极紫外光刻掩模相位型缺陷的形貌重建方法

发布时间：2025-07-08 23:32

　　 提出了一种极紫外光刻掩模多层膜相位型缺陷的形貌重建方法。采用表面与底部形貌参数表征相位型缺陷的三维形貌;采用原子力显微镜测量缺陷表面形貌参数;采用傅里叶叠层成像技术重建含缺陷的空白掩模空间像复振幅;采用卷积神经网络与多层感知器两种深度学习模型构建空间像振幅/相位与缺陷底部形貌参数之间的关系,建立缺陷底部形貌参数重建模型;利用训练后模型从空间像的振幅与相位信息中重建出缺陷底部形貌参数。仿真结果表明,训练后模型可准确重建相位型缺陷的底部形貌参数。凸起型与凹陷型缺陷的底部半峰全宽重建结果的均方根误差分别为0.51 nm和0.43 nm,底部高度重建结果的均方根误差分别为3.35 nm和1.73 nm。由于采用空间像作为信息载体,本方法不受沉积条件的影响。

【文章页数】：15 页

【部分图文】：

图3 FP重建复振幅流程

式中:θmax为入射光与z轴夹角最大值。数值孔径的增大使得成像过程可保留更多的高频信息,能更好地还原振幅与相位变化[24]。FP重建空间像复振幅的流程如图3所示,详细算法可参考文献[15]。2.2相位型缺陷的底部形貌参数重建模型

图4 CNN示意图

CNN模型如图4所示。CNN模型中各卷积层和全连接层采用的激励函数均为ReLU,输入为空间像振幅与相位图像。第一层为含有32个大小为3×3的卷积核的卷积层,卷积层的作用是特征提取;第二层是核大小为2×2,步长为2的最大池化层,池化层的作用是降低待处理数据的数量;第三层为含有32个....

图5 MLP示意图

多层膜相位型缺陷的底部形貌参数重建流程如图6所示,包含参数重建模型建模和缺陷底部形貌参数重建两部分。在建模部分,首先生成含有不同底部形貌参数hbot、ωbot的相位型缺陷。由于表面形貌可由AFM测得,故设定htop、ωtop为固定值。在5～50nm之间以5nm为间隔选取|....

图1 EUV光刻含缺陷多层膜示意图。

Mo/Si层厚度比例保持为4.17nm/2.78nm。两种典型的相位型缺陷,即凸起型缺陷与凹陷型缺陷如图1所示。相位型缺陷影响多层膜反射光的振幅与相位,改变光刻成像系统中物的复振幅Aobject(x,y),从而影响空间像的复振幅Aoutput(x,y)。具有不同形貌参数Δ的缺....

本文编号：4056789