Published June 5, 2020
| Version v1
Publication
EUV multilayer defect characterization via cycle-consistent learning
Creators
- 1. Institute of Microelectronics
- 2. Chinese Academy of Sciences
- 3. Peking University
Description
Extreme ultraviolet (EUV) lithography mask defects may cause severe reflectivity deformation and phase shift in advanced nodes, especially like multilayer defects. Geometric parameter characterization is essential for mask defect compensation or repair. In this paper, we propose a machine learning framework to predict the geometric parameters of multilayer defects on EUV mask blanks. With the proposed inception modules and cycle-consistent learning techniques, the framework enables a novel way of defect characterization with high accuracy.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
قد تتسبب عيوب قناع الطباعة الحجرية فوق البنفسجية الشديدة في تشوه شديد في الانعكاسية وتغيير الطور في العقد المتقدمة، خاصة مثل العيوب متعددة الطبقات. يعد توصيف المعلمات الهندسية ضروريًا لتعويض عيب القناع أو إصلاحه. في هذه الورقة، نقترح إطارًا للتعلم الآلي للتنبؤ بالمعلمات الهندسية للعيوب متعددة الطبقات على فراغات قناع EUV. مع الوحدات الأولية المقترحة وتقنيات التعلم المتسقة مع الدورة، يتيح الإطار طريقة جديدة لتوصيف العيوب بدقة عالية.Translated Description (French)
Les défauts de masque de lithographie aux ultraviolets extrêmes (EUV) peuvent provoquer une déformation sévère de la réflectivité et un déphasage dans les nœuds avancés, en particulier comme les défauts multicouches. La caractérisation des paramètres géométriques est essentielle pour la compensation ou la réparation des défauts du masque. Dans cet article, nous proposons un cadre d'apprentissage automatique pour prédire les paramètres géométriques des défauts multicouches sur les blancs de masque EUV. Avec les modules de démarrage proposés et les techniques d'apprentissage cohérentes avec le cycle, le cadre permet une nouvelle façon de caractériser les défauts avec une grande précision.Translated Description (Spanish)
Los defectos de la máscara de litografía ultravioleta extrema (EUV) pueden causar una deformación severa de la reflectividad y un cambio de fase en los nodos avanzados, especialmente como defectos multicapa. La caracterización de parámetros geométricos es esencial para la compensación o reparación de defectos de la mascarilla. En este documento, proponemos un marco de aprendizaje automático para predecir los parámetros geométricos de los defectos multicapa en las piezas en bruto de la máscara EUV. Con los módulos de inicio propuestos y las técnicas de aprendizaje coherentes con el ciclo, el marco permite una forma novedosa de caracterización de defectos con alta precisión.Additional details
Additional titles
- Translated title (Arabic)
- توصيف عيوب EUV متعددة الطبقات من خلال التعلم المتسق مع الدورة
- Translated title (French)
- Caractérisation des défauts multicouches EUV via un apprentissage cohérent avec le cycle
- Translated title (Spanish)
- Caracterización de defectos multicapa EUV a través de un aprendizaje consistente con el ciclo
Identifiers
- Other
- https://openalex.org/W3029781916
- DOI
- 10.1364/oe.394590
References
- https://openalex.org/W1981627777
- https://openalex.org/W2016489720
- https://openalex.org/W2059122874
- https://openalex.org/W2077278869
- https://openalex.org/W2104481251
- https://openalex.org/W2125181935
- https://openalex.org/W2280616912
- https://openalex.org/W2290312554
- https://openalex.org/W2302203613
- https://openalex.org/W2553320496
- https://openalex.org/W2751355844