Curvilinear Mask Patterning For Maximizing Lithography Capability

Julkaissut Platon

seuraajia: 0

Maskit ovat aina olleet olennainen osa puolijohdeteollisuuden litografiaprosessia. Pienimmät painetut ominaisuudet ovat jo aliaallonpituuksia sekä DUV- että EUV-koteloissa verenvuotoreunassa, joten maskin kuvioilla on tärkeämpi rooli kuin koskaan. Lisäksi EUV-litografian tapauksessa läpimeno on huolenaihe, joten valon projisoinnin tehokkuus maskista kiekkoon on maksimoida.

Conventional Manhattan features (named after the Manhattan skyline) are known for their sharp corners, which naturally scatter light outside the numerical aperture of the optical system. In order to minimize such scattering, one may to turn to Inverse Lithography Technology (ILT), which will allow curvilinear feature edges on the mask to replace sharp corners. To give the simplest example where this may be useful, consider the target optical image (or aerial image) at the wafer in Figure 1, which is expected from a dense contact array with quadrupole or QUASAR illumination, resulting in a 4-beam interference pattern.

Kaareva maskin kuviointi 1

Kuva 1. Tiheä kosketuskuva kvadrupoli- tai QUASAR-valaistuksesta, mikä johtaa neljän säteen häiriökuvioon.

Neljä häiritsevää sädettä eivät voi tuottaa teräviä kulmia kiekkoon, vaan hieman pyöristetyn kulman (johdettu sinimuotoisista termeistä). Naamarin terävä kulma tuottaisi saman pyöreyden, mutta vähemmän valoa saapuisi kiekkoon; suuri osa valosta on hajallaan. Tehokkaampi valon siirto kiekkoon voidaan saavuttaa, jos maskiominaisuuden kaareva reuna on yhtä pyöreä, kuten kuvassa 2.

pyöreä piirre E Kuva 2

Kuva 2. Maskin ominaisuus, joka näyttää kaarevan reunan, joka on samanlainen kuin kuvassa 1 esitetyssä kiekossa. Reunan pyöreyden tulisi ihanteellisesti olla sama.

Sironneen valon määrä voidaan minimoida nollaan ihanteellisesti kaarevilla reunoilla. Silti kaarevien reunojen eduista huolimatta maskien tekeminen näillä ominaisuuksilla on ollut vaikeaa, koska kaarevat reunat vaativat enemmän maskinkirjoitustietojen tallentamista Manhattanin ominaisuuksiin verrattuna, mikä vähentää järjestelmän suorituskykyä ylimääräisestä käsittelyajasta. Kaarevien muotojen esittämiseen vaadittava datamäärä voi olla suuruusluokkaa suurempi kuin vastaavien Manhattanin muotojen. Vasta äskettäin saataville tulleet monisäteiset maskikirjoittimet kompensoivat suorituskyvyn menetystä.

Maskin synteesi (maskin ominaisuuksien suunnittelu) ja maskin datan valmistelu (mainittujen ominaisuuksien muuntaminen maskin kirjoittajan suoraan käyttämäksi tiedoiksi) on myös päivitettävä kaarevien ominaisuuksien huomioon ottamiseksi. Synopsys kuvaili äskettäin kaarevan päivityksen tuloksia. Kaksi maskin synteesin korostettua ominaisuutta ovat koneoppiminen ja parametrikäyrä OPC. Koneoppimista käytetään jatkuvan syväoppimismallin kouluttamiseen valituille klipeille. Parametrinen käyrä OPC edustaa kaarevan kerroksen lähtöä parametristen käyrämuotojen sarjana datamäärän minimoimiseksi. Maskitietojen valmistelu koostuu neljästä osasta: maskin virheen korjaus (MEC), kuvion sovitus, maskin säännön tarkistus (MRC) ja murtuma. MEC:n on tarkoitus kompensoida maskin kirjoitusprosessin virheet, kuten elektronien sironta EUV-monikerroksesta. Kuvioiden sovitustoiminnot etsivät yhteensopivia muotoja ja muuttuvat monimutkaisemmiksi ilman rajoituksia vain 90 asteen ja 45 asteen reunoihin. Samoin MRC tarvitsee uusia sääntöjä kaareviin muotoihin liittyvien rikkomusten havaitsemiseksi. Lopuksi murtuma ei tarvitse vain säilyttää kaarevia reunoja, vaan myös tukea monisäteisiä maskien kirjoittajia.

Synopsys sisältää kaikki nämä ominaisuudet täyden sirun kaarevassa tietojenkäsittelyjärjestelmässään, jotka on kuvattu kokonaisuudessaan tässä valkoisessa kirjassa: https://www.synopsys.com/silicon/resources/whitepapers/curvilinear_mask_patterning.html.