CN110402485A - 用于弱图案量化的方法及系统 - Google Patents

用于弱图案量化的方法及系统 Download PDF

Info

Publication number
CN110402485A
CN110402485A CN201780086453.2A CN201780086453A CN110402485A CN 110402485 A CN110402485 A CN 110402485A CN 201780086453 A CN201780086453 A CN 201780086453A CN 110402485 A CN110402485 A CN 110402485A
Authority
CN
China
Prior art keywords
types
patterns
pattern
inspection
group
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
CN201780086453.2A
Other languages
English (en)
Other versions
CN110402485B (zh
Inventor
A·克罗斯
A·帕克
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 CN110402485A publication Critical patent/CN110402485A/zh
Application granted granted Critical
Publication of CN110402485B publication Critical patent/CN110402485B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • H01J37/266—Measurement of magnetic- or electric fields in the object; Lorentzmicroscopy
    • H01J37/268—Measurement of magnetic- or electric fields in the object; Lorentzmicroscopy with scanning beams
    • 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
    • G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
    • 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
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/027—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34
    • H01L21/0271—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34 comprising organic layers
    • H01L21/0273—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34 comprising organic layers characterised by the treatment of photoresist layers
    • H01L21/0274—Photolithographic processes
    • 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
    • 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
    • H01L22/32—Additional lead-in metallisation on a device or substrate, e.g. additional pads or pad portions, lines in the scribe line, sacrificed conductors
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/26—Electron or ion microscopes
    • H01J2237/28—Scanning microscopes
    • H01J2237/2813—Scanning microscopes characterised by the application
    • H01J2237/2817—Pattern inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Crystals, And After-Treatments Of Crystals (AREA)
  • Image Analysis (AREA)

Abstract

一种弱图案识别方法包含：从晶片上的一组图案获取检验数据；识别所述晶片上的失效图案类型；及将所述失效图案类型的相同图案类型分组成图案群组集。所述弱图案识别方法还包含从分组于第一群组中的第一图案类型的多个变化例子获取图像数据，其中在不同条件下形成所述第一图案类型的所述多个变化例子。所述弱图案识别方法还包含比较从所述第一图案类型的所述例子的共同结构获得的图像以识别所述第一图案类型的部分内的局部差异。此外，所述弱图案识别方法包含识别所述第一图案类型的所述部分内靠近所述第一图案类型的所述部分内的所述局部差异的位置的计量位点。

Description

用于弱图案量化的方法及系统
相关申请案的交叉参考
本申请案根据35 U.S.C.§119(e)规定主张于2016年12月21日申请的以安德鲁·克罗斯(Andrew Cross)及艾伦·帕克(Allen Park)为发明者的标题为通过图像过程及比较进行结构量化(STRUCTURE QUANTIFICATION THROUGH IMAGE PROCESS ANDCOMPARISION)的序列号为62/437,585的美国临时申请案的权利，所述申请案的全文以引用的方式并入本文中。
技术领域
本发明大体上涉及样本检验及半导体晶片上的失效图案的识别，且更特定来说，涉及通过比较在调制或变化条件下形成的图案例子而识别半导体晶片上的失效图案。
背景技术
对于经改进半导体检验及重检工具的需要持续增长。例如，需要改进地量化由基于光学及SEM的检验方法检测的缺陷。归因于半导体装置设计规则(14nm(生产)、10nm(试产(pilot))及7nm(R&D))及与多重图案化相关联的复杂性，区分缺陷与潜在噪声的能力是重大挑战。在可与关键图案的细微变化相关的系统缺陷的情况中，区分缺陷与噪声甚至更具挑战性。当前，使用光学及SEM检验方法(例如工艺窗发现)来识别此类系统缺陷且取样这些‘热点’以进行重检。此方法依赖于使用晶片内的调制图场来引起最弱结构失效以增强检测，而允许识别工艺窗的边缘。
必须通过缺陷重检工具(例如扫描电子显微镜(SEM)重检工具)来验证通过光学检验检测的热点以定位精确失效点且理解失效是否将对装置具有显著影响。通常，SEM重检工具已用于通过基于缺陷类型将缺陷分级(binning)为不同等级(bin)而对缺陷进行分类。在热点分类的情况中，通常采用手动分类来将缺陷分组成良好、不良及边际类别，此可为主观的。最新进展已提出将设计信息并入于设计辅助自动分类中。然而，甚至在设计辅助分类中，仍归因于无法具体量化SEM重检图像中的特征而损失大量信息。特征量化在理解当前先进设计规则节点及未来节点处的图案保真度时尤其重要。因此，将期望提供一种用于补救例如上文识别的先前方法的缺点的系统及方法。
发明内容
本发明揭示一种根据本发明的一或多个实施例的用于半导体装置制造中的弱图案量化的方法。在一个实施例中，所述方法包含从晶片上的一组图案获取检验数据。在另一实施例中，所述方法包含基于所述所获取检验数据识别所述晶片上的一或多个失效图案类型。在另一实施例中，所述方法包含将所述一或多个失效图案类型的相同图案类型分组成图案群组集。在另一实施例中，所述方法包含从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上变化例子获取图像数据，其中运用不同条件形成所述第一图案类型的所述两个或两个以上变化例子。在另一实施例中，所述方法包含比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异。在另一实施例中，所述方法包含识别所述第一图案类型的所述部分内靠近所述第一图案类型的所述部分内的所述一或多个局部差异的位置的一或多个计量位点。
本发明揭示一种根据本发明的一或多个实施例的用于半导体装置制造中的弱图案量化的系统。在一个实施例中，所述系统包含检验工具。在另一实施例中，所述系统包含重检工具。在另一实施例中，所述系统包含控制器，所述控制器包含经配置以执行维持于存储器上的程序指令集的一或多个处理器。在另一实施例中，所述程序指令经配置以引起所述一或多个处理器引导所述检验工具从晶片上的一组图案获取检验数据。在另一实施例中，所述程序指令经配置以引起所述一或多个处理器基于所述所获取检验数据识别所述晶片上的一或多个失效图案类型。在另一实施例中，所述程序指令经配置以引起所述一或多个处理器将所述一或多个失效图案类型的相同图案类型分组成图案群组集。在另一实施例中，所述程序指令经配置以引起所述一或多个处理器引导所述重检工具从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上调制例子获取图像数据，其中用不同条件形成所述第一图案类型的所述两个或两个以上调制例子。在另一实施例中，所述程序指令经配置以引起所述一或多个处理器比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异。在另一实施例中，所述程序指令经配置以引起所述一或多个处理器识别所述第一图案类型的所述部分内靠近所述第一图案类型的所述部分内的所述一或多个局部差异的位置的一或多个计量位点。
应了解，前述一般描述及以下详细描述两者都仅为示范性的及说明性的，且不一定如所主张那样限制本发明。并入于本说明书中且构成本说明书的部分的附图说明本发明的实施例且与一般描述一起用以说明本发明的原理。
附图说明
所属领域的技术人员可通过参考附图而更好理解本发明的众多优点，在附图中：
图1A是根据本发明的一或多个实施例的用于弱图案量化的系统的概念图。
图1B到1C是根据本发明的一或多个实施例的光学检验工具的简化示意图。
图1D是根据本发明的一或多个实施例的扫描电子显微镜检验工具的简化示意图。
图2是根据本发明的一或多个实施例的调制晶片的俯视图。
图3是描绘根据本发明的一或多个实施例的描绘特定图案类型的失效的一系列图案结构的概念图。
图4A到4B是根据本发明的一或多个实施例的基于特定图案类型的多个例子之间的比较而识别弱图案区域的概念图。
图5说明描绘根据本发明的一或多个实施例的弱图案量化的方法的过程流程图。
具体实施方式
现将详细参考在附图中说明的所揭示标的物。
大体上参考图1到5，描述一种根据本发明的用于半导体装置的弱图案或失效图案量化的系统及方法。
本发明的实施例涉及一种用以半导体装置中的弱图案量化的基于图像的方法，其包含从调制图案(即，在不同条件下形成的图案)收集图像。可在工艺窗发现期间在所使用的调制晶片上刻意地形成调制图案。替代地，可在标称产品晶片上形成调制图案。调制图案可用以自动识别结构内发生失效或图案变化的位置。本发明的实施例又提供在结构的失效区域上自动插入测量位点。本发明的额外实施例涉及运用设计数据及/或工艺模拟结果来扩增图案量化过程。
应注意，运用一组取样规则，测量样本计划可经设计且经自动化以使能够产生关于10,000个到1,000,000个结构的数据，此显著多于可用当前方法手动分类的大约1,000个结构。本发明的实施例需要较少手动输入，而允许用户花时间分析所产生的数据而非产生数据本身。此方法允许用户更准确地确定哪些图案最为重要并对工艺窗具有最大影响，且定义所述工艺窗。此能力实现对标称晶片的经改进的系统缺陷发现及监测以允许基于大样本集的新颖发现方法。图像量化的自动化使能够用图像量化技术来评估用于工艺分裂(process split)的不同晶片之间的统计有效样本。
图1说明根据本发明的一个实施例的用于半导体晶片上的弱图案量化的系统100的概念图。在一个实施例中，系统100包含检验工具102及重检工具103。在另一实施例中，系统100包含通信地耦合到检验工具102及重检工具103的控制器106。
检验工具102可包含样本检验或成像技术中已知的任何检验工具或系统，例如(但不限于)光学检验工具或电子束检验工具。例如，在基于光学的检验工具的情况中，检验子系统可包含宽带检验工具。例如，检验工具102可包含(但不限于)宽带等离子体(BBP)检验工具。通过另一实例的方式，在基于电子束的检验工具的情况中，检验工具可包含扫描电子显微镜(SEM)工具。SEM工具可包含晶片检验及重检技术中已知的任何SEM工具。
重检工具103可包含样本重检或分类技术中已知的任何重检工具或系统。例如，重检工具103可包含(但不限于)SEM重检工具。
本文中应注意，为简化目的，在图1中以概念框图的形式描绘系统100。此描绘(包含组件及光学配置)是非限制性的且仅出于阐释性目的而提供。检验工具102及重检工具103可包含实行本文中描述的检验及/或重检过程所必需的任何数目个组件。
图1B是根据本发明的一或多个实施例的用聚焦光学照明光束跨样本的表面扫描的检验工具102的概念图。
在一个实施例中，检验工具102包含用以产生照明光束116的照明源114。照明光束116可包含一或多个选定波长的光，包含(但不限于)紫外线(UV)辐射、可见光辐射或红外线(IR)辐射。
照明源114可为所属领域中已知的适于产生光学照明光束116的任何类型的照明源。在一个实施例中，照明源114包含宽带等离子体(BBP)照明源。在此方面，照明光束116可包含由等离子体发射的辐射。例如，BBP照明源114可包含(但不要求包含)经配置以聚焦到气体体积中而引起能量由气体吸收以产生或维持适于发射辐射的等离子体的一或多个泵源(例如，一或多个激光器)。此外，可利用等离子体辐射的至少一部分作为照明光束116。
在另一实施例中，照明源114可包含一或多个激光器。例如，照明源114可包含所属领域中已知的能够发射在电磁光谱的红外线、可见光或紫外线部分中的辐射的任何激光器系统。
照明源114进一步可产生具有任何时间量变曲线的照明光束116。例如，照明源114可产生连续照明光束116、脉冲照明光束116或调制照明光束116。另外，照明光束116可经由自由空间传播或导引光(例如，光纤、光管或类似者)从照明源114传递。
在另一实施例中，照明源114经由照明路径120将照明光束116引导到晶片104。照明路径120可包含一或多个照明路径透镜122或适于修改及/或调节照明光束116的额外光学组件124。例如，一或多个光学组件124可包含(但不限于)一或多个偏光器、一或多个滤光片、一或多个光束分离器、一或多个漫射体、一或多个均质器、一或多个变迹器(apodizer)或一或多个光束整形器。
在另一实施例中，晶片104经安置于样本载台126上。样本载台126可包含适于在检验工具102内定位及/或扫描晶片104的任何装置。例如，样本载台126可包含线性平移载台、旋转载台、倾倒/倾斜载台或类似者的任何组合。
在另一实施例中，检验工具102包含经配置以通过集光路径130捕捉从晶片104发出的辐射的检测器128。集光路径130可包含(但不限于)用于收集来自晶片104的辐射的一或多个集光路径透镜132。例如，检测器128可经由一或多个集光路径透镜132接收从晶片104反射或散射(例如，经由镜面反射、漫反射及类似者)的辐射。通过另一实例的方式，检测器128可接收由晶片104产生的辐射(例如，与照明光束116的吸收相关联的发光(luminescence)或类似者)。通过另一实例的方式，检测器128可接收来自晶片104的辐射的一或多个衍射级(例如，0级衍射、±1级衍射、±2级衍射及类似者)。
检测器128可包含所属领域中已知的适于测量从晶片104接收的照明的任何类型的检测器。例如，检测器128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128可包含适于识别从晶片104发出的辐射的波长的光谱检测器。
集光路径130可进一步包含用以引导及/或修改从晶片104收集的照明的任何数目个光学元件134，包含(但不限于)一或多个集光路径透镜132、一或多个滤光片、一或多个偏光器或一或多个光束挡块。
图1C是根据本发明的一或多个实施例的用于成像及/或扫描样本的检验工具102的概念图。在一个实施例中，检测器128经定位而近似垂直于晶片104的表面。在另一实施例中，检验工具102包含经定向使得物镜138可同时将照明光束116引导到晶片104且收集从晶片104发出的辐射的光束分离器136。此外，照明路径120及集光路径130可共享一或多个额外元件(例如，物镜138、孔隙、滤光片或类似者)。
第7,092,082号美国专利、第6,702,302号美国专利、第6,621,570号美国专利及第5,805,278号美国专利中详细描述光学检验工具的实例，所述专利中的每一者的全文以引用的方式并入本文中。
图1D是根据本发明的一或多个实施例的经配置为粒子束检验系统的检验工具102的概念图。例如，检验工具102可(但不要求)配置为扫描电子显微镜(SEM)。在一个实施例中，照明源114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116包含粒子束(例如，电子束、粒子束或类似者)。照明源114可包含所属领域中已知的适于产生照明光束116的任何粒子源。例如，照明源114可包含(但不限于)电子枪或离子枪。
在另一实施例中，照明路径120包含一或多个粒子聚焦元件(例如，照明路径透镜122、集光路径透镜132或类似者)。例如，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116引导到晶片104的物镜138。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、磁性、单电势或双电势透镜。
在另一实施例中，检验工具102包含用以成像或以其它方式检测从晶片104发出的粒子的一或多个粒子检测器128。在一个实施例中，检测器128包含电子检测器(例如，次级电子检测器、反向散射电子检测器或类似者)。在另一实施例中，检测器128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)。
在另一实施例中，重检工具103还可配置为粒子束系统，例如图1D中描绘的粒子束系统。例如，重检工具103可包含(但不限于)SEM重检工具。
在另一实施例中，控制器106包含一或多个处理器108。一或多个处理器108可经配置以执行存储于存储器110中的程序指令集。在一个实施例中，控制器106的一或多个处理器108通信地耦合到检验工具102及/或重检工具103。例如，控制器106的一或多个处理器108可耦合到检验工具102的一或多个检测器及重检工具103的一或多个检测器的输出。控制器106的一或多个处理器108可以任何适合方式(例如，通过图1中展示的线所指示的一或多个传输媒体)耦合到检验工具102及/或重检工具103，使得控制器106可接收经由检验工具102从晶片104获取的检验图像112及经由重检工具103从晶片104获取的重检图像113。
在一个实施例中，检验工具102经配置以执行一或多个晶片104的一或多个图像获取。例如，检验工具102可从晶片104的表面的一或多个部分获取一或多个检验图像112。在此方面，检验工具102可从形成于晶片104上的一组图案获取检验数据112。
在一个实施例中，检验工具102可从形成于调制晶片上的图案获取检验数据112。图2描绘调制晶片200，其包含在变化的焦点及剂量设置下形成的图案。在此方面，在工艺窗发现期间，检验工具102可从调制晶片200收集图像。在此方面，可在调制晶片200上刻意地形成给定图案类型的变化例子，借此在不同条件(例如，焦点、剂量、叠加及类似者)下形成每一图案类型。图案的形成条件的变化允许系统100分析适用于图案形成的条件边界且识别弱图案或失效图案以进行进一步分析。
应注意，本发明的范围不限于使用调制晶片。在另一实施例中，检验工具102可从形成于标称产品晶片上的图案获取检验数据112。在此方面，图案归因于晶片及工艺工具条件的偶然变化而在不同条件下形成于晶片上。
在另一实施例中，检验工具102经由一或多个数据传输链路将检验数据112传输到控制器106。例如，检验工具102可将检验数据112传输到控制器106的一或多个处理器108及/或存储器110以进行分析及/或存储。
在另一实施例中，程序指令经配置以引起一或多个处理器108基于所获取检验数据识别晶片上的一或多个失效图案类型。在一个实施例中，可在工艺窗发现期间识别失效图案类型。应注意，给定热点检验过程可产生大量缺陷点(例如，1百万个到2百万个)。在一个实施例中，可比较检验数据与设计数据以实行热点识别。
在另一实施例中，程序指令经配置以引起一或多个处理器108对类似失效图案类型进行分组。例如，程序指令可经配置以引起一或多个处理器108将第一失效图案类型的两个或两个以上结构分组成第一群组。通过另一实例的方式，程序指令可经配置以引起一或多个处理器108将第二失效图案类型的两个或两个以上结构分组成第二群组，等等。
在另一实施例中，程序指令经配置以引起一或多个处理器108引导重检工具103从分组于图案群组集的第一群组中的第一图案类型的两个或两个以上调制例子获取图像数据。应注意，在不同条件(例如，焦点、剂量、叠加及类似者)下形成第一图案类型的两个或两个以上调制例子。例如，图3说明标称图案结构301、第一调制图案结构301b、第二调制图案结构301c及第三调制图案结构301d的概念图。在一个实施例中，可在不同条件下在调制晶片上刻意地形成调制结构。在另一实施例中，调制结构可归因于各种工艺条件的变化而在不同条件下偶然地形成于产品晶片上。
在另一实施例中，程序指令经配置以引起一或多个处理器108比较从第一图案类型的两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别第一图案类型的部分内的一或多个局部差异。例如，如图4A中展示，一或多个处理器108可从图像402减去图像404以识别图案中的局部差异406。通过另一实例的方式，如图4B中展示，一或多个处理器108可从图像412减去图像414以识别图案中的局部差异416。调制图像404/414与标称图像402/412之间的比较(或两个调制图像之间的比较)提供识别设计元件中变化的区域或子区域。在一个实施例中，一或多个处理器108可对第一图案类型的两个或两个以上例子的一或多个共同结构执行多样性取样过程以识别第一图案类型的部分内的一或多个局部差异。在另一实施例中，一或多个处理器可应用一或多个边缘平滑化技术以在图像相减之前最小化图案噪声且因此增强图像比较过程。
在另一实施例中，程序指令经配置以引起一或多个处理器108识别第一图案类型的部分内靠近第一图案类型的所述部分内的一或多个局部差异的位置的一或多个计量位点。例如，如图4A及图4B中展示，一或多个处理器108可分别将位置406及416识别为用于计量(例如，图案结构的CD计量测量)的位置。
应注意，虽然上文描述已专注于第一图案类型，但此名称仅经提供用于简单及清楚的目的。应注意，本发明的范围绝不限于“第一图案类型”且可扩展到任意数目的额外图案类型。在此方面，程序指令可引起一或多个处理器108从分组于图案群组集的额外群组中的额外图案类型的两个或两个以上变化例子获取图像数据。接着，程序指令可引起一或多个处理器比较从额外图案类型的两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别额外图案类型的部分内的一或多个局部差异。此外，程序指令可引起一或多个处理器108识别额外图案类型的部分内靠近额外图案类型的所述部分内的一或多个局部差异的位置的一或多个计量位点。
控制器106的一或多个处理器108可包含所属领域中已知的任一或多个处理元件。在此意义上，一或多个处理器108可包含经配置以执行软件算法及/或指令的任何微处理器型装置。在一个实施例中，一或多个处理器108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(其经配置以操作系统100，如在本发明每一处描述)的其它计算机系统(例如，网络计算机)组成。应认识到，在本发明每一处描述的步骤可通过单个计算机系统或替代地多个计算机系统实行。一般来说，术语“处理器”可广泛地定义为涵盖具有执行来自非暂时性存储器媒体110的程序指令的一或多个处理元件的任何装置。此外，系统100的不同子系统(例如，检验工具102、重检工具103、显示器或用户接口)可包含适于实行在本发明每一处描述的步骤的至少一部分的处理器或逻辑元件。因此，上文描述不应解释为对本发明的限制而是仅为说明。
存储器媒体110可包含所属领域中已知的适于存储可由相关联的一或多个处理器108执行的程序指令的任何存储媒体。例如，存储器媒体110可包含非暂时性存储器媒体。例如，存储器媒体110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。在另一实施例中，媒体110经配置以存储来自检验子系统101的一或多个结果及/或本文中描述的各个步骤的输出。进一步应注意，媒体110可与一或多个处理器126一起容置于共同控制器外壳中。在替代实施例中，媒体110可相对于处理器及控制器106的物理位置远程定位。
在另一实施例中，系统100包含用户接口。在一个实施例中，用户接口通信地耦合到控制器106的一或多个处理器108。在另一实施例中，控制器106可利用用户接口来接受来自用户的选择及/或指令。在一些实施例中，显示器可用以将数据显示给用户。用户又可响应于经由显示装置显示给用户的数据而输入选择及/或指令。
用户接口装置可包含所属领域中已知的任何用户接口。例如，用户接口可包含(但不限于)键盘、小键盘、触摸屏幕、控制杆、旋钮、滚轮、轨迹球、开关、刻度盘、滑杆、卷杆、滑件、把手、触摸垫、踏板、方向盘、操纵杆、面板安装输入设备，或类似者。在触摸屏幕接口装置的情况中，所属领域的技术人员应认识到，大量触摸屏幕接口装置可适于实施于本发明中。例如，显示装置可与触摸屏幕接口集成，例如(但不限于)电容式触摸屏幕、电阻式触摸屏幕、基于表面声波的触摸屏幕、基于红外线的触摸屏幕，或类似者。在一般意义上，能够与显示装置的显示部分集成的任何触摸屏幕接口适于实施于本发明中。
显示装置可包含所属领域中已知的任何显示装置。在一个实施例中，显示装置可包含(但不限于)液晶显示器(LCD)、基于有机发光电二极管(OLED)的显示器或CRT显示器。所属领域的技术人员应认识到，多种显示装置可适于实施于本发明中，且显示装置的特定选择可取决于多种因素，包含(但不限于)外观尺寸、成本及类似者。在一般意义上，能够与用户接口装置(例如，触摸屏幕、面板安装接口、键盘、鼠标、轨迹垫及类似者)集成的任何显示装置适于实施于本发明中。
在一些实施例中，本文中描述的系统100可配置为“独立工具”或未物理耦合到工艺工具的工具。在其它实施例中，可通过传输媒体(其可包含有线及/或无线部分)将此检验/重检系统耦合到工艺工具(未展示)。工艺工具可包含所属领域中已知的任何工艺工具，例如光刻工具、蚀刻工具、沉积工具、抛光工具、电镀工具、清洁工具或离子植入工具。可使用反馈控制技术、前馈控制技术及/或原位控制技术来使用由本文中描述的系统执行的检验、重检及/或计量的结果更改工艺或工艺工具的参数。可手动或自动更改工艺或工艺工具的参数。
图1中说明的系统100的实施例可如本文中描述那样进一步配置。另外，系统100可经配置以执行本文中描述的方法实施例中的任一者的任何其它步骤。
图5说明描绘在根据本发明的一个实施例的半导体晶片上的弱图案量化的方法200中执行的步骤的流程图。本文中应注意，方法500的步骤可全部或部分由系统100实施。然而，应进一步认识到，方法500不限于系统100，这是因为额外或替代系统级实施例可实行方法500的全部或部分步骤。
在步骤502中，从晶片上的一组图案获取检验数据112。在一个实施例中，针对晶片104上的一组图案获取检验数据112。接着，经由一或多个数据传输链路(例如，无线数据传输链路或有线数据链路)将检验数据112从检验工具102传输到控制器106。例如，可将检验数据112传输到控制器106的一或多个处理器108及/或存储器110以进行分析及/或存储。
在一个实施例中，如图1中展示，用检验工具102获取检验数据。例如，检验工具102可包含(但不限于)光学检验工具。例如，检验工具102可包含(但不限于)宽带等离子体检验工具(例如，具有激光器维持等离子体(LSP)宽带光源的检验工具)。通过另一实例的方式，检验工具102可包含(但不限于)电子束检验工具。例如，检验工具102可包含(但不限于)基于SEM的检验工具。
在步骤504中，识别晶片106上的一或多个失效图案类型。例如，控制器106的一或多个处理器108可基于检验数据112识别晶片106的一或多个失效图案类型。在一个实施例中，利用基于裸片间的检验技术来识别一或多个失效图案或弱图案。此外，一或多个处理器108可将一或多个失效图案类型存储于存储器110中。在一个实施例中，可在工艺窗发现期间识别失效图案类型。应注意，给定热点检验过程可产生大量缺陷点(例如，1到2百万个)。在一个实施例中，缺陷位置可与对应设计数据(例如，设计剪辑(design clip))叠加。
在步骤506中，将在步骤504中识别的一或多个失效图案类型的相同或类似图案类型分组成图案群组集。例如，控制器106的一或多个处理器108可将一或多个失效图案类型的相同图案类型分组成图案群组集。此外，一或多个处理器108可将图案群组存储于存储器110中。
在一个实施例中，一或多个处理器108可通过执行基于设计的分级(DBB)过程而实行分组过程。例如，DBB过程(例如，无监督式基于设计的分级)可将在步骤504中识别的一或多个失效图案类型的相同图案类型分组成图案群组集。在以下专利中描述设计数据及基于设计的分级：2012年3月20日颁予库尔卡尼(Kulkarni)等人的第8,139,843号美国专利；2011年10月18日颁予库尔卡尼等人的第8,041,103号美国专利；及2009年8月4日颁予扎法尔(Zafar)等人的第7,570,796号美国专利，全部所述专利以引用的方式并入本文中。
在一个实施例中，一或多个处理器108经由DBB过程识别缺陷的变化群体。可从调制晶片(例如，图2中的调制晶片)或生产晶片获得此变化群体。一旦识别缺陷或失效图案的变化群体，过程便移到步骤508。
在步骤508中，获取来自第一图案类型的两个或两个以上变化例子的图像数据。例如，一旦在步骤506中识别缺陷或失效图案的变化例子，处理器108便可引导SEM工具103从来自一或多个图案类型的两个或两个以上变化例子获取图像数据。在一个实施例中，可从在步骤506中分组于图案组的第一群组中的第一图案类型的两个或两个以上变化例子获取图像数据。例如，如图1中展示，经由重检工具103获取来自第一图案类型的两个或两个以上变化例子的图像数据113。在一个实施例中，重检工具103包含SEM重检工具。
在不同条件下形成第一图案类型的两个或两个以上变化例子。例如，如图3中展示，可用重检工具103获取给定图案的多个例子301a到301d。变化例子可包含标称图案301a及在相对于标称图案301a调制的条件(例如，焦点、剂量、叠加及类似者)下形成的一或多个图案301b到301d。进一步应注意，调制图案301b到301d还在相对于彼此的不同条件下形成，使得系统100可分析给定图案类型如何在改变的条件(例如，焦点、剂量、叠加及类似者)下失效。
如本文中先前提及，可从调制晶片或标称/产品晶片获取一或多个图案类型的两个或两个以上变化例子。例如，如图3中展示，可利用调制晶片200刻意地形成给定图案类型的变化例子，借此在不同条件(例如，焦点、剂量、叠加及类似者)下形成图案。在另一例子中，可在标称晶片(例如，产品晶片)上形成给定图案类型的变化例子，借此图案归因于晶片及工艺工具条件的变化而在不同条件下形成于晶片上。
应注意，在较高调制条件下，图案可开始完全失效。另外，在接近工艺窗的边缘时，可发生细微临界尺寸(CD)变化。CD变化变得重要的程度取决于特定装置的使用情况及特定电路元件可接受的电性能变化的程度。
在步骤510中，比较从第一图案类型的两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别第一图案类型内的一或多个局部差异。例如，一或多个处理器108可比较从第一图案类型的两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像。应注意，一或多个处理器108可应用所属领域中已知的任何图像比较技术来比较第一图案类型的两个或两个以上例子的所获取图像以识别第一图案类型内的一或多个局部差异。
在一个实施例中，一或多个处理器108可对从第一图案类型的两个或两个以上例子获得的一或多个共同结构的图像执行图像相减过程。例如，如图4A中展示，可从图像402减去图像404以识别图案中的局部差异406。通过另一实例的方式，如图4B中展示，可从图像412减去图像414以识别图案中的局部差异416。在此方面，调制图像404/414与标称图像402/412之间的比较(或两个调制图像之间的比较)使识别设计元件中变化的区域或子区域成为可能，而允许针对此类结构开发出自动测量计划。
在一个实施例中，一或多个处理器108可对第一图案类型的两个或两个以上例子的一或多个共同结构执行多样性取样过程以识别第一图案类型的部分内的一或多个局部差异。例如，一或多个处理器1087可在于标称条件(例如，标称焦点、剂量或叠加条件)下获得的图像与在调制条件(例如，相对于标称条件调制的焦点、剂量或叠加条件)下获得的图像之间执行多样性取样。
在另一实施例中，可在图像相减之前通过一或多个边缘平滑化技术最小化图案噪声而增强图像比较过程。例如，一或多个处理器108可对从第一图案类型的两个或两个例子获得的图像中的一或多者执行图像平滑化过程。接着，一或多个处理器108可比较从第一图案类型的两个或两个以上例子内的一或多个共同结构获得的图像以识别第一图案类型的部分内的一或多个局部差异。应注意，边缘平滑化过程可帮助消除图案噪声，例如图像中的线边缘粗糙度(LER)。
在步骤512中，识别第一图案类型内的一或多个计量位点。在一个实施例中，识别或选择在步骤510中识别的局部差异的位置处或靠近所述位置的一或多个计量位点。例如，如图4A及4B中展示，计量位点可识别为对应于分别在位置406及416处识别的局部差异的位置。
在另一实施例中，为进一步增强此类位点的取样，可使用BBP信号或数据来识别甚至在处理SEM图像之前展现高程度的差异的图案类型。可使用来自设计规则检查(DRC)、掩模规则检查(MRC)、基于临界区域的排名算法、图案化模拟或其它形式的预排名的额外信息来扩增或改进用于计量的图案的选择。例如，可使用DRC、MRC或一或多个模拟过程来验证一或多个经识别计量位点的位置。
虽然上文描述已论述获取“第一图案类型”的变化例子，但此描述仅经提供用于阐释性目的且不应解释为对本发明的范围的限制。应注意，方法500可扩展到任何数目个图案类型的获取及分析。在一个实施例中，方法500包含从分组于图案群组集的额外群组中的额外图案类型的两个或两个以上变化例子获取图像数据。在另一实施例中，方法500包含比较从额外图案类型的两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别额外图案类型的部分内的一或多个局部差异。在另一实施例中，方法500包含识别额外图案类型的部分内靠近额外图案类型的所述部分内的一或多个局部差异的位置的一或多个计量位点。
本文中描述的标的物有时说明含于其它组件内或与其它组件连接的不同组件。应了解，此类经描绘架构仅为示范性的，且事实上，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实际上“相关联”使得实现所要功能性。因此，在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”使得实现所要功能性，而与架构或中间组件无关。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可彼此“耦合”以实现所要功能性。可耦合的特定实例包含(但不限于)可物理配合及/或物理交互组件及/或可无线交互及/或无线交互组件及/或逻辑交互及/或可逻辑交互组件。
此外，应了解，本发明由所附权利要求书定义。所属领域的技术人员将了解，一般来说，在本文中及尤其在所附权利要求书(例如，所附权利要求书的主体)中所使用的术语一般希望为“开放式”术语(例如，术语“包含(including)”应解释为“包含但不限于”，术语“具有”应解释为“至少具有”，术语“包含(includes)”应解释为“包含但不限于”等)。所属领域的技术人员将进一步理解，如果预期引入权利要求叙述的特定数目，那么将在所述权利要求中明确叙述此意图，且在缺乏此叙述的情况下不存在此意图。例如，为帮助理解，以下所附权利要求书可含有引导性词组“至少一个”及“一或多个”的使用以引入权利要求叙述。然而，即使在相同权利要求包含引导性词组“一或多个”或“至少一个”及例如“一”或“一个”的不定冠词(例如，“一”及/或“一个”通常应解释为意味着“至少一个”或“一或多个”)时，还不应将此类词组的使用理解为暗示通过不定冠词“一”或“一个”引入权利要求叙述将含有此引入权利要求叙述的任何特定权利要求限于仅含有一个此叙述的发明；此同样适用于用以引入权利要求叙述的定冠词的使用。另外，即使明确叙述引入权利要求叙述的特定数目，所属领域的技术人员仍将认识到，此叙述通常应解释为意味着至少所叙述的数目(例如，在无其它修饰语的情况下裸露地叙述“两个叙述”通常意味着至少两个叙述，或两个或两个以上叙述)。此外，在其中使用类似于“A、B及C等中的至少一者”的惯例的例子中，一般以所属领域的技术人员将理解所述惯例的意义预期此构造(例如，“具有A、B及C中的至少一者的系统”将包含(但不限于)仅具有A、仅具有B、仅具有C、同时具有A及B、同时具有A及C、同时具有B及C及/或同时具有A、B及C等的系统)。在其中使用类似于“A、B或C等中的至少一者”的惯例的例子中，一般以所属领域的技术人员将理解所述惯例的意义预期此构造(例如，“具有A、B或C中的至少一者的系统”将包含(但不限制于)仅具有A、仅具有B、仅具有C、同时具有A及B、同时具有A及C、同时具有B及C，及/或同时具有A、B及C等的系统)。所属领域的技术人员进一步将了解，无论是在描述、权利要求书还是图式中，实际上应将呈现两个或两个以上替代项目的任何反意连接词及/或词组应理解为考虑包含所述项目中的一者、所述项目中的任一者或两个项目的可能性。例如，词组“A或B”应理解为包含“A”或“B”或“A及B”的可能性。
据信，通过前述描述将了解本发明及本发明的许多伴随优点，且将明白，可对组件的形式、构造及布置进行各种改变而不脱离所揭示的标的物或不牺牲全部其材料优点。所描述的形式仅为说明性的，且所附权利要求书希望涵盖且包含此类改变。此外，应了解，本发明由所附权利要求书定义。

Claims (31)

1.一种方法，其包括：
从晶片上的一组图案获取检验数据；
基于所述所获取检验数据识别所述晶片上的一或多个失效图案类型；
将所述一或多个失效图案类型的相同图案类型分组成图案群组集；
从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上变化例子获取图像数据，其中用不同条件形成所述第一图案类型的所述两个或两个以上变化例子；
比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异；及
识别所述第一图案类型的所述部分内靠近所述第一图案类型的所述部分内的所述一或多个局部差异的位置的一或多个计量位点。
2.根据权利要求1所述的方法，其进一步包括：
从分组于所述图案群组集的额外群组中的额外图案类型的两个或两个以上变化例子获取图像数据；
比较从所述额外图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述额外图案类型的部分内的一或多个局部差异；及
识别所述额外图案类型的所述部分内靠近所述额外图案类型的所述部分内的所述一或多个局部差异的位置的一或多个计量位点。
3.根据权利要求2所述的方法，其进一步包括：
基于所述第一图案类型的所述部分内的所述经识别一或多个计量位点及所述额外图案类型的所述部分内的所述经识别一或多个计量位点产生计量取样计划。
4.根据权利要求1所述的方法，其中所述从晶片上的一组图案获取检验数据包括：
运用宽带检验工具从晶片上的一组图案获取检验数据。
5.根据权利要求4所述的方法，其中所述运用宽带检验工具从晶片上的一组图案获取检验数据包括：
运用宽带等离子体检验工具从晶片上的一组图案获取检验数据。
6.根据权利要求4所述的方法，其中所述运用宽带检验工具从晶片上的一组图案获取检验数据包括：
运用扫描电子显微镜SEM从晶片上的一组图案获取检验数据。
7.根据权利要求1所述的方法，其中所述将所述一或多个失效图案类型的相同图案类型分组成图案群组集包括：
执行基于设计的分级DBB过程以将所述一或多个失效图案类型的相同图案类型分组成图案群组集。
8.根据权利要求1所述的方法，其中所述从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上变化例子获取图像数据包括：
运用重检工具从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上变化例子获取图像数据。
9.根据权利要求1所述的方法，其中所述运用重检工具从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上变化例子获取图像数据包括：
运用扫描电子显微镜SEM从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上变化例子获取图像数据。
10.根据权利要求1所述的方法，其中第一图案类型的所述两个或两个以上变化例子包括：
标称图案及至少一个调制图案，其中所述至少一个调制图案具有相对于所述标称图案调制的一或多个条件。
11.根据权利要求1所述的方法，其中运用不同焦点、不同剂量或不同叠加中的至少一者形成所述第一图案类型的所述两个或两个以上变化例子。
12.根据权利要求1所述的方法，其中所述比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异包括：
对所述第一图案类型的所述两个或两个以上例子的一或多个共同结构执行多样性取样过程以识别所述第一图案类型的部分内的一或多个局部差异。
13.根据权利要求1所述的方法，其中所述比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异包括：
对所述两个或两个以上图像中的一或多者执行图像平滑化过程；及
在所述图像平滑化过程之后，比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的所述两个或两个以上图像以识别所述第一图案类型的所述部分内的一或多个局部差异。
14.根据权利要求1所述的方法，其中所述比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异包括：
在从所述第一图案类型通孔的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像之间执行图像相减以识别所述第一图案类型的部分内的一或多个局部差异。
15.根据权利要求1所述的方法，其进一步包括：
运用设计规则检查DRC、掩模规则检查MRC或一或多个模拟过程中的至少一者验证所述一或多个经识别计量位点的位置。
16.一种方法，其包括：
识别晶片上的一或多个失效图案类型；
将所述一或多个失效图案类型的相同图案类型分组成图案群组集；
比较从第一图案类型的两个或两个以上变化例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异，其中用不同条件形成所述第一图案类型的所述两个或两个以上变化例子；及
识别所述第一图案类型的所述部分内靠近所述第一图案类型的所述部分内的所述一或多个局部差异的位置的一或多个计量位点。
17.一种系统，其包括：
检验工具；
重检工具；及
控制器，其包含经配置以执行维持于存储器上的程序指令集的一或多个处理器，所述程序指令经配置以引起所述一或多个处理器：
引导所述检验工具从晶片上的一组图案获取检验数据；
基于所述所获取检验数据识别所述晶片上的一或多个失效图案类型；
将所述一或多个失效图案类型的相同图案类型分组成图案群组集；
引导所述重检工具从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上调制例子获取图像数据，其中用不同条件形成所述第一图案类型的所述两个或两个以上调制例子；
比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异；及
识别所述第一图案类型的所述部分内靠近所述第一图案类型的所述部分内的所述一或多个局部差异的位置的一或多个计量位点。
18.根据权利要求17所述的系统，其中所述检验工具包括：
宽带检验工具。
19.根据权利要求18所述的系统，其中所述检验工具包括：
宽带等离子体检验工具。
20.根据权利要求17所述的系统，其中所述检验工具包括：
扫描电子显微镜SEM检验工具。
21.根据权利要求17所述的系统，其中所述重检工具包括：
扫描电子显微镜SEM重检工具。
22.根据权利要求17所述的系统，其中所述程序指令进一步经配置以引起所述一或多个处理器：
从分组于所述图案群组集的额外群组中的额外图案类型的两个或两个以上变化例子获取图像数据；
比较从所述额外图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述额外图案类型的部分内的一或多个局部差异；及
识别所述额外图案类型的所述部分内靠近所述额外图案类型的所述部分内的所述一或多个局部差异的位置的一或多个计量位点。
23.根据权利要求22所述的系统，其中所述程序指令进一步经配置以引起所述一或多个处理器：
基于所述第一图案类型的所述部分内的所述经识别一或多个计量位点及所述额外图案类型的所述部分内的所述经识别一或多个计量位点而产生计量取样计划。
24.根据权利要求17所述的系统，其中所述程序指令经配置以引起所述一或多个处理器通过以下项而将所述一或多个失效图案类型的相同图案类型分组成图案群组集：
执行基于设计的分级DBB过程以将所述一或多个失效图案类型的相同图案类型分组成图案群组集。
25.根据权利要求17所述的系统，其中第一图案类型的所述两个或两个以上变化例子包括：
标称图案及至少一个调制图案，其中所述至少一个调制图案具有相对于所述标称图案调制的一或多个条件。
26.根据权利要求17所述的系统，其中运用不同焦点、不同剂量或不同叠加中的至少一者形成所述第一图案类型的所述两个或两个以上变化例子。
27.根据权利要求17所述的系统，其中所述程序指令经配置以引起所述一或多个处理器通过以下项而比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异：
对所述第一图案类型的所述两个或两个以上例子的一或多个共同结构执行多样性取样过程以识别所述第一图案类型的部分内的一或多个局部差异。
28.根据权利要求17所述的系统，其中所述程序指令经配置以引起所述一或多个处理器通过以下项而比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异：
对所述两个或两个以上图像中的一或多者执行图像平滑化过程；及
在所述图像平滑化过程之后，比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的所述两个或两个以上图像以识别所述第一图案类型的所述部分内的一或多个局部差异。
29.根据权利要求17所述的系统，其中所述程序指令经配置以引起所述一或多个处理器通过以下项而比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异：
在从所述第一图案类型通孔的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像之间执行图像相减以识别所述第一图案类型的部分内的一或多个局部差异。
30.根据权利要求17所述的系统，其中所述程序指令进一步经配置以引起所述一或多个处理器：
运用设计规则检查DRC、掩模规则检查MRC或一或多个模拟过程中的至少一者来验证所述一或多个经识别计量位点的位置。
31.一种系统，其包括：
控制器，其包含经配置以执行维持于存储器上的程序指令集的一或多个处理器，所述程序指令经配置以引起所述一或多个处理器：
引导检验工具从晶片上的一组图案获取检验数据；
基于所述所获取检验数据识别所述晶片上的一或多个失效图案类型；
将所述一或多个失效图案类型的相同图案类型分组成图案群组集；
引导重检工具从分组于所述图案群组集的第一群组中的第一图案类型的两个或两个以上调制例子获取图像数据，其中用不同条件形成所述第一图案类型的所述两个或两个以上调制例子；
比较从所述第一图案类型的所述两个或两个以上例子的一或多个共同结构获得的两个或两个以上图像以识别所述第一图案类型的部分内的一或多个局部差异；及
识别所述第一图案类型的所述部分内靠近所述第一图案类型的所述部分内的所述一或多个局部差异的位置的一或多个计量位点。
CN201780086453.2A 2016-12-21 2017-12-18 用于弱图案量化的方法及系统 Active CN110402485B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662437585P 2016-12-21 2016-12-21
US62/437,585 2016-12-21
US15/729,458 US10262831B2 (en) 2016-12-21 2017-10-10 Method and system for weak pattern quantification
US15/729,458 2017-10-10
PCT/US2017/067092 WO2018118805A1 (en) 2016-12-21 2017-12-18 Method and system for weak pattern quantification

Publications (2)

Publication Number Publication Date
CN110402485A true CN110402485A (zh) 2019-11-01
CN110402485B CN110402485B (zh) 2020-10-27

Family

ID=62561935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780086453.2A Active CN110402485B (zh) 2016-12-21 2017-12-18 用于弱图案量化的方法及系统

Country Status (6)

Country Link
US (1) US10262831B2 (zh)
JP (1) JP6934944B2 (zh)
KR (1) KR102312239B1 (zh)
CN (1) CN110402485B (zh)
TW (1) TWI767967B (zh)
WO (1) WO2018118805A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3290911A1 (en) * 2016-09-02 2018-03-07 ASML Netherlands B.V. Method and system to monitor a process apparatus
US11550309B2 (en) * 2019-01-08 2023-01-10 Kla Corporation Unsupervised defect segmentation
KR20220093915A (ko) 2020-12-28 2022-07-05 삼성전자주식회사 반도체 집적회로 레이아웃의 확률적 취약점 검출 방법 및 이를 수행하는 컴퓨터 시스템
CN116228773B (zh) * 2023-05-09 2023-08-04 华芯程(杭州)科技有限公司 一种晶圆检测机台的量测数据校准方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005259830A (ja) * 2004-03-10 2005-09-22 Hitachi High-Technologies Corp 半導体デバイスのパターン形状評価方法及びその装置
US20150060667A1 (en) * 2012-04-13 2015-03-05 Hitachi High-Technologies Corporation Charged particle beam apparatus
US20160284579A1 (en) * 2015-03-23 2016-09-29 Applied Materials Israel Ltd. Process window analysis

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6603873B1 (en) * 1999-11-12 2003-08-05 Applied Materials, Inc. Defect detection using gray level signatures
US7711514B2 (en) * 2007-08-10 2010-05-04 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for generating a metrology sampling plan
JP2008147679A (ja) * 2007-12-17 2008-06-26 Hitachi Ltd 電子線応用装置
JP5075646B2 (ja) 2008-01-09 2012-11-21 株式会社日立ハイテクノロジーズ 半導体欠陥検査装置ならびにその方法
JP5254270B2 (ja) * 2010-04-09 2013-08-07 株式会社ニューフレアテクノロジー 検査方法および検査装置
KR20120066158A (ko) 2010-12-14 2012-06-22 삼성전자주식회사 테스트 방법 및 이를 수행하기 위한 장치
JP5478681B2 (ja) * 2012-08-24 2014-04-23 株式会社日立ハイテクノロジーズ 半導体欠陥検査装置ならびにその方法
JP2015060667A (ja) 2013-09-17 2015-03-30 国能科技創新有限公司 空気電池、空気電池用負極及び空気電池ユニット
US9536299B2 (en) * 2014-01-16 2017-01-03 Kla-Tencor Corp. Pattern failure discovery by leveraging nominal characteristics of alternating failure modes

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005259830A (ja) * 2004-03-10 2005-09-22 Hitachi High-Technologies Corp 半導体デバイスのパターン形状評価方法及びその装置
US20150060667A1 (en) * 2012-04-13 2015-03-05 Hitachi High-Technologies Corporation Charged particle beam apparatus
US20160284579A1 (en) * 2015-03-23 2016-09-29 Applied Materials Israel Ltd. Process window analysis

Also Published As

Publication number Publication date
WO2018118805A1 (en) 2018-06-28
US20180174797A1 (en) 2018-06-21
KR20190090035A (ko) 2019-07-31
US10262831B2 (en) 2019-04-16
JP6934944B2 (ja) 2021-09-15
CN110402485B (zh) 2020-10-27
TWI767967B (zh) 2022-06-21
JP2020504443A (ja) 2020-02-06
TW201838054A (zh) 2018-10-16
KR102312239B1 (ko) 2021-10-12

Similar Documents

Publication Publication Date Title
JP7026719B2 (ja) 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング
CN110402485A (zh) 用于弱图案量化的方法及系统
JP4230838B2 (ja) 欠陥検査装置における検査レシピ設定方法および欠陥検査方法
CN107851589B (zh) 在激光暗场系统中用于斑点抑制的方法及装置
JP3020462U (ja) 自動フォトマスク検査装置
JP3784603B2 (ja) 検査方法及びその装置並びに検査装置における検査条件設定方法
US8660336B2 (en) Defect inspection system
CN107077733B (zh) 用于以数字匹配滤波器进行增强型缺陷检测的系统及方法
CN107078073A (zh) 用于工艺窗口特征化的虚拟检验系统
CN107003249A (zh) 晶片缺陷发现
CN107615046A (zh) 在线测量油气管道中的黑色粉末
JP7037632B2 (ja) 効率的プロセスウィンドウ発見用ハイブリッド検査システム
CN109642875A (zh) 用于原位工艺监测和控制的光谱反射测量法
CN111837228B (zh) 用于检验的模式选择的方法和系统
US8830465B2 (en) Defect inspecting apparatus and defect inspecting method
US20200232934A1 (en) Multi-perspective wafer analysis
CN108062558A (zh) 使用位故障和虚拟检查产生一种晶片检查过程
JP2008096430A (ja) 欠陥検査方法およびその装置
KR102495449B1 (ko) 다중 산란 신호에 기초한 매립된 파티클 깊이 비닝
CN109844919A (zh) 优化用于设置检验相关算法的训练组
JP5450161B2 (ja) 欠陥検査装置および欠陥検査方法
CN108701626A (zh) 用于检测衬底上的缺陷的方法及系统
KR20220073766A (ko) 멀티 이미징 모드 이미지 정렬
WO2016149287A1 (en) Adaptive sampling for process window determination
TW202041852A (zh) 使用內嵌缺陷資訊之晶粒篩選

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