Effective Data Selection for Robust Training of Generative Adversarial Network for Lithography Pattern Alignment

Abstract

Critical Dimension SEM (CD-SEM) is a dedicated system for measuring the shape, size and roughness of patterns formed on semiconductor wafers. As designs shrink and product development challenges increase, the ability to quickly measure large amounts of samples for accurate Optical Proximity Correction (OPC) is required. Design Based Metrology (DBM) technology allowed the rapid creation of large volumes of recipes using design images and reduced measurement time. However, there were still many problems in the alignment between the design image and the SEM image, and to solve this problem, a new pattern alignment method using Generative Adversarial Network (GAN) technology was developed. In this paper, training patterns are classified according to polygon types of design patterns and the alignment effect according to each type is confirmed. We also studied how to effectively select a training set for model training through the relationship between training set and alignment accuracy.

Critical Dimension SEM(CD-SEM)은 반도체 웨이퍼에 형성된 패턴의 모양, 크기 및 거칠기를 측정하는 전용 시스템이다. 설계가 축소되고 제품 개발 과제가 증가함에 따라 정확한 Optical Proximity Correction (OPC)를 위해 대량의 샘플을 신속하게 측정할 수 있는 기능이 필요하다. Design Based Metrology (DBM) 기술을 통해 설계 이미지를 사용하여 대량의 레시피를 빠르게 생성하고 측정 시간을 단축할 수 있었다. 그러나 디자인 이미지와 SEM 이미지 간의 정렬에는 여전히 많은 문제가 있었고, 이를 해결하기 위해 Generative Adversarial Network (GAN) 기술을 사용한 새로운 패턴 정렬 방법이 개발되었다. 본 논문에서는 디자인 패턴의 폴리곤 유형에 따라 학습 패턴을 분류하고 각 유형에 따른 정렬 효과를 확인하였다. 또한 훈련 세트와 정렬 정확도의 관계를 통해 모델 훈련을 위한 훈련 세트를 효과적으로 선택하는 방법을 연구하였다.