CN104183517B - 智能型弱点图形诊断方法与系统 - Google Patents

Abstract

本发明公开一种智能型弱点图形诊断方法与系统。在方法的实施例中，首先从缺陷图形库与高失败频率的缺陷图形库取得弱点图形布局，并通过晶圆缺陷检测工具取得缺陷数据，配合设计布局的取得与执行弱点缺陷图形筛选，可以取得已知或未知的弱点缺陷图形，除了更新弱点图形库外，更能在电子显微镜实际取得的晶圆影像上取得弱点图形轮廓，以利得到真实的系统性弱点图形。

Description

智能型弱点图形诊断方法与系统

技术领域

本发明涉及一种智能型弱点图形诊断方法与系统，特别是指利用软件与硬件架构实现晶圆厂在制造工艺初期即筛选与比对出弱点图形的方法与系统。

背景技术

在集成电路(integrated circuit,IC)制造工艺中，薄膜沉积(thin filmdeposition)、光罩曝光(mask exposure)、黄光微影蚀刻(photolithography etching)等为必要步骤，其中较难避免在集成电路制造工艺中因为一些随机粒子造成的缺陷与系统性的缺陷使得良率(yield)下降，而低良率则会升高晶片的成本。因此一个快速诊断出弱点缺陷的工具在半导体制造工艺上是十分重要的。

并且，当半导体制造工艺尺度愈来愈小时，传统的黄光微影蚀刻技术将面临光学上的技术限制，弱点缺陷图形(weak defect pattern)是复杂设计布局(complex designlayout)、光学邻近修正(Optical Proximity Correction)与复杂制造工艺的结果，这些弱点缺陷图形可能会造成电路设计图形的开路或短路，因此导致良率下降的，这些可能是已知的缺点图形或未知的缺点图形最好是可以在制造工艺初期(pre-manufacturing stage)筛选出来，比如在缺陷检测数据中执行弱点图形筛选。

晶圆厂的操作员可以使用如扫描式电子显微镜(scanning electronmicroscope,SEM)监看与预览，并以电子束扫描工具(e-Beam scan tool)检测与确认晶圆上所谓的致命缺陷(killer defect)图形。在晶圆制造工艺初期若没有快速又创新的方法可以辨识出致命的弱点缺陷图形的方法，晶圆厂可能因为良率不高而无法享受高产量、较长产品周期的好处。

但通常一般缺陷检测与分析工具中也难以准确在制造工艺初期寻找出上述弱点缺陷。

发明内容

本发明关于一种智能型弱点图形诊断方法与系统，特别是指利用软件与硬件架构实现晶圆厂在制造工艺初期即筛选与比对出弱点图形的方法与系统。

根据方法实施例，智能型弱点图形诊断方法可应用于一电脑系统实现的智能型弱点图形诊断系统中，方法包括于电脑系统中，自缺陷图形库与高失败频率的缺陷图形库引入弱点图形布局，以及取得经一制造工艺厂的缺陷检测工具所取得的缺陷检测数据、引入一设计布局数据，以执行弱点图形筛选与过滤，于此步骤中，比对缺陷图形库与高失败频率的缺陷图形库中记载的弱点图形与由电脑系统取得的设计布局数据，藉此得到并分类出已知弱点图形群组。

接着可执行未知弱点图形筛选与过滤，由电脑系统取得的设计布局数据作图形相似比对，找出不属于且不相似于缺陷图形库与高失败频率的缺陷图形库的弱点图形，以分类取得一未知弱点图形群组。得出已知弱点图形群组以及未知弱点图形群组的分布。

之后，从比对相似但不同的未知弱点图形群组分布，取得一待测物影像，以取得待测物上弱点图形的坐标位置与度量数据，之后执行影像处理能得到弱点图形轮廓以及各弱点图形的尺寸、范围与数量，用以判断系统性的弱点图形。

执行弱点图形筛选与过滤的步骤包括一轮廓比对，其中将引入基本比对元素与基本多边图形比对元素，以及与待测物上的图形进行比对。

在轮廓比对步骤中，可以基本比对元素或多边图形比对元素与待测物的涵盖比率作为判断基础，辅以基本比对元素或多边图形比对元素的中心线进行比对，于一可允许的宽容度下得到相似的弱点图形，透过比对元素的尺寸与彼此之间的距离、方向与连结关系确认弱点图形。

根据再一实施例，揭露一电脑系统实现的智能型弱点图形诊断系统，其中以电脑系统的处理器中执行一如上述的智能型弱点图形诊断方法。

为了能更进一步了解本发明为达成既定目的所采取的技术、方法及功效，请参阅以下有关本发明的详细说明、附图，相信本发明的目的、特征与特点，当可由此得以深入且具体的了解，然而所附附图与附件仅提供参考与说明用，并非用来对本发明加以限制者。

附图说明

图1显示本发明智能型弱点图形诊断方法的实施例流程；

图2显示本发明智能型弱点图形诊断系统的硬件架构实施例示意图；

图3以示意图表示本发明智能型弱点图形诊断系统的软件架构实施例；

图4所示流程描述本发明智能型弱点图形诊断方法中图形比对的步骤实施例；

图5A至图5F显示基本比对元素与基本多边图形比对元素的示意图；

图6A至图6D显示基本比对元素与基本多边图形比对元素中的中心线方法示意图；

图7A至图7D示意显示寻找弱点图形的方式；

图8描述本发明智能型弱点图形诊断方法中弱点图形筛选与监看的步骤实施例；

图9描述本发明智能型弱点图形诊断方法中弱点图形度量的步骤实施例；

图10描述本发明智能型弱点图形诊断方法中弱点图形辨识的步骤实施例。

其中，附图标记说明如下：

缺陷图形库11

高失败频率的缺陷图形库12

智能型弱点图形诊断系统20

弱点图形库与设定子系统201

弱点图形群组子系统202

弱点图形影像监看与取得子系统203

弱点图形轮廓比对子系统204

弱点图形轮廓度量与辨识子系统205

缺陷图形库211

高失败频率的缺陷图形库212

设计布局库213

缺陷检测数据库214

显微镜影像库215

智能型弱点图形诊断系统30

多边图形比对模块301

轮廓图形比对模块302

坐标转换模块303

弱点图形影像处理模块304

弱点图形影像度量与辨识模块305

第一宽度w1

第二宽度w2

中心线601

中心线601’

第三宽度w3

第四宽度w4

中心线602

中心线602’

基本比对元素701

弱点图形702

基本比对元素703

弱点图形704

图形轮廓705

弱点图形702’

基本多边图形比对元素706

弱点图形702”

步骤S101～S111智能型弱点图形诊断流程

步骤S401～S413图形比对的流程

步骤S801～S815弱点图形筛选与监看的流程

步骤S901～S917弱点图形度量的流程

步骤S11～S14弱点图形辨识的流程

具体实施方式

当集成电路(IC)或制造工艺设计公司(design house)提供电路设计布局(designlayout)给制造工艺厂商时，制造工艺厂商将利用各种检测工具作出模拟，目的不外乎是能在初期找到系统性的缺陷，透过修改设计、改进制造工艺而增进良率。

如果可以在制造工艺厂(如晶圆厂)制造工艺之初得到缺陷图形(defectpattern)中弱点缺陷的位置，即可以有效排除相关弱点缺陷，能有效提升制造工艺良率。本发明即提出一种智能型弱点图形诊断方法与系统，利用软件手段与硬件架构，根据扫描设计布局(design layout)所取得的缺陷影像，比对基本图形与轮廓，可以快速而有效率地筛选出弱点图形。本发明技术较佳可应用在半导体制造工艺厂，如晶圆厂，或是集成电路、制造工艺设计公司等。

图1显示本发明智能型弱点图形诊断方法的实施例流程，实施例透过以电脑系统实现的智能型弱点图形诊断系统中的软件手段与硬件架构所实现，系统中包括几个数据库，可参阅图2所示的实施例，软件模块则可参考图3所描述的实施例。

在制造工艺中难免会产生系统性的缺陷(defect)，这些缺陷比如是随机产生的粒子，这些出现在制造工艺上的缺陷(process defect)或系统性的缺陷(systematicdefect)都可能造成致命性的错误。

在以电脑系统实现的智能型弱点图形诊断方法中，开始如步骤S101，系统自缺陷图形库(11,defect pattern library)与高失败频率的缺陷图形库(12,frequent failuredefect pattern library)引入弱点图形布局(weak pattern layout)，这部分细节可参阅本案申请人于2011年12月28日申请(申请号：13/338331)，于2013年12月10日获准领证的美国专利US8,607,169所载内容。

系统也继续透过制造工艺厂(如晶圆厂)以特定缺陷检测工具所取得的缺陷检测数据(defect inspection data)，如步骤S103所述。再如步骤S105，系统将引入设计布局(design layout)数据，数据格式如OASIS、GDSII等，设计布局的数字文件至少包括了系统性的各种缺陷与弱点图形(weak pattern)，实施例即透过弱点图形筛选与过滤机制能够透过判断设计布局上的弱点位置而套用实际晶圆厂制造工艺上的半导体产品上，以利提升制造工艺良率。

在如步骤S107所述的弱点图形筛选与过滤中，包括了执行弱点图形筛选与过滤以及执行未知弱点图形筛选与过滤，特别引用了本文后续提出的图形比对与轮廓比对方法，由系统取得的设计布局数据后，比对缺陷图形库与高失败频率的缺陷图形库中记载的弱点(多边形)图形。接着利用扫描式电子显微镜(SEM)进行检视，从上述比对得到并分类出已知的弱点(多边形)图形群组，以及找出不属于且不相似于缺陷图形库与高失败频率的缺陷图形库的弱点图形，以取得已知与未知弱点图形的群组分布。在另一实施例中，若采用光学显微镜检视弱点图形，将引入一光学缺陷影像数据库所载弱点图形进行比对，透过影像辨识，同样可找出并分类已知与未知弱点图形的群组。

举例来说，晶圆厂的操作员可以使用如扫描式电子显微镜(SEM)监看与预览待测物(如半导体产品)，以电子束扫描工具(e-Beam scan tool)检测与确认待测物上所谓的缺陷图形。

利用扫描式电子显微镜(SEM)或光学显微镜扫描而取得待测物(如晶圆)的影像，可以取得待测物上弱点图形的坐标位置与相关度量数据(metrology)，如步骤S109，经执行初步影像处理，比如将数据库中的轮廓重叠到实际待测物的影像上，如一种半导体产品(如晶圆)，可以得到弱点图形轮廓(weak pattern contour)，以及一些多边图形的尺寸、范围与数量。这些弱点信息将提供制造工艺厂能够参考判断出系统性的弱点图形，可以用以改善制造工艺良率。

最后可以如步骤S111，上述得到的弱点图形信息将用以更新缺陷图形库中所涵盖的弱点图形，可以弱点图形库(weak pattern library)呈现。在此步骤中，先会透过图形比对确认弱点图形(weak pattern verification)，并输出确认的弱点图形到弱点图形库，若有新的弱点图形，将进一步更新缺陷图形库中的弱点图形。

透过实施例描述的智能型弱点图形诊断方法，可以更有效率地在制造工艺初期可以了解到系统性的缺陷，特别是弱点图形，提供更有效的线内(in-line)检测弱点的信息，并予以筛选。

相关实现上述智能型弱点图形诊断方法的硬件系统架构可参考图2所示的实施例示意图。

图示为一智能型弱点图形诊断系统(intelligent weak pattern diagnosissystem)20的主要子系统，每个子系统执行系统内特定功能，比如弱点图形库与设定子系统(weak pattern library and setup subsystem)201，其中包括弱点图形库(weak patternlibrary)，提供各种多边形弱点图形，作为比对参考之用。

弱点图形群组子系统(weak pattern grouping subsystem)202，其中利用图形处理技术(主要是透过轮廓比对)筛选出设计布局内已知弱点图形与未知弱点图形群组(known weak pattern and unknown weak pattern groups)。

弱点图形影像监看与取得子系统(weak pattern monitoring and imagingsubsystem)203，其中利用如扫描式电子显微镜(SEM)或光学显微镜进行扫描而取得晶片等半导体产品上的弱点图形，包括即时监看与取得影像后储存到储存媒体中。

弱点图形轮廓比对子系统(weak pattern contour matching subsystem)204，也就是根据弱点图形库的各种多边形弱点图形影像数据比对扫描而取得的弱点图形。

弱点图形轮廓度量与辨识子系统(weak pattern contour metrology andjudgment subsystem)205，根据弱点图形库的比较之后，此子系统将进行进一步辨识与度量(metrology)，根据图形轮廓与度量衡信息，以辨识出系统弱点图形的样式。这些辨识出的弱点图形将有助于半导体制造工艺中回避系统性缺陷的效率，并可用于光学邻近校正(OPC)以及提供设计布局设计时的修正参考。

上述智能型弱点图形诊断系统20可透过电脑系统的硬件配合软件手段实现，硬件部分不排除具有处理器、存储器、信号传输电路等的一或多个电脑系统所实现，智能型弱点图形诊断系统20所处理以及取得的数据来自各种数据库，在此介绍的各种数据库依照功能可区分为不同的图形库(library)，但不限制实际储存的形式，依照功能来看至少包括图示中的缺陷图形库(defect pattern library)211、高失败频率的缺陷图形库(frequentfailure defect pattern library)212、设计布局库(design layout library)213、缺陷检测数据库(defect inspection data library)214与显微镜影像库(imaging datalibrary)215。

特别的是，设计布局库213从集成电路设计公司(IC design house)取得设计布局之后，储存于待处理扫描弱点与缺陷图形的数据库中；缺陷检测数据库214是从晶圆厂中对各晶圆检测的工具所取得的缺陷检测数据库，多数以数字影像方式储存；显微镜影像库215常见为透过扫描式电子显微镜(SEM)设备直接拍摄晶圆所取得的影像；显微镜影像库215也可如利用光学显微镜取得的光学缺陷影像数据库。

实现上述系统与方法的软件手段则可参考图3所示智能型弱点图形诊断系统的软件架构实施例。

图示有一智能型弱点图形诊断系统30，根据系统30执行的各个步骤中可以区分几个软件手段，实施例以多个软件模块表示，软件功效由执行于系统硬件上的程序集所产生，但非用于限制本发明实际的实现上。

系统30包括有一多边图形比对模块(polygon pattern matching module)301，透过软件手段比对经过扫描所取得的弱点图形影像与弱点图形库中的图形数据，透过此多边图形比对模块301取得一样或相似的弱点图形，并予以分类。

轮廓图形比对模块(contour pattern matching module)302，此软件模块以弱点图形库中的影像轮廓为依据，比对扫描取得的实际弱点图形，藉此可以取得相似的弱点图形。

坐标转换模块(coordinate converting module)303，经SEM扫描取得的影像比对之后可以得到各种样式的弱点图形，并接着将设计布局上的影像转换为晶圆上的位置。

弱点图形影像处理模块(weak pattern image processing module)304，主要是数字化经扫描取得的弱点或缺陷图形，经上述多边图形比对、轮廓图形比对，以及坐标位置转换，可以取得各种弱点或缺陷图形的数据数据，可以提供分类、分群、辨识与度量的目的。

弱点图形影像度量与辨识模块(weak pattern image metrology and judgmentmodule)305，透过软件方法辨识出出现在晶圆上的弱点图形，以及取得晶圆上弱点图形的尺寸、比例等的度量信息。

在取得已知弱点图形与未知弱点图形将以在设计布局上的坐标位置定义出来。之后在设计布局上的坐标系，具有原点(x0,y0)，应转换到实际半导体产品在监看(如SEM)工具上的坐标系，具有原点(x1,y1)。因此透过寻找设计布局上的缺陷或弱点之后，将透过坐标转换到实际产品上的坐标系上。

根据上述系统的硬件与软件手段的描述可知，本发明智能型弱点图形诊断方法可应用于半导体制造工艺中的不同制造工艺阶段与实施态样上，比如可应用在晶圆厂制作晶圆(wafer)时；封装厂(assembly house)制造工艺上；亦可应用在光罩(mask)设计；更可应用在印刷电路板、载板(carrier board)、软板(flexible board)、平面显示器面板(flatdisplay panel)、晶圆凸块(wafer bump)、发光二极管(LED)或太阳能电池(solar cell)等技术的制造工艺上。

图4所示流程描述本发明智能型弱点图形诊断方法中图形比对的步骤实施例。

为了透过扫描找寻到设计布局上的弱点，实施例之一是先建立一些基本比对元素，藉此描绘一个接近多边形的弱点图形，透过一些基本的几何图形作为比对的依据以判断出弱点图形。其中步骤开始如S401，建立待测物上的基本比对元素，比如是在设计布局上建立多个最小的方形图案(bonding box)，这些图案可以相互连结并涵盖到整个设计布局上，以便执行后续比对运算。

建立一些基本比对元素后，步骤如S403，利用基本比对元素比对待测物，如晶圆。其中，每一个基本比对元素如一个方形，具有尺寸(size)、长度与宽度，从各个基本比对元素之间的尺寸、距离与方向关系(relationship)描绘弱点图形库中各种弱点图形，包括每个基本比对元素之间的距离或/与方向，再用以比对待测物上的图形，可以在可允许的宽容度(tolerance)进行比对，可以得到待测物上的弱点图形，特别的是这些弱点图形系可以多个基本比对元素描绘出相似的图形。

比对过程是以软件手段为主，如步骤S405，从比对结果判断是否比对得到任何弱点图形？当没有比对到任何弱点图形时(否)，表示该待测物在此阶段并未找到任何可以上述最小的基本比对元素所描绘的弱点图形，如步骤S407。

若比对得到任何弱点图形(是)，步骤继续如S409，再利用多边图形比对(polygonmatching)待测物。

在此多边图形中心线比对法中，系统根据设计布局的特性判断出几种多边形的几何图形，以基本多边图形比对元素进行比对，可以顺时针或逆时针方向比对得出待测物上的弱点图形，比对时可采用中心线比对(centerline trace match)、沿着中心线的中心线宽度比对(centerline width match)，藉此可以在可允许的宽容度下得到中心线与宽度一样或是相似的弱点图形。

再可继续采用多边图形轮廓比对法，比对时可以基本多边图形比对元素与待测物上的图形进行比对，包括两者的轮廓比对，或是轮廓搭配上述多边图形的比对方法。比对时，可以轮廓或搭配多边图形比对，以基本比对元素或多边图形比对元素与待测物两者涵盖的比率作为判断基础，辅以基本比对元素或多边图形比对元素的中心线比对，可以在可允许的宽容度下得到相似的弱点图形。

透过基本多边图形比对元素进行比对后，如步骤S411，判断是否比对得到弱点图形？若没有得到弱点图形(否)，结论是并未有致命的缺陷弱点，如步骤S407。

若比对到弱点图形(是)，如步骤S413，得到弱点图形。经过这些分析后，可以得到潜在的系统性缺陷图形，作为修正设计的参考，或是制造工艺改良的参考。

在上述利用基本比对元素、基本多边图形比对元素进行图形比对时，系统将可根据实际需要修改比对图形。之后将可根据基本比对元素或多边图形比对元素的尺寸、彼此之间的关联(距离、方向、连结关系)，或是是否在一种宽容度下所得到的任何一样或类似的图形，得出整体设计的缺陷弱点。

比对图形的示意图可以参考图5A至图5F。本发明即设计一些基本几何型式的基本比对元素，用以描绘接近多边形的弱点图形，基本比对元素形成一个可涵盖多边形的弱点图形的窗，表示涵盖的面积比例。

图5A表示一个基本多边图形比对元素示意图，多边图形比如是个有几处转折的几何图形，比对时将采顺时钟或逆时钟转动比对，随时调整图形大小，藉此找到一样或类似的弱点图形。

图5B所示的基本比对元素为一个正方形的比对元素，主要是用以得到在某个最小范围(minimum area)以上的致命缺陷。

将两者搭配，可参考图5B所示基本比对元素与基本多边图形比对元素搭配的示意图，可以得到弱点图形的型式。

接着如图5D所示为另一个基本多边图形比对元素，图5E表示另一个基本比对元素，图5F则表示基本比对元素与基本多边图形比对元素搭配的示意图。

当系统建立基本比对元素或是基本多边图形比对元素后，将这些基本比对元素或/与基本多边图形比对元素套上设计布局上，比对方式包括利用软件手段旋转基本多边图形比对元素进行比对，其中将利用中心线的辅助进行图形比对。

特别如基本多边图形比对元素上先建立中心线，每种多边图形中设有沿着中心线上定义出的一或多种宽度(w1,w2,w3,w4)，这条中心线可以配合基本比对元素套上设计布局上，比对时就引用这些中心线的特征，包括中心线的轨迹、起点与终点、转折处与其宽度，以顺时针或逆时针比对各种在待测物上的图形，可以找到一样或在某种误差范围(可允许宽容度)内弱点图形。

图6A显示一个基本多边图形比对元素中的中心线示意图，此例在基本多边图形比对元素中两个走向的区块上描绘出中心线(centerline)601，以连续像素值描述，中心线601根据设计设有不同的宽度，如第一宽度w1与第二宽度w2，这就是这个中心线601的特征。本发明即采用这中心线601的特征描述弱点图形主要走向，比对时，与实际图形中心线的误差可以设有一个可允许的宽容度，比如20％，或一范围，如10％到20％，作为相似度比对的参考，超过这设定的宽容度的比对结果表示并不符合系统设定的弱点图形。

图6B接着显示此中心线601’，比对时即先比对是否有图形符合此中心线601’的轨迹，再比对沿着中心线601’的图形宽度是否与上述宽度(w1,w2)一致或在一定范围内，藉此可以作出是否找到弱点图形的判断。

图6C显示令一个基本多边图形比对元素中的中心线示意图，中心线602在图形中的每一部分具有不同的宽度，如第三宽度w3与第四宽度w4。同样地，系统将依据这个多边图形的中心线与其宽度特征作为比对的参考，藉此找到符合此基本多边图形比对元素的弱点图形。图6D继续显示对比此基本比对元素中的中心线602’。

系统除了上述利用基本比对元素中心线为参考进行比对外，更以图形轮廓(contour)作为比对判断的依据。当完成上述基本比对(多边图形)元素比对之后，接着进行轮廓比对，简单来说，就是将比对图形的轮廓叠合在设计布局上的图形上，以叠合的面积比例(在合理的宽容度内)判断出是否找寻到弱点图形。

利用轮廓比对的机制可参考图7A所示一个找寻弱点图形轮廓的示意图，其中显示有基本比对元素701，以及比对中的弱点图形702，此例显示弱点图形702落于基本比对元素701的范围内。

图7B所示的示意图表示另一个基本比对元素703以及比对时若于此基本比对元素703内的弱点图形704。

当取得如上述利用基本比对元素得到符合比对条件的图形时，可以确定特定范围内已经找到弱点图形，并可以接着取得弱点图形的轮廓，这就如图7C所示轮廓对轮廓的比对方式(contour-contour)，图7C显示弱点图形702’的图形轮廓705；再辅以基本多边图形比对元素进行比对，就如图7D所示的轮廓对多边图形的比对方式(contour-polygon)，图7D所示有基本多边图形比对元素706，此时得到落于此比对元素706范围内的弱点图形702”。比如，系统可设定一个轮廓或多边图形涵盖比例阈值，如70％到80％，超过这个涵盖比例，表示找到符合的弱点图形，反之就表示没有弱点图形。

本发明智能型弱点图形诊断方法中的各种细节实施方式可接着参考如图8、图9与图10所示的步骤实施例。

图8显示弱点图形筛选与监看(weak pattern screen and monitor)的步骤，开始时如步骤S801，以电脑系统实现的系统引入设计布局与缺陷检测数据，开始多边图形比对。于步骤S803中，系统引入缺陷图形库与高失败频率的缺陷图形库，分别如图2所示的缺陷图形库211与高失败频率的缺陷图形库212。

之后可进行多边图形比对，如步骤S805，比对缺陷图形库与高失败频率的缺陷图形库所载的弱点图形，进行已知与未知弱点图形筛选，比对方式如上述图7A、7B、7C所记载的方式，先以基本比对元素得到弱点图形的范围与位置，再以多边图形判断出各种型态的弱点图形，可以如步骤S807，智能型弱点图形诊断系统将执行软件影像处理，在系统提供的缺陷检测数据(defect inspection data)中辨识出已知弱点图形、未知弱点图形等。

辨识之后，可以得到待测物上弱点图形影像，如步骤S809，并据此转换弱点图形坐标，由设计布局上的弱点图形的坐标转换到实际半导体产品上的坐标系上，如步骤S811。依此可以建立弱点图形影像监看文件(步骤S813)，并储存影像(步骤S815)。

其中，举例来说，系统执行坐标转换(coordinate conversion)时，由设计布局坐标系(design layout coordinate system)上弱点图形的参考坐标(xO1,yO1)转换到实际半导体产品上的缺陷坐标系(defect coordinate system)的弱点图形参考坐标xO2,yO2。这些弱点图形的参考坐标比如为该弱点图形的几何中心点。实际得到于设计布局上的特定弱点图形(参考坐标x1,y1)将转换到实际半导体产品上的参考坐标(x2,y2)。

再参阅图9描述本发明智能型弱点图形诊断方法中弱点图形度量的步骤实施例。

开始如步骤S901，系统取得缺陷图形影像，实施例之一是使用扫描式电子显微镜或光学显微镜扫描待测物，以取得待测物中缺陷的影像。扫描拍摄影像时可以参考套用上述已经(已储存的数据)在设计布局上的弱点图形参考坐标(可设有记号)。当参考了上述已经得到在设计布局上的弱点图形位置时，可以节省传统上利用扫描式电子显微镜以电子束扫描待测物的时间，或是以光学显微镜检视的时间。

再如步骤S903，分割系统所取得的缺陷图形影像，透过轮廓分割的技术分割所取得的缺陷图形影像，其中设定动态图形阈值(dynamic histogram threshold)，可以根据图形分布(histogram)自背景影像(background image)分别出前景图形(foregroundpattern)。

接着如步骤S905，系统执行轮廓检测(edge detection)，可以采用图形信号的高频过滤(high frequency filter)、低频过滤(low frequency filter)与带通过滤(bandpass filter)，经追踪轮廓后筛选(步骤S907)出得到弱点轮廓(步骤S909)，再比对弱点图形库，包括比对其中基本(方形、多边形)比对元素与图形轮廓(步骤S911)。利用基本比对元素进行比对时，同时参考了每个弱点图形上各基本比对元素之间距离、方向关系，可以找到在可允许的宽容度内一样或是类似的图形。利用轮廓比对时，可叠合基本多边图形比对元素的轮廓，以覆盖的比例作为判断是否符合的依据，比对方式如图6与图7中的图示，在可允许的宽容度下找到一样或类似的图形。

反过来，如步骤S913，将取得的弱点图形套上设计布局，比如用影像叠合(overlap)的方式将多边形的轮廓叠合上设计布局，同时叠合对齐各种图形的中心线。并再接着转换弱点图形为设计布局的坐标尺度(步骤S915)，比如使用图形介面调整尺度比例，使用度量衡工具转换轮廓的像素值到设计布局尺度，以储存或更新原本的图形库(步骤S917)。

图10描述本发明智能型弱点图形诊断方法中弱点图形辨识的步骤实施例。经上述步骤取得各种在设计布局的弱点图形后，以电脑系统实现的本发明智能型弱点图形诊断系统进一步辨识这些弱点图形的形式。

方法包括如步骤S11，系统先引入数据库中已存在过去储存的弱点图形轮廓与度量数据，也包括透过扫描式电子显微镜或光学显微镜所取得的实际待测物影像的轮廓与度量数据。同时，如步骤S12，系统引入数据库中设计布局上的图形数据，系统透过软件手段或是硬件方式辨识这些数据库中的实际弱点图形与设计布局的影像中的弱点图形，其中主要是根据比对图形库内图形轮廓与设计布局上的图形影像辨识出弱点图形与非弱点图形，包括辨识出弱点图形的尺寸(dimension)，如步骤S13，将得到的弱点图形的信息更新缺陷图形库，如步骤S14。

是以，说明书公开的智能型弱点图形诊断方法的实施例中，首先从缺陷图形库与高失败频率的缺陷图形库取得弱点图形布局，并通过晶圆缺陷检测工具取得缺陷数据，配合设计布局的取得与执行弱点缺陷图形筛选，可以取得已知或未知的弱点缺陷图形，除了更新缺陷图形库中的弱点图形外，更能在电子显微镜实际取得的晶圆影像上取得弱点图形轮廓，以利得到真实的系统性弱点图形。

本发明提出的智能型弱点图形诊断系统与方法，透过弱点图形库的建立与比对，可以筛选出弱点图形，进而取得弱点图形的影像与度量数据，藉此更新缺陷图形库作为后续制造工艺与电路设计参考。

以上所述仅为本发明的较佳可行实施例，凡依本发明权利要求所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (10)

1.一种智能型弱点图形诊断方法，应用于一电脑系统实现的智能型弱点图形诊断系统中，其特征在于所述的方法包括：

该电脑系统自一缺陷图形库与一高失败频率的缺陷图形库引入一弱点图形布局；

该电脑系统取得经一制造工艺厂的缺陷检测工具所取得的缺陷检测数据；

该电脑系统引入一设计布局数据，该设计布局数据至少包括系统性的各种缺陷与弱点图形；

执行弱点图形筛选与过滤，以比对该缺陷图形库与该高失败频率的缺陷图形库中记载的弱点图形与由该电脑系统取得的设计布局数据，分类以取得一已知弱点图形群组；

执行未知弱点图形筛选与过滤，由该电脑系统取得的设计布局数据作图形相似比对，找出不属于且不相似于该缺陷图形库与该高失败频率的缺陷图形库的弱点图形，分类以取得一未知弱点图形群组；

得出该已知弱点图形群组以及该未知弱点图形群组的分布；

取得一待测物影像，以取得该待测物上弱点图形的坐标位置与度量数据；以及

执行一影像处理，得到弱点图形轮廓以及各弱点图形的尺寸、范围与数量，用以判断系统性的弱点图形。

2.如权利要求1所述的智能型弱点图形诊断方法，其中该执行弱点图形筛选与过滤的步骤包括一轮廓比对，其中：

引入基本比对元素与基本多边图形比对元素；以及

与该待测物上的图形进行比对。

3.如权利要求2所述的智能型弱点图形诊断方法，其中该轮廓比对步骤中，以该基本比对元素或该多边图形比对元素与该待测物的涵盖比率作为判断基础，辅以该基本比对元素或该多边图形比对元素的中心线进行比对，于一可允许的宽容度下得到相似的弱点图形。

4.如权利要求3所述的智能型弱点图形诊断方法，其中于该基本比对元素或该多边图形比对元素的中心线进行比对时，引入该基本比对元素或该多边图形比对元素的尺寸与彼此之间的距离、方向与连结关系。

5.如权利要求4所述的智能型弱点图形诊断方法，其中以该多边图形比对元素为有几处转折的几何图形，比对时采顺时钟或逆时钟转动比对，随时调整该多边图形比对元素大小，藉此找到一样或类似的弱点图形。

6.如权利要求5所述的智能型弱点图形诊断方法，其中透过比对该基本比对元素或该多边图形比对元素，确认弱点图形后更新一弱点图形库的弱点图形。

7.如权利要求1所述的智能型弱点图形诊断方法，其中利用一扫描式电子显微镜进行检视，扫描而取得该待测物影像。

8.如权利要求7所述的智能型弱点图形诊断方法，其中以该扫描式电子显微镜监看与预览该待测物时，以电子束扫描工具检测与确认该待测物上的缺陷图形。

9.如权利要求1所述的智能型弱点图形诊断方法，其中利用一光学显微镜进行检视，以取得该待测物影像。

10.一种以一电脑系统实现的智能型弱点图形诊断系统，其中该电脑系统包括一处理器与一存储器，于该处理器中执行一智能型弱点图形诊断方法，其特征在于，所述执行于该处理器的方法包括：

该电脑系统自一缺陷图形库与一高失败频率的缺陷图形库引入一弱点图形布局；

该电脑系统取得经一制造工艺厂的缺陷检测工具所取得的缺陷检测数据；

该电脑系统引入一设计布局数据，该设计布局数据至少包括系统性的各种缺陷与弱点图形；

执行弱点图形筛选与过滤，以比对该缺陷图形库与该高失败频率的缺陷图形库中记载的弱点图形与由该电脑系统取得的设计布局数据，取得一已知弱点图形群组；

执行未知弱点图形筛选与过滤，由该电脑系统取得的设计布局数据作图形相似比对，找出不属于且不相似于该缺陷图形库与该高失败频率的缺陷图形库的弱点图形，取得一未知弱点图形群组；

得出该已知弱点图形群组以及该未知弱点图形群组的分布；

取得一待测物影像，以取得该待测物上弱点图形的坐标位置与度量数据；以及

执行一影像处理，得到弱点图形轮廓以及各弱点图形的尺寸、范围与数量，用以判断系统性的弱点图形。