Zintegrowane ramy symulacyjne wielometodowe do kontroli zanieczyszczeń cyny w litografii ekstremalnej ultrafioletowej

Summary

Protokół ten ma na celu przeprowadzenie użytkowników przez zintegrowane ramy symulacyjne, aby osiągnąć kontrolę zanieczyszczeń cyny w ekstremalnym ultrafiolecie (EUV) oraz rozwijającej się litografii Blue-X, integrując modelowanie kinetyczne, równanie transportu Boltzmanna (BTE) oraz metody oparte na teorii funkcjonału gęstości (DFT) do oceny interakcji jonów i czyszczenia wspomaganego wodorem.

Abstract

Protokół ten jest koncepcyjnym, zintegrowanym modelowaniem ilustrowanym reprezentatywnymi wynikami i instruuje użytkowników do łączenia równania transportu Boltzmanna (BTE), symulacji cząstek w komórce (PIC) oraz kinetycznych w celu badania łagodzenia zaniedbienia cyny (Sn) w litografii ekstremalnego ultrafioletu (EUV). Protokół obejmuje odbicie luster wielowarstwowych Mo/Si (MLM), wydajność rozpylania, głębokość implantacji, modelowanie kinetyczne oraz obliczenia BTE. Symulacje BTE i PIC służą do rozróżnienia funkcji rozkładu energii elektronów (EEDF) plazmy wodorowej oraz analizy generowania i przyspieszania energetycznych jonów Sn w różnych warunkach plazmowych. Wpływ przepływu wodoru na spowolnienie jonów i efektywność promieniowania jest również kwantyfikowany. Na podstawie przekrojów jonizacyjnych i kanałów dysocjacyjnych gatunków Sn_xH_y , potencjały oddziaływania dla kolizji Sn-H oblicza się metodą teorii funkcjonału gęstości (DFT), która służy do obliczania głębokości implantacji. Dodatkowo, odbicia MLM i wydajność sputteringu wynikające z interakcji między odpadkami Sn a powłoką Ru na MLM są obliczane za pomocą półempirycznego wzoru. Stosując ten protokół, użytkownicy mogą uzyskać kluczowe parametry fizyczne istotne dla kontroli zanieczyszczeń Sn, w tym wydajność sputteringu, głębokości implantacji, refleksyjność MLM oraz formowanie SH₄ w różnych EEDF plazmy wodorowej. Wyniki te umożliwiają systematyczną ocenę procesów zanieczyszczenia, czyszczenia i wykrywania w systemach litografii EUV.

Introduction

Litografia ultrafioletowa (EUVL) to najnowocześniejsza technologia do rozwoju miniaturyzacji układów scalonych, umożliwiająca wzorowanie cech mniejszych niż 2 nm. W typowym źródle EUV mikrokropla cyny (Sn) jest najpierw odparowana i jonizowana przez prepuls lasera Nd:YAG, a powstała chmura plazmy jest podgrzewana przez laser CO₂ pracujący z częstotliwością 10,6 μm, generując tym samym promieniowanie EUV, które jest zbierane przez lustra wielowarstwowe Mo/Si (MLM)^1,2. W przypadku systemów komercyjnych, takich jak te opracowane przez ASML, moc źródłowa osiągnęła poziomy wystarczające do masowej produkcji. Niemniej jednak trwające badania — szczególnie w Chinach — koncentrują się na poprawie efektywności plazmy Sn produkowanej laserowo CO₂.

Jednym z głównych wyzwań w źródłach światła EUV jest produkcja energetycznych jonów Sn. Napromieniowanie kropli Sn za pomocą wysokointensywnych impulsów laserowych_CO2 generuje jony o energiach mieszczących się w zakresie keV, co może uszkadzać lustra wielowarstwowe (MLM) i skrócić żywotność systemu^{o 3,4,5}. Aby zmniejszyć uszkodzenia spowodowane jonami, wodór (_H2) jest szeroko stosowany jako gaz buforowy. Dzięki spowolnieniu kolizyjnemu H₂ ogranicza transport jonów Sn i zmniejsza ilość zanieczątków docierających do elementów optycznych. Wiarygodne dane o mocy zatrzymania oraz dokładne modele interakcji Sn–H są zatem kluczowe dla optymalizacji zarówno efektywności źródła, jak i trwałości ^5,6,7.

Kolejnym ważnym zagadnieniem jest osadzanie fragmentów Sn na powierzchniach komory próżniowej, szczególnie na lustrach kolektorskich umieszczonych w pobliżu plazmy. Nawet cienka powłoka Sn zmniejsza odbicie EUV i pogarsza wydajność optyczną oraz stabilność operacyjną ^8,9,10. Praktycznym rozwiązaniem przemysłowym jest ciągłe wstrzykiwanie H₂ jako gazu tła11. W tym podejściu rodniki wodorowe trawią powłoki Sn w następującej reakcji egzotermicznej, wytwarzając lotny stannan (SnH₄), który jest usuwany przez pompowanie.

Sn(s) + 4H(g) → SnH₄(g),

Choć metoda ta skutecznie wzmacnia usuwanie Sn, wprowadza nowe komplikacje. Rodniki wodorowe powstające w wyniku dysocjacji plazmy_H2 mogą indukować rozkład łańcuchowy_{SnH 4}, regenerując Sn i powodując wtórne skażenie⁹. Takie procesy zmniejszają efektywność czyszczenia i mogą ograniczyć stabilność luster oraz wydajność optyczną. Szczegółowe zrozumienie powstawania, rozkładu i interakcji powierzchniowych wodorków cyny jest zatem niezbędne do ulepszania metod czyszczenia opartych na wodorze. Najnowsze badania powierzchniowe podkreślają znaczenie charakteryzowania wodorków cyny i ich pośredników, aby prawidłowo zidentyfikować ścieżki zanieczyszczenia i zahamować ponowne składanie Sn¹².

Pomimo tych wysiłków, kluczowe aspekty chemii plazmy Sn–H pozostają niewystarczająco scharakteryzowane. W szczególności struktura, reaktywność, fragmentacje oraz tempo powstawania/dysocjacji gatunków Sn-H (np. Sn₂,_{H 2} i SnH_x) w warunkach plazmy istotnych dla EUV nie są bezpośrednio potwierdzone^{eksperymentalnie 13}. Ponadto szlaki reakcji bocznych w plazmie Sn-H, czynniki wpływające na prawdopodobieństwo ich wystąpienia, krytyczne progi reakcji niepożądanych oraz długoterminową stabilność operacyjną nie zostały systematycznie zbadane¹⁴.

Razem te kwestie podkreślają potrzebę fundamentalnych badań nad interakcjami plazma–powierzchnia z perspektywy fizyki atomowej i molekularnej, fizyki plazmy oraz chemii kwantowej. Istniejące podejścia modelowe zazwyczaj dotyczą jedynie pojedynczych aspektów kontroli zanieczyszczeń Sn, takich jak generowanie jonów Sn, moc hamowania H₂ do jonów wysokoenergetycznych Sn czy interakcja jon-powierzchnia, dlatego nie mogą uchwycić pełnego cyklu zanieczyszczenia, oczyszczania i wykrywania. Aby rozwiązać te ograniczenia, chcieliśmy opracować zintegrowany protokół symulacyjny, który łączy symulacje cząstek w komórce (PIC), analizę równań transportu Boltzmanna (BTE), teorię funkcjonału gęstości (DFT) oraz modelowanie kinetyczne. Badania źródeł światła w ekstremalnym ultrafiolecie (EUV) obejmują wiele sprzężonych procesów, w tym interakcje laser–kropla, laser–plazma, plazma–plazma oraz plazma–gaz. Protokół ten opisuje zintegrowane ramy symulacyjne łączące mechanikę płynów, metody particle in-cell (PIC) oraz teorii funkcji gęstości (DFT) do modelowania redukcji zanieczyszczenia cyny (Sn) oraz oczyszczania wodoru. Protokół ten zapewnia zintegrowany, powtarzalny przepływ pracy do badania generowania odpadów Sn, transportu, interakcji powierzchniowych oraz wspomaganego z wodorem w zakresie łagodzenia efektów. Poniższa sekcja szczegółowo opisuje krok po kroku wdrożenie tej metodologii.

Protocol

UWAGA: Cały przepływ pracy, w tym integracja podejść płynowych, kinetycznych i kwantowo-chemicznych. Workflow przedstawiono na Rysunku 1 (podświetlonym czerwonym ramką).

Rysunek 1. Schemat zintegrowanego ramowego ramowego systemu symulacji litografii ultrafioletowej. Skróty : MLM = lustra wielowarstwowe; PIC = cząstka w komórce; BTE = równanie transportu Boltzmanna; EEDF = Funkcja rozkładu energii elektronów. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

1. Symulacja refleksyjności MLM

1. Ustaw parametry wielowarstwowe. Używaj MLM Mo/Si jako kolektorów w źródłach EUV. Zdefiniuj strukturę lustra wielowarstwowego Mo/Si (MLM) z następującymi grubościami warstw: Mo (1,950 nm), Mo-on-Si (0,806 nm), Si (3,843 nm) oraz Si-on-Mo (0,386 nm)¹⁵.
2. Oceń materiały ochronne powierzchni. Ponieważ powierzchnia Mo/Si jest podatna na utlenianie i powstawanie węglika, co z czasem obniża wydajność optyczną, uwzględnij powłoki Ru,_RuO2, ZrO₂ i_TiO2 do oceny utleniania i odporności na węglik¹⁶.
3. Oblicz odbicie MLM. Ocena refleksyjności wielowarstwowej Mo/Si z warstwą pokrywającą Ru na podstawie danych o współczynniku załamania, co pozwala na ilościową ocenę kompromisów między ochroną a efektywnością optyczną.
   
   
   
   UWAGA: Wartości δ i β dla różnych materiałów są dostępne w Centrum Rentgenowskiej Optyki w Lawrence Berkeley National Laboratory¹⁷.
4. Refleksyjność MLM względem warstwy pokrywającej Ru: Refleksyjność obliczeń zmienia się w zależności od grubości warstwy kapującej przy użyciu współczynników załamania. Porównaj wyniki, aby określić kompromis między sprawnością optyczną a trwałością (Rysunek 2).
5. Punkt kontrolny wyjścia i powtarzalności: Powierdź pomyślne wykonanie tej sekcji, generując krzywą refleksyjności–grubość na 13,5 nm zgodnie z rysunkiem 2 lub wartościami referencyjnymi podanymi przez Liu i ^in.15.

Rysunek 2. Refleksyjność warstwy wielowarstwowej Mo/Si o różnych grubościach warstwy pokrywającej Ru. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

2. Obliczanie plastyczności sputteringowej

1. Stosuj formułę Yamamura. Oblicz wydajność sputteringu (Y) według wzoru zaproponowanego przez Yamamurę i in.¹⁸
2. Oblicz przekroje poprzeczne zatrzymania. Ocena przekroju krzyżowych zatrzymań jądrowych (S_n) i elektronicznych (S_e) za pomocą równań. (3)–(4).
   
   oraz
3. Określ stałe. Oblicz stałą empiryczną K za pomocą równania (5)
   
   Gdzie Z₁ i Z2 oznaczają odpowiednio liczbę atomową padającego pocisku i materiału celu; M1 i M2 reprezentują masę padającego pocisku i materiału celu, odpowiednio. E_r i E_th to odpowiednio energia zredukowana i energia progowa, E_s to energia wiązania powierzchni materiału docelowego¹⁸.
4. Kroki wykonywania: Oblicz wydajność sputteringu, wykonując skrypt Pythona pokazany na Rysunku 3. Zaimplementuj wzór Yamamury za pomocą skryptu Pythona pokazanego na Rysunku 4. Upewnij się, że komputer jest wyposażony w Python 3 i bibliotekę NumPy. Wykonanie skryptu Pythona pokazanego na Rysunku 3 generuje dwukolumnowy plik tekstowy o nazwie yield.dat zawierający obliczone wyniki sputteringu, jak pokazano na Rysunku 5.
5. Punkt kontrolny powtarzalności: Potwierdź pomyślne wykonanie tej sekcji, generując krzywą wydajności sputteringu względem energii padającej dla jonów Sn wpływających na Ru (rysunek 5). Sprawdź, czy obliczona wydajność sputteringu dla Ar na Ru zgadza się z opublikowanymi danymi eksperymentalnymi w granicach ±30%, służąc jako kontrola kalibracji.

Rysunek 3. Skrypt Pythona do obliczania wydajności sputteringu. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Rysunek 4. Skrypt Pythona dla formuły Yamamumy. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Rysunek 5. Obliczone sputteringowe daje Ar w Ru i Sn w Ru. Po lewej: Ru; po prawej: Sn w Ru. Yamamura i in. zastosowano wzór opisany w kroku 2.1. Przeprowadzono porównanie między obecnymi symulacjami a symulacjami Wu i ^in.26 oraz Laegreida i ^in.27 . Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

3. Symulacja głębokości implantacji

1. Wybierz potencjalny model. Wykorzystaj potencjał KrC w kodzie^{RustBCA 19} dla oddziaływań jonowo-bryłowych:
2. Zdefiniuj funkcję przesiewania. Zaimplementuj Φ(r/a) jako sumę wykładniczych wyrazów:
   
   1. Wyraź wartość a dla potencjału KrC zgodnie z poniższym równaniem z innymi parametrami c_{i i d i} z Tabeli 1.
3. Kroki wykonywania: Oblicz głębokość implantacji, wykonując skrypt Pythona pokazany na Rysunku 6, gdzie polecenie wykonania RustBCA jest zintegrowane ze skryptem:
   1. Wpisz polecenie = "cargo run --release 1D "+ InputFile
   2. Następnie wpisz os.system(command)
4. Otwórz skrypt Pythona pokazany na Rysunku 6, ustaw parametry zgodnie ze skryptem i uruchom go, aby uzyskać dwukolumnowy plik tekstowy o nazwie depth.dat, zawierający obliczoną głębokość implantacji.
5. Punkt kontrolny powtarzalności: Potwierdź pomyślne wykonanie tej sekcji, generując średnią głębokość implantacji Sn (Rysunek 7).

c1	c2	c3	d1	D2	D3
0.19095	0.47367	0.33538	0.27854	0.63717	1.91925

Tabela 1: Parametry c_{i i d i} zaangażowane w potencjał KrC.

Rysunek 6. Skrypt Pythona do obliczania głębokości implantacji. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Rysunek 7. Obliczona głębokość implantacji jonów Sn w lustrach wielowarstwowych Ru-Mo-Si. Po lewej: Rozkład głębokości implantacji 10000 padających jonów Sn przy dwóch energiach padania, 2,0 keV (żółty) i 3,0 keV (niebieski); Po prawej: Średnia głębokość implantacji Sn. Obliczana przez potencjał KrC zaimplementowany w RustBCA opisany krokiem protokołu 3.1. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

4. Obliczanie siły hamowania

1. Modeluj wodór jako gaz buforowy. Aby zminimalizować uszkodzenia jonów keV Sn dla MLM, wprowadź wodór jako gaz buforowy.
   UWAGA: Dlatego moc hamowania i przerywanie jonów keV Sn w obecności powierzchni wodoru i MLM pozostają kluczowymi kwestiami.
2. Używaj potencjałów opartych na DFT. Dopasuj obliczone potencjały międzyatomowe dla układów wodór–metal do obu form potencjału Zieglera–Biersacka–Littmarka (ZBL) oraz Morse'a.
   UWAGA: W niedawnym opracowaniu²⁰ opracowano potencjał międzyatomowy dla układów wodor–metal oparty na obliczeniach teorii funkcjonału gęstości (DFT).
3. Punkt kontrolny powtarzalności: Zweryfikować obliczoną siłę zatrzymywania jonów Sn w wodorze poprzez porównanie krzywych zatrzymania zależnych od energii z danymi referencyjnymi uzyskanymi z symulacji SRIM i opublikowanych zbiorów danych eksperymentalnych.
   UWAGA: Te dane należy porównać z rysunkiem 6 z Feng i ^in.20.
4. Połącz wyniki z sekcji 1–4 (refleksyjność MLM, plastyczność splinująca, głębokość implantacji i moc zatrzymania), aby oszacować względny czas życia luster wielowarstwowych Mo/Si pod ekspozycją na jony Sn.
   UWAGA: Efekty takie jak ewolucja chropowatości powierzchni, geometria lustra i ray tracing nie są uwzględnione w obecnym protokole i powinny zostać uwzględnione w przyszłych rozszerzeniach.
5. Ten sam workflow należy stosować do alternatywnych reżimów długości fal, takich jak litografia Blue-X, poprzez odpowiednią korektę stałych optycznych i rozkładu energii jonów.

5. Powstawanie i rozkład_{SnH 4}

UWAGA: Szczegółowe badania kinetyczne formowania i rozkładu_{SnH 4} wymagają kilku przekrojów i szybkości reakcji między Sn-H. Wcześniej istniała jonizacja elektronowa i fragmentacja stananu²¹, prędkości reakcji XH₄+H→XH₃+H₂ oraz SnH₄+SnH→Sn₂H₃+H₂, SnH₄+SnH→Sn₂H₅^22, Zgłoszono ²³ takie zdarzenia. Jednak formowanie się SnH₄ w fazie plazmowej, a także interakcje i mechanizmy reakcji z różnymi materiałami, nie zostały jeszcze w pełni scharakteryzowane ani zrozumiane. Badania eksperymentalne nad chemią stananów i powiązanymi ścieżkami rozkładu pozostają więc nieliczne^12,24, co podkreśla potrzebę dalszych badań.

1. Obliczenia DFT i TST: Wykorzystaj teorię funkcjonału gęstości (DFT) w połączeniu z teorią stanów przejściowych (TST) zaimplementowaną w Gaussianie 16 do obliczania szybkości przegapionych reakcji.
   UWAGA: Te podejścia obliczeniowe pozwalają na obliczanie energii reakcji, stanów przejściowych i stałych szybkości, zapewniając szczegółowe mechanistyczne zrozumienie powstawania stananów w warunkach plazmy.
2. Zdefiniuj ścieżki reakcji. Uwzględniono tutaj dwie kolejne ścieżki reakcji prowadzące do powstania_{SnH 4} .
   (1) Sn+H₂→SnH₂
   (2) SnH₂+H₂→SnH₄
3. Wykonaj obliczenia DFT i TST. Oblicz energie reakcji, stany przejściowe i stałe szybkości (k) dla obu reakcji, z wynikami pokazanymi na Rysunku 8 i Rysunku 9. Podsumuj termodynamikę reakcji w Tabeli 2 i Tabeli 4 oraz parametry Arrheniusa w Tabeli 3 i Tabeli 5.
4. Punkt kontrolny wyjścia i powtarzalności: Zweryfikowaj obliczone stałe szybkości reakcji, odtwarzając krzywe szybkości zależne od temperatury pokazane na Rysunku 8 i 9 lub z podanymi wartościami^22,23.
5. Eksportuj zweryfikowane stałe szybkości w formacie tabulaturalnym lub maszynowo czytelnym (np. CSV lub TXT) do bezpośredniego wykorzystania jako parametry wejściowe w kolejnych modelach kinetycznych chemii plazmy Sn–H.

Rysunek 8. Szybkość reakcji i bariera energetyczna dla Sn+H₂→SnH₂. Po lewej: stałe szybkości reakcji Sn+H₂→SnH₂; Po prawej: bariera energetyczna dla szlaków reakcji (wszystkie szare atomy reprezentują H, a niebieskie Sn). Obliczenia wykonuje Gaussian 16. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Reakcja	Produkt	ΔH	ΔG	ΔE
Sn+H2→SnH2	SnH2	-24.71	-19.13	17.87

Tabela 2: entalpie reakcji (H), energia swobodna Gibbsa (G) oraz bariery potencjałowe (E) (kcal/mol) dla trzech kanałów reakcyjnych przy 298,15 K i 1 atm.

Parametry Arrheniusa	Metody	Reakcje
		Sn+H2→SnH2
A	TST	2.50×10-13
	TST/Wigner	1.13×10-13
	TST/Eckart	1.45×10-29
n	TST	0.85
	TST/Wigner	0.93
	TST/Eckart	5.56
Ea(kJ/mol)	TST	68.99
	TST/Wigner	65.3
	TST/Eckart	30.4
k(298K)(cm3 mol-1 sek-1)	TST	2.72×10-23
	TST/Wigner	8.94×10-23
	TST/Eckart	1.03×10-21

Tabela 3: Parametry Arrheniusa reakcji Sn+H₂→SnH₂ w zakresie temperatur od 180 do 2000 K.

Rysunek 9. Szybkość reakcji i bariera energetyczna dla SnH₂+H₂→SnH₄. Po lewej: stałe szybkości reakcji SnH₂+H₂→SnH₄; Po prawej: bariera energetyczna dla szlaków reakcji (wszystkie szare atomy reprezentują H, a niebieskie Sn). Obliczenia wykonuje Gaussian 16. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Reakcja	Produkt	ΔH	ΔG	ΔE
SnH2+H2→SnH4	SnH4	-26.5	-32.81	26.26

Tabela 4: entalpie reakcji (H), energia swobodna Gibbsa (G) oraz bariery potencjałowe (E) (kcal/mol) dla trzech kanałów reakcyjnych przy 298,15 K i 1 atm.

Parametry Arrheniusa	Metody	Reakcje
		SnH2+H2→SnH4
A	TST	3.73×10-17
	TST/Wigner	1.23×10-17
	TST/Eckart	1.29×10-37
n	TST	1.55
	TST/Wigner	1.67
	TST/Eckart	7.5
Ea(kJ/mol)	TST	136.39
	TST/Wigner	132.94
	TST/Eckart	90.83
k(298K)(cm3 mol-1 sek-1)	TST	3.39×10-37
	TST/Wigner	9.33×10-37
	TST/Eckart	6.56×10-36

Tabela 5: Parametry Arrhenisa reakcji SnH₂+H₂→_{SnH 4} w zakresie temperatur od 180 do 2 000 K.

6. Obliczanie funkcji rozkładu energii elektronowej (EEDF)

UWAGA: Równanie transportowe Boltzmanna

Równanie Boltzmanna dla zespołu elektronów w gazie jonizowanym jest

Gdzie f to rozkład elektronów w sześciowymiarowej przestrzeni fazowej, v to współrzędne prędkości, e to ładunek elementarny, m to masa elektronu (9,10956 × ^10-31 kg), E to pole elektryczne, operator gradientu prędkości, a C oznacza tempo zmiany f spowodowane kolizjami.

1. Uruchom solver BOLSIG+ z wykorzystaniem dwuskładnikowej aproksymacji, aby rozwiązać równanie transportu Boltzmanna dla plazmy^{wodorowej 25}.
2. Kroki wykonawcze: BOLSIG+ to okno graficzne.
   1. Kliknij przycisk Odczytaj kolizje, jak pokazano na rysunku 10A , aby odczytać dane przekrojów poprzecznych H₂.
   2. Wybierz parametry obliczeniowe w pliku "conditions" zgodnie z rysunkiem 10B.
   3. Na koniec, jak pokazano na Rysunku 10C, kliknij przycisk EEDF do wykresu , aby narysować obraz EEDF.
3. Punkt kontrolny wyjścia i powtarzalności: Potwierdź pomyślne wykonanie solvera BOLSIG+ poprzez wygenerowanie funkcji rozkładu energii elektronów (EEDF) dla plazmy wodorowej w określonym zakresie zmniejszonego pola elektrycznego (E/N). Sprawdź EEDF na rysunku 11.
4. Eksportuj ostateczne dane EEDF w formie tabelarycznej (np. format ASCII lub CSV) do bezpośredniego wykorzystania jako dane wejściowe do modelowania kinetycznego chemii plazmy Sn–H.

Rysunek 10. Graficzny interfejs oprogramowania BOLSIG+. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

7. Modelowanie kinetyczne chemii plazmy Sn–H

1. Importuj parametry plazmy z symulacji PIC. Wyodrębniaj parametry plazmy, w tym gęstość elektronów i temperaturę plazmy, z symulacji płynów. Wykorzystaj te parametry jako warunki początkowe do symulacji PIC do uzyskania rozkładów przestrzenno-czasowych i widm energii jonów Sn.
2. Wykonaj symulacje kinetyczne. Rozwiąż równania sprzężonej szybkości dla Sn, SnH_x i powiązanych pośrednich, używając rozkładów energii jonów pochodnych z PIC oraz szybkości reakcji pochodzących z DFT/TST jako danych wejściowych. Śledzić ewolucję czasową gęstości gatunków w warunkach plazmy wodorowej istotnych dla pracy źródła EUV.
3. Połącz wyjścia kinetyczne z modelami interakcji powierzchniowych. Połącz wyniki kinetyczne z siłą hamowania, wydajnością rozpylającą i rozkładami głębokości implantacji uzyskanymi w sekcjach 2–4. Wykorzystaj te powiązane wyniki do oceny mechanizmów degradacji i oszacowania efektywnego czasu życia MLM Mo/Si.

Results

Kalibracja i walidacja wydajności sputteringu
Oblicz wydajność rozpylania atomów Ar w Ru jako krok kalibracyjny. Te wyniki sputteringu reprezentują wyjście z kroku protokołu 2.1 (model Yamamura). Wyniki przedstawiono na Rysunku 5 (po lewej). Dane eksperymentalne przedstawione przez Wu i ^in.26 oraz Laegreid i ^in.27 są w dużej mierze spójne. Teoretyczne wyniki obecnego modelu wykazują dobrą zgodność z pomiarami eksperymental...

Discussion

Zintegrowana metodologia łącząca równanie transportu Boltzmanna (BTE), symulacje cząstek w komórce (PIC) oraz symulacje kinetyczne ustanawia jednolite ramy do badania łagodzenia ilości szczątków cyny (Sn) w litografii ekstremalnego ultrafioletu (EUV). Konkretnie, symulacja płynu daje parametry plazmy — gęstość i temperaturę, które można zintegrować z programem PIC, aby uzyskać rozkład przestrzenno-czasowy cząsteczek Sn_{xH y}. Łącząc te wyniki PIC z szybkościami reakcji uzyskanymi z obliczeń DFT/TST, m...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
BOLSIG+	Laboratorium Plazmy i Konwersji Energii, Uniwersytet Paul Sabatier	Wersja zaktualizowana 24 kwietnia 2025
Gaussowska	Gaussian Inc.	Gaussian 16
RustBCA	Katedra Inżynierii Jądrowej, Plazmowej i Radiologicznej, Uniwersytet Illinois w Urbana-Champaign	1.2.0