良品率估计和控制的制作方法

良品率估计和控制的制作方法
【专利摘要】一种计算机执行的、用于器件制造过程的缺陷预测方法，所述器件制造过程涉及由光刻设备处理的生产衬底，所述方法包括：使用训练组来训练分类模型，所述训练组包括与由所述器件制造过程所处理的生产衬底相关联的过程参数的测量值或确定值以及关于与在所述处理参数的值下在所述器件制造过程中所处理的生产衬底相关联的缺陷的存在的指示；和从分类模型产生输出，其指示对于衬底的缺陷的预测。
【专利说明】良品率估计和控制
[0001]相关申请的交叉引用
[0002]本申请要求于2013年12月17日递交的美国临时申请61/917,305的权益，其在此通过参考全文并入。
技术领域
[0003]本申请涉及光刻设备和过程，更具体地，涉及一种用于预测和校正缺陷以提高良品率的工具。
【背景技术】
[0004]可以将光刻设备用在例如集成电路(IC)或其他器件的制造中。在这种情形中，图案形成装置(例如掩模)可以包含或提供对应于器件的单个层的电路图案(“设计布局”)，并且这一电路图案可以通过诸如穿过图案形成装置上的电路图案辐射目标部分等方法，被转移到已经涂覆有辐射敏感材料(“抗蚀剂”)层的衬底(例如硅晶片)上的目标部分(例如包括一个或更多的管芯)上。通常，单个衬底包含被光刻设备连续地、一次一个目标部分地将电路图案转移到其上的多个相邻目标部分。在一种类型的光刻设备中，整个图案形成装置上的电路图案经一次被转移到一个目标部分上，这样的设备通常称作为晶片步进机。在一种替代的设备(通常称为步进-扫描设备)中，投影束沿给定的参考方向(“扫描”方向)在图案形成装置上扫描，同时沿与该参考方向平行或反向平行的方向同步移动衬底。图案形成装置上的电路图案的不同部分渐进地转移到一个目标部分上。
[0005]在器件制造过程中将电路图案从图案形成装置转移至衬底的器件制作工序之前，衬底可能经历器件制造过程的各种器件制作工序，诸如涂底、抗蚀剂涂覆以及软焙烤。在曝光之后，衬底可能经历器件制造过程的其它器件制作工序，例如曝光后焙烤(PEB)、显影、硬焙烤。这一系列的器件制作工序被用作为制造器件(例如IC)的单个层的基础。之后衬底可能经历器件制造过程的各种器件制作工序，诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学机械抛光等，所有的这些工序都是用于最终完成器件的单个层。如果器件中需要多个层，那么将对于每一层重复整个过程或其变形。最终，器件将设置在衬底上的每一目标部分中。如果存在多个器件，则这些器件会通过诸如划片或切割等技术而被彼此分开，据此独立的器件可以安装在载体上，连接至引脚等。

【发明内容】

[0006]本申请公开了一种计算机执行的、用于器件制造过程的缺陷预测方法，所述器件制造过程涉及由光刻设备处理的生产衬底，所述方法包括:
[0007]使用训练组来训练分类模型，所述训练组包括与由所述器件制造过程所处理的生产衬底相关联的过程参数的测量值或确定值以及关于与在所述处理参数的值下在所述器件制造过程中所处理的生广衬底相关联的缺陷的存在的指不;和
[0008]从分类模型产生输出，其指示对于衬底的缺陷的预测。
[0009]本申请公开了一种训练分类模型的方法，所述方法包括:
[0010]使用分类模型预测在衬底中或衬底上的缺陷，所述分类模型具有作为独立变量的用于光刻曝光衬底的器件制造过程的过程参数和/或将使用光刻设备被提供到衬底上的图案的布局参数；
[0011]接收关于针对于过程参数和/或布局参数的测量值或确定值的缺陷的存在的信息;和
[0012]基于所预测的缺陷和关于针对于过程参数和/或布局参数的测量值或确定值的缺陷的存在的信息来训练分类模型。
[0013]本申请公开了一种由计算机执行的、产生分类模型以促进在器件制造过程中的缺陷预测的方法，所述器件制造过程涉及由光刻设备所处理的生产衬底，所述方法包括使用训练组来训练分类模型，所述训练组包括由所述器件制造过程所处理的多个衬底的过程参数的测量值或确定值以及关于与所述处理参数的值相关联的缺陷的存在的指示。
[0014]本申请还公开了一种计算机程序产品，包括计算机可读介质，所述计算机可读介质具有记录于其上的指令，所述指令在由计算机执行时实现上述的方法。
【附图说明】
[0015]图1是光刻系统的各子系统的方块图。
[0016]图2示意性地示出预测器件制造过程中缺陷的方法。
[0017]图3是模拟模型的方块图。
[0018]图4示意性地示出了布局的过程窗口的预测。
[0019]图5示意性地示出根据一实施例的预测器件制造过程中缺陷的方法。
[0020]图6示意性地示出了重新训练分类模型的方法。
[0021 ]图7示出了由训练组所训练的示例性的分类模型。
[0022]图8是示例性的计算机系统的方块图。
[0023]图9是模型预测控制系统的方块图。
[0024]图10是光刻投影设备的示意图。
[0025]图11是另一个光刻投影设备的示意图。
[0026]图12是如图11所示的设备的更详细的视图。
[0027]图13示意性地示出了光刻单元或集群的实施例。
【具体实施方式】
[0028]尽管在本文中具体的参考被用于IC的制造，但应当清楚地理解本文的说明可以有许多其它可能的应用。例如，可用于集成光学系统、磁畴存储器的引导和检测图案、液晶显示面板、薄膜磁头等的制造。本领域技术人员应该理解的是，在这种替代应用的情况中，可以将本文中使用的任意术语“掩模版”、“晶片”或“管芯”分别认为与更上位的术语“掩模”、“衬底”或“目标部分”相互通用。
[0029]在本文中，术语“辐射”和“束”用于包括各种类型的电磁辐射，包括紫外辐射(例如具有365、248、193、157或126醒的波长”阳1^(极紫外辐射，例如具有在5-20醒范围内的波长)O
[0030]如此处使用的术语“进行优化”和“优化”的意思是调节设备，例如光刻投影设备，使得器件制作的结果和/或过程(例如光刻的结果和/或过程)具有一个或更多个更加理想的特性，诸如衬底上的设计布局的更高的投影精度、更大的过程窗口等。
[0031]作为简短介绍，图1示出了示例性的光刻投影设备10A。主要部件包括照射光学装置，其限定了部分相干性(标记为σ)且可以包括光学装置14A、16Aa和16Ab，其对来自辐射源12A的辐射成形，辐射源12A可以是深紫外准分子激光源或包括极紫外(EUV)源在内的其它类型的源(如上所述，光刻投影设备本身不需要具有辐射源)；以及光学装置16Ac，其将图案形成装置18A的图案形成装置图案的图像投影到衬底平面22A上。在投影光学装置的光瞳面处的可调整的滤光片或孔阑20A可以限制射到衬底平面22A上的束角的范围，其中最大的可能的角度限定了投影光学装置的数值孔径NA = sin(?max)。
[0032]在光刻投影设备中，投影光学装置将来自源的照射通过图案形成装置引导和成形到衬底上。术语“投影光学装置”在此处被广义地限定为包括可以改变辐射束的波前的任何光学部件。例如，投影光学装置可以包括部件14A，16Aa，16Ab和16Ac中的至少一些部件。空间图像(Al)是衬底水平位置处的辐射强度分布。衬底上的抗蚀剂层被曝光，并且空间图像被转移至抗蚀剂层，作为其中的潜在的“抗蚀剂图像”(RI)。抗蚀剂图像(RI)可以被定义为抗蚀剂层中的抗蚀剂的溶解度的空间分布。抗蚀剂模型可以用于从空间图像计算抗蚀剂图像，其示例可以在公开号为US2009-0157630的美国专利申请中找到，该文献的公开内容通过引用将其全部内容并入本文中。抗蚀剂模型仅与抗蚀剂层的性质(例如在曝光、曝光后焙烤(PEB)和显影期间发生的化学过程的效应)相关。光刻投影设备的光学性质(例如源、图案形成装置和投影光学装置的性质)规定了空间图像并可以在光学模型中被限定。因为可以改变在光刻投影设备中使用的图案形成装置，所以期望将图案形成装置的光学性质与包括至少源和投影光学装置的光刻投影设备的其余部分的光学性质分离开。
[0033]如图13所示，光刻设备LA可以形成光刻单元LC(有时也称为光刻元或者光刻集群)的一部分，光刻单元LC还包括用以在衬底上执行一个或多个曝光前和曝光后处理的设备。通常情况下，这些包括用以沉积抗蚀剂层的一个或更多个旋涂器SC、用以对曝光后的抗蚀剂显影的一个或更多个显影器DE、一个或更多个激冷板CH和一个或更多个焙烤板BK。衬底操纵装置或机械人RO从输入/输出口 1/01、1/02拾取衬底，然后将它在不同的处理设备之间移动，并将它传递到光刻设备的进料台LB。经常统称为轨道的这些装置处在轨道控制单元TCU的控制之下，所述轨道控制单元TCU自身由管理控制系统SCS控制，所述管理控制系统SCS也经由光刻控制单元LACU控制光刻设备。因此，不同的设备可以被操作用于将生产率和处理效率最大化。光刻单元LC还可以包括用于蚀刻衬底的一个或更多个蚀刻器和配置成测量衬底的参数的一个或更多个测量装置。该测量装置可以包括配置成测量衬底的物理参数的光学测量装置，例如散射仪、扫描电子显微镜等等。测量装置可以包含在光刻设备LA中。本发明的实施例可以在管理控制系统SCS和/或光刻控制单元LACU中实现或通过管理控制系统SCS和/或光刻控制单元LACU实现。例如，来自管理控制系统SCS和/或光刻控制单元LACU的数据可以通过本发明的实施例使用，来自本发明的实施例的一个或更多个信号可以被提供至管理控制系统SCS和/或光刻控制单元LA⑶。
[0034]图2示意性地示出预测器件制造过程中的缺陷的方法。缺陷可以是系统性的缺陷，例如颈缩(necking)、线回退(line pull back)、线窄化、CD、搭接和桥接;缺陷也可以是随机缺陷，例如由颗粒(例如灰尘颗粒)沉积所造成的缺陷。系统性的缺陷可以被预测和控制。缺陷可以在抗蚀剂图像、光学图像或蚀刻图像(即通过利用衬底层上的抗蚀剂作为掩模来进行蚀刻而被转移到衬底层上的图案)中。计算模型或经验模型213可以用于预测缺陷214(例如预测缺陷的存在、缺陷的位置、缺陷的类型、缺陷的形状等)。模型213可以考虑器件制造过程的参数211 (也被称为过程参数)和/或布局参数212。过程参数211是与器件制造过程相关联而与布局不相关联的参数。例如，过程参数211可以包括源的特性(例如强度、光瞳轮廓等等)、投影光学装置的特性、剂量、聚焦、抗蚀剂的特性、抗蚀剂显影的特性、抗蚀剂曝光后焙烤的特性和/或蚀刻特性。布局参数212可以包括布局上的各种特征的形状、尺寸、相对位置和绝对位置，以及不同布局上的特征的重叠。模型213可以是固定的模型，即模型本身不随其输入(例如过程参数211和布局参数212)而变化。也就是说，在同样的输入下，固定的模型的结果总是相同的。在经验模型中，图像(例如抗蚀剂图像、光学图像、蚀刻图像)是不被模拟的；而经验模型基于输入和缺陷之间的相关性来预测缺陷。在计算模型中，图像的一部分或特性被进行计算，且缺陷基于该部分或特性来进行辨别。例如，线回退缺陷可以通过发现线端部离开其期望的位置太远而被辨别;桥接缺陷可以通过发现两条线不期望地连接所处的位置而被辨别。
[0035]图3示出了示例性的计算模型。源模型31表示源的光学特性(包括辐射强度分布和/或相位分布)。投影光学装置模型32表示投影光学装置的光学特性(包括由投影光学装置所引起的辐射强度分布和/或相位分布的变化)。设计布局模型35表示设计布局的光学特性(包括由给定的设计布局所引起的辐射强度分布和/或相位分布的变化)，其是图案形成装置上或由图案形成装置形成的特征的布置的表示。空间图像36可以由源模型31、投影光学装置模型32和设计布局模型35模拟。抗蚀剂和/或蚀刻图像38可以使用抗蚀剂和/或蚀刻模型37由空间图像36来模拟。对光刻的模拟可以例如预测在图像中的轮廓和CD。
[0036]更具体地，注意到，源模型31可以表示源的光学特性，包括但不限于西格玛(σ)设定以及任何特定的照射源形状(例如诸如环形的、四极和双极等的离轴辐射源等)。投影光学装置模型32可以表示投影光学装置的光学特性，其包括像差、变形、折射率、物理大小、物理尺寸等。设计布局模型35还可以表示物理图案形成装置的物理性质，如所描述的，例如在美国专利N0.7，587，704中所描述的，通过引用将其全部内容并入本文中。模拟的目标是精确地预测例如边缘的定位、空间图像强度斜率和CD，其之后可以与期望的设计相比较。所述期望的设计通常定义为预先OPC设计布局，其可以被提供成标准数字文件格式(诸如GDSII或OASIS)或其它文件格式。
[0037]图4示意性地示出布局的过程窗口(即基本上没有系统性误差的布局所处于的过程参数的空间)的预测。子过程窗口 421-423(由未打阴影线的区域所示)可以针对于布局中的特征使用模型(经验模型或计算模型)相对于布局411-413的不同类型的缺陷(例如，线回退、CD、颈缩等)来进行预测。例如，在子过程窗口421中的过程在这些特征中不产生线回退缺陷。所有特征的以及对于所有类型的缺陷的子过程窗口可以被合并以形成布局的过程窗P 430 ο
[0038]图5示意性地示出根据一实施例的预测器件制造过程中缺陷的方法。分类模型(也被称为分类器)513可以被用于预测缺陷514(例如预测缺陷的存在、缺陷的位置、缺陷的类型、缺陷的形状等)。模型513可以考虑过程参数511和/或布局参数512。过程参数511是与器件制造过程相关联而与布局不相关联的参数。例如，过程参数511可以包括源的特性(例如强度、光瞳轮廓等等)、投影光学装置的特性、剂量、聚焦、抗蚀剂的特性、抗蚀剂显影的特性、抗蚀剂曝光后焙烤的特性和/或蚀刻特性。布局参数512可以包括布局上的各种特征的形状、尺寸、相对位置和绝对位置，以及不同布局上的特征的重叠。
[0039]术语“分类器”或“分类模型”有时表示数学函数，该数学函数由分类算法实现，对输入数据进行分类。在机器学习和统计中，分类是基于包括类别成员资格已知的观测(observat1n^或实例)的数据的训练组来辨别新的观测属于哪些类别组(子群)的问题。各个观测被解析成一组可以计量的性质，该性质已知为各种解释性的变量、特征等等。这些性质可以进行各种分类(例如，“好”一一不产生缺陷的过程或者“差” 一一产生缺陷的过程)。分类被考虑成监督学习的实例，即，学习经过正确地辨别的观测的训练组在什么情况下是可实现的。
[0040]跨领域的术语变化很多。在统计学中，在分类可以通过罗吉斯回归(logisticregress1n)或类似过程来实现的情况下，观测的性质被称为解释性的变量(或独立变量、回归变量(regressor)等)，将被预测的类别已知为结果，其被考虑成非独立变量的可能的值。在机器学习中，该观测经常被称为实例，解释性变量被称为特征(被分组成特征矢量)，将被预测的可能的类别是类。
[0041]分类模型可以由线性函数来表达，该线性函数通过使用点乘将实例的特征矢量与加权矢量组合以将得分分派给每个可能的类别k。所预测的类别是具有最高得分的类别。该类型的得分函数被称为线性预测器函数并具有以下一般形式:ScoreU1,k)=&.X1。其中X1是实例i的特征矢量，&是对应于类别k的加权矢量，Score(Xnk)是与将实例i分派给类别k相关联的得分。具有该基本构架的模型被称为线性分类器。这种算法的示例是罗吉斯回归、多项罗基(multinomial logit)、概率单位回归、感知器算法、支持矢量机(supportvector machine)、输入矢量机(import vector machine)和/或线性判别式分析(lineardiscrminant analysis)ο
[0042]在一实施例中，分类模型513涉及罗吉斯回归。在该实施例的情况下，非独立变量是二进制的，即，可用的类别的数量是二，例如“好”或“差”。然而，可用的类别的数量当然不限于二。
[0043]罗吉斯回归通过使用概率作为非独立变量的预测值来测量在分类的非独立变量与一个或更多个独立变量之间的关系，其中一个或多个独立变量通常(但不是必须的)可以是连续的。该分类模型513可以使用包括一种或更多种过程和/或布局参数的数据训练组以及该过程和/或布局参数是产生缺陷(即“差”)还是不产生缺陷(“好”)来进行训练。初始的训练组可以从布局在一定范围的参数值下的一个或更多个测试运行来获得。
[0044]在一实施例中，分类模型513涉及内核罗吉斯回归，尤其是当得分函数不能以线性BSscore(Xhk)=Pk.Xi来表示时，其中Xi是实例i的特征矢量，&是对应于类别k的加权矢量，Score(Xnk)是与将实例i分派给类别k相关联的得分。内核可以首先用于将独立变量(例如过程参数)投影到另一个参数空间中:Φ:X—Y，以使得score(Xi，k) =?.Yi，其中Yi=Φ (Xi) O
[0045]图5所示的方法还可以包括校正步骤515，其中可以调整一个或更多个过程参数511、一个或更多个布局参数512或这两者以减少或消除缺陷。
[0046]在一实施例中，模型513不是固定的模型。替代地，模型513可以根据来自量测的数据516、良品率数据(例如通过如电子显微镜等测量工具、通过电子测试等对缺陷的辨别)或来自光刻设备的用户或来自另一模型(例如另一经验模型或计算模型)的其他数据来进行完善。模型512可以在一个或更多个管芯和/或一个或更多个衬底曝光之后使用另外的数据进行完善。
[0047]数据516可以包括与由器件制造过程处理的多个生产衬底相关联的过程参数的测量值或确定值。生产衬底是在一个或更多个生产阶段中具有一个或更多个器件的衬底。例如，生产衬底可以是具有针对于一个或更多个器件的抗蚀剂图像的衬底。对于这些衬底的过程参数的值可以包括来自光刻设备的数据(例如设备设定和/或光刻设备传感器数据)和/或量测数据(例如由专用的光学测量装置提供以测量抗蚀剂图像的物理参数)。作为另一示例，生产衬底可以是具有经过蚀刻的特征的衬底和/或具有带功能器件的特征的衬底。对于这些衬底的过程参数的值可以包括来自于蚀刻工具的数据(例如蚀刻工具设定和/或蚀刻工具传感器数据)和/或量测数据(例如由扫描电子显微镜提供)和/或良品率数据(例如从测量工具的缺陷分析，其将生产出的器件与期望的器件、器件的电子测试等进行对比)。另外，该器件制造过程可以涉及从衬底到器件或其一部分的整个过程。例如，该器件制造过程可以仅仅是光刻图案化过程或与另一器件制造工序组合。在一实施例中，器件制造过程可以仅仅是蚀刻过程或与另一器件制造工序组合。在蚀刻情况下，该器件制造过程涉及光刻设备，因为由蚀刻设备处理的衬底通过涉及光刻设备的光刻图案化工序进行图案化。
[0048]在一实施例中，提供了一种关于缺陷存在的指示，所述缺陷与在过程参数值下在器件制造过程中被处理的生产衬底相关联。因此，在一实施例中，过程参数的测量值或确定值中的每一个与关于缺陷存在的指不相关联。例如，关于缺陷的存在的指不可以是用于表示缺陷的存在或不存在的任何标识。例如，该标识可以是“好”和/或“差” O该标识可以由使用者应用或使用可应用工具进行自动确定。例如，衬底的电子测试可以识别器件中的缺陷和标示器件“好”或“差”。所测试的衬底与过程参数的值相关联。在一示例中，如果该良品率在某个阈值之下，所关联的过程参数511和/或布局参数512的值可以被标示/分类成“差”。过程参数(例如剂量和聚焦)的值和标识的组合用于训练模型513。
[0049]来自量测的数据可以从光学测量工具(例如用于测量来自量测目标和/或来自经过曝光的区域的衍射辐射的工具)、电子显微镜或其他合适的检查工具来获得，且可以是由光刻设备中的传感器(例如水平传感器)所测量的数据或对准数据。
[0050]在一实施例中，模型513的完善可以包括利用包括一个或更多个过程参数或过程参数和布局参数两者的新的观测以及来自量测的数据、良品率数据或者来自光刻设备的用户或来自另一模型的其他数据的训练组来进行训练，其中该过程参数和布局参数用在一个或更多个管芯和/或一个或更多个衬底的曝光。用于完善模型513的训练组可能不一定包括之前用于训练模型513的所有数据。例如，如果模型513以包括100个观测的数据组进行最初训练，则该训练组可以包括这100个观测中的99个和该新的观测。该方法可能限制训练组的大小以便限制训练的计算成本。一个或更多个算法可以用于管理或连续地管理数据组的尺寸。例如，输入矢量机或支持矢量机可以用于管理数据组的大小。
[0051]图6示意性地示出一种训练分类模型(例如模型513)的方法。在步骤611中，器件的缺陷，例如在抗蚀剂中或器件的光学图像中的缺陷，使用分类模型进行预测，其中用于形成器件的一个或更多个过程和/或布局参数作为分类模型的独立变量。在步骤612中，该器件，例如抗蚀剂或光学图像使用另一模型(例如经验模型或计算模型)被模拟或使用合适的检查工具来测量，例如抗蚀剂图像或被蚀刻的图案，且缺陷的存在、形状、类型和/或位置被确定。在步骤613中，该模型基于由模拟或测量所确定的缺陷的预测和存在来训练。
[0052]图7示出由训练组所训练的分类模型的示例性输出，所述训练组包括187个观测，其包含作为过程参数的聚焦(竖直轴线)和剂量(水平轴线)对和是否所述聚焦或剂量对产生缺陷(“O”表示没有缺陷，例如“好” ；“X”表示缺陷，例如“差”)。缺陷的概率在训练之后通过该模型确定且在图7的输出中示出为等值线图，其中概率与等值线相关联。应当理解，该模型的输出可以是其他形式的，例如彩色的或灰度等级或结果的列表。该模型的输出与该训练组以合理的方式匹配得很好。
[0053]因此，在一实施例中，提供涉及光刻设备的器件制造过程的在线学习。也就是说，制作分类模型，该分类模型基于与生产衬底相关联的一个或更多个过程参数(例如剂量和/或聚焦)的新的测量值或确定值以及与这一个或更多个过程参数相关联的缺陷的指示继续地或有规律地被训练。因此，在一实施例中，专用于光刻设备和/或器件制造过程的模型被制作，其随着时间与光刻设备的使用和/或使用器件制造过程的衬底的加工一起发展。因此，在一实施例中，经验数据用于生成表示器件制造过程(例如，使用特定的图案形成装置布局的特定的器件制造过程)的模型并随后对该模型进行整形。
[0054]由于经验数据，可能几乎不需要数据解释。例如，这种过程在训练该分类模型中可以直接使用量测工具的光瞳强度分布图，而不是将这种强度分布图解释成恰当的结构和边缘斜率后使用该数据改进模型。例如，学习技术可以基于已经经过学习的模型将缺陷存在的概率与该光瞳强度分布图相关，因此，来自光瞳强度分布图的数据可以帮助确认缺陷存在(或不存在)。因此，在一实施例中，这种数据不需要自身具有相关联的标识，而是可以用于增加该模型预测是否缺陷将出现的能力。例如，该光瞳强度分布图可以指示具有在带有相邻的参数值的线之外的参数值的特征。尽管不一定能确认缺陷，但是这种信息可以用于训练该模型以帮助确认或否认关于该特征和缺陷概率在模型中的已有的相关性。在一实施例中，测量的是使用例如光学测量工具的测量光瞳的器件布局。因此，特定的结构(例如量测目标)可能不是必需的；任何结构都是可以的，例如器件布局结构(例如在逻辑/MPU器件中的SRAM单元块)。
[0055]在一实施例中，操作者的知识/经验可以用作对分类器模型的结构的输入。操作者反馈可以操控该模型的预测能力。例如，该用户可以添加更多的预测性特征到分类算法中。
[0056]在一实施例中，该分类器模型可以生成给定缺陷的特定的测量或确定特征的概率。而且，该预测的精度随着时间和更多的测量而增加，因为分类器模型会变得更“有经验”。该在线学习与所谓的数据挖掘是不同的，其通常用于复查为什么事情会出错。在一实施例中，在线数据用于生成并随后更新可以预测在处理正在进行时出现缺陷的概率。因此，该模型的输出可以提供什么能够检查的指示器和哪些衬底管芯要测量以看看是否所有的关系都是好的，从而提尚整体的良品率。
[0057]在一实施例中，该器件制造过程可以使用分类器模型来控制。该在线学习允许对该过程进行循迹(例如漂移)并允许该过程的调整/微调(控制)。例如，光刻设备的一个或更多个参数可以基于分类器模型的输出而被控制，而不论是自动的还是在用户估计之后的。例如，光刻投影设备的聚焦和/或剂量可以基于输出进行控制。
[0058]在一实施例中，分类器模型包括跨衬底的测量(例如不仅仅是场内数据的测量)。因此，该测量可以是通过聚焦的数据，因为局部衬底差异可能相对较大。因此，通过依赖于来自多个不同的衬底的测量，可以以具体的剂量测量完全通过的聚焦而不需要生成独立的曝光。
[0059]在一实施例中，尽管该讨论已经聚焦到光刻参数(例如聚焦和剂量)上，但是学习范例可以容易地扩展到其他过程，例如蚀刻。例如，在蚀刻特征和良品率之间的关系可以被学习，其也可以以在线量测数据来进行观测。
[0060]因此，在一实施例中，提供了一种可以预测缺陷和估计其概率的学习分类器模型。另外，在一实施例中，该学习分类器不是静态的且在器件制造过程期间由测量的或确定的数据连续地更新和改进。另外，该分类器模型可以通过将与光刻术不相关的数据(例如层厚变化、蚀刻后数据、操作者缺陷判定等)馈送至该模型以在其覆盖度上被延伸，这进一步增强了该模型的“经验”。
[0061]在一实施例中，该分类器模型能够针对于未测量的数据点来改进缺陷概率的估计。例如，可以对衬底上或图案布局上的部位A和B处的缺陷的预测感兴趣。该分类器模型能够预测缺陷在部位A和B处的出现。然后，增加与部位A相关联的信息(例如量测数据(具有标识数据或不具有标识数据)、良品率数据等等)的测量可以用于进一步训练该分类器模型。在此，缺陷在部位A和B处的概率的估计可以被确定，而不必在部位B处进行测量。
[0062]在一实施例中，该分类器模型矢量可以包括各种类型的信息。因此，例如，该分类器模型可以包括关于针对于特定的剂量和聚焦组合的缺陷概率的数据，还包括关于哪一个或更多个设备与该数据点相关联、哪个图案布局与该数据点相关联、哪些蚀刻类型被使用等等的数据。因此，在一实施例中，分类器模型可以对于有限的和具体的数据(例如仅仅剂量和聚焦信息和相关联的标识)来训练或对于全面的数据或其间的一些变体进行训练。所以，从更全面的模型，可以从聚焦于特定设备(例如光刻设备)、特定布局等的模型来定义“子模型”。因此，用户可以采用特定的模型或“子模型”，不论例如对于分析还是对于过程控制都是如此，这根据聚焦到用户的需要或要求来确定。
[0063]在一实施例中，分类器模型的训练决定是否新的训练数据(例如测量的数据点)添加足够的信息以被包括到模型中。添加该新信息被增加该模型的大小所平衡，以使得该模型不会无边界地生长。
[0064]在一实施例中，分类器模型可以提供对产品上的可印刷性的预测。例如，分类器模型可以量化缺陷的概率。分类器模型可以提供全衬底预测。分类器模型可以预测缺陷的数量。分类器模型可以预测良好的管芯的良品率。分类器模型可以提供缺陷的位置。
[0065]在一实施例中，针对于分类器模型的训练数据可以针对于由器件制造过程所生产的批次中的每个衬底进行采样。该训练器件数据可以针对于衬底(例如一批衬底中的衬底)上的每个器件进行采样。该训练数据可以针对于衬底上的每个层进行采样。在一实施例中，该训练数据包括测量数据，且测量位置可以在管芯中、从管芯外部(例如划线量测目标)和/或跨经衬底。在管芯中的测量可以基于热点的模拟结果、特定的器件结构的位置(例如SRAM和其他位置)来采样和/或是依赖于器件(例如IC)的。
[0066]在一实施例中，新的训练数据被连续地提供(例如，在器件制造过程中、在多个批次的衬底的过程中等等)并因此预测品质被持续地更新。
[0067]在一实施例中，分类器模型的输出可以被提供给制造厂的良品率管理系统以提高器件良品率。
[0068]因此，在一实施例中，一个或更多个过程参数和/或布局参数的值通过机器学习与整个衬底的产品上良品率灵敏度统计相关。因此，例如，缺陷可以针对于衬底的特定部分和/或管芯的特定部分来预测。进一步，该缺陷可以基于实际生产数据针对于实际生产来预测。于是，机器学习模型可以针对于实际过程条件(包括例如它们的漂移)并能够实现比使用图案布局数据仅仅基于理论模型的预测更强的预测。
[0069]因此，在一实施例中，提供了一种全面的缺陷检查和良品率预测系统，其中在线的和对于产品的参数值(例如来自用于测量产品衬底的量测工具)用于推断可印刷性缺陷。该系统利用人工智能技术来预测系统性的针对于布局的缺陷的可印刷性。这将热点预测从单个管芯扩展到整个衬底，包括衬底边缘区域。在一实施例中，该系统可以使用量测工具测量一批次中的每个衬底。该系统可以增强或替代当前的缺陷检查方法(例如扫描电子显微镜)。该系统的输出可以包括在制造厂的良品率管理系统内的性能指示器以预测和/或提高最终器件的良品率。该系统可以生成定制的光刻设备或其他设备的选配方案和文件以(自动地)提高例如同一器件和/或层的后续批次(或衬底)的良品率。该系统可以能够实现对于缺陷的连续估计和循迹并能够连续地提高模型预测精度。缺陷的出现可以通过调整(例如闭环控制)而被减小或最小化。
[0070]在此所述的实施例的优势可以包括更快的产品率斜率、更有效的SEM复查、历史分析和/或控制。
[0071]图8是根据一实施例的模型预测控制系统的方块图。如图所示，一个或更多个输入800被提供至器件制造过程810，该器件制造过程810涉及使用光刻设备进行图案化的生产衬底。输入800可以包括如上所述的一个或更多个布局参数和/或一个或更多个过程参数。该器件制造过程810涉及至少一个器件生产步骤，例如光刻图案化、显影、蚀刻等等或从中选择的步骤的任意组合。
[0072]在该过程810之后或期间，可以产生一个或更多个输出820。该输出820可以包括使用该器件制造过程所制作的生产衬底的一个或更多个过程和/或布局参数的值。例如，该值可以是由量测工具所测量的生产衬底的数据，可以是来自光刻设备或在生产衬底的加工之后的蚀刻工具的数据等等。在一实施例中，该数据中的至少一些可以被如上所述标记。这种输出820被提供至状态估计器830以训练所述的模型。在一实施例中，该模型用于预测缺陷，尽管模型可以被训练以预测其他方面。如图所示，该状态估计器830可以接收对于过程810的一个或更多个输入820 ο例如，该一个或更多个输入820可以是布局数据或由布局数据产生的数据。例如，由布局数据所产生的数据可以是图案布局的模拟以辨别热点(例如，图案布局的区域趋于不正确地图案化)。这种被模拟的数据可以使用本领域中的模拟软件来制作，例如ASML，的Tachyon LMC产品。
[0073]状态估计器830的模型然后可以用于提供至调节器840的输出。调节器840可以提供一个或更多个输入800至过程810和/或修改将被提供至过程810的一个或更多个输入800。例如，该调节器840可以生成用于光刻设备、蚀刻工具等的一个或更多个设定，以帮助缓解在衬底的未来生产中的缺陷。在一实施例中，调节器840可以接收一个或更多个目标850，所述目标850辨别什么调节器840应当产生或修改对于过程810的一个或更多个输入800或调节器840应当以什么标准产生或修改对于过程810的一个或更多个输入80。
[0074]图9为图示计算机系统100的示例性的方块图，其可以辅助实现和/或执行本文公开的优化方法和流程。计算机系统100包括:总线102或用于信息通信的其它通信机制;和与总线102耦接的用于处理信息的处理器104(或多个处理器104和105)。计算机系统100还包括主存储器106(诸如随机存取存储器(RAM)或其它动态储存装置)，所述主存储器106耦接至总线102用于储存和/或提供被处理器104执行的信息和指令。主存储器106还可以用于在由处理器104执行的指令的执行期间储存和/或提供临时变量或其它中间信息。计算机系统100还可以包括被耦接至总线102的只读存储器(ROM) 108或其它静态储存装置，其用于存储和/或提供用于处理器104的静态信息和指令。存储装置110(诸如磁盘或光盘)被提供并耦接至总线102，用于存储和/或提供信息和指令。
[0075]计算机系统100可以经由总线102耦接至显示器112(诸如阴极射线管(CRT)或平板或触摸面板显示器)，用于给计算机使用者显示信息。输入装置114(包括字母数字键和其它键)可以耦接至总线102，用于将信息和命令选择与处理器104通信。另一类型的使用者输入装置是光标控制器116 (诸如鼠标、轨迹球、或光标方向键)，用于将方向信息和命令选择与处理器104通信和用于控制显示器112上的光标移动。这一输入装置典型地在两个轴线(第一轴线(例如X)和第二轴线(例如y))上具有两个自由度，这允许所述装置指定平面中的位置。触摸面板(屏)显示器也可以用作输入装置。
[0076]根据本发明的一个实施例，优化过程的一部分可以由计算机系统100响应于用于执行包含在主储存器106中的一个或更多的指令的一个或更多的序列的处理器104而被执行。这样的指令可以被从另一计算机可读介质(诸如储存装置110)读取到主储存器106中。包含在主存储器106中的指令的序列的执行使得处理器104执行此处描述的方法步骤。在多处理布置中的一个或更多的处理器也可以被用于执行包含在主存储器106中的指令的序列。在可替代的实施例中，硬接线电路可以用于替代软件指令或与软件指令结合。因此，在此所进行的描述不限于硬件电路和软件的任何特定的组合。
[0077]如此处使用的术语“计算机可读介质”表示参与为了执行而提供指令至处理器104的任何介质。这样的介质可以采用许多形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘，诸如储存装置110。易失性介质包括动态存储器，诸如主存储器106。传输介质包括同轴电缆、铜导线和光纤，包含包括总线102的导线。传输介质还可以采用声波或光波的形式，诸如在射频(RF)和红外(IR)数据通信期间产生的这些声波或光波。计算机可读介质的通常形式包括例如软盘、软碟(flexible disk)、硬盘、磁带、任何其它磁介质、CD-R0M、DVD、任何其它光学介质、穿孔卡、纸带、任何具有孔图案的其它物理介质、RAM、PR0M和EPR0M、FLASH-EPR0M、任何其它存储器芯片或卡带、如下文描述的载波或计算机可以读取的任何其它介质。
[0078]各种形式的计算机可读介质可能涉及将一个或更多的指令的一个或更多的序列传送至处理器104，用于执行。例如，指令可以最初出现在远程计算机的磁盘或存储器上。远程计算机可以将指令加载到其动态存储器中且在通信路径上发送所述指令。计算机系统100可以接收来自通信路径的数据和将数据置于总线102上。总线102将数据装载至主存储器106，处理器104从主存储器106获取和执行指令。由主存储器106接收的指令可以可选择地在处理器104的执行之前或之后被储存在储存装置110上。
[0079]计算机系统100可以包括耦接至总线102的通信接口118。通信接口 118提供耦接至网络链路120的双向数据通信，该网络链路120连接至网络122。例如，通信接口 118可以提供有线或无线数据通信连接。在任何这样的实施方式中，通信接口 118发送和接收电、电磁或光信号，其携带表示各种类型的信息的数字数据流。
[0080]典型地，网络链路120通过一个或更多的网络将数据通信提供至其它数据装置。例如，网络链路120可以通过网络122提供连接至主机124或由网络服务商(ISP)126操作的数据设备。ISP126又通过全球分组数据通信网络(现在被通常称为“互联网”)128提供数据通信服务。网络122和互联网128都使用携带数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路120上和通过通信接口 118的信号将数字数据传送至计算机系统100和从计算机系统100传送回，这些信号是用于传递信息的载波的示例性形式。
[0081]计算机系统100可以通过网络、网络链路120和通信接口118发送消息和接收数据，包括程序代码。在互联网的例子中，服务器130可以通过互联网128、ISP126、网络122和通信接口 118为应用程序发送请求码。例如，一个这样的被下载的应用程序可以提供用于实施本文所述方法的代码。在它被接收和/或在储存装置110或用于之后的执行的其它非易失性储存器中被储存时，接收的代码可以被处理器104执行。以这种方式，计算机系统100可以获得成载波形式的应用程序代码。
[0082]图10示意性地显示示例性的光刻投影设备。所述设备包括:
[0083]照射系统IL，用于调整辐射束B。在这一特定的情形中，照射系统还包括辐射源SO;
[0084]第一载物台(例如掩模台)MT，设置有用于保持图案形成装置MA(例如掩模版)的图案形成装置保持器并连接至第一定位装置PM，以精确地相对于部件PS定位图案形成装置；
[0085]第二载物台(衬底台)WT，设置有用于保持衬底W(例如涂覆抗蚀剂的硅晶片)的衬底保持器并连接至第二定位装置PW，以相对于部件PS精确地定位衬底；
[0086]投影系统PS(例如折射式、反射式或折射反射式的光学系统)，将图案形成装置MA的受照射部分成像到衬底W的目标部分C(例如包括一个或更多的管芯)上。
[0087]如此处显示的，所述设备是透射式的(即具有透射式掩模)。然而，例如，通常它还可以是反射式的(具有反射式掩模)。可替代地，所述设备可以采用另一类型的图案形成装置来替代经典掩模的使用;例子包括可编程反射镜阵列或LCD矩阵。
[0088]源SO(例如汞灯或准分子激光器)产生辐射束。这一束被直接地供给到照射系统(照射器)IL中，或在穿过调节装置(诸如扩束器)之后供给到照射系统(照射器)IL中。照射器IL可以包括调整装置AD，所述调整装置AD用于设定在束中的强度分布的外部和/或内部径向范围(一般分别称为σ-外部和σ-内部)。另外，它通常包括各种其它部件，诸如聚合器IN和聚光器CO。这样，照射到图案形成装置MA上的束B在其横截面中具有期望的均匀性和强度分布O
[0089]关于图10应当注意的是，源SO可以位于光刻投影设备的壳体内(当源SO是例如汞灯时经常是这样的情形)，但是它还可以远离光刻投影设备，其产生的辐射束被引导到所述设备中(例如在适合的定向反射镜的帮助下)；所述后一种情况通常是当源SO是准分子激光器(例如是基于KrF，Arf^gF2激光的准分子激光器)的情形。
[0090]束B随后被保持在图案形成装置台MT上的图案形成装置MA所拦截。已经穿过图案形成装置MA之后，所述束B穿过投影系统PS，其将束B聚焦到衬底W的目标部分C上。在第二定位装置PW (和干涉仪测量装置IF)的辅助下，衬底台WT可以精确地移动，例如以便在束B的路径上定位不同的目标部分C。类似地，例如在从图案形成装置库中机械获取图案形成装置MA之后或在扫描期间，第一定位装置PM可以用于相对于束B的路径精确地定位图案形成装置MA。通常，在长行程模块(粗定位)和短行程模块(精定位)(未在图10中明确地示出)的帮助下，实现载物台MT、WT的移动。
[0091]可以使用掩模对准标记Ml、M2和衬底对准标记Pl、P2来对准图案形成装置(例如掩模)MA和衬底W。尽管所示的衬底对准标记占据了专用目标部分，但是它们可以位于目标部分(这些公知为划线对齐标记)之间的空间中。类似地，在将多于一个的管芯设置在图案形成装置(例如掩模)MA上的情况下，所述图案形成装置对准标记可以位于所述管芯之间。小的对准标记也可以被包括在管芯内、在器件特征之间，在这种情况下，期望所述标记尽可能小且不需要任何与相邻的特征不同的成像或处理条件。
[0092]图11示意性地显示另一个示例性的光刻投影设备1000。所述光刻投影设备1000包括:
[0093]源收集器模块S0;
[0094]照射系统(照射器)IL，配置用于调节辐射束B(例如，EUV辐射)；
[0095]支撑结构(例如掩模台)MT，构造用于支撑图案形成装置(例如掩模或掩模版)MA并与配置用于精确地定位图案形成装置的第一定位装置PM相连；
[0096]衬底台(例如晶片台)WT，构造用于保持衬底(例如涂覆有抗蚀剂的晶片)W，并与配置用于精确地定位衬底的第二定位装置PW相连;和
[0097]投影系统(例如反射式投影系统)PS，所述投影系统PS配置用于将由图案形成装置MA赋予辐射束B的图案投影到衬底W的目标部分C(例如包括一根或更多根管芯)上。
[0098]如这里所示的，所述设备1000是反射型的(例如，采用反射式掩模)。应当注意，由于大多数材料在EUV波长范围内是吸收性的，因此图案形成装置可以具有多层反射器，包括例如钼和硅的多叠层。在一个示例中，多叠层反射器具有40层成对的钼和硅。用X射线光刻术可以产生甚至更小的波长。由于大多数材料在EUV和X射线波长中是吸收性的，所以在图案形成装置形貌上(例如，在多层反射器的顶部上的TaN吸收器)图案化的吸收材料的薄片限定了特征将印刷(正性抗蚀剂)或不印刷(负性抗蚀剂)的区域。
[0099]参照图11，照射器IL接收来自源收集器模块SO的极紫外(EUV)辐射束。用以产生EUV辐射的方法包括但不必限于将材料转换为等离子体状态，该材料具有在EUV范围内具有一个或更多个发射线的至少一种元素，例如氙、锂或锡。在通常称为激光产生等离子体(“LPP”)的一种这样的方法中，该等离子体可以通过使用激光束照射燃料来产生，燃料例如是具有发射线元素的材料的液滴、束流或簇团。源收集器模块SO可以是包括用于提供用于激发燃料的激光束的激光器(在图11中未示出)的EUV辐射系统的一部分。所形成的等离子体发射输出辐射，例如EUV辐射，其通过使用设置在源收集器模块中的辐射收集器收集。激光器和源收集器模块可以是分立的实体，例如当使用CO2激光器提供激光束用于燃料激发时即是如此。
[0100]在这种情况下，激光器不看作是形成光刻设备的一部分，并且，借助于包括例如合适的定向反射镜和/或扩束器的束传递系统，辐射束被从激光器传递至源收集器模块。在其他情况下，所述源可以是源收集器模块的组成部分，例如当源是放电产生等离子体EUV产生器(通常称为DPP源)时即是如此。
[0101]照射器IL可以包括调整器，被配置用于调整辐射束的角度强度分布。通常，可以对所述照射器的光瞳平面中的强度分布的至少所述外部和/或内部径向范围(一般分别称为σ_外部和σ-内部)进行调整。此外，所述照射器IL可以包括各种其它部件，例如琢面场反射镜装置和琢面光瞳反射镜装置。可以将所述照射器用于调节所述辐射束，以在其横截面中具有所需的均匀性和强度分布。
[0102]所述辐射束B入射到保持在支撑结构(例如，掩模台)MT上的所述图案形成装置(例如，掩模)ΜΑ上，并且通过所述图案形成装置来形成图案。在已经由图案形成装置(例如，掩模)MA反射之后，所述辐射束B通过投影系统PS，所述投影系统PS将束聚焦到所述衬底W的目标部分C上。通过第二定位装置PW和位置传感器系统PS2(例如，干涉仪器件、线性编码器或电容传感器)的帮助，可以精确地移动所述衬底台WT，例如以便将不同的目标部分C定位于所述辐射束B的路径中。类似地，可以将所述第一定位装置PM和另一个位置传感器系统PSl用于相对于所述辐射束B的路径精确地定位图案形成装置(例如，掩模)MA。可以使用图案形状装置对准标记Ml、M2和衬底对准标记Pl、P2来对准图案形成装置(例如，掩模)MA和衬底W。
[0103]可以将所示的设备用于以下模式中的至少一种中:
[0104]1.在步进模式中，在将支撑结构(例如掩模台)MT和衬底台WT保持为基本静止的同时，将赋予所述辐射束的整个图案一次投影到目标部分C上(S卩，单一的静态曝光)。然后将所述衬底台WT沿X和/或Y方向移动，使得可以对不同目标部分C曝光。
[0105]2.在扫描模式中，在对支撑结构(例如掩模台)MT和衬底台WT沿给定方向(所谓的“扫描方向”)同步地进行扫描的同时，将赋予所述辐射束的图案投影到目标部分C上(S卩，单一的动态曝光)。衬底台WT相对于支撑结构(例如掩模台)MT的速度和方向可以通过所述投影系统PS的(缩小)放大率和图像反转特征来确定。
[0106]3.在另一种模式中，将用于保持可编程图案形成装置的支撑结构(例如掩模台)MT保持为基本静止，并且在对所述衬底台WT进行移动或扫描的同时，将赋予所述辐射束的图案投影到目标部分C上。在这种模式中，通常采用脉冲辐射源，并且在所述衬底台WT的每一次移动之后、或在扫描期间的连续辐射脉冲之间，根据需要更新所述可编程图案形成装置。这种操作模式可易于应用于利用可编程图案形成装置(例如，如上所述类型的可编程反射镜阵列)的无掩模光刻术中。
[0107]此外，光刻设备可以是具有两个或更多的台(例如两个或更多的衬底台、两个或更多的图案形成装置台和/或衬底台和无衬底的台)的类型。在这样的“多平台”装置中，可以并行地使用附加的台，或可以在一个或更多的台上进行预备步骤的同时，将一个或更多的其它台用于曝光。例如，在美国专利US5，969，441中描述了双平台光刻设备，通过引用将其并入本文中。
[0108]图12更详细地示出设备1000，包括源收集器模块S0、照射系统IL以及投影系统PS。源收集器模块SO构造并布置成使得在源收集器模块SO的包围结构220内保持真空环境。用于发射EUV辐射的等离子体210可以通过放电产生等离子体源形成。EUV辐射可以通过气体或蒸汽产生，例如氙气、锂蒸汽或锡蒸汽，其中形成极高温等离子体210以发射在电磁辐射光谱的EUV范围内的辐射。通过例如引起至少部分离子化的等离子体的放电来形成极高温等离子体210。例如，为了有效生成辐射可能要求Xe、L1、Sn蒸汽或任何其他合适的气体或蒸汽的1Pa的分压。在一个实施例中，被激发的锡(Sn)的等离子体被提供以产生EUV辐射。
[0109]由高温等离子体210发射的辐射从源腔211经由可选的定位在源腔211内的开口内或其后面的气体阻挡件或污染物阱230(在某些情况下被称为污染物阻挡件或翼片阱)被传递到收集器腔212中。污染物阱230可以包括通道结构。污染物阱230还可以包括气体阻挡件或气体阻挡件和通道结构的组合。此处进一步示出的污染物阱或污染物阻挡件230至少包括通道结构，如现有技术中已知的。
[0110]收集器腔211可以包括辐射收集器CO，其可以是所谓的掠入射收集器。辐射收集器CO具有上游辐射收集器侧251和下游辐射收集器侧252。穿过收集器CO的辐射可以被反射离开光栅光谱滤光片240以沿着由虚线‘0’标示的光轴被聚焦在虚源点IF。虚源点IF通常称为中间焦点，并且该源收集器模块布置成使得中间焦点IF位于包围结构220的开口处或其附近。虚源点IF是用于发射辐射的等离子体210的像。
[0111]随后辐射穿过照射系统IL，照射系统IL可以包括布置成在图案形成装置MA处提供辐射束21的期望的角分布以及在图案形成装置MA处提供期望的辐射强度均匀性的琢面场反射镜装置22和琢面光瞳反射镜装置24。在辐射束21在由支撑结构MT保持的图案形成装置MA处反射时，图案化的束26被形成，并且图案化的束26通过投影系统PS经由反射元件28、30成像到由衬底台WT保持的衬底W上。
[0112]在照射光学装置单元IL和投影系统PS中通常可以存在比图示的元件更多的元件。光栅光谱滤光片240可以可选地设置，这依赖于光刻设备的类型。此外，可以存在比图中示出的反射镜更多的反射镜，例如在投影系统PS中可以存在除在图12中示出的元件以外的1-6个附加的反射元件。
[0113]收集器光学装置CO，如图12所示，在图中被示出是具有掠入射反射器253、254以及255的巢状收集器，仅作为收集器(或收集器反射镜)的一个不例。掠入射反射器253、254以及255围绕光轴O轴向对称地设置，该类型的收集器光学装置CO优选期望与放电产生等离子体源结合使用，放电产生等离子体源通常称为DPP源。替代地，该源收集器模块SO可以是LPP福射系统的一部分。
[0114]这里使用的术语“投影系统”可以广义地解释为包括任意类型的投影系统，包括折射型、反射型、反射折射型、磁性型、电磁型和静电型光学系统、或其任意组合，如对于所使用的曝光辐射所适合的、或对于诸如使用浸没液或使用真空之类的其他因素所适合的。
[0115]所述光刻设备还可以是这种类型:其中衬底的至少一部分可以由具有相对高的折射率的液体(例如水)覆盖，以便填充投影系统和衬底之间的空间。浸没液体还可以施加到光刻设备中的其他空间，例如掩模和投影系统之间的空间。浸没技术用于提高投影系统的数值孔径在本领域是熟知的。这里使用的术语“浸没”并不意味着必须将结构(例如衬底)浸入到液体中，而仅意味着在曝光过程中液体位于投影系统和该衬底之间。
[0116]此处公开的构思可以用于模拟任何涉及光刻设备的器件制造过程或在数学上对任何涉及光刻设备的器件制造过程进行建模，且可能随着能够产生尺寸不断变小的波长的成像技术的出现是特别有用的。已经使用的现有的技术包括DUV(深紫外线)光刻术，其能够用ArF激光器产生193nm波长，甚至可以用氟激光器产生157nm的波长。此外，EUV光刻术能够产生在5-20nm范围内的波长。
[0117]尽管在此所公开的构思可以用于在衬底(例如硅晶片)上制造器件，但是应当理解，所公开的构思可以与任何其他类型的光刻成像系统一起使用，例如用于在除去硅晶片之外的衬底上成像的光刻成像系统。
[0118]上文提及的图案形成装置包括或可以形成设计布局。可以利用CAD(计算机辅助设计)程序来产生设计布局。该过程通常被称作为EDA(电子设计自动化)。大多数CAD程序遵循一组预定的设计规则，用于产生功能设计布局/图案形成装置。这些规则由处理和设计限制来设定。例如，设计规则限定了电路器件(诸如栅极、电容器等)或互连线之间的间隔容许度，以便于确保电路器件或线不会以不被期望的方式相互作用。设计规则限制典型地称作为“临界尺寸”(CD)。电路的临界尺寸可以被定义为线或孔的最小宽度或者两条线或两个孔之间的最小间隔。因此，CD确定了所设计的电路的整体尺寸和密度。当然，集成电路制造中的目标之一是如实地在衬底上(经由图案形成装置)复现原始的电路设计。
[0119]在这种情形中采用的术语“掩模”或“图案形成装置”可以广义地解释成表示可以用于为入射的辐射束赋以对应于将要在衬底的目标部分中产生的图案的图案化横截面的一般性的图案形成装置;术语“光阀”也可以用于这种情形。除了传统的掩模(透射式或反射式掩模;二元掩模、相移掩模、混合型掩模等)之外，其它的图案形成装置的例子包括:
[0120]-可编程反射镜阵列。这样的器件的一个例子是具有粘弹性控制层和反射表面的矩阵可寻址表面。这样的设备所依据的基本原理是(例如)反射表面的已寻址区域将入射辐射反射成衍射辐射，而未寻址区域将入射辐射反射成非衍射辐射。使用适合的滤光片，可以从反射束中过滤掉所述非衍射辐射，从而之后仅留下衍射辐射;这样，所述束根据矩阵可寻址表面的寻址图案而被图案化。所需要的矩阵寻址可以通过使用适合的电子装置进行。关于这样的反射镜阵列的更多的信息可以参见例如美国专利％.5，296，891和％.5，523，193，通过引用将它们并入本文中。
[0121]-可编程LCD阵列。在美国专利N0.5，229,872中给出了这样的构造的一个例子，通过引用将其并入本文中。
[0122]如注意到的，微光刻术是器件(例如集成电路)的制造中的重要步骤，其中在衬底上形成的图案限定了 IC的功能元件，诸如微处理器、存储器芯片等。类似的光刻技术也用于形成平板显示器、微机电系统(MEMS)以及其它器件。
[0123]印刷具有小于光刻投影设备的经典的分辨率极限的尺寸的特征的过程通常被称为低Iu光刻术，其基于分辨率公式CD = luXA/NA，其中λ是所采用的辐射波长(当前在大多数情形中是248nm或193nm)，NA是光刻投影设备中的投影光学装置的数值孔径，CD是“临界尺寸”(通常是所印刷的最小特征尺寸)，以及Iu是经验分辨率因子。通常，1^越小，在衬底上复现图案(类似由电路设计者为获得特定的电功能和性能而设计的形状和尺寸)变得越困难。为了克服这些困难，复杂的精细调节步骤被应用于光刻投影设备和/或设计布局。这些例如包括但不限于NA和光学相干性设定的优化、定制的照射方案、相移图案形成装置的使用、在设计布局中的光学邻近效应校正(0PC，有时称为“光学和过程校正”)或通常被定义成“分辨率增强技术(RET)”的其它方法等。
[0124]作为一个例子，光学邻近效应校正解决的问题是被投影到衬底上的设计布局的图像的最终尺寸和定位将不与图案形成装置上的设计布局的尺寸和定位一致或不仅仅只依赖于图案形成装置上的设计布局的尺寸和定位。本领域技术人员将认识到，尤其是在光刻术模拟/优化的情形中，术语“掩模”/“图案形成装置”和“设计布局”可以相互通用，这是因为在光刻术模拟/优化中，物理的图案形成装置不是必须使用的，而是可以用设计布局来代表物理的图案形成装置。对于在一些设计布局上出现的小的特征尺寸和高的特征密度，给定特征的特定边缘的位置在一定程度上将受其它相邻特征的存在或不存在的影响。这些邻近效应由于从一个特征耦合至另一特征的微小量的光而产生和/或由非几何光学效应(诸如衍射和干涉)产生。类似地，邻近效应可能由在通常在光刻术之后的曝光后焙烤(PEB)JA蚀剂显影和蚀刻期间的扩散和其它化学效应产生。
[0125]为了帮助确保设计布局中的投影图像与给定的目标电路设计的需求一致，需要使用复杂的数值模型、针对于设计布局的校正或预变形来预测和补偿邻近效应。文章“Full-Chip Lithography Simulat1n and Design Analysis-How OPC Is Changing ICDesign” ?C.Spence ?Proc.SPIE ?Vol.5751 ?pp 1-14(2005)提供了当前的“基于模型的”光学邻近效应校正过程的概述。在典型的高端设计中，设计布局的几乎每个特征都具有一些修改，用以实现投影图像对于目标设计的高保真度。这些修改可以包括边缘位置或线宽的位移或偏置以及“辅助”特征的应用，所述“辅助”特征用来辅助其它特征的投影。
[0126]应用OPC通常不是“精确的科学”，而是经验性的迭代过程，其不总是能补偿所有可能的邻近效应。因此，OPC效果(例如在应用OPC和任何其它的RET之后的设计布局)应当通过设计检查进行验证，即，使用经过校准的数值过程模型的透彻的全芯片模拟，用以最小化设计缺陷被引入图案形成装置图案中的概率。
[0127]OPC和全芯片RET验证都可以基于如例如在公开号为US20050076322的美国专利申请和题为 “Optimized Hardware and Software For Fast ,Full Chip Simulat1n”，Y.Caoet al.，Proc.SPIE，Vol.5754,405(2005)的文章中所描述的数值模型化系统和方法。
[0128]—种RET与设计布局的全局偏差的调整有关。全局偏差为设计布局中的图案与打算印刷在衬底上的图案的差异。例如，25nm直径的圆形图案可以通过设计布局中的50nm直径的图案印刷到衬底上，或者通过设计布局中20nm直径的图案、且用大剂量印刷到衬底上。
[0129]除了对设计布局或图案形成装置(例如0PC)的优化之外，照射源也可以被优化，或者与图案形成装置优化一起进行优化或单独地进行优化，致力于改善整体的光刻保真度。在本文中术语“照射源”和“源”可以相互通用。众所周知，离轴照射，诸如环形的、四极以及双极的照射是经证实的用于分辨包含在图案形成装置中的精细结构(例如目标特征)的方式。然而，在与传统的照射源相比较时，离轴照射源通常为空间图像(Al)提供较低的辐射强度。因此，需要试图优化照射源，以在更精细的分辨率和降低的辐射强度之间获得优化的平衡。
[0130]例如，在Rosenbluth等题目为“Optimum Mask and Source Patterns to Print AGiven Shape，，，Journal of Microlithography,Microfabricat1n,Microsystems 1(1)，PP.13-20，(2002)的文章中，可以发现诸多的照射源优化方法。所述源被细分成多个区域，每一区域对应于光瞳光谱的特定区域。之后，假定源分布在每一源区域中是均匀的，且对于过程窗口优化每一区域的亮度。在Granik的题目为“Source Optimizat1n for ImageFidelity and Throughput”，Journal of Microlithography,Microfabncat1n,Microsystems 3(4)，PP.509-522，(2004)的文章中阐述的另一例子中，综述了几个现有的源优化方法，提出了基于照射器像素的方法，该方法将源优化问题转换成一系列非负的最小二乘优化。
[0131]对于低Iu光刻术，对源和图案形成装置的优化对于确保用于临界电路图案的投影的可行的过程窗口是非常有用的。一些算法使得照射离散成独立的源点和使图案形成装置离散成空间频率域中的衍射级，和基于过程窗口度量(诸如曝光宽容度)独立地用公式表达成本函数(其被定义为所选择的设计变量的函数)，所述过程窗口度量可以通过光学成像模型由源点强度和图案形成装置衍射级进行预测。此处使用的术语“设计变量”的意思是设备或器件制造过程的一组参数，例如光刻设备的使用者可以调整的参数或使用者可以通过调整这些参数来调整的图像特性。应当认识到，器件制造过程的任何特性(包括源、图案形成装置、投影光学装置和/或抗蚀剂特性中的这些特性)在优化中可以在设计变量之中。成本函数通常是设计变量的非线性函数。之后标准优化技术用于最小化成本函数。
[0132]源和图案形成装置(设计布局)优化方法和系统允许使用成本函数没有约束地且在实际可行的时间量内同时优化源和图案形成装置，其在共同转让的公开号为W02010/059954的PCT专利申请中进行了描述，通过弓I用将其全部内容并入本文中。
[0133]另一种源和掩模优化方法和系统涉及通过调整源的像素来优化所述源，其在公开号为2010/0315614的美国专利申请中进行了描述，通过引用将其全部内容并入本文中。
[0134]如此处使用的术语“投影光学装置”应当被广义地解释成包括各种类型的光学系统，例如包括折射式光学装置、反射式光学装置、孔阑和折射反射式光学装置。术语“投影光学装置”还可以统一地或单独地包括根据用于引导、成形或控制辐射投影束的这些设计类型中的任一种进行操作的部件。术语“投影光学装置”可以包括在光刻投影设备中的任何光学部件，而不管光学部件处于光刻投影设备的光路上的哪一位置上。投影光学装置可以包括用于在辐射穿过图案形成装置之前成形、调整和/或投影来自源的辐射的光学部件，和/或用于在辐射穿过图案形成装置之后成形、调整和/或投影该辐射的光学部件。投影光学装置通常不包括源和图案形成装置。
[0135]虽然上文已经做出了具体参考，将本发明的实施例用于光学光刻术的情况中，但是应该注意到，本发明的实施例可以用在其它的应用中，例如压印光刻术，并且只要情况允许，不局限于光学光刻术。在压印光刻术中，图案形成装置中的形貌限定了在衬底上产生的图案。可以将所述图案形成装置的形貌印刷到提供给所述衬底的抗蚀剂层中，在其上通过施加电磁辐射、热、压力或其组合来使所述抗蚀剂固化。在所述抗蚀剂固化之后，所述图案形成装置被从所述抗蚀剂上移走，并在抗蚀剂中留下图案。因此，使用压印技术的光刻设备通常包括用于保持压印模板的模板保持装置、用于保持衬底的衬底台以及一个或更多个致动器，所述致动器用于导致在衬底和压印模板之间的相对移动以使得压印模板的图案可以被压印到衬底的层上。
[0136]可以使用下述方面进一步描述本发明:
[0137]1.—种计算机执行的、用于器件制造过程的缺陷预测方法，所述器件制造过程涉及由光刻设备处理的生产衬底，所述方法包括:
[0138]使用训练组来训练分类模型，所述训练组包括与由所述器件制造过程所处理的生产衬底相关联的过程参数的测量值或确定值以及关于与在所述处理参数值下在所述器件制造过程中所处理的生广衬底相关联的缺陷的存在的指不;和
[0139]从分类模型产生输出，其指示对于衬底的缺陷的预测。
[0140]2.根据方面I所述的方法，包括使用另一训练组来训练分类模型，所述另一训练组包括与由所述器件制造过程所处理的生产衬底相关联的过程参数的另外的测量值或确定值以及关于与在所述处理参数的另外的值下在所述器件制造过程中所处理的生产衬底相关联的缺陷的存在的指不。
[0141]3.根据方面2所述的方法，其中所述另外的值中的至少一些在使用测量值或确定值训练分类模型之后被生成。
[0142]4.根据方面2或3所述的方法，其中所述另一训练组包括除所述另外的值之外的所述测量值或确定值的至少一部分。
[0143]5.根据方面I至4中任一项所述的方法，还包括基于与由所述器件制造过程所处理的另外的生产衬底相关联的过程参数的另外的测量值或确定值来反复地进行训练。
[0144]6.根据方面I至5中任一项所述的方法，还包括使用分类模型计算对于衬底的缺陷的概率。
[0145]7.根据方面6所述的方法，还包括:使用所述概率来调整所述器件制造过程的参数、被图案化到衬底上的布局的参数或者所述器件制造过程的参数和被图案化到衬底上的布局的参数两者。
[0146]8.根据方面I至7中任一项所述的方法，其中关于缺陷的存在的所述指示包括由光学测量工具、或操作者输入、或由良品率数据或电子测试数据所确定的判定。
[0147]9.根据方面I至8中任一项所述的方法，其中关于缺陷的存在的所述指示包括由经验模型或计算模型进行的判定。
[0148]10.根据方面I至9中任一项所述的方法，其中关于缺陷的存在的所述指示包括由光刻设备的使用者进行的判定。
[0149]11.根据方面I至10中任一项所述的方法，其中关于缺陷的存在的所述指示包括在将布局图案化在衬底的每个管芯或每个衬底上之后的判定。
[0150]12.根据方面I至11中任一项所述的方法，其中分类模型涉及罗吉斯回归、内核罗吉斯回归、支持矢量机或输入矢量机。
[0151]13.根据方面I至12中任一项所述的方法，其中分类模型的类别数量是2。
[0152]14.根据方面13所述的方法，其中所述类别包括缺陷的存在和缺陷的不存在。
[0153]15.根据方面I至14中任一项所述的方法，其中所述缺陷是选自由颈缩、线回退、线窄化、临界尺寸、搭接和桥接构成的组中的一个或更多种缺陷。
[0154]16.根据方面I至15中任一项所述的方法，其中所述器件制造过程的参数是选自由光刻设备的辐射源的特性、光刻设备的投影光学装置的特性、剂量、聚焦、抗蚀剂的特性、抗蚀剂显影的特性、抗蚀剂曝光后焙烤的特性和衬底的蚀刻特性构成的组中的一个或更多个参数。
[0155]17.根据方面I至16中任一项所述的方法，还包括使用利用将被图案化到衬底上的布局的参数模拟的过程参数的值以及关于与过程参数的模拟的值相关联的缺陷的存在的指示来训练分类模型。
[0156]18.根据方面I至17中任一项所述的方法，还包括使用由量测工具所测量的过程参数的值来训练分类模型。
[0157]19.根据方面I至18中任一项所述的方法，还包括确定关于与过程参数的值相关的缺陷的存在的指示。
[0158]20.根据方面I至19中任一项所述的方法，还包括测量或确定过程参数的值，所述值是选自来自于量测工具的测量值、良品率数据或来自于光刻设备的值中的一种或更多种值。
[0159]21.根据方面I至20中任一项所述的方法，其中所述器件制造过程是蚀刻过程。
[0160]22.根据方面I至20中任一项所述的方法，其中所述器件制造过程包括光刻图案化过程。
[0161]23.一种训练分类模型的方法，所述方法包括:
[0162]使用分类模型预测在衬底中或衬底上的缺陷，所述分类模型具有作为独立变量的用于光刻曝光衬底的器件制造过程的过程参数和/或将使用光刻设备被提供到衬底上的图案的布局参数；
[0163]接收关于针对于过程参数和/或布局参数的测量值或确定值的缺陷的存在的信息;和
[0164]基于所预测的缺陷和关于针对于过程参数和/或布局参数的测量值或确定值的缺陷的存在的信息来训练分类模型。
[0165]24.根据方面23的方法，其中关于缺陷的存在的所述信息包括由光学测量工具所测量的器件制造过程的过程参数的多个值。
[0166]25.根据方面23或24所述的方法，还包括基于在器件制造过程期间从由器件制造过程所处理的多个衬底所测量的数据来反复执行预测、接收和训练。
[0167]26.根据方面23至25中任一项所述的方法，还包括:使用分类模型的输出来调整所述器件制造过程的参数、被图案化到衬底上的布局的参数或者所述器件制造过程的参数和被图案化到衬底上的布局的参数两者。
[0168]27.根据方面23至26中任一项所述的方法，其中分类模型涉及罗吉斯回归、内核罗吉斯回归、支持矢量机或输入矢量机。
[0169]28.—种由计算机执行的、产生分类模型以便于在器件制造过程中的缺陷预测的方法，所述器件制造过程涉及由光刻设备所处理的生产衬底，所述方法包括使用训练组来训练分类模型，所述训练组包括由所述器件制造过程所处理的多个衬底的过程参数的测量值或确定值以及关于与所述处理参数的值相关联的缺陷的存在的指示。
[0170]29.根据方面28所述的方法，还包括使用分类模型来预测在衬底中的缺陷。
[0171]30.根据方面29所述的方法，还包括提供所述缺陷的概率的估计。
[0172]31.—种计算机程序产品，包括计算机可读介质，所述计算机可读介质具有记录于其上的指令，所述指令在由计算机执行时实现上述方面中任一项所述的方法。
[0173]上文描述是说明性的，而不是限制性的。因此，本领域技术人员应当清楚可以在不背离所附的权利要求的范围的情况下如所述地做出修改。
【主权项】
1.一种由计算机执行的、用于器件制造过程的缺陷预测方法，所述器件制造过程涉及由光刻设备处理的生产衬底，所述方法包括: 使用训练组来训练分类模型，所述训练组包括与由所述器件制造过程所处理的生产衬底相关联的过程参数的测量值或确定值以及关于与在所述处理参数的值下在所述器件制造过程中所处理的生产衬底相关联的缺陷的存在的指示;和 从分类模型产生输出，所述输出指示对于衬底的缺陷的预测。2.根据权利要求1所述的方法，包括使用另一训练组来训练分类模型，所述另一训练组包括与由所述器件制造过程所处理的生产衬底相关联的过程参数的另外的测量值或确定值以及关于与在所述处理参数的另外的值下在所述器件制造过程中所处理的生产衬底相关联的缺陷的存在的指不。3.根据权利要求2所述的方法，其中所述另外的值中的至少一些在使用所述测量值或确定值训练分类模型之后被生成。4.根据权利要求2或3所述的方法，其中除所述另外的值之外，所述另一训练组还包括所述测量值或确定值的至少一部分。5.根据权利要求1所述的方法，还包括基于与由所述器件制造过程所处理的另外的生产衬底相关联的过程参数的另外的测量值或确定值来反复地进行所述训练步骤。6.根据权利要求1所述的方法，还包括使用分类模型计算对于衬底的缺陷的概率。7.根据权利要求6所述的方法，还包括:使用所述概率来调整所述器件制造过程的参数、被图案化到衬底上的布局的参数或者所述器件制造过程的参数和被图案化到衬底上的布局的参数两者。8.根据权利要求1所述的方法，其中关于缺陷的存在的所述指示包括由光学测量工具或操作者输入进行的判定、或者由良品率数据或电子测试数据所确定的判定。9.根据权利要求1所述的方法，其中关于缺陷的存在的所述指示包括由经验模型或计算模型进行的判定、或由光刻设备的使用者进行的判定、或在将布局图案化在衬底的每个管芯或每个衬底上之后进行的判定。10.根据权利要求1所述的方法，其中分类模型涉及罗吉斯回归、内核罗吉斯回归、支持矢量机或输入矢量机。11.根据权利要求1所述的方法，其中分类模型的类别数量是2。12.根据权利要求11所述的方法，其中所述类别包括缺陷的存在和缺陷的不存在。13.根据权利要求1所述的方法，其中所述缺陷是选自由颈缩、线回退、线窄化、临界尺寸、搭接和桥接构成的组中的一个或更多种缺陷。14.一种训练分类模型的方法，所述方法包括: 使用分类模型预测在衬底中或衬底上的缺陷，所述分类模型具有作为独立变量的用于光刻曝光衬底的器件制造过程的过程参数和/或使用光刻设备被提供到衬底上的图案的布局参数； 接收关于针对于过程参数和/或布局参数的测量值或确定值的缺陷的存在的信息;和 基于所预测的缺陷和关于针对于过程参数和/或布局参数的测量值或确定值的缺陷的存在的信息来训练分类模型。15.—种由计算机执行的、产生分类模型以便于在器件制造过程中的缺陷预测的方法，所述器件制造过程涉及由光刻设备所处理的生产衬底，所述方法包括使用训练组来训练分类模型，所述训练组包括由所述器件制造过程所处理的多个衬底的过程参数的测量值或确定值以及关于与所述处理参数的值相关联的缺陷的存在的指示。
【文档编号】G03F7/20GK105849643SQ201480068175
【公开日】2016年8月10日
【申请日】2014年11月14日
【发明人】S·A·米德莱布鲁克斯, W·M·J·M·考恩, F·A·J·M·朱埃森, A·C·M·库普曼, M·G·M·M·范卡拉埃吉
【申请人】Asml荷兰有限公司