CN110383441B - 使用经预测的计量图像的计量配方产生 - Google Patents

使用经预测的计量图像的计量配方产生 Download PDF

Info

Publication number
CN110383441B
CN110383441B CN201780086236.3A CN201780086236A CN110383441B CN 110383441 B CN110383441 B CN 110383441B CN 201780086236 A CN201780086236 A CN 201780086236A CN 110383441 B CN110383441 B CN 110383441B
Authority
CN
China
Prior art keywords
metrology
predicted
tool
sample
dimensional model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780086236.3A
Other languages
English (en)
Other versions
CN110383441A (zh
Inventor
M·D·史密斯
房超
B·达菲
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 CN110383441A publication Critical patent/CN110383441A/zh
Application granted granted Critical
Publication of CN110383441B publication Critical patent/CN110383441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • 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
    • G06T2207/20081—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种计量系统包含通信地耦合到计量工具的控制器。所述控制器可：产生样本的三维模型；基于所述三维模型产生对应于运用所述计量工具对所述样本进行的经预测分析的经预测的计量图像；评估用于从所述一或多个经预测的计量图像提取计量测量的两个或两个以上候选计量配方；基于一或多个选择计量从用于从来自所述计量工具的结构的图像提取计量测量的所述两个或两个以上候选计量配方选择计量配方；基于经制造结构的计量测量从所述计量工具接收所述经制造结构的输出计量图像；及基于所述计量配方从所述输出计量图像提取与所述经制造结构相关联的所述计量测量。

Description

使用经预测的计量图像的计量配方产生
相关申请案的交叉参考
本申请案根据35 U.S.C.§ 119(e)规定主张指定方超(Chao Fang)、马克D.史密斯(Mark D.Smith)及布莱恩·达菲(Brian Duffy)为发明者的2016年12月19日申请的标题为从模拟/产生图像设置计量及检验配方(SETTING UP METROLOGY AND INSPECTION RECIPESFROM SIMULATED/GENERATED IMAGES)的第62/435,977号美国临时申请案号的权利，所述申请案的全文以引用的方式并入本文中。
技术领域
本申请案大体上涉及计量，且更特定来说，涉及计量配方的产生。
背景技术
计量系统通常利用计量配方来执行样本的计量。例如，基于图像的计量系统的计量配方可包含(但不限于)：使用计量工具产生具有选定参数的样本的图像；及对所述所得图像执行一或多个图像分析步骤以提取所要计量测量。计量系统的关键性能指标(例如测量准确度、对样本及/或环境偏差的敏感度或类似者)可关键地取决于用于产生测量的计量配方。然而，针对高度敏感应用(例如半导体制造)选择计量配方通常是耗时及高成本过程，其需要使用昂贵设备进行多次实验。因此，将期望提供一种解决例如上文所识别的缺点的系统及方法。
发明内容
根据本发明的一或多个说明性实施例揭示一种计量系统。在一个说明性实施例中，所述系统包含通信地耦合到计量工具的控制器。在另一说明性实施例中，所述控制器产生包含待通过所述计量工具分析的结构的一或多个例子的样本的三维模型。在另一说明性实施例中，所述控制器基于所述三维模型产生对应于运用所述计量工具对所述样本进行的经预测分析的经预测的计量图像。在另一说明性实施例中，所述控制器评估用于从所述一或多个经预测的计量图像提取计量测量的两个或两个以上候选计量配方。在另一说明性实施例中，所述控制器基于一或多个选择指标从用于从来自所述计量工具的结构的图像提取计量测量的所述两个或两个以上候选计量配方选择计量配方。在另一说明性实施例中，所述控制器基于经制造结构的计量测量从所述计量工具接收所述经制造结构的输出计量图像。在另一说明性实施例中，所述控制器基于所述计量配方从所述输出计量图像提取与所述经制造结构相关联的所述计量测量。
根据本发明的一或多个说明性实施例揭示一种计量系统。在一个说明性实施例中，所述系统包含计量工具。在另一说明性实施例中，所述系统包含通信地耦合到所述计量工具的控制器。在另一说明性实施例中，所述控制器产生包含待通过所述计量工具分析的结构的一或多个例子的样本的三维模型。在另一说明性实施例中，所述控制器基于所述三维模型产生对应于运用所述计量工具对所述样本进行的经预测分析的经预测的计量图像。在另一说明性实施例中，所述控制器评估用于从所述一或多个经预测的计量图像提取计量测量的两个或两个以上候选计量配方。在另一说明性实施例中，所述控制器基于一或多个选择指标从用于从来自所述计量工具的结构的图像提取计量测量的所述两个或两个以上候选计量配方选择计量配方。在另一说明性实施例中，所述控制器基于经制造结构的计量测量从所述计量工具接收所述经制造结构的输出计量图像。在另一说明性实施例中，所述控制器基于所述计量配方从所述输出计量图像提取与所述经制造结构相关联的所述计量测量。
根据本发明的一或多个说明性实施例揭示一种计量方法。在一个说明性实施例中，所述方法包含产生包含待通过计量工具分析的结构的一或多个例子的样本的三维模型。在另一说明性实施例中，所述方法包含基于所述三维模型产生对应于运用所述计量工具对所述样本进行的经预测分析的经预测的计量图像。在另一说明性实施例中，所述方法包含评估用于从所述一或多个经预测的计量图像提取计量测量的两个或两个以上候选计量配方。在另一说明性实施例中，所述方法包含基于一或多个选择指标从用于从来自所述计量工具的结构的图像提取计量测量的所述两个或两个以上候选计量配方选择计量配方。在另一说明性实施例中，所述方法包含执行经制造结构的计量测量以产生输出计量图像。在另一说明性实施例中，所述方法包含基于所述计量配方从所述输出计量图像提取与所述经制造结构相关联的所述计量测量。
应理解，前文概述及下文详述两者都仅为示范性及说明性且并不一定限制如所主张的本发明。并入说明书中且构成说明书的部分的附图说明本发明的实施例，且连同概述一起用于说明本发明的原理。
附图说明
所属领域的技术人员通过参考附图可更好理解本发明的许多优点，其中：
图1A是说明根据本发明的一或多个实施例的半导体装置计量系统的概念图。
图1B是说明根据本发明的一或多个实施例的光学计量工具的概念图。
图1C是根据本发明的一或多个实施例的经配置为粒子束计量工具的计量工具的概念图。
图2是说明根据本发明的一或多个实施例的在用于计量的方法中所执行的步骤的流程图。
图3A是根据本发明的一或多个实施例的叠加结构(可针对其产生用于提取叠加计量测量的计量配方)的模型的透视图。
图3B是根据本发明的一或多个实施例的与图3A的横截面相关联的叠加结构的横截面视图。
图4是根据本发明的一或多个实施例的包含图3A及3B中的叠加结构的多个例子的样本的经预测的计量图像。
图5A是根据本发明的一或多个实施例的包含叠加结构的单个例子的经预测的计量图像的部分的图像。
图5B包含根据本发明的一或多个实施例的图5A的修改版本，其中已识别矩形图案元件及开口圆图案的边缘。
图6A是根据本发明的一或多个实施例的说明包含矩形图案元件的边缘及开口圆图案的边缘的经预测的计量图像的部分的图像。
图6B是根据本发明的一或多个实施例的跨图6A的单条像素线的像素强度的标绘图。
图7A包含根据本发明的一或多个实施例的说明与系统地变化的叠加值相关联的经预测的计量图像的所关注区域的一系列经修改图像。
图7B是根据本发明的一或多个实施例的与图7A中的所关注区域中的每一者相关联的叠加计量测量的标绘图。
图8A是根据本发明的一或多个实施例的说明所关注区域的与具有结构的多个例子的经制造样本的分析相关联的经修改的输出计量图像。
图8B是根据本发明的一或多个实施例的与图8A的所关注区域中的每一者相关联的叠加计量测量的标绘图。
具体实施方式
现将详细参考所揭示的目标，所述目标是说明于附图中。已尤其参考某些实施例及其特定特征来展示及描述本发明。本文中所阐释的实施例应被视为具说明性而非限制性。所属领域的一般技术人员将易于明白，可在不脱离本发明的精神及范围的情况下做出形式及细节的各种改变及修改。
本发明的实施例涉及制订计量配方以通过以下各项来执行选定结构的计量测量：产生包含待分析的结构的样本的三维模型；通过预测所述样本的计量图像来产生经预测的计量图像；及基于所述经预测的计量图像产生计量配方。在此方面，可在无需制造及分析测试样本的时间及支出的情况下产生计量配方。
本发明的实施例涉及产生用于从基于图像的计量系统提取计量测量的计量配方。基于图像的计量系统(在本发明中被简称为计量系统)通常提供样本的图像(例如，计量图像)及随后利用包含一或多个图像分析步骤的计量配方以从所述计量图像提取一或多个计量测量。此外，基于图像的计量系统通常可提供广泛范围的计量测量。例如，计量测量可包含指示样本上的两个或两个以上层之间的相对对准的叠加测量。通过另一实例，计量测量可包含制造于所述样本上的图案的大小、形状、侧壁角及/或定向的测量。例如，计量测量可包含(但不限于)：关键尺寸(CD)测量、侧壁角测量、线粗糙度测量或线宽测量。通过另一实例，计量测量可包含图案化样本或未图案化样本上的检测缺陷(例如，缺陷检验)。出于本发明的目的，术语计量系统及检验系统应被解释为可互换。
本发明的额外实施例涉及产生包含选定结构的一或多个例子的样本的经预测的计量图像。所述经预测的计量图像可对应于使用运用选定测量参数操作的选定计量工具的所述样本的经预测的输出图像。可以所属领域中已知的任何方式来产生所述经预测的计量图像，例如(但不限于)：使用启发式模型模拟样本的图像；基于仿真选定计量工具的操作(例如，仿真)的严格数值模拟；或基于一组训练图像预测输出图像的深度生成建模(DGM)。
本发明的额外实施例涉及产生样本的三维模型以用作产生经预测的计量图像的输入。如贯穿本发明所使用，术语“样本”可是指适用于计量系统中的测量的任何对象。例如，样本可包含(但不限于)由半导体或非半导体材料形成的未图案化衬底(例如，晶片或类似者)。半导体或非半导体材料可包含(但不限于)：单晶硅、砷化镓及磷化铟。通过另一实例，样本可包含图案化晶片。样本可因此包含一或多个层。例如，此类层可包含(但不限于)：抗蚀剂、电介质材料、导电材料及半导体材料。许多不同类型的此类层在所属领域中已知，且如本文中所使用的术语样本希望涵盖其上可形成所有类型的此类层的样本。通过另一实例，样本可包含光罩。此外，出于本发明的目的，术语样本、晶片及光罩应被解释为可互换。
半导体装置通常可形成为多个印刷元件层。可通过一系列加成或减成工艺步骤(例如但不限于：一或多个材料沉积步骤、一或多个光刻步骤、一或多个蚀刻步骤或一或多个剥离步骤)来制造样本上的与处理层相关联的印刷特征。所述样本的三维模型可因此包含由一或多个印刷元件层形成的一或多个图案的表示。此外，所述三维模型可包含所述一或多个图案化层的化学、机械、电或光学性质的任何组合。在此方面，经预测的计量图像可基于样本的已知性质。本发明的进一步实施例涉及通过预测(例如，经由模拟、仿真、DGM或类似者)与运用选定工艺工具使用选定过程条件制造样本相关联的一或多个工艺步骤来产生三维模型。在此方面，三维模型可为制成结构的准确表示。
本发明的额外实施例涉及产生并入有至少一个噪声源的经预测的计量图像。本文中应认识到，使用选定计量工具对经制造样本进行的计量测量可遭受可使输出计量图像降级的各种噪声源。例如，噪声源可与可控制现象相关联，例如(但不限于)：成像光束的振动、波动，响应于入射电子束或离子束的自动带电，或成像系统中的像差。通过另一实例，噪声源可包含随机(stochastic)(例如，随机(random))噪声，例如(但不限于)与通过样本吸收光子相关联的光子散粒噪声、检测器散粒噪声或类似者。本文中应进一步认识到，不同计量配方对不同类型的噪声可具有不同敏感度。本发明的进一步实施例涉及选择计量配方的一或多个方面对预计存在的噪声的类型具有弹性以用于在选定计量工具中对经制造样本进行分析。
在此方面，基于经预测的计量图像产生的计量配方在应用于经制造样本时可提供(例如，在所要性能规格内的)高度准确计量测量。因此，基于经预测的计量图像产生计量配方可提供有效计量配方确定，其可转化为用于半导体制造的所有阶段的灵活计量解决方案。此外，本文中所描述的系统及方法可促进基于经预测的计量图像的灵活性及可扩展性产生复杂及/或微调的计量配方。
图1A是说明根据本发明的一或多个实施例的半导体装置计量系统100的概念图。在一个实施例中，所述计量系统100包含计量工具102。例如，所述计量工具102可产生样本的一或多个部分的图像。在另一实施例中，计量系统100包含控制器104。在另一实施例中，所述控制器104包含经配置以执行维持于存储器装置108上的程序指令的一或多个处理器106。在此方面，控制器104的一或多个处理器106可执行贯穿本发明所描述的各种工艺步骤中的任一者。例如，控制器104可使用所属领域中已知的任何方法从计量图像(例如，经预测的计量图像或来自计量工具102的计量图像)提取任何计量测量(例如，叠加测量、样本特征的尺寸、关键尺寸(CD)、侧壁角、经检测缺陷或类似者)。
控制器104的一或多个处理器106可包含所属领域中已知的任何处理元件。在此意义上，一或多个处理器106可包含经配置以执行算法及/或指令的任何微处理器类型装置。在一个实施例中，一或多个处理器106可由桌面计算机、主计算机系统、工作站、图像计算机、平行处理器或经配置以执行程序(所述程序经配置以操作计量系统100)的任何其它计算机系统(例如，网络计算机)组成，如贯穿本发明所描述。应进一步认识到，术语“处理器”可经广泛定义以涵盖具有一或多个处理元件的任何装置，所述一或多个处理元件执行来自非暂时性存储器装置108的程序指令。此外，可通过单个控制器104或替代性地多个控制器来执行贯穿本发明所描述的步骤。此外，控制器104可包含容置于共同外壳中或多个外壳内的一或多个控制器。以此方式，任何控制器或控制器组合可被单独封装为适于集成到计量系统100中的模块。此外，控制器104可分析从检测器126接收的数据及将所述数据馈送到计量工具102内或计量系统100外的额外组件。
存储器装置108可包含所属领域中已知的适于存储可通过相关联的一或多个处理器106执行的程序指令的任何存储媒体。例如，存储器装置108可包含非暂时性存储器媒体。通过另一实例，存储器装置108可包含(但不限于)只读存储器、随机存取存储器、磁性或光学存储器装置(例如，磁盘)、磁带、固态驱动器及类似者。应进一步注意，存储器装置108可与一或多个处理器106一起容置于共同控制器外壳中。在一个实施例中，存储器装置108可相对于一或多个处理器106及控制器104的物理位置而远距离定位。例如，控制器104的一或多个处理器106可存取可通过网络(例如，因特网、内部网络及类似者)存取的远程存储器(例如，服务器)。因此，上文描述不应被解释为限制本发明而仅为图解说明。
现参考图1B及1C，更详细描述计量系统100的各种组件。
计量工具102可包含所属领域中已知的任何类型的计量装置。例如，计量工具102可运用照明光束照明样本且可进一步收集响应于所述照明光束从所述样本发出的辐射。所述照明光束可包含适于探测样本的任何类型的照明光束，例如(但不限于)：光束(例如，光子)、电子束或离子束。此外，从样本发出的所述辐射可包含光子、电子、离子、中性粒子或类似者。因此，计量工具102可包含光学计量工具、电子束计量工具、扫描电子显微镜(SEM)、离子束计量工具或类似者。
计量工具102可进一步在直接成像模式或扫描成像模式中操作。例如，在直接成像模式中操作的计量工具102可照明大于系统分辨率的样本的部分且在检测器上捕获样本的所述经照明部分的图像。所述经捕获图像可为所属领域中已知的任何类型的图像，例如(但不限于)：明场图像、暗场图像、相位对比图像或类似者。此外，经捕获图像可(例如，通过计量工具102，通过控制器104或类似者)拼接在一起以形成样本的合成图像。通过另一实例，在扫描模式中操作的计量工具102可跨样本扫描聚焦光束且在一或多个检测器上以一或多个测量角度捕获从样本发出的辐射及/或粒子。可通过(例如，使用振镜、压电镜或类似者)修改光束路径及/或通过平移样本通过聚焦光束的聚焦体积而跨所述样本扫描所述聚焦光束。可接着(例如，通过计量工具102，通过控制器104或类似者)将经捕获辐射拼接在一起以形成样本的合成图像。
图1B是说明根据本发明的一或多个实施例的光学计量工具102的概念图。在一个实施例中，所述计量工具102包含经配置以产生照明光束112的照明源110。所述照明光束112可包含一或多个选定光波长，包含(但不限于)紫外线(UV)辐射、可见辐射或红外线(IR)辐射。
照明源110可为所属领域中已知的适于产生光学照明光束112的任何类型的照明源。在一个实施例中，照明源110包含宽带等离子体(BBP)照明源。在此方面，照明光束112可包含通过等离子体发射的辐射。例如，BBP照明源110可包含(但并非必须包含)一或多个泵浦源(例如，一或多个激光器)，所述一或多个泵浦源经配置以将泵浦光聚焦到气体的体积中，引起能量被所述气体吸收以产生或维持适于发射辐射的等离子体。此外，等离子体辐射的至少一部分可用作照明光束112。在另一实施例中，照明源110可包含一或多个激光器。例如，照明源110可包含所属领域中已知的能够发射电磁波频谱的红外线、可见或紫外线部分中的辐射的任何激光器系统。
在另一实施例中，照明源110经由照明路径118将照明光束112引导到安置于样本载台116上的样本114。照明路径118可包含适于修改及/或调节照明光束112的一或多个透镜120或额外光学组件122。例如，所述一或多个光学组件122可包含(但不限于)：一或多个偏光器、一或多个滤波器、一或多个光束分离器、一或多个扩散器、一或多个均质器、一或多个变迹器或一或多个光束成形器。在另一实施例中，计量工具102包含将照明光束112聚焦到样本114上的物镜124。
在另一实施例中，计量工具102包含经配置以通过集光路径128捕获从样本114发出的辐射的检测器126。例如，检测器126可接收通过集光路径128中的元件(例如，物镜124、一或多个集光透镜130或类似者)提供的样本114的图像。集光路径128可进一步包含用以引导及/或修改通过物镜124收集的照明的任何数目个集光光学元件132，包含(但不限于)一或多个滤波器、一或多个偏光器或一或多个光束挡块(beam block)。
检测器126可包含所属领域中已知的适于测量从样本114接收的照明的任何类型的光学检测器。例如，检测器126可包含(但不限于)：CCD检测器、TDI检测器、光电倍增管(PMT)、雪崩光电二极管(APD)或类似者。在另一实施例中，检测器126可包含适于识别从样本114发出的辐射的波长的光谱检测器。在另一实施例中，计量工具102可包含(例如，与通过一或多个光束分离器产生以促进通过计量工具102的多个计量测量的多个光束路径相关联的)多个检测器126。
在一个实施例中，如图1B中所说明，计量工具102可包含经定向使得物镜124可同时将照明光束112引导到样本114且收集从样本114发出的辐射的光束分离器134。在此方面，计量工具102可以落射照明(epi-illumination)模式配置。在另一实施例中，照明光束112在样本114上的入射角是可调整的。例如，照明光束112穿过光束分离器134及物镜124的路径可经调整以控制照明光束112在样本114上的入射角。
在另一实施例中，计量工具102通信地耦合到计量系统100的控制器104。在此方面，控制器104可经配置以接收数据，包含(但不限于)计量图像。
图1C是根据本发明的一或多个实施例的经配置为粒子束计量工具的计量工具102的概念图。在一个实施例中，照明源110包含粒子源(例如，电子束源、离子束源或类似者)使得照明光束112包含粒子束(例如，电子束、离子束或类似者)。照明源110可包含所属领域中已知的适于产生照明光束112的任何粒子源。例如，照明源110可包含(但不限于)电子枪或离子枪。在另一实施例中，照明源110经配置以提供具有可调谐能量的粒子束。例如，包含电子源的照明源110可(但不限于)提供在0.1kV到30kV的范围内的加速电压。作为另一实例，包含离子源的照明源110可(但并非必须)提供具有在1到50keV的范围内的能量的离子束。
在另一实施例中，照明路径118包含一或多个粒子聚焦元件(例如，透镜120或类似者)。例如，所述一或多个粒子聚焦元件可包含(但不限于)：单个粒子聚焦元件或形成复合系统的一或多个粒子聚焦元件。在另一实施例中，一或多个粒子聚焦元件包含经配置以将照明光束112引导到样本114的物镜124。此外，一或多个粒子聚焦元件可包含所属领域中已知的任何类型的电子透镜，包含(但不限于)：静电透镜、磁透镜、单电势透镜或双电势透镜。本文中应注意，如图1C中所描绘的成像计量工具的描述及上文相关联描述是仅为阐释目的而提供且不应被解释为限制。例如，计量工具102可包含所属领域中已知的适于产生关于样本114的计量数据的任何激发源。在另一实施例中，计量工具102包含用于产生两个或两个以上粒子束的两个或两个以上粒子束源(例如，电子束源或离子束源)。在另一实施例中，计量工具102可包含经配置以施加一或多个电压到样本114的一或多个位置的一或多个组件(例如，一或多个电极)。在此方面，计量工具102可产生电压对比成像数据。
在另一实施例中，计量工具102包含使从样本114发出的粒子成像或以其它方式检测从样本114发出的粒子的一或多个粒子检测器126。在一个实施例中，所述检测器126包含电子收集器(例如，二次电子收集器、反向散射电子检测器或类似者)。在另一实施例中，检测器126包含用于检测来自样本表面的电子及/或光子的光子检测器(例如，光电检测器、x射线检测器、耦合到光电倍增管(PMT)检测器的闪烁元件或类似者)。
图2是说明根据本发明的一或多个实施例的在用于计量的方法200中所执行的步骤的流程图。申请者注意到，本文中先前在计量系统100的背景内容中所描述的实施例及致能技术应被解释为扩展到方法200。然而，应进一步注意，方法200并不限于计量系统100的架构。
在一个实施例中，方法200包含产生包含待通过计量工具分析的结构的一或多个例子的样本的三维模型的步骤202。例如，所述步骤202可包含运用计量系统100的控制器104产生包含待通过计量工具102分析的结构的一或多个例子的样本的三维模型。
待分析的结构可包含适于制造及运用计量工具分析的任何类型的结构。此外，待分析的结构可预期用于任何目的。例如，所述结构可包含对样本上的两个或两个以上层的相对对准敏感的叠加目标。通过另一实例，所述结构可包含对制造期间的照明能量的剂量敏感的剂量监测目标。通过另一实例，所述结构可包含对制造期间样本在光刻工具中的位置敏感的焦点监测目标。通过另一实例，所述结构可包含适于检验制造缺陷的任何图案元件或系列图案元件。
大体上参考图3A到7B，描述产生用以从叠加目标提取叠加计量测量的计量配方。然而，应理解，图3A到7B连同下文相关联描述是仅为阐释目的而提供且不应被解释为限制。针对所关注的任何类型的样本上的所关注的任何类型的结构所产生的计量配方是在本发明的精神及范围内。
图3A是根据本发明的一或多个实施例的叠加结构302(可针对其产生用于提取叠加计量测量的计量配方)的模型的透视图。图3B是根据本发明的一或多个实施例的与图3A的横截面304相关联的所述叠加结构302的横截面视图。
如本文中先前所描述，所关注的结构(例如，需要相关联计量测量的结构)可包含样本上的一或多个图案化材料层。在一个实施例中，三维模型包含由一或多个图案化材料层形成的一或多个图案元件的表示。例如，三维模型可包含一或多个层上的图案元件的大小、形状及/或定向。此外，三维模型可包含图案化材料层的组合物。
参考图3A及3B，叠加结构302的三维模型可包含：衬底层306(例如，半导体晶片或类似者)，在所述衬底层306上沉积额外层；第一组的一或多个图案元件308，其位于第一层310上；及第二组的一或多个图案元件312，其位于第二层314上。例如，如图3A及图3B中所说明，所述第一组的一或多个图案元件308可包含(但不限于)矩形图案元件且所述第二组的一或多个图案元件312可包含(但不限于)标称居中于所述矩形图案元件的开口圆图案。在此方面，所述矩形图案元件在运用计量工具产生的结构的图像中可见，且叠加计量指标可包含所述矩形图案元件相对于所述开口圆图案的中心位置的相对位置。应注意，叠加结构302可(但并非必须)适用于使用电子束计量工具(例如，图1C中所说明的计量工具102或类似者)的叠加测量。
三维模型可进一步包含可能未直接与所关注的计量指标相关联的样本层的一或多个部分。例如，三维模型可包含可对结构提供结构支撑的一或多个填充层。例如，如图3B中所说明，三维模型可包含位于第一层310中的第一填充层316及位于第二层314中的第二填充层318。
在另一实施例中，三维模型包含所关注结构的尺寸。例如，第一组的一或多个图案元件308及第一填充层316可具有50nm的标称厚度，第二组的一或多个图案元件312可具有60nm的标称厚度，且第二填充层318可具有70nm的厚度。此外，第一组的一或多个图案元件308可具有18nm的标称宽度，且第二组的一或多个图案元件312可具有70nm的标称直径。
在另一实施例中，三维模型包含相关联材料层的组合物。例如，衬底层306及第一组的一或多个图案元件308可由硅形成，第一填充层316及第二组的一或多个图案元件312可由二氧化硅形成，且第二填充层318可由抗蚀剂材料制成。在另一实施例中，三维模型包含若干性质，例如(但不限于)一或多个材料层的化学、机械、电或光学性质。
在另一实施例中，三维模型是基于结构的设计。例如，三维模型可包含相关联材料层上的图案元件的大小、形状、侧壁角、定向、组合物、性质或类似者的标称设计值。
在另一实施例中，三维模型是基于经预测值。例如，步骤202可包含基于运用选定工艺工具制造结构而预测所述结构的一或多个方面。在此方面，三维模型可考虑经制造结构与设计值的偏差。例如，样本上的经暴露图案元件可归因于光刻工具的有限分辨率、像差、紊流、衍射效应、散射效应及类似者而偏离(例如，与图案掩模相关联的)经设计图案元件。通过另一实例，通过蚀刻样本层的部分(例如，经暴露部分或未暴露部分)而产生的图案元件可归因于所述样本的经暴露部分与未暴露部分之间的有限蚀刻对比率、扩散效应或类似者而偏离经暴露的图案元件。因此，步骤202可基于制造工艺的特定考虑而预测经制造图案元件的方面。
可使用所属领域中已知的任何方法(例如但不限于，模拟、仿真或机器学习技术)来执行步骤202中的对结构的一或多个方面的预测。
例如，步骤202可包含模拟用于制造结构的选定工艺工具(或工具组)的一或多个工艺步骤。在一个例子中，工艺步骤的模拟可包含使用适于在选定规格内产生结构的三维模型的概念模型、启发法或类似者的模拟。通过另一实例，步骤202可包含仿真，其中复制选定工艺工具(或工具组)的物理、化学、电及/或光学交互以仿真选定工艺工具在选定规格内的操作。
例如，(例如，与光刻工具相关联的)照明光束与样本的光学交互可(但并非必须)使用电磁(EM)解算器予以建模。此外，所述EM解算器可利用所属领域中已知的任何方法，包含(但不限于)：严格耦合波分析(RCWA)、有限元素法分析、矩量法分析、面积分技术、体积分技术或有限差分时域分析。几何引擎实施于(例如)由科磊公司(KLA-TENCOR)提供的AcuShape软件中。此外，基于选定工艺步骤及相关联材料组合物形成结构的多个图案化堆叠的三维模型可实施于(例如)由科磊公司提供的PROLITH软件中。
通过另一实例，步骤202可利用机器学习、神经网络或类似者来基于一组训练图像预测经制造结构的一或多个方面。例如，步骤202可使用深度生成建模(DGM)产生三维模型。此外，可通过所属领域中已知的任何方法产生所述训练图像，例如(但不限于)在系统地变化的制造条件下具有系统地变化的特性的经制造结构的实际或经模拟图像。
本文中应认识到，一些材料的精确组合物及/或性质可取决于制造性质及/或图案元件的大小而改变。例如，薄膜的组合物及/或性质可基于沉积方法以及所述膜的热历史(thermal history)(例如，新近沉积、经退火或类似者)而改变。因此，步骤202中的基于运用选定工艺工具制造结构而预测所述结构的一或多个方面可包含经制造结构的高度准确表示。
在另一实施例中，方法200包含基于三维模型产生对应于运用计量工具对样本进行的经预测分析的一或多个经预测的计量图像的步骤204。例如，步骤204可包含运用控制器104基于三维模型产生对应于运用计量工具102对样本114进行的经预测分析的经预测的计量图像。
在一个实施例中，步骤204中产生的经预测的计量图像包含与基于运用计量工具对样本进行的经预测分析的三维模型的二维投影的经预测偏差。例如，经预测的计量图像可包含用以表示运用计量工具对样本进行的经预测分析的三维模型的投影(例如，基于计量工具的各种组件的特定配置的三维模型的二维投影)。三维模型的所述投影可因此表示可通过计量工具产生的输出图像的一阶预测。此外，三维模型的所述投影可表示(但并非必须表示)理想化经预测图像(例如，实况(ground truth)图像或类似者)。然而，通常可能是如下情况，来自计量工具的实际输出图像包含各种噪声源，使得所述实际输出图像可偏离三维模型的投影。因此，步骤204中所产生的经预测的计量图像可包含与三维模型的投影的经预测偏差。
与三维模型的投影的偏差可经归类为噪声。在此方面，步骤204中所产生的经预测的计量图像可包含多个噪声源。例如，步骤204中所产生的经预测的计量图像可包含与通过计量工具的计量测量相关联的经预测的工具噪声。例如，工具噪声可包含与计量工具的有限分辨率相关联的噪声(例如，表现为模糊)。在另一例子中，工具噪声可包含与机械振动、大气紊流、照明光束的强度波动或类似者相关联的噪声。在另一例子中，工具噪声可包含与运用计量工具对样本的特定构形进行的分析相关联的遮蔽假影。遮蔽假影可存在于(例如)基于扫描照明光束(其跨样本扫描)而逐点产生图像的扫描计量工具中，或直接因基于所述样本的宽带照明使所述样本的部分成像的成像计量工具而存在。在另一例子中，工具噪声可包含检测器噪声，例如(但不限于)饱和效应、不足对比度或类似者。
通过另一实例，步骤204中所产生的经预测的计量图像可包含与跨样本的样本性质(例如，物理性质、构形、化学性质、光学性质或类似者)的变化(其可导致输出计量图像与三维模型的投影的偏差)相关联的经预测的样本噪声。例如，样本构形的变化(例如，紧邻特征边缘及类似者)可引发可表现为图像强度的变化的电子束计量工具中的跨样本的不均匀带电效应。此外，此类带电效应可取决于计量工具或计量配方的特定特性，例如(但不限于)照明光束的扫描速率、所述照明光束的能量或强度，或测量期间的视野。可在步骤204中预测此类图像强度变化以提供通过计量工具产生的特定样本的图像的准确预测。
此外，样本噪声可包含归因于制造工艺的变化(例如，工艺变化)的经制造样本与三维模型的经预测偏差。例如，可能是如下情况，经制造结构的样本的物理特性(例如，图案放置误差、叠加值、层厚度、侧壁角或类似者)可跨晶片及/或跨不同生产运行而改变。因此，步骤204中所产生的经预测的计量图像可包含样本自身与三维模型的投影的经预测偏差。
通过另一实例，步骤204中所产生的经预测的计量图像可包含与制造工艺或计量过程中的任何点相关联的经预测随机(stochastic)(例如，随机(random))噪声。例如，步骤204中所产生的经预测的计量图像可包含计量工具中的检测器的经预测的散粒噪声、与在制造及/或计量期间通过样本吸收光子相关联的光子散粒噪声或类似者。
此外，与结构的制造或计量工具中的测量相关联的噪声源可在所述计量工具的输出计量图像中以多种方式表现。因此，步骤204中所产生的经预测的计量图像可包含噪声的不同表现。此外，可能是如下情况，多个噪声源可在经预测的计量图像中以相同方式表现。例如，经预测的计量图像可包含表现为光斑的白噪声。通过另一实例，经预测的计量图像可包含高斯(Gaussian)噪声或模糊。通过另一实例，经预测的计量图像可包含结构的失真，例如(但不限于)线边缘粗糙度(LER)、线宽粗糙度(LWR)或圆角。通过另一实例，经预测的计量图像可包含系统强度噪声。例如，SEM图像中的材料带电可表现为可产生构形变化的假外观的较亮像素(例如，增强的灰阶强度)。
在步骤204中可通过所属领域中已知的任何方法产生经预测的计量图像。在一个实施例中，步骤204包含运用步骤202的三维模型的投影卷积一或多个噪声分布。在另一实施例中，步骤204基于三维模型及经预测的噪声源直接产生一或多个经预测的计量图像。在此方面，不需要单独产生三维模型的理想投影。
在步骤204中可使用各种技术(例如但不限于，模拟、仿真或机器学习技术)来产生一或多个经预测的计量图像。
例如，步骤204可包含用于产生经预测的计量图像的计量模拟。在一个例子中，计量工具的模拟可包含适于在选定规格内提供表示所述计量工具的输出的图像的使用概念模型、启发法或类似者的模拟。通过另一实例，步骤204可包含仿真，其中复制计量工具与样本的物理、化学、电及/或光学交互以仿真所述计量工具在选定规格内的操作。
例如，光学照明光束与样本的交互可(但并非必须)使用电磁(EM)解算器予以建模。在另一例子中，粒子照明光束的交互可使用SEM模拟器(例如，CD-SEM模拟器或类似者)予以建模。SEM模拟器是实施于(例如)由科磊公司提供的PROLITH软件中。在另一例子中，光学照明光束或粒子照明光束与样本的交互可通过所属领域中已知的任何方法实施，包含(但不限于)：严格耦合波分析(RCWA)、有限元素法分析、矩量法分析、面积分技术、体积分技术或有限差分时域分析。几何引擎是实施于(例如)由科磊公司提供的AcuShape软件中。
通过另一实例，步骤204可利用机器学习、神经网络或类似者来产生经预测的计量图像。例如，步骤204可使用深度生成建模(DGM)产生三维模型。此外，可通过所属领域中已知的任何方法产生训练图像，例如(但不限于)具有运用计量工具分析的系统地变化的特性的经制造结构的实际或经模拟图像。
步骤204可包含产生表示计量工具的经预测输出的任何数目个经预测的计量图像。此外，步骤204中所产生的经预测的计量图像可包含在步骤202中予以建模的所关注结构的任何数目个例子。
例如，步骤204可包含一系列图像(作为合成图像的子图像或作为分离图像)，其中改变制造或计量测量的一或多个方面。例如，步骤204中所产生的一或多个计量图像可包含相同经制造结构的多个预测(例如，模拟、仿真或类似者)。在此方面，可评估特定噪声源(例如但不限于，随机噪声源)的效应。在另一例子中，步骤204中所产生的一或多个计量图像可包含所关注结构的多个例子，其中系统地改变所述结构的一或多个属性(例如，叠加值、层厚度、侧壁角或类似者)以表示制造工艺中的系统变化。在此方面，可评估所述制造工艺中的偏差的影响。
图4是根据本发明的一或多个实施例的包含图3A及3B中的叠加结构302的多个例子404的样本的经预测的计量图像402。产生图4中的所述经预测的计量图像402的每一例子404，其具有不同叠加值，或第一组的一或多个图案元件308的矩形图案元件与第二组的一或多个图案元件312的开口圆图案之间的相对位置。
此外，经预测的计量图像402包含叠加于叠加结构302的例子404上的多个噪声源。例如，表现为光斑的白噪声是跨整个图像并入，但可尤其在区域406中观察到。通过另一实例，经预测的计量图像402包含定位于第二组的一或多个图案元件312的开口圆图案的边缘408上的带电噪声，所述带电噪声指示在通过计量工具(例如，图1C中所说明的计量工具102)分析期间电子束的经预测带电。
在另一实施例中，方法200包含评估用于从一或多个经预测的计量图像提取计量测量的两个或两个以上候选计量配方的步骤206。
计量配方可包含用于分析结构的图像以提取所述经制造结构的所要计量测量的一或多个步骤。例如，计量配方可包含调整一或多个图像参数，例如(但不限于)对比度或亮度。通过另一实例，计量配方可包含制备图像的一或多个图像处理步骤。例如，计量配方可包含(但并非必须包含)应用一或多个图像滤波器(例如，光斑减少滤波器、高斯模糊滤波器、锐化滤波器或类似者)、形态学图像处理技术(例如，图像打开、图像闭合或类似者)、边缘寻找技术、对象辨识技术或类似者。通过另一实例，计量配方可包含选择所关注的一或多个区域以用于分析。通过另一实例，计量配方可包含分析像素值以确定指示所要计量测量的图案、阈值或类似者。
参考图5A到6B，说明与用于测量图4中的经预测的计量图像402的部分上的叠加的候选计量配方相关联的可能步骤。然而，应理解，图5A到6B仅为阐释目的而提供且不应被解释为限制。例如，步骤206中所产生的候选计量配方可基于整个经预测的计量图像或计量图像的选定部分而产生。此外，步骤206中所产生的候选计量配方可包含不同于本文中所说明的步骤或除本文中所说明的步骤之外的适于提取所要计量指标的任何数目个步骤。
图5A是根据本发明的一或多个实施例的包含叠加结构302的单个例子的经预测的计量图像402的部分的图像502。例如，图5A包含两个所关注区域504，其含有第一组的一或多个图案元件308的矩形图案元件及第二组的一或多个图案元件312的开口圆图案两者的用于测量正交方向上的叠加的正交图块。图5B是根据本发明的一或多个实施例的包含图5A的修改版本的图像506，其中已通过包含边缘寻找技术的一或多个图像分析步骤识别第一组的一或多个图案元件308的矩形图案元件及第二组的一或多个图案元件312的开口圆图案的边缘。因此，可通过测量所述边缘在所关注区域504中的相对位置而在正交方向中的每一者上确定叠加计量测量。
本文中应认识到，可使用广泛范围的计量配方执行给定计量测量(例如，叠加)以归类结构的给定图像。例如，考虑图5B，可通过比较第一组的一或多个图案元件308的矩形图案元件的中心像素与第二组的一或多个图案元件312的开口圆图案的中心像素来确定沿着单条像素线的在水平方向上的叠加测量。通过另一实例，可通过比较针对两条或两条以上像素线的第一组的一或多个图案元件308的矩形图案元件的平均中心像素与针对相同两条或两条以上像素线的第二组的一或多个图案元件312的开口圆图案的平均中心像素而确定水平方向上的叠加测量。通过另一实例，可通过比较第一组的一或多个图案元件308的矩形图案元件的质心的(X,Y)位置与第二组的一或多个图案元件312的开口圆图案的质心的(X,Y)位置来执行叠加测量。
此外，候选计量配方可基于图像分析步骤内所使用的参数及/或阈值而不同。图6A是根据本发明的一或多个实施例的说明包含第一组的一或多个图案元件308的矩形图案元件的边缘及第二组的一或多个图案元件312的开口圆图案的边缘的经预测的计量图像402的部分的图像602。图6B是根据本发明的一或多个实施例的跨图6A的单条像素线的像素强度的标绘图604。图6B说明与第一组的一或多个图案元件308的矩形图案元件相关联的第一渐变606及与第二组的一或多个图案元件312的开口圆图案相关联的第二渐变608。
在此方面，步骤206中所产生的候选计量配方可包含应用于图像分析步骤中以提取计量指标的选定参数。继续此处实例，可通过选择用于边缘检测分析的阈值来确定图5B的边缘。例如，第一组的一或多个图案元件308的矩形图案元件的边缘可(但并非必须)基于在类似于图6B的横截面中上升到高于40的像素强度予以界定，如通过Y轴界定。类似地，第二组的一或多个图案元件312的开口圆图案的边缘可(但并非必须)基于在类似于图6B的横截面中上升到高于100的像素强度予以界定。
步骤206可包含产生适于提取所要计量指标的两个或两个以上候选计量配方。所述两个或两个以上候选计量配方可包含(但不限于)不同图像处理分析技术(例如，适于产生上文实例中的图像602的不同边缘寻找技术、不同图像滤波器或类似者)、用于调谐给定分析技术的不同参数，或用以分析的样本的不同区域。此外，步骤206可包含评估两个或两个以上候选计量配方。在此方面，所述两个或两个以上候选计量配方可应用于步骤204中所产生的一或多个经预测的计量图像。
在另一实施例中，方法200包含从用于从来自计量工具的结构的图像提取计量测量的两个或两个以上候选计量配方选择计量配方的步骤208。
在一个实施例中，步骤208包含基于一或多个选择指标从两个或两个以上候选计量配方选择计量配方。本文中应认识到，不同计量配方可潜在地用于从图像提取给定计量测量。然而，并非所有计量配方可具有相同性能水平或对噪声(例如，工具噪声、样本噪声、过程噪声或类似者)的相同稳健性程度。因此，可期望基于任何数目个选定选择指标来选择提供所要性能水平的计量配方。
例如，一或多个选择指标可包含经提取的计量测量(例如，关键尺寸、叠加、侧壁角或类似者)的准确度。通常期望计量配方从样本的图像提取计量指标的值(其准确反映有关样本的计量指标的实际值)。
通过另一实例，一或多个选择指标可包含经提取的计量测量对一或多个噪声源的稳健性。可(例如)通过产生多个含噪声的预测的计量图像(或合成图像的子图像)针对每一候选计量配方评估经提取的计量测量对噪声的稳健性。指示经提取的计量测量对工具噪声的稳健性的选择指标可接着包含响应于噪声的经提取的计量测量的值变异的测量。
例如，继续上文实例，图6B的第一渐变606具有相对低于第二渐变608的斜率。因此，结构的特定计量图像的(例如，与不同带电效应408、不同图像对比度或类似者相关联的)略微偏差，相较于第二渐变608，对来自第一渐变606的经提取边缘具有更大影响。因此，计量配方可利用比用于确定第二渐变区域608中的边缘的技术更稳健的技术来确定第一渐变区域606中的边缘。
此外，分离选择指标可(但并非必须)针对不同噪声源而产生。例如，选择指标可包含对与计量工具相关联的工具噪声(例如，检测器中的散粒噪声、遮蔽假影、带电假影或类似者)的稳健性。在另一例子中，选择指标可包含对与样本性质的偏差相关联的样本噪声(例如，与制造工艺的偏差相关联的过程噪声或类似者)的稳健性。
在一个实施例中，可开发实验设计(DOE)来产生具有系统变化的多个经预测的计量图像(例如，在步骤204中)。例如，所述经预测的计量图像可包含具有表示工艺偏差的样本尺寸的系统变化以确定每一候选计量配方对所述工艺偏差的稳健性的DOE。通过另一实例，经预测的计量图像可包含具有通过计量工具的测量参数(例如，照明光束的能量、照明光束的扫描速度或类似者)的系统变化以确定每一候选计量配方对确定性工具噪声(例如，遮蔽假影、带电假影或类似者)的稳健性的DOE。通过另一实例，DOE可包含用以确定每一候选计量配方对随机噪声(例如，散粒噪声或类似者)的稳健性的相同经预测的计量图像的多次运行。
在另一实施例中，步骤208中选择计量配方包括基于两个或两个以上选择指标执行候选计量目标的多变量分析。所述多变量分析可包含所属领域中已知的任何类型的多变量分析，例如(但不限于)回归分析。在此方面，步骤208中所选择的计量配方可通过平衡多个选择指标而提供所要性能水平。
现大体参考图7A及7B，展示其中系统地改变叠加计量指标的实验设计。图7A包含根据本发明的一或多个实施例的说明与系统地变化的叠加值相关联的图4的经预测的计量图像402的所关注区域(例如，ROI-1到ROI-9)的一系列经修改图像702。此外，每一所关注区域包含识别第一组的一或多个图案元件308的矩形图案元件的所关注子区域704。图7B是根据本发明的一或多个实施例的与图7A中的所关注区域(ROI-1到ROI-9)中的每一者相关联的叠加计量测量(例如，叠加向量)的标绘图706。
因此，经预测的计量图像(例如，经预测的计量图像402)可提供其中可评估各种候选计量配方的实验设计。例如，候选计量配方可(例如，在步骤206中)应用于图7中的每一所关注区域(例如，ROI-1到ROI-9)以确定对制造工艺的偏差的敏感度。此外，可基于经选取的选择指标来(例如，在步骤208中)选择计量配方，所述经选取的选择指标例如(但不限于)：叠加测量的准确度及对各种噪声源(例如，工具噪声、样本噪声、过程噪声或类似者)的稳健性。
在另一实施例中，方法200包运用计量工具(例如，计量工具102)执行经制造结构的计量测量来产生输出计量图像的步骤210。例如，步骤210可包含制造具有在步骤202中进行建模的结构的一或多个例子的样本。
在另一实施例中，方法200包含基于计量配方从输出计量图像提取与经制造结构相关联的计量测量的步骤212。例如，步骤212可包含运用控制器104基于计量配方从输出计量图像提取与经制造结构相关联的计量测量。
图8A是根据本发明的一或多个实施例的说明所关注区域(例如，ROI-1到ROI-15)的与具有结构的多个例子的经制造样本的分析相关联的经修改的输出计量图像802。此外，每一所关注区域包含识别第一组的一或多个图案元件308的矩形图案元件的所关注子区域704。图8B是根据本发明的一或多个实施例的与图8A的所关注区域(ROI-1到ROI-15)中的每一者相关联的叠加计量测量(例如，叠加向量)的标绘图804。在此方面，步骤208中基于步骤202中所产生的三维模型而选择的计量配方可应用于经制造样本。此外，不需要事先对经制造的测试样本测试计量配方。
本文中所描述的目标有时说明含在不同其它组件内或与不同其它组件连接的不同组件。应理解，此类所描绘架构是仅示范性的，且实际上可实施实现相同功能性的许多其它架构。在概念意义上，用以实现相同功能性的组件的任何布置是有效地“相关联”，使得实现所要功能性。因此，本文中经组合以实现特定功能性的任何两个组件可被视为彼此“相关联”，使得不考虑架构或中间组件而实现所要功能性。同样地，如此相关联的任何两个组件还可被视为彼此“连接”或“耦合”以实现所要功能性，且能够如此相关联的任何两个组件还可被视为彼此“可耦合”以实现所要功能性。可耦合的特定实例包含(但不限于)：物理可交互及/或物理交互的组件、及/或无线可交互及/或无线交互的组件、及/或逻辑可交互及/或逻辑交互的组件。
据信，将通过前文描述理解本发明及许多其伴随优点，且将明白，可在不脱离所揭示的目标或不牺牲全部其大体性优点的情况下作出组件的形式、构造及布置上的各种改变。所描述的形式仅为说明性的且所附权利要求书的意图是涵盖及包含此类改变。此外，应理解，本发明通过所附权利要求书所定义。

Claims (42)

1.一种计量系统，其包括：
控制器，其包含经配置以执行指令的一或多个处理器，所述指令经配置以引起所述一或多个处理器：
产生包含待通过计量工具分析的结构的一或多个例子的样本的三维模型；
基于所述三维模型产生对应于运用所述计量工具对所述样本进行的经预测分析的一或多个经预测的计量图像，其中所述经预测的计量图像包含与基于运用所述计量工具对所述样本进行的所述经预测分析的所述三维模型的二维投影的经预测偏差；
评估用于从所述一或多个经预测的计量图像提取计量测量的两个或两个以上候选计量配方；
基于一或多个选择指标从用于从来自所述计量工具的结构的图像提取计量测量的所述两个或两个以上候选计量配方选择计量配方；
基于经制造结构的计量测量从所述计量工具接收所述经制造结构的输出计量图像；及
基于所述计量配方从所述输出计量图像提取与所述经制造结构相关联的所述计量测量。
2.根据权利要求1所述的计量系统，其中所述一或多个选择指标包括：
从所述一或多个经预测的计量图像的所提取计量测量的准确度。
3.根据权利要求1所述的计量系统，其中所述一或多个选择指标包括：
经提取的所述计量测量对所述一或多个经预测的计量图像中的噪声的稳健性。
4.根据权利要求3所述的计量系统，其中经提取的计量测量对噪声的所述稳健性包括：
来自所述一或多个经预测的计量图像的经提取的计量测量的变异。
5.根据权利要求1所述的计量系统，其中所述一或多个经预测的计量图像包含所述结构的两个或两个以上例子，其中系统地改变所述结构的属性以表示制造工艺中的偏差。
6.根据权利要求5所述的计量系统，其中所述一或多个选择指标包括：
经提取的计量测量对所述制造工艺中的所述偏差的稳健性。
7.根据权利要求5的计量系统，其中从所述两个或两个以上候选计量配方选择计量配方包括：
基于对所述一或多个经预测的计量图像的经提取的计量测量的准确度及经提取的计量测量对所述制造工艺中的所述偏差的稳健性的多变量分析从所述两个或两个以上候选计量配方选择所述计量配方。
8.根据权利要求7所述的计量系统，其中所述多变量分析包括：
回归分析。
9.根据权利要求1所述的计量系统，其中产生所述经预测的计量图像包括：
基于所述三维模型模拟通过所述计量工具对所述样本进行的计量测量。
10.根据权利要求9所述的计量系统，其中基于所述三维模型模拟通过所述计量工具对所述样本进行的所述计量测量包括：
使用启发式模拟模型基于所述三维模型模拟通过所述计量工具对所述样本进行的计量测量。
11.根据权利要求1所述的计量系统，其中产生所述经预测的计量图像包括：
基于所述三维模型仿真通过所述计量工具对所述样本进行的计量测量。
12.根据权利要求1所述的计量系统，其中产生所述经预测的计量图像包括：
基于深度生成建模产生所述经预测的计量图像。
13.根据权利要求12所述的计量系统，其中基于深度生成建模以产生所述经预测的计量图像包括：
运用一组训练图像训练深度生成模型；及
运用所述结构的所述三维模型作为输入基于所述深度生成模型产生所述经预测的计量图像。
14.根据权利要求13所述的计量系统，其中所述组训练图像包括：
通过所述计量工具基于物理样本的计量测量产生的图像或通过基于经建模的样本模拟所述计量工具的所述输出而产生的图像中的至少一者。
15.根据权利要求1所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
与所述结构的所述制造相关联的随机噪声或与运用所述计量工具对所述结构进行的所述计量测量相关联的随机噪声中的至少一者。
16.根据权利要求1所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
所述计量工具的检测器的散粒噪声。
17.根据权利要求1所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
通过所述样本吸收所述计量工具的照明光束的光子散粒噪声。
18.根据权利要求1所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
与运用所述计量工具对所述样本进行的分析相关联的遮蔽假影。
19.根据权利要求1所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
图像模糊。
20.根据权利要求1所述的计量系统，其中所述计量工具包括：
电子束计量工具，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
与运用所述电子束计量工具对所述样本进行的分析相关联的带电假影。
21.根据权利要求1所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
高斯噪声或白噪声中的至少一者。
22.根据权利要求1所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
线边缘粗糙度或线宽粗糙度中的至少一者。
23.根据权利要求1所述的计量系统，其中所述样本的所述三维模型包括：
一或多个图案化材料层。
24.根据权利要求23所述的计量系统，其中所述样本的所述三维模型进一步包括：
所述一或多个图案化材料层的化学、机械、电或光学性质中的至少一者。
25.根据权利要求1所述的计量系统，其中产生所述结构的所述三维模型包括：
模拟运用选定工艺工具制造所述结构的一或多个工艺步骤。
26.根据权利要求1所述的计量系统，其中所述结构包括：
叠加目标，其中至少一个所述计量测量包括：
叠加测量。
27.根据权利要求1所述的计量系统，其中所述结构包括：
光罩，其中至少一个所述计量测量包括：
光罩计量测量或光罩检验测量中的至少一者。
28.根据权利要求1所述的计量系统，其中所述结构包括：
待检测制造缺陷的图案，其中至少一个所述计量测量包括：
缺陷检验测量。
29.一种计量系统，其包括：
计量工具；及
控制器，其包含经配置以执行指令的一或多个处理器，所述指令经配置以引起所述一或多个处理器：
产生包含待通过所述计量工具分析的结构的一或多个例子的样本的三维模型；
基于所述三维模型产生对应于运用所述计量工具对所述结构进行的经预测分析的一或多个经预测的计量图像，其中所述经预测的计量图像包含与基于运用所述计量工具对所述样本进行的所述经预测分析的所述三维模型的二维投影的经预测偏差；
评估用于从所述一或多个经预测的计量图像提取计量测量的两个或两个以上候选计量配方；
基于一或多个选择指标从用于从来自所述计量工具的结构的图像提取计量测量的所述两个或两个以上候选计量配方选择计量配方；
基于经制造结构的计量测量从所述计量工具接收所述经制造结构的输出计量图像；及
基于所述计量配方从所述输出计量图像提取与所述经制造结构相关联的所述计量测量。
30.根据权利要求29所述的计量系统，其中所述一或多个选择指标包括：
对所述一或多个经预测的计量图像的经提取的计量测量的准确度。
31.根据权利要求29所述的计量系统，其中所述一或多个选择指标包括：
经提取的计量测量对所述一或多个经预测的计量图像中的噪声的稳健性。
32.根据权利要求29所述的计量系统，其中所述样本的所述三维模型包含所述结构的两个或两个以上例子，其中系统地改变所述结构的一或多个属性以表示制造工艺中的偏差。
33.根据权利要求32所述的计量系统，其中所述一或多个选择指标包括：
经提取的计量测量对所述制造工艺中的所述偏差的稳健性。
34.根据权利要求29所述的计量系统，其中产生所述经预测的计量图像包括：
基于所述三维模型模拟通过所述计量工具对所述样本进行的计量测量。
35.根据权利要求29所述的计量系统，其中产生所述经预测的计量图像包括：
基于所述三维模型仿真通过所述计量工具对所述样本进行的计量测量。
36.根据权利要求29所述的计量系统，其中产生所述经预测的计量图像包括：
基于深度生成建模以产生所述经预测的计量图像。
37.根据权利要求29所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
与所述结构的所述制造相关联的随机噪声或与运用所述计量工具对所述结构进行的所述计量测量相关联的随机噪声中的至少一者。
38.根据权利要求29所述的计量系统，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
与运用所述计量工具对所述样本进行的分析相关联的遮蔽假影。
39.根据权利要求29所述的计量系统，其中所述计量工具包括：
电子束计量工具，其中与所述三维模型的所述二维投影的所述经预测偏差包括：
与运用所述电子束计量工具对所述样本进行的分析相关联的带电假影。
40.根据权利要求29所述的计量系统，其中所述样本的所述三维模型包括：
一或多个图案化材料层的化学、机械、电或光学性质中的至少一者。
41.根据权利要求29所述的计量系统，其中产生所述结构的所述三维模型包括：
模拟运用选定工艺工具制造所述结构的一或多个工艺步骤。
42.一种计量方法，其包括：
运用一或多个处理器产生包含待通过计量工具分析的结构的一或多个例子的样本的三维模型；
运用一或多个处理器基于所述三维模型以产生对应于运用所述计量工具对所述样本进行的经预测分析的一或多个经预测的计量图像，其中所述经预测的计量图像包含与基于运用所述计量工具对所述样本进行的所述经预测分析的所述三维模型的二维投影的经预测偏差；
运用一或多个处理器评估用于从所述一或多个经预测的计量图像提取计量测量的两个或两个以上候选计量配方；
运用一或多个处理器基于一或多个选择指标从用于从来自所述计量工具的结构的图像提取计量测量的所述两个或两个以上候选计量配方选择计量配方；
运用所述计量工具基于经制造结构的计量测量以执行所述经制造结构的输出计量图像；及
运用一或多个处理器基于所述计量配方从所述输出计量图像提取与所述经制造结构相关联的所述计量测量。
CN201780086236.3A 2016-12-19 2017-12-14 使用经预测的计量图像的计量配方产生 Active CN110383441B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662435977P 2016-12-19 2016-12-19
US62/435,977 2016-12-19
US15/810,898 2017-11-13
US15/810,898 US10496781B2 (en) 2016-12-19 2017-11-13 Metrology recipe generation using predicted metrology images
PCT/US2017/066517 WO2018118663A2 (en) 2016-12-19 2017-12-14 Metrology recipe generation using predicted metrology images

Publications (2)

Publication Number Publication Date
CN110383441A CN110383441A (zh) 2019-10-25
CN110383441B true CN110383441B (zh) 2020-09-01

Family

ID=62561613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780086236.3A Active CN110383441B (zh) 2016-12-19 2017-12-14 使用经预测的计量图像的计量配方产生

Country Status (6)

Country Link
US (1) US10496781B2 (zh)
EP (1) EP3549158B1 (zh)
KR (1) KR102313413B1 (zh)
CN (1) CN110383441B (zh)
TW (1) TWI743275B (zh)
WO (1) WO2018118663A2 (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10648801B2 (en) 2017-04-13 2020-05-12 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10664955B2 (en) 2017-04-13 2020-05-26 Fractilia, Llc Edge detection system and its use for machine learning
US11508546B2 (en) 2017-04-13 2022-11-22 Fractilia, Llc System and method for low-noise edge detection and its use for process monitoring and control
US10656532B2 (en) 2017-04-13 2020-05-19 Fractilia, Llc Edge detection system and its use for optical proximity correction
US11355306B2 (en) 2017-04-13 2022-06-07 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US11361937B2 (en) 2017-04-13 2022-06-14 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10488188B2 (en) 2017-04-13 2019-11-26 Fractilia, Llc System and method for removing noise from roughness measurements
US10522322B2 (en) 2017-04-13 2019-12-31 Fractilia, Llc System and method for generating and analyzing roughness measurements
US11521825B2 (en) 2017-04-13 2022-12-06 Fractilia, Llc System and method for predicting stochastic-aware process window and yield and their use for process monitoring and control
US11380516B2 (en) 2017-04-13 2022-07-05 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10176966B1 (en) 2017-04-13 2019-01-08 Fractilia, Llc Edge detection system
IL281060B2 (en) * 2018-08-28 2023-11-01 Asml Netherlands Bv Methods and systems of optimal meteorological guidance
US11468553B2 (en) * 2018-11-02 2022-10-11 Kla Corporation System and method for determining type and size of defects on blank reticles
EP3807720B1 (en) * 2018-11-07 2022-05-11 ASML Netherlands B.V. Method for configuring a semiconductor manufacturing process, a lithographic apparatus and an associated computer program product
TWI738009B (zh) * 2019-06-20 2021-09-01 和碩聯合科技股份有限公司 物件偵測系統及物件偵測方法
US11501420B2 (en) * 2019-09-26 2022-11-15 Perkinelmer Cellular Technologies Germany Gmbh Reconstructing phase images with deep learning
CN112735959B (zh) * 2019-10-28 2022-03-18 长鑫存储技术有限公司 晶圆检测方法及晶圆检测装置
US11557031B2 (en) 2019-11-21 2023-01-17 Kla Corporation Integrated multi-tool reticle inspection
US11512948B2 (en) 2020-05-26 2022-11-29 Kla Corporation Imaging system for buried metrology targets
JP7431694B2 (ja) 2020-07-28 2024-02-15 キヤノン株式会社 情報処理装置、膜形成装置、物品の製造方法、およびプログラム
US20220114438A1 (en) * 2020-10-09 2022-04-14 Kla Corporation Dynamic Control Of Machine Learning Based Measurement Recipe Optimization
CN112946232A (zh) * 2021-02-04 2021-06-11 成都秦川物联网科技股份有限公司 天然气能量计量数据获取方法和系统
CN113392618B (zh) * 2021-04-23 2022-07-05 武汉大学 一种印刷电路板掩膜线宽补偿量预测方法
CN117916669A (zh) * 2021-09-03 2024-04-19 Asml荷兰有限公司 用于图像检查装置的样品边缘检测和样品定位的方法和系统
WO2024012965A1 (en) * 2022-07-15 2024-01-18 Asml Netherlands B.V. Method and system of overlay measurement using charged-particle inspection apparatus

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7363099B2 (en) * 2002-06-07 2008-04-22 Cadence Design Systems, Inc. Integrated circuit metrology
JP4093273B2 (ja) * 2006-03-13 2008-06-04 オムロン株式会社 特徴点検出装置、特徴点検出方法および特徴点検出プログラム
US7877722B2 (en) 2006-12-19 2011-01-25 Kla-Tencor Corp. Systems and methods for creating inspection recipes
US7873504B1 (en) * 2007-05-07 2011-01-18 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for creating a metrology target structure design for a reticle layout
US9151712B1 (en) 2007-05-30 2015-10-06 Kla-Tencor Corporation Rule checking for metrology and inspection
US8214771B2 (en) 2009-01-08 2012-07-03 Kla-Tencor Corporation Scatterometry metrology target design optimization
EP2828882B1 (en) 2012-03-19 2019-09-18 Kla-Tencor Corporation Method, computer system and apparatus for recipe generation for automated inspection semiconductor devices
US9243886B1 (en) * 2012-06-26 2016-01-26 Kla-Tencor Corporation Optical metrology of periodic targets in presence of multiple diffraction orders
US9563946B2 (en) 2014-07-22 2017-02-07 Taiwan Semiconductor Manufacturing Co., Ltd. Overlay metrology method and overlay control method and system
CN112698551B (zh) * 2014-11-25 2024-04-23 科磊股份有限公司 分析及利用景观
KR102355347B1 (ko) * 2014-11-26 2022-01-24 에이에스엠엘 네델란즈 비.브이. 계측 방법, 컴퓨터 제품 및 시스템
US9470639B1 (en) * 2015-02-03 2016-10-18 Kla-Tencor Corporation Optical metrology with reduced sensitivity to grating anomalies
US9903711B2 (en) * 2015-04-06 2018-02-27 KLA—Tencor Corporation Feed forward of metrology data in a metrology system
KR102353145B1 (ko) 2015-04-10 2022-01-18 에이에스엠엘 네델란즈 비.브이. 검사와 계측을 위한 방법 및 장치
US9971478B2 (en) * 2015-04-10 2018-05-15 Asml Netherlands B.V. Method and apparatus for inspection and metrology
KR102377411B1 (ko) * 2015-04-10 2022-03-21 에이에스엠엘 네델란즈 비.브이. 검사와 계측을 위한 방법 및 장치
US10345721B1 (en) * 2015-06-16 2019-07-09 Kla-Tencor Corporation Measurement library optimization in semiconductor metrology
US10502692B2 (en) * 2015-07-24 2019-12-10 Kla-Tencor Corporation Automated metrology system selection
US20180299770A1 (en) * 2015-10-19 2018-10-18 Asml Netherlands B.V. Method and apparatus to correct for patterning process error
WO2017067752A1 (en) * 2015-10-19 2017-04-27 Asml Netherlands B.V. Method and apparatus to correct for patterning process error

Also Published As

Publication number Publication date
TWI743275B (zh) 2021-10-21
US20180173839A1 (en) 2018-06-21
EP3549158A2 (en) 2019-10-09
EP3549158A4 (en) 2020-08-12
KR20190089227A (ko) 2019-07-30
KR102313413B1 (ko) 2021-10-14
CN110383441A (zh) 2019-10-25
WO2018118663A2 (en) 2018-06-28
WO2018118663A3 (en) 2018-08-02
US10496781B2 (en) 2019-12-03
TW201830340A (zh) 2018-08-16
EP3549158B1 (en) 2023-08-16

Similar Documents

Publication Publication Date Title
CN110383441B (zh) 使用经预测的计量图像的计量配方产生
KR102347057B1 (ko) 전자 빔 이미지에서의 결함 위치 결정
KR102295266B1 (ko) 내장 타겟을 사용한 설계에 대한 검사의 정렬
KR102557180B1 (ko) 극자외선 포토마스크 상에서 검출되는 결함의 처리
TWI594070B (zh) 用於檢驗極紫外線光光罩之裝置及方法
CN110312967B (zh) 具有非零偏移预测的叠加控制
CN110945636B (zh) 用于高效工艺窗口探索的混合检验系统
IL262464A (en) Systems and methods for automatic correction of deviation between testing and design for a massive model search
US11353799B1 (en) System and method for error reduction for metrology measurements
KR102525830B1 (ko) 테스트 이미지 대 설계물의 정렬을 위한 설계물 파일 선택
CN114503156A (zh) 多成像模式图像对准
US11209737B1 (en) Performance optimized scanning sequence for eBeam metrology and inspection
CN114641726B (zh) 集成式多工具光罩检验
TWI840634B (zh) 網線檢查系統
KR20240044433A (ko) 마스크 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