气体放电光源中的预测装置制造方法及图纸

一种装置包括决策模块，该决策模块被配置为：接收与发射光束的光学系统的性能状况有关的性能度量；基于性能度量和预定学习模型来估计所提出的对光学系统的改变的有效性；以及如果估计所提出的对光学系统的改变是有效的，则向光学系统输出改变命令。向光学系统输出改变命令。向光学系统输出改变命令。

Prediction device in gas discharge light source

【技术实现步骤摘要】
【国外来华专利技术】气体放电光源中的预测装置
[0001]相关申请的交叉引用
[0002]本申请要求于2019年12月18日提交的题为“PREDICTIVE APPARATUS IN A GAS DISCHARGE LIGHT SOURCE”的美国申请No.62/949,723的优先权，该美国申请通过引用被整体并入本文中。


[0003]本公开涉及一种使用预测模型的装置，该预测模型预测光学光刻系统的光学源的变化是否会改善光学源的操作条件。

技术介绍

[0004]一种在光刻中使用的气体放电光源被称为准分子光源或激光器。通常，准分子激光器使用一种或多种稀有气体和反应性气体的组合，稀有气体可以包括氩气、氪气或氙气，反应性气体可以包括氟气或氯气。准分子激光器可以在电模拟(提供能量)和(气体混合物的)高压的适当条件下产生准分子(伪分子)，该准分子仅在激励状态下存在。激励状态下的准分子产生在紫外范围内的经放大的光。准分子光源可以使用单个气体放电腔室或多个气体放电腔室。当准分子光源执行时，准分子光源产生深紫外(DUV)光束。DUV光可以具有例如约100纳米(nm)至约400nm的波长。
[0005]可以将DUV光束引导到光刻曝光装置或扫描仪，该光刻曝光装置或扫描仪是将所需图案施加到衬底(例如硅晶片)的目标部分上的机器。DUV光束与投影光学系统相互作用，该投影光学系统通过掩模将DUV光束投影到晶片的光致抗蚀剂上。这样，一层或多层芯片图案被图案化到光致抗蚀剂上，随后晶片被蚀刻和清洁。

技术实现思路

[0006]在一些总体方面，一种装置包括决策模块，该决策模块被配置为：接收与发射光束的光学系统的性能状况有关的性能度量；基于性能度量和预定学习模型，估计所提出的对光学系统的改变的有效性；以及如果估计所提出的对光学系统的改变是有效的，则向光学系统输出改变命令。
[0007]实现方式可以包括以下特征中的一个或多个。例如，决策模块可以被配置为：如果决策模块估计所提出的对光学系统的改变不是有效的，则向光学系统输出维持命令。
[0008]决策模块可以被配置为：通过确定光束的性能状况是否被改善，估计所提出的改变的有效性。决策模块可以通过确定光束质量的误差率是否被降低来确定光束的性能状况是否被改善。
[0009]性能状况可以包括以下项中的一项或多项：光束的光束质量误差的类型，在一定时段内气体混合物中发生放电事件的次数，与光束的光束质量的误差相关联的一个或多个故障，光束的光束质量以及光束的光束质量的误差。性能状况可以包括光学系统的配置，该光学系统的配置包括与包含气体混合物的一个或多个腔室有关的配置，诸如与包含气体混
合物的一个或多个腔室相关联的压力、温度、设置或操作模式。性能状况可以包括与光束的操作参数或特性相关联的误差事件、相对于故障标记对每个误差事件的分析、以及光学系统的配置的改变。
[0010]决策模块可以被配置为：在实现对光学系统的改变之前，估计所提出的改变的有效性。
[0011]该装置可以包括与决策模块通信的接口模块，该接口模块提供性能度量。接口模块包括多个分析子模块。多个分析子模块包括光束质量检测子模块，该光束质量检测子模块包括：一个或多个光谱特征检测模块，每个光谱特征检测模块被配置为：检测光束的相应光谱特征的误差，并且产生指示该光束的相应光谱特征误差的误差事件信号；以及能量检测模块，被配置为：检测光束的能量的误差，并且产生指示光束的能量误差的误差事件信号。光谱特征可以包括光束的带宽或波长，并且性能度量可以基于相应光谱特征和能量的误差事件来产生。接口模块可以包括：放电计数检测模块，被配置为：检测在光学系统的气体混合物中的放电事件的发生，并且产生指示在一定时段内的放电事件的计数的误差事件信号。性能度量可以包括与从放电检测模块产生的信号有关的数据。该时段可以从上一次再填充气体混合物开始测量。该时段可以从包含气体混合物的一个或多个腔室被光学系统中的一个或多个新腔室替换开始测量。接口模块可以包括：故障标记模块，被配置为：相对于故障标记的集合，分析每个光束质量误差事件，并且产生将光束质量误差事件分类为已知故障标记的似然得分。性能度量可以包括与来自故障标记模块的输出有关的数据。
[0012]预定学习模型可以接收性能度量作为输入，并且可以输出估计。预定学习模型可以包括支持向量机。预定学习模型可以包括分离的超平面，该超平面将性能度量分类为是或否，其中是分类指示所提出的改变是有效的，并且否分类指示所提出的改变不是有效的。
[0013]预定学习模型可以基于光学系统的类型、配置和/或年龄来构建。
[0014]对所提出的改变的有效性的估计可以指示光学系统在所提出的改变之后的性能状况相对于光学系统在所提出的改变之前的状况是否改善。
[0015]决策模块可以被配置为：通过将光学系统在所提出的改变之后的性能状况与光学系统在所提出的改变之前的性能状况进行比较，估计所提出的改变的有效性。决策模块可以被配置为：如果比较结果指示性能状况将改善预定量，则输出改变命令。
[0016]所提出的对光学系统的改变可以包括：所提出的光学系统内的气体混合物的再填充和所提出的光学系统的配置的改变中的一者或多者。决策模块可以被配置为：还基于探测到的对光学系统的配置的改变，估计所提出的光学系统内的气体混合物的再填充的有效性。
[0017]在其他总体方面，一种方法包括：接收基于多个测试光学系统的训练数据集，并且基于训练数据集来生成预测模型，该预测模型基于与光学系统的性能状况有关的性能度量来估计所提出的光学系统的改变的有效性。针对每个测试光学系统的多个改变中的每个改变，训练数据集包括：与在改变之前的测试光学系统有关的多个性能状况值；以及与在改变之后的测试光学系统有关的多个性能状况值。
[0018]实现方式可以包括以下特征中的一个或多个。例如，可以通过以下来生成预测模型：针对对测试光学系统的每个改变，将与在改变之后的测试光学系统有关的多个性能状况值和与在改变之前的测试光学系统有关的多个性能状况值进行比较，该比较结果指示改
变的有效性。
[0019]预测模型可以是学习模型。学习模型可以包括支持向量机。学习模型可以是除了支持向量机之外的任何结构，只要它可以用作预测模型。具体地，学习模型的各方面包括：汇编数据集，汇编具有故障标记检测(FSD)的输入向量，训练数据集，测试数据集，然后应用学习模型。例如，在其他实现中，学习模型包括神经网络、决策树或K近邻模型。
[0020]预测模型可以通过将性能度量映射到维持命令或改变命令中的一者来生成，维持命令和改变命令基于所提出的对光学系统的改变的经估计的有效性。
[0021]训练数据集可以包括：对多个测试光学系统的至少几千个改变。
[0022]性能状况可以包括以下项中的一项或多项：从光学系统产生的光束的光束质量误差率，从光学系统产生的光束的光束质量误差的类型，在一定时段内在光学系统的气体混合物中发生放电事件的次数，与从光学系统产生的光束的光束质量中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种装置，包括：决策模块，被配置为：接收与发射光束的光学系统的性能状况有关的性能度量；基于所述性能度量和预定学习模型，估计所提出的对所述光学系统的改变的有效性；以及如果估计所提出的对所述光学系统的改变是有效的，则向所述光学系统输出改变命令。2.根据权利要求1所述的装置，其中所述决策模块被配置为：如果所述决策模块估计所提出的对所述光学系统的改变是无效的，则向所述光学系统输出维持命令。3.根据权利要求1所述的装置，其中所述决策模块被配置为：通过确定所述光束的所述性能状况是否被改善，估计所提出的所述改变的有效性。4.根据权利要求3所述的装置，其中确定所述光束的所述性能状况是否被改善包括：确定所述光束质量的误差率是否被降低。5.根据权利要求1所述的装置，其中所述性能状况包括以下项中的一项或多项：所述光束的光束质量误差的类型，在一定时段内所述气体混合物中发生放电事件的次数，与所述光束的光束质量的误差相关联的一个或多个故障，所述光束的光束质量，所述光束的光束质量的误差，与所述光束的操作参数或特性相关联的误差事件，相对于故障标记对每个误差事件的分析，以及所述光学系统的配置的改变。6.根据权利要求1所述的装置，其中所述决策模块被配置为：在实现对所述光学系统的改变之前，估计所提出的所述改变的有效性。7.根据权利要求1所述的装置，还包括接口模块，所述接口模块与所述决策模块通信，所述接口模块提供所述性能度量，其中所述接口模块包括多个光束质量检测模块，所述多个光束质量检测模块包括：一个或多个光谱特征检测模块，每个光谱特征检测模块被配置为：检测所述光束的相应光谱特征的误差，并且产生指示所述光束的相应光谱特征误差的误差事件信号；以及能量检测模块，被配置为：检测所述光束的能量的误差，并且产生指示所述光束的能量误差的误差事件信号；其中所述光谱特征包括所述光束的带宽或波长，并且其中所述性能度量是基于所述相应光谱特征和能量的误差事件而产生的。8.根据权利要求7所述的装置，其中所述接口模块包括：放电计数检测模块，被配置为：检测所述光学系统的气体混合物中的放电事件的发生，并且产生指示在一定时段内的放电事件的计数的信号，其中所述性能度量包括与从所述放电计数检测模块产生的所述信号有关的数据。9.根据权利要求8所述的装置，其中所述时段从上一次所述气体混合物被再填充开始测量，或者从包含所述气体混合物的一个或多个腔室被添加到所述光学系统开始测量。10.根据权利要求7所述的装置，其中所述接口模块包括：故障标记模块，被配置为：相对于故障标记的集合，分析每个光束质量误差事件，并且产生将所述光束质量误差事件分类为已知故障标记的似然得分；其中所述性能度量包括与来自所述故障标记模块的输出有关的数据。
11.根据权利要求1所述的装置，其中所述预定学习模型接收所述性能度量作为输入，并且输出所述估计。12.根据权利要求1所述的装置，其中所述预定学习模型是支持向量机。13.根据权利要求12所述的装置，其中所述预定学习模型包括分离的超平面，所述超平面将所述性能度量分类为是或否，其中是分类指示所提出的所述改变是有效的，并且否分类指示所提出的所述改变不是有效的。14.根据权利要求1所述的装置，其中所述预定学习模型基于所述光学系统的类型、配置和/或年龄来构建。15.根据权利要求1所述的装置，其中对所提出的所述改变的有效性的估计指示：所述光学系统在所提出的所述改变之后的性能状况相对于所述光学系统在所提出的所述改变之前的状况是否改善。16.根据权利要求1所述的装置，其中所述决策模块被配置为：通过将所述光学系统在所提出的所述改变之后的性能状况与所述光学系统在所提出的所述改变之前的性能状况进行比较，估计所提出的所述改变的有效性，其中所述决策模块被配置为：如果比较结果指示所述性能状况改善预定量，则输出所述改变命令。17.根据权利要求1所述的装置，其中所提出的对所述光学系统的所述改变包括：所提出的所述光学系统内的气体混合物的再填充和所提出的所述光学系统的配置的改变中的一者或多者。18.根据权利要求17所述的装置，其中所述决策模块被配置为：还基于探测到的对所述光学系统的所述配置的改变，估计所提出的所述光学系统内的所述气体混合物的再填充的有效性。19.一种方法，包括：接收基于多个测试光学系统的训练数据集，针对每个测试光学系统的多个改变中的每个改变，所述训练数据集包括：与在所述改变之前的所述测试光学系统有关的多个性能状况值；以及与在所述改变之后的所述测试光学系统有关的多个性能状况值；以及基于所述训练数据集来生成预测模型，所述预测模型基于与光学系统的性能状况有关的性能度量来估计所提出的所述光学系统的改变的有效性。20.根据权利要求19所述的方法，其中生成所述预测模型包括：针对每个改变，将与在所述改变之后的所述测试光学系统有关的所述多个性能状况值和与在所述改变之前的所述测试光学系统有关的所述多个性能状况值进行比较，比较结果指示所述改变的有效性。21.根据权利要求19所述的方法，其中所述预测模型是学习模型。22.根据权利要求21所述的方法，其中所述学习模型包括支持向量机。23.根据权利要求19所述的方法，其中生成所述预测模型包括：将所述性能度量映射到维持命令或改变命令中的一者，所述维持命令和所述改变命令基于所提出的对所述光学系统的所述改变的经估计的所述有效性。24.根据权利要求19所述的方法，其中所述训练数据集包括：来自所述多个测试光学系统的至少几千个改变。25.根据权利要求19所述的方法，其中所述性能状况包括以下项中的一项或多项：从所
述光学系统产生的光束的光束质量误差率，从所述光学系统产生的光束的光束质量误差的类型，在一定时段内在所述光学系统的所述气体混合物中发生放电事件的次数，与从所述光学系统产生的所述光束的光束质量的误差相关联的一个或多个故障，所述光学系统的工作效率的异常，从所述光学系统产生的所述光束的一个或多个光谱特征的误差，与所述光束的操作参数或特性相关联的误差事件，相对于故障标记对每个误差事件的分析，以及所述光学系统的配置的改变。26.根据权利要求19所述的方法，还包括：在将与所述光学系统的性能状况有关的性能度量应用于所述预测模型之前，测试所述预测模型，其中测试所述预测模型包括：使用测试数据集，针对多个改变中的每个改变和多个测试光学系统中的每个测试光学系统，所述测试数据集包括：与在所述改变之前的所述测试光学系统有关的多个性能状况值、以及与在所述改变之后的所述测试光学系统有关的多个性能状况值，所述测试数据集从所述训练数据集中被排除，以及将与在所述改变之前的所述测试光学系统有关的所述多个性能状况值应用于所述预测模型，并且将所述预测模型的每个实际输出和来自所述测试数据集的、与在所述改变之后的所述测试光学系统有关的相关联的所述...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：西默有限公司，
类型：发明
国别省市：