用于光源-掩膜优化的图形选择方法与流程

本发明涉及半导体技术领域，具体而言涉及一种用于光源-掩膜优化(source-mask optimization，SMO)的图形选择方法。

背景技术：

随着集成电路的复杂度越来越高，特征尺寸也变得越来越小。当集成电路的特征尺寸接近光刻机曝光的系统极限，即特征尺寸接近或小于光刻光源时，硅片上制造出的版图会出现明显的畸变。为此光刻系统必须采用分辨率增强(RET)技术，用以提高成像质量。

随着技术往关键尺寸更小的方向发展，仅对掩膜实施优化的常规光学邻近修正(Optical Proximity Correction,OPC)可能无法满足日益严格的关键尺寸的规格要求。在这种情况下，可以对照射源/光源也进行优化，以提高光刻保真度，即进行光源-掩膜优化(SMO)。

光源-掩膜优化是一种重要的分辨率增强技术，该技术对优化过程中使用的测试图形具有较为严重的依赖性。因此，测试图形的选择非常重要。然而，现有技术中对测试图形的选择通常依赖SMO用户的技巧和经验，这样的选择方法效率低下，且结果不可靠。

技术实现要素：

针对现有技术的不足，本发明提供一种用于光源-掩膜优化的图形选择方法，所述图形选择方法包括：计算多个特征图形中每个特征图形的功率谱密度；基于所计算的每个特征图形的功率谱密度计算所述多个特征图形中任意两个特征图形之间的差异度；以及在所述多个特征图形中选择彼此之间所述差异度大于或等于预定阈值的特征图形作为测试图形，以用于光源-掩膜优化。

在本发明的一个实施例中，所述计算所述多个特征图形中任意两个特征图形之间的差异度进一步包括：计算所述多个特征图形中任意 两个特征图形之间的矢量余弦角距离(Vector Cosine Angle Distance，VCAD)。

在本发明的一个实施例中，所述计算多个特征图形中每个特征图形的功率谱密度进一步包括：对所述每个特征图形进行离散傅里叶变换(Discrete Fourier Transform，DFT)；以及基于所述离散傅里叶变换结果计算所述每个特征图形的功率谱密度。

在本发明的一个实施例中，所述每个特征图形的功率谱密度通过公式f_uv＝|DFT(I)_uv|²进行计算_，其中DFT(I)_uv为特征图形的离散傅里叶变换，其中u和v为频率变量。

在本发明的一个实施例中，所述每个特征图形的离散傅里叶变换用公式表示为：

其中，M和N为所述每个特征图形的衍射级(diffraction order)。

在本发明的一个实施例中，所述多个特征图形中任意两个特征图形之间的矢量余弦角距离的计算用公式表示为：

其中，f表示所述多个特征图形中的一个，g表示所述多个特征图形中的另一个。

在本发明的一个实施例中，所述预定阈值由用户进行定义。

在本发明的一个实施例中，两个特征图形之间的矢量余弦角距离的大小对所述两个特征图形的节距(pitch)敏感。

在本发明的一个实施例中，所述多个特征图形包括用来确定曝光能量的图形(anchor pattern)、具有不同节距的一维周期性测试图形、线端测试图形和/或随机逻辑图形。

在本发明的一个实施例中，所述图形选择方法能够应用于光源-掩膜-偏振优化(source-mask-polarization optimization)。

本发明所提供的用于光源-掩膜优化的图形选择方法可以高效快 速地选择用于光源-掩膜优化的测试图形，同时不会遗漏任何关键图形，从而实现高效、高精确度的光源-掩膜优化。

附图说明

本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施例及其描述，用来解释本发明的原理。

附图中：

图1示出了根据本发明实施例的用于光源-掩膜优化的图形选择方法的流程图；

图2示出了根据本发明实施例的多个特征图形的示例；

图3示出了图2的多个特征图形中任意两个特征图形之间的矢量余弦角距离的数值列表；

图4示出了现有的图形选择方法和根据本发明实施例的图形选择方法对各种特征图形的选择数目列表；

图5A-图5D示出了使用图4中的各图形选择方法所选择的图形进行光源优化的仿真结果；以及

图6示出了图4中的各图形选择方法的运行时间。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。

在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其 它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。

为了彻底理解本发明，将在下列的描述中提出详细的步骤以及详细的结构，以便阐释本发明提出的技术方案。本发明的较佳实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。

SMO是一种重要的分辨率增强技术，该技术对优化过程中使用的测试图形具有较为严重的依赖性。因此，需要仔细选择测试图形，以在光源调整的周期和精度之间进行均衡。现有方法中，通常依靠SMO用户的技巧和经验来选择图形。例如，通常针对目标工艺选择关键图形，作为将被优化的小特征图形(clip)的输入。一方面，选择的图形越多，花费的计算时间越长。另一方面，如果选择的图形量不足，将会影响后期优化的精度。

为了从多个特征图形中选择具有代表性的关键图形，需要对这些特征图形进行区分。本发明提供一种用于光源-掩膜优化的图形选择方法。根据本发明实施例的图形选择方法可以分析多个特征图形，具体地可以将多个特征图形通过傅里叶变换转化到频域空间，通过其频域空间的衍射图形的比较来区分这些特征图形。然后从中选择典型的图形并滤除不需要的图形，以用于光源-掩膜优化，实现在不遗漏关键图形的情况下大大减小时间成本。

图1示出了根据本发明实施例的用于光源-掩膜优化的图形选择方法100的流程图。如图1所示，图形选择方法100包括以下步骤：

步骤101：计算多个特征图形中每个特征图形的功率谱密度。

其中，多个特征图形可以是代表整个芯片的多个图形，其可以包括进行SMO所需要考虑的具有代表性的图形。例如，多个特征图形可以包括用来确定曝光能量的anchor图形、具有不同节距(例如节距从小到大)的一维周期性测试图形、线端测试图形、SRAM和/或随机逻辑图形。图2示出了根据本发明实施例的多个特征图形的示例，稍后将对其进行描述。

根据本发明的一个实施例，在步骤101中，计算多个特征图形中每个特征图形的功率谱密度可以进一步包括：对每个特征图形进行离 散傅里叶变换，并基于离散傅里叶变换结果计算每个特征图形的功率谱密度。例如，每个特征图形的功率谱密度可以通过公式f_uv＝|DFT(I)_uv|²进行计算_，其中DFT(I)_uv为特征图形的离散傅里叶变换，可以通过公式(1)进行计算：

其中，M和N为每个特征图形的衍射级，并且其中u和v为频率变量。

步骤102：基于所计算的每个特征图形的功率谱密度计算多个特征图形中任意两个特征图形之间的差异度。

可以采用差异度来对任意两个特征图形之间的不同进行定量。其中，差异度例如可以采用矢量余弦角距离VCAD来表示。VCAD可以表示两个图形在频域空间里的距离，其大小可以表示两个图形之间的差异度。

根据本发明的一个实施例，计算多个特征图形中任意两个特征图形之间的差异度进一步包括：计算多个特征图形中任意两个特征图形之间的矢量余弦角距离。其中，多个特征图形中任意两个特征图形之间的矢量余弦角距离VCAD可以通过公式(2)进行计算：

其中，f表示多个特征图形中的一个，g表示多个特征图形中的另一个。

步骤103：在多个特征图形中选择彼此之间差异度大于或等于预定阈值的特征图形作为测试图形，以用于光源-掩膜优化。

根据本发明的一个实施例，预定阈值可以由用户进行定义。用户可以根据经验或尝试选择最合适的阈值。基于步骤102中的计算，当两个特征图形之间的差异度(例如VCAD)小于预定阈值时，可以将该两个特征图形视为相同图形，取其中的一个作为代表即可。当两个特征图形之间的差异度(例如VCAD)大于或等于预定阈值时，则将 该两个特征图形视为不同图形。最后，在候选的多个特征图形中所选择的最终作为测试图形的图形彼此之间均为不同图形。这样，可以在尽可能减少所选择的图形总数的情况下保证不漏选关键的图形，从而既节约了计算时间成本，又确保了光源-掩膜优化处理的精度。

下面通过示例描述根据本发明实施例的用于光源-掩膜优化方法的图形选择方法。如上所述，图2示出了根据本发明实施例的多个特征图形的示例。具体地，图2中示出了编号从#0到#9的10个一维特征图形。这些特征图形具有相同或不同的关键尺寸(CD)和节距。例如，对于图形#0，60/120表示其CD为60，节距为120。其中，对于图形#0和图形#1，其CD和节距均相同，区别仅在于图形#0偏移了20纳米。图形#0和图形#2的节距相同，CD大小相近。图形#0和图形#3的CD相同，节距大小相近。图形#7、图形#8和图形#9具有相同的节距，但是CD大小各不相同。

对图2中的图形#0到#9计算任意两个图形之间的差异度例如VCAD，结果如图3中的列表所示。假设预定阈值为0.05，则图3的列表中加粗字体即为VCAD小于阈值的VCAD数值。从图3的列表可以看出，两个特征图形之间的VCAD的大小对两个特征图形的节距(pitch)敏感。基于上述计算，可以在这个10个图形中选择图形#0、#4、#6、#7、#8和#9作为最终的测试图形。

如上所述，根据本发明实施例的图形选择方法可以在保证精度的情况下大大减少时间成本。下面将现有方法与本发明提供的图形选择方法进行比较来说明本发明的优势。图4示出了现有的图形选择方法和根据本发明实施例的图形选择方法对各种特征图形的选择数目列表。图5A-图5D示出了使用图4中的各图形选择方法所选择的图形进行光源优化的仿真结果。图6示出了图4中的各图形选择方法的运行时间。

如图4所示，现有的图形选择方法可以包括全部图形法、人工图形选择方法A和人工图形选择方法B。每种方法所选择的图形典型地包括anchor图形、SRAM、线端测试图形和逻辑图形。其中，全部图形法即选择可以代表整个芯片的全部图形，例如总数为143个图形。以该方法所得出的图形用于光源-掩膜优化的性能最优，如图5A所示 的，然而其运行时间非常长，正如图6所示的。人工图形选择方法A和人工图形选择方法B为工程师进行按照经验和技巧进行选择的传统方法。如图4所示，人工图形选择方法A所选择的图形数目少，虽然运行时间较短，但所得到的仿真结果(如图5B所示)较差；人工图形选择方法B所选择的图形数目稍多，所得到的仿真结果(如图5C所示)较好，但其运行时间较长。相比之下，根据本发明实施例的图形选择方法所选择的图形数目均多于两个人工方法，所得到的仿真结果(如图5D所示)良好，并且运行时间与人工图形选择方法B和全部图形法相比大大减少。

基于上面的描述，根据本发明的实施例的用于光源-掩膜优化的图形选择方法可以高效快速地选择用于光源-掩膜优化的测试图形，同时不会遗漏任何关键图形，从而实现高效、高精确度的光源-掩膜优化。此外，该图形选择方法还可以应用于光源-掩膜-偏振优化(source-mask-polarization optimization)。

本发明已经通过上述实施例进行了说明，但应当理解的是，上述实施例只是用于举例和说明的目的，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明并不局限于上述实施例，根据本发明的教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。