TWI779674B - 基於失效率之製程窗 - Google Patents
基於失效率之製程窗 Download PDFInfo
- Publication number
- TWI779674B TWI779674B TW110122290A TW110122290A TWI779674B TW I779674 B TWI779674 B TW I779674B TW 110122290 A TW110122290 A TW 110122290A TW 110122290 A TW110122290 A TW 110122290A TW I779674 B TWI779674 B TW I779674B
- Authority
- TW
- Taiwan
- Prior art keywords
- feature
- features
- failure rate
- process window
- dose
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 993
- 230000008569 process Effects 0.000 title claims abstract description 842
- 239000000758 substrate Substances 0.000 claims abstract description 202
- 238000005259 measurement Methods 0.000 claims abstract description 152
- 238000000059 patterning Methods 0.000 claims abstract description 120
- 230000006870 function Effects 0.000 description 134
- 230000005855 radiation Effects 0.000 description 113
- 238000009826 distribution Methods 0.000 description 63
- 230000007547 defect Effects 0.000 description 62
- 230000003287 optical effect Effects 0.000 description 59
- 230000000875 corresponding effect Effects 0.000 description 47
- 239000010410 layer Substances 0.000 description 46
- 238000001459 lithography Methods 0.000 description 46
- 238000005286 illumination Methods 0.000 description 43
- 210000001747 pupil Anatomy 0.000 description 30
- 238000012546 transfer Methods 0.000 description 27
- 238000011161 development Methods 0.000 description 25
- 230000018109 developmental process Effects 0.000 description 25
- 238000001878 scanning electron micrograph Methods 0.000 description 22
- 238000013461 design Methods 0.000 description 20
- 230000015654 memory Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 18
- 238000004519 manufacturing process Methods 0.000 description 18
- 230000010287 polarization Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 15
- 238000004088 simulation Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 12
- 230000000737 periodic effect Effects 0.000 description 11
- 238000001228 spectrum Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 230000004075 alteration Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 239000011248 coating agent Substances 0.000 description 8
- 238000000576 coating method Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 235000012431 wafers Nutrition 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000005530 etching Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 6
- 230000003111 delayed effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 238000000206 photolithography Methods 0.000 description 5
- 230000000704 physical effect Effects 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000001364 causal effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000003252 repetitive effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004626 scanning electron microscopy Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000002925 chemical effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000000151 deposition Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 101100511184 Dictyostelium discoideum limB gene Proteins 0.000 description 2
- 244000208734 Pisonia aculeata Species 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004630 atomic force microscopy Methods 0.000 description 2
- 238000001311 chemical methods and process Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 239000010408 film Substances 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 238000005468 ion implantation Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000005381 magnetic domain Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000001000 micrograph Methods 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 230000009885 systemic effect Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000009736 wetting Methods 0.000 description 2
- 125000003821 2-(trimethylsilyl)ethoxymethyl group Chemical group [H]C([H])([H])[Si](C([H])([H])[H])(C([H])([H])[H])C([H])([H])C(OC([H])([H])[*])([H])[H] 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101100074792 Danio rerio lhx1a gene Proteins 0.000 description 1
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000003869 coulometry Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001900 extreme ultraviolet lithography Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003701 mechanical milling Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000001393 microlithography Methods 0.000 description 1
- 230000005405 multipole Effects 0.000 description 1
- 238000001127 nanoimprint lithography Methods 0.000 description 1
- 230000003121 nonmonotonic effect Effects 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- -1 refractive index Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004528 spin coating Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
-
- 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
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- 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
- G03F7/706835—Metrology information management or control
- G03F7/706837—Data analysis, e.g. filtering, weighting, flyer removal, fingerprints or root cause analysis
-
- 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
- G03F7/706835—Metrology information management or control
- G03F7/706839—Modelling, e.g. modelling scattering or solving inverse problems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- General Factory Administration (AREA)
- Image Generation (AREA)
- Image Analysis (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
Abstract
本文中描述一種用於基於一失效率而判定一圖案化製程之一製程窗的方法。該方法包括：(a)獲得經印刷於一基板上之複數個特徵；(b)基於一度量而將該等特徵分組為複數個群組；及(c)基於與一特徵群組相關聯之量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型識別與該特徵群組之該失效率相關的該製程窗。該方法進一步包括使用該基礎失效率模型產生一特定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該特定特徵之一所估計失效率低於一指定臨限。
Description
本發明係關於改善器件製造製程之效能之技術。該等技術可結合微影裝置或度量衡裝置而使用。
微影裝置為將所要圖案施加至基板之目標部分上的機器。微影裝置可用於例如積體電路(IC)製造。在彼情況下，圖案化器件(其替代地被稱作遮罩或倍縮光罩)可用以產生對應於IC之個別層之電路圖案，且可將此圖案成像至具有輻射敏感材料(抗蝕劑)層之基板(例如，矽晶圓)上之目標部分(例如，包含晶粒之部分、一個晶粒或若干晶粒)上。一般而言，單一基板將含有經順次曝光之鄰近目標部分之網路。已知微影裝置包括：所謂的步進器，其中藉由一次性將整個圖案曝光至目標部分上來輻照每一目標部分；及所謂的掃描器，其中藉由在給定方向(「掃描」方向)上經由光束而掃描圖案同時平行或反平行於此方向而同步地掃描基板來輻照每一目標部分。
在將電路圖案自圖案化器件轉印至基板之前，基板可經歷各種工序，諸如，上底漆、抗蝕劑塗佈及軟烘烤。在曝光之後，基板可經受其他工序，諸如，曝光後烘烤(PEB)、顯影、硬烘烤，及經轉印電路圖案之量測/檢測。此工序陣列係用作製造一器件(例如，IC)之個別層的基
礎。基板可接著經歷各種製程，諸如，蝕刻、離子植入(摻雜)、金屬化、氧化、化學機械拋光等等，該等製程皆意欲精整器件之個別層。若在器件中需要若干層，則針對每一層來重複整個工序或其變化。最終，在基板上之每一目標部分中將存在一器件。接著藉由諸如切割或鋸切之技術來使此等器件彼此分離，由此，可將個別器件安裝於載體上、連接至接腳，等等。
因此，製造器件(諸如半導體器件)通常涉及使用數個製造製程來處理基板(例如，半導體晶圓)以形成該等器件之各種特徵及多個層。通常使用(例如)沈積、微影、蝕刻、化學機械研磨及離子植入來製造及處理此等層及特徵。可在一基板上之複數個晶粒上製作多個器件，且接著將該等器件分離成個別器件。此器件製造製程可被認為係圖案化製程。圖案化製程涉及使用圖案化器件中之圖案化器件進行圖案化步驟(諸如光學及/或奈米壓印微影)以將圖案化器件上之圖案轉印至基板，且圖案化製程通常但視情況涉及一或多個相關圖案處理步驟，諸如藉由顯影裝置進行抗蝕劑顯影、使用烘烤工具來烘烤基板、使用蝕刻裝置而使用圖案進行蝕刻等等。
根據本發明之一實施例，提供一種包含指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於基於一特徵之一失效率而判定一圖案化製程之一製程窗的方法。該方法包括：獲得經印刷於一基板上之複數個特徵；基於一度量而將該等特徵分組為複數個群組；及基於與一特徵群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型經組態以識別與該特徵群組之
該失效率相關的該製程窗。
在一些實施例中，該度量包括：(a)該等特徵之每一特徵的一製程窗，其中該製程窗依據與該對應特徵相關聯之製程變數而變化；及(b)與該對應特徵相關聯之一參數。
在一些實施例中，該等製程變數包括與用於該圖案化製程之一裝置相關聯的一焦點及劑量值，且其中該參數包括該對應特徵之一臨界尺寸(CD)值。
在一些實施例中，將該等特徵分組包括：(a)對於該等特徵之每一特徵，獲得該對應特徵之一平均CD值及位於該對應特徵之一製程窗之一邊緣處的與該平均CD相關聯之複數個劑量值及焦點值作為一度量值，及基於該等特徵之該等度量值而將該等特徵叢集至該等特徵群組中，其中一特定群組內的特徵具有在一第一臨限內變化的度量值。
在一些實施例中，該等特徵之該叢集包括使用k平均數演算法叢集該等特徵。
在一些實施例中，獲得該等特徵包括：獲得具有經印刷於該基板上之該等特徵的複數個影像，及分析該等影像以選擇該等特徵中滿足一指定準則的彼等特徵作為該複數個特徵。
在一些實施例中，該指定準則包括一特徵跨越該基板的一出現次數低於一第一臨限，或該特徵在該等影像之一影像中的一出現次數低於一第二臨限。
在一些實施例中，產生該特徵群組的該基礎失效率模型包括：(a)獲得該特徵群組之平均CD；(b)將該特徵群組之局部CD均一性(LCDU)資料判定為與該特徵群組相關聯之該量測值資料；(c)基於該
LCDU資料而獲得：(i)該特徵群組之CD的一機率密度函數，其被定義為該平均CD、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該特徵群組中之特徵之失效率量測值的該圖案化製程之一CD極限；(d)基於該CD極限及該CD之該機率密度函數而判定該特徵群組之一所估計失效率；及(e)產生該基礎失效率模型，其識別與該劑量值相關的該製程窗，使得該特徵群組之該所估計失效率小於一預定臨限。
在一些實施例中，判定該特徵群組之該LCDU資料包括：藉由以下操作判定該群組之該LCDU資料：(a)跨越該複數個影像獲得該群組中之每一特徵的該LCDU資料；(b)獲得該複數個影像之每一影像的每一特徵之CD平均數；及(c)自該LCDU資料移除該CD平均數。
在一些實施例中，獲得該特徵群組之該CD之該機率密度函數包括：基於該劑量值之一方差而針對該劑量值判定一劑量之該機率密度函數；及基於一轉換函數而將該劑量之該機率密度函數轉換成該CD之該機率密度函數，其中該轉換函數係基於該劑量之該函數而判定。
在一些實施例中，該失效率係關於一特徵之一或多個失效，該一或多個失效包括該特徵之一實體失效、一轉印失效及/或推遲失效。
在一些實施例中，該方法進一步包括：將該基礎失效率模型儲存於一資料庫中，其中該資料庫包括複數個基礎失效率模型，其中每一基礎失效率模型對應於具有一指定度量值的一特徵群組。
在一些實施例中，該方法進一步包括使用該基礎失效率模型產生一特定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該特定特徵之一所估計失效率低於一指定臨
限。
在一些實施例中，該方法進一步包括使用該基礎失效率模型產生一指定特徵群組的一特徵群組特定失效率模型，其中該特徵群組特定失效率模型識別一特徵群組特定製程窗，使得該指定特徵群組之一所估計失效率低於一指定臨限。
在一些實施例中，產生該特徵特定失效率模型包括：(a)接收與該指定特徵相關聯之量測值資料，其中該量測值資料包括針對複數個劑量及焦點值的該指定特徵之CD值；(b)自該量測值資料判定一指定度量值，其中該指定度量值經判定為一指定平均CD值及位於與該指定特徵相關聯之一製程窗之一邊緣處的與該指定平均CD值相關聯之複數個劑量值及焦點值的一函數；及(c)自該資料庫選擇度量值匹配該指定度量值的一指定基礎失效率模型。
在一些實施例中，產生該特徵特定失效模型進一步包括：自該指定基礎失效率模型獲得CD之一基礎機率密度函數；及基於該指定平均CD值而調整該基礎機率密度函數之一平均CD以產生一經調整機率密度函數。
在一些實施例中，該方法進一步包括使用該經調整機率密度函數判定該圖案化製程的一第一CD極限或一第二CD極限中之至少一者，其中若該指定特徵之一CD高於該第一CD極限或低於該第二CD極限，則該指定特徵之該所估計失效率位於該指定臨限內。
在一些實施例中，該方法進一步包括：獲得該指定特徵之CD的一場間CD變化、場內CD變化、一機率密度函數中之至少一者作為CD特徵曲線資料；及將該經調整機率密度函數與該CD特徵曲線資料迴旋
以產生一經迴旋機率密度函數。
在一些實施例中，該方法進一步包括：基於該第一CD極限、該第二CD極限及該經迴旋機率密度函數而判定該特定特徵之該所估計失效率；及產生該特徵特定失效率模型，其識別該特徵特定製程窗，使得該指定特徵之該所估計失效率小於該指定臨限。
在一些實施例中，該方法進一步包括：基於與該指定特徵相關之該製程窗而調整該圖案化製程之一或多個裝置，以最小化與該指定特徵相關聯之一失效率。
此外，在一些實施例中，提供一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於基於一失效率而判定一圖案化製程之一製程窗的方法。該方法包括：(a)選擇經印刷於一基板上之複數個特徵；(b)基於一度量而將該等特徵分組為複數個群組，其中該複數個群組之每一群組包括該等特徵之一子集；(c)基於與該複數個群組之一群組中之特徵相關聯的量測值資料而產生該群組之一基礎失效率模型，其中該基礎失效率模型識別與該特徵群組之一所估計失效率相關的一製程窗；及(d)使用該基礎失效率模型及與一指定特徵相關聯之量測值資料產生該指定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該指定特徵之一所估計失效率低於一指定臨限。
在一些實施例中，將該等特徵分組包括：(a)對於該等特徵之每一特徵，獲得該對應特徵之一平均CD值及位於該對應特徵之一製程窗之一邊緣處的與該平均CD相關聯之複數個劑量值及焦點值作為一度量值，及基於該等特徵之該等度量值而將該等特徵叢集至該等群組中，其中
一特定群組內的該等特徵具有在一第一臨限內變化的度量值。
在一些實施例中，該方法進一步包括：將該基礎失效率模型儲存於一資料庫中，其中該資料庫包括複數個基礎失效率模型，其中每一基礎失效率模型對應於具有一指定度量值的一特徵群組。
在一些實施例中，產生該特徵特定失效率模型包括：(a)接收與該指定特徵相關聯之量測值資料，其中該量測值資料包括針對複數個劑量及焦點值的該指定特徵之CD值；(b)自與該指定特徵相關聯之該量測值資料判定一指定度量值，其中該指定度量值經判定為一指定平均CD值與位於一指定聚焦值的與該指定特徵相關聯之一製程窗之一邊緣處的與該指定平均CD值相關聯之一劑量值的一函數；及(c)自該資料庫選擇度量值匹配該指定度量值的一指定基礎失效率模型。
在一些實施例中，該方法進一步包括：自該指定基礎失效率模型獲得CD之一基礎機率密度函數；及基於該指定平均CD值而調整該基礎機率密度函數之一平均CD以產生一經調整機率密度函數。
在一些實施例中，該方法進一步包括：使用該經調整機率密度函數判定該圖案化製程的一第一CD極限或一第二CD極限，其中當該指定特徵之一CD高於該第一CD極限或低於該第二CD極限時，該指定特徵之該所估計失效率位於該指定臨限內。
在一些實施例中，該方法進一步包括：獲得該指定特徵之CD的一場間CD變化、場內CD變化、一機率密度函數中之至少一者作為CD特徵曲線資料；及將該經調整機率密度函數與該CD特徵曲線資料迴旋以產生一經迴旋機率密度函數。
在一些實施例中，該方法進一步包括：基於該第一CD極
限、該第二CD極限及該經迴旋機率密度函數而判定該特定特徵之該所估計失效率；及產生該特徵特定失效率模型，其識別該特徵特定製程窗，使得該指定特徵之該所估計失效率小於該指定臨限。
在一些實施例中，該方法進一步包括：基於與該指定特徵相關之該製程窗而調整該圖案化製程之一或多個裝置，以最小化與該指定特徵相關聯之一失效率。
在一些實施例中，該一或多個裝置包括一種經組態以基於該特徵特定製程窗而執行該基板上之圖案化的微影裝置。
此外，在一些實施例中，提供一種用於基於一失效率而判定一圖案化製程之一製程窗的方法。該方法包括：獲得經印刷於一基板上之複數個特徵；基於一度量而將該等特徵分組為複數個群組；及基於與一特徵群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型經組態以識別與該特徵群組之該失效率相關的該製程窗。
此外，在一些實施例中，提供一種用於基於一失效率而判定一圖案化製程之一製程窗的方法。該方法包括：獲得經印刷於一基板上之複數個特徵；基於一度量而將該特徵群組分組為複數個群組，其中該複數個群組之每一群組包括該等特徵之一子集；基於與該複數個群組之一群組中之特徵相關聯的量測值資料而產生該群組之一基礎失效率模型，其中該基礎失效率模型識別與該特徵群組之一所估計失效率相關的一製程窗；及使用該基礎失效率模型及與一指定特徵相關聯之量測值資料產生該指定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該指定特徵之一所估計失效率低於一指定臨限。
此外，在一些實施例中，提供一種包含指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定一圖案化製程之製程窗的方法。該方法包括：獲得經印刷於一基板上之複數個特徵之量測值資料；自該量測值資料導出該複數個特徵之一特性參數，其中該量測值資料包含指示該複數個特徵之置放誤差的資料；及基於與該等特徵相關聯之該特性參數而產生該等特徵之一失效率模型，其中該失效率模型經組態以判定對應於該等特徵之一失效率的一製程窗。
此外，在一些實施例中，提供一種包含指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定一圖案化製程之製程窗的方法。該方法包括：獲得經印刷於一基板上之複數個特徵的量測值資料，其中該量測值資料包括與該等特徵之一特徵相關聯的一CD值、一邊緣置放誤差(EPE)值或一置放誤差(PE)值中之一或多者；導出該複數個特徵之一特性參數，其中該特性參數包括自該CD值及該PE值導出的一CDe參數；及基於與該等特徵相關聯之該特性參數而產生該等特徵之一失效率模型，其中該失效率模型經組態以識別與該等特徵之一失效率相關的一製程窗。
此外，在一些實施例中，提供一種包含指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定一圖案化製程之製程窗的方法。該方法包括：獲得經印刷於一基板上之複數個特徵的量測值資料，其中該量測值資料包括與該等特徵之一特徵相關聯的一CD值、一邊緣置放誤差(EPE)值或一置放誤差(PE)值中之一或多者；導出該等特徵之一特性參數，其中該特性參數包括自一目標CD值及該PE值導出的一PEe參數；及基於與該等特徵相關聯之該特性參數而產生該等
特徵之一失效率模型，其中該失效率模型經組態以識別與該等特徵之一失效率相關的一製程窗。
此外，在一些實施例中，提供一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定經印刷於一基板上之臨界特徵的方法。該方法包括：獲得經印刷於一基板上之複數個特徵之量測值資料；基於該量測值資料而獲得該等特徵之一第一組製程窗，其中該第一組製程窗表示針對一第一組劑量及焦點值的該等特徵之一第一特性參數，其中該第一組製程窗包括該等特徵之一第一特徵的一第一製程窗；基於該第一組製程窗而獲得該等特徵中之每一者的多個製程窗度量；及將該等特徵中具有滿足一指定臨限之該等製程窗度量中之該一或多者的彼等特徵判定為臨界特徵。
此外，在一些實施例中，提供一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定經印刷於一基板上之臨界特徵的方法。該方法包括：獲得經印刷於一基板上之複數個特徵之量測值資料；基於該量測值資料而獲得該等特徵之一第一組製程窗，其中該第一組製程窗表示針對一第一組劑量及焦點值的該等特徵之一第一特性參數，其中該第一組製程窗包括該等特徵之一第一特徵的一第一製程窗；基於該量測值資料而獲得該等特徵之一第二組製程窗，其中該第二組製程窗表示針對一第二組劑量及焦點值的該等特徵之一第二特性參數，其中該第二特性參數不同於該第一特性參數，其中該第二組製程窗包括該第一特徵之一第二製程窗；運用該第一製程窗及該第二製程窗執行一重疊操作以產生一第一重疊製程窗，其中該第一重疊製程窗為該第一製程窗及該第二製程窗在一曲線圖上之形狀的一相交區；基於該對應特徵
之一重疊製程窗而獲得該等特徵中之每一者的多個製程窗度量；及將該等特徵中具有滿足一指定臨限之該等製程窗度量中之該一或多者的彼等特徵判定為臨界特徵。
此外，提供一種其上記錄有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時實施如以上方法中任一項之方法。
2:寬頻帶(白光)輻射投影儀/輻射源
4:光譜儀偵測器
10:光譜
11:背向投影式聚焦平面
12:透鏡系統
13:干涉濾光器
14:鏡面
15:物鏡
16:部分反射表面
17:偏振器
18:偵測器
30:基板目標
30':目標圖案
100:電腦系統
102:匯流排
104:處理器
105:處理器
106:主記憶體
108:唯讀記憶體/經量測輻射分佈
110:儲存器件
112:顯示器
114:輸入器件
116:游標控制件
118:通信介面
120:網路鏈路
122:區域網路
124:主電腦
126:網際網路服務提供者
128:網際網路
130:伺服器
206:經參數化模型
208:輻射分佈
210:數值馬克士威求解程序
212:步驟
310:變數
320:變數
330:變數
340:變數
350:特性
360:特性
370:變數
600:製程
602:參數/量測結果
604:製程變數
610:函數關係
620:機率密度函數
630:參數機率密度函數
702:柏桑曲線
721:第一劑量機率密度函數
722:第二劑量機率密度函數
723:第三劑量機率密度函數
731:第一臨界尺寸機率密度函數
732:第二臨界尺寸機率密度函數
733:第三臨界尺寸機率密度函數
771:導柱
772:基腳
773:頸縮
1200:源模型
1210:投影光學件模型
1220:圖案化器件/設計佈局模型模組
1230:空中影像
1240:抗蝕劑模型
1250:抗蝕劑影像
1260:圖案轉印後製程模型模組
1300:源模型
1310:度量衡光學件模型
1320:度量衡目標模型
1330:空中影像
1340:偵測模型模組
1405:掃描電子顯微鏡影像
1410:特徵選擇模組
1415:特徵
1420:特徵分組模組
1422:特徵群組
1425:特徵群組
1430:基礎失效率模型產生器
1435:基礎失效率模型
1440:資料庫
1445:特徵特定失效率模型產生器
1450:給定特徵
1460:特徵特定失效率模型
1500:方法
1511:度量值
1605:曲線圖
1610:曲線圖
1615:曲線圖
1635:曲線圖
1640:曲線圖
1645:製程窗+臨界尺寸平均數分組
1650:基於缺陷之製程窗
1700:方法
1701:量測值資料
1706:函數關係
1711:局部臨界尺寸均一性資料
1712:平均臨界尺寸
1713:局部臨界尺寸均一性資料
1716:PDFCD
1721:失效率
1722:臨界尺寸極限
1726:所估計失效率
1800:方法
1801:量測值資料
1811:度量值
1826:經調整PDFCD
1831:臨界尺寸極限
1837:臨界尺寸特徵曲線資料
1841:經迴旋PDFCD
1846:所估計失效率
1851:基於缺陷之製程窗
1910:製程窗
1901:製程窗
1903:製程窗
1905:橢圓製程窗
1911:製程窗
1913:製程窗
1915:橢圓形窗
1920:重疊製程窗
2005:置放誤差
2010:EPEleft
2015:EPEleft
2020:目標邊緣
2025:經印刷邊緣
2100:方法
2101:量測值資料
2106:函數關係
2113:LCDeU資料
2116:PDFCDe
2122:CDe極限
2126:所估計失效率
2150:基於EPE缺陷之製程窗
2200:方法
2201:量測值資料
2206:函數關係
2213:局部臨界尺寸均一性資料
2216:PDFPEe
2222:PEe極限
2226:所估計失效率
2250:基於PEe缺陷之製程窗
2305:第二失效率製程窗
2310:第三失效率製程窗
2315:第一失效率製程窗
2320:第四失效率製程窗
2325:經組合失效率製程窗
2500:製程
2501:量測值資料
2513:製程窗資料
2516:製程窗度量
2522:特徵之順位清單
2526:臨界特徵
2531:基礎失效率模型
2605:臨界尺寸製程窗
2610:失效率製程窗
2720:橢圓形
2725:中心
2830:重疊製程窗
2845:橢圓形
AS:對準感測器
B:輻射光束
BD:光束遞送系統
BK:烘烤板
C:目標部分
CH:冷卻板
CO:聚光器
DE:顯影器
IF:位置感測器
IL:照明系統/照明器
IN:積光器
I/O1:輸入埠
I/O2:輸出埠
LA:微影裝置
LACU:微影控制單元
LB:裝載匣
LC:微影製造單元/微影單元
LS:位階感測器
MA:圖案化器件
MT:支撐結構
M1:圖案化器件對準標記
M2:圖案化器件對準標記
PM:第一定位器
PS:投影系統
PU:處理器
PW:第二定位器/製程窗
P1:基板對準標記
P2:基板對準標記
P10:製程
P20:製程
P30:製程
P40:製程
P50:製程
P60:製程
P1505:製程
P1510:製程
P1515:製程
P1705:製程
P1710:製程
P1715:製程
P1720:製程
P1725:製程
P1730:製程
P1805:製程
P1810:製程
P1815:製程
P1820:製程
P1825:製程
P1830:製程
P1835:製程
P1840:製程
P1845:製程
P1850:製程
P2105:製程
P2110:製程
P2115:製程
P2120:製程
P2125:製程
P2130:製程
P2205:製程
P2210:製程
P2215:製程
P2220:製程
P2225:製程
P2230:製程
P2505:操作
P2510:操作
P2515:操作
P2520:操作
P2525:操作
P2530:操作
RF:射頻/參考框架
RO:板處置器或機器人
R1:製程參數
R2:製程參數
R3:製程參數
R4:製程參數
R5:製程參數
S:照明光點
SC:旋塗器
SCS:監督控制系統
SO:輻射源/源
TCU:塗佈顯影系統控制單元
W:基板
WT:基板台
WTa:基板台
WTb:基板台
圖1示意性地描繪根據一實施例之微影裝置。
圖2示意性地描繪微影製造單元或叢集之實施例。
圖3示意性地描繪實例檢測裝置及度量衡技術。
圖4示意性地描繪實例檢測裝置。
圖5說明檢測裝置之照明光點與度量衡目標之間的關係。
圖6示意性地描繪基於量測值資料導出複數個所關注變數之製程。
圖7展示處理變數之實例類別。
圖8示意性地展示根據一實施例的用於圖案化模擬方法的流程。
圖9示意性地展示根據一實施例的用於量測模擬方法的流程。
圖10示意性地展示根據一實施例的用於判定基於缺陷之製程窗的方法之流程。
圖11A說明根據一實施例的所量測CD與劑量之間的實例關係。
圖11B說明根據一實施例的在不同劑量設定下之實例劑量
PDF。
圖11C說明根據一實施例的在不同劑量設定下之實例CD PDF。
圖11D說明根據一實施例之實例失效模式。
圖11E說明根據一實施例之另一實例失效模式。
圖11F說明根據一實施例的在劑量設定下之實例參數極限。
圖11G說明根據一實施例的在不同劑量設定下之實例參數極限及相關失效機率。
圖11H說明根據一實施例之實例製程窗。
圖12A說明根據一實施例的用於第一特徵之實例製程窗。
圖12B說明根據一實施例的用於第二特徵之實例製程窗。
圖12C說明根據一實施例的圖12A及圖12B之重疊製程窗。
圖13說明根據一實施例之多維製程窗。
圖14為符合各種實施例的用於產生基礎失效率模型且最終產生特徵特定失效率模型的例示性方法之方塊圖。
圖15為符合各種實施例的用於產生基礎失效率模型之例示性方法的流程圖。
圖16A展示符合各種實施例的基於三個不同度量分組之特徵的PDFCD曲線圖。
圖16B展示符合各種實施例的三個不同度量中之每一者的群組內的特徵之PDFCD變化。
圖16C說明符合各種實施例的描繪叢集之數目與度量之間的關係的實例曲線圖。
圖16D說明符合各種實施例的各種特徵分組方法之失效率預測準確性的實例曲線圖。
圖16E展示符合各種實施例的特徵群組的基於缺陷之製程窗。
圖17為符合各種實施例的用於產生特徵群組之基礎失效率模型的例示性方法之流程圖。
圖18說明符合各種實施例的用於產生特徵特定FR模型之例示性方法的流程圖。
圖19A說明符合各種實施例的用於給定特徵的基於缺陷之製程窗。
圖19B說明符合各種實施例的用於給定特徵群組的基於缺陷之製程窗。
圖20說明符合各種實施例的目標特徵之邊緣置放誤差。
圖21為符合各種實施例的用於基於CDe資料而產生特徵群組之基礎失效率模型的例示性方法之流程圖。
圖22為符合各種實施例的用於基於PEe資料而產生特徵群組之基礎失效率模型的例示性方法之流程圖。
圖23說明符合各種實施例的各種失效率製程窗。
圖24為根據一實施例之實例電腦系統的方塊圖。
圖25為根據一或多個實施例的用於對特徵順位之製程的流程圖。
圖26A展示根據一或多個實施例的特徵之實例CD製程窗。
圖26B展示根據一或多個實施例的特徵之實例失效率(FR)
製程窗。
圖27說明根據一或多個實施例的圖26B之FR製程窗的橢圓形擬合。
圖28A說明根據一或多個實施例的將兩個製程窗重疊之重疊操作。
圖28B說明根據一或多個實施例的圖28A之重疊製程窗的橢圓形擬合。
微影裝置為將所要之圖案施加至基板之目標部分上的機器。將所要圖案轉印至基板上之此製程被稱作圖案化製程。在器件製造製程(例如，圖案化製程或微影製程)中，基板可在該製程期間或之後經受各種類型之量測。量測可判定基板是否有缺陷，且可建立對製程及用於製程中之裝置之調整。
失效率模型化針對一或多個特徵，基於缺陷準則而判定製程窗(「基於缺陷之製程窗」)。舉例而言，基於缺陷之製程窗可為一組劑量及/或焦點值，其中特徵之缺陷/失效率(例如，特徵之臨界尺寸(CD)超出所要範圍變化)位於所要臨限內。失效率模型化可需要特徵之大量量測值資料(例如，CD資料)，以便使得經估計/經預測失效率精確。可藉由利用具有高輸貫量檢測工具(例如，掃描電子顯微鏡(SEM))之度量衡，針對密集特徵(例如，重複的且在基板上之出現次數超過臨限的特徵，諸如靜態隨機存取記憶體(SRAM)及動態RAM(DRAM)上的特徵)可達成此等抽樣量。然而，對於隨機邏輯結構中之特徵，此抽樣可具有挑戰，原因在於：(a)特徵可能不會足夠地出現在基板之每個圖案或每個部分；(b)自基
板之一個部分至另一部分，特徵可能不太重複；(c)基板上呈現過多不同特徵(例如，數百萬或更多)；或(d)特徵在基板上之呈現太稀疏，其可導致檢測工具花費大量時間及其他資源。在SEM圖像內呈現極小數目個特徵之例項的情況下，可能困難具有精確局部CD均一性，難以每個焦點/劑量值捕捉完整CD變化。因此，，可能必需新方法來判定經開發用於隨機邏輯結構中之特徵的基於缺陷之製程窗。
本發明描述一種獲得隨機邏輯結構中之特徵的基於缺陷之製程窗的方法。舉例而言，製程基於度量(例如，與特徵相關聯之製程窗及CD平均數)而將特徵(例如，不太重複的，隨機出現於基板上的特徵)分組為特徵群組，判定每一特徵群組之基礎失效率(FR)模型作為與彼特徵群組中之特徵相關聯的量測值資料的函數。基礎FR模型指特定特徵群組中之特徵的基於缺陷之製程窗，其係基於特定特徵群組內的特徵之局部CD均一性而判定。接著可使用基礎FR模型，藉由將基礎模型與關聯於給定特徵之量測值資料迴旋來產生特徵特定FR模型，其特定針對於給定特徵。亦可使用基礎FR模型產生特徵群組特定FR模型，其特定針對於一給定特徵群組。
在圖案化製程中，一些特徵可比其他特徵更臨界。舉例而言，具有較小製程窗之特徵比其他特徵更臨界。識別此等臨界特徵且保證針對此等臨界特徵產生基礎FR模型可有助於最小化圖案化製程中之缺陷，且因此有助於改良圖案化製程之良率。在一些實施例中，隨機邏輯結構可具有大量特徵(例如，數百萬)，且識別此等邏輯結構中之臨界特徵可對改良良率造成顯著負載。
本發明描述一種用於基於一或多個度量(例如，製程窗度
量)而對特徵順位的方法。在對特徵順位之後，可將具有滿足臨限(例如，低於臨限)之度量的特徵識別為臨界特徵。可分析(例如，如上文所描述而產生的)特徵群組，以識別特徵群組中具有臨界特徵之彼等特徵群組，且可針對所識別特徵群組產生基礎FR模型。
在詳細地描述實施例之前，呈現可供實施實施例之實例環境係指有導性的。
圖1示意性地描繪微影裝置LA之實施例。該裝置包含：- 照明系統(照明器)IL，其經組態以調節輻射光束B(例如UV輻射或DUV輻射)；- 支撐結構(例如遮罩台)MT，其經建構以支撐圖案化器件(例如遮罩)MA，且連接至經組態以根據某些參數來準確地定位該圖案化器件之第一定位器PM；- 基板台(例如，晶圓台)WT(例如，WTa、WTb或兩者)，其經建構以固持基板(例如，抗蝕劑塗佈晶圓)W，且連接至經組態以根據某些參數而準確地定位該基板之第二定位器PW；及- 投影系統(例如，折射投影透鏡系統)PS，其經組態以將由圖案化器件MA賦予至輻射光束B之圖案投影至基板W之目標部分C(例如，包含一或多個晶粒且常常被稱作場)上，該投影系統支撐於參考框架(RF)上。
如此處所描繪，裝置係透射類型(例如，使用透射遮罩)。替代地，裝置可屬於反射類型(例如，使用如上文所提及之類型的可程式化鏡面陣列，或使用反射遮罩)。
照明器IL自輻射源SO接收輻射光束。舉例而言，當輻射源為準分子雷射時，輻射源與微影裝置可為分離實體。在此等狀況下，不認
為源形成微影裝置之部件，且輻射光束係憑藉包含(例如)合適導向鏡面及/或光束擴展器之光束遞送系統BD而自源SO傳遞至照明器IL。在其他狀況下，例如，當輻射源為汞燈時，輻射源可為裝置之整體部分。源SO及照明器IL連同光束遞送系統BD在需要時可被稱作輻射系統。
照明器IL可更改光束之強度分佈。照明器可經配置以限制輻射光束之徑向範圍，使得在照明器IL之光瞳平面中之環形區內的強度分佈為非零。另外或替代地，照明器IL可操作以限制光束在光瞳平面中之分佈使得在光瞳平面中之複數個同等間隔之區段中的強度分佈為非零。輻射光束在照明器IL之光瞳平面中之強度分佈可被稱作照明模式。
因此，照明器IL可包含經組態以調整光束之(角度/空間)強度分佈的調整器AM。通常，可調整照明器之光瞳平面中之強度分佈之至少外部徑向範圍及/或內部徑向範圍(通常分別稱作σ外部及σ內部)。照明器IL可操作以變化光束之角分佈。舉例而言，照明器可操作以變更強度分佈為非零的光瞳平面中之區段之數目及角範圍。藉由調整光束在照明器之光瞳平面中之強度分佈，可達成不同照明模式。舉例而言，藉由限制照明器IL之光瞳平面中之強度分佈之徑向範圍及角範圍，強度分佈可具有多極分佈，諸如偶極、四極或六極分佈。可(例如)藉由將提供所要照明模式之光學件插入至照明器IL中或使用空間光調變器來獲得彼照明模式。
照明器IL可操作以變更光束之偏振且可操作以使用調整器AM來調整偏振。橫越照明器IL之光瞳平面之輻射光束的偏振狀態可被稱作偏振模式。使用不同偏振模式可允許在形成於基板W上之影像中達成較大對比度。輻射光束可為非偏振的。替代地，照明器可經配置以使輻射光束線性地偏振。輻射光束之偏振方向可跨越照明器IL之光瞳平面而變化。
輻射之偏振方向在照明器IL之光瞳平面中之不同區域中可不同。可取決於照明模式來選擇輻射之偏振狀態。針對多極照明模式，輻射光束之每一極之偏振可大體上垂直於照明器IL的光瞳平面中之彼極的位置向量。舉例而言，對於偶極照明模式，輻射可在實質上垂直於平分偶極之兩個對置區段之線的方向上線性地偏振。輻射光束可在可被稱作X偏振狀態及Y偏振狀態之兩個不同正交方向中之一者上偏振。對於四極照明模式，每一極之區段中之輻射可在實質上垂直於平分彼區段之線之方向上線性地偏振。此偏振模式可稱為XY偏振。相似地，對於六極照明模式，每一極之區段中之輻射可在實質上垂直於平分彼區段之線之方向上線性地偏振。此偏振模式可稱為TE偏振。
另外，照明器IL通常包含各種其他組件，諸如積光器IN及聚光器CO。照明光學系統可包括用於導向、塑形或控制輻射的各種類型之光學組件，諸如折射、反射、磁性、電磁、靜電或其他類型之光學組件，或其任何組合。
因此，照明器提供在其橫截面中具有所要均一性及強度分佈之經調節輻射光束B。
支撐結構MT以取決於圖案化器件之定向、微影裝置之設計及諸如圖案化器件是否被固持於真空環境中之其他條件的方式支撐圖案化器件。支撐結構可使用機械、真空、靜電或其他夾持技術以固持圖案化器件。圖案化器件支撐件可為(例如)框架或台，其可根據需要而固定或可移動。支撐結構可確保圖案化器件(例如)相對於投影系統處於所要位置。可認為本文中對術語「倍縮光罩」或「遮罩」之任何使用皆與更一般術語「圖案化器件」同義。
本文中所使用之術語「圖案化器件」應被廣泛地解譯為係指可用以在基板之目標部分中賦予圖案的任何器件。在一實施例中，圖案化器件為可用以在輻射光束之橫截面中向輻射光束賦予圖案以便在基板之目標部分中產生圖案的任何器件。應注意，舉例而言，若被賦予至輻射光束之圖案包括相移特徵或所謂輔助特徵，則該圖案可不確切地對應於基板之目標部分中之所要圖案。通常，被賦予至輻射光束之圖案將對應於目標部分中所創製之元件(諸如，積體電路)中之特定功能層。
圖案化器件可為透射的或反射的。圖案化器件之實例包括遮罩、可程式化鏡面陣列，及可程式化LCD面板。遮罩在微影中為吾人所熟知，且包括諸如二元、交變相移及衰減式相移之遮罩類型，以及各種混合遮罩類型。可程式化鏡面陣列之一實例使用小鏡面之矩陣配置，該等小鏡面中每一者可個別地傾斜，以便使入射輻射光束在不同方向上反射。傾斜鏡面在由鏡面矩陣反射之輻射光束中賦予圖案。
本文所使用之術語「投影系統」應被廣泛地解釋為涵蓋適於所使用之曝光輻射或適於諸如浸潤液體之使用或真空之使用之其他因素的任何類型之投影系統，包括折射、反射、反射折射、磁性、電磁及靜電光學系統，或其任何組合。可認為本文中對術語「投影透鏡」之任何使用均與更通用之術語「投影系統」同義。
投影系統PS具有可非均一且可影響成像於基板W上之圖案之光學轉印函數。對於非偏振輻射，此類效應可由兩個純量映像相當良好地描述，該兩個純量映像描述依據射出投影系統PS之輻射之光瞳平面中之位置而變化的該輻射之透射(變跡)及相對相位(像差)。可將可被稱作透射率映像射及相對相位映像射之此等純量映像射表達為基底函數之完整集
合全集之線性組合。一特別適宜的集合為任尼克(Zernike)多項式，其形成單位圓上所定義之正交多項式集合。每一純量映像之判定可涉及判定此展開式中之係數。因為任尼克多項式在單位圓上正交，所以可藉由依次演算經量測純量映像與每一任尼克多項式之內積且將此內積除以彼任尼克多項式之範數之平方來判定任尼克係數。
透射映像及相對相位映像係場及系統相依的。亦即，一般而言，各投影系統PS將針對各場點(亦即針對其影像平面中之各空間部位)具有不同任尼克展開式。可藉由將輻射(例如)自投影系統PS之物件平面(亦即，圖案化器件MA之平面)中之類點源投影通過投影系統PS且使用剪切干涉計以量測波前(亦即，具有相同相位之點之軌跡)來判定投影系統PS在其光瞳平面中之相對相位。剪切干涉計為共同路徑干涉計且因此，有利的是，無需次級參考光束來量測波前。剪切干涉計可包含投影系統(亦即，基板台WT)之影像平面中的繞射光柵(例如二維柵格)及經配置以偵測與投影系統PS之光瞳平面共軛之平面中之干涉圖案的偵測器。干涉圖案係與輻射之相位相對於在剪切方向上之光瞳平面中之座標的之導數有相關。偵測器可包含感測元件陣列，諸如，電荷耦合器件(CCD)。
微影裝置之投影系統PS可不產生可見條紋，且因此，可使用相位步進技術(諸如移動繞射光柵)來增強波前判定之準確度。可在繞射光柵之平面中且及在垂直於量測之掃描方向的方向上執行步進。步進範圍可為一個光柵週期，且可使用至少三個(均一地分佈)相位步進。因此，舉例而言，可在y方向上執行三個掃描量測，每一掃描量測係針對在x方向上之不同位置予以而執行。繞射光柵之此步進將相位變化有效地變換成強度變化，從而允許判定相位資訊。光柵可在垂直於繞射光柵之方向(z方向)
上步進以校準偵測器。
可在兩個垂直方向上順序地掃描繞射光柵，該兩個垂直方向可與投影系統PS之座標系之軸線(x及y)重合或可與此等軸線成諸如45度之角度。可遍及整數個光柵週期(例如，一個光柵週期)執行掃描。掃描使在一個方向上之相位變化達到平均數，從而允許重建在另一方向上之相位變化。此情形允許判定依據兩個方向而判定變化的波前。
可藉由將(例如)來自投影系統PS之物件平面(亦即，圖案化器件MA之平面)中之類點源之輻射投影通過投影系統PS且使用偵測器來量測與投影系統PS之光瞳平面共軛的平面中之輻射強度來判定投影系統PS在其光瞳平面中之透射(變跡)。可使用與用以量測波前以判定像差的偵測器同一個偵測器。
投影系統PS可包含複數個光學(例如透鏡)元件且可進一步包含調整機構AM，該調整機構經組態以調整該等光學元件中之一或多者以便校正像差(橫越貫穿場之光瞳平面之相位變化)。為了達成此校正，調整機構可操作而以一或多種不同方式操控投影系統PS內之一或多個光學(例如，透鏡)元件。投影系統可具有其光軸在z方向上延伸的座標系。調整機構可操作以進行以下各者之任何組合：使一或多個光學元件位移；使一或多個光學元件傾斜；及/或使一或多個光學元件變形。光學元件之移位移可在任何方向(x、y、z或其組合)上進行。光學元件之傾斜通常出自垂直於光軸之平面藉由圍繞在x及/或y方向上之軸線旋轉而進行，但對於非旋轉對稱之非球面光學元件可使用圍繞z軸之旋轉。光學元件之變形可包括低頻形狀(例如散光)及/或高頻形狀(例如自由形式非球面)。可例如藉由使用一或多個致動器以對光學元件之一或多個側施加力及/或藉由使用
一或多個加熱元件以加熱光學元件之一或多個選定區來執行光學元件之變形。一般而言，沒有可能調整投影系統PS以校正變跡(跨越光瞳平面之透射變化)。可在設計用於微影裝置LA之圖案化器件(例如遮罩)MA時使用投影系統PS之透射映像。使用計算微影技術，圖案化器件MA可經設計為用以至少部分地校正變跡。
微影裝置可屬於具有兩個(雙載物台)或更多個台(例如兩個或更多個基板台WTa、WTb，兩個或更多個圖案化器件台，在無專用於例如促進量測及/或清潔等之基板的情況下在投影系統下方之基板台WTa及台WTb)之類型。在此類「多載物台」機器中，可並行地使用額外台，或可對一或多個台執行預備步驟，同時將一或多個其他台用於曝光。舉例而言，可進行使用對準感測器AS之對準量測及/或使用位階感測器LS之位階(高度、傾角等等)量測。
微影裝置亦可屬於以下類型：其中基板之至少部分可由具有相對較高折射率之液體(例如水)覆蓋，以便填充投影系統與基板之間的空間。亦可將浸潤液體施加至微影裝置中之其他空間，例如，圖案化器件與投影系統之間的空間。浸潤技術在此項技術中被熟知用於增大投影系統之數值孔徑。如本文中所使用之術語「浸潤」不意謂諸如基板之結構必須浸沒於液體中，而是僅意謂液體在曝光期間位於投影系統與基板之間。
因此，在微影裝置之操作中，輻射光束經調節且由照明系統IL提供。輻射光束B入射於被固持於支撐結構(例如，遮罩台)MT上之圖案化器件(例如，遮罩)MA上，且係由該圖案化器件而圖案化。在已橫穿圖案化器件MA的情況下，輻射光束B穿過投影系統PS，該投影系統將該光束聚焦至基板W之目標部分C上。憑藉第二定位器PW及位置感測器IF
(例如，干涉量測器件、線性編碼器、2-D編碼器或電容式感測器)，可精確地移動基板台WT，(例如)以便使不同目標部分C定位於輻射光束B之路徑中。類似地，第一定位器PM及另一位置感測器(在圖1中未明確地描繪)可用以例如在自遮罩庫機械擷取之後或在掃描期間相對於輻射光束B之路徑準確地定位圖案化器件MA。一般而言，可憑藉形成第一定位器PM之部分之長衝程模組(粗略定位)及短衝程模組(精細定位)來實現支撐結構MT之移動。相似地，可使用形成第二定位器PW之部件之長衝程模組及短衝程模組來實現基板台WT之移動。在步進器(相對於掃描器)之情況下，支撐結構MT可僅連接至短衝程致動器，或可固定。可使用圖案化器件對準標記M1、M2及基板對準標記P1、P2來對準圖案化器件MA及基板W。儘管如所說明之基板對準標記佔據專用目標部分，但該等基板對準標記可位於目標部分之間的空間中(此等標記被稱為切割道對準標記)。類似地，在多於一個晶粒設置於圖案化器件MA上之情形中，圖案化器件對準標記可位於該等晶粒之間。
所描繪裝置可用於以下模式中之至少一者中：
1.在步進模式下，在將賦予至輻射光束之整個圖案一次性投影至目標部分C上時，使支撐結構MT及基板台WT基本上保持靜止(亦即，單次靜態曝光)。接著，使基板台WT在X及/或Y方向上移位，以使得可曝光不同目標部分C。在步進模式中，曝光場之最大大小限制單次靜態曝光中所成像之目標部分C之大小。
2.在掃描模式中，在將被賦予至輻射光束之圖案投影至目標部分C上時，同步地掃描支撐結構MT及基板台WT(亦即，單次動態曝光)。可藉由投影系統PS之放大率(縮小率)及影像反轉特性來判定基板台WT相對於支
撐結構MT之速度及方向。在掃描模式中，曝光場之最大大小限制單次動態曝光中之目標部分之寬度(在非掃描方向上)，而掃描運動之長度判定目標部分之長度(在掃描方向上)。
3.在另一模式中，在將賦予至輻射光束之圖案投影至目標部分C上時，使支撐結構MT保持基本上靜止，從而固持可程式化圖案化器件，且移動或掃描基板台WT。在此模式中，通常使用脈衝式輻射源，且在基板台WT之每一移動之後或在一掃描期間的順次輻射脈衝之間根據需要而更新可程式化圖案化器件。此操作模式可易於應用於利用可程式化圖案化器件(諸如，上文所提及之類型之可程式化鏡面陣列)之無遮罩微影。
亦可使用對上文所描述之使用模式之組合及/或變化或完全不同的使用模式。
儘管在本文中可特定地參考微影裝置在IC製造中之使用，但應理解，本文中所描述之微影裝置可具有其他應用，諸如製造整合式光學系統、用於磁疇記憶體之導引及偵測圖案、液晶顯示器(LCD)、薄膜磁頭等。熟習此項技術者應瞭解，在此等替代應用之內容背景中，可認為本文中對術語「晶圓」或「晶粒」之任何使用分別與更一般術語「基板」或「目標部分」同義。可在曝光之前或之後在(例如)塗佈顯影系統(通常將抗蝕劑層施加至基板且顯影經曝光抗蝕劑之工具)或度量衡或檢測工具中處理本文中所提及之基板。在適用情況下，可將本文中之揭示內容應用於此等及其他基板處理工具。此外，可將基板處理一次以上，例如，以便產生多層IC，使得本文中所使用之術語「基板」亦可指已經含有多個經處理層之基板。
本文中所使用之術語「輻射」及「光束」涵蓋所有類型之
電磁輻射，包括紫外線(UV)輻射(例如具有365nm、248nm、193nm、157nm或126nm之波長)及極紫外線(EUV)輻射(例如具有在5nm至20nm之範圍內的波長)以及粒子束，諸如離子束或電子束。
圖案化器件上或由圖案化器件提供之各種圖案可具有不同製程窗。亦即，將在規範內產生圖案所根據之處理變數的空間。關於潛在系統性缺陷之圖案規格之實例包括檢查頸縮、線拉回、線薄化、CD、邊緣置放、重疊、抗蝕劑頂部損耗、抗蝕劑底切及/或橋接。可藉由合併圖案化器件或其區域上之每一個別圖案之製程窗(例如，使該等製程窗重疊)來獲得所有該等圖案之製程窗。所有圖案之製程窗的邊界含有個別圖案中之一些的製程窗之邊界。換言之，此等個別圖案限制所有圖案之製程窗。此等圖案可被稱作「熱點」或「製程窗限制圖案(PWLP)」，「熱點」與「製程窗限制圖案(PWLP)」可在本文中可互換地使用。當控制圖案化製程之一部分時，集中於熱點係可能且經濟的。當熱點並未有缺陷時，最有可能的是，所有圖案未有缺陷。
如圖2中所展示，微影裝置LA可形成微影製造單元LC(有時亦被稱作微影單元或叢集)之部分，微影製造單元LC亦包括用以對基板執行曝光前製程及曝光後製程之裝置。習知地，此等裝置包括用以沈積一或多個抗蝕劑層之一或多個旋塗器SC、用以顯影經曝光抗蝕劑之一或多個顯影器DE、一或多個冷卻板CH及/或一或多個烘烤板BK。基板處置器或機器人RO自輸入/輸出埠I/O1、I/O2拾取一或多個基板，將其在不同製程裝置之間移動且將其遞送至微影裝置之裝載匣LB。常常被集體地為塗佈顯影系統(track)之此等裝置由塗佈顯影系統控制單元TCU控制，塗佈顯影系統控制單元TCU自身受監督控制系統SCS控制，監督控制系統SCS亦
經由微影控制單元LACU控制微影裝置。因此，不同裝置可經操作以最大化產出率及處理效率。
為了正確且一致地地曝光由微影裝置曝光之基板及/或為了監視圖案化製程(例如，器件製造製程)之包括至少一個圖案轉印步驟(例如，光學微影步驟)的一部分，需要檢測基板或其他物件以量測或判定一或多個性質，諸如對準、疊對(其可例如介於上覆於層中之結構之間或已由例如雙重圖案化製程單獨地提供至層之同一層中之結構之間)、線厚度、臨界尺寸(CD)、焦點偏移、材料性質等等。因此，微影單元LC所處之製造設施通常亦包括度量衡系統MET，該度量衡系統量測已在該微影單元中進行處理的基板W中之一些或所有或該微影單元中之其他物件。度量衡系統MET可為微影單元LC之部分，例如，其可為微影裝置LA之部分(諸如對準感測器AS)。
舉例而言，一或多個所量測參數可包括：形成於經圖案化基板中或上之連續層之間的疊對、例如形成於經圖案化基板中或上之特徵之臨界尺寸(CD)(例如，臨界線寬)、光學微影步驟之焦點或聚焦誤差、光學微影步驟之劑量或劑量誤差、光學微影步驟之光學像差等。可對產品基板自身之目標執行此量測及/或對提供於基板上之專用度量衡目標執行此量測。可在抗蝕劑顯影之後但在蝕刻之前執行量測，或可在蝕刻之後執行量測。
存在用於對在圖案化製程中形成之結構進行量測的各種技術，包括使用掃描電子顯微鏡、以影像為基礎之量測工具及/或各種特殊化工具。如上文所論述，特殊化度量衡工具之快速及非侵入性形式為輻射光束經導向至基板之表面上之目標上且量測經散射(經繞射/經反射)光束之
屬性的度量衡工具。藉由評估由基板散射之輻射之一或多個特性，可判定基板的一或多個特性。此可稱為以繞射為基礎之度量衡。此以繞射為基礎之度量衡之一個此類應用係在目標內的特徵不對稱性之量測中。此特徵不對稱性之量測可用作例如疊對之量度，但其他應用亦為已知的。舉例而言，可藉由比較繞射光譜之相對部分(例如，比較週期性光柵之繞射光譜中之-1階與+1階)而量測不對稱性。此量測可如以上所描述來完成，且如例如全文以引用方式併入本文中之美國專利申請公開案US 2006-066855中所描述來完成。以繞射為基礎之度量衡之另一應用係在目標內之特徵寬度(CD)的量測中。此類技術可使用下文所描述之裝置及方法。
因此，在器件製造製程(例如，圖案化製程或微影製程)中，基板或其他物件可在製程期間或在製程之後經受各種類型之量測。量測可判定一特定基板是否有缺陷、可建立對製程及用於製程中之裝置之調整(例如，將基板上之兩個層對準或將圖案化器件對準至基板)、可量測製程及裝置之效能，或可用於其他目的。量測之實例包括光學成像(例如，光學顯微鏡)、非成像光學量測(例如，基於繞射之量測，諸如ASML YieldStar度量衡工具、ASML SMASH度量衡系統)、機械量測(例如，使用觸控筆之剖面探測、原子力顯微法(AFM))，及/或非光學成像(例如掃描電子顯微法(SEM))。如全文以引用方式併入本文中之美國專利第6,961,116號中所描述之智慧型對準感測器混合式(SMASH)系統採用自參考干涉計，該自參考干涉計產生對準標記物之兩個重疊且相對旋轉之影像、偵測在使影像之傅立葉變換進行干涉之光瞳平面中之強度，且自兩個影像之繞射階之間的相位差提取位置資訊，該相位差表現為經干涉階中之強度變化。
可將度量衡結果直接或間接地提供至監督控制系統SCS。若偵測到誤差，則可對後續基板之曝光(尤其在可足夠迅速且快速完成檢測以使得該批次之一或多個其他基板仍待曝光之情況下)及/或對經曝光基板之後續曝光進行調整。另外，已曝光基板可經剝離及重工以改良良率，或被捨棄，藉此避免對已知有缺陷之基板執行進一步處理。在基板之僅一些目標部分有缺陷之情況下，可僅對良好的彼等目標部分執行另外曝光。
在度量衡系統MET內，度量衡裝置用以判定基板之一或多個屬性，且尤其判定不同基板之一或多個屬性如何變化或同一基板之不同層在不同層間如何變化。如上文所提及，度量衡裝置可整合至微影裝置LA或微影單元LC中，或可為單機器件。
為實現度量衡，可在基板上提供一或多個目標。在實施例中，目標經專門設計且可包含週期性結構。在一實施例中，目標為器件圖案之部分，例如為器件圖案之週期性結構。在一實施例中，器件圖案為記憶體器件之週期性結構(例如，雙極電晶體(BPT)、位元線接點(BLC)等結構)。
在一實施例中，基板上之目標可包含一或多個1-D週期性結構(例如，光柵)，其經印刷以使得在顯影之後，週期性結構特徵由固體抗蝕劑線形成。在一實施例中，目標可包含一或多個2-D週期性結構(例如，光柵)，其經印刷成使得在顯影之後，該一或多個週期性結構係由抗蝕劑中之固體抗蝕劑導柱或通孔形成。可替代地將長條、導柱或通孔蝕刻至基板中(例如，蝕刻至基板上之一或多個層中)。
在一實施例中，圖案化製程之所關注參數中之一者為疊對。可使用暗場散射量測來量測疊對，其中阻擋零繞射階(對應於鏡面反
射)，且僅處理高階。可在PCT專利申請公開案第WO 2009/078708號及第WO 2009/106279號中發現暗場度量衡之實例，該等專利申請公開案之全文係特此以引用之方式併入。美國專利申請公開案US2011-0027704、US2011-0043791及US2012-0242970中已描述技術之進一步開發，該等專利申請公開案之全文據此以引用方式併入。使用繞射階之暗場偵測的基於繞射之疊對實現對較小目標之疊對量測。此等目標可小於照明光點且可由基板W上之器件產品結構圍繞。在一實施例中，可在一次輻射捕捉中量測多個目標。
圖3描繪實例檢測裝置(例如，散射計)。該光譜散射計包含將輻射投影至基板W上之寬頻帶(白光)輻射投影儀2。重新導向輻射傳遞至光譜儀偵測器4，該光譜儀偵測器量測鏡面反射輻射之光譜10(依據波長而變化的強度)，如(例如)在左下方的曲線圖中所展示。根據此資料，可藉由處理器PU例如藉由嚴密耦合波分析及非線性回歸或藉由與如圖3之右下方所展示之模擬光譜庫的比較來重建構導致偵測到之光譜的結構或剖面。一般而言，對於重新建構，結構之一般形式為吾人所知，且根據供製造結構之製程之知識來假定一些變數，從而僅留下結構之少許參數以自經量測資料予以判定。此檢測裝置可經組態為正入射檢測裝置或斜人射檢測裝置。
圖4中展示可使用之另一檢測裝置。在此器件中，由輻射源2發射之輻射係使用透鏡系統12而準直且透射通過干涉濾光器13及偏振器17、由部分反射表面16反射且經由物鏡15而聚焦至基板W上之光點S中，該物鏡具有高數值孔徑(NA)，理想地為至少0.9或至少0.95。浸潤檢查裝置(使用相對高折射率之流體，諸如水)甚至可具有大於1之數值孔徑。
如在微影裝置LA中，可在量測操作期間提供一或多個基板台以固持基板W。該等基板台可在形式上與圖1之基板台WT類似或相同。在檢測裝置與微影裝置整合之實例中，該等基板台可甚至為相同基板台。可將粗略定位器及精細定位器提供至第二定位器PW，第二定位器PW經組態以相對於量測光學系統來準確地定位基板。提供各種感測器及致動器(例如)以獲取所關注目標之位置，且將所關注目標帶入至物鏡15下方之位置中。通常，將跨越基板W對不同部位處之目標進行許多量測。可在X及Y方向上移動基板支撐件以獲取不同目標，且可在Z方向上移動基板支撐件以獲得目標相對於光學系統之焦點之所要部位。舉例而言，當實際上光學系統可保持實質上靜止(通常在X及Y方向上但可能亦在Z方向上)且僅基板移動時，考慮且描述操作如同物鏡被帶入至相對於基板之不同部位為方便的。假設基板及光學系統之相對位置為正確的，則以下情況原則上並不重要：基板及光學系統中之哪一者在真實世界中移動；或基板及光學系統均移動；或光學系統之一部分之組合移動(例如在Z及/或傾斜方向上)，而光學系統之其餘部分靜止且基板移動(例如在X及Y方向上，但亦視情況在Z及/或傾斜方向上)。
由基板W重新導向之輻射接著通過部分反射表面16傳遞至偵測器18中以便使光譜被偵測。偵測器18可位於背向投影式聚焦平面11處(亦即位於透鏡系統15之焦距處)，或平面11可藉由輔助光學件(未展示)而再成像至偵測器18上。該偵測器可為二維偵測器，以使得可量測基板目標30之二維角度散射光譜。偵測器18可為(例如)CCD或CMOS感測器陣列，且可使用為(例如)每個圖框40毫秒之積分時間。
參考光束可用以(例如)量測入射輻射之強度。為進行此量
測，在輻射光束入射於部分反射表面16上時，使輻射光束之部分通過部分反射表面16作為參考光束而朝向參考鏡面14透射。隨後將參考光束投影至相同偵測器18之不同部分上或替代地投影至不同偵測器(圖中未示)上。
一或多個干涉濾波器13可用於選擇在為(比如)405nm至790nm或甚至更低(諸如，200nm至300nm)之範圍內的所關注波長。該干涉濾光器可為可調諧的，而非包含不同濾光器集合。可使用光柵來代替干涉濾光器。孔徑光闌或空間光調變器(圖中未示)可提供於照明路徑中以控制輻射在目標上之入射角之範圍。
偵測器18可量測在單一波長(或窄波長範圍)下之重新導向輻射之強度、分離地在多個波長下之重新導向輻射之強度，或遍及一波長範圍而整合之重新導向輻射之強度。此外，偵測器可分別量測橫向磁偏振輻射及橫向電偏振輻射之強度，及/或橫向磁偏振輻射與橫向電偏振輻射之間的相位差。
基板W上之目標30可為1-D光柵，其經印刷成使得在顯影之後，長條係由固體抗蝕劑線形成。目標30可為2-D光柵，其經印刷以使得在顯影之後，光柵係由抗蝕劑中之固態抗蝕劑導柱或通孔形成。可將長條、導柱或通孔蝕刻至基板中或基板上(例如，蝕刻至基板上之一或多個層中)。圖案(例如，長條、導柱或通孔之圖案)對圖案化製程中之改變(例如，微影投影裝置(特定而言，投影系統PS)中之光學像差、焦點改變、劑量改變等)敏感，且將表明經印刷光柵之變化。因此，印刷光柵之經量測資料被用於重建構光柵。可自印刷步驟及/或其他檢測製程之知識，將1-D光柵之一或多個參數(諸如，線寬及/或形狀)，或2-D光柵之一或多個參數(諸如，導柱或通孔寬度或長度或形狀)輸入至由處理器PU執行之重建構製
程。
除了藉由重新建構進行參數之量測以外，角度解析散射量測亦用於產品及/或抗蝕劑圖案中之特徵之不對稱性之量測。不對稱性量測之特定應用係針對疊對之量測，其中目標30包含疊置於另一組週期性特徵上的一組週期性特徵。使用圖3或圖4之儀器的不對稱性量測之概念描述(例如)於美國專利申請公開案US2006-066855中，該公開案之全文併入本文中。簡單地陳述，雖然目標之繞射光譜中之繞射階的位置僅藉由目標之週期性予以判定，但繞射光譜中之不對稱性指示構成目標之個別特徵中的不對稱性。在圖4之儀器中(其中偵測器18可係影像感測器)，繞射階中之此不對稱性直接呈現為由偵測器18記錄之光瞳影像中之不對稱性。此不對稱性可藉由單元PU中之數位影像處理來量測，且可對照已知疊對值來校準。
圖5說明典型目標30之平面視圖，及圖4之裝置中之照明光點S之範圍。為了獲得擺脫來自環繞結構之干涉的繞射光譜，在一實施例中，目標30為大於照明光點S之寬度(例如，直徑)之週期性結構(例如，光柵)。光點S之寬度可小於目標之寬度及長度。換言之，目標係由照明「填充不足」，且繞射信號基本上不含來自目標自身外部之產品特徵及其類似者的任何信號。照明配置2、12、13、17可經組態以提供跨越物鏡15之背焦平面之均一強度的照明。替代地，藉由(例如)在照明路徑中包括孔徑，照明可限於同軸或離軸方向。
圖6示意性地描繪基於使用度量衡所獲得之量測值資料而進行目標圖案30'之一或多個所關注變數之值之判定的實例製程。由偵測器18偵測到之輻射提供用於目標30'之經量測輻射分佈108。
對於給定目標30'，可使用例如數值馬克士威求解程序210自經參數化模型206計算/模擬輻射分佈208。經參數化模型206展示構成目標及與該目標相關聯的各種材料之實例層。經參數化模型206可包括用於在考慮中的目標之部分之特徵及層之變數中的一或多者，其可變化且被導出。如圖6中所展示，變數中之一或多者可包括一或多個層之厚度t、一或多個特徵之寬度w(例如CD)、一或多個特徵之高度h，及/或一或多個特徵之側壁角α。儘管未示出，但變數中的一或多者可進一步包括但不限於：層中之一或多者之折射率(例如，真折射率或複折射率、折射率張量等)、一或多個層之消光係數、一或多個層之吸收率、顯影期間之抗蝕劑損耗、一或多個特徵之基腳，及/或一或多個特徵之線邊緣粗糙度。變數之初始值可為針對所量測之目標所預期的值。接著在212處比較經量測輻射分佈108與所計算之輻射分佈208以判定該兩者之間的差。若存在差，則可變化參數化模型206之變數中之一或多者之值，演算新的所計算輻射分佈208且將其與經量測輻射分佈108進行比較直至在經量測輻射分佈108與所計算輻射分佈208之間存在足夠匹配為止。彼時，參數化模型206之變數之值提供實際目標30'之幾何形狀的良好或最佳匹配。在一實施例中，當經量測輻射分佈108與所計算輻射分佈208之間的差在容許臨限值內時存在足夠匹配。
圖案化製程之變數被稱為「處理變數」。圖案化製程可包括微影裝置中之圖案之實際轉印上游及下游的製程。圖7展示處理變數370之實例類別。第一類別可為微影裝置或用於微影製程中之任何其他裝置的變數310。此類別之實例包括微影裝置之照明件、投影系統、基板載物台等之變數。第二類別可為在圖案化製程中執行之一或多個工序之變數
320。此類別之實例包括焦點控制或焦點量測、劑量控制或劑量量測、頻寬、曝光持續時間、顯影溫度、用於顯影中之化學成份等等。第三類別可為設計佈局及其在圖案化器件中或使用圖案化器件進行之實施之變數330。此類別之實例可包括輔助特徵之形狀及/或部位、藉由解析度增強技術(RET)而應用之調整、遮罩特徵之CD等。第四類別可為基板之變數340。實例包括抗蝕劑層下方之結構之特性、抗蝕劑層之化學成份及/或實體尺寸等。第五類別可為圖案化製程之一或多個變數之時間變化的特性350。此類別之實例包括高頻載物台移動(例如，頻率、振幅等)、高頻雷射頻寬改變(例如，頻率、振幅等)及/或高頻雷射波長改變之特性。此等高頻改變或移動為高於用以調整基礎參數(例如，載物台位置、雷射強度)之機構之回應時間的高頻改變或移動。第六類別可為微影裝置中之圖案轉印上游或下游的製程之特性360，該等製程諸如旋塗、曝光後烘烤(PEB)、顯影、蝕刻、沈積、摻雜及/或封裝。
如應瞭解，此等變數中之許多變數(若非全部)將對圖案化製程之參數有影響且常常對所關注參數有影響。圖案化製程之參數之非限制性實例可包括臨界尺寸(CD)、臨界尺寸均一性(CDU)、焦點、疊對、邊緣位置或置放、側壁角、圖案移位等。常常，此等參數表達自標稱值(例如設計值、平均值等)之誤差。該等參數值可為個別圖案之特性之值或圖案群組之特性之統計量(例如，平均值、方差等)。
可藉由合適方法判定處理變數中之一些或全部或與其相關之參數的值。舉例而言，可自運用各種度量衡工具(例如基板度量衡工具)獲得之資料判定值。可自圖案化製程中之裝置之各種感測器或系統(例如，微影裝置之諸如位階感測器或對準感測器的感測器、微影裝置之控制
系統(例如，基板或圖案化器件台控制系統)、塗佈顯影系統工具中之感測器等)獲得該等值。該等值可來自圖案化製程之操作者。
圖8中說明用於模型化及/或模擬圖案化製程之部分的例示性流程圖。如將瞭解，模型可表示不同圖案化製程且不必包含下文所描述之所有模型。源模型1200表示圖案化器件之照明之光學特性(包括輻射強度分佈、頻寬及/或相位分佈)。源模型1200可表示照明之光學特性，其包括但不限於：數值孔徑設定、照明均方偏差(σ)設定以及任何特定照明形狀(例如離軸輻射形狀，諸如環形、四極、偶極等)，其中均方偏差(或σ)為照明器之外部徑向範圍。
投影光學件模型1210表示投影光學件之光學特性(包括由投影光學件引起的輻射強度分佈及/或相位分佈之改變)。投影光學件模型1210可表示投影光學件之光學特性，其包括像差、失真、一或多個折射率、一或多個實體大小、一或多個實體尺寸等。
圖案化器件/設計佈局模型模組1220捕捉設計特徵如何佈置於圖案化器件之圖案中，且可包括圖案化器件之詳細實體屬性之表示，如例如在以全文引用之方式併入之美國專利第7,587,704號中所描述。在一實施例中，圖案化器件/設計佈局模型模組1220表示設計佈局(例如對應於積體電路、記憶體、電子器件等之特徵之器件設計佈局)之光學特性(包括由給定設計佈局造成的輻射強度分佈及/或相位分佈之改變)，其為圖案化器件上或由圖案化器件形成之特徵配置之表示。由於可改變用於微影投影裝置中之圖案化器件，所以需要使圖案化器件之光學屬性與至少包括照明及投影光學件的微影投影裝置之其餘部分之光學屬性分離。模擬之目標常常為準確地預測例如邊緣置放及CD，可接著比較該等邊緣置放及CD與器
件設計。器件設計通常被定義為預OPC圖案化器件佈局，且將以諸如GDSII或OASIS之標準化數位檔案格式被提供。
可自源模型1200、投影光學件模型1210及圖案化器件/設計佈局模型1220模擬空中影像1230。空中影像(AI)為在基板位階處之輻射強度分佈。微影投影裝置之光學屬性(例如，照明、圖案化器件及投影光學件之屬性)規定空中影像。
基板上之抗蝕劑層係由空中影像曝光，且該空中影像經轉印至抗蝕劑層而作為其中之潛伏「抗蝕劑影像」(RI)。可將抗蝕劑影像(RI)定義為抗蝕劑層中之抗蝕劑的溶解度之空間分佈。可使用抗蝕劑模型1240自空中影像1230模擬抗蝕劑影像1250。可使用抗蝕劑模型以自空中影像演算抗蝕劑影像，可在全部揭示內容特此以引用方式併入之美國專利申請公開案第US 2009-0157360號中找到此情形之實例。抗蝕劑模型通常描述在抗蝕劑曝光、曝光後烘烤(PEB)及顯影期間發生的化學製程之效應，以便預測例如形成於基板上之抗蝕劑特徵之輪廓，且因此其通常僅與抗蝕劑層之此等屬性(例如在曝光、曝光後烘烤及顯影期間發生的化學製程之效應)相關。在一實施例中，可捕捉抗蝕劑層之光學屬性，例如折射率、膜厚度、傳播及偏振效應，作為投影光學件模型1210之部分。
因此，一般而言，光學模型與抗蝕劑模型之間的連接係抗蝕劑層內之模擬空中影像強度，其起因於輻射至基板上之投影、抗蝕劑界面處之折射及抗蝕劑膜堆疊中之多個反射。輻射強度分佈(空中影像強度)係藉由入射能量之吸收而變為潛伏「抗蝕劑影像」，該潛伏抗蝕劑影像係藉由擴散製程及各種負載效應予以進一步修改。足夠快以用於全晶片應用之有效模擬方法藉由2維空中(及抗蝕劑)影像而近似抗蝕劑堆疊中之實際3
維強度分佈。
在實施例中，可將抗蝕劑影像用作至圖案轉印後製程模型模組1260之輸入。圖案轉印後製程模型1260界定一或多個抗蝕劑顯影後製程(例如蝕刻、顯影等)之效能。
圖案化製程之模擬可例如預測光阻及/或經蝕刻影像中之輪廓、CD、邊緣置放(例如，邊緣置放誤差)等。因此，模擬之目標為準確地預測例如印刷圖案之邊緣置放，及/或空中影像強度斜率，及/或CD等。可將此等值與預期設計比較以例如校正圖案化製程，識別預測出現缺陷之地點等。預期設計通常被定義為可以諸如GDSII或OASIS或其他檔案格式之標準化數位檔案格式而提供之預OPC設計佈局。
因此，模型公式化描述總製程之大多數(若非全部)已知物理學及化學方法，且模型參數中之每一者理想地對應於一相異物理或化學效應。模型公式因此設定關於模型可用以模擬整體製造製程之良好程度之上限。
圖9中說明用於模型化及/或模擬度量衡製程的例示性流程圖。如將瞭解，以下模型可表示不同度量衡製程且無需包含下文所描述之所有模型(例如，可將一些模型組合)。源模型1300表示度量衡目標之照明之光學特性(包括輻射強度分佈、輻射波長、偏振等)。源模型1300可表示照明之光學特性，包括但不限於波長、偏光、照明均方偏差(σ)設定(其中均方偏差(或σ)係照明器中之照明的徑向範圍)、任何特定照明形狀(例如，離軸輻射形狀，諸如環形、四極、偶極等)等等。
度量衡光學件模型1310表示度量衡光學件之光學特性(包括由度量衡光學件引起之輻射強度分佈及/或相位分佈之改變)。度量衡光學
件模型1310可表示由度量衡光學件對度量衡目標之照明之光學特性，及自度量衡目標重新導向之輻射朝向度量衡裝置偵測器之轉印的光學特性。度量衡光學件模型可表示涉及目標之照明及自度量衡目標重新導向之輻射朝向偵測器之轉印的各種特性，包括像差、失真、一或多個折射率、一或多個實體大小、一或多個實體尺寸等。
度量衡目標模型1320可表示由度量衡目標重新導向之照明的光學特性(包括由度量衡目標造成的照明輻射強度分佈及/或相位分佈之改變)。因此，度量衡目標模型1320可模型化藉由度量衡目標進行之照明輻射至重新導向輻射之轉換。因此，度量衡目標模型可模擬自度量衡目標重新導向之輻射之所得照明分佈。度量衡目標模型可表示涉及目標之照明及自度量衡重新導向之輻射之產生的各種特性，包括一或多個折射率、度量衡之一或多個實體大小、度量衡目標之實體佈局等。由於可改變所使用之度量衡目標，因此需要使度量衡目標之光學屬性與至少包括照明及投影光學件及偵測器的度量衡裝置之其餘部分之光學屬性分離。模擬之目標常常為準確地預測例如強度、相位等，其可接著用以導出圖案化製程之所關注參數，諸如疊對、CD、焦點等。
可自源模型1300、度量衡光學件模型1310及度量衡目標模型1320模擬光瞳或空中影像1330。光瞳或空中影像係偵測器層級處之輻射強度分佈。度量衡光學件及度量衡目標之光學屬性(例如，照明件、度量衡目標及度量衡光學件之屬性)規定光瞳或空中影像。
度量衡裝置之偵測器曝光於光瞳或空中影像且偵測該光瞳或空中影像之一或多個光學性質(例如，強度、相位等)。偵測模型模組1340表示如何藉由度量衡裝置之偵測器來偵測來自度量衡光學件之輻
射。偵測模型可描述偵測器如何偵測光瞳或空中影像，且可包括信號對雜訊、對偵測器上之入射輻射之敏感度等。因此，一般而言，度量衡光學件模型與偵測器模型之間的連接係模擬光瞳或空中影像，其起因於由光學件對度量衡目標之照明、由目標對輻射之重新導向及經重新導向輻射至偵測器之轉移。輻射分佈(光瞳或空中影像)藉由吸收偵測器上之入射能量而變為偵測信號。
度量衡製程之模擬可例如基於由偵測器對光瞳或空中影像之偵測而預測偵測器處之空間強度信號、空間相位信號等，或預測來自偵測系統之其他演算值，諸如疊對、CD等值。因此，模擬之目標係準確地預測例如對應於度量衡目標的偵測器信號或此疊對、CD之導出值。可將此等值與預期設計值比較以例如校正圖案化製程，識別預測出現缺陷之地點等。
因此，模型公式化描述整個度量衡製程之大多數(若並非全部)已知物理及化學效應，且模型參數中之每一者理想地對應於度量衡製程中之一相異的物理及/或化學效應。
圖案化器件上或由圖案化器件提供之各種圖案可具有不同製程窗。亦即，將在規格內產生圖案所根據之處理變數的空間。關於潛在系統性缺陷之圖案規格之實例包括檢查頸縮、線拉回、線薄化、CD、邊緣置放、重疊、抗蝕劑頂部損耗、抗蝕劑底切及/或橋接。通常，在兩個處理變數(亦即，劑量及焦點)上界定製程窗，使得在圖案化之後獲得的CD可在圖案之特徵的所要CD之±10%內。可藉由合併圖案化器件或其區域上之每一個別圖案之製程窗(例如，使該等製程窗重疊)來獲得所有該等圖案之製程窗。
通常，圖案可包括以某種方式配置以形成圖案之一或多個特徵的若干例項(例如，特徵A之106個例項、特徵B之104個例項等)。在圖案化製程期間，一或多個特徵可在某些(例如，劑量/焦點)設定下發生失效，從而導致基板中之缺陷，藉此影響圖案化製程之良率。因此，需要選擇(或選擇)劑量/焦點值或處理窗之適當範圍以達成所要良率或選定良率。舉例而言，例如設計者或製造商可選擇高良率(例如，99.9%)或可選擇良率範圍(例如，98%至99.99%)。
下文描述一種用以基於用於一或多個特徵之所要良率及/或缺陷準則而獲得製程窗的方法。舉例而言，製程窗可為對個別特徵之失效及/或圖案化製程之所要良率敏感的劑量及/或焦點值(亦被稱作劑量/焦點設定)之集合。
圖10係基於圖案化製程之所要晶粒良率及/或失效率而判定製程窗的製程600之流程圖。製程600開始於獲得圖案化製程之參數602(例如，CD、疊對等)及製程變數604(例如，劑量、焦點等)之量測結果時。舉例而言，製程變數之量測結果可包括大約20個劑量設定(亦即，一系列劑量值)，且特徵(其在圖案中出現例如106次)之參數之量測結果可包括每個劑量設定的特徵之大約1000個例項的CD值。因此，可量測到大約1000×20個CD值。本發明不限於量測結果之總數。可選擇例項之數目以達到方差之所要準確度。舉例而言，對於大量例項及常態分佈，標準偏差之標準偏差大約為1/√(2×例項之數目)，使得1000個例項之標準偏差在99.7%信賴區間之情況下導致大約2%之所估計標準偏差的誤差(亦即，3σ)。
基於參數(例如，CD)及製程變數(劑量)之量測結果，在製
程P10中，可判定及/或獲得參數(例如，CD)與製程變數(例如，劑量)之間的函數關係610。舉例而言，函數關係610可係基於諸如線性回歸分析之統計分析的數學模型。在一實施例中，函數關係可係線性或非線性的，諸如多項式、三角等。下文為CD與劑量之間的實例函數關係。
在實例函數關係(1)中，(i)f CD (d)係指定義為劑量(d)之函數的參數CD，(ii)n係指劑量多項式(d)，且(iii)a n 係指CD對第n劑量多項式d n 之敏感度。在一實施例中，函數關係(1)可基於例如最小化所量測值與擬合值之間的均方誤差之曲線擬合演算法。在一實施例中，函數關係可係製程變數之線性、多項式或其他非線性函數。在一實施例中，量測結果602亦可用以例如藉由不同函數關係來判定參數值之方差，意圖抑制參數值之方差中之雜訊。
在另一實例中，圖11A說明定義所量測CD與劑量值之間的關係的柏桑(Bossung)曲線702(其係函數關係610之實例)。可針對例如40mJ/cm2至60mJ/cm2之間的20個劑量設定的各種劑量設定而獲得柏桑曲線702。對於每一劑量設定，可獲得1000個CD值，其可大致在12nm至24nm之間。在一實施例中，可使用圖案化製程之模型化及/或模擬來獲得柏桑曲線。
返回參看圖10，在製程P20中，可計算針對製程變數之每個設定的機率密度函數(PDF)620。在下文中，出於理解概念及論述簡單性的目的，針對製程變數之每個設定的機率密度函數(PDF)620被稱作製程變數PDF 620。將製程變數PDF 620定義為製程變數及製程變數之變化的函數。製程變數PDF 620使得能夠捕捉劑量設定之任何變化的影響，其可
最終影響參數。製程變數在每個設定之變化可例如在圖案化製程期間之特定時刻出現或可為製程變數(例如，劑量)所固有的。此等變化可影響圖案化製程之參數，從而在一些狀況下導致例如特徵之失效。在一實施例中，製程變數PDF 620可為常態分佈、泊松(Poisson)分佈或其他標準分佈。
在一實施例中，製程變數PDF 620可係基於參數與製程變數之間的函數關係(例如，f CD (d))而計算的分佈。可藉由用所計算方差來修改/替代例如標準分佈(例如，常態分佈)之方差來進行該計算。所計算方差可用參數之方差(例如，σ CD 2(d))及函數關係(例如，f CD (d))進行計算。舉例而言，在參數CD及劑量d之狀況下，可使用以下方差方程式(2)來定義劑量方差：
在以上方差方程式(2)中，(i)σ d 係劑量之標準偏差(亦可互換地用以指方差)；(ii)σ CD 為CD之標準偏差(亦可互換地用以指方差)；及(iii)偏導數項
提供在特定劑量設定下CD之方差至在此劑量設定下劑量之方差的轉換。
舉例而言，參看圖11B，可獲得在第一劑量設定45mJ/cm2下之第一劑量PDF 721、在第二劑量設定50mJ/cm2下之第二劑量PDF 722及在劑量設定55mJ/cm2下之第三劑量PDF 723等。基於每個劑量設定之CD之變化，可觀測到劑量變化。舉例而言，在較低劑量下(例如，在45mJ/cm2下)，方差(例如，3σd)為大約3.2mJ/cm2，而在較高劑量下(例如，55)，方差(例如，3σd)為大約2.5mJ/cm2。因此，可基於特定劑量設定下之CD值而獲得劑量變化之反向判定。
用以計算製程變數(例如，劑量)之PDF的此所計算方差(例
如，在方程式(2)中)可使得能夠考量引起參數之偏差的圖案化製程中之隨機變化(亦即，無法由例如裝置之物理效應解釋的變化)。製程變數PDF可使得能夠判定圖案化製程之改良劑量設定且可最終縮減缺陷並改良圖案化製程之良率。
返回參看圖10，在製程P30中，可基於針對製程變數之每個設定的製程變數PDF 620(例如，來自製程P20)及函數關係(例如，來自製程P10)而判定及/或獲得針對製程變數之每個設定的圖案化製程之參數的機率密度函數(PDF)630。在下文中，出於理解概念及論述簡單性的目的，針對製程變數之每個設定的機率密度函數(PDF)630被稱作參數PDF 630。
根據一實施例，參數PDF 630在自製程變數PDF 620計算時可係非標準分佈。使用此非標準分佈亦可考量引起參數之偏差的圖案化製程中之任何隨機變化，因此提供參數(例如，CD)值在圖案化製程之每個製程變數設定(例如，劑量)將位於所要範圍內的機率之改良估計，其可進一步用以識別缺陷機率及處理窗以縮減缺陷且有效地改良良率。
在一實施例中，可基於以下方程式(3)使用劑量PDF及轉換函數(或轉換因數)計算參數PDF 630，例如CD PDF，該轉換函數將劑量PDF轉換成CD PDF：
在以上方程式(3)中，(i)PDF CD (CD,d)係指CD PDF(其係參數PDF 630之實例)且係劑量(d)之函數，(ii)g d (CD)係劑量與CD之間的函數關係610(例如，在方程式(1)中)之反函數，(iii)PDF d (g d (CD),σ d (g d (CD)))係製程變數PDF 620，其中σ d (g d (CD))係基於g d (CD)之所計算方差，例如使用類似於
方程式(2)之方程式計算，其中轉換函數(或轉換因數)可係g d (CD)之偏導數，及(iv)偏導數項之絕對值(亦即，|
g d (CD)|)係在特定劑量設定下將製程變數PDF轉換成參數PDF的轉換函數(或轉換因數)。
因此，將劑量PDF轉換成CD PDF，該CD PDF可進一步用以計算CD在每個劑量設定將位於所要範圍內的機率、圖案化製程之失效機率或其他在統計上所關注之值。根據本發明，進一步關於製程P60來論述失效機率(或失效率)之計算。
在一實施例中，當原始函數關係610可為非單調的(亦即，一個或多個製程值可產生相同參數)時，方程式3之右方部分將由在多個製程值(例如，劑量)上之總和替換。
圖11C說明使用例如以上方程式(3)在不同劑量設定下獲得的CD PDF 630之實例。舉例而言，可獲得在第一劑量設定45mJ/cm2下之第一CD PDF 731、在第二劑量設定50mJ/cm2下之第二CD PDF 732及在劑量設定55mJ/cm2下之第三CD PDF 733等。圖11C亦說明在每一劑量設定下之標準正常CD PDF，以說明所計算CD PDF與通常假定正常操作條件之標準或常態分佈的偏差，而實際操作條件可不同於正常條件；因此，此CD PDF(例如，731、732、733)相較於假定的正常操作提供更真實的估計(例如，失效機率之估計)。
返回參看圖10，在製程P40中，可針對製程變數(例如，劑量)之每個設定獲得/量測參考參數(例如，CD)之特徵之失效率。在本發明中，可互換地使用術語特徵之失效率與失效機率。在一實施例中，個別特徵之失效率可表達為例如圖案之特徵的百萬分之一(ppm)或十億分之一(ppb)。換言之，1ppm可意謂特徵之1百萬次出現中的1個特徵預期失效。
在一實施例中，失效率可對應於與個別特徵相關聯之不同失效模式，諸如實體失效、轉印失效及推遲失效。可基於例如對基板之SEM影像之失效分析或藉由電量測而判定特徵之失效。
在一實施例中，實體失效可指可基於特徵之實體態樣而量化之失效，例如，抗蝕劑在某一CD下機械上失效及/或具有某一CD之特徵不轉印至基板。舉例而言，導柱之縱橫比(亦即，豎直厚度與水平寬度比)、抗蝕劑之厚度、接觸孔之大小等或其他可量測參數。基於該等量測，實體失效可指示特徵之CD具有大於臨限之縱橫比(例如，>3)，其使得特徵失效。舉例而言，在圖11D中，由於縱橫比大於3，因此在圖案轉印製程或抗蝕劑顯影之後，導柱771相對於基板以一角度彎曲。因此，儘管導柱轉印至基板，但存在實體變形。
在某些情況下，所要圖案可僅部分地轉印或根本不轉印至基板。此失效可被稱作轉印失效。舉例而言，在20個接觸孔中，可能僅僅傳送15個，且5個孔可能丟失，最初兩者皆存在於抗蝕劑中。此等遺失孔可被稱為轉印失效。在一實施例中，轉印失效可能係由於參數超出圖案化製程之臨限值極限。舉例而言，在圖11E中，接觸孔可能過小(例如，小於5nm)且抗蝕劑層可相對較厚，此不允許轉印此類小接觸孔。因此，可觀測到圖案之不完全轉印，諸如可觀測到基腳772，基腳可在基板處阻擋接觸孔。在另一實施例中，可觀測到頸縮773，其中可能不移除抗蝕劑之頂部層，而在基板處可形成不完全孔。在任一狀況下，無法形成貫穿抗蝕劑直至基板之孔。此轉印失效可能係由於例如接觸孔過小而無法轉印至下一層或可能存在由於抗蝕劑厚度或抗蝕劑類型之過量蝕刻負載。
特徵之推遲失效可係由於在當前處理步驟中參數(例如，
CD)超出其規定界限而出現在圖案化製程之下一步驟中的失效。舉例而言，在圖案化製程之後，特徵之失效出現在顯影階段中。
可瞭解，本發明不限於一種類型之失效。又，在一些情況下，可互換地使用失效之類型以意謂一般的失效。在一實施例中，轉印失效亦可被稱作實體失效，或推遲失效亦可被稱作實體失效。本發明不限於一種類型之失效，且通常可將與設計意圖之任何偏差超過某一臨限值視為失效。
在一實施例中，可針對在參數與製程變數之間擬合的曲線之末端處出現的失效來量測失效率。舉例而言，如圖11F及圖11G中所展示，可在製程參數R1、R2、R3、R4及R5下量測失效率。失效量測部位可界定為曲線702上超出基於體驗或先前觀測到之失效的例如劑量之某些值的部位。在本實例中，失效率量測界定於曲線之兩端處，亦即，具有高於大約55mJ/cm2之劑量值及低於或大約43mJ/cm2之劑量值。在一實施例中，可基於特定失效之頻率對特徵之一或多個失效進行加權以產生特徵之經加權失效率。舉例而言，若在大約43mJ/cm2之劑量設定下更常出現接觸孔失效，則可將較高權重指派給彼劑量設定下的此類失效。在另一實施例中，可基於一或多個失效與製程變數之間的相關性而獲得/產生製程變數之加權函數。舉例而言，可向低劑量(例如，在本文中之實例中，低於40mJ/cm2)指派較高權重，此係因為相較於其他劑量，可在此類劑量下觀測到較高失效。因此，可基於製程變數之加權函數而計算參數之加權參數極限且隨後計算製程窗。
在一實施例中，可基於製程變數及參數值以選擇性方式執行失效率之量測。另外，一或多個特徵之失效可與參數及/或製程變數相
關(例如，藉由線性回歸或其他統計技術)。舉例而言，一或多個特徵可對較高劑量敏感，且一或多個特徵可對較低劑量敏感。換言之，例如，特徵A在50mJ/cm2劑量下相較於在45mJ/cm2劑量下可具有較高失效機率。在圖案化製程期間，劑量在不同晶粒之間可發生變化，因而同一特徵(例如，特徵A)可在不同劑量下曝光，其最終影響特徵之失效機率且因此影響不同晶粒之失效機率。因而，取決於晶粒中之特徵的劑量及例項數目，失效機率在不同晶粒間可發生變化。換言之，例如，若特定特徵在高劑量下更有可能失效且基板之晶粒包括106個此類特徵，則該晶粒之失效率相對於在相對較低劑量下曝光之晶粒可能係高的(例如，1/104)。
此外或替代地，該失效可與諸如CD之參數相關。舉例而言，接觸孔之CD可能過小(例如，小於臨限值，諸如小於10nm)，其引起基腳(亦即，孔未轉印至基板)；導柱之CD可能過大，其引起導柱彎曲；抗蝕劑層之CD(亦即，厚度)過大，其引起頸縮；或CD過大使得觀測到隨機通孔接點；等等。此相關亦使得能夠依據參數及/或製程變數而判定每一個別特徵之失效率。因此，基於特徵之失效率，可定義用於最佳化量測之取樣方案。
在一實施例中，基於特徵(例如，特徵A)之失效率及跨越晶粒及/或基板之掃描器資料(例如，劑量值)，可藉由模型化及/或模擬失效率與製程變數(例如，劑量)之間的關係來產生/獲得失效率映像。類似地，可基於圖案及/或晶粒之失效率而判定整個基板之失效率的映像。基於此失效率映像，可定義用於基板上之量測的取樣方案。舉例而言，可修改取樣方案以在基板上之具有相對較高失效機率的某些部位處以某些劑量值進行更多量測，因此縮減度量衡負擔且改良圖案化製程之效率。又，基於一
或多個特徵之失效率，可修改例如劑量值之製程變數以最大化良率。
根據一實施例，失效率、製程變數及參數可能係相關的。舉例而言，失效率、劑量值及CD係相關的，因此亦可針對每一劑量值判定CD極限以限制失效且增加圖案化製程之良率。接下來論述一般判定此CD極限或參數極限之製程。
在製程P50中，可基於針對製程變數之每個設定的所量測失效率及諸如630之參數PDF而計算參數極限。參數極限可係共同理論極限，在該極限下，針對製程變數之每個設定的特徵失效小於預定數目或百分比(例如，50%)，關於圖11F及圖11G進一步論述此情形。可基於參數PDF之累積分佈以迭代方式判定參數極限。在以下方程式(4)中提供用以判定CD極限之實例方程式：
在以上方程式(4)中，(i)R fail 係針對製程變數(亦即，劑量)之每個設定的特徵之失效率；(ii)PDF CD (CD,d)係指在製程P30中獲得之諸如PDF 630的參數PDF；且(iii)CDF CD (CD lim ,d)係提供在CD lim 下及超出CD lim 之失效之總機率的PDF CD (CD,d)之累積分佈函數。在一實施例中，PDF CD (CD,d)可係如早先所論述之常態分佈。可在製程變數(例如，劑量)之一或多個設定下藉由對應失效率判定參數極限，其中失效特徵並不影響彼此之失效率(亦即，吾人可將每一失效視為「隔離失效」)，仍存在足夠量之失效特徵以限制所量測或判定之失效率的方差。典型失效率可係大約1%。在一實施例中，參數極限可係共同參數極限，該共同參數極限係基於參數之複數個機率密度函數而判定，參數之每一機率密度函數係在製程變數之特定設定下判定，例如，如圖11G中所說明。
進一步關於圖11F及圖11G針對參數CD來以圖形方式解釋使用方程式(4)判定參數極限。在一實例中，可使用將針對每個設定的高於預定臨限(例如，大於或等於50%)之所量測失效率與的CDF CD (CD lim ,d)所計算總失效率進行比較以判定針對每劑量之特徵的CD lim 。特徵之此CD lim 表明在特定劑量下，特徵之CD值可能不會超出CD lim ，否則可觀測到高失效率。舉例而言，CD lim 可為23.5nm。在50%失效率下設定之參數極限表示在不存在隨機統計之情況下的理論製程極限。藉由在多個製程變數下判定CD lim ，吾人可證實製程變數以預期方式與相關缺陷模式相關。
圖11F展示在曲線702之末端處，特定而言圍繞針對23.5之CD lim 的58mJ/cm2之相對較高劑量值，失效率(陰影區)在使用參數PDF 630計算時可係6.3%(或在假定CD之標稱分佈的情況下為8.1%)。類似地，圖11G展示：對於23.5nm之CD lim ，每個劑量設定下之失效率可在所要極限內。舉例而言，失效率在劑量57下係0.2%；在劑量57.5下係1.4%；在劑量58下係6.3%；在58.5下係19%；及在劑量59下係43%。因此，對於若干劑量，23.5nm之CD lim 符合失效率規格。
在另一實例中，亦可針對在可導致第二CD lim2 之相對較低劑量值(例如，大約44mJ/cm2，參見圖11H)下曝光的特徵而計算失效率。因此，基於兩個不同CD lim1 及CD lim2 的失效率方程式可係在曲線702之下端處的特徵之抗蝕劑厚度與在曲線702之高端處的失效率之總和，如下：
返回參看圖10，在製程P60中，在判定參數極限之後，諸如(4)及(5)之失效率方程式亦可用以針對任何劑量值而估計失效率。換言之，可在失效率方程式(例如，方程式4或5)中代入參數極限，且將失效率
視為未知的。失效率未知的此方程式被稱作所估計失效率。可針對製程變數(例如，劑量)之不同值而估計/判定(或求解)失效率。
所估計失效率可進一步用以判定製程變數(例如，劑量)上之製程窗。舉例而言，製程窗可係劑量值之範圍，在該範圍內，所估計失效率可小於10-9。在一實施例中，可例如使用以下方程式(6)自所要良率(例如，對於106個特徵，99.9%)判定所要失效率：R fail (d)=(1-Y(d))...(6)
在一實施例中，可藉由標繪所估計失效率方程式以圖形方式判定製程窗，如圖11H中所展示。舉例而言，可相對於製程變數(例如，劑量)來標繪所估計失效率曲線。接著，可在所要失效率(例如，10-9)處繪製水平線，其可與所估計失效率相交；相交點提供劑量值之範圍，亦即，製程窗PW。
在一實施例中，可如下使用所估計失效率(例如，在方程式4或5中)計算良率：Y(d)=(1-R fail (d)) N ...(7)
在以上方程式(7)中，Y(d)係針對N個個別特徵在特定劑量(d)下之良率，且R fail (d)係所估計失效率(例如，在方程式4或5中)。基於此所計算良率，可選擇製程窗，在該製程窗中，所計算良率大於或等於所要良率(例如，99.9%)。
在一實施例中，亦可以圖形方式判定基於良率之製程窗，參見圖11H。舉例而言，可相對於製程變數(例如，劑量)來標繪所計算良率曲線(或所估計失效率)。接著，可在所要良率(例如，99.9%)處繪製線，其可與良率曲線(或所估計失效率)相交，接著，相交點提供劑量值之
範圍，亦即，製程窗PW。因此，製程窗不僅界定可自圖案化製程獲得之特徵的參數之極限，而且確保在此等極限內，特徵具有所要良率或失效率。
此外，可擴展以上方法以針對每一個別特徵計算製程窗，且可判定不同特徵之重疊製程窗以識別用於圖案化製程之有效製程窗。此外，可在多個製程變數上界定製程窗，例如，可在諸如焦點(或疊對、像差、塗佈顯影系統溫度等)之不同的替代製程設定下執行以上方法。此處，函數形式610、620、630(例如，fCD(d))、PDFd(d)、PDFCD(d))以及參數極限CDlim可具有此等額外參數作為額外尺寸(例如，CDlim亦包括焦點CDlim(focus))。接著，可判定二維劑量-焦點製程窗。圖12A及圖12B中說明用於不同特徵之此2維劑量-焦點窗，且圖12C中進一步說明重疊處理窗。
圖12A說明用於第一特徵(例如，具有大約8nm之直徑的等接觸孔特徵)之製程窗。製程窗1901可用於第一特徵，且製程窗1903可用於N個特徵。另外，可藉由判定在製程窗1903之界限內的橢圓製程窗1905使得相較於在製程窗1903之邊界處的準確度，橢圓製程窗1905尤其在橢圓邊界處具有例如CD之相對較高準確度(或較低變化)來進一步優化製程窗1903。可瞭解，本發明不限於橢圓擬合，且可取決於其他製程變數或極限而應用諸如矩形擬合之其他適當擬合(例如，對於製程參數之間的強相關性，吾人可使用矩形擬合，而對於非相關製程參數，可使用橢圓擬合)。
類似地，在圖12B中，可判定用於第二特徵(例如，具有大約13nm之直徑的密集接觸孔)之製程窗。製程窗1911可用於單個此類特
徵，製程窗1913可用於N個(104個)此類特徵，且橢圓形窗1915擬合於製程窗1913內以用於改良圖案化製程之準確性。
接著，如圖12C中所展示，可自第一特徵之製程窗1903及第二窗之製程窗1913判定重疊製程窗1920。重疊製程窗1920係製程窗1903及1913內之共同區。舉例而言，可藉由計算供判定第一製程窗1903及第二製程窗1913之個別良率的乘積來判定重疊製程窗1920，其中每一製程窗可隨焦點及劑量而變。在另一實例中，可執行相交操作，其中依據例如劑量及/或焦點之值的集合來表達製程窗1903及1913。
熟習此項技術者可瞭解，該操作不限於計算良率乘積或交點，且可執行任何其他適當的數學運算/圖形方法/模擬以判定重疊製程窗1920。多個特徵之間的此重疊製程窗1920可用作用於圖案化製程中之整個基板的製程窗以獲得具有最少缺陷的所要良率。
此外，本發明不限於二維製程窗(例如，劑量-焦點製程窗)。可擴展該方法以提供多維製程窗。舉例而言，可考慮第三變數：疊對。接著，良率及/或失效率可隨劑量、焦點、疊對或其組合而變。因此，可判定製程窗使得符合基於所有三個製程變數之極限或規格。圖13中說明基於良率之實例多維製程窗。在圖13中，第一良率曲線Y1可界定於疊對與劑量之間，且第二良率曲線Y2可界定於焦點與劑量之間。接著，可依據三個變數(亦即，劑量、焦點及疊對)而執行橢圓擬合，使得橢圓由第一良率曲線Y1及第二良率曲線Y2定界。接著，橢圓製程窗可被視為多維製程窗。可瞭解，術語曲線僅用於視覺清楚及理解目的且不具限制性。曲線一般可係任何函數。又，橢圓擬合亦係例示性的，且可取決於影響製程窗之製程條件而執行其他適當的(例如，矩形)擬合。
在另一實施例中，可進一步擴展圖10之方法以提供用於具有若干特徵之晶粒的整個層之製程窗，每一特徵在基板之每個晶粒上出現多次。舉例而言，
在以上方程式(8)中，良率Y i (CD lim i )指具有CD極限之個別特徵i的所要良率Y i (CD lim i )，且N為特定層上之特徵的總數。接著，該層之良率係個體特徵良率之乘積。可進一步使用該層之良率以與關於步驟P60所論述類似的方式計算製程窗，例如使用方程式(6)及(7)。當出於應用中之實際原因，該等特徵之參數極限及PDFCD類似以簡化評估(例如，接觸孔及線)時，可將該等特徵分組成「類型」或「類別」。
在一實施例中，可進一步優化判定基於缺陷(或基於良率)之製程窗的以上方法，從而提供更準確結果。舉例而言，藉由優化用以計算製程變數PDF之參數的變化。優化之製程變數PDF可進一步用以計算優化之參數PDF，其可產生更準確的處理窗。換言之，可獲得藉由調整由圖案化製程內之不同因素引起之已知及/或隨機方差而進行的對參數之方差的較佳估計，以相較於以上方法進一步產生更準確的結果(亦即，製程窗)。
本發明描述一種獲得隨機邏輯結構中之特徵的基於缺陷之製程窗的方法。
圖14為符合各種實施例的用於產生基礎失效率模型且最終產生特徵特定失效率模型的例示性方法之方塊圖。如相對於圖2所論述，可使用諸如SEM之檢測工具獲得基板之各種影像(「SEM影像」)，其可用以獲得與基板上之各種特徵相關聯的量測值資料。基板之數個SEM影像
1405被輸入至特徵選擇模組1410。SEM影像1405可具有基板之不同部分，且每一SEM圖像可包括經印刷於基板上之一或多個特徵。特徵選擇模組1410分析SEM影像1405以選擇特徵中滿足指定準則之彼等特徵，作為特徵1415。在一些實施例中，指定準則可與特徵之出現率相關。舉例而言，特徵選擇模組1410可經組態以選擇：(a)在SEM圖像內或跨越SEM影像不太重複的特徵；(b)隨機出現於基板上的特徵；(c)跨越SEM影像之出現次數低於第一臨限的特徵；(d)在SEM圖像中之出現次數低於第二臨限的特徵；或(e)不同於其他更重複特徵之特徵。通常，特徵1415為出現在隨機邏輯結構中之特徵。
特徵分組模組1420基於指定度量而將特徵1415分組為數個特徵群組1422。可使用各種方法執行分組，諸如k平均數叢集。每一特徵群組包括具有類似度量值(例如，預定義範圍內的度量值)之一或多個特徵。舉例而言，特徵群組1425包括度量值位於第一預定義範圍內的特徵，且另一特徵群組包括度量值位於第二預定義範圍內的特徵。
特徵分組模組1420可基於數個度量中之任一者將特徵1415分組，諸如特徵1415之CD平均數、特徵1415之製程窗、製程窗+特徵之CD平均數、特徵1415之尾端CD、焦點曝光矩陣(FEM)柏桑擬合係數、特徵1415之原始失效CD分佈機率等等。可使用各種效能指示符判定哪個度量產生較佳分組。一種此效能指示符係與特徵之參數(例如，CD)值相關聯的機率密度函數(被稱作CD PDF或PDFCD)，其提供參數值在圖案化製程之每個製程變數設定(例如，劑量)將位於所要範圍內的一機率，其可進一步用以識別缺陷之機率及處理窗，以減少缺陷且有效地改良良率。可使用方程式3計算PDFCD，如至少參考圖10所描述。在一些實施例中，群組
內的特徵之PDFCD變化看起來對於度量製程窗+特徵之CD平均數係最小的。因此，在一些實施例中，度量製程窗+特徵之CD平均數可用於將特徵分組。參考特徵之分組的額外細節至少參考下文圖15進行描述。
基礎FR模型產生器1430處理特徵群組中之每一者，以產生對應特徵群組的基礎FR模型，且將基礎FR模型儲存於儲存系統中，諸如資料庫1440。舉例而言，基礎FR模型產生器1430處理特徵群組1425以產生對應於特徵群組1425的基礎FR模型1435，且處理另一特徵群組以產生對應於其他特徵群組的另一基礎FR模型。基礎FR模型1435提供特徵群組1425中之特徵的所估計失效率(或更確切，對於具有度量值的特徵，即特徵群組1425內的特徵之彼度量值)，其基於特徵群組1425內的特徵之局部CD均一性而判定。基礎FR模型產生器1430亦可產生特徵群組1425的基於缺陷之製程窗，其為基於一組劑量及焦點值而標繪的曲線圖，其中特徵群組1425內的特徵之所估計失效率位於選定或預定義臨限內。產生基礎FR模型1435之額外細節至少參考圖17進行描述。
基礎FR模型可用以產生特徵特定FR模型，其提供任何給定特徵之所估計失效率。特徵特定FR模型產生器1445判定與給定特徵1450相關聯之度量值(例如，製程窗+CD平均值)，自資料庫1440獲得與給定特徵1450之度量值匹配的基礎FR模型，且例如藉由將基礎模型與關聯於給定特徵1450之量測值資料迴旋來處理所擷取基礎模型，以產生特徵特定FR模型1460。特徵特定FR模型1460針對各種焦點及劑量值提供給定特徵之所估計失效率。特徵特定FR模型產生器1445亦可產生給定特徵1450的基於缺陷之製程窗，其為基於一組劑量及焦點值而標繪的曲線圖，其中給定特徵1450的所估計失效率位於選定或預定義臨限內。在一些實施例
中，基礎FR模型1435及特徵特定FR模型1460儲存為資料結構。產生特徵特定FR模型1460之額外細節至少參考圖18進行描述。
圖15為符合各種實施例的用於產生基礎失效率模型之例示性方法1500的流程圖。在製程P1505，獲得經印刷於基板上的數個特徵。在一些實施例中，獲得滿足與特徵之出現率相關的指定準則的諸如特徵1415之特徵(例如，如至少參考圖14所描述)。藉由分析基板之SEM影像1405來獲得特徵1415。在一些實施例中，SEM圖像為使用諸如SEM之工具捕捉的基板之影像。可使用SEM影像1405獲得與特徵1415相關聯之各種量測值資料(例如，使用如至少參考圖1所描述的量測方法)。與特徵相關聯之量測值資料可包括除其他資料之外的特徵1415中之每一者的平均CD及特徵1415中之每一者的製程窗，其指示一組焦點及劑量值，其中對應特徵之CD位於規格(例如，±10%CD變化極限)內。
在製程P1510，基於一度量將特徵1415分組為一或多個特徵群組1422。在一些實施例中，自數個度量中選擇諸如製程窗+CD平均數之度量(例如，如至少參考圖14所描述)。在一些實施例中，基於諸如PDFCD之效能指示符而判定度量製程窗+CD平均數以較佳於諸如CD平均數及製程窗的其他度量執行，如圖16A及圖16B中所說明。
圖16A展示符合各種實施例的基於三個不同度量分組之特徵的PDFCD曲線圖。舉例而言，曲線圖1605說明基於CD平均數度量而分組的特徵群組之PDFCD，曲線圖1610說明基於製程窗+CD平均數度量而分組的特徵群組之PDFCD，且曲線圖1615說明基於製程窗度量而分組的特徵群組之PDFCD。在一些實施例中，可使用方程式3計算PDFCD，如至少參考圖10所描述。舉例而言，針對群組中之每一特徵的dCD值計算PDFCD，
其為各種焦點及劑量值的特徵之CD資料，其中特徵之平均CD根據SEM圖像進行移除。
圖16B展示符合各種實施例的三個不同度量中之每一者的群組內的特徵之PDFCD變化。在一些實施例中，將PDFCD變化計算為在平均CD上方及下方的dCD(例如，3 σ)值之平均變化。舉例而言，具有基於CD平均數度量進行分組之特徵群組的特徵之PDFCD變化為「0.24」，具有基於製程窗度量進行分組之特徵群組的特徵之PDFCD變化為「0.13」，且具有基於製程窗+CD平均數度量進行分組之特徵群組的特徵之PDFCD變化為「0.11」。因此，在一些實施例中，PDFCD變化在製程窗+CD平均數度量中最小，且因此，使用製程窗+CD平均數度量將特徵分組。
可將特徵1415分組為一或多個群組。在一些實施例中，所形成之群組的數目可對失效率預測之量測時間(例如，計算資源)及準確性產生影響。在一些實施例中，較小數目個群組可導致FR預測之準確性降低，且較大數目個群組可消耗更多量測時間。因此，可必須判定叢集之最佳數目。在一些實施例中，叢集內平方和(within cluster sum of squares，WCSS)為可用以判定叢集之最佳計數的此一度量。圖16C說明符合各種實施例的描繪叢集之一數目與度量之間的關係的實例曲線圖。在曲線圖1635中，最佳叢集計數基於WCSS經判定為「3」。
圖16D說明符合各種實施例的各種特徵分組方法之失效率預測準確性的實例曲線圖。曲線圖1640指示無分組之FR誤差預測，且其他曲線圖分別指示針對諸如FEM分組、製程窗+CD平均數分組、LCDU分組及平均CD分組之其他分組的FR誤差預測。自此實例曲線圖可見，對於無分組基準的其他分組，預測準確性改良23%、35%、28%及25%，其中
製程窗+CD平均數分組1645在分組當中具有最佳改良準確性(例如，35%)。
返回參看製程P1510，在一些實施例中，將特徵1415分組可包括判定特徵1415中之每一者的度量值1511，且基於度量值1511而將特徵1415叢集(例如，使用諸如k平均數叢集的許多叢集演算法中之一者)以產生特徵群組1422。對於諸如製程窗+CD平均數之度量，特徵之度量值1511經判定為特徵之平均CD值及與平均CD相關聯的位於特徵之製程窗之邊緣或界線處的複數個劑量值及焦點值。如上文所論述，特徵之製程窗指示一組焦點及劑量值，其中對應特徵之CD位於規格內，且製程窗可被標繪為焦點及劑量值分別作為x軸及y軸的曲線圖，其導致形成一形狀。製程窗之形狀包括界線或邊緣，且邊緣之不同部分可對應於不同焦點及劑量值。可使用數種方法中之任一者來產生特徵之製程窗。
針對特徵1415中之每一者計算度量值1511，且基於度量值1511而將特徵1415分組(例如，叢集)為特徵群組1422。在一些實施例中，每一特徵群組有具有類似度量值之特徵(例如，具有位於指定範圍內之度量值的特徵)。在一些實施例中，一群組內的特徵之PDFCD具有最小變化。
在製程P1515，針對特徵群組1422中之每一者產生基礎FR模型。舉例而言，針對特徵群組1425產生基礎FR模型1435。如上文所描述，基礎FR模型1435提供特徵群組1425中之特徵的估計失效率(或更確切，對於具有度量值的特徵，即特徵群組1425內的特徵之彼度量值)，其基於特徵群組1425內的特徵之局部CD均一性而判定。可將基礎FR模型1435儲存為資料庫1440中之資料結構。在一些實施例中，資料結構包括
焦點及劑量值之一範圍，及針對彼等焦點及劑量值的特徵群組1425中之特徵的失效率。可由特徵群組1425之基礎FR模型1435產生基於缺陷之製程窗，諸如基於缺陷之製程窗1650。基於缺陷之製程窗1650為基於一組劑量及焦點值而標繪的曲線圖，其中特徵群組1425內的特徵之所估計失效率位於選定或預定義臨限內。圖16E展示符合各種實施例的特徵群組的基於缺陷之製程窗。基於缺陷之製程窗1650展示製程窗(例如，焦點及劑量值之一範圍)，其內特徵群組1425之特徵的失效率保持在預定義臨限(例如，1E-9或1*10-9)內。產生基礎FR模型之額外細節至少參考圖17進行描述。
圖17為符合各種實施例的用於產生特徵群組之基礎失效率模型的例示性方法1700之流程圖。在一些實施例中，執行方法1700作為方法1500之製程P1515之部分。在製程P1705，基礎FR模型產生器1430獲得特徵群組內的特徵之量測值資料1701。量測值資料1701可包括特徵之參數(例如，CD)的量測值及製程變數(例如，劑量、焦點等)。舉例而言，量測值資料1701可包括特徵群組1425內之所有特徵的平均CD，及與平均CD相關聯的劑量及焦點值。可接著將量測值資料1701用於CD均一性(CDU)模型化，其判定可例如使用如圖10之製程P10及圖11A所論述的方程式(1)在參數(例如，平均CD)與製程變數(例如，劑量及焦點值)之間建立函數關係1706。
在製程P1710，基礎FR模型產生器1430執行局部CD均一性(LCDU)模型化，其獲得特徵群組1425之LCDU資料1713。在一些實施例中，藉由跨越所有SEM影像1405獲得特徵群組1425中之每一特徵的LCDU資料1711，且自LCDU資料移除每個SEM圖像判定之特徵之平均
CD 1712來判定LCDU資料1713。舉例而言，LCDU模型化可使用如圖10之製程P20中所論述之方程式(1)獲得LCDU資料1713。
在製程P1715，基礎FR模型產生器1430判定特徵群組1425之PDFCD 1716。可基於LCDU資料1713及函數關係1706而判定及/或獲得PDFCD 1716(其為所有特徵之平均CD、圖案化製程之劑量值及劑量值之方差的函數)(例如，如至少參考圖10之製程P30且使用製程P30中之方程式(3)所描述)。
在一些實施例中，如參考圖10所描述，諸如PDFCD 1716之參數PDF提供參數(例如，CD)值在圖案化製程之每個製程變數設定(例如，劑量)將位於所要範圍內的機率之估計值，其可進一步用以識別缺陷之機率及處理窗口以減少缺陷。在一些實施例中，自製程變數PDF(例如，諸如圖10之PDF 620的劑量PDF)判定PDFCD，其為製程變數與製程變數之變化的函數。製程變數PDF使得能夠捕捉劑量設定之任何變化的影響，其可最終影響參數。可使用轉換函數自劑量PDF判定PDFCD 1716，如參考圖10之製程P30及圖11C所描述。
在製程P1720，基礎FR模型產生器1430執行CD極限模型化，其判定特徵群組1425的CD極限1722。在一些實施例中，CD極限可為特徵之CD值的共用理論極限，該極限小於在製程變數之每個設定(例如，每焦點及劑量值)失效的特徵之預定數目或百分比。在一些實施例中，可基於在製程變數之每個設定所量測的失效率1721及PDFCD 1716，例如使用參考圖10之P50所描述之方程式(4)計算CD極限1722。在一些實施例中，可判定一對CD極限，其中第一CD極限位於PDF分佈曲線之下端，且第二CD極限位於PDF分佈曲線之上端，使得此等CD極限之間的CD值(例
如，CD值大於第一CD極限且小於第二CD極限)將製程變數之每個設定(例如，每個焦點及劑量值)的失效率保持於預定失效率內。關於CD極限之額外細節至少參考圖10之製程P50及圖11F及圖11G進行描述。
可自經量測資料1701獲得用於判定CD極限1722之失效率1721。在一些實施例中，可基於例如SEM影像之失效分析而判定特徵之失效。可在製程變數(例如，劑量)之每個設定獲得/量測特徵參考參數(例如，CD)之失效率。在一些實施例中，個別特徵之失效率可表達為例如圖案之特徵的百萬分之一(ppm)或十億分之一(ppb)。換言之，1ppm可意謂特徵之1百萬次出現中的1個特徵預期失效。在一些實施例中，失效率可對應於與個別特徵相關聯之不同失效模式，諸如實體失效、轉印失效及推遲失效。關於失效及量測失效率的額外細節至少參考圖10之製程P40及圖11D及圖11E進行描述。
在製程P1725，基礎FR模型產生器1430針對各種焦點或劑量值基於CD極限1722及PDFCD 1716而判定特徵群組1425中之特徵的所估計失效率1726。在判定CD極限1722之後，可使用諸如圖10之製程P40及P50中之方程式(4)及方程式(5)的失效率方程式來估計任何焦點及劑量值的失效率1726。關於估計失效率的額外細節至少參考圖10之製程P60及圖11D及圖11E進行描述。
在製程P1730，基礎FR模型產生器1430使用所估計失效率1726產生特徵群組1425的基於缺陷之製程窗1650。舉例而言，製程窗可係焦點及劑量值之範圍，在該範圍內，所估計失效率可小於10-9。
基礎FR模型產生器1430將基礎FR模型1435儲存於資料庫1440中。在一些實施例中，基礎FR模型1435為除其他資料之外包括特徵
群組1425中之特徵的PDFCD 1716、CD極限1722、所估計失效率1726及基於缺陷之製程窗1650的資料結構。
圖18說明符合各種實施例的用於產生特徵特定FR模型之例示性方法1800的流程圖。在製程P1805，特徵特定FR模型產生器1445獲得與給定特徵1450相關聯之量測值資料1801。在一些實施例中，量測值資料1801可包括給定特徵1450之FEM資料，其含有焦點及劑量值之一範圍的給定特徵1450之CD值。
在製程P1810，特徵特定FR模型產生器1445基於量測值資料1801而判定給定特徵1450之度量值1811。對於諸如製程窗+CD平均數之度量(例如，其為用於產生基礎FR模型之度量)，將給定特徵1450之度量值1811判定為給定特徵1450之平均CD值及位於給定特徵1450之製程窗之邊緣或邊界處的與平均CD相關聯之複數個劑量值及焦點值。可使用數個方法中之任一者，使用量測值資料1801產生製程窗。
在製程P1815，特徵特定FR模型產生器1445自資料庫1440選擇具有匹配度量值1811之度量值的基礎FR模型。舉例而言，特徵特定FR模型產生器1445選擇其製程窗+CD平均數與給定特徵1450之製程窗+CD平均數匹配的基礎FR模型1435。在一些實施例中，若基礎FR模型之度量值與度量值1811之間的差不超過指定匹配臨限，則將該度量值視為匹配度量值1811。
在製程P1820，特徵特定FR模型產生器1445自基礎FR模型1435獲得PDFCD 1716。
在製程P1825，特徵特定FR模型產生器1445基於給定特徵1450之平均CD值而調整PDFCD 1716之平均CD。在一些實施例中，調整
PDFCD 1716之平均CD包括將PDFCD 1716之平均CD與給定特徵1450之平均CD值之間的差與PDFCD 1716之平均CD相加以產生經調整PDFCD 1826。在一些實施例中，產生經調整PDFCD等效於將PDFCD 1716左移或右移等於PDFCD 1716之平均CD與給定特徵1450之平均CD值之間的差的一量(在曲線圖中被標繪為PDF vs CD)。舉例而言，若PDFCD 1716之平均CD(例如，「5nm」)小於給定特徵1450之平均CD值(例如，「7nm」)，則將PDFCD 1716向PDFCD 1716之平均CD右側移動該差(例如，移動「2nm」)。若PDFCD 1716之平均CD(例如，「8nm」)大於給定特徵1450之平均CD值(例如，「7nm」)，則將PDFCD 1716向PDFCD 1716之平均CD左側移動該差(例如，移動「1nm」)。
在製程P1830，特徵特定FR模型產生器1445例如使用參考圖10之P50所描述的方程式(4)，基於經調整PDFCD 1826而判定給定特徵1450之CD極限1831。在一些實施例中，可判定一對CD極限，其中第一CD極限位於PDF分佈曲線之下端，且第二CD極限位於PDF分佈曲線之上端，使得此等CD極限之間的CD值(例如，CD值大於第一CD極限且小於第二CD極限)將製程變數之每個設定(例如，每個焦點及劑量值)的失效率保持於預定失效率內。關於CD極限之額外細節至少參考圖10之製程P50及圖11F及圖11G進行描述。
在製程P1835，特徵特定FR模型產生器1445獲得給定特徵1450之場間CD變化或場內CD變化中之至少一者作為CD特徵曲線資料1837。在一些實施例中，跨越晶粒/區域中之不同SEM影像的給定特徵1450之CD平均偏差被稱作場內CD變化，且任何晶粒對晶粒或場對場CD平均偏差被稱作場間CD變化。在一些實施例中，若給定特徵1450為特徵
群組(例如，一特徵群組)，則獲得給定特徵1450之PDFCD作為CD特徵曲線資料1837。
在製程P1840，特徵特定FR模型產生器1445基於CD特徵曲線資料1837而迴旋經調整PDFCD 1826以產生經迴旋PDFCD 1841。
在製程P1845，特徵特定FR模型產生器1445例如使用諸如圖10之製程P40及P50中之方程式(4)及方程式(5)之失效率方程式，基於經迴旋PDFCD 1841而判定給定特徵1450之失效率1846。
在製程P1850，特徵特定FR模型產生器1445使用所估計失效率1846產生給定特徵1450的基於缺陷之製程窗1851。舉例而言，製程窗可係焦點及劑量值之範圍，在該範圍內，所估計失效率可小於10-9。圖19A說明符合各種實施例的給定特徵1450的基於缺陷之製程窗1851。特徵特定FR模型產生器1445產生給定特徵1450的特徵特定FR模型1460，且將特徵特定FR模型1460儲存於資料庫1440中。在一些實施例中，特徵特定FR模型1460為除其他資料之外包括給定特徵1450之經迴旋PDFCD 1841、CD極限1831、所估計失效率1846及基於缺陷之製程窗1851的資料結構。
在一些實施例中，特徵特定FR模型產生器1445可判定失效率，且以類似於上文所描述之給定特徵1450的方式產生給定特徵群組(例如，一特徵群組)的基於缺陷之製程窗。圖19B說明符合各種實施例的用於給定特徵群組的基於缺陷之製程窗1910。
雖然可基於如圖17中所描述之CD資料預測失效率，但在一些實施例中，亦可基於特徵之其他特性參數(諸如CDe參數或PEe參數)而預測失效率。在一些實施例中，可自一或多個量測值資料導出特徵之特徵參數，諸如CD資料、邊緣置放誤差(EPE)資料或置放誤差(PE)資料。舉例
而言，可自CD資料及PE資料導出諸如CDe之第一特性參數。在另一實例中，可自目標CD資料及PE資料導出諸如PEe之第二特性參數。圖21說明用於基於CDe資料而估計失效率，且基於CDe資料而產生基於EPE缺陷之製程窗的流程圖。在另一實例中圖22說明用於基於PEe資料而估計失效率，且基於PEe資料而產生基於PE缺陷之製程窗的流程圖。
圖20說明符合各種實施例的目標特徵之邊緣置放誤差。在一些實施例中，EPE係目標特徵之經印刷邊緣距離目標特徵之目標邊緣的偏差。EPE可沿一或多個方向，例如沿x軸或沿y軸。舉例而言，圖20說明EPEleft 2010，其可為特徵(例如，接觸孔)之經印刷邊緣2025沿x軸在目標特徵之左側距離目標邊緣2020的偏差，及EPEleft 2015，其可為經印刷邊緣2025沿x軸在目標特徵之右側距離邊緣2020的偏差。EPE可使用以下方程式獲得：EPE Left =(CD X -tgt X )/2-PE X (9)
EPE Right =(CD X -tgt X )/2+PE X (10)
其中CDX為經印刷特徵沿x方向之CD，tgtX為目標特徵沿x方向之CD，且PEX為接觸孔中心之置放誤差2005，其可為經印刷接觸孔之中心距離目標接觸孔之中心的偏差。可針對其他特徵類型且沿其他方向類似地界定EPE(例如，y軸中之EPEup及EPEdown)。亦可在其他方向中類似地判定PE資料(例如，y軸中之PEy)。
圖21為符合各種實施例的用於基於CDe資料而產生特徵群組之失效率模型的例示性方法2100之流程圖。在一些實施例中，方法2100類似於方法1700，但方法2100係基於CDe資料，而非方法1700之CD資料或外加該CD資料。
在製程P2105，基礎FR模型產生器1430獲得特徵群組內的
特徵之量測值資料2101。在一些實施例中，類似量測值資料1701，量測值資料2101可包括特徵群組1425內之所有特徵的平均CD、EPE及PE資料，及與平均CD相關聯之劑量及焦點值。可接著將量測值資料2101用於CDU模型化，其判定可例如使用如圖10之製程P10及圖11A所論述的方程式(1)在參數(例如，平均CD)與製程變數(例如，劑量及焦點值)之間建立函數關係2106。
特性參數可定義為置放誤差資料之函數，例如定義為EPE或PE值結合CD值之函數。特性參數可用以基於特性參數之機率分佈函數而建構失效率模型。給定指定失效率，模型經組態以計算特性參數之極限且接著因此導出對應製程窗。在不背離本發明之範疇的情況下，特性參數可與CD、EPE及/或PE呈任何形式或數學關係。此外，可自指示特徵之置放誤差的任何合適類型之經量測資料導出特性參數。
在一些實施例中，可使用量測值資料2101獲得特徵之導出參數CDe。可自特徵之CD值及PE值導出CDe參數。舉例而言，可使用以下方程式判定CDe：CDe Left =CD X -2＊PE X ...(11)
CDe Right =CD X +2＊PE X ...(12)
針對EPE自方程式導出參數CDeLeft及CDeRight(例如，方程式9及10)：CD X -2＊PE X =tgt+2＊EPE Left
CD X +2＊PE X =tgt+2＊EPE Right
可接著將量測值資料2101用於CDeU模型化，其判定可例如使用如圖10之製程P10及圖11A所論述的方程式(1)在參數(例如，CDe或EPE)與製程變數(例如，劑量及焦點)之間建立函數關係2106。
在製程P2110，基礎FR模型產生器1430執行LCDU模型化
以獲得特徵群組1425之LCDU資料2113(例如，藉由使用與製程P1710之獲得LCDU資料1713類似的製程)，如至少參考圖17之製程P1710所描述。
在一些實施例中，製程P2110基於CDe資料而執行LCDeU模型化以獲得特徵群組1425之LCDeU資料2113。可除LCDU模型化之外亦執行LCDeU模型化或可執行LCDeU模型化代替LCDU模型化。
在製程P2115，基礎FR模型產生器1430判定特徵群組1425之PDFCDe 2116(例如，如至少參考製程P1715中之PDFCD 1716所描述)。可基於LCDeU資料2113及函數關係2106而判定及/或獲得PDFCDe 2116(其為所有特徵之CDe、圖案化製程之劑量值及劑量值之方差的函數)(例如，如至少參考圖10之製程P30且使用製程P30中之方程式(3)所描述)。
在製程P2120，基礎FR模型產生器1430執行CDe極限模型化，其判定特徵群組1425之CDe極限2122(例如，如至少參考製程P1720中之CDe極限1722所描述)。在一些實施例中，CDe極限可為特徵之CDe值的共用理論極限，該極限小於在製程變數之每個設定(例如，每焦點及劑量值)失效的特徵之預定數目或百分比。在一些實施例中，可基於在製程變數之每個設定所量測的失效率及PDFCDe 2116，例如使用參考圖10之P50所描述之方程式(4)計算CDe極限2122。在一些實施例中，可判定一對CDe極限，其中第一CDe極限位於PDF分佈曲線之下端，且第二CDe極限位於PDF分佈曲線之上端，使得此等CDe極限之間的CDe值(例如，CDe值大於第一CDe極限且小於第二CDe極限)在製程變數之每個設定(例如，每個焦點及劑量值)的失效率保持於預定失效率內。
在製程P2125，基礎FR模型產生器1430針對各種焦點或劑量值基於CDe極限2122及PDFCDe 2116而判定特徵群組1425中之特徵的所
估計失效率2126(例如，如至少參考製程P1725中之所估計失效率2126所描述)。在判定CDe極限2122之後，可使用諸如圖10之製程P40及P50中之方程式(4)及方程式(5)的失效率方程式來估計任何焦點及劑量值的失效率2126。關於估計失效率的額外細節至少參考圖10之製程P60及圖11D及圖11E進行描述。
在製程P2130，基礎FR模型產生器1430使用所估計失效率2126產生特徵群組1425的基於EPE缺陷之製程窗2150。舉例而言，製程窗可係焦點及劑量值之範圍，在該範圍內，所估計失效率可小於10-4。在一些實施例中，可產生多於一個基於EPE缺陷之製程窗(例如，EPEleft製程窗、EPEright製程窗、EPEup製程窗及EPEdown製程窗)。
圖22為符合各種實施例的用於基於PEe資料而產生特徵群組之失效率模型的例示性方法2200之流程圖。在一些實施例中，方法2200類似於方法1700，但方法2200係基於PEe資料，而非方法1700之CD資料或外加該CD資料。
在製程P2205，基礎FR模型產生器1430獲得特徵群組內的特徵之量測值資料2201。在一些實施例中，類似量測值資料1701，量測值資料2201可包括特徵群組1425內之所有特徵的平均CD、EPE及PE資料，及與平均CD相關聯之劑量及焦點值。可接著將量測值資料2201用於CDU模型化，其判定可例如使用如圖10之製程P10及圖11A所論述的方程式(1)在參數(例如，平均CD)與製程變數(例如，劑量及焦點值)之間建立函數關係2206。
在一些實施例中，可使用量測值資料2201獲得特徵之導出參數PEe。可自特徵之目標CD值及PE值導出PEe參數。舉例而言，可使用
以下方程式判定PEe參數：PEe Left =tgt X -2＊PE X ...(13)
PEe Right =tgt X +2＊PE X ...(14)
可接著將量測值資料2201用於CDU模型化，其判定可例如使用如圖10之製程P10及圖11A所論述的方程式(1)在所計算參數(例如，CD)與製程變數(例如，劑量及焦點值)之間建立函數關係2206。
在製程P2210，基礎FR模型產生器1430執行LCDU模型化以獲得特徵群組1425之LCDU資料2213(例如，類似製程P1710之LCDU資料1713)，如至少參考圖17之製程P1710所描述。
在製程P2215，基礎FR模型產生器1430判定特徵群組1425之PDFPEe 2216(例如，如至少參考製程P1715中之PDFCD 1716所描述)。可基於LCDU資料2213及函數關係2206而判定及/或獲得PDFPEe 2216(其為圖案化製程之所有特徵的平均CD、劑量值及劑量值之方差的函數)(例如，如至少參考圖10之製程P30且使用製程P30中之方程式(3)所描述)。
在製程P2220，基礎FR模型產生器1430執行PEe極限模型化，其判定特徵群組1425之PEe極限2222(例如，如至少參考製程P1720中之CD極限1722所描述)。在一些實施例中，PEe極限可為特徵之PEe值的共用理論極限，該極限小於在製程變數之每個設定(例如，每焦點及劑量值)失效的特徵之預定數目或百分比。在一些實施例中，可基於在製程變數之每個設定所量測的失效率及PDFPEe 2216，例如使用參考圖10之P50所描述之方程式(4)計算PEe極限2222。在一些實施例中，可判定一對PEe極限，其中第一PEe極限位於PDF分佈曲線之下端，且第二PEe極限位於PDF分佈曲線之上端，使得此等PEe極限之間的PEe值(例如，PEe值大於第一PEe極限且小於第二PEe極限)將製程變數之每個設定(例如，每個
焦點及劑量值)的失效率保持於預定失效率內。
在製程P2225，基礎FR模型產生器1430針對各種焦點或劑量值基於CDe極限2222及PDFPEe 2216而判定特徵群組1425中之特徵的所估計失效率2226(例如，如至少參考製程P1725中之所估計失效率2226所描述)。在判定PEe極限2222之後，可使用諸如圖10之製程P40及P50中之方程式(4)及方程式(5)的失效率方程式來估計任何焦點及劑量值的失效率2226。關於估計失效率的額外細節至少參考圖10之製程P60及圖11D及圖11E進行描述。
在製程P2230，基礎FR模型產生器1430使用所估計失效率2226產生特徵群組1425的基於PEe缺陷之製程窗2250。舉例而言，製程窗可係焦點及劑量值之範圍，在該範圍內，所估計失效率可小於10-4。
雖然方法2100及2200描述為針對特徵群組內之特徵產生製程窗，但在一些實施例中，此等方法亦可用於在無任何分組(例如，無特徵叢集)的情況下針對複數個特徵產生製程窗。
圖23說明符合各種實施例的各種失效率製程窗。舉例而言，第一FR製程窗2315為基於CD資料而產生的基於缺陷之製程窗，諸如基於缺陷之製程窗1650。第二FR製程窗2305為基於CDe資料而產生的基於EPEleft缺陷之製程窗，諸如基於缺陷之製程窗2150。第三FR製程窗2310為基於CDe資料而產生的基於EPERight缺陷之製程窗，諸如基於缺陷之製程窗2150。第四FR製程窗2320為基於PEe資料而產生的基於PEe缺陷之製程窗，諸如基於缺陷之製程窗2250。在一些實施例中，可(例如，使用數種製程窗組合方法中之任一者)將多個FR製程窗組合以產生經組合FR製程窗2325。
在一些實施例中，可使用上述方法最佳化(例如，判定或調整)「設計變數」，該等設計變數包括(例如，微影製程、微影投影裝置等等之)圖案化製程的微影投影裝置之使用者可調整之一組參數，或其他可調整參數，諸如照明模式之可調整參數、圖案化器件圖案、投影光學件、劑量、焦點等。可使用上述方法最佳化該等設計變數，使得待印刷於基板上之特徵的失效率得以最小化或位於所要失效率臨限內。下文係上述方法之一些實例應用。
上述方法之實例應用(諸如抗蝕劑浮渣清除、或其他後圖案化製程或抗蝕劑類型最佳化、源遮罩最佳化(SMO)、光學近接校正(OPC)校準)可見於PCT專利申請公開案第WO/2019/121486號中，該公開案特此以全文引用之方式併入。
圖24為說明可輔助實施本文所揭示之方法及流程之電腦系統100的方塊圖。電腦系統100包括用於傳送資訊之匯流排102或其他通信機構，及與匯流排102耦接以供處理資訊的處理器104(或多個處理器104及105)。電腦系統100亦包括主記憶體106，諸如隨機存取記憶體(RAM)或其他動態儲存器件，其耦接至匯流排102以用於儲存待由處理器104執行之資訊及指令。主記憶體106在執行待由處理器104執行之指令期間亦可用於儲存暫時變數或其他中間資訊。電腦系統100進一步包括耦接至匯流排102以用於儲存用於處理器104之靜態資訊及指令之唯讀記憶體(ROM)108或其他靜態儲存器件。提供儲存器件110(諸如磁碟或光碟)且將其耦接至匯流排102以用於儲存資訊及指令。
電腦系統100可經由匯流排102而耦接至用於向電腦使用者顯示資訊之顯示器112，諸如，陰極射線管(CRT)或平板顯示器或觸控面
板顯示器。包括文數字鍵和其他鍵的輸入器件114可耦接至匯流排102，以用於將資訊及命令選擇傳達至處理器104。另一類型之使用者輸入器件為游標控制件116，諸如滑鼠、軌跡球或游標方向鍵，以用於將方向資訊及命令選擇傳達至處理器104且用於控制顯示器112上之游標移動。此輸入器件通常具有在兩個軸線(第一軸(例如x)及第二軸(例如y))中的兩個自由度，此允許器件在平面中指定位置。觸控面板(螢幕)顯示器亦可被用作輸入器件。
根據一個實施例，製程之部分可回應於處理器104執行含於主記憶體106中之一或多個指令之一或多個序列而由電腦系統100執行。可自諸如儲存器件110之另一電腦可讀媒體將此類指令讀取至主記憶體106中。含於主記憶體106中之指令序列的執行使得處理器104執行本文中所描述之製程步驟。亦可使用多處理配置中之一或多個處理器，以執行含於主記憶體106中的指令序列。在一替代實施例中，可代替或結合軟體指令來使用硬佈線電路系統。因此，本文中之描述不限於硬體電路及軟體之任何特定組合。
如本文中所使用之術語「電腦可讀媒體」係指參與將指令提供至處理器104以供執行之任何媒體。此媒體可採取許多形式，包括(但不限於)非揮發性媒體、揮發性媒體及傳輸媒體。非揮發性媒體包括例如光碟或磁碟，諸如儲存器件110。揮發性媒體包括動態記憶體，諸如主記憶體106。傳輸媒體包括同軸電纜、銅線及光纖，包括包含匯流排102的線。傳輸媒體亦可呈聲波或光波之形式，諸如在射頻(RF)及紅外(IR)資料通信期間所產生之聲波或光波。電腦可讀媒體之常見形式包括(例如)軟磁碟、軟性磁碟、硬碟、磁帶、任何其他磁媒體、CD-ROM、DVD、任何
其他光學媒體、打孔卡、紙帶、具有孔圖案之任何其他實體媒體、RAM、PROM及EPROM、FLASH-EPROM、任何其他記憶體晶片或卡匣、如下文所描述之載波，或可供電腦讀取之任何其他媒體。
可在將一或多個指令之一或多個序列攜載至處理器104以供執行時涉及電腦可讀媒體之各種形式。舉例而言，初始地可將該等指令承載於遠端電腦之磁碟上。遠端電腦可將指令載入至其動態記憶體內，且使用數據機經由電話線而發送指令。在電腦系統100本端之數據機可接收電話線上之資料，且使用紅外線傳輸器將資料轉換成紅外線信號。耦接至匯流排102之紅外線偵測器可接收紅外線信號中所載運之資料且將資料置放於匯流排102上。匯流排102將資料載運至主記憶體106，處理器104自該主記憶體擷取並執行指令。由主記憶體106接收之指令可視情況在由處理器104執行之前或之後儲存於儲存器件110上。
電腦系統100亦合乎需要地包括耦接至匯流排102之通信介面118。通信介面118提供耦接至網路鏈路120之雙向資料通信，該網路鏈路連接至區域網路122。舉例而言，通信介面118可為整合式服務數位網路(ISDN)卡或數據機以提供與對應類型之電話線的資料通信連接。作為另一實例，通信介面118可為區域網路(LAN)卡以提供至相容LAN之資料通信連接。亦可實施無線鏈路。在任何此實施中，通信介面118發送且接收攜載表示各種類型之資訊之數位資料流的電信號、電磁信號或光學信號。
網路鏈路120通常經由一或多個網路而將資料通信提供至其他資料器件。舉例而言，網路鏈路120可經由區域網路122將提供至主電腦124之連接或由網際網路服務提供者(ISP)126操作之資料設備的連接。
ISP 126又經由全球封包資料通信網路(現在通常被稱作「網際網路」128)來提供資料通信服務。區域網路122及網際網路128兩者使用攜載數位資料串流的電信號、電磁信號或光學信號。經由各種網路之信號及在網路鏈路120上且經由通信介面118之信號(該等信號將數位資料攜載至電腦系統100及自該電腦系統攜載數位資料)為輸送資訊的載波之實例形式。
電腦系統100可經由網路、網路鏈路120及通信介面118發送訊息及接收資料，包括程式碼。在網際網路實例中，伺服器130可經由網際網路128、ISP 126、區域網路122及通信介面118傳輸用於應用程式之所請求程式碼。舉例而言，一個此類經下載應用程式可提供實施例之照明最佳化。所接收程式碼可在其被接收時由處理器104執行，及/或儲存於儲存器件110或其他非揮發性儲存器中以供稍後執行。以此方式，電腦系統100可獲得呈載波形式之應用程式碼。
本發明描述一種用於對印刷於基板上之特徵(例如，隨機邏輯結構中之特徵)順位的方法。可基於一或多個度量(例如，製程窗度量)而對特徵順位。在對特徵順位之後，可將具有滿足臨限(例如，低於臨限)之度量的特徵識別為臨界特徵。可分析(例如，如上文至少參考圖14及圖15所描述而產生的)特徵群組以識別特徵群組中具有臨界特徵之彼等特徵群組，且針對所識別特徵群組產生基礎FR模型(例如，如上文至少參考圖14、圖15及圖17所描述)或可針對臨界特徵產生特徵特定FR模型(例如，如上文至少參考圖14及圖18所描述)。
圖25為根據一或多個實施例的用於對特徵順位之製程2500的流程圖。在操作P2505中，可針對經印刷於基板上之數個特徵獲得量測值資料2501。在一些實施例中，藉由分析基板之SEM影像來獲得特徵，
諸如SEM影像1405。在一些實施例中，SEM圖像為使用諸如SEM之工具捕捉的基板之影像。可使用SEM影像1405獲得與特徵相關聯之各種量測值資料(例如，使用如至少參考圖1所描述的量測方法)。量測值資料2501可包括針對各種製程變數(例如，劑量、焦點等)的特徵之一或多個特性參數之量測值。舉例而言，量測值資料1701可包括針對各種劑量及焦點值的特徵之CD資料、缺陷計數、失效率、邊緣置放誤差(EPE)、置放誤差(PE)等。在一些實施例中，量測值資料2501亦可包括使用模擬模型(例如，CDU模型化、LCDU模型化、CD極限模型化、CDeU模型化、失效率模型化等，其中至少一些在上文進行描述)獲得的模型化資料，諸如模型化CD資料、模型化失效率資料。在一些實施例中，量測值資料2501可包括圖17之量測值資料1701，其用於判定特徵群組的基礎FR模型。
在操作P2510中，使用量測值資料2501獲得特徵的製程窗資料2513。製程窗資料2513可包括特徵中之每一者的一或多個製程窗。如上文所論述，特徵之製程窗指示對應特徵之特性參數位於規格內的一組焦點及劑量值。舉例而言，特徵之CD製程窗可為特徵之CD距離目標CD值之偏差位於所要臨限內的一組劑量或焦點值。在另一實例中，無缺陷(DF)製程窗可為其中特徵之所量測缺陷計數為零的一組劑量或焦點值。在另一實例中，失效率(FR)製程窗(例如，如至少參考圖14、圖15、圖17或圖18所描述而產生)可為其中特徵之失效率位於所要臨限內的一組劑量或焦點值。在再一實例中，EPE製程窗(例如，如至少參考圖21所描述而產生)可為其中基於特徵之EPE而判定的失效率位於所要臨限內的一組劑量或焦點值。在再一實例中，PE製程窗(例如，如至少參考圖22所描述而產生)可為其中基於特徵之PE而判定的失效率位於所要臨限內的一組劑量或
焦點值。
製程窗可被標繪為焦點及劑量值分別作為x軸及y軸的曲線圖，其導致形成一形狀。製程窗之形狀包括界線或邊緣，且邊緣之不同部分可對應於不同焦點及劑量值。可使用數種方法中之任一者來產生特徵之製程窗。圖26A展示根據一或多個實施例的特徵之實例CD製程窗2605。圖26B展示根據一或多個實施例的特徵之實例FR製程窗2610。雖然圖式說明CD製程窗及FR製程窗，但可產生各種其他製程窗(例如，EPE製程窗、PE製程窗等)。
在操作P2515中，使用製程窗資料2513獲得特徵中之每一者的製程窗度量2516。在一些實施例中，製程窗度量2516表示製程窗之特性(例如，大小)。在一些實施例中，製程窗可表徵為執行形狀擬合操作，該形狀擬合操作擬合製程窗中之形狀(例如，橢圓形、矩形或其他形狀)以判定(例如，量化)製程窗之特性。可基於形狀之性質而判定製程窗度量2516。製程窗度量2516可包括曝光寬容度、焦點深度或形狀之面積。舉例而言，製程窗可使用橢圓形表徵，如圖27中所說明。圖27說明根據一或多個實施例的圖26B之FR製程窗的橢圓形擬合。可使用數種橢圓形擬合演算法中之任一者將橢圓形2720擬合至FR製程窗2610中。橢圓形2720可基於約束而擬合。舉例而言，橢圓形2720可經擬合以獲得最大面積橢圓形。在另一實例中，橢圓形2720可經擬合使得橢圓形2720之中心2725位於曲線圖中之指定部位處(例如，位於指定劑量或聚焦值處)。在另一實例中，橢圓形2720可經擬合以獲得指定曝光寬容度。
在於FR製程窗2610中擬合橢圓形之後，可如下判定製程窗度量2516。可將曝光寬容度判定為橢圓形2720之高度與對應於橢圓形
2720之中心2725的劑量值的函數。舉例而言，用於使用橢圓形擬合來獲得曝光寬容度(EL)之方程式可表示如下：
橢圓形高度為橢圓形2720延伸而至的劑量值之範圍。焦點深度度量可對應於橢圓形2720之寬度，其為橢圓形2720延伸而至的焦點值之範圍。面積度量為橢圓形2720之面積，其經判定為橢圓形2720之高度與寬度的函數。
雖然可藉由在諸如FR製程窗2610之個別製程窗中擬合一形狀來獲得製程窗度量2516，但亦可自如圖28A及圖28B中所說明之重疊製程窗獲得製程窗度量2516。圖28A說明根據一或多個實施例的將兩個製程窗重疊之重疊操作。重疊操作將一個製程窗與另一製程窗重疊，以獲得重疊製程窗，其為兩個製程窗之相交區。舉例而言，如圖28A中所說明，CD製程窗2605與FR製程窗2610重疊以產生重疊製程窗2830。圖28B說明根據一或多個實施例的圖28A之重疊製程窗的橢圓形擬合。橢圓形2845可經擬合至重疊製程窗2830中，且可使用橢圓形2845判定製程窗度量2516(例如，如參考圖27中之橢圓形2720所描述)。
應注意，雖然圖28A及圖28B說明在藉由將一特徵之兩個單獨製程窗重疊來獲得的重疊製程窗中擬合一橢圓形，但可藉由重疊該特徵之兩個以上製程窗來獲得重疊製程窗。
此外，應注意，雖然前述段落描述擬合諸如橢圓形之形狀以表徵製程窗，但亦可使用形狀擬合演算法將其他形狀(例如，矩形)擬合至製程窗中以表徵製程窗。亦可使用其他製程窗表徵方法以及形狀擬合演算法或代替該形狀擬合演算法以獲得製程窗度量2516。執行操作P2515以
獲得特徵中之每一者的製程窗度量2516。
在操作P2520中，基於製程窗度量2516對特徵順位以產生特徵之順位清單2522。可基於曝光寬容度、焦點深度、形狀之區域或其他此等製程窗度量而對該等特徵順位。在一些實施例中，製程窗度量2516之值愈小，特徵愈臨界。
在操作P2525中，基於順位而識別臨界特徵2526。將具有滿足(例如，使用者所定義)指定臨限之製程窗度量2516的特徵識別為臨界特徵2526。舉例而言，可基於特徵之曝光寬容度小於臨限曝光寬容度而將該特徵識別為臨界特徵。在另一實例中，可基於特徵之曝光寬容度及焦點深度分別小於焦點之臨限曝光寬容度及臨限深度而將該特徵識別為臨界特徵。
可將關於臨界特徵2526之資訊用於產生含有臨界特徵之特徵群組的基礎FR模型的製程。舉例而言，在操作P2530中，可將關於臨界特徵2526之資訊輸入至圖14之基礎FR模型產生器1430，以識別含有臨界特徵的特徵群組，且產生所識別特徵群組的基礎FR模型2531。在一些實施例中，基礎FR模型產生器1430可將關於臨界特徵2526之資訊用於其他分析(例如，分析臨界特徵2526之分組覆蓋度)。
在一些實施例中，在基礎FR模型產生器1430產生各種特徵群組的基礎FR模型之後，亦可基於使用FR製程窗所獲得的製程窗度量2516而對特徵群組順位，該等FR製程窗藉由基礎FR模型產生器1430針對特徵群組而產生。
本文所揭示之概念可模擬或數學上模型化用於使子波長特徵成像之任何通用成像系統，且可尤其有用於能夠產生具有愈來愈小之大
小之波長的新興成像技術。已在使用中之新興技術包括EUV(極紫外)微影，其能夠藉由使用ArF雷射來產生193nm波長，且甚至能夠藉由使用氟雷射來產生157nm波長。此外，EUV微影能夠藉由使用同步加速器或藉由運用高能電子來撞擊材料(固體或電漿)而產生在20nm至5nm之範圍內的波長，以便產生在此範圍內之光子。
雖然本文所揭示之概念可用於在諸如矽晶圓之基板上之成像，但應理解，所揭示概念可供與任何類型之微影成像系統一起使用，例如，用於在除了矽晶圓以外之的基板上之成像之微影成像系統。
儘管可在本文中具體地參考在IC製造中的實施例之使用，但應理解，本文中之實施例可具有許多其他可能應用。舉例而言，其可使用於整合式光學系統之製造、用於磁域記憶體之導引及偵測圖案、液晶顯示器(LCD)、薄膜磁頭、微機械系統(MEM)等。熟習此項技術者應瞭解，在此類替代應用之內容背景中，本文中對術語「倍縮光罩」、「晶圓」或「晶粒」之任何使用可被視為分別與更一般術語「圖案化器件」、「基板」或「目標部分」同義或可與其互換。可在曝光之前或之後在(例如)塗佈顯影系統(通常將抗蝕劑層施加至基板且顯影經曝光抗蝕劑之工具)或度量衡或檢測工具中處理本文中所提及之基板。在適用情況下，可將本文中之揭示內容應用於此等及其他基板處理工具。另外，可將基板處理超過一次，例如以便產生例如多層IC，使得本文中所使用之術語基板亦可指已含有多個經處理層之基板。
在本發明文件中，如本文所使用之術語「輻射」及「光束」涵蓋所有類型之電磁輻射，包括紫外輻射(例如具有約365nm、約248nm、約193nm、約157nm或約126nm之波長)及極紫外(EUV)輻射
(例如具有介於5nm至20nm範圍內的波長)以及粒子束，諸如離子束或電子束。
如本文所使用之術語「最佳化(optimizing/optimization)」指代或意謂調整圖案化裝置(例如，微影裝置)、圖案化製程等等，使得結果及/或製程具有更合乎需要之特徵，諸如基板上之設計圖案之更高投影準確度、更大製程窗等等。因此，如本文所使用之術語「最佳化」係指或意謂識別用於一或多個參數之一或多個值的製程，該一或多個值相比於用於彼等一或多個參數之一或多個值之一初始集合提供至少一相關度量之改良，例如，局域最佳。應相應地解釋「最佳」及其他相關術語。在一實施例中，可反覆應用最佳化步驟，以提供一或多個度量之進一步改良。
可以任何便利形式實施本發明之態樣。舉例而言，可藉由一或多個適當電腦程式來實施實施例，該一或多個適當電腦程式可在可為有形載體媒體(例如，磁碟)或無形載體媒體(例如，通信信號)之適當載體媒體上進行。可使用可特定地採取可程式化電腦之形式的合適裝置來實施本發明之實施例，該可程式化電腦執行經配置以實施如本文所描述之方法之電腦程式。因此，本發明之實施例可以硬體、韌體、軟體或其任何組合來實施。本發明之實施例亦可被實施為儲存於機器可讀媒體上之指令，該等指令可由一或多個處理器讀取及執行。機器可讀媒體可包含用於儲存或傳輸以可由機器(例如，計算器件)讀取之形式之資訊的任何機構。舉例而言，機器可讀媒體可包括：唯讀記憶體(ROM)；隨機存取記憶體(RAM)；磁碟儲存媒體；光學儲存媒體；快閃記憶體器件；電學、光學、聲學或其他形式之傳播信號(例如，載波、紅外線信號、數位信號等等)及其他者。另外，韌體、軟件、例程、指令可在本文中被描述為執行某些動
作。然而，應瞭解，此等描述僅僅為方便起見，且此等動作事實上係由計算器件、處理器、控制器或執行韌體、軟體、常式、指令等等之其他器件引起。
在方塊圖中，所說明之組件被描繪為離散功能區塊，但實施例不限於本文中所描述之功能性如所說明來組織之系統。由組件中之每一者提供之功能性可由軟體或硬體模組提供，該等模組以與目前所描繪之方式不同之方式組織，例如，可摻和、結合、複寫、分解、分佈(例如，在資料中心內或地理上)，或以另外不同方式組織此軟體或硬體。本文中所描述之功能性可由執行儲存於有形的、非暫時性機器可讀媒體上之程式碼之一或多個電腦之一或多個處理器提供。在一些情況下，第三方內容遞送網路可主控經由網路傳達之資訊中之一些或全部，在此情況下，在據稱供應或另外提供資訊(例如，內容)之情況下，可藉由發送指令以自內容遞送網路擷取彼資訊提供該資訊。
除非另有具體陳述，否則如自論述顯而易見，應瞭解，貫穿本說明書，利用諸如「處理」、「計算」、「演算」、「判定」或其類似者之術語的論述係指諸如專用電腦或相似專用電子處理/計算器件之特定裝置的動作或製程。
可藉由以下條項進一步描述本發明之實施例。
1.一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定一圖案化製程之製程窗的方法，該方法包含：獲得經印刷於一基板上之複數個特徵之量測值資料；基於一度量而將該複數個特徵分組為複數個群組；及
基於與一特徵群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型經組態以識別與該特徵群組之一失效率相關的一製程窗。
2.如條項1之電腦可讀媒體，其中該度量包括：(a)該等特徵之每一特徵的一製程窗，其中該製程窗依據與該對應特徵相關聯之製程變數而變化；及(b)與該對應特徵相關聯之一特性參數。
3.如條項2之電腦可讀媒體，其中該等製程變數包括與用於該圖案化製程之一裝置相關聯的一焦點及劑量值，且其中該特性參數包括該對應特徵之一臨界尺寸(CD)值。
4.如條項3之電腦可讀媒體，其中將該等特徵分組包括：對於該等特徵之每一特徵，獲得該對應特徵之一平均CD值及位於該對應特徵之一製程窗之一邊緣處的與該平均CD相關聯之複數個劑量值及焦點值作為一度量值，及基於該等特徵之該等度量值而將該等特徵叢集至該等特徵群組中，其中一特定群組內的特徵具有位於一第一臨限內的度量值。
5.如條項1至4中任一項之電腦可讀媒體，其中叢集該等特徵包括：使用k平均數演算法叢集該等特徵。
6.如條項5之電腦可讀媒體，其中獲得該複數個特徵之該量測值資料包括：獲得具有經印刷於該基板上之該等特徵的影像，及分析該等影像以選擇該等特徵中滿足一指定準則的彼等特徵作為該複數個特徵。
7.如條項6之電腦可讀媒體，其中該指定準則包括一特徵在該基板上的一出現次數低於一第一臨限，或該特徵在該等影像之一影像中的一出現次數低於一第二臨限。
8.如條項6之電腦可讀媒體，其中產生該特徵群組的該基礎失效率模型包括：獲得該特徵群組之平均CD；將該特徵群組之局部CD均一性(LCDU)資料判定為與該特徵群組相關聯之該量測值資料；基於該LCDU資料而獲得：(i)該特徵群組之CD的一機率密度函數，其被定義為該平均CD、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該特徵群組中之特徵之失效率量測值的該圖案化製程之一CD極限；基於該CD極限及該CD之該機率密度函數而判定該特徵群組之一所估計失效率；及產生該基礎失效率模型，其識別與該劑量值相關的該製程窗，使得該特徵群組之該所估計失效率小於一預定臨限。
9.如條項8之電腦可讀媒體，其中判定該特徵群組之該LCDU資料包括：藉由以下操作判定該群組之該LCDU資料：跨越該複數個影像獲得該群組中之每一特徵的該LCDU資料；獲得該複數個影像之每一影像的每一特徵之CD平均數；及自該LCDU資料移除該CD平均數。
10.如條項8之電腦可讀媒體，其中獲得該特徵群組之該CD之該機
率密度函數包括：基於該劑量值之一方差而針對該劑量值判定一劑量之該機率密度函數；及基於一轉換函數而將該劑量之該機率密度函數轉換成該CD之該機率密度函數，其中該轉換函數係基於該劑量之該函數而判定。
11.如條項1之電腦可讀媒體，其中該失效率係關於一特徵之一或多個失效，該一或多個失效包括該特徵之一實體失效、一轉印失效及/或推遲失效。
12.如條項8之電腦可讀媒體，其進一步包含：將該基礎失效率模型儲存於一資料庫中，其中該資料庫包括複數個基礎失效率模型，其中每一基礎失效率模型對應於具有一指定度量值的一特徵群組。
13.如條項12之電腦可讀媒體，其進一步包含：使用該基礎失效率模型及一特定特徵之特性資料產生該特定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該特定特徵之一所估計失效率低於一指定臨限。
14.如條項12之電腦可讀媒體，其進一步包含：使用該基礎失效率模型產生一指定特徵群組的一特徵群組特定失效率模型，其中該特徵群組特定失效率模型識別一特徵群組特定製程窗，使得該指定特徵群組之一所估計失效率低於一指定臨限。
15.如條項13之電腦可讀媒體，其中產生該特徵特定失效率模型包括：接收與該特定特徵相關聯之量測值資料，其中該量測值資料包括針
對複數個劑量及焦點值的該特定特徵之CD值；自該量測值資料判定一指定度量值，其中該指定度量值經判定為一指定平均CD值及位於與該特定特徵相關聯之一製程窗之一邊緣處的與該指定平均CD值相關聯之複數個劑量值及焦點值的一函數；及自該資料庫選擇度量值匹配該指定度量值的一指定基礎失效率模型。
16.如條項15之電腦可讀媒體，其進一步包含：自該指定基礎失效率模型獲得CD之一基礎機率密度函數；及基於該指定平均CD值而調整該基礎機率密度函數之一平均CD以產生一經調整機率密度函數。
17.如條項16之電腦可讀媒體，其進一步包含：使用該經調整機率密度函數判定該圖案化製程的一第一CD極限或一第二CD極限中之至少一者，其中若該指定特徵之一CD高於該第一CD極限或低於該第二CD極限，則該指定特徵之該所估計失效率位於該指定臨限內。
18.如條項17之電腦可讀媒體，其進一步包含：獲得該特定特徵之CD的一場間CD變化、場內CD變化、一機率密度函數中之至少一者作為CD特徵曲線資料；及將該經調整機率密度函數與該CD特徵曲線資料迴旋以產生與該特定特徵相關聯之一經迴旋機率密度函數。
19.如條項18之電腦可讀媒體，其進一步包含：基於該第一CD極限、該第二CD極限及該經迴旋機率密度函數而判定該特定特徵之該所估計失效率；及
產生經組態以識別該特徵特定製程窗之該特徵特定失效率模型。
20.如條項19之電腦可讀媒體，其進一步包含：基於與該指定特徵相關之該製程窗而調整該圖案化製程之一或多個裝置，以最小化與該指定特徵相關聯之一失效率。
21.如條項6之電腦可讀媒體，其中產生該特徵群組的該基礎失效率模型包括：獲得該特徵群組之一CDe參數，將該特徵群組之局部CDe均一性(LCDeU)資料判定為與該特徵群組相關聯之該量測值資料，基於該LCDeU資料而獲得：(i)該特徵群組之CDe的一機率密度函數，其被定義為該CDe參數、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該特徵群組中之特徵之失效率量測值的該圖案化製程之一CDe極限，基於該CDe極限及該CDe之該機率密度函數而判定該特徵群組之一所估計失效率；及產生該基礎失效率模型，其識別與該劑量值相關的該製程窗，使得該特徵群組之該所估計失效率小於一預定臨限。
22.如條項21之電腦可讀媒體，其中判定該特徵群組之該LCDeU資料包括：藉由以下操作判定該群組之該LCDeU資料：跨越該複數個影像獲得該群組中之每一特徵的該LCDeU資料，獲得該複數個影像之每一影像的每一特徵之CDe平均數，及自該LCDeU資料移除該CDe平均數。
23.如條項21之電腦可讀媒體，其中獲得該CDe參數包括：基於與該特徵群組之一特徵相關聯之一邊緣置放誤差而判定該CDe參數。
24.如條項23之電腦可讀媒體，其中該邊緣置放誤差係基於該特徵之一CD、對應於該特徵之一目標特徵的一CD及該特徵之一置放誤差而判定。
25.如條項24之電腦可讀媒體，其中該特徵為一接觸孔，且其中該置放誤差為經印刷於一基板上的該接觸孔之一中心距離一目標接觸孔之一中心的一偏差。
26.如條項6之電腦可讀媒體，其中產生該特徵群組的該基礎失效率模型包括：獲得該特徵群組之一平均CD及一PEe參數，將該特徵群組之LCDU資料判定為與該特徵群組相關聯之該量測值資料，該LCDU基於該平均CD而判定，基於該LCDU資料而獲得：(i)該特徵群組之PEe的一機率密度函數，其被定義為該PEe參數、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該特徵群組中之特徵之失效率量測值的該圖案化製程之一PEe極限，基於該PEe極限及該PEe之該機率密度函數而判定該特徵群組之一所估計失效率，及產生該基礎失效率模型，其識別與該劑量值相關的該製程窗，使得該特徵群組之該所估計失效率小於一預定臨限。
27.如條項26之電腦可讀媒體，其中獲得該PEe參數包括：
基於對應於該特徵群組之一特徵的一目標特徵之一CD及該特徵之一置放誤差而判定該PEe參數。
28.如條項1之電腦可讀媒體，其中獲得該量測值資料包括：獲得該等特徵之一第一組製程窗，其中該第一組製程窗表示針對一第一組劑量及焦點值的該等特徵之一第一特性參數，其中該第一組製程窗包括該等特徵之一第一特徵的一第一製程窗；基於該第一組製程窗而獲得該等特徵的多個製程窗度量；及基於該等製程窗度量中之一或多者而對該等特徵順位。
29.如條項28之電腦可讀媒體，其進一步包含：基於該順位而判定臨界特徵，其中該等臨界特徵包括該等特徵中具有滿足一指定臨限之該等製程窗度量中之該一或多者的彼等特徵。
30.如條項29之電腦可讀媒體，其中產生該特徵群組的該基礎失效率模型包括：判定該等群組中具有該等臨界特徵中之一或多者的一第一特徵群組；及產生該第一特徵群組的該基礎失效率模型。
31.如條項28之電腦可讀媒體，其中獲得該第一組製程窗包括：在一曲線圖上標繪該第一特徵之該第一特性參數相對於劑量及焦點值，以產生該第一製程窗之一形狀。
32.如條項28之電腦可讀媒體，其中該第一特性參數包括該第一特徵之一CD、一缺陷計數、一失效率、一隨機邊緣置放誤差失效率或一隨機置放誤差中之一者。
33.如條項28之電腦可讀媒體，其中獲得該等製程窗度量包括：
執行一形狀擬合操作以將一形狀插入該第一製程窗中，以獲得一曝光寬容度、一焦點深度或該形狀之一面積中之一或多者作為該等製程窗度量。
34.如條項33之電腦可讀媒體，其中執行該形狀擬合操作包括：基於一指定條件而執行該形狀擬合操作以將一橢圓形擬合於該第一製程窗中。
35.如條項34之電腦可讀媒體，其中該指定條件包括具有(i)一指定面積、(ii)一指定曝光寬容度，或(iii)表示一曲線圖上之一指定劑量及聚焦值的一部位處之一中心的該橢圓形。
36.如條項34之電腦可讀媒體，其中執行該形狀擬合操作包括：將該曝光寬容度判定為該橢圓形之一高度與對應於該橢圓形之一中心的一劑量值的一函數。
37.如條項36之電腦可讀媒體，其中該高度藉由在該第一製程窗之一曲線圖上藉由該橢圓形佔據的劑量值之一範圍來判定。
38.如條項34之電腦可讀媒體，其中執行該形狀擬合操作包括：基於該橢圓形之一寬度而判定該焦點深度，其中該寬度藉由在該第一製程窗之一曲線圖上藉由該橢圓形佔據的焦點值之一範圍來判定。
39.如條項28之電腦可讀媒體，其中獲得該第一特徵之該等製程窗度量包括：獲得該等特徵之一第二組製程窗，其中該第二組製程窗包括該第一特徵之一第二製程窗，其中該第二組製程窗依據(i)與該等特徵相關聯之一第二特性參數及(ii)與該第二特性參數相關聯之一第二組劑量及焦點值而變化；
運用該第一製程窗及該第二製程窗執行一重疊操作以產生一重疊製程窗，其中該重疊製程窗為該第一製程窗及該第二製程窗在一曲線圖上之形狀的一相交區；及基於該重疊製程窗而獲得該第一特徵之該等製程窗度量。
40.如條項28之電腦可讀媒體，其進一步包含：基於與該對應群組之一失效率相關的一製程窗而獲得該等特徵群組中之每一群組的一組製程窗度量；及基於該組製程窗度量中之一或多者而對該等特徵群組順位。
41.一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定一圖案化製程之製程窗的方法，該方法包含：獲得經印刷於一基板上之複數個特徵之量測值資料；自該量測值資料導出該複數個特徵之一特性參數，其中該量測值資料包含指示該複數個特徵之置放誤差的資料；及基於與該等特徵相關聯之該特性參數而產生該等特徵之一失效率模型，其中該失效率模型經組態以判定對應於該等特徵之一失效率的一製程窗。
42.如條項41之電腦可讀媒體，其中該量測值資料包含與該等特徵之一特徵相關聯的一邊緣置放誤差(EPE)值或一置放誤差(PE)值中之一或多者。
43.如條項42之電腦可讀媒體，其中該PE值係基於該特徵之一部分距離一對應目標特徵之一對應部分的一偏差而判定。
44.如條項42之電腦可讀媒體，其中該EPE值係基於該特徵之一
CD值、該特徵之該PE值及一對應目標特徵之一目標CD值而判定。
45.如條項42之電腦可讀媒體，其中該特性參數係自該PE值或該EPE值中之至少一者組合一CD值導出的一參數。
46.如條項42之電腦可讀媒體，其中該特性參數包括自與該特徵相關聯之該CD值及該PE值導出的一CDe參數。
47.如條項42之電腦可讀媒體，其中該特性參數包括自對應於該特徵之一目標特徵的一目標CD值及與該特徵相關聯之該PE值導出的一PEe參數。
48.如條項41之電腦可讀媒體，其中產生該等特徵的該失效率模型包括：基於該特性參數而判定該等特徵之LCDU資料；基於該LCDU資料而獲得(i)該等特徵之該特性參數的一機率密度函數，其被定義為該特性參數、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該等特徵之失效率量測值的該圖案化製程之一特性參數極限；基於該特性參數極限及該特性參數之該機率密度函數而判定該等特徵之一所估計失效率；及產生可操作以判定與該劑量值相關之一製程窗的該失效率模型，使得該等特徵之該所估計失效率小於一預定臨限。
49.如條項48之電腦可讀媒體，其中判定該等特徵之該LCDU資料包括：藉由以下操作判定該等特徵之該LCDU資料：獲得該等特徵之每一特徵的該LCDU資料，
獲得每一特徵之該特性參數的平均值，及自該LCDU資料移除該平均值。
50.一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定一圖案化製程之製程窗的方法，該方法包含：獲得經印刷於一基板上之複數個特徵的量測值資料，其中該量測值資料包括與該等特徵之一特徵相關聯的一CD值、一邊緣置放誤差(EPE)值或一置放誤差(PE)值中之一或多者；導出該複數個特徵之一特性參數，其中該特性參數包括自該CD值及該PE值導出的一CDe參數；及基於與該等特徵相關聯之該特性參數而產生該等特徵之一失效率模型，其中該失效率模型經組態以識別與該等特徵之一失效率相關的一製程窗。
51.如條項50之電腦可讀媒體，其中產生該失效率模型包括：基於該CDe參數而判定該等特徵之局部CDe均一性(LCDeU)資料；基於該LCDeU資料而獲得：(i)該等特徵之CDe的一機率密度函數，其被定義為該CDe參數、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該等特徵之失效率量測值的該圖案化製程之一CDe極限；基於該CDe極限及該CDe之該機率密度函數而判定該等特徵之一所估計失效率；及產生該失效率模型，其識別與該劑量值相關的該製程窗，使得該等特徵之該所估計失效率小於一預定臨限。
52.如條項51之電腦可讀媒體，其中判定該等特徵之該LCDeU資料包括：藉由以下操作判定該等特徵之該LCDeU資料：獲得該等特徵之每一特徵之該LCDeU資料；獲得每一特徵之CDe平均數；及自該LCDeU資料移除該CDe平均數。
53.一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定一圖案化製程之製程窗的方法，該方法包含：獲得經印刷於一基板上之複數個特徵的量測值資料，其中該量測值資料包括與該等特徵之一特徵相關聯的一CD值、一邊緣置放誤差(EPE)值或一置放誤差(PE)值中之一或多者；導出該等特徵之一特性參數，其中該特性參數包括自一目標CD值及該PE值導出的一PEe參數；及基於與該等特徵相關聯之該特性參數而產生該等特徵之一失效率模型，其中該失效率模型經組態以識別與該等特徵之一失效率相關的一製程窗。
54.如條項53之電腦可讀媒體，其中產生該失效率模型包括：獲得該等特徵之一平均CD；基於該平均CD而判定該等特徵之該LCDU資料；基於該LCDU資料而獲得：(i)該等特徵之PEe的一機率密度函數，其被定義為該PEe參數、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該等特徵中之特徵之失效率量測值的該圖案化製程之一
PEe極限；基於該PEe極限及該PEe之該機率密度函數而判定該等特徵之一所估計失效率；及產生該失效率模型，其識別與該劑量值相關的該製程窗，使得該等特徵之該所估計失效率小於一預定臨限。
55.一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於基於一失效率而判定一圖案化製程之一製程窗的方法，該方法包含：基於一度量而將複數個特徵分組為複數個群組，其中該複數個群組之每一群組包括該等特徵之一子集；基於與該複數個群組之一群組中之特徵相關聯的量測值資料而產生該群組之一基礎失效率模型，其中該基礎失效率模型識別與該特徵群組之一所估計失效率相關的一製程窗；及使用該基礎失效率模型及與一指定特徵相關聯之量測值資料產生該指定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該指定特徵之一所估計失效率低於一指定臨限。
56.如條項55中任一項之電腦可讀媒體，其中將該等特徵分組包括：對於該等特徵之每一特徵，獲得該對應特徵之一平均CD值及位於該對應特徵之一製程窗之一邊緣處的與該平均CD相關聯之複數個劑量值及焦點值，及基於該等特徵之度量值而將該等特徵叢集至該等群組中，其中一特定群組內的該等特徵具有在一第一臨限內變化的度量值。
57.如條項55之電腦可讀媒體，其進一步包含：將該基礎失效率模型儲存於一資料庫中，其中該資料庫包括複數個基礎失效率模型，其中每一基礎失效率模型對應於具有一指定度量值的一特徵群組。
58.如條項57之電腦可讀媒體，其中產生該特徵特定失效率模型包括：接收與該指定特徵相關聯之量測值資料，其中該量測值資料包括針對複數個劑量及焦點值的該指定特徵之CD值；自與該指定特徵相關聯之該量測值資料判定一指定度量值，其中該指定度量值經判定為一指定平均CD值與位於一指定聚焦值的與該指定特徵相關聯之一製程窗之一邊緣處的與該指定平均CD值相關聯之一劑量值的一函數；及自該資料庫選擇度量值匹配該指定度量值的一指定基礎失效率模型。
59.如條項58之電腦可讀媒體，其進一步包含：自該指定基礎失效率模型獲得CD之一基礎機率密度函數；及基於該指定平均CD值而調整該基礎機率密度函數之一平均CD以產生一經調整機率密度函數。
60.如條項59之電腦可讀媒體，其進一步包含：使用該經調整機率密度函數判定該圖案化製程的一第一CD極限或一第二CD極限，其中當該指定特徵之一CD高於該第一CD極限或低於該第二CD極限時，該指定特徵之該所估計失效率位於該指定臨限內。
61.如條項60之電腦可讀媒體，其進一步包含：
獲得該指定特徵之CD的一場間CD變化、場內CD變化、一機率密度函數中之至少一者作為CD特徵曲線資料；及將該經調整機率密度函數與該CD特徵曲線資料迴旋以產生一經迴旋機率密度函數。
62.如條項61之電腦可讀媒體，其進一步包含：基於該第一CD極限、該第二CD極限及該經迴旋機率密度函數而判定該特定特徵之該所估計失效率；及產生該特徵特定失效率模型，其識別該特徵特定製程窗，使得該指定特徵之該所估計失效率小於該指定臨限。
63.如條項62之電腦可讀媒體，其進一步包含：基於與該指定特徵相關之該製程窗而調整該圖案化製程之一或多個裝置，以最小化與該指定特徵相關聯之一失效率。
64.如條項63之電腦可讀媒體，其中該一或多個裝置包括一微影裝置，其經組態以基於該特徵特定製程窗而執行該基板上之圖案化。
65.一種用於判定一圖案化製程之製程窗的方法，該方法包含：獲得經印刷於一基板上之複數個特徵之量測值資料；基於一度量而將該等特徵分組為複數個群組；及基於與一特徵群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型經組態以識別與該特徵群組之一失效率相關的一製程窗。
66.一種用於判定一圖案化製程之製程窗的方法，該方法包含：獲得經印刷於一基板上之複數個特徵之量測值資料；基於一度量而將該複數個特徵分組為複數個群組，其中該複數個群
組之每一群組包括該等特徵之一子集；基於與該複數個群組之一群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型經組態以識別與該特徵群組之一失效率相關的一製程窗；及使用該基礎失效率模型及與一特定特徵相關聯之量測值資料產生該特定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該特定特徵之一所估計失效率低於一指定臨限。
67.一種非暫時性電腦可讀媒體，其上記錄有指令，該等指令在由一電腦執行時實施如以上條項中任一項之方法。
68.一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定經印刷於一基板上之臨界特徵的方法，該方法包含：獲得經印刷於一基板上之複數個特徵之量測值資料；基於該量測值資料而獲得該等特徵之一第一組製程窗，其中該第一組製程窗表示針對一第一組劑量及焦點值的該等特徵之一第一特性參數，其中該第一組製程窗包括該等特徵之一第一特徵的一第一製程窗；基於該第一組製程窗而獲得該等特徵中之每一者的多個製程窗度量；及將該等特徵中具有滿足一指定臨限之該等製程窗度量中之該一或多者的彼等特徵判定為臨界特徵。
69.如條項68之電腦可讀媒體，其進一步包含：基於一度量而將該複數個特徵分組為複數個群組；判定該等群組中具有該等臨界特徵中之一或多者的一特徵群組；及
基於與該特徵群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型經組態以識別與該特徵群組之一失效率相關的一製程窗。
70.如條項68之電腦可讀媒體，其中獲得該等製程窗度量包括：執行一形狀擬合操作以將一形狀插入該第一製程窗中，以獲得一曝光寬容度、一焦點深度或該形狀之一面積中之一或多者作為該第一特徵之該等製程窗度量。
71.如條項70之電腦可讀媒體，其中執行該形狀擬合操作包括：基於一指定條件而執行該形狀擬合操作以將一橢圓形擬合於該第一製程窗中。
72.如條項71之電腦可讀媒體，其中該指定條件包括具有(i)一指定面積、(ii)一指定曝光寬容度，或(iii)表示一曲線圖上之一指定劑量及聚焦值的一部位處之一中心的該橢圓形。
73.如條項71之電腦可讀媒體，其中執行該形狀擬合操作包括：將該曝光寬容度判定為該橢圓形之一高度與對應於該橢圓形之一中心的一劑量值的一函數。
74.如條項73之電腦可讀媒體，其中該高度藉由在該第一製程窗之一曲線圖上藉由該橢圓形佔據的劑量值之一範圍來判定。
75.如條項71之電腦可讀媒體，其中執行該形狀擬合操作包括：基於該橢圓形之一寬度而判定該焦點深度，其中該寬度藉由在該第一製程窗之一曲線圖上藉由該橢圓形佔據的焦點值之一範圍來判定。
76.一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定經印刷於一基板上之臨界特徵的方
法，該方法包含：獲得經印刷於一基板上之複數個特徵之量測值資料；基於該量測值資料而獲得該等特徵之一第一組製程窗，其中該第一組製程窗表示針對一第一組劑量及焦點值的該等特徵之一第一特性參數，其中該第一組製程窗包括該等特徵之一第一特徵的一第一製程窗；基於該量測值資料而獲得該等特徵之一第二組製程窗，其中該第二組製程窗表示針對一第二組劑量及焦點值的該等特徵之一第二特性參數，其中該第二特性參數不同於該第一特性參數，其中該第二組製程窗包括該第一特徵之一第二製程窗；運用該第一製程窗及該第二製程窗執行一重疊操作以產生一第一重疊製程窗，其中該第一重疊製程窗為該第一製程窗及該第二製程窗在一曲線圖上之形狀的一相交區；基於該對應特徵之一重疊製程窗而獲得該等特徵中之每一者的多個製程窗度量；及將該等特徵中具有滿足一指定臨限之該等製程窗度量中之該一或多者的彼等特徵判定為臨界特徵。
77.如條項76之電腦可讀媒體，其進一步包含：基於一度量而將該複數個特徵分組為複數個群組；判定該等群組中具有該等臨界特徵中之一或多者的一特徵群組；及基於與該特徵群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型經組態以識別與該特徵群組之一失效率相關的一製程窗。
78.如條項76之電腦可讀媒體，其中獲得該等製程窗度量包括：
執行一形狀擬合操作以將一形狀插入該第一製程窗中，以獲得一曝光寬容度、一焦點深度或該形狀之一面積中之一或多者作為該第一特徵之該等製程窗度量。
79.如條項78之電腦可讀媒體，其中執行該形狀擬合操作包括：基於一指定條件而執行該形狀擬合操作以將一橢圓形擬合於該第一製程窗中。
80.如條項79之電腦可讀媒體，其中該指定條件包括具有(i)一指定面積、(ii)一指定曝光寬容度，或(iii)表示一曲線圖上之一指定劑量及聚焦值的一部位處之一中心的該橢圓形。
81.如條項79之電腦可讀媒體，其中執行該形狀擬合操作包括：將該曝光寬容度判定為該橢圓形之一高度與對應於該橢圓形之一中心的一劑量值的一函數。
82.如條項81之電腦可讀媒體，其中該高度藉由在該第一製程窗之一曲線圖上藉由該橢圓形佔據的劑量值之一範圍來判定。
83.如條項79之電腦可讀媒體，其中執行該形狀擬合操作包括：基於該橢圓形之一寬度而判定該焦點深度，其中該寬度藉由在該第一製程窗之一曲線圖上藉由該橢圓形佔據的焦點值之一範圍來判定。
84.一種方法，包括獲得經印刷於一基板上之複數個特徵之量測值資料；及基於與不同的一特徵群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型，其中該基礎失效率模型經組態以根據該特徵群組之一失效率識別一製程窗。
85.如條項84之方法，其進一步包含基於一度量而將該複數個特徵
分組為包含該群組之複數個群組。
86.如條項84之電腦可讀媒體，其中該度量包括：(a)該等特徵之每一特徵的一製程窗，其中該製程窗依據與該對應特徵相關聯之製程變數而變化；及(b)與該對應特徵相關聯之一特性參數。
87.如條項85之方法，其中該等製程變數包括與用於該圖案化製程之一裝置相關聯的一焦點及劑量值，且其中該特性參數包括該對應特徵之一臨界尺寸(CD)值。
88.如條項85之方法，其中將該等特徵分組包括：對於該等特徵之每一特徵，獲得該對應特徵之一平均CD值及位於該對應特徵之一製程窗之一邊緣處的與該平均CD相關聯之複數個劑量值及焦點值作為一度量值，及基於該等特徵之該等度量值而將該等特徵叢集至該等特徵群組中，其中一特定群組內的特徵具有位於一第一臨限內的度量值。
89.如條項84之方法，其中獲得該複數個特徵之該量測值資料包括：獲得具有經印刷於該基板上之該等特徵的影像，及分析該等影像以選擇滿足一指定準則之特徵作為該複數個特徵。
90.如條項89之方法，其中該指定準則包括一特徵在該基板上的一出現次數低於一第一臨限，或該特徵在該等影像之一影像中的一出現次數低於一第二臨限。
91.如條項84之方法，其中產生該特徵群組的該基礎失效率模型包括：獲得該特徵群組之平均CD；
將該特徵群組之局部CD均一性(LCDU)資料判定為與該特徵群組相關聯之該量測值資料；基於該LCDU資料而獲得：(i)該特徵群組之CD的一機率密度函數，其被定義為該平均CD、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該特徵群組中之特徵之失效率量測值的該圖案化製程之一CD極限；基於該CD極限及該CD之該機率密度函數而判定該特徵群組之一所估計失效率；及產生該基礎失效率模型，其識別與該劑量值相關的該製程窗，使得該特徵群組之該所估計失效率小於一預定臨限。
92.如條項84之方法，其進一步包含：使用該基礎失效率模型及一特定特徵之特性資料產生該特定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該特定特徵之一所估計失效率低於一指定臨限。
93.如條項92之方法，其中產生該特徵特定失效率模型包括：接收與該特定特徵相關聯之量測值資料，其中該量測值資料包括針對複數個劑量及焦點值的該特定特徵之CD值；自該量測值資料判定一指定度量值，其中該指定度量值經判定為一指定平均CD值及位於與該特定特徵相關聯之一製程窗之一邊緣處的與該指定平均CD值相關聯之複數個劑量值及焦點值的一函數；及自該資料庫選擇度量值匹配該指定度量值的一指定基礎失效率模型。
94.如條項92之方法，其進一步包含：
自該指定基礎失效率模型獲得CD之一基礎機率密度函數；及基於該指定平均CD值而調整該基礎機率密度函數之一平均CD以產生一經調整機率密度函數。
95.如條項94之電腦可讀媒體，其進一步包含：獲得該特定特徵之CD的一場間CD變化、場內CD變化、一機率密度函數中之至少一者作為CD特徵曲線資料；及將該經調整機率密度函數與該CD特徵曲線資料迴旋以產生與該特定特徵相關聯之一經迴旋機率密度函數。
96.如條項12之電腦可讀媒體，其進一步包含：基於該第一CD極限、該第二CD極限及該經迴旋機率密度函數而判定該特定特徵之該所估計失效率；及產生經組態以識別該特徵特定製程窗之該特徵特定失效率模型。
97.如條項92之方法，其進一步包含：基於與該指定特徵相關之該製程窗而調整該圖案化製程之一或多個裝置，以最小化與該指定特徵相關聯之一失效率。
98.一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種如條項84至97中所描述之方法。
讀者應瞭解，本申請案描述若干發明。已將此等發明分組成單一文件，而非將彼等發明分離成多個單獨的專利申請案，此係因為該等發明之相關主題在應用製程中有助於經濟發展。但不應合併此等發明之相異優點及態樣。在一些狀況下，實施例解決本文中所提及之所有缺陷，但應理解，該等發明係獨立地有用，且一些實施例僅解決此等問題之子集或提供其他未提及之益處，該等益處對於檢閱本發明之熟習此項技術者將
顯而易見。歸因於成本約束，目前可不主張本文中所揭示之一些發明，且可在稍後申請案(諸如接續申請案或藉由修正本技術方案)中主張該等發明。相似地，歸因於空間限制，本發明文件之[發明摘要]及[發明內容]章節皆不應被視為含有所有此等發明之全面清單或此等發明之所有態樣。
應理解，描述及圖式不意欲將本發明限制於所揭示之特定形式，但相反，意欲涵蓋屬於如由所附申請專利範圍所界定的本發明之精神及範疇內之所有修改、等效者及替代例。
鑒於此描述，本發明之各個態樣的修改及替代實施例對於熟習此項技術者而言將顯而易見。因此，此描述及圖式應被理解為僅為說明性的且係出於教示熟習此項技術者實施本發明之一般方式之目的。應理解，本文中所展示且描述之本發明之形式應被視為實施例之實例。元件及材料可替代本文中所說明及描述之元件及材料，部分及製程可被反轉或被省略，可獨立利用某些特徵，且可組合實施例或實施例之特徵，此皆如對熟習此項技術者在獲得此描述之益處之後將顯而易見。在不背離如在以下申請專利範圍中所描述之本發明之精神及範疇的情況下，可對本文所述之元件作出改變。本文中所使用之標題僅為達成組織性目的，且不意謂用以限制本說明書之範疇。
如遍及本申請案所使用，詞「可」係在許可之意義(亦即，意謂有可能)而非強制性之意義(亦即，意謂必須)予以使用。詞「包括(include/including/includes)」及其類似者意謂包括但不限於。如貫穿本申請案所使用，單數形式「一(a/an)」及「該(the)」包括複數個參照物，除非內容另有明確地指示。因此，舉例而言，對「元件(an element/a element)」之參考包括兩個或多於兩個元件之組合，儘管會針對一或多個
元件使用其他術語及短語，諸如「一或多個」。除非另有指示，否則術語「或」係非排他性的，亦即，涵蓋「及」與「或」兩者。描述條件關係之術語，例如，「回應於X，而Y」、「在X後，即Y」、「若X，則Y」、「當X時，Y」及其類似者涵蓋因果關係，其中前提為必要的因果條件，前提為充分的因果條件，或前提為結果的貢獻因果條件，例如，「在條件Y獲得後，即出現狀態X」對於「僅在Y後，才出現X」及「在Y及Z後，即出現X」為通用的。此等條件關係不限於即刻遵循前提而獲得之結果，此係因為可延遲一些結果，且在條件陳述中，前提連接至其結果，例如，前提係與出現結果之似然性相關。除非另有指示，否則複數個特質或功能經映射至複數個物件(例如，執行步驟A、B、C及D之一或多個處理器)之陳述涵蓋所有此等特質或功能經映射至所有此等物件及特質或功能之子集經映射至特質或功能之子集兩者(例如，所有處理器各自執行步驟A至D，及其中處理器1執行步驟A，處理器2執行步驟B及步驟C之一部分，且處理器3執行步驟C之一部分及步驟D之狀況)。另外，除非另有指示，否則一個值或動作係「基於」另一條件或值之陳述涵蓋條件或值為單獨因數之情況及條件或值為複數個因數當中之一個因數之情況兩者。除非另有指示，否則某一集合之「每一」例項具有某一屬性之陳述不應被解讀為排除較大集合之一些以其他方式相同或相似成員不具有該屬性(亦即，每一者未必意謂每個都)之狀況。對自一範圍選擇之提及包括該範圍之端點。
在以上描述中，流程圖中之任何程序、描述或區塊應理解為表示程式碼之模組、區段或部分，其包括用於實施該程序中之特定的邏輯功能或步驟之一或多個可執行指令，且替代實施方案包括於本發明進展之例示性實施例之範疇內，其中功能可取決於所涉及之功能性不按照所展
示或論述之次序執行，包括實質上同時或以相反次序執行，如熟習此項技術者應理解。
在某些美國專利、美國專利申請案或其他材料(例如論文)已以引用方式併入之情況下，此等美國專利、美國專利申請案及其他材料之文字僅在此材料與本文中所闡述之陳述及圖式之間不存在衝突之情況下以引用的方式併入。在存在此類衝突之情況下，在此類以引用方式併入的美國專利、美國專利申請案及其他材料中之任何此類衝突並不具體地以引用方式併入本文中。
雖然已描述某些實施例，但此等實施例僅作為實例來呈現，且並不意欲限制本發明之範圍。實際上，本文中所描述之新穎方法、裝置及系統可以多種其他形式體現；此外，在不背離本發明之精神的情況下，可對本文中所描述之方法、裝置及系統的形式進行各種省略、替代及改變。隨附申請專利範圍及其等效物意欲涵蓋如將屬於本發明之範圍及精神內的此類形式或修改。
1405:掃描電子顯微鏡影像
1410:特徵選擇模組
1415:特徵
1420:特徵分組模組
1422:特徵群組
1425:特徵群組
1430:基礎失效率模型產生器
1435:基礎失效率模型
1440:資料庫
1445:特徵特定失效率模型產生器
1450:給定特徵
1460:特徵特定失效率模型
Claims (15)
- 一種具有指令之非暫時性電腦可讀媒體，該等指令在由一電腦執行時致使該電腦執行一種用於判定一圖案化製程之製程窗(process window)的方法，該方法包含：獲得經印刷於一基板上之複數個特徵之量測值資料(measurement data)；及基於與不同的一特徵群組相關聯之該量測值資料而產生該特徵群組的一基礎失效率模型(base failure rate model)，其中該基礎失效率模型經組態以根據該特徵群組之一失效率(failure rate)識別一製程窗。
- 如請求項1之電腦可讀媒體，其進一步包含基於一度量而將該複數個特徵分組為包含該群組之複數個群組。
- 如請求項2之電腦可讀媒體，其中該度量包括：(a)該等特徵之每一特徵的一製程窗，其中該製程窗依據與一對應特徵相關聯之製程變數而變化；及(b)與該對應特徵相關聯之一特性參數。
- 如請求項3之電腦可讀媒體，其中該等製程變數包括與用於該圖案化製程之一裝置相關聯的一焦點及劑量值，且其中該特性參數包括該對應特徵之一臨界尺寸(CD)值。
- 如請求項2之電腦可讀媒體，其中將該等特徵分組包括： 對於該等特徵之每一特徵，獲得一對應特徵之一平均CD值及位於該對應特徵之一製程窗之一邊緣處的與該平均CD相關聯之複數個劑量值及焦點值作為一度量值，及基於該等特徵之該等度量值而將該等特徵叢集至該等特徵群組中，其中一特定群組內的特徵具有位於一第一臨限內的度量值。
- 如請求項1之電腦可讀媒體，其中獲得該複數個特徵之該量測值資料包括：獲得具有經印刷於該基板上之該等特徵的影像，及分析該等影像以選擇滿足一指定準則之特徵作為該複數個特徵。
- 如請求項6之電腦可讀媒體，其中該指定準則包括一特徵在該基板上的一出現次數低於一第一臨限，或該特徵在該等影像之一影像中的一出現次數低於一第二臨限。
- 如請求項1之電腦可讀媒體，其中產生該特徵群組的該基礎失效率模型包括：獲得該特徵群組之平均CD；將該特徵群組之局部CD均一性(LCDU)資料判定為與該特徵群組相關聯之該量測值資料；基於該LCDU資料而獲得：(i)該特徵群組之CD的一機率密度函數，其被定義為該平均CD、該圖案化製程之一劑量值及該劑量值之一方差的一函數；及(ii)基於該特徵群組中之特徵之失效率量測值的該圖案化製程 之一CD極限；基於該CD極限及該CD之該機率密度函數而判定該特徵群組之一所估計失效率；及產生該基礎失效率模型，其識別與該劑量值相關的該製程窗，使得該特徵群組之該所估計失效率小於一預定臨限。
- 如請求項1之電腦可讀媒體，其進一步包含：使用該基礎失效率模型及一特定特徵之特性資料產生該特定特徵的一特徵特定失效率模型，其中該特徵特定失效率模型識別一特徵特定製程窗，使得該特定特徵之一所估計失效率低於一指定臨限。
- 如請求項9之電腦可讀媒體，其中產生該特徵特定失效率模型包括：接收與該特定特徵相關聯之量測值資料，其中該量測值資料包括針對複數個劑量及焦點值的該特定特徵之CD值；自該量測值資料判定一指定度量值，其中該指定度量值經判定為一指定平均CD值及位於與該特定特徵相關聯之一製程窗之一邊緣處的與該指定平均CD值相關聯之複數個劑量值及焦點值的一函數；及自該資料庫選擇度量值匹配該指定度量值的一指定基礎失效率模型。
- 如請求項9之電腦可讀媒體，其進一步包含：自該指定基礎失效率模型獲得CD之一基礎機率密度函數；及基於該指定平均CD值而調整該基礎機率密度函數之一平均CD以產生 一經調整機率密度函數。
- 如請求項11之電腦可讀媒體，其進一步包含：獲得該特定特徵之CD的一場間CD變化、場內CD變化、一機率密度函數中之至少一者作為CD特徵曲線資料；及將該經調整機率密度函數與該CD特徵曲線資料迴旋以產生與該特定特徵相關聯之一經迴旋機率密度函數。
- 如請求項12之電腦可讀媒體，其進一步包含：基於一第一CD極限、一第二CD極限及該經迴旋機率密度函數而判定該特定特徵之該所估計失效率；及產生經組態以識別該特徵特定製程窗之該特徵特定失效率模型。
- 如請求項9之電腦可讀媒體，其進一步包含：基於與該指定特徵相關之該製程窗而調整該圖案化製程之一或多個裝置，以最小化與該指定特徵相關聯之一失效率。
- 如請求項1之電腦可讀媒體，其中獲得該量測值資料包括：獲得該等特徵之一第一組製程窗，其中該第一組製程窗表示針對一第一組劑量及焦點值的該等特徵之一第一特性參數，其中該第一組製程窗包括該等特徵之一第一特徵的一第一製程窗；基於該第一組製程窗而獲得該等特徵的多個製程窗度量；及基於該等製程窗度量中之一或多者而對該等特徵順位， 且其中獲得該第一特徵的該等製程窗度量包括：獲得該等特徵之一第二組製程窗，其中該第二組製程窗包括該第一特徵之一第二製程窗，其中該第二組製程窗依據(i)與該等特徵相關聯之一第二特性參數及(ii)與該第二特性參數相關聯之一第二組劑量及焦點值而變化；運用該第一製程窗及該第二製程窗執行一重疊操作以產生一重疊製程窗，其中該重疊製程窗為該第一製程窗及該第二製程窗在一曲線圖上之形狀的一相交區；及基於該重疊製程窗而獲得該第一特徵之該等製程窗度量。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| WOPCT/CN2020/100137 | 2020-07-03 | ||
| CN2020100137 | 2020-07-03 | ||
| CN2021081068 | 2021-03-16 | ||
| WOPCT/CN2021/081068 | 2021-03-16 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202217462A TW202217462A (zh) | 2022-05-01 |
| TWI779674B true TWI779674B (zh) | 2022-10-01 |
Family
ID=76641654
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW110122290A TWI779674B (zh) | 2020-07-03 | 2021-06-18 | 基於失效率之製程窗 |
| TW111133718A TWI831362B (zh) | 2020-07-03 | 2021-06-18 | 基於失效率之製程窗 |
| TW113101155A TWI874092B (zh) | 2020-07-03 | 2021-06-18 | 基於失效率之製程窗 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111133718A TWI831362B (zh) | 2020-07-03 | 2021-06-18 | 基於失效率之製程窗 |
| TW113101155A TWI874092B (zh) | 2020-07-03 | 2021-06-18 | 基於失效率之製程窗 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230221652A1 (zh) |
| KR (2) | KR20250153303A (zh) |
| CN (1) | CN115735162A (zh) |
| TW (3) | TWI779674B (zh) |
| WO (1) | WO2022002599A1 (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023131476A1 (en) * | 2022-01-07 | 2023-07-13 | Asml Netherlands B.V. | Method and computer program for grouping pattern features of a substantially irregular pattern layout |
| EP4261616A1 (en) * | 2022-04-13 | 2023-10-18 | ASML Netherlands B.V. | Method and computer program for grouping pattern features of a substantially irregular pattern layout |
| JP2026502003A (ja) * | 2023-01-27 | 2026-01-20 | エーエスエムエル ネザーランズ ビー．ブイ． | 故障率予測の精度を改善するための、予想されるクリティカルディメンジョンからの欠陥確率のモデル化 |
| WO2025067792A1 (en) * | 2023-09-25 | 2025-04-03 | Asml Netherlands B.V. | Methodology to predict a part per trillion failure rate |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160162626A1 (en) * | 2014-12-01 | 2016-06-09 | Globalfoundries Inc. | Lithography process window prediction based on design data |
| TW202024772A (zh) * | 2018-11-08 | 2020-07-01 | 荷蘭商Ａｓｍｌ荷蘭公司 | 用於預測由於抗蝕劑層引起的失效的失效模型 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7317531B2 (en) * | 2002-12-05 | 2008-01-08 | Kla-Tencor Technologies Corporation | Apparatus and methods for detecting overlay errors using scatterometry |
| DE60319462T2 (de) | 2002-06-11 | 2009-03-12 | Asml Netherlands B.V. | Lithographischer Apparat und Verfahren zur Herstellung eines Artikels |
| US7791727B2 (en) | 2004-08-16 | 2010-09-07 | Asml Netherlands B.V. | Method and apparatus for angular-resolved spectroscopic lithography characterization |
| US7617477B2 (en) | 2005-09-09 | 2009-11-10 | Brion Technologies, Inc. | Method for selecting and optimizing exposure tool using an individual mask error model |
| WO2008142604A2 (en) * | 2007-05-23 | 2008-11-27 | Nxp B.V. | Process-window aware detection and correction of lithographic printing issues at mask level |
| NL1036189A1 (nl) * | 2007-12-05 | 2009-06-08 | Brion Tech Inc | Methods and System for Lithography Process Window Simulation. |
| NL1036245A1 (nl) | 2007-12-17 | 2009-06-18 | Asml Netherlands Bv | Diffraction based overlay metrology tool and method of diffraction based overlay metrology. |
| NL1036597A1 (nl) | 2008-02-29 | 2009-09-01 | Asml Netherlands Bv | Metrology method and apparatus, lithographic apparatus, and device manufacturing method. |
| NL2003699A (en) * | 2008-12-18 | 2010-06-21 | Brion Tech Inc | Method and system for lithography process-window-maximixing optical proximity correction. |
| CN102498441B (zh) | 2009-07-31 | 2015-09-16 | Asml荷兰有限公司 | 量测方法和设备、光刻系统以及光刻处理单元 |
| SG178368A1 (en) | 2009-08-24 | 2012-04-27 | Asml Netherlands Bv | Metrology method and apparatus, lithographic apparatus, lithographic processing cell and substrate comprising metrology targets |
| NL2007425A (en) | 2010-11-12 | 2012-05-15 | Asml Netherlands Bv | Metrology method and apparatus, and device manufacturing method. |
| US8856698B1 (en) | 2013-03-15 | 2014-10-07 | Globalfoundries Inc. | Method and apparatus for providing metric relating two or more process parameters to yield |
| WO2015090774A1 (en) * | 2013-12-17 | 2015-06-25 | Asml Netherlands B.V. | Yield estimation and control |
| SG11201606207WA (en) * | 2014-02-12 | 2016-09-29 | Asml Netherlands Bv | Method of optimizing a process window |
| US10459345B2 (en) * | 2015-03-06 | 2019-10-29 | Asml Netherlands B.V. | Focus-dose co-optimization based on overlapping process window |
| CN106325005B (zh) * | 2016-10-12 | 2018-03-23 | 中国科学院微电子研究所 | 一种光刻工艺窗口的测量方法 |
| US11348018B2 (en) * | 2017-12-19 | 2022-05-31 | Aspen Technology, Inc. | Computer system and method for building and deploying models predicting plant asset failure |
| CN111512237B (zh) | 2017-12-22 | 2023-01-24 | Asml荷兰有限公司 | 基于缺陷概率的过程窗口 |
| US11341021B2 (en) * | 2020-05-31 | 2022-05-24 | Microsoft Technology Licensing, Llc | Feature deployment readiness prediction |
-
2021
- 2021-06-17 KR KR1020257033130A patent/KR20250153303A/ko active Pending
- 2021-06-17 US US18/008,765 patent/US20230221652A1/en active Pending
- 2021-06-17 WO PCT/EP2021/066324 patent/WO2022002599A1/en not_active Ceased
- 2021-06-17 KR KR1020237000226A patent/KR102869618B1/ko active Active
- 2021-06-17 CN CN202180046736.0A patent/CN115735162A/zh active Pending
- 2021-06-18 TW TW110122290A patent/TWI779674B/zh active
- 2021-06-18 TW TW111133718A patent/TWI831362B/zh active
- 2021-06-18 TW TW113101155A patent/TWI874092B/zh active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160162626A1 (en) * | 2014-12-01 | 2016-06-09 | Globalfoundries Inc. | Lithography process window prediction based on design data |
| TW202024772A (zh) * | 2018-11-08 | 2020-07-01 | 荷蘭商Ａｓｍｌ荷蘭公司 | 用於預測由於抗蝕劑層引起的失效的失效模型 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102869618B1 (ko) | 2025-10-15 |
| TW202418004A (zh) | 2024-05-01 |
| CN115735162A (zh) | 2023-03-03 |
| KR20230019952A (ko) | 2023-02-09 |
| TWI874092B (zh) | 2025-02-21 |
| US20230221652A1 (en) | 2023-07-13 |
| TW202301040A (zh) | 2023-01-01 |
| TW202217462A (zh) | 2022-05-01 |
| TWI831362B (zh) | 2024-02-01 |
| KR20250153303A (ko) | 2025-10-24 |
| WO2022002599A1 (en) | 2022-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102685425B1 (ko) | 패터닝 공정에서의 웨이퍼 거동을 결정하기 위해 이미지 패턴들을 그룹화하는 장치 및 방법 | |
| US11568123B2 (en) | Method for determining an etch profile of a layer of a wafer for a simulation system | |
| US11977334B2 (en) | Wavefront optimization for tuning scanner based on performance matching | |
| CN111512237B (zh) | 基于缺陷概率的过程窗口 | |
| TWI788885B (zh) | 基於計算度量衡之取樣方案 | |
| TWI785504B (zh) | 用於調整製程窗之方法及其相關非暫時性電腦可讀媒體 | |
| TWI824334B (zh) | 非暫時性電腦可讀媒體 | |
| TWI779674B (zh) | 基於失效率之製程窗 | |
| US20220404718A1 (en) | Matching pupil determination | |
| CN114341742A (zh) | 确定图案的像差灵敏度的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GD4A | Issue of patent certificate for granted invention patent |