用于全方位实时检测光刻特性的系统和方法

技术领域

本公开总体涉及用于全方位实时检测光刻特性的系统和方法。

背景技术

持续需求增加电子设备的计算能力，包括智能电话、平板电脑、台式计算机、膝上型计算机、以及许多其他种类的电子设备。集成电路为这些电子设备提供计算能力。提高集成电路的计算能力的一种方法是增加半导体衬底的给定面积可以包括的晶体管和其他集成电路特征的数量。

集成电路中的特征部分地借助光刻来产生。传统的光刻技术包括生成掩膜，勾勒出要在集成电路管芯上形成的特征的图案。光刻光源通过掩模照射集成电路管芯。可以通过集成电路管芯的光刻产生的特征的尺寸在下端部分地受到光刻光源产生的光波长的限制。较小光波长可以产生较小特征尺寸。

由于极紫外(EUV)光的相对较短波长，EUV光被用于产生特别小的特征。例如，EUV光通常通过用激光束照射选定材料的液滴来产生。来自激光束的能量使液滴进入等离子体状态。在等离子体状态下，液滴发射EUV光。EUV光射向具有椭圆或抛物线表面的收集器。收集器将EUV光反射到扫描仪。扫描仪通过掩模版用EUV光照射目标。然而，如果液滴未被适当地形成和照射，则可能没有足够的EUV光来执行EUV工艺。因此，光刻工艺可能失败并且所得的集成电路将无法正常工作。

发明内容

根据本公开的一个实施例，提供了一种操作极紫外光刻系统的方法，包括：通过在极紫外光生成室中生成极紫外光来执行光刻工艺；利用耦合到所述极紫外光生成室的多个振动传感器生成传感器信号；分析所述传感器信号；以及基于所述传感器信号来调整极紫外光生成的参数。

根据本公开的另一实施例，提供了一种操作极紫外光刻系统的方法，包括：将多个振动传感器耦合到极紫外光刻系统的收集器反射镜；通过在极紫外光生成室内用激光照射液滴来生成极紫外光；利用所述振动传感器，生成指示来自所述液滴的碎片在所述收集器反射镜上的分布的传感器信号；以及基于所述碎片的分布来调整极紫外光生成的一个或多个参数。

根据本公开的又一实施例，提供了一种极紫外光刻系统，包括：液滴生成器，被配置为将液滴输出到极紫外光生成室内；激光器，被配置为通过用激光照射所述液滴而从所述液滴生成等离子体；收集器反射镜，被配置为聚焦从所述等离子体发射的极紫外光；以及多个第一振动传感器，耦合到所述收集器反射镜。

附图说明

在结合附图阅读时，可以从下面的具体实施方式中最佳地理解本公开的各方面。注意，根据行业的标准做法，各种特征不是按比例绘制的。事实上，为了讨论的清楚起见，各种特征的尺寸可被任意增大或减小。

图1是根据一些实施例的EUV光刻系统的框图。

图2A-图2B是根据一些实施例的光刻系统的图示。

图2C是根据一些实施例的图2A和图2B的收集器的仰视图。

图2D是根据一些实施例的图2A和图2B的收集器的仰视图。

图3是根据一些实施例的用于操作EUV光刻系统的过程的流程图。

图4A是根据一些实施例的液滴碎片撞击EUV光生成系统的收集器的图示。

图4B是示出根据一些实施例的由一个或多个振动传感器提供的传感器信号的曲线图。

图5是示出根据一些实施例的耦合到信号处理器的振动传感器的框图。

图6包括根据一些实施例的来自一个或多个振动传感器的传感器信号的多个曲线图。

图7是根据一些实施例的频域中的传感器信号强度的曲线图。

图8是根据一些实施例的收集器的图示。

图9是根据一些实施例的收集器的图示。

图10A示出了根据一些实施例的用于构建等离子体演化的二维表示的过程。

图10B示出了根据一些实施例的用于构建等离子体演化的二维表示的过程。

图10C示出了根据一些实施例的用于构建等离子体演化的二维表示的过程。

图11示出了根据一些实施例的用于生成3D全息和时间分辨等离子体模型的过程。

图12A-图12H是根据一些实施例的3D等离子体模型和相应的平坦化和等离子体化脉冲的图示。

图12I示出了根据一些实施例的EUV光生成室和受等离子体化脉冲撞击的液滴的3D模型。

图12J示出了根据一些实施例的EUV光生成室和受等离子体化脉冲撞击的液滴的3D模型。

图12K示出了根据一些实施例的与从液滴生成EUV光相关联的3D等离子体模型。

图12L示出了根据一些实施例的与从液滴生成EUV光相关联的3D等离子体模型。

图13是示出根据一些实施例的平坦化脉冲和等离子体化脉冲的分离距离相对于平坦化脉冲的能量的曲线图。

图14是根据一些实施例的用于操作EUV光生成系统的方法的流程图。

图15是根据一些实施例的控制系统的框图。

图16是根据一些实施例的用于操作EUV光刻系统的方法的流程图。

图17是根据一些实施例的用于操作EUV光刻系统的方法的流程图。

具体实施方式

以下公开提供了用于实现所提供主题的不同特征的许多不同的实施例或示例。下文描述了组件和布置的具体示例以简化本公开。当然，这些仅是示例而不意图是限制性的。例如，在下面的说明中，在第二特征上或之上形成第一特征可以包括以直接接触的方式形成第一特征和第二特征的实施例，并且还可以包括可在第一特征和第二特征之间形成附加特征，使得第一特征和第二特征可以不直接接触的实施例。此外，本公开在各个示例中可重复参考标号和/或字母。这种重复是为了简单性和清楚性的目的，并且其本身不指示所讨论的各个实施例和/或配置之间的关系。

此外，本文中可以使用空间相关术语(例如，“之下”、“下方”、“下”、“上方”、“上”等)，以易于描述图中所示的一个要素或特征相对于另外(一个或多个)要素或(一个或多个)特征的关系。这些空间相关术语意在涵盖器件在使用或工作中除了图中所示朝向之外的不同朝向。装置可能以其他方式定向(旋转90度或处于其他朝向)，并且本文中所用的空间相关描述符同样可被相应地解释。

在以下描述中，阐述了某些具体细节以提供对本公开的各种实施例的透彻理解。然而，本领域技术人员将理解，可以在没有这些具体细节的情况下实践本公开。在其他情况下，未详细描述与电子组件和制造技术相关联的众所周知的结构，以避免不必要地模糊本公开的实施例的描述。

除非上下文另有要求，否则在整个说明书和随后的权利要求中，词语“包括”及其变体，例如，“包括了”和“包括有”，应以开放式、包含性的意义来解释，亦即，如“包括但不限于”。

对诸如第一、第二和第三之类的序数的使用不一定意味着顺序的排序意义，而是可以仅对行为或结构的多个实例进行区分。

在整个说明书中对“一些实施例”或“实施例”的引用意味着结合该实施例描述的特定特征、结构或特性被包括在至少一些实施例中。因此，在本说明书各处出现的短语“在一些实施例中”或“在实施例中”不一定都指代同一实施例。此外，特定特征、结构或特性在一个或多个实施例中可以以任何合适的方式组合。

如在本说明书和所附权利要求中使用的，除非内容另有明确规定，否则单数形式“一”、“一个”和“该”包括复数所指对象。还应注意，除非内容另有明确规定，否则术语“或”通常以其含义包括“和/或”来使用。

本公开的实施例为EUV光刻系统提供许多益处。本公开的实施例利用耦合到EUV光生成室的表面的振动传感器来确定EUV光生成和碎片分布的特性。振动传感器可以检测激光照射液滴所产生的冲击波的特性。振动传感器还可以检测EUV光生成室内的表面上分散碎片的分布。基于该信息，控制系统可以构建由激光照射液滴而生成的等离子体的模型。控制系统利用机器学习过程来确定可以进行的调整以基于等离子体模型来改善等离子体生成。然后，控制系统调整EUV系统的各个方面以改善EUV光生成。结果是光刻工艺被适当地执行，产生晶圆良率提高以及集成电路的更好性能。此外，收集器反射镜将不需要进行大量的清洁程序或更换。

图1是根据一些实施例的EUV光刻系统100的框图。EUV光刻系统100的组件协作以生成EUV光并执行光刻工艺。如下文将更详细地阐述的，光刻系统的组件利用振动传感器和机器学习技术来改进EUV光的生成。如本文所用，术语“EUV光”和“EUV辐射”可互换使用。

EUV光刻系统100包括液滴生成器102、EUV光生成室104、液滴接收器106、扫描仪108、激光器112和收集器114。液滴生成器102将液滴输出到EUV光生成室104中。激光器112在EUV光生成室104内用激光脉冲照射液滴。被照射的液滴发射EUV光。EUV光被收集器114收集并反射向扫描仪108。扫描仪108调节EUV光并将EUV光聚焦到目标110上。目标110可以包括半导体晶圆。在被激光器112照射之后，液滴离开EUV光生成室104并被液滴接收器106接收。关于这些组件和过程中的每一个的进一步细节在下面提供。

液滴生成器102生成并输出液滴流。液滴可以包括锡，但可以使用其他材料的液滴而不脱离本公开的范围。液滴以高速朝向液滴接收器106移动。液滴具有60m/s至200m/s之间的平均速度。液滴的直径在10μm和200μm之间。生成器可每秒输出1000至100000个液滴。液滴生成器102可以生成具有与上述不同的初始速度和直径的液滴而不脱离本公开的范围。

在一些实施例中，EUV光生成器102是激光生成等离子体(LPP)EUV光生成系统。当液滴穿过液滴生成器102和液滴接收器106之间的EUV光生成室104时，液滴被激光器112照射。当液滴被激光器112照射时，来自激光器112的能量使得液滴形成等离子体。经等离子体化的液滴生成EUV光。该EUV光由收集器114收集并传递到扫描仪108，然后到达目标110。

在一些实施例中，激光器112位于EUV光生成室104外部。在操作期间，激光器112将激光脉冲输出到EUV光生成室104中。激光脉冲被聚焦在一个点上，液滴在从液滴生成器102到液滴接收器106的途中通过该点。每个激光脉冲被液滴接收。当液滴接收激光脉冲时，激光脉冲的能量从液滴生成高能等离子体。高能等离子体输出EUV光。

在一些实施例中，激光器112用两个脉冲照射液滴。第一脉冲使液滴平坦化成圆盘状形状。第二脉冲使液滴形成高温等离子体。第二脉冲比第一脉冲显著更强。激光器112和液滴生成器102被校准以使得激光器发射脉冲对，从而用脉冲对照射液滴。激光器可以以不同于上述的方式来照射液滴而不脱离本公开的范围。例如，激光器112可以用单个脉冲或多于两个的脉冲来照射每个液滴。在一些实施例中，存在两个单独的激光器。第一激光器递送平坦化脉冲。第二激光器递送等离子体化脉冲。

在一些实施例中，由液滴输出的光在许多方向上随机散射。光刻系统100利用收集器114收集来自等离子体的散射EUV光并将EUV光输出到扫描仪108。

扫描仪108包括扫描仪光学器件109。扫描仪光学器件109包括一系列光学调节装置以将EUV光引导至掩模版。扫描仪光学器件109可以包括折射光学器件，例如，透镜或具有多个透镜(波带片)的透镜系统。扫描仪光学器件109可以包括反射光学器件，例如，单个反射镜或具有多个反射镜的反射镜系统。扫描仪光学器件109将来自EUV光生成器102的紫外光引导至掩模版。

紫外光从掩模版反射回扫描仪光学器件109的其他光学特征。在一些实施例中，扫描仪光学器件109包括投影光学盒。投影光学盒可具有折射光学器件、反射光学器件、或折射光学器件和反射光学器件的组合。投影光学盒可具有小于1的放大率，从而减少从掩模版反射的EUV光所包括的图案化图像。投影光学盒将EUV光引导到目标110上，例如，半导体晶圆。

EUV光包括来自掩模版的图案。具体地，掩模版包括将在目标110中限定的图案。在EUV光从掩模版反射之后，EUV光包含掩模版的图案。在极紫外光刻照射期间，一层光致抗蚀剂通常覆盖目标。光致抗蚀剂有助于根据掩模版的图案来图案化半导体晶圆的表面。

利用掩模版执行的光刻工艺的有效性很大程度上取决于EUV光生成室104中的EUV光生成的质量。EUV光生成室104内生成的EUV光的质量受EUV光生成系统100的组件的各种参数或特性影响。这些特性中的一些与液滴的特性、激光脉冲的特性、以及EUV光生成室104的内表面的特性有关。如前所述，EUV光如下从液滴生成：首先用平坦化激光脉冲照射液滴，然后通过用等离子体化激光脉冲照射液滴来从平坦化液滴生成等离子体。当液滴处于等离子体状态时，液滴发射EUV光。光散射被收集器114收集并被收集器114反射到扫描仪108。

从每个液滴生成非常大量的EUV光是有益的。EUV光围绕与等离子体化激光脉冲相对应的轴以径向对称的方式从液滴散射也是有益的。收集器114的表面没有碎片以使得收集器114的反射率较高也是有益的。等离子体生成室104的其他内表面没有碎片也是有益的。

可能严重影响EUV光生成的一个特性是平坦化脉冲对液滴的有效性。来自激光器112的平坦化脉冲使液滴平坦化成盘状或薄饼形状。期望平坦化液滴的底表面在X-Y平面中几乎是水平的，或几乎垂直于激光脉冲的行进方向。如果平坦化脉冲集中在液滴的底部半球形表面的中心，则最有可能发生这种情况。如果平坦化脉冲偏离中心击打液滴，则液滴的底部平坦化表面将相对于水平面倾斜不期望的量。如下文将更详细地阐述的，这导致不合需要的EUV光生成质量。平坦化脉冲是否具有期望效果部分地取决于液滴的速度、液滴的大小、平坦化脉冲的时序、以及平坦化脉冲的能量。

可能严重影响EUV光生成的另一特性是等离子体化脉冲的有效性。期望等离子体化脉冲集中于平坦化液滴的底表面的中心，并且底表面几乎位于水平面中。如果等离子体化脉冲偏离中心击打液滴，则液滴可能未完全等离子体化。此外，碎片可能以各个方向从液滴喷射，污染收集器114的表面以及EUV光生成室104的其他内表面。未完全等离子体化的液滴可能生成减少量的EUV光。EUV光还可能以不期望的轮廓散射。等离子体化脉冲是否完全且有效地将液滴等离子体化部分地取决于液滴的速度、液滴的大小、等离子体化脉冲的时序、以及等离子体化脉冲的能量。

EUV光刻系统100利用振动传感器118和控制系统116来确定当前EUV光生成质量并调整EUV光生成参数，以改善EUV光生成。如下文将更详细地阐述的，振动传感器118检测收集器114、以及EUV辐射生成室104的其他表面的振动。振动传感器118生成指示振动的传感器信号并将传感器信号传递给控制系统116。控制系统116分析传感器信号并生成指示对EUV光生成参数的调整的EUV调整数据，以改善EUV光生成。

大量的振动传感器118可以分布在EUV光生成室104的外表面上。在许多情况下，收集器114的外表面是EUV光生成室104的外表面的一部分。因此，多个振动传感器118可以分布在收集器114的外表面上。

每个振动传感器118感测振动传感器118附近的EUV光生成室104的表面的振动。振动可由来自液滴的碎片撞击EUV光生成室104的内表面而产生，其是等离子体化脉冲或平坦化脉冲撞击液滴的结果。这些撞击将大量能量传递给液滴并从液滴喷射碎片。可以基于传感器信号和激光脉冲的已知时序来计算碎片的飞行时间。振动传感器118还可以检测响应于激光脉冲的辐射而从液滴发射的冲击波。冲击波将具有基于液滴取向(例如，平坦化液滴的表面的取向)的特定方向性。振动传感器信号从振动传感器118传递到控制系统116。

控制系统116分析传感器信号。基于传感器信号，控制系统116可以确定液滴碎片的飞行时间。控制系统116还可以确定EUV光生成室104的内表面上的碎片分布。控制系统116可以利用该信息来构建经等离子体化的液滴的3D模型。

控制系统116可以利用机器学习过程来理解激光等离子体相互作用。机器学习过程可以利用大量的EUV光生成参数(例如，液滴速度、液滴大小、平坦化脉冲时序、平坦化脉冲能量、等离子体化脉冲时序、等离子体化脉冲能量、碎片分布、冲击波分布、以及其他参数)来了解这些参数如何协同工作以生成等离子体以及它们如何影响整体EUV光生成。机器学习过程可以使控制系统116能够选择良好的EUV光生成参数以提高EUV系统100的质量和稳定性。此外，控制系统可以预测EUV系统中的污染分布。这可以实现主动清洁动作以清洁收集器114的高度污染区域或EUV光生成室104的其他内表面。

平坦化液滴的表面的取向与液滴污染分布呈正相关。具体地，在面向平坦化液滴的平坦化表面的方向上出现相对大量的污染。

因此，控制系统116和振动传感器118提供实时全方位正确的等离子体条件以及液滴碎片形成和分布。利用机器学习和大数据分析，控制系统116可以有效改善EUV功率、液滴污染、以及EUV能量稳定性。控制系统116还可以利用深度学习来进行高效EUV光生成、功率衰减和剂量误差控制。下面结合图14和图15阐述关于机器学习过程的进一步细节。

图2A-图2B是根据实施例的光刻系统200的图示。光刻系统200是极紫外光刻系统，其通过激光等离子体相互作用生成极紫外辐射。等离子体可以以与关于图1所以描述的基本类似的方式生成。图2A示出了没有极紫外辐射的光刻系统200。图2B示出了具有极紫外辐射的光刻系统200。

参考图2A，光刻系统200包括等离子体生成室104、激光器112、收集器114、液滴生成器102和液滴接收器106。EUV光生成室104由收集器114和耦合到收集器114的外壳124限定。光刻系统200的组件一起协作以生成极紫外辐射并利用极紫外辐射执行光刻工艺。

收集器114形成EUV光生成室104的底部。锥体外壳124耦合到收集器114并形成EUV光生成室104的顶部。收集器114包括内表面131和外表面133。锥体外壳124包括内表面135和外表面137。

多个振动传感器耦合到EUV光生成室104。具体地，振动传感器118分布在收集器114的外表面133上。振动传感器118还分布在外壳124的外表面137上。振动传感器118足够灵敏以感测收集器114和外壳124的内表面131和135处由于碎片和冲击波而引起的振动，如下文将更详细描述的。

液滴生成器102生成并输出液滴128。液滴可以包括锡，但可以利用其他材料的液滴而不脱离本公开的范围。液滴128以高速朝向液滴接收器106移动。

液滴生成器102周期性地发射液滴128。图2B的视图示出了三个液滴128。液滴之一位于EUV光生成室104内的激光照射点位置。

在通过激光照射点之后，聚结的液滴128被液滴接收器106接收。液滴接收器106可以包括液滴储存器。液滴128进入液滴接收器106，撞击液滴接收器106的后壁，并落入液滴储存器。可以采用液滴接收器106的其他配置而不脱离本公开的范围。

激光器112位于收集器114后面。在操作期间，激光器112输出激光脉冲130。激光脉冲130聚焦在一个点上，液滴在从液滴生成器102到液滴接收器106的途中经过该点。每个激光脉冲130在激光照射点被液滴128接收。当液滴128接收激光脉冲130时，来自激光脉冲的能量从液滴128生成高能等离子体。高能等离子体输出极紫外辐射。

在一些实施例中，激光器112是二氧化碳(CO

在一些实施例中，激光器112用两个脉冲照射每个液滴128。第一脉冲使液滴128平坦化成圆盘状形状。第一脉冲可被称为“平坦化脉冲”。第二脉冲可被称为“等离子体化脉冲”。第二脉冲使液滴128形成高温等离子体。第二脉冲比第一脉冲显著更强。激光器112和液滴生成器102被校准以使得激光器112发射脉冲对，从而用脉冲对照射每个液滴128。

在图2A的示例中，激光照射点处的液滴128已经被平坦化脉冲照射。被照射的液滴128被平坦化成大致圆盘形状。在图2A的视图中，平坦化液滴相对于水平方向倾斜。

虽然图2A示出了单个激光器112，但实际上可以存在两个激光器。第一激光器可发射平坦化脉冲。第二激光器可发射等离子体化脉冲。

激光器112可以以不同于上述的方式照射液滴128而不脱离本公开的范围。例如，激光器112可以用单个脉冲或多于两个的脉冲来照射每个液滴128。此外，这里的初级激光器不仅可以使液滴形成为盘状形状，还可以使液滴形成为雾状或汽态。

图2B示出了从接收激光脉冲130的液滴128发射的EUV光132。当液滴128转化为等离子体时，液滴128输出EUV光132。在液滴128是锡的示例中，液滴128输出波长集中在10nm和15nm之间的EUV光132。更具体地，在一些实施例中，锡等离子体发射具有13.5nm的中心波长的EUV光。可以将除锡之外的材料用于液滴128而不脱离本公开的范围。此类其他材料可以生成具有与上述波长不同的波长的极紫外辐射而不脱离本公开的范围。

在一些实施例中，由液滴128输出的EUV光132在许多方向上散射。光刻系统100利用收集器114来收集来自等离子体的散射的EUV光132，并将EUV光132输出到光刻目标。

在一些实施例中，收集器114是抛物面反射镜或椭圆反射镜。散射的EUV光132被具有朝向扫描仪的轨线的抛物面反射镜或椭圆反射镜(图2A和图2B中未示出)收集和反射。扫描仪利用一系列光学调节装置(例如，反射镜和透镜)将极紫外辐射引导至光刻掩模。EUV光132从掩模反射到光刻目标上。从掩模反射的EUV光132图案化半导体晶圆上的光致抗蚀剂或其他材料。出于本公开的目的，未示出掩模的细节以及扫描仪中的光学设备的各种配置。

在一些实施例中，收集器114包括中心孔129。激光脉冲130从激光器112穿过中心孔129朝向液滴流128。这使得收集器114能够定位在激光器112和扫描仪之间。

当等离子体化激光脉冲照射平坦化液滴128时，平坦化液滴128将变成等离子体。等离子体化脉冲的能量还使得来自等离子体化液滴128的粒子从平坦化液滴散射。来自等离子体化液滴128的一些粒子将落在收集器反射镜114的内表面131上。来自等离子体化液滴128的一些粒子将落在锥体外壳124的内表面135上。这些液滴粒子是污染收集器反射镜114和锥体外壳124的碎片。这些碎片的累积可显著降低收集器114的内表面131的反射率。

可能需要很大努力来从收集器114的内表面131以及锥体外壳124的内表面135清除碎片。一种解决方案是彻底清洁内表面131和135的所有区域。然而，这可能非常耗时且昂贵。

如前所述，来自液滴128的碎片的散射图案是基于并指示平坦化液滴的形状和取向、以及液滴128的等离子体化脉冲和等离子体轮廓而构建的。因此，来自液滴128的碎片将在内表面131和135上以一种图案累积。一些区域可能没有碎片，而其他区域有大量碎片。

振动传感器118检测表面131和135上的碎片累积的位置。当碎片撞击表面131或135上的区域时，收集器114或外壳124将在该位置处振动。外表面133或137上的相应位置处的振动传感器118将感测振动并生成指示该振动的传感器信号。传感器信号被传递到控制系统116。

基于从振动传感器118接收到的传感器信号，控制系统116可以确定内表面131和135上累积碎片的位置。控制系统116可以将清洁操作引导至那些特定位置以去除碎片。清洁操作可以包括将清洁液流到累积碎片的那些位置。清洁液可以包括氢、或其他可以帮助分解并去除碎片的清洁液。清洁液可通过收集器114的边缘处的通道、孔、或通风口提供。这些通道、孔、或通风口可选择性地打开。可以使用其他清洁碎片的方式而不脱离本公开的范围。

如前所述，内表面131和135上的碎片的散射图案指示平坦化液滴的形状和取向，以及接收等离子体化脉冲之后的液滴128的等离子体轮廓。例如，如果等离子体化脉冲集中在前边缘或后边缘而不是平坦化表面的中心，则仅液滴128的一些部分可变为等离子体化的，产生大量碎片。因此，来自液滴128的碎片的散射图案指示液滴128的被等离子体化的部分。散射图案还可以指示被等离子体化脉冲照射之前的平坦化液滴128的形状和取向。

控制系统116可以基于从振动传感器118接收到的传感器信号生成等离子体化液滴的3D模型。该3D模型可以指示平坦化脉冲和等离子体化脉冲如何与液滴相互作用。控制系统116可以利用机器学习模型来连接等离子体化脉冲和平坦化脉冲的特性与液滴128的特性之间的关系。控制系统116然后可以确定可以进行的调整以改善等离子体化和EUV光生成。

图2C是根据一些实施例的图2A和图2B的收集器114的仰视图。图2C示出了收集器114的外表面133上的振动传感器118的分布。如从图2C可以看出的，振动传感器118分布在收集器114的外表面133上的许多位置处。在一些实施例中，振动传感器118可以更密集地分布在孔129附近的位置处，而较不密集地分布在收集器114的外边缘附件的位置处。可期望在可以接收更多碎片的位置处更密集地分布振动传感器118。

图2D是根据一些实施例的图2A和图2B的收集器114的仰视图。图2D示出了收集器114的外表面133上的振动传感器118的分布。收集器114可以由单独的反射镜单元140形成。如从图2D可以看出的，振动传感器118以网格图案分布在收集器114的外表面133上。相应的振动传感器118可以放置在每个反射镜单元140处。

在一些实施例中，反射镜单元140由收缩接头142限定或界定。收缩接头142可对应于清洗液或清洁液可以流到相邻反射镜单元140上的位置。清洗液可以选择性地流到已累积污染碎片的那些反射镜单元140上。收缩接头同样可以用于将清洗液或清洁液流到基于平坦化脉冲和等离子体化脉冲以及液滴的已知特性而预期累积碎片的反射镜单元140上。可以利用各种方案在收集器114的底表面133上分布振动传感器而不脱离本公开的范围。

图3是根据一些实施例的用于操作EUV光刻系统的过程的流程图。方法300可以利用先前关于图1-图2D所描述的过程、结构和组件。在302，方法300包括用激光脉冲照射液滴。液滴的一个示例是图2A和图2B的液滴128。激光脉冲的一个示例是图2A和图2B所示的激光脉冲130。在304，液滴碎片从液滴散射。在306，方法300包括用振动传感器感测碎片撞击。振动传感器的一个示例是图2A的振动传感器118。在308，方法300包括对由振动传感器生成的传感器信号执行信号处理。在310，方法300包括基于传感器信号确定液滴128的等离子体演化的特性。在312，方法300包括基于传感器信号生成3D等离子体模型和时间分辨等离子体模型。在314，方法300包括识别参数调整以改善等离子体生成。在316，方法300包括调整等离子体生成参数。在随后的图中提供了关于这些步骤中的每一个的进一步细节。

图4A是根据一些实施例的液滴碎片撞击EUV光生成系统的收集器114的图示。收集器114可以包括关于图1-图2D描述的特性。图4A示出了图3的方法300的步骤304的一个示例，但图4可以应用于其他方法和过程而不脱离本公开的范围。

在图4A中，液滴128(未示出)已经接收等离子体化激光脉冲。从液滴128生成等离子体。液滴粒子146和自由电子148从等离子体化液滴128喷射。如前所述，喷射或散射图案可以指示等离子体的特性以及用于生成等离子体的系统参数。液滴粒子146和自由电子148向收集器114的内表面131行进。液滴粒子146和自由电子148撞击收集器114的内表面131。内表面131上的污染碎片150图示了液滴粒子146在收集器114的内表面131上的特定位置处的累积。

液滴粒子146和自由电子148的撞击导致振动149穿过收集器114从内表面131传播到外表面133。耦合到外表面133的振动传感器118感测振动149。振动传感器118生成指示振动的传感器信号。撞击部位正下方的振动传感器118将感知比任一侧的振动传感器118更强的振动。来自这些振动传感器118的传感器信号将指示每个振动传感器118离撞击部位有多近。因此，传感器信号指示污染碎片150的撞击部位的位置。

由各个振动传感器118生成的传感器信号可以指示液滴粒子146和自由电子148的飞行时间。液滴照射部位和每个振动传感器118之间的距离是已知的。振动通过收集器114的传播速度也是已知的。因此，来自振动传感器118的传感器信号将各自在稍微不同的时间感测来自碎片粒子146的撞击振动。传感器信号的时序与等离子体化脉冲的已知时序一起指示液滴粒子146在撞击之前的飞行时间。飞行时间指示液滴粒子146的速度。液滴粒子146的速度指示液滴粒子146的能量。液滴粒子146的能量进而指示从液滴生成的等离子体的特性。

图4A的视图的横截面性质示出了收集器114上包括帽盖层152。帽盖层152可以包括耐热且透光材料。这使EUV光能够穿过帽盖层152，使得EUV光可以被帽盖层152下方的其他层反射。收集器114还可以包括多层结构154。多层结构154可以包括交替的硅层和钼层。替代地，多层结构154可包括其他类型的层。多层结构154可以包括既透射光又反射光的层。收集器114还可以包括位于多层结构154下方的衬底156。衬底156可以包括相对厚的硅层或另一合适的材料。衬底156可以包括高反射材料以确保穿过帽盖层152的所有EUV光将被反射向扫描仪108(参见图1)。衬底154的底部对应于收集器114的外表面133。收集器114可以具有其他结构和材料而不脱离本公开的范围。

在液滴128是锡的一些实施例中，液滴粒子146对应于带正电的锡粒子。带正电的锡颗粒可包括电离锡原子或电离锡原子组。液滴粒子146可包括基于液滴128的材料的其他材料。

图4B是示出根据一些实施例的由一个或多个振动传感器118提供的传感器信号的曲线图400。振动传感器118响应于接收来自碎片撞击的振动而生成电压。每个振动传感器118可以记录与碎片撞击相关联的飞行时间和振幅信息。传感器信号可以具有其他形式或特性而不脱离本公开的范围。图4B所示的传感器信号可以对应于来自多个振动传感器118中的每一个的传感器信号的叠加。

图5是示出根据一些实施例的耦合到信号处理器158的振动传感器118的框图。信号处理器158可以是控制系统116(参见图1-图2B)的一部分。替代地，信号处理器158可以与控制系统116分开。图5及图5的描述可具体地与图3的方法300的步骤308相关，但图5及图5的描述可与其他系统、方法和过程相关，而不脱离本公开内容的范围。

振动传感器118耦合到信号处理器158。具体地，振动传感器118向信号处理器158提供传感器信号。信号处理器158接收传感器信号并对传感器信号执行简单的信号处理和分析。信号处理器158基于信号分析和处理生成输出数据160。输出数据160可对应于传感器数据。

信号处理器158可以初始地接收基于电压的传感器信号，例如，图4B中所示的那些。信号处理器158然后可以对传感器信号执行信号处理技术。信号处理器158可以从传感器信号中滤除背景噪声。信号处理器可以执行传感器信号的频率分布分析。信号处理器158可以对传感器信号执行幅度分析。信号处理器158可以执行相位偏差分析。信号处理器158可以对传感器信号执行速度分析。信号处理器158可以对传感器信号执行叠加分析，例如，通过叠加来自两个或更多个振动传感器的传感器信号并然后对叠加传感器信号执行信号分析。信号处理器158可以对传感器信号执行去卷积分析。信号处理器158输出输出数据160。输出数据160可以包括以上关于传感器信号描述的各种类型的分析数据。分析数据160可以包括其他类型的分析数据而不脱离本公开的范围。

在一些实施例中，信号处理器158或控制系统116的另一部分可接收并保留环境信息。环境信息可称为EUV光生成参数数据，或可以是EUV光生成参数数据的子集。环境信息可以包括与液滴128、收集器114和外壳124的材料相关的信息。材料信息可以包括元素组成、质量、密度、厚度、声速、自然共振频率、熔点、沸点、电子构型、同素异形体、电离能、范德华(van der Waals)半径、晶体结构、杨氏模量(Young’s modulus)、剪切模量、体积模量、以及与液滴128中的构成收集器114、外壳124的各种材料相关的其他信息。

环境信息可以包括与激光器112相关的信息。激光器信息可以包括脉冲持续时间、脉冲到脉冲位置分离、脉冲到脉冲延迟时间、光束稳定性、光束能量、光束相位、光束轮廓、光束焦散、EUV能量、波前信息、以及与激光器112相关联的其他信息。该信息可以包括与平坦化脉冲相关联的激光器到液滴位置、以及与平坦化液滴128相关联的激光器到平坦化液滴位置。一些激光信息可以基于其他参数通过机器学习过程来确定，如将在下面更详细地阐述的。

环境信息可以包括与液滴128相关的信息。该信息可以包括液滴速度、液滴大小、液滴频率、液滴温度、液滴材料、以及与液滴128相关的其他信息。

环境信息可以包括热信息。热信息可以包括EUV光生成室104内的温度、与EUV光生成室104相关联的加热器的温度、收集器表面温度、空气温度、流入口温度、衬底温度、熔化热、汽化热、摩尔热容、热导率、热膨胀等。虽然未在图中示出，但EUV光生成室114可以包括各种流入口、导向器叶片、质量流量控制器、以及用于选择性地将流体流入EUV光生成室104的其他机构。

环境信息可以包括流量信息。流量信息可以包括中心锥体流量信息、伞锥体流量信息、周边流量信息、骤发流量信息、它们流量信息、质量流量控制限制信息、质量流量控制分辨率、回流压、或与流体流入和流出EUV光生成室104相关的其他类型的信息。环境信息还可以包括压力信息，例如，真空压力信息、室压力、蒸汽压、或与EUV光生成室104内的压力相关的其他信息。

各种类型的环境信息可以存储在信号处理器158中或提供给信号处理器158以辅助信号处理。信号处理器158在分析或处理从振动传感器118接收的传感器信号时可以考虑各种类型的环境信息。

图6包括根据一些实施例的来自一个或多个振动传感器118的传感器信号的多个曲线图。图6的描述参考关于图1-图5描述的组件、过程和系统。曲线图600是等离子体生成过程期间来自振动传感器118的原始传感器信号。在时间t0，来自激光器112的平坦化激光脉冲撞击液滴128。在时间t1，来自激光器112的等离子体化脉冲撞击平坦化液滴128。在时间t2及其附近，发生等离子体化液滴128的等离子体演化。此外，在时间t2附近，液滴碎片150从等离子体化液滴散射。在时间t3，相互作用已经结束。如下文将更详细地阐述的，曲线图602、604和606图示了原始传感器信号的与每个事件相对应的分量。

曲线图604图示了原始传感器信号的来自振动传感器118的分量，其基于激光器112的平坦化激光脉冲撞击液滴128。在时间t0处的平坦化脉冲和平坦化脉冲的感测之间存在一些延迟。曲线图604图示了在时间t0处的平坦化脉冲撞击之后不久，振动传感器118检测到与来自平坦化脉冲的冲击波相关联的一些振动。来自平坦化脉冲的振动在信号中持续存在，直到时间t2之前。

曲线图602图示了原始传感器信号的来自振动传感器118的分量，其基于在时间t1处激光器112的等离子体化脉冲撞击液滴128。来自等离子体化脉冲的冲击波在信号602中是显著的，直到大约时间t3为止。在原始信号的分量中，来自等离子体化脉冲的冲击波的振动幅度最大。

曲线图606图示了原始传感器信号的来自振动传感器118的分量，其基于粒子碎片150撞击收集器135或外壳124的内表面131，视情况而定。一些碎片产生自平坦化脉冲的撞击。大多数碎片产生自等离子体化脉冲。曲线图602、604和606的信号可以由信号分析器658从曲线图600的原始传感器信号中提取。各种信号和信号分量可以具有不同于图6所示的其他形式，而不脱离本公开的范围。

图7是根据一些实施例的频域中的传感器信号强度的曲线图700。曲线图700表示图6的曲线图600的原始传感器信号的傅立叶变换。因此，曲线图700表示来自振动传感器118的信号的频域表示，该信号产生自激光器112撞击液滴128以及液滴碎片150撞击收集器114。曲线图700可以包括根据关于图1-图6描述的组件、系统和过程从振动传感器118的传感器信号生成的信号。信号处理器158可以对曲线图600的时域信号执行傅立叶变换以生成曲线图700的频域信号。

傅立叶变换有助于区分频率分布。频率分布可以包括真实信噪比以及可能由系统不稳定性引起的异常频率峰值702。噪声可以通过机器学习来识别和滤除。异常峰值702可用于通过与来自大型数据库的数据进行比较来诊断系统问题。异常峰值可能由环境振动、硬件组件的固有频率、或其他因素引起。因此，将来自振动传感器118的时域传感器信号转换成频域信号在如上所述的诊断系统问题中可以是非常有益的。

从长远来看，可以采集和存储时域信号和频域信号。各种时域信号和频域信号可以根据与其相关联的EUV光生成的质量来进行标记。如下文将更详细地阐述的，该数据可用于机器学习过程，其可以有助于确定根本原因并纠正异常状况以改善激光等离子体条件。

图8是根据一些实施例的收集器114的图示。图8及图8的描述可具体地与图3的方法300的步骤310相关，但关于图8所示的原理可以在其他系统、组件和过程中实现而不脱离本公开的范围。在图8的视图中，收集器114以与图2A和图2B中不同的取向示出。这样做仅用于说明目的。实际上，图8的收集器114可以具有与图2A和图2B中相同的取向。

图8示出了可有助于确定液滴128的等离子体演化特性的校准过程。图8示出了收集器114之上的已知点162。已知点162将具有坐标系中的一组特定位置坐标(x，y，z)。图8还示出了与收集器114相关联的主焦点164。如前所述，收集器114可以是具有主焦点的抛物面反射镜或椭圆反射镜。主焦点164对应于收集器114的主焦点。图8还示出了三个振动传感器118的位置。振动传感器118的位置示出在收集器114的内表面131上。然而，实际上，振动传感器位于收集器114的外表面135上的相应位置。

可以对振动传感器118和收集器114执行碰撞测试或校准过程。首先，第一已知质量从已知点162以速度V向收集器114发射。第一质量撞击收集器114的内表面131。振动波从撞击位置传播到各个振动传感器118。振动在相应时间段之后到达每个振动传感器118。

接下来，第二已知质量从主焦点164以速度V向收集器114发射。第二质量撞击收集器114的内表面131。振动波从撞击位置传播到各个振动传感器118。振动在相应时间段之后到达每个振动传感器118。

由第一质量和第二质量的撞击引起的各个振动传感器的传感器信号之间的信号差异可用于校准空间中限定位置处的振动传感器118。在一个示例中，可以通过从各种位置发射质量来构建校准矩阵或参数空间。质量可以改变，速度可以改变，释放位置可以改变，以及目标撞击位置可以改变。可以记录每次撞击的振动传感器信号。校准矩阵可以包括参数空间中的各种质量和速度。参考数据表可以包括发射目标位置的差异。

根据这些校准数据的传感器信号的特性可以用作参考数据，以对实时母系统设置的等离子体位置和主焦点之间的滑动距离进行基准测试。因此，控制系统116可以利用校准数据来确定等离子体演化的特性。

系统分辨率随着振动传感器数量的增加而提高。虽然图8示出了三个振动传感器118，但实际上，可以使用多于三个的振动传感器118，如图2A-图2D所示。

继续参考图8，可以利用另一方法来确定收集器114上的碎片的位置。在该示例中，不是从已知点162发射粒子，可以从多个未知或未记录的位置向收集器发射粒子。当碎片撞击收集器114的内表面131时，每一小块液滴碎片可被概念化为点源，碎片变成点振动源。振动波通过收集器114传播，并在基于它们与撞击位置的相应距离的不同相应时间到达各个振动传感器118。根据振动信号从撞击到达各个振动传感器118的时间差，可以推断撞击的位置。例如，振动信号到达特定振动传感器118所用的时间越短，则冲击位置越靠近该振动传感器。利用已知位置的三个或更多个振动传感器118，可以基于振动信号到达振动传感器118的不同经过时间来推导精确的撞击位置。还可以通过考虑激发平坦化脉冲和激发等离子体化脉冲之间的时间差而确定撞击位置和撞击时间，来计算空间中的等离子体位置。因为光速对于两个激光脉冲是恒定的，所以可以将激发激光脉冲之间的时间差转换为液滴128的行进距离，因为液滴128的速度是已知的。因此，可以使用该过程来确定等离子体位置。

图9是根据一些实施例的收集器114的图示。图9及相应描述可具体地与图3的方法300的步骤310相关，图9的原理可以根据其他组件、系统和过程来实施而不脱离本公开的范围。图9的收集器114可以对应于图2D的收集器114。具体地，收集器114可以由反射镜单元140制成，这些反射镜单元140通过收缩接头142彼此分开。反射镜单元140布置成网格，如图2D所示。

图9示出了已经从等离子体化液滴128喷射或散射的液滴粒子146和自由电子148。液滴粒子146对应于在收集器114的内表面131上沉积的碎片。由于存在针对每个反射镜单元140的振动传感器118，可以基于感测到的振动来确定每个碎片沉积物的位置。对于较小尺寸的反射镜单元140和相应较大数量的振动传感器118，可以提高碎片位置检测的分辨率。可以利用图9的原理来确定平坦化液滴128的底表面的取向，因为碎片散射是根据平坦化液滴128的底表面的取向发生的。

收缩接头142可用于插入流入口。流入口可以使清洁液或清洗液能够流到碎片150的位置上。流入口可被选择性地控制，使得清洗液流仅被引导至已经发生碎片堆积的那些位置。

图10A示出了根据一些实施例的用于构建等离子体演化的二维表示的过程。图10A及相应描述可具体地与图3的方法300的步骤310相关，但图10A所示的原理可以与其他组件、系统和过程结合使用而不脱离本公开的范围。

在1002处，等离子体化激光脉冲130撞击平坦化液滴128的底部。因此，平坦化液滴128已受到平坦化脉冲撞击。在图1000的示例中，等离子体化脉冲130与平坦化液滴128具有良好对准。良好对准对应于等离子体化脉冲130集中于平坦化液滴128的底表面的中心。

在1004处，耦合到收集器114的振动传感器感测来自平坦化脉冲、等离子体化脉冲、以及来自液滴128的碎片的撞击的振动。步骤1004示出了收集器114的俯视图。振动传感器118基于振动传感器感测到的振动的强度而划分为组118a、118b、118c和118d。在图10A的示例中，靠近收集器114中心的振动传感器118a最强烈地感测到振动。与振动传感器118a相比稍微远离中心的振动传感器118b感测到中等强烈的振动，但没有传感器118a那么强。与振动传感器118b相比稍微远离中心的振动传感器118c感测到弱振动。与振动传感器118c相比稍微远离中心的振动传感器118d感测到很少振动或没有振动。该图案表明碎片散射和激光脉冲冲击波集中在开口129附近。

在1006处，在收集器114的内表面131上重建振动的空间密度分布。空间密度分布基于在步骤1004中从各组振动传感器118a-d接收的传感器信号来指示收集器的表面上的振动强度分布。

在1008处，基于等离子体位置处的中性点的空间密度来重建2D等离子体演化模型170。更具体地，如步骤1006所示，基于收集器表面上的空间密度分布的重建而生成等离子体演化。等离子体演化重建指示等离子体化液滴128中的密集等离子体区域和稀疏等离子体区域。

图10B示出了根据一些实施例的用于构建等离子体演化的二维表示的过程1010。图10B的过程1010与图10A的过程1000相同。仅有的区别是在图10B中，等离子体化激光脉冲130与平坦化液滴128的初始对准较差，而在图10A中对准较好。在图10B中使用过程和步骤的不同参考编号只是为了避免混淆。

在1012处，等离子体化激光脉冲130撞击平坦化液滴128的底部。因此，平坦化液滴128已受到平坦化脉冲撞击。在图10B的示例中，等离子体化脉冲130与平坦化液滴128的对准较差。在图10B中，等离子体化脉冲130撞击平坦化液滴128的底表面的前边缘，而不是平坦化液滴128的底表面的中心。

在1014处，耦合到收集器114的振动传感器感测来自平坦化脉冲、等离子体化脉冲、以及来自液滴128的碎片的撞击的振动。步骤1014示出了收集器114的俯视图。振动传感器118基于振动传感器感测到的振动的强度而划分为组118a、118b、118c和118d。振动传感器118a比振动传感器118b更强烈地感测到振动。振动传感器118b比振动传感器118c更强烈地感测到振动。振动传感器118c比振动传感器118d更强烈地感测到振动。图10A和图10B之间的区别在于强烈感测到振动的振动传感器118a在图10B中不像它们在图10A中那样整齐地集中在孔129周围。在图10B的示例中，靠近收集器114的中心的振动传感器118a最强烈地感测到振动。

在1016处，在收集器114的内表面131上重建振动的空间密度分布。空间密度分布基于在步骤1014中从各组振动传感器118a-d接收的传感器信号来指示收集器的表面上的振动强度分布。

在1018处，基于等离子体位置处的中性点的空间密度来重建2D等离子体演化模型170。更具体地，如步骤1016所示，基于收集器表面上的空间密度分布的重建而生成等离子体演化。等离子体演化重建指示等离子体化液滴128中的密集等离子体区域和稀疏等离子体区域。等离子体演化重建指示在时间t1、t2、t3和t4处的等离子体的形状和密度。

图10C示出了根据一些实施例的用于构建等离子体演化的二维表示的过程1020。图10B的过程1020与图10B的过程1010相同。仅有的区别在于在图10C中，收集器114包括根据图2D和图9的单独的反射镜单元140和收缩接头142。在图10C使用过程和步骤的不同参考编号只是为了避免混淆。

在1022处，等离子体化激光脉冲130撞击平坦化液滴128的底部。因此，平坦化液滴128已受到平坦化脉冲撞击。在图10C的示例中，等离子体化脉冲130与平坦化液滴128的对准较差。在图10C中，等离子体化脉冲130集中在平坦化液滴128的底表面的前边缘，而不是平坦化液滴128的底表面的中心。

在1024处，耦合到收集器114的振动传感器感测来自平坦化脉冲、等离子体化脉冲、以及来自液滴128的碎片的撞击的振动。步骤1024示出了收集器114的俯视图。振动传感器118基于振动传感器感测到的振动的强度而划分为组118a、118b、118c和118d。振动传感器118a比振动传感器118b更强烈地感测到振动。振动传感器118b比振动传感器118c更强烈地感测到振动。振动传感器118c比振动传感器118d更强烈地感测到振动。

在1026处，在收集器114的内表面131上重建振动的空间密度分布。空间密度分布基于在步骤1024中从各组振动传感器118a-d接收的传感器信号来指示收集器的表面上的振动强度分布。

在1028处，基于等离子体位置处的中性点的空间密度来重建2D等离子体演化模型170。更具体地，如步骤1026所示，基于收集器表面上的空间密度分布的重建而生成等离子体演化。等离子体演化重建指示等离子体化液滴128中的密集等离子体区域和稀疏等离子体区域。等离子体演化重建表示在时间t1、t2、t3和t4处的等离子体的形状和密度。

图11示出了根据一些实施例的用于生成3D全息和时间分辨等离子体模型的过程1100。图11及相应描述可具体地与图3的方法300的步骤312相关，但图11的原理可以根据其他过程、系统和组件来利用而不脱离本公开的范围。

在1102处，生成多个等离子体演化模型170。可以根据关于图10A-图10C描述的过程来生成每个等离子体演化模型170。可以利用关于图10A-图10C描述的原理来在不同时间段生成每个等离子体演化模型170。

在1104处，将多个等离子体演化模型170组合成3D等离子体模型172。3D等离子体模型172在包括两个空间轴和一个时间轴的意义上是3D的。两个空间轴对应于2D等离子体演化模型170的轴。生成时间轴是因为每个2D等离子体模型170代表不同的时刻。

3D等离子体模型172指示等离子体中心174、主焦点164、等离子体距主焦点164的偏移距离176、等离子体化脉冲位置178、以及等离子体边缘180。各个位置可以在欧几里得(Euclidean)坐标中给出并具有时间分量。例如，等离子体中心174可以在等离子体演化的早期的时间t1给出。等离子体边缘180可以在等离子体演化中稍后的时间t2给出。碎片位置150还可以在比时间t2晚得多的时间t3被包括在内。可以利用各种其他过程来生成3D全息和时间分辨等离子体模型而不脱离本公开的范围。

图12A-图12H是根据一些实施例的3D等离子体模型和相应的平坦化和等离子体化脉冲的图示。图12A-图12H示出了与3D等离子体模型和相关联参数相关的诊断。图12A-图12H可与图3的方法300的步骤314相关，但与图12A-图12H相关联的原理可以与其他系统、过程和组件结合使用而不脱离本公开的范围。

图12A示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12A还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。3D等离子体模型172代表良好的激光靶向和等离子体生成。平坦化脉冲130a集中于液滴128。等离子体化脉冲130b集中于撞击整个平坦化液滴128。没有平坦化液滴128突出等离子体化脉冲130b之外。此外，平坦化液滴相对于水平方向仅具有相对较小的倾斜。所有这些参数产生良好的等离子体形成、良好的EUV光生成和低碎片散射。

图12B示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12B还生成了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。3D等离子体模型172代表不良的激光靶向和等离子体生成。平坦化液滴128过大。等离子体化脉冲130b不能撞击整个平坦化液滴128。平坦化液滴128的一些部分从等离子体化脉冲130b突出。液滴128的未被等离子体化的部分在收集器114和外壳124上导致大量碎片。平坦化液滴128的未被等离子体化脉冲130b撞击的部分未被等离子体化。

图12C示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12C还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。3D等离子体模型172代表不良的激光靶向和等离子体生成。平坦化液滴128相对于水平方向倾斜非常大的角度。该角度越大，与等离子体化脉冲130b的接触面积越小。这导致大量碎片。

图12D示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12D还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。3D等离子体模型172代表不良的激光靶向和等离子体生成。等离子体化脉冲130b未集中在平坦化液滴128上。这导致较差等离子演化并且碎片和污染的量增加。

图12E示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12E还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。3D等离子体模型172代表不良的激光靶向和等离子体生成。一块碎片182已从液滴128脱落。除了增加碎片量之外，这还导致EUV光的非预期生成。

图12F示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12G还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。3D等离子体模型172代表不良的激光靶向和等离子体生成。平坦化脉冲130a未集中在液滴128上。这导致较差等离子演化并且碎片和污染的量增加。

图12G示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12G还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。3D等离子体模型172代表不良的激光靶向和等离子体生成。平坦化脉冲130a没有足够的能量来使液滴128平坦化。当等离子体化脉冲130b撞击液滴128时，液滴128未被完全等离子体化。这导致较差等离子演化并且碎片和污染的量增加。

图12H示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12H还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。3D等离子体模型172代表不良的激光靶向和等离子体生成。平坦化脉冲130a没有适当地集中在液滴128上。这导致平坦化液滴128在不期望的方向上倾斜。角度倾斜导致冲击波部分地以传入液滴128的方向前进。这将使传入液滴不稳定并且EUV光生成也将不稳定。这导致较差等离子演化并且碎片和污染的量增加。

图12I示出了EUV光生成室104和被等离子体化脉冲130b撞击的液滴128的3D模型。在图12I的示例中，平坦化液滴128过大。平坦化液滴128的一些部分突出到等离子体化脉冲130b之外。结果是从液滴128的非等离子体化部分中断的碎片146反射离开收集器114，并从EUV光生成室朝向扫描仪108(见图1)行进。如果任何碎片146撞击扫描仪108内的掩模版，则这可能是非常成问题的。如果碎片146撞击掩模版，则光刻工艺可能被破坏。此外，掩模版可能需要经历耗时且非常昂贵的清洁过程以从掩模版移除碎片146。

图12J示出了EUV光生成室104和被等离子体化脉冲130b撞击的液滴128的3D模型。在图12I的示例中，卫星182已从液滴128脱落。结果是碎片146从液滴128散射。碎片146在外壳124的内表面135上形成碎片沉积物150。这还可能导致收集器114的内表面131上的碎片沉积物150，而使收集器114退化。

图12K示出了与从液滴128生成EUV光相关联的3D等离子体模型172。图12D还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。图12K中的相应描述可具体地与图3的方法300的步骤314和316相关。3D等离子体模型172代表不良的激光靶向和等离子体生成。等离子体化脉冲130b未集中在平坦化液滴128上。这导致较差等离子演化并且碎片和污染的量增加。

在振动传感器118已经感测到振动之后，传感器数据以及与等离子体生成相关联的其他参数被传递到控制系统116的分析模型。分析模型已经用机器学习过程进行训练以识别可以调整的参数以提高等离子体生成和EUV光生成的质量。分析模型分析各种数据并生成参数调整数据，其指示推荐的参数调整以改善等离子体和EUV光生成。在图12K的示例中，参数调整数据指示应调整平坦化脉冲以增加平坦化脉冲的能量。这可以包括例如3mJ或其他值的具体能量增加。

图12L示出了在根据图12K进行推荐的参数调整之后的与从液滴128生成EUV光相关联的3D等离子体模型172。图12L还示出了用于使液滴128平坦化和等离子体化的平坦化激光脉冲130a和等离子体化激光脉冲130b。在图12L中，平坦化脉冲138集中于液滴128并具有足够的能量来使液滴128平坦化。等离子体化脉冲130b也集中于液滴128。液滴128相对于水平方向具有较低的倾斜度。结果是高质量等离子体演化和EUV光生成。

图13是示出根据一些实施例的平坦化脉冲和等离子体化脉冲的分离距离相对于平坦化脉冲的能量的曲线图1300。曲线图1300示出了上控制限1302和下控制限1304。在一些实施例中，落在上控制限1302和下控制限1304之间的分离距离和脉冲能量产生良好的激光靶向和良好的等离子体生成。曲线图1300还示出了上控制限1302和下控制限1304之间的中间的线3006。曲线图1300示出了落在上控制限1302和下控制限1304之间的多个数据点1308。曲线图1300示出了高于上控制限的单个数据点1310。数据点1310对应于将针对其生成参数调整数据以确保下一过程落在上控制限1302和下控制限1304之间的过程。

在一些实施例中，分离距离在4μm和12μm之间。在一些实施例中，平坦化脉冲的能量范围在0.00088和0.0168原子单位之间。可以利用其他间隔距离和能量而不脱离本公开的范围。

图14是根据一些实施例的用于操作EUV光生成系统的方法1400的流程图。图14可具体地与图3的方法300的步骤314和316相关，但图14的原理可以与其他过程、系统和组件一起使用而不脱离本公开的范围。

在1402处，执行大数据挖掘过程以收集与大量先前执行的EUV光生成过程相关的历史EUV光生成参数数据。历史EUV光生成参数可以包括来自振动传感器的传感器数据，与平坦化脉冲和等离子化脉冲的能量、时序和占有相关的激光脉冲参数，以及与液滴的大小、速度、温度和间距相关的液滴参数。历史EUV光生成参数可以包括环境数据，包括材料信息、热信息、流体信息、压力信息和其他环境信息，如关于图5提到的那些。历史EUV光生成参数数据还可以包括指示是否每个EUV光生成过程都令人满意的标记数据。

在1404处，基于来自步骤1402的数据挖掘过程的历史传感器数据和环境数据，用机器学习过程训练分析模型。机器学习过程训练分析模型以生成参数调整数据。参数调整数据指示将产生改善的EUV光生成的对一个或多个EUV光生成参数的调整。关于机器学习过程的进一步细节将关于图15阐述。

示例调整可以包括如果传感器数据指示不良靶向，则调整激光对准。如果传感器数据指示液滴卫星，则调整可以包括调整液滴128的速度。如果传感器数据指示平坦化液滴的不良尺寸，则调整可以包括降低平坦化脉冲能量。如果传感器数据指示平坦化液滴的不期望的倾斜角度，则调整可以包括调整激光传感器到液滴传感器的距离。如果传感器数据指示不良平坦化脉冲时序，则调整可以包括调整平坦化脉冲激发时间。如果传感器数据指示平坦化脉冲的能量不足，则调整可以包括增加平坦化脉冲功率。如果传感器数据指示低等离子体化脉冲能量，则调整可以包括调整等离子体化脉冲功率。如果传感器数据指示平坦化液滴方向，则调整可以包括调整平坦化激光脉冲的Y轴位置。如果传感器数据指示收集器或外壳上的不期望的液滴碎片，则调整可以包括调整等离子体化激光器和平坦化激光器之一或两者的Z轴位置。如果传感器数据指示收集器污染，则调整可以包括通过调整平坦化激光器的位置来调整平坦化液滴角度。可以针对传感器数据指示的这些和其他问题进行其他调整而不脱离本公开的范围。

在步骤1404中用机器学习过程训练分析模块之后，分析模块准备好改进EUV光生成系统的功能。在1406处，方法1400包括通过用平坦化脉冲和等离子体化脉冲照射液滴来生成等离子体和EUV光。在1408处，方法1400包括基于等离子体生成冲击波和碎片撞击来生成振动传感器信号。在1410处，方法1400包括通过对传感器信号执行信号分析来生成传感器数据。在1412处，方法1400包括将与当前等离子体生成过程相关的传感器数据和环境数据提供给分析模型。在1414处，分析模型分析传感器数据和环境数据。在1416处，分析模型生成参数调整数据。在1418处，控制模块基于参数调整数据调整EUV光生成参数。该过程然后返回1406，其中，用经调整的参数生成等离子体EUV光。该过程可以不断重复，直到传感器数据指示令人满意的EUV光生成为止。

图15是根据一些实施例的控制系统116的框图。图15的控制系统116是图1的控制系统116的一个示例。根据一些实施例，控制系统116被配置为控制EUV光生成系统的操作，例如，图1的EUV光生成系统100，或图2A和图2B的EUV光生成系统200。控制系统116利用机器学习来调整EUV光生成系统的参数。控制系统116可以调整EUV光生成系统的参数以维持高质量EUV光生成。

在一个实施例中，控制系统116包括分析模型190和训练模块192。训练模块192用机器学习过程训练分析模型190。机器学习过程训练分析模型190以预测未来的EUV光生成质量并选择将产生高EUV光生成质量的EUV光生成过程的参数。尽管训练模块192被示为与分析模型190分开，但实际上，训练模块192可以是分析模型190的一部分。虽然图15的描述主要针对生成EUV参数调整，但图15的原理可以用于训练分析模型190以预测收集器114或外壳124上的碎片污染，以及调整流流动参数或EUV光生成参数以减少碎片污染。

控制系统116包括或存储训练集数据194。训练集数据194包括历史EUV光生成质量数据196和历史EUV光生成参数数据198。历史EUV光生成质量数据196指示每个历史EUV光生成过程是否令人满意。历史EUV光生成参数数据198包括和与历史EUV光生成质量数据相关联的EUV光生成过程期间的过程条件或参数有关的数据。如下文将更详细地阐述的，训练模块192利用历史EUV光生成质量数据196和历史EUV光生成参数数据198来通过机器学习过程训练分析模型190。

在一个实施例中，历史EUV光生成质量数据196包括指示EUV光生成过程的质量的数据。例如，在半导体制造设施的操作期间，可能在几个月或几年的过程中处理数千或数百万个半导体晶圆。在处理晶圆时执行相应大量的EUV光生成过程。执行EUV光生成过程以生成用于EUV光刻工艺的光。历史EUV光生成质量数据196包括这些EUV光生成过程、或执行EUV光生成的选定时间段的EUV光生成质量。

在一个实施例中，历史EUV光生成参数数据196包括与历史EUV光生成质量数据196相关联的EUV光生成过程期间的各种工艺条件或参数。因此，对于历史EUV光生成质量数据196中的每个EUV光生成质量值，历史EUV光生成参数数据198可以包括在与该EUV光生成质量值相关联的时间段期间存在的工艺条件或参数。历史EUV光生成参数数据198可以包括来自振动传感器的传感器数据，以及与激光参数、液滴参数、温度参数、材料参数、流流动参数和压力参数相关的环境数据，如前所述。历史EUV光生成参数数据198可以包括上面关于图5描述的类型的环境数据。

在一个实施例中，训练集数据194将历史EUV光生成质量数据196与历史EUV光生成参数数据198链接。换言之，历史EUV光生成质量数据196中的每个EUV光生成质量值被链接到与EUV光生成过程相关联的工艺条件数据。以这种方式，历史EUV光生成质量值是用于机器学习过程的标签。如下文将更详细地阐述的，可以在机器学习过程中利用标记的训练集数据来训练分析模型190，以生成推荐的参数调整数据来改善未来的EUV光生成过程。

在一个实施例中，分析模型190包括神经网络。神经网络可以包括随机森林网络或其他类型的神经网络。将关于神经网络来描述分析模型190的训练。然而，可以使用其他类型的分析模型或算法而不脱离本公开的范围。训练模块192利用训练集数据194通过机器学习过程训练神经网络。在训练过程中，神经网络从训练集数据接收历史EUV光生成参数数据198作为输入。在训练过程中，神经网络输出预测EUV光生成质量数据。预测EUV光生成质量数据预测将由历史EUV光生成参数数据产生的EUV光生成质量。训练过程训练神经网络来生成预测EUV光生成质量数据。训练过程还训练神经网络来生成推荐的参数调整数据以提高EUV光生成质量。

在一个实施例中，神经网络包括多个神经层。各个神经层包括限定一个或多个内部函数的神经元。内部函数基于与神经网络的每个神经层的神经元相关联的权重值。在训练期间，对于每组历史EUV光生成参数数据，控制系统116将预测EUV光生成质量数据与和那些工艺条件相关联的实际历史EUV光生成质量数据进行比较。控制系统生成误差函数，其指示预测EUV光生成质量数据与历史EUV光生成质量数据的匹配程度。控制系统116然后调整神经网络的内部函数。由于神经网络基于内部函数生成预测EUV光生成质量数据，调整内部函数将使得对于同一组历史EUV光生成参数数据生成不同的预测EUV光生成质量数据。调整内部函数可使得预测EUV光生成质量数据产生更大误差函数(与历史EUV光生成质量数据196更差地匹配)或更小误差函数(与历史EUV光生成质量数据196更好地匹配)。

在调整神经网络的内部函数之后，历史EUV光生成参数数据198再次被传递到神经网络，并且分析模型190再次生成预测EUV光生成质量数据。训练模块192再次将预测EUV光生成质量数据与历史EUV光生成质量数据196进行比较。训练模块192再次调整神经网络的内部函数。该过程在监测误差函数和调整神经网络的内部函数的大量迭代中重复，直到找到使预测EUV光生成质量数据在整个训练集上与历史EUV光生成质量数据196相匹配的一组内部函数为止。

在训练过程开始时，预测EUV光生成质量数据将很可能不与历史EUV光生成质量数据196非常接近地匹配。然而，随着训练过程通过调整神经网络的内部函数而进行多次迭代，误差函数会越来越小，直到找到使预测EUV光生成质量数据与历史EUV光生成质量数据196相匹配的一组内部函数为止。识别使预测EUV光生成质量数据与历史EUV光生成质量数据196相匹配的一组内部函数对应于训练过程的完成。

在一个实施例中，分析模型190包括在编码器解码器配置中耦合在一起的两个神经网络。编码器神经网络通过上述训练过程进行训练以生成预测EUV光生成质量。解码器网络被训练以接收预测EUV光生成质量并再现产生预测EUV光生成质量的历史EUV光生成参数数据198。

解码器神经网络的训练类似于编码器神经网络的训练。解码器神经网络包括如上文关于编码器神经网络所述的多个神经层。解码器神经网络接收EUV光生成质量值作为输入，并生成历史预测EUV光生成参数作为输出。训练过程利用历史EUV光生成参数数据198作为标签。对于每个EUV光生成质量值，解码器神经网络生成预测EUV光生成参数。将预测EUV光生成参数与历史EUV光生成参数数据进行比较，并生成误差函数。解码器神经网络的内部函数在迭代中被调整，直到解码器神经网络可以生成在容错范围内与历史EUV光生成参数数据198相匹配的预测EUV光生成参数数据为止。

在一个实施例中，在分析模型190已经被训练之后，分析模型190可以用于生成将产生改善的EUV光生成的推荐工艺条件集合。例如，当前EUV光生成工艺条件或参数被提供给分析模型190的编码器神经网络。编码器神经网络基于当前EUV光生成工艺条件或参数来生成预测未来EUV光生成质量。如果预测未来EUV光生成质量低于选定的阈值，则可以向解码器神经网络提供更高EUV光生成质量值。然后解码器神经网络将生成产生该更高EUV光生成质量的一组推荐EUV光生成参数调整。控制系统116然后可以调整EUV光生成系统的各个组件的操作以实施推荐EUV光生成参数调整。

在一个实施例中，控制系统116包括处理资源202、存储器资源204和通信资源206。处理资源202可以包括一个或多个控制器或处理器。处理资源202被配置为：执行软件指令、处理数据、做出参数控制决策、执行信号处理、从存储器读取数据、将数据写入存储器、以及执行其他处理操作。处理资源202可以包括位于EUV光生成系统的地点或设施处的物理处理资源202。处理资源可以包括远离EUV光生成系统所在的地点或设施的虚拟处理资源202。处理资源202可以包括基于云的处理资源，包括经由一个或多个云计算平台访问的处理器和服务器。

在一个实施例中，存储器资源204可以包括一个或多个计算机可读存储器。存储器资源204被配置为存储与控制系统及其组件(包括但不限于分析模型190)的功能相关联的软件指令。存储器资源204可以存储与控制系统116及其组件的功能相关联的数据。该数据可以包括训练集数据194、当前工艺条件数据、以及与控制系统116或其任何组件的操作相关联的任何其他数据。存储器资源204可以包括位于EUV光生成系统的地点或设施处的物理存储器资源。存储器资源可以包括远离EUV光生成系统的站点或设施的虚拟存储器资源。存储器资源204可以包括经由一个或多个云计算平台访问的基于云的存储器资源。

在一个实施例中，通信资源可以包括使得控制系统116能够与和EUV光生成系统相关联的组件进行通信的资源。例如，通信资源206可以包括有线和无线通信资源，其使得控制系统116能够接收来自振动传感器的传感器信号并控制EUV光生成系统的设备，例如，平坦化和等离子体化激光器、液滴生成器和流流动设备。通信资源206可以使得控制系统116能够与远程系统进行通信。通信资源206可以包括一个或多个网络(例如，有线网络、无线网络、互联网或内联网)，或者可以促进经由该一个或多个网络的通信。通信资源206可以使得控制系统116的组件能够相互通信。

在一个实施例中，分析模型190通过处理资源202、存储器资源204和通信资源206来实现。控制系统116可以是具有彼此远离并远离EUV光生成系统的组件和资源以及位置的分散控制系统。

在一些实施例中，控制系统116包括关于图5描述的信号处理器158。在该示例中，振动传感器118向控制系统116提供传感器信号。信号处理器158然后对传感器信号执行信号处理并生成先前描述的传感器数据。在一些实施例中，信号处理器158可以在控制系统116的外部。

图16是根据一些实施例的用于操作EUV光刻系统的方法1600的流程图。方法1600可以利用关于图1-图15描述的系统、组件和过程。在1602处，该方法包括通过在极紫外光生成室中生成极紫外光来执行光刻工艺。极紫外光生成室的一个示例是图1的极紫外光生成室104。在1604处，该方法包括用耦合到极紫外光生成室的多个振动传感器来生成传感器信号。振动传感器的一个示例是图2A的振动传感器118。在1606处，该方法包括分析传感器信号。在1608处，该方法包括基于传感器信号调整极紫外光生成的参数。

图17是根据一些实施例的用于操作EUV光刻系统的方法1700的流程图。方法1700可以利用关于图1-图16描述的系统、组件和过程。在1702处，该方法包括将多个振动传感器耦合到极紫外光刻系统的收集器反射镜。振动传感器的一个示例是图2A的振动传感器118。收集器反射镜的一个示例是图2A的收集器反射镜114。在1704处，方法1700包括通过在极紫外光生成室内用激光照射液滴来生成极紫外光。液滴的一个示例是图2A的液滴128。极紫外光生成室的一个示例是图2A的极紫外光生成室。在1706处，该方法包括利用振动传感器生成指示来自液滴的碎片在收集器反射镜上的分布的传感器信号。在1708处，方法1700包括基于碎片的分布调整极紫外生成的一个或多个参数。

在一些实施例中，一种方法包括通过在极紫外光生成室中生成极紫外光来执行光刻工艺，并利用耦合到极紫外光生成室的多个振动传感器生成传感器信号。该方法包括分析传感器信号并基于传感器信号来调整极紫外光生成的参数。

在一些实施例中，一种方法包括将多个振动传感器耦合到极紫外光刻系统的收集器反射镜，并通过在极紫外光生成室内用激光照射液滴来生成极紫外光。该方法包括利用振动传感器生成指示来自液滴的碎片在收集器反射镜上的分布的传感器信号，并基于碎片的分布来调整极紫外生成的一个或多个参数。

在一些实施例中，一种极紫外光刻系统包括被配置为将液滴输出到极紫外光生成室内的液滴生成器，以及被配置为通过用激光照射液滴而从液滴生成等离子体的激光器。该系统包括被配置为聚焦从等离子体发射的极紫外光的收集器反射镜，以及耦合到收集器反射镜的多个第一振动传感器。

以上概述了若干实施例的特征，使得本领域技术人员可以更好地理解本公开的各方面。本领域技术人员应当理解，他们可以容易地使用本公开作为设计或修改其他工艺和结构以实现本文介绍的实施例的相同目的和/或实现本文介绍的实施例的相同优点的基础。本领域技术人员还应该认识到，这样的等同构造不脱离本公开的精神和范围，并且他们可以在不脱离本公开的精神和范围的情况下在本文中进行各种改变、替换和变更。

示例1是一种操作极紫外光刻系统的方法，包括：通过在极紫外光生成室中生成极紫外光来执行光刻工艺；利用耦合到所述极紫外光生成室的多个振动传感器生成传感器信号；分析所述传感器信号；以及基于所述传感器信号来调整极紫外光生成的参数。

示例2是示例1所述的方法，其中，生成极紫外光包括：通过在所述极紫外光生成室内从液滴生成等离子体来生成极紫外光。

示例3是示例2所述的方法，其中，所述多个振动传感器耦合到所述极紫外光生成室的收集器反射镜。

示例4是示例3所述的方法，还包括：基于所述传感器信号确定所述等离子体的特性。

示例5是示例4所述的方法，其中，生成所述等离子体包括：用激光照射所述液滴，其中，调整所述极紫外光生成的参数包括基于所述传感器信号调整所述激光的参数。

示例6是示例4所述的方法，其中，调整所述极紫外光生成的参数包括：调整所述液滴的参数。

示例7是示例4所述的方法，还包括：基于所述传感器信号检测所述收集器反射镜上的液滴碎片的分布；以及根据所述液滴碎片的分布确定所述等离子体的特性。

示例8是示例7所述的方法，其中，确定所述等离子体的特性包括：生成所述等离子体的模型。

示例9是示例7所述的方法，其中，用激光照射所述液滴包括：用第一激光脉冲照射每个液滴；以及用第二激光脉冲照射每个液滴，其中，所述传感器信号指示来自所述第一激光脉冲的冲击波以及来自所述第二激光脉冲的冲击波。

示例10是示例9所述的方法，还包括：基于来自所述第一激光脉冲的冲击波以及来自所述第二激光脉冲的冲击波来确定所述等离子体的特性。

示例11是示例3所述的方法，还包括：基于所述传感器信号生成传感器数据；将所述传感器信号传递给利用机器学习过程进行训练的分析模型；利用所述分析模型生成参数调整数据，该参数调整数据指示被调整的所述极紫外光生成的参数；以及响应所述参数调整数据来调整所述极紫外光生成的参数。

示例12是一种操作极紫外光刻系统的方法，包括：将多个振动传感器耦合到极紫外光刻系统的收集器反射镜；通过在极紫外光生成室内用激光照射液滴来生成极紫外光；利用所述振动传感器，生成指示来自所述液滴的碎片在所述收集器反射镜上的分布的传感器信号；以及基于所述碎片的分布来调整极紫外光生成的一个或多个参数。

示例13是示例12所述的方法，还包括：存储与来自多个先前执行的极紫外光生成过程的数据相对应的历史极紫外光生成数据；以及通过机器学习过程利用所述历史极紫外光生成数据来训练分析模型以生成参数调整数据，该参数调整数据用于调整极紫外光生成过程的参数。

示例14是示例13所述的方法，还包括：从所述传感器信号生成传感器数据；将所述传感器数据提供给所述分析模型；利用所述分析模型生成参数调整数据；以及根据所述参数调整数据来调整极紫外光生成参数。

示例15是示例12所述的方法，还包括：对所述传感器信号执行傅立叶变换。

示例16是一种极紫外光刻系统，包括：液滴生成器，被配置为将液滴输出到极紫外光生成室内；激光器，被配置为通过用激光照射所述液滴而从所述液滴生成等离子体；收集器反射镜，被配置为聚焦从所述等离子体发射的极紫外光；以及多个第一振动传感器，耦合到所述收集器反射镜。

示例17是示例16所述的极紫外光刻系统，还包括：外壳锥体，耦合到所述收集器反射镜，所述外壳锥体和所述收集器反射镜共同限定所述极紫外光生成室；以及多个第二振动传感器，耦合到所述外壳锥体。

示例18是示例16所述的系统，其中，所述多个第一振动传感器在所述收集器反射镜的背侧以网格排列。

示例19是示例16所述的系统，还包括：控制系统，被配置为从所述第一振动传感器接收传感器信号，分析所述传感器信号，并基于所述传感器信号来调整所述液滴生成器和所述激光器中的一个或两个的参数。

示例20是示例19所述的系统，其中，所述控制系统包括分析模型，该分析模型利用机器学习过程来进行训练并被配置为分析所述传感器信号的。