CN109964115B - 用于高敏感度重复项缺陷检测的系统及方法 - Google Patents
用于高敏感度重复项缺陷检测的系统及方法 Download PDFInfo
- Publication number
- CN109964115B CN109964115B CN201780068950.XA CN201780068950A CN109964115B CN 109964115 B CN109964115 B CN 109964115B CN 201780068950 A CN201780068950 A CN 201780068950A CN 109964115 B CN109964115 B CN 109964115B
- Authority
- CN
- China
- Prior art keywords
- defect
- wafer
- defects
- reticle
- repeat
- 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
Links
Images
Classifications
-
- 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
-
- 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
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G01N2021/95676—Masks, reticles, shadow masks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- 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
- G06T2207/20076—Probabilistic image 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
- G06T2207/20212—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明提供用于检测光罩上的缺陷的系统及方法。一种系统包含:(若干)计算机子系统,其包含一或多个图像处理组件,其获取由检验子系统针对晶片产生的图像;主用户接口组件,其将针对所述晶片及所述光罩产生的信息提供到用户且接收来自所述用户的指令;及接口组件,其提供所述一或多个图像处理组件与所述主用户接口之间的接口。不同于当前使用的系统,所述一或多个图像处理组件经配置用于通常将重复项缺陷检测算法应用到由所述一或多个图像处理组件获取的所述图像而执行重复项缺陷检测,且所述重复项缺陷检测算法经配置以使用热阈值来检测所述晶片上的缺陷且识别是重复项缺陷的所述缺陷。
Description
技术领域
本发明大体涉及用于高敏感度重复项缺陷检测的系统及方法。
背景技术
以下描述及实例不凭借其包含在此章节中而认为是现有技术。
在半导体制造过程期间的各个步骤使用检验过程以检测晶片上的缺陷以促进制造过程中的更高良率及因此更高利润。检验通常是制造半导体装置(例如IC)的重要部分。然而,随着半导体装置的尺寸减小,检验对于成功制造可接受半导体装置变得更加重要,这是因为较小缺陷可导致装置故障。
一些当前检验方法检测晶片上的重复项缺陷以借此检测光罩上的缺陷。例如,如果在对应于光罩上的相同位置的晶片上的多个位置处重复地检测到缺陷(“重复项缺陷”),那么缺陷可由光罩自身引起。因此,可分析重复项缺陷以确定其是否由光罩缺陷而非一些其它原因引起。
一般来说,将重复项缺陷检测(RDD)作为晶片后处理(PP)操作执行。例如,检验工具可执行正常裸片对裸片缺陷检测(DD),且在报告所有晶片缺陷之后,可在后处理步骤中在用户接口中而非在检验工具的不同计算机组件中执行RDD。重复项缺陷经定义为定位在若干裸片中的相同位置(在特定公差内)的缺陷。
然而,用于RDD的当前使用方法及系统存在若干缺点。例如,为找到弱重复项缺陷,需要执行基本上热缺陷检测。大多数经检测事件并非重复项且通过RDD过滤。问题在于,归因于(检验工具的内部网络的)带宽及磁盘空间,工具对存储于批结果中的缺陷具有有限容量。位置是基本上强过滤器,其消除批结果中的大多数事件,但对于弱重复项,检验无法足够热地运行以保存所有候选缺陷。
因此,开发不具有上文描述的缺点中的一或多者的用于检测晶片上的重复项缺陷的系统及方法将是有利的。
发明内容
各种实施例的下列描述绝不应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检测光罩上的缺陷的系统。所述系统包含经配置以扫描晶片以借此产生所述晶片的图像的检验子系统。在光刻工艺中使用光罩以将特征印刷于所述晶片上。所述系统还包含一或多个计算机子系统,其包含经配置用于获取由所述检验子系统针对所述晶片产生的所述图像的一或多个图像处理组件。所述一或多个计算机子系统还包含主接口组件,其经配置用于将针对所述晶片及所述光罩产生的信息提供到用户且用于接收来自所述用户的指令。另外,所述计算机子系统包含接口组件,其经配置用于提供所述一或多个图像处理组件与所述主用户接口组件之间的接口且用于控制所述检验子系统的一或多个硬件元件。所述一或多个图像处理组件经配置用于通过将重复项缺陷检测算法应用到由所述一或多个图像处理组件获取的所述图像而执行重复项缺陷检测。所述重复项缺陷检测算法经配置以使用热阈值来检测所述晶片上的缺陷且识别是重复项缺陷的缺陷。另外,所述一或多个图像处理组件经配置用于将包含仅所述重复项缺陷的信息的检验结果发送到所述接口组件。所述计算机子系统经配置用于基于所述晶片上检测到的所述重复项缺陷识别所述光罩上的缺陷。可如本文中描述那样进一步配置所述系统。
另一实施例涉及一种用于检测光罩上的缺陷的计算机实施方法。所述方法包含获取由检验子系统针对晶片产生的图像。在光刻工艺中使用光罩以将特征印刷于所述晶片上。通过包含于一或多个计算机子系统中的一或多个图像处理组件执行所述获取。所述一或多个计算机子系统包含主用户接口,其经配置用于将针对所述晶片及所述光罩产生的信息提供到用户且用于接收来自所述用户的指令。所述一或多个计算机子系统还包含接口组件,其经配置用于提供所述一或多个图像处理组件与所述主用户接口组件之间的接口且用于控制所述检验子系统的一或多个硬件元件。所述方法还包含通过将重复项缺陷检测算法应用到由所述一或多个图像处理组件获取的所述图像而执行重复项缺陷检测。所述重复项缺陷检测算法经配置以使用热阈值来检测所述晶片上的缺陷且识别是重复项缺陷的缺陷。由所述一或多个图像处理组件执行所述重复项缺陷检测。所述方法进一步包含将来自所述一或多个图像处理组件的包含仅所述重复项缺陷的信息的检验结果发送到所述接口组件。另外,所述方法包含基于所述晶片上检测到的所述重复项缺陷识别所述光罩上的缺陷。由所述一或多个计算机子系统执行识别所述光罩上的所述缺陷。
可如本文中描述那样进一步执行所述方法的步骤中的每一者。另外,所述方法可包含本文中描述的(若干)任何其它方法的(若干)任何其它步骤。此外,可由本文中描述的所述系统中的任一者执行所述方法。
另一实施例涉及一种非暂时性计算机可读媒体,其存储可在计算机系统上实行以执行用于检测光罩上的缺陷的计算机实施方法的程序指令。所述计算机实施方法包含上文描述的方法的步骤。可如本文中描述那样进一步配置所述计算机可读媒体。可如本文中进一步描述那样执行所述计算机实施方法的步骤。另外,所述计算机实施方法(可针对其执行所述程序指令)可包含本文中描述的(若干)任何其它方法的(若干)任何其它步骤。
附图说明
所属领域的技术人员在获益于优选实施例的以下详细描述的情况下且在参考附图之后将明白本发明的另外优点,其中:
图1及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是说明可包含于本文中描述的系统实施例中的一或多个计算机子系统的一个实施例的框图;
图4到8是说明可由本文描述的系统实施例执行的步骤的各种实施例的示意图;
图9是说明可由本文描述的系统实施例执行的步骤的一个实施例的流程图;及
图10是说明存储可在计算机系统上实行以执行本文中描述的计算机实施方法的一或多者的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。
虽然本发明易受各种修改及替代形式影响,但在图式中通过实例展示且将在本文中详细描述其特定实施例。图式可不按比例绘制。然而,应理解,图式及其实施方式并不希望将本发明限于所揭示的特定形式,而相反地,意图是涵盖如落入所附权利要求书定义的本发明的精神及范围内的所有修改、等效物及替代物。
具体实施方式
现参考图式,应注意,所述图不按比例绘制。特定来说,所述图的一些元件的比例经极大放大以强调元件的特性。还应注意,所述图不按相同比例绘制。已使用相同元件符号指示可经类似配置的在一个以上图中展示的元件。除非在本文中另外提及,否则所描述及展示的元件中的任一者可包含任何适当市售元件。
一个实施例涉及一种经配置以检测光罩上的缺陷的系统。本文描述的实施例改进(若干)重复项缺陷检测(RDD)算法的敏感度。存在处理RDD的敏感度改进的若干方式。其都基于共同原则:需要能够首先找到且保存相对大量的缺陷候选者且此后应用裸片坐标过滤器。归因于带宽限制,当前无法在临时批结果中报告所有缺陷候选者,所以在本文描述的实施例中,所有缺陷候选者的临时存储装置经移动更靠近缺陷检测硬件(HW)(即在检验工具的一或多个图像处理组件中)。标准缺陷检测算法(例如,多裸片自动阈值(MDAT),其可用于可购自加州苗必达市(Milpitas,Calif.)的科磊公司(KLA-Tencor)的一些检验工具上)也基本上可能无法设置足够热,所以不同缺陷检测算法(例如,nanoMDAT或固定阈值,其也可用于可购自科磊公司的一些检验工具上)可用于提供缺陷的基本上高密度。如下文进一步论述,对当前使用的方法及系统的这些改变提供优于重复项缺陷检测的先前使用的系统及方法的数个优势。
一般来说,缺陷检测工具本质上以阶层方式执行数据处理:检测算法(在图像计算机中)看见由检验系统的检测器产生的晶片的每个图像的每个像素;后处理算法(在图像计算机中)仅看见标记为有缺陷的像素;缺陷分类软件(SW)仅看见缺陷而非像素;且用户接口处理明显缩减的数据集。因此,任何检测过程步骤可经描述为基本上减小提供到下一检测过程步骤的信息内容量的过滤器。在每一步骤中,移除噪声/无关信息且仅保留有用信息。
当前,重复项检测经执行为此数据缩减过程的最后步骤且由最高层级(即,主用户接口)执行。由于容易首先找到重复项候选缺陷,此对强缺陷(即,产生强缺陷信号的缺陷)是有效的。随着检测到的缺陷/重复项越来越弱,出现问题:RDD自身是非常强的过滤器。因此,为最后处理阶段保留最强可用过滤器并无意义。宁愿以其开始。除此“哲学”问题外,存在另一非常实际的问题:系统的高阶层经设计以仅处置有限量的数据。如果希望找到弱重复项缺陷,那么贵方需要通过RDD过程运行弱缺陷。如本文中使用的术语“弱缺陷”一般定义为具有相对弱的缺陷信号或数据(例如,使用正常阈值无法检测到,仅可使用热阈值检测到且甚至在使用热阈值的情况下使用基本上接近(仅略高于)用于缺陷检测的阈值的信号或数据可少量检测到的信号或数据)的缺陷。然而,晶片上的弱缺陷的数目是巨大的(检验工具的敏感度被推到绝对极限)。主用户接口及中间层无法处置此大小的数据。因此,本文描述的实施例致力于将RDD移动到图像处理组件(检验工具计算的下阶层/最低阶层)。
在图1中展示此系统的一个实施例。系统包含经配置以扫描晶片以借此产生晶片的图像的检验子系统。一般来说,本文描述的检验子系统包含至少一能量源及检测器。能量源经配置以产生经引导到晶片的能量。检测器经配置以从晶片检测能量且响应于经检测的能量产生输出(例如,图像)。
在一个实施例中,引导到晶片的能量包含光,且从晶片检测的能量包含光。例如,在图1中展示的系统的实施例中,检验子系统10包含经配置以将光引导到样本14的照明子系统。照明子系统包含至少一个光源。例如,如在图1中展示,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按一或多个入射角将光引导到晶片,所述入射角可包含一或多个倾斜角及/或一或多个法线角。例如,如在图1中展示,来自光源16的光经引导穿过光学元件18且接着穿过透镜20而到光束分离器21,光束分离器21按法线入射角将光引导到晶片14。入射角可包含任何适当入射角,其可取决于(例如)晶片及晶片上待检测的缺陷的特性而变化。
照明子系统可经配置以在不同时间按不同入射角将光引导到晶片。例如,检验子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,使得光可按不同于图1中展示的入射角的入射角引导到晶片。在一个此实例中,检验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引导到晶片。
在一些例子中,检验系统可经配置以在相同时间按一个以上入射角将光引导到晶片。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在图1中展示的光源16、光学元件18及透镜20,且照明通道中的另一者(未展示)可包含类似元件(其可经不同或相同配置),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)。如果此光与另一光同时引导到晶片,那么按不同入射角引导到晶片的光的一或多个特性(例如,波长、偏光等等)可为不同的,使得源自按不同入射角照明晶片的光可在(若干)检测器处彼此区分。
在另一例子中,照明子系统可包含仅一个光源(例如,图1中展示的源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)分离为不同光学路径(例如,基于波长、偏光等)。不同光学路径中的每一者中的光可接着被引导到晶片。多个照明通道可经配置以在相同时间或在不同时间将光引导到晶片(例如,当不同照明通道用于循序照明晶片时)。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。例如,在一些例子中,光学元件18可经配置为光谱滤波器且光谱滤波器的性质可以各种不同方式(例如,通过交换光谱滤波器)改变,使得不同波长的光可在不同时间引导到晶片。照明子系统可具有所属领域中已知用于按不同或相同入射角将具有不同或相同特性的光循序或同时引导到晶片的任何其它适当配置。
在一个实施例中,光源16可包含宽带等离子(BBP)光源。以此方式,由光源产生且被引导到晶片的光可包含宽带光。然而,光源可包含任何其它适当的光源,例如激光器。激光器可包含所属领域中已知的任何适当激光器且可经配置以产生所属领域中已知的任何适当波长或若干波长的光。另外,激光器可经配置以产生单色或近单色的光。以此方式,激光器可为窄带激光器。光源还可包含产生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中展示为单个折射光学元件,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。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当光学元件(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)光谱滤波器、(若干)空间滤波器、(若干)反射光学元件、(若干)变迹器、(若干)光束分离器、(若干)孔径及类似物,其可包含所属领域中已知的任何此类适当光学元件。另外,系统可经配置以基于待用于检验的照明类型更改照明子系统的一或多个元件。
检验子系统还包含扫描子系统,其经配置以使光扫描遍及晶片。例如,检验子系统可包含载物台22,在检验期间晶片14经安置于载物台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当机械及/或机器人组合件(其包含载物台22)。另外,或替代地,检验子系统可经配置使得检验子系统的一或多个光学元件执行光遍及晶片的某种扫描。光可以任何适当方式扫描遍及晶片。
检验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由检验子系统照明样本而来自晶片的光且响应于经检测光而产生输出。例如,在图1中展示的检验子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,且另一个通道由集光器30、元件32及检测器34形成。如在图1中展示,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,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验子系统的实施例,但检验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当检测器。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。检测器还可包含所属领域中已知的任何其它适当检测器。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,那么检测器中的每一者可经配置以检测散射光的特定特性(例如强度),但不可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,由包含于检验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。在此类例子中,计算机子系统(例如系统的本文进一步描述的图像处理组件(未在图1中展示))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,检测器可经配置为成像检测器,所述成像检测器经配置以产生成像信号或图像数据。因此,系统可经配置而以数个方式产生本文描述的图像。
应注意,在本文中提供图1以大体说明可包含于本文中描述的系统实施例中的检验子系统的配置。显然,可更改本文中描述的检验子系统配置以如在设计商业检验系统时通常执行那样优化系统的性能。另外,可使用现存检验系统实施本文中描述的系统(例如,通过将本文中描述的功能性新增到现存检验系统)(例如可购自加州苗必达市(Milpitas,Calif)科磊公司的28xx/29xx系列工具)。对于一些此类系统,本文中描述的方法可经提供为系统的任选功能性(例如,除了系统的其它功能性之外)。或者,可“从头开始”设计本文中描述的系统以提供全新系统。
系统的(若干)计算机子系统300可以任何适当方式(例如,经由一或多个传输媒体,所述一或多个传输媒体可包含“有线”及/或“无线”传输媒体)耦合到检验子系统的检测器,使得(若干)计算机子系统可接收在晶片扫描期间由检测器产生的输出。(若干)计算机子系统300可经配置以使用如本文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。(若干)计算机子系统300可如本文中描述那样进一步配置。
(若干)计算机子系统300(以及本文中描述的其它计算机子系统)还可在本文中称为(若干)计算机系统。本文中描述的(若干)计算机子系统或(若干)系统中的每一者可采用各种形式,包含根据本文描述的各种实施例调适的个人计算机系统、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)系统还可包含所属领域中已知的任何适当处理器,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处理及SW的计算机平台(作为独立工具或网络工具)。
(若干)计算机子系统的各种组件可经耦合到彼此使得图像、数据、信息、指令等可在如本文中进一步描述的各种组件之间发送。例如,不同组件可通过任何适当传输媒体耦合到彼此,所述传输媒体可包含所属领域中已知的任何适当有线及/或无线传输媒体。此类组件的两者或两者以上还可通过共享计算机可读存储媒体(未展示)有效耦合。
虽然检验子系统在上文描述为基于光学或光的检验子系统,但所述检验子系统可为基于电子束的检验子系统。例如,在一个实施例中,经引导到晶片的能量包含电子,且从晶片检测到的能量包含电子。以此方式,能量源可为电子束源。在图2中展示的一个此实施例中,检验子系统包含耦合到(若干)计算机子系统300的电子柱122。
如在图2中还展示,电子柱包含电子束源126,其经配置以产生由一或多个元件130聚焦到样本128的电子。电子束源可包含(例如)阴极源或射极尖端,且一或多个元件130可包含(例如)枪透镜、阳极、限束孔径、闸阀、束电流选择孔径、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当元件。
可由一或多个元件132将从样本返回的电子(例如,二次电子)聚焦到检测器134。一或多个元件132可包含(例如)扫描子系统,其可为包含于(若干)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当元件。另外,可如2014年4月4日颁予蒋(Jiang)等人的第8,664,594号美国专利、2014年4月8日颁予小岛(Kojima)等人的第8,692,204号美国专利、2014年4月15日颁予固本(Gubbens)等人的第8,698,093号美国专利及2014年5月6日颁予麦克唐纳(MacDonald)等人的第8,716,662号美国专利中描述那样进一步配置电子柱,所述专利以宛如全文陈述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,但应了解,电子束可以任何适当角度引导到晶片及从晶片散射。另外,基于电子束的子系统可经配置以使用多个模式产生晶片的图像(例如,运用不同照明角度、收集角度等)。基于电子束的子系统的多个模式可在子系统的任何图像产生参数上不同。
(若干)计算机子系统300可如上文描述那样耦合到检测器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当电子束图像。(若干)计算机子系统300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中的任一者。(若干)计算机子系统300可经配置以执行本文中描述的(若干)任何额外步骤。包含图2中展示的检验子系统的系统可如本文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于本文中描述的实施例中的基于电子束的检验子系统的配置。如同上文描述的光学检验子系统,可更改本文中描述的基于电子束的检验子系统配置以如在设计商业检验系统时通常执行那样优化检验子系统的性能。另外,可使用现存检验系统(例如,通过将本文中描述的功能性新增到现存检验系统)来实施本文中描述的系统。对于一些此类系统,本文中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”设计本文中描述的系统以提供全新系统。
虽然检验子系统在上文描述为基于光或基于电子束的检验子系统,但所述检验子系统可为基于离子束的检验子系统。可如图2中展示那样配置此检验子系统,除了可使用所属领域中已知的任何适当离子束源取代电子束源外。另外,检验子系统可为任何其它适当基于离子束的子系统,例如包含在市售聚焦离子束(FIB)系统、氦离子显微镜(HIM)系统及二次离子质谱仪(SIMS)系统中的检验子系统。
如上文提及,检验子系统经配置以使能量(例如,光或电子)扫描遍及晶片的物理版本,借此产生晶片的物理版本的实际图像。以此方式,检验子系统可经配置为“实际”工具,而非“虚拟”工具。例如,存储媒体(未展示)及(若干)计算机子系统(未展示)可经配置为“虚拟”工具。特定来说,虚拟工具的存储媒体及(若干)计算机子系统并非检验子系统10的部分且不具有用于处置晶片的物理版本的任何能力。换句话来说,在经配置为虚拟工具的工具中,其一或多个“检测器”的输出可为先前由实际工具的一或多个检测器产生且存储于虚拟工具中的输出,且在“扫描”期间,虚拟工具可如同扫描晶片那样播放所存储输出。以此方式,使用虚拟工具扫描晶片可看似相同于使用实际工具扫描物理晶片,而实际上,“扫描”涉及以与可扫描晶片相同的方式播放针对晶片的输出。在共同受让的以下专利中描述经配置为“虚拟”检验工具的系统及方法:在2012年2月28日颁予巴斯卡尔(Bhaskar)等人的第8,126,255号美国专利及于2015年12月29日颁予达菲(Duffy)等人的第9,222,895号美国专利,所述案的两者以宛如全文陈述引用的方式并入本文中。可如在这些专利中描述那样进一步配置本文中描述的实施例。例如,本文中描述的一或多个计算机子系统可包含如在这些专利中描述那样配置的虚拟检验器。另外,可如在上文参考的达菲(Duffy)的专利中描述那样执行将一或多个虚拟系统配置为中央计算及存储(CCS)系统。本文中描述的永久存储机构可具有分布式计算及存储装置(例如CCS架构),但本文中描述的实施例不限于所述架构。
如上文进一步提及,检验子系统可经配置以使用多个模式产生晶片的输出。一般来说,可通过用于产生晶片的输出的检验子系统的参数值定义“模式”。因此,不同的模式可在检验子系统的成像参数中的至少一者的值上不同。例如,在基于光学的检验子系统的一个实施例中,多个模式中的至少一者使用用于照明的光的至少一个波长,其不同于用于多个模式中的至少一其它者的照明的光的至少一个波长。所述模式在用于不同模式的如本文中进一步描述的照明波长上可不同(例如,通过使用不同光源、不同光谱滤波器等等)。在另一实施例中,多个模式中的至少一者使用检验子系统的照明通道,其不同于用于多个模式中的至少一其它者的检验子系统的照明通道。例如,如上文提及,检验子系统可包含一个以上照明通道。因而,不同照明通道可用于不同模式。
在光刻工艺中使用光罩以将特征印刷于所述晶片上。所述光刻工艺可包含任何适当光刻工艺。一般来说,光刻工艺使用某一形式的能量(例如,光、电子等)以将形成于光罩上的图案转印到晶片上的材料。晶片上的材料可为某一形式的抗蚀剂,其一或多个性质在暴露于用于光刻工艺中的能量之后改变。以此方式,可将能量的图案(光、电子等等)从光罩或通过光罩引导到晶片上的抗蚀剂以借此将图案从光罩转印到抗蚀剂。可对抗蚀剂执行一或多个额外步骤(例如,曝光后烘烤、显影等等)以完成图案转印过程。因此,如从光刻工艺的此大体描述清晰可见,在光刻工艺中,存在于光罩上的缺陷可经转印到晶片,这是明显不利的。如本文进一步描述,如在光罩检验过程中,有时不可直接检验光罩。在此类例子中,将光罩印刷于晶片上,检验晶片的缺陷,且使用所述晶片缺陷来确定所述缺陷是否由光罩引起。可如本文中进一步描述那样执行此类确定。
一或多个计算机子系统包含经配置用于获取由检验子系统针对晶片产生的图像的一或多个图像处理组件。为简洁起见,一或多个图像处理组件在本文中还大体且统称为“IMC”。因而,当本文中使用术语“IMC”时,其意指定义为本文描述的一或多个图像处理组件的实施例中的任一者。在图3中展示的一个此实施例中,(若干)计算机子系统300包含IMC302。可使用本文中描述的检验子系统中的一者执行(例如,通过将光或电子束引导到晶片且从晶片分别检测光或电子束)获取图像。例如,如在图3中展示,检验子系统304可经耦合到IMC 302,使得由检验子系统产生的图像可发送到IMC 302及/或由IMC 302从检验子系统获取。以此方式,可使用物理晶片自身及某种成像HW来执行获取图像。可根据本文中描述的实施例中的任一者配置检验子系统304。
如在图3中进一步展示,IMC 302可包含数个组件,包含IMC处理组件308及310、IMC存储装置312及IMC SW 314。IMC处理组件308及310可具有彼此相同的配置且可并行操作。例如,在由检验子系统304执行的扫描期间,可由IMC处理组件308获取由检验子系统产生的一些图像且可由IMC处理组件310获取由检验子系统产生的其它图像。一般来说,SW组件(例如IMC SW 314)可控制发送哪些图像到不同IMC处理组件(且因此由所述处理组件获取所述图像)。IMC处理组件可接着对其同时获取的图像执行相同过程。IMC处理组件308及310可因此经配置为并行处理组件。另外,IMC可经配置为服务器集群,其从检验子系统的检测器获取晶片数据且调度图像处理算法的并行处理。尽管在图3中展示两个IMC处理组件,但应理解,IMC可包含如所需要那样多或少的IMC处理组件。可如本文中描述那样进一步配置IMC处理组件308及310。
IMC存储装置312可在本文中一般称为共享存储器且可经配置为可针对由一或多个图像处理组件执行的多个过程进行存取的共享非暂时性计算机可读存储媒体。例如,IMC中的缺陷检测可经实施为并行处理,其中多个中央处理单元(CPU)对输入数据流并行运作。每个SW过程可具有其自身的存储器空间。此使系统更稳健,但对不同过程之间的数据传送产生问题。共享存储器为所有过程可用的IMC中的存储器。可如本文中描述那样进一步配置此非暂时性计算机可读存储媒体。在一些例子中,IMC存储装置312可如在图3中展示般配置,使得IMC处理组件308及310发送结果到IMC存储装置。然而,IMC存储装置312还可或替代地经配置以视需要、请求或指示而接收或获取来自检验子系统的图像且将所述图像发送到各种IMC处理组件。取决于本文描述的各种实施例的配置,IMC存储装置312还可包含如本文中进一步描述的具有各种不同特性(例如,大小)的多种不同类型的存储器。
IMC SW 314可经配置用于从包含于如本文进一步描述的一或多个计算机子系统中的其它组件接收指令且用于控制或指示IMC处理组件308及310及/或IMC存储装置312,使得这些组件执行本文进一步描述的各个步骤或功能。以此方式,IMC SW可运行IMC自身及由IMC执行的图像处理算法。取决于本文描述的步骤或功能,IMC SW可具有各种配置。
(若干)计算机子系统还包含主用户接口组件,其经配置用于将针对晶片及光罩产生的信息提供到用户且用于接收来自用户的指令。为简洁起见,主用户接口组件在本文中还简称为“主UI”。如图3中展示,在一个此实施例中,(若干)计算机子系统包含主UI 305。取决于由主UI及本文描述的系统执行的功能及/或步骤,主UI可具有各种不同配置。然而,一般来说,主UI可包含:一或多个显示组件(未展示),其经配置用于对用户显示信息,用于提示用户输入,用于为用户提供用于键入输入的构件等;及一或多个处理元件(未展示),其经配置用于执行一或多个功能或步骤,例如如本文进一步描述为由主UI执行及/或由用户请求执行的功能或步骤。可使用可经调适以执行本文描述的主UI的(若干)功能的任何HW、SW、代码等来实施主UI。
(若干)计算机子系统进一步包含接口组件,其经配置用于提供一或多个图像处理组件与主用户接口组件之间的接口且用于控制检验子系统的一或多个HW元件。例如,如在图3中展示,(若干)计算机子系统300包含接口306。接口组件可经配置以发送指令到检验子系统304的一或多个HW元件(未在图3中展示),所述元件可包含图1及2中展示的检验子系统的HW元件中的任一者。接口组件可经耦合到如本文进一步描述的检验子系统,使得接口组件可控制及/或更改检验子系统的一或多个HW元件的一或多个参数。
如在图3中展示,接口组件还经耦合到IMC。接口及IMC可如本文进一步描述那样耦合,使得可在接口与IMC之间发送指令、信息、结果、图像等。接口还可如图3中展示那样以类似方式耦合到主UI 305,使得可在接口与主UI之间发送类似信息。因此,接口306提供IMC302与主UI 305之间的接口。另外,接口306可为晶片检验器SW的机器控制组件且可本质上经配置为主UI的下阶层。接口306可包含各种HW及/或SW组件,其可经配置以执行本文进一步描述的接口组件的功能及/或步骤。可如本文描述那样进一步配置接口306。
因此,晶片检验器HW/SW可经配置为多层HW/SW系统,其中不同阶层包含:IMC,其是最低层级且“最靠近”检验子系统的HW;接口,其是中间层级且在IMC与主UI之间;及主UI,其是最高层级,最远离检验子系统HW且“最靠近”用户。
一或多个图像处理组件经配置用于通过将重复项缺陷检测(RDD)算法应用到由一或多个图像处理元件获取的图像而执行RDD。因此,不同于当前使用的方法及系统,本文描述的实施例经配置用于在IMC中执行RDD。可以本文进一步描述的各种不同方式执行RDD。相比于当前如何执行RDD,将RDD移动到IMC中提供如本文进一步描述的显著优点。
RDD算法经配置以使用热阈值来检测晶片上的缺陷且识别是重复项缺陷的缺陷。术语“重复项”在本文中可与术语“重复项缺陷”互换使用。“热阈值”可大体定义为用于检测潜在缺陷及缺陷的阈值,其经有意设置在或设置为基本上接近由扫描产生的图像的噪声底限。通常执行使用热阈值执行的“热扫描”以检测尽可能多的潜在缺陷及实际缺陷来确保捕获多数缺陷或全部所关注缺陷及/或确保捕获具有相对弱信号的缺陷。可应用热阈值到晶片的图像,高于热阈值的任何信号图像或数据可被识别为潜在缺陷,且不高于热阈值的信号或数据未被识别为潜在缺陷。
在一个实施例中,RDD算法经配置以通过使不同缺陷的裸片内缺陷坐标彼此比较而识别是重复项缺陷的缺陷。例如,如本文进一步描述,IMC通过识别以某种方式重复的缺陷执行数据简化中的第一步骤。一般来说,在此步骤,RDD算法将检测是裸片重复项的缺陷,尽管裸片重复项对于本文描述的实施例并非受关注的。例如,在已经通过RDD算法识别裸片重复项之后,可分析裸片重复项以确定哪些裸片重复项是光罩重复项。以此方式,可由IMC中的RDD算法通过使裸片内缺陷坐标彼此比较而识别是重复项缺陷的缺陷。接着,可将具有相同裸片内缺陷坐标(或“裸片相对缺陷坐标”)的缺陷识别为随裸片重复的缺陷。所述缺陷接着可为经传递用于进一步重复项分析的唯一缺陷。
在一些例子中,不会通过IMC在裸片相对坐标中报告缺陷。换句话来说,当IMC检测到缺陷时,无法由IMC相对于其中检测到缺陷的裸片确定所述缺陷的位置的坐标。以此方式,通过IMC确定的缺陷的坐标可通过IMC转译为裸片坐标。可以数种不同方式转译坐标,在本文中详细描述一些方式。例如,一个相对简单方式是将针对缺陷报告的坐标转译为为晶片及裸片所共有的参考(例如晶片的设计)。在一个此实例中,通过检验子系统针对缺陷产生的图像可与晶片的设计对准。一旦确定缺陷的设计坐标,那么所述坐标可基于设计与裸片之间的已知关系而转译为裸片坐标。接着可使针对每一缺陷确定的裸片坐标彼此比较,且可将具有基本上相同裸片坐标的缺陷识别为裸片重复项。
可通过使用定义两个裸片坐标必须多接近以确定为裸片重复项的位置的某一重复项距离阈值识别基本上相同裸片坐标。例如,在晶片上印刷设计的最小误差、检验子系统的定位元件等可使两个相同的裸片内位置具有针对其确定的略微或稍微不同的裸片坐标。以此方式,使用公差来确定哪些裸片内坐标可被视为相同可为有用的。可以用于确定此公差的常用方式中的任一者且至少基于上文描述的信息确定所述公差的特定值。
一或多个图像处理组件经配置用于将包含仅重复项缺陷的信息的检验结果发送到接口组件。例如,IMC可仅传回裸片重复项。特定来说,尽管IMC可检测未被确定为重复项的缺陷(这是因为本文描述的系统配置的所关注缺陷(DOI)是重复项缺陷),但检测到的非重复项缺陷的信息可在其被确定为非重复项之后丢弃。以此方式,IMC将执行缺陷检测,接着进行第一数据简化(或过滤)步骤,其中针对非重复项对缺陷检测信息过滤。
IMC可以任何适当方式将检验结果发送到由本文中进一步描述的配置启用的接口组件。另外,IMC组件可以任何适当格式将仅重复项缺陷的信息发送到接口组件。包含于检验结果中且发送到接口组件的仅重复项缺陷的信息可包含由IMC针对重复项缺陷产生的任何信息,其可包含(但不限于)缺陷坐标、图块图像、缺陷属性等。此外,如本文进一步描述,在一些实施例中,(若干)计算机子系统包含或利用分离数据库(DB),其中将缺陷的不同信息存储于不同存储器媒体中。以此方式,IMC可仅将检验结果的部分发送到接口组件,而将检验结果的另一部分发送到不同组件。另外,检验结果的两个部分将仅包含重复项缺陷的结果且不会包含非重复项的结果。
一或多个计算机子系统经配置用于基于晶片上检测到的重复项缺陷识别光罩上的缺陷。例如,可由主UI执行进一步重复项分析以抑制裸片重复项且保持光罩重复项。尽管可选择主UI作为用于执行光罩重复项的识别的最有利组件,但(若干)计算机子系统的其它组件可经配置且用于此步骤。例如,如果(若干)计算机子系统包含虚拟检验器(VI),那么VI可用于识别重复项缺陷。另外,其它组件(例如IMC及接口组件)可经配置以执行此识别。
为本文描述的应用的目的,用户希望仅保持光罩重复项。应从最终报告移除既为光罩重复项又为裸片重复项的重复项。特定来说,针对其中用户寻找归因于光罩(光掩模)的问题产生的重复项缺陷的应用产生本文描述的实施例。存在于相同光罩上的不同裸片中的相同位置的缺陷最有可能由晶片处理引起,而非由光罩自身引起。
换句话来说,出现在单个光罩的多个裸片中的基本上相同位置处的晶片上的缺陷可能不是归因于实际光罩缺陷,例如损坏图案化特征、颗粒或杂质及类似物。代替地,如果缺陷在光罩中的多个裸片中的晶片上重复,那么在裸片中重复的晶片上的缺陷可能是归因于光罩、晶片及工艺之间的相互作用问题(例如,归因于设计/工艺相互作用问题而失效的边际设计)。虽然此类裸片重复项缺陷可在一些使用情况中是受关注的,但已针对检测随经印刷光罩例子重复且因此可假定为由光罩缺陷引起的缺陷特定产生本文描述的实施例。
在一个实施例中,一或多个计算机子系统经配置用于通过以下步骤来识别光罩上的缺陷:确定哪些重复项缺陷在晶片上的光罩的两个或两个以上经印刷例子中重复;及将在晶片上的光罩的两个或两个以上经印刷例子中重复的重复项缺陷识别为光罩上的缺陷。例如,如在本文进一步描述,针对本文描述的系统及方法受关注的缺陷是相对于光罩重复且因此可合理地归因于光罩自身而非印刷晶片所涉及的某一其它元件的重复项。因此,如果晶片上检测到的一个以上缺陷出现在相同光罩内坐标(相对于光罩而非晶片、检验系统等的坐标)处,那么可将缺陷确定为可由在缺陷的光罩内坐标处的光罩上的缺陷在晶片上引起的光罩重复项。
在一些例子中,不会由IMC在光罩坐标中报告缺陷。换句话来说,当IMC检测到缺陷时,无法由IMC相对于裸片确定所述缺陷的位置的坐标。以此方式,由IMC确定的缺陷的坐标可由IMC或更有可能通过识别光罩重复项缺陷的组件(例如,主UI)转译为光罩坐标。可以数种不同方式转译坐标,在本文中详细描述一些方式。例如,一个相对简单方式是将针对缺陷报告的坐标转译为为晶片及光罩所共有的参考(例如晶片及光罩的设计)。在一个此实例中,由检验子系统针对缺陷产生的图像可对准于晶片的设计。一旦确定缺陷的设计坐标,就可基于设计与光罩之间的已知关系而将所述坐标转译为光罩坐标。接着可使针对每一缺陷确定的光罩坐标彼此比较,且可将具有基本上相同光罩坐标的缺陷视为光罩重复项。
可通过使用定义两个光罩坐标必须多接近以确定为光罩重复项的位置的某一重复项距离阈值识别基本上相同光罩坐标。例如,在晶片上印刷设计的最小误差、检验子系统的定位元件等可使两个相同的光罩内位置具有针对其确定的略微或稍微不同的光罩坐标。以此方式,使用公差来确定哪些光罩坐标可被视为相同可为有用的。可以用于确定此公差的常用方式中的任一者且至少基于上文描述的信息确定所述公差的特定值。
在一些实施例中,一或多个图像处理组件经配置用于存储所有经检测缺陷的信息。以此方式,不同于当前使用的系统及方法,本文描述的实施例可经配置用于将所有缺陷保存于IMC存储器中,直到晶片检验结束。所有经检测缺陷的信息可包含由IMC针对经检测缺陷产生的信息中的任一者。可以任何适当方式存储所有经检测缺陷的信息。另外,如本文进一步描述,实施例可经配置以按各种不同方式(例如,使用包含于IMC中的分离DB)存储经检测缺陷的所有信息。
IMC优选地存储所有经检测缺陷的信息,使得所有经检测缺陷的信息可用于RDD。一旦由IMC执行RDD,便可在将针对未被确定为重复项的缺陷存储的信息发送到(若干)计算机子系统的一或多个其它组件之前从经存储信息消除所述信息。
在另一实施例中,执行RDD仅针对晶片上的单个扫描带执行。以此方式,本文描述的实施例可经配置用于作业级(job-level)RDD。在此实施例中,可对检测码自身中的单个扫描带级执行RDD。此RDD允许初步缺陷候选者的极高密度,但将错失未在晶片上的裸片行中重复的缺陷。
在作业级RDD中,帧间对准在一个作业内部基本上是准确且精确的,所以可以基本上严格公差(例如,小于一像素)在IMC上进行重复项检测作为后处理(PP)。为从帧间对准获得最大益处,作业大小可从当前最大值12个帧增大到全裸片行(即,晶片上的单个行及/或多个扫描带中的所有裸片)。然而,不需要使用所有裸片来进行特征图像(中值)计算。代替地,针对此类计算,12个帧应为足够的。归因于工作平衡的任何处理量降低不应是很大的。IMC将仅传回裸片重复项且可由主UI执行进一步重复项分析以抑制裸片重复项且保持光罩重复项。
此解决方案的优势是低实施方案努力(仅IMC码)、无额外HW要求及相对高的处理量。因此,可相对便宜且快速地实施此实施例。此解决方案的一个潜在劣势在于其无法基本上检测到软重复项(例如,如果重复项如此软以致其不在裸片行中重复,那么此解决方案将错失所有重复项)。本文描述的其它实施例可更适用于检测相对小的弱重复项缺陷。
在另一实施例中,一或多个图像处理组件经配置为虚拟检验器,且一或多个计算机子系统经配置用于在从检验子系统获取图像之后且在执行RDD之前将虚拟检验器与检验子系统断开连接。以此方式,本文描述的实施例可经配置用于基于图块的虚拟检验器(VI)方法。在这些实施例中,可将所有缺陷数据及缺陷图块存储于VI上,且将仅在VI上运行的新的应用程序(检验工具自由运行下一检验)用于RDD。经检测重复项缺陷可报告为VI上的新批结果。
如上文描述,基于图块的VI方法涉及将所有缺陷候选者保存于基于图块的VI上。计划VI容量可为相对高的(例如,每帧150个缺陷)。另外,容量受磁盘空间而非数据传送率限制(至少在当前使用的VI配置中,实时记录数据)。还不需要保持缺陷候选者达任何明显时间量(例如,记录来自一个检验的候选者,处理其且移除数据)。因此,最有可能的是,应可运行甚至更热的检验。凭借相对高的缺陷密度,可优选地将整个晶片图像保存于VI上且如本文进一步描述那样将缺陷坐标保持在平行DB中。RDD仅需要缺陷坐标,且稍后可仅针对重复项提取缺陷图块。
在实施方案方面,上文描述的实施例合理地是直截了当的:运行热检验,将所有缺陷候选者保存于VI上,将检验工具与VI断开连接使得检验工具可用于下一检验,在VI上起始RDD的与新的检验类型,使用缺陷坐标(其经保存为图块记录的部分)寻找重复项,且将缺陷位置、属性及图块(已经计算且预保存于VI上的任何事物)传回到主UI。上文描述的实施例的另一优势在于工具处理量相对高且开发努力基本上是合理的。在一些情况中,如果系统尚未包含VI,那么实施例可增大所有权成本(CoO)。
在额外实施例中,一或多个图像处理组件经配置用于通过将缺陷检测算法应用到由检验子系统针对晶片上的多个裸片行中的相同单个扫描带产生的图像而执行单个扫描带多裸片行缺陷检测且用于将单个扫描带多裸片行缺陷检测的结果发送到接口组件,且接口组件或主用户接口组件对单个扫描带多裸片行缺陷检测的结果执行RDD。以此方式,本文中描述的实施例可经配置用于特殊扫描带布局方法。例如,代替循序以扫描带扫描(swathing)整个晶片,检验子系统可扫描每个裸片行中的一个扫描带,接着检验子系统可返回到第一裸片行以扫描下一扫描带等等。
以此方式,此实施例可通过改变扫描带扫描序列而降低由(若干)计算机子系统保存的缺陷数目:代替循序扫描带扫描每个裸片行,可扫描每个裸片行的每第一扫描带且可报告所有缺陷,接着每个裸片行的每第二扫描带等等。例如,取决于重复项缺陷的类型,重复项缺陷依据定义发生在每个裸片或光罩中的相同位置中。因此,为执行RDD,不需要来自整个晶片的缺陷。代替地,具有来从晶片的某一部分的所有缺陷是足够的(例如,每个裸片行的每第一扫描带、每个裸片行的每第二扫描带等等)。(若干)计算机子系统可对这些缺陷执行RDD,报告其且接着以其它区域继续。另外,当同时并行处理针对多个扫描带产生的图像时,在进行到下一裸片行之前可扫描每个裸片行中的多个扫描带。
所有缺陷候选者可经保存于接口组件中的临时缓冲器中或经报告到主UI。在每个迭代之后,接口组件或主UI可执行RDD且仅报告及/或保持重复项缺陷。例如,接口组件可以正常方式接收扫描结果,执行作业间、子扫描带间合并且在发送缺陷到主UI之前,以零像素坐标公差运行RDD(即,像素与设计对准起作用)。例如,IMC可使用称为作业的特定数据块(图像)执行缺陷检测。为了在无间隙的情况下执行缺陷检测,需要邻近作业所见的图像之间的某一重叠。因此,一些缺陷可从IMC报告两次。此类经报告缺陷应由更高阶SW(例如,接口组件)合并为单个缺陷。还存在称为“合并距离”的配方参数,其中分开小于合并距离的两个可见不同缺陷应报告为单个缺陷。此合并过程可在IMC中(作业间合并)且在作业与子扫描带(作业间/子扫描带)合并之间由接口组件执行。
替代地,可将所有缺陷报告到将在保存缺陷到磁盘之前运行RDD的主UI。基于接口的解决方案是优选的,这是由于其降低网络负载。当然,接口组件将需要额外存储器来保持所有这些缺陷,但此需要并不过高。针对典型晶片,可存在20个裸片行。所以将保持在20个扫描带中检测到的缺陷。
上文描述的实施例的优势包含适度存储器需求及相对局部化的SW改变。设置此配置可涉及缺陷检测码中的最小改变且不涉及接口组件中的改变。然而,设置此配置涉及接口组件涉入、扫描带控制的显著改变、缺陷后处理及主UI扫描带进程更新及缺陷处置。因此,此配置可具有显著开发努力成本且不具有新的HW成本。此系统配置可归因于Y上的额外载物台行进而具有经降低处理量(相较于本文描述的其它实施例),且缺陷候选者密度仍可归因于可用存储器的限制而是不足够的。还非常可能的是,运行时间对准(RTA)归因于无先前扫描带历史而具有严重问题。例如,归因于损坏(不可用)的RTA历史,可存在潜在RTA问题。
虽然特殊扫描带布局方法对于实际解决方案最有可能是不足够的,但其可尤其用作测试的快速且简单的代理。例如,其可用于使用极小取样计划来运行热检验且在主UI中产生约两百万个缺陷候选者。此后,可使用极小的重复项公差(检验应使用像素与设计对准)且确定是否可以此方式实现足够敏感度而在主UI中执行RDD。
以此方式,对于一个应用或另一应用,本文描述的系统及方法的一些配置可更有用。因而,在一些例子中,本文描述的系统及方法能够具有本文描述的多个配置以因此取决于应用提供用于执行RDD的多个选项可为有利的。
在实施例中,一或多个图像处理组件包含可针对由一或多个图像处理组件执行的多个过程存取的共享非暂时性计算机可读存储媒体,且RDD算法经配置以检测晶片的整个经检验区域上的缺陷,将所有经检测缺陷存储于共享非暂时性计算机可读存储媒体中,且使用晶片的整个经检验区域的所有经存储的检测缺陷识别是重复项缺陷的缺陷。以此方式,本文描述的实施例可经配置用于基于IMC的RDD。例如,IMC中的共享存储器可用于保持所有缺陷候选者(针对整个晶片)。在完成所有扫描带之后,可运行特殊作业以执行RDD且将重复项报告到更高阶的SW。此配置可需要IMC中的经安装物理存储器的显著增大。
因此,在上文描述的实施例中,在IMC中进行RDD的最大部分。在此情况中,虽然可涉及接口组件侧上的某一工作,但大部分工作将由IMC完成。几乎不涉及主UI。特定来说,主要理念是在IMC存储器中积累所有缺陷候选者直到晶片检验结束。可运行正常缺陷检测。可将“无缺陷”结果缓冲器返回到接口组件,且可将所有缺陷候选者保存于共享存储器中。
此实施例的一个优势在于存储器可轻易扩缩以容纳每帧、扫描带、裸片行、裸片、晶片等的任何所要数目个缺陷候选者。不同类型的存储器在此实施例中还可用于存储缺陷信息及其它结果,例如固态磁盘驱动器(SSD)存储装置(快闪存储器)、动态随机存取存储器(DRAM)等。另外,可视需要通过丢弃缺陷图块图像及降低针对缺陷保持的数据结构的大小而将缺陷候选者密度增大数量级。
在上文描述的实施例中,在执行缺陷检测且所有缺陷候选者在共享存储器中之后,接口组件可开始新过程或(优选地)将新作业(具有新的作业类型)提交给(若干)图像处理组件。IMC码可使用可用的缺陷候选者来执行作业间缺陷合并及RDD。由于可按扫描带子扫描带数目组织共享存储器中的数据,所以可以非常简单的方式执行负载平衡:仅将待处理的扫描带子扫描带数目指派给CPU核心(当CPU包含多个核心时)。共享存储器管理及负载平衡(例如,将扫描带指派到核心)可通过接口组件以及新的作业类型队列及提交而执行。在执行RDD之后,IMC可能够在正常结果缓冲器中传回重复项缺陷,借此最小化接口组件侧上的改变。
注意,RDD可为基于裸片坐标(在应用所有载物台校正的情况下)。这些坐标现今在IMC中是不可用的。可使用现存机构传送坐标。迄今为止,坐标已被视为对IMC过程是不必要的。使此信息在算法中可用最有可能意指IMC将开始传回晶片中的缺陷位置而非扫描带坐标(即,一般来说,工具架构的显著改变)。最终,可针对所有检验类型改变坐标报告系统以避免混淆。扫描带间合并可由当前执行的接口组件执行,但可在IMC中执行将坐标转译为晶片坐标系统。
因此,一般来说,上文描述的基于IMC的实施例可具有显著开发努力成本、适度HW成本(针对存储器)及低处理量效应。上文描述的基于IMC的实施例的优势是基本上高处理量。
在一些实施例中,一或多个图像处理组件经配置用于通过将缺陷检测算法应用到由检验子系统针对晶片上的多个裸片行中的相同单个扫描带产生的图像而执行单个扫描带多裸片行缺陷检测且将单个扫描带多裸片行缺陷检测的结果存储于可针对由一或多个图像处理组件执行的多个过程存取的一或多个图像处理组件中的共享非暂时性计算机可读存储媒体中,且RDD算法经配置以检测多个裸片行中的相同单个扫描带的整个经检验区域中的缺陷,将所有经检测缺陷存储于共享非暂时性计算机可读存储媒体中,且针对多个裸片行中的相同单个扫描带的整个经检验区域使用所有经存储的经检测缺陷识别是重复项缺陷的缺陷。以此方式,实施例可组合本文进一步描述的两个理念:即,与基于IMC的RDD组合的特殊扫描带布局。
此方法解决任何IMC存储器问题,这是由于不需要保持共享存储器中的所有候选者直到检验结束。RTA问题仍可出现且可在一些例子中是严重的。可共同处理的扫描带的数目可在不损及可保持的缺陷数目的情况下取决于扫描带的长度(例如,相较于较长裸片行,对于较短裸片行及因此较短扫描带,可一起处理更多扫描带)而变化。取决于裸片行及因此扫描带的长度更改检验的参数可针对处理量优化扫描带扫描且减少在检验期间执行的Y方向载物台运动的数目。另外,如本文描述的其它实施例,在此实施例中,存储器的数目及类型可取决于保持用于处理的缺陷的数目而变化。
还可通过不存储缺陷图块而共同保持且处理更多缺陷及扫描带,此可部分解决损坏RTA历史的问题。例如,为执行裸片间比较(缺陷检测),图像需要从不同裸片配准(对准)。此过程称为RTA且由专用HW/SW执行。此为利用先前扫描带的对准历史的相当复杂的过程。因此,所提出的扫描方案可使RTA无法使用历史且其可导致对准质量降级。
与基于IMC的RDD组合的特殊扫描带布局是上文描述的两个方法的组合且允许极端缺陷候选者密度及可能本文描述的实施例的最高敏感度。理念在于针对所有裸片行对每第一扫描带(或当足够并行计算是可用时每n个扫描带)执行缺陷候选者检测,从而将所有缺陷候选者保持于IMC共享存储器中,针对这些缺陷候选者执行RDD且将结果传回到接口组件及主UI而不收集晶片的其余部分的数据。处理量减少将类似于在第一方法中,但将能够针对晶片的此小部分使用整个共享存储器,此允许成比例地增大缺陷候选者密度。
在另一实施例中,一或多个图像处理组件包含可针对由一或多个图像处理组件执行的多个过程存取的共享非暂时性计算机可读存储媒体,一或多个计算机子系统包含虚拟检验器,一或多个图像处理组件经配置用于将由RDD算法产生的结果的仅第一部分存储于共享非暂时性计算机可读存储媒体中且将由RDD产生的结果的仅第二部分存储于虚拟检验器中,第一部分仅包含晶片上检测到的缺陷的缺陷坐标,第二部分仅包含晶片上检测到的缺陷的缺陷属性及图块图像,RDD算法经配置以仅使用结果的第一部分来识别重复项缺陷,且一或多个图像处理组件经配置用于从虚拟检验器捕获重复项缺陷的缺陷属性及图块图像且通过组合通过识别重复项缺陷产生的信息与经捕获的缺陷属性及图块图像而产生检验结果。以此方式,本文描述的实施例可经配置用于与基于IMC的RDD组合的永久性存储装置(包含基于图块的VI或本地(在IMC上)存储装置)。
此方法可利用“分离”或“分布式”DB。例如,重复项检测是仅基于裸片(光罩)缺陷坐标,使得可将缺陷坐标保持于IMC上的共享存储器中且将缺陷属性及图块图像保存于某一临时存储装置中(如VI或本地硬盘驱动器(HDD)/SDD,其中在此上下文中“本地”意指这些装置经安装于IMC中且可用于在IMC上运行的SW,但是VI及本地存储器两者可为HDD或SSD)。例如,如在图3中展示,(若干)计算机子系统300可视情况包含虚拟检验器316,其可如本文中进一步描述那样配置。
换句话来说,IMC可运行缺陷检测。缺陷坐标可经保存于IMC DB中。缺陷图像及属性经保存于永久性存储器(SSD/HDD/RAID DB,即,驻留于某种类型的永久存储装置:硬驱动器、固态存储器等上的DB)中。两个DB可使用相同密钥。小型且快速DB仅保持坐标,而大型半永久DB保持缺陷图像及特征/属性。以此方式,为执行RDD,(缺陷的)一些数据需要经保存以用于进一步处理。此数据的一些部分由RDD本身使用且应为可轻易存取的(用于快速存取以便足够快速地执行RDD)。缺陷信息的其它部分未由RDD使用,但将经报告到用户及/或主UI。此信息可保存于具有明显更慢的存取速度的不同位置中(且其可具有更大的大小,这是由于其可经保存于更便宜的存储装置上)。
在执行晶片扫描之后,可针对RDD运行特殊作业且可捕获来自存储装置的相关缺陷候选者数据。例如,包含缺陷坐标的基于DRAM的DB可用于重复项分析。重复项分析可产生重复项坐标,其可用于从第二DB(存储于第二永久性存储器中)提取图像及特征。可组合缺陷坐标与经提取图像及特征以产生仅包含重复项的批结果。此时可丢弃其余缺陷候选者。估计展示在无额外物理存储器的情况下,可保持高达每帧1900个缺陷候选者。可需要高达每节点3TB的存储装置来保持临时数据。以此方式,本文描述的实施例可经配置以分离用于RDD及缺陷属性计算/报告的缺陷数据。
上文描述的方法是基于以下事实:RDD仅需要缺陷坐标,图块或属性都是不必要的。因而,可针对每个缺陷候选者将缺陷结构保存于VI或本地IMC存储装置且可将缺陷候选者存储于共享存储器中。因此,用于RDD的缺陷结构的大小可减小到边界框坐标(例如,4个整数),且裸片行、裸片行中的扫描带、帧数目(或类似物)及整个缺陷在共享存储器缓冲器中仅采用8个整数。因而,可存储更多缺陷,而不增大当前使用的存储器容量。在执行RDD之后,对应图块图像及缺陷属性可从存储装置上载(基本上小量数据)且以标准方式发送到接口组件及主UI(对结果缓冲器的一些改变,即,仍可制成用于将结果从IMC传送到接口组件的存储器)。
因此,在上文描述的实施例中,所提出的操作序列可:运行基本上热全晶片检验;将缺陷保存于永久性存储器上且将缺陷候选者保存于共享存储器中;接口组件发出具有新类型的作业(RDD作业),且IMC找到所有重复项缺陷;从存储装置读取对应缺陷记录;及将结果传回到接口组件或主UI。紧接在检验之后可释放存储装置。如果需要,可基于待存储的缺陷候选者的数目及所要处理量更改(例如,通过改变存储器类型)用于将缺陷候选者保存到存储器的可用带宽(写入速度)。I/O最有可能可与数据处理并行工作。这些实施例的优势包含其应针对RDD提供基本上高敏感度且其应具有对处理量的相对低效应。
IMC外加永久性存储装置选项可针对RDD提供具有基本上弱缺陷及软重复项缺陷以及对新HW的基本上适度要求的最全面的解决方案。架构的改变包含收集共享存储器中的所有缺陷坐标及永久性存储装置上的全缺陷信息,其可重用于其它应用(例如,IMC中的缺陷分类、缺陷取样等)。
在额外实施例中,一或多个图像处理组件包含可针对由一或多个图像处理组件执行的多个过程存取的共享非暂时性计算机可读存储媒体,一或多个图像处理组件经配置用于将由RDD算法产生的结果的仅第一部分存储于共享非暂时性计算机可读存储媒体中,第一部分仅包含晶片上检测到的缺陷的缺陷坐标,RDD算法经配置以仅使用结果的第一部分来识别重复项缺陷,接口组件经配置用于控制检验子系统的一或多个HW元件以借此仅扫描经识别重复项缺陷的晶片上的位置,且一或多个图像处理组件经配置用于组合仅经识别重复项缺陷的晶片上的位置的扫描中产生的图像与结果的第一部分以借此产生发送到接口组件的检验结果。
以此方式,本文描述的实施例可经配置用于两遍次RDD。此方法利用分离DB的一半。可检测缺陷候选者且仅将其坐标存储于共享存储器中。特定来说,在第一遍次中,未将缺陷传回到主UI。代替地,将缺陷候选者及一些额外信息保存于共享存储器中。共享存储器含有所有缺陷的坐标。此数据用于RDD。特定来说,可使用新的可执行项以使用经保存的坐标执行RDD。将重复项缺陷的坐标保存于共享存储器中。因此,共享存储器在所述步骤将含有重复项缺陷坐标。
为获得缺陷图像及计算属性,仅在其中找到重复项的位置中第二次扫描晶片。例如,在第二遍次中,(若干)计算机子系统的一或多个组件将从共享存储器读取重复项缺陷坐标。一或多个元件接着可将这些位置转换为“强制缺陷”。IMC接着可计算缺陷属性,提取图块图像,应用干扰过滤器且将裸片重复项返回到主UI。主UI接着可如本文进一步描述那样执行光罩级重复项缺陷分析且指派重复项ID。以此方式,本文描述的实施例可经配置以分离用于RDD及缺陷属性计算/报告的缺陷数据。
上文描述的实施例通过以处理量减小来折衷HW成本而最小化HW成本。此解决方案可对生产有价值配方及系统的开发是最有利的。另外,两遍次检验配置可为用于(使用VI实施方案)证实/测试可部署于用户位点处的敏感度的优选解决方案。
上文描述的实施例类似于“分离DB”(IMC与永久性存储装置)方法,但略过存储候选者数据。缺陷检测作业将缺陷坐标保存于共享存储器中且一起略过图块提取及缺陷属性计算。在执行晶片扫描带扫描之后,作业管理器SW可发出将找到经保存的缺陷候选者中的重复项缺陷的RDD作业。将重复项缺陷坐标传回到接口组件(及最有可能主UI)且针对这些位置发出“离散位置检验”或“强制缺陷”作业。IMC可传回重复项位置的缺陷图块图像及缺陷属性。系统还可通过将RDD作业结果保存于共享存储器中且针对第二遍次使用正常缺陷检测作业而简化。在此情况中,IMC将读取具有重复项坐标的对应文件且将缺陷检测作业转换为强制缺陷作业或返回空结果缓冲器。
在另一实施例中,RDD算法经配置以将出现在晶片上的光罩的两个或两个以上印刷例子中的相同位置处的缺陷识别为重复项缺陷。可如本文进一步描述那样执行识别出现在光罩的两个或两个以上印刷例子中的相同位置处的缺陷。例如,RDD算法可基于缺陷的光罩坐标而如本文进一步描述那样识别出现在晶片上的光罩的印刷例子中的相同位置处的缺陷。当在晶片上的光罩的不同印刷例子中的相同光罩内坐标处在晶片上检测到两个或两个以上缺陷时,可将缺陷确定为光罩重复项缺陷。
在一些实施例中,通过包含于一或多个计算机子系统中的主用户接口组件执行识别光罩上的缺陷。例如,如在本文进一步描述,(若干)计算机子系统的主UI可经配置以识别光罩上的缺陷。然而,取决于系统的特定配置及预期用途,(若干)计算机子系统的一或多个其它组件可经配置以执行此识别步骤。
因此,上文描述的实施例具有优于针对RDD的当前使用方法及系统的数个优势。例如,上文描述的新的方法允许针对重复项缺陷的增大敏感度。RDD的增大敏感度对数个应用是重要的。在一个实例中,将极紫外线(EUV)光刻工艺引入半导体制造中需要频繁掩模检验(这些掩模更易受缺陷影响,这是因为掩模不具有薄膜且可在操作期间曝光)且将操作从掩模检验器(不存在具有针对EUV的光化光的掩模检验器)移动到晶片检验器。期望针对EUV的重复项缺陷基本上是小的及/或弱的,且可仅印刷于晶片上的若干裸片上。为找到此类缺陷,晶片检验器必须处理大量候选者缺陷,这无法使用当前方法完成。另外,引入EUV光刻提升重复项缺陷的稳健检测的必要性。
在另一实例中,7nm设计规则(DR)的可印刷系统性缺陷基本上是小的(例如,约3nm缺陷),所以为捕获此类缺陷,检验必须基本上较热地运行。重复项检测(坐标匹配)是基本上强过滤器,其可用于将干扰密度降低到可管理水平,但问题是在主UI中执行当前RDD算法且在运行RDD之前,必须收集所有晶片缺陷。掩模合格性检定所需的热检验导致数百万个缺陷候选者(在RDD之前),其在将结果从IMC传送到接口组件且从接口组件传送到主UI时引起工具阻塞及丢弃缺陷。RDD经受与随机缺陷检测检验相同的缺陷及缺陷密度的最大数目的限制,但是DOI(重复项)的最终数目可合理地小。应注意,许多重复项缺陷是“软”重复项,其归因于工艺变化而未印刷于每个光罩中。此意指无法使用作业中RDD且必须能够分析整个晶片结果。本文描述的实施例提供RDD的若干新机构,借此克服这些限制。
本文描述的实施例还基于可用于执行RDD的缺陷位置的基本上高精确度(例如,比+/-0.5像素更好的精确度)且假定子像素精确度对准。假定,重复项坐标可用作基本上强过滤器,其将在允许使用基本上低阈值的基本上热检验中抑制大多数随机缺陷。进一步假定,可由可用缺陷检测算法中的至少一者检测重复项。当然,如果缺陷深处噪声底限中,那么问题从RDD偏移到正常缺陷检测空间。本文描述的实施例还经配置用于多裸片光罩检验。如果光罩是单个裸片光罩,那么应使用标准参考裸片(SRD)检验,这是由于在此情况中,重复项缺陷将印刷于每个裸片中且无法通过传统裸片对裸片比较找到。
可通过增大主UI计算机的内部网络带宽、结果存储空间及计算能力而实现类似于本文中描述的结果的结果。然而,此类变通解决方案并未提供本文描述的许多优势。
如上文及本文进一步描述,实施例提供基本上高敏感度重复项分析,此改进缺陷检测敏感度。当前用于缺陷检测的方法使用双重检测来检测缺陷,这是由于找出缺陷是否在测试图像中或参考图像中是关键的。参考图像是有缺陷裸片的相邻裸片。当前重复项分析技术受限于无法足够热地运行(此限制敏感度)。因此,当前使用方法太不敏感。另外,如果参考图像具有过多缺陷,那么完全不会检测到缺陷。
在一个实施例中,RDD算法经配置以通过以下各者检测缺陷:通过从测试帧减去三个或三个以上参考帧而分别产生针对晶片产生的图像的每一测试帧的三个或三个以上差异图像;将至少一个阈值应用到三个或三个以上差异图像;及在将至少一个阈值应用到三个或三个以上差异图像的两个或两个以上的结果指示存在缺陷时确定在测试帧中存在缺陷。以此方式,可比较每一帧与若干参考帧,例如比较每一帧与六个参考帧而非当前两个帧。如果至少两个差异帧暗示存在缺陷,那么可将候选帧假定为具有缺陷。
图4展示可如何执行此缺陷检测的实施例。在此图中展示的帧F0、F1、F2、F3、F4、F5及F6表示可由本文描述的检验子系统针对晶片产生的不同图像帧。在当前实施方案中,在双重检测方案中,可比较帧中的一者与另两个帧,且如果在比较的两个结果中检测到缺陷,那么确定存在缺陷。例如,可通过从帧F3减去帧F2而产生第一差异图像(在图4中展示的Diff1)。另外,可通过从帧F3减去帧F4而产生第二差异图像(在图4中展示的Diff2)。因此,在这些比较中,帧F3是测试帧,且帧F2及F4用作参考帧。如果这两个差异图像用于缺陷检测,那么不会检测到缺陷400。特定来说,如在图4中展示,帧F3中的缺陷400出现在Diff1而非Diff2中,这是因为帧F4不同于帧F2及F3的噪声特性。以此方式,双重检测的当前实施方案将丢失所述缺陷,这是因为未在两个差异图像中双重检测所述缺陷。
然而,在本文描述的实施例中,如果帧F3为测试帧,那么可比较帧F3与图4中展示的其它帧中的每一者,且这些比较中的每一者的结果可用于确定缺陷是否存在于帧F3中。例如,如同当前使用的方法,第一差异图像(在图4中展示的Diff 1)可通过从帧F3减去帧F2而产生,且第二差异图像(在图4中展示的Diff 2)可通过从帧F3减去帧F4而产生。然而,在此实施例中可产生包含通过从帧F3减去帧F1而产生的第三差异图像(在图4中展示的Diff3)及通过从帧F3减去帧F5而产生的第四差异图像(在图4中展示的Diff4)的额外差异图像。另外,第五差异图像(在图4中展示的Diff5)可通过从帧F3减去帧F0而产生,且第六差异图像(在图4中展示的Diff6)可通过从帧F3减去帧F6而产生。如果差异图像的两个或两个以上者中的缺陷信号高于阈值,那么可确定在测试帧中存在缺陷。例如,阈值可经设置为1。在此情况中,如在图4中展示,Diff1、Diff4及Diff6具有大于1的信噪比(SNR),而Diff2、Diff3及Diff5不具有大于1的SNR。因此,由于差异图像的两个或两个以上者(在此情况中为三个差异图像)具有高于阈值的SNR,所以确定在测试帧中存在缺陷。
在另一实施例中,RDD算法经配置以通过比较针对晶片产生的图像的每一测试帧与多个参考帧的平均值而检测缺陷。以此方式,可比较每一帧与多个参考帧的平均值(例如,稳健平均值)。图5展示可如何执行此缺陷检测的实施例。在此图中展示的帧F0、F1、F2、F3、F4、F5及F6表示可由本文描述的检验子系统针对晶片产生的不同图像帧且与图4中所展示相同。
在当前实施方案中,在双重检测方案中,可比较帧中的一者与另两个帧,且如果在比较的两个结果中检测到缺陷,那么确定存在缺陷。例如,可通过从帧F3减去帧F2而产生第一差异图像(在图5中展示的Diff1)。另外,可通过从帧F3减去帧F4而产生第二差异图像(在图5中展示的Diff2)。因此,在这些比较中,帧F3是测试帧,且帧F2及F4用作参考帧。如果这两个差异图像用于缺陷检测,那么不会检测到缺陷400(在图4中展示相同缺陷)。特定来说,如在图5中展示,帧F3中的缺陷400出现在Diff1而非Diff2中,这是因为帧F4不同于帧F2及F3的噪声特性。以此方式,双重检测的当前实施方案将错失所述缺陷,这是因为未在两个差异图像中双重检测所述缺陷。
然而,在本文描述的实施例中,可产生帧F0、F1、F2、F4、F5及F6的在图5中展示的平均值500。以此方式,可从所有可用的参考帧(例如,除在图5中展示的实施例中用作测试帧的帧F3外的所有帧)产生平均帧。接着,可从测试帧F3减去平均帧以产生差异图像502。接着,可将阈值应用到如本文进一步描述的差异图像以借此检测缺陷400。因而,在此实施例中,可比较候选或测试帧与参考帧的平均值且可使用比较结果来检测候选或测试帧中的缺陷。
在额外实施例中,RDD算法经配置以通过产生对应于印刷在晶片上的每一光罩例子内的相同位置的针对晶片产生的图像的多个帧的平均数且从来自印刷在晶片上的多个光罩例子内的不同位置处的晶片上的裸片的参考帧减去平均数。以此方式,在硬重复项缺陷(其出现在晶片上的每光罩上)的情况中,可计算每一光罩内的相同位置的若干图像帧的平均数且从来自在光罩内的不同位置处的裸片的参考帧减去所述平均数。例如,如在图6中展示,可将光罩的不同例子(在此情况中为多裸片光罩)印刷于晶片上。光罩的所述印刷例子在图6中指示为光罩1、光罩2、光罩3及光罩4,其中的每一者为晶片上的相同光罩的不同印刷例子。如在图6中进一步展示,经印刷光罩例子中的每一者包含多个裸片600,其全部通常是相同的。在此情况中,每一光罩包含三个裸片,其中的每一者针对光罩的每一例子印刷于晶片上。
可针对光罩的这些印刷例子产生平均值602(或平均值)。例如,可从如在图6中展示的所有光罩1到4产生平均值602。可从晶片上的光罩的所有印刷例子确定平均光罩。然而,可从晶片上的光罩的少于所有印刷例子确定平均光罩。接着,可从许多不同、对应参考帧减去光罩的平均值中的帧。以此方式,平均光罩中的测试帧可取代图4中的测试帧3,且接着可针对平均光罩中的测试帧执行本文关于图4描述的步骤。如果差异图像的至少两者具有大于1的SNR,那么测试帧可被视为含有缺陷。平均光罩中的所有测试帧可以相同方式用于缺陷检测。
在一个实施例中,RDD算法经配置以通过产生对应于印刷在晶片上的每一光罩例子内的相同位置的针对晶片产生的图像的多个帧的平均数且从来自印刷在晶片上的多个光罩例子内的不同位置处的其它裸片的参考帧的平均数减去所述平均数。以此方式,在硬重复项缺陷(其出现在晶片上的每光罩上)的情况中,可计算每一光罩内的相同位置的若干图像帧的平均数且从来自光罩内的不同位置处的其它裸片的参考帧的平均数减去所述平均数。在此实施例中,可如在以上实施例中描述那样产生平均数。接着,可从不同、对应参考帧的平均数或中值减去光罩的平均值中的帧。以此方式,平均光罩中的测试帧可取代图5中的测试帧3,且接着可针对平均光罩中的测试帧执行本文关于图5描述的步骤。如果差异图像具有大于1的SNR,那么其可被视为含有缺陷。平均光罩中的所有测试帧可以相同方式用于缺陷检测。
在另一实施例中,RDD算法经配置以通过下列步骤而识别是重复项缺陷的缺陷:新增对应于印刷在晶片上的光罩的多个例子中的经检测缺陷的位置的图像帧;比较经新增的图像帧与阈值;及在经新增的图像帧高于阈值时确定缺陷为重复项缺陷。例如,在软重复项缺陷(其仅出现在印刷于晶片上的一些光罩例子上)的情况中,可新增候选帧(若干光罩内的相同位置)的组合,例如,在一个案例中新增光罩1、4及5,在另一案例中新增光罩1、3及6等。可以逐帧方式执行新增光罩,其中新增每一(或2个以上)光罩中的原始帧。新增候选帧可包含新增候选帧的原始像素输出。如果一个组合具有拥有足够高(例如,高于检测阈值)的SNR的像素,那么可推断存在重复项缺陷。例如,如在图6中展示,可将光罩的不同例子(例如,光罩1、2、3及4)印刷于晶片上。接着可新增这些印刷例子的差异用于缺陷检测。
在一些实施例中,RDD算法经配置以a)通过将出现在印刷于晶片上的光罩的第一数目个例子中的相同位置处的缺陷识别为重复项缺陷而在仅第一扫描带中检测缺陷且识别是重复项缺陷的缺陷,及b)随后通过将出现在印刷于晶片上的光罩的第二数目个例子中的相同位置处的缺陷识别为重复项缺陷而在其它扫描带中检测缺陷且识别是重复项缺陷的缺陷,且第二数目高于第一数目。以此方式,在相对低信号重复项缺陷(针对其,需要基本上热地运行)的情况中,可执行两遍次重复项分析。第一遍次是基于一个单个扫描带以将缺陷数目降低到合理数目,且第二遍次对所有扫描带操作(例如,使用所有扫描带的较高重复项阈值执行重复项分析),所有扫描带针对整个晶片经过遍次1。
在一个此实例中,最初,每个扫描带检测到一百万个缺陷,但大多数缺陷不具有相同光罩坐标。可通过仅对此扫描带执行光罩重复项分析而降低缺陷数目,且滤除未在相同光罩坐标(在本文中进一步描述的相同重复项半径或“公差”内)处出现至少两次的所有缺陷。最后,每扫描带保留基本上较少数目个缺陷(例如,仅10,000个缺陷),此显著降低所需的存储空间。
在已经对每个扫描带执行此重复项分析之后,可使用较高重复项阈值执行全晶片重复项分析(例如,具有相同光罩坐标的20个重复项)以进一步降低经报告的重复项的数目。例如,如图7中所展示,多个裸片700可形成于晶片702上。在检验子系统(未在图7中展示)扫描遍及晶片借此针对晶片产生图像时,针对晶片产生图像的扫描带704。一般来说,图像数据的扫描带在图7中展示为与其在晶片上的对应位置叠加。以此方式,虽然扫描带仅为由检测器针对晶片上的某一区域产生的图像,但扫描带通常被称为晶片上的扫描带,即使其实际上并不在晶片上。在任何情况中,一般逐扫描带扫描晶片上待检验的区域,直到已经针对整个检验区域产生图像。然而,可在已获取图像数据的所有扫描带之前处理图像数据的扫描带。
例如,如在图7中展示且在上文进一步描述,可在晶片702上的第一裸片行700a中获取扫描带704a。在扫描扫描带时或在已获取此扫描带之后且在已获取其它扫描带之前,如在步骤706中展示,IMC可运行基于扫描带的重复项分析,且保持每扫描带至少两次出现在相同光罩内位置的所有缺陷。接着,如在图7中的省略号708展示,可针对晶片上的所有其它扫描带执行此步骤。在已针对基于扫描带的重复项分析处理所有扫描带(或视需要许多扫描带)之后(如在步骤710中展示),可对从基于扫描带的重复项分析保留的所有缺陷运行重复项分析。
在一个此实施例中,RDD算法经配置以通过滤除出现在第一扫描带中的印刷于晶片上的光罩的每一例子中及第一扫描带中的印刷于晶片上的光罩的每一裸片例子中的相同位置处的系统性噪声而降低第一扫描带中的噪声。例如,可通过滤除出现在每一光罩中及每一裸片中的相同位置处的系统性噪声而实现第一遍次重复项分析中的额外噪声降低。在一个此实例中,如果噪声始终出现在确切相同的结构(例如,特定多边形的边缘)上或每一裸片中的相同位置处,那么其被称为系统性噪声。相比之下,重复项缺陷每光罩仅出现一次,但每裸片出现不止一次或每裸片出现多次。
在一个实施例中,RDD算法经配置以通过比较印刷于晶片上的光罩例子的图像帧与从不同晶片产生的标准图像帧而检测缺陷。例如,可比较候选晶片上的每个光罩的图像帧与印刷在清洁晶片上的标准光罩。可以任何适当方式获取印刷在清洁晶片上的标准光罩的图像。可以任何适当方式将标准光罩图像确定为来自清洁晶片。例如,可通过找到基本上不含缺陷的光罩图像获取标准光罩图像。在一些例子中,可通过在具有相同于将使用已知良好工艺(已知在针对工艺的工艺窗内运作的所述工艺)由本文描述的实施例检验的类型的晶片上印刷光罩而获取标准光罩图像。接着,可如在标准缺陷检测过程中针对缺陷检查晶片上的光罩的各种例子。接着,可将发现不含缺陷的光罩的例子用作标准光罩。可如本文描述那样比较印刷于晶片上的光罩例子的图像帧与标准图像帧(例如,通过彼此相减),且可将缺陷检测阈值应用到比较结果(例如,差异图像)以借此检测晶片上的缺陷。
在另一实施例中,RDD算法经配置以通过比较印刷于晶片上的光罩例子的图像帧与从不同晶片产生的中值图像帧而检测缺陷。例如,可比较候选晶片上的每个光罩的图像帧与印刷在清洁晶片上的中值光罩。清洁晶片可为具有与通过使用已知良好工艺(已知在针对工艺的过程窗内运作的所述工艺)及光罩的无缺陷版本印刷的本文描述的实施例检验的晶片类型相同的晶片。如本文进一步描述,可从不同晶片产生中值图像帧。如本文进一步描述,可比较图像帧与中值图像帧。另外,这些比较结果可如本文进一步描述那样用于检测晶片上的缺陷。
在额外实施例中,RDD算法经配置以通过比较印刷于晶片上的光罩例子的图像帧与经呈现设计而检测缺陷。例如,可比较候选晶片上的每个光罩的图像帧与经呈现设计。经呈现设计可为说明印刷于晶片上的光罩将如何出现在由检验子系统产生的图像中的光罩的模拟图像。因此,经呈现设计可使用晶片的设计产生作为到光刻工艺及检验子系统成像过程的模型的输入。经呈现设计还可如在以下者中描述那样产生:维尔马(Verma)等人在2010年3月30日发布的第7,689,966号美国专利案、张(Zhang)等人在2017年5月25日发表的第2017/0148226号美国专利申请公开案、张(Zhang)等人在2017年7月6日发表的第2017/0193680号美国专利申请公开案、巴斯卡尔(Bhaskar)等人在2017年7月6日发表的第2017/0194126号美国专利申请公开案、巴斯卡尔(Bhaskar)等人在2017年7月13日发表的第2017/0200260号美国专利申请公开案及巴斯卡尔(Bhaskar)等人在2017年7月13日发表的第2017/0200265号美国专利申请公开案及张(Zhang)等人在2017年5月23日申请的第15/603,249号美国专利申请案、张(Zhang)等人在2017年9月1日申请的第15/694,719号美国专利申请案及赫(He)等人在2017年9月6日申请的第15/697,426号美国专利申请案,所述案以宛如全文陈述引用的方式并入本文。可在这些公开案及申请案中描述那样进一步配置本文描述的实施例。可如本文进一步描述那样比较图像帧与经呈现设计,且比较结果可用于如本文进一步描述那样检测缺陷。
在另一实施例中,热阈值包含局部多裸片自适应阈值。例如,为基本上热地运行,可使用局部多裸片自适应阈值算法。局部多裸片自适应阈值算法可包含所属领域中已知的任何适当此算法,包含可用于商业上可从科磊公司购得的一或多个检验系统上的多裸片自动阈值化(MDAT)算法及nanoMDAT算法。
在一个实施例中,一或多个图像处理组件经配置用于将经检测缺陷的信息存储在一或多个图像处理组件的每节点共享的存储器中。例如,为非常热地运行,可使用节点中重复项分析,此意指在不报告经检测缺陷的情况下在内部处理缺陷的信息且最后仅报告重复项。在此配置中,缺陷可经保存于每IMC节点(共享)的存储器中。可保留应允许存储一亿个以上缺陷的每节点特定存储空间。
在一个此实施例中,如在图9中展示,一或多个计算机子系统可设置具有热阈值的配方,如在步骤900中展示。可以所属领域中已知的任何适当方式执行设置具有热阈值的配方。如在步骤902中展示,IMC可接着检测晶片上的缺陷且将缺陷保持在IMC节点的共享存储器中。可如本文进一步描述那样执行此步骤。如在步骤904中展示,IMC可接着进行节点中重复项分析(其可如本文进一步描述那样执行)。
在一个此实施例中,存储在共享存储器中的经检测缺陷的信息包含仅在晶片上的一或多个第一裸片行中检测到的缺陷的信息。第一裸片行为首先扫描的裸片行。以此方式,第一裸片行的缺陷可经保存于共享存储器中。例如,如在图8中展示,IMC可将缺陷保存于共享存储器中以用于存储器中重复项分析,如在步骤800中展示。保存于共享存储器中以用于存储器中重复项分析的缺陷可包含在晶片1上测试1中检测到的缺陷802。保存于共享存储器中的缺陷还可包含仅在晶片上的单个裸片行804中或晶片上的多个裸片行804及806中检测到的缺陷。虽然单个裸片行展示为晶片上的特定裸片行,但单个裸片行可包含晶片上的任何单个裸片行。另外,晶片上的多个裸片行可包含晶片上的所有裸片行或晶片上的仅一些裸片行(例如,晶片上的两个或两个以上裸片行)。
在图9中展示的实施例可包含本文描述的任何其它步骤。例如,如在步骤906中展示,针对弱及/或硬重复项,IMC可比较图像帧与作为增强型提取的参考的设计呈现图块。可如本文进一步描述那样执行此步骤。在一个此实施例,如图8中所展示,可针对晶片1获取图块图像808。可针对对应于图块图像的设计的部分获取设计剪辑810。以此方式,在所述设计剪辑中的任何设计特征应对应于形成于获取图块图像的晶片的部分上的设计特征。设计剪辑可接着经呈现以借此产生经呈现设计812,其模拟设计剪辑将如何形成在晶片上且接着由检验子系统成像。可以所属领域中已知的任何适当方式执行此类模拟。以此方式,经呈现设计应等效于由晶片的部分(其中形成设计剪辑中的设计特征)的检验子系统产生的图像。因而,经呈现设计等效于对应于设计剪辑的晶片的部分的无缺陷图像。因此,经呈现设计可用作用于与测试图像(例如,图块图像808)比较的参考以检测测试图像中的缺陷。例如,如在步骤814中,可通过从图块图像808减去经呈现设计812而比较经呈现设计与图块图像,借此产生差异图像816。可针对节点中重复项分析818执行这些步骤以用于弱及/或硬重复项缺陷的增强型提取820。
在一些此类实施例中,RDD算法经配置以通过下列步骤而识别是重复项缺陷的缺陷:将在相同裸片相对位置处的一或多个第一裸片行中的相邻裸片中检测到的缺陷识别为重复项缺陷;及将在相同裸片相对位置处的一或多个第一裸片行中的相邻裸片中未检测到的缺陷识别为非重复项缺陷。以此方式,将比较来自在相同(或接近公差内)裸片相对位置处的相同裸片行中的相邻裸片的缺陷且将标记重复项及独有缺陷。可如本文进一步描述那样执行这些步骤。
在一个此实施例中,RDD算法经配置以通过下列步骤而识别是重复项缺陷的缺陷:将在相同裸片相对位置处的晶片上的其它裸片行中的相邻裸片中检测到的缺陷识别为重复项缺陷;及将在相同裸片相对位置处的其它裸片行中的相邻裸片中未检测到的缺陷识别为非重复项缺陷。例如,将比较后续裸片行中的缺陷,且将标记重复项及独有缺陷。例如,后续裸片行中的缺陷可在其裸片坐标方面进行比较。如果裸片坐标对于特定数目个缺陷是相同的,那么可将所述缺陷指定为重复项缺陷。可如本文进一步描述那样执行这些步骤。
在一个此实施例中,RDD算法经配置以通过下列步骤而识别是重复项缺陷的缺陷:提取在与非重复项缺陷相同的裸片相对位置处的针对晶片产生的图像的部分;及将局部缺陷检测算法应用到图像的经提取部分以借此确定未检测到的缺陷是否在与非重复项缺陷相同的裸片相对位置处重复。例如,针对独有缺陷,可应用额外(局部)缺陷检测算法以从其它裸片/裸片行的相同位置提取弱缺陷信号。在一个此实施例中,如在图9中展示,IMC可执行步骤908,其中针对所有重复项及独有缺陷,针对其它裸片/裸片行进行局部搜索以提取低信号缺陷。
在此步骤中,如在图8中展示,在晶片1上的裸片行804中检测到的缺陷802的一者的缺陷位置可用作用于局部搜索的缺陷位置,如在步骤822中展示。可对节点中重复项分析824执行此步骤,其中如在步骤826中展示,针对所有重复项及独有缺陷,对其它裸片及/或裸片行执行局部搜索。以此方式,可提取相对低信号缺陷。另外,通过检查对应于缺陷位置的多个(所有)位置,IMC可确定x%的无缺陷位置828及(100-x)%的有缺陷位置830。这些百分比可用于确定关于缺陷的信息(其是软重复项?,其是硬重复项?其是弱软重复项?等)。
如在图9中的步骤910中展示,IMC可运行其它测试/检验且比较位置以用于测试间及晶片间重复项分析。例如,如在图8的步骤832中展示,具有由针对晶片1执行的测试1产生的图像的由增强型提取820检测的缺陷可用于比较具有图像及/或由测试n在晶片m上检测到的缺陷的位置。以本文中描述的任何其它方式检测到的缺陷还可用于此类比较。接着,所述比较可用于节点中重复项分析步骤834,针对测试间及/或晶片间重复项分析836执行步骤834。以此方式,本文描述的实施例可用于确定缺陷是否随对相同晶片执行的测试及/或随晶片而在相同位置处重复。
在本文描述的实施例中,可积累IMC存储器中的所有缺陷候选者直到晶片检验结束。可运行正常缺陷检测,可将“无缺陷”结果缓冲器返回到接口组件,且可将所有缺陷候选者存储于共享存储器中。例如,当前,报告经检测每个缺陷。然而,此处,在执行重复项分析之前不报告任何缺陷是更有效的,此为存储缺陷坐标的基本上有效方式。另外,可运行热检验从而将所有缺陷候选者保存在VI上。在VI上,可运行检验以使用缺陷坐标寻找重复项且将缺陷位置、属性及图块传回到主UI。此外,如本文进一步描述,可仅保存重复项坐标而不保存图块图像。
在另一实施例中,RDD算法经配置以按子像素精确度将针对晶片产生的图像与晶片的设计对准。例如,基于设计的子像素精确度对准允许使用允许基本上有效的干扰过滤的实质性小重复项半径。可如在以下各者中描述那样执行按子像素精确度将针对晶片产生的图像与设计对准:库尔卡尼(Kulkarni)等人在2010年3月9日发布的第7,676,077号美国专利案、库尔卡尼(Kulkarni)等人在2011年10月18日发布的第8,041,103号美国专利案、库尔卡尼(Kulkarni)等人在2012年3月20日发布的第8,139,843号美国专利案及拉马钱德兰(Ramachandran)等人在2015年9月15日发布的第9,134,254号美国专利案及巴塔恰亚(Bhattacharyya)等人在2016年6月30日发表的第2016/0188784号美国专利申请公开案,所述案以宛如全文陈述引用的方式并入本文。可在这些专利及公开案中描述那样进一步配置本文描述的实施例。
在另一实施例中,RDD算法经配置以使用基于重复项缺陷的属性、对应于重复项缺陷的图像的性质或其组合执行的机器学习技术来确定哪些重复项缺陷是所关注缺陷且哪些重复项缺陷是干扰。例如,可通过使用利用现存缺陷属性或基于图像的性质以分离所关注缺陷(DOI)与干扰的机器学习类型技术来分离DOI与干扰而实现进一步干扰减少。在以下各者中描述此类机器学习类型技术的实例:张(Zhang)等人在2017年5月25日发表的第2017/0148226号美国专利申请公开案、张(Zhang)等人在2017年7月6日发表的第2017/0193680号美国专利申请公开案、巴斯卡尔(Bhaskar)等人在2017年7月6日发表的第2017/0194126号美国专利申请公开案、巴斯卡尔(Bhaskar)等人在2017年7月13日发表的第2017/0200260号美国专利申请公开案及巴斯卡尔(Bhaskar)等人在2017年7月13日发表的第2017/0200265号美国专利申请公开案及张(Zhang)等人在2017年5月23日申请的第15/603,249号美国专利申请案、张(Zhang)等人在2017年9月1日申请的第15/694,719号美国专利申请案及赫(He)等人在2017年9月6日申请的第15/697,426号美国专利申请案,所述案以宛如全文陈述引用的方式并入本文。可在这些公开案及专利申请案中描述那样进一步配置本文描述的实施例。
在额外实施例中,RDD算法经配置以通过下列步骤而使针对晶片产生的图像彼此对准:将由RDD算法处理的图像的两个部分中的共同对准目标分别识别为两个不同作业;使用共同对准目标使两个不同作业彼此对准;基于对准结果确定对准偏移;及将对准偏移应用到其它作业以借此将其它作业与两个不同作业对准。在一个此实施例中,两个不同作业经定位于晶片上的不同裸片行中。例如,如果设计文件归因于智能性质约束或其中不存在足够良好的对准目标而无法用于对准,那么一个作业可延伸到整个裸片行,即在从晶片的左侧到右侧的范围中的一个单个扫描带。以此方式,具有相同裸片坐标的所有图像帧可在一个单个扫描带内彼此良好对准。当前,一个作业可含有至多最大数目个帧,12个帧。所以延伸作业可包含针对作业使用更多帧,使得一个裸片行内的所有帧彼此对准。例如,如果存在25个帧(意指一个扫描带中存在25个裸片),那么所有这些帧将彼此良好地对准。另外,可通过以下步骤使不同裸片行的两个作业相对于彼此对准:找到两个作业文件中的共同对准对象;使其彼此对准;及将经计算的偏移应用到作业内的所有位点。可以任何适当方式执行这些步骤。
因此,本文描述的实施例具有优于当前使用的方法及系统的数个优势。例如,本文描述的实施例提供高于当前使用的方法及系统的敏感度。在一个此实例中,通过使用各种参考帧组合及允许更多运行到噪声底限中的缺陷存储模型而增强重复项检测的敏感度。另外,本文描述的实施例不具有当对全晶片执行重复项分析时归因于可由系统或方法处置的缺陷的总数的限制而受限的敏感度。本文描述的实施例还允许在有噪声晶片上找到具有相对低信号的缺陷。此外,在检验期间使用本文描述的实施例将改进对关键DOI的敏感度。在另一实例中,本文描述的实施例能够比当前使用的方法及系统更热地运行。在额外实例中,本文描述的实施例实现不限于仅一个参考的比较。在另一实例中,本文描述的实施例提供低于当前使用的方法及系统的干扰率。
本文描述的系统的实施例中的每一者可与本文描述的系统的任何其它实施例组合。
另一实施例涉及一种用于检测在光罩上的缺陷的计算机实施方法。所述方法包含获取由检验子系统针对晶片产生的图像。在光刻工艺中使用光罩以将特征印刷于所述晶片上。通过包含于一或多个计算机子系统中的一或多个图像处理组件执行所述获取。所述一或多个计算机子系统包含主用户接口,其经配置用于将针对所述晶片及所述光罩产生的信息提供到用户且用于接收来自所述用户的指令。所述一或多个计算机子系统还包含接口组件,其经配置用于提供所述一或多个图像处理组件与所述主用户接口组件之间的接口且用于控制所述检验子系统的一或多个HW元件。所述方法还包含通过将RDD算法应用到由所述一或多个图像处理组件获取的所述图像而执行RDD。RDD算法经配置以使用热阈值来检测晶片上的缺陷且识别是重复项缺陷的所述缺陷。由所述一或多个图像处理组件执行RDD。另外,所述方法包含将来自所述一或多个图像处理组件的包含仅所述重复项缺陷的信息的检验结果发送到所述接口组件。所述方法进一步包含基于所述晶片上检测到的所述重复项缺陷识别所述光罩上的缺陷。由所述一或多个计算机子系统执行识别所述光罩上的所述缺陷。
可如本文进一步描述那样执行方法的步骤中的每一者。方法还可包含可由本文描述的检验子系统及/或(若干)计算机子系统或(若干)系统执行的任何其它(若干)步骤。由如本文进一步描述的一或多个计算机子系统的各种组件(例如,一或多个图像处理组件、主用户接口及接口组件)执行方法的步骤且其可根据本文描述的实施例中的任一者配置。另外,可由本文描述的系统实施例中的任一者执行上文描述的方法。
额外实施例涉及一种非暂时性计算机可读媒体,其存储在计算机系统上实行以执行用于检测光罩上的缺陷的计算机实施方法的程序指令。在图10中展示一个此实施例。特定来说,如图10中所展示,非暂时性计算机可读媒体1000包含可在计算机系统1004上执行的程序指令1002。计算机实施方法可包含本文中描述的任何(若干)方法的任何(若干)步骤。
可将实施例如本文描述的方法的程序指令1002存储于计算机可读媒体1000上。计算机可读媒体可为存储媒体,例如磁盘或光盘、磁带或所属领域中已知的任何其它适当非暂时性计算机可读媒体。
程序指令可以各种方式中的任一者实施,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。例如,可视需要使用ActiveX控件、C++对象、JavaBeans、微软基础类别(“MFC”)、SSE(流式SIMD扩展)或其它技术或方法实施程序指令。
计算机系统1004可根据本文描述的实施例中的任一者配置。
本文描述的所有方法可包含将方法实施例的一或多个步骤的结果存储于计算机可读存储媒体中。结果可包含本文描述的结果中的任一者且可以所属领域中已知的任何方式存储。存储媒体可包含本文描述的任何存储媒体或所属领域中已知的任何其它适当存储媒体。在已存储结果之后,所述结果可在存储媒体中存取且由本文描述的方法或系统实施例中的任一者使用,经格式化以显示给用户,由另一SW模块、方法或系统使用等。例如,在光罩上检测到的缺陷可用于控制及/或更改光罩修复或清洗过程,其中目标是移除或修复一或多个光罩缺陷以借此防止此类光罩缺陷印刷于其它晶片上。在一个此实例中,在光罩上检测到的缺陷的信息可由本文描述的一或多个计算机子系统、另一系统(例如,光罩修复系统)或另一方法(例如,光罩修复方法)使用以确定应在光罩上执行光罩修复或清洗过程的位置。在光罩上检测到的缺陷的信息还可用于确定此过程的一或多个参数,例如将在其上执行过程的区域、执行过程的时间长度、在过程中应使用的化学品或气体等。以此方式,经更改的光罩可用于在光刻工艺中将光罩上的裸片印刷在其它晶片上。经更改的光罩还可在其已经重新引入到光刻工艺之后的另一时间使用本文描述的实施例重新检验。
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。例如,提供用于检测光罩上的缺陷的系统及方法。因此,此描述应解释为仅是说明性且是出于教示所属领域的技术人员执行本发明的一般方式的目的。将理解,本文展示及描述的本发明的形式将视为当前优选实施例。如所属领域的技术人员在获得本发明的此描述的益处之后将明白,元件及材料可取代本文说明及描述的元件及材料,部分及过程可颠倒,且可单独利用本发明的某些特征。在不脱离如在所附权利要求书中描述的本发明的精神及范围的情况下可对本文中的元件作出改变。
Claims (35)
1.一种经配置以检测光罩上的缺陷的系统,其包括:
检验子系统,其经配置以扫描晶片以借此产生所述晶片的图像,其中光罩用于在光刻工艺中将特征印刷于所述晶片上;及
一或多个计算机子系统,其包括:
一或多个图像处理组件,其经配置用于获取由所述检验子系统针对所述晶片产生的所述图像;
主用户接口组件,其经配置用于将针对所述晶片及所述光罩产生的信息提供到用户且用于接收来自所述用户的指令;及
接口组件,其经配置用于提供所述一或多个图像处理组件与所述主用户接口组件之间的接口且用于控制所述检验子系统的一或多个硬件元件;
其中所述一或多个图像处理组件经进一步配置用于通过将重复项缺陷检测算法应用到由所述一或多个图像处理组件获取的所述图像而执行重复项缺陷检测,且其中所述重复项缺陷检测算法经配置以使用热阈值来检测所述晶片上的缺陷且识别是重复项缺陷的所述缺陷;
其中所述一或多个图像处理组件经进一步配置用于将包括仅所述重复项缺陷的信息的检验结果发送到所述接口组件;及
其中所述一或多个计算机子系统经配置用于基于所述晶片上检测到的所述重复项缺陷识别所述光罩上的缺陷。
2.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过使不同的所述缺陷的裸片内缺陷坐标彼此比较而识别是重复项缺陷的所述缺陷。
3.根据权利要求1所述的系统,其中所述一或多个图像处理组件经进一步配置用于存储所有经检测的所述缺陷的信息。
4.根据权利要求1所述的系统,其中执行所述重复项缺陷检测仅针对所述晶片上的单个扫描带予以执行。
5.根据权利要求1所述的系统,其中所述一或多个图像处理组件经进一步配置为虚拟检验器,且其中所述一或多个计算机子系统经进一步配置用于在从所述检验子系统获取所述图像之后且在执行所述重复项缺陷检测之前将所述虚拟检验器与所述检验子系统断开连接。
6.根据权利要求1所述的系统,其中所述一或多个图像处理组件经进一步配置用于通过将缺陷检测算法应用到由所述检验子系统针对所述晶片上的多个裸片行中的相同单个扫描带产生的所述图像而执行单个扫描带多裸片行缺陷检测且用于将所述单个扫描带多裸片行缺陷检测的结果发送到所述接口组件,且其中所述接口组件或所述主用户接口组件对所述单个扫描带多裸片行缺陷检测的所述结果执行重复项缺陷检测。
7.根据权利要求1所述的系统,其中所述一或多个图像处理组件包括可针对由所述一或多个图像处理组件执行的多个过程存取的共享非暂时性计算机可读存储媒体,且其中所述重复项缺陷检测算法经进一步配置以检测所述晶片的整个经检验的区域上的所述缺陷;将所有经检测的所述缺陷存储于所述共享非暂时性计算机可读存储媒体中;及针对所述晶片的所述整个经检验的区域使用所有经存储的经检测的所述缺陷识别是所述重复项缺陷的所述缺陷。
8.根据权利要求1所述的系统,其中所述一或多个图像处理组件经进一步配置用于通过将缺陷检测算法应用到由所述检验子系统针对所述晶片上的多个裸片行中的相同单个扫描带产生的所述图像而执行单个扫描带多裸片行缺陷检测且将所述单个扫描带多裸片行缺陷检测的结果存储于可针对由所述一或多个图像处理组件执行的多个过程存取的所述一或多个图像处理组件中的共享非暂时性计算机可读存储媒体中,且其中所述重复项缺陷检测算法经进一步配置以检测所述多个裸片行中的相同单个扫描带的整个经检验的区域中的所述缺陷;将所有经检测的所述缺陷存储于所述共享非暂时性计算机可读存储媒体中;及针对所述多个裸片行中的相同单个扫描带的所述整个经检验的区域使用所有经存储的经检测的所述缺陷识别是所述重复项缺陷的所述缺陷。
9.根据权利要求1所述的系统,其中所述一或多个图像处理组件包括可针对由所述一或多个图像处理组件执行的多个过程存取的共享非暂时性计算机可读存储媒体,其中所述一或多个计算机子系统进一步包括虚拟检验器,其中所述一或多个图像处理组件经进一步配置用于将由所述重复项缺陷检测算法产生的结果的仅第一部分存储于所述共享非暂时性计算机可读存储媒体中且将由所述重复项缺陷检测算法产生的所述结果的仅第二部分存储于所述虚拟检验器中,其中所述第一部分仅包括所述晶片上检测到的所述缺陷的缺陷坐标,其中所述第二部分仅包括所述晶片上检测到的所述缺陷的缺陷属性及图块图像,其中所述重复项缺陷检测算法经进一步配置以仅使用所述结果的所述第一部分来识别所述重复项缺陷,且其中所述一或多个图像处理组件经进一步配置用于从所述虚拟检验器检索所述重复项缺陷的所述缺陷属性及图块图像且通过组合通过识别所述重复项缺陷产生的信息与经检索的所述缺陷属性及图块图像而产生所述检验结果。
10.根据权利要求1所述的系统,其中所述一或多个图像处理组件包括可针对由所述一或多个图像处理组件执行的多个过程存取的共享非暂时性计算机可读存储媒体,其中所述一或多个图像处理组件经进一步配置用于将由所述重复项缺陷检测算法产生的结果的仅第一部分存储于所述共享非暂时性计算机可读存储媒体中,其中所述第一部分仅包括所述晶片上检测到的所述缺陷的缺陷坐标,其中所述重复项缺陷检测算法经进一步配置以仅使用所述结果的所述第一部分来识别所述重复项缺陷,其中所述接口组件经进一步配置用于控制所述检验子系统的所述一或多个硬件元件以借此仅扫描经识别的所述重复项缺陷的所述晶片上的位置,且其中所述一或多个图像处理组件经进一步配置用于组合仅经识别的所述重复项缺陷的所述晶片上的所述位置的所述扫描中产生的图像与所述结果的所述第一部分以借此产生发送到所述接口组件的所述检验结果。
11.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以将出现在所述晶片上的所述光罩的两个或两个以上印刷例子中的相同位置处的所述缺陷识别为所述重复项缺陷。
12.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通过确定哪些所述重复项缺陷在所述晶片上的所述光罩的两个或两个以上印刷例子中重复且将在所述晶片上的所述光罩的两个或两个以上印刷例子中重复的所述重复项缺陷识别为所述光罩上的所述缺陷而识别所述光罩上的所述缺陷。
13.根据权利要求1所述的系统,其中由包含于所述一或多个计算机子系统中的所述主用户接口组件执行识别所述光罩上的所述缺陷。
14.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过以下检测所述缺陷:通过从测试帧减去三个或三个以上参考帧而分别产生针对所述晶片产生的所述图像的每一测试帧的三个或三个以上差异图像;将至少一个阈值应用到所述三个或三个以上差异图像;及在所述将所述至少一个阈值应用到所述三个或三个以上差异图像中的两者或两者以上的结果指示存在缺陷时确定缺陷存在于所述测试帧中。
15.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过比较针对所述晶片产生的所述图像的每一测试帧与多个参考帧的平均值而检测所述缺陷。
16.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过产生对应于印刷于所述晶片上的每一光罩例子内的相同位置的针对所述晶片产生的所述图像的多个帧的平均数且从来自印刷于所述晶片上的多个光罩例子内的不同位置处的所述晶片上的裸片的参考帧减去所述平均数而检测所述缺陷。
17.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过产生对应于印刷于所述晶片上的每一光罩例子内的相同位置的针对所述晶片产生的所述图像的多个帧的平均数且从来自印刷于所述晶片上的多个光罩例子内的不同位置处的其它裸片的参考帧的平均数减去所述平均数而检测所述缺陷。
18.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过以下而识别是所述重复项缺陷的所述缺陷:新增对应于印刷在所述晶片上的所述光罩的多个例子中的经检测缺陷的位置的图像帧;比较经新增的所述图像帧与阈值;及
在经新增的所述图像帧高于所述阈值时确定所述缺陷为重复项缺陷。
19.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以:a)通过将出现在印刷于所述晶片上的所述光罩的第一数目个例子中的相同位置处的所述缺陷识别为所述重复项缺陷而在仅第一扫描带中检测所述缺陷且识别是所述重复项缺陷的所述缺陷;及b)随后通过将出现在印刷于所述晶片上的所述光罩的第二数目个例子中的相同位置处的所述缺陷识别为所述重复项缺陷而在其它扫描带中检测所述缺陷且识别是所述重复项缺陷的所述缺陷,且其中所述第二数目高于所述第一数目。
20.根据权利要求19所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过滤除出现在所述第一扫描带中的印刷于所述晶片上的所述光罩的每一例子中及所述第一扫描带中的印刷于所述晶片上的所述光罩的每一裸片例子中的相同位置处的系统性噪声而降低所述第一扫描带中的噪声。
21.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过比较印刷于所述晶片上的光罩例子的图像帧与从不同晶片产生的标准图像帧而检测所述缺陷。
22.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过比较印刷于所述晶片上的光罩例子的图像帧与从不同晶片产生的中值图像帧而检测所述缺陷。
23.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过比较印刷于所述晶片上的光罩例子的图像帧与经呈现设计而检测所述缺陷。
24.根据权利要求1所述的系统,其中所述热阈值包括局部多裸片自适应阈值。
25.根据权利要求1所述的系统,其中所述一或多个图像处理组件经进一步配置用于将经检测的所述缺陷的信息存储在所述一或多个图像处理组件的每节点的共享存储器中。
26.根据权利要求25所述的系统,其中存储在所述共享存储器中的经检测的所述缺陷的所述信息包含仅在所述晶片上的一或多个第一裸片行中检测到的缺陷的信息。
27.根据权利要求26所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过将在相同裸片相对位置处的所述一或多个第一裸片行中的相邻裸片中检测到的缺陷识别为所述重复项缺陷且将在所述相同裸片相对位置处的所述一或多个第一裸片行中的所述相邻裸片中未检测到的缺陷识别为非重复项缺陷而识别是所述重复项缺陷的所述缺陷。
28.根据权利要求27所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过将在所述相同裸片相对位置处的所述晶片上的其它裸片行中的相邻裸片中检测到的缺陷识别为所述重复项缺陷且将在所述相同裸片相对位置处的所述其它裸片行中的所述相邻裸片中未检测到的缺陷识别为非重复项缺陷而识别是所述重复项缺陷的所述缺陷。
29.根据权利要求28所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过提取在与所述非重复项缺陷相同的裸片相对位置处的针对所述晶片产生的所述图像的部分且将局部缺陷检测算法应用到所述图像的经提取的所述部分以借此确定未检测到的缺陷是否在与所述非重复项缺陷相同的裸片相对位置处重复而识别是所述重复项缺陷的所述缺陷。
30.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以按子像素精确度将针对所述晶片产生的所述图像与所述晶片的设计对准。
31.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以使用基于所述重复项缺陷的属性、对应于所述重复项缺陷的所述图像的性质或其组合执行的机器学习技术来确定哪些所述重复项缺陷是所关注缺陷且哪些所述重复项缺陷是妨害。
32.根据权利要求1所述的系统,其中所述重复项缺陷检测算法经进一步配置以通过以下而使针对所述晶片产生的所述图像彼此对准:将由所述重复项缺陷检测算法处理的所述图像的两个部分中的共同对准目标分别识别为两个不同作业;使用所述共同对准目标使两个不同作业彼此对准;基于所述对准结果确定对准偏移;及将所述对准偏移应用到其它作业以借此将所述其它作业与所述两个不同作业对准。
33.根据权利要求32所述的系统,其中所述两个不同作业定位于所述晶片上的不同裸片行中。
34.一种非暂时性计算机可读媒体,其存储在一或多个计算机子系统上实行以执行用于检测光罩上的缺陷的计算机实施方法的程序指令,其中所述计算机实施方法包括:
获取通过检验子系统针对晶片产生的图像,其中光罩用于在光刻工艺中将特征印刷于所述晶片上,且其中所述获取通过包含于所述一或多个计算机子系统中的一或多个图像处理组件执行;
其中所述一或多个计算机子系统包括主用户接口,其经配置用于将针对所述晶片及所述光罩产生的信息提供到用户且用于接收来自所述用户的指令;及
其中所述一或多个计算机子系统进一步包括接口组件,其经配置用于提供所述一或多个图像处理组件与所述主用户接口组件之间的接口且用于控制所述检验子系统的一或多个硬件元件;
通过将重复项缺陷检测算法应用到由所述一或多个图像处理组件获取的所述图像而执行重复项缺陷检测,其中所述重复项缺陷检测算法经配置以使用热阈值来检测所述晶片上的缺陷且识别是重复项缺陷的所述缺陷,且其中通过所述一或多个图像处理组件执行所述重复项缺陷检测;
将来自所述一或多个图像处理组件的包括仅所述重复项缺陷的信息的检验结果发送到所述接口组件;及
基于所述晶片上检测到的所述重复项缺陷识别所述光罩上的缺陷,其中通过所述一或多个计算机子系统执行识别所述光罩上的所述缺陷。
35.一种用于检测光罩上的缺陷的计算机实施方法,其包括:
获取通过检验子系统针对晶片产生的图像,其中光罩用于在光刻工艺中将特征印刷于所述晶片上,且其中所述获取通过包含于一或多个计算机子系统中的一或多个图像处理组件执行;
其中所述一或多个计算机子系统包括主用户接口,其经配置用于将针对所述晶片及所述光罩产生的信息提供到用户且用于接收来自所述用户的指令;及
其中所述一或多个计算机子系统进一步包括接口组件,其经配置用于提供所述一或多个图像处理组件与所述主用户接口组件之间的接口且用于控制所述检验子系统的一或多个硬件元件;
通过将重复项缺陷检测算法应用到由所述一或多个图像处理组件获取的所述图像而执行重复项缺陷检测,其中所述重复项缺陷检测算法经配置以使用热阈值来检测所述晶片上的缺陷且识别是重复项缺陷的所述缺陷,且其中通过所述一或多个图像处理组件执行所述重复项缺陷检测;
将来自所述一或多个图像处理组件的包括仅所述重复项缺陷的信息的检验结果发送到所述接口组件;及
基于所述晶片上检测到的所述重复项缺陷识别所述光罩上的缺陷,其中通过所述一或多个计算机子系统执行识别所述光罩上的所述缺陷。
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662420409P | 2016-11-10 | 2016-11-10 | |
US62/420,409 | 2016-11-10 | ||
US201762443810P | 2017-01-09 | 2017-01-09 | |
US62/443,810 | 2017-01-09 | ||
US201762455948P | 2017-02-07 | 2017-02-07 | |
US62/455,948 | 2017-02-07 | ||
US15/804,980 | 2017-11-06 | ||
US15/804,980 US10395358B2 (en) | 2016-11-10 | 2017-11-06 | High sensitivity repeater defect detection |
PCT/US2017/060589 WO2018089459A1 (en) | 2016-11-10 | 2017-11-08 | High sensitivity repeater defect detection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109964115A CN109964115A (zh) | 2019-07-02 |
CN109964115B true CN109964115B (zh) | 2021-04-13 |
Family
ID=62064714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780068950.XA Active CN109964115B (zh) | 2016-11-10 | 2017-11-08 | 用于高敏感度重复项缺陷检测的系统及方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10395358B2 (zh) |
KR (1) | KR102295269B1 (zh) |
CN (1) | CN109964115B (zh) |
IL (1) | IL265905B (zh) |
SG (1) | SG11201903715XA (zh) |
TW (1) | TWI726169B (zh) |
WO (1) | WO2018089459A1 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6549644B2 (ja) * | 2017-06-27 | 2019-07-24 | ファナック株式会社 | 機械学習装置、ロボット制御システム及び機械学習方法 |
US10748271B2 (en) | 2018-04-25 | 2020-08-18 | Applied Materials Israel Ltd. | Method of defect classification and system thereof |
JP6675433B2 (ja) * | 2018-04-25 | 2020-04-01 | 信越化学工業株式会社 | 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法 |
DE102018207880A1 (de) | 2018-05-18 | 2019-11-21 | Carl Zeiss Smt Gmbh | Verfahren und Vorrichtung zum Bewerten einer unbekannten Auswirkung von Defekten eines Elements eines Photolithographieprozesses |
US11151711B2 (en) * | 2018-06-06 | 2021-10-19 | Kla-Tencor Corporation | Cross layer common-unique analysis for nuisance filtering |
WO2020083612A1 (en) * | 2018-10-23 | 2020-04-30 | Asml Netherlands B.V. | Method and apparatus for adaptive alignment |
JP2022043365A (ja) | 2018-11-19 | 2022-03-16 | 株式会社日立ハイテク | 検査装置、検査方法、欠陥検出プログラム |
US11138722B2 (en) * | 2018-12-21 | 2021-10-05 | Kla-Tencor Corporation | Differential imaging for single-path optical wafer inspection |
US10957034B2 (en) * | 2019-01-17 | 2021-03-23 | Applied Materials Israel Ltd. | Method of examination of a specimen and system thereof |
US11276161B2 (en) * | 2019-02-26 | 2022-03-15 | KLA Corp. | Reference image generation for semiconductor applications |
US11120546B2 (en) | 2019-09-24 | 2021-09-14 | Kla Corporation | Unsupervised learning-based reference selection for enhanced defect inspection sensitivity |
US11551344B2 (en) * | 2019-12-09 | 2023-01-10 | University Of Central Florida Research Foundation, Inc. | Methods of artificial intelligence-assisted infrastructure assessment using mixed reality systems |
KR20210094314A (ko) | 2020-01-21 | 2021-07-29 | 삼성전자주식회사 | 반도체 장치의 제조 방법 |
US11328411B2 (en) * | 2020-05-04 | 2022-05-10 | KLA Corp. | Print check repeater defect detection |
US11150200B1 (en) | 2020-06-15 | 2021-10-19 | Mitutoyo Corporation | Workpiece inspection and defect detection system indicating number of defect images for training |
US11430105B2 (en) | 2020-06-15 | 2022-08-30 | Mitutoyo Corporation | Workpiece inspection and defect detection system including monitoring of workpiece images |
US11410417B2 (en) * | 2020-08-17 | 2022-08-09 | Google Llc | Modular system for automatic hard disk processing and verification |
US11810284B2 (en) * | 2020-08-21 | 2023-11-07 | Kla Corporation | Unsupervised learning for repeater-defect detection |
JP2022103692A (ja) * | 2020-12-28 | 2022-07-08 | 京セラドキュメントソリューションズ株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
US11614480B2 (en) * | 2021-06-08 | 2023-03-28 | Kla Corporation | System and method for Z-PAT defect-guided statistical outlier detection of semiconductor reliability failures |
EP4148499A1 (en) * | 2021-09-09 | 2023-03-15 | ASML Netherlands B.V. | Patterning device defect detection systems and methods |
US11756186B2 (en) | 2021-09-15 | 2023-09-12 | Mitutoyo Corporation | Workpiece inspection and defect detection system utilizing color channels |
US11922619B2 (en) | 2022-03-31 | 2024-03-05 | Kla Corporation | Context-based defect inspection |
US11921052B2 (en) | 2022-03-31 | 2024-03-05 | Kla Corporation | Inspection with previous step subtraction |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104870984A (zh) * | 2012-11-12 | 2015-08-26 | 科磊股份有限公司 | 用于混合模式的晶片检验的方法及系统 |
CN105531807A (zh) * | 2013-07-29 | 2016-04-27 | 科磊股份有限公司 | 监测光掩模缺陷率的改变 |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4351522B2 (ja) | 2003-11-28 | 2009-10-28 | 株式会社日立ハイテクノロジーズ | パターン欠陥検査装置およびパターン欠陥検査方法 |
JP4904034B2 (ja) | 2004-09-14 | 2012-03-28 | ケーエルエー−テンカー コーポレイション | レチクル・レイアウト・データを評価するための方法、システム及び搬送媒体 |
KR20180088924A (ko) * | 2005-11-18 | 2018-08-07 | 케이엘에이-텐코 코포레이션 | 검사 데이터와 조합하여 설계 데이터를 활용하는 방법 및 시스템 |
US8041103B2 (en) | 2005-11-18 | 2011-10-18 | Kla-Tencor Technologies Corp. | Methods and systems for determining a position of inspection data in design data space |
US7676077B2 (en) | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7369236B1 (en) | 2006-10-31 | 2008-05-06 | Negevtech, Ltd. | Defect detection through image comparison using relative measures |
US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
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 |
DE102009045008A1 (de) * | 2008-10-15 | 2010-04-29 | Carl Zeiss Smt Ag | EUV-Lithographievorrichtung und Verfahren zum Bearbeiten einer Maske |
WO2010091307A2 (en) * | 2009-02-06 | 2010-08-12 | Kla-Tencor Corporation | Selecting one or more parameters for inspection of a wafer |
US8559001B2 (en) * | 2010-01-11 | 2013-10-15 | Kla-Tencor Corporation | Inspection guided overlay metrology |
US8664594B1 (en) | 2011-04-18 | 2014-03-04 | Kla-Tencor Corporation | Electron-optical system for high-speed and high-sensitivity inspections |
US8692204B2 (en) | 2011-04-26 | 2014-04-08 | Kla-Tencor Corporation | Apparatus and methods for electron beam detection |
JP5771561B2 (ja) | 2012-05-30 | 2015-09-02 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法および欠陥検査装置 |
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 |
JP6025489B2 (ja) * | 2012-10-11 | 2016-11-16 | 株式会社ニューフレアテクノロジー | 検査装置および検査装置システム |
US9053527B2 (en) * | 2013-01-02 | 2015-06-09 | Kla-Tencor Corp. | Detecting defects on a wafer |
US9134254B2 (en) * | 2013-01-07 | 2015-09-15 | Kla-Tencor Corp. | Determining a position of inspection system output in design data space |
JP5948262B2 (ja) * | 2013-01-30 | 2016-07-06 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法および欠陥観察装置 |
US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
US9509112B2 (en) * | 2013-06-11 | 2016-11-29 | Kla-Tencor Corporation | CW DUV laser with improved stability |
US9183624B2 (en) * | 2013-06-19 | 2015-11-10 | Kla-Tencor Corp. | Detecting defects on a wafer with run time use of design data |
CN104465433B (zh) * | 2013-09-23 | 2017-05-17 | 中芯国际集成电路制造(上海)有限公司 | 重复性缺陷的分析方法 |
US10127652B2 (en) * | 2014-02-06 | 2018-11-13 | Kla-Tencor Corp. | Defect detection and classification based on attributes determined from a standard reference image |
CN104022050A (zh) * | 2014-04-22 | 2014-09-03 | 上海华力微电子有限公司 | 一种晶圆批次中重复位置缺陷的检测方法 |
US9262821B2 (en) * | 2014-05-12 | 2016-02-16 | Kla-Tencor Corp. | Inspection recipe setup from reference image variation |
CN104103541B (zh) * | 2014-08-01 | 2019-07-09 | 上海华力微电子有限公司 | 一种对缺陷进行选择性检测的方法 |
US9766186B2 (en) * | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Array mode repeater detection |
US9766187B2 (en) | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Repeater detection |
US9830421B2 (en) | 2014-12-31 | 2017-11-28 | Kla-Tencor Corp. | Alignment of inspection to design using built in targets |
US10140698B2 (en) * | 2015-08-10 | 2018-11-27 | Kla-Tencor Corporation | Polygon-based geometry classification for semiconductor mask inspection |
US9735069B2 (en) * | 2015-09-23 | 2017-08-15 | Lam Research Corporation | Method and apparatus for determining process rate |
US9965901B2 (en) | 2015-11-19 | 2018-05-08 | KLA—Tencor Corp. | Generating simulated images from design information |
WO2017108444A1 (en) * | 2015-12-24 | 2017-06-29 | Asml Netherlands B.V. | Method and apparatus for inspection |
US9916965B2 (en) | 2015-12-31 | 2018-03-13 | Kla-Tencor Corp. | Hybrid inspectors |
US10648924B2 (en) | 2016-01-04 | 2020-05-12 | Kla-Tencor Corp. | Generating high resolution images from low resolution images for semiconductor applications |
US10360477B2 (en) | 2016-01-11 | 2019-07-23 | Kla-Tencor Corp. | Accelerating semiconductor-related computations using learning based models |
US10043261B2 (en) | 2016-01-11 | 2018-08-07 | Kla-Tencor Corp. | Generating simulated output for a specimen |
-
2017
- 2017-11-06 US US15/804,980 patent/US10395358B2/en active Active
- 2017-11-08 SG SG11201903715XA patent/SG11201903715XA/en unknown
- 2017-11-08 KR KR1020197016303A patent/KR102295269B1/ko active IP Right Grant
- 2017-11-08 WO PCT/US2017/060589 patent/WO2018089459A1/en active Application Filing
- 2017-11-08 CN CN201780068950.XA patent/CN109964115B/zh active Active
- 2017-11-10 TW TW106138913A patent/TWI726169B/zh active
-
2019
- 2019-04-08 IL IL265905A patent/IL265905B/en active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104870984A (zh) * | 2012-11-12 | 2015-08-26 | 科磊股份有限公司 | 用于混合模式的晶片检验的方法及系统 |
CN105531807A (zh) * | 2013-07-29 | 2016-04-27 | 科磊股份有限公司 | 监测光掩模缺陷率的改变 |
Also Published As
Publication number | Publication date |
---|---|
KR20190069597A (ko) | 2019-06-19 |
US10395358B2 (en) | 2019-08-27 |
US20180130199A1 (en) | 2018-05-10 |
CN109964115A (zh) | 2019-07-02 |
IL265905B (en) | 2021-02-28 |
TWI726169B (zh) | 2021-05-01 |
TW201830134A (zh) | 2018-08-16 |
IL265905A (en) | 2019-06-30 |
KR102295269B1 (ko) | 2021-08-27 |
SG11201903715XA (en) | 2019-05-30 |
WO2018089459A1 (en) | 2018-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109964115B (zh) | 用于高敏感度重复项缺陷检测的系统及方法 | |
CN108291878B (zh) | 单一图像检测 | |
CN107078073B (zh) | 用于工艺窗口特征化的虚拟检验系统 | |
JP6785663B2 (ja) | 検査のための高解像度フルダイイメージデータの使用 | |
TWI797382B (zh) | 在極端紫外光光罩上所檢測到之缺陷處理 | |
TWI683103B (zh) | 於樣品上判定所關注圖案之一或多個特性 | |
US10365232B2 (en) | High accuracy of relative defect locations for repeater analysis | |
US11204332B2 (en) | Repeater defect detection | |
US10393671B2 (en) | Intra-die defect detection | |
CN105917455B (zh) | 通过利用交替失效模式的标称特性的图案失效发现 | |
TWI778258B (zh) | 缺陷偵測之方法、系統及非暫時性電腦可讀媒體 | |
US20130279792A1 (en) | Method and System for Hybrid Reticle Inspection | |
CN115485628B (zh) | 图样检查的重复缺陷检测 | |
KR20190142418A (ko) | 리피터 분석을 위한 높은 정확도의 상대적 결함 위치 |
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 |