리소그래피와 푸리에 변환

1. 반도체 노광 공정의 핵심: 푸리에 변환과 회절의 원리 

렌즈는 단순히 대상을 확대하거나 축소하는 장치가 아니라, 파동을 재정렬하고 정보를 분해 및 재조립하는 역할을 한다. 즉, 리소그래피 공정에서 렌즈는 거대한 계산기처럼 작동한다. 이러한 렌즈의 역할을 이해하기 위해서는 빛의 파동성과 회절 현상을 먼저 이해해야 한다. 회절은 빛이 좁은 틈을 만났을 때 직진하지 못하고 옆으로 퍼져나가는 현상이다. 이는 빛이 파동이기 때문에 발생하는 간섭 현상과 깊은 관련이 있다. 틈이 작을수록 빛은 더 넓게 퍼져나가며, 이는 미세한 패턴을 만들수록 회절 현상에 더 의존하게 됨을 의미한다. 반도체 마스크는 빛의 입장에서 보면 무수히 많은 틈새들의 집합체이며, 이 틈새에서 회절파가 생성된다. 마스크의 모든 선과 공간, 구멍은 각각 회절의 소스 역할을 한다. 이 수많은 회절파들이 겹치고 간섭하여 복잡한 패턴을 만든다. 따라서 리소그래피는 마스크의 그림자를 복사하는 기술이 아니라, 회절과 간섭으로 만들어진 파동 정보를 다루는 기술이다. 

Figure 1. homoscience.kr

렌즈의 기능은 이러한 회절파들을 수학적으로 합쳐 웨이퍼 위에 최종 이미지를 만드는 것이다. 작은 패턴일수록 빛은 더 넓은 각도로 퍼져나가며, 이는 기술 발전으로 패턴이 작아질수록 회절 현상이 심화되어 정확한 이미지 구현이 어려워지는 원인이 된다. 회절이 일어나면 빛은 특정 방향에서 강한 회절강을 형성하는데, 이는 영차 회절강(투과 방향), 1차 회절강, 2회절강 등으로 나뉜다. 이 회절강 내부에는 패턴의 이미지 정보가 분산되어 저장되어 있다. 

Figure 2. 렌즈

굵은 패턴 정보는 중심부 회절강에, 미세한 패턴 정보는 고차 회절강에 많이 포함된다. 따라서 고해상도 이미지를 만들기 위해서는 가능한 한 고차 회절강을 놓치지 않고 수집해야 한다. 렌즈는 이러한 0차, 1차, 2차 등 다양한 회절강들을 수집하여 한 곳에 모으는 장치이다. 하지만 렌즈의 구경 한계로 인해 너무 큰 각도로 퍼진 회절강은 렌즈 밖으로 나가버리게 된다. 고차 회절강을 놓치는 것은 단순히 빛의 양을 잃는 것이 아니라 중요한 이미지 정보를 잃는 것을 의미한다. 광학 설계자들은 가능한 한 많은 회절강을 수집하기 위해 큰 렌즈를 만들고자 노력한다. 이는 빛을 수강할 수 있는 회절강의 각도($\theta_\mathrm{max}$)를 크게 할 수 있는 큰 렌즈를 만드는 노력으로 이어진다. NA(Numerical Aperture, 개구수)는 이러한 빛의 수집 능력을 나타내는 지표로, $ \mathrm{NA} = n \times \sin(\theta_\mathrm{max}) $로 정의된다.

Figure 3. Diffraction

 

 

 1.2. 푸리에 변환과 공간 주파수의 개념 
푸리에 급수를 통해 복잡한 파동이 다양한 주파수의 사인 함수들의 합으로 표현될 수 있음을 이해할 수 있다. 
예를 들어, 사각 파동은 여러 주파수의 사인 커브를 합쳐 점점 더 원래 모양에 가깝게 만들 수 있다. 
정확한 사각 파동을 만들기 위해서는 무한히 많은 고차 항을 포함하는 사인 함수를 합쳐야 한다. 
이는 이미지적으로 볼 때, 고차 항을 포함할수록 더 정밀한 이미지가 얻어지는 것과 같다. 
푸리에 변환은 복잡한 신호를 여러 개의 단순한 파동으로 분해하는 수학적인 과정이다. 
복잡한 음악이 다양한 음높이와 박자의 조합인 것처럼, 복잡한 신호도 다양한 파장의 성분들의 합으로 나타낼 수 있다. 
이는 마치 레고 블록으로 복잡한 구조물을 분해하는 것과 유사하다. 
푸리에 변환은 시간 함수(ft)를 주파수(오메가)의 함수로 변환한다. 
즉, 시간 공간에서의 변화가 주파수 공간에서의 배분으로 바뀐다. 
렉트 함수(사각형 펄스)를 푸리에 변환하면 싱크 함수라는 요동하는 모양의 함수로 변환된다. 
리소그래피의 회절 패턴도 이 싱크 함수 형태로 나타난다. 
시간 공간과 주파수 공간은 서로 다른 관점에서 현상을 바라보는 방식이다. 
라디오 전파의 예시에서, 다양한 주파수의 전파가 섞여 있는 실제 공간(시간 공간)에서 원하는 주파수만 선택하기 위해 푸리에 변환을 통해 주파수 축으로 펼쳐 신호를 분석하고 선택한다. 
심전도 검사에서도 실제 심박 성분과 잡음이 섞여 있는 신호를 푸리에 변환하여 주파수별로 분리한 후, 필터를 이용해 잡음을 제거하고 다시 역변환하여 깨끗한 심박동 신호를 얻는다. 
이미지나 패턴에도 공간 주파수라는 개념이 존재한다. 
패턴이 넓고 대비가 드문드문 변하면 낮은 주파수, 매우 촘촘하고 대비가 빠르게 변하면 높은 주파수라고 한다. 
반도체 패턴에서 굵은 패턴은 저주파 정보, 촘촘하고 미세한 금속선은 고주파 정보에 해당한다. 
칩의 미세 구조일수록 더 높은 공간 주파수에 해당한다. 
회절 패턴은 푸리에 변환의 결과와 정확히 일치한다. 
마스크의 구멍을 통과한 빛의 패턴 강도는 렉트 함수와 닮아 있으며, 실제 회절이 일어나면 스크린에 보이는 회절 패턴은 렉트 함수를 푸리에 변환하여 얻어지는 싱크 함수의 제곱과 일치한다. 
즉, 회절 패턴은 공간 주파수 정보가 빛의 패턴 분포로 나타나는 것이다. 
마스크 패턴이 일으키는 회절강의 분포는 수학적으로 푸리에 변환의 결과와 정확히 대응된다. 
중심의 영차 회절강은 저주파 정보를 의미하며, 중심에서 멀어질수록 더 높은 공간 주파수, 즉 더 미세한 패턴의 회절 패턴을 의미한다. 
회절 패턴은 단순히 빛이 퍼지는 현상이 아니라, 패턴 속의 공간 주파수 정보를 시각적으로 보여주는 지도와 같다. 
이 회절 패턴을 다시 복원하면(푸리에 역변환), 원하는 패턴의 이미지를 얻을 수 있다. 


2. 리소그래피의 해상도와 초점 심도 결정 요인 
 
푸리에 광학의 이해를 바탕으로, 리소그래피의 핵심 성능 지표인 해상도와 초점 심도(DOF)가 어떻게 결정되는지 살펴본다.

 2.1. 해상도와 초점 심도(DOF)의 결정 요인 
해상도는 얼마나 미세한 패턴을 선명하게 구현할 수 있는지를 나타내는 지표이다. 
이는 회절 현상과 밀접한 관련이 있으며, 특히 고차 회절강에 담긴 미세 패턴 정보를 얼마나 잘 수집하느냐에 따라 결정된다. 
NA(개구수)는 렌즈가 수집할 수 있는 빛의 각도 범위를 나타내며, NA가 클수록 더 많은 고차 회절강을 수집할 수 있다. 
더 많은 고차 회절강을 수집하면 마스크의 디테일한 정보까지 복원하여 미세하고 선명한 회로 이미지를 웨이퍼 위에 구현할 수 있다. 
해상도는 빛의 파장(λ)에 비례하고, NA에 비례한다. 즉, 파장이 짧고 NA가 클수록 해상도가 좋아진다. 
초점 심도(DOF)는 이미지가 선명하게 보이는 초점 범위의 깊이를 의미한다. 
DOF는 파장(λ)에 비례하고, NA의 제곱에 반비례한다. 즉, 파장이 길고 NA가 작을수록 DOF가 깊어진다. 
해상도와 초점 심도(DOF)는 서로 상반된 관계를 가진다. 
해상도를 높이기 위해 파장을 짧게 하거나 NA를 크게 하면 DOF가 얕아져 초점 맞추기가 어려워진다. 
반대로 DOF를 깊게 하기 위해 NA를 작게 하면 해상도가 낮아져 미세 패턴 구현이 어려워진다. 
푸리에 광학은 이러한 회절 현상과 렌즈의 특성을 이해함으로써 리소그래피의 해상도와 초점 심도 한계를 물리적으로 설명하는 이론적 기반을 제공한다.