リソグラフィー能力を最大化するための曲線マスクパターニング

プラトン再発行

フォロワー： 0

マスクは常に、半導体業界のリソグラフィープロセスに不可欠な部分でした。最先端の DUV と EUV の両方のケースでは、最小の印刷フィーチャがすでにサブ波長になっているため、マスクパターンはこれまで以上に重要な役割を果たします。さらに、EUVリソグラフィの場合はスループットが重要なため、マスクからウエハへの光の投影効率を最大化する必要があります。

従来のマンハッタンの特徴 (マンハッタンのスカイラインにちなんで名付けられた) は、光学系の開口数の外側で光を自然に散乱させる鋭い角で知られています。このような散乱を最小限に抑えるには、マスク上の曲線フィーチャのエッジを鋭いコーナーに置き換えることができるインバースリソグラフィテクノロジー (ILT) を利用することができます。これが役立つ最も単純な例として、図 1 のウェーハ上のターゲット光学像 (または空中像) を考えてみましょう。これは、四重極またはクエーサー照明を備えた高密度コンタクトアレイから予想され、結果として 4 ビーム干渉パターンが生じます。。

曲線マスクのパターニング 1

図 1. 四重極または QUASAR 照明からの密集した接触画像。結果として XNUMX ビーム干渉パターンが生じます。

2 つの干渉ビームはウェーハに鋭い角を生成できませんが、(正弦波の項から導出された) やや丸い角を生成します。マスク上の鋭いフィーチャの角は同じ真円度を生成しますが、ウェハに到達する光は少なくなります。光のかなりの部分が散乱されています。図 XNUMX のように、マスクの形状が同じ真円度の曲線エッジを備えている場合、ウェーハへの光のより効率的な転送を実現できます。

ラウンドフィーチャ E 図 2

図 2. 図 1 に示すウェーハの画像と同様の曲線エッジを示すマスクの特徴。エッジの真円度は理想的には同じである必要があります。

理想的には、曲線エッジを使用すると、散乱する光の量を 0 に抑えることができます。しかし、曲線エッジの利点にもかかわらず、これらの特徴を備えたマスクを作成することは困難でした。曲線エッジでは、マンハッタンフィーチャと比較してより多くのマスクライタ情報を保存する必要があり、余分な処理時間によりシステムのスループットが低下するためです。曲線形状を表現するために必要なデータ量は、対応するマンハッタン形状よりも XNUMX 桁多くなる可能性があります。最近になって利用可能になったマルチビームマスクライタは、スループットの損失を補います。

マスク合成 (マスク上のフィーチャの設計) とマスクデータの準備 (前記フィーチャをマスクライタが直接使用するデータに変換する) も、曲線フィーチャに対応するように更新する必要があります。シノプシスは最近、曲線的なアップグレードの結果について説明しました。マスク合成で注目されている 90 つの機能は、機械学習とパラメトリックカーブ OPC です。機械学習を使用して、選択したクリップで連続ディープラーニングモデルをトレーニングします。パラメトリック曲線 OPC は、データ量を最小限に抑えるために、曲線レイヤー出力を一連のパラメトリック曲線形状として表します。マスクデータの準備は、マスクエラー修正 (MEC)、パターンマッチング、マスクルールチェック (MRC)、およびフラクチャの 45 つの部分で構成されます。 MEC は、EUV 多層からの電子散乱など、マスク描画プロセスからの誤差を補正すると考えられています。パターンマッチング操作は、一致する形状を検索するため、XNUMX 度エッジと XNUMX 度エッジのみに制限されず、より複雑になります。同様に、MRC には、湾曲した形状に関連する違反を検出するための新しいルールが必要です。最後に、フラクチャでは、湾曲したエッジを維持するだけでなく、マルチビームマスクライタもサポートする必要があります。

シノプシスのフルチップ曲線データ処理システムには、これらすべての機能が含まれています。詳細は、次のホワイトペーパーで説明されています。 https://www.synopsys.com/silicon/resources/whitepapers/curvilinear_mask_patterning.html.