首页 > 专利技术

使用特征图像的三维掩模仿真中的掩模角圆化效应的制作方法

使用特征图像的三维掩模仿真中的掩模角圆化效应
1.相关申请的交叉引用
2.根据35u.s.c.
§
119(e)，本技术要求于2021年9月2日提交的美国临时专利申请号63/240，039“mask corner rounding effects in lithography simulations”和于2022年8月29日提交的美国非临时专利申请号17/897,529的优先权。所有前述内容的技术内容通过引用整体并入本文。
技术领域
3.本发明涉及光刻掩模仿真，包括用于全芯片或大规模计算光刻应用。

背景技术：

4.半导体晶片的制造中的一个步骤涉及光刻。在常规光刻工艺中，源产生由收集/照明光学器件收集和引导以照明光刻掩模的光。投影光学器件将由被照明的掩模产生的图案中继到晶片上，根据照明图案曝光晶片上的抗蚀剂。然后图案化的抗蚀剂在晶片上被使用在制造结构的工艺中。
5.各种技术涉及改进光刻工艺，包括光刻掩模的设计。在计算光刻中，光刻掩模设计被用作三维掩模模型的输入，其被用于计算描述由光源照明的掩模的电磁场散射特性的掩模函数。掩模函数然后可以被用作光学成像模型(例如，阿贝成像模型或霍普金斯成像模型)的输入以预测抗蚀剂中的印刷图案。重要的是三维掩模模型既精确又快速。
6.半导体器件设计通常包含尖角的图案。然而，由于掩模制造工艺的限制，这些角在实际的光刻掩模中通常是圆形的，并且与尖角相比，圆角可以具有不同的光刻效应。

技术实现要素：

7.在一个方面，光刻掩模的布局几何形状被接收。布局几何形状包括具有一个或多个圆角的至少一个形状。布局几何形状被分割为多个特征图像，例如从库中被选择的。特征图像包括至少一个掩模角圆化(mcr)校正的特征图像，其说明形状的圆角。特征图像具有对应的掩模3d(m3d)滤波器，其表示针对给定源照明的特征图像的电磁散射效应。通过将特征图像与其对应的m3d滤波器进行卷积来计算来自特征图像的每个特征图像的掩模函数贡献。掩模函数贡献被组合以确定用于由源照明所照明的掩模的掩模函数。
8.其它方面包括组件、设备、系统、改进、方法、过程、应用、计算机可读介质、以及与任何方面相关的其它技术。
附图说明
9.本专利或申请文件包含至少一张彩附图。具有(多张)彩附图的本专利或专利申请公开的副本将在请求和支付必要费用后被办事处(office)提供。
10.从以下给出的详细描述和从本公开的实施例的附图将更全面地理解本公开。附图被使用以提供对本公开的实施例的知识和理解，并且不将本公开的范围限制于这些特定实
施例。此外，附图不必按比例绘制。
11.图1a描述了适用于本公开的实施例的极紫外(euv)光刻工艺。
12.图1b是用于计算来自掩模的散射的流程图。
13.图2描述了将掩模布局几何形状分割为特征图像。
14.图3描述了在库中的特征图像。
15.图4a是用于计算针对特征图像的m3d滤波器的流程图。
16.图4b描述了示例m3d滤波器计算。
17.图5a描述了具有圆角的掩模结构。
18.图5b和5c描述了用于图5a的掩模结构的掩模角圆化(mcr)校正图像。
19.图5d和5e描述了用于图5a的掩模结构的附加的掩模角圆化(mcr)校正图像。
20.图6描述了将具有圆角的掩模布局几何形状分割为mcr校正的特征图像。
21.图7描述了具有弯曲边界的掩模布局几何形状。
22.图8是用于开发特征图像的库的流程图。
23.图9示出了将使用特征图像的方法与其它方法进行比较的结果。
24.图10示出了mcr校正对mask3d空间图像的影响。
25.图11是根据本发明的一些实施例在集成电路的设计和制造期间使用的各种过程的流程图。
26.图12描述了本公开的实施例可以在其中操作的示例计算机系统的示图。
具体实施方式
27.本发明的方面涉及基于特征图像的三维掩模仿真。除其他特征之外，曝光晶片上的抗蚀剂的照明图案取决于光刻掩模的几何形状布局和源照明。光刻工艺的仿真取决于由入射在光刻掩模上的源照明产生的电磁场的精确预测。考虑到衍射和散射效应，可以使用麦克斯韦方程组的严格三维仿真来预测该场。然而，这种仿真在计算上是密集的并且具有长的运行时间。结果，在许多情况下，禁止针对覆盖整个芯片的掩模区域运行严格的三维仿真。
28.本公开的各方面涉及通过使用一组特征图像(又称“特征向量”)和相应的滤波器(称为掩模3d或m3d滤波器)，来计算由掩模函数(mf)表示的电磁场衍射和散射特性。特征图像表示掩模中可能存在的基本几何形状，并且对应的m3d滤波器表示由特征图像产生的散射效应。m3d滤波器可以基于给定源照明的特征图像的散射效应的严格电磁仿真来被确定。
29.在一种方法中，特征图像从预定义的特征图像及其对应的预先计算的掩模3d(m3d)滤波器的库中被选择。库中的特征图像包括但不限于以下：
30.0－边缘特征图像：体区域(bulk area)(无边缘)
31.1－边缘特征图像：不同取向的边缘
32.2－边缘特征图像：相对于彼此具有不同取向和空间关系的两个边缘的组合
33.3+边缘特征图像：三个或更多个边缘的组合(例如，多边形)
34.在许多情况下，光刻掩模的实际布局几何形状将包括具有圆角而不是尖角的形状。用于对掩模角圆化(mcr)效应进行建模的某些方法涉及基于具有尖角的原始布局生成具有圆角或圆角的近似体的新布局几何形状的过程。然后新的布局被传递到随后的仿真流
程。然而，这些方法可能过于简单而无法准确地捕捉复杂形状(例如，具有任意边缘角、小凹凸或部分等的形状)的角圆化行为。另外，与原始布局相比，此类方法可以创建具有太多额外顶点的掩模布局，例如如果圆角由曼哈顿几何形状近似化。这又增加了后续仿真流程的运行时间。
35.在本发明的其它方面中，各种掩模特征的mcr效应被预先计算并且被保存为查表(lut)或其它数据结构。lut在3d掩模仿真中被重复使用以将mcr效应添加到3d掩模场。由掩模函数(mf)表示的电磁场衍射和散射特性基于无角圆化的掩模布局，通过使用一组特征图像和对应的m3d滤波器而被计算。这些被称为基于多边形的特征图像的特征图像然后根据预先计算的mcr效应被修改。修改的特征图像与m3d滤波器被卷积以计算用于圆角的布局的掩模函数，修改的特征图像被称为mcr校正后的特征图像而不是未修改的基于多边形的特征图像。
36.该方法不针对后续要处理的仿真流程创建附加的布局或顶点，并且因此与备选的方法相比改进了仿真运行时间。此外，mcr校正可以被预先计算并且被保存为查表。mcr校正也可以例如根据角的角度和圆角的曲率被参数化。
37.本发明的附加的优点包括但不限于以下优点。它可能更适合与机器学习(ml)和非ml框架两者一起使用以及用于图形处理单元(gpu)。与完全严格仿真相比，该方法对于模型创建、训练和校准具有更高的计算效率，并且运行时间还被减少了，同时仍针对掩模函数产生精确的结果。所得到的掩模函数也可以有效地被用于霍普金斯成像模型和阿贝成像模型两者，这可以是光刻仿真中的下一步骤。
38.更详细地，图1a描述了适合与本公开的实施例一起使用的euv光刻工艺。在该系统中，源102产生euv光，该euv光被收集/照明光学器件104收集和引导以照明掩模110。投影光学器件116将由被照明的掩模产生的图案中继到晶片118上，根据照明图案曝光晶片上的抗蚀剂。然后曝光的抗蚀剂被显影，在晶片上产生图案化的抗蚀剂。这用于例如通过沉积、掺杂、蚀刻或其它工艺在晶片上制造结构。
39.在图1a中，光在euv波长范围内，约13.5nm或在13.3nm－13.7nm范围内。在这些波长处，组件通常是反射的，而不是透射的。掩模110是反射掩模，而光学器件104、116也是反射和离轴的。这只是一个示例。其它类型的光刻系统也可以被使用，包括在包括深紫外(duv)的其它波长处，使用透射掩模和/或光学器件，以及使用正性或负性抗蚀剂。
40.图1b是用于计算来自掩模110的散射的流程图。来自掩模110的衍射和散射由掩模函数(mf)190表示。图1b的过程使用掩模的描述115和库120以计算用于掩模的掩模函数190。该库包含预定义的特征图像125和对应的滤波器127，滤波器将被称为掩模3d(m3d)滤波器，因为其表示针对给定的源照明来自该类型的特征图像的对整个掩模函数的贡献。m3d滤波器127包括源照明的效应。特征图像125和m3d滤波器127呈现尖角。库120还包括mcr校正图像129，其是对特征图像125的修改以校正掩模角圆化。
41.如图1b所示，掩模的布局几何形状被接收130并且被分割140为预定义的特征图像125。针对具有圆角的形状，特征图像根据相关的mcr校正图像129被校正145。所得到的特征图像将被称为mcr校正的特征图像149。来自每个特征图像的掩模函数(mf)贡献通过将mcr校正的特征图像149与对应的m3d滤波器127进行卷积150而被计算。注意，m3d滤波器127没有被改变。针对掩模和给定源照明的聚集掩模函数通过组合(例如求和)160来自各个特征
图像的mf贡献而被确定。
42.在图1b中，mcr校正的特征图像149通过从来自库120的基于多边形的特征图像125(即，基于尖角的特征图像)开始并且然后应用mcr校正图像129来被生成。备选地，说明圆角的特征图像也可以被预先计算并且被存储在库120中，在这种情况下，mcr校正的特征图像149可以通过从库120中检索可用的mcr校正的特征图像来被生成。
43.图2－4首先描述了没有掩模角圆化的特征图像的使用。图2描述了将掩模布局几何形状分割为特征图像。图2示出了具有来自布局几何形状的尖角的两个形状210和220以及将形状210分割为特征图像。形状210被分割为以下特征图像：一个区域图像、六个边缘图像、六个角图像和两个边缘到边缘(e2e)图像。形状210可以基于规则被分割为特征图像以标识存在于掩模布局中的不同特征。在该示例中，多边形210的内部区域及其对掩模函数的贡献被区域1特征图像表示。这限定了掩模的哪些区域相对于透射或反射是不透明的。边缘特征图像(边缘1－边缘6)说明电磁波在边缘处的衍射和散射。
44.剩余的特征图像基于两个边缘的组合，其中在两个边缘之间存在相互作用(interaction)。角特征图像(角1－角6)说明了角处的相互作用，这超出了两个边缘的单独贡献。注意，在图2中，角包括内角和外角两者。边缘到边缘(e2e)特征图像说明了平行边缘之间的相互作用。e2e 1说明边缘1和边缘3之间的相互作用。e2e 2说明边缘2和形状220的左边缘之间的相互作用。
45.特征图像的每个特征图像是一个图像。例如，区域图像可以是形状210的多边形。边缘图像的每个边缘图像可以是相关边缘的滤波版本。在一些情况下，光栅化滤波器被应用于生成特征图像。
46.布局几何形状的分割使用来自库120的预定义的特征图像125。库中的特征图像可以基于对散射的理解以及什么类型的几何形状特征对散射有贡献来被选择。
47.图3描述了库中的特征图像的一些示例。根据特征图像中的边缘数量，图3中的特征图像被分类。顶行中的特征图像具有0个边缘，下一行中的边缘具有1个边缘，并且然后是2个边缘，并且然后是3+个边缘。这些仅仅是示例而非穷举。
48.在顶行中，区域特征图像确定掩模的哪些区域相对于透射或反射是不透明的。区域特征图像的实际实例可以具有不同的形状、大小和位置，取决于掩模上形状的几何形状布局。与区域特征图像相对应的m3d滤波器表示由假定无限大区域的区域中的每个点产生的散射，即，来自几何形状布局的体区域内的每个点对掩模函数的贡献忽略任何边缘效应。因此，m3d滤波器与区域特征图像的实例(例如，图2中的区域1)的卷积产生来自掩模中形状的体区域的mf贡献。
49.在第二行中，边缘特征图像是另一类重要的特征图像，因为电磁波的衍射或散射发生在边缘处。图3示出了一个边缘特征图像，但是库可以具有许多类型的边缘图像。针对仅具有曼哈顿几何形状的掩模，四个边缘特征图像被包括在库中，对应于曼哈顿几何形状中的边缘的四个可能取向。一些掩模还可以允许边缘成45度的倍数，或者甚至成任意角度。与边缘特征图像相对应的m3d滤波器表示由沿假定无限长边缘的边缘的每个点产生的散射。
50.第三行示出了另一重要类别的特征图像，其是两个边缘的组合。当两个边缘变得足够接近时，在两个边缘之间将存在相互作用。图3中示出了几个示例。在前两个示例中，两
个边缘是平行的。这通常被称为边对边(在图2中被标记为e2e)。图3示出了两种不同的极性，取决于两个边缘之间的区域是否被掩模材料填充。除了两个不同的极性之外，库还可以包含边缘之间具有不同间隔的边缘到边缘特征图像，并且边缘以不同的角度(水平、垂直、成45度的倍数等)被取向。
51.在第三行的最后两个示例中，两个边缘彼此垂直。这些是角特征图像：内角和外角，取决于极性。库可以包含以不同角度被取向的角。其它两个边缘特征图像也是可能的。例如，两个边缘可以彼此成不同的角度。两个边缘可以分开，但彼此不平行。因此，两个边缘将缓慢地会聚或发散。角度不成90度的角也是可能的。
52.底行示出了具有三个或更多个边缘的特征图像。前两个示例是两个极性两者的端部(tip)。库可以包含不同宽度和成不同角度取向的版本。接下来的两个示例是两个极性两者的孔或通路。不同版本可以具有不同的宽度、高度和角度取向。
53.特征图像的每个特征图像具有被使用以从特征图像产生mf贡献的对应滤波器。即，特征图像的散射效应被m3d滤波器捕获。在一种方法中，严格仿真针对特征图像被执行，并且严格的结果被使用以确定m3d滤波器。
54.m3d滤波器可以通过以较低阶效应开始来被计算。区域图像(0级特征图像)的效应仅取决于讨论中的区域的透射或反射。在严格仿真中，针对特征图像的掩模结构是恒定值的平面。m3d滤波器是等于从严格仿真计算的透射或反射的常数。
55.接下来考虑边缘特征图像。布局几何形状中的边缘被分割为区域特征图像加上边缘特征图像。然后边缘散射的严格仿真通过来自区域特征图像的mf贡献加上来自边缘特征图像的mf贡献来被建模。来自区域特征图像的mf贡献已经被确定，因此来自边缘特征图像和对应的m3d滤波器的掩模函数贡献然后可以被确定。
56.在考虑所有单边缘特征图像之后，然后考虑由两个边缘组成的特征图像。图4a是用于计算针对从较低阶到较高阶特征图像处理的特征图像的m3d滤波器的流程图。图4b描述了用于图3中所示的针对两个边缘间隙特征图像的示例m3d滤波器计算。
57.在图4b的示例中，用于0边缘和1边缘特征图像的m3d滤波器已经被计算，并且该过程移动405到更复杂的特征图像：两个边缘特征图像。具有特定间隔δ的间隙特征图像接下来被考虑410。用于间隙特征图像的掩模结构被确定420为由间隔δ分开的两个边缘。严格的三维仿真可以针对掩模结构被执行430，产生用于掩模结构的掩模功能。
58.针对掩模结构的几何形状布局也被分割440成较低阶特征图像：感兴趣的区域特征图像+两个边缘特征图像+间隙特征图像。这在图4b的顶行中被示出。通过严格电磁仿真计算的聚集掩模函数等于来自每个特征图像的mf贡献的总和：
[0059][0060]
其中ii是特征图像，ki是对应的m3d滤波器，是卷积算子，以及n是特征图像的数目。mf是掩模函数，在这种情况下，它从严格仿真中被知晓。用于较低阶特征图像的mf贡献可以使用先前针对这些图像计算的m3d滤波器来被计算450。这在等式1中留下一个未知数，被图示于图4b的底部。这是用于间隙特征图像的m3d滤波器，其然后可以被计算460。在一些情况下，这可以被用作库120中的m3d过滤器127。
[0061]
特征图像可以是特征的灰度表示，其允许图像的稀疏采样。例如，边缘具有无限频
率分量并且将需要无限带宽来以100％保真度表示。然而，它也可以由边缘的低通滤波版本来表示，其类似于灰度模糊边缘。掩模中的多边形形状可以使用低通光栅化函数来被光栅化。这消除了特征的高频分量，仅保留低频分量。这是可以接受的，因为投影光学器件实际上是低通系统，所以它将自然地滤出高(空间)频率分量。为了使其更紧凑并且因此在光栅化操作中更快，低通光栅化滤波器被设计成相比于sinc或类似sinc函数的均匀响应在频率通带中具有非均匀响应。就低通光栅化函数在其频率通带中具有非均匀响应而言，均衡滤波器470可以被添加以补偿非均匀响应。m3d滤波器490则是电磁散射和均衡的组合。
[0062]
针对具有不同间隔δ(例如以1nm的增量)的间隙特征图像，上述方法可以被重复。其也可以针对不同的取向和极性被重复。针对其它2边缘和更复杂的特征图像也可以被重复。
[0063]
等式1可以使用直接卷积在空间域中被计算和被求解。然而，它也可以在空间频率域中被处理。这些量被转换到空间频率域，并且卷积变成乘积。则等效方程为
[0064][0065]
其中ft{}是傅立叶变换。
[0066]
现在考虑掩模角圆化的效应。图5a－5c示出了mcr校正的示例。图5a中的特定掩模结构是具有圆角512的正方形510，其中掩模在正方形内部是反射的或透射的而在正方形外部是吸收的或阻挡的。在该示例中，圆角具有为10nm的半径。忽略圆角，掩模结构将是具有尖角的正方形，如虚线514所示。该形状可以被分割为区域特征图像、四个边缘特征图像和四个角特征图像。所有这些特征图像都是基于多边形的特征图像，其呈现尖角而不是圆角。为了产生圆角，mcr校正图像被应用于基于多边形的特征图像，以产生mcr校正的特征图像。mcr校正的特征图像还包括一个区域特征图像、四个边缘特征图像和四个角特征图像，但都是针对掩模角圆化而校正的。
[0067]
图5b示出了被应用于区域特征图像的mcr校正图像。虚线示出了来自图5a的左下角516a的位置。图5b示出了mcr校正图像的300nm
×
300nm部分，其说明了来自左下角的角圆化的效应。原点(0，0)是角的位置。该校正图像说明了左下角的效应。颜编码示出了mcr校正图像的幅度，范围从最正的红到最负的深蓝。这是仅用于左下角的mcr校正图像。这种校正图像的旋转或翻转版本形成用于其它三个角的mcr校正图像。例如，图5c示出了图5b的翻转版本，其是用于左上角516b的mcr校正图像。左上角516b的位置在图5c中用虚线示出。
[0068]
低通滤波之前的基于多边形的区域特征图像是具有尖角的正方形514，其中正方形的内部是恒定的幅度。低通滤波在边界附近引入波纹。用于四个角的mcr校正被添加到基于多边形的区域特征图像以产生mcr校正的区域特征图像。注意，mcr校正不只是切断尖角，并且mcr校正的区域特征图像不是具有圆角的正方形，其中圆化正方形的内部是恒定的幅度。另外，注意校正延伸超出正方形514本身。这部分是由低通滤波引起的，低通滤波去除特征图像中的高频内容。
[0069]
mcr校正图像取决于角的曲率。角的半径是其曲率的一个量度。针对区域特征图像，mcr校正图像的查表可以包括用于不同曲率的角的图5b的版本。
[0070]
图5d示出了被应用于基于多边形的左边缘特征图像的mcr校正图像。虚线示出了来自图5a的左下角516a的位置。图5d示出了mcr校正图像的300nm
×
300nm部分，其说明了来
自左下角的角圆化的效应。颜编码显示mcr校正图像的幅度，范围从深红到深蓝。该校正图像的旋转或翻转版本形成用于其他角和用于其他边缘特征图像的mcr校正图像。例如，图5e示出了用于左下角的mcr校正图像(与图5d相同)，但是用于底部特征图像。用于适用角的mcr校正图像被应用于边缘特征图像。用于左下角和左上角的校正被应用于左边缘特征图像，用于左下角和右下角的校正被应用于底部边缘特征图像，等等。
[0071]
类似的校正也被应用于角特征图像。mcr校正的特征图像与未被改变的对应m3d滤波器被卷积，以产生用于掩模结构的最终掩模函数。
[0072]
mcr校正图像可以使用类似于图4中所示的过程来被计算。严格仿真针对(a)没有角圆化的布局和(b)具有角圆化的布局被计算。mcr校正图像被计算以说明(a)和(b)之间的差异。
[0073]
图6示出了与图2相同的掩模布局几何形状，但是具有圆角。图6示出了具有圆角的两种形状610和620。形状610被分割为与图2中相同的特征图像：一个区域图像、六个边缘图像、六个角图像和两个边缘到边缘(e2e)图像。这些图像最初可以是与图2中相同的基于多边形的特征图像，然后针对圆角被校正，产生mcr校正的特征图像。例如，区域1特征图像针对角1－6由mcr校正图像被校正，边缘1特征图像针对角1和角6由mcr校正图像被校正，等等。
[0074]
图7描述了mcr校正的延伸到更任意的弯曲形状。图7示出了具有由具有许多顶点的多边形表示的弯曲形状的两种形状。考虑形状710。顶点712周围的区域可以由圆角的概括来表示。在一种方法中，周边窗口714被居中在顶点712上。周边窗口714在大小上与角圆化半径(例如，图5的示例中的10nm)相当。
[0075]
该部分的“角形”可以由参数s来参数化，该参数s基于退出周边窗口714的多边形边缘。参数s的范围可以从－1到+1，其中s＝－1对应于尖锐外角，s＝0对应于直线(无角)，而s＝+1对应于尖锐内角。角的曲率可以基于边缘通过周边窗口714的路径来被估计。然后，加权因子w可以被计算为s的函数，其中w的范围也从－1到+1。在一些情况下，如果|s|低于阈值，则w＝0。这有效地消除了角圆化，例如节省了计算时间。然后mcr校正的特征图像可以被计算为基于多边形的特征图像+(w*mcr校正图像)。假设用于内角和外角的校正大小相等但符号相反。备选地，两个不同的mcr校正图像可以被使用，取决于角是内角还是外角。
[0076]
在一些情况下，被包括在库中的特征图像取决于掩模的布局几何形状。图8是用于开发特征图像库的流程图。库120可以从基本的一组公共特征图像和mcr校正图像开始，然后公共特征图像和mcr校正图像基于光刻掩模的布局几何形状中存在哪些形状来被补充。在图8中，掩模布局被接收810。布局几何形状与已经在库中的特征图像和mcr校正图像被进行比较820。如果库不充分，例如如果某些特征出现在掩模中但在库中没有对应的特征图像或mcr校正图像，则库可以用附加的特征图像和mcr校正图像来被补充830。针对这些特征图像的m3d滤波器可以如上所述被计算。
[0077]
除了在任一空间域中(等式1以上)或空间频率域(等式2以上)进行计算之外，计算也可以或并行或顺序被执行。在完全并行的方法中，所有特征图像与对应的m3d滤波器并行被卷积。然后结果被求和。
[0078]
本文所描述方法的各种实施例还可以具有以下特征和益处。它针对机器学习(ml)和非ml框架以及针对图形处理单元(gpu)都是友好地被实现。如上所示，模型形成基于特征
图像和m3d滤波器之间的卷积，其与流行的ml框架(例如张量流)和gpu兼容。因此，可以在这些框架中直接实现以利用由这些ml框架提供的用于光刻应用(例如，光刻模型校准/微调、掩模布局优化、照明源优化等)的能力(例如，优化引擎、硬件加速等)。
[0079]
它还可以是针对模型创建、训练和校准有效的数据。传统的基于ml的m3d模型依赖于机器以通过从数据中学习来生成特征图像和过滤器，这是高度经验性的并且通常需要大量的数据以避免过度拟合并且确保预测稳定性。产生所需的数据量在计算上是昂贵并且耗时的。在此处描述的方法中，特征图像和m3d滤波器是基于物理洞察被生成的，这更加稳定并且需要明显更少的数据。
[0080]
它可以改进运行时间。特征图像生成涉及将掩模多边形光栅化为灰度图像。传统上，掩模多边形被光栅化为薄掩模传输函数，这在计算上是低效的，因为必须将sinc(或类似sinc)光栅化函数用于薄掩模传输函数计算，以便确保通带中的均匀频率响应。本文描述的方法中，比sinc(或类似sinc)函数更紧凑的特殊光栅化函数可以被设计，并且因此在计算上更有效。这种新的光栅化函数不需要在通带中具有均匀的频率响应。m3d滤波器(图4a中的步骤470)被修改以恢复特征图像和经修改的m3d滤波器之间的卷积中的所需频率响应。
[0081]
它针对霍普金斯成像模型和阿贝成像模型两者都是计算有效的。虽然在霍普金斯成像仿真中仅需要一个mf，但是在阿贝成像仿真中需要多个mf(每个入射场角一个mf)，这显着地增加了运行时间，因为如果传统的基于阿贝的方法被使用，则mf被计算多次。在此处描述的方法中，特征图像可以被独立于入射场角，并且因此只需要被计算一次。尽管多组m3d滤波器和卷积(每个入射场角一个)被使用，但是滤波器可以被预先计算并且卷积可以使用fft方法有效地被完成。
[0082]
计算效率和运行时间中的增加可以使得在合理的时间量内仿真芯片的整个掩模布局是可行的。
[0083]
图9－10示出了使用特征图像的仿真。图9示出了将使用特征图像的方法与其它方法进行比较的结果。实验仿真在掩模上具有不同类型图案但没有角圆化的euv掩模。图9示出了使用该方法相对于三种其它方法预测的空间图像中的cd(临界尺寸)误差的均方根。在图9中，交叉阴影条是本文使用特征图像描述的方法，而白条是其它方法。左组四条是处于－60nm的散焦，中央组是处于－20nm的散焦，右组是处于+20nm的散焦。在所有情况下，使用特征图像的方法具有较低的rms误差。
[0084]
图10a－10c示出了mcr校正对来自预测掩模3d场计算的掩模3d空间图像上的效应。该示例中的掩模布局是具有圆角的正方形触点的密集阵列。用于单个正方形触点的掩模结构类似于图5a中所示的结构。正方形结构具有42nm的宽度和半径为10nm的角圆化。阵列的间距为112nm。图10a中示出了由该掩模产生的最终空间图像，其中红是最高强度而蓝是最低强度。图10b示出了沿通过空间图像的45度切片a－a的曲线图。图10b示出了对应于用于计算空间图像的不同方法的多个曲线图。图10c示出了图10b中的框1010的放大视图。在放大视图中，曲线1020没有角圆化。即，正方形被仿真为具有尖角的正方形。其他四条曲线用于具有10nm的角半径的角圆化，但使用不同的仿真方法。曲线1030使用基于曲线几何形状的mcr模型。即，圆角被建模为曲线。该曲线1030被认为是基础真值。曲线1032使用基于曼哈顿曲线几何形状的mcr模型。即，使用曼哈顿几何形状将圆角建模为锯齿
(staircase)。这在计算上可能是昂贵的，因为锯齿包含大量非常短的段和封闭的角。曲线1034使用上述的mcr校正图像，但只使用区域校正。它几乎与基于曼哈顿几何形状的方法一样精确，但是计算在计算上更便宜。曲线1036使用mcr校正图像，但同时使用区域和边缘校正两者。其是这些方法中最准确的，而在计算上仍然比基于曼哈顿几何形状的方法更便宜。
[0085]
图11示出了在诸如集成电路的制品的设计、验证和制造期间使用以变换和验证表示集成电路的设计数据和指令的一组示例性过程1100。过程中的每个过程都可以被构造和被使能为多个模块或操作。术语“eda”表示术语“电子设计自动化”。这些过程开始于创建具有由设计者提供的信息的产品概念1110，该信息被变换以创建使用一组eda过程1112的制品。当设计被完成时，设计被流片1134，这是当针对集成电路的原图(例如，几何形状图案)被发送到制造设备以制造掩模组时，该掩模组然后被用于制造集成电路。在流片之后，半导体裸片被制造1136并且封装和组装过程1138被执行以产生完成的集成电路1140。
[0086]
针对电路或电子结构的规格可以从低级晶体管材料布局到高级描述语言。使用硬件描述语言(“hdl”)诸如vhdl、verilog、systemverilog、systemc、myhdl或openvera，高级表示可以被使用以设计电路和系统。hdl描述可以被变换为逻辑级寄存器传送级('rtl')描述、门级描述、布局级描述或掩码级描述。作为更详细描述的每个较低表示级将更有用的细节添加到设计描述中，例如，针对包括该描述的模块的更多细节。更详细说明的较低级表示可以由计算机生成，从设计库导出，或由另一设计自动化过程创建。用于指定更详细描述的较低级处的表示语言的规范的示例是spice，其被使用于具有许多仿真组件的电路的详细描述。在每个表示级处的描述被使能以用于由该层的对应系统(例如，形式验证系统)使用。设计过程可以使用图11中所示的顺序。所描述的过程由eda产品(或eda系统)被使能。
[0087]
在系统设计1114期间，待制造的集成电路的功能性被指定。设计可以针对诸如功耗、性能、面积(物理和/或代码行)和成本降低等期望特性来被优化。设计的分隔到不同类型的模块或组件可以发生在此阶段。
[0088]
在逻辑设计和功能验证1116期间，电路中的模块或组件以一种或多种描述语言被指定，并且规范针对功能准确性被检查。例如，电路的组件可以被验证以生成与所设计的电路或系统的规范的要求相匹配的输出。功能验证可以使用仿真器和其他程序，诸如测试台(testbench)发生器、静态hdl检验器和正式验证器。在一些实施例中，被称为“仿真器”或“原型系统”的组件的特定系统被用于加速功能验证。
[0089]
在针对测试1118的拟合和设计期间，hdl代码被变换为网表。在一些实施例中，网表可以是图形结构，其中图形结构的边缘表示电路的组件并且图形结构的节点表示组件如何被互连。hdl代码和网表两者都是可以由eda产品用来验证集成电路在制造时按照指定的设计执行的分级制品。网表可以针对目标半导体制造技术被优化。此外，完成的集成电路可以被测试以验证该集成电路满足规范的要求。
[0090]
在网表验证1120期间，网表针对是否符合定时约束以及针对是否符合hdl代码被检查。在设计规划1122期间，针对集成电路的整个平面布置图针对定时和顶层布线被构造和被分析。
[0091]
在布局或物理实现1124期间，物理放置(诸如晶体管或电容器的电路组件的定位)和路由(通过多个导体连接电路组件)发生，并且从库中选择单元以使能特定逻辑功能可以被执行。如本文中所使用，术语“单元”可以指定提供布尔逻辑功能(例如，and、or、not、xor)
或存储功能(诸如，触发器或锁存器)的一组晶体管、其它组件及互连。如本文所使用的，电路“块”可以指两个或更多个单元。单元和电路块两者都可以被称为模块或组件，并且被使能为物理结构和仿真中两者。参数针对所选择的电池被指定(基于“标准电池”)，诸如大小并且使其可以在数据库中访问用于由eda产品使用。
[0092]
在分析和提取1126期间，电路功能在布局级被验证，这允许改进布局设计。在物理检验1128期间，布局设计被检查以确保制造约束是正确的，诸如drc约束、电约束、光刻约束，并且电路装置功能与hdl设计规范匹配。在分辨率增强1130期间，布局的几何形状被变换以改进电路设计如何被制造。
[0093]
在流片期间，数据被创建以针对生产光刻掩模被使用(如果适当的话，在应用光刻增强之后)。在掩模数据准备1132期间，“流片”数据被使用以产生光刻掩模，该光刻掩模被使用以产生完成的集成电路。
[0094]
计算机系统(诸如图12的计算机系统1200)的存储子系统可以被使用以存储程序和数据结构，程序和数据结构由本文描述的eda产品中的一些eda产品或全部eda产品使用，以及由被用于开发用于库的单元和用于使用库的物理和逻辑设计的产品使用。
[0095]
图12示出了计算机系统1200的示例性机器，在该机器内可以执行用于使机器执行本文讨论的任何一个或多个方法的一组指令。在备选的实现中，机器可以被连接(例如，联网)到lan、内联网、外联网和/或因特网中的其它机器。机器可以在客户端－服务器网络环境中的服务器或客户端机器的能力下操作，作为对等(或分布式)网络环境中的对等机器，或者作为云计算基础设施或环境中的服务器或客户端机器。
[0096]
该机器可以是个人计算机(pc)、平板pc、机顶盒(stb)、个人数字助理(pda)、蜂窝电话、web应用、服务器、网络路由器、交换机或网桥、或能够执行由机器采取的指定动作的一组指令(顺序的或其它的)的任何机器。此外，虽然示出了单个机器，但是术语“机器”还应当被理解为包括单独地或联合地执行一组(或多组)指令以执行本文讨论的任何一个或多个方法的机器的任何集合。
[0097]
示例计算机系统1200包括经由总线1230彼此通信的处理设备1202、主存储器1204(例如，只读存储器(rom)、闪存、诸如同步dram(sdram)的动态随机存取存储器(dram)、静态存储器1206(例如，闪存、静态随机存取存储器(sram)等)和数据存储设备1218。
[0098]
处理设备1202表示诸如微处理器、中央处理单元等的一个或多个处理器。更具体地，处理设备可以是复杂指令集计算(cisc)微处理器、精简指令集计算(risc)微处理器、超长指令字(vliw)微处理器、或实现其它指令集的处理器、或实现指令集组合的处理器。处理设备1202还可以是一个或多个专用处理设备，诸如专用集成电路(asic)、现场可编程门阵列(fpga)、数字信号处理器(dsp)、网络处理器等。处理设备1202可以被配置为执行用于执行本文描述的操作和步骤的指令1226。
[0099]
计算机系统1200可以进一步包括通过网络1220进行通信的网络接口设备1208。计算机系统1200还可以包括视频显示单元1210(例如，液晶显示器(lcd)或阴极射线管(crt))、字母数字输入设备1212(例如，键盘)、光标控制设备1214(例如，鼠标)、图形处理单元1222、信号生成设备1216(例如，扬声器)、图形处理单元1222、视频处理单元1228和音频处理单元1232。
[0100]
数据存储设备1218可以包括机器可读存储介质1224(也被称为非瞬态计算机可读
介质)，在该介质上存储了体现本文所描述的方法或功能中的任何一个或多个方法或功能的一组或多组指令1226或软件。在由计算机系统1200执行指令1226期间，指令1226还可以完全或至少部分地驻留在主存储器1204内和/或处理设备1202内，主存储器1204和处理设备1202也构成机器可读存储介质。
[0101]
在一些实现中，指令1226包括实现对应于本公开的功能的指令。虽然机器可读存储介质1224在示例实现中被示出为单个介质，但是术语“机器可读存储介质”应当被理解为包括存储一组或多组指令的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的高速缓存和服务器)。术语“机器可读存储介质”还应当被理解为包括能够存储或编码用于由机器执行的一组指令并且使机器和处理设备1202执行本公开的任何一个或多个方法的任何介质。因此，术语“机器可读存储介质”应被理解为包括但不限于固态存储器、光学介质和磁性介质。
[0102]
前面详细描述的某些部分是根据对计算机存储器内的数据位的操作的算法和符号表示来呈现的。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们工作的实质传达给本领域的其他技术人员的方式。算法可以是导致期望结果的操作序列。这些操作是需要物理量的物理操纵的操作。量可以采取能够被存储、组合、比较和以其他方式操纵的电或磁信号的形式。信号可以被称为位、值、元素、符号、字符、项、数字等。
[0103]
然而，应当记住，所有这些和类似的术语将与适当的物理量相关联，并且仅仅是被应用于这些量的方便标记。除非特别声明，否则如从本公开显而易见的，应当理解在整个说明书中，某些术语是指计算机系统或类似的电子计算设备的动作和过程，其操纵表示为计算机系统的寄存器和存储器内的物理(电子)量的数据并将其转换为类似地表示为计算机系统存储器或寄存器或其他这样的信息存储设备内的物理量的其他数据。
[0104]
本公开还涉及一种用于执行本文操作的装置。该装置可以针对预期目的而专门被构造，或者它可以包括由存储在计算机中的计算机程序选择性地被激活或被重新配置的计算机。这种计算机程序可以存储在计算机可读存储介质中，诸如但不限于包括软盘、光盘、cd－rom和磁光盘的任何类型的盘、只读存储器(rom)、随机存取存储器(ram)、eprom、eeprom、磁卡或光卡、或者适合于存储电子指令的任何类型的介质，每个耦合到计算机系统总线。
[0105]
本文呈现的算法和显示并不固有地涉及任何特定的计算机或其它装置。根据本文的教示，各种其它系统可以与程序一起被使用，或者可以证明构造更专用的装置以执行该方法是方便的。此外，本公开不参考任何特定编程语言来被描述。将了解，可以使用多种编程语言来实施本文所描述的本发明的教示。
[0106]
本公开可以被提供为计算机程序产品或软件，其可以包括其上存储有指令的机器可读介质，指令可以被用于对计算机系统(或其他电子设备)编程以执行根据本公开的过程。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机制。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质，诸如只读存储器(“rom”)、随机存取存储器(“ram”)、磁盘存储介质、光存储介质、闪存设备等。
[0107]
在前述公开中，已经参考其特定示例实现描述了本公开的实现。显然，在不脱离如以下权利要求中阐述的本公开的实现的更宽精神和范围的情况下，可以对其进行各种修改。在本公开以单数形式提及一些元件的情况下，可以在附图中描述多于一个元件，并且相
同的元件用相同的数字标记。因此，本公开和附图被认为是说明性的而不是限制性的。

技术特征：

1.一种方法，包括：接收光刻掩模的布局几何形状，所述布局几何形状包括具有一个或多个圆角的至少一个形状；由一个或多个处理器将所述布局几何形状分割为多个特征图像，其中所述特征图像包括至少一个掩模角圆化mcr校正的特征图像，所述掩模角圆化校正的特征图像说明所述形状的所述圆角；通过将所述特征图像与对应的掩模3d滤波器进行卷积，来计算来自所述多个特征图像中的每个特征图像的掩模函数mf贡献，其中与每个特征图像对应的所述掩模3d滤波器表示所述特征图像的电磁散射效应；以及基于经计算的所述mf贡献的组合来确定用于所述光刻掩模的掩模函数。2.根据权利要求1所述的方法，其中用于所述mcr校正的特征图像的所述掩模3d滤波器和用于与所述mcr校正的特征图像相对应的基于多边形的特征图像的掩模3d滤波器相同，其中所述基于多边形的特征图像基于尖角。3.根据权利要求1所述的方法，其中将所述布局几何形状分割为多个特征图像包括：将所述布局几何形状分割为多个基于多边形的特征图像；以及校正所述基于多边形的特征图像中的至少一个基于多边形的特征图像，以产生所述mcr校正的特征图像。4.根据权利要求3所述的方法，其中针对所述至少一个基于多边形的特征图像的校正通过所述圆角的角度和所述圆角的曲率而被参数化。5.根据权利要求3所述的方法，其中针对所述至少一个基于多边形的特征图像的校正是基于由源照明所照明的具有圆角的所述特征图像、通过掩模结构的所述散射效应的严格电磁仿真而被确定的。6.根据权利要求1所述的方法，其中将所述布局几何形状分割为多个特征图像包括：将所述布局几何形状分割为多个基于多边形的特征图像；以及针对具有圆角的至少一个形状，针对所述形状校正所述基于多边形的特征图像中的所有特征图像，以产生针对所述形状的mcr校正的特征图像。7.根据权利要求6所述的方法，其中针对所述形状的所述特征图像由以下组成：区域图像、一个或多个单边缘图像和多个多边缘图像。8.根据权利要求1所述的方法，进一步包括：将所述掩模函数作为输入应用于阿贝成像模型或霍普金斯成像模型。9.根据权利要求1所述的方法，其中所述布局几何形状包括针对整个芯片的布局几何形状。10.根据权利要求1所述的方法，其中所述光刻掩模的源照明是极紫外euv或深紫外duv照明。11.一种系统，包括：计算机可读存储介质，所述计算机可读存储介质存储指令和库，所述库包含预定义的特征图像和对应的预先计算的掩模3d滤波器；以及处理器设备，所述处理器设备与所述计算机可读存储介质耦合并且用以执行所述指令，所述指令在被执行时使所述处理器设备以：
基于被包含在所述库中的所述预定义的特征图像将光刻掩模的布局几何形状分割为多个特征图像，所述多个特征图像包括至少一个mcr校正的特征图像；通过将所述特征图像与来自所述库的所述相对应的掩模3d滤波器进行卷积，来计算来自所述多个特征图像中的每个特征图像的掩模函数mf贡献；以及组合经计算的所述mf贡献以确定用于所述光刻掩模的掩模函数。12.根据权利要求11所述的系统，其中在所述库中的所述预定义的特征图像包括基于多边形的特征图像，所述基于多边形的特征图像是基于尖角和用于说明圆角的掩模角圆化mcr校正的特征图像，并且所述掩模3d滤波器针对对应的基于多边形的特征图像和mcr校正的特征图像是相同的。13.根据权利要求11所述的系统，其中在所述库中的所述预定义的特征图像包括基于多边形的特征图像和mcr校正图像，所述基于多边形的特征图像是基于尖角，所述mcr校正图像是对所述基于多边形的特征图像的校正以说明圆角。14.根据权利要求11所述的系统，其中所述特征图像被包含在一个或多个查表中，并且分割所述布局几何形状和计算所述mf贡献包括：从所述查表中选择特征图像和对应的掩模3d滤波器。15.根据权利要求11所述的系统，其中在所述库中的所述预定义的特征图像包括说明以下项的特征图像：圆内角、圆外角、圆角的不同角度以及圆角的不同曲率。16.根据权利要求11所述的系统，其中在所述库中的所述预定义的特征图像包括基于尖角的区域图像、一个或多个单边缘图像、以及多个多边缘图像；以及说明圆角的区域图像、一个或多个单边缘图像、以及多个多边缘图像。17.一种非瞬态计算机可读介质，包括存储的指令，所述指令在由处理器设备执行时使所述处理器设备以：接收光刻掩模的布局几何形状，所述布局几何形状包括具有一个或多个圆角的至少一个形状；将所述布局几何形状分割为多个特征图像，其中所述多个特征图像包括说明所述形状的所述圆角的至少一个特征图像；通过将所述特征图像与对应的掩模3d滤波器进行卷积，来计算所述多个特征图像中的每个特征图像的掩模函数mf贡献，其中与每个特征图像相对应的所述掩模3d滤波器表示所述特征图像的电磁散射效应；以及基于经计算的所述mf贡献的组合来确定用于所述光刻掩模的掩模函数。18.根据权利要求17所述的计算机可读介质，其中说明圆角的、用于特征图像的所述掩模3d滤波器与针对具有尖角的相同特征的、用于特征图像的所述掩模3d滤波器相同。19.根据权利要求17所述的计算机可读介质，其中分割所述布局几何形状并且计算所述掩模函数mf贡献是基于预定义的特征图像和对应的预先计算的掩模3d滤波器的库。20.根据权利要求17所述的计算机可读介质，其中所述多个特征图像包括区域图像、一个或多个单边缘图像和多个多边缘图像。

技术总结

本公开涉及使用特征图像的三维掩模仿真中的掩模角圆化效应。光刻掩模的布局几何形状被接收。布局几何形状包括具有一个或多个圆角的至少一个形状。布局几何形状被分割为例如从库中所选择的多个特征图像。特征图像包括至少一个掩模角圆化(MCR)校正的特征图像，其说明形状的圆角。特征图像具有对应的掩模3D(M3D)滤波器，其表示针对给定的源照明的特征图像的电磁散射效应。通过将特征图像与其对应的M3D滤波器进行卷积来计算来自特征图像中的每个特征图像的掩模函数贡献。掩模函数贡献被组合以确定用于由源照明所照明的掩模的掩模函数。以确定用于由源照明所照明的掩模的掩模函数。以确定用于由源照明所照明的掩模的掩模函数。