【技术实现步骤摘要】
本专利技术涉及半导体领域，尤其涉及一种光学临近修正模型的评估方法、评估系统和评估系统的工作方法。
技术介绍
1、基于模型的光学临近效应修正(model based opc)被广泛应用在先进节点的光刻工艺中，特别是存在多种多样图形的图层上。目前光学临近效应修正的模型包含光学和光阻两个部分。前者是纯物理模型，可以通过全局的设置加以公式的推导获得。而后者涉及到光刻胶的复杂化学反应，很难通过精确的模型或者公式进行描述。目前，光阻模型只能使用经验模型和参数，从晶圆上收集大量测试图形的电镜量测数据，经过数学公式拟合获得。这一过程需要投入大量的时间、人力和物力。
2、因此，如何在有限的资源下提高光学临近效应修正模型的精度和覆盖度就十分重要。
技术实现思路
1、本专利技术解决的技术问题是提供一种光学临近修正模型的评估方法、评估系统和评估系统的工作方法，以提高光学临近效应修正模型的精度和覆盖度。
2、为解决上述技术问题，本专利技术技术方案提供一种光学临近修正模型的评估方法，包括：提供光学临近修正模型；提供若干测试图形；对若干测试图形进行分组，得到若干测试图形组，各所述测试图形组中包括至少一个测试图形；获取所述测试图形组中测试图形所对应的模拟曝光图形以及光刻图形，所述光刻图形与模拟曝光图形一一对应；根据所述模拟曝光图形和所述光刻图形，确定所述光学临近修正模型的评估数据；基于所述评估数据，对所述光学临近修正模型进行评估。
3、可选的，所述评估数据包括均方根值；所述基于
4、可选的，预设值的范围为：小于10。
5、可选的，均方根值其中，contoursim为模拟曝光图形尺寸的模拟值，contourmeas为光刻图形尺寸的量测值，j＝1,2,…ni,ni是第i组测试图形的数量，wj为第i组中第j个图形的权重。
6、可选的，评估数据还包括：平均值。
7、可选的，平均值其中，contoursim为模拟曝光图形尺寸的模拟值，contourmeas为光刻图形尺寸的量测值，j＝1,2,…ni,ni是第i组测试图形的数量，wj为第i组中第j个图形的权重。
8、可选的，还包括：根据平均值对光学临近修正模型进行补偿。
9、可选的，对若干所述测试图形进行分组，得到若干测试图形组的方法包括机器学习大数据分析方法。
10、可选的，对若干所述测试图形进行分组，得到若干测试图形组的方法包括：提供恒定阈值模型；根据恒定阈值模型获取每个测试图形的若干特征参数，并获取特征参数矩阵，特征参数矩阵由每个测试图形的特征向量组成，每个测试图形的特征向量由若干特征参数组成；采用主成分分析方法对特征参数矩阵进行降维压缩处理，获取降维矩阵；采用k均值聚类算法对降维矩阵进行聚类，获取若干个测试图形组，任一测试图形组内具有若干个测试图形，同时获取任一组的质心向量和最大半径。
11、可选的，恒定阈值模型
12、
13、其中，c0，c1…c9为需要拟合的参数，imax为图形任一点最大光强，imin为图形任一点最小光强，curvature为图形任一点曲率，slope为图形任一点的斜率。
14、可选的，每个测试图形的若干特征参数包括：cd、pitch、imax、imin、contrast、slope和nils，其中，cd为测试图形的关键尺寸，pitch为测试图形之间的间距，imax为测试图形任一点的最大光强，imin为测试图形任一点的最小光强，contrast为对比度，slope为测试图形任一点的斜率，nils为测试图形的归一化对数斜率。
15、可选的，特征参数矩阵
16、可选的，获取所述测试图形组中测试图形所对应的模拟曝光图形的方法包括：对所述测试图形组中测试图形进行模拟曝光，获取若干模拟曝光图形，所述模拟曝光图形与测试图形一一对应。
17、可选的，获取所述测试图形组中测试图形所对应的光刻图形的方法包括：对所述测试图形组中测试图形在晶圆上进行曝光显影，获取若干光刻图形，所述光刻图形与测试图形一一对应，且所述光刻图形与模拟曝光图形一一对应。
18、相应地，本专利技术技术方案还提供一种光学临近修正模型的评估系统，包括：恒定阈值模型，用于获取图形的若干特征参数，并获取图形的特征向量，图形的特征向量由图形的若干特征参数组成；主成分分析模型，用于对图形的特征向量进行降维压缩处理，获取降维向量；分析模块，用于判断光学临近修正模型能否覆盖图形。
19、可选的，主成分分析模型还用于获取降维向量与任一组质心向量之间的距离。
20、可选的，分析模块判断修正模型能否覆盖图形的方法包括：根据距离与测试图形组的最大半径的大小关系，判断新图形是否属于测试图形组；根据新图形是否属于测试图形组，判断修正模型能否覆盖新图形。
21、相应地，本专利技术技术方案还提供一种光学临近修正模型评估系统的工作方法，包括：提供光学临近效应修正模型的评价系统；提供新图形；根据恒定阈值模型获取新图形的若干特征参数，并获取新图形的特征向量，新图形的特征向量由新图形的若干特征参数组成；采用主成分分析方法对新图形的特征向量进行降维压缩处理，获取降维向量；获取降维向量与任一组质心向量之间的距离；根据距离与测试图形组的最大半径的大小关系，判断新图形是否属于测试图形组；根据新图形是否属于测试图形组，判断修正模型能否覆盖新图形。
22、可选的，根据距离与测试图形组最大半径的大小关系，判断新图形是否属于测试图形组的方法包括：若距离小于或等于测试图形组的最大半径，则新图形属于测试图形组；若距离大于测试图形组的最大半径，则新图形不属于测试图形组。
23、可选的，根据新图形是否属于测试图形组，判断修正模型能否覆盖新图形的方法包括：若新图形属于其中一个测试图形组，则修正模型能够覆盖新图形；若新图形不属于任何测试图形组，则修正模型不能够覆盖新图形。
24、与现有技术相比，本专利技术的技术方案具有以下有益效果：
25、本专利技术的技术方案，通过获取光临临近修正模型所对应的测试图形，然后进行分组，以及获取各测试图形组中对应测试图形的模拟曝光图形以及光刻图形，并对光学临近修正模型进行评估数据的计算以及进行模型的评估，可以对光学临近修正模型进行系统定量的评估分析，得到准确的模型评估结果，后续可基于评估结果对模型误差较大的图形给出补偿，以提高光学临近修正模型的精度。
本文档来自技高网...【技术保护点】
1.一种光学临近修正模型的评估方法，其特征在于，包括：
2.如权利要求1所述的光学临近修正模型的评估方法，其特征在于，所述评估数据包括均方根值；
3.如权利要求2所述的光学临近修正模型的评估方法，其特征在于，所述预设值的范围为：小于10。
4.如权利要求2所述的光学临近修正模型的评估方法，其特征在于，所述均方根值其中，contoursim为模拟曝光图形尺寸的模拟值，contourmeas为光刻图形尺寸的量测值，j＝1,2,…Ni,Ni是第i组测试图形的数量，wj为第i组中第j个图形的权重。
5.如权利要求2所述的光学临近修正模型的评估方法，其特征在于，所述评估数据还包括：平均值。
6.如权利要求5所述的光学临近修正模型的评估方法，其特征在于，所述平均值其中，contoursim为模拟曝光图形尺寸的模拟值，contourmeas为光刻图形尺寸的量测值，j＝1,2,…Ni,Ni是第i组测试图形的数量，wj为第i组中第j个图形的权重。
7.如权利要求5所述的光学临近修正模型的评估方法，其特征在于，还包括：根据所述平
8.如权利要求1所述的光学临近修正模型的评估方法，其特征在于，对若干所述测试图形进行分组，得到若干测试图形组的方法包括机器学习大数据分析方法。
9.如权利要求8所述的光学临近修正模型的评估方法，其特征在于，对若干所述测试图形进行分组，得到若干测试图形组的方法包括：提供恒定阈值模型；根据所述恒定阈值模型获取每个所述测试图形的若干特征参数，并获取特征参数矩阵，所述特征参数矩阵由每个所述测试图形的特征向量组成，每个测试图形的特征向量由若干特征参数组成；采用主成分分析方法对所述特征参数矩阵进行降维压缩处理，获取降维矩阵；采用k均值聚类算法对所述降维矩阵进行聚类，获取若干个测试图形组，任一测试图形组内具有若干个测试图形，同时获取任一组的质心向量和最大半径。
10.如权利要求9所述的光学临近修正模型的评估方法，其特征在于，所述恒定阈值模型
11.如权利要求9所述的光学临近修正模型的评估方法，其特征在于，每个所述测试图形的若干特征参数包括：CD、pitch、Imax、Imin、Contrast、Slope和NILS，其中，CD为测试图形的关键尺寸，pitch为测试图形之间的间距，Imax为测试图形任一点的最大光强，Imin为测试图形任一点的最小光强，Contrast为对比度，Slope为测试图形任一点的斜率，NILS为测试图形的归一化对数斜率。
12.如权利要求11所述的光学临近修正模型的评估方法，其特征在于，所述特征参数矩阵
13.如权利要求1所述的光学临近修正模型的评估方法，其特征在于，获取所述测试图形组中测试图形所对应的模拟曝光图形的方法包括：对所述测试图形组中测试图形进行模拟曝光，获取若干模拟曝光图形，所述模拟曝光图形与测试图形一一对应。
14.如权利要求1所述的光学临近修正模型的评估方法，其特征在于，获取所述测试图形组中测试图形所对应的光刻图形的方法包括：对所述测试图形组中测试图形在晶圆上进行曝光显影，获取若干光刻图形，所述光刻图形与测试图形一一对应，且所述光刻图形与模拟曝光图形一一对应。
15.一种如权利要求1至14任一项方法所建立的光学邻近修正模型的评估系统，其特征在于，包括：
16.如权利要求15所述的光学邻近修正模型的评估系统，其特征在于，所述主成分分析模型还用于获取降维向量与任一组质心向量之间的距离。
17.如权利要求16所述的光学邻近修正模型的评估系统，其特征在于，所述分析模块判断所述修正模型能否覆盖图形的方法包括：根据所述距离与所述测试图形组的最大半径的大小关系，判断新图形是否属于所述测试图形组；根据新图形是否属于所述测试图形组，判断所述光学邻近修正模型能否覆盖新图形。
18.一种光学邻近修正模型评估系统的工作方法，其特征在于，包括：
19.如权利要求18所述的光学邻近修正模型评估系统的工作方法，其特征在于，根据所述距离与所述测试图形组最大半径的大小关系，判断所述新图形是否属于所述测试图形组的方法包括：若所述距离小于或等于所述测试图形组的最大半径，则所述新图形属于所述测试图形组；若所述距离大于所述测试图形组的最大半径，则所述新图形不属于所述测试图形组。
20.如权利要求18所述的光学邻近修正模型评估系统的工作方法，其特征在于，根据所述新图形是否属于所述测试图形组，判断所述修正模型能否覆盖所述新图形的方法包括：若所述新图形属于其中一个测试图形组，则...
【技术特征摘要】
1.一种光学临近修正模型的评估方法，其特征在于，包括：
2.如权利要求1所述的光学临近修正模型的评估方法，其特征在于，所述评估数据包括均方根值；
3.如权利要求2所述的光学临近修正模型的评估方法，其特征在于，所述预设值的范围为：小于10。
4.如权利要求2所述的光学临近修正模型的评估方法，其特征在于，所述均方根值其中，contoursim为模拟曝光图形尺寸的模拟值，contourmeas为光刻图形尺寸的量测值，j＝1,2,…ni,ni是第i组测试图形的数量，wj为第i组中第j个图形的权重。
5.如权利要求2所述的光学临近修正模型的评估方法，其特征在于，所述评估数据还包括：平均值。
6.如权利要求5所述的光学临近修正模型的评估方法，其特征在于，所述平均值其中，contoursim为模拟曝光图形尺寸的模拟值，contourmeas为光刻图形尺寸的量测值，j＝1,2,…ni,ni是第i组测试图形的数量，wj为第i组中第j个图形的权重。
7.如权利要求5所述的光学临近修正模型的评估方法，其特征在于，还包括：根据所述平均值对所述光学临近修正模型进行补偿。
8.如权利要求1所述的光学临近修正模型的评估方法，其特征在于，对若干所述测试图形进行分组，得到若干测试图形组的方法包括机器学习大数据分析方法。
9.如权利要求8所述的光学临近修正模型的评估方法，其特征在于，对若干所述测试图形进行分组，得到若干测试图形组的方法包括：提供恒定阈值模型；根据所述恒定阈值模型获取每个所述测试图形的若干特征参数，并获取特征参数矩阵，所述特征参数矩阵由每个所述测试图形的特征向量组成，每个测试图形的特征向量由若干特征参数组成；采用主成分分析方法对所述特征参数矩阵进行降维压缩处理，获取降维矩阵；采用k均值聚类算法对所述降维矩阵进行聚类，获取若干个测试图形组，任一测试图形组内具有若干个测试图形，同时获取任一组的质心向量和最大半径。
10.如权利要求9所述的光学临近修正模型的评估方法，其特征在于，所述恒定阈值模型
11.如权利要求9所述的光学临近修正模型的评估方法，其特征在于，每个所述测试图形的若干特征参数包括：cd、pitch、imax、imin、contrast、slope和nils，其中，cd为测试图形的关键尺寸，pitch为测试图形...
【专利技术属性】
技术研发人员：罗连波，李甲兮，张婉娟，程仁强，
申请(专利权)人：中芯国际集成电路制造上海有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。