物理面具模型比以往任何时候都更重要,现在实际使用。
面具萎缩特征尺寸和增加间接影响驾驶的采用基于仿真的掩模处理。实证模型被使用最广泛的日期,因为他们是更快的模拟。今天,gpu加速使快速使用物理模型模拟。gpu加速的能力,使物理模型实用解决方案意味着经验的终结面具模型?
生理效应驱动物理模型的必要性
随着摩尔定律的游行,保证金需要增加的过程,尤其是在景深,推动光学邻近校正(OPC)和逆光刻技术(ILT)来创建更复杂的面具的特性。当今前沿的面具,特别是接触层,包括曲线形状的面具,通常被描绘成复杂的正交形状小慢跑。所需的形状的面具sub-60nm, 2 d轮廓。线性、圆角和行结束缩短等问题,需要修正确保实际的掩码匹配OPC /教师的期望。基于仿真面具校正是必须的。但是,模拟只雇佣尽可能准确的模型。
有两种模型:经验和身体。这两种类型的模型从测量数据中提取从测试芯片。测试芯片的数据是非常耗时和昂贵的收集,所以只有一个极其有限的测试样本的结构可以测量。模型校准与标定的数据集,然后对一个单独的测试验证数据集组成不同的结构。
实证建模的方法是数值分析测量数据中找到相关的模式数据,然后数学模型模拟数据和测量数据之间的差异。物理建模的方法是基本模型组件在各种物理效应的物理和化学的原则。
实证模型可以用来模拟更快通过拟合他们简单的模型形式。然而,即使一个经验模型与校准数据集(可能做得更好,由于统计学家称之为“过拟合”),一个物理模型是更有可能预测与测试验证数据集。
一个物理模型也更可能是一个模型形式,在许多不同的掩模过程工作。过程是否使用积极或消极抵制,采用传输或反射面具(EUV),或由variable-shaped梁(VSB)面具作家或多波束作家,同一个模型可以用不同的参数形式。
面具,包括复杂的形状需要2 d验证。一个足够精确的一维模型应该准确预测对2 d的影响特性。然而,今天的面具书写工具精密层使用残留边带,这是一个曼哈顿(1 d)书写工具,所以任何错误在一维模型是加剧了对2 d测试验证。物理模型更有可能为2 d形状是准确的,并为教师更好。
从历史上看,物理模型导致了不能接受的长仿真运行时。GPU-accelerated面具模拟的出现改变了这张照片。gpu加速尤其适合“单个操作,多个数据”计算,这使得它非常适合模拟的物理现象,如仿真面具。与精密gpu加速,物理模型建立是放松,全芯片仿真面具可以在合理的运行时执行。
经验模型的终结吗?
所以,如果更精确的物理模型比以往任何时候都更重要,现在实际使用,这是否意味着我们很快就会看到面具实证模型的终结吗?我不这么认为。总是会经验建模建模的一部分。
像任何工程技术、经验模型时将继续使用他们的准确性就足够了。会有屏蔽层,或屏蔽特性,使用实证模型可以产生可接受的精度会持续一段时间。在任何进化工程过程,总是会有残留的影响,毕竟目前的理解物理模型部署。当我们努力理解这些残余影响,最准确的面具模型将部署经验同时拟合元素。
物理模型,现在实际通过使用gpu加速,需要越来越频繁地随着摩尔定律。在选择基于仿真的解决方案时,重要的是要了解什么样的模型,和什么影响/材料/流程建模。同样重要的是校准使用的参考模型。一个好的模型将模型形式,可以适用于所有面具流程,包括EUV掩,积极和消极抵制,将执行同样的面具VSB和多波束的作家写的。
|
|
|
|
|
|
|
|
留下一个回复