基于遗传算法的微反射镜阵列角位置分布算法 下载: 911次
1 引言
光刻机作为超大规模集成电路加工的关键设备,被广泛应用于半导体行业。随着集成电路关键尺寸(CD)的不断缩小,离轴照明(OAI)技术[1-2]、相移掩模(PSM)技术[3-4]、光学邻近效应校正(OPC)技术[5-7]、光源掩模联合优化(SMO)技术[8-9]等已经被广泛应用于光刻机中。其中,SMO技术对照明系统的光瞳强度分布和掩模图形同时进行优化,优化得到的光瞳强度分布较为复杂,可有效提高光刻分辨率并增加焦深,已被应用于28 nm及以下节点浸没光刻机中[8]。
目前实现自由光瞳照明的方法主要有两种。一种是通过衍射光学元件(DOE)和变焦傅里叶变换透镜实现,但是DOE的衍射效率低,并且存在零级衍射光,这些都会引起能量损失;此外,一个DOE只能生成一种特定形式的照明模式,不同形式的照明模式需要通过切换DOE实现,这影响了自由光瞳照明应用的灵活性,尤其是在实验验证阶段[10-12]。另外一种是通过微反射镜阵列(MMA)实现,它是自由光瞳照明模块的核心组件之一,一般由数千个微反射镜组成,每个微反射镜在二维正交方向可连续转动,其通过调制入射光的角谱分布得到任意光瞳强度分布[13]。
在28 nm及以下节点浸没光刻机自由光瞳照明模块中,为了得到满足要求的自由照明模式,需要在二维方向对MMA中数千个微反射镜进行精确的控制,高效的MMA角位置分布算法是实现自由光瞳照明的关键技术之一。杜猛等[14]提出一种MMA角位置分布算法,该算法虽然省时,但只适用于少数光瞳强度分布相对简单的照明模式,且对入射光束分布和目标光瞳强度分布有一定的要求。李艳秋和魏立冬[15]提出了一种基于模拟退火算法的MMA角位置分布算法,该算法能以较大的概率求得全局优化解,但由于该算法采用了两层循环且内循环参数的设定对光瞳强度分布的优化结果影响较大,另外该算法自适应能力较差,这导致了该算法实现MMA角位置分布的效率和准确性较低[16-17]。因此,本文提出一种基于遗传算法的MMA角位置分布算法,提出的算法采用一层循环,将相关参数编码成染色体后进行优化,不受函数约束条件的限制,搜索从染色体的一个集合开始,具有隐性并行搜索特性,既降低了陷入局部极小的概率,也提高了效率和准确性[18-20]。
MMA角位置分布算法对速度和精度均有较高要求,将遗传算法应用于MMA角位置分布的生成可以充分发挥其高效的全局搜索寻优能力。本文着重对基于遗传算法的MMA角位置分布算法进行研究,对自由光瞳照明模块光学系统的工作原理进行了介绍,对基于遗传算法的MMA角位置分布算法进行了详细叙述,将该算法与基于模拟退火算法的MMA角位置分布算法进行了对比分析,并对由该算法生成的三种MMA角位置分布得到的三种自由照明模式进行光刻性能仿真分析,最后对本文研究内容进行了总结。
2 自由光瞳照明模块工作原理
自由光瞳照明模块是浸没光刻机照明系统的重要组成部分,其工作原理如
图 2. 自由光瞳照明模块子光束成像示意图
Fig. 2. Sub-beam imaging diagram of freeform pupil illumination module
每个微反射镜在后焦面形成的光斑形状为正方形,正方形光斑的边长dp为
式中:a为光束分割组件中微透镜的边长;f1为微透镜的焦距;f2为傅里叶变换透镜组件的焦距。
被MMA中微反射镜反射的光束经过傅里叶变换透镜组件后成像在傅里叶变换透镜组件的后焦面上,有
式中:α为MMA中微反射镜在xoz平面内绕y轴的旋转角度;β为MMA中微反射镜在yoz平面内绕x轴的旋转角度;(RRx,RRy)为被微反射镜反射的光束在傅里叶变换透镜组件后焦面形成光斑的中心位置。
傅里叶变换透镜组件后焦面的光瞳强度分布P(x',y')为
式中:(x',y')为光瞳面位置坐标;(x,y)为BDE上位置坐标;⊗为卷积运算符;M和N分别为x和y方向上微反射镜的个数;Ii(x,y)为入射到BDE中第i个微透镜上光束的强度分布;Di(α,β)表示第i个微反射镜的二维正交方向的角位置;PPSF,i为BDE中第i个微透镜与傅里叶变换透镜组件组成的成像光学系统的中心视场对应的点扩展函数,PPSF,i与对应微反射镜的角位置有关;T[·]为微反射镜角位置与其反射光束在光瞳面位置的转换函数,可表示为
式中:δ为狄拉克函数;αi为MMA中第i个微反射镜在xoz 面内绕y 轴的旋转角度;βi为MMA中第i个微反射镜在yoz平面内绕x轴的旋转角度。
由所有微反射镜的角位置Di(α,β)组成MMA的角位置分布矢量MMP为
由(3)~(5)式可知,光瞳强度分布P(x',y')由MMA的角位置分布矢量MMP决定,微反射镜的角位置分布对光瞳强度分布起着关键性作用。
光瞳强度分布是由数千个微反射镜在光瞳面形成的子光斑的叠加形成的,这要考虑所有子光斑的强度分布和位置,并且允许子光斑之间有叠加。子光斑强度分布与PPSF,i有关,子光斑位置与Di(α,β)相关,这是一个大规模子光斑强度分布和位置的组合优化过程。光瞳强度分布中每个位置的相对强度大小对光刻性能影响较大[22],为此采用方均根误差(ERMS)代表生成的光瞳强度分布的性能,即
式中:K、L为光瞳在x、y方向的采样点数;Akl为算法光瞳相应位置的光强;Bkl为目标光瞳相应位置的光强;k为光瞳在x方向的采样点标号;l为光瞳在y方向的采样点标号。
3 基于遗传算法的MMA角位置分布算法
基于遗传算法的MMA角位置分布算法流程图如
式中:MMP,k'为MMA角位置分布种群q中的第k'个个体。
图 3. 基于遗传算法的MMA角位置分布算法流程图
Fig. 3. Flow chart of angular position distribution algorithm of MMA based on genetic algorithm
对种群q按照相应概率Pg、Pc和Pm分别进行选择、交叉和变异运算后得到MMP,1,MMP,2,…,MMP,i,…,
选取如
图 4. 基于遗传算法的MMA角位置分布算法的光瞳强度分布结果。(a1)(b1)(c1)目标光瞳强度分布;(a2)(b2)(c2)算法优化得到的光瞳强度分布
Fig. 4. Pupil intensity distributions generated by MMA angular position distribution algorithm based on genetic algorithm. (a1)(b1)(c1) Target pupil intensity distributions; (a2)(b2)(c2) pupil intensity distributions after algorithm optimization
图 5. 基于遗传算法的MMA角位置分布算法迭代过程中光瞳强度分布变化图。(a)自由照明模式1;(b)自由照明模式2;(c)自由照明模式3
Fig. 5. Changes of pupil intensity distribution during iteration of MMA angular position distribution algorithm based on genetic algorithm. (a) Free lighting mode 1; (b) free lighting mode 2; (c) free lighting mode 3
图 6. 基于遗传算法的MMA角位置分布算法得到的角位置分布图。(a)自由照明模式1;(b)自由照明模式2;(c)自由照明模式3
Fig. 6. Angular position distributions gained from MMA angular position distribution algorithm based on genetic algorithm. (a) Free lighting mode 1; (b) free lighting mode 2; (c) free lighting mode 3
为对比分析所提出的基于遗传算法的MMA角位置分布算法,本文复现了基于模拟退火算法的MMA角位置分布算法。模拟退火算法基于固体的退火原理,包含内外两层循环,外循环通过减小温度参数寻找稳定解,但该解可能是局部最优解,内循环按Metropolis准则在Metropolis链长范围内不断寻找最优解[16]。同样地,基于模拟退火算法的MMA角位置分布算法采用了(6)式所示ERMS值作为评价函数。基于模拟退火算法的MMA角位置分布算法通过MMA角位置分布矢量MMP的随机变动生成当前温度下的相应Metropolis链,经多次内外循环后得到满足要求的角位置分布矢量MMP,s。
图 7. 基于遗传算法和基于模拟退火算法的MMA角位置分布算法优化过程和结果对比图。(a)基于遗传算法得到的ERMS值随迭代时间的变化图;(b)基于模拟退火算法得到的ERMS值随迭代时间的变化图;(c)基于遗传算法和模拟退火算法得到的ERMS值对比
Fig. 7. Comparison of optimization processes and results of MMA angular position distribution algorithms based on genetic algorithm and simulated annealing algorithm. (a) ERMS obtained based on genetic algorithm varying with iteration time; (b) ERMS obtained based on simulated annealing algorithm varying with iteration time; (c) comparison of ERMSresults between genetic algorithm and simulated annealing algorithm based methods
4 光刻性能仿真分析
为进一步验证基于遗传算法的MMA角位置分布算法的有效性,借助光刻性能仿真平台对三种自由照明模式的算法光瞳和目标光瞳分别进行了光刻性能仿真分析,仿真分析内容包括光刻胶曝光图形x向和y向不对称性与关键尺寸差异[25]。光刻性能仿真参数如
如
表 1. 光刻性能仿真参数
Table 1. Simulation parameters of photolithography performance
|
表 2. 光刻胶曝光图形不对称性分布光刻性能仿真结果
Table 2. Simulation results of photolithography performance for AAsym distribution of photoresist exposure pattern
|
式中:AAsym_x、AAsym_y分别为设计图形轮廓与光刻胶曝光图形轮廓在x方向左右侧差异值的差和y方向上下侧差异值的差;EEPE,L、EEPE,R、EEPE,U、EEPE,D分别为设计图形轮廓与光刻胶曝光图形轮廓在x方向左侧差异值、设计图形轮廓与光刻胶曝光图形轮廓在x方向右侧差异值、设计图形轮廓与光刻胶曝光图形轮廓在y方向上侧差异值,以及设计图形轮廓与光刻胶曝光图形轮廓在y方向下侧差异值。
图 8. 光刻胶曝光图形x方向和y方向不对称性示意图
Fig. 8. Schematic diagram of asymmetry in x and y directions for photoresist exposure pattern
。
针对关键尺寸差异的光刻性能仿真,选择了数千种尺寸在40~190 nm的光刻胶曝光图形,如
图 9. 仿真用到的部分典型光刻曝光图形和关键尺寸差异分布。(a)仿真用到的部分典型光刻曝光图形;(b)算法光瞳和目标光瞳的关键尺寸差异分布
Fig. 9. Partial typical photoresist exposure patterns used in simulation and CD difference distributions. (a) Partial typical photoresist exposure patterns used in simulation; (b) CD difference distributions between algorithm and target pupils
5 结论
针对28 nm及以下节点浸没光刻机照明系统自由光瞳照明模块,提出了基于遗传算法的MMA角位置分布算法,该算法在较短时间内获得的MMA角位置分布可精确复现目标光瞳强度分布。所提算法具有更快的收敛速度和更好的全局寻优能力,相比基于模拟退火算法的MMA角位置分布算法迭代速度提高了10倍以上,并且该算法生成的光瞳的关键尺寸差异分布的ERMS值均小于0.001。为了进一步验证基于遗传算法的MMA角位置分布算法的可行性和有效性,对三种自由照明模式进行了光刻性能仿真分析,仿真结果表明算法光瞳和目标光瞳的光刻胶曝光图形不对称性分布的RMS值基本一致,算法光瞳和目标光瞳的关键尺寸差异分布RMS值均小于0.5 nm,满足28 nm光刻机曝光需求。这对28 nm及以下节点浸没光刻机照明系统自由光瞳照明模块的研发及应用具有重要意义。
[1] 郭立萍, 黄惠杰, 王向朝. 光学光刻中的离轴照明技术[J]. 激光杂志, 2005, 26(1): 23-25.
[2] 郜鹏, 温凯, 孙雪莹, 等. 定量相位显微中分辨率增强技术综述[J]. 红外与激光工程, 2019, 48(6): 0603007.
[3] 冯伯儒, 张锦, 宗德蓉, 等. 用于100nm节点ArF准分子激光光刻的相移掩模技术[J]. 光电工程, 2004, 31(1): 1-4, 39.
[4] Faure T, Sakamoto Y, Toda Y, et al. Development of a new high transmission phase shift mask technology for 10 nm logic node[J]. Proceedings of SPIE, 2016, 9984: 998402.
[5] 杜惊雷, 石瑞英, 崔铮, 等. 掩模制作中的邻近效应[J]. 微纳电子技术, 2002, 39(11): 36-40.
Du J L, Shi R Y, Cui Z, et al. Proximity effects during mask fabrication[J]. Micronanoelectronic Technology, 2002, 39(11): 36-40.
[6] Shen Y J, Peng F, Zhang Z R. Efficient optical proximity correction based on semi-implicit additive operator splitting[J]. Optics Express, 2019, 27(2): 1520-1528.
[7] Oh S, Han D D, Shim H B, et al. Optical proximity correction (OPC) in near-field lithography with pixel-based field sectioning time modulation[J]. Nanotechnology, 2018, 29(4): 045301.
[8] Coskun T H, Dai H X, Huang H T, et al. Accounting for mask topography effects in source-mask optimization for advanced nodes[J]. Proceedings of SPIE, 2011, 7973: 79730P.
[9] 王磊, 李思坤, 王向朝, 等. 基于粒子群优化算法的光刻机光源掩模投影物镜联合优化方法[J]. 光学学报, 2017, 37(10): 1022001.
[10] 邢莎莎, 冉英华, 江海波, 等. 基于微反射镜阵列的光刻照明模式变换系统设计[J]. 光学学报, 2015, 35(11): 1111002.
[11] Zhang F, Zhu J, Yue W R, et al. An approach to increase efficiency of DOE based pupil shaping technique for off-axis illumination in optical lithography[J]. Optics Express, 2015, 23(4): 4482-4493.
[12] 姜俊, 刘晋桥, 徐颖, 等. 曲面基底衍射光学元件的激光直写技术[J]. 中国激光, 2017, 44(6): 0602002.
[13] EndendijkW, MulderM, Drieenhuizen BV. Successful implementation of a MEMS micromirror array in a lithograpy illumination system[C]∥2013 Transducers & Eurosensors XXVII: the 17th International Conference on Solid-State Sensors, Actuators and Microsystems, June 6-20, 2013, Barcelona, Spain, New York: IEEE, 2013: 2564- 2567.
[14] 杜猛, 邢廷文, 袁家虎. 微反射镜阵列在光束整形中的应用[J]. 红外与激光工程, 2014( 4): 1210- 1214.
DuM, Xing TW, Yuan JH. Application of micromirror array in beam shaping[J]. Infrared and Laser Engineering, 2014( 4): 1210- 1214.
[15] 李艳秋, 魏立冬. 一种优化设计微反射镜阵列产生任意光刻照明光源的方法: CN103941549B[P].2014-07-23.
Li YQ, Wei L D. Method for optimizing design of generating arbitrary lithography lighting source by micro-mirror array: CN103941549B[P].2014-07-23.
[16] 傅文渊, 凌朝东. 布朗运动模拟退火算法[J]. 计算机学报, 2014, 37(6): 1301-1308.
Fu W Y, Ling C D. Brownian motion based simulated annealing algorithm[J]. Chinese Journal of Computers, 2014, 37(6): 1301-1308.
[17] 董明佶, 林宝军, 刘迎春, 等. 基于多目标模拟退火算法的导航卫星激光星间链路拓扑态优化[J]. 中国激光, 2018, 45(7): 0706004.
[18] 张斌, 常森, 王桔, 等. 基于遗传算法的激光视觉焊缝特征点提取[J]. 中国激光, 2019, 46(1): 0102001.
[19] 葛朋祥, 叶沛, 李桂华. 基于遗传算法的数字图像相关法在微位移测量中的应用[J]. 光学学报, 2018, 38(6): 0612006.
[20] 安超, 褚金奎, 张然. 基于遗传算法的双层亚波长金属光栅优化[J]. 激光与光电子学进展, 2019, 56(22): 220501.
[21] 肖艳芬, 朱菁, 杨宝喜, 等. 用于光刻机照明均匀化的微柱面镜阵列设计[J]. 中国激光, 2013, 40(2): 0216001.
[22] Hirayanagi N, Mizuno Y, Mori M, et al. Illumination pupilgram control using an intelligent illuminator[J]. Proceedings of SPIE, 2013, 8683: 86830D.
[23] Zimmermann J, Gräupner P, Neumann J T, et al. Generation of arbitrary freeform source shapes using advanced illumination systems in high-NA immersion scanners[J]. Proceedings of SPIE, 2010, 7640: 764005.
[24] van Look L, Bekaert J, D'Havé K, et al. Optical proximity stability control of ArF immersion clusters[J]. Proceedings of SPIE, 2011, 7973: 79730R.
[25] Zhu J, Zhang D W, Kuo C, et al. Application of resist-profile-aware source optimization in 28 nm full chip optical proximity correction[J]. Journal of Semiconductors, 2017, 38(7): 074007.
Article Outline
曾宗顺, 张方, 牛志元, 马晓喆, 朱思羽, 黄惠杰. 基于遗传算法的微反射镜阵列角位置分布算法[J]. 中国激光, 2020, 47(8): 0805003. Zeng Zongshun, Zhang Fang, Niu Zhiyuan, Ma Xiaozhe, Zhu Siyu, Huang Huijie. Angular Position Distribution Algorithm of Micro Mirror Array Based on Genetic Algorithm[J]. Chinese Journal of Lasers, 2020, 47(8): 0805003.