Sampling in Modeling

OPC model에서 Gauge data는 공정을 모사하는데 매우 중요합니다. empirical Data로 공정의 behavior를 따라가게 해야 하는데 정합성 있는 data가 필수이기 때문입니다.

Design Rule을 반영, Layer 특성 및 동일layer의 이전 DB, 조명계 등을 종합적으로 고려해서 샘플 coverage가 놃으면서 anchor및 weak point를 잘 대변할 수 있도록 sampling하는 것이 목표입니다.

여러번 shot을 측정하여 산포가 없는 정합성 있는 Measured CD를 넣고 이를 모델링 툴에 넣고 모델링을 진행합니다.
샘플 중 PW margin이 부족한 layer의 경우엔 PW gauge가 필요할 수도 있습니다.
많은 point를 넣으면 모델 interpolation 예측력이 증가하겠지만, 그만큼 model build TAT가 증가하게 됩니다.

그래서 Thru-pitch를 기준으로 한다면 High freq 패턴은 좀 더 촘옴하게 뽑고, Low freq 패턴은 좀 더 성글게 뽑습니다. Thru-pitch curve 변화가 급격한 구간에서는 sampling 밀도를 높히고, curve 변화가 완만한 구간에서는 sampling 밀도를 성기게 합니다.

Through-Pitch별 CD변화를 모델이 예측할 수 있도록 fitting을 해줍니다.

그래서 Sampleing 전략은 정합성 있는 model을 만들 수 있으면서 TAT는 짧은 guage 숫자를 뽑는 것이 좋습니다.

OPC modeling을 위한 sample 추출을 하기 위해서 modeling sample mask를 제작해야 합니다.

mask 제작을 위한 sample DB drawing을 해야 하는데 각각 layer Design rule에 맞는 pattern을 그려서 넣어줍니다.
대략 10% under design pattern을 넣어서 공정 caverage를 갖도록 합니다.

SEM image를 contouring 하여 modeling gauge로 넣는 방법도 있습니다. SEM image를 여러번 중첩하여 Average contour를 만들어서 하나의 최종 contour를 만들고 이를 modeling tool에 반영하여 SEM to Simulation contour diff=0를 만들도록 fitting 을 하게 됩니다.