Tạo mẫu mặt nạ cong để tối đa hóa khả năng in thạch bản

Được xuất bản lại bởi Plato

Người theo dõi: 0

Mặt nạ luôn là một phần thiết yếu của quy trình in thạch bản trong ngành công nghiệp bán dẫn. Với các tính năng được in nhỏ nhất đã có bước sóng dưới cho cả vỏ DUV và EUV, các mẫu mặt nạ đóng một vai trò quan trọng hơn bao giờ hết. Hơn nữa, trong trường hợp in thạch bản EUV, thông lượng là một vấn đề cần quan tâm, vì vậy hiệu quả của việc chiếu ánh sáng từ mặt nạ đến tấm wafer cần phải được tối đa hóa.

Các tính năng thông thường của Manhattan (được đặt tên theo đường chân trời của Manhattan) được biết đến với các góc nhọn, giúp tán xạ ánh sáng một cách tự nhiên bên ngoài khẩu độ kỹ thuật số của hệ thống quang học. Để giảm thiểu sự tán xạ như vậy, người ta có thể chuyển sang Công nghệ in ngược (ILT), công nghệ này sẽ cho phép các cạnh đặc trưng đường cong trên mặt nạ thay thế các góc nhọn. Để đưa ra ví dụ đơn giản nhất khi điều này có thể hữu ích, hãy xem xét hình ảnh quang học mục tiêu (hoặc hình ảnh trên không) tại tấm wafer trong Hình 1, được mong đợi từ một mảng tiếp xúc dày đặc với sự chiếu sáng tứ cực hoặc QUASAR, dẫn đến mô hình giao thoa 4 chùm tia .

Tạo hình mặt nạ đường cong 1

Hình 1. Hình ảnh tiếp xúc dày đặc từ chiếu sáng tứ cực hoặc QUASAR, dẫn đến hình ảnh giao thoa bốn chùm tia.

Bốn chùm giao thoa không thể tạo ra các góc nhọn ở tấm wafer, mà là một góc hơi tròn (bắt nguồn từ thuật ngữ hình sin). Một góc đặc trưng sắc nét trên mặt nạ sẽ tạo ra độ tròn tương tự, nhưng ít ánh sáng chiếu tới tấm wafer hơn; một phần tốt của ánh sáng đã bị phân tán ra ngoài. Có thể đạt được sự truyền ánh sáng tới tấm wafer hiệu quả hơn nếu tính năng mặt nạ có cạnh cong với cùng độ tròn, như trong Hình 2.

tính năng tròn E Hình 2

Hình 2. Tính năng mặt nạ hiển thị cạnh cong tương tự như hình ảnh ở tấm wafer được minh họa trong Hình 1. Lý tưởng nhất là độ tròn của cạnh phải giống nhau.

Lượng ánh sáng tán xạ có thể được giảm thiểu đến 0 một cách lý tưởng với các cạnh cong. Tuy nhiên, bất chấp lợi thế của các cạnh cong, rất khó để tạo mặt nạ với các tính năng này, vì các cạnh cong yêu cầu lưu trữ nhiều thông tin trình ghi mặt nạ hơn so với các tính năng của Manhattan, làm giảm thông lượng hệ thống do thời gian xử lý tăng thêm. Khối lượng dữ liệu cần thiết để biểu diễn các hình dạng đường cong có thể lớn hơn một bậc so với các hình dạng Manhattan tương ứng. Bộ ghi mặt nạ đa tia, chỉ mới xuất hiện gần đây, sẽ bù đắp cho sự mất mát về thông lượng.

Tổng hợp mặt nạ (thiết kế các tính năng trên mặt nạ) và chuẩn bị dữ liệu mặt nạ (chuyển đổi các tính năng đã nói thành dữ liệu được người viết mặt nạ sử dụng trực tiếp) cũng cần được cập nhật để phù hợp với các tính năng đường cong. Synopsys gần đây đã mô tả kết quả nâng cấp đường cong của nó. Hai tính năng nổi bật để tổng hợp mặt nạ là Machine Learning và Parametric Curve OPC. Học máy được sử dụng để đào tạo mô hình học sâu liên tục trên các clip đã chọn. Đường cong tham số OPC biểu thị đầu ra của lớp đường cong dưới dạng một chuỗi các hình dạng đường cong tham số, nhằm giảm thiểu khối lượng dữ liệu. Chuẩn bị dữ liệu mặt nạ bao gồm bốn phần: Sửa lỗi mặt nạ (MEC), Khớp mẫu, Kiểm tra quy tắc mặt nạ (MRC) và Fracture. MEC được cho là sẽ bù các lỗi từ quá trình ghi mặt nạ, chẳng hạn như tán xạ điện tử từ đa lớp EUV. Các hoạt động khớp mẫu tìm kiếm các hình khớp và trở nên phức tạp hơn mà không bị hạn chế chỉ ở các cạnh 90 độ và 45 độ. Tương tự như vậy, MRC cần các quy tắc mới để phát hiện các vi phạm liên quan đến hình dạng cong. Cuối cùng, gãy xương không chỉ cần bảo tồn các cạnh cong mà còn hỗ trợ các nhà văn mặt nạ đa tia.

Synopsys bao gồm tất cả các tính năng này trong hệ thống xử lý dữ liệu đường cong toàn chip của nó, được mô tả đầy đủ từ sách trắng tại đây: https://www.synopsys.com/silicon/resources/whitepapers/curvilinear_mask_patterning.html.