CN108431937A - 光学裸片对数据库检查 - Google Patents

光学裸片对数据库检查 Download PDF

Info

Publication number
CN108431937A
CN108431937A CN201680077610.9A CN201680077610A CN108431937A CN 108431937 A CN108431937 A CN 108431937A CN 201680077610 A CN201680077610 A CN 201680077610A CN 108431937 A CN108431937 A CN 108431937A
Authority
CN
China
Prior art keywords
image
chip
optical
design
presented
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
CN201680077610.9A
Other languages
English (en)
Other versions
CN108431937B (zh
Inventor
高理升
罗涛
K·韦尔斯
李晓春
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 CN108431937A publication Critical patent/CN108431937A/zh
Application granted granted Critical
Publication of CN108431937B publication Critical patent/CN108431937B/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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明提供用于检测晶片上的缺陷的方法及系统。一个系统包含一或多个计算机子系统，其经配置以基于用于印刷于所述晶片上的设计的信息而产生呈现图像。所述呈现图像是由光学检查子系统针对印刷于所述晶片上的所述设计产生的图像的模拟。产生所述呈现图像包含一或多个步骤，且所述计算机子系统经配置用于通过执行生成模型而执行所述一或多个步骤中的至少一者。所述计算机子系统还经配置用于比较所述呈现图像与所述晶片的由所述光学检查子系统产生的光学图像。使用主掩模将所述设计印刷于所述晶片上。另外，所述计算机子系统经配置用于基于所述比较的结果检测所述晶片上的缺陷。

Description

光学裸片对数据库检查
技术领域
本发明通常涉及用于通过光学裸片对数据库检查而检测晶片上的缺陷的方法及系统。
背景技术
以下描述及实例并非凭借其包含于此章节中而被认为是先前技术。
制作例如逻辑及存储器装置的半导体装置通常包含使用大量半导体制作工艺处理例如半导体晶片的衬底以形成半导体装置的各种特征及多个层级。例如，光刻是涉及将图案从主掩模转印至布置于半导体晶片上的光阻的半导体制作工艺。半导体制作工艺的额外实例包含(但不限于)化学机械抛光(CMP)、蚀刻、沉积及离子植入。可在单一半导体晶片上以一配置制作多个半导体装置，且接着将所述半导体装置分离成个别半导体装置。
在半导体制造过程期间于各个步骤使用检查过程来检测晶片上的缺陷以促成制造过程中的较高产率及因此促成较高利润。检查始终是制作例如IC的半导体装置的重要部分。然而，随着半导体装置的尺寸减小，检查对于半导体装置的成功制造而言变得更为重要。
许多主掩模检查方法使用裸片对数据库类型比较来检测主掩模上的缺陷。此检查通常涉及获取主掩模的显微镜图像。从描述主掩模上的预期图案的数据库，可计算或模拟检查显微镜期望观察的主掩模的图像。接着，可比较所获取的光学图像与计算或模拟的图像以检测主掩模上的缺陷。这些主掩模检查方法已证实为可用于若干用途。然而，这些主掩模检查方法无法发现过程引发的缺陷(即，归因于在主掩模与将主掩模印刷于晶片上的过程之间的相互作用而将印刷于晶片上的缺陷)。
使用已使用主掩模印刷的晶片来执行一些主掩模检查。以此方式，晶片上检测到的缺陷可用于确定用于印刷晶片的主掩模上是否存在缺陷。在光学平台上通过比较检查的图像帧与参考帧来执行一些检查，其中参考帧是从晶片产生的图像的样本。参考图像帧的实例是：来自相邻裸片的图像；来自相同晶片或不同晶片上的标准参考裸片的图像；及来自相邻单元(在阵列结构中)的图像。
当前，针对晶片执行的裸片对数据库检查仅存在于扫描电子显微镜(SEM)检查平台上。然而，归因于处理能力约束(例如，归因于电子束工具的物理学)，可检验仅大体上少量位置(即，并非整个晶片及并非晶片上的全部裸片)。另外，由晶片的电子束检查执行的检查太缓慢而无法检核(qualify)需要检核的每一主掩模。此外，随着多图案化步骤光刻工艺的到来，且作为针对单一光刻工艺需要多个主掩模检核的结果，必须执行检核的主掩模的数目大体上应增加。
涉及比较晶片图像与参考晶片图像以检测晶片上的缺陷的当前可用光学检查方法学无法满足执行此检查的使用情况中的一些。例如，此类当前使用的光学检查无法检测使用单一裸片主掩模印刷的裸片内的中继器缺陷。这一使用情况的一个实例是用于极紫外线(EUV)掩模检核。特定来说，归因于缺乏护膜，掩模上的粒子当印刷于晶片上时变为晶片上的中继器缺陷。因此，此类缺陷将在裸片间比较中彼此抵消且未经检测。另外，此类当前使用的光学检查无法用于设计意图检验。例如，从晶片的部分产生的参考图像含有过程变动。因此，比较这一参考图像与不同晶片图像将抵消两个图像中的过程变动，从而呈现不可检测的过程变动。此外，在过程变得成熟之前，难以发现“黄金”参考裸片。例如，用户可能不知道哪一裸片或哪些裸片可用作“黄金”参考裸片以用于与晶片上的其它裸片进行比较。
因此，开发无上文所描述的一或多个缺点的用于检测晶片上的缺陷的系统及/或方法将为有利的。
发明内容
各种实施例的以下描述绝不应理解为限制随附权利要求书的主题。
一项实施例涉及一种经配置以检测晶片上的缺陷的系统。所述系统包含光学检查子系统，所述光学检查子系统包含至少一光源及检测器。所述光源经配置以产生导引到晶片的光。所述检测器经配置以检测来自晶片的光且回应于所检测光而产生输出。所述系统还包含经配置以基于用于印刷于所述晶片上的设计的信息产生呈现图像的一或多个计算机子系统。所述呈现图像是由所述光学检查子系统针对印刷于晶片上的设计产生的图像的模拟。产生所述呈现图像包含一或多个步骤。所述一或多个计算机子系统经配置用于通过执行生成模型而执行一或多个步骤中的至少一者。所述计算机子系统还经配置用于比较所述呈现图像与晶片的由所述光学检查子系统产生的光学图像。使用主掩模来将所述设计印刷于晶片上。所述计算机子系统进一步经配置用于基于比较结果来检测所述晶片上的缺陷。可如本文中所描述般进一步配置系统。
另一实施例涉及一种用于检测晶片上的缺陷的计算机实施的方法。所述方法包含针对上文所描述的一或多个计算机子系统的功能中的每一者的步骤。所述方法的步骤由一或多个计算机系统执行。可如本文中进一步描述般执行所述方法。另外，所述方法可包含本文中所描述的(若干)任何其它方法的(若干)任何其它步骤。此外，所述方法可由本文中所描述的任何系统执行。
一个额外实施例涉及一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可于计算机系统上执行以执行用于检测晶片上的缺陷的计算机实施的方法。所述计算机实施的方法包含上文所描述的方法的步骤。可如本文中所描述般进一步配置计算机可读媒体。可如本文中进一步描述般执行计算机实施的方法的步骤。另外，程序指令为可执行的计算机实施的方法可包含本文中所描述的(若干)任何其它方法的(若干)任何其它步骤。
附图说明
本发明的其它目标及优点将在阅读以下详细描述且参考附图之后变得显而易见，其中：
图1是说明如本文中所描述般配置的系统的实施例的侧视图的示意图；
图2是说明可由本文中所描述的一或多个计算机子系统执行的步骤的一项实施例的流程图；
图2a到2b是说明可包含在本文中所描述的实施例中及/或由本文中所描述的实施例使用的生成模型的各种实施例的示意图；
图3到6是说明可由本文中所描述的一或多个计算机子系统执行的步骤的各种实施例的流程图；及
图7是说明存储程序指令的非暂时性计算机可读媒体的一项实施例的框图，所述程序指令可在计算机系统上执行从而执行本文中所描述的一或多个计算机实施的方法。
尽管本发明易受以各种修改及替代形式影响，但本发明的特定实施例通过实例在图式中展示且将在本文中详细描述。然而，应理解，图式及其详细描述不意欲将本发明限于所揭示的特定形式，而相反，本发明欲涵盖落于如由随附权利要求书界定的本发明的精神及范围内的全部修改、等效物及替代。
具体实施方式
如本文中使用的术语“设计”及“设计数据”通常指IC的物理设计(布局)及透过复杂模拟或简单几何及布尔(Boolean)运算从物理设计导出的数据。设计可包含在2009年8月4日颁予札法(Zafar)等人的共同拥有的第7,570,796号美国专利及2010年3月9日颁予库尔卡尼(Kulkarni)等人的共同拥有的第7,676,077号美国专利中描述的任何其它设计数据或设计数据代理，这两个专利以宛如全文陈述引用的方式并入本文中。另外，设计数据可为标准单元库数据、集成布局数据、一或多个层的设计数据、设计数据的衍生物及完全或部分芯片设计数据。
然而，一般来说，设计信息或数据无法通过使用晶片检查系统使晶片成像来产生。例如，形成于晶片上的设计图案不可精确表示用于晶片的设计，且晶片检查系统无法以足够分辨率产生形成于晶片上的设计图案的图像，使得图像可用于确定关于晶片的设计的信息。因此，一般来说，无法使用物理晶片产生设计信息或设计数据。另外，本文中所描述的“设计”及“设计数据”指在设计过程中由半导体装置设计者产生的信息及数据，且因此所述信息及数据在将设计印刷于任何物理晶片上之前可良好地用于本文中所描述的实施例中。
现转到图式，应注意，图未按比例绘制。特定来说，在很大程度上夸示图的一些元件的尺度以强调元件的特性。还应注意到，图未按相同比例绘制。已使用相同参考数字来指示可经类似配置的展示于一个以上图中的元件。除非本文中另有说明，否则所描述且展示的任何元件可包含任何适合市售元件。
一项实施例涉及一种经配置以检测晶片上的缺陷的系统。一般来说，本文中所描述的实施例经配置用于使用深度学习(DL)技术执行的晶片的光学裸片对数据库(DB)检查。换句话说，本文中所描述的实施例通常经配置用于比较使用主掩模印刷的晶片的光学图像与使用一或多个DL引擎从DB产生的呈现图像以检测晶片上的缺陷。
晶片可包含此项技术中已知的任何晶片。使用主掩模将设计印刷于晶片上。可使用主掩模以此项技术中已知的任何适合方式(例如，通过在晶片上沉积一或多个材料且对晶片执行光刻工艺以将设计从主掩模转印到晶片)将设计印刷于晶片上。晶片也可为短回路晶片，从而意谓尚未被执行最终形成功能装置需要的全部过程步骤的晶片。换句话说，晶片可为或可不为全回路晶片。例如，晶片可为仅已被执行上文所描述的过程步骤(例如沉积、光刻及可能蚀刻)的晶片。因而，晶片可不包含形成于正检查的晶片的层下方的一或多个层(图案化及/或未图案化)。以此方式，在本文中所描述的检查之前对晶片执行的过程步骤可仅包含将晶片的设计从主掩模转印到晶片所需的那些过程步骤。主掩模可包含此项技术中已知的任何主掩模，例如经配置用于与极紫外线(EUV)光或另一适合类型的光一起使用的主掩模。
图1中展示此系统的一项实施例。系统包含光学检查子系统，所述光学检查子系统包含至少一光源及检测器。光源经配置以产生导引到晶片的光。检测器经配置以检测来自晶片的光且回应于所检测光而产生输出。
在图1中展示的系统的实施例中，光学检查子系统10包含经配置以将光导引到晶片14的照明子系统。照明子系统包含至少一个光源。例如，如图1中所展示，照明子系统包含光源16。在一项实施例中，照明子系统经配置以按可包含一或多个倾斜角及/或一或多个法向角的一或多个入射角将光导引到晶片。例如，如图1中所展示，引导来自光源16的光穿过光学元件18且接着穿过透镜20而到达分光器21，分光器21以法向入射角将光导引到晶片14。入射角可包含可取决于(例如)晶片的特性及在晶片上待检测的缺陷而发生改变的任何适合入射角。
照明子系统可经配置以在不同时间按不同入射角将光导引到晶片。例如，检查子系统可经配置以变更照明子系统的一或多个元件的一或多个特性，使得光可按不同于图1中所展示的入射角的入射角被导引到晶片。在一个此实例中，检查子系统可经配置以移动光源16、光学元件18及透镜20使得光按不同入射角被导引到晶片。
在一些例项中，检查子系统可经配置以在相同时间按一个以上入射角将光导引到晶片。例如，照明子系统可包含一个以上照明通道，照明通道中的一者可包含如图1中所展示的光源16、光学元件18及透镜20，且照明通道的另一者(图中未展示)可包含可不同或相同配置的类似元件或可包含至少一光源及可能包含一或多个其它组件(例如本文中进一步描述的彼等组件)。如果在与其它光相同的时间将此光导引到晶片，则按不同入射角导引到晶片的光的一或多个特性(例如波长、偏光等等)可不同，使得可在(若干)检测器处对源自按不同入射角照明晶片的光彼此区分。
在另一例项中，照明子系统可仅包含一个光源(例如，图1中所展示的光源16)且来自所述光源的光可由照明子系统的一或多个光学元件(图中未展示)分离成不同光学路径(例如，基于波长、偏光等等)。接着，可将不同光学路径中的每一者中的光导引到晶片。多个照明通道可经配置以在相同时间或不同时间(例如，当使用不同照明通道以依序照明晶片时)将光导引到晶片。在另一例项中，相同照明通道可经配置以在不同时间将具有不同特性的光导引到晶片。例如，在一些例项中，光学元件18可经配置为光谱滤光器且可以各种不同方式(例如，通过调换出光谱滤光器)改变光谱滤光器的性质，使得可在不同时间将不同波长的光导引到晶片。照明子系统可具有此项技术中已知的用于依序或同时按不同或相同入射角将具有不同或相同特性的光导引到晶片的任何其它适合配置。
在一项实施例中，光源16可包含宽带等离子(BBP)光源。以此方式，由光源产生且导引到晶片的光可包含宽带光。然而，光源可包含任何其它适合光源，例如激光。激光可包含此项技术中已知的任何适合激光且可经配置以产生呈任何适合波长或此项技术中已知的波长的光。另外，激光可经配置以产生单色或近单色光。以此方式，激光可为窄带激光。光源还可包含产生呈多个离散波长或波带的光的多色光源。
来自光学元件18的光可通过透镜20聚焦到分光器21。尽管透镜20在图1中展示为单折射光学元件，但应理解，实际上，透镜20可包含组合地将来自光学元件的光聚焦到晶片的数个折射及/或反射光学元件。图1中所展示且本文中所描述的照明子系统可包含任何其它适合光学元件(图中未展示)。此类光学元件的实例包含(但不限于)(若干)偏光组件、(若干)光谱滤光器、(若干)空间滤光器、(若干)反射光学元件、(若干)变迹器、(若干)分光器、(若干)光圈及可包含此项技术中已知的任何此类适合光学元件的类似者。另外，系统可经配置以基于用于检查的照明的类型来变更照明子系统的元件中的一或多者。
检查子系统还可包含经配置以导致光扫描遍及晶片的扫描子系统。例如，检查子系统可包含载物台22，在检查期间晶片14安置于所述载物台22上。扫描子系统可包含可经配置以移动晶片使得光可扫描遍及晶片的任何适合机械及/或机器人组合件(包含载物台22)。另外或替代地，检查子系统可经配置使得检查子系统的一或多个光学元件执行光的遍及晶片的某一扫描。可以任何适合方式使光扫描遍及晶片。
检查子系统进一步包含一或多个检测通道。一或多个检测通道中的至少一者包含检测器，所述检测器经配置以检测归因于通过检查子系统照明晶片而来自晶片的光且响应于所检测光而产生输出。例如，图1中所展示的检查子系统包含两个检测通道，一个检测通道由集光器24、元件26及检测器28形成且另一检测通道由集光器30、元件32及检测器34形成。如图1中所展示，两个检测通道经配置以按不同收集角收集且检测光。在一些例项中，一个检测通道经配置以检测镜面反射光且另一检测通道经配置以检测并非自晶片镜面反射(例如，散射、绕射等等)的光。然而，两个或两个以上检测通道可经配置以检测来自晶片的相同类型的光(例如镜面反射光)。尽管图1展示包含两个检测通道的检查子系统的实施例，但检查子系统可包含不同数目个检测通道(例如，仅一个检测通道或者两个或两个以上检测通道)。尽管在图1中将集光器中的每一者展示为单折射光学元件，但应理解，集光器中的每一者可包含一或多个折射光学元件及/或一或多个反射光学元件。
一或多个检测通道可包含此项技术中已知的任何适合检测器。例如，检测器可包含光电倍增管(PMT)、电荷耦合装置(CCD)及时延积分(TDI)相机。检测器还可包含此项技术中已知的任何其它适合检测器。检测器还可包含非成像检测器或成像检测器。以此方式，如果检测器是非成像检测器，则检测器中的每一者可经配置以检测散射光的某些特性(例如强度)，但可能不经配置以检测依据成像平面内的位置而变化的此类特性。因而，由包含于检查子系统的每一检测通道中的每一检测器产生的输出可为信号或数据，而非图像信号或图像数据。在此类例项中，计算机子系统(例如系统的计算机子系统36)可经配置以从检测器的非成像输出产生晶片的图像。然而，在其它例项中，检测器可经配置为经配置以产生成像信号或图像数据的成像检测器。因此，系统可经配置而以若干方式产生本文中所描述的输出。
应注意，本文中提供图1以大体上说明可包含于本文中所描述的系统实施例中的检查子系统的配置。显然，可变更本文中所描述的检查子系统配置以如在设计商业检查系统时通常执行般优化系统的性能。另外，可使用例如可购自KLA-Tencor的28xx及29xx系列的工具的现有检查系统(例如，通过将本文中所描述的功能性添加到现有检查系统)实施本文中所描述的系统。对于一些此类系统，本文中所描述的方法可提供为系统的任选功能性(例如，除系统的其它功能性之外)。替代地，可“从头开始”设计本文中所描述的系统以提供全新系统。
图1中所展示的光学检查子系统还可通过变更检查子系统的一或多个参数(例如，增大检查子系统的分辨率)而配置为光学缺陷重检子系统，其可以此项技术中已知的任何适合方式执行。以此方式，本文中所描述的系统可经配置以使用比较(例如本文中所描述的这些比较)来执行缺陷重检及/或分类。可以其它方式以此项技术中已知的任何适合方式执行缺陷重检及/或分类。
系统的计算机子系统36可以任何适合方式(例如，经由一或多个传输媒体，一或多个传输媒体可包含“有线”及/或“无线”传输媒体)耦合到检查子系统的检测器使得计算机子系统可接收在晶片的扫描期间由检测器产生的输出。计算机子系统36可经配置以使用如本文中所描述的检测器的输出执行数个功能及本文中进一步描述的任何其它功能。可如本文中所描述般进一步配置此计算机子系统。
此计算机子系统(以及本文中所描述的其它计算机子系统)在本文中还可称为(若干)计算机系统。本文中所描述的(若干)计算机子系统或(若干)系统的每一者可采取各种形式，包含个人计算机系统、图像计算机、主计算机系统、工作站、网络设备、因特网设备或其它装置。一般来说，术语“计算机系统”可经广泛定义以涵盖具有执行来自存储器媒体的指令的一或多个处理器的任何装置。(若干)计算机子系统或(若干)系统还可包含此项技术中已知的任何适合处理器，例如并行处理器。另外，(若干)计算机子系统或(若干)系统可包含具有高速度处理及软件的计算机平台作为独立工具或网络工具。
如果系统包含一个以上计算机子系统，则不同计算机子系统可彼此耦合，使得可在计算机子系统之间发送图像、数据、信息、指令等等，如本文中进一步描述。例如，计算机子系统36可通过可包含此项技术中已知的任何适合有线及/或无线传输媒体的任何适合传输媒体耦合到(若干)计算机子系统102(如由图1中的虚线展示)。两个或两个以上此类计算机子系统也可通过共享计算机可读存储媒体(图中未展示)而有效耦合。
上文所描述的一或多个计算机子系统经配置以基于用于印刷于晶片上的设计的信息而产生呈现图像。呈现图像是通过光学检查子系统针对印刷于晶片上的设计所产生的图像的模拟。产生呈现图像包含一或多个步骤，且一或多个计算机子系统经配置用于通过执行生成模型而执行一或多个步骤中的至少一者。例如，如图2中所展示，(若干)计算机子系统可经配置以获取设计数据库200，设计数据库200可包含设计多边形202或本文中所描述的其它设计信息。(若干)计算机子系统可使用(若干)生成模型204以从设计数据库200产生呈现图像206。生成模型中的每一者可使用深度学习技术来执行图像呈现。(若干)生成模型及(若干)深度学习技术可包含本文中进一步描述的任何生成模型及深度学习技术。以此方式，可应用深度学习方法以从设计产生呈现图像。因此，(若干)计算机子系统可使用设计多边形202作为输出呈现图像206的(若干)生成模型的输入，呈现图像206的实例中的一者在图2中展示为呈现图像208。
以此方式，(若干)计算机子系统经配置用于从设计产生模拟光学检查图像。另外，(若干)计算机子系统经配置以使用一或多个生成模型来执行在产生模拟图像中涉及的一或多个步骤而从设计产生模拟光学图像。可以本文中进一步描述的多个不同方式执行生成建模。例如，(若干)计算机子系统可使用生成模型以凭借估计近场及精确或近似光学系统模型从设计(多边形)建模。在另一实例中，(若干)计算机子系统可使用生成模型以从几何形状及材料信息的堆栈建模以计算或估计近场且学习并使用精确或近似光学系统模型。
(若干)计算机子系统还经配置用于比较呈现图像与晶片的由光学检查子系统产生的光学图像且基于比较结果来检测晶片上的缺陷。使用主掩模来将设计印刷于晶片上。例如，如图2中所展示，可使用主掩模用晶片的设计来印刷物理晶片210。在一个此实例中，可将设计212印刷于晶片210上。接着，成像硬件214(即，如本文中所描述的光学检查子系统)可产生物理晶片的光学图像216。此光学图像的实例在图2中展示为光学图像218。接着，(若干)计算机子系统可通过比较呈现图像206与光学图像216且基于比较结果检测缺陷而执行比较及检测，如步骤220中所展示。例如，(若干)计算机子系统可从光学图像218减去呈现图像208，借此产生差异图像222。以此方式，(若干)计算机子系统可经配置用于比较光学晶片图像与来自设计的呈现图像。
接着，(若干)计算机子系统可使用差异图像以任何适合方式检测晶片上的缺陷。例如，(若干)计算机子系统可将一或多个缺陷检测算法及/或方法应用于差异图像。在一个此实例中，(若干)计算机子系统可比较差异图像222中的信号或数据与阈值。高于阈值的任何信号或数据可被识别为缺陷或潜在缺陷，而低于阈值的任何信号或数据不会被识别为缺陷或潜在缺陷。当然，此项技术中已知许多其它缺陷检测算法及方法，且本文中所描述的实施例不限于任一缺陷检测算法或方法。换句话说，本文中所描述的比较结果可输入到此项技术中已知的任何适合缺陷检测算法及/或方法。
在一些实施例中，一或多个计算机子系统经进一步配置用于基于所检测缺陷来确定主掩模是否通过检核。可以此项技术中已知的任何适合方式执行基于在晶片上检测的缺陷来确定主掩模是否通过检核。本文中所描述的实施例的一个优点是其可执行裸片对DB检查用于EUV掩模检核。不同于正常光学掩模，由于缺乏光化EUV掩模检查系统，EUV掩模检核系统当前不可用。然而，本文中所描述的实施例可用于此项技术中已知的任何类型的主掩模的主掩模检核。以此方式，可透过在本文中描述为主掩模检核的部分的裸片至DB光学晶片检查而验证晶片上的主掩模的印刷适性。
本文中所描述的实施例还可经配置用于执行过程窗口检核(process windowqualification；PWQ)，例如在以宛如全文陈述引用的方式并入本文中的以下各者中描述的过程窗口检核：2005年6月7日颁予帕特森(Peterson)等人的第6,902,855号美国专利；2008年8月26日颁予帕特森等人的第7,418,124号美国专利；2010年8月3日颁予开卡瑞(Kekare)等人的美国专利第7,769,225号；2011年10月18日颁予帕克(Pak)等人的第8,041,106号美国专利及2012年7月3日颁予帕特森等人的第8,213,704号美国专利。本文中所描述的实施例可包含这些专利中描述的任何方法的任何步骤且可如这些专利中描述般进一步配置。可如这些专利中描述般印刷PWQ晶片。
在另一实施例中，一或多个计算机子系统经配置用于基于所检测缺陷来确定对晶片执行的一或多个过程步骤的性能。在一项此类实施例中，晶片是短回路晶片。例如，可仅使用将形成于晶片上的全部层的子集制造短回路晶片以制作功能完整装置。此类晶片可用于仅检验例如光刻步骤及/或蚀刻步骤的特定过程步骤。可以任何适合方式确定基于所检测缺陷来对晶片执行的一或多个过程步骤的性能。一旦已确定一或多个过程步骤的性能，便可以任何适合方式(例如，通过基于一或多个过程步骤的确定性能而确定且便更一或多个过程步骤的一或多个参数以借此校正一或多个过程步骤的性能，例如，使一或多个过程步骤的性能回至规范)变更一或多个过程步骤。
本文中所描述的用于光学晶片检查的裸片对DB是新技术。特定来说，当前不存在可用于晶片检查的光学裸片对DB方法学。另外，用于光学晶片检查的裸片对DB具有优于用于检测晶片上的缺陷的其它当前可用方法的多个重要优点。例如，本文中所描述的实施例可检测裸片间中继器缺陷及自设计的变化。另外，本文中所描述的实施例不依赖于使用从物理晶片产生的标准参考裸片以用作与晶片裸片图像比较的DB。例如，标准参考裸片可用作用于检测裸片间中继器缺陷的代理。然而，有时，不知道哪一裸片适合用作标准参考裸片。此外，不存在如今可用于检验设计意图的检查技术。
针对晶片的扫描电子显微镜(SEM)裸片对DB检查当前可用。SEM裸片对DB如今常常用于若干使用情况，例如用于检测临界尺寸(CD)变化，其中灵敏度要求可小到2nm。然而，SEM裸片对DB未快到满足晶片检查的需要。例如，当前，归因于处理能力约束(归因于SEM成像过程的物理学)，仅可检验大体上少量位置。相比之下，本文中所描述的光学裸片对DB检查可在可接受时间段内检查整个晶片。以此方式，可远快于SEM裸片对DB执行本文中所描述的光学裸片对DB检查。另外，本文中所描述的裸片对DB检查可针对此项技术中已知的任何晶片执行且用于检核此项技术中已知的任何主掩模。因此，本文中所描述的实施例使用户能够完成任何新的主掩模的整合除错，用户用当前电子束解决方案无时间完成所述整合除错。另外，由于SEM具有比光学检查工具大体上更高的分辨率且仅使晶片的顶层成像，因此从设计呈现SEM图像为相对容易的。例如，SEM图像可看似大体上类似于设计，惟隅角可经修圆除外。另外，SEM裸片对DB检查在检测妨害问题中存在挑战。
相比之下，归因于分辨率的光学限制及在产生实际产品的模拟中所需的精确度及处理能力，光学裸片对DB是比SEM裸片对DB困难得多。归因于技术难题，用于晶片检查的光学裸片对DB当前不可用于产业中。
一些主掩模检查方法使用近场近似法用于检测主掩模上的缺陷。例如，可基于薄膜假定及关于主掩模检查子系统的光学路径的信息来近似计算主掩模平面处的近场。此薄膜假定假定主掩模平面处的近场接近设计(用于光刻仅一个层)，当波长及特征大小大约相同时假定适用。使用如今的设计规则，特征尺寸远小于波长，即使针对特征尺寸是晶片上的特征尺寸的4倍的主掩模也如此。因此，主掩模平面近场近似法在主掩模检查中变得愈来愈具挑战性。在晶片上，归因于特征大小的4倍缩小，其甚至更具挑战性。
生成模型可为深度学习(DL)类型模型。以此方式，本文中所描述的实施例可经配置用于使用(若干)深度学习技术的光学裸片对DB晶片检查。
在一项实施例中，生成模型经配置为卷积神经网络(CNN)。以此方式，可将CNN用作DL引擎。在图2a中展示可用于本文中所描述的实施例中的CNN配置的一项实施例。如此图中所展示，可将输入图像224输入到CNN的第一层226(层1)。如层1中所展示，层1可包含各种核心，例如卷积核心228、矫正及对比度正规化核心230及汇集核心232。可将层1的输出输入到CNN的第二层234(层2)。此层也可包含卷积核心236、矫正及对比度正规化核心238及汇集核心240。可将此层的输出输入到一或多个额外层(在图中通过省略号示意性地展示)，直到紧邻最后层(图2a中未展示)的输入被输入到CNN的最终层242(层n)。最终层242可包含卷积核心244、矫正及对比度正规化核心246及汇集核心248。此最终层的输出可为可与目标图像252比较的输出图像250，目标图像252可为由光学检查子系统通过使实际晶片成像而获取的光学图像。
成本函数254可用于确定输出图像与目标图像之间的差异且基于差异来修改CNN的一或多个层的一或多个参数。可用于CNN的训练的成本函数的实例包含欧几里德(Euclidean)距离、交叉熵及此项技术中已知的任何其它适合成本函数。反向传播算法可最小化成本函数且收敛到最佳网络。
以此方式，CNN可将输入图像转换为输出图像。每一层含有卷积核心，其中卷积核心集合对至所述层的输入图像进行操作，且矫正/对比度正规化及汇集层是任选的。图2b展示可包含于用于本文中所描述的实施例中的CNN中的每一层的细节的实例。(图2b已从“关于针对视觉的深度学习的指南(Tutorial on Deep Learning for Vision)”(CVPR2014)中的一个图摘录，其以宛如全文陈述引用的方式并入本文中。可如此文件中描述般进一步配置本文中描述的生成模型。)如图2b中所展示，CNN的每一层可包含图像258输入到的滤波器组256。滤波器组256对输入图像执行卷积以产生子图像集合260。将子图像输入到产生子图像集合264的矫正及对比度正规化核心262。接着，可将由矫正及对比度正规化核心产生的子图像输入到汇集核心266。接着，可将汇集层的输出268提供至CNN中的下一层。包含在每一层中的核心可具有此项技术中已知的任何适合配置。另外，CNN可包含此项技术中已知的任何适合数目个层。
在另一实施例中，生成模型经配置为自动编码器。自动编码器可具有此项技术中已知的任何适合配置。另外，DL引擎可具有任何适用DL架构及其变化或实施方案。
在一项实施例中，通过执行生成模型及额外生成模型来执行至少一个步骤。例如，DL呈现引擎可与单个及/或多个DL引擎一起用于建模步骤的多个组合中或用于每一单个步骤中。在一项此实施例中，一或多个步骤包含第一步骤及第二步骤，且一或多个计算机子系统经配置用于通过执行生成模型来执行第一步骤且通过执行额外生成模型来执行第二步骤。以此方式，不同生成模型可用于经执行以产生呈现图像的不同步骤。不同生成模型的配置将取决于其将用于的(若干)步骤。在一个此实例中，不同生成模型可用于本文中所描述的经执行以产生呈现图像的每一步骤。以此方式，可将一个生成模型的输出输入到不同生成模型。但是，在一些例项中，可使用一或多个生成模型及一或多个非生成模型的组合来执行本文中所描述的步骤。在一个此例项中，生成模型可用于执行在产生呈现图像中所涉及的一个步骤，而非生成模型可用于执行在产生呈现图像中所涉及的不同步骤。非生成模型可包含可经配置以执行本文中所描述的一或多个步骤的任何适合模型，在本文中进一步描述适合模型的一些实例。
在另一此实施例中，一或多个计算机子系统经配置用于单独训练生成模型及额外生成模型。例如，DL呈现引擎可在单个或多个训练的情况下与单个及/或多个DL引擎一起用于建模步骤的多个组合中或用于每一单个步骤中。如本文中进一步描述，在训练生成模型及/或一或多个额外模型时，可比较(若干)呈现图像与(若干)光学图像以确定这些图像之间的差异且使用所述差异来训练生成模型及/或一或多个额外模型。在训练(若干)生成模型时，可使用成本函数来执行比较及/或被训练的生成模型的修改，成本函数可包含任何适合成本函数，例如(但不限于)欧几里德距离及交叉熵。
可通过执行生成模型或一个以上生成模型而执行的一或多个步骤可包含本文中所描述的(若干)步骤中的任一者。例如，如本文中进一步描述，所述一或多个步骤包含从设计建模光学检查图像，其可使用本文中所描述的一或多个生成模型用DL来执行。另外，如本文中进一步描述，所述一或多个步骤可包含从设计(多边形)建模以从检查工具产生光学图像，其可使用本文中所描述的一或多个生成模型用DL来执行。也如本文中进一步描述，所述一或多个步骤可包含使用本文中所描述的一或多个生成模型透过DL方法从几何形状及材料信息的堆栈建模以估计近场及/或光学系统模型。
在一项实施例中，所述一或多个步骤包含将用于设计的信息中的多边形转换成灰阶图像。例如，如图3中所展示，可通过DB光栅304来将设计多边形300(例如设计多边形302)转换成灰阶图像306。特定来说，DB光栅可将多边形300转换成灰阶图像。可以任何适合方式执行DB光栅。例如，可使用设计多边形来产生中间二进制图像。接着可对中间二进制图像执行缩减采样及去频叠以产生灰阶图像。以此方式，灰阶图像306可为原始灰阶图像。原始灰阶图像中的特征可具有等于原始设计尺寸的尺寸(例如CD)。
在一项此实施例中，以子像素精确度执行转换多边形。换句话说，(若干)计算机子系统可以子像素精确度将设计中的多边形转换成灰阶图像。子像素精确度意指灰阶图像应能够表示具有小于一个像素的尺寸(例如宽度或高度)的多边形。例如，如果存在具有0.31个像素的高度的多边形，则应在灰阶图像中适当反映所述高度(为0.31个像素)。另外，灰阶图像应以子像素精确度反映多边形位置。例如，如果第一多边形定中心在31.3个像素且第二多边形定中心在42.7个像素，则灰阶图像应能够表示多边形之间的非整数距离，所述非整数距离为11.4个像素(42.7个像素到31.3个像素)。相比之下，如今使用的许多DB光栅方法仅可处置具有为整数个像素的大小的多边形。
在另一此实施例中，所述一或多个步骤包含：通过将偏置校正及隅角修圆应用到灰阶图像来产生经修改灰阶图像。例如，如图3中所展示，DB模型308可使用灰阶图像306作为输入以产生经修改灰阶图像310。通过将偏置校正及隅角修圆应用到灰阶图像，经修改灰阶图像中所展示的特征可具有与灰阶图像中所展示的特征不同的尺寸及隅角修圆。例如，归因于光刻工艺误差，经常地，晶片上的实际图案大小不同于所设计的CD。此类差异在此项技术中通常称为“偏置”。因此，通过修改灰阶图像来考虑此偏置，如本文中描述般产生的呈现图像将更精确地模拟将由检查子系统产生的光学图像。可以任何适合方式(例如，实验性或经验性地)从任何适合来源获取适当偏置校正及隅角修圆。也可以任何适合方式(例如，作为恒定偏置的常数或作为非线性偏置的函数)表达偏置。
在一些此类实施例中，所述一或多个步骤也包含基于经修改灰阶图像及用于印刷于晶片上的设计的信息来估计晶片的近场。例如，如图3中所展示，近场估计312可使用经修改灰阶图像310作为输入以产生经估计近场314。用于近场估计的设计的信息可包含材料参数、三维(3D)效应、波长及角度相依性等等。晶片的经估计近场是将通过晶片上的材料及其几何形状与由光学检查子系统导引到晶片的光的相互作用而在晶片的上表面处或附近(即，在晶片平面处)产生的电磁(EM)场的模拟。经估计近场可包含如在经估计近场314的左侧中所展示的振幅及如经估计近场314的右侧中所展示的相位。经估计近场也可为或包含复数。可以多个不同方式估计经估计近场。例如，可通过克希何夫(Kirchhoff)/薄掩模近似法、厚掩模近似法、严格EM模拟(例如，有限差分时域(FDTD))、严格EM模拟加上薄掩模近似法及任何其它适合近似法、函数或此项技术中已知的模型来估计近场。
在一项此实施例中，所述一或多个步骤包含基于近场及光学检查子系统的光学模型来产生初始呈现图像，所述初始呈现图像是由光学检查子系统针对印刷于晶片上的设计产生的图像的另一模拟。因此，在本文中所描述的实施例中，光学建模的输入是近场估计而非设计数据库。例如，如图3中所展示，光学模型316可使用经估计近场314作为输入以产生初始呈现图像318。光学模型可在具有及不具有光学检查子系统的像差的情况下建模。可使用非相干模型、部分相干模型、部分相干-霍普金斯(Hopkins)公式、线性卷积模型、具有赫米特(Hermitian)二次式的线性卷积模型、稳健主成分分析(稳健PCA)、阿贝(Abbe)成像方法、严格EM模型及此项技术中已知的任何其它适合近似法、函数或模型来执行产生初始呈现图像。
在另一实施例中，所述一或多个步骤还包含通过修改初始呈现图像以最小化初始呈现图像与由光学检查子系统产生的光学图像之间的差异而自初始呈现图像产生呈现图像。例如，如图3中所展示，由(若干)计算机子系统执行的动态补偿320可修改初始呈现图像318以产生呈现图像322，呈现图像322的一个实例在图3中展示为呈现图像324。可执行动态补偿以补偿呈现图像与光学图像之间的差异，例如图像的增益及偏移(例如，针对图像之间的色调失配及相对小的失准)及图像的归因于光学检查子系统的像差的差异。另外，由于本文中所描述的模拟可有意为不完全严格，且由于印刷于晶片上的特征的材料/尺寸可以不可预测的方式从设计发生变化，因此可执行运行时间补偿以减少呈现图像与光学图像之间的差异。呈现图像与光学图像之间的较小差异意指呈现图像较类似于光学图像。以此方式，通过执行本文中所描述的动态补偿将检测到显著较少的妨害及错误缺陷。
在一个此实例中，呈现图像的灰阶可稍微小于光学图像的灰阶及/或呈现图像可不与光学图像良好地对准。因此，仅比较呈现图像与光学图像且基于比较结果检测缺陷可产生显著数目个妨害缺陷。因此，可设计本文中所描述的动态补偿以减少呈现图像与光学图像之间的此类系统差异。可使用此项技术中已知的任何适合模型、算法或函数动态补偿灰阶及/或对准上的此类差异。在另一此实例中，光学成像中的工具像差可导致实际光学图像不同于预期光学图像。此类工具像差的实例包含(但不限于)透镜偏心及晶片散焦。全部像差可导致横跨成像透镜的出射光瞳的相位误差(相较于预期理想相位分布)。到目前为止，描述光学成像系统中的像差的最常见方式是使用任尼克(Zernike)多项式。因此，本文中所描述的动态补偿可使用像差的描述(例如任尼克多项式或此项技术中已知的光学成像系统像差的任何其它适合描述)来修改呈现图像以借此最小化呈现图像与光学图像之间的差异。可使用此项技术中已知的任何适合模型、算法或函数执行此修改。
如图3中进一步展示，一个实例在图3中展示为光学图像328的光学图像326可由(若干)计算机子系统从检查子系统(或其中存储图像的计算机可读存储媒体)获取，且与呈现图像322进行比较。此类比较可产生差异图像330。可执行呈现图像与光学图像之间的比较用于缺陷检测，此可如本文中进一步描述般执行。也可或替代地执行呈现图像与光学图像之间的比较用于一或多个其它目的。例如，在一些例项中，可比较对应于设计的相同(或大体上相同)部分的呈现图像与光学图像用于呈现图像(且因此设计)与光学图像的对准。可针对多个原因执行此对准，原因包含设定光学裸片对DB检查；以及其它原因，例如设定或修改用于动态补偿320的一或多个参数。
如上文所描述，可使用一或多个生成模型来执行经执行以产生呈现图像的一或多个步骤。在一个此实例中，一或多个生成模型可用于图3中所展示的近场估计312。在此情况下，一或多个DL引擎可学习晶片的表面上的EM场，所述EM场取决于材料参数、3D效应、照明波长及角度等等。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图3中未展示)来比较呈现图像322与光学图像326且修改用于近场估计的(若干)DL引擎的一或多个参数。一或多个其它模型可用于图3中所展示的全部其它步骤，且这些一或多个其它模型可或可不为生成模型。
在另一此实例中，一或多个生成模型可用于图3中所展示的光学模型316。在此情况下，(若干)DL引擎可学习具有及不具有来自系统的像差的光学模型。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图3中未展示)来比较呈现图像322与光学图像326且修改用于光学建模的(若干)DL引擎的一或多个参数。一或多个其它模型可用于图3中所展示的全部其它步骤，且这些一或多个其它模型可或可不为生成模型。
在额外此实例中，一或多个生成模型可用于图3中所展示的近场估计312及光学模型316。在此情况下，一或多个DL引擎可学习晶片的表面上的EM场(其取决于材料参数、3D效应、照明波长及角度等等)以及具有及不具有来自系统的像差的光学模型两者。以此方式，图3中所展示的步骤312及316可不作为单独步骤执行，而是可作为单个步骤执行，所述单个步骤的输入为经修改灰阶图像310且其输出为初始呈现图像318。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图3中未展示)来比较呈现图像322与光学图像326且修改用于近场估计及光学建模的(若干)DL引擎的一或多个参数。一或多个其它模型可用于图3中所展示的全部其它步骤，且这些一或多个其它模型可或可不为生成模型。
在另一实例中，一或多个生成模型可用于图3中所展示的DB模型308。在此情况下，(若干)DL引擎可学习印刷于晶片上的图案从设计偏置。偏置步骤的应用在最终裸片对DB比较中是使用情况相依的。例如，检测CD变化无需偏置校正或对标准晶片的偏置校正。粒子检测优选地包含偏置校正以减小妨害。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图3中未展示)来比较呈现图像322与光学图像326且修改用于DB模型的(若干)DL引擎的一或多个参数。一或多个其它模型可用于图3中所展示的全部其它步骤，且这些一或多个其它模型可或可不为生成模型。
在又另一此实例中，一或多个生成模型可用于图3中所展示的DB光栅304及DB模型308。在此情况下，一或多个DL引擎产生包含偏置校正的呈现设计作为EM及光学模拟的输入(即，步骤312及316)。以此方式，图3中所展示的步骤304及308可不作为单独步骤执行，但可作为输入为设计多边形300且输出为经修改灰阶图像310的单个步骤执行。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图3中未展示)来比较呈现图像322与光学图像326且修改用于DB光栅304及DB模型308的(若干)DL引擎的一或多个参数。一或多个其它模型可用于图3中展示的全部其它步骤，且这些一或多个其它模型可或可不为生成模型。
在又另一此实例中，一或多个生成模型可用于图3中所展示的DB光栅304、DB模型308、近场估计312及光学模型316。在此情况下，一或多个DL引擎模拟整个图像呈现过程。以此方式，图3中所展示的步骤304、308、312及316可不作为单独步骤执行，但可作为输入为设计多边形300且输出为初始呈现图像318的单个步骤执行。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图3中未展示)来比较呈现图像322与光学图像326且修改用于DB光栅、DB模型、近场估计及光学模型的(若干)DL引擎的一或多个参数。
(若干)计算机子系统可在三个阶段中使用DL来执行一般晶片检查及/或后处理。例如，(若干)计算机子系统可使用来自晶片上的选定样本/位点的图像训练(若干)DL引擎。在一个此实例中，(若干)计算机子系统可执行如图4中所展示的离线训练400。可针对晶片上的选定位点执行此训练。接着，(若干)计算机子系统可针对整个裸片或预选区/位置使用(若干)经训练DL引擎自设计或设计几何形状及/或材料的堆栈呈现图像。例如，(若干)计算机子系统可执行如图4中所展示的离线呈现418。可针对整个裸片或在预选裸片位置处执行离线呈现。另外，(若干)计算机子系统可在针对整个晶片(或具有预定义关照区域的采样裸片)的呈现及光学图像比较中、在实时检查中或对来自检查器或重检工具的输出图像应用动态补偿(例如，增益/偏移及像差)。(若干)计算机子系统还可经配置用于在呈现图像与来自检查及/或重检工具的图像之间的最终比较中应用动态补偿(针对增益/偏移及像差)。(若干)计算机子系统可经进一步配置用于在热点及/或小块上的呈现图像与来自检查及/或重检工具的图像之间的最终比较中应用动态补偿(针对增益/偏移及像差)。例如，如图4中所展示，(若干)计算机子系统可执行检查432。可在线地或对从检查及/或重检工具输出的图像执行检查。换句话说，可或可不在线地执行检查。如果离线地执行检查，则可使用通过检查及/或重检工具产生且通过所述检查及/或重检工具存储于存储媒体中的光学图像来执行检查。可以任何适合方式从存储媒体获取光学图像。
「离线」作为本文中使用的术语意欲指示在晶片的检查期间不执行(例如，在通过检查子系统扫描晶片时不执行)离线地执行的(若干)步骤、(若干)过程、(若干)流程等等。相比之下，「在线」作为本文中使用的术语意欲指示在晶片的检查期间执行(例如，在通过检查子系统扫描晶片时执行)在线地执行的(若干)步骤、(若干)过程、(若干)流程等等。
在一个此实例中，在一些实施例中，一或多个计算机子系统经配置以基于以下每一者来训练用于产生呈现图像的生成模型及/或一或多个额外模型：针对一或多个其它晶片上的一或多个选定位点的一或多个额外呈现图像，其通过针对所述一或多个选定位点执行产生呈现图像而产生；及一或多个光学图像，其由光学检查子系统针对一或多个其它晶片上的一或多个选定位点产生。例如，如图4中所展示，离线训练400可使用设计多边形402作为到DB光栅404的输入，此可如上文描述般执行。由DB光栅404产生的灰阶图像可输入到DB模型406，DB模型406可输出经修改灰阶图像，如本文中进一步描述。由DB模型406产生的经修改灰阶图像可输入到近场估计408，近场估计408可针对晶片产生经估计近场，如本文中进一步描述。经估计近场可输入到光学模型410，光学模型410可输出初始呈现图像，如本文中进一步描述。初始呈现图像可输入到动态补偿412，动态补偿412可输出呈现图像414。接着，(若干)计算机子系统可执行呈现图像与光学图像之间的比较，如步骤416中所展示。
可使用成本函数来执行步骤416中的呈现图像与光学图像的比较且确定呈现图像相较于光学图像的误差(例如，平方误差的总和(SSE))。成本函数可经配置以使用这些误差来训练由所述计算机子系统执行的(若干)步骤中的一或多者的一或多个参数。例如，可使用误差来训练DB模型406中的一或多个参数，例如用于偏置校正及/或隅角修圆的参数。另外，可使用误差来训练光学模型410的一或多个参数。此外，DB模型与光学模型之间的箭头意欲指示基于呈现图像与光学图像之间的比较执行的学习可为针对由(若干)计算机子系统执行的整体建模的非线性/递归过程。另外，可使用误差来调整用于动态补偿的一或多个参数(例如，考虑光学检查子系统的(若干)参数的每天漂移，所述漂移可在每天的基础上影响光学图像的一或多个特性)。
在一项此类实施例中，针对印刷于晶片上的设计中的整个裸片(或在预选裸片位置处)产生初始呈现图像。例如，(若干)计算机子系统可执行离线呈现418，如图4中所展示。此离线呈现可包含使用设计多边形420作为到DB光栅422的输入，此可如上文描述般执行。由DB光栅422产生的灰阶图像可输入到DB模型424，DB模型424可输出经修改灰阶图像，如本文中进一步描述。用于离线呈现的DB模型424可为在离线训练400中训练的DB模型。由DB模型424产生的经修改灰阶图像可输入到近场估计426，近场估计426可产生针对晶片的经估计近场，如本文中进一步描述。经估计近场可输入到光学模型428，光学模型428可输出离线呈现图像430，离线呈现图像430可为初始呈现图像，如本文中进一步描述。用于离线呈现的光学模型428可为在离线训练400中训练的光学模型。
针对整个裸片的离线呈现图像430可由组合横跨晶片上的整个裸片的多个较小呈现图像组成。例如，可针对裸片的不同部分单独执行本文中描述的模拟步骤，且接着可以任何方式组合模拟步骤的结果以针对裸片的较大部分(例如副扫描带或扫描带)或针对整个裸片产生模拟结果。替代地，可针对整个裸片的全部设计执行模拟步骤使得由任一模拟步骤产生的结果为针对晶片上的整个裸片。
在一些此类实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行近场估计408。可如本文中进一步描述般执行此训练。在此实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于近场估计426。
在额外此类实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行光学模型410。可如本文中进一步描述般执行此训练。在此实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于光学模型428。
在另一此实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行近场估计408及光学模型410。可如本文中进一步描述般执行此训练。在此一实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于近场估计426及光学模型428。
在一些此等实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行DB模型406。可如本文中进一步描述般执行此训练。在此实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于DB模型424。
在另一此实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行DB光栅404及DB模型406。可如本文中进一步描述般执行此训练。在此实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于DB光栅422及DB模型424。
在再一此实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行DB光栅404、DB模型406、近场估计408及光学模型410。可如本文中进一步描述般执行此训练。在此实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于DB光栅422、DB模型424、近场估计426及光学模型428。
在一项此实施例中，产生呈现图像包含修改初始呈现图像以最小化初始呈现图像与由光学检查子系统产生的光学图像之间的差异，离线地产生初始呈现图像且在线地执行产生呈现图像。例如，可如图4中的离线呈现418中展示般离线地产生初始呈现图像。另外，可如检查432中展示般执行产生呈现图像，可针对整个晶片在线地执行检查432。特定来说，如图4中所展示，可为通过离线呈现418产生的离线呈现图像(即，离线呈现图像430)的离线呈现图像434可输入到动态补偿436，动态补偿436可为在离线训练400中训练的动态补偿且可如本文中进一步描述般执行。动态补偿436可产生呈现图像438，接着可比较呈现图像438与光学图像用于缺陷检测及/或本文中描述的另一目的。因此，动态补偿可修改离线地产生的初始呈现图像以最小化初始呈现图像与由检查子系统产生的光学图像之间的差异，借此产生呈现图像，且可在线地(例如，在晶片的检查期间)执行动态补偿。
在另一此实施例中，针对印刷于晶片上的设计中的整个裸片产生初始呈现图像，且针对晶片的整体在线地执行产生呈现图像。例如，如上文所描述，可针对晶片上的整个裸片执行离线呈现418，而可针对晶片的整体在线地执行检查432，从而意谓必须针对晶片的整体(即，晶片上的全部裸片)产生呈现图像。
如上文所描述，在一些实施例中，可通过估计晶片的近场而产生呈现图像。在一些例项中，如果全堆栈几何形状及材料信息可用于晶片，则可由近场计算取代近场估计。在一项实施例中，一或多个步骤包含基于用于印刷于晶片上的设计的信息来计算晶片的近场，且用于印刷于晶片上的设计的信息包含几何形状及材料特性。例如，如图5中所展示，几何形状及材料信息500可输入到近场计算502。几何形状及材料信息可为针对晶片的几何形状及材料信息(例如，呈技术计算机辅助设计(TCAD)格式)的堆栈。用于近场计算的设计的信息还可包含设计几何形状、材料参数、波长及角度相依性等等。可以多个方式执行近场计算。例如，当已知晶片设计的3D堆栈的几何形状及材料两者时，可通过解算麦克斯韦(Maxwell)的方程式(严格耦合波分析(RCWA)或FDTD方法)来计算晶片平面处的近场。近场计算可产生近场504。晶片的经计算近场是将通过晶片的材料及几何形状与由光学检查子系统导引到晶片的光的互动而在晶片的上表面处或附近(即，在晶片平面处)产生的EM场的模拟。经计算近场可包含如经计算近场504的左侧中所展示的振幅及如经计算近场504的右侧中所展示的相位。经计算近场也可为或包含复数。
在一项此实施例中，一或多个步骤还包含基于近场及光学检查子系统的光学模型产生初始呈现图像，所述初始呈现图像是由光学检查子系统针对印刷于晶片上的设计产生的图像的另一模拟。例如，如图5中所展示，光学模型506可使用经计算近场504作为输入以产生初始呈现图像508。光学模型可在具有及不具有光学检查子系统的像差的情况下建模。可基于检查器的光学特性使用本文中所描述的近似法、函数或模型中的任一者来模拟初始呈现图像。
在另一实施例中，一或多个步骤包含通过修改初始呈现图像以最小化初始呈现图像与由光学检查子系统产生的光学图像之间的差异而从初始呈现图像产生呈现图像。例如，如图5中所展示，由(若干)计算机子系统执行的动态补偿510可修改初始呈现图像508以产生呈现图像512，呈现图像512的实例在图5中展示为呈现图像514。可如本文中进一步描述般执行动态补偿。
如图5中进一步展示，一个实例在图5中展示为光学图像518的光学图像516可如本文中描述般由(若干)计算机子系统获取且与呈现图像512进行比较。此类比较可产生差异图像520。可执行呈现图像与光学图像之间的比较用于缺陷检测，其可如本文中进一步描述般执行。还可或替代地执行呈现图像与光学图像之间的比较用于本文中描述的一或多个其它目的。
如上文所描述，可使用一或多个生成模型来执行经执行以产生呈现图像的一或多个步骤。在一个此实例中，一或多个生成模型可用于图5中所展示的近场计算502。在此情况下，一或多个DL引擎可如上文描述般估计晶片的表面上的EM场。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图5中未展示)来比较呈现图像512与光学图像516且修改用于近场估计的(若干)DL引擎的一或多个参数。一或多个其它模型可用于图5中展示的全部其它步骤，且这些一或多个其它模型可或可不为生成模型。
在另一此实例中，一或多个生成模型可用于估计图5中展示的光学模型506。在此情况下，一或多个DL引擎可如上文描述般估计系统的光学模型。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图5中未展示)来比较呈现图像512与光学图像516且修改用于估计光学模型的(若干)DL引擎的一或多个参数。一或多个其它模型可用于图5中展示的全部其它步骤，且这些一或多个其它模型可或可不为生成模型。
在额外的此类实例中，一或多个生成模型可用于图5中所展示的近场计算502及光学模型506的估计。在此情况下，一或多个DL引擎模拟整个图像呈现过程。以此方式，图5中所展示的步骤502及506可不作为单独步骤执行，但可作为输入为几何形状及材料信息500且输出为初始呈现图像508的单个步骤执行。在训练及呈现期间，动态补偿是任选的。另外，在训练期间，可使用例如本文中进一步描述的成本函数中的一者的成本函数(图5中未展示)来比较呈现图像512与光学图像516且修改用于近场估计及估计光学模型的(若干)DL引擎的一或多个参数。
如同(若干)计算机子系统估计晶片的近场的例项，当(若干)计算机子系统计算近场时，(若干)计算机子系统可以三个阶段执行晶片检查。例如，(若干)计算机子系统可从选定位点估计建模参数。在一个此实例中，(若干)计算机子系统可执行离线训练600(针对选定位点)，如图6中所展示。接着，(若干)计算机子系统可针对整个裸片或在预选裸片位置处呈现图像。例如，如图6中所展示，(若干)计算机子系统可执行离线呈现614(针对晶片上的整个裸片或在预选裸片位置处)。另外，(若干)计算机子系统可在针对整个晶片(或采样裸片)的实时检查中应用动态补偿(例如，针对增益/偏移及像差)。例如，如图6中所展示，(若干)计算机子系统可执行检查624。如本文中进一步所描述，可在线地或对从检查及/或重检工具输出的图像执行检查。可针对整个晶片、整个裸片或在预选裸片位置处执行检查。
在一些实施例中，一或多个计算机子系统经配置以基于以下各者来训练用于产生呈现图像的生成模型及/或一或多个额外模型：针对一或多个其它晶片上的一或多个选定位点的一或多个额外呈现图像，其通过执行产生针对一或多个选定位点的呈现图像而产生；及一或多个光学图像，其由光学检查子系统针对一或多个其它晶片上的一或多个选定位点产生。例如，如图6中所展示，离线训练600(针对选定位点)可使用可包含本文中描述的任何此信息的几何形状及材料信息602作为到近场计算604的输入，近场计算604可针对晶片产生经计算近场，如本文中进一步描述。经计算近场可输入到光学模型606，光学模型606可输出初始呈现图像，如本文中进一步描述。初始呈现图像可输入到动态补偿608，动态补偿608可输出呈现图像610。接着，所述计算机子系统可执行呈现图像与光学图像之间的比较，如步骤612中所展示。
可使用成本函数来执行步骤612中的呈现图像与光学图像的比较且确定呈现图像与光学图像比较的误差(例如，平方误差的总和(SSE))。成本函数可经配置以使用这些误差来训练通过(若干)计算机子系统执行的(若干)步骤中的一或多者的一或多个参数。例如，可使用成本函数来训练光学模型606的一或多个参数。另外，可使用成本函数来调整用于动态补偿的一或多个参数(例如，以考虑光学检查子系统的(若干)参数的每天漂移，所述参数可在每天的基础上影响光学图像的一或多个特性)。
在一项此实施例中，针对印刷于晶片上的设计中的整个裸片产生初始呈现图像。例如，(若干)计算机子系统可执行离线呈现(针对整个裸片)614，如图6中所展示。此离线呈现可包含使用几何形状及材料信息616(其可包含本文中所描述的任何此信息)作为到近场计算618的输入，近场计算618可针对晶片产生经计算近场，如本文中进一步描述。经计算近场可输入到光学模型620，光学模型620可输出离线呈现图像622，离线呈现图像622可为初始呈现图像，如本文中进一步描述。用于离线呈现614的光学模型620可为在离线训练600中训练的光学模型。可如本文中进一步描述般以其它方式针对整个裸片产生离线呈现图像。
在一些此等实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行近场计算604(或估计)。可如本文中进一步描述般执行此训练。在此实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于近场计算618(或估计)。
在额外的此类实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行光学模型606的估计。可如本文中进一步描述般执行此训练。在此实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于光学模型620的估计。
在另一此实施例中，在离线训练期间，成本函数可经配置用于训练一或多个生成模型的一或多个参数，所述一或多个生成模型经配置以执行近场计算604(或估计)及光学模型606的估计的。可如本文中进一步描述般执行此训练。在此实施例中，在离线呈现期间，具有经训练的一或多个参数的一或多个生成模型可用于近场估计618及光学模型620的估计。
在一项此实施例中，产生呈现图像包含：修改初始呈现图像以最小化初始呈现图像与由光学检查子系统产生的光学图像之间的差异，离线地产生初始呈现图像且在线地执行产生呈现图像。例如，可如图6中的离线呈现614中展示般离线地产生初始呈现图像。另外，可如可针对整个晶片在线地执行的检查624中展示般执行产生呈现图像。特定来说，如图6中所展示，可为通过离线呈现614产生的离线呈现图像(即，离线呈现图像622)的离线呈现图像626可输入到动态补偿628，动态补偿628可为在离线训练600中训练的动态补偿且可如本文中进一步描述般执行。动态补偿628可产生呈现图像630，接着可比较呈现图像630与光学图像用于缺陷检测及/或本文中描述的任何其它目的。因此，动态补偿可修改离线地产生的初始呈现图像以最小化初始呈现图像与由检查子系统产生的光学图像之间的差异，借此产生呈现图像，且可在线地(即，在晶片的检查期间)执行动态补偿。以此方式，可在线执行产生呈现图像。
在另一此实施例中，针对印刷于晶片上的设计中的整个裸片产生初始呈现图像，且针对晶片的整体在线执行产生呈现图像。例如，如上文所描述，可针对晶片上的整个裸片执行离线呈现614同时可针对晶片的整体在线地执行检查624，从而意谓可针对晶片的整体(例如，晶片上的全部裸片)产生呈现图像。
在一项实施例中，仅针对印刷于晶片上的设计中的一或多个区域执行产生呈现图像，使得未针对设计的整体执行产生呈现图像。(若干)区域在本文中也称为“热点”或“小块”。本文中使用的这些术语即区域、热点及小块可定义为在裸片上重复许多次的电路结构的单元。区域、热点及小块的实例大小约为500nm×约500nm。以此方式，本文中所描述的实施例可仅针对裸片的一些部分而非整体地执行本文中所描述的步骤。可以任何适合方式识别及/或选择热点及/或小块。例如，热点及/或小块可为设计中的将执行检查的关注区域。另外或替代地，热点及/或小块可为设计的在设计内重复两次或两次以上的相对较小部分。以此方式，可仅针对小块执行产生初始呈现图像，但可动态补偿(可能以不同方式)相同初始呈现图像且接着比较所述初始呈现图像与在印刷于晶片上的设计的相同小块的不同例项处产生的多个光学图像。可如本文中描述般(例如，如图3及5中所展示)以其它方式执行仅针对一或多个区域产生呈现图像。
(若干)计算机子系统可经配置用于三个阶段中的热点或小块晶片检查。例如，(若干)计算机子系统可从选定位点估计建模参数。在一个此实例中，(若干)计算机子系统可执行运用选定热点及/或小块位点取代选定位点的图4中所展示的离线训练400及图6中所展示的离线训练600。(若干)计算机子系统还可针对一个裸片的全部热点/小块呈现图像。例如，(若干)计算机子系统可执行如图4中所展示的离线呈现418及图6中所展示的离线呈现614，但代替性地针对整个裸片执行离线呈现，针对一个裸片中的全部热点及/或小块执行离线呈现。另外，(若干)计算机子系统可在整个晶片(或采样裸片)中的全部热点/小块的实时或离线检查中应用动态补偿(例如，针对增益/偏移及像差)。例如，(若干)计算机子系统可经配置用于执行如图4中所展示的检查432及如图6中所展示的检查624，惟仅针对整个晶片上的热点及/或小块执行检查而非针对整个晶片执行检查除外。
在一项实施例中，(若干)计算机子系统经配置以基于以下各者训练用于产生呈现图像的生成模型及/或一或多个额外模型：针对一或多个其它晶片上的两个或两个以上区域的两个或两个以上额外呈现图像，其通过执行产生针对两个或两个以上区的两个或两个以上光学图像而产生；及两个或两个以上光学图像，其由光学检查子系统针对所述一或多个其它晶片上的两个或两个以上区域产生。可如本文中描述般执行这些步骤(如图4中所展示的离线训练400及图6中所展示的离线训练600中展示)，其中选定位点是两个或两个以上区域(例如，两个或两个以上热点及/或小块)。
针对两个或两个以上区域中的第一者执行的训练与针对两个或两个以上区域的第二者执行的训练不同地执行。以此方式，如果用于检查或后处理的关注区域是针对在裸片内重复许多次的热点或小块(具有约300nm×约300nm的实例大小)，则可针对每一热点/小块类型或类型群组定制本文中所描述的(若干)DL引擎及(若干)其它模型。例如，如果第一热点包含设计的具有第一特性(例如密集线)的第一部分且第二热点包含设计的具有不同于第一特性的第二特性(例如稀疏接触孔)的第二部分，则第一热点及第二热点可不同地印刷于晶片上(例如，以不同偏置及隅角修圆)且可由光学检查子系统不同地成像(例如，以不同分辨率、对比度等等)。因此，优选将定製用于针对不同热点产生呈现图像的一或多个模型(例如，DB模型及/或光学模型)以考虑在产生不同热点的实际光学图像中涉及的过程中的此类差异。因此，离线训练可基于对应于正训练(若干)模型针对的热点(或小块)的(若干)呈现图像及(若干)光学图像产生(若干)热点(或小块)特定模型。可如本文中描述般以其它方式执行此训练。
在一个此实施例中，产生呈现图像包含：修改初始呈现图像以最小化初始呈现图像与由光学检查子系统产生的光学图像之间的差异，离线地产生初始呈现图像且在线地执行产生呈现图像。可如本文中进一步描述且在图4及6中展示般执行这些步骤。例如，可针对一个裸片或预选择位置上的热点及/或小块执行图4及6中所展示的离线呈现，且可针对热点及/或小块或对从检查及/或重检工具输出的图像执行图4及6中展示的检查。
在另一此实施例中，针对印刷于晶片上的设计中的裸片中的两个或两个以上区域的全部产生初始呈现图像，且针对晶片的整体中的两个或两个以上区域的全部进一步在线地执行产生呈现图像。例如，如上文所描述，可针对一个裸片上的全部热点及/或小块执行初始呈现图像的离线呈现。另外，如本文中进一步描述，可针对整个晶片上的全部热点及/或小块执行在线检查。
可以各种不同方式配置执行本文中描述的准备、设定及检查(或最终比较)的软件及硬件的基础设施。例如，在一项实施例中，一或多个计算机子系统包含两个或两个以上计算机子系统，且两个或两个以上计算机子系统中的至少一者并非包含光学检查子系统的工具的部分。以此方式，(若干)计算机子系统可包含并非光学检查工具的部分的至少一个计算机子系统(例如，图1中所展示的计算机子系统102)及为光学检查工具的部分的至少一个计算机子系统(例如，图1中所展示的计算机子系统36)。当更适合离线地(例如，使用计算机子系统102)执行本文中所描述的(若干)步骤中的一些步骤同时更适合在线地(例如，使用计算机子系统36)执行其它步骤时，此配置可为有利的。
在另一实施例中，一或多个计算机子系统包含也统称为虚拟检查器(VI)的至少一个虚拟检查系统。VI通常可定义为计算机系统，所述计算机系统可存储由检查子系统针对晶片产生的大量输出，使得可以模仿输出的实时获取(在此期间可仅使用所存储输出针对晶片执行虚拟检查)的方式“播放”输出。此类虚拟检查器的实例说明于2012年2月28日颁予巴斯卡尔(Bhaskar)等人的第8,126,255号美国专利及2015年12月29日颁予杜菲(Duffy)等人的美国专利第9,222,895号中，所述专利以宛如全文陈述引用的方式并入本文中。可如这些专利中描述般进一步配置本文中描述的(若干)计算机子系统。
在本文中描述的实施例中，VI可尤其有用于执行设定期间的一或多个离线步骤及/或用于存储在本文中所描述的实施例中产生及/或使用的各种信息及/或图像。例如，VI可尤其有用于设定本文中所描述的裸片对DB检查。在一个此实例中，VI可经配置用于从设计DB或文件提取设计剪辑(即，晶片上的裸片的整个设计的相对较小部分)。另外，VI可经配置用于产生本文中所描述的初始呈现图像且存储初始呈现图像。另外，由于VI可能能够存储针对物理晶片(即，实际晶片)产生的大量图像，故VI可尤其适合于使用模拟图像及实际晶片图像两者来调谐(若干)生成模型及/或本文中所描述的一或多个额外模型的一或多个参数。
VI还可经配置用于在线地执行本文中所描述的一或多个步骤。例如，VI可经配置以在线地(以及又离线地)执行裸片对DB检查(即，本文中所描述的图像比较及缺陷检测步骤)。此外，由于VI可包含多个图像计算机节点，因此本文中所描述的任何步骤的执行可分布于多个图像计算机节点上，借此提供针对处理能力的优点。此外，呈现图像可存储于VI上且接着传送到一或多个其它计算机子系统(例如，为光学检查工具的部分的计算机子系统)，这是因为那些其它计算机子系统需要呈现图像(例如，用于在线光学裸片对DB检查)。
(若干)计算机子系统可包含用于训练的准备站及用于呈现的处理单元。准备站及处理单元可为相同物理单元或单独单元。(若干)计算机子系统还可包含用于设计剪辑及图像呈现准备的准备站，所述准备站具有CPU/GPU/FPGA集群及存储器的单个或多个核心。对于检查使用情况，处理单元可为检查工具(例如，光学检查子系统与耦合到所述光学检查子系统的至少一个计算机子系统的组合)。对于后处理使用情况，处理单元可为CPU/GPU/FPGA集群及存储器的单个或多个核心，所述处理单元可与准备站相同或不同。另外，计算机子系统可通过准备站与处理单元(例如，检查工具的计算机子系统)之间的网络耦合以传送呈现图像。(若干)计算机子系统还可包含准备站或检查工具/处理单元上的基于设计/TCAD的离线图像呈现引擎。(若干)计算机子系统可进一步包含准备站或检查工具/处理单元上的基于设计/TCAD的离线训练引擎。准备站、处理单元及/或检查工具硬件可经优化以使(若干)DL引擎加速。
在一些此类实施例中，用于准备设计DB的基础设施可包含其中存储设计信息(例如，一或多个主掩模设计文档(RDF))的DB以及耦合到DB的服务器及(若干)图像计算机及/或(若干)VI。服务器及/或(若干)图像计算机及/或(若干)VI可从DB提取设计剪辑，借此准备设计DB以供本文中描述的实施例使用。(若干)图像计算机及/或(若干)VI可将可具有此项技术中已知的任何适合格式的经提取设计剪辑存储在设计剪辑DB中。
用于设计呈现的基础设施可包含经配置用于准备设计数据的基础设施的(若干)图像计算机及/或(若干)VI。(若干)图像计算机及/或(若干)VI可经配置以(例如，从存储于设计剪辑DB中的设计剪辑)呈现设计以产生本文中所描述的呈现图像。另外，(若干)图像计算机及/或(若干)VI可将可具有此项技术中已知的任何适合格式的呈现图像存储在呈现图像DB中。
经配置用于执行裸片对DB检查的基础设施可包含(若干)图像计算机，所述图像计算机可不同于包含于经配置用于准备设计DB的基础设施中的(若干)图像计算机及包含于经配置用于设计呈现的基础设施中的(若干)图像计算机。包含于用于执行裸片对DB检查的基础设施中的(若干)图像计算机可经配置以从呈现图像DB获取呈现图像。这些图像计算机还可获取由光学检查子系统产生的光学图像且使用呈现图像及光学图像执行一或多个步骤，例如像素至设计对准(PDA)及缺陷检测。以此方式，(若干)图像计算机可运用呈现裸片图像来执行检查。
经配置用于检查的基础设施还可包含一或多个用户接口(UI)，所述一或多个UI耦合到(若干)图像计算机，使得由(若干)图像计算机产生的结果可透过一或多个UI提供到用户及/或使得可透过一或多个UI而从用户接收输入及/或指令。(若干)UI可包含此项技术中已知的任何适合UI(例如，由市售检查工具使用且经配置以具有本文中所描述的能力的UI)。
可根据本文中所描述的(若干)任何其它实施例进一步配置本文中所描述的系统的每一实施例。还可如以下各者中描述般进一步配置本文中所描述的每一实施例：威尔斯(Wells)等人于2016年3月31日申请的第15/088,081号美国专利申请案、张(Zhang)等人于2016年6月7日申请的第15/176,139号美国专利申请案及巴斯卡尔等人于2016年11月16日申请的第15/353,210号美国专利申请案，所述申请案以宛如全文陈述引用的方式并入本文中。
另一实施例涉及一种用于检测晶片上的缺陷的计算机实施方法。所述方法包含用于上文描述的(若干)计算机子系统的每一功能的步骤。如本文中描述般配置光学检查子系统。
可如本文中进一步描述般执行方法的步骤中的每一者。方法还可包含可由本文中所描述的检查子系统及/或(若干)计算机子系统或系统执行的(若干)任何其它步骤。方法的步骤由一或多个计算机系统执行，可根据本文中所描述的实施例中的任何者配置所述一或多个计算机系统。另外，可由本文中描述的系统实施例中的任何者执行上文所描述的方法。
一项额外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以执行用于检测晶片上的缺陷的计算机实施的方法的程序指令。在图7中展示一项此实施例。特定来说，如图7中所展示，非暂时性计算机可读媒体700包含可在计算机系统704上执行的程序指令702。计算机实施的方法可包含本文中所描述的任何方法的任何步骤。
实施方法例如本文中所描述的那些方法的程序指令702可存储于计算机可读媒体700上。计算机可读媒体可为存储媒体，例如磁盘或光盘、磁带或此项技术中已知的任何其它适合非暂时性计算机可读媒体。
可以多种方式(包含基于程序的技术、基于组件的技术及/或面向对象技术等等)中的任何者实施程序指令。例如，可视需要使用ActiveX控件、C++对象、JavaBeans、微软基础类别(“MFC”)、SSE(串流SIMD延伸)或其它技术或方法学实施程序指令。
可根据本文中所描述的实施例中的任何者配置计算机系统704。
本文中描述的全部方法可包含将方法实施例的一或多个步骤的结果存储于计算机可读存储媒体中。结果可包含本文中描述的结果中的任何者且可以此项技术中已知的任何方式存储。存储媒体可包含本文中所描述的任何存储媒体或此项技术中已知的任何其它适合存储媒体。在已存储结果之后，结果可在存储媒体中存取且由本文中所描述的方法或系统实施例中的任何者使用，经格式化以显示给用户，由另一软件模块、方法或系统等等使用。
鉴于此描述，本发明的各种方面的进一步修改及替代实施例对于所属领域的技术人员将为显而易见。例如，提供用于检测晶片上的缺陷的方法及系统。因此，将此描述解译为仅说明性的且是为了向所属领域的技术人员教示实行本发明的一般方式。应理解，应将本文中所展示且描述的本发明的形式视为目前较佳的实施例。如对于所属领域的技术人员在受益于本发明的此描述之后将了解，元件及材料可替代本文中说明且描述的元件及材料，可颠倒部分及过程且可独立利用本发明的某些特征。可在不背离如以下权利要求书中所描述的本发明的精神及范围的情况下对本文中所描述的元件做出改变。

Claims (35)

1.一种经配置以检测晶片上的缺陷的系统，其包括：
光学检查子系统，其包括至少一光源及检测器，其中所述光源经配置以产生引导至晶片的光，且其中所述检测器经配置以检测来自所述晶片的光且响应于所述检测到的光而产生图像；及
一或多个计算机子系统，其经配置用于：
基于用于印刷于所述晶片上的设计的信息来产生呈现图像，其中所述呈现图像是通过所述光学检查子系统针对印刷于所述晶片上的所述设计产生的图像的模拟，其中产生所述呈现图像包括一或多个步骤，且其中所述一或多个计算机子系统经进一步配置用于通过执行生成模型来执行所述一或多个步骤中的至少一者；
比较所述呈现图像与所述晶片的由所述光学检查子系统产生的光学图像，其中使用主掩模来将所述设计印刷于所述晶片上；及
基于所述比较的结果来检测所述晶片上的缺陷。
2.根据权利要求1所述的系统，其中通过执行所述生成模型及额外生成模型来进一步执行所述至少一个步骤。
3.根据权利要求2所述的系统，其中所述一或多个步骤包括第一步骤及第二步骤，且其中所述一或多个计算机子系统经进一步配置用于通过执行所述生成模型来执行所述第一步骤且通过执行所述额外生成模型来执行所述第二步骤。
4.根据权利要求2所述的系统，其中所述一或多个计算机子系统经进一步配置用于单独地训练所述生成模型及所述额外生成模型。
5.根据权利要求1所述的系统，其中所述生成模型经配置为卷积神经网络。
6.根据权利要求1所述的系统，其中所述生成模型经配置为自动编码器。
7.根据权利要求1所述的系统，其中所述一或多个步骤包括：将用于所述设计的所述信息中的多边形转换为灰度级图像。
8.根据权利要求7所述的系统，其中以子像素精确度执行所述转换所述多边形。
9.根据权利要求7所述的系统，其中所述一或多个步骤进一步包括：通过将偏置校正及隅角修圆应用于所述灰度级图像来产生经修改灰度级图像。
10.根据权利要求9所述的系统，其中所述一或多个步骤进一步包括：基于所述经修改灰度级图像及用于印刷于所述晶片上的所述设计的所述信息来估计所述晶片的近场。
11.根据权利要求10所述的系统，其中所述一或多个步骤进一步包括：基于所述近场及所述光学检查子系统的光学模型来产生初始呈现图像，所述初始呈现图像是由所述光学检查子系统针对印刷于所述晶片上的所述设计产生的所述图像的另一模拟。
12.根据权利要求11所述的系统，其中所述一或多个步骤进一步包括：通过修改所述初始呈现图像以最小化所述初始呈现图像与由所述光学检查子系统产生的所述光学图像之间的差异而从所述初始呈现图像产生所述呈现图像。
13.根据权利要求1所述的系统，其中所述一或多个步骤包括：基于用于印刷于所述晶片上的所述设计的所述信息来计算所述晶片的近场，且其中用于印刷于所述晶片上的所述设计的所述信息包括几何形状及材料特性。
14.根据权利要求13所述的系统，其中所述一或多个步骤进一步包括：基于所述近场及所述光学检查子系统的光学模型来产生初始呈现图像，所述初始呈现图像是由所述光学检查子系统针对印刷于所述晶片上的所述设计产生的所述图像的另一模拟。
15.根据权利要求14所述的系统，其中所述一或多个步骤进一步包括：通过修改所述初始呈现图像以最小化所述初始呈现图像与由所述光学检查子系统产生的所述光学图像之间的差异而从所述初始呈现图像产生所述呈现图像。
16.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经进一步配置以基于以下各者来训练所述生成模型：针对一或多个其它晶片上的一或多个选定位点的一或多个额外呈现图像，其通过执行针对所述一或多个选定位点的所述产生来产生；及一或多个光学图像，其由所述光学检查子系统针对所述一或多个其它晶片上的所述一或多个选定位点产生。
17.根据权利要求16所述的系统，其中产生所述呈现图像进一步包括：修改初始呈现图像以最小化所述初始呈现图像与由所述光学检查子系统产生的所述光学图像之间的差异，其中离线地产生所述初始呈现图像，且其中在线地执行产生所述呈现图像。
18.根据权利要求17所述的系统，其中针对印刷于所述晶片上的所述设计中的整个裸片产生所述初始呈现图像，且其中针对所述晶片的整体进一步在线地执行产生所述呈现图像。
19.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经进一步配置以基于以下各者来训练用于所述产生的一或多个额外模型：针对一或多个其它晶片上的一或多个选定位点的一或多个额外呈现图像，其通过执行针对所述一或多个选定位点的所述产生而产生；及一或多个光学图像，其由所述光学检查子系统针对所述一或多个其它晶片上的所述一或多个选定位点产生。
20.根据权利要求19所述的系统，其中产生所述呈现图像进一步包括：修改初始呈现图像以最小化所述初始呈现图像与由所述光学检查子系统产生的所述光学图像之间的差异，其中离线地产生所述初始呈现图像，且其中在线地执行产生所述呈现图像。
21.根据权利要求20所述的系统，其中针对印刷于所述晶片上的所述设计中的整个裸片产生所述初始呈现图像，且其中针对所述晶片的整体进一步在线地执行产生所述呈现图像。
22.根据权利要求1所述的系统，其中仅针对印刷于所述晶片上的所述设计中的一或多个区域执行所述产生，使得并非针对所述设计的整体执行所述产生。
23.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经进一步配置以基于以下各者来训练所述生成模型：针对一或多个其它晶片上的两个或两个以上区域的两个或两个以上额外呈现图像，其通过针对所述两个或两个以上区域执行所述产生而产生；及两个或两个以上光学图像，其由所述光学检查子系统针对所述一或多个其它晶片上的所述两个或两个以上区域产生，且其中针对所述两个或两个以上区域中的第一者执行的所述训练与针对所述两个或两个以上区域中的第二者执行的所述训练不同地执行。
24.根据权利要求23所述的系统，其中产生所述呈现图像进一步包括：修改初始呈现图像以最小化所述初始呈现图像与由所述光学检查子系统产生的所述光学图像之间的差异，其中离线地产生所述初始呈现图像，且其中在线地执行产生所述呈现图像。
25.根据权利要求24所述的系统，其中针对印刷于所述晶片上的所述设计中的裸片中的所述两个或两个以上区域的全部产生所述初始呈现图像，且其中针对所述晶片的整体中的所述两个或两个以上区域的全部进一步在线地执行产生所述呈现图像。
26.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以基于以下各者来训练用于所述产生的一或多个额外模型：针对一或多个其它晶片上的两个或两个以上区域的两个或两个以上额外呈现图像，其通过针对所述两个或两个以上区域执行所述产生而产生；及两个或两个以上光学图像，其由所述光学检查子系统针对所述一或多个其它晶片上的所述两个或两个以上区域产生，且其中针对所述两个或两个以上区域中的第一者执行的所述训练与针对所述两个或两个以上区域中的第二者执行的所述训练不同地执行。
27.根据权利要求26所述的系统，其中产生所述呈现图像进一步包括：修改初始呈现图像以最小化所述初始呈现图像与由所述光学检查子系统产生的所述光学图像之间的差异，其中离线地产生所述初始呈现图像，且其中在线地执行产生所述呈现图像。
28.根据权利要求27所述的系统，其中针对印刷于所述晶片上的所述设计中的裸片中的所述两个或两个以上区域的全部产生所述初始呈现图像，且其中针对所述晶片的整体中的所述两个或两个以上区域的全部进一步在线地执行产生所述呈现图像。
29.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包括两个或两个以上计算机子系统，且其中所述两个或两个以上计算机子系统中的至少一者并非包含所述光学检查子系统的工具的部分。
30.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包括至少一个虚拟检查系统。
31.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经进一步配置用于基于所述检测到的缺陷来确定所述主掩模是否通过检核。
32.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经进一步配置用于基于所述检测到的缺陷来确定对所述晶片执行的一或多个过程步骤的性能。
33.根据权利要求32所述的系统，其中所述晶片是短回路晶片。
34.一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执行用于检测晶片上的缺陷的计算机实施的方法的程序指令，其中所述计算机实施的方法包括：
基于用于印刷于晶片上的设计的信息产生呈现图像，其中所述呈现图像是由光学检查子系统针对印刷于所述晶片上的所述设计产生的图像的模拟，其中所述光学检查子系统包括至少一光源及检测器，其中所述光源经配置以产生引导至所述晶片的光，其中所述检测器经配置以检测来自所述晶片的光且响应于所述检测光而产生图像，其中产生所述呈现图像包括一或多个步骤，且其中通过执行生成模型来执行所述一或多个步骤中的至少一者；
比较所述呈现图像与所述晶片的由所述光学检查子系统产生的光学图像，其中使用主掩模来将所述设计印刷于所述晶片上；及
基于所述比较的结果来检测所述晶片上的缺陷，其中所述产生、所述比较及所述检测由一或多个计算机子系统执行。
35.一种用于检测晶片上的缺陷的计算机实施方法，其包括：
基于用于印刷于晶片上的设计的信息产生呈现图像，其中所述呈现图像是由光学检查子系统针对印刷于所述晶片上的所述设计产生的图像的模拟，其中所述光学检查子系统包括至少一光源及检测器，其中所述光源经配置以产生引导到所述晶片的光，其中所述检测器经配置以检测来自所述晶片的光且响应于所述检测光而产生图像，其中产生所述呈现图像包括一或多个步骤，且其中通过执行生成模型来执行所述一或多个步骤中的至少一者；
比较所述呈现图像与所述晶片的由所述光学检查子系统产生的光学图像，其中使用主掩模来将所述设计印刷于所述晶片上；及
基于所述比较的结果来检测所述晶片上的缺陷，其中所述产生、所述比较及所述检测由一或多个计算机子系统执行。
CN201680077610.9A 2016-01-04 2016-12-29 光学裸片对数据库检查 Active CN108431937B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662274724P 2016-01-04 2016-01-04
US62/274,724 2016-01-04
US15/391,753 2016-12-27
US15/391,753 US9915625B2 (en) 2016-01-04 2016-12-27 Optical die to database inspection
PCT/US2016/069172 WO2017120094A1 (en) 2016-01-04 2016-12-29 Optical die to database inspection

Publications (2)

Publication Number Publication Date
CN108431937A true CN108431937A (zh) 2018-08-21
CN108431937B CN108431937B (zh) 2020-01-07

Family

ID=59235475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680077610.9A Active CN108431937B (zh) 2016-01-04 2016-12-29 光学裸片对数据库检查

Country Status (6)

Country Link
US (1) US9915625B2 (zh)
KR (1) KR102424804B1 (zh)
CN (1) CN108431937B (zh)
IL (1) IL259821B (zh)
TW (1) TWI706485B (zh)
WO (1) WO2017120094A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109596638A (zh) * 2018-10-26 2019-04-09 中国科学院光电研究院 有图形晶圆及掩模版的缺陷检测方法及装置
CN117015850A (zh) * 2021-03-16 2023-11-07 科磊股份有限公司 以经呈现设计图像进行的设计注意区域的分段

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10012599B2 (en) * 2015-04-03 2018-07-03 Kla-Tencor Corp. Optical die to database inspection
US9915625B2 (en) * 2016-01-04 2018-03-13 Kla-Tencor Corp. Optical die to database inspection
DE112016007498B4 (de) * 2016-12-06 2020-11-26 Mitsubishi Electric Corporation Untersuchungseinrichtung und untersuchungsverfahren
US10565702B2 (en) * 2017-01-30 2020-02-18 Dongfang Jingyuan Electron Limited Dynamic updates for the inspection of integrated circuits
US11557022B2 (en) 2017-07-27 2023-01-17 Nvidia Corporation Neural network system with temporal feedback for denoising of rendered sequences
US11861811B2 (en) 2017-07-27 2024-01-02 Nvidia Corporation Neural network system with temporal feedback for denoising of rendered sequences
US11475542B2 (en) 2017-07-27 2022-10-18 Nvidia Corporation Neural network system with temporal feedback for adaptive sampling and denoising of rendered sequences
CA3070850A1 (en) 2017-07-31 2019-02-07 Smiths Detection Inc. System for determining the presence of a substance of interest in a sample
US11022966B1 (en) * 2017-12-15 2021-06-01 Synopsys, Inc. Method of modeling e-beam photomask manufacturing process using image-based artificial neural networks
TWI653605B (zh) * 2017-12-25 2019-03-11 由田新技股份有限公司 利用深度學習的自動光學檢測方法、設備、電腦程式、電腦可讀取之記錄媒體及其深度學習系統
US11257207B2 (en) * 2017-12-28 2022-02-22 Kla-Tencor Corporation Inspection of reticles using machine learning
WO2019155471A1 (en) * 2018-02-07 2019-08-15 Applied Materials Israel Ltd. Method of deep learning-based examination of a semiconductor specimen and system thereof
DE102018207876A1 (de) * 2018-05-18 2019-06-06 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zum Erzeugen von Bildern für photolithographische Masken aus Designdaten
TWI703514B (zh) * 2018-05-24 2020-09-01 牧德科技股份有限公司 人工智慧複檢系統及其方法
US10621301B2 (en) 2018-06-06 2020-04-14 International Business Machines Corporation Coordinates-based variational autoencoder for generating synthetic via layout patterns
US10866197B2 (en) * 2018-09-20 2020-12-15 KLA Corp. Dispositioning defects detected on extreme ultraviolet photomasks
TWI729391B (zh) * 2019-05-16 2021-06-01 國立陽明交通大學 半導體製程中增進類神經網路模型預測結果之方法
CN113994255A (zh) * 2019-06-06 2022-01-28 东京毅力科创株式会社 基片检查装置、基片检查系统和基片检查方法
US11880193B2 (en) 2019-07-26 2024-01-23 Kla Corporation System and method for rendering SEM images and predicting defect imaging conditions of substrates using 3D design
KR20220051216A (ko) * 2019-09-20 2022-04-26 에이에스엠엘 네델란즈 비.브이. 머신 러닝을 사용한 웨이퍼 검사용 예측 이미지 생성 시스템 및 방법
US11328411B2 (en) * 2020-05-04 2022-05-10 KLA Corp. Print check repeater defect detection
KR20230004819A (ko) * 2020-06-16 2023-01-06 주식회사 히타치하이테크 화상 처리 방법, 형상 검사 방법, 화상 처리 시스템 및 형상 검사 시스템
JP7440354B2 (ja) 2020-06-26 2024-02-28 株式会社ニューフレアテクノロジー パターン検査装置及びパターン検査方法
US11328410B2 (en) 2020-08-03 2022-05-10 KLA Corp. Deep generative models for optical or other mode selection
US11776108B2 (en) * 2020-08-05 2023-10-03 KLA Corp. Deep learning based defect detection
US11704772B2 (en) * 2020-11-19 2023-07-18 Raytheon Company Image classification system
US20230408932A1 (en) * 2020-12-03 2023-12-21 Applied Materials, Inc. Deep learning based adaptive alignment precision metrology for digital overlay
US11829077B2 (en) 2020-12-11 2023-11-28 Kla Corporation System and method for determining post bonding overlay
JP6961846B1 (ja) * 2021-01-08 2021-11-05 レーザーテック株式会社 Ｅｕｖマスク検査装置、ｅｕｖマスク検査方法、ｅｕｖマスク検査プログラム及びｅｕｖマスク検査システム
US11782411B2 (en) 2021-07-28 2023-10-10 Kla Corporation System and method for mitigating overlay distortion patterns caused by a wafer bonding tool
US20240112326A1 (en) * 2022-09-30 2024-04-04 Kla Corporation Inspection of adaptive patterned workpieces with dynamic design and deep learning-based rendering

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040086171A1 (en) * 2002-10-30 2004-05-06 Jun Chung-Sam Apparatus and method for inspecting a substrate
US20080167829A1 (en) * 2007-01-05 2008-07-10 Allen Park Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions
US20100208979A1 (en) * 2009-02-16 2010-08-19 Kla-Tencor Corporation Use of design information and defect image information in defect classification
US20110276935A1 (en) * 2008-06-11 2011-11-10 Kla-Tencor Corporation Systems and methods for detecting design and process defects on a wafer, reviewing defects on a wafer, selecting one or more features within a design for use as process monitoring features, or some combination thereof
CN107454980A (zh) * 2015-04-03 2017-12-08 科磊股份有限公司 光学裸片到数据库检验

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6470489B1 (en) * 1997-09-17 2002-10-22 Numerical Technologies, Inc. Design rule checking system and method
US6966047B1 (en) * 2002-04-09 2005-11-15 Kla-Tencor Technologies Corporation Capturing designer intent in reticle inspection
JP4597859B2 (ja) 2002-07-15 2010-12-15 ケーエルエー−テンカー コーポレイション マイクロリソグラフパターンの製作におけるパターンの認定、パターン形成プロセス、又はパターン形成装置
US6902855B2 (en) 2002-07-15 2005-06-07 Kla-Tencor Technologies Qualifying patterns, patterning processes, or patterning apparatus in the fabrication of microlithographic patterns
US20040225488A1 (en) * 2003-05-05 2004-11-11 Wen-Chuan Wang System and method for examining mask pattern fidelity
US7331033B2 (en) * 2004-08-27 2008-02-12 Applied Materials, Israel, Ltd. Simulation of aerial images
US7769225B2 (en) 2005-08-02 2010-08-03 Kla-Tencor Technologies Corp. Methods and systems for detecting defects in a reticle design pattern
US7676077B2 (en) 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7995832B2 (en) * 2007-01-11 2011-08-09 Kla-Tencor Corporation Photomask inspection and verification by lithography image reconstruction using imaging pupil filters
US7564545B2 (en) * 2007-03-15 2009-07-21 Kla-Tencor Technologies Corp. Inspection methods and systems for lithographic masks
US8213704B2 (en) 2007-05-09 2012-07-03 Kla-Tencor Corp. Methods and systems for detecting defects in a reticle design pattern
US8126255B2 (en) 2007-09-20 2012-02-28 Kla-Tencor Corp. Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions
US8041106B2 (en) 2008-12-05 2011-10-18 Kla-Tencor Corp. Methods and systems for detecting defects on a reticle
US9671685B2 (en) * 2009-12-31 2017-06-06 Taiwan Semiconductor Manufacturing Company, Ltd. Lithographic plane check for mask processing
JP5659086B2 (ja) 2011-05-30 2015-01-28 株式会社東芝 反射型マスクの欠陥修正方法
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US9478019B2 (en) 2014-05-06 2016-10-25 Kla-Tencor Corp. Reticle inspection using near-field recovery
US9401016B2 (en) * 2014-05-12 2016-07-26 Kla-Tencor Corp. Using high resolution full die image data for inspection
WO2015189026A2 (en) 2014-06-10 2015-12-17 Asml Netherlands B.V. Computational wafer inspection
DE102015213045B4 (de) * 2015-07-13 2018-05-24 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zur Positionsbestimmung von Strukturelementen einer photolithographischen Maske
US10186026B2 (en) 2015-11-17 2019-01-22 Kla-Tencor Corp. Single image detection
US9965901B2 (en) 2015-11-19 2018-05-08 KLA—Tencor Corp. Generating simulated images from design information
US9915625B2 (en) * 2016-01-04 2018-03-13 Kla-Tencor Corp. Optical die to database inspection

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040086171A1 (en) * 2002-10-30 2004-05-06 Jun Chung-Sam Apparatus and method for inspecting a substrate
US20080167829A1 (en) * 2007-01-05 2008-07-10 Allen Park Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions
US20110276935A1 (en) * 2008-06-11 2011-11-10 Kla-Tencor Corporation Systems and methods for detecting design and process defects on a wafer, reviewing defects on a wafer, selecting one or more features within a design for use as process monitoring features, or some combination thereof
US20100208979A1 (en) * 2009-02-16 2010-08-19 Kla-Tencor Corporation Use of design information and defect image information in defect classification
CN107454980A (zh) * 2015-04-03 2017-12-08 科磊股份有限公司 光学裸片到数据库检验

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109596638A (zh) * 2018-10-26 2019-04-09 中国科学院光电研究院 有图形晶圆及掩模版的缺陷检测方法及装置
CN109596638B (zh) * 2018-10-26 2022-05-06 中国科学院光电研究院 有图形晶圆及掩模版的缺陷检测方法及装置
CN117015850A (zh) * 2021-03-16 2023-11-07 科磊股份有限公司 以经呈现设计图像进行的设计注意区域的分段
CN117015850B (zh) * 2021-03-16 2024-04-05 科磊股份有限公司 以经呈现设计图像进行的设计注意区域的分段

Also Published As

Publication number Publication date
TW201732979A (zh) 2017-09-16
US9915625B2 (en) 2018-03-13
US20170191948A1 (en) 2017-07-06
IL259821B (en) 2021-06-30
KR20180091944A (ko) 2018-08-16
KR102424804B1 (ko) 2022-07-22
CN108431937B (zh) 2020-01-07
TWI706485B (zh) 2020-10-01
WO2017120094A1 (en) 2017-07-13
IL259821A (en) 2018-07-31

Similar Documents

Publication Publication Date Title
CN108431937A (zh) 光学裸片对数据库检查
CN111819676B (zh) 训练用于低分辨率图像中的缺陷检测的神经网络
US10012599B2 (en) Optical die to database inspection
US10186026B2 (en) Single image detection
JP6669669B2 (ja) 近接場リカバリを利用するレチクル検査
KR102330735B1 (ko) 패터닝된 웨이퍼들 상의 결함들의 서브-픽셀 및 서브-해상도 로컬리제이션
CN108475351A (zh) 用于半导体应用的基于机器学习的模型的加速训练
US9830421B2 (en) Alignment of inspection to design using built in targets
TW201734825A (zh) 用於半導體應用之以機器學習之模型為基礎之加速訓練
CN108463876A (zh) 为样品产生模拟输出
TW201734439A (zh) 混合檢查器
TW201504749A (zh) 用於檢測光罩之機器學習方法及裝置
KR20210138116A (ko) 반도체 응용 분야를 위한 학습 가능한 결함 검출
KR102525830B1 (ko) 테스트 이미지 대 설계물의 정렬을 위한 설계물 파일 선택
US20220301133A1 (en) Segmentation of design care areas with a rendered design image

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