CN109964116A - 用于三维半导体结构的检验的缺陷发现及配方优化 - Google Patents

用于三维半导体结构的检验的缺陷发现及配方优化 Download PDF

Info

Publication number
CN109964116A
CN109964116A CN201780071387.1A CN201780071387A CN109964116A CN 109964116 A CN109964116 A CN 109964116A CN 201780071387 A CN201780071387 A CN 201780071387A CN 109964116 A CN109964116 A CN 109964116A
Authority
CN
China
Prior art keywords
defect
variety
optical modes
defective locations
subgroup
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780071387.1A
Other languages
English (en)
Other versions
CN109964116B (zh
Inventor
S·巴塔查里亚
D·夏尔马
C·马厄
华波
P·梅斯热
R·达南
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 CN109964116A publication Critical patent/CN109964116A/zh
Application granted granted Critical
Publication of CN109964116B publication Critical patent/CN109964116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01N21/9505—Wafer internal defects, e.g. microcracks
    • 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/282—Testing of electronic circuits specially adapted for particular applications not provided for elsewhere
    • G01R31/2831—Testing of materials or semi-finished products, e.g. semiconductor wafers or substrates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/302—Contactless testing
    • G01R31/308—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation
    • G01R31/311—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation of integrated circuits
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0118—Apparatus with remote processing
    • G01N2021/0137—Apparatus with remote processing with PC or the like
    • 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
    • G01N2021/8883—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 involving the calculation of gauges, generating models
    • 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
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/646—Specific applications or type of materials flaws, defects
    • G01N2223/6462—Specific applications or type of materials flaws, defects microdefects
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Toxicology (AREA)
  • Electromagnetism (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本文中描述用于发现掩埋于三维半导体结构内的所关注缺陷DOI及配方优化的方法及系统。通过存储与受测量的所述半导体结构的总深度的一子组相关联的图像而减小经受缺陷发现及验证的半导体晶片的体积。记录与一或多个聚焦平面或聚焦范围处的缺陷位置相关联的图像片块。基于以下各项中的任一者而减少所考虑光学模式的数目：一或多个所测量晶片级缺陷图征与一或多个预期晶片级缺陷图征的比较、所测量缺陷信噪比及无需逆向处理而验证的缺陷。此外，采用经验证缺陷及所记录图像来训练扰乱筛选程序且优化测量配方。将所述经训练扰乱筛选程序应用于缺陷图像以选择最优光学模式来用于生产。

Description

用于三维半导体结构的检验的缺陷发现及配方优化
相关申请案的交叉参考
本申请案依据35U.S.C.§119主张2016年11月30日提出申请的第62/427,973号美国临时专利申请案及2016年11月30日提出申请的第62/427,917号美国临时专利申请案的优先权。每一临时申请案的标的物以其全文引用的方式并入本文中。
技术领域
所描述实施例涉及试样检验系统，且更明确地说涉及半导体晶片检验模态。
背景技术
通常通过施加于衬底或晶片的一系列处理步骤而制作例如逻辑装置及存储器装置等半导体装置。半导体装置的各种特征及多个结构层级是通过这些处理步骤而形成。举例来说，除其它外，光刻是涉及在半导体晶片上产生图案的一种半导体制作工艺。半导体制作工艺的额外实例包含但不限于化学机械抛光、蚀刻、沉积及离子植入。可在单个半导体晶片上制作多个半导体装置，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处使用检验工艺来检测晶片上的缺陷以促成较高合格率。随着设计规则及工艺窗的大小持续缩小，在维持高吞吐量的同时需要检验系统来俘获更广范围的物理缺陷。
例如未图案化晶片检验系统及经图案化晶片检验系统等检验系统照射且检验晶片以发现不期望缺陷。随着半导体设计规则持续演进，必须检测到的最小缺陷大小在大小上持续缩小。
另外，存储器架构正在从二维浮删架构转变为全三维几何形状。在一些实例中，膜堆叠及经蚀刻结构极深(例如，深度深达六微米或更深)。这些高纵横比结构给经图案化晶片检验带来挑战。测量掩埋于这些结构内的缺陷的能力对于实现所要性能水平及装置合格率至关重要。
在一些实例中，采用电子测试来检测掩埋于三维结构内的缺陷。然而，必须在执行电子测试之前制作多个装置层。因此，缺陷无法在生产循环早期被检测出。因此，执行电子测试过于昂贵，特别是在生产工艺的研究及开发以及量产阶段，在所述阶段中对缺陷的快速评估是至关重要的。
在一些其它实例中，可基于基于x射线的测量技术检测掩埋于三维结构内的缺陷。举例来说，可采用x射线衍射测量系统或相干x射线成像系统来检测掩埋缺陷。基于X射线的测量技术具有非破坏性优势，但吞吐量相当低。
在一些其它实例中，直接采用电子束检验(EBI)来检测掩埋于三维结构内的缺陷。然而，EBI检测超过大约一微米的深度的缺陷的能力极为有限。在许多实例中，EBI限于远小于一微米(例如，小于五十纳米)的深度。此限制归因于在发生样本失真或破坏之前电子剂量的实际限制。因此，EBI作为用于厚三维结构的缺陷检测工具的有效性是有限的。
一些传统光学检验技术已被证明可有效地检测掩埋于三维结构内的缺陷。在一个实例中，在不同焦深处采用共焦光学检验。共焦成像消除来自焦平面上方及下方的结构的假性或扰乱光学信号。第2014/0300890号美国专利公开案中更详细地描述共焦光学检验技术，所述专利公开案以其全文引用的方式并入本文中。在另一实例中，采用旋转照射射束来检测掩埋于相对厚层中的缺陷。第2014/0268117号美国专利公开案中更详细地描述利用旋转照射射束的光学检验，所述专利公开案以其全文引用的方式并入本文中。在另一实例中，采用不同照射波长范围来检测掩埋缺陷，如第9,075,027号美国专利中所更详细地描述，所述专利以其全文引用的方式并入本文中。在又一实例中，采用多个离散光谱带来检测掩埋缺陷，如第8,912,495号美国专利中所更详细地描述，所述专利以其全文引用的方式并入本文中。
传统上，缺陷发现及检验配方优化是基于对平面二维结构的检验。采用光学检验工具来测量与位于晶片表面处的二维结构(例如，小于一微米厚)相关联的大数目个所关注缺陷(DOI)。通过利用扫描电子显微镜(SEM)工具检验所识别DOI来验证由光学检验工具检测到的DOI。此通常被称为SEM复检。SEM工具能够将DOI准确地分类为真正DOI或扰乱缺陷(即，光学检验工具所识别的实际上并非缺陷的缺陷)。基于SEM复检，配制用于光学检验工具的检验配方，所述检验配方使真正DOI俘获率最大化且使扰乱缺陷俘获率最小化。在传统实践中，缺陷发现及配方优化涉及晶片的光学检验与SEM复检之间的反复以趋近所要测量配方。对于二维结构来说，光学检验工具的缺陷发现及配方开发的此反复方法相当有效且具时效性。然而，对于三维结构的检验来说，缺陷发现及配方开发的传统方法极为耗时且不实用。
SEM具有极为有限的穿透深度。因此，SEM复检仅对在受检验结构的表面处或极接近表面的缺陷的测量有效。为了验证掩埋于三维结构内的缺陷，必须对晶片进行逆向处理(de-process)以发现掩埋缺陷。晶片逆向处理是耗时的且会因移除层以揭露由光学检验工具检测到的DOI而使晶片遭到破坏。因此，像通常检验二维结构那样，在光学检验与SEM复检之间反复以发现缺陷及优化测量配方并不可行。
此外，针对三维结构的光学检验所必须考虑的可用模式的数目远大于二维结构的光学检验，这是因为检测掩埋结构的缺陷更困难且很大程度上取决于结构本身。此外，对三维结构的光学检验是基于涉及大量数据的离焦测量(即，在贯穿结构的多个深度处收集的三维图像)。存储及处理极大数目个三维图像是不实用的。
尽管已出现用于检测掩埋于三维结构内的可能缺陷的光学检验技术，但现有缺陷发现及配方优化技术已被证明对于涉及三维结构的测量应用并不实用。期望改进适用于垂直半导体装置(例如3D存储器、VNAND存储器或其它垂直结构)的光学检验系统的缺陷发现及配方优化。
发明内容
本文中描述用于改进对掩埋于三维半导体结构内的所关注缺陷(DOI)的检测及分类的方法及系统。明确地说，本文中描述用于具有缺陷验证及无缺陷验证的缺陷发现及测量配方优化的方法及系统。
在一个方面中，通过存储与一子组受测量半导体结构的总深度相关联的图像来减小经受缺陷发现及验证的半导体晶片的三维体积。以此方式，作为测量配方优化过程的一部分而必须收集并分析的图像数据量被减少。
在确定一或多个聚焦平面或聚焦范围之后，检验系统记录与一或多个聚焦平面或聚焦范围处的缺陷位置(而非贯穿结构的整个深度)相关联的图像片块。以此方式，与缺陷发现相关联的所记录数据量限制于一子组的深度。在后续缺陷验证及配方优化过程中采用所记录数据。通过限制所记录数据量，后续缺陷验证及配方优化过程被极大地简化。
在另一方面中，基于一或多个所测量晶片级缺陷图征与一或多个预期晶片级缺陷图征之间的比较而减少所考虑光学模式的数目。在一个实例中，晶片级缺陷图征是晶片缺陷图谱，其图解说明晶片区域中缺陷更高度集中或不太高度集中的区。通常，晶片级缺陷图征包含跨越整个受检验晶片区域而显露的晶片缺陷的任何指示。
在又一方面中，基于所测量缺陷信噪比而减少所考虑光学模式的数目。在一个实例中，在一或多个聚焦平面或聚焦层级处分析与每一选定光学模式相关联的信噪比。选择具有最高信噪比的光学模式以供进一步考虑，且摒弃其它光学模式。
在又一方面中，基于无需逆向处理的SEM缺陷复检而减少所考虑光学模式的数目。在一个实例中，执行SEM复检测量以验证表面处或略低于表面的所关注缺陷。在一个实例中，利用高能量SEM来复检掩埋于所考虑结构内的缺陷。将由SEM复检验证的缺陷与光学检验结果进行比较，且选择具有最高经验证缺陷俘获率及最小扰乱缺陷俘获率的光学模式以供进一步考虑。
在另一方面中，将经验证缺陷图像/特征映射到由光学检验识别的对应缺陷。采用经验证缺陷及所记录三维图像来训练扰乱筛选程序且优化测量配方。
在一些实例中，对与由光学检验识别的缺陷相关联的缺陷信息进行取样以产生一组多样化所关注缺陷(DOI)。在一些实例中，将缺陷分组且从每一分组选择几个缺陷以产生一组多样化DOI。对所述组多样化DOI执行缺陷验证测量。将来自一组多样化DOI、任何其它组经验证缺陷或其组合的缺陷验证数据映射到所保存离焦缺陷图像片块及对应特征向量。采用缺陷验证数据及对应离焦缺陷图像片块以及对应特征向量来训练扰乱消除筛选程序。
将经训练扰乱消除筛选程序应用于与每一所考虑光学器件模式相关联的缺陷图像。以此方式，使用在缺陷发现期间所记录的离焦缺陷事件来仿真缺陷检测。与每一光学模式相关联的检测阈值经调整以实现期望扰乱率。选择实现最优缺陷图征匹配及真正缺陷俘获率的光学模式来实施为用于所考虑测量应用的生产测量配方。
前述内容是发明内容且因此必然含有细节的简化、概述及省略；因此，所属领域的技术人员将了解，发明内容仅是说明性的且绝非限制性的。在本文中所陈述的非限制性详细说明中，本文中所描述的装置及/或工艺的其它方面、发明性特征及优点将变得显而易见。
附图说明
图1描绘对晶片生产工艺的氮化硅移除步骤处的3D NAND结构160的图解。
图2是光学检验系统100的一个实施例的简化示意图，光学检验系统100经配置以基于三维图像而对半导体晶片执行所关注缺陷(DOI)发现。
图3是系统的一个实施例的简化示意图，所述系统经配置以优化用于特定测量应用的三维扰乱筛选程序及测量配方。
图4描绘图解说明接近-0.5微米的焦点偏移的峰值信号的所测量三维图像的横截面图的图表190。
图5描绘也图解说明接近-0.5微米的焦点偏移的峰值信号的所测量三维图像的另一横截面图的图表191。
图6图解说明用于基于厚结构的3D图像而检测缺陷的示范性方法200的流程图。
具体实施方式
现在将详细参考背景技术实例及本发明的一些实施例，本发明的实例图解说明于附图中。
本文中描述用于改进对掩埋于三维半导体结构内的所关注缺陷(DOI)的检测及分类的方法及系统。明确地说，本文中描述用于在具有缺陷验证及不具缺陷验证的情况下的缺陷发现及测量配方优化的方法及系统。对厚分层结构的光学检验在高吞吐量下揭露贯穿受检验结构的多个深度处的DOI。三维光学检验俘获在晶片内传播的信号，且因此能够区分真正DOI与扰乱及噪声，甚至对于相对厚样本(例如，具有比三微米厚的分层结构的3D NAND晶片)也可以。以此方式，在缺陷验证之前，由3D光学检验工具本身执行缺陷发现及初步分类。通过减少经受验证的缺陷数据量，会显著地减少将三维检验应用的测量配方优化所需的时间。
图1描绘晶片生产工艺的氮化硅(例如，SiN或Si3N4)移除步骤处的3D NAND结构160的简化图解。图1是出于图解目的而描绘。成品3D NAND结构包含额外特征及元件。在一个实例中，成品3D NAND结构包含许多额外层且一些所描绘结构(例如，结构182)包含额外材料。环绕氧化物核心结构181的多晶硅结构182在多层3D NAND结构中垂直地(例如，法向于衬底186的表面)延伸。氧化硅层180通过随后会被蚀刻掉的氮化硅层(未展示)彼此间隔开。图1中出于图解目的未蚀刻掉氮化硅层183。工艺中的下一步骤是在氧化硅层之间的空间中生长钨。然而，如图1中所图解说明，不完全蚀刻已留下氮化硅缺陷184及185。在具有缺陷184及185的情况下，电子装置将无法运转。因此，在制作工艺中尽可能早地测量此缺陷以防止与注定会出故障的装置的进一步处理相关联的时间及资源损失至关重要。
如图1中所描绘，许多DOI出现在3D NAND结构的不同深度处。此外，分离出现于晶片表面附近的缺陷与出现于结构底部附近的缺陷颇具挑战性。
图2是光学检验系统100的一个实施例的简化示意图，光学检验系统100经配置以检测并分类半导体结构的所关注缺陷(DOI)。光学检验系统100包含计算系统、晶片定位系统及光学检验子系统，所述光学检验子系统包含照射子系统、聚光子系统及一或多个检测器。照射子系统包含照射源101及从照射源到晶片的照射光学路径中的所有光学元件。聚光子系统包含从试样到每一检测器的聚光光学路径中的所有光学元件。为简单起见，已省略系统的一些光学组件。以实例方式，还可包含折叠式反射镜、偏光器、射束成形光学器件、额外光源、额外聚光器及检测器。所有这些变化均在本文中所描述的本发明的范围内。本文中所描述的检验系统可用于检验经图案化及未图案化晶片及光罩。
如图2中所图解说明，由一或多个照射源101所产生的法向入射射束104照射晶片103。另一选择为，照射子系统可经配置而以倾斜入射角将光束引导到试样。在一些实施例中，系统100可经配置以将多个光束引导到试样，例如倾斜入射光束及法向入射光束。多个光束可大体上同时或依序被引导到试样。
以实例方式，照射源101可包含宽带激光维持的等离子体光源、激光器、超连续谱激光器、二极管激光器、氦氖激光器、氩激光器、固态激光器、二极管泵激固态(DPSS)激光器、氙弧灯、气体放电灯、LED阵列及白炽灯。光源可经配置以发射近单色光或宽带光。在一些实施例中，照射子系统还可包含一或多个光谱滤波器，所述光谱滤波器可限制引导到试样的光的波长。一或多个光谱滤波器可为带通滤波器及/或边缘滤波器及/或陷波滤波器。照射可在任何适合的波长范围内被提供到试样。在一些实例中，照射光包含介于260纳米到950纳米范围内的波长。在一些实例中，照射光包含大于950纳米(例如，扩展到2,500纳米)的波长以俘获高纵横比结构中的缺陷。在一些实施例中，照射子系统还可包含一或多个偏光光学器件以控制引导到试样的照射光的偏光。
由照射源101产生的射束104被引导到分束器105。分束器105将射束引导到物镜109。物镜109将射束111聚焦到晶片103上的入射点119处。入射点119由从照射源101发射的光到晶片103的表面上的投射来定义(即，塑形及定大小)。
检验系统100包含照射孔口124。如图2中所描绘，计算系统130将命令信号122C传达到照射孔口124。作为响应，照射孔口124调整提供到晶片103的表面上的照射方向及射束形状。在一个实施例中，照射孔口124是提供不同孔口形状的组合件，所述孔口形状受从计算系统130传达的命令信号122C控制。
如图2中所描绘，计算系统130将命令信号122A传达到照射源101。作为响应，照射源101调整照射射束111的光谱范围。通常，入射于晶片103上的射束111可以一或多个方面不同于由照射源101发射的光，包含偏光、强度、大小及形状等。
在图2中所描绘的实施例中，检验系统100包含可选择照射偏光元件180。在一个实例中，计算系统130将命令信号122E传达到照射偏光元件180。作为响应，照射偏光元件180调整提供到晶片103的表面上的照射光的偏光。
如图2中所描绘，检验系统100包含控制递送到晶片103的照射功率的照射功率衰减器102。在一些其它实施例中，照射功率密度衰减器是射束成形元件，其重定照射点119的大小以减小递送到晶片103的照射功率密度。在一些其它实施例中，采用照射功率减小与射束定大小的组合来减小递送到晶片103的照射功率密度。如图2中所描绘，计算系统130将控制信号传达到照射功率衰减器102以基于由检测器115、120及125中的任一者检测到的三维图像而控制照射功率。通常，照射功率衰减器102是任选的。因此，在一些其它实施例中，检验系统100并不包含照射功率衰减器102。
在一些实施例中，系统100可在照射路径中包含偏转器(未展示)。在一个实施例中，偏转器可为声光偏转器(AOD)。在其它实施例中，偏转器可包含机械扫描组合件、电子扫描仪、旋转反射镜、基于多边形的扫描仪、谐振扫描仪、压电扫描仪、检流计反射镜或检流计。偏转器使光束在试样上方进行扫描。在一些实施例中，偏转器可使光束以大约恒定的扫描速度在试样上方进行扫描。
系统100包含聚光光学器件116、117及118，其等用以聚集由晶片103散射及/或反射的光并将彼光分别聚焦到检测器阵列115、120及125上。检测器115、120及125的输出被传达到计算系统130以处理信号且确定缺陷的存在及其位置。
聚光光学器件116到118中的任一者可为透镜、复合透镜或此项技术中已知的任何适当透镜。另一选择为，聚光光学器件116到118中的任一者可为反射或部分反射光学组件，例如反射镜。。另外，尽管图2中图解说明了特定聚光角度，但应理解，可以任何适当聚光角度布置聚光光学器件。举例来说，聚光角度可取决于入射角及/或试样的形貌特性而变化。
检测器115、120及125中的每一者通常用于将所反射及所散射光转化成电信号，且因此可包含此项技术中已知的大体上任何光电检测器。然而，可基于检测器的所要性能特性、待检验试样的类型及照射配置而选择供在本发明的一或多个实施例内使用的特定检测器。举例来说，如果可用于检验的光量相对低，那么例如时间延迟积分(TDI)相机等效率提高检测器可增大系统的信噪比及吞吐量。然而，取决于可用于检验的光量及被执行的检验类型可使用其它检测器，例如电荷耦合装置(CCD)相机、光电二极管、光电管及光电倍增管(PMT)。在本发明的至少一个实施例中，使用光电倍增管来检测从试样散射的光。每一检测器可仅包含一个感测区域，或可能包含数个感测区域(例如，检测器阵列或多阳极PMT)。
系统100可使用各种成像模式，例如明场模式及暗场模式。举例来说，在一个实施例中，检测器125产生明场图像。如图2中所图解说明，物镜109聚集以窄角从晶片103的表面散射的一些光量。此光返回穿过物镜109且照在分束器105上。分束器105将光的一部分透射到聚光光学器件118，聚光光学器件118又将光聚焦到检测器125上。以此方式，检测器阵列125产生明场图像。聚光光学器件118包含成像透镜107，成像透镜107将由物镜109聚集的所反射光成像到检测器阵列125上。孔口182、傅里叶(Fourier)滤波器106或两者放置于物镜109的后焦平面处。可使用不同照射孔口124、聚光孔口、傅里叶滤波器106或其组合来实施各种成像模式，例如明场、暗场及相位对比。可基于DOI信号及三维图像而确定成像模式的配置，例如照射方向或成像聚光立体角。第7,295,303号及第7,130,039号美国专利更详细地描述这些成像模式，所述专利以引用的方式并入本文中。在另一实例中，检测器115及120通过对以较大视场角聚集的所散射光进行成像而产生暗场图像。第6,208,411号美国专利更详细地描述这些成像模式，所述专利以引用的方式并入本文中。
在图2中所描绘的实施例中，检验系统100包含可选择聚光偏光元件181。在一个实例中，计算系统130将命令信号122F传达到聚光偏光元件181。作为响应，聚光偏光元件181调整提供到检测器125的表面上的所聚集光的偏光。
如图2中所描绘，检验系统100包含可选择傅里叶滤波器106。计算系统130将命令信号122D传达到傅里叶滤波器106。作为响应，傅里叶滤波器106调整傅里叶滤波器的傅里叶滤波性质(例如，通过改变位于聚光射束路径中的特定傅里叶滤波器元件)。
检验系统100包含聚光孔口182。如图2中所描绘，计算系统130将命令信号122G传达到聚光孔口182。作为响应，聚光孔口182调整从晶片103的表面聚集的透射到对应检测器的光量。在一个实施例中，聚光孔口182是提供不同孔口形状的组合件，所述不同孔口形状受从计算系统130传达的命令信号122G控制。
系统100还包含处理由检测器115、120及125中的任一者检测到的所反射信号及/或所散射信号所需的各种电子组件(未展示)。举例来说，系统100可包含：放大器电路，其用以从检测器115、120及125中的任一者接收输出信号并将彼等输出信号放大预定量；及模/数转换器(ADC)，其用以将经放大信号转换成适合于在处理器131内使用的数字形式。在一个实施例中，处理器可通过发射媒体直接耦合到ADC。另一选择为，处理器可从耦合到ADC的其它电子组件接收信号。以此方式，处理器可通过发射媒体及任何介入电子组件间接耦合到ADC。
在图2中所图解说明的实施例中，晶片定位系统114基于从计算系统130接收的命令126而使射束111下的晶片103移动。晶片定位系统114包含晶片卡盘108、运动控制器113、旋转载台110、平移载台112及z平移载台121。Z平移载台121经配置以使晶片103沿法向于晶片103的表面的方向(例如，坐标系123的z方向)移动。平移载台112及旋转载台110经配置以使晶片103沿平行于晶片103的表面的方向(例如，坐标系123的x及y方向)移动。在一些其它实施例中，通过多个平移载台的协调运动而使晶片103沿平面内方向(例如，x及y方向)移动。
晶片103支撑于晶片卡盘108上。在一些实施例中，晶片103被定位成其几何中心与旋转载台110的旋转轴线大致对准。以此方式，旋转载台110使晶片103在可接受容差内以规定角速度ω绕其几何中心转动。另外，平移载台112使晶片103以规定速度VT沿大致垂直于旋转载台110的旋转轴线的方向平移。运动控制器113通过旋转载台110协调晶片103的转动且通过平移载台112协调晶片103的平移，以在检验系统100内实现晶片103的所要平面内扫描运动。另外，运动控制器113通过平移载台121协调晶片103的移动，以在检验系统100内实现晶片103的所要平面外扫描运动。
可以若干种不同模式相对于检验系统100的光学子系统而定位晶片103。在检验模式中，沿横向方向(例如，x方向及y方向)在每一不同z位置处反复地扫描晶片103。在一些实例中，在两个或多于两个不同z位置处扫描晶片103，所述不同z位置对应于贯穿分层结构的两个或多于两个深度(例如，晶片表面下的距离)。在缺陷复检模式中，晶片103沿x方向及y方向定位于固定位置中，而沿z方向进行扫描。以此方式，在受测量结构内的深度范围内在晶片103的固定横向位置处基于测量数据而产生三维图像。缺陷复检模式通常用于执行更详细的缺陷调查(例如，更高图像分辨率、更高焦深分辨率或两者)。
在一些实施例中，使晶片相对于检验系统的焦平面移动到若干个不同z位置以对晶片堆叠的不同深度进行成像。在一些其它实施例中，相对于晶片而将检验系统的焦平面的位置以光学方式调整到若干个不同z位置以对晶片堆叠的不同深度进行成像。在每一z位置处收集的图像经聚合以形成沿两个横向维度(例如，平行于晶片表面)及若干个不同深度(即，不同z位置)测量的厚半导体结构的三维体积图像。
通常，包含照射子系统及聚光子系统两者的光学子系统140在位于受测量结构(例如，垂直堆叠结构)的多个不同深度处的多个聚焦平面中的每一者处产生聚焦光学图像。通过沿z方向移动聚焦平面的光学调整、沿z方向的试样定位或两者来实现光学子系统的聚焦平面在每一不同深度处的对准。一或多个检测器检测在所述多个不同深度中的每一者处聚集的光，且产生指示在所述多个不同深度中的每一者处聚集的光量的多个输出信号。
光学检验系统100依据沿两个横向维度(例如，平行于晶片表面)及一深度维度(例如，法向于晶片表面)测量的体积而产生厚半导体结构的三维图像。在图2中所描绘的实施例中，计算系统130将来自测量通道中的一或多者(例如，来自检测器115、120及125中的一或多者)的输出布置成对应于所测量体积的体积数据集。图3描绘图解说明接近-0.5微米的焦点偏移的峰值信号的所测量三维图像的横截面图(y＝0)的图表150。图4描绘也图解说明接近-0.5微米的焦点偏移的峰值信号的所测量三维图像的另一横截面图(x＝0)的图表151。
在缺陷复检实例中，在检验系统的焦平面内针对若干个不同晶片位置而在同一(x,y)位置处获取一系列图像。在此实例中，计算系统130通过汇编在每一不同焦点偏移处获取的一系列二维图像的堆叠而产生所测量体积的三维图像。焦点偏移是试样的最具反射性表面与检验系统的焦平面之间的相对距离。通常，待扫描参数并不限于焦点偏移。在其它实例中，传感器轴向位置、光谱带、照射方向等可经扫描以形成三维缺陷图像。在一些实施例中，计算系统130产生具有三个以上维度的缺陷图像。在一个实例中，针对给定(x,y)位置扫描焦点偏移及照射方向两者。在一个实例中，计算系统130通过将在每一不同焦点偏移处且以每一不同照射角度获取的一系列二维图像汇编成四阶张量来产生所测量体积的四维图像。在一些实例中，针对一组预定义焦点偏移收集一系列图像，但保持照射强度及其它系统参数不改变。
在检验实例中，在检验系统的焦平面内针对若干个不同晶片位置而在各个(x,y)位置处获取一系列图像。为产生三维图像，必须使不同焦点偏移之间的图像不对准最小化。在一些实例中，此通过利用经准确定位以实现不同深度测量的晶片载台来收集数据而实现。然而，此方法可显著地减小吞吐量。在一些其它实例中，在数据收集之后，使用对准目标来对准对应于不同焦点偏移处的相同横向位置的图像。
通常，通过应用缺陷检测算法从三维图像检测缺陷。在一些实施例中，直接依据由检验系统100产生的图像数据而执行缺陷检测。在一些实施例中，从所收集图像数据提取一或多个特征向量且基于所测量特征向量而执行缺陷检测。通常，特征向量是表示物体(例如，所关注缺陷、标称结构等)的数字特征的n维向量。在一些实例中，缺陷检测算法包含一或多个可选择阈值，所述可选择阈值调整缺陷检测算法的敏感度。当选择高约束性阈值时，缺陷检测算法从一组三维图像检测到较少所关注缺陷。当选择高宽容性阈值时，缺陷检测算法从同一组三维图像检测到较多所关注缺陷。可能地，如果检测到太少缺陷，那么将漏掉真正缺陷，且如果检测到许多缺陷，那么将俘获许多扰乱(例如，假)缺陷。因此，按照特定测量应用调谐的经优化测量配方还包含对检测算法阈值的选择，所述检测算法阈值使真正缺陷俘获率最大化，而使扰乱(即，假)缺陷俘获率最小化。
如关于图2所描述，计算系统130产生并传达命令信号122A到122G，使得根据规定光学模式而选择照射功率、照射孔口、聚光孔口、光谱带、傅里叶滤波器、照射偏光、聚光偏光或其任何组合。另外，例如检验系统100的检验系统包含其它可选择光学系统设定，例如入射角、方位角等。光学系统设定的每一相异组合被称为光学检验系统100的相异光学模式。
实际上，检验系统(例如本文中所描述的检验系统100)提供超过10,000种不同光学模式，且必须从几千种可能模式选择一种模式来实现一或多个性能目标。示范性性能目标包含但不限于：使三维图像中标称结构的响应最小化、增强三维图像中缺陷信号的响应、使三维图像中晶片噪声或扰乱信号的响应最小化、区别三维图像中缺陷的响应与晶片噪声或扰乱信号、依据三维图像而改进缺陷的所估计物理位置的准确度、上述各项的任何组合。因此，用于特定测量应用的经优化测量配方包含对最优光学模式的选择。
如前文中所描述，用于三维光学检验系统(例如，检验系统100)的测量配方优化包含从几千种可能系统配置选择最优光学模式及选择检测阈值。DOI可存在于整个三维半导体结构的深度内这一事实对缺陷发现及配方优化提出巨大实践挑战，这是因为可获得的图像数据量极为庞大(即，三维图像，不仅是二维图像)且缺陷验证极为耗时(即，验证缺陷需要进行晶片逆向处理)。
在一个方面中，通过存储与一子组受测量半导体结构的总深度相关联的图像来减小经受缺陷发现及验证的半导体晶片的三维体积。以此方式，作为测量配方优化过程的一部分而必须收集并分析的图像数据量得以减少。
在图2中所描绘的实施例中，由计算系统130从用户输入源135接收关于所考虑测量应用的信息136。通常，用户输入源135是实体，例如具有受检验结构及预期缺陷的知识的用户或操作器。以非限制性实例方式，结构信息136包含所关注缺陷的预期堆叠深度、所关注缺陷的晶片级图征、3D堆叠的折射率等。在一个实施例中，检验系统100包含外围装置，所述外围装置用于从操作器(例如，键盘、鼠标、触摸屏、通信端口等)接收输入以将结构信息136从用户传达到检验系统100。
用户还传达检验系统100的一组初始光学模式。检验系统100的用户通常执行初步建模或采用以往经验来达成检验系统100的一组初始光学模式，此最可能产生最优检验结果。通常，一组初始光学模式包含几十种不同光学模式，但远少于几千种可获得光学模式。在一些实例中，用户还将一或多个初始聚焦层级传达到检验系统100。一或多个初始聚焦层级包含所关注缺陷应被定位的聚焦层级。
响应于用户输入136及137，检验系统100在一组初始光学模式中的每一者下且在一或多个初始聚焦层级中的每一者处对晶片103执行检验。通常，以扫描模式执行检验，其中在一或多个初始聚焦层级中的每一者处检验大面积的晶片(例如，晶片的整个面积)。在初始检验期间所采用的缺陷检测算法的阈值设定在识别许多缺陷(即，真正缺陷及扰乱缺陷两者)的高宽容性值处。
在执行初始检验之后，计算系统130选择在初始检验中所识别的几个最有可能缺陷。最有可能缺陷是与由检验系统100的用户提供的预期缺陷最紧密匹配的所关注缺陷。检验系统100通过相对于光学检验子系统140定位晶片103使得选定所关注缺陷处于检验系统100的视域中来对选定所关注缺陷执行离焦复检。在完全贯穿受测量结构的若干个聚焦层级处执行一系列测量。基于离焦复检的结果，计算系统130确定最佳俘获所关注缺陷的一或多个聚焦平面或聚焦范围。在一些实例中，基于所测量缺陷图征(例如，图像或特征向量)与预期缺陷图征之间的最佳匹配而确定一或多个聚焦平面或聚焦范围。
在确定一或多个聚焦平面或聚焦范围之后，检验系统100记录与在初始检验中的每一者中在一或多个聚焦平面或聚焦范围处(而非贯穿结构的整个深度)所识别的缺陷位置相关联的图像片块(例如，32×32像素片块)。在一些实例中，在多个聚焦层级处对一亿个缺陷位置或更多缺陷位置进行成像并记录。以此方式，与缺陷发现相关联的所记录数据量限制于一子组的深度。在后续缺陷验证及配方优化过程中采用所记录数据。通过限制所记录数据量，后续缺陷验证及配方优化过程被极大地简化。
在另一方面中，基于一或多个所测量晶片级缺陷图征与一或多个预期晶片级缺陷图征之间的比较而减少所考虑光学模式的数目。在一个实例中，在执行初始检验之后，计算系统130选择几种最有可能光学模式以供进一步考虑(例如，五种或更少光学模式)。在一个实例中，计算系统130针对每一光学检验模式而变化缺陷检测算法阈值。计算系统130针对每一光学模式而变化阈值以使所测量晶片级缺陷图征与预期晶片级缺陷图征最佳地匹配。在一个实例中，晶片级缺陷图征是晶片缺陷图谱，其图解说明晶片区域中缺陷更高度集中或不太高度集中的区。通常，晶片级缺陷图征包含跨越整个受检验晶片区域而显露的晶片缺陷的任何指示。
选择最佳匹配预期缺陷图征的光学模式以供进一步考虑，且摒弃其它光学模式。以此方式，减少如前文中所描述的经选择以供记录的模式的数目。因此，进一步减少在后续缺陷验证及配方优化过程期间所考虑的检验数据量。在一些实例中，基于晶片级图征分析而选择五种或更少光学模式以供进一步考虑。
在又一方面中，基于所测量缺陷信噪比而减少所考虑光学模式的数目。在一个实例中，在执行初始检验及晶片级图征匹配之后，计算系统130进一步选择几种最有可能光学模式以供进一步考虑(例如，三种或更少光学模式)。在一个实例中，计算系统130分析在一或多个聚焦平面或聚焦层级处的与每一选定光学模式相关联的信噪比。计算系统130选择具有最高信噪比的光学模式以供进一步考虑，且摒弃其它光学模式。以此方式，减少如前文中所描述的经选择以供记录的模式的数目。因此，进一步减少在后续缺陷验证及配方优化过程期间所考虑的检验数据量。在一些实例中，基于晶片级图征分析而选择三种或更少光学模式以供进一步考虑。
在又一方面中，基于无需逆向处理的SEM缺陷复检而减少所考虑光学模式的数目。在一个实例中，在执行初始检验及晶片级图征匹配之后，计算系统130进一步选择几种最有可能光学模式以用于在不对晶片进行逆向处理的情况下进行SEM复检。在一个实例中，将晶片103转移到SEM复检工具，且执行SEM复检测量以验证在表面处或甚至略低于表面的所关注缺陷。在一个实例中，利用高能量SEM来复检掩埋于所考虑结构内(例如，高达一微米的深度)的缺陷。但通常，SEM不适合于对太大深度处(例如，超过一微米)的缺陷进行缺陷验证。计算系统130接收对由SEM复检工具验证的缺陷的指示，且选择具有最高经验证缺陷俘获率及最低扰乱缺陷俘获率的光学模式以供进一步考虑。摒弃其它光学模式。以此方式，减少如前文中所描述的经选择以供记录的模式的数目。因此，进一步减少在后续缺陷验证及配方优化过程期间所考虑的检验数据量。在一些实例中，基于晶片级图征分析而选择三种或更少光学模式以供进一步考虑。
在另一方面中，将经验证缺陷图像/特征映射到由检验系统100识别的对应缺陷。采用经验证缺陷及所记录三维图像来训练扰乱筛选程序且将测量配方优化。
图3是用于缺陷发现及测量配方优化以检验三维半导体结构的系统150的一个实施例的简化示意图。系统150包含参考图2所描述的检验系统100、缺陷验证工具151及计算系统160。在一些实施例中，由计算系统160执行的任务是如本文中描述地由计算系统130或另一计算系统实施。
在一些实施例中，缺陷验证工具151是基于电子束的分析工具。在一些其它实施例中，缺陷验证工具151是基于x射线的分析工具。在这些实施例中，可不需要使掩埋缺陷对基于x射线的分析工具可见的材料移除工具。因此，相关联材料移除工具是任选的。
在一些实例中，通过对晶片103进行逆向处理并利用检验系统100检验所暴露缺陷来实现缺陷验证。在这些实例中，可不需要不同缺陷验证工具151。在一些实施例中，缺陷验证工具(例如，SEM复检工具)可与检验系统100集成在一起作为单个晶片处理工具，或者另一选择为，可个别地或以任何组合形式分离到不同晶片处理系统中。
计算系统130协调检验工艺，且执行分析、数据处置及传达任务。类似地，计算系统160协调材料移除及复检工艺，执行分析且执行数据处置及传达任务。
可以许多不同方式实现缺陷验证。在一些实施例中，执行电压对比检验来验证缺陷。在这些实施例中，根据小样本计划而修饰晶片且通过电压对比检验工具对所修饰晶片执行电压对比测量。
在一些其它实施例中，完成晶片制作且对成品晶片执行位图测试以验证缺陷。
在一些其它实施例中，对晶片进行逆向处理以移除所考虑多层结构的若干层。可通过化学工艺、机械工艺或两者来实现逆向处理。在一个实例中，采用聚焦离子束(FIB)工具从晶片表面移除材料。对晶片进行逆向处理直到掩埋缺陷位于晶片的表面处或接近晶片的表面且可由缺陷验证工具151(例如，SEM复检工具、检验系统100等)有效地成像为止。与缺陷验证测量相关联的缺陷位置及相关联缺陷图像152存储于存储器(例如，载于计算系统160上的存储器162)中。在一些实施例中，缺陷信息是以KLA结果文件(KLARF)的形式存储。KLARF文件是由缺陷验证工具150产生的平面ASCII文件。使用相同KLARF文件格式来保存来自检验系统100的缺陷信息。
在另一方面中，将与检验系统100所识别的缺陷相关联的缺陷信息141作为缺陷发现的一部分传达到计算系统160。计算系统160对所识别缺陷进行取样以产生传达到缺陷验证工具151的一组多样化DOI 153。在一些实施例中，计算系统160将检验系统100在缺陷发现期间所识别的缺陷(例如，一亿或更多DOI)分组且从每一分组选择几个缺陷以产生一组多样化DOI 153。所述组多样化DOI 153保存于存储器(例如，载于计算系统160上的存储器162)中。
对所述组多样化DOI执行缺陷验证测量。来自缺陷验证测量的缺陷位置及相关联缺陷图像存储于存储器(例如，载于计算系统160上的存储器162)中。在一些实施例中，与一组多样化DOI相关联的缺陷信息还以KLARF文件格式存储。
来自一组多样化DOI、任何其它组经验证缺陷或其组合的缺陷验证数据被映射到所保存离焦缺陷图像片块及对应特征向量。采用缺陷验证数据及对应离焦缺陷图像片块以及对应特征向量来训练扰乱消除筛选程序。
在一个实例中，计算系统160训练基于离焦图像的机器学习网络以筛除扰乱缺陷。在这些实例中的一些实例中，基于缺陷图像而训练机器学习网络。以非限制性实例方式，适合机器学习网络实施为类神经网络、支持向量机模型、决策树模型等。
在另一实例中，计算系统160训练基于离焦特征的自动分类程序以筛除扰乱缺陷。在这些实例中的一些实例中，自动分类程序是基于特征的，而非基于图像的。以非限制性实例方式，适合的基于离焦特征的自动分类程序实施为经训练随机森林算法等。
在另一实例中，计算系统160实施基于规则的树分类程序以筛除扰乱缺陷。在这些实例中的一些实例中，基于规则的树分类程序是基于特征的，而非基于图像的。以非限制性实例方式，适合的基于规则的树分类程序是基于人工产生的规则而实施。
经训练扰乱消除筛选程序142被传达到检验系统100且应用于与每一所考虑光学模式相关联的所保存缺陷图像。以此方式，使用在缺陷发现期间所记录的离焦缺陷事件来仿真缺陷检测。与每一光学模式相关联的检测阈值经调整以实现期望扰乱率。在一个实例中，与每一光学模式相关联的检测阈值经调整以实现大约30％的扰乱率，且选择实现最佳缺陷图征匹配及真正缺陷俘获率的光学模式来实施为用于所考虑测量应用的生产测量配方。在图3中所描绘的实施例中，检验系统100实施扰乱筛选程序142及选定生产测量配方以在生产设定中基于对厚半导体结构的三维图像的分析而识别缺陷并将缺陷分类。
通常，以算法方式处理三维图像以识别所关注缺陷并将所关注缺陷分类。在一些实例中，处理器131经配置以依据三维图像而检测缺陷并将缺陷分类。处理器可包含此项技术中已知的任何合适处理器。另外，处理器可经配置以使用此项技术中已知的任何合适缺陷检测及分类算法或方法。举例来说，处理器可使用裸片-数据库比较、三维筛选程序、聚类算法(例如主成分分析或谱聚类)、阈值化算法、深度学习算法或任何其它适合算法来检测试样上的缺陷并将所述缺陷分类。
在另一方面中，基于对厚半导体结构的三维图像的分析而确定所关注缺陷的三维位置。以此方式，测量晶片内的缺陷的实际位置(例如，缺陷的{x,y,z}坐标)。实际缺陷位置可用于稍后定位缺陷以供进一步分析(例如，通过聚焦离子束系统、EBI系统等进行分析)。
在一些实例中，使用x位置、y位置及与3D图像内的峰值缺陷信号相关联的焦点偏移来评估晶片结构(例如，3D NAND晶片堆叠)内的实际缺陷位置。
在许多暗场测量应用中，衍射级被抑制且z方向(例如，深度)上的实际缺陷位置与和峰值信号相关联的焦点偏移线性相关。对于许多非相干BF照射情形，z方向上的缺陷位置与和峰值信号相关联的焦点偏移线性相关。在这些实例中，计算系统130确定与峰值相关联的焦点偏移且通过将焦点偏移乘以比例因子而确定缺陷深度。
在其它实例中，通过将缺陷的三维图像与一或多个所模拟三维图像进行比较来确定实际缺陷位置。在一个实例中，计算系统130执行严格耦合波分析(RCWA)来模拟所测量缺陷响应。可递回地执行此分析以使所测量响应与所模拟响应之间的误差最小化且识别及定位缺陷。
在一些其它实例中，产生测量值库，所述测量值库将由受信任参考测量系统测量的所测量数据与缺陷深度(例如，晶片表面下的距离)进行匹配。在一个实例中，受信任参考测量系统是在对所考虑试样进行聚焦离子束蚀刻之后执行的缺陷复检。库一经产生，便基于库匹配而估计与后续测量相关联的缺陷位置。
在另一方面中，在缺陷分析之前对三维图像进行筛选以改进SNR。在一些实例中，计算系统利用3D数字筛选程序或其它适合数值技术来分析所汇编三维图像以检测由缺陷引起的独特三维结构。这有效地提高缺陷的SNR且使得能够更有效地分离所关注缺陷与噪声或扰乱效应。
通常，计算系统130及160经配置以基于离焦图像或特征向量而检测缺陷并将缺陷分类。计算系统130及160可包含此项技术中已知的任何适当处理器。另外，计算系统130及160可经配置以使用此项技术中已知的任何适当缺陷检测算法或方法。举例来说，计算系统130及160可使用裸片-数据库比较或阈值化算法来检测试样上的缺陷。
另外，检验系统100可包含外围装置，所述外围装置用于从操作器(例如，键盘、鼠标、触摸屏等)接收输入且将输出显示到操作器(例如，显示监视器)。来自操作器的输入命令可由计算系统130用来调整用于控制照射功率的阈值。所得功率水平可在显示监视器上以图形方式呈现到操作器。
检验系统100包含处理器131及一定量的计算机可读存储器132。处理器131与存储器132可经由总线133通信。存储器132包含存储一定量的程序代码的一定量的存储器134，所述程序代码在由处理器131执行时致使处理器131执行本文中所描述的缺陷检测、分类及深度估计功能性。
系统150包含处理器161及一定量的计算机可读存储器162。处理器161与存储器162可经由总线163通信。存储器162包含存储一定量的程序代码的一定量的存储器164，所述程序代码在由处理器161执行时致使处理器161执行本文中所描述的缺陷检测、分类及深度估计功能性。
图6图解说明用于基于厚结构的3D图像而检测缺陷的示范性方法200的流程图。在一些非限制性实例中，参考图2所描述的检验系统100经配置以实施方法200。然而，通常，方法200的实施方案并不限于本文中所描述的特定实施例。
在框201中，根据多种光学模式中的每一者在安置于半导体晶片上的多个垂直堆叠结构中的每一者内的多个聚焦平面中的每一者处于多个缺陷位置处将一定量的照射光提供到半导体晶片。
在框202中，根据多种光学模式中的每一者响应于多个聚焦平面中的每一者处的多个缺陷位置中的每一者处的照射光量而对来自垂直堆叠结构中的每一者的一定量的光进行成像。
在框203中，从多个缺陷位置选择一或多个缺陷位置。
在框204中，根据多种光学模式而产生贯穿垂直堆叠结构的不同聚焦平面处的选定缺陷位置中的每一者处的多个图像。
在框205中，选择多个聚焦平面的一子组以供存储。
在框206中，根据光学模式中的每一者存储在多个聚焦平面的选定子组中的每一者处的多个缺陷位置中的每一者处的图像。
通常，本文中所描述的三维成像技术可在半导体装置制品的研究与开发、产量上升及大批量生产阶段期间应用，且适用于任何光学上基于图像的测量技术。另外，这些技术可应用于光学及x射线检验模态。
无论制作工艺的特定类型如何，需要在多层堆叠的所有层级中且在特定工艺中尽可能早地检测到缺陷。特定检验实施例优选地包含贯穿堆叠(包含堆叠表面及贯穿堆叠的各个深度)的缺陷检测。举例来说，特定实施例允许在深达约三微米的深度处发现缺陷。在另一实施例中，可在约八微米大的堆叠深度处检测到缺陷。受检验的垂直ONON或OPOP堆叠的厚度仅受照射光的穿透深度限制。穿过氧化物-氮化物-氧化物-氮化物(ONON)或氧化物-多晶硅-氧化物-多晶硅(OPOP)堆叠的透射不太受较长波长下的吸收限制。因此，较长照射波长可用于有效地检验极深的结构。
本文中所描述的三维成像技术可应用于复杂垂直堆叠结构，包含但不限于3D“与非”(NAND)门存储器装置。尽管检验系统及技术在本文中被描述为应用于特定类型的垂直NAND(VNAND)存储器结构，但应理解，本发明的实施例可应用于任何适合的3D或垂直半导体结构，例如使用太比特单元阵列晶体管(TCAT)、垂直堆叠式阵列晶体管(VSAT)、成本扩展型位技术(BiCST)、管状BiCS技术(P-BiCS)等形成的NAND或NOR存储器装置。垂直方向通常是垂直于衬底表面的方向。另外，尽管描述用于形成此些3D结构的特定制作步骤、工艺及材料，但可在致使多个层形成于一衬底上的制作流程的任何点处应用检验实施例，且此些层可包含任何数目及类型的材料。
本文中描述可用于检验试样的检验系统或工具的各种实施例。术语“试样”在本文中用于指代可被检验以发现缺陷、特征或此项技术中已知的其它信息(例如，一定量的雾态性质或膜性质)的晶片、光罩或任何其它样本。
如本文中所使用，术语“晶片”通常是指由半导体或非半导体材料形成的衬底。实例包含但不限于单晶硅、砷化镓及磷化铟。通常可在半导体制作设施中找到及/处理此类衬底。在一些情形中，晶片可仅包含衬底(即，裸晶片)。或者，晶片可包含形成于衬底上的一或多个不同材料层。形成于晶片上的一或多个层可为“经图案化”或“未图案化”的。举例来说，晶片可包含具有可重复图案特征的多个裸片。
“光罩”可为在光罩制作工艺的任何阶段处的光罩，或者可或可不经释放以供在半导体制作设施中使用的完整光罩。光罩或“掩模”通常定义为具有形成于其上且配置为图案的大体上不透明区域的大体上透明衬底。衬底可包含(举例来说)玻璃材料，例如石英。光罩可在光刻工艺的曝露步骤期间安置在抗蚀剂覆盖的晶片上，使得可将光罩上的图案转印到抗蚀剂。
在一或多个示范性实施例中，可在硬件、软件、固件或其任何组合中实施所描述的功能。如果在软件中实施，那么所述功能可存储于计算机可读媒体上或作为计算机可读媒体上的一或多个指令或代码而发射。计算机可读媒体包含计算机存储媒体及通信媒体两者，通信媒体包含促进计算机程序从一个地方传送到另一地方的任何媒体。存储媒体可为可由通用或专用计算机存取的任何可用媒体。以实例方式而非以限制方式，此类计算机可读媒体可包括：RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置，或者可用于以指令或数据结构形式载运或存储所要程序代码构件且可由通用或专用计算机或者通用或专用处理器存取的任何其它媒体。此外，可将任何连接适当地称为计算机可读媒体。举例来说，如果使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)或例如红外线、无线电及微波等无线技术从网站、服务器或其它远程源发射软件，那么所述同轴电缆、光纤电缆、双绞线、DSL或例如红外线、无线电及微波等无线技术均包含于媒体的定义中。如本文中所使用的磁盘及光盘包含：压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软磁盘及蓝光光盘，其中磁盘通常以磁性方式复制数据，而光盘借助激光以光学方式复制数据。上述组合还应包含于计算机可读媒体的范围内。
尽管上文出于指导性目的描述了一些特定实施例，但本专利文档的教示内容具有一般适用性且不限于上文所描述的特定实施例。在一个实例中，检测器可包含光纤阵列。在一个实例中，检验系统100可包含一个以上光源(未展示)。光源可被配置得不同或相同。举例来说，光源可经配置以产生具有不同特性的光，所述光可以相同或不同照射区域、以相同或不同入射角、同时地或在不同时间被引导到晶片。光源可根据本文中所描述的实施例中的任一者而配置。另外，光源中的一者可根据本文中所描述的实施例中的任一者来配置，且另一光源可为此项技术中已知的任何其它光源。在一些实施例中，检验系统可同时经由一个以上照射区域照射晶片。多个照射区域可在空间上重叠。多个照射区域可在空间上相异。在一些实施例中，检验系统可在不同时间经由一个以上照射区域照射晶片。不同照射区域可在时间上重叠(即，在某一时间周期内被同时照射)。不同照射区域可在时间上相异。通常，照射区域的数目可为任意的，且每一照射区域可具有相等或不同大小、定向及入射角。在又一实例中，检验系统100可为具有一或多个照射区域、独立于晶片103的任何运动而扫描的扫描点系统。在一些实施例中，使照射区域沿着扫描线以重复图案进行扫描。扫描线可或可不与晶片103的扫描运动对准。尽管如本文中所呈现，晶片定位系统114通过协调旋转移动及平移移动来产生晶片103的运动，但在又一实例中，晶片定位系统114可通过协调两个平移移动来产生晶片103的运动。举例来说，晶片定位系统114可沿着两个正交线性轴线产生运动(例如，X-Y运动)。
因此，可在不背离权利要求书中所陈述的本发明的范围的情况下实践对所描述实施例的各种特征的各种修改、改动及组合。

Claims (26)

1.一种方法，其包括：
根据多种光学模式中的每一者在安置于半导体晶片上的多个垂直堆叠结构中的每一者内的多个聚焦平面中的每一者处于多个缺陷位置处将一定量的照射光提供到所述半导体晶片；
根据所述多种光学模式中的每一者响应于所述多个聚焦平面中的每一者处的所述多个缺陷位置中的每一者处的所述照射光量而对来自所述垂直堆叠结构中的每一者的一定量的光进行成像；
从所述多个缺陷位置选择一或多个缺陷位置；
根据所述多种光学模式产生贯穿所述垂直堆叠结构的不同聚焦平面处的所述选定缺陷位置中的每一者处的多个图像；
选择所述多个聚焦平面的一子组；及
根据所述多种光学模式中的每一者存储在所述多个聚焦平面的所述选定子组中的每一者处的所述多个缺陷位置中的每一者处的图像。
2.根据权利要求1所述的方法，其进一步包括：
调整与所述多种光学模式中的每一者相关联的缺陷检测算法的一或多个参数值，以将在所述多种光学模式中的每一者下所测量的晶片级图征与预期晶片级图征进行拟合；
基于与所述多种光学模式中的每一者相关联的所述拟合的优度而选择所述多种光学模式的一子组以供进一步考虑。
3.根据权利要求1所述的方法，其进一步包括：
估计与所述多种光学模式中的每一者相关联的信噪比；及
基于与所述多种光学模式中的每一者相关联的所述所估计信噪比而选择所述多种光学模式的一子组以供进一步考虑。
4.根据权利要求1所述的方法，其进一步包括：
在不对所述半导体晶片进行逆向处理的情况下在所述选定缺陷位置中的一或多者处执行扫描电子显微镜SEM测量；及
基于所述SEM测量而选择所述多种光学模式的一子组以供进一步考虑。
5.根据权利要求1所述的方法，其进一步包括：
验证掩埋于安置在所述半导体晶片上的所述多个垂直堆叠结构中的一或多者内的一或多个缺陷；
根据所述多种光学模式中的每一者将所述经验证缺陷中的每一者映射到所述多个聚焦平面的所述选定子组中的每一者处的缺陷位置的对应图像；及
基于所述经验证缺陷及所述对应图像而训练三维扰乱筛选程序以筛除扰乱缺陷。
6.根据权利要求5所述的方法，其中所述训练是基于所述经验证缺陷的图像和所述对应图像或与所述经验证缺陷相关联的特征向量和与所述对应图像相关联的特征向量。
7.根据权利要求5所述的方法，其中所述训练涉及训练机器学习网络以筛除扰乱缺陷。
8.根据权利要求5所述的方法，其中所述训练涉及训练基于离焦特征的自动分类程序。
9.根据权利要求5所述的方法，其中所述训练涉及基于人工产生的规则而训练基于规则的树分类程序。
10.根据权利要求5所述的方法，其进一步包括：
利用所述所训练三维扰乱筛选程序根据所述多种光学模式中的每一者而筛选所述多个聚焦平面的所述选定子组中的每一者处的所述多个缺陷位置中的每一者处的所述图像中的每一者；及
基于与所述多种光学模式中的每一者相关联的真正缺陷俘获率及扰乱缺陷俘获率而从所述多种光学模式选择一种光学模式。
11.根据权利要求10所述的方法，其中所述选择涉及调整与所述多种光学模式中的每一者相关联的缺陷检测算法的一或多个参数值以实现预定扰乱俘获率，从而针对所述预定扰乱俘获率选择实现最高真正缺陷俘获率的光学模式。
12.根据权利要求5所述的方法，其中对所述一或多个掩埋缺陷的所述验证涉及对所述半导体晶片的电压对比检验。
13.根据权利要求5所述的方法，其中对所述一或多个掩埋缺陷的所述验证涉及在所述半导体晶片制作完成之后对所述半导体晶片进行位图测试。
14.根据权利要求5所述的方法，其中对所述一或多个掩埋缺陷的所述验证涉及对所述半导体晶片进行逆向处理且通过扫描电子显微镜SEM进行复检。
15.根据权利要求5所述的方法，其中所述经验证缺陷中的每一者的位置是以KLARF文件格式存储。
16.根据权利要求5所述的方法，其进一步包括：
根据所述多种光学模式中的每一者将在所述多个聚焦平面的所述选定子组中的每一者处的所述多个缺陷位置中的每一者处的所述图像分组成多个分组；及
从所述多个分组中的每一者选择所述多个缺陷位置中的一或多者以产生一组多样化掩埋缺陷，其中经受验证的所述一或多个缺陷包含所述组多样化掩埋缺陷。
17.一种系统，其包括：
照射子系统，其根据多种光学模式中的每一者在安置于半导体晶片上的多个垂直堆叠结构中的每一者内的多个聚焦平面中的每一者处于多个缺陷位置处将一定量的照射光提供到所述半导体晶片；
聚光子系统，其根据所述多种光学模式中的每一者将在所述多个聚焦平面中的每一者处的所述多个缺陷位置中的每一者处来自所述垂直堆叠结构中的每一者的一定量的光成像到检测器，其中所述检测器检测所述光量且产生指示所述经成像光量的多个输出信号；及
计算系统，其经配置以：
从所述多个缺陷位置选择一或多个缺陷位置；
根据所述多种光学模式产生贯穿所述垂直堆叠结构的不同聚焦平面处的所述选定缺陷位置中的每一者处的多个图像；
选择所述多个聚焦平面的一子组；及
根据所述多种光学模式中的每一者存储在所述多个聚焦平面中的所述选定子组中的每一者处的所述多个缺陷位置中的每一者处的图像。
18.根据权利要求17所述的系统，其中所述计算系统进一步经配置以：
调整与所述多种光学模式中的每一者相关联的缺陷检测算法的一或多个参数值，以将在所述多种光学模式中的每一者下所测量的晶片级图征与预期晶片级图征进行拟合；及
基于与所述多种光学模式中的每一者相关联的所述拟合的优度而选择所述多种光学模式的一子组以供进一步考虑。
19.根据权利要求17所述的系统，其中所述计算系统进一步经配置以：
估计与所述多种光学模式中的每一者相关联的信噪比；及
基于与所述多种光学模式中的每一者相关联的所述所估计信噪比而选择所述多种光学模式的一子组以供进一步考虑。
20.根据权利要求17所述的系统，其进一步包括：
扫描电子显微镜SEM，其经配置以在不对所述半导体晶片进行逆向处理的情况下在所述选定缺陷位置中的一或多者处执行测量，且其中所述计算系统进一步经配置以基于所述SEM测量而选择所述多种光学模式的一子组以供进一步考虑。
21.根据权利要求17所述的系统，其进一步包括：
缺陷验证系统，其经配置以验证掩埋于安置在所述半导体晶片上的所述多个垂直堆叠结构中的一或多者内的一或多个缺陷，其中所述计算系统进一步经配置以：
根据所述多种光学模式中的每一者将所述经验证缺陷中的每一者映射到所述多个聚焦平面的所述选定子组中的每一者处的缺陷位置的对应图像；及
基于所述经验证缺陷及所述对应图像而训练三维扰乱筛选程序以筛除扰乱缺陷。
22.一种系统，其包括：
照射子系统，其根据多种光学模式中的每一者在安置于半导体晶片上的多个垂直堆叠结构中的每一者内的多个聚焦平面中的每一者处于多个缺陷位置处将一定量的照射光提供到所述半导体晶片；
聚光子系统，其根据所述多种光学模式中的每一者将在所述多个聚焦平面中的每一者处的所述多个缺陷位置中的每一者处来自所述垂直堆叠结构中的每一者的一定量的光成像到检测器，其中所述检测器检测所述光量且产生指示所述经成像光量的多个输出信号；及
计算系统，其包括：
一或多个处理器；及
非暂时性计算机可读媒体，其存储在由所述一或多个处理器执行时致使所述计算系统进行以下操作的指令：
从所述多个缺陷位置选择一或多个缺陷位置；
根据所述多种光学模式产生贯穿所述垂直堆叠结构的不同聚焦平面处的所述选定缺陷位置中的每一者处的多个图像；
选择所述多个聚焦平面的一子组；及
根据所述多种光学模式中的每一者存储在所述多个聚焦平面的所述选定子组中的每一者处的所述多个缺陷位置中的每一者处的图像。
23.根据权利要求22所述的系统，所述非暂时性计算机可读媒体进一步存储在由所述一或多个处理器执行时致使所述计算系统进行以下操作的指令：
调整与所述多种光学模式中的每一者相关联的缺陷检测算法的一或多个参数值，以将在所述多种光学模式中的每一者下所测量的晶片级图征与预期晶片级图征进行拟合；及
基于与所述多种光学模式中的每一者相关联的所述拟合的优度而选择所述多种光学模式的一子组以供进一步考虑。
24.根据权利要求22所述的系统，所述非暂时性计算机可读媒体进一步存储在由所述一或多个处理器执行时致使所述计算系统进行以下操作的指令：
估计与所述多种光学模式中的每一者相关联的信噪比；及
基于与所述多种光学模式中的每一者相关联的所述所估计信噪比而选择所述多种光学模式的一子组以供进一步考虑。
25.根据权利要求22所述的系统，其进一步包括：
扫描电子显微镜SEM，其经配置以在不对所述半导体晶片进行逆向处理的情况下在所述选定缺陷位置中的一或多者处执行测量，所述非暂时性计算机可读媒体进一步存储在由所述一或多个处理器执行时致使所述计算系统进行以下操作的指令：基于所述SEM测量而选择所述多种光学模式的一子组以供进一步考虑。
26.根据权利要求22所述的系统，其进一步包括：
缺陷验证系统，其经配置以验证掩埋于安置在所述半导体晶片上的所述多个垂直堆叠结构中的一或多者内的一或多个缺陷，所述非暂时性计算机可读媒体进一步存储在由所述一或多个处理器执行时致使所述计算系统进行以下操作的指令：
根据所述多种光学模式中的每一者将所述经验证缺陷中的每一者映射到所述多个聚焦平面的所述选定子组中的每一者处的缺陷位置的对应图像；及
基于所述经验证缺陷及所述对应图像而训练三维扰乱筛选程序以筛除扰乱缺陷。
CN201780071387.1A 2016-11-30 2017-11-30 用于三维半导体结构的检验的缺陷发现及配方优化 Active CN109964116B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201662427917P 2016-11-30 2016-11-30
US201662427973P 2016-11-30 2016-11-30
US62/427,917 2016-11-30
US62/427,973 2016-11-30
US15/826,019 US11047806B2 (en) 2016-11-30 2017-11-29 Defect discovery and recipe optimization for inspection of three-dimensional semiconductor structures
US15/826,019 2017-11-29
PCT/US2017/064040 WO2018102596A2 (en) 2016-11-30 2017-11-30 Defect discovery and recipe optimization for inspection of three-dimensional semiconductor structures

Publications (2)

Publication Number Publication Date
CN109964116A true CN109964116A (zh) 2019-07-02
CN109964116B CN109964116B (zh) 2022-05-17

Family

ID=62190747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780071387.1A Active CN109964116B (zh) 2016-11-30 2017-11-30 用于三维半导体结构的检验的缺陷发现及配方优化

Country Status (6)

Country Link
US (1) US11047806B2 (zh)
JP (1) JP7080884B2 (zh)
KR (1) KR102438824B1 (zh)
CN (1) CN109964116B (zh)
TW (1) TWI774708B (zh)
WO (1) WO2018102596A2 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113241310A (zh) * 2021-05-28 2021-08-10 长江存储科技有限责任公司 晶圆缺陷的检测方法、检测装置、检测设备及可读存储介质
CN114207795A (zh) * 2019-08-07 2022-03-18 科磊股份有限公司 结合光学及电子束检验的半导体热点及工艺窗的发现
CN114599934A (zh) * 2019-10-31 2022-06-07 卡尔蔡司Smt有限责任公司 用于测量har结构的形状偏差的fib-sem 3d断层成像术
CN114667596A (zh) * 2019-11-21 2022-06-24 科磊股份有限公司 基于噪声特性而对次关注区域进行聚类
CN115151787A (zh) * 2020-02-20 2022-10-04 科磊股份有限公司 用于以x射线为基础的计量学的晶片倾斜的测量及控制
WO2023077675A1 (zh) * 2021-11-05 2023-05-11 东方晶源微电子科技（北京）有限公司 基于探测器通道的自动对焦方法和装置、设备及存储介质
CN117269735A (zh) * 2023-11-21 2023-12-22 甘肃送变电工程有限公司 基于电磁微波手段的电力工器具智能电子芯片检测方法

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180128647A (ko) * 2017-05-24 2018-12-04 삼성전자주식회사 광학 측정 방법 및 장치, 및 이를 이용한 반도체 장치의 제조 방법
KR102037748B1 (ko) * 2017-12-06 2019-11-29 에스케이실트론 주식회사 웨이퍼의 결함 영역을 평가하는 방법
US11087451B2 (en) * 2017-12-19 2021-08-10 Texas Instruments Incorporated Generating multi-focal defect maps using optical tools
US11054250B2 (en) * 2018-04-11 2021-07-06 International Business Machines Corporation Multi-channel overlay metrology
DE102018114005A1 (de) * 2018-06-12 2019-12-12 Carl Zeiss Jena Gmbh Materialprüfung von optischen Prüflingen
TWI787296B (zh) * 2018-06-29 2022-12-21 由田新技股份有限公司 光學檢測方法、光學檢測裝置及光學檢測系統
US10801968B2 (en) * 2018-10-26 2020-10-13 Kla-Tencor Corporation Algorithm selector based on image frames
US11468553B2 (en) * 2018-11-02 2022-10-11 Kla Corporation System and method for determining type and size of defects on blank reticles
US10545099B1 (en) 2018-11-07 2020-01-28 Kla-Tencor Corporation Ultra-high sensitivity hybrid inspection with full wafer coverage capability
IL263106B2 (en) * 2018-11-19 2023-02-01 Nova Ltd Integrated measurement system
EP3889801A4 (en) * 2018-11-29 2022-01-26 FUJIFILM Corporation SYSTEM FOR EVALUATION OF CAUSE OF DAMAGE TO A STRUCTURE, METHOD OF EVALUATION OF CAUSE OF DAMAGE AND SERVER FOR EVALUATION OF CAUSE OF DAMAGE
US11010885B2 (en) * 2018-12-18 2021-05-18 Kla Corporation Optical-mode selection for multi-mode semiconductor inspection
CN109712136B (zh) * 2018-12-29 2023-07-28 上海华力微电子有限公司 一种分析半导体晶圆的方法及装置
US11550309B2 (en) * 2019-01-08 2023-01-10 Kla Corporation Unsupervised defect segmentation
CN111665259A (zh) * 2019-03-08 2020-09-15 深圳中科飞测科技有限公司 检测设备及检测方法
US11047807B2 (en) * 2019-03-25 2021-06-29 Camtek Ltd. Defect detection
WO2020194986A1 (ja) 2019-03-28 2020-10-01 株式会社リガク 透過型小角散乱装置
US20220351492A1 (en) * 2019-06-28 2022-11-03 Microscopic Image Recognition Algorithms Inc. Optical acquisition system and probing method for object matching
US11676264B2 (en) * 2019-07-26 2023-06-13 Kla Corporation System and method for determining defects using physics-based image perturbations
CN112649444A (zh) * 2019-10-10 2021-04-13 超能高新材料股份有限公司 半导体元件内部影像信息检测方法
JP7422458B2 (ja) * 2019-12-05 2024-01-26 キヤノン株式会社 異物検査装置、異物検査方法、処理装置および物品製造方法
FR3105861B1 (fr) * 2019-12-31 2022-09-02 Vit Système et procédé pour réduire les altérations dans des données de capteurs
JP7376369B2 (ja) 2020-01-15 2023-11-08 一般財団法人電力中央研究所 半導体素子の検査装置
US11360030B2 (en) * 2020-02-04 2022-06-14 Applied Materials Isreal Ltd Selecting a coreset of potential defects for estimating expected defects of interest
DE102020205540A1 (de) * 2020-04-30 2021-11-04 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Prüfen eines technischen Systems
DE102020205539A1 (de) * 2020-04-30 2021-11-04 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Prüfen eines technischen Systems
FR3111703B1 (fr) * 2020-06-18 2022-05-20 Skf Svenska Kullagerfab Ab Procédé de détection d’un défaut critique pour élément roulant en matériau céramique
CN116057546A (zh) * 2020-09-17 2023-05-02 株式会社日立高新技术 错误原因的推断装置和推断方法
TWI759902B (zh) * 2020-10-13 2022-04-01 豪勉科技股份有限公司 點測裝置
US12019032B2 (en) * 2020-12-07 2024-06-25 Nanya Technology Corporation Electronic system and method of specimen qualification
US20220189806A1 (en) * 2020-12-16 2022-06-16 Samsung Electronics Co., Ltd. Estimating heights of defects in a wafer
US11961221B2 (en) * 2021-10-07 2024-04-16 Applied Materials Israel Ltd. Defect examination on a semiconductor specimen
CN114613705B (zh) * 2022-05-10 2022-09-06 深圳市众望丽华微电子材料有限公司 一种半导体元器件加工的控制方法、系统及介质
US20230402328A1 (en) * 2022-06-09 2023-12-14 Onto Innovation Inc. Optical metrology with nuisance feature mitigation
KR102547617B1 (ko) * 2022-06-23 2023-06-26 큐알티 주식회사 가속환경 제공 반도체 소자 테스트 장치 및 이를 이용한 가속환경에서 반도체 소자 테스트 방법

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030227618A1 (en) * 2002-05-06 2003-12-11 Applied Materials Israel Ltd High speed laser scanning inspection system
CN1504742A (zh) * 2002-11-28 2004-06-16 威光机械工程股份有限公司 印刷电路板上瑕疵组件的自动光学检测系统
CN1620601A (zh) * 2001-03-27 2005-05-25 Aoti营运有限公司 半导体中的微缺陷的检测和分类
JP2006079000A (ja) * 2004-09-13 2006-03-23 Olympus Corp 光走査型観察装置
US7570797B1 (en) * 2005-05-10 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for generating an inspection process for an inspection system
CN102788752A (zh) * 2012-08-08 2012-11-21 江苏大学 基于光谱技术的农作物内部信息无损检测装置及方法
DE102012009836A1 (de) * 2012-05-16 2013-11-21 Carl Zeiss Microscopy Gmbh Lichtmikroskop und Verfahren zur Bildaufnahme mit einem Lichtmikroskop
US20140139830A1 (en) * 2012-11-21 2014-05-22 Kla-Tencor Corporation Apparatus and methods for detecting defects in vertical memory
CN104854677A (zh) * 2012-10-15 2015-08-19 科磊股份有限公司 使用缺陷特定的信息检测晶片上的缺陷
US20150233840A1 (en) * 2009-01-13 2015-08-20 Semiconductor Technologies & Instruments Pte Ltd System and method for inspecting a wafer
US20160123894A1 (en) * 2014-10-31 2016-05-05 Kla-Tencor Corporation Measurement Systems Having Linked Field And Pupil Signal Detection
US20160153914A1 (en) * 2014-12-02 2016-06-02 Kla-Tencor Corporation Inspection systems and techniques with enhanced detection
CN106092891A (zh) * 2016-08-11 2016-11-09 广东工业大学 一种共焦三维光谱显微成像方法及装置

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6271916B1 (en) 1994-03-24 2001-08-07 Kla-Tencor Corporation Process and assembly for non-destructive surface inspections
US5608526A (en) 1995-01-19 1997-03-04 Tencor Instruments Focused beam spectroscopic ellipsometry method and system
US5859424A (en) 1997-04-08 1999-01-12 Kla-Tencor Corporation Apodizing filter system useful for reducing spot size in optical measurements and other applications
US6201601B1 (en) 1997-09-19 2001-03-13 Kla-Tencor Corporation Sample inspection system
US6208411B1 (en) 1998-09-28 2001-03-27 Kla-Tencor Corporation Massively parallel inspection and imaging system
US6429943B1 (en) 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
US7130039B2 (en) 2002-04-18 2006-10-31 Kla-Tencor Technologies Corporation Simultaneous multi-spot inspection and imaging
WO2004046655A2 (en) 2002-11-20 2004-06-03 Mehrdad Nikoohahad System and method for characterizing three-dimensional structures
US6842021B1 (en) * 2003-11-07 2005-01-11 National Semiconductor Corporation System and method for detecting location of a defective electrical connection within an integrated circuit
US7295303B1 (en) 2004-03-25 2007-11-13 Kla-Tencor Technologies Corporation Methods and apparatus for inspecting a sample
US7142992B1 (en) * 2004-09-30 2006-11-28 Kla-Tencor Technologies Corp. Flexible hybrid defect classification for semiconductor manufacturing
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
US7570796B2 (en) * 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
WO2007120280A2 (en) * 2005-11-18 2007-10-25 Kla-Tencor Technologies Corporation Methods and systems for utilizing design data in combination with inspection data
JP4723362B2 (ja) * 2005-11-29 2011-07-13 株式会社日立ハイテクノロジーズ 光学式検査装置及びその方法
US7567351B2 (en) 2006-02-02 2009-07-28 Kla-Tencor Corporation High resolution monitoring of CD variations
JP2009014510A (ja) 2007-07-04 2009-01-22 Hitachi High-Technologies Corp 検査方法及び検査装置
US7715997B2 (en) * 2007-09-11 2010-05-11 Kla-Tencor Technologies Corporation Intelligent inspection based on test chip probe failure maps
JP2013122393A (ja) * 2011-12-09 2013-06-20 Toshiba Corp 欠陥検査装置および欠陥検査方法
US9581430B2 (en) 2012-10-19 2017-02-28 Kla-Tencor Corporation Phase characterization of targets
US8948494B2 (en) * 2012-11-12 2015-02-03 Kla-Tencor Corp. Unbiased wafer defect samples
US8912495B2 (en) 2012-11-21 2014-12-16 Kla-Tencor Corp. Multi-spectral defect inspection for 3D wafers
US10769320B2 (en) 2012-12-18 2020-09-08 Kla-Tencor Corporation Integrated use of model-based metrology and a process model
US9291554B2 (en) 2013-02-05 2016-03-22 Kla-Tencor Corporation Method of electromagnetic modeling of finite structures and finite illumination for metrology and inspection
US9619876B2 (en) * 2013-03-12 2017-04-11 Kla-Tencor Corp. Detecting defects on wafers based on 2D scatter plots of values determined for output generated using different optics modes
US9389349B2 (en) 2013-03-15 2016-07-12 Kla-Tencor Corporation System and method to determine depth for optical wafer inspection
US9696264B2 (en) 2013-04-03 2017-07-04 Kla-Tencor Corporation Apparatus and methods for determining defect depths in vertical stack memory
KR20140122608A (ko) * 2013-04-10 2014-10-20 삼성전자주식회사 디펙의 깊이 정보 추출 장치 및 방법과 그 디펙의 깊이 정보를 이용한 반도체 공정 개선방법
US9772297B2 (en) 2014-02-12 2017-09-26 Kla-Tencor Corporation Apparatus and methods for combined brightfield, darkfield, and photothermal inspection
US9816939B2 (en) * 2014-07-22 2017-11-14 Kla-Tencor Corp. Virtual inspection systems with multiple modes
US9518934B2 (en) * 2014-11-04 2016-12-13 Kla-Tencor Corp. Wafer defect discovery
US9816940B2 (en) 2015-01-21 2017-11-14 Kla-Tencor Corporation Wafer inspection with focus volumetric method
US9797846B2 (en) * 2015-04-17 2017-10-24 Nuflare Technology, Inc. Inspection method and template
WO2017168630A1 (ja) * 2016-03-30 2017-10-05 株式会社日立ハイテクノロジーズ 欠陥検査装置、欠陥検査方法
US10887580B2 (en) * 2016-10-07 2021-01-05 Kla-Tencor Corporation Three-dimensional imaging for semiconductor wafer inspection

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1620601A (zh) * 2001-03-27 2005-05-25 Aoti营运有限公司 半导体中的微缺陷的检测和分类
US20030227618A1 (en) * 2002-05-06 2003-12-11 Applied Materials Israel Ltd High speed laser scanning inspection system
CN1504742A (zh) * 2002-11-28 2004-06-16 威光机械工程股份有限公司 印刷电路板上瑕疵组件的自动光学检测系统
JP2006079000A (ja) * 2004-09-13 2006-03-23 Olympus Corp 光走査型観察装置
US7570797B1 (en) * 2005-05-10 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for generating an inspection process for an inspection system
US20150233840A1 (en) * 2009-01-13 2015-08-20 Semiconductor Technologies & Instruments Pte Ltd System and method for inspecting a wafer
DE102012009836A1 (de) * 2012-05-16 2013-11-21 Carl Zeiss Microscopy Gmbh Lichtmikroskop und Verfahren zur Bildaufnahme mit einem Lichtmikroskop
CN102788752A (zh) * 2012-08-08 2012-11-21 江苏大学 基于光谱技术的农作物内部信息无损检测装置及方法
CN104854677A (zh) * 2012-10-15 2015-08-19 科磊股份有限公司 使用缺陷特定的信息检测晶片上的缺陷
US20140139830A1 (en) * 2012-11-21 2014-05-22 Kla-Tencor Corporation Apparatus and methods for detecting defects in vertical memory
US20160123894A1 (en) * 2014-10-31 2016-05-05 Kla-Tencor Corporation Measurement Systems Having Linked Field And Pupil Signal Detection
US20160153914A1 (en) * 2014-12-02 2016-06-02 Kla-Tencor Corporation Inspection systems and techniques with enhanced detection
CN106092891A (zh) * 2016-08-11 2016-11-09 广东工业大学 一种共焦三维光谱显微成像方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RIK JONCKHEERE ET AL: "Additional evidence of EUV blank defects first seen by wafer printing", 《PROC. OF SPIE》 *
胡良梅 等: "聚焦性检测与彩色信息引导的光场图像深度提取", 《中国图像图形学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114207795A (zh) * 2019-08-07 2022-03-18 科磊股份有限公司 结合光学及电子束检验的半导体热点及工艺窗的发现
CN114207795B (zh) * 2019-08-07 2023-05-23 科磊股份有限公司 确定半导体制造工艺窗的方法、系统及计算机可读存储媒体
CN114599934A (zh) * 2019-10-31 2022-06-07 卡尔蔡司Smt有限责任公司 用于测量har结构的形状偏差的fib-sem 3d断层成像术
CN114667596A (zh) * 2019-11-21 2022-06-24 科磊股份有限公司 基于噪声特性而对次关注区域进行聚类
CN114667596B (zh) * 2019-11-21 2023-08-18 科磊股份有限公司 基于噪声特性而对次关注区域进行聚类
CN115151787A (zh) * 2020-02-20 2022-10-04 科磊股份有限公司 用于以x射线为基础的计量学的晶片倾斜的测量及控制
CN113241310A (zh) * 2021-05-28 2021-08-10 长江存储科技有限责任公司 晶圆缺陷的检测方法、检测装置、检测设备及可读存储介质
WO2023077675A1 (zh) * 2021-11-05 2023-05-11 东方晶源微电子科技（北京）有限公司 基于探测器通道的自动对焦方法和装置、设备及存储介质
CN117269735A (zh) * 2023-11-21 2023-12-22 甘肃送变电工程有限公司 基于电磁微波手段的电力工器具智能电子芯片检测方法
CN117269735B (zh) * 2023-11-21 2024-01-23 甘肃送变电工程有限公司 基于电磁微波手段的电力工器具智能电子芯片检测方法

Also Published As

Publication number Publication date
WO2018102596A3 (en) 2018-07-26
US11047806B2 (en) 2021-06-29
KR20190082911A (ko) 2019-07-10
JP7080884B2 (ja) 2022-06-06
TWI774708B (zh) 2022-08-21
TW201833539A (zh) 2018-09-16
WO2018102596A2 (en) 2018-06-07
CN109964116B (zh) 2022-05-17
JP2020501358A (ja) 2020-01-16
KR102438824B1 (ko) 2022-08-31
US20180149603A1 (en) 2018-05-31

Similar Documents

Publication Publication Date Title
CN109964116A (zh) 用于三维半导体结构的检验的缺陷发现及配方优化
CN109791897B (zh) 用于半导体晶片检验的三维成像
CN113302728B (zh) 利用自动产生缺陷特征检验半导体结构的方法及系统
KR102235580B1 (ko) 반도체 웨이퍼 검사를 위한 결함 마킹
KR102495770B1 (ko) Ｘ-선 산란계측 시스템들을 위한 전체 빔 계측
CN107209125B (zh) 以聚焦体积方法的晶片检验
JP2020115132A (ja) 多重モードを備えた検査システム及び方法
CN106461581B (zh) 基于来自光学检验及光学重检的缺陷属性的用于电子束重检的缺陷取样
KR20220137759A (ko) 표본 상의 어레이 영역에서의 결함 검출

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