리소그래피 성능 극대화를 위한 곡선형 마스크 패터닝

플라톤에 의해 재발행

팔로워 : 0

마스크는 항상 반도체 산업의 리소그래피 공정에서 필수적인 부분이었습니다. 최첨단의 DUV 및 EUV 사례 모두에서 가장 작은 인쇄 기능이 이미 파장 이하이기 때문에 마스크 패턴은 그 어느 때보다 중요한 역할을 합니다. 또한 EUV 리소그래피의 경우 처리량이 중요하므로 마스크에서 웨이퍼로 빛을 투사하는 효율을 최대화해야 합니다.

맨해튼 스카이라인의 이름을 딴 기존의 맨해튼 지형은 날카로운 모서리로 알려져 있으며, 이는 광학 시스템의 개구수 외부에서 자연적으로 빛을 산란시킵니다. 이러한 산란을 최소화하기 위해 역리소그래피 기술(ILT)을 사용하면 마스크의 곡선 형상 가장자리가 날카로운 모서리를 대체할 수 있습니다. 이것이 유용할 수 있는 가장 간단한 예를 들기 위해 그림 1의 웨이퍼에서 대상 광학 이미지(또는 공중 이미지)를 고려하십시오. 이는 4중극 또는 QUASAR 조명이 있는 조밀한 접촉 어레이에서 예상되어 XNUMX빔 간섭 패턴을 생성합니다. .

곡선 마스크 패터닝 1

그림 1. 사중극자 또는 QUASAR 조명의 조밀한 접촉 이미지로 XNUMX빔 간섭 패턴이 나타납니다.

2개의 간섭 빔은 웨이퍼에서 날카로운 모서리를 생성할 수 없지만 다소 둥근 모서리(사인 곡선 용어에서 파생됨)를 생성합니다. 마스크의 날카로운 피처 모서리는 동일한 진원도를 생성하지만 웨이퍼에 도달하는 빛은 적습니다. 빛의 좋은 부분이 흩어졌습니다. 그림 XNUMX에서와 같이 마스크 피쳐에 동일한 진원도를 가진 곡선형 가장자리가 있는 경우 웨이퍼로 빛을 보다 효율적으로 전달할 수 있습니다.

라운드 피쳐 E 그림 2

그림 2. 그림 1에 표시된 웨이퍼의 이미지와 유사한 곡선 에지를 보여주는 마스크 피처. 이상적인 에지 진원도는 동일해야 합니다.

흩어지는 빛의 양은 곡선 모서리로 이상적으로 0으로 최소화할 수 있습니다. 그러나 곡선 에지의 장점에도 불구하고 곡선 에지는 맨해튼 기능에 비해 더 많은 마스크 작성기 정보를 저장해야 하므로 추가 처리 시간으로 인해 시스템 처리량이 줄어들기 때문에 이러한 기능으로 마스크를 만드는 것은 어려웠습니다. 곡선 모양을 나타내는 데 필요한 데이터 볼륨은 해당 맨해튼 모양보다 훨씬 더 많을 수 있습니다. 최근에야 사용할 수 있게 된 다중 빔 마스크 작성자는 처리량 손실을 보상합니다.

마스크 합성(마스크에 피처 설계) 및 마스크 데이터 준비(상기 피처를 마스크 작성자가 직접 사용하는 데이터로 변환)도 곡선 피처를 수용하도록 업데이트해야 합니다. Synopsys는 최근 곡선형 업그레이드 결과를 설명했습니다. 마스크 합성을 위해 강조된 두 가지 기능은 머신 러닝과 파라메트릭 곡선 OPC입니다. 기계 학습은 선택한 클립에 대해 지속적인 딥 러닝 모델을 교육하는 데 사용됩니다. 파라메트릭 곡선 OPC는 데이터 볼륨을 최소화하기 위해 곡선 레이어 출력을 파라메트릭 곡선 모양의 시퀀스로 나타냅니다. 마스크 데이터 준비는 MEC(마스크 오류 수정), 패턴 일치, MRC(마스크 규칙 검사) 및 Fracture의 네 부분으로 구성됩니다. MEC는 EUV 다층에서 전자 산란과 같은 마스크 쓰기 프로세스의 오류를 보상하기로 되어 있습니다. 패턴 일치 작업은 일치하는 모양을 검색하며 90도 및 45도 가장자리에 대한 제한 없이 더욱 복잡해집니다. 마찬가지로 MRC는 곡선 모양과 관련된 위반을 감지하기 위한 새로운 규칙이 필요합니다. 마지막으로 골절은 곡선 가장자리를 보존할 뿐만 아니라 다중 빔 마스크 작성기를 지원해야 합니다.

Synopsys는 전체 칩 곡선형 데이터 처리 시스템에 이러한 모든 기능을 포함하고 있으며 여기 백서에 자세히 설명되어 있습니다. https://www.synopsys.com/silicon/resources/whitepapers/curvilinear_mask_patterning.html.