View in English

Method

1. Method Overview

이 페이지는 GeoSignal Preview에서 사용하는 계산 흐름과 해석 방식을 설명합니다.

GeoSignal Preview는 production-level lithography simulator나 calibrated wafer prediction model을 목표로 하지 않습니다. 대신 layout geometry에서 먼저 후보 영역을 찾고, 선택된 ROI에 대해 simplified optical model 기반 aerial image와 threshold contour를 생성하여 lithography-aware 관점의 형상 변화를 빠르게 확인하는 preview workflow입니다.

기본 method flow는 다음과 같습니다.

Layout Geometry
    -> Geometry-based Candidate Filtering
    -> ROI Selection
    -> ROI Rasterization
    -> Abbe-based Aerial Image Calculation
    -> Multi-threshold Contour Extraction
    -> Hotspot-like Shape Review

모든 layout 영역에 대해 optical simulation을 수행하는 것이 아니라, geometry 기준으로 후보를 먼저 좁힌 뒤 선택된 ROI에 대해서만 optical-response visualization을 계산합니다.

버전별 구현 세부 내용은 릴리즈 노트로 분리해 이 페이지가 method 개념에 집중하도록 했습니다.

Public service는 검증된 Abbe를 default로 사용합니다. v0.9에서는 교차검증을 위한 exact full-rank Hopkins/TCC/SOCS formulation도 구현했지만 approximate SOCS truncation policy는 default로 사용하지 않습니다. Equivalence gate와 측정된 tradeoff는 v0.9 milestone notes에서 확인할 수 있습니다.

2. Candidate ROI Selection

첫 번째 단계는 layout geometry에서 후보 ROI를 선택하는 것입니다.

현재 demo에서는 minimum width / space 관점에서 후보 영역을 먼저 찾고, 그중 일부를 optical contour review 대상으로 선택합니다.

이 단계는 다음과 같이 이해하는 것이 적절합니다.

최종 hotspot 판정
    X

optical contour review를 위한 1차 geometry-based filtering
    O

중요한 것은 현재 후보 선정 기준 자체가 최적이라는 점이 아니라 다음과 같은 구조입니다.

layout geometry에서 잠재적으로 취약한 위치 탐색
    -> 해당 위치의 optical response 계산
    -> threshold contour를 통한 형상 거동 검토

구체적인 threshold, ordering heuristic, backend 변경, benchmark 결과는 v0.5 및 v0.6 릴리즈 노트에 정리했습니다.

3. ROI Rasterization

Candidate ROI가 선택되면, 해당 ROI 내부의 layout polygon을 rasterized mask image로 변환합니다.

polygon 내부  -> 1
polygon 외부  -> 0

즉, layout geometry를 regular pixel grid 위의 binary mask로 변환하는 단계입니다.

Layout polygons in ROI
    -> Pixel grid
    -> Binary mask image

Rasterized mask는 optical imaging calculation의 입력이 됩니다.

현재 preview에서는 mask를 PSM-aware mask model이 아니라 binary mask 기준으로 계산합니다. Phase-shift mask 효과, attenuated mask transmission, 상세 mask stack 효과는 포함하지 않습니다.

Pixel size는 해상도와 계산량 사이의 trade-off를 결정합니다. Pixel size가 작으면 layout detail을 더 정확하게 표현할 수 있지만 image array와 FFT 계산 비용이 증가합니다. Pixel size가 크면 runtime은 줄지만 작은 geometry detail을 잃을 수 있습니다.

ROI에는 후보 위치 주변 margin이 포함될 수 있습니다. Optical response가 candidate polygon 자체뿐 아니라 주변 layout structure의 영향도 받기 때문입니다.

4. Abbe-based Aerial Image Calculation

GeoSignal Preview는 현재 Abbe 기반 simplified imaging approach를 사용합니다.

Aerial image는 rasterized mask에 simplified optical imaging model을 적용하여 얻은 optical intensity map입니다.

이 이미지는 다음에 가깝습니다.

optical response image

다음으로 해석하면 안 됩니다.

final wafer contour
calibrated resist contour
production CD prediction

계산 흐름은 개념적으로 다음과 같습니다.

Rasterized mask
    -> Mask spectrum
    -> Source point sampling
    -> Shifted pupil filtering
    -> Coherent image per source point
    -> Partially coherent aerial image

보다 구체적인 과정은 다음과 같습니다.

  1. Rasterized mask를 frequency domain으로 변환합니다.
  2. 각 source point에 따라 pupil 위치를 shift합니다.
  3. Shifted pupil로 mask spectrum을 filtering합니다.
  4. Filtered spectrum을 image domain으로 되돌립니다.
  5. 각 source point의 coherent intensity image를 계산합니다.
  6. Coherent intensity image를 누적해 final aerial image를 만듭니다.

아래 이미지는 9-point source 조건에서 Abbe-style aerial image 계산 흐름을 보여주는 debug example입니다.

Abbe debug example with 9-point source

아래 이미지는 더 dense한 source sampling 조건에서 동일한 계산 흐름을 확인한 예시입니다.

Abbe debug example with dense source

이 이미지는 method 이해를 위한 visual reference이며, calibrated scanner-model validation은 아닙니다.

Aerial image에서는 다음과 같은 효과를 정성적으로 확인할 수 있습니다.

  • edge blur
  • corner-rounding-like response
  • line-end-pullback-like response
  • narrow region 주변 intensity degradation
  • neighboring pattern 간 optical interaction
  • dense structure와 isolated structure의 response 차이

5. Source Sampling and Pupil Filtering

Illumination source는 여러 source point를 sampling하는 방식으로 근사합니다.

각 source point는 하나의 illumination direction을 나타냅니다. 각 source point에 대해 pupil을 frequency domain에서 shift하고, shifted pupil을 통과하는 spatial-frequency component만 사용해 image contribution을 재구성합니다.

Source point
    -> Shifted pupil
    -> Filtered mask spectrum
    -> Coherent image contribution

Source point가 많아지면 illumination approximation은 더 부드러워질 수 있지만 계산 시간이 증가합니다. Source point가 적으면 runtime은 줄지만 sampling condition에 더 민감해질 수 있습니다.

Final aerial image는 sampling한 모든 source point의 image contribution을 누적해 얻습니다.

아래 이미지는 source-sampling condition을 비교합니다.

Source sampling comparison

아래 이미지는 source-sampling condition에 따라 aerial-image와 contour behavior가 어떻게 달라질 수 있는지 비교합니다.

Source result comparison

현재 preview에서는 visual stability와 computational cost를 함께 고려해 source-sampling condition을 선택합니다. 최근 default 선택의 상세 근거는 release notes에 정리했습니다.

현재 결과는 scanner-calibrated lithography model이 아니라 정성적 optical-response visualization로 해석해야 합니다.

6. Multi-threshold Contour Extraction

Aerial image가 계산되면 intensity image에서 threshold contour를 추출합니다.

Aerial image
    -> Intensity threshold
    -> Threshold contour

GeoSignal Preview에서 threshold contour는 printed-shape-like visual indicator입니다. Calibrated resist contour가 아닙니다.

현재 demo는 주로 다음 threshold level을 비교합니다.

0.20 / 0.30 / 0.40

이 threshold 값은 정성적 비교를 위한 것이며 process-calibrated threshold나 wafer CD reference로 해석하면 안 됩니다.

Multi-threshold contour 비교는 aerial image가 threshold level에 따라 어떤 contour behavior를 보이는지 시각화합니다.

다음 항목을 검토하는 데 유용합니다.

  • threshold-dependent contour shift
  • weak image-contrast region
  • necking-like behavior
  • bridge-like behavior
  • line-end-pullback-like behavior
  • corner-rounding-like behavior
  • contour movement가 큰 위치

Threshold level에 따라 contour가 크게 이동하면 상대적으로 약하거나 불안정한 optical response일 수 있습니다. Contour가 비교적 안정적이면 contour-behavior 관점에서 더 robust할 수 있습니다.

Metric 구현 변경과 convergence check는 v0.6 릴리즈 노트에 정리했습니다.

7. Hotspot-like Shape Review

마지막 단계는 hotspot-like shape review입니다.

이 단계는 geometry-based candidate selection과 contour-based optical-response review를 결합합니다.

주요 신호는 다음과 같습니다.

  • geometry screening으로 확인한 narrow width 또는 narrow space
  • mask와 contour 사이의 visible mismatch
  • threshold level에 따른 큰 contour movement
  • narrow gap 주변 bridge-like response
  • narrow line 주변 necking 또는 pinch-like response
  • line-end-pullback-like response
  • corner-rounding-like response

결과는 final pass/fail이 아니라 추가 검토할 위치를 빠르게 찾기 위한 visual guide입니다.

Geometry candidate
    + Aerial image behavior
    + Threshold contour behavior
    -> Lithography-aware review point

8. Current Scope and Limitations

GeoSignal Preview는 현재 public preview를 위한 정성적 시각화 workflow입니다.

다음과 같은 가정과 한계가 있습니다.

  • public preview repository에는 core implementation code가 포함되어 있지 않습니다.
  • candidate-selection logic은 optimized hotspot-ranking method가 아닙니다.
  • mask는 binary mask로 취급하며 PSM-aware mask modeling은 포함하지 않습니다.
  • imaging model은 simplified Abbe-based model입니다.
  • Wafer-data-based calibration은 포함하지 않습니다.
  • Resist 및 etch model은 포함하지 않습니다.
  • threshold contour는 qualitative visual indicator입니다.
  • 결과는 production CD prediction에 사용하면 안 됩니다.
  • Optical parameter는 preview와 학습 목적으로 단순화했습니다.
  • Public 또는 synthetic layout example을 사용합니다.
  • optical analysis는 주로 ROI level에서 수행됩니다.

따라서 현재 method는 다음과 같이 이해해야 합니다.

layout-to-optical-response visualization

다음과 같은 의미는 아닙니다.

production lithography verification

9. Demo 페이지와의 관계

Demo 페이지는 이 method로 생성한 visual output을 보여줍니다.

Demo Output Method Step
Geometry-based candidate Candidate ROI Selection
Rasterized mask ROI Rasterization
Aerial image Abbe-based Aerial Image Calculation
Multi-threshold contour Multi-threshold Contour Extraction
Hotspot-like annotation Hotspot-like Shape Review

권장 읽기 순서는 다음과 같습니다.

  1. Demo 페이지에서 visual flow를 확인합니다.
  2. Method 페이지에서 계산 흐름을 이해합니다.
  3. 추가 optical background가 필요하면 Technical Notes를 확인합니다.
  4. 구현 이력이 필요하면 Release Notes를 확인합니다.