CN104272185A - 使用系统性缺陷过滤器的光罩缺陷检验 - Google Patents

使用系统性缺陷过滤器的光罩缺陷检验 Download PDF

Info

Publication number
CN104272185A
CN104272185A CN201380023868.7A CN201380023868A CN104272185A CN 104272185 A CN104272185 A CN 104272185A CN 201380023868 A CN201380023868 A CN 201380023868A CN 104272185 A CN104272185 A CN 104272185A
Authority
CN
China
Prior art keywords
defect
defective data
light shield
group
image
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
Application number
CN201380023868.7A
Other languages
English (en)
Other versions
CN104272185B (zh
Inventor
李冰
伟敏·马
约瑟夫·布莱谢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KLA Corp
Original Assignee
KLA Tencor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by KLA Tencor Corp filed Critical KLA Tencor Corp
Publication of CN104272185A publication Critical patent/CN104272185A/zh
Application granted granted Critical
Publication of CN104272185B publication Critical patent/CN104272185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956Inspecting patterns on the surface of objects
    • G01N21/95607Inspecting patterns on the surface of objects using a comparative method
    • GPHYSICS
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F1/00Originals 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
    • G03F1/68Preparation processes not covered by groups G03F1/20 - G03F1/50
    • G03F1/82Auxiliary processes, e.g. cleaning or inspecting
    • G03F1/84Inspecting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956Inspecting patterns on the surface of objects
    • G01N2021/95676Masks, reticles, shadow masks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Preparing Plates And Mask In Photomechanical Process (AREA)

Abstract

本发明揭示用于检验光学光刻光罩的方法及设备。从光罩检验系统接收缺陷数据流,其中所述缺陷数据识别针对所述光罩的多个不同部分所检测的多个缺陷。在检视所述缺陷数据以确定所述光罩是否通过检验之前且在继续接收所述缺陷数据流时,将所述缺陷中的一些缺陷与其它最近一或多个所接收缺陷自动分组在一起以便形成实质上匹配缺陷的群组。在检视所述缺陷数据以确定所述光罩是否通过检验之前且在接收到所述光罩的所有所述缺陷数据之后,从所述缺陷数据自动过滤所述缺陷群组中的具有高于预定阈值的数目的一或多个缺陷群组以便形成经过滤缺陷数据。接着,可将所述经过滤缺陷数据提供到检视站以确定所述光罩是否合格。

Description

使用系统性缺陷过滤器的光罩缺陷检验
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)李冰等人的标题为“使用系统性缺陷过滤器的光罩缺陷检验(Reticle Defect Inspection with Systematic Defect Filter)”的2012年3月8日提出申请的第61/608,445号美国临时申请案及(ii)李冰等人的标题为“使用系统性缺陷过滤器的光罩缺陷检验(Reticle Defect Inspection with Systematic Defect Filter)”的2012年4月9日提出申请的第61/621,725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,本发明涉及一种用以从光罩缺陷检测来过滤系统性缺陷的方法。
背景技术
一般来说,半导体制造行业涉及用于使用以层形式布设并图案化到例如硅的衬底上的半导体材料来制作集成电路的高度复杂技术。由于大规模的电路集成及大小日益减小的半导体装置,因此经制作装置已变得对缺陷越来越灵敏。即,导致装置中的故障的缺陷正变得越来越小。装置在装运到终端用户或顾客之前为无故障的。
集成电路通常由多个光罩制作而成。光罩的产生及对此类光罩的后续光学检验已成为半导体生产中的标准步骤。首先,电路设计者向光罩生产系统或光罩写入器提供描述特定集成电路(IC)设计的电路图案数据。电路图案数据通常呈经制作IC装置的物理层的代表性布局的形式。所述代表性布局包含IC装置的每一物理层的代表性层(例如,栅极氧化物、多晶硅、金属化物等),其中每一代表性层由界定特定IC装置的层的图案化的多个多边形组成。
光罩写入器使用电路图案数据来写入(例如,通常使用电子束写入器或激光扫描仪来曝光光罩图案)稍后将用于制作特定IC设计的多个光罩。光罩检验系统可接着检验光罩以找出可能已在光罩的生产期间出现的缺陷。
光罩或光掩模为至少含有透明区域及不透明区域且有时含有半透明区域及相移区域(其共同界定例如集成电路的电子装置中的共面特征的图案)的光学元件。光罩在光学光刻期间用于界定半导体晶片的所规定区域以进行蚀刻、离子植入或其它制作过程。
在制作每一光罩或光罩群组之后,通常通过用从受控照明器发出的光照明每一光罩来检验所述光罩。基于反射、透射或以其它方式引导到光传感器的光的部分来建构光罩的一部分的测试图像。此类检验技术及设备为此项技术中众所周知的,且体现于各种商业产品中,例如可从加利福尼亚州苗必达市的KLA-Tencor公司购得的那些商业产品中的许多商业产品。
在常规检验过程期间,通常将光罩的测试图像与基线图像进行比较。通常,基线图像为从电路图案数据或从光罩本身上的邻近裸片产生。不论以哪一种方式,均分析测试图像特征且将其与基线图像的特征进行比较。接着,将每一差值与预定阈值进行比较。如果测试图像与基线图像相差超出所述预定阈值,那么界定并报告缺陷。
在两个图像之间所检测的每一差均可能导致可印刷缺陷。相反地,所检测缺陷中的一些缺陷将对所得集成电路没有影响。取决于此阈值是设定得太高还是太低,此技术可能不能捕获小的缺陷且还可能捕获大量“假”缺陷。
一直需要用以准确地且可靠地检测光罩或类似物上的缺陷同时减小所检测“假”缺陷的数目的经改进检验技术。
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。
在一个实施例中,揭示一种检验光学光刻光罩的方法。从光罩检验系统接收缺陷数据流,其中所述缺陷数据识别针对所述光罩的多个不同部分所检测的多个缺陷。在检视所述缺陷数据以确定所述光罩是否通过检验之前且在继续接收所述缺陷数据流时,将所述缺陷中的一些缺陷与其它最近一或多个所接收缺陷自动分组在一起以便形成实质上匹配缺陷的群组。在检视所述缺陷数据以确定所述光罩是否通过检验之前且在接收到所述光罩的所有所述缺陷数据之后,从所述缺陷数据自动过滤所述缺陷群组中的具有高于预定阈值的数目的一或多个缺陷群组以便形成经过滤缺陷数据。接着,可将所述经过滤缺陷数据提供到检视站以确定所述光罩是否合格。
在特定实施方案中,人工地执行检视所述缺陷数据以确定所述光罩是否通过检验。在另一实施例中,一次一个缺陷图像地接收所述缺陷数据且通过以下操作实现自动分组:当接收到每一缺陷图像时,如果存在现有种子群组,那么确定所述缺陷图像是否匹配所述现有种子群组且将此缺陷图像添加到此匹配的现有种子群组。否则,形成包括此缺陷图像的新种子群组。在另一方面中,如果存在现有种子群组,那么确定每一缺陷图像是否匹配所述现有种子群组且将此缺陷图像添加到此匹配的现有种子群组是通过以下操作实现的:一次一个地将此缺陷图像与多个种子群组进行比较直到在存在匹配的情况下找出所述匹配。在另一方面中,一次一个地将此缺陷图像与多个种子群组进行比较直到在存在匹配的情况下找出所述匹配是通过以下操作实现的:首先确定此缺陷图像是否具有与所述种子群组中的一者实质上匹配的形状,且仅在存在实质上匹配形状的情况下,逐像素地将此缺陷图像与具有所述实质上匹配形状的所述种子群组进行比较。在另一方面中,当所述逐像素比较产生小于2×2像素差时,确定将此缺陷图像与所述种子群组中的特定一者分组在一起。
在另一实施方案中,以最后所接收缺陷数据到第一所接收缺陷数据的时间次序实现自动分组。在另一方面中,在没有人为干预的情况下执行自动分组及过滤。在另一实例中,所述预定阈值具有经调整值,所述经调整值取决于环绕此特定群组的缺陷的区的均匀性水平。在另一方面中,所述预定阈值具有经调整值,所述经调整值经设定使得如果特定群组的缺陷由实质上空白背景环绕,那么不过滤此特定群组。在另一方面中,所述预定阈值具有经调整值,所述经调整值针对具有一维缺陷的第一群组比针对具有二维缺陷的第二群组高。在特定实施方案中,特定群组的缺陷类型的所述预定阈值与1/log(A)成比例,其中A为独特背景图案的面积。
在特定实施例中,本发明涉及一种用于检验光学光刻光罩的系统。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。
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是图解说明根据本发明的一个实施例的检验过程的流程图。
图1B是图解说明根据本发明的特定实施方案的自动系统性缺陷过滤过程的流程图。
图1C是图解说明一个实例性缺陷检测程序的流程图。
图2图解说明与光罩的经过滤缺陷相比,同一光罩在过滤之前的所检测缺陷。
图3是根据本发明的一个实施例的检验系统的图解性表示。
图4是对应于例如光罩的样本的两个“条区”的两组图像数据的图解性表示。
图5是对应于被划分成若干片块(patch)的条区的图像数据组的图解性图解说明。
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来描述本发明,但将理解,并不打算将本发明限于所述实施例。
术语“光罩”一般来说包含其上形成有不透明材料层的例如玻璃、硼硅酸盐玻璃及熔融硅石的透明衬底。不透明区域可由蚀刻到透明衬底中的区域替换。
此项技术中已知许多不同类型的光罩,且如本文中所使用的术语光罩打算涵盖所有类型的光罩。举例来说,术语光罩指不同类型的光罩,包含但不限于明场光罩、暗场光罩、二元光罩、相移掩模(PSM)、交替PSM、衰减型或半色调PSM及三元衰减型PSM。明场光罩具有透明的场区或背景区,且暗场光罩具有不透明的场区或背景区。二元光罩为具有透明或不透明的经图案化区的光罩。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。二元光罩不同于相移掩模(PSM),一种类型的相移掩模可包含仅部分地透射光的膜,且这些光罩可共同称为半色调或嵌入式相移掩模(EPSM)。如果在光罩的交替透明空间上放置相移材料,那么所述光罩称为交替PSM、ALT PSM或列文森(Levenson)PSM。施加到任意布局图案的一种类型的相移材料称为衰减型或半色调PSM,其可通过用部分透射或“半色调”膜替换不透明材料而制作。三元衰减型PSM为还包含完全不透明特征的衰减型PSM。
一般来说,可将在缺陷检测过程期间产生的所检测光罩缺陷分类成三种类型:真实缺陷、再现过程缺陷及光罩检验过程缺陷。真实缺陷对应于光罩的一部分上的实际污染或光罩图案的一部分的无意移除。如本文中所使用,术语“真实”或“实际”缺陷指光罩的设计图案中的缺陷,所述缺陷可致使设计图案中的缺陷印刷于使用所述光罩的晶片上,例如过度拐角修圆、不满意的尺寸、缺失的特征、特征之间的桥接等。光罩检验过程缺陷由检验过程诱发。举例来说,缺陷检测过程可包含导致在整个光罩图像中找出“假”缺陷的模型化过程。再现过程缺陷由来自光学检验工具的影响引入。各种光学失真可在光罩图像中引入可被无意地检测为缺陷的差异。
假缺陷还可称为“系统性”缺陷,这是因为在缺陷检测过程期间通常在系统性图案或高数目方面产生两种类型的假缺陷。例如,模型化引入的假缺陷往往在同一图案处反复发生,例如高曲率图案或小特征。相比来说,真实缺陷通常为随机事件,使得真实缺陷的位置及出现为随机的且非重复的。
图1A是图解说明根据本发明的一个实施例的检验过程100的概述的流程图。在操作102中,针对特定光罩检测缺陷。一般来说,可借助本发明的实施例实施任何适合类型及数目的缺陷检测技术。举例来说,可使用不同缺陷检测器用于检测不同类型的真实缺陷,例如针孔缺陷、针点缺陷、不同类型的线边缘缺陷、线端缺陷、不同大小的缺陷、污染缺陷、半色调缺陷等。
另外,用于检测特定类型的缺陷(或光罩上的所有“真实”缺陷)的灵敏度可经调整以便捕获实质上所有特定类型的缺陷。一般来说,可制作且接着检验具有不同类型的缺陷的测试光罩以确定每一缺陷检测器技术的灵敏度。然而,本发明的系统性缺陷过滤过程可与任何适合的所检测缺陷数据一起使用且并不取决于此数据是如何产生的。
当检测出特定光罩的缺陷时,可将一或多个所检测缺陷数据流发送到过程以在操作104中从所检测缺陷自动过滤系统性缺陷。系统性过滤过程104一般来说可经配置以在接收到缺陷数据时通过将一或多个缺陷与先前所接收缺陷进行比较以便通过将此些匹配缺陷分组在一起来确定是否检测到类似缺陷的图案而自动分析所述缺陷数据。在找出特定光罩的实质上所有所检测缺陷数据且将其分组(如果匹配)之后,过滤过程可接着如下文进一步描述从所检测数据自动过滤系统性缺陷。
在从所有所检测缺陷过滤系统性缺陷之后,可接着在操作106中检视所过滤缺陷。举例来说,可人工地检视所过滤缺陷以确定其余缺陷是否将有可能严重影响将以所检查光罩来制作的经制作装置结构的操作。
接着,可在操作108中确定光罩是否合格。此确定可基于任何适合因素,例如总缺陷(在过滤之后)的数目、特定类型的缺陷的总数目等。如果光罩合格,那么可接着使用所述光罩来制作具有半导体装置的晶片。否则,在操作110中修复或者抛弃光罩。如果修复光罩,那么可接着针对所修复光罩重复缺陷检测、过滤及检视过程。如果抛弃光罩,那么基于缺陷结果制造另一经改进光罩,且接着对此经改进光罩执行缺陷检测、过滤及检视过程。
可使用任何适合技术用于从所检测缺陷数据自动过滤实质上类似缺陷的图案。在一个实施方案中,在时间顺序数据流中分析缺陷数据以便获得缺陷群组的独特解决方案,接着基于每一群组中的缺陷数目来过滤缺陷群组。当然,可使用其它技术来获得一组独特的经分组缺陷。
图1B是图解说明根据本发明的特定实施方案的自动系统性缺陷过滤过程120的流程图。在此实例中,以时间次序将缺陷数据分组。首先,在操作122中从检验系统接收第一缺陷图像。在此实施例中,当找出每一缺陷时,通过自动过滤过程获得缺陷图像(或信号或者数据)。如下文进一步描述,可扫描光罩以获得多个图像,所述多个图像由分析图像以检测缺陷的多个图像处理器个别地处理。当找出每一缺陷时,过滤过程可接着接收对应于此所找出缺陷的缺陷图像。
在接收到第一缺陷图像之后,可接着在操作124中确定所接收缺陷图像是否匹配任何现有种子缺陷群组。由于此为第一缺陷图像,因此确定不存在匹配。接着在操作126中基于当前缺陷图像产生新种子群组。接着,可在操作128中确定是否仍存在任何缺陷。换句话说,确定是否已从缺陷检测系统接收所有缺陷数据。
如果存在更多缺陷,那么在操作122中从检验系统接收下一缺陷图像。接着,可在操作124中确定缺陷是否匹配任何现有种子缺陷群组。在接收到多个缺陷图像且对其进行分析以找出匹配之后,可能已产生多个不同种子群组。为获得独特解决方案,可以时间次序分析现有种子群组,例如分析最后所接收种子群组(或具有最后所接收缺陷)以找出与最后所接收缺陷图像的可能匹配,且接着分析所述最后所接收种子群组的下一者等直到找出匹配。
每一群组可具有经界定种子缺陷(例如添加到此群组的第一(或最后)所接收缺陷),可将其与其它新近接收的缺陷进行比较。即,可在新近接收的缺陷图像与群组的仅有种子缺陷(而非已经分组到此群组中的缺陷中的每一者)之间进行比较。当然,所述比较可包含对每一群组的所有缺陷及新近接收的缺陷图像的分析,但至少在当今的处理速度下此技术可为显著低效的。
可以任何适合方式执行新近接收的缺陷图像与种子群组之间的比较。在一个实施方案中,所述比较包含预筛选缺陷以确定其是否具有类似形状。如果新近接收的缺陷与种子缺陷具有类似形状,那么进一步分析所述两个缺陷以确定所述两个缺陷是否以其它方式(例如,位置、形状、大小、定向等)匹配。即,可在逐像素基础上来将两个缺陷彼此对准并进行比较。当两个缺陷具有小于预定阈值准则(例如,例如2×2残差)的差时,可将其界定为匹配。然而,可使用测试光罩调整此阈值以确定最优阈值,使得缺陷数据映射到相关数目及类型的分级箱(例如,“真实”缺陷对“系统性”缺陷)中。分组的灵敏度可实质上高于用于检测缺陷的检验灵敏度。
如果存在匹配,那么可在操作127中将当前缺陷添加到匹配群组。否则,可在操作126中针对当前缺陷产生新种子群组。因此,当传入缺陷不匹配现有种子群组的缺陷中的任一者时形成新种子群组。因此,每一种子群组将包含多个实质上匹配缺陷图像。
在将特定光罩的所有缺陷匹配到特定种子群组之后,可分析所述种子群组以用于过滤。在一个实施例中,可一次一个地分析种子群组。在其它实施例中,可并行分析种子群组。在所图解说明的实例中,可在操作130中获得第一种子群组。接着,在操作132中,如果此当前种子群组中的缺陷数目大于预定阈值,那么可过滤此当前种子群组。
可使用任何适合数目个不同过滤阈值。在一个实施方案中,针对每一缺陷群组的不同背景图案使用不同阈值。即,检查缺陷及其如何与周围区相关以确定从多个不同阈值中选择哪一阈值。例如,如果群组的缺陷为由几乎空白区环绕的点缺陷或颗粒缺陷(例如,零维或0D缺陷),那么此缺陷可能为“真实”颗粒缺陷,且将计数阈值设定为实际上无限大使得不管缺陷计数如何高仍保留所有此群组的缺陷。在另一实例中,如果缺陷为一维或1D缺陷(例如,例如线),那么将计数阈值设定为特定值X以在图案类型缺陷对“真实”缺陷之间进行区分(例如,或实现群组中的缺陷为真实缺陷的50%的概率)。可将2D缺陷的计数阈值设定得低于1D缺陷的计数阈值。在特定实施方案中,选定阈值N与1/log(A)成比例,其中A为独特背景图案的面积。在此实施例中,将不过滤具有简单背景的0D缺陷,这是因为不存在独特背景区(即,所有背景像素均相同)。同样地,可将(例如)0D缺陷的恒定背景界定为具有面积1,此导致计数阈值无限大使得存留0D缺陷群组中的所有缺陷。具有较大独特背景区的缺陷导致相对较低的计数阈值。
不同用户可容易地针对不同缺陷类型选择不同计数阈值。举例来说,不同制作过程可需要不同计数阈值以实现系统性缺陷对真实缺陷的相关分级。可以任何适合方式完成对此些计数阈值的选择,例如经由配置文件或图形用户接口。
在针对是否从缺陷数据过滤特定种子群组的缺陷分析此群组之后,可接着在操作134中确定是否存在任何其它种子群组。如果不存在更多种子群组,那么程序120结束。否则,在操作130中获得下一种子群组且过滤过程继续直到已针对过滤或不过滤分析了所有种子群组。
特定自动过滤实施例可提供一组较清洁缺陷以供检视工具操作者检视。图2图解说明与视窗202中的光罩的经过滤缺陷相比,视窗200中的同一光罩在过滤之前的所检测缺陷。如所展示,在过滤之后的缺陷计数实质上减小。每一视窗的直方图展示每一基于几何图案的缺陷类型(透明/半色调、EdgeToLE(边缘到线端)、LEOrCorner(线边缘或拐角)、仅半色调、IsoEdge(经隔离边缘)、仅透明等)中的缺陷数目,其中每一者是根据缺陷的大小(小、中等、大或超大)。可见,当关断系统性过滤时,缺陷图谱由于系统性缺陷的存在而展示类属多裸片布局。当接通系统性过滤时,仅留下真实缺陷,而过滤出那些系统性缺陷。
上文所描述技术的特定实施例包含在没有现有缺陷模板的情况下根据重复缺陷的重复性及随机性以及自动识别对假缺陷的过滤。这些过滤技术还可克服使用并行处理器来处理经扫描光罩的个别“片块”部分的片块级图像处理的限制。如下文进一步描述,限于片块的界限的片块级处理固有地缺乏板层级处的缺陷的全局视图。另一方面,过滤技术的特定实施例可基于缺陷的全局视图做出决策。
自动系统性缺陷过滤可在难以获得进一步处方优化及算法改进的许多情形中显著地减小假缺陷的数目。系统性缺陷过滤还可实现较高灵敏度检验,以便捕捉较小缺陷同时减小对于优化特定几何分类的灵敏度设定的需要。
另外,特定实施例可提供用以在缺陷到达检视站之前自动过滤此些缺陷的机制。由于已过滤出界定为系统性缺陷的缺陷群组,因此检视操作者仅面对小的子组的缺陷来检视。相比来说,自动缺陷分类技术提供还包含系统性缺陷的大量缺陷分类。即使经分类缺陷可允许操作者仅检视每一分类中的一个缺陷以确定整个缺陷分类是否表示紧要缺陷,操作者还将必须繁琐地检视较大数目个缺陷分类以确定哪些缺陷分类仅包含系统性缺陷对哪些缺陷分类仅包含实际光罩缺陷。当在操作者检视之前自动过滤出整个群组时,操作者面对排除系统性缺陷的经过滤缺陷。
可使用任何适合的缺陷检测程序来将缺陷数据输入到本文中所描述的自动系统性缺陷过滤技术。图1C是图解说明一个实例性缺陷检测程序150的流程图。首先,在操作152中提供待检验的光罩。接着可在操作154中扫描光罩以获得光罩的多个测试图像且将每一测试图像发送到缺陷处理器。
接着可在操作158中将每一测试图像相对于其对应参考图像对准。参考图像可从另一光罩图像获得,所述另一光罩图像从光罩本身(例如,裸片到裸片)获得或通过对光罩设计图案模拟光罩制作与检验过程而从光罩设计数据库(裸片到数据库)获得。在操作160中,还可使用高灵敏度来分析每一测试图像及参考图像以便捕获实质上所有实际光罩缺陷以及假系统性缺陷。
在找出每一所检测图像之后,可接着在操作162中将每一所检测缺陷图像发送到自动系统性缺陷过滤过程。还可在操作164中确定光罩扫描是否完成。如果光罩扫描完成,那么程序150结束。否则,程序继续使用高灵敏度来扫描光罩并检测缺陷。
图3是根据本发明的一个实施例的检验系统300的图解性表示。所述检验系统可从检验工具或扫描仪(未展示)、数据分配系统(例如,304a及304b)、图像处理系统(例如,306a及306b)、一或多个自动过滤处理器与存储器(例如,312)、网络(例如,交换式网络308)、可选大容量存储装置316及一或多个检验控制及/或检视站(例如,310)接收输入302。每一处理器通常可包含一或多个微处理器集成电路,且还可含有接口及/或存储器集成电路且可另外耦合到一或多个共享及/或全局存储器装置。
检验系统300可经布置以从扫描仪或数据采集系统(未展示)接收输入302。扫描仪可为用于获得样本的图像的任何适合仪器。举例来说,扫描仪可基于反射、透射或以其它方式引导到一或多个光传感器的光的一部分来建构样本的一部分的光学图像。或者,扫描仪可利用电子束(e-束)或其它方法用于获得样本的图像。
可从任何适合样本类型获得图像数据。即,样本可为产生相对大量图像数据的任何事物。虽然本文中所描述的所图解说明实例涉及呈其上具有大量精细图案的光罩的形式的样本,但本发明的技术还可应用于采取半导体装置或材料、背侧表层或计算机磁盘的形式的样本。
图像数据302可采取用于表示样本的图像的任何适合形式。举例来说,图像数据通常包含各自表示样本的一部分或片块的多个图像或图像部分。可扫描样本的所述部分以形成图像数据。这些样本部分及对应图像可取决于特定系统及应用需要而为任何大小及形状。可通过以任何适合方式扫描样本来获得图像。通过实例方式,可通过光栅扫描样本来获得图像。或者,可通过以任何适合图案(例如圆形或螺旋形图案)扫描样本来获得图像。当然,在扫描期间传感器可必须以不同方式(例如,以圆形图案)布置及/或样本可以不同方式移动(例如,旋转)以便从样本扫描圆形或螺旋形形状。
在下文所图解说明的实例中,当样本移动经过传感器时,样本的矩形区域(本文中称为“条区”)转换成一组图像。在此实施例中,以矩形图案布置扫描仪的传感器。针对此实例,传感器经布置以从样本接收光且从其产生对应于样本的条区的一组数据,所述条区可为(举例来说)约1百万像素宽且约1000到2000像素高。
图4是根据本发明的实施例的对应于例如光罩的样本400的两个“条区”402及404的两组图像数据的图解性表示。每一组图像数据可对应于样本400的一“条区”。在图4的实例中,第一组图像数据对应于样本400的第一条区402,且第二组图像数据对应于样本400的第二条区404。
每一组图像数据可通过以蛇形图案或光栅图案从样本依序扫描条区而获得。举例来说,通过图像采集系统从左向右地扫描样本400的第一条区402来获得第一组图像数据。接着,从右向左地扫描第二条区404以获得第二组图像数据。
在优选实施例中,在每一组图像数据与下一组图像数据之间存在对应于样本上的重叠的重叠406。此重叠允许处理样本400上的特定图案的更多灵活性。举例来说,此重叠确保由重叠条区覆盖的表面部分上的任何地方的任何图案将完全含纳于至少一个条区内,只要图案的高度小于或等于重叠区的高度即可。大多数算法无法恰当地检测图案中的缺陷,除非整个图案存在于算法正检查的图像部分中。
往回翻到图3,可由数据分配系统经由网络308接收图像数据302。数据分配系统可与用于保持所接收图像数据302的至少一部分的一或多个存储器装置(例如RAM缓冲器)相关联。优选地,整个存储器足够大以保持图像数据的整个条区。举例来说,1吉字节的存储器良好地适用于1百万×1000像素的条区。
数据分配系统(例如,304a及304b)还可控制将所接收图像输入数据302的部分分配到图像处理器(例如,306a及306b)。举例来说,数据分配系统可将第一图像路由到图像处理器306a,且可将第二图像路由到图像处理器306b。
图像处理器可接收对应于样本的至少一部分或片块的图像。图像处理器还可各自耦合到一或多个存储器装置(未展示)或与其集成在一起,所述一或多个存储器装置(例如DRAM装置)提供例如保持图像数据部分的本机存储器功能。优选地,存储器足够大以保持对应于样本的片块的图像。举例来说,8兆字节的存储器良好地适用于对应于512×1024像素的片块的图像。或者,图像处理器可共享存储器。
每一组图像数据302可对应于样本的条区。一或多组图像数据可存储于数据分配系统的存储器中。此存储器可由数据分配系统内的一或多个处理器控制,且所述存储器可被划分成多个分区。举例来说,数据分配系统可将对应于一条区的一部分的图像接收到第一存储器分区(未展示)中,且数据分配系统可将对应于另一条区的另一图像接收到第二存储器分区(未展示)中。优选地,数据分配系统的存储器分区中的每一者仅保持图像数据的待路由到与此存储器分区相关联的处理器的部分。举例来说,数据分配系统的第一存储器分区可保持第一图像且将其路由到图像处理器306a,且第二存储器分区可保持第二图像且将其路由到图像处理器306b。
数据分配系统还可划分所接收图像数据的部分且将其路由到图像处理器。可通过数据分配系统以任何适合方式划分图像数据以用于促进数据分析。举例来说,可将图像数据划分成各自对应于样本的一“片块”的图像。图5是对应于划分成若干片块的条区的图像数据组402的图解性图解说明。
如所展示,图像组402包含多个图像502、504、506及508,且每一图像对应于样本的一片块。如同对应于重叠条区的所述组图像数据,特定组图像数据内的图像也可重叠。如所展示,图像502与504之间存在重叠区510c,图像504与506之间存在重叠区510b,且图像506与508之间存在重叠区510a。
如上文针对重叠条区图像所论述,片块图像的重叠还促进可靠的处理。举例来说,重叠区使得可能在部分地或完全地位于重叠区内的完整结构的宽度小于重叠宽度时处理所述结构。当存在重叠时,还可消除在使用卷积及其它局部相邻者操作时发生于片块边缘处的数据侵蚀或损失。
数据分配系统可基于图像数据的任何适合参数来界定并分配图像数据的每一图像。举例来说,可基于片块在样本上的对应位置来界定并分配图像。在一个实施例中,每一条区与对应于所述条区内的像素的水平位置的一系列列位置相关联。举例来说,条区的列0到列256可对应于第一片块,且这些列内的像素将包括路由到一或多个叶处理器的第一图像。同样地,条区的列257到列512可对应于第二片块,且这些列中的像素将包括路由到不同叶处理器的第二图像。
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或以上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。
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193nm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本文中所描述的技术的至少一个存储器及至少一个处理器。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 (23)

1.一种检验光学光刻光罩的方法,所述方法包括:
从光罩检验系统接收缺陷数据流,其中所述缺陷数据识别针对所述光罩的多个不同部分所检测的多个缺陷;
在检视所述缺陷数据以确定所述光罩是否通过检验之前且在继续接收所述缺陷数据流时,将所述缺陷中的一些缺陷与其它最近一或多个所接收缺陷自动分组在一起以便形成实质上匹配缺陷的群组;及
在检视所述缺陷数据以确定所述光罩是否通过检验之前且在接收到所述光罩的所有所述缺陷数据之后,从所述缺陷数据自动过滤所述缺陷群组中的具有高于预定阈值的数目的一或多个缺陷群组以便形成经过滤缺陷数据;及
将所述经过滤缺陷数据提供到检视站以确定所述光罩是否合格。
2.根据权利要求1所述的方法,其中人工地执行检视所述缺陷数据以确定所述光罩是否通过检验。
3.根据权利要求1所述的方法,其中一次一个缺陷图像地接收所述缺陷数据且通过以下操作实现自动分组:
当接收到每一缺陷图像时,如果存在现有种子群组,那么确定此缺陷图像是否匹配所述现有种子群组且将此缺陷图像添加到此匹配的现有种子群组,否则,形成包括此缺陷图像的新种子群组。
4.根据权利要求3所述的方法,其中如果存在现有种子群组,那么确定每一缺陷图像是否匹配所述现有种子群组且将此缺陷图像添加到此匹配的现有种子群组是通过以下操作实现的:一次一个地将此缺陷图像与多个种子群组进行比较直到在存在匹配的情况下找出所述匹配。
5.根据权利要求3所述的方法,其中一次一个地将此缺陷图像与多个种子群组进行比较直到在存在匹配的情况下找出所述匹配是通过以下操作实现的:首先确定此缺陷图像是否具有与所述种子群组中的一者实质上匹配的形状,且仅在存在实质上匹配形状的情况下,逐像素地将此缺陷图像与具有所述实质上匹配形状的所述种子群组进行比较。
6.根据权利要求5所述的方法,其中当所述逐像素比较产生小于2×2像素差时,确定将此缺陷图像与所述种子群组中的特定一者分组在一起。
7.根据权利要求1所述的方法,其中以最后所接收缺陷数据到第一所接收缺陷数据的时间次序实现自动分组。
8.根据权利要求1所述的方法,其中在没有人为干预的情况下执行自动分组及过滤。
9.根据权利要求1所述的方法,其中所述预定阈值具有经调整值,所述经调整值取决于环绕此特定群组的所述缺陷的区的均匀性水平。
10.根据权利要求9所述的方法,其中所述预定阈值具有经调整值,所述经调整值经设定使得如果特定群组的缺陷由实质上空白背景环绕,那么不过滤此特定群组。
11.根据权利要求10所述的方法,其中所述预定阈值具有经调整值,所述经调整值针对具有一维缺陷的第一群组比针对具有二维缺陷的第二群组高。
12.根据权利要求9所述的方法,其中特定群组的缺陷类型的所述预定阈值与1/log(A)成比例,其中A为独特背景图案的面积。
13.一种用于检验光学光刻光罩的检验系统,所述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:
从光罩检验系统接收缺陷数据流,其中所述缺陷数据识别针对所述光罩的多个不同部分所检测的多个缺陷;
在检视所述缺陷数据以确定所述光罩是否通过检验之前且在继续接收所述缺陷数据流时,将所述缺陷中的一些缺陷与其它最近一或多个所接收缺陷自动分组在一起以便形成实质上匹配缺陷的群组;及
在检视所述缺陷数据以确定所述光罩是否通过检验之前且在接收到所述光罩的所有所述缺陷数据之后,从所述缺陷数据自动过滤所述缺陷群组中的具有高于预定阈值的数目的一或多个缺陷群组以便形成经过滤缺陷数据;及
将所述经过滤缺陷数据提供到检视站以确定所述光罩是否合格。
14.根据权利要求13所述的检验系统,其中一次一个缺陷图像地接收所述缺陷数据且通过以下操作实现自动分组:
当接收到每一缺陷图像时,如果存在现有种子群组,那么确定此缺陷图像是否匹配所述现有种子群组且将此缺陷图像添加到此匹配的现有种子群组,否则,形成包括此缺陷图像的新种子群组。
15.根据权利要求14所述的检验系统,其中如果存在现有种子群组,那么确定每一缺陷图像是否匹配所述现有种子群组且将此缺陷图像添加到此匹配的现有种子群组是通过以下操作实现的:一次一个地将此缺陷图像与多个种子群组进行比较直到在存在匹配的情况下找出所述匹配。
16.根据权利要求14所述的检验系统,其中一次一个地将此缺陷图像与多个种子群组进行比较直到在存在匹配的情况下找出所述匹配是通过以下操作实现的:首先确定此缺陷图像是否具有与所述种子群组中的一者实质上匹配的形状,且仅在存在实质上匹配形状的情况下,逐像素地将此缺陷图像与具有所述实质上匹配形状的所述种子群组进行比较。
17.根据权利要求16所述的检验系统,其中当所述逐像素比较产生小于2×2像素差时,确定将此缺陷图像与所述种子群组中的特定一者分组在一起。
18.根据权利要求13所述的检验系统,其中以最后所接收缺陷数据到第一所接收缺陷数据的时间次序实现自动分组。
19.根据权利要求13所述的检验系统,其中所述预定阈值具有经调整值,所述经调整值取决于环绕每一特定群组的所述缺陷的区的均匀性水平。
20.根据权利要求19所述的检验系统,其中所述预定阈值具有经调整值,所述经调整值经设定使得如果特定群组的缺陷由实质上空白背景环绕,那么不过滤此特定群组。
21.根据权利要求20所述的检验系统,其中所述预定阈值针对具有一维缺陷的第一群组比针对具有二维缺陷的第二群组高。
22.根据权利要求19所述的方法,其中特定群组的缺陷类型的所述预定阈值与1/log(A)成比例,其中A为独特背景图案的面积。
23.一种其上存储有用于执行以下操作的指令的计算机可读媒体:
从光罩检验系统接收缺陷数据流,其中所述缺陷数据识别针对所述光罩的多个不同部分所检测的多个缺陷;
在检视所述缺陷数据以确定所述光罩是否通过检验之前且在继续接收所述缺陷数据流时,将所述缺陷中的一些缺陷与其它最近一或多个所接收缺陷自动分组在一起以便形成实质上匹配缺陷的群组;及
在检视所述缺陷数据以确定所述光罩是否通过检验之前且在接收到所述光罩的所有所述缺陷数据之后,从所述缺陷数据自动过滤所述缺陷群组中的具有高于预定阈值的数目的一或多个缺陷群组以便形成经过滤缺陷数据;及
将所述经过滤缺陷数据提供到检视站以确定所述光罩是否合格。
CN201380023868.7A 2012-03-08 2013-03-08 使用系统性缺陷过滤器的光罩缺陷检验 Active CN104272185B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201261608445P 2012-03-08 2012-03-08
US61/608,445 2012-03-08
US201261621725P 2012-04-09 2012-04-09
US61/621,725 2012-04-09
US13/486,253 2012-06-01
US13/486,253 US8718353B2 (en) 2012-03-08 2012-06-01 Reticle defect inspection with systematic defect filter
PCT/US2013/029795 WO2013134609A1 (en) 2012-03-08 2013-03-08 Reticle defect inspection with systematic defect filter

Publications (2)

Publication Number Publication Date
CN104272185A true CN104272185A (zh) 2015-01-07
CN104272185B CN104272185B (zh) 2019-05-07

Family

ID=49114168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380023868.7A Active CN104272185B (zh) 2012-03-08 2013-03-08 使用系统性缺陷过滤器的光罩缺陷检验

Country Status (7)

Country Link
US (2) US8718353B2 (zh)
EP (1) EP2823355B1 (zh)
JP (3) JP2015512051A (zh)
KR (1) KR102084809B1 (zh)
CN (1) CN104272185B (zh)
TW (2) TWI606235B (zh)
WO (1) WO2013134609A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108352339A (zh) * 2015-09-18 2018-07-31 科磊股份有限公司 自适应自动缺陷分类
CN113126426A (zh) * 2019-12-31 2021-07-16 台湾积体电路制造股份有限公司 具有检视窗的光罩盒的结构及方法
TWI820723B (zh) * 2021-05-25 2023-11-01 荷蘭商Asml荷蘭公司 光罩規則檢查(mrc)之方法及相關聯非暫時性電腦可讀媒體

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9002497B2 (en) * 2003-07-03 2015-04-07 Kla-Tencor Technologies Corp. Methods and systems for inspection of wafers and reticles using designer intent data
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US9659670B2 (en) 2008-07-28 2017-05-23 Kla-Tencor Corp. Computer-implemented methods, computer-readable media, and systems for classifying defects detected in a memory device area on a wafer
US8718353B2 (en) 2012-03-08 2014-05-06 Kla-Tencor Corporation Reticle defect inspection with systematic defect filter
US9367911B2 (en) * 2012-06-13 2016-06-14 Applied Materials Israel, Ltd. Apparatus and method for defect detection including patch-to-patch comparisons
TW201430336A (zh) * 2013-01-23 2014-08-01 Huang Tian Xing 缺陷檢測方法、裝置及系統
US9235885B2 (en) * 2013-01-31 2016-01-12 Applied Materials Israel Ltd System, a method and a computer program product for patch-based defect detection
US9607371B2 (en) 2013-04-01 2017-03-28 Kla-Tencor Corporation Mesoscopic defect detection for reticle inspection
US9865512B2 (en) 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
US9310320B2 (en) * 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
JP6339807B2 (ja) * 2014-01-16 2018-06-06 株式会社ニューフレアテクノロジー 露光用マスクの製造方法、露光用マスクの製造システム、及び半導体装置の製造方法
US9286675B1 (en) * 2014-10-23 2016-03-15 Applied Materials Israel Ltd. Iterative defect filtering process
US10068323B2 (en) * 2016-04-10 2018-09-04 Kla-Tencor Corporation Aware system, method and computer program product for detecting overlay-related defects in multi-patterned fabricated devices
DE102018105322A1 (de) 2018-03-08 2019-09-12 Carl Zeiss Smt Gmbh Verfahren zum Betreiben einer industriellen Maschine
US10679333B2 (en) * 2018-03-14 2020-06-09 Kla-Tencor Corporation Defect detection, classification, and process window control using scanning electron microscope metrology
JP2022043365A (ja) * 2018-11-19 2022-03-16 株式会社日立ハイテク 検査装置、検査方法、欠陥検出プログラム
US10910081B2 (en) 2018-12-17 2021-02-02 Micron Technology, Inc. Management of test resources to perform reliability testing of memory components
US11101015B2 (en) 2018-12-17 2021-08-24 Micron Technology, Inc. Multi-dimensional usage space testing of memory components
US10990019B2 (en) * 2019-04-09 2021-04-27 Kla Corporation Stochastic reticle defect dispositioning
JP6788291B1 (ja) * 2019-06-03 2020-11-25 株式会社イクシス 点検支援システム

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1167620A1 (ru) 1984-02-24 1985-07-15 Ленинградский Институт Авиационного Приборостроения Устройство дл контрол планарных структур
RU1786406C (ru) 1989-12-12 1993-01-07 Научно-Техническое Кооперативное Предприятие "Акцент" Способ контрол дефектов на плоской отражающей поверхности и устройство дл его осуществлени
US6987873B1 (en) * 1998-07-08 2006-01-17 Applied Materials, Inc. Automatic defect classification with invariant core classes
RU2141647C1 (ru) 1998-11-30 1999-11-20 Войналович Александр Владимирович Способ контроля анализируемой поверхности и сканирующий анализатор поверхности
US7283659B1 (en) * 2002-01-09 2007-10-16 Kla-Tencor Technologies Corporation Apparatus and methods for searching through and analyzing defect images and wafer maps
JP3647416B2 (ja) * 2002-01-18 2005-05-11 Necエレクトロニクス株式会社 パターン検査装置及びその方法
US9002497B2 (en) * 2003-07-03 2015-04-07 Kla-Tencor Technologies Corp. Methods and systems for inspection of wafers and reticles using designer intent data
US7729529B2 (en) 2004-12-07 2010-06-01 Kla-Tencor Technologies Corp. Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle
JP4413767B2 (ja) * 2004-12-17 2010-02-10 株式会社日立ハイテクノロジーズ パターン検査装置
JP2007053166A (ja) * 2005-08-16 2007-03-01 Toshiba Corp 出来栄え予測装置、出来栄え予測方法及び半導体装置の製造方法
JP4776308B2 (ja) * 2005-09-05 2011-09-21 株式会社東京精密 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法
US7676077B2 (en) * 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
KR20180088924A (ko) * 2005-11-18 2018-08-07 케이엘에이-텐코 코포레이션 검사 데이터와 조합하여 설계 데이터를 활용하는 방법 및 시스템
US7962864B2 (en) * 2007-05-24 2011-06-14 Applied Materials, Inc. Stage yield prediction
US7975245B2 (en) * 2007-08-20 2011-07-05 Kla-Tencor Corp. Computer-implemented methods for determining if actual defects are potentially systematic defects or potentially random defects
US8355562B2 (en) * 2007-08-23 2013-01-15 Hitachi High-Technologies Corporation Pattern shape evaluation method
JP4799574B2 (ja) * 2008-02-29 2011-10-26 株式会社東芝 線状パターンの検知方法および装置
JP5369643B2 (ja) * 2008-06-10 2013-12-18 富士通セミコンダクター株式会社 欠陥検査装置
JP4862031B2 (ja) * 2008-10-20 2012-01-25 株式会社ニューフレアテクノロジー マスク欠陥レビュー方法及びマスク欠陥レビュー装置
US8718353B2 (en) 2012-03-08 2014-05-06 Kla-Tencor Corporation Reticle defect inspection with systematic defect filter

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108352339A (zh) * 2015-09-18 2018-07-31 科磊股份有限公司 自适应自动缺陷分类
CN108352339B (zh) * 2015-09-18 2022-11-08 科磊股份有限公司 自适应自动缺陷分类
CN113126426A (zh) * 2019-12-31 2021-07-16 台湾积体电路制造股份有限公司 具有检视窗的光罩盒的结构及方法
TWI820723B (zh) * 2021-05-25 2023-11-01 荷蘭商Asml荷蘭公司 光罩規則檢查(mrc)之方法及相關聯非暫時性電腦可讀媒體

Also Published As

Publication number Publication date
KR102084809B1 (ko) 2020-03-04
WO2013134609A1 (en) 2013-09-12
KR20140141648A (ko) 2014-12-10
EP2823355A1 (en) 2015-01-14
TWI654427B (zh) 2019-03-21
JP6598889B2 (ja) 2019-10-30
US20140205179A1 (en) 2014-07-24
US9224195B2 (en) 2015-12-29
US20130236084A1 (en) 2013-09-12
EP2823355B1 (en) 2018-01-31
CN104272185B (zh) 2019-05-07
TWI606235B (zh) 2017-11-21
JP2015512051A (ja) 2015-04-23
TW201341787A (zh) 2013-10-16
EP2823355A4 (en) 2015-11-04
JP6437146B2 (ja) 2018-12-12
JP2018084587A (ja) 2018-05-31
US8718353B2 (en) 2014-05-06
JP2018084588A (ja) 2018-05-31
TW201802463A (zh) 2018-01-16

Similar Documents

Publication Publication Date Title
JP6598889B2 (ja) システム的欠陥フィルターによるレチクル欠陥検査
KR102485553B1 (ko) 임계 치수 균일도 강화 기술들 및 장치
KR102329153B1 (ko) 두 개의 포토마스크의 비교에 의한 포토마스크의 검사
JP5567527B2 (ja) レティクルの設計パターンにおける欠陥を検出し、かつ(あるいは)ソートするためのコンピュータに実装された方法
KR102100007B1 (ko) 레티클들을 검사하기 위한 머신 학습 방법 및 장치
US9733640B2 (en) Method and apparatus for database-assisted requalification reticle inspection
JP6472447B2 (ja) フォトマスク欠陥性における変化の監視
US10140698B2 (en) Polygon-based geometry classification for semiconductor mask inspection

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