CN108475422A - 在电子束图像中确定缺陷的位置 - Google Patents
在电子束图像中确定缺陷的位置 Download PDFInfo
- Publication number
- CN108475422A CN108475422A CN201680046416.4A CN201680046416A CN108475422A CN 108475422 A CN108475422 A CN 108475422A CN 201680046416 A CN201680046416 A CN 201680046416A CN 108475422 A CN108475422 A CN 108475422A
- Authority
- CN
- China
- Prior art keywords
- defect
- chip
- image
- electron beam
- subsystem
- 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
Links
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供用于在晶片的电子束图像中确定缺陷的位置的方法及系统。一种方法包含:基于缺陷在差分图像中的第一位置而相对于成像于测试图像中的图案确定所述缺陷的第二位置。所述方法还包含:针对所述缺陷在电子束图像中相对于所述图案确定所述缺陷的第三位置;及确定所述第一与第三位置之间的关联。另外,所述方法包含:基于另一缺陷在差分图像中的第一位置及所述经确定关联而在电子束图像中确定另一缺陷的位置。
Description
技术领域
本发明大体上涉及用于在晶片的电子束图像中确定缺陷的位置的方法及系统。
背景技术
以下描述及实例并不凭借包含在此段落中而被认为是现有技术。
制造半导体装置(例如逻辑及存储器装置)通常包含使用大量半导体制造工艺处理衬底(例如半导体晶片)以形成半导体装置的各种特征及多个层级。举例来说,光刻是涉及将图案从主光罩转印到布置于半导体晶片上的抗蚀剂的半导体制造工艺。半导体制造工艺的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。可在单个半导体晶片上的布置中制造多个半导体装置,且接着将其分离成个别半导体装置。
在半导体制造工艺期间的各个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及因此较高利润。检验始终是制造半导体装置(例如IC)的重要部分。然而,随着半导体装置尺寸的减小,检验对于可接受半导体装置的成功制造变得甚至更为重要,这是因为较小缺陷可引起装置发生故障。
缺陷重检通常涉及:再次检测由检验过程检测为缺陷的缺陷;及使用高倍率光学系统或扫描电子显微镜(SEM)以较高分辨率产生关于缺陷的额外信息。因此,在其中已通过检验检测到缺陷的晶片上的离散位置处执行缺陷重检。通过缺陷重检针对缺陷产生的较高分辨率数据更适于确定缺陷的属性,例如轮廓、粗糙度、更准确大小信息等。
为使缺陷重检提供关于所重检的缺陷的有用信息,在针对通过检验所检测的特定缺陷执行缺陷重检时,缺陷重检过程或工具必须能够确保在缺陷重检过程期间成像的晶片上的区域实际上含有所重检的缺陷。然而,并非可在光学检验系统上检测的全部缺陷都也可在电子束缺陷重检系统上检测。举例来说,可能无法产生由光学检验系统检测的一些实际或真实缺陷(例如电子束图像中的先前层缺陷)的图像。在一个此实例中,通常无法产生在晶片的上表面下方的任何事物的电子束图像,这是因为电子未穿透于晶片的上表面下方。通过光学检验所检测但在电子束图像中无法再次检测的真实缺陷通常称为SEM非视觉或“SNV”。因此,当试图在电子束图像中再次检测实际上无法由电子束工具成像的缺陷时,可能无法确定是已找到实际缺陷位置但缺陷无法由电子束工具成像,还是因在预测位置中尚未再次检测到缺陷(即,预测位置不正确)而尚未找到实际缺陷位置。另外,由于许多图案在形成于晶片上及有时晶片上的相对较小区域内的设计中重复(如相对较小图案在晶片的一些设计的阵列区各处以基本上小周期重复),所以即使再次检测到缺陷,可能仍难以确定是否已在电子束图像中找到正确缺陷位置(例如,这是因为在其处或附近检测到缺陷的图案在多个例子中出现在针对经确定缺陷位置产生的相同电子束图像中)。
目前,不存在基于由检验工具检测的缺陷的位置而在阵列(例如,SRAM)区上的电子束图像中自动预测SNV的位置的已知实用程序。有经验的用户可手动执行电子束图像对光学图像相关且使用可在电子束图像中检测的缺陷的缺陷位置准确度来提出对真实SNV在电子束图像上的确切位置的合理预测。
因此,用于在缺陷重检中再定位通过检验所检测的缺陷的目前使用的方法存在若干缺点。举例来说,目前使用的方法仅可在缺陷位于逻辑区(其中在相对较小区域中,许多图案相对于其它图案是独有的且因此可用于缺陷再定位)中,或缺陷信号对于无经验的用户来说在电子束图像中可见(如SEM真实缺陷)的情况下起作用。过程是完全手动的且耗时的,这需要许多经验。此外,甚至对于逻辑区,目前方法对于光学图像失真也不稳健。
因此,发展用于在晶片的电子束图像中确定缺陷的位置而不具有上文描述的缺点的一或多者的系统及方法将为有利的。
发明内容
各种实施例的以下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在晶片的电子束图像中确定缺陷的位置的系统。所述系统包含电子束缺陷重检子系统,所述电子束缺陷重检子系统包含至少一电子束源及检测器。所述电子束源经配置以产生引导到晶片的电子。所述检测器经配置以检测来自所述晶片的电子且响应于所述检测到的电子而产生电子束图像。所述系统还包含耦合到所述电子束缺陷重检子系统的计算机子系统。所述计算机子系统包含执行来自存储器媒体的指令的一或多个处理器。
所述计算机子系统经配置以在针对所述晶片产生的差分图像中确定缺陷的第一位置。通过针对所述缺陷定位于其中的所述晶片上的区域从测试图像减去参考图像而产生所述差分图像。由光学检验系统针对所述晶片产生所述测试图像。由所述光学检验系统在所述晶片上检测所述缺陷。所述计算机子系统还经配置以基于所述缺陷在所述差分图像中的所述第一位置而相对于形成于在晶片上且成像于测试图像中的图案确定所述缺陷的第二位置。另外,所述计算机子系统经配置以在由所述电子束缺陷重检子系统针对所述晶片上的所述缺陷产生的电子束图像中相对于所成像的所述图案确定所述缺陷的第三位置。所述计算机子系统进一步经配置以确定所述第一与第三位置之间的关联。
所述计算机子系统还经配置以在由所述电子束缺陷重检子系统针对所述晶片上的另一缺陷产生的电子束图像中确定所述另一缺陷的位置。基于所述另一缺陷在针对所述晶片产生的另一差分图像中的第一位置及所述经确定关联而确定所述另一缺陷的所述位置。由所述光学检验系统在所述晶片上检测所述另一缺陷。通过针对所述另一缺陷定位于其中的所述晶片上的区域从测试图像减去参考图像而产生所述另一差分图像。由所述光学检验系统针对所述晶片产生用来产生所述另一差分图像的所述测试图像。所述系统可如本文中描述那样进一步配置。
另一实施例涉及一种用于在晶片的电子束图像中确定缺陷的位置的计算机实施方法。所述方法包含上文描述的步骤。由计算机系统执行所述方法的步骤。上文描述的所述方法的步骤中的每一者可如本文中进一步描述那样进一步执行。另外,上文描述的所述方法的实施例可包含本文中描述的任何其它方法的任何其它步骤。此外,可由本文中描述的系统的任一者执行上文描述的所述方法。
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,所述程序指令可在计算机系统上执行以执行用于在晶片的电子束图像中确定缺陷的位置的计算机实施方法。所述计算机实施方法包含上文描述的方法的步骤。所述计算机可读媒体可如本文中描述那样进一步配置。计算机实施方法的步骤可如本文中进一步描述那样执行。另外,可针对其执行程序指令的所述计算机实施方法可包含本文中描述的任何其它方法的任何其它步骤。
附图说明
所属领域的技术人员在受益于优选实施例的以下详细描述且在参考所附图式后将明白本发明的另外优点,其中:
图1是说明如本文中描述那样配置的光学检验系统的实施例的侧视图的示意图;
图2是说明如本文中描述那样配置的系统的实施例的侧视图的示意图;
图3是说明可由本文中描述的实施例执行以在晶片的电子束图像中确定缺陷的位置的步骤的流程图;
图4是针对晶片上的缺陷产生的电子束图像的实例;
图5是针对缺陷定位于其中的晶片上的区域产生的测试图像的实例;
图6是针对晶片产生的差分图像的实例;
图7是针对晶片上的缺陷产生的电子束图像及多个图像的实例,由光学检验系统针对晶片上含有相同图案的区域产生所述多个图像,且所述多个图像归因于光学检验系统的光学特性而具有不同光学失真;及
图8是说明存储程序指令的非暂时性计算机可读媒体的一个实施例的框图,所述程序指令用于引起计算机系统执行本文中描述的计算机实施方法。
虽然本发明易受各种修改及替代形式影响,但本发明的特定实施例在图式中以实例方式展示且在本文中详细描述。图式可未按比例。然而,应理解,图式及其详细描述并不希望将本发明限于所揭示的特定形式,恰相反,其希望涵盖落在如由所附权利要求书定义的本发明的精神及范围内的全部修改、等效及替代。
具体实施方式
如本文中使用的术语“设计”及“设计数据”大体上指代IC的物理设计(布局)及通过复杂模拟或简单几何及布尔(Boolean)运算而从物理设计导出的数据。物理设计可存储于数据结构(例如图形数据流(GDS)文件、任何其它标准机器可读文件、所属领域中已知的任何其它适合文件及设计数据库)中。GDSII文件是用于表示设计布局数据的一类文件的一者。此类文件的其它实例包含GL1及OASIS文件及专属文件格式(例如RDF数据),其为加利福尼亚州米尔皮塔斯市的科磊公司(KLA-Tencor)所专属。另外,由主光罩检验系统获取的主光罩的图像及/或其衍生物可用作设计的一或多个“代理”。此主光罩图像或其衍生物在使用设计的本文中描述的任何实施例中可用作设计布局的替代。设计可包含在以下各者中描述的任何其它设计数据或设计数据代理:在2009年8月4日授与扎法尔(Zafar)等人的共同拥有的第7,570,796号美国专利及在2010年3月9日授与库尔卡尼(Kulkarni)等人的共同拥有的第7,676,077号美国专利,所述两个美国专利如全文陈述以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。
在一些例子中,来自晶片或主光罩的模拟或获取图像可用作设计的代理。图像分析是可用作设计分析的代理。举例来说,可从印刷于晶片及/或主光罩上的设计的图像提取设计中的多边形,假定以足够分辨率获取晶片及/或主光罩的图像以充分成像设计的多边形。另外,本文中描述的“设计”及“设计数据”指代由半导体装置设计者在设计过程中产生且因此可在将设计印刷于任何物理晶片上之前良好用于本文中描述的实施例中的信息及数据。
优选地,如本文中使用的术语“设计”或“物理设计”指代如将理想地形成于样品上的设计。举例来说,本文中描述的设计或物理设计优选将不包含将不印刷于晶片上的设计的特征(例如光学接近校正(OPC)特征),将所述特征添加到设计以增强特征在晶片上的印刷而其本身实际上并未印刷。以此方式,在一些实施例中,用于本文中进一步描述的步骤的晶片的设计不包含将不印刷于晶片上的设计的特征。
现参考图式,应注意,图并未按比例绘制。特定来说,极大地放大图的一些元件的比例以强调元件的特性。还应注意,图并未按相同比例绘制。已使用相同元件符号指示在一个以上图中展示的可经类似配置的元件。除非本文中另有标明,否则所描述并展示的元件的任一者可包含任何适合商业可用元件。
一般来说,本文中描述的实施例经配置以识别缺陷的位置,缺陷包含来自电子束图像(例如,SEM图像)的扫描电子显微镜(SEM)非视觉(SNV)缺陷。特定来说,本文中描述的实施例经配置以针对SNV及缺陷在电子束图像上自动识别缺陷信号位置。举例来说,当对由检验工具所检测的缺陷位置执行SEM重检时,缺陷群体的大部分在SEM图像上显示无信号。这些事件称为SEM非视觉或SNV。SNV通常被视为公害事件,这是因为其可为先前层缺陷、细微临界尺寸(CD)变化及表面粗糙度或线边缘粗糙度,其并非半导体晶片制造的致命的所关注缺陷(DOI)类型。对于此类情况,理解电子束图像中真实事件的缺陷信号实际所对应的位置是重要而艰巨的任务。因此,甚至当SNV在检验图像中具有相对良好的信号时,仍极难以针对所述SNV在电子束图像上可靠地且自动地找到缺陷位置。
在电子束图像中定位通过检验所检测的事件的缺陷信号在许多额外例子中尤其困难。术语“事件”在本文中大体上定义为通过检验所检测的任何可能缺陷,其通常包含实际或真实缺陷、公害类型缺陷(或公害事件)及噪声。举例来说,当缺陷位于在x及y方向两者上由重复结构制成的阵列或SRAM区上时,在电子束图像中定位缺陷信号尤其困难。在另一实例中,当缺陷重检工具具有非零偏斜而引起缺陷并未确切位于电子束图像的中心时,在电子束图像中定位缺陷信号尤其困难。当检验像素大小(即,用于检测晶片上的缺陷的检验工具的像素大小)不够小而无法分辨下伏图案时,在电子束图像中定位缺陷信号也尤其困难。另外,当检验图像中存在明显失真及/或噪声时,在电子束图像中定位缺陷信号尤其困难。
本文中描述的实施例提供一种机器学习方法论,其具有本文中进一步描述的两个阶段--训练阶段及预测阶段。如本文中进一步描述,实施例提供一种机器学习系统,其可使用通过检验所检测(即,检验真实事件)且通过缺陷重检所再次检测(例如,SEM真实缺陷)的缺陷的训练数据集来学习检验检测的事件与所述缺陷在缺陷重检图像中的位置的关联。本文中描述的实施例也可使用由实施例执行的学习来可信地预测来自相同检验结果的全部缺陷(包含SNV)在电子束图像中的位置。
可针对一个晶片执行本文中描述的训练阶段,且可应用所述训练中产生的结果在针对其它晶片产生的电子束图像中预测缺陷位置。然而,如果跨晶片存在可引起晶片上的图案层级变化的工艺变化,那么可针对不同晶片各别地执行训练阶段。另外,如果用于在不同晶片上检测缺陷的光学模式不同,那么可针对不同晶片各别地执行训练阶段。
了解公害源(即,公害事件检测的原因)在调谐检验配方以抑制公害方面是关键的。本文中描述的实施例提供一种用于可靠地且准确地识别检验结果中的公害源的手段,其可用来调谐检验配方以消除对所述经识别公害源的检测。另外或替代地,本文中描述的实施例可经配置以将通过检验所检测的缺陷识别并分类为公害事件或公害缺陷。以此方式,可从检验结果消除被分类为公害事件或公害缺陷的检测到的缺陷,借此有效地提高检验的灵敏度。因此,实施例可允许光学检验工具远更深地运行到噪声底限中,同时使具有基本上低信号的DOI保持在合理公害率。因而,本文中描述的实施例允许光学检验工具以远更高的灵敏度运行,所述灵敏度原本为最小化公害率或至少将公害率管理在可接受级别而必须被牺牲。
一个实施例涉及一种经配置以在晶片的电子束图像中确定缺陷的位置的系统。晶片可包含所属领域中已知的任何晶片。
如本文中进一步描述,可由光学检验系统针对晶片及缺陷产生光学图像(例如测试图像)。光学检验系统还可在晶片上检测缺陷。本文中描述的系统可或可不包含此光学检验系统。举例来说,本文中描述的实施例可从光学检验系统或光学检验系统已将检验的结果(例如在晶片上检测的缺陷的图像及信息)存储于其中的存储媒体获取信息。可以任何适合方式获取信息及结果。然而,在其它例子中,除本文中描述的其它组件外,本文中描述的实施例还可包含光学检验系统,借此为检验及缺陷重检提供完整解决方案。在其中系统包含光学检验系统的例子中,光学检验系统可耦合到系统的计算机子系统,如本文中进一步描述。
在图1中展示光学检验系统的一个实施例。光学检验系统包含成像子系统,所述成像子系统包含至少一光源及检测器。光源经配置以产生引导到晶片的光。检测器经配置以检测来自晶片的光且响应于检测到的光而产生图像。
在图1中所示的光学检验系统的实施例中,成像子系统10包含经配置以将光引导到晶片14的照明子系统。照明子系统包含至少一光源。举例来说,如图1中所示,照明子系统包含光源16。在一个实施例中,照明子系统经配置以以一或多个入射角(其可包含一或多个倾斜角及/或一或多个法向角)将光引导到晶片。举例来说,如图1中所示,来自光源16的光经引导穿过光学元件18及接着透镜20而到光束分离器21,光束分离器21以法向入射角将光引导到晶片14。入射角可包含任何适合入射角,其可取决于例如晶片的特性及晶片上待检测的缺陷而变化。
照明子系统可经配置以在不同时间以不同入射角将光引导到晶片。举例来说,光学检验系统可经配置以更改照明子系统的一或多个元件的一或多个特性,使得光可以不同于图1中所示的入射角的入射角引导到晶片。在一个此实例中,光学检验系统可经配置以使光源16、光学元件18及透镜20移动,使得光以不同入射角引导到晶片。
在一些例子中,光学检验系统可经配置以同时以一个以上入射角将光引导到晶片。举例来说,照明子系统可包含一个以上照明通道,所述照明通道的一者可包含如图1中所示的光源16、光学元件18及透镜20,且所述照明通道的另一者(未展示)可包含可经不同或相同配置的类似元件,或可包含至少一光源及可能一或多个其它组件(例如本文中进一步描述的组件)。如果此光与其它光同时引导到晶片,那么以不同入射角引导到晶片的光的一或多个特性(例如,波长、偏光等)可不同,使得源自以不同入射角的晶片的照明的光可在检测器处彼此区别。
在另一例子中,照明子系统可包含仅一个光源(例如,图1中所示的源16)且来自光源的光可由照明子系统的一或多个光学元件(未展示)分离成不同光学路径(例如,基于波长、偏光等)。接着,可将不同光学路径的每一者中的光引导到晶片。多个照明通道可经配置以同时或在不同时间(例如,当使用不同照明通道来循序照明晶片时)将光引导到晶片。在另一例子中,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引导到晶片。举例来说,在一些例子中,光学元件18可配置为光谱滤光片,且光谱滤光片的性质可以多种不同方式(例如,通过换出光谱滤光片)改变,使得在不同时间可将不同波长的光引导到晶片。照明子系统可具有所属领域中已知的用于循序或同时以不同或相同入射角将具有不同或相同特性的光引导到晶片的任何其它适合配置。
在一个实施例中,光源16可包含宽带等离子体(BBP)光源。以此方式,由光源产生且引导到晶片的光可包含宽带光。在其中光源是或包含BBP光源的例子中,光学检验系统可称为BBP检验系统,且由所述光学检验系统执行的检验可称为BBP检验。然而,光源可包含任何其它适合光源,例如激光器。激光器可包含所属领域中已知的任何适合激光器且可经配置以产生在所属领域中已知的任一或多个适合波长下的光。另外,激光器可经配置以产生单色或几乎单色的光。以此方式,激光器可为窄带激光器。光源也可包含产生在多个离散波长或波带下的光的多色光源。
来自光学元件18的光可由透镜20聚焦到光束分离器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样品的许多折射及/或反射光学元件。在图1中展示且在本文中描述的照明子系统可包含任何其它适合光学元件(未展示)。此类光学元件的实例包含但不限于偏光组件、光谱滤光片、空间滤光片、反射光学元件、变迹器、光束分离器、光圈及类似者,其可包含所属领域中已知的任何此类适合光学元件。另外,光学检验系统可经配置以基于待用于成像的照明的类型而更改照明子系统的元件的一或多者。
光学检验系统还可包含经配置以引起光在晶片上方扫描的扫描子系统。举例来说,光学检验系统可包含在检验期间晶片14安置于其上的载物台22。扫描子系统可包含可经配置以使晶片移动使得光可在晶片上方扫描的任何适合机械及/或机器人组合件(其包含载物台22)。另外或替代地,光学检验系统可经配置使得光学检验系统的一或多个光学元件执行光在晶片上方的某一扫描。光可以任何适合方式在晶片上方扫描。
光学检验系统进一步包含一或多个检测通道。所述一或多个检测通道的至少一者包含检测器,所述检测器经配置以检测归因于由光学检验系统照明晶片而来自晶片的光且响应于检测到的光而产生图像。举例来说,图1中所示的光学检验系统包含两个检测通道,一个通道由集光器24、元件26及检测器28形成,且另一通道由集光器30、元件32及检测器34形成。如图1中所示,两个检测通道经配置以以不同收集角收集并检测光。在一些例子中,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从晶片镜面反射(例如,散射、衍射等)的光。然而,检测通道中的两者或两者以上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光学检验系统的实施例,但光学检验系统可包含不同数目个检测通道(例如,仅一个检测通道或两个或两个以上检测通道)。尽管集光器中的每一者在图1中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所属领域中已知的任何适合检测器。举例来说,检测器可包含光电倍增管(PMT)、电荷耦合装置(CCD)、时间延迟积分(TDI)相机,及所属领域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,那么所述检测器的每一者可经配置以检测光的特定特性(例如强度),但可未经配置以检测依据在成像平面内的位置而变化的此类特性。因而,由包含在光学检验系统的检测通道的每一者中的检测器的每一者产生的输出可为信号或数据,而非图像信号或图像数据。在此类例子中,计算机子系统(例如光学检验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,在其它例子中,检测器可配置为成像检测器,其经配置以产生图像信号或图像数据。因此,光学检验系统可经配置以以许多方式产生本文中描述的图像。
应注意,本文中提供图1以大体上说明可包含在本文中描述的系统中或耦合到所述系统的光学检验系统的配置。显然,如在设计商业检验系统时通常执行那样,可更改本文中描述的光学检验系统布置以优化光学检验系统的性能。另外,可使用(例如,通过将本文中描述的功能性添加到现存检验系统)现存光学检验系统(例如商业上可购自加利福尼亚州米尔皮塔斯市的科磊公司的29xx/28xx系列工具)来实施本文中描述的实施例。对于一些此类系统,可提供本文中描述的方法作为系统的任选功能性(例如,除系统的其它功能性外)。或者,可“从头开始”设计本文中描述的系统以提供全新系统。
光学检验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,其可包含“有线”及/或“无线”传输媒体)耦合到光学检验系统的检测器,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图像。计算机子系统36可经配置以使用由检测器产生的图像来执行许多功能。举例来说,光学检验系统的计算机子系统可经配置以使用图像且以所属领域中已知的任何适合方式(例如,以单元对单元检验方法,其中比较针对晶片上的一个单元产生的图像与针对晶片上的另一单元产生的图像,且可比较所述两个图像之间的任何差异与阈值以确定差异是否对应于晶片上的缺陷)在晶片上检测缺陷。此计算机子系统可如本文中描述那样进一步配置。
此计算机子系统(以及本文中描述的其它计算机子系统)在本文中也可称为计算机系统。本文中描述的计算机子系统或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、网络器具、因特网器具或其它装置。一般来说,术语“计算机系统”可广泛定义为涵盖具有一或多个处理器的任何装置,所述一或多个处理器执行来自存储器媒体的指令。计算机子系统或系统还可包含所属领域中已知的任何适合处理器,例如并行处理器。另外,计算机子系统或系统可包含具有高速处理及软件的计算机平台,其作为独立工具或联网工具。
如果系统包含光学检验系统(除如本文中进一步描述那样配置的电子束缺陷重检子系统及计算机子系统外),那么所述光学检验系统的计算机子系统可耦合到本文中描述的另一计算机子系统,使得可在所述计算机子系统之间发送图像、数据、信息、指令等,如本文中进一步描述。举例来说,图1中所示的计算机子系统36可通过任何适合传输媒体(未展示)(其可包含所属领域中已知的任何适合有线及/或无线传输媒体)耦合到图2中所示的计算机子系统124。此类计算机子系统中的两者或两者以上还可由共享计算机可读存储媒体(未展示)有效地耦合。
尽管上文将检验系统描述为基于光学或光的检验系统,但检验系统可为基于电子束的检验系统。举例来说,在一个实施例中,在检验期间引导到晶片的能量包含电子,且在检验期间检测的来自晶片的能量包含电子。此基于电子束的检验系统可如本文中描述那样进一步配置,其具有适当改变以将电子束缺陷重检子系统从经配置用于缺陷重检修改为经配置用于检验。
系统包含电子束缺陷重检子系统,所述电子束缺陷重检子系统包含至少一电子束源及检测器。电子束源经配置以产生引导到晶片的电子,且检测器经配置以检测来自晶片的电子且响应于检测到的电子而产生电子束图像。在图2中所示的一个此实施例中,电子束缺陷重检子系统包含耦合到计算机子系统124的电子柱122。
还如图2中所示,电子柱包含经配置以产生由一或多个元件130聚焦到晶片128的电子的电子束源126。电子束源可包含例如阴极源或发射器尖端,且一或多个元件130可包含例如枪透镜、阳极、束限制光圈、闸阀、束电流选择光圈、物镜及扫描子系统,其全部可包含所属领域中已知的任何此类适合元件。
从晶片返回的电子(例如,次级电子)可由一或多个元件132聚焦到检测器134。一或多个元件132可包含例如扫描子系统,所述扫描子系统可为包含在元件130中的相同扫描子系统。
电子柱可包含所属领域中已知的任何其它适合元件。另外,电子柱可如以下各者中描述那样进一步配置:在2014年4月4日授与蒋(Jiang)等人的第8,664,594号美国专利、在2014年4月8日授与小岛(Kojima)等人的第8,692,204号美国专利、在2014年4月15日授与固本(Gubbens)等人的第8,698,093号美国专利,及在2014年5月6日授与麦克唐纳(MacDonald)等人的第8,716,662号美国专利,所述专利如全文陈述以引用的方式并入本文中。
尽管电子柱在图2中展示为经配置使得电子以倾斜入射角引导到晶片且以另一倾斜角从晶片散射,但应理解,电子束可以任何适合角引导到晶片且从晶片散射。另外,基于电子束的成像子系统可经配置以使用多种模式产生晶片的图像(例如,具有不同照明角、收集角等)。电子束缺陷重检子系统的多种模式在电子束缺陷重检子系统的任何图像产生参数方面可不同。
计算机子系统124耦合到电子束缺陷重检子系统。举例来说,如上文描述,计算机子系统124可耦合到检测器134。检测器可检测从晶片的表面返回的电子,借此形成晶片的电子束图像。电子束图像可包含任何适合电子束图像。计算机子系统124可经配置以使用检测器的输出及/或电子束图像来执行本文中描述的功能的任一者。计算机子系统124可经配置以执行本文中描述的任何额外步骤且可如本文中描述那样进一步配置。举例来说,如本文中进一步描述,计算机子系统包含执行来自存储器媒体的指令的一或多个处理器。包含图2中所示的电子束缺陷重检子系统的系统可如本文中描述那样进一步配置。
应注意,本文中提供图2以大体上说明可包含在本文中描述的实施例中的电子束缺陷重检子系统的配置。如在设计商业缺陷重检系统时通常执行那样,可更改本文中描述的电子束缺陷重检子系统布置以优化电子束缺陷重检子系统的性能。另外,可使用(例如,通过将本文中描述的功能性添加到现存缺陷重检系统)现存缺陷重检系统(例如商业上可购自科磊公司的eDR-xxxx系列工具)来实施本文中描述的系统。对于一些此类系统,可提供本文中描述的实施例作为系统的任选功能性(例如,除系统的其它功能性外)。或者,可“从头开始”设计本文中描述的系统以提供全新系统。
计算机子系统经配置以在针对晶片产生的差分图像中确定缺陷的第一位置。以此方式,计算机子系统可确定来自差分图像的缺陷信号的位置。针对本文中描述的实施例,此步骤可在训练阶段期间执行。另外,可在训练阶段期间针对可如本文中描述那样产生的样本中的每一缺陷执行此步骤。
通过针对缺陷定位于其中的晶片上的区域从测试图像减去参考图像而产生差分图像。可以所属领域中已知的任何适合方式产生差分图像。在许多例子中,如上文描述那样在晶片检验过程的正常过程中产生差分图像。因此,可在晶片的检验期间由光学检验系统产生本文中描述的差分图像。
由光学检验系统针对晶片产生测试图像。举例来说,如本文中进一步描述,可由光学检验系统针对晶片获取测试图像(例如,通过用光在晶片上方扫描且在扫描期间抓取测试图像)。
参考图像可为所属领域中已知的任何适合参考图像。举例来说,可在形成于晶片上的图案的一个例子处获取测试图像,且可在形成于晶片上的图案的另一例子处获取参考图像。因此,可由光学检验系统产生测试图像及参考图像。然而,参考图像可为不同参考图像,其可从晶片的多个获取图像、一或多个模拟图像(例如,从晶片的设计数据模拟)等产生。因此,光学检验系统可或可不通过成像晶片的物理版本而产生参考图像。
由光学检验系统在晶片上检测缺陷。可如本文中进一步描述那样或以所属领域中已知的任何其它适合方式在晶片上检测缺陷。
计算机子系统还经配置以基于缺陷在差分图像中的第一位置而相对于形成于在晶片上且成像于测试图像中的图案确定缺陷的第二位置。以此方式,可在测试图像中确定缺陷相对于其周围的图像图案的相对位置。举例来说,由于测试图像(也常称为目标图像)与其相应参考图像对准(具有子像素准确度)且差分图像是通过从参考图像的对应测试图像减去参考图像而产生,所以差分图像固有地与其对应测试图像对准(具有子像素准确度)。因而,可容易识别对应于在差分图像内确定的第一位置的测试图像中的位置。换句话来说,差分图像中的峰值事件的位置可继续留到目标图像以识别缺陷事件的位置。接着,可确定所述第一位置相对于测试图像中的图案的相对位置且所述相对位置是本文中描述的第二位置。可以任何适合方式相对于测试图像中的图案确定第二位置,且所述第二位置可具有所属领域中已知的任何适合格式。可在训练阶段期间且针对用于训练的集合中的每一缺陷执行此步骤。
计算机子系统进一步经配置以在由电子束缺陷重检子系统针对晶片上的缺陷产生的电子束图像中相对于所成像的图案确定缺陷的第三位置。以此方式,可在电子束图像中确定缺陷相对于其周围的图案的相对位置。如本文中进一步描述,可针对识别为SEM真实缺陷的一组缺陷(即,已在由电子束缺陷重检子系统产生的电子束图像中成功再次检测的缺陷)执行此步骤。因此,可容易在不依靠光学检验图像及/或用户的情况下在电子束图像中从电子束图像本身确定用于此步骤的缺陷的第三位置。然而,计算机子系统可接收电子束图像中的用户指定缺陷位置且接着学习所述缺陷位置与电子束图像中的其它图案的相对位置。可在训练阶段期间且针对用于训练的集合中的每一缺陷执行此步骤。
计算机子系统还经配置以确定第一位置与第三位置之间的关联。举例来说,计算机子系统可运用其SEM副本来确定缺陷的关联规则。换句话来说,计算机子系统可确定光学检测的缺陷与电子束检测的缺陷的关联规则。可在训练阶段期间且基于在训练阶段期间执行的步骤的一或多者的结果而执行此步骤。关联可具有所属领域中已知的任何适合配置。另外,关联可确定为关联规则或任何其它格式,其允许在其光学图像及电子束图像中的缺陷位置彼此相关联且接着用来基于光学图像缺陷位置确定电子束图像缺陷位置,如本文中描述。尽管关联在本文中可描述为基于缺陷的第一位置及第三位置而确定,但应理解,可分别基于在光学图像中于晶片上检测且在针对晶片产生的电子束图像中所再次检测的许多不同缺陷的第一位置及第三位置来确定关联。分别基于许多缺陷的第一位置及第三位置确定关联可提高关联可用来针对其它缺陷在电子束图像中预测缺陷位置的准确度。
计算机子系统进一步经配置以在由电子束缺陷重检子系统针对晶片上的另一缺陷产生的电子束图像中确定所述另一缺陷的位置。基于另一缺陷在针对晶片产生的另一差分图像中的第一位置及经确定关联而确定另一缺陷的位置。举例来说,由计算机子系统确定的关联规则可应用于在晶片上检测的任何其它缺陷的电子束图像。以此方式,本文中描述的实施例可使用机器学习原理来在由光学检验系统所检测的一或多个事件的电子束图像中自动识别缺陷位置。另外,本文中描述的实施例使用机器学习方法来在电子束图像中定位对应于光学图像上的位置的缺陷。特定来说,在此步骤期间,计算机子系统可将关联规则(在训练阶段中学习)应用于在电子束图像中可或可不具有任何明显信号的缺陷以预测检验缺陷信号所在的位置。可在预测阶段期间执行此步骤。
由光学检验系统在晶片上检测另一缺陷。可以本文中所描述或所属领域中已知的任何适合方式在晶片上检测另一缺陷。通过针对另一缺陷定位于其上的晶片上的区域从测试图像减去参考图像而产生另一差分图像。差分图像、参考图像及测试图像可如本文中描述那样产生且可包含本文中描述的图像的任一者。由光学检验系统针对晶片产生用来产生另一差分图像的测试图像。可以本文中描述的任何适合方式而针对另一缺陷产生测试图像。
在一个实施例中,图案包含重复图案化特征。在另一实施例中,图案对应于晶片的设计中的装置特征。在一些实施例中,图案定位于晶片的设计的阵列区中。在另一实施例中,图案无法用于对准晶片或针对晶片产生的图像。在一些实施例中,另一缺陷定位于其中的晶片上的区域不含有对准位点。举例来说,本文中描述的实施例可针对不具有可充当对准位点的显著锚图案的SRAM区而在电子束图像中定位事件。另外,可有利地使用本文中描述的实施例来预测阵列区中的缺陷的缺陷位置。如本文中进一步描述,晶片的一些区域(例如阵列区)中的图案可在x及y两者上且以相对较高频率重复。因此,本文中描述的图案可包含此类重复图案且可定位于晶片的阵列区中。另外,由于本文中描述的实施例可使用关联规则而在电子束图像中确定缺陷的位置,所以所述实施例无需使用图像中用于使一个图像相对于另一图像对准及/或作为确定相对缺陷位置的参考的独有图案。以此方式,甚至当缺陷位置处的缺陷在电子束图像中不可见时,本文中描述的实施例仍无需且并未使用对准位点(或适于对准的图案)以以相对较高准确度在电子束图像中确定缺陷位置。此外,相对于其确定本文中描述的相对位置的图案可包含实际装置特征(即,在晶片上制造的装置的特征及/或相对于纯粹用于对准的特征来说将用来制造晶片上的装置特征的特征)而与其独有性或缺乏无关,这使能够针对晶片上的任何区域且相对于形成于晶片上的任何图案执行本文中描述的实施例。
在一个实施例中,另一缺陷无法由电子束缺陷重检子系统成像。以此方式,本文中描述的实施例可使用机器学习原理来自动识别由光学检验系统所检测的一或多个事件的缺陷位置,所述一或多个事件可包含电子束图像中的至少一些SNV事件。换句话来说,如本文中进一步描述,甚至当缺陷在电子束图像中不可见时,本文中描述的实施例仍可用来以基本上高准确度在电子束图像中确定缺陷的位置。
在额外实施例中,另一缺陷可由电子束缺陷重检子系统成像。举例来说,尽管本文中描述的实施例对于在电子束图像中确定SNV的位置尤其有用,但本文中描述的实施例也可或替代地可用来在电子束图像中确定非SNV的位置。
在一些实施例中,确定第三位置包含:在针对缺陷产生的电子束图像中相对于图案确定缺陷的初始位置;及针对初始位置与针对缺陷产生的电子束图像的中心的偏差校正所述初始位置,借此确定第三位置。初始位置与电子束图像的中心的偏差可由本文中描述的系统中的许多误差源(例如缺陷重检子系统的偏斜)引起。举例来说,假设用户想要在位置P(其可为(px,py)(关于晶片以nm单位))周围抓取电子束图像。归因于缺陷重检子系统的阶段不确定性(及其它可能误差源),针对位置P抓取的图像可能未确切居中于(px,py)处,而是将具有“偏斜”,其可视为相对于(px,py)的DC偏移。此DC偏移需经校准以确保位置准确度更佳。通常通过采取强事件(即,具有强缺陷信号(例如,指向型缺陷等)的事件,其基本上易于定位于电子束图像上)且接着使用抓取所述图像同时针对其它位置抓取电子束图像时所注意的补偿偏移来完成此校准。
然而,本文中描述的实施例可经配置以自动地且固有地执行小电子束图像纠偏。特定来说,计算机子系统可经配置以针对缺陷位置与电子束图像的中心的小偏差校正电子束图像纠偏。一旦已针对纠偏校正电子束图像,即可以任何适合方式且以任何适合格式确定用作电子束图像中的缺陷位置的初始位置与最终或第三位置之间的差异。另外,计算机子系统可经配置以在电子束图像中确定缺陷位置的平均纠偏且接着使用所述平均纠偏作为偏置补偿以确定其它缺陷位置。因此,本文中描述的实施例可应用固有纠偏方法来降低缺陷位置不确定性。在一些例子中,可在裸片行基础上从训练数据确定电子束缺陷重检子系统偏斜。接着,纠偏校正可基于其中产生测试数据的裸片行而应用于测试数据。可在训练阶段期间且针对已针对其执行训练阶段中的步骤的每一缺陷执行此步骤。
在一个此实施例中,计算机子系统还经配置以:在针对另一缺陷产生的电子束图像中确定所述另一缺陷的一或多个额外候选位置;且基于初始位置与第三位置之间的差异而确定一或多个额外候选位置的可信度分数。以此方式,本文中描述的实施例可经配置以固有地执行小电子束图像纠偏且将可信度分数指派给电子束图像内的其它可能位置。特定来说,对于阵列区,当存在可能已引起信号的其它可能位置时,计算机子系统可基于在训练阶段期间学习的相对纠偏而指派可信度分数。
以此方式,本文中描述的实施例可分辨对应于由光学检验所确定的缺陷位置的单元(或其它重复或非独有图案)中的不确定性。举例来说,当缺陷信号在电子束图像中清晰显见时,视觉相关相对较简单且容易。然而,在SNV情况中,且尤其在其中通常存在x及y上的重复图案的阵列区情况中,缺陷可位于单元内的相应位置(即,单元相对位置)中的匹配单元的任一者中。然而,本文中描述的实施例使用从训练数据确定的偏置补偿来分辨此不确定性且将可信度级别指派给其它可能单元以校正电子束缺陷重检子系统位置准确度变化。
在另一实施例中,计算机子系统经配置以通过比较由晶片检验系统针对另一缺陷产生的测试图像与针对晶片上的一或多个额外区域产生的其它测试图像而在针对另一缺陷产生的电子束图像中确定另一缺陷的一或多个额外候选位置,且一或多个额外区域定位于电子束缺陷重检子系统的视野(FOV)内,运用所述电子束缺陷重检子系统产生另一缺陷的图像。举例来说,除本文中描述的其它功能(例如,在电子束图像上预测SNV位置)外,作为这些功能的副产物,本文中描述的实施例还可指示具有与所选取SNV位置类似的几何形状的其它可能位置(在电子束缺陷重检子系统FOV内)。来自这些其它位置的光学拼贴图像可用来与目前SNV图块周围的拼贴图像比较以预测电子束图像中的其它可能缺陷位置。此候选缺陷位置确定不同于在电子束图像上使用裸片对裸片比较以定位缺陷像素的目前方法。
在一个此实施例中,计算机子系统经配置以基于针对一或多个额外候选位置处的另一缺陷产生的电子束图像的部分而对在对应于一或多个额外候选位置的位置处由光学检验系统检测的缺陷自动分类。以此方式,计算机子系统可经配置以基于训练数据对电子束图像分类。另外,本文中描述的实施例可对基本上大量的电子束图像分类且定位最可能公害源。举例来说,本文中描述的实施例可用来将相对大量的缺陷自动分类为SEM真实及SNV频格,而非比较电子束图像与可未产生检验工具信号所来自的确切相同位置的邻近裸片参考(其后接着SEM再次检测)。此能力将允许光学检验系统远更深地运行到噪声底限中且使具有基本上低缺陷信号的DOI保持在否则将必须牺牲的合理公害率。
在一个实施例中,缺陷是通过光学检验系统执行的对晶片的检验所检测且由计算机子系统在由电子束缺陷重检子系统针对晶片产生的图像中所再次检测的一组取样缺陷中的多个缺陷的一者,计算机子系统经配置以执行以下步骤:针对所述组取样缺陷中的多个缺陷确定第一位置、确定第二位置,及确定第三位置,且确定关联包含:确定针对取样组中的多个缺陷确定的第一位置与第三位置之间的关联。举例来说,一般来说,可以所属领域中已知的任何适合方式取样检验结果中的许多缺陷(例如,几千个缺陷),且可通过缺陷重检工具(例如本文中进一步描述的缺陷重检工具)针对所述选定缺陷产生电子束图像。所述电子束图像可用来识别SEM真实事件,即,在电子束图像上显示可见缺陷的所述事件。相比之下,SNV是在电子束图像中并未显示任何可见缺陷的事件,且通常不确定所述事件为何被检验工具标记为缺陷且此事件的确切位置在电子束图像内的何处。在训练阶段期间,用户可选择SEM真实缺陷的相对较小子集(例如,10个到15个缺陷)。对于训练集中的缺陷的每一者,实施例可使用电子束图像本身来在所述电子束图像上确定缺陷的位置。
在图3中所示的一个此实施例中,计算机子系统可获取电子束图像及光学图像的数据库300。数据库可具有所属领域中已知的任何适合配置。另外,数据库可存储于所属领域中已知的任何适合存储媒体上,包含本文中进一步描述的存储媒体的一者。数据库也可由所属领域中已知的任何其它适合存储结构取代。可如本文中描述那样获取电子束图像及光学图像(例如,从电子束缺陷重检子系统及光学检验系统)。
如步骤302中所示,计算机子系统可经配置以取样已针对其获取电子束图像及光学图像的许多缺陷。特定来说,计算机子系统(或用户)可选择通过检验所检测且也通过缺陷重检所再次检测的缺陷的相对较小子集。尽管用户可在取样步骤中选择缺陷的子集,但也可由计算机子系统使用一或多种取样方法(例如分集取样及/或随机取样)来自动选择缺陷的子集。
在步骤302中执行的取样可针对取样缺陷(SEM真实缺陷的样本)产生图3中所示的训练数据304。举例来说,训练数据可包含通过检验产生的光学图像及取样缺陷的对应电子束图像。用户也可提供某一检验对缺陷重检映射。举例来说,计算机子系统可经配置以将针对通过检验所检测的缺陷位置产生的电子束图像及光学检验图像两者显示给用户。接着,用户可将通过检验产生的光学图像中的缺陷位置手动映射到电子束图像。
接着,计算机子系统可基于训练数据执行图3中所示的学习步骤306。学习步骤可包含本文中描述的用于确定缺陷的第一、第二及第三位置的步骤,可如本文中进一步描述那样执行所述步骤。可针对所述组取样缺陷的全部缺陷执行学习步骤。学习步骤可包含本文中描述的任何其它步骤(例如,确定初始位置且接着基于所述初始位置确定第三位置,借此校正电子束图像偏斜)。接着,计算机子系统可基于学习步骤的结果执行图3中所示的模型化步骤308。在模型化步骤中,如本文中进一步所描述,计算机子系统确定第一位置与第三位置之间的关联。用来确定关联的第一位置及第三位置可包含包含在所述组取样缺陷中的全部缺陷的第一位置及第三位置。
一旦已在步骤308中确定关联,所述关联就可用于预测步骤312,其中针对可包含通过检验所检测的全部缺陷(包含SNV)的测试数据310确定电子束图像中的缺陷位置314。可如本文中进一步描述那样执行预测电子束图像中的缺陷位置。
在一个此实施例中,光学检验系统具有在由光学检验系统针对晶片上含有相同图案的区域产生的至少两个图像中引起光学失真的光学特性,且所述组取样缺陷包含定位于其中产生至少两个图像的区域中的缺陷,借此使经确定关联适于光学失真。以此方式,本文中描述的实施例可在电子束图像中确定缺陷的位置,同时克服光学图像失真。特定来说,本文中描述的实施例提供一种用于使用本文中描述的训练数据来学习光学图像失真的方法论。
在一个此实例中,光学失真可引起相同晶片图案在由光学检验系统产生的不同图像中具有不同图像图案。举例来说,可针对相同晶片图案产生图像700、702、704及706。图像700是电子束图像,且图像702、704及706是光学图像。电子束图像归因于电子及光将成像晶片上的相同图案的方式的差异而明显不同于光学图像。然而,不同光学图像也归因于光学失真而彼此不同。这些差异可由晶片图案及/或光学系统的任何特性的失真(或误差)引起。与光学失真在何处或如何引起针对相同晶片图案产生的图像中的变化无关,图像变化对电子束图像及光学图像的直接相关及对准带来限制。然而,本文中描述的实施例通过使用训练数据学习这些差异而固有地适于这些变化。
在一个实施例中,计算机子系统经配置以执行针对由光学检验系统在晶片上检测的全部缺陷确定位置的步骤。举例来说,本文中描述的实施例可使用机器学习原理来在电子束图像中自动识别由光学检验系统所检测的全部事件(其可包含至少一些SNV事件)的缺陷位置。
在一些实施例中,确定缺陷的第一位置包含:上取样针对缺陷产生的差分图像及确定针对缺陷产生的差分图像中对应于缺陷的信号的重心。在一个此实施例中,以子像素准确度确定缺陷的第一位置。如本文中使用的术语“子像素”通常定义为小于图像的像素。以此方式,如本文中使用的术语“子像素准确度”通常可定义为以小于图像中的单个像素的大小(从一个侧到另一侧的距离)的误差确定某物(例如,缺陷)的位置。
在一个此实例中,针对训练数据中的每一缺陷,计算机子系统可通过确定并使用上取样差分图像的重心而在差分图像上确定缺陷信号的子像素位置。特定来说,可将由光学检验系统针对缺陷产生的光学图像(例如,测试图像)可超分辨为电子束图像的像素大小,此可以所属领域中已知的任何适合方式执行。另外,可将由光学检验系统针对缺陷产生的另一光学图像(例如,差分图像)超分辨为电子束图像的像素大小,此可以所属领域中已知的任何适合方式执行。在差分图像中确定缺陷位置(例如确定带正负号差分图像的峰值信号位置)的一些方法可并非确切缺陷位置的相对良好指示符。相比之下,确定带正负号差分图像的重心可以子像素准确度提供对信号位置的稳健估计。因为差分图像是从测试图像及参考图像产生,所以差分图像及测试图像在差分图像与测试图像中的位置之间将具有一一对应性。因此,一旦在差分图像中以子像素准确度确定第一位置,所述相同位置就可在其在测试图像中的对应位置处识别。接着,在测试图像中以与在差分图像中确定位置相同的准确度(即,子像素准确度)检测所述位置。
在另一实施例中,计算机子系统经配置以通过上取样另一差分图像而确定另一缺陷的第一位置,且确定另一差分图像中对应于另一缺陷的信号的重心。在一个此实施例中,以子像素准确度确定缺陷的第一位置。举例来说,针对测试数据中的每一缺陷,计算机子系统可通过确定并使用上取样光学差分图像的重心而在差分图像中确定缺陷信号的子像素位置。可如本文中进一步描述那样执行这些步骤。
如从本文中提供的实施例的描述可理解,所述实施例提供在针对缺陷重检产生的电子束图像中确定通过检验所检测的缺陷的位置的许多优点。举例来说,本文中描述的实施例提供一种处置电子束缺陷重检与光学检验之间的层可见性差异的方式。特定来说,简单归因于通过检验及缺陷重检所执行的成像的差异,通过光学检验针对晶片上的区域产生的图像与通过缺陷重检针对相同区域产生的图像可能看起来极其不同。然而,不论光学图像与电子束图像之间的任何差异,本文中描述的实施例都可以稳健方式在针对缺陷重检产生的电子束图像中可靠地且准确地确定由光学检验所检测的缺陷的位置。
在一个此实例中,图4包含可由电子束缺陷重检子系统针对居中于通过光学检验所检测的缺陷位置上的晶片上的区域产生的电子束图像400的实例。图5包含晶片上的所述相同区域的光学图像500。可由光学检验系统(例如本文中进一步描述的光学检验系统)产生光学图像500。如通过比较图4及5中所示的图像可见,使此两个图像相关联为居中于相同缺陷位置上相当具挑战性(甚至在用人眼观看时)。挑战源于以下事实:电子束系统(例如本文中描述的电子束系统)起初仅看见晶片的最顶层,而光学系统(例如本文中描述的光学系统)可看见晶片上的最顶层以及形成于最顶层下的一或多个额外层(取决于由光学系统使用的光穿透到晶片中且以使反射或散射光可由光学系统检测的强度从最顶层下的层反射或散射的能力)。另外,与光如何反射及/或散射相比,电子束通常将不同地反射及/或散射。因此,与图像图案的对应光学图像相比,图像图案针对电子束图像中的相同晶片位置可相当不同。因此,试图使电子束图像与光学图像直接相关(例如,针对像素大小/分辨率的差异运用上取样)将归因于两个工具之间的成像方法论的根本差异而常常是徒劳的。
本文中描述的实施例通过从未试图使电子束图像与其相应光学图像直接相关而克服这些困难。另外,本文中描述的实施例从训练数据产生模型,且仅比较来自电子束图像的此模型与来自光学图像的模型。
在另一实例中,本文中描述的实施例可经配置以处置电子束成像方法中的偏斜。举例来说,在理想情况中,缺陷始终出现在针对缺陷的位置产生的电子束拼贴图像的中心。在实际情况中,归因于电子束图像偏斜,缺陷可位于图块内的任何位置。举例来说,图6展示针对由光学检验所检测的缺陷产生的差分图像600的实例。可使用差分图像且可在差分图像中所示的两条黑线的交叉点处确定缺陷位置。可运用如本文中描述的电子束缺陷重检子系统针对此缺陷位置产生电子束图像。以此方式,假定在差分图像中确定的缺陷位置将定位于电子束图像的中心处。举例来说,缺陷位置将定位于图4中所示的电子束图像的中心处。然而,如图4的电子束图像中所示,电子束图像存储器在具有与缺陷的假定位置(在电子束图像的中心的位置处)相对于电子束图像中的图案之间的空间关系相同的与电子束图像中的图案的空间关系的许多位置。因此,可难以知道所述位置相对于图案的哪一特定位置是对应于由光学检验报告的缺陷位置的实际位置。然而,本文中描述的实施例可经配置以通过在如本文中进一步描述那样确定第三位置时补偿任何纠偏而消除电子束图像中归因于偏斜的缺陷位置不确定性。
本文中描述的实施例还能够实现于用于缺陷重检值电子束图像中确定光学检测缺陷的位置的子像素准确度。举例来说,如本文中描述,实施例可经配置以以子像素准确度在光学图像内定位缺陷信号位置,此对于以子像素准确度在电子束图像中定位缺陷是关键的。另外,本文中描述的实施例能够处置通过晶片检验产生的光学图像中的光学失真。特定来说,不论由光学检验系统引起的光学图像中的任何失真,本文中描述的实施例皆可以稳健方式在针对缺陷重检产生的电子束图像中可靠地且准确地确定由光学检验所检测的缺陷的位置。本文中描述的实施例还能够处置否则可降低在电子束图像中进行缺陷位置确定的准确度的多个不确定性源。举例来说,本文中描述的实施例可固有地处置层可见性差异、光学检验工具失真、缺陷重检工具位置不确定性误差、光学图像图块内的子像素缺陷位置不确定性等。
在另一实例中,本文中描述的实施例能够分辨光学检测缺陷的电子束图像中的预测位置的单元不确定性。此外,本文中描述的实施例能够可靠地且准确地预测电子束图像中的SNV的位置。另外,本文中描述的实施例帮助甚至针对SNV在电子束图像上定位缺陷信号位置。
作为本文中描述的实施例的替代,存在其中光学检验系统及缺陷重检工具两者都不具有缺陷位置准确度误差且光学检验工具与缺陷重检工具之间不存在纠偏问题的理想情况。在此情况中,由光学检验系统所检测的全部缺陷应出现在电子束图像(电子束真实缺陷及SNV图像两者)上的确切相同位置处,且用户应能够预测光学检验系统在电子束图像上具有信号的确切位置。然而,实际上,几乎无法产生像上文描述的理想情况的情形。特定来说,全部系统及方法都归因于在物理现实中可实现的内容限制的而具有固有误差。此外,尝试产生上文描述的理想情形将过于昂贵且耗时。因此,无法或可能甚至不期望产生不具有本文中描述的实施例可用来校正的限制或不确定性的理想情形。
另一实施例涉及一种用于在晶片的电子束图像中确定缺陷的位置的计算机实施方法。所述方法包含上文描述的步骤。
可如本文中进一步描述那样执行方法的步骤的每一者。方法还可包含可由本文中描述的电子束缺陷重检子系统及/或计算机子系统或系统执行的任何其它步骤。所述步骤是由可根据本文中描述的实施例的任一者配置的计算机系统执行。另外,上文描述的方法可由本文中描述的系统实施例的任一者执行。
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,所述程序指令可在计算机系统上执行以执行用于在晶片的电子束图像中确定缺陷的位置的计算机实施方法。图8中展示一个此实施例。特定来说,如图8中所示,非暂时性计算机可读媒体800包含可在计算机系统804上执行的程序指令802。计算机实施方法可包含本文中描述的任何方法的任何步骤。
实施例如本文中描述的方法的程序指令802可存储于计算机可读媒体800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合非暂时性计算机可读媒体。
可以各种方式(包含基于程序的技术、基于组件的技术及/或面向对象的技术等)的任一者实施程序指令。举例来说,如所需,可使用ActiveX控件、C++对象、JavaBeans、微软基础类(“MFC”)、SSE(流式SIMD扩展)或其它技术或方法论来实施程序指令。
计算机系统804可根据本文中描述的实施例的任一者配置。
鉴于此描述,所属领域的技术人员将明白本发明的各种方面的另外修改及替代实施例。举例来说,提供用于在晶片的电子束图像中确定缺陷的位置的方法及系统。因此,此描述仅应理解为说明性的且是用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。应理解,本文中所展示并描述的本发明的形式应视为目前优选实施例。全部如所属领域的技术人员在受益于本发明的此描述之后将明白,元件及材料可替换本文中说明并描述的元件及材料,部分及过程可颠倒,且可独立利用本发明的某些特征。可对本文中描述的元件进行改变,而不脱离如所附申请专利范围中描述的本发明的精神及范围。
Claims (21)
1.一种经配置以在晶片的电子束图像中确定缺陷的位置的系统,其包括:
电子束缺陷重检子系统,其包括至少一电子束源及检测器,其中所述电子束源经配置以产生引导到晶片的电子,且其中所述检测器经配置以检测来自所述晶片的电子且响应于所述检测到的电子而产生电子束图像;及
计算机子系统,其耦合到所述电子束缺陷重检子系统,其中所述计算机子系统包括执行来自存储器媒体的指令的一或多个处理器,且其中所述计算机子系统经配置以:
在针对所述晶片产生的差分图像中确定缺陷的第一位置,其中通过针对所述缺陷定位于其中的所述晶片上的区域从测试图像减去参考图像而产生所述差分图像,其中由光学检验系统针对所述晶片产生所述测试图像,且其中由所述光学检验系统在所述晶片上检测所述缺陷;
基于所述缺陷在所述差分图像中的所述第一位置而相对于形成于所述晶片上且成像于所述测试图像中的图案确定所述缺陷的第二位置;
在由所述电子束缺陷重检子系统针对所述晶片上的所述缺陷产生的电子束图像中相对于所成像的所述图案确定所述缺陷的第三位置;
确定所述第一与第三位置之间的关联;及
在由所述电子束缺陷重检子系统针对所述晶片上的另一缺陷产生的电子束图像中确定另一缺陷的位置,其中基于所述另一缺陷在针对所述晶片产生的另一差分图像中的第一位置及所述经确定关联而确定所述另一缺陷的所述位置,其中由所述光学检验系统在所述晶片上检测所述另一缺陷,其中由针对所述另一缺陷定位于其中的所述晶片上的区域从测试图像减去参考图像而产生所述另一差分图像,且其中由所述光学检验系统针对所述晶片产生用来产生所述另一差分图像的所述测试图像。
2.根据权利要求1所述的系统,其中所述图案包括重复图案化的特征。
3.根据权利要求1所述的系统,其中所述图案对应于所述晶片的设计中的装置特征。
4.根据权利要求1所述的系统,其中所述图案定位于所述晶片的设计的阵列区中。
5.根据权利要求1所述的系统,其中所述图案无法用于对准所述晶片或针对所述晶片产生的图像。
6.根据权利要求1所述的系统,其中所述另一缺陷定位于其中的所述晶片上的所述区域不含有对准位点。
7.根据权利要求1所述的系统,其中所述另一缺陷无法由所述电子束缺陷重检子系统成像。
8.根据权利要求1所述的系统,其中所述另一缺陷可由所述电子束缺陷重检子系统成像。
9.根据权利要求1所述的系统,其中确定所述第三位置包括:在针对所述缺陷产生的所述电子束图像中相对于所述图案确定所述缺陷的初始位置;及针对所述初始位置与针对所述缺陷产生的所述电子束图像的中心的偏差而校正所述初始位置,借此确定所述第三位置。
10.根据权利要求9所述的系统,其中所述计算机子系统进一步经配置以:在针对所述另一缺陷产生的所述电子束图像中确定所述另一缺陷的一或多个额外候选位置;及基于所述初始位置与所述第三位置之间的差异而确定所述一或多个额外候选位置的可信度分数。
11.根据权利要求1所述的系统,其中所述计算机子系统进一步经配置以:通过比较由所述晶片检验系统针对所述另一缺陷产生的所述测试图像与针对所述晶片上的一或多个额外区域产生的其它测试图像而在针对所述另一缺陷产生的所述电子束图像中确定所述另一缺陷的一或多个额外候选位置,且其中所述一或多个额外区域定位于所述电子束缺陷重检子系统的视域内,运用所述电子束缺陷重检子系统产生所述另一缺陷的所述图像。
12.根据权利要求11所述的系统,其中所述计算机子系统进一步经配置以:基于在所述一或多个额外候选位置处针对所述另一缺陷产生的所述电子束图像的部分而对在对应于所述一或多个额外候选位置的位置处由所述光学检验系统检测的缺陷自动分类。
13.根据权利要求1所述的系统,其中所述缺陷是由通过所述光学检验系统执行的对所述晶片的检验所检测且由所述计算机子系统在由所述电子束缺陷重检子系统针对所述晶片产生的所述图像中所再次检测的一组取样缺陷中的多个缺陷中的一者,其中所述计算机子系统进一步经配置以针对所述组取样缺陷中的所述多个缺陷执行所述确定所述第一位置、确定所述第二位置及确定所述第三位置,且其中确定所述关联包括确定针对所述取样组中的所述多个缺陷确定的所述第一与第三位置之间的所述关联。
14.根据权利要求13所述的系统,其中所述光学检验系统具有在由所述光学检验系统针对所述晶片上含有相同图案的区域产生的至少两个图像中引起光学失真的光学特性,且其中所述组取样缺陷包括定位于其中产生所述至少两个图像的所述区域中的缺陷,借此使所述经确定关联适于所述光学失真。
15.根据权利要求1所述的系统,其中所述计算机子系统进一步经配置以:针对由所述光学检验系统在所述晶片上检测的全部缺陷执行所述确定位置。
16.根据权利要求1所述的系统,其中确定所述缺陷的所述第一位置包括:上取样针对所述缺陷产生的所述差分图像;及确定在针对所述缺陷产生的所述差分图像中对应于所述缺陷的信号的重心。
17.根据权利要求16所述的系统,其中以子像素准确度确定所述缺陷的所述第一位置。
18.根据权利要求1所述的系统,其中所述计算机子系统进一步经配置以通过以下步骤而确定所述另一缺陷的所述第一位置:上取样所述另一差分图像;及确定在所述另一差分图像中对应于所述另一缺陷的信号的重心。
19.根据权利要求18所述的系统,其中以子像素准确度确定所述缺陷的所述第一位置。
20.一种存储程序指令的非暂时性计算机可读媒体,所述程序指令可在计算机系统上执行以执行用于在晶片的电子束图像中确定缺陷的位置的计算机实施方法,其中所述计算机实施方法包括:
在针对晶片产生的差分图像中确定缺陷的第一位置,其中通过针对所述缺陷定位于其中的所述晶片上的区域从测试图像减去参考图像而产生所述差分图像,其中由光学检验系统针对所述晶片产生所述测试图像,且其中由所述光学检验系统在所述晶片上检测所述缺陷;
基于所述缺陷在所述差分图像中的所述第一位置而相对于形成于所述晶片上且成像于所述测试图像中的图案确定所述缺陷的第二位置;
在由电子束缺陷重检子系统针对所述晶片上的所述缺陷产生的电子束图像中相对于所成像的所述图案确定所述缺陷的第三位置,其中所述电子束缺陷重检子系统包括至少一电子束源及检测器,其中所述电子束源经配置以产生引导到晶片的电子,其中所述检测器经配置以检测来自所述晶片的电子且响应于所述检测到的电子而产生电子束图像,其中所述计算机系统耦合到所述电子束缺陷重检子系统,且其中所述计算机系统包括执行来自存储器媒体的指令的一或多个处理器;
确定所述第一与第三位置之间的关联;及
在由所述电子束缺陷重检子系统针对所述晶片上的另一缺陷产生的电子束图像中确定另一缺陷的位置,其中基于所述另一缺陷在针对所述晶片产生的另一差分图像中的第一位置及所述经确定关联而确定所述另一缺陷的所述位置,其中由所述光学检验系统在所述晶片上检测所述另一缺陷,其中通过针对所述另一缺陷定位于其中的所述晶片上的区域从测试图像减去参考图像而产生所述另一差分图像,其中由所述光学检验系统针对所述晶片产生用来产生所述另一差分图像的所述测试图像,且其中确定所述第一、第二及第三位置、所述关联及所述位置由所述计算机系统执行。
21.一种用于在晶片的电子束图像中确定缺陷的位置的计算机实施方法,其包括:
在针对晶片产生的差分图像中确定缺陷的第一位置,其中通过针对所述缺陷定位于其中的所述晶片上的区域从测试图像减去参考图像而产生所述差分图像,其中由光学检验系统针对所述晶片产生所述测试图像,且其中由所述光学检验系统在所述晶片上检测所述缺陷;
基于所述缺陷在所述差分图像中的所述第一位置而相对于形成于所述晶片上且成像于所述测试图像中的图案确定所述缺陷的第二位置;
在由电子束缺陷重检子系统针对所述晶片上的所述缺陷产生的电子束图像中相对于所成像的所述图案确定所述缺陷的第三位置,其中所述电子束缺陷重检子系统包括至少一电子束源及检测器,其中所述电子束源经配置以产生引导到晶片的电子,且其中所述检测器经配置以检测来自所述晶片的电子且响应于所述检测到的电子而产生电子束图像;
确定所述第一与第三位置之间的关联;及
在由所述电子束缺陷重检子系统针对所述晶片上的另一缺陷产生的电子束图像中确定另一缺陷的位置,其中基于所述另一缺陷在针对所述晶片产生的另一差分图像中的第一位置及所述经确定关联而确定所述另一缺陷的所述位置,其中由所述光学检验系统在所述晶片上检测所述另一缺陷,其中通过针对所述另一缺陷定位于其中的所述晶片上的区域从测试图像减去参考图像而产生所述另一差分图像,其中由所述光学检验系统针对所述晶片产生用来产生所述另一差分图像的所述测试图像,其中确定所述第一、第二及第三位置、所述关联及所述位置由计算机系统执行,其中所述计算机系统耦合到所述电子束缺陷重检子系统,且其中所述计算机系统包括执行来自存储器媒体的指令的一或多个处理器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562204314P | 2015-08-12 | 2015-08-12 | |
US62/204,314 | 2015-08-12 | ||
PCT/US2016/046629 WO2017027748A1 (en) | 2015-08-12 | 2016-08-11 | Determining a position of a defect in an electron beam image |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108475422A true CN108475422A (zh) | 2018-08-31 |
CN108475422B CN108475422B (zh) | 2019-09-06 |
Family
ID=63286598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680046416.4A Active CN108475422B (zh) | 2015-08-12 | 2016-08-11 | 在电子束图像中确定缺陷的位置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108475422B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112489849A (zh) * | 2019-09-11 | 2021-03-12 | 西门子医疗有限公司 | 计算机断层扫描设备的x射线射束光谱过滤的过滤器装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030025087A1 (en) * | 2001-08-01 | 2003-02-06 | Aspex, Llc | Apparatus for correlating an optical image and a SEM image and method of use thereof |
US20070023658A1 (en) * | 1999-12-02 | 2007-02-01 | Mari Nozoe | Method of inspecting pattern and inspecting instrument |
CN102292805A (zh) * | 2009-01-26 | 2011-12-21 | 恪纳腾公司 | 用于检测晶片上的缺陷的系统和方法 |
CN102396058A (zh) * | 2009-02-13 | 2012-03-28 | 恪纳腾公司 | 检测晶片上的缺陷 |
US8716662B1 (en) * | 2012-07-16 | 2014-05-06 | Kla-Tencor Corporation | Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations |
-
2016
- 2016-08-11 CN CN201680046416.4A patent/CN108475422B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070023658A1 (en) * | 1999-12-02 | 2007-02-01 | Mari Nozoe | Method of inspecting pattern and inspecting instrument |
US20030025087A1 (en) * | 2001-08-01 | 2003-02-06 | Aspex, Llc | Apparatus for correlating an optical image and a SEM image and method of use thereof |
CN102292805A (zh) * | 2009-01-26 | 2011-12-21 | 恪纳腾公司 | 用于检测晶片上的缺陷的系统和方法 |
CN102396058A (zh) * | 2009-02-13 | 2012-03-28 | 恪纳腾公司 | 检测晶片上的缺陷 |
US8716662B1 (en) * | 2012-07-16 | 2014-05-06 | Kla-Tencor Corporation | Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112489849A (zh) * | 2019-09-11 | 2021-03-12 | 西门子医疗有限公司 | 计算机断层扫描设备的x射线射束光谱过滤的过滤器装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108475422B (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10211025B2 (en) | Determining a position of a defect in an electron beam image | |
US9875536B2 (en) | Sub-pixel and sub-resolution localization of defects on patterned wafers | |
CN107533759B (zh) | 对于关注图案图像群体的异常检测 | |
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 | |
CN106537449B (zh) | 确定样本上的关注区域的坐标 | |
CN106415807B (zh) | 使用高分辨率全裸片图像数据进行检验 | |
CN108291878A (zh) | 单一图像检测 | |
US10074036B2 (en) | Critical dimension uniformity enhancement techniques and apparatus | |
CN106796724A (zh) | 自动化图案保真度测量计划产生 | |
TWI515813B (zh) | Charged particle - ray device | |
CN106537125A (zh) | 具有多种模式的虚拟检验系统 | |
CN105531807B (zh) | 监测光掩模缺陷率的改变 | |
KR20170129892A (ko) | 설계에 대한 검사의 서브-픽셀 정렬 | |
CN113412485B (zh) | 用于选择设计文件的系统、计算机可读媒体及实施方法 | |
JP2004177139A (ja) | 検査条件データ作成支援プログラム及び検査装置及び検査条件データ作成方法 | |
CN108351596A (zh) | 用于半导体掩模检验的基于多边形的几何分类 | |
CN108475422B (zh) | 在电子束图像中确定缺陷的位置 | |
CN107924850A (zh) | 自定向计量和图案分类 |
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 |