CN113632136A - 用于半导体应用的参考图像产生 - Google Patents
用于半导体应用的参考图像产生 Download PDFInfo
- Publication number
- CN113632136A CN113632136A CN202080012515.7A CN202080012515A CN113632136A CN 113632136 A CN113632136 A CN 113632136A CN 202080012515 A CN202080012515 A CN 202080012515A CN 113632136 A CN113632136 A CN 113632136A
- Authority
- CN
- China
- Prior art keywords
- sample
- reference image
- device region
- samples
- inspection
- 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
Links
- 239000004065 semiconductor Substances 0.000 title description 27
- 238000000034 method Methods 0.000 claims abstract description 191
- 230000008569 process Effects 0.000 claims abstract description 132
- 230000002950 deficient Effects 0.000 claims abstract description 67
- 230000007547 defect Effects 0.000 claims description 236
- 238000007689 inspection Methods 0.000 claims description 159
- 238000012552 review Methods 0.000 claims description 52
- 238000003860 storage Methods 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 3
- 235000012431 wafers Nutrition 0.000 description 75
- 238000001514 detection method Methods 0.000 description 54
- 238000013461 design Methods 0.000 description 30
- 238000012360 testing method Methods 0.000 description 29
- 238000004519 manufacturing process Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 12
- 238000012805 post-processing Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 230000009897 systematic effect Effects 0.000 description 7
- 238000010894 electron beam technology Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000003252 repetitive effect Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003556 assay Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 238000010884 ion-beam technique Methods 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 125000003821 2-(trimethylsilyl)ethoxymethyl group Chemical group [H]C([H])([H])[Si](C([H])([H])[H])(C([H])([H])[H])C([H])([H])C(OC([H])([H])[*])([H])[H] 0.000 description 1
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 102000054766 genetic haplotypes Human genes 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000007517 polishing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Light Receiving Elements (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供用于产生用于对样品执行的过程中的参考图像的方法及系统。一种系统包含经配置以接收由实际系统针对样品产生的输出的虚拟系统,所述样品中的每一者具有形成于其上的相同类型的装置区域。所述虚拟系统经配置以基于由所述实际系统中的至少两者针对所述样品产生的所述输出来识别所述装置区域的缺陷部分且从其中识别所述缺陷部分的所述装置区域消除所述装置区域的所述缺陷部分以借此产生所述装置区域的剩余部分。另外,所述虚拟系统经配置以从针对所述样品中的第一者上的至少一个装置区域及所述样品中的第二者上的至少一个装置区域的所述剩余部分产生的所述输出产生参考图像。
Description
技术领域
本发明大体上涉及用于产生用于对样品执行的过程中的参考图像的方法及系统。
背景技术
以下描述及实例不因其包含于本节中而被确认为现有技术。
制造例如逻辑及存储器装置的半导体装置通常包含使用大量半导体制造工艺来处理例如半导体晶片的衬底以形成半导体装置的各种特征及多个层级。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)化学机械抛光(CMP)、蚀刻、沉积及离子植入。多个半导体装置可以布置制造于单个半导体晶片上且接着分离成个别半导体装置。
在半导体制造工艺期间的各种步骤中使用检验过程来检测晶片上的缺陷以促成进制造工艺的较高良率及因此较高利润。检验一直都是制造例如IC的半导体装置的重要部分。然而,随着半导体装置的尺寸减小,检验对成功制造可接受半导体装置变得更重要,这是因为更小缺陷会引起装置失效。
随着设计规则收紧,半导体制造工艺还会更接近工艺的性能能力的限制操作。另外,在更小设计规则下,工艺诱发失效在一些情况中可能往往是系统性的。即,工艺诱发失效往往在设计内通常重复多次的预定设计图案处失效。检测及消除空间系统性电相关缺陷是很重要的,因为消除此类缺陷会对良率具有显著总体影响。
使用检验技术(例如裸片对裸片检验及裸片对标准参考裸片检验)的系统性及其它重复性缺陷的当前执行检测具有许多缺点。例如,尽管裸片对裸片检验技术已在用于检测随机缺陷的晶片检验中取得广泛成功,但此类检验技术本质上无法检测系统性及重复性缺陷。特定来说,无法通过使两个测试裸片彼此比较来检测发生于两个测试裸片中的系统性及重复性缺陷。标准参考裸片检验理论上能够检测统性及其它重复性缺陷,但如下文将描述,此类技术自身面临挑战。
当前使用来自单个晶片的单裸片或多裸片信息来产生标准参考裸片以产生标准参考图像。例如,在用于产生标准参考裸片的当前方法中,可使用检验系统扫描设置晶片。可通过确定依据裸片内位置而变化的值(例如中位数或平均强度值)来组合针对形成于设置晶片上的多个裸片产生的图像或图像数据以借此产生标准参考裸片。接着,可存储标准参考裸片且将其用于其中比较标准参考裸片与其它样品上的裸片的检验。
在半导体制造相关应用中,裸片对标准参考裸片检验技术比裸片对裸片检验技术少得多被采用,这是因为通常难以获取合适标准参考裸片。例如,标准参考裸片有缺陷的风险很高(即,标准参考裸片高度有可能受存在于设置晶片上的任何缺陷影响),此会削弱使用标准参考裸片来检测系统性及其它重复性缺陷的能力且一般会歪斜检验结果。另外,与其中通常在晶片的相同检验扫描中获取供比较的裸片的输出的裸片对裸片检验技术不同,裸片对标准参考裸片技术通常较复杂,其归因于测试裸片与标准参考裸片(或测试晶片与标准参考晶片)之间的差异(例如色彩变化)及归因于难以实现测试裸片与标准参考裸片之间的相对准确对准。另外,由于从仅单个设置晶片产生标准参考裸片(如当前所做),用于产生标准参考裸片的图像或图像数据无法呈现可逐晶片发生的工艺变化。换句话说,单个设置晶片能够呈现跨晶片的工艺变化,但无法仅使用单个晶片来捕获可发生于晶片制造期间的任何晶片间工艺变化。因此,如果晶片制造工艺存在任何漂移,那么标准参考裸片检验可能检测到实际上不是缺陷的许多妨害(晶片特性的漂移)且可能变得无用而需要产生新标准参考裸片。
因此,将有利地开发用于产生用于对样品执行的过程中的参考图像的系统及/或方法,其不具有一或多个上述缺点。
发明内容
各种实施例的以下描述绝不应被解释为限制所附技术方案的目标。
实施例涉及一种经配置以产生用于对样品执行的过程中的参考图像的系统。所述系统包含虚拟系统,其耦合到实际系统以借此接收由所述实际系统针对样品产生的输出。所述虚拟系统包含至少计算机系统及存储媒体。所述虚拟系统无法使所述样品安置于其内。所述样品中的每一者具有形成于其上的相同类型的装置区域。由所述实际系统针对所述样品产生的所述输出用于所述样品上的相同层。所述虚拟系统经配置以基于由所述实际系统中的至少两者针对所述样品产生的所述输出来识别所述装置区域的缺陷部分。所述虚拟系统还经配置以从其中识别所述缺陷部分的所述装置区域消除所述装置区域的所述缺陷部分以借此产生所述装置区域的剩余部分。另外,所述虚拟系统经配置以从针对所述样品中的第一者上的所述装置区域中的至少一者及所述样品中的第二者上的所述装置区域中的至少一者的所述剩余部分产生的所述输出产生参考图像。用于产生所述参考图像的所述输出仅由所述实际系统中的一者产生。所述系统可如本文所描述那样进一步配置。
另一实施例涉及一种用于产生用于对样品执行的过程中的参考图像的计算机实施方法。所述方法包含接收由实际系统针对样品产生的输出。所述样品中的每一者具有形成于其上的相同类型的装置区域,且由所述实际系统针对所述样品产生的所述输出用于所述样品上的相同层。所述方法还包含基于由所述实际系统中的至少两者针对所述样品产生的所述输出来识别所述装置区域的缺陷部分。另外,所述方法包含从其中识别所述缺陷部分的所述装置区域消除所述装置区域的所述缺陷部分以借此产生所述装置区域的剩余部分。所述方法进一步包含从针对所述样品中的第一者上的所述装置区域中的至少一者及所述样品中的第二者上的所述装置区域中的至少一者的所述剩余部分产生的所述输出产生参考图像。所述接收、识别、消除及产生由耦合到所述实际系统的虚拟系统执行。所述虚拟系统包含至少计算机系统及存储媒体。所述虚拟系统无法使所述样品安置于其内。
所述方法可如本文进一步描述那样执行。另外,所述方法可包含本文所描述的任何其它方法的任何其它步骤。另外,所述方法可由本文所描述的系统中的任一者执行。
额外实施例涉及一种非暂时性计算机可读媒体,其存储程序指令,所述程序指令可在计算机系统上执行以执行用于产生用于对样品执行的过程中的参考图像的计算机实施方法。所述计算机实施方法包含上述方法的步骤。所述计算机可读媒体可如本文所描述那样进一步配置。所述计算机实施方法的步骤可如本文所进一步描述那样执行。另外,所述程序指令可执行的所述计算机实施方法可包含本文所描述的任何其它方法的任何其它步骤。
附图说明
将在阅读以下详细描述及参考附图之后明白本发明的其它目的及优点,其中:
图1是说明如本文所描述那样配置的系统的实施例的侧视图的示意图;
图2是说明如本文所描述那样配置的系统的实施例的侧视图的框图;
图3是说明用于产生用于对样品执行的过程中的参考图像的步骤的实施例的流程图,其可由本文所描述的实施例执行;
图4是说明用于使用由本文所描述的实施例产生的参考图像来对样品执行过程的步骤的实施例的流程图;及
图5是说明存储程序指令的非暂时性计算机可读媒体的实施例的框图,程序指令可在计算机系统上执行以执行本文所描述的计算机实施方法中的一或多者。
尽管本发明可接受各种修改及替代形式,但其特定实施例在图式中以举例方式展示且将在本文中被详细描述。然而,应了解,图式及其详细描述不希望使本发明受限于所揭示的特定形式,而是相反地,本发明将涵盖落入由所附权利要求书界定的本发明的精神及范围内的所有修改、等效物及替代。
具体实施方式
如本文所使用,术语“设计”及“设计数据”一般是指IC的物理设计(布局)及通过复杂模拟或简单几何及布尔(Boolean)运算从物理设计导出的数据。另外,由光罩检验系统获取的光罩的图像及/或其衍生物可用作为设计的“代理”或“若干代理”。此光罩图像或其衍生物可在使用设计的本文所描述的任何实施例中充当设计布局的替代。设计可包含以下各者中所描述的任何其它设计数据或设计数据代理:共同拥有的扎法尔(Zafar)等人在2009年8月4日发布的第7,570,796号美国专利及库尔卡尼(Kulkarni)等人在2010年3月9日发布的第7,676,077号美国专利,所述两个专利以宛如全文阐述引用的方式并入本文中。另外,设计数据可为标准单元库数据、集成布局数据、一或多个层的设计数据、设计数据的衍生物及完全或部分芯片设计数据。
然而,一般来说,设计信息或数据无法通过使用晶片检验系统使晶片成像来产生。例如,形成于晶片上的设计图案无法准确表示晶片的设计且晶片检验系统无法产生具有足够分辨率的形成于晶片上的设计图案的图像来使图像可用于确定关于晶片的设计的信息。因此,一般来说,设计信息或设计数据无法使用物理晶片产生。另外,本文所描述的“设计”及“设计数据”是指由半导体装置设计者在设计过程中产生且因此可在将设计印刷于任何物理晶片上之前很好地用于本文所描述的实施例中的信息及数据。
现转到图式,应注意,图未按比例绘制。特定来说,图的一些元件的比例经显著放大以突显元件的特性。还应注意,图未按相同比例绘制。可类似配置的一个以上图中所展示的元件已使用相同元件符号指示。除非本文另有说明,否则所描述及展示的元件中的任一者可包含任何合适市售元件。
一个实施例涉及一种经配置以产生用于对样品执行的过程中的参考图像的系统。在一个实施例中,样品包含晶片。晶片可包含半导体技术中已知的任何晶片。尽管本文可相对于一或若干晶片描述一些实施例,但实施例不受限于可使用其的样品。例如,本文所描述的实施例可用于例如光罩、扁平面板、个人计算机(PC)板及其它半导体样品的样品。
系统包含虚拟系统,其耦合到实际系统以借此接收由实际系统针对样品产生的输出。虚拟系统经配置以执行一或多个虚拟过程,而实际系统经配置以执行一或多个实际过程。一般来说,“实际系统”如所述术语在本文中所使用那样是指对实际物理样品或使用实际物理样品执行过程(即,实际过程)的系统。相比来说,“虚拟系统”如所述术语在本文中所使用那样是指在不使用实际物理样品或不与实际物理样品交互作用的情况下对样品执行过程(即,虚拟过程)的系统。
系统可或可不包含实际系统,其经配置以在样品安置于实际系统内时对样品执行一或多个过程以借此产生样品的输出。一般来说,由实际系统对样品执行的一或多个过程是良率控制相关过程,例如检验、重检、计量、测试及其类似者。由实际系统执行的过程不意在包含由光罩或晶片制造工具执行的工艺,其更改光罩或晶片的一或多个特性。例如,从晶片检验工具移除的晶片将具有与其放置于晶片检验工具内部时发生的特性大体上相同的特性(当然,除非出了很严重的事)。然而,可存在其中良率控制相关工艺可更改样品的一或多个特性的一些例子,但经更改的特性不意味着更改形成于样品上或由样品形成的装置的功能。例如,可由扫描电子显微镜(SEM)刻意留下“烧痕”以有助于随后重新定位特定点。相比来说,从制造工具移除的晶片通常将具有不同于其放置于制造工具内部时发生的特性的特性(物理、化学及其类似者)(同样除非出了错事,例如工艺失效),其将更改形成于样品上或由样品形成的装置的特性。
由于实际系统在样品安置于实际系统内时对样品执行过程,因此实际系统将包含某种样品处置装置或子系统(例如载台、驱动载台的电动机、晶片或光罩处置机器人等等)。样品处置装置或子系统一般将控制实际系统内的样品的位置。以此方式,本文所描述的实际系统经配置以对物理样品本身执行过程,其与不与物理样品交互作用的本文所进一步描述的虚拟系统形成对比,即使虚拟系统可对物理样品执行一或多个功能。
使用实际系统对样品执行过程一般将引起一些输出(例如图像、数据、图像数据、信号、图像信号等等)由实际系统产生。例如,在过程期间,实际系统的检测器或传感器可产生样品的一或多个图像。实际系统还可包含对由实际系统的一或多个检测器或传感器产生的输出执行一些功能、算法或方法的一或多个计算机子系统。例如,实际系统的计算机子系统可使用由实际系统的检测器产生的输出来执行样品的缺陷检测。缺陷检测或任何其它功能、方法或算法的结果也可为来自实际系统的输出,如本文所进一步描述。因此,本文所描述的实际系统可产生各种输出,其所有或仅部分可由虚拟系统接收,如本文所进一步描述。
在一个实施例中,实际系统包含两个相同系统。例如,如图1中所展示,系统可包含两个实际系统100及102。在此实施例中,两个实际系统中的每一者包含经配置以产生光的光源104。实际系统还包含经配置以将光从光源引导到样品108的分束器106。样品108由载台110支撑于实际系统中的每一者内。从样品反射、散射、衍射或以其它方式回传的光可由分束器106传输到包含于实际系统中的每一者中的检测器112。检测器经配置以响应于由检测器检测的光而产生例如图像、图像数据、信号或任何其它合适输出的输出。
检测器的输出可由包含于实际系统中的每一者中的计算机子系统114接收。计算机子系统114可以任何合适方式耦合到检测器中的每一者。计算机子系统可经配置以使用检测器的输出来确定样品的一或多个特性。由计算机子系统确定的一或多个特性将取决于实际系统的配置及对其执行实际过程的样品而变化。
因此,图1中所展示的实际系统具有相同配置且因此可为相同类型的系统。在另一实施例中,实际系统包含具有不同配置的两个系统。例如,图1中所展示的实际系统的元件中的任一者可经选择为不同的。在此实例中,实际系统可具有不同类型的光源,可经配置以对不同样品执行一或多个过程,可具有不同检测器,等等。一般来说,耦合到虚拟系统的实际系统可包含任何数目及组合的任何类型的实际系统。另外,实际系统可各自配置为物理分离系统,其可由其它硬件或软件耦合,如本文所进一步描述。
应注意,本文提供图1来大体上说明可耦合到本文所描述的实施例中的虚拟系统的实际系统的一个配置。显而易见,本文所描述的实际系统配置可经更改以优化在设计本文所描述的样品的良率控制相关系统时正常执行的实际系统的性能。另外,本文所描述的系统可使用既有实际系统(例如可购自加利福尼亚州米尔皮塔斯的科磊公司(KLA,Milpitas,Calif)的工具)实施(例如通过将本文所描述的功能性添加到既有实际系统)。替代地,本文所描述的实际系统可“从头开始”设计以提供全新实际系统。
产生由本文所描述的实施例中的虚拟系统接收及使用的输出的实际系统可包含实际系统的不同组合。然而,一般来说,针对本文所描述的实施例,实际系统中的至少一者配置为某种检验系统。例如,在一个实施例中,实际系统包含至少一个检验工具及至少一个其它工具。在一个此实施例中,至少一个其它工具包含缺陷重检工具。在另一此实施例中,至少一个其它工具包含不同检验工具。在另一此实施例中,至少一个其它工具包含电测试器。在一些实施例中,至少一个其它工具包含缺陷重检工具、不同检验工具及电测试器中的两者或更多者的组合。这些实施例可如本文所进一步描述那样配置。
在一个实施例中,实际系统包含至少一个光罩检验工具,且至少一个其它工具包含光罩缺陷重检工具。例如,如图2中所展示,实际系统可包含光罩检验工具200及光罩缺陷重检工具202。光罩检验及缺陷重检工具可为基于光学的工具及/或基于电子束的工具。另外,相同实际系统可配置为光罩检验工具及光罩缺陷重检工具两者。光罩检验及/或缺陷重检工具可包含任何合适市售系统。另外,光罩检验及/或缺陷重检工具可经配置以执行各种检验及/或重检。光罩检验及/或缺陷重检工具可经配置以在一或多个成像模式中产生光罩的输出(例如图像或数据)。
在一些实施例中,实际系统包含至少一个晶片检验工具,且至少一个其它工具包含晶片缺陷重检工具。晶片检验及晶片缺陷重检工具可为基于光的工具。例如,如图2中所展示,实际系统可包含光学晶片检验系统204及光学晶片缺陷重检系统206。另外,相同实际系统可配置为晶片检验系统及晶片缺陷重检系统两者。基于光的晶片检验及/或缺陷重检工具可包含任何合适市售系统,例如Puma系统、29xx及39xx系统及可购自科磊公司的SPx、Surfscan及Surfimage系统。另外,基于光的晶片检验及/或缺陷重检工具可经配置以执行例如暗场(DF)雷射散射、窄带亮场(BF)、宽带BF等等的各种检验及/或重检。基于光的晶片检验及/或缺陷重检工具还可包含例如基于宽带等离子体(BBP)的光源的任何合适光源。晶片检验及/或缺陷重检工具可经配置以在一或多个成像模式中产生晶片的输出(例如图像或数据)。
在另一实施例中,实际系统包含至少一个晶片检验工具及晶片缺陷重检工具,且至少一个晶片检验工具及晶片缺陷重检工具配置为基于电子束的工具。例如,如图2中所展示,系统可包含电子束晶片检验工具208及/或电子束晶片缺陷重检工具210。另外,相同实际系统可配置为晶片检验工具及晶片缺陷重检工具两者。基于电子束的晶片检验及/或缺陷重检工具可包含任何合适市售系统,例如可购自科磊公司的eDRxxxx系统。
在一些实施例中,实际系统包含至少一个计量工具。例如,如图2中所展示,实际系统可包含计量工具212。计量工具可包含任何合适市售计量工具。计量工具可经配置以测量或确定本文所描述的样品中的任一者的任何一或多个特性。例如,计量工具可配置为散射测量系统,其经配置以测量或确定晶片上的图案化特征的临界尺寸或临界尺寸均匀性。计量工具与检验工具的大体不同之处在于:计量工具不扫描晶片或光罩来产生各经扫描位置处的输出。相反地,计量工具通常在移动-获取-测量型方案中对晶片或光罩上的一个或有限数目个测量点执行测量。在一些例子中,计量工具可基于本文所描述的另一实际系统的输出或结果来执行测量。例如,计量工具可用于测量由检验检测的缺陷的一或多个特性。以此方式控制计量工具可如本文所描述那样进一步执行。
在另一实施例中,实际系统包含至少一个电测试器。例如,如图2中所展示,实际系统可包含电测试器214。电测试器可包含任何合适市售电测试系统。电测试器可为接触型系统,其中系统的一或多个元件与形成于样品(例如晶片)上的一或多个装置结构接触以在晶片与测试器之间建立电连接。替代地,电测试器可为非接触型系统,其中无元件在测试期间与晶片接触。
尽管本文描述可为实际系统的各种特定工具,但应了解,本发明不受限于这些特定工具。例如,可想到经配置以对晶片、光罩或本文所描述的其它样品执行一或多个过程的任何实际系统可包含于实际系统中。在此实例中,实际系统还可包含失效分析工具及/或材料分析工具。另外,实际系统不受限于基于光及电子束的工具。例如,实际系统可包含基于离子束的工具,例如市售聚焦离子束(FIB)系统、氦离子显微镜(HIM)系统及二次离子质谱(SIMS)系统。
系统还包含虚拟系统,其耦合到实际系统以借此接收由实际系统产生的输出。例如,如图1中所展示,实际系统100及102耦合到虚拟系统116。在一个实施例中,实际系统的检测器112耦合到虚拟系统,使得检测器的输出可直接发送到虚拟系统。以此方式,虚拟系统可接收检测器的原始输出(即,未由任何数据、信号或其它处理更改的输出)。另外或替代地,实际系统的计算机子系统114可耦合到虚拟系统,使得计算机子系统可将检测器的输出及/或由计算机子系统产生的任何其它信息发送到虚拟系统。虚拟系统还可耦合到计算机子系统、检测器及实际系统的任何其它元件。虚拟系统可耦合到实际系统的任何组件,如本文所进一步描述。例如,虚拟系统116可通过任何合适传输媒体(其可包含所属领域中已知的任何合适有线及/或无线传输媒体)耦合到计算机子系统114,如图1中由虚线所展示。
如上文所描述,实际系统可包含呈各种组合的各种不同实际系统。因此,从实际系统接收的输出可不同且取决于实际系统的配置及/或由实际系统对样品执行的实际过程而变化。例如,输出可包含映射空间连续数据(例如可由扫描实际系统产生)、空间离散数据(例如可由移动-获取-测量系统产生)、计量数据、点缺陷检测数据等等。
虚拟系统包含至少计算机系统及存储媒体。术语“计算机系统”可在本文中与术语“计算机子系统”互换使用。本文所描述的计算机子系统或系统中的每一者可呈各种形式,其包含个人计算机系统、图像计算机、主计算机系统、工作站、网络设备、因特网设备或其它装置。一般来说,术语“计算机系统”可经广义界定以涵盖具有一或多个处理器的任何装置,处理器执行来自存储器媒体的指令。计算机子系统或系统还可包含所属领域中已知的任何合适处理器,例如并行处理器。另外,计算机子系统或系统可包含具有高速处理及软件的计算机平台作为独立或网络工具。存储媒体可包含所属领域中已知或本文所进一步描述的任何合适存储媒体。
尽管虚拟系统在图中展示为具有特定计算机配置,但应了解,虚拟系统可具有任何合适计算机类配置。例如,图1中所展示的虚拟系统可仅由虚拟系统的处理器、存储器及输入/输出组件形成,而非可接受用户输入的任何组件(例如键盘、鼠标、屏幕等等)形成。以此方式,虚拟系统可不包含通常将构成独立全功能计算机系统的所有组件。然而,在其它例子中,虚拟系统可类似于全功能计算机系统,因为用户可直接使用虚拟系统以使用存储于其内的数据中的任一者来执行一或多个功能。另外,一个以上工作站或用户可同时、远程及/或无线存取虚拟系统。例如,如图1中所展示,多个工作站118及120可同时耦合到虚拟系统。以此方式,多个用户可存取虚拟系统或存储于其内的数据且使用虚拟系统来执行本文所进一步描述的功能中的一或多者。
虚拟系统无法使样品安置于其内。例如,尽管虚拟系统经配置以执行样品的一或多个功能,但虚拟系统无法经配置以对样品执行一或多个功能。相反地,可对由实际系统对样品执行的实际过程产生的数据或其它输出执行样品的一或多个功能。因此,与本文所描述的实际系统不同,虚拟系统可不具有任何样品处置能力,例如载台、耦合到载台的电动机、样品处置装置或机器人或其类似者。另外,尽管虚拟系统可经配置以控制实际系统中的一或多者使得实际系统对实际样品执行过程,但虚拟系统本身无法对实际样品执行任何实际过程。在一个此实施例中,虚拟系统可配置为虚拟检验器(VI或VIVA)。VI一般可界定为计算机系统,其可存储由检验子系统针对样品产生的大量输出,使得输出可以模拟输出的实时获取的方式播放,在此期间,可仅使用所存储的输出来对样品执行虚拟检验。
虚拟系统及实际系统可如以下各者中所描述那样进一步配置:巴斯卡尔(Bhaskar)等人在2012年2月28日发布的第8,126,255号美国专利及达菲(Duffy)等人在2015年12月29日发布的第9,222,895号美国专利,所述专利以宛如全文阐述引用的方式并入本文中。
如上文所描述,虚拟系统经配置以接收由实际系统针对样品产生的输出。因此,由虚拟系统用于产生用于对样品执行的过程中的参考图像(如本文所进一步描述)的输出应为由实际系统针对样品产生的输出,样品上形成有与样品将在对其执行过程时具有的层相同的层。以此方式,样品中的每一者还应为彼此相同的类型及相同样品。例如,样品中的每一者具有形成于其上的相同类型的装置区域,且由实际系统针对样品产生的输出用于样品上的相同层。在一个此实例中,样品中的每一者应根据彼此相同的装置类型及层及相同样品制造。
装置区域可取决于样品的配置及被产生的参考图像将如何用于样品的过程中而为不同类型的装置区域。例如,在一个实施例中,装置区域是样品上的裸片。在另一实施例中,装置区域是样品上的域。在额外实施例中,装置区域是样品上的单元。特定来说,如本文所描述那样产生的参考图像可用于例如检验的过程。检验可以各种不同方式执行,其取决于形成于样品上的装置的配置。例如,在一些例子中,如果样品上的装置区域包含大面积非重复(例如逻辑)特征及/或如果整个裸片区域将被检验,那么裸片对裸片型检验可适合于样品。在另一实例中,如果样品上的装置区域包含具有相同设计的多个域,那么域对域型检验可适合于样品。在另一实例中,单元对单元型检验可适合于包含含有在样品上的裸片或较大区域内重复的相同图案化特征的许多相对较小区域的样品。以此方式,本文所使用的术语“装置区域”界定为其中形成装置、其中定位至少多个图案化特征及以某一预定频率跨样品重复的样品上的区域。
还可以其它方式指代本文所描述的参考图像,其取决于产生参考图像的装置区域。例如,如果装置区域是裸片,那么参考图像还可称为“黄金裸片”图像或“标准”参考裸片。类似术语还可用于上述其它装置区域。
虚拟系统经配置以基于由实际系统中的至少两者针对样品产生的输出来识别装置区域的缺陷部分。例如,如图3中的步骤300中所展示,实际系统可经配置以执行多样品扫描,且虚拟系统可执行来自实际系统的多样品扫描结果的VIVA记录。换句话说,实际系统中的一或多者可扫描多个样品,使用扫描的结果执行缺陷检测过程,且将扫描及缺陷检测的结果传输到接收及存储结果的虚拟系统。另外,在已扫描足以产生参考图像(如本文所描述)的数个样品之后,包含图像、图像数据或图像信号及缺陷检测结果的所述扫描的结果可由VIVA接收且存储于VIVA中。以此方式,可不执行本文所描述的识别及其它步骤,直到已扫描足够数目个样品且针对所述样品产生的信息已由VIVA接收且存储于VIVA中之后。以此方式,虚拟系统接收由实际系统中的一或多者针对多个样品上检测到的缺陷产生的输出。
经扫描用于本文所描述的参考图像产生的样品的数目可能不如经扫描的装置区域的数目那么重要(只要扫描至少两个样品)。例如,样品上的装置区域的数目可随样品类型且取决于装置区域的类型变化(例如,裸片通常远远大于单元)。一般来说,用于本文所描述的参考图像产生的装置区域的数目优选地介于约10个到约20个未消除(如本文所进一步描述)且优选地几乎不具有缺陷率的装置区域之间。换句话说,优选地用于参考图像产生的“完好”或“近乎完好”装置区域的数目是约10到约20。因而,如本文所描述,优选地扫描至少10个到20个(及可能大体上更多个)装置区域且检查其缺陷率以识别适合于参考图像产生的约10个到约20个装置区域。尽管许多样品可具有形成于其上的至少10个到20个装置区域且尽管理论上本文所描述的实施例能够在任何样品上找到10个到20个完好或近乎完好装置区域,但如本文所提及,本文所描述的实施例的优点是其可用于减少样品间变化对参考图像的有用性的影响。因此,即使可在单个样品上找到10个到20个完好或近乎完好装置区域,但本文所描述的实施例仍不会仅使用来自单个样品的装置区域用于参考图像产生。
一般来说,经执行用于样品上的初始缺陷检测的扫描可由检验工具执行,但一个以上相同类型的检验工具可用于产生此数据。另外,在步骤300中产生记录于VIVA中的多样品扫描结果的检验工具可为会将所产生的参考图像用于对其它样品执行的过程的相同系统。实际系统可以任何合适方式执行初始缺陷检测的扫描,其可取决于实际系统及样品的配置而变化。由实际系统产生且由虚拟系统用于识别缺陷部分的输出可包含由实际系统产生用于初始缺陷检测的任何结果。如果实际系统仅产生输出但不使用输出执行缺陷检测,那么输出可仅包含图像、图像数据、图像信号、原始检测器输出等等。例如,由实际系统的检测器产生的所有输出可传输到虚拟系统,其可经配置以存储所述输出且使用输出执行样品的缺陷检测。以此方式,初始缺陷检测可由实际系统执行或可由虚拟系统使用由实际系统产生的输出执行。虚拟系统还可经配置以按所属领域中已知的任何合适方式使用由实际系统产生的输出执行缺陷检测。如果实际系统对样品执行初始缺陷检测,那么由虚拟系统接收的由实际系统产生的输出可包含样品及针对样品上检测到的缺陷产生的任何结果的任何图像、图像数据、图像信号、原始检测器输出等等。针对缺陷产生的结果可包含缺陷图像、缺陷坐标、检验中所确定的任何缺陷特性、缺陷ID及其类似者且可以所属领域中已知的任何合适文件格式输出。
虚拟系统可基于步骤300中所接收的多样品扫描结果及VIVA记录来识别装置区域的缺陷部分。然而,在识别装置区域的缺陷部分用于本文所描述的其它步骤中之前确认或验证多样品扫描中检测到的缺陷将对本文所描述的实施例更有利。例如,如步骤302中所展示,实际系统中的一者可对多个样品上检测到的缺陷执行缺陷重检。缺陷重检可以任何合适方式执行。例如,通常使用高分辨率SEM来对通常使用基于光的系统光学检测的缺陷执行缺陷重检,但实施例不受限于此类实际系统。例如,可在多样品扫描中由光或电子束型检验系统检测缺陷,且可使用高分辨率(即,高于执行检验的分辨率的分辨率)光或电子束型缺陷重检系统来重检缺陷。以此方式,通过检验多个样品所产生的扫描结果可由本文所描述的实际系统中的一或多者重检。另外,缺陷重检可由虚拟系统使用针对由缺陷重检系统检测的缺陷产生的输出执行。换句话说,缺陷重检系统可扫描检测到的缺陷的位置且将扫描的结果传输到虚拟系统,且虚拟系统可使用扫描的结果重新检测缺陷以借此验证检测到的缺陷是否为实际缺陷。可以所属领域中已知的任何方式另外执行重新检测缺陷以验证检测到的缺陷是否为实际缺陷。
虚拟系统还可使用额外检验来验证由多样品扫描及VIVA记录检测到的缺陷,如由图3中的步骤304所展示。例如,除产生初始多样品扫描结果的检验工具之外的检验工具可用于执行相同多个样品的额外扫描。用于额外检验及初始检验的检验工具可以任何合适方式不同。例如,检验工具可为不同类型的检验工具(例如基于光的检验工具及电子束检验工具)。检验工具还可为相同类型的检验工具,但具有大体上不同配置(例如具有完全不同成像配置的基于光的检验工具)。无论何种情况,虚拟系统可使用额外检验304的结果及最初产生的多样品扫描结果来识别哪些最初检测到的缺陷更可能不是实际缺陷。例如,如果在两个不同检验中在相同检验位置处检测到缺陷,那么缺陷最有可能实际存在于所述位置处。以此方式,可通过组合检验结果与使用另一检验工具产生的检验结果或由使用另一检验工具产生的检验结果修改检验结果来在某种程度上重检多个样品的初始检验结果。
在另一选项中,虚拟系统可基于初始检验结果及额外检验结果来执行缺陷重检302。例如,两个检验结果可用于产生缺陷重检的缺陷样本,其可由实际系统中的一或多者用于在样本中的缺陷位置处执行缺陷重检扫描。接着,经配置用于缺陷重检的虚拟系统或实际系统可使用缺陷重检扫描的结果来执行缺陷重检。使用缺陷重检的结果来执行缺陷重检可包含重新检测缺陷以借此验证检测到的缺陷是否为实际缺陷。此重新检测可以所属领域中已知的任何合适方式执行。
虚拟系统还可验证由多样品扫描及VIVA记录检测到的缺陷且使用电测试306来执行额外缺陷检测。例如,在任选步骤中,可将样品中的一或多者发送到电测试。可对由本文所描述的检验或缺陷重检步骤中的任一者在样品上检测到的缺陷中的任何一或多者执行电测试。在此实例中,虚拟系统可产生对其执行电测试的缺陷的样本且可将样本的信息传输到对样本中的缺陷执行电测试的电测试器。接着,电测试器可执行任何合适电测试以确定由检验及/或重检检测到的物理缺陷是否为电缺陷(即,引起形成于样品上的装置的电缺陷或问题)。
电测试器还可对所有(或至少一些)样品上的所有装置区域执行电测试。以此方式,电测试器可检测及识别可由未由检验检测到的缺陷引起的电失效。换句话说,如果缺陷位于样品的上表面之下太远处以致无法由检验及/或缺陷重检检测到,那么样品上可能存在未由检验及/或缺陷重检工具检测到的缺陷。此类缺陷通常可指称“埋藏”缺陷及SEM非可视(SNV)。因而,电测试器可在样品上检测到先前未检测到的缺陷,且此类缺陷可添加到由检验检测到的缺陷中的任一者。因此,装置区域的缺陷部分可基于以下缺陷来识别:基于其对用于检验的光或电子的影响所检测的缺陷及基于其对形成于样品上的装置的电功能的影响所检测到的缺陷。
基于由初始检验及缺陷重检、二次检验及电测试中的一或多者产生的缺陷的任何或所有信息,虚拟系统基于由实际系统中的至少两者针对样品产生的输出来识别装置区域的缺陷部分。缺陷部分可包含其中已检测到且以某种方式优选地验证缺陷的装置区域中的任一者的任何部分。
缺陷部分可具有基于被确定为存在于样品及装置区域本身上的缺陷的各种特性。例如,在一些例子中,缺陷部分可经识别为仅缺陷所在的装置区域中的位置。以此方式,缺陷部分可具有与其对应的缺陷相同的形状、大小、面积等等。在其它例子中,缺陷部分可具有不同于其对应的缺陷的面积、尺寸、形状等等。例如,一些装置区域含有在装置区域内重复的较小图案化区域及/或小于装置区域的多个不同区域。如果在这些较小区域中的一者(例如单元、存储器阵列、逻辑区域或其它图案化特征组)内发现缺陷,那么针对所述缺陷识别的缺陷部分可为整个区域,不管其是单元、存储器阵列、逻辑区域等等。以此方式,针对任何缺陷识别的装置区域的缺陷部分可为其中定位缺陷且可受缺陷影响的装置区域内的整个区域。在一些例子中,其中已检测到且优选地验证缺陷的整个区域可经识别为装置区域的缺陷部分。例如,在一些情况中,如果在整个单元、域、裸片或其它装置区域中检测到且优选地验证缺陷,那么将所述单元、域、裸片或其它装置区域识别为缺陷部分可为有用的。
在一个实施例中,对装置区域中的至少两者或更多者中的每一者单独及独立执行此识别。例如,不同样品上的不同装置区域可及最有可能将具有其内所检测的不同缺陷。因此,可仅基于分别在装置区域中的每一者中检测到且优选地经验证的缺陷来单独确定装置区域中的每一者的缺陷部分。换句话说,可仅基于第一样品上的第一装置区域中检测到的缺陷来识别所述第一装置区域中的缺陷部分,可仅基于第一样品上的第二装置区域中检测到的缺陷来识别所述第二装置区域中的缺陷部分,且可仅基于第二样品上的第三装置区域中检测到的缺陷来识别所述第三装置区域中的缺陷部分。以此方式,当在样品中的一者上的装置区域中的一者中识别缺陷部分时,相同或其它样品上的其它装置区域中的相同区域不自动识别为缺陷部分。
然而,当缺陷在相同装置区域内位置重复时,一些装置区域可在与其它装置区域相同的位置或区域中具有缺陷部分。然而,由于本文所描述的实施例将使用装置区域的非缺陷部分来产生参考图像,因此优选地在样品中的至少一者上的至少一装置区域内找到装置区域内的位置中的每一者的至少一个非缺陷例子。如果无法找到装置区域内的位置中的每一者的此非缺陷例子,那么虚拟系统可使用各种方式中的一或多者来外推或推断适合于不具有非缺陷样本的任何位置的信号、数据或信息。
如图3的步骤308中所展示,虚拟系统还经配置以从其中识别缺陷部分的装置区域消除装置区域的缺陷部分以借此产生装置区域的剩余部分。换句话说,虚拟系统可从其中识别缺陷部分的装置区域消除任何缺陷部分以借此仅留下装置区域的非缺陷部分。在一些例子中,消除缺陷部分可包含消除整个裸片、域、单元等等。然而,消除缺陷部分可包含仅消除对应于缺陷部分的装置区域的部分。以此方式,不同装置区域可具有不同消除部分及不同剩余部分。
消除缺陷部分可以许多不同方式执行。例如,消除缺陷部分不意味着消除物理样品上的缺陷部分,而是意味着避免针对缺陷部分产生的任何数据、信号、图像、信息等等用于本文所描述的进一步步骤中。因此,消除缺陷部分可包含从针对多个样品产生的所有数据、信号、图像、信息等等删除缺陷部分的数据、信号、图像、信息等等。然而,消除缺陷部分未必需要删除或以其它方式舍弃此信息。例如,消除缺陷部分可仅包含以指示针对缺陷部分产生的信息不能用于产生参考图像的方式贴标签于、标记等等针对缺陷部分产生的信息。如果数据或信息可用于包含可不与产生参考图像有关的任何目的的其它目的,那么以此方式保留数据或信息可为有用的。
在一个实施例中,虚拟系统经配置以选择用于产生参考图像的样品上的装置区域。以此方式,虚拟系统可经配置以选择用于参考图像产生的裸片、域、单元或其它装置区域。可基于装置区域的剩余部分来执行选择装置区域。选择装置区域可包含选择装置区域的所有或仅一些剩余部分。换句话说,可选择所有装置区域的所有剩余部分用于参考图像产生或可仅避免一些剩余部分用于参考图像产生。另外,选择装置区域可包含选择其剩余部分将用于参考图像产生的那些装置区域。换句话说,可无需整个装置区域用于参考图像产生。例如,如果一些装置区域仅具有大体上小剩余部分,那么虚拟系统可确定所述装置区域不宜用于参考图像产生,因为其总缺陷率可能使其有限剩余部分歪斜或以其它方式不适合于参考图像产生。以类似方式,如果装置区域(不管其剩余部分如何)位于展现显著缺陷率的其它装置区域附近,那么所述装置区域无法被选择用于参考图像产生,因为其相邻或附近装置区域的缺陷率可能歪斜装置区域或以其它方式使装置区域不适合于参考图像产生。以此方式,装置区域不仅要基于其缺陷率或剩余部分且还要基于其附近装置区域的缺陷率或剩余部分来选择用于参考图像产生。以类似方式,虚拟系统可基于装置区域所在的样品的总缺陷率来选择装置区域。例如,如果整个样品上的装置区域展示异常高的缺陷率(例如与其它样品相比或基于样品上的装置区域中的剩余部分),那么所述样品上的所有装置区域不会被虚拟系统选择,即使一些装置区域展现正常缺陷率。
在一个此实施例中,选择包含向用户显示装置区域的信息及基于从用户接收的输入来选择装置区域。例如,用户可从检验及针对多个样品产生的其它结果选择装置区域,例如用于参考图像产生的裸片。信息可以任何合适方式显示给用户,且虚拟系统可以任何合适方式从用户接收输入。在此实例中,虚拟系统可产生具有一些标记或记号的装置区域及/或样品中的一或多者的图来说明装置区域的哪些部分是剩余部分及哪些部分被消除。标记或记号可包含(例如)指示哪些位置或区域包含于剩余部分中及哪些位置或区域位于消除部分中的色彩。此图还可显示有由实际系统及/或虚拟系统中的任一者针对多个样品中的任一者产生的任何其它数据或信息。接着,用户可使用显示信息及任何可用输入设备(例如触摸屏、鼠标、键盘等等)来指示哪些剩余部分将用于参考图像产生及/或哪些剩余部分不用于参考图像产生。以此方式,可基于由用户选择及/或剔除的装置区域来进一步限制用于参考图像产生的剩余部分。
因此,本文所描述的实施例不同于当前用于参考图像产生的方法及系统,因为与所述当前使用的系统及方法不同,本文所描述的实施例不从一或若干样品产生的图像盲目产生参考图像。换句话说,当前用于参考图像产生的方法及系统的问题是其盲目使用样品数据来产生参考图像。因而,从许多缺陷装置区域产生的图像可用于产生参考图像,其会使参考图像的灰度移位。另外,通常在装置开发及生产的上升阶段期间针对新检验过程产生参考图像。由于制造工艺在上升阶段中,因此由制造工艺产生的大多数样品上会具有大体上大数目及许多类型的缺陷。因而,可通过最终测试的装置区域在此类样品上可能很少且可能大体上难以识别。在此情形中,产生适合于参考图像的“完好”装置区域将是挑战性工作。否则,从缺陷装置区域产生的参考图像将无用,其也是现今无法广泛采用参考图像型检验的原因。
虚拟系统经进一步配置以从针对样品中的第一者上的装置区域中的至少一者及样品中的第二者上的装置区域中的至少一者的剩余部分产生的输出产生参考图像。以此方式,参考图像将从不同样品上的至少一个装置区域产生。用于参考图像产生的不同样品上的装置区域不必位于样品上的相同区域中。例如,样品上的装置区域可位于样品的中心中,而另一样品上的另一装置区域可位于样品的边缘附近。另外,尽管用于参考图像产生的装置区域优选地包含不同样品上的至少一装置区域,但装置区域可包含两个不同样品上的不止一个装置区域。例如,装置区域可包含未归因于缺陷率而被消除的装置区域中的任一者。
因此,本文所描述的参考图像产生具有相较于当前用于参考图像产生的方法及系统的若干优点。例如,由于基于多样品信息来产生参考图像,因此参考图像产生可涵盖样品间变化。另外,如本文所描述,在参考图像产生之前识别及消除装置区域的缺陷部分(例如“淘汰”缺陷裸片及失效裸片)将最小化缺陷像素牵连参考图像且对参考图像产生影响的风险。本文将进一步描述实施例的额外优点。
如步骤310中所展示,虚拟系统经配置以从装置区域的剩余部分产生参考图像。用于产生参考图像的输出仅由实际系统中的一者产生。产生参考图像可包含以任何合适方式组合针对剩余部分产生的输出,例如通过使用剩余区域中的输出中的任一者确定装置区域内基于逐位置的中位数或平均数。例如,中位数或平均数可从装置区域的剩余部分中的任一者中的位置x,y处产生的输出中的任一者针对装置区域中的位置x,y产生。用于产生参考图像的输出可为由实际系统产生的图像数据或图像信号。以此方式,取决于装置区域的剩余部分及经选择用于参考图像产生的装置区域的剩余部分,装置区域中的不同位置的不同数目个样本可用于参考图像产生。由于将在装置区域内基于逐位置产生参考图像,因此只要每位置存在足够数目个样本(例如每位置10个到20个样本),那么每位置不同数目个样本不会影响参考图像。
用于产生参考图像的输出优选地仅为由将使用参考图像来执行过程的实际系统针对多个样本产生的输出。例如,如果产生参考图像用于检验过程,那么优选地使用将使用如本文所描述那样产生的参考图像的检验工具来执行多个样品的初始检验或任何二次检验。因此,即使由其它工具(例如缺陷重检工具、电测试器等等)针对多个样品产生输出,但用于产生参考图像的输出优选地仅为由将使用参考图像来执行检验过程的检验工具针对多个样品产生的输出。
在一些实施例中,虚拟系统经配置以将参考图像存储于对样品执行的过程的配方中。“配方”在本文中界定为可由工具或系统用于对样品执行过程的一组指令。虚拟系统可以许多不同方式将参考图像存储于配方中。例如,虚拟系统可将实际参考图像存储于配方本身中。在另一实例中,虚拟系统可将信息存储于可用于在使用配方执行过程之前或使用配方执行过程期间存取参考图像的配方中(例如文件名及存储位置)。虚拟系统还可将参考图像及/或配方存储于许多不同位置中。例如,虚拟系统可将配方及/或参考图像存储于虚拟系统本身、耦合到虚拟系统的另一存储媒体、将使用参考图像来执行过程的实际系统的存储媒体或计算机系统等等中。
因此,由本文所描述的实施例执行的参考图像产生在许多重要方面不同于当前用于参考图像产生的方法及系统。例如,与基于信息对仅一个样品执行的大多数当前使用的参考图像产生不同,本文所描述的参考图像产生是基于多个样品的信息。在另一实例中,本文所描述的参考图像产生将在参考图像产生之前消除装置区域的缺陷部分(归因于由检验检测到或由检验遗漏且由电测试检测到的缺陷而未通过电测试的甚至整个缺陷裸片及/或整个裸片)。在额外实例中,本文所描述的虚拟系统可经配置以允许用户从多个样品选择装置区域用于参考图像产生。在另一实例中,由本文所描述的实施例产生的参考图像是基于配方,而当前使用的参考图像是基于样品。换句话说,本文所描述的参考图像特别依托用于使用参考图像来执行过程的配方,而由当前使用的方法及系统产生的参考图像特别依托用于产生参考图像的样品。
在另一实施例中,使用参考图像来对样品执行的过程是检验过程。当装置区域是裸片时,此检验过程可指称基于VIVA的“黄金裸片”检测。本文所描述的实施例是有利的,因为其可使用VIVA及由先进检验或其它成像工具(例如可购自科磊公司的基于BBP的检验工具)产生的图像来产生“完好黄金”图像。以此方式产生的参考图像可存储于VIVA上且可用作为检验参考。可在VIVA上执行检验,例如通过使检验工具将针对受检验的样品产生的输出发送到VIVA,VIVA使用存储参考图像来执行检验。还可在检验工具上执行检验,例如通过使VIVA将参考图像发送到检验工具用于检验。可使用VIVA存储的参考图像来工作的额外后处理及检测可用于实现缺陷检测的最佳可能性能。本文将进一步描述一些此类后处理及检测。然而,用于使用VIVA存储的参考图像来执行的检验之后处理及检测可包含所属领域中已知的任何合适后处理及检测应用。换句话说,本文所描述的参考图像不受限于其中可使用参考图像的检验的类型。
图4说明将如本文所描述那样产生的参考图像用于样品检验的实施例。如步骤400中所展示,检验过程可包含目标图像收集及处理。例如,检验工具可扫描样品以产生样品的图像或其它输出以借此收集样品的目标图像。步骤400中所执行的处理可包含可在检验过程中对由检测器在缺陷检测之前产生的原始输出或图像执行的任何处理。
在一个此实施例中,检验过程包含执行静态图像重映射,其中将检验过程中针对样品产生的所有目标图像重映射到参考图像。例如,如图4的步骤402中所展示,检验过程可包含静态图像重映射402。此静态图像重映射不同于当前使用的检验过程且给本文所描述的实施例带来特定优点。例如,针对自动阈值化型缺陷检测(如由缺陷检测算法所执行,例如由可购自科磊公司的一些检验工具使用的多裸片自动阈值化(MDAT)算法),静态图像重映射可处置所有工艺变化。特定来说,工艺变化及小工艺变化可改变通过在检验过程期间扫描样品产生的输出的背景灰度,其给缺陷检测带来普遍问题,例如,工艺变化及小工艺变化会引起可能被错误检测为缺陷的样品的变化。因此,静态图像重映射可有利于参考图像型检验,因为其可处置此类工艺变化及工艺变化。换句话说,针对本文所描述的参考图像型检验,参考图像是静态的,因此仅重映射目标图像以解释工艺变化。静态图像重映射步骤可包含将测试图像重映射到参考图像,其可以所属领域中已知的任何合适方式执行。另外,与当前使用的检验过程不同,静态图像重映射使用如本文所描述那样产生的参考图像作为目标图像重映射的静态参考。使用如本文所描述那样产生的参考图像执行的检验可有利地使用静态图像重映射步骤来处置所有工艺变化以使检验配方阈值切割线稳定。
如步骤404中所展示,检验过程可包含目标-参考图像相减。例如,如本文所描述那样产生的参考图像可与针对以任何合适方式检验的样品产生的目标图像对准。接着,参考图像可基于逐测试图像从测试图像减去。以此方式,可针对每一测试图像产生差异图像。接着,差异图像可用于缺陷检测。例如,差异图像可输入到自动阈值缺陷检测步骤406,其中MDAT算法或另一合适自动阈值化缺陷检测算法使用差异图像来检测装置区域中的缺陷。
检验过程还可包含目标-参考图像相减步骤408,其可不使用静态图像重映射测试图像来执行。以此方式,目标-参考图像相减步骤408及目标-参考图像相减步骤404可为单独及独立执行且可产生不同差异图像的不同步骤。由步骤408中所执行的图像相减产生的差异图像可输入到固定阈值缺陷检测步骤410。与使用自动阈值的缺陷检测步骤406不同,此缺陷检测步骤可使用固定阈值(即,不取决于检验期间针对装置区域产生的输出而变化的阈值)。以此方式,检验过程可包含两个不同类型的检测:使用自动阈值所执行的检测及使用固定阈值所执行的检测。在检验过程中执行自动阈值检测及固定阈值检测两者可有利的,因为固定阈值缺陷检测可对检测大面积缺陷(例如欠抛光或过度抛光的全晶片)特别有用。自动阈值化缺陷检测算法可能在图像重映射之后遗漏此类大面积缺陷,因此可执行固定阈值缺陷检测来检测所述缺陷。
由不同缺陷检测步骤检测到的缺陷可输入到后处理步骤412,其可包含所属领域中已知的任何合适后处理。例如,针对使用自动阈值化缺陷检测方法检测到的缺陷,后处理可仅包含以合适格式输出缺陷检测的结果。针对固定阈值检测缺陷,后处理可包含以检验结果档案输出具有额外旗标的样品/装置区域级灰度差异图像。接着,检验工具可产生检验结果(如步骤414中所展示),其可包含具有所属领域中已知的任何格式(例如缺陷图)的所属领域中已知的任何合适检验结果。
在另一此实施例中,检验过程包含产生展示检验过程中针对样品产生的测试图像与参考图像之间的灰度差的热图及基于所述热图来确定样品的信息。例如,如图4中所展示,检验过程可包含目标-参考图像相减步骤416。此步骤可产生说明目标图像与如本文所描述那样产生的参考图像之间的差异的差异图像。目标-参考图像相减步骤416可不同于相减步骤404及408且与相减步骤404及408分开及独立执行。
检验过程还可包含对由相减步骤416产生的差异图像执行的下取样步骤418。可对将大体上小像素大小(例如低于100nm的像素大小)用于缺陷检测的检验执行下取样。例如,如果输出具有此类大小的每个像素的差异信息,那么如本文所描述那样产生的热图可变大,使得可能难以对其进行任何处理。本文所描述的实施例可向用户提供选择如何下取样像素以输出具有合理大小及分辨率的热图的能力。下取样步骤可以所属领域中已知的任何合适方式执行。检验过程还可包含对下取样步骤的结果执行之后处理步骤420,其可包含所属领域中已知的任何合适后处理。
另外,检验过程可包含灰度变化热图产生步骤422。使用本文所描述的检验结果来产生灰度变化热图是新检验概念。灰度变化热图基本上为展示测试图像与参考图像之间的灰度差的图。可在下取样之后针对整个样品或仅整个装置区域产生灰度变化热图,如上文所描述,其经执行以减小数据大小,因为原始图像数据会因太大而无法输出及处理。
灰度变化热图可提供执行工艺监测的新方式。例如,制造3D NAND及其它装置存在许多情形,其中晶片级灰度变化将与大量缺陷相关。许多所述问题可为一些检验难以检测的埋藏缺陷,即,晶片的上表面下方的缺陷。一旦相同区域中存在相对较多微小埋藏缺陷,那么其会使整个区域灰度移位。因此,灰度变化热图可用于检测大面积灰度的此类移位且借此检测无法通过正常方式检测的可能埋藏或其它缺陷。此缺陷检测及其它后处理可基于此图来完成。
在另一此实施例中,使用参考图像来执行检验过程包含检测样品上的重复缺陷。本文所描述的实施例的优点是其能够进行所有重复缺陷检测,不管重复缺陷是重复1次、2次或n次。例如,因为使用参考图像而非来自相邻装置区域的图像来执行检验过程(如裸片对裸片、单元对单元或域对域检验中所进行),所以在多个装置区域中的相同位置处重复的缺陷不会在缺陷检测中相互抵消,其意味着将保留重复性缺陷输出以借此实现其检测。
另外,在先前用于参考图像产生的方法及系统中,如果缺陷存在于用于产生参考图像的各(或甚至多个)装置区域中的相同装置区域内位置处,那么参考图像可实际上由所述位置处的缺陷图像产生。例如,在不分析针对用于产生参考图像的装置区域产生的输出且不消除缺陷装置区域的任何部分的情况下,当缺陷存在于装置区域的所有(或甚至若干)例子中的相同装置区域内位置处时,无法在组合多个装置区域的输出时消除缺陷。相反地,缺陷可能在参考图像中稍有增强或至少保持,其会在用于缺陷检测时将可存在于相同位置处的其它样品上的缺陷的信噪比降到低于可检测水平。
其中本文所描述的实施例可用于重复性检测的应用的一个实例是用于3D NAND欠蚀刻问题。例如,即使欠蚀刻缺陷在扫描结果中产生足够信噪比,但因为此欠蚀刻问题是全晶片问题,所以欠蚀刻缺陷会发生于每一装置区域中的相同装置区域内位置处。因此,如果缺陷检测涉及装置区域间比较,那么缺陷检测将无法检测此类缺陷中的任一者。然而,如本文所描述那样产生的参考图像可用于检测此类缺陷,因为其将不含任何可测量缺陷信号。
在一些实施例中,多个工具对类型与使用参考图像的样品相同的其它样品独立执行过程。例如,如果产生参考图像用于检验过程中,那么多个检验工具可使用相同参考图像来对不同样品执行检验过程。不同检验工具可存取、获取或存储参考图像,如本文所进一步描述。多个工具可对相同类型的其它样品执行相同过程。样品可具有相同类型,因为其可全部为装置区域的相同设计形成于其上的样品且对其执行过程的样品层是相同的。例如,具有相同类型的样品可为相同装置形成于其上的晶片,且可对晶片上的相同层执行过程。
在一个此实施例中,虚拟系统经配置以比较由独立执行过程的多个工具产生的结果且基于比较的结果来监测多个工具。例如,本文所描述的实施例的优点是使用参考图像执行的任何过程是基于配方,且过程的所有例子使用相同参考图像。以此方式,用于执行过程的工具的性能将根据相同参考图像有效正规化。因此,工具之间的性能匹配及故障排除将更容易。可以所属领域中已知的任何合适方式另外执行工具之间的性能匹配及故障排除。
在另一实施例中,本文所描述的识别、消除及产生步骤减少大面积缺陷对参考图像中的样品的影响。“大面积缺陷”如所述术语在本文中所使用那样是指具有跨越样品上的至少一个装置区域的至少大部分的面积的缺陷及/或具有足以至少部分跨装置区域中的两者或更多者延伸的大面积的缺陷。换句话说,大面积缺陷将至少大于且最可能明显大于点缺陷。大面积缺陷的一个实例是残留物,例如工艺无法从样品完全移除且覆盖样品上的大体上大面积的一或多个材料。例如,化学机械抛光工艺可能无法充分平坦化样品上的相对较大面积中的一或多个材料以借此导致样品上残留无用材料,其会使从此样品产生的参考图像歪斜。因此,本文所描述的实施例的一个优点是实施例闭合大面积缺陷(即,影响多个装置区域的缺陷,其将因此使样品基本参考移位)的间隙。例如,本文所描述的识别及消除步骤可用于从用于产生参考图像的输出消除包含相对较大面积缺陷的各种缺陷。因而,如本文所描述那样产生的参考图像将有效免受可存在于用于产生参考图像的样品上的大面积缺陷影响。
尽管如本文所描述那样产生的参考图像特别合适用于检验过程中,但参考图像还可应用于其它过程中。例如,参考图像可用于使针对样品上的两个或更多个装置区域产生的输出与参考图像及因此装置区域的共同例子对准。以此方式,使不同装置区域的图像与参考图像对准使不同装置区域图像彼此有效对准。此对准可执行于例如计量、缺陷重检、缺陷分析等等的不同过程中。另外,参考图像可在缺陷重检过程中用于比较潜在缺陷信号或图像与参考图像中的相同位置处的信号或图像,其可有助于缺陷分类及验证。参考图像还可在缺陷分类器训练中用作为标记为装置区域的非缺陷例子的训练图像。另外,如本文所描述那样产生的参考图像可以与以任何其它方式产生的任何其它参考图像相同的方式使用。换句话说,如本文所描述那样产生的参考图像未必受限于将使用其应用。
本文所描述的所有实施例可包含将由实施例执行的一或多个步骤的结果存储于计算机可读存储媒体中。结果可包含本文所描述的结果中的任一者且可以所属领域中已知的任何方式存储。存储媒体可包含本文所描述的任何存储媒体或所属领域中已知的任何其它合适媒体。在已存储结果之后,结果可存取于存储媒体中且由本文所描述的方法或系统实施例中的任一者使用,经格式化以显示给用户,由另一软件模块、方法或系统使用,等等。
此类功能包含(但不限于)更改工艺,例如已或将以反馈或前馈方式对样品执行的制造工艺或步骤。例如,本文所描述的虚拟系统及其它计算机系统可经配置以确定已对如本文所描述那样检验的样品执行的工艺及/或将基于检测到的缺陷对样品执行的工艺的一或多个改变。工艺的改变可包含工艺的一或多个参数的任何合适改变。本文所描述的虚拟系统及/或其它计算机系统优选地确定所述改变,使得可在对其执行修正工艺的其它样品上减少或防止缺陷,可在对样品执行的另一工艺中校正或消除样品上的缺陷,可在对样品执行的另一工艺补偿缺陷,等等。本文所描述的虚拟系统及其它计算机系统可以所属领域中已知的任何合适方式确定此类改变。
接着,可将所述改变发送到半导体制造系统(图中未展示)或可存取到本文所描述的虚拟系统或其它计算机系统及半导体制造系统的存储媒体(图中未展示)。半导体制造系统可或可不为本文所描述的系统实施例的部分。例如,本文所描述的虚拟系统及其它计算机系统可(例如)经由一或多个共同元件(例如外壳、电力供应器、样品处置装置或机构等等)耦合到半导体制造系统。半导体制造系统可包含所属领域中已知的任何半导体制造系统,例如光刻工具、蚀刻工具、化学机械抛光(CMP)工具、沉积工具及其类似者。
上述系统中的每一者的实施例中的每一者可一起组合成单个实施例。
另一实施例涉及一种用于产生用于对样品执行的过程中的参考图像的计算机实施方法。方法包含接收由实际系统针对样品产生的输出。样品中的每一者具有形成于其上的相同类型的装置区域,且由实际系统针对样品产生的输出用于样品上的相同层。实际系统可如本文所描述那样配置。方法还包含基于由实际系统中的至少两者针对样品产生的输出来识别装置区域的缺陷部分。另外,方法包含从其中识别缺陷部分的装置区域消除装置区域的缺陷部分以借此产生装置区域的剩余部分。方法进一步包含从针对样品中的第一者上的装置区域中的至少一者及样品中的第二者上的装置区域中的至少一者的剩余部分产生的输出产生参考图像。接收、识别、消除及产生步骤由耦合到实际系统的虚拟系统执行。虚拟系统如本文所进一步描述那样配置。
方法的步骤中的每一者可如本文所进一步描述那样执行。方法还可包含可由本文所描述的系统实施例执行的任何其它步骤。另外,上述方法可由本文所描述的系统实施例中的任一者执行。
额外实施例涉及一种非暂时性计算机可读媒体,其存储程序指令,程序指令可在计算机系统上执行以执行用于产生用于对样品执行的过程中的参考图像的计算机实施方法。图5中展示一个此实施例。特定来说,如图5中所展示,非暂时性计算机可读媒体500包含可在计算机系统504上执行的程序指令502。计算机实施方法可包含本文所描述的任何方法的任何步骤。
实施例如本文所描述的方法的方法的程序指令502可存储于计算机可读媒体500上。计算机可读媒体可为存储媒体,例如磁盘或光盘、磁带或所属领域中已知的任何其它合适非暂时性计算机可读媒体。
可以尤其包含基于过程的技术、基于组件的技术及/或面向对象技术的各种方式中的任一者实施程序指令。例如,可根据期望使用ActiveX控件、C++对象、JavaBeans、微软基础类别(“MFC”)、SSE(流式传输SIMD扩展)或其它技术或方法来实施程序指令。
计算机系统504可根据本文所描述的实施例中的任一者配置。
所属领域的技术人员将鉴于具体实施方式来明白本发明的各种方面的进一步修改及替代实施例。例如,提供用于产生用于对于样品执行的过程中的参考图像的方法及系统。因此,具体实施方式应被解释为仅供说明及为了教示所属领域的技术人员实施本发明的一般方式。应了解,本文所展示及描述的本发明的形式应被视为当前优选实施例。元件及材料可取代本文所说明及描述的元件及材料,可反转部分及过程,且可独立利用本发明的特定特征,其全部将由受益于本发明的具体实施方式的所属领域的技术人员明白。可在不背离以下权利要求书中所描述的本发明的精神及范围的情况下对本文所描述的元件作出改变。
Claims (23)
1.一种经配置以产生用于对样品执行的过程中的参考图像的系统,其包括:
虚拟系统,其耦合到实际系统以借此接收由所述实际系统针对样品产生的输出,其中所述虚拟系统包括至少计算机系统及存储媒体,其中所述虚拟系统无法使所述样品安置于其内,其中所述样品中的每一者具有形成于其上的相同类型的装置区域,其中由所述实际系统针对所述样品产生的所述输出用于所述样品上的相同层,且其中所述虚拟系统经配置以:
基于由所述实际系统中的至少两者针对所述样品产生的所述输出来识别所述装置区域的缺陷部分;
从其中识别所述缺陷部分的所述装置区域消除所述装置区域的所述缺陷部分以借此产生所述装置区域的剩余部分;及
从针对所述样品中的第一者上的所述装置区域中的至少一者及所述样品中的第二者上的所述装置区域中的至少一者的所述剩余部分产生的所述输出产生参考图像,其中用于产生所述参考图像的所述输出仅由所述实际系统中的一者产生。
2.根据权利要求1所述的系统,其中对所述装置区域中的至少两者或更多者中的每一者单独及独立执行所述识别。
3.根据权利要求1所述的系统,其中所述装置区域是所述样品上的裸片。
4.根据权利要求1所述的系统,其中所述装置区域是所述样品上的域。
5.根据权利要求1所述的系统,其中所述装置区域是所述样品上的单元。
6.根据权利要求1所述的系统,其中所述实际系统经配置以在所述样品安置于所述实际系统内时对所述样品执行一或多个过程以借此产生所述样品的所述输出。
7.根据权利要求1所述的系统,其中所述实际系统包括至少一个检验工具及至少一个其它工具。
8.根据权利要求7所述的系统,其中所述至少一个其它工具包括缺陷重检工具。
9.根据权利要求7所述的系统,其中所述至少一个其它工具包括不同检验工具。
10.根据权利要求7所述的系统,其中所述至少一个其它工具包括电测试器。
11.根据权利要求7所述的系统,其中所述至少一个其它工具包括缺陷重检工具、不同检验工具及电测试器中的两者或更多者的组合。
12.根据权利要求1所述的系统,其中所述虚拟系统经进一步配置以选择用于产生所述参考图像的所述样品上的所述装置区域,且其中所述选择包括向用户显示所述装置区域的信息及基于从所述用户接收的输入来选择所述装置区域。
13.根据权利要求1所述的系统,其中所述虚拟系统经进一步配置以将所述参考图像存储于对所述样品执行的所述过程的配方中。
14.根据权利要求1所述的系统,其中使用所述参考图像来对所述样品执行的所述过程是检验过程。
15.根据权利要求14所述的系统,其中所述检验过程包括执行静态图像重映射,其中将所述检验过程中针对所述样品产生的所有目标图像重映射到所述参考图像。
16.根据权利要求14所述的系统,其中所述检验过程包括产生展示所述检验过程中针对所述样品产生的目标图像与所述参考图像之间的灰度差的热图及基于所述热图来确定所述样品的信息。
17.根据权利要求14所述的系统,其中使用所述参考图像来执行所述检验过程包括检测所述样品上的重复缺陷。
18.根据权利要求1所述的系统,其中多个工具对类型与使用所述参考图像的所述样品相同的其它样品独立执行所述过程。
19.根据权利要求18所述的系统,其中所述虚拟系统经进一步配置以比较由独立执行所述过程的所述多个工具产生的结果且基于所述比较的结果来监测所述多个工具。
20.根据权利要求1所述的系统,其中所述识别、所述消除及所述产生减少大面积缺陷对所述参考图像中的所述样品的影响。
21.根据权利要求1所述的系统,其中所述样品包括晶片。
22.一种非暂时性计算机可读媒体,其存储程序指令,所述程序指令可在计算机系统上执行以执行用于产生用于对样品执行的过程中的参考图像的计算机实施方法,其中所述计算机实施方法包括:
接收由实际系统针对样品产生的输出,其中所述样品中的每一者具有形成于其上的相同类型的装置区域,且其中由所述实际系统针对所述样品产生的所述输出用于所述样品上的相同层;
基于由所述实际系统中的至少两者针对所述样品产生的所述输出来识别所述装置区域的缺陷部分;
从其中识别所述缺陷部分的所述装置区域消除所述装置区域的所述缺陷部分以借此产生所述装置区域的剩余部分;及
从针对所述样品中的第一者上的所述装置区域中的至少一者及所述样品中的第二者上的所述装置区域中的至少一者的所述剩余部分产生的所述输出产生参考图像,其中所述接收、所述识别、所述消除及所述产生由耦合到所述实际系统的虚拟系统执行,其中所述虚拟系统包括至少所述计算机系统及存储媒体,且其中所述虚拟系统无法使所述样品安置于其内。
23.一种用于产生用于对样品执行的过程中的参考图像的计算机实施方法,其包括:
接收由实际系统针对样品产生的输出,其中所述样品中的每一者具有形成于其上的相同类型的装置区域,且其中由所述实际系统针对所述样品产生的所述输出用于所述样品上的相同层;
基于由所述实际系统中的至少两者针对所述样品产生的所述输出来识别所述装置区域的缺陷部分;
从其中识别所述缺陷部分的所述装置区域消除所述装置区域的所述缺陷部分以借此产生所述装置区域的剩余部分;及
从针对所述样品中的第一者上的所述装置区域中的至少一者及所述样品中的第二者上的所述装置区域中的至少一者的所述剩余部分产生的所述输出产生参考图像,其中所述接收、所述识别、所述消除及所述产生由耦合到所述实际系统的虚拟系统执行,其中所述虚拟系统包括至少一计算机系统及存储媒体,且其中所述虚拟系统无法使所述样品安置于其内。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962810759P | 2019-02-26 | 2019-02-26 | |
US62/810,759 | 2019-02-26 | ||
US16/795,553 US11276161B2 (en) | 2019-02-26 | 2020-02-19 | Reference image generation for semiconductor applications |
US16/795,553 | 2020-02-19 | ||
PCT/US2020/019564 WO2020176431A1 (en) | 2019-02-26 | 2020-02-25 | Reference image generation for semiconductor applications |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113632136A true CN113632136A (zh) | 2021-11-09 |
CN113632136B CN113632136B (zh) | 2022-11-29 |
Family
ID=72141753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080012515.7A Active CN113632136B (zh) | 2019-02-26 | 2020-02-25 | 用于半导体应用的参考图像产生 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11276161B2 (zh) |
KR (1) | KR102579578B1 (zh) |
CN (1) | CN113632136B (zh) |
IL (1) | IL285216B2 (zh) |
TW (1) | TWI807171B (zh) |
WO (1) | WO2020176431A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021139718A (ja) * | 2020-03-04 | 2021-09-16 | 日本発條株式会社 | 検査システムの点検方法、検査システム、およびコンピュータプログラム。 |
US20220207686A1 (en) * | 2020-12-30 | 2022-06-30 | Vitrox Technologies Sdn. Bhd. | System and method for inspecting an object for defects |
US20240169116A1 (en) * | 2022-11-21 | 2024-05-23 | Kla Corporation | Protecting data sources from different entities for semiconductor yield related applications |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130093878A1 (en) * | 2010-02-01 | 2013-04-18 | Nuflare Technology, Inc. | Defect estimation device and method and inspection system and method |
US20150062571A1 (en) * | 2013-08-30 | 2015-03-05 | Kla-Tencor Corporation | Tuning Wafer Inspection Recipes Using Precise Defect Locations |
US20160061745A1 (en) * | 2014-08-27 | 2016-03-03 | Kla-Tencor Corporation | Repeater Detection |
CN105960702A (zh) * | 2014-02-06 | 2016-09-21 | 科磊股份有限公司 | 基于从标准参考图像确定的属性的缺陷检测及分类 |
CN106537125A (zh) * | 2014-07-22 | 2017-03-22 | 科磊股份有限公司 | 具有多种模式的虚拟检验系统 |
CN106662538A (zh) * | 2014-08-27 | 2017-05-10 | 科磊股份有限公司 | 重复缺陷检测 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6691052B1 (en) * | 2002-01-30 | 2004-02-10 | Kla-Tencor Corporation | Apparatus and methods for generating an inspection reference pattern |
JP4008291B2 (ja) * | 2002-06-10 | 2007-11-14 | 大日本スクリーン製造株式会社 | パターン検査装置、パターン検査方法およびプログラム |
KR100474571B1 (ko) | 2002-09-23 | 2005-03-10 | 삼성전자주식회사 | 웨이퍼의 패턴 검사용 기준 이미지 설정 방법과 이 설정방법을 이용한 패턴 검사 방법 및 장치 |
US7152219B2 (en) * | 2002-12-10 | 2006-12-19 | Synopsys Inc. | Reference image generation from subject image for photolithography mask analysis |
JP3944075B2 (ja) | 2002-12-27 | 2007-07-11 | 株式会社東芝 | 試料検査方法及び検査装置 |
US20090212213A1 (en) | 2005-03-03 | 2009-08-27 | Ebara Corporation | Projection electron beam apparatus and defect inspection system using the apparatus |
TWI291543B (en) | 2005-09-01 | 2007-12-21 | Camtek Ltd | A method and a system for creating a reference image using unknown quality patterns |
US7570796B2 (en) | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7676077B2 (en) | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US8126255B2 (en) | 2007-09-20 | 2012-02-28 | Kla-Tencor Corp. | Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions |
SG163442A1 (en) * | 2009-01-13 | 2010-08-30 | Semiconductor Technologies & Instruments | System and method for inspecting a wafer |
US9390490B2 (en) * | 2010-01-05 | 2016-07-12 | Hitachi High-Technologies Corporation | Method and device for testing defect using SEM |
US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
US9390492B2 (en) * | 2013-03-14 | 2016-07-12 | Kla-Tencor Corporation | Method and system for reference-based overlay measurement |
DE102014008846A1 (de) | 2014-06-20 | 2015-12-24 | Focke & Co. (Gmbh & Co. Kg) | Verfahren und Vorrichtung zum Aufbringen und Prüfen von Aufdrucken auf Zigarettenpackungen |
US10395358B2 (en) * | 2016-11-10 | 2019-08-27 | Kla-Tencor Corp. | High sensitivity repeater defect detection |
WO2019108260A1 (en) * | 2017-11-29 | 2019-06-06 | Kla-Tencor Corporation | Measurement of overlay error using device inspection system |
-
2020
- 2020-02-19 US US16/795,553 patent/US11276161B2/en active Active
- 2020-02-25 CN CN202080012515.7A patent/CN113632136B/zh active Active
- 2020-02-25 KR KR1020217029867A patent/KR102579578B1/ko active IP Right Grant
- 2020-02-25 WO PCT/US2020/019564 patent/WO2020176431A1/en active Application Filing
- 2020-02-25 IL IL285216A patent/IL285216B2/en unknown
- 2020-02-26 TW TW109106274A patent/TWI807171B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130093878A1 (en) * | 2010-02-01 | 2013-04-18 | Nuflare Technology, Inc. | Defect estimation device and method and inspection system and method |
US20150062571A1 (en) * | 2013-08-30 | 2015-03-05 | Kla-Tencor Corporation | Tuning Wafer Inspection Recipes Using Precise Defect Locations |
CN105960702A (zh) * | 2014-02-06 | 2016-09-21 | 科磊股份有限公司 | 基于从标准参考图像确定的属性的缺陷检测及分类 |
CN106537125A (zh) * | 2014-07-22 | 2017-03-22 | 科磊股份有限公司 | 具有多种模式的虚拟检验系统 |
US20160061745A1 (en) * | 2014-08-27 | 2016-03-03 | Kla-Tencor Corporation | Repeater Detection |
CN106662538A (zh) * | 2014-08-27 | 2017-05-10 | 科磊股份有限公司 | 重复缺陷检测 |
Also Published As
Publication number | Publication date |
---|---|
WO2020176431A1 (en) | 2020-09-03 |
TWI807171B (zh) | 2023-07-01 |
TW202101628A (zh) | 2021-01-01 |
US11276161B2 (en) | 2022-03-15 |
IL285216B (en) | 2022-12-01 |
KR20210121263A (ko) | 2021-10-07 |
IL285216A (en) | 2021-09-30 |
CN113632136B (zh) | 2022-11-29 |
KR102579578B1 (ko) | 2023-09-15 |
IL285216B2 (en) | 2023-04-01 |
US20200273156A1 (en) | 2020-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4312910B2 (ja) | レビューsem | |
TWI701427B (zh) | 經組態以偵測一樣品上之缺陷之系統、用於偵測一樣品上之缺陷之方法及其非暫時性電腦可讀媒體 | |
JP6789920B2 (ja) | 被検査物上の関心対象領域の座標決定 | |
KR102386536B1 (ko) | 시편 상의 관심 패턴의 하나 이상의 특성의 결정 | |
US8040503B2 (en) | Method of inspecting a semiconductor device and an apparatus thereof | |
US9201022B2 (en) | Extraction of systematic defects | |
CN113632136B (zh) | 用于半导体应用的参考图像产生 | |
US8462352B2 (en) | Surface inspection tool and surface inspection method | |
JP5097335B2 (ja) | プロセス変動のモニタシステムおよび方法 | |
US20020027653A1 (en) | Method for inspecting defects and an apparatus of the same | |
CN110892516B (zh) | 识别晶片上的干扰缺陷的来源 | |
US9689923B2 (en) | Adaptive electrical testing of wafers | |
US20070165938A1 (en) | Pattern inspection apparatus and method and workpiece tested thereby | |
JP4287863B2 (ja) | レビューsem | |
JP4745380B2 (ja) | レビューsem | |
JP5036889B2 (ja) | レビューsem | |
TW202141210A (zh) | 使用檢測工具以判定用於樣本之類計量(metrology-like)之資訊 | |
JP2010085145A (ja) | 検査装置及び検査方法 | |
US20070296962A1 (en) | Surface inspection apparatus and surface inspection method |
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 |