[go: up one dir, main page]

TWI751305B - 隨機察覺度量衡及製造 - Google Patents

隨機察覺度量衡及製造 Download PDF

Info

Publication number
TWI751305B
TWI751305B TW107109574A TW107109574A TWI751305B TW I751305 B TWI751305 B TW I751305B TW 107109574 A TW107109574 A TW 107109574A TW 107109574 A TW107109574 A TW 107109574A TW I751305 B TWI751305 B TW I751305B
Authority
TW
Taiwan
Prior art keywords
interest
random
regions
sample
metrology
Prior art date
Application number
TW107109574A
Other languages
English (en)
Other versions
TW201841075A (zh
Inventor
約翰 Ｊ 拜佛爾
摩西 Ｅ 普瑞歐
Original Assignee
美商克萊譚克公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 美商克萊譚克公司 filed Critical 美商克萊譚克公司
Publication of TW201841075A publication Critical patent/TW201841075A/zh
Application granted granted Critical
Publication of TWI751305B publication Critical patent/TWI751305B/zh

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
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
    • H10P74/27—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • H10P72/06—
    • H10P74/203—
    • H10P74/235—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95676—Masks, reticles, shadow masks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0294—Optimizing process, e.g. process efficiency, product quality

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)

Abstract

一種用於隨機察覺度量衡之系統包含通信地耦合至一製造工具之一控制器。該控制器接收一生產配方，該生產配方至少包含待製造於一樣本上之一元件圖案及用於曝光該元件圖案之一或多個曝光參數；識別易受隨機重複缺陷影響之該元件圖案之候選關注區域，該等隨機重複缺陷包含經預測以在根據該生產配方製造時隨機發生之製造缺陷；藉由比較該一或多個隨機重複缺陷之一或多個經預測可能性與一缺陷可能性臨限值自該等候選關注區域選擇一或多個關注區域；修改該生產配方以減輕一選定容限內之該一或多個關注區域內之該等隨機重複缺陷；及引導該製造工具根據該經修改生產配方製造至少一個樣本。

Description

隨機察覺度量衡及製造
本發明大體上係關於度量衡系統且更特定言之，關於隨機察覺度量衡系統。
具有減小波長之照明源可用以滿足對半導體裝置上之不斷縮小特徵之需求。然而，減小微影系統中之照明源之波長可增加在製造期間隨機發生或以一特定概率發生之缺陷之發生，尤其是在其中最小化曝光劑量以增大產出量且減小製造成本之大量製造中。據此，在一給定製造回合(run)期間產生之缺陷之數目及位置可不同。在使用短波長照明源的情況下之此隨機缺陷的增大可能性可與各種因素相關聯，包含與入射於一樣本上之減少數目個光子相關之增加的光子能量以及此等光子之吸收之隨機變動。 隨機顯現之隨機缺陷(例如，隨機重複缺陷(repeater))之存在提供對缺陷偵測以及經設計以減輕此等隨機重複缺陷之影響之樣本佈局及生產配方的產生之增大挑戰。
揭示一種根據本發明之一或多項闡釋性實施例之系統。在一項闡釋性實施例中，該系統包含通信地耦合至一製造工具之一控制器。在另一闡釋性實施例中，該控制器接收一生產配方，該生產配方至少包含待製造於一樣本上之元件之一圖案及用於在該樣本的製造期間使用照明曝光該元件圖案之一或多個曝光參數。在另一闡釋性實施例中，該控制器識別當根據該生產配方製造時易受一或多個隨機重複缺陷影響之該元件圖案之一或多個候選關注區域。在另一闡釋性實施例中，該一或多個隨機重複缺陷包含經預測以在根據該生產配方製造時隨機發生之一或多個製造缺陷。在另一闡釋性實施例中，該控制器藉由比較該一或多個隨機重複缺陷之一或多個經預測可能性與一缺陷可能性臨限值，自該一或多個候選關注區域選擇一或多個關注區域。在另一闡釋性實施例中，該控制器修改該生產配方以減輕一選定容限內之該一或多個關注區域內之該一或多個隨機重複缺陷。在另一闡釋性實施例中，該控制器引導該製造工具根據該經修改生產配方製造至少一個樣本。 揭示一種根據本發明之一或多項闡釋性實施例之方法。在一項闡釋性實施例中，該方法包含接收一生產配方，該生產配方至少包含待製造於一樣本上之元件之一圖案及用於使用照明曝光該元件圖案之一或多個曝光參數。在另一闡釋性實施例中，該方法包含識別當根據該生產配方製造時易受隨機重複缺陷影響之該元件圖案之一或多個候選關注區域。在另一闡釋性實施例中，該一或多個隨機重複缺陷包含經預測以在根據該生產配方製造時隨機發生之一或多個製造缺陷。在另一闡釋性實施例中，該方法包含藉由比較一或多個隨機重複缺陷之一或多個經預測可能性與一缺陷可能性臨限值，自該一或多個候選關注區域選擇一或多個關注區域。在另一闡釋性實施例中，該方法包含修改該生產配方以減輕一選定容限內之該一或多個關注區域內的該一或多個隨機重複缺陷之經預測發生。在另一闡釋性實施例中，該方法包含根據該經修改生產配方製造至少一個樣本。 揭示一種根據本發明之一或多項闡釋性實施例之系統。在一項闡釋性實施例中，該系統包含通信地耦合至一度量衡工具及一製造工具之一控制器。在一項闡釋性實施例中，該控制器接收一生產配方，該生產配方至少包含待製造於一樣本上之一元件圖案及用於在該樣本的製造期間使用照明曝光該元件圖案之一或多個曝光參數。在另一闡釋性實施例中，該控制器識別當根據該生產配方製造時易受一或多個隨機重複缺陷影響之該元件圖案之一或多個候選關注區域。在另一闡釋性實施例中，該一或多個隨機重複缺陷包含經預測以在根據該生產配方製造時隨機發生之一或多個製造缺陷。在另一闡釋性實施例中，該控制器藉由比較該一或多個隨機重複缺陷之一或多個經預測可能性與一缺陷可能性臨限值，自該一或多個候選關注區域選擇一或多個關注區域。在另一闡釋性實施例中，該控制器引導該製造工具根據該生產配方製造至少一個樣本。在另一闡釋性實施例中，該控制器產生該度量衡工具之一度量衡配方以監測該一或多個關注區域。在另一闡釋性實施例中，該控制器引導該度量衡工具檢驗根據該生產配方製造之該至少一個樣本上之該一或多個關注區域。 揭示一種根據本發明之一或多項闡釋性實施例之方法。在一項闡釋性實施例中，該方法包含接收一生產配方，該生產配方至少包含待製造於一樣本上之一元件圖案及用於在該樣本的製造期間使用照明曝光該元件圖案之一或多個曝光參數。在另一闡釋性實施例中，該方法包含識別當根據該生產配方製造時易受一或多個隨機重複缺陷影響之該元件圖案之一或多個候選關注區域。在另一闡釋性實施例中，該一或多個隨機重複缺陷包含經預測以在根據該生產配方製造時隨機發生之一或多個製造缺陷。在另一闡釋性實施例中，該方法包含藉由比較該一或多個隨機重複缺陷之一或多個經預測可能性與一缺陷可能性臨限值，自該一或多個候選關注區域選擇一或多個關注區域。在另一闡釋性實施例中，該方法包含根據該生產配方製造至少一個樣本。在另一闡釋性實施例中，該方法包含產生一度量衡工具之一度量衡配方以監測該一或多個關注區域。在另一闡釋性實施例中，該方法包含檢驗根據該生產配方製造之該至少一個樣本上之該一或多個關注區域。 應理解，前文概述及下文詳述兩者僅係實例性的且說明性的且未必限制如所主張之本發明。併入本說明書中且構成本說明書之一部分之隨附圖式繪示本發明之實施例且連同概述一起用以說明本發明之原理。
相關申請案之交叉參考 本申請案根據35U.S.C.§119 (e)主張指定John J. Biafore及Moshe E. Preil為發明人、2017年3月22日申請、標題為「STOCHASTICALLY AWARE METROLOGY AND INSPECTION」之美國臨時申請案第62/475,072號之權利，該案之全文以引用方式併入本文中。 現將詳細參考隨附圖式中繪示之所揭示標的物。已關於特定實施例及其等特定特徵特定地展示及描述本發明。本文中所闡述之實施例被視為闡釋性而非限制性。一般技術者應容易明白，可在不背離本發明之精神及範疇之情況下進行形式及細節之各種改變及修改。 本發明之實施例係關於用於隨機察覺製造及度量衡之系統及方法。可將一半導體裝置形成為透過一系列加成或減成程序步驟(諸如但不限於一或多個材料沈積步驟、一或多個微影步驟、一或多個蝕刻步驟、或一或多個剝離步驟)製造之多層印刷元件。例如，用於印刷特徵之一微影蝕刻(LE)程序可包含但不限於：將一光敏材料層(例如，一光阻劑層)沈積至一樣本上；使用一圖案遮罩(例如，一主光罩)之一影像曝光該樣本以修改該光敏材料對一蝕刻劑之電阻率；及蝕除該光阻劑之經曝光或未經曝光部分以留下對應於該圖案遮罩之影像之經印刷特徵。此外，該光阻劑可用作一硬遮罩使得一蝕刻步驟可包含將該光阻劑蝕刻至該光敏材料下方之樣本之一或多個層中。接著，可視情況藉由後續程序步驟移除該光阻劑。 一微影系統之解析度及因此可在單一曝光步驟中曝光於一樣本上之一圖案遮罩的特徵之大小一般隨著光波長而按比例調整。一種滿足對減小半導體裝置之特徵大小的需求之方法係減小照明源之波長。例如，極紫外線微影(EUVL)系統利用極紫外線波長輻射以製造具有小於10 nm之尺寸之特徵。然而，在微影期間減小照明波長以製造小特徵可增大隨機地或針對一定百分比之製造回合(尤其針對其中最小化曝光於樣本上之輻射之劑量以提供高產出量且降低成本，同時維持製造容限之大量製造)發生之隨機製造缺陷之可能性。 特定言之，歸因於增加的光子能量(例如，照明之光子能量與波長成反比或與頻率成正比)，在微影期間減小照明之波長減小使用一給定輻射劑量曝光樣本所需之來自照明源的光子之數目。減小入射於樣本上之光子之數目可增加光子散粒雜訊(PSN)，即與一樣本之一給定體積中的一光子之吸收的不確定性相關之一自然發生現象。隨著待製造特徵之大小接近一光阻劑(例如，光酸產生劑(PAG))中之光敏分子之大小，該光阻劑中之光敏分子之一隨機分佈可引入與樣本之一給定體積中的光子吸收相關聯之額外不確定性。據此，與光子吸收相關聯之隨機雜訊可為光子統計及光阻劑相互作用項之一複數摺積(complex convolution)。因此，即使在標稱上相同的製造條件下，特定製造缺陷仍可隨機發生。當在標稱上相同的條件下(諸如但不限於在一場內之多個位置處、在跨單一晶圓上之多個場之一給定位置處或在跨多個晶圓之一樣本上之一給定位置處)製造標稱上相同的結構時，隨機發生之製造缺陷或隨機重複缺陷可因此以一特定概率發生。 隨機重複缺陷可在一製造環境中帶來多個挑戰。通常，可假定缺陷係確定性的，使得當根據包含待製造於一樣本上之一元件圖案及曝光參數之一已知生產配方製造時，一已知缺陷將持續存在。例如，程序窗口合格性檢定(PWQ)通常識別總是在曝光條件落於一程序窗口外時發生之程序限制缺陷。例如，一程序窗口可界定對與沿微影工具之光軸的樣本之位置(例如，樣本之焦點位置)相關聯之散焦或在曝光期間入射於樣本上之來自照明源之能量之劑量的限制。據此，並非總是在給定曝光條件下發生之隨機重複缺陷之存在可將不確定性引入至典型PWQ演算法中。 本發明之實施例係關於判定一特定隨機重複缺陷可在根據一生產配方製造時發生之一概率(例如，該隨機重複缺陷預期在一場內、跨一晶圓上之多個場、跨多個晶圓或類似者發生之次數之一百分比)。例如，可識別包含隨機重複缺陷之一或多個關注區域。 額外實施例係關於修改生產配方(例如，元件圖案之設計、曝光條件或類似者)以減輕隨機缺陷之製造。例如，修改生產配方可包含在一曝光步驟期間修改曝光條件，諸如但不限於照明劑量或晶圓在一微影工具之焦點體積中之位置。作為一額外實例，修改生產配方可包含修改待製造圖案元件之設計以減輕隨機重複缺陷之發生。 額外實施例係關於隨機察覺度量衡。在本發明中，「度量衡」可指代一樣本(例如，一晶圓、一圖案遮罩或類似者)上之特徵的任何類型之量測。例如，度量衡可包含用以特性化一表面上之元件之大小、定向或分佈之一或多個量測(例如，臨界尺寸度量衡或類似者)。作為另一實例，度量衡可包含在不同步驟中量測製造於一樣本上之特徵之位置以判定經製造樣本層之相對位置(例如，疊對度量衡或類似者)。作為另一實例，度量衡可包含偵測及/或識別所關注特徵，諸如但不限於一樣本上之缺陷(例如，檢驗度量衡)。據此，在本發明中，術語「度量衡」及「檢驗」可互換地使用。 額外實施例係關於產生度量衡配方以監測包含隨機重複缺陷之經識別關注區域。本文中應認知，度量衡配方可包含取樣計劃，該等取樣計劃提供易受待使用一度量衡系統檢驗之缺陷影響的一樣本上之一系列位置。然而，基於絕對(例如，確定性)可重複性將缺陷僅分類為「隨機」或「系統」可能提供隨機重複缺陷的不充分監測。進一步實施例係關於判定適於檢驗具有隨機重複缺陷之樣本之度量衡配方。例如，可產生樣本配方以基於經預測發生(例如，依據一場內、跨多個場、跨多個晶圓或類似者之位置)監測隨機重複缺陷。 額外實施例係關於至少部分使用微影程序之隨機模擬選擇包含隨機重複缺陷之關注區域。在一個例項中，可藉由使用包含樣本佈局及/或曝光條件之一或多個生產配方模擬微影而直接選擇關注區域。在另一例項中，可產生具有經預測概率之隨機缺陷的裝置圖案之一庫。據此，可藉由比較新樣本設計與該庫而選擇一新樣本設計之關注區域。進一步實施例係關於至少部分藉由檢驗經製造樣本(例如，圖案遮罩及/或晶圓)而選擇包含隨機重複缺陷之關注區域。 額外實施例係關於至少部分地使用額外程序資料選擇包含隨機重複缺陷之關注區域。例如，一晶圓之任一側之污染及/或晶圓缺陷(例如，劃痕或厚度變動)可導致描述可易受隨機重複缺陷影響之一晶圓的區域之「熱點」。在一個例項中，可至少部分基於一晶圓表面與完美平坦度(例如，由一程序晶圓幾何形狀(PWG)工具或類似者提供)之偏差而選擇關注區域，該等偏差可影響一微影工具內之焦點位置及因此曝光期間之光子密度。作為另一例實例，電測試資料(例如，來自一晶圓電測試(WET)工具或類似者)可提供可隨機地未通過一電測試之一晶圓之部分且因此提供潛在隨機重複缺陷之一指示。據此，可至少部分基於樣本診斷資料選擇關注區域。 在任何生產步驟識別隨機缺陷且選擇度量衡關注區域可能係有益的。本發明之額外實施例係關於識別含有待曝光於一晶圓上之一元件圖案的一圖案遮罩上之關注區域。就此而言，可針對意欲於在晶圓製造之前識別圖案遮罩之潛在問題的印刷檢查應用選擇關注區域。額外實施例係關於識別一晶圓上之關注區域。例如，可針對其中在一微影步驟之後且在用於移除經曝光或未經曝光材料之一蝕刻步驟之前檢驗一樣本之顯影後檢驗(ADI)選擇包含隨機重複缺陷之關注區域。作為另一實例，可針對其中在一蝕刻步驟中進行材料移除之後檢驗一樣本之蝕刻後檢驗(AEI)選擇包含隨機重複缺陷之關注區域。 圖1A係繪示根據本發明之一或多項實施例的一半導體裝置系統100之一概念視圖。在一項實施例中，系統100包含用於在樣本上微影印刷一或多個圖案(例如，裝置圖案、度量衡圖案或類似者)之一微影子系統102。微影子系統102可包含此項技術中已知之任何微影印刷工具。例如，微影子系統102可包含但不限於一掃描儀或步進器。在另一實施例中，系統100包含一度量衡子系統104。例如，度量衡子系統104可特性化樣本上之一或多個印刷圖案。就此而言，度量衡子系統104可量測樣本上之隨機重複缺陷之一或多次發生。作為另一實例，度量衡子系統104可特性化一圖案遮罩(例如，包含藉由微影子系統102曝光至一樣本上之裝置元件的一圖案之一圖案遮罩)。就此而言，度量衡子系統104可量測當根據一已知生產配方製造時易受製造缺陷影響之裝置元件的圖案之一或多個部分。在一般意義上，度量衡子系統104可使用此項技術中已知之任何方法量測任何度量衡計量(例如，疊對誤差、圖案放置誤差、樣本特徵之尺寸、臨界尺寸(CD)、側壁角或類似者)。在一項實施例中，度量衡子系統104包含用以基於一樣本(例如，一晶圓、一圖案遮罩或類似者)之一或多個影像的產生量測度量衡資料之一基於影像的度量衡工具。在另一實施例中，度量衡子系統104包含用以基於光自樣本(例如，一晶圓、一圖案遮罩或類似者)之散射(反射、繞射、漫散射或類似者)量測度量衡資料之一基於散射測量的度量衡系統。 在另一實施例中，系統100包含一控制器106。在另一實施例中，控制器106包含一或多個處理器108，該一或多個處理器108經組態以執行維持於一記憶體裝置110上之程式指令。就此而言，控制器106之一或多個處理器108可執行貫穿本發明所描述之各種程序步驟之任一者。例如，控制器106可模擬一微影步驟(例如，由微影子系統102根據一生產配方執行之一微影步驟)之一或多個態樣以識別隨機重複缺陷。作為另一實例，控制器106可分析及/或解釋來自度量衡子系統104之度量衡資料以識別隨機重複缺陷。 一控制器106之一或多個處理器108可包含此項技術中已知之任何處理元件。在此意義上，一或多個處理器108可包含經組態以執行演算法及/或指令之任何微處理器型裝置。在一項實施例中，一或多個處理器108可包括經組態以執行一程式之一桌上型電腦、主機電腦系統、工作站、影像電腦、平行處理器或任何其他電腦系統(例如，網路電腦)，該程式經組態以操作系統100，如貫穿本發明所描述。應進一步認知，術語「處理器」可被廣義地定義為涵蓋具有執行來自一非暫時性記憶體裝置110之程式指令的一或多個處理元件之任何裝置。此外，可由單一控制器106或替代地多個控制器實行貫穿本發明所描述之步驟。另外，控制器106可包含容納於一共同外殼中或容納於多個外殼內之一或多個控制器。以此方式，可將任何控制器或控制器組合分離地封裝為適於整合至系統100中之一模組。此外，控制器106可分析自偵測器142接收之資料且將資料饋送至度量衡子系統104內或系統100外之額外組件。 記憶體裝置110可包含此項技術中已知適於儲存可由相關聯一或多個處理器108執行之程式指令之任何儲存媒體。例如，記憶體裝置110可包含一非暫時性記憶體媒體。作為另一實例，儲存裝置110可包含但不限於一唯讀記憶體、一隨機存取記憶體、一磁性或光學記憶體裝置(例如，磁碟)、一磁帶、一固態硬碟機及類似者。應進一步注意，記憶體裝置110可與一或多個處理器108一起容納於一共同控制器外殼中。在一項實施例中，記憶體裝置110可相對於一或多個處理器108及控制器106之實體位置遠端地定位。例如，控制器106之一或多個處理器108可存取可透過一網絡(例如，網際網路、內聯網路及類似者)存取之一遠端記憶體(例如，伺服器)。據此，上文描述不應被解譯為對本發明的限制，而是僅為一闡釋。 圖1B係繪示根據本發明之一或多項實施例的一微影子系統102之一概念視圖。在一項實施例中，微影子系統102包含經組態以產生一或多個照明光束114之一微影照明源112。一或多個照明光束114可包含一或多個選定波長光，包含但不限於紫外線(UV)輻射、可見光輻射或紅外線(IR)輻射。 微影照明源112可包含此項技術已知適於產生一照明光束114之任何類型之照明源。例如，微影照明源112可包含一或多個雷射系統(例如，氣體雷射、二極體雷射、自由電子雷射、光纖雷射、碟形雷射等)。作為另一實例，微影照明源112可包含一或多個燈系統(例如，弧光燈或類似者)。作為另一實例，微影照明源112包含一電漿照明源(例如，一雷射脈衝電漿(LPP)源、一放電泵浦電漿(DPP)源、一雷射維持電漿(LSP)源或類似者)。 微影照明源112可另外包含適於操縱照明光束114之一或多個態樣之任何數目個光學元件，諸如但不限於濾光器、偏振器、波板或漫射器。 來自微影照明源112之照明可具有任何空間分佈(例如，照明圖案)。例如，微影照明源112可包含但不限於一單極照明源、一偶極照明源、一C-Quad照明源、一Quasar照明源或一自由形式照明源。就此而言，微影照明源112可產生其中照明沿(或平行於)一光軸116傳播之一軸上照明光束114及/或其中照明與光軸116成一角度傳播之任何數目個離軸照明光束114。 在另一實施例中，微影子系統102包含一遮罩支撐裝置118。遮罩支撐裝置118經組態以固定一圖案遮罩120，該圖案遮罩120包含待於製造期間曝光之一元件圖案。在另一實施例中，微影子系統102包含一組投影光學件122，該組投影光學件122經組態以將由一或多個照明光束114照明之圖案遮罩120之一影像投影至安置於一樣本台126上之一微影樣本124上以產生對應於圖案遮罩120之影像之印刷圖案元件。在另一實施例中，遮罩支撐裝置118可經組態以致動或定位圖案遮罩120。例如，遮罩支撐裝置118可將圖案遮罩120致動至相對於系統100之投影光學件122之一選定位置。 如貫穿本發明所使用，術語「微影樣本」一般指代由一半導體或非半導體材料(例如，一晶圓或類似者)形成之一基板。例如，一半導體或非半導體材料可包含但不限於單晶矽、砷化鎵及磷化銦。出於本發明之目的，術語微影樣本及晶圓應被解譯為可互換。 微影樣本124可包含適於接收圖案遮罩120之影像之任何數目個光敏材料及/或材料層。例如，微影樣本124可包含一光阻劑層128。就此而言，該組投影光學件122可將圖案遮罩120之一影像投影至光阻劑層128上以曝光光阻劑層128，且一後續蝕刻步驟可移除經曝光材料(例如，正性蝕刻)或未經曝光材料(例如，負性蝕刻)以在微影樣本124上提供印刷特徵。此外，圖案遮罩120可用於此項技術已知之任何成像組態中。例如，圖案遮罩120可為一正性遮罩(例如，一明場遮罩)，其中將圖案元件正性成像為印刷圖案元件。作為另一實例，圖案遮罩120可為一負性遮罩(例如，一暗場遮罩)，其中圖案遮罩120之圖案元件形成負性印刷圖案元件(例如，間隙、空間或類似者)。 控制器106可通信地耦合至微影子系統102中之任何數目個元件。例如，控制器106可通信地耦合至遮罩支撐裝置118、微影照明源112及/或樣本台126，以將一圖案遮罩120上之圖案元件的曝光引導至一微影樣本124 (例如，樣本上之一光阻劑層128或類似者)。就此而言，可調整曝光條件，諸如曝光劑量、微影子系統102內之樣本之焦點位置及類似者。 圖1C係繪示根據本發明之一或多項實施例的一度量衡子系統104之一概念視圖。在一項實施例中，度量衡子系統104包含用以產生一度量衡照明光束132之一度量衡照明源130。在另一實施例中，度量衡照明源130相同於微影照明源112。在進一步實施例中，度量衡照明源130係經組態以產生一單獨度量衡照明光束132之一單獨照明源。度量衡照明光束132可包含一或多個選定波長光，包含但不限於紫外線(UV)輻射、可見光輻射或紅外線(IR)輻射。 在另一實施例中，度量衡照明源130經由一照明路徑134將度量衡照明光束132引導至一度量衡樣本125。如貫穿本發明所使用，術語「度量衡樣本」一般指代待由度量衡子系統104檢驗之一物件。例如，度量衡樣本125可包含但無需包含微影樣本124。就此而言，度量衡子系統104可作為一晶圓檢驗系統操作。作為另一實例，度量衡樣本125可包含一圖案遮罩(例如，主光罩)。就此而言，度量衡子系統104可作為一主光罩檢驗系統操作。 照明路徑134可包含適於修改及/或調節度量衡照明光束132之一或多個透鏡136或額外光學組件138。例如，一或多個光學組件138可包含但不限於一或多個偏振器、一或多個濾光器、一或多個分束器、一或多個漫射器、一或多個均質器、一或多個切趾器或一或多個光束整形器。在另一實施例中，度量衡子系統104包含用以將度量衡照明光束132聚焦至度量衡樣本125上之一物鏡140。 在另一實施例中，度量衡子系統104包含經組態以透過一收集路徑144捕獲自度量衡樣本125發出之輻射之一偵測器142。例如，可接收由收集路徑144中之元件(例如，物鏡140、透鏡146或類似者)提供的微影樣本124之一影像。作為另一實例，一偵測器142可接收自度量衡樣本125反射或散射之輻射(例如，經由鏡面反射、漫反射及類似者)。作為另一實例，一偵測器142可接收由度量衡樣本125產生之輻射(例如，與度量衡照明光束132之吸收相關聯之發光或類似者)。作為另一實例，一偵測器142可自度量衡樣本125接收一或多個經繞射階輻射(例如，0階繞射、±1階繞射、±2階繞射及類似者)。 偵測器142可包含此項技術已知之適於量測自度量衡樣本125接收之照明的任何類型之光學偵測器。例如，一偵測器142可包含但不限於一CCD偵測器、一TDI偵測器、一光電倍增管(PMT)、一雪崩光電二極體(APD)或類似者。在另一實施例中，一偵測器142可包含適於識別自度量衡樣本125發出之輻射的波長之一光譜偵測器。在另一實施例中，度量衡子系統104可包含多個偵測器142 (例如，與由一或多個分束器產生之多個光束路徑相關聯)以促進由度量衡子系統104進行的多次度量衡量測(例如，多個度量衡工具)。 收集路徑144可進一步包含用以引導及/或修改由物鏡140收集之照明之任何數目個光學元件，包含但不限於一或多個透鏡146、一或多個濾光器、一或多個偏振器或一或多個光束塊。 在一項實施例中，如圖1C中所繪示，度量衡子系統104可包含一分束器148，該分束器148經定向使得物鏡140可同時將度量衡照明光束132引導至度量衡樣本125且收集自度量衡樣本125發出之輻射。就此而言，度量衡子系統104可組態為一落射照明模式。在另一實施例中，度量衡照明光束132在度量衡樣本125上之入射角係可調整的。例如，可調整度量衡照明光束132穿過分束器148及物鏡140之路徑以控制度量衡照明光束132在度量衡樣本125上之入射角。就此而言，度量衡照明光束132可具有穿過分束器126及物鏡140之一標稱路徑，使得度量衡照明光束132在度量衡樣本125上具有一法向入射角。此外，可藉由修改度量衡照明光束132在分束器148上之位置及/或角度(例如，藉由可旋轉鏡、一空間光調變器、一自由形式之照明源或類似者)而控制度量衡照明光束132在度量衡樣本125上之入射角。在另一實施例中，度量衡照明源130依一角度(例如，一掠射角、一45度角或類似者)將一或多個度量衡照明光束132引導至度量衡樣本125。 在另一實施例中，度量衡子系統104通信地耦合至系統100之控制器106。就此而言，控制器106可經組態以接收資料，包含但不限於度量衡資料(例如，度量衡量測結果、目標影像、光瞳影像及類似者)或度量衡計量(例如，精度、工具引發偏移、靈敏度、繞射效率、跨焦(through-focus)斜率、側壁角、臨界尺寸及類似者)。在另一實施例中，控制器106通信地耦合至度量衡照明源130以引導照明光束104與度量衡樣本125之間的入射角的調整。在另一實施例中，控制器106引導度量衡照明源130以提供一或多個選定波長照明(例如，回應於回饋)。 在一般意義上，度量衡子系統104可包含此項技術中已知之任何類型之度量衡系統，諸如但不限於具有一或多個照明角度之一光譜橢偏儀、用於量測穆勒矩陣元件之一光譜橢偏儀(例如，使用旋轉補償器)，一單波長橢偏儀、一角度解析橢偏儀(例如，一光束輪廓橢偏儀)、一光譜反射計、一單波長反射計、一角度解析反射計(例如，一光束輪廓反射計)、一成像系統、一光瞳成像系統、一光譜成像系統或一散射計。此外，該度量衡系統可包含單一度量衡工具或多個度量衡工具。在美國專利第7,478,019號中大體上描述併入多個度量衡工具之一度量衡系統。在美國專利第5,608,526號中大體上描述基於主反射光學件之聚焦光束橢偏儀，該專利之全文以引用方式併入本文中。在美國專利第5,859,424號中大體上描述使用切趾器以減輕光學繞射引起照明點散佈超過由幾何光學件界定之大小之效應，該專利之全文以引用方式併入本文中。由美國專利第6,429,943號大體上描述使用具有同時多入射角照明之高數值孔徑工具，該專利之全文以引用方式併入本文中。量化高NA光學微影中之成像效能大體上描述於Lee等人之「Quantifying imaging performance bounds of extreme dipole illumination in high NA optical lithography」，Proc. of SPIE，第9985卷，99850X-1 (2016年)，其全文以引用方式併入本文中。 圖2係繪示在根據本發明之一或多項實施例的用於隨機察覺度量衡之一方法200中執行的步驟之一流程圖。申請人註明，本文中先前在系統100之背景下所描述之實施例及啟用技術應被解譯為擴展至方法200。然而，應進一步注意，方法200不限於系統100之架構。 在一項實施例中，方法200包含接收一生產配方之一步驟202，該生產配方至少包含待製造於一樣本上之一元件圖案及用於使用照明曝光該元件圖案之一或多個曝光參數。 待製造於樣本(例如，系統100之微影樣本124)上之元件圖案可包含任何類型之特徵。例如，該元件圖案可包含對應於待製造為一可操作半導體裝置之部分的特徵之一或多個裝置元件、或一或多個度量衡目標(例如，一或多個疊對目標、一或多個曝光靈敏目標、對樣本之焦點位置靈敏之一或多個目標或類似者)。就此而言，可特性化該元件圖案之任何部分對隨機重複缺陷之易感性。 此外，曝光參數可包含但不限於照明源之波長、照明劑量(例如，入射於樣本上之單位面積能量)、樣本之焦點位置(例如，在微影子系統102或類似者內)、曝光時間、照明源之空間輪廓或照明在樣本上之空間分佈。 在一般意義上，可自單一位置或多個位置接收生產配方。例如，可自一記憶體裝置(例如，儲存於一記憶體裝置上之一檔案)接收生產配方。以系統100為例，可由控制器106自記憶體裝置110接收生產配方。此外，可自一本端記憶體裝置(例如，與控制器106一起定位於一共同外殼中)或自一遠端記憶體裝置(例如，經由一網路連接至該控制器之一配方管理系統或類似者)接收生產配方。另外，可自不同位置接收生產配方之部分。例如，待製造於樣本上之元件圖案可與儲存於一記憶體裝置上之一裝置設計檔案相關聯，包含但不限於一或多個層上之特徵之一幾何佈局、與一或多個層相關聯之材料性質或一或多個層上之特徵之間的電連接。 在另一實施例中，方法200包含識別當根據生產配方製造時易受隨機變動(例如，隨機重複缺陷)影響之元件圖案的一或多個候選關注區域之一步驟204。就此而言，候選關注區域可包含如本文中先前所描述經預測以在根據生產配方製造時隨機發生之製造缺陷。據此，候選關注區域可對應於一或多個缺陷可隨機發生之位置。例如，候選關注區域可包含與確定性重複缺陷(例如，預測在相同位置中針對各製造回合發生之缺陷)相關聯之故障點以及可易受隨機重複缺陷影響之經識別弱點。經識別弱點可包含元件圖案內之特徵(例如，元件之特定大小或形狀、特定元件之間的距離或類似者)，其等可在規格內但遠離標稱值。 易受隨機重複缺陷影響之候選關注區域可與包含待曝光於一晶圓上之元件圖案之一圖案遮罩(例如，一主光罩)或在任何生產步驟(例如，任何層之ADI或AEI)之後之一晶圓相關聯。例如，易受隨機重複缺陷影響之一主光罩上的候選關注區域之識別可用於一印刷檢驗程序中以在晶圓製造之前啟用校正動作(例如，修改生產配方以減輕隨機缺陷之製造或產生度量衡配方以監測隨機缺陷)。作為另一實例，易受隨機重複缺陷影響之一晶圓上的候選關注區域之識別可用於任何程序監測應用中，包含但不限於熱點識別、一PWG分析或一WET分析。 步驟204中識別之候選關注區域可包含此項技術已知之任何類型之經預測隨機重複缺陷。圖3包含根據本發明之一或多項實施例的經製造樣本上之隨機重複缺陷之概念圖。例如，圖302包含一線空間圖案，且製程之隨機變動可導致線空間圖案(例如，隨機重複缺陷304)之元件之間的隨機非所要連接(例如，電短路或類似者)。作為另一實例，圖306包含一週期性孔分佈。在此實例中，將圖306中之各孔設計為具有一共同半徑之一圓孔，但製程之隨機變動可導致經製造孔之大小或形狀之變動。隨機重複缺陷308包含一部分填充孔。作為另一實例，圖310包含意欲於具有一圓形輪廓及一共同半徑之行之一週期性分佈。在此實例中，製程之隨機變動可導致經製造行之大小或形狀之變動或由隨機重複缺陷312所指示之相鄰行之間的非所要連接。應理解，圖3中所提供之實例及隨附描述僅係出於闡釋目的而提供，且不應被解譯為以任何方式限制本發明。例如，隨機重複缺陷可包含與邊緣有關的吸收能量之不確定性相關聯的特徵邊緣之放置及/或粗糙度之變動以及邊緣位置對經吸收能量之一靈敏度。作為另一實例，隨機重複缺陷可包含線/空間或尖端至尖端結構中之橋接缺陷(例如，奈米橋接、微橋接或類似者)。在一般意義上，一隨機重複缺陷可包含在製造期間隨機顯現之任何類型之製造缺陷。 一隨機重複缺陷可具有與一製程相關聯之任何數目個根本原因。例如，與樣本(例如，一光阻劑層)之一給定體積中的光子吸收相關聯之一不確定性可藉由光子散粒雜訊(PSN)特性化：
Figure 02_image001
(1) 其中＜n ＞abs 係在一體積V 中吸收之經吸收光子之平均數目，α係樣本之吸收率，D 係劑量(例如，樣本上之入射能量/入射面積)，l係照明波長(例如，來自微影照明源112或類似者)，h 係普朗克常數，且c 係光速。如方程式1指示，減小照明波長(l)以減小印刷特徵之大小(例如，減小的V )導致一PSN增大。據此，與光子吸收之不確定性相關聯的隨機重複缺陷之可能性可隨著減小的照明波長而增大。 方程式1進一步指示減小樣本上之能量之劑量(例如，與照明源之強度及/或功率相關聯)可進一步增大PSN且因此增大隨機重複缺陷之可能性。通常期望，尤其是在大量製造環境中，儘可能減小樣本上之照明劑量，同時維持足夠劑量以根據指定容限(例如，經製造結構之尺寸及間距之容限、可允許缺陷數目之容限及類似者)製造所要結構。以此方式最小化照明劑量可提供針對大量製造的多個益處，諸如但不限於藉由減少每個樣本之所需曝光時間而增加產出量及降低成本。本文中應認知，照明源及尤其是EUV照明源可具有與能量需求及維護成本相關聯之高運營成本。就此而言，通常期望選擇在減小的照明劑量之益處與減小的照明劑量之負面影響(例如，增加的隨機重複缺陷)之間提供一平衡之一照明劑量。本文中應進一步認知，在一曝光步驟期間(例如，在微影子系統102或類似者中)樣本之焦點位置可影響PSN。例如，樣本焦點位置與一標稱焦點位置之變動可導致與將來自一圖案遮罩之圖案元件成像至樣本相關聯之增加的模糊(例如，微影子系統102之點散佈函數的大小及/或形狀之一修改)。據此，樣本之焦點位置之變動可修改樣本上之光子密度且影響PSN。 圖4係繪示根據本發明之一或多項實施例的依據193 nm (例如，由一ArF照明源產生)及13.5 nm (例如，使用一EUV照明源產生)波長之劑量的至一3 nm立方體光阻劑中之照明的吸收相關聯之經計算PSN的一圖表402。針對圖4中所繪示之兩個照明波長，減小樣本上之劑量導致一PSN增大。然而，針對較小照明波長，此趨勢更明顯，如由相較於193 nm照明，隨著針對13.5 nm照明之減小劑量之一更顯著PSN增大所指示。據此，當判定照明劑量時，減小照明波長以實現製造更小特徵可需要增加對隨機重複缺陷之考量。 隨機重複缺陷之一額外根本原因可與光阻劑(例如，光阻劑層128或類似者)內之隨機變動相關聯。例如，一光阻劑可包含吸收入射照明且提供對應於經吸收能量之量的經曝光區域之溶解度的一變化之光酸產生劑(PAG)。就此而言，光阻劑之經曝光及未經曝光區域之溶解度可不同，且一後續蝕刻步驟可選擇性地移除經曝光區域或未經曝光區域以使樣本上之特徵顯影。通常，PAG未連續貫穿光阻劑，而是由分佈遍及光阻劑之分子組成。據此，隨著經製造特徵之大小減小，PAG分子之實際位置變動之影響可增加，且與PAG分子相關聯之隨機重複缺陷可對應地增加。 此外，回應於一入射光子之酸之最終分佈(例如，經修改溶解度之一分佈)可展現歸因於樣本內之電子離子化之隨機變動。特定言之，具有超過一光阻劑之離子化臨限值的光子能量之一光子可基於光電效應引發具有不同能量之一電子串接。此電子串接接著可取決於能量以不同方式與PAG相互作用以進一步影響溶解度。據此，可由PAG回應於單一光子而產生一個以上酸分子(例如，酸產率可大於1)。通常，光阻劑材料具有在UV或EUV範圍內之一離子化臨限值，使得電子離子化之影響對於在此UV或EUV範圍內之照明波長可變得明顯，此可產生經吸收能量之空間模糊。 圖5A係根據本發明之一或多項實施例的基於多個受控離散光子吸收事件之實體模擬回應於使用一124 nm波長(10 eV)照明的一光阻劑中之經模擬電子點散佈的一圖表502。圖5A清楚地示範與光阻劑內之電子離子化相關聯之電子散射可導致材料內之經吸收能量之一重新分佈或模糊。在此，能量高度集中於一10 nm至20 nm區域中，儘管能量貫穿至少一60 nm區域分佈。圖5B係根據本發明之一或多項實施例的回應於使用一124 nm波長(10 eV)照明(包含圖5A中所繪示之電子散射的影響)之一光阻劑中的酸點散佈之一圖表504。由PAG分子透過吸收光子或電子產生之酸之濃度展現類似於圖5A中之電子點散佈之一分佈，儘管酸散佈之尺寸可略小，此係因為並非每個單一經離子化電子可產生一酸分子(例如，一些電子可被熱吸收或類似者)。如本文中先前所描述，酸分子之點散佈可增加光阻劑內之隨機變動且可導致增加的隨機重複缺陷。另外，進一步減小照明波長可導致進一步隨機變動。 此外，一光阻劑中之PAG分子之濃度(例如，PAG負載)以及生產配方之曝光條件(例如，照明劑量及曝光時間)兩者可另外影響隨機重複缺陷之產生。圖6A係根據本發明之一或多項實施例的回應於單一光子吸收之1000次模擬的一光阻劑內之經模擬電子點散佈的一圖表602。圖6B係根據本發明之一或多項實施例的回應於1000個光子之吸收的單次模擬之一光阻劑內的電子點散佈之一圖表604。表1包含兩種模擬之電子散射資料。
Figure 107109574-A0304-0001
 兩種模擬之經吸收能量之總量係相同的；然而，圖表602之模擬可表示一低功率、長曝光生產配方，而圖表604之模擬可表示一高劑量、短曝光生產配方。此外，針對低功率及高功率曝光，電子散射特性(例如，電子自吸收位置行進之距離及因此能量重新分佈之空間範圍)可不同。特定言之，高功率曝光可比低劑量曝光產生更大數目個經離子化電子。此外，針對高功率照明，尤其是最大電子距離，能量重新分佈之空間範圍可明顯更大。就此而言，歸因於經吸收能量之更大重新分佈或模糊長度，相較於低功率照明，高功率照明可更易受製造之隨機變動及因此隨機重複缺陷影響。經吸收能量之過度模糊可表示經投影光學影像之一對比度損失或降級。 在另一實施例中，步驟204包含藉由模擬在一樣本上製造圖案元件而識別候選關注區域。步驟204可包含使用運用多種演算法之隨機運算微影來識別候選關注區域。例如，可使用一電磁(EM)求解器模型化入射照明(例如，照明光束114或類似者)與一樣本(例如，微影樣本124或類似者)之光學相互作用。此外，EM求解器可利用此項技術中已知之任何方法，包含但不限於嚴格耦合波分析(RCWA)、有限元素法分析、力矩分析法、一表面積分技術、一體積積分技術或一有限差時域分析。作為另一例子，可使用蒙特卡羅技術模型化入射照明與一樣本之光學相互作用。隨機模擬可特性化隨機程序之影響，諸如但不限於如本文中先前所描述之與由樣本吸收光子相關聯之不確定性、樣本中之PAG之分佈、或歸因於樣本中之離子化之能量重新分佈。例如，運算微影模擬可但無需由KLA-TENCOR所提供之PROLITH軟體產品來執行。 在另一實施例中，步驟204包含藉由分析生產配方中之元件圖案之設計以判定易受隨機重複缺陷影響之區域而識別候選關注區域。例如，步驟204可包含基於特性化關於一邊緣之能量吸收之不確定性及邊緣放置對經吸收能量之一靈敏度而模擬元件圖案中之邊緣之放置(例如，邊緣粗糙度)。就此而言，邊緣粗糙度之一模擬可提供對廣範圍特徵對隨機缺陷(例如，線空間特徵、孔或行)之易感性之洞察。關於一邊緣之能量吸收的一不確定性之一計算可基於任何數目個因素，諸如但不限於PSN。此外，邊緣放置對能量吸收之靈敏度之一計算可基於任何數目個因素，諸如但不限於圖案元件之幾何形狀(例如，曲率、尖銳邊緣或類似者)、PAG負載或電子離子化。本文中應認知，元件圖案之設計之此分析可為但無需為運算密集度小於一更嚴格運算微影分析之一更快模擬。據此，步驟204可包含此等快速模擬演算法、更嚴格模擬演算法或取決於精度及運算要求之一所要平衡的演算法之一組合。 步驟204可包含用於使用元件圖案設計之隨機模擬及/或分析識別候選關注區域之任何數目個輸入。例如，元件圖案設計可但無需包含於步驟202中接收之一設計檔案內。 另外，步驟204之輸入可包含二維或三維上之光阻劑中之輻照分佈之一表示。可透過模擬及/或透過測量獲得此輻照分佈。例如，輸入可包含但不限於樣本層之材料參數，諸如膜厚度及樣本層之折射率之實部/虛部。作為另一實例，輸入可包含照明輪廓之一表示(例如，源形狀、數值孔徑、閃光及類似者)。作為另一實例，輸入可包含圖案遮罩佈局(例如，包含光學鄰近校正結構、次解析度輔助特徵或類似者)及一3D遮罩堆疊。 此外，步驟204之輸入可包含與製造系統相關聯之待應用於光阻劑中之輻照分佈的程序模糊之一近似值。例如，程序模糊可呈一恆定高斯摺積內核或劑量相依模糊之形式。 在另一實施例中，步驟204包含藉由檢驗一或多個樣本(例如，使用度量衡子系統104或類似者)以判定易受隨機重複缺陷影響之區域而識別候選關注區域。例如，步驟204可包含檢驗一圖案遮罩(例如，一主光罩)以識別該圖案遮罩上之元件圖案之部分，該等部分在印刷於一晶圓上時可導致隨機缺陷。就此而言，候選關注區域可包含該圖案遮罩之部分，該等部分可不被預期產生一確定性缺陷，但可偏離標稱設計且因此當在選定曝光條件下印刷時可易受隨機缺陷影響。作為另一實例，步驟204可包含檢驗一或多個印刷晶圓以識別可在一選定規格(例如，一臨界尺寸、一側壁角或類似者)內印刷，但偏離標稱設計值，使得區域可易受跨多個印刷步驟之隨機變動影響之區域。 在另一實施例中，方法200包含藉由比較一或多個隨機重複缺陷之一或多個經預測可能性與一缺陷可能性臨限值而自一或多個候選關注區域選擇一或多個關注區域之一步驟206。如本文中先前所描述，步驟204中識別之候選關注區域及因此步驟206中選擇之關注區域可與製程中之任何點(例如，ADI、AEI或類似者)之圖案遮罩及/或一晶圓相關聯。與一特定圖案元件相關聯之隨機重複缺陷可依據一樣本上之位置或依據製造回合之數目依任何概率分佈(例如，泊松分佈、高斯分佈或類似者)發生。步驟206因此可包含分析步驟204中識別之候選關注區域之各者以預測候選關注區域中之隨機重複缺陷之一概率。此外，步驟206可包含基於一缺陷可能性臨限值選擇關注區域。該缺陷可能性臨限值可包含基於任何計量之隨機重複缺陷之一臨限值概率。例如，步驟206可包含選擇包含預測在根據一選定生產配方製造時(例如，在選定曝光條件下製造，包含劑量、照明輪廓、一微影子系統102內之焦點位置或類似者)於一選定百分比(例如，50%、10%、1%、0.1%、0.001%或類似者)之生產輪次中印刷之缺陷之關注區域。 作為一闡釋性實例，情況可為一特定圖案元件經製造有一缺陷之概率具有依據劑量之泊松分佈。據此，針對足夠低劑量值，歸因於曝光不足，該圖案元件可幾乎總是印刷有一缺陷(例如，一確定性重複缺陷)。類似地，針對足夠高劑量值，歸因曝光充足，該圖案元件可幾乎從未印刷有一缺陷。然而，情況可為該缺陷可在此等極端情況之間的一特定劑量值範圍內隨機印刷且因此可為一隨機重複缺陷。因此，步驟206可包含基於在使用一選定劑量製造時之隨機重複缺陷之一缺陷可能性臨限值概率，自步驟204中識別之候選關注區域選擇一或多個關注區域。 應理解，一劑量相依隨機重複缺陷之上述實例係僅出於闡釋目的而提供且不應被解譯為限制性。在一般意義上，一缺陷可印刷之一概率可受廣範圍之曝光條件(例如，劑量、照明輪廓、一微影子系統102內之焦點位置或類似者)影響。據此，步驟206因此可包含基於當在選定一組曝光條件下製造時之隨機重複缺陷之一缺陷可能性臨限值概率選擇一或多個關注區域。 在步驟206中可使用此項技術中已知之任何技術預測一候選關注區域印刷有一或多個缺陷之概率(例如，一隨機重複缺陷之一可能性)。在一項實施例中，藉由使用一隨機模擬(例如，併入EM求解器之隨機運算微影、蒙特卡洛技術、圖案元件之設計之分析或類似者)模擬根據生產配方製造一候選關注區域而判定該候選關注區域中之一隨機重複缺陷之可能性。 例如，步驟204可包含藉由一相對快速模擬技術識別候選關注區域(例如，分析如本文中先前所描述之元件圖案之設計或類似者)，且步驟206可包含基於一更嚴格模擬技術(例如，一運算微影模擬或類似者)自候選關注區域選擇關注區域。就此而言，步驟204中之相對快速模擬技術可降低運算負擔且因此減小步驟206中之一更嚴格模擬之產出量。作為另一實例，步驟204可包含藉由檢驗一或多個經製造樣本(例如，含有待印刷於一晶圓上之元件圖案之一圖案遮罩、一經印刷晶圓或類似者)而識別候選關注區域，且步驟206可包含基於以度量衡為基礎識別之候選關注區域之一隨機模擬而自候選關注區域選擇關注區域。就此而言，基於實際製程，模擬可提供對經識別為弱點(例如，可在規格內印刷但可遠離標稱值之圖案)之隨機重複缺陷的可能性之洞察。 在另一實施例中，藉由在一或多個印刷晶圓上檢驗步驟204中識別之該等候選關注區域以判定隨機重複缺陷之一經預測可能性而判定一候選關注區域中之一隨機重複缺陷之製造概率。例如，步驟204可包含基於隨機模擬(例如，如本文中先前所描述之相對快速模擬及/或相對嚴格模擬)識別候選關注區域，且步驟206可包含基於檢驗根據生產配方製造之一或多個晶圓上之經識別候選關注區域選擇關注區域。就此而言，步驟204可包含用以在步驟206中引導晶圓之實體檢驗(例如，使用微影子系統102或類似者)之模擬。此外，步驟206可包含在經設計以最小化隨機重複缺陷之可能性或類似情況之一定範圍之曝光條件下(例如，劑量、焦點位置、照明輪廓或類似者)或一定範圍之圖案元件修改下(例如，不同光學參數校正(OPC)、次解析度輔助特徵(SRAF)或類似者)製造一系列晶圓。因此，步驟206可包含檢驗根據多個生產配方製造之候選關注區域以預測隨機重複缺陷之可能性。 在另一實施例中，藉由比較一候選關注區域中之元件之佈局與具有隨機重複缺陷之經預測可能性的圖案佈局之一庫而判定該候選關注區域中之一隨機重複缺陷之概率。據此，可基於與可但無需藉由模擬及/或量測經製造樣本產生之訓練資料之一比較分析一候選關注區域中之隨機重複缺陷之一概率。例如，可使用資料擬合及最佳化技術分析候選關注區域，包含但不限於庫、快速降階模型、回歸、機器學習演算法，諸如深度學習技術、神經網絡、支援向量機(SVM)、降維演算法(例如，主分量分析(PCA)、獨立分量分析(ICA)、局部線性嵌入(LLE)及類似者)、稀疏資料表示(例如，傅立葉或小波變換、卡爾曼濾波器、用以促進來自相同或不同工具類型之匹配的演算法及類似者)。候選關注區域分析可但無需由KLA-TENCOR所提供之信號回應度量衡(SRM)軟體產品來執行。此外，候選關注區域資料可由任何源提供，諸如但不限於來自一設計檔案之圖案元件之設計、模擬或經製造樣本(例如，圖案遮罩或晶圓)之實體檢驗。 在另一實施例中，可將步驟204中識別之候選關注區域及/或步驟206中選擇之關注區域插入至具有隨機重複缺陷之經預測可能性的圖案佈局之庫中。就此而言，可用隨機模擬、度量衡結果及/或度量衡驗證模擬更新及/或訓練庫。 在另一實施例中，步驟206包含基於依據一樣本上之位置之經預測缺陷可能性，對一或多個候選關注區域中找到之隨機重複缺陷進行排序。本文中應認知，一特定圖案將製造有一缺陷(例如，作為隨機重複缺陷)之可能性可基於一樣本上之位置而改變。特定圖案可僅在一樣本上之特定位置中不良地印刷(具有一缺陷之一更高概率)，而其他圖案可幾乎在一樣本之幾乎所有位置處不良地印刷。因此，可提供與依據樣本位置之隨機重複缺陷的一排序相關聯之資料(例如，作為前饋資料)以針對一度量衡系統產生取樣計劃以靈敏地監測隨機重複缺陷。 在另一實施例中，可回饋步驟206中選擇之關注區域以改良及/或訓練一隨機模擬模型(例如，步驟204及/或步驟206中使用之一隨機模擬模型)以改良預測準確度且/或效率。據此，基於在相同條件下製造之元件圖案的製造之模擬及圖案元件之檢驗的一組合選擇關注區域可提供反覆回饋以持續改良隨機模擬模型。 在另一實施例中，步驟206中選擇之關注區域可用以產生度量衡配方(例如，以由度量衡子系統104或類似者使用)。本文中應認知，度量衡配方可包含經開發以在製造期間在一樣本上之選定數目個代表性位置處特性化樣本之一或多個態樣(例如，以監測缺陷，以監測層之間的疊對或類似者)之取樣計劃。取樣計劃之數目及特定位置通常可基於準確度與產出量之一平衡。然而，本文中應進一步認知，經開發以特性化確定性重複缺陷(例如，針對幾乎所有生產輪次在一給定位置處持續地發生之缺陷)之取樣計劃可能不適合於特性化可在一樣本之不同位置處以不同概率製造之隨機重複缺陷。在一項實施例中，步驟206中選擇之關注區域用以產生包含待在一晶圓上檢驗之位置之適於在一生產程序之任何階段監測隨機重複缺陷之取樣計劃。例如，根據本文中所提供之發明概念開發之取樣計劃可併入依據位置之各種隨機重複缺陷之概率以在製造期間提供隨機重複缺陷之靈敏且有效的監測。 此外，可將與包含隨機重複缺陷之關注區域(例如，關注區域之位置、關注區域內之隨機重複缺陷之概率或類似者)相關聯之資料提供至生產線中之額外工具(例如，作為前饋資料)。例如，可將關注區域提供至度量衡工具以根據一取樣計劃量測一或多個樣本(例如，主光罩及/或晶圓)。作為一額外實例，可將與包含隨機重複缺陷之關注區域相關聯之資料提供至熱點驗證工具以識別易受歸因於程序誤差、晶圓污染或類似者之缺陷(例如，確定性及/或隨機缺陷)影響的一晶圓之部分。 在另一實施例中，方法200包含修改生產配方以減輕一選定容限內之一或多個關注區域內之一或多個隨機重複缺陷的經預測發生之一步驟208。情況可為在界定可接受數目個缺陷(隨機重複缺陷及/或確定性重複缺陷)之一選定容限內製造一特定裝置。據此，步驟208可包含修改生產配方之至少一個態樣，使得在考量隨機重複缺陷時可根據選定容限製造該裝置。 在一項實施例中，修改生產配方包含修改一或多個曝光條件(例如，劑量、微影子系統102中之焦點位置、照明條件或類似者)以減輕隨機重複缺陷。例如，步驟208可包含增加樣本之一或多個部分之照明劑量(例如，與步驟206中選擇之關注區域相關聯)以降低選定容限內之隨機重複缺陷之可能性。 在另一實施例中，修改生產配方包含修改待製造元件圖案以減輕隨機重複缺陷。例如，可用不太易受隨機重複缺陷影響之替代圖案佈局修改及/或替換元件圖案內之一或多個特徵。可使用此項技術中已知之任何技術選擇替代圖案佈局。例如，可基於具有對隨機重複缺陷之已知易感性的圖案佈局之一庫中的隨機重複缺陷之一排序選擇替代圖案佈局。作為另一實例，可修改圖案遮罩以包含適於增大微影樣本124上之元件圖案的可印刷性之次解析度特徵(OPC特徵、SRAF或類似者)。就此而言，具有小於微影子系統102之一解析度的尺寸(例如，實際尺寸、圖案遮罩元件之間的間隔或類似者)之圖案遮罩元件可基於光學效應(諸如散射或繞射)影響印刷於一樣本之一光阻劑層上之一圖案。例如，次解析度特徵可影響印刷元件之一或多個特性(例如，PPE、側壁角、臨界尺寸或類似者)而不可解析地成像至微影樣本124上。此外，次解析度特徵可影響曝光條件之範圍，可在該範圍內於選定容限(例如，程序窗口)內製造元件圖案。就此而言，次解析度特徵可促進在微影樣本124上穩健製造經設計之元件圖案，而無需可解析地印刷次解析度元件本身。 在另一實施例中，方法200包含根據經修改生產配方製造至少一個樣本之一步驟210。據此，即使在考量隨機重複缺陷時，仍可特性化任何隨機重複缺陷，且可在選定容限內製造經修改樣本。 本文中所描述之標的物有時闡釋其他組件內所含或與其他組件連接之不同組件。應理解，此等所描繪架構僅係實例性的，且事實上，可實施達成相同功能性之諸多其他架構。在概念意義上，達成相同功能性之組件之任意配置係有效「相關聯」，使得達成所要功能性。因此，在本文中經組合以達成一特定功能性之任意兩個組件可被視為彼此「相關聯」，使得達成所要功能性，而無關於架構或中間組件。同樣地，如此相關聯之任何兩個組件亦可被視為彼此「連接」或「耦合」以達成所要功能性，且能夠如此相關聯之任何兩個組件亦可被視為「可耦合」至彼此以達成所要功能性。可耦合之特定實例包含但不限於可實體互動及/或實體互動組件及/或可無線互動及/或無線互動組件及/或可邏輯互動及/或邏輯互動組件。 據信將藉由前文描述理解本發明及其諸多伴隨優點，且將明白，可在不背離所揭示標的物之情況下或在不犧牲全部其重大優點之情況下對組件之形式、構造及配置進行各種改變。所描述形式僅係解釋性的，且下文發明申請專利範圍意欲於涵蓋及包含此等改變。此外，將理解，本發明係由隨附發明專利申請範圍定義。
100‧‧‧半導體裝置系統102‧‧‧微影子系統104‧‧‧度量衡子系統106‧‧‧控制器108‧‧‧處理器110‧‧‧記憶體裝置112‧‧‧微影照明源114‧‧‧照明光束116‧‧‧光軸118‧‧‧遮罩支撐裝置120‧‧‧圖案遮罩122‧‧‧投影光學件124‧‧‧微影樣本125‧‧‧度量衡樣本126‧‧‧樣本台128‧‧‧光阻劑層130‧‧‧度量衡照明源132‧‧‧度量衡照明光束134‧‧‧照明路徑136‧‧‧透鏡138‧‧‧光學組件140‧‧‧物鏡142‧‧‧偵測器144‧‧‧收集路徑146‧‧‧透鏡148‧‧‧分束器200‧‧‧方法202‧‧‧步驟204‧‧‧步驟206‧‧‧步驟208‧‧‧步驟210‧‧‧步驟302‧‧‧圖304‧‧‧隨機重複缺陷306‧‧‧圖308‧‧‧隨機重複缺陷310‧‧‧圖312‧‧‧隨機重複缺陷402‧‧‧圖表502‧‧‧圖表504‧‧‧圖表602‧‧‧圖表604‧‧‧圖表
熟習此項技術者藉由參考隨附圖式可更好地理解本發明之眾多優點，其中： 圖1A係繪示根據本發明之一或多項實施例的一半導體裝置系統之一概念視圖。 圖1B係繪示根據本發明之一或多項實施例的一微影子系統之一概念視圖。 圖1C係繪示根據本發明之一或多項實施例的一度量衡子系統之一概念視圖。 圖2係繪示在根據本發明之一或多項實施例的用於隨機察覺度量衡之一方法中執行的步驟之一流程圖。 圖3包含根據本發明之一或多項實施例的經製造樣本上之隨機重複缺陷的實例性影像。 圖4係繪示根據本發明之一或多項實施例的與依據193 nm及13.5 nm的波長之劑量的至一3 nm光阻劑立方體中之輻照的吸收相關聯之經計算PSN的一圖表。 圖5A係根據本發明之一或多項實施例的基於多個受控離散光子吸收事件之實體模擬回應於使用一124 nm波長照明的一光阻劑中之電子點散佈的一圖表。 圖5B係根據本發明之一或多項實施例的回應於使用一124 nm波長照明(包含圖5A中所繪示之電子散射的影響)之一光阻劑中的酸點散佈之一圖表。 圖6A係根據本發明之一或多項實施例的回應於單一光子吸收之1000次模擬的一光阻劑內之電子點散佈的一圖表。 圖6B係根據本發明之一或多項實施例的回應於1000個光子之吸收的單次模擬之一光阻劑內的電子點散佈之一圖表。
100‧‧‧半導體裝置系統
102‧‧‧微影子系統
104‧‧‧度量衡子系統
106‧‧‧控制器
108‧‧‧處理器
110‧‧‧記憶體裝置

Claims (36)

  1. 一種隨機察覺度量衡系統，其包括：一控制器，其經組態以通信地耦合至一製造工具，該控制器包含經組態以執行程式指令之一或多個處理器，該等程式指令引起該一或多個處理器：接收一生產配方，該生產配方至少包含待使用一經選擇之微影工具製造於一樣本上之一元件圖案及用於在製造期間曝光該元件圖案之一或多個曝光參數；藉由分析該樣本中能量吸收之不確定性及該元件圖案對經吸收能量變化之靈敏度而識別包括易受隨機重複缺陷影響之該元件圖案之部分之一或多個候選關注區域，該隨機重複缺陷包含經預測以展現隨機製造誤差之該元件圖案之一或多個部分；自該一或多個候選關注區域選擇一或多個關注區域以用於減輕(mitigation)，其基於當根據該生產配方使用該經選擇之微影工具製造時在該一或多個關注區域中該隨機重複缺陷之經預測可能性；修改該生產配方以減輕該一或多個關注區域內之該隨機重複缺陷；及引導該製造工具根據該經修改生產配方製造至少一個樣本。
  2. 如請求項1之隨機察覺度量衡系統，其中自一或多個候選關注區域選擇一或多個關注區域以用於減輕包括：根據該生產配方在一或多個經模擬樣本上模擬該一或多個候選關注 區域之製造以判定一或多個經模擬隨機重複缺陷；及基於該一或多個經模擬隨機重複缺陷之經預測可能性來從該一或多個候選關注區域中選擇該一或多個關注區域。
  3. 如請求項2之隨機察覺度量衡系統，其中自一或多個候選關注區域選擇一或多個關注區域以用於減輕進一步包括：以該生產配方中該一或多個曝光參數之變化來模擬該一或多個候選關注區域之製造以判定該經模擬隨機重複缺陷之邊界曝光參數；及基於該等邊界曝光參數來從該一或多個候選關注區域中選擇該一或多個關注區域。
  4. 如請求項3之隨機察覺度量衡系統，其中該一或多個曝光參數包括：一經曝光照明劑量，一照明之波長，在曝光期間該經選擇之微影工具之一焦點體積或在曝光期間於該樣本上照明之一空間分佈之至少之一者。
  5. 如請求項2之隨機察覺度量衡系統，其中自該一或多個候選關注區域選擇一或多個關注區域以用於減輕進一步包括：引導該製造工具以根據該生產配方在一或多個測試樣本上製造該一或多個候選關注區域；引導一度量衡工具檢驗該一或多個測試樣本上之該一或多個候選關注區域以產生一或多個經測量之隨機重複缺陷；及基於該一或多個經測量之隨機重複缺陷而從該一或多個候選關注區域中選擇該一或多個關注區域。
  6. 如請求項1之隨機察覺度量衡系統，其中自該一或多個候選關注區域選擇一或多個關注區域以用於減輕包括：引導該製造工具以根據該生產配方在一或多個測試樣本上製造該一或多個候選關注區域；引導一度量衡工具檢驗該一或多個測試樣本之該一或多個關注區域以產生一或多個經測量之隨機重複缺陷；及基於該一或多個經測量之隨機重複缺陷而從該一或多個候選關注區域中選擇該一或多個關注區域。
  7. 如請求項6之隨機察覺度量衡系統，其中自該一或多個候選關注區域選擇一或多個關注區域以用於減輕進一步包括：引導該製造工具以該生產配方中該一或多個曝光參數之變化來製造在該一或多個測試樣本上之該一或多個候選關注區域來判定該一或多個經測量隨機重複缺陷之邊界曝光參數；引導該度量衡工具檢驗該一或多個測試樣本上之該一或多個關注區域以判定該一或多個經測量隨機重複缺陷之邊界曝光參數；及基於該邊界曝光參數而從該一或多個候選關注區域中來選擇該一或多個關注區域。
  8. 如請求項7之隨機察覺度量衡系統，其中該一或多個曝光參數包括：一經曝光照明劑量，一照明之波長，在曝光期間該經選擇之微影工具之一焦點體積或在曝光期間於該樣本上照明之一空間分佈之至少之一 者。
  9. 如請求項1之隨機察覺度量衡系統，其中自該一或多個候選關注區域選擇一或多個關注區域以用於減輕包括：基於該一或多個候選關注區域與具有已知隨機重複缺陷之經預測可能性之圖案佈局之一庫之一比較來選擇該一或多個關注區域。
  10. 如請求項9之隨機察覺度量衡系統，其中基於該一或多個候選關注區域與具有已知隨機重複缺陷之經預測可能性之圖案佈局之一庫之一比較來選擇該一或多個關注區域包含：使用一深度學習技術或一神經網路技術之至少一者，基於該一或多個候選關注區域與具有隨機重複缺陷之經預測可能性之圖案佈局之該庫之一比較來選擇該一或多個關注區域。
  11. 如請求項1之隨機察覺度量衡系統，其中該一或多個曝光參數包括：一經曝光照明劑量，一照明之波長，在曝光期間該經選擇之微影工具之一焦點體積或在曝光期間於該樣本上照明之一空間分佈之至少之一者。
  12. 如請求項1之隨機察覺度量衡系統，其中自一或多個候選關注區域選擇一或多個關注區域以用於減輕包括：對該一或多個候選關注區域中之該一或多個隨機重複缺陷之經預測缺陷可能性進行排序，其中修改該生產配方以減輕該一或多個關注區域內 之該一或多個隨機重複缺陷包含：基於該排序修改該生產配方以減輕具有大於一經選擇臨限值之經預測缺陷可能性之該隨機重複缺陷之一子組。
  13. 如請求項1之隨機察覺度量衡系統，其中修改該生產配方以減輕該一或多個關注區域內之該等隨機重複缺陷包括：修改該一或多個曝光參數之至少一個曝光參數。
  14. 如請求項1之隨機察覺度量衡系統，其中修改該生產配方以減輕該一或多個關注區域內之該等隨機重複缺陷包括：基於光學近接校正修改該元件圖案。
  15. 如請求項14之隨機察覺度量衡系統，其中基於光學近接校正修改該額外元件圖案包括：修改該元件圖案之至少一個次解析度輔助特徵之一大小或一位置之至少一者。
  16. 如請求項1之隨機察覺度量衡系統，其中該生產配方進一步包括：該樣本上之一光阻劑層之一或多個性質。
  17. 如請求項16之隨機察覺度量衡系統，其中該樣本上之一光阻劑層之該一或多個性質包括：該光阻劑層中之一或多個聚合物鏈之一大小或該光阻劑層中之一光 酸產生劑之一濃度的至少一者。
  18. 如請求項1之隨機察覺度量衡系統，其進一步包括：產生一度量衡工具之一度量衡配方以監測該一或多個關注區域；及檢驗根據該經修改生產配方製造之該至少一個樣本上之該一或多個關注區域。
  19. 如請求項1之隨機察覺度量衡系統，其中藉由分析該樣本中能量吸收之不確定性及該元件圖案對經吸收能量變化之靈敏度而識別包括易受隨機重複缺陷影響之該元件圖案之部分之一或多個候選關注區域包含：藉由分析鄰近該元件圖案中一或多個邊緣之能量吸收之不確定性及該一或多個邊緣對經吸收能量中變化之一靈敏度而估計該元件圖案之至少一部分之邊緣粗糙度。
  20. 一種用於隨機察覺度量衡之方法，其包括：接收一生產配方，該生產配方至少包含待使用一經選擇之微影工具製造於一樣本上之一元件圖案及用於在製造期間曝光該元件圖案之一或多個曝光參數；藉由分析該樣本中能量吸收之不確定性及該元件圖案對經吸收能量變化之靈敏度而識別包括易受隨機重複缺陷影響之該元件圖案之部分之一或多個候選關注區域，該隨機重複缺陷包含經預測以展現隨機製造誤差之該元件圖案之一或多個部分；自該一或多個候選關注區域選擇一或多個關注區域以用於減輕，其 基於當根據該生產配方使用該經選擇之微影工具製造時在該一或多個關注區域中該隨機重複缺陷之經預測可能性；修改該生產配方以減輕該一或多個關注區域內之該隨機重複缺陷；及根據該經修改生產配方製造至少一個樣本。
  21. 如請求項20之方法，其中該一或多個曝光參數包括：一經曝光照明劑量，一照明之波長，在曝光期間該經選擇之微影工具之一焦點體積或在曝光期間於該樣本上照明之一空間分佈之至少之一者。
  22. 如請求項20之方法，其中修改該生產配方以減輕該一或多個關注區域內之該等隨機重複缺陷包括：修改該一或多個曝光參數之至少一個曝光參數。
  23. 如請求項20之方法，其中修改該生產配方以減輕該一或多個關注區域內之該等隨機重複缺陷包括：基於光學近接校正修改該元件圖案。
  24. 如請求項23之方法，其中基於光學近接校正修改該元件圖案包括：修改該元件圖案之至少一個次解析度輔助特徵之一大小或一位置之至少一者。
  25. 如請求項20之方法，其中該生產配方進一步包括：該樣本上之一光阻劑層之一或多個性質。
  26. 如請求項25之方法，其中該樣本上之一光阻劑層之該一或多個性質包括：該光阻劑層中之一或多個聚合物鏈之一大小或該光阻劑層中之一光酸產生劑之一濃度的至少一者。
  27. 如請求項20之方法，其進一步包括：產生一度量衡工具之一度量衡配方以監測該額外元件圖案之該一或多個關注區域；及檢驗根據該經修改生產配方製造之該至少一個樣本上之該一或多個關注區域。該光阻劑層中之一或多個聚合物鏈之一大小或該光阻劑層中之一光酸產生劑之一濃度的至少一者。
  28. 一種隨機察覺度量衡系統，其包括：一控制器，其經組態以通信地耦合至一度量衡工具及一製造工具，該控制器包含經組態以執行程式指令之一或多個處理器，該等程式指令引起該一或多個處理器：接收一生產配方，該生產配方至少包含待使用一經選擇之微影工具製造於一樣本上之一元件圖案及用於在製造期間曝光該元件圖案之一或多個曝光參數； 藉由分析該樣本中能量吸收之不確定性及該元件圖案對經吸收能量變化之靈敏度而識別包括易受隨機重複缺陷影響之該元件圖案之部分之一或多個候選關注區域，該隨機重複缺陷包含經預測以展現隨機製造誤差之該元件圖案之一或多個部分；自該一或多個候選關注區域選擇一或多個關注區域以用於減輕(mitigation)，其基於當根據該生產配方使用該經選擇之微影工具製造時在該一或多個關注區域中該隨機重複缺陷之經預測可能性；引導該製造工具根據該生產配方製造至少一個樣本；產生該度量衡工具之一度量衡配方以監測該一或多個關注區域；及引導該度量衡工具檢驗該至少一個樣本上之該一或多個關注區域。
  29. 如請求項28之隨機察覺度量衡系統，其中產生該度量衡配方包括：判定用於檢驗該一或多個關注區域之一檢驗靈敏度或一檢驗量測次數之至少一者。
  30. 如請求項28之隨機察覺度量衡系統，其中產生一度量衡配方包括：判定包含該樣本上該一或多個關注區域之至少一些之位置之一取樣計劃。
  31. 如請求項30之隨機察覺度量衡系統，其中該取樣計劃包括該樣本上該一或多個關注區域之一子組之位置。
  32. 如請求項28之隨機察覺度量衡系統，其中產生該度量衡工具之一度 量衡配方以監測該一或多個關注區域包括：產生該度量衡工具之該度量衡配方以監測一晶圓或一主光罩之至少一者上之該一或多個關注區域。
  33. 一種用於隨機察覺度量衡之方法，其包括：接收一生產配方，該生產配方至少包含待使用一經選擇之微影工具製造於一樣本上之一元件圖案及用於在製造期間曝光該元件圖案之一或多個曝光參數；藉由分析該樣本中能量吸收之不確定性及該元件圖案對經吸收能量變化之靈敏度而識別包括易受隨機重複缺陷影響之該元件圖案之部分之一或多個候選關注區域，該隨機重複缺陷包含經預測以展現隨機製造誤差之該元件圖案之一或多個部分；自該一或多個候選關注區域選擇一或多個關注區域以用於減輕，其基於當根據該生產配方使用該經選擇之微影工具製造時在該一或多個關注區域中該隨機重複缺陷之經預測可能性；根據該生產配方製造至少一個樣本；產生一度量衡工具之一度量衡配方以監測該一或多個關注區域；及檢驗該至少一個樣本上之該一或多個關注區域。
  34. 如請求項33之方法，其中產生該度量衡配方包括：判定用於檢驗該一或多個關注區域之一檢驗靈敏度或一檢驗量測次數之至少一者。
  35. 如請求項33之方法，其中產生一度量衡配方包括：判定包含該樣本上該一或多個關注區域之至少一些之位置之一取樣計劃。
  36. 如請求項35之方法，其中該取樣計劃包括樣本上該一或多個關注區域之一子組之位置。
TW107109574A 2017-03-22 2018-03-21 隨機察覺度量衡及製造 TWI751305B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762475072P 2017-03-22 2017-03-22
US62/475,072 2017-03-22
US15/612,279 US10474042B2 (en) 2017-03-22 2017-06-02 Stochastically-aware metrology and fabrication
US15/612,279 2017-06-02

Publications (2)

Publication Number Publication Date
TW201841075A TW201841075A (zh) 2018-11-16
TWI751305B true TWI751305B (zh) 2022-01-01

Family

ID=63582526

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107109574A TWI751305B (zh) 2017-03-22 2018-03-21 隨機察覺度量衡及製造

Country Status (5)

Country Link
US (1) US10474042B2 (zh)
JP (1) JP7003150B2 (zh)
KR (1) KR102327900B1 (zh)
TW (1) TWI751305B (zh)
WO (1) WO2018175213A1 (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10437951B2 (en) * 2017-08-23 2019-10-08 International Business Machines Corporation Care area generation by detection optimized methodology
US11088039B2 (en) * 2017-10-23 2021-08-10 Applied Materials, Inc. Data management and mining to correlate wafer alignment, design, defect, process, tool, and metrology data
US11775714B2 (en) * 2018-03-09 2023-10-03 Pdf Solutions, Inc. Rational decision-making tool for semiconductor processes
US10592635B2 (en) * 2018-05-31 2020-03-17 International Business Machines Corporation Generating synthetic layout patterns by feedforward neural network based variational autoencoders
US10606975B2 (en) * 2018-05-31 2020-03-31 International Business Machines Corporation Coordinates-based generative adversarial networks for generating synthetic physical design layout patterns
US10706200B2 (en) 2018-06-05 2020-07-07 International Business Machines Corporation Generative adversarial networks for generating physical design layout patterns of integrated multi-layers
KR102666072B1 (ko) * 2018-06-05 2024-05-17 삼성전자주식회사 기계 학습 장치 및 기계 학습 장치의 학습 방법
US10699055B2 (en) 2018-06-12 2020-06-30 International Business Machines Corporation Generative adversarial networks for generating physical design layout patterns
US10818001B2 (en) * 2018-09-07 2020-10-27 Kla-Tencor Corporation Using stochastic failure metrics in semiconductor manufacturing
KR102563023B1 (ko) * 2018-11-12 2023-08-03 주식회사 히타치하이테크 결함의 발생을 추정하는 시스템, 및 컴퓨터 가독 매체
JP7579267B2 (ja) * 2019-02-25 2024-11-07 アプライド マテリアルズ イスラエル リミテッド 希少確率欠陥を検出するシステムおよび方法
US10990019B2 (en) 2019-04-09 2021-04-27 Kla Corporation Stochastic reticle defect dispositioning
CN114026500B (zh) * 2019-07-03 2025-01-03 Asml荷兰有限公司 在半导体制造过程中应用沉积模式的方法
KR102812085B1 (ko) * 2019-09-05 2025-05-23 에이에스엠엘 네델란즈 비.브이. 현상 후 이미지에 기초하여 패턴의 결함이 있음을 결정하는 방법
US12332573B2 (en) 2019-09-05 2025-06-17 Asml Netherlands B.V. Method for determining defectiveness of pattern based on after development image
CN114514473B (zh) * 2019-09-25 2025-09-23 美商新思科技有限公司 基于缺陷概率分布和关键尺寸变化的光刻改进
KR102748784B1 (ko) * 2019-10-16 2024-12-30 어플라이드 머티어리얼스, 인코포레이티드 패턴들을 형성하는 방법 및 리소그래피 시스템
KR102850033B1 (ko) * 2019-12-19 2025-08-22 삼성전자주식회사 광학 근접 보상 검증 방법 및 이를 포함하는 반도체 제조 방법
JP7636418B2 (ja) * 2020-01-27 2025-02-26 ラム リサーチ コーポレーション 半導体製造プロセスのための性能予測子
WO2022040207A1 (en) * 2020-08-17 2022-02-24 Tokyo Electron Limited Tunable wavelength see-through layer stack
KR20230051510A (ko) * 2020-08-19 2023-04-18 에이에스엠엘 네델란즈 비.브이. 이미지 기반 패턴 선택을 위한 시스템, 제품 및 방법
US11810284B2 (en) * 2020-08-21 2023-11-07 Kla Corporation Unsupervised learning for repeater-defect detection
US11270054B1 (en) * 2020-08-31 2022-03-08 Siemens Industry Software Inc. Method and system for calculating printed area metric indicative of stochastic variations of the lithographic process
KR20220093915A (ko) 2020-12-28 2022-07-05 삼성전자주식회사 반도체 집적회로 레이아웃의 확률적 취약점 검출 방법 및 이를 수행하는 컴퓨터 시스템
US11613114B2 (en) * 2021-04-29 2023-03-28 Lead Technologies, Inc. Method, apparatus, and non-transitory computer-readable storage medium for altering a digital image for a printing job
US20230051330A1 (en) * 2021-08-16 2023-02-16 Applied Materials Inc. Using defect models to estimate defect risk and optimize process recipes
KR20230028647A (ko) * 2021-08-20 2023-03-02 삼성전자주식회사 Euv 리소그래피의 결함 예측 방법 및 이를 이용한 반도체 소자의 제조 방법
US20230092729A1 (en) * 2021-09-20 2023-03-23 Kla Corporation Semiconductor Profile Measurement Based On A Scanning Conditional Model
CN114861474B (zh) * 2022-07-08 2022-10-04 西南交通大学 一种智能泵阀系统性能仿真处理方法及云计算服务系统
US11966156B2 (en) * 2022-08-16 2024-04-23 Kla Corporation Lithography mask repair by simulation of photoresist thickness evolution
US20250104215A1 (en) * 2023-09-26 2025-03-27 Kla Corporation Method to calibrate, predict, and control stochastic defects in euv lithography

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120278768A1 (en) * 2011-04-29 2012-11-01 Micron Technology, Inc. Systems and methods for stochastic models of mask process variability
US20130031518A1 (en) * 2011-07-26 2013-01-31 Juan Andres Torres Robles Hybrid Hotspot Detection
TW201625915A (zh) * 2014-11-21 2016-07-16 克萊譚克公司 用於程序窗特徵化之虛擬檢測系統
US20170010538A1 (en) * 2014-02-11 2017-01-12 Asml Netherlands B.V. Model for calculating a stochastic variation in an arbitrary pattern

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5608526A (en) 1995-01-19 1997-03-04 Tencor Instruments Focused beam spectroscopic ellipsometry method and system
US5859424A (en) 1997-04-08 1999-01-12 Kla-Tencor Corporation Apodizing filter system useful for reducing spot size in optical measurements and other applications
US6429943B1 (en) 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
JP4351522B2 (ja) 2003-11-28 2009-10-28 株式会社日立ハイテクノロジーズ パターン欠陥検査装置およびパターン欠陥検査方法
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
JP5175577B2 (ja) * 2008-02-18 2013-04-03 株式会社日立ハイテクノロジーズ 集積回路パターンの欠陥検査方法、及びその装置
US8589827B2 (en) 2009-11-12 2013-11-19 Kla-Tencor Corporation Photoresist simulation
US8781781B2 (en) 2010-07-30 2014-07-15 Kla-Tencor Corp. Dynamic care areas
US8755045B2 (en) * 2012-01-06 2014-06-17 Taiwan Semiconductor Manufacturing Company, Ltd. Detecting method for forming semiconductor device
US20130252350A1 (en) 2012-03-26 2013-09-26 Globalfoundries Singapore Pte. Ltd. System and method for generating care areas for defect inspection
US10769320B2 (en) * 2012-12-18 2020-09-08 Kla-Tencor Corporation Integrated use of model-based metrology and a process model
US10101670B2 (en) * 2013-03-27 2018-10-16 Kla-Tencor Corporation Statistical model-based metrology
US9098891B2 (en) 2013-04-08 2015-08-04 Kla-Tencor Corp. Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology
US9875946B2 (en) * 2013-04-19 2018-01-23 Kla-Tencor Corporation On-device metrology
US9383661B2 (en) * 2013-08-10 2016-07-05 Kla-Tencor Corporation Methods and apparatus for determining focus
US10935893B2 (en) * 2013-08-11 2021-03-02 Kla-Tencor Corporation Differential methods and apparatus for metrology of semiconductor targets
US9494853B2 (en) * 2013-12-18 2016-11-15 Cypress Semiconductor Corporation Increasing lithographic depth of focus window using wafer topography
TWI620980B (zh) * 2015-02-13 2018-04-11 Ａｓｍｌ荷蘭公司 影像對數斜率（ｉｌｓ）最佳化
US10018571B2 (en) 2015-05-28 2018-07-10 Kla-Tencor Corporation System and method for dynamic care area generation on an inspection tool
US10163733B2 (en) * 2016-05-31 2018-12-25 Taiwan Semiconductor Manufacturing Co., Ltd. Method of extracting defects

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120278768A1 (en) * 2011-04-29 2012-11-01 Micron Technology, Inc. Systems and methods for stochastic models of mask process variability
US20130031518A1 (en) * 2011-07-26 2013-01-31 Juan Andres Torres Robles Hybrid Hotspot Detection
US20170010538A1 (en) * 2014-02-11 2017-01-12 Asml Netherlands B.V. Model for calculating a stochastic variation in an arbitrary pattern
TW201625915A (zh) * 2014-11-21 2016-07-16 克萊譚克公司 用於程序窗特徵化之虛擬檢測系統

Also Published As

Publication number Publication date
US20180275523A1 (en) 2018-09-27
TW201841075A (zh) 2018-11-16
US10474042B2 (en) 2019-11-12
JP7003150B2 (ja) 2022-01-20
KR102327900B1 (ko) 2021-11-18
JP2020515077A (ja) 2020-05-21
KR20190123352A (ko) 2019-10-31
WO2018175213A1 (en) 2018-09-27

Similar Documents

Publication Publication Date Title
TWI751305B (zh) 隨機察覺度量衡及製造
US12038694B2 (en) Determining pattern ranking based on measurement feedback from printed substrate
KR102685425B1 (ko) 패터닝 공정에서의 웨이퍼 거동을 결정하기 위해 이미지 패턴들을 그룹화하는 장치 및 방법
US10670974B2 (en) Metrology apparatus for and a method of determining a characteristic of interest of a structure on a substrate
US10634490B2 (en) Determining edge roughness parameters
US12242201B2 (en) Determining hot spot ranking based on wafer measurement
US11353796B2 (en) Method and apparatus for determining a radiation beam intensity profile
US10095122B1 (en) Systems and methods for fabricating metrology targets with sub-resolution features
CN108292107B (zh) 二维或三维形状的分层式表示
TWI815419B (zh) 用於判定與微影製程相關之隨機度量之方法
EP3467589A1 (en) Determining edge roughness parameters
CN114641726A (zh) 集成式多工具光罩检验
NL2021703A (en) Method and apparatus for determining a radiation beam intensity profile
JP2025530062A (ja) メトロロジ方法及び関連メトロロジデバイス
WO2025051488A1 (en) Substrate parameter measurement