含模型误差限制器。例如，某些模型可能导致与其它量规(诸如在名义过程条件下所选的量规)相比的针对特定量规的更高模型误差。因而，本公开中提出了感知模型误差的量规选择过程。
84.在本发明中，图3示出了根据实施例的通过初始量规选择和基于模型误差的量规选择来改进量规选择的示例性方法的流程图。
85.在一个实施例中，如图3所图示，本公开提供了量规选择模块的示例方法300的工作流程。所述方法包括：作为初始步骤302，从可用的完整量规集合(例如，包括多于100万个量规)选择具有与所述图案化过程相关联的一个或更多个性质的初始量规集合。在实施例
中，性质可以是与过程模型相关联的量规名称、晶片的临界尺寸的值；与所述图案相关联的曲率；所述图案化过程中所使用的强度，或其它与图案化相关的过程参数。图11中列出了各性质的示例，稍后将在本公开中论述。
86.初始选择步骤302可以用例如关于图9a和图9b进一步论述的许多方法来完成。在实施例中，获得具有与所述图案化过程相关联的一个或更多个性质(例如，图11中的性质1、性质2、性质3等)的输入量规集合(例如，图9a中的902)。在实施例中，所述输入量规可以是完整的量规集合(例如，具有多于100万个量规)，并且在执行所述初始选择过程302之后，获得输入量规的子集。此子集称为初始量规。在实施例中，量规和包括与之相关联的性质的相关数据可以被存储在计算机或服务器的存储器中的文件中。在实施例中，可以提供用户界面，以使用户能够检索所存储的这些量规的列表。在实施例中，所述输入量规中的量规的数量可能非常大，例如多于100万。如前所提及的，可能不需要大量的量规，因为其影响降低了图案化过程的生产量，增加了量测时间和工作量，可能会进行冗余测量，等等。
87.在实施例中，所述输入量规被认为是最初收集的并且将被减少的量规(例如，根据图9a至图9b和图10至图10b中的方法)。例如，所述输入量规(例如100,000；500,000；100万或更多，等等)基于所述一个或更多个性质，从所述输入量规的集合被减少至量规的第一子集(例如，10,000；5000；1000；或更少)，并且量规的第一子集被配置用以校准过程模型。在实施例中，性质参数指代量规名称、模型误差、或其它性质或它们的值。
88.在实施例中，所述方法可以包括用于所述初始量规选择的额外输入。来自这些额外输入的数据可以用于过滤初始量规。例如，输入和相关数据可以是：(i)与先前经由所述图案化过程而印制的完整芯片或整个衬底相关联的完整量规集合数据；(ii)与完整量规集合相关联的一个或更多个性质文件；(iii)初始量规选择数目，其限定了需要选择的量规的总数(例如，小于10,000)；(iv)用户限定的量规文件，包括用户将会希望保留的期望的量规和与其相关联的数据(例如，一个或更多个性质、性质的值，等等)，无论获得的量规子集(例如，第一子集)如何；和/或(v)通往计算机的用于存储量规的所选子集的存储器部位的路径。
89.在实施例中，用户限定的量规文件也称为用户保留的量规或期望的量规。这些用户保存的数据可以是任何量规(例如，与特定图案相关联，所述特定图案诸如测试图案、用于opc的相对密集图案、电路的存储器部分，等等)。用户保留的量规可以是完整量规集合的一部分。在实施例中，在应用所述初始选择步骤302时，可以过滤掉这些用户保留的量规或期望的量规，因此提供了用以利用所述用户限定的量规包括或附加所选子集的选项。在实施例中，用户保留的量规可以是空集，即，用户保留的量规文件可以不包括任何数据。
90.在实施例中，所述方法还可以包括用于基于模型的量规选择的步骤，其中可以确定诸如模型误差之类的额外性质，并且将其与特定量规相关联。这样的模型误差还可以用于产生或选择初始量规的、或从步骤302所输出量规的子集。
91.在实施例中，基于模型的量规选择过程304采用优化算法来产生过程模型。例如，所述优化算法可以是快速遗传算法。所述遗传算法产生多个模型，每个模型具有基于优化成本函数而确定的模型参数，诸如模型结果(例如，模拟轮廓)与参考结果(例如，所需轮廓)之间的差异。基于所述多个模型，还可以产生额外的量规。这些额外的量规可以用于附加(即，添加)至量规的第一子集。关于图4、图5和图10a至图10b进一步论述了基于模型的选择
过程304。
92.在实施例中，对于步骤304(或306)，可以接收与前面所论述的步骤302类似的额外输入和相关联数据。例如，所述输入可以是如前所提及的(i)至(vi)、(vii)均方根、(viii)与待用于量规选择过程中的过程模型相关联的模型标识符(例如，模型数目)、(ix)待选择的模型的数量(例如，15、10、5或更少)、和/或(x)一个或更多个去噪参数，所述去噪参数消除基于模型误差范围或模型误差偏差而确定的任何异常值。
93.在实施例中，可以经由过程模型的模拟来获得所述模型误差。例如，模型误差是期望的图案的参考轮廓(或所需轮廓)与从所述图案化过程的过程模型的模拟而产生的模拟轮廓(例如，如图2所论述的)之间的差异。在实施例中，所述参考轮廓可以是印制图案的测量轮廓。可以经由诸如扫描电子显微镜之类的量测工具获得所述测量轮廓。在实施例中，均方根是指用于计算所述模型误差的方法，由此所述模型误差被称为均方根误差。在均方根中，获得与模型结果相关联的平均值(例如，图案的平均cd值)与模型结果(例如，经由执行过程模型预测的cd值)之差，所述差值被平方，并且确定平方差的平方根。
94.在一个实施例中，所述方法可以任选地包括用于微调经由遗传算法而获得的模型的步骤306。所述微调过程通常涉及修改所述遗传算法的参数，以获得针对所述过程模型的微调参数值，从而使所述模型误差最小化。本领域技术人员可以理解，本公开使用遗传算法或与其相关联的微调过程作为示例来解释本公开的构思。任何其它优化方法可以用于基于模型的选择过程，而不限制本公开的范围。
95.图4图示了根据实施例的选择初始量规的示例性方法400的较详细步骤(例如，图3的步骤302)。
96.所述方法400可以用于量规选择以在校准过程模型中使用。在实施例中，这种校准模型可以用于控制所述图案化过程的参数，以便可以改进性能指标(例如，cd、epe、良率，等等)。在实施例中，也可以在测量过程中经由与图案化过程相关联的量测工具来使用所述量规以测量适当量规，由此减少量测时间，这可以进一步改善所述图案化过程的良率。
97.所述方法400包括用以开始所述初始选择过程的初始步骤402。在实施例中，在初始步骤402，如先前在图3中所论述的，可以获得诸如包括用户保留的量规、参考量规(也称为参考数据)的完整量规集合之类的输入，或其它用户输入。在步骤404，确定在(例如，计算机系统的)存储器中是否预先存在有过程模型(例如，图2的光学模型、抗蚀剂模型，等等)。所述模型可以是基于从先前处理衬底或印制衬底而获得的图案化过程数据的校准模型。如果存在过程模型，则在步骤406，使用所述过程模型执行检查以识别402的初始量规的子集(例如，416)。
98.在实施例中，在406处的检查可以涉及：确定与所述过程模型相关联的量规；检查与所述模型相关联的量规的一个或更多个性质；检查与步骤402的输入量规相关联的模型误差值；和/或经由模型执行来产生用于步骤402的初始量规的性质(例如，模型误差)。在后续步骤中，所述检查得到结果为量规的子集(例如，416)。在实施例中，与模型或量规相关的一个或更多个这样的信息可以被存储在计算机系统的数据库或存储器中，并且根据先前所提及的量规选择过程的一个或更多个输入来检索所述一个或更多个这样的信息。
99.如果(例如，在数据库或存储器中)不存在过程模型(例如，图2的光学模型)，则在步骤408，可以获得参考量规，或者初始步骤402的输入可以进一步用于量规选择过程。因
而，在实施例中，可以使用参考量规来确定量规的子集。在实施例中，可以从(例如，数据库)先前处理的衬底数据中获得所述参考量规，如先前所提及的。
100.在步骤412，如先前所提及的，可以基于用户保留的量规来执行对输入量规(例如，402的输入或来自406的结果)的过滤。例如，从所述输入量规(例如，402的输入或406的输出)，可以通过从所述输入量规移除所述用户保留的量规来选择量规的子集414或416。在实施例中，子集414和416也分别称为过滤后的量规414和416。如先前所提及的，可能存在100万个输入量规，并且这100万个输入量规可能包括1000个用户保留的量规。然后，在过滤之后，不到999,000个过滤后的量规被保留。这些量规仍是非常大数量的量规，因而在后续步骤(例如，在418处)进一步进行对量规的子集的选择。
101.在步骤418，基于与过滤后的量规相关联的一个或更多个性质，从过滤后的量规414和/或416选择量规的子集(例如，422和/或424)。所述一个或更多个性质可以是第一性质参数。例如，所述第一性质是与期望的量规(诸如20nm的cd)相关联的量规名称。替代地或另外地，在实施例中，所述性质参数可以是图案化过程的强度值。因而，基于用于选择的一个或更多个性质，可以选择输入量规(402或406)的子集422(或424)。例如，所选子集可以包括少于10,000个量规。如先前所提及的，用于对子集422或424的选择的所述一个或更多个性质可以是晶片的临界尺寸的值、与所述图案相关联的曲率、模型误差(例如，从步骤406添加的额外性质)和/或在图案化过程中所使用的强度。
102.在随后的步骤430中，还可以附加量规422和/或424的所选的子集，以包括在步骤412处分别用于输出量规426和/或428的所述用户保留的量规。由此保留了所述用户保留的量规的这种附加，这些量规是期望的量规或关键量规。在实施例中，量规422/424/426/428的子集当与例如在图10a至图10b所论述的另外的基于模型的选择过程一起使用时可以互换地称为所选量规、量规的所选子集、或输入量规。
103.图5是用于基于一个或更多个性质(例如，在图4中所论述的步骤418)来选择量规的方法500的示例实施方式的流程图。在实施例中，可以向方法500提供输入。第一输入可以是从量规的初始集合(例如，参考量规或量规的完整集合)选择的一定数目(例如，用户限定的或预先确定的数目)个量规502。第二输入504可以是(例如，存储在计算机系统的存储器中的)量规文件504，包括量规数据，诸如量规名称、量规或图案化过程的性质、每个性质的值、或其它量规相关数据。图11图示了量规文件和所述文件内的数据的示例。第三输入506可以是用于选择目的的一个或更多个性质的列表。在实施例中，所述一个或更多个性质中的每一个性质可以与指示特定性质的重要性的权重相关联。初始地，所有性质可以被分配相等的权重，例如值1。如先前所提及的，所述一个或更多个性质可以包括晶片的临界尺寸的值、与所述图案相关联的曲率、和/或在图案化过程中所使用的强度，等等。
104.在步骤508，可以通过使用所述量规文件504来产生数据帧508。数据帧是量规文件504(所述第二输入)中数据的示例表示。例如，所述数据帧包括包含性质以及它们的值的多行和多列。在实施例中，每一行列举出与量规相关的所有性质，另外每一行与列相关联。所述列表示所列出的性质中每个性质的值。
105.在步骤510，可以通过基于一个或更多个性质506(所述第三输入)对例如所述量规文件504中的数据进行排序来产生另一数据帧510。例如，所述步骤510基于在所述量规文件504中的名称或权重的值来产生排序后的数据帧。在实施例中，所述一个或更多个性质506
可以是与量规相关联的新添加的性质(例如，模型误差)，但这种性质(例如，模型误差)先前不存在于所述量规文件504中。在实施例中，所述数据帧510和508可以用于选择目的。在实施例中，所述数据帧508是量规的初始集合的示例，而排序后的数据帧508是用于执行对所述量规的选择所基于的所述一个或更多个性质的示例。
106.在步骤512，所述数据帧510和/或508、以及待选择的量规的数目(例如，1000个量规)502可以用于量规选择。在步骤512，基于以上所提及的所述一个或更多个性质来选择量规的子集。例如，可以基于第一性质参数(诸如量规名称)，从所述数据帧510和508选择第一子集。另外或替代地，可以基于诸如强度之类的第二性质，从所述数据帧510和508选择量规的第二子集。另外或替代地，可以基于诸如图案的曲率之类的第三性质，从所述数据帧510和508选择量规的第三子集。另外或替代地，可以基于诸如所述衬底上的量规的部位(例如，衬底的边缘、衬底的中心)之类的第四性质，从所述数据帧510和508选择量规的第四子集。
107.此外，量规的第一子集、量规的第二子集等可以包括重复的量规。例如，量规的第一子集可以包括由命名oci_23_78_x所标识的量规，且第二子集也可以包括量规oci_23_78_x。这种重复可能是冗余的。因而，在实施例中，可以基于一个或更多个性质，诸如量规名称(或模型误差、权重等)，从第一子集、第二子集等选择另外的独特量规。
108.因此，可以包括合并步骤514以识别重复的量规。在合并步骤514，合并量规的所述第一子集、所述第二子集等，以产生量规的合并子集514。子集的合并仅指代附加所述第一子集与所述第二子集。在实施例中，可以基于一个或更多个性质的重要性来对合并进行排序，其中在合并的子集中，与最重要性质相关联的子集被首先定位，且与最不重要性质相关联的子集被最后定位。如将明白的，量规514的合并子集(包括重复的量规)将具有所述第一性质、所述第二性质，等等。
109.接下来，在步骤516，确定量规的合并子集是否包括重复的量规的集合(例如，基于量规名称)。可以通过比较不同子集的量规、基于一个或更多个性质进行排序、且然后比较彼此相邻地列出的量规，或识别数据中重复条目的其它已知方法来进行所述确定。例如，通过基于第一性质(例如，名称)比较量规的所述第一子集和量规的所述第二子集来完成所述确定。
110.在确定存在重复的量规时，在步骤520，可以从量规516的合并子集中过滤出重复的量规的集合。可能需要移除重复的量规以改进所述图案化过程的校准过程、测量过程等的性能。当量规的所选子集以及副本用于进一步处理(例如，过程模型的校准，或测量印制图案)时，则冗余数据可能会导致降低的性能(例如，不良的模型拟合、浪费的测量时间和努力等)。
111.在实施例中，可以基于其中没有重复的量规的合并子集516来执行量规的子集的进一步选择。例如，在步骤522，可以再次执行基于量规序列的对量规的子集的选择。这种量规序列指代所述合并子集516内量规的等级排序或顺序。在实施例中，可以基于一个或更多个性质(诸如量规名称)或其它性质(例如剂量、焦距、权重等)，从所述合并子集516选择子集。
112.如果量规的合并子集516不包括重复的量规，则在步骤518，可以再次执行基于量规序列的对量规子集的选择，类似于步骤522的选择。
113.在随后的步骤524中，将输出其中没有副本的量规的合并子集516中的量规的所选
子集。在步骤524，量规的子集可以被配置成用以校准所述过程模型。例如，所述子集可以被配置呈gds文件格式或在图案化过程模型的模拟期间可接受的其它文件格式(例如，在图2的过程中)。然后，在所述校准过程期间，可以从所选量规中提取适当的量规信息，以确定所述过程模型的参数。这种校准过程是迭代过程，其中修改参数的值，直到达到期望的模型性能(例如，根据cd、epe或其它性能指标而限定)为止。
114.图6图示了根据实施例的基于模型的量规选择的方法的流程图。在实施例中，所述方法采用基于诸如遗传算法(ga)之类的优化算法的不同版本的模型(例如，过程模型)。遗传算法可以是一种基于自然选择的用于解决有约束和无约束(如对于模型参数而言)优化问题的方法。所述遗传算法可以重复地修改多个分立的解决方案的总体(例如，模型参数)。以下描述使用遗传算法为例描述了所述方法，但不限制这种算法的范围。其它适当的算法可以用于产生模型的不同版本。
115.所述方法包括：作为初始步骤602，获得具有与图案化过程相关联的一个或更多个性质的所选量规422/424(或426/428)的集合，如先前关于图4所论述的。基于量规的一个或更多个性质获得所选量规422/424(或426/428)。这种基于性质的量规选择已经将完整集合的量规的数量(例如，以百万为单位)减少了若干数量级至量规的子集(例如，具有数千个量规而非数百万个量规)。因而，与使用完整集合的量规的模拟相比，使用此类所选量规的模拟(例如，过程模拟、基于遗传算法的模拟)将更快。
116.在步骤604，确定是否存在用于优化算法的调谐数据。在实施例中，调谐数据指代基于先前处理后的衬底数据或测试图案而确定的模型参数或与ga相关联的参数。这种调谐数据可以提供较好的初始模拟条件，这通常会导致模型的较快执行或ga算法的收敛。因而，在实施例中，在步骤606，可以在基于模型的选择过程期间使用所述调谐数据。如果不存在所述调谐数据，则可以在步骤608使用预先选择的初始化条件(例如，模型参数或ga参数)来执行ga算法。
117.此外，在步骤610，基于ga算法的执行来校准多个模型612。在实施例中，多个模型612是具有使用ga算法而确定的某些参数值的过程模型。在实施例中，ga算法产生1000个模型。在实施例中，如先前所论述的，每个模型与模型误差相关联。此外，当使用所选量规422/424执行模型612时，所述模型会产生可能与422/424的特定量规相关联的模型错误。在实施例中，所选量规422/424不包括如先前在图4中所提及的用户保留量规。
118.在步骤616，可以从模型612选择有限数量的模型以识别相异模型。相异模型是指具有与多个模型612中的最佳模型(例如，具有最小模型误差)基本不同的参数的模型。选择相异模型可能有利于产生不同的量规集合，因为相似的模型可能产生相似的量规。这些类似的量规可能是冗余的，并且可能无法提供足够的信息来捕获图案化过程中的广泛变化。另一方面，相异模型可以捕获极端的过程条件，减少计算时间和资源，并且可以实现较快的结果。在实施例中，可以如稍后论述的图7中详细论述的那样执行模型选择。
119.在步骤622，利用所选量规426/428来执行所选的相异模型616，以确定模型误差相关数据。然后，所述模型误差数据与每个所选量规相关联。例如，每个量规可能与所述模型误差的平均值、标准偏差、和/或误差范围相关联。
120.此外，在步骤626，可以基于相关联的模型误差数据来选择量规628的子集。在实施例中，也可以执行所述相异模型以产生额外的量规集合。例如，基于所述模型误差的平均值
以及所述模型误差的误差范围，从量规422/424选择量规的集合628。在实施例中，诸如平均值和误差范围值之类的滤波数据可以是预定义值或经由用户界面从用户处获得。
121.此外，可以进一步附加量规的子集628以包括用户保留的量规，如先前在图4中所论述的。
122.图7图示了根据实施例的在图6的步骤616处所使用的模型选择的示例性方法的流程图。在步骤702，用户可以输入待从多个模型612所选的一定数目的模型702。此外，在步骤702，用户可以输入阈值比率704(例如，0.5)，也称为与模型误差相关联的阈值。例如，可以通过将多个模型612中给定模型的第一模型误差值除以最佳模型的第二模型误差值(例如，具有最小模型误差)来计算比率。
123.在一个实施例中，在步骤702处，可以提供校准数据706以确定多个模型612中的最佳模型。例如，所述校准数据包括与图案化过程的先前处理衬底相关联的数据。这种数据可以包括cd值、剂量、焦距，或其它过程条件。在实施例中，所述校准数据706包括晶片、掩模版、或模拟结构上的一个或更多个测量数据。
124.可以使用这种校准数据706来执行多个模型612，以确定模型误差。例如，模型误差是模型结果(例如cd)和校准数据(例如cd)之间的差异。在实施例中，所述模型误差可以是如先前在图3中所提及的那样计算的均方根值(rms)。
125.在步骤708，可以使用阈值比率704以及与多个模型612中的每一个相关联的模型误差值来产生候选模型列表。例如，在步骤702计算给定模型612的模型误差值与最佳模型的模型误差的比率，并且将此比率与阈值比率704进行比较。在实施例中，该比率可以相对于通过利用校准数据执行给定模型而获得的模型误差来确定。如果该比率没有超过所述阈值比率(例如，1.5)，则该模型被视为候选模型。在实施例中，1000个模型是可用的，并且可以通过与诸如阈值比率(例如，1.5)之类的规格进行比较来选择200个候选模型。然而，可能需要选择用户限定的数量(例如，用户输入706)或预定数量的模型。例如，在200个候选模型中，可能只需要5个或10个相异模型。
126.在步骤712，确定候选模型708的数量是否大于预定数量(例如，706)。如果候选模型708的数量大于预定数量，则执行步骤716。
127.在步骤716，确定候选模型708的相似性指标。相似性指标是对给定候选模型与最佳模型的相似程度的量度(例如，具有最小rms值)。在实施例中，相似性指标可以是余弦相似性指标，其被计算为两个向量的余弦，其中每个向量可以代表候选模型708的给定模型。在实施例中，具有相对低(或高)余弦值的模型指示该模型是相异模型。
128.在步骤718，基于相似性指标从候选模型708选择相异模型720的列表。例如，候选模型按余弦相似性指标值的升序布置。然后，可以从排序后的候选模型选择预定数量的模型(例如，用户输入706)。例如，可以从200个候选模型选择5个相异模型。
129.在步骤714，如果候选模型的数量小于预先确定的数量(例如，用户输入706)，则可将整个候选模型列表提供为相异模型720。
130.图8图示了涉及上文所论述的图4、图5、图6和图7中的若干步骤的执行以用于基于所选模型来改进量规选择的示例性方法800的流程图的概略图。
131.所述方法800接收若干输入，包括：(i)校准数据808(类似于先前在图7中所论述的数据)；(ii)与模型误差相关联的去噪参数806，以识别和消除异常数据；(iii)与待选择的
量规的期望数量相关联的迭代数目804；(iv)合并规则802，该规则针对合并将在选择过程期间所获得的不同子集提供基础；以及(v)模型列表810(例如，所提及的图7的候选模型708或相异模型720)。
132.在步骤812，可以基于校准数据808、模型列表810(例如，5个相异模型)和完整集合的量规(例如，100万)来产生检查工作。检查工作包括通过使用完整集合的量规来模拟所述模型列表810的每个模型而产生的数据(例如，模型误差、cd值，等等)。例如，所述检查工作包括与每个模型100万个量规相关联的数据。此外，在步骤814，检查工作中的数据例如被组合于单个表中。
133.在步骤816，基于去噪参数806来清理组合数据以移除异常值。例如，可以从所述检查工作的组合数据中移除具有小误差或相对较大偏差的量规。
134.在步骤818，可以基于所述模型810的模拟的清理结果来产生数据帧。如先前所提及的，在实施例中，数据帧是行和列格式的数据的表示。在实施例中，所述数据帧包括每个量规的模型误差数据。此模型误差数据可以用于计算每个量规的误差的平均值、每个量规的误差范围、或可以用于统计分析的其它统计指标即指标。此外，所述数据帧可以用于产生误差范围直方图820和平均误差直方图822。所述直方图表示数值数据的分布，诸如误差范围值和平均误差值。
135.在步骤824，可以基于模型误差范围或误差范围直方图820和期望数目个待选择的量规(例如，输入804)从所述数据帧选择量规的第一子集。在实施例中，可以基于误差的平均值或平均误差直方图822和期望数目个待选择的量规(例如，输入804)从所述数据帧选择量规的第二子集。在实施例中，第一子集的选择可以基于所述误差范围的阈值。例如，选择具有相对于最佳模型的大于10％的误差范围的量规和/或选择具有相对于最佳模型的大于20％的平均误差值的量规。
136.在步骤828，然后可以基于合并规则802来合并量规的所述第一子集和量规的所述第二子集。量规的这种合并可能导致消除不满足合并规则的一些量规。在实施例中，所述合并规则包括与误差范围和/或平均模型误差相关联的规则(例如，如果条件(if条件))。例如，合并规则可以是平均误差值的15％以内的合并量规和/或误差范围值的10％增量以内的合并量规。此外，步骤828的结果可以输出为所选量规830。
137.图9a图示了根据实施例的用于校准与图案化过程相关联的过程模型的量规选择的示例性方法。
138.在一些实施例中，方法900包括在p902处获得具有与图案化过程相关联的一个或更多个性质的输入量规集合902。如图3/图4的步骤302/402所论述的，可以获得所述输入量规902。例如，所述输入量规可以是完整量规集合、参考量规等。此外，如先前所提及的，所述一个或更多个参数可以包括晶片的临界尺寸的值、与图案相关联的曲率；和/或图案化过程中所使用的强度。所述第一性质参数可以包括模型误差，并且所述模型误差可以是参考轮廓与从所述图案化过程的过程模型的模拟所产生的模拟轮廓之间的差。所述参考轮廓可以是从扫描电子显微镜测量的轮廓。
139.在p904，所述方法900包括从输入量规的集合902选择初始量规的子集904。例如，输入量规的集合902的数量可以是一百万，在基于一个或更多个性质从输入量规的集合902选择初始量规的子集904之后，初始量规的子集904中的量规数量可以被减少到每性质1000
个。在实施例中，如先前在图4的步骤412所论述的，可以执行从输入量规的集合902选择初始量规的子集904。
140.图9b图示了根据实施例的从所述输入量规的集合902选择初始量规的子集904以用于校准与图案化过程相关联的过程模型的示例性过程。
141.在一些实施例中，用于从所述输入量规的集合902选择初始量规的子集904以用于与图案化过程相关联的测量过程的过程p904可以包括：在p912，基于所述一个或更多个性质的第一性质参数，从输入量规的集合902确定量规的第一子集912，量规的第一子集912被配置用以校准过程模型。由量规的第一子集912所使用的所述过程模型的校准可以如先前在图3、4和5中所论述的那样执行。例如，量规的第一子集912可以包括所述一个或更多个性质的第一性质参数，且具有第一性质参数的量规的第一子集912可以是模型误差，且所述模型误差可以用于校准所述过程模型的模型误差。
142.从输入量规的集合902确定量规的第一子集912可以如先前在图5的步骤512中所论述的那样执行。
143.在p912
‑
2，所述过程涉及：基于用户限定的量规来过滤所述输入量规的集合902，以确定量规的第一子集912。输入量规的集合902的过滤可以如先前在图4的步骤412和418以及还在图5中所论述的那样执行。
144.在p914，基于所述一个或更多个性质的第二性质参数，从输入量规的集合902确定量规的第二子集914。从输入量规的集合902确定量规的第二子集914可以如先前在图4的步骤418以及还在图5中所论述的那样执行。
145.在p916，将量规的第一子集912和量规的第二子集914合并为量规的合并子集916。如先前在图5的步骤514中所论述的，可以执行量规的第一子集912和量规的第二子集914的合并。
146.在p918，确定量规的合并子集916是否包括重复的量规。
147.在p920，从量规的合并子集916选择量规的第三子集920，使得第三子集920不包括重复的量规，量规的第三子集920被配置成校准所述过程模型。可以在图5的步骤516中所论述的先前步骤中找到包括重复的量规的量规的合并子集916的确定。
148.在p922，响应于确定不存在重复的量规，则选择量规的合并子集916以校准所述过程模型。选择量规的合并子集916可以如先前在图5中所论述的那样执行。
149.图10a图示了根据实施例的产生用于图案化过程的量规的示例性方法。所述方法在实施例中也被称为基于模型的选择过程，例如，参考图6、图7和图8。
150.在一些实施例中，用于产生用于图案化过程的量规的方法1000可以包括在p1002处获得具有与图案化过程相关联的一个或更多个性质的初始量规1002。在实施例中，可以获得具有一个或更多个性质的初始量规1002，如先前在图3和图6的步骤602中所论述的。
151.如先前所论述的，所述一个或更多个参数可以包括晶片的临界尺寸的值、与所述图案相关联的曲率；和/或所述图案化过程中所使用的强度。
152.在p1004，所述方法涉及经由使用所述初始量规1002的优化算法来校准被配置用以确定量规1008的多个模型m1004，所述多个模型m1004的每个模型与模型误差值相关联。所述多个模型m1004可以是光学模型、抗蚀剂模型、或蚀刻模型，并且所述模型m1004可以用于产生所述一个或更多个性质，诸如模型误差，并且所述模型误差可以用于初始量规选择。
可以如先前在图6的步骤610中所论述的那样来执行被配置用于确定量规1008的多个模型m1004的校准。
153.如先前所论述的，所述模型误差值可以与模型误差相关联，所述模型误差是参考轮廓与从图案化过程的过程模型的模拟所产生的模拟轮廓之间的差，所述参考轮廓是来自图像捕获装置的测量轮廓。所述模型误差值可以是参考轮廓与模拟轮廓之间差值的均方根值。
154.均方根可以是值的平方的算术平均值的平方根。例如，在本发明中，所述参考轮廓与所述模拟轮廓之间的差的均方根可以是所述参考轮廓与所述模拟轮廓之间的差的平方的算术平均值的均方根。在实施例中，所述模型误差是可以如先前在图3中所论述的那样计算的rms。
155.在p1006，基于所述模型误差值与所述多个模型m1004中特定模型的最小模型误差值的比较，从所述多个模型m1004中确定候选模型m1006。所述候选模型m1006可以是光学模型、抗蚀剂模型、或蚀刻模型，并且所述候选模型m1006可以用于产生所述一个或更多个性质，诸如模型误差，并且所述模型误差可以用于所述初始量规选择。在实施例中，可以根据图7的步骤708，执行从所述多个模型m1004中确定所述候选模型m1006。
156.在p1008，基于所述候选模型m1006来选择用于所述图案化过程的量规1008。所述量规1008的选择可以基于所述模型误差的平均值；所述模型误差的标准偏差值；和/或由所述候选模型m1003所确定的所述模型误差的峰
‑
峰值。在实施例中，可以早先在相对于图6的公开中发现用于图案化过程的对量规1008的选择。
157.图10b图示了根据实施例的获得具有与所述图案化过程相关联的一个或更多个性质的初始量规1002的示例性过程p1002。在一些实施例中，所述过程p1002包括：在p1012处，基于所述一个或更多个性质的第一性质，从初始量规1002确定量规的第一子集1012，量规的第一子集被配置用以校准过程模型。由量规的第一子集1012所使用的过程模型的校准可以类似于相对于图5所论述的。例如，量规的第一集合1012可能包括所述一个或更多个性质的第一性质参数，并且，具有第一性质参数的量规的第一集合1012可能是模型误差，并且所述模型误差可以用于校准所述过程模型。在实施例中，关于图5论述了：基于所述一个或更多个性质的第一性质，从所述初始量规1002确定量规的第一子集1012。
158.在p1012
‑
2，使用用户限定的量规1002
‑
2来过滤初始量规1002的集合，以确定量规的第一子集1012。所述初始量规1002的集合的过滤可以类似于先前在图4和图5中所论述的过滤过程。
159.在p1014，基于所述一个或更多个性质的第二性质，从所述初始量规1002确定量规的第二子集1014。量规的第二子集1014的确定可以类似于先前在图4和图5中所论述的。
160.在p1014
‑
2，使用用户限定的量规1002
‑
2来过滤初始量规1002的集合以确定量规的第二子集1014。初始量规1002的集合的过滤可以类似于先前在图4和图5中所论述的过滤过程。
161.在p1016，将量规的第一子集1012和量规的第二子集1014合并为量规的合并子集1016。
162.在p1018，确定量规的合并子集1016是否包括重复的量规。在实施例中，该确定类似于图5中所论述的确定。
163.在p1020，基于所述图案化过程的一个或更多个性质来选择量规的合并子集的第三子集1020，使得第三子集1020不包括重复的量规。基于一个或更多个性质来选择量规的合并子集的第三子集1020与先前所论述的内容类似。
164.图10c图示了根据实施例的确定每个候选模型m1006之间的余弦相似性指标的示例性方法。
165.在一些实施例中，用于确定每个候选模型m1006之间的余弦相似性指标的方法p1008可以包括在p1022确定每个候选模型m1006之间的余弦相似性指标，余弦相似性指标是两个向量的余弦，每个向量代表所述候选模型m1006的给定模型。
166.可以在图7中先前论述的步骤716中发现每个候选模型m1006之间的余弦相似性指标的确定。
167.在p1024，基于相似性指标，从所述候选模型选择相异模型的用户限定数目1024，其中所述相异模型具有与具备最小模型误差值的模型的相似性指标的值实质上不同的相似性指标的值。可以在图7中先前论述的步骤718中发现基于相似性指标从所述候选模型选择相异模型的用户限定数目1024。
168.图11图示了呈表格形式的量规数据的示例(数据帧的示例)。所述量规数据包括一个或更多个性质，例如，在量规选择的方法900中使用。所述量规可以与诸如类型(例如，图案类型，诸如1d或2d)、性质1(例如，音调的信号)、性质2(例如，x方向上的基底)、性质3(例如，y方向上的基底)、性质4(例如，x方向上的头部)、性质5(例如，y方向上的头部)、性质6(例如，曲线图的临界尺寸)、性质7(例如，图的临界尺寸)、性质8(例如，晶片的临界尺寸)、性质9(例如，权重)、性质10(例如，图案的名称)、和/或性质11(例如，所述图案化过程中所使用的强度)。
169.图12是多个模型的示例表示(例如，在方法1000中)。在实施例中，每个模型可由诸如192、207、122等的模型数目来识别。如图所示，多个模型中的每个模型可以与量规、模型误差(例如rms)、误差范围(例如2d_range)、过程参数1(例如b0的rat)、过程参数2(例如b0m的rat)、参数3(例如b0n的rat)相关联，过程参数4(例如，ca)、参数5(cag1)、过程参数6(例如，cag2)、参数7(例如，cam)、过程参数8(例如，cap)、参数9(例如，cbn)、过程参数10(例如，cbp)、参数11(例如，ccso_2d)、过程参数12(例如，cdetdev)、参数13(例如，cmg1)、过程参数14(例如，cmg2)，和/或参数15(例如，cmgs1_dev)。图12中的模型可以是光学模型、抗蚀剂模型、或蚀刻模型的表示。根据实施例，这些模型可以用于产生所述一个或更多个性质，诸如模型误差，并且所述模型误差还可以用于量规选择，例如，如图3、图4、图8中所论述的。
170.图13显示了不同模型的相似性示例。如前所述，所述多个模型可以与如下各项相关联：平台、模型误差、范围、过程参数1(例如b0的rat)、过程参数2(例如b0m的rat)、参数3(例如b0n的rat)、过程参数4(例如ca)、参数5(cag1)、过程参数6(例如cag2)、参数7(例如cam)、过程参数8(例如cap)、参数9(例如cbn)、过程参数10(例如cbp)、参数11(例如ccso_2d)、过程参数12(例如cdetdev)、参数13(例如cmg1)、过程参数14(例如cmg2)和/或参数15(例如cmgs1_dev)。例如，模型192可以由向量形式表征或被表示呈向量形式，例如向量1＝[0.86,7.131675,1,2.5,0.4,0.59525,0.564817,0.007121,
‑
0.014945,
‑
0.187684,
‑
0.507624,0.605064,2.820364,0.465292,0.062132,0.014247,2.854349]。类似地，模型122和188可以被表示呈向量形式。所述向量还可以用于计算余弦相似性指标。此外，基于余
弦相似性指标，可以将模型视为相异模型，如本公开中先前所论述的。例如，模型192可以是多个模型之中具有较低rms的最佳模型，因此其相似性指标值将为1。当使用模型188和192的向量时，它们的相似性指标的值为0.627。由此，所述模型188可以是相异模型，因为其相似性指标的值仅为0.627，这表明在这三个模型中的，模型188最不类似于最佳模型192。在另一示例中，模型122和188的向量导致相似性指标的值为0.92，这表明模型122非常类似于模型188。由此，在模型选择过程中，所述模型122可能不会被选择为候选模型。
[0171]
根据上面论述的图3至图8中的方法而选择的量规(例如，422/424/426/428)可以用于以若干种方式改进图案化过程的性能。例如，如先前在步骤524中所提及的，可以校准所述过程模型，以较好地预测针对光刻加工条件的变化的成像行为(例如，扫描器性质、抗蚀剂性质、或蚀刻相关性质)。例如，校准使用所选量规422/424来确定过程模型(诸如，光学模型或抗蚀剂模型)的参数的值(例如，照射剂量、焦距、照射强度、光瞳形状等)。例如，可以向所述图案化过程的光刻设备提供诸如可能涉及光学模型的剂量和焦点之类的参数值，以便改进成像性能(例如，epe、cd)。例如，所述改进是指改进晶片的印制图案，使得这些图案与所需图案紧密地匹配。换句话说，减少了(例如，在一个实施例中，最小化)印制图案与所需图案之间的差异。
[0172]
因此，上面所论述的方法(例如，400、500、800)还涉及：通过使用所选量规模拟(例如，如图2所述)校准后的过程模型(例如，光学模型或抗蚀剂模型)来确定过程条件；以及经由采用所确定的过程条件的光刻设备来曝光衬底。所述过程条件包括一个或更多个过程参数，其中所述过程参数为剂量、焦距或强度中的至少一个。
[0173]
在另一应用中，所述改进可能与量测工具有关。例如，在一个实施例中所选的量规422/424可能与待在印制衬底上测量的图案有关。在这样的实施例中，这些所选的量规422/424基于与所述图案化过程中的变化相关的模型误差。因而，与完整量规集合(例如，具有超过100万个量规)相比，所选量规可能捕获在印制衬底的测量的相对较少的数量(例如，10,000；5,000；1,000或更少)中的大多数变化。因此，当例如在取样计划中使用所选的量规时，所需的量测量将显著减少，由此改进所述图案化过程的生产量。
[0174]
图14是根据实施例的示例计算机系统cs的框图。
[0175]
计算机系统cs包括用于通信信息的总线bs或其它通信机构，和与总线bs联接以用于处理信息的处理器pro(或多个处理器)。计算机系统cs还包括联接至总线bs以用于储存待由处理器pro执行的信息和指令的主存储器mm，诸如随机存取存储器(ram)或其它动态储存装置。主存储器mm还可以用于在待由处理器pro执行的指令的执行期间储存暂时性变量或其它中间信息。计算机系统cs还包括联接至总线bs以用于储存用于处理器pro的静态信息和指令的只读存储器(rom)rom或其它静态储存装置。设置诸如磁盘或光盘的储存装置sd，且将该储存装置联接至总线bs以用于储存信息和指令。
[0176]
计算机系统cs可以经由总线bs联接至用于向计算机使用者显示信息的显示器ds，诸如阴极射线管(crt)或平板显示器或触控面板显示器。包括字母数字键和其它键的输入装置id联接至总线bs以用于将信息和命令选择通信至处理器pro。另一类型的使用者输入装置是光标控制器cc(诸如鼠标、轨迹球或光标方向键)，用于将方向信息和命令选择通信至处理器pro且用于控制显示器ds上的光标移动。这种输入装置典型地在两个轴线(第一轴线(例如x)和第二轴线(例如y))上具有两个自由度，这允许所述装置指定平面中的位置。触
摸面板(屏)显示器也可以用作输入装置。
[0177]
根据一个实施例，本文描述的一个或更多个方法的部分可以由计算机系统cs响应于处理器pro执行包含在主存储器mm中的一个或更多个指令的一个或更多个序列而被执行。这样的指令可以被从另一计算机可读介质(诸如储存装置sd)读取到主存储器mm中。包含在主存储器mm中的指令的序列的执行使得处理器pro执行本文描述的过程步骤。在多处理布置中的一个或更多个处理器也可以被用于执行包含在主存储器mm中的指令的序列。在可替代的实施例中，硬接线电路可以用于替代软件指令或与软件指令结合。因此，本文的描述不限于硬件电路和软件的任何特定的组合。
[0178]
本文中使用的术语“计算机可读介质”是指参与向处理器pro提供指令以供执行的任何介质。这样的介质可以采用很多形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘，诸如储存装置sd。易失性介质包括动态存储器，诸如主存储器mm。传输介质包括同轴电缆、铜线和光纤，包括包含总线bs的电线。传输介质还可以采用声波或光波的形式，诸如在射频(rf)和红外(ir)数据通信期间产生的声波或光波。常见形式的计算机可读介质包括例如软盘、柔性盘、硬盘、磁带、任何其它磁性介质、cd
‑
rom、dvd、任何其它光学介质、穿孔卡、纸带、具有孔图案的任何其它物理介质、ram、prom和eprom、flash
‑
eprom、任何其它存储器芯片或晶闸。非暂时性计算机可读介质上可以记录有指令。所述指令在由计算机执行时可以实施本文中所描述的特征中的任一特征。暂时性计算机可读介质可以包括载波或其它传播电磁信号。
[0179]
各种形式的计算机可读介质可以涉及将一个或更多个指令的一个或更多个序列传送到处理器pro以供执行。例如，指令最初可以承载在远程计算机的磁盘上。远程计算机可以将指令加载到其动态存储器中，并且使用调制解调器通过电话线发送指令。计算机系统cs本地的调制解调器可以在电话线上接收数据并且使用红外发射器将数据转换成红外信号。联接到总线bs的红外检测器可以接收红外信号中携带的数据并且将数据放置在总线bs上。总线bs将数据传送到主存储器mm，处理器pro从主存储器mm检索并且执行指令。由主存储器mm接收的指令可以可选地在由处理器pro执行之前或之后储存在储存装置sd上。
[0180]
计算机系统cs还可以包括联接到总线bs的通信接口ci。通信接口ci提供联接到网络链路ndl的双向数据通信，所述网络链路连接到局域网lan。例如，通信接口ci可以是用于提供与相应类型的电话线的数据通信连接的综合业务数字网(isdn)卡或调制解调器。作为另一示例，通信接口ci可以是用于提供与兼容lan的数据通信连接的局域网(lan)卡。还可以实施无线链路。在任何这样的实施方式中，通信接口ci发送和接收携带表示各种类型的信息的数字数据流的电信号、电磁信号或光信号。
[0181]
网络链路ndl典型地通过一个或更多个网络提供到其它数据装置的数据通信。例如，网络链路ndl可以通过局域网lan提供到主计算机hc的连接。这可以包括通过现在通常称为“因特网”int的全球分组数据通信网络而提供的数据通信服务。局域网lan(因特网)两者都使用携带数字数据流的电信号、电磁信号或光信号。通过各种网络的信号和在网络数据链路ndl上并且通过通信接口ci的信号(其将数字数据传送到计算机系统cs和从计算机系统cs传送数字数据)是输送信息的载波的示例性形式。
[0182]
计算机系统cs可以通过网络、网络数据链路ndl和通信接口ci发送消息和接收数据，包括程序代码。在因特网示例中，主计算机hc可以通过因特网int、网络数据链路ndl、局
域网lan和通信接口ci传输用于应用程序的所请求的代码。例如，一个这样的下载的应用可以提供本文中所描述的方法的所有部分。所接收的代码可以在被接收时由处理器pro执行，和/或储存在储存装置sd或其它非易失性储存器中以供稍后执行。以这种方式，计算机系统cs可以获得呈载波的形式的应用代码。
[0183]
图15是根据实施例的光刻投影设备的示意图。
[0184]
所述光刻投影设备可以包括照射系统il、第一物体台mt、第二物体台wt和投影系统ps。
[0185]
照射系统il，可以调节辐射束b。在这种特定情况下，照射系统还包括辐射源so。
[0186]
第一物体台(例如图案形成装置台)mt，可以具有用于保持图案形成装置ma(例如，掩模台)的图案形成装置保持器并连接到用于相对于项ps来准确地定位图案形成装置的第一定位器。
[0187]
第二物体台(衬底台)wt，可以具有用于保持衬底w(例如涂覆有抗蚀剂的硅晶片)的衬底保持器并连接到用于相对于项ps来准确地定位衬底的第二定位器。
[0188]
投影系统(“透镜”)ps(例如，折射、反射或反射折射光学系统)，可以将图案形成装置ma的被辐射部分成像到衬底w的目标部分c(例如包括一个或更多个管芯)上。
[0189]
如本文所描绘的，所述设备可以属于透射型(例如，采用透射型图案形成装置)。然而，一般而言，它可以属于反射型(例如，采用反射型图案形成装置)。所述设备可以采用与经典掩模不同种类的图案形成装置；示例包括可编程反射镜阵列或lcd矩阵。
[0190]
源so(例如汞灯或准分子激光、激光产生等离子体(lpp)euv源)产生辐射束。例如，这个束直接地或在已横穿诸如扩束器ex的调节装置之后馈送至照射系统(照射器)il中。照射器il可以包括调整装置ad，用于设定束中的强度分布的外部径向范围和/或内部径向范围(通常分别被称作σ
‑
外部和σ
‑
内部)。另外，照射器il通常会包括各种其它部件，诸如积光器in和聚光器co。这样，照射于图案形成装置ma上的束b在其横截面中具有所需的均匀性和强度分布。
[0191]
在一些实施例中，源so可以在光刻投影设备的外壳内(这经常是当源so为例如汞灯时的情况)，但它也可以远离光刻投影设备，它所产生的辐射束被引导到该设备中(例如，借助于适当的定向反射镜)；后一情形可以是当源so为准分子激光(例如，基于krf、arf或f2激光作用)时的情况。
[0192]
束pb随后可以截取被保持于图案形成装置台mt上的图案形成装置ma。在已横穿图案形成装置ma的情况下，束pb可以传递穿过透镜pl，该透镜pl将束b聚焦到衬底w的目标部分c上。借助于第二定位装置pw2(和干涉测量装置if)，可以准确地移动衬底台wt，例如，以便将不同目标部分c定位在束pb的路径中。类似地，第一定位装置可以用于例如在从图案形成装置库机械地检索图案形成装置ma之后或在扫描期间相对于束b的路径来准确地定位图案形成装置ma。通常，可以借助于长行程模块(粗定位)和短行程模块(精定位)来实现物体台mt、wt的移动。然而，在步进器(与步进扫描工具相反)的情况下，图案形成装置台mt可以仅连接到短行程致动器，或者可以是固定的。
[0193]
所描绘的工具可以用于两种不同的模式中，即步进模式和扫描模式。在步进模式下，将图案形成装置台mt保持基本静止，并且将整个图案形成装置图像一次投影(即，单一“闪光”)到目标部分c上。可以使衬底台wt在x和/或y方向上移位，以使得不同的目标部分c
可以被束pb照射。
[0194]
在扫描模式下，除了单次“闪光”中不曝光给定目标部分c之外，基本上适用于相同的情形。可替代地，图案形成装置台mt能够在给定方向(所谓的“扫描方向”，例如y方向)上以速率v移动，以使得投影束b在图案形成装置图像上进行扫描；同时，衬底台wt以速率v＝mv在相同或相反方向上同时移动，其中，m是透镜pl的放大率(典型地m＝1/4或1/5)。这样，可以在不必折中分辨率的情况下曝光相对大的目标部分c。
[0195]
图16是根据实施例的另一光刻投影设备(lpa)的示意图。
[0196]
lpa可以包括源收集器模块so、被配置成调节辐射束b(例如euv辐射)的照射系统(照射器)il、支撑结构mt、衬底台wt以及投影系统ps。
[0197]
支撑结构(例如图案形成装置台)mt，可以被构造成支撑图案形成装置(例如掩模或掩模版)ma并且连接到第一定位器pm，所述第一定位器pm配置成准确地定位图案形成装置。
[0198]
衬底台(例如，晶片台)wt，可以被构造成保持衬底(例如，涂覆有抗蚀剂的晶片)w并且连接到第二定位器pw，所述第二定位器pm配置成准确地定位衬底。
[0199]
投影系统(例如反射式投影系统)ps，可以被配置成将由图案形成装置ma赋予辐射束b的图案投影到衬底w的目标部分c(例如包括一个或更多个管芯)上。
[0200]
如此处所描绘的，lpa可以属于反射型(例如，采用反射型图案形成装置)。应该注意的是，由于大多数材料在euv波长范围内具有吸收性，所以图案形成装置可以具有包括例如钼和硅的多叠层的多层反射器。在一个示例中，多叠层反射器具有钼和硅的40个层对，其中，每一层的厚度为四分之一波长。可以利用x射线光刻术来产生甚至更小的波长。由于大多数材料在euv和x射线波长下具有吸收性，所以图案形成装置形貌上的图案化的吸收材料的薄片(例如，多层反射器的顶部上的tan吸收体)限定特征将印制(正型抗蚀剂)或不印制(负型抗蚀剂)的位置。
[0201]
照射器il可以接收来自源收集器模块so的极紫外辐射束。用于产生euv辐射的方法包括但不必限于将材料转换为等离子体状态，该材料具有在euv范围内具有一个或更多个发射线的至少一种元素(例如氙、锂或锡)。在通常称为激光产生等离子体(“lpp”)的一种这样的方法中，等离子体可以通过以激光束辐射燃料来产生，燃料例如是具有线发射元素的材料的液滴、束流或簇。源收集器模块so可以是包括用于提供激发燃料的激光束的激光器(图11中未示出)的euv辐射系统的一部分。所得等离子体发射输出辐射，例如euv辐射，其通过使用设置在源收集器模块内的辐射收集器收集。激光器和源收集器模块可以是分立的实体，例如当使用co2激光器提供用于燃料激发的激光束时。
[0202]
在这些情况下，不会将激光器看作是构成光刻设备的一部分，并且借助于包括例如合适的定向反射镜和/或扩束器的束传递系统，辐射束b可以被从激光器传递到源收集器模块。在其它情况下，所述源可以是源收集器模块的组成部分，例如，当所述源是放电产生等离子体euv产生器(通常被称为dpp源)时。
[0203]
照射器il可以包括用于调整所述辐射束的角强度分布的调整器。通常，可以调整照射器的光瞳平面中的强度分布的至少外部径向范围和/或内部径向范围(通常分别被称为σ
‑
外部和σ
‑
内部)。此外，所述照射器il可以包括各种其它部件，诸如琢面场反射镜装置和琢面光瞳反射镜装置。所述照射器可以用于调节所述辐射束，以在其横截面中具有所所
需的均匀性和强度分布。
[0204]
所述辐射束b可以入射到保持在支撑结构(例如，图案形成装置台)mt上的图案形成装置(例如，掩模)ma上，并且通过图案形成装置来形成图案。已经被图案形成装置(例如，掩模)ma反射后，所述辐射束b穿过投影系统ps，所述投影系统将辐射束聚焦到所述衬底w的目标部分c上。借助于第二定位装器pw和位置传感器ps2(例如，干涉仪器件、线性编码器或电容传感器)，可以准确地移动所述衬底台wt，例如以便将不同的目标部分c定位于辐射束b的路径中。类似地，可以将所述第一定位器pm和另一个位置传感器ps1用于相对于所述辐射束b的路径准确地定位图案形成装置(例如，掩模)ma。可以使用图案形成装置对准标记m1、m2和衬底对准标记p1、p2来对准图案形成装置(例如，掩模)ma和衬底w。
[0205]
所描绘设备lpa可以用于下列模式中的至少一种模式：步进模式、扫描模式和静止模式。
[0206]
在步进模式中，在将支撑结构(例如图案形成装置台)mt和衬底台wt保持为基本静止的同时，将赋予所述辐射束的整个图案一次投影到目标部分c上(即，单一的静态曝光)。然后将所述衬底台wt沿x和/或y方向移动，使得可以对不同目标部分c曝光。
[0207]
在扫描模式中，在对支撑结构(例如图案形成装置台)mt和衬底台wt同步地进行扫描的同时，将赋予所述辐射束的图案投影到目标部分c上(即，单一的动态曝光)。衬底台wt相对于支撑结构(例如图案形成装置台)mt的速度和方向可以通过投影系统ps的放大(缩小)率和图像反转性质来确定。
[0208]
在静止模式中，将用于保持可编程图案形成装置的支撑结构(例如图案形成装置台)mt保持为基本静止，并且在对衬底台wt进行移动或扫描的同时，将赋予所述辐射束的图案投影到目标部分c上。在这种模式中，通常采用脉冲辐射源，并且在所述衬底台wt的每一次移动之后、或在扫描期间的连续辐射脉冲之间，根据需要更新所述可编程图案形成装置。这种操作模式可易于应用于利用可编程图案形成装置(诸如，如上所提及类型的可编程反射镜阵列)的无掩模光刻术中。
[0209]
图17是根据实施例的光刻投影设备的详细视图。
[0210]
如图所示，lpa可以包括源收集器模块so、照射系统il以及投影系统ps。源收集器模块so构造和布置成将真空环境维持在源收集器模块so的围封结构220中。发射euv辐射的等离子体210可以由放电产生等离子体源形成。euv辐射可以通过气体或蒸汽产生，例如氙气、锂蒸汽或锡蒸汽，其中产生极热的等离子体210以发射在电磁光谱的euv范围内的辐射。例如，通过引起至少部分地电离的等离子体的放电而产生极热的等离子体210。为了有效产生辐射，可能需要为例如分压为10pa的xe、li、sn蒸汽或任何其它适当的气体或蒸汽。在实施例中，提供被激发的锡(sn)的等离子体以产生euv辐射。
[0211]
由热等离子体210发射的辐射经由定位于源腔室211中的开口中或后方的可选的气体阻挡件或污染物截留器230(在一些情况下，也被称作污染物阻挡件或箔片阱)而从源腔室211传递到收集器腔室212中。污染物截留器230可以包括通道结构。污染物截留器230也可以包括气体阻挡件，或气体阻挡件与通道结构的组合。如本领域中已知的，本文中进一步示出的污染物截留器或污染物阻挡件230至少包括通道结构。
[0212]
收集器腔室211可以包括可以是所谓的掠入射收集器的辐射收集器co。辐射收集器co具有上游辐射收集器侧251和下游辐射收集器侧252。横穿收集器co的辐射可以由光栅
光谱滤光器240反射，然后沿着点划线
‘
o’所指示的光轴而聚焦在虚源点if处。虚源点if通常被称作中间焦点，并且源收集器模块被布置成使得中间焦点if位于围封结构220中的开口221处或附近。虚源点if是辐射发射等离子体210的图像。
[0213]
随后，辐射横穿照射系统il，该照射系统il可以包括琢面场反射镜装置22和琢面光瞳反射镜装置24，该琢面场反射镜装置22和琢面光瞳反射镜装置24被布置成提供在图案形成装置ma处具有所需的角分布的辐射束21，以及在图案形成装置ma处具有所需的均匀性的辐射强度。在辐射束21在由支撑结构mt保持的图案形成装置ma处反射之后，形成图案化的束26，并且通过投影系统ps将图案化的束26经由反射元件28、30而成像到由衬底台wt保持的衬底w上。
[0214]
在照射光学器件单元il和投影系统ps中通常可以存在比示出的元件更多的元件。依赖于光刻设备的类型，可以可选地呈现光栅光谱滤光器240。此外，可以存在比图中示出的反射镜更多的反射镜，例如在投影系统ps中可以存在有在图12中示出的元件以外的1
‑
6个额外的反射元件。
[0215]
如图12所示的收集器光学器件co被描绘为具有掠入射反射器253、254和255的巢状收集器，仅作为收集器(或收集器反射镜)的示例。掠入射反射器253、254和255设置成围绕光轴o轴对称，并且这种类型的收集器光学器件co可以与经常被称作dpp源的放电产生等离子体源组合使用。
[0216]
图18是根据实施例的光刻投影设备lpa的源收集器模块so的详细视图。
[0217]
源收集器模块so可以是lpa辐射系统的一部分。激光器la可以被布置成将激光能量沉积到诸如氙(xe)、锡(sn)或锂(li)的燃料中，从而产生具有数十电子伏特的电子温度的高度电离的等离子体210。在这些离子的去激发和再结合或复合期间产生的高能辐射从等离子体发射，由近正入射收集器光学器件co收集，并且聚焦到围封结构220中的开口221上。
[0218]
本文中所公开的构思可以模拟或以数学方法对用于使亚波长特征成像的任何通用的成像系统进行建模，并且可以尤其与能够产生越来越短的波长的新兴成像技术一起使用。已经处于使用中的新兴技术包括能够通过使用arf激光器来产生193nm波长并且甚至能够通过使用氟激光器来产生157nm波长的极紫外(euv)、duv光刻术。此外，euv光刻术能够通过使用同步加速器或通过利用高能电子来撞击材料(固体或等离子体)产生5nm至20nm范围内的波长，以便产生该范围内的光子。
[0219]
图19示意性地描绘根据实施例的电子束检查设备1920的实施例。在实施例中，所述检查设备可以是得到被曝光或转印于所述衬底上的结构(例如，诸如集成电路之类的器件的某一结构或全部结构)的图像的电子束检查设备(例如与扫描电子显微镜(sem)相同或相似)。从电子源1922发射的初级电子束1924由聚光器透镜1926会聚并且接着传递穿过束偏转器1928、e
×
b偏转器1930和物镜1932以在焦点处照射衬底台1912上的衬底1910。
[0220]
当利用电子束1924照射所述衬底1910时，从衬底1910产生次级电子或第二电子。所述次级电子由e
×
b偏转器1930偏转并且由次级电子检测器1934检测。可以通过以下操作获得二维电子束图像：检测从样本产生的电子，同步地例如由束偏转器1928使电子束进行二维扫描或由束偏转器1928使电子束1924在x或y方向上进行重复扫描，以及由衬底台1912在x或y方向中的另一方向上连续地移动所述衬底1910。因而，在实施例中，所述电子束检查
设备具有由角范围所限定的针对电子束的视场，电子束可以由电子束检查设备提供至所述角范围(例如所述偏转器1928可以提供的可供电子束1924穿过的角范围)中。因而，所述视场的空间范围是电子束的所述角范围可以照射到表面上所达的空间范围(其中所述表面可以是静止的或可以相对于所述场移动)。
[0221]
由次级电子检测器1934检测到的信号由模拟/数字(a/d)转换器1936转换成数字信号，并且所述数字信号被发送至图像处理系统1950。在实施例中，所述图像处理系统1950可以具有用以储存数字图像的全部或部分以供由处理单元1958进行处理的存储器1956。所述处理单元1958(例如被特殊设计的硬件，或硬件与软件的组合，或包括软件的计算机可读介质)被配置成将所述数字图像转换或处理成表示所述数字图像的数据集。在实施例中，所述处理单元1958被配置或编程以导致执行本文中所描述的方法。另外，图像处理系统1950可以具有被配置成将所述数字图像和对应的数据集储存在参考数据库中的储存介质1956。显示器件1954可以与图像处理系统1950连接，使得操作者可以借助于图形用户接口进行装备的必要操作。
[0222]
图20示意性地图示根据实施例的检查设备的另外的实施例。所述系统用以检查在样本平台89上的样本90(诸如衬底)，并且包括带电粒子束产生器81、聚光器透镜模块82、探针形成物镜模块83、带电粒子束偏转模块84、次级带电粒子检测器模块85、和图像形成模块86。
[0223]
所述带电粒子束产生器81产生初级带电粒子束91。所述聚光器透镜模块82将所产生的初级带电粒子束91聚光。所述探针形成物镜模块83将所聚光的初级带电粒子束聚焦成带电粒子束探针92。所述带电粒子束偏转模块84使所形成的带电粒子束探针92横跨紧固于样本平台89上的样本90上的关注的区域的表面进行扫描。在实施例中，所述带电粒子束产生器81、所述聚光器透镜模块82和所述探针形成物镜模块83或它们的等效设计、替代方案或其任何组合一起形成带电粒子束探针产生器，其产生扫描带电粒子束探针92。
[0224]
次级带电粒子检测器模块85检测一旦由所述带电粒子束探针92轰击以产生次级带电粒子检测信号94就从样本表面发射的次级带电粒子93(也可以与来自所述样本表面的其它反射或散射带电粒子一起)。所述图像形成模块86(例如计算装置)与所述次级带电粒子检测器模块85联接以从所述次级带电粒子检测器模块85接收所述次级带电粒子检测信号94并且因此形成至少一个扫描图像。在实施例中，次级带电粒子检测器模块85和图像形成模块86或它们的等效设计、替代方案或其任何组合一起形成图像形成设备，其由从带电粒子束探针92轰击的样本90发射的检测到的次级带电粒子形成扫描图像。
[0225]
在实施例中，监控模块87被联接至所述图像形成设备的所述图像形成模块86以对所述图案化过程进行监控、控制等等和/或使用从图像形成模块86所接收的所述样本90的扫描图像导出用于图案化过程设计、控制、监控等等的参数。因此，在实施例中，所述监控模块87被配置或编程以导致执行本文中所描述的方法。在实施例中，所述监控模块87包括计算装置。在实施例中，所述监控模块87包括用以提供本文中的功能性并且编码于计算机可读介质上的计算机程序，所述计算机可读介质形成所述监控模块87或被安置于监控模块87内。
[0226]
在实施例中，类似于使用探针来检查衬底的图19的电子束检查工具，与例如诸如图19中所描绘之类的cd sem相比，图20的系统中的电子电流显著地较大，使得探针斑足够
大使得检查速度从而使得检查速度可以较快。然而，由于较大的探针斑，则分辨率可能不与cd sem的分辨率一样高。
[0227]
可以处理来自例如图19和/或图20的系统的所述sem图像以提取在图像中对表示器件结构的对象的边缘进行描述的轮廓。接着通常在使用者限定的切割线处经由诸如cd之类的指标来量化这些轮廓。因而，通常经由诸如在所提取的轮廓上所测量的边缘间距离(cd)或图像之间的简单像素差之类的指标，来比较和量化器件结构的图像。替代地，指标可以包括如本文中所描述的ep量规。
[0228]
现在，除了在图案化过程中测量衬底以外，也常常期望使用一个或更多个工具以产生例如可以用以对所述图案化过程进行设计、控制、监控等等的结果。为了进行这种操作，可以提供用于计算上对所述图案化过程的一个或更多个方面进行控制、设计等等的一个或更多个工具，所述一个或更多个方面是诸如用于图案形成装置的图案设计(包括例如添加亚分辨率辅助特征或光学邻近效应校正)、用于图案形成装置的照射，等等。因此，在用于计算上对涉及图案化的制造过程进行控制、设计等等的系统中，主要制造系统部件和/或过程可以由各种功能模块描述。具体地，在实施例中，可以提供对所述图案化过程的一个或更多个步骤和/或设备(通常包括所述图案转印步骤)进行描述的一个或更多个数学模型。在实施例中，可以使用一个或更多个数学模型执行所述图案化过程的模拟，以模拟所述图案化过程如何使用由图案形成装置所提供的所测量的图案或设计图案来形成经图案化的衬底。
[0229]
虽然本文公开的构思可以用于在衬底(诸如硅晶片)上成像，但是应当理解，所公开的构思可以与任何类型的光刻成像系统一起适用，例如用于在除了硅晶片之外的衬底上成像的光刻成像系统。
[0230]
本文的描述旨在是示例性的而不是限制性的。因此，本领域的技术人员将明白，在不背离下面阐述的权利要求书的范围的情况下，可以对所描述的发明进行修改。
[0231]
还可以使用以下方面来描述所述实施例：
[0232]
1.一种用于在对与图案化过程相关联的过程模型进行校准时进行量规选择的方法，所述方法包括：
[0233]
获得具有与所述图案化过程相关联的一个或更多个性质的输入量规的集合；
[0234]
从输入量规的集合选择初始量规的子集，选择初始量规的子集包括：
[0235]
基于所述一个或更多个性质的第一性质参数，从所述输入量规的集合确定量规的第一子集，所述量规的第一子集被配置成校准过程模型。
[0236]
2.根据方面1所述的方法，还包括通过使用用户限定的量规来过滤输入量规的集合，以确定量规的第一子集。
[0237]
3.根据方面1所述的方法，其中所述一个或更多个性质包括以下至少一个：
[0238]
晶片的临界尺寸的值；
[0239]
与图案相关联的曲率；和/或
[0240]
在图案化过程中所使用的强度。
[0241]
4.根据方面1所述的方法，其中所述第一性质参数包括模型误差，所述模型误差是参考轮廓与从所述图案化过程的过程模型的模拟所产生的模拟轮廓之间的差。
[0242]
5.根据方面4所述的方法，其中参考轮廓是来自扫描电子显微镜的测量轮廓。
[0243]
6.根据方面1所述的方法，选择初始量规的子集还包括：
[0244]
基于所述一个或更多个性质的第二性质参数，从所述输入量规的集合确定量规的第二子集；
[0245]
将量规的所述第一子集与量规的所述第二子集合并为量规的合并子集；
[0246]
确定量规的合并子集是否包括重复的量规；和
[0247]
从量规的合并子集选择量规的第三子集，使得所述第三子集不包括重复的量规，量规的第三子集被配置成校准所述过程模型。
[0248]
7.根据方面6所述的方法，还包括：响应于不存在重复的量规的确定，选择量规的合并子集来校准所述过程模型。
[0249]
8.一种用于产生用于图案化过程的量规的方法，所述方法包括：
[0250]
获得具有与所述图案化过程相关联的一个或更多个性质的初始量规；
[0251]
经由使用初始量规的优化算法，校准被配置成确定量规的多个模型，所述多个模型中的每个模型与模型误差值相关联；
[0252]
基于所述模型误差值相对于所述多个模型中特定模型的最小模型误差值的比较，从所述多个模型确定候选模型；和
[0253]
基于所述候选模型针对所述图案化过程选择量规。
[0254]
9.根据方面8所述的方法，其中获得具有与所述图案化过程相关联的一个或更多个性质的初始量规还包括：
[0255]
基于所述一个或更多个性质的第一性质，从所述初始量规确定量规的第一子集，所述第一性质是权重和/或模型误差；
[0256]
基于所述一个或更多个性质的第二性质，从所述初始量规确定量规的第二子集；
[0257]
将量规的所述第一子集与量规的所述第二子集合并为量规的合并子集；
[0258]
确定量规的合并子集是否包括重复的量规；和
[0259]
基于所述图案化过程的所述一个或更多个性质来选择量规的合并子集的第三子集，使得所述第三子集不包括重复的量规。
[0260]
10.根据方面9所述的方法，还包括：通过使用用户限定的量规来过滤初始量规的集合，以确定量规的所述第一子集和量规的所述第二子集。
[0261]
11.根据方面9所述的方法，其中所述一个或更多个模型性质还包括以下至少一个：
[0262]
晶片的临界尺寸的值；
[0263]
与图案相关联的曲率；和/或
[0264]
在图案化过程中所使用的强度。
[0265]
12.根据方面8所述的方法，还包括：
[0266]
确定每个候选模型之间的余弦相似性指标，余弦相似性指标是两个向量的余弦，每个向量代表所述候选模型的给定模型。
[0267]
13.根据方面12所述的方法，还包括：
[0268]
基于所述相似性指标，从所述候选模型选择用户限定数量的相异模型，其中所述相异模型具有与具备最小模型误差值的模型的相似性指标的值显著不同的相似性指标的值。
[0269]
14.根据方面8所述的方法，其中，所述模型误差值与模型误差相关联，所述模型误差是参考轮廓与从所述图案化过程的过程模型的模拟所产生的模拟轮廓之间的差，参考轮廓是来自图像捕获装置的测量轮廓。
[0270]
15.根据方面14所述的方法，其中所述模型误差值是参考轮廓与模拟轮廓之间的差的均方根值。
[0271]
16.根据方面8所述的方法，其选择量规至少基于以下一项：所述模型误差的平均值、所述模型误差的标准偏差值、和/或由所述候选模型所确定的所述模型误差的峰
‑
峰值。
[0272]
17.根据方面8至16中任一项所述的方法，还包括：
[0273]
通过使用所选量规模拟校准后的过程模型，来确定过程条件；和经由采用所确定的过程条件的光刻设备来曝光衬底。
[0274]
18.根据方面17所述的方法，其中所述过程条件包括一个或更多个过程参数，其中所述过程参数是剂量、焦距或强度中的至少一个。
[0275]
19.一种计算机程序产品，包括非暂时性计算机可读介质，所述非暂时性计算机可读介质中记录有在由计算机执行时实施前述方面中任一项所述的方法的指令。