CN112997069A - 基于图像帧的算法选择器 - Google Patents

基于图像帧的算法选择器 Download PDF

Info

Publication number
CN112997069A
CN112997069A CN201980073930.0A CN201980073930A CN112997069A CN 112997069 A CN112997069 A CN 112997069A CN 201980073930 A CN201980073930 A CN 201980073930A CN 112997069 A CN112997069 A CN 112997069A
Authority
CN
China
Prior art keywords
interest
processor
defects
attributes
optical modes
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
CN201980073930.0A
Other languages
English (en)
Other versions
CN112997069B (zh
Inventor
B·布拉尔
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 CN112997069A publication Critical patent/CN112997069A/zh
Application granted granted Critical
Publication of CN112997069B publication Critical patent/CN112997069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • 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
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • 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
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8822—Dark field detection
    • G01N2021/8825—Separate detection of dark field and bright field
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G01N2021/889—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques providing a bare video image, i.e. without visual measurement aids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Analytical Chemistry (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • General Factory Administration (AREA)

Abstract

基于针对多个光学模式、检测算法和属性的所关注缺陷和扰乱点事件的工作转储，识别前述内容的最佳组合。可针对在零偏移下检测的全部所述所关注缺陷，比较所述模式中的每一者与所述检测算法中的每一者的组合。可针对所述组合中的每一者中的所述属性中的一者来确定捕获率对扰乱点率。

Description

基于图像帧的算法选择器
相关申请案的交叉参考
本申请案主张2018年10月26日申请且被指定为第62/751,077号美国申请案的临时专利申请案的优先权，所述申请案的公开内容以引用的方式并入本文中。
技术领域
本公开涉及半导体晶片检验算法选择。
背景技术
半导体制造行业的演进对良率管理和具体来说度量和检验系统提出更高要求。临界尺寸不断缩小，而行业需要减少达成高良率、高价值生产的时间。最小化从检测到良率问题到解决它的总时间确定半导体制造商的投资报酬率。
制造例如逻辑和存储器装置的半导体装置通常包含使用大量制造工艺来处理半导体晶片以形成半导体装置的各种特征和多个层级。例如，光刻是涉及将图案从光罩转印到布置于半导体晶片上的光致抗蚀剂的半导体制造工艺。半导体制造工艺的额外实例包含(但不限于)化学机械抛光(CMP)、蚀刻、沉积和离子植入。多个半导体装置可被制造为单个半导体晶片上的布置，所述单个半导体晶片被分离为个别半导体装置。
光学器件选择器先前用于获得选定所关注缺陷(DOI)与扰乱点事件的信噪比。基于此比选择最佳光学模式和检测算法。随后针对若干光学模式和算法运行热扫描且接着针对每一光学模式配置扰乱点事件过滤器。通过比较每一光学模式的最终帕累托(pareto)而识别最佳模式和算法。
“热扫描”通常是指晶片的测量/检验，其经执行以通过应用相对主动检测设置(例如，大体上接近于本底噪声的阈值)而在晶片上检测缺陷或进行测量。以这种方式，可执行热扫描以收集将用于调谐工艺(例如，光学器件选择和算法调谐)的关于晶片的检验或测量数据。热扫描的目的可为在选定模式中检测晶片上的全部缺陷和扰乱点类型的代表性样本。
当前方法并未在初始光学模式选择阶段期间评估DOI捕获率对扰乱点率。当前，基于信噪比值比较光学模式和算法。这是不足够的。
为比较扰乱点率，运行由一或多个裸片行构成的扫描。使用敏感度调谐器扰乱点事件过滤器(STNEF)调谐配方。比较含有DOI和扰乱点事件的帕累托。可仅在完全配置配方、运行若干裸片行且产一STNEF的情况下评估算法、光学模式和属性的选定组合。这种工艺耗费许多小时或甚至几天，这对于半导体制造来说太慢。
可仅在运行热扫描之后评估可如何适当地在STNEF中分离DOI和扰乱点。通常不执行基于可调谐性找到最佳模式的第二次尝试。不同模式-算法组合是否将更适于调谐仍不清楚，这是因为其通常太费时。
当在比较经改进属性或检测算法的性能与旧性能之前引入新算法或属性时可运行晶片扫描。除占据可以其它方式用于检验或生产的工具时间以外，工程师必须设置和调谐全部检验配方，这可为费时的。
当前光学器件或算法选择器可存在许多缺点。当前实施的光学器件或算法选择器针对每一选定缺陷和扰乱点事件产生一个信噪比数。所述数可给出关于最佳光学模式的混合结果，这是因为所述数针对每一DOI并不始终遵循相同趋势。第二，基于光学器件选择器，可能不知道是否可使用特定属性(例如能量、亮度或多裸片自适应阈值(MDAT)偏移)调谐特定模式/检验算法。第三，设置STNEF是用户相依的且使算法或模式比较变得困难，这是因为其可受到人为误差和判断的影响。第四，在不使用STNEF的情况下，扫描通常超过每个晶片的缺陷总数。这些扫描无法执行，这是因为缺陷检测算法自身报告太多扰乱点缺陷。缺陷检测算法类似于热扫描热运行，这意味着找到许多小缺陷。需要STNEF以使用从所检测缺陷的图像计算的全部属性以将缺陷的计数进一步调谐到合理数目。
因此，需要经改进半导体晶片检验算法选择技术。
发明内容
在第一实施例中提供一种系统。所述系统包括：光源，其经配置以在晶片处引导光束；检测器，其收集从所述晶片反射的所述光束；和处理器，其与所述检测器电子通信。所述处理器经配置以针对多个光学模式接收晶片上的所关注缺陷和扰乱点事件的图像帧。所述处理器经进一步配置以使用多个检测算法针对所述多个光学模式确定差分图像和属性。所述工艺经进一步配置以针对在零偏移下检测的全部所述所关注缺陷比较所述多个光学模式中的每一者与所述多个检测算法中的每一者的组合。
所述处理器可经进一步配置以识别所述所关注缺陷和所述扰乱点事件。
所述处理器可经进一步配置以从所述比较过滤阈值区域中的所述所关注缺陷中的至少一者或超过属性值的所述所关注缺陷中的至少一者。
所述处理器可经进一步配置以根据属性对所述组合进行排序。
所述处理器可经进一步配置以针对选定扰乱点率或选定所关注缺陷捕获率选择所述光学模式中的一者与所述检测算法中的一者的最佳组合。可使用接收器操作曲线标绘图选择所述最佳组合。
在第二实施例中提供一种方法。所述方法包括在处理器处针对多个光学模式接收晶片上的所关注缺陷和扰乱点事件的图像帧。使用所述处理器使用多个检测算法针对所述多个光学模式确定差分图像和属性。使用所述处理器针对在零偏移下检测的全部所述所关注缺陷比较所述多个光学模式中的每一者与所述多个检测算法中的每一者的组合。使用所述处理器针对所述组合中的每一者中的所述属性中的一者确定捕获率对扰乱点率。
可使用所述处理器识别所述所关注缺陷和所述扰乱点事件。
可使用所述处理器从所述比较过滤阈值区域中的所述所关注缺陷中的至少一者或超过属性的所述所关注缺陷中的至少一者。
可使用所述处理器根据属性对所述组合进行排序。
可使用所述处理器针对选定扰乱点率或选定所关注缺陷捕获率选择所述光学模式中的一者与所述检测算法中的一者的最佳组合。可使用接收器操作曲线标绘图选择所述最佳组合。
在第三实施例中提供一种非暂时性计算机可读存储媒体。所述非暂时性计算机可读存储媒体包括用于在一或多个计算装置上执行以下步骤的一或多个程序。基于针对多个光学模式的晶片上的所关注缺陷和扰乱点事件的图像帧使用多个检测算法针对所述多个光学模式确定差分图像和属性。针对在零偏移下检测的全部所述所关注缺陷比较所述多个光学模式中的每一者与所述多个检测算法中的每一者的组合。针对所述组合中的每一者中的所述属性中的一者确定捕获率对扰乱点率。
所述步骤可包含识别所述所关注缺陷和所述扰乱点事件。
所述步骤可包含从所述比较过滤阈值区域中的所述所关注缺陷中的至少一者或超过属性值的所述所关注缺陷中的至少一者。
所述步骤可包含根据属性对所述组合进行排序。
所述步骤可包含使用接收器操作曲线标绘图针对选定扰乱点率或选定所关注缺陷捕获率选择所述光学模式中的一者与所述检测算法中的一者的最佳组合。
附图说明
为更完全理解本公开的性质和目的，应参考结合附图进行的以下详细描述，其中：
图1是根据本公开的方法的实施例的流程图；
图2是使用图1的方法的实例的流程图；
图3是针对实例比较DOI捕获率对扰乱点率的图表；
图4是根据本公开的系统的实施例的框图；
图5是针对两个示范性检测算法比较DOI捕获率(真阳性率)对扰乱点率的图表；和
图6是针对两个示范性检测算法比较DOI捕获率(真阳性率)对假阳性率的接收器操作曲线标绘图。
具体实施方式
尽管将依据某些实施例描述所主张的标的物，但其它实施例(包含未提供本文中阐述的全部益处和特征的实施例)也在本公开的范围内。可在不脱离本公开的范围的情况下做出各种结构、逻辑、工艺步骤和电子改变。因此，仅参考所附权利要求书定义本公开的范围。
本文中公开的实施例通过基于图像帧选择算法而改进算法选择能力。DOI需要与扰乱点区分，且选定的配方可帮助区分DOI与扰乱点。虽然针对DOI和扰乱点事件的给定选择来选择基础检验算法和光学器件模式的当前方法仅使用DOI和扰乱点的信噪比值(例如，光学器件选择器)，但可选择算法/光学模式组合以用于完整晶片扫描中。可使用捕获率对扰乱点率标绘图比较光学模式与检测算法，而不是可用于选择光学模式和算法的信噪比值。
图1是方法100的实施例的流程图。可使用处理器执行方法100的一些或全部步骤。处理器可为光学检验工具或算法选择器的部分。
在101，针对多个模式接收所关注缺陷和扰乱点事件的工作转储。工作转储可为来自受检验的晶片的图像帧的集合，其可被缺陷检测算法消耗且用于属性计算。此可包含相邻裸片的八个图像帧。例如，每1cm可收集一个图像帧。
在102，使用多个检测算法针对所述多个光学模式确定差分图像和属性。检测算法的实例包含MDAT、MCAT、SRD或NanoMDAT，其可包含差分滤波器。光学模式的实例包含孔径、波长范围、偏光或载物台速度。其它检测算法或光学模式是可行的。
关于检测算法，MDAT是指多裸片自适应阈值。MDAT是基于候选和特定数量的参考图像的中值灰度和差分灰度的2D直方图来执行离群点检测的缺陷检测算法。MCAT是指多色彩自适应阈值。MCAT是如MDAT那样工作但校正裸片到裸片工艺变化的缺陷检测算法。SRD是指单个参考裸片，其是使用相同或不同晶片上的特定参考裸片的缺陷检测算法。NanoMDAT是指纳米多裸片自适应阈值。NanoMDAT是基于小区域(例如图块图像)计算噪声值的缺陷检测算法。
在例子中，光学模式包含一个孔径、一个波长范围、特定偏光和特定载物台速度。如果考虑十个不同孔径、十个不同波长范围和三个偏光，那么存在三百个可能组合。这些组合中的每一者是不同光学模式。
在103，针对在零偏移下检测的全部所关注缺陷，比较多个光学模式中的每一者与多个检测算法中的每一者的组合。零偏移意味着检测算法正在热运行中以找到尽可能多的缺陷。可从所述比较过滤阈值区域中的所关注缺陷中的至少一者和/或超过属性值的所关注缺陷中的至少一者。
在104，针对组合中的每一者，确定属性中的一者的捕获率对扰乱点率。属性可包含(例如)量值(例如，缺陷的最高差分灰度值)或偏移(例如，与本底噪声的灰度距离)。可基于给定扰乱点率或DOI捕获率下的最佳性能来确定最佳检测算法-光学模式组合。
在例子中，针对选定扰乱点率或选定所关注缺陷捕获率来选择光学模式中的一者与检测算法中的一者的最佳组合。最佳组合也可包含一或多个属性的设置。
例如，基于工作转储的选择，导出DOI捕获率对扰乱点率标绘图。DOI捕获率是真阳性事件的数量除以真阳性事件和假阳性事件的总和。扰乱点率是假阳性事件的数量除以真阳性事件和假阳性事件的总和。针对给定扰乱点率，可选择具有最高DOI捕获率的检测算法、光学模式和/或属性组合。针对给定DOI捕获率，可选择具有最低扰乱点率的检测算法、光学模式和/或属性组合。
可导出接收器操作曲线(ROC)标绘图以标绘真阳性率对假阳性率。可拟合曲线且可计算曲线下面积。具有最大曲线下面积(AUC)值的曲线可指示哪一检测算法、光学模式和/或属性组合是最佳的。可使用ROC针对给定假阳性率选择具有最高真阳性率的检测算法、光学模式和/或属性组合。可使用ROC针对给定真阳性率选择具有最低假阳性率的检测算法、光学模式和/或属性组合。
图5是针对两个示范性检测算法比较DOI捕获率(真阳性率)对扰乱点率的图表。图6是针对两个示范性检测算法比较DOI捕获率(真阳性率)对假阳性率的接收器操作曲线标绘图。ROC标绘图由未被线连接的点构成，因为其不是函数(其中每一x仅具有一个y)。因此，每一扰乱点率具有不只一个DOI捕获率。
可识别DOI和扰乱点事件。例如，算法或用户可识别图像中的DOI或扰乱点事件。
使用此基于帧层级的算法，可执行光学模式、检测算法和属性选择。可基于方法100的结果改变对光学检验工具或半导体制造设施中的其它工具的设置。
本文中公开的实施例可提供更快出结果时间，这是因为可在初始光学模式/检测算法选择工艺期间通过使用图像帧中的全部信息(例如，灰度和差分灰度)分布而不仅仅是缺陷所在的像素来进行模式-算法组合决策。在进行光学模式和/或检测算法决策时不使用STNEF。STNEF配方调谐可为费时的。也可避免针对许多光学模式/检测算法组合的晶片扫描，这节省检验工具的时间，因为可能无需完整晶片扫描。
避免用户在调谐不同光学模式/检测算法时的主观决策。光学模式/检测算法选择工艺不仅基于信噪比，而且基于实际捕获对扰乱点率。实际捕获对扰乱点率对半导体制造者来说可能更重要，这是因为其容许半导体制造者设置阈值或达到制造目标。
本文中公开的实施例的另一优点是可在初始光学模式/检测算法选择期间确定配方是否将为可调谐的和预期扰乱点率。
图2是使用方法100的实例的流程图。例如，比较光学模式(M1到Mn)与检测算法(A1到Am)的组合。可使用标绘图确定最佳光学模式/算法组合。
图3是针对实例比较DOI捕获率对扰乱点率的图表。用户可设置特定扰乱点率目标。例如，40％的扰乱点率用垂直虚线展示。可选择在此值下具有较高DOI捕获率的光学模式/检测算法组合。
用户也可选择特定DOI捕获率目标。例如，60％的DOI捕获率用水平虚线展示。可选择在此DOI捕获率下具有较低扰乱点率的检测算法。
可调整DOI捕获率和扰乱点率。例如，半导体制造者可希望60％的扰乱点率下的最佳DOI捕获率。
图3说明单个光学模式。可针对算法标绘两个光学模式，例如使用3D标绘图。
取代比较检测算法，可针对相同检测算法比较不同光学模式或可针对相同检测算法比较两个差分滤波器。也可通过使全部其它变量(例如光学模式和检测算法)保持恒定来比较两个属性。
在图4中展示系统200的一个实施例。系统200包含基于光学的子系统201。一般来说，基于光学的子系统201经配置以通过将光引导到(或使光扫描遍及)样品202且从样品202检测光而针对样品202产生基于光学的输出。在一个实施例中，样品202包含晶片。晶片可包含此项技术中已知的任何晶片。在另一实施例中，样品包含光罩。光罩可包含此项技术中已知的任何光罩。
在图4中展示的系统200的实施例中，基于光学的子系统201包含经配置以将光引导到样品202的照明子系统。照明子系统包含至少一个光源。例如，如图4中展示，照明子系统包含光源203。在一个实施例中，照明子系统经配置以按一或多个入射角将光引导到样品202，所述一或多个入射角可包含一或多个倾斜角和/或一或多个法向角。例如，如图4中展示，来自光源203的光按倾斜入射角被引导穿过光学元件204和接着透镜205到样品202。倾斜入射角可包含任何合适倾斜入射角，其可取决于例如样品202的特性而变化。
基于光学的子系统201可经配置以在不同时间按不同入射角将光引导到样品202。例如，基于光学的子系统201可经配置以更改照明子系统的一或多个元件的一或多个特性，使得光可按不同于图4中展示的入射角的入射角被引导到样品202。在一个此实例中，基于光学的子系统201可经配置以移动光源203、光学元件204和透镜205，使得光按不同倾斜入射角或法向(或近法向)入射角被引导到样品202。
在一些例子中，基于光学的子系统201可经配置以在相同时间按一个以上入射角将光引导到样品202。例如，照明子系统可包含一个以上照明通道，照明通道中的一者可包含如图4中展示的光源203、光学元件204和透镜205，且照明通道中的另一者(未展示)可包含类似元件(其可以不同或相同方式配置)或可包含至少一光源和可能一或多个其它组件(例如本文中进一步描述的组件)。如果在与其它光相同的时间将此光引导到样品，那么按不同入射角被引导到样品202的光的一或多个特性(例如，波长、偏光等)可不同，使得可在检测器处将源自按不同入射角照明样品202的光彼此区分。
在另一例子中，照明子系统可包含仅一个光源(例如，图4中展示的光源203)且来自光源的光可通过照明子系统的一或多个光学元件(未展示)而分成不同光学路径(例如，基于波长、偏光等)。接着，可将不同光学路径中的每一者中的光引导到样品202。多个照明通道可经配置以在相同时间或不同时间(例如，当使用不同照明通道来依序照明样品时)将光引导到样品202。在另一例子中，相同照明通道可经配置以在不同时间将具有不同特性的光引导到样品202。例如，在一些例子中，光学元件204可经配置为光谱滤波器且可以多种不同方式(例如，通过换掉光谱滤波器)改变光谱滤波器的性质，使得可在不同时间将不同波长的光引导到样品202。照明子系统可具有此项技术中已知的用于依序或同时按不同或相同入射角将具有不同或相同特性的光引导到样品202的任何其它合适配置。
在一个实施例中，光源203可包含宽带等离子体(BBP)源。以这种方式，由光源203产生且被引导到样品202的光可包含宽带光。但是，光源可包含任何其它合适光源，例如激光器。激光器可包含此项技术中已知的任何合适激光器，且可经配置以产生此项技术中已知的任何合适波长或若干波长的光。另外，激光器可经配置以产生单色或近单色光。以这种方式，激光器可为窄频激光器。光源203也可包含产生多个离散波长或波带的光的多色光源。
来自光学元件204的光可通过透镜205聚焦到样品202上。尽管透镜205在图4中被展示为单个折射光学元件，但应理解，在实践中，透镜205可包含组合地将来自光学元件的光聚焦到样品的若干折射和/或反射光学元件。在图4中展示且在本文中描述的照明子系统可包含任何其它合适光学元件(未展示)。这些光学元件的实例包含(但不限于)偏光组件、光谱滤波器、空间滤波器、反射光学元件、变迹器、光束分离器(例如光束分离器213)、孔径和可包含此项技术中已知的任何这些合适光学元件的类似物。另外，基于光学的子系统201可经配置以基于待用于产生基于光学的输出的照明类型更改照明子系统的元件中的一或多者。
基于光学的子系统201也可包含经配置以导致光扫描遍及样品202的扫描子系统。例如，基于光学的子系统201可包含在基于光学的输出产生期间在其上安置样品202的载物台206。扫描子系统可包含可经配置以移动样品202，使得光可扫描遍及样品202的任何合适机械和/或机器人组合件(其包含载物台206)。另外或替代性地，基于光学的子系统201可经配置使得基于光学的子系统201的一或多个光学元件执行光遍及样品202的一些扫描。光可以任何合适方式(例如以蛇形路径或以螺旋路径)扫描遍及样品202。
基于光学的子系统201进一步包含一或多个检测通道。一或多个检测通道中的至少一者包含检测器，所述检测器经配置以归因于子系统对样品202的照明而检测来自样品202的光且响应于所检测光产生输出。例如，图4中展示的基于光学的子系统201包含两个检测通道，一个通道由集光器207、元件208和检测器209形成且另一个通道由集光器210、元件211和检测器212形成。如图4中展示，两个检测通道经配置以按不同收集角收集和检测光。在一些例子中，两个检测通道经配置以检测散射光，且检测通道经配置以检测按不同角度从样品202散射的光。但是，检测通道中的一或多者可经配置以检测来自样品202的另一类型的光(例如，反射光)。
如图4中进一步展示，两个检测通道被展示为定位于纸平面中，且照明子系统也被展示为定位于纸平面中。因此，在此实施例中，两个检测通道定位(例如，居中)于入射平面中。但是，检测通道中的一或多者可定位于入射平面外。例如，由集光器210、元件211和检测器212形成的检测通道可经配置以收集和检测从入射平面散射的光。因此，此检测通道通常可被称为“侧”通道，且此侧通道可在大体上垂直于入射平面的平面中居中。
尽管图4展示包含两个检测通道的基于光学的子系统201的实施例，但基于光学的子系统201可包含不同数量的检测通道(例如，仅一个检测通道，或两个或更多个检测通道)。在一个此例子中，由集光器210、元件211和检测器212形成的检测通道可形成如上文描述的一个侧通道，且基于光学的子系统201可包含经形成为定位于入射平面的相对侧上的另一侧通道的额外检测通道(未展示)。因此，基于光学的子系统201可包含检测通道，所述检测通道包含集光器207、元件208和检测器209，且在入射平面中居中，且经配置以收集和检测以法向于或接近法向于样品202表面的散射角的光。因此，此检测通道通常可被称为“顶”通道，且基于光学的子系统201也可包含如上文描述那样配置的两个或更多个侧通道。因而，基于光学的子系统201可包含至少三个通道(即，一个顶通道和两个侧通道)，且至少三个通道中的每一者具有其自身的集光器，所述集光器中的每一者经配置以收集以不同于其它集光器中的每一者的散射角的光。
如上文进一步描述，包含于基于光学的子系统201中的检测通道中的每一者可经配置以检测散射光。因此，图4中展示的基于光学的子系统201可经配置用于样品202的暗场(DF)输出产生。但是，基于光学的子系统201也可或替代地包含经配置用于样品202的明场(BF)输出产生的检测通道。换句话来说，基于光学的子系统201可包含经配置以检测从样品202镜面反射的光的至少一个检测通道。因此，本文中描述的基于光学的子系统201可经配置用于仅DF成像、仅BF成像，或DF与BF成像两者。尽管集光器中的每一者在图4中被展示为单折射光学元件，但应理解，集光器中的每一者可包含一或多个折射光学裸片和/或一或多个反射光学元件。
一或多个检测通道可包含此项技术中已知的任何合适检测器。例如，检测器可包含光电倍增管(PMT)、电荷耦合装置(CCD)、时间延迟积分(TDI)相机和此项技术中已知的任何其它合适检测器。检测器也可包含非成像检测器或成像检测器。以这种方式，如果检测器是非成像检测器，那么检测器中的每一者可经配置以检测散射光的某些特性(例如强度)但不可经配置以检测依据成像平面内的位置而变化的这些特性。因而，通过包含于基于光学的子系统的检测通道中的每一者中的检测器中的每一者产生的输出可为信号或数据而不是图像信号或图像数据。在这些例子中，处理器(例如处理器214)可经配置以从检测器的非成像输出产生样品202的图像。但是，在其它例子中，检测器可经配置为经配置以产生成像信号或图像数据的成像检测器。因此，基于光学的子系统可经配置以按若干方式产生本文中描述的光学图像或其它基于光学的输出。
应注意，本文中提供图4以大体上说明可包含于本文中描述的系统实施例中或可产生通过本文中描述的系统实施例使用的基于光学的输出的基于光学的子系统201的配置。如通常在设计商业输出获取系统时执行，本文中描述的基于光学的子系统201布置可经更改以优化基于光学的子系统201的性能。另外，本文中描述的系统可使用现有系统实施(例如，通过将本文中描述的功能性添加到现有系统)。对于一些这种系统，本文中描述的方法可被提供为系统的任选功能性(例如，除系统的其它功能性以外)。替代地，本文中描述的系统可被设计为全新系统。
处理器214可以任何合适方式(例如，经由一或多个传输媒体，其可包含有线和/或无线传输媒体)耦合到系统200的组件，使得处理器214可接收输出。处理器214可经配置以使用输出执行若干功能。系统200可从处理器214接收指令或其它信息。处理器214和/或电子数据存储单元215任选地可与晶片检验工具、晶片度量工具或晶片重检工具(未说明)电子通信以接收额外信息或发送指令。例如，处理器214和/或电子数据存储单元215可与SEM电子通信。
本文中描述的处理器214、其它系统或其它子系统可为各种系统的部分，包含个人计算机系统、图像计算机、大型计算机系统、工作站、网络设备、因特网设备或其它装置。子系统或系统也可包含此项技术中已知的任何合适处理器，例如平行处理器。另外，子系统或系统可包含作为单独或网络化工具的具有高速处理和软件的平台。
处理器214和电子数据存储单元215可安置于系统200或另一装置中或以其它方式成为系统200或另一装置的部分。在实例中，处理器214和电子数据存储单元215可为单独控制单元的部分或在集中式质量控制单元中。可使用多个处理器214或电子数据存储单元215。
在实践中，处理器214可通过硬件、软件和固件的任何组合实施。同样地，如本文中描述的其功能可通过一个单元执行，或在不同组件间划分，所述组件中的每一者可继而通过硬件、软件和固件的任何组合实施。处理器214实施各种方法和功能的程序代码或指令可存储于可读存储媒体(例如电子数据存储单元215中的存储器或其它存储器)中。
如果系统200包含一个以上处理器214，那么不同子系统可彼此耦合，使得可在子系统之间发送图像、数据、信息、指令等。例如，一个子系统可通过任何适当传输媒体耦合到额外子系统，所述传输媒体可包含此项技术中已知的任何合适有线和/或无线传输媒体。这些子系统中的两者或两者以上也可通过共享计算机可读存储媒体(未展示)有效耦合。
处理器214可经配置以使用系统200的输出或其它输出执行若干功能。例如，处理器214可经配置以将输出发送到电子数据存储单元215或另一存储媒体。处理器214可如本文中描述那样进一步配置。
处理器214可根据本文中描述的实施例中的任一者配置。处理器214也可经配置以使用系统200的输出或使用来自其它源的图像或数据执行其它功能或额外步骤。
系统200的各种步骤、功能和/或操作和本文中公开的方法由以下中的一或多者实行：电子电路、逻辑门、多路复用器、可编程逻辑装置、ASIC、模拟或数字控件/开关、微控制器或计算系统。实施方法(例如本文中描述的方法)的程序指令可通过载体媒体传输或存储于载体媒体上。载体媒体可包含存储媒体，例如只读存储器、随机存取存储器、磁盘或光盘、非易失性存储器、固态存储器、磁带和类似物。载体媒体可包含传输媒体，例如电线、电缆或无线传输链路。例如，可由单个处理器214或替代地多个处理器214实行贯穿本公开描述的各种步骤。此外，系统200的不同子系统可包含一或多个计算或逻辑系统。因此，上文描述不应被解释为对本公开的限制而仅为说明。
在例子中，处理器214与系统200通信。处理器214经配置以针对多个模式接收所关注缺陷和扰乱点事件的工作转储。可使用多个检测算法确定多个模式的差分图像和属性。使用在零偏移下检测的全部所关注缺陷比较多个光学模式中的每一者与多个检测算法中的每一者的组合。针对组合中的每一者中的属性中的一者确定捕获率对扰乱点率。可执行方法实施例的其它步骤，例如关于图1或图2描述的步骤。
额外实施例涉及一种非暂时性计算机可读媒体，其存储可在控制器上执行以执行用于针对组合中的属性中的一者确定捕获率对扰乱点率的计算机实施方法的程序指令，如本文中公开。具体来说，如图4中展示，电子数据存储单元215或其它存储媒体可含有包含可在处理器214上执行的程序指令的非暂时性计算机可读媒体。计算机实施方法可包含本文中描述的任何方法的任何步骤，包含方法100或图2中说明的方法。
程序指令可以各种方式中的任一者实施，包含基于程序的技术、基于组件的技术和/或面向对象的技术等。例如，可视需要使用ActiveX控件、C++对象、JavaBeans、微软基础类别(MFC)、流式传输SIMD扩展(SSE)或其它技术或方法实施程序指令。
可如本文中描述那样执行所述方法的步骤中的每一者。所述方法也可包含可通过本文中描述的处理器和/或计算机子系统或系统执行的任何其它步骤。可通过一或多个计算机系统执行步骤，所述一或多个计算机系统可根据本文中描述的实施例中的任一者布置。另外，可通过本文中描述的系统实施例中的任一者执行上文描述的方法。
尽管已参考一或多个特定实施例描述本公开，但将理解，可在不脱离本公开的范围的情况下制作本公开的其它实施例。因此，本公开被视为仅受所附权利要求书和其合理解释的限制。

Claims (20)

1.一种系统，其包括：
光源，其经配置以在晶片处引导光束；
检测器，其收集从所述晶片反射的所述光束；和
处理器，其与所述检测器电子通信，其中所述处理器经配置以：
针对多个光学模式，接收晶片上的所关注缺陷和扰乱点事件的图像帧；
使用多个检测算法，针对所述多个光学模式确定差分图像和属性；
针对在零偏移下检测的全部所述所关注缺陷，比较所述多个光学模式中的每一者与所述多个检测算法中的每一者的组合；和
针对所述组合中的每一者中的所述属性中的一者，确定捕获率对扰乱点率。
2.根据权利要求1所述的系统，其中所述处理器经进一步配置以识别所述所关注缺陷和所述扰乱点事件。
3.根据权利要求1所述的系统，其中所述处理器经进一步配置以从所述比较过滤阈值区域中的所述所关注缺陷中的至少一者。
4.根据权利要求1所述的系统，其中所述处理器经进一步配置以从所述比较过滤超过属性值的所述所关注缺陷中的至少一者。
5.根据权利要求1所述的系统，其中所述处理器经进一步配置以根据属性对所述组合进行排序。
6.根据权利要求1所述的系统，其中所述处理器经进一步配置以针对选定扰乱点率或选定所关注缺陷捕获率，选择所述光学模式中的一者与所述检测算法中的一者的最佳组合。
7.根据权利要求6所述的系统，其中使用接收器操作曲线标绘图来选择所述最佳组合。
8.一种方法，其包括：
在处理器处，针对多个光学模式接收晶片上的所关注缺陷和扰乱点事件的图像帧；使用所述处理器，使用多个检测算法针对所述多个光学模式来确定差分图像和属性；
使用所述处理器，针对在零偏移下检测的全部所述所关注缺陷，比较所述多个光学模式中的每一者与所述多个检测算法中的每一者的组合；和
使用所述处理器，针对所述组合中的每一者中的所述属性中的一者，确定捕获率对扰乱点率。
9.根据权利要求8所述的方法，其进一步包括使用所述处理器来识别所述所关注缺陷和所述扰乱点事件。
10.根据权利要求8所述的方法，其进一步包括使用所述处理器，从所述比较过滤阈值区域中的所述所关注缺陷中的至少一者。
11.根据权利要求8所述的方法，其进一步包括使用所述处理器，从所述比较过滤超过属性值的所述所关注缺陷中的至少一者。
12.根据权利要求8所述的方法，其进一步包括使用所述处理器，根据属性对所述组合进行排序。
13.根据权利要求8所述的方法，其进一步包括使用所述处理器，针对选定扰乱点率或选定所关注缺陷捕获率来选择所述光学模式中的一者与所述检测算法中的一者的最佳组合。
14.根据权利要求13所述的方法，其中使用接收器操作曲线标绘图来选择所述最佳组合。
15.一种非暂时性计算机可读存储媒体，其包括用于在一或多个计算装置上执行以下步骤的一或多个程序：
基于针对多个光学模式的晶片上的所关注缺陷和扰乱点事件的图像帧，使用多个检测算法，针对所述多个光学模式来确定差分图像和属性；
针对在零偏移下检测的全部所述所关注缺陷，比较所述多个光学模式中的每一者与所述多个检测算法中的每一者的组合；和
针对所述组合中的每一者中的所述属性中的一者，确定捕获率对扰乱点率。
16.根据权利要求15所述的非暂时性计算机可读存储媒体，其中所述步骤包含识别所述所关注缺陷和所述扰乱点事件。
17.根据权利要求15所述的非暂时性计算机可读存储媒体，其中所述步骤包含从所述比较过滤阈值区域中的所述所关注缺陷中的至少一者。
18.根据权利要求15所述的非暂时性计算机可读存储媒体，其中所述步骤包含从所述比较过滤超过属性值的所述所关注缺陷中的至少一者。
19.根据权利要求15所述的非暂时性计算机可读存储媒体，其中所述步骤包含根据属性对所述组合进行排序。
20.根据权利要求15所述的非暂时性计算机可读存储媒体，其中所述步骤包含使用接收器操作曲线图，针对选定扰乱点率或选定所关注缺陷捕获率来选择所述光学模式中的一者与所述检测算法中的一者的最佳组合。
CN201980073930.0A 2018-10-26 2019-10-25 基于图像帧的算法选择器 Active CN112997069B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201862751077P 2018-10-26 2018-10-26
US62/751,077 2018-10-26
US16/389,442 US10801968B2 (en) 2018-10-26 2019-04-19 Algorithm selector based on image frames
US16/389,442 2019-04-19
PCT/US2019/058145 WO2020087004A1 (en) 2018-10-26 2019-10-25 Algorithm selector based on image frames

Publications (2)

Publication Number Publication Date
CN112997069A true CN112997069A (zh) 2021-06-18
CN112997069B CN112997069B (zh) 2022-09-09

Family

ID=70328284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980073930.0A Active CN112997069B (zh) 2018-10-26 2019-10-25 基于图像帧的算法选择器

Country Status (7)

Country Link
US (1) US10801968B2 (zh)
JP (1) JP7257511B2 (zh)
KR (1) KR102576877B1 (zh)
CN (1) CN112997069B (zh)
IL (1) IL282335B2 (zh)
TW (1) TWI816922B (zh)
WO (1) WO2020087004A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11769242B2 (en) * 2020-05-21 2023-09-26 Kla Corporation Mode selection and defect detection training
CN111640112B (zh) * 2020-06-11 2021-04-16 云从科技集团股份有限公司 图像检测方法、系统、平台、设备及介质、图像处理装置
US11803960B2 (en) * 2020-08-12 2023-10-31 Kla Corporation Optical image contrast metric for optical target search
US11922619B2 (en) 2022-03-31 2024-03-05 Kla Corporation Context-based defect inspection
US20230314336A1 (en) 2022-03-31 2023-10-05 Kla Corporation Multi-mode optical inspection

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080049219A1 (en) * 2006-08-25 2008-02-28 Ji-Hye Kim Wafer inspecting method
CN102292805A (zh) * 2009-01-26 2011-12-21 恪纳腾公司 用于检测晶片上的缺陷的系统和方法
US20110320149A1 (en) * 2009-02-06 2011-12-29 Kla-Tencor Corporation Selecting One or More Parameters for Inspection of a Wafer
TW201419015A (zh) * 2012-09-11 2014-05-16 Kla Tencor Corp 選擇用於缺陷偵測方法之參數
TW201439986A (zh) * 2013-02-01 2014-10-16 Kla Tencor Corp 使用缺陷特定及多通道資訊檢測晶圓上之缺陷
TW201506383A (zh) * 2013-06-04 2015-02-16 Kla Tencor Corp 用於尋找最佳孔徑及模式以加強缺陷偵測之裝置及方法
CN104718606A (zh) * 2012-08-14 2015-06-17 科磊股份有限公司 自动化检验情境产生
US20160282404A1 (en) * 2015-03-25 2016-09-29 Applied Materials Israel Ltd. Method of inspecting a specimen and system thereof
CN106662538A (zh) * 2014-08-27 2017-05-10 科磊股份有限公司 重复缺陷检测
US20170169552A1 (en) * 2015-12-09 2017-06-15 Kla-Tencor Corporation Defect signal to noise enhancement by reducing die to die process noise

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6539106B1 (en) * 1999-01-08 2003-03-25 Applied Materials, Inc. Feature-based defect detection
JP4009409B2 (ja) 1999-10-29 2007-11-14 株式会社日立製作所 パターン欠陥検査方法及びその装置
US7508973B2 (en) 2003-03-28 2009-03-24 Hitachi High-Technologies Corporation Method of inspecting defects
US7844100B2 (en) * 2004-11-29 2010-11-30 Applied Materials Israel, Ltd. Method for filtering nuisance defects
US8073240B2 (en) 2007-05-07 2011-12-06 Kla-Tencor Corp. Computer-implemented methods, computer-readable media, and systems for identifying one or more optical modes of an inspection system as candidates for use in inspection of a layer of a wafer
JP4542164B2 (ja) 2008-03-18 2010-09-08 アドバンスド・マスク・インスペクション・テクノロジー株式会社 パターン検査装置、パターン検査方法及びプログラム
US8049877B2 (en) 2008-05-14 2011-11-01 Kla-Tencor Corp. Computer-implemented methods, carrier media, and systems for selecting polarization settings for an inspection system
US8000922B2 (en) 2008-05-29 2011-08-16 Kla-Tencor Corp. Methods and systems for generating information to be used for selecting values for one or more parameters of a detection algorithm
US8605275B2 (en) 2009-01-26 2013-12-10 Kla-Tencor Corp. Detecting defects on a wafer
US9418413B1 (en) * 2009-07-06 2016-08-16 Camtek Ltd. System and a method for automatic recipe validation and selection
US8289508B2 (en) 2009-11-19 2012-10-16 Globalfoundries Singapore Pte. Ltd. Defect detection recipe definition
US9865512B2 (en) * 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
US9714905B1 (en) * 2013-06-23 2017-07-25 Kla-Tencor Corp. Wafer inspection recipe setup
US10127652B2 (en) 2014-02-06 2018-11-13 Kla-Tencor Corp. Defect detection and classification based on attributes determined from a standard reference image
US9535010B2 (en) 2014-05-15 2017-01-03 Kla-Tencor Corp. Defect sampling for electron beam review based on defect attributes from optical inspection and optical review
US9518934B2 (en) 2014-11-04 2016-12-13 Kla-Tencor Corp. Wafer defect discovery
US9702827B1 (en) 2014-11-20 2017-07-11 Kla-Tencor Corp. Optical mode analysis with design-based care areas
US10650508B2 (en) 2014-12-03 2020-05-12 Kla-Tencor Corporation Automatic defect classification without sampling and feature selection
US9830421B2 (en) 2014-12-31 2017-11-28 Kla-Tencor Corp. Alignment of inspection to design using built in targets
US9875536B2 (en) 2015-03-31 2018-01-23 Kla-Tencor Corp. Sub-pixel and sub-resolution localization of defects on patterned wafers
JP6244329B2 (ja) * 2015-05-12 2017-12-06 東京エレクトロン株式会社 基板の検査方法、基板処理システム及びコンピュータ記憶媒体
US9711327B2 (en) * 2015-07-16 2017-07-18 Applied Materials Israel, Ltd. Method and system for optimizing configurable parameters of inspection tools
US10338002B1 (en) * 2016-02-01 2019-07-02 Kla-Tencor Corporation Methods and systems for selecting recipe for defect inspection
US11047806B2 (en) * 2016-11-30 2021-06-29 Kla-Tencor Corporation Defect discovery and recipe optimization for inspection of three-dimensional semiconductor structures
US10600175B2 (en) * 2017-03-24 2020-03-24 Kla-Tencor Corporation Dynamic care areas for defect detection
US10733744B2 (en) * 2017-05-11 2020-08-04 Kla-Tencor Corp. Learning based approach for aligning images acquired with different modalities
US10648925B2 (en) * 2017-06-05 2020-05-12 Kla-Tencor Corporation Repeater defect detection
US10964016B2 (en) * 2018-03-13 2021-03-30 Kla-Tencor Corporation Combining simulation and optical microscopy to determine inspection mode
US11514357B2 (en) * 2018-03-19 2022-11-29 Kla-Tencor Corporation Nuisance mining for novel defect discovery
US10670536B2 (en) 2018-03-28 2020-06-02 Kla-Tencor Corp. Mode selection for inspection
US10697900B2 (en) * 2018-06-19 2020-06-30 Kla-Tencor Corporation Correlating SEM and optical images for wafer noise nuisance identification
US10867108B2 (en) * 2018-09-18 2020-12-15 Taiwan Semiconductor Manufacturing Co., Ltd. Optical mode optimization for wafer inspection

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080049219A1 (en) * 2006-08-25 2008-02-28 Ji-Hye Kim Wafer inspecting method
CN102292805A (zh) * 2009-01-26 2011-12-21 恪纳腾公司 用于检测晶片上的缺陷的系统和方法
US20110320149A1 (en) * 2009-02-06 2011-12-29 Kla-Tencor Corporation Selecting One or More Parameters for Inspection of a Wafer
CN104718606A (zh) * 2012-08-14 2015-06-17 科磊股份有限公司 自动化检验情境产生
TW201419015A (zh) * 2012-09-11 2014-05-16 Kla Tencor Corp 選擇用於缺陷偵測方法之參數
TW201439986A (zh) * 2013-02-01 2014-10-16 Kla Tencor Corp 使用缺陷特定及多通道資訊檢測晶圓上之缺陷
TW201506383A (zh) * 2013-06-04 2015-02-16 Kla Tencor Corp 用於尋找最佳孔徑及模式以加強缺陷偵測之裝置及方法
CN106662538A (zh) * 2014-08-27 2017-05-10 科磊股份有限公司 重复缺陷检测
US20160282404A1 (en) * 2015-03-25 2016-09-29 Applied Materials Israel Ltd. Method of inspecting a specimen and system thereof
US20170169552A1 (en) * 2015-12-09 2017-06-15 Kla-Tencor Corporation Defect signal to noise enhancement by reducing die to die process noise

Also Published As

Publication number Publication date
US10801968B2 (en) 2020-10-13
JP2022505801A (ja) 2022-01-14
US20200132610A1 (en) 2020-04-30
KR102576877B1 (ko) 2023-09-08
IL282335B2 (en) 2024-05-01
CN112997069B (zh) 2022-09-09
IL282335B1 (en) 2024-01-01
JP7257511B2 (ja) 2023-04-13
WO2020087004A1 (en) 2020-04-30
IL282335A (en) 2021-05-31
TWI816922B (zh) 2023-10-01
KR20210066926A (ko) 2021-06-07
TW202107070A (zh) 2021-02-16

Similar Documents

Publication Publication Date Title
CN112997069B (zh) 基于图像帧的算法选择器
US10698325B2 (en) Performance monitoring of design-based alignment
CN111819596B (zh) 组合模拟及光学显微术以确定检验模式的方法和系统
KR102514136B1 (ko) 반도체 웨이퍼의 리피터 결함 포착
US20220051380A1 (en) Optical image contrast metric for optical target search
CN114341630B (zh) 等概率缺陷检测
KR20220041126A (ko) 광학 검사를 이용한 프로세스 모니터링 방법
US20230122514A1 (en) Laser Anneal Pattern Suppression
TW202301191A (zh) 用於導出及改善成像條件之影像對比度量

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