Krökt maskmönster för maximal litografisk förmåga

Krökt maskmönster för maximal litografisk förmåga

Källnod: 2640128

Masker har alltid varit en viktig del av litografiprocessen inom halvledarindustrin. Med de minsta tryckta funktionerna som redan är subvåglängd för både DUV- och EUV-fall vid blödande kanten, spelar maskmönster en mer avgörande roll än någonsin. Dessutom, i fallet med EUV-litografi, är genomströmningen ett problem, så effektiviteten för att projicera ljus från masken till wafern måste maximeras.

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.

Krökt maskmönster 1

Figur 1. En tät kontaktbild från fyrpols- eller QUASAR-belysning, vilket resulterar i ett interferensmönster med fyra strålar.

Fyra interfererande strålar kan inte ge skarpa hörn vid skivan, utan ett något rundat hörn (som härrör från sinusformade termer). Ett skarpt hörn på masken skulle ge samma rundhet, men med mindre ljus som anländer till wafern; en stor del av ljuset har spridits ut. En effektivare överföring av ljus till wafern kan uppnås om maskfunktionen har en kurvlinjär kant med samma rundhet, som i figur 2.

rund funktion E Fig 2

Figur 2. Maskfunktion som visar en krökt kant som liknar bilden vid wafern som visas i figur 1. Kantens rundhet bör helst vara densamma.

Mängden ljus som sprids ut kan minimeras till 0, helst med kurvlinjära kanter. Men trots fördelen med kurvlinjära kanter har det varit svårt att göra masker med dessa funktioner, eftersom kurvlinjära kanter kräver att mer maskskrivarinformation lagras jämfört med funktioner på Manhattan, vilket minskar systemets genomströmning från den extra bearbetningstiden. Den datavolym som krävs för att representera kurvlinjära former kan vara en storleksordning mer än motsvarande Manhattan-former. Multi-beam mask writers, som först nyligen blivit tillgängliga, kompenserar förlusten av genomströmning.

Masksyntes (design av särdragen på masken) och maskdataförberedelser (omvandling av nämnda särdrag till data som direkt används av maskskrivaren) måste också uppdateras för att tillgodose kurvlinjära särdrag. Synopsys beskrev nyligen resultaten av sin kurvlinjära uppgradering. Två markerade funktioner för masksyntes är Machine Learning och Parametric Curve OPC. Maskininlärning används för att träna en kontinuerlig djupinlärningsmodell på utvalda klipp. Parametrisk kurva OPC representerar kurvlinjära lagerutdata som en sekvens av parametriska kurvformer, för att minimera datavolymen. Maskdataförberedelse består av fyra delar: Mask Error Correction (MEC), Pattern Matching, Mask Rule Check (MRC) och Fracture. MEC är tänkt att kompensera fel från maskskrivningsprocessen, såsom elektronspridning från EUV-flerskiktet. Mönstermatchningsoperationer söker efter matchande former och blir mer komplicerade utan begränsningar till endast 90-graders och 45-graders kanter. På samma sätt behöver MRC nya regler för att upptäcka överträdelser som involverar krökta former. Slutligen måste brott inte bara bevara böjda kanter utan också stödja flerstrålemaskritare.

Synopsys inkluderar alla dessa funktioner i sitt kurvlinjära databehandlingssystem med full chip, som beskrivs fullständigt från vitboken här: https://www.synopsys.com/silicon/resources/whitepapers/curvilinear_mask_patterning.html.

Läs också:

Chiplet Q&A med Henry Sheng från Synopsys

Synopsys accelererar framgång i första pass-kisel för Banias Labs nätverks-SoC

Multi-Die Systems: Den största störningen i datoranvändning på flera år

Dela det här inlägget via:

Tidsstämpel:

Mer från Semiwiki