KR20230010686A - 수차 영향 시스템, 모델, 및 제조 프로세스 - Google Patents

수차 영향 시스템, 모델, 및 제조 프로세스 Download PDF

Info

Publication number
KR20230010686A
KR20230010686A KR1020227043335A KR20227043335A KR20230010686A KR 20230010686 A KR20230010686 A KR 20230010686A KR 1020227043335 A KR1020227043335 A KR 1020227043335A KR 20227043335 A KR20227043335 A KR 20227043335A KR 20230010686 A KR20230010686 A KR 20230010686A
Authority
KR
South Korea
Prior art keywords
model
patterning process
patterning
data
aberration
Prior art date
Application number
KR1020227043335A
Other languages
English (en)
Inventor
싱유에 펭
잔 시
두안-푸 스티븐 수
라파엘 씨. 호웰
게루이 리우
Original Assignee
에이에스엠엘 네델란즈 비.브이.
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 에이에스엠엘 네델란즈 비.브이. filed Critical 에이에스엠엘 네델란즈 비.브이.
Publication of KR20230010686A publication Critical patent/KR20230010686A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70591—Testing optical components
    • G03F7/706—Aberration measurement
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/70525—Controlling normal operating mode, e.g. matching different apparatus, remote control or prediction of failure
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/708—Construction of apparatus, e.g. environment aspects, hygiene aspects or materials
    • G03F7/70858—Environment aspects, e.g. pressure of beam-path gas, temperature
    • G03F7/70883—Environment aspects, e.g. pressure of beam-path gas, temperature of optical system
    • G03F7/70891—Temperature

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Toxicology (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Manufacture Or Reproduction Of Printing Formes (AREA)

Abstract

반도체 제조 프로세스에서의 스캐너 수차 영향 모델링이 설명된다. 스캐너 수차 영향 모델링은 다수의 스캐너의 공동 최적화를 용이하게 할 수도 있다. 스캐너 수차 영향 모델링은 캘리브레이팅된 모델을 실행하는 것 및 모델로부터의 출력에 기초하여 스캐너를 제어하는 것을 포함할 수도 있다. 모델은 패턴화 시스템 수차 데이터를 수신하도록 구성된다. 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅된다. 수신된 패턴화 시스템 수차 데이터에 대해, 모델에 기초하여, 새로운 패턴화 프로세스 영향 데이터가 결정될 수도 있다. 모델은 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다. 초차원 함수는, 에어리얼 이미지 또는 그 표현의 계산을 수반하지 않으면서, 전체 시뮬레이션 대신 근사 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다.

Description

수차 영향 시스템, 모델, 및 제조 프로세스
관련 출원에 대한 교차 참조
본 출원은 2020년 6월 10일자로 출원된 미국 출원 제63/037,494호 및 2021년 2월 10일자로 출원된 미국 출원 제63/147,831호의 우선권을 주장하며, 이들 출원은 참조에 의해 그 전체가 본원에 통합된다.
기술 분야
본원의 설명은 일반적으로 반도체 제조에서의 리소그래피에 관한 것으로, 특히, 컴퓨터 사용 리소그래피(computational lithography)에 관한 것이다.
리소그래피 투영 장치(lithographic projection apparatus)는, 예를 들면, 집적 회로(integrated circuit; IC)의 제조에서 사용될 수 있다. 패턴화 디바이스(예를 들면, 마스크)는 IC의 개개의 레이어("설계 레이아웃")에 대응하는 패턴을 포함하거나 또는 제공할 수도 있으며, 이 패턴은, 패턴화 디바이스 상의 패턴을 통해 타겟 부분을 조사하는 것과 같은 방법에 의해, 방사선 감응 재료("레지스트")의 레이어로 코팅된 기판(예를 들면, 실리콘 웨이퍼) 상의 타겟 부분(예를 들면, 하나 이상의 다이를 포함함) 상으로 전사될 수 있다. 일반적으로, 단일 기판은 패턴이 리소그래피 투영 장치에 의해, 한 번에 하나의 타겟 부분씩, 연속적으로 전사되는 복수의 인접 타겟 부분을 포함한다. 하나의 타입의 리소그래피 투영 장치에서, 전체 패턴화 디바이스 상의 패턴은 한 번의 동작에서 하나의 타겟 부분 상으로 전사된다. 그러한 장치는 일반적으로 스테퍼로서 지칭된다. 일반적으로 스텝 앤 스캔 장치(step-and-scan apparatus)로 칭해지는 대안적인 장치에서, 투영 빔은 지정된 기준 방향("스캐닝" 방향)에서 패턴화 디바이스를 스캔하고, 동시에 기판을 이 기준 방향에 대해 평행 또는 반평행하게 이동한다. 패턴화 디바이스 상의 패턴의 상이한 부분은 점진적으로 하나의 타겟 부분으로 전사된다. 일반적으로, 리소그래피 투영 장치가 감소 비율(M)(예를 들면, 4)을 가질 것이기 때문에, 기판이 이동되는 속도(F)는 투영 빔이 패턴화 디바이스를 스캔하는 속도의 1/M 배가 될 것이다. 리소그래피 디바이스에 관한 더 많은 정보는, 예를 들면, 본원에서 참조에 의해 통합되는 US 6,046,792에서 발견될 수 있다.
패턴화 디바이스로부터 기판으로 패턴을 전사하기 이전에, 기판은 프라이밍(priming), 레지스트 코팅 및 소프트 베이크(soft bake)와 같은 다양한 프로시져를 거칠 수도 있다. 노출(exposure) 이후, 기판은 노출 이후 베이킹(post-exposure bake; PEB), 현상, 하드 베이킹(hard bake) 및 전사된 패턴의 측정/검사와 같은 다른 프로시져("노출 이후 프로시져")를 받을 수도 있다. 이 프로시져의 어레이는, 디바이스, 예를 들면, IC의 개개의 레이어를 만들기 위한 기초로 사용된다. 그 다음, 기판은 에칭, 이온 주입(도핑), 금속화(metallization), 산화, 화학적 기계적 연마, 등등과 같은 다양한 프로세스를 거칠 수도 있는데, 이들 모두는 디바이스의 개개의 레이어를 마무리하도록 의도된다. 디바이스에서 여러 개의 레이어이 필요한 경우, 그러면 전체 프로시져 또는 그의 변형이 각각의 레이어에 대해 반복된다. 결국, 디바이스가 기판 상의 각각의 타겟 부분에 존재할 것이다. 그 다음, 이들 디바이스는 다이싱(dicing) 또는 쏘잉(sawing)과 같은 기술에 의해 서로 분리되고, 그 결과, 개개의 디바이스는 캐리어 상에 장착될 수 있거나, 핀에 연결될 수 있거나, 등등으로 될 수 있다.
반도체 디바이스와 같은 디바이스를 제조하는 것은, 통상적으로, 다수의 제조 프로세스를 사용하여 기판(예를 들면, 반도체 웨이퍼)을 프로세싱하여 디바이스의 다양한 피쳐(feature) 및 다수의 레이어를 형성하는 것을 수반한다. 그러한 레이어 및 피쳐는, 통상적으로, 예를 들면, 퇴적, 리소그래피, 에치, 화학적 기계적 연마, 및 이온 주입을 사용하여 제조되고 프로세싱된다. 다수의 디바이스가 기판 상의 복수의 다이 상에 제조될 수도 있고, 그 다음, 개개의 디바이스로 분리될 수도 있다. 이 디바이스 제조 프로세스는 패턴화 프로세스로 간주될 수도 있다. 패턴화 프로세스는, 패턴화 디바이스 상의 패턴을 기판으로 전사하기 위한 패턴화 단계, 예컨대 리소그래피 장치에서 패턴화 디바이스를 사용하는 광학적 및/또는 나노임프린트 리소그래피를 수반하지만, 그러나 옵션 사항으로(optionally), 하나 이상의 관련된 패턴 프로세싱 단계, 예컨대 현상 장치에 의한 레지스트 현상, 베이킹 툴을 사용하는 기판의 베이킹, 에치 장치를 사용하는 패턴을 사용하는 에칭, 등등을 수반한다.
리소그래피는 IC와 같은 디바이스 제조에서 중심 단계인데, 기판 상에 형성되는 패턴은, 마이크로프로세서, 메모리 칩, 등등과 같은 디바이스의 기능성 엘리먼트를 정의한다. 플랫 패널 디스플레이, 마이크로 전자기계 시스템(micro-electromechanical system; MEMS) 및 다른 디바이스의 형성에서 유사한 리소그래피 기술이 또한 사용된다.
반도체 제조 프로세스가 계속 발전함에 따라, 기능성 엘리먼트의 치수는 지속적으로 감소하였다. 동시에, 일반적으로 '무어의 법칙(Moore's law)'으로 지칭되는 경향에 따라, 디바이스당, 트랜지스터와 같은 기능성 엘리먼트의 수는 지속적으로 증가하였다. 기술의 현재 상태에서, 디바이스의 레이어는 심 자외선 조명 소스로부터의 조명을 사용하여 기판 상에 설계 레이아웃을 투영하는 리소그래피 투영 장치를 사용하여 제조되어, 100 nm 꽤 아래의, 즉 조명 소스(예를 들면, 193 nm 조명 소스)으로부터의 방사선(radiation)의 파장 절반 미만의 치수를 갖는 개개의 기능성 엘리먼트를 생성한다.
리소그래피 투영 장치의 고전적인 분해능 한계보다 더 작은 치수를 갖는 피쳐가 인쇄되는 이 프로세스는, 분해능 공식 CD = k1×λ/NA에 따라 낮은 k1 리소그래피로 일반적으로 알려져 있는데, 여기서 λ는 활용되는 방사선 파장이고(현재 대부분의 경우 248 nm 또는 193 nm), NA는 리소그래피 투영 장치에 있는 투영 광학기기(projection optic)의 개구수이고, CD는 "임계 치수" ― 일반적으로, 인쇄되는 가장 작은 피쳐 사이즈 ― 이고, k1은 경험적 분해능 인자(empirical resolution factor)이다. 일반적으로, k1이 작을수록, 특정한 전기적 기능성 및 성능을 달성하기 위해, 설계자에 의해 계획되는 형상 및 치수를 닮은 패턴을 기판 상에서 재현하는 것이 더 어려워진다. 이들 어려움을 극복하기 위해, 리소그래피 투영 장치, 설계 레이아웃, 또는 패턴화 디바이스에 정교한 미세 튜닝 단계가 적용된다. 이들은, 예를 들면, NA 및 광학적 가간섭성(coherence) 설정의 최적화, 맞춤형 조명 스킴, 위상 시프팅 패턴화 디바이스의 사용, 설계 레이아웃에서의 광학 근접 보정(optical proximity correction)(OPC, 때때로 "광학 및 프로세스 보정"으로 또한 칭해짐), 또는 일반적으로 "분해능 향상 기술(resolution enhancement technique; RET)"로서 일반적으로 정의되는 다른 방법을 포함하지만, 그러나 이들로 제한되지는 않는다.
OPC 및 다른 RET는 리소그래피 프로세스를 설명하는 강건한 전자적 모델(electronic model)을 활용한다. 따라서, 프로세스 윈도우 전반에 걸쳐 유효하고, 강건하며 정확한 모델을 제공하는, 그러한 리소그래피 모델에 대한 캘리브레이션 프로시져가 소망된다. 현재, 캘리브레이션은 웨이퍼 측정치와 함께 소정의 수의 1 차원 및/또는 2 차원 게이지 패턴을 사용하여 행해진다. 더 구체적으로, 1 차원 게이지 패턴은 다양한 피치 및 임계 치수(critical dimension; CD), 격리된 라인, 다수의 라인, 등등을 갖는 라인-공간 패턴을 포함한다. 2 차원 게이지 패턴은 라인 단부, 콘택, 및 랜덤하게 선택된 SRAM(Static Random Access Memory; 정적 랜덤 액세스 메모리) 패턴을 통상적으로 포함한다.
한 실시형태에 따르면, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체가 제공된다. 명령어는, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금 패턴화 시스템 수차 데이터를 수신하도록 구성되는 캘리브레이팅된 모델을 실행하게 한다. 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅된다. 명령어는 컴퓨터로 하여금, 모델에 기초하여, 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터를 결정하게 하도록 구성된다. 이 모델은, 에어리얼 이미지(aerial image) 또는 그 표현의 시뮬레이션, 생성 또는 다르게는 계산 없이, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수(hyperdimensional function)를 포함한다.
몇몇 실시형태에서, 초차원 함수는, 전체 시뮬레이션 대신 근사 및/또는 단순화된 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다.
몇몇 실시형태에서, 모델은 패턴화 프로세스 영향 캘리브레이션 데이터의 예측을 획득하기 위해 패턴화 시스템 수차 캘리브레이션 데이터를 기본 모델에 제공하는 것, 및 기본 모델의 하나 이상의 구성을 업데이트하기 위한 피드백으로서 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하는 것에 의해 캘리브레이팅된다. 하나 이상의 구성은 패턴화 프로세스 영향 캘리브레이션 데이터와 패턴화 프로세스 영향 캘리브레이션 데이터의 예측 사이의 비교에 기초하여 업데이트된다.
몇몇 실시형태에서, 모델은 하나 이상의 비선형, 선형, 및/또는 2차(quadratic) 알고리즘을 포함한다.
몇몇 실시형태에서, 기본 모델의 하나 이상의 구성을 업데이트하는 것은 알고리즘의 하나 이상의 파라미터를 캘리브레이팅하는 것을 포함한다.
몇몇 실시형태에서, 수신된 패턴화 시스템 수차 데이터는 수신된 파면(wavefront) 데이터를 포함하고, 새로운 패턴화 프로세스 영향 데이터는 하나 이상의 패턴화 프로세스 메트릭을 포함한다.
몇몇 실시형태에서, 하나 이상의 패턴화 프로세스 메트릭은 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트를 포함한다.
몇몇 실시형태에서, 모델은 패턴화 프로세스의 임계 피쳐(critical feature)에 대한 패턴화 시스템 대 패턴화 시스템 변동(patterning system to patterning system variation)을 모델링하도록 구성되는 하나 이상의 임계 피쳐 성분; 및 패턴화 프로세스의 비임계 피쳐(non-critical feature)에 대한 패턴화 시스템 전반에 걸친 일반적인 성능을 모델링하도록 구성되는 하나 이상의 규제 성분(regulation component)을 포함한다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해, 비용 함수에 제공되도록 구성된다.
몇몇 실시형태에서, 비용 함수는 패턴화 프로세스의 임계 피쳐와 관련되는 제1 성분, 패턴화 프로세스의 비임계 피쳐와 관련되는 제2 성분, 및 하나 이상의 패턴화 시스템의 물리적 기능 제한과 관련되는 제3 성분을 포함한다.
몇몇 실시형태에서, 비용 함수는 패턴화 프로세스 파면 조절 페널티와 관련되는 제4 성분을 더 포함한다.
몇몇 실시형태에서, 모델로부터 출력되는 새로운 패턴화 프로세스 영향 데이터는 다수의 패턴화 시스템의 공동 최적화(co-optimization)를 용이하게 하도록 구성된다.
몇몇 실시형태에서, 다수의 패턴화 시스템은 스캐너를 포함하고, 공동 최적화는 렌즈 액추에이터를 변수로서 사용하는 것, 및 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하기 위해 그래디언트 기반의 비선형 최적화기(optimizer)를 사용하는 것을 포함한다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성되는데, 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버(linear solver)에 의해 결정되도록 구성된다.
몇몇 실시형태에서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타낸다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 개개의 패턴화 프로세스 메트릭과 관련되는 비용의 결정을 용이하게 하기 위해 비용 함수에 제공되도록 구성된다. 개개의 패턴화 프로세스 메트릭과 관련되는 비용은 패턴화 프로세스 파면 조절의 결정 및/또는 그와 관련되는 비용을 용이하게 하기 위해 모델에 다시 제공되도록 구성된다. 패턴화 프로세스 파면 조절과 관련되는 비용은 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해 드라이버 렌즈 모델에 제공되도록 구성된다. 개개의 패턴화 프로세스 변수와 관련되는 비용은 다수의 패턴화 시스템의 공동 최적화를 용이하게 하기 위해 최적화기에 제공되도록 구성된다.
몇몇 실시형태에서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
몇몇 실시형태에서, 패턴화 시스템 수차 캘리브레이션 데이터는 관련된 동공(pupil) 형상 및 패턴화 디바이스 설계에 기초하여 시뮬레이팅된다.
몇몇 실시형태에서, 새로운 패턴화 프로세스 영향 데이터는 대응하는 패턴화 시스템 수차에 대한 비용 함수 s(Z)를 포함한다. 패턴화 시스템 수차(s(Z))는 수신된 패턴화 시스템 수차 데이터에 의해 정의된다.
몇몇 실시형태에서, 비용 함수 s(Z)는 대응하는 패턴화 시스템 수차에 의해 야기되는 패턴화 프로세스에 대한 영향을 나타낸다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 시스템의 동적 현장 수차 제어(dynamic in-situ aberration control)를 용이하게 하기 위해 제2 모델에 제공되도록 구성된다. 몇몇 실시형태에서, 제2 모델은 투영 광학기기 정정 모델(projection optics correction model)이다.
몇몇 실시형태에서, 패턴화 시스템은 스캐너를 포함한다. 스캐너의 동적 현장 제어는 리소그래피 성능 메트릭의 세트를 최적화하기 위해 주어진 스캐너 수차에 대한 정정된 스캐너 제어 파라미터 레시피를 생성하는 것을 포함한다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성된다. 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 결정되도록 구성된다.
몇몇 실시형태에서, 패턴화 프로세스 제어 메트릭은 리소그래피 메트릭을 포함한다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 비용 함수 Hessian(헤시안)을 포함한다. 패턴화 프로세스 제어 메트릭의 세트를 결정하는 것은 헤시안에 대해 특이 값 분해(singular value decomposition)를 수행하는 것을 포함한다.
몇몇 실시형태에서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타낸다.
몇몇 실시형태에서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
몇몇 실시형태에서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템과 관련되는 초점, 선량(dose), 및/또는 스테이지 변동(MSD)의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
다른 실시형태에 따르면, 패턴화 프로세스 영향 데이터를 결정하기 위한 방법이 제공된다. 방법은 패턴화 시스템 수차 데이터를 수신하도록 구성되는 캘리브레이팅된 모델을 실행하는 것을 포함한다. 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅된다. 방법은, 모델에 기초하여, 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터를 결정하는 것을 포함한다. 모델은, 에어리얼 이미지 표현의 시뮬레이션, 생성 또는 다르게는 계산 없이, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다.
몇몇 실시형태에서, 초차원 함수는, 전체 시뮬레이션 대신 근사 및/또는 단순화된 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다.
몇몇 실시형태에서, 모델은 패턴화 프로세스 영향 캘리브레이션 데이터의 예측을 획득하기 위해 패턴화 시스템 수차 캘리브레이션 데이터를 기본 모델에 제공하는 것, 및 기본 모델의 하나 이상의 구성을 업데이트하기 위한 피드백으로서 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하는 것에 의해 캘리브레이팅된다. 하나 이상의 구성은 패턴화 프로세스 영향 캘리브레이션 데이터와 패턴화 프로세스 영향 캘리브레이션 데이터의 예측 사이의 비교에 기초하여 업데이트된다.
몇몇 실시형태에서, 모델은 하나 이상의 비선형, 선형, 및/또는 2차 알고리즘을 포함한다.
몇몇 실시형태에서, 기본 모델의 하나 이상의 구성을 업데이트하는 것은 알고리즘의 하나 이상의 파라미터를 캘리브레이팅하는 것을 포함한다.
몇몇 실시형태에서, 수신된 패턴화 시스템 수차 데이터는 수신된 파면 데이터를 포함하고, 새로운 패턴화 프로세스 영향 데이터는 하나 이상의 패턴화 프로세스 메트릭을 포함한다.
몇몇 실시형태에서, 하나 이상의 패턴화 프로세스 메트릭은 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트를 포함한다.
몇몇 실시형태에서, 모델은 패턴화 프로세스의 임계 피쳐에 대한 패턴화 시스템 대 패턴화 시스템 변동을 모델링하도록 구성되는 하나 이상의 임계 피쳐 성분; 및 패턴화 프로세스의 비임계 피쳐에 대한 패턴화 시스템 전반에 걸친 일반적인 성능을 모델링하도록 구성되는 하나 이상의 규제 성분을 포함한다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해, 비용 함수에 제공되도록 구성된다.
몇몇 실시형태에서, 비용 함수는 패턴화 프로세스의 임계 피쳐와 관련되는 제1 성분, 패턴화 프로세스의 비임계 피쳐와 관련되는 제2 성분, 및 하나 이상의 패턴화 시스템의 물리적 기능 제한과 관련되는 제3 성분을 포함한다.
몇몇 실시형태에서, 비용 함수는 패턴화 프로세스 파면 조절 페널티와 관련되는 제4 성분을 더 포함한다.
몇몇 실시형태에서, 모델로부터 출력되는 새로운 패턴화 프로세스 영향 데이터는 다수의 패턴화 시스템의 공동 최적화를 용이하게 하도록 구성된다.
몇몇 실시형태에서, 다수의 패턴화 시스템은 스캐너를 포함하고, 공동 최적화는 렌즈 액추에이터를 변수로서 사용하는 것, 및 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하기 위해 그래디언트 기반의 비선형 최적화기를 사용하는 것을 포함한다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성되는데, 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 결정되도록 구성된다.
몇몇 실시형태에서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타낸다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 개개의 패턴화 프로세스 메트릭과 관련되는 비용의 결정을 용이하게 하기 위해 비용 함수에 제공되도록 구성된다. 개개의 패턴화 프로세스 메트릭과 관련되는 비용은 패턴화 프로세스 파면 조절의 결정 및/또는 그와 관련되는 비용을 용이하게 하기 위해 모델에 다시 제공되도록 구성된다. 패턴화 프로세스 파면 조절과 관련되는 비용은 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해 드라이버 렌즈 모델에 제공되도록 구성된다. 개개의 패턴화 프로세스 변수와 관련되는 비용은 다수의 패턴화 시스템의 공동 최적화를 용이하게 하기 위해 최적화기에 제공되도록 구성된다.
몇몇 실시형태에서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
몇몇 실시형태에서, 패턴화 시스템 수차 캘리브레이션 데이터는 관련된 동공 형상 및 패턴화 디바이스 설계에 기초하여 시뮬레이팅된다.
몇몇 실시형태에서, 새로운 패턴화 프로세스 영향 데이터는 대응하는 패턴화 시스템 수차에 대한 비용 함수 s(Z)를 포함한다. 패턴화 시스템 수차(s(Z))는 수신된 패턴화 시스템 수차 데이터에 의해 정의된다.
몇몇 실시형태에서, 비용 함수 s(Z)는 대응하는 패턴화 시스템 수차에 의해 야기되는 패턴화 프로세스에 대한 영향을 나타낸다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 시스템의 동적 현장 수차 제어를 용이하게 하기 위해 제2 모델에 제공되도록 구성된다. 몇몇 실시형태에서, 제2 모델은 투영 광학기기 정정 모델이다.
몇몇 실시형태에서, 패턴화 시스템은 스캐너를 포함한다. 스캐너의 동적 현장 제어는 리소그래피 성능 메트릭의 세트를 최적화하기 위해 주어진 스캐너 수차에 대한 정정된 스캐너 제어 파라미터 레시피를 생성하는 것을 포함한다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성된다. 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 결정되도록 구성된다.
몇몇 실시형태에서, 패턴화 프로세스 제어 메트릭은 리소그래피 메트릭을 포함한다.
몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 비용 함수 헤시안을 포함한다. 패턴화 프로세스 제어 메트릭의 세트를 결정하는 것은 헤시안에 대해 특이 값 분해를 수행하는 것을 포함한다.
몇몇 실시형태에서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타낸다.
몇몇 실시형태에서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
몇몇 실시형태에서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템과 관련되는 초점, 선량, 및/또는 스테이지 변동(MSD)의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
다른 실시형태에 따르면, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체가 제공된다. 명령어는, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금, 상기의 단락 중 임의의 것에서의 방법을 수행하게 한다.
다른 실시형태에 따르면, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체가 제공되는데, 명령어는, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금, 패턴화 프로세스 에어리얼 이미지 표현의 계산 없이, 패턴화 프로세스 영향 데이터를 결정하기 위한 전자적 모델을 실행하게 한다. 패턴화 프로세스 영향 데이터는 패턴화 프로세스에서 사용되는 다수의 스캐너의 공동 최적화를 용이하게 하도록 구성된다. 명령어는 다음의 것을 포함하는 동작을 야기한다: 패턴화 시스템 수차 데이터를 모델 ― 모델은 수신된 패턴화 시스템 수차 데이터를 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함함 ― 에 제공하는 것; 및 모델에 기초하여, 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터 ― 모델로부터의 새로운 패턴화 프로세스 영향 데이터는, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해, 비용 함수에 제공되도록 구성되고, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용은 다수의 스캐너의 공동 최적화를 용이하게 하기 위해 사용되도록 구성됨 ― 를 결정하는 것.
몇몇 실시형태에서, 모델에 제공되는 패턴화 시스템 수차 데이터는 파면 데이터를 포함하고, 새로운 패턴화 프로세스 영향 데이터는 하나 이상의 패턴화 프로세스 메트릭을 포함한다.
몇몇 실시형태에서, 모델은 패턴화 프로세스의 임계 피쳐에 대한 스캐너 대 스캐너 변동을 모델링하도록 구성되는 하나 이상의 임계 피쳐 성분; 및 패턴화 프로세스의 비임계 피쳐에 대한 스캐너 전반에 걸친 일반적인 성능을 모델링하도록 구성되는 하나 이상의 규제 성분을 포함한다.
몇몇 실시형태에서, 비용 함수는 패턴화 프로세스의 임계 피쳐와 관련되는 제1 성분, 패턴화 프로세스의 비임계 피쳐와 관련되는 제2 성분, 및 하나 이상의 스캐너의 물리적 기능 제한과 관련되는 제3 성분을 포함한다.
몇몇 실시형태에서, 공동 최적화는 렌즈 액추에이터를 변수로서 사용하는 것, 및 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하기 위해 그래디언트 기반의 비선형 최적화기를 사용하는 것을 포함한다.
다른 실시형태에 따르면, 예측 모델 및 하나 이상의 프로세서에 의해 실행될 때 예측 모델을 제공하는 명령어를 저장하는 하나 이상의 비일시적 컴퓨터 판독 가능 매체가 제공된다. 예측 모델은 다음의 것에 의해 생성된다: 패턴화 시스템 수차 데이터 및 대응하는 패턴화 프로세스 영향 데이터를 획득하는 것; 패턴화 프로세스 영향 데이터의 예측을 획득하기 위해 패턴화 시스템 수차 데이터를 기본 예측 모델에 제공하는 것; 및 기본 예측 모델의 하나 이상의 구성을 업데이트하기 위한 ― 하나 이상의 구성은 패턴화 프로세스 영향 데이터와 패턴화 프로세스 영향 데이터의 예측 사이의 비교에 기초하여 업데이트됨 ― 피드백으로서 패턴화 프로세스 영향 데이터를 사용하는 것. 예측 모델은, 에어리얼 이미지의 계산 없이 패턴화 시스템 수차 데이터를 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다.
몇몇 실시형태에서, 예측 모델은 선형 또는 2차 알고리즘을 포함한다.
몇몇 실시형태에서, 예측 모델의 하나 이상의 구성을 업데이트하는 것은 함수의 하나 이상의 파라미터를 캘리브레이팅하는 것을 포함한다.
몇몇 실시형태에서, 패턴화 시스템 수차 데이터는 관련된 동공 형상 및 패턴화 디바이스 설계에 기초하여 시뮬레이팅된다.
몇몇 실시형태에서, 패턴화 프로세스 영향 데이터는 대응하는 패턴화 시스템 수차에 대한 비용 함수 s(Z)를 포함하는데, 패턴화 시스템 수차는 패턴화 시스템 수차 데이터에 의해 정의된다.
본 명세서에 통합되며 본 명세서의 일부를 구성하는 첨부의 도면은 하나 이상의 실시형태를 예시하며, 설명과 함께, 이들 실시형태를 설명한다. 이제, 대응하는 참조 부호가 대응하는 부분을 나타내는 첨부된 개략적인 도면을 참조하여, 본 발명의 실시형태가, 단지 예로서, 설명될 것인데, 첨부된 개략적인 도면에서:
도 1은, 한 실시형태에 따른, 리소그래피 투영 장치의 다양한 서브시스템의 블록도를 예시한다.
도 2는, 한 실시형태에 따른, 리소그래피 투영 장치에서 리소그래피를 완전히 시뮬레이팅하기 위한 예시적인 플로우차트를 예시한다.
도 3은, 한 실시형태에 따른, 본 방법을 예시한다.
도 4는, 한 실시형태에 따른, 전체 시뮬레이션과 비교하여 본 수차 영향 모델의 동작을 예시한다.
도 5는, 한 실시형태에 따른, 본 수차 영향 모델을 구축하기 위한 예시적인 동작을 예시한다.
도 6은, 한 실시형태에 따른, 오프라인 또는 연구 및 개발 국면 동안 본 수차 영향 모델(예를 들면, 도 5에서 도시되는 동작)을 구축하는 것, 및 그 다음 제조 국면에서 모델을 사용하는 것을 예시한다.
도 7은, 한 실시형태에 따른, 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 투영 광학기기 정정 모델에 의한 사용을 위한 비용 함수를 수차 영향 모델로부터 구성하는 예를 예시한다.
도 8은, 한 실시형태에 따른, (한 예로서 미러 가열을 사용하는) 동적 수차 제어를 예시한다.
도 9는, 한 실시형태에 따른, (예를 들면, 투영 광학기기 정정 모델에 의한 패턴화 프로세스 제어 메트릭의 세트의 결정을 용이하게 하기 위해) (수차 영향 모델로부터의) 비용 함수를 리소메트릭(lithometric)의 포맷으로 변환하는 것을 예시한다.
도 10은, 한 실시형태에 따른, 본 수차 영향 모델이 기판마다(예를 들면, 웨이퍼마다 또는 심지어 레이어마다) 동적 수차 정정을 가능하게 할 수 있는 방법을 예시한다.
도 11은, 한 실시형태에 따른, 상기에서 설명되는 동작에 대한 개요 플로우(summary flow)를 예시한다.
도 12는, 한 실시형태에 따른, 비용 함수의 성분을 예시한다.
도 13은, 한 실시형태에 따른, 예시적인 최적화 아키텍쳐를 예시한다.
도 14는, 한 실시형태에 따른, 예시적인 컴퓨터 시스템의 블록도이다.
도 15는, 한 실시형태에 따른, 리소그래피 투영 장치의 개략적인 다이어그램이다.
도 16은, 한 실시형태에 따른, 다른 리소그래피 투영 장치의 개략적인 다이어그램이다.
도 17은, 한 실시형태에 따른, 리소그래피 투영 장치의 상세도(detailed view)이다.
도 18은, 한 실시형태에 따른, 리소그래피 투영 장치의 소스 콜렉터 모듈(source collector module)의 상세도이다.
반도체 제조 프로세스에서 스캐너 수차 영향 모델링이 유리하다. 본원에서 설명되는 모델(들)은 광범위한 애플리케이션을 가질 수도 있다. 스캐너 수차 영향 모델링은 다수의 스캐너의 공동 최적화, 모델로부터의 출력에 기초하여 현장에서 스캐너를 제어하는 것을 용이하게 할 수도 있고, 및/또는 다른 용도를 가질 수도 있다. 본원에서 설명되는 모델(들)은 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다. 초차원 함수는, 에어리얼 이미지 또는 그 표현의 계산을 수반하지 않으면서, 전체 시뮬레이션 대신 근사 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다. 이것은 계산 시간, 컴퓨팅 리소스를 절약할 수도 있고, 및/또는 다른 이점을 가질 수도 있다.
예를 들면, 패턴화 프로세스 스캐너(예를 들면, EUV 스캐너)에서 수차를 야기하는 다른 동적으로 변화하는 변수 및/또는 미러 가열의 본질은 생산 제조 환경에서 안정적인 이미징 성능을 달성하기 위해 빠른 현장 제어를 요구한다. 이 빠른 현장 제어에 대한 이전의 시도는 스캐너의 동공 레벨 속성(예를 들면, 기준 상태에 대한 델타 파면의 RMS)에 기초하는 메리트 함수(merit function)의 정의를 포함하였지만, 그러나 기판(예를 들면, 웨이퍼) 레벨 상에서 이미징 성능 속성을 인식할 수 없었다. 결과적으로, 동공 레벨 상에서의 수차가 최소화되었지만, (기판 또는 웨이퍼 레벨 상에서의) 이미징 성능은 최적화되지 않았다.
대안적인 이미징 성능 기반의 접근법이 공지되어 있지만, 그러나 이들 접근법은 동적 현장 스캐너 제어에 대해서는 적합하지 않다. 예를 들면, 한 가지 접근법에서, 방대한 수의 임계 치수의 제르니케(Zernike) 감도의 계산이 요구되는데, 이것은 계산적으로 무겁고 대규모 온라인-오프라인 데이터 전송을 요구한다. 이 접근법을 사용하면, 리소그래피 성능 메트릭은 임계 치수로 제한된다. 이 접근법은 불연속 메트릭(예를 들면, 결함 카운트, 등등)을 포함하는 다른 타입의 커스텀 메트릭(custom metric)을 포괄할 만큼 유연하지 않다. 다른 예로서, 상이한 접근법은 소스 마스크 최적화 엔진을 사용하여 수차(파면) 최적화를 수행하는 것에 의해 상이한 스캐너의 성능을 매칭시키기 위한 방법을 수반한다. 그러나, 이 접근법은 미러 가열을 고려하지 않고 콜드 렌즈 셋업을 위해 설계되었으며 그것은 반복적인 최적화를 수행하는데, 이것은 모든 반복에 대해 전체 이미징 시뮬레이션을 필요로 한다. 이것은 계산적으로 무겁고 동적 현장 스캐너 제어에 대해 적합하지 않다.
유리하게도, 본 개시는 빠르고 동적인 스캐너 수차(파면) 제어를 수행하기 위한 시스템 및 방법을 설명한다. 이들 시스템 및 방법 둘 모두는 이미징 성능을 인식하며 (예컨대, 예를 들면, 미러 가열 및/또는 패턴화 기기 및/또는 패턴화 프로세스의 다른 동적 양태에 의해 야기되는 수차의 제어를 위한) 동적 현장 스캐너 수차 제어에 대해 적합하다. 본 시스템 및 방법은 패턴화 시스템 수차 데이터를 수신하도록 그리고 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터를 결정하도록 구성되는 캘리브레이팅된 수차 영향 모델을 포함한다. 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅된다. 이전 시스템과는 대조적으로, 모델은 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 상대적으로 간단한 초차원 함수를 포함한다. 초차원 함수는, 전체 시뮬레이션 대신 근사 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다. 예를 들면, 몇몇 실시형태에서, 모델은 선형 또는 2차 알고리즘을 포함한다. 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 시스템(예를 들면, 스캐너)의 동적 현장 수차 제어를 용이하게 하기 위해 투영 광학기기 정정 모델과 같은 제2 모델로 제공되도록 구성된다(예를 들면, 모델로부터의 출력은 형식이 정해진다(formatted)).
다른 예로서, (패턴화 프로세스를 위한) 동일한 설계 레이아웃은, 예를 들면, 상이한 스캐너 상에서 또는 상이한 슬릿 위치에서 상이하게 인쇄될 수도 있다. 이러한 타입의 변동은, 균일한 인쇄 에러와는 달리, 그것이 광학 근접 보정(optical proximity correction; OPC) 또는 대상 변경(retargeting)에 의해 통상적으로 고정될 수 없기 때문에, 유해하다. 이전 시스템의 경우, 상이한 스캐너 상에서 또는 상이한 슬릿 위치에서 동일한 설계 레이아웃이 동일한 것을 인쇄하는 것을 보장하는 것은 각각의 개개의 반복에 대해 완전한 이미징 시뮬레이션을 필요로 한다. 이것은 계산적으로 무겁고, 기준 스캐너의 식별을 필요하는데, 이것은 종종 오퍼레이터에 대한 명백한 선택이 아니다(따라서 추가적인 변동을 야기할 수 있다). 각각의 스캐너는 기준 스캐너에 개별적으로 매치하지만, 그러나 임계 피쳐의 변동이 반드시 최소화되는 것은 아니다.
유리하게도, 캘리브레이팅된 수차 영향 모델은 (예를 들면, 종래 기술 시스템의 전체 이미징 시뮬레이션 대신에) 파면 튜닝을 위해 사용될 수 있다. 상기에서 설명되는 바와 같이, 모델은 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 상대적으로 간단한 초차원 함수를 포함한다. 초차원 함수는, (에어리얼 이미지의 계산 없이) 전체 시뮬레이션 대신 근사 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다. 다수의 스캐너의 이미징 성능을 설명하기 위해 다수의 모델이 사용될 수 있다. 본원에서 설명되는 모델(들)은, 다양한 다른 가능성 중에서도, 이미징 성능, 파면 잔차(wavefront residual), 및/또는 액추에이터 소비를 캡쳐하기 위해 네 가지 성분 비용 함수의 채택을 용이하게 한다. 또한, 이미징 성능은 (하드 스캐너 요건 대신) 유저에 의해 임의적으로 명시될 수 있다. 본원에서 설명되는 모델(들)은 (예를 들면, 제르니케 대신) 액추에이터를 변수로서 사용하는 것, 및 (예를 들면, 단일의 스캐너 대신) 다수의 스캐너에 대한 최적의 액추에이터 포지션을 구하기 위해 (예를 들면, 선형 솔버 대신) 일반 비선형 최적화기를 사용하는 것을 또한 용이하게 한다.
본 개시의 실시형태는, 기술 분야에서 통상의 기술을 가진 자가 본 개시를 실시하는 것을 가능하게 하기 위해 본 개시의 예시적인 예로서 제공되는 도면을 참조하여 상세하게 설명된다. 특히, 하기의 도면 및 예는 본 개시의 범위를 단일의 실시형태로 제한하도록 의도되지 않으며, 설명된 또는 예시된 엘리먼트의 일부 또는 모두의 교환을 통해 다른 실시형태도 가능하다. 또한, 본 개시의 소정의 엘리먼트가 공지된 컴포넌트를 사용하여 부분적으로 또는 완전히 구현될 수 있는 경우, 그러한 공지된 컴포넌트 중 본 개시의 이해를 위해 필요한 부분만이 설명될 것이고, 그러한 공지된 컴포넌트의 다른 부분의 상세한 설명은, 본 개시를 모호하게 하지 않기 위해, 생략될 것이다. 소프트웨어로 구현되고 있는 것으로 설명되는 실시형태는 그것으로 제한되어야 하는 것이 아니라, 오히려, 본원에서 달리 명시되지 않는 한, 기술 분야의 숙련된 자에게 명백할 바와 같이, 하드웨어, 또는 소프트웨어와 하드웨어의 조합으로 구현되는 실시형태를 포함할 수 있으며, 그 반대의 경우도 마찬가지이다. 본 명세서에서, 단일의 컴포넌트를 나타내는 실시형태는 제한적인 것으로 간주되어서는 안되며; 오히려, 본 개시는, 본원에서 달리 명시적으로 언급되지 않는 한, 복수의 동일한 컴포넌트를 포함하는 다른 실시형태를 포괄하도록 의도되며, 그 반대의 경우도 마찬가지이다. 또한, 본 출원인은 명세서 또는 청구범위에서의 임의의 용어가 일반적이지 않은 또는 특별한 의미를 할당받는 것을, 그러한 것으로 명시적으로 기술되지 않는 한, 의도하지는 않는다. 게다가, 본 개시는 예시로서 본원에서 언급되는 공지된 컴포넌트에 대한 현재의 및 미래의 공지된 등가물을 포괄한다.
본 문서에서 IC의 제조에 대한 특정한 참조가 이루어질 수도 있지만, 본원의 설명은 많은 다른 가능한 애플리케이션을 갖는다는 것이 명백히 이해되어야 한다. 예를 들면, 그것은, 통합된 광학 시스템의 제조, 자기 도메인 메모리에 대한 안내(guidance) 및 검출 패턴, 액정 디스플레이 패널, 박막 자기 헤드, 등등의 제조에서 활용될 수도 있다. 숙련된 기술자는, 그러한 대안적 애플리케이션의 맥락에서, 본 문서에서의 용어 "레티클", "웨이퍼" 또는 "다이"의 임의의 사용이, 더욱 일반적인 용어 "마스크", "기판", 및 "타겟 부분"과, 각각, 상호 교환 가능한 것으로 간주되어야 한다는 것을 인식할 것이다.
본 문서에서, 용어 "방사선" 및 "빔"은, 자외선 방사선(예를 들면, 365, 248, 193, 157 또는 126 nm의 파장을 가짐) 및 EUV(예를 들면, 약 5 내지 100 nm의 범위 내의 파장을 갖는 극자외선 방사선)을 비롯한, 모든 타입의 전자기 방사선을 포함하기 위해 사용된다.
용어 "투영 광학기기"는, 본원에서 사용될 때, 예를 들면, 굴절 광학기기, 반사 광학기기, 어퍼쳐 및 반사굴절 광학기기를 비롯한, 다양한 타입의 광학 시스템을 포괄하는 것으로 광의적으로 해석되어야 한다. 용어 "투영 광학기기"는 또한 방사선의 투영 빔을, 집합적으로 또는 단독으로, 지향, 성형 또는 제어하기 위해 이들 설계 타입 중 임의의 것에 따라 동작하는 컴포넌트를 포함할 수도 있다. 용어 "투영 광학기기"는, 광학 컴포넌트가 리소그래피 투영 장치의 광학 경로 상에서 어느 곳에 위치되더라도, 리소그래피 투영 장치 내에서 임의의 광학 컴포넌트를 포함할 수도 있다. 투영 광학기기는, 방사선이 (예를 들면, 반도체) 패턴화 디바이스를 통과하기 이전에 소스로부터의 방사선을 성형, 조정 및/또는 투영하기 위한 광학 컴포넌트, 및/또는 방사선이 패턴화 디바이스를 통과한 이후 방사선을 성형, 조정 및/또는 투영하기 위한 광학 컴포넌트를 포함할 수도 있다. 투영 광학기기는 일반적으로 소스와 패턴화 디바이스를 배제한다.
(예를 들면, 반도체) 패턴화 디바이스는 하나 이상의 설계 레이아웃을 포함할 수 있거나 또는 형성할 수 있다. 설계 레이아웃은 CAD(computer-aided design; 컴퓨터 지원 설계) 프로그램을 활용하여 생성될 수 있으며, 이 프로세스를 종종 EDA(electronic design automation; 전자 설계 자동화)로 칭해진다. 대부분의 CAD 프로그램은 기능적인 설계 레이아웃/패턴화 디바이스를 생성하기 위해 미리 결정된 설계 규칙의 세트를 따른다. 이들 규칙은 프로세싱 및 설계 제한에 의해 설정된다. 예를 들면, 설계 규칙은, 디바이스 또는 라인이 서로 바람직하지 않은 방식으로 상호 작용하지 않는 것을 보장하도록, 디바이스(예컨대, 게이트, 커패시터, 등등) 또는 인터커넥트 라인 사이의 공간 공차(space tolerance)를 정의한다. 설계 규칙은 특정한 파라미터, 파라미터에 대한 제한 및/또는 범위, 및/또는 다른 정보를 포함 및/또는 명시할 수도 있다. 설계 규칙 제한 및/또는 파라미터 중 하나 이상은 "임계 치수(CD)"로 지칭될 수도 있다. 디바이스의 임계 치수는 라인 또는 구멍의 가장 작은 폭 또는 두 라인 또는 두 구멍 사이의 가장 작은 공간, 또는 다른 피쳐로서 정의될 수 있다. 따라서, CD는 설계된 디바이스의 전체 사이즈 및 밀도를 결정한다. 디바이스 제조에서의 목표 중 하나는 (패턴화 디바이스를 통해) 기판 상에서 원래의 설계 의도를 충실하게 재현하는 것이다.
이 본문에서 활용되는 바와 같은 용어 "마스크" 또는 "패턴화 디바이스"는, 기판의 타겟 부분에서 생성될 패턴에 대응하는 패턴화된 단면을 유입하는 방사선 빔에 부여하기 위해 사용될 수 있는 일반적인 반도체 패턴화 디바이스를 지칭하는 것으로 광의적으로 해석될 수도 있고; 용어 "라이트 밸브(light valve)"도 이러한 맥락에서 또한 사용될 수 있다. 고전적인 마스크(투과형 또는 반사형; 바이너리, 위상 시프팅, 하이브리드, 등등) 외에, 다른 그러한 패턴화 디바이스의 예는 프로그래머블 미러 어레이 및 프로그래머블 LCD 어레이를 포함한다.
프로그래머블 미러 어레이의 한 예는 반사 표면 및 점탄성 제어 레이어를 구비하는 매트릭스 주소 지정 가능 표면(matrix-addressable surface)일 수 있다. 그러한 장치 이면에 있는 기본 원리는, 반사 표면의 (예를 들면) 주소 지정된 영역이 입사 방사선을 회절 방사선으로서 반사하고, 반면 주소 지정되지 않은 영역은 입사 방사선을 비회절 방사선(undiffracted radiation)으로서 반사한다는 것이다. 적절한 필터를 사용하여, 상기 회절되지 않은 방사선은 반사된 빔으로부터 필터링되어, 회절된 방사선만을 뒤에 남길 수 있고; 이러한 방식으로, 빔은 매트릭스 주소 지정 가능 표면의 주소 지정 패턴에 따라 패턴화되게 된다. 요구되는 매트릭스 주소 지정은 적절한 전자적 수단을 사용하여 수행될 수 있다. 프로그래머블 LCD 어레이의 한 예는 미국 특허 번호 제5,229,872호에서 주어지는데, 이 미국 특허는 참조에 의해 본원에 통합된다.
본원에서 사용될 때, 용어 "패턴화 프로세스"는 리소그래피 프로세스의 일부로서 명시된 패턴의 광의 적용에 의해 에칭된 기판을 생성하는 프로세스를 일반적으로 의미한다. 그러나, "패턴화 프로세스"는 플라즈마 에칭을 또한 포함할 수 있는데, 본원에서 설명되는 피쳐 중 많은 것이 플라즈마 프로세싱을 사용하여 인쇄된 패턴을 형성하는 데 이점을 제공할 수 있기 때문이다.
본원에서 사용될 때, 용어 "타겟 패턴"은 기판 상에 에칭될 이상적인 패턴을 의미한다.
본원에서 사용될 때, 용어 "인쇄된 패턴"은 타겟 패턴에 기초하여 에칭된 기판 상의 물리적 패턴을 의미한다. 인쇄된 패턴은, 예를 들면, 홈통(trough), 채널, 함몰부, 에지, 또는 리소그래피 프로세스로부터 유래하는 다른 이차원 및 삼차원 피쳐를 포함할 수 있다.
본원에서 사용될 때, 용어 "예측 모델", "프로세스 모델", 및/또는 모델(이들은 상호 교환 가능하게 사용될 수도 있음)은 패턴화 프로세스를 시뮬레이팅하는 하나 이상의 모델을 포함하는 모델을 의미한다. 예를 들면, 예측 및/또는 프로세스 모델은 광학 모델(예를 들면, 리소그래피 프로세스에서 광을 전달하기 위해 사용되는 렌즈 시스템/투영 시스템을 모델링하고 포토레지스트 상으로 진행하는 광의 최종 광학 이미지를 모델링하는 것을 포함할 수도 있음), 레지스트 모델(예를 들면, 레지스트의 물리적 효과, 예컨대 광에 기인하는 화학적 효과를 모델링함), 및/또는 OPC 모델(예를 들면, 타겟 패턴을 만들기 위해 사용될 수 있고 분해능 미만 레지스트 피쳐(sub-resolution resist feature; SRAF), 등등을 포함할 수도 있음), 및/또는 다른 모델을 포함할 수 있다.
본원에서 사용될 때, 용어 "캘리브레이팅"은 프로세스 모델과 같은 어떤 것을 수정(예를 들면, 개선 또는 튜닝) 및/또는 검증하는 것을 의미한다.
패턴화 시스템은 상기에서 설명되는 성분 중 임의의 것 또는 모두에, 이들 성분과 관련되는 동작 중 임의의 것 또는 모두를 수행하도록 구성되는 다른 성분을 더한 것을 포함하는 시스템일 수도 있다. 패턴화 시스템은, 예를 들면, 리소그래피 투영 장치, 스캐너, 및/또는 다른 시스템을 포함할 수도 있다.
소개로서, 도 1은 예시적인 리소그래피 투영 장치(10A)의 다양한 서브시스템의 다이어그램을 예시한다. 주요 컴포넌트는, 심 자외선 엑시머 레이저 소스 또는 극 자외선(extreme ultra violet; EUV) 소스를 포함하는 다른 타입의 소스일 수도 있는 방사선 소스(12A)(상기에서 논의되는 바와 같이, 리소그래피 투영 장치 그 자체는 방사선 소스를 가질 필요는 없음), 예를 들면, 부분적 가간섭성(시그마로서 표시됨)을 정의하고 소스(12A)로부터의 방사선을 성형하는 광학기기(14A, 16Aa 및 16Ab)를 포함할 수도 있는 조명 광학기기; 패턴화 디바이스(18A); 및 패턴화 디바이스 패턴의 이미지를 기판 평면(22A) 상으로 투영하는 투과 광학기기(16Ac)이다. 투영 광학기기의 동공 평면(pupil plane)에서의 조정 가능한 필터 또는 어퍼쳐(20A)는 기판 평면(22A)에 충돌하는 빔 각도의 범위를 제한할 수도 있는데, 여기서 가장 큰 가능한 각도는 투영 광학기기의 개구수(numerical aperture)(NA = nsin(Θmax))를 정의하고, 여기서 n은 기판과 투영 광학기기의 마지막 엘리먼트 사이의 매질의 굴절률이고, Θmax는 기판 평면(22A)에 여전히 충돌할 수 있는 투영 광학기기로부터 방출되는 빔의 최대 각도이다.
리소그래피 투영 장치에서, 소스는 패턴화 디바이스에 조명(즉, 방사선)을 제공하고 투영 광학기기는 그 조명을, 패턴화 디바이스를 통해, 기판 상으로 지향시키고 성형한다. 투영 광학기기는 컴포넌트(14A, 16Aa, 16Ab 및 16Ac) 중 적어도 일부를 포함할 수도 있다. 에어리얼 이미지(AI)는 기판 레벨에서의 방사선 강도 분포이다. 레지스트 모델은 에어리얼 이미지로부터 레지스트 이미지를 계산하기 위해 사용될 수 있는데, 그 예는 미국 특허 출원 공개 번호 제US 2009-0157630호에서 발견될 수 있으며, 그 미국 특허 출원의 개시는 참조에 의해 그 전체가 본원에 통합된다. 레지스트 모델은 레지스트 레이어의 속성(예를 들면, 노출, 노출 후 베이크(post-exposure bake; PEB) 및 현상 동안 발생하는 화학적 프로세스의 효과)에만 관련된다. 리소그래피 투영 장치의 광학적 속성(예를 들면, 조명, 패턴화 디바이스 및 투영 광학기기의 속성)은 에어리얼 이미지에 영향을 주고(dictate) 광학 모델에서 정의될 수 있다. 리소그래피 투영 장치에서 사용되는 패턴화 디바이스가 변경될 수 있기 때문에, 적어도 소스 및 투영 광학기기를 포함하는 리소그래피 투영 장치의 나머지의 광학적 속성으로부터 패턴화 디바이스의 광학적 속성을 분리하는 것이 바람직하다. 설계 레이아웃을 다양한 리소그래피 이미지(예를 들면, 에어리얼 이미지, 레지스트 이미지, 등등)로 변환하기 위해, 그들 기술 및 모델을 사용하여 OPC를 적용하기 위해 그리고 성능을 (예를 들면, 프로세스 윈도우의 관점에서) 평가하기 위해 사용되는 기술 및 모델의 세부 사항은, 미국 특허 출원 공개 번호 US 2008-0301620, 2007-0050749, 2007-0031745, 2008-0309897, 2010-0162197, 및 2010-0180251에서 설명되는데, 이들 문헌 각각의 개시는 참조에 의해 그 전체가 본원에 통합된다.
예를 들면, 패턴화 프로세스를 설계, 제어, 모니터링 등등을 하기 위해 사용될 수 있는 결과를 생성하기 위해, 하나 이상의 도구를 사용하는 것이 바람직할 수도 있다. 패턴화 프로세스의 하나 이상의 양태, 예컨대 (예를 들면, 분해능 미만 지원 피쳐 또는 광학 근접 보정을 추가하는 것을 포함하는) 패턴화 디바이스를 위한 패턴 설계, 패턴화 디바이스에 대한 조명, 등등을 계산적으로 제어, 설계, 등등을 함에 있어서 사용되는 하나 이상의 도구가 제공될 수도 있다. 따라서, 패턴화를 수반하는 제조 프로세스를 계산적으로 제어, 설계, 등등을 하기 위한 시스템에서, 제조 시스템 컴포넌트 및/또는 프로세스는 다양한 기능 모듈 및/또는 모델에 의해 설명될 수 있다. 몇몇 실시형태에서, 패턴화 프로세스의 하나 이상의 단계 및/또는 장치를 설명하는 하나 이상의 전자적(예를 들면, 수학적, 파라미터화된, 등등의) 모델이 제공될 수도 있다. 몇몇 실시형태에서, 패턴화 프로세스의 시뮬레이션은, 패턴화 디바이스에 의해 제공되는 설계 패턴을 사용하여 패턴화 프로세스가 패턴화된 기판을 형성하는 방법을 시뮬레이팅하기 위해, 하나 이상의 전자적 모델을 사용하여 수행될 수 있다.
리소그래피 투영 장치에서 리소그래피를 시뮬레이팅하기 위한 예시적인 플로우차트가 도 2에서 예시되어 있다. 이것은 예시적인 전체 리소그래피 시뮬레이션일 수도 있다. 조명 모델(31)은 조명의 광학적 특성(방사선 강도 분포 및/또는 위상 분포를 포함함)을 나타낸다. 투영 광학기기 모델(32)은 투영 광학기기의 광학적 특성(투영 광학기기에 의해 야기되는 위상 분포 및/또는 방사선 강도 분포에 대한 변화를 포함함)을 나타낸다. 설계 레이아웃 모델(35)은 설계 레이아웃의 광학적 특성(주어진 설계 레이아웃에 의해 야기되는 방사선 강도 분포 및/또는 위상 분포에 대한 변화를 포함함)을 나타내는데, 이것은 패턴화 디바이스 상의 또는 패턴화 디바이스에 의해 형성되는 피쳐의 배열의 표현이다. 에어리얼 이미지(36)는 조명 모델(31), 투영 광학기기 모델(32), 및 설계 레이아웃 모델(35)을 사용하여 시뮬레이팅될 수 있다. 레지스트 이미지(38)는 레지스트 모델(37)을 사용하여 에어리얼 이미지(36)로부터 시뮬레이팅될 수 있다. 예를 들면, 리소그래피의 시뮬레이션은 레지스트 이미지에서 윤곽(contour) 및/또는 CD를 예측할 수 있다.
더 구체적으로, 조명 모델(31)은 NA-시그마(σ) 설정뿐만 아니라 임의의 특정한 조명 형상(예를 들면, 환형, 4극자, 쌍극자, 등등과 같은 축외 조명(off-axis illumination))을 포함하는, 그러나 이들로 제한되지는 않는 조명의 광학적 특성을 나타낼 수 있다. 투영 광학기기 모델(32)은, 예를 들면, 수차, 왜곡, 굴절률, 물리적 사이즈 또는 치수, 등등을 비롯한, 투영 광학기기의 광학적 특성을 나타낼 수 있다. 설계 레이아웃 모델(35)은, 예를 들면, 참조에 의해 그 전체가 통합되는 미국 특허 번호 제7,587,704호에서 설명되는 바와 같이, 물리적 패턴화 디바이스의 하나 이상의 물리적 속성을 또한 나타낼 수 있다. 리소그래피 투영 장치와 관련되는 광학적 속성(예를 들면, 조명, 패턴화 디바이스 및 투영 광학기기의 속성)은 에어리얼 이미지에 영향을 준다. 리소그래피 투영 장치에서 사용되는 패턴화 디바이스가 변경될 수 있기 때문에, 적어도 조명 및 투영 광학기기를 포함하는 리소그래피 투영 장치의 나머지의 광학적 속성(그러므로, 설계 레이아웃 모델(35))으로부터 패턴화 디바이스의 광학적 속성을 분리하는 것이 바람직하다.
레지스트 모델(37)은 에어리얼 이미지로부터 레지스트 이미지를 계산하기 위해 사용될 수 있는데, 그 예는 미국 특허 번호 제8,200,468호에서 발견될 수 있으며, 이 특허는 참조에 의해 그 전체가 본원에 통합된다. 레지스트 모델은 레지스트 레이어의 속성(예를 들면, 노출, 노출 후 베이크 및/또는 현상 동안 발생하는 화학적 프로세스의 효과)에 통상적으로 관련된다.
전체 시뮬레이션의 목표 중 하나는, 예를 들면, 에지 배치, 에어리얼 이미지 강도 기울기 및/또는 CD를 정확하게 예측하는 것인데, 이들은, 그 다음, 의도된 설계에 대해 비교될 수 있다. 의도된 설계는 GDS, GDSII, OASIS, 또는 다른 파일 포맷과 같은 표준화된 디지털 파일 포맷으로 제공될 수 있는 OPC 전 설계 레이아웃(pre-OPC design layout)으로서 일반적으로 정의된다.
설계 레이아웃으로부터, "클립"으로서 지칭되는 하나 이상의 부분이 식별될 수도 있다. 한 실시형태에서, 설계 레이아웃의 복잡한 패턴을 나타내는 클립(임의의 수의 클립이 사용될 수도 있지만, 통상적으로 약 50 내지 1000 개의 클립)의 세트가 추출된다. 기술 분야의 숙련된 자에 의해 인식될 바와 같이, 이들 패턴 또는 클립은 설계의 작은 부분(예를 들면, 회로, 셀, 등등)을 나타내고, 특히 클립은 특별한 주의 및/또는 검증이 필요로 되는 작은 부분을 나타낸다. 다시 말하면, 클립은 설계 레이아웃의 일부일 수도 있거나 또는 임계 피쳐가 경험(고객에 의해 제공되는 클립을 포함함)에 의해, 시행 착오(trial and error)에 의해, 또는 전체 칩 시뮬레이션을 실행하는 것에 의해 식별되는 설계 레이아웃의 일부의 유사한 거동을 가질 수도 있거나 또는 유사할 수도 있다. 클립은 하나 이상의 테스트 패턴 또는 게이지 패턴을 종종 포함한다. 특정한 이미지 최적화를 필요로 하는 설계 레이아웃에서의 공지된 임계 피쳐 영역에 기초하여, 클립의 초기의 더 큰 세트가 고객에 의해 선험적으로 제공될 수도 있다. 대안적으로, 다른 실시형태에서, 클립의 초기의 더 큰 세트는, 임계 피쳐 영역을 식별하는 자동화된(예컨대, 머신 비전) 또는 수동 알고리즘을 사용하는 것에 의해 전체 설계 레이아웃으로부터 추출될 수도 있다.
예를 들면, 시뮬레이션 및 모델링은 패턴화 디바이스 패턴의 하나 이상의 피쳐(예를 들면, 광학 근접 보정을 수행함), 조명의 하나 이상의 피쳐(예를 들면, 형상을 변경하는 것과 같은, 조명의 공간/각도 강도 분포의 하나 이상의 특성을 변경함), 및/또는 투영 광학기기의 하나 이상의 피쳐(예를 들면, 개구수, 등등)을 구성하기 위해 사용될 수 있다. 그러한 구성은, 각각, 마스크 최적화, 소스 최적화, 및 투영 최적화로서 일반적으로 지칭될 수 있다. 그러한 최적화는 단독으로 수행될 수 있거나, 또는 상이한 조합으로 결합될 수도 있다. 하나의 그러한 예는, 조명의 하나 이상의 피쳐와 함께 패턴화 디바이스 패턴의 하나 이상의 피쳐의 구성을 수반하는 소스-마스크 최적화(source-mask optimization; SMO)이다. 최적화 기술은 클립 중 하나 이상에 초점을 맞출 수도 있다. 최적화는 다양한 파라미터(이미지, 등등을 포함함)의 값을 예측하기 위해 본원에서 설명되는 머신 러닝 모델을 사용할 수도 있다.
몇몇 실시형태에서, 시스템의 최적화 프로세스는 비용 함수로 표현될 수도 있다. 최적화 프로세스는 비용 함수를 최소화하는 시스템의 파라미터(설계 변수, 프로세스 변수, 등등)의 세트를 찾는 것을 포함할 수도 있다. 비용 함수는 최적화의 목표에 따라 임의의 적절한 형태를 가질 수 있다. 예를 들면, 비용 함수는 이들 특성의 의도된 값(예를 들면, 이상적인 값)에 대한 시스템의 소정의 특성(평가 포인트)의 편차의 가중된 제곱 평균 제곱근(root mean square; RMS)일 수 있다. 비용 함수는 또한 이들 편차의 최대치(즉, 최악의 편차)일 수 있다. 용어 "평가 포인트"은 시스템 또는 제조 방법의 임의의 특성을 포함하도록 광의적으로 해석되어야 한다. 시스템의 설계 및/또는 프로세스 변수는 시스템 및/또는 방법의 구현예의 실용성에 기인하여 상호 의존적일 수 있고 및/또는 유한한 범위로 제한될 수 있다. 리소그래피 투영 장치의 경우, 제약은 종종, 튜닝 가능한 범위, 및/또는 패턴화 디바이스 제조 가능성 설계 규칙과 같은 하드웨어의 물리적 속성 및 특성과 관련된다. 평가 포인트는 기판 상의 레지스트 이미지 상의 물리적 포인트뿐만 아니라, 예를 들면, 선량 및 초점과 같은 비물리적 특성을 포함할 수 있다.
리소그래피 투영 장치에서, 한 예로서, 비용 함수는 다음과 같이 표현될 수도 있다
Figure pct00001
여기서 (z1, z2, ..., zN)은 N 개의 설계 변수 또는 그 값이고, fp(z1, z2, ..., zN)은, (z1, z2, ..., zN)의 설계 변수의 값의 세트에 대한 특성의 의도된 값과 실제 값 사이의 차이와 같은 설계 변수(z1, z2, ..., zN)의 함수일 수도 있다. 몇몇 실시형태에서, wp는 fp(z1, z2, ..., zN)과 관련되는 가중 상수(weight constant)이다. 예를 들면, 특성은, 에지 상의 주어진 포인트에서 측정되는, 패턴의 에지의 포지션일 수도 있다. 상이한 fp(z1, z2, ..., zN)은 상이한 가중치(wp)를 가질 수도 있다. 예를 들면, 특정한 에지가 좁은 범위의 허용된 포지션을 갖는 경우, 에지의 의도된 포지션과 실제 포지션 사이의 차이를 나타내는 fp(z1, z2, ..., zN)에 대한 가중치(wp)는 더 높은 값을 제공받을 수도 있다. fp(z1, z2, ..., zN)은 또한 레이어간 특성의 함수일 수 있는데, 이것은, 결국에는, 설계 변수 (z1, z2, ..., zN)의 함수이다. 물론, CF(z1, z2, ..., zN)은 상기의 수학식의 형태로 제한되지 않으며 CF(z1, z2, ..., zN)은 임의의 다른 적절한 형태에 있을 수 있다.
비용 함수는 리소그래피 투영 장치, 리소그래피 프로세스 또는 기판의 임의의 하나 이상의 적절한 특성, 예를 들면, 초점, CD, 이미지 시프트, 이미지 왜곡, 이미지 회전, 확률론적 변동(stochastic variation), 스루풋, 로컬 CD 변동, 프로세스 윈도우, 레이어간 특성, 또는 이들의 조합을 나타낼 수도 있다. 몇몇 실시형태에서, 비용 함수는 레지스트 이미지의 하나 이상의 특성을 나타내는 함수를 포함할 수도 있다. 예를 들면, fp(z1, z2, ..., zN)은 단순히 레지스트 이미지에서의 한 포인트 대 그 포인트의 의도된 포지션 사이의 거리(즉, 에지 배치 에러 EPEP(z1, z2, ..., zN))일 수도 있다. 파라미터(예를 들면, 설계 변수)는 소스, 패턴화 디바이스, 투영 광학기기, 선량, 초점, 등등의 조정 가능한 파라미터와 같은 임의의 조정 가능한 파라미터를 포함할 수 있다.
파라미터(예를 들면, 설계 변수)는 (z1, z2, ..., zN)∈Z로서 표현될 수 있는 제약을 가질 수도 있는데, 여기서 Z는 설계 변수의 가능한 값의 세트이다. 설계 변수에 대한 하나의 가능한 제약은 리소그래피 투영 장치의 소망되는 스루풋에 의해 부과될 수도 있다. 소망되는 스루풋에 의해 부과되는 그러한 제약이 없으면, 최적화는 비현실적인 설계 변수의 값의 세트를 산출할 수도 있다. 제약은 필수 사항으로서 해석되어서는 안된다. 예를 들면, 스루풋은 동공 충전 비율에 의해 영향을 받을 수도 있다. 몇몇 조명 설계의 경우, 낮은 동공 충전 비율은 방사선을 폐기할 수도 있고, 더 낮은 스루풋으로 이어질 수도 있다. 스루풋은 레지스트 화학적 성질에 의해 또한 영향을 받을 수도 있다. 더 느린 레지스트(예를 들면, 적절하게 노출되기 위해 더 많은 양의 방사선을 필요로 하는 레지스트)는 더 낮은 스루풋으로 이어진다.
몇몇 실시형태에서, 조명 모델(31), 투영 광학기기 모델(32), 설계 레이아웃 모델(35), 레지스트 모델(37), 및/또는 집적 회로 제조 프로세스와 관련되고 및/또는 집적 회로 제조 프로세스에 포함되는 다른 모델은 본원에서 설명되는 방법의 동작을 수행하는 경험적 모델(empirical model)일 수도 있다. 경험적 모델은 다양한 입력(예를 들면, 마스크 또는 웨이퍼 이미지의 하나 이상의 특성, 설계 레이아웃의 하나 이상의 특성, 패턴화 디바이스의 하나 이상의 특성, 파장과 같은 리소그래피 프로세스에서 사용되는 조명의 하나 이상의 특성, 등등) 사이의 상관 관계에 기초하여 출력을 예측할 수도 있다.
한 예로서, 경험적 모델은 하나 이상의 알고리즘을 포함할 수도 있다. 다른 예로서, 경험적 모델은 머신 러닝 모델 및/또는 임의의 다른 파라미터화된 모델일 수도 있다. 몇몇 실시형태에서, 머신 러닝 모델은 (예를 들면,) 수학식, 알고리즘, 플롯, 차트, 네트워크(예를 들면, 신경망), 및/또는 다른 도구 및 머신 러닝 모델 컴포넌트일 수도 있고 및/또는 그들을 포함할 수도 있다. 예를 들면, 머신 러닝 모델은 입력 레이어, 출력 레이어, 및 하나 이상의 중간 또는 은닉 레이어를 갖는 하나 이상의 신경망일 수도 있고 및/또는 그들을 포함할 수도 있다. 몇몇 실시형태에서, 하나 이상의 신경망은 심층 신경망(예를 들면, 입력 레이어와 출력 레이어 사이에서 하나 이상의 중간 또는 은닉 레이어를 갖는 신경망)일 수도 있고 및/또는 그들을 포함할 수도 있다.
한 예로서, 하나 이상의 신경망은 신경 단위(또는 인공 뉴런)의 대규모 콜렉션에 기초할 수도 있다. 하나 이상의 신경망은 (예를 들면, 축색 돌기에 의해 연결되는 생물학적 뉴런의 큰 클러스터를 통해) 생물학적 뇌가 작동하는 방식을 느슨하게 모방할 수도 있다. 신경망의 각각의 신경 단위는 신경망의 많은 다른 신경 단위와 연결될 수도 있다. 그러한 연결은 연결된 신경 단위의 활성화 상태에 대한 그들의 영향을 보강할 수 있거나 또는 억제할 수 있다. 몇몇 실시형태에서, 각각의 개개의 신경 단위는 그것의 모든 입력의 값을 함께 결합하는 합산 함수를 가질 수도 있다. 몇몇 실시형태에서, 각각의 연결(또는 신경 단위 그 자체)은, 신호가, 다른 신경 단위로 전파되도록 허용되기 이전에, 임계치를 초과해야 하는 임계치 함수를 가질 수도 있다. 이들 신경망 시스템은, 명시적으로 프로그래밍되기 보다는, 자체 학습 및 트레이닝될 수도 있고, 전통적인 컴퓨터 프로그램과 비교하여, 문제 해결의 소정의 영역에서 훨씬 더 잘 수행할 수 있다. 몇몇 실시형태에서, 하나 이상의 신경망은 (예를 들면, 신호 경로가 전방 레이어(front layer)로부터 후방 레이어(back layer)로 이동하는 경우) 다수의 레이어를 포함할 수도 있다. 몇몇 실시형태에서, 후방 전파 기술은 신경망에 의해 활용될 수도 있는데, 여기서 순방향 자극(forward stimulation)은 "전방" 신경 단위에 대한 가중치를 리셋하기 위해 사용된다. 몇몇 실시형태에서, 하나 이상의 신경망에 대한 자극 및 억제는, 더욱 혼란스럽고 복잡한 양식으로 상호 작용하는 연결을 통해, 더 자유롭게 흐를 수도 있다. 몇몇 실시형태에서, 하나 이상의 신경망의 중간 레이어는 하나 이상의 컨볼루션 레이어, 하나 이상의 순환 레이어, 및/또는 다른 레이어를 포함한다.
하나 이상의 신경망은 트레이닝 정보의 세트를 사용하여 트레이닝될 수도 있다(즉, 자신의 파라미터가 결정됨). 트레이닝 정보는 트레이닝 샘플의 세트를 포함할 수도 있다. 각각의 샘플은 입력 오브젝트(통상적으로, 피쳐 벡터(feature vector)로 칭해질 수도 있는 벡터)와 소망되는 출력 값(감독 신호(supervisory signal)로 또한 칭해짐)을 포함하는 쌍일 수도 있다. 트레이닝 알고리즘은 트레이닝 정보를 분석하고 트레이닝 정보에 기초하여 신경망의 파라미터(예를 들면, 하나 이상의 레이어의 가중치)를 조정하는 것에 의해 신경망의 거동을 조정한다. 예를 들면, xi가 i 번째 예의 피쳐 벡터이고 yi가 그것의 감독 신호이도록 하는 형태 {(x1, y1), (x2, y2), ..., (xN, yN)}의 N 개의 트레이닝 샘플의 세트가 주어지면, 트레이닝 알고리즘은 신경망 g:X→Y를 추구하는데, 여기서, X는 입력 공간이고 Y는 출력 공간이다. 피쳐 벡터는 몇몇 오브젝트(예를 들면, 시뮬레이팅된 에어리얼 이미지, 웨이퍼 설계, 클립, 등등)를 나타내는 수치 피쳐의 n 차원 벡터이다. 이들 벡터와 관련되는 벡터 공간은 종종 피쳐 공간으로 칭해진다. 트레이닝 이후, 신경망은 새로운 샘플을 사용하여 예측을 행하기 위해 사용될 수도 있다.
본 시스템 및 방법은 패턴화 시스템(예를 들면, 스캐너) 수차가 패턴화 프로세스에 대해 가질 수도 있는 영향을 예측하도록 구성되는 캘리브레이팅된 모델을 포함한다. 캘리브레이팅된 모델은, 예를 들면, 본원에서 수차 영향 모델로서 지칭될 수도 있다. 수차 영향 모델은 패턴화 시스템 수차 데이터(예를 들면, 특정한 수차의 특성을 설명하는 데이터)를 수신하도록 그리고 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터(예를 들면, 대응하는 패턴화 프로세스 결과에 대해 수차가 가지는 영향을 설명하는 데이터)를 결정하도록 구성된다. 수차 영향 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅된다. 이전 시스템과는 대조적으로, 수차 영향 모델은, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 상대적으로 간단한 초차원 함수를 포함한다. 초차원 함수는, 전체 시뮬레이션 대신 단순화된 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다. 예를 들면, 수차 영향 모델은 선형 또는 2차 알고리즘을 포함할 수도 있다. 상기에서 설명되는 바와 같이, 완전한 시뮬레이션은 소스, 마스크, 선량, 초점, 및/또는 리소그래피 프로세스의 다른 양태의 시뮬레이션을 포함할 수도 있다(예를 들면, 도 2 참조). 전체 시뮬레이션 대신 수차 영향 모델을 사용한 모델링은, 적어도, 에어리얼 이미지 표현의 생성 또는 시뮬레이션, 또는 다르게는 계산 없이 모델링하는 것을 포함한다. 수차 영향 모델은, 전체 시뮬레이션에서 필요로 될 소스, 마스크, 선량, 초점, 등등에 관련되는 다른 정보에 대한 필요 없이, 입력된 패턴화 시스템 수차 데이터에 기초하여 예측을 생성하도록 구성된다.
모델로부터의 새로운 패턴화 프로세스 영향 데이터는, 예를 들면, EVU 리소그래피 시스템에서의 미러 가열 또는 DUV 리소그래피 시스템에서의 렌즈 가열에 의해 야기되는 수차인, 패턴화 시스템의 동적 현장 수차 제어를 가능하게 하기 위해 투영 광학기기 정정 모델과 같은 제2 모델로 제공될 수 있다(예를 들면, 모델로부터의 출력이 형식이 정해짐). 유리하게는, 이것은 (예를 들면, 예컨대, 미러 가열 및/또는 패턴화 기기 및/또는 패턴화 프로세스의 다른 동적 양태에 의해 야기되는 수차의 제어를 위해) 이미징 성능을 인식하는 빠르고 동적인 스캐너 수차(및 파면) 제어를 용이하게 한다.
도 3은 본 개시의 실시형태에 따른 예시적인 방법(300)을 예시한다. 몇몇 실시형태에서, 방법(300)은 수차 영향 모델을 캘리브레이팅하는 것(302), 패턴화 시스템 수차 데이터를 수신하는 것(304), 패턴화 프로세스 영향 데이터를 예측 및/또는 다르게는 결정하는 것(306), 패턴화 프로세스 영향 데이터를 제2 모델에 제공하는 것(308), 패턴화 시스템의 동적 현장 수차 제어를 수행하는 것(310), 및/또는 다른 동작을 포함한다. 하기에서 제시되는 방법(300)의 동작은 예시적인 것으로 의도된다. 몇몇 실시형태에서, 방법(300)은 설명되지 않는 하나 이상의 추가적인 동작을 가지고, 및/또는 논의되는 동작 중 하나 이상 없이, 달성될 수도 있다. 예를 들면, 동작(308, 310), 및/또는 다른 동작은 옵션 사항일 수도 있다. 추가적으로, 방법(300)의 동작이 도 3에서 예시되고 하기에서 설명되는 순서는 제한하는 것으로 의도되는 것은 아니다.
동작(302)에서, 수차 영향 모델은 캘리브레이팅된다. 수차 영향 모델은, 예를 들면, 예측 모델일 수도 있다. 캘리브레이션은 모델 생성, 트레이닝, 튜닝, 및/또는 다른 동작을 포함할 수도 있다. 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅된다. 패턴화 시스템은 스캐너(예컨대, 도 1에서 그리고 더 나중의 도면에서 도시되는 리소그래피 투영 장치)일 수도 있고 및/또는 그것을 포함할 수도 있다. 스캐너에서, 수차는 스캐너 내의 렌즈 엘리먼트(예를 들면, 렌즈, 미러, 및/또는 다른 엘리먼트)의 표면이 의도된 포지션에 있지 않을 때 발생할 수도 있다. 렌즈 엘리먼트의 표면은, 예를 들면, 렌즈 엘리먼트 가열 때문에, 의도된 포지션에 있지 않을 수도 있지만, 그러나 많은 상이한 원인을 가질 수도 있다. 패턴화 시스템 수차 데이터는 특정한 수차의 특성, 수차의 원인, 및/또는 다른 데이터를 설명하는 데이터를 포함한다. 패턴화 시스템 수차 데이터는 측정된 및/또는 시뮬레이팅된 수차, 수차와 관련되는 시스템 및/또는 프로세스 파라미터, 및/또는 다른 파면 정보를 포함할 수도 있다. 파면 수차(또는 본원에서 사용되는 바와 같은 "수차")는 이상적인 파면과 실제 파면 사이의 편차(불일치의 정도)를 지칭할 수도 있다.
예를 들면, 렌즈 엘리먼트가 가열되는 경우, 레이저 출력 레벨, 동공 형상, 타겟 설계, 노출 선량, 및/또는 다른 요인에 의해 형상 변화(이것이 수차를 야기함)가 야기될 수도 있다. 이들 및 다른 인자 중 임의의 것 및/또는 모두는 패턴화 시스템 수차 데이터 세트 내에 포함될 수도 있다. 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 프로세스에 대해 수차가 가지는 영향을 설명하는 데이터를 포함한다. 예를 들면, 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 기판에 대한 이미징 성능, 예를 들면, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 패턴화 프로세스와 관련되는 결함 카운트, 및/또는 다른 파라미터에 대한 영향을 나타낼 수도 있다. 패턴화 프로세스 영향 데이터는 다양한 파라미터에 대한 값, (예를 들면, 하기에서 설명되는 바와 같은) 비용 및/또는 메리트 함수, 및/또는 다른 정보를 포함할 수도 있다.
패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터는 공지된 및/또는 다르게는 이전에 결정된 데이터를 포함한다. 패턴화 시스템 수차 및/또는 프로세스 영향 캘리브레이션 데이터는 다른 방식으로 측정, 시뮬레이팅, 및/또는 결정될 수도 있다. 몇몇 실시형태에서, 캘리브레이션 데이터는, 관련된 동공 형상, 패턴화 디바이스 설계, 및 다양한 수차 입력에 기초하여 전체 시뮬레이션 모델을 실행하는 것에 의해 획득된다(예를 들면, 이 경우 전체 시뮬레이션 모델은 조명 모델(31), 투영 광학기기 모델(32), 설계 레이아웃 모델(35), 레지스트 모델(37), 및/또는 다른 모델 중 하나 이상을 포함할 수도 있음).
몇몇 실시형태에서, 수차 영향 모델은 패턴화 프로세스 영향 캘리브레이션 데이터의 예측을 획득하기 위해 패턴화 시스템 수차 캘리브레이션 데이터를 기본(예측) 모델에 제공하는 것, 및 기본 모델의 하나 이상의 구성을 업데이트하기 위한 피드백으로서 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하는 것에 의해 캘리브레이팅된다. 예를 들면, 수차 영향의 하나 이상의 구성은 패턴화 프로세스 영향 캘리브레이션 데이터와 패턴화 프로세스 영향 캘리브레이션 데이터의 예측 사이의 비교에 기초하여 업데이트된다. 수차 영향 모델을 캘리브레이팅하기 위해 사용되는 캘리브레이션 데이터는 입력(예를 들면, 공지된 패턴화 시스템 수차 데이터) 및 대응하는 공지된 출력(예를 들면, 공지된 패턴화 프로세스 영향 캘리브레이션 데이터)의 쌍 또는 세트를 포함할 수도 있다. 몇몇 실시형태에서, 수차 영향 모델은 트레이닝 정보의 제공된 쌍을 사용하여 자체 학습할 수도 있다. 그 다음, 캘리브레이팅된 수차 영향 모델은, 상기에서 설명되는 바와 같이 상이한 패턴화 시스템 수차 데이터와 같은 다양한 입력 정보에 기초하여 (예를 들면, 패턴화 프로세스 영향에 대한) 예측을 행하기 위해 사용될 수 있다.
몇몇 실시형태에서, 수차 영향 모델은 수신된 패턴화 시스템 수차 데이터를 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다. 몇몇 실시형태에서, 모델을 캘리브레이팅하는 것은, 함수의 하나 이상의 파라미터를 튜닝하는 것 및/또는 다르게는 조정하는 것에 의해 기본 모델의 하나 이상의 구성을 업데이트하는 것을 포함한다. 몇몇 실시형태에서, 튜닝은, 예측된 패턴화 프로세스 영향 데이터가 공지된 패턴화 프로세스 영향 캘리브레이션 데이터와 더 잘 매치하도록, 또는 공지된 패턴화 프로세스 영향 캘리브레이션 데이터에 더 잘 대응하도록 하나 이상의 모델 파라미터를 조정하는 것을 포함한다. 몇몇 실시형태에서, 튜닝은 새로운 및/또는 추가적인 입력/출력 캘리브레이션 데이터 쌍을 포함하는 추가적인 캘리브레이션 정보를 사용하여 모델을 트레이닝시키는 것 또는 재트레이닝시키는 것을 포함한다.
몇몇 실시형태에서, 수차 영향 모델(예를 들면, 초차원 함수)은 비선형 알고리즘, 선형 알고리즘, 2차 알고리즘, 또는 이들의 조합 중 하나 이상을 포함하지만, 그러나 임의의 적절한 임의적인 수학적 함수일 수 있고 및/또는 그것을 포함할 수 있다. 예를 들면, 초차원 함수는 어떤 임의적인 거듭제곱 다항식 형태, 구분적 다항식 형태(piece-wise polynomial form), 지수 형태, 가우시안 형태, 시그모이드 형태, 의사 결정 트리 타입의 형태, 컨볼루션 신경망 타입의 형태, 등등을 가질 수도 있다. 이들 알고리즘은, 초차원 함수가, 전체 시뮬레이션 대신 단순화된 형태로, 패턴화 시스템 수차를 패턴화 프로세스 영향과 수학적으로 상관시키게끔 구성되도록 임의의 수의 파라미터, 가중치, 및/또는 다른 피쳐를 임의의 조합으로 포함할 수도 있다. 본 개시의 범위를 다음의 예로 제한하지 않으면서, 예시적인 선형 알고리즘은 제르니케 항의 선형 형태를 포함할 수도 있는데, 여기서 선형 계수는 개개의 제르니케 항에 대한 CD, PPE, EPE, 비대칭성, 결함, 및/또는 다른 파라미터의 의존성의 선형 회귀를 통해 계산된다. 예시적인 2차 알고리즘은 제르니케 항의 선형 및 2차 형태를 포함할 수도 있는데, 여기서 선형 및 2차 계수는 개개의 제르니케 항에 대한 CD, PPE, 및/또는 다른 파라미터의 의존성의 비선형 회귀를 통해 계산된다.
몇몇 실시형태에서, 함수의 형태(예를 들면, 비선형, 선형, 2차, 등등), 함수의 파라미터, 알고리즘에서의 가중치, 및/또는 함수의 다른 특성은, 상기에서 설명되는 캘리브레이션에 기초하여, 유저에 의해 제공되는 정확도 및 런타임 성능 명세에 기초하여, 본 시스템에 포함되는 유저 인터페이스를 통한 유저에 의한 정보의 수동 입력 및/또는 선택에 기초하여, 및/또는 다른 방법에 의해 자동적으로 결정될 수도 있다. 몇몇 실시형태에서, 함수의 형태(예를 들면, 비선형, 선형, 2차, 등등), 함수의 파라미터, 및/또는 함수의 다른 특성은 (예를 들면, 수차 변경을 야기할 수도 있는 및/또는 영향을 끼칠 수도 있는 프로세싱 파라미터 및/또는 다른 조건으로서) 기판의 개개의 레이어에 따라 및/또는 다른 정보에 기초하여 변할 수도 있다. 예를 들면, 반도체 디바이스 제조 패턴화 동작 동안 생성되는 기판의 상이한 레이어에 대해 상이한 모델이 캘리브레이팅될 수도 있다.
전체 시뮬레이션 모델은 통상적으로 계산적으로 비용이 많이 들고 시간 소모적이며, 따라서, 대량 제조 동안 보상을 허용하기 위해 실시간 수차 드리프트를 프로세싱하는 데 적합하지 않다. 비제한적인 예로서, 도 4는 전체 시뮬레이션(402)과 비교하여 본 수차 영향 모델(400)의 동작을 예시한다. 상기에서 설명되는 바와 같이, 완전한 시뮬레이션은 소스, 마스크, 선량, 초점, 및/또는 리소그래피 프로세스의 다른 양태의 시뮬레이션을 포함할 수도 있다(예를 들면, 도 2 참조). 전체 시뮬레이션 대신 본 수차 영향 모델을 사용한 모델링은, 적어도, 에어리얼 이미지 또는 그 표현의 계산(예를 들면, 시뮬레이션 또는 생성) 없이 모델링하는 것을 포함한다. 수차 영향 모델은, 전체 시뮬레이션에서 필요로 될 소스, 마스크, 선량, 초점, 등등에 관련되는 다른 정보에 대한 필요 없이, 입력된 패턴화 시스템 수차 데이터에 기초하여 예측을 생성하도록 구성된다.
도 4에서 도시되는 바와 같이, 본 시스템 및 방법의 발명 이전에, 전체 리소그래피 시뮬레이션(406)을 위해 측정된, 모델링된, 및/또는 다르게는 결정된 수차(Z)(예를 들면, 패턴화 시스템 수차 데이터에 의해 정의됨)가 사용되었다(404). 전체 리소그래피 시뮬레이션(406)은, 그 다음, (예를 들면, 패턴화 프로세스 영향 데이터에 의해 정의되는 및/또는 그것을 포함하는) 리소그래피 프로세스 비용을 평가하기 위해 사용되었다(408). 애플리케이션 고유의 사용 사례에 따라, 유저는 CD, PPE, EPE, CD 비대칭성, 결함 카운트, 등등과 같은 상이한 리소그래피 성능 메트릭에 집중할 것을 선택할 수도 있다. 비용(메리트) 함수인 s(CD, PPE, ...)는 유저 요건에 따라 정의되었다. 임의의 주어진 수차(Z)에 대해, 전체 리소그래피 시뮬레이션이 수행되어, CD, PPE, EPE를 획득하고, 그 다음 s(CD, PPE, ...)를 평가하였다. 전체 리소그래피 시뮬레이션은 느리고 비용이 많이 든다. 따라서, 그러한 시뮬레이션을 반복적으로 반복하는 것은 동적 현장 수차 제어에 대해 적합하지 않다. 대조적으로, 수차 영향 모델(400)은, 적어도 그것이 계산 집약적이지 않기 때문에, 전체 시뮬레이션보다 훨씬 더 빠르게 적용될 수 있다. 예를 들면, 도 4에서 도시되는 바와 같이, 프로세스 비용은 모델링될 수도 있고(410) 수차의 함수(예를 들면, 도시되는 바와 같이 s(Z))로서 직접적으로 정의될 수도 있다. 함수 s(Z)는 수차의 함수로서 패턴화 프로세스에 대한 영향을 나타낼 수도 있다. 본 개시의 실시형태는 수차 및 수차 정정을 참조하여 매우 상세하게 설명된다. 예를 들면, 본원에서 논의되는 바와 같이, 파면 수차는 이상적인 파면과 실제 파면 사이의 편차(불일치의 정도)를 지칭할 수도 있다. 그러나, 본원에서 개시되는 메커니즘은 본 개시의 범위로부터 벗어나지 않으면서 리소그래피 프로세스에서 다른 파면 양태 모니터링 또는 정정에 적용될 수 있다.
다른 비제한적인 예로서, 도 5는 본 수차 영향 모델(400)을 구축하기 위한 예시적인 동작(500)을 예시한다. 상기에서 설명되는 바와 같이, 캘리브레이션 데이터(503)는 상이한 수차(예를 들면, Z1, ..., Zn)의 반복된 시뮬레이션(502) 및 패턴화 프로세스에 대해 상이한 수차가 가지는 영향에 기초하여 생성될(501) 수도 있는데, 여기서 영향은 포괄적인 비용 함수 s(Z)에 의해 표현될 수도 있다. 캘리브레이션 데이터(503)는 수차 영향 모델(400)을 생성하기 위해 기본 모델(506)(예를 들면, 결정된 형태 ― 선형, 2차, 등등 ― 를 가짐)을 캘리브레이팅하기(504) 위해 사용된다.
도 3으로 돌아가서, 동작(304)에서, 패턴화 시스템 수차 데이터는 수차 영향 모델에 의해 수신된다. 수신된 패턴화 시스템 수차 데이터는, 특정한 수차의 특성, 수차의 원인, 및/또는 다른 데이터를 설명하는 데이터를 포함할 수도 있다. 패턴화 시스템 수차 데이터는 측정된 및/또는 시뮬레이팅된 수차, 수차와 관련되는 시스템 및/또는 프로세스 파라미터, 및/또는 다른 정보를 포함할 수도 있다. 데이터는 예측을 생성하기 위한 입력으로서 모델에 의해 수신된다. 데이터는 본 시스템의 하나 이상의 다른 부분으로부터(예를 들면, 상이한 프로세서로부터), 본 시스템과 관련되지 않는 원격 컴퓨팅 시스템으로부터, 및/또는 다른 소스로부터 전자적으로 수신될 수도 있다. 데이터는 무선으로 및/또는 유선을 통해, 휴대용 저장 매체를 통해, 및/또는 다른 소스로부터 수신될 수도 있다. 데이터는, 예를 들면, 클라우드 스토리지와 같은 다른 소스로부터 업로드 및/또는 다운로드될 수도 있고, 및/또는 다른 방식으로 수신될 수도 있다.
몇몇 실시형태에서, 패턴화 시스템 수차 데이터는 기판의 제조 동안 수신된다. 예를 들면, 수차 드리프트는 반도체 제조 프로세스에서 기판의 레이어를 프로세싱하는 동안 또는 기판의 레이어를 프로세싱하기 직전에 측정될 수도 있다(예를 들면, 및/또는 패턴화 시스템 수차 데이터가 결정될 수도 있다). 수차 영향 모델의 상대적으로 시간 소모적이고 계산 집약적인 구성 및 캘리브레이션은 대량 제조에서의 그것의 활용 이전에 달성된다. 캘리브레이팅된 모델은, 조명 모델(31), 투영 광학기기 모델(32), 설계 레이아웃 모델(35), 레지스트 모델(37), 또는 예측을 행하기 위한 다른 모델의 활용을 수반하지 않는 단순화된 형태를 가지는데, 이것은 유리하게는 실시간 또는 거의 실시간 계산이 스캐너(패턴화 시스템) 수차에 대한 보상을 정확하게 획득하는 것을 가능하게 한다. 게다가, 캘리브레이팅된 모델이 기판에 대한 하나 이상의 이미징 성능 인자를 최적화하도록 구성될 수 있기 때문에, 결정된 수차 보상은 유리하게도 기판에 대한 최적의 이미징 성능을 초래할 수 있다.
비제한적인 예로서, 도 6은 오프라인 또는 연구 및 개발 국면(600) 동안의 수차 영향 모델(400)(예를 들면, 도 5에서 도시되는 동작)의 구축(동작(500)을 사용함), 및 그 다음 대량 제조 국면(602)에서 모델(400)을 사용하는 것을 예시한다. 도 5에서 도시되는 바와 같이, 제조 국면(602)에서, 모델(400)은 측정된 수차(604) 데이터(예를 들면, 패턴화 시스템 수차 데이터)를 수신하도록 그리고 새로운 패턴화 프로세스 영향 데이터(s(Z))를 출력하도록 구성된다. 몇몇 실시형태에서, 수차 영향 모델은 이미징 성능 데이터를 "출력"할 필요가 없다. 하기에서 설명되는 바와 같이, 모델(400)로부터의 출력(예를 들면, s(Z))(및/또는 모델에 의해 "출력" 되지 않는 계산 결과)은 동적 현장 스캐너 수차 제어(612)를 용이하게 하기 위해 제2 모델(610)에 의해 사용되도록 구성된다. 그러나, 이것은 예시에 불과하다. 몇몇 다른 실시형태에서, 수차 영향 모델은 제2 모델의 기능을 통합한다.
도 3으로 돌아가서, 동작(306)에서, 패턴화 프로세스 영향 데이터는 수신된 패턴화 시스템 수차 데이터에 응답하여 결정된다. 새로운 패턴화 프로세스 영향 데이터는 수차 영향 모델 및/또는 다른 정보에 기초하여 결정된다. 생성된 패턴화 프로세스 영향 데이터는, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 패턴화 프로세스와 관련되는 결함 카운트, 및/또는 패턴화 프로세스의 다른 파라미터 중 하나 이상에 대한, 대응하는 패턴화 시스템 수차에 의한, 기판과 관련한 영향을 나타낸다. 몇몇 실시형태에서, 새로운 패턴화 프로세스 영향 데이터를 결정하는 것은 수차 영향 모델에 의해 새로운 패턴화 프로세스 영향 데이터를 예측하는 것을 포함한다. 패턴화 프로세스 영향 데이터는 수신된 패턴화 시스템 수차 데이터(예를 들면, 대량 제조 동안 실시간으로 측정된 수차)에 기초하여 예측된다. 몇몇 실시형태에서, 예측된 패턴화 프로세스 영향 데이터는, 주어진 수차가 대응하는 패턴화 프로세스 영향을 야기할 높은 확률 또는 가능성을 나타낸다.
몇몇 실시형태에서, 수차 영향 모델은 대응하는 패턴화 시스템 수차에 대한 비용(또는 메리트) 함수인 s(Z)의 값을 포함한다. 비용 함수 s(Z)는 대응하는 패턴화 시스템 수차 드리프트에 의해 야기되는 패턴화 프로세스에 대한(예를 들면, 상기에서 나열되는 파라미터 중 임의의 하나 이상에 대한) 영향을 나타낸다. 몇몇 실시형태에서, 수차 드리프트는 리소그래피 장치의 동작 동안 렌즈 가열 또는 미러 가열에 의해 주로 야기된다. 수차 영향 모델에 의해 결정되는 비용(또는 메리트) 함수 s(Z)는 스캐너 튜닝 노브, 리소그래피 성능 메트릭(예를 들면, 유저에 의해 선택됨 ― CD, EPE, 결함 카운트, 비대칭성 파라미터, 등등), 및/또는 다른 파라미터와 관련되는 파라미터를 포함할 수도 있다(동작(308 및 310), 및 도 7 내지 도 9와 관련하여 하기에서 제공되는 예 및 논의 참조).
몇몇 실시형태에서, 방법(300)은 패턴화 시스템(예를 들면, 스캐너)의 동적 현장 수차 제어를 용이하게 하기 위해 새로운 패턴화 프로세스 영향 데이터를 제2 모델에 제공하는 것(308)을 포함한다. 새로운 패턴화 프로세스 영향 데이터를 제공하는 것은, 예를 들면, 비용 함수 s(Z), 및/또는 다른 정보를 제공하는 것을 포함한다. 몇몇 실시형태에서, 제2 모델은 투영 광학기기 정정 모델, 및/또는 다른 모델이다. 몇몇 실시형태에서, 수차 영향 모델로부터의 새로운 패턴화 프로세스 영향 데이터(예를 들면, 비용 함수)는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 (예를 들면, 투영 광학기기 정정 모델에 의해) 사용되도록 구성된다. 몇몇 실시형태에서, 패턴화 프로세스 제어 메트릭은 리소그래피 성능 메트릭, 및/또는 다른 정보를 포함한다. 몇몇 실시형태에서, 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 및/또는 다른 동작에 의해 결정되도록 구성된다.
몇몇 실시형태에서, 방법(300)은 패턴화 시스템(예를 들면, 스캐너 및/또는 다른 패턴화 시스템)의 동적 현장 수차 제어를 수행하는 것(310)을 포함한다. 몇몇 실시형태에서, 스캐너의 동적 현장 제어는 리소그래피 성능 메트릭의 세트를 최적화하기 위해 주어진 스캐너 수차에 대한 정정된 스캐너 제어 파라미터 레시피를 생성하는 것을 포함한다. 몇몇 실시형태에서, 동적 현장 제어는 대량 제조 동안 제어 수차를 포함한다. 예를 들면, 몇몇 실시형태에서, 동작(302-310)은, 제조 동안 실시간으로 또는 거의 실시간으로, (예를 들면, 스캐너 수차를 감소 및/또는 제거하기 위해) 새로운 패턴화 프로세스 영향 데이터(예를 들면, 수차 영향 모델에 의해 출력되는 비용 함수)가 하나 이상의 미러, 렌즈, 및/또는 패턴화 시스템의 다른 엘리먼트의 (예를 들면, EUV) 가열에 대한 향상된 보상, 및/또는 그에 대한 제어를 용이하게 하게끔 구성되도록 수행될 수도 있다. EUV 미러 가열 제어가 유용한데, 그 이유는, 스캐너가 미러 가열에 의해 유도되는 수차를 동적으로 정정하기 위해 제한된 수의 노브를 사용하는 것을 통상적으로 필요로 하기 때문이다. 다른 예로서, 동작(302-310)은, 제조 동안 실시간으로 또는 거의 실시간으로, 새로운 패턴화 프로세스 영향 데이터(예를 들면, 수차 영향 모델에 의해 출력되는 비용 함수)가 초점, 선량, 및/또는 패턴화 시스템(예를 들면, 스캐너)과 관련되는 스테이지 변동(MSD)의 향상된 제어를 용이하게 하게끔 구성되도록 수행될 수도 있다. 다른 예가 고려된다.
CD, EPE, 및/또는 다른 파라미터의 제어를 위해 하나의 수차 영향 모델이 상이한 투영 광학기기 상자에 제공될 수 있다는 것을 유의해야 한다. 비용(메리트) 함수가 시뮬레이션 결과로부터 구성되도록 수차 영향 모델이 구성될 수도 있기 때문에, 임의의 소망되는 메트릭, 예컨대 CD, 패턴 배치 에러(PPE), EPE, CD 비대칭성, 최상의 초점 시프트, 결함 카운트, 등등을 정의할 수 있다(예를 들면, 캘리브레이션을 위해 사용할 수 있다). 이러한 방식으로, 본 수차 영향 모델은 소망되는 메트릭을 자동적으로 반영하도록 구성될 수도 있다.
여러 가지 비제한적인 예로서, 도 7 내지 도 11은, 스캐너의 동적 현장 수차 제어를 용이하게 하기 위해(예를 들면, 동작(310)) 새로운 패턴화 프로세스 영향 데이터를 제2 모델에 제공함에(예를 들면, 동작(308)) 있어서 포함되는 다양한 동작을 예시한다. 예를 들면, 도 7은 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 투영 광학기기 정정 모델에 의한 사용을 위한 비용 함수를 수차 영향 모델로부터 구성하는 예를 예시한다. 도 7은 수차(또는 파면 수차) 공간(704)에서 비용 함수(702)의 시각적 예시(700)를 제공한다. 도 7은 타겟 상태(또는 스캐너의 초기 또는 콜드 상태) "A"(706) 및 등비용 곡선(iso-cost curve; 708)을 예시한다. 상기에서 설명되는 바와 같이, 수차 영향 모델은 비용 함수 s(Z)(702)를 결정한다. 투영 광학기기 정정 모델은, 스캐너 성능 지문 = D*δ가 되도록 (스캐너) 렌즈(엘리먼트 ― 예를 들면, 렌즈, 미러, 등등) 의존성 매트릭스(D)를 정의하는데, 여기서 δ는 가변 스캐너 제어 노브 설정을 나타낸다. 몇몇 실시형태에서, 수차 영향 모델로부터의 비용 함수는 다음과 같이 정의될 수도 있는데:
Figure pct00002
여기서 ΔZ는 스캐너로부터의 수차 드리프트를 나타내고, D는 의존성 매트릭스이고, δ는 가변 스캐너 제어 노브 설정을 나타내고, Dδ는 성능 지문(또는 다른 말로는, 필요한 정정의 지시)을 나타낸다. δ* = argmin s(δ)가 되도록 s(δ)를 최소화하기 위해 비선형 최적화기가 사용될 수도 있는데, 여기서 δ*는 필요한 동적 스캐너 노브 정정을 나타낸다.
도 7에서 도시되는 시각적 예시(700)에서 계속하면, 도 8은 (예로서 (렌즈) 미러 가열을 사용하는) 동적 수차 제어/정정을 예시한다. 도 8은 수차 영향 모델에 의해 결정되는 비용 함수에 기초하여 스캐너 수차를 정정하기 위한 투영 광학기기 정정 모델에 의한 시도를 예시한다. 도 8은 뷰(800)에서 콜드 상태(A)(706)(스캐너 동작 동안 미러가 가열되기 시작하기 이전)를, 뷰(802)에서 핫 상태(B)(스캐너 동작 동안 미러가 가열된 이후)를, 그리고 뷰(804)에서 정정 이후의 핫 상태(C)를 예시한다. 콜드 상태 A에서, ΔZ = 0이고, 그리고 δ = 0이다. 비용 함수 s(Z(δ))는 그 최소치, s = 0에 있다. 정정 이전의 고온 상태(B)에서, ΔZ ≠ 0이고, 그리고 δ = 0이다. 비용 함수 s = ΔZTHΔZ인데, 여기서 H는 비용 함수 헤시안이고 T는 전치 동작을 나타낸다. 정정 이후의 핫 상태(C)에서, ΔZ ≠ 0이고, 그리고 δ ≠ 0이다. 투영 광학기기 정정 모델은 비용 s(δ)를 최소화하려는 노력에서 노브(δ)를 조정하려고 시도한다.
상기에서 설명되는 바와 같이, 몇몇 실시형태에서, 수차 영향 모델로부터의 새로운 패턴화 프로세스 영향 데이터(예를 들면, 비용 함수)는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 (예를 들면, 투영 광학기기 정정 모델에 의해) 사용되도록 구성된다. 몇몇 실시형태에서, 패턴화 프로세스 제어 메트릭은 리소그래피 성능 메트릭(또는 "리소그래피 메트릭"), 및/또는 다른 정보를 포함한다. 몇몇 실시형태에서, 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 및/또는 다른 동작에 의해 결정되도록 구성된다. 예를 들면, (이 예의 경우) 수차 영향 모델(및/또는 수차 영향 모델에 의해 출력되는 비용 함수)의 형태가 다음과 같은 정정 2차식(positive-definite quadratic)이라고 가정한다:
Figure pct00003
여기서 총 수차 Z = ΔZ + Dδ이고, ΔZ는 수차 드리프트(예를 들면, 미러 가열에 의해 유도되는 수차)이고, δ는 스캐너 노브를 나타내고 Dδ는 정정을 나타낸다. 그러면:
Figure pct00004
이다.
상기의 비용 함수는 리소그래피 메트릭의 세트로 변환될 수 있다. 몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 비용 함수 헤시안(예를 들면, 상기의 수학식(들)에서 H)을 포함한다. 패턴화 프로세스 제어 메트릭의 세트를 결정하는 것은 헤시안에 대해 특이 값 분해(SVD)를 수행하는 것을 포함한다. 헤시안(H)은 정정 매트릭스(positive-definite matrix)이다. 헤시안에 대해 SVD를 수행하는 것은 비용 함수를 "리소메트릭"의 포맷으로 변환한다.
예를 들면, 도 9는 (예를 들면, 투영 광학기기 정정 모델에 의한 패턴화 프로세스 제어 메트릭의 세트의 결정을 용이하게 하기 위해) (수차 영향 모델로부터의) 비용 함수를 리소메트릭의 포맷으로 변환하는 것을 예시한다. 도 9는 투영 광학기기 정정 모델이 통상적으로 행할 수 있는 것(902)과 비교하여 달성될 것(900)을 예시한다. 몇몇 실시형태에서, "달성될 것"은 이전에 정의되는 바와 같은 리소그래피 메리트 함수의 최소화이다; "투영 광학기기 모델이 통상적으로 행할 수 있는 것"은, RMS 의미에서, 제르니케 변수의 선형 조합의 세트에 대한 소정의 타겟을 달성하는 것이다. 도 9는 비용 함수 헤시안(904) 및 리소메트릭(906)을 예시한다. 두 식 사이의 갭을 메우기 위해, 다음의 수학식에 따라 헤시안에 대해 특이 값 분해(SVD)가 수행될 수도 있고:
Figure pct00005
(여기서 고유값은 고유벡터로 흡수됨) 그 결과, 도 9에서 도시되는 바와 같이:
Figure pct00006
이다. SVD는 기본적으로 고차원 회전을 통해 교차 항을 제거한다.
도 10은 본 수차 영향 모델이 기판마다(예를 들면, 웨이퍼마다 또는 심지어 레이어마다) 동적 수차 정정을 가능하게 할 수 있는 방법을 예시한다. 도 10은 미러 가열을 예로서 사용한다. 도 10은 미러 가열에 의해 야기되는 (주어진 생산 로트에서) 시간 경과에 따른(1003) 수차(예를 들면, Zernikei)(1001)를 플롯한다. 생산 로트의 웨이퍼 1 - 8(w1, w2, ..., w8)은 도 10에서 도시되어 있다. 도 10은 정정 없이 발생할 원시(1005) 수차 드리프트(예를 들면, 미러 가열에 의해 야기되는 시간 경과에 따른(1003) 제르니케(1001)에서의 변화)를 플롯한다. 대조적으로, 도 10은, 각각의 웨이퍼에 대해, 미러 가열 잔차(1007), 투영 광학기기 정정 모델 잔차(1009), 미러 가열 잔차(1007)에 대한 마지막 필드(1011)(이것은 최악의 미러 가열 잔차와 동일함), 및 정정(1013)을 또한 도시한다. 정정은 상기에서 설명되는 바와 같이 투영 광학기기 정정 모델에 의해 적용된다. 수차 영향 모델의 동적 특성에 기인하여, 정정은, (예를 들면, 생산 제조 설정에서가 아니라) 오프라인에서만 수행될 수 있는 정적 정정을 제공한 종래 기술 시스템과는 대조적으로, 웨이퍼 단위 기반으로 적용될 수 있다.
도 11은 상기에서 설명되는 동작에 대한 개요 플로우를 예시한다. 도 11은 오프라인 또는 연구 및 개발 국면(600) 동안 본 수차 영향 모델(400)(예를 들면, 도 5에서 도시되는 동작)을 구축하는 것, 및 그 다음 (예를 들면, 도 6에서 도시되는 바와 같이) 제조 국면(602)에서 모델을 사용하는 것을 예시한다. 국면(600) 동안, 수차 영향 모델(400)은 시뮬레이팅된 패턴화 시스템 수차 캘리브레이션 데이터 및/또는 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터에 기초하여 캘리브레이팅될 수도 있다. 시뮬레이션은 상이한 마스크 설계(1103), 동공 형상(1105), 및/또는 다른 정보에 기초하여 시뮬레이션 엔진(1101)을 사용하여 수행될 수도 있다. 몇몇 실시형태에서, 시뮬레이션은 전체 칩 레이아웃에 대해 수행될 수도 있고, 그에 의해, 결과적으로 나타나는 비용 함수, 의존성 매트릭스, 또는 헤시안 매트릭스는 전체 칩 레이아웃을 고려한다. 본원에서 설명되는 바와 같이, 수차 영향 모델(400)로부터의 비용 함수는, (스캐너(패턴화 시스템)(1109)로부터의 측정된 수차 데이터(1107)와 조합하여) 투영 광학기기 정정 모델(610)에 의해 사용되어, 패턴화 프로세스 제어 메트릭의 세트를 결정하도록, 그리고, 동적 현장 수차 제어(612)를 용이하게 하도록 구성된다. 수차 영향 모델(400)은, 예를 들면, ADELasla 파일, 및/또는 임의의 다른 스캐너 친화적 경량의 데이터 포맷의 형태를 취할 수도 있다. 도 11에서 도시되는 바와 같이, 단일의 캘리브레이팅된 수차 영향 모델이 여러 개의 상이한 투영 광학기기 정정 모델(610)(여러 개의 상이한 스캐너(1109)와 관련됨)에 의해 사용될 수도 있다.
동적 현장 수차 제어(612)는, 제조 국면에 있는 동안, 반도체 디바이스 제조 프로세스를 조정하는 것을 포함한다. 투영 광학기기 정정 모델로부터의 출력 및/또는 다른 정보에 기초하여 조정이 이루어질 수도 있다. 제조 프로세스 파라미터 조정이 결정될 수도 있고(예를 들면, 주어진 파라미터가 변경되어야 하는 양), 제조 프로세스 파라미터는, 예를 들면, 이전의 파라미터 설정 포인트로부터 새로운 파라미터 설정 포인트로 조정될 수도 있다. 몇몇 실시형태에서, 결정된 및/또는 조정된 반도체 디바이스 제조 프로세스 파라미터는 동공 형상, 선량, 초점, 전력 설정, 및/또는 다른 반도체 디바이스 제조 프로세스 파라미터 중 하나 이상을 포함한다. 한 예로서, 프로세스 파라미터가 (예를 들면, 새로운) 동공 형상, 또는 새로운 선량인 경우, 스캐너는 예전의 또는 이전의 동공 형상, 또는 선량으로부터 결정된(예를 들면, 새로운) 동공 형상, 또는 선량으로 조정될 수 있다. 여러 가지 다른 유사한 예가 고려된다.
상기에서 설명되는 바와 같이, 본원에서 설명되는 모델(들)은 광범위한 애플리케이션을 가질 수도 있다. (예를 들면, 미러 가열 및 상기에서 설명되는 다른 예를 넘어서는) 다른 예시적인 애플리케이션은 수차 영향 모델링을 사용한 다수의 패턴화 시스템의 공동 최적화이다. 패턴화 시스템은 스캐너 및/또는 다른 패턴화 시스템을 포함할 수도 있다. 예를 들면, 상이한 스캐너 상에서 또는 상이한 슬릿 위치에서 동일한 설계 레이아웃이 동일한 것을 인쇄하는 것을 보장하기 위해 (예를 들면, 종래 기술 시스템의 전체 이미징 시뮬레이션 대신) 캘리브레이팅된 수차 영향 모델이 파면 튜닝을 위해 사용될 수 있다.
상기시키자면, 본원에서 설명되는 바와 같은 수차 영향 모델은 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 상대적으로 간단한 초차원 함수를 포함한다. 초차원 함수는, (에어리얼 이미지의 계산 없이) 전체 시뮬레이션 대신 근사 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다. 다수의 스캐너의 이미징 성능을 설명하기 위해 다수의 모델이 사용될 수 있다.
본 (수차 영향) 모델(들)은 이전 모델에 비해 감소된 범위 및 향상된 런타임 성능을 갖는 간결한 모델이다. 적어도 예측된 영향이 수차 데이터에(만) 기초하고 예측된 영향이 임계 치수, 결함 카운트, 등등과 같은 사전 선택된 메트릭에 구체적으로 적용될 수도 있기 때문에 본 모델은 공동 최적화 애플리케이션에 적합한데, 이것은 모델을 정확하고 빠르게 만들고, 및/또는 다른 유리한 피쳐를 가지게 만든다. 본 모델은 튜닝이 관련 수차 데이터에만 기초하는 사용 사례에 대해 전용될 수 있다. 본 모델의 경량의 본질 및/또는 그들의 다른 유리한 피쳐 때문에, 다수의 패턴화 시스템의 공동 최적화가 가능하다.
예를 들면, 몇몇 실시형태에서, 하나 이상의 프로세서(예를 들면, 하나 이상의 컴퓨터)는 패턴화 프로세스 에어리얼 이미지 표현의 계산 없이 패턴화 프로세스 영향 데이터를 결정하기 위해 하나 이상의 전자적 모델(예를 들면, 수차 영향 모델)을 실행할 수도 있다. 패턴화 프로세스 영향 데이터는 패턴화 프로세스에서 사용되는 다수의 패턴화 시스템의 공동 최적화를 용이하게 하도록 구성될 수도 있다. 모델로부터 출력되는 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스에서 사용되는 다수의 스캐너의 공동 최적화를 용이하게 하도록 구성될 수도 있다. 공동 최적화는 렌즈 액추에이터를 변수로서 사용하는 것, 및 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하기 위해 그래디언트 기반의 비선형 최적화기를 사용하는 것을 포함할 수도 있다. 몇몇 실시형태에서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성되는데, 패턴화 프로세스 제어 메트릭의 세트는 (예를 들면, 하기에서 설명되는 바와 같이) 선형 솔버에 의해 결정되도록 구성된다.
패턴화 시스템 수차 데이터는 모델(들)(예를 들면, 초차원 함수)이 수신된 패턴화 시스템 수차 데이터를 패턴화 프로세스 영향 데이터와 상관시키도록 모델(또는 다수의 모델)에 제공될 수도 있다. 상이한 (수차 영향) 모델은 상이한 패턴화 시스템(스캐너)에 대응할 수도 있다. 수신된 패턴화 시스템 수차 데이터에 대해 새로운 패턴화 프로세스 영향 데이터가 결정될 수도 있다. 비제한적인 예로서, 수신된 패턴화 시스템 수차 데이터는 수신된 파면 데이터를 포함할 수도 있고, 새로운 패턴화 프로세스 영향 데이터는 하나 이상의 패턴화 프로세스 메트릭을 포함할 수도 있다. 파면 데이터는, 예를 들면, 제르니케 목록 또는 픽셀화된 비트맵의 형태의 측정된 또는 시뮬레이팅된 파면 데이터, 및/또는 다른 파면 데이터를 포함할 수도 있다. 이 예에서, 하나 이상의 패턴화 프로세스 메트릭은 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 패턴화 프로세스와 관련되는 결함 카운트, 및/또는 다른 메트릭을 포함할 수도 있다. 몇몇 실시형태에서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 패턴화 프로세스와 관련되는 결함 카운트, 및/또는 다른 메트릭 중 하나 이상에 대한 영향을 나타낸다.
몇몇 실시형태에서, 주어진 모델은 패턴화 프로세스의 임계 피쳐에 대한 스캐너 대 스캐너 변동을 모델링하도록 구성되는 하나 이상의 임계 피쳐 성분(예를 들면, 초차원 함수의 하나 이상의 차원); 및 패턴화 프로세스의 비임계 피쳐에 대한 스캐너 전반에 걸친 일반적인 성능을 모델링하도록 구성되는 하나 이상의 규제 성분(예를 들면, 초차원 함수의 하나 이상의 다른 차원), 및/또는 다른 성분을 포함한다. 공동 최적화되고 있는 패턴화 시스템의 그룹 내의 패턴화 시스템(예를 들면, 스캐너)(모두)에 대해 주어진 모델의 임계 피쳐 성분이 정의된다. 임계 피쳐 성분은 패턴에서의 임계 피쳐(예를 들면, 하나의 예로서 임계 치수)에 대한 패턴화 시스템(예를 들면, 스캐너) 대 패턴화 시스템 변동을 나타내도록 구성된다. 모델의 규제 성분은 패턴의 비임계 피쳐를 나타내도록 구성될 수도 있다. 모델의 규제 성분은 패턴의 비임계 피쳐와 관련한 주어진 스캐너(또는 다른 패턴화 시스템)의 일반적인 성능을 나타낼 수도 있다. 이 별개의 임계 피쳐 성분/규제 성분 배열은, 유저가, 변하지 않는 또는 비임계 인자를 동일하게(또는 유사하게) 유지하면서, 예를 들면 주어진 제조 위치에서의 패턴화 시스템 성능, 또는 패턴화 프로세스의 임계 피쳐에 영향을 끼치는 다른 고유의 인자에 기초하여 모델의 임계 피쳐 성분을 커스터마이징하는 것을 허용할 수도 있다. 예를 들면, 유저는 패턴의 임계 피쳐에 대한 모델의 하나 이상의 임계 피쳐 성분에 의해 표현될 수 있는 특정한 CD 감도를 제공할 수도 있지만, 그러나, 그 다음, 모델의 규제 성분이, 모델링 및/또는 최적화에 상당한 리소스를 소비하는 것이 이치에 맞지 않는 패턴의 비임계 피쳐에 대한 출력을 생성하는 것을 허용할 수도 있다.
달리 말하면, 임계 피쳐는 임의의 적절한 기준에 따라 유저에 의해 명시될 수도 있으며, 예를 들면, 유저가 특별히 관심을 갖는 피쳐 및/또는 해결될 필요가 있는 하나 이상의 이슈를 갖는 피쳐일 수도 있다. 다른 피쳐는 규제 피쳐인 것으로 간주될 수도 있다. 주어진 모델의 임계 피쳐 성분(들) 및 규제 성분(들)는 이들 상이한 타입의 피쳐와 관련되는 두 가지 상이한 기능일 수도 있다. 몇몇 실시형태에서, 유저는 (예를 들면, 임계 피쳐 성분/기능에 더하여 및/또는 그 대신) 규제 피쳐/기능을 정의할 수 있지만, 그러나 유저가 규제 피쳐/기능을 정의하는 경우, 본 시스템은, 유저 정의 피쳐/기능이 (정의상) 중요하게 되도록 구성될 수도 있다. 유리하게는, 유저에 의해 명시되지 않는 임의의 피쳐/기능은 규제 피쳐/기능으로서 공지되어 있는 모델에 의해 통합된 방식으로 핸들링된다.
몇몇 실시형태에서, 모델(들)로부터의 새로운 패턴화 프로세스 영향 데이터는, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해, 비용 함수에 제공되도록 구성된다. 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용은 다수의 스캐너의 공동 최적화를 용이하게 하기 위해 및/또는 다른 목적을 위해 사용되도록 구성된다.
도 12는, 한 실시형태에 따른, 예시적인 비용 함수(들)(1200)의 성분을 예시한다. 도 12에서 도시되는 바와 같이, 비용 함수(1200)는 패턴화 프로세스의 임계 피쳐와 관련되는 제1 성분(1202), 패턴화 프로세스의 비임계 피쳐와 관련되는 제2 성분(1204), 및 하나 이상의 스캐너 및/또는 다른 패턴화 시스템의 물리적 기능 제한과 관련되는 제3 성분(1206)을 포함한다. 성분(1202)은 공동 최적화되고 있는 패턴화 시스템의 그룹 내의 패턴화 시스템(예를 들면, 스캐너)(모두)에 대해 정의된다. 성분(1202)은 임계 피쳐(예를 들면, 하나의 예로서 임계 치수)에 대한 패턴화 시스템(예를 들면, 스캐너) 대 패턴화 시스템 변동을 나타내도록 구성된다. 성분(1204)은 패턴화 시스템에 전반에 걸쳐 공통인 비임계 피쳐에 대한 일괄적인 리소메트릭 값(lump-sum lithometric value)일 수도 있다. 성분(1204)은 비임계 피쳐(예를 들면, 심지어 튜닝 없이도 잘 인쇄될 가능성이 있는 피쳐)와 관련한 주어진 스캐너의 일반적인 성능을 나타낼 수도 있다. 성분(1206)은 주어진 패턴화 시스템에 고유하고 주어진 패턴화 시스템의 특정한 물리적 제한(예를 들면, 소정의 성분의 모션 범위, 임의의 오프셋, 그 머신에 대해 규칙적으로 동일한 방식으로 일관되게 시프트되는 소정의 파라미터, 등등)과 관련된다. 몇몇 실시형태에서, 비용 함수(1200)는 패턴화 프로세스 파면 조절 페널티와 관련되는 제4 성분(1208)을 더 포함한다. 성분(1208)은 개개의 스캐너마다 정의된다. 성분(1208)은 (파면의 관련된 리소그래피 성능 특성보다는) 파면 그 자체에 관한 임의의 추가적으로 소망되는 유저 선호도를 나타내도록 및/또는 다르게는 고려하도록 구성된다. 예를 들면, 파면의 두 세트가 동일한 리소그래피 성능 특성을 갖는 경우, 유저는 더 작은 제곱 평균 제곱근(RMS) 크기를 갖는 것을 선호할 수도 있다.
도 13은, 한 실시형태에 따른, 예시적인 (공동) 최적화 아키텍쳐(1300)를 예시한다. 도 13에서 도시되는 바와 같이, 몇몇 실시형태에서, 모델(1304)(예를 들면, 본원에서 설명되는 바와 같은 수차 영향 모델)로부터의 새로운 패턴화 프로세스 영향 데이터(1302)는, 개개의 패턴화 프로세스 메트릭(예를 들면, ds/dCD, 등등)과 관련되는 비용(1306)의 결정을 용이하게 하기 위해, 비용 함수(1200)(예를 들면, 임계 피쳐 및 조절 피쳐를 포함함)에 제공되도록 구성된다. 개개의 패턴화 프로세스 메트릭과 관련되는 비용(1306)은 패턴화 프로세스 파면 조절(1308)(예를 들면, ds/dwf)의 결정 및/또는 그와 관련되는 비용을 용이하게 하기 위해 다시 모델(1304)에 제공되도록 구성된다. 패턴화 프로세스 파면 조절(1308)과 관련되는 비용은 파면 조절 페널티(1310)(예를 들면, 유저에 의해 제공됨), 및/또는 다른 정보에 기초하여 또한 결정될 수도 있다. 패턴화 프로세스 파면 조절과 관련되는 비용(1308)은, 예를 들면, 개개의 패턴화 프로세스 변수(1314)(예를 들면, ds/dv)와 관련되는 비용의 결정을 용이하게 하기 위해 드라이버 렌즈 모델(1312)에 제공되도록 구성된다. 드라이버 렌즈 모델(1312)은, 예를 들면, 액추에이터 노브의 튜닝 액션이 파면에 어떻게 영향을 끼치는지를 좌우하는 모델일 수도 있다. 비용(1308)은 하나 이상의 스캐너 및/또는 다른 패턴화 시스템의 물리적 기능 제한(1316)(예를 들면, 액추에이터 소비 페널티) 및/또는 다른 제한에 기초하여 또한 결정될 수도 있다. 개개의 패턴화 프로세스 변수와 관련되는 비용(1314)은 다수의 패턴화 시스템(예를 들면, 스캐너)의 공동 최적화를 용이하게 하기 위해 최적화기(1318)에 제공되도록 구성된다. 일반적으로, 최적화기는 주어진 비용 함수의 최소치를 찾은 컴퓨터 알고리즘이다. 최적화기(1318)는, 예를 들면, 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하도록 구성되는 그래디언트 기반의 비선형 최적화기(예를 들면, L-BFGS-B)일 수도 있다. 최적화기(1318)는 상이한 메트릭(예를 들면, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 패턴화 프로세스와 관련되는 결함 카운트, 및/또는 다른 메트릭)과 관련되는 제조 성능 또는 비용에 대해 상이한 가능한 프로세스 변수(예를 들면, 각각이 자신의 허용 가능한 범위 내)과 관련되는 제조 성능 또는 비용에 대해 여러 가지 가능한 프로세스 변수(예를 들면, 그들 자신의 허용 가능한 범위 내의 각각)의 균형을 유지하도록 구성되는 하나 이상의 프로세서에 의해 형성될 수도 있다.
또한 도 13에서 도시되는 바와 같이, 최적화기(1318)는, 드라이버 렌즈 모델(1312)에 공급되며 파면 데이터(1322)(wf)(이것은 상기에서 설명되는 바와 같이 모델(1304)에 제공됨)로 변환되는 하나 이상의 프로세스 변수(v)(예를 들면, 이 예에서는 렌즈 액추에이터 변수)(1320)를 출력하도록 구성될 수도 있다. 드라이버 렌즈 모델(1312)은, 렌즈 액추에이터 변수가 튜닝될 때, 결과적으로 나타나는 파면을 예측하도록 구성된다.
도 14는 본원에서 설명되는 동작 중 하나 이상에 대해 사용될 수도 있는 예시적인 컴퓨터 시스템(computer system; CS)의 다이어그램이다. 컴퓨터 시스템(CS)은, 정보를 전달하기 위한 버스(bus; BS) 또는 다른 통신 메커니즘, 및 정보를 프로세싱하기 위한 버스(BS)와 커플링되는 프로세서(processor; PRO)(또는 다수의 프로세서)를 포함한다. 컴퓨터 시스템(CS)은, 프로세서(PRO)에 의해 실행될 명령어 및 정보를 저장하기 위한, 버스(BS)에 커플링되는 랜덤 액세스 메모리(random access memory; RAM) 또는 다른 동적 스토리지 디바이스와 같은 메인 메모리(main memory; MM)를 또한 포함한다. 메인 메모리(MM)는, 프로세서(PRO)에 의한 명령어의 실행 동안 임시 변수 또는 다른 중간 정보를 저장하기 위해 또한 사용될 수도 있다. 컴퓨터 시스템(CS)은, 프로세서(PRO)에 대한 명령어 및 정적인 정보를 저장하기 위한, 버스(BS)에 커플링되는 리드 온리 메모리(read only memory; ROM) 또는 다른 정적 스토리지 디바이스를 더 포함한다. 정보 및 명령어를 저장하기 위한 자기 디스크 또는 광학 디스크와 같은 스토리지 디바이스(storage device; SD)가 제공되고 버스(BS)에 커플링된다.
컴퓨터 시스템(CS)은, 버스(BS)를 통해, 컴퓨터 유저에게 정보를 디스플레이하기 위한 디스플레이(display; DS), 예컨대 음극선관(cathode ray tube; CRT) 또는 플랫 패널 또는 터치 패널 디스플레이에 커플링될 수도 있다. 정보 및 커맨드 선택을 프로세서(PRO)로 전달하기 위한 영숫자 및 다른 키를 포함하는 입력 디바이스(input device; ID)가 버스(BS)에 커플링된다. 다른 타입의 유저 입력 디바이스는, 방향 정보 및 커맨드 선택을 프로세서(PRO)로 전달하기 위한 그리고 디스플레이(DS) 상에서 커서 이동을 제어하기 위한 커서 제어부(cursor control; CC), 예컨대 마우스, 트랙볼, 또는 커서 방향 키이다. 이 입력 디바이스는 통상적으로, 디바이스가 평면에서의 위치를 명시하는 것을 허용하는, 제1 축(예를 들면, x) 및 제2 축(예를 들면, y)인 두 개의 축에서 2 자유도를 갖는다. 터치 패널(스크린) 디스플레이도 또한 입력 디바이스로서 사용될 수도 있다.
몇몇 실시형태에서, 본원에서 설명되는 하나 이상의 방법의 일부는, 프로세서(PRO)가 메인 메모리(MM)에 포함되는 하나 이상의 명령어의 하나 이상의 시퀀스를 실행하는 것에 응답하여, 컴퓨터 시스템(CS)에 의해 수행될 수도 있다. 그러한 명령어는 스토리지 디바이스(SD)와 같은 다른 컴퓨터 판독 가능 매체로부터 메인 메모리(MM) 안으로 판독될 수도 있다. 메인 메모리(MM)에 포함되는 명령어의 시퀀스의 실행은, 프로세서(PRO)로 하여금 본원에서 설명되는 프로세스 단계(동작)를 수행하게 한다. 메인 메모리(MM)에 포함되는 명령어의 시퀀스를 실행하기 위해, 멀티 프로세싱 배열체(multi-processing arrangement) 내의 하나 이상의 프로세서가 또한 활용될 수도 있다. 몇몇 실시형태에서, 소프트웨어 명령어 대신에 또는 소프트웨어 명령어와 조합하여, 하드웨어에 내장된 회로부(hard-wired circuitry)가 사용될 수도 있다. 따라서, 본원의 설명은 하드웨어 회로부 및 소프트웨어의 임의의 특정한 조합으로 제한되지는 않는다.
본원에서 사용되는 바와 같은 용어 "컴퓨터 판독 가능 매체"는, 실행을 위해 명령어를 프로세서(PRO)에 제공하는 데 참가하는 임의의 매체를 가리킨다. 그러한 매체는, 불휘발성 매체, 휘발성 매체, 및 송신 매체를 포함하는 그러나 이들로 제한되지는 않는 많은 형태를 취할 수도 있다. 불휘발성 매체는, 예를 들면, 스토리지 디바이스(SD)와 같은 광학 또는 자기 디스크를 포함한다. 휘발성 매체는 메인 메모리(MM)와 같은 동적 메모리를 포함한다. 송신 매체는, 버스(BS)를 포함하는 와이어를 비롯한, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 송신 매체는 또한, 무선 주파수(radio frequency; RF) 및 적외선(infrared; IR) 데이터 통신 동안 생성되는 것들과 같은 음파 또는 광파의 형태를 취할 수 있다. 컴퓨터 판독 가능 매체, 예를 들면, 플로피 디스크, 플렉시블 디스크, 하드 디스크, 자기 테이프, 임의의 다른 자기 매체, CD-ROM, DVD, 임의의 다른 광학 매체, 펀치 카드, 종이 테이프, 구멍의 패턴을 갖는 임의의 다른 물리적 매체, RAM, PROM 및 EPROM, FLASH-EPROM, 임의의 다른 메모리 칩 또는 카트리지는 비일시적일 수 있다. 비일시적 컴퓨터 판독 가능 매체는 기록된 명령어를 가질 수 있다. 명령어는, 컴퓨터에 의해 실행될 때, 본원에서 설명되는 동작 중 임의의 것을 구현할 수 있다. 일시적 컴퓨터 판독 가능 매체는, 예를 들면, 반송파 또는 다른 전파하는 전자기 신호를 포함할 수 있다.
실행을 위해 하나 이상의 명령어의 하나 이상의 시퀀스를 하나 이상의 프로세서(PRO)로 전달함에 있어서, 다양한 형태의 컴퓨터 판독 가능 매체가 수반될 수도 있다. 예를 들면, 명령어는 초기에 원격 컴퓨터의 자기 디스크 상에서 제공될 수도 있다. 원격 컴퓨터는, 명령어를 자신의 동적 메모리에 로딩할 수 있고 모뎀을 사용하여 전화선을 통해 명령어를 전송할 수 있다. 컴퓨터 시스템(CS)에 로컬인 모뎀은 전화선을 통해 데이터를 수신할 수 있고 적외선 송신기를 사용하여 데이터를 적외선 신호로 변환할 수 있다. 버스(BS)에 커플링되는 적외선 검출기는 적외선 신호에서 운반되는 데이터를 수신할 수 있고 버스(BS) 상에 데이터를 배치할 수 있다. 버스(BS)는 데이터를 메인 메모리(MM)로 전달하는데, 프로세서(PRO)는, 그로부터, 명령어를 검색 및 실행한다. 메인 메모리(MM)에 의해 수신된 명령어는, 옵션 사항으로, 프로세서(PRO)에 의한 실행 이전에 또는 이후에 스토리지 디바이스(SD) 상에 저장될 수도 있다.
컴퓨터 시스템(CS)은 버스(BS)에 커플링되는 통신 인터페이스(communication interface; CI)를 또한 포함할 수도 있다. 통신 인터페이스(CI)는 로컬 네트워크(local network; LAN)에 연결되는 네트워크 링크(network link; NDL)에 양방향 데이터 통신 커플링을 제공한다. 예를 들면, 통신 인터페이스(CI)는, 대응하는 타입의 전화선에 데이터 통신 연결을 제공하기 위한 통합 서비스 디지털 네트워크(integrated services digital network; ISDN) 카드 또는 모뎀일 수도 있다. 다른 예로서, 통신 인터페이스(CI)는, 호환 가능한 LAN에 데이터 통신 연결을 제공하기 위한 근거리 통신망(local area network; LAN) 카드일 수도 있다. 무선 링크도 또한 구현될 수도 있다. 임의의 그러한 구현예에서, 통신 인터페이스(CI)는, 다양한 타입의 정보를 나타내는 디지털 데이터 스트림을 반송하는(carry) 전기, 전자기 또는 광학 신호를 전송 및 수신한다.
네트워크 링크(NDL)는 통상적으로 하나 이상의 네트워크를 통해 다른 데이터 디바이스로 데이터 통신을 제공한다. 예를 들면, 네트워크 링크(NDL)는, 로컬 네트워크(LAN)를 통해, 호스트 컴퓨터(host computer; HC)에 대한 연결을 제공할 수도 있다. 이것은, 현재 "인터넷"(INT)으로서 일반적으로 지칭되는, 전세계 패킷 데이터 통신 네트워크를 통해 제공되는 데이터 통신 서비스를 포함할 수 있다. 로컬 네트워크(LAN)(인터넷)는 디지털 데이터 스트림을 반송하는 전기, 전자기 또는 광학 신호를 사용할 수도 있다. 다양한 네트워크를 통한 신호 및 컴퓨터 시스템(CS)으로 그리고 컴퓨터 시스템(CS)으로부터 디지털 데이터를 반송하는, 네트워크 데이터 링크(NDL) 상의 그리고 통신 인터페이스(CI)를 통한 신호는 정보를 운반하는 반송파의 예시적인 형태이다.
컴퓨터 시스템(CS)은, 네트워크(들), 네트워크 데이터 링크(NDL), 및 통신 인터페이스(CI)를 통해, 메시지를 전송할 수 있고, 프로그램 코드를 비롯한, 데이터를 수신할 수 있다. 인터넷 예에서, 호스트 컴퓨터(HC)는 인터넷(INT), 네트워크 데이터 링크(NDL), 로컬 네트워크(LAN), 및 통신 인터페이스(CI)를 통해 애플리케이션 프로그램에 대한 요청된 코드를 송신할 수도 있다. 하나의 그러한 다운로딩된 애플리케이션은, 예를 들면, 본원에서 설명되는 방법의 모두 또는 일부를 제공할 수도 있다. 수신된 코드는, 그것이 수신될 때, 프로세서(PRO)에 의해 실행될 수도 있고, 및/또는 나중의 실행을 위해 스토리지 디바이스(SD)에, 또는 다른 불휘발성 스토리지 디바이스에 저장될 수도 있다. 이러한 방식으로, 컴퓨터 시스템(CS)은 반송파의 형태의 애플리케이션 코드를 획득할 수도 있다.
도 15는, 한 실시형태에 따른, 리소그래피 투영 장치의 개략적인 다이어그램이다. 리소그래피 투영 장치는 조명 시스템(IL), 제1 오브젝트 테이블(MT), 제2 오브젝트 테이블(WT), 및 투영 시스템(projection system; PS)을 포함할 수 있다. 조명 시스템(IL)은 방사선의 빔(B)을 컨디셔닝할 수 있다. 이 예에서, 조명 시스템은 방사선 소스(SO)를 또한 포함한다. 제1 오브젝트 테이블(예를 들면, 패턴화 디바이스 테이블)(MT)은 패턴화 디바이스(MA)(예를 들면, 레티클)를 유지하기 위한 패턴화 디바이스 홀더를 구비할 수 있고, 아이템(PS)과 관련하여 패턴화 디바이스를 정확하게 위치 결정하기 위해 제1 포지셔너(positioner)에 연결될 수 있다. 제2 오브젝트 테이블(예를 들면, 기판 테이블)(WT)은 기판(W)(예를 들면, 레지스트 코팅된 실리콘 웨이퍼)을 유지하기 위한 기판 홀더를 구비할 수 있고, 아이템(PS)과 관련하여 기판을 정확하게 위치 결정하기 위해 제2 포지셔너에 연결될 수 있다. 투영 시스템(예를 들면, 이것은 렌즈를 포함함)(PS)(예를 들면, 굴절, 반사 광학(catoptric), 또는 반사굴절(catadioptric) 광학 시스템은 기판(W)의 타겟 부분(C)(예를 들면, 하나 이상의 다이를 포함함) 상으로 패턴화 디바이스(MA)의 조사된 부분을 이미지화할 수 있다. 패턴화 디바이스(MA) 및 기판(W)은, 예를 들면, 패턴화 디바이스 정렬 마크(M1, M2) 및 기판 정렬 마크(P1, P2)를 사용하여 정렬될 수도 있다.
묘사되는 바와 같이, 장치는 투과 타입을 가질 수 있다(즉, 투과식 패턴화 디바이스를 가짐). 그러나, 일반적으로, 그것은 또한, 예를 들면, (반사식 패턴화 디바이스를 갖는) 반사 타입을 가질 수도 있다. 장치는 고전적인 마스크에 대해 상이한 종류의 패턴화 디바이스를 활용할 수도 있고; 예는 프로그래머블 미러 어레이 또는 LCD 매트릭스를 포함한다.
소스(SO)(예를 들면, 수은 램프 또는 엑시머 레이저, LPP(레이저 생성 플라즈마) EUV 소스)는 방사선의 빔을 생성한다. 이 빔은, 직접적으로 또는, 예를 들면, 빔 확장기, 또는 빔 전달 시스템(BD)(지향용 미러, 빔 확장기, 등등을 포함함)과 같은 컨디셔닝 수단을 통과한 이후, 조명 시스템(일루미네이터)(IL)으로 공급된다. 일루미네이터(IL)는 빔의 강도 분포의 외부 및/또는 내부 반경 범위(일반적으로, 각각, σ-외부 및 σ-내부로 지칭됨)를 설정하기 위한 조정 수단(AD)을 포함할 수도 있다. 게다가, 그것은 일반적으로 적분기(integrator)(IN) 및 응축기(condenser)(CO)와 같은 다양한 다른 컴포넌트를 포함할 것이다. 이러한 방식으로, 패턴화 디바이스(MA)에 충돌하는 빔(B)은 그 단면에서 소망되는 균일성 및 강도 분포를 갖는다.
몇몇 실시형태에서, 소스(SO)는 리소그래피 투영 장치의 하우징 내에 있을 수도 있지만(예를 들면, 소스(SO)가 수은 램프일 때 흔히 그러함), 그러나 그것은 또한 리소그래피 투영 장치로부터 멀리 떨어져 있을 수도 있다. 그것이 생성하는 방사선 빔은, 예를 들면, (예를 들면, 적절한 지향 미러의 도움으로) 장치 안으로 유도될 수도 있다. 이 후자의 시나리오는 소스(SO)가 엑시머 레이저(예를 들면, KrF, ArF 또는 F2 레이징(lasing)에 기초함)인 경우일 수 있다.
후속하여, 빔(B)은 패턴화 디바이스 테이블(MT) 상에서 유지되는 패턴화 디바이스(MA)를 인터셉트할 수 있다. 패턴화 디바이스(MA)를 관통한 이후, 빔(B)은 렌즈(PL)를 통과할 수 있는데, 렌즈(PL)는 빔(B)을 기판(W)의 타겟 부분(C) 상으로 집속시킨다. 제2 위치 결정 수단(및 간섭 측정 수단(IF))의 도움으로, 기판 테이블(WT)은, 예를 들면, 빔(B)의 경로에서 상이한 타겟 부분(C)을 위치 결정하기 위해 정확하게 이동될 수 있다. 유사하게, 제1 위치 결정 수단은, 예를 들면, 패턴화 디바이스 라이브러리로부터 패턴화 디바이스(MA)의 기계적 검색 이후, 또는 스캔 동안, 빔(B)의 경로와 관련하여 패턴화 디바이스(MA)를 정확하게 위치 결정하기 위해 사용될 수 있다. 일반적으로, 오브젝트 테이블(MT, WT)의 이동은, 장행정 모듈(long-stroke module)(대략적인 위치 결정) 및 단행정 모듈(short-stroke module)(미세 위치 결정)의 도움으로 실현될 수 있다. 그러나, (스텝 앤드 스캔 도구(step-and-scan tool)와는 대조적으로) 스테퍼의 경우, 패턴화 디바이스 테이블(MT)은 단행정 액추에이터에 연결될 수도 있거나, 또는 고정될 수도 있다.
묘사된 도구는 스텝 모드 및 스캔 모드의 두 가지 상이한 모드에서 사용될 수 있다. 스텝 모드에서, 패턴화 디바이스 테이블(MT)은 본질적으로 고정된 상태로 유지되고, 전체 패턴화 디바이스 이미지가 타겟 부분(C) 상으로 한 번의 동작(즉, 단일의 "플래시")에서 투영된다. 기판 테이블(WT)은 상이한 타겟 부분(C)이 빔(B)에 의해 조사될 수 있도록 x 및/또는 y 방향으로 시프트될 수 있다. 스캔 모드에서, 주어진 타겟 부분(C)이 단일의 "플래시"에서 노출되지 않는다는 점을 제외하면, 본질적으로 동일한 시나리오가 적용된다. 대신, 패턴화 디바이스 테이블(MT)은 주어진 방향(예를 들면, "스캔 방향", 또는 "y" 방향)에서 속도(v)로 이동 가능하고, 그 결과, 투영 빔(B)이 패턴화 디바이스 이미지 위를 스캐닝하게 된다. 동시에, 기판 테이블(WT)은 속도(V) = Mv에서 동일한 또는 반대 방향에서 동시에 이동되는데, 여기서 M은 렌즈의 배율이다(통상적으로 M = 1/4 또는 1/5). 이러한 방식으로, 분해능을 손상시키지 않으면서, 상대적으로 큰 타겟 부분(C)이 노출될 수 있다.
도 16은 본원에서 설명되는 동작 중 하나 이상을 위해 사용될 수도 있고, 및/또는 용이하게 할 수도 있는 다른 리소그래피 투영 장치(lithographic projection apparatus; LPA)의 개략적인 다이어그램이다. LPA는 소스 콜렉터 모듈(SO), 방사선 빔(B)(예를 들면, EUV 방사선)을 컨디셔닝하도록 구성되는 조명 시스템(일루미네이터)(IL), 지지 구조물(MT), 기판 테이블(WT), 및 투영 시스템(PS)을 포함할 수 있다. 지지 구조물(예를 들면, 패턴화 디바이스 테이블)(MT)은 패턴화 디바이스(예를 들면, 마스크 또는 레티클)(MA)를 지지하도록 구성될 수 있고 패턴화 디바이스를 정확하게 위치 결정하도록 구성되는 제1 포지셔너(PM)에 연결될 수 있다. 기판 테이블(예를 들면, 웨이퍼 테이블)(WT)은 기판(예를 들면, 레지스트 코팅된 웨이퍼)(W)을 유지하도록 구성될 수 있고 기판을 정확하게 위치 결정하도록 구성되는 제2 포지셔너(PW)에 연결될 수 있다. 투영 시스템(예를 들면, 반사 투영 시스템)(PS)은 기판(W)의 타겟 부분(C)(예를 들면, 하나 이상의 다이를 포함함) 상으로 패턴화 디바이스(MA)에 의해 방사선 빔(B)에 부여되는 패턴을 투영하도록 구성될 수 있다.
이 예에서 도시되는 바와 같이, LPA는 반사 타입(예를 들면, 반사식 패턴화 디바이스를 활용함)을 가질 수 있다. 대부분의 재료가 EUV 파장 범위 내에서 흡수성이기 때문에, 패턴화 디바이스는, 예를 들면, 몰리브덴 및 실리콘의 다중 스택을 포함하는 다중 레이어 반사기(multilayer reflector)를 구비할 수도 있다는 것을 유의해야 한다. 하나의 예에서, 다중 스택 반사기는, 각각의 레이어의 두께가 1/4 파장인 몰리브덴 및 실리콘의 40 개의 레이어 쌍을 갖는다. X 선 리소그래피를 사용하여 더욱더 작은 파장이 생성될 수도 있다. 대부분의 재료가 EUV 및 x 선 파장에서 흡수되기 때문에, 패턴화 디바이스 지형 상의 패턴화된 흡수 재료(예를 들면, 다중 레이어 반사기 상단 상의 TaN 흡수체)의 얇은 조각은, 피쳐가 프린트될(포지티브 레지스트) 또는 프린트되지 않을(네거티브 레지스트) 곳을 정의한다.
일루미네이터(IL)는 소스 콜렉터 모듈(SO)로부터 극자외선 방사선 빔을 수신할 수 있다. EUV 방사선을 생성하기 위한 방법은, EUV 범위 내의 하나 이상의 방출 라인을 사용하여 적어도 하나의 원소, 예를 들면, 제논, 리튬 또는 주석을 갖는 재료를 플라즈마 상태로 전환하는 것을 포함하지만, 그러나 이것으로 반드시 제한되는 것은 아니다. 종종 레이저 생성 플라즈마(laser produced plasma; "LPP")로 칭해지는 하나의 그러한 방법에서, 플라즈마는, 라인 방출 엘리먼트를 갖는 재료의 액적, 스트림 또는 클러스터와 같은 연료를 레이저 빔으로 조사하는 것에 의해 생성될 수 있다. 소스 콜렉터 모듈(SO)은, 연료를 여기시키는 레이저 빔을 제공하기 위한 레이저(도 16에서 도시되지 않음)를 포함하는 EUV 방사선 시스템의 일부일 수도 있다. 결과적으로 나타나는 플라즈마는, 소스 콜렉터 모듈에서 배치되는 방사선 콜렉터를 사용하여 수집되는 출력 방사선, 예를 들면, EUV 방사선을 방출한다. 레이저 및 소스 콜렉터 모듈은, 예를 들면, 연료 여기를 위한 레이저 빔을 제공하기 위해 CO2 레이저가 사용되는 경우, 별개의 엔티티일 수도 있다. 이 예에서, 레이저는 리소그래피 장치의 일부를 형성하기 위해 고려되지 않을 수도 있고, 방사선 빔은, 예를 들면, 적절한 지향 미러 및/또는 빔 확장기를 포함하는 빔 전달 시스템의 도움으로 레이저로부터 소스 콜렉터 모듈로 전달될 수 있다. 다른 예에서, 예를 들면, 소스가, 종종 DPP 소스로서 또한 칭해지는 방전 생성 플라즈마 EUV 생성기인 경우, 소스는 소스 콜렉터 모듈의 필수 부분일 수도 있다.
일루미네이터(IL)는 방사선 빔의 각도 강도 분포를 조정하기 위한 조정기를 포함할 수도 있다. 일반적으로, 일루미네이터의 동공 평면에서의 강도 분포의 적어도 외부 및/또는 내부 반경 방향 범위(일반적으로, 각각, σ-외부 및 σ-내부로 지칭됨)가 조정될 수 있다. 게다가, 일루미네이터(IL)는 패싯 필드(facetted field) 및 동공 미러 디바이스(pupil mirror device)와 같은 다양한 다른 컴포넌트를 포함할 수도 있다. 일루미네이터는, 방사선 빔을, 그 단면에서 소망되는 균일성 및 강도 분포를 가지도록 컨디셔닝하기 위해 사용될 수도 있다.
방사선 빔(B)은 지지 구조물(예를 들면, 패턴화 디바이스 테이블)(MT) 상에서 유지되는 패턴화 디바이스(예를 들면, 마스크)(MA) 상에 입사될 수 있고, 패턴화 디바이스에 의해 패턴화된다. 패턴화 디바이스(예를 들면, 마스크)(MA)로부터 반사된 이후, 방사선 빔(B)은 투영 시스템(PS)을 통과하는데, 투영 시스템(PS)은 빔을 기판(W)의 타겟 부분(C) 상으로 집속한다. 제2 포지셔너(PW) 및 위치 센서(PS2)(예를 들면, 간섭 측정 디바이스(interferometric device), 선형 인코더 또는 용량성 센서)의 도움으로, 기판 테이블(WT)은 (예를 들면, 방사선 빔(B)의 경로에서 상이한 타겟 부분(C)을 위치 결정하기 위해) 정확하게 이동될 수 있다. 제1 포지셔너(PM) 및 다른 위치 센서(PS1)는 방사선 빔(B)의 경로와 관련하여 패턴화 디바이스(예를 들면, 마스크)(MA)를 정확하게 위치 결정하기 위해 사용될 수 있다. 패턴화 디바이스(예를 들면, 마스크)(MA) 및 기판(W)은 패턴화 디바이스 정렬 마크(M1, M2) 및 기판 정렬 마크(P1, P2)를 사용하여 정렬될 수도 있다.
묘사된 장치(LPA)는 다음의 모드, 즉, 스텝 모드, 스캔 모드, 및 정지 모드 중 적어도 하나에서 사용될 수 있다. 스텝 모드에서, 지지 구조물(예를 들면, 패턴화 디바이스 테이블)(MT) 및 기판 테이블(WT)은 본질적으로 고정된 상태로 유지되고, 한편, 방사선 빔에 부여되는 전체 패턴은 한 번에 타겟 부분(C) 상으로 투영된다(예를 들면, 단일의 정적 노출). 그 다음, 기판 테이블(WT)은, 상이한 타겟 부분(C)가 노출될 수 있도록 X 및/또는 Y 방향으로 시프트된다. 스캔 모드에서, 지지 구조물(예를 들면, 패턴화 디바이스 테이블)(MT) 및 기판 테이블(WT)은 동시적으로 스캔되고, 한편, 방사선 빔에 부여되는 패턴은 타겟 부분(C) 상으로 투영된다(즉, 단일의 동적 노출). 지지 구조물(예를 들면, 패턴화 디바이스 테이블)(MT)에 대한 기판 테이블(WT)의 속도 및 방향은 투영 시스템(projection system; PS)의 배율(축소율) 및 이미지 반전 특성에 의해 결정될 수도 있다. 정지 모드에서, 지지 구조물(예를 들면, 패턴화 디바이스 테이블)(MT)은 프로그래머블 패턴화 디바이스를 유지하면서 본질적으로 고정된 상태로 유지되고, 기판 테이블(WT)은 방사선 빔에 부여되는 패턴이 타겟 부분(C) 상으로 투영되는 동안 이동되거나 또는 스캔된다. 이 모드에서, 일반적으로 펄스식 방사선 소스가 활용되며, 프로그래머블 패턴화 디바이스는 기판 테이블(WT)의 각각의 이동 이후 또는 스캔 동안 연속하는 방사선 펄스 사이에서 필요에 따라 업데이트된다. 이 동작 모드는 상기에서 언급되는 바와 같은 타입의 프로그래머블 미러 어레이와 같은 프로그래머블 패턴화 디바이스를 활용하는 마스크가 없는 리소그래피(maskless lithography)에 쉽게 적용될 수 있다.
도 17은 도 16에서 도시되는 리소그래피 투영 장치의 상세도이다. 도 17에서 도시되는 바와 같이, LPA는 소스 콜렉터 모듈(SO), 조명 시스템(IL), 및 투영 시스템(PS)을 포함할 수 있다. 소스 콜렉터 모듈(SO)은, 진공 환경이 소스 콜렉터 모듈(SO)의 엔클로징 구조물(enclosing structure)(220)에서 유지될 수 있도록 구성된다. EUV 방사선 방출 플라즈마(210)는 방전 생성 플라즈마 소스에 의해 형성될 수도 있다. EUV 방사선은 가스 또는 증기, 예를 들면, Xe 가스, Li 증기 또는 Sn 증기에 의해 생성될 수도 있는데, 여기서 고온 플라즈마(hot plasma; 210)는 전자기 스펙트럼의 EUV 범위에서 방사선을 방출하도록 생성된다. 고온 플라즈마(210)는, 예를 들면, 적어도 부분적으로 이온화된 플라즈마를 야기하는 전기적 방전에 의해 생성된다. 예를 들면, 10 Pa의 Xe, Li, Sn 증기 또는 임의의 다른 적절한 가스 또는 증기의 부분 압력은 방사선의 효율적인 생성을 위해 필요할 수도 있다. 몇몇 실시형태에서, EUV 방사선을 생성하기 위해 여기된 주석(Sn)의 플라즈마가 제공된다.
고온 플라즈마(210)에 의해 방출되는 방사선은, 소스 챔버(211)의 개구 내에 또는 후방에 배치되는 옵션 사항의 가스 배리어(barrier) 또는 오염 물질 트랩(contaminant trap)(230)(몇몇 경우에 오염 물질 배리어 또는 포일 트랩으로 또한 칭해짐)을 통해, 소스 챔버(211)로부터 콜렉터 챔버(212)로 전달된다. 오염 물질 트랩(230)은 채널 구조물(channel structure)을 포함할 수도 있다. 오염 물질 트랩(230)은 또한 가스 배리어 또는 가스 배리어와 채널 구조물의 조합을 포함할 수도 있다. 오염물 트랩 또는 오염물 배리어 트랩(230)(하기에서 설명됨)은 채널 구조물을 또한 포함한다. 콜렉터 챔버(211)는 스침 입사 콜렉터(grazing incidence collector)일 수도 있는 방사선 콜렉터(CO)를 포함할 수도 있다. 방사선 콜렉터(CO)는 업스트림 방사선 콜렉터 측(upstream radiation collector side)(251) 및 다운스트림 방사선 콜렉터 측(downstream radiation collector side)(252)을 갖는다. 콜렉터(CO)를 통과하는 방사선은, 라인('O')에 의해 나타내어지는 광학 축을 따라 가상의 소스 포인트(IF)에서 집속되도록 격자 스펙트럼 필터(240)에서 반사될 수 있다. 가상 소스 포인트(IF)는 일반적으로 중간 초점으로 지칭되며, 소스 콜렉터 모듈은, 중간 초점(IF)이 엔클로징 구조물(220)의 개구(221)에 또는 그 근처에 위치되도록 배열된다. 가상 소스 포인트(IF)는 방사선 방출 플라즈마(210)의 이미지이다.
후속하여, 방사선은, 패턴화 디바이스(MA)에서, 방사선 빔(21)의 소망되는 각도 분포를 제공하도록, 뿐만 아니라, 패턴화 디바이스(MA)에서 방사선 강도의 소망되는 균일성을 제공하도록 배열되는 패싯 필드 미러 디바이스(facetted field mirror device)(22) 및 패싯 동공 미러 디바이스(facetted pupil mirror device)(24)를 포함할 수도 있는 조명 시스템(IL)을 통과한다. 지지 구조물(MT)에 의해 유지되는 패턴화 디바이스(MA)에서의 방사선의 빔(21)의 반사시, 패턴화된 빔(26)이 형성되고, 패턴화된 빔(26)은 투영 시스템(PS)에 의해 반사 엘리먼트(28, 30)를 통해 기판 테이블(WT)에 의해 유지되는 기판(W) 상으로 이미지화된다. 일반적으로, 조명 광학기기 유닛(IL) 및 투영 시스템(PS)에서는 도시되는 것보다 많은 엘리먼트가 존재할 수도 있다. 격자 스펙트럼 필터(240)는, 예를 들면, 리소그래피 장치의 타입에 따라, 옵션 사항으로 존재할 수도 있다. 또한, 도면에서 도시되는 것들보다 더 많은 미러가 존재할 수도 있는데, 예를 들면, 도 15에서 도시되는 것보다 프로젝션 시스템(PS)에서 1 내지 6 개의 추가적인 반사 엘리먼트가 존재할 수도 있다.
도 17에서 예시되는 바와 같이, 콜렉터 광학기기(CO)는, 단지 콜렉터(또는 콜렉터 미러)의 한 예로서, 스침 입사 반사기(253, 254, 및 255)를 갖는 네스트화된(nested) 콜렉터로서 묘사된다. 스침 입사 반사기(253, 254, 및 255)는 광학 축(O) 주위에 축 대칭으로 배치되고 이러한 타입의 콜렉터 광학기기(CO)는, 종종, DPP 소스로 칭해지는 방전 생성 플라즈마 소스와 조합하여 사용될 수도 있다.
도 18은 (이전 도면에서 도시되는) 리소그래피 투영 장치(LPA)의 소스 콜렉터 모듈(SO)의 상세도이다. 소스 콜렉터 모듈(SO)은 LPA 방사선 시스템의 일부일 수도 있다. 레이저(LA)는 제논(Xe), 주석(Sn) 또는 리튬(Li)과 같은 연료에 레이저 에너지를 퇴적하도록 배치되어, 수십 eV의 전자 온도를 갖는 고도로 이온화된 플라즈마(210)를 생성할 수 있다. 이들 이온의 탈여기(de-excitation) 및 재결합 동안 생성되는 에너지 방사선은 플라즈마로부터 방출되어, 거의 수직 입사 콜렉터 광학기기(CO)에 의해 수집되고 엔클로징 구조물(220)의 개구(221) 상으로 집속된다.
본원에서 개시되는 개념은, 파장 미만의 피쳐(sub wavelength feature)를 이미지화하기 위한 임의의 일반적인 이미징 시스템을 시뮬레이팅하거나 또는 수학적으로 모델링할 수도 있고, 점점 더 짧은 파장을 생성할 수 있는 신흥의(emerging) 이미징 기술과 함께 유용할 수도 있다. 신흥의 기술은 EUV(극 자외선), ArF 레이저의 사용을 통해 193 nm 파장을, 그리고 플루오르 레이저를 사용하여 심지어 157 nm 파장을 생성할 수 있는 DUV 리소그래피를 포함한다. 또한, EUV 리소그래피는 20-50 nm 범위 내의 파장을, 싱크로트론(synchrotron)을 사용하는 것에 의해 또는 이 범위 내에서 광자를 생성하기 위해 고 에너지 전자를 재료(고체 또는 플라즈마)에 충돌시키는 것에 의해 생성할 수 있다.
본 개시의 실시형태는 다음의 조항에 의해 추가로 설명될 수 있다.
1. 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체로서, 명령어는, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금, 패턴화 프로세스 에어리얼 이미지 표현의 계산 없이, 패턴화 프로세스 영향 데이터를 결정하기 위한 전자적 모델을 실행하게 하고, 패턴화 프로세스 영향 데이터는 패턴화 프로세스에서 사용되는 다수의 스캐너의 공동 최적화를 용이하게 하도록 구성되며, 명령어는 다음의 것을 포함하는 동작을 야기한다:
패턴화 시스템 수차 데이터를 모델 ― 모델은 수신된 패턴화 시스템 수차 데이터를 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함함 ― 에 제공하는 것; 및
모델에 기초하여, 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터 ― 모델로부터의 새로운 패턴화 프로세스 영향 데이터는, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해, 비용 함수에 제공되도록 구성되고, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용은 다수의 스캐너의 공동 최적화를 용이하게 하기 위해 사용되도록 구성됨 ― 를 결정하는 것.
2. 조항 1의 매체로서, 모델에 제공되는 패턴화 시스템 수차 데이터는 파면 데이터를 포함하고, 새로운 패턴화 프로세스 영향 데이터는 하나 이상의 패턴화 프로세스 메트릭을 포함한다.
3. 조항 1 또는 2의 매체로서, 모델은 패턴화 프로세스의 임계 피쳐에 대한 스캐너 대 스캐너 변동을 모델링하도록 구성되는 하나 이상의 임계 피쳐 성분; 및 패턴화 프로세스의 비임계 피쳐에 대한 스캐너 전반에 걸친 일반적인 성능을 모델링하도록 구성되는 하나 이상의 규제 성분을 포함한다.
4. 조항 1-3 중 임의의 것의 매체로서, 비용 함수는 패턴화 프로세스의 임계 피쳐와 관련되는 제1 성분, 패턴화 프로세스의 비임계 피쳐와 관련되는 제2 성분, 및 하나 이상의 스캐너의 물리적 기능 제한과 관련되는 제3 성분을 포함한다.
5. 조항 1-4 중 임의의 것의 매체로서, 공동 최적화는 렌즈 액추에이터를 변수로서 사용하는 것, 및 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하기 위해 그래디언트 기반의 비선형 최적화기를 사용하는 것을 포함한다.
6. 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체로서, 명령어는, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금:
패턴화 시스템 수차 데이터를 수신하도록 구성되는 캘리브레이팅된 모델을 실행하게 하고; 그리고
모델에 기초하여, 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터를 결정하게 하되;
모델은, 에어리얼 이미지 표현의 계산 없이, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다.
7. 조항 6의 매체로서, 초차원 함수는, 전체 시뮬레이션 대신 근사 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다.
8. 조항 6-7 중 임의의 것의 매체로서, 모델은 하나 이상의 비선형, 선형, 및/또는 2차 알고리즘을 포함한다.
9. 조항 6-8 중 임의의 것의 매체로서, 수신된 패턴화 시스템 수차 데이터는 수신된 파면 데이터를 포함하고, 새로운 패턴화 프로세스 영향 데이터는 하나 이상의 패턴화 프로세스 메트릭을 포함한다.
10. 조항 9의 매체로서, 하나 이상의 패턴화 프로세스 메트릭은 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트를 포함한다.
11. 조항 6-9 중 임의의 것의 매체로서, 모델은 패턴화 프로세스의 임계 피쳐에 대한 패턴화 시스템 대 패턴화 시스템 변동을 모델링하도록 구성되는 하나 이상의 임계 피쳐 성분; 및 패턴화 프로세스의 비임계 피쳐에 대한 패턴화 시스템 전반에 걸친 일반적인 성능을 모델링하도록 구성되는 하나 이상의 규제 성분을 포함한다.
12. 조항 6-11 중 임의의 것의 매체로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해, 비용 함수에 제공되도록 구성된다.
13. 조항 12의 매체로서, 비용 함수는 패턴화 프로세스의 임계 피쳐와 관련되는 제1 성분, 패턴화 프로세스의 비임계 피쳐와 관련되는 제2 성분, 및 하나 이상의 패턴화 시스템의 물리적 기능 제한과 관련되는 제3 성분을 포함한다.
14. 조항 13의 매체로서, 비용 함수는 패턴화 프로세스 파면 조절 페널티와 관련되는 제4 성분을 더 포함한다.
15. 조항 6-14 중 임의의 것의 매체로서, 모델로부터 출력되는 새로운 패턴화 프로세스 영향 데이터는 다수의 패턴화 시스템의 공동 최적화를 용이하게 하도록 구성된다.
16. 조항 15의 매체로서, 다수의 패턴화 시스템은 스캐너를 포함하고, 공동 최적화는 렌즈 액추에이터를 변수로서 사용하는 것, 및 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하기 위해 그래디언트 기반의 비선형 최적화기를 사용하는 것을 포함한다.
17. 조항 6-16 중 임의의 것의 매체로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성되는데, 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 결정되도록 구성된다.
18. 조항 6-17 중 임의의 것의 매체로서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타낸다.
19. 조항 6-18 중 임의의 것의 매체로서, 여기서:
모델로부터의 새로운 패턴화 프로세스 영향 데이터는 개개의 패턴화 프로세스 메트릭과 관련되는 비용의 결정을 용이하게 하기 위해 비용 함수에 제공되도록 구성되고;
개개의 패턴화 프로세스 메트릭과 관련되는 비용은 패턴화 프로세스 파면 조절의 결정 및/또는 그와 관련되는 비용을 용이하게 하기 위해 모델에 다시 제공되도록 구성되고;
패턴화 프로세스 파면 조절과 관련되는 비용은 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해 드라이버 렌즈 모델에 제공되도록 구성되고; 그리고
개개의 패턴화 프로세스 변수와 관련되는 비용은 다수의 패턴화 시스템의 공동 최적화를 용이하게 하기 위해 최적화기에 제공되도록 구성된다.
20. 조항 6-8 중 임의의 것의 매체로서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
21. 패턴화 프로세스 에어리얼 이미지 표현의 계산 없이 패턴화 프로세스 영향 데이터를 결정하기 위한 방법으로서, 방법은:
패턴화 시스템 수차 데이터를 수신하도록 구성되는 캘리브레이팅된 모델을 실행하는 것; 및
모델에 기초하여, 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터를 결정하는 것을 포함하고;
모델은, 에어리얼 이미지 표현의 계산 없이, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다.
22. 조항 21의 방법으로서, 초차원 함수는, 전체 시뮬레이션 대신 근사 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다.
23. 조항 21-22 중 임의의 것의 방법으로서, 모델은 하나 이상의 비선형, 선형, 및/또는 2차 알고리즘을 포함한다.
24. 조항 21-23 중 임의의 것의 방법으로서, 수신된 패턴화 시스템 수차 데이터는 수신된 파면 데이터를 포함하고, 새로운 패턴화 프로세스 영향 데이터는 하나 이상의 패턴화 프로세스 메트릭을 포함한다.
25. 조항 24의 방법으로서, 하나 이상의 패턴화 프로세스 메트릭은 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트를 포함한다.
26. 조항 21-25 중 임의의 것의 방법으로서, 모델은 패턴화 프로세스의 임계 피쳐에 대한 패턴화 시스템 대 패턴화 시스템 변동을 모델링하도록 구성되는 하나 이상의 임계 피쳐 성분; 및 패턴화 프로세스의 비임계 피쳐에 대한 패턴화 시스템 전반에 걸친 일반적인 성능을 모델링하도록 구성되는 하나 이상의 규제 성분을 포함한다.
27. 조항 21-26 중 임의의 것의 방법으로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해, 비용 함수에 제공되도록 구성된다.
28. 조항 27의 방법으로서, 비용 함수는 패턴화 프로세스의 임계 피쳐와 관련되는 제1 성분, 패턴화 프로세스의 비임계 피쳐와 관련되는 제2 성분, 및 하나 이상의 패턴화 시스템의 물리적 기능 제한과 관련되는 제3 성분을 포함한다.
29. 조항 28의 방법으로서, 비용 함수는 패턴화 프로세스 파면 조절 페널티와 관련되는 제4 성분을 더 포함한다.
30. 조항 21-29 중 임의의 것의 방법으로서, 모델로부터 출력되는 새로운 패턴화 프로세스 영향 데이터는 다수의 패턴화 시스템의 공동 최적화를 용이하게 하도록 구성된다.
31. 조항 30의 방법으로서, 다수의 패턴화 시스템은 스캐너를 포함하고, 공동 최적화는 렌즈 액추에이터를 변수로서 사용하는 것, 및 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하기 위해 그래디언트 기반의 비선형 최적화기를 사용하는 것을 포함한다.
32. 조항 21-31 중 임의의 것의 방법으로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성되는데, 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 결정되도록 구성된다.
33. 조항 21-32 중 임의의 것의 방법으로서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타낸다.
34. 조항 21-33 중 임의의 것의 방법으로서, 여기서:
모델로부터의 새로운 패턴화 프로세스 영향 데이터는 개개의 패턴화 프로세스 메트릭과 관련되는 비용의 결정을 용이하게 하기 위해 비용 함수에 제공되도록 구성되고;
개개의 패턴화 프로세스 메트릭과 관련되는 비용은 패턴화 프로세스 파면 조절의 결정 및/또는 그와 관련되는 비용을 용이하게 하기 위해 모델에 다시 제공되도록 구성되고;
패턴화 프로세스 파면 조절과 관련되는 비용은 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해 드라이버 렌즈 모델에 제공되도록 구성되고; 그리고
개개의 패턴화 프로세스 변수와 관련되는 비용은 다수의 패턴화 시스템의 공동 최적화를 용이하게 하기 위해 최적화기에 제공되도록 구성된다.
35. 조항 21-34 중 임의의 것의 방법으로서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
36. 예측 모델 및 하나 이상의 프로세서에 의해 실행될 때 예측 모델을 제공하는 명령어를 저장하는 하나 이상의 비일시적 컴퓨터 판독 가능 매체로서, 예측 모델은:
패턴화 시스템 수차 데이터 및 대응하는 패턴화 프로세스 영향 데이터를 획득하는 것;
패턴화 프로세스 영향 데이터의 예측을 획득하기 위해 패턴화 시스템 수차 데이터를 기본 예측 모델에 제공하는 것; 및
기본 예측 모델의 하나 이상의 구성을 업데이트하기 위한 ― 하나 이상의 구성은 패턴화 프로세스 영향 데이터와 패턴화 프로세스 영향 데이터의 예측 사이의 비교에 기초하여 업데이트됨 ― 피드백으로서 패턴화 프로세스 영향 데이터를 사용하는 것에 의해 생성되고,
예측 모델은, 에어리얼 이미지 표현의 계산 없이 패턴화 시스템 수차 데이터를 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다.
37. 조항 36의 매체로서, 예측 모델은 선형 또는 2차 알고리즘을 포함한다.
38. 조항 37의 매체로서, 예측 모델의 하나 이상의 구성을 업데이트하는 것은 함수의 하나 이상의 파라미터를 캘리브레이팅하는 것을 포함한다.
39. 조항 36-38 중 임의의 것의 매체로서, 패턴화 시스템 수차 데이터는 관련된 동공 형상 및 패턴화 디바이스 설계에 기초하여 시뮬레이팅된다.
40. 조항 36-39 중 임의의 것의 매체로서, 패턴화 프로세스 영향 데이터는 대응하는 패턴화 시스템 수차에 대한 비용 함수 s(Z)를 포함하는데, 패턴화 시스템 수차는 패턴화 시스템 수차 데이터에 의해 정의된다.
41. 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체로서, 명령어는, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금:
패턴화 시스템 수차 데이터를 수신하도록 구성되는 캘리브레이팅된 모델 ― 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅됨 ― 을 실행하게 하고;
모델에 기초하여, 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터를 결정하게 하되;
모델은, 에어리얼 이미지 표현의 계산 없이, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다.
42. 조항 41의 매체로서, 초차원 함수는, 전체 시뮬레이션 대신 단순화된 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다.
43. 조항 41 또는 42의 매체로서, 모델은 패턴화 프로세스 영향 캘리브레이션 데이터의 예측을 획득하기 위해 패턴화 시스템 수차 캘리브레이션 데이터를 기본 모델에 제공하는 것, 및 기본 모델의 하나 이상의 구성을 업데이트하기 위한 피드백으로서 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하는 것에 의해 캘리브레이팅되되, 하나 이상의 구성은 패턴화 프로세스 영향 캘리브레이션 데이터와 패턴화 프로세스 영향 캘리브레이션 데이터의 예측 사이의 비교에 기초하여 업데이트된다.
44. 조항 41-43 중 임의의 것의 매체로서, 모델은 선형 또는 2차 알고리즘을 포함한다.
45. 조항 43-44 중 임의의 것의 매체로서, 기본 모델의 하나 이상의 구성을 업데이트하는 것은 함수의 하나 이상의 파라미터를 캘리브레이팅하는 것을 포함한다.
46. 조항 41-45 중 임의의 것의 매체로서, 패턴화 시스템 수차 캘리브레이션 데이터는 관련된 동공 형상 및 패턴화 디바이스 설계에 기초하여 시뮬레이팅된다.
47. 조항 41-46 중 임의의 것의 매체로서, 새로운 패턴화 프로세스 영향 데이터는 대응하는 패턴화 시스템 수차에 대한 비용 함수 s(Z)를 포함하는데, 패턴화 시스템 수차는 수신된 패턴화 시스템 수차 데이터에 의해 정의된다.
48. 조항 47의 매체로서, 비용 함수 s(Z)는 대응하는 패턴화 시스템 수차에 의해 야기되는 패턴화 프로세스에 대한 영향을 나타낸다.
49. 조항 41-48 중 임의의 것의 매체로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 시스템의 동적 현장 수차 제어를 용이하게 하기 위해 제2 모델에 제공되도록 구성된다.
50. 조항 49의 매체로서, 제2 모델은 투영 광학기기 정정 모델이다.
51. 조항 제49 또는 50의 매체로서, 패턴화 시스템은 스캐너를 포함하고, 스캐너의 동적 현장 제어는 리소그래피 성능 메트릭의 세트를 최적화하기 위해 주어진 스캐너 수차에 대한 정정된 스캐너 제어 파라미터 레시피를 생성하는 것을 포함한다.
52. 조항 41-51 중 임의의 것의 매체로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성되는데, 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 결정되도록 구성된다.
53. 조항 52의 매체로서, 패턴화 프로세스 제어 메트릭은 리소그래피 메트릭을 포함한다.
54. 조항 52 또는 53의 매체로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 비용 함수 헤시안을 포함하고, 패턴화 프로세스 제어 메트릭의 세트를 결정하는 것은 헤시안에 대해 특이 값 분해를 수행하는 것을 포함한다.
55. 조항 41-54 중 임의의 것의 매체로서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타낸다.
56. 조항 41-55 중 임의의 것의 매체로서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
57. 조항 41-56 중 임의의 것의 매체로서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템과 관련되는 초점, 선량, 및/또는 스테이지 변동(MSD)의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
58. 패턴화 프로세스 영향 데이터를 결정하기 위한 방법으로서, 방법은:
패턴화 시스템 수차 데이터를 수신하도록 구성되는 캘리브레이팅된 모델 ― 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅됨 ― 을 실행하는 것; 및
모델에 기초하여, 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터를 결정하는 것을 포함하되;
모델은, 에어리얼 이미지 표현의 계산 없이, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성되는 초차원 함수를 포함한다.
59. 조항 58의 방법으로서, 초차원 함수는, 전체 시뮬레이션 대신 단순화된 형태로, 수신된 패턴화 시스템 수차 데이터를 새로운 패턴화 프로세스 영향 데이터와 상관시키도록 구성된다.
60. 조항 58 또는 59의 방법으로서, 모델은 패턴화 프로세스 영향 캘리브레이션 데이터의 예측을 획득하기 위해 패턴화 시스템 수차 캘리브레이션 데이터를 기본 모델에 제공하는 것, 및 기본 모델의 하나 이상의 구성을 업데이트하기 위한 피드백으로서 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하는 것에 의해 캘리브레이팅되되, 하나 이상의 구성은 패턴화 프로세스 영향 캘리브레이션 데이터와 패턴화 프로세스 영향 캘리브레이션 데이터의 예측 사이의 비교에 기초하여 업데이트된다.
61. 조항 58-60 중 임의의 것의 방법으로서, 모델은 선형 또는 2차 알고리즘을 포함한다.
62. 조항 60-61 중 임의의 것의 방법으로서, 기본 모델의 하나 이상의 구성을 업데이트하는 것은 함수의 하나 이상의 파라미터를 캘리브레이팅하는 것을 포함한다.
63. 조항 58-62 중 임의의 것의 방법으로서, 패턴화 시스템 수차 캘리브레이션 데이터는 관련된 동공 형상 및 패턴화 디바이스 설계에 기초하여 시뮬레이팅된다.
64. 조항 58-63 중 임의의 것의 방법으로서, 새로운 패턴화 프로세스 영향 데이터는 대응하는 패턴화 시스템 수차에 대한 비용 함수 s(Z)를 포함하는데, 패턴화 시스템 수차는 수신된 패턴화 시스템 수차 데이터에 의해 정의된다.
65. 조항 64의 방법으로서, 비용 함수 s(Z)는 대응하는 패턴화 시스템 수차에 의해 야기되는 패턴화 프로세스에 대한 영향을 나타낸다.
66. 조항 58-65 중 임의의 것의 방법으로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 시스템의 동적 현장 수차 제어를 용이하게 하기 위해 제2 모델에 제공되도록 구성된다.
67. 조항 66의 방법으로서, 제2 모델은 투영 광학기기 정정 모델이다.
68. 조항 66 또는 67의 방법으로서, 패턴화 시스템은 스캐너를 포함하고, 스캐너의 동적 현장 제어는 리소그래피 성능 메트릭의 세트를 최적화하기 위해 주어진 스캐너 수차에 대한 정정된 스캐너 제어 파라미터 레시피를 생성하는 것을 포함한다.
69. 조항 58-68 중 임의의 것의 방법으로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성되는데, 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버에 의해 결정되도록 구성된다.
70. 조항 69의 방법으로서, 패턴화 프로세스 제어 메트릭은 리소그래피 메트릭을 포함한다.
71. 조항 69 또는 70의 방법으로서, 모델로부터의 새로운 패턴화 프로세스 영향 데이터는 비용 함수 헤시안을 포함하고, 패턴화 프로세스 제어 메트릭의 세트를 결정하는 것은 헤시안에 대해 특이 값 분해를 수행하는 것을 포함한다.
72. 조항 58-71 중 임의의 것의 방법으로서, 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수, 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타낸다.
73. 조항 58-72 중 임의의 것의 방법으로서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
74. 조항 58-73 중 임의의 것의 방법으로서, 모델은, 새로운 패턴화 프로세스 영향 데이터가 패턴화 시스템과 관련되는 초점, 선량, 및/또는 스테이지 변동(MSD)의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅된다.
75. 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체로서, 명령어는, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금 조항 58-74 중 임의의 것의 방법을 수행하게 한다.
본원에서 개시되는 개념이 실리콘 웨이퍼와 같은 기판 상에서 웨이퍼 제조를 위해 사용될 수도 있지만, 개시된 개념은 임의의 타입의 제조 시스템(예를 들면, 실리콘 웨이퍼 이외의 기판 상에서 제조하기 위해 사용되는 것들)과 함께 사용될 수도 있다는 것이 이해되어야 한다.
또한, 개시된 엘리먼트의 조합 및 하위 조합은 별개의 실시형태를 포함할 수도 있다. 예를 들면, 수차 영향 모델 및 투영 광학기기 모델은 별개의 실시형태에서 포함될 수도 있거나, 또는 그들은 동일한 실시형태에서 함께 포함될 수도 있다.
상기의 설명은 제한이 아니라 예시적인 것으로 의도된다. 따라서, 하기에서 설명되는 청구범위의 범위로부터 벗어나지 않으면서 설명되는 바와 같이 수정예가 이루어질 수도 있다는 것이 기술 분야에서 숙련된 자에게는 명백할 것이다.

Claims (15)

  1. 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체로서,
    상기 명령어는, 컴퓨터에 의해 실행될 때, 상기 컴퓨터로 하여금:
    패턴화 시스템 수차 데이터를 수신하도록 구성되는 캘리브레이팅된 모델 ― 상기 모델은 패턴화 시스템 수차 캘리브레이션 데이터 및 대응하는 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하여 캘리브레이팅됨 ― 을 실행하게 하고; 그리고
    상기 모델에 기초하여, 상기 수신된 패턴화 시스템 수차 데이터에 대한 새로운 패턴화 프로세스 영향 데이터를 결정하게 하되,
    상기 모델은, 에어리얼 이미지 표현(aerial image representation)의 계산 없이, 상기 수신된 패턴화 시스템 수차 데이터를 상기 새로운 패턴화 프로세스 영향 데이터와 단순화된 형태로 상관시키도록 구성되는 초차원 함수(hyperdimensional function)를 포함하는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  2. 제1항에 있어서,
    상기 모델은 상기 패턴화 프로세스 영향 캘리브레이션 데이터의 예측을 획득하기 위해 패턴화 시스템 수차 캘리브레이션 데이터를 기본 모델에 제공하는 것, 및 상기 기본 모델의 하나 이상의 구성을 업데이트하기 위한 피드백으로서 상기 패턴화 프로세스 영향 캘리브레이션 데이터를 사용하는 것에 의해 캘리브레이팅되되, 상기 하나 이상의 구성은 상기 패턴화 프로세스 영향 캘리브레이션 데이터와 상기 패턴화 프로세스 영향 캘리브레이션 데이터의 상기 예측 사이의 비교에 기초하여 업데이트되는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  3. 제1항에 있어서,
    상기 모델은 선형 또는 2차(quadratic) 알고리즘 또는 이들의 조합을 포함하는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  4. 제2항에 있어서,
    상기 패턴화 시스템 수차 캘리브레이션 데이터는 관련된 동공 형상(pupil shape) 및 레이어 고유의 패턴화 디바이스 설계에 기초하여 시뮬레이팅되는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  5. 제1항에 있어서,
    상기 새로운 패턴화 프로세스 영향 데이터는 대응하는 패턴화 시스템 수차에 대한 비용 함수 s(Z)를 포함하되, 상기 패턴화 시스템 수차는 상기 수신된 패턴화 시스템 수차 데이터에 의해 정의되고, 상기 비용 함수 s(Z)는 상기 대응하는 패턴화 시스템 수차에 의해 야기되는 상기 패턴화 프로세스에 대한 영향을 나타내는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  6. 제1항에 있어서,
    상기 모델로부터의 상기 새로운 패턴화 프로세스 영향 데이터는 패턴화 시스템의 동적 현장 수차 제어(dynamic in-situ aberration control)를 가능하게 하기 위해 제2 모델에 제공되도록 구성되되, 상기 제2 모델은 투영 광학기기 정정 모델(projection optics correction model)인, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  7. 제6항에 있어서,
    상기 패턴화 시스템은 스캐너를 포함하고, 상기 스캐너의 동적 현장 제어는 리소그래피 성능 메트릭의 세트를 최적화하기 위해 주어진 스캐너 수차에 대한 정정된 스캐너 제어 파라미터 레시피를 생성하는 것을 포함하는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  8. 제1항에 있어서,
    상기 모델로부터의 상기 새로운 패턴화 프로세스 영향 데이터는 패턴화 프로세스 제어 메트릭의 세트를 결정하기 위해 사용되도록 구성되되, 상기 패턴화 프로세스 제어 메트릭의 세트는 선형 솔버(linear solver)에 의해 결정되도록 구성되는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  9. 제8항에 있어서,
    상기 패턴화 프로세스 제어 메트릭의 세트를 결정하는 것은 비용 함수 헤시안(Hessian)에 대해 특이 값 분해(singular value decomposition)를 수행하는 것을 포함하는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  10. 제8항에 있어서,
    상기 패턴화 프로세스 제어 메트릭은 리소그래피 메트릭을 포함하고, 상기 새로운 패턴화 프로세스 영향 데이터는, 대응하는 패턴화 시스템 수차에 의한, 임계 치수(critical dimension), 패턴 배치 에러, 에지 배치 에러, 임계 치수 비대칭성, 최상의 초점 시프트, 또는 패턴화 프로세스와 관련되는 결함 카운트 중 하나 이상에 대한 영향을 나타내는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  11. 제1항에 있어서,
    상기 모델은, 상기 새로운 패턴화 프로세스 영향 데이터가 상기 패턴화 시스템의 하나 이상의 미러 및/또는 렌즈의 가열로부터의 효과의 향상된 제어를 용이하게 하게끔 구성되도록 캘리브레이팅되는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  12. 제1항에 있어서,
    상기 모델로부터의 상기 새로운 패턴화 프로세스 영향 데이터는, 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용의 결정을 용이하게 하기 위해, 비용 함수에 제공되도록 구성되고, 상기 개개의 패턴화 프로세스 메트릭과 관련되는 비용 및/또는 개개의 패턴화 프로세스 변수와 관련되는 비용은 상기 다수의 스캐너의 공동 최적화를 용이하게 하기 위해 사용되도록 구성되는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  13. 제12항에 있어서,
    상기 모델은 패턴화 프로세스의 임계 피쳐(critical feature)에 대한 스캐너 대 스캐너 변동을 모델링하도록 구성되는 하나 이상의 임계 피쳐 성분; 및 상기 패턴화 프로세스의 비임계 피쳐에 대한 스캐너 전반에 걸친 일반적인 성능을 모델링하도록 구성되는 하나 이상의 규제 성분을 포함하는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  14. 제12항에 있어서,
    상기 비용 함수는, 패턴화 프로세스의 임계 피쳐와 관련되는 제1 성분, 패턴화 프로세스의 비임계 피쳐와 관련되는 제2 성분, 및 하나 이상의 스캐너의 물리적 기능 제한과 관련되는 제3 성분: 중 두 개 이상을 포함하는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
  15. 제12항에 있어서,
    상기 공동 최적화는 렌즈 액추에이터를 변수로서 사용하는 것, 및 다수의 스캐너에 대한 액추에이터 포지션을 공동 결정하기 위해 그래디언트 기반의 비선형 최적화기를 사용하는 것을 포함하는, 명령어를 갖는 비일시적 컴퓨터 판독 가능 매체.
KR1020227043335A 2020-06-10 2021-05-14 수차 영향 시스템, 모델, 및 제조 프로세스 KR20230010686A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063037494P 2020-06-10 2020-06-10
US63/037,494 2020-06-10
US202163147831P 2021-02-10 2021-02-10
US63/147,831 2021-02-10
PCT/EP2021/062795 WO2021249720A1 (en) 2020-06-10 2021-05-14 Aberration impact systems, models, and manufacturing processes

Publications (1)

Publication Number Publication Date
KR20230010686A true KR20230010686A (ko) 2023-01-19

Family

ID=76076309

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227043335A KR20230010686A (ko) 2020-06-10 2021-05-14 수차 영향 시스템, 모델, 및 제조 프로세스

Country Status (7)

Country Link
US (1) US20230205096A1 (ko)
EP (1) EP4165471A1 (ko)
JP (1) JP2023529080A (ko)
KR (1) KR20230010686A (ko)
CN (1) CN115715381A (ko)
TW (1) TWI786658B (ko)
WO (1) WO2021249720A1 (ko)

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5229872A (en) 1992-01-21 1993-07-20 Hughes Aircraft Company Exposure device including an electrically aligned electronic mask for micropatterning
JP4075966B2 (ja) 1996-03-06 2008-04-16 エーエスエムエル ネザーランズ ビー．ブイ． 差分干渉計システム及びこのシステムを具えたリソグラフステップアンドスキャン装置
US7262831B2 (en) * 2004-12-01 2007-08-28 Asml Netherlands B.V. Lithographic projection apparatus and device manufacturing method using such lithographic projection apparatus
CN101258498B (zh) 2005-08-08 2011-04-13 Asml荷兰有限公司 用于形成光刻工艺的焦点曝光模型的***和方法
US7695876B2 (en) 2005-08-31 2010-04-13 Brion Technologies, Inc. Method for identifying and using process window signature patterns for lithography process control
US7617477B2 (en) 2005-09-09 2009-11-10 Brion Technologies, Inc. Method for selecting and optimizing exposure tool using an individual mask error model
US7694267B1 (en) 2006-02-03 2010-04-06 Brion Technologies, Inc. Method for process window optimized optical proximity correction
US7882480B2 (en) 2007-06-04 2011-02-01 Asml Netherlands B.V. System and method for model-based sub-resolution assist feature generation
US7707538B2 (en) 2007-06-15 2010-04-27 Brion Technologies, Inc. Multivariable solver for optical proximity correction
US7999920B2 (en) * 2007-08-22 2011-08-16 Asml Netherlands B.V. Method of performing model-based scanner tuning
US20090157630A1 (en) 2007-10-26 2009-06-18 Max Yuan Method of extracting data and recommending and generating visual displays
NL1036189A1 (nl) 2007-12-05 2009-06-08 Brion Tech Inc Methods and System for Lithography Process Window Simulation.
NL2003699A (en) 2008-12-18 2010-06-21 Brion Tech Inc Method and system for lithography process-window-maximixing optical proximity correction.
EP3444674A1 (en) * 2017-08-14 2019-02-20 ASML Netherlands B.V. Method and apparatus to determine a patterning process parameter
CN118192177A (zh) * 2018-06-25 2024-06-14 Asml荷兰有限公司 基于性能匹配的调谐扫描器的波前优化

Also Published As

Publication number Publication date
TW202202949A (zh) 2022-01-16
JP2023529080A (ja) 2023-07-07
CN115715381A (zh) 2023-02-24
TWI786658B (zh) 2022-12-11
US20230205096A1 (en) 2023-06-29
EP4165471A1 (en) 2023-04-19
WO2021249720A1 (en) 2021-12-16

Similar Documents

Publication Publication Date Title
KR102644214B1 (ko) 컴퓨테이션 리소그래피를 위한 머신 러닝 모델을 트레이닝시키기 위한 방법
KR102304331B1 (ko) 기계 학습에 의해 공정 모델들을 결정하는 방법들
TWI624765B (zh) 用以改良微影程序之電腦實施方法及電腦程式產品
TWI620980B (zh) 影像對數斜率（ｉｌｓ）最佳化
TWI752539B (zh) 用於模型校準以減少模型預測不確定性的預測資料選擇
KR20220124829A (ko) 패터닝 공정을 위한 최적화의 흐름
TW202036169A (zh) 藉由源及遮罩最佳化以建立理想源光譜的方法
KR20230035384A (ko) 기계 학습 모델을 트레이닝시키기 위한 정보성 패턴을 선택하는 장치 및 방법.
KR102376267B1 (ko) 패터닝 디바이스 상의 유한한 두께들의 구조체들에 의한 방사선의 산란을 결정하는 방법들
WO2022268434A1 (en) Etch simulation model including a correlation between etch biases and curvatures of contours
TWI786658B (zh) 像差影響系統、模型、及製造程序
TWI838957B (zh) 用於判定基於蝕刻偏差方向之蝕刻功效之非暫時性電腦可讀媒體
TWI844942B (zh) 用於圖案選擇之非暫時性電腦可讀媒體
CN112889004B (en) Method for creating ideal source spectrum through source and mask optimization
WO2023088649A1 (en) Determining an etch effect based on an etch bias direction
CN115903394A (zh) 图案选择***和方法
WO2023088641A1 (en) Simulation model stability determination method
WO2023084063A1 (en) Generating augmented data to train machine learning models to preserve physical trends
WO2023110401A1 (en) Thermal control systems, models, and manufacturing processes in lithography
CN118235087A (zh) 基于蚀刻偏差方向确定蚀刻效果
CN118265950A (en) Simulation model stability determining method