CN107111294A - 使用结构性信息的缺陷检测 - Google Patents

使用结构性信息的缺陷检测 Download PDF

Info

Publication number
CN107111294A
CN107111294A CN201580055325.2A CN201580055325A CN107111294A CN 107111294 A CN107111294 A CN 107111294A CN 201580055325 A CN201580055325 A CN 201580055325A CN 107111294 A CN107111294 A CN 107111294A
Authority
CN
China
Prior art keywords
output
sample
fragment
defect
structures
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
CN201580055325.2A
Other languages
English (en)
Other versions
CN107111294B (zh
Inventor
骆青
吴肯翁
李胡成
高理升
尤金·希夫林
阿方索·孙
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 CN107111294A publication Critical patent/CN107111294A/zh
Application granted granted Critical
Publication of CN107111294B publication Critical patent/CN107111294B/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
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37365—Surface shape, gradient
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37571—Camera detecting reflected light from laser
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/22—Treatment of data
    • H01J2237/221—Image processing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/26—Electron or ion microscopes
    • H01J2237/28—Scanning microscopes
    • H01J2237/2813—Scanning microscopes characterised by the application
    • H01J2237/2817—Pattern inspection
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)

Abstract

本发明提供用于基于结构性信息来检测样本上的缺陷的系统及方法。一种系统包含一或多个计算机子系统，所述子系统经配置用于基于样本上的阵列区中的结构的特性来将由所述阵列区中的检验子系统的检测器产生的输出分离成所述输出的至少第一片段与第二片段，使得不同片段中的所述输出已被产生于所述阵列区中的不同位置，其中形成具有所述特性的不同值的所述结构。所述计算机子系统还经配置用于通过基于所述输出是处于所述第一片段中还是处于所述第二片段中而将一或多个缺陷检测方法应用于所述输出以检测所述样本上的缺陷。

Description

使用结构性信息的缺陷检测
技术领域
本发明大体上涉及用于使用结构性信息的缺陷检测的系统及方法。
背景技术
下列描述及实例并非鉴于其包含在此部分中而被认可为现有技术。
在半导体制造工艺期间在各种步骤使用检验过程来检测晶片上的缺陷，以促进制造工艺中的较高良率且因此较高利润。检验始终是制造半导体装置(例如IC)的重要部分。然而，随着半导体装置的尺寸减小，检验对于可接受半导体装置的成功制造来说变得甚至更重要，这是因为较小缺陷可引起装置出故障。
用于样本上的阵列区(array area)的一些当前检验方法包含在覆盖完整阵列区域(array region)的矩形关注区(care area)中执行缺陷检测。针对阵列区产生的图像中的灰阶值用来将图像分成不同区(称为分割)。这些区意在对应于样本的不同结构。接着，可使用灰阶分割来引导用于缺陷检测的灵敏度设置。
然而，灰阶值与晶片结构之间的对应可能并不是唯一的。举例来说，n型金属氧化物半导体(NMOS)与p型MOS(PMOS)结构可具有类似灰阶值。归因于工艺变动，关于相同结构的灰阶值可跨样本或在样本之间变化。因此，结果可能不是关于晶片结构的清晰指示。
因此，开发不具有上文所描述缺点的中的一或多者的用于检测样本上的缺陷的系统及方法将为有利的。
发明内容
各种实施例的下列描述不应以任何方式解释为限制所附权利要求书的标的物。
一个实施例涉及一种经配置以基于结构性信息而检测样本上的缺陷的系统。所述系统包含检验子系统，所述检验子系统包含至少一能源及一检测器。能源经配置以产生引导到样本的能量。检测器经配置以检测来自样本的能量并响应于经检测能量而产生输出。系统还包含一或多个计算机子系统，所述一或多个计算机子系统经配置用于基于样本上的阵列区中的一或多个结构的一或多个特性而将通过阵列区中的检测器产生的输出分离成输出的至少第一片段与第二片段，使得不同片段中的输出已被产生在阵列区中的不同位置，其中形成具有一或多个特性的不同值的一或多个结构。此外，一或多个计算机子系统经配置用于通过基于输出是处于第一片段中还是处于第二片段中而将一或多个缺陷检测方法应用于输出以检测样本上的缺陷。
另一实施例涉及一种用于基于结构性信息而检测样本上的缺陷的计算机实施方法。所述方法包含上文描述的分离及检测步骤。分离及检测步骤由一或多个计算机子系统执行。
可如本文描述那样进一步执行所述方法的步骤中的每一者。此外，所述方法可包含本文所描述任何其它方法的任何其它步骤。此外，可通过本文所描述系统的中的任何者执行所述方法。
另一实施例涉及一种非暂时性计算机可读媒体，所述媒体存储可在计算机系统上执行以用于执行计算机实施方法的程序指令，所述方法用于基于结构性信息而检测样本上的缺陷。计算机实施方法包含上文所描述方法的步骤。计算机可读媒体可如本文描述那样进一步经配置。可如本文进一步描述那样执行计算机实施方法的步骤。此外，可针对其执行程序指令的计算机实施方法可包含本文所描述任何其它方法的任何其它步骤。
附图说明
对于所属领域的技术人员来说，利用优选实施例的以下详细描述并参考附图，本发明的其它优点将变得显而易见，其中：
图1是说明系统的实施例的侧视图的示意图，所述系统经配置以基于结构性信息而检测样本上的缺陷；
图2是样本上的阵列区的实例的图像及阵列区内的单元(cell)的图像；
图3是具有与其相关的结构性信息的样本上的阵列区的部分的实例的图像；
图4是样本上的阵列区的部分的实例的灰阶表示；
图5是说明图4中所展示阵列区的部分的空间关系的实施例的示意图；
图6是说明图4中所展示阵列区的部分的二进制掩模表示的实施例的示意图；
图7到9是样本上的阵列区的部分的实例的不同图像；
图10是具有其中定义的不同结构的样本上的阵列区的部分的实例的图像；
图11是可形成在样本上的独特结构及所述独特结构与样本的阵列区中的一或多个结构之间的空间关系的实例的示意图；
图12是图11中所展示独特结构与一或多个结构的图像；
图13是独特结构的实例的示意图，所述结构可形成在样本上且用于将一或多个结构定位在样本上的阵列区中；
图14到16是展示将一或多个缺陷检测方法应用于检验子系统的检测器的输出的不同结果的实例的标绘图；及
图17是说明非暂时性计算机可读媒体的一个实施例的框图，所述媒体存储用于致使计算机系统执行本文所描述计算机实施方法的程序指令。
虽然本发明可具有各种修改及替代性形式，但其特定实施例是通过实例展示在图式中且在本文中详细描述。图式可不按比例调整。然而，应了解，图式及其详细描述并非旨在将本发明限于揭示的特定形式，而是相反，本发明将涵盖落在如通过所附权利要求书定义的本发明的精神及范围内的所有修改、等效物及替代例。
具体实施方式
现在转向图式，应注意图式并不按比例绘制。特定来说，图式的一些元件的尺度经极度夸大以强调元件的特性。还应注意图式并不按相同比例绘制。在可经类似配置的一个以上图式中展示的元件已使用相同参考数字进行指示。除非本文另有说明，否则描述并展示的元件的中的任何者可包含任何适当的市售元件。
本文所描述的实施例大体上提供用以检测样本(例如图案化的半导体晶片)上的阵列区中的缺陷的新方法，其包含获得并表示结构性信息及将所述结构性信息应用在样本检验中。本文所描述的实施例可用来产生针对此类样本的更多良率相关结果。一个实施例涉及经配置以基于结构性信息而检测样本上的缺陷的系统。在一些实施例中，样本可包含晶片。在其它实施例中，样本可包含光罩。晶片及光罩可包含所属领域中已知的任何晶片及光罩。
系统包含检验子系统，所述检验子系统包含至少一能源及一检测器。能源经配置以产生被引导到样本的能量。检测器经配置以检测来自样本的能量并响应于检测到的能量而产生输出。此检验子系统的一个实施例是在图1中展示为系统106的检验子系统104。在此图式中所展示实施例中，检验子系统是光学或基于光的检验子系统。举例来说，如图1中所展示，检验子系统包含光源108，其可包含所属领域中已知的任何适当光源，例如宽带等离子体光源。
来自光源的光可被引导到分束器110，其可经配置以将光从光源引导到样本112。光源可被耦合到任何其它适当元件(未展示)，例如一或多个聚光透镜、准直透镜、中继透镜、物镜、光圈、光谱滤光器、偏光组件及类似者。如图1中所展示，光可以法向入射角被引导到样本。然而，光可以任何适当入射(包含近法向及倾斜入射)角被引导到样本。此外，光或多个光束可以一个以上入射角被循序或同时引导到样本。检验子系统可经配置以按任何适当方式在样本上扫描光。
在扫描期间可通过检验子系统的一或多个检测器收集并检测来自样本112的光。举例来说，以相对接近法向的角度从样本112反射的光(即，当入射为法向时的镜面反射光)可行进通过分束器110到透镜114。如图1中所展示，透镜114可包含折射光学元件。此外，透镜114可包含一或多个折射光学元件及/或一或多个反射式光学元件。由透镜114收集的光可被聚焦到检测器116。检测器116可包含所属领域中已知的任何适当检测器(例如电荷耦合装置(CCD))或另一类型的成像检测器。检测器116经配置以产生响应于由透镜114收集的反射光的输出。因此，透镜114与检测器116形成检验子系统的一个通道。检验子系统的此通道可包含所属领域中已知的任何其它适当光学组件(未展示)。检测器的输出可包含(例如)图像、图像数据、信号、图像信号或可由适于用在检验系统中的检测器产生的任何其它输出。
由于图1中所展示检验子系统经配置以检测从样本镜面反射的光，因此所述检验子系统经配置作为明场(BF)检验系统。然而，此检验子系统还可经配置用于其它类型的检验。举例来说，图1中所展示检验子系统还可包含一或多个其它通道(未展示)。其它通道可包含本文所描述光学组件的中的任何者(例如透镜及检测器)，其经配置作为散射光通道。透镜及检测器可如本文描述那样进一步经配置。以此方式，检验子系统还可经配置用于暗场(DF)检验。
系统还包含一或多个计算机子系统。举例来说，如图1中所展示，系统可包含计算机子系统118，其经耦合到检验子系统，使得计算机子系统可接收由检验子系统的检测器产生的输出。举例来说，计算机子系统可经耦合到检测器116及包含在检验子系统中的任何其它检测器，使得所述计算机子系统可接收由检测器产生的输出。计算机子系统经配置用于执行本文进一步描述的步骤。计算机子系统(本文中也称为“计算机系统”)及系统可如本文描述那样进一步经配置。
应注意，本文提供图1以大体上说明可包含于本文所描述系统实施例中的检验子系统的配置。明显地，本文描述的检验子系统配置可经改变以优化检验子系统的性能，如在设计商业检验系统时通常执行。此外，本文描述的系统可使用现有检验子系统(例如在商业上可购自加利福尼亚州米尔皮塔斯市的科磊公司(KLA-Tencor,Milpitas,Calif)的29xx/28xx系列工具来实施(例如，通过将本文描述的功能添加到现有检验系统)。对于一些此类系统，本文描述的方法可经提供作为系统的任选功能(例如，除系统的其它功能之外)。或者，本文描述的系统可“从头开始”设计以提供全新系统。
此外，虽然系统在本文中描述为是光学或基于光的检验系统，但检验子系统可经配置作为基于电子束的检验子系统(未展示)。举例来说，检验子系统的能源可经配置以产生电子，且检测器可经配置以检测从样本返回的电子。基于电子束的检验子系统可为包含在任何适当市售电子束检验系统中的任何适当的基于电子束的检验子系统。
计算机子系统经配置用于基于样本上的阵列区中的一或多个结构的一或多个特性来将由阵列区中的检验子系统的检测器产生的输出分离成输出的至少第一片段与第二片段，使得不同片段中的输出已被产生于阵列区中的不同位置，其中形成具有一或多个特性的不同值的一或多个结构。术语“阵列区”是指裸片中图案周期性重复的区。基本重复图案称为“单元”。通常按单元对单元比较而非裸片对裸片比较来检验阵列区。图2说明阵列区及包含于其中的单元的一个实例。举例来说，如图2中所展示，阵列区的图像200展示可经形成于阵列区内的重复结构。阵列区内的基本结构称为单元，所述单元的一个图像由图像202展示，图像202在阵列区中空间地重复。
本文描述的实施例将结构性信息用于缺陷检测。结构性信息对于将所关注缺陷(DOI)与干扰事件分离来说是更相关且更稳健的。如本文将进一步描述，实施例可经配置以获得结构性信息、表示结构性信息，且将结构性信息应用在样本检验中。
由于本文描述的结构性信息是基于样本上的区中的结构，因此所述结构性信息可依据样本类型而变化。换句话说，不同结构性信息可用来表示不同装置。可运用此结构信息来对本文描述的实施例进行编程。举例来说，在样本的检验的建立期间，用于样本的结构性信息可被编码于软件中，以在检验期间使用。当获取输出时，可在样本的检验期间执行分离所述输出。以此方式，可在检验期间(即，在运行时间期间)识别样本上的结构。
在一个实施例中，分离输出并不基于所述输出的一或多个特性。举例来说，一些当前使用的检验方法基于输出的灰阶而执行检验系统输出的分割。相比之下，如上文描述的分离输出可独立于所述输出本身的任何特性而执行。举例来说，即使针对形成在样本上的一种类型的结构(其具有不同于样本上的其它类型的结构的一或多个结构性特性)的不同例子产生的输出具有不同灰阶，所有所述输出仍可被分离成相同片段。以此方式，即使输出都针对形成在样本上的相同结构的不同例子而产生，分离成片段中的一者的输出仍可具有输出的不同特性。
因此，不同于本文描述的实施例，当前分割可基于灰阶，其可不指示样本上的结构。因此，基于灰阶的分割不同于针对本文所描述阵列区的基于结构性信息的分割。结构指示晶片图案与噪声源的功能及过程。通过结构引导的检验将产生更多良率相关结果。
在一个此实例中，在当前执行的裸片对裸片(随机区)或单元对单元(阵列区)检验中，针对正被检验的样本的区中的区域产生的输出可基于灰阶或所述输出的其它特性而被分离成不同片段。然而，在针对单元对单元(阵列)检验的本文所描述的实施例中，针对正被检验的样本的区中的区域产生的输出可如本文进一步描述那样分离成产生在样本上的第一类型的结构的位置处的第一输出、产生在样本上的第二类型的结构的位置处的第二输出等等。接着，经确定针对一种类型的结构产生的所有输出可基于可用于本文所描述的实施例的任何其它信息(例如，灰阶)而进一步分割。类似分割可针对检验子系统输出中识别的其它结构类型的中的任何者而单独执行。
在另一实施例中，基于样本或与所述样本类型相同的另一样本的一或多个扫描电子显微镜(SEM)图像来确定结构的一或多个特性。以此方式，可通过SEM图像获得用于本文所描述的实施例中的结构性信息。因而，本文描述的实施例可经配置用于运用SEM图像来理解结构(例如晶片结构)。晶片结构指示多晶硅、接触空穴、n型金属氧化物半导体(NMOS)、p型MOS(PMOS)等等的空间布局。用户可以高分辨率SEM图像描绘特定结构。分析SEM图像以确定结构的一或多个特性可在针对样本执行的检验的建立期间执行。以此方式，本文描述的实施例并一定使用或需要设计文件中的信息。
在额外实施例中，分离输出包含使样本或与所述样本类型相同的另一样本的一或多个SEM图像与所述输出相关，及将一或多个结构的一或多个特性从一或多个SEM图像传送到与其相关的输出。举例来说，通过使SEM图像与检验图像相关，结构性信息可从SEM图像传送到检验图像上。在一个此实例中，如图3中所展示，可通过如本文描述的检验子系统产生阵列区的部分的检验图像300。接着，可从SEM图像获得的结构性信息302可与检验图像对准。接着，结构性信息可被指派到其已对准的检验图像中的像素。以此方式，如果结构性信息302含有用于不同结构的信息，那么不同结构性信息可被指派到其已对准的检验图像的部分中的像素。可在针对样本执行的检验的建立期间执行使SEM图像与检验图像相关及表示检验图像中的结构性信息。此外，相同结构在阵列区中重复。为在检验期间发现图像中的相同结构，可仅存储基本结构(例如，特定裸片位置处的阵列的图块图像(patch image))。图块图像表示结构性信息。
在另一实施例中，基于样本的设计而确定结构的一或多个特性。以此方式，可通过设计文件获得用于本文所描述的实施例中的结构性信息。举例来说，本文所描述的实施例可经配置以运用半导体设计文件(例如图形数据流(GDS)文件)来理解样本上的结构。类似于SEM图像，用户可使设计图案与光学图像相关。可在针对样本执行的检验的建立期间执行分析设计以确定结构的一或多个特性。用在本文所描述的实施例中的设计并不包含来自设计的任何经渲染、合成或模拟的图像。
在一些实施例中，分离输出包含使样本的设计与输出相关及将一或多个结构的一或多个特性从设计传送到与其相关的输出。举例来说，通过使设计与检验图像相关，结构性信息可从设计传送到检验图像上。此相关可如本文进一步描述那样相对于SEM图像执行。举例来说，图3中展示的结构性信息302可来自样本的设计图案。接着，来自设计的结构性信息可被指派到其已对准的检验图像中的像素。以此方式，可通过从半导体设计获得的检验图像与几何形状载送结构性信息。可在针对样本执行的检验的建立期间执行使设计与检验图像相关及表示检验图像中的结构性信息。此外，相同结构在阵列区中重复。为在检验期间发现图像中的相同结构，可仅存储基本结构(例如，特定裸片位置处的阵列的图块图像)。图块图像表示结构性信息。
在另一实施例中，分离输出包含将一或多个规则应用于所述输出，且所述一或多个规则是基于不同类型的一或多个结构之间的一或多个特性中的差异。举例来说，可通过用户知识获得用在本文所描述的实施例中的结构性信息。以此方式，本文所描述的实施例可用来基于用户知识而描述晶片结构性信息。此外，检验图像可针对相同结构而与如本文进一步描述的SEM图像相比，接着可建立规则以识别检验图像中的结构。以此方式，本文所描述的实施例可分析阵列区内的图案。可基于从用户输入的结构性信息而应用多个规则。
在使用基于图像的方法建立本文所描述的实施例期间，基于共同结构图案而识别阵列结构的一组规则可被定义并编码在软件中。用户可基于阵列结构的图像而输入结构信息。接着，计算机子系统可分析图像强度、投影、变化及对称且确定应应用哪一些规则以识别用于晶片上的此类型的阵列区的阵列结构。这些步骤可针对一种类型的阵列结构执行且接着针对任何其它类型的阵列结构重复。接着，计算机子系统可将规则保存到检验配方中。在缺陷检测期间，给定图像，计算机子系统可将预定规则应用于检验子系统的输出。由于阵列结构重复，因此可计算多个重复的平均化图像以减少图像上的噪声。接着，结构可在输出中进行识别。
可以许多不同方式表示结构性信息。举例来说，结构性信息可根据灰阶或灰阶的空间关系或二进制掩模来传送及表示。此类表示的实例被展示在图4到6中。举例来说，如图4中所展示，灰阶表示400可用来表示结构性信息。此外，如图5中所展示，空间关系500可用来表示与图4中所展示相同的结构性信息。举例来说，图5的暗部分502可对应于图4中所展示具有“锯齿形”或不对称形状的结构，而白部分504可对应于图4中所展示具有对称形状的结构。此外，如图6中所展示，二进制掩模600可用来表示与图4中所展示相同的结构性信息。
以此方式，可以许多不同方式执行在运行时间期间识别在含有不同结构的样本的不同部分中产生的输出的不同部分。举例来说，如果在设计文件中识别结构性信息，那么设计图案可对准于检验图像中的图案，接着可识别检验图像中的结构(其对应于设计图案中的结构性信息)。此方法是一种类型的设计对图像对准。此外，在建立期间产生的含有结构性信息的检验图像可与在运行时间期间产生的检验图像相关。此方法是一种类型的图像对图像对准。还可在软件中对结构性信息的规则进行编程。在运行时间，软件可基于规则识别结构性信息。此方法是一种图像分析。
在一个实施例中，一或多个计算机子系统经配置用于基于针对形成在样本上的一或多个独特结构产生的输出及独特结构与一或多个结构之间的空间关系而将一或多个结构定位在输出中。因此，本文所描述的实施例提供一种用于像素对设计对准的特定方法。举例来说，独特结构(例如隅角或分页(page break))可用于通过定义空间偏移定位非独特(重复)结构。特定来说，由于阵列(例如，SRAM)区中的图案是密集且重复的，因此所述图案在此区中不为独特的且不利于对准。接近存储器区的非重复图案接近阵列隅角。为执行接近阵列隅角的对准，可首先搜索对准位置。因此，本文所描述的实施例不同于其中分析图像的当前使用的方法，这是因为此方法并不确保通过搜索发现的所有位置都接近期望区(例如SRAM隅角)。而是，本文所描述的实施例可使用设计信息。以此方式，SRAM隅角及设计中的其它独特结构可在设计文件中轻易识别。计算机子系统可经配置以发现配方建立阶段中的独特结构。可在检验期间精选这些独特结构的位置。所述位置可用来识别检验图像中的结构。举例来说，在对准位置搜索期间，从设计文件产生的SRAM隅角可被提供到计算机子系统。
以此方式，独特结构可用来帮助将样本结构的掩模与图像对准。举例来说，如图11中所展示，在检验过程的建立期间，阵列结构外部的独特结构1100可被识别并与阵列区中的结构的掩模1102配准。换句话说，可在建立期间确定独特结构与掩模之间的空间关系。以此方式，如图12中所展示，在检验期间，独特结构的图像1200可与在建立期间获得的独特结构图像对准且阵列结构的掩模应与图像1204中的阵列结构1202对准。图13说明可由本文所描述的实施例使用的独特结构的额外实例。举例来说，独特结构可包含SRAM块1302的SRAM隅角1300。
在一些实施例中，一或多个特性包含一或多个结构的重复间距。举例来说，阵列结构的重复间距可为用来表示结构的信息的部分(即，与本文描述的其它结构性信息(例如对称信息)组合)。然而，一般来说，在本文所描述的实施例中，将不会单独使用结构的重复间距。
在另一实施例中，一或多个特性包含一或多个结构的一或多个拓扑特性。以此方式，结构性信息可包含拓扑信息。拓扑信息对于用在本文所描述的实施例中来说是有利的，这是因为此类信息描述在特定变换(例如弯曲或拉伸)下保持不变的几何形状的性质。因此，即使结构的形状或尺寸依据装置而变化，用在本文所描述的实施例中的结构性信息仍可保持相同。
在一些实施例中，一或多个特性包含一或多个结构的对称及不对称特性。关于形成在样本上的结构的对称信息是对于色彩变动更稳健的结构性信息的一个实例。举例来说，如图7中所展示，针对样本的检验图像可包含对应于第一结构的水平不对称强度700及对应于不同于第一结构的第二结构的对称强度702。如果图像灰阶用于使用此检验图像来描述第一结构与第二结构，那么亮强度对应于第一结构且暗强度对应于第二结构。强度与结构之间的关系的此描述适于图7中所展示检验图像，但不适于图9中所展示检验图像，其为针对与包含在图7的检验图像中的区相同的区而产生。特定来说，在图9的检验图像中，暗强度900是水平不对称的且对应于第一结构，而亮强度902是对称的且对应于第二结构。对于图8中展示的图像，不对称结构800与对称结构802的形状及灰阶不同于图7与9中展示的图像。然而，对称信息仍被保存在此图像中。因而，无论灰阶如何改变，对称是较好、稳健的描述符。举例来说，如果检验子系统的光学器件模式被改变，那么结构的灰阶可显著改变，而结构的对称特性及其在图像中的对应强度保持未改变。以此方式，本文所描述的实施例可经配置以使用来自图像与设计两者的对称信息来识别检验子系统输出中的不同结构。
在另一实施例中，分离输出包含确定用于输出中的不同区域及针对晶片的设计的对称分数、将用于输出的对称分数对准于用于设计的对称分数，及基于对准的结果及关于一或多个结构的哪一些对应于用于设计的对称分数的信息来分离输出。以此方式，本文所描述的实施例可经配置用于基于对称的对准。举例来说，用于基于内容背景的检验(CBI)的关键促成工具(enabler)可为像素对设计对准(PDA)。在一个此实例中，CBI系统可渲染设计美工图案(design clip)的图像，且将其与对应晶片图像对准。运用相对好的PDA，从设计产生的关注区可大体上精确地对准于晶片图像。
然而，设计美工图案与晶片图像具有大体上不同的模态。晶片印刷过程、晶片图案与检验系统之间的交互作用极为复杂。这些问题使图像渲染成为PDA中的最困难的任务。虽然统计算法可用来在相对大的程度上减轻来自不合意的图像渲染的影响，且提供对单个PDA误对准的相当大的缓冲，但对于用于很难渲染的设计美工图案(例如接近SRAM区的区)的处于子像素级的单个PDA的需求是必然的。
通过对称是许多设计美工图案与检验图像中的几何的基本特性的事实来激发基于对称的对准。此外，对称往往对大的外观改变比对图像强度或梯度更不变。
基于对称的对准可包含用于每像素的对称分数的计算及对称分数的对准。举例来说，计算机子系统可经配置以确定来自设计中的图案的第一对称分数及来自检验图像中的图案的第二对称分数。可执行对称的计算以确定图像区域(在绕轴翻转时)类似于另一图像区域的程度。接着，计算机子系统可通过第一对称分数与第二对称分数的相关来计算偏移。接着，可通过应用偏移而使设计与检验图像对准。对称分数的对准是用以发现最佳子像素偏移，所述偏移可最大化设计美工图案的对称分数与检验图像的对称分数之间的相关。
在一个实施例中，第一片段与第二片段被定位在一或多个关注区中。举例来说，本文所描述的实施例并不改变针对阵列检验而选择的关注区，其界定用于单元对单元检验的区域。而是，掩模可用在阵列关注区内且指示不同检测灵敏度。举例来说，对于裸片对裸片检验，由于比较像素与另一裸片中的另一像素，因此裸片对裸片检验并不要求指定邻近信息，举例来说，用于单元对单元检验的区。然而，对于阵列区域中的单元对单元检验，比较像素与相同图像中的另一像素。区域被明确用来指示用于单元对单元检验的区。因此，本文所描述的实施例并不改变其中在阵列区中执行检验的区域或关注区。在其中执行检验的区域或关注区内执行本文所描述分割。
计算机子系统还经配置用于通过基于输出是处于第一片段中还是处于第二片段中而将一或多个缺陷检测方法应用于输出以检测样本上的缺陷。以此方式，本文所描述的实施例执行使用结构性信息的缺陷检测。此外，一或多个缺陷检测方法可被个别且独立地应用于输出的不同片段。举例来说，在片段中的一者中执行的缺陷检测可不同于在不同片段的另一者中执行的缺陷检测。此外，缺陷检测可不针对所有不同片段执行。举例来说，取决于其输出被包含在不同片段中的每一者中的结构，缺陷检测可在不同片段中的一者而非不同片段的另一者中执行。
在额外实施例中，应用缺陷检测方法包含将具有第一组参数的一或多个缺陷检测方法应用于仅包含在第一片段中的输出，及将具有不同于第一组参数的第二组参数的一或多个缺陷检测方法应用于仅包含在第二片段中的输出。举例来说，可针对每一不同结构产生不同噪声统计值(取决于缺陷检测方法，举例来说，针对当前可购自科磊公司的一些检验系统使用的MDAT缺陷检测算法的差与中值灰阶的2D直方图)。相比之下，在当前使用的方法中，可以区域为基础(即，多结构基础)计算噪声统计值。因此，不同于当前使用的方法，本文所描述的实施例允许缺陷检测灵敏度个别适于针对不同结构的噪声。对于每一结构，分割可用于将图像进一步分成有意义的区。如果干扰缺陷的数目在特定结构或片段上是相对大的，那么用户可为其结构或片段设置较低灵敏度以抑制干扰缺陷。
第一组参数与第二组参数可包含相同缺陷检测方法的一或多个不同参数或参数的值。举例来说，用于一或多个缺陷检测方法的第一组参数可包含用于一个缺陷检测算法的第一阈值，且用于一或多个缺陷检测方法的第二组参数可包含用于相同缺陷检测算法的第二阈值。在不同实例中，第一组参数可包含用于第一缺陷检测算法的参数，且第二组参数可包含用于不同于第一缺陷检测算法的第二缺陷检测算法的参数。第一组参数与第二组参数可在任何其它方面不同，其将在输出的不同片段中产生不同缺陷检测。此外，本文所描述的实施例并不特定于任一缺陷检测方法或任一类型的缺陷检测。而是，本文所描述的实施例可搭配任何缺陷检测方法起使用，所述缺陷检测方法的参数可取决于其正被应用于的输出的片段而改变。
在另一实施例中，应用于第一片段中的输出的一或多个缺陷检测方法具有不同于应用于第二片段中的输出的一或多个缺陷检测方法的检测灵敏度。举例来说，系统可使用结构性信息来将不同缺陷检测灵敏度及/或算法应用于对应于不同结构的不同区。以此方式，不同检测灵敏度及/或算法可基于其所关注程度而应用于不同结构。
在一个实施例中，应用缺陷检测方法包含仅基于第一片段中的输出而确定针对所述第一片段的噪声的一或多个特性，及基于噪声的经确定一或多个特性而确定一或多个缺陷检测方法的一或多个参数。在一个此实例中，对于其中噪声相对高的区，可应用较低灵敏度。另一方面，在噪声相对低的情况下，可应用较高灵敏度。可在针对样本的检验的建立期间进行确定用于检测具有一或多个不同特性的不同结构中的缺陷的灵敏度。
不同于其中噪声统计值是从不同灰阶产生的当前使用的方法，在本文所描述的实施例中，可针对不同结构产生不同噪声统计值。举例来说，在当前使用的方法中，可针对图10中展示的整个检验图像产生噪声统计值。然而，在本文所描述的实施例中，可针对检验图像中展示的不同结构确定不同噪声统计值。举例来说，可仅使用图像的部分1000确定第一噪声统计值，且可仅使用图像的部分1002确定第二噪声统计值。以此方式，可针对包含混合灰阶的部分确定第一噪声统计值，而可针对包含多黑灰阶的部分确定第二噪声统计值。在另一实例中，一旦结构被识别，旋即可针对每一结构建立噪声统计值(例如2D直方图，其通常包含差值与中值灰阶)。接着，可基于每一结构上的噪声而应用缺陷检测参数。以此方式，不同于不基于用于样本的结构性信息而分离输出使得相同缺陷检测参数应用于所有结构的方法，运用本文所描述的实施例，不同缺陷检测参数可用于不同结构。因此，大体上，本文所描述的实施例将已改进缺陷检测灵敏度。
以此方式，应用如本文描述的缺陷检测方法可为基于图像的方法，其通过图像分析使不同灵敏度能够基于其在不同结构(例如，P单元结构或N单元结构)中的位置而应用于阵列区中的像素。如果不同噪声电平存在于不同结构上，那么此方法将有效地抑制来自所关注非结构(非SOI)的干扰事件且将增强SOI上的检验灵敏度。
因此，由本文所描述的实施例应用于输出的缺陷检测方法不同于当前使用的缺陷检测方法。举例来说，在一些当前使用的方法中，可从SOI与非SOI建立像素统计值。由于噪声在非SOI上可为相对高的，因此可能无法检测缺陷像素。举例来说，如图14中所展示，当前使用的缺陷检测方法可产生像素统计值(例如像素计数与灰阶差)，且可产生这些像素统计值的标绘图1400。可基于此标绘图中展示的像素统计值而确定检测阈值1402。归因于像素(例如，非SOI像素)中的噪声，基于这些统计值确定的检测阈值可能过高，而无法检测一些缺陷像素1404。因此，可能无法通过缺陷检测方法检测一些缺陷像素。
相比之下，本文所描述的实施例可应用仅从非SOI像素产生像素统计值的缺陷检测方法，其中噪声可为相对高的。缺陷检测方法可从这些统计值产生图15中展示的标绘图1500。基于这些统计值，可确定检测阈值1502。针对这些非SOI像素确定的检测阈值可为相对高的(即，相对低的灵敏度)，以避免将相对噪声像素检测为缺陷。此外，本文所描述的实施例可应用仅从SOI像素产生像素统计值的缺陷检测方法，其中缺陷可被定位且其中噪声是相对低的。缺陷检测方法可从这些统计值产生图16中展示的标绘图1600。基于这些统计值，可确定检测阈值1602。针对这些SOI像素确定的检测阈值可为相对低的(即，相对高的灵敏度)，使得缺陷像素1604可被检测。以此方式，缺陷检测方法可将缺陷像素检测为缺陷，这是因为缺陷像素可以较低阈值检测。
在一些实施例中，一或多个计算机子系统经配置用于确定其中检测到缺陷的一或多个结构的一或多个特性的值，并存储经确定值作为针对缺陷的缺陷属性。举例来说，可针对每一缺陷计算结构性信息作为缺陷属性。以此方式，结构信息可被指派到样本上检测到的缺陷。将结构信息指派到缺陷可在运行时间期间执行。这些属性可用在缺陷后处理中用于缺陷分类、分级或干扰事件移除。干扰过滤及/或缺陷分类可在运行时间期间执行。
本文所描述的实施例具有优于当前使用的用于检验样本的方法的许多优点。举例来说，由于可从SEM图像或设计文件获得结构性信息，因此结构性信息具有实际意义且比灰阶信息更加良率相关。此外，对于不同装置，结构性信息可为不同的。可在配方建立期间定制结构性信息的表示。此外，结构性信息含有拓扑信息，其对色彩变动比简单灰阶值更稳健。因此，干扰抑制的效率可高得多。在一个此实例中，如果噪声来自对称结构且目的是抑制此噪声，那么因为本文所描述的实施例可识别样本上的对称结构，因此来自这些区的噪声可被抑制。在另一此实例中，如果DOI被定位在仅一种特定类型的结构(例如，恰巧为对称的结构)中，那么关于缺陷被定位在何种类型的结构中的信息可用来将缺陷分离成DOI及干扰。以此方式，使用结构性信息的缺陷检测可提供更加良率相关的检验结果。此外，由于本文所描述的实施例并不使用设计的模拟或渲染图像(例如，当其将在形成于样本上之后由检验系统成像时设计的图像)，因此本文所描述的实施例可用于晶片上的区，其中此模拟或渲染特别困难，例如接近SRAM区的区。以此方式，本文所描述的实施例可出于如本文所描述输出分割的目的而执行针对阵列区的像素对设计对准，而不需要或使用模拟或渲染图像。
另一实施例涉及一种用于基于结构性信息而检测样本上的缺陷的计算机实施方法。所述方法包含上文所描述分离及检测步骤。这些步骤是由一或多个计算机系统执行，所述系统可根据本文所描述的实施例的中的任何者进行配置。
上文所描述方法的实施例中的每一者可包含本文所描述任何其它方法的任何其它步骤。此外，上文所描述方法的实施例中的每一者可由本文所描述系统的中的任何者执行。
本文描述的所有方法可包含将方法实施例的一或多个步骤的结果存储在计算机可读存储媒体中。结果可包含本文所描述结果的中的任何者且可以所属领域中已知的任何方式存储。存储媒体可包含本文描述的任何存储媒体或所属领域中已知的任何其它适当存储媒体。在结果已被存储之后，所述结果可在存储媒体中存取且由本文所描述方法或系统实施例的中的任何者使用、格式化用于显示给用户、由另一软件模块、方法或系统使用等等。
另一实施例涉及一种非暂时性计算机可读媒体，其存储可在计算机系统上执行的程序指令用于执行计算机实施方法，所述方法用于基于结构性信息而检测样本上的缺陷。一个此实施例被展示在图17中。举例来说，如图17中所展示，非暂时性计算机可读媒体1700存储可在计算机系统1704上执行以用于执行计算机实施方法的程序指令1702，所述方法用于基于结构性信息而检测样本上的缺陷。计算机实施方法可包含本文所描述任何方法的任何步骤。
实施方法(例如本文描述的方法)的程序指令1702可被存储在非暂时性计算机可读媒体1700上。计算机可读媒体可为存储媒体，例如磁盘或光盘、磁带或所属领域中已知的任何其它适当的非暂时性计算机可读媒体。
程序指令可以各种方式中的任何者实施，所述方式包含基于程序的技术、基于组件的技术及/或面向对象式技术以及其它方式。举例来说，程序指令可根据需要使用Matlab、Visual Basic、ActiveX控件、C、C++对象、C#、JavaBeans、Microsoft基础类别(“MFC”)或其它技术或方法实施。
计算机系统1704可采取各种形式，其包含个人计算机系统、主计算机系统、工作站、系统计算机、图像计算机、可编程图像计算机、并行处理器或所属领域中已知的任何其它装置。一般来说，术语“计算机系统”可经广泛定义以包含具有一或多个处理器的任何装置，其执行来自存储器媒体的指令。
本发明的各种方面的更多修改及替代性实施例鉴于此描述而对于所属领域的技术人员来说将是显而易见的。举例来说，提供用于基于结构性信息而检测样本上的缺陷的系统及方法。因此，此描述应被解释为仅为说明性且出于教示所属领域的技术人员实行本发明的一般方式的目的。应了解，本文展示且描述的本发明的形式应被采取作为当前优选实施例。元件及材料可替代本文说明及描述的元件及材料，部分及过程可颠倒，且本发明的特定特征可被独立利用，所有这些对于所属领域的技术人员在受益于本发明的描述之后将是显而易见。在不脱离如所附权利要求书中所描述的本发明的精神和范围的情况下，可对本文描述的元件做出改变。

Claims (19)

1.一种经配置以基于结构性信息来检测样本上的缺陷的系统，所述系统包括：
检验子系统，其包括至少一能源及一检测器，其中所述能源经配置以产生被引导到样本的能量，且其中所述检测器经配置以检测来自所述样本的能量，并响应于所述经检测能量而产生输出；及
一或多个计算机子系统，其经配置用于：
基于所述样本上的阵列区域中的一或多个结构的一或多个特性而将由所述阵列区中的所述检测器产生的所述输出分离成所述输出的至少第一片段与第二片段，使得不同片段中的所述输出已被产生于所述阵列区中的不同位置，其中形成具有所述一或多个特性的不同值的所述一或多个结构；以及
通过基于所述输出是处于所述第一片段中还是处于所述第二片段中而将一或多个缺陷检测方法应用于所述输出以检测所述样本上的缺陷。
2.根据权利要求1所述的系统，其中所述分离并不基于所述输出的一或多个特性。
3.根据权利要求1所述的系统，其中所述结构的所述一或多个特性是基于所述样本或与所述样本类型相同的另一样本的一或多个扫描电子显微镜图像来进行确定。
4.根据权利要求1所述的系统，其中所述分离包括：使所述样本或与所述样本类型相同的另一样本的一或多个扫描电子显微镜图像与所述输出相关；及将所述一或多个结构的所述一或多个特性从所述一或多个扫描电子显微镜图像传送到与其相关的所述输出。
5.根据权利要求1所述的系统，其中所述结构的所述一或多个特性是基于针对所述样本的设计来进行确定。
6.根据权利要求1所述的系统，其中所述分离包括：使针对所述样本的设计与所述输出相关，及将所述一或多个结构的所述一或多个特性从所述设计传送到与其相关的所述输出。
7.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置用于基于针对经形成于所述样本上的一或多个独特结构产生的所述输出及所述独特结构与所述一或多个结构之间的空间关系而将所述一或多个结构定位于所述输出中。
8.根据权利要求1所述的系统，其中所述一或多个特性包括所述一或多个结构的重复间距。
9.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置用于确定其中检测到所述缺陷的所述一或多个结构的所述一或多个特性的值，并存储所述经确定值作为针对所述缺陷的缺陷属性。
10.根据权利要求1所述的系统，其中所述一或多个特性包括所述一或多个结构的一或多个拓扑特性。
11.根据权利要求1所述的系统，其中所述一或多个特性包括所述一或多个结构的对称及不对称特性。
12.根据权利要求1所述的系统，其中所述分离包括：确定用于所述输出中的不同区域及针对所述晶片的设计的对称分数；将用于所述输出的所述对称分数对准于用于所述设计的所述对称分数；及基于所述对准的结果及关于所述一或多个结构中的哪些对应于用于所述设计的所述对称分数的信息来分离所述输出。
13.根据权利要求1所述的系统，其中所述第一片段与第二片段定位在一或多个关注区域中。
14.根据权利要求1所述的系统，其中所述分离包括：将一或多个规则应用于所述输出，且其中所述一或多个规则是基于不同类型的所述一或多个结构之间的所述一或多个特性中的差异。
15.根据权利要求1所述的系统，其中所述应用包括：仅基于所述第一片段中的所述输出来确定针对所述第一片段的噪声的一或多个特性；及基于所述噪声的所述经确定一或多个特性来确定所述一或多个缺陷检测方法的一或多个参数。
16.根据权利要求1所述的系统，其中应用于所述第一片段中的所述输出的所述一或多个缺陷检测方法具有不同于应用于所述第二片段中的所述输出的所述一或多个缺陷检测方法的检测灵敏度。
17.根据权利要求1所述的系统，其中所述应用包括：将具有第一组参数的所述一或多个缺陷检测方法应用于仅包含在所述第一片段中的所述输出；及将具有不同于所述第一组参数的第二组参数的所述一或多个缺陷检测方法应用于仅包含在所述第二片段中的所述输出。
18.一种非暂时性计算机可读媒体，其存储可在计算机系统上执行以用于执行计算机实施方法的程序指令，所述方法用于基于结构性信息来检测样本上的缺陷，其中所述计算机实施方法包括：
基于样本上的阵列区域中的一或多个结构的一或多个特性，将由所述阵列区域中的检验子系统的检测器产生的输出分离成所述输出的至少第一片段与第二片段，使得不同片段中的所述输出已被产生于所述阵列区域中的不同位置，其中形成具有所述一或多个特性的不同值的所述一或多个结构，其中所述检验子系统包括至少一能源及所述检测器，其中所述能源经配置以产生被引导到所述样本的能量，且其中所述检测器经配置以检测来自所述样本的能量，并响应于所述经检测能量而产生输出；及
通过基于所述输出是处于所述第一片段中还是处于所述第二片段中来将一或多个缺陷检测方法应用于所述输出以检测所述样本上的缺陷。
19.一种用于基于结构性信息来检测样本上的缺陷的计算机实施方法，所述方法包括：
基于样本上的阵列区域中的一或多个结构的一或多个特性，将由所述阵列区域中的检验子系统的检测器产生的输出分离成所述输出的至少第一片段与第二片段，使得所述不同片段中的所述输出已被产生于所述阵列区域中的不同位置，其中形成具有所述一或多个特性的不同值的所述一或多个结构，其中所述检验子系统包括至少一能源及所述检测器，其中所述能源经配置以产生被引导到所述样本的能量，且其中所述检测器经配置以检测来自所述样本的能量，并响应于所述经检测能量而产生输出；以及
通过基于所述输出是处于所述第一片段中还是处于所述第二片段中来将一或多个缺陷检测方法应用于所述输出以检测所述样本上的缺陷，其中所述分离与所述检测是由一或多个计算机系统执行。
CN201580055325.2A 2014-10-14 2015-10-13 使用结构性信息的缺陷检测 Active CN107111294B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201462063841P 2014-10-14 2014-10-14
US62/063,841 2014-10-14
US14/880,187 US9727047B2 (en) 2014-10-14 2015-10-09 Defect detection using structural information
US14/880,187 2015-10-09
PCT/US2015/055295 WO2016061080A1 (en) 2014-10-14 2015-10-13 Defect detection using structural information

Publications (2)

Publication Number Publication Date
CN107111294A true CN107111294A (zh) 2017-08-29
CN107111294B CN107111294B (zh) 2018-12-11

Family

ID=55655939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580055325.2A Active CN107111294B (zh) 2014-10-14 2015-10-13 使用结构性信息的缺陷检测

Country Status (9)

Country Link
US (1) US9727047B2 (zh)
JP (1) JP6617143B2 (zh)
KR (1) KR102276921B1 (zh)
CN (1) CN107111294B (zh)
DE (1) DE112015004721B4 (zh)
IL (1) IL250088B (zh)
SG (1) SG11201702725WA (zh)
TW (1) TWI643280B (zh)
WO (1) WO2016061080A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112840205A (zh) * 2018-10-19 2021-05-25 科磊股份有限公司 基于设计及噪声的关注区域
CN114096832A (zh) * 2019-07-09 2022-02-25 科磊股份有限公司 用于选择用于样本检验的缺陷检测方法的系统和方法
CN114667596A (zh) * 2019-11-21 2022-06-24 科磊股份有限公司 基于噪声特性而对次关注区域进行聚类
CN114761791A (zh) * 2019-12-05 2022-07-15 科磊股份有限公司 用于在检验期间于样本上界定柔性区域的系统及方法
KR102718646B1 (ko) 2019-07-09 2024-10-16 케이엘에이 코포레이션 시편 검사를 위한 결함 검출 방법을 선택하기 위한 시스템 및 방법

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10211025B2 (en) * 2015-08-12 2019-02-19 Kla-Tencor Corp. Determining a position of a defect in an electron beam image
US10043265B2 (en) * 2016-03-17 2018-08-07 Kla-Tencor Corporation System, method and computer program product for identifying fabricated component defects using a local adaptive threshold
US10275872B2 (en) * 2017-08-24 2019-04-30 Applied Materials Israel Ltd. Method of detecting repeating defects and system thereof
US10290087B2 (en) * 2017-09-11 2019-05-14 Applied Materials Israel Ltd. Method of generating an examination recipe and system thereof
US11195268B2 (en) 2018-05-22 2021-12-07 Kla-Tencor Corporation Target selection improvements for better design alignment
US10698325B2 (en) * 2018-05-23 2020-06-30 Kla-Tencor Corporation Performance monitoring of design-based alignment
WO2019244637A1 (ja) * 2018-06-20 2019-12-26 株式会社クボタ ウエハ検査装置およびウエハ検査方法
JP2019219295A (ja) * 2018-06-20 2019-12-26 株式会社クボタ ウエハ検査装置およびウエハ検査方法
US11087449B2 (en) * 2019-10-24 2021-08-10 KLA Corp. Deep learning networks for nuisance filtering
US20220301133A1 (en) * 2021-03-16 2022-09-22 Kla Corporation Segmentation of design care areas with a rendered design image
US20240120221A1 (en) * 2022-10-03 2024-04-11 Kla Corporation Correcting target locations for temperature in semiconductor applications
KR102693776B1 (ko) * 2023-11-14 2024-08-09 주식회사 파이비스 딥러닝 모델을 기반으로 오브젝트의 결함을 검출하기 위한 장치 및 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007053376A2 (en) * 2005-10-31 2007-05-10 Kla-Tencor Technologies Corporation Methods and apparatus for designing and using micro-targets in overlay metrology
US20090037134A1 (en) * 2007-07-30 2009-02-05 Ashok Kulkarni Semiconductor device property extraction, generation, visualization, and monitoring methods
US20090309022A1 (en) * 2008-06-12 2009-12-17 Hitachi High-Technologies Corporation Apparatus for inspecting a substrate, a method of inspecting a substrate, a scanning electron microscope, and a method of producing an image using a scanning electron microscope
WO2010009930A1 (en) * 2008-06-02 2010-01-28 Asml Netherlands B.V. Sub-wavelength segmentation in measurement targets on substrates
US20100235114A1 (en) * 2009-03-10 2010-09-16 Kla-Tencor Corporation Systems and methods for determining one or more characteristics of a specimen using radiation in the terahertz range
US20110116085A1 (en) * 2009-11-19 2011-05-19 Chartered Semiconductor Manufacturing, Ltd. Defect detection recipe definition

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020054291A1 (en) 1997-06-27 2002-05-09 Tsai Bin-Ming Benjamin Inspection system simultaneously utilizing monochromatic darkfield and broadband brightfield illumination sources
US6240208B1 (en) * 1998-07-23 2001-05-29 Cognex Corporation Method for automatic visual identification of a reference site in an image
US7155052B2 (en) 2002-06-10 2006-12-26 Tokyo Seimitsu (Israel) Ltd Method for pattern inspection
JP2006216611A (ja) * 2005-02-01 2006-08-17 Hitachi High-Technologies Corp パターン検査装置
JP4616864B2 (ja) 2007-06-20 2011-01-19 株式会社日立ハイテクノロジーズ 外観検査方法及びその装置および画像処理評価システム
WO2009155502A2 (en) 2008-06-19 2009-12-23 Kla-Tencor Corporation Computer-implemented methods, computer-readable media, and systems for determining one or more characteristics of a wafer
US8270698B2 (en) * 2008-09-24 2012-09-18 Merge Healthcare Incorporated Anterior commissure and posterior commissure segmentation system and method
EP2177898A1 (en) 2008-10-14 2010-04-21 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method for selecting an optimized evaluation feature subset for an inspection of free-form surfaces and method for inspecting a free-form surface
US8775101B2 (en) 2009-02-13 2014-07-08 Kla-Tencor Corp. Detecting defects on a wafer
WO2011155122A1 (ja) * 2010-06-07 2011-12-15 株式会社 日立ハイテクノロジーズ 回路パターン検査装置およびその検査方法
US8781781B2 (en) * 2010-07-30 2014-07-15 Kla-Tencor Corp. Dynamic care areas
JP5788719B2 (ja) * 2011-06-09 2015-10-07 株式会社日立ハイテクノロジーズ ステージ装置およびステージ装置の制御方法
JP5647999B2 (ja) * 2012-01-04 2015-01-07 株式会社日立ハイテクノロジーズ パターンマッチング装置、検査システム、及びコンピュータプログラム
US8825570B2 (en) * 2012-07-31 2014-09-02 Hewlett-Packard Development Company, L.P. Active learning with per-case symmetrical importance scores
US9310316B2 (en) 2012-09-11 2016-04-12 Kla-Tencor Corp. Selecting parameters for defect detection methods
US9311698B2 (en) * 2013-01-09 2016-04-12 Kla-Tencor Corp. Detecting defects on a wafer using template image matching
US9619876B2 (en) 2013-03-12 2017-04-11 Kla-Tencor Corp. Detecting defects on wafers based on 2D scatter plots of values determined for output generated using different optics modes
US9123583B2 (en) * 2013-07-12 2015-09-01 Taiwan Semiconductor Manufacturing Co., Ltd. Overlay abnormality gating by Z data
US9401016B2 (en) 2014-05-12 2016-07-26 Kla-Tencor Corp. Using high resolution full die image data for inspection

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007053376A2 (en) * 2005-10-31 2007-05-10 Kla-Tencor Technologies Corporation Methods and apparatus for designing and using micro-targets in overlay metrology
US20090037134A1 (en) * 2007-07-30 2009-02-05 Ashok Kulkarni Semiconductor device property extraction, generation, visualization, and monitoring methods
WO2010009930A1 (en) * 2008-06-02 2010-01-28 Asml Netherlands B.V. Sub-wavelength segmentation in measurement targets on substrates
US20110204484A1 (en) * 2008-06-02 2011-08-25 Asmd Netherlands B.V. Sub-Wavelength Segmentation in Measurement Targets on Substrates
US20090309022A1 (en) * 2008-06-12 2009-12-17 Hitachi High-Technologies Corporation Apparatus for inspecting a substrate, a method of inspecting a substrate, a scanning electron microscope, and a method of producing an image using a scanning electron microscope
US20100235114A1 (en) * 2009-03-10 2010-09-16 Kla-Tencor Corporation Systems and methods for determining one or more characteristics of a specimen using radiation in the terahertz range
US20110116085A1 (en) * 2009-11-19 2011-05-19 Chartered Semiconductor Manufacturing, Ltd. Defect detection recipe definition

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112840205A (zh) * 2018-10-19 2021-05-25 科磊股份有限公司 基于设计及噪声的关注区域
CN114096832A (zh) * 2019-07-09 2022-02-25 科磊股份有限公司 用于选择用于样本检验的缺陷检测方法的系统和方法
KR102718646B1 (ko) 2019-07-09 2024-10-16 케이엘에이 코포레이션 시편 검사를 위한 결함 검출 방법을 선택하기 위한 시스템 및 방법
CN114667596A (zh) * 2019-11-21 2022-06-24 科磊股份有限公司 基于噪声特性而对次关注区域进行聚类
CN114667596B (zh) * 2019-11-21 2023-08-18 科磊股份有限公司 基于噪声特性而对次关注区域进行聚类
CN114761791A (zh) * 2019-12-05 2022-07-15 科磊股份有限公司 用于在检验期间于样本上界定柔性区域的系统及方法

Also Published As

Publication number Publication date
DE112015004721B4 (de) 2023-09-21
US20160104600A1 (en) 2016-04-14
SG11201702725WA (en) 2017-04-27
JP2017539076A (ja) 2017-12-28
KR20170067876A (ko) 2017-06-16
IL250088B (en) 2020-07-30
TWI643280B (zh) 2018-12-01
CN107111294B (zh) 2018-12-11
WO2016061080A1 (en) 2016-04-21
JP6617143B2 (ja) 2019-12-11
DE112015004721T5 (de) 2017-07-06
TW201630092A (zh) 2016-08-16
IL250088A0 (en) 2017-03-30
KR102276921B1 (ko) 2021-07-12
US9727047B2 (en) 2017-08-08

Similar Documents

Publication Publication Date Title
CN107111294B (zh) 使用结构性信息的缺陷检测
KR102536011B1 (ko) 심층적으로 적층된 층들을 갖는 웨이퍼들에서 결함 분류기를 트레이닝하고 적용하기 위한 시스템, 방법
US9619876B2 (en) Detecting defects on wafers based on 2D scatter plots of values determined for output generated using different optics modes
CN104854677B (zh) 使用缺陷特定的信息检测晶片上的缺陷
KR102407075B1 (ko) 웨이퍼 상의 결함 검출
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
US7848563B2 (en) Method and apparatus for inspecting a defect of a pattern
US10395359B2 (en) Adaptive local threshold and color filtering
JP5662146B2 (ja) 半導体デバイス特徴の抽出、生成、視覚化、ならびに監視方法
JP2020034572A (ja) ウエハ上の欠陥を検出するためのシステムおよび方法
CN106662538A (zh) 重复缺陷检测
CN106796724A (zh) 自动化图案保真度测量计划产生
CN107078073A (zh) 用于工艺窗口特征化的虚拟检验系统
CN107533759A (zh) 对于关注图案图像群体的异常检测
CN105960702A (zh) 基于从标准参考图像确定的属性的缺陷检测及分类
CN101479563A (zh) 用于记录图像以及表面研究的方法和装置
KR20120099481A (ko) 결함 검사 방법 및 그 장치
CN105372324B (zh) 基于磁光成像法的缺陷检测方法
TWI581118B (zh) 在設計資料空間中判定檢測系統輸出之一位置
CN106233448B (zh) 在晶片检验的逻辑中的图案抑制
CN112740383A (zh) 在晶片上检测逻辑区域中的缺陷
JP7475901B2 (ja) 試験片上の欠陥検出の方法およびそのシステム
KR20210037685A (ko) 적어도 2개의 샘플 사이의 다수의 유형의 결함 중 적어도 하나의 유형의 결함의 분석
CN116368377A (zh) 多视角晶片分析
Wei et al. Research on Defect Images Fusion Method Based on Regional Energy Similarity

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant