KR101991762B1

KR101991762B1 - 타겟 구조체의 속성을 측정하는 방법, 검사 장치, 리소그래피 시스템 및 디바이스 제조 방법

Info

Publication number: KR101991762B1
Application number: KR1020177008864A
Authority: KR
Inventors: 무라트 보츠쿠르트; 마르틴 야코부스 요한 야크; 파트리시우스 알로이시우스 야코부스 틴네만스
Original assignee: 에이에스엠엘 네델란즈 비.브이.
Priority date: 2014-09-01
Filing date: 2015-08-20
Publication date: 2019-06-21
Anticipated expiration: 2035-08-20
Also published as: WO2016034428A2; WO2016034428A3; CN107077079A; CN107077079B; TW201727391A; TWI588622B; US20170206649A1; TWI634393B; IL250590B; KR20170051477A; US9940703B2; IL250590A0; US9633427B2; TW201614383A; US20160086324A1

Abstract

타겟 구조체의 속성이 타겟의 이미지의 세기에 기초하여 측정된다. 방법은 (a) 타겟 구조체의 이미지를 얻는 단계; (b) 복수의 후보 관심 구역들을 정의하는 단계(1204) -각각의 후보 관심 구역은 이미지 내의 복수의 픽셀들을 포함함- ; (c) 관심 구역 내에서의 픽셀들의 신호 값들에 적어도 부분적으로 기초하여 후보 관심 구역들에 대한 최적화 메트릭 값을 정의하는 단계(1208, 1216); (d) 타겟 신호 값에 대한 이미지 내의 각각의 픽셀의 기여를 정의하는 타겟 신호 함수를 정의하는 단계(1208, 1216)를 포함한다. 각각의 픽셀의 기여는 (ⅰ) 어느 후보 관심 구역들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 관심 구역들의 최적화 메트릭 값들에 의존한다.

Description

타겟 구조체의 속성을 측정하는 방법, 검사 장치, 리소그래피 시스템 및 디바이스 제조 방법{METHOD OF MEASURING A PROPERTY OF A TARGET STRUCTURE, INSPECTION APPARATUS, LITHOGRAPHIC SYSTEM AND DEVICE MANUFACTURING METHOD}

본 출원은 2014년 9월 1일에 출원된 EP 출원 14183095.0의 우선권을 주장하며, 이는 본 명세서에서 그 전문이 인용참조된다.

본 발명은, 예를 들어 리소그래피 기술들에 의한 디바이스들의 제조 시에 메트롤로지를 수행하는 데 이용가능한 검사 장치들 및 방법들에 관한 것이다. 또한, 본 발명은 이러한 검사 장치에서 사용하는 컴퓨터 프로그램 제품들, 및 리소그래피 기술들을 이용하여 디바이스들을 제조하는 방법들 및 리소그래피 시스템들에 관한 것이다.

리소그래피 장치는 기판 상에, 통상적으로는 기판의 타겟부 상에 원하는 패턴을 적용시키는 기계이다. 리소그래피 장치는, 예를 들어 집적 회로(IC)의 제조 시에 사용될 수 있다. 그 경우, 대안적으로 마스크 또는 레티클이라 칭하는 패터닝 디바이스가 IC의 개별층 상에 형성될 회로 패턴을 생성하기 위해 사용될 수 있다. 이 패턴은 기판(예컨대, 실리콘 웨이퍼) 상의 (예를 들어, 다이의 부분, 한 개 또는 수 개의 다이를 포함하는) 타겟부 상으로 전사(transfer)될 수 있다. 패턴의 전사는 통상적으로 기판 상에 제공된 방사선-감응재(레지스트)층 상으로의 이미징(imaging)을 통해 수행된다. 일반적으로, 단일 기판은 연속하여 패터닝되는 인접한 타겟부들의 네트워크를 포함할 것이다.

리소그래피 공정들에서는, 예를 들어 공정 제어 및 검증(verification)을 위해, 흔히 생성된 구조체들의 측정들을 수행하는 것이 바람직하다. 이러한 측정들을 수행하는 다양한 툴들이 알려져 있으며, 임계 치수(CD)를 측정하는 데 흔히 사용되는 스캐닝 전자 현미경 및 오버레이, 즉 디바이스 내의 두 층들의 정렬 정확성을 측정하는 특수 툴들을 포함한다. 최근에는, 리소그래피 분야에서의 사용을 위해 다양한 형태의 스케터로미터(scatterometer)들이 개발되었다. 이 디바이스들은 타겟 상으로 방사선 빔을 지향하고, 산란된 방사선의 1 이상의 속성 - 예를 들어, 파장의 함수로서 단일 반사 각도에서의 세기; 반사된 각도의 함수로서 1 이상의 파장에서의 세기; 또는 반사된 각도의 함수로서 편광(polarization) - 을 측정하여, 타겟의 관심 속성(property of interest)이 결정될 수 있는 회절 "스펙트럼"을 얻는다.

알려진 스케터로미터들의 예시들은 US2006033921A1 및 US2010201963A1에서 설명된 타입의 각도-분해 스케터로미터(angle-resolved scatterometer)들을 포함한다. 이러한 스케터로미터들에 의해 사용되는 타겟들은 비교적 큰, 예를 들어 40㎛×40㎛ 격자들이며, 측정 빔은 격자보다 작은 스폿을 발생시킨다[즉, 격자가 언더필링(underfill)됨]. 재구성에 의한 피처 형상들의 측정에 추가하여, 회절-기반 오버레이가 공개된 특허 출원 US2006066855A1에 설명된 바와 같이 이러한 장치를 이용하여 측정될 수 있다. 회절 차수들의 다크-필드 이미징(dark-field imaging)을 이용한 회절-기반 오버레이 메트롤로지는 더 작은 타겟들에 대한 오버레이 측정들을 가능하게 한다. 다크 필드 이미징 메트롤로지의 예시들은 국제 특허 출원 US20100328655A1 및 US2011069292A1에서 찾아볼 수 있으며, 이 문서들은 본 명세서에서 그 전문이 인용참조된다. 기술의 추가 개발들이 특허 공개공보 US20110027704A, US20110043791A, US2011102753A1, US20120044470A, US20120123581A, US20130258310A, US20130271740A 및 WO2013178422A1에서 설명되었다. 이 타겟들은 조명 스폿보다 작을 수 있고, 웨이퍼 상의 제품 구조체(product structure)들에 의해 둘러싸일 수 있다. 다수 격자들이 복합(composite) 격자 타겟을 이용하여 하나의 이미지에서 측정될 수 있다. 또한, 이 모든 출원들의 내용들은 본 명세서에서 인용참조된다.

알려진 메트롤로지 기술에서, -1차 및 +1차 회절 세기들을 개별적으로 얻기 위해 조명 모드 또는 이미징 모드를 변화시키거나, 타겟을 회전시키면서, 소정 조건들 하에 타겟을 두 번 측정함으로써 오버레이 측정 결과들이 얻어진다. 주어진 격자에 대한 이 세기들의 비교가 격자의 비대칭의 측정을 제공하며, 오버레이 격자에서의 비대칭이 오버레이 오차의 지표(indicator)로서 사용될 수 있다. 오버레이에 추가하여, 리소그래피 공정의 다른 성능 파라미터들이 도 4에 예시된 바와 같은 동일한 일반적인 절차들에 의해, 및 동일한 일반적인 형태의 타겟들을 이용하여 측정될 수 있다. 특히, 타겟의 비대칭이 예를 들어 리소그래피 공정 시 포커스 오차 또는 노광 도즈 오차들에 의존하는 타겟들이 디자인될 수 있다.

복합 격자 타겟에서의 개별적인 격자들의 감소된 크기로 인해, 다크-필드 이미지에서의 에지 효과들[프린지(fringes)]이 상당해지고, 타겟 내의 상이한 격자들의 이미지들 사이에 크로스토크(cross-talk)가 존재할 수 있다. 이 문제에 대처하기 위해, 앞서 언급된 US20110027704A는 '관심 구역'(ROI)으로서 각각의 격자의 이미지의 중심부만을 선택하도록 교시한다. ROI 내에서의 픽셀 값들만이 비대칭 및 오버레이를 계산하는 데 사용된다.

하지만, 훨씬 더 작은 타겟들이 고려됨에 따라, 에지 효과들이 없는 것으로 정의될 수 있는 ROI의 크기는 훨씬 더 작은 수의 픽셀들로 감소된다. 결과적으로, 측정들은 주어진 획득 시간 동안 본질적으로 잡음이 더 많다. 또한, ROI를 위치시킴에 있어서 여하한의 변동이 측정된 비대칭에서의 큰 오차 원인이 된다.

에지 효과들은 매우 심할(intense) 수 있다. 격자의 비대칭 에지들은 이들이 ROI 내부에서 끝나도록 충분히 크고 심한 경우에 세기 신호 오차를 증가시킬 것이다. ROI의 배치에서의 작은 패턴 인식 오차(pattern recognition error)들에 대해, 높은 세기 에지의 작은 부분만이 ROI 내부에서 끝날 수 있다. 에지 효과들의 작은 존재는, 종래의 1σ 또는 2σ-필터가 이 픽셀들을 제거하는 데 성공적이기 때문에 문제가 되지 않는다. 하지만, 큰 패턴 인식 오차들에 대해서는, 2σ-필터가 덜 우수하게 작동할 것이고, 세기 신호의 더 큰 오차들이 도입될 것이다.

깁스(Gibbs) 현상의 결과로서 ROI 내부에서 세기의 진동들이 발생할 수 있다. 이는, 예를 들어 0.4 NA[개구수(numerical aperture)]의 퓨필 필터가 스케터로미터에서 사용되고 제한된 수의 푸리에(Fourier) 성분들이 격자 필드 이미지를 형성하도록 이용가능한 경우에 일어날 수 있다. 이는 격자 이미지에 걸쳐 세기의 주기적인 진동들을 유도한다. 이 효과로 인해, 주기적인 진동들 위에(on top of) ROI의 약간 상이한 배치가 ROI에 걸쳐 상이한 평균 세기들을 유도할 것이다. 따라서, 최종 평균된 세기는 ROI의 배치에 매우 민감하다.

고 NA 검출과 조합한 디포커스의 효과들에 의해 격자 이미지에 걸친 세기 기울기(intensity gradient)들이 야기될 수 있다. 최종 효과는, ROI가 세기의 경사(slope)에 배치되어야 한다는 것이다. 이 경우, 위치설정의 오차가 평균 세기의 추가 오차들을 유도할 것이다. 이 세기 기울기들이 후대의 장치에서 더 심각할 것으로 예상될 수 있으며, 이때 오프-액시스 조명(off-axis illumination) 및 산란 방사선의 오프-액시스 수집이 신호들을 포커싱 오차들에 더 민감하게 한다. 또한, 포커싱 오차들의 경우, 복합 타겟 내의 성분 격자(component grating)들의 이미지들이 서로 오버레이하도록 상이한 방향들로 이동할 수 있다. 기존 신호 추출 방법들은 점점 어려움을 겪을 것이다.

발명자들은 오버레이 타겟들의 다크-필드 세기 측정들이 개선될 수 있음을 인지하였다. 본 발명은 앞서 확인된, 알려진 기술들로의 문제들 중 1 이상에 대처하는 타겟 구조체의 속성을 측정하는 방법을 제공하는 것을 목표로 한다.

제 1 실시형태에서, 본 발명은 기판 상의 타겟 구조체의 속성을 측정하는 방법을 제공하고, 상기 방법은:

(a) 조명 하에 타겟 구조체에 의해 회절된 방사선의 사전설정된 부분을 이용하여 타겟 구조체의 이미지를 얻는 단계;

(b) 복수의 후보 관심 구역들을 정의하는 단계 -각각의 후보 관심 구역은 상기 이미지 내의 복수의 픽셀들을 포함함- ;

(c) 관심 구역 내에서의 픽셀들의 신호 값들에 적어도 부분적으로 기초하여 후보 관심 구역들에 대한 최적화 메트릭 값(optimization metric value)을 정의하는 단계;

(d) 타겟 신호 값에 대한 이미지 내의 각각의 픽셀의 기여를 정의하는 타겟 신호 함수를 간접적으로 또는 직접적으로 정의하는 단계 -각각의 픽셀의 기여는 (ⅰ) 어느 후보 관심 구역들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 관심 구역들의 최적화 메트릭 값들에 의존함- ;

(e) 정의된 타겟 신호 함수에 따라 검출된 이미지로부터의 다수 픽셀 신호 값들을 조합함으로써 간접적으로 또는 직접적으로 계산된 타겟 신호 값을 이용하여 상이한 타겟 구조체 또는 동일한 타겟 구조체의 속성의 측정을 얻는 단계를 포함한다.

제 2 실시형태에서, 본 발명은 기판 상의 타겟 구조체의 속성을 측정하는 검사 장치를 제공하고, 상기 장치는:

- 상기 타겟 구조체가 형성되어 있는 기판에 대한 지지체;

- 타겟 구조체를 조명하고, 타겟 구조체에 의해 회절된 방사선의 사전설정된 부분을 이용하여 타겟 구조체의 이미지를 얻는 광학 시스템;

- 프로세서를 포함하며, 프로세서는:

복수의 후보 관심 구역들을 정의하고 -각각의 후보 관심 구역은 상기 이미지 내의 복수의 픽셀들을 포함함- ;

관심 구역 내에서의 픽셀들의 신호 값들에 적어도 부분적으로 기초하여 후보 관심 구역들에 대한 최적화 메트릭 값을 정의하며;

타겟 신호 값에 대한 이미지 내의 각각의 픽셀의 기여를 정의하는 타겟 신호 함수를 간접적으로 또는 직접적으로 정의하고 -각각의 픽셀의 기여는 (ⅰ) 어느 후보 관심 구역들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 관심 구역들의 최적화 메트릭 값들에 의존함- ;

정의된 타겟 신호 함수에 따라 검출된 이미지로부터의 다수 픽셀 신호 값들을 조합함으로써 간접적으로 또는 직접적으로 계산된 타겟 신호 값을 이용하여 상이한 타겟 구조체 또는 동일한 타겟 구조체의 속성의 측정을 얻도록 배치된다.

제 3 실시형태에서, 본 발명은 범용 처리 장치가 제 1 실시형태에 따른 방법의 단계(b) 내지 단계(e)를 수행하게 하는 기계-판독가능한 명령어들을 포함하는 컴퓨터 프로그램 제품을 제공한다.

제 4 실시형태에서, 본 발명은 리소그래피 장치를 포함하는 리소그래피 시스템을 제공하고, 리소그래피 장치는:

패턴을 조명하도록 배치되는 조명 광학 시스템;

기판 상으로 패턴의 이미지를 투영하도록 배치되는 투영 광학 시스템; 및

제 2 실시형태에 따른 검사 장치를 포함하며,

리소그래피 장치는 또 다른 기판들에 패턴을 적용함에 있어서 검사 장치로부터의 측정 결과들을 이용하도록 배치된다.

제 5 실시형태에서, 본 발명은 리소그래피 공정을 이용하여 일련의 기판들에 디바이스 패턴이 적용되는 디바이스 제조 방법을 제공하고, 상기 방법은 제 1 실시형태에 따른 방법을 이용하여 상기 기판들 중 적어도 하나의 상기 디바이스 패턴의 일부분으로서 또는 그 옆에 형성되는 적어도 하나의 타겟 구조체를 검사하는 단계, 및 방법의 결과에 따라 이후 기판들에 대해 리소그래피 공정을 제어하는 단계를 포함한다.

첨부된 도면들을 참조하여, 본 발명의 다양한 실시예들의 구조 및 작동뿐만 아니라, 본 발명의 또 다른 특징들 및 장점들이 아래에서 상세하게 설명된다. 본 발명은 본 명세서에서 설명되는 특정한 실시예들에 제한되지 않는다는 것을 유의한다. 본 명세서에서, 이러한 실시예들은 단지 예시적인 목적으로만 제시된다. 당업자라면, 본 명세서에 포함되는 교시에 기초하여 추가적인 실시예들을 명백히 알 것이다.

이제 대응하는 참조 부호들이 대응하는 부분들을 나타내는 첨부된 개략적인 도면들을 참조하여, 단지 예시의 방식으로만 본 발명의 실시예들을 설명할 것이다:
도 1은 리소그래피 장치를 도시하는 도면;
도 2는 본 발명에 따른 검사 장치가 사용될 수 있는 리소그래피 셀(lithographic cell) 또는 클러스터(cluster)를 도시하는 도면;
도 3은 (a) 제 1 쌍의 조명 어퍼처(illumination aperture)들을 이용하여 본 발명의 실시예들에 따른 타겟들을 측정하는 데 사용되는 다크 필드 스케터로미터의 개략적인 다이어그램, (b) 주어진 방향의 조명에 대한 타겟 격자의 상세한 회절 스펙트럼, (c) 회절-기반 오버레이 측정들을 위해 스케터로미터를 이용함에 있어서 또 다른 조명 모드들을 제공하는 제 2 쌍의 조명 어퍼처들, 및 (d) 제 1 및 제 2 쌍의 어퍼처들을 조합한 제 3 쌍의 조명 어퍼처들을 포함하는 도면;
도 4는 알려진 형태의 다수 격자 타겟 및 기판 상의 측정 스폿의 윤곽(outline)을 도시하는 도면;
도 5는 도 3의 스케터로미터에서 얻어진 도 4의 타겟의 이미지를 도시하는 도면;
도 6은 도 3의 스케터로미터를 이용하는 알려진 오버레이 측정 방법의 단계들을 나타내는 흐름도;
도 7은 다크-필드 오버레이 타겟의 이미지 및 종래의 메트롤로지 기술에 따른 타겟의 격자들 중 하나에서의 관심 구역(ROI)의 위치설정을 예시하는 도면;
도 8은 에지 효과들 및 세기 진동들 및 기울기들에 시달리는 다크-필드 이미지를 예시하는 도면;
도 9는 본 발명의 일 실시예에 따른 ROI 배치를 예시하는 도면;
도 10은 Sx(X-축), Sy(Y-축), Px 및 Py의 상이한 조합들에 대한 예시적인 최적화 메트릭 3σI(%)의 분포를 3-D로 나타내는 그래프;
도 11은 본 발명의 일 실시예에 따른 도 3의 스케터로미터를 이용하는 오버레이 측정 방법의 단계들을 나타내는 흐름도;
도 12는 본 발명의 실시예들에 따른 타겟 세기 값을 결정하는 단계들을 나타내는 흐름도; 및
도 13은 본 발명의 실시예들의 프로세서들을 구현하도록 프로그램가능한 데이터 처리 하드웨어를 개략적으로 예시하는 도면이다.

본 발명의 실시예들을 상세히 설명하기에 앞서, 본 발명의 실시예들이 구현될 수 있는 예시적인 환경을 제시하는 것이 유익하다.

도 1은 리소그래피 장치(LA)를 개략적으로 도시한다. 상기 장치는 방사선 빔(B)(예를 들어, UV 방사선 또는 DUV 방사선)을 컨디셔닝(condition)하도록 구성되는 조명 시스템(일루미네이터)(IL); 패터닝 디바이스(예를 들어, 마스크)(MA)를 지지하도록 구성되고, 소정 파라미터들에 따라 패터닝 디바이스를 정확히 위치시키도록 구성된 제 1 위치설정기(PM)에 연결되는 패터닝 디바이스 지지체 또는 지지 구조체(예를 들어, 마스크 테이블)(MT); 기판(예를 들어, 레지스트-코팅된 웨이퍼)(W)을 유지하도록 각각 구성되고, 소정 파라미터들에 따라 기판을 정확히 위치시키도록 구성된 제 2 위치설정기(PW)에 각각 연결되는 2 개의 기판 테이블(예를 들어, 웨이퍼 테이블)(WTa 및 WTb); 및 기판(W)의 (예를 들어, 1 이상의 다이를 포함하는) 타겟부(C) 상으로 패터닝 디바이스(MA)에 의해 방사선 빔(B)에 부여된 패턴을 투영하도록 구성되는 투영 시스템(예를 들어, 굴절 투영 렌즈 시스템)(PS)을 포함한다. 기준 프레임(reference frame: RF)이 다양한 구성요소들을 연결하며, 패터닝 디바이스 및 기판 및 이들 상의 피처들의 위치들을 설정하고 측정하는 기준의 역할을 한다.

조명 시스템은 방사선을 지향, 성형, 또는 제어하기 위하여, 굴절, 반사, 자기, 전자기, 정전기 또는 다른 타입의 광학 구성요소들, 또는 여하한의 그 조합과 같은 다양한 타입들의 광학 구성요소들을 포함할 수 있다.

패터닝 디바이스 지지체는 패터닝 디바이스의 방위, 리소그래피 장치의 디자인, 및 예를 들어 패터닝 디바이스가 진공 환경에서 유지되는지의 여부와 같은 다른 조건들에 의존하는 방식으로 패터닝 디바이스를 유지한다. 패터닝 디바이스 지지체는 많은 형태를 취할 수 있다. 패터닝 디바이스 지지체는, 패터닝 디바이스가 예를 들어 투영 시스템에 대해 원하는 위치에 있을 것을 보장할 수 있다.

본 명세서에서 사용되는 "패터닝 디바이스"라는 용어는, 기판의 타겟부에 패턴을 생성하기 위해서 방사선 빔의 단면에 패턴을 부여하는 데 사용될 수 있는 여하한의 디바이스를 언급하는 것으로 폭넓게 해석되어야 한다. 방사선 빔에 부여된 패턴은, 예를 들어 상기 패턴이 위상-시프팅 피처(phase-shifting feature)들 또는 소위 어시스트 피처(assist feature)들을 포함하는 경우, 기판의 타겟부 내의 원하는 패턴과 정확히 일치하지 않을 수도 있다는 것을 유의하여야 한다. 일반적으로, 방사선 빔에 부여된 패턴은 집적 회로와 같이 타겟부에 생성될 디바이스 내의 특정 기능 층에 해당할 것이다.

본 명세서에 도시된 바와 같이, 상기 장치는 (예를 들어, 투과 패터닝 디바이스를 채택하는) 투과형으로 구성된다. 대안적으로, 상기 장치는 (예를 들어, 앞서 언급된 바와 같은 타입의 프로그램가능한 거울 어레이를 채택하거나, 반사 마스크를 채택하는) 반사형으로 구성될 수 있다. 패터닝 디바이스의 예로는 마스크, 프로그램가능한 거울 어레이, 및 프로그램가능한 LCD 패널을 포함한다. 본 명세서의 "레티클" 또는 "마스크"라는 용어의 어떠한 사용도 "패터닝 디바이스"라는 좀 더 일반적인 용어와 동의어로 간주될 수 있다. 또한, "패터닝 디바이스"라는 용어는 이러한 프로그램가능한 패터닝 디바이스를 제어하는 데 사용하는 패턴 정보를 디지털 형태로 저장하는 디바이스를 언급하는 것으로 해석될 수도 있다.

본 명세서에서 사용되는 "투영 시스템"이라는 용어는, 사용되는 노광 방사선에 대하여, 또는 침지 액체의 사용 또는 진공의 사용과 같은 다른 인자들에 대하여 적절하다면, 굴절, 반사, 카타디옵트릭(catadioptric), 자기, 전자기 및 정전기 광학 시스템, 또는 여하한의 그 조합을 포함하는 여하한 타입의 투영 시스템을 포괄하는 것으로서 폭넓게 해석되어야 한다. 본 명세서의 "투영 렌즈"라는 용어의 어떠한 사용도 "투영 시스템"이라는 좀 더 일반적인 용어와 동의어로 간주될 수 있다.

또한, 리소그래피 장치는 투영 시스템과 기판 사이의 공간을 채우기 위해서, 기판의 전체 또는 일부분이 비교적 높은 굴절률을 갖는 액체, 예컨대 물로 덮일 수 있는 형태로도 구성될 수 있다. 또한, 침지 액체는 리소그래피 장치 내의 다른 공간들, 예를 들어 마스크와 투영 시스템 사이에도 적용될 수 있다. 침지 기술은 투영 시스템의 개구수를 증가시키는 기술로 당업계에 잘 알려져 있다.

작동 시, 일루미네이터(IL)는 방사선 소스(SO)로부터 방사선 빔을 수용한다. 예를 들어, 소스가 엑시머 레이저(excimer laser)인 경우, 소스 및 리소그래피 장치는 별도의 개체일 수 있다. 이러한 경우, 소스는 리소그래피 장치의 일부분을 형성하는 것으로 간주되지 않으며, 방사선 빔은 예를 들어 적절한 지향 거울 및/또는 빔 익스팬더(beam expander)를 포함하는 빔 전달 시스템(BD)의 도움으로, 소스(SO)로부터 일루미네이터(IL)로 통과된다. 다른 경우, 예를 들어 소스가 수은 램프인 경우, 소스는 리소그래피 장치의 통합부일 수 있다. 소스(SO) 및 일루미네이터(IL)는, 필요에 따라 빔 전달 시스템(BD)과 함께 방사선 시스템이라고도 칭해질 수 있다.

일루미네이터(IL)는, 예를 들어 방사선 빔의 각도 세기 분포를 조정하는 조정기(AD), 인티그레이터(IN) 및 콘덴서(CO)를 포함할 수 있다. 일루미네이터는 방사선 빔의 단면에 원하는 균일성(uniformity) 및 세기 분포를 갖기 위해, 방사선 빔을 컨디셔닝하는 데 사용될 수 있다.

방사선 빔(B)은 패터닝 디바이스 지지체(MT) 상에 유지되는 패터닝 디바이스(MA) 상에 입사되며, 패터닝 디바이스에 의해 패터닝된다. 패터닝 디바이스(예를 들어, 마스크)(MA)를 가로질렀으면, 방사선 빔(B)은 투영 시스템(PS)을 통과하며, 이는 기판(W)의 타겟부(C) 상에 상기 빔을 포커스한다. 제 2 위치설정기(PW) 및 위치 센서(IF)(예를 들어, 간섭계 디바이스, 리니어 인코더, 2-D 인코더 또는 용량성 센서)의 도움으로, 기판 테이블(WTa 또는 WTb)은 예를 들어 방사선 빔(B)의 경로 내에 상이한 타겟부(C)들을 위치시키도록 정확하게 이동될 수 있다. 이와 유사하게, 제 1 위치설정기(PM) 및 (도 1에 명확히 도시되지 않은) 또 다른 위치 센서는, 예를 들어 마스크 라이브러리(mask library)로부터의 기계적인 회수 후에, 또는 스캔하는 동안, 방사선 빔(B)의 경로에 대해 패터닝 디바이스(예를 들어, 마스크)(MA)를 정확히 위치시키는 데 사용될 수 있다.

패터닝 디바이스(예를 들어, 마스크)(MA) 및 기판(W)은 마스크 정렬 마크들(M1, M2) 및 기판 정렬 마크들(P1, P2)을 이용하여 정렬될 수 있다. 비록, 예시된 기판 정렬 마크들은 지정된(dedicated) 타겟부들을 차지하고 있지만, 그들은 타겟부들 사이의 공간들 내에 위치될 수도 있다[이들은 스크라이브-레인 정렬 마크(scribe-lane alignment mark)들로 알려져 있음]. 이와 유사하게, 패터닝 디바이스(예를 들어, 마스크)(MA) 상에 1 이상의 다이가 제공되는 상황들에서, 마스크 정렬 마크들은 다이들 사이에 위치될 수 있다. 또한, 디바이스 피처들 사이에서 다이들 내에 작은 정렬 마커가 포함될 수도 있으며, 이 경우 마커들은 인접한 피처들과 상이한 여하한의 이미징 또는 공정 조건들을 필요로 하지 않고, 가능한 한 작은 것이 바람직하다. 정렬 마커들을 검출하는 정렬 시스템은 아래에서 더 설명된다.

도시된 장치는 다양한 모드들에서 사용될 수 있다. 스캔 모드에서, 패터닝 디바이스 지지체(예를 들어, 마스크 테이블)(MT) 및 기판 테이블(WT)은 방사선 빔에 부여된 패턴이 타겟부(C) 상에 투영되는 동안에 동기적으로 스캐닝된다[즉, 단일 동적 노광(single dynamic exposure)]. 패터닝 디바이스 지지체(예를 들어, 마스크 테이블)(MT)에 대한 기판 테이블(WT)의 속도 및 방향은 투영 시스템(PS)의 확대(축소) 및 이미지 반전 특성에 의하여 결정될 수 있다. 스캔 모드에서, 노광 필드의 최대 크기는 단일 동적 노광 시 타겟부의 (스캐닝 되지 않는 방향으로의) 폭을 제한하는 반면, 스캐닝 동작의 길이는 타겟부의 (스캐닝 방향으로의) 높이를 결정한다. 당업계에 잘 알려져 있는 바와 같이, 다른 타입들의 리소그래피 장치 및 작동 모드들이 가능하다. 예를 들어, 스텝 모드가 알려져 있다. 소위 "마스크없는(maskless)" 리소그래피에서는, 프로그램가능한 패터닝 디바이스가 정지된 상태로 유지되지만 변화하는 패턴을 가지며, 기판 테이블(WT)은 이동되거나 스캐닝된다.

또한, 상술된 사용 모드들의 조합 및/또는 변형, 또는 완전히 다른 사용 모드들이 채택될 수도 있다.

리소그래피 장치(LA)는 2 개의 기판 테이블들(WTa, WTb), 및 기판 테이블들이 교환될 수 있는 2 개의 스테이션들 - 노광 스테이션(EXP) 및 측정 스테이션(MEA) - 을 갖는 소위 듀얼 스테이지 타입으로 이루어진다. 하나의 기판 테이블 상의 하나의 기판이 노광 스테이션에서 노광되고 있는 동안, 또 다른 기판이 측정 스테이션에서 다른 기판 테이블 상으로 로딩(load)되고 다양한 준비작업 단계들이 수행될 수 있다. 이는 상기 장치의 스루풋을 상당히 증가시킬 수 있다. 준비작업 단계들은 레벨 센서(LS)를 이용하여 기판의 표면 높이 윤곽들을 매핑(map)하는 단계, 및 정렬 센서(AS)를 이용하여 기판 상의 정렬 마커들의 위치를 측정하는 단계를 포함할 수 있다. 위치 센서(IF)가 노광 스테이션뿐 아니라 측정 스테이션에 있는 동안 기판 테이블의 위치를 측정할 수 없는 경우, 기준 프레임(RF)에 대해 두 스테이션들에서 기판 테이블의 위치들이 추적될 수 있도록 제 2 위치 센서가 제공될 수 있다. 다른 구성들이 알려져 있고, 나타낸 듀얼-스테이지 구성 대신에 이용가능하다. 예를 들어, 기판 테이블 및 측정 테이블이 제공되는 다른 리소그래피 장치들이 알려져 있다. 이들은 준비작업 측정들을 수행하는 경우에 함께 도킹(dock)되며, 그 후 기판 테이블이 노광을 거치는 동안에 도킹해제(undock)된다.

도 2에 나타낸 바와 같이, 리소그래피 장치(LA)는 때때로 리소셀(lithocell) 또는 클러스터라고도 칭하는 리소그래피 셀(LC)의 일부분을 형성하며, 이는 기판 상에 전-노광(pre-exposure) 및 후-노광(post-exposure) 공정들을 수행하는 장치를 포함한다. 통상적으로, 이들은 레지스트 층들을 증착시키는 스핀 코터(spin coater: SC), 노광된 레지스트를 현상하는 디벨로퍼(developer: DE), 칠 플레이트(chill plate: CH) 및 베이크 플레이트(bake plate: BK)를 포함한다. 기판 핸들러 또는 로봇(RO)이 입력/출력 포트들(I/O1, I/O2)로부터 기판들을 집어올리고, 상기 기판들을 상이한 공정 장치 사이에서 이동시킨 후, 리소그래피 장치의 로딩 베이(loading bay: LB)로 전달한다. 흔히 집합적으로 트랙이라고도 하는 이 디바이스들은, 리소그래피 제어 유닛(LACU)을 통해 리소그래피 장치를 제어하는 감독 제어 시스템(supervisory control system: SCS)에 의해 자체 제어되는 트랙 제어 유닛(TCU)의 제어를 받는다. 따라서, 스루풋과 처리 효율성을 최대화하기 위해 상이한 장치가 작동될 수 있다.

리소그래피 장치에 의해 노광되는 기판들이 올바르고 일관성있게(consistently) 노광되기 위해서는, 후속한 층들 간의 오버레이 오차, 라인 두께, 임계 치수(CD) 등과 같은 속성들을 측정하도록 노광된 기판들을 검사하는 것이 바람직하다. 따라서, 리소셀(LC)이 위치되는 제조 시설은 리소셀에서 처리된 기판(W)들 중 일부 또는 전체를 수용하는 메트롤로지 시스템(MET)을 포함한다. 메트롤로지 결과들은 감독 제어 시스템(SCS)에 간접적으로 또는 직접적으로 제공된다. 오차가 검출되는 경우, 특히 검사가 동일한 뱃치(batch)의 다른 기판들이 여전히 노광되도록 충분히 빠르게 행해질 수 있다면, 후속한 기판들의 노광에 대해 조정이 수행될 수 있다. 또한, 이미 노광된 기판들은 수율을 개선하도록 벗겨져서(strip) 재가공(rework)되거나, 버려져서 결점이 있다고 알려진 기판들에 또 다른 처리를 수행하는 것을 회피할 수 있다. 기판의 몇몇 타겟부들에만 결점이 있는 경우, 양호한 타겟부들 상에만 또 다른 노광들이 수행될 수 있다.

메트롤로지 시스템(MET) 내에서, 검사 장치는 기판의 속성들을 결정하는 데 사용되며, 특히 상이한 기판들 또는 동일한 기판의 상이한 층들의 속성들이 층마다 어떻게 변하는지를 결정하는 데 사용된다. 검사 장치는 리소그래피 장치(LA) 또는 리소셀(LC)에 통합될 수 있으며, 또는 독립형 디바이스(stand-alone device)일 수 있다. 가장 신속한 측정들을 가능하게 하기 위해, 검사 장치는 노광 직후에 노광된 레지스트 층에서 속성들을 측정하는 것이 바람직하다. 하지만, 레지스트 내의 잠상(latent image)은 매우 낮은 콘트라스트(contrast)를 갖고 - 방사선에 노광된 레지스트의 부분들과 노광되지 않은 레지스트의 부분들 사이에 굴절률에 있어서 매우 작은 차이만 존재하고 - 모든 검사 장치가 잠상의 유용한 측정들을 수행하기에 충분한 감도를 갖는 것은 아니다. 그러므로, 측정들은 통상적으로 노광된 기판들 상에서 수행되는 제 1 단계이고 레지스트의 노광된 부분과 노광되지 않은 부분 간의 콘트라스트를 증가시키는 노광후 베이크 단계(PEB) 이후에 수행될 수 있다. 이 단계에서, 레지스트 내의 이미지는 반-잠상(semi-latent)이라고 칭해질 수 있다. 또한, 현상된 레지스트 이미지 - 이때, 레지스트의 노광된 부분 또는 노광되지 않은 부분 중 하나는 제거되었음 - 의 측정들을 수행하는 것이 가능하고, 또는 에칭과 같은 패턴 전사 단계 이후에 수행하는 것이 가능하다. 후자의 가능성은 결점이 있는 기판들의 재가공에 대한 가능성을 제한하지만, 여전히 유용한 정보를 제공할 수 있다.

본 발명의 실시예들에서 사용하기에 적절한 다크 필드 메트롤로지 장치가 도 3(a)에 도시된다. 도 3(b)에는 격자 타겟(T) 및 회절된 광선(diffracted ray)들이 더 상세히 예시된다. 다크 필드 메트롤로지 장치는 독립형 디바이스이거나, 예를 들어 측정 스테이션에서의 리소그래피 장치(LA) 또는 리소그래피 셀(LC)에 통합될 수 있다. 장치 전체에 걸쳐 수 개의 브랜치들을 갖는 광학 축선이 점선(O)으로 나타내어진다. 이 장치에서, 소스(11)(예를 들어, 제논 램프)에 의해 방출된 광이 렌즈들(12, 14) 및 대물 렌즈(16)를 포함한 광학 시스템에 의하여 빔 스플리터(beam splitter: 15)를 통해 기판(W) 상으로 지향된다. 이 렌즈들은 4F 구성의 이중 시퀀스(double sequence)로 배치된다. 상이한 렌즈 구성이 여전히 검출기 상에 기판 이미지를 제공하는 것을 전제로 사용될 수 있으며, 동시에 공간-주파수 필터링을 위해 중간 퓨필-평면의 접근을 허용한다. 그러므로, 방사선이 기판 상에 입사하는 각도 범위는, 본 명세서에서 (켤레) 퓨필 평면이라고 칭하는 기판 평면의 공간 스펙트럼을 나타내는 평면 내의 공간 세기 분포를 정의함으로써 선택될 수 있다. 특히, 이는 대물 렌즈 퓨필 평면의 배면-투영된 이미지(back-projected image)인 평면에서 렌즈들(12 및 14) 사이에 적절한 형태의 어퍼처 플레이트(aperture plate: 13)를 삽입함으로써 행해질 수 있다. 나타낸 예시에서, 어퍼처 플레이트(13)는 13N 및 13S로 표시된 상이한 형태들을 가지며, 상이한 조명 모드들이 선택되게 한다. 나타낸 예시들에서의 조명 시스템은 오프-액시스 조명 모드를 형성한다. 제 1 조명 모드에서는, 어퍼처 플레이트 13N이 단지 설명을 위해 '북'으로 지정된 방향으로부터 오프-액시스 조명을 제공한다. 제 2 조명 모드에서는, 어퍼처 플레이트 13S가 유사하지만 '남'으로 표시된 반대 방향으로부터의 조명을 제공하는 데 사용된다. 상이한 어퍼처들을 이용함으로써 다른 조명 모드들이 가능하다. 퓨필 평면의 나머지는 바람직하게는 어두운데(dark), 이는 바람직한 조명 모드 외의 여하한의 불필요한 광이 바람직한 측정 신호들과 간섭할 것이기 때문이다.

도 3(b)에 나타낸 바와 같이, 격자 타겟(T)이 대물 렌즈(16)의 광학 축선(O)에 수직인 기판(W)과 배치된다. 축선(O)을 벗어난 각도로부터 타겟(T)에 입사하는 조명 광선(I)은 0차 광선[직선(0)] 및 2 개의 1차 광선들[1점쇄선(+1) 및 2점쇄선(-1)]을 발생시킨다. 오버필링(overfill)되는 작은 타겟 격자를 이용하면, 이 광선들은 메트로롤지 타겟(T) 및 다른 피처들을 포함한 기판의 영역을 덮는 많은 평행 광선들 중 하나에 불과하다는 것을 기억하여야 한다. 복합 격자 타겟이 제공되는 경우, 타겟 내의 각각의 개별적인 격자가 그 자신의 회절 스펙트럼을 발생시킬 것이다. 플레이트(13) 내의 어퍼처가 (유용한 양의 광을 수용하는 데 필요한) 유한 폭을 갖기 때문에, 입사 광선들(I)은 사실상 다양한 각도들을 차지할 것이고, 회절된 광선들(0 및 +1/-1)은 어느 정도 확산(spread out)될 것이다. 작은 타겟의 점확산 함수(point spread function)에 따르면, 각각의 차수 +1 및 -1은 나타낸 바와 같은 단일의 이상적인 광선이 아니라, 다양한 각도들에 걸쳐 더 확산될 것이다. 격자 피치들 및 조명 각도들은, 대물 렌즈에 들어가는 1차 광선들이 중심 광학 축선과 밀접하게 정렬되도록 디자인되거나 조정될 수 있다는 것을 유의한다. 도 3(a) 및 도 3(b)에 예시된 광선들은 순전히 다이어그램에서 이들이 더 쉽게 구별될 수 있도록 어느 정도 축선을 벗어나 도시된다.

적어도 기판(W) 상의 타겟에 의해 회절된 0차 및 +1차가 대물 렌즈(16)에 의해 수집되고, 빔 스플리터(15)를 통해 다시 지향된다. 도 3(a)로 되돌아가면, 제 1 및 제 2 조명 모드들은 북(N) 및 남(S)으로 표시된 정반대의 어퍼처들을 지정함으로써 예시된다. 입사 광선(I)이 광학 축선의 북쪽으로부터인 경우, 즉 제 1 조명 모드가 어퍼처 플레이트 13N을 이용하여 적용되는 경우, +1(N)으로 표시되는 +1 회절 광선들이 대물 렌즈(16)에 들어간다. 대조적으로, 제 2 조명 모드가 어퍼처 플레이트 13S를 이용하여 적용되는 경우, [-1(S)로 표시된] -1 회절 광선들이 렌즈(16)에 들어가는 광선들이다.

제 2 빔 스플리터(17)가 회절된 빔들을 2 개의 측정 브랜치들로 분할한다. 제 1 측정 브랜치에서는, 광학 시스템(18)이 0차 및 1차 회절 빔들을 이용하여 제 1 센서(19)(예를 들어, CCD 또는 CMOS 센서) 상에 타겟의 회절 스펙트럼(퓨필 평면 이미지)을 형성한다. 각각의 회절 차수가 센서 상의 상이한 지점을 타격하여, 이미지 처리가 차수들을 비교하고 대조하도록 할 수 있다. 센서(19)에 의해 포착된 퓨필 평면 이미지는 메트롤로지 장치를 포커싱하고, 및/또는 1차 빔의 세기 측정들을 정규화하는 데 사용될 수 있다. 또한, 퓨필 평면 이미지는 본 발명의 대상이 아닌, 재구성과 같은 많은 측정을 위해 사용될 수 있다.

제 2 측정 브랜치에서는, 광학 시스템(20, 22)이 센서(23)(예를 들어, CCD 또는 CMOS 센서) 상에 기판(W) 상의 타겟의 이미지를 형성한다. 제 2 측정 브랜치에서, 퓨필-평면에 대해 켤레인 평면에 어퍼처 스톱(aperture stop: 21)이 제공된다. 어퍼처 스톱(21)은, 센서(23) 상에 형성된 타겟의 이미지가 -1차 또는 +1차 빔으로부터만 형성되도록 0차 회절 빔을 차단하는 기능을 한다. 센서들(19 및 23)에 의해 포착된 이미지들은 이미지 프로세서 및 제어기(PU)로 출력되며, 이들의 기능은 수행되는 측정들의 특정 타입에 의존할 것이다. 본 명세서에서, '이미지'라는 용어는 넓은 의미로 사용된다는 것을 유의한다. 이러한 것으로서 격자 라인들의 이미지는 -1차 및 +1차 중 하나만이 존재하는 경우에 형성되지 않을 것이다.

도 3에 나타낸 어퍼처 플레이트(13) 및 필드 스톱(field stop: 21)의 특정 형태들은 순전히 예시들이다. 본 발명의 또 다른 실시예에서, 타겟들의 온-액시스(on-axis) 조명이 사용되고, 오프-액시스 어퍼처를 갖는 어퍼처 스톱이 사용되어, 실질적으로 회절된 광의 단 하나의 1차를 센서로 통과시킨다. (13 및 21에 나타낸 어퍼처들은 그 경우에 효과적으로 바뀐다). 다른 실시예들에서, 1차 빔 대신에, 또는 이에 추가하여 2차, 3차 및 더 높은 차수의 빔들(도 3에 도시되지 않음)이 측정에 사용될 수 있다.

조명을 이 상이한 타입들의 측정에 적응가능하게 만들기 위해, 어퍼처 플레이트(13)는 디스크 주위에 형성되는 다수의 어퍼처 패턴들을 포함할 수 있으며, 이는 회전되어 제 자리에 원하는 패턴을 야기한다. 대안적으로 또는 추가적으로, 플레이트(13)들의 일 세트가 제공되고 교환(swap)되어 동일한 효과를 달성할 수 있다. 변형가능한 거울 어레이 또는 투과형 공간 광 변조기와 같은 프로그램가능한 조명 디바이스가 사용될 수도 있다. 조명 모드를 조정하는 또 다른 방식으로서 이동 거울들 또는 프리즘들이 사용될 수 있다.

단지 어퍼처 플레이트(13)에 관하여 설명된 바와 같이, 이미징을 위한 회절 차수들의 선택은 대안적으로 퓨필 스톱(21)을 변경함으로써, 또는 상이한 패턴을 갖는 퓨필 스톱으로 대신함으로써, 또는 고정된 필드 스톱을 프로그램가능한 공간 광 변조기로 대체함으로써 달성될 수 있다. 그 경우에, 측정 광학 시스템의 조명 측은 일정하게 유지될 수 있는 한편, 제 1 및 제 2 모드들을 갖는 것은 이미징 측이다. 그러므로, 본 기재내용에서는 효과적으로 3 가지 타입의 측정 방법이 존재하며, 각각 그 자신의 장점들 및 단점들을 갖는다. 한 가지 방법에서, 조명 모드는 상이한 차수들을 측정하도록 변화된다. 또 다른 방법에서는, 이미징 모드가 변화된다. 세번째 방법에서는, 조명 및 이미징 모드들은 변화되지 않은 채로 유지되며, 타겟이 180 도 회전된다. 각각의 경우, 원하는 효과는 동일하며, 즉 타겟의 회절 스펙트럼에서 서로 대칭적으로 반대인 비-0차 회절 방사선의 제 1 및 제 2 부분들을 선택하는 것이다. 원칙적으로, 차수들의 원하는 선택은 조명 모드들 및 이미징 모드들을 동시에 변화시키는 조합에 의해 얻어질 수 있지만, 이는 장점이 없는 단점들을 야기하는 경향이 있으므로, 더 설명되지 않을 것이다.

본 예시들에서 이미징을 위해 사용되는 광학 시스템은 필드 스톱(21)에 의해 제한되는 넓은 입구 퓨필(entrance pupil)을 갖지만, 다른 실시예들 또는 적용예들에서는 이미징 시스템 자체의 입구 퓨필 크기가 원하는 차수로 제한하도록 충분히 작을 수 있고, 이에 따라 필드 스톱의 역할도 한다. 상이한 어퍼처 플레이트들이 도 3(c) 및 도 3(d)에 도시되며, 이는 아래에서 더 설명되는 바와 같이 사용될 수 있다.

통상적으로, 타겟 격자는 북-남 또는 동-서로 진행하는 격자 라인들로 정렬될 것이다. 다시 말해서, 격자는 기판(W)의 X 방향 또는 Y 방향으로 정렬될 것이다. 어퍼처 플레이트 13N 또는 13S는 한 방향으로(셋업에 의존하여 X 또는 Y) 방위되는 격자들을 측정하기 위해서만 사용될 수 있다는 것을 유의한다. 직교 격자의 측정을 위해서는, 90°및 270°에 걸친 타겟의 회전이 시행될 수 있다. 하지만, 더 편리하게는, 동 또는 서로부터의 조명이 조명 광학기에 제공되며, 이는 도 3(c)에 나타낸 어퍼처 플레이트 13E 또는 13W를 이용한다. 어퍼처 플레이트들(13N 내지 13W)은 개별적으로 형성되고 상호교환될 수 있으며, 또는 이들은 90, 180, 또는 270 도만큼 회전될 수 있는 단일 어퍼처 플레이트일 수 있다. 앞서 언급된 바와 같이, 도 3(c)에 예시된 오프-액시스 어퍼처들은 조명 어퍼처 플레이트(13) 대신에 필드 스톱(21)에 제공될 수 있다. 그 경우, 조명은 온-액시스일 것이다.

도 3(d)는 제 1 및 제 2 쌍들의 조명 모드들을 조합하는 데 사용될 수 있는 제 3 쌍의 어퍼처 플레이트들을 나타낸다. 어퍼처 플레이트 13NW는 북쪽 및 동쪽에 어퍼처들을 갖는 한편, 어퍼처 플레이트 13SE는 남쪽 및 서쪽에 어퍼처들을 갖는다. 이 상이한 회절 신호들 간의 크로스토크가 너무 크지 않다면, X 및 Y 격자들 모두의 측정들이 조명 모드를 변화시키지 않고 수행될 수 있다.

작은 타겟들을 이용한 오버레이 측정

도 4는 알려진 실행에 따라 기판 상에 형성된 복합 격자 타겟을 도시한다. 복합 타겟은 메트롤로지 장치의 조명 빔에 의해 형성된 측정 스폿(31) 내에 모두 있도록 함께 밀접하게 위치되는 4 개의 개별적인 격자들(32 내지 35)을 포함한다. 따라서, 4 개의 타겟들은 모두 동시에 조명되고, 동시에 센서들(19 및 23) 상에 이미징된다. 오버레이 측정에 관련된 예시에서, 격자들(32 내지 35)은 자체로 기판(W) 상에 형성된 반도체 디바이스의 상이한 층들에 패터닝되는 오버라잉 격자(overlying grating)들에 의해 형성된 복합 격자들이다. 격자들(32 내지 35)은 상이하게 편향(bias)된 오버레이 오프셋들을 가져, 복합 격자들의 상이한 부분들이 형성되는 층들 간의 오버레이의 측정을 용이하게 할 수 있다. 또한, 격자들(32 내지 35)은 나타낸 바와 같이 입사 방사선을 X 및 Y 방향들로 회절시키도록 그 방위가 상이할 수 있다. 일 예시에서, 격자들 32 및 34가 X-방향 격자들이며, 각각 +d, -d의 편향들을 갖는다. 이는 격자 32가 오버라잉 구성요소들을 갖고, 이들은 둘 다 이들의 공칭 위치들에 정확히 프린트되는 경우, 구성요소들 중 하나가 다른 하나에 대해 거리 d만큼 오프셋되도록 배치된다는 것을 의미한다. 격자 34는 완벽히 프린트되는 경우에 제 1 격자 등과 반대 방향으로 d의 오프셋이 존재하도록 배치되는 구성요소들을 갖는다. 격자들 33 및 35는 Y-방향 격자들이며, 각각 오프셋들 +d 및 -d를 갖는다. 4 개의 격자들이 예시되지만, 또 다른 실시예는 원하는 정확성을 얻기 위해 더 큰 매트릭스를 필요로 할 수 있다. 예를 들어, 3 x 3 어레이의 9 개의 복합 격자들이 -4d, -3d, -2d, -d, 0, +d, +2d, +3d, +4d 편향들을 가질 수 있다. 이 격자들의 개별 이미지들이 센서(23)에 의해 포착되는 이미지에서 식별될 수 있다.

도 5는 도 3(d)로부터의 어퍼처 플레이트들(13NW 또는 13SE)을 이용하는 도 3의 장치에서 도 4의 타겟을 이용하여 센서(23) 상에 형성되고 센서(23)에 의해 검출될 수 있는 이미지의 일 예시를 나타낸다. 퓨필 평면 이미지 센서(19)는 상이한 개별적 격자들(32 내지 35)을 분해할 수 없지만, 이미지 센서(23)는 그렇게 할 수 있다. 크로스-해치드(cross-hatched) 직사각형(40)은 센서 상의 이미지의 필드를 나타내며, 이 안에서 기판 상의 조명된 스폿(31)은 대응하는 원형 영역(41)으로 이미징된다. 이상적으로, 필드는 어둡다. 이 다크 필드 이미지 내에서, 직사각형 영역들(42 내지 45)은 개별적인 격자들(32 내지 35)의 이미지들을 나타낸다. 격자들이 제품 영역들 내에 위치되는 경우, 제품 피처들도 이 이미지 필드의 주변에서 보일 수 있다. 도 5의 다크 필드 이미지에는 단지 단일 복합 격자 타겟만이 나타나지만, 실제는 반도체 디바이스 또는 리소그래피에 의해 구성되는 다른 제품이 많은 층들을 가질 수 있고, 상이한 쌍들의 층들 사이에서 오버레이 측정들이 수행되도록 요구된다. 층들의 쌍 사이의 각각의 오버레이 측정을 위해, 1 이상의 복합 격자 타겟들이 필요하고, 이에 따라 이미지 필드 내에 다른 복합 격자 타겟들이 존재할 수 있다. 이미지 프로세서 및 제어기(PU)가 격자들(32 내지 35)의 개별 이미지들(42 내지 45)을 식별하기 위해 패턴 인식을 이용하여 이 이미지들을 처리한다. 이 방식으로, 이미지들은 센서 프레임 내의 특정한 위치에서 매우 정밀하게 정렬되지 않아도 되며, 이는 전체적으로 측정 장치의 스루풋을 크게 개선시킨다. 하지만, 이미징 공정이 이미지 필드에 걸쳐 비-균일성을 겪는 경우, 정확한 정렬에 대한 필요성이 남는다. 본 발명의 일 실시예에서, 4 개의 위치(P1 내지 P4)가 식별되며, 격자들은 이 알려진 위치들과 가능한 한 많이 정렬된다.

일단 격자들의 개별 이미지들이 식별되면, 그 개별적인 이미지들의 세기들은 예를 들어 식별된 영역들 내의 선택된 픽셀 세기 값들을 합산하거나 평균함으로써 측정될 수 있다. 이미지들의 세기들 및/또는 다른 속성들이 서로 비교될 수 있다. 이 결과들은 리소그래피 공정의 상이한 파라미터들을 측정하도록 조합될 수 있다. 오버레이 성능은 이러한 파라미터의 중요한 예시이다.

도 6은, 예를 들어 출원 US20110027704A에서 설명된 방법을 이용하여, 성분 격자들(32 내지 35)을 포함한 두 층들 간의 오버레이 오차가 +1차 및 -1차 다크 필드 이미지들의 세기들을 비교함으로써 드러나는 바와 같은 격자들의 비대칭을 통해 측정되는 방식을 예시한다. 단계 S1에서, 기판, 예를 들어 반도체 웨이퍼가 도 2의 리소그래피 셀을 통해 한 번 이상 처리되어, 오버레이 타겟들(32 내지 35)을 포함한 구조체를 생성한다. S2에서, 도 3의 메트롤로지 장치를 이용하여, 격자들(32 내지 35)의 이미지가 1차 회절 빔들 중 하나만(가령 -1)을 이용하여 얻어진다. 그 후, 메트롤로지 장치의 시야에서 기판(W)을 180°만큼 회전시킴으로써, 또는 조명 모드를 변화시키거나, 이미징 모드를 변화시킴으로써, 다른 1차 회절 빔(+1)을 이용하는 격자들의 제 2 이미지가 얻어질 수 있다(단계 S3). 결과적으로, +1 회절 방사선은 제 2 이미지에서 포착된다.

각각의 이미지에서 1차 회절 방사선 중 절반만을 포함함으로써, 본 명세서에서 언급되는 '이미지들'은 종래의 다크 필드 현미경 이미지들이 아니라는 것을 유의한다. 각각의 격자가 소정 세기 레벨의 영역에 의해 간단히 표현될 것이다. +1차 및 -1차 회절 방사선 중 하나만이 존재하기 때문에, 개별적인 격자 라인들은 분해되지 않을 것이다. 단계 S4에서, 관심 구역(ROI)이 각각의 성분 격자의 이미지 내에서 신중하게 식별되고, 이로부터 세기 레벨들이 측정될 것이다. 이는, 특히 개별적인 격자 이미지들의 에지들 주위에서, 세기 값들이 레지스트 두께, 조성, 라인 형상과 같은 공정 변수들, 및 일반적으로 에지 효과들에 크게 의존할 수 있기 때문에 행해진다.

각각의 개별적인 격자에 대한 ROI가 식별되고 그 세기가 측정되면, 그 후 격자 구조체의 비대칭 및 이에 따른 오버레이 오차가 결정될 수 있다. 이는 이미지 프로세서 및 제어기(PU)에 의해, 각각의 격자(32 내지 35)에 대한 +1차 및 -1차에 대해 얻어지는 세기 값들을 비교하여, 이들 세기의 여하한의 차이를 식별하는 단계 S5에서, 및 격자들의 오버레이 편향들의 정보로부터 타겟(T) 부근의 오버레이 오차를 결정하는 단계 S6에서 행해진다.

앞서 언급된 종래 출원들에서, 앞서 언급된 기본적인 방법을 이용하여 오버레이 측정들의 질을 개선하는 다양한 기술들이 개시된다. 예를 들어, 이미지들 간의 세기 차이들은 상이한 측정들에 사용되는 광학 경로들의 차이들에 기인할 수 있으며, 순전히 타겟 내의 비대칭에만 기인하지는 않는다. 조명 소스(11)는 조명 스폿(31)의 세기 및/또는 위상이 균일하지 않도록 이루어질 수 있다. 예를 들어, 센서(23)의 이미지 필드에서의 타겟 이미지의 위치를 참조하여, 이러한 오차들을 최소화하도록 보정들이 결정되고 적용될 수 있다. 개별적인 성분 격자들은 주어진 타겟 영역 내에서 유용한 회절 신호들을 최대화하도록 그 주기성의 방향으로 세장형일 수 있다. 이 기술들은 종래 출원들에서 설명되며, 본 명세서에서는 더 상세히 설명되지 않을 것이다. 이들은 이제 설명될 본 출원에 신규하게 개시된 기술들과 조합하여 사용될 수 있다.

US20130271740A에서, 개별적인 격자들의 에지 부분들 주위 및 그 안의 피처들이 에지 효과들의 세기 및 크기(extent)를 감소시키도록 수정된다. 이 수정들은 리소그래피 공정에서 미세 피처들의 프린팅을 향상시키는 데 사용되는 광 근접성 보정(optical proximity correction: OPC) 피처들과 유사한 방식으로 작업될 수 있다. US20130258310A에서, 도 6의 방법에 의해 오버레이를 측정하는 데 3 이상의 성분 격자들을 이용하는 것이 제안된다. 적어도 3 개의 상이한 편향들을 갖는 격자들에 대한 비대칭들을 측정함으로써, 단계 S6에서의 계산들은 실제 리소그래피 공정에서의 저부 격자 비대칭에 의해 야기되는 바와 같은 타겟 격자들 내의 피처 비대칭을 보정하도록 수정될 수 있다. 이 기술들은 유사하게 종래 출원들에서 설명되고, 본 명세서에서는 더 상세히 설명되지 않을 것이다. 이들은 이제 설명될 본 출원에 신규하게 개시된 기술들과 조합하여 사용될 수 있다.

오버레이에 추가하여, 리소그래피 공정의 다른 성능 파라미터들이 앞서 예시된 것과 동일한 일반적인 절차에 의해, 및 동일한 일반적인 형태의 타겟들을 이용하여 측정될 수 있다. 특히, 타겟의 비대칭이 예를 들어 리소그래피 공정에서의 포커스 오차 또는 노광 도즈 오차들에 의존하는 타겟들이 디자인될 수 있다. 그러므로, 앞선 장치 및 기술들은 회절-기반 오버레이뿐 아니라, 회절-기반 포커스 측정 및 회절-기반 도즈 측정에도 적응할 수 있다. 본 명세서에서는, 개시된 기술들에 의해 측정될 수 있는 성능 파라미터의 단지 일 예시로서 오버레이가 사용된다. 작은 타겟 크기들, 편향 방식들 등에 대한 유사한 고려사항들이 이 다른 파라미터들의 측정에 동등하게 적용될 것이다.

본 발명의 실시예들을 설명하기에 앞서, 도 7을 참조하여 다크-필드 오버레이 타겟에 대한 세기를 측정하는 알려진 절차가 설명될 것이다.

도 7은 다크-필드 오버레이 타겟의 전형적인 이미지 및 알려진 메트롤로지 기술에 따른 타겟의 격자들 중 하나에서의 ROI 박스의 위치설정을 예시한다. 이미지 센서(23)로부터 얻어지는 다크-필드 이미지는 큰 정사각형(702)으로 도시되지만, 이는 직사각형 또는 여하한의 형상일 수 있다. 점선들(704 내지 708)이 세기 윤곽들을 나타내고, 세기는 704로부터 706을 통해 708까지 증가한다.

타겟 격자들을 인식하고 ROI의 위치를 결정하기 위해 패턴 인식 알고리즘들이 사용된다. 4 개의 정사각형(710)에 의해 도시된 바와 같이, 4 개의 격자들이 인식된다. 이 예시에서, ROI 박스(712)는 단순히 정사각형이다. 이 기술의 정확성 및 정밀도는 수백 나노미터까지 이를 수 있다. 개별적인 ROI 박스들이 가능한 에지 효과들을 고려하여 각각의 개별적인 격자 위에 배치된다. ROI 박스들의 위치는 타겟 형상에 의존하고, 각각의 ROI 박스의 크기는 고정된다.

ROI 박스에 의해 경계를 이루는 각각의 ROI 내부에, 예를 들어 2σ-필터와 같은 통계 필터가 적용되어 밖에 놓인 픽셀 값들을 제거하고, 남은 픽셀들로 각각의 ROI에 대해 평균 세기가 계산된다.

앞서 배경기술(Background Art) 부분에서 설명된 바와 같이, 에지 효과들, 세기의 진동들 및 세기의 기울기들을 갖는 문제점들이 존재한다. 도 8은 이 효과들에 심하게 시달리는 다크-필드 이미지를 예시한다. 이미지 센서(23)로부터 얻어진 다크-필드 이미지는 큰 정사각형(802)으로 도시되지만, 이는 직사각형 또는 여하한의 형상일 수 있다. 점선들(804 내지 810)은 세기 윤곽들을 나타내며, 세기는 804로부터 810까지 증가한다. 2 개의 격자들의 오른쪽(812)에서 강한 에지 효과가 보인다. 세기의 진동(814)은 하부 오른쪽 격자에서 명백하다. 세기 기울기(816)는 상부 왼쪽 격자에서 명백하다.

본 명세서에서의 다음 실시예들은 이 문제점들에 대처하는 세기 측정 방법들을 제공한다. 결과적으로, 비대칭 및 성능 파라미터들, 예컨대 오버레이, 포커스 또는 도즈의 더 정확한 측정들이 얻어질 수 있다.

원래의 다크-필드 이미지는 세기 레벨들을 추출하도록 분석되기 전에 변환(transformation)을 거친다. 변환 동안, ROI 크기 및 위치의 많은 조합이 고려된다. 안 좋은 결과들을 갖는 ROI 박스들은 제거되고, 안정된 결과들을 갖는 ROI 박스들만이 고려된다.

도 9는 본 발명의 제 1 예시에 따른 후보 ROI들의 정의를 예시한다. 도면은 단일 성분, 격자의 다크 필드 이미지를 나타내며, 동일한 절차가 많은 개별적인 이미지들에 적용될 것을 이해한다. 도 8에서와 같이, 점선들은 다크-필드 이미지에서의 세기 윤곽들을 나타낸다. 도 7의 712에 나타낸 바와 같이 단일-크기 및 위치의 ROI 박스를 이용하는 대신에, 상이한 크기들 및 상이한 위치들의 ROI 박스(902)의 세트가 후보들로서 간주된다. 다수 후보들이 최종 계산들에서 고려된다.

도 9에 예시된 바와 같이, 신호 추출의 과정은 "경성 경계(hard boundary)"(904) 내부의 더 작은 다수 후보 ROI 박스들의 정의로 시작한다. 경성 경계가 격자 이미지와 대략 일치하도록, 예를 들어 도 7에 710으로 표시된 박스들이 경성 경계들의 역할을 할 수 있도록 경성 경계를 발견하기 위해 패턴 인식이 사용된다. 각각의 후보 ROI 박스(902)는 치수들(Sx, Sy) 및 경성 경계(904)의 위치에 대한 위치(Px, Py)를 갖는다. 치수들 및 위치는 ROI 박스(902)가 경성 경계(904)를 교차하지 않도록 선택된다. 크기(Sx, Sy) 및 위치(Px, Py)를 갖는 각각의 후보 ROI 박스에 대해, 평균과 같은 중심 경향의 척도를 이용하여 1 이상의 대표 신호 값들이 계산될 수 있다. 각각의 후보 ROI 박스에 대해, 후보 ROI 박스 내의 픽셀 신호 값들에 기초한 최적화 메트릭 값이 계산된다. 이 특정 실시예에서, 평균 세기(I)는 대표 신호 값으로서 계산되고, 표준 편차(σ)가 최적화 메트릭 값으로서 계산된다:

I(Sx,Sy,Px,Py)

3σI(Sx,Sy,Px,Py)

표준 편차(σ) 또는 다른 변동 척도(variation measure)는 ROI 박스 내의 값들의 '미처리(raw)' 표준 편차라기보다는, 정규화된 상대 값일 수 있다. 상이한 후보 ROI 박스들이 상이한 수의 픽셀들을 유지할 것이라는 것을 유념하면, 예를 들어 단순한 표준 편차를 인자 N^-1/2만큼 크기조절(scale)함으로써 소위 상대 표준 편차가 얻어질 수 있고, 이때 N은 후보 ROI 내의 픽셀들의 수이다. 각각의 σ을 후보 ROI 내의 픽셀 값들의 평균으로 나누고 100을 곱함으로써, 예를 들어 백분율로 표현되는 정규화된 표준 편차가 계산될 수 있다. 각각의 개별적인 ROI 박스에 대해, 앞선 파라미터들 중 어느 하나 또는 둘 모두를 계산하기에 앞서 필터가 적용되어, 데이터로부터 밖에 놓인 값들을 제거할 수 있다. 상이한 필터들이 조합하여 사용될 수 있다. 일 예시에서, 1σ-필터가 경성 경계에 접근하는 ROI 박스들에 사용되고, 그 외에는 2σ-필터가 사용된다. 필터링 후, 표준 편차는 또 다른 계산들에서 사용하는 각각의 ROI에 대해 다시 계산된다.

크기 및 위치의 모든 변동들에 대한 후보 ROI 박스들의 대표 신호 값들은 다차원 데이터 세트(multidimensional data set)를 형성한다. 각각의 후보 ROI 박스가 다차원 공간 내의 데이터 지점으로 간주될 수 있다. 앞선 예시에서, 대표 신호 값들 I(Sx,Sy,Px,Py)에 의해 4-차원 데이터 세트가 형성된다. 그 후, 이 데이터 세트는 전체적으로 격자 이미지를 나타내는 최적화된 신호 값에서 각각의 픽셀이 구성할 기여를 결정하도록 처리된다. 일 예시에서, 값들 I(Sx,Sy,Px,Py)은 대응하는 변동 척도(3σI)가 선택 기준 및/또는 가중 인자로서 사용되는 방식으로 조합된다. 일 예시에서, 큰 3σI를 갖는 지점들이 무시되고, 남은 데이터 지점들은 가중 인자로서 대응하는 1/3σI로 평균된다.

데이터 지점들의 예시적인 세트가 도 10(a)에 나타내어지며, 이때 변동의 척도(3σI)는 Sx 및 Sy의 함수로서 3-D 그래프로 플롯이 구성되었다. 따라서, 도 10은 Sx(X-축), Sy(Y-축)의 상이한 조합들에 대한 3σI(수직축; %)의 3-D 분포를 나타낸다. 플롯 Sx, Sy의 각각의 위치에서, 도트(dot)들의 칼럼(column)이 상이한 위치들(Px 및 Py)을 갖는 개별적인 ROI 박스들을 나타낸다. 도 10(b)는 두 축선들에 대해 구성된 동일한 타입의 데이터 세트를 나타내며, 관점은 도 10(a)에서의 큰 화살표의 방향을 따라 취해진다. 예를 들어, 3σI ≥ 1 %에서 한계가 설정될 수 있고, 이 아래에서 모든 지점들이 고려된다. 1 % 이상의 지점들은 무시될 수 있다. 평균 동안, 1/3σI이 가중 인자로서 사용된다. 도 10(a) 및 도 10(b)에 나타낸 다차원 데이터 세트는 원래 이미지의 변환된 버전으로서 간주될 수 있다. 원래 이미지로부터 신호를 추출하는 대신에, 도 10의 플롯들에 나타낸 데이터 세트에 관한 분석이 더 우수한 결과들을 제공한다.

본 명세서에 개시된 방법으로의 테스트들은, 이것이 패턴 인식으로의 큰 오차들에 비교적 둔감하다는 것을 나타낸다. 최적 종래 스케터로미터 소프트웨어 세팅들과 본 명세서에 개시된 방법의 일 실시예 간의 비교는, 비교적 큰 패턴 인식 오차들(1 내지 2 ㎛)의 경우에도 유사한 오버레이 정밀도 수(precision numbers)가 얻어졌음을 나타낸다. 이는 조명 스폿 내부의 타겟 위치설정이 수 미크론까지 충분히 정확한 경우에 패턴 인식을 생략할 가능성을 제공한다.

도 11은 본 발명의 일 실시예에 따른 도 3의 스케터로미터를 이용한 오버레이 측정 방법의 단계들을 나타내는 흐름도이다. 흐름도는 도 6을 참조하여 설명된 바와 같은 알려진 방법과 공통이지만, 격자들보다는 일반적으로 타겟들에 관한 단계 1102 내지 단계 1106 및 단계 1112를 갖는다. 단계 1102 내지 단계 1106은 사전설정된 조명 조건들 하에 타겟 구조체에 의해 회절된 방사선의 사전설정된 부분을 이용하여 타겟 구조체의 이미지를 형성하고 검출하는 단계들에 대응한다. 오버레이 또는 또 다른 성능 파라미터를 결정하는 데 타겟 비대칭들을 이용하는 단계 1112가 타겟 구조체의 속성을 측정하는 단계에 대응한다.

단계 1108 및 단계 1110은 도 6과 상이하다.

단계 1108에서, 단계 1104 및 단계 1106에서 측정된 이미지들로부터 타겟 세기 값들이 결정된다. 타겟 세기 값을 결정하는 예시적인 절차가 도 12를 참조하여 아래에서 설명된다.

단계 1110에서, 각각의 타겟에 대한 세기 차이가 계산되어 타겟의 비대칭을 결정한다. 이에 따라, 타겟 구조체의 비대칭 또는 오버레이 오차의 속성이 측정되었다.

도 12는 본 발명의 실시예들에 따른 타겟 세기 값을 결정하는 단계들을 나타내는 흐름도이다.

선택적인 단계 1202에서, 검출된 이미지에서 경계 구역(bounded region)이 식별된다. 경계 구역은 특정한 타겟 구조체에 대응한다.

단계 1204에서, 복수의 후보 관심 구역(ROI)들이 정의된다. 각각의 ROI는 이미지 또는 경계 구역에서 복수의 픽셀들을 갖는다. ROI들은 각각의 ROI 내에 이미지의 어느 픽셀들이 포함되는지를 정의하는 2 이상의 파라미터들에서 서로 상이할 수 있다. 이 예시에서, 파라미터들(Sx,Sy,Px,Py)은 이미지 또는 경계 구역에서 각각의 ROI의 크기 및 위치를 정의한다. 정사각형 픽셀들과 함께, ROI는 정사각형 또는 직사각형일 수 있다. 하지만, 픽셀들 및 관심 구역들은 이러한 형상들에 제한되지 않는다. 예를 들어, 픽셀들이 직사각형 또는 육각형일 수 있으며, ROI들이 임의 형상을 가질 수 있고 인접하지 않을 수 있다.

동일한 크기 및 형상의 ROI가 여러 번 사용될 수 있으며, 각각 상이한 추정자(estimator)와 연계된다. 예를 들어, 하나의 ROI가 1σ-필터 임계치 및 또 다른 2σ-필터 임계치를 가질 수 있다. 필터의 선택은 데이터 지점들의 다차원 세트의 또 다른 파라미터가 된다. 필터가 추정자에서 계수(count)되는 것으로부터 소정 픽셀들을 제외하는 경우, 1σ 또는 2σ 임계치 외부의 픽셀들이 ROI로부터 효과적으로 제외된다.

관심 구역들 중 적어도 일부가 서로 오버랩되어, 주어진 픽셀이 후보 ROI들 중 하나보다 많은 ROI에 포함될 수 있도록 한다.

단계 1206에서, 이미지 또는 경계 구역의 에지에 대한 ROI의 근접에 의존하여, 예를 들어 1σ-필터 또는 2σ-필터를 이용하여, ROI들 내에 포함된 픽셀들의 픽셀 신호 값들이 필터링된다.

일 실시예에서, 단계 1208에서, 적어도 부분적으로 ROI 내의 픽셀들의 신호 값들에 기초하여 ROI들 각각에 대해 최적화 메트릭 값이 정의된다. 이 예시에서의 최적화 메트릭 값, 1/σI(Sx,Sy,Px,Py)은 각각의 ROI 내에 포함된 픽셀들의 픽셀 신호 값들의 표준 편차 σI(Sx,Sy,Px,Py)에 기초한다. 앞서 설명된 바와 같이, 표준 편차와 다른 통계적 분산의 척도들이 사용될 수 있다. 타겟 신호 함수가 직접적으로 또는 간접적으로 정의되고, 이는 타겟 신호 값에 대한 이미지 내의 각각의 픽셀의 기여를 정의하며, 각각의 픽셀의 기여는 (ⅰ) 어느 후보 ROI들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 ROI들의 최적화 메트릭 값들에 의존한다.

단계 1210에서, 각각의 ROI 내에 포함된 픽셀들의 픽셀 신호 값들의 통계적 분산의 척도, 이 예시에서는 표준 편차 σI(Sx,Sy,Px,Py)에 기초하여 최적화 메트릭 값들이 무시된다. 따라서, 큰 3σI를 갖는 지점들이 데이터세트로부터 제거되거나, 또 다른 계산들에서 무시되거나, 또는 0(zero) 가중치가 주어질 수 있다.

단계 1212에서, 검출된 이미지로부터의 픽셀 신호 값들을 조합함으로써 세기와 같은 타겟 신호 값이 결정된다. 이는 타겟 신호 값에 대한 주어진 픽셀의 기여를 결정하기 위해 최적화 메트릭 값들을 이용하여 행해진다. 따라서, 타겟 신호 값은 이미지 내의 픽셀들의 신호 값들의 함수로서 정의되고, 타겟 신호 값에 대한 각각의 픽셀의 기여는 (ⅰ) 어느 후보 관심 구역들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 관심 구역들의 최적화 메트릭 값들에 의존한다. 정의된 기여들에 따라 검출된 이미지로부터의 다수 픽셀 신호 값들을 조합함으로써 타겟 신호 값을 결정함으로써 동일한 타겟 구조체 또는 상이한 타겟 구조체의 속성의 측정이 얻어질 수 있다. 각각의 픽셀의 신호 값이 타겟 신호 값(전체로서 타겟에 대한 신호 값들)에 기여하는 방식은 타겟 신호 함수로 간주될 수 있다. 타겟 신호 함수는 프로세스의 일부로서 직접적으로(명시적으로) 정의될 수 있으며, 또는 이는 실시예에 의존하여 간접적으로만 정의될 수 있다.

일 실시예에서, 각각의 픽셀의 기여는 각각의 ROI에 대한 대표 신호 값에 대해 가중치를 정의하는 데 최적화 메트릭 값들을 이용하고, 타겟 신호 값을 계산하는 데 상이한 ROI들에 대한 대표 신호 값들의 가중된 조합을 이용함으로써 간접적으로 결정된다. 대표 신호 값은, 예를 들어 앞선 예시들에서 I(Sx,Sy,Px,Py)로 표시된 ROI의 픽셀 세기의 에버리지 또는 평균(average or mean)일 수 있다. 평균은 ROI들 내에 포함된 픽셀들의 픽셀 신호 값들의 중심 경향의 척도이다. 앞서 설명된 바와 같이, 중심 경향의 다른 척도들이 사용될 수 있다. 따라서, 알려진 기술과 비교하여, 픽셀들은 직접 조합되지 않지만, 그 대신 변환된 데이터 세트의 대표 값들이 조합하여 사용된다. 그 표현이 도 10(a) 및 도 10(b)의 그래프들에 의해 나타내어지는 4D 공간에서, 각각의 지점은 각각의 각 ROI 내의 다수 픽셀들을 분석함으로써 얻어진 세기 또는 표준 편차이다.

각각의 ROI 내에 포함된 픽셀들의 픽셀 신호 값들은 타겟 신호 값에 대한 주어진 픽셀의 기여를 결정하기에 앞서 필터링될 수 있다. 이는 1σ-필터 및 2σ-필터를 이용하여 행해질 수 있다.

또 다른 실시예에서, 각각의 픽셀의 기여(다시 말하면, 타겟 신호 함수)는 직접적으로 결정되고, 후보 ROI들에 대한 최적화 메트릭 값들이 검출된 이미지로부터의 각각의 픽셀 신호 값들에 대해 가중을 정의함으로써 타겟 신호 값에 대한 각각의 픽셀에 대해 가중치를 정의하기 위해 조합하여 사용된다. 따라서, 최적화 메트릭 값들은 최종 타겟 신호 값에서의 개별적인 픽셀들의 기여들을 정의하는 가중들의 "기여 맵(contribution map)"을 생성하는 데 사용될 수 있다. 최종 결과는 앞선 실시예에서와 동일할 수 있다. 하지만, 타겟 신호 함수가 기여 맵으로서 정의되는 경우, 이는 저장되고, 최적화 메트릭 값들을 다시 계산하고 적용하지 않고 동일하거나 다른 격자 이미지들에서 사용될 수 있다. 각각의 픽셀의 기여는 그 픽셀이 포함되는 모든 후보 관심 구역들의 가중치들의 조합인 픽셀 가중치에 의해 표현될 수 있다. 후보 관심 구역들의 가중치들은 앞선 예시에서와 같이 그들의 최적화 메트릭 값들을 참조하여 정의된다. 하지만, 본 실시예에서, 타겟 신호 값의 계산은 직접 수행되지 않으며, 오히려 기여 맵이 우선 계산된다.

따라서, (타겟 신호 함수를 직접적으로 나타내는) 이 기여 맵은 하나의 타겟 구조체로부터 최적화를 수행하고, 이를 또 다른 타겟 구조체에 대응하는 이미지의 또 다른 부분으로부터의 픽셀 값들에 적용하는 데 사용될 수 있다. 기여 맵은 동일하거나 상이한 기판들 상의 유사한 구조체들의 다른 이미지들에 적용될 수 있다. 이는 최적화 계산들을 수행하지 않아도 되며, 하나의 타겟으로부터 도출된 최적화가 후속한 타겟들에 관련되도록, 유사한 타겟들이 공통된 처리를 갖는 경우에 적절하다. 이 경우, 기여 맵의 사용의 대상이 되는 다른 타겟들을 위치시키기 위해 패턴 인식이 사용된다. 검출된 이미지로부터의 픽셀 신호 값들은 타겟 신호 값에 대한 주어진 픽셀의 기여를 결정하기에 앞서 필터링될 수 있다. 다시, 이는 1σ-필터 및 2σ-필터를 이용하여 행해질 수 있다.

최적화 메트릭 값은 이미지를 형성하고 검출하는 데 사용되는 장치의 특성을 이용하여 계산될 수 있다.

또 다른 실시예에서, 단계 1208 및 단계 1210 대신에, 단계 1214 및 단계 1216이 수행된다.

단계 1214에서, 평균 픽셀 값 데이터 I(Sx,Sy,Px,Py) 및/또는 크기 및 위치 데이터 (Sx,Sy,Px,Py)는 최적화 매트릭 값을 결정하기에 앞서 평활화(smooth)된다.

단계 1216에서, ROI들 각각에 대한 최적화 메트릭 값은 단계 1208처럼, 적어도 부분적으로 ROI 내의 픽셀들의 신호 값들에 기초하여 정의된다. 하지만, 이 예시에서, 최적화 메트릭 값은 후보 ROI들의 세트를 포함한 다차원 공간에서의 파라미터들(예를 들어, 위치 또는 크기) 중 1 이상에 대한 대표 신호 값의 변화율(이 예시에서는 1/기울기)에 기초한다. 이 예시에서, 대표 신호 값은 ROI들 내에 포함된 픽셀들의 픽셀 신호 값들로부터 결정된 I(Sx,Sy,Px,Py)이다. 타겟 신호 함수가 직접적으로 또는 간접적으로 정의되고, 이는 타겟 신호 값에 대한 이미지 내의 각각의 픽셀의 기여를 정의하며, 각각의 픽셀의 기여는 (ⅰ) 어느 후보 ROI들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 ROI들의 최적화 메트릭 값들에 의존한다.

이 방법의 다수의 상이한 실시예들이 채택될 수 있다. 공통 특성은, 즉각적으로(on the fly), ROI의 최적 위치 및/또는 크기가 이미지 특성들에 의존하여 결정된다는 것이다. 예시적인 실시예는 4 개의 격자들 각각에 대해 많은 조합 중에서 단일 ROI 박스를 이용한다. 하지만, ROI 박스의 크기, 형상 및 위치는 개별적으로 4 개의 격자들 각각에 대해 최적화될 수 있다. 이는 타겟에 대해 매번 행해질 수 있으며, 또는 이는 한 번만 행해질 수 있고 결과들이 모든 다른 타겟들에 사용될 수 있다. 후보 ROI 박스들의 세트의 변수 파라미터의 선택 및 수는 디자인 선택의 문제이다. 제 1 실시예에서는, 최적화 메트릭 값을 생성하는 데 사용되는 대표 신호 값들을 포함한 데이터 세트를 발생시키기 위해 ROI의 위치만이 변화된다. 다차원 데이터 세트는 일부 또는 모든 차원들에서 평활 함수(smoothing function)를 거쳐, 후보 ROI 박스들 간의 랜덤 변동들의 효과들을 감소시킬 수 있다. 후보 ROI 박스의 대표 신호 값들 및 최적화 메트릭 값들에 대한 언급들은 그 경우에 평활화된 값을 칭하는 것으로서 이해하여야 하며, 반드시 모든 다른 것들로부터 고립된 후보 ROI로부터 얻어진 값들만을 칭하는 것은 아니다. 적절한 평활 함수는 데이터 세트와 동일한 수의 차원들에서의 다항 함수일 수 있다. 예를 들어, 파라미터들 Sx,Sy,Px,Py의 다항 함수에 의해 다차원 데이터 세트 I(Sx,Sy,Px,Py)의 필터링된 버전이 정의될 수 있다. 이 다항 함수는 최소 제곱법과 같은 잘 알려진 기술에 의해 데이터 세트에 피팅(fit)된 후, 데이터 세트 대신에 사용될 수 있다. 제 2 실시예에서는, ROI의 크기만이 변화된다. 제 3 실시예에서는, 크기 및 위치가 둘 다 (앞서 설명된 바와 같이) 동시에 최적화된다. 크기는 앞서 설명된 바와 같이 2 차원에서, 또는 (예를 들어, ROI 박스 형상을 정사각형 또는 원으로 제한함으로써) 1 차원에서만 변화될 수 있다.

앞선 실시예들에서는, 전체 결과에서 각각의 픽셀 값이 어떠한 기여를 구성하는지를 결정하기 위해, 수 개의 후보 ROI 박스들이 가중 평균 조합하여 사용될 수 있다. 또 다른 실시예에서는, 단일 '최적' 후보 ROI 박스가 선택되고 사용될 수 있다.

앞서 설명된 최적화 계산들은 복합 타겟의 모든 이미지 내의 모든 격자 이미지에 대해 자동으로 수행될 수 있다. 대안적으로, 전체 최적화 계산들은 선택된 타겟들에 대해서만 수행될 수 있으며, 개별적인 픽셀들의 기여들의 결과적인 맵이 저장되고 다른 격자 이미지들에서 재-사용될 수 있다. 따라서, 또 다른 실시예에서, 최적화는 복합 타겟의 이미지 내의 모든 ROI들에 대해 공통으로, 그러나 각각의 개별적인 이미지에 대해 분리되어 행해지는 한편, 또 다른 실시예에서 최적화는 각각의 ROI에 대해 분리되어 행해진다. 이미지들이 완벽히 포커스되지 않는 경우에 수차들로 인해, X 및 Y 방향 격자들이 포착된 이미지들에서 상이한 방향들로 이동할 것으로 예상되는 실시예에서, 기여들은 X 이미지들에 대해 한 번, 그리고 Y 이미지들에 대해 한 번 계산될 수 있다.

최적화 공정 동안, 기여는 최적화 메트릭 파라미터에 대해 최적화된다. 앞서 설명된 바와 같이, 이 파라미터는 ROI 영역 내에서의 3σ 변동의 최소화일 수 있다. 더 일반적인 통계적 용어로, 파라미터는 통계적 분산의 척도일 수 있으며, 이는 다양한 가능성들을 포함한다. 통계적 분산의 척도는, 모든 데이터가 동일한 경우에 0이고, 데이터가 더 다양해짐에 따라 증가한다. 통계적 분산의 척도는 사분위 범위(IQR) 또는 십분위 범위, 범위, 평균차, 중위수 절대 편차(MAD), 평균 절대 편차(또는 간단히 평균 편차라 함), 변동 계수, 사분위 분산 계수, 상대 평균차 및 분산을 포함한다.

그러므로, 범위(최대값 - 최소값), 또는 75 % 백분위 및 25 % 백분위 값들 간의 차이와 같은 상이한 파라미터들이 사용될 수 있다. 후보 ROI 박스 내의 픽셀 값들로부터의 변동의 척도(예를 들어, 앞서 설명된 바와 같이 σ)를 이용하기보다는, 다차원 데이터 세트의 차원들에 걸친 대표 신호 값들을 비교함으로써 변동의 척도가 도출될 수 있다. 예를 들어, 대표 신호 값들 I(Sx,Sy,Px,Py)에 의해 형성된 4-차원 데이터 세트에서, 여하한의 파라미터들(Sx,Sy,Px,Py)에 대한 I의 국부적 기울기들이 계산될 수 있다. 이 기울기들을 검사함으로써 최적화 메트릭이 얻어질 수 있다. 예를 들어, 가중 인자로서 1/3σ을 사용하는 대신에, 국부적 기울기의 역수(reciprocal)가 사용될 수 있다.

최적화를 위한 순수한 통계적 메트릭들 외에, 최적화는 카메라의 잡음 모델과 같은 검사 장치의 정보 또는 광학적 지오메트리를 포함할 수도 있다.

최적화 메트릭 값 외에, 또한 신호 추정자 값이 주어진 ROI 박스에 대해 추출될 수 있다. 다시, 다수 상이한 구현들이 선택될 수 있다. 통계적 용어에서, 중심 경향의 척도와 같은 대표 신호 값이 신호 추정자로서 사용될 수 있다. 중심 경향의 척도는 중심값 또는 확률 분포에 대한 전형적인 값(typical value)이다. 중심 경향의 척도의 예시들은 산술 평균, 중앙값, 최빈수(mode), 기하 평균, 조화 평균, 가중 평균, 절사 평균, m 및 중간범위(midrange)를 포함한다.

일 실시예에서, 이 추정자는 ROI 박스 내의 픽셀 값들의 평균이다. 더 정교한 실시예에서, 평균은 앞서 설명된 1σ 및 2σ 필터들과 같은 필터와 조합된다.

최종적으로, 기본적으로는 도 10(a) 및 도 10(b)에 나타낸 바와 같은 원래 이미지의 또 다른 형태로의 변환인 이 방법의 원리는 "타겟 시그마(Target Sigma)"라 하는 새로운 종류의 측정 품질 지표(measurement quality indicator)를 도출할 기회를 제공한다. 이 파라미터는 통상적으로 알려진 기술의 고정된 ROI 박스 내부의 각각의 픽셀에서의 오버레이 수(overlay numbers)로부터 계산된다. 그 경우, "타겟 시그마"는 ROI 박스 내부의 오버레이 수의 3σ 변동이다. 이는 기계 성능이 사양들 내에 있는 동안에 규칙적으로 높은 값들을 갖는다. 도 10(a)에 예시되는 변환된 데이터 세트에 기초한 또 다른 측정 품질 지표의 대안적인 정의가 실제 기계 성능과 더 우수하게 매칭하고 더 견고한 것으로 예상된다.

결론

본 명세서에 설명된 방법들은 도입부에서 확인된 문제들 중 일부 또는 전체로 하여금 실제 구현에서 해결되게 한다. 에지 효과들이 경성 경계에 가까운 후보 ROI 박스들에 대한 역할만을 하기 때문에 효과적으로 제거된다. 이 후보들은 수가 제한되고, 이들은 비교적 높은 변동 척도(3σI)를 갖는다. 높은 변동 척도가 세기 계산 동안의 제외, 및/또는 작은 가중 인자를 유도한다. 또한, (전체 ROI 구역에 대해 2σ-필터만을 이용하는 대신에) 에지에 가까운 ROI 박스들에 대한 1σ-필터의 이용이 이미 에지 효과들에 대한 민감도를 개선한다.

ROI 크기들 및 위치들의 많은 조합이 사용되기 때문에, 진동들이 효과적으로 평균될 것이 예상된다. 후보 ROI 크기들 및 위치들의 많은 조합과 함께 개시된 방법을 이용함으로써, 격자 이미지 내부의 세기 기울기들의 효과는 효과적으로 최소화된다. 리소그래피 공정을 이용하여 디바이스들을 제조하는 방법이 본 명세서에 개시된 바와 같은 검사 장치를 제공하고, 이를 리소그래피 공정의 성능의 파라미터들을 측정하도록 처리된 기판들을 측정하는 데 이용하며, 후속한 기판들의 처리를 위해 리소그래피 공정의 성능을 개선하거나 유지하도록 공정의 파라미터들을 조정함으로써 개선될 수 있다.

앞선 예시들에서 사용된 특정 파라미터들이 정의될 수 있는 유일한 것들은 아니라는 것을 이해하여야 한다. 메트롤로지를 위해 사용될 리소그래피 장치 및 검사 장치의 제약들에 따라, 추가적인 및/또는 대안적인 파라미터들이 실제 디자인 공정에서 사용될 수 있다. 앞서 설명된 타겟 구조체들은 구체적으로 측정을 위해 디자인되고 형성된 메트롤로지 타겟들이지만, 다른 실시예들에서는 속성들이 기판 상에 형성된 디바이스들의 기능부들인 타겟들 상에서 측정될 수 있다. 많은 디바이스들은 규칙적인, 격자-형 구조체들을 갖는다. 본 명세서에서 사용된 바와 같은 '타겟 격자' 및 '타겟 구조체'라는 용어들은 구조체가 구체적으로 수행되는 측정을 위해 제공될 것을 요구하지 않는다.

앞서 설명된 방법들의 단계들은 여하한의 범용 데이터 처리 하드웨어(컴퓨터) 내에서 자동화될 수 있다. 장치는 도 3(a)에 나타낸 처리 유닛(PU), 도 1에 나타낸 리소그래피 장치 제어 유닛(LACU), 또는 전체 공정 제어 시스템과 같이, 기존 프로세서들과 통합될 수 있다. 하드웨어는 처리 장치로부터 멀리 떨어져 있을 수 있고, 심지어는 상이한 국가에 있을 수 있다. 적절한 데이터 처리 장치(DPA)의 구성요소들이 도 13에 도시된다. 상기 장치는 컴퓨터 실행가능한 코드를 포함한 컴퓨터 프로그램 제품을 로딩하기 위해 배치될 수 있다. 이는 컴퓨터 프로그램 제품이 다운로딩되는 경우, 컴퓨터 조립체가 앞서 설명된 바와 같은 검사 장치의 기능들을 구현가능하게 할 수 있다.

프로세서(1327)에 연결된 메모리(1329)는 하드 디스크(1361), ROM(Read Only Memory: 1362), EEPROM(Electrically Erasable Programmable Read Only Memory: 1363) 및/또는 RAM(Random Access Memory: 1364)와 같은 다수의 메모리 구성요소들을 포함할 수 있다. 앞서 언급된 메모리 구성요소들이 모두 존재할 필요는 없다. 또한, 앞서 언급된 메모리 구성요소들은 물리적으로 프로세서(1327)에, 또는 서로 가까이 있지 않아도 된다. 이들은 멀리 떨어져서 위치될 수 있다.

또한, 프로세서(1327)는 일종의 사용자 인터페이스, 예를 들어 키보드(1365) 또는 마우스(1366)에 연결될 수 있다. 터치 스크린(touch screen), 트랙 볼(track ball), 스피치 컨버터(speech converter) 또는 당업자에게 알려진 다른 인터페이스들이 사용될 수도 있다.

프로세서(1327)는 판독 유닛(reading unit: 1367)에 연결될 수 있으며, 이는 플로피 디스크(1368) 또는 CDROM(1369)와 같은 데이터 이동매체로부터, 예를 들어 컴퓨터 실행가능한 코드의 형태로 데이터를 판독하고, 몇몇 상황들에서는 데이터 이동매체 상에 데이터를 저장하도록 배치된다. 또한, DVD 또는 당업자에게 알려진 다른 데이터 이동매체들이 사용될 수도 있다.

또한, 프로세서(1327)는 종이에 출력 데이터를 프린트하는 프린터(1370) 및 디스플레이(1371), 예를 들어 모니터 또는 LCD(Liquid Crystal Display), 또는 당업자에게 알려진 여하한 다른 형태의 디스플레이에 연결될 수 있다.

프로세서(1327)는 입력/출력(I/O)을 담당하는 송신기/수신기(1373)에 의해 통신 네트워크(1372), 예를 들어 PSTN(public switched telephone network), LAN(local area network), WAN(wide area network) 등에 연결될 수 있다. 프로세서(1327)는 통신 네트워크(1372)를 통해 다른 통신 시스템들과 통신하도록 배치될 수 있다. 본 발명의 일 실시예에서, 통신 네트워크(1372)를 통해 외부 컴퓨터들(도시되지 않음), 예를 들어 조작자들의 개인용 컴퓨터들이 프로세서(1327)에 접속(log into)할 수 있다.

프로세서(1327)는 독립 시스템(independent system)으로서, 또는 병렬로 작동하는 다수의 처리 유닛들로서 구현될 수 있으며, 각각의 처리 유닛은 더 큰 프로그램의 서브-작업들을 실행하도록 배치된다. 또한, 처리 유닛들은 수 개의 서브-처리 유닛들을 갖는 1 이상의 주 처리 유닛들로 나누어질 수 있다. 프로세서(1327)의 몇몇 처리 유닛들은 심지어 다른 처리 유닛들과 멀리 떨어져서 위치되고, 통신 네트워크(1372)를 통해 통신할 수 있다. 모듈들 간의 연결들이 유선 또는 무선으로 이루어질 수 있다.

컴퓨터 시스템은 본 명세서에 설명된 기능들을 수행하도록 배치된 아날로그 및/또는 디지털 및/또는 소프트웨어 기술을 갖는 여하한의 신호 처리 시스템일 수 있다.

이상, 광학 리소그래피와 관련하여 본 발명의 실시예들의 특정 사용예를 언급하였지만, 본 발명은 다른 적용예들, 예를 들어 임프린트 리소그래피에 사용될 수 있으며, 본 명세서가 허용한다면 광학 리소그래피로 제한되지 않는다는 것을 이해할 것이다. 임프린트 리소그래피에서, 패터닝 디바이스 내의 토포그래피(topography)는 기판 상에 생성된 패턴을 정의한다. 패터닝 디바이스의 토포그래피는 전자기 방사선, 열, 압력 또는 그 조합을 인가함으로써 레지스트가 경화되는 기판에 공급된 레지스트 층으로 가압될 수 있다. 패터닝 디바이스는 레지스트가 경화된 후에 그 안에 패턴을 남기는 레지스트로부터 이동된다.

본 발명에 따른 또 다른 실시예들이 아래의 번호가 매겨진 항목들에서 제공된다:

1. 기판 상의 타겟 구조체의 속성을 측정하는 방법으로, 상기 방법은:

(c) 관심 구역 내에서의 픽셀들의 신호 값들에 적어도 부분적으로 기초하여 후보 관심 구역들에 대한 최적화 메트릭 값을 정의하는 단계;

(d) 타겟 신호 값에 대한 이미지 내의 각각의 픽셀의 기여를 정의하는 타겟 신호 함수를 간접적으로 또는 직접적으로 정의하는 단계 -각각의 픽셀의 기여는 (ⅰ) 어느 후보 관심 구역들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 관심 구역들의 최적화 메트릭 값들에 의존함- ; 및

(e) 정의된 타겟 신호 함수에 따라 검출된 이미지로부터의 다수 픽셀 신호 값들을 조합함으로써 간접적으로 또는 직접적으로 계산된 타겟 신호 값을 이용하여 상이한 타겟 구조체 또는 동일한 타겟 구조체의 속성의 측정을 얻는 단계

를 포함한다.

2. 1 항에 따른 방법에서, 후보 관심 구역들은 2 이상의 파라미터들에서 서로 상이하고, 파라미터들은 그 후보 관심 구역 내에 이미지의 어느 픽셀들이 포함되는지를 정의한다.

3. 2 항에 따른 방법에서, 각각의 후보 관심 구역 내에 이미지의 어느 픽셀들이 포함되는지를 정의하는 파라미터들은 상기 이미지 내의 후보 관심 구역의 위치를 정의한다.

4. 2 항 또는 3 항에 따른 방법에서, 각각의 후보 관심 구역 내에 이미지의 어느 픽셀들이 포함되는지를 정의하는 파라미터들은 상기 이미지 내의 후보 관심 구역의 크기를 정의한다.

5. 앞선 항들 중 어느 하나에 따른 방법에서, 관심 구역들 중 적어도 일부가 서로 오버랩되어, 주어진 픽셀이 후보 관심 구역들 중 하나보다 많은 관심 구역에 포함될 수 있도록 한다.

6. 앞선 항들 중 어느 하나에 따른 방법에서, 단계(e)에서 타겟 신호 값은 복수의 대표 신호 값들 중 적어도 하나를 이용하여 계산되고, 각각의 대표 신호 값은 후보 관심 구역들의 각 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 조합이다.

7. 6 항에 따른 방법에서, 복수의 대표 신호 값들이 그 각각의 후보 관심 구역들에 대한 최적화 메트릭 값들에 의존하는 가중치들과 조합된다.

8. 6 항에 따른 방법에서, 타겟 신호 값은 가장 우수한 최적화 메트릭 값을 갖는 후보 관심 구역에 대응하는 단일 대표 신호 값을 이용하여 계산된다.

9. 6 항, 7 항 또는 8 항에 따른 방법에서, 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들은 대표 값을 계산하기에 앞서 필터링된다.

10. 1 항 내지 5 항 중 어느 하나에 따른 방법에서, 단계(d)에서 타겟 신호 함수는 타겟 신호 값에 대한 주어진 픽셀의 기여가 가중치에 의해 정의되는 기여 맵의 형태로 정의되고, 단계(e)에서 검출된 이미지로부터의 픽셀 신호 값들은 기여 맵에서의 그 각각의 가중치들에 따라 조합된다.

11. 앞선 항들 중 어느 하나에 따른 방법에서, 최적화 메트릭 값은 각각의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 통계적 분산의 척도에 기초한다.

12. 11 항에 따른 방법에서, 각각의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 과도한 통계적 분산을 갖는 후보 관심 구역을 무시하는 단계를 더 포함한다.

13. 앞선 항들 중 어느 하나에 따른 방법에서, 최적화 메트릭 값은 후보 관심 구역들의 세트를 포함한 다차원 공간에서의 1 이상의 파라미터에 대한 대표 신호 값의 변화율에 기초하고, 대표 신호 값은 각각의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들로부터 결정된다.

14. 13 항에 따른 방법에서, 최적화 매트릭 값을 계산하기에 앞서, 대표 신호 값 및/또는 2 이상의 파라미터들 -파라미터들은 그 후보 관심 구역 내에 이미지의 어느 픽셀들이 포함되는지를 정의함- 을 평활화하는 단계를 더 포함한다.

15. 앞선 항들 중 어느 하나에 따른 방법에서, 단계(b)는 얻어진 이미지 내의 경계 구역을 식별하는 단계를 예비 단계로서 포함하고, 경계 구역은 특정한 타겟 구조체에 대응하며, 각각의 후보 관심 구역은 상기 경계 구역 내에서 복수의 픽셀들을 포함한다.

16. 앞선 항들 중 어느 하나에 따른 방법에서, 최적화 메트릭 값은 이미지를 형성하고 검출하는 데 사용되는 장치의 특성을 이용하여 계산된다.

17. 앞선 항들 중 어느 하나에 따른 방법에서, 후보 관심 구역들 내에 포함된 픽셀들의 픽셀 신호 값들은 최적화 메트릭 값을 계산하기에 앞서 필터링된다.

18. 기판 상의 타겟 구조체의 속성을 측정하는 검사 장치로, 상기 장치는:

- 상기 타겟 구조체가 형성되어 있는 기판에 대한 지지체;

- 프로세서를 포함하며, 프로세서는:

19. 18 항에 따른 장치에서, 후보 관심 구역들은 2 이상의 파라미터들에서 서로 상이하고, 파라미터들은 그 후보 관심 구역 내에 이미지의 어느 픽셀들이 포함되는지를 정의한다.

20. 19 항에 따른 장치에서, 각각의 후보 관심 구역 내에 이미지의 어느 픽셀들이 포함되는지를 정의하는 파라미터들은 상기 이미지 내의 후보 관심 구역의 위치를 정의한다.

21. 19 항 또는 20 항에 따른 장치에서, 각각의 후보 관심 구역 내에 이미지의 어느 픽셀들이 포함되는지를 정의하는 파라미터들은 상기 이미지 내의 후보 관심 구역의 크기를 정의한다.

22. 18 항 내지 21 항 중 어느 하나에 따른 장치에서, 관심 구역들 중 적어도 일부가 서로 오버랩되어, 주어진 픽셀이 후보 관심 구역들 중 하나보다 많은 관심 구역에 포함될 수 있도록 한다.

23. 18 항 내지 22 항 중 어느 하나에 따른 장치에서, 프로세서는 복수의 대표 신호 값들 중 적어도 하나를 이용하여 타겟 신호 값을 계산하도록 배치되고, 각각의 대표 신호 값은 후보 관심 구역들의 각 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 조합이다.

24. 23 항에 따른 장치에서, 프로세서는 그 각각의 후보 관심 구역들에 대한 최적화 메트릭 값들에 의존하는 가중치들과 복수의 대표 신호 값들을 조합하도록 배치된다.

25. 23 항에 따른 장치에서, 프로세서는 가장 우수한 최적화 메트릭 값을 갖는 후보 관심 구역에 대응하는 단일 대표 신호 값을 이용하여 타겟 신호 값을 계산하도록 배치된다.

26. 23 항, 24 항 또는 25 항에 따른 장치에서, 프로세서는 대표 값을 계산하기에 앞서 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들을 필터링하도록 배치된다.

27. 18 항 내지 22 항 중 어느 하나에 따른 장치에서, 프로세서는 타겟 신호 값에 대한 주어진 픽셀의 기여가 가중치에 의해 정의되는 기여 맵의 형태로 타겟 신호 함수를 정의하도록 배치되고, 단계(e)에서 검출된 이미지로부터의 픽셀 신호 값들은 기여 맵에서의 그 각각의 가중치들에 따라 조합된다.

28. 18 항 내지 27 항 중 어느 하나에 따른 장치에서, 프로세서는 각각의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 통계적 분산의 척도에 최적화 메트릭 값의 기초를 두도록 배치된다.

29. 28 항에 따른 장치에서, 각각의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 과도한 통계적 분산을 갖는 후보 관심 구역을 무시하는 단계를 더 포함한다.

30. 18 항 내지 29 항 중 어느 하나에 따른 장치에서, 프로세서는 후보 관심 구역들의 세트를 포함한 다차원 공간에서의 1 이상의 파라미터에 대한 대표 신호 값의 변화율에 최적화 메트릭 값의 기초를 두도록 배치되고, 프로세서는 각각의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들로부터 대표 신호 값을 결정하도록 배치된다.

31. 30 항에 따른 장치에서, 프로세서는 최적화 매트릭 값을 계산하기에 앞서, 대표 신호 값 및/또는 2 이상의 파라미터들 -파라미터들은 그 후보 관심 구역 내에 이미지의 어느 픽셀들이 포함되는지를 정의함- 을 평활화하도록 배치된다.

32. 18 항 내지 31 항 중 어느 하나에 따른 장치에서, 프로세서는 복수의 후보 관심 구역들을 정의하는 예비 단계로서, 얻어진 이미지 내의 경계 구역을 식별하도록 배치되고, 경계 구역은 특정한 타겟 구조체에 대응하며, 각각의 후보 관심 구역은 상기 경계 구역 내에서 복수의 픽셀들을 포함한다.

33. 18 항 내지 32 항 중 어느 하나에 따른 장치에서, 프로세서는 이미지를 형성하고 검출하는 데 사용되는 장치의 특성을 이용하여 최적화 메트릭 값을 계산하도록 배치된다.

34. 18 항 내지 33 항 중 어느 하나에 따른 장치에서, 프로세서는 최적화 메트릭 값을 계산하기에 앞서 후보 관심 구역들 내에 포함된 픽셀들의 픽셀 신호 값들을 필터링하도록 배치된다.

35. 컴퓨터 프로그램 제품으로, 범용 처리 장치가 앞선 1 항 내지 17 항 중 어느 하나에 따른 방법의 단계(b) 내지 단계(e)를 수행하게 하는 기계-판독가능한 명령어들을 포함한다.

36. 리소그래피 장치를 포함하는 리소그래피 시스템으로, 리소그래피 장치는:

패턴을 조명하도록 배치되는 조명 광학 시스템;

18 항 내지 34 항 중 어느 하나에 따른 검사 장치를 포함하며,

37. 리소그래피 공정을 이용하여 일련의 기판들에 디바이스 패턴이 적용되는 디바이스 제조 방법으로, 상기 방법은 1 항 내지 17 항 중 어느 하나에 따른 방법을 이용하여 상기 기판들 중 적어도 하나의 상기 디바이스 패턴의 일부분으로서 또는 그 옆에 형성되는 적어도 하나의 타겟 구조체를 검사하는 단계, 및 방법의 결과에 따라 이후 기판들에 대해 리소그래피 공정을 제어하는 단계를 포함한다.

본 명세서에서 사용된 "방사선" 및 "빔"이라는 용어는 이온 빔 또는 전자 빔과 같은 입자 빔뿐만 아니라, (예를 들어, 365, 355, 248, 193, 157 또는 126 nm, 또는 그 정도의 파장을 갖는) 자외(UV) 방사선 및 (예를 들어, 5 내지 20 nm 범위 내의 파장을 갖는) 극자외(EUV) 방사선을 포함하는 모든 형태의 전자기 방사선을 포괄한다.

본 명세서가 허용하는 "렌즈"라는 용어는, 굴절, 반사, 자기, 전자기 및 정전기 광학 구성요소들을 포함하는 다양한 형태의 광학 구성요소들 중 어느 하나 또는 그 조합으로 언급될 수 있다.

특정 실시예들의 앞선 설명은, 당업계의 지식을 적용함으로써, 다양한 적용들에 대해 본 발명의 일반적인 개념을 벗어나지 않고 지나친 실험 없이 이러한 특정 실시예들을 쉽게 변형하고, 및/또는 응용할 수 있도록 본 발명의 일반적인 성질을 전부 드러낼 것이다. 그러므로, 이러한 응용예 및 변형예들은 본 명세서에 나타낸 교시 및 안내에 기초하여, 기재된 실시예들의 균등물의 의미 및 범위 내에 있도록 의도된다. 본 명세서에서, 어구 또는 전문 용어는 예시에 의한 설명을 위한 것이며 제한하려는 것이 아니므로, 당업자라면 본 명세서의 전문 용어 또는 어구가 교시 및 안내를 고려하여 해석되어야 한다는 것을 이해하여야 한다.

본 발명의 범위와 폭은 상술된 예시적인 실시예들 중 어느 것에 의해서도 제한되지 않아야 하며, 다음의 청구항 및 그 균등물에 따라서만 정의되어야 한다.

Claims

기판 상의 타겟 구조체(target structure)의 속성을 측정하는 방법에 있어서:
(a) 조명 하에 상기 타겟 구조체에 의해 회절된 방사선의 사전설정된 부분을 이용하여 상기 타겟 구조체의 이미지를 얻는 단계;
(b) 복수의 후보 관심 구역들(candidate regions of interest)을 정의하는 단계 -각각의 후보 관심 구역은 상기 이미지 내의 복수의 픽셀들을 포함함- ;
(c) 상기 관심 구역 내에서의 픽셀들의 신호 값들에 적어도 부분적으로 기초하여 상기 후보 관심 구역들에 대한 최적화 메트릭 값(optimization metric value)을 정의하는 단계;
(d) 타겟 신호 값에 대한 상기 이미지 내의 각각의 픽셀의 기여를 정의하는 타겟 신호 함수를 간접적으로 또는 직접적으로 정의하는 단계 -각각의 픽셀의 기여는 (ⅰ) 어느 후보 관심 구역들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 관심 구역들의 최적화 메트릭 값들에 의존함- ; 및
(e) 정의된 타겟 신호 함수에 따라 검출된 이미지로부터의 다수 픽셀 신호 값들을 조합함으로써 간접적으로 또는 직접적으로 계산된 타겟 신호 값을 이용하여 상이한 타겟 구조체 또는 동일한 타겟 구조체의 속성의 측정을 얻는 단계
를 포함하는 방법.
제 1 항에 있어서,
주어진 픽셀이 상기 후보 관심 구역들 중 하나보다 많은 관심 구역에 포함될 수 있도록 적어도 일부의 관심 구역들이 서로 오버랩되는 방법.
제 1 항에 있어서,
단계(e)에서 상기 타겟 신호 값은 복수의 대표 신호 값(representative signal value)들 중 적어도 하나를 이용하여 계산되고, 각각의 대표 신호 값은 상기 후보 관심 구역들의 각자의 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 조합인 방법.
제 1 항에 있어서,
단계(d)에서 상기 타겟 신호 함수는 상기 타겟 신호 값에 대한 주어진 픽셀의 기여가 가중치(weighting value)에 의해 정의되는 기여 맵(contribution map)의 형태로 정의되고, 단계(e)에서 상기 검출된 이미지로부터의 픽셀 신호 값들은 상기 기여 맵에서의 그 각자의 가중치들에 따라 조합되는 방법.
제 1 항에 있어서,
상기 최적화 메트릭 값은 각자의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 통계적 분산의 척도(measure of statistical dispersion)에 기초하는 방법.
제 1 항에 있어서,
상기 최적화 메트릭 값은 후보 관심 구역들의 세트를 포함한 다차원 공간에서의 1 이상의 파라미터에 대한 대표 신호 값의 변화율에 기초하고, 상기 대표 신호 값은 각자의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들로부터 결정되는 방법.
제 1 항에 있어서,
단계(b)는 얻어진 이미지 내의 경계 구역(bounded region)을 식별하는 단계를 예비 단계로서 포함하고, 상기 경계 구역은 특정한 타겟 구조체에 대응하며, 각각의 후보 관심 구역은 상기 경계 구역 내의 복수의 픽셀들을 포함하는 방법.
기판 상의 타겟 구조체의 속성을 측정하는 검사 장치에 있어서:
상기 타겟 구조체가 형성되어 있는 상기 기판에 대한 지지체;
상기 타겟 구조체를 조명하고, 상기 타겟 구조체에 의해 회절된 방사선의 사전설정된 부분을 이용하여 상기 타겟 구조체의 이미지를 얻는 광학 시스템; 및
프로세서;
를 포함하고, 상기 프로세서는:
복수의 후보 관심 구역들을 정의하고 -각각의 후보 관심 구역은 상기 이미지 내의 복수의 픽셀들을 포함함- ;
상기 관심 구역 내에서의 픽셀들의 신호 값들에 적어도 부분적으로 기초하여 상기 후보 관심 구역들에 대한 최적화 메트릭 값을 정의하며;
타겟 신호 값에 대한 상기 이미지 내의 각각의 픽셀의 기여를 정의하는 타겟 신호 함수를 간접적으로 또는 직접적으로 정의하고 -각각의 픽셀의 기여는 (ⅰ) 어느 후보 관심 구역들이 그 픽셀을 포함하는지, 및 (ⅱ) 그 후보 관심 구역들의 최적화 메트릭 값들에 의존함- ;
정의된 타겟 신호 함수에 따라 검출된 이미지로부터의 다수 픽셀 신호 값들을 조합함으로써 간접적으로 또는 직접적으로 계산된 타겟 신호 값을 이용하여 상이한 타겟 구조체 또는 동일한 타겟 구조체의 속성의 측정을 얻도록 배치되는 검사 장치.
제 8 항에 있어서,
상기 후보 관심 구역들은 2 이상의 파라미터들에서 서로 상이하고, 상기 파라미터들은 그 후보 관심 구역 내에 상기 이미지의 어느 픽셀들이 포함되는지를 정의하는 검사 장치.
제 8 항에 있어서,
상기 프로세서는 상기 타겟 신호 값에 대한 주어진 픽셀의 기여가 가중치에 의해 정의되는 기여 맵의 형태로 상기 타겟 신호 함수를 정의하도록 배치되고, 단계(e)에서 상기 검출된 이미지로부터의 픽셀 신호 값들은 상기 기여 맵에서의 그 각자의 가중치들에 따라 조합되는 검사 장치.
제 8 항에 있어서,
상기 프로세서는 각자의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들의 통계적 분산의 척도에 상기 최적화 메트릭 값의 기초를 두도록 배치되는 검사 장치.
제 8 항에 있어서,
상기 프로세서는 후보 관심 구역들의 세트를 포함한 다차원 공간에서의 1 이상의 파라미터에 대한 대표 신호 값의 변화율에 상기 최적화 메트릭 값의 기초를 두도록 배치되고, 상기 프로세서는 각자의 후보 관심 구역 내에 포함된 픽셀들의 픽셀 신호 값들로부터 상기 대표 신호 값을 결정하도록 배치되는 검사 장치.
범용 처리 장치가 제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법의 단계(b) 내지 단계(e)를 수행하게 하는 기계-판독가능한 명령어들을 포함하는 프로그램을 기록한 기록 매체.
리소그래피 시스템에 있어서:
리소그래피 장치를 포함하고, 상기 리소그래피 장치는:
패턴을 조명하도록 배치되는 조명 광학 시스템;
기판 상으로 상기 패턴의 이미지를 투영하도록 배치되는 투영 광학 시스템; 및
제 8 항 내지 제 12 항 중 어느 한 항에 따른 검사 장치
를 포함하며,
상기 리소그래피 장치는 또 다른 기판들에 상기 패턴을 적용함에 있어서 상기 검사 장치로부터의 측정 결과들을 이용하도록 배치되는 리소그래피 시스템.
리소그래피 공정을 이용하여 일련의 기판들에 디바이스 패턴이 적용되는 디바이스 제조 방법에 있어서,
제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법을 이용하여 상기 기판들 중 적어도 하나의 상기 디바이스 패턴의 옆에 또는 일부분으로서 형성되는 적어도 하나의 타겟 구조체를 검사하는 단계, 및 상기 방법의 결과에 따라 이후 기판들에 대해 상기 리소그래피 공정을 제어하는 단계를 포함하는 디바이스 제조 방법.