确定性能参数分布的方法与流程

本发明涉及一种可用于例如在通过光刻技术的器件的制造中执行量测的量测设备和方法。本发明还涉及用于监测光刻过程中的随机效应的这种方法。

背景技术：

1、光刻设备是将期望的图案施加至衬底上(通常施加至衬底的目标部分上)的机器。光刻设备可以用于例如集成电路(ic)的制造中。在那种情况下，图案形成装置(被替代地称为掩模或掩模版)可以用以产生待形成在ic的单独的层上的电路图案。这种图案可以转印至衬底(例如，硅晶片)上的目标部分(例如，包括管芯的部分、一个管芯或若干管芯)上。图案的转印通常经由成像至被设置在衬底上的辐射敏感材料(抗蚀剂)层上来进行。通常，单个衬底将包含被连续地图案化的相邻目标部分的网络。

2、在光刻过程中，需要频繁地对所创建的结构进行测量，例如用于过程控制和验证。已知用于进行这种测量的各种工具，包括通常用于测量临界尺寸(cd)的扫描电子显微镜以及用于测量重叠、器件中的两层的对准准确性的专用工具。最近，已经开发了用于光刻领域的各种形式的散射仪。这些装置将辐射束引导到目标上，并测量散射辐射的一个或多个性质—例如，在单个反射角下的作为波长的函数的强度；在一个或多个波长下的作为反射角的函数的强度；或作为反射角的函数的偏振—以获取从中可以确定目标的感兴趣性质的衍射“光谱”。

3、已知的散射计的示例包括us2006033921a1和us2010201963a1中描述的类型的角度分辨散射计。这种散射计所使用的目标相对较大(例如40μm×40μm的光栅)，测量束产生小于光栅的斑点(即光栅被欠填充)。暗场成像量测的示例可以在国际专利申请us20100328655a1和us2011069292a1中找到，这些文献通过引用整体并入本文。该技术的进一步发展已经在公开的专利出版物us20110027704a、us20110043791a、us2011102753a1、us20120044470a、us20120123581a、us20130258310a、us20130271740a和wo2013178422a1中进行了描述。这些目标可以小于照射斑点，并且可以被晶片上的产品结构包围。使用复合光栅目标可以在一个图像中测量多个光栅。所有这些申请的内容也通过引用并入本文。

4、目前，图案化性能可以通过边缘放置误差(epe)来表征。特征的边缘的位置误差是由特征的横向位置误差(重叠、图案偏移)和特征的尺寸误差(cd误差)确定的。特征尺寸和位置误差的部分是非常局部的并且本质上是随机的；例如，取决于与局部重叠(lovl)、局部cd均匀性(lcdu)、线边缘粗糙度(ler)和线宽粗糙度(lwr)相关的局部放置误差。所有这些都可能是epe性能的重要贡献项。

5、由于epe度量的局部性和随机性本质，因此测量epe(特别是跨晶片测量epe)的量测是非常密集的。期望减少进行有效的epe监测所需的量测工作。

技术实现思路

1、本发明提供了一种确定性能参数分布和/或相关联的分位数函数的方法，所述性能参数与用于在衬底上形成一个或多个结构的半导体制造过程相关联，所述方法包括：获得分位数函数预测模型，所述分位数函数预测模型能够操作为针对衬底上的位置和给定的分位数概率预测分位数值，使得所预测的分位数值作为分位数概率的函数单调地变化；以及使用所述分位数函数预测模型针对与所述衬底上的一个或多个位置相关的一个或多个分位数概率预测分位数值。

2、本发明还提供了一种计算机程序产品，所述计算机程序产品包括机器可读指令，所述机器可读指令使所述处理器执行根据本发明的方法，以及相关联的量测设备和光刻系统。

3、下面参照附图详细描述本发明的其他特征和优点，以及本发明的各种实施例的结构和操作。应当注意，本发明不限于本文所描述的特定实施例。本文中仅出于说明目的而呈现这样的实施例。基于本文所包含的教导，附加实施例对于相关领域的技术人员将是显而易见的。

技术特征：

1.一种确定性能参数分布和/或相关联的分位数函数的方法，所述性能参数与用于在衬底上形成一个或多个结构的半导体制造过程相关联，所述方法包括：

2.根据权利要求1所述的方法，其中所述分位数函数预测模型被约束为对跨所述衬底上的所述所预测的分位数值施加空间平滑度。

3.根据权利要求2所述的方法，其中所述分位数函数预测模型能够操作，使得预测分位数值的空间相关性由zernike基系数描述。

4.根据权利要求3所述的方法，还包括经由低秩变换将所述空间的zernike基系数映射到bernstein系数。

5.根据权利要求1所述的方法，还包括：使用所述分位数函数预测模型，以预测指纹数据，所述指纹数据描述所述性能参数在所述衬底上的空间变化；以及根据所述指纹数据预测所述分位数值。

6.根据权利要求5所述的方法，还包括：使用所述分位数函数预测模型由所述指纹数据来预测bernstein系数；以及根据所述bernstein系数预测所述分位数值。

7.根据权利要求1所述的方法，其中所述分位数函数预测模型被约束为优选在分位数概率方面实质上限定高斯分位数函数的分位数值。

8.根据权利要求1所述的方法，还包括训练或校准步骤，所述训练或校准步骤使用输入分布数据来训练或校准所述分位数函数预测模型，所述输入分布数据描述衬底上的多个位置的所述性能参数的分布。

9.根据权利要求8所述的方法，其中所述输入分布数据被初始地处理以将所述输入分布数据与先验知识分布数据组合。

10.根据权利要求8所述的方法，其中所述训练步骤包括拟合步骤，所述拟合步骤用于将所述分位数函数预测模型对所述输入分布数据进行拟合。

11.根据权利要求10所述的方法，其中所述拟合步骤包括使目标函数最小化，所述使目标函数最小化使预测误差度量最小化。

12.根据权利要求10所述的方法，其中在所述拟合步骤中，所述拟合被加权以有利于，使减小高分位数概率和低分位数概率的预测误差优先于减小中间分位数概率的预测误差。

13.根据权利要求1所述的方法，其中所述性能参数是以下中的一个：临界尺寸、边缘放置误差、特征放置、重叠裕度或重叠。

14.根据权利要求1所述的方法，其中所述使用所述分位数函数预测模型预测分位数值的步骤针对所述衬底上的所述一个或多个位置中的每个位置表征所预测的性能参数分布和/或相关联的所预测的分位数函数。

15.一种计算机程序，所述计算机程序包括处理器可读指令，所述处理器可读指令当在合适的处理器控制的设备上运行时，使所述处理器控制的设备执行根据权利要求1所述的方法。

技术总结2021P00202WO19保密。摘要公开了一种确定性能参数分布和/或相关联的分位数函数的方法。方法包括：获得分位数函数预测模型，其可操作为针对衬底位置和给定的分位数概率预测分位数值，使得所预测的分位数值作为分位数概率的函数单调地变化，以及使用经训练的分位数5函数预测模型针对衬底上的一个或多个位置的多个不同的分位数概率预测分位数值。技术研发人员：V·巴斯塔尼,R·M·S·诺普斯,T·希尤维斯,A·J·乌尔班奇克,J·S·怀登伯格,R·J·范维克受保护的技术使用者：ASML荷兰有限公司技术研发日：技术公布日：2024/6/5