使用目标图案和参考层图案以确定用于掩模的光学邻近校正的机器学习模型制造技术

描述了用于使用目标图案和参考层图案为掩模生成光学邻近校正(OPC)后结果的实施例。所述目标图案和参考层的图像被提供为机器学习(ML)模型的输入，以生成OPC后图像。所述图像可以被单独输入，或者被组合为复合图像(例如使用线性函数)并且输入到所述ML模型。所述图像是从图案数据渲染的。例如，目标图案图像是从要在衬底上印刷的目标图案渲染的，并且诸如虚拟图案图像等参考层图像是从虚拟图案渲染的。所述ML模型被训练，以使用与目标图案和参考层相关联的多个图像并且使用所述目标图案的参考OPC后图像来生成所述OPC后图像。所述OPC后图像可以被用于生成OPC后掩模。OPC后图像可以被用于生成OPC后掩模。OPC后图像可以被用于生成OPC后掩模。

【技术实现步骤摘要】
使用目标图案和参考层图案以确定用于掩模的光学邻近校正的机器学习模型


[0001]本文的描述涉及光刻设备和过程，更具体地涉及确定图案化掩模的校正。

技术介绍

[0002]光刻投影设备可以例如在集成电路(IC)的制造中使用。在这种情况下，图案形成装置(例如掩模)可以包含或提供与IC的单个层相对应的电路图案(“设计布局”)，并且通过诸如通过图案形成装置上的电路图案照射目标部分等方法，该电路图案可以被转印到衬底(例如硅晶片)上的目标部分(例如包括一个或多个管芯)上，该目标部分已经被涂有辐射敏感材料(“抗蚀剂”)层。通常，单个衬底包含多个相邻的目标部分，电路图案由光刻投影设备连续地转印到该目标部分，一次一个目标部分。在一种类型的光刻投影设备中，整个图案形成装置上的电路图案被一次转印到一个目标部分上；这种设备一般被称为晶片步进器。在一般称为步进扫描设备的替代设备中，投影束沿着给定参考方向(“扫描”方向)在图案形成装置上进行扫描，同时平行于或反平行于该参考方向同步移动衬底。图案形成装置上的电路图案的不同部分被逐渐转印到一个目标部分。通常，由于光刻投影设备将具有放大因子M(通常<1)，所以衬底被移动的速度F将是投影束扫描图案形成装置的因子M倍。关于本文描述的光刻装置的更多信息可以例如从US 6,046,792中收集，其通过引用并入本文。
[0003]在将电路图案从图案形成装置转印到衬底之前，衬底可能会经历各种程序，诸如涂覆、抗蚀剂涂层和软烘烤。在曝光后，衬底可以进行其他程序，诸如曝光后烘烤(PEB)、显影、硬烘烤以及转印电路图案的测量/检查。该程序阵列被用作制造装置(例如IC)的单个层的基础。然后，衬底可以经历各种过程，诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学机械抛光等，所有这些过程都旨在完成装置的单个层。如果装置中需要多层，那么整个程序或其变型针对每层重复。最终，装置将存在于衬底上的每个目标部分中。然后，这些装置通过诸如切割或锯切等技术彼此分离，从而单个装置可以被安装在载体上，连接至引脚等。
[0004]如所提到的，显微光刻是IC的制造中的中心步骤，其中在衬底上形成的图案限定了诸如微处理器、存储器芯片等IC的功能元件。类似的光刻技术也被用于平板显示器、微机电系统(MEMS)和其他装置的形成。
[0005]随着半导体制造过程的不断发展，遵循一般被称为
‘
摩尔定律
’
的趋势，功能元件的尺寸被不断减小，而几十年来每个装置的功能元件(诸如晶体管)的数量却稳定增加。在当前的技术水平下，装置的各层是使用光刻投影设备制造的，该光刻投影设备使用来自深紫外照射源的照射将设计布局投影到衬底上，从而创建尺寸远低于100nm(即，小于来自照射源(例如193nm照射源)的辐射波长的一半)的单个功能元件。
[0006]根据分辨率公式CD＝k1×
λ/NA，尺寸小于光刻投影设备的经典分辨率限制的特征被印刷的过程一般被称为低k1光刻，其中λ是所采用的辐射的波长(当前大多数情况下为248nm或193nm)，NA是光刻投影设备中的投影光学器件的数值孔径，CD是“临界尺寸”，通常是最小的印刷特征尺寸，并且k1是经验分辨率因子。通常，k1越小，就越难在衬底上再现与电
路设计者计划的形状和尺寸类似的图案，以实现特定的电气功能性和性能。为了克服这些困难，复杂的微调步骤被应用于光刻投影设备和/或设计布局。例如，这些包括但不限于NA和光学相干设置的优化、定制照射方案、相移图案形成装置的使用、设计布局中的光学邻近校正(OPC)或通常限定为“分辨率增强技术”(RET)的其他方法。

技术实现思路

[0007]在一些实施例中，提供了一种具有指令的非瞬态计算机可读介质，指令在由计算机执行时使计算机执行用于使用目标图案和参考层图案的复合图像训练机器学习模型以预测光学邻近校正后图像，OPC后图像，的方法，其中OPC后图像被用于获得OPC后掩模以在衬底上印刷目标图案。该方法包括：获得(a)目标图案数据，表示要在衬底上印刷的目标图案，以及(b)参考层数据，表示与目标图案相关联的参考层图案；从目标图案数据渲染目标图像，并且从参考层图案渲染参考层图案图像；通过组合目标图像和参考层图案图像来生成复合图像；以及用复合图像训练机器学习模型以预测OPC后图像，直到预测的OPC后图像与对应于复合图像的参考OPC后图像之间的差异被最小化为止。
[0008]在一些实施例中，提供了一种具有指令的非瞬态计算机可读介质，指令在由计算机执行时使计算机执行用于生成光学邻近校正(OPC)后图像的方法，其中OPC后图像被用于生成OPC后掩模图案，以在衬底上印刷目标图案。该方法包括：向机器学习模型提供输入，该输入表示(a)要在衬底上印刷的目标图案以及(b)与目标图案相关联的参考层图案的图像；以及使用机器学习模型，基于图像来生成OPC后结果。
[0009]在一些实施例中，提供了一种具有指令的非瞬态计算机可读介质，指令在由计算机执行时使计算机执行用于生成光学邻近校正后图像，OPC后图像，的方法，其中OPC后图像被用于生成OPC后掩模，以在衬底上印刷目标图案。该方法包括：向机器学习模型提供表示要在衬底上印刷的目标图案的第一图像以及表示与目标图案相关联的参考层图案的第二图像；以及使用机器学习模型，基于目标图案和参考层图案来生成OPC后图像。
[0010]在一些实施例中，提供了一种具有指令的非瞬态计算机可读介质，指令在由计算机执行时使计算机执行用于生成光学邻近校正后图像，OPC后图像，的方法，其中OPC后图像被用于生成OPC后掩模，以在衬底上印刷目标图案。该方法包括：向机器学习模型提供复合图像，该复合图像表示(a)要在衬底上印刷的目标图案，以及(b)与目标图案相关联的参考层图案；以及使用机器学习模型，基于目标图案和参考层图案来生成OPC后图像。
[0011]在一些实施例中，提供了一种具有指令的非瞬态计算机可读介质，指令在由计算机执行时使计算机执行用于训练机器学习模型以生成光学邻近校正后图像，OPC后图像，的方法。该方法包括：获得与(a)要在第一衬底上印刷的第一目标图案，(b)与第一目标图案相关联的第一参考层图案，以及(c)与第一目标图案相对应的第一参考OPC后图像相关的输入；以及使用第一目标图案和第一参考层图案训练机器学习模型，使得机器学习模型的第一参考OPC后图像和预测的OPC后图像之间的差异被减小。
[0012]在一些实施例中，提供了一种用于生成光学邻近校正后图像，OPC后图像，的方法，其中OPC后图像被用于生成OPC后掩模图案，以在衬底上印刷目标图案。该方法包括：向机器学习模型提供输入，该输入表示(a)要在衬底上印刷的目标图案以及(b)与目标图案相关联的参考层图案的图像；以及使用机器学习模型，基于图像来生成OPC后结果。
[0013]在一些实施例中，提供了一种用于生成光学邻近校正后图像，OPC后图像，的方法，其中OPC后图像被用于生成OPC后掩模，以在衬底上印刷目标图案。该方法包括：向机器学习模型提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有指令的非瞬态计算机可读介质，所述指令在由计算机执行时使所述计算机执行用于生成光学邻近校正后图像，OPC后图像，的方法，其中所述OPC后图像被用于生成OPC后掩模图案，以在衬底上印刷目标图案，所述方法包括：向机器学习模型提供输入，所述输入表示(a)要在衬底上印刷的目标图案以及(b)与所述目标图案相关联的参考层图案的图像；以及使用所述机器学习模型，基于所述图像来生成OPC后结果。2.根据权利要求1所述的计算机可读介质，其中提供所述输入包括：基于所述目标图案来渲染第一图像；基于所述参考层图案来渲染第二图像；以及向所述机器学习模型提供所述第一图像和所述第二图像。3.根据权利要求2所述的计算机可读介质，其中提供所述输入包括：提供复合图像，所述复合图像是与所述目标图案相对应的第一图像和与所述参考层图案相对应的第二图像的组合。4.根据权利要求3所述的计算机可读介质，其中提供所述复合图像包括：基于所述目标图案来渲染所述第一图像；基于所述参考层图案来渲染所述第二图像，以及组合所述第一图像和所述第二图像以生成所述复合图像。5.根据权利要求3所述的计算机可读介质，其中将所述第一图像与所述第二图像组合包括：组合所述第一图像、所述第二图像、与亚分辨率辅助特征，SRAF，相对应的第三图像以及与亚分辨率逆特征，SRIF，相对应的第四图像，以生成所述复合图像。6.根据权利要求5所述的计算机可读介质，其中所述第一图像和所述第二图像使用线性函数来组合，以生成所述复合图像。7.根据权利要求1所述的计算机可读介质，其中所述OPC后结果包括：掩模图案的经过渲染的OPC后图像，其...

【专利技术属性】
技术研发人员：张权，陈炳德，冯韦钧，朱漳楠，R，
申请(专利权)人：ASML荷兰有限公司，
类型：发明
国别省市：