公开(公告)号：CN112639611B

公开(公告)日：2024-08-13

申请号：CN201980055729.X

申请日：2019-08-12

Applicant: ASML荷兰有限公司

Inventor： 克里斯多夫·艾伦·斯彭斯

IPC: G03F1/36 ,  G03F7/20

Abstract: 一种控制使用合格化的光学邻近效应校正(OPC)模型的成像过程的方法，所述方法包括：获取OPC模型，所述OPC模型被配置成在用于在图案化过程中使用后OPC设计在衬底上形成图案的过程中对预OPC设计的OPC修改的行为进行建模；在制造环境中使用所述图案化过程；收集在所述制造环境中使用所述图案化过程被图案化的衬底中的过程控制数据；将收集到的过程控制数据储存在数据库中；通过硬件计算机系统分析所储存的收集到的过程控制数据，以验证所述OPC模型是在所选阈值内的校正图案特征；以及对于落入所选阈值外的图案特征，确定对所述成像过程的修改以校正成像误差。

公开(公告)号：CN117480449A

公开(公告)日：2024-01-30

申请号：CN202280041685.7

申请日：2022-06-10

Applicant: ASML荷兰有限公司

Inventor： 陶峻 ,  曹宇 ,  克里斯多夫·艾伦·斯彭斯

IPC: G03F1/36

Abstract: 本文中描述一种确定用于掩模图案的辅助特征的方法。所述方法包括：获得(i)包括多个目标特征的目标图案，其中，所述多个目标特征中的每个目标特征包括多个目标边缘；和(ii)经训练的序列至序列机器学习(ML)模型(例如，长短期存储器、门控递归单元等)，所述ML模型被配置成确定用于所述目标图案的亚分辨率辅助特征(SRAF)。对于所述多个目标边缘中的目标边缘，确定围绕所述目标边缘的目标特征的子集的几何信息(例如，长度、宽度、特征之间的距离等)。使用所述几何信息作为输入，所述ML模型产生待放置在所述目标边缘周围的SRAF。

公开(公告)号：CN112639611A

公开(公告)日：2021-04-09

申请号：CN201980055729.X

申请日：2019-08-12

Applicant: ASML荷兰有限公司

Inventor： 克里斯多夫·艾伦·斯彭斯

IPC: G03F1/36 ,  G03F7/20

Abstract: 一种控制使用合格化的光学邻近效应校正(OPC)模型的成像过程的方法，所述方法包括：获取OPC模型，所述OPC模型被配置成在用于在图案化过程中使用后OPC设计在衬底上形成图案的过程中对预OPC设计的OPC修改的行为进行建模；在制造环境中使用所述图案化过程；收集在所述制造环境中使用所述图案化过程被图案化的衬底中的过程控制数据；将收集到的过程控制数据储存在数据库中；通过硬件计算机系统分析所储存的收集到的过程控制数据，以验证所述OPC模型是在所选阈值内的校正图案特征；以及对于落入所选阈值外的图案特征，确定对所述成像过程的修改以校正成像误差。

公开(公告)号：CN116648672A

公开(公告)日：2023-08-25

申请号：CN202180085362.3

申请日：2021-12-02

Applicant: ASML荷兰有限公司

Inventor： 陶峻 ,  曹宇 ,  克里斯多夫·艾伦·斯彭斯

IPC: G03F7/20

Abstract: 本文中描述一种用于确定掩模图案的方法和一种用于训练机器学习模型的方法。用于产生用于与图案化过程相关联的掩模图案的数据的所述方法包括：获得(i)与设计图案相关联的第一掩模图像(例如，CTM)；(ii)基于所述第一掩模图像的轮廓(例如，抗蚀剂轮廓)；(iii)基于所述设计图案的参考轮廓(例如，理想抗蚀剂轮廓)；和(iv)所述轮廓与所述参考轮廓之间的轮廓差。将所述轮廓差和所述第一掩模图像输入至模型以产生掩模图像修改数据。基于所述第一掩模图像和所述掩模图像修改数据，产生用于确定待用于所述图案化过程中的掩模图案的第二掩模图像。

公开(公告)号：CN115190985A

公开(公告)日：2022-10-14

申请号：CN202180017644.X

申请日：2021-02-12

Applicant: ASML荷兰有限公司

Inventor： 陶峻 ,  曹宇 ,  克里斯多夫·艾伦·斯彭斯

IPC: G03F1/36

Abstract: 一种训练机器学习模型来生成特性图案的方法，该方法包括：获得与参考图像中的参考特征相关联的训练数据。训练数据包括(i)参考特征的部分的位置数据，以及(ii)存在值，该存在值指示参考特征的部分是否位于针对参考特征生成的参考辅助特征内。该方法包括基于训练数据中的实际存在值训练机器学习模型来预测存在值。所预测的存在值指示特征的部分(例如，特征的轮廓的架构上的架构点)是否被辅助特征集合覆盖。基于训练数据执行该训练，使得所预测的存在值与存在值之间的度量被最小化。