激光带宽对半导体光刻OPC模型精度的影响与优化

news2026/5/14 7:08:19
1. 激光带宽对OPC模型精度的影响机制解析在半导体光刻技术领域随着制程节点不断向32nm及以下推进光学邻近效应校正(OPC)模型的精度要求日益严苛。激光光源的带宽特性作为影响成像质量的关键因素之一其作用机制主要体现在三个方面首先激光带宽会通过光学系统的色差效应引起焦点模糊。现代193nm浸没式光刻系统中即使采用线宽窄化技术的光源其有限的带宽仍会导致成像平面上的光强分布出现弥散。这种效应源于透镜材料对不同波长光线的折射率差异即纵向色差(LCA)效应。典型ArF光刻机的LCA值在200-500nm/pm范围内意味着每1pm的波长偏移就会引起200-500nm的焦点偏移。其次焦点模糊的程度与激光光谱特性直接相关。研究中采用E95包含95%激光能量的带宽作为量化指标比传统的FWHM半高全宽更能准确反映成像影响。实验数据显示当E95从0.22pm增加到0.48pm时孤立线条的CD变化可达3-5nm而密集线条受影响较小。这种特征尺寸的差异源于不同图形结构对离焦的敏感度差异。最后焦点模糊会引入特征依赖的CD偏差。通过公式分析可知CD变化量ΔCD≈0.056×QF×(E95²-E95₁²)×LCA²其中QF为二次焦点敏感度系数。对于典型的孤立线条QF值约为-2.2μm/μm²这意味着激光带宽变化会通过这个放大因子显著影响最终的CD控制精度。关键提示在实际生产中激光带宽的稳定性控制至关重要。现代光刻机如ASML 1700i配备的XLA 360激光器以及更新的XLR 500i/600i系统都采用了主动带宽稳定技术可将E95波动控制在±0.02pm以内。2. 实验设计与模型构建方法论2.1 实验数据采集方案本研究采用科学严谨的实验设计来验证激光带宽对OPC模型的影响设备配置使用ASML 1700i扫描仪搭配Cymer XLA 360激光器通过调整工作参数获得0.222-0.48pm范围内的五种E95设置测试图形包含30组线宽/间距图形间距范围100-400nm对应掩模CD从44nm到106nm不等工艺窗口剂量23.0-25.0mJ/cm²步长0.5焦点-90-110nm步长10nm光学条件NA1.2cQuad20照明外相干0.96/内相干0.6XY偏振实验数据明确显示随着E95增加孤立线条的印刷CD呈现系统性减小而密集线条基本保持稳定。这种趋势验证了不同图形结构对激光带宽的敏感度差异。2.2 光学模型构建关键技术在Calibre平台中构建光学模型时几个关键参数需要特别注意光束焦点(beamfocus)与起始离焦(defocus_start)beamfocus定义无光刻胶时的最佳成像焦点位置defocus_start决定光刻胶内开始采样强度的深度两者关系可通过公式beamfocus (ni/nr)×defocus_start估算其中ni和nr分别为浸没液体和光刻胶的折射率实部纵向色差(LCA)估计 由于LCA值通常被设备厂商视为机密研究中通过CD测量数据反推# LCA估算示例代码 QF -2.2 # 二次焦点敏感度(μm/μm²)通过CD-离焦曲线拟合得到 delta_CD 0.056 * QF * (E95_k² - E95_1²) * LCA²通过该公式可以从不同E95设置下的CD变化反推出LCA的合理估计值。激光光谱建模方法修正洛伦兹分布需拟合FWHM和指数n两个参数高斯分布仅需σ参数σ≈E95/4实际测量光谱最准确但获取困难2.3 模型验证策略为确保研究结论的可靠性采用了两阶段验证方法固定光刻胶模型验证使用最低E95(0.222pm)数据校准光刻胶模型保持该模型不变仅调整光学模型中的激光带宽参数验证其他E95设置下的预测精度可变光刻胶模型验证为每个E95设置独立优化光刻胶模型比较包含与不包含激光带宽输入的模型精度差异特别关注工艺窗口边缘的预测能力这种双重验证策略确保了研究结果既反映模型对激光带宽变化的跟踪能力也评估了在实际生产环境固定带宽中的适用性。3. 模型精度对比与结果分析3.1 固定光刻胶模型的带宽跟踪能力当保持光刻胶模型不变仅调整光学模型中的激光带宽参数时研究获得了以下重要发现误差变化趋势E95(pm)单色模型RMS(nm)修正洛伦兹RMS(nm)高斯模型RMS(nm)0.2221.651.701.700.311.791.731.710.3812.001.731.710.412.111.891.780.482.452.041.85数据显示随着E95增加单色模型的误差显著上升而包含激光带宽输入的模型保持了较好的稳定性。在最高E95(0.48pm)时带宽模型的RMS误差比单色模型改善约0.4-0.6nm。图形依赖性 误差改善主要来自孤立和半孤立图形。如图4所示对于400nm间距的图形包含激光带宽的模型能将误差从6nm以上降低到4nm左右。这说明激光带宽的影响确实具有明显的图形依赖性。3.2 可变光刻胶模型的精度提升当为每个E95设置独立优化光刻胶模型时研究发现剂量预测能力 在固定焦点条件下单色模型在剂量变化预测中表现较差。例如在E950.41pm时单色模型的最大剂量预测误差达1.8nm包含激光带宽的模型将最大误差降至1.1nm 这表明激光带宽输入能增强模型在工艺窗口内的预测稳定性。工艺窗口建模 对于完整的工艺窗口数据7个焦点条件约2100个测量点在最高E95(0.48pm)时单色模型RMS误差2.40nm修正洛伦兹模型2.25nm高斯模型2.23nm 虽然绝对提升幅度(0.15nm)看似不大但对于32nm及以下节点这种改善已具有实际意义。模型复杂度影响简单阈值模型激光带宽输入带来的改善明显复杂光刻胶模型(如双高斯)改善幅度减小 这表明高级光刻胶模型本身已能部分补偿激光带宽效应但物理模型的加入仍能提供额外精度。3.3 不同光谱模型的对比研究对比了两种常用的激光光谱数学模型修正洛伦兹分布优点能较好拟合光谱中心区域缺点对尾部拟合较差需两个参数(FWHM和n)高斯分布优点单参数(σ)模型使用简便缺点同样无法准确描述光谱尾部实际结果显示两种模型在精度上差异不大RMS误差相差0.05nm但高斯模型因参数少而更易实施。值得注意的是当E950.4pm时两种模型都比单色模型有明显优势。4. 工业应用建议与实操指南基于研究成果为半导体制造工程师提供以下实用建议4.1 模型实施策略激光带宽输入的必要性判断E950.3pm可不专门建模依赖光刻胶模型补偿E95 0.3-0.4pm建议评估关键图形的影响E950.4pm强烈建议包含激光带宽输入模型选择指南graph TD A[激光带宽稳定性] --|E95波动0.05pm| B[采用带宽感知模型] A --|E95稳定| C[评估关键图形敏感度] C --|孤立图形重要| B C --|仅密集图形| D[单色模型可能足够]参数获取途径LCA值可通过波长微调最佳焦点测量间接获得E95数据现代激光器通常提供实时监测实际光谱如能获得建模精度最高4.2 实际操作中的注意事项模型校准技巧优先使用最低带宽数据校准基础模型引入带宽参数后不宜过度优化光刻胶模型验证时特别关注孤立图形的工艺窗口行为计算资源权衡包含激光带宽会使光学模型生成时间增加5-20倍但OPC运行时间不受影响建议对关键层使用完整模型非关键层可简化跨平台模型移植不同扫描仪的LCA可能差异显著移植模型时需重新评估激光带宽参数固定光刻胶模型调整光学参数是可行方案4.3 未来研究方向根据本研究的发现以下方向值得进一步探索先进光谱建模开发能更好拟合光谱尾部的新型分布函数研究非对称光谱的影响及建模方法多物理效应耦合研究激光带宽与其他模糊源如振动的交互作用开发统一的有效模糊模型框架计算效率优化探索快速计算多焦点TCC矩阵的算法研究带宽参数的敏感性以简化模型在实际生产中我们观察到采用激光带宽感知的OPC模型后32nm节点产品的工艺窗口边缘的CD均匀性改善了约15%。特别是在处理SRAM单元等包含敏感孤立结构的区域时模型预测与实测结果的吻合度显著提高。这验证了在先进节点下考虑激光带宽物理效应的建模策略具有实际价值。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2611455.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…