Nanoscale and Optical Metrology (NOM) Group

　　在微电子和微机电系统设计与制造工艺过程中，目前广泛采用了高深宽比的深沟槽结构，如最新的动态随机存储开始采用复杂的瓶状深沟槽电容器结构，深度反应离子刻蚀工艺可以很容易制作深宽比达50:1以上的集成电路和微机电系统结构。当深沟槽器件的尺寸不断缩小且集成度不断提高时，深沟槽底部的宽度特征尺寸已成为一个关键参数；随着沟槽尺寸不断缩小且沟槽剖面形貌更为复杂时，监测沟槽深度相关的特征（如瓶颈深度）对于保证工艺控制已变得越来越迫切。近年来，一种新的光学测量方法，即基于模型的红外反射谱测量方法被用于高深宽比深沟槽结构的测量。在基于模型的红外反射谱测量方法中，通过等效介质理论将深沟槽结构等效为多层薄膜堆栈模型并建立其等效光学模型；通过测量沟槽结构在中红外波段反射光谱，并运用光谱反演分析手段从测量光谱中提取得到沟槽结构几何参数。因此，基于模型的红外反射谱测量法用于微纳深沟槽结构测量的关键在于沟槽结构的光学特性精确建模以及几何参数的快速提取技术。

　　我们通过建立高深宽比微纳深沟槽结构的等效光学模型，针对一维周期性结构和二维周期性结构分别提出了一种基于修正等效介质理论的光学反射率计算新方法，该方法是在等效介质理论方法的基础上加入高阶修正项以提高等效介质层对应光学常数等效精度。通过基于修正等效介质近似算法的建模方法计算深沟槽结构反射光谱不仅可以获得与严格耦合波法相近的等效近似精度，同时获得高于严格耦合波法数十倍以上的计算速度。

　　我们研究了基于测量光谱反演分析的沟槽结构参数快速提取技术，基于已建立的深沟槽结构光学特性模型，提出一种人工神经网络(ANN, artificial neural network)结合LM (Levenberg- Marquardt)算法的参数提取快速算法，该方法通过人工神经网络映射输出，为LM局部搜索算法提供可靠初值，进而通过LM算法快速迭代得到精确解。基于ANN-LM算法的参数提取方法与单纯应用人工神经网络用于光谱反演分析相比，避免了为提高人工神经网络映射输出稳定性和计算精度而在神经网络结构设计、网络训练算法、样本采集等方面进行不断尝试改进而进行的大量繁琐工作；与单纯运用LM算法用于光谱反演分析相比，避免优化迭代陷入局部最优的问题。

　　我们研制了一套改进的基于模型的红外反射谱测量原型系统，该系统包括硬件和软件两部分：硬件部分为所搭建的快速、准确测量高深宽比微纳深沟槽结构红外反射光谱的测量装置，主要由探测光路和傅立叶变换红外光谱仪等组成；软件部分为高速信号采集、信号分析以及参数快速提取软件包。将该改进系统应用于一种瓶状深沟槽结构测量，取得了满意的测量结果。与传统测量手段如扫描电子显微镜、原子力显微镜等相比，基于模型的红外反射谱测量方法为深沟槽结构刻蚀在线测量提供了一种非接触、非破坏、快速、低成本和高精度的新途径，在微机电系统及集成电路制造过程中的在线监测与工艺控制方面具有广阔的应用前景。特别是在深沟槽缺陷原位检测、高深宽比微纳结构刻蚀实时监控、全场硅片CD均匀性快速评估等方面将获得广泛的应用。另外，目前我们正集中于对该方法作进一步改进的探索性研究，以扩展其在深沟槽结构线边粗糙度(LER, line edge roughness)和线宽粗糙度(LWR, line width roughness)等方面的测量应用。