CN113677980B - 用于检验的缺陷候选生成 - Google Patents
用于检验的缺陷候选生成 Download PDFInfo
- Publication number
- CN113677980B CN113677980B CN202080027371.2A CN202080027371A CN113677980B CN 113677980 B CN113677980 B CN 113677980B CN 202080027371 A CN202080027371 A CN 202080027371A CN 113677980 B CN113677980 B CN 113677980B
- Authority
- CN
- China
- Prior art keywords
- sample
- scan
- subsystem
- output
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 109
- 238000007689 inspection Methods 0.000 title claims description 139
- 238000000034 method Methods 0.000 claims abstract description 128
- 238000001514 detection method Methods 0.000 claims abstract description 85
- 230000011218 segmentation Effects 0.000 claims abstract description 56
- 238000013461 design Methods 0.000 claims description 45
- 238000009826 distribution Methods 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 239000000758 substrate Substances 0.000 claims description 7
- 235000012431 wafers Nutrition 0.000 description 47
- 230000035945 sensitivity Effects 0.000 description 29
- 238000005286 illumination Methods 0.000 description 28
- 230000003287 optical effect Effects 0.000 description 27
- 238000010894 electron beam technology Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 230000008901 benefit Effects 0.000 description 10
- 238000001914 filtration Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000013450 outlier detection Methods 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000013400 design of experiment Methods 0.000 description 4
- 238000010884 ion-beam technique Methods 0.000 description 4
- 238000002540 product ion scan Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000407 epitaxy Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/22—Optical or photographic arrangements associated with the tube
- H01J37/222—Image processing arrangements associated with the tube
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8867—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
- G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
-
- 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
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/22—Treatment of data
- H01J2237/221—Image processing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/244—Detection characterized by the detecting means
- H01J2237/24475—Scattered electron detectors
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/245—Detection characterised by the variable being measured
- H01J2237/24571—Measurements of non-electric or non-magnetic variables
- H01J2237/24578—Spatial variables, e.g. position, distance
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2813—Scanning microscopes characterised by the application
- H01J2237/2817—Pattern inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (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)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供用于检测样本上的缺陷候选的系统及方法。一种方法包含在完成样本的至少一大部分的扫描之后,将一或多个分割方法应用到在所述扫描期间生成的输出的至少大部分以借此生成所述输出的两个或更多个区段。所述方法还包含单独检测所述输出的所述两个或更多个区段中的离群值。另外,所述方法包含通过将一或多个预定准则应用到所述单独检测的结果来检测所述样本上的缺陷候选以借此将所述检测离群值的一部分指定为所述缺陷候选。
Description
技术领域
本发明大体上涉及用于检测样本上的缺陷候选的系统及方法。
背景技术
以下描述及实例不因其包含在本章节中而被承认是先前技术。
用于半导体制造技术中的许多不同类型的检验系统具有可调输出获取(例如数据、信号及/或图像获取)及敏感度(或缺陷检测)参数,使得可使用不同参数来检测不同缺陷或避免无用(干扰)事件源。尽管具有可调输出获取及敏感度参数的检验系统向半导体装置制造商提供显著优点,但如果不正确输出获取及敏感度参数用于检验过程,那么这些检验系统基本上无用。另外,由于晶片及其它样本上的缺陷、工艺条件及噪声会显著变动(且由于晶片及其它样本本身的特性会显著变动),因此用于检测特定样本上的缺陷的最佳输出获取及敏感度参数可能很难(如果不是不可能)预测。因此,尽管使用正确输出获取及敏感度参数将对检验结果生成显著效应,但可想象,当前许多检验过程使用不正确或非优化输出获取及敏感度参数执行。
半导体层的最佳检验配方应检测尽可能多的关注缺陷(DOI),同时维持大体上低干扰率。优化检验配方一般涉及调谐用于配方中的参数,直到实现最佳结果。因此,待调谐的参数集取决于所使用的检测算法。一种用于配方优化的最熟知方法是运行大体上“热”检验(也称为“热扫描”)以借此增加检测到DOI的可能性,但通常以很高的干扰率为代价。特定来说,运行“热”检验确保可检测到尽可能多的DOI且将其用于检验参数调谐。
因此,在样本上发现DOI用于检验配方设置并非易事。例如,可能难以确保发现所有可行DOI的实例,同时也能够使DOI与归因于发现过程的“热”性质而检测到的大量干扰分离。因而,在半导体技术中已进行很多工作以试图找到用于缺陷发现的方法及系统,其提供最佳缺陷样品用于检验配方调谐。
现今用于生成热扫描的一种常见方法是手动调谐检测阈值及干扰过滤器。此通常以无监督方式(即,无来自扫描电子显微镜(SEM)或其它实况数据生成方法或系统的实况数据)通过具有增大样品大小(检验面积)的一系列晶片扫描来实现以避免所生成的缺陷候选数目爆增。
另一方法是单步调谐扫描(OSTS),其是自动化且受监督的方法,其目的是产生具有目标缺陷计数及适合于发现及配方调谐的缺陷候选的多样化集的检验结果。此方法一般依赖于预扫描,通常依赖于相对较小样品计划,其目的是设置整个晶片扫描的检测阈值以实现目标缺陷计数,同时使缺陷候选跨敏感度区域及灰度区段分布。
然而,当前可用于缺陷候选发现的方法及系统具有许多缺点。例如,手动方法的明显缺点是其(a)主观、(b)乏味及(c)严重依赖于领域知识及专业知识。OSTS方法的缺点一般分成三类。例如,经常无法满足OSTS扫描的缺陷计数目标且两个方向上与目标计数的偏差可能相当大。另外,即使具有良好缺陷计数,但OSTS扫描会面临无法在其中真实缺陷可发生且可与干扰有效分离的所有区段中足够热运行。此外,OSTS扫描仅对发现有用。以这种方式,必须为了生产扫描而手动调谐检测阈值。
因此,开发不具有上述一或多个缺点的用于检测样本上的缺陷候选的系统及方法将是有利的。
发明内容
各种实施例的以下描述不应以任何方式解释为限制所附权利要求书的标的物。
实施例涉及一种系统,其经配置以检测样本上的缺陷候选。所述系统包含检验子系统,其经配置以在样本上方扫描能量、在所述扫描期间从所述样本检测能量及响应于所述检测到的能量生成输出。所述系统还包含计算机子系统,其经配置以在完成所述样本的至少一大部分的所述扫描之后将一或多个分割方法应用到在所述扫描期间生成的所述输出的至少大部分以借此生成所述输出的两个或更多个区段。所述计算机子系统还经配置以单独检测所述输出的所述两个或更多个区段中的离群值。另外,所述计算机子系统经配置以通过将一或多个预定准则应用到所述单独检测的结果来检测所述样本上的缺陷候选以借此将所述检测离群值的一部分指定为所述缺陷候选。所述系统可如本文中所描述那样进一步配置。
另一实施例涉及一种用于检测样本上的缺陷候选的计算机实施方法。所述方法包含上述施加步骤。所述扫描由检验子系统执行,所述检验子系统在所述样本上方扫描能量,在所述扫描期间从所述样本检测能量,且响应于所述检测到的能量生成所述输出。所述方法包含上述单独检测步骤及检测步骤。所述施加步骤、所述单独检测步骤及所述检测步骤由耦合到所述检验子系统的计算机子系统执行。所述方法的所述步骤中的每一者可如本文中所描述那样进一步执行。另外,所述方法可包含本文中所描述的(若干)任何其它方法的(若干)任何其它步骤。此外,所述方法可由本文中所描述的所述系统中的任一者执行。
另一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检测样本上的缺陷候选的计算机实施方法。所述计算机实施方法包含上述方法的所述步骤。所述施加步骤、所述单独检测步骤及所述检测步骤由耦合到所述检验子系统的所述计算机系统执行。所述计算机可读媒体可如本文中所描述那样进一步配置。所述计算机实施方法的所述步骤可如本文中进一步所描述那样执行。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中所描述的(若干)任何其它方法的(若干)任何其它步骤。
附图说明
所属领域的技术人员将使用优选实施例的以下详细描述且参考附图来明白本发明的进一步优点,其中:
图1到1a是说明经配置以检测样本上的缺陷候选的系统的实施例的侧视图的示意图;
图2是说明用于在晶片上发现缺陷的一种当前使用方法的流程图;
图3是说明可由本文中所描述的实施例执行以检测缺陷候选的步骤的一个实施例的流程图;
图4是说明用于检验过程的设置及运行阶段的当前使用方法的流程图;
图5是说明可由本文中所描述的实施例执行以用于检验过程的设置及运行阶段的步骤的一个实施例的流程图;及
图6是说明存储用于引起计算机系统执行本文中所描述的计算机实施方法的程序指令的非暂时性计算机可读媒体的一个实施例的框图。
尽管本发明容许各种修改及替代形式,但本发明的特定实施例以举例方式展示在附图中且在本文中被详细描述。附图可能未按比例绘制。然而,应了解,附图及其详细描述不旨在将本发明限制到所公开的特定形式,相反地,其旨在涵盖落于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
本文中可互换使用的术语“设计”、“设计数据”及“设计信息”一般指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。物理设计可存储在数据结构(例如图形数据流(GDS)文件、任何其它标准机器可读文件、本技术中已知的任何其它合适的文件及设计数据库)中。GDSII文件是用于表示设计布局数据的类文件中的一者。此类文件的其它实例包含GL1及OASIS文件及专属文件格式(例如RDF数据)(其专属于加利福尼亚州苗必达市的科磊公司(KLA,Milpitas,Calif))。另外,由光罩检验系统及/或其衍生物获取光罩的图像可用作设计的一或若干“代理”。在使用设计的本文中所描述的任何实施例中,此光罩图像或其衍生物可用作设计布局的替代。设计可包含扎法尔(Zafar)等人在2009年8月4日颁布的共同拥有第7,570,796号美国专利及库尔卡尼(Kulkarni)等人在2010年3月9日颁布的共同拥有第7,676,077号美国专利中所描述的任何其它设计数据或设计数据代理,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全部或部分芯片设计数据。
在一些例子中,来自晶片或光罩的模拟或获取图像可用作设计的代理。图像分析也可用作设计数据的代理。例如,可从印刷在晶片及/或光罩上的设计的图像提取设计的多边形,假定以足够分辨率获取晶片及/或光罩的图像以使设计的多边形适当成像。另外,本文中所描述的“设计”及“设计数据”指由半导体装置设计者在设计过程中生成的信息及数据且因此完全可在将设计印刷在任何物理晶片上之前用于本文中所描述的实施例中。
“设计”或“物理设计”还可为将理想地形成在样本上的设计。以这种方式,本文中所描述的设计可不包含将不印刷在样本上的设计的特征(例如晶片的情况中的光学邻近校正(OPC)特征),其添加到设计以在本身实际不被印刷的情况下增强晶片上的特征的印刷。
现转到附图,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的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的市售元件。
本文中所描述的实施例大体上涉及用于检验(例如宽带等离子体(BBP)检验,其中使用BBP光源或其它先进检验平台执行检验)的缺陷候选生成的新方法及系统。实施例引入用于生成BBP(及其它)检验的缺陷候选(即,“热扫描”)的新颖方法且提供检验中的当前使用缺陷候选生成典范的替代方法。实施例通过分析经检验样本在检验关心区域中生成的干扰特性且以(若干)所选光学模式完成。如本文中进一步所描述,实施例可有利地用于:(a)提高BBP及其它检验工具的检测能力;(b)使BBP及其它检验的调谐明显容易且不依赖于主观判断;(c)生成用于发现、调谐及生产扫描的统一候选生成方法;及(d)能够独特分析噪声特性(在配方调谐期间),其可用于共同优化关心区域群组及光学模式。本文中所描述的实施例也能够执行无监督热扫描以进行更好地发现及检验。
本文中所使用的术语“干扰”是用户不关心的缺陷及/或由检验检测到但实际上不是缺陷的事件。归因于样本上的非缺陷噪声源(例如线边缘粗糙度(LER)、图案化特征的相对较小临界尺寸(CD)变动、厚度变动等)及/或归因于检验系统本身或其用于检验的配置的边际性,可能检测到被检测为事件但实际上不是缺陷的干扰。因此,一般来说,检验的目标不是检测样本(例如晶片)上的干扰。
本技术中通常指称的“关心区域”是检验目的所关注的样本上的区域。有时,关心区域用于在检验过程中区分样本上受检验的区域与样本上不受检验的区域。另外,关心区域有时用于区分样本上待使用一或多个不同参数检验的区域。例如,如果样本的第一区域比样本上的第二区域更关键,那么可以比第二区域更高的敏感度检测第一区域,使得以更高敏感度来检测第一区域中的缺陷。可以类似方式在关心区域之间变更检验过程的其它参数。
“热”阈值一般界定为在由检验子系统针对样本生成的输出的噪声基底处、在所述噪声基底内或大体上接近所述噪声基底的阈值。以这种方式,事件检测可比通常对经调谐检验配方执行的事件检验明显更积极(更热),使得比经调谐检验期望检测的事件更多的事件(包含缺陷及干扰事件)被检测。“热”扫描是其中使用此热阈值检测事件的样本的扫描。以这种方式,归因于很高的干扰缺陷检测,此类扫描通常无法用于生产监测。
一个实施例涉及经配置以检测样本上的缺陷候选的系统,且图1中展示此系统。系统包含检验子系统,其经配置以在样本上方扫描能量、在扫描期间从样本检测能量及响应于检测能量生成输出。
在一个实施例中,样本为晶片。晶片可包含半导体技术中已知的任何晶片。尽管本文中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样本。例如,本文中所描述的实施例可用于例如光罩、平面面板、个人计算机(PC)板及其它半导体样本的样本。
在一个实施例中,由检验子系统在样本上方扫描的能量包含光。例如,在图1所展示的系统的实施例中,检验子系统10包含经配置以将光引导到样本14的照明子系统。照明子系统包含至少一个光源。例如,如图1中所展示,照明子系统包含光源16。在一个实施例中,照明子系统经配置以一或多个入射角将光引导到样本,入射角可包含一或多个倾斜角及/或一或多个法向角。例如,如图1中所展示,来自光源16的光以倾斜入射角引导穿过光学元件18且接着穿过透镜20而到样本14。倾斜入射角可包含任何合适的倾斜入射角,其可取决于(例如)样本的特性及样本上待检测的缺陷而变动。
照明子系统可经配置以在不同时间以不同入射角将光引导到样本。例如,检验子系统可经配置以变更照明子系统的一或多个元件的一或多个特性,使得光可以与图1中所展示的入射角不同的入射角引导到样本。在一个此实例中,检验子系统可经配置以移动光源16、光学元件18及透镜20,使得光以不同倾斜入射角或法向(或接近法向)入射角引导到样本。
在一些例子中,照明子系统可经配置以同时以一个以上入射角将光引导到样本。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光源16、光学元件18及透镜20(如图1中所展示),且照明通道中的另一者(未展示)可包含可不同或相同配置的类似元件或可包含至少一个光源及可能一或多个其它组件(例如本文中进一步所描述的元件)。如果此光与另一光同时引导到样本,那么以不同入射角引导到样本的光的一或多个特性(例如波长、偏振等)可不同,使得由以不同入射角照射样本所致的光可在(若干)检测器处彼此区别。
在另一例子中,照明子系统可包含仅一个光源(例如图1中所展示的光源16)且来自光源的光可由照明子系统的一或多个光学元件(未展示)分离成不同光学路径(例如,基于波长、偏振等)。接着,可将不同光学路径中的每一者中的光引导到样本。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循序照射样本时)将光引导到样本。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本。例如,在一些例子中,光学元件18可经配置为光谱滤波器且光谱滤波器的性质可以各种不同方式改变(例如,通过换出光谱滤波器),使得不同波长的光可在不同时间引导到样本。照明子系统可具有适合于以不同或相同入射角将具有不同或相同特性的光循序或同时引导到样本的本技术中已知的任何其它配置。
在一个实施例中,光源16可包含BBP光源。以这种方式,由光源生成且引导到样本的光可包含宽带光。然而,光源可包含任何其它合适的光源(例如本技术中已知的任何合适的激光)且可经配置以本技术中已知的(若干)任何合适的波长生成光。另外,激光可经配置以生成单色或近单色光。以这种方式,激光可为窄带激光。光源还可包含以多个离散波长或波段生成光的多色光源。
来自光学元件18的光可由透镜20聚焦到样本14上。尽管透镜20在图1中经展示为单个折射光学元件,但实际上,透镜20可包含数个折射及/或反射光学元件,其组合将来自光学元件的光聚焦到样本。图1中所展示及本文中所描述的照明子系统可包含任何其它合适的光学元件(未展示)。此类光学元件的实例包含(但不限于)(若干)偏振组件、(若干)光谱滤波器、(若干)空间滤波器、(若干)反射光学元件、(若干)变迹器、(若干)分束器、(若干)孔隙及其类似者,其可包含本技术中已知的任何此类合适的光学元件。另外,检验子系统可经配置以基于用于检验的照明的类型来变更照明子系统的元件中的一或多者。
检验子系统还可包含经配置以引起光在样本上方扫描的扫描子系统。例如,检验子系统可包含在检验期间将样本14安置在其上的载物台22。扫描子系统可包含任何合适的机械及/或机器人组合件(其包含载物台22),其可经配置以移动样本,使得光可在样本上方扫描。另外或替代地,检验子系统可经配置使得检验子系统的一或多个光学元件在样本上方执行一些光扫描。可以任何合适的方式(例如以蛇形路径或螺旋路径)在样本上方扫描光。
检验子系统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,其经配置以检测归因于由检验子系统照射样本的来自样本的光且响应于检测到的光生成输出。例如,图1中所展示的检验子系统包含两个检测通道:一个由集光器24、元件26及检测器28形成且另一个由集光器30、元件32及检测器34形成。如图1中所展示,两个检测通道经配置以收集及检测不同收集角的光。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以与样本不同的角度散射的光。然而,检测通道中的一或多者可经配置以检测来自样本的另一类型的光(例如反射光)。
如图1中进一步所展示,两个检测通道经展示为定位在纸面中且照明子系统也经展示为定位在纸面中。因此,两个检测通道定位在入射面中(例如,在入射面中居中)。然而,检测通道中的一或多者可定位在入射面外。例如,由集光器30、元件32及检测器34形成的检测通道可经配置以收集及检测从入射面散射出的光。因此,此检测通道通常可指称“侧”通道,且此侧通道可以大体上与入射面垂直的平面为中心。
尽管图1展示包含两个检测通道的检验子系统的实施例,但检验子系统可包含不同数目个检测通道(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30、元件32及检测器34形成的检测通道可形成上文所描述的侧通道,且检验子系统可包含经形成为定位在入射面的相对侧上的另一侧通道的额外检测通道(未展示)。因此,检验子系统可包含检测通道,其包含集光器24、元件26及检测器28且以入射面为中心且经配置以收集及检测法向于或接近法向于样本表面的(若干)散射角的光。因此,此检测通道通常可指称“顶部”通道,且检验子系统还可包含如上文所描述那样配置的两个或更多个侧通道。因而,检验子系统可包含至少三个通道(即,一个顶部通道及两个侧通道),且至少三个通道中的每一者自身具有集光器,其中每一者经配置以收集与其它集光器中的每一者不同的散射角的光。
如上文进一步所描述,检验子系统中所包含的检测通道中的每一者可经配置以检测散射光。因此,图1中所展示的检验子系统可经配置用于样本的暗场(DF)检验。然而,检验子系统还可或代以包含经配置用于样本的明场(BF)检验的(若干)检测通道。换句话说,检验子系统可包含经配置以检测从样本镜面反射的光的至少一个检测通道。因此,本文中所描述的检验子系统可经配置用于仅DF检验、仅BF检验或DF检验及BF检验两者。尽管集光器中的每一者在图1中经展示为单个折射光学元件,但集光器中的每一者可包含一或多个折射光学元件及/或一或多个反射光学元件。
一或多个检测通道可包含本技术中已知的任何合适的检测器,例如光倍增管(PMT)、电荷耦合装置(CCD)、时延积分(TDI)相机及本技术中已知的任何其它合适的检测器。检测器还可包含非成像或成像检测器。如果检测器是非成像检测器,那么检测器可经配置以检测散射光的某些特性(例如强度),但无法经配置以检测依据成像平面内的位置而变化的特性。因而,由检测器生成的输出可为信号或数据,但非图像信号或图像数据。在此类例子中,计算机子系统(例如系统的计算机子系统36)可经配置以从检测器的非成像输出生成样本的图像。然而,在其它例子中,检测器可经配置为成像检测器,其经配置以生成成像信号或图像数据。因此,系统可经配置以许多方式生成图像。
应注意,本文中提供图1来大体上说明可包含在本文中所描述的系统实施例中的检验子系统的配置。显而易见,本文中所描述的检验子系统布置可经变更以优化检验子系统的性能,如设计商业检验系统时通常所执行。另外,本文中所描述的系统可使用既有检验子系统来实施(例如,通过将本文中所描述的功能添加到既有检验系统),例如可购自科磊(KLA)的29xx及39xx系列工具。针对一些此类系统,可将本文中所描述的方法提供为检验系统的任选功能(例如,作为对检验系统的其它功能的补充)。替代地,本文中所描述的检验子系统可“从头开始”设计以提供全新检验系统。
系统的计算机子系统36可以任何合适的方式(例如,经由一或多个传输媒体,其可包含“有线”及/或“无线”传输媒体)耦合到检验子系统的检测器,使得计算机子系统可在样本的扫描期间接收由检测器生成的输出。计算机子系统36可经配置以执行使用本文中所描述的检测器的输出的数个功能及本文中进一步所描述的任何其它功能。此计算机子系统可如本文中所描述那样进一步配置。
系统的计算机子系统在本文中还可指称计算机系统。计算机子系统或系统可采用各种形式,其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。一般来说,术语“计算机系统”可经广义界定为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。(若干)计算机子系统或系统还可包含本技术中已知的任何合适的处理器,例如并行处理器。另外,(若干)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联网工具。
尽管上文将检验子系统描述为光学或基于光的检验子系统,但检验子系统可为基于电子束的子系统。例如,在一个实施例中,由检验子系统在样本上方扫描的能量包含电子。在图1a所展示的此实施例中,系统包含经配置为耦合到计算机子系统124的电子柱122的检验子系统。
还如图1a中所展示,电子柱包含电子束源126,其经配置以生成由一或多个元件130聚焦到样本128的电子。电子束源可包含(例如)阴极源或射极尖端,且一或多个元件130可包含(例如)枪透镜、阳极、束限制孔隙、闸阀、束电流选择孔隙、物镜及扫描子系统,其所有可包含本技术中已知的任何此类合适的元件。
从样本返回的电子(例如二次电子)可由一或多个元件132聚焦到检测器134。一或多个元件132可包含(例如)扫描子系统,其可为包含在(若干)元件130中的相同扫描子系统。
电子柱可包含本技术中已知的任何其它合适的元件。另外,电子柱可进一步如以下每一者中所描述那样配置:江(Jiang)等人在2014年4月4日颁布的第8,664,594号美国专利、小岛(Kojima)等人在2014年4月8日颁布的第8,692,204号美国专利、哥本斯(Gubbens)等人在2014年4月15日颁布的第8,698,093号美国专利及麦克唐纳(MacDonald)等人在2014年5月6日颁布的第8,716,662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。
尽管电子柱在图1a中经配置使得电子以倾斜入射角引导到样本且以另一倾斜角从样本散射,但应了解,电子束可以任何合适的角度引导到样本且从样本散射。另外,电子束检验子系统可经配置以使用多种模式来生成样本的图像,如本文中进一步所描述(例如,具有不同照明角、收集角等)。电子束检验子系统的多种模式可具有检验子系统的不同任何图像生成参数。
计算机子系统124可耦合到检测器134,如上文所描述。检测器可检测从样本的表面返回的电子以借此形成样本的电子束图像。电子束图像可包含任何合适的电子束图像。计算机子系统124可经配置以使用由检测器134生成的输出来对样本执行功能,如本文中进一步所描述。计算机子系统124可经配置以执行本文中所描述的(若干)任何额外步骤。包含图1a中所展示的检验子系统的系统可如本文中所描述那样进一步配置。
应注意,本文中提供图1a来大体上说明可包含在本文中所描述的实施例中的电子束检验子系统的配置。如同上述光学检验子系统,本文中所描述的电子束检验子系统布置可经变更以优化检验子系统的性能,如设计商业检验系统时通常所执行。另外,本文中所描述的系统可使用既有检验子系统来实施(例如,通过将本文中所描述的功能添加到既有检验子系统),例如可购自科磊的工具。针对一些此类系统,可将本文中所描述的方法提供为系统的任选功能(例如,作为系统的其它功能的补充)。替代地,本文中所描述的系统可“从头开始”设计以提供全新系统。
尽管上文将检验子系统描述为基于光或电子束的检验子系统,但检验子系统可为基于离子束的检验子系统。除电子束源可用本技术中已知的任何合适的离子束源替换之外,此检验子系统可如图1a中所展示那样。另外,检验子系统可为任何其它合适的基于离子束的子系统,例如包含在市售聚焦离子束(FIB)系统、氦离子显微镜(HIM)系统及二次离子质谱(SIMS)系统中的子系统。
如上文所提及,检验子系统经配置以在样本的物理版本上方扫描能量(例如光、电子等)以借此生成样本的物理版本的实际输出或图像。以这种方式,检验子系统可经配置为“实际”工具,而非“虚拟”工具。然而,存储媒体(未展示)、图1中所展示的计算机子系统36及图1a中所展示的计算机子系统124可经配置为“虚拟”工具。经配置为“虚拟”检验工具的系统及方法在巴斯卡尔(Bhaskar)等人在2012年2月28日颁布的共同转让的第8,126,255号美国专利及达菲(Duffy)等人在2015年12月29日颁布的共同转让的第9,222,895号美国专利中描述,所述两个专利以宛如全文阐述引用的方式并入本文中。本文中所描述的实施例可如这些专利中所描述那样进一步配置。例如,本文中所描述的一或多个计算机子系统可如这些专利中所描述那样进一步配置。此类计算机子系统布置可特别适合于可在本文所描述的实施例中生成及使用的相对大量数据。
如上文进一步所提及,检验子系统可经配置以多种模式生成样本的输出。一般来说,“模式”可由用于生成样本的输出(例如图像)的检验子系统的参数的值界定。因此,不同模式由检验子系统的至少一个参数的不同值(而非其中生成输出的样本上的位置)界定。例如,在光学检验子系统中,不同模式可使用至少不同光波长用于照明。模式可具有不同照明波长,如本文中针对不同模式进一步所描述(例如,通过使用不同光源、不同光谱滤波器等)。在另一实例中,不同模式可使用检验子系统的不同照明通道。例如,如上文所提及,检验子系统可包含一个以上照明通道。因而,不同照明通道可用于不同模式。模式还可或代以具有检验子系统的一或多个不同收集/检验参数。检验子系统可经配置以在相同扫描或不同扫描中以不同模式扫描样本,其(例如)取决于使用多种模式同时扫描样本的能力。
包含在系统中的计算机子系统(例如计算机子系统36及/或124)经配置以在完成样本的至少一大部分的扫描之后将一或多个分割方法应用到在扫描期间生成的输出的至少大部分以借此生成输出的两个或更多个区段。例如,本文中所描述的实施例的主要促成因子是其经设计以使用来自“全晶片”扫描的大量数据,其含有关于样本针对给定关心区域群组及光学模式生成的干扰的信息。分割可具有与其不同的多个水平,其包含本文中所描述的分割方法的一或多者的任何组合(即,仅一个分割方法、两个分割方法的组合、三个分割方法的组合等)。另外,本文中所描述的实施例可应用到许多不同使用情况中。存在用于实现分割的许多变型(如本文中进一步所描述),且适合于实施例的分割可取决于实施其使用情况而变动。
词组“样本的至少一大部分”在本文中用于表示经扫描用于缺陷检验的样本的所有区域(例如,样本的检验区域未必包含在检验期间经扫描以用于除缺陷检验之外的目的(例如对准)的样本上的(若干)任何区域)。在任何给定检验过程中,样本上的检验区域可取决于检验目的而变动。在本文所描述的实施例中,“样本的至少一大部分”将包含样本上的3个以上裸片且可能包含样本上的所有裸片。另外,“样本的至少一大部分”可包含在样本上扫描的全部裸片或仅包含经扫描的裸片的重要部分。特定来说,由于本文中所描述的实施例对发现关注缺陷(DOI)特别有用且由于DOI理论上可定位在样本上的任何裸片及裸片内的任何位置中,因此“样本的至少大部分”可包含样本上的所有裸片区域(或样本上的裸片中的所有装置区域)。以这种方式,对“样本的至少大部分”执行的扫描可为“全晶片扫描”或“全样本扫描”,但本文中所描述的实施例无需扫描样本的整个区域。以这种方式,本文中所使用的词组“样本的至少一大部分”不旨在表示扫描样本上的仅单个裸片、场等、扫描样本上的仅离散区域或扫描样本区域的任何其它相对较小部分。否则,在分割步骤之前执行的样本的至少一大部分的扫描可由本文中所描述的检验子系统的任一者以任何合适的方式执行。
图2及3说明可由本文中所描述的实施例执行的用于发现的OSTS与其它OSTS方法之间的一些差异。例如,图3展示可由本文中所描述的实施例执行的步骤。步骤300、302、304及306可在上述施加步骤之前由本文中所描述的实施例执行。如步骤300中所展示,实施例可对(相对)较小样品计划执行预扫描以估计不同敏感度区域(例如不同关心区域)中的全晶片数据量。计算机子系统可引起检验子系统以任何合适的方式执行预扫描,且计算机子系统可基于由预扫描生成的输出以任何合适的方式估计全晶片数据量。
由本文中所描述的实施例使用的不同敏感度区域(或不同关心区域)可由计算机子系统以本技术中已知的任何合适的方式生成(例如,使用设计数据)或其可由计算机子系统从另一方法或系统(未展示)(例如生成不同敏感度区域的电子设计自动化(EDA)工具)获取。
与此步骤不同,在其它OSTS方法中,可对小样品计划执行预扫描以估计不同敏感度区域中的全晶片缺陷计数,如图2的步骤200中所展示。因此,本实施例可使用预扫描来估计全晶片数据量,其与执行预扫描以估计全晶片缺陷计数不同。特定来说,全晶片数据量可包含缺陷数据,但也包含干扰及其它非缺陷数据,而全晶片缺陷计数将估计晶片上的仅缺陷的数目。
如图3的步骤302中所展示,在本文所描述的实施例中,使用灰度分割,可在每一敏感度区域中设置数据收集策略以达到目标数据量。例如,计算机子系统可将灰度分割应用到不同敏感度区域且接着跨灰度区段及不同敏感度区域划分目标数据量。可以本技术中已知的任何方式执行灰度分割。目标数据量可跨灰度区段及不同敏感度区域或以任何其它合适的方式均等划分。
“区段”一般可界定为输出的像素的整个可能值范围的不同部分。例如,在由可购自科磊的一些晶片检验系统使用的多裸片自动阈值化(MDAT)算法中,用于界定区段的像素的特性的值(即,“分割值”)可包含中位强度值。在一个此说明性及非限制性实例中,如果中位强度值的整个范围为从0到255,那么第一区段可包含从0到100的中位强度值且第二区段可包含从101到255的中位强度值。以这种方式,第一区段与输出中的较暗区域对应,且第二区段与输出中的较亮区域对应。
相比来说,在其它OSTS方法中,使用灰度分割,在每一敏感度区域中设置检测阈值以达到目标缺陷计数,如图2的步骤202中所展示。例如,可将灰度分割应用到不同敏感度区域且接着可在不同灰度区段中设置阈值以达到目标缺陷计数。因此,与其它OSTS方法不同,本实施例可设置数据收集策略而非检测阈值。
如图3的步骤304中所展示,在本文所描述的实施例中,可生成各种敏感度区域中具有干扰及缺陷数据的全晶片热扫描。计算机子系统可引起检验子系统执行全晶片热扫描以借此在不同敏感度区域中生成干扰及缺陷数据,如本文中进一步所描述。相比来说,在其它OSTS方法中,使用自动调谐的检测阈值执行全晶片热扫描,如图2的步骤204中所展示。因此,与其它OSTS方法不同,本实施例可执行全晶片热扫描,而非使用自动调谐的检测阈值。
如图3的步骤306中所展示,在本文所描述的实施例中,扫描可用于后处理。例如,在步骤304中执行的全晶片热扫描中生成的结果可用于本文中所描述的(若干)应用分割方法及其它步骤。在一个此实例中,如图3的步骤308中所展示,在本文所描述的实施例中,可在每一敏感度区域内执行干扰分割。在步骤308中执行的分割可包含本文中所描述的(若干)分割方法中的任一者。相比来说,如图2中的步骤206中所展示,在其它OSTS方法中,扫描用于缺陷发现。在其它OSTS方法中执行的缺陷发现不包含分割及本文中进一步所描述的其它步骤。
在一个实施例中,独立于在扫描期间生成的输出来确定一或多个分割方法中的至少一者。例如,可仅基于在扫描样本之前可用的信息来确定(若干)分割方法中的一者。因此,不可基于通过扫描样本生成的输出来确定分割。在扫描样本之前可用的信息可包含(例如)样本的设计信息,其可包含本文中进一步所描述的设计信息中的任一者。
在一些实施例中,一或多个分割方法中的至少一者是基于设计的分割方法。基于设计的分割是确定性的且可来自从设计生成的关心区域群组。从设计生成的关心区域群组可包含任何类型的关心区域及具有任何合适的特性的关心区域群组。此分割水平将本文中所描述的干扰映像方法与关心区域优化联系起来。基于设计的分割还可包含使用设计的情境分组,其中将具有类似背景设计信息或“情境”(例如相同类型的图案化特征)的设计的区域分组在一起。基于设计的分割可进一步包含使用多层信息(即,形成在晶片上的多个层的信息,其中一层在另一层形成在晶片上之前形成在晶片上)分割数据以并入无法在关心区域分组中捕获的来自先前层的噪声。
在另一实施例中,计算机子系统经配置以基于在扫描期间生成的输出来确定一或多个分割方法中的至少一者。例如,可基于通过扫描样本产生的信息来确定(若干)分割方法中的一者。因此,可基于通过扫描样本生成的输出来确定分割。通过扫描样本生成且可用于分割的信息可包含(例如)可由计算机子系统确定的输出的任何特性及/或可从输出确定的样本的任何特性。
在进一步实施例中,一或多个分割方法中的至少一者是基于图像的分割方法。可使用含有在检测候选周围的图像中且分离具有不同噪声特性的情境的情境信息来“实时”生成基于图像的分割。噪声特性由干扰事件在信号空间中的分布界定。基于图像的分割可进一步包含使用多层信息(即,形成在晶片上的多个层的信息)分割输出以并入无法在关心区域分组中捕获的来自先前层的噪声。
在额外实施例中,一或多个分割方法中的至少一者是基于样本的分割方法。还可通过分析跨样本(例如,在样本上的预定空间区中)的干扰特性来“实时”生成基于样本的分割。样本上的空间区可或可不与样本的设计信息(例如,其可与由在扫描之前对样本执行的一或多个制造工艺产生的预期跨样本变动对应,其可不与裸片或样本上的其它图案化特征区域对应)对应。基于样本的分割可进一步包含使用多层信息(即,形成在晶片上的多个层的信息)分割数据以并入无法在关心区域分组中捕获的来自先前层的噪声。
计算机子系统还经配置以单独检测输出的两个或更多个区段中的离群值。因此,热扫描结果的生成包含两个步骤:(a)分割干扰(噪声);及(b)每一区段中的离群值检测。例如,如图3的步骤310中所展示,在本文所描述的实施例中,可在每一敏感度区域的每一区段中执行异常(离群值)检测以达到总体缺陷计数目标。尽管可在每一敏感度区域的每一区段中执行离群值检测,但此并非必需。例如,可仅在区段的一部分(非全部/两个或更多个)中及/或仅在敏感区域的一部分(非全部/两个或更多个)中执行离群值检测。
如本文中所使用,术语“离群值”一般可界定为个别输出(例如输出的像素),其具有位于个别输出的其它者的大多数(例如一大部分、约95%等)值外(例如,远大于或小于)的值。以这种方式,通过观察任何一个区段中输出值的总体分布,所述区段中的离群值可经识别为具有所有个别输出的总体分布外的值的个别输出。离群值可为信号离群值,因为其可基于输出的信号的值来确定。然而,离群值可使用任何其它种类的输出或自由检验子系统的(若干)检测器生成的原始输出确定的值来确定。例如,离群值可为信号离群值、图像数据离群值、灰度离群值、强度离群值及其类似者。
在一个实施例中,单独检测离群值包含分析由针对样本生成的输出的一或多个值界定的用户界定空间中的干扰分布。例如,可通过分析用户界定信号空间中的干扰分布来执行每一区段(或两个或更多个区段)中的异常检测。在一个此实例中,可使用输出的任何一或多个特性来分析在任何一个区段中生成的输出以识别为(或与其对应)离群值的输出的例子(例如像素),且可由用户选择或界定一或多个特性。特定来说,归因于干扰与DOI之间的样本上的差异,干扰及DOI将通常产生具有一或多个不同特性(例如灰度强度)的输出。另外,仅归因于DOI及干扰的性质,样本上的干扰的数目一般将比任何DOI高得多(例如,样本上的图案化特征的相对较小变动通常将相对较多且经检测为干扰,而DOI在样本上的发生频率可比干扰小得多)。因此,通过分析输出的任何一或多个特性(例如,可在由用户界定的信号空间中),计算机子系统可识别哪个输出例子为相较于其它输出例子的离群值。
计算机子系统经进一步配置以通过将一或多个预定准则应用到单独检测的结果来检测样本上的缺陷候选以借此将检测离群值的一部分指定为缺陷候选。例如,如图3的步骤312中所展示,在本文所描述的实施例中,扫描可用于缺陷发现及检验。因此,本文中所描述的实施例改造检验工具(例如BBP工具)的检测/过滤管线。例如,与在扫描样本时确定缺陷的大多数检验方法不同,本文中所描述的实施例推迟“检测”决策,直到扫描“整个”样本(即,本文中所界定的术语“样本的至少一大部分”)。另外,本文中所描述的实施例重新界定检验工具(例如BBP工具)上的检测及过滤典范及提高检验对DOI的有效敏感度的效应。
图4及5说明可由本文中所描述的实施例执行的BBP检验的检测及过滤管线与其它检验方法之间的一些差异。例如,图5展示可由本文中所描述的实施例执行的步骤。如图5的步骤500中所展示,本文中所描述的实施例可使用来自发现阶段的OSTS扫描作为候选缺陷生成扫描。换句话说,来自上述步骤312的扫描可用作候选缺陷生成扫描。如图5的步骤502中所展示,本文中所描述的实施例可学习干扰过滤器,其可以本技术中已知的任何合适的方式执行。可在设置阶段中执行步骤500及502。如步骤504中进一步所展示,本文中所描述的实施例可执行在每一晶片上生成热扫描的检验。可如本文中所描述那样执行检验。另外,如步骤506中所展示,实施例可将所学习的过滤器应用到当前扫描或更新且应用过滤器到当前扫描,其可以任何合适的方式执行。可在检验阶段中执行步骤504及506。
与可由本文中所描述的实施例执行的检测及过滤步骤相比,在设置阶段期间,如图4的步骤400中所展示,用于检测及过滤的其它方法可包含在每一敏感度区域中使用小样品计划热扫描调谐检测阈值。在设置阶段中,用于检测及过滤的其它方法可包含使用经调谐检测阈值生成的全晶片扫描来调谐干扰过滤器,如图4的步骤402中所展示。在检验阶段中,用于检测及过滤的其它方法可使用经调谐检测阈值及干扰过滤器来执行检验,如图4的步骤404中所展示。因此,用于检测及过滤的其它方法包含未由本实施例执行的数个步骤(例如步骤400、402及404),且用于检测及过滤的本实施例包含未由用于检测及过滤的其它方法及系统执行的步骤。
在一个实施例中,一或多个预定准则包含总体目标缺陷计数。例如,可通过指定总体目标缺陷计数来确定最终候选热扫描结果的内容。总体目标缺陷计数可由用户及/或以任何合适的方式确定。总体目标缺陷计数可用于将离群值的一部分指定为缺陷候选,如本文中进一步所描述。在一些例子中,可以输出的离群值性质的测量的降序将离群值指定为缺陷候选(例如,使得可在其它输出例子之前选择最无关输出例子)。
在一个此实施例中,一或多个预定准则包含总体目标缺陷计数在两个或更多个区段上的分布。例如,可通过进一步指定应如何跨各种分割水平分布缺陷计数来确定最终候选热扫描结果的内容。可以本文中进一步所描述的各种方式确定总体目标缺陷计数在两个或更多个区段上的分布。
在一个此实施例中,计算机子系统经配置以通过算法确定分布。例如,可通过进一步指定应如何跨各种分割水平分布缺陷计数来确定最终候选热扫描结果的内容,且可通过算法确定分布。在一个此实例中,可基于离群值检测步骤的结果及/或在无用户输入的情况下通过算法确定最终候选热扫描结果的内容。
在另一此实施例中,分布是总体目标缺陷计数在两个或更多个区段上的相等分布。例如,可通过进一步指定应如何跨各种分割水平分布缺陷计数来确定最终候选热扫描结果的内容,且可设置分布,使得候选计数在区段中的每一者中相等。
在额外此实施例中,分布与两个或更多个区段中的干扰计数成比例。例如,可通过进一步指定应如何跨各种分割水平分布缺陷计数来确定最终候选热扫描结果的内容,且可设置分布,使得候选计数与其中的干扰计数成比例。以这种方式,具有较高干扰计数的区段可被分配比具有较低干扰计数的区段更大的总体缺陷计数的一部分。
在一些实施例中,计算机子系统经配置以通过干扰基底边缘的算法检测来确定一或多个预定准则。例如,可通过依赖于干扰基底边缘的算法检测来确定最终候选热扫描结果的内容。干扰基底边缘的算法检测可以本技术中已知的任何合适的方式执行。
在一个此实施例中,计算机子系统经配置以确定用于检测干扰基底边缘的阈值。例如,可针对干扰基底边缘检测指定阈值。阈值可以本技术中已知的任何合适的方式指定。
在另一实施例中,不基于实况数据来调谐用于单独检测离群值及检测缺陷候选的参数。例如,本文中所描述的方法的一个核心方面是通过以完全无监督方式后处理信息来产生候选热扫描,即,无需获得扫描电子显微镜(SEM)实况数据用于调谐。另外,本文中所描述的实施例具有在无任何监督(SEM实况)且无任何人工介入的情况下利用足够深入到噪声基底中的全晶片数据来生成候选热扫描结果的能力。此外,本文中所描述的实施例依赖于可为多层的且可以完全自动化方式无需SEM实况达到的分割。这些能力能够推迟“检测”决策,直到扫描整个晶片。
在一些实施例中,通过生产制造工艺来产生样本。例如,针对候选热扫描自动获得的检测阈值也可用于生产扫描。换句话说,根本无需调谐检测阈值。此不适用于当前使用的检验方法及系统。例如,当前,调谐检测阈值以得到候选热扫描结果,且接着可在生产扫描上使用检测阈值。相比来说,如果执行当前使用的OSTS(其自动调谐检测阈值),那么必须重新调谐阈值用于生产扫描,因为OSTS生成的阈值无法用于生产。
在另一实施例中,通过使用一或多个实验参数对样本执行的制造工艺来产生样本。例如,可在每一晶片上动态使用本文中所描述的实施例以根据缺陷计数来稳定检验结果,且此能力可用于实现在开发情形(特别是实验设计(DOE)晶片)中监测少数缺陷类型。
本文中所描述的实施例可如陈(Chen)等人在2016年12月13日颁布的第9,518,934号美国专利中所描述那样进一步配置,所述专利以宛如全文阐述引用的方式并入本文中。此专利中所描述的方法及系统经设计以通过改进缺陷分割且接着在每一区段中的用户界定信号空间中执行离群值检测来解决OSTS扫描的缺点。思想的核心是通过将确定树(其可使用用户界定模板来生成缺陷分割且接着自动分割)引入到其流程中且根据用户指定的缺陷计数分配在每一区段中产生离群值群体来修改传统OSTS的预扫描。此专利中所描述的方法及系统实现缺陷多样化的一些改进,但根本上保留OSTS的一些缺点。弱点的一个原因是在预扫描期间有限存取分割信息,但关于这些方法及系统的最重要缺点是方法仅限于发现扫描。
本文中所描述的实施例具有相较于当前使用的方法及系统的许多优点。例如,本文中所描述的实施例具有可靠性优点。在一个此实例中,由本文中所描述的实施例生成的候选热扫描结果具有完全确定的缺陷计数,无论样本上的条件如何。因此,实施例是稳健的且避免当前OSTS的问题。另外,本文中所描述的实施例具有缺陷候选热扫描质量优点。例如,保证由本文中所描述的实施例生成的热扫描结果中的缺陷候选具有更丰富及更多样化的信号离群值集。
本文中所描述的实施例也具有稳定性优点。例如,本文中所描述的实施例可应用到每一样本上以导致完全稳定检验结果(从缺陷计数的视角看)。此特征可证明对DOE(分批)晶片非常有用,其中监测少数缺陷类型同时抑制多数失效类型的计数是很重要的。本文中所描述的实施例可通过在计数变得过多时减少多数类型的计数同时实现受关注且无法使用现今常规检验方法来存取的少数类型的检测及监测来管理检验结果。
本文中所描述的实施例具有关于敏感度的进一步优点。例如,本文中所描述的实施例可通过全晶片检验结果的大规模分割来提高BBP及其它检验工具的敏感度以优化热扫描结果中的DOI内容。此外,实施例在从发现到生产扫描的使用中具有优点。例如,与OSTS不同,本文中所描述的候选热扫描不限于发现。相反地,其可用于整个配方调谐流程中,且其可转变为生产扫描,无需调谐检测阈值。本文中所描述的实施例也具有适用性优点。例如,本文中所描述的实施例的适用性比OSTS宽得多。在一个此实例中,本文中所描述的实施例可用于发现及敏感度调谐中。通过动态查找分割及离群值直到固定计数,实施例还可作为独立检验用于DOE晶片。还可通过学习训练晶片上的离群值检测、固定分割结果及离群值阈值及将其应用到随后晶片作为“受监督”干扰过滤器的候选的永久源来使用实施例。
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检测样本上的缺陷候选的计算机实施方法。所述方法包含在完成样本的至少一大部分的扫描之后,将一或多个分割方法应用到在扫描期间生成的输出的至少大部分以借此生成输出的两个或更多个区段。扫描由检验子系统执行,检验子系统在样本上方扫描能量,在扫描期间从样本检测能量,且响应于检测能量生成输出。方法还包含单独检测输出的两个或更多个区段中的离群值。另外,所述方法包含通过将一或多个预定准则应用到单独检测的结果来检测样本上的缺陷候选以借此将检测离群值的一部分指定为缺陷候选。这些步骤由耦合到检验子系统的计算机子系统执行。
所述方法的步骤中的每一者可如本文中进一步所描述那样执行。所述方法还可包含可由本文中所描述的检验子系统及/或(若干)计算机子系统或系统执行的(若干)任何其它步骤。另外,上述方法可由本文中所描述的系统实施例中的任一者执行。
本文中所描述的所有方法可包含将方法实施例的一或多个步骤的结果存储在计算机可读存储媒体中。结果可包含本文中所描述的结果中的任一者且可以本技术中已知的任何方式存储。存储媒体可包含本文中所描述的任何存储媒体或本技术中已知的任何其它合适的存储媒体。在存储结果之后,结果可存取在存储媒体中且由本文中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。
另一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检测样本上的缺陷候选的计算机实施方法。图6中展示一个此实施例。例如,如图6中所展示,非暂时性计算机可读媒体600存储程序指令602,其可在计算机系统604上执行以执行用于检测样本上的缺陷候选的计算机实施方法。计算机实施方法可包含本文中所描述的(若干)任何方法的(若干)任何步骤。
实施方法(例如本文中所描述的方法)的程序指令602可存储在非暂时性计算机可读媒体600上。计算机可读媒体可为存储媒体,例如磁盘或光盘、磁带或本技术中已知的任何其它合适的非暂时性计算机可读媒体。
可以各种方式中的任一者实施程序指令,其包含基于程序的技术、基于组件的技术及/或面向对象技术等。例如,根据需要,可使用Matlab、Visual Basic、ActiveX控件、C、C++对象、C#、JavaBeans、微软基础类别(“MFC”)或其它技术或方法来实施程序指令。
计算机系统604可如本文中所描述那样进一步配置。
所属领域的技术人员将鉴于本描述明白本发明的各种方面的进一步修改及替代实施例。例如,提供用于检测样本上的缺陷候选的系统及方法。因此,本描述应被解释为仅具说明性且用于教示所属领域的技术人员实施本发明的一般方式。应了解,本文中所展示及所描述的本发明的形式应被视为当前优选实施例。元件及材料可代替本文中所说明及所描述的元件及材料,可颠倒部件及过程,且可独立利用本发明的某些特征,所属领域的技术人员将在受益于本发明的本描述之后明白所有那些。可在不背离所附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中所描述的元件作出改变。
Claims (22)
1.一种系统,其经配置以检测样本上的缺陷候选,所述系统包括:
检验子系统,其经配置以在样本上方扫描能量、在所述扫描期间从所述样本检测能量及响应于所述检测到的能量生成输出;及
计算机子系统,其经配置以:
在完成所述样本的至少一大部分的所述扫描之后,将一或多个分割方法应用到在所述扫描期间生成的所述输出的至少大部分以借此生成所述输出的两个或更多个区段;
单独检测所述输出的所述两个或更多个区段中的离群值;及
通过将一或多个预定准则应用到所述单独检测的结果来检测所述样本上的缺陷候选以借此将所述检测离群值的一部分指定为所述缺陷候选。
2.根据权利要求1所述的系统,其中独立于在所述扫描期间生成的所述输出来确定所述一或多个分割方法中的至少一者。
3.根据权利要求1所述的系统,其中所述计算机子系统经进一步配置以基于在所述扫描期间生成的所述输出来确定所述一或多个分割方法中的至少一者。
4.根据权利要求1所述的系统,其中所述一或多个分割方法中的至少一者是基于设计的分割方法。
5.根据权利要求1所述的系统,其中所述一或多个分割方法中的至少一者是基于图像的分割方法。
6.根据权利要求1所述的系统,其中所述一或多个分割方法中的至少一者是基于样本的分割方法。
7.根据权利要求1所述的系统,其中所述单独检测所述离群值包括分析由针对所述样本生成的所述输出的一或多个值界定的用户界定空间中的干扰分布。
8.根据权利要求1所述的系统,其中所述一或多个预定准则包括总体目标缺陷计数。
9.根据权利要求8所述的系统,其中所述一或多个预定准则进一步包括所述总体目标缺陷计数在所述两个或更多个区段上的分布。
10.根据权利要求9所述的系统,其中所述计算机子系统经进一步配置以通过算法确定所述分布。
11.根据权利要求9所述的系统,其中所述分布是所述总体目标缺陷计数在所述两个或更多个区段上的相等分布。
12.根据权利要求9所述的系统,其中所述分布与所述两个或更多个区段中的干扰计数成比例。
13.根据权利要求1所述的系统,其中所述计算机子系统经进一步配置以通过干扰基底边缘的算法检测来确定所述一或多个预定准则。
14.根据权利要求13所述的系统,其中所述计算机子系统经进一步配置以确定用于检测所述干扰基底边缘的阈值。
15.根据权利要求1所述的系统,其中不基于实况数据来调谐用于所述单独检测及所述检测的参数。
16.根据权利要求1所述的系统,其中通过生产制造工艺来产生所述样本。
17.根据权利要求1所述的系统,其中通过使用一或多个实验参数对所述样本执行的制造工艺来产生所述样本。
18.根据权利要求1所述的系统,其中由所述检验子系统在所述样本上方扫描的所述能量包括光。
19.根据权利要求1所述的系统,其中由所述检验子系统在所述样本上方扫描的所述能量包括电子。
20.根据权利要求1所述的系统,其中所述样本为晶片。
21.一种用于检测样本上的缺陷候选的计算机实施方法,其包括:
在完成样本的至少一大部分的扫描之后,将一或多个分割方法应用到在所述扫描期间生成的输出的至少大部分以借此生成所述输出的两个或更多个区段,其中所述扫描由检验子系统执行,所述检验子系统在所述样本上方扫描能量,在所述扫描期间从所述样本检测能量,且响应于所述检测到的能量生成所述输出;
在所述输出的所述两个或更多个区段中单独检测离群值;及
通过将一或多个预定准则应用到所述单独检测的结果来检测所述样本上的缺陷候选以借此将所述检测离群值的一部分指定为所述缺陷候选,其中所述应用、所述单独检测及所述检测由耦合到所述检验子系统的计算机子系统执行。
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检测样本上的缺陷候选的计算机实施方法,其中所述计算机实施方法包括:
在完成样本的至少一大部分的扫描之后,将一或多个分割方法应用到在所述扫描期间生成的输出的至少大部分以借此生成所述输出的两个或更多个区段,其中所述扫描由检验子系统执行,所述检验子系统在所述样本上方扫描能量,在所述扫描期间从所述样本检测能量,且响应于所述检测到的能量生成所述输出;
在所述输出的所述两个或更多个区段中单独检测离群值;及
通过将一或多个预定准则应用到所述单独检测的结果来检测所述样本上的缺陷候选以借此将所述检测离群值的一部分指定为所述缺陷候选,其中所述应用、所述单独检测及所述检测由耦合到所述检验子系统的所述计算机系统执行。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962832074P | 2019-04-10 | 2019-04-10 | |
US62/832,074 | 2019-04-10 | ||
US16/653,939 US11114324B2 (en) | 2019-04-10 | 2019-10-15 | Defect candidate generation for inspection |
US16/653,939 | 2019-10-15 | ||
PCT/US2020/027345 WO2020210410A1 (en) | 2019-04-10 | 2020-04-09 | Defect candidate generation for inspection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113677980A CN113677980A (zh) | 2021-11-19 |
CN113677980B true CN113677980B (zh) | 2023-03-31 |
Family
ID=72748166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080027371.2A Active CN113677980B (zh) | 2019-04-10 | 2020-04-09 | 用于检验的缺陷候选生成 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11114324B2 (zh) |
KR (1) | KR102557194B1 (zh) |
CN (1) | CN113677980B (zh) |
IL (1) | IL286948B2 (zh) |
TW (1) | TWI818170B (zh) |
WO (1) | WO2020210410A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023108549A1 (en) * | 2021-12-16 | 2023-06-22 | Jade Bird Display (Shanghai) Company | Inspecting tool for inspecting micro led array panel |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999054717A2 (en) * | 1998-04-17 | 1999-10-28 | Cae Electronic Ltd. Cae Electronique Ltee | Method and apparatus for identification of probable defects in a workpiece |
JP2014173882A (ja) * | 2013-03-06 | 2014-09-22 | Mitsubishi Heavy Ind Ltd | 欠陥検出装置、欠陥検出方法および欠陥検出プログラム |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
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 |
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 |
US8223327B2 (en) * | 2009-01-26 | 2012-07-17 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer |
KR101674698B1 (ko) * | 2009-02-13 | 2016-11-09 | 케이엘에이-텐코어 코오포레이션 | 웨이퍼 상의 결함들 검출 |
US8775101B2 (en) | 2009-02-13 | 2014-07-08 | Kla-Tencor Corp. | Detecting defects on a wafer |
US8664594B1 (en) | 2011-04-18 | 2014-03-04 | Kla-Tencor Corporation | Electron-optical system for high-speed and high-sensitivity inspections |
US8692204B2 (en) | 2011-04-26 | 2014-04-08 | Kla-Tencor Corporation | Apparatus and methods for electron beam detection |
US8716662B1 (en) | 2012-07-16 | 2014-05-06 | Kla-Tencor Corporation | Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations |
US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
US9098891B2 (en) | 2013-04-08 | 2015-08-04 | Kla-Tencor Corp. | Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology |
US9704234B2 (en) * | 2013-08-08 | 2017-07-11 | Kla-Tencor Corp. | Adaptive local threshold and color filtering |
US9401016B2 (en) * | 2014-05-12 | 2016-07-26 | Kla-Tencor Corp. | Using high resolution full die image data for inspection |
JP2016058465A (ja) | 2014-09-08 | 2016-04-21 | 株式会社日立ハイテクノロジーズ | 欠陥定量化方法、欠陥定量化装置、および欠陥評価値表示装置 |
US9518934B2 (en) | 2014-11-04 | 2016-12-13 | Kla-Tencor Corp. | Wafer defect discovery |
-
2019
- 2019-10-15 US US16/653,939 patent/US11114324B2/en active Active
-
2020
- 2020-04-09 KR KR1020217036602A patent/KR102557194B1/ko active IP Right Grant
- 2020-04-09 WO PCT/US2020/027345 patent/WO2020210410A1/en active Application Filing
- 2020-04-09 CN CN202080027371.2A patent/CN113677980B/zh active Active
- 2020-04-09 TW TW109111968A patent/TWI818170B/zh active
- 2020-04-09 IL IL286948A patent/IL286948B2/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999054717A2 (en) * | 1998-04-17 | 1999-10-28 | Cae Electronic Ltd. Cae Electronique Ltee | Method and apparatus for identification of probable defects in a workpiece |
JP2014173882A (ja) * | 2013-03-06 | 2014-09-22 | Mitsubishi Heavy Ind Ltd | 欠陥検出装置、欠陥検出方法および欠陥検出プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20200328104A1 (en) | 2020-10-15 |
IL286948A (en) | 2021-12-01 |
WO2020210410A1 (en) | 2020-10-15 |
IL286948B2 (en) | 2023-10-01 |
TWI818170B (zh) | 2023-10-11 |
KR102557194B1 (ko) | 2023-07-18 |
IL286948B1 (en) | 2023-06-01 |
CN113677980A (zh) | 2021-11-19 |
US11114324B2 (en) | 2021-09-07 |
TW202104878A (zh) | 2021-02-01 |
KR20210138144A (ko) | 2021-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI751376B (zh) | 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷 | |
US9601393B2 (en) | Selecting one or more parameters for inspection of a wafer | |
KR102303670B1 (ko) | 프로세스 윈도우 특성묘사를 위한 가상 검사 시스템 | |
KR102386536B1 (ko) | 시편 상의 관심 패턴의 하나 이상의 특성의 결정 | |
US10483081B2 (en) | Self directed metrology and pattern classification | |
US10832396B2 (en) | And noise based care areas | |
JP2017523390A (ja) | 検査のための高解像度フルダイイメージデータの使用 | |
KR20100046240A (ko) | 반도체 장치 특성 추출, 생성, 시각화, 및 모니터링 방법들 | |
KR102652164B1 (ko) | 멀티 이미징 모드 이미지 정렬 | |
US9702827B1 (en) | Optical mode analysis with design-based care areas | |
TW202201154A (zh) | 用於模擬樣本影像之生成對抗網路(GANs) | |
TW202117312A (zh) | 用於選擇用於樣本檢查之缺陷偵測方法之系統和方法 | |
TW202129261A (zh) | 控制樣本檢測之程序 | |
CN113677980B (zh) | 用于检验的缺陷候选生成 | |
IL257205A (en) | Self-directed metrology and example classification | |
JP2023536597A (ja) | ノイズのあるパターン化フィーチャの検査 | |
CN115943301A (zh) | 设置样本的检验 | |
KR20220137759A (ko) | 표본 상의 어레이 영역에서의 결함 검출 | |
TW202316105A (zh) | 設置用於檢查樣品之關注區域 | |
CN116888627A (zh) | 基于半导体应用的语义图像分割 |
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 |