CN112557884A - 弱点缺陷检测方法 - Google Patents
弱点缺陷检测方法 Download PDFInfo
- Publication number
- CN112557884A CN112557884A CN202011294204.2A CN202011294204A CN112557884A CN 112557884 A CN112557884 A CN 112557884A CN 202011294204 A CN202011294204 A CN 202011294204A CN 112557884 A CN112557884 A CN 112557884A
- Authority
- CN
- China
- Prior art keywords
- defect
- defects
- design layout
- original design
- types
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/302—Contactless testing
- G01R31/308—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation
- G01R31/311—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation of integrated circuits
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Toxicology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明涉及弱点缺陷检测方法,包括对晶圆缺陷扫描获得缺陷数据分布图;同时获得最小光学对比图,进行最小光学对比图与原始设计版图匹配,得到原始设计版图中对应于缺陷数据分布图中的缺陷的缺陷数据,将相同的原始设计版图缺陷数据归类为一个缺陷类型,得到N个缺陷类型,并得到每个缺陷类型的缺陷个数;对N个缺陷类型按缺陷个数进行排序,根据排序筛选出缺陷个数最多的M个缺陷类型;对筛选出的M个缺陷类型进行原始设计版图搜索,检测出M个缺陷类型中每个缺陷类型的所有缺陷的缺陷位置,生成每个缺陷类型的所有的缺陷位置的扫描区域;观测生成的每个缺陷类型的所有的缺陷位置的扫描区域扫描出的缺陷,确定真实的缺陷类型。
Description
技术领域
本发明涉及半导体集成电路制造技术,尤其涉及一种弱点缺陷检测方法。
背景技术
在半导体集成电路制造过程中,电路的图形结构首先定义在原始设计版图(GDS)上,之后通过光刻将原始设计版图上的图形结构即设计图形转移到形成于晶圆表面的光刻胶上并形成光刻胶图形。在芯片设计开发过程中由于设计规则和实际光刻曝光生产过程中有差距,导致很多弱点图形的产生,这些弱点图形在设计时是符合设计规则的,但是在曝光过程中,由于工艺过程控制有波动,这些弱点图形在波动较大的情况下会导致图形失效,从而导致工艺窗口很小,无法满足量产需求。
现有的弱点图形的检测方式是设计不同曝光条件,这些曝光条件以生产条件为基准,依次在正负方向扩大工艺窗口,在曝光作业时,每次使用不同的曝光条件,最终形成一片不同曝光条件的晶圆,在检测时,不同曝光条件的芯片与基准芯片进行对比,最终通过归纳和观测,人为来判断弱点位置。主要包括聚焦与曝光量矩阵(FEM)和工艺窗口认证(PWQ)两种方法。
发明内容
本发明在于提供一种弱点缺陷检测方法,包括:S1:对正常工艺作业下的晶圆进行缺陷扫描,获得缺陷数据分布图;S2:提供原始设计版图,在步骤S1中缺陷扫描的同时获得最小光学对比图,并进行最小光学对比图与原始设计版图匹配,从而得到原始设计版图中对应于缺陷数据分布图中的缺陷的缺陷数据,并将相同的原始设计版图缺陷数据归类为一个缺陷类型,从而得到N个缺陷类型,并得到每个缺陷类型的缺陷个数,其中N为大于等于1的自然数;S3:对步骤S2中的N个缺陷类型按缺陷个数进行排序,根据排序筛选出缺陷个数最多的M个缺陷类型,其中M为小于N的自然数;S4:对筛选出的M个缺陷类型进行原始设计版图搜索,检测出M个缺陷类型中每个缺陷类型的所有缺陷的缺陷位置,并生成每个缺陷类型的所有的缺陷位置的扫描区域;以及S5:观测针对S4中生成的每个缺陷类型的所有的缺陷位置的扫描区域扫描出的缺陷,确定真实的缺陷类型。
更进一步的,S1中采用扫描机台通过Die与Die之间的对比来抓取缺陷及缺陷个数,从而获得缺陷数据分布图。
更进一步的,S2中将最小光学对比图与原始设计版图的设计数据进行匹配,从而得到原始设计版图与缺陷数据分布图中缺陷对应的原始设计版图设计数据,根据缺陷数据分布图中缺陷对应的原始设计版图设计数据将缺陷分为N个类型,并可同时得到每个缺陷类型的缺陷个数。
更进一步的,最小光学对比图为采用扫描机台通过Die与Die之间的对比来抓取缺陷时的最小对比图。
更进一步的,最小光学对比图为扫描机台的最小比对窗口。
更进一步的,最小光学对比图对应缺陷数据分布图中一个缺陷点。
更进一步的,N等于8。
更进一步的,S3中根据排序筛选出缺陷个数最多的2个缺陷类型。
更进一步的,步骤S4中对筛选出的M个缺陷类型进行原始设计版图搜索,检测出的M个缺陷类型中每个缺陷类型的所有缺陷的个数大于步骤S2中得到的对应的缺陷类型的缺陷个数。
更进一步的,步骤S5中仅扫描S4中生成的每个缺陷类型的所有的缺陷位置的扫描区域。
附图说明
图1为本发明一实施例的弱点缺陷检测方法流程图。
图2a至图2b为本发明一实施例的获得缺陷数据分布图的过程示意图。
图3为本发明一实施例的缺陷类型归类示意图。
图4为本发明一实施例的对缺陷类型按缺陷个数进行排序的示意图。
图5为本发明一实施例的生成的每个缺陷类型的所有的缺陷位置的扫描区域示意图。
图6为本发明一实施例的确定真实的缺陷类型的示意图。
具体实施方式
下面将结合附图,对本发明中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在不做出创造性劳动的前提下所获得的所有其它实施例,都属于本发明保护的范围。
应当理解,本发明能够以不同形式实施,而不应当解释为局限于这里提出的实施例。相反地,提供这些实施例将使公开彻底和完全,并且将本发明的范围完全地传递给本领域技术人员。在附图中,为了清楚,层和区的尺寸以及相对尺寸可能被夸大,自始至终相同附图标记表示相同的元件。应当明白,当元件或层被称为“在…上”、“与…相邻”、“连接到”或“耦合到”其它元件或层时,其可以直接地在其它元件或层上、与之相邻、连接或耦合到其它元件或层,或者可以存在居间的元件或层。相反,当元件被称为“直接在…上”、“与…直接相邻”、“直接连接到”或“直接耦合到”其它元件或层时,则不存在居间的元件或层。应当明白,尽管可使用术语第一、第二、第三等描述各种元件、部件、区、层和/或部分,这些元件、部件、区、层和/或部分不应当被这些术语限制。这些术语仅仅用来区分一个元件、部件、区、层或部分与另一个元件、部件、区、层或部分。因此,在不脱离本发明教导之下,下面讨论的第一元件、部件、区、层或部分可表示为第二元件、部件、区、层或部分。
空间关系术语例如“在…下”、“在…下面”、“下面的”、“在…之下”、“在…之上”、“上面的”等,在这里可为了方便描述而被使用从而描述图中所示的一个元件或特征与其它元件或特征的关系。应当明白,除了图中所示的取向以外,空间关系术语意图还包括使用和操作中的器件的不同取向。例如,如果附图中的器件翻转,然后,描述为“在其它元件下面”或“在其之下”或“在其下”元件或特征将取向为在其它元件或特征“上”。因此,示例性术语“在…下面”和“在…下”可包括上和下两个取向。器件可以另外地取向(旋转90度或其它取向)并且在此使用的空间描述语相应地被解释。
在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时,单数形式的“一”、“一个”和“所述/该”也意图包括复数形式,除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”,当在该说明书中使用时,确定所述特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时,术语“和/或”包括相关所列项目的任何及所有组合。
本发明一实施例中,提出一种弱点缺陷检测方法,具体的,可参阅图1的弱点缺陷检测方法流程图,包括:S1:对正常工艺作业下的晶圆进行缺陷扫描,获得缺陷数据分布图;S2:提供原始设计版图,在步骤S1中缺陷扫描的同时获得最小光学对比图,并进行最小光学对比图与原始设计版图匹配,从而得到原始设计版图中对应于缺陷数据分布图中的缺陷的缺陷数据,并将相同的原始设计版图缺陷数据归类为一个缺陷类型,从而得到N个缺陷类型,并得到每个缺陷类型的缺陷个数,其中N为大于等于1的自然数;S3:对步骤S2中的N个缺陷类型按缺陷个数进行排序,根据排序筛选出缺陷个数最多的M个缺陷类型,其中M为小于N的自然数;S4:对筛选出的M个缺陷类型进行原始设计版图搜索,检测出M个缺陷类型中每个缺陷类型的所有缺陷的缺陷位置,并生成每个缺陷类型的所有的缺陷位置的扫描区域;以及S5:观测针对S4中生成的每个缺陷类型的所有的缺陷位置的扫描区域扫描出的缺陷,确定真实的缺陷类型。
具体的,本发明一实施例的弱点缺陷检测方法,包括:
S1:对正常工艺作业下的晶圆进行缺陷扫描,获得缺陷数据分布图;
具体的,请参阅图2a和图2b,图2a至图2b为获得缺陷数据分布图的过程示意图,如图2a所示,将晶圆100划分成多个对比条,采用由上到下的方式扫描晶圆获得如图2b所示的缺陷数据分布图,也即如图2b所示的晶圆内的每个die101内的缺陷个数。
具体的,在本发明一实施例中,采用扫描机台通过Die与Die之间的对比来抓取缺陷及缺陷个数,从而获得缺陷数据分布图。
S2:提供原始设计版图(GDS),在步骤S1中缺陷扫描的同时获得最小光学对比图,并进行最小光学对比图与原始设计版图匹配,从而得到原始设计版图中对应于缺陷数据分布图中的缺陷的缺陷数据,并将相同的原始设计版图缺陷数据归类为一个缺陷类型,从而得到N个缺陷类型,并得到每个缺陷类型的缺陷个数,其中N为大于等于1的自然数;
具体的,请参阅图3,图3为本发明一实施例的缺陷类型归类示意图,如图3所示,将最小光学对比图与原始设计版图匹配,将相同的原始设计版图缺陷数据归类为一个缺陷类型,并得到每个缺陷类型的缺陷个数。在一实施例中,更具体的为,将最小光学对比图与原始设计版图的设计数据进行匹配,从而得到原始设计版图与缺陷数据分布图中缺陷对应的原始设计版图设计数据,根据缺陷数据分布图中缺陷对应的原始设计版图设计数据将缺陷分为N个类型,并可同时得到每个缺陷类型的缺陷个数。如图3所示显示3类缺陷。
在一实施例中,最小光学对比图为采用扫描机台通过Die与Die之间的对比来抓取缺陷时的最小对比图。或为扫描机台的最小比对窗口。更具体的,最小光学对比图对应缺陷数据分布图中一个缺陷点。
在一实施例中,N等于8。
S3:对步骤S2中的N个缺陷类型按缺陷个数进行排序,根据排序筛选出缺陷个数最多的M个缺陷类型,其中M为小于N的自然数;
具体的,请参阅图4,图4为本发明一实施例的对缺陷类型按缺陷个数进行排序的示意图。图4所示,对步骤S2中的8个缺陷类型按缺陷个数进行排序,其中第4类缺陷为缺陷个数最多的一类缺陷,第3类缺陷次之。在一实施例中,根据排序筛选出缺陷个数最多的2个缺陷类型,如图4所示,将第4类缺陷和第3类缺陷筛选出来,其为弱点缺陷的可能性比较大。
S4:对筛选出的M个缺陷类型进行原始设计版图搜索,检测出M个缺陷类型中每个缺陷类型的所有缺陷的缺陷位置,并生成每个缺陷类型的所有的缺陷位置的扫描区域;
在一实施例中,步骤S4中对筛选出的M个缺陷类型进行原始设计版图搜索,检测出的M个缺陷类型中每个缺陷类型的所有缺陷的个数大于步骤S2中得到的对应的缺陷类型的缺陷个数。如此可进一步筛选出所有可能的缺陷及缺陷的位置。
可参阅图5所示的生成的每个缺陷类型的所有的缺陷位置的扫描区域示意图。如图5所示生成第4类缺陷的扫描区域201和第3类缺陷的扫描区域202。
S5:观测针对S4中生成的每个缺陷类型的所有的缺陷位置的扫描区域扫描出的缺陷,确定真实的缺陷类型。
具体的,在一实施例中,采用相对于步骤S1更敏感的扫描方式扫描S4中生成的每个缺陷类型的所有的缺陷位置的扫描区域。更具体的,步骤S5中仅扫描S4中生成的每个缺陷类型的所有的缺陷位置的扫描区域,因此可缩小扫描范围,并仅得到该缺陷类型的缺陷,因此可降低缺陷个数,利于确实真实的缺陷类型,且本发明可通过扫描一片晶圆得到真实的缺陷类型,且无需设计不同曝光条件。
如图6所示为确定真实的缺陷类型的示意图,如图6所示扫描区域从整体扫描替换为针对筛选出的缺陷类型生成的扫描区域扫描,而得到一类缺陷的缺陷分布图。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种弱点缺陷检测方法,其特征在于,包括:
S1:对正常工艺作业下的晶圆进行缺陷扫描,获得缺陷数据分布图;
S2:提供原始设计版图,在步骤S1中缺陷扫描的同时获得最小光学对比图,并进行最小光学对比图与原始设计版图匹配,从而得到原始设计版图中对应于缺陷数据分布图中的缺陷的缺陷数据,并将相同的原始设计版图缺陷数据归类为一个缺陷类型,从而得到N个缺陷类型,并得到每个缺陷类型的缺陷个数,其中N为大于等于1的自然数;
S3:对步骤S2中的N个缺陷类型按缺陷个数进行排序,根据排序筛选出缺陷个数最多的M个缺陷类型,其中M为小于N的自然数;
S4:对筛选出的M个缺陷类型进行原始设计版图搜索,检测出M个缺陷类型中每个缺陷类型的所有缺陷的缺陷位置,并生成每个缺陷类型的所有的缺陷位置的扫描区域;以及
S5:观测针对S4中生成的每个缺陷类型的所有的缺陷位置的扫描区域扫描出的缺陷,确定真实的缺陷类型。
2.根据权利要求1所述的弱点缺陷检测方法,其特征在于,S1中采用扫描机台通过Die与Die之间的对比来抓取缺陷及缺陷个数,从而获得缺陷数据分布图。
3.根据权利要求2所述的弱点缺陷检测方法,其特征在于,S2中将最小光学对比图与原始设计版图的设计数据进行匹配,从而得到原始设计版图与缺陷数据分布图中缺陷对应的原始设计版图设计数据,根据缺陷数据分布图中缺陷对应的原始设计版图设计数据将缺陷分为N个类型,并可同时得到每个缺陷类型的缺陷个数。
4.根据权利要求3所述的弱点缺陷检测方法,其特征在于,最小光学对比图为采用扫描机台通过Die与Die之间的对比来抓取缺陷时的最小对比图。
5.根据权利要求3所述的弱点缺陷检测方法,其特征在于,最小光学对比图为扫描机台的最小比对窗口。
6.根据权利要求3所述的弱点缺陷检测方法,其特征在于,最小光学对比图对应缺陷数据分布图中一个缺陷点。
7.根据权利要求1所述的弱点缺陷检测方法,其特征在于,N等于8。
8.根据权利要求1所述的弱点缺陷检测方法,其特征在于,S3中根据排序筛选出缺陷个数最多的2个缺陷类型。
9.根据权利要求1所述的弱点缺陷检测方法,其特征在于,步骤S4中对筛选出的M个缺陷类型进行原始设计版图搜索,检测出的M个缺陷类型中每个缺陷类型的所有缺陷的个数大于步骤S2中得到的对应的缺陷类型的缺陷个数。
10.根据权利要求1所述的弱点缺陷检测方法,其特征在于,步骤S5中仅扫描S4中生成的每个缺陷类型的所有的缺陷位置的扫描区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294204.2A CN112557884A (zh) | 2020-11-18 | 2020-11-18 | 弱点缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294204.2A CN112557884A (zh) | 2020-11-18 | 2020-11-18 | 弱点缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112557884A true CN112557884A (zh) | 2021-03-26 |
Family
ID=75043706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011294204.2A Pending CN112557884A (zh) | 2020-11-18 | 2020-11-18 | 弱点缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112557884A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102959742A (zh) * | 2010-05-27 | 2013-03-06 | 欧司朗光电半导体有限公司 | 电子装置和用于制造电子装置的方法 |
CN103839767A (zh) * | 2014-02-21 | 2014-06-04 | 上海华力微电子有限公司 | 芯片分区采集最佳光线偏振信号的缺陷程式建立方法 |
CN104122272A (zh) * | 2014-08-01 | 2014-10-29 | 上海华力微电子有限公司 | 半导体器件缺陷的光学检测方法 |
CN105301051A (zh) * | 2015-11-18 | 2016-02-03 | 北京理工大学 | 适用于tbc脱粘缺陷快速检测线激光扫描热波成像方法 |
CN108133900A (zh) * | 2017-12-21 | 2018-06-08 | 上海华力微电子有限公司 | 一种缺陷扫描机台及其缺陷自动分类方法 |
CN110867391A (zh) * | 2019-11-13 | 2020-03-06 | 上海华力集成电路制造有限公司 | 芯片制造过程中的缺陷检测方法 |
CN111048435A (zh) * | 2019-12-25 | 2020-04-21 | 上海华力微电子有限公司 | 缺陷监控方法 |
CN111257327A (zh) * | 2020-02-17 | 2020-06-09 | 上海华力集成电路制造有限公司 | 图形缺陷检测方法及检测系统 |
CN111933538A (zh) * | 2019-05-13 | 2020-11-13 | 芯恩(青岛)集成电路有限公司 | 用于晶圆缺陷扫描的方法、设备及计算机可读存储介质 |
-
2020
- 2020-11-18 CN CN202011294204.2A patent/CN112557884A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102959742A (zh) * | 2010-05-27 | 2013-03-06 | 欧司朗光电半导体有限公司 | 电子装置和用于制造电子装置的方法 |
CN103839767A (zh) * | 2014-02-21 | 2014-06-04 | 上海华力微电子有限公司 | 芯片分区采集最佳光线偏振信号的缺陷程式建立方法 |
CN104122272A (zh) * | 2014-08-01 | 2014-10-29 | 上海华力微电子有限公司 | 半导体器件缺陷的光学检测方法 |
CN105301051A (zh) * | 2015-11-18 | 2016-02-03 | 北京理工大学 | 适用于tbc脱粘缺陷快速检测线激光扫描热波成像方法 |
CN108133900A (zh) * | 2017-12-21 | 2018-06-08 | 上海华力微电子有限公司 | 一种缺陷扫描机台及其缺陷自动分类方法 |
CN111933538A (zh) * | 2019-05-13 | 2020-11-13 | 芯恩(青岛)集成电路有限公司 | 用于晶圆缺陷扫描的方法、设备及计算机可读存储介质 |
CN110867391A (zh) * | 2019-11-13 | 2020-03-06 | 上海华力集成电路制造有限公司 | 芯片制造过程中的缺陷检测方法 |
CN111048435A (zh) * | 2019-12-25 | 2020-04-21 | 上海华力微电子有限公司 | 缺陷监控方法 |
CN111257327A (zh) * | 2020-02-17 | 2020-06-09 | 上海华力集成电路制造有限公司 | 图形缺陷检测方法及检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8331651B2 (en) | Method and apparatus for inspecting defect of pattern formed on semiconductor device | |
KR101789004B1 (ko) | 검사 데이터와 조합하여 설계 데이터를 활용하는 방법 및 시스템 | |
US5917332A (en) | Arrangement for improving defect scanner sensitivity and scanning defects on die of a semiconductor wafer | |
US7760929B2 (en) | Grouping systematic defects with feedback from electrical inspection | |
TW202012920A (zh) | 晶圓檢查方法以及晶圓檢查系統 | |
JP6472447B2 (ja) | フォトマスク欠陥性における変化の監視 | |
EP2212909B1 (en) | Patterned wafer defect inspection system and method | |
KR101992440B1 (ko) | 물체의 조사에서의 적응형 샘플링을 위한 방법 및 그 시스템 | |
US20120106827A1 (en) | Wafer inspection method | |
CN112557884A (zh) | 弱点缺陷检测方法 | |
US6284553B1 (en) | Location dependent automatic defect classification | |
US20070053578A1 (en) | Pattern inspection apparatus and method and reticle for use therein | |
US10102615B2 (en) | Method and system for detecting hotspots in semiconductor wafer | |
JP2002168799A (ja) | パターン欠陥検査方法 | |
US6005966A (en) | Method and apparatus for multi-stream detection of high density metalization layers of multilayer structures having low contrast | |
US8014587B2 (en) | Pattern test method of testing, in only specific region, defect of pattern on sample formed by charged beam lithography apparatus | |
CN111429427B (zh) | 检测对象缺陷图案的优先级排序装置、排序方法及存储介质 | |
CN118297785A (zh) | 检定工具的配方的优化 | |
TW201925804A (zh) | 診斷半導體晶圓的方法 |
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 |