CN105118046B - 基于区域的虚拟傅里叶滤波器 - Google Patents

基于区域的虚拟傅里叶滤波器 Download PDF

Info

Publication number
CN105118046B
CN105118046B CN201510415381.4A CN201510415381A CN105118046B CN 105118046 B CN105118046 B CN 105118046B CN 201510415381 A CN201510415381 A CN 201510415381A CN 105118046 B CN105118046 B CN 105118046B
Authority
CN
China
Prior art keywords
vff
frequency
spectrum
image data
region
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.)
Active
Application number
CN201510415381.4A
Other languages
English (en)
Other versions
CN105118046A (zh
Inventor
L·高
K·吴
A·帕克
E·常
K·扎法
J（J）·黄
P·顾
C·马赫
G·H·陈
S·荣
L-M·吴
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 CN105118046A publication Critical patent/CN105118046A/zh
Application granted granted Critical
Publication of CN105118046B publication Critical patent/CN105118046B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • 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
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Artificial Intelligence (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及基于区域的虚拟傅里叶滤波器，包括：搜索图像数据以标识半导体晶片上的一个或多个图案化区域；生成一个或多个虚拟傅里叶滤波器(VFF)工作区；从VFF工作区采集初始图像数据集；利用初始图像数据集来将VFF训练块限定在VFF工作区的所标识图案化区域内，其中每一VFF训练块被限定为涵盖所标识图案化区域的显示所选重复图案的部分；利用来自VFF训练块的初始图像数据集来计算每一VFF训练块的初始频谱；以及通过标识在频域中初始频谱的具有最大值的频率来生成每一训练块的VFF，其中VFF被配置成在标识为显示频谱最大值的频率处使初始频谱的幅值为零。

Description

基于区域的虚拟傅里叶滤波器
本申请是申请号为201180045204.1、国际申请日为2011年8月1日、发明名称为“基于区域的虚拟傅里叶滤波器”的发明专利申请的分案申请。
技术领域
本发明一般涉及用于利用基于区域的虚拟傅里叶滤波的基于检查的缺陷检测的方法和系统。
背景技术
制造半导体器件(诸如逻辑和存储器件)通常包括使用大量半导体制造工艺来处理基板(诸如半导体晶片)，从而形成半导体器件的各种特征和多个层级。例如，光刻是涉及将图案从分划板转移至配置在半导体晶片上的抗蚀剂的半导体制造工艺。半导体制造工艺的附加示例包括但不限于化学机械抛光(CPM)、蚀刻、沉积、以及离子注入。可在单个半导体晶片上的配置中制造多个半导体器件，并且随后将其分离成各个半导体器件。
在半导体制造工艺期间的各个步骤，检查工艺可用来检测试样上(诸如分划板和晶片)的缺陷。检查工艺已成为制造诸如集成电路之类的半导体器件的重要部分。然而，随着半导体器件的尺寸减小，检查工艺对可接受的半导体器件的成功制造甚至变得更加重要。举例而言，随着半导体器件的尺寸减小，对减小尺寸的缺陷的检测已变得必要，因为甚至相对较小的缺陷也可导致半导体器件中的非期望像差。
因此，检查领域中的许多工作已致力于设计能检测先前可忽略大小的缺陷的检查系统。典型检查工艺通过比较晶片上的类似半导体器件区域来检测缺陷。检测到的两个器件区域之间的差异可以是可导致器件不当运行的缺陷、或者不会影响系统操作的烦扰(nuisance)。半导体晶片检查的必要阶段涉及优化统称为检查设备的“配方”的设置，以使其可准确地区分缺陷和烦扰。
近来，对许多不同类型的缺陷的检查也已经变得更加重要。举例而言，为了使用检查结果来监测和校正半导体制造工艺，通常有必要知晓什么类型的缺陷存在于晶片上。另外，由于控制在半导体制造中涉及的每一工艺期望获得可能的最高成品率(yield)，因此期望具有检测可能由许多不同半导体工艺产生的不同类型的缺陷的能力。要检测的不同类型的缺陷在其特性方面可能显著地不同。例如，可期望在半导体制造工艺期间检测的缺陷可包括厚度变化、颗粒缺陷、划痕、图案缺陷(诸如丢失的图案特征或尺寸不正确的图案特征)、以及具有这些不同特性的许多其他缺陷。
通常，利用基于硬件的傅里叶滤波来滤波成像半导体晶片的重复图案区块，从而允许增强检测半导体晶片缺陷的能力。然而，基于硬件的傅里叶滤波器不能选择性地滤除半导体晶片的指定区域或图案。由此，基于硬件的傅里叶滤波器需要全局滤波工艺，这导致半导体晶片的一些区域被过度地滤波。在这种意义上，从与给定图案化区域相关联的给定频域频谱中滤除多于必要的频域峰值，从而导致来自相关联区域的信号光“缺乏(starve)”。因此，可能有利的是，提供适于在逐个区域的基础上对来自半导体晶片的图案化区块的照明进行滤波的方法和系统。
发明内容
公开了一种用于检测从半导体表面采集的图像数据中的缺陷的计算机实现的方法。在一方面，该方法可包括但不限于：对一个或多个图像数据集进行图案搜索以标识半导体晶片上的一个或多个图案化区域；生成一个或多个虚拟傅里叶滤波器(VFF)工作区，其中每一VFF工作区包括一个或多个所标识图案化区域中的至少一个；从每一VFF工作区采集一初始图像数据集；利用初始图像数据集来将一个或多个VFF训练块限定在一个或多个VFF工作区的一个或多个所标识图案化区域中的每一个内，其中所标识图案化区域内的每一VFF训练块被限定为涵盖所标识图案化区域的显示所选重复图案的部分，以限制所标识图案化区域的非重复图案部分对强度的贡献；通过将与一个或多个VFF训练块相关联的空间域强度信息变换成频域频谱信息，利用来自每一VFF训练块的初始图像数据集来计算沿着每一VFF训练块的至少一个维度的初始频谱；通过标识频域中初始频谱的具有频谱最大值的频率来生成每一VFF训练块的VFF，其中VFF被配置成在初始频谱的标识为显示频谱最大值的频率处使初始频谱的幅值为零；通过将一个或多个生成的VFF施加到一个或多个图案化区域的初始频谱来生成一个或多个图案化区域的一个或多个经滤波频谱；以及通过将一个或多个图案化区域的一个或多个生成的经滤波频谱变换成一个或多个空间域图像数据集来创建一个或多个图案化区域的经滤波图像数据集。
公开了一种用于利用与半导体表面相关联的设计数据来检测图像数据中的缺陷的计算机实现的方法。在一方面，该方法可包括但不限于：对与半导体晶片相关联的设计布局数据进行图案搜索，以标识与半导体晶片的一个或多个器件结构接近的半导体晶片的一个或多个图案化区域或者一个或多个器件结构中的至少一个；生成半导体晶片的一个或多个虚拟傅里叶滤波器(VFF)工作区，其中每一VFF工作区包括经由设计布局数据标识的一个或多个图案化区域中的至少一个；从每一VFF工作区采集一初始图像数据集；利用初始图像数据集来将一个或多个VFF训练块限定在一个或多个VFF工作区的一个或多个所标识图案化区域中的每一个内，其中所标识图案区域内的每一VFF训练块被限定为涵盖所标识图案化区域的显示所选重复图案的部分，以限制所标识图案化区域的非重复图案部分对强度的贡献；通过将与一个或多个训练块相关联的空间域强度信息变换成频域频谱信息，利用来自每一VFF训练块的初始图像数据集来计算沿着每一VFF训练块的至少一个维度的初始频谱；通过标识频域中具有频谱最大值的初始频谱的频率来生成每一VFF训练块的VFF；通过将一个或多个生成的VFF施加到一个或多个图案化区域的初始频谱来生成一个或多个图案化区域的一个或多个经滤波频谱；以及通过将一个或多个图案化区域的一个或多个生成的经滤波频谱变换成一个或多个空间域图像数据集来创建一个或多个图案化区域的经滤波图像数据集。
公开了一种用于检测从半导体表面采集的图像数据中的缺陷的替换计算机实现的方法。在一方面，该方法可包括但不限于：生成半导体晶片的一个或多个虚拟傅里叶滤波器(VFF)工作区，其中每一VFF工作区包括一个或多个重复图案；对从半导体晶片的与VFF工作区相对应的部分反射的一部分照明执行硬件傅里叶滤波过程；从每一VFF工作区采集一初始图像数据集，其中在硬件傅里叶滤波过程之后采集所述图像数据；通过将与一个或多个VFF工作区相关联的空间域强度信息变换成频域频谱信息，利用来自一个或多个VFF工作区的初始图像数据集来计算沿着一个或多个VFF工作区的至少一个维度的初始频谱；通过标识频域中初始频谱的具有频谱最大值的频率来生成一个或多个VFF工作区的VFF；通过将一个或多个VFF工作区的生成的VFF施加到一个或多个VFF工作区的初始频谱来生成一个或多个VFF工作区的经滤波频谱，其中VFF被配置成在初始频谱的标识为显示频谱最大值的频率处使初始频谱的幅值为零；以及通过将一个或多个VFF工作区的生成的经滤波频谱变换成空间域强度信息来创建一个或多个VFF工作区的经滤波图像数据集。
应当理解，以上一般描述和以下详细描述只是示例性和说明性的，而不一定限制如要求保护的本发明。结合在本说明书中且构成其一部分的附图示出本发明的各个实施例，并且与一般描述一起用于解释本发明的原理。
附图说明
本领域技术人员可通过参考附图更好地理解本公开的许多优点，其中：
图1是示出根据本发明一个实施例的用于检测来自半导体表面的图像数据中的缺陷的系统的框图。
图2是示出根据本发明一个实施例的用于检测来自半导体表面的图像数据中的缺陷的方法的流程图。
图3是根据本发明一个实施例的成像半导体表面的工作区的示意性俯视图。
图4是根据本发明一个实施例的半导体表面的示意性俯视图。
图5是根据本发明一个实施例的半导体表面的成像工作区。
图6示出根据本发明一个实施例的初始频域频谱。
图7示出根据本发明一个实施例的经滤波频域频谱。
图8A示出根据本发明一个实施例的可配置虚拟傅里叶滤波器来滤除的一维图案的示意图。
图8B示出根据本发明一个实施例的可配置虚拟傅里叶滤波器来滤除的一维图案的示意图。
图8C示出根据本发明一个实施例的可配置虚拟傅里叶滤波器来滤除的可分离二维图案的示意图。
图8D示出根据本发明一个实施例的可配置虚拟傅里叶滤波器来滤除的不可分离二维图案的示意图。
图9A示出根据本发明一个实施例的在滤波之前在工作区内测量的图案化区域的VFF训练块的图像。
图9B示出根据本发明一个实施例的在滤波之后在工作区内测量的图案化区域的VFF训练块的图像。
图10是示出根据本发明一个实施例的包括硬件傅里叶滤波器的用于检测来自半导体表面的图像数据中的缺陷的系统的框图。
图11是示出根据本发明一个实施例的用于检测来自半导体表面的图像数据中的缺陷的方法的流程图。
图12是根据本发明一个实施例的半导体晶片的一组SRAM设备及其外围组件的示意性俯视图。
图13是示出根据本发明一个实施例的用于检测来自半导体表面的图像数据中的缺陷的方法的流程图。
具体实施方式
现在，将具体地参考在附图中示出的所公开主题。
一般地参考图1至图13，根据本公开描述了用于利用虚拟傅里叶滤波来改进缺陷检测的方法和系统。采用基于区域的虚拟傅里叶滤波器(VFF)可有助于优化整体半导体晶片缺陷检测灵敏度。本发明涉及提供适于训练和实现基于区域的VFF、由此改进实现检查系统的检测晶片缺陷的能力的方法和系统。
如在本公开中使用的，术语“晶片”一般指由半导体材料或非半导体材料构成的基板。例如，半导体材料或非半导体材料可包括但不限于单晶硅、砷化镓、以及磷化铟。晶片可包括一个或多个层。另外，这些层可包括但不限于抗蚀剂、介电材料、导电材料、以及半导体材料。许多不同类型的这些层在本领域中是已知的，并且如本文中所使用的术语“晶片”旨在涵盖其上可形成有所有类型的这些层的晶片。
在晶片上形成的一个或多个层可被图案化或者不被图案化。例如，晶片可包括多个管芯，每一管芯具有可重复的图案化特征。形成和处理这些材料层最终可导致完整的器件。许多不同类型的器件可在一晶片上形成，并且如本文中所使用的术语“晶片”旨在涵盖在其上制造本领域已知的任何类型的器件的晶片。
在其他实施例中，由分划板检查系统生成的分划板的图像用作设计数据空间中的设计数据。分划板用于将设计数据印刷在晶片上。以此方式，通过高倍率光学分划板检查系统或者基于电子束的分划板检查系统来分别采集分划板的图像束图像。替换地，分划板的图像可以是由空间(aerial)成像分划板检查系统采集的分划板的空间图像。分划板的图像可用作使用设计数据来执行一个或多个步骤的本文中所描述的任一实施例中的设计数据的代理。
已知为“楼层平面图”的半导体芯片设计包含已知为单元的重复结构的位置信息。该信息可从通常存储在GDSII或者OASIS文件格式中的芯片的物理设计中提取。
如本公开中所使用的术语“设计数据”一般指集成电路的物理设计、以及通过复杂的模拟或者简单的几何和布尔运算从物理设计导出的数据。另外，由分划板检查系统采集的分划板的图像和/或其衍生物可用作设计数据的一个或多个代理。这种分划板图像或者其衍生物可用作使用设计数据的本文中所描述的任何实施例中的设计布局的替代。设计数据和设计数据代理在美国专利申请No.11/561,735和美国专利申请No.11/561,659中进行了描述，这些专利申请在2006年11月20日提交且通过引用结合于此。
图1示出适于利用虚拟傅里叶滤波来改进缺陷检测的系统100，该系统100可用于执行过程200。在一个实施例中，系统100可包括配置成检测半导体晶片106上的缺陷的测量系统102，诸如但不限于检查系统104。检查系统104可包括本领域已知的任何适当的检查系统，诸如但不限于亮场检查系统、暗场检查系统、或电子束检查系统。此外，检查系统104的照明源可包括窄带照明源或宽带照明源。在又一实施例中，检查系统104可被配置成接受来自系统100的另一子系统的指令以标识半导体晶片106的缺陷。举例而言，检查系统104可接受来自系统100的计算机系统108的指令。在接收到来自计算机系统108的指令之后，检查系统104可在所提供的指令中标识的半导体晶片206的位置处执行检查过程。
在一个实施例中，系统100的计算机系统108可被配置成利用与一个或多个VFF训练块相关联的图像数据来生成一个或多个基于区域的虚拟傅里叶滤波器。在这种意义上，计算机系统108可限定一个或多个所标识图案化区域的一个或多个训练块。然后，通过将空间域图像数据变换成频域数据，计算机系统108可利用一个或多个所限定训练块来计算沿着一个或多个VFF训练块的至少一个维度的一个或多个初始频谱。此外，计算机系统108随后可通过标识频域数据中的频谱最大值(即，强度相对于频率数据中的峰值位置)且使在那些峰值频率处的初始频谱的幅值为零来生成基于区域的VFF。由此，计算机系统108可通过将生成的VFF施加到每一训练块的初始频谱来生成每一训练块的经滤波频谱。另外，计算机系统108可通过将一个或多个生成的VFF施加到一个或多个图案化区域且将一个或多个图案化区域的经滤波频域频谱变换成空间域强度信息来创建一个或多个图案化区域的经滤波图像数据集。
此外，计算机系统108可被配置成执行本文中所描述的任一方法实施例的任何其他步骤。
在另一实施例中，计算机系统108可以本领域已知的任何方式通信地耦合到检查系统104。例如，计算机系统108可耦合到检查系统104的计算机系统。此外，系统100的计算机系统108可被配置成通过可包括有线部和/或无线部的传输介质来接收和/或采集来自其他系统(例如，来自检查系统的检查结果或者来自度量系统的度量结果)的数据或信息。以此方式，传输介质可用作计算机系统108与系统100的其他子系统之间的数据链路。此外，计算机系统108可经由传输介质将数据发送到外部系统。举例而言，计算机系统108可将生成的VFF发送到与所描述的系统100无关地存在的独立检查系统。
计算机系统108可包括但不限于个人计算机系统、大型计算机系统、工作站、图像计算机、并行处理器、或者本领域已知的任何其他设备。一般而言，术语“计算机系统”可被宽泛地定义为涵盖具有一个或多个处理器的任何设备，这些处理器执行来自存储介质的指令。
实现诸如本文中所描述的方法的程序指令112可在载体介质110上传输或存储。载体介质可以是诸如导线、电缆、或无线传输链路之类的传输介质。载体介质还可包括诸如只读存储器、随机存取存储器、磁盘或光盘、或者磁带之类的存储介质。
如本文中所描述的，可进一步配置图1所示的系统100的各个实施例。另外，系统100可被配置成执行本文中所描述的任一方法实施例的任何其他步骤。
图2是示出在计算机实现的过程200中执行的用于检测从半导体表面采集的图像数据中的缺陷的各个步骤的流程图。
在第一步骤202，可进行图案搜索以标识半导体晶片上的一个或多个图案化区域。在一方面，可分析经由检查系统104获取的半导体晶片106的表面的图像数据，以标识显示重复图案的一个或多个区块。例如，可将图案识别算法施加到图像数据以标识显示图案的一个或多个区块。作为另一示例，可经由用户界面使用来自用户的反馈来标识重复图案区块。以此方式，系统100可将经由检查系统104收集的图像显示到显示器104上。然后，用户可通过经由用户界面(例如，键盘、鼠标、触摸屏等)输入标识指令来标识和选择一个或多个重复图案区块。还可构想，首先可经由一种或多种图案识别算法标识重复图案区块，并且随后用户可“检查”重复图案区块的自动标识的结果并且经由用户界面作出调整。应当认识到，在本发明的上下文中可实现各种图案识别算法。
在另一方面，可将两个或更多个图案化区块一起归组到单个图案化区域中。图3示出一起归组到图案化区域中的存在于半导体晶片106的表面上的多个重复图案区块。例如，如图3所示，半导体晶片可包括重复图案区块302a、302b、302c、302d和302e，每一区域显示基本类似的重复图案。然后，可将这些图案区块一起归组到单个图案区域304中。在另一示例中，可将重复图案区块306a和306b一起归组以形成单个图案区域308。
在一些实施例中，可基于存在于图案区块中的重复间距、与图案区块相关联的图案复杂性、以及图案区块的取向来将这些图案区块归组到图案化区域中。
在本文中还应当认识到，给定图案区域(例如，304或308)可包括非图案化部分。例如，如图3所示，图案化区域304和图案化区域308都可包括非图案化特征310。
在一个实施例中，可经由图案搜索和归组算法将重复图案归组到一图案化区域中。以此方式，由系统100的计算机系统108的处理器执行的图案搜索和归组算法可用来搜索相似的图案化区块并将其归组到单个图案化区域中。在一种意义上，图案搜索和归组算法可被配置成标识半导体晶片106的显示相同或几乎相同的重复间距(例如，大小或取向)的部分的两个或更多个重复图案区块。在另一种意义上，图案搜索和归组算法随后可将所标识的两个或多个重复图案区块合并成单个图案区域。
在另一实施例中，系统100可用来利用用户经由用户界面116提供的反馈将相似的图案区块归组到图案化区域中。此外，还可构想，系统100可被配置成经由显示器114将所标识图案化区域显示给用户，并且用户随后可将与经由图案归组算法执行的自动归组过程的准确性相关的反馈提供给系统100。以此方式，用户可验证图案区域，拒绝图案区域，或者调整图案区域的位置或大小。
在第二步骤204，可生成一个或多个虚拟傅里叶滤波器(VFF)工作区。在一方面，每一VFF工作区包括如在步骤202定义的至少一个图案化区域(例如，302a、…、302e)。在一般意义上，每一VFF工作区可包括任意数量的所标识图案化区域。图4示出设计成涵盖晶片408的图案区域404的单个工作区402的一个实施例，其中图案化区域404包括两个分离的图案区块406。图4所示的实施例不是限制性的，而应当只被解释为说明性的。应当认识到，可同时实现多个工作区402，其中每一工作区402包括多个图案化区域404。此外，两个不同的工作区可包括相同的图案化区域。还应当认识到，它来自于可通过其采集图像数据用于生成本发明的VFF的一个或多个指定工作区402，如将在本文中进一步详细讨论的。
在一个实施例中，VFF工作区可涵盖半导体晶片106的管芯。例如，从工作区采集的图像数据集可包括管芯的图像集。以此方式，每一图像可包括可与成像管芯的一部分相对应的管芯的图像集。
在又一实施例中，用于指定半导体晶片106的通过其捕捉图像数据的区块的工作区402可由用户经由用户界面116选择。以此方式，用户可选择半导体晶片106中的要分析的部分(即，工作区402)。
在第三步骤206，可从在步骤204指定的每一VFF工作区采集初始图像数据集。以此方式，系统100可用来从如通过VFF工作区指定的半导体晶片106的用户限定区块采集图像数据(例如，基于检查的图像)。
图5示出使用检查工具104收集的半导体晶片106的表面的指定工作区502的图像的渲染500。如图5所示，成像工作区显示两个重复图案区域，一个重复图案区域水平地伸展而另一重复图案区域垂直地伸展。这可与图3的视图进行比较，其中工作区301包含水平重复图案区域304和垂直重复图案区域308。申请人注意到，一个或多个VFF工作区的图像数据可以本领域已知的任何方式(诸如但不限于亮场和暗场检查技术)收集。
在又一实施例中，可数字地组合从相同工作区采集的两幅或更多幅图像以形成单个图像数据集。应当认识到，本领域已知的任何图像处理步骤可用于组合和/或处理从一个或多个工作区取得的图像数据。
在第四步骤208，可限定一个或多个VFF工作区的每一图案区域的一个或多个VFF训练块。在一方面，系统100可分析步骤206所采集的图像数据，以将一个或多个VFF训练块限定在工作区的每一图案化区域内。例如，如图3所示，系统100可用来限定图案化区域304的VFF训练块312a、312b、312c、312d和312d。类似地，系统100可用来限定图案化区域308的VFF训练块314a和314b。利用图案化区域的VFF训练块来限制从半导体106的表面的非图案化区块反射的光的贡献。以此方式，VFF训练块被配置成基本上只涵盖在给定图案化区域中找到的所选重复图案。例如，对于图案区域304，如图3所示，VFF训练块312a、312b、312c、312d和312e可分别涵盖重复图案区块302a、302b、302c、302d和302e。类似地，对于图案区域308，VFF训练块304a和304b可分别涵盖重复图案区块306a和306b。应当注意，与多个VFF训练块相关的以上描述不是限制性的，并且应当只被解释为说明性的。在一般意义上，应当认识到，给定图案区域可包括任意数量的VFF训练块。
在一个实施例中，系统100可实现VFF训练块算法以自动地限定VFF工作区的一个或多个图案化区域的一个或多个训练块。例如，VFF训练块算法可定位只包含重复图案的分页(page break)的一个或多个部分。
在另一实施例中，可使用来自用户的经由系统100的用户界面116的反馈来限定一个或多个图案化区域的训练块。以此方式，系统100可将所收集的给定工作区的图像数据显示到显示设备114上。然后，用户可经由用户界面116(例如，键盘、鼠标、触摸屏等)定位和限定给定图案化区域的一个或多个VFF训练块的大小。
在第五步骤210，可计算在步骤208限定的一个或多个VFF训练块的初始频谱。在一方面，可通过将(通过系统100的检查工具104收集的)空间域强度信息变换成频域频谱信息来计算一个或多个训练块的初始频谱。空间域信息到频域信息的变换可涉及本领域中已知的任何已知“傅里叶式”变换的应用。这些变换可包括但不限于傅里叶变换、哈特利变换、或者本领域已知的任何合适的规范变换。
图6示出通过变换空间域强度信息而算出的频域频谱602，该空间域强度信息来自于从一个或多个VFF训练块采集的沿着一个方向(例如，X方向或Y方向)显示周期性的图像数据。应当认识到，图6所示的频谱信息显示作为频率的函数的光强度。
空间域-频域变换可包括将沿着至少一个空间方向的空间强度信息变换成频域频谱信息。在这一点上，应当认识到，从显示强度作为空间位置的函数的给定VFF训练块采集的二维图像可被变换成频域频谱。此外，应当认识到，沿着单个方向(例如，X方向或Y方向)显示周期性的二维图像可被映射到一维频域频谱。然而，还应当认识到，对于显示不可分离的二维周期性(例如，周期性阵列)的二维图像，有可能将二维空间域图像变换成二维频域频谱图。本领域技术人员应当认识到，存在适于在本发明中实现的各种空间域-频域变换操作。在半导体检查数据的上下文中用于进行空间域到频域变换的方法在1996年7月16日授权的美国专利No.5,537,669、2000年2月1日授权的美国专利No.6,021,214、2003年12月16日授权的美国专利No.6,665,432、以及2007年5月15日授权的美国专利No.7,218,768中进行了描述，这些专利的全部内容通过引用结合于此。
在又一实施例中，可在应用上述空间域-频域变换之前数字地组合从两个或更多个VFF训练块取得的空间图像数据。在这一点上，应当注意，系统100或者用户可选择给定图案化区域(例如，304)的两个或更多个可用VFF训练块(例如，312a、…、312e)来改进给定空间图像数据集的采样统计数据。例如，再次参考图3，系统100(经由算法选择或用户反馈)可选择第一VFF训练块312b和第二VFF训练块312d并将其组合以形成集聚空间图像数据集。应当认识到，通过这样做，系统100的算法(或者用户反馈)可标识训练块312b和312d的强度相对空间位置数据中的峰值，并且在将两个数据集数字地相加在一起之前使与两个训练块312ba和213d相关联的周期性图案对准。在创建集聚空间图像数据集之后，可应用上述空间域-频域变换。
在第六步骤212，可生成在步骤208限定的一个或多个VFF训练块的虚拟傅里叶滤波器(VFF)。在第七步骤214，可通过将步骤212生成的VFF施加到一个或多个VFF训练块的初始频谱来生成一个或多个VF训练块的经滤波频谱。
再次参考图6，在一方面，可利用初始频谱602的显示频域中的最大值(例如，604a、604b、604c等)(在步骤210算出)的所标识频率来针对一个或多个VFF训练块生成VFF 606。
在另一方面，VFF 606被配置成在标识为显示频谱最大值的频率处使初始频谱的强度的幅值为零。以此方式，生成的VFF 606可用来限制由频域数据中的强度峰值表现的与周期性图案相关联的强度贡献。通过使频域强度数据的强度峰值为零，系统100可用来去除或者至少限制来自所检查的半导体晶片104的重复图案部分的贡献，如将在本文中进一步详细讨论的。如图6所示，VFF 606被限定为在初始频域频谱602的峰值最大值(例如，604a、604b、605c等)的频率位置处具有零幅值。
在一个实施例中，系统100可经由峰值寻找算法自动地定位强度最大值的位置(即，频率值)。例如，系统100的峰值寻找算法可用来找到初始频谱(例如，602)的所有或者几乎所有的强度峰值(例如，604a、604b、604c等)。应当认识到，大量峰值寻找算法可适于在本发明中实现。
在另一实施例中，可利用用户经由用户界面提供的反馈来标识强度相对频率数据集的强度峰值。以此方式，系统100可将频域强度频谱的一幅或多幅图像显示到显示设备114上。然后，用户可通过经由用户界面116(例如，键盘、鼠标、触摸屏等)输入标识指令来标识一个或多个强度峰值。在又一实施例中，首先，可经由一种或多种峰值寻找算法标识给定频域频谱的强度峰值。然后，用户可“检查”自动峰值标识的结果，并且经由用户界面116对所标识峰值集作出调整。
在又一实施例中，系统100可被配置成允许用户修改由系统100的峰值寻找算法使用的准则。例如，系统100可被配置成允许用户选择系统100应当分析的频率范围。在另一示例中，系统100可被配置成允许用户建立应当分配有峰值强度位置的最小强度，由此忽略所选最小峰值以下的所有峰值。本领域技术人员应当认识到，与峰值寻找准则相关的以上示例并不表示限制，而是应当只被解释为说明性的，因为存在本领域已知的可由用户选择和/或调整的多个准则。
在标识到峰值位置(例如，604a、604b、604c等)之后，系统100可通过创建在所标识峰值的频率位置处具有零幅值且具有最大幅值1的函数来形成VFF 606，如图6所示。由此，VFF 606的函数用来使初始频域频谱的强度峰值为零，同时维持非峰值频率处的相同幅值。
图7示出由生成的VFF 606对一个或多个训练块的初始频谱602的施加而产生的经滤波频谱702。如图7所示，已滤除图6的未经滤波的频谱602中存在的峰值(例如，604a、604b、604c等)，同时频谱702的非峰值频率的强度水平相对于初始频谱602保持不变。
在另一实施例中，可合并两个或更多个VFF以形成单个集聚VFF。例如，从图案区域的第一VFF训练块取得的第一VFF可与从相同图案区域的第二训练取得的第二VFF合并。举例而言，可对从第一和第二训练块取得的频谱一起求平均。在另一实例中，可选择性地组合两个频谱，其中系统100可主动地选择两个频谱的哪些部分要组合。在又一实施例中，在自动的基础上，利用系统100的合并算法来进行两个或更多个VFF的合并。在另一实施例中，系统100可用来基于用户经由用户界面116提供的反馈来合并两个或更多个VFF。例如，在观察到显示设备114上的两个或更多个经滤波频谱702或者相关联的VFF 606之后，用户可提供关于如何合并两个或更多个数据集的用户反馈。举例而言，用户可选择要合并的VFF集合606。在又一实施例中，用户可经由用户界面116选择要组合的图案区域的两个或更多个VFF训练块。然后，系统100可自动地执行合并操作，由此合并与用户所选的VFF训练块相关联的VFF。
在本文中还应当认识到，在标识到峰值位置之前可首先通过合并两个或更多个频域数据集来执行两个或更多个VFF的合并。在这种意义上，系统100可标识由从两个或更多个VFF训练块采集的强度相对频率数据集的组合构成的集聚强度相对频率数据集的峰值位置。
在另一实施例中，初始图像数据集可包括在检查系统的第一通道上收集的第一图像数据集、以及在该检查的第二通道上收集的第二图像数据集。在这一点上，每一滤波器可被配置成对应于检查系统的单个通道。
现在参考图8A至8D，VFF滤波器可被配置为一维滤波器或二维滤波器。在一个实施例中，如图8A和8B所示，一维VFF可由适于滤除来自只有垂直或水平周期性的图案化区域的照明贡献的滤波器构成。例如，图8A的区域802示出具有垂直重复结构的区域，而图8B的区域804示出具有水平重复结构的区域。在这一点上，在步骤212生成的VFF可被配置成滤除来自一维图案的照明，如图8A和8B所示。
在另一实施例中，VFF可包括二维VFF。例如，图8C示出具有“可分离”的二维结构的图案化区域。在这种意义上，结构806的组件结构各自显示沿着垂直或水平方向的周期性。由此，在步骤212生成的VFF可被配置成滤除来自“可分离”的二维图案的照明，如图8C所示。
作为另一示例，图8D示出具有“不可分离”的二维结构的图案化区域。在这种意义上，无法将在结构808中显示的周期性分隔成两个分离的正交方向。由此，需要一般化的二维滤波器。应当注意，在半导体检查数据的上下文中用于二维频谱分析的方法在1996年7月16日授权的美国专利No.5,537,669、2000年2月1日授权的美国专利No.6,021,214、2003年12月16日授权的美国专利No.6,665,432、以及2007年5月15日授权的美国专利No.7,218,768中进行了描述，这些专利的全部内容通过引用结合于此。
在第八步骤216，可利用在步骤212生成的多个VFF之一来生成一个或多个图案化区域的经滤波图像数据集。在一方面，使用所选VFF训练块生成的VFF滤波器可用于对从一个或多个图案化区域收集的频域频谱信息进行滤波。以此方式，第一VFF训练块(或者可用训练块的子集)可用于训练VFF(如在步骤212描述的)。在生成VFF之后，可将VFF施加到从给定图案化区域的附加VFF训练块收集的频谱数据集。由此，VFF可用于从所选图案化区域的其他部分滤除在VFF训练期间使用VFF训练块的子集标识到的频谱强度峰值。该过程产生针对整个图案化区域相关联的经滤波频域数据集。
在又一方面，可通过对与一个或多个图案化区域相关联的经滤波频域数据进行频域-空间域变换来创建与一个或多个图案区域相关联的经滤波图像数据集。本领域技术人员将认识到，可使用各种变换技术将经滤波频域数据变换成空间域数据。在半导体检查数据的上下文中用于进行频域-空间域变换的方法在1996年7月16日授权的美国专利No.5,537,669、2000年2月1日授权的美国专利No.6,021,214、2003年12月16日授权的美国专利No.6,665,432、以及2007年5月15日授权的美国专利No.7,218,768中进行了描述，这些专利的全部内容在上文中通过引用结合于此。
现在参考图9A和9B，示出在施加经由上述过程200受训练的VFF之前和之后采集的图像数据的图示。图9A示出从工作区902取得的通过检查工具104采集的图像数据900的图示。工作区902包括图案化区域904，该图案化区域904具有显示基本类似的重复图案的四个区域。出于生成训练块专用VFF的目的，指定VFF训练块906。在基于如上所述的图像数据以及空间域-频域变换生成VFF之后，可将使用训练块906创建的VFF可施加到图案化区域904内的所有重复图案区块。图9B示出在施加经训练的VFF之后从工作区902取得的图像数据901的渲染。如图所示，VFF的施加用来去除用于训练所施加的VFF的图案化区域904的图案部分，这些图案部分与训练块906的重复图案相同。应当认识到，与图9A和9B的图像数据相关的以上描述不是限制性的，并且应当只被解释为说明性的。
在过程200的又一步骤，可通过将步骤214的经滤波频谱与步骤210的初始经计算频谱进行比较来验证步骤214的频谱结果。在一方面，可将每一训练块的经滤波频谱与源自初始空间域图像数据的初始经计算频谱进行比较。例如，如图6和图7所示，可将从训练块采集的经滤波频谱702与根据从给定训练块采集的图像数据算出的初始频谱602进行比较。在过程200的又一步骤，可通过将步骤216的经滤波图像结果与步骤206的初始图像结果集进行比较来验证步骤216的图像结果。此外，系统100可将初始图像数据(或初始频域数据)以及经滤波图像数据(或滤波器频域数据)同时显示到显示设备114上，从而允许用户比较这些结果。
在过程200的附加步骤，可结合以上所述的VFF训练过程实现基于硬件的滤波过程。以此方式，可在系统100的检查系统104中实现硬件傅里叶滤波器(HWFF)。图10示出适于配备有附加HWFF能力的VFF滤波的检查系统104的框图。本领域技术人员应当认识到，各种检查系统类型可适于在本发明中实现，诸如但不限于亮场检查系统或暗场检查系统。
如图10所示，检查系统104包括但不限于HWFF 1002、物镜1004、成像透镜1006、以及相机1012。在一方面，HWFF 1002被放置在检查系统104的光柱的光瞳面上。例如，如图10所示，HWFF 1002被放置在由物镜1004和成像透镜1006限定的光瞳面上。在这一点上，HWFF1002可用来滤除从设置在级1010上的半导体晶片1008的一个或多个重复图案反射的光。
在一个实施例中，HWFF可滤除从半导体晶片的与在过程200中描述的一个或多个VFF工作区的部分反射的一部分照明。例如，HWFF可滤除从包括过程200的一个或多个VFF训练块的所选工作区的重复图案部分反射的照明。应当注意，在一般意义上，HWFF滤波本身不适于基于区域的滤波。由此，实现的HWFF将用来滤除来自半导体晶片106的大区域(例如，整个工作区)的照明。因此，HWFF 1002可用于跨给定半导体晶片106的宽泛区域实现傅里叶滤波，而同时实现的VFF可用于实现基于区域的傅里叶滤波。
在一个实施例中，系统1000的HWFF 1002以及由系统100生成的VFF可被配置成优化整体图案滤波性能。例如，HWFF 1002和VFF可被配置成达到优化的VFF生成结果。举例而言，可生成VFF以优化该系统的图案滤波。以此方式，为了使组合的HWFF 1002和VFF系统的性能最大化，可选择所选的经滤波图案化区域以及通过生成的VFF而变成零的频域频谱中的所选峰值。举例而言，VFF集合可以阵列设置实现，从而增强通过HWFF实现的光的滤波。
在另一实施例中，系统1000的HWFF可被配置成优化系统100的生成VFF的性能。例如，可选择系统1000的HWFF 1002来优化由系统1000生成的VFF的性能。
在又一实施例中，HWFF 1002可被配置成滤波从第一重复图案集反射的光，而过程200生成的VFF可同时被配置成滤波从不同的重复图案集反射的光。在又一方面，过程200生成的VFF可用于以半导体晶片的在滤除时HWFF 1002针对其无效的图案化区域为目标。在这一点上，组合的HWFF和VFF滤波允许系统100和用户更有效地修整图案滤波协议。由此，可选择HWFF和VFF以使其组合优化对从半导体晶片的重复图案反射的照明的滤波。在这种意义上，系统100或用户可确定哪一个频率分量最佳地适于通过HWFF或VFF去除。
在过程200的附加步骤，步骤212的一个或多个所生成的基于区域的VFF可在检查系统执行的检查过程中用于从半导体晶片的一部分采集经滤波图像数据集。在一个实施例中，在使用如上所述的VFF训练块来训练一个或多个VFF之后，生成的VFF可用于采集经滤波以排除用于训练给定VFF的VFF训练块的重复图案的检查数据。在过程200的又一步骤，可利用使用一个或多个基于区域的VFF采集的经滤波检查数据集来检测存在于半导体晶片106的检查区块中的一个或多个缺陷。以此方式，通过去除与给定图案化区域相关联的所选重复图案，由相机(例如，CCD)收集的图像数据可更容易地标识存在于半导体晶片的表面上/中的缺陷。
图11是示出在用于利用半导体表面的设计数据来检测半导体表面的图像数据中的缺陷的替换过程1100中执行的各个步骤的流程图。在第一步骤1102，可对与半导体相关联的设计布局数据集进行图案搜索，以标识半导体晶片的图案化区域或者半导体晶片的器件结构。在一方面，经由设计布局数据标识的图案化区域接近半导体晶片的一个或多个器件结构地定位。在另一方面，对设计布局数据的分析可用于标识半导体晶片的器件结构(例如，SRAM块)。以此方式，可扫描设计布局数据文件(诸如GDS或OASIS)，以使设计区块显示重复结构。例如，可扫描设计布局文件，以标识共享一致的周期性的设计区块。
应当认识到，设计布局数据可包含多个重复结构，其中每一重复结构显示不同的间距。该变化的重复间距信息可用于限定一个或多个不同的图案化区域。例如，重复间距信息可用于在SRAM器件以及与SRAM器件相邻的图案化区域(诸如半导体晶片的外围区块或随机逻辑区域中的重复图案)之间进行区分。
现在参考图12，在一个实施例中，可经由图案搜索或归组算法标识一个或多个图案化区域。以此方式，由系统100的计算机系统108的处理器(参见图1)执行的图案搜索和归组算法可扫描一个或多个设计布局数据文件(例如，GDS或OASIS)以搜索相似的图案化区块并将其归组到单个图案化区域中。在一种意义上，图案搜索和归组算法可被配置成标识半导体晶片1201的显示相同或几乎相同的重复间距(例如，大小和取向)的部分的两个或更多个重复图案区块(如在设计布局数据集中表示的)。在另一种意义上，图案搜索和归组算法随后可将所标识的两个或多个重复图案区块归组在单个图案化区域中。例如，由计算机系统108的处理器执行的图案搜索和归组算法可搜索设计布局数据文件，以便于标识半导体晶片1201的具有相同的重复间距大小和重复间距取向的两个或更多个图案化区块。然后，搜索和归组算法可将具有相同的重复间距大小和取向的图案化区块归组到公共组中。在这一点上，图案搜索和归组算法可用来在SRAM块1202以及与SRAM块1204接近定位的重复图案结构(例如，RPF)之间进行区分。
在另一实施例中，系统100可用来利用用户经由用户界面116供应的反馈将相似的图案区块归组到图案化区域中。此外，还可构想，系统100可被配置成经由显示器114将存在于设计布局数据中的所标识图案化区域显示给用户，并且用户随后可将与经由图案搜索和归组算法执行的自动搜索和归组过程的准确性相关的反馈提供给系统100。以此方式，用户可验证图案区域，拒绝图案区域，或者调整图案区域的位置或大小。
还应当认识到，与以上讨论的过程200类似地，半导体晶片的与经由设计数据而标识的图案区域相对应的图案区域可用于生成VFF。应当注意，过程1100的步骤1104至1116类似于过程200的步骤204至216。由此，对过程200的各个过程步骤的描述应当被解释为延伸到过程1100。
图13是示出在替换过程1300中执行的用于检测半导体晶片的图像数据中的缺陷的各个步骤的流程图。过程1300表示生成适于滤除从半导体表面的重复图案反射的照明的VFF滤波器的非基于区域的方法。此外，过程1300包括增强经由基于硬件的傅里叶滤波(HWFF)对照明的VFF滤波的附加方面。再次参考图10，在硬件傅里叶滤波过程之后，系统1000可被配置成利用从整个所限定工作区采集的频谱来生成非基于区域的VFF。
在步骤1302，可生成半导体晶片的一个或多个VFF工作区。在步骤1304，可对从步骤1302的VFF工作区所限定的半导体晶片反射的一部分光执行基于硬件的傅里叶滤波过程。在步骤1306，在硬件傅里叶滤波过程之后，可使用检查系统(例如，亮场检查系统)来采集来自VFF工作区的初始图像数据集。在步骤1308，可通过将所采集图像数据的空间域强度信息变换成频域频谱信息来计算VFF工作区的初始频谱。在步骤1310，可通过标识初始频谱的显示频域数据中的频谱最大值的频率来生成每一VFF工作区的VFF。在步骤1312，可通过施加步骤1310生成的VFF来生成每一VFF工作区的经滤波频谱。在一方面，生成的VFF被配置成在初始频谱的标识为显示频谱最大值的频率处使初始频谱的幅值为零。在步骤1314，通过将在步骤1312创建的工作区的频域经滤波频谱变换成空间域强度信息来创建每一工作区的经滤波图像数据集。在本文中应当认识到，在先前提供的对过程200和过程1100的描述中一般地描述了过程1300的过程步骤1302至1314的具体方面。由此，与过程200和过程1100相关的描述应当被解释为延伸到过程1300。
在一个实施例中，HWFF 1002可滤除从半导体晶片的与在过程200中描述的一个或多个VFF工作区相对应的部分反射的一部分照明。例如，HWFF可滤除从所选工作区的重复图案部分反射的照明。此外，由系统1000训练的非基于区域的VFF还可被配置成滤除从相同工作区的重复图案部分反射的照明。由此，实现的HWFF以及非基于区域的VFF将用来滤除来自半导体晶片106的大区域(例如，整个工作区)的照明。
在另一实施例中，系统1000的HWFF 1002以及由系统100生成的VFF可被配置成优化整体图案滤波性能。例如，HWFF 1002和VFF可被配置成达到优化的VFF生成结果。举例而言，可生成VFF以优化该系统的图案滤波。以此方式，可选择频域频谱中的通过生成的VFF变成零的所选峰值，以使组合的HWFF 1002和VFF系统的性能最大化。在另一实施例中，系统1000的HWFF可被配置成优化系统100生成的VFF的性能。例如，可选择系统1000的HWFF1002，以优化由系统1000生成的VFF的性能。
使用所存储的图像数据而生成的晶片的所有图像可被存储在存储介质的阵列以及任何其他合适的存储介质中。例如，在一个实施例中，处理器节点集合可被配置成存档在检查系统104的多种成像模式中采集的晶片的图像。以此方式，根据使用多种成像模式采集的图像数据生成的全晶片图像可被存储在盘上。另外，本文中所描述的实施例可被配置成使用存档的晶片图像来执行一个或多个功能。例如，在一个实施例中，存档的图像可用于对检查配方的模式选择。如在本文中进一步描述的，这些存档的图像可用于选择检查系统104的一个或多个参数(例如，光学模式)，以供检查晶片。
另外，处理器节点集合可被配置成对使用BF较小像素检查而采集的晶片图像进行存档。例如，检查系统104可被配置为BF小像素检查系统，并且处理器节点集合可被配置成存档由检查系统104生成的晶片的图像。在本文中，“小像素”被定义为其大小小于约100nm的像素。这些存档图像还可用于执行本文中所描述的一种或多种应用。例如，在一个实施例中，处理器节点集合被配置成对存储在存储介质阵列中的图像数据进行离线图像分析，以标识与该检查系统相比具有更低生产量和更高分辨率的另一检查系统的检查样本计划。可使用存档的BF较小像素检查图像来进行这种离线图像分析。
在一个实施例中，处理器节点集合被配置成使用存储在存储介质的阵列中的图像数据来调谐检查配方。例如，在一个实施例中，处理器节点集合被配置成使用存储在存储介质阵列中的所有图像数据或者检测器在扫描晶片期间生成的图像数据的所选部分来选择用于检查晶片的一个或多个缺陷检测参数。一个或多个缺陷检测参数可包括缺陷检测方法或算法的任何可调整参数(例如，一个或多个阈值)。根据本文中所描述的任何实施例，一个或多个缺陷检测参数可使用所有图像数据或者图像数据的所选部分来进行选择。
在一些实施例中，处理器节点集合被配置成使用检测器在扫描晶片期间生成的图像数据(这些图像数据被存储在存储介质的阵列中)来选择用于检查晶片的一个或多个缺陷检测参数，而无需通过对晶片进行附加扫描而生成的附加图像数据。以此方式，本文中所描述的实施例使用存储数据的回放来实现算法调谐，由此释放否则可能需要重新扫描目标晶片的有价值的检查系统。具体而言，VI将晶片图像存储到盘上以供稍后回放，而无需工具或晶片。可扫描晶片图像，仿佛晶片被加载到工具上，由此允许用户优化特定光学模式/光能级的配方。例如，检查系统104可能只在初始图像采集期间才是必要的。
将所存储的图像数据用于离线配方设置，可在不需要物理晶片的情况下通过进行新检查来检测“新”缺陷。由此，离线配方设置可包括在不存在晶片和检查系统202的情况下检测新缺陷。以此方式，可在不需要对晶片的附加扫描且不限于在检测晶片期间检测到的那些缺陷的情况下对一个或多个缺陷检测参数进行选择。具体而言，由于存储了原始图像数据，因此可在离线设置期间将多种缺陷检测算法施加到原始图像数据，并且多种缺陷检测算法在灵敏度方面可增大以使缺陷不仅可通过调整一个或多个缺陷检测参数来消除，而且可通过调整一个或多个缺陷检测参数来发现。
在一个实施例中，通过将检查数据和标准基准管芯用于基于标准基准管芯的检查，可在晶片上检测缺陷。例如，缺陷检测可包括进行基于标准基准管芯的检查。在一些这种实施例中，对于标准基准逐个(die-to-die)管芯检查模式，缺陷检测可包括将标准基准管芯图像在设计数据空间中的映射施加到由检查系统采集的晶片的活动图像。术语“标准基准管芯”一般指正在检查、但是不满足逐个管芯检查所需的对“测试”管芯的正常邻近约束的晶片上的基准管芯。一些商用检查系统被配置成使用一些版本的标准基准逐个管芯检查模式。
标准基准逐个管芯检查模式的一种实现涉及将管芯与管芯行中的任何管芯进行比较。在另一种实现中，标准基准管芯图像可以是所存储的图像。因此，所存储的标准基准逐个管芯检查模式很像标准基准逐个管芯检查模式，不同之处在于，消除了在晶片上使用基准管芯的约束。该检查模式的一个优点在于，可修改所存储的标准基准管芯图像以使标准基准管芯图像“基本上没有缺陷”。
在可用作标准基准逐个管芯检查模式的一个实施例中，将对正在检查的管芯采集的活动图像与从另一晶片上的已知好管芯(标准基准管芯)获取的所存储管芯图像对准和比较。在此情况下，可完全在线地进行标准基准管芯像素到设计数据坐标空间的映射。举例而言，标准基准管芯中的对准部位可在如上所述的设计数据空间中映射，并且所映射的标准基准管芯像素可被在线地存储并在检查期间馈送到检查系统中。以此方式，对于标准基准逐个管芯检查模式，可通过使活动数据与所存储的标准基准管芯图像或者本身已被映射到设计空间的数据对准来确定活动检查数据在设计数据坐标空间中的位置。
在另一实施例中，对于标准基准逐个管芯检查，以所选像素大小和成像模式扫描基准晶片上的已知好管芯，并且整体已知好管芯图像可被存储在适当的存储介质(例如，盘)中。在检查晶片期间，适当的标准基准管芯图像的条带(swath)被下载到检查系统的图像计算机中，并且在扫描每一管芯时，目标管芯(即，正在检查的管芯)的帧与相应的标准基准管芯帧对准。可使用子像素插值来校正各个帧之间的不对准。然后，可将标准基准管芯图像与晶片的图像进行比较，以检测晶片上的缺陷(例如，检测有缺陷的像素)。以此方式，相同的图像可用于使检查数据与设计数据空间坐标对准以及用于缺陷检测。
在不同的实施例中，该方法包括使检查数据流中的晶片上对准部位的数据与预定对准部位的所渲染的GDS片段对准，以实时地校正误差。例如，该方法可包括，对于逐个管芯检查模式，将所渲染的GDS II片段在设计数据空间中的映射施加到晶片上的对准部位的数据。该方法可包括使下载的对准部位修补图像(在设置检查过程期间选择)与预定搜索范围内的活动图像数据相关、以及确定两幅图像之间的偏差。在另一示例中，可通过将对准部位中的一个或多个特征的形心(centroid)或者其他属性对准来进行使检查数据流中的晶片上的对准部位的数据与预定对准部位的数据的对准，这可如在本文中进一步描述地执行。在一个实施例中，对于在逐个管芯检查模式中的缺陷检测，每一扫描管芯帧的数据与条带中的后续管芯帧的数据对准。在此情况下，不可离线地进行预定对准部位和晶片上的对准部位的映射，因为检查数据流中的每一管芯的数据的位置受制于检查系统的机械以及其他误差源。因此，在此情况下，该方法可包括在采集检查数据期间标识每一管芯中的对准部位(例如，使用图像计算机)。
在一些实施例中，缺陷信息可与电气设计对准。例如，扫描电子显微镜(SEM)复查系统可用于确定缺陷样本的缺陷位置的更准确坐标，并且由SEM复查系统报告的缺陷坐标可用于确定电气设计中的缺陷位置。在其他实施例中，检查关注区块(例如，在将进行检查的晶片上形成的器件图案的区块)可与印刷在晶片上的图案的物理位置对准。
本文中所描述的所有方法都可包括将这些方法实施例的一个或多个步骤的结果存储在存储介质中。这些结果可包括本文中所描述的任何结果，并且可以本领域已知的任何方式存储。存储介质可包括本文中所描述的任何存储介质、或者本领域已知的任何其他合适的存储介质。在已存储了这些结果之后，这些结果可在存储介质中存取且可由本文中所描述的任何方法或系统实施例使用，被格式化以显示给用户，由另一软件模块、方法或系统使用等。此外，这些结果可被“永久地”、“半永久地”、临时地存储、或者被存储一段时间。例如，存储介质可以是随机存取存储器(RAM)，并且这些结果可能在存储介质中不必无限地持续。
还可构想，以上所述的方法的每一实施例可包括本文中所描述的任何其他方法的任何其他步骤。另外，以上所述的方法的每一实施例可由本文中所描述的任何系统执行。
本领域内技术人员将理解，存在可实现本文中所描述的过程和/或系统和/或其他技术的各种载体(例如，硬件、软件、和/或固件)，并且优选载体将随着部署过程和/或系统和/或其他技术的上下文而变化。例如，如果实施者确定速度和准确性是首要的，则实施者可主要倾向于硬件和/或固件载体；或者如果灵活性是首要的，则实施者可主要倾向于软件实现；再或者，实施者可倾向于硬件、软件和/或固件的一些组合。因此，存在可实现本文中所描述的过程和/或器件和/或其他技术的若干可能的载体，它们都没有在本质上优于其他选择，因为要利用的任何载体是依赖于将部署载体的上下文以及实施者的特定考虑(例如，速度、灵活性、或预测性)的选择，这些因素中的任一个都可变化。本领域技术人员将认识到，光学实现方面通常将采用光学取向的硬件、软件、和/或固件。
本领域技术人员将认识到，在本领域中以本文中所阐述的方式描述器件和/或过程、以及此后使用工程实践将这种所述器件和/或过程集成到数据处理系统中是普遍的。即，本文中所描述的至少一部分器件和/或过程可经由合理数量的实验集成到数据处理系统中。本领域技术人员将认识到，典型数据处理系统一般包括系统单元外壳、视频显示设备、存储器(诸如易失性和非易失性存储器)、处理器(诸如微处理器和数字信号处理器)、计算实体(诸如操作系统、驱动器、图形用户界面、以及应用程序)、一个或多个交互设备(诸如触摸板或触摸屏)、和/或包括反馈环和控制电机(例如，用于感测位置和/或速度的反馈；用于移动和/或调整组分和/或量的控制电机)的控制系统中的一个或多个。典型数据处理系统可利用诸如通常在数据计算/通信和/或网络计算/通信系统中找到的任何合适的商用组件来实现。
本文中所描述的主题有时示出不同的组件，这些组件包含在其他不同组件内或者与其他不同组件连接。应当理解，这些所示体系结构只是示例性的，并且事实上可实现获得同样功能的许多其他体系结构。在概念的意义上，实现相同功能的组件的任何排列有效地“关联”以实现期望功能。因此，在本文中组合以实现特定功能的任意两个组件可被视为彼此“关联”以实现期望功能，不管体系结构或中间组件如何。同样，如此关联的任意两个组件也可被视为彼此“连接”或“耦合”以实现期望功能，并且能够如此关联的任意两个组件也可被视为可彼此“耦合”以实现期望功能。可耦合的具体示例包括但不限于可物理匹配和/或物理交互的组件、和/或可无线交互和/或无线交互的组件、和/或逻辑交互和/或可逻辑交互的组件。
尽管已示出和描述了本文中所描述的本主题的特定方面，但对本领域技术人员而言将显而易见的是，基于本文中的教导可作出改变和修改而不背离本文中所描述的主题及其更宽的范围，并且因此所附权利要求书将涵盖在所有这些改变和修改落入本文中所描述的主题的真实精神和范围的其范围内。
此外，应当理解，本发明由所附权利要求书限定。
虽然已示出了本发明的特定实施例，但是显而易见的是本领域技术人员可对本发明作出各种修改和实施例，而不背离以上公开的范围和精神。因此，本发明的范围应当只由此处所附权利要求书限定。
相信本公开及其带来的许多优点应当通过上述描述来理解，并且应当显而易见的是可以组件的形式、结构和排列作出各种改变，而不背离所公开的主题或者不牺牲其所有实质优势。所描述的形式只是解释性的，并且以下权利要求书旨在涵盖并包括这些变化。

Claims (8)

1.一种用于检测从半导体表面采集的图像数据中的缺陷的系统，所述系统包括：
检查系统；
计算系统，所述计算系统与所述检查系统通信耦合，并且包括一个或多个处理器，其中所述处理器被配置为执行存储介质中保持的程序指令集，所述程序指令集被配置使得所述一个或多个处理器：
从所述检查系统接收来自半导体晶片的一个或多个图像数据集；
对所述一个或多个图像数据集进行图案搜索，以标识所述半导体晶片上的一个或多个图案化区域；
生成一个或多个虚拟傅里叶滤波器VFF工作区，其中每一VFF工作区包括所述一个或多个所标识图案化区域中的至少一个；
利用所述一个或多个图像数据集来将两个或更多个VFF训练块限定在所述一个或多个VFF工作区的每一个内，以便限制所标识图案化区域的非重复图案部分对强度的贡献，其中被选工作区内的第一VFF训练块被限定为涵盖所述被选工作区的第一部分，该第一部分包括所述一个或多个所标识图案化区域的第一所标识图案化区域，所述第一所标识图案化区域包括被选重复图案，并且所述被选工作区内的附加VFF训练块被限定为涵盖所述被选工作区的附加部分，该附加部分包括所述一个或多个所标识图案化区域的附加所标识图案化区域，所述附加所标识图案化区域包括所述被选重复图案；
通过将与所述两个或更多个VFF训练块相关联的空间域强度信息变换成频域频谱信息，利用来自每一VFF训练块的所述图像数据集来计算沿着每一VFF训练块的至少一个维度的初始频谱；
通过标识在所述频域中具有频谱最大值的初始频谱的频率来生成每一VFF训练块的VFF，其中所述VFF被配置成在初始频谱的标识为显示频谱最大值的频率处使初始频谱的幅值为零；
通过将一个或多个生成的VFF施加到所述一个或多个图案化区域的初始频谱来生成所述一个或多个图案化区域的一个或多个经滤波频谱；以及
通过将所述一个或多个图案化区域的一个或多个生成的经滤波频谱变换成一个或多个空间域图像数据集来创建所述一个或多个图案化区域的经滤波图像数据集。
2.如权利要求1所述的系统，其特征在于，所述检查系统包括：
亮场检查系统和暗场检查系统中的至少一个。
3.如权利要求1所述的系统，其特征在于，所述检查系统包括：
电子束检查系统。
4.如权利要求1所述的系统，其特征在于，所述检查系统包括硬件傅里叶滤波器HWFF。
5.一种用于检测从半导体表面采集的图像数据中的缺陷的系统，所述系统包括：
检查系统；
计算系统，所述计算系统与所述检查系统通信耦合，并且包括一个或多个处理器，其中所述处理器被配置为执行存储介质中保持的程序指令集，所述程序指令集被配置使得所述一个或多个处理器：
对与半导体晶片相关联的设计布局数据进行图案搜索，以标识与所述半导体晶片的一个或多个器件结构接近的半导体晶片的一个或多个图案化区域或者所述一个或多个器件结构中的至少一个；
生成所述半导体晶片的一个或多个虚拟傅里叶滤波器VFF工作区，其中每一VFF工作区包括经由所述设计布局数据标识的所述一个或多个图案化区域中的至少一个；
从所述检查系统接收来自每一VFF工作区的初始图像数据集；
利用所述初始图像数据集来将两个或更多个VFF训练块限定在所述一个或多个VFF工作区的每一个内，以便限制所标识图案化区域的非重复图案部分对强度的贡献，其中被选工作区内的第一VFF训练块被限定为涵盖所述被选工作区的第一部分，该第一部分包括所述一个或多个所标识图案化区域的第一所标识图案化区域，所述第一所标识图案化区域包括被选重复图案，并且所述被选工作区内的附加VFF训练块被限定为涵盖所述被选工作区的附加部分，该附加部分包括所述一个或多个所标识图案化区域的附加所标识图案化区域，所述附加所标识图案化区域包括所述被选重复图案；
通过将与所述两个或更多个训练块相关联的空间域强度信息变换成频域频谱信息，利用来自每一VFF训练块的所述初始图像数据集来计算沿着每一VFF训练块的至少一个维度的初始频谱；
通过标识所述频域中初始频谱的具有频谱最大值的频率来生成每一VFF训练块的VFF；
通过将一个或多个生成的VFF施加到所述一个或多个图案化区域的初始频谱来生成所述一个或多个图案化区域的一个或多个经滤波频谱；以及
通过将所述一个或多个图案化区域的一个或多个生成的经滤波频谱变换成一个或多个空间域图像数据集来创建所述一个或多个图案化区域的经滤波图像数据集。
6.如权利要求5所述的系统，其特征在于，所述检查系统包括：
亮场检查系统和暗场检查系统中的至少一个。
7.如权利要求5所述的系统，其特征在于，所述检查系统包括：
电子束检查系统。
8.如权利要求5所述的系统，其特征在于，所述检查系统包括硬件傅里叶滤波器HWFF。
CN201510415381.4A 2010-07-30 2011-08-01 基于区域的虚拟傅里叶滤波器 Active CN105118046B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US36964910P 2010-07-30 2010-07-30
US61/369,649 2010-07-30
CN201180045204.1A CN103329167B (zh) 2010-07-30 2011-08-01 基于区域的虚拟傅里叶滤波器

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201180045204.1A Division CN103329167B (zh) 2010-07-30 2011-08-01 基于区域的虚拟傅里叶滤波器

Publications (2)

Publication Number Publication Date
CN105118046A CN105118046A (zh) 2015-12-02
CN105118046B true CN105118046B (zh) 2018-05-18

Family

ID=45530768

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201510415381.4A Active CN105118046B (zh) 2010-07-30 2011-08-01 基于区域的虚拟傅里叶滤波器
CN201180045204.1A Active CN103329167B (zh) 2010-07-30 2011-08-01 基于区域的虚拟傅里叶滤波器

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201180045204.1A Active CN103329167B (zh) 2010-07-30 2011-08-01 基于区域的虚拟傅里叶滤波器

Country Status (6)

Country Link
US (1) US8989479B2 (zh)
JP (1) JP2013542404A (zh)
KR (1) KR101853991B1 (zh)
CN (2) CN105118046B (zh)
IL (1) IL223857A (zh)
WO (1) WO2012016243A2 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8855399B2 (en) 2012-02-07 2014-10-07 Applied Materials Israel, Ltd. System, a method and a computer program product for CAD-based registration
JP5661833B2 (ja) * 2013-02-28 2015-01-28 ファナック株式会社 線状パターンを含む対象物の外観検査装置及び外観検査方法
JP5944850B2 (ja) * 2013-03-11 2016-07-05 株式会社日立ハイテクノロジーズ 欠陥検査方法及びこれを用いた装置
US10127652B2 (en) * 2014-02-06 2018-11-13 Kla-Tencor Corp. Defect detection and classification based on attributes determined from a standard reference image
US9286675B1 (en) 2014-10-23 2016-03-15 Applied Materials Israel Ltd. Iterative defect filtering process
US10190991B2 (en) 2016-11-03 2019-01-29 Applied Materials Israel Ltd. Method for adaptive sampling in examining an object and system thereof
WO2018100225A1 (en) * 2016-11-29 2018-06-07 Wärtsilä Finland Oy An ultrasonic quality control using filtered image data
EP3336608A1 (en) 2016-12-16 2018-06-20 ASML Netherlands B.V. Method and apparatus for image analysis
WO2019016856A1 (ja) 2017-07-18 2019-01-24 株式会社日立ハイテクノロジーズ 欠陥検査装置およびパターンチップ
JP6810505B2 (ja) 2017-09-19 2021-01-06 富士フイルム株式会社 教師データ作成方法及び装置並びに欠陥検査方法及び装置
JP7323541B2 (ja) * 2018-03-13 2023-08-08 アプライド マテリアルズ インコーポレイテッド 半導体処理のモニタリングのための機械学習システム
US10849264B1 (en) * 2019-05-21 2020-12-01 Farmobile Llc Determining activity swath from machine-collected worked data
EP3796230B1 (en) * 2019-09-17 2022-03-09 Imec VZW A method for determining process limits of a semiconductor process
US11403782B2 (en) * 2019-12-31 2022-08-02 Alibaba Group Holding Limited Static channel filtering in frequency domain
US11494895B2 (en) 2020-02-14 2022-11-08 KLA Corp. Detecting defects in array regions on specimens
CN112884720B (zh) * 2021-02-01 2023-08-11 广东电网有限责任公司广州供电局 一种配电线路污闪绝缘子检测方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3803109B2 (ja) * 1991-12-11 2006-08-02 株式会社ルネサステクノロジ 欠陥検査方法及び欠陥検査装置
JP3253724B2 (ja) * 1993-02-16 2002-02-04 松下電器産業株式会社 欠陥検査装置
JPH0798281A (ja) * 1993-06-11 1995-04-11 Toshiba Corp パターン欠陥検出方法及びパターン欠陥検出装置
US5537669A (en) * 1993-09-30 1996-07-16 Kla Instruments Corporation Inspection method and apparatus for the inspection of either random or repeating patterns
US5970168A (en) * 1997-08-05 1999-10-19 Kla-Tencor Corporation Fourier filtering mechanism for inspecting wafers
JP2002243617A (ja) * 2000-12-15 2002-08-28 Promos Technol Inc 集積回路の欠陥検出方法
US6731824B2 (en) * 2001-02-21 2004-05-04 Promos Technologies, Inc. Spatial filtering method for failure analysis of a device
US7505619B2 (en) * 2002-09-27 2009-03-17 Kla-Tencor Technologies Corporation System and method for conducting adaptive fourier filtering to detect defects in dense logic areas of an inspection surface
WO2007088542A2 (en) * 2006-02-01 2007-08-09 Applied Materials Israel Limited Method and system for evaluating a variation in a parameter of a pattern
US8031931B2 (en) * 2006-04-24 2011-10-04 Applied Materials South East Asia Pte. Ltd. Printed fourier filtering in optical inspection tools
JP4908995B2 (ja) * 2006-09-27 2012-04-04 株式会社日立ハイテクノロジーズ 欠陥分類方法及びその装置並びに欠陥検査装置
US7925072B2 (en) 2007-03-08 2011-04-12 Kla-Tencor Technologies Corp. Methods for identifying array areas in dies formed on a wafer and methods for setting up such methods
JP2008235575A (ja) * 2007-03-20 2008-10-02 Toshiba Corp パターン測定方法、パターン測定装置およびプログラム

Also Published As

Publication number Publication date
US20120141013A1 (en) 2012-06-07
WO2012016243A8 (en) 2012-09-27
CN103329167A (zh) 2013-09-25
KR101853991B1 (ko) 2018-05-02
WO2012016243A3 (en) 2013-08-15
JP2013542404A (ja) 2013-11-21
CN103329167B (zh) 2016-08-17
CN105118046A (zh) 2015-12-02
IL223857A (en) 2017-02-28
US8989479B2 (en) 2015-03-24
WO2012016243A2 (en) 2012-02-02
KR20130138184A (ko) 2013-12-18

Similar Documents

Publication Publication Date Title
CN105118046B (zh) 基于区域的虚拟傅里叶滤波器
US11719650B2 (en) Method for performing smart semiconductor wafer defect calibration
CN106415807B (zh) 使用高分辨率全裸片图像数据进行检验
JP6807844B2 (ja) ビルトインターゲットを用いた検査対デザイン位置揃え
CN101939833B (zh) 用于跨晶片区域预测半导体参数的装置和方法
KR102268502B1 (ko) 시료 상의 관심 영역에 대한 좌표 결정
US8045789B2 (en) Method and apparatus for inspecting defect of pattern formed on semiconductor device
CN110168710A (zh) 用于以卷积神经网络为基础的缺陷检验的数据扩增
CN108369915B (zh) 减少配准及设计附近所引发的裸片内检验的噪声
CN105074896B (zh) 图案测定装置以及半导体测量系统
KR102110634B1 (ko) 자유형의 주의 영역들을 사용한 웨이퍼 검사
JP6472447B2 (ja) フォトマスク欠陥性における変化の監視
TW201504749A (zh) 用於檢測光罩之機器學習方法及裝置
CN106796724A (zh) 自动化图案保真度测量计划产生
CN106773541A (zh) 一种基于版图几何特征匹配的光刻解决方案预测方法
CN109804462A (zh) 用于大量图案搜索的检验和设计之间的漂移的自动校正的系统及方法
KR102165735B1 (ko) 화상 처리 장치, 자기 조직화 리소그래피 기술에 의한 패턴 생성 방법 및 컴퓨터 프로그램
JP4126189B2 (ja) 検査条件設定プログラム、検査装置および検査システム
JP5389456B2 (ja) 欠陥検査装置および欠陥検査方法
CN109314067A (zh) 在逻辑及热点检验中使用z层上下文来改善灵敏度及抑制干扰的系统及方法
TWI715812B (zh) 在半導體製造中之目標位置
TW201907152A (zh) 用於重複缺陷分析之相對缺陷位置之高精準度
CN117518747B (zh) 一种光刻量测强度的生成方法、装置、设备及存储介质

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