用于确定辅助特征的印制概率的系统、方法和产品及其应用与流程

用于确定辅助特征的印制概率的系统、方法和产品及其应用
1.相关申请的交叉引用
2.本技术要求于2020年6月24日递交的pct申请pct/cn2020/098166的优先权，并且所述pct申请的全部内容通过引用而被合并入本文中。
技术领域
3.本文中的描述涉及光刻设备和图案化过程，并且更特别地，涉及用于确定图案形成装置的特征的印制的方法和与图案化过程相关的改进。


背景技术：

4.光刻投影设备可以用于(例如)集成电路(ic)的制造中。在这样的情况下，图案形成装置(例如，掩模)可以包含或提供与ic的单层相对应的电路图案(“设计布局”)，并且可以通过诸如经由图案形成装置上的电路图案来照射已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，包括一个或更多个管芯)之类的方法将这种电路图案转印至所述目标部分上。通常，单个衬底包含多个相邻目标部分，电路图案由光刻投影设备连续地转印至所述多个相邻目标部分，一次一个目标部分。在这种类型的光刻投影设备中，将整个图案形成装置上的电路图案一次性转印至一个目标部分上；这种设备通常被称为晶片步进器。在通常被称为步进扫描设备的替代设备中，投影束在给定参考方向(“扫描”方向)上遍及图案形成装置进行扫描，同时平行或反向平行于这种参考方向来同步地移动衬底。图案形成装置上的电路图案的不同部分被逐步地转印至一个目标部分。因为通常，光刻投影设备将具有放大因子m(通常＜1)，所以衬底被移动的速率f将是投影束扫描图案形成装置的速率的因子m倍。可以(例如)从以引用方式并入本文中的us 6,046,792搜集到关于如本文中所描述的光刻设备的更多信息。
5.在将电路图案从图案形成装置转印至衬底之前，衬底可以经历各种工序，诸如，上底漆、抗蚀剂涂覆和软焙烤。在曝光之后，衬底可以经受其它工序，诸如，曝光后焙烤(peb)、显影、硬焙烤、和被转印的电路图案的测量/检查。这种工序阵列是用作制造器件(例如，ic)的单层的基础。衬底可以接着经历各种过程，诸如，蚀刻、离子注入(掺杂)、金属化、氧化、化学机械抛光等等，所述过程都意图精整器件的单层。如果在器件中需要若干层，则针对每个层来重复整个工序或其变体。最终，在衬底上的每个目标部分中将存在器件。接着通过诸如切块或锯切之类的技术来使这些器件彼此分离，由此，可以将单独的器件被安装在载体上、连接至接脚，等等。
6.如提及的，微光刻是在ic的制造时的中心步骤，其中形成在衬底上的图案限定ic的功能元件，诸如，微处理器、存储器芯片等。类似光刻技术也用于形成平板显示器、微机电系统(mems)和其它装置。
7.随着半导体制造过程继续进步，几十年来，功能元件的尺寸已不断地减小，而每器件的诸如晶体管之类的功能元件的量已在稳固地增加，这遵循通常被称为“摩尔定律”的趋势。在当前先进技术下，使用光刻投影设备来制造器件层，光刻投影设备使用来自深紫外照
射源的照射而将设计布局投影至衬底上，从而产生尺寸充分地低于100nm的单独的功能元件，即，尺寸小于来自所述照射源(例如，193nm照射源)的辐射的波长的一半。用于印制尺寸小于光刻投影设备的经典分辨率限制的特征的这种过程根据分辨率公式cd＝k1×
λ/na而通常被称为低k1光刻，其中λ是所使用的辐射的波长(当前在大多数情况下是248nm或193nm)，na是光刻投影设备中的投影光学器件的数值孔径，cd是“临界尺寸”(通常是所印制的最小特征大小)，并且k1是经验分辨率因子。通常，k1越小，则在衬底上再现类似于由电路设计者规划的形状和尺寸以便实现特定电功能性和性能的图案变得越困难。为了克服这些困难，将复杂的微调步骤应用于光刻投影设备和/或设计布局。这些步骤包括例如但不限于na和光学相干设置的优化、定制照射方案、相移图案形成装置的使用、设计布局中的光学邻近效应校正(opc，有时也被称为“光学和过程校正”)，或通常被定义为“分辨率增强技术”(ret)的其它方法。如本文中所使用的术语“投影光学器件”应被广义地解释为涵盖各种类型的光学系统，包括(例如)折射型光学器件、反射型光学器件、孔或孔阑、和反射折射型光学器件。术语“投影光学器件”也可以包括根据这些设计类型中的任一设计类型来操作的部件，以用于共同地或单个地引导、成形或控制投影辐射束。术语“投影光学器件”可以包括光刻投影设备中的任何光学部件，而不管光学部件定位在光刻投影设备的光学路径上的何处。投影光学器件可以包括用于在来自源的辐射通过图案形成装置之前成形、调整和/或投影所述辐射的光学部件，和/或用于在辐射通过图案形成装置之后成形、调整和/或投影所述辐射的光学部件。投影光学器件通常排除光源和图案形成装置。


技术实现要素：

8.在实施例中，提供一种用于确定掩模图案的辅助特征将印制于衬底上的可能性的方法。所述方法包括：获得(i)被印制于衬底上的图案的多个图像、和(ii)与所述图案的所述多个图像的像素相关联的方差数据，所述图像是已使用所述掩模图案被形成的；基于所述方差数据来确定被配置成产生与所述掩模图案相关联的方差数据的模型；和基于针对给定掩模图案的模型产生的方差数据、以及与所述给定掩模图案相关联的抗蚀剂图像或蚀刻图像，来确定所述给定掩模图案的辅助特征将被印制于所述衬底上的可能性，所述可能性被应用于调整与图案化过程或图案形成设备相关的一个或更多个参数，以降低所述辅助特征将印制于所述衬底上的可能性。
9.此外，在实施例中，提供一种用于产生与掩模图案相关联的模型的方法。所述方法包括：获得(i)使用所述掩模图案而被印制于衬底上的图案的多个图像，和(iii)与所述图案的所述多个图像的每个像素相关联的方差数据；和基于所述方差数据来产生被配置成预测与所述掩模图案相关联的方差数据的模型，所述方差数据用于确定所述掩模图案的辅助特征将印制于所述衬底上的可能性。
10.此外，在实施例中，提供一种用于产生掩模图案的光学邻近效应校正数据的方法。所述方法包括：获得(i)与所述掩模图案相关联的掩模图像或空间图像、和(ii)与所述掩模图案相关联的抗蚀剂图像；执行被配置成预测与所述掩模图案相关联的方差数据的模型，所述模型使用所述掩模图像或所述空间图像来预测所述方差数据；基于所述方差数据和所述抗蚀剂图像来确定所述掩模图案的辅助特征将印制于衬底上的可能性；和基于所述辅助特征将印制的可能性来产生用于修改所述掩模图案的一个或更多个主特征、或一个或更多
个辅助特征的所述光学邻近效应校正(opc)数据。
11.此外，在实施例中，提供一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在由一个或更多个处理器执行时引起包括以下各项的操作：获得(i)被印制于衬底上的图案的多个图像，所述图像已使用掩模图案形成、和(ii)与所述图案的所述多个图像的像素相关联的方差数据；基于所述方差数据来确定被配置成产生与所述掩模图案相关联的方差数据的模型；和基于针对给定掩模图案的模型产生的方差数据、以及与所述给定掩模图案相关联的抗蚀剂图像或蚀刻图像，来确定所述给定掩模图案的辅助特征将被印制于所述衬底上的可能性，所述可能性被应用于调整与图案化过程或图案形成设备相关的一个或更多个参数，以降低所述辅助特征将印制于所述衬底上的可能性。
12.此外，在实施例中，提供一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在由一个或更多个处理器执行时引起包括以下各项的操作：获得(i)使用所述掩模图案而被印制于衬底上的图案的多个图像，和(iii)与所述图案的所述多个图像的每个像素相关联的方差数据；和基于所述方差数据来产生被配置成预测与所述掩模图案相关联的方差数据的模型，所述方差数据用于确定所述掩模图案的辅助特征将印制于所述衬底上的可能性。
13.此外，在实施例中，提供一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在由一个或更多个处理器执行时引起包括以下各项的操作：获得(i)与所述掩模图案相关联的掩模图像或空间图像、和(ii)与掩模图案相关联的抗蚀剂图像；执行被配置成预测与所述掩模图案相关联的方差数据的模型，所述模型使用所述掩模图像或所述空间图像来预测所述方差数据；基于所述方差数据和所述抗蚀剂图像来确定所述掩模图案的辅助特征将印制于衬底上的可能性；和基于所述辅助特征将印制的可能性来产生用于修改所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征的所述光学邻近效应校正(opc)数据。
14.此外，在实施例中，提供一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括用于产生与掩模图案相关联的可印制性映射的指令，所述计算机可读介质在由一个或更多个处理器执行时引起包括以下各项的操作：获得(i)经图案化的衬底的多个图像、(ii)基于所述多个图像的多个经改进的图像，和(iii)基于所述掩模图案的所模拟的经改进的图像；基于所述多个所述经改进的图像、所述所模拟的经改进的图像，和所述多个图像中的每个图像内的像素的强度，来标记所述多个图像中的每个图像；和基于所述标记来产生与所述掩模图案相关联的所述可印制性映射。
15.此外，在实施例中，提供一种用于产生图案化过程的一个或更多个参数的方法。所述方法包括：获得(i)经图案化的衬底的多个图像、(ii)基于所述多个图像的多个经改进的图像，和(iii)基于所述掩模图案的所模拟的经改进的图像；基于所述多个所述经改进的图像、所述所模拟的经改进的图像，和所述多个图像中的每个图像内的像素的强度，来标记所述多个图像中的每个图像；和基于所述标记来产生与所述掩模图案相关联的所述可印制性映射。
16.此外，在实施例中，提供一种用于产生与掩模图案相关联的可印制性映射的方法。所述方法包括：基于所述掩模图案的特征来获得经图案化的衬底的多个二元图像；将所述多个二元图像对准以及将所述多个二元图像的强度求和；和将所求和的图像强度除以二元
图像的总数目以产生与所述掩模图案相关联的所述可印制性映射，其中所述可印制性映射的每个像素强度指示所述掩模图案的特征将印制于衬底上的概率。
17.此外，在实施例中，提供一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括用于产生与掩模图案相关联的可印制性映射的指令，所述计算机可读介质在由一个或更多个处理器执行时引起包括以下各项的操作：基于所述掩模图案的特征来获得经图案化的衬底的多个二元图像；将所述多个二元图像对准以及将所述多个二元图像的强度求和；和将所求和的图像强度除以二元图像的总数目以产生与所述掩模图案相关联的所述可印制性映射，其中所述可印制性映射的每个像素强度指示所述掩模图案的特征将印制于衬底上的概率。
附图说明
18.现将参考随附附图而仅作为示例来描述实施例，在所述随附附图中：
19.图1是根据实施例的光刻系统的各个子系统的框图；
20.图2是根据实施例的与图1中的子系统相对应的模拟模型的框图；
21.图3a是根据实施例的用于确定掩模图案的辅助特征可以印制于衬底上的可能性即似然性的过程的流程图；
22.图3b是根据实施例的用于确定给定掩模图案的辅助特征可以印制于衬底上的可能性即似然性的过程的流程图；
23.图3c是根据实施例的用于在模型产生的方差数据(在图3a中)与抗蚀剂图像之间建立相关性的过程的流程图；
24.图4a和图4c图示根据实施例的分别从第一图案和第二图案的sem图像获得的示例性平均值数据；
25.图4b和图4d图示根据实施例的分别从第一图案和第二图案的sem图像获得的示例性方差数据；
26.图5图示根据实施例的抗蚀剂图像强度数据与例如在图3a中确定的方差数据之间的示例性相关性；
27.图6a示出根据实施例的被成像在衬底上的抗蚀剂图案的示例性图像；
28.图6b是根据实施例的示例性方差数据和图6a的抗蚀剂图像强度数据的曲线；
29.图7a示出根据实施例的被成像在衬底上的抗蚀剂图案的另一示例性图像；
30.图7b是根据实施例的另一示例性方差数据和图7a的抗蚀剂图像强度数据的曲线；
31.图8a示出根据实施例的被成像在衬底上的抗蚀剂图案的又一示例性图像；
32.图8b是根据实施例的又一示例性方差数据和图8a的抗蚀剂图像强度数据的曲线；
33.图9a示出根据实施例的被成像在衬底上的抗蚀剂图案的又一示例性图像；
34.图9b是根据实施例的又一示例性方差数据和图9a的抗蚀剂图像强度数据的曲线；
35.图10是根据实施例的用于产生与掩模图案相关联的模型以确定与所述掩模图案相关联的方差数据的过程的流程图；
36.图11是根据实施例的用于产生掩模图案的光学邻近效应校正数据的过程的流程图；
37.图12a是根据实施例的用于产生可印制性映射的过程的流程图；
38.图12b是根据实施例的用于产生可印制性映射的过程的另一流程图；
39.图12c是根据实施例的用于产生可印制性映射的过程的又一流程图；
40.图13图示根据实施例的经图案化的衬底的示例性原始sem图像、原始sem图像的经去噪sem图像、原始sem图像的改进sem图像；
41.图14图示根据实施例的与掩模图案相关联的模拟图像、模拟图像的脊线突显图像、模拟图像的所模拟的经改进的图像；
42.图15a图示根据实施例的图13的sem图像的示例性分段和与经分段图像相关的另一经改进的图像；
43.图15b图示根据实施例的基于图15a的经改进的图像而确定的示例性可印制性映射；
44.图16示意性地描绘根据实施例的扫描电子显微镜(sem)的实施例；
45.图17示意性地描绘根据实施例的电子束检查设备的实施例；
46.图18是图示根据实施例的联合优化的示例方法的方面的流程图；
47.图19示出根据实施例的另一优化方法的实施例；
48.图20a、图20b和图21示出根据实施例的各种优化过程的示例流程图；
49.图22是根据实施例的示例计算机系统的框图；
50.图23是根据实施例的光刻投影设备的示意图；
51.图24是根据实施例的另一光刻投影设备的示意图；
52.图25是根据实施例的图24中的设备的更详细视图；
53.图26是根据实施例的图24和图25的设备的源收集器模块so的更详细视图。
54.现将参考附图详细地描述实施例，所述附图被提供作为例示性示例以便使本领域技术人员能够实践所述实施例。值得注意地，以下的各图和示例并非意在将范围限于单个实施例，而是借助于所描述的或所图示的元件中的一些或全部的互换而使其它实施例是可能的。在任何方便的情况下，将贯穿附图来使用相同的附图标记以指相同或类似的部分或部件。在可以使用已知部件来部分地或完全地实施这些实施例的某些部件的情况下，将仅描述理解所述实施例所必需的这些已知部件的那些部分，并且将省略这些已知部件的其它部分的详细描述以免混淆所述实施例的描述。在本说明书中，示出单数部件的实施例不应被视是限制性的；而是，除非本文中另有明确陈述，否则范围意图涵盖包括多个相同部件的其它实施例，并且反之亦然。此外，申请人不意图使本说明书或权利要求中的任何术语归结于不常见或特殊涵义，除非如此明确阐述。另外，范围涵盖本文中借助于图示而提及的部件的目前和未来已知等效物。
具体实施方式
55.虽然在本文中可以具体地参考ic的制造，但应明确地理解，本文中的描述具有许多其它可能应用。例如，所述实施例可以用于制造集成光学系统、用于磁畴存储器的引导和检测图案、液晶显示面板、薄膜磁头等。本领域技术人员将了解，在这样的替代应用的情境下，本文中对术语“掩模版”、“晶片”或“管芯”的任何使用应被视是可以分别与更上位的术语“掩模”、“衬底”和“目标部分”互换。
56.在本文件中，术语“辐射”和“束”用于涵盖所有类型的电磁辐射，包括紫外辐射(例
如，具有365nm、248nm、193nm、157nm或126nm的波长)，和极紫外辐射(euv，例如，具有在5nm至20nm的范围内的波长)。
57.如本文中所使用的术语“优化(optimizing/optimization)”意味着：调整光刻投影设备，使得光刻的结果和/或过程具有更期望的特性，诸如，设计布局在衬底上的投影的更高准确度、更大过程窗口等。
58.另外，光刻投影设备可以属于具有两个或两个以上衬底台(和/或两个或两个以上图案形成装置台)的类型。在这些“多平台”装置中，可以并行地使用额外的台，或可以在一个或更多个台上进行预备步骤，同时将一个或更多个其它台用于曝光。例如，以引用方式并入本文中的us 5,969,441中描述双平台光刻投影设备。
59.上文提及的图案形成装置包括或可以形成设计布局。可以利用计算机辅助设计(cad)过程来产生设计布局，这种过程常常被称为电子设计自动化(eda)。大多数cad过程遵循预定设计规则集合，以便产生功能设计布局/图案形成装置。通过处理和设计限制来设置这些规则。例如，设计规则定义电路装置(诸如闸、电容器等等)之间的空间容许度。以便确保所述电路器件或线彼此不会以不期望的方式相互作用。设计规则限制通常称作“临界尺寸(cd)。”可以将电路的临界尺寸限定为线或孔的最小宽度，或两条线或两个孔之间的最小空间。因此，cd确定所设计的电路的总大小和密度。当然，集成电路制造中的目标之一是(经由图案形成装置)在衬底上如实地再现原始电路设计。
60.如本文中所使用的术语“掩模”或“图案形成装置”可以被广义地解释为是指可以用于向入射辐射束赋予经图案化的横截面的通用图案形成装置，经图案化的横截面对应于待在衬底的目标部分中产生的图案；术语“光阀”也可以用于这种情境下。除了经典掩模(透射或反射；二元、相移、混合式等等)以外，其它这些图案形成装置的示例也包括：
[0061]-可编程反射镜阵列。这种装置的示例是具有粘弹性控制层和反射表面的矩阵可寻址表面。这种设备所隐含的基本原理为(例如)：反射表面的寻址区域将入射辐射反射为衍射辐射，而未寻址区域将入射辐射反射为非衍射辐射。使用适当的滤波器，可以从反射束滤除所述非衍射辐射，从而之后仅留下衍射辐射；以这种方式，束变得根据矩阵可寻址表面的寻址图案而被图案化。可以使用合适的电子装置来执行所需的矩阵寻址。可以例如从以引用方式并入本文中的美国专利号5,296,891和5,523,193搜集到关于这样的反射镜阵列的更多信息。
[0062]-可编程lcd阵列。以引用方式并入本文中的美国专利号5,229,872中给出这种构造的示例。
[0063]
作为简要介绍，图1图示示例性光刻投影设备10a。主要部件为：辐射源12a，所述辐射源可以是深紫外准分子激光器源或包括极紫外(euv)源的其它类型的源(如上文所论述的，光刻投影设备自身无需具有辐射源)；照射光学器件，所述照射光学器件限定部分相干性(被表示为西格玛)且可以包括成形来自源12a的辐射的光学器件14a、16aa和16ab；图案形成装置14a；和透射型光学器件16ac，所述透射光学器件将图案形成装置图案的图像投影至衬底平面22a上。投影光学器件的光瞳平面处的可调滤波器或孔20a可以限定照射到衬底平面22a上的束角度的范围，其中最大可能角度定义投影光学器件的数值孔径na＝sin(θ
max
)。
[0064]
在系统的优化过程中，可以将所述系统的品质因数表示为成本函数。优化过程归
结为找到最小化成本函数的系统的参数(设计变量)集合的过程。成本函数可以依赖于优化的目标而具有任何合适的形式。例如，成本函数可以是系统的某些特性(评估点)相对于这些特性的预期值(例如，理想值)的偏差的加权均方根(rms)；成本函数也可以是这些偏差的最大值(即，最差偏差)。本文中的术语“评估点”应被广义地解释为包括系统的任何特性。归因于系统的实施的适用性，系统的设计变量可以被限于有限范围和/或可相互相依。在光刻投影设备的情况下，约束常常与硬件的物理性质和特性(诸如，可调谐范围，和/或图案形成装置可制造性设计规则)相关联，并且评估点可以包括衬底上的抗蚀剂图像上的实体点，以及诸如剂量和焦距之类的非物理特性。
[0065]
在光刻投影设备中，源提供照射(即，光)；投影光学器件经由图案形成装置而对照射进行引导和成形照射，并且将照射引导和成形至衬底上。在这样的，术语“投影光学器件”被广泛地定义为包括可以变更辐射束的波前的任何光学部件。例如，投影光学器件可以包括部件14a、16aa、16ab和16ac中的至少一些。空间图像(ai)是在衬底水平处的辐射强度分布。曝光衬底上的抗蚀剂层，并且将空间图像转印至抗蚀剂层以在其中作为潜在“抗蚀剂图像”(ri)。可以将抗蚀剂图像(ri)定义为抗蚀剂层中的抗蚀剂的溶解度的空间分布。可以使用抗蚀剂模型以从空间图像计算抗蚀剂图像，可以在全文据此以引用方式并入的共同转让的美国专利申请号12/315,849中找到这种情形的示例。抗蚀剂模型仅涉及抗蚀剂层的性质(例如，在曝光、peb和显影期间发生的化学过程的效应)。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器件的性质)指定空间图像。由于可以改变用于光刻投影设备中的图案形成装置，所以期望使图案形成装置的光学性质与至少包括源和投影光学器件的光刻投影设备的其余部分的光学性质分离。
[0066]
图2中图示用于模拟光刻投影设备中的光刻的示例性流程图。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)。投影光学器件模型32表示投影光学器件的光学特性(包括由投影光学器件引起的对辐射强度分布和/或相位分布的改变)。设计布局模型35表示设计布局的光学特性(包括由给定设计布局33造成的对辐射强度分布和/或相位分布的改变)，所述设计布局是在图案形成装置上或通过图案形成装置而形成的特征的布置的表示。可以从设计布局模型35、投影光学器件模型32和设计布局模型35来模拟空间图像36。可以使用抗蚀剂模型37从空间图像36模拟抗蚀剂图像38。光刻的模拟可以(例如)预测抗蚀剂图像中的轮廓和cd。
[0067]
更具体地，应注意，源模型31可以表示源的光学特性，所述光学特性包括但不限于na标准差(σ)设置，以及任何特定照射源形状(例如，诸如环形、四极和双极等离轴辐射源)。投影光学器件模型32可以表示投影光学器件的光学特性，所述光学特性包括像差、变形、折射率、物理大小、物理尺寸等等。设计布局模型35也可以表示实体图案形成装置的物理性质，如(例如)全文以引用方式并入本文中的美国专利号7,587,704中所描述的。模拟的目标是准确地预测例如边缘放置、空间图像强度斜率和cd，可以接着将所述边缘放置、空间图像强度斜率和cd与预期设计进行比较。预期设计通常被定义是可以以标准化数字文件格式(诸如gdsii或oasis或其它文件格式)来提供的预先opc设计布局。
[0068]
从这种设计布局，可以识别被称为“片段”的一个或更多个部分。在实施例中，提取一组片段，其表示设计布局中的复杂图案(通常是约50个至1000个片段，但可以使用任何数目个片段)。如本领域技术人员将了解的，这些图案或片段表示设计的小部分(即，电路、单
元或图案)，并且特别地，所述片段表示需要特别关注和/或验证的小部分。换句话说，片段可以是设计布局的部分，或可以类似或具有临界特征是通过经验(包括由客户提供的片段)、通过反复试验或通过运行全芯片模拟而识别的设计布局的部分的类似行为。片段通常包含一个或更多个测试图案或测规图案。
[0069]
可以基于设计布局中已知的临界特征区域，由使用者先验地提供初始较大一组片段，其需要特定的图像优化。替代地，在另一实施例中，可以通过使用识别临界特征区域的某种自动化(诸如，机器视觉)或手工的算法而从整个设计布局提取初始较大一组片段。
[0070]
如上文所论述的，半导体制造涉及使用包括掩模图案的掩模将目标图案(例如，诸如dram之类的所需的电路)成像在衬底上。所述掩模图案包括对应于目标图案的主特征，和被设计成使印制图案尽可能紧密地匹配所述目标图案的辅助特征。这些辅助特征不期望被印制于衬底上。如此，辅助特征的几何形状被设计为足够小从而在半导体制造期间所使用的各种聚焦曝光条件下不被印制。
[0071]
现有技术采用了用以确定所述掩模图案的辅助特征(例如，sraf)是否可以印制于衬底上的方法。现有技术可以被划分成两个部分——量测技术和光刻技术，其通常一起用于半导体制造中。例如，可以使用量测工具收集与衬底上的印制图案相关的数据。量测数据还可以通过一个或更多个模型用于调节所述光刻设备或相关过程，以改善印制图案相对于目标图案的准确性。
[0072]
在量测侧上，量测工具可以捕获所印制的衬底的图像。根据所述图像，轮廓提取算法可以提取被印制于衬底上的特征的轮廓。可以将所提取的轮廓与目标图案进行比较以确定辅助特征(例如，sraf)是否被印制。在实施例中，可以使用用户输入从由量测工具所捕获的图像来识别轮廓。
[0073]
在光刻侧上，可以使用基于空间图像(ai)强度的模型来预测辅助特征将被印制于衬底上的概率。还可以将概率值用于例如光学邻近效应校正(opc)过程中所采用的成本函数中。成本函数引导opc过程修改辅助特征或主特征的形状和大小，使得辅助特征不太可能被印制于衬底上。例如，成本函数可以是ai强度和辅助特征的印制概率的函数。在与光刻相关的另一应用中，光刻可制造性检查(lmc)可以通过与目标图案进行比较来找出额外的轮廓(例如，sraf)。
[0074]
现有技术面临若干挑战。例如，在量测侧上，基于有噪声的sem图像的轮廓提取可能产生衬底上的印制图案的高变化区的不正确轮廓。由于轮廓提取可能涉及某些阈值化即阈值分割例如以识别特征的边缘或滤除噪声，则其可以由于原始sem图像中的噪声而引入随机截断误差。在光刻侧上，可以从(例如，基于量测数据进行校准的)经校准的模型来引入误差，这是因为甚至在校准之后仍保留由模型残余误差。
[0075]
根据本公开，提供基于与被印制于衬底上的特征相关的无轮廓数据来确定辅助特征可以印制于衬底上的概率(也被称为似然性)的方法。换句话说，轮廓不是从量测数据提取，由此降低了可以被引入至模型预测中的与轮廓提取相关的不准确性。本文中所论述的方法的部分优势是经改善的数据品质和非常高的分辨率模型的发展(例如，达到纳米像素等级的分辨率)。换句话说，例如，模型预测可以在预测辅助特征在衬底上的部位方面准确1,000倍。因此，使用基于本文中的方法而确定的概率值，可以改善若干光刻和量测相关应用。例如，本文中的方法可以结合opc(例如，经由opc的成本函数)而被采用，以确定对于掩
模图案的修改。
[0076]
图3a是根据本公开的实施例的用于确定掩模图案的辅助特征可以印制于衬底上的可能性即似然性的示例性过程300的流程图。不同于现有技术，过程300在本文中不涉及轮廓的提取，而是使用例如衬底的累积量测图像的灰度值。方法300的示例性实施包括以下工序。
[0077]
工序p301包括获得(i)被印制于衬底上的图案的多个图像301，所述图像已使用掩模图案形成、和(ii)与所述图案的多个图像301的像素相关联的方差数据302。在实施例中，可选地，可以获得与所述图案的多个图像301的每个像素相关联的平均值数据。在实施例中，除方差数据302之外，可以使用平均值数据。
[0078]
在实施例中，可以经由量测工具接收多个图像301。在实施例中，可以使用量测工具、被印制于衬底上的图案通过曝光衬底来捕获所述多个图像301。在实施例中，所述量测工具可以是扫描电子显微镜(sem)(例如，关于图16所论述的)。在实施例中，所述图像是具有与每个像素相关联的灰度值的像素化图像。
[0079]
在实施例中，方差数据302被表示为像素化图像，每个像素被指派有基于所述多个图像301中的每个像素的灰度值的方差值。在实施例中，可选地，平均值数据被表示为像素化图像，每个像素被指派有基于所述多个图像301中的每个像素的灰度值平均值的平均值。根据实施例，图4a至图4d中图示了方差数据和平均值数据的示例。
[0080]
图4b和图4d图示了分别从第一图案和第二图案的sem图像所获得的示例性方差数据410和420(方差数据302的示例)。第一图案包括五个接触孔，并且第二图案包括线与接触孔的阵列。在图4b中，第一图案的方差数据410示出与主特征(诸如五个接触孔)相关联的方差，和与围绕每个接触孔的四个sraf中的每个sraf相关联的方差。例如，方差数据410分别示出与第一接触孔h1相关联的方差和与sraf a1、a2、a3和a4中的每个相关联的方差。方差数据410被表示为图像，其中每个像素具有从例如第一图案的多个sem图像之间的方差获得的灰度值。在本示例中，与h1和a1至a4相关联的灰度值指示方差的量。例如，sraf a2和a3相较于sraf a1和a3具有相对较高的方差。这可以指示sraf a2和a3被印制于所述衬底上的较高的可能性即似然性。确定辅助特征(例如，a2和a3)被印制的概率的过程在下文进一步论述且在示例性图6a至图6b至图9a至图9b中图示。类似地，方差数据420(在图4d中)表示与主特征(诸如线和接触孔)、以及可以存在于主特征周围的辅助特征相关联的方差。
[0081]
图4a和图4c图示分别从第一图案和第二图案的sem图像所获得的示例性平均值数据405和415。平均值数据被表示为另一图像，其中每个像素具有基于例如第一图案(图4a)的多个sem图像的平均值而确定的灰度值。在本示例中，通过分别平均化所述第一图案和所述第二图案的多个sem图像的灰度值来获得平均值数据405和415。可以可选地在本文中所描述的不同过程中使用这种平均值数据405和415。
[0082]
工序p303包括基于方差数据302来确定被配置成产生与所述掩模图案相关联的方差数据的模型303。在实施例中，可以使用除了方差数据302的平均值数据来确定模型303。因此，例如，所述模型303可以产生方差数据以及平均值数据以供用于输入图案。在实施例中，所述模型303可以接收掩模图像(mi)、抗蚀剂图像(ri)、蚀刻图像(ei)或与光刻或量测过程相关联的其它图像作为输入。在实施例中，可以从量测工具获得mi、ri或ei，例如，可以在将图案成像在所述衬底上的抗蚀剂中之后捕获ri，并且可以在对所述衬底的经成像的图
案执行蚀刻过程之后捕获ei。在实施例中，可以经由与光刻过程(例如，如图2中所论述的)相关的模拟模型(例如，抗蚀剂模型或蚀刻模型)来获得图像mi、ri或ei。
[0083]
在实施例中，所述模型303是以下中的至少一个：包括作为模型参数的权重和偏置的卷积神经网络(cnn)；包括线性项相关系数的组合的线性模型，所述系数是模型参数；和包括多项式项相关系数的组合的多项式模型，所述系数是模型参数。
[0084]
在实施例中，模型303的确定包括将(i)与所述掩模图案相关联的空间图像或掩模图像、和(ii)与所述掩模图案相关联的方差数据302输入至所述模型303；使用模型参数的初始值来执行所述模型303以产生初始方差数据302；确定初始方差数据与所输入的方差数据302之间的差；和基于所述差调整所述模型参数的初始值，以使所述模型303产生位于所输入的方差数据302的指定阈值内的方差数据。在实施例中，可以获得所述空间图像或所述掩模图像，例如模拟(例如，图2)或sem工具。
[0085]
在实施例中，模型303的确定是迭代过程。在每次迭代中，可以重复执行步骤、确定差步骤和调整步骤，直到模型产生的方差数据位于所输入的方差数据302的指定阈值(例如，0至5％)内为止。如此，模型产生的方差数据将紧密地匹配所输入的方差数据302。在实施例中，对所述模型参数的初始值的调整基于所输出的方差映射与所输入的方差之间的差的梯度，所述梯度朝向减小或最小化所述差来引导所述模型参数的值。一旦确定所述模型303，就可以使用所述模型303来产生用于任何输入图像的方差数据。
[0086]
工序p305包括基于针对给定掩模图案的模型产生的方差数据和与所述给定掩模图案相关联的抗蚀剂图像或蚀刻图像来确定所述给定掩模图案的辅助特征可以被印制于所述衬底上的可能性即似然性305。在实施例中，可以应用似然性305来调整与图案化过程或图案形成设备相关的一个或更多个参数，以减小辅助特征可以印制于衬底上的似然性305。稍后在本公开中论述与光刻相关的可以如何将似然性305用于各种应用(例如，opc、源和/或掩模优化(smo))中的额外的示例。
[0087]
在实施例中，图3b是确定给定掩模图案311的辅助特征可以印制于衬底上的似然性305的过程p305的示例性流程图。在实施例中，所述过程p305包括以下工序。工序p311包括获得与所述给定掩模图案311相关联的所述抗蚀剂图像312。例如，可以经由图案化过程模拟(例如，图2)或量测工具(例如，sem)获得所述抗蚀剂图像312。工序p313包括在模型产生的方差数据315与所述抗蚀剂图像312之间建立相关性313。工序p315包括基于相关性313来识别具有辅助特征被印制于衬底上的相对较高的似然性的掩模图案的区或掩模图案对应的目标布局。
[0088]
在实施例中，图3c是用于在模型产生的方差数据315与抗蚀剂图像312之间建立相关性313的过程p313的示例性流程图。过程p313包括以下工序。工序p321包括沿抗蚀剂图像312上的选定线从抗蚀剂图像312识别强度值。工序p323包括从模型产生的方差数据315识别与选定线相对应的方差值。工序p325包括将沿抗蚀剂图像312上的选定线所识别的方差值与抗蚀剂图像312的所识别的强度值相关。图5和图6a至图9b进一步图示可以如何将方差数据与抗蚀剂图像之间的相关性用于确定抗蚀剂图像的具有辅助特征可以印制于衬底上的较高似然性的区。
[0089]
在实施例中，识别具有辅助特征被印制于衬底上的相对较高似然性的区的工序p323包括：针对抗蚀剂图像312的一个或更多个区来确定强度值是否突破与将特征印制于
所述衬底上的抗蚀剂层内相关联的印制阈值；基于相关性313来确定与一个或更多个区相对应的方差值是否突破指定方差阈值范围；响应于所述指定方差阈值范围的突破，将相对较高的印制概率指派至所述一个或更多个区的部分；响应于对所述指定方差阈值范围的突破和对所述印制阈值的未突破，将相对较低的印制概率指派至所述一个或更多个区的部分；响应于对所述指定方差阈值范围的未突破以及对所述印制阈值的未突破，将零印制概率指派至所述一个或更多个区的部分；以及从所述一个或更多个区识别具有大于零印制概率的区，所述区位于所述掩模图案的主图案周围。图5和图6a至图9b还图示了可以如何将方差数据与抗蚀剂图像之间的相关性用于确定抗蚀剂图像的具有辅助特征可以印制于衬底上的较高似然性的区。
[0090]
在实施例中，印制阈值指代了指示将特征印制于所述抗蚀剂层内的上阈值，和指示不将所述特征印制于所述抗蚀剂层中的下阈值。例如，在图5中，上阈值ptu指示抗蚀剂强度，其中高于所述抗蚀剂强度，以超过90％确定性来印制特征。下阈值ptl指示抗蚀剂强度，其中低于所述抗蚀剂强度，特征确实印制于抗蚀剂层。在实施例中，所述印制阈值可以取决于聚焦曝光条件、抗蚀剂类型、待成像在抗蚀剂上的特征的临界尺寸，或其它抗蚀剂或光刻相关特性。
[0091]
在实施例中，所述指定方差阈值范围内的值指示了不印制特征，并且所述指定方差阈值范围之外的值指示了印制所述特征。例如，在图5中，所述方差阈值范围可以是高于vt1的方差值。假定对于辅助特征，所述方差高于vt1，并且抗蚀剂强度介于印制阈值ptl与ptu之间，则可以确定所述辅助特征可以被印制于所述衬底上。换句话说，基于所述方差数据，则可以确定辅助特征具有较高的印制概率，即使抗蚀剂强度可能不指示对辅助特征的印制。可以理解，本公开不限于所述方差的恒定阈值，并且本示例不限制本公开的范围。在实施例中，所述方差阈值可以被指定为函数。在实施例中，所述方差阈值也可以取决于抗蚀剂类型、剂量-聚焦条件、和与图案化过程相关的过程条件。
[0092]
图6a至图6b、图7a至图7b、图8a至图8b，和图9a至图9b图示了可以如何结合抗蚀剂图像或蚀刻图像强度值而使用与抗蚀剂图像相关联的方差数据来确定将辅助特征印制于所述衬底上。图6a、图7a、图8a和图9a示出被成像在所述衬底上的抗蚀剂图案的示例性图像。图6b、图7b、图8b和图9b分别示出沿图6a、图7a、图8a和图9a的抗蚀剂图像中的每个抗蚀剂图像中的选定线l1的抗蚀剂图像强度数据(例如，ri1、ri2、ri3和ri4)和示例性方差数据(例如，va1、va2、va3和va3)。在实施例中，可以将所述抗蚀剂图案或所述蚀刻图型的原始sem图像、模拟图像、或平均化sem图像(例如，可以对原始图像数据执行单位单元平均化以产生平均sem图像)用于确定特征的印制的可能性即似然性。可以理解，本实施例不限于原始sem图像或平均化sem图像，并且不限制本公开的范围。
[0093]
在图6a中，所述衬底的抗蚀剂图像包括特征f1、f2、f3和f4。特征f1至f4周围的虚线廓线(绘制以供参考)对应于掩模特征，诸如主特征和辅助特征。例如，特征f1和f2对应于主特征，并且特征f3和f4对应于辅助特征。穿过特征f1至f4的示例线l1被绘制于所述抗蚀剂图像上。沿线l1，从所述抗蚀剂图像提取强度数据(例如，ri1)。所述抗蚀剂图像强度数据ri1被标绘于图6b中以供可视化即观测。在实施例中，可以经由所述模型(例如，所述模型303)将(用于产生所述抗蚀剂图像的)掩模图像用作至所述模型的输入来产生方差数据。从模型产生的方差数据，可以提取与线l1相关联的方差数据va1。所述方差数据va1被标绘于
所述抗蚀剂图像强度数据ri1上方以供可视化即观测。
[0094]
参考图6b，所述抗蚀剂图像强度数据ri1被表示为弯曲廓形即弯曲特征曲线。沿线l1，从左至右观看，所述抗蚀剂强度廓形即抗蚀剂强度特征曲线ri1示出与特征f1和f2(例如，主特征)相对应的两个峰值，并且两个相对较小或较窄的峰值对应于特征f3和f3(例如，辅助特征)。在本示例中，对应于特征f1和f2的两个峰值高于印制阈值th1。这指示了特征f1和f2将被印制于所述衬底上。在另一方面，与特征f3和f4相对应的较小的峰值相对地还低于所述印制阈值th1。这指示了特征f3和f4将不会被印制于所述衬底上。在实施例中，所述印制阈值th1对应于上限(例如，图5中的ptu)。
[0095]
在图6b中，从左至右观看，沿线l1的所述方差数据va1也示出与抗蚀剂特征曲线ri1中峰值的部位相对应的两个峰值，和与抗蚀剂特征曲线ri1中的较小峰值相对应的朝向右侧的相对平坦的特征曲线。在实施例中，所述方差数据va1中的相对高的方差指示了特征可以印制于所述衬底上，而所述方差数据va1中的相对低的方差指示了特征可以不印制于所述衬底上。例如，基于va1数据，前两个峰值(即，相对高的方差)对应于特征f1和f2，并且相对低的方差对应于特征f3和f4。在实施例中，可以基于方差阈值(例如，诸如图5的vt1之类的指定阈值)或方差阈值范围来确定相对高和低的方差。因而，抗蚀剂图像强度数据ri1和方差数据va1可以被关联，并且用于确定特征可以印制于所述衬底上的概率。
[0096]
图7a和图7b是其中在不同过程条件的情况下获得所述抗蚀剂图像的另一示例。图7b示出与如上文所论述的图6b类似的行为。类似于上文所论述的，所述抗蚀剂图像强度数据ri2和方差数据va2示出左侧上的两个峰值和右侧上的相对平坦部分。所述抗蚀剂图像强度数据ri2的左侧上的两个峰值和方差数据va2中的对应峰值指示了特征f1和f2可以被印制。此外，右侧上的va2和ri2中的相对平坦部分指示了特征f3和f4将不被印制。
[0097]
在实施例中，所述抗蚀剂图像上的抗蚀剂图像强度数据(或特征曲线)高于阈值th1的部位，印制的概率被指派有值1或100％，这指示了存在所述特征可以被印制于所述衬底上的大致100％可能性即机会。在另一方面，所述抗蚀剂图像上的抗蚀剂图像强度数据显著低于阈值th1的部位被指派有概率值0或0％，这指示了存在所述特征可以被印制于所述衬底上的大致0％可能性即机会。
[0098]
然而，如果一部位具有接近于阈值th1或位于阈值th1的指定范围内的抗蚀剂图像强度数据(例如，对应于图5的ptl和ptu)，则特征(例如，辅助特征)可以印制在所述部位处的概率可以是介于0与1(或0％与100％)之间的任何值。在这样的情况下，可以参考方差数据va1以确定特征(例如，辅助特征)可以印制于所述衬底上的概率。图8a至图9b还论述了其中抗蚀剂特征曲线数据受到所述方差数据支持以确定特征(例如，辅助特征)可以印制于所述衬底上的概率的示例。
[0099]
图8a至图8b以及图9a至图9b示出在不同过程条件的情况下所获得的抗蚀剂图像的示例。如上文所论述的，沿线l1，可以从所述抗蚀剂图像提取强度数据，并且可以从模型产生的方差数据提取方差数据。在图8b和图9b中，沿线l1，va3和va4中的方差是相对高的，并且所述抗蚀剂图像强度特征曲线ri3和ri4相对较接近于阈值th1。例如，在图8b中，所述抗蚀剂图像强度特征曲线ri3示出四个峰值。左侧上的两个峰值大致高于阈值th1。这两个峰值对应于特征f1和f2(在图8a中)。然而，ri3中在右侧上的两个峰值接近于但低于阈值th1。ri3中的这两个峰值对应于特征f3和f4(在图8a中)。当前，参考所述方差数据va3，存在
具有大致相等幅值的四个峰值。前两个峰值(在左侧上)对应于ri3中的峰值，两者都指示了特征f1和f2可被印制的概率为100％。在另一方面，ri3中的低于阈值th1的两个峰值可以指示特征f3和f4可以不印制。然而，所述方差数据va3中的对应峰值指示了特征f3和f4具有被印制于所述衬底上的相对高的概率，这是由于方差是相对高的。
[0100]
类似地，参考图9b，所述抗蚀剂图像强度数据ri4和所述方差数据va4指示了ri4具有接近于阈值th1的峰值。对应于ri4中的峰值，所述方差数据va4也具有指示了特征f1至f4(在图9a中)具有被印制于所述衬底上的相对高概率的峰值。
[0101]
在实施例中，图6a至图9b中的以上示例图示了所述方差数据(或方差图像)可以被用作引导映射，所述引导映射结合抗蚀剂图像或蚀刻图像以确定特征(例如，辅助特征)可以印制于所述衬底上的概率。因此，对于给定掩模图案，可以识别具有被印制于所述衬底上的相对高概率的部位或辅助特征。此外，可以修改所识别的辅助特征，使它们不印制于所述衬底上。例如，在光学邻近效应校正(opc)过程期间，可以使用所述方差数据和所述抗蚀剂图像强度数据来确定掩模图案上的部位。取决于印制辅助特征的概率，则可以或多或少惩罚所识别的部位。可以经由本文中所论述的opc过程的成本函数来实施惩罚函数。例如，具有较高方差的部位指示了高的印制概率，因此opc过程可以相比其它部位相对更多地惩罚所述部位或特征(例如，sraf)，使得经opc的特征被调整以最小化印制所述特征(例如，sraf)的概率。示例性opc过程和示例成本函数关于图14至图17来论述。
[0102]
在实施例中，基于以100％概率印制的主特征来训练分别用于产生所述抗蚀剂图像或蚀刻图像的抗蚀剂模型(例如，在图2中)或蚀刻模型。所述抗蚀剂模型可以不对于与可以不印制于所述衬底上或具有相对低的印制概率的特征相关的数据而被进行校准。如此，本公开可以结合现有光刻模拟过程而使用以更好地预测特征可以印制且改善所述图案化过程的产率的概率。本过程300的额外的示例在下文进一步论述。
[0103]
返回参考图3a，过程300具有若干应用。过程300可以被修改以可选地即视需要包括后续工序p307、p309或p311。
[0104]
在实施例中，工序p307包括基于所述模型303以及所述辅助特征可以印制于所述衬底上的可能性即似然性305来产生光学邻近效应校正(opc)数据以调整所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征。在实施例中，opc数据的产生包括经由与所述图案化过程相关联的opc模拟过程(例如，图14至图17)调整所述掩模图案的一个或更多个主特征或一个或更多个辅助特征的形状和/或大小。经调整的形状和/或大小降低了辅助特征可以印制于所述衬底上的可能性即似然性305。在实施例中，opc过程可移除所述掩模图案的一个或更多个辅助特征。
[0105]
在实施例中，工序p309包括基于模型303和辅助特征可以印制于所述衬底上的可能性即似然性305来确定源和/或掩模图案，以降低辅助特征可以印制于所述衬底上的可能性即似然性305。源和/或掩模图案的确定包括经由源掩模优化(smo)过程来调整源参数和/或掩模参数以导致所述掩模图案的辅助特征可以印制于所述衬底上的可能性即似然性305降低。
[0106]
在实施例中，工序p311包括基于所述模型303和辅助特征可以印制的可能性即似然性305来调整用于图案化所述衬底的图案化过程的一个或更多个参数。所述图案化过程的一个或更多个参数的调整包括将被印制于所述衬底上的图案的掩模图像或空间图像用
作至模型303的输入，来确定辅助特征可以印制于所述衬底上的可能性即似然性305；以及调整所述图案化过程的一个或更多个参数以降低所述辅助特征可以印制于所述衬底上的可能性即似然性305。在实施例中，所述一个或更多个参数包括(但不限于)扫描器的剂量、扫描器的聚焦，和/或衬底台高度。
[0107]
图10是用于产生与掩模图案相关联的模型以确定与所述掩模图案相关联的方差数据的过程1400的流程图。如先前提及的，过程不涉及轮廓的提取，而是使用例如衬底的累积量测图像的灰度值。过程1400的示例实施包括以下工序。
[0108]
工序p1401包括获得(i)使用所述掩模图案而被印制于衬底上的图案的多个图像1401、和(ii)与所述图案的多个图像1401的每个像素相关联的方差数据1402。在实施例中，可选地，可以获得与所述图案的多个图像1401的每个像素相关联的平均值数据。在实施例中，平均值数据可以结合方差数据1402来使用。在实施例中，多个图像1401是经由sem工具而获得的sem图像。在实施例中，可选地，可以确定与所述图案的多个图像1401的每个像素相关联的平均值数据，并且将其用作用于产生所述模型的训练数据。
[0109]
在实施例中，所述方差数据1402被表示为像素化图像，每个像素被指派有多个图像1401的每个像素的灰度值的方差值。例如，方差数据被表示为图4b和图4d中的图像。同样，可选地，平均值数据被表示为像素化图像，每个像素被指派有多个图像的每个像素的灰度值的平均值。
[0110]
工序p1403包括基于所述方差数据1402来产生被配置成预测与所述掩模图案相关联的方差数据的模型1410，所述方差数据正被用于确定所述掩模图案的辅助特征可以印制于所述衬底上的可能性即似然性。在实施例中，模型1410是以下中的至少一个：包括作为模型参数的权重和偏置的卷积神经网络；包括线性项相关系数的组合的线性模型，所述系数是所述模型参数；和包括多项式项相关系数的组合的多项式模型，所述系数是所述模型参数。
[0111]
在实施例中，模型1410的产生包括将(i)与所述掩模图案相关联的空间图像或掩模图像、和(ii)与所述掩模图案相关联的方差数据1402输入至模型1410；使用模型参数的初始值来执行所述模型1410以产生初始方差数据；确定初始方差数据与所输入的方差数据1402之间的差；以及基于所述差来调整所述模型参数的初始值，以使所述模型1410产生位于所输入的方差数据1402的指定阈值内的所述方差数据。
[0112]
在实施例中，所述模型1410的产生是迭代过程，其中执行对所述模型参数的值的调整直到模型产生的方差数据位于所输入的方差数据1402的指定阈值内为止。
[0113]
在实施例中，对所述模型参数的初始值的调整基于所输出的方差映射与所输入的方差之间的差的梯度，所述梯度朝向减小或最小化所述差来引导所述模型参数的值。
[0114]
图11是用于产生掩模图案的光学邻近效应校正数据的过程1500的流程图。方法1500的示例实施方式包括以下工序。
[0115]
工序p1501包括获得(i)与所述掩模图案相关联的掩模图像1501或空间图像1502、和(ii)与所述掩模图案相关联的抗蚀剂图像或蚀刻图像。在实施例中，所述掩模图像1501或所述空间图像1502的获得包括使用所述掩模图案来模拟一个或更多个过程模型以产生所述掩模图像1501或所述空间图像1502。
[0116]
工序p1503包括执行被配置成预测与所述掩模图案相关联的方差数据1505的模型
(例如，303或1410)。所述模型(例如，303或1410)被配置成将所述掩模图像1501或所述空间图像1502用作输入，并且输出与所述掩模图案相关联的方差数据1505。工序p1505包括基于模型产生的方差数据1505、和抗蚀剂图像1501或蚀刻图像1502来确定所述掩模图案的辅助特征可以印制于衬底上的可能性即似然性。
[0117]
工序p1507包括基于辅助特征可以印制的可能性即似然性来产生用于修改所述掩模图案的一个或更多个主特征或一个或更多个辅助特征的光学邻近效应校正(opc)数据1510。在实施例中，opc数据1510的产生包括经由opc模拟过程来调整所述掩模图案的一个或更多个主特征或一个或更多个辅助特征的形状和/或大小。经调整的形状和/或大小降低辅助特征可以印制的可能性即似然性。在实施例中，opc数据1510涉及经由opc模拟过程来移除所述掩模图案的一个或更多个辅助特征。在实施例中，可以经由图案形成装置修改工具来应用opc数据以修改掩模上的所述掩模图案。
[0118]
如先前所论述的，半导体制造涉及将掩模图案成像在衬底上以形成芯片的所需的电路。所述掩模图案包括辅助特征(例如，sraf)以将紧密地匹配设计图案的印制图案形成在所述衬底上。在实施例中，检查印制图案以确定是否将任何辅助特征印制于所述衬底上。不需要辅助特征的这种印制。在实施例中，检查衬底上的印制图案的sem图像以基于是否印制辅助特征来确定图案的印制品质。可以使用sem图像和sem图像内的数据(例如，像素强度、特征信息，等等)来训练一个或更多个过程模型以改善所述图案化过程的产率。
[0119]
然而，通常地，包括辅助特征(例如，sraf)的sem图像可以具有不良图像品质(例如，模糊的、或有噪声的)。这种sem图像可以由于例如辅助特征部位周围的模糊或噪声而使识别辅助特征具有挑战性。当将这些sem图像用于训练一个或更多个过程模型(例如，被配置成确定衬底上的印制图案，或确定是否印制sraf)时，所述模型可能不会产生准确的结果。例如，所述过程模型可以是产生抗蚀剂图像的抗蚀剂模型。所述抗蚀剂模型是用于确定可以形成衬底上的抗蚀剂图像的简化模型。基于所述抗蚀剂图像，可以调节图案化过程。调节可以调整例如剂量、聚焦、或抗蚀剂参数以导致所述衬底上的所需的图案。如此，所述抗蚀剂模型应被配置成确定是否例如可以印制sraf，从而可以更准确地执行调节以移除sraf特征。
[0120]
在本公开中，产生确定辅助特征可以印制于所述衬底上的概率的可印制性映射(也被称为概率映射)。可以针对需要被印制于所述衬底上的任何掩模图案产生可印制性映射。可印制性映射可以用作引导，以确定所述图案化过程的一个或更多个参数，以防止辅助特征被印制于所述衬底上。所述可印制性映射可以被视为不同于一维(1d)量规数据(例如，cd)的二维(2d)映射。在实施例中，所述可印制性映射包括sraf印制概率值，其为与图像的2d平面中的每个像素相关联的介于0％与100％之间的值(或介于0至1之间的实数)。
[0121]
图12是用于产生与掩模图案相关联的可印制性映射的方法1600的示例性流程图。在实施例中，例如，方法1600包括用以采集掩模图案的包括sraf数据的经图案化的衬底图像的步骤。例如，可以经由sem工具采集来自相同掩模图案的不同衬底管芯的多个sem图像。可以使用例如管芯至管芯对准工具来对准这些原始sem图像。针对每个对准图像，可以执行图像分段。基于分段式图像，可以产生诸如二元图像之类的经改进的图像。二元化图像针对每个像素提供关于是否可以印制辅助特征的信息。这些二元化图像被堆叠以产生概率映射，其中概率映射中的每个像素是印制概率。印制概率是例如通过将二元图像数目除以二
元映射的总数目来确定的。
[0122]
在实施例中，可印制性映射的准确性取决于sem图像的图像分段的准确性。相较于现有轮廓提取方法，例如，脊线或岭检测，问题在于这里用于图像分段的单独的sem图像比用于脊线检测的平均化图像有更多噪声。此外，相较于一般图像分段方法，本方法1600提供如本文中所论述的不同的基于标识的图像分段。方法1600被实施为下文详细论述的示例过程p1601、p1603和p1605。
[0123]
过程p1601包括获得(i)经图案化的衬底的多个图像1601、(ii)基于多个图像1601的多个经改进的图像1603，和(iii)基于掩模图案的所模拟的经改进的图像1605。在实施例中，所述多个图像1601的获得包括经由量测工具接收被印制于所述衬底上的所述图案的多个图像1601。在实施例中，多个图像1601的获得包括经由量测工具捕获被印制于所述衬底上的所述图案的所述多个图像1601。如本文中所论述的，可以经由扫描电子显微镜(sem)获得经图案化的衬底的所述多个图像1601(参见图16和图17)。因此，所述多个图像1601的每个图像是sem图像。
[0124]
在实施例中，所述多个经改进的图像1603的一个或更多个经改进的图像是一个或更多个二元图像。例如，特征(例如，主特征或辅助特征)的一部分被指派有值1，并且特征周围的像素具有值0。所模拟的经改进的图像1605也可以是另一二元图像，其中每个像素具有值0或1。例如，特征(例如，主特征或辅助特征)的一部分具有值1，并且特征的周围区域的像素具有值0。
[0125]
在实施例中，多个经改进的图像1603的获得包括将所述多个图像1601中的每个图像去噪。例如，将所述衬底上的图案的原始sem图像去噪。在实施例中，经由自适应阈值化算法将经去噪的多个图像1601中的每个图像进一步转换为经改进的图像。自适应阈值化算法可以是除自适应地找出最优阈值以区分开图像(例如，sem图像)内的印制区域与未印制区域之外的任何算法。在实施例中，自适应阈值化算法是被配置成接收所述多个图像1601或经去噪的多个图像1601和所述多个图像1601中的每个图像内的标识作为输入，并且输出经改进的图像的otsu(大津)阈值化算法。
[0126]
在实施例中，所述多个图像1601的去噪包括将第一中值滤波器和高斯滤波器应用于所述多个图像1601中的每个图像，使得维持与所述图像多个图像1601中的每个相关联的脊线边缘准确性，所述第一中值滤波器的特征为第一核大小；应用第二中值滤波器以增强所述多个图像1601中的每个图像的图像对比度，所述图像对比度介于印制区域与未印制区域之间，所述第二中值滤波器的特征为第二核大小，所述第二核大小大于所述第一核大小；和应用第三滤波器以进一步减小所述多个图像1601中的噪声，所述第三滤波器的特征为第三核大小。
[0127]
图13图示了从经图案化的衬底的原始sem图像1301产生经改进的图像1320的示例。原始sem图像1302是有噪声的，这使难以基于像素强度来识别图像内的特征的轮廓或廓形。在实施例中，可以应用一个或更多个滤波器以减少或移除原始图像1302内的噪声。在实施例中，可以应用第一中值滤波器和高斯滤波器来执行对原始图像1301的去噪，以使原始图像1301是相对较平滑的。例如，第一中值滤波器可以是特征为第一核大小(例如，3
×
3)的非线性噪声滤波器。高斯滤波器可以是被配置成减少原始图像1301的模糊而同时维持所述图像内的脊线的模糊滤波器。例如，所述图像内的脊线由所述原始图像1301中的所关注的
特征(例如，孔、线等)周围的局部最大值(例如，最大强度)来表征。在应用第一滤波器和高斯滤波器之后，获得经去噪的图像(未图示)。
[0128]
此外，将第二中值滤波器应用于经去噪的图像以增强图像对比度。图像对比度是介于所述衬底的印制区域与未印制区域之间的像素强度的差。例如，经去噪的图像内的主特征和辅助特征周围的图像对比度被增强。第二中值滤波器的特征可以是第二核大小，其大于第一核大小。应用第二过滤器，获得经去噪的图像1310。相较于原始图像1301，经去噪的图像1310在特征周围具有相对较少的噪声、较陡的边缘、和更好的对比度。此外，可以将第三滤波器应用于经去噪的图像1310以进一步减少噪声。第三滤波器可以被称为具有类似于或小于第一滤波器的核大小的最小滤波器。随后将自适应阈值化算法应用于经去噪的图像1301以产生经改进的图像1320。使用经改进的图像1320来引导如本文中所论述的图像分段过程。在实施例中，经改进的图像1320可以是二元化图像。在实施例中，自适应阈值化算法可以是将经去噪的图像1310转换为二元化图像1320的otsu算法。在自适应阈值化算法中，例如基于经去噪的图像的特征(例如，主特征和辅助特征)来针对多个部分计算阈值。如此，自适应阈值化不同于简单阈值，其中单个阈值被总体地应用于所述图像。作为自适应阈值化的结果，可以获得突显所述原始图像1301内的特征的更加被改进的图像1302。在实施例中，突显的特征(例如，1320中的白色区)对应于主特征(例如，线和孔)、主特征周围的辅助特征。
[0129]
另外，一些未知特征可以存在于经改进的图像1320中。这些未知特征可能不是易于在原始图像1301、经去噪的图像1302、或甚至用于产生经图案化的衬底的掩模图案中可见的。可能不期望这些未知特征，并且可以通过与所模拟的经改进的图像(参见图14中的1420)进行比较来将其移除。在实施例中，未知特征可以被移除，因为未知特征并非是预期的主特征或sraf特征，而是未知特征可能源自sem噪声、或由产生经改进的图像的过程而产生的错误信号。所模拟的经改进的图像(参见图14中的1420)用作引导，以识别与所述掩模图案相关联的特征且忽略未知特征。下文论述了获得所模拟的经改进的图像且与经改进的图像进一步比较的过程(例如，1320)。
[0130]
返回参考图12，在过程p1601处，所模拟的经改进的图像1605的获得包括使用与所述多个图像1601中的每个图像相对应的过程条件和掩模图案来执行所述图案化过程的一个或更多个过程模型，以产生将被印制于衬底上的图案的模拟图像；以及将选定阈值强度值应用于模拟图像以产生所模拟的经改进的图像1605。
[0131]
图14图示了产生改进模拟图像1420的示例。在实施例中，通过使用用于将衬底图案化的所述掩模图案(未图示)来执行一个或更多个过程模型(例如，如图2中所论述的)以产生模拟图像1401。例如，模拟图像1401可以是通过执行所述图案化过程(例如，如图2中所论述的)的光学器件模型或抗蚀剂模型所产生的空间图像或抗蚀剂图像。在图14中，模拟图像1401与目标特征和辅助特征的轮廓重叠以供参考。所述模拟图像1401的脊线量值图像1410被示出以突显所述模拟图像1401内的特征。在实施例中，可以将强度阈值化应用于所述模拟图像1401以产生经改进的图像，也被称为所模拟的经改进的图像1420。在实施例中，可以将强度阈值总体地应用于所述模拟图像1401。在实施例中，可以将自适应阈值化应用于所述模拟图像1401以产生所模拟的经改进的图像1420。在实施例中，所模拟的经改进的图像1420是如所示出的二元图像，其中特征具有值1，并且特征周围具有值0。因而，所模拟
的经改进的图像1420明确地识别与所述掩模图案相关联的主特征和辅助特征的部位。
[0132]
在实施例中，所模拟的经改进的图像1420的主特征和辅助特征与所述原始sem图像的经改进的图像1320(参见图13)的相应的主特征和辅助特征对准。因而，可以忽略经改进的图像1320(参见图13)中的任何未知特征，并且可以准确地执行所述图像的图像分段。图像分段过程涉及：基于经对准的经改进的图像来识别图像(例如，图13的原始图像1301或经去噪的图像1310)内的特征，以及将标识放置于所述特征周围。所述图像分段过程在下文中进一步详细论述。
[0133]
返回参考图12，过程p1603包括基于所述多个经改进的图像、所模拟的经改进的图像1605、以及所述多个图像1601中的每个图像内的像素的强度来标记所述多个图像1601中的每个图像。这种标记产生与所述多个图像1601相对应的多个标记图像1613。
[0134]
在实施例中，所述多个图像1601中的每个图像的标记包括将所述多个经改进的图像的经改进的图像与所模拟的经改进的图像1605对准；识别所述经改进的图像内的与所模拟的经改进的图像1605内的特征对应的特征；将所述多个图像的图像与经对准的经改进的图像对准；以及基于所识别的特征，将标识放置于经对准的图像上，每个标识被放置于与所识别的特征周围的图像内的强度的局部最小值相关联的部位处。
[0135]
在实施例中，标识的放置包括确定经改进的图像内的所识别的特征的轮廓；将所述轮廓与所述多个图像1601的图像中的对应特征对准；在轮廓的法线方向上识别所述轮廓周围的标识的部位；以及产生多对标识。一对标识包括位于所述图像中的对应特征的轮廓内部的第一标识、和位于所述图像中的对应特征的轮廓外部的第二标识。在实施例中，所述图像1601中的特征的轮廓也可以是标识的部分。
[0136]
在实施例中，多对标识的产生包括在所述轮廓内部所述图像的强度的局部最小值处确定所述第一标识。在实施例中，可以沿轮廓的法线方向确定局部最小值。此外，朝向所述轮廓外部且跨越整个所述图像的强度的局部最大值，在所述图像的强度的另一局部最小值处确定所述第二标识。在实施例中，可以沿所述轮廓的法线方向确定所述第二局部最小值或局部最大值。因此，产生与所述多个图像1601的图像相对应的包括第一标识和第二标识的标记图像1613。在实施例中，标记图像1613也包括特征的轮廓。
[0137]
图15a图示了产生与sem图像(例如，原始图像1301或经去噪的图像1310)相对应的分段图像1501和另一经改进的图像1510的示例。在实施例中，通过将标识(例如，点)放置于图像(例如，原始图像1301或经去噪的图像1310)内来产生分段图像1501。在实施例中，标识指示了与给定图像(例如，1301或1310)内的特定部位相关联的信息。在实施例中，被链接至所述标识的信息可以是相对于所关注的特征或设计布局的部位、与所述部位相关联的强度，或直接可用的或从其衍生的其它信息。
[0138]
在实施例中，所述标识的放置包括确定经改进的图像(例如，图13的经改进的图像1320)内的所识别的特征的轮廓。轮廓与给定图像1501(例如，图像1301或1310)中的对应特征fe1的轮廓对准。绘制所述给定图像1501(例如，1301或1310)的特征fe1的轮廓的法线(图中未示出)。沿法线，确定标识mi1、me1、mi2和me2的部位。在实施例中，所述标识是一对标识，包括位于图像1501中的对应特征fe1的轮廓内部的第一标识mi1(或mi2)、以及位于图像1501中的对应特征fe1的轮廓外部的第二标识me1(或me2)。
[0139]
在实施例中，确定特征fe1的轮廓内部的图像强度的局部最小值。这种局部最小值
是第一标识mi1(或mi2)的部位。类似地，确定朝向特征fe1的轮廓外部且跨越整个所述图像的强度的局部最大值(例如，在轮廓(虚线)处)的强度特征曲线的另一局部最小值。这种另一局部最小值是第二标识mei1(或mei2)的部位。在实施例中，可以在指定方向上，例如，沿轮廓的法线方向确定局部最小值。
[0140]
在实施例中，分段图像1501可以被表示为能够由计算机可读介质读取、能够由实施于计算机可读介质上的程序导入和/或导出的像素化图像、矩阵或其它数据格式。索索分段图像1501转换成进一步用于确定可印制性映射的另一经改进的图像1510，如下文所论述的。例如，分段图像1501使用分水岭算法而被转换成经改进的图像1510。
[0141]
返回参考图12，过程p1605包括基于标记产生与掩模图案相关联的可印制性映射1615。在实施例中，可印制性映射1615的产生包括将所述多个图像1601的标记输入至被配置成产生与所述多个图像1601的每个图像相对应的多个其它经改进的图像的算法。在实施例中，可印制性映射1615是指示所述图案的特征将被印制于衬底上的可能性即似然性的概率值的空间分布。
[0142]
在实施例中，用于产生其它经改进的图像的算法是被配置成基于放置于所述多个图像1601内的标识来执行图像分段的分水岭算法。在实施例中，分水岭算法被配置成产生二元图像作为经改进的图像。
[0143]
在实施例中，可以将模型用于产生其它经改进的图像，诸如包括作为模型参数的权重和偏置的卷积神经网络(cnn)。卷积神经网络被配置成基于所述多个图像1601以及所述多个图像1601内的标识来产生经改进的图像。在实施例中，可以使用包括掩模图案的空间图像或抗蚀剂图像的训练数据集、以及参考可印制性映射1615(作为真实的有效值即真实标签(ground truth))来训练这种cnn。例如，对cnn的训练包括当掩模图案的空间图像或抗蚀剂图像被输入至cnn时，确定模型参数的值以使cnn产生紧密地匹配所述参考可印制性映射1615的可印制性映射。
[0144]
此外，所述过程p1605包括使多个其它经改进的图像相对于彼此对准；以及基于经对准的多个其它经改进的图像的强度值来产生多个其它经改进的图像中的至少一个图像的可印制性映射1615。
[0145]
在实施例中，可印制性映射1615的产生包括通过以下操作确定可印制性映射1615的每个像素的概率值：将所述多个经改进的图像1603的其它经改进的图像的图像强度求和；和将所求和的图像的图像强度除以经改进的图像1603的总数目。
[0146]
图15b图示了根据如图像1510的多个经改进的图像1603而产生的示例性可印制性映射1520(先前论述)。在实施例中，通过将多个经改进的图像的其它经改进的图像(例如，1510)的图像强度求和；以及将所求和的图像的图像强度除以经改进的图像1603的总数目，来产生可印制性映射1520。
[0147]
在实施例中，所述方法1600还包括过程p1607，其用于基于可印制性映射1615来产生所述图案化过程的一个或更多个参数的值1617。
[0148]
在实施例中，值1617的产生包括将与所述掩模图案相关联的可印制性映射1615输入至光学邻近效应校正(opc)过程；从可印制性映射1615确定与所述掩模图案的辅助特征相关联的概率，所述概率指示辅助特征是否将印制于衬底上；基于所述辅助特征的概率来产生opc数据，以调整所述掩模图案的一个或更多个主特征或一个或更多个辅助特征以最
小化所述辅助特征将印制于所述衬底上的概率。
[0149]
在实施例中，opc数据的产生包括经由与所述图案化过程相关联的opc模拟过程来调整所述掩模图案的一个或更多个主特征或一个或更多个辅助特征的形状和/或大小，经调整的形状和/或大小降低辅助特征将印制于所述衬底上的概率；或经由与所述图案化过程相关联的opc模拟过程来移除所述掩模图案的一个或更多个辅助特征。
[0150]
在实施例中，所述图案化过程的参数的值1617的产生包括基于可印制性映射1615来确定与源和/或掩模图案相关联的参数以降低将印制辅助特征的概率。在实施例中，源和/或掩模图案的确定包括经由源掩模优化(smo)过程调整源参数和/或掩模参数以导致所述掩模图案的辅助特征将印制于所述衬底上的概率降低。
[0151]
在实施例中，产生所述图案化过程的一个或更多个参数的值1617包括基于所述可印制性映射1615来调整与用于将所述衬底图案化的图案形成设备相关联的一个或更多个参数，以导致辅助特征将印制于所述衬底上的概率降低。在实施例中，所述一个或更多个参数包括：扫描器的剂量、扫描器的聚焦、和/或衬底台高度。
[0152]
在实施例中，参考图12b，提供用于方法1700的用于产生与掩模图案相关联的可印制性映射的其它流程图。所述方法1700包括下文详细论述的后续过程p1701、p1703、和p1705。
[0153]
过程p1701包括基于对经图案化的衬底的多个图像1601的标记来获得经图案化的衬底的多个经改进的图像1701。对所述多个图像1601的每个图像的标记与每个图像的像素的强度相关联。在实施例中，多个经改进的图像1701的获得类似于方法1600中所论述的。例如，通过将所述多个图像1601的标记输入至被配置成产生与所述多个图像1601的每个图像相对应的多个经改进的图像1701的算法来获得多个经改进的图像1701。在实施例中，所述算法是被配置成基于放置于所述多个图像1601内的标识来执行图像分段的分水岭算法。
[0154]
也如本文中所论述的，对所述多个图像1601中的每个图像的标记包括将所述多个图像1601的二元化图像与所模拟的经改进的图像对准；识别所述二元化图像内的与所模拟的经改进的图像内的特征相对应的特征，将所述多个图像的图像与经对准的二元化图像对准；以及基于所识别的特征，将标识放置于经对准的图像上，每个标识被放置于与所识别的特征周围的图像内的强度的局部最小值相关联的部位处。在实施例中，可以经由如上文所论述的去噪过程和阈值化过程来获得所述二元化图像。
[0155]
在实施例中，所述标识的放置包括确定所述二元化图像内的所识别的特征的轮廓；将所述轮廓与所述多个图像1601的图像中的对应特征对准；以及识别所述轮廓周围的一对标识的部位，第一标识位于所述轮廓内部的图像强度的局部最小值处，以及第二标识位于所述轮廓外部的图像强度的另一局部最小值处。
[0156]
在实施例中，所述一对标识的识别包括朝向所述轮廓的内部在指定方向上确定所述第一标识位于所述图像的强度的局部最小值处；以及朝向所述轮廓的外部在指定方向上且跨越整个所述图像的强度的局部最大值确定所述第二标识位于所述图像的所述强度的另一局部最小值处。
[0157]
过程p1703包括将所述多个经改进的图像1701的图像强度求和。过程p1705包括将所求和的图像强度除以经改进的图像1701的总数目以产生与所述掩模图案相关联的可印制性映射1615。例如，所述多个经改进的图像1701可以被堆叠，并且经堆叠的图像的每个对
应像素可以被求和。与每个像素相关联的所求和的强度可以除以所述多个图像1601的总数目。
[0158]
此外，所述方法1700可以包括过程p1607，其用于确定与如上文所论述的所述图案化过程相关联的一个或更多个参数(例如，opc数据、剂量、聚焦、源参数、光瞳参数，等等)的值1617。
[0159]
在实施例中，参考图12c，提供用于方法1800的用于产生与掩模图案相关联的可印制性映射的其它流程图。所述方法1700包括下文详细论述的以下过程p1801、p1803、和p1805。
[0160]
过程p1801包括基于所述掩模图案的特征来获得经图案化的衬底的多个二元图像1801。在实施例中，通过将二元化算法应用于所述经图案化的衬底的多个图像1601中的每个图像来获得所述多个二元图像1801。在实施例中，所述二元化算法被配置成基于多个图像1601的给定图像中的与所述掩模图案的所述特征相对应的特征来产生所述给定图像的二元图像。在实施例中，基于所述经图案化的衬底的模拟图像来识别所述多个图像1601中的每个图像内的与所述掩模图案的特征相对应的特征，例如，如关于图15a所论述的。
[0161]
在实施例中，二元化算法包括阈值化经图案化的衬底的多个图像1601中的每个图像，所述阈值化基于与所述掩模图案相对应的特征。在实施例中，阈值化可以是自适应阈值化或单值阈值化。在实施例中，阈值化指代将与像素强度相关联的阈值应用于给定图像。因此，如果给定图像的像素强度低于强度阈值，则像素被指派有值0(例如，指示了不印制)，并且如果像素强度高于强度阈值，则像素被指派有值1(例如，指示了印制)，或反之亦然。因此，获得二元图像。在实施例中，可以将阈值化应用于与所述掩模图案相对应的特征周围的图像的一部分。对于剩余部分，像素可以仅指派有值0(例如，指示不印制)，而无论是否突破阈值强度。
[0162]
在实施例中，二元化算法是被配置成基于放置于多个图像1601内的标识来执行图像分段的分水岭算法。在实施例中，所述标识包括第一标识和第二标识。所述第一标识可以朝向所述轮廓的内部在指定方向上位于所述图像的强度的局部最小值处。所述第二标识可以朝向轮廓的外部在指定方向上且跨越整个所述图像的强度的局部最大值位于所述图像的强度的另一局部最小值处。例如，图15a图示了如先前所论述的特征fe1周围的示例标识me1、mi1、mi2。
[0163]
可了解，本文中所论述的基于局部最小值的标识或标记仅是示例性的，以图示本公开的构思。本领域普通技术人员可以基于例如用户定义的部位、特征轮廓、基于图像强度而导出的指标，或与图像分段相关的其它标记来指定不同的标识。
[0164]
过程p1803包括将多个二元图像1801对准以及将所述多个二元图像1801的强度求和。过程p1805包括将所求和的图像强度除以二元图像的总数目以产生与所述掩模图案相关联的可印制性映射1605。在实施例中，可印制性映射1605的每个像素强度指示了所述掩模图案的特征将印制于衬底上的概率。
[0165]
此外，所述方法1800可以包括过程p1607，其用于确定与如上文所论述的所述图案化过程相关联的一个或更多个参数(例如，opc数据、剂量、聚焦、源参数、光瞳参数，等等)的值1617。
[0166]
在实施例中，所述方法1600的过程可以被包括在非暂时性计算机可读介质中。在
实施例中，提供一种非暂时性计算机可读介质，其包括用于产生与掩模图案相关联的可印制性映射的指令，计算机可读介质在由一个或更多个处理器执行时引起包括以下各项的操作：获得(i)经图案化的衬底的多个图像、(ii)基于所述多个图像的多个经改进的图像、和(iii)基于所述掩模图案的所模拟的经改进的图像；基于多个经改进的图像、所模拟的经改进的图像、和多个图像中的每个图像内的像素的强度来标记所述多个图像中的每个图像；以及基于所述标记来产生与所述掩模图案相关联的可印制性映射。在实施例中，所述可印制性映射是指示所述图案的特征将被印制于衬底上的可能性即似然性的概率值的空间分布。
[0167]
在实施例中，所述多个图像的获得包括指令，所述指令包括经由量测工具接收被印制于所述衬底上的所述图案的所述多个图像；或经由所述量测工具捕获被印制于所述衬底上的所述图案的所述多个图像。在实施例中，所述多个经改进的图像的一个或更多个经改进的图像是一个或更多个二元图像。在实施例中，所模拟的经改进的图像是二元图像。在实施例中，经由经图案化的衬底的扫描电子显微镜(sem)获得所述多个图像。在实施例中，所述多个图像的每个图像是sem图像。
[0168]
在实施例中，所述多个经改进的图像的获得包括将多个图像去噪；以及经由自适应阈值化算法将经去噪的多个图像中的每个图像转换为经改进的图像，所述自适应阈值化算法以自适应的方式找出最优阈值以区分图像内的印制区域和未印制区域。在实施例中，所述自适应阈值化算法是被配置成接收所述多个图像或经去噪的多个图像以及所述多个图像中的每个图像内的标识作为输入，并且输出经改进的图像的otsu阈值化算法。
[0169]
在实施例中，对所述多个图像的所述去噪包括将第一中值滤波器和高斯滤波器应用于所述多个图像中的每个图像，以使得维持与所述多个图像中的每个图像相关联的脊线边缘准确性，所述第一中值滤波器的特征为第一核大小；应用第二中值滤波器以增强所述多个图像中的每个图像的图像对比度，所述图像对比度介于印制区域与未印制区域之间，所述第二中值滤波器的特征为第二核大小，所述第二核大小大于所述第一核大小；以及应用第三滤波器以进一步减小所述多个图像中的噪声，所述第三滤波器的特征为第三核大小。
[0170]
在实施例中，所模拟的经改进的图像的获得包括：使用与所述多个图像中的每个图像相对应的过程条件和掩模图案来执行所述图案化过程的一个或更多个过程模型，以产生将被印制于衬底上的图案的所述模拟图像；和将选定阈值强度值应用于所述模拟图像以产生所模拟的经改进的图像。
[0171]
在实施例中，对所述多个图像中的每个图像的标记包括将上述多个经改进的图像中的一经改进的图像与所模拟的经改进的图像对准；识别所述经改进的图像内的与所模拟的经改进的图像内的特征相对应的特征；将所述多个图像的图像与经对准的经改进的图像对准；以及基于所识别的特征，将标识放置于经对准的图像上，每个标识被放置于与所识别的特征周围的图像内的强度的局部最小值相关联的部位处。
[0172]
在实施例中，所述标识的放置包括确定经改进的图像内的所识别的特征的轮廓；将所述轮廓与所述多个图像的图像中的对应特征对准；以及在例如所述轮廓的法线方向上识别所述轮廓周围的一对标识的部位。所述第一标识位于所述轮廓的内部的图像强度的局部最小值处，并且所述第二标识位于发现于所述轮廓的外部沿例如法线方向的所述图像特
征曲线的局部最小值处。
[0173]
在实施例中，多对标识的产生包括朝向所述轮廓的内部沿所述法线方向确定所述第一标识位于所述图像的所述强度的局部最小值处；和朝向所述轮廓的外部沿所述法线方向且跨越整个所述图像的强度的局部最大值确定所述第二标识位于所述图像的强度的另一局部最小值处。
[0174]
在实施例中，可印制性映射的产生包括将所述多个图像的标记输入至被配置成产生与所述多个图像的每个图像相对应的多个其它经改进的图像的算法；将所述多个其它经改进的图像相对于彼此对准；和基于经对准的多个其它经改进的图像的强度值而产生所述多个其它经改进的图像中的至少一个的可印制性映射。
[0175]
在实施例中，所述算法是被配置成基于放置于所述多个图像内的标识来执行图像分段的分水岭算法。在实施例中，也可以使用诸如卷积神经网络之类的模型。所述卷积神经网络被配置成基于所述多个图像和所述多个图像内的标识来产生经改进的图像。
[0176]
在实施例中，可印制性映射的产生包括通过以下操作来确定可印制性映射的每个像素的概率值：将所述多个经改进的图像的其它经改进的图像的图像强度求和；以及将所求和的图像的图像强度除以经改进的图像的总数目。
[0177]
在实施例中，计算机可读介质包括用于基于可印制性映射来产生所述图案化过程的一个或更多个参数的值的指令。
[0178]
在实施例中，值的产生包括将与所述掩模图案相关联的可印制性映射输入至光学邻近效应校正(opc)过程；从可印制性映射确定与所述掩模图案的辅助特征相关的概率，所述概率指示所述辅助特征是否将印制于衬底上；基于所述辅助特征的概率而产生opc数据，以调整所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征来最小化所述辅助特征将印制于所述衬底上的概率。
[0179]
在实施例中，opc数据的产生包括经由与所述图案化过程相关联的opc模拟过程来调整所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征的形状和/或大小，经调整的形状和/或大小降低辅助特征将印制于所述衬底上的概率；或经由与所述图案化过程相关联的opc模拟过程来移除所述掩模图案的所述一个或更多个辅助特征。
[0180]
在实施例中，所述产生包括基于可印制性映射来确定与源和/或掩模图案相关联的参数，以降低辅助特征将印制的概率。在实施例中，对源和/或掩模图案的确定包括经由源掩模优化(smo)过程来调整源参数和/或掩模参数以导致所述掩模图案的辅助特征将印制于所述衬底上的概率降低。
[0181]
在实施例中，所述产生包括基于可印制性映射来调整与用于将所述衬底图案化的图案形成设备相关联的一个或更多个参数，以导致辅助特征将印制于所述衬底上的概率降低。在实施例中，一个或更多个参数包括：扫描器的剂量、扫描器的聚焦，和/或衬底台高度。
[0182]
在实施例中，进一步提供包括用于产生与掩模图案相关联的可印制性映射的指令的非暂时性计算机可读介质，所述计算机可读介质在由一个或更多个处理器执行时引起包括以下各项的操作：基于对经图案化的衬底的多个图像的标记来获得经图案化的衬底的多个经改进的图像，多个图像的每个图像的标记与每个图像的像素的强度相关联；将多个经改进的图像的图像强度求和；以及将所求和的图像强度除以经改进的图像的总数目以产生与所述掩模图案相关联的可印制性映射。如上文所论述的，例如经由分水岭算法获得所述
多个经改进的图像。而且，在上文论述了标记经图案化的衬底的多个图像(例如，sem图像)的图像的过程。
[0183]
在一些实施例中，检查设备或量测设备可以是产生被曝光或转印于所述衬底上的结构(例如器件的一些或所有结构)的图像的扫描电子显微镜(sem)。图16描绘了sem工具的实施例。从电子源eso所发射的初级电子束ebp由聚光透镜cl会聚且接着传递穿过束偏转器ebd1、e
×
b偏转器ebd2、和物镜ol以在焦距处照射衬底台st上的衬底psub。
[0184]
在利用电子束ebp照射所述衬底psub时，次级电子由衬底psub产生。所述次级电子由e
×
b偏转器ebd2偏转且由次级电子检测器sed检测。二维电子束图像可以通过以下操作获得：与例如在x或y方向上由束偏转器ebd1对电子束进行二维扫描或由束偏转器ebd1对电子束ebp进行反复扫描同步地检测从样本所产生的电子，以及在x或y方向的另一方向上由衬底台st连续移动衬底psub。
[0185]
由次级电子检测器sed所检测的信号通过模拟/数字(a/d)转换器adc转换为数字信号，并且所述数字信号被发送至图像处理系统ipu。在实施例中，所述图像处理系统ipu可以具有存储器mem以储存数字图像中的所有或部分以供由处理单元pu处理。所述处理单元pu(例如被专门设计的硬件，或硬件和软件的组合)被配置成将所述数字图像转换成或处理成表示数字图像的数据集。此外，图像处理系统ipu可以具有被配置成将数字图像和对应数据集储存在参考数据库中的储存介质stor。显示装置dis可以与图像处理系统ipu相连接，使得操作者可以借助于图形用户界面进行装备的必需操作。
[0186]
如上文提及的，可以处理sem图像以提取对所述图像中表示器件结构的对象的边缘进行描述的轮廓。接着经由指标(诸如cd)来量化这些轮廓。因而，通常经由诸如边缘之间距离(cd)或图像之间的简单像素差之类的过分简单化指标来比较和量化器件结构的图像。检测在图像中的对象的边缘以便测量cd的典型轮廓模型使用图像梯度。实际上，那些模型依赖于强图像梯度。但在实践中，图像通常有噪声且具有不连续边界。诸如平滑、自适应阈值化、边缘检测、磨蚀、和膨胀之类的技术可以用于处理图像梯度轮廓模型的结果，以解决有噪声且不连续的图像，但最终将导致高分辨率图像的低分辨率量化。因而，在大多数实例中，对器件结构的图像的数学运算即数学变换以减少噪声以及自动化边缘检测会导致图像的分辨率的损失，由此导致信息的损失。因此，结果是相当于复杂的高分辨率结构的过分简单化表示的低分辨率量化。
[0187]
因此，需要具有可以保留分辨率且又描述使用图案化过程而产生或预期产生的结构(例如电路特征、对准标记或量测目标部分(例如光栅特征)，等等)的一般形状的数学表示，而不论例如所述结构在潜在抗蚀剂图像中、在经显影的抗蚀剂图像中，或例如通过蚀刻而转移至所述衬底上的层。在光刻或其它图案化过程的情境中，所述结构可以是正被制造的器件或其一部分，并且所述图像可以是所述结构的sem图像。在一些情况下，所述结构可以是半导体器件(例如，集成电路)的特征。在这样的情况下，所述结构可以被称为包括半导体器件的多个特征的图案或所需图案。在一些情况下，所述结构可以是用于对准测量过程中以确定对象(例如，衬底)与另一对象(例如，图案形成装置)的对准的对准标记、或其部分(例如，所述对准标记的光栅)，或是用于测量所述图案化过程的参数(例如重叠、聚焦、剂量，等等)的量测目标、或其部分(例如，所述量测目标的光栅)。在实施例中，所述量测目标是用于测量(例如)重叠的衍射光栅。
[0188]
图17示意性地图示检查设备的另一实施例。所述系统用于检查样本平台88上的样本90(诸如，衬底)且包括带电粒子束产生器81、聚光器透镜模块82、探针形成物镜模块83、带电粒子束偏转模块84、次级带电粒子检测器模块85、和图像形成模块86。
[0189]
带电粒子束产生器81产生初级带电粒子束91。聚光器透镜模块82将所产生的初级带电粒子束91聚光。探针形成物镜模块83将经聚光的初级带电粒子束聚焦为带电粒子束探针92。带电粒子束偏转模块84跨越被紧固于样本平台88上的样本90上的所关注的区域的表面上扫描所形成的带电粒子束探针92。在实施例中，带电粒子束产生器81、聚光器透镜模块82和探针形成物镜模块83、或它们的等效设计、替代方案或其任何组合一起形成产生扫描带电粒子束探针92的带电粒子束探针产生器。
[0190]
次级带电粒子检测器模块85检测在由带电粒子束探针92轰击后即从样本表面所发射的次级带电粒子93(也可以能与来自样本表面的其它反射或散射带电粒子一起)以产生次级带电粒子检测信号94。图像形成模块86(例如计算装置)与次级带电粒子检测器模块85耦接以从次级带电粒子检测器模块85接收次级带电粒子检测信号94，并且相应地形成至少一个扫描图像。在实施例中，次级带电粒子检测器模块85和图像形成模块86或它们的等效设计、替代方案或其任何组合一起形成图像形成设备，所述图像形成设备根据从由带电粒子束探针92所轰击的样本90发射的所检测次级带电粒子形成扫描图像。
[0191]
在实施例中，监测模块87被联接/耦合至图像形成设备的图像形成模块86以对所述图案化过程进行监测、控制等，和/或使用从图像形成模块86所接收的样本90的扫描图像来导出用于图案化过程设计、控制、监测等的参数。因此，在实施例中，所述监测模块87被配置成或被编程成使得执行本文中所描述的方法。在实施例中，所述监测模块87包括计算装置。在实施例中，监测模块87包括用于提供本文中的功能性且被编码于形成所述监测模块87或被设置于所述监测模块内的计算机可读介质上的计算机程序。
[0192]
在实施例中，如使用探针来检查衬底的图16的电子束检查工具，图17的系统中的电子电流相较于例如诸如图16中所描绘的cd sem是显著更大的，使得探测斑足够大以使得检查速度可以较快。然而，由于大探测斑，分辨率可能不与cd sem一样高。在实施例中，在不限制本公开的范围的情况下，上文论述的检查设备可以是单束设备或多束设备。
[0193]
可以处理来自例如图16和/或图17的系统的sem图像以提取所述图像中对表示器件结构的对象的边缘进行描述的轮廓。接着通常经由用户定义的切割线处的指标(诸如cd)来量化这些轮廓。因而，通常经由诸如对所提取的轮廓进行测量的边缘之间距离(cd)或图像之间的简单像素差之类的指标来比较和量化器件结构的图像。
[0194]
在实施例中，过程300、1400和/或1500的一个或更多个工序可以被实施为计算机系统的处理器(例如计算机系统100的过程104)中的指令(例如，程序代码)。在实施例中，多个工序可以跨越多个处理器而分布(例如，并行计算)以改善计算效率。在实施例中，包括非暂时性计算机可读介质的计算机程序产品上记录有指令，所述指令在由计算机硬件系统执行时结合与图2和图14至图17相关的方法来实施方法300、1400或1500。
[0195]
根据本公开，所披露的元件的组合和子组合构成多个单独的实施例。例如，第一组合包括确定将辅助特征(例如，sraf)印制于衬底上的似然性。子组合可以包括确定被配置成预测与给定掩模图像相关联的方差数据的模型，所述掩模图像包括辅助特征。在另一示例中，组合包括基于模型产生的方差数据来确定opc、或smo。在另一示例中，组合包括基于
所述方差数据来确定对于光刻过程、抗蚀剂过程、或蚀刻过程的过程调整，使得印制辅助特征(sraf)的概率被最小化。
[0196]
在实施例中，可以将使用方法300和1400的结果(例如，方差数据)而确定的校正和opc后图像用于图案化过程的优化或调整所述图案化过程的参数。作为示例，opc解决如下事实：投影于所述衬底上的所述设计布局的图像的最终大小和放置将不相同于或简单地仅取决于所述设计布局在所述图案形成装置上的大小和放置。应注意，可以在本文中互换地利用术语“掩模”、“掩模版”、“图案形成装置”。此外，本领域技术人员应认识到，尤其是在光刻模拟/优化的情境下，术语“掩模”/“图案形成装置”和“设计布局”可以被互换地使用，这是因为：在光刻模拟/优化中，不必使用实体图案形成装置，而是可以使用设计布局以表示实体图案形成装置。对于存在于某一设计布局上的小特征大小和高特征密度，给定特征的特定边缘的位置将在某种程度上受到其它邻近特征的存在或不存在影响。这些邻近效应起因于从一个特征耦合至另一特征的微小量的辐射和/或诸如衍射和干涉之类的非几何光学效应。类似地，邻近效应可以起因于在通常以下光刻的曝光后焙烤(peb)、抗蚀剂显影和蚀刻期间的扩散和其它化学效应。
[0197]
为了确保设计布局的投影图像是根据给定目标电路设计的要求，需要使用设计布局的复杂数值模型、校正或预失真来预测和补偿邻近效应。论文“full-chip lithography simulation and design analysis-how opc is changing ic design”(c.spence，proc.spie，第5751卷，第1至14页(2005年))提供当前“基于模型”的光学邻近效应校正过程的综述。在典型的高端设计中，设计布局的几乎每个特征都具有某种修改，以便实现投影图像至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偏移或偏置以及预期辅助其它特征的投影的“辅助”特征的应用。
[0198]
在芯片设计中通常存在数百万个特征的情况下，将基于模型的opc应用至目标设计涉及到良好的过程模型和相当大的计算资源。然而，应用opc通常不是“精确的科学”，而是并不总是补偿所有可能邻近效应的经验迭代过程。因此，需要通过例如使用校准的数值过程模型的密集型全芯片模拟的设计检查来验证opc的效应，例如在应用opc和任何其它ret之后的设计布局，以便最小化将设计瑕疵构建于图案形成装置图案中的可能性。这是通过如下各项来驱动的：制造高端图案形成装置的巨大成本，其在数百万美元的范围内；和对周转时间的影响，其是因返工或修复实际图案形成装置(一旦它们已被制造)而引起的。
[0199]
opc和全芯片ret验证两者可以基于数值建模系统和方法，正如描述于例如以全文引用的方式并入本文中的美国专利申请号10/815,573和y.cao等人的题为“optimized hardware and software for fast,full chip simulation”的论文(proc.spie，第5754卷，405(2005年))中。
[0200]
一种ret与设计布局的全局偏差的调节有关。全局偏差为设计布局中的图案与打算印制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直径的图案印制到衬底上，或者通过设计布局中20nm直径的图案而用大剂量印制到衬底上。
[0201]
除了对设计布局或图案形成装置(例如opc)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。自20世纪90年代起，已经引入了许多离轴照射源(诸如环形的、四极以及双极的)，并且为opc设计提供了更大的自由度，从而改善了成
像结果。已知，离轴照射是一种分辨包含在图案形成装置中的精细结构(即目标特征)的经证实的方式。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(ai)提供较低的光强度。因此，需要试图优化照射源，以在更精细的分辨率和降低的光强度之间获得优化的平衡。
[0202]
例如，在rosenbluth等题目为“optimum mask and source patterns to print agiven shape”，journal of microlithography，microfabrication，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。然而，这样的假定“源分布在每一源区域中是均匀的”不总是有效的，因此这一方法的有效性受到影响。在granik的题目为“source optimizationfor image fidelity and throughput”，journal of microlithography，microfabrication，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。虽然这些方法已经证实了一些成功，但是它们典型地需要多个复杂的迭代以收敛。另外，可能难以为一些额外的参数(诸如在granik方法中的γ)确定适合的值/优化的值，这些额外的参数规定了在为衬底图像保真度对源进行的优化和源的平滑度要求之间的折衷。
[0203]
对于低k1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(例如，socha等人的proc.spie，第5853卷，2005年，第180页)使得照射离散成独立的源点和使掩模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”包括光刻投影设备或光刻过程的一组参数，例如光刻投影设备的使用者可以调节的参数，或用户可以通过调整那些参数来加以调整的图像特性。应当认识到，光刻投影设备的任何特性(包括源、图案形成装置、投影光学元件和/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。
[0204]
相关地，不断减小的设计规则的压力已经驱动半导体芯片制造者更深地进入到具有已有的193nm arf光刻术的低k1光刻术时代。朝向较低的k1的光刻术对分辨率增强技术(ret)、曝光工具以及光刻友好设计的需要提出了很高的要求。在将来可能使用1.35arf的超高数值孔径(na)曝光工具。为了帮助确保可以用可工作的过程窗口来将所述电路设计印制到衬底上，源-图案形成装置优化(本文称作源-掩模优化或smo)成为了对于2x nm节点所需要的重要的ret。
[0205]
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，其在共同转让的于2009年11月20日申请的国际专利申请no.pct/us2009/065359、并且公开号为wo2010/059954的题目为“fastfreeform source and mask co-optimization method”中进行了描述，通过引用将其全部内容并入本文中。
[0206]
另一种源和掩模优化方法和系统涉及通过调节源像素来优化所述源，其在共同转
让的于2010年6月10日申请的美国专利申请no.12/813456、并且美国专利申请公开号为2010/0315614的题目为“source-mask optimization in lithographicapparatus”中进行了描述，通过引用将其全部内容并入本文中。
[0207]
在光刻投影设备中，作为示例，将成本函数被表达为：
[0208][0209]
其中(z1,z2,...,zn)是n个设计变量或其值。f
p
(z1,z2,...,zn)可以是设计变量(z1,z2,...,zn)的函数，诸如(z1,z2,...,zn)的设计变量的值集合的评估点处的特性的实际值与预期值之间的差。w
p
是与f
p
(z1,z2,...,zn)相关联的权重常数。可以向比其它评估点或图案更临界的评估点或图案指派较高w
p
值。也可以向具有较大出现次数的图案和/或评估点指派较高w
p
值。评估点的示例可以是衬底上的任何实体点或图案、虚拟设计布局上的任何点，或抗蚀剂图像，或空间图像，或其组合。f
p
(z1,z2,...,zn)也可以是诸如lwr之类的一个或更多个随机效应的函数，所述一个或更多个随机效应是设计变量(z1,z2,...,zn)的函数。成本函数可以表示光刻投影设备或衬底的任何合适的特性，例如特征的失效率、焦距、cd、图像移位、图像变形、图像旋转、随机效应、生产量、cdu或其组合。cdu是局部cd变化(例如，局部cd分布的标准差的三倍)。cdu可以被互换地称作lcdu。在一个实施例中，成本函数表示cdu、生产量和随机效应(即，为cdu、生产量和随机效应的函数)。在一个实施例中，成本函数表示epe、生产量和随机效应(即，是epe、生产量和随机效应的函数)。在一个实施例中，设计变量(z1,z2,...,zn)包括剂量、图案形成装置的全局偏差、来自源的照射的形状，或其组合。由于抗蚀剂图像常常规定衬底上的电路图案，因此成本函数常常包括表示抗蚀剂图像的一些特性的函数。例如，这种评估点的f
p
(z1,z2,...,zn)可以仅仅是抗蚀剂图像中的点与该点的预期位置之间的距离(即，边缘放置误差epe
p
(z1,z2,...,zn))。设计变量可以是任何可调整参数，诸如，源、图案形成装置、投影光学器件、剂量、焦距等的可调整参数。投影光学器件可以包括被共同地称为“波前操控器”的部件，其可以用于调整照射束的波前和强度分布和/或相移的形状。投影光学器件优选地可以调整沿光刻投影设备的光学路径的任何部位处(诸如，在图案形成装置之前、在光瞳平面附近、在像平面附近、在焦平面附近)的波前和强度分布。投影光学器件可以用于校正或补偿由(例如)源、图案形成装置、光刻投影设备中的温度变化、光刻投影设备的部件的热膨胀造成的波前和强度分布的某些变形。调整波前和强度分布可以改变评估点和成本函数的值。可以从模型模拟这些变化或实际上测量这些变化。当然，cf(z1,z2,...,zn)不限于方程式1中的形式。cf(z1,z2,...,zn)可以呈任何其它适合的形式。
[0210]
应注意，f
p
(z1,z2,...,zn)的正常加权均方根(rms)被定义为因此最小化f
p
(z1，z2，...，zn)的加权rms等效于最小化方程式1中所定义的成本函数因而，出于本文中的记法简单起见，可以互换地利用方程式1和f
p
(z1,z2,...,zn)的加权rms。
[0211]
另外，如果考虑最大化过程窗(pw)，则可以将来自不同pw条件的同一实体部位视
为(方程式1)中的成本函数的不同评估点。例如，如果考虑n个pw条件，则可以根据评估点的pw条件来对所述评估点进行分类且将成本函数书写为：
[0212][0213]
其中在第u个pw条件u＝1,...,u下，f
pu
(z1,z2,...,zn)是f
p
(z1,z2,...,zn)的值。当f
p
(z1,z2,...,zn)为epe时，则最小化以上成本函数等效于最小化在各种pw条件下的边缘移位，因而，这种情形导致最大化pw。具体地，如果pw也由不同掩模偏差组成，则最小化以上成本函数也包括最小化掩模误差增强因子(meef)，所述掩模误差增强因子被定义为衬底epe与所引发的掩模边缘偏差之间的比率。
[0214]
设计变量可以具有约束，所述约束可以被表达为(z1,z2,...,zn)∈z，其中z是设计变量的可能值的集合。可以通过光刻投影设备的期望的生产量来强加对设计变量的一个可能约束。期望的生产量可能限制剂量，并且因而具有针对随机效应的影响(例如，对随机效应强加下限)。较高生产量通常导致较低剂量、较短较长曝光时间和较大随机效应。衬底生产量、和随机效应的最小化的考虑可以约束设计变量的可能值，这是因为随机效应是设计变量的函数。在没有由期望的生产量而强加的这种约束的情况下，所述优化可能得到不切实际的设计变量的值集合。例如，如果剂量是在设计变量当中，则在没有这种约束的情况下，所述优化可能得到使生产量经济上不可能的剂量值。然而，约束的有用性不应解释为必要性。生产量可能受到对图案化过程的参数的以失效率为基础的调整的影响。期望在维持高生产量的同时具有特征的较低失效率。生产量也可能受到抗蚀剂化学性质的影响。较慢抗蚀剂(例如需要用以适当地曝光的较高量的光的抗蚀剂)导致较低生产量。因此，基于涉及由于抗蚀剂化学性质或波动所引起的特征的失效率、以及针对较高生产量的剂量要求的优化过程，可以确定所述图案化过程的适当参数。
[0215]
因此，所述优化过程是在约束(z1,z2,...,zn)∈z下找到使得成本函数最小化的设计变量的值集合，即，找到：
[0216][0217]
图18中图示了根据实施例的优化所述光刻投影设备的一般方法。这种方法包括定义多个设计变量的多变量成本函数的步骤s1202。设计变量可以包括选自照射源的特性(1200a)(例如，光瞳填充比率，即，源的辐射的穿过光瞳或孔阑的百分比)、投影光学器件的特性(1200b)和设计布局的特性(1200c)的任何合适的组合。例如，设计变量可以包括照射源的特性(1200a)和设计布局的特性(1200c)(例如，全局偏差)，但不包括投影光学器件的特性(1200b)，这种情形导致smo。替代地，设计变量可以包括照射源的特性(1200a)、投影光学器件的特性(1200b)和设计布局的特性(1200c)，这种情形导致源-掩模-透镜优化(smlo)。在步骤s1204中，同时地调整设计变量，使得成本函数朝向收敛移动。在步骤s1206中，确定是否满足预定义终止条件。预定终止条件可以包括各种可能性，即，成本函数可以被最小化或最大化(如由所使用的数值技术所需要的)、成本函数的值已等于阈值或已超越阈值、成本函数的值已达到预设误差限内，或达到预设迭代次数。如果满足步骤s1206中的
条件中的任一个，则所述方法结束。如果都没有满足步骤s1206中的条件中的任一个，则迭代地重复步骤s1204和s1206直到获得期望的结果为止。优化不必导致用于设计变量的单个值集合，这是因为可以存在由诸如失效率、光瞳填充因子、抗蚀剂化学性质、生产量等等的因素造成的物理抑制。所述优化可以提供用于设计变量和相关联性能特性(例如，生产量)的多个值集合，并且允许光刻设备的使用者选取一个或更多个集合。
[0218]
在光刻投影设备中，可以交替地优化源、图案形成装置和投影光学器件(被称作交替优化)，或可以同时地优化源、图案形成装置和投影光学器件(被称作同时优化)。如本文中所使用的术语“同时的”、“同时地”、“联合的”和“联合地”意味着源、图案形成装置、投影光学器件的特性的设计变量和/或任何其它设计变量被允许同时改变。如本文中所使用的术语“交替的”和“交替地”意味着不是所有设计变量都被允许同时改变。
[0219]
在图19中，同时地执行所有设计变量的优化。这种流程可以被称为同时流程或共同优化流程。替代地，交替地执行所有设计变量的优化，如图19中所图示。在这样的流程中，在每个步骤中，使一些设计变量固定，而优化其它设计变量以最小化成本函数；接着，在下一步骤中，使不同变量集合固定，而同时优化其它变量集合以最小化成本函数。交替地执行这些步骤直到符合收敛或某些终止条件为止。
[0220]
如图19的非限制性示例流程图中示出的，首先，获得设计布局(步骤s1302)，接着，在步骤s1304中执行源优化的步骤，其中优化了照射源(so)的所有设计变量以最小化成本函数，而使所有其它设计变量固定。接着在下一步骤s1306中，执行掩模优化(mo)，其中优化所述图案形成装置的所有设计变量以最小化成本函数，同时使所有其它设计变量固定。交替地执行这种两个步骤，直到在步骤s1308中符合某些终止条件为止。可以使用各种终止条件，诸如，成本函数的值变得等于阈值、成本函数的值跨超越阈值、成本函数的值达到预设误差极内，或达到预设迭代次数，等等。应注意，so-mo交替优化是用作所述替代流程的示例。所述替代流程可以采取许多不同的形式，诸如：so-lo-mo交替优化，其中交替地且迭代地执行so、lo(透镜优化)和mo；或可以执行第一smo一次，接着交替地且迭代地执行lo和mo；等等。最后，在步骤s1310中获得优化结果的输出，并且过程停止。
[0221]
如之前所论述的图案选择算法可以与同时或交替优化集成。例如，当采用交替优化时，首先可以执行全芯片so，识别“热点”和/或“温点”，接着执行mo。鉴于本公开，次优化的众多排列和组合是可能的，以便实现期望的优化结果。
[0222]
图20a示出一种示例性优化方法，其中最小化成本函数。在步骤s502中，获得设计变量的初始值，包括设计变量的调谐范围(如果存在)。在步骤s504中，设置多变量成本函数。在步骤s506中，在围绕用于第一迭代步骤(i＝0)的设计变量的起点值的足够小的邻域内展开成本函数。在步骤s508中，应用标准多变量优化技术以最小化成本函数。应注意，优化问题可以在s508中的优化过程期间或在优化过程中的后期施加约束，诸如调谐范围。步骤s520指示出针对用于已被选择用于对所述光刻过程进行优化的所识别的评估点的给定测试图案(也被称为“量规”)进行每次迭代。在步骤s510中，预测光刻响应。在步骤s512中，将步骤s510的结果与步骤s522中获得的期望的或理想的光刻响应值进行比较。如果在步骤s514中满足终止条件，即，优化产生足够接近于期望的值的光刻响应值，则在步骤s518中输出设计变量的最终值。输出步骤也可以包括使用设计变量的最终值来输出其它函数，诸如，输出光瞳平面(或其它平面)处的波前像差调整的映射、经优化的源映射，和经优化的设计
布局等等。如果没有满足终止条件，则在步骤s516中，利用第i次迭代的结果来更新设计变量的值，并且过程返回至步骤s506。下文详细地阐述图20a的过程。
[0223]
在示例性优化过程中，没有假定或近似所述设计变量(z1,z2,...,zn)与f
p
(z1,z2,...,zn)之间的关系，除了f
p
(z1,z2,...,zn)足够平滑(例如，存在一阶导数之外，其通常在光刻投影设备中有效。可以应用诸如高斯-牛顿(gauss-newton)算法、列文伯格-马夸特(levenberg-marquardt)算法、梯度下降算法、模拟退火、遗传算法之类的算法以找到
[0224]
这里，将高斯-牛顿算法用作示例。高斯-牛顿算法是适用于一般非线性多变量优化问题的迭代方法。在设计变量(z1,z2,...,zn)取值(z
1i
,z
2i
,...,z
ni
)的第i次迭代中，高斯-牛顿算法在(z
1i
,z
2i
,...,z
ni
)的邻域中线性化f
p
(z1,z2,...,zn)，并且接着计算(z
1i
,z
2i
,...,z
ni
)的邻域中的给出最小cf(z1,z2,...,zn)的值(z
1(i+1)
,z
2(i+1)
,...,z
n(i+1)
))。设计变量(z1,z2,...,zn)在第(i+1)次迭代中取值((z
1(i+1)
,z
2(i+1)
,...,z
n(i+1)
))。这种迭代继续直到收敛(即，cf(z1,z2,...,zn))不再减小)或达到预设迭代次数为止。
[0225]
特别地，在第i次迭代中，在(z
1i
,z
2i
,...,z
ni
)的邻域中，
[0226][0227]
在方程式3的近似的情况下，成本函数变为：
[0228][0229]
其是设计变量(z1,z2,...,zn)的二次函数。除设计变量(z1,z2,...,zn)外，各项是常数。
[0230]
如果设计变量(z1,z2,...,zn)不处于任何约束下，则(z
1(i+1)
,z
2(i+1)
,...,z
n(i+1)
))可以通过对n个线性方程式进行求解而导出：
[0231][0232]
如果设计变量(z1,z2,...,zn)是在呈j个不等式(例如，(z1,z2,...,zn)的调谐范围)的约束下其中j＝1,2,...j)；并且在k个方程式(例如，设计变量之间的相互依赖性)的约束下其中k＝1,2,...k)；则优化过程变为经典二次规划问题，
其中a
nj
、bj、c
nk
、dk为常数。可以针对每次迭代来强加额外约束。例如，可以引入“阻尼因子”δd以限制(z
1(i+1)
,z
2(i+1)
,...,z
n(i+1)
)与(z
1i
,z
2i
,...,z
ni
)之间的差，使得方程式3的近似成立。这样的约束可以表达为z
ni-δd≤zn≤z
ni
+δd。可以使用例如jorge nocedal和stephen j.wright(柏林-纽约：范登伯格，剑桥大学出版社)的numerical optimization(第2版)中所描述的方法来导出(z
1(i+1)
,z
2(i+1)
,...,z
n(i+1)
))。
[0233]
代替使得f
p
(z1,z2,...,zn)的rms最小化，所述优化过程可以将评估点当中的最大偏差(最差缺陷)的量值最小化至它们的预期值。在这样的方法中，可替代地将成本函数表达为：
[0234][0235]
其中cl
p
是针对f
p
(z1,z2,...,zn)的最大允许值。这种成本函数表示评估点当中的最差缺陷。使用这种成本函数的优化会最小化最差缺陷的量值。迭代贪婪算法可以用于这种优化。
[0236]
方程式5的成本函数可以被近似为：
[0237][0238]
其中q是偶数正整数，诸如至少4，优选地为至少10。方程式6模仿方程式5的行为，同时允许通过使用诸如最深下降方法、共轭梯度方法等等的方法来以分析方式执行优化且使优化加速。
[0239]
最小化最差缺陷大小也可以与f
p
(z1,z2,...,zn)的线性化组合。具体地，如在方程式3中那样，近似f
p
(z1,z2,...,zn)。接着，将对于最差缺陷大小的约束书写为不等式e
lp
≤f
p
(z1,z2,...,zn)≤e
up
，其中e
lp
和e
up
是指定f
p
(z1,z2,...,zn)的最小和最大允许偏差的两个常数。插入方程式3，将这些约束转变为如下方程式：(其中p＝1,
…
p)，
[0240][0241]
和
[0242][0243]
因为方程式3通常仅在(z
1i
,z
2i
,...,z
ni
)的邻域中有效，所以在这种邻域中不能实现期望的约束e
lp
≤f
p
(z1,z2,...,zn)≤e
up
(其可以由所述不等式当中的任何冲突来确定)的情况下，则可以放宽常数e
lp
和e
up
直到可实现所述约束为止。这种优化过程最小化(z
1i
,z
2i
,...,z
ni
)邻域中的最差缺陷大小。接着，每个步骤逐步地减小最差缺陷大小，并且迭代地执行每个步骤直到符合某些终止条件为止。这种情形将导致最差缺陷大小的最佳减小。
[0244]
用于最小化最差缺陷的另一方式在每次迭代中调整权重w
p
。例如，在第i次迭代之后，如果第r个评估点是最差缺陷，则可以在第(i+1)次迭代中增加wr，使得所述评估点的缺陷大小的减小被给予较高优先级。
[0245]
另外，可以通过引入拉格朗日(lagrange)乘数来修改方程式4和方程式5中的成本函数，以实现对缺陷大小的rms的优化与对最差缺陷大小的优化之间的折衷，即，
[0246][0247]
其中λ是指定对缺陷大小的rms的优化与对最差缺陷大小的优化之间的折衷的预设常数。具体地，如果λ＝0，则这种方程式变为方程式4，并且仅最小化所述缺陷大小的rms；而如果λ＝1，则这种方程式变为方程式5，并且仅最小化所述最差缺陷大小；如果0＜λ＜1，则在优化中考虑以上两种情况。可以使用多种方法来解决这种优化。例如，类似于先前所描述的方法，可以调整每次迭代中的加权。替代地，类似于从不等式最小化所述最差缺陷大小，方程式6'和6”的不等式可以被视为在二次规划问题的求解期间的设计变量的约束。接着，可以递增地放宽对最差缺陷大小的界限，或递增地增加用于最差缺陷大小的权重、计算用于每个可实现的最差缺陷大小的成本函数值，并且选择使得总体成本函数最小化的设计变量值作为用于下一步骤的初始点。通过迭代地进行这种操作，可以实现这种新成本函数的最小化。
[0248]
优化光刻投影设备可以扩展过程窗。较大过程窗在过程设计和芯片设计方面提供更多灵活性。过程窗可以被定义为使抗蚀剂图像在抗蚀剂图像的设计目标的某一极限内的焦距和剂量值的集合。应注意，这里所论述的所有方法也可以扩展至可以通过除了曝光剂量和散焦以外的不同或额外的基参数而建立的广义过程窗定义。这些基参数可以包括(但不限于)诸如na、均方偏差、像差、偏振或抗蚀剂层的光学常数之类的光学设置。例如，如早先所描述的，如果pw也由不同掩模偏差组成，则所述优化包括掩模误差增强因子(meef)的最小化，所述掩模误差增强因子被定义为衬底epe与所引发的掩模边缘偏差之间的比率。对焦距和剂量值所定义的过程窗在本公开中仅用作示例。下文描述根据示例的最大化所述过程窗的方法。
[0249]
在第一步骤中，从过程窗中的已知条件(f0,ε0)开始(其中f0是名义焦距，并且ε0是名义剂量)，最小化在领域(f0±
δf,ε0±
δε)中的下方的成本函数中的一个：
[0250][0251]
或
[0252][0253]
或
[0254][0255]
如果允许名义焦距f0和名义剂量ε0移位，则它们可以与设计变量(z1,z2,...,zn)联合地优化。在下一步骤中，如果可以找到(z1,z2,...,zn,f,ε)的值集合，则接受(f0±
δf,ε0±
δε)作为过程窗的部分，使得成本函数是在预设极限内。
[0256]
替代地，如果不允许焦距和剂量发生移位，则在焦距和剂量固定于名义焦距f0和名义剂量ε0的情况下优化所述设计变量(z1,z2,...,zn)。在替代性实施例中，如果可以找到(z1,z2,...,zn)的值集合，则接受(f0±
δf,ε0±
δε)作为过程窗的部分，使得成本函数是在预设极限内。
[0257]
本文中前文所描述的方法可以用于最小化方程式7、7'或7”的相应成本函数。如果设计变量是投影光学器件的特性，诸如泽尼克系数，则最小化方程式7、7'或7”的成本函数导致基于投影光学器件优化(即lo)的过程窗最大化。如果所述设计变量是除了投影光学器件的特性以外的源和图案形成装置的特性，则最小化方程式7、7'或7”的成本函数会导致基于smlo的过程窗最大化，如图19中所图示的。如果设计变量是源和图案形成装置的特性，则最小化方程式7、7'或7”的成本函数会导致基于smo的过程窗最大化。方程式7、7'或7”的成本函数也可以包括至少一个f
p
(z1,z2,...,zn)，诸如在方程式7或方程式8中的f
p
(z1,z2,...,zn)，其是诸如2d特征的lwr或局部cd变化以及生产量之类的一个或更多个随机效应的函数
[0258]
图21示出同时smlo过程可以如何将高斯-牛顿算法用于优化的一个特定示例。在步骤s702中，识别设计变量的起始值。也可以识别针对每个变量的调谐范围。在步骤s704中，使用设计变量来定义成本函数。在步骤s706中，围绕用于设计布局中的所有评估点的起始值来展开成本函数。在可选的步骤s710中，执行全芯片模拟以覆盖全芯片设计布局中的所有临界图案。在步骤s714中获得期望的光刻响应指标(诸如，cd或epe)，并且在步骤s712中比较期望的光刻响应指标与那些量的预测值。在步骤s716中，确定过程窗。步骤s718、s720和s722类似于如关于图20a所描述的对应的步骤s514、s516和s518。如之前所提及的，最终输出可以是光瞳平面中的波前像差映射，其被优化以产生期望的成像性能。最终输出也可以是经优化的源映射和/或经优化的设计布局。
[0259]
图20b示出用以最佳化成本函数的示例性方法，其中设计变量(z1,z2,...,zn)包括可以仅取离散值的设计变量。
[0260]
所述方法通过限定照射源的像素组和图案形成装置的图案形成装置图案块来开始(步骤s802)。通常，像素组或图案形成装置图案块也可以被称作光刻过程部件的划分部。在一个示例性方法中，将照射源划分成117个像素组，并且针对所述图案形成装置限定94个图案形成装置图案块(大致如上文所描述的)，从而引起总共211个划分部。
[0261]
在步骤s804中，选择光刻模型作为用于光刻模拟的基础。光刻模拟产生用于计算光刻指标或响应的结果。将特定光刻指标限定为待优化的性能指标(步骤s806)。在步骤s808中，设置用于照射源和图案形成装置的初始(预优化)条件。初始条件包括针对照射源
的像素组和图案形成装置的图案形成装置图案块的初始状态，使得可以参考初始照射形状和初始图案形成装置图案。初始条件也可以包括掩模偏差、na，和聚焦斜坡范围(或聚焦渐变范围)。虽然步骤s802、s804、s806和s808被描绘为连续步骤，但应了解，在本发明的其它实施例中，可以按照其它顺序执行这些步骤。
[0262]
在步骤s810中，对像素组和图案形成装置图案块进行排序。可以使像素组和图案形成装置图案块在排序中交错。可以使用各种排序方式，包括：连续地(例如，从像素组1至像素组117和从图案形成装置图案块1至图案形成装置图案块94)、随机地、根据所述像素组和图案形成装置图案块的实体部位(例如，将与照射源的中心较接近的像素组排序较高)，和根据所述像素组或图案形成装置图案块的变更如何影响性能指标。
[0263]
一旦对像素组和图案形成装置图案块排序，则调整照射源和图案形成装置以改善性能指标(步骤s812)。在步骤s812中，按排序次序来分析像素组和图案形成装置图案块中的每个，以确定像素组或图案形成装置图案块的改变是否将导致改善的性能指标。如果确定所述性能指标将被改善，则相应地变更像素组或图案形成装置图案块，并且得到的改善的性能指标和经修改的照射形状或经修改的图案形成装置图案形成用于比较的基线，以用于后续分析较低排序的像素组和图案形成装置图案块。换句话说，保持了改善性能指标的变更。随着进行和保持对像素组和图案形成装置图案块的状态的变更，则初始照射形状和初始图案形成装置图案相应地改变，使得经修改的照射形状和经修改的图案形成装置图案由步骤s812中的优化过程引起。
[0264]
在其它方法中，也在s812的优化过程内执行像素组和/或图案形成装置图案块的图案形成装置多边形形状调整和成对轮询。
[0265]
在替代实施例中，交错式同时优化工序可以包括变更照射源的像素组，并且在若发现性能指标的改善的情况下，逐步升高和降低剂量以寻找进一步改善。在另一替代方案中，可以通过由图案形成装置图案的偏差改变来替换剂量或强度的逐步升高和降低，以寻找同时优化工序的进一步改善。
[0266]
在步骤s814中，确定性能指标是否已收敛。例如，如果在步骤s810和s812的最后若干次迭代中已见证性能指标的几乎没有改进或没有改善，则性能指标可以被认为已收敛。如果性能指标尚未收敛，则在下次迭代中重复步骤s810和s812，其中来自当前迭代的经修改的照射形状和经修改的图案形成装置被用作用于下次迭代的初始照射形状和初始图案形成装置(步骤s816)。
[0267]
上文所描述的优化方法可以用于增加光刻投影设备的生产量。例如，成本函数可以包括作为曝光时间的函数的f
p
(z1,z2,...,zn)。这种成本函数的优化优选地受到随机效应或其它指标的测量的约束或影响。具体地，用于增加光刻过程的生产量的计算机实施方法可以包括优化作为光刻过程的一个或更多个随机效应的函数且作为衬底的曝光时间的函数的成本函数，以便最小化曝光时间。
[0268]
在一个实施例中，成本函数包括作为一个或更多个随机效应的函数的至少一个f
p
(z1,z2,...,zn)。随机效应可以包括特征的失效、如在图3a的方法中所确定的测量数据(例如sepe)、2d特征的lwr或局部cd变化。在一个实施例中，随机效应包括抗蚀剂图像的特征的随机变化。例如，这些随机变化可以包括特性的失效率、线边缘粗糙度(ler)、线宽粗糙度(lwr)和临界尺寸均一性(cdu)。在成本函数中包括随机变异会允许找到使得随机变化最小
化的设计变量的值，由此减小由于随机效应而引起的缺陷的风险。
[0269]
图22为图示计算机系统100的方块图，其可以辅助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联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联接至总线102用于储存被处理器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临时变量或其它中间信息。计算机系统100还包括被联接至总线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)被提供并联接至总线102，用于存储信息和指令。
[0270]
计算机系统100可以经由总线102联接至显示器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)联接至总线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。
[0271]
根据本发明的一个实施例，优化过程的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，本文中的描述不限于硬件电路和软件的任何特定的组合。
[0272]
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-rom、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、prom和eprom、flash-eprom、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。
[0273]
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上。远程计算机可以将指令加载到其动态存储器中且使用调制解调器在电话线上发送所述指令。在计算机系统100本地的调制解调器可以接收电话线上的数据，且使用红外发送器将数据转换成红外信号。联接至总线102的红外探测器可以接收在红外信号中携带的数据和将数据置于总线102上。总线102将数据传送至主存储器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。
[0274]
计算机系统100也可优选地包括联接至总线102的通信接口118。通信接口118提供联接至网络链路120的双向数据通信，该网络链路120连接至本地网络122。例如，通信接口118可以是综合业务数字网(isdn)卡或调制解调器，用于提供数据通信连接至对应类型的电话线。作为另一例子，通信接口118可以是局域网(lan)卡，以提供数据通信连接至兼容的lan。无线链路也可以被实现。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。
[0275]
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可以通过本地网络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。本地网络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和网络链路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，其是用于运送信息的载波的示例性形式。
[0276]
计算机系统100可以通过网络、网络链路120和通信接口118发送信息和接收数据，包括程序码。在互联网的例子中，服务器130可以通过互联网128、isp126、局域网122和通信接口118为应用程序发送请求码。一个这样的被下载的应用程序可提供用于例如实施例的照射优化。在它在储存装置110或用于之后的执行的其它非易失性储存器中被接收和/或储存时，接收码可以被处理器104执行。如此，计算机系统100可以获得成载波形式的应用码。
[0277]
图23示意性地描述了一种示例性光刻投影设备la，其照射源可利用本文所描述的方法进行优化。所述设备包括：
[0278]-照射系统il，所述照射系统用于调节辐射束b。在此特定情况下，照射系统也包括辐射源so；
[0279]-第一载物台(例如掩模台)mt，所述第一载物台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，并且连接到用于相对于装置ps来准确地定位该图案形成装置的第一定位器；
[0280]-第二载物台(衬底台)wt，所述第二载物台设置有用于保持衬底w(例如涂覆有抗蚀剂的硅晶片)的衬底保持器，并且连接到用于相对于装置ps来准确地定位该衬底的第二定位器；
[0281]-投影系统(“透镜”)ps(例如折射型、反射型或反射折射型光学系统)，所述投影系统用于将图案形成装置ma的被照射部分成像到衬底w的目标部分c(例如包括一个或多个管芯)上。
[0282]
如本发明中所描绘的，该设备属于透射类型(即，具有透射型掩模)。然而，通常，其也可以属于反射类型，例如(具有反射型掩模)。替代地，所述设备可以作为使用经典掩模的替代方案来使用另一种类的图案形成装置；示例包括可编程反射镜阵列或lcd矩阵。
[0283]
源so(例如汞灯或准分子激光器)产生辐射束。例如，该束直接地或在已横穿诸如扩束器ex的调节构件之后被馈送到照射系统(照射器)il中。照射器il可以包括调整构件ad以用于设定束中的强度分布的外部径向范围和/或内部径向范围(通常分别被称作σ外部及σ内部)。另外，照射器il通常将包括各种其它部件，诸如积分器in及聚光器co。这样，照射于图案形成装置ma上的束b在其横截面中具有期望的均一性和强度分布。
[0284]
关于图23应该注意的是，源so可以在光刻投影设备的外壳内(源so是例如汞灯时的情况时，通常是这种情况)，但其也可以远离光刻投影设备，其产生的辐射束被引导到该设备中(例如借助于适当的引导镜)；这后一种情形经常是源so为准分子激光器(例如基于krf、arf或f2激光作用)时的情况。
[0285]
束pb随后截取被保持于图案形成装置台mt上的图案形成装置ma。在已横穿图案形成装置ma的情况下，束b传递通过透镜pl，该透镜将该束b聚焦至衬底w的目标部分c上。借助于第二定位构件(以及干涉测量构件if)，可以准确地移动衬底台wt，例如以便使不同目标部分c定位于束pb的路径中。相似地，第一定位构件可以用于例如在自图案形成装置库机械地获得图案形成装置ma之后或在扫描期间相对于束b的路径来准确地定位图案形成装置ma。通常，将借助于未在图23中明确地描绘的长冲程模块(粗定位)及短冲程模块(精定位)来实现载物台mt、wt的移动。然而，在晶片步进器(相对于步进扫描工具)的情况下，图案形成装置台mt可以仅连接到短冲程致动器，或者可以是固定的。
[0286]
可以在两种不同模式中使用所描绘的工具：
[0287]-在步进模式中，将图案形成装置台mt保持基本上静止，并且将整个图案形成装置图像一次投影((即，单次“闪光”)至目标部分c上。接着使衬底台wt在x方向和/或y方向上移位，使得可以由束pb照射不同目标部分c；
[0288]-在扫描模式中，基本上适用相同情形，但是给定目标部分c不是在单次“闪光”中被曝光。而是，图案形成装置台mt在给定方向(所谓的“扫描方向”，例如y方向)上以速度v可移动，使得投影束b遍及图案形成装置图像进行扫描；同时，衬底台wt以速度v＝mv在相同或相对方向上同时地移动，其中，m是透镜pl的放大率(通常m＝1/4或＝1/5)。这样，可以在不必损害分辨率的情况下曝光相对较大目标部分c。
[0289]
图24示意性地描绘了另一示例性光刻投影设备la，其照射源可运用本文所述的方法进行优化。
[0290]
光刻投影设备la包括：
[0291]-源收集器模块so；
[0292]-照射系统(照射器)il，所述照射系统配置用于调节辐射束b(例如，euv辐射)；
[0293]-支撑结构(例如掩模台)mt，所述支撑结构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；
[0294]-衬底台(例如晶片台)wt，所述衬底台构造用于保持衬底(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；以及
[0295]-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(例如包括一个或更多个管芯)上。
[0296]
如这里所示的，所述设备la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，因此掩模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，其中每层的厚度为四分之一波长。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定义了特征将印制(正性抗蚀剂)或不印制(负性抗蚀剂)的区域。
[0297]
参照图24，照射器il接收来自源收集器模块so的极紫外辐射束。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，所需的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24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。
[0298]
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。在其它情况下，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。
[0299]
照射器il可以包括调节器，用于调节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。
[0300]
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)ma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将辐射束聚焦到所述衬底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ps1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m1、m2和衬底对准标记p1、p2来对准图案形成装置(例如，掩模)ma和衬底w。
[0301]
可以将所描绘的设备la用于以下模式中的至少一种中：
[0302]
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(即，单次静态曝光)。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。
[0303]
2.在扫描模式中，在对支撑结构(例如掩模台)mt和衬底台wt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(即，单次动态曝光)。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。
[0304]
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。
[0305]
图25更详细地示出设备la，包括源收集器模块so、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，有效生成辐射可能要求xe、li、sn蒸汽或任何其它合适的气体或蒸汽的10pa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。
[0306]
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。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。
[0307]
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
‘
o’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。
[0308]
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。
[0309]
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中可以存在图25中所示出的元件以外的1-6个附加的反射元件。
[0310]
收集器光学装置co，如图25所示，在图中被示出为具有掠入射反射器253、254以及255的巢状收集器，仅作为收集器(或收集器反射镜)的一个示例。掠入射反射器253、254以及255围绕光学轴线o轴向对称地设置，该类型的收集器光学装置co优选与放电产生的等离子体源结合使用，通常称为dpp源。
[0311]
替代地，源收集器模块so可以是如图26所示的lpp辐射系统的一部分。激光器la布置成将激光能量入射到燃料，例如氙气(xe)、锡(sn)或锂(li)，由此产生具有几十ev的电子温度的高度离子化的等离子体210。在这些离子的去激发和复合期间生成的高能辐射由等离子体发射，被近正入射收集器光学装置co收集并被聚焦到包围结构220的开口221上。
[0312]
此处所公开的构思可以模拟用于使亚波长特征成像的任何一般性成像系统或在数学上对用于使亚波长特征成像的任何一般性成像系统进行建模，且可能随着能够产生不断变短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euv(极紫外线)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光刻术能够通过使用同步加速器或通过用高能电子撞击材料(固体或等离子体)来
产生在20-5nm范围内的波长，用于产生在这一范围内的光子。
[0313]
虽然本文中所公开的构思可以用于在诸如硅晶片之类的衬底上成像，但应理解，所公开的构思可以与任何类型的光刻成像系统一起使用，例如，用于在不同于硅晶片的衬底上成像的光刻成像系统。
[0314]
可以使用以下方面进一步描述实施例：
[0315]
1.一种用于确定掩模图案的辅助特征将印制于衬底上的可能性的方法，所述方法包括：
[0316]
获得(i)被印制于衬底上的图案的多个图像、和(ii)与所述图案的所述多个图像的像素相关联的方差数据，所述图像是已使用所述掩模图案被形成的；
[0317]
基于所述方差数据来确定被配置成产生与所述掩模图案相关联的方差数据的模型；和
[0318]
基于针对给定掩模图案的模型产生的方差数据、以及与所述给定掩模图案相关联的抗蚀剂图像或蚀刻图像，来确定所述给定掩模图案的辅助特征将被印制于所述衬底上的可能性，所述可能性被应用于调整与图案化过程或图案形成设备相关的一个或更多个参数，以降低所述辅助特征将印制于所述衬底上的可能性。
[0319]
2.根据方面1所述的方法，其中，所述获得所述多个图像包括：
[0320]
经由量测工具来接收被印制于所述衬底上的所述图案的所述多个图像；或
[0321]
经由所述量测工具来捕获被印制于所述衬底上的所述图案的所述多个图像。
[0322]
3.根据方面1所述的方法，其中：
[0323]
所述方差数据被表示为另一像素化图像，每个像素被指派有所述多个图像的每个像素的灰度值的方差值。
[0324]
4.根据方面1至3中任一项所述的方法，其中，所述确定所述模型包括：
[0325]
将(i)与所述掩模图案相关联的空间图像或掩模图像、和(ii)与所述掩模图案相关联的所述方差数据输入至所述模型；
[0326]
使用模型参数的初始值来执行所述模型以产生初始方差数据；
[0327]
确定所述初始方差数据与所输入的方差数据之间的差；和
[0328]
基于所述差来调整所述模型参数的所述初始值，以使所述模型产生位于所输入的方差数据的指定阈值内的方差数据。
[0329]
5.根据方面4所述的方法，其中，所述确定所述模型是迭代过程，其中执行对所述模型参数的所述值的所述调整直到所述模型产生的方差数据位于所输入的方差数据的所述指定阈值内为止。
[0330]
6.根据方面5所述的方法，其中，基于输出的方差映射与所输入的方差之间的差的梯度进行对所述模型参数的所述初始值的所述调整，所述梯度朝向减小或最小化所述差来引导所述模型参数的所述值。
[0331]
7.根据方面1至6中任一项所述的方法，其中，所述模型是以下各项中的至少一个：
[0332]
卷积神经网络，所述卷积神经网络包括作为模型参数的权重和偏置，
[0333]
线性模型，所述线性模型包括线性项相关系数的组合，所述系数是所述模型参数，和
[0334]
多项式模型，所述多项式模型包括多项式项相关系数的组合，所述系数是所述模
型参数。
[0335]
8.根据方面1至7中任一项所述的方法，其中，所述确定所述给定掩模图案的所述辅助特征将印制于所述衬底上的可能性包括：
[0336]
经由图案化过程模拟或量测工具来获得与所述给定掩模图案相关联的所述抗蚀剂图像；
[0337]
建立所述模型产生的方差数据与所述抗蚀剂图像之间的相关性；和
[0338]
基于所述相关性来识别所述掩模图案的、具有所述辅助特征被印制于所述衬底上的相对较高的可能性的区或与所述掩模图案对应的目标布局。
[0339]
9.根据方面8所述的方法，其中，所述建立所述模型产生的方差数据与所述抗蚀剂图像之间的所述相关性包括：
[0340]
从所述抗蚀剂图像来识别沿所述抗蚀剂图像上的选定线的强度值；
[0341]
从所述模型产生的方差数据来识别与所述选定线相对应的方差值；和
[0342]
将所识别的方差值与所述抗蚀剂图像的沿所述选定线的所识别的强度值相关联。
[0343]
10.根据方面9所述的方法，其中，所述识别具有所述辅助特征被印制于所述衬底上的相对较高的可能性的所述区包括：
[0344]
针对所述抗蚀剂图像的一个或更多个区，确定所述强度值是否突破与特征在所述衬底上的抗蚀剂层内的印制相关联的印制阈值；
[0345]
基于所述相关性来确定与所述一个或更多个区相对应的所述方差值是否突破指定方差阈值范围；
[0346]
响应于突破所述指定方差阈值范围，将相对较高的印制概率指派至所述一个或更多个区的部分；
[0347]
响应于突破所述指定方差阈值范围以及未突破所述印制阈值，将相对较低的印制概率指派至所述一个或更多个区的部分；
[0348]
响应于未突破所述指定方差阈值范围以及未突破所述印制阈值，将零印制概率指派至所述一个或更多个区的部分；和
[0349]
从所述一个或更多个区识别具有大于零印制概率的区，所述区位于所述掩模图案的主图案周围。
[0350]
11.根据方面10所述的方法，其中，所述印制阈值包括：
[0351]
上阈值，所述上阈值指示特征被印制于所述抗蚀剂层内，和
[0352]
下阈值，所述下阈值指示所述特征未被印制于所述抗蚀剂层。
[0353]
12.根据方面11所述的方法，其中，所述指定方差阈值范围内的值指示未印制特征，并且所述指定方差阈值范围之外的所述值指示印制所述特征。
[0354]
13.根据方面1至12中任一项所述的方法，还包括：
[0355]
基于所述模型和所述辅助特征将印制的可能性，产生光学邻近效应校正(opc)数据以调整所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征。
[0356]
14.根据方面13所述的方法，其中，所述产生所述opc数据包括：
[0357]
经由与所述图案化过程相关联的opc模拟过程来调整所述掩模图案的所述一个或更多个主特征、或所述一个或更多个辅助特征的形状和/或大小，经调整的形状和/或大小降低辅助特征将印制于所述衬底上的可能性；或
[0358]
经由与所述图案化过程相关联的所述opc模拟过程来移除所述掩模图案的所述一个或更多个辅助特征。
[0359]
15.根据方面1至12中任一项所述的方法，还包括：
[0360]
基于所述模型和所述辅助特征将印制的可能性，来确定用于降低辅助特征将印制的可能性的源和/或掩模图案。
[0361]
16.根据方面15所述的方法，其中所述确定所述源和/或所述掩模图案包括：
[0362]
经由源掩模优化(smo)过程来调整源参数和/或掩模参数，以导致所述掩模图案的所述辅助特征将印制的可能性降低。
[0363]
17.根据方面1至12中任一项所述的方法，还包括：
[0364]
基于所述模型和所述辅助特征将印制的可能性，调整用于将所述衬底图案化的图案化过程的一个或更多个参数。
[0365]
18.根据方面17中任一项所述的方法，其中，所述调整所述图案化过程的所述一个或更多个参数包括：
[0366]
使用被印制于所述衬底上的图案的掩模图像或空间图像作为至所述模型的输入，确定辅助特征将印制于所述衬底上的可能性；和
[0367]
调整所述图案化过程的所述一个或更多个参数以降低所述辅助特征将印制于所述衬底上的可能性。
[0368]
19.根据方面18所述的方法，其中，所述一个或更多个参数包括：扫描器的剂量、所述扫描器的聚焦，和/或衬底台高度。
[0369]
20.一种用于产生与掩模图案相关联的模型的方法，所述方法包括：
[0370]
获得(i)使用所述掩模图案而被印制于衬底上的图案的多个图像，和(iii)与所述图案的所述多个图像的每个像素相关联的方差数据；和
[0371]
基于所述方差数据来产生被配置成预测与所述掩模图案相关联的方差数据的模型，所述方差数据用于确定所述掩模图案的辅助特征将印制于所述衬底上的可能性。
[0372]
21.根据方面20所述的方法，其中，所述产生所述模型包括：
[0373]
将(i)与所述掩模图案相关联的空间图像或掩模图像、和(ii)以及与所述掩模图案相关联的所述方差数据输入至所述模型；
[0374]
使用模型参数的初始值来执行所述模型以产生初始方差数据；
[0375]
确定所述初始方差数据与所输入的方差数据之间的差；和
[0376]
基于所述差来调整所述模型参数的所述初始值，以使所述模型产生位于所输入的方差数据的指定阈值内的所述方差数据。
[0377]
22.根据方面21所述的方法，其中，所述产生所述模型是迭代过程，其中执行对所述模型参数的所述值的所述调整直到所述模型产生的方差数据位于所输入的方差数据的所述指定阈值内为止。
[0378]
23.根据方面22所述的方法，其中，基于输出的方差映射与所输入的方差之间的差的梯度进行对所述模型参数的所述初始值的所述调整，所述梯度朝向减小或最小化所述差来引导所述模型参数的所述值。
[0379]
24.根据方面20至23中任一项所述的方法，其中：
[0380]
所述方差数据被表示为另一像素化图像，每个像素被指派有所述多个图像的每个
像素的灰度值的方差值。
[0381]
25.根据方面20至24中任一项所述的方法，其中，所述模型是以下各项中的至少一个：
[0382]
卷积神经网络，所述卷积神经网络包括作为模型参数的权重和偏置，
[0383]
线性模型，所述线性模型包括线性项相关系数的组合，所述系数是所述模型参数，和
[0384]
多项式模型，所述多项式模型包括多项式项相关系数的组合，所述系数是所述模型参数。
[0385]
26.一种用于产生掩模图案的光学邻近效应校正数据的方法，所述方法包括：
[0386]
获得(i)与所述掩模图案相关联的掩模图像或空间图像、和(ii)与所述掩模图案相关联的抗蚀剂图像；
[0387]
执行被配置成预测与所述掩模图案相关联的方差数据的模型，所述模型使用所述掩模图像或所述空间图像来预测所述方差数据；
[0388]
基于所述方差数据和所述抗蚀剂图像来确定所述掩模图案的辅助特征将印制于衬底上的可能性；和
[0389]
基于所述辅助特征将印制的可能性来产生用于修改所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征的所述光学邻近效应校正(opc)数据。
[0390]
27.根据方面26所述的方法，其中，所述产生所述opc数据包括：
[0391]
经由opc模拟过程来调整所述掩模图案的所述一个或更多个主特征、或所述一个或更多个辅助特征的形状和/或大小，经调整的形状和/或大小降低辅助特征将印制的可能性；或
[0392]
经由所述opc模拟过程来移除所述掩模图案的所述一个或更多个辅助特征。
[0393]
28.根据方面26至27中任一项所述的方法，其中，所述获得所述掩模图像或所述空间图像包括：
[0394]
使用所述掩模图案模拟一个或更多个过程模型以产生所述掩模图像、或所述空间图像。
[0395]
29.根据方面26至28中任一项所述的方法，其中，所述opc数据由图案形成装置修改工具用于修改掩模上的所述掩模图案。
[0396]
30.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在由一个或更多个处理器执行时引起包括以下各项的操作：
[0397]
获得(i)被印制于衬底上的图案的多个图像，所述图像已使用掩模图案形成、和(ii)与所述图案的所述多个图像的像素相关联的方差数据；
[0398]
基于所述方差数据来确定被配置成产生与所述掩模图案相关联的方差数据的模型；和
[0399]
基于针对给定掩模图案的模型产生的方差数据、以及与所述给定掩模图案相关联的抗蚀剂图像或蚀刻图像，来确定所述给定掩模图案的辅助特征将被印制于所述衬底上的可能性，所述可能性被应用于调整与图案化过程或图案形成设备相关的一个或更多个参数，以降低所述辅助特征将印制于所述衬底上的可能性。
[0400]
31.根据方面30所述的非暂时性计算机可读介质，其中，所述获得所述多个图像包
括：
[0401]
经由量测工具来接收被印制于所述衬底上的所述图案的所述多个图像；或经由所述量测工具来捕获被印制于所述衬底上的所述图案的所述多个图像。
[0402]
32.根据方面30所述的非暂时性计算机可读介质，其中：
[0403]
所述方差数据被表示为另一像素化图像，每个像素被指派有所述多个图像的每个像素的灰度值的方差值。
[0404]
33.根据方面30至32中任一项所述的非暂时性计算机可读介质，其中，所述确定所述模型包括：
[0405]
将(i)与所述掩模图案相关联的空间图像或掩模图像、和(ii)与所述掩模图案相关联的所述方差数据输入至所述模型；
[0406]
使用模型参数的初始值来执行所述模型以产生初始方差数据；
[0407]
确定所述初始方差数据与所输入的方差数据之间的差；和基于所述差来调整所述模型参数的所述初始值，以使所述模型产生位于所输入的方差数据的指定阈值内的方差数据。
[0408]
34.根据方面32所述的非暂时性计算机可读介质，其中，所述确定所述模型是迭代过程，其中执行对所述模型参数的所述值的所述调整直到所述模型产生的方差数据位于所输入的方差数据的所述指定阈值内为止。
[0409]
35.根据方面34所述的非暂时性计算机可读介质，其中，基于输出的方差映射与所输入的方差之间的差的梯度进行对所述模型参数的所述初始值的所述调整，所述梯度朝向减小或最小化所述差来引导所述模型参数的所述值。
[0410]
36.根据方面30至35中任一项所述的非暂时性计算机可读介质，其中，所述模型是以下各项中的至少一个：
[0411]
卷积神经网络，所述卷积神经网络包括作为模型参数的权重和偏置，
[0412]
线性模型，所述线性模型包括线性项相关系数的组合，所述系数是所述模型参数，和
[0413]
多项式模型，所述多项式模型包括多项式项相关系数的组合，所述系数是所述模型参数。
[0414]
37.根据方面30至36中任一项所述的非暂时性计算机可读介质，其中，所述确定所述给定掩模图案的所述辅助特征将印制于所述衬底上的可能性包括：
[0415]
经由图案化过程模拟或量测工具来获得与所述给定掩模图案相关联的所述抗蚀剂图像；
[0416]
建立所述模型产生的方差数据与所述抗蚀剂图像之间的相关性；和
[0417]
基于所述相关性来识别所述掩模图案的、具有所述辅助特征被印制于所述衬底上的相对较高的可能性的区或与所述掩模图案对应的目标布局。
[0418]
38.根据方面37所述的非暂时性计算机可读介质，其中，所述建立所述模型产生的方差数据与所述抗蚀剂图像之间的所述相关性包括：
[0419]
从所述抗蚀剂图像来识别沿所述抗蚀剂图像上的选定线的强度值；
[0420]
从所述模型产生的方差数据来识别与所述选定线相对应的方差值；和
[0421]
将所识别的方差值与所述抗蚀剂图像的沿所述选定线的所识别的强度值相关联。
[0422]
39.根据方面38所述的非暂时性计算机可读介质，其中，所述识别具有所述辅助特征被印制于所述衬底上的相对较高的可能性的所述区包括：
[0423]
针对所述抗蚀剂图像的一个或更多个区，确定所述强度值是否突破与特征在所述衬底上的抗蚀剂层内的印制相关联的印制阈值；
[0424]
基于所述相关性来确定与所述一个或更多个区相对应的所述方差值是否突破指定方差阈值范围；
[0425]
响应于突破所述指定方差阈值范围，将相对较高的印制概率指派至所述一个或更多个区的部分；
[0426]
响应于突破所述指定方差阈值范围以及未突破所述印制阈值，将相对较低的印制概率指派至所述一个或更多个区的部分；
[0427]
响应于未突破所述指定方差阈值范围以及未突破所述印制阈值，将零印制概率指派至所述一个或更多个区的部分；和
[0428]
从所述一个或更多个区识别具有大于零印制概率的区，所述区位于所述掩模图案的主图案周围。
[0429]
40.根据方面39所述的非暂时性计算机可读介质，其中，所述印制阈值包括：
[0430]
上阈值，所述上阈值指示特征被印制于所述抗蚀剂层内，和
[0431]
下阈值，所述下阈值指示所述特征未被印制于所述抗蚀剂层。
[0432]
41.根据方面40所述的非暂时性计算机可读介质，其中，所述指定方差阈值范围内的值指示未印制特征，并且所述指定方差阈值范围之外的所述值指示印制所述特征。
[0433]
42.根据方面30至41中任一项所述的非暂时性计算机可读介质，还包括：
[0434]
基于所述模型和所述辅助特征将印制的可能性，产生光学邻近效应校正(opc)数据以调整所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征。
[0435]
43.根据方面42所述的非暂时性计算机可读介质，其中，所述产生所述opc数据包括：
[0436]
经由与所述图案化过程相关联的opc模拟过程来调整所述掩模图案的所述一个或更多个主特征、或所述一个或更多个辅助特征的形状和/或大小，经调整的形状和/或大小降低辅助特征将印制于所述衬底上的可能性；或
[0437]
经由与所述图案化过程相关联的所述opc模拟过程来移除所述掩模图案的所述一个或更多个辅助特征。
[0438]
44.根据方面30至42中任一项所述的非暂时性计算机可读介质，还包括：
[0439]
基于所述模型和所述辅助特征将印制的可能性，来确定用于降低辅助特征将印制的可能性的源和/或掩模图案。
[0440]
45.根据方面44所述的非暂时性计算机可读介质，其中所述确定所述源和/或所述掩模图案包括：
[0441]
经由源掩模优化(smo)过程来调整源参数和/或掩模参数，以导致所述掩模图案的所述辅助特征将印制的可能性降低。
[0442]
46.根据方面30至42中任一项所述的非暂时性计算机可读介质，还包括：
[0443]
基于所述模型和所述辅助特征将印制的可能性，调整用于将所述衬底图案化的图案化过程的一个或更多个参数。
[0444]
47.根据方面46所述的非暂时性计算机可读介质，其中，所述调整所述图案化过程的所述一个或更多个参数包括：
[0445]
使用被印制于所述衬底上的图案的掩模图像或空间图像作为至所述模型的输入，确定辅助特征将印制于所述衬底上的可能性；和
[0446]
调整所述图案化过程的所述一个或更多个参数以降低所述辅助特征将印制于所述衬底上的可能性。
[0447]
48.根据方面47所述的非暂时性计算机可读介质，其中，所述一个或更多个参数包括：扫描器的剂量、所述扫描器的聚焦，和/或衬底台高度。
[0448]
49.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在由一个或更多个处理器执行时引起包括以下各项的操作：
[0449]
获得(i)使用所述掩模图案而被印制于衬底上的图案的多个图像，和(iii)与所述图案的所述多个图像的每个像素相关联的方差数据；和
[0450]
基于所述方差数据来产生被配置成预测与所述掩模图案相关联的方差数据的模型，所述方差数据用于确定所述掩模图案的辅助特征将印制于所述衬底上的可能性。
[0451]
50.根据方面49所述的非暂时性计算机可读介质，其中，所述产生所述模型包括：
[0452]
将(i)与所述掩模图案相关联的空间图像或掩模图像、和(ii)以及与所述掩模图案相关联的所述方差数据输入至所述模型；
[0453]
使用模型参数的初始值来执行所述模型以产生初始方差数据；
[0454]
确定所述初始方差数据与所输入的方差数据之间的差；和基于所述差来调整所述模型参数的所述初始值，以使所述模型产生位于所输入的方差数据的指定阈值内的所述方差数据。
[0455]
51.根据方面50所述的非暂时性计算机可读介质，其中，所述产生所述模型是迭代过程，其中执行对所述模型参数的所述值的所述调整直到所述模型产生的方差数据位于所输入的方差数据的所述指定阈值内为止。
[0456]
52.根据方面51所述的非暂时性计算机可读介质，其中，基于输出的方差映射与所输入的方差之间的差的梯度进行对所述模型参数的所述初始值的所述调整，所述梯度朝向减小或最小化所述差来引导所述模型参数的所述值。
[0457]
53.根据方面49至52中任一项所述的非暂时性计算机可读介质，其中：
[0458]
所述方差数据被表示为另一像素化图像，每个像素被指派有所述多个图像的每个像素的灰度值的方差值。
[0459]
54.根据方面49至53中任一项所述的非暂时性计算机可读介质，其中，所述模型是以下各项中的至少一个：
[0460]
卷积神经网络，所述卷积神经网络包括作为模型参数的权重和偏置，
[0461]
线性模型，所述线性模型包括线性项相关系数的组合，所述系数是所述模型参数，和
[0462]
多项式模型，所述多项式模型包括多项式项相关系数的组合，所述系数是所述模型参数。
[0463]
55.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在由一个或更多个处理器执行时引起包括以下各项的操作：
[0464]
获得(i)与所述掩模图案相关联的掩模图像或空间图像、和(ii)与掩模图案相关联的抗蚀剂图像；
[0465]
执行被配置成预测与所述掩模图案相关联的方差数据的模型，所述模型使用所述掩模图像或所述空间图像来预测所述方差数据；
[0466]
基于所述方差数据和所述抗蚀剂图像来确定所述掩模图案的辅助特征将印制于衬底上的可能性；和
[0467]
基于所述辅助特征将印制的可能性来产生用于修改所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征的所述光学邻近效应校正(opc)数据。
[0468]
56.根据方面55所述的非暂时性计算机可读介质，其中，所述产生所述opc数据包括：
[0469]
经由opc模拟过程来调整所述掩模图案的所述一个或更多个主特征、或所述一个或更多个辅助特征的形状和/或大小，经调整的形状和/或大小降低辅助特征将印制的可能性；或
[0470]
经由所述opc模拟过程来移除所述掩模图案的所述一个或更多个辅助特征。
[0471]
57.根据方面55至56中任一项所述的非暂时性计算机可读介质，其中，所述获得所述掩模图像或所述空间图像包括：
[0472]
使用所述掩模图案模拟一个或更多个过程模型以产生所述掩模图像、或所述空间图像。
[0473]
58.根据方面55至57中任一项所述的非暂时性计算机可读介质，其中，所述opc数据由图案形成装置修改工具用于修改掩模上的所述掩模图案。
[0474]
59.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括用于产生与掩模图案相关联的可印制性映射的指令，所述计算机可读介质在由一个或更多个处理器执行时引起包括以下各项的操作：
[0475]
获得(i)经图案化的衬底的多个图像、(ii)基于所述多个图像的多个经改进的图像，和(iii)基于所述掩模图案的所模拟的经改进的图像；
[0476]
基于所述多个所述经改进的图像、所述所模拟的经改进的图像，和所述多个图像中的每个图像内的像素的强度，来标记所述多个图像中的每个图像；和
[0477]
基于所述标记来产生与所述掩模图案相关联的所述可印制性映射。
[0478]
60.根据方面59所述的非暂时性计算机可读介质，其中，所述多个图像中的每个图像的所述标记包括：
[0479]
将所述多个所述经改进的图像的经改进的图像与所述所模拟的经改进的图像对准；
[0480]
识别所述经改进的图像内的与所述所模拟的经改进的图像内的特征相对应的特征；
[0481]
将所述多个图像的图像与所述经对准的经改进的图像对准；和
[0482]
基于所识别的特征而将标识放置于所述经对准的图像上，每个标识放置于与所识别的特征周围的所述图像内的所述强度的局部最小值相关联的部位处。
[0483]
61.根据方面60所述的非暂时性计算机可读介质，其中，所述放置所述标识包括：
[0484]
确定所述经改进的图像内的所识别的特征的轮廓；
[0485]
将所述轮廓与所述多个图像的所述图像中的对应特征对准；和
[0486]
识别在所述轮廓周围的一对标识的部位，第一标识位于所述轮廓内部的图像强度的局部最小值处，以及第二标识位于所述轮廓外部的所述图像强度的另一局部最小值处。
[0487]
62.根据方面61所述的非暂时性计算机可读介质，其中，所述识别所述一对标识包括：
[0488]
朝向所述轮廓的所述内部在指定方向上确定所述第一标识位于所述图像的所述强度的所述局部最小值处；和
[0489]
朝向所述轮廓的所述外部在所述指定方向上且跨越所述图像的所述强度的局部最大值，确定所述第二标识位于所述图像的所述强度的另一局部最小值处。
[0490]
63.根据方面59至62中任一项所述的非暂时性计算机可读介质，其中，所述产生所述可印制性映射包括：
[0491]
将所述多个图像的所述标记输入至被配置成产生与所述多个图像的每个图像相对应的多个其它经改进的图像的算法；
[0492]
将所述多个其它经改进的图像相对于彼此对准；和
[0493]
基于所述经对准的多个其它经改进的图像的强度值来产生所述多个其它经改进的图像中的至少一个的所述可印制性映射。
[0494]
64.根据方面63所述的非暂时性计算机可读介质，其中，所述产生所述可印制性映射包括：
[0495]
通过以下操作确定所述可印制性映射的每个像素的概率值：
[0496]
将所述多个经改进的图像的其它经改进的图像的所述图像强度求和；和
[0497]
将所求和的图像的所述图像强度除以经改进的图像的总数目。
[0498]
65.根据方面62至64中任一项所述的非暂时性计算机可读介质，其中，所述算法是分水岭算法，所述分水岭算法被配置成基于放置于所述多个图像内的所述标识来执行图像分段。
[0499]
66.根据方面59至65中任一项所述的非暂时性计算机可读介质，所述获得所述多个图像包括：
[0500]
经由量测工具来接收被印制于所述衬底上的所述图案的所述多个图像；或
[0501]
经由所述量测工具来捕获被印制于所述衬底上的所述图案的所述多个图像。
[0502]
67.根据方面59至66中任一项所述的非暂时性计算机可读介质，其中，所述获得所述多个经改进的图像包括：
[0503]
将所述多个图像去噪；和
[0504]
经由自适应阈值化算法将所述经去噪的多个图像中的每个图像转换为经改进的图像，所述自适应阈值化算法以自适应的方式找出用以区分图像内的印制区域和未印制区域的最优阈值。
[0505]
68.根据方面67所述的非暂时性计算机可读介质，其中，所述自适应阈值化算法是被配置成接收所述多个图像或所述经去噪的多个图像和所述多个图像中的每个图像内的所述标识作为输入，以及输出经改进的图像的otsu阈值化算法。
[0506]
69.根据方面66至68中任一项所述的非暂时性计算机可读介质，其中，所述多个图像的所述去噪包括：
[0507]
将第一中值滤波器和高斯滤波器应用于所述多个图像中的每个图像，以使得维持与所述多个图像中的每个图像相关联的脊线边缘准确性，所述第一中值滤波器的特征为第一核大小；
[0508]
应用第二中值滤波器以增强所述多个图像中的每个图像的图像对比度，所述图像对比度介于印制区域与未印制区域之间，所述第二中值滤波器的特征为第二核大小，所述第二核大小大于所述第一核大小；和
[0509]
应用第三滤波器以进一步减少所述多个图像中的噪声，所述第三滤波器的特征为第三核大小。
[0510]
70.根据方面59至69中任一项所述的非暂时性计算机可读介质，其中，所述获得所述所模拟的经改进的图像包括：
[0511]
使用与所述多个图像中的每个图像相对应的所述掩模图案和过程条件来执行所述图案化过程的一个或更多个过程模型，以产生将被印制于衬底上的图案的所述模拟图像；和
[0512]
将选定阈值强度值应用于所述模拟图像以产生所述所模拟的经改进的图像。
[0513]
71.根据方面59至70中任一项所述的非暂时性计算机可读介质，还包括基于所述可印制性映射来产生所述图案化过程的一个或更多个参数的值。
[0514]
72.根据方面71所述的非暂时性计算机可读介质，其中，所述产生包括：
[0515]
将与所述掩模图案相关联的所述可印制性映射输入至光学邻近效应校正过程；
[0516]
从所述可印制性映射确定与所述掩模图案的辅助特征相关的概率，所述概率指示所述辅助特征是否将印制于衬底上；和
[0517]
基于所述辅助特征的所述概率来产生光学邻近效应校正(opc)数据，以调整所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征，以最小化所述辅助特征将印制于所述衬底上的所述概率。
[0518]
73.根据方面72所述的非暂时性计算机可读介质，其中，所述产生所述opc数据包括：
[0519]
经由与所述图案化过程相关联的所述opc模拟过程来调整所述掩模图案的所述一个或更多个主特征、或所述一个或更多个辅助特征的形状和/或大小，经调整的形状和/或大小降低辅助特征将印制于所述衬底上的所述概率；或
[0520]
经由与所述图案化过程相关联的所述opc模拟过程来移除所述掩模图案的所述一个或更多个辅助特征。
[0521]
74.根据方面71所述的非暂时性计算机可读介质，其中，所述产生包括：
[0522]
基于所述可印制性映射来确定与源和/或掩模图案相关联的参数，以降低辅助特征将印制的所述概率。
[0523]
75.根据方面74所述的非暂时性计算机可读介质，其中，所述确定所述源和/或所述掩模图案包括：
[0524]
经由源掩模优化(smo)过程来调整源参数和/或掩模参数，以导致所述掩模图案的所述辅助特征将印制于所述衬底上的所述概率降低。
[0525]
76.根据方面71所述的非暂时性计算机可读介质，其中，所述产生包括：
[0526]
基于所述可印制性映射来调整与用于将所述衬底图案化的图案形成设备相关联
的一个或更多个参数，以导致辅助特征将印制于所述衬底上的所述概率降低。
[0527]
77.根据方面76所述的非暂时性计算机可读介质，其中，所述一个或更多个参数包括：扫描器的剂量、所述扫描器的聚焦，和/或衬底台高度。
[0528]
78.根据方面59至77中任一项所述的非暂时性计算机可读介质，其中，所述多个经改进的图像的一个或更多个经改进的图像是一个或更多个二元图像。
[0529]
79.根据方面59至78中任一项所述的非暂时性计算机可读介质，其中，所述所模拟的经改进的图像是二元图像。
[0530]
80.根据方面59至79中任一项所述的非暂时性计算机可读介质，其中，所述可印制性映射是指示所述图案的特征将被印制于衬底上的可能性的概率值的空间分布。
[0531]
81.根据方面59至80中任一项所述的非暂时性计算机可读介质，其中，经由经图案化的衬底的扫描电子显微镜(sem)来获得所述多个图像。
[0532]
82.根据方面81所述的非暂时性计算机可读介质，其中，所述多个图像的每个图像是sem图像。
[0533]
83.一种用于产生与掩模图案相关联的可印制性映射的方法，所述方法包括：
[0534]
获得(i)经图案化的衬底的多个图像、(ii)基于所述多个图像的多个经改进的图像，和(iii)基于所述掩模图案的所模拟的经改进的图像；
[0535]
基于所述多个所述经改进的图像、所述所模拟的经改进的图像，和所述多个图像中的每个图像内的像素的强度，来标记所述多个图像中的每个图像；和
[0536]
基于所述标记来产生与所述掩模图案相关联的所述可印制性映射。
[0537]
84.根据方面83所述的方法，其中，所述多个图像中的每个图像的所述标记包括：
[0538]
将所述多个所述经改进的图像的经改进的图像与所述所模拟的经改进的图像对准；
[0539]
识别所述经改进的图像内的与所述所模拟的经改进的图像内的特征相对应的特征；
[0540]
将所述多个图像的图像与所述经对准的经改进的图像对准；和基于所识别的特征而将标识放置于所述经对准的图像上，每个标识放置于与所识别的特征周围的所述图像内的所述强度的局部最小值相关联的部位处。
[0541]
85.根据方面84所述的方法，其中，所述放置所述标识包括：
[0542]
确定所述经改进的图像内的所识别的特征的轮廓；
[0543]
将所述轮廓与所述多个图像的所述图像中的对应特征对准；和识别在所述轮廓周围的一对标识的部位，第一标识位于所述轮廓内部的图像强度的局部最小值处，以及第二标识位于所述轮廓外部的所述图像强度的另一局部最小值处。
[0544]
86.根据方面84所述的方法，其中，所述识别所述一对标识包括：
[0545]
朝向所述轮廓的所述内部在指定方向上确定所述第一标识位于所述图像的所述强度的所述局部最小值处；和
[0546]
朝向所述轮廓的所述外部在所述指定方向上且跨越所述图像的所述强度的局部最大值，确定所述第二标识位于所述图像的所述强度的另一局部最小值处。
[0547]
87.根据方面83至86中任一项所述的方法，其中，所述产生所述可印制性映射包括：
[0548]
将所述多个图像的所述标记输入至被配置成产生与所述多个图像的每个图像相对应的多个其它经改进的图像的算法；
[0549]
将所述多个其它经改进的图像相对于彼此对准；和
[0550]
基于所述经对准的多个其它经改进的图像的强度值来产生所述多个其它经改进的图像中的至少一个的所述可印制性映射。
[0551]
88.根据方面63所述的方法，其中，所述产生所述可印制性映射包括：
[0552]
通过以下操作确定所述可印制性映射的每个像素的概率值：
[0553]
将所述多个经改进的图像的其它经改进的图像的所述图像强度求和；和
[0554]
将所求和的图像的所述图像强度除以经改进的图像的总数目。
[0555]
89.根据方面86至88中任一项所述的方法，其中，所述算法是分水岭算法，所述分水岭算法被配置成基于放置于所述多个图像内的所述标识来执行图像分段。
[0556]
90.根据方面83至89中任一项所述的方法，所述获得所述多个图像包括：
[0557]
经由量测工具来接收被印制于所述衬底上的所述图案的所述多个图像；或
[0558]
经由所述量测工具来捕获被印制于所述衬底上的所述图案的所述多个图像。
[0559]
91.根据方面83至90中任一项所述的方法，其中，所述获得所述多个经改进的图像包括：
[0560]
将所述多个图像去噪；和
[0561]
经由自适应阈值化算法将所述经去噪的多个图像中的每个图像转换为经改进的图像，所述自适应阈值化算法以自适应的方式找出用以区分图像内的印制区域和未印制区域的最优阈值。
[0562]
92.根据方面91所述的方法，其中，所述自适应阈值化算法是被配置成接收所述多个图像或所述经去噪的多个图像和所述多个图像中的每个图像内的所述标识作为输入，以及输出经改进的图像的otsu阈值化算法。
[0563]
93.根据方面90至92中任一项所述的方法，其中，所述多个图像的所述去噪包括：
[0564]
将第一中值滤波器和高斯滤波器应用于所述多个图像中的每个图像，以使得维持与所述多个图像中的每个图像相关联的脊线边缘准确性，所述第一中值滤波器的特征为第一核大小；
[0565]
应用第二中值滤波器以增强所述多个图像中的每个图像的图像对比度，所述图像对比度介于印制区域与未印制区域之间，所述第二中值滤波器的特征为第二核大小，所述第二核大小大于所述第一核大小；和
[0566]
应用第三滤波器以进一步减少所述多个图像中的噪声，所述第三滤波器的特征为第三核大小。
[0567]
94.根据方面83至93中任一项所述的方法，其中，所述获得所述所模拟的经改进的图像包括：
[0568]
使用与所述多个图像中的每个图像相对应的所述掩模图案和过程条件来执行所述图案化过程的一个或更多个过程模型，以产生将被印制于衬底上的图案的所述模拟图像；和
[0569]
将选定阈值强度值应用于所述模拟图像以产生所述所模拟的经改进的图像。
[0570]
95.根据方面83至94中任一项所述的方法，还包括基于所述可印制性映射来产生
所述图案化过程的一个或更多个参数的值。
[0571]
96.根据方面95所述的方法，其中，所述产生包括：
[0572]
将与所述掩模图案相关联的所述可印制性映射输入至光学邻近效应校正过程；
[0573]
从所述可印制性映射确定与所述掩模图案的辅助特征相关的概率，所述概率指示所述辅助特征是否将印制于衬底上；和
[0574]
基于所述辅助特征的所述概率来产生光学邻近效应校正(opc)数据，以调整所述掩模图案的一个或更多个主特征、或一个或更多个辅助特征，以最小化所述辅助特征将印制于所述衬底上的所述概率。
[0575]
97.根据方面96所述的方法，其中，所述产生所述opc数据包括：
[0576]
经由与所述图案化过程相关联的所述opc模拟过程来调整所述掩模图案的所述一个或更多个主特征、或所述一个或更多个辅助特征的形状和/或大小，经调整的形状和/或大小降低辅助特征将印制于所述衬底上的所述概率；或
[0577]
经由与所述图案化过程相关联的所述opc模拟过程来移除所述掩模图案的所述一个或更多个辅助特征。
[0578]
98.根据方面95所述的方法，其中，所述产生包括：
[0579]
基于所述可印制性映射来确定与源和/或掩模图案相关联的参数，以降低辅助特征将印制的所述概率。
[0580]
99.根据方面98所述的方法，其中，所述确定所述源和/或所述掩模图案包括：
[0581]
经由源掩模优化(smo)过程来调整源参数和/或掩模参数，以导致所述掩模图案的所述辅助特征将印制于所述衬底上的所述概率降低。
[0582]
100.根据方面95所述的方法，其中，所述产生包括：
[0583]
基于所述可印制性映射来调整与用于将所述衬底图案化的图案形成设备相关联的一个或更多个参数，以导致辅助特征将印制于所述衬底上的所述概率降低。
[0584]
101.根据方面100的方法，其中，所述一个或更多个参数包括：扫描器的剂量、所述扫描器的聚焦，和/或衬底台高度。
[0585]
102.根据方面83至101中任一项所述的方法，其中，所述多个经改进的图像的一个或更多个经改进的图像是一个或更多个二元图像。
[0586]
103.根据方面83至102中任一项所述的方法，其中，所述所模拟的经改进的图像是二元图像。
[0587]
104.根据方面83至102中任一项所述的方法，其中，所述可印制性映射是指示所述图案的特征将被印制于衬底上的可能性的概率值的空间分布。
[0588]
105.根据方面83至104中任一项所述的方法，其中，经由经图案化的衬底的扫描电子显微镜(sem)来获得所述多个图像。
[0589]
106.根据方面105的方法，其中，所述多个图像的每个图像是sem图像。
[0590]
107.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括用于产生与掩模图案相关联的可印制性映射的指令，所述计算机可读介质在由一个或更多个处理器执行时引起包括以下各项的操作：
[0591]
基于经图案化的衬底的多个图像的标记来获得经图案化的衬底的多个经改进的图像，所述多个图像的每个图像的所述标记与所述每个图像的像素的强度相关联；
[0592]
将所述多个经改进的图像的图像强度求和；和
[0593]
将所求和的图像强度除以经改进的图像的总数目，以产生与所述掩模图案相关联的所述可印制性映射。
[0594]
108.根据方面107的非暂时性计算机可读介质，其中，所述获得所述多个经改进的图像包括：
[0595]
将所述多个图像的所述标记输入至被配置成产生与所述多个图像的每个图像相对应的所述多个经改进的图像的算法。
[0596]
109.根据方面108的非暂时性计算机可读介质，其中，所述算法是被配置成基于放置于所述多个图像内的所述标识来执行图像分段的分水岭算法。
[0597]
110.根据方面109的非暂时性计算机可读介质，其中，所述多个图像中的每个图像的所述标记包括：
[0598]
将所述多个所述图像的二元化图像与所模拟的经改进的图像对准；
[0599]
识别所述二元化图像内的与所述所模拟的经改进的图像内的特征相对应的特征；
[0600]
将所述多个图像的图像与所述经对准的二元化图像对准；和
[0601]
基于所识别的特征而将标识放置于所述经对准的图像上，每个标识放置于与所识别的特征周围的所述图像内的所述强度的局部最小值相关联的部位处。
[0602]
111.根据方面110的非暂时性计算机可读介质，其中，所述放置所述标识包括：
[0603]
确定所述二元化图像内的所识别的特征的轮廓；
[0604]
将所述轮廓与所述多个图像的所述图像中的对应特征对准；和
[0605]
识别在所述轮廓周围的一对标识的部位，第一标识位于所述轮廓内部的图像强度的局部最小值处，以及第二标识位于所述轮廓外部的所述图像强度的另一局部最小值处。
[0606]
112.根据方面111的非暂时性计算机可读介质，其中，所述识别所述一对标识包括：
[0607]
朝向所述轮廓的所述内部在指定方向上确定所述第一标识位于所述图像的所述强度的所述局部最小值处；和
[0608]
朝向所述轮廓的所述外部在所述指定方向上且跨越所述图像的所述强度的局部最大值，确定所述第二标识位于所述图像的所述强度的另一局部最小值处。
[0609]
113.一种用于产生与掩模图案相关联的可印制性映射的方法，所述方法包括：
[0610]
基于经图案化的衬底的多个图像的标记来获得经图案化的衬底的多个经改进的图像，所述多个图像的每个图像的所述标记与所述每个图像的像素的强度相关联；
[0611]
将所述多个经改进的图像的图像强度求和；和
[0612]
将所求和的图像强度除以经改进的图像的总数目，以产生与所述掩模图案相关联的所述可印制性映射。
[0613]
114.根据方面113的方法，其中，所述获得所述多个经改进的图像包括：
[0614]
将所述多个图像的所述标记输入至被配置成产生与所述多个图像的每个图像相对应的所述多个经改进的图像的算法。
[0615]
115.根据方面114的方法，其中，所述算法是被配置成基于放置于所述多个图像内的所述标识来执行图像分段的分水岭算法。
[0616]
116.根据方面115的方法，其中，所述多个图像中的每个图像的所述标记包括：
[0617]
将所述多个所述图像的二元化图像与所模拟的经改进的图像对准；
[0618]
识别所述二元化图像内的与所述所模拟的经改进的图像内的特征相对应的特征；
[0619]
将所述多个图像的图像与所述经对准的二元化图像对准；和
[0620]
基于所识别的特征而将标识放置于所述经对准的图像上，每个标识放置于与所识别的特征周围的所述图像内的所述强度的局部最小值相关联的部位处。
[0621]
117.根据方面116的方法，其中，所述放置所述标识包括：
[0622]
确定所述二元化图像内的所识别的特征的轮廓；
[0623]
将所述轮廓与所述多个图像的所述图像中的对应特征对准；和
[0624]
识别在所述轮廓周围的一对标识的部位，第一标识位于所述轮廓内部的图像强度的局部最小值处，以及第二标识位于所述轮廓外部的所述图像强度的另一局部最小值处。
[0625]
118.根据方面117的方法，其中，所述识别所述一对标识包括：
[0626]
朝向所述轮廓的所述内部在指定方向上确定所述第一标识位于所述图像的所述强度的所述局部最小值处；和
[0627]
朝向所述轮廓的所述外部在所述指定方向上且跨越所述图像的所述强度的局部最大值，确定所述第二标识位于所述图像的所述强度的另一局部最小值处。
[0628]
119.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括用于产生与掩模图案相关联的可印制性映射的指令，所述计算机可读介质在由一个或更多个处理器执行时引起包括以下各项的操作：
[0629]
基于所述掩模图案的特征来获得经图案化的衬底的多个二元图像；
[0630]
将所述多个二元图像对准以及将所述多个二元图像的强度求和；和
[0631]
将所求和的图像强度除以二元图像的总数目以产生与所述掩模图案相关联的所述可印制性映射，其中所述可印制性映射的每个像素强度指示所述掩模图案的特征将印制于衬底上的概率。
[0632]
120.根据方面119的非暂时性计算机可读介质，其中，所述获得所述多个二元图像包括：
[0633]
将二元化算法应用于所述经图案化的衬底的多个图像中的每个图像，所述二元化算法被配置成产生基于所述多个图像的给定图像中的与所述掩模图案的所述特征相对应的特征来产生所述给定图像的二元图像。
[0634]
121.根据方面120的非暂时性计算机可读介质，其中，基于所述经图案化的衬底的模拟图像来识别所述多个图像中的每个图像内的与所述掩模图案的特征相对应的所述特征。
[0635]
122.根据方面121的非暂时性计算机可读介质，其中，所述二元化算法包括所述经图案化的衬底的所述多个图像中的每个图像的阈值化，所述阈值化基于与所述掩模图案对应的所述特征。
[0636]
123.根据方面121的非暂时性计算机可读介质，其中，所述二元化算法是被配置成基于放置于所述多个图像内的标识来执行图像分段的分水岭算法。
[0637]
124.根据方面122的非暂时性计算机可读介质，其中，所述标识包括：
[0638]
第一标识，所述第一标识朝向所述轮廓的所述内部在指定方向上位于所述图像的所述强度的所述局部最小值处；和
[0639]
第二标识，所述第二标识朝向所述轮廓的所述外部在所述指定方向上且跨越所述图像的所述强度的局部最大值，位于所述图像的所述强度的另一局部最小值处。
[0640]
125.一种包括用于产生与掩模图案相关联的可印制性映射的指令的方法，所述方法包括：
[0641]
基于所述掩模图案的特征来获得经图案化的衬底的多个二元图像；
[0642]
将所述多个二元图像对准以及将所述多个二元图像的强度求和；和
[0643]
将所求和的图像强度除以二元图像的总数目以产生与所述掩模图案相关联的所述可印制性映射，其中所述可印制性映射的每个像素强度指示所述掩模图案的特征将印制于衬底上的概率。
[0644]
126.根据方面125的方法，其中，所述获得所述多个二元图像包括：
[0645]
将二元化算法应用于所述经图案化的衬底的多个图像中的每个图像，所述二元化算法被配置成产生基于所述多个图像的给定图像中的与所述掩模图案的所述特征相对应的特征来产生所述给定图像的二元图像。
[0646]
127.根据方面126的方法，其中，基于所述经图案化的衬底的模拟图像来识别所述多个图像中的每个图像内的与所述掩模图案的特征相对应的所述特征。
[0647]
128.根据方面127的方法，其中，所述二元化算法包括所述经图案化的衬底的所述多个图像中的每个图像的阈值化，所述阈值化基于与所述掩模图案对应的所述特征。
[0648]
129.根据方面127的方法，其中，所述二元化算法是被配置成基于放置于所述多个图像内的标识来执行图像分段的分水岭算法。
[0649]
130.根据方面129的方法，其中，所述标识包括：
[0650]
第一标识，所述第一标识朝向所述轮廓的所述内部在指定方向上位于所述图像的所述强度的所述局部最小值处；和
[0651]
第二标识，所述第二标识朝向所述轮廓的所述外部在所述指定方向上且跨越所述图像的所述强度的局部最大值，位于所述图像的所述强度的另一局部最小值处。
[0652]
以上描述预期是说明性的，而不是限制性的。因而，本领域技术人员将明白，可以在不背离下文所阐明的权利要求的范围的情况下如所描述的那样进行修改。