CN109923654B - 通过跨层图像相减的晶片噪声减少 - Google Patents

通过跨层图像相减的晶片噪声减少 Download PDF

Info

Publication number
CN109923654B
CN109923654B CN201780068952.9A CN201780068952A CN109923654B CN 109923654 B CN109923654 B CN 109923654B CN 201780068952 A CN201780068952 A CN 201780068952A CN 109923654 B CN109923654 B CN 109923654B
Authority
CN
China
Prior art keywords
wafer
image
layer
difference
defects
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780068952.9A
Other languages
English (en)
Other versions
CN109923654A (zh
Inventor
B·布拉尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KLA Corp
Original Assignee
KLA Tencor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KLA Tencor Corp filed Critical KLA Tencor Corp
Publication of CN109923654A publication Critical patent/CN109923654A/zh
Application granted granted Critical
Publication of CN109923654B publication Critical patent/CN109923654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

通过计算多层晶片的跨层差异图像而提供光学检验工具的差异图像中的噪声减少。使用第一晶片层的第一晶片图像及第二晶片层的第二晶片图像。所述第一晶片图像及所述第二晶片图像在所述多层晶片上的相同平面位置处，但它们是不同层及/或在不同工艺步骤之后的图像。计算所述第一晶片图像与所述第二晶片图像之间的第一差异图像以减少晶片噪声。可使用所述第一差异图像来识别缺陷。可使用具有图像数据采集子系统的系统来执行此技术。

Description

通过跨层图像相减的晶片噪声减少
相关申请案的交叉参考
本申请案要求2016年11月22日申请、现待审的第62/425,602号美国临时申请案的优先权，所述申请案的揭示内容以引用的方式并入本文中。
技术领域
本发明涉及减少缺陷检测期间的噪声。
背景技术
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(像半导体晶片)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。可在单一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工艺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获得较高利润。检验始终是制造半导体装置(例如集成电路(IC))的重要部分。然而，随着半导体装置尺寸的减小，检验对于成功制造可接受的半导体装置变得甚至更加重要，这是因为较小缺陷可引起装置发生故障。例如，随着半导体装置尺寸的减小，对大小减小的缺陷的检测已成为必要，这是因为即使相对较小缺陷也可引起半导体装置中的不必要的像差。
然而，随着设计规则的收缩，半导体制造工艺可更靠近工艺的性能能力的限制操作。另外，随着设计规则的收缩，较小缺陷可对装置的电参数具有影响，这推动更为灵敏的检验。随着设计规则的收缩，通过检验检测到的可能良率相关缺陷的数量急剧增长，且通过检验检测到的扰乱点缺陷的数量也急剧增长。因此，可在晶片上检测到越来越多的缺陷，且校正工艺以消除全部缺陷可能是困难的且昂贵的。因而，确定哪些缺陷实际上对装置的电参数及良率具有影响可允许工艺控制方法集中于那些缺陷，同时在很大程度上忽略其它缺陷。此外，在较小的设计规则下，在一些情况中，工艺诱发的故障可趋于系统性。即，在设计内工艺诱发的故障趋于通常重复多次在预定设计图案处发生故障。消除空间系统性电相关缺陷是重要的，这是因为消除此类缺陷可对良率具有显著的总体影响。通常无法从上文描述的检验、检视及分析工艺确定缺陷是否将影响装置参数及良率，这是因为这些工艺可能无法确定缺陷相对于电设计的位置。
已证实跨多层晶片的多个层进行缺陷检测存在问题。先前技术依赖于缺陷属性或定制差分过滤器来减少噪声或扰乱点。然而，如果缺陷的信号看起来类似于噪声或扰乱点，那么这些技术可能无法良好运作。例如，缺陷源分析(DSA)型扰乱点过滤是基于找到先前层上的缺陷且在下一层上将这些缺陷作为扰乱点滤除。这可能仅允许过滤离散的先前层扰乱点事件。这无法处置随机晶片噪声，处置随机晶片噪声需要在先前晶片层上维持以在工艺改变时不断地调谐的配方。
因此，需要一种在缺陷检测期间提供减少的噪声的新颖技术及系统。
发明内容
在第一实施例中，提供一种用于多层晶片中的缺陷识别期间的噪声减少的方法。所述方法包括使用图像数据采集子系统执行的对安置于所述多层晶片的第一晶片层上的第二晶片层的第二晶片扫描。使用所述图像数据采集子系统将所述第二晶片扫描转换为对应于所述第二晶片层的第二晶片图像。在处理器处接收第一晶片图像及所述第二晶片图像。所述第一晶片图像是所述第一晶片层的图像，且所述第二晶片图像及所述第一晶片图像在所述多层晶片上的相同平面位置处。使用所述处理器通过计算所述第一晶片图像与所述第二晶片图像之间的第一差异图像而减少图像噪声。使用所述处理器基于所述第一差异图像识别一或多个缺陷。
如果所述第一差异图像中的一或多个像素超过预定阈值，那么可检测到所述一或多个缺陷。
第一晶片扫描可为对所述第一晶片层的整个表面的扫描。所述第一晶片图像可仅为整个所述表面的一部分。可基于所述第二晶片图像的所述位置选择整个所述表面的所述部分。
在例子中，所述方法进一步包含：使用所述处理器比较所述第一晶片图像与所述第二晶片图像之间的对比度差异。如果所述对比度差异超过预定阈值，那么使用所述处理器将动态补偿应用于所述第一晶片图像或所述第二晶片图像。
在例子中，所述方法进一步包含：使用所述处理器基于晶片设计文件对准所述第二晶片图像与所述第一晶片图像。
在例子中，所述方法进一步包含：使用所述图像数据采集子系统执行对所述第一晶片层的第一晶片扫描。使用所述图像数据采集子系统将所述第一晶片扫描转换为对应于所述第一晶片层的所述第一晶片图像。
在例子中，所述方法进一步包含：在所述处理器处接收对应于所述第一晶片层的在所述多层晶片上不同于所述第一晶片图像及所述第二晶片图像的位置的平面位置处的第一参考图像。使用所述处理器计算所述第一参考图像与所述第一晶片图像之间的第二差异图像。在所述处理器处接收对应于所述第二晶片层的在所述多层晶片上不同于所述第一晶片图像及所述第二晶片图像的位置的平面位置处的第二参考图像。使用所述处理器计算所述第二参考图像与所述第二晶片图像之间的第三差异图像。使用所述处理器计算所述第二差异图像与所述第三差异图像之间的第四差异图像。可使用所述处理器比较所述第四差异图像与所述第一差异图像以验证所述一或多个缺陷的存在。
在第二实施例中，提供一种用于多层晶片中的缺陷识别的系统。所述系统包括图像数据采集子系统及与所述图像数据采集子系统电子通信的控制器。所述控制器包含经配置以执行一或多个软件模块的处理器。所述一或多个软件模块经配置以：接收第一晶片图像及第二晶片图像；计算所述第一晶片图像与所述第二晶片图像之间的第一差异图像，由此减少晶片噪声；及基于所述第一差异图像识别一或多个缺陷。所述第一晶片图像是所述多层晶片的第一晶片层的图像。所述第二晶片图像是安置于所述多层晶片的所述第一晶片层上的第二晶片层的图像。所述第二晶片图像及所述第一晶片图像在所述多层晶片上的相同平面位置处。所述图像数据采集子系统可经配置以执行晶片扫描。
所述一或多个软件模块可进一步经配置以：比较所述第一晶片图像与所述第二晶片图像之间的对比度差异，且如果所述对比度差异超过预定阈值，那么将动态补偿应用于所述第一晶片图像或所述第二晶片图像。
所述一或多个软件模块可进一步经配置以基于晶片设计文件对准所述第二晶片图像与所述第一晶片图像。
在例子中，第一晶片扫描可为对所述第一晶片层的整个表面的扫描。所述第一晶片图像可仅为整个所述表面的一部分。所述一或多个软件模块可进一步经配置以基于所述第二晶片图像的所述位置选择整个所述表面的一部分。
所述一或多个软件模块进一步经配置以：接收对应于所述第一晶片层的在所述多层晶片上不同于所述第一晶片图像及所述第二晶片图像的位置的平面位置处的第一参考图像；计算所述第一参考图像与所述第一晶片图像之间的第二差异图像；接收对应于所述第二晶片层的在所述多层晶片上不同于所述第一晶片图像及所述第二晶片图像的位置的平面位置处的第二参考图像；计算所述第二参考图像与所述第二晶片图像之间的第三差异图像；及计算所述第二差异图像与所述第三差异图像之间的第四差异图像。所述一或多个软件模块可进一步经配置以比较所述第四差异图像与所述第一差异图像以验证所述一或多个缺陷的存在。
附图说明
为更全面理解本发明的性质及目的，应结合附图参考以下详细描述，其中：
图1是说明根据本发明的方法的实施例的流程图；
图2说明层间缺陷检验的实施例；
图3说明层间缺陷检验的另一实施例；
图4说明使用双重检测的层间缺陷检验的另一实施例；及
图5是根据本发明的系统的实施例的框图。
具体实施方式
尽管将根据特定实施例描述所要求保护的主题，但其它实施例(包含未提供本文中阐述的全部优点及特征的实施例)也在本发明的范围内。在不脱离本发明的范围的情况下，可进行各种结构、逻辑、工艺步骤及电子改变。因此，本发明的范围仅参考所附权利要求书定义。
本文中揭示的方法及系统的实施例通过计算多层晶片的跨层差异图像而提供光学检验工具的差异图像中的噪声减少。实现对先前埋藏于噪声底限的缺陷(例如，其具有通常过低而难以检测的信噪比)的检测。这可改进半导体制造商的缺陷检测结果且增加处理量。特定来说，图案相关缺陷(例如缺失图案、连接两条金属线的桥接缺陷或畸形图案)可获益于本文中揭示的技术，然而其它类型的缺陷也可获益。并未使用缺陷的外观差异及差异图像中的噪声或扰乱点来将所关注缺陷(DOI)与噪声或扰乱点分离。
图5说明卡盘306上的多层晶片307。多层晶片307包含第一晶片层308及第二晶片层309。第二晶片层309经安置于第一晶片层308上。虽然仅说明两层，但多层晶片307可在晶片上包含三、四、五或更多层。所述层可相隔许多步骤。在本文中未说明的实例中，可能在层25中引入扰乱点，可能在层31中引入DOI，且可归因于晶片处理优化而在层34处检验晶片。在此实例中，将层34上的候选图像与层25到33处的相同位置处的图像进行比较。因此，第一晶片层308及第二晶片层309可能并非连续的。
在层的论述中涉及工艺步骤。在本文中未说明的特定实例中，层2可为在氧化物沉积之后的层1，层3可为在氧化物蚀刻之后的层2，层4可为在金属沉积之后的层3，且层5可为在抛光之后的层4。因此，第二晶片层309可为第一晶片层308的经修改版本，及/或相较于第一晶片层308可包含额外材料。
可对第一晶片层308执行完全晶片记录，此可为在缺陷被引入之前的检验步骤，但其含有具随机晶片噪声(例如临界尺寸(CD)变化、线边缘粗糙度(LER))及先前层缺陷的样本。进一步处理多层晶片307，缺陷可被引入，且接着多层晶片307到达第二晶片层309的下一检验步骤，在光学分块(patch)中可见所述第二晶片层309上的缺陷。
可对第二晶片层309执行检验，且可从第二晶片层309的图像及在第一晶片层308上的相同位置处取得的图像计算差异图像。
图1是说明可用于多层晶片中的缺陷识别期间的噪声减少的方法100的实施例的流程图。
在101，例如使用图像数据采集子系统执行对第二晶片层的第二晶片扫描。第二晶片层经安置于多层晶片的第一晶片层上。第二晶片层可为形成于第一晶片层上的额外层，但还可为第一晶片层的经修改区段(例如，第一晶片层上的经蚀刻区域)。在102，例如使用图像数据采集子系统将第二晶片扫描转换为对应于第二晶片层的第二晶片图像。
虽然在缺陷检测之后展示的分块图像的大小可仅为32×32像素2，但在检测之前使用的帧可为约1k×1k像素2。此大小可有助于提供当前的图像与先前层的图像之间的高度准确对准。较大帧可提供足够特征以允许高度准确图像对准。
在103，例如在处理器处接收第一晶片图像及第二晶片图像。第一晶片图像是第一晶片层的图像。第二晶片图像及第一晶片图像可在多层晶片上的相同平面位置处。第一晶片图像及第二晶片图像可具有晶片的平面的至少一些相同X-Y坐标。
可基于晶片设计文件或其它技术对准第二晶片图像与第一晶片图像。例如，基于设计的对准可用于记录第一晶片层上的晶片且检验第二晶片层上的晶片以帮助图像对准。
在例子中，第一晶片扫描可为对第一晶片层的整个表面的扫描。第一晶片图像可仅为整个表面的一部分。可基于第二晶片图像的位置选择整个表面的所述部分。
在另一例子中，例如使用图像数据采集子系统执行对第一晶片层的第一晶片扫描。例如使用图像数据采集子系统将第一晶片扫描转换为对应于第一晶片层的第一晶片图像。
在104，例如使用处理器通过计算第一晶片图像与第二晶片图像之间的第一差异图像而减少图像噪声。在105，例如使用处理器基于第一差异图像识别一或多个缺陷。如果第一差异图像中的一或多个像素超过预定阈值，那么可检测一或多个缺陷。此经计算差异具有改进的信噪比，这是因为先前层扰乱点及随机晶片噪声得以减少或消除。
在例子中，如果全部噪声来自先前层，那么信噪比可从层内检验的<1变为跨层检验的2到5。因此，缺陷可从无法检测变为容易检测。
可比较第一晶片图像与第二晶片图像之间的对比度。如果对比度差异超过预定阈值，那么可将动态补偿应用于第一晶片图像或第二晶片图像。处理器可比较对比度且应用动态补偿。可在计算差异图像时应用动态补偿。
在例子中，例如在处理器处接收对应于第一晶片层的在多层晶片上不同于第一晶片图像及第二晶片图像的位置的平面位置处的第一参考图像。例如使用处理器来计算第一参考图像与第一晶片图像之间的第二差异图像。例如在处理器处接收对应于第二晶片层的在多层晶片上不同于第一晶片图像及第二晶片图像的位置的平面位置处的第二参考图像。例如使用处理器来计算第二参考图像与第二晶片图像之间的第三差异图像。例如使用处理器来计算第二差异图像与第三差异图像之间的第四差异图像。可例如使用处理器来比较第四差异图像与第一差异图像以验证一或多个缺陷的存在。如果归因于例如当前层与先前层中的相同位置处的图像之间的对比度差异而无法简单地从先前层处的图像减去当前层的候选图像，那么可使用此技术。在此例子中，可计算当前层的差异图像与先前层的差异图像的差异。如果存在可见的缺陷，那么可能不清楚此缺陷是在候选图像中还是在参考图像中。可使用双重检测来确定缺陷实际上在哪个图像中。
在实例中，可使用虚拟检验器来记录整个晶片。可使用双重检测对第二晶片层执行差异图像计算。如果找到超过阈值的缺陷，那么将差异图像与来自第一晶片层的具有与当前层的测试或参考图像相同的位置的差异图像进行比较。如果层间差异图像中的像素超过阈值，那么报告缺陷。
图2说明层间缺陷检验的实施例。第一晶片层的第一晶片图像200及第二晶片层的第二晶片图像201对应于多层晶片的相同区域。因此，第一晶片图像200是第一晶片层的视图，而缺陷205出现在第二晶片层上(在第二晶片图像201中所见)。第二参考图像202是多层晶片的第二晶片层的图像，但其在晶片表面上的不同位置。例如，第二参考图像202可为相对于第二晶片图像201的下一裸片的图像。
如第一晶片图像200中所见，CD变化206引起晶片噪声。在第二晶片图像201中可见缺陷205。第二晶片图像201与第二参考图像202的差异图像204可导致噪声差异图像，其展示缺陷205与噪声207。可能无法用噪声差异图像容易地检测到缺陷。第一晶片图像200与第二晶片图像201之间的第一差异图像203展示具有较少噪声或不具有相同类型的噪声的缺陷205。
图3说明层间缺陷检验的另一实施例。差异图像220是第一晶片层的第一晶片图像与第一参考图像两者的图像相减的结果。差异图像221是第二晶片层的第二晶片图像与第二参考图像两者的图像相减的结果。差异图像221包含缺陷223。差异图像220及差异图像221两者包含随机晶片噪声225及源于第一晶片层之前的先前层缺陷224。差异图像220及差异图像221的图像相减导致差异图像222，其展示具有改进的信噪比的缺陷223。使用图3的实施例中的差异图像可减少最终差异图像中的噪声，这改进缺陷检测。
图4说明使用双重检测的层间缺陷检验的另一实施例。在图4中，星表示随机晶片噪声，且圆表示缺陷。说明第一晶片层的第一晶片图像241与第一晶片层上的不同平面位置(例如下一裸片)处的第一参考图像242。还包含第一晶片层上的另一参考图像240。说明第二晶片层的第二晶片图像244与第二晶片层上的不同平面位置(例如下一裸片)处的第二参考图像245。还包含第二晶片层的另一参考图像243。图像相减形成差异图像246到249。接着，在图像相减时使用第二差异图像247及第三差异图像249以形成第四差异图像250，所述第四差异图像250展示缺陷。可将第四差异图像与形成于第一晶片图像241与第二晶片图像244之间的第一差异图像进行比较以验证一或多个缺陷的存在。接着，可报告缺陷。
如所需，可使用参考图像240及243及差异图像246及248进行双重检测。
图5是系统300的实施例的框图。系统300包含经配置以固持多层晶片307或其它工件的卡盘306。卡盘306可经配置以在一个、两个或三个轴上移动或旋转。卡盘306还可经配置以例如绕Z轴自旋。
系统300还包含经配置以测量多层晶片307的表面的图像数据采集子系统301。图像数据采集子系统301可产生光束、电子束、宽带等离子体，或可使用其它技术来测量多层晶片307的表面。在一个实例中，图像数据采集子系统301包含激光。在另一实例中，系统300是宽带等离子体检验工具。图像数据采集子系统301可提供多层晶片307上的裸片的图像或可提供用以形成多层晶片307上的裸片的图像的信息。图像数据采集子系统301可经配置以例如通过图像数据采集子系统301与卡盘306之间的相对移动执行晶片扫描。
系统300与控制器302通信。例如，控制器302可与图像数据采集子系统301或系统300的其它组件通信。控制器302可包含处理器303、与处理器303电子通信的电子数据存储单元304，及与处理器303电子通信的通信端口305。应了解，实际上可通过硬件、软件及固件的任何组合而实施控制器302。此外，控制器302的如本文中描述的功能可由一个单元执行或在不同组件当中划分，又可通过硬件、软件及固件的任何组合实施每一组件的功能。控制器302实施各种方法及功能的程序代码或指令可存储于控制器可读存储媒体(例如控制器302内、控制器302外部或其组合的电子数据存储单元304中的存储器)中。
控制器302可包含一或多个处理器303及一或多个电子数据存储单元304。每一处理器303可与电子数据存储单元304中的一或多者电子通信。在实施例中，通信地耦合一或多个处理器303。在此方面，一或多个处理器303可接收在图像数据采集子系统301处接收的读数，且将读数存储于控制器302的电子数据存储单元304中。控制器302可为系统本身的部分或可与系统分离(例如，独立控制单元或在集中式质量控制单元中)。
处理器可经配置以执行一或多个软件模块。在例子中，这些软件模块可经配置以接收第一晶片图像及第二晶片图像。第一晶片图像是多层晶片的第一晶片层的图像。第二晶片图像是安置于多层晶片的第一晶片层上的第二晶片层的图像。第二晶片图像及第一晶片图像在多层晶片上的相同平面位置处。一或多个软件模块可经配置以计算第一晶片图像与第二晶片图像之间的第一差异图像，由此减少晶片噪声。一或多个软件模块可经配置以基于第一差异图像识别一或多个缺陷。
一或多个软件模块可进一步经配置以比较第一晶片图像与第二晶片图像之间的对比度差异，且如果对比度差异超过预定阈值，那么将动态补偿应用于第一晶片图像或第二晶片图像。
一或多个软件模块可进一步经配置以基于晶片设计文件对准第二晶片图像与第一晶片图像。
在例子中，第一晶片扫描是对第一晶片层的整个表面的扫描。第一晶片图像可仅为整个表面的一部分。一或多个软件模块可进一步经配置以基于第二晶片图像的位置选择整个表面的一部分。
一或多个软件模块可进一步经配置以接收对应于第一晶片层的在多层晶片上不同于第一晶片图像及第二晶片图像的位置的平面位置处的第一参考图像。一或多个软件模块可经配置以计算第一参考图像与第一晶片图像之间的第二差异图像。一或多个软件模块可经配置以接收对应于第二晶片层的在多层晶片上不同于第一晶片图像及第二晶片图像的位置的平面位置处的第二参考图像。一或多个软件模块可经配置以计算第二参考图像与第二晶片图像之间的第三差异图像。一或多个软件模块可经配置以计算第二差异图像与第三差异图像之间的第四差异图像。一或多个软件模块可进一步经配置以比较第四差异图像与第一差异图像以验证一或多个缺陷的存在。
控制器302可以任何合适方式(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)耦合到系统300的组件，使得控制器302可接收由系统300产生的输出，例如来自图像数据采集子系统301的输出。控制器302可经配置以使用所述输出来执行许多功能。例如，控制器302可经配置以执行对多层晶片307的缺陷检测。在另一实例中，控制器302可经配置以将输出发送到电子数据存储单元304或另一存储媒体而不检视输出。控制器302可如本文描述般进一步配置。
本文中描述的控制器302、其它系统或其它子系统可采取各种形式，包含个人计算机系统、图像计算机、大型计算机系统、工作站、网络设备、因特网设备或其它装置。一般来说，术语“控制器”可广义地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媒体的指令。子系统或系统还可包含所属领域中已知的任何合适处理器，例如并行处理器。另外，子系统或系统可包含具有高速处理及软件的平台，其作为独立工具或网络工具。
如果系统包含超过一个子系统，那么可将不同子系统彼此耦合使得可在子系统之间发送图像、数据、信息、指令等。例如，一个子系统可通过任何合适传输媒体(可包含所属领域中已知的任何合适有线及/或无线传输媒体)耦合到额外子系统。还可通过共享计算机可读存储媒体(未展示)有效地耦合两个或更多个此类子系统。
系统300可为缺陷检视系统、检验系统、计量系统或某一其它类型的系统的部分。因此，本文中揭示的实施例描述可以若干方式定制以用于具有不同能力的或多或少适用于不同应用的系统的一些配置。
控制器302可与图像数据采集子系统301或系统300的其它组件电子通信。控制器302可根据本文中描述的实施例中的任一者配置。控制器302还可经配置以使用图像数据采集子系统301的输出或使用来自其它来源的图像或数据来执行其它功能或额外步骤。
额外实施例涉及一种存储可在控制器上执行以执行计算机实施方法散焦检测的程序指令的非暂时性计算机可读媒体，如本文中揭示。特定来说，如图5中展示，控制器302可包含电子数据存储单元304中的存储器或其它电子数据存储媒体，其具有包含可在控制器302上执行的程序指令的非暂时性计算机可读媒体。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。例如，控制器302可经编程以执行图1的一些或全部步骤。在例子中，控制器302中的处理器303可经编程以接收第一晶片图像及第二晶片图像。第一晶片图像是多层晶片的第一晶片层的图像。第二晶片图像是安置于多层晶片的第一晶片层上的第二晶片层的图像。第二晶片图像及第一晶片图像在多层晶片上的相同平面位置处。计算第一晶片图像与第二晶片图像之间的第一差异图像，由此减少晶片噪声。基于第一差异图像识别一或多个缺陷。
可以各种方式中的任一者实施程序指令，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。例如，可根据需要使用ActiveX控件、C++对象、JavaBeans、微软基础类(Microsoft Foundation Classes,MFC)、SSE(串流SIMD扩展)或其它技术或方法论来实施程序指令。
在另一实施例中，控制器302可以所属领域中已知的任何方式通信地耦合到系统300的各种组件或子系统中的任一者。此外，控制器302可经配置以通过传输媒体(其可包含有线及/或无线部分)从其它系统接收及/或获取数据或信息(例如，来自例如检视工具的检验系统的检验结果、包含设计数据的远程数据库，及类似者)。以此方式，传输媒体可用作控制器302与系统300的其它子系统或系统300外部的系统之间的数据链路。
在一些实施例中，通过以下中的一或多者实行本文中揭示的系统300及方法的各种步骤、功能及/或操作：电子电路、逻辑门、多路复用器、可编程逻辑装置、ASIC、模拟或数字控件/开关、微控制器或计算系统。可经由载体媒体传输实施例如本文中描述的方法的方法的程序指令，或将其存储于载体媒体上。载体媒体可包含存储媒体，例如只读存储器、随机存取存储器、磁盘或光盘、非易失性存储器、固态存储器、磁带，及类似者。载体媒体可包含传输媒体，例如导线、缆线或无线传输链路。例如，可通过单一控制器302(或计算机系统)或(替代地)多个控制器302(或多个计算机系统)实行贯穿本发明描述的各种步骤。此外，系统300的不同子系统可包含一或多个计算或逻辑系统。因此，上文描述不应解释为对本发明的限制而是仅为说明。
如本文中使用，术语“晶片”一般指由半导体或非半导体材料形成的衬底。此半导体或非半导体材料的实例包含但不限于：单晶硅、氮化镓、砷化镓、磷化铟、蓝宝石及玻璃。通常可在半导体制造厂中找到及/或处理此类衬底。
晶片可包含形成于衬底上的一或多个层。例如，此类层可包含但不限于：光致抗蚀剂、电介质材料、导电材料及半导电材料。所属领域中已知许多不同类型的此类层，且如本文中使用的术语晶片希望涵盖包含全部类型的此类层的晶片。
形成于晶片上的一或多个层可经图案化或未经图案化。例如，晶片可包含多个裸片，每一裸片具有可重复图案化特征或周期性结构。形成及处理此类材料层最终可导致成品装置。许多不同类型的装置可形成于晶片上，且如本文中使用的术语晶片希望涵盖在上面制造所属领域中已知的任何类型的装置的晶片。
还可使用其它类型的晶片。例如，可使用晶片来制造LED、太阳能电池、磁盘、平板或抛光板。还可使用本文中揭示的技术及系统来对其它对象上的缺陷进行分类。
可如本文中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描述的控制器及/或计算机子系统或系统执行的任何其它步骤。所述步骤可由一或多个计算机系统执行，所述一或多个计算机系统可根据本文中描述的实施例中的任一者配置。另外，可通过本文中描述的系统实施例中的任一者执行上文描述的方法。
如本文中使用，“第一”及“第二”用以区分各种特征。尽管在一些例子中，“第一”可直接出现在“第二”之前，但并不暗指连续顺序。
尽管已关于一或多个特定实施例描述本发明，但将了解，可在不脱离本发明的范围的情况下进行本发明的其它实施例。因此，本发明被视为仅受限于所附权利要求书及其合理解释。

Claims (5)

1.一种用于多层晶片中的缺陷识别的系统，其包括：
图像数据采集子系统；及
控制器，其与所述图像数据采集子系统电子通信，其中所述控制器包含经配置以执行一或多个软件模块的处理器，所述一或多个软件模块经配置以：
接收第一晶片图像及第二晶片图像，其中所述第一晶片图像是所述多层晶片的第一晶片层的图像，其中所述第二晶片图像是安置于所述多层晶片的所述第一晶片层上的第二晶片层的图像，且其中所述第二晶片图像及所述第一晶片图像在所述多层晶片上的相同平面位置处；
计算所述第一晶片图像与所述第二晶片图像之间的第一差异图像，由此减少晶片噪声；及
基于所述第一差异图像识别一或多个缺陷；
所述一或多个软件模块进一步经配置以：
接收对应于所述第一晶片层的在所述多层晶片上不同于所述第一晶片图像及所述第二晶片图像的平面位置处的第一参考图像；
计算所述第一参考图像与所述第一晶片图像之间的第二差异图像；
接收对应于所述第二晶片层的在所述多层晶片上不同于所述第一晶片图像及所述第二晶片图像的平面位置处的第二参考图像；
计算所述第二参考图像与所述第二晶片图像之间的第三差异图像；及
计算所述第二差异图像与所述第三差异图像之间的第四差异图像；
所述一或多个软件模块进一步经配置以比较所述第四差异图像与所述第一差异图像以验证所述一或多个缺陷的存在。
2.根据权利要求1所述的系统，其中所述图像数据采集子系统经配置以执行晶片扫描。
3.根据权利要求1所述的系统，其中所述一或多个软件模块进一步经配置以：
比较所述第一晶片图像与所述第二晶片图像之间的对比度差异；及
如果所述对比度差异超过预定阈值，那么将动态补偿应用于所述第一晶片图像或所述第二晶片图像。
4.根据权利要求1所述的系统，其中所述一或多个软件模块进一步经配置以基于晶片设计文件对准所述第二晶片图像与所述第一晶片图像。
5.根据权利要求1所述的系统，其中第一晶片扫描是对所述第一晶片层的整个表面的扫描，其中所述第一晶片图像仅为整个所述表面的一部分，且其中所述一或多个软件模块进一步经配置以基于所述第二晶片图像的所述平面位置选择整个所述表面的一部分。
CN201780068952.9A 2016-11-22 2017-11-21 通过跨层图像相减的晶片噪声减少 Active CN109923654B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662425602P 2016-11-22 2016-11-22
US62/425,602 2016-11-22
US15/797,867 US10504213B2 (en) 2016-11-22 2017-10-30 Wafer noise reduction by image subtraction across layers
US15/797,867 2017-10-30
PCT/US2017/062871 WO2018098192A1 (en) 2016-11-22 2017-11-21 Wafer noise reduction by image subtraction across layers

Publications (2)

Publication Number Publication Date
CN109923654A CN109923654A (zh) 2019-06-21
CN109923654B true CN109923654B (zh) 2023-06-20

Family

ID=62147744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780068952.9A Active CN109923654B (zh) 2016-11-22 2017-11-21 通过跨层图像相减的晶片噪声减少

Country Status (5)

Country Link
US (1) US10504213B2 (zh)
KR (1) KR20190077582A (zh)
CN (1) CN109923654B (zh)
TW (1) TW201834100A (zh)
WO (1) WO2018098192A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10648925B2 (en) * 2017-06-05 2020-05-12 Kla-Tencor Corporation Repeater defect detection
US11151711B2 (en) 2018-06-06 2021-10-19 Kla-Tencor Corporation Cross layer common-unique analysis for nuisance filtering
KR102630568B1 (ko) * 2018-06-15 2024-01-29 삼성전자주식회사 반도체 소자의 제조 방법
US11035803B1 (en) 2020-02-26 2021-06-15 Applied Materials Israel Ltd. Multi-perspective examination of a specimen
US11494924B2 (en) * 2020-04-28 2022-11-08 KLA Corp. Image alignment for noisy images
US11761903B2 (en) * 2020-11-23 2023-09-19 International Business Machines Corporation Wafer inspection and verification
US20230314336A1 (en) 2022-03-31 2023-10-05 Kla Corporation Multi-mode optical inspection
US11922619B2 (en) 2022-03-31 2024-03-05 Kla Corporation Context-based defect inspection

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5943437A (en) * 1995-10-09 1999-08-24 Kabushiki Kaisha Kobe Seiko Sho Method and apparatus for classifying a defect on a semiconductor wafer
US6040912A (en) * 1998-09-30 2000-03-21 Advanced Micro Devices, Inc. Method and apparatus for detecting process sensitivity to integrated circuit layout using wafer to wafer defect inspection device
US6200823B1 (en) * 1999-02-09 2001-03-13 Advanced Micro Devices, Inc. Method for isolation of optical defect images
US7295695B1 (en) * 2002-03-19 2007-11-13 Kla-Tencor Technologies Corporation Defect detection via multiscale wavelets-based algorithms

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5949901A (en) 1996-03-21 1999-09-07 Nichani; Sanjay Semiconductor device image inspection utilizing image subtraction and threshold imaging
US5859698A (en) 1997-05-07 1999-01-12 Nikon Corporation Method and apparatus for macro defect detection using scattered light
US6140140A (en) 1998-09-16 2000-10-31 Advanced Micro Devices, Inc. Method for detecting process sensitivity to integrated circuit layout by compound processing
US6411378B1 (en) 2000-01-24 2002-06-25 Advanced Micro Devices, Inc. Mask, structures, and method for calibration of patterned defect inspections
US6586263B2 (en) 2000-09-18 2003-07-01 Neuristics Physics Laboratory, Inc. Correction of overlay offset between inspection layers in integrated circuits
US6642726B2 (en) 2001-06-29 2003-11-04 Kla-Tencor Corporation Apparatus and methods for reliable and efficient detection of voltage contrast defects
US6763142B2 (en) 2001-09-07 2004-07-13 Nline Corporation System and method for correlated noise removal in complex imaging systems
US7813541B2 (en) 2005-02-28 2010-10-12 Applied Materials South East Asia Pte. Ltd. Method and apparatus for detecting defects in wafers
TWI439684B (zh) 2005-07-06 2014-06-01 Nanometrics Inc 具自晶圓或其他工件特定材料層所發射光致發光信號優先偵測之光致發光成像
JP4699873B2 (ja) 2005-11-10 2011-06-15 株式会社日立ハイテクノロジーズ 欠陥データ処理及びレビュー装置
US7478360B2 (en) 2005-12-06 2009-01-13 Synopsys, Inc. Approximating wafer intensity change to provide fast mask defect scoring
KR100755372B1 (ko) * 2006-08-25 2007-09-04 삼성전자주식회사 웨이퍼 검사방법
JP4909729B2 (ja) 2006-12-13 2012-04-04 株式会社東芝 検査データ作成方法および検査方法
JP4919988B2 (ja) 2008-03-07 2012-04-18 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、および回路パターン検査方法
US8605275B2 (en) 2009-01-26 2013-12-10 Kla-Tencor Corp. Detecting defects on a wafer
JP5548159B2 (ja) 2010-11-05 2014-07-16 株式会社アドバンテスト 欠陥レビュー装置及び欠陥レビュー方法
US10330608B2 (en) 2012-05-11 2019-06-25 Kla-Tencor Corporation Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools
US9747670B2 (en) 2013-06-26 2017-08-29 Kla-Tencor Corporation Method and system for improving wafer surface inspection sensitivity
KR101520835B1 (ko) 2013-06-27 2015-05-18 파크시스템스 주식회사 이미지 획득 방법 및 이를 이용한 이미지 획득 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5943437A (en) * 1995-10-09 1999-08-24 Kabushiki Kaisha Kobe Seiko Sho Method and apparatus for classifying a defect on a semiconductor wafer
US6040912A (en) * 1998-09-30 2000-03-21 Advanced Micro Devices, Inc. Method and apparatus for detecting process sensitivity to integrated circuit layout using wafer to wafer defect inspection device
US6200823B1 (en) * 1999-02-09 2001-03-13 Advanced Micro Devices, Inc. Method for isolation of optical defect images
US7295695B1 (en) * 2002-03-19 2007-11-13 Kla-Tencor Technologies Corporation Defect detection via multiscale wavelets-based algorithms

Also Published As

Publication number Publication date
US20180144442A1 (en) 2018-05-24
TW201834100A (zh) 2018-09-16
US10504213B2 (en) 2019-12-10
KR20190077582A (ko) 2019-07-03
CN109923654A (zh) 2019-06-21
WO2018098192A1 (en) 2018-05-31

Similar Documents

Publication Publication Date Title
CN109923654B (zh) 通过跨层图像相减的晶片噪声减少
TWI784018B (zh) 用於使用半導體製造程序中之深度學習預測缺陷及臨界尺寸之系統及方法
CN109154575B (zh) 用于基于设计的缺陷检测的系统和方法
TWI743340B (zh) 用於偵測缺陷之方法、掃描電子顯微鏡及儲存一程式之非暫時性電腦可讀媒體
TWI663665B (zh) 用於在一單一檢驗程序中之多個程序步驟之檢驗
TW201939634A (zh) 使用電子束檢測及具有即時情報之深度學習以減少損害的缺陷探索
KR102517585B1 (ko) 고급 프로세스 제어를 위한 통합된 스캐닝 전자 현미경법 및 광학 분석 기술
JP2022548544A (ja) 多走査電子顕微鏡法を使用したウェーハアライメント
TWI760523B (zh) 用於偵測一缺陷之方法、非暫時性電腦可讀媒體及系統
KR102557190B1 (ko) 설계를 사용한 사전 층 결함 사이트 검토
KR102201122B1 (ko) 민감도 개선 및 뉴슨스 억제를 위해 로직 및 핫스팟 검사에서 z-층 컨텍스트를 사용하는 시스템 및 방법
US10957608B2 (en) Guided scanning electron microscopy metrology based on wafer topography
TWI785065B (zh) 基於妨害地圖之寬帶電漿檢查
US6944573B2 (en) Method and apparatus for the analysis of scratches on semiconductor wafers
JP6771495B2 (ja) 設計を利用する先行層欠陥箇所の点検

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