中文 英语
18lk新利
白皮书

在7nm栅聚去除过程中fet和fet缺陷的先进缺陷检测技术

如何在不影响缺陷监视有效性的情况下降低检查性能。

受欢迎程度

作者:Ian Tolle, GlobalFoundries, Michael Daino, KLA-Tencor

在7nm栅极去除过程中,多晶硅被去除,暴露出fet和fet鳍片,制备高k栅极氧化物。如果多晶硅刻蚀过于激烈或源极和漏极没有得到充分保护,刻蚀会损坏有源区域并使FET失效。对多晶硅腐蚀有不同敏感性的fet和pet的活性区域使用不同的材料。为了充分监测这一缺陷,我们必须在fet和fet上都有良好的受损活性区域检测。然而,由于工艺均匀性水平的不同,fet和fet区域具有非常不同的光学噪声特性。此外,随着设计规则的发展,fet和pet之间的距离不断缩小,使得用光学检测工具独立评估它们变得越来越困难。在本文中,我们介绍了独立监测fet和fet缺陷的新技术,比现有方法提高了性能。

我的介绍。
栅末高k金属栅集成方案引入了几种需要监测的缺陷类型,其中公认最重要的是蚀刻翅片[1]。在闸门最后处理中,当源和排水被完全处理时,一种牺牲材料被用于闸门。一旦源极和漏极完成,牺牲材料(多晶硅)需要被移除,为高k栅极氧化物和金属栅极堆叠让路。为了只移除牺牲栅极而不影响源极和漏极,源极和漏极由z方向的氧化物和晶圆平面上的栅极间隔材料保护。如果间隔层或氧化物界面有任何弱点,源和/或漏极可能在此过程中被侵蚀。当这种侵蚀变得如此严重,以至于整个源/漏被破坏,导致finFET不能工作时,该缺陷被称为RX孔。优化工艺条件以最大限度地减少和/或消除fet和fet翅片上的RX孔缺陷是所有栅级FinFET技术的要求。在这项工作中,我们报告了在7nm技术节点上为这些缺陷类型开发强大的在线检查和审查策略的挑战和解决方案。

2Rx孔监控器7nm finfet的挑战

答:检查
为了充分监测RX孔,检测平台必须能够在pet和fet上一致地检测到RX孔。在工艺开发过程中,独立报告P和N缺陷计数,以衡量不同工艺条件的影响也是有益的。检测系统还必须能够容忍技术发展所固有的巨大过程变化。宽带等离子体(BBP)系统可以在不同程度上满足这些需求,这取决于特定的模型。在本文中,我们将讨论29xx BBP系统监测RX孔的结果和局限性,以促进7nm技术的发展。

B. SEM回顾
扫描电子显微镜(SEM)检查光学检测缺陷是识别特定缺陷类型的关键。RX空穴是在聚栅去除的监测步骤中存在于厚氧化层下的缺陷,这对能够获得缺陷的电子图像提出了重大挑战。此外,与之前的技术节点相比,xy维度之间的距离更近,栅极的纵横比也更高,这为SEM检测工具带来了新的挑战。我们还将讨论本研究中使用的SEM审查解决方案。

3方法

A.宽带等离子体检测
29xx BBP检测系统的引入为硬件和软件带来了一些改进,为先进技术节点[2]提供了最先进的检测解决方案。在这项工作中,我们使用EDA软件开发了自定义布尔设计层,然后将这些层作为检测配方的一部分,以改进fet和pet RX孔的检测和装箱。图1显示了pRX孔补丁的SRAM阵列示例以及相关的自定义设计夹,而图2显示了pRX孔的逻辑缺陷示例。设计夹已明确明确的fet(蓝色)和fet(红色)鳍鉴定。从阵列补丁中注意,暗的和亮的水平线分别是fet和fet区域。虽然人眼很容易从重复模式中单独识别SRAM中的pet和fet,但这在逻辑区域中是不可能的,如图2所示,其中设计布局可以高度可变。对于这些逻辑缺陷,通过将晶圆上的缺陷位置与设计中的相应位置进行比较,并计算缺陷扩展包围框(EBB)内PFIN或NFIN自定义层的密度,从而将缺陷分配到N或P库,如图2b中红色虚线框所示。


图1显示了SRAM阵列中(a)的pRX孔修补图像和(b)中的相关自定义设计剪辑。注意在补丁图像(a)中,亮线和暗线分别与(b)中的fet和pet鳍相关。


图2在逻辑上显示了(a)中的pRX孔修补图像和(b)中的相关自定义设计剪辑。在这里的补丁图像,亮线和暗线对应鳍或STI。注意,贴片和设计夹不是按比例的。

然而,对于阵列缺陷,EBB太大,不能准确地将缺陷分配给P或N,因为间距更紧密。因此,本研究利用了检测配方中的一个新特征,称为super•cell™。该特性允许在SRAM阵列中分离,以独立检测pet和fet,为每种设备类型提供优化的检测。它也可以用于分箱,以确定fet vs. pet RX孔的人口。图3显示了nft RX孔(nRX孔)的补丁图像(a)和超级电池性能(b)。补丁图像显示了fet(补丁中亮的)和pet(补丁中暗的)之间明显的光学差异。超级细胞结果显示,fet中心突出显示,白色线过渡到fet中心,显示为黑色。注意算法实现的清晰分离。


图3 (a)中nRX孔的示例补丁图像,超级细胞结果如(b)所示。超级细胞算法能够清楚地将fet(亮)与fet(暗)分开。这种分离用于优化nRX和pRX的检测,并提供分仓来估计pRX和nRX孔的比例。

B. SEM回顾
在本研究中,新一代SEM工具的更高着陆能量对于表征和监测RX孔至关重要。为了进一步提高缺陷的对比度,将灰度图像映射到彩色尺度,以便更好地向人眼突出缺陷。图4a显示了这种揭示pRX孔的新成像方法。彩色扫描电镜图像显示,底层鳍结构为紫色色调,门沟为红/绿色调。pRX孔可以通过pet鳍片中心缺少紫色色调来识别。为了更好地突出缺陷,将定制设计的夹与图4b中的SEM图像进行了覆盖。有缺陷的鳍是白色的轮廓。


图4显示了pRX孔高落地能量色映射的SEM图像,分别为未叠加客户设计层(a)和叠加客户设计层(b)。(b)中有缺陷的PFET鳍以白色边框突出显示。

四、结果

A.超级细胞与传统方法
在加入超级细胞之前,只有传统的光学属性可以尝试在SRAM中分离pet和fet。利用局部对比度和灰度(分别称为粗糙度和亮度),可以在一定程度上将fet和fet分开。图5a显示了pRX(粉红色)和nRX(绿色)由红色切线分隔,创建了两个箱子。请注意fet bin中不存在的SEM非可视的填充。使用比在fet箱上使用的更激进的信号属性,可以有效地删除fet上的这些有害事件。图5b和c显示了pet和fet干扰调谐之间的差异。尽管在这种情况下,pet和fet的分箱策略似乎工作得相当好,但它可能非常容易受到工艺变化的影响。图5显示了后续批次的结果。注意观察到的PFET的反行为,其中包含大量SEM非视觉危害缺陷,以及一个pRX孔被放入ffet箱中。后续批次与初始批次相比装箱的巨大差异可以归因于预期的工艺变化,以及开发过程中晶圆之间的差异。检验配方必须容忍这种变化。


图5使用传统光学属性的fet和fet分离如图(a)所示。使用这种分离,pet(如图(b)所示)和fet(如图(c)所示)可以分别调谐,以考虑各自的固有噪声。


图6使用传统光学属性的后续批次nfet和PFET分离性能。请注意与设置区相比的反向行为,显示pet现在比fet更嘈杂。

超级细胞fet与fet分离使用的算法对处理变化更稳健,因此不会受到不稳定性的影响。如图5和图6所示。当使用super•cell将fet与fet分离时,算法计算一个位置度量,该度量对缺陷与fet的接近程度进行评分。该属性被称为super•cell attribute #1,用于创建fet和pet容器,而不是光学属性。这个新的分箱结果如图7a所示。注意在图的末端fet和pet的纯粹分离,有一个低置信度nRX洞的狭窄过渡区域。这比图5a中使用的方法更简单,但真正的价值是对工艺变化的稳定性,这是传统方法无法实现的。同样的后续批次在启用super•cell的配方上运行,结果分箱如图7b所示。请注意,后续批次的性能与安装晶圆上的性能相似。这种类型的稳定性要求能够评估过程分裂,并且没有从检查工具传播到DOE分裂分析的错误。


图7使用super•cell对设置(a)和后续批次(b)的nfet和PFET分离性能。请注意,两种晶圆的分晶纯度保持不变,因此提供了评估DOE分割所需的配方稳定性。

B.蚀刻分割的结果
三种候选蚀刻条件用于评估工艺开发的新能力:POR、氨蚀刻和锤式蚀刻。“锤子”蚀刻只是一个更长的POR蚀刻和氨蚀刻使用完全不同的化学与POR。使用这种新方法,每个报告的缺陷都可以被分类为fet、fet、CND(无法确定)或STI(浅沟隔离,意味着没有鳍片)。这份详细的报告提供了来自检测工具的关于蚀刻分裂条件的额外信息,否则将从SEM审查图像的有限样本中手动提取。不同工艺条件下每种缺陷类型的相对缺陷率如图8所示,清楚地表明POR和锤子蚀刻具有相似的fet和pet RX孔的比例,而氨蚀刻具有相反的行为。此分析可以帮助快速提供pet vs. fet的流程分割反馈。


图8所示。说明了不同蚀刻条件下的缺陷计数比较(POR,锤,氨)缺陷被分配到nft, pft, CND(不能确定),或STI(没有鳍片存在)。

五、贡献和调查结果摘要

在本文中,我们报道了超级•cell对数组缺陷的新的检测配方功能,并对逻辑缺陷进行了基于自定义布尔设计层的装箱,提供了一种其他方法无法实现的高级检测解决方案。检查结果是通过使用高着陆能量扫描电镜和彩色映射图像来确认的,这是本研究的一个组成部分。新的检查结果和SEM审查能力为过程分离提供了宝贵的信息,以调试缺陷(图8),并且可以进一步扩展为生产的自动化在线监控器。

参考文献
[1] A. Srivastava等人,“漂移场景中在线监控的非传统检查策略:缺陷检查”,ASMC学报,2016年5月,第197-200页。
[2] M. Daino等人,“64节距Cu线互连14 nm技术的线端空隙缺陷改善:缺陷检测”,ASMC学报,2016年5月,第60-64页。

本文最初发表在2018年4月30日至5月3日在纽约萨拉托加斯普林斯举行的SEMI先进半导体制造会议(ASMC2018)的会议录上。



留下回复


(注:此名称将公开显示)

Baidu