掩模布局校正方法以及包括该校正方法的掩模制造方法技术

提供了一种能够制造包括曲线图案的掩模的可靠的掩模布局校正方法以及包括该校正方法的掩模制造方法。基于机器学习的掩模布局校正方法可以包括：获取包括曲线图案的掩模的经光学邻近校正(OPC)的布局图像；从基于经OPC的布局图像制造的掩模的扫描电子显微镜(SEM)图像提取掩模轮廓图像；使用经OPC的布局图像和掩模轮廓图像执行机器学习以生成转换模型；以及使用转换模型校正经OPC的布局图像。及使用转换模型校正经OPC的布局图像。及使用转换模型校正经OPC的布局图像。

【技术实现步骤摘要】
掩模布局校正方法以及包括该校正方法的掩模制造方法


[0001]本公开涉及掩模制造方法，更具体地，涉及掩模布局校正方法以及包括该掩模布局校正方法的掩模制造方法。

技术介绍

[0002]在半导体工艺中，可以执行使用掩模的光刻工艺以在半导体基板(诸如晶片)上形成图案。掩模可以被简单地定义为图案转移体，其中不透明材料的图案形状形成在透明的基底材料上。简要地描述掩模制造过程，首先设计所需的电路，设计用于该电路的布局，然后将通过光学邻近校正(OPC)获得的掩模设计数据作为掩模流片(MTO)设计数据传输。此后，基于MTO设计数据执行掩模数据准备(MDP)，并且执行诸如曝光工艺的前道工序(FEOL)和诸如缺陷检查的后道工序(BEOL)以制造掩模。

技术实现思路

[0003]本公开提供能够制造包括曲线图案的掩模的可靠的掩模布局校正方法(例如，更可靠的掩模布局校正方法)以及包括该掩模布局校正方法的掩模制造方法。
[0004]根据本专利技术构思的一些方面，可以提供一种掩模布局校正方法，该掩模布局校正方法包括：获取掩模的经光学邻近校正(OPC)的布局图像，每个掩模包括曲线图案；从基于经OPC的布局图像制造的掩模的扫描电子显微镜(SEM)图像提取掩模轮廓图像；使用经OPC的布局图像和掩模轮廓图像执行机器学习以生成转换模型；以及使用该转换模型校正经OPC的布局图像。
[0005]根据本专利技术构思的一些方面，提供一种掩模布局校正方法，该掩模布局校正方法包括：生成数据库(DB)，该数据库包括掩模的经光学邻近校正(OPC)的布局图像，每个掩模包括曲线图案；从基于经OPC的布局图像制造的掩模的扫描电子显微镜(SEM)图像提取掩模轮廓图像；使用经OPC的布局图像和掩模轮廓图像、执行基于生成对抗网络(GAN)的深度学习以生成转换模型；使用转换模型校正经OPC的布局图像；生成包括被校正的经OPC的布局图像的新DB；对被校正的经OPC的布局图像执行掩模规则检查(MRC)；在MRC的执行时确定不存在缺陷；以及确定被校正的经OPC的布局图像为最终的经OPC的布局图像。
[0006]根据本专利技术构思的一些方面，提供一种掩模制造方法，该掩模制造方法包括：生成数据库(DB)，该数据库包括掩模的经光学邻近校正(OPC)的布局图像，每个掩模包括曲线图案；从基于经OPC的布局图像制造的掩模的扫描电子显微镜(SEM)图像提取掩模轮廓图像；使用经OPC的布局图像和掩模轮廓图像、执行基于生成对抗网络(GAN)的深度学习以生成转换模型；使用转换模型校正经OPC的布局图像以获得最终的经OPC的布局图像；将最终的经OPC的布局图像作为掩模流片(MTO)设计数据传输；基于MTO设计数据准备掩模数据；以及基于掩模数据曝光用于掩模的基板。
附图说明
[0007]从以下结合附图的详细描述，本专利技术构思的一些实施方式将被更清楚地理解，附图中：
[0008]图1是示意性示出根据本专利技术构思的一些实施方式的基于机器学习的掩模布局校正方法的过程的流程图；
[0009]图2A是示出检测包括直线图案的掩模中的水平/直线掩模CD偏移的方法的概念图，图2B是示出在将检测水平/直线掩模CD偏移的方法应用于包括曲线图案的掩模中的问题的概念图；
[0010]图3A至图3C是平面图，分别示出经光学邻近校正的(经OPC的)布局图像、通过扫描电子显微镜(SEM)获得的掩模轮廓图像以及在一起用于比较的两个图像；
[0011]图4A和图4B是示意性示出基于在图1的基于机器学习的掩模布局校正方法中使用的生成对抗网络(GAN)算法的深度学习过程的概念图；
[0012]图5A和图5B是概念图，分别示出在图1的基于机器学习的掩模布局校正方法中通过使用GAN算法的深度学习获得的作为转换模型的预测模型和反向模型；以及
[0013]图6是示意性示出根据本专利技术构思的一些实施方式的包括掩模布局校正方法的掩模制造方法的过程的流程图。
具体实施方式
[0014]在下文，将参照附图详细描述本专利技术构思的一些实施方式。在附图中，相同的附图标记用于相同的部件，并且为了简洁起见，这里可以省略对其的重复描述。
[0015]图1是示意性示出根据本专利技术构思的一些实施方式的基于机器学习的掩模布局校正方法的过程的流程图。
[0016]参照图1，首先，在根据一些实施方式的基于机器学习的掩模布局校正方法(在下文简称为“掩模布局校正方法”)中，可以获取对其已经执行光学邻近校正(OPC)的经OPC的布局图像并可以生成数据库(DB)(操作S110)。DB可以包括多个经OPC的布局图像。在一些实施方式的掩模布局校正方法中，经OPC的布局图像可以指相对于包括曲线图案的掩模通过OPC输出的布局图像。
[0017]在一些实施方式中，在基板(诸如晶片)上的图案可以通过经由曝光工艺将掩模上的图案转移到基板上而形成。因此，首先，可以设计与在基板上的图案相对应的在掩模上的图案的布局，即掩模布局。作为参考，通常，由于曝光工艺的性质，在基板上的图案的形状可能不同于在掩模上的图案的形状。此外，由于在掩模上的图案被缩小投影并转移到基板上，所以在掩模上的图案可以具有比在基板上的图案大的尺寸。
[0018]此外，随着图案的细化，由于相邻图案之间的影响引起的光学邻近效应(OPE)可能在曝光工艺期间出现。为了克服这一点，可以执行OPC，其可以校正掩模布局从而抑制OPE的出现。OPC可以包括产生相应图案的图像或数据、产生OPC模型以及使用OPC模型通过模拟获得掩模布局的图像或数据。
[0019]OPC通常描述如下。OPC大体按照两种类型来分类：一种是基于规则的OPC，另一种是基于模拟或基于模型的OPC。在本专利技术构思的一些实施方式的掩模布局校正方法中的OPC可以是例如基于模型的OPC。基于模型的OPC可以在时间和成本方面是有利的，因为可以不
需要测量所有的大量测试图案，并且仅使用代表性图案的测量结果。此外，OPC可以包括在图案的拐角上添加被称为衬线的亚光刻特征的方法以及掩模布局的修改，或者添加诸如散射条的亚分辨率辅助特征(SRAF)的方法。
[0020]对于OPC，首先，可以准备用于OPC的基本数据。这里，基本数据可以包括关于样本的图案的形状、图案的位置、测量类型(诸如图案的空间或线的测量)和/或基本测量值的数据。此外，基本数据可以包括诸如光致抗蚀剂(PR)的厚度、折射率和/或介电常数的信息，和/或可以包括对于一种类型的照射系统的源图。当然，基本数据不限于示例数据。
[0021]在准备好基本数据之后，可以生成光学OPC模型。光学OPC模型的生成可以包括优化曝光工艺中的散焦支架(defocus stand)(DS)位置、最佳聚焦(BF)位置等。此外，光学OPC模型的生成可以包括考虑到光的衍射现象或曝光设备本身的光学状态来创建光学图像。当然，光学OPC模型的生成不限于以上所述。例如，光学OPC模型的生成可以包括与曝光工艺中的光学现象相关的各种内容。
[0022]在生成光学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种掩模布局校正方法，包括：获取掩模的经光学邻近校正的布局图像，每个所述掩模包括曲线图案；从基于所述经光学邻近校正的布局图像制造的掩模的扫描电子显微镜图像提取掩模轮廓图像；使用所述经光学邻近校正的布局图像和所述掩模轮廓图像执行机器学习以生成转换模型；以及使用所述转换模型校正所述经光学邻近校正的布局图像。2.根据权利要求1所述的掩模布局校正方法，其中所述机器学习包括基于生成对抗网络算法的深度学习。3.根据权利要求2所述的掩模布局校正方法，其中所述转换模型包括配置为将所述经光学邻近校正的布局图像转换为相应的掩模轮廓图像的预测模型以及配置为将所述掩模轮廓图像转换为相应的经光学邻近校正的布局图像的反向模型，以及其中，在校正所述经光学邻近校正的布局图像时，使用所述反向模型来校正所述经光学邻近校正的布局图像。4.根据权利要求3所述的掩模布局校正方法，其中，在校正所述经光学邻近校正的布局图像时，使用所述反向模型将所述经光学邻近校正的布局图像校正为与目标的掩模轮廓图像相对应的经光学邻近校正的布局图像。5.根据权利要求1所述的掩模布局校正方法，其中获取所述经光学邻近校正的布局图像包括生成包括所述经光学邻近校正的布局图像的数据库，以及其中在校正所述经光学邻近校正的布局图像之后，所述掩模布局校正方法还包括：生成包括所述被校正的经光学邻近校正的布局图像的新数据库；对所述被校正的经光学邻近校正的布局图像执行掩模规则检查；在执行所述掩模规则检查时确定不存在缺陷；以及将所述被校正的经光学邻近校正的布局图像确定为最终的经光学邻近校正的布局图像。6.根据权利要求5所述的掩模布局校正方法，其中执行所述掩模规则检查是所述掩模规则检查的第二次执行，所述方法包括在所述掩模规则检查的第一次执行时确定存在缺陷，所述方法还包括执行所述被校正的经光学邻近校正的布局图像中的图案的间隔和宽度的调整，随后生成所述新数据库。7.根据权利要求1所述的掩模布局校正方法，其中所述经光学邻近校正的布局图像被用作用于制造所述掩模的电子束数据，以及其中基于所述经光学邻近校正的布局图像的校正来更新或调整所述电子束数据。8.根据权利要求1所述的掩模布局校正方法，其中生成所述转换模型包括利用成对的每个所述经光学邻近校正的布局图像和每个相应的掩模轮廓图像执行循环生成对抗网络算法。9.根据权利要求1所述的掩模布局校正方法，其中所述被校正的经光学邻近校正的布局图像表示在水平方向和垂直方向上的掩模临界尺寸偏移以及在所述曲线图案中出现的误差。10.一种掩模布局校正方法，包括：
生成包括掩模的经光学邻近校正的布局图像的数据库，每个所述掩模包括曲线图案；从基于所述经光学邻近校正的布局图像制造的掩模的扫描电子显微镜图像提取掩模轮廓图像；使用所述经光学邻近校正的布局图像和所述掩模轮廓图像，执行基于生成对抗网络的深度学习，以生成转换模型；使用所述转换模型校正所述经光学邻近校正的布局图像；生成包括所述被校正的经光学邻近校正的布局图像的新数据库；对所述被校正的经光学邻近校正的布局图像执行掩模规则检查；在所述掩模规则检查的执行时确定不存在缺陷；以及将所述被校正的经光学邻近校正的布局图像确定为最终的经光学邻近校正的布局图像。11.根据权利要求10所述的掩模布局校正方法，其中所述转换模型包括配...

【专利技术属性】
技术研发人员：权美珍，吕尚哲，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：