用于最大化光刻能力的曲线掩模图案化

用于最大化光刻能力的曲线掩模图案化

时间戳：9年2023月1日下午00:XNUMX
源节点： 2640128

掩模一直是半导体行业光刻工艺的重要组成部分。 对于最先进的 DUV 和 EUV 案例，最小的印刷特征已经是亚波长，掩模图案比以往任何时候都发挥着更重要的作用。 此外，在 EUV 光刻的情况下，吞吐量是一个问题，因此需要最大限度地提高光从掩模到晶圆的投射效率。

传统的曼哈顿特征（以曼哈顿天际线命名）以其尖角而闻名，这些尖角自然地将光散射到光学系统的数值孔径之外。 为了最大限度地减少这种散射，人们可能会转向逆光刻技术（ILT），该技术将允许掩模上的曲线特征边缘取代尖角。 为了给出一个可能有用的最简单的例子，请考虑图 1 中晶圆上的目标光学图像（或空间图像），该图像预计来自具有四极或 QUASAR 照明的密集接触阵列，从而产生 4 光束干涉图案。

曲线掩模图案 1

图 1. 来自四极或类星体照明的密集接触图像，产生四光束干涉图案。

四个干涉光束不会在晶圆上产生尖角，而是产生一些圆角（源自正弦项）。 掩模上的尖锐特征角会产生相同的圆度，但到达晶圆的光较少； 很大一部分光被散射掉了。 如果掩模特征具有具有相同圆度的曲线边缘，则可以更有效地将光传输到晶圆，如图 2 所示。

圆形特征 E 图 2

图 2. 显示曲线边缘的掩模特征与图 1 所示晶圆上的图像相似。边缘圆度理想情况下应相同。

理想情况下，曲线边缘的散射光量可以最小化为 0。 然而，尽管曲线边缘具有优势，但很难制作具有这些特征的掩膜，因为与曼哈顿特征相比，曲线边缘需要存储更多的掩膜写入器信息，从而降低了额外处理时间的系统吞吐量。 表示曲线形状所需的数据量可能比相应的曼哈顿形状多一个数量级。 最近才可用的多光束掩模写入器补偿了吞吐量的损失。

掩模合成（设计掩模上的特征）和掩模数据准备（将所述特征转换为掩模编写器直接使用的数据）也需要更新以适应曲线特征。 Synopsys 最近描述了其曲线升级的结果。 掩码合成的两个突出功能是机器学习和参数曲线 OPC。 机器学习用于在选定的剪辑上训练连续的深度学习模型。 参数曲线 OPC 将曲线层输出表示为一系列参数曲线形状，以最大限度地减少数据量。 掩模数据准备包括四个部分：掩模纠错 (MEC)、模式匹配、掩模规则检查 (MRC) 和断裂。 MEC 应该补偿掩模写入过程中的误差，例如 EUV 多层的电子散射。 模式匹配操作搜索匹配的形状并变得更加复杂，并且不限于仅 90 度和 45 度的边缘。 同样，MRC 需要新的规则来检测涉及弯曲形状的违规行为。 最后，断裂不仅需要保留弯曲的边缘，还需要支持多光束掩模写入器。

Synopsys 在其全芯片曲线数据处理系统中包含所有这些功能，这些功能在此处的白皮书中进行了全面描述： https://www.synopsys.com/silicon/resources/whitepapers/curvilinear_mask_patterning.html.

另请参阅：

Chiplet Q&A 与 Synopsys 的 Henry Sheng

Synopsys 加速 Banias Labs 网络 SoC 的首次硅成功

多管芯系统：多年来计算领域的最大颠覆

通过以下方式分享此帖子：

时间戳记：

更多来自 半维基