SMO(소스 마스크 최적화)는 포토마스크에서 기판으로 패턴을 전사하는 프로세스를 최적화하기 위해 반도체 리소그래피에 사용되는 기술입니다. SMO의 목표는 소스와 마스크를 별도로 최적화하는 것이 아니라 동시에 최적화하여 패턴의 이미지 품질을 향상시키는 것입니다. 전통적인 리소그래피에서는 포토마스크와 조명 광원이 별도로 설계되었습니다. 마스크는 특정 패턴으로 설계되고 소스는 기판에 원하는 패턴을 생성하도록 최적화됩니다. 그러나 이 접근 방식은 마스크와 소스 설계의 한계로 인해 항상 원하는 결과를 얻지 못할 수도 있습니다. SMO에서는 마스크와 소스가 함께 최적화되어 최상의 이미지를 생성합니다. 이는 원하는 패턴을 얻을 때까지 마스크와 소스 매개변수를 반복적으로 수정하여 수행됩니다. 마스크 및 소스 매개변수는 사용된 특정 SMO 알고리즘에 따라 독립적으로 또는 함께 조정할 수 있습니다. SMO를 사용하면 기존 리소그래피 기술에 비해 해상도가 높아지고 초점 심도가 향상되며 패턴 왜곡이 줄어듭니다. 이는 더 작은 피처 크기와 더 높은 정밀도에 대한 요구가 중요한 고급 반도체 제조에 일반적으로 사용됩니다.
SMO operation flow로는 illumination selection [EUV/ArF/KrF]하고, PR film stack을 결정하고 AI/BF를 넣어줍니다.
그리고 Photo mask에 대한 tone을 결정합니다. PSM의 경우 attenuated PSM 6%/Clear로, BIN의 경우엔 Chrome/Quartz로 지정을 해줍니다.
Sample pattern preparation하고 anchor 지정을 위해서 anchor clip을 해줍니다.
Anchor bias search (discuss with photo team)하는 종류로는 3가지 종류가 있습니다.
* Strong Anchor SMO / Soft Anchor SMO / No anchor SMO는 anchor의 mask bias를 fix 할 것인지, 조절할 것인지에 따라 방법이 나뉩니다.
sample pattern에는 20~30개 정도의 cut-line을 그려줍니다. 그리고 중요하다고 생각되는 pattern에는 weight를 높여줍니다.
SMO wizard에서는 SMO/MO 선택을 하고, template를 지정합니다. 그리고, Polarization을 X/Y/XY/TE/TM/Un-polar를 선택합니다.
그리고, SMO simulation 할 해당 mask type의 MRC를 넣어 줍니다. 그리고, D4/D2/C2로 조명계의 pole을 지정합니다. D4 경우는 동서남북에 pole이 생기는 경우이고, D2의 경우엔 Dipole처럼 X 혹은 Y 방향에만 pole이 생깁니다. C2는 대각선 pole이 생기는 것을 원하는 경우 지정합니다.
anchor mask bias를 지정하고 싶을 때, 원하는 값을 넣어서 mask bias를 지정합니다.
그리고, PW condition을 결정합니다. Dose +-4%, Focus +-30nm, Mask +-0.5nm를 흔들어서 PVBand를 산출하는데 활용합니다.
그리고, save 한 뒤 RUN을 눌러서 SMO/MO를 수행합니다.
중간 과정에서 나오는 수행 결과를 monitoring 해줍니다. optimized100에서는 cost값이 튀거나 outlier가 있는지 확인합니다. outiler가 존재한다면 불안정한 EPE가 계산되고 PW margin이 부족한 Source를 찾게 됩니다.
최종적으로 SMO JOB 수행이 완료되면 PW2100에서 result analysis를 분석하여 sample cut-line별 DOF/EL/MEEF/NILS/PVB를 확인합니다.
생성된 Model를 확인하고 싶다면 modelgen2000에서 copy model path를 눌러서 경로 copy한 후 해당 경로를 찾아갑니다.
OPC ADI simulaiton contour를 보고 싶다면 OPC1900에서 review를 눌러서 layout을 확인하여 slit0(=BDBF)의 contour를 확인합니다.
그리고, Main DB의 sample에 대한 MO를 알고 싶다면 Main DB sample을 넣고 MO를 진행합니다.
Verification MO (cost function : EPE/DOF/EL/MEEF/NILS/PVBAND)의 cost function을 비교하여 가장 좋은 값과 안정화된 source를 결정하고 extraction 합니다.
결정된 source를 Photo team에 source calibration 의뢰서와 함께 source를 전달해서 scanner source calibration이 진행되도록 합니다.
Source calibration이 끝나면 ADI FEM wafer 노광을 통해 margin 있는 source를 검증하게 됩니다.
Source Mask Optimization (SMO) is a technique used in semiconductor lithography to optimize the process of transferring a pattern from a photomask onto a substrate. The goal of SMO is to improve the image quality of the pattern by optimizing both the source and mask simultaneously, rather than optimizing them separately.
In traditional lithography, the photomask and the illumination source are designed separately. The mask is designed with a specific pattern, and the source is optimized to produce the desired pattern on the substrate. However, this approach may not always produce the desired result due to the limitations of the mask and source design.
In SMO, the mask and source are optimized together to create the best possible image. This is done by iteratively modifying the mask and source parameters until the desired pattern is obtained. The mask and source parameters can be adjusted independently or jointly, depending on the specific SMO algorithm used.
The use of SMO can result in higher resolution, improved depth of focus, and reduced pattern distortion compared to traditional lithography techniques. It is commonly used in advanced semiconductor manufacturing, where the demands for smaller feature sizes and higher precision are critical.
* sample에는 smo calibration 할 것과 MO 진행할 것을 나누어서 진행해야 합니다. gauge를 많이 넣을 경우 annuar type과 비슷한 모양이 만들어지기 때문입니다.
* Brion SMO 작업 진행 시 주의해야 할 점.
0) anchor 선정 시, converge 안 되는 weak point를 넣지 말고 말 그대로 공정 표준이 될 수 있는 쉬운 pattern을 넣을 것.
1) Anchor Clip window에는 cutline을 그리지 않고 Anchor target copy(weak anchor의 경우)에는 cutline을 그려서 mask bias search를 해준다.
2) sample Clip window는 패턴에 딱 맞아떨어지게 만들어주고 cutline은 가운데 위치하도록 한다.
3) MRC spec값은 넣어줘야 실제와 같은 시뮬이 가능하다.
4) OPC contour는 OPC1900 step에서 확인한다.
5) 최종 결과는 PW2100에서 확인한다.
6) sample은 T/P 및 main weak point를 넣는다.
7) cost function으로 C-DOF, NILS, MEEF, PVBAND, nominal CD를 확인한다.
8) model2000을 copy 해서 MO를 실행할 수 있으나,
FINAL MODEL의 focus는 달라지는 것을 유념할 것
9) TAC 버전에 따라 결과가 달라질 수 있다
10) anchor 잡는 방법에는 3가지가 있다. PC처럼 DL&S로 된 패턴으로 된 layer는 Strong Anchor로 mask bias를 흔들지 않는 경우엔 ANCHOR CLIP을 해주고 cut line을 그린다.
그러나, Anchor mask bias를 흔들어야 하는 다른 layer의 Weak Anchor의 경우엔 ANCHOR CLIP을 해주고 Cut line을 그리지 않고, Anchor Copy를 해서 Cut line을 그려준다.
11) diffraction map을 보고 싶으면 설정해 주어 pattern별 order가 충분히 들어오는지 확인할 수 있다.
12) modelgen2000에는 finalized model이 저장되어 있고 copy model path 해서 model explorer에서 source 및 resist threshold를 확인할 수 있다.
13) Pupil Fill Ratio는 EUV 경우 20% 이상, ArF 5% 이상을 recommend 하고 있다.
14) Contour EPE가 안 맞는 경우엔 Eval point에 contour가 들어오도록 TEGGING을 잡거나 해서 converge 되도록 하는 게 중요하다.
15) SMO 진행 전 model build를 해주는데, OPC model을 불러와서 resist model을 물리는 경우가 있고, model gen을 해서 Aerial Optic model을 생성하는 경우가 있다. 대부분은 Aerial Optic model gen을 해준다.
16) Anchor setting 자체는 anchor clip check만 해줘도 되지만 어떤 방식으로 anchor bias를 정할지(dose 정할지)를 결정하기 위해서 다양한 방법을 사용할 수 있다.
1. Anchor clip setup only(hard anchor) : dose를 해당 clip으로 anchoring 하겠다는 의미로 다른 모든 클립이 이 clip 기준으로 잡는 dose에 맞게 optimization 되기 위해서는 nominal condition anchor weight(<anchor_weight>)을 어느 정도 넣어줘야 한다.(weight 3~10 가량)
2. Anchor clip with low clip weight + same pattern(soft anchor) : 아마 알고 계신 방법일 것이라 생각되는 방법으로, anchor clip으로 지정한 clip의 bias를 preference 삼아 같은 패턴 잡은 clip에서 anchor clip의 최적 bias를 찾으려는 방법이다. Anchor의 clip weight이 낮기 때문에 해당 clip의 EPE를 희생시키면서 다른 모든 패턴이 좋아지는 dose를 찾게 되기 때문에 anchor와 똑같이 설정한 clip의 bias를 해당 job에서 찾은 최적 bias로 생각할 수 있다.
3. No anchor : 특별히 dose에 대해 preference가 없으실 때 사용할 수 있다. 대신 anchor gauge로 지정하고 weight를 높인다.
17) anchor는 안정된 패턴을 넣는 것이 중요하므로, 1D Dense Line & Space를 넣는 것이 좋다. 그리고 sample plan으로는 periodic pattern을 넣어 안정된 조명계 search가 되도록 한다.
'3. OPTICAL PROXIMITY CORRECTION TECH > 3. OPC WORK' 카테고리의 다른 글
SRAF RULE GENERATION (0) | 2023.08.03 |
---|---|
OPC correction의 종류와 algorithm (0) | 2023.08.03 |
Curvilinear Optical Proximity Correction (0) | 2023.07.20 |
OPC Error = Model Error + Edge Placement Error (0) | 2023.07.05 |
Edge placement error (EPE) (0) | 2023.04.18 |