CN105431932A - 用于过程监视及良率管理的所计算电性能度量 - Google Patents

用于过程监视及良率管理的所计算电性能度量 Download PDF

Info

Publication number
CN105431932A
CN105431932A CN201480042175.7A CN201480042175A CN105431932A CN 105431932 A CN105431932 A CN 105431932A CN 201480042175 A CN201480042175 A CN 201480042175A CN 105431932 A CN105431932 A CN 105431932A
Authority
CN
China
Prior art keywords
semiconductor wafer
device performance
measurement data
amount
layer semiconductor
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
CN201480042175.7A
Other languages
English (en)
Other versions
CN105431932B (zh
Inventor
高翔
菲利浦·伏兰纳
利奥尼德·波斯拉夫斯基
狄明
赵强
史考特·培纳尔
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 CN105431932A publication Critical patent/CN105431932A/zh
Application granted granted Critical
Publication of CN105431932B publication Critical patent/CN105431932B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/21—Polarisation-affecting properties
    • G01N21/211—Ellipsometry
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/21—Polarisation-affecting properties
    • G01N21/211—Ellipsometry
    • G01N2021/213—Spectrometric ellipsometry

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Automation & Control Theory (AREA)

Abstract

本文中呈现基于最终装置性能的预测而对半导体装置制造的过程控制及良率管理的方法及系统。基于一或多个装置性能模型而计算所估计装置性能度量值，所述一或多个装置性能模型将能够在过程期间测量的参数值与最终装置性能度量联系在一起。在一些实例中，装置性能度量的所估计值是基于非成品多层晶片的至少一个结构特性及至少一个带结构特性。在一些实例中，对正进行处理的装置是否将不能通过最终装置性能测试的预测是基于最终装置性能度量的所估计值与所规定值之间的差异。在一些实例中，至少部分地基于所述差异而确定一或多个后续过程步骤中的调整。

Description

用于过程监视及良率管理的所计算电性能度量
相关申请案的交叉参考
本专利申请案依据35U.S.C.§119主张2013年6月26日提出申请的标题为“通过计算的电性能度量的半导体芯片制作过程监视及良率管理(SemiconductorChipFabricationProcessMonitoringandYieldManagementThroughCalculatedElectricalPerformanceMetrics)”的序列号为61/839,708的美国临时专利申请案的优先权，所述专利申请案的标的物以其全文引用方式并入本文中。
技术领域
所描述的实施例涉及用于晶片检验及计量的系统，且更特定来说涉及在半导体制造中使用的半导体结构及材料的表征及缺陷检测。
背景技术
通常通过应用于衬底或晶片的处理步骤序列制作例如逻辑及存储器装置的半导体装置。通过这些处理步骤形成所述半导体装置的各种特征及多个结构层级。举例来说，除其它之外，光刻为涉及在半导体晶片上产生图案的一个半导体制作过程。半导体制作过程的额外实例包含但不限于化学机械抛光、蚀刻、沉积及离子植入。可在单个半导体晶片上制作多个半导体装置且接着将其分离成个别半导体装置。
在半导体制造过程期间在各种步骤处使用检验过程来检测晶片上的缺陷以促成较高良率。由于设计规则及过程窗在大小方面持续缩小，因此在维持高生产量的同时需要使检验系统捕获晶片表面上的更广范围的物理缺陷。
半导体装置基于其能量效率而非仅速度而越来越受重视。举例来说，能量高效的消费型产品为更有价值的，这是因为其以较低温度操作且根据固定电池电源供应器操作较长时间周期。在另一实例中，能量高效的数据服务器非常需要减少其操作成本。因此，减少半导体装置的能量消耗是极受关注的。
在一个实例中，穿过绝缘体层的泄漏电流为以65nm技术节点及低于65nm技术节点制造的半导体装置的主要能量损耗机制。作为响应，电子设计者及制造者正采用与传统材料(例如，二氧化硅)相比具有较高介电常数及较低消光系数的新材料(例如，硅酸铪(HfSiO4)、氮化硅酸铪(HfSiON)、二氧化铪(HfO2)、硅酸锆(ZrSiO4)等)。这些“高k”材料减少泄漏电流且实现较小大小的晶体管的制造。
随着新电介质材料及先进结构的采用，已出现对测量工具的需要以在制造过程早期表征高k材料的介电性质及带结构。在一些实例中，在晶片制造期间需要高生产量监视工具来监视及控制高k材料的沉积及各种结构的形成以确保成品晶片的高良率。沉积问题的早期检测是重要的，这是因为半导体晶片的完整制造过程是冗长且昂贵的。举例来说，高k材料的沉积通常在花费一个月以上来完成的制造过程的开始时发生。
许多现有过程控制及良率管理工具仅对其测量的过程步骤产生测量结果。此限制由许多现有工具提供的值，这是因为其测量与距测量有数周或数百个过程步骤远的最终装置性能不直接相关。另外，许多现有过程控制及良率管理工具不提供对各种所测量参数对最终装置性能的灵敏度的洞察。举例来说，当前由典型薄膜计量工具提供的成分测量或当前由典型CD计量工具提供的CD参数测量(孤立地进行)不提供对最终装置性能的直接洞察。
已使用高k电介质层的材料成分的测量作为用于过程监视的指示符。针对例如SiHfON的高k材料，发现氮与铪的不同百分比、不同沉积温度及沉积循环时间、不同中间层等产生不同色散值及不同能量带结构。此在制造过程结束时影响晶片性能。
在一些实例中，已利用X射线光谱仪来准确地测量高k电介质层的材料成分。然而，X射线光谱法具有高成本及低生产量，从而使其用作高生产量生产监视工具为不合意的。
在一些其它实例中，已使用高k电介质层的色散性质(例如，折射率n及消光系数k)来基于经验模型计算材料成分。此方法相对于X射线光谱技术具有较低成本及较高生产量的优点。一个此类实例呈现于让与科磊(KLA-Tencor)技术公司的第13/524,053号美国专利申请案中。
尽管高k材料层的材料成分为沉积过程参数的强大指示符，但其与生产线终端电性质(例如泄漏电流等)不直接相关。举例来说，在SiHfON的情形中，沉积速率及温度的转变可在材料成分保持不变时产生具有不同结构缺陷或不同带结构的膜。尽管材料成分未改变的事实，但所得结构缺陷或带结构可不利地增加泄漏电流。类似地，产生不同材料成分的过程也可引起经减少结构缺陷及更有利带结构。在此情形中，基于材料成分进行监视可产生伪阴性结果，其中当实际上材料结构及性质引起经减少泄漏电流时基于材料成分而找出故障。
因此，开发用于基于结构的测量及材料层的表征的聚合而在制造过程早期预测最终装置性能的高生产量方法及/或系统以识别所得成品晶片是否将具有满意电性质将为有利的。
发明内容
本文中呈现基于最终装置性能的预测而对半导体装置制造的过程控制及良率管理的方法及系统。对半导体装置的一或多个最终性能度量的估计是基于非成品多层半导体晶片的测量。
在一个方面中，装置性能度量的所估计值是基于所述非成品多层晶片的至少一个结构特性及至少一个带结构特性。基于一或多个装置性能模型而计算所估计装置性能度量值。装置性能模型可采取以分析或数值形式表达的物理数学模型的形式。在一些实例中，装置性能模型为完整全晶片模拟模型，或晶片的区段或功能单元的模型。在一些实例中，采用针对集成电路的构建块公式化的分量模型。一些装置模型可涉及数十或数百个自由或受约束参数。在一些实例中，通过标准数学方法(例如相关分析、主分量分析等)减少装置模型的维度。在一些其它实例中，装置性能模型为由简化的数学模型建构的经验模型。可基于相关或统计研究、主分量分析或将成品装置的所测量物理性质与所测量电性质联系在一起的其它数据处理技术而使此些模型公式化。
在进一步方面中，基于针对单个装置或多个晶片上的多个装置可得的实际最终电测试数据及测量数据而使装置性能模型回归且将其精细调谐。以此方式，使模型参数细化以改进装置性能模型的预测能力。
在另一进一步方面中，执行装置性能模型的统计分析以提供对特定半导体制造过程流程的所预期性能的洞察。举例来说，在任一特定过程步骤处，可统计地表征每一所测量参数及每一标称参数，例如，平均数、范围、标准差等。基于这些参数值，使用装置性能模型来导出与一或多个最终装置性能度量相关联的所预期统计值，例如，标称值、平均值、范围、中位数、概率等。
在进一步方面中，将一或多个最终装置性能度量的所估计值与所规定最终装置性能值进行比较以确定正进行处理的晶片是否被预期为不能通过最终装置性能测试。
在再一进一步实施例中，基于一或多个最终装置性能度量的所估计值与所规定最终装置性能值之间的差异而确定一或多个后续过程步骤中的调整。在一些实例中，所述调整包含后续过程步骤的目标标称过程值的改变。基于最终装置性能度量对经受调整的物理参数的灵敏度而确定调整量。这些灵敏度可经计算为关于经受调整的物理参数的装置性能模型的导数。
前述内容为概述，且因此必然地含有对细节的简化、一般化及省略。因此，所属领域的技术人员将了解，本概述仅为说明性的且不以任何方式为限制性的。在本文中所陈述的非限制性详细说明中，本文中所描述的装置及/或过程的其它方面、发明性特征及优点将变得显而易见。
附图说明
图1是图解说明经配置以预测如本文中所描述的最终装置性能的半导体测量系统100的简化图。
图2是图解说明可由如本文中所描述的方法及系统表征的具有所附接薄膜层114A及114B的半导体衬底112的简化图。
图3A到3B是图解说明与薄膜材料层相关联的光色散曲线及源自所述曲线的带结构特性的曲线图。
图4是图解说明与薄膜材料层相关联的光色散曲线及依据所述曲线识别的带结构缺陷的曲线图。
图5是图解说明依据从非成品晶片收集的测量数据预测最终装置性能的方法200的流程图。
图6是图解说明使用如本文中所描述的方法及系统确定的在非成品半导体晶片的不同位置处的膜厚度的值及两个带结构特性的图表。
图7是图解说明将在不同位置处的所估计电流密度与成品晶片的所测量电流密度进行比较的曲线图。
具体实施方式
现在将详细参考背景技术实例及本发明的一些实施例，本发明的实例图解说明于随附图式中。
本文中呈现基于依据非成品多层半导体晶片的测量的最终装置性能的预测而对半导体装置制造的过程控制及良率管理的方法及系统。进行对半导体装置的一或多个性能度量的估计，仿佛所述半导体装置为成品一般。所述估计是基于将在其上建构半导体装置的非成品半导体晶片的测量。
在一个方面中，装置性能度量的所估计值是基于非成品多层晶片的至少一个结构特性及至少一个带结构特性。直接或间接测量所述特性。基于一或多个装置性能模型而计算所估计装置性能度量值。
装置性能模型可采取以分析或数值形式表达的物理数学模型的形式。装置性能模型可为完整全晶片模拟模型，或晶片的区段或功能单元的模型。可预期捕获全功能性或全功能性的一部分的模型。在一些实施例中，采用针对集成电路(例如，p-MOS或n-MOS晶体管、逻辑门等)的构建块公式化的分量模型。
在一些实例中，在例如SPICE等电子设计自动化(EDA)软件中使装置性能模型公式化。一些装置模型可能涉及数十或数百个自由或受约束参数。减小模型阶以简化后续分析通常为合意的。在一些实例中，通过标准数学方法(例如相关分析、主分量分析等)减少装置模型的维度。在一些实例中，基于考虑到对最终晶片性能具有最大影响的临界参数的简化装置模型而使装置性能模型公式化。
在一些其它实例中，装置性能模型为由简化数学模型(例如一阶线性拟合或更高阶线性拟合)建构的经验模型。可基于相关或统计研究、主分量分析或将成品装置的所测量物理性质与所测量电性质联系在一起的其它数据处理技术而使此些模型公式化。
在一些实例中，装置性能模型仅包含几个参数，或甚至仅包含具有最大影响的一个参数。通过非限制性实例的方式，装置性能模型参数可包含能量带隙、能量带缺陷或源自所测量参数的组合的经验参数。
在进一步方面中，基于针对单个装置或多个晶片上的多个装置可得的实际最终电测试数据及测量数据而使装置性能模型回归且将其精细调谐。以此方式，使模型参数细化以改进装置性能模型的预测能力。
在另一进一步方面中，执行装置性能模型的统计分析以提供对特定半导体制造过程流程的所预期性能的洞察。举例来说，在任一特定过程步骤处，可统计地表征每一所测量参数及每一标称参数，例如，平均数、范围、标准差等。基于这些参数值，使用装置性能模型来导出与一或多个最终装置性能度量相关联的所预期统计值，例如，标称值、平均值、范围、中位数、概率等。
在制造过程流程的开始处，装置性能模型包含标称(即，经设计或所预期)参数值。通过在过程步骤处使用可用所测量值及仍未测量或未建构的参数的标称值评估装置性能模型而在任一特定过程步骤期间估计装置性能。以此方式，在制造过程的任何步骤处基于最新测量数据而监视最终性能度量的所估计值。
一般来说，可在每一过程步骤处重新评估最终装置性能度量的所估计值。然而，在大多数实例中，挑选出半导体制作过程流程中的几个关键过程以用于最终装置性能度量的评估。在这些实例中的一些实例中，在其中特定物理性质可用于测量且为最终装置性能的强大指示符的过程步骤处评估最终性能度量的所估计值。举例来说，薄氧化物沉积或(或者)高k膜沉积通常为互补硅上金属氧化物(CMOS)半导体制作过程中的关键步骤。在此步骤处，带结构特性(例如带隙、带缺陷等)为最终装置的电性能的强大指示符。
在任何过程步骤处，在指定划线位置处或在晶片本身上直接或间接测量一或多个介电参数、结构参数、能量带参数等。无法直接测量的特定特性可从在不同位点处进行的测量内插，或从其它直接测量导出。所测量参数用于更新指定测量位点或作为整体的晶片的相关联装置模型的参数。可通过任何适合测量技术执行所述测量。通过非限制性实例的方式，可采用光学计量工具、电子束计量工具或x射线计量工具来执行此些测量。
在一些实例中，最终装置性能度量包含结构性能度量，例如等效氧化物厚度。在一些实例中，可采用这些结构性能度量来确定成品装置的所预期电性能。在一些实例中，最终装置性能度量为电性能度量，例如泄漏电流、阈值电压、电容、击穿电压、迁移率等。
如果所有后续过程步骤产生标称结果，那么所计算装置性能度量值为与待完成的装置相关联的所预期性能值。当制造过程继续进行时，可在制造过程流程中的每一监视步骤处更新装置性能模型以取代标称值而包含更多所测量值。以此方式，装置性能模型在每一制作步骤处实时提供最终装置性能度量的所估计值。此外，每一过程步骤与生产线终端晶片性能度量有联系，从而避免等待数周以在晶片完全制成之后获得最终测试结果的需要。
在进一步方面中，将一或多个最终装置性能度量的所估计值与所规定最终装置性能值进行比较以确定正进行处理的晶片是否被预期为不能通过最终装置性能测试。如果一或多个最终装置性能度量的所估计值在任一过程步骤处超出规格窗，那么其意指即使后续过程步骤全部属于其相应过程窗，装置也将不能通过最终装置性能测试。在一些实例中，从处理生产线移除所述装置以避免完全建构最终将不能满足规格的部分的不必要成本。
在另一进一步方面中，基于一或多个最终装置性能度量的所估计值与所规定最终装置性能值之间的差异而确定一或多个后续过程步骤中的调整。在一些实例中，所述调整包含后续过程步骤的目标标称过程值的改变。举例来说，可通过在稍后步骤处减少蚀刻时间而补偿在特定沉积步骤处太薄的膜厚度。基于最终装置性能度量对经受调整的物理参数的灵敏度而确定调整量。这些灵敏度可经计算为关于经受调整的物理参数的装置性能模型的导数。
如果确定对物理参数的物理上可实现的调整，那么将所述调整传递到适当制作工具以借助经调整目标值执行后续过程步骤。然而，如果确定不调整，那么将可疑装置的指示传递到(举例来说)操作者。作为响应，可从生产线移除问题晶片以供重新处理或废弃。或者，可在制作步骤结束时针对更严格电测试给晶片加旗标等。
图1图解说明用于通过非限制性实例的方式确定对多层半导体晶片的非成品装置的最终电性能度量的估计的系统100。根据本发明的一个实施例，所述估计是至少部分地基于由系统100测量的带结构特性及结构特性。如图1中所展示，系统100可用于对安置于平移载台110上的半导体晶片112的一或多个膜114执行光谱椭圆偏振。在此方面中，系统100可包含配备有照明器102及光谱仪104的光谱椭圆偏振计。系统100的照明器102经配置以产生选定波长范围(例如，150nm到850nm)的照明且将照明引导到安置于半导体晶片112的表面上的薄膜(例如，HfSiON薄膜)。继而，光谱仪104经配置以接收从半导体晶片112的表面反射的照明。进一步注意，使用偏振器107使从照明器102射出的光偏振以产生经偏振照明束106。使由安置于晶片112上的薄膜114反射的辐射通过分析器109且到达光谱仪104。就此来说，将收集束108中的由光谱仪104接收的辐射与照明束106的入射辐射进行比较，从而允许薄膜114的光谱分析。
在进一步实施例中，系统100可包含一或多个计算系统116。一或多个计算系统116可通信地耦合到光谱仪104。在一个方面中，一或多个计算系统116可经配置以接收由光谱仪104对一或多个晶片执行的一组光谱测量。在接收到来自光谱仪的一或多个取样过程的结果后，一或多个计算系统116接着可即刻计算光色散度量。就此来说，计算系统116可针对来自光谱仪104的所获取光谱跨越选定光谱范围(例如，150nm到850nm)提取薄膜的复合折射率的实分量(n)及虚分量(k)。此外，计算系统116可利用应用于选定色散模型的回归过程(例如，普通最小平方回归)提取n曲线及k曲线。在优选实施例中，所述选定色散模型可包含具有两个托克洛伦兹(TaucLorentz)分量的求和模型(求和TL模型)。在其它实施例中，所述选定色散模型可包含谐波振荡器模型。
在进一步实施例中，计算系统116可基于光色散度量而确定指示膜114的电性能的带结构特性。举例来说，计算系统116可经配置以自动识别光色散曲线(例如，图3A到3B及图4)内表示在选定光谱范围内的光色散度量的值的趋势。举例来说，计算系统116可识别可在光色散曲线中观察到的能量带缺陷。在另一实例中，计算系统116可识别可在光色散曲线中观察到的材料带隙。在一些实例中，计算系统116可经配置以使用用户输入的帮助来识别光色散曲线内的趋势。举例来说，可将光色散曲线在例如液晶显示器的显示器(未展示)上呈现给用户。用户接着可通过使用用户接口装置(例如，鼠标、键盘、跟踪垫、轨迹球、触摸屏幕或类似物)将信息输入到计算系统116中来识别光色散曲线中的趋势。就此来说，用户可选择或“加标记于”光色散曲线的与分析有关的部分，继而，计算系统接着可借助所述部分执行进一步或细化分析。申请人注意到，本文中将进一步更加详细地讨论如图3A到3B及图4中所展示的与光色散曲线的分析有关的详情。
如图2中所图解说明，在一些实施例中，中间层114B位于半导体衬底112(例如，硅)与高k绝缘层114A之间以促进高k材料与半导体衬底之间的黏合。通常，中间层114B为非常薄的(例如，十埃)。在一些实例中，出于分析的目的采用如本文中所描述的方法及系统将高k绝缘层114A及中间层114B一起模型化为一个层。在此实例中，一或多个计算系统116可基于与聚合膜层114相关联的光色散度量而确定指示包含中间层114B及高k绝缘层114A两者的膜层114的电性能的带结构特性。然而，在一些其它实例中，可使每一层单独模型化。在此实例中，一或多个计算系统116可基于与每一物理上不同层相关联的光色散度量而分别确定指示高k绝缘层114A的电性能的带结构特性及指示中间层114B膜层的电性能的带结构特性。
应认识到，可由单个计算机系统116或(或者)多计算机系统116实施本发明通篇所描述的各种步骤。此外，系统100的不同子系统(例如，光谱椭圆偏振计101)可包含适合于实施上文所描述的步骤的至少一部分的计算机系统。因此，以上描述不应解释为对本发明的限制，而是仅为图解说明。此外，一或多个计算系统116可经配置以执行本文中所描述的方法实施例中的任一者的任何其它步骤。
在另一实施例中，计算机系统116可以所属领域中已知的任何方式通信地耦合到椭圆偏振计101的光谱仪104或照明器子系统102。举例来说，一或多个计算系统116可耦合到椭圆偏振计101的光谱仪104的计算系统及照明器子系统102的计算系统。在另一实例中，可由单个计算机系统控制光谱仪104及照明器102。以此方式，系统100的计算机系统116可耦合到单个椭圆偏振计计算机系统。
系统100的计算机系统116可经配置以通过可包含有线及/或无线部分的发射媒体从系统的子系统(例如，光谱仪104、照明器102及类似物)接收及/或获取数据或信息。以此方式，发射媒体可用作计算机系统116与系统100的其它子系统之间的数据链路。此外，计算机系统116还可经配置以经由存储媒体(即，存储器)接收光谱结果。举例来说，使用椭圆偏振计的光谱仪获得的光谱结果可存储于永久或半永久存储器装置中。就此来说，所述测量结果可从外部系统输入。此外，计算机系统116可经由发射媒体将数据发送到外部系统。
系统100的计算机系统116可经配置以通过可包含有线及/或无线部分的发射媒体接收及/或获取来自其它系统的数据或信息(例如，来自检验系统的检验结果或来自计量系统的计量结果)。以此方式，发射媒体可用作计算机系统116与系统100的其它子系统之间的数据链路。此外，计算机系统116可经由发射媒体将数据发送到外部系统。
一般来说，可组合来自所有类型的计量工具(例如光学测量工具、电子束测量工具、x射线测量工具等)的测量数据来依据如本文中所描述的非成品晶片的测量预测最终装置性能。在一些实施例中，计量工具并入具有横跨的不同波长范围(例如，软x射线、紫外(DUV、EUV、VUV等)、可见、红外线、远IR等)的多个照明源。在一些实施例中，计量工具并入多个测量方法(例如单一波长或宽带椭圆偏振计或反射计)、不同角空间。在一些实施例中，计量工具并入多个测量技术，例如基于电子束的计量、基于x射线的计量等。一般来说，出于预测成品晶片的性能的目的，测量数据(无论源如何)可经聚合以增强非成品半导体晶片的带结构及结构特性的测量的精确度及稳定性。
一般来说，由一或多个计算系统接收用以预测如本文中所描述的成品晶片的性能的测量数据。一或多个计算系统可与如图1中所描绘的特定测量工具整合在一起，或者所述一或多个计算系统可从任何特定测量工具远端定位(例如，远端定位的集中服务器或分散式服务器系统)。以此方式，可由并置或从任何特定测量工具远端定位的一或多个计算系统承担如本文中所描述的测量数据的收集及分析。
此外，识别且存储经历制造过程流程的指定晶片的测量数据以用于如本文中所描述的分析。举例来说，可给测量数据加标记以识别特定晶片(晶片ID)、测量位点(位点ID)、过程步骤(经处理)、时间戳等。经加标记测量数据可存储于例如特定测量工具的存储器(例如，图1中所描绘的载体媒体118)的集中位置中或者存储于集中或分散式服务器系统上。出于监视相关的目的，接着可由各种工具存取测量数据。
计算系统116可包含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、并行处理器或所属领域中已知的任一其它装置。一般来说，术语“计算系统”可广泛地定义为囊括具有执行来自存储器媒体的指令的一或多个处理器的任一装置。
实施例如本文中所描述的所述方法的方法的程序指令120可经由载体媒体118发射或存储于载体媒体118上。所述载体媒体可为发射媒体，例如导线、电缆或无线发射链路。所述载体媒体还可包含计算机可读媒体，例如只读存储器、随机存取存储器、磁盘或光盘或者磁带。
图1中所图解说明的系统100的实施例可如本文中所描述而进一步配置。另外，系统100可经配置以执行本文中所描述的方法实施例中的任一者的任何其它步骤。
非成品晶片的材料结构的带结构特性(例如，带隙、带边缘、能量带缺陷、界面缺陷、带加宽等)及结构特性(例如，厚度、CD等)为成品晶片的最终装置性能的适合指示符。在一个实例中，带结构特性为穿过成品晶片的高k材料层的非故意泄漏电流的主要贡献者。将所测量带结构特性及所测量结构特性馈送到装置性能模型中，以在制造过程中的早期点处预测成品晶片的最终装置性能度量。
图5图解说明适合于通过本发明的系统100实施的过程流程200。在一个方面中，应认识到，可经由由计算系统116的一或多个处理器执行的预编程算法实施过程流程200的数据处理步骤。尽管在系统100的上下文中呈现以下说明，但本文中应认识到，系统100的特定结构方面不表示限制且应仅解释为说明性的。
在方框201中，举例来说，由计算系统116接收与非成品多层半导体晶片的一或多个测量相关联的一定量的测量数据。在一些实例中，在将高k薄膜沉积在非成品多层半导体晶片上之后接收跨越宽光谱范围的所述晶片的光谱响应。举例来说，可从椭圆偏振计101接收光谱。在另一实例中，可从反射计(未展示)接收光谱。可利用光谱椭圆偏振计101从沉积在晶片112上的薄膜114中的每一者获取光谱数据。举例来说，椭圆偏振计101可包含照明器102及光谱仪104，如本文中先前所讨论。光谱仪104可将与晶片的薄膜的光谱测量相关联的结果发射到一或多个计算系统116以用于分析。在另一实例中，可通过输入先前所获得的光谱数据而获取多个薄膜114的光谱。就此来说，不要求测量数据获取与测量数据的后续分析需要同时发生或以空间接近性执行。举例来说，测量数据可存储于存储器中以用于在稍后时间处分析。在另一实例中，可获得测量结果且将所述结果发射到位于远端位置处的计算系统以用于进一步分析。
在方框202中，至少部分地基于所述量的测量数据而确定非成品多层半导体晶片的结构特性。举例来说，计算系统116可基于所接收的测量数据而计算高k绝缘层114A、中间层114B的厚度或两个层的组合厚度。
在方框203中，基于测量数据而确定与半导体晶片的层相关联的光色散度量。可预期许多有用光色散度量。举例来说，可基于光谱数据而确定复合折射率的实分量(n)及虚分量(k)中的任一者。在另一实例中，可基于光谱数据而确定复合介电常数的实分量(ε1)及虚分量(ε2)中的任一者。在其它实例中，可基于光谱数据而确定ε2的平方根、吸收常数α＝4πk/λ、导电率(σ)、趋肤深度(δ)及衰减常数(σ/2)*sqrt(μ/ε)中的任一者。在其它实例中，可基于光谱数据而确定前面提及的光色散度量的任何组合。通过非限制性实例的方式提供前面提及的光色散度量。可预期其它光色散度量或度量的组合。
在一些实例中，处理光谱响应数据以依据分析色散模型(例如，洛伦兹模型)确定膜厚度及色散度量(例如，n及k)。在一些其它实例中，处理光谱响应数据以依据经验色散模型确定膜厚度及色散度量(例如，n及k)，其中所述色散度量是以数值方式计算。
在一个实例中，可从科磊公司(加利福尼亚州苗必达市(Milpitas,California))购得的离线光谱分析(OLSA)软件用于在不确切知晓材料的色散性质的情况下以数值方式计算k、ε2、σ及其它用户定义的度量中的任一者。在优选实例中，基于由椭圆偏振计从包含SiOxHfO2SiN5材料的薄膜层114A的晶片112取得的光谱数据而使用OLSA计算ε2。ε2的值120的轨迹(locus)图解说明在所测量光谱范围内的色散度量ε2。图3B图解说明以对数格式绘制的值120的相同轨迹。
在一些实例中，可利用应用于选定色散模型的回归过程通过针对所获取光谱跨越选定光谱范围提取复合折射率的实分量(n)及虚分量(k)而产生光色散度量。就此来说，回归方法可使用选定色散模型应用于所测量光谱数据。在一个实施例中，可利用具有两个托克洛伦兹分量的求和模型来产生针对晶片的薄膜中的每一者的n色散曲线及k色散曲线。在另一实施例中，可利用单个分量托克洛伦兹来产生针对晶片的薄膜中的每一者的n色散曲线及k色散曲线。在另一实施例中，可利用科迪-洛伦兹(Cody-Lorentz)模型来产生针对晶片的薄膜中的每一者的n色散曲线及k色散曲线。在再一实施例中，可利用谐波振荡器模型来产生针对晶片的薄膜中的每一者的n色散曲线及k色散曲线。
在方框204中，至少部分地基于光色散度量而确定指示多层半导体晶片的一部分的电性能的带结构特性。在一些实例中，跨越可用光谱范围的子集确定所述带结构特性。通常，限制带结构特性的识别的光谱范围为优选的，这是因为色散模型结果在较小光谱范围内通常更准确。因此，最初依据在宽范围内的光谱数据识别色散度量值以识别更详细分析应集中的区(例如，在材料的带隙附近)可为有利的。基于此知识，可基于较小范围的光谱数据而重新计算色散模型。在一些实例中，带结构特性的识别是基于在0.5到10电子伏特的范围内的光谱数据。在一些实例中，带结构特性的识别是基于在2到6电子伏特的范围内的光谱数据。基于所关注的能量区域，确定带结构特性。
在一些实例中，直接依据应用于特定膜层的色散模型来确定带结构特性。举例来说，分析模型、经验模型或分析模型及经验模型两者的组合包含具有带结构特性(例如，带隙)作为参数的色散模型。以此方式，直接通过色散模型的回归来确定带结构特性(即，模型求解本身确定带结构特性)。
在一些实例中，通过在光谱范围内对光色散度量的值(例如，k、ε2或描述通过高k材料的电磁能的吸收或消光的其它参数)的分析确定带结构特性。
在一个实例中，带结构特性为依据光色散度量确定的带边缘值。如图3B中所图解说明，当ε2超过阈值123时定义带边缘值。在所图解说明实例中，所测量膜的带边缘值为5电子伏特。
在另一实例中，带结构特性为通过曲线拟合及光色散度量的内插确定的内插带隙值。举例来说，如图3A中所图解说明，内插带隙是基于曲线拟合及ε2的内插而确定。一般来说，高k材料的非晶结构、层界面及未对准能量带有助于处于较低能级的吸收边缘的加宽。曲线拟合方法用于在带隙的确定中确定显著减小加宽效应的影响的内插带隙。举例来说，如图3A中所图解说明，线121表示在5电子伏特与5.5电子伏特之间到ε2的值的线性拟合。线122表示在6.2电子伏特与6.7电子伏特之间到ε2的值的线性拟合。其在大约6电子伏特处的交叉点为内插带隙值。尽管如所图解说明，线121及122为在不同光谱区域内到ε2的值的线性拟合，但也可采用其它拟合方法。举例来说，可使用较高阶多项式函数、指数函数或其它数学函数在不同光谱区域内拟合光色散值以获得对所测量膜层的带隙的估计。
如图3A到3B中所图解说明，减低加宽效应的内插带隙及包含加宽效应的带边缘值为不同值。内插带隙与带边缘之间的差异可用作指示存在于所测量膜中的加宽效应的量值的带结构特性。以此方式，可基于过程改进对加宽效应及对不存在加宽效应的带隙的影响而单独判断过程改进。
在另一实例中，带结构特性为通过对光色散度量的分析而识别的缺陷。
图4图解说明使用可从科磊公司(加利福尼亚州苗必达市)购得的离线光谱分析(OLSA)软件从椭圆偏振数据获得的示范性高k材料(SiOxHfO2SiN5)的复合介电常数k的虚部ε2。使用椭圆偏振计或反射计的光学测量对于测量在1.3eV到3eV范围内的能量带结构为有效的，如图4中所图解说明。相比之下，X射线光电子光谱法(XPS)测量限于测量处于大于5电子伏特的能级的带隙。
色散曲线130图解说明与SiOxHfO2SiN5膜相关联的缺陷模式及吸收线。通过实例的方式，可基于曲线121以若干种不同方式识别缺陷。
在一些实例中，如果色散度量的量值在选定光谱范围内的任何点处超过阈值，那么缺陷被识别。在一些实例中，选定光谱范围低于所测量膜的带隙。举例来说，如图4中所图解说明，当ε2的量值在1.3到3电子伏特的光谱范围内超过值0.01(远低于SiOxHfO2SiN5膜的带隙)时存在三个实例。这些实例包含在图4中识别的缺陷131及132。
在一些实例中，如果色散度量的半高全宽(FWHM)值在选定光谱范围内的任何点处超过阈值，那么缺陷被识别。在一些实例中，峰值的光谱位置或缺陷区域用于识别缺陷。举例来说，可已知，特定缺陷总是本身表现为处于特定光谱能级的峰值。在此情形中，可用所述特定缺陷识别处于所述能级的峰值。在一些实例中，在峰值下的区或缺陷区域用于识别缺陷。在一些实例中，选定光谱范围内的吸收峰值的数目用于识别缺陷。
前面提及的实例是出于说明性目的而提供且不限制可预期的带结构特性的类型。可预期与电性质相关且因此充当成品晶片的性能的有效指示符的许多其它带结构特性。
在方框205中，至少部分地基于带结构特性及结构特性而确定对多层半导体晶片的一个以上装置性能度量的估计。如图6中所图解说明，表300包含使用本文中所讨论的方法及系统确定的在非成品半导体晶片的不同位置处的膜厚度的值及两个带结构特性(缺陷峰值及缺陷宽度)。如所图解说明，在晶片的五个不同位置中识别膜厚度、缺陷峰值及缺陷宽度。在此实例中，基于方程式(1)的线性模型而确定对在每一位置处的成品晶片的性能度量(例如，电流密度)的估计。在此实例中，所述电性能为膜厚度(T)、缺陷峰值(Dpeak)及缺陷宽度(Dwidth)的函数。
Perfelectrical＝8.0351-1.2729*T+36.9009*Dpeak-10.2542*Dwidth(1)
图7图解说明在这些位置处将使用方程式(1)的模型估计的电流密度与成品晶片的所测量电流密度进行比较的曲线图400。在此实例中，通过方程式(1)的线性模型以0.99的确定系数(R2)估计成品晶片的实际电性能。
通过非限制性实例的方式提供方程式(1)的模型。许多其它模型(例如，非线性、指数等)可经识别以使在制造过程早期识别的带结构及结构特性与成品晶片的电性能准确地相关。在一些实例中，基于所识别的带结构特性及成品晶片的对应所测量电性能而解析模型参数。一旦已计算出模型参数，所述模型即用于基于在制造过程早期识别的带结构及结构特性来估计成品晶片的电性能。可预期并入带结构特性及结构特性的任何组合的模型。电流密度在本文中呈现为示范性电性能度量，然而，可预期对于表征成品晶片有用的任何其它电性能度量。
通过非限制性实例的方式，泄漏电流、电容、等效氧化物厚度(EOT)、阈值电压、击穿电压、迁移率等为可根据本文中所描述的方法及系统确定的装置性能度量。在一个实例中，阈值电压可如方程式(2)中所图解说明来计算。
VT＝f(SiOthickness，Bandgap)(2)
在另一实例中，等效氧化物厚度(EOT)可如方程式(3)中所图解说明来计算。
EOT＝g(SiOthickness，HfOthickness，Bandgap)(3)
在一个进一步方面中，可基于相同光谱响应数据进行与晶片的不同层相关联的光色散度量及带结构特性的单独确定。举例来说，正进行测量的晶片可包含半导体衬底112、中间层114B、高k绝缘层114A及额外膜层(未展示)。从光谱仪104接收的光谱响应数据包含来自所有这些层的贡献。捕获这些层中的每一者的贡献的堆叠层模型可用于单独确定与正进行分析的每一不同物理层或物理层群组相关联的光色散度量及带结构特性。
在另一进一步方面中，堆叠模型包含半导体衬底112(例如，硅)的本质吸收峰值的模型。在一个实例中，在高k膜的光谱测量中考虑所述本质吸收峰值。以此方式，可从高k膜的光谱响应有效地移除半导体衬底的吸收峰值。通过将高k膜的光谱响应与半导体衬底隔离，实现与高k膜层相关联的缺陷及带结构特性的更准确确定。
在另一进一步方面中，带结构特性(例如，带隙及缺陷)用于基于栅极绝缘体的质量而在生产过程早期将晶片及微晶片分等级。此可避免在生产过程结束时使用昂贵且耗费时间的电测试设备将晶片及微晶片分等级的需要。
本文中所描述的方法及系统通常可适用于在制造过程流程早期对任何半导体装置的表征及对成品装置的性能的预测。此包含半导体工业可在未来技术节点中采用的新颖纳米材料及结构。举例来说，纳米线、单一电子晶体管等的制作均可根据本文中所描述的方法及系统进行管理。
在一或多个示范性实施例中，可在硬件、软件、固件或其任一组合中实施所描述的功能。如果在软件中实施，那么所述功能可存储于计算机可读媒体上或作为一或多个指令或代码经由计算机可读媒体发射。计算机可读媒体包含计算机存储媒体及通信媒体两者，包含促进将计算机程序从一个地方传送到另一地方的任何媒体。存储媒体可为可由通用或专用计算机存取的任何可用媒体。通过实例的方式且并非限制方式，此类计算机可读媒体可包括：RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置或者可用于以指令或数据结构的形式载运或存储所期望的程序代码构件且可由通用或专用计算机或者通用或专用处理器存取的任何其它媒体。此外，将任何连接恰当地称为计算机可读媒体。举例来说，如果使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)或无线技术(例如红外线、无线电及微波)从网站、服务器或其它远程源发射软件，那么同轴电缆、光纤电缆、双绞线、DSL或无线技术(例如红外线、无线电及微波)均包含于媒体的定义中。如本文中所使用的磁盘及光盘包含：压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软盘及蓝光光盘，其中磁盘通常以磁性方式再现数据，而光盘借助激光以光学方式再现数据。上述的组合也应包含于计算机可读媒体的范围内。
如本文中所使用，术语“晶片”通常是指由半导体或非半导体材料形成的衬底。此半导体或非半导体材料的实例包含但不限于单晶硅、砷化镓及磷化铟。此些衬底通常可存在于半导体制作设施中及/或在其中处理。
可在晶片上形成一或多个层。举例来说，此些层可包含但不限于抗蚀剂、电介质材料、导电材料及半导电材料。所属领域中已知许多不同类型的此些层，且如本文中所使用的术语晶片打算囊括于其上可形成所有类型的此些层的晶片。
形成于晶片上的一或多个层可经图案化或未经图案化。举例来说，晶片可包含多个裸片，每一裸片均具有可重复的经图案化特征。此些材料层的形成及处理可最终产生所完成的装置。可在晶片上形成许多不同类型的装置，且如本文中所使用的术语晶片打算囊括于其上制作所属领域中已知的任一类型的装置的晶片。
典型半导体过程包含按批进行的晶片处理。如本文中所使用，“批”为一起经处理的晶片的群组(例如25个晶片的群组)。所述批中的每一晶片由借助光刻处理工具(例如，步进器、扫描器等)产生的许多曝光场组成。每一场内可存在多个裸片。裸片为最终变成单个晶片的功能性单元。形成于晶片上的一或多个层可经图案化或未经图案化。举例来说，晶片可包含多个裸片，每一裸片均具有可重复的经图案化特征。此些材料层的形成及处理可最终产生所完成的装置。可在晶片上形成许多不同类型的装置，且如本文中所使用的术语晶片打算囊括于其上制作所属领域中已知的任一类型的装置的晶片。
尽管本文中关于晶片描述实施例，但应理解，所述实施例也可用于表征另一样本的薄膜，例如通常也可称为掩模或光掩模的光罩。在所属领域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”、“掩模”及“光掩模”打算囊括所属领域中已知的所有类型的光罩。
本文中所描述的实施例通常涉及用于基于在制造过程期间执行的测量而预测半导体装置的最终性能的方法及系统。举例来说，一个实施例涉及用于基于源自光谱椭圆偏振计数据的光色散度量而确定多层薄膜的带结构特性的计算机实施的方法。然而，本文中所描述的方法在光色散度量可源自其的检验系统的类型方面并不受限。举例来说，在一个实施例中，检验系统包含用于晶片的薄膜检验的旋转补偿器类型椭圆偏振计或反射计。可在本专利文档的范围内预期许多其它测量技术，包含基于光学、电子束及x射线的测量技术。另外，本文中相当详细地描述对高k电介质层的分析。然而，本文中所描述的方法及系统在可根据本文中所描述的技术经受测量及分析的材料的类型方面并不受限。举例来说，可在本专利文档的范围内预期对功函数层(AlO、LaO)、SiGe、III-V、ONO、ZAZ、ON、NO、BEOL电介质及其它的分析。
另外，检验系统可经配置以用于对经图案化晶片及/或未经图案化晶片的检验。检验系统可配置为LED检验工具、边缘检验工具、背侧检验工具、大型检验工具或多模式检验工具(涉及同时来自一或多个平台的数据)，以及为高生产量的受益于基于光色散度量而确定多层薄膜的带结构特性的任何其它计量或检验工具。
尽管上文出于指导目的而描述一些特定实施例，但本专利文档的教示具有一般适用性且不限于上文所描述的特定实施例。因此，可在不背离如权利要求书中所陈述的本发明的范围的情况下实践所描述实施例的各种特征的各种修改、更改及组合。

Claims (20)

1.一种方法，其包括：
接收与非成品多层半导体晶片的一或多个测量相关联的一定量的测量数据；
至少部分地基于所述量的测量数据而确定所述非成品多层半导体晶片的结构特性；
至少部分地基于所述量的测量数据而确定与所述非成品多层半导体晶片的层相关联的色散度量；
至少部分地基于所述色散度量而确定指示所述多层半导体晶片的一部分的电性能的带结构特性；及
至少部分地基于所述带结构特性及所述结构特性而确定对所述多层半导体晶片的一个以上装置性能度量的估计，仿佛所述非成品多层半导体晶片为成品一般。
2.根据权利要求1所述的方法，其中所述量的测量数据包含与在第一过程步骤处对所述非成品多层半导体晶片的测量相关联的第一量的测量数据及与在第二过程步骤处对所述非成品多层半导体晶片的测量相关联的第二量的测量数据。
3.根据权利要求1所述的方法，其中所述量的测量数据包含与由第一测量系统对所述非成品多层半导体晶片的测量相关联的第一量的测量数据及与由第二测量系统对所述非成品多层半导体晶片的测量相关联的第二量的测量数据。
4.根据权利要求1所述的方法，其中通过基于光学的测量工具、基于电子束的测量工具及基于x射线的测量工具中的任何一或多者执行所述非成品多层半导体晶片的所述一或多个测量。
5.根据权利要求1所述的方法，其中所述量的测量数据与在第一光谱范围内的测量相关联，且其中指示所述非成品多层半导体晶片的所述电性能的所述带结构特性是至少部分地基于所述非成品多层半导体晶片跨越在所述第一光谱范围内的第二光谱范围的所述色散度量。
6.根据权利要求1所述的方法，其进一步包括：
基于将对装置性能度量值的所述估计与所规定最终装置性能值进行比较而确定正进行处理的装置是否被预期为不能通过最终装置性能测试。
7.根据权利要求1所述的方法，其进一步包括：
基于对装置性能度量值的所述估计与所规定最终装置性能值之间的差异而确定一或多个后续过程步骤中的调整。
8.根据权利要求1所述的方法，其中所述带结构特性为安置于半导体衬底上面的电绝缘层的内插带隙，且所述内插带隙的确定涉及所述光色散度量的曲线拟合及内插。
9.根据权利要求1所述的方法，其中所述带结构特性为安置于半导体衬底上面的电绝缘层的带边缘，且所述带边缘的确定涉及确定所述光色散度量超过阈值。
10.根据权利要求1所述的方法，其中所述带结构特性为与安置于半导体衬底上面的电绝缘层相关联的带加宽，且所述带加宽的确定涉及确定第一层的内插带隙及带边缘及确定所述带边缘与所述内插带隙之间的差异。
11.根据权利要求1所述的方法，其中所述带结构特性为缺陷，且所述缺陷的确定涉及确定所述光色散度量在低于安置于半导体衬底上面的电绝缘层的带隙的光谱范围内是否超过阈值。
12.一种非暂时性计算机可读媒体，其包括：
用于致使计算系统接收与非成品多层半导体晶片的一或多个测量相关联的一定量的测量数据的代码；
用于致使所述计算系统至少部分地基于所述量的测量数据而确定所述非成品多层半导体晶片的结构特性的代码；
用于致使所述计算系统至少部分地基于所述量的测量数据而确定与所述非成品多层半导体晶片的层相关联的色散度量的代码；
用于致使所述计算系统至少部分地基于所述色散度量而确定指示所述多层半导体晶片的一部分的电性能的带结构特性的代码；及
用于致使所述计算系统至少部分地基于所述带结构特性及所述结构特性而确定对所述多层半导体晶片的一个以上装置性能度量的估计仿佛所述非成品多层半导体晶片为成品一般的代码。
13.根据权利要求12所述的非暂时性计算机可读媒体，其中所述量的测量数据包含与在第一过程步骤处对所述非成品多层半导体晶片的测量相关联的第一量的测量数据及与在第二过程步骤处对所述非成品多层半导体晶片的测量相关联的第二量的测量数据。
14.根据权利要求12所述的非暂时性计算机可读媒体，其中所述量的测量数据包含与由第一测量系统对所述非成品多层半导体晶片的测量相关联的第一量的测量数据及与由第二测量系统对所述非成品多层半导体晶片的测量相关联的第二量的测量数据。
15.根据权利要求12所述的非暂时性计算机可读媒体，其中通过基于光学的测量工具、基于电子束的测量工具及基于x射线的测量工具中的任何一或多者执行所述非成品多层半导体晶片的所述一或多个测量。
16.根据权利要求12所述的非暂时性计算机可读媒体，其中所述量的测量数据与在第一光谱范围内的测量相关联，且其中指示所述非成品多层半导体晶片的所述电性能的所述带结构特性是至少部分地基于所述非成品多层半导体晶片跨越所述第一光谱范围内的第二光谱范围的所述色散度量。
17.根据权利要求12所述的非暂时性计算机可读媒体，其进一步包括：
用于致使所述计算系统基于将对装置性能度量值的所述估计与所规定最终装置性能值进行比较而确定正进行处理的装置是否被预期为不能通过最终装置性能测试的代码。
18.根据权利要求12所述的非暂时性计算机可读媒体，其进一步包括：
用于致使所述计算系统基于对装置性能度量值的所述估计与所规定最终装置性能值之间的差异而确定一或多个后续过程步骤中的调整的代码。
19.一种系统，其包括：
照明源；
检测器；及
一或多个计算机系统，其经配置以：
接收与非成品多层半导体晶片的一或多个测量相关联的一定量的测量数据；
至少部分地基于所述量的测量数据而确定所述非成品多层半导体晶片的结构特性；
至少部分地基于所述量的测量数据而确定与所述非成品多层半导体晶片的层相关联的色散度量；
至少部分地基于所述色散度量而确定指示所述多层半导体晶片的一部分的电性能的带结构特性；及
至少部分地基于所述带结构特性及所述结构特性而确定对所述多层半导体晶片的一个以上装置性能度量的估计，仿佛所述非成品多层半导体晶片为成品一般。
20.根据权利要求19所述的系统，其中所述一或多个计算系统进一步经配置以基于将对装置性能度量值的所述估计与所规定最终装置性能值进行比较而确定正进行处理的装置是否被预期为不能通过最终装置性能测试。
CN201480042175.7A 2013-06-26 2014-06-25 用于过程监视及良率管理的所计算电性能度量 Active CN105431932B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361839708P 2013-06-26 2013-06-26
US61/839,708 2013-06-26
US14/312,568 US10079183B2 (en) 2013-06-26 2014-06-23 Calculated electrical performance metrics for process monitoring and yield management
US14/312,568 2014-06-23
PCT/US2014/044148 WO2014210194A1 (en) 2013-06-26 2014-06-25 Calculated electrical performance metrics for process monitoring and yield management

Publications (2)

Publication Number Publication Date
CN105431932A true CN105431932A (zh) 2016-03-23
CN105431932B CN105431932B (zh) 2019-02-22

Family

ID=52116417

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480042175.7A Active CN105431932B (zh) 2013-06-26 2014-06-25 用于过程监视及良率管理的所计算电性能度量

Country Status (5)

Country Link
US (1) US10079183B2 (zh)
KR (1) KR102065820B1 (zh)
CN (1) CN105431932B (zh)
TW (1) TWI616962B (zh)
WO (1) WO2014210194A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107924850A (zh) * 2015-08-28 2018-04-17 科磊股份有限公司 自定向计量和图案分类
CN109425619A (zh) * 2017-08-31 2019-03-05 深圳中科飞测科技有限公司 光学测量系统及方法

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150092936A (ko) * 2014-02-06 2015-08-17 삼성전자주식회사 광학 측정 방법 및 광학 측정 장치
US9438500B2 (en) * 2014-03-20 2016-09-06 Comcast Cable Communications, Llc Transactional integrity assessment
US10502549B2 (en) * 2015-03-24 2019-12-10 Kla-Tencor Corporation Model-based single parameter measurement
US10678226B1 (en) * 2015-08-10 2020-06-09 Kla-Tencor Corporation Adaptive numerical aperture control method and system
US10282925B2 (en) 2015-10-08 2019-05-07 Bell Helicopter Textron Inc. Adaptive algorithm-based engine health prediction
WO2017192406A1 (en) * 2016-05-02 2017-11-09 Kla-Tencor Corporation Measurement of semiconductor structures with capillary condensation
US10458912B2 (en) * 2016-08-31 2019-10-29 Kla-Tencor Corporation Model based optical measurements of semiconductor structures with anisotropic dielectric permittivity
US10151631B2 (en) * 2016-10-04 2018-12-11 Kla-Tencor Corporation Spectroscopy with tailored spectral sampling
US11662646B2 (en) * 2017-02-05 2023-05-30 Kla Corporation Inspection and metrology using broadband infrared radiation
US11378451B2 (en) * 2017-08-07 2022-07-05 Kla Corporation Bandgap measurements of patterned film stacks using spectroscopic metrology
US10699926B2 (en) * 2017-08-30 2020-06-30 Kla-Tencor Corp. Identifying nuisances and defects of interest in defects detected on a wafer
KR102658977B1 (ko) * 2017-11-03 2024-04-18 도쿄엘렉트론가부시키가이샤 기능성 마이크로 전자 디바이스의 수율 향상
US11156548B2 (en) * 2017-12-08 2021-10-26 Kla-Tencor Corporation Measurement methodology of advanced nanostructures
EP3594749A1 (en) * 2018-07-10 2020-01-15 ASML Netherlands B.V. Method to label substrates based on process parameters
US11244873B2 (en) * 2018-10-31 2022-02-08 Tokyo Electron Limited Systems and methods for manufacturing microelectronic devices
US11308606B2 (en) * 2019-08-16 2022-04-19 Kla Corporation Design-assisted inspection for DRAM and 3D NAND devices
US11126769B2 (en) * 2020-02-04 2021-09-21 Applied Materials, Inc. Unified material-to-systems simulation, design, and verification for semiconductor design and manufacturing
US11868119B2 (en) 2021-09-24 2024-01-09 Tokyo Electron Limited Method and process using fingerprint based semiconductor manufacturing process fault detection
US12111355B2 (en) 2021-11-22 2024-10-08 Onto Innovation Inc. Semiconductor substrate yield prediction based on spectra data from multiple substrate dies

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007059080A2 (en) * 2005-11-14 2007-05-24 Wms Gaming Inc. Transmitting content in wagering networks
US20100068834A1 (en) * 2005-06-13 2010-03-18 Sumitomo Electric Industries, Ltd. Damage evaluation method of compound semiconductor member, production method of compound semiconductor member, gallium nitride compound semiconductor member, and gallium nitride compound semiconductor membrane
US20130083320A1 (en) * 2011-09-27 2013-04-04 Kla-Tencor Corporation High Throughput Thin Film Characterization And Defect Detection
CN103119704A (zh) * 2010-07-23 2013-05-22 第一太阳能有限公司 在线计量系统及方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6483580B1 (en) * 1998-03-06 2002-11-19 Kla-Tencor Technologies Corporation Spectroscopic scatterometer system
US7239391B2 (en) 2001-01-09 2007-07-03 J.A. Woollam Co., Inc. Method of analysis of multiple layer samples
US6465265B2 (en) 2000-03-16 2002-10-15 Therma-Wave, Inc. Analysis of interface layer characteristics
US6694284B1 (en) * 2000-09-20 2004-02-17 Kla-Tencor Technologies Corp. Methods and systems for determining at least four properties of a specimen
US7414721B1 (en) 2002-12-23 2008-08-19 Lsi Corporation In-situ metrology system and method for monitoring metalization and other thin film formation
JP2008235323A (ja) 2007-03-16 2008-10-02 Nec Corp 半導体素子特性シミュレーション装置およびシミュレーション方法
JP5624714B2 (ja) * 2008-05-23 2014-11-12 株式会社日立ハイテクノロジーズ 基板表面の検査方法及び検査装置
SG164293A1 (en) * 2009-01-13 2010-09-29 Semiconductor Technologies & Instruments Pte System and method for inspecting a wafer
IL217843A (en) * 2011-02-11 2016-11-30 Asml Netherlands Bv A system and method for testing, a lithographic system, a cell for lithographic processing, and a method for producing a device
NL2008702A (en) * 2011-05-25 2012-11-27 Asml Netherlands Bv Computational process control.

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100068834A1 (en) * 2005-06-13 2010-03-18 Sumitomo Electric Industries, Ltd. Damage evaluation method of compound semiconductor member, production method of compound semiconductor member, gallium nitride compound semiconductor member, and gallium nitride compound semiconductor membrane
WO2007059080A2 (en) * 2005-11-14 2007-05-24 Wms Gaming Inc. Transmitting content in wagering networks
CN103119704A (zh) * 2010-07-23 2013-05-22 第一太阳能有限公司 在线计量系统及方法
US20130083320A1 (en) * 2011-09-27 2013-04-04 Kla-Tencor Corporation High Throughput Thin Film Characterization And Defect Detection

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107924850A (zh) * 2015-08-28 2018-04-17 科磊股份有限公司 自定向计量和图案分类
CN109425619A (zh) * 2017-08-31 2019-03-05 深圳中科飞测科技有限公司 光学测量系统及方法

Also Published As

Publication number Publication date
CN105431932B (zh) 2019-02-22
US20150006097A1 (en) 2015-01-01
WO2014210194A1 (en) 2014-12-31
US10079183B2 (en) 2018-09-18
KR102065820B1 (ko) 2020-01-13
TW201511155A (zh) 2015-03-16
KR20160027041A (ko) 2016-03-09
TWI616962B (zh) 2018-03-01

Similar Documents

Publication Publication Date Title
CN105431932A (zh) 用于过程监视及良率管理的所计算电性能度量
CN104114999B (zh) 高吞吐量薄膜特性化及缺陷检测
US9255877B2 (en) Metrology system optimization for parameter tracking
US9727049B2 (en) Qualitative fault detection and classification system for tool condition monitoring and associated methods
KR102468971B1 (ko) 모델 기반 단일 파라미터 측정
EP2979297B1 (en) Statistical model-based metrology
US20190064751A1 (en) Retrieval apparatus and retrieval method
CN110503288B (zh) 考虑机台交互作用的辨识良率损失原因的系统与方法
KR102324045B1 (ko) 광 분산의 다중 발진기, 연속 코디 로렌츠 모델
JP2009075110A (ja) プロセスパラメータを分散に関連づける分散関数を用いた構造のプロファイルパラメータの決定
KR102630486B1 (ko) 광학 분산의 다차원 모델
US9405290B1 (en) Model for optical dispersion of high-K dielectrics including defects
TWI623830B (zh) 辨識良率損失之根本原因的系統與方法
Kim et al. Use of plasma information in machine-learning-based fault detection and classification for advanced equipment control
US8239056B2 (en) Advanced process control for new tapeout product
US9595481B1 (en) Dispersion model for band gap tracking
KR102721341B1 (ko) 반도체 측정의 품질을 결정하기 위한 방법 및 시스템

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