一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

像差影响系统、模型和制造过程的制作方法

2023-03-03 09:52:24 来源:中国专利 TAG:

像差影响系统、模型和制造过程
1.相关申请的交叉引用
2.本技术要求于2020年6月10日提交的us申请63/037,494的优先权和2021年2月10日提交的us申请63/147,831的优先权,该申请通过引用整体并入本文。
技术领域
3.本文的描述总体上涉及半导体制造中的光刻,更具体地,涉及计算光刻。


背景技术:

4.光刻投影设备可以用在例如集成电路(ic)的制造中。图案形成装置(例如,掩模)可以包含或提供与ic的单层(“设计布局”)相对应的图案,并且可以通过诸如通过图案形成装置上的图案照射目标部分的方法,将该图案转印到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,包括一个或多个管芯)上。通常,单个衬底包含多个相邻的目标部分,光刻投影设备每次一个目标部分地将图案连续地转印到目标部分。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在一个操作中转印到一个目标部分上。这种设备通常被称为步进器。在可选设备(通常称为步进扫描设备)中,投影光束在给定的参考方向(“扫描”方向)上在图案形成装置上扫描,同时使衬底平行或反平行于该参考方向移动。图案形成装置上的图案的不同部分被逐渐转印到一个目标部分。通常,由于光刻投影设备将具有减速比m(例如4),因此衬底移动的速度f将是投影束扫描图案形成装置的速度的1/m倍。关于光刻装置的更多信息可以在例如us6,046,792中找到,其通过引用并入本文。
5.在将图案从图案形成装置转印到衬底之前,所述衬底可以进行各种过程,诸如涂底漆、抗蚀剂涂覆和软烘烤。在曝光之后,衬底可以进行其他过程(“曝光后过程”),诸如曝光后烘烤(peb)、显影、硬烘烤、以及所转印图案的测量/检查。这一系列过程被用作制备例如ic的装置的单独层的基础。然后,衬底可以经历各种过程,诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学机械抛光等,所有这些过程都旨在完成器件的各个层。如果在装置中需要若干层,则针对每个层重复整个过程或其变型。最终,器件将存在于衬底上的每个目标部分中。然后,通过诸如切割或锯切的技术使这些器件彼此分离,以便可以将单独的器件装配在载体上、连接到引脚等。
6.因此,制造器件(诸如半导体器件)通常涉及使用多个制造过程处理衬底(例如半导体晶片),以形成器件的各种特征和多个层。这种层和特征通常使用例如沉积、光刻、蚀刻、化学机械抛光和离子注入来制造和处理。可在衬底上的多个芯片上制造多个器件,并且然后分离成单个器件。这种器件制造过程可以视为图案化过程。图案化过程涉及诸如在光刻设备中使用图案形成装置的光学和/或纳米压印光刻的图案化步骤,以将图案形成装置上的图案转印至衬底,并且通常但可选地涉及一个或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、使用烘烤工具烘烤衬底、使用蚀刻设备对图案进行蚀刻等。
7.光刻是制造诸如ic的器件的中心步骤,其中在衬底上形成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、微电子机械系统(mems)和其他器件。
8.随着半导体制造过程的不断进步,功能元件的尺寸不断减小。同时,每个器件的功能元件(诸如晶体管)的数量一直稳步增加,这遵循了通常称为“摩尔定律”的趋势。在当前的技术状态下,使用光刻投影装置来制造器件的层,所述光刻投影装置使用来自深紫外照射源的照射将设计布局投影到衬底上,从而产生具有远低于100nm(即,小于来自照射源(例如193nm的照射源)的辐射的波长的一半)的尺寸的单个功能元件。
9.印制具有比光刻投影设备的经典分辨率极限更小的尺寸的特征的过程通常称为低k1光刻术,根据分辨率公式cd=k1×
λ/na,其中λ是所采用的辐射的波长(目前大多数情况为248nm或193nm),na是光刻投影设备中投影光学元件的数值孔径,cd是“临界尺寸”(通常是印制的最小特征大小)并且k1是经验分辨率因子。通常,k1越小,则在衬底上再现类似于由电路设计者所规划的形状和尺寸以便实现特定电学功能和性能的图案就变得越困难。为了克服这些困难,可以将复杂的精调谐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的优化和光学相干设置、自限定照射方案、使用相移图案形成装置、设计布局中的光学邻近校正(opc,有时也称为“光学和过程校正”)、或通常被限定为“分辨率增强技术”(ret)的其它方法。
10.opc和其他ret利用描述光刻过程的鲁棒电子模型。因此,期望这样的光刻模型的校准程序在整个过程窗口中提供有效、鲁棒和准确的模型。目前,校准是使用一定数量的一维和/或二维量规图案、利用晶片测量来完成的。更具体地,一维量规图案包括具有变化的节距和临界尺寸(cd)的线间距图案、隔离线、多条线等。二维量规图案通常包括线端、触点和随机选择的sram(静态随机存取存储器)图案。


技术实现要素:

11.根据实施例,提供了一种非暂时性计算机可读介质,在所述非暂时性计算机可读介质上具有指令。所述指令在被计算机执行时引起所述计算机执行校准模型,所述校准模型被配置成接收图案化系统像差数据。用图案化系统像差校准数据和相应的图案化过程影响校准数据来校准所述模型。所述指令被配置成使计算机基于所述模型确定所接收的图案化系统像差数据的新图案化过程影响数据。所述模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与所述新图案化过程影响数据相关联,而无需模拟、生成或以其他方式计算空间图像或其表示。
12.在一些实施例中,该超维函数被配置成以近似和/或简化的形式将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而不是全模拟。
13.在一些实施例中,通过以下校准所述模型:将所述图案化系统像差校准数据提供到基础模型,以获得所述图案化过程影响校准数据的预测结果,并且使用所述图案化过程影响校准数据作为反馈来更新所述基础模型的一个或多个配置。基于所述图案化过程影响校准数据与所述图案化过程影响校准数据的预测结果之间的比较来更新一个或多个配置。
14.在一些实施例中,所述模型包括一个或多个非线性、线性和/或二次算法。
15.在一些实施例中,更新所述基础模型的一个或多个配置包括校准算法的一个或多个参数。
16.在一些实施例中,所接收的图案化系统像差数据包括所接收的波前数据,并且其中,所述新图案化过程影响数据包括一个或多个图案化过程度量。
17.在一些实施例中,所述一个或多个图案化过程度量包括与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数。
18.在一些实施例中,所述模型包括一个或多个关键特征分量以及一个或多个常规分量,所述关键特征分量被配置成对图案化系统与图案化系统之间的图案化过程的关键特征的变化建模;并且所述一个或多个常规分量被配置成对图案化系统针对图案化过程的非关键特征的一般性能建模。
19.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关联的成本。
20.在一些实施例中,所述成本函数包括与图案化过程的关键特征相关联的第一分量、与图案化过程的非关键特征相关联的第二分量、以及与一个或多个图案化系统的物理功能限制相关联的第三分量。
21.在一些实施例中,所述成本函数还包括与图案化过程波前调节惩罚相关联的第四分量。
22.在一些实施例中,从所述模型输出的所述新图案化过程影响数据被配置成有助于多个图案化系统的协同优化。
23.在一些实施例中,所述多个图案化系统包括扫描器,并且所述协同优化包括使用透镜致动器作为变量,并且使用基于梯度的非线性优化器来协同确定多个扫描器的致动器位置。
24.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成用于确定图案化过程控制度量集,所述图案化过程控制度量集被配置成由线性求解器确定。
25.在一些实施例中,所述新图案化过程影响数据表示,相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数中的一个或多个的影响。
26.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本。与各个图案化过程度量相关联的成本被配置成提供回到所述模型,以有助于确定与图案化过程波前调节相关联的和/或成本。与所述图案化过程波前调节相关联的成本被配置成提供到驱动器透镜模型,以有助于确定与各个图案化过程变量相关联的成本。与各个图案化过程变量相关联的成本被配置成提供到优化器以有助于多个图案化系统的协同优化。
27.在一些实施例中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对所述图案化系统的一个或多个反射镜和/或透镜的加热的控制。
28.在一些实施例中,基于相关联的光瞳形状和图案形成装置设计来模拟所述图案化系统像差数据。
29.在一些实施例中,所述图案化过程影响数据包括相应的图案化系统像差的成本函数s(z)。所述图案化系统像差s(z)由所接收的图案化系统像差数据限定。
30.在一些实施例中,所述成本函数s(z)表示相应的图案化系统像差所引起的对所述
图案化过程的影响。
31.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成提供到第二模型,以有助于图案化系统的动态现场像差控制。在一些实施例中,所述第二模型是投影光学器件校正模型。
32.在一些实施例中,所述图案化系统包括扫描器。所述扫描器的动态现场控制包括针对给定扫描器像差,生成经校正的扫描器控制参数配方以优化光刻性能度量集。
33.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成用于确定图案化过程控制度量集。所述图案化过程控制度量集被配置成由线性求解器确定。
34.在一些实施例中,所述图案化过程控制度量包括光刻度量。
35.在一些实施例中,来自所述模型的所述新图案化过程影响数据包括成本函数hessian。确定所述图案化过程控制度量集包括对所述hessian执行奇异值分解。
36.在一些实施例中,所述新图案化过程影响数据指示相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数中的一个或多个的影响。
37.在一些实施例中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对所述图案化系统的一个或多个反射镜和/或透镜的加热的控制。
38.在一些实施例中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对与所述图案化系统相关联的聚焦、剂量和/或台变化(msd)的控制。
39.根据另一实施例,提供了一种确定图案化过程影响数据的方法。所述方法包括:执行校准模型,所述校准模型被配置成接收图案化系统像差数据,用图案化系统像差校准数据和相应的图案化过程影响校准数据来校准所述模型。所述方法包括基于所述模型确定所接收的图案化系统像差数据的新图案化过程影响数据。所述模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而无需模拟、生成、或以其他方式计算空间图像表示。
40.在一些实施例中,所述超维函数被配置成以近似和/或简化的形式将所接收的图案化系统像差数据与所述新图案化过程影响数据相关联,而不是全模拟。
41.在一些实施例中,通过以下校准所述模型:将所述图案化系统像差校准数据提供到基础模型,以获得图案化过程影响校准数据的预测结果,并且使用所述图案化过程影响校准数据作为反馈来更新所述基础模型的一个或多个配置。基于所述图案化过程影响校准数据与所述图案化过程影响校准数据的预测结果之间的比较来更新一个或多个配置。
42.在一些实施例中,所述模型包括一个或多个非线性、线性和/或二次算法。
43.在一些实施例中,更新所述基础模型的一个或多个配置包括校准算法的一个或多个参数。
44.在一些实施例中,所接收的图案化系统像差数据包括所接收的波前数据,并且其中,所述新图案化过程影响数据包括一个或多个图案化过程度量。
45.在一些实施例中,所述一个或多个图案化过程度量包括与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数。
46.在一些实施例中,所述模型包括一个或多个关键特征分量以及一个或多个常规分量,所述关键特征分量被配置成对图案化系统与图案化系统之间的图案化过程的关键特征
的变化建模;并且所述一个或多个常规分量被配置成对图案化系统针对图案化过程的非关键特征的一般性能建模。
47.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关的成本。
48.在一些实施例中,所述成本函数包括与图案化过程的关键特征相关联的第一分量、与图案化过程的非关键特征相关联的第二分量、以及与一个或多个图案化系统的物理功能限制相关联的第三分量。
49.在一些实施例中,所述成本函数还包括与图案化过程波前调节惩罚相关联的第四分量。
50.在一些实施例中,从所述模型输出的所述新图案化过程影响数据被配置成有助于多个图案化系统的协同优化。
51.在一些实施例中,所述多个图案化系统包括扫描器,并且所述协同优化包括使用透镜致动器作为变量,并且使用基于梯度的非线性优化器来协同确定多个扫描器的致动器位置。
52.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成用于确定图案化过程控制度量集,所述图案化过程控制度量集被配置成由线性求解器确定。
53.在一些实施例中,所述新图案化过程影响数据指示相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数中的一个或多个的影响。
54.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本。与各个图案化过程度量相关联的成本被配置成提供回到所述模型,以有助于确定与图案化过程波前调节相关联的和/或成本。与所述图案化过程波前调节相关联的成本被配置成提供到驱动器透镜模型,以有助于确定与各个图案化过程变量相关联的成本。与各个图案化过程变量相关联的成本被配置成提供到优化器以有助于多个图案化系统的协同优化。
55.在一些实施例中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对所述图案化系统的一个或多个反射镜和/或透镜的加热的控制。
56.在一些实施例中,基于相关联的光瞳形状和图案形成装置设计来模拟图案化系统像差校准数据。
57.在一些实施例中,所述新图案化过程影响数据包括相应的图案化系统像差的成本函数s(z)。所述图案化系统像差s(z)由所接收的图案化系统像差数据限定。
58.在一些实施例中,所述成本函数s(z)表示相应的图案化系统像差所引起的对所述图案化过程的影响。
59.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成提供到第二模型,以有助于图案化系统的动态现场像差控制。在一些实施例中,所述第二模型是投影光学器件校正模型。
60.在一些实施例中,所述图案化系统包括扫描器。所述扫描器的动态现场控制包括针对给定扫描器像差,生成经校正的扫描器控制参数配方以优化光刻性能度量集。
61.在一些实施例中,来自所述模型的所述新图案化过程影响数据被配置成用于确定图案化过程控制度量集。所述图案化过程控制度量集被配置成由线性求解器确定。
62.在一些实施例中,所述图案化过程控制度量包括光刻度量。
63.在一些实施例中,来自所述模型的所述新图案化过程影响数据包括成本函数hessian。确定所述图案化过程控制度量集包括对所述hessian执行奇异值分解。
64.在一些实施例中,所述新图案化过程影响数据指示相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数中的一个或多个的影响。
65.在一些实施例中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对所述图案化系统的一个或多个反射镜和/或透镜的加热的控制。
66.在一些实施例中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对与所述图案化系统相关联的聚焦、剂量和/或台变化(msd)的控制。
67.根据另一实施例,提供了一种其上具有指令的非暂时性计算机可读介质。当指令由计算机执行时使计算机执行上述任何段落中的方法。
68.根据另一实施例,提供了一种非暂时性计算机可读介质,在所述非暂时性计算机可读介质上具有指令,所述指令在由计算机执行时引起所述计算机执行电子模型,所述电子模型用于在不计算图案化过程空间图像表示的情况下确定图案化过程影响数据。所述图案化过程影响数据被配置成有助于协同优化图案化过程中所使用的多个扫描器。所述指令引起的操作包括:向所述模型提供图案化系统像差数据,所述模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与图案化过程影响数据相关联;并且基于所述模型,确定所接收的图案形成系统像差数据的新图案化过程影响数据,其中来自所述模型的所述新图案化过程影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关的成本,并且其中,与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关的成本被配置成用于有助于多个扫描器的协同优化。
69.在一些实施例中,提供到所述模型的所述图案化系统像差数据包括波前数据,并且其中,所述新图案化过程影响数据包括一个或多个图案化过程度量。
70.在一些实施例中,所述模型包括一个或多个关键特征分量,所述关键特征分量被配置成对扫描器与扫描器之间的图案化过程的关键特征的变化建模;并且一个或多个常规分量被配置成对扫描器针对图案化过程的非关键特征的一般性能建模。
71.在一些实施例中,所述成本函数包括与图案化过程的关键特征相关联的第一分量、与图案化过程的非关键特征相关联的第二分量、以及与一个或多个扫描器的物理功能限制相关联的第三分量。
72.在一些实施例中,所述协同优化包括使用透镜致动器作为变量,并且使用基于梯度的非线性优化器来协同确定多个扫描器的致动器位置。
73.根据另一实施例,提供了一种或多种非暂时性计算机可读介质,所述非暂时性计算机可读介质存储预测模型和指令,所述指令在由一个或多个处理器执行时提供所述预测模型。所述预测模型产生以下步骤:获得图案化系统像差数据和相应的图案化过程影响数据;将所述图案化系统像差数据提供到基础预测模型,以获得所述图案化过程影响数据的
预测结果;并且使用所述图案化过程影响数据作为反馈来更新所述基础预测模型的一个或多个配置,其中基于所述图案化过程影响数据与所述图案化过程影响数据的预测结果之间的比较来更新所述一个或多个配置。所述预测模型包括超维函数,所述超维函数被配置成将所述图案化系统像差数据与所述图案化过程影响数据相关联,而无需计算空间图像。
74.在一些实施例中,所述预测模型包括线性或二次算法。
75.在一些实施例中,更新所述预测模型的一个或多个配置包括校准函数的一个或多个参数。
76.在一些实施例中,基于相关联的光瞳形状和图案形成装置设计来模拟所述图案化系统像差数据。
77.在一些实施例中,所述图案化过程影响数据包括相应的图案化系统像差的成本函数s(z),所述图案化系统像差由所述图案化系统像差数据限定。
附图说明
78.包含在说明书中并构成说明书的一部分的附图说明了一个或多个实施例,并与说明书一起解释了这些实施例。现在将仅通过示例的方式参考附图描述本发明的实施例,其中对应的附图标记指示对应的部件,并且其中:
79.图1示出了根据实施例的光刻投影设备的各种子系统的框图。
80.图2示出了根据实施例的用于在光刻投影设备中全模拟光刻的示例性流程图。
81.图3示出了根据实施例的本方法。
82.图4示出了根据实施例的本发明的像差影响模型的操作与全模拟的操作的比较。
83.图5示出了根据实施例的用于构建本发明的像差影响模型的示例操作。
84.图6示出了根据实施例的在离线或研发阶段构建本发明的像差影响模型(例如图5中所示的操作),然后在制造阶段使用该模型。
85.图7示出了根据实施例的根据像差影响模型配置成本函数以供投影光学器件校正模型使用以确定图案化过程控制度量集的示例。
86.图8示出了根据实施例的动态像差控制(使用反射镜加热作为示例)。
87.图9示出了根据实施例的将成本函数(来自像差影响模型)转换成光刻度量的格式(例如以便于通过投影光学器件校正模型确定图案化过程控制度量集)。
88.图10示出了根据实施例的本发明的像差影响模型如何能够实现每衬底(例如每晶片或甚至每层)的动态像差校正。
89.图11示出了根据实施例的上述的操作的概要流程。
90.图12示出了根据实施例的成本函数的分量。
91.图13示出了根据实施例的示例优化架构。
92.图14是根据实施例的示例计算机系统的框图。
93.图15是根据实施例的光刻投影设备的示意图。
94.图16是根据实施例的另一光刻投影设备的示意图。
95.图17是根据实施例的光刻投影设备的详细视图。
96.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。
具体实施方式
97.半导体制造过程中的扫描器像差影响建模是有利的。本文中描述的模型可以具有广泛的应用范围。扫描器像差影响建模可以有助于多个扫描器的协同优化,基于模型的输出现场控制扫描器,和/或具有其他用途。本文中描述的模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联。超维函数被配置成在不涉及空间图像或其表达式的计算的情况下,以近似形式将所接收的图案化系统像差数据与新图案化过程影响数据相关联,代替全模拟。这可以节省计算时间、计算资源和/或具有其他优点。
98.例如,引起图案化过程扫描器(例如euv扫描器)的像差的反射镜加热性质和/或其他动态变化的变量需要快速的现场控制,以便在生产制造环境中实现稳定的成像性能。这种快速现场控制的先前尝试包括基于扫描器的光瞳水平性质(例如,相对于参考状态的德尔塔波前的rms)定义优值函数,但不知道衬底(例如晶片)水平上的成像性能性质。因此,尽管光瞳水平上的像差被最小化,但成像性能(在衬底或晶片水平上)没有被优化。
99.已知替代的基于成像性能的方法,但这些方法不适用于动态现场扫描器控制。例如,在一种方法中,需要计算大量关键维度的zernike灵敏度,这使得计算繁重并且需要大量的在线离线数据传输。使用这种方法,光刻性能度量被限制到关键尺寸。这种方法不够灵活,无法涵盖其他类型的自定义度量,包括离散度量(例如缺陷计数等)。作为另一示例,不同的方法涉及通过使用源掩模优化引擎执行像差(波前)优化来匹配不同扫描器的性能的方法。然而,这种方法是为冷透镜设置而设计的,而没有考虑反射镜加热,并且它执行迭代优化,这需要对每次迭代进行完全的成像模拟。这使得计算繁重并且不适合动态现场扫描器控制。
100.有利地,本公开描述了用于执行快速且动态的扫描器像差(波前)控制的系统和方法。这些系统和方法都是成像性能感知型并且适合于动态现场扫描器像差控制(例如,诸如用于控制由图案形成装置和/或图案化过程中的反射镜加热和/或其他动态方面引起的像差)。本系统和方法包括经校准的像差影响模型,其被配置成接收图案化系统像差数据,并且确定所接收的图案化系统像差数据的新图案化过程影响数据。用图案化系统像差数据和相应的图案化过程影响校准数据来校准模型。与现有系统相比,该模型包括相对简单的超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联。超维函数被配置成以近似形式将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而不是全模拟。例如,在一些实施例中,该模型包括线性或二次算法。来自该模型的新图案化过程影响数据被配置成(例如格式化来自该模型的输出)被提供到第二模型(诸如投影光学器件校正模型),以有助于图案化系统(例如扫描器)的动态现场像差控制。
101.作为另一示例,例如,相同的设计布局(用于图案化过程)可能在不同的扫描器上或在不同的狭缝位置上被不同地印制。这种变化是不利的,因为这通常无法像均一印制误差那样通过光学邻近校正(opc)或重定目标来修复。对于现有系统,确保在不同的扫描器上或在不同的狭缝位置处将相同的设计布局印制成相同,需要对每次迭代进行完全的成像模拟。这使得计算繁重,并且需要识别参考扫描器,而这通常不是操作员显而易见的选择(因此会导致额外的变化)。将每个扫描器都单独地与参考扫描器匹配并不一定使关键特征的
变化最小化。
102.有利地,经校准的像差影响模型可以用于波前调谐(例如,代替现有技术系统中的完全成像模拟)。如上所述,该模型包括相对简单的超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联。该超维函数被配置成以近似形式将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而不是全模拟(无需计算空间图像)。可以使用多个模型来描述多个扫描器的成像性能。本文中描述的模型有助于采用四分量成本函数来捕获成像性能、波前残余和/或致动器消耗以及各种其他可能性。此外,可以由用户任意指定(而不是硬扫描器请求)成像性能。本文描述的模型还有助于使用致动器作为变量(例如代替zernikes),以及使用通用非线性优化器(例如代替线性求解器)来求解多个扫描器(例如代替单个扫描器)的最佳致动器位置。
103.参考附图详细描述本公开的实施例,附图被提供为本公开的说明性示例,以使本领域技术人员能够实践本公开。注意的是,下面的附图和示例并不意味着将本公开的范围限制于单个实施例,而是通过交换所描述或示出的元件中的一些或全部,其他实施例也是可能的。此外,在可以使用已知部件部分地或完全地实现本公开的某些元件的情况下,将仅描述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其他部分的详细描述,以便不模糊本公开。实施例被描述为以软件实施,但是实施例不应限于此,而是可以包括以硬件或软件和硬件的组合实现的实施方式,反之亦然,这对于本领域技术人员来说是显而易见的,除非本文中另有说明。在本说明书中,示出单个部件的实施例不应被认为是限制性的;相反,本公开旨在涵盖包括多个相同部件的其他实施例,反之亦然,除非本文中另有明确地说明。此外,申请人不旨在将说明书或权利要求书中的任何术语赋予不寻常或特殊的含义,除非明确地进行了这种说明。此外,本公开涵盖与本文中通过说明的方式提及的已知部件等同的现有和未来已知部件。
104.尽管在本文中可以具体参考ic的制造,但是应当明确理解,本文的描述具有许多其他可能的应用。例如,其他可能的应用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。所属领域的技术人员将理解的是,在此类替代应用的上下文中,本文中的术语“掩模版”、“晶片”或“管芯”的任何使用应当被视为可以分别与更上位术语“掩模”、“衬底”和“目标部分”互换。
105.在本文档中,术语“辐射”和“束”被用于涵盖全部类型的电磁辐射,包括紫外辐射(例如具有365nm、248nm、193nm、157nm或126nm的波长)和euv(极紫外辐射,例如具有在约5-100nm的范围内的波长)。
106.本文中使用的术语“投影光学器件”应该广义地解释为包括各种类型的光学系统,例如包括折射光学器件、反射光学器件、孔和折反射光学器件。术语“投影光学器件”还可以包括根据用于共同地或单独地引导、整形或控制投影辐射束的这些设计类型中的任何一种操作的部件。术语“投影光学器件”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路上的何处。投影光学器件可以包括用于在来自源的辐射穿过(例如半导体)图案形成装置之前整形、调整和/或投影所述辐射的光学部件,和/或用于在来自源的辐射穿过图案形成装置之后整形、调整和/或投影所述辐射的光学部件。投影光学器件通常不包括源和图案形成装置。
107.(例如半导体)图案形成装置可以包括或可以形成一个或多个设计布局。可以利用
cad(计算机辅助设计)程序来生成设计布局,该过程通常被称为eda(电子设计自动化)。大多数cad程序遵循预定设计规则集合,以便创建功能设计布局/图案形成装置。通过处理和设计限制来设置这些规则。例如,设计规则定义了器件(诸如栅极、电容器等)之间的空间容差或互连线,以便确保器件或线不以不期望的方式彼此相互作用。设计规则可以包括和/或指定特定参数、参数的限制和/或范围、和/或其他信息。可以将设计规则限制和/或参数中的一个或多个称为“临界尺寸”(cd)。器件的临界尺寸可以被定义为线或孔的最小宽度,或者两条线或两个孔之间的最小间距,或者其他特征。因此,cd决定了所设计器件的整体尺寸和密度。当然,器件制造中的目标之一在于(经由图案形成装置)在衬底上如实地再现原始设计意图。
108.如本文中所采用的术语“掩模”或“图案形成装置”可以被广义地解释为指代可以用于将经图案化的横截面赋予入射辐射束的通用图案形成装置,所述经图案化的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”也可以用于这种情境中。除了经典掩模(透射式或反射式掩模;二元式掩模、相移式掩模、混合式掩模等)以外,其它这些图案形成装置的示例包括可编程反射镜阵列和可编程lcd阵列。
109.可编程反射镜阵列的示例可以是具有粘弹性控制层和反射表面的矩阵可寻址表面。这种设备背后的基本原理是,(例如)反射表面的寻址区域将入射辐射反射为衍射辐射,而未寻址区域将入射辐射反射为未衍射辐射。通过使用合适的滤光器,可以从反射束中滤除所述未衍射辐射,仅保留衍射辐射;以这种方式,根据矩阵可寻址表面的寻址图案来图案化束。所需的矩阵寻址可以使用合适的电子装置执行。可编程lcd阵列的示例在美国专利no.5,229,872中给出,该专利通过引用并入本文。
110.如本文中所使用的,术语“图案化过程”通常是指通过施加具有特定图案的光作为光刻过程的一部分来产生经蚀刻的衬底的过程。然而,“图案化过程”还可以包括等离子体蚀刻,因为本文描述的许多特征可以为使用等离子体处理形成印制图案提供益处。
111.如本文中所使用的,术语“目标图案”意指待被蚀刻在衬底上的理想化图案。
112.如本文中所使用的,术语“印制图案”意指基于目标图案而被蚀刻在衬底上的物理图案。例如,印制图案可以包括槽、通道、凹陷、边缘或由光刻过程产生的其他二维和三维特征。
113.如本文所使用的,术语“预测模型”、“过程模型”和/或模型(它们可以互换使用)意指包括模拟图案化过程的一个或多个模型的模型。例如,预测和/或过程模型可以包括光学模型(例如,对用于在光刻过程中递送光的透镜系统/投影系统进行建模,并且可以包括对到达光致抗蚀剂上的光的最终光学图像进行建模)、抗蚀剂模型(例如,对抗蚀剂的物理效应(诸如由于光引起的化学效应)建模),和/或opc模型(例如,可以用于制作目标图案并且可以包括亚分辨率抗蚀剂特征(sraf)等),和/或其他模型。
114.如本文所使用的,术语“校准”意指修改(例如改进或调整)和/或验证某些事物(诸如过程模型)。
115.图案化系统可以是包括以上描述的任何或所有部件以及被配置成执行与这些部件相关联的任何或全部操作的其他部件的系统。例如,图案化系统可以包括光刻投影设备、扫描器和/或其他系统。
116.作为介绍,图1示出了示例性光刻投影设备10a的各种子系统的示图。主部件是辐
射源12a,辐射源12a可以是深紫外准分子激光源或包括极紫外(euv)源的其他类型的源(如上所述,光刻投影设备本身不需要具有辐射源);照射光学器件,所述照射光学器件例如限定部分相干性(表示为西格马或σ),并且可以包括对来自源12a的辐射进行整形的光学器件14a、16aa和16ab;图案形成装置18a;以及透射式光学器件16ac,其将图案形成装置图案的图像投影到衬底平面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可以限制入射到衬底平面22a上的束的角度范围,其中最大可能的角度限定投影光学器件的数值孔径na=nsin(θ
max
),其中n是衬底与投影光学器件的最后元件之间的介质的折射率,并且θ
max
是从投影光学器件出射的仍可以入射到衬底平面22a上的束的最大角度。
117.在光刻投影设备中,源向图案形成装置提供照射(即辐照),并且投影光学器件经由图案形成装置整形照射并且引导到衬底上。投影光学器件可以包括部件14a、16aa、16ab和16ac中的至少一些。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根据空间图像计算抗蚀剂图像,其示例可以在美国专利申请公开no.us2009-0157630中找到,其公开内容通过引用整体并入本文。抗蚀剂模型与抗蚀剂层的性质(例如,在曝光、曝光后烘烤(peb)和显影期间发生的化学过程的影响)相关。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)决定了空间图像,并且可以在光学模型中定义。由于可以改变光刻投影设备中使用的图案形成装置,因此期望将图案形成装置的光学性质与光刻投影设备的其余部分的光学性质分开,所述光刻投影设备的其余部分至少包括源和投影光学器件。用于将设计布局转换成各种光刻图像(例如空间图像、抗蚀剂图像等)的技术和模型的细节、使用这些技术和模型应用opc并且评估性能(例如在过程窗口方面)被描述在美国专利申请公开no.us2008-0301620、us2007-0050749、us2007-0031745、us2008-0309897、us2010-0162197和us2010-0180251中,它们每个的公开内容通过引用整体并入本文。
118.可以期望使用一个或多个工具来产生例如可以用于设计、控制、监视等图案化过程的结果。可以提供在以计算方式控制、设计等图案化过程的一个或多个方面,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校正)、对图案形成装置的照射等中使用)的一个或多个工具。因此,在计算控制、设计等涉及图案化的制造过程的系统中,制造系统部件和/或过程可以通过各种功能模块和/或模型来描述。在一些实施例中,可以提供一个或多个电子(例如数学、参数化等)模型,其描述图案化过程的一个或多个步骤和/或设备。在一些实施例中,可以使用一个或多个电子模型来执行图案化过程的模拟,以模拟图案化过程如何使用由图案形成装置提供的设计图案来形成图案化衬底。
119.在光刻投影设备中模拟光刻的示例性流程图示出在图2中。这可以是示例性完全光刻模拟。照射模型31表示照射的光学特性(包括辐射强度分布和/或相位分布)。投影光学器件模型32表示投影光学器件的光学特性(包括由投影光学器件引起的辐射强度分布和/或相位分布的变化)。设计布局模型35表示设计布局的光学特性(包括由给定设计布局引起的辐射强度分布和/或相位分布的变化),其表示图案形成装置上或由图案形成装置形成的特征的布置。可以使用照射模型31、投影光学器件模型32和设计布局模型35模拟空间图像36。可以使用抗蚀剂模型37根据空间图像36模拟抗蚀剂图像38。例如,对光刻的模拟可以预测抗蚀剂图像中的轮廓和/或cd。
120.更具体地,照射模型31可以表示照射的光学特性,其包括但不限于na-西格马(σ)
设置以及任何特定的照射形状(例如离轴照射,诸如环形、四极、偶极等)。投影光学器件模型32可以表示投影光学器件的光学特性,例如包括像差、失真、折射率、物理尺寸或维度等。设计布局模型35还可以表示实体图案形成装置的一个或多个物理特性,例如如美国专利no.7,587,704中所描述的,该专利通过引用整体并入本文。与光刻投影设备相关联的光学特性(例如,照射、图案形成装置和投影光学器件的特性)决定了空间图像。由于光刻投影设备中使用的图案形成装置可以被改变,因此期望将图案形成装置的光学特性与光刻投影设备的其余部分(至少包括照射和投影光学器件(因此包括设计布局模型35))的光学特性分开。
121.抗蚀剂模型37可以用于根据空间图像计算抗蚀剂图像,其示例可以在美国专利no.8,200,468中找到,该专利通过引用整体并入本文。抗蚀剂模型通常与抗蚀剂层的特性(例如,在曝光、曝光后烘烤和/或显影期间发生的化学过程的效果)相关。
122.全模拟的目的之一是准确地预测例如边缘放置、空间图像强度斜率、和/或cd,然后可以将其与预期设计进行比较。预期设计通常被定义为预opc设计布局,所述预opc设计布局可以以诸如gds、gdsii或oasis的标准化数字文件格式或其他文件格式提供。
123.根据此设计布局,可以识别一个或多个部分,这被称为“片段”。在实施例中,提取片段集,这表示设计布局中的复杂图案(通常约50至1000个片段,但是可以使用任何数量的片段)。如本领域技术人员将理解的是,这些图案或片段表示设计的小部分(例如电路、单元等),并且尤其地,片段表示需要特定关注和/或验证的小部分。换言之,片段可以是设计布局的部分,或者可以类似于设计布局的部分或具有设计布局的部分的类似行为,其中通过经验(包括由客户提供的片段)、试错法、或者运行全芯片模拟,来识别关键特征。片段通常包含一个或多个测试图案或量规图案。客户可以基于需要进行特定图像优化的设计布局中的已知关键特征区域预先提供较大的初始片段集。替代地,在另一实施例中,可以通过使用识别关键特征区域的自动(诸如机器视觉)或手动算法从整个设计布局中提取较大的初始片段集。
124.例如,模拟和建模可以用于配置图案形成装置图案的一个或多个特征(例如,执行光学邻近校正)、照射的一个或多个特征(例如,改变照射的空间/角度强度分布的一个或多个特性,诸如改变形状),和/或投影光学器件的一个或多个特征(例如数值孔径等)。这种配置通常可以分别称为掩模优化、源优化和投影优化。这些优化可以它们自己单独执行,或者以不同的组合而被组合执行。一个这样的示例是源掩模优化(smo),其涉及将图案形成装置图案的一个或多个特征与照射的一个或多个特征一起配置。优化技术可以集中于一个或多个片段。优化可以使用本文描述的机器学习模型来预测各种参数(包括图像等)的值。
125.在一些实施例中,系统的优化过程可以表示为成本函数。优化过程可以包括找到使成本函数最小化的系统的参数集(设计变量、过程变量等)。根据优化的目标,成本函数可以具有任何合适的形式。例如,成本函数可以是系统的某些特性(评估点)相对于这些特性的预期值(例如理想值)的偏差的加权均方根(rms)。成本函数也可以是这些偏差的最大值(即最差偏差)。术语“评估点”应广义地解释为包括系统或制造方法的任何特性。由于系统和/或方法的实施的实用性,因此系统的设计和/或过程变量可以被约束在有限范围内和/或相互依赖。在光刻投影设备的情况下,所述约束通常与硬件的物理性质和特性(诸如,可调谐范围和/或图案形成装置可制造性设计规则)相关联。例如,评估点可以包括衬底上的
抗蚀剂图像上的物理点,以及非物理特性(诸如剂量和聚焦)。
126.在光刻投影设备中,作为示例,成本函数可以表示为
[0127][0128]
其中,(z1,z2,
···
,zn)是n个设计变量或其值,并且f
p
(z1,z2,
···
,zn)可以是设计变量(z1,z2,
···
,zn)的函数,诸如设计变量(z1,z2,
···
,zn)的一组值的特性的实际值与预期值之间的差。在一些实施例中,w
p
是与f
p
(z1,z2,
···
,zn)相关联的权重常数。例如,特性可以是在边缘上的给定点处测量的图案的边缘的位置。不同的f
p
(z1,z2,
···
,zn)可以具有不同的权重w
p
。例如,如果特定边缘具有窄范围的允许位置,则表示边缘的实际位置与预期位置之间的差的f
p
(z1,z2,
···
,zn)的权重w
p
可以被给定较高值。f
p
(z1,z2,
···
,zn)也可以是层间特性的函数,所述层间特性又是设计变量(z1,z2,
···
,zn)的函数。当然,cf(z1,z2,
···
,zn)不限于上述等式的形式,并且cf(z1,z2,
···
,zn)可以是任何其他合适的形式。
[0129]
成本函数可以表示光刻投影设备、光刻过程或衬底的任何一个或多个合适的特性,例如聚焦、cd、图像偏移、图像失真、图像旋转、随机变化、产量、局部cd变化、过程窗口、层间特性或其组合。在一些实施例中,成本函数可以包括表示抗蚀剂图像的一个或多个特性的函数。例如,f
p
(z1,z2,
···
,zn)可以简单地是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,
···
,zn))。参数(例如设计变量)可以包括任何可调整参数,诸如源、图案形成装置、投影光学器件、剂量、聚焦等的可调整参数。
[0130]
参数(例如设计变量)可以具有约束,其可以表示为(z1,z2,
···
,zn)∈z,其中z是设计变量的一组可能值。对设计变量的一个可能的约束可以由光刻投影设备的期望产出施加。如果没有期望产出所施加的这种约束,优化可能会产生一组不现实的设计变量值。不应将约束解释为必要条件。例如,产出可能受到光瞳填充比的影响。对于某些照射设计,低光瞳填充比可能会丢弃辐射,从而导致较低的产出。产出也可能受到抗蚀剂化学性质的影响。较慢的抗蚀剂(例如,需要较高辐射量才能正确曝光的抗蚀剂)会导致较低的产出。
[0131]
在一些实施例中,照射模型31、投影光学器件模型32、设计布局模型35、抗蚀剂模型37、和/或与集成电路制造过程相关联和/或包括在集成电路制造过程中的其他模型可以是执行本文所描述的方法的操作的经验模型。经验模型可以基于各种输入之间的相关性(例如,掩模或晶片图像的一个或多个特性、设计布局的一个或多个特性、图案形成装置的一个或多个特性、光刻过程中使用的照射的一个或多个特性(诸如波长)等)来预测输出。
[0132]
作为示例,经验模型可以包括一个或多个算法。作为另一示例,经验模型可以是机器学习模型和/或任何其他参数化模型。在一些实施例中,机器学习模型(例如)可以是和/或包括数学方程、算法、绘图、图表、网络(例如神经网络)、和/或其他工具和机器学习模型部件。例如,机器学习模型可以是和/或包括具有输入层、输出层和一个或多个中间层或隐藏层的一个或多个神经网络。在一些实施例中,一个或多个神经网络可以是和/或包括深度神经网络(例如,在输入层和输出层之间具有一个或多个中间层或隐藏层的神经网络)。
[0133]
作为示例,一个或多个神经网络可以基于大量神经单元(或人工神经元)。一个或多个神经网络可以松散地模拟生物大脑的工作方式(例如,通过由轴突连接的大的生物神
经元簇)。神经网络的每个神经单元可以与神经网络的许多其他神经单元连接。这种连接可以加强或抑制它们对所连接的神经单元的激活状态的影响。在一些实施例中,每个单独的神经单元可以具有将其所有输入的值合并在一起的求和函数。在一些实施例中,每个连接(或神经单元本身)可以具有阈值函数,使得信号在被允许传播到其他神经单元之前必须超过阈值。与传统的计算机程序相比,这些神经网络系统可以是自学习和自训练的,而不是被明确编程的,并且在解决某些领域的问题中可以表现得更好。在一些实施例中,一个或多个神经网络可以包括多个层(例如信号路径从前层横穿到后层)。在一些实施例中,神经网络可以利用反向传播技术,其中使用前向刺激来重置“前”神经单元上的权重。在一些实施例中,对一个或多个神经网络的刺激和抑制可以更自由地流动,其中连接以更混乱和复杂的方式交互。在一些实施例中,一个或多个神经网络的中间层包括一个或多个卷积层、一个或多个递归层、和/或其他层。
[0134]
可以使用训练信息集来训练一个或多个神经网络(即确定神经网络的参数)。训练信息可以包括训练样本集。每个样本可以是包括输入对象(通常是向量,可以称为特征向量)和期望输出值(也称为管理信号)的对。训练算法分析训练信息,并通过基于训练信息调整神经网络的参数(例如,一个或多个层的权重)来调整神经网络的行为。例如,给定形式为{(x1,y1),(x2,y2),

,(xn,yn)}的n个训练样本的集,使得xi是第i样本的特征向量,yi是第i样本的管理信号,训练算法寻找神经网络g:x

y,其中x是输入空间并且y是输出空间。特征向量是表示某些对象(例如,模拟空间图像、晶片设计、片段等)的数值特征的n维向量。与这些向量相关联的向量空间通常称为特征空间。在训练之后,神经网络可以用于使用新样本进行预测。
[0135]
本系统和方法包括经校准的模型,所述经校准的模型被配置成预测图案化系统(例如扫描器)像差可能对图案化过程产生的影响。例如,经校准的模型在本文中可以称为像差影响模型。像差影响模型被配置成接收图案化系统像差数据(例如,描述特定像差的特性的数据),并且针对所接受的图案化系统像差数据确定新的图案化过程影响数据(例如,描述像差对相应的图案化过程结果的影响的数据)。用图案化系统像差校准数据和相应的图案化过程影响校准数据来校准像差影响模型。与现有系统相比,该像差影响模型包括相对简单的超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联。超维函数被配置成以简化的形式将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而不是全模拟。例如,像差影响模型可以包括线性或二次算法。如上所述,全模拟可以包括源、掩模、剂量、聚焦和/或光刻过程的其他方面的模拟(例如参见图2)。用像差影响模型进行建模而不全模拟包括,至少在不生成或模拟或者以其他方式计算空间图像表示的情况下进行建模。像差影响模型被配置成基于图案化系统像差数据的输入来生成预测结果,而无需将在全模拟中所需要的与源、掩模、剂量、聚焦等相关的其他信息。
[0136]
来自模型的新图案化过程影响数据(例如格式化来自模型的输出)可以提供到第二模型(诸如投影光学器件校正模型),以实现图案化系统的动态现场像差控制,例如由evu光刻系统中的反射镜加热或duv光刻系统中的透镜加热引起的像差。有利地,这有助于进行成像性能感知的快速且动态的扫描器像差(和波前)控制(例如,诸如控制由反射镜加热和/或图案形成装置和/或图案化过程的其他动态方面引起的像差)。
[0137]
图3示出了根据本公开实施例的示例性方法300。在一些实施例中,方法300包括校准302像差影响模型、接收304图案化系统像差数据、预测和/或以其他方式确定306图案化过程影响数据、向第二模型提供308图案化过程影响数据、执行310图案化系统的动态现场像差控制、和/或其他操作。下面呈现的方法300的操作旨在是说明性的。在一些实施例中,方法300可以用一个或多个未描述的附加操作和/或不用一个或多个所讨论的操作来完成。例如,操作308、310和/或其他操作可以是可选的。此外,方法300的操作顺序在图3中示出并在下文中描述,并且不旨在进行限制。
[0138]
在操作302,像差影响模型被校准。例如,像差影响模型可以是预测模型。校准可以包括模型生成、训练、调谐和/或其他操作。利用图案化系统像差校准数据和相应的图案化过程影响校准数据来校准模型。图案化系统可以是和/或包括扫描器(诸如图1和后面的附图中所示的光刻投影设备)。在扫描器中,当扫描器中的透镜元件(例如透镜、反射镜和/或其他元件)的表面不在预期位置时,可能会出现像差。例如,由于透镜元件加热,透镜元件的表面可能不在预期位置,但可能有许多不同的原因。图案化系统像差数据包括描述特定像差的特性、像差的原因、和/或其他数据的数据。图案化系统像差数据可以包括经测量的和/或经模拟的像差、与像差相关联的系统和/或过程参数、和/或其他波前信息。波前像差(或本文中使用的“像差”)可以是指理想波前与实际波前之间的偏差(不一致的程度)。
[0139]
例如,当透镜元件加热时,可能由于激光功率水平、光瞳形状、目标设计、曝光剂量和/或其他因素引起形状变化(这会导致像差)。这些和其他因素中的任何和/或全部可以包括在图案化系统像差数据集中。图案化过程影响数据包括描述像差对相应的图案化过程的影响的数据。例如,图案化过程影响数据可以指示相应的图案化系统像差对衬底上的成像性能的影响,例如与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、与图案化过程相关联的缺陷计数、和/或其他参数。图案化过程影响数据可以包括各种参数的值、成本和/或价值函数(例如,如下所述)、和/或其他信息。
[0140]
图案化系统像差校准数据和相应的图案化过程影响校准数据包括已知的和/或以其他方式先前确定的数据。图案化系统像差和/或过程影响校准数据可以以其他方式测量、模拟和/或确定。在一些实施例中,通过基于相关联的光瞳形状、图案形成装置设计、以及各种像差输入执行全模拟模型来获得校准数据(例如,全模拟模型可以包括照射模型31、投影光学器件模型32、设计布局模型35、抗蚀剂模型37和/或其他模型中的一个或多个)。
[0141]
在一些实施例中,通过将图案化系统像差校准数据提供到基础(预测)模型以获得图案化过程影响校准数据的预测,并使用图案化过程影响校准数据作为反馈更新基础模型的一个或多个配置,来校准像差影响模型。例如,基于图案化过程影响校准数据与图案化过程影响校准数据的预测之间的比较来更新像差影响的一个或多个配置。用于校准像差影响模型的校准数据可以包括输入(例如,已知的图案化系统像差数据)和相应的已知输出(例如,已知的图案化过程影响校准数据)的对或集。在一些实施例中,像差影响模型可以使用所提供的训练信息对进行自学习。然后,经校准的像差影响模型可以用于基于各种输入信息(诸如,如上所述的不同的图案化系统像差数据)进行预测(例如,对图案化过程的影响)。
[0142]
在一些实施例中,像差影响模型包括超维函数,该超维函数被配置成将所接收的图案化系统像差数据与图案化过程影响数据相关联。在一些实施例中,经校准的模型包括通过调谐和/或以其他方式调整函数的一个或多个参数来更新基础模型的一个或多个配
置。在一些实施例中,调谐包括调整一个或多个模型参数,使得经预测的图案化过程影响数据更好地匹配或更好地对应于已知的图案化过程影响校准数据。在一些实施例中,调谐包括使用附加校准信息(包括新的和/或附加的输入/输出校准数据对)来训练或重新训练模型。
[0143]
在一些实施例中,像差影响模型(例如超维函数)包括非线性算法、线性算法、二次算法或其组合中的一个或多个,但也可以和/或包括任何合适的任意数学函数。例如,超维函数可以具有任意幂多项式形式、分段多项式形式、指数形式、高斯形式、sigmoid形式、决策树类型的形式、卷积神经网络类型的形式等。这些算法可以包括任意数量的参数、权重和/或其他特征,在任何组合中都会使得超维函数被配置成以简化的形式将图案化系统像差与图案化过程影响以数学方式相关,而不是全模拟。在不将本公开的范围限制于以下示例的情况下,示例性线性算法可以包括zernike项的线性形式,其中通过cd、ppe、epe、不对称性、缺陷和/或其他参数对单个zernike项的依赖性的线性回归来计算线性系数。示例二次算法可以包括zernike项的线性和二次形式,其中通过cd、ppe和/或其他参数对各个zernike项的依赖性的非线性回归来计算线性系数和二次系数。
[0144]
在一些实施例中,函数的形式(例如,非线性、线性、二次等)、函数的参数、算法中的权重、和/或函数的其他特性可以基于上述校准、基于由用户提供的准确度和运行时性能规范、基于由用户通过包括在本系统中的用户界面进行的信息选择、和/或其他方法而被自动确定。在一些实施例中,函数的形式(例如,非线性、线性、二次等)、函数的参数、和/或函数的其他特性可以随着衬底的各个层(例如,随着可能引起和/或影响像差变化的处理参数和/或其他条件),和/或基于其他信息而改变。例如,可以针对在半导体器件制造图案化操作期间产生的衬底的不同层来校准不同的模型。
[0145]
全模拟模型通常在计算上是昂贵且耗时的,因此不适合在大批量制造期间处理实时像差漂移以进行补偿。作为非限制性示例,图4示出了本像差影响模型400的操作与全模拟402的操作的比较。如上所述,全模拟可以包括源、掩模、剂量、聚焦和/或光刻过程的其他方面的模拟(例如参见图2)。用本像差影响模型而不是全模拟进行建模包括,至少在不计算(例如模拟或生成)空间图像或其表示的情况下进行建模。像差影响模型被配置成基于图案化系统像差数据的输入生成预测结果,而无需将在全模拟中所需要的与源、掩模、剂量、聚焦等相关的其他信息。
[0146]
如图4所示,在本发明的系统和方法之前,使用404经测量的、经建模的、和/或以其他方式确定的像差z(例如由图案化系统像差数据限定的)进行全光刻模拟406。然后,使用全光刻模拟406评估408光刻过程成本(例如,由图案化过程影响数据限定和/或包括图案化过程影响数据)。根据特定应用的使用情况,用户可能会选择关注不同的光刻性能度量(诸如cd、ppe、epe、cd不对称性、缺陷计数等)。根据用户需求来定义成本(价值)函数s(cd,ppe,

)。对任何给定的像差z,执行全光刻模拟以获得cd、ppe、epe,然后评估s(cd,ppe,

)。全光刻模拟是缓慢且昂贵的。因此,迭代地重复这种模拟对于动态现场像差控制是不合适的。相比之下,至少由于像差影响模型400的计算繁重度低,因此像差影响模型400可以比全模拟更快地应用。例如,如图4所示,过程成本可以被建模410并被直接定义为像差的函数(例如所示的s(z))。函数s(z)可以将对图案化过程的影响表示为像差的函数。参考像差和像差校正来非常详细地描述本公开的实施例。例如,如本文所讨论的,波前像差可以
是指理想波前和实际波前之间的偏差(不一致的程度)。然而,在不脱离本公开的范围的情况下,本文公开的机制也可以应用于光刻过程中的其他波前方面的监测或校正。
[0147]
作为另一个非限制性示例,图5示出了用于构建本像差影响模型400的示例操作500。如上所述,可以基于对不同像差(例如z1…zn
)的重复模拟502以及不同像差对图案化过程的影响,生成501校准数据503,其中所述影响可以由综合成本函数s(z)表示。使用校准数据503校准504基础模型506(例如具有确定形式-线性、二次等)以产生像差影响模型400。
[0148]
返回图3,在操作304,像差影响模型接收图案化系统像差数据。所接收的图案化系统像差数据可以包括描述特定像差的特性、像差的原因和/或其他数据的数据。图案化系统像差数据可以包括经测量的和/或经模拟的像差、与像差相关联的系统和/或过程参数、和/或其他信息。模型接收数据作为输入以生成预测结果。可以从本系统的一个或多个其他部分(例如从不同的处理器)、从未与本系统相关联的远程计算系统、和/或从其他源以电子方式接收数据。可以无线地和/或有线地经由便携式储存介质和/或从其他源接收数据。例如,可以从另一源(诸如云储存设备)上传和/或下载数据,和/或以其他方式接收数据。
[0149]
在一些实施例中,在衬底的制造期间接收图案化系统像差数据。例如,可以在半导体制造过程中在处理衬底层期间或就在此之前测量像差漂移(例如,和/或可以确定图案化系统像差数据)。在将像差影响模型用于大批量制造之前,完成了对像差影响模型的相对耗时且计算繁重的配置和校准。经校准的模型具有简化的形式,并且无需涉及使用照射模型31、投影光学器件模型32、设计布局模型35、抗蚀剂模型37、或其他模型来进行预测,有利地这使得能够实时或接近实时的计算以获得对扫描器(图案化系统)像差的准确补偿。此外,由于经校准的模型可以被配置成优化一个或多个关于衬底的成像性能因子,因此所确定的像差补偿可以有利地产生衬底上的最佳成像性能。
[0150]
作为非限制性示例,图6示出了在离线研发阶段600期间(使用操作500)构建像差影响模型400(例如图5中所示的操作),然后在大批量制造阶段602中使用模型400。如图5所示,在制造阶段602中,模型400被配置成接收经测量的像差604数据(例如图案化系统像差数据),并且输出新图案化过程影响数据s(z)。在一些实施例中,像差影响模型不需要“输出”成像性能数据。如下所述,来自模型400的输出(例如s(z))(和/或计算结果,其不是模型的“输出”)被配置成由第二模型610使用以有助于进行动态现场扫描器像差控制612。然而,这仅仅是示例性的。在一些其他实施例中,像差影响模型集成有第二模型的函数。
[0151]
返回图3,在操作306,响应于所接收的图案化系统像差数据,确定图案化过程影响数据。基于像差影响模型和/或其他信息来确定新图案化过程影响数据。所生成的图案化过程影响数据是指,在与图案化过程相关联的关键尺寸、图案放置误差、边缘放置误差、关键尺寸不对称性、最佳聚焦偏移、缺陷计数、和/或图案化过程的其他参数中的一个或多个方面,相应的图案化系统像差对衬底的影响。在一些实施例中,确定新图案化过程影响数据包括,通过像差影响模型预测新图案化过程影响数据。基于所接收的图案化系统像差数据(例如,在大批量制造期间实时测量的像差)来预测图案化过程影响数据。在一些实施例中,所预测的图案化过程影响数据指示给定像差将引起相应的图案化过程影响的高可能性或概率。
[0152]
在一些实施例中,像差影响模型包括相应的图案化系统像差的成本(或价值)函数的值s(z)。成本函数s(z)表示由相应的图案化系统像差漂移引起的对图案化过程(例如,对
上面列出的参数中的任何一个或多个)的影响。在一些实施例中,像差漂移主要由于在光刻设备的操作期间的透镜加热或反射镜加热引起。由像差影响模型确定的成本(或价值)函数s(z)可以包括与扫描器调谐旋钮相关联的参数、光刻性能度量(例如,由用户选择的cd、epe、缺陷计数、不对称参数等)、和/或其他参数(参见下文中提供的与操作308和310相关的示例和讨论以及图7-图9)。
[0153]
在一些实施例中,方法300包括向第二模型提供308新图案化过程影响数据,以有助于进行图案化系统(例如扫描器)的动态现场像差控制。例如,提供新图案化过程影响数据包括提供成本函数s(z)和/或其他信息。在一些实施例中,第二模型是投影光学器件校正模型和/或其他模型。在一些实施例中,来自像差影响模型的新图案化过程影响数据(例如成本函数)被配置成用于(例如由投影光学器件校正模型)确定图案化过程控制度量集。在一些实施例中,图案化过程控制度量包括光刻性能度量和/或其他信息。在一些实施例中,图案化过程控制度量集被配置成由线性解算器和/或由其他运算确定。
[0154]
在一些实施例中,方法300包括执行310图案化系统(例如扫描器和/或其他图案化系统)的动态现场像差控制。在一些实施例中,扫描器的动态现场控制包括,针对给定扫描器像差生成经校正的扫描器控制参数配方,以优化光刻性能度量集。在一些实施例中,动态现场控制包括在大批量制造期间控制像差。例如,在一些实施例中,可以执行操作302-310,使得新图案化过程影响数据(例如,像差影响模型所输出的成本函数)被配置成有助于在制造期间实时或接近实时地增强对对一个或多个反射镜、透镜和/或图案化系统的其他元件的加热(例如euv)的补偿和/或控制(例如以减少和/或消除扫描器像差)。因为扫描器通常需要使用有限数量的旋钮来动态校正由反射镜加热引起的像差,因此euv反射镜加热控制是有用的。作为另一示例,可以执行操作302-310,使得新图案化过程影响数据(例如,像差影响模型所输出的成本函数)被配置成有助于在制造期间实时或接近实时地增强对与图案化系统(例如扫描器)相关联的聚焦、剂量、和/或台变化(msd)的控制。可以设想其他示例。
[0155]
应当注意,可以向不同的投影光学盒提供一个像差影响模型,以控制cd、epe、和/或其他参数。因为像差影响模型可以被配置成使得根据模拟结果构建成本(价值)函数,因此像差影响模型可以限定(例如用于校准的)任何期望的度量,诸如cd、图案放置误差(ppe)、epe、cd不对称性、最佳聚焦偏移、缺陷计数等。以这种方式,本像差影响模型可以被配置成自动反映期望的度量。
[0156]
通过若干非限制性示例,图7-11示出了向第二模型提供(例如操作308)新图案化过程影响数据以有助于进行扫描器的动态现场像差控制(例如操作310)所包括的各种操作。例如,图7说明了根据像差影响模型配置成本函数以供投影光学器件校正模型使用,从而确定图案化过程控制度量集的示例。图7提供了像差(或波前像差)空间704中的成本函数702的视觉图示700。图7示出了目标状态(或扫描器的初始状态或冷状态)“a”706以及等成本曲线708。如上所述,像差影响模型确定成本函数s(z)。投影光学器件校正模型定义(扫描器)透镜(元件,例如透镜、反射镜等)依赖矩阵d,使得扫描器性能指纹=d*δ,其中δ表示可变的扫描器控制旋钮设置。在一些实施例中,来自像差影响模型的成本函数可以定义为:
[0157]
s(z(δ))=s(δz dδ)
[0158]
其中,δz表示来自扫描器的像差漂移,d是依赖矩阵,δ表示可变的扫描器控制旋钮设置,以及dδ表示性能指纹(或换言之,表示所需的校正)。可以使用非线性优化器来最小
化s(δ),使得δ*=argmin s(δ),其中δ*表示所需的动态扫描器旋钮校正。
[0159]
继续图7所示的视觉图示700,图8示出了动态像差控制/校正(使用(透镜)反射镜加热作为示例)。图8示出了投影光学器件校正模型尝试基于像差影响模型确定的成本函数校正扫描器像差。图8在视图800中示出了冷状态a706(在扫描器操作期间开始加热反射镜之前)、在视图802中示出了热状态b(在扫描器操作期间加热反射镜之后)、以及在视图804中示出了校正之后的热状态c。在冷状态a,δz=0以及δ=0。成本函数s(z(δ))处于其最小值,s=0。在校正前的热状态b,δz≠0以及δ=0。成本函数s=δz
t
hδz,其中h是成本函数hessian,t表示转置(transpose)运算。在校正后的热状态c,δz≠0以及δ≠0。投影光学器件校正模型正在尝试调整旋钮(δ)以试图最小化成本s(δ)。
[0160]
如上所述,在一些实施例中,来自像差影响模型的新图案化过程影响数据(例如成本函数)被配置成用于(例如由投影光学器件校正模型)确定图案化过程控制度量集。在一些实施例中,图案化过程控制度量包括光刻性能度量(或“光刻度量”)和/或其他信息。在一些实施例中,图案化过程控制度量集被配置成由线性解算器和/或由其他运算确定。例如,设定(对于本示例)像差影响模型的形式(和/或像差影响模型输出的成本函数)是正定二次型,诸如:
[0161][0162]
其中,总像差z=δz dδ,δz是像差漂移(例如由反射镜加热引起的像差),并且δ表示扫描器旋钮,dδ表示校正。然后:
[0163][0164]
上述成本函数可以转换成光刻度量集。在一些实施例中,来自模型的新图案化过程影响数据包括成本函数hessian(例如上述等式中的h)。确定图案化过程控制度量集包括对hessian执行奇异值分解(svd)。hessian(h)是正定矩阵。对hessian执行svd将成本函数转换成“光刻度量”格式。
[0165]
例如,图9示出了将成本函数(来自像差影响模型)转换成光刻度量格式(例如以有助于通过投影光学器件校正模型确定图案化过程控制度量集)。图9示出了投影光学器件校正模型将要实现的事情900与投影光学器件校正模型通常可以实现的事情902的比较。在一些实施例中,“将要实现”是使先前定义的光刻性能函数最小化;“投影光学器件校正模型通常可以实现的事情”是在rms意义上实现zernike变量线性组合集的某些目标。图9示出了成本函数hessian 904和光刻度量906。为了弥补两个表达式之间的差距,可以根据以下等式对hessian执行奇异值分解(svd):
[0166][0167]
(其中特征值被吸收到特征向量中)使得:
[0168][0169]
如图9所示。svd基本上通过高维旋转消除了交叉项。
[0170]
图10示出了本像差影响模型如何实现每衬底(例如每晶片或每层)的动态像差校正。图10使用反射镜加热作为示例。图10绘制了由于反射镜加热而引起的随时间(在给定生产批次中)1003变化的像差(例如zernikei)1001。图10中示出了生产批次内的晶片1

8(w1、w2、

、w8)。图10绘制了在没有校正的情况下将出现的原始1005像差漂移(例如,由反射镜加热引起的zernike 1001随时间1003的变化)。相比之下,图10还示出每个晶片的反射镜加热残余1007、投影光学器件校正模型残余1009、反射镜加热残余1007的最后场1011(其等于最差的反射镜加热残余)以及校正1013。如上所述,通过投影光学器件校正模型应用校正。由于像差影响模型的动态性质,可以以每晶片为单位应用校正,这与现有技术系统形成对比,现有技术系统提供的是仅能离线执行的静态校正(例如不在生产制造设置中)。
[0171]
图11示出了上述操作的概要流程。图11示出了在离线或研发阶段600期间构建本像差影响模型400(例如图5所示的操作),然后在制造阶段602中使用该模型(例如图6所示)。在阶段600期间,可以基于经模拟的图案化系统像差校准数据和/或相应的图案化过程影响校准数据来校准像差影响模型400。可以用模拟引擎1101、基于不同的掩模设计1103、光瞳形状1105、和/或其他信息来执行模拟。在一些实施例中,可以对全芯片布局执行模拟,从而得到全芯片布局的成本函数、依赖矩阵或hessian矩阵。如本文所述,来自像差影响模型400的成本函数被配置成由投影光学器件校正模型610(与来自扫描器(图案化系统)1109的经测量的像差数据1107相结合)使用,以确定图案化过程控制度量集,并且有助于进行动态现场像差控制612。例如,像差影响模型400可以采取adlasla文件和/或任何其他扫描器友好型轻量数据格式的形式。如图11所示,多个不同的投影光学器件校正模型610(与若干个不同的扫描器1109相关联)可以使用单个校准像差影响模型。
[0172]
动态现场像差控制612包括在制造阶段调整半导体器件制造过程。可以基于投影光学器件校正模型的输出和/或其他信息进行调整。例如,可以确定制造过程参数调整(例如,应当改变给定参数的量),并且可以将制造过程参数从先前的参数设定点调整到新的参数设定值。在一些实施例中,所确定和/或所调整的半导体器件制造过程参数包括,光瞳形状、剂量、聚焦、功率设置、和/或其他半导体器件制造过程参数中的一个或多个。作为示例,如果过程参数是(例如新的)光瞳形状或新的剂量,则可以将扫描器从旧的或先前的光瞳形状或剂量调整为所确定的(例如新的)光瞳形状或剂量。还设想了几个其他类似的示例。
[0173]
如上所述,本文所述的模型可以具有广泛的应用范围。另一示例应用(例如,除了上述的反射镜加热和其他示例之外)是使用像差影响建模来协同优化多个图案化系统。图案化系统可以包括扫描器和/或其他图案化系统。例如,经校准的像差影响模型可以用于波前调谐(例如代替现有技术系统中的全成像模拟),以确保使相同的设计布局在不同的扫描器上或不同的狭缝位置处印制成相同。
[0174]
作为提醒,如本文所述的像差影响模型包括相对简单的超维函数,该超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联。该超维函数被配置成以近似的形式将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而不是全模拟(无需计算空间图像)。可以使用多个模型来描述多个扫描器的成像性能。
[0175]
本(像差影响)模型是紧凑型模型,所述模型与现有模型相比具有减小的范围以及提高的运行时性能。至少由于所预测的影响(仅)基于像差数据,并且所预测的影响可以特别地应用于预选择的度量(诸如临界尺寸、缺陷计数等),这使得本模型准确、快速和/或具
有其他有利特征,因此本模型适合于协同优化应用。本模型可以专用于仅基于相关像差数据进行调谐的使用情况。由于本模型的轻量性质和/或它们的其他有利特征,因此可以进行多个图案化系统的协同优化。
[0176]
例如,在一些实施例中,一个或多个处理器(例如一个或多个计算机)可执行一个或多个电子模型(例如像差影响模型)以确定图案化过程影响数据,而无需计算图案化过程空间图像表示。图案化过程影响数据可以被配置成有助于图案化过程中使用的多个图案化系统的协同优化。从模型输出的新图案化过程影响数据可以被配置成有助于图案化过程中使用的多个扫描器的协同优化。协同优化可以包括使用透镜致动器作为变量,并且使用基于梯度的非线性优化器,来协同确定多个扫描器的致动器位置。在一些实施例中,来自模型的新图案化过程影响数据被配置成用于确定图案化过程控制度量集,其中所述图案化过程控制度量集被配置成由线性解算器确定(例如如下所述)。
[0177]
可以将图案化系统像差数据提供给模型(或多个模型),使得模型(例如超维函数)将所接收的图案化系统像差数据与图案化过程影响数据相关联。不同的(像差影响)模型可以对应于不同的图案化系统(扫描器)。可以为所接收的图案化系统像差数据确定新图案化过程影响数据。作为非限制性示例,所接收的图案化系统像差数据可以包括所接收的波前数据,并且新图案化过程影响数据可以包括一个或多个图案化过程度量。例如,波前数据可以包括具有zernike列表或像素化位图形式的经测量的或经模拟的波前数据,和/或其他波前数据。在该示例中,一个或多个图案化过程度量可以包括与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、缺陷计数、和/或其他度量。在一些实施例中,新图案化过程影响数据表示相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、缺陷计数、和/或其他度量中的一个或多个的影响。
[0178]
在一些实施例中,给定模型包括一个或多个关键特征分量(例如超维函数的一个或多个维度),所述关键特征分量被配置成针对图案化过程的关键特征对扫描器之间的变化建模;一个或多个常规分量(例如超维函数的一个或多个其他维度),所述常规分量被配置成针对图案化过程的非关键特征对扫描器的一般性能进行建模;和/或其他分量。针对进行协同优化的图案化系统组中的(全部)图案化系统(例如扫描器)定义给定模型的关键特征分量。关键特征分量被配置成表示图案化系统(例如扫描器)与图案化系统之间的图案中的关键特征(例如作为一个示例的关键尺寸)的变化。模型的常规分量可以被配置成表示图案的非关键特征。模型的常规分量可以表示给定扫描器(或其他图案化系统)关于图案的非关键特征的一般性能。这种单独的关键特征分量/常规分量布置可以允许,用户基于例如给定制造位置处的图案化系统性能,或影响图案化过程的关键特征的其他唯一因子,自定义模型的关键特征分量,同时保持非变化或非关键因子相同(或相似)。例如,用户可以提供特定的cd敏感性,所述cd敏感性可以由模型的用于图案的关键特征的一个或多个关键特征分量表示,但是随后允许模型的常规分量生成图案的非关键特征的输出,此处在建模和/或优化上花费大量资源是没有意义的。
[0179]
换言之,用户可以根据任何合适的标准(例如,可以是用户特别关心的特征和/或具有需要解决的一个或多个问题的特征)指定关键特征。可以认为其他特征是常规特征。给定模型的关键特征分量和常规分量可以是与这些不同类型的特征相关联的两个不同函数。
在一些实施例中,用户可以定义常规特征/函数(例如除了和/或代替关键特征分量/函数),但是如果用户定义了常规特征/函数,本系统可以被配置成使得用户定义的特征/函数(通过定义)变为关键。有利地,模型以已知用于常规特征/函数的统一方式来处理用户未指定的任何特征/函数。
[0180]
在一些实施例中,来自模型的新图案化过程影响数据被配置成提供给成本函数,以有助于确定与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关联的成本。与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关联的成本被配置成用于有助于多个扫描器的协同优化和/或用于其他目的。
[0181]
图12示出了根据实施例的示例成本函数1200的分量。如图12所示,成本函数1200包括与图案化过程的关键特征相关联的第一分量1202、与图案化过程的非关键特征相关联的第二分量1204、以及与一个或多个扫描器和/或其他图案化系统的物理功能限制相关联的第三分量1206。针对进行协同优化的图案化系统组中的(全部)图案化系统(例如扫描器)定义分量1202。分量1202被配置成表示图案化系统(例如扫描器)与图案化系统之间的关键特征(例如作为一个示例的关键尺寸)的变化。分量1204可以是图案化系统中共同的非关键特征的总光刻度量值。分量1204可以表示给定扫描器关于非关键特征(例如,即使没有调谐也可能印制良好的特征)的一般性能。分量1206对于给定的图案化系统是唯一的,并且与给定的图案化系统的特定物理限制(例如,特定部件的运动范围、任何偏移、以相同方式规律地在该机器上一致地移动的特定参数等)相关联。在一些实施例中,成本函数1200还包括与图案化过程波前常规惩罚相关联的第四分量1208。以每单个扫描器定义分量1208。分量1208被配置成表示和/或以其他方式说明关于波前本身(而不是其相关的光刻性能特性)的任何额外期望的用户优选。例如,如果两组波前具有相同的光刻性能特性,则用户可能优选具有较小均方根(rms)幅值的波前。
[0182]
图13示出了根据实施例的示例(协同)优化架构1300。如图13所示,在一些实施例中,来自模型1304(例如,如本文所述的像差影响模型)的新图案化过程影响数据1302被配置成提供给成本函数1200(例如包括关键特征和常规特征),以有助于确定与各个图案化过程度量(例如,ds/dcd等)相关联的成本1306。与各个图案化过程度量相关联的成本1306被配置成提供回到模型1304,以有助于确定与图案化过程波前调节1308(例如ds/dwf)相关联的和/或成本。与图案化过程波前调节1308相关联的成本还可以基于波前调节惩罚1310(例如由用户提供)和/或其他信息来确定。例如,与图案化过程波前调节相关联的成本1308被配置成提供给驱动器透镜模型1312,以有助于确定与各个图案化过程变量1314(例如ds/dv)相关联的成本。例如,驱动器透镜模型1312可以是规定致动器旋钮的调谐动作如何影响波前的模型。还可以基于一个或多个扫描器和/或其他图案化系统的物理功能限制1316(例如致动器消耗惩罚)和/或其它限制来确定成本1308。与各个图案化过程变量相关联的成本1314被配置成被提供给优化器1318,以有助于多个图案化系统(例如扫描器)的协同优化。通常,优化器是一种找到给定成本函数的最小值的计算机算法。例如,优化器1318可以是基于梯度的非线性优化器(例如l-bfgs-b),其被配置成协同确定多个扫描器的致动器位置。优化器1318可以由一个或多个处理器形成,所述一个或多个处理器被配置成相对于与不同的度量(例如,与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称、最佳聚焦偏移、缺陷计数、和/或其他度量)相关联的制造能力或成本,不同地平衡可
能的过程变量(例如每个变量在它们自己可允许的范围内)。
[0183]
同样如图13所示,优化器1318可以被配置成输出一个或多个过程变量(v)(例如本示例中的透镜致动器变量)1320,这些过程变量被馈送到驱动器透镜模型1312并被转换为波前数据1322(wf)(如上所述所述波前数据被提供给模型1304)。驱动器透镜模型1312被配置成当调谐透镜致动器变量时预测所得的波前。
[0184]
图14是示例性计算机系统cs的示图,该计算机系统cs可以用于本文中描述的一个或多个操作。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,以及与总线bs耦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还包括耦接至总线bs以用于储存待由处理器pro执行的指令和信息的主存储器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也可以用于在由处理器pro执行指令期间储存临时变量或其它中间信息。计算机系统cs还包括耦接至总线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,并且将其耦接至总线bs以用于储存信息和指令。
[0185]
计算机系统cs可以经由总线bs耦接至用于向计算机用户显示信息的显示器ds,诸如阴极射线管(crt)或平板显示器或触控面板显示器。包括字母数字按键和其它按键的输入装置id被耦接至总线bs以用于将信息和命令选择通信至处理器pro。另一类型的用户输入装置是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上的光标移动的光标控制件cc,诸如鼠标、轨迹球或光标方向按键。这种输入装置通常具有在两个轴线(即第一轴线(例如,x)和第二轴线(例如,y))上的两个自由度,其允许装置指定在平面中的位置。触控面板(屏幕)显示器也可以用作输入装置。
[0186]
在一些实施例,可以由计算机系统cs响应于处理器pro执行主存储器mm中所包含的一个或多个指令的一个或多个序列而执行如在本文中所描述的一个或多个方法的部分。可以将这些指令从诸如储存装置sd的另一计算机可读介质读取至主存储器mm中。主存储器mm中所包含的指令序列的执行使处理器pro执行本文中所描述的过程步骤(操作)。呈多处理布置的一个或多个处理器也可以被采用来执行主存储器mm中所包含的指令序列。在一些实施例中,可代替或结合软件指令而使用硬连线电路系统。因此,本文中的描述不限于硬件电路与软件的任何特定组合。
[0187]
如本文中所使用的术语“计算机可读介质”是指参与将指令提供至处理器pro以供执行的任何介质。这种介质可以采取许多形式,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。传输介质包括同轴缆线、铜线和光纤,包括包含总线bs的电线。传输介质也可以采取声波或光波的形式,诸如在射频(rf)和红外线(ir)数据通信期间所产生的声波或光波。计算机可读介质可以是非暂时性的,例如软盘、软性磁盘、硬盘、磁带、任何其它磁性介质、cd-rom、dvd、任何其它光学介质、打孔卡、纸带、具有孔图案的任何其它实体介质、ram、prom和eprom、flash-eprom、任何其它存储器芯片或卡匣。非暂时性计算机可读介质可以在其上记录指令。当由计算机执行指令时,所述指令可以实施本文中描述的任何操作。例如,暂时性计算机可读介质可以包括载波或其他传播电磁信号。
[0188]
各种形式的计算机可读介质可被参与到将一个或多个指令的一个或多个序列携载至处理器pro以供执行。例如,最初可以将指令承载在远程计算机的磁盘上。远程计算机
可以将指令加载至其动态存储器中,并且使用调制解调器通过电话线发送指令。在计算机系统cs本地的调制解调器可以接收电话线上的数据,并且使用红外线传输器将数据转换成红外线信号。耦接至总线bs的红外线检测器可接收红外线信号中所承载的数据且将数据放置在总线bs上。总线bs将数据承载至主存储器mm,处理器pro从主存储器mm检索和执行指令。由主存储器mm所接收的指令可以可选地在由处理器pro执行之前或之后被储存在储存装置sd上。
[0189]
计算机系统cs也可以包括耦接至总线bs的通信接口ci。通信接口ci提供与连接至局域网络lan的网络链路ndl的双向数据通信耦接。例如,通信接口ci可以是综合业务数字网(isdn)卡或调制解调器,以提供通往对应类型的电话线的数据通信连接。作为另一示例,通信接口ci可以是局域网络(lan)卡以提供通往兼容lan的数据通信连接。也可以实施无线链路。在任何这种实施中,通信接口ci发送和接收电信号、电磁信号或光学信号,所述信号承载表示各种类型的信息的数字数据串流。
[0190]
网络链路ndl通常通过一个或多个网络而将数据通信提供至其它数据装置。例如,网络链路ndl可以通过局域网络lan向主机计算机hc提供连接。这可以包括通过全球封包数据通信网络(现通常被称作“因特网”int)而提供的数据通信服务。局域网络lan(因特网)可以使用承载数字数据串流的电信号、电磁信号或光学信号。经过各种网络的信号和在网络数据链路ndl上且经过通信接口ci的信号(所述信号将数字数据承载至计算机系统cs和从计算机系统cs承载数字数据)是输送信息的载波的示例形式。
[0191]
计算机系统cs可以经过网络、网络数据链路ndl和通信接口ci发送消息和接收包括过程代码的数据。在因特网示例中,主机计算机hc可以经过因特网int、网络数据链路ndl、局域网络lan和通信接口ci而传输用于应用程序的所请求的代码。例如,一个这样的下载应用程序可以提供本文中所描述的方法的全部或部分。所接收的代码可以在接收时由处理器pro执行,和/或被储存在储存装置sd、或其它非易失性储存装置中以供稍后执行。以这种方式,计算机系统cs可以获得呈载波形式的应用代码。
[0192]
图15是根据实施例的光刻投影设备的示意图。光刻投影设备可以包括照射系统il、第一载物台mt、第二载物台wt和投影系统ps。照射系统il可以调节辐射束b。在该实施例中,照射系统还包括辐射源so。第一载物台(例如图案形成装置台)mt可以设置有图案形成装置保持件以保持图案形成装置ma(例如掩模版),并且连接到第一定位器以相对于项ps准确地定位图案形成装置。第二载物台(例如衬底台)wt可以设置有衬底保持件以保持衬底w(例如涂覆抗蚀剂的硅晶片),并且连接到第二定位器以相对于项ps准确地定位衬底。投影系统(例如其包括透镜)ps(例如,折射式光学系统、反射式光学系统或折反射式光学系统)可以将图案形成装置ma的被照射部分成像到衬底w的目标部分c(例如,包括一个或多个管芯)上。例如,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对准图案形成装置ma和衬底w。
[0193]
如所描述的,该设备可以是透射式(即,具有透射式图案形成装置)。然而,通常,它也可以是反射式,例如(具有反射式图案形成装置)。该设备可以采用不同种类的图案形成装置来形成典型掩模;示例包括可编程反射镜阵列或lcd矩阵。
[0194]
源so(例如,汞灯或准分子激光器、lpp(激光产生等离子体)euv源)产生辐射束。例如,该束被直接地或者在横穿调节装置(诸如扩束器)或束递送系统bd(包括定向镜、扩束器
等)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,调整装置ad用于设置束中的强度分布的外部和/或内部径向范围(通常分别称为σ-外部和σ-内部)。另外,调整装置ad通常包括各种其它部件,诸如积分器in和聚光器co。以这种方式,照射在图案形成装置ma上的束b在其横截面中具有期望的均一性和强度分布。
[0195]
在一些实施例中,源so可以在光刻投影设备的外壳内(例如,当源so是汞灯时通常是这种情况),但是源so也可以远离光刻投影设备。例如,可以将源so所产生的辐射束引导到设备中(例如,借助于合适的引导镜)。例如,后种情况可以是当源so是准分子激光器(例如,基于krf、arf或f2激光)时的情况。
[0196]
束pb随后可以入射被保持在图案形成装置台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b可以穿过透镜pl,所述透镜pl将束b聚焦至衬底w的目标部分c上。借助于第二定位装置(和干涉测量装置if),可以准确地移动衬底台wt,例如以便使不同的目标部分c定位在束b的路径中。类似地,例如在从图案形成装置库机械获取图案形成装置ma之后,或在扫描期间,可以使用第一定位装置相对于束b的路径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)来实现载物台mt、wt的移动。然而,在步进器(相对于步进扫描工具)的情况下,图案形成装置台mt可以仅连接至短行程致动器,或可以是固定的。
[0197]
所描绘的工具可以用于两种不同模式,步进模式和扫描模式。在步进模式中,图案形成装置台mt基本保持静止,并且整个图案形成装置图像被在一次操作中(即单次“闪光”)投影到目标部分c上。衬底台wt可以在x和/或y方向上移动,使得束pb可以辐照不同的目标部分c。在扫描模式中,基本上应用相同场景,除了给定的目标部分c不是以单次“闪光”曝光。相反,图案形成装置台mt可以沿给定方向(例如“扫描方向”或“y”方向)以速度v移动,从而使投影束b在图案形成装置图像上扫描。同时地,衬底台wt同时沿相同或相反方向以速度v=mv移动,其中m是透镜的放大率(通常,m=1/4或1/5)。以这种方式,可以曝光相对较大的目标部分c,而不必牺牲分辨率。
[0198]
图16是另一光刻投影设备(lpa)的示意图,所述光刻投影设备可以用于和/或有助于本文中描述的一个或多个操作。lpa可以包括源收集器模块so、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和投影系统ps。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,并连接到被配置成准确地定位图案形成装置的第一定位器pm。衬底台(例如晶片台)wt可以构造成保持衬底(例如涂覆有抗蚀剂的晶片)w,并连接到配置成准确地定位衬底的第二定位器pw。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(例如包括一个或多个管芯)。
[0199]
如该示例中所描述的,lpa可以是反射型(例如,采用反射式图案形成装置)。应当注意,因为大多数材料在euv波长范围内具有吸收性,因此图案形成装置可以具有多层反射器,所述多层反射器例如包括多堆叠的钼和硅。在一个示例中,多堆叠反射器具有40层的钼和硅对,其中每个层的厚度是四分之一波长。利用x射线光刻术可以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,因此图案形成装置形貌上的经图案化的吸收材料薄块(例如,多层反射器的顶部上的tan吸收体)限定了特征会被印制(正性抗蚀剂)还是不被印制(负性抗蚀剂)。
[0200]
照射器il可以从源收集器模块so接收极紫外辐射束。产生euv辐射的方法包括但不必需限于,利用在euv范围内的一个或多个发射线将材料转换成具有至少一种元素(例如氙、锂或锡)的等离子体状态。在一个这种方法(通常称为激光产生等离子体(“lpp”))中,可以通过用激光束辐照燃料(诸如具有线发射元素的材料的液滴、流或簇)来产生等离子体。源收集器模块so可以是euv辐射系统的一部分,euv辐射系统包括用于提供激发燃料的激光束的激光器(图16中未示出)。所得到的等离子体发射输出辐射(例如euv辐射),所述输出辐射被使用设置在源收集器模块中的辐射收集器收集。激光器和源收集器模块可以是单独的实体,例如当使用co2激光器来提供用于燃料激发的激光束时。在该示例中,不认为激光器形成光刻设备的一部分,并且辐射束可以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而从激光器传递至源收集器模块。在其它示例中,例如,当源是放电产生等离子体euv发生器(通常称为dpp源)时,源可以是源收集器模块的组成部分。
[0201]
照射器il可以包括用于调整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)。另外,照射器il可以包括各种其它部件,诸如琢面场和光瞳反射镜装置。照射器可以被用于调节辐射束,以在其横截面中具有期望的均一性和强度分布。
[0202]
辐射束b入射到被保持在支撑结构(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而被图案化。在从图案形成装置(例如掩模)ma被反射之后,辐射束b穿过投影系统ps,所述投影系统ps将束聚焦至衬底w的目标部分c上。借助于第二定位器pw和位置传感器ps2(例如,干涉量测装置、线性编码器、或电容性传感器),可以准确地移动衬底台wt(例如,以便将不同的目标部分c定位在辐射束b的路径中)。类似地,可以使用第一定位器pm和另一位置传感器ps1来相对于辐射束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。
[0203]
所描绘的设备lpa可以用于以下模式中的至少一个中:步进模式、扫描模式及静止模式。在步进模式中,在将赋予至辐射束的整个图案一次性投影至目标部分c上时,使支撑结构(例如图案形成装置台)mt和衬底台wt保持基本上静止(即,单次静态曝光)。接着使衬底台wt在x方向和/或y方向上移位,使得可以曝光不同的目标部分c。在扫描模式中,在将赋予至辐射束的图案投影至目标部分c上时,同步地扫描支撑结构(例如图案形成装置台)mt和衬底台wt(即,单次动态曝光)。可以通过投影系统ps的放大率(缩小率)和图像反转特性来确定衬底台wt相对于支撑结构(例如图案形成装置台)mt的速度和方向。在静止模式中,在将赋予至辐射束的图案投影至目标部分c上时,使支撑结构(例如图案形成装置台)mt保持基本上静止,从而保持可编程图案形成装置,并且移动或扫描衬底台wt。在该模式中,通常采用脉冲辐射源,并且在衬底台wt的每次移动之后或在扫描期间的连续辐射脉冲之间根据需要来更新可编程图案形成装置。这种操作模式可以易于应用于利用可编程图案形成装置(诸如,如上所述类型的可编程反射镜阵列)的无掩模光刻术。
[0204]
图17是图16所示的光刻投影设备的详细视图。如图17所示,lpa可以包括源收集器模型so、照射系统il和投影系统ps。源收集器模型so被构造成使得可以在源收集器模型so的封闭结构20中维持真空环境。可以由放电产生等离子体源来形成euv辐射发射等离子体210。euv辐射可以由气体或蒸气(例如xe气、li蒸气、或sn蒸气)产生,其中产生热的等离子
体210来发射在电磁光谱的euv范围内的辐射。可以例如通过引起至少部分电离的等离子体的放电来产生热的等离子体210。可能需要例如10pa分压的xe、li、sn蒸气或任何其它合适气体或蒸气来有效地产生辐射。在一些实施例中,提供被激发的锡(sn)的等离子体来产生euv辐射。
[0205]
由热的等离子体210发射的辐射从源室211经由可选的气体屏障或污染物陷阱230(在一些情况下也称为污染物屏障或翼片阱)而进入收集器室212,气体屏障或污染物陷阱230被定位在源室211的开口中或后面。污染物陷阱230可以包括通道结构。污染物陷阱230还可以包括气体屏障或者气体屏障与通道结构的组合。污染物陷阱或污染物屏障陷阱230还包括通道结构。收集器室211可以包括辐射收集器co,辐射收集器co可以是掠入射收集器。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。穿过收集器co的辐射可以被光栅光谱滤光器240反射出,以沿着由点划线“o”指示的光轴而聚焦在虚拟源点if处。虚拟源点if通常被称为中间焦点,并且源收集器模块被布置成使得中间焦点if被定位在封闭结构220的开口221处或附近。虚拟源点if是辐射发射等离子体210的像。
[0206]
随后,辐射穿过照射系统il,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,它们被布置成在图案形成装置ma处提供辐射束21的期望角度分布以及在图案形成装置ma处提供期望的辐射强度均一性。当辐射束21在图案形成装置ma(由支撑结构mt保持)处反射时,形成图案化束26,并且通过投影系统ps经由反射元件28、30将图案化束26成像在由衬底台wt保持的衬底w上。通常可以在照射光学单元il和投影系统ps中存在比所示出的更多的元件。例如,光栅光谱滤光器240可以依赖于光刻设备的类型而可选地存在。此外,可以存在比附图所示的反射镜更多的反射镜,例如相比于图15中所示的,可以在投影系统ps中存在1-6个另外的反射元件。
[0207]
如图17中图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,这仅仅是收集器(或收集器反射镜)的示例。掠入射反射器253、254和255被设置为围绕光轴o轴向对称,并且这种类型的收集器光学器件co可以与放电产生等离子体源(通常被称为dpp源)结合使用。
[0208]
图18是光刻投影设备lpa(先前附图中所示)的源收集器模块so的详细视图。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,从而产生具有几10ev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,并且聚焦到封闭结构220中的开口221上。
[0209]
本文公开的概念可以模拟或数学建模用于成像子波长特征的任何通用成像系统,并且对于能够产生越来越短的波长的新兴成像技术可能特别有用。新兴技术包括能够使用arf激光器产生193nm波长,甚至使用氟激光器产生157nm波长的euv(极紫外)、duv光刻术。此外,euv光刻术能够使用同步加速器或者通过用高能电子撞击材料(固体或等离子体)来产生在20nm-50nm的范围内的波长,以便产生在该范围内的光子。
[0210]
本公开的实施例可以通过以下条项进一步描述。
[0211]
1.一种非暂时性计算机可读介质,在所述非暂时性计算机可读介质上具有指令,所述指令在由计算机执行时引起所述计算机执行用于在不计算图案化过程空间图像表示的情况下确定图案化过程影响数据的电子模型,所述图案化过程影响数据被配置成有助于
协同优化图案化过程中所使用的多个扫描器,所述指令引起的操作包括:
[0212]
向所述模型提供图案化系统像差数据,所述模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与图案化过程影响数据相关联;并且
[0213]
基于所述模型,确定针对所接收的图案形成系统像差数据的新图案化过程影响数据,其中来自所述模型的所述新图案化过程影响数据被配置成被提供给成本函数,以有助于确定与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关的成本,并且其中,与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关的成本被配置成用于有助于多个扫描器的协同优化。
[0214]
2.根据条项1所述的介质,其中,提供到所述模型的所述图案化系统像差数据包括波前数据,并且其中,所述新图案化过程影响数据包括一个或多个图案化过程度量。
[0215]
3.根据条项1或2所述的介质,其中,所述模型包括一个或多个关键特征分量,所述关键特征分量被配置成对扫描器与扫描器之间的图案化过程的关键特征的变化建模;并且一个或多个常规分量被配置成对扫描器针对图案化过程的非关键特征的一般性能建模。
[0216]
4.根据条项1-3中任一项所述的介质,其中,所述成本函数包括与图案化过程的关键特征相关联的第一分量、与图案化过程的非关键特征相关联的第二分量、以及与一个或多个扫描器的物理功能限制相关联的第三分量。
[0217]
5.根据条项1-4中任一项所述的介质,其中,所述协同优化包括使用透镜致动器作为变量,并且使用基于梯度的非线性优化器来协同确定多个扫描器的致动器位置。
[0218]
6.一种非暂时性计算机可读介质,在所述非暂时性计算机可读介质上具有指令,所述指令在由计算机执行时引起所述计算机:
[0219]
执行校准模型,所述校准模型被配置成接收图案化系统像差数据;并且
[0220]
基于所述模型,确定针对所接收的图案化系统像差数据的新图案化过程影响数据;
[0221]
其中,所述模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而无需计算空间图像表示。
[0222]
7.根据条项6所述的介质,其中,所述超维函数被配置成以近似的形式将所接收的图案化系统像差数据与所述新图案化过程影响数据相关联,而不是全模拟。
[0223]
8.根据条项6-7中任一项所述的介质,其中,所述模型包括一个或多个非线性、线性或二次算法。
[0224]
9.根据条项6-8中任一项所述的介质,其中,所接收的图案化系统像差数据包括所接收的波前数据,并且其中,所述新图案化过程影响数据包括一个或多个图案化过程度量。
[0225]
10.根据条项9所述的介质,其中,所述一个或多个图案化过程度量包括与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数。
[0226]
11.根据条项6-9中任一项所述的介质,其中,所述模型包括一个或多个关键特征分量以及一个或多个常规分量,所述关键特征分量被配置成对图案化系统与图案化系统之间的图案化过程的关键特征的变化建模;并且所述一个或多个常规分量被配置成对图案化系统针对图案化过程的非关键特征的一般性能建模。
[0227]
12.根据条项6-11中任一项所述的介质,其中,来自所述模型的所述新图案化过程
影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关的成本。
[0228]
13.根据条项12所述的介质,其中,所述成本函数包括与图案化过程的关键特征相关联的第一分量、与图案化过程的非关键特征相关联的第二分量、以及与一个或多个图案化系统的物理功能限制相关联的第三分量。
[0229]
14.根据条项13所述的介质,其中,所述成本函数还包括与图案化过程波前调节惩罚相关联的第四分量。
[0230]
15.根据条项6-14中任一项所述的介质,其中,从所述模型输出的所述新图案化过程影响数据被配置成有助于多个图案化系统的协同优化。
[0231]
16.根据条项15所述的介质,其中,所述多个图案化系统包括扫描器,并且其中,所述协同优化包括使用透镜致动器作为变量,并且使用基于梯度的非线性优化器来协同确定多个扫描器的致动器位置。
[0232]
17.根据条项6-16中任一项所述的介质,其中,来自所述模型的所述新图案化过程影响数据被配置成用于确定图案化过程控制度量集,所述图案化过程控制度量集被配置成由线性求解器确定。
[0233]
18.根据条项6-17中任一项所述的介质,其中,所述新图案化过程影响数据指示相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数中的一个或多个的影响。
[0234]
19.根据条项6-18中任一项所述的介质,其中:
[0235]
来自所述模型的所述新图案化过程影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本;
[0236]
与各个图案化过程度量相关联的成本被配置成提供回到所述模型,以有助于确定与图案化过程波前调节相关联的和/或成本;
[0237]
与所述图案化过程波前调节相关联的成本被配置成提供到驱动器透镜模型,以有助于确定与各个图案化过程变量相关联的成本;并且
[0238]
与各个图案化过程变量相关联的成本被配置成提供到优化器以有助于多个图案化系统的协同优化。
[0239]
20.根据条项6-8中任一项所述的介质,其中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对所述图案化系统的一个或多个反射镜和/或透镜的加热的控制。
[0240]
21.一种在不计算图案化过程空间图像表示的情况下确定图案化过程影响数据的方法,所述方法包括:
[0241]
执行校准模型,所述校准模型被配置成接收图案化系统像差数据;并且
[0242]
基于所述模型确定所接收的图案化系统像差数据的新图案化过程影响数据;
[0243]
其中,所述模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而无需计算所述空间图像表示。
[0244]
22.根据条项21所述的方法,其中,所述超维函数被配置成以近似的形式将所接收的图案化系统像差数据与所述新图案化过程影响数据相关联,而不是全模拟。
[0245]
23.根据条项21-22中任一项所述的方法,其中,所述模型包括一个或多个非线性、
线性或二次算法。
[0246]
24.根据条项21-23中任一项所述的方法,其中,所接收的图案化系统像差数据包括所接收的波前数据,并且其中,所述新图案化过程影响数据包括一个或多个图案化过程度量。
[0247]
25.根据条项24所述的方法,其中,所述一个或多个图案化过程度量包括与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数。
[0248]
26.根据条项21-25中任一项所述的方法,其中,所述模型包括一个或多个关键特征分量以及一个或多个常规分量,所述关键特征分量被配置成对图案化系统与图案化系统之间的图案化过程的关键特征的变化建模;并且所述一个或多个常规分量被配置成对图案化系统针对图案化过程的非关键特征的一般性能建模。
[0249]
27.根据条项21-26中任一项所述的方法,其中,来自所述模型的所述新图案化过程影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本和/或与各个图案化过程变量相关的成本。
[0250]
28.根据条项27所述的方法,其中,所述成本函数包括与图案化过程的关键特征相关联的第一分量、与图案化过程的非关键特征相关联的第二分量、以及与一个或多个图案化系统的物理功能限制相关联的第三分量。
[0251]
29.根据条项28所述的方法,其中,所述成本函数还包括与图案化过程波前调节惩罚相关联的第四分量。
[0252]
30.根据条项21-29中任一项所述的方法,其中,从所述模型输出的所述新图案化过程影响数据被配置成有助于多个图案化系统的协同优化。
[0253]
31.根据条项30所述的方法,其中,所述多个图案化系统包括扫描器,并且其中,所述协同优化包括使用透镜致动器作为变量,并且使用基于梯度的非线性优化器来协同确定多个扫描器的致动器位置。
[0254]
32.根据条项21-31中任一项所述的方法,其中,来自所述模型的所述新图案化过程影响数据被配置成用于确定图案化过程控制度量集,所述图案化过程控制度量集被配置成由线性求解器确定。
[0255]
33.根据条项21-32中任一项所述的方法,其中,所述新图案化过程影响数据指示相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数中的一个或多个的影响。
[0256]
34.根据条项21-33中任一项所述的方法,其中:
[0257]
来自所述模型的所述新图案化过程影响数据被配置成提供到成本函数,以有助于确定与各个图案化过程度量相关联的成本;
[0258]
与各个图案化过程度量相关联的成本被配置成提供回到所述模型,以有助于确定与图案化过程波前调节相关联的和/或成本;
[0259]
与所述图案化过程波前调节相关联的成本被配置成提供到驱动器透镜模型,以有助于确定与各个图案化过程变量相关联的成本;并且
[0260]
与各个图案化过程变量相关联的成本被配置成提供到优化器以有助于多个图案化系统的协同优化。
[0261]
35.根据条项21-34中任一项所述的方法,其中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对所述图案化系统的一个或多个反射镜和/或透镜的加热的控制。
[0262]
36.一种或多种非暂时性计算机可读介质,所述非暂时性计算机可读介质存储预测模型和指令,所述指令在由一个或多个处理器执行时提供所述预测模型,所述预测模型产生以下步骤:
[0263]
获得图案化系统像差数据和相应的图案化过程影响数据;
[0264]
将所述图案化系统像差数据提供到基础预测模型,以获得所述图案化过程影响数据的预测结果;并且
[0265]
使用所述图案化过程影响数据作为反馈来更新所述基础预测模型的一个或多个配置,其中基于所述图案化过程影响数据与所述图案化过程影响数据的预测结果之间的比较来更新所述一个或多个配置;
[0266]
其中,所述预测模型包括超维函数,所述超维函数被配置成将所述图案化系统像差数据与所述图案化过程影响数据相关联,而无需计算空间图像表示。
[0267]
37.根据条项36所述的介质,其中,所述预测模型包括线性或二次算法。
[0268]
38.根据条项37所述的介质,其中,更新所述预测模型的一个或多个配置包括校准函数的一个或多个参数。
[0269]
39.根据条项36-38中任一项所述的介质,其中,基于相关联的光瞳形状和图案形成装置设计来模拟所述图案化系统像差数据。
[0270]
40.根据条项36-39中任一项所述的介质,其中,所述图案化过程影响数据包括相应的图案化系统像差的成本函数s(z),所述图案化系统像差由所述图案化系统像差数据限定。
[0271]
41.一种非暂时性计算机可读介质,在所述非暂时性计算机可读介质上具有指令,所述指令在被计算机执行时引起所述计算机:
[0272]
执行校准模型,所述校准模型被配置成接收图案化系统像差数据,用图案化系统像差校准数据和相应的图案化过程影响校准数据来校准所述模型;并且
[0273]
基于所述模型确定所接收的图案化系统像差数据的新图案化过程影响数据;
[0274]
其中,所述模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而无需计算所述空间图像表示。
[0275]
42.根据条项41所述的介质,其中,所述超维函数被配置成以简化的形式将所接收的图案化系统像差数据与所述新图案化过程影响数据相关联,而不是全模拟。
[0276]
43.根据条项41或42所述的介质,其中,通过以下校准所述模型:将所述图案化系统像差校准数据提供到基础模型,以获得图案化过程影响校准数据的预测结果,并且使用所述图案化过程影响校准数据作为反馈来更新所述基础模型的一个或多个配置,其中基于所述图案化过程影响校准数据与所述图案化过程影响校准数据的预测结果之间的比较来更新一个或多个配置。
[0277]
44.根据条项41-43中任一项所述的介质,其中,所述模型包括线性或二次算法。
[0278]
45.根据条项43-44中任一项所述的介质,其中,更新所述基础模型的一个或多个配置包括校准函数的一个或多个参数。
[0279]
46.根据条项41-45中任一项所述的介质,其中,基于相关联的光瞳形状和图案形成装置设计来模拟所述图案化系统像差校准数据。
[0280]
47.根据条项41-46中任一项所述的介质,其中,所述新图案化过程影响数据包括相应的图案化系统像差的成本函数s(z),所述图案化系统像差由所述图案化系统像差数据限定。
[0281]
48.根据条项47所述的介质,其中,所述成本函数s(z)表示相应的图案化系统像差所引起的对所述图案化过程的影响。
[0282]
49.根据条项41-48中任一项所述的介质,其中,来自所述模型的所述新图案化过程影响数据被配置成提供到第二模型,以有助于图案化系统的动态现场像差控制。
[0283]
50.根据条项49所述的介质,其中,所述第二模型是投影光学器件校正模型。
[0284]
51.根据条项49或50所述的介质,其中,所述图案化系统包括扫描器,并且其中,所述扫描器的动态现场控制包括针对给定扫描器像差,生成经校正的扫描器控制参数配方以优化光刻性能度量集。
[0285]
52.根据条项41-51中任一项所述的介质,其中,来自所述模型的所述新图案化过程影响数据被配置成用于确定图案化过程控制度量集,所述图案化过程控制度量集被配置成由线性求解器确定。
[0286]
53.根据条项52所述的介质,其中,所述图案化过程控制度量包括光刻度量。
[0287]
54.根据条项52或53所述的介质,其中,来自所述模型的所述新图案化过程影响数据包括成本函数hessian,并且其中,确定所述图案化过程控制度量集包括对所述hessian执行奇异值分解。
[0288]
55.根据条项41-54中任一项所述的介质,其中,所述新图案化过程影响数据指示相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数中的一个或多个的影响。
[0289]
56.根据条项41-55中任一项所述的介质,其中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对所述图案化系统的一个或多个反射镜和/或透镜的加热的控制。
[0290]
57.根据条项41-56中任一项所述的介质,其中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对与所述图案化系统相关联的聚焦、剂量和/或台变化(msd)的控制。
[0291]
58.一种确定图案化过程影响数据的方法,所述方法包括:
[0292]
执行校准模型,所述校准模型被配置成接收图案化系统像差数据,用图案化系统像差校准数据和相应的图案化过程影响校准数据来校准所述模型;并且
[0293]
基于所述模型确定所接收的图案化系统像差数据的新图案化过程影响数据;
[0294]
其中,所述模型包括超维函数,所述超维函数被配置成将所接收的图案化系统像差数据与新图案化过程影响数据相关联,而无需计算所述空间图像表示。
[0295]
59.根据条项58所述的方法,其中,所述超维函数被配置成以简化的形式将所接收的图案化系统像差数据与所述新图案化过程影响数据相关联,而不是全模拟。
[0296]
60.根据条项58或59所述的方法,其中,通过以下校准所述模型:将所述图案化系统像差校准数据提供到基础模型,以获得图案化过程影响校准数据的预测结果,并且使用
所述图案化过程影响校准数据作为反馈来更新所述基础模型的一个或多个配置,其中基于所述图案化过程影响校准数据与所述图案化过程影响校准数据的预测结果之间的比较来更新一个或多个配置。
[0297]
61.根据条项58-60中任一项所述的方法,其中,所述模型包括线性或二次算法。
[0298]
62.根据条项60-61中任一项所述的方法,其中,更新所述基础模型的一个或多个配置包括校准函数的一个或多个参数。
[0299]
63.根据条项58-62中任一项所述的方法,其中,基于相关联的光瞳形状和图案形成装置设计来模拟所述图案化系统像差校准数据。
[0300]
64.根据条项58-63中任一项所述的方法,其中,所述新图案化过程影响数据包括相应的图案化系统像差的成本函数s(z),所述图案化系统像差由所述图案化系统像差数据限定。
[0301]
65.根据条项64所述的方法,其中,所述成本函数s(z)表示相应的图案化系统像差所引起的对所述图案化过程的影响。
[0302]
66.根据条项58-65中任一项所述的方法,其中,来自所述模型的所述新图案化过程影响数据被配置成提供到第二模型,以有助于图案化系统的动态现场像差控制。
[0303]
67.根据条项66所述的方法,其中,所述第二模型是投影光学器件校正模型。
[0304]
68.根据条项66或67所述的方法,其中,所述图案化系统包括扫描器,并且其中,所述扫描器的动态现场控制包括针对给定扫描器像差,生成经校正的扫描器控制参数配方以优化光刻性能度量集。
[0305]
69.根据条项58-68中任一项所述的方法,其中,来自所述模型的所述新图案化过程影响数据被配置成用于确定图案化过程控制度量集,所述图案化过程控制度量集被配置成由线性求解器确定。
[0306]
70.根据条项69所述的方法,其中,所述图案化过程控制度量包括光刻度量。
[0307]
71.根据条项69或70所述的方法,其中,来自所述模型的所述新图案化过程影响数据包括成本函数hessian,并且其中,确定所述图案化过程控制度量集包括对所述hessian执行奇异值分解。
[0308]
72.根据条项58-71中任一项所述的方法,其中,所述新图案化过程影响数据指示相应的图案化系统像差对与图案化过程相关联的临界尺寸、图案放置误差、边缘放置误差、临界尺寸不对称性、最佳聚焦偏移、或缺陷计数中的一个或多个的影响。
[0309]
73.根据条项58-72中任一项所述的方法,其中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对所述图案化系统的一个或多个反射镜和/或透镜的加热的控制。
[0310]
74.根据条项58-73中任一项所述的方法,其中,所述模型被校准成使得,所述新图案化过程影响数据被配置成有助于增强对与所述图案化系统相关联的聚焦、剂量和/或台变化(msd)的控制。
[0311]
75.一种非暂时性计算机可读介质,在所述非暂时性计算机可读介质上具有指令,所述指令在被计算机执行时引起所述计算机执行根据条项58-74中任一项所述的方法。
[0312]
虽然本文公开的概念可以用于在诸如硅晶片的衬底上制造晶片,但应当理解,所公开的概念可以用于任何类型的制造系统(例如,用于在除了硅晶片之外的衬底上进行制
造的制造系统)。
[0313]
此外,所公开的元件的组合和子组合可以包括单独的实施例。例如,像差影响模型和投影光学器件模型可以包括在单独的实施例中,或者它们可以一起包括在相同实施例中。
[0314]
以上描述旨在是说明性的而不是限制性的。因此,本领域技术人员将显而易见的是,可以在不背离下文所阐述的权利要求的范围的情况下对所描述的本发明进行修改。
再多了解一些

本文用于创业者技术爱好者查询,仅供学习研究,如用于商业用途,请联系技术所有人。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献