Die EUV-Lithographie ist ein komplizierter Prozess, bei dem viele Faktoren die Produktion des endgültigen Bildes beeinflussen. Das EUV-Licht selbst erzeugt die Bilder nicht direkt, sondern wirkt durch Sekundärelektronen, die infolge der Ionisierung durch einfallende EUV-Photonen freigesetzt werden. Folglich müssen wir uns der Schwankungen der Elektronenzahldichte sowie der Streuung von Elektronen bewusst sein, die zu Unschärfe führen [1,2].
Tatsächlich müssen diese Sekundärelektronen auch nicht aus der direkten EUV-Absorption im Resist stammen. Sekundärelektronen können durch Absorption unter dem Lack entstehen, was zu einer gewissen Defokussierung führt. Darüber hinaus befindet sich in der Wasserstoffumgebung über dem Resist ein EUV-induziertes Plasma [3]. Dieses Plasma kann eine Quelle für Wasserstoffionen, Elektronen sowie Vakuum-Ultraviolettstrahlung (VUV) sein [4,5]. Die VUV-Strahlung, die Elektronen und sogar die Ionen bilden separate Quellen für die Decklackbelichtung. Diese externen Quellen von Sekundärelektronen und anderer Nicht-EUV-Strahlung führen grundsätzlich alle zu Nicht-EUV-Belichtungen von Resists in EUV-Lithographiesystemen.
Defokussierte Bilder weisen geringere Unterschiede zwischen maximaler und minimaler Dosis auf und fügen außerdem einen Versatz zur minimalen Dosis hinzu (Abbildung 1). Bei Einbindung in das EUV-Elektronendosisprofil reagiert das Gesamtbild daher empfindlicher auf stochastische Schwankungen, da die defokussierten Dosen überall näher an der Druckschwelle liegen. Die pauschalen Expositionen aus dem EUV-induzierten Plasma erhöhen die Empfindlichkeit gegenüber stochastischen Schwankungen in den Minimaldosisbereichen weiter.
Abbildung 1. Die Defokussierung verringert den Peak-Tal-Unterschied und fügt einen Offset zum minimalen Dosisniveau hinzu. Dies erhöht tendenziell die Anfälligkeit für stochastische Schwankungen.
Daher ist zu erwarten, dass die stochastischen Defektwerte schlechter ausfallen, wenn die Beiträge dieser Nicht-EUV-Quellen einbezogen werden. Der Effekt entspricht dem Hinzufügen einer reduzierten einfallenden EUV-Dosis und dem Hinzufügen einer zusätzlichen Hintergrundelektronendosis.
Abbildung 2. 30-nm-Pitch, 30 mJ/cm2 absorbiert, 3-nm-Unschärfe, ohne Nicht-EUV-Quellen. Es wird eine pixelbasierte Glättung (gleitender Durchschnitt von 3×3 0.6 nm x 0.6 nm Pixeln) angewendet. Die aufgetragenen Zahlen sind Elektronen pro 0.6 nm x 0.6 nm Pixel.
Abbildung 3. 30 nm Pitch, 40 mJ/cm2 absorbiert, 3 nm Unschärfe, 33 e/nm^2 aus Nicht-EUV-Quellen. Es wird eine pixelbasierte Glättung (gleitender Durchschnitt von 3×3 0.6 nm x 0.6 nm Pixeln) angewendet. Die aufgetragenen Zahlen sind Elektronen pro 0.6 nm x 0.6 nm Pixel.
Die Abbildungen 2 und 3 zeigen, dass die Einbeziehung von Nicht-EUV-Belichtungsquellen zu unerschwinglichen stochastischen Defekten führt, unabhängig davon, wo der Druckschwellenwert im Resistentwicklungsprozess festgelegt wird. Insbesondere die nominell nicht exponierten Regionen sind anfälliger für Nicht-EUV-Expositionsquellen. Die nominell belichteten Bereiche reagieren dagegen empfindlicher auf die Dosis und Unschärfe. Die Nicht-EUV-Expositionsquellen tragen daher dazu bei, einen Boden für die stochastische Defektdichte zu schaffen.
Daher ist es notwendig, die von der Unterseite des Lacks emittierten Elektronen sowie die Strahlung des EUV-induzierten Plasmas als Belichtungsquellen in EUV-Lithographiesystemen einzubeziehen.
Bibliographie
[1] P. Theofanis et al., Proc. SPIE 11323, 113230I (2020).
[2] Z. Belete et al., J. Micro/Nanopattern. Mater. Metrol. 20, 014801 (2021).
[3] J. Beckers et al., Appl. Wissenschaft. 9, 2827 (2019).
[4] P. De Schepper et al., J. Micro/Nanolith. MEMS MOEMS 13, 023006 (2014).
[5] P. De Schepper et al., Proc. SPIE 9428, 94280C (2015).
Lesen Sie auch:
BEOL-Maskenreduktion mithilfe von Spacer-definierten Vias und Cuts
Vorhersage stochastischer Defekte anhand des EUV-Resist-Elektronenstreuungsmodells von Intel
Teile diesen Beitrag über:
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://semiwiki.com/lithography/340609-non-euv-exposures-in-euv-lithography-systems-provide-the-floor-for-stochastic-defects-in-euv-lithography/
