用于OPC验证的验证图形的量化分析方法与流程

本发明涉及一种半导体集成电路制造方法，特别是涉及一种用于光学临近效应修正(opticalproximitycorrection,opc)验证(verify)的验证图形(pattern)的量化分析方法。

背景技术：

在半导体制造的掩模板出版过程中，一般需要采用到opc技术对掩模板图形进行修正，使用opc修正后的掩模板进行成像后能使形成于半导体衬底上的目标图形达到目标要求，能消除目标图形中的由于光学临近效应造成的失真或变形。

opc修正后的掩模板在进行出版前还需进行opc验证，用以模拟opc修正后的掩模板是否正确。

opc验证过程中通常遇到各种问题，需要对问题进行逐一排查并解决，效率低下。

如图1所示是现有opc验证中出现的线端(lineend)问题的图形结构，如设计的图形101和opc后得到的掩模板上的图形102之间在线端具有差异。通常，图1所示的线端问题需要改善opc制程才能满足要求，或者需要工艺整合工程师(pie)协助在晶圆(wafer)寻找和确认，费时费力，且新opc制程可能对其它结构产生不良影响，导致opc结果变差。

技术实现要素：

本发明所要解决的技术问题是提供一种用于opc验证的验证图形的量化分析方法，能省时省力并更为精准的提升opc制程。

为解决上述技术问题，本发明提供的用于opc验证的验证图形的量化分析方法包括如下步骤：

步骤一、创建验证图形的图形索引并存入数据库；所述图形索引指向了所采用的所有所述验证图形。

步骤二、统计所有所述验证图形中存在的错误点，以对应的所述错误点为中心坐标点，在所述错误点对应的所述验证图形中截取比对图形块，计算所述比对图形块的特征值(prop)，创建各所述错误点对应的所述比对图形块的所述特征值对应的错误点索引；将所述错误点索引和各所述比对图形块以及对应的特征值都存入数据库。

步骤三、对所述数据库中的数据进行统计分析，包括如下分步骤：

步骤31、搜索所述错误点索引，统计得到各所述特征值相应的频次列表。

步骤32、将所述特征值的频次列表归一化，进行二维积分计算得到对应的所述特征值的分布值。

步骤四、生成测试图形，包括如下分步骤：

步骤41、根据所述特征值的分布值，得到所述错误点索引的矩阵。

步骤42、采用蒙特卡洛抽样，在所述错误点索引的矩阵中得到一组所述错误点索引，根据所得到的一组所述错误点索引在所述数据库中寻找对应的所述对比图形块并将所述对比图形块按一定的阵列生成所述测试图形。

进一步的改进是，还包括如下步骤：

步骤五、进行不同opc制程的比较，提升所述测试图形的通用性，包括如下分步骤：

步骤51、对相应的一个所述对比图形块，采用两种以上的不同opc制程进行opc，如果两种所述opc制程对应的结果是否相同或相差在允许范围，则将对应的所述比较图形块标记为通用比较图形块。

步骤52、找出所有所述通用比较图形块，得到对应的所述错误点索引的矩阵。

步骤53、采用蒙特卡洛抽样，在所述错误点索引的矩阵中得到一组所述错误点索引，根据所得到的一组所述错误点索引在所述数据库中寻找对应的所述对比图形块并将所述对比图形块按一定的阵列生成所述测试图形。

进一步的改进是，步骤一中所述验证图形为所有制造厂(fab)、所有产品和所有工艺层次(layer)对应的所述验证图形。

所述图形索引包括所述制造厂、产品和工艺层次。

进一步的改进是，步骤二中各所述验证图形的错误点按类型分类，所述错误点索引包括了所述图形索引加错误点类型(type)和所述特征值。

进一步的改进是，所述图形索引中，每个所述图形索引包含图形信息、制造厂信息及其工艺信息。

进一步的改进是，所述图形索引中，每个所述图形索引包含错误类型及其量化值信息。

进一步的改进是，所述错误点索引中，一个所述错误点类型和多个所述特征值对应，一个所述特征值和多个所述错误点类型对应。

进一步的改进是，所述比对图形块为以错误点为图形坐标为中心截取的一块3微米的正方形图形。

进一步的改进是，步骤三中还包括分步骤：

步骤33、搜索所述图形索引，得到各工艺层的opc验证所报问题的具体数值信息及其相应的错误类型数量来改善对应的工艺层的opc制程。

进一步的改进是，步骤四中还包括分步骤：

步骤43、将生成的所述测试图形放置在切割道上做测试。

进一步的改进是，步骤五中还包括分步骤：

步骤54、将生成的所述测试图形放置在切割道上做测试。

进一步的改进是，步骤42根据不同的产品项目和对应的需求生长所述测试图形。

进一步的改进是，所述错误点为，经过模型的仿真后，在芯片生产时，图形的形变大于设定标准，会造成器件失效或性能下降的位置。

本发明通过对opc验证的验证图形进行量化并存入数据库中，并结合错误点及对应的比对图形块和特征值的量化并存入数据库，当制作好数据库之后能进行数据搜索得到特征值的分布值，根据特征值的分布值能在数据库中进行比对图形块的寻找并形成生成测试图形，本发明的测试图形能根据不同项目和需求来生成对应的测试图形，能省时省力并更为精准的提升opc制程。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明：

图1是现有opc验证中出现的线端问题的图形结构；

图2是本发明实施例用于opc验证的验证图形的量化分析方法的流程图；

图3a-图3f是本发明实施例方法各步骤中对应的示意图。

具体实施方式

如图2所示，是本发明实施例用于opc验证的验证图形的量化分析方法的流程图；如图3a至图3f所示，是本发明实施例方法各步骤中对应的示意图，本发明实施例用于opc验证的验证图形的量化分析方法包括如下步骤：

步骤一、创建验证图形201的图形索引402并存入数据库401；所述图形索引402指向了所采用的所有所述验证图形201。

所述验证图形201的示意图如图3a所示，所述验证图形201由多根图形条组合而成，能根据实际需要进行变化。

所述数据库401的示意图如图3e所示。

如图3b所示，所述验证图形201为所有制造厂301、所有产品302和所有工艺层次303对应的所述验证图形201。所述图形索引402包括所述制造厂301、产品302和工艺层次303。如所述制造厂301能包括多个，如fab1，fab2和fab3等。所述产品302包括多个，图3b中显示了产品1和产品2等。所述工艺层次303包括多个，如图3b中显示了工艺层次1和工艺层次2等。

所述图形索引402中，一个所述制造厂301对应于多个所述产品302，一个所述产品302和多个所述制造厂301对应。

所述图形索引402中，一个所述产品302对应于多个所述工艺层次303，一个所述工艺层次303和多个所述产品302对应。

通常，所述图形索引402可以表示为{fab_id,tech,layer},fab_id表示对应的所述制造厂301，tech对应于所述产品302，layer表示对于的所述工艺层次303。如果一个所述验证图形201对应的工艺层次为工艺层次1，产品为产品1，工厂为fab1，则对应的所述图形索引402为{fab1，产品1，工艺层次1}。

所述图形索引402中，每个所述图形索引402包含图形信息、制造厂信息及其工艺信息。

所述图形索引402中，每个所述图形索引402包含错误类型及其量化值信息。

步骤二、统计所有所述验证图形201中存在的错误点202，以对应的所述错误点202为中心坐标点，在所述错误点202对应的所述验证图形201中截取比对图形块203，所述比对图形块203的示意图如图3c所示。

计算所述比对图形块203的特征值305，创建各所述错误点202对应的所述比对图形块203的所述特征值305对应的错误点索引403；将所述错误点索引403和各所述比对图形块203以及对应的特征值305都存入数据库401。

各所述验证图形201的错误点202按类型分类，所述错误点索引403包括了所述图形索引402加错误点类型304和所述特征值305。如图3d所示，所述错误点索引403中，一个所述错误点类型304和多个所述特征值305对应，一个所述特征值305和多个所述错误点类型304对应。图3d中，错误点类型304包括多个并分别用错误点类型1和错误点类型2等表示；所述特征值305包括多个并分别用特征值1和特征值2等表示。

通常，所述错误点索引403可以表示为{fab_id,tech,layer，type，prop},type表示所述错误点类型304，prop表示所述特征值305。例如，某一个错误点对应的所述图形索引402为{fab1，产品1，工艺层次1}，对应的所述错误点类型为错误点类型1，所述特征值为特征值1，则所述错误点索引403值为{fab1，产品1，工艺层次1，错误点类型1，特征值1}。

如图3c所示，所述比对图形块203为以错误点为图形坐标为中心截取的一块3微米的正方形图形。

所述错误点202为，经过模型的仿真后，在芯片生产时，图形的形变大于设定标准，会造成器件失效或性能下降的位置。

步骤三、对所述数据库401中的数据进行统计分析，包括如下分步骤：

步骤31、搜索所述错误点索引403，统计得到各所述特征值305相应的频次列表。

步骤32、将所述特征值305的频次列表归一化，进行二维积分计算得到对应的所述特征值305的分布值。如图3f所示，对prop1和prop2之间的所述特征值进行积分能得到大小为s1的分布值。

还包括分步骤：

步骤33、搜索所述图形索引402，得到各工艺层的opc验证所报问题的具体数值信息及其相应的错误类型数量来改善对应的工艺层的opc制程。

步骤四、生成测试图形，包括如下分步骤：

步骤41、根据所述特征值305的分布值，得到所述错误点索引403的矩阵。

步骤42、采用蒙特卡洛抽样，在所述错误点索引403的矩阵中得到一组所述错误点索引403，根据所得到的一组所述错误点索引403在所述数据库401中寻找对应的所述对比图形块并将所述对比图形块按一定的阵列生成所述测试图形。

较佳为，步骤42根据不同的产品302项目和对应的需求生长所述测试图形。

步骤43、将生成的所述测试图形放置在切割道上做测试。

还包括如下步骤：

步骤五、进行不同opc制程的比较，提升所述测试图形的通用性，包括如下分步骤：

步骤51、对相应的一个所述对比图形块，采用两种以上的不同opc制程进行opc，如果两种所述opc制程对应的结果是否相同或相差在允许范围，则将对应的所述比较图形块标记为通用比较图形块。

步骤52、找出所有所述通用比较图形块，得到对应的所述错误点索引403的矩阵。

步骤53、采用蒙特卡洛抽样，在所述错误点索引403的矩阵中得到一组所述错误点索引403，根据所得到的一组所述错误点索引403在所述数据库401中寻找对应的所述对比图形块并将所述对比图形块按一定的阵列生成所述测试图形。

步骤54、将生成的所述测试图形放置在切割道上做测试。

本发明实施例通过对opc验证的验证图形201进行量化并存入数据库401中，并结合错误点202及对应的比对图形块203和特征值305的量化并存入数据库401，当制作好数据库401之后能进行数据搜索得到特征值305的分布值，根据特征值305的分布值能在数据库401中进行比对图形块203的寻找并形成生成测试图形，本发明实施例的测试图形能根据不同项目和需求来生成对应的测试图形，能省时省力并更为精准的提升opc制程。

以上通过具体实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。