CN104272184A - 在光罩检验期间使用经处理图像对用于选择性灵敏度的细线检测 - Google Patents
在光罩检验期间使用经处理图像对用于选择性灵敏度的细线检测 Download PDFInfo
- Publication number
- CN104272184A CN104272184A CN201380023561.7A CN201380023561A CN104272184A CN 104272184 A CN104272184 A CN 104272184A CN 201380023561 A CN201380023561 A CN 201380023561A CN 104272184 A CN104272184 A CN 104272184A
- Authority
- CN
- China
- Prior art keywords
- image
- mask
- print characteristics
- illustrative plates
- line width
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
- G03F1/82—Auxiliary processes, e.g. cleaning or inspecting
- G03F1/84—Inspecting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95676—Masks, reticles, shadow masks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20044—Skeletonization; Medial axis transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20161—Level set
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
本发明揭示一种用于基于点图像的细线检测的检测方法。所述方法包含用于从掩模的经透射光学图像及经反射光学图像产生带限点图像的步骤。校准所述点图像以最小化来自所述点图像的多个光学像差。将所述点图像还原回到掩模图像以允许以下各项中的至少一者:所述掩模图像上的细线区与非细线区之间的较可靠分割,或用于促进分割的较准确线宽度测量。在所述经还原掩模图像上区分细线特征与非细线特征。生长含有细线特征的区,同时防止所述细线生长入侵所述非细线特征。
Description
相关申请案交叉参考
本申请案主张以下现有申请案的权益:(i)王征宇等人的标题为“在光罩检验期间使用经处理图像用于对选择性灵敏度的经改进的细线检测(IMPROVED DETECTION OFTHIN LINE FOR SELECTIVE SENSITIVITY DURING RETICLE INSPECTION USINGPROCESSED IMAGES)”的2012年3月8日提出申请的第61/608,268号美国临时申请案,(ii)王征宇等人的标题为“在光罩检验期间使用经处理图像用于对选择性灵敏度的细线检测(DETECTION OF THIN LINES FOR SELECTIVE SENSITIVITY DURINGRETICLE INSPECTION USING PROCESSED IMAGES)”的2012年3月11日提出申请的第61/609,359号美国临时申请案,及(iii)王征宇等人的标题为“在光罩检验期间使用经处理图像用于对选择性灵敏度的细线检测(DETECTION OF THIN LINES FORSELECTIVE SENSITIVITY DURING RETICLE INSPECTION USING PROCESSEDIMAGES)”的2012年3月12日提出申请的第61/609,903号美国临时申请案,所述申请案出于所有目的而以全文引用的方式并入本文中。
技术领域
本发明一般来说涉及光罩检验领域。更特定来说,本发明涉及一种使用光罩检验工具来检测细线的方法。
背景技术
随着集成电路(IC)的密度及复杂度不断增加,检验光学光刻掩模图案已变得越来越有挑战性。每一新一代IC具有当前达到且超过光刻系统的光学限制的较密集且较复杂图案。为克服这些光学限制,已引入各种分辨率增强技术(RET),例如光学接近度校正(OPC)。举例来说,OPC有助于通过修改光掩模图案使得所得经印刷图案对应于原始所期望图案来克服一些衍射限制。此类修改可包含对主要IC特征(即,可印刷特征)的大小及边缘的扰动。其它修改涉及将衬线添加到图案拐角及/或提供附近亚分辨率辅助特征(SRAF),其并不预期为产生经印刷特征且因此称为不可印刷特征。预期这些不可印刷特征抵消原本将在印刷过程期间出现的图案扰动。然而,OPC使得掩模图案甚到更复杂且通常与所得晶片图像极为不同。此外,OPC缺陷通常并不翻译成可印刷缺陷。
不可印刷及可印刷特征对所得经印刷图案具有不同影响,且通常需要使用不同检验参数(例如,灵敏度水平)来检验。含有不可印刷特征的区通常被“降低感测”以避免在检验期间的假阳性(false positive)。常规检验方法一般来说依赖于用户界定的特性(例如特征大小)来在可印刷特征与不可印刷特征之间进行区分。
发明内容
下文呈现本发明的简化发明内容以便提供对本发明的特定实施例的基本理解。本发明内容并非对本发明的广泛概述,且其并不识别本发明的关键/紧要元素或描写本发明的范围。其唯一目的为以简化形式呈现本文中所揭示的一些概念作为稍后呈现的更详细说明的前序。
一般来说,本发明的特定实施例使用经处理的掩模图像而非原始光学图像用于细线(或不可印刷特征)检测。经处理掩模图像的使用产生改进的分割及主要特征保护。本发明的特定实施例包含:从用于细线检测目的的经透射光学图像及经反射光学图像建构带限点图像;校准且补偿来自所述点图像的光学像差的选项;从所述点图像还原掩模图案以允许较可靠分割及较准确线宽度测量的方式;及区分细线与较大几何形状且防止细线生长入侵大的几何形状的方式。
在一个实施例中,提供一种用于检验光学光刻掩模以识别光刻显著缺陷的方法。提供包括多个可印刷特征及多个不可印刷特征的掩模。所述掩模经配置以使用光刻系统实现所述可印刷特征到衬底上的光刻转印。通过一或多个检验系统产生所述掩模的经透射图像及经反射图像。基于所述经透射图像及所述经反射图像来建构带限点图像以减小由检验设备引入的噪声。将所述点图像还原为掩模图像以借此最小化所述掩模图像中的来自所述一或多个检验系统的进一步光学像差。使用所述经还原掩模图像来产生所述不可印刷特征的不可印刷特征图谱及所述可印刷特征的可印刷特征图谱。扩展(或生长)所述不可印刷特征图谱,同时基于所述可印刷特征图谱防止此不可印刷特征图谱入侵到所述可印刷特征中。接着,可分析所述掩模的一或多个测试图像以检测此掩模上的缺陷,其中与所述一或多个测试图像的未由所述不可印刷特征图谱界定的区相比,在所述一或多个测试图像的由所述不可印刷特征图谱界定的区中减小缺陷检测的灵敏度水平。
在特定实施方案中,对所述经还原掩模图像执行细化过程以产生骨架图像,且使用所述骨架图像在所述经还原掩模图像中测量线宽度以确定在何处测量此些线宽度。使用所述经测量线宽度来通过分别在低于或者等于或高于所规定阈值的经测量线宽度之间进行区分而产生所述不可印刷特征图谱及所述可印刷特征图谱。在另一实施例中,通过以选定系数将所述经反射图像与所述经透射图像组合成线性方程式使得高频率项彼此抵消而实现所述带限点图像的产生。在另一方面中,使用校准数据来处理所述点图像以从所述点图像移除进一步光学像差。在另一方面中,如果具有低于所述预定义阈值的经测量线宽度的每一特征到具有等于或高于所述预定义阈值的经测量线宽度的另一特征在预定义距离内,那么将具有低于所述预定义阈值的所述经测量线宽度的此特征仅包含于所述不可印刷图谱中。在另一实施例中,将所述点图像还原为所述掩模图像导致将所述掩模图像去模糊且导致所述掩模的较真正图像。
在特定实施例中,本发明涉及一种用于检验光掩模以识别光刻显著缺陷的系统,所述系统包含经配置以执行上文所描述操作中的至少一些操作的至少一个存储器及至少一个处理器。在其它实施例中,本发明涉及其上存储有用于执行上文所描述操作中的至少一些操作的指令的计算机可读媒体。
在另一实施例中,揭示用于掩模上的细线检测的检测方法。所述方法包括:(i)从所述掩模的经透射光学图像及经反射光学图像产生带限点图像;(ii)校准所述点图像以最小化来自所述点图像的多个光学像差;(iii)将所述点图像还原回到掩模图像以允许以下各项中的至少一者:所述掩模图像上的细线区与非细线区之间的较可靠分割,或用于促进分割的较准确线宽度测量;(iv)在所述经还原掩模图像上的细线特征与非细线特征之间进行区分;及(v)生长含有细线特征的区,同时防止所述细线生长入侵所述非细线特征。
在特定实施例中,通过区分所述细线特征与所述非细线特征而实现防止所述细线生长入侵多个几何形状。在另一方面中,所述检测方法进一步包含利用水平集函数来测量临界尺寸以用于执行细线检测的步骤。在另一特征中,从所述点图像还原掩模图案的步骤允许较可靠分割及较准确线宽度测量。在另一实施例中,所述点图像为所述掩模图案的带限低通版本。
下文参考各图来进一步描述本发明的这些及其它方面。
附图说明
图1A图解说明根据特定实施例的提供于光掩模上的基本图案。
图1B图解说明图1A中的基本图案在光刻转印之后的所得晶片图像。
图2是根据本发明的示范性实施例的用于基于带限点图像对光掩模的细线检测的程序的流程图。
图3图解说明在圆形轮廓上的不同位置处获得不同线宽度。
图4是根据本发明的示范性实施例的检验报告的屏幕截图。
图5是图解说明根据本发明的一个实施例的光罩检验程序的流程图。
图6A是根据特定实施例的用于将掩模图案从光掩模转印到晶片上的光刻系统的简化示意性表示。
图6B提供根据特定实施例的光掩模检验设备的示意性表示。
具体实施方式
在以下说明中,陈述众多特定细节以便提供对本发明的透彻理解。可在没有这些特定细节中的一些或所有细节的情况下实践本发明。在其它例子中,未详细描述众所周知的过程操作以免不必要地使本发明模糊。尽管将连同特定实施例一起描述本发明,但将理解,并不意图将本发明限于所述实施例。
前言
一种光掩模检验方法使用用于将可印刷特征(还称为主要特征)与不可印刷特征(还称为细线)分离以供用于稍后“降低感测”含有不可印刷特征的区的方法。使用测试图像及/或参考图像来基于由用户设定的规则形成特征图谱。通常,用户界定线宽度作为用于将不可印刷特征与可印刷特征分离的准则。
一种方法可以捕获参考图像及测试图像开始。维纳亚克哈尔克(Vinayak Phalke)等人的美国专利8,090,189中描述一种实例性技术,所述专利出于所有目的而以全文引用的方式并入本文中。一般来说,将强度阈值应用于这些图像以界定特征的前景,所述前景为具有低于此阈值的强度值的图像区的集合。
光掩模通常设计有不同类型的细线(例如不透明细线及透明细线),其给界定前景增加额外复杂性。不透明细线为在经透射图像上显现为比其周围暗的钼-硅细条或点。另一方面,透明细线为在钼-硅/铬表面上制成的切割细条或切割点,其在经反射图像上显现为比这些周围表面暗。此外,在裸片到裸片检验中,从测试图像及参考图像来看缺陷区并不明显。如此,需要执行对参考图像及测试图像的组合分析。在下一操作中,测量前景特征的线宽度以在细线与主要特征之间进行区分以形成“原始”特征图谱。用于此线宽度阈值的规则通常由用户设定。
在产生光学图像时,图像中的失真可(例如)由于模糊或其它光学失真而导致特定特征的过冲(overshoot)或下冲(undershoot)。举例来说,OMOG(玻璃上不透明MoSi)经反射图像可导致高下冲。此类效应通常往往使分割过程复杂化。举例来说,在分割过程中过冲可起到干扰作用,且必须更小心地分析以确定如何将特定过冲特征分割成细线或非细线。总之,过冲及下冲可给分割过程增加复杂性。
线宽度定义往往为主观的且取决于由用户任意选择的单一阈值(轮廓水平)。因此,线宽度不与下伏掩模图案的真正尺寸直接相关。其通常导致用户必须重做多次以找出恰当地分割细线的阈值。另外,用户通常需要针对透明细线及不透明细线两者单独地设定轮廓水平,此使设置工作量加倍。最后,当细线的线宽度较小时,或当细线在其紧密相邻者中具有其它图案时,细线的调制可大为不同。有时,仅仅不可能找出单一轮廓水平来分割相同色调的所有细线。
另外,此现有方法由于细线检测的本质而并不规定大的几何形状保护。举例来说,有缺陷的主要特征(可印刷特征)可显现于所检测细线的相邻者中,且通常应用扩张边限来将原始所检测细线扩展到覆盖某一相邻区,所述相邻区可接着涵盖所述有缺陷的主要特征。在无主要特征保护的情况下,此扩张具有延续到不可印刷细线的相邻者中的大的可印刷几何形状上的主要特征以及相关联缺陷及因此降低感测光刻临界缺陷中的风险。
在以下实例中可进一步图解说明以上问题中的一些问题。图1A图解说明提供于光掩模上的说明性基本图案,而图1B图解说明所述基本图案的所得晶片图像。在两个图像之间存在极少(如果有的话)相似性。OPC的广泛使用导致此类差异。
检验方法实例
图2是根据本发明的示范性实施例的用于基于带限点图像对光掩模的细线检测的程序200的流程图。在本文中所描述的实例中,细线检测包含光掩模的任何不可印刷的光刻不显著特征的检测。在本文中交换地使用术语“细线”、“不可印刷”及“光刻不显著”。
一般来说,在所述过程中可使用任何适合类型的光掩模(光罩)。举例来说,可使用由具有铬金属吸收膜所界定的图案的透明熔融硅石坯料制成的光掩模。一般来说,光掩模或掩模可采取任何适合类型的光罩或光掩模的形式,例如,相移掩模及嵌入式相移掩模(EPSM)。光掩模一般来说包含多个可印刷特征及多个不可印刷特征。
可印刷特征可界定为显现于所得晶片图像上的特征。此经印刷特征可或可不以与在光掩模上相同的形状或形式呈现于所得晶片上。举例来说,图1A图解说明提供于光掩模上的基本图案,而图1B图解说明所述基本图案的所得晶片图像。因此,在光掩模的上下文中,可印刷特征可理解为对应于晶片平面上的可印刷特征的区。不可印刷特征(或“细线”)可包含用于补偿由于衍射及其它原因所致的成像误差的各种光学接近度校正(OPC)特征。一种类型的此类不可印刷特征为亚分辨率辅助特征(SRAF)。
一旦将光掩模提供用于检验过程(例如,放置于检验系统的检验台上),即可在操作202中提供光掩模的经反射图像及经透射图像。更一般来说,可照明光掩模以在不同照明及/或收集条件下捕获两个或两个以上光强度图像。在所图解说明的实施例中,捕获经透射光强度图像及经反射光强度图像。在其它实施例中,可使用两个或两个以上其它类型的图像。
在操作204中通常对准所捕获的测试图像。此对准可涉及匹配多个测试图像及参考图像的检验系统的光学性质。举例来说,在经透射图像及经反射图像的情形中,可做出图像的某种调整以补偿两个相应信号的光学路径差异。对准调整可取决于所使用的检验系统的特定几何形状。在所图解说明的实施例中,对准涉及相对于经反射图像对准经透射图像。
一旦对准,即可在操作206中基于经反射图像及经透射图像来建构点图像。点图像还称为带限掩模图像。用于建构点图像的过程一般来说可包含实质上消除来自经透射图像及经反射图像的光学噪声以获得所得点图像。一般来说,实质上减小或消除高频率效应。举例来说,在点图像中移除由于检验系统的光学效应所致的围绕特定光罩图案形成的环。点图像导致原本可干扰细线检测的过冲及下冲的量的减小。即,实质上减小掩模图像中的噪声,且此噪声可不再被检测为细线。可以选定系数将经反射图像及经透射图像组合为线性组合,使得高频率项彼此抵消。因此,点图像为掩模图案图像的带限低通版本。
在一种方法中,部分相干光学成像可模型化为两个或两个以上相干系统的和,此进一步更详细地阐释于威尔(Wihl)等人的美国专利7,873,204中,所述专利出于描述操作206的目的而以引用的方式并入本文中。在此实例性实施方案中,可使用部分相干成像的霍普金斯(Hopkins)方程式来形成透射交叉系数(TCC)矩阵。接着,可将此矩阵分解成充当相干系统的核心的对应本征向量。来自这些相干系统中的每一者的强度贡献的本征向量加权和产生可用于表示经透射信号的强度的图像强度。在特定实施例中,测试图像的经反射强度及经透射强度可仅以称为带限掩模振幅函数的线性项表示。在方程式1中呈现此函数的实例。
其中aR为掩模前景色调与背景色调之间的差异的复反射振幅;IT(x,y)描述使用检验系统的掩模的经透射强度图像;CT为掩模的背景色调的复透射振幅(例如,在石英与铬的二元掩模中,CT可描述铬图案的性质);aT为掩模前景色调与背景色调之间的差异的复透射振幅(例如,使用与上文相同的掩模,aT可描述石英与铬之间的差异的光学性质;cT及aT当前取决于所描述的材料层的性质而变化);IR(x,y)描述使用检验系统的掩模的经反射强度图像;CR为掩模的背景色调的复反射振幅,且aR为掩模前景色调与背景色调之间的差异的复反射振幅;Re(x)表示x的实分量;P(x,y)界定所检验的光掩模的掩模图案;Ei及λi分别指与检验工具相关联的透射交叉系数(TCC)成像矩阵的相关联元素的本征向量及本征值;Di为Ei的DC增益。
带限掩模图案M(x,y)由掩模图案P(x,y)以函数λiDiEi(x,y)卷积来界定,此称为“还原核心”。因此,带限掩模图案为掩模图案函数P(x,y)的经修改版本。
虽然将经反射图像与经透射图像组合导致抵消图像的一些高频率部分(此由于光学效应所致),但由于一些像差保留在点图像中,因此点图像建构仍为“真正”掩模(例如,无像差)的近似。在另一实施例中,可处理所建构的点图像以补偿特定像差。举例来说,可使用用以离线校准静态像差且接着从点图像过滤像差效应的方法。一般来说,可在校准掩模上制作各种图案且接着将其成像。接着,可针对不同图案提取校准图像中的像差项。接着,可从点图像的类似图案的图像中减去所提取的像差项,使得从点图像移除此些像差项。
在建构点图像之后,可在操作208中执行还原反转过程以获得经还原掩模图像。即,在反转过程中从点图像导出较“真正”或二元状掩模图像。举例来说,将点图像中的可被光学器件模糊的图案锐化以形成掩模图像。针对不能与相邻者中的其它图案良好分离的极细线或细线,此后处理将促进较容易且较少模糊不清的分割。
针对裸片到裸片检验过程,可使用具有自动阈值的简单高通以便形成点图像的较尖锐转变。在特定检验工具(例如从加利福尼亚州苗必达市的KLA-Tencor公司购得的StarLightTM)中,在工具中提供基于水平集的反转以推断出下伏掩模图案。在2010年9月30日提出申请的丹尼尔艾布拉姆斯(Daniel Abrams)的第2010/0251203号美国专利申请公开案中描述实例性水平集函数,所述申请案以引用的方式并入本文中以用于描述水平集过程。水平集函数可用于界定掩模上的边界(或轮廓),将所述函数递增且迭代地调整直到找出经还原掩模图像。针对每一组掩模轮廓,在所述组掩模轮廓上模型化或模拟用于获得原始掩模图像的光学检验工具以产生经模拟点图像。调整所述掩模轮廓组且产生基于每一组经调整轮廓的经模拟点图像,直到经模拟点图像最接近地匹配所建构的点图像。举例来说,实现最小差异。接着,可将产生最接近地匹配所建构的点图像的经模拟点图像的所述组掩模轮廓界定为经还原掩模图像。
水平集函数可采取用于界定每一图像掩模特征的边界的任何适合形式。在一个实施例中,水平集函数在边界或轮廓处等于0;在轮廓外部小于0;且在轮廓内部大于0。水平集0函数(或界定轮廓的任何函数)可用于测量掩模图像上的临界尺寸(CD)。即,可在第0水平集函数(或经界定轮廓)上直接测量CD。举例来说,可沿四个方向进行每一特征轮廓上的四个CD测量,且将最小值界定为此特征的CD。
所得掩模图像包含图案、几何形状、特征、形状等(“图案”),且所述图案通常由一组轮廓、线、边界、边缘、曲线等(“轮廓”)界定,所述轮廓一般来说环绕、封围及/或界定构成掩模上的图案的各种区域的边界。在特定轮廓上可难以确定线宽度。举例来说,圆形轮廓的线宽度测量可取决于获得所述测量的地方而变化,如图3中所图解说明。如所展示,穿过圆形的中心测量的线宽度302将比穿过圆形的边缘测量的线宽度304大得多。
因此,可使用用以确定在图像掩模上的哪个地方测量线宽度的过程。在一个实施例中,在操作210中可对掩模图像执行细化过程以获得骨架图像。一般来说,将掩模图像的每一图案减小大小以便在掩模图像中提供用于稍后测量特定掩模图像图案上的线宽度的地点或位置。例如,圆形的骨架为在圆形的中心中的像素,使得穿过掩模图像上的圆形的中心获得线宽度,且线的骨架为1像素宽的线,使得可在沿着线的纵向轴的任何地方获得线的线宽度。
在将掩模图像细化以产生骨架图像之后,接着在操作212中使用骨架及掩模图像来确定可将掩模图像中的线宽度界定为细线图案还是非细线图案。此线宽度检查产生细线图谱及非细线图谱两者。一般来说,使用骨架图像来测量掩模图像上的线宽度且将所述经测量线宽度与针对细线(或非细线)的线宽度规范进行比较。如果所述经测量线宽度小于线宽度规范,那么将相关联图案界定为细线。线宽度检查还可包含:如果特征到非细线特征在预定义接近度内,那么将此特征仅界定为细线。如果所述经测量线宽度等于或大于线宽度规范,那么将相关联图案界定为非细线。因此,可将掩模图像上的特定图案界定为细线区或非细线区以产生细线图谱及非细线图谱两者。
针对裸片到裸片,可首先正规化二元掩模图像且接着可应用模板像素算法。一般来说,此过程可包含:将测试像素的相邻者中的像素强度改变率(其由骨架图像界定)与给定大小或线宽度的细线(例如,SRAF)的理论降低进行比较。
当提供水平集函数时,所述函数的零交叉为特定轮廓本身。可执行在此轮廓上沿着多个方向的线宽度的直接测量。最后,可接着使用采用这些测量的最小值来估计线宽度。针对主要特征保护,线宽度检查可为用以决定图案是细线还是大的线图案的唯一准则。
此外,当像素具有与细线相同的色调但其线宽度大于用户界定的线宽度规范时,可将此些像素视为非细线像素。这些非细线像素形成需要对抗细线生长而保护的大的几何形状图谱(或非细线图谱)图像。在细线生长期间,在操作214中可将此图像用作掩模以停止不希望生长。因此,防止细线生长入侵掩模图像的大的几何形状区以产生在本文中称为特征图谱的最终细线图谱(或相反地,非细线图谱)。
图4是根据本发明的示范性实施例的检验报告与较旧过程相比的屏幕截图。经反射光学图像302展示大量下冲。细线图谱展示为“特征图谱”(针对旧方法为306,且针对点图像方法为312)。每一特征图谱(306及312)中的暗背景指示未找出细线。依据旧方法的“特征图谱”306中的暗灰线为细线候选像素,但稍后出于其它原因而被排除。仅出于图解说明目的来展示所述暗灰线。依据新方法的“特征图谱”312中的亮白线为通过包含线宽度检查的进一步检查且最接近于主要特征的细线像素,且因此被接受为真正细线。环绕白线的亮灰区为到用户所规定的程度覆盖相邻者的细线生长。
如在图4中可见,旧方法由于两个细线紧密地邻接其它图案而未能分割所述两个细线。反而,尽管在触点边缘上的一些候选细线像素稍后出于其它原因而被取消资格,但旧方法仍由于下冲而受到此些像素干扰。新方法替代地不仅恰当地捕捉细线,而且还避免被假细线候选者干扰。所得特征图谱不仅较准确,而且还在较少干扰的情况下较稳健且在计算上较高效。
将用于裸片到裸片及一组水平函数选项的选择中的不同方法视为替代方面。本发明的特定实施例的优点可包含较可靠细线分割,这是因为其大大地避免出现于光学图像中的过冲或下冲。特定实施例还可大大地克服裸片到裸片细线检测的限制,其中可极难或不可能分割不同调制的细线与接近于相邻图案的那些细线。特定实施例还可为较用户有利的,这是因为其自动地选择轮廓而非使得用户任意地设定轮廓。此外,可针对明细线及暗细线两者使用单一轮廓而非两个轮廓。细线测量还可与掩模上的下伏细线宽度较好地相关,且可避免细线生长到大的几何形状上的降低感测临界缺陷中。
图5是图解说明根据本发明的一个实施例的光罩检验程序500的流程图。首先,在操作502中,可基于最终特征图谱使不同检验阈值与不同光罩区相关联。光掩模检验方法可涉及提供一或多个用户界定的检测阈值。举例来说,可给由特征图谱界定为主要特征的区指派一个检测阈值,而可给含有SRAF或其它不可印刷细线特征的区指派较低阈值。可使用此差别来优化检验资源。
在操作504中,可提供参考图像。举例来说,针对裸片到裸片类型检验而获得在光罩上的裸片区的另一图像。在裸片到数据库检验中,基于设计数据库而产生参考图像。举例来说,将检验光学器件模型化且应用于设计图案以获得参考图像。在操作506中,可相对于测试图像对准参考图像。测试图像及参考图像两者可为如本文中所描述的经掩模还原的点图像,或从检验工具获得的“原生”图像。
在操作508中,基于在特征图谱中含有的信息来将参考图像与测试图像进行比较。举例来说,可将测试图像及参考图像划分成在特征图谱中识别的多个区。可个别地检验含有测试图像区及对应参考图像区的每一组区。在此操作中,可使用MEEF、用户界定的阈值、几何图谱及每一区特定的其它信息。换句话说,测试图像的分析可涉及:识别测试图像的部分及参考图像的对应部分,及针对每一经识别部分来识别这些图像中的任何差异。在特定实施例中,在经对准测试透射图像与参考透射图像之间及在经对准测试反射图像与参考反射图像之间识别差异。
在操作510中,接着可基于比较结果来确定光罩是否通过检验。如果光罩合格,那么检验过程可结束,且可使用合格光罩进行制作。如果光罩不合格,那么在操作512中可修复或抛弃光罩且检验结束。
一般来说,特征图谱可特定用于在光罩检验期间界定含有光刻显著特征及缺陷的区且聚焦于所述区上。所述图谱可用于在检验期间将指令提供到检验系统以“降低感测”界定为细线或不可印刷特征的区。举例来说,与含有主要特征(可印刷或非细线特征)的区相比,可以较低灵敏度检验仅含有细线(例如,SRAF)的区。如上文所指示,细线特征图谱的区在此两种类型的特征之间进行区分。总体来说,本文中所描述的新颖过程及检验系统允许较有效的光罩检验过程。
在另一实施例中,所述方法还可包含:基于带限掩模图案来建构几何图谱以用于将几何特征分类成一或多个几何特征类型,例如边缘、拐角及线端。此外,可通过将不同检测阈值应用于几何图谱的不同几何特征类型来增强识别光刻显著缺陷的过程。
在特定实施例中,还将检验应用于多色调掩模。此些掩模的一个实例为三色调掩模,其具有最暗区域(例如,铬或不透明区域)及石英或最亮区域,以及具有介于所述两者之间的暗度的灰度级区域的图案。可以若干种方式(例如,使用EPSM材料等等)获得此类灰度级区域。在此情形中,将掩模视为单独分析的两个不同掩模。举例来说,可使用与上文所描述相同的技术来处理三色调掩模。然而,可将三色调掩模视为具有背景图案(例如,铬)的掩模,其中将灰度级图案(例如,EPSM材料)视为前景。可如上文使用相同方程式及过程操作来处理图像。使用EPSM材料作为背景图案且将最亮图案(例如,石英)视为前景来对掩模执行第二分析。由于所述材料中的每一者具有证实可用于对准图像的不同边缘效应的实质上不同性质,因此可容易地实现对准。接着可将掩模图案求和,且接着以裸片到裸片或裸片到数据库比较来将掩模图案与参考进行比较,以遍及过程窗验证晶片图案正确性及识别光刻显著缺陷。
系统实例
图6A是根据特定实施例的可用于将掩模图案从光掩模M转印到晶片W上的典型光刻系统600的简化示意性表示。此类系统的实例包含扫描仪及步进器,更特定来说,可从荷兰费尔德霍芬市的ASML购得的PAS 5500系统。一般来说,照明源603经由照明透镜605将光束引导到位于掩模平面602中的光掩模M上。照明透镜605在平面602处具有数值孔径601。数值孔径601的值影响光掩模上的哪些缺陷是光刻显著缺陷及哪些缺陷不是光刻显著缺陷。通过光掩模M的光束的一部分形成经图案化光学信号,所述经图案化光学信号经引导穿过成像光学器件653且到达晶片W上以起始图案转印。
图6B提供根据特定实施例的具有成像透镜651a的检验系统650的示意性表示,成像透镜651a在光罩平面652处具有相对大的数值孔径651b。所描绘检验系统650包含经设计以提供(举例来说)60X到200X的放大率以用于增强的检验的显微镜放大光学器件653。检验系统的光罩平面652处的数值孔径651b通常明显大于光刻系统600的光罩平面602处的数值孔径601,此将导致测试检验图像与实际经印刷图像之间的差异。这些光学系统(600、650)中的每一者在所产生图像中诱发以本文中所描述的新颖检验技术加以考虑并补偿的不同光学效应。
本文中所描述的检验技术可实施于各种经特别配置的检验系统上,例如图6B中示意性地图解说明的检验系统。系统650包含产生光束的照明源660,所述光束经由照明光学器件651引导到光罩平面652中的光掩模M上。光源的实例包含激光器或滤光灯。在一个实例中,所述源为193 nm激光器。如上文所解释,检验系统650在光罩平面652处具有可大于对应光刻系统的光罩平面数值孔径(例如,图6A中的元件601)的数值孔径651b。将待检验的光掩模M放置于光罩平面652处且暴露到所述源。
经由放大光学元件653的集合引导来自掩模M的经图案化图像,放大光学元件653将经图案化图像投射到传感器654上。适合的传感器包含电荷耦合装置(CCD)、CCD阵列、时间延迟积分(TDI)传感器、TDI传感器阵列、光电倍增管(PMT)及其它传感器。在反射系统中,光学元件将引导并捕获经反射图像。
由传感器654捕获的信号可由计算机系统673或更一般来说由信号处理装置处理,所述信号处理装置可包含经配置以将来自传感器654的模拟信号转换成数字信号以用于处理的模/数转换器。计算机系统673可经配置以分析所感测光束的强度、相位及/或其它特性。计算机系统673可经配置(例如,借助编程指令)以提供用于显示所产生测试图像及其它检验特性的用户接口(例如,在计算机屏幕上)。计算机系统673还可包含用于提供用户输入(例如改变的检测阈值)的一或多个输入装置(例如,键盘、鼠标、操纵杆)。在特定实施例中,计算机系统673经配置以执行下文所详细说明的检验技术。计算机系统673通常具有经由适当总线或其它通信机构耦合到输入/输出端口及一或多个存储器的一或多个处理器。
由于此类信息及程序指令可实施于经特别配置的计算机系统上,因此此系统包含可存储于计算机可读媒体上的用于执行本文中所描述的各种操作的程序指令/计算机代码。机器可读媒体的实例包含但不限于:磁性媒体,例如硬盘、软盘及磁带;光学媒体,例如CD-ROM磁盘;磁光媒体,例如光盘;及经特别配置以存储并执行程序指令的硬件装置,例如只读存储器装置(ROM)及随机存取存储器(RAM)。程序指令的实例包含机器代码(例如由编译器产生)及含有可由计算机使用解释器来执行的较高级代码的文件两者。
在特定实施例中,用于检验光掩模的系统包含经配置以执行以下操作的至少一个存储器及至少一个处理器:产生掩模的测试光强度图像,包含测试透射图像及测试反射图像;建构点图像;将所述点图像还原为掩模图像;线细化;形成特征图谱;及使用所述特征图谱分析所述测试光强度图像以识别光掩模缺陷。检验系统的一个实例包含可从加利福尼亚州苗必达市的KLA-Tencor购得的经特别配置的TeraScanTM DUV检验系统。
虽然已出于理解清楚的目的而以一些细节描述了前述发明,但将了解,可在所附权利要求书的范围内实践特定改变及修改。应注意,存在实施本发明的过程、系统及设备的许多替代方式。因此,本发明实施例应被视为说明性而非限定性的,且本发明不应限于本文中所给出的细节。
Claims (21)
1.一种用于检验光学光刻掩模以识别光刻显著缺陷的方法,所述方法包括:
提供包括多个可印刷特征及多个不可印刷特征的掩模,所述掩模经配置以使用光刻系统实现所述可印刷特征到衬底上的光刻转印;
通过一或多个检验系统产生所述掩模的经透射图像及经反射图像;
基于所述经透射图像及所述经反射图像来建构带限点图像以减小由所述一或多个检验系统引入的噪声;
将所述点图像还原为掩模图像以借此最小化所述掩模图像中的来自所述一或多个检验系统的进一步光学像差;
使用所述经还原掩模图像产生所述不可印刷特征的不可印刷特征图谱及所述可印刷特征的可印刷特征图谱;
生长所述不可印刷特征图谱,同时基于所述可印刷特征图谱防止此不可印刷特征图谱入侵到所述可印刷特征中;及
分析所述掩模的一或多个测试图像以检测此掩模上的缺陷,其中与所述一或多个测试图像的未由所述不可印刷特征图谱界定的区相比,在所述一或多个测试图像的由所述不可印刷特征图谱界定的区中减小缺陷检测的灵敏度水平。
2.根据权利要求1所述的方法,其进一步包括:
对所述经还原掩模图像执行细化过程以产生骨架图像;及
使用所述骨架图像测量所述经还原掩模图像中的线宽度以确定在何处测量此些线宽度,
其中所述经测量线宽度用于通过分别在低于或者等于或高于所规定阈值的经测量线宽度之间进行区分来产生所述不可印刷特征图谱及所述可印刷特征图谱。
3.根据权利要求1所述的方法,其中通过以选定系数将所述经反射图像及所述经透射图像组合成线性方程式使得高频率项彼此抵消而实现产生所述带限点图像。
4.根据权利要求2所述的方法,其进一步包括:
使用校准数据来处理所述点图像以从所述点图像移除进一步光学像差。
5.根据权利要求2所述的方法,其中如果具有低于所述预定义阈值的经测量线宽度的每一特征到具有等于或高于所述预定义阈值的经测量线宽度的另一特征在预定义距离内,那么将具有低于所述预定义阈值的所述经测量线宽度的此特征仅包含于所述不可印刷图谱中。
6.根据权利要求1所述的方法,其中将所述点图像还原为所述掩模图像导致将所述掩模图像去模糊且导致所述掩模的较真正图像。
7.根据权利要求1所述的方法,其中通过将所述一或多个测试图像与从用于制作所述掩模的设计数据库获得的参考图像进行比较而实现所述一或多个测试图像的所述分析。
8.根据权利要求1所述的方法,其中通过将所述一或多个测试图像与从参考裸片获得的参考图像进行比较而实现所述一或多个测试图像的所述分析。
9.根据权利要求1所述的方法,其中所述不可印刷特征包括亚分辨率辅助特征SRAF。
10.根据权利要求1所述的方法,其进一步包括基于所述点图像且为了将几何特征分类成选自由以下各项组成的群组的一或多个几何特征类型而建构几何图谱:边缘、拐角及线端,其中所述一或多个测试图像的所述分析进一步基于所述几何图谱。
11.一种用于检验掩模以识别光刻显著缺陷的检验系统,所述检验系统包括经配置以执行以下操作的至少一个存储器及至少一个处理器:
提供包括多个可印刷特征及多个不可印刷特征的掩模,所述掩模经配置以使用光刻系统实现所述可印刷特征到衬底上的光刻转印;
产生所述掩模的经透射图像及经反射图像;
基于所述经透射图像及所述经反射图像来建构带限点图像以减小由所述检验系统引入的噪声;
将所述点图像还原为掩模图像以借此最小化所述掩模图像中的来自所述一或多个检验系统的进一步光学像差;
使用所述经还原掩模图像产生所述不可印刷特征的不可印刷特征图谱及所述可印刷特征的可印刷特征图谱;
生长所述不可印刷特征图谱,同时基于所述可印刷特征图谱防止此不可印刷特征图谱入侵到所述可印刷特征中;及
分析所述掩模的一或多个测试图像以检测此掩模上的缺陷,其中与所述一或多个测试图像的未由所述不可印刷特征图谱界定的区相比,在所述一或多个测试图像的由所述不可印刷特征图谱界定的区中减小缺陷检测的灵敏度水平。
12.根据权利要求11所述的系统,其进一步包括:
对所述经还原掩模图像执行细化过程以产生骨架图像;及
使用所述骨架图像测量所述经还原掩模图像中的线宽度以确定在何处测量此些线宽度,
其中所述经测量线宽度用于通过分别在低于或者等于或高于所规定阈值的经测量线宽度之间进行区分来产生所述不可印刷特征图谱及所述可印刷特征图谱。
13.根据权利要求11所述的系统,其中产生所述带限点图像是通过以选定系数将所述经反射图像及所述经透射图像组合成线性方程式使得高频率项彼此抵消而实现的。
14.根据权利要求12所述的系统,其进一步包括:
使用校准数据来处理所述点图像以从所述点图像移除进一步光学像差。
15.根据权利要求12所述的系统,其中如果具有低于所述预定义阈值的经测量线宽度的每一特征到具有等于或高于所述预定义阈值的经测量线宽度的另一特征在预定义距离内,那么将具有低于所述预定义阈值的所述经测量线宽度的此特征仅包含于所述不可印刷图谱中。
16.根据权利要求11所述的系统,其中将所述点图像还原为所述掩模图像导致将所述掩模图像去模糊且导致所述掩模的较真正图像。
17.一种用于掩模上的细线检测的检测方法,检测方法包括:
从所述掩模的经透射光学图像及经反射光学图像产生带限点图像;
校准所述点图像以最小化来自所述点图像的多个光学像差;
将所述点图像还原回到掩模图像以允许以下各项中的至少一者:
所述掩模图像上的细线区与非细线区之间的较可靠分割;及
用于促进分割的较准确线宽度测量;
在所述经还原掩模图像上的细线特征与非细线特征之间进行区分;及
生长含有细线特征的区,同时防止所述细线生长入侵所述非细线特征。
18.根据权利要求17所述的检测方法,其中通过区分所述细线特征与所述非细线特征而实现防止所述细线生长入侵多个几何形状。
19.根据权利要求17所述的检测方法,其进一步包括利用水平集函数来测量临界尺寸以用于执行细线检测的步骤。
20.根据权利要求17所述的检测方法,其中从所述点图像还原掩模图案的步骤允许较可靠分割及较准确线宽度测量。
21.根据权利要求17所述的检测方法,其中所述点图像为所述掩模图案的带限低通版本。
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261608268P | 2012-03-08 | 2012-03-08 | |
US61/608,268 | 2012-03-08 | ||
US201261609359P | 2012-03-11 | 2012-03-11 | |
US61/609,359 | 2012-03-11 | ||
US201261609903P | 2012-03-12 | 2012-03-12 | |
US61/609,903 | 2012-03-12 | ||
US13/473,299 | 2012-05-16 | ||
US13/473,299 US8855400B2 (en) | 2012-03-08 | 2012-05-16 | Detection of thin lines for selective sensitivity during reticle inspection using processed images |
PCT/US2013/029790 WO2013134605A1 (en) | 2012-03-08 | 2013-03-08 | Detection of thin lines for selective sensitivity during reticle inspection using processed images |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104272184A true CN104272184A (zh) | 2015-01-07 |
CN104272184B CN104272184B (zh) | 2019-08-09 |
Family
ID=49114167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380023561.7A Active CN104272184B (zh) | 2012-03-08 | 2013-03-08 | 用于检验掩模以识别光刻显著缺陷的方法和检验系统 |
Country Status (7)
Country | Link |
---|---|
US (2) | US8855400B2 (zh) |
EP (1) | EP2823354B1 (zh) |
JP (1) | JP6328063B2 (zh) |
KR (1) | KR102090846B1 (zh) |
CN (1) | CN104272184B (zh) |
TW (1) | TWI602013B (zh) |
WO (1) | WO2013134605A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037142A (zh) * | 2017-12-04 | 2018-05-15 | 江苏维普光电科技有限公司 | 基于图像灰度值的掩膜版光学缺陷检测方法 |
CN108595422A (zh) * | 2018-04-13 | 2018-09-28 | 卓望信息技术(北京)有限公司 | 一种过滤不良彩信的方法 |
CN109844918A (zh) * | 2016-10-14 | 2019-06-04 | 科磊股份有限公司 | 用于经配置用于半导体应用的深度学习模型的诊断系统及方法 |
CN110609450A (zh) * | 2018-06-14 | 2019-12-24 | 佳能株式会社 | 信息处理装置、判断方法、程序、光刻系统和制造方法 |
CN112967302A (zh) * | 2021-02-26 | 2021-06-15 | 岭澳核电有限公司 | 核电厂水下安保入侵目标的监测方法 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10401305B2 (en) | 2012-02-15 | 2019-09-03 | Kla-Tencor Corporation | Time-varying intensity map generation for reticles |
US8855400B2 (en) | 2012-03-08 | 2014-10-07 | Kla-Tencor Corporation | Detection of thin lines for selective sensitivity during reticle inspection using processed images |
US9430824B2 (en) | 2013-05-14 | 2016-08-30 | Kla-Tencor Corporation | Machine learning method and apparatus for inspecting reticles |
US9612541B2 (en) | 2013-08-20 | 2017-04-04 | Kla-Tencor Corporation | Qualifying patterns for microlithography |
US9183656B2 (en) | 2014-03-11 | 2015-11-10 | Fei Company | Blend modes for mineralogy images |
US9778205B2 (en) | 2014-03-25 | 2017-10-03 | Kla-Tencor Corporation | Delta die and delta database inspection |
US9478019B2 (en) | 2014-05-06 | 2016-10-25 | Kla-Tencor Corp. | Reticle inspection using near-field recovery |
US9747518B2 (en) | 2014-05-06 | 2017-08-29 | Kla-Tencor Corporation | Automatic calibration sample selection for die-to-database photomask inspection |
US10140698B2 (en) * | 2015-08-10 | 2018-11-27 | Kla-Tencor Corporation | Polygon-based geometry classification for semiconductor mask inspection |
US10395361B2 (en) | 2015-08-10 | 2019-08-27 | Kla-Tencor Corporation | Apparatus and methods for inspecting reticles |
US10186026B2 (en) * | 2015-11-17 | 2019-01-22 | Kla-Tencor Corp. | Single image detection |
WO2017091339A1 (en) * | 2015-11-25 | 2017-06-01 | International Business Machines Corporation | Tool to provide integrated circuit masks with accurate dimensional compensation of patterns |
CN105631458B (zh) * | 2015-12-22 | 2018-05-22 | 广州视源电子科技股份有限公司 | 一种电子元件样本标注方法及装置 |
CN105404900B (zh) * | 2015-12-22 | 2017-12-19 | 广州视源电子科技股份有限公司 | 一种并排二极管的定位方法及装置 |
US10192302B2 (en) * | 2016-05-25 | 2019-01-29 | Kla-Tencor Corporation | Combined patch and design-based defect detection |
CN107633524B (zh) * | 2016-07-18 | 2020-09-29 | 中国科学院微电子研究所 | 一种版图边界提取方法及装置 |
US10430987B1 (en) * | 2017-06-09 | 2019-10-01 | Snap Inc. | Annotating an image with a texture fill |
US11263741B2 (en) * | 2020-01-24 | 2022-03-01 | Applied Materials Israel Ltd. | System and methods of generating comparable regions of a lithographic mask |
JP7527822B2 (ja) * | 2020-03-27 | 2024-08-05 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
US11727556B2 (en) * | 2021-09-29 | 2023-08-15 | KLA Corp. | Defect detection for multi-die masks |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040120571A1 (en) * | 1999-08-05 | 2004-06-24 | Orbotech Ltd. | Apparatus and methods for the inspection of objects |
CN101256551A (zh) * | 2007-02-28 | 2008-09-03 | 台湾积体电路制造股份有限公司 | 检查光掩模的方法与系统、计算机可读取的存储介质 |
US20100251203A1 (en) * | 2003-04-06 | 2010-09-30 | Daniel Abrams | Method for Time-Evolving Rectilinear Contours Representing Photo Masks |
US7873204B2 (en) * | 2007-01-11 | 2011-01-18 | Kla-Tencor Corporation | Method for detecting lithographically significant defects on reticles |
US20110299759A1 (en) * | 2007-01-11 | 2011-12-08 | Kla-Tencor Corporation | Reticle defect inspection with model-based thin line approaches |
US8090189B1 (en) * | 2007-03-05 | 2012-01-03 | Kla-Tencor Corporation | Detection of thin line for selective sensitivity during reticle inspection |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU884179A1 (ru) | 1980-03-18 | 1981-11-23 | Предприятие П/Я М-5339 | Устройство дл контрол фотошаблонов |
IL131283A (en) * | 1999-08-05 | 2008-07-08 | Orbotech Ltd | Facility and methods for checking objects |
US7525659B2 (en) * | 2003-01-15 | 2009-04-28 | Negevtech Ltd. | System for detection of water defects |
TW200513812A (en) * | 2003-09-05 | 2005-04-16 | Schott Ag | Attenuating phase shift mask blank and photomask |
NL2006556A (en) * | 2010-05-13 | 2011-11-15 | Asml Holding Nv | Optical system, inspection system and manufacturing method. |
US8855400B2 (en) | 2012-03-08 | 2014-10-07 | Kla-Tencor Corporation | Detection of thin lines for selective sensitivity during reticle inspection using processed images |
-
2012
- 2012-05-16 US US13/473,299 patent/US8855400B2/en active Active
-
2013
- 2013-03-08 WO PCT/US2013/029790 patent/WO2013134605A1/en active Application Filing
- 2013-03-08 TW TW102108315A patent/TWI602013B/zh active
- 2013-03-08 EP EP13757036.2A patent/EP2823354B1/en active Active
- 2013-03-08 JP JP2014561139A patent/JP6328063B2/ja active Active
- 2013-03-08 KR KR1020147028228A patent/KR102090846B1/ko active IP Right Grant
- 2013-03-08 CN CN201380023561.7A patent/CN104272184B/zh active Active
-
2014
- 2014-09-02 US US14/475,400 patent/US9092847B2/en not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040120571A1 (en) * | 1999-08-05 | 2004-06-24 | Orbotech Ltd. | Apparatus and methods for the inspection of objects |
US20100251203A1 (en) * | 2003-04-06 | 2010-09-30 | Daniel Abrams | Method for Time-Evolving Rectilinear Contours Representing Photo Masks |
US7873204B2 (en) * | 2007-01-11 | 2011-01-18 | Kla-Tencor Corporation | Method for detecting lithographically significant defects on reticles |
US20110299759A1 (en) * | 2007-01-11 | 2011-12-08 | Kla-Tencor Corporation | Reticle defect inspection with model-based thin line approaches |
CN101256551A (zh) * | 2007-02-28 | 2008-09-03 | 台湾积体电路制造股份有限公司 | 检查光掩模的方法与系统、计算机可读取的存储介质 |
US8090189B1 (en) * | 2007-03-05 | 2012-01-03 | Kla-Tencor Corporation | Detection of thin line for selective sensitivity during reticle inspection |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109844918A (zh) * | 2016-10-14 | 2019-06-04 | 科磊股份有限公司 | 用于经配置用于半导体应用的深度学习模型的诊断系统及方法 |
CN109844918B (zh) * | 2016-10-14 | 2023-06-20 | 科磊股份有限公司 | 用于经配置用于半导体应用的深度学习模型的诊断系统及方法 |
CN108037142A (zh) * | 2017-12-04 | 2018-05-15 | 江苏维普光电科技有限公司 | 基于图像灰度值的掩膜版光学缺陷检测方法 |
CN108595422A (zh) * | 2018-04-13 | 2018-09-28 | 卓望信息技术(北京)有限公司 | 一种过滤不良彩信的方法 |
CN110609450A (zh) * | 2018-06-14 | 2019-12-24 | 佳能株式会社 | 信息处理装置、判断方法、程序、光刻系统和制造方法 |
US11347153B2 (en) | 2018-06-14 | 2022-05-31 | Canon Kabushiki Kaisha | Error detection and correction in lithography processing |
CN110609450B (zh) * | 2018-06-14 | 2022-08-02 | 佳能株式会社 | 信息处理装置、判断方法、程序、光刻系统和制造方法 |
CN112967302A (zh) * | 2021-02-26 | 2021-06-15 | 岭澳核电有限公司 | 核电厂水下安保入侵目标的监测方法 |
CN112967302B (zh) * | 2021-02-26 | 2024-04-05 | 岭澳核电有限公司 | 核电厂水下安保入侵目标的监测方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2823354B1 (en) | 2017-02-22 |
US8855400B2 (en) | 2014-10-07 |
EP2823354A1 (en) | 2015-01-14 |
US9092847B2 (en) | 2015-07-28 |
US20140369593A1 (en) | 2014-12-18 |
JP6328063B2 (ja) | 2018-05-23 |
KR102090846B1 (ko) | 2020-04-14 |
KR20140141645A (ko) | 2014-12-10 |
WO2013134605A1 (en) | 2013-09-12 |
TWI602013B (zh) | 2017-10-11 |
WO2013134605A9 (en) | 2013-12-12 |
CN104272184B (zh) | 2019-08-09 |
JP2015513703A (ja) | 2015-05-14 |
US20130236083A1 (en) | 2013-09-12 |
EP2823354A4 (en) | 2016-01-13 |
TW201341947A (zh) | 2013-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104272184B (zh) | 用于检验掩模以识别光刻显著缺陷的方法和检验系统 | |
US6990225B2 (en) | Inspection method of photo mask for use in manufacturing semiconductor device | |
KR101877584B1 (ko) | 모델-기반 세선 접근법에 의한 레티클 결함 검사 방법 및 시스템 | |
KR101877583B1 (ko) | 리소그래픽적으로 중요한 오염 포토마스크 결함의 웨이퍼 면 검출 | |
JP6594876B2 (ja) | フォトリソグラフィレチクル認定方法及びシステム | |
US10074036B2 (en) | Critical dimension uniformity enhancement techniques and apparatus | |
US8200002B2 (en) | Photo-mask and wafer image reconstruction | |
US7860675B2 (en) | Pattern inspection apparatus, pattern inspection method, and pattern inspection program | |
US20060239535A1 (en) | Pattern defect inspection method and apparatus | |
CN102385649B (zh) | 检测光学微影光罩的方法及系统与装置 | |
US9733640B2 (en) | Method and apparatus for database-assisted requalification reticle inspection | |
US10140698B2 (en) | Polygon-based geometry classification for semiconductor mask inspection | |
JP3237928B2 (ja) | パターン検査方法及び装置 | |
JPH08254816A (ja) | パターン欠陥検査方法およびその装置 | |
JPH08247738A (ja) | パターン欠陥検査方法及び検査装置 | |
Broadbent et al. | Results from a new reticle defect inspection platform | |
Tsuchiya et al. | High-performance DUV inspection system for 100-nm generation masks | |
Isomura et al. | A new inspection method for phase-shift mask (PSM) on deep-UV inspection light source |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |