Method Article

Un marco integrado de simulación multimétodo para el control de restos de estaño en litografía ultravioleta extrema

DOI:

10.3791/69818

⸱

March 27th, 2026

 ,  ,  ,  , 
1School of Nuclear Science and Technology, Lanzhou University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este protocolo tiene como objetivo guiar a los usuarios a través de un marco de simulación integrado para lograr el control de restos de estaño en litografía ultravioleta extrema (EUV) y la emergente litografía Blue-X, integrando modelado cinético, la ecuación de transporte de Boltzmann (BTE) y métodos basados en la teoría del funcional de la densidad (DFT) para evaluar interacciones iónicas y limpieza asistida por hidrógeno.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este protocolo es un marco conceptual e integrado de modelado ilustrado con resultados representativos e instruye a los usuarios sobre la combinación de la ecuación de transporte de Boltzmann (BTE), la partícula-in-celda (PIC) y las simulaciones cinéticas para investigar la mitigación de restos de estaño (Sn) en litografía ultravioleta extrema (EUV). El protocolo incluye la reflectividad de los espejos multicapa Mo/Si (MLM), el rendimiento de sputtering, la profundidad de implantación, el modelado cinético y el cálculo de BTE. Las simulaciones BTE y PIC se utilizan para resolver la función de distribución de energía electrónica (EEDF) de los plasmas de hidrógeno y analizar la generación y aceleración de iones energéticos de Sn bajo diferentes condiciones de plasma. También se cuantifica la influencia del flujo de hidrógeno en la ralentización de iones y la eficiencia de la radiación. Basándose en las secciones eficaces de ionización y los canales de disociación de las especiesSn xHy , se calculan los potenciales de interacción para la colisión Sn-H utilizando el método de la teoría del funcional de la densidad (DFT), que se emplea para calcular la profundidad de implantación. Además, la reflectividad y el rendimiento de sputtering del MLM derivados de la interacción entre los residuos de Sn y el recubrimiento de Ru en el MLM se calculan usando una fórmula semi-empírica. Siguiendo este protocolo, los usuarios pueden obtener parámetros físicos clave relevantes para el control de residuos de Sn, incluyendo rendimientos de sputtering, profundidades de implantación, reflectividad de MLM y formación de SH4 bajo diversos EEDF de plasma de hidrógeno. Estos resultados permiten la evaluación sistemática de los procesos de contaminación, limpieza y detección en los sistemas de litografía EUV.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La litografía por ultravioleta extremo (EUVL) es la tecnología de vanguardia para avanzar en la miniaturización de circuitos integrados, permitiendo el patrón de características menores a 2 nm. En una fuente EUV típica, una microgota de estaño (Sn) es primero vaporizada e ionizada mediante un prepulso de un láser Nd:YAG, y la nube de plasma resultante se recalienta mediante un láser de CO2 que opera a 10,6 μm, generando así radiación EUV, que es recogida por espejos multicapa Mo/Si (MLM)1,2. Para sistemas comerciales como los desarrollados por ASML, la fuente de energía ha alcanzado niveles suficientes para la producción en masa. No obstante, la investigación en curso —especialmente en China— continúa centrándose en mejorar la eficiencia de los plasmas de Sn producidos por láser de CO2.

Uno de los principales retos en las fuentes de luz EUV es la producción de iones energéticos de Sn. La irradiación de gotas de Sn con pulsos láser deCO2 de alta intensidad genera iones con energías en el rango keV, que pueden dañar espejos multicapa (MLM) y acortar la vida útil delsistema 3,4,5. Para reducir el daño inducido por iones, el hidrógeno (H2) se emplea ampliamente como gas amortiguador. Mediante la ralentización por colisión, H2 mitiga el transporte de iones Sn y reduce los restos que llegan a los componentes ópticos. Por tanto, datos fiables de potencia de frenado y modelos precisos de las interacciones Sn–H son cruciales para optimizar tanto la eficiencia como la durabilidad de la fuente 5,6,7.

Otro problema importante está relacionado con la deposición de fragmentos de Sn en superficies dentro de la cámara de vacío, especialmente en los espejos colectores situados cerca del plasma. Incluso un recubrimiento fino de Sn reduce la reflectividad del EUV y degrada el rendimiento óptico y la estabilidadoperativa 8,9,10. Una solución industrial práctica es la inyección continua de H2 como gasde fondo 11. En este enfoque, los radicales de hidrógeno graban los recubrimientos de Sn mediante la siguiente reacción exotérmica, produciendo estanano volátil (SnH 4), que se elimina mediante bombeo.

Sn(s) + 4H(g) →SnH 4(g),

Aunque es eficaz para mejorar la eliminación del SN, este método introduce nuevas complicaciones. Los radicales de hidrógeno producidos por la disociación plasmática deH2 pueden inducir la descomposición en cadena deSnH 4, regenerando Sn y causando contaminaciónsecundaria 9. Estos procesos reducen la eficiencia de limpieza y pueden comprometer la estabilidad del espejo y el rendimiento óptico. Por tanto, es esencial un conocimiento detallado de la formación, descomposición y interacciones superficiales del hidruro de estaño para mejorar los métodos de limpieza basados en hidrógeno. Estudios superficiales recientes subrayan la importancia de caracterizar los hidruros de estaño y sus intermedios para identificar correctamente las vías de contaminación y suprimir la reposición deSn 12.

A pesar de estos esfuerzos, aspectos clave de la química del plasma Sn–H siguen siendo insuficientemente caracterizados. En particular, la estructura, reactividad, fragmentaciones y tasas de formación/disociación de especies Sn-H (por ejemplo,Sn2H2 ySnH x) bajo condiciones plasmáticas relevantes para EUV carecen de validación experimentaldirecta 13. Además, las vías de reacción secundaria en plasmas Sn-H, los factores que rigen sus probabilidades de ocurrencia, los umbrales críticos para reacciones adversas y la estabilidad operativa a largo plazo no han sido investigadossistemáticamente 14.

En conjunto, estos temas subrayan la necesidad de investigaciones fundamentales sobre las interacciones plasma–superficie desde las perspectivas de la física atómica y molecular, la física de plasmas y la química cuántica. Los enfoques de modelado existentes suelen abordar solo aspectos aislados del control de los residuos de Sn, como la generación de iones Sn, el poder de detención de H2 frente a iones Sn de alta energía, o la interacción ión-superficie, y por tanto, no pueden capturar el ciclo completo de contaminación–limpieza–detección. Para abordar estas limitaciones, nuestro objetivo era desarrollar un protocolo de simulación integrado que combine simulaciones partícula-in-celda (PIC), análisis de ecuaciones de transporte de Boltzmann (BTE), teoría del funcional de la densidad (DFT) y modelado cinético. Los estudios de fuentes de luz ultravioleta extrema (EUV) implican múltiples procesos acoplados, incluyendo láser–gota, láser–plasma, plasma–plasma e interacciones plasma–gas. Este protocolo describe un marco de simulación integrado que combina dinámica de fluidos, PIC (partícula-in-celda) y métodos de teoría del funcional de la densidad (DFT) para modelar la mitigación de restos de estaño (Sn) y la limpieza de hidrógeno. Este protocolo proporciona un flujo de trabajo unificado y reproducible para investigar la generación, transporte, interacciones superficiales y mitigación asistida por hidrógeno de Sn. La siguiente sección detalla la implementación paso a paso de esta metodología.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

NOTA: El flujo de trabajo general, incluyendo la integración de enfoques fluidos, cinéticos y cuántico-químicos. El flujo de trabajo se ilustra en la Figura 1 (resaltada en el recuadro rojo).

figure-protocol-1
Figura 1. Esquema del marco integrado de simulación para litografía ultravioleta extrema. Abreviaturas: MLM = espejos multicapa; PIC = partícula en celda; BTE = ecuación de transporte de Boltzmann; EEDF = Función de distribución de energía electrónica. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

1. Simulación de reflectividad MLM

  1. Configura parámetros multicapa. Utiliza MLMs Mo/Si como colectores en fuentes EUV. Definamos la estructura de espejo multicapa Mo/Si (MLM) con los siguientes grosores de capa: Mo (1,950 nm), Mo-on-Si (0,806 nm), Si (3,843 nm) y Si-on-Mo (0,386 nm)15.
  2. Evalúa los materiales de protección superficial. Como la superficie Mo/Si es propensa a la oxidación y a la formación de carburos, lo que reduce el rendimiento óptico con el tiempo, incluye recubrimientos Ru,RuO 2,ZrO 2 yTiO 2 para evaluar la oxidación y la resistencia acarburos 16.
  3. Calcula la reflectividad de los MLM. Evalúa la reflectividad de una multicapa Mo/Si con una capa de tope Ru utilizando datos de índice de refracción, permitiendo una evaluación cuantitativa de los equilibrios entre protección y eficiencia óptica.
    figure-protocol-2
    figure-protocol-3
    figure-protocol-4
    NOTA: Valores de δ y β para diferentes materiales están disponibles en el Centro de Óptica de Rayos X del Laboratorio Nacional LawrenceBerkeley 17.
  4. Reflectividad de MLM frente a la capa de capa de capa Ru: Calcular los cambios de reflectividad en función del grosor de la capa de recubrimiento usando índices de refracción. Comparar los resultados para determinar el equilibrio entre eficiencia óptica y durabilidad (Figura 2).
  5. Punto de comprobación de salida y reproducibilidad: Confirme la ejecución exitosa de esta sección generando una curva reflectividad–espesor a 13,5 nm como la Figura 2 o los valores de referencia reportados por Liu et al.15.

figure-protocol-5
Figura 2. Reflectividad de una multicapa Mo/Si con diferentes grosores de la capa de cobertura Ru. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

2. Cálculo de rendimiento por tartamudeo

  1. Aplica la fórmula Yamamura. Calcular el rendimiento de sputtering (Y) usando la fórmula propuesta por Yamamura et al.18figure-protocol-6
  2. Calcular secciones eficaces de detención. Evalúa las secciones eficaces de parada nuclear (Sn) y electrónica (Se) usando ecualizadores. (3)–(4).
    figure-protocol-7
    yfigure-protocol-8
  3. Determina las constantes. Calcula la constante empírica K usando la ecuación (5)
    figure-protocol-9
    Donde Z1 y Z2 representan respectivamente el número atómico del proyectil incidente y del material objetivo; M1 y M2 representan respectivamente la masa del proyectil incidente y del material objetivo. Er y E th son la energía reducida y la energía umbral, respectivamente, Es es la energía de unión superficial del materialobjetivo 18.
  4. Pasos de ejecución: Calcula el rendimiento de sputtering ejecutando el script en Python mostrado en la Figura 3. Implementa la fórmula Yamamura usando el script Python mostrado en la Figura 4. Asegúrate de que el ordenador esté equipado con Python 3 y la biblioteca NumPy. Ejecutar el script en Python mostrado en la Figura 3 genera un archivo de texto de dos columnas llamado yield.dat que contiene los rendimientos calculados de sputtering, como se muestra en la Figura 5.
  5. Punto de control de reproducibilidad: Confirme la ejecución exitosa de esta sección generando una curva de rendimiento por sputtering contra energía incidente para iones Sn que impactan en Ru (Figura 5). Verifica que el rendimiento calculado de sputtering para Ar en Ru coincida con los datos experimentales publicados dentro del ±30%, sirviendo como comprobación de calibración.

figure-protocol-10
Figura 3. Script en Python para calcular el rendimiento de sputtering. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

figure-protocol-11
Figura 4. Script en Python para la fórmula Yamamura. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

figure-protocol-12
Figura 5. Rendimientos calculados de sputtering de Ar en Ru y Sn en Ru. Izquierda: Ru; derecha: Sn en Ru. Se utilizó la fórmula de Yamamura et al. descrita en el Paso 2.1. Se realiza la comparación entre las simulaciones actuales y las de Wu et al.26 y Laegreid et al.27 . Por favor, haz clic aquí para ver una versión ampliada de esta figura.

3. Simulación de profundidad de implantación

  1. Selecciona el modelo potencial. Utiliza el potencial KrC en el código19 de RustBCA para interacciones ión-sólido:figure-protocol-13
  2. Define función de filtrado. Implementa Φ(r/a) como suma de términos exponenciales:
    figure-protocol-14
    1. Expresa el valor de a para el potencial de KrC como en la siguiente ecuación con otros parámetros ci y di de la Tabla 1.figure-protocol-15
  3. Pasos de ejecución: Calcula la profundidad de implantación ejecutando el script en Python mostrado en la Figura 6, donde el comando de ejecución RustBCA está integrado en el script:
    1. Escribe el comando = "carga corrida --release 1D "+ Archivo de entrada
    2. Luego, escribe os.system(comando)
  4. Abre el script de Python mostrado en la Figura 6, establece los parámetros según el script y egítalo para obtener un archivo de texto de dos columnas llamado depth.dat, que contiene la profundidad de implantación calculada.
  5. Punto de control de reproducibilidad: Confirme la ejecución exitosa de esta sección generando una profundidad media de implantación de Sn (Figura 7).
c1c2c3d1d2d3
0.190950.473670.335380.278540.637171.91925

Tabla 1: El parámetro c i y di implicados en el potencial KrC.

figure-protocol-16
Figura 6. Script en Python para calcular la profundidad de implantación. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

figure-protocol-17
Figura 7. Cálculo de la profundidad de implantación de iones Sn en espejos multicapa Ru-Mo-Si. Izquierda: La distribución de profundidad de implantación de 10.000 iones Sn incidentes a dos energías incidentes, 2,0 keV (amarillo) y 3,0 keV (azul); Derecha: La profundidad media de implantación de Sn. Calculada por el potencial KrC implementado en RustBCA descrito por el paso 3.1 del protocolo. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

4. Cálculo del poder de frenado

  1. Modela hidrógeno como gas amortiguador. Para mitigar el daño de los iones keV Sn en las MLM, introduce hidrógeno como gas amortiguador.
    NOTA: Por tanto, el poder de parada y la dispersión de iones keV Sn en presencia de hidrógeno y superficies MLM siguen siendo cuestiones críticas.
  2. Utiliza potenciales basados en DFT. Ajustar los potenciales interatómicos calculados para sistemas hidrógeno–metal tanto a las formas de potencial de Ziegler–Biersack–Littmark (ZBL) como de Morse.
    NOTA: En un trabajoreciente 20, se ha desarrollado un potencial interatómico para sistemas hidrógeno-metal basado en cálculos de la teoría del funcional de la densidad (DFT).
  3. Punto de control de reproducibilidad: Validar el poder de parada calculado de iones Sn en hidrógeno comparando las curvas de parada dependientes de la energía con datos de referencia obtenidos de simulaciones SRIM y conjuntos de datos experimentales publicados.
    NOTA: Estos datos deben compararse con la Figura 6 de Feng et al.20.
  4. Combinar las salidas de las Secciones 1–4 (reflectividad MLM, rendimiento de sputtering, profundidad de implantación y poder de detención) para estimar la vida útil relativa de los espejos multicapa Mo/Si bajo exposición a iones Sn.
    NOTA: Efectos como la evolución de la rugosidad superficial, la geometría del espejo y el trazado de rayos no están incluidos en el protocolo actual y deben incorporarse en futuras extensiones.
  5. Aplicar el mismo flujo de trabajo a regímenes alternativos de longitud de onda, como la litografía Blue-X, ajustando las constantes ópticas y las distribuciones de energía de los iones en consecuencia.

5. Formación y descomposición deSnH 4

NOTA: El estudio cinético detallado de la formación y descomposición deSnH 4 requiere varias secciones eficaces y velocidades de reacción entre SnH y H. Anteriormente, se han reportado algunas ionizaciones y fragmentaciones por impacto electrónico de lastannana 21, velocidades de reacción XH4+H→XH3+H 2 ySnH 4+SnH→Sn 2H3+H 2, SnH4+SnH→Sn 2H 522,23. Sin embargo, la formación en fase plasmática deSnH 4, así como las interacciones y mecanismos de reacción con diversos materiales, aún no han sido completamente caracterizados ni comprendidos. Por tanto, los estudios experimentales sobre la química de stannane y las vías de descomposición relacionadas siguen siendoescasos 12,24, lo que pone de manifiesto la necesidad de una investigación más profunda.

  1. Cálculos de DFT y TST: Utilizar la teoría del funcional de la densidad (DFT) en combinación con la teoría del estado de transición (TST) implementada en la Gaussiana 16 para calcular las velocidades de reacción perdidas.
    NOTA: Estos enfoques computacionales permiten calcular la energética de reacción, los estados de transición y las constantes de velocidad, proporcionando una comprensión mecanicista detallada de la formación de los stannanes bajo condiciones de plasma.
  2. Define las vías de reacción. Aquí se incluyen dos vías de reacción sucesivas que conducen a la formación deSnH 4 .
    (1) Sn+H 2→SnH2
    (2) SnH2+H 2→SnH 4
  3. Realiza cálculos de DFT y TST. Calcular energías de reacción, estados de transición y constantes de velocidad (k) para ambas reacciones, con los resultados mostrados en la Figura 8 y la Figura 9. Resume la termodinámica de las reacciones en las Tablas 2 y 4 y los parámetros de Arrhenius en las Tablas 3 y 5.
  4. Punto de comprobación de salida y reproducibilidad: Valida las constantes de velocidad de reacción calculadas reproduciendo las curvas de velocidad dependientes de la temperatura mostradas en la Figura 8 y la Figura 9, o con los valoresreportados 22,23.
  5. Exportar las constantes de tasa validadas en formato tabulado o legible por máquina (por ejemplo, CSV o TXT) para su uso directo como parámetros de entrada en la modelización cinética posterior de la química del plasma Sn–H.

figure-protocol-18
Figura 8. La velocidad de reacción y la barrera energética para Sn+H 2→SnH2. Izquierda: Constantes de velocidad de reacción de Sn+H 2→SnH2; Derecha: barrera energética para las vías de reacción (todos los átomos grises representan H, y los átomos azules representan Sn). Los cálculos los realiza Gaussian 16. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

ReacciónProductoΔHΔGΔE
Sn+H 2→SnH2SnH 2-24.71-19.1317.87

Tabla 2: Entalpías de reacción (H), energía libre de Gibbs (G) y barreras de potencial (E) (kcal/mol) para los tres canales de reacción a 298,15 K y 1 atm.

Parámetros de ArrheniusMétodosReacciones
Sn+H 2→SnH2
ATST2.50×10-13
TST/Wigner1.13×10-13
TST/Eckart1.45×10-29
nTST0.85
TST/Wigner0.93
TST/Eckart5.56
Ea(kJ/mol)TST68.99
TST/Wigner65.3
TST/Eckart30.4
k(298K)(cm3 mol-1 sec-1)TST2,72×10-23
TST/Wigner8.94×10-23
TST/Eckart1.03×10-21

Tabla 3: Parámetros de Arrhenius de la reacciónSn+H 2→SnH2 dentro del rango de temperatura de 180 a 2000 K.

figure-protocol-19
Figura 9. La velocidad de reacción y la barrera energética paraSnH 2+H 2→SnH4. Izquierda: constantes de velocidad de reacción deSnH 2+H2→SnH 4; Derecha: barrera energética para las vías de reacción (todos los átomos grises representan H, y los átomos azules representan Sn). Los cálculos los realiza Gaussian 16. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

ReacciónProductoΔHΔGΔE
SnH2+H 2→SnH 4SnH 4-26.5-32.8126.26

Tabla 4: Entalpías de reacción (H), energía libre de Gibbs (G) y barreras de potencial (E) (kcal/mol) para los tres canales de reacción a 298,15 K y 1 atm.

Parámetros de ArrheniusMétodosReacciones
SnH2+H 2→SnH 4
ATST3.73×10-17
TST/Wigner1.23×10-17
TST/Eckart1.29×10-37
nTST1.55
TST/Wigner1.67
TST/Eckart7.5
Ea(kJ/mol)TST136.39
TST/Wigner132.94
TST/Eckart90.83
k(298K)(cm3 mol-1 sec-1)TST3.39×10-37
TST/Wigner9.33×10-37
TST/Eckart6.56×10-36

Tabla 5: Parámetros de Arrhenius de la reacciónSnH 2+H 2→SnH4 dentro del rango de temperatura de 180 a 2.000 K.

6. Cálculo de la función de distribución de energía electrónica (EEDF)

NOTA: Ecuación de transporte de Boltzmann

La ecuación de Boltzmann para un conjunto de electrones en un gas ionizado es

figure-protocol-20

Donde f es la distribución de electrones en el espacio de fases de seis dimensiones, v son las coordenadas de velocidad, e es la carga elemental, m es la masa del electrón (9,10956 × 10-31 kg), E es el campo eléctrico, figure-protocol-21 es el operador gradiente de velocidad y C representa la tasa de cambio en f debido a colisiones.

  1. Ejecuta el solucionador BOLSIG+ usando la aproximación de dos términos para resolver la ecuación de transporte de Boltzmann para plasmade hidrógeno 25.
  2. Pasos de ejecución: BOLSIG+ es una ventana gráfica.
    1. Haz clic en el botón Leer colisiones , como se muestra en la Figura 10A , para leer los datos de secciones eficaces de H2.
    2. Seleccione los parámetros de cálculo en el archivo "condiciones" como se muestra en la Figura 10B.
    3. Finalmente, como se presenta en la Figura 10C, haz clic en el botón de trazar EEDF para dibujar la imagen EEDF.
  3. Punto de comprobación de salida y reproducibilidad: Confirmar la ejecución exitosa del solucionador BOLSIG+ generando la función de distribución de energía electrónica (EEDF) para plasma de hidrógeno en el rango especificado de campo eléctrico reducido (E/N). Verifica que el EEDF con la Figura 11.
  4. Exportar los datos finales de EEDF en forma tabulada (por ejemplo, formato ASCII o CSV) para su uso directo como entrada en el modelado cinético de la química del plasma Sn–H.

figure-protocol-22
Figura 10. La interfaz gráfica del software BOLSIG+. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

7. Modelado cinético de la química del plasma Sn–H

  1. Importar parámetros de plasma de simulaciones PIC. Extraer parámetros del plasma, incluyendo la densidad electrónica y la temperatura del plasma, de simulaciones de fluidos. Utilizar estos parámetros como condiciones iniciales para simulaciones PIC y obtener las distribuciones espaciotemporales y los espectros de energía de los iones Sn.
  2. Realiza simulaciones cinéticas. Resuelve las ecuaciones de tasa acoplada para Sn,SnH x y intermedios relacionados utilizando las distribuciones de energía de iones derivadas del PIC y las velocidades de reacción derivadas de DFT/TST como entradas. Seguir la evolución temporal de las densidades de especies bajo condiciones de plasma de hidrógeno relevantes para el funcionamiento de fuentes EUV.
  3. Acopla las salidas cinéticas con modelos de interacción superficial. Combinar los resultados cinéticos con las distribuciones de poder de detención, rendimiento por sputtering y profundidad de implantación obtenidas en las secciones 2–4. Utiliza estas salidas acopladas para evaluar los mecanismos de degradación y estimar la vida útil efectiva de las MLM Mo/Si.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Calibración y validación de rendimiento por sputtering
Calcula el rendimiento de sputtering de átomos de Ar en Ru como paso de calibración. Estos rendimientos de sputtering representan la salida del paso 2.1 del protocolo (modelo Yamamura). Los resultados se muestran en la Figura 5 (izquierda). Los datos experimentales reportados por Wu et al.26 y Laegreid et al.27 son en gran medida consist...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La metodología integrada que combina la ecuación de transporte de Boltzmann (BTE), la partícula-in-celda (PIC) y las simulaciones cinéticas establece un marco unificado para investigar la mitigación de restos de estaño (Sn) en litografía ultravioleta extrema (EUV). Específicamente, la simulación de fluidos proporciona los parámetros del plasma—densidad y temperatura—que pueden integrarse en un programa PIC para obtener la distribución espaciotemporal de moléculasSn xHy

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores no tienen conflictos de interés que revelar.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Agradecemos el apoyo de la Fundación Nacional de Ciencias Naturales de China, Subvención Nº 12374231.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
BOLSIG+Laboratorio de Plasma y Conversión d'Energía, Universidad Paul SabatierLa versión se actualizó el 24 de abril de 2025
GaussianaGaussian Inc.Gaussian 16
RustBCADepartamento de Ingeniería Nuclear, de Plasma y Radiológica, Universidad de Illinois en Urbana-Champaign1.2.0

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. O’Sullivan, G., et al. Spectroscopy of highly charged ions and its relevance to EUV and soft X-ray source development. J Phys B At Mol Opt Phys. 48, 144025(2015).
  2. Versolato, O. O. Physics of laser-driven tin plasma sources of EUV radiation for nanolithography. Plasma Sources Sci Technol. 28, 083001(2019).
  3. Bayerle, A., et al. Sn ion energy distributions of ns- and ps-laser produced plasmas. Plasma Sources Sci Technol. 27 (4), 045001(2018).
  4. Rai, S., et al. Evidence of production of keV Sn+ ions in the H2 buffer gas surrounding an Sn-plasma EUV source. Plasma Sources Sci Technol. 32 (3), 035006(2023).
  5. Spatial separation of EUV emission and energetic ions by use of double-laser-pulse irradiation. Sugiura, T., et al. Proc SPIE 13177 Photomask Japan XXX Symposium on Photomask and Next-Generation Lithography Mask Technology, , 1317715(2024).
  6. Fleur, V. Energy loss and scattering of energetic Sn ions interacting with H2: prospects of time-of-flight investigations. [PhD thesis]. , University of Groningen. (2021).
  7. Rai, S. Ionic interactions around EUV generating tin plasma. [PhD thesis]. , University of Groningen. (2023).
  8. Mertens, B., et al. Progress in EUV optics lifetime expectations. Microelectron Eng. 73-74, 16-22 (2004).
  9. Ugur, D., Storm, A. J., Verberk, R., Brouwer, J. C., Sloof, W. G. Decomposition of SnH4 molecules on metal and metal–oxide surfaces. Appl Surf Sci. 288, 673-676 (2014).
  10. Elg, D. T., et al. Removal of tin from extreme ultraviolet collector optics by in-situ hydrogen plasma etching. Plasma Chem Plasma Process. 38, 223-245 (2018).
  11. van Herpen, M. M. J. W., Klunder, D. J. W., Soer, W. A., Moors, R., Banine, V. Sn etching with hydrogen radicals to clean EUV optics. Chem Phys Lett. 484 (4-6), 197-199 (2010).
  12. Garza, R., et al. Stannane in extreme ultraviolet lithography and vacuum technology: synthesis and characterization. J Vac Sci Technol A. 41 (6), 063209(2023).
  13. Biggerstaff, S., et al. Comparative study of neutral and cationic Sn2H2: toward laboratory detection of the cation. J Phys Chem A. 128, 7090-7104 (2024).
  14. Xiao, Z., et al. Multiple states and roles of hydrogen in p-type SnS semiconductors. Phys Chem Chem Phys. 20, 20952-20960 (2018).
  15. Liu, X., et al. Comparative study on microstructure of Mo/Si multilayers deposited on large curved mirror with and without the shadow mask. Micromachines (Basel). 14 (3), 526(2023).
  16. Yao, D., et al. Fabrication and characterization of TiO2 and SiO2 as protective coating for Mo/Si multilayer by ion beam sputtering. Vacuum. 238, 114287(2025).
  17. Henke, B. L., Gullikson, E. M., Davis, J. C. X-ray interactions: photoabsorption, scattering, transmission, and reflection at E = 50-30000 eV, Z = 1-92. At Data Nucl Data Tables. 54, 181-342 (1993).
  18. Yamamura, Y., Tawara, H. Energy dependence of ion-induced sputtering yields from monatomic solids at normal incidence. At Data Nucl Data Tables. 62, 149-253 (1996).
  19. Drobny, J. T., Curreli, D. RustBCA: a high-performance binary-collision-approximation code for ion-material interactions. J Open Source Softw. 6, 3298(2021).
  20. Feng, X., Song, Y., Ma, Y., Li, B. DFT-based interatomic potentials for hydrogen-metal systems: improved stopping power modeling. Nucl Instrum Methods Phys Res B. 572, 165999(2026).
  21. Song, Y., Ma, Y., Li, B., Chen, X. Decomposition of electron ionization mass spectra and calculation of electron ionization cross sections of SnxHy for extreme ultraviolet lithography. Phys Scr. 100, 045405(2025).
  22. Ma, Y., Li, B. A comparative study of kinetic and thermodynamic mechanisms of XH4 + H → XH3 + H2 reaction (X = Si, Ge, and Sn). AIP Adv. 15, 075138(2025).
  23. Ma, Y., Li, B. Reaction pathways between SnH4 and SnH relevant to EUV lithography: a DFT and TST study. Plasma Chem Plasma Process. 46, 40(2026).
  24. Rieger, J., Benter, T., Kersten, H. High-resolution electron ionization mass spectrometry of stannane: deconvolution of superimposed fragmentation patterns. J Am Soc Mass Spectrom. 35, 1523-1532 (2024).
  25. Hagelaar, G. J. M., Pitchford, L. C. Solving the Boltzmann equation to obtain electron transport coefficients and rate coefficients for fluid models. Plasma Sources Sci Technol. 14, 722-733 (2005).
  26. Wu, S. Sputtering yields of Ru, Mo, and Si under low energy. J Appl Phys. 106, 054902(2009).
  27. Laegreid, N., Wehner, G. K. Sputtering yields of metals for Ar+ and Ne+ ions with energies from 50 to 600 eV. J Appl Phys. 32, 365-369 (1961).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

EUV LithographyTin Debris ControlBoltzmann Transport EquationParticle In Cell SimulationKinetic ModelingHydrogen PlasmaSputtering YieldImplantation DepthMLM ReflectivityDensity Functional Theory

Related Articles