OPC图案的拐角倒圆方法、OPC方法和掩模制造方法技术

本发明专利技术构思提供了一种基于深度学习的光学邻近校正(OPC)图案的拐角倒圆方法，通过该方法可以确保图案化的可靠性，以及一种包括该拐角倒圆方法的OPC方法和掩模制造方法。该基于深度学习的OPC图案的拐角倒圆方法包括：获得晶片上的光阻(PR)图案或蚀刻图案的轮廓；获得与轮廓相对应的PR图案或蚀刻图案的正方形布局；利用正方形布局和轮廓通过深度学习生成变换模型；以及通过使用变换模型获得关于正方形布局目标的倒圆布局目标。形布局目标的倒圆布局目标。形布局目标的倒圆布局目标。

【技术实现步骤摘要】
OPC图案的拐角倒圆方法、OPC方法和掩模制造方法
[0001]相关申请的交叉引用
[0002]本申请基于2022年3月7日在韩国知识产权局提交的第10
‑
2022
‑
0028962号韩国专利申请，并且要求其优先权，该申请的公开内容通过引用整体结合于此。

技术介绍

[0003]本专利技术构思涉及掩模制造方法，更具体地，涉及光学邻近校正(optical proximity correction，OPC)方法和掩模制造方法。
[0004]在半导体过程中，可以执行使用掩模的光刻过程，以在半导体基板(诸如晶片)上形成图案。掩模可以被称为具有不透明材料的图案形状的图案转移体，其形成在基层材料上。为了制造这种掩模，首先设计所需或目标图案的布局，然后将通过OPC获得的经OPC的布局数据作为掩模流片(mask tape
‑
out，MTO)设计数据进行传输。此后，基于MTO设计数据，可以执行掩模数据准备(mask data preparation，MDP)，并且可以对用于掩模的基板执行曝光过程(等等)。

技术实现思路

[0005]本专利技术构思提供了一种基于深度学习的光学邻近校正(OPC)图案的拐角倒圆方法，通过该方法可以确保图案化可靠性，以及一种包括该拐角倒圆方法的OPC方法和掩模制造方法。
[0006]此外，本专利技术构思的技术思想要解决的问题不限于上述问题，并且本领域普通技术人员从以下描述中可以清楚地理解其他问题。
[0007]根据本专利技术构思的一方面，提供了一种训练变换模型以执行基于深度学习的光学邻近校正(OPC)图案的拐角倒圆方法的方法，该拐角倒圆方法包括：获得晶片上的光阻(PR)图案或蚀刻图案中的至少一个的轮廓；获得与轮廓相对应的至少一个PR图案或蚀刻图案的正方形布局；以及利用正方形布局和轮廓通过深度学习生成变换模型，使得变换模型被配置为输出关于正方形布局目标的倒圆布局目标。
[0008]根据本专利技术构思的另一方面，提供了一种OPC方法，包括：生成包括直边的重定向布局；对重定向布局执行OPC，使得生成经OPC的布局；对经OPC的布局执行光学规则检查(ORC)；基于ORC的结果确定在经OPC的布局中是否存在缺陷；基于确定不存在缺陷，将经OPC的布局确定为最终的经OPC的布局；以及基于最终的经OPC的布局来蚀刻半导体元件，其中，重定向布局或经OPC的布局中的至少一个是根据基于深度学习的OPC图案的拐角倒圆来生成的。
[0009]根据本专利技术构思的另一方面，提供了一种掩模制造方法，包括：对重定向布局执行光学邻近校正(OPC)，使得生成经OPC的布局；对经OPC的布局执行光学规则检查(ORC)；基于ORC的结果确定在经OPC的布局中是否存在缺陷；以及基于确定不存在缺陷，将经OPC的布局确定为最终的经OPC的布局；传输最终的经OPC的布局的图像作为掩模流片(MTO)设计数据；基于MTO设计数据准备掩模数据；以及基于掩模数据将基板曝光，其中，重定向布局或经OPC
的布局中的至少一个是根据基于深度学习的OPC图案的拐角倒圆来生成的。
附图说明
[0010]从以下结合附图的详细描述中，将更清楚地理解本专利技术构思的示例实施例，其中：
[0011]图1是示意性地示出根据本专利技术构思的至少一个实施例的包括基于深度学习的光学邻近校正(OPC)图案的拐角倒圆方法的OPC方法的流程图；
[0012]图2是描述半导体制备的八个主要步骤当中在图1的OPC方法中应用了拐角倒圆方法的部分的概念图；
[0013]图3是描述使用在图1的OPC方法中的拐角倒圆方法中使用的生成对抗网络(GAN)通过深度学习生成变换模型的概念图；
[0014]图4是具体示出在图1的OPC方法中的拐角倒圆方法中使用的GAN的结构的结构框图；
[0015]图5A和图5B是分别更具体地示出图1的OPC方法中在生成重定向布局的操作和生成经OPC的布局的操作中的拐角倒圆方法的流程图；
[0016]图6A和图6B是示出图5A的第一轮廓和第一正方形布局的图像；
[0017]图7A和图7B是分别示出在图1的OPC方法中在生成重定向布局的操作中生成重定向布局以及在生成经OPC的布局的操作中生成经OPC的布局的流程图；
[0018]图8A和图8B是用于描述对曲线形布局进行的曼哈顿化的图像；以及
[0019]图9是示意性地示出根据本专利技术构思的至少一个实施例的包括拐角倒圆方法的掩模制造方法的流程图。
具体实施方式
[0020]在下文中，参考附图详细描述本专利技术构思的一些示例实施例。附图中相同的附图标记表示相同的元件，并且省略了对它们的重复描述。
[0021]图1是示意性地示出根据本专利技术构思的至少一个实施例的包括基于深度学习的光学邻近校正(optical proximity correction，OPC)图案的拐角倒圆(corner rounding)方法的OPC方法的流程图。
[0022]参考图1，在根据本示例的包括基于深度学习的OPC图案的拐角倒圆方法的OPC方法(以下简称为“OPC方法”)中，首先，在操作S110中，生成重定向布局。重定向布局可以通过基于深度学习的OPC图案的拐角倒圆方法(以下简称为“拐角倒圆方法”)来生成。参考图5A和图5B更详细地描述拐角倒圆方法。此外，参考图7A更详细地描述通过拐角倒圆方法生成重定向布局。
[0023]作为参考，通常为了在晶片基板上形成目标图案，首先生成掩模上的图案的目标布局。在本文中，目标图案指示通过经由曝光过程将掩模上的图案转移到晶片基板上而形成的图案，并且根据曝光过程的特性，目标图案的形状可以不同于掩模上的图案的形状。此外，因为掩模上的图案可以缩小投影并转移到晶片基板上，所以掩模上的图案可以具有比晶片基板上的目标图案更大的尺寸。
[0024]随着图案微制备一起，在曝光过程期间可能发生光学邻近效应(optical proximity effect，OPE)(例如，由于相邻图案之间的影响)。为了克服OPE，可以执行用于抑
制OPE发生的OPC(例如，通过校正掩模上的图案的目标布局)。此外，为了确保根据曝光过程和/或蚀刻过程中的拐角倒圆变化的图案化的可靠性(例如，在执行通用OPC之前)，可以预先执行生成重定向布局(例如，通过校正掩模上的图案的目标布局)。在通过OPC生成经OPC的布局的操作S130的描述中更详细地描述了通用OPC。
[0025]关于拐角倒圆变化，可以采用分析对晶片基板上的采样图案的拐角倒圆以基于拐角倒圆差异校正目标布局的现有方案，但是这种方案的可靠性因为采样图案的校正值作为近似值应用于各种图案的目标布局而减小。然而，根据本示例的OPC方法可以通过使用拐角倒圆方法来生成重定向布局，从而提高图案化的精度和可靠性。
[0026]在生成重定向布局之后，在操作S130中，通过OPC生成经OPC的布局。在本文中，OPC可以指示通用OPC。OPC方法还可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练变换模型以执行基于深度学习的光学邻近校正(OPC)图案的拐角倒圆方法的方法，所述方法包括：获得晶片上的光阻(PR)图案或蚀刻图案中的至少一个的轮廓；获得与所述轮廓相对应的至少一个PR图案或蚀刻图案的正方形布局；以及利用所述正方形布局和所述轮廓通过深度学习生成变换模型，使得所述变换模型被配置为输出关于正方形布局目标的倒圆布局目标。2.根据权利要求1所述的方法，其中，所述深度学习使用深度卷积生成对抗网络(DCGAN)，所述DCGAN的输入是所述正方形布局，并且所述DCGAN的输出是所述轮廓，并且所述生成所述变换模型包括训练所述变换模型，直到输出的轮廓与对应于所述轮廓的参考图像相同。3.根据权利要求2所述的方法，其中，通过使用所述至少一个PR图案或蚀刻图案的多个扫描电子显微镜(SEM)图像的平均值来获得所述轮廓。4.根据权利要求2所述的方法，其中，所述正方形布局包括正方形边，并且是通过对所述轮廓执行曼哈顿化而获得的。5.根据权利要求1所述的方法，其中，所述PR图案对应于显影后检查(ADI)图案，并且所述蚀刻图案对应于清洗后检查(ACI)图案。6.一种光学邻近校正(OPC)方法，包括：生成包括直边的重定向布局；对所述重定向布局执行OPC，使得生成经OPC的布局；对所述经OPC的布局执行光学规则检查(ORC)；基于所述ORC的结果确定在所述经OPC的布局中是否存在缺陷；基于确定不存在缺陷，将所述经OPC的布局确定为最终的经OPC的布局；以及基于所述最终的经OPC的布局来蚀刻半导体元件，其中，所述重定向布局或所述经OPC的布局中的至少一个是根据基于深度学习的OPC图案的拐角倒圆来生成的。7.根据权利要求6所述的OPC方法，其中，所述生成所述重定向布局包括对基于深度学习的OPC图案的拐角倒圆，并且包括：通过使用第一变换模型获得与第一正方形布局目标相对应的第一倒圆布局目标，并且其中，所述第一变换模型是通过以下生成的：获得晶片上的蚀刻图案的第一轮廓，获得所述蚀刻图案的第一正方形布局，所述第一正方形布局对应于所述第一轮廓，以及利用所述第一正方形布局和所述第一轮廓通过深度学习生成所述第一变换模型，使得所述第一变换模型被配置为输出关于所述第一正方形布局目标的所述第一倒圆布局目标。8.根据权利要求7所述的OPC方法，其中，所述深度学习使用深度卷积生成对抗网络(DCGAN)，所述DCGAN的输入是所述第一正方形布局，并且所述DCGAN的输出是所述第一轮廓。9.根据权利要求8所述的OPC方法，其中，所述第一轮廓是使用所述晶片上的所述蚀刻
图案的扫描电子显微镜(SEM)图像的平均值来获得的，并且所述第一正方形布局包括正方形边，并且是通过对所述第一轮廓执行曼哈顿化来获得的。10.根据权利要求7所述的OPC方法，其中，所述蚀刻图案对应于清洗后检查(ACI)图案，并且所述生成所述重定向布局包括：对所述第一倒圆布局目标执行逆向校正，使得生成曲线形显影后检查(ADI)布局目标，以及对所述曲线形ADI布局目标执行曼哈顿化，使得生成所述重定向布局。11.根据权利要求6所述的OPC方法，其中，所述生成所述经OPC的布局包括对基于深度学习的OPC图案的拐角倒圆，并且包括：通过使用第二变换模型获得与第二正方形布局目标相对应的第二倒圆布局目标，以及其中，所述第二变换模型是通过以下生成的：获得晶片上的光阻(PR)图案的第二轮廓，获得所述PR图案的第二正方形布局，所述第二正方形布局对应于所述第二轮廓，以及利用所述第二正方形布局和所述第二轮廓通过深度学习来生成所述第二变换模型，使得所述第二变换...

【专利技术属性】
技术研发人员：金景洙，李洙龙，梁宰圆，吕尚哲，李赫，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：