CN112289726A - 晶圆对准模板图像生成方法 - Google Patents

晶圆对准模板图像生成方法 Download PDF

Info

Publication number
CN112289726A
CN112289726A CN202011181837.2A CN202011181837A CN112289726A CN 112289726 A CN112289726 A CN 112289726A CN 202011181837 A CN202011181837 A CN 202011181837A CN 112289726 A CN112289726 A CN 112289726A
Authority
CN
China
Prior art keywords
template
area
wafer
image
template image
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
CN202011181837.2A
Other languages
English (en)
Other versions
CN112289726B (zh
Inventor
刘骊松
张旭
杨康康
黄涛
王岗
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.)
Shanghai Precision Measurement Semiconductor Technology Inc
Original Assignee
Shanghai Precision Measurement Semiconductor Technology Inc
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 Shanghai Precision Measurement Semiconductor Technology Inc filed Critical Shanghai Precision Measurement Semiconductor Technology Inc
Priority to CN202011181837.2A priority Critical patent/CN112289726B/zh
Publication of CN112289726A publication Critical patent/CN112289726A/zh
Application granted granted Critical
Publication of CN112289726B publication Critical patent/CN112289726B/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
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/68—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for positioning, orientation or alignment
    • H01L21/681—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for positioning, orientation or alignment using optical controlling means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

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

Abstract

本发明公开了一种用于晶圆对准的晶圆模板图像生成方法，能产生各级晶圆对准所需的高精度的模板图像，该晶圆模板图像生成方法包括：对所选模板区域，获得晶圆设计信息包括各层结构和层结构对应的材料信息，对正入射或接近正入射照明的光学成像系统包括OM系统和TDI系统，将晶圆表面结构划分微分区域，计算晶圆上各微分区域到图像采集单元感光区域中对应的微分像素反射率，用图像采集单元感光区域内微分像素反射率的平均值作为图像采集单元对应像素的原始值，并归一(映射)到像素灰度值数据类型所对应的取值范围，构成模板图像中各像素的灰度值。按照本发明实现的晶圆模板图像生成方法，能够避免设置Recipe时占用半导体设备工作时间，从而支持脱机产生Recipe,进一步提高半导体设备晶圆对准的可靠性。

Description

晶圆对准模板图像生成方法
技术领域
本发明涉及超大规模集成电路(ULSIC)制造和检测设备，尤其涉及这些设备中涉及对有图形晶圆(Patterned Wafer)的对准(Alignment)所用的模板图像的生成方法。
背景技术
大规模集成电路制造和检测设备，简称半导体设备，在晶圆上片后大都需要先进行晶圆对准。如图1所示，上述设备中上片系统均自带晶圆预对准功能，但其精度不高，例如晶圆圆心位置不确定度在～200μm范围,晶圆取向不确定度在±1°范围，因此都需在此预对准基础上再进行晶圆对准。由于图像采集系统需兼顾视场(FOV)和分辨率要求，上述设备都需要多级晶圆对准，使晶圆圆心位置和取向从预对准精度，逐步达到制造与检测核心任务所需精度。通常初级晶圆对准始于光学显微成像系统(Optical Microscope，OM)，后级对准可以仍然用OM配多级高倍率物镜，或可用设备本身的核心任务部件，例如光学缺陷检测设备中的延时积分(Time Delayed Integration,TDI)系统，在诸多亮场(Bright Filed)缺陷检测设备中都用到。目前业内晶圆对准主流方法仍是模板匹配，且各级对准模板图像均为设备实际采集的图像。
半导体设备工作包括创建工作菜单(Recipe)和执行Recipe两部分。参考图2，在创建晶圆对准Recipe时，通常选择模板图像201中的模板202，模板202在模板图像中具有唯一性，且亮度、对比度都须达到既定要求，然后到目标图像203中进行模板匹配，搜寻获最佳匹配位置204。模板匹配算法常用图像相似度算法，例如互相关(Normalized CrossCorrelation，NCC)和基于特征的模板匹配，然后在最佳匹配位置(整数像素)附近插值获得亚像素精度的匹配位置。用沿同一行(列)多个Die位置匹配结果，如图3中所示的311，312，313，314，315，316，取其中匹配成功的点拟合直线，获得晶圆取向318，同样方法，直至完成最后一级晶圆对准。
半导体设备工作时，晶圆上片后先执行晶圆对准Recipe，其过程和创建Recipe时相同，采用Recipe中保存的各级模板，到Recipe中保存的各级目标图像的匹配位置，例如图3中的311至316点附近采集图像进行晶圆对准获得晶圆取向，直至完成最后一级。
上述业内采用对准方法涉及在线对准，但当前业内趋势是尽可能脱机产生Recipe，为了1)避免设置Recipe时占用半导体设备工作时间，2)规范和方便Recipe的统一设置以支持目前业内“Copy Exactly”理念，而现有技术中常用的设置Recipe时对设备最依赖的就是晶圆对准Recipe,需要到设备上从晶圆上采集置模板图像。而如能脱机产生晶圆对准模板，则意义非凡，不仅能免去占用半导体设备宝贵的机时，也能制定统一的模板，其意义也十分重要，能减少人为误差且能支持“Copy Exactly”。
基于上述目的业内少数厂商开始尝试一些新的方法产生晶圆对准模板图像，例如尝试采用集成电路设计合成光学图像的模板，但限于当晶圆最表面仅存在简单几何形状的设计部分，或从实际图像中事先人工提取少数几何图形作为模板，能满足这样使用条件的情况极少，且应用中也存在如下的技术问题：
几何图形的模拟并未考虑设备视觉系统的光学效应，包括初级对准OM图像和TDI图像的晶圆对准的模板的合成，在大部分情况下合成图像和实际图像偏差极大甚至大相径庭，特别是当晶圆上有多膜层(透明或半透明)叠加或设计较复杂时,绝大部分情况下都不能用，除非晶圆表面结构极为简单，只有一、二层，问题可简化为二维的。
另外一种情况是从实际采集的晶圆光学图像中人工选择构造简单的几何图形作为模板(例如目前商用图像处理软件
Figure BDA0002750397310000021
)，但能用的地方罕见，特别是初级晶圆对准因为其视场区域(Field of View，FOV)较大，其图像中包含很多线路，且纵向可包括多层结构，远非简单的几何图形可以代表的。另外人工选择几何图形过程许多部分需要手工处理，繁琐耗时且极容易出错。
总之迄今尚无一个实际可行的办法能从集成电路设计产生晶圆对准用的模板图像。
再者从“Copy Exactly”理念的角度考虑，上述技术方案所选择的几何图形并没有兼顾标准信息和实际应用中多级对准有效性问题，忽视了对晶圆设计文件中的标准信息利用，缺少对晶圆对准中潜在问题的防范或排查。由于后级对准涉及到的FOV小，使得模板的唯一性，X，Y方向特征含量较易出现问题而影响晶圆对准，如何利用设计中信息，尽早在问题的源头上予以防患也是目前需要解决的问题。
发明内容
为解决上述现有技术中的问题，本发明提出了一种用于晶圆对准的晶圆模板图像生成方法，可以解决上述问题，实现晶圆模板图像的脱机生成方法，并且提高了半导体设备应用上述模板图像时的对准可靠性。
为实现上述目的，按照本发明，提出了一种用于晶圆对准的模板图像生成方法，其特征在于，包括：
获取晶圆选定模板区域的层结构信息和对应的层结构材料信息；
将所述选定模板区域划分为多个微分区域，每个所述微分区域一一对应于成像系统中的图像采集单元的微分感光区域；
基于所述层结构信息及所述层结构材料信息，计算所述成像系统中的照明光源经每个所述微分区域反射后到达相应的所述微分感光区域的反射率；
基于所述微分区域的反射率，获取所述图像采集单元的像素的原始像素值，所述图像采集单元的每个像素包含多个所述微分感光区域并与多个所述微分区域相对应；
将所述图像采集单元的像素的原始像素值映射至晶圆对准设备对应的图像类型像素值，以此生成模板图像。
进一步地，所述图像采集单元的每个像素的原始像素值为相应像素所对应的多个微分区域的所述反射率的平均值。
进一步地，所述获取晶圆选定模板区域的层结构信息和对应的层结构材料信息的方法为解析晶圆设计文件；所述层结构信息包括从晶圆基底到表层。
进一步地，所述成像系统的所述照明光源接近正入射或入射角<15°。
进一步地，还包括对所述模板图像进行消畸变处理，包括平移亚像素并以高精度插值及边角钝化处理。
本发明解决的核心问题在于脱机产生晶圆模板图像，其中利用光学成像手段来模拟计算成像光路信息为本发明的关键，而在计算经过微分区域的成像光路信息中，上述区域对应的层结构信息和材料的折射率信息为计算的关键，在计算中，采用解析晶圆设计文件的方法，能够充分利用晶圆的设计信息。
按照上述步骤生成的中间模板图像用于以其图像信息修正其它方法生成的模板图像。生成的模板图像对应为图像类型像素值，需要对生成后的模板图像进行后处理，以获得更加准确的考虑到了镜头畸变等各类因素的图像后处理以使得模板图像更为真实。
进一步地，还包括所述模板图像唯一性的检验，具体包括：
步骤一，基于所述选定模板区域，以晶圆对准中位置的最大误差值为搜寻范围建立搜寻区域；
步骤二，在所述搜寻区域内采用模板匹配算法，搜寻所述模板图像是否出现多个匹配；
步骤三，如果所述匹配的个数大于1，则另选择模板区域以生成新的模板图像并再重复执行所述步骤一和步骤二，直至所述匹配的个数为1。
进一步地，还包括检验所述模板图像对于给定光源的光学稳定性，具体包括：
选择所述选定模板区域的特定层，
以设定步长在所述特定层的厚度在一定范围内变化下，生成多个所述模板图像，统计所述多个模板图像的均值和方差，依据以上方差计算平均方差或选定最大方差，和既定阈值比较以检测所述模板图像相对于光源的稳定性，以评判所述模板图像的质量，在不满足要求的情况下，另选定其它模板区域以生成新的模板图像。
进一步地，还包括通过设定阈值检验所述模板图像的特征量的含量是否达标，所述特征量包括所述模板图像的对比度以及所述模板图像中的有利于模板匹配的特征量；
进一步地，还包括优化模板图像的的选择位置，具体包括：
通过解析设计文件获取待选区域，所述待选区域包括初定的模板区域，以及基于初定的模板区域，以晶圆对准中位置的最大误差值为搜寻范围建立的搜寻区域；
沿着搜寻区域移动所述初定的模板区域，并统计每次移动后的所述初定的模板区域中所含的特征量的个数，选择其中包含特征量最多的区域作为最后选定的模板区域。
进一步地，所述模板区域中所含的特征量，包括基于移动后的所述初定的模板区合成的模板图像的对比度以及所述合成的模板图像中包含的有利于模板匹配的特征量。
以上对生成模板图像的优化进行了进一步的限定，为提高上述合成模板图像的可靠性，以及可以经由合成模板图像的信息完成相关应用环境下的其它设备的检测检验反馈等多维信息的处理及利用，上述模板图像可实现多个方面的进一步应用。
附图说明
图1是本发明实施例中一种晶圆对准相关的半导体设备示意图；
图2是本发明实施例中一种模板选取和模板匹配示意图；
图3是本发明实施例中一种晶圆对准求取晶圆取向的示意图；
图4是本发明实施例中一种模板区域选择示意图；
图5是本发明实施例中一种OM系统和TDI系统光路示意图；
图6(A)是本发明实施例中一种由设计结构合成OM图像的光学路径示意图。未按比例；
图6(B)也是本发明实施例中一种由设计结构合成OM图像的光学路径示意图，其中设计结构和图6(A)中不同。未按比例；
图7(A)是本发明实施例中涉及到平行介质结构(单层)的光学干涉原理示意图；
图7(B)是本发明实施例中涉及到平行介质结构(3层)的光学干涉原理示意图；
图8(A)是本发明实施例中一种把由设计经过光学模拟产生的微分像素值合成像素值的示意图，显示微分像素；
图8(B)是本发明实施例中一种把由设计经过光学模拟产生的微分像素值合成像素值的示意图，显示合成后的像素；
图9是本发明实施例中一种在合成OM模板图像后进行区域唯一性检验的示意图。
具体实施方式
应理解，以下为本实施例的不同特征的许多不同的实施例或例子。以下描述的构件与安排的特定例子，以简化说明实施例。当然，这些仅仅是例子而不是用以限制具体的实施方式。
为了解决上述问题，本发明中阐述了一种用于晶圆对准的模板图像的方法。
本发明提供的模板图像方法主要用于半导体设备的晶圆对准过程，参考图1中示出的包含晶圆对准功能的半导体设备100，包括一个晶圆上片系统，其中包括前端模组(Equipment Front End Module，以下简称EFEM)110,内设用于搬运晶圆的机械手111和预对准器112，机械手111用于在EFEM110，晶圆盒113和机械运动平台(Stage)115之间搬运晶圆120。机械运动平台115可在X,Y,Z方向运动和绕其中心转动，机械运动平台115上设有晶圆托盘。
半导体设备100还包括一个OM系统130，含光源，镜头，相机，FOV通常在2mm～4mm，分辨率在10μm左右，有的OM系统可切换高、低倍率物镜。许多半导体设备还有核心任务部件131，本身可能就是用来采集晶圆上高分辨率图像进行分析的，如TDI成像系统。另外还有计算机140和其上运行的软件141，包括用户界面(GUI)，系统软件和算法等模块。
参考图5，本发明中生成(合成)晶圆模板图像的方法，针对照明光源接近正入射或接近正入射(入射角<15°)的成像系统，包括1)同轴照明的OM系统510和2)照明光源接近正入射的TDI成像系统(多用于明场检测设备)530。本实施方案包括下列步骤。
第一步，获取晶圆表面选定模板区域的层结构信息和对应的层结构材料信息。
晶圆上的层结构都有相应蓝图(Layout)设计数据，设计数据可以是集成电路图形设计系统(Graphic Design System，GDS)文件,也可以是CAD文件(和GDS文件无本质区别)，GDS文件是集成电路版图设计中最常用的图形数据文件，目前是GDSII格式。GDSII文件包括每层的原始几何图形，如线、弧，多边形等，同时包括转动、缩放、复制等操作定义，以节省空间。使用时需要先将GDSII文件按既定比例解析，获得实际图形。晶圆上Die的GDSII文件数据量极大，因此用户可根据需要从中选取局部图形，解析出其对应的图像，按照其中定义的操作和图像处理算法，将矢量图形转化(Rendering)为灰度图像，例如在计算机中数据类型为8位(bit)或10位的灰度图像。
在本实施方案中，首先解析集成电路设计文件，获取所需设计信息，目前市场上有开源和商用的GDSII文件解析软件。实际应用中，或解析整个Die结构让用户选择其中局部设计为模板，或解析既定区域(Hot Spot)的结构。对于低分辨率的OM图像的解析区域选取中，需考虑多个Die结构的拼接，如图4中模板区域401跨4个Die，由于每个Die设计相同，且Die与Die之间的间隔即“街道”(Street)尺寸固定(通常70μm)，现有解析软件都可以实现不管是跨Die还是整个Die或既定区域的解析。设计信息包括待选模板区域晶圆表面的层结构信息，具体包括层结构的材料信息和厚度等。
如图6(A)和6(B)中所示，从局部看，晶圆基底610通常为Si，Ge或其他III-V，II-VI族半导体材料。晶圆基底610上面有不定的多层堆叠结构层611，也即具有尺寸不同的多层结构，各层结构可以为透明或半透明的或不透明的，金属或化合物等，多层堆叠层结构611上面是空气层。
本发明不需对任何设计的结构作限制，而是基于获取的层结构材料特性如折射率(复数)Nj＝n+ik，然后按统一的光学模型计算即可，其中j代表层序号，实部折射率n，虚部折射率k，即吸收系数，每种材料的折射率都可以从物理或化学手册中查到，或以数值、经验公式、理论模型的形式，也可实际测量得到。
值得注意的是，上述步骤的核心点是获取模板区域晶圆表面的层结构信息以方便进行微分光学成像路径的光学计算，解析晶圆设计文件获得上述信息是其中的一种优选的实施手段。
第二步，将上述步骤中选定模板区域划分为多个微分区域，微分区域与成像系统中的图像采集单元的微分感光区域一一对应；按照严格光学理论，计算成像系统中的照明光源经晶圆表面微分区域反射后到达相应微分感光区域的反射率，以获得微分像素值。
本发明中划分微分区域是指将模板区域的晶圆表面分割成用于微分光学计算的子单元，子单元的编号为m，考虑到晶圆设计复杂性，实际上每个编号m下的微分区域的层数j都可能不一样，其中微分区域的尺寸可以为解析出的集成电路设计结构中XY平面上最小尺寸的1/V,例如V≥5在实际应用中就足够精确了。在按照本实施方式执行微分划分之后，在进行微分区域的反射率的计算中，对于相同晶圆，每个微分区域对应的微分成像光路上对应的厚度和折射率在光学计算中为固定。
如果晶圆中参与上述微分计算的微分区域包括若干阶跃剧烈变化层结构的情况如图6(A)中左右两条虚线光路所对应的区域，在微分区域光学成像计算中可能需要考虑衍射的复杂成像情况，一方面可以通过缩小微分区域来将阶跃剧烈变化的层结构区域进一步细分开以开展折射率的计算，另一方面可以使用商业软件(如ZemaxTM软件)按照更基础的光路计算微分区域的反射率。由于微分区域大小实际上属于微分可以任意调整，因此本发明的提供的方案对集成电路领域不同技术节点的线宽(目前到5nm以下)结构，本发明都适用。
如图6(A)和(B)中所示，照明光源正入射或接近正入射至晶圆表面，每个微分区域的反射光线将从基底面沿途经过基底上方相应层(后面将给出严格的光学公式)到达图像采集单元的相应微分感光区域。本实施例中，图像采集单元为OM相机，继续参考如图6(A)和(B)，虚线所示的光线对应晶圆表面一个微分区域，同时最终对应入射至OM相机的一个微分感光区域，即晶圆表面微分区域的个数和图像采集单元的微分感光区域即微分像素的个数相同，并且晶圆表面微分区域与图像采集单元的微分感光区域或微分像素的尺寸比例就是OM系统的放大倍数，其中，晶圆表面每个微分区域对应的路径可称为微分光线路径或成像微分光路。
进一步地，按照光学理论，严格计算每个微分区域的反射光到达OM相机相应微分感光区域的反射率。以宽波段的照明光源为例，且如前所述照明光源正入射或接近正入射至晶圆表面，对每个波长区间用其中值波长λ代表，每个微分光路上不同材料层标号Am,基底标号Am+1,最表层外面为空气，标号为0,之间各层材料的厚度为dj，折射率为Nj，每层光路相位差变量为δj，在以上的微分面积的光学反射率计算中，由于微分区域的尺寸足够小，近似为每个微分面积对应各层间相位差变量计算中不考虑存在层数变化的情况，即认为每个微分面积中的材料层数和厚度在对应微分区域中是固定的，当然不同的微分区域中膜层材料和厚度可能不同，于是计算出微分区域的相位差变量为：
Figure BDA0002750397310000071
j为从1到Am的整数，其中m为微分区域的编号；Am对应m编号微分区域的层数；
根据薄膜光学(电磁场)理论(参考文件：1.Thin-Film Optical Filters,H.AngusMacLeod,4th Edition,Mar2010；2.应用薄膜光学，唐晋发，郑权，1984)，这些平行的层结构中每层结构对应于一个光学矩阵，对一个完整的微分区域,各自都经如图7所示的膜层结构，各微分区域的成像微分光路的反射率计算都有下列公式：
Figure BDA0002750397310000072
其中B,C为中间变量，Nj和δj如前所述。然后依据中间变量B、C可进一步计算出微分区域反射率R(λ)：
Figure BDA0002750397310000073
其中*表示复共轭操作，λ如上所述表示照明光源中某波长区间内的中值代表，N0为空气折射率，
Figure BDA0002750397310000074
为基底材料折射率。
当然，为实现进一步的精确严谨计算，针对当前微分区域的计算，不仅仅使用中值波长代表以计算上述反射率，而是对于整个照明光源所对应的光谱段遍历计算，遍历照明光源覆盖的全部波长区间段的各自反射率，然后加权平均后所得的总反射率为的微分区域的反射率：
Figure BDA0002750397310000081
其中η(λ)为OM相机感光材料对波长λ的响应系数,求和遍历全部波长区间，总共Nλ个波长值的加权平均计算。如果相机整个波长覆盖区间经过了白平衡矫正，η(λ)值可设为1。
第三步，求图像采集单元的像素中包含的全部像素的平均值，作为图像采集单元的像素的原始像素值，并将图像采集单元的像素的原始像素值映射至模板图像的数据类型，以此生成模板图像。
微分区域与图像采集单元的微分像素一一对应，图像采集单元中的一个像素包含多个微分感光区域，也即一个像素对应于多个微分像素，因此也对应于选定模板区域的多个微分区域。通过合成计算每个像素中对应的多个微分区域的反射率的平均值，以获得每个像素的原始像素值。如图8(A)和图8(B)所示，将图像采集单元中每个像素对应的多个微分区域810的反射率求取平均值，从而获得每个像素的原始像素值，如下：
Figure BDA0002750397310000082
其中Rst为图像采集单元像素P(x,y)中第s行t列微分像素的反射率值，P(x,y)为合成图像在(x,y)位置的原始像素值。因为原始像素值由反射率计算获得，故原始像素值在[0，1]之间，然后可进一步将原始像素值映射到图像数据类型对应的最大范围之内，以获得选定模板区域成像于图像采集单元中相应区域的每个像素值，由此生成模板图像。例如对8位(bit)正整数类型在[Pmin，Pmax]之间，其中Pmin≥0，Pmax≤255，如果需要的模板图像数据类型是10位的正整数，像素的灰度值范围要相应扩大，例如上限有Pmax≤1023，便于后续图像处理。应用中Pmin，Pmax不一定对应取到极限0，255；给材料的纯度或透明度修正和/或噪声影响修正留些像素修正冗余空间，但这些灰度差别对只关心灰度变化(这些灰度变化对应模板区域中的特征区域)的模板匹配算法来说都无足轻重。由此获得了图像采集单元的对应的模板区域成像区域的每个像素值，由此实际上晶圆模板图像也已经生成。
进一步地，对由上述步骤生成的模板图像还可以进行图像后处理(PostProcessing)，以优化模板图像质量。
采用上述的晶圆表面选定模板区域的微分区域相应的几何图形转换为合成的模板图像过程中，有可能在模板图像的边缘产生失真(Aliasing)现象,造成图像的畸变，还要将模板图像进行如下消畸变处理，包括：1)沿X,Y方向微小平移一个亚像素f，例如f＝0.125像素,平移量Δx＝Δy＝f,并进行亚像素插值，例如用双三次(Bi-cub集成电路)曲线插值。如有需要可以用更精确的插值方法，例如用更多点的辛格(sinc)函数。接下来对插值后的图像进行钝化处理，钝化处理中使用但不限于高斯(低通)滤波，使模板图像更接近真实图像，其中对边、角等不同的位置可以使用现有的不同的钝化算法和参数，本申请对此不作限定。
通过上述方法，可以获取初级光学成像系统(OM)对准所需的模板图像，同样也可进一步获取后续高级晶圆对准用的模板图像。高级晶圆对准可能仍然是OM成像系统配以大倍率物镜，或如前所述为接近正入射的TDI成像系统，这些对应成像系统主要差别在于，系统所对应使用的照明光源谱宽、中值波长的区别，系统图像采集单元的图像采集区域材料的感光效应系数不同，成像光路的大倍率不同，以及晶圆划分的微分区域与图像采集单元的微分像素区域一一对应的尺寸放大问题，其余仍用上述方法产生高级晶圆对准用的模板图像。
以上为按照本发明的模板图像生成方法，值得注意的是，按照本发明实现的合成模板生成图像是在脱机情况下生成的，脱机生成模板图像能够减少半导体设备设置对准的时间占用，支持脱机产生半导体设备Recipe。
值得注意的是，本发明利用半导体设备晶圆对准过程中的成像光路的反射率计算，从而计算出图像采集单元像素的原始像素值，而反射率计算在于获取晶圆的层结构信息和对应的层结构的光学材料信息，其中的层结构信息可以采用晶圆设计文件的解析方法获得。
按照本实施方案中第三步获取原始像素值后，在其它的实施方式中可对现有技术中提及的利用简单几何图像生成的模板图像进行一一对应的像素值填充或修正，从而形成基于一基准信息的晶圆成像光路像素修正后的合成模板图像，用于晶圆对准或其它用途。
进一步地，基于OM或TDI的成像光路中可能还包括有平面镜和透镜等器件，在获得上述微分区域反射率R(λ)的基础上，进行进一步的成像光路修正，或者依据成像光路的特殊设置情况再进行对应的修正。
进一步地，理论上当非正入射(与上述实施方式中论述的成像微分光路的入射角<15°不同的大于或等于15°的情况下)时，用上述步骤中的实施方案计算反射率时要对S偏振光和对P偏振光分别计算(此时Nj和δj可用照明光源在经过微分区域的层结构中各层接近但不再为零的折射角θj′的余弦cosθj′来修正，而θj′可由入射角θj按斯涅尔定律导出)。但入射角度偏差不大时，实际上造成的像素的灰度值差别并不大，又因为模板匹配算法如NCC或轮廓匹配算法，只关心图像中灰度的变化的位置，因此在实施上没有影响。
之后，利用生成的合成模板图像完成晶圆对准流程，其具体步骤和上面背景技术中描述的相同，也包括创建晶圆对准Recipe，使用合成的各级晶圆对准模板图像,可以完全脱机不占用设备，并可以统一制定Recipe。执行晶圆对准Recipe的具体步骤也和上面背景技术中描述的相同，为现有技术，不再赘述。开始每一级晶圆对准时，当用合成模板在晶圆上获得第一个匹配后(例如图3中311或312)后，后续模板匹配可以继续使用合成模板，也可以将上述合成模板切换成其它合成模板，或者用该匹配点的实际采集图像作为新的模板图像进行后续的模板匹配。
总结上述实施例中体现的本发明突出的优点为：
本发明实施方案由集成电路设计信息合成OM模板图像的方法，基于严格的光学理论计算，不必担心多层叠加时的遮挡、近似、取舍等图像处理问题，结果精确；
本发明实施方案能处理各种复杂的集成电路结构；理论上不管晶圆上有多少层和有什么样的结构，只要知道各层的结构及结构对应的材料折射率，都用同样的方法,普适性强；
本发明实施方案基于光学系统性计算，生成图像模板的光学计算中需要的参数简单明确，计算方便，进一步排除了人为选择简单几何形状的局限性；
本发明实施方案应用广泛，尤其适用于正入射和接近正入射的光学成像系统，如OM和TDI成像系统的模板图像合成，使得晶圆对准的Recipe脱机产生，对于其它非正入射情况，如前所述，采用修正计算的方式补充即可。
另外上述实施方案中涉及的计算，仅在解析晶圆设计文件时比较耗时，其余的光学计算和图像处理耗时对现代计算机微不足道，但上述实施方式中，可依据算力来选择解析的晶圆既定区域的大小，当然，在算力允许的情况下，解析整个晶圆设计文件也有可能，而进一步地，在解析晶圆设计文件中选择具有更多特征量的区域并兼顾方便微分划分计算的区域，可进一步保障模板质量，从而提高后晶圆对准中模板匹配的可靠性和精度，从而提高半导体设备晶圆对准的可靠性和精度。
进一步地，利用上述解析集成电路设计文件获取所需的晶圆设计信息，对上述方法合成的模板图像的质量进行检验，包括检验所获取的模板图像的唯一性、特征含量、位置选择等是否合格，或者是帮助寻找具有更多特征量的优化模板图像，也可用于检验模板图像对于给定光源的光学稳定性，以考察模板图像本身潜在的问题，以便从根源上防患潜在的漏洞，降低设备工作中晶圆对准时可能存在的误差。
具体地址，上述检验步骤包括：
检验之一，检验模板图像的唯一性，具体包括：基于上述已选定的模板区域，以晶圆对准中位置的最大误差值为搜寻范围建立搜寻区域，在搜寻区域内采用模板匹配算法，搜寻模板图像是否出现多个匹配，如果所述匹配的个数大于1，则另选择模板区域以生成新的模板图像并再重复执行上述检验步骤，直至所述匹配的个数为1。
具体地，如图9所示，基于已选定的模板区域911，以晶圆对准中位置的最大误差值r为搜寻范围建立搜寻区域912。其中，搜寻区域912所对应的图形通过解析GDSII设计文件获取，搜寻范围r的选择及设置不能过小，也不能过大，否则可能会造成漏检、误检、和浪费时间，优选是r略大于晶圆对准中位置的最大误差值，这个值通常可以通过设备上片系统校准获得(不同的设备有不同的硬件、部件，因此最大误差值可略有差别)；然后，在建立的搜寻区域内，用模板匹配算法例如互相关算法或基于特征的模板匹配算法搜寻模板图像是否出现多个匹配。如果在上述搜寻区域912内出现第二个达到或超过既定相似度阈值点(该既定相似度阈值在设置上比实际用于晶圆对准时采取的图像匹配阈值要小，优选为其70％左右)，则说明由所选定的模板区域911获取的模板图像不具唯一性或比较容易混淆，则需将信息反馈给用户，以便重新选择模板区域911以另生成模板图像，当然，重新选择生成模板图像的模板区域并不严格限制在搜寻区域912内，可以适当在晶圆上扩大搜寻的范围。然后再对新生成的模板图像重复执行上述检验步骤，直至得到具有唯一性的模板图像为止。
检验之二，检验模板图像对于系统给定光源的光学稳定性。
具体地，根据照明光源波段、晶圆结构、和工艺稳定性来决定是否有检验的必要性，例如照明光源波长范围较窄，例如波段<100nm，就有必要尝试检验。因为如果照明光源波段较窄，当晶圆层结构中存在多个材料类型的膜层，由于光学薄膜干涉，会造成对特定范围内波长的干涉的相涨相消现象从而造成基于理论光学计算的合成模板图像与实际的光学图像内容存在较大差别，可能导致模板匹配不准而晶圆对准失败。
在开展相关校验的时候，可以针对模板区域特定层，例如晶圆表面厚度较容易改变的膜层，例如SiO2膜层或多个膜层，在进行微分区域成像反射率的光学计算中，模拟在一定范围内改变厚度，考察最后计算生成的模板图像的变化。具体来说考虑第q层厚度容易有较大的变化，假定折射率Nq不变，让厚度dq在(dqmin，dqmax)范围内以步长Δd变化，重复实施方案一中第二步至第四步，获得各种厚度变化下的合成图像多个。
设这些图像在(x,y)位置像素值仍然以P(x,y)表示，统计以上在各种厚度变化下的合成多帧图像中P(x,y)点均值μ(x,y)和方差σ(x,y)，得到上述多帧图像中(x,y)位置像素的平均方差的均值，再对每个模板图像全部σ(x,y)求平均，得到多个模板图像平均方差ξ如下，
Figure BDA0002750397310000121
这里所有合成模板图像的宽阔均为W,H(W×H值为模板图像所有像素数量)，同时也可以在图像的全部σ(x,y)找最大方差σmax。如果平均方差ξ或最大方差σmax,超过各自的既定阈值，则通过软件反馈警告信息给用户，以便用户采取相应措施，包括重新选择模板图像区域。
检验之三，通过设定阈值检验模板图像的特征量的含量是否达标，模板图像的特征量，包括模板图像的对比度以及模板图像中有利于模板匹配的特征量。其中，有利于模板匹配的特征量，可以是模板图像的梯度图像中达到既定阈值的X,Y方向的像素统计占比，也可以包括常见的特定的特征，例如Scale-invariant feature transform(SIFT)。如果对比度偏低，或模板图像的梯度图像中X,Y方向的像素统计占比低于既定阈值,则也通过软件反馈警告信息给用户，以便用户采取相应措施，包括选择其他部位或在允许的范围内增大模板尺寸。
检验之四，优化模板区域的选择位置，以优化模板图像。从集成电路设计中的某一区域选定的模板区域具有一定的随机性，因而在实用中未必最佳，例如其X,Y方向特征量未必最丰富，因而在受到光照、噪声等干扰时未必很可靠，因此通过改变模板区域的选定位置可适当优化模板图像。具体地，以图9中的示例为例，通过解析设计文件获取的待选区域，待选区域包括初定的模板区域911，以及基于初定的模板区域911，以晶圆对准中位置的最大误差值为搜寻范围建立的搜寻区域912，沿着搜寻区域912移动初定的模板区域911,每次统计初定的模板区域911中所含的特征量的个数，选择其中包含特征量最多的区域作为最后选定的模板区域。这里的特征量，包括基于移动后的所述初定的模板区合成的模板图像的对比度以及所述合成的模板图像中包含的有利于模板匹配的特征量，可以是合成模板图像的梯度图像中达到既定阈值的X,Y方向的像素统计占比，也可以包括其他常用图像特征例如SIFT特征。
这样基于设计信息并经严格光学理论合成模板后，进一步检验模板的唯一性和有用特征含量，避免了实际采集图像中噪声、照明等因素的干扰，能准确地获得对晶圆对准有影响的关键因素的测量量，帮助降低潜在风险；利用设计信息检验模板光学稳定性，能预见并及时反馈潜在的晶圆表面膜层变化时对模板图像生成的影响，及时反馈给用户，以帮助规避潜在问题，进一步提高设备晶圆对准的可靠性；而在生成模板图像的基础之上进一步优化模板区域的选定位置，可以获得包含更多的有利于模板匹配的特征量的模板图像，因而可进一步提高模板匹配乃至半导体设备晶圆对准的可靠性。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于晶圆对准的模板图像生成方法，其特征在于，包括：
获取晶圆选定模板区域的层结构信息和对应的层结构材料信息；
将所述选定模板区域划分为多个微分区域，每个所述微分区域一一对应于成像系统中的图像采集单元的微分感光区域；
基于所述层结构信息及所述层结构材料信息，计算所述成像系统中的照明光源经每个所述微分区域反射后到达相应的所述微分感光区域的反射率；
基于所述微分区域的反射率，获取所述图像采集单元的像素的原始像素值，所述图像采集单元的每个像素包含多个所述微分感光区域并与多个所述微分区域相对应；
将所述图像采集单元的像素的原始像素值映射至晶圆对准设备对应的图像类型像素值，以此生成模板图像。
2.如权利要求1中所述的用于晶圆对准的模板图像生成方法，其特征在于，
所述图像采集单元的每个像素的原始像素值为相应像素所对应的多个微分区域的所述反射率的平均值。
3.如权利要求2所述的用于晶圆对准的模板图像生成方法，其特征在于，
所述获取晶圆选定模板区域的层结构信息和对应的层结构材料信息的方法为解析晶圆设计文件；所述层结构信息包括从晶圆基底到表层。
4.如权利要求3中所述的用于晶圆对准的模板图像生成方法，其特征在于，所述成像系统的所述照明光源接近正入射或入射角<15°。
5.如权利要求3中所述的用于晶圆对准的模板图像生成方法，其特征在于，还包括对所述模板图像进行消畸变处理，包括平移亚像素并以高精度插值及边角钝化处理。
6.如权利要求1-5中任意一项所述的用于晶圆对准的模板图像的生成方法，其特征在于，还包括所述模板图像唯一性的检验，具体包括：
步骤一，基于所述选定模板区域，以晶圆对准中位置的最大误差值为搜寻范围建立搜寻区域；
步骤二，在所述搜寻区域内采用模板匹配算法，搜寻所述模板图像是否出现多个匹配；
步骤三，如果所述匹配的个数大于1，则另选择模板区域以生成新的模板图像并再重复执行所述步骤一和步骤二，直至所述匹配的个数为1。
7.如权利要求1-5中任意一项所述的用于晶圆对准的模板图像的生成方法，其特征在于，还包括检验所述模板图像对于给定光源的光学稳定性，具体包括：
选择所述选定模板区域的特定层，
以设定步长在所述特定层的厚度在一定范围内变化下，生成多个所述模板图像，
统计所述多个模板图像的均值和方差，
依据以上方差计算平均方差或选定最大方差，和既定阈值比较以检测所述模板图像相对于光源的稳定性，以评判所述模板图像的质量，在不满足要求的情况下，另选定其它模板区域以生成新的模板图像。
8.如权利要求1-5中任意一项所述的用于晶圆对准的模板图像的生成方法，其特征在于，还包括通过设定阈值检验所述模板图像的特征量的含量是否达标，所述特征量包括所述模板图像的对比度以及所述模板图像中的有利于模板匹配的特征量。
9.如权利要求1-5中任意一项所述的用于晶圆对准的模板图像的生成方法，其特征在于，还包括优化模板图像的的选择位置，具体包括：
通过解析设计文件获取待选区域，所述待选区域包括初定的模板区域，以及基于初定的模板区域，以晶圆对准中位置的最大误差值为搜寻范围建立的搜寻区域；
沿着搜寻区域移动所述初定的模板区域，并统计每次移动后的所述初定的模板区域中所含的特征量的个数，选择其中包含特征量最多的区域作为最后选定的模板区域。
10.如权利要求9所述的用于晶圆对准的模板图像的生成方法，其特征在于，所述模板区域中所含的特征量，包括基于移动后的所述初定的模板区合成的模板图像的对比度以及所述合成的模板图像中包含的有利于模板匹配的特征量。
CN202011181837.2A 2020-10-29 2020-10-29 晶圆对准模板图像生成方法 Active CN112289726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011181837.2A CN112289726B (zh) 2020-10-29 2020-10-29 晶圆对准模板图像生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011181837.2A CN112289726B (zh) 2020-10-29 2020-10-29 晶圆对准模板图像生成方法

Publications (2)

Publication Number Publication Date
CN112289726A true CN112289726A (zh) 2021-01-29
CN112289726B CN112289726B (zh) 2023-06-09

Family

ID=74352402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011181837.2A Active CN112289726B (zh) 2020-10-29 2020-10-29 晶圆对准模板图像生成方法

Country Status (1)

Country Link
CN (1) CN112289726B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113594076A (zh) * 2021-07-22 2021-11-02 上海精测半导体技术有限公司 有图形晶圆的对准方法及半导体设备
CN115223883A (zh) * 2022-08-15 2022-10-21 魅杰光电科技(上海)有限公司 应用于关键尺寸量测的调光系统及调光方法
WO2023130432A1 (en) * 2022-01-10 2023-07-13 Applied Materials, Inc. Template-based image processing for target segmentation and metrology

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW439165B (en) * 1998-07-07 2001-06-07 Applied Materials Inc A pixel based machine for patterned wafers
CN101996398A (zh) * 2009-08-12 2011-03-30 睿励科学仪器（上海）有限公司 用于晶圆对准的图像匹配方法及设备
CN102184878A (zh) * 2011-04-01 2011-09-14 无锡睿当科技有限公司 一种用于晶圆对准的模板图像质量反馈系统及其方法
CN102543793A (zh) * 2012-02-29 2012-07-04 无锡睿当科技有限公司 一种用于晶圆聚焦的图像质量反馈系统和方法
JP2019148898A (ja) * 2018-02-26 2019-09-05 株式会社日立ハイテクノロジーズ ウェハ観察装置
CN111106055A (zh) * 2019-12-31 2020-05-05 上海精测半导体技术有限公司 一种晶圆位置确定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW439165B (en) * 1998-07-07 2001-06-07 Applied Materials Inc A pixel based machine for patterned wafers
CN101996398A (zh) * 2009-08-12 2011-03-30 睿励科学仪器（上海）有限公司 用于晶圆对准的图像匹配方法及设备
CN102184878A (zh) * 2011-04-01 2011-09-14 无锡睿当科技有限公司 一种用于晶圆对准的模板图像质量反馈系统及其方法
CN102543793A (zh) * 2012-02-29 2012-07-04 无锡睿当科技有限公司 一种用于晶圆聚焦的图像质量反馈系统和方法
JP2019148898A (ja) * 2018-02-26 2019-09-05 株式会社日立ハイテクノロジーズ ウェハ観察装置
CN111106055A (zh) * 2019-12-31 2020-05-05 上海精测半导体技术有限公司 一种晶圆位置确定方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113594076A (zh) * 2021-07-22 2021-11-02 上海精测半导体技术有限公司 有图形晶圆的对准方法及半导体设备
CN113594076B (zh) * 2021-07-22 2023-06-20 上海精测半导体技术有限公司 有图形晶圆的对准方法及半导体设备
WO2023130432A1 (en) * 2022-01-10 2023-07-13 Applied Materials, Inc. Template-based image processing for target segmentation and metrology
CN115223883A (zh) * 2022-08-15 2022-10-21 魅杰光电科技(上海)有限公司 应用于关键尺寸量测的调光系统及调光方法
CN115223883B (zh) * 2022-08-15 2024-05-14 魅杰光电科技(上海)有限公司 应用于关键尺寸量测的调光系统及调光方法

Also Published As

Publication number Publication date
CN112289726B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
US9805462B2 (en) Machine learning method and apparatus for inspecting reticles
TWI706485B (zh) 光學晶粒對資料庫檢查
US9830421B2 (en) Alignment of inspection to design using built in targets
CN112289726B (zh) 晶圆对准模板图像生成方法
JP4771714B2 (ja) パターン検査装置および方法
US9767548B2 (en) Outlier detection on pattern of interest image populations
US10074036B2 (en) Critical dimension uniformity enhancement techniques and apparatus
US20210343001A1 (en) Training a machine learning model to generate higher resolution images from inspection images
KR20170129892A (ko) 설계에 대한 검사의 서브-픽셀 정렬
JP4827269B2 (ja) パターン検査装置および方法
US20220222804A1 (en) Euv mask inspection device, euv mask inspection method, non-transitory computer-readable medium storing euv mask inspection program, and euv mask inspection system
CN115280479B (zh) 使用检验工具以确定用于样本的类计量的信息
KR20230057462A (ko) 시료 검사의 셋업
Dudkin et al. Algorithms and systems of machine vision in integrated circuit manufacturing technology
US20240095935A1 (en) Deep learning model-based alignment for semiconductor applications
TW201723906A (zh) 在一設計檔案內儲存動態層內容之方法
TW202407638A (zh) 半導體樣品製造的遮罩檢查
KR20230075369A (ko) 반도체 시편 제조를 위한 마스크 검사
TW202300900A (zh) 以經呈現設計影像之設計照護區域之分段
TW202312099A (zh) 用於半導體取樣製造的遮罩檢查

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