一种CMP模型参数优化方法和装置与流程
本申请涉及半导体领域，更具体地说，涉及一种cmp模型参数优化方法和装置。
背景技术：
cmp(chemicalmechanicalplanarization，化学机械研磨)技术作为可制造性设计工艺解决方案的关键环节，是目前超大规模集成电路制造中唯一能够实现全局平坦化的广泛应用技术，现已广泛用于集成电路芯片、微型机械系统等表面的平整化。
一个科学合理、准确可靠的cmp工艺模型，可以帮助工艺工程师严格控制工艺条件，尽可能减少研磨后的蝶形和侵蚀，使得半导体金属栅表面平坦性达到光刻聚焦深度水平的要求。
当前，cmp模型的模型参数大多现有文献数据库中查阅得到，其模型参数的精确度较低。
技术实现要素：
有鉴于此，本申请提供一种cmp模型参数的优化方法和装置，以对cmp模型的模型参数进行优化，提高模型参数的精确度。
为了实现上述目的，现提出的方案如下：
一种cmp模型参数优化方法，包括：
建立cmp模型，确定所述cmp模型的待优化参数；
基于所述cmp模型预测研磨芯片的芯片参数，得到芯片预测参数；
获取研磨芯片的芯片实测参数；
基于所述芯片实测参数和所述芯片预测参数，确定pmo优化算法的目标函数；
基于所述目标函数，按照pmo优化算法对所述cmo模型中的待优化参数进行优化，得到所述cmp模型的优化参数。
优选的，所述预测参数包括：芯片表面形貌高度预测参数、蝶形值预测参数以及侵蚀值预测参数；
所述实测参数包括：芯片表面形貌高度实测参数、蝶形值实测参数以及侵蚀值实测参数。
优选的，所述目标函数为：
其中，ai≤pi≤bi为常数约束条件，cj≤wj≤dj为函数约束条件，p1,p2,...,pm表示待优化参数，h表示芯片表面高度、d表示蝶形值，e表示侵蚀值，qsi表示芯片预测参数，qi表示芯片实测参数，w，s分别表示研磨芯片的工艺参数线宽和间距。
优选的，所述获取研磨芯片的实测参数，包括：获取研磨芯片的多组实测参数；
所述得到所述cmp模型的优化参数，包括：得到所述cmp模型的多组优化参数；
所述得到所述cmp模型的多组优化参数之后还包括：从所述多组优化参数中选择所述cmp模型的最优化参数。
一种cmp模型参数优化装置，包括：
模型建立单元，用于建立cmp模型，确定所述cmp模型的待优化参数；
参数预测单元，用于基于所述cmp模型预测研磨芯片的芯片参数，得到芯片预测参数；
参数采集单元，用于获取研磨芯片的芯片实测参数；
目标函数建立单元，用于基于所述芯片实测参数和所述芯片预测参数，确定pmo优化算法的目标函数；
参数优化单元，用于基于所述目标函数，按照pmo优化算法对所述cmo模型中的待优化参数进行优化，得到所述cmp模型的优化参数。
优选的，所述预测参数包括：芯片表面形貌高度预测参数、蝶形值预测参数以及侵蚀值预测参数；
所述实测参数包括：芯片表面形貌高度实测参数、蝶形值实测参数以及侵蚀值实测参数。
优选的，所述目标函数为：
其中，ai≤pi≤bi为常数约束条件，cj≤wj≤dj为函数约束条件，p1,p2,...,pm表示待优化参数，h表示芯片表面高度、d表示蝶形值，e表示侵蚀值，qsi表示芯片预测参数，qi表示芯片实测参数，w，s分别表示研磨芯片的工艺参数线宽和间距。
优选的，所述参数采集单元具体用于获取研磨芯片的多组实测参数。
所述目标函数建立单元，具体用于基于所述多组芯片实测参数和所述芯片预测参数，确定pmo优化算法的多个目标函数；
所述参数优化单元，具体用于分别基于所述多个目标函数，按照pmo优化算法对所述cmo模型中的待优化参数进行优化，得到所述cmp模型的多组优化参数
所述装置还包括：最优参数筛选单元，用于从所述多组优化参数中选择所述cmp模型的最优化参数。
经由上述技术方案可知，本申请公开一种cmp模型参数优化方法和装置。该方法首先确定cmp模型的待优化参数，进而基于该cmp模型预测研磨芯片的芯片参数，得到芯片预测参数并获取与芯片预测参数对应的实测参数，从而确定pmo优化算法的目标函数，以基于该目标函数，按照pmo优化算法对所述cmp型中的待优化参数进行优化，得到所述cmp模型的优化参数。与现有技术相比，本发明基于研磨芯片的预测参数和实测参数，利用pmo优化算法对cmp模型的待优化参数进行优化，无需基于历史数据进行查找，提高了模型参数的精确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1示出了本发明一个实施了公开的一种cmp模型参数优化方法的流程示意图；
图2示出了本发明另一个实施了公开的一种cmp模型参数优化装置的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1示出了本发明一个实施了公开的一种cmp模型参数优化方法的流程示意图
由图1可知，本发明包括：
s101：建立cmp模型，确定所述cmp模型的待优化参数。
截止目前，cmp建模主要包含晶圆-粒子-研磨垫之间接触机理分析和金属、电介质和研磨液间的物理化学反应两大方向，接触建模可分为直接接触力学建模、流体力学建模、粒子动力学建模以及混合润滑建模四类，其主要涉及到的学科门类包括接触力学、摩擦学、流体传质、弹性力学、偏微分方程、分子(动)力学及化学反应动力学等。
在建立cmp工艺模型过程中，研磨去除率(mrr)作为描述芯片表面高度变化快慢的重要指标，在cmp的模型机理分析中成为广泛关注和研究的重点，一旦获取mrr，即可进一步将其用于计算研磨芯片表面的瞬时高度变化，给出芯片表面的实时轮廓和特征，并可将计算结果用于版图设计、电特性分析等应用流程，因此，如何获取准确可靠的研磨去除率计算公式成为hkmgcmp模型机理分析的重点。
这里把研磨去除率拆分为两部分：机械部分mrrcontact和化学部分mrrchemical，即mrr＝mrrcontact+mrrchemical，其中mrrcontact一般为接触压力p，转速v，研磨垫弹性模量e，泊松比μ，粗糙峰半径r，硬度hp，晶圆硬度hw等参数的函数，即mrrcontact＝fco(p,v,e,μ,r,hp,hw,...)。mrrchemical一般为研磨液各成分初始浓度ci,i＝1,...,n，研磨粒子大小分布sa，研磨粒子质量浓度ca，温度t，ph值ph等，研磨液流动速率u等参数的函数，即mrrchemical＝fch(ci,sa,ca,t,h,u,...)。
为了反映芯片表面cmp后形貌变化，还需求解研磨去除速率方程：
其中，h为芯片表面形貌高度，是位置和时间的函数。
s102：基于所述cmp模型预测研磨芯片的芯片参数，得到芯片预测参数。
可选的，所述芯片预测参数包括：芯片表面形貌高度预测参数、蝶形值预测参数以及侵蚀值预测参数。
s103：获取研磨芯片的芯片实测参数，其中所述芯片预测参数与所述芯片实测参数对应。
需要说明的是，芯片实测参数片cmp机理模型参数提取、验证及校正中具有重要作用，实测数据的准确程度将在很大程度上影响模型的精确度和预测功能。因此，测试芯片数据整理与分析是获取cmp模型参数的关键和实现机理模型进一步推广应用的前提。
基于原子力显微镜(afm)对cmp工艺的表面扫描结果，可以获得反映芯片表面平坦性特征的金属层的蝶形值实测参数和介质层的侵蚀值实测参数的测量值。由于hkmg器件线宽较小，应用基于光学或电学机理的测试设备很难得到精确的芯片表面形貌高度实测参数。因此，可采用sem切片量测芯片表面形貌高度实测参数。
另外，在本发明中所述芯片预测参数与所述芯片实测参数相对应，具体表现为芯片预测参数与芯片实测参数均可采用的线宽w和间距s表示。不同的线宽w和间距s的芯片对应的芯片预测参数和芯片实测参数不同。
s104：基于所述芯片实测参数和所述芯片预测参数，确定pmo优化算法的目标函数。
在cmp机理模型中，由于mrr中部分模型参数可以通过工艺参数及相关文献获得，因此，将剩余的模型参数统一表示为pi(i＝1,...,m)，其中m为剩余待定模型参数个数。据此，可以建立如下pmo目标函数：
其中，ai≤pi≤bi为常数约束条件，cj≤wj≤dj为函数约束条件，p1,p2,...,pm表示待优化参数，h表示芯片表面高度、d表示蝶形值，e表示侵蚀值，qsi表示芯片预测参数，qi表示芯片实测参数，w，s分别表示研磨芯片的工艺参数线宽和间距。
s105：基于所述目标函数，按照pmo优化算法对所述cmo模型中的待优化参数进行优化，得到所述cmp模型的优化参数。
该过程具体包括：
1)确定初始复形顶点：
由于待优化参数的个数为m个，因而这里复形共有2m个顶点，设初始复形第一个顶点坐标p(1)＝(p11,p21,...,pm1)满足常数约束条件，其余2m-1个顶点为p(j)＝(p1j,p2j,...,pmj),j＝2,...,2m，其中各分量为pij＝ai+r(bi-ai),i＝1,...,m,j＝2,...,2m，r为[0,1]之间的伪随机数。可见，各顶点满足常数约束条件，关于函数约束条件需要进行调整。
假定前j-1个顶点满足函数约束条件，而第j个顶点不满足函数约束条件，则令：
该过程持续至满足所有函数约束条件为止。相应地，各顶点处目标函数值为f(j)＝f(p(j)),j＝1,...,2m。
2)确定最坏及次坏目标值
3)计算最坏点的对称点
4)产生新的顶点替代最坏点构成新复形
若f(pt)＞f(g)，则令：
检查pt是否满足所有约束条件，若某个分量pt(j)不满足常数约束条件，即pt(j)＜aj或pt(j)＞bj，则令：
pt(j)＝aj+δ或pt(j)＝bj-δ，其中δ为很小的正常数，可取δ＝10-6，重复4)。
若pt不满足函数约束条件，则令：
重复2)到4)，直至各顶点距离dij小于预先设定精度ε。
此时各个顶点的位置大体相同，确定顶点的位置坐标，从而得到cmp模型的优化参数。
由以上实施例可知，本申请公开一种cmp模型参数优化方法。该方法首先确定cmp模型的待优化参数，进而基于该cmp模型预测研磨芯片的芯片参数，得到芯片预测参数并获取与芯片预测参数对应的实测参数，从而确定pmo优化算法的目标函数，以基于该目标函数，按照pmo优化算法对所述cmp型中的待优化参数进行优化，得到所述cmp模型的优化参数。与现有技术相比，本发明基于研磨芯片的预测参数和实测参数，利用pmo优化算法对cmp模型的待优化参数进行优化，无需基于历史数据进行查找，提高了模型参数的精确度。
可选的，在本发明公开的其他实施例中需要对得到的优化参数进行校正，以确定最优化参数。
具体的，获取多组芯片实测参数，基于上述多组芯片实测参数进行cmp模型参数的优化，得到多组cmp模型优化参数，将优化优化获得的多组模型参数带入寻优目标函数中，计算芯片预测参数和实测参数均方根误差，从所有均方根误差中选取最小者所对应的模型参数作为最优化参数。
参见图2示出了本发明另一个实施例公开的一种cmp模型参数优化装置的结构示意图。
该装置包括：模型建立单元1、参数预测单元2、参数采集单元3、目标函数建立单元4、参数优化单元5。
其中，模型建立单元，用于建立cmp模型，确定所述cmp模型的待优化参数；
参数预测单元，用于基于所述cmp模型预测研磨芯片的芯片参数，得到芯片预测参数；
参数采集单元，用于获取研磨芯片的芯片实测参数，其中所述芯片预测参数与所述芯片实测参数对应；
目标函数建立单元，用于基于所述芯片实测参数和所述芯片预测参数，确定pmo优化算法的目标函数；
参数优化单元，用于基于所述目标函数，按照pmo优化算法对所述cmo模型中的待优化参数进行优化，得到所述cmp模型的优化参数。
实际应用中，为了提高优化参数的精确度，所述参数采集单元具体用于获取研磨芯片的多组实测参数。
所述目标函数建立单元，具体用于基于所述多组芯片实测参数和所述芯片预测参数，确定pmo优化算法的多个目标函数；
所述参数优化单元，具体用于分别基于所述多个目标函数，按照pmo优化算法对所述cmo模型中的待优化参数进行优化，得到所述cmp模型的多组优化参数
所述装置还包括：最优参数筛选单元6，用于从所述多组优化参数中选择所述cmp模型的最优化参数。
需要说明的是该系统实施例与方法实施例相对应，其执行过程和执行原理相同，在此不作赘述。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
- 还没有人留言评论。精彩留言会获得点赞！