CN114503155A - 控制样本检验的工艺 - Google Patents

Abstract

本发明提供用于控制样本检验的工艺的方法及系统。一个系统包含一或多个计算机子系统，所述一或多个计算机子系统经配置用于确定针对样本上的关注区域的多个例项产生的差异图像的统计特性，及确定所述统计特性相较于针对一或多个其它样本上的所述关注区域的多个例项产生的差异图像的统计特性的变动。另外，所述一或多个计算机子系统经配置用于基于所述变动确定用于检测所述样本上的所述关注区域中的缺陷的一或多个参数的一或多个改变。

Description

控制样本检验的工艺

技术领域

本发明大体上涉及用于控制样本检验的工艺的方法及系统。

背景技术

以下描述及实例不因其包含在本章节中而被认为是现有技术。

在半导体制造工艺期间的各个步骤使用检验工艺以检测光罩及晶片上的缺陷以促进制造工艺中的更高良率及因此更高利润。检验始终是制造半导体装置的重要部分。然而，随着半导体装置的尺寸减小，检验对于可接受半导体装置的成功制造变得更为重要，这是因为较小缺陷可引起装置故障。

如在所属领域中通常提及的“关注区域”是样本上针对检验目的所关注的区域。有时，关注区域用于区分样本上经检验的区域与样本上在检验工艺中未检验的区域。另外，关注区域有时用于区分样本上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，那么可使用高于第二区域的灵敏度检验第一区域，使得在第一区域中使用更高灵敏度检测缺陷。可以类似方式随关注区域而更改检验工艺的其它参数。

目前使用不同类别的检验关注区域。一个类别是传统上手动绘制的旧型关注区域。在几乎全部用户采用设计引导的检验的情况下，目前使用非常少旧型关注区域。另一类别是基于设计的关注区域。这些是基于对印刷在样本上的芯片设计图案的直观推断导出的关注区域。用户尝试查看芯片设计且导出将有助于导出关注区域的方法/脚本。存在可用于定义这些基于设计的关注区域的多个技术及工具。由于它们从基本事实(芯片设计)导出，因此它们可提供高精确度、大体上微型关注区域且还允许检验系统存储大量关注区域。这些关注区域不仅从缺陷检测观点来看是重要的，而且其对于噪声抑制通常也是关键的。

目前使用的一些检验方法还使用关注区域的规则群组，其中具有不同噪声行为的关注区域被分组在一起且甚至一个单个关注区域可包含具有不同噪声行为的许多不同结构。为了识别其中噪声较高的区域，必须反复执行所谓的基于设计的搜索的若干迭代。此过程耗费许多时间。

因此，目前使用的涉及关注区域的用于检验的方法及系统具有数个缺点。例如，得出结果的时间大体上缓慢，这是因为必须执行搜索噪声结构的若干迭代。有时，归因于复杂性，无法手动地识别全部噪声结构。在此情况中，损及用于检验噪声较少的区域的灵敏度，这是因为噪声较多的区域落在相同关注区域群组中。此降低的检验灵敏度可防止发现关键所关注缺陷(DOI)。

缺陷检测通常基于通过从测试图像减去参考而产生的差异图像执行。在一些情况中，直接使用差异图像灰度级以创建二维(2D)直方图，在这之后，识别离群点。那些离群点可为DOI或扰乱点事件。在一些情况中，将所谓的差异滤波器应用到差异图像，这意味着将差异图像与差异滤波器的矩阵卷积。一般来说，在使用及不使用差异滤波器的情况下，可将差异图像的计算视为静态且在其计算中不考虑晶片之间的差异。

因此，目前使用的检验方法及系统可具有额外缺点。例如，当样本制造工艺已改变时，损及检验的灵敏度且必须重新调谐检验配方。另外，全部属性用于配方调谐而不管在考虑工艺变动时它们有多稳定。此外，在执行缺陷检测时不考虑照明参数(例如照明及增益)的改变。

因此，开发用于控制样本检验的工艺而无上文描述的一或多个缺点的系统及方法将是有利的。

发明内容

各个实施例的以下描述绝不应理解为限制所附权利要求书的主题。

一个实施例涉及一种经配置用于控制样本检验的工艺的系统。所述系统包含经配置以响应于从样本检测的能量而产生输出的检验子系统。所述系统还包含经配置用于通过从对应于所述样本上的关注区域的多个例项的所述输出减去参考而产生所述关注区域的所述多个例项的差异图像的一或多个计算机子系统。所述一或多个计算机子系统还经配置用于确定所述关注区域的所述多个例项的所述差异图像的统计特性。另外，所述一或多个计算机子系统经配置用于确定所述统计特性相较于针对一或多个其它样本上的所述关注区域的多个例项产生的差异图像的统计特性的变动。所述一或多个计算机子系统进一步经配置用于基于所述变动确定用于检测所述样本上的所述关注区域中的缺陷的一或多个参数的一或多个改变。可如本文中描述般进一步配置所述系统。

另一实施例涉及一种用于控制样本检验的工艺的计算机实施方法。所述方法包含通过从对应于样本上的关注区域的多个例项的输出减去参考而产生所述关注区域的所述多个例项的差异图像。所述输出是通过检验子系统且响应于从所述样本检测的能量产生。所述方法还包含上文描述的通过一或多个计算机子系统执行的所述确定统计特性、确定变动及确定一或多个改变步骤。

可如本文中进一步描述般执行上文描述的方法的每一步骤。另外，上文描述的方法的实施例可包含本文中描述的(若干)任何其它方法的(若干)任何其它步骤。此外，上文描述的方法可由本文中描述的任何系统执行。

另一实施例涉及一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可在计算机系统上执行以执行用于控制样本检验的工艺的计算机实施方法。所述计算机实施方法包含上文描述的方法的步骤。可如本文中描述般进一步配置计算机可读媒体。可如本文中进一步描述般执行计算机实施方法的步骤。另外，程序指令可执行的计算机实施方法可包含本文中描述的(若干)任何其它方法的(若干)任何其它步骤。

附图说明

在受益于优选实施例的以下详细描述的情况下且在参考附图之后，所属领域的技术人员将明白本发明的进一步优点，其中：

图1及2是说明如本文中描述般配置的系统的实施例的侧视图的示意图；

图3是说明由本文中描述的一或多个计算机子系统执行的步骤的实施例的流程图；

图4是说明样本上的关注区域的一个实例的平面视图及展示针对关注区域中的多边形执行的投影的结果的图表的示意图；

图5是说明样本上的关注区域的一个实例的平面视图的示意图；

图6是从不同值产生的二维直方图的实例，所述不同值从由检验子系统的检测器针对图5中展示的关注区域中的多边形产生的输出确定；

图7是说明图5中展示的关注区域的平面视图的示意图，其中关注区域中的多边形基于多边形的特性而分成初始子群组；

图8包含从不同值产生的二维直方图的实例及所述二维直方图的差异，所述不同值从由检验子系统的检测器针对图7中展示的多边形的初始子群组产生的输出确定；

图9是说明图5中展示的关注区域的平面视图的示意图，其中关注区域中的多边形基于图8中展示的二维直方图的类似性及差异而分成最终子群组；

图10是说明存储用于引起计算机系统执行本文中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；

图11是说明可通过本文中描述的用于控制样本检验的工艺的实施例执行的步骤的一个实施例的流程图；及

图12是可通过本文中描述的用于控制样本检验的工艺的实施例产生的晶须图的实例。

虽然本发明易于以各种修改及替代形式呈现，但本发明的特定实施例通过图中的实例展示且在本文中经详细描述。图可不按比例绘制。然而，应理解，图及其详细描述不旨在将本发明限于所公开的特定形式，相反，本发明旨在涵盖落于如由所附权利要求书界定的本发明的精神及范围内的全部修改、等效物及替代物。

具体实施方式

如本文中使用的术语“扰乱点”(其有时可与“扰乱点缺陷”互换地使用)通常被定义为用户不关心的缺陷及/或在样本上检测但实际上并非样本上的实际缺陷的事件。归因于样本上的非缺陷噪声源(例如，样本上的金属线中的增益、来自样本上的底层或材料的信号、线边缘粗糙度(LER)、图案化属性的相对小临界尺寸(CD)变动、厚度变动等)及/或归因于检验系统自身或其用于检验的配置中的边缘性，并非实际缺陷的扰乱点可被检测为事件。

如本文中使用的术语“所关注缺陷(DOI)”被定义为在样本上检测且实际上是样本上的实际缺陷的缺陷。因此，DOI为用户所关注，这是因为用户通常关心在经检验的样本上的实际缺陷的数量及种类。在一些背景内容中，术语“DOI”用于指样本上的全部实际缺陷的子集，其仅包含用户关注的实际缺陷。例如，在任何给定样本上可存在多个类型的DOI，且用户对它们中的一或多者可比对一或多个其它类型更关注。然而，在本文中描述的实施例的背景内容中，术语“DOI”用于指样本上的任何及全部真实缺陷。

如本文中使用的术语“设计”及“设计数据”通常是指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。物理设计可存储在数据结构(例如图形数据串流(GDS)文件、任何其它标准机器可读文件、所属领域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一类文件中的一者。此类文件的其它实例包含GL1及OASIS文件及专属于加利福尼亚州米尔皮塔斯市(Milpitas)的KLA的专属文件格式，例如RDF数据。另外，由光罩检验系统获取的光罩的图像及/或其派生物可用作设计的“代理”或“若干代理”。此光罩图像或其派生物可在本文中描述的使用设计的任何实施例中用作设计布局的替代物。设计可包含2009年8月4日颁予扎法尔(Zafar)等人的共同拥有的第7,570,796号美国专利及2010年3月9日颁予库尔卡尼(Kulkarni)等人的共同拥有的第7,676,077号美国专利中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陈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、设计数据的派生物及完全或部分芯片设计数据。

在一些例项中，从晶片或光罩模拟或获取的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，设计中的多边形可从印刷在晶片及/或光罩上的设计的图像提取，假定晶片及/或光罩的图像是以足以使设计的多边形适当地成像的分辨率获取。另外，本文中描述的“设计”及“设计数据”是指由半导体装置设计者在设计工艺中产生且因此可在将设计印刷在任何物理晶片上之前良好地用于本文中描述的实施例中的信息及数据。

“设计”或“物理设计”还可为如将在晶片上理想地形成的设计。以此方式，设计可不包含将不印刷在晶片上的设计的特征，例如光学近接性校正(OPC)特征，所述特征被添加到设计以增强特征在晶片上的印刷而实际上自身不被印刷。

现参考图，应注意，图未按比例绘制。特定来说，在很大程度上放大图的一些元件的尺度以强调元件的特性。还应注意，所述图未按相同比例绘制。已使用相同元件符号指示可经类似配置的展示在多于一个图中的元件。除非本文中另有说明，否则所描述且展示的任何元件可包含任何合适的市售元件。

一个实施例涉及一种经配置用于选择用于样本检验的缺陷检测方法的系统。一些实施例涉及用于增强缺陷检验灵敏度的统计关注区域分组。例如，本文中描述的缺陷检验中的关注区域细分及统计重新分组可用于增强对DOI的灵敏度、降低扰乱点率、改进晶片内及晶片间配方性能稳定性或其某一组合。

在一个实施例中，样本是晶片。晶片可包含半导体技术中已知的任何晶片。在另一实施例中，样本是光罩。光罩可包含半导体技术中已知的任何光罩。虽然本文中关于晶片或若干晶片描述一些实施例，但实施例不限于可使用其的样本。例如，本文中描述的实施例可用于例如光罩、平坦面板、个人计算机(PC)板及其它半导体样本的样本。

在图1中展示此系统的一个实施例。在一些实施例中，所述系统包含检验子系统，所述检验子系统包含至少一能量源及检测器。所述能量源经配置以产生经引导到样本的能量。所述检测器经配置以检测来自所述样本的能量且响应于所述经检测能量而产生输出。

在一个实施例中，检验子系统是基于光的检验子系统。例如，在图1中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按可包含一或多个倾斜角及/或一或多个法向角的一或多个入射角将光引导到样本。例如，如图1中展示，来自光源16的光经引导穿过光学元件18且接着穿过透镜20到分束器21，所述分束器按法向入射角将光引导到样本14。入射角可包含任何合适的入射角，其可取决于(例如)样本及将在样本上检测的缺陷的特性而变动。

照明子系统可经配置以在不同时间按不同入射角将光引导到样本。例如，检验子系统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，使得可按与图1中展示的入射角不同的入射角将光引导到样本。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，使得按不同入射角将光引导到样本。

在一些例项中，检验子系统可经配置以在相同时间按多于一个入射角将光引导到样本。例如，检验子系统可包含多于一个照明通道，照明通道中的一者可包含如图1中展示的光源16、光学元件18及透镜20，且照明通道的另一者(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光源及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本，那么按不同入射角引导到样本的光的一或多个特性(例如，波长、偏光等)可不同，使得可在(若干)检测器处将源自按不同入射角照明样本的光彼此区分。

在另一例项中，照明子系统可仅包含一个光源(例如，图1中展示的源16)且可由照明子系统的一或多个光学元件(未展示)将来自所述光源的光分成不同光学路径(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以依序照明样本时)将光引导到样本。在另一例项中，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，在一些例项中，光学元件18可经配置为光谱滤波器，且可以各种不同方式(例如，通过调换出光谱滤波器)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本。照明子系统可具有所属领域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本的任何其它合适的配置。

在一个实施例中，光源16可包含宽带等离子体(BBP)光源。以此方式，由光源产生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(例如激光，其可为所属领域中已知的任何合适的激光)，且可经配置以产生所属领域中已知的(若干)任何合适的波长的光。另外，激光可经配置以产生单色或近单色光。以此方式，激光可为窄带激光。光源还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18的光可通过透镜20聚焦到分束器21。虽然透镜20在图1中展示为单折射光学元件，但实际上，透镜20可包含将来自光学元件的光组合地聚焦到样本的数个折射及/或反射光学元件。图1中展示且本文中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)偏光组件、(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)孔隙及类似者，其可包含所属领域中已知的任何此类合适的光学元件。另外，系统可经配置以基于将用于检验的照明的类型更改照明子系统的一或多个元件。

检验子系统还可包含经配置以引起光扫描遍及样本的扫描子系统。例如，检验子系统可包含检验期间样本14安置在其上的载物台22。扫描子系统可包含可经配置以移动样本使得光可扫描遍及样本的任何合适的机械及/或机器人组合物(包含载物台22)。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执行光遍及样本的某一扫描。可以任何合适的方式使光扫描遍及样本。

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，所述检测器经配置以归因于通过检验子系统照明样本而检测来自样本的光且响应于所检测光而产生输出。例如，图1中展示的检验子系统包含两个检测通道，一个检测通道由集光器24、元件26及检测器28形成且另一检测通道由集光器30、元件32及检测器34形成。如图1中展示，两个检测通道经配置以按不同收集角收集且检测光。在一些例项中，一个检测通道经配置以检测镜面反射光，且另一检测通道经配置以检测不是从样本镜面反射(例如，散射、衍射等)的光。然而，两个或更多个检测通道可经配置以检测来自样本的相同类型的光(例如，镜面反射光)。虽然图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)。虽然在图1中将每一集光器展示为单折射光学元件，但每一集光器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所属领域中已知的任何合适的检测器，例如光电倍增管(PMT)、电荷耦合装置(CCD)及延时积分(TDI)相机。所述检测器还可包含非成像检测器或成像检测器。如果检测器是非成像检测器，那么每一检测器可经配置以检测散射光的某些特性(例如强度)但可不经配置以检测依据成像平面内的位置而变化的此类特性。因而，由包含在每一检测通道中的每一检测器产生的输出可为信号或数据，而非图像信号或图像数据。在此类例项中，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产生样本的图像。然而，在其它例项中，检测器可经配置为成像检测器，所述成像检测器经配置以产生成像信号或图像数据。因此，系统可经配置以按数个方式产生图像。

应注意，在本文中提供图1以大体上说明可包含在本文中描述的系统实施例中的检验子系统的配置。显然，可更改本文中描述的检验子系统配置以如在设计商业检验系统时通常执行般优化系统的性能。另外，可使用例如商业上可购自KLA的29xx及39xx系列的工具的现有检验系统(例如，通过将本文中描述的功能性添加到现有检验系统)实施本文中描述的系统。对于一些此类系统，可将本文中描述的实施例提供为检验系统的选用功能性(例如，除了检验系统的其它功能性之外)。替代地，可“从头开始”设计本文中描述的检验子系统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，所述一或多个传输媒体可包含“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接收由检测器在样本的扫描期间产生的输出。计算机子系统36可经配置以使用检测器的输出执行如本文中描述的数个功能及本文中进一步描述的任何其它功能。可如本文中描述般进一步配置此计算机子系统。

此计算机子系统(以及本文中描述的其它计算机子系统)在本文中也可称为(若干)计算机系统。本文中描述的(若干)计算机子系统或(若干)系统中的每一者可采取各种形式，包含个人计算机系统、图像计算机、主计算机系统、工作站、网络设施、因特网设施或其它装置。一般来说，术语“计算机系统”可经广泛定义以涵盖具有执行来自存储器媒体的指令的一或多个处理器的任何装置。(若干)计算机子系统或(若干)系统还可包含所属领域中已知的任何合适的处理器(例如并行处理器)。另外，所述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(作为独立工具或联网工具)。

如果系统包含多于一个计算机子系统，那么不同计算机子系统可彼此耦合，使得可在如本文中进一步描述的计算机子系统之间发送图像、数据、信息、指令等。例如，计算机子系统36可通过任何合适的传输媒体耦合到(若干)计算机子系统102(如由图1中的虚线展示)，所述传输媒体可包含所属领域中已知的任何合适的有线及/或无线传输媒体。两个或更多个此类计算机子系统还可通过共享计算机可读存储媒体(未展示)有效地耦合。

虽然上文将检验子系统描述为光学子系统或基于光的子系统，但检验子系统可为基于电子的子系统。例如，在一个实施例中，经引导到样本的能量包含电子，且从样本检测的能量包含电子。以此方式，能量源可为电子束源。在图2中展示的一个此实施例中，检验子系统包含电子柱122，所述电子柱122耦合到计算机子系统124。

还如图2中展示，电子柱包含电子束源126，电子束源126经配置以产生由一或多个元件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、限束孔隙、闸阀、束电流选择孔隙、物镜及扫描子系统，其全部可包含所属领域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，所述扫描子系统可为包含在(若干)元件130中的相同扫描子系统。

电子柱可包含所属领域中已知的任何其它合适的元件。另外，可如2014年4月4日颁蒋(Jiang)等人的第8,664,594号美国专利、2014年4月8日颁予小岛(Kojima)等人的第8,692,204号美国专利、2014年4月15日颁予顾本(Gubbens)等人的第8,698,093号美国专利及2014年5月6日颁予麦克唐纳(MacDonald)等人的第8,716,662号美国专利中所描述般进一步配置电子柱，所述专利以宛如全文陈述引用的方式并入本文中。

虽然在图2中将电子柱展示为经配置使得电子按倾斜入射角引导到样本且按另一倾斜角从样本散射，但应理解，电子束可按任何合适的角度引导到样本且从样本散射。另外，电子束子系统可经配置以使用多个模式来产生样本的图像(例如，具有不同照明角、收集角等)。电子束子系统的多个模式在子系统的(若干)任何图像产生参数方面可为不同的。

计算机子系统124可耦合到检测器134，如上文描述。检测器可检测从样本的表面返回的电子，从而形成样本的电子束图像。所述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可经配置以使用检测器的输出及/或电子束图像执行本文中描述的功能中的任何者。计算机子系统124可经配置以执行本文中描述的(若干)任何额外步骤。可如本文中描述般进一步配置包含图2中展示的检验子系统的系统。

应注意，在本文中提供图2以大体上说明可包含在本文中描述的实施例中的基于电子的检验子系统的配置。如同上文描述的光学子系统，可更改本文中描述的电子束子系统配置以如在设计商业检验系统时通常执行般优化子系统的性能。另外，可使用现有检验系统(例如，通过将本文中描述的功能性添加到现有检验系统)实施本文中描述的系统。对于一些此类系统，可将本文中描述的实施例提供为系统的选用功能性(例如，除了系统的其它功能性之外)。替代地，可“从头开始”设计本文中描述的系统以提供全新系统。

虽然上文将检验子系统描述为基于光或基于电子束的子系统，但检验子系统可为基于离子束的子系统。可如图2中展示般配置此检验子系统，例外之处是可用所属领域中已知的任何合适的离子束源替换电子束源。因此，在一个实施例中，经引导到样本的能量包含离子。另外，检验子系统可为任何其它合适的基于离子束的检验子系统，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仪(SIMS)系统中的检验子系统。

本文中描述的检验子系统可经配置以使用多个模式产生样本的输出(例如，图像)。一般来说，“模式”由用于产生样本的输出及/或图像的检验子系统的参数的值(或用于产生样本的图像的输出)定义。因此，(除样本上产生输出的位置之外)模式可在检验子系统的参数中的至少一者的值方面不同。例如，在光学子系统中，不同模式可使用(若干)不同波长的光进行照明。模式可在(若干)照明波长方面不同，如本文中进一步描述(例如，通过对于不同模式使用不同光源、不同光谱滤波器等)。在另一实例中，不同模式可使用光学子系统的不同照明通道。例如，如上文提及，光学子系统可包含多于一个照明通道。因而，不同照明通道可用于不同模式。模式也可或替代地在光学子系统的一或多个收集/检测参数方面不同。模式可在检验子系统的任何一或多个可更改参数(例如，(若干)照明偏光、(若干)角度、(若干)波长等、(若干)检测偏光、(若干)角度、(若干)波长等)方面不同。例如，取决于使用多个模式同时扫描样本的能力，检验子系统可经配置以在相同扫描或不同扫描中使用不同模式扫描样本。

以类似方式，由电子束子系统产生的输出可包含由电子束子系统使用电子束子系统的参数的两个或更多个不同值产生的输出(例如，图像)。电子束子系统的多个模式可由用于产生样本的输出及/或图像的电子束子系统的参数的值定义。因此，模式可在电子束子系统的至少一个电子束参数的值方面不同。例如，不同模式可使用不同入射角进行照明。

可在一或多个参数方面修改本文中描述且在图1及2中展示的子系统以取决于将使用其的应用而提供不同输出产生能力。在一个此实例中，图1中展示的检验子系统可经配置以在其用于缺陷检视或计量而非用于检验的情况下具有较高分辨率。换句话说，图1及2中展示的检验子系统的实施例描述检验子系统的某些一般及各种配置，其可以将对所属领域的技术人员显而易见的数个方式定制以产生具有或多或少适于不同应用的不同输出产生能力的检验子系统。

如上文提及，光学、电子及离子束子系统经配置以将能量(例如，光、电子等)扫描遍及样本的物理版本，从而针对样本的物理版本产生输出。以此方式，光学、电子及离子束子系统可经配置为“实际”子系统而非“虚拟”子系统。然而，图1中展示的存储媒体(未展示)及(若干)计算机子系统102可经配置为“虚拟”系统。特定来说，存储媒体及(若干)计算机子系统可经配置为“虚拟”检验系统，如在共同让予的以下专利中描述：在2012年2月28日颁予哈斯卡(Bhaskar)等人的第8,126,255号美国专利及2015年12月29日颁予达菲(Duffy)等人的第9,222,895号美国专利，所述两个专利以宛如全文陈述引用的方式并入本文中。可如这些专利中描述般进一步配置本文中描述的实施例。

一或多个计算机子系统经配置用于基于样本上的多边形的特性将样本上的关注区域中的多边形分成初始子群组，使得具有特性的不同值的多边形被分成不同初始子群组。例如，如图3的步骤300中展示，(若干)计算机子系统可经配置用于基于样本上的多边形的特性将关注区域中的多边形分成初始子群组。在本文中进一步描述可用于此步骤的多边形特性的若干实例。如何定义这些特性的不同值可以数个方式变动。例如，一些特性是定性而非定量的，例如，正方形形状不同于线形状，所述两个形状不同于不规则多边形形状。然而，许多特性可为定量地不同，例如，以度为单位描述的定向差异、以nm为单位描述的尺寸、以nm²为单位描述的面积等。因此，在分离步骤中是否将特性的两个值确定为不同可基于定义不同值对非不同值的值的预定范围。值之间的差的预定范围可以任何合适的方式确定，例如，可由用户设置预定范围，可基于两个值必须相差多少才能使其在统计上被视为不同而在统计上确定预定范围，预定范围基于两个多边形必须不同的程度以产生噪声的统计上不同值或两个多边形必须类似的程度以产生噪声的统计上类似值的先验知识等。

虽然本文中关于多边形的特性描述实施例，但分离步骤可基于多边形的一或多个特性(例如形状、定向、尺寸等)执行。一些多边形可基于一个特性(例如，形状)的值分离，而其它多边形可基于不同特性(例如，定向)分离。在一个实施例中，多边形的特性包含多边形的物理特性。在另一实施例中，通过沿着一个轴投影多边形而执行分离。例如，可基于设计多边形尺寸(例如多边形面积、x尺寸及y尺寸、多边形定向、多边形形状、在x方向或y方向上的投影值及关注区域尺寸)将关注区域中的多边形划分为初始子群组。以此方式，关注区域中的多边形的初始子分组可根据设计多边形的尺寸/形状/定向及/或基于投影的群组而执行。

在图4中展示关注区域中的多边形的基于投影的分析的一个实例。图4展示关注区域400的设计图像。设计图像展示关注区域的设计中的多边形。确定此关注区域中的多边形的特性可包含沿着y方向的投影，其可产生投影402，其展示依据沿着x轴的位置而变化的多边形的数目。接着可将具有相同或类似计数的多边形指派到相同关注区域初始子群组。换句话说，定位在具有基于高投影的计数的区域中的全部设计多边形隶属于关注区域初始子群组1(CAG1)且其它设计多边形隶属于关注区域初始子群组2(CAG2)。因此，基于图4中展示的投影，关注区域400中的多边形404将被分成CAG1且关注区域400中的多边形402将被分成CAG2。当关注区域主要包含线及其间具有一些其它多边形的空间图案时，多边形的基于投影的分离可特别合适。

图5展示样本(例如晶片)的关注区域500的另一实例。如图5中展示，关注区域包含具有不同特性的多个多边形。特定来说，一些多边形是在x方向上延伸的线状结构，其它多边形是在y方向上延伸的线状结构，且一些额外多边形是正方形状结构。虽然图5(及本文中描述的其它图)展示包含特定数目个且具有特定特性的多边形的关注区域的实例，但应理解，本文中描述的实施例不限于可针对其执行本文中描述的步骤的具有任何特定特性(大小、形状、位置等)的任何特定关注区域及/或多边形。另外，虽然本文中关于关注区域(可存在其形成在样本上的多个例项)描述实施例，但本文中描述的实施例也可针对样本上的多个关注区域单独及独立地执行。

图5中展示的关注区域中的多边形可分成不同初始子群组，如本文中进一步描述。例如，图7展示图5的关注区域的版本700，其中具有不同特性的多边形经展示为具有不同填充图案。特定来说，在y方向上延伸的线状结构经展示为具有水平线填充图案，在x方向上延伸的线状结构经展示为具有垂直线填充图案，且正方形状结构经展示为具有对角线填充图案。因此，图7中展示的具有相同填充图案的多边形中的每一者属于相同初始子群组。换句话说，在y方向上延伸的线状结构可全部分成第一初始子群组，在x方向上延伸的线状结构可全部分成第二初始子群组，且正方形状结构可全部分成第三初始子群组。以此方式，图5的关注区域中展示的多边形可基于其形状、大小、定向等被分成初始子群组。

在一些实施例中，关注区域中的多边形包含样本的多于一个层上的多边形。例如，多边形不限于多边形的一个单层而可延伸到含有多边形的多个层。多于一个层可包含将被检验的层及在将在样本上被检验的层下方的层。因此，经检验层下方的层可不一定在检验中受关注，但所述下伏层及/或在其上形成的多边形可影响在检验期间针对样本产生的输出。例如，下伏多边形可影响由检验子系统针对样本产生的输出中的噪声。因此，本文中描述的实施例可考虑此类多边形，这是因为相同经检验层上的两个相同多边形可归因于不同下伏多边形而在检验中具有大体上不同噪声特性。以此方式，初始子群组可经定义使得将经检验层上具有特性的不同值的多边形分成不同初始子群组且使得将经检验层上具有特性的相同值但定位在具有(若干)多边形的特性的不同值的一或多个多边形上方的多边形分成不同初始子群组。在一个此实例中，图5中展示的在x方向上延伸的线状结构可分成如图7中展示的初始子群组，接着可基于线状结构形成在其上方的多边形(未展示)而将所述初始子群组中的多边形进一步分成子群组。可如本文中描述般从样本的设计获取关于样本的多于一个层上的多边形的信息。定义关注区域初始子群组可接着针对每一层独立地执行或尤其当不同层的设计多边形重叠时可为组合。

关注区域初始及最终子群组的产生也不限于分割原始关注区域，但可分别基于如本文中描述的设计多边形及噪声的特性创建全新关注区域。例如，虽然为了简洁起见，关注区域中的设计多边形及各种子群组中的设计多边形在本文中展示的实例中相同，但情况不必如此，这是因为关注区域可取决于本文中描述的步骤的结果而生长或收缩。换句话说，关注区域可从其原始定义扩展以涵盖具有与原始定义关注区域中的多边形相同的多边形的特性的值及与原始定义关注区域中的多边形大体上相同的噪声的特性的值的其它附近多边形。以类似方式，关注区域可从其原始定义收缩以从原始定义消除一或多个多边形，可基于本文中描述的初始子分组及最终子分组步骤将所述一或多个多边形移动到另一关注区域或完全从全部关注区域移除。对界定关注区域的周边的此扩展、收缩或其它修改可仅基于经检验层上的多边形或基于样本的多于一个层上的多边形而执行。

在另一实施例中，一或多个计算机子系统进一步经配置用于从样本的设计确定样本上的多边形的特性。例如，分离步骤可包含通过使用基于设计的图案搜索而将关注区域群组划分为初始子群组。在一个此实例中，基于IC设计(例如，图案密度、线距离等)的逻辑规则可用于确定多边形的特性且将具有不同特性的多边形彼此分离。可通过本文中描述的实施例或通过使用另一系统或方法(例如电子设计自动化(EDA)工具，其可包含所属领域中已知的任何市售EDA工具)以任何合适的方式执行。

在额外实施例中，一或多个计算机子系统进一步经配置用于通过呈现样本的设计而确定样本上的多边形的特性。例如，分离步骤可包含其中使用样本的设计以模拟如将形成在样本上的多边形的特性的基于设计呈现的方法。特定来说，如经设计的多边形的特性可不同于如形成在样本上的多边形的特性。另外，由于如形成在样本上而不一定如经设计的多边形的特性将影响检验系统输出中的噪声的特性，因此如将形成在样本上的多边形的特性可比其经设计特性更合适用于将多边形分成初始子群组。

呈现设计可包含模拟在将设计印刷或制造在样本上时设计的外观。例如，呈现设计可包含产生在其上印刷或形成多边形的样本的经模拟表示。可用于产生经模拟样本的经经验训练的工艺模型的一个实例包含SEMulator 3D，其商业上可购自卡罗莱纳州(NC)卡里(Cary)的Coventor公司。严格光刻模拟模型的实例是Prolith，其商业上可购自KLA且可与SEMulator 3D产品配合使用。然而，可执行呈现样本的设计，以使用在从设计制造实际样本中涉及的(若干)工艺的任何者的(若干)任何合适的模型产生经模拟样本。以此方式，可使用设计以模拟已在其上形成设计的样本在样本空间中的外观(未必是此样本对于成像系统的外观)。因此，设计呈现可产生样本的经模拟表示，其可表示样本将在样本的二维(2D)或三维(3D)空间中的外观。

(若干)计算机子系统还经配置用于确定在由检验子系统的检测器针对不同初始子群组中的样本上的多边形产生的输出中的噪声的特性。例如，如图3的步骤302中展示，(若干)计算机子系统可经配置用于确定在由检验子系统的检测器针对多边形产生的输出中的噪声的特性。由检测器产生的输出可包含本文中描述的任何输出，例如，图像信号、图像数据、非图像信号、非图像数据等。噪声的特性可以本文中描述的数个不同方式确定。

在一些例项中，整个关注区域的噪声的特性可大体上不同于关注区域内的多边形的不同初始子群组(其也可大体上彼此不同)的噪声的特性。图6及8说明此类差异且展示从分别由图5及7中展示的设计多边形导出的关注区域内的结构的基于晶片的差异图像导出的2D直方图。在这些图中展示的2D直方图上的轴是参考灰度级及差异灰度级。在图6中，已将图5的关注区域中的全部多边形的参考灰度级及差异灰度级组合在一起。因此，图6中展示的2D直方图600是初始关注区域群组的直方图(参考灰度级超过差异灰度级)。多边形的初始子群组中的至少一者是大体上具有噪声的，这在2D直方图600中通过大体上大动态范围及大体上高噪声水平展示(其中在此背景内容中使用的“动态范围”被定义为参考图像帧中的最大-最小灰度级)。动态范围对于本文中描述的实施例中的噪声的特性可尤其有用，这是因为动态范围通常与针对其产生2D直方图的区域(例如，相较于仅包含一个类型的多边形(其全部在样本上具有大体上类似特性)的关注区域，包含不同类型的多边形(其至少一些在样本上具有不同特性)的关注区域在此2D直方图中将通常具有更高动态范围)中的多边形的类型相关。例如，如果在参考图像帧中存在许多不同图案(即，具有不同灰度级的图案的混合)，那么2D直方图可展示相对高动态范围。

如上文描述，在识别图5中展示的关注区域中的全部个别多边形之后，将多边形形状中的每一者分组成如图7中展示的三个初始子群组中的一者。接着可针对初始子群组中的每一者产生个别直方图。可(例如)通过基于关注区域中产生数据的位置及关注区域中多边形所处的位置分离数据而从用于产生直方图600的相同数据产生个别直方图，可针对多边形的不同初始子群组分离数据。例如，如图8中展示，可针对在x方向上延伸的线状结构产生2D直方图800，可针对正方形状结构产生2D直方图802，且可针对在y方向上延伸的线状结构产生2D直方图804。如从图8可见，通过针对初始子群组评估个别2D直方图，2D直方图802及804展示针对正方形状多边形及在y方向上延伸的线状多边形的初始子群组是相对安静的(例如，具有在相对小动态范围中的大体上低噪声值)、具有类似噪声特性(例如，跨噪声的大体上类似值的大体上类似噪声分布)，而针对在x方向上延伸的线状多边形的2D直方图800大体上具有噪声(例如，具有相对大动态范围)、具有与其它2D直方图大体上不同的噪声特性(例如，2D直方图800中的噪声分布大体上不同于2D直方图802及804中的噪声分布)。这些直方图接着可用于确定多边形的最终子群组，如本文中进一步描述。

在一个实施例中，由检验子系统的检测器产生的用于确定噪声的特性的输出通过使用检验子系统扫描样本而产生。例如，使用关注区域初始子群组的全部，可执行晶片检验运行。因此，一或多个计算机子系统可经配置用于通过使用本文中描述的检验子系统中的一者(例如，通过将光或电子束引导到样本且检测来自样本的光或电子束)而获取用于确定噪声特性的输出。以此方式，可使用物理样本自身及某一种类的检验(例如，成像)硬件执行获取输出。然而，获取输出不一定包含使用成像硬件使样本成像或扫描样本。例如，另一系统及/或方法可产生输出且可将经产生输出存储在一或多个存储媒体(例如，如本文中描述的虚拟检验系统或本文中描述的另一存储媒体)中。因此，获取输出可包含从其中已存储输出的存储媒体获取输出。

在一些实施例中，用于确定噪声的特性的输出是针对样本使用检验子系统的多于一个模式产生的输出。例如，多模式噪声信息可用于本文中进一步描述的(若干)步骤。当选择用于多模式检验的缺陷检测方法时，使用多模式噪声可为有益的。检验子系统的多个模式可包含本文中进一步描述的任何模式。在一些例项中，不同噪声特性可从在不同模式中产生的输出确定。例如，不同模式可用于样本的相同检验，且本文中描述的实施例可经配置以针对多于一个模式单独执行步骤，例如使得针对不同模式确定不同最终子群组，接着可如本文中描述般针对所述不同模式选择不同缺陷检测方法。以此方式，当模式已知时，本文中描述的步骤可针对每一模式单独且独立地执行，且例如，当模式无法同时用于产生样本的输出时，用于所述步骤的(若干)检测器的输出可在样本的相同扫描中或样本的多个扫描中产生。

本文中描述的步骤也可针对多于一个模式执行以用于模式选择。例如，本文中描述的步骤可用于通过针对不同模式执行本文中描述的步骤且接着确定哪一或哪些模式将最合适用于样本的检验(例如，通过比较针对不同模式确定的最终子群组及在不同模式中针对最终子群组选择的缺陷检测方法)而评估不同模式，可识别并选择可检测大多数DOI、抑制大多数扰乱点等的模式或模式组合以用于样本或相同类型的其它样本的检验。以此方式，本文中描述的实施例可用于(若干)模式及(若干)算法两者的同时选择。另外，如本文中进一步描述，可独立地调谐经选择的缺陷检测方法的(若干)参数，从而实现针对每一最终子群组的检验及模式组合的优化。还可通过本文中描述的实施例针对每一模式/最终子群组/缺陷检测方法组合(例如，扰乱点过滤参数、缺陷分类参数等)独立地选择检验子系统及/或检验配方的(若干)任何其它参数。可以所属领域中已知的任何合适的方式选择此类其它参数。

在另一实施例中，确定噪声的特性包含执行输出的统计分析。例如，可测量噪声，且可执行计算特性(例如不同灰度级或动态范围的标准偏差)的统计分析。另外，确定噪声的特性可包含执行每一个别关注区域初始子群组的噪声分布的统计分析，例如，在μ+/-3σ处针对差异灰度级设置0的偏移，其中μ是平均值且σ是标准偏差。噪声的特性还可或替代地可为噪声相对于非噪声信号或图像数据的特性。例如，通过本文中描述的实施例确定的噪声的特性可为描述噪声的特性相对于非噪声的特性的一种共同信噪比。例如，噪声的特性可包含噪声及/或离群点(潜在缺陷信号或图像)分布特性或基于所述噪声及/或离群点分布特性而确定。

在一些实施例中，确定噪声的特性包含确定在由检验子系统的检测器针对样本上的多边形产生的输出组合由检验子系统的检测器针对另一样本上的不同初始子群组中的多边形产生的输出中的噪声的特性。例如，可通过在若干(两个或更多个)晶片上收集数据而执行针对最终子群组的分组。以此方式，可相对于晶片间工艺变动识别具有噪声及不具有噪声的关注区域及多边形。另外，可相应地对具有相对高晶片间变动的关注区域群组/子群组进行识别并分组。还可动态地确定扫描多少样本以产生用于确定噪声的特性及确定最终子群组的输出。例如，如果扫描两个样本且不同样本上的相同多边形展示样本间噪声特性的大体上高变动，那么可扫描一或多个额外样本以进一步特性化样本间由所述多边形展现的噪声。另外，经扫描的样本的数目可以所属领域中已知的任何合适的方式确定。

在额外实施例中，确定噪声的特性包含确定在由检验子系统的检测器针对样本上的关注区域的多于一个例项中的不同初始子群组中的样本上的多边形产生的输出中的噪声的特性。例如，虽然在本文中关于关注区域描述实施例且所述实施例可使用针对单个关注区域例项产生的输出执行，但一般来说，用于确定噪声的特性的输出可从至少一个样本上的关注区域的多于一个例项产生。可在样本上的相同光罩例项(例如，裸片、场等)及/或在样本上的多于一个光罩例项中形成关注区域的多个例项。另外，用于确定噪声的特性的关注区域例项跨样本的分布可基于(例如)跨样本的预期工艺变动(其可影响检验子系统输出)、在检验运行期间将被扫描的样本上的面积等确定。此外，虽然从许多(不止两个)关注区域例项产生用于确定噪声特性的输出可为有利的，但从样本上的全部关注区域例项产生输出可不一定合理地特性化来自样本中的多边形的噪声。不管如何执行扫描或输出产生，可以任何合适的方式(例如，基于关注区域中的多边形的已知位置、样本上的关注区域例项的已知或经估计位置及在样本上产生各种输出的已知位置)识别针对初始子群组中的多边形产生的输出。因此，针对不同多边形产生的输出可经分离且用于确定如本文中描述的噪声的特性。

(若干)计算机子系统经配置用于通过将具有噪声的特性的大体上相同值的不同初始子群组中的任何两者或更多者组合成最终子群组中的一者而确定多边形的最终子群组。例如，如图3的步骤304中展示，(若干)计算机子系统可确定多边形的最终子群组。取决于噪声的特性，可组合关注区域初始子群组。如本文中使用的术语“大体上相同”值可与术语“非显著不同”及“统计上类似”值互换地使用。如本文中使用的术语“统计上类似”值旨在具有在数学及尤其统计学的领域中使用的术语的普遍接受的定义，即，统计上类似被普遍接受为“在误差容限内”且“不是由非偶然因素引起”。这两种定义与本文中的术语的使用一致。例如，可通过比较值的差异与误差容限及确定在误差容限内的差“统计上类似”而确定噪声特性的值是否是“统计上类似”。

在一个此实例中，可将具有类似动态范围值、裸片间(差异)灰度级变动等的关注区域初始子群组组合成一个关注区域最终子群组。在图8中，例如，由于针对在x方向上延伸的线状多边形的子群组产生的2D直方图800大体上不同于分别针对正方形状多边形及在y方向上延伸的线状多边形产生的2D直方图802及804，将在x方向上延伸的线状多边形与关注区域中的其它多边形分离看似非常有前景，这是因为我们可降低其它多边形的阈值(图表中的垂直线)以检测定位在噪声分布的中心部分处的DOI。另外，由于分别针对正方形状多边形及在y方向上延伸的线状多边形产生的2D直方图802及804展示这些多边形具有大体上相同噪声特性，可将这些多边形组合成一个最终子群组。以此方式，确定最终子群组可包含将经确定为具有大体上相同噪声行为的初始子群组组合成最终子群组。因此，包含在x方向上延伸的线状结构的具有更多噪声的初始子群组不会与其它多边形初始子群组组合，而是将被包含在其自身的单独最终子群组中。

以此方式，如图8中展示，由于针对包含在x方向上延伸的线状结构的初始子群组A产生的2D直方图800大体上不同于针对其它初始子群组产生的2D直方图，因此在x方向上延伸的线状结构可被包含在一个最终子群组(在图8中由元件符号806指示的关注区域群组1)中。另外，由于针对包含正方形状结构的初始子群组B产生的2D直方图802展示与针对包含在y方向上延伸的线状结构的初始子群组C产生的2D直方图804大体上相同的噪声特性，因此可将这些初始子群组组合成一个最终子群组(在图8中由元件符号808指示的关注区域群组2)。

这些最终子群组也在图9中展示，其中在相同最终子群组中的多边形的图案填充相同。特定来说，如图9中展示，由于正方形状多边形及在y方向上延伸的线状多边形被组合成最终子群组，这两种多边形可使用相同图案填充(图9中展示的水平线)指示。另外，由于在x方向上延伸的线状结构包含在其自身的最终子群组中，因此这些多边形在图9中使用不同于关注区域版本900中的全部其它多边形类型的图案填充(垂直线)来展示。

在一个实施例中，确定噪声的特性及确定最终子群组在一或多个计算机子系统及检验子系统上实施为噪声扫描功能性。在一个此实施例中，一或多个计算机子系统及检验子系统经配置用于通过在由检验子系统的检测器产生的输出中收集图像帧数据及根据预定算法计算差异图像帧而实施噪声扫描。在另一此实施例中，预定算法与由从其选择第一及第二缺陷检测方法的适用于样本或另一样本的检验的多个缺陷检测方法中的至少一者使用的预定算法相同。

以此方式，上述确定噪声的特性及确定最终子群组步骤可在其中彼此配合执行两个步骤的(若干)计算机子系统及/或检验子系统上实施为“噪声扫描”功能性。换句话说，如果用户在本文中描述的实施例上选择“噪声扫描”选项，那么确定噪声的特性及确定最终子群组步骤两者可由本文中描述的实施例执行。接着，共同地，这些步骤可包含收集图像帧数据及根据特定算法计算差异图像帧(无论是否通过裸片间减法、单元间减法、测试图像到标准参考图像减法等)。因而，噪声扫描可使用所选取的缺陷检测算法执行。理想地，针对噪声扫描选择的相同缺陷检验算法还将用于实际缺陷检测(虽然不一定需要)。选择正确缺陷检测算法的方式可基于检验的要求，例如，一些晶片设置使得必须使用SRD(本文中进一步描述)，而其它晶片设置归因于严重工艺变动而可需要MCAT+(本文中也进一步描述)等。另外，用户可决定在噪声扫描或缺陷检测中使用哪一类型的算法且在一些例项中，可选择算法中的一者(例如，MCAT(本文中进一步描述))作为默认。接着将此差异图像帧与经细分的关注区域初始子群组重叠以鉴于其个别噪声行为识别正确最终子分组。

噪声扫描还可使用最小化系统噪声的算法执行关注区域分组。例如，通过基于多边形的初始子群组的噪声行为之间的类似性及差异而将多边形的初始子群组组织成最终子群组，本文中描述的实施例可最小化用于缺陷检测的多边形的最终子群组内的系统噪声。因此，使用最终子群组作为用于检验的关注区域提供显著优点，这是因为如本文中进一步描述，针对不同最终子群组执行的缺陷检测可不同且可针对最终子群组中的每一者及其噪声行为定制。

虽然组合初始子群组以确定最终子群组可为更常见的，但本文中描述的实施例不仅限于此。在一些例项中，确定最终子群组可包含将初始子群组中的多边形区分成不同最终子群组。举例来说，例如，取决于多边形例项附近的多边形、在多边形例项下方的多边形、多边形例项在样本上(例如，相对于样本的边缘或中心)所处的位置等，相同多边形的不同例项可展现不同噪声行为。因此，在选用案例中，本文中描述的(若干)计算机子系统可经配置以分析初始子群组的噪声特性以随多边形例项识别具有大体上不同噪声特性的(若干)初始子群组。

在一个此实例中，(若干)计算机子系统可比较针对初始子群组确定的噪声特性(例如动态范围)与预定阈值并确定应评估具有超过预定阈值的动态范围的任何初始子群组以用于分离。(若干)计算机子系统接着可以各种方式(例如，取决于关注区域内位置、取决于样本内位置、取决于邻近多边形、取决于下伏多边形等)分离多边形例项。接着可针对这些初始“子子群组”或“中间子群组”确定噪声特性。取决于所述噪声特性类似或不同的程度，可将初始子群组中的多边形例项分成两个或更多个不同最终子群组。

在假设实例中，如果如本文中描述般针对以上文描述的一或多个方式识别的各种中间子群组产生2D直方图，且全部2D直方图看似类似于图6中展示的2D直方图600(即，其全部具有大体上类似且相对大动态范围)，那么可将中间子群组重组成其原始初始子群组且指定为单个最终子群组(除非其与另一初始子群组组合以形成最终子群组)。相比之下，如果如本文中描述般针对以上文描述的一或多个方式识别的两个中间子群组产生2D直方图且2D直方图中的一者看似类似于图8中展示的2D直方图800且2D直方图的另一者看似类似于图8中展示的2D直方图802，那么可将中间子群组指派到不同最终子群组。另外，针对三个或更多个中间子群组确定最终子群组可包含将一个中间子群组指派到最终子群组且将两个或更多个中间子群组指派到不同最终子群组的某一组合。此外，可比较中间子群组噪声特性与针对其它初始子群组(不仅中间子群组)确定的噪声特性，且基于噪声特性之间的类似性及差异，可将中间子群组与子群组组合成最终子群组。以此方式，在样本上具有相同特性的多边形的不同子集可与在多边形特性方面具有其它不类似的多边形一起包含在最终子群组中。可以其它方式如本文中进一步描述般处理以此方式产生的最终子群组，从而允许使用不同缺陷检测方法及/或参数检验相同多边形的不同例项。

(若干)计算机子系统进一步经配置用于分别针对最终子群组的第一者及第二者，基于分别针对最终子群的第一者及第二者确定的噪声的特性而选择用于应用到由检验子系统的检测器在样本或相同类型的另一样本的检验期间产生的输出的第一及第二缺陷检测方法。例如，如图3的步骤306中展示，(若干)计算机子系统可针对最终子群组选择缺陷检测方法。针对其执行检验的样本可具有相同类型，因为其可在对其执行检验之前经受相同制造工艺。

由于如本文中描述般确定最终子群组使得不同最终子群组展现不同噪声特性，因此一般来说，针对不同最终子群组选择的缺陷检测方法将最有可能是不同的(虽然不一定针对全部最终子群组)。例如，第一及第二缺陷检测方法通常将彼此不同，这是因为不同最终子群组通常将具有不同噪声特性。然而，在一些例项中，针对两个或更多个最终子群组，可选择相同缺陷检测方法。如果针对两个或更多个最终子群组选择相同缺陷检测方法，那么可针对两个或更多个最终子群组中的每一者独立且单独地调谐缺陷检测方法的参数，使得针对不同最终子群组定制缺陷检测方法。

因此，可针对具有不同噪声特性的多边形的最终子群组单独且独立地选择第一及第二缺陷检测方法，这实现针对每一最终子群组使用最灵敏缺陷检测方法。例如，可基于针对每一最终子群组确定的噪声特性，针对每一最终子群组独立地选择可检测大多数DOI而无禁止水平的扰乱点检测的缺陷检测方法。样本或相同类型的另一样本的检验接着可包含使用关注区域最终子群组的组合执行的缺陷检测及针对所述关注区域最终子群组选择的缺陷检测方法或算法。以此方式，本文中描述的实施例通过关注区域划分及重新分组而提供灵敏度增强。

经选择的第一及第二缺陷检测方法可为完全不同类型的缺陷检测方法(不仅是具有一或多个不同参数(例如阈值)的相同缺陷检测方法)。第一及第二缺陷检测方法两者还可包含所属领域中已知的任何合适的缺陷检测方法，在本文中描述所述方法的一些实例。例如，第一及第二缺陷检测方法中的一者可包含多裸片适应性阈值(MDAT)算法，其可用在商业上可购自KLA的一些检验系统上。MDAT算法通过图像帧减法执行候选与参考图像比较，且在相较于多于两个帧的中值参考帧时通过双检测(比较候选图像与两个参考图像)或单个检测基于信噪比识别离群点。第一及第二缺陷检测方法中的一者还可或替代地可包含多运算裸片适应性阈值(MCAT)算法，其也可用在商业上可购自KLA的一些检验系统上。一般来说，此缺陷检测算法类似于MDAT算法，但在执行图像减法之前优化参考以类似于测试图像帧。另外，第一及第二缺陷检测方法中的一者可包含MCAT+算法，其也可用在来自KLA的一些目前可用的检验系统上且为类似于MCAT但使用来自跨晶片的参考的算法。第一及第二缺陷检测方法中的一者可进一步包含可用在来自KLA的一些市售检验系统上的单参考裸片(SRD)缺陷检测方法或算法。此缺陷检测算法使用来自相同或不同晶片的参考裸片作为参考(用于从测试图像的减法)。

在一个实施例中，第一及第二缺陷检测方法中的至少一者包含针对在检验期间由检验子系统的检测器产生的输出产生一维(1D)直方图。针对检测器输出产生1D直方图的缺陷检测方法可称为1D缺陷检测方法。在一个实施例中，1D直方图是从由在检验期间由检验子系统的检测器产生的输出产生的差异图像中的灰度级产生。例如，1D缺陷检测方法或算法可使用在x轴上具有差异灰度级的用于离群点检测的1D直方图。因此，1D直方图可展示差异灰度级上的缺陷计数。以此方式，本文中描述的实施例可将关注区域修改与1D缺陷检测(即，基于1D图像直方图的阈值设置)组合。相比之下，如本文中使用的术语“2D缺陷检测算法”是使用2D直方图(其中一个轴是(例如)n>1个参考帧的中值灰度级(y轴)且x轴是差异灰度级(例如本文中描述的图中展示的直方图))的算法。另外，经执行用于确定如本文中描述的噪声的特性的噪声扫描可匹配选定缺陷检测方法(即，其可以与缺陷检测方法相同的方式产生差异图像、直方图等且从所述结果确定噪声特性)。

如本文中描述般选择的缺陷检测方法还可包含用于所属领域中已知的任何2D缺陷检测方法的1D模拟。例如，每一目前使用的2D缺陷检测算法具有1D对应物。在一些此类实例中，本文中提及的缺陷检测算法可具有1D及2D版本两者(例如，1D MDAT及2D MDAT；1DMCAT及2D MCAT；1D MCAT+及2D MCAT+；1D SRD及2D SRD)，且可如本文中描述般选择哪一版本用于最终子群组中的任一者中的缺陷检测。因此，本文中描述的关注区域修改是1D缺陷检测的致能器。

在另一实施例中，第一及第二缺陷检测方法中的一者包含针对在检验期间由检验子系统的检测器产生的输出产生1D直方图，且第一及第二缺陷检测方法中的另一者包含针对在检验期间由检验子系统的检测器产生的输出产生2D直方图。例如，可选择第一及第二缺陷检测方法以将用于具有相对高动态范围的最终关注区域子群组(例如，图9中展示的群组1)的2D直方图缺陷检测方法与用于具有相对低动态范围的区域(例如，图9中展示的群组2)的1D缺陷检测。换句话说，如果多边形可划分为全部具有相对低中值灰度级范围的最终子群组且使得每个最终子群组大体上噪声纯，那么缺陷检测方法的1D版本可合适于与最终子群组一起使用。如果情况并非如此或仅一些关注区域最终子群组大体上噪声纯，那么(若干)计算机子系统可选择缺陷检测方法的2D版本用于噪声“不纯”关注区域最终子群组且选择缺陷检测方法的1D版本用于噪声“纯”关注区域最终子群组。另外，可选择相同缺陷检测方法的不同版本用于不同最终子群组。例如，如果在晶片上的光罩的每一经印刷例项中存在重复项缺陷(其为印刷检查晶片的情况)，那么经选择用于最终子群组中的两者或更多者的缺陷检测方法可为SRD方法或算法，这是因为此缺陷检测方法具有“黄金”非缺陷参考。针对为其选择SRD的两个或更多个最终子群组中的每一者，可取决于每一最终子群组的噪声纯度而针对每一最终子群组独立地选择算法的1D或2D版本。

在进一步实施例中，一或多个计算机子系统经配置用于单独调谐第一及第二缺陷检测方法的一或多个参数。例如，针对每一关注区域最终子群组，例如，可基于μ+/-3*σ定义0的阈值偏移。在一个此实例中，(若干)计算机子系统可(例如)通过按差异灰度级绘制像素的数目而创建差异图像的直方图。(若干)计算机子系统接着可计算此直方图的统计矩，例如μ及σ。在大多数情况中，μ应大体上接近零的差异灰度级。如果σ值在(例如)20差异灰度级处且阈值欲设置在σ的3倍处，那么这意味着阈值将在60差异图像灰度级处。当然，这仅为实例且可使用其它统计值以设置阈值。

用户接着可指定在执行缺陷检测时应该应用哪个阈值。例如，如果默认设置不足，那么用户可视需要选择阈值。用户可基于使用特定阈值检测的离群点的数目及(例如)是否存在限制(例如，捕获率阈值)而设置阈值。

作为替代例，可基于每个个别关注区域最终子群组执行偏移0计算，且可将阈值应用到全部所述关注区域最终子群组。经设置等于零的偏移是指差异灰度级，其中低于所述差异灰度级的所有事物被视为噪声且高于所述差异灰度级的所有事物被视为离群点。取决于所使用的缺陷检测方法，可使用此零值代替μ。

以此方式，可在检验期间定义并应用最终关注区域子群组的用户或自动定义阈值。另外，可针对不同最终子群组单独且独立地执行灵敏度调谐。还可以所属领域中已知的任何其它合适的方式执行灵敏度调谐。

(若干)计算机子系统还可经配置用于存储用在样本或相同类型的另一样本的检验中的选定第一及第二缺陷检测方法的信息。(若干)计算机子系统可经配置以将信息存储在配方中或通过产生其中将应用第一及第二缺陷检测方法的检验配方。如本文中使用的术语的“配方”被定义为可由工具使用以对样本执行工艺的一组指令。以此方式，产生配方可包含产生关于如何执行工艺的信息，所述信息可接着用于产生用于执行所述工艺的指令。由(若干)计算机子系统存储的第一及第二缺陷检测方法的信息可包含可用于识别、存取及/或使用选定缺陷检测方法的任何信息(例如，例如文件名及其存储之处)。经存储的选定缺陷检测方法的信息还可包含用于执行缺陷检测方法的实际缺陷检测方法代码、指令、算法等。

(若干)计算机子系统可经配置用于将选定缺陷检测方法的信息存储在任何合适的计算机可读存储媒体中。信息可与本文中描述的任何结果一起存储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中描述的任何存储媒体或所属领域中已知的任何其它合适的存储媒体。在已存储信息之后，信息可在存储媒体中存取且由本文中描述的任何方法或系统实施例使用，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。例如，本文中描述的实施例可产生如上文描述的检验配方。所述检验配方接着可由系统或方法(或另一系统或方法)存储并使用以检验样本或其它样本以从而产生样本或其它样本的信息(例如，缺陷信息)。

通过对样本或相同类型的其它样本执行检验而产生的结果及信息可通过本文中描述的实施例及/或其它系统及方法以各种方式使用。此类功能包含(但不限于)更改工艺，例如以反馈或前馈方式对或将对经检验样本或另一样本执行的制造工艺或步骤。例如，本文中描述的虚拟系统及(若干)其它计算机子系统可经配置以确定对如本文中描述般检验的样本执行的工艺及/或将基于(若干)经检测缺陷对样本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的改变。本文中描述的虚拟系统及/或(若干)其它计算机子系统优选确定所述改变使得可减少或防止对其执行经修订工艺的其它样本上的缺陷，可在对样本执行的另一工艺中校正或消除样本上的缺陷，可在对样本执行的另一工艺中补偿缺陷等。本文中描述的虚拟系统及(若干)其它计算机子系统可以所属领域中已知的任何合适的方式确定此类改变。

接着可将所述改变发送到半导体制造系统(未展示)或可供本文中描述的虚拟系统或(若干)其它计算机子系统及半导体制造系统存取的存储媒体(未展示)。半导体制造系统可为或可不为本文中描述的系统实施例的部分。例如，本文中描述的虚拟系统、(若干)其它计算机子系统及/或检验子系统可(例如)经由一或多个共同元件(例如外壳、电源供应器、样本处置装置或机构等)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、沉积工具及类似者。

因此，如本文中描述，实施例可用于设置新检验工艺或配方。实施例还可用于修改现有检验工艺或配方，无论其是用于样本或是针对一个样本创建且经调适用于另一样本的检验工艺或配方。然而，本文中描述的实施例不仅仅限于检验配方或工艺创建或修改。例如，本文中描述的实施例还可用于以类似方式设置或修改用于计量、缺陷检视等的配方或工艺。特定来说，可执行本文中描述的分离多边形、确定噪声的特性及确定最终子群组步骤而无关于被设置或修订的工艺。因此，取决于被设置或更改的工艺或配方，可执行选择步骤以选择用于不同最终子群组的一或多个输出处理方法。此类输出处理方法可包含(例如)用于从由计量系统产生的输出确定多边形的一或多个特性的算法、用于重新检测由缺陷检视系统产生的输出中的缺陷的缺陷重新检测方法等。以类似方式，本文中描述的实施例可用于不仅选择输出处理参数及方法，而且还选择输出获取参数或模式(例如，计量系统或缺陷检视系统使用其从样本检测光、电子、离子等)。因此，本文中描述的实施例不仅可用于设置或修改检验工艺，而且还可用于设置或修改对本文中描述的样本执行的任何质量控制类型工艺。

相较于用于设置使用关注区域的检验工艺的先前使用的方法及系统，本文中描述的实施例提供数个优点。例如，本文中描述的实施例提供更快得出结果时间，这是因为可在初始模式/算法选择工艺期间做出模式-算法组合决策。另外，本文中描述的实施例可远更可靠地识别相对具有噪声的区域且甚至可将相对小、手动难以识别的多边形正确地细分组。将关注区域组合成展现不同噪声特性的群组还改进整体检验灵敏度，这是因为可针对具有较少噪声的群组实现增强的灵敏度。此外，本文中描述的实施例提供远更好的晶片内迁移及晶片间工艺变动，这是因为受晶片噪声变动影响较少的群组更稳定。本文中描述的实施例还允许增加对某些DOI的灵敏度。此选择性DOI灵敏度将允许用户改进其基于检验结果做出正确处理决策的能力。

作为本文中描述的实施例的替代例，检验设置可包含手动地识别具有噪声的结构且针对具有噪声的结构执行基于设计的搜索以创建新关注区域。此检验设置还可包含测试新关注区域设置及寻找额外噪声源。此类方法可接着包含返回且针对新识别的具有噪声的结构执行基于设计的搜索。然而，不同于本文中描述的实施例，此工艺可耗费许多天且太缓慢且在关注区域噪声纯度方面通常是不足的。

可将上文描述的每一系统的每一实施例一起组合为一个单个实施例。

另一实施例涉及一种用于选择用于样本检验的缺陷检测方法的计算机实施方法。方法包含上文描述的分离多边形、确定特性、确定最终子群组及选择第一及第二缺陷检测方法步骤。

可如本文中进一步描述般执行方法的每一步骤。方法还可包含可由本文中描述的检验子系统及/或(若干)计算机子系统或(若干)系统执行的(若干)任何其它步骤。分离多边形、确定特性、确定最终子群组及选择第一及第二缺陷检测方法步骤由可根据本文中描述的任何实施例配置的一或多个计算机子系统执行。另外，上文描述的方法可由本文中描述的任何系统实施例执行。

额外实施例涉及一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可在计算机系统上执行以执行用于选择用于样本检验的缺陷检测方法的计算机实施方法。在图10中展示一个此实施例。特定来说，如图10中展示，非暂时性计算机可读媒体1000包含可在计算机系统1004上执行的程序指令1002。计算机实施方法可包含本文中描述的(若干)任何方法的(若干)任何步骤。

实施例如本文中描述的方法的程序指令1002可存储在计算机可读媒体1000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的非暂时性计算机可读媒体。

可以各种方式(包含基于过程的技术、基于组件的技术及/或面向对象技术等)中的任何者实施程序指令。例如，可视需要使用ActiveX控件、C++对象、JavaBeans、微软基础类别(“MFC”)、SSE(串流SIMD扩展)或其它技术或方法论实施程序指令。

可根据本文中描述的任何实施例配置计算机系统1004。

本文中描述的额外实施例大体上涉及用于(例如)通过用于缓解归因于改变样本上的制造处理条件所致的灵敏度损耗的统计校正而控制样本检验的工艺的系统及方法。经配置用于控制样本检验的工艺的系统的一个实施例包含经配置以响应于从样本检测的能量而产生输出的检验子系统。可如本文中描述般(例如，如由图1中的检验子系统10及图2中展示的检验子系统展示)进一步配置所述检验子系统。在一个实施例中，检验子系统是基于光的检验子系统。在另一实施例中，检验子系统是基于电子的检验子系统。可如本文中进一步描述般(例如，如图1及2中展示)配置此类检验子系统。在一个实施例中，样本是晶片。样本可包含本文中描述的晶片或其它样本中的任何者。

系统包含可如本文中描述的任何计算机子系统(例如，图1中展示的计算机子系统36及(若干)计算机子系统102及图2中展示的计算机子系统124)般配置的一或多个计算机子系统，所述一或多个计算机子系统经配置用于通过从对应于样本上的关注区域的多个例项的输出减去参考而产生所述关注区域的多个例项的差异图像。可如本文中进一步描述般使用本文中描述或所属领域中已知的任何参考产生差异图像。

在如图11中展示的一个此实施例中，到一或多个计算机子系统的输入可包含候选图像1100及参考图像1102(其可包含本文中描述的任何候选图像及参考图像)。可将一或多个滤波器应用到每一输入图像。例如，一或多个计算机子系统可将滤波器1104应用到候选图像1100且将滤波器1106应用到参考图像1102。滤波器1104及1106可包含所属领域中已知的任何合适的滤波器，例如强度滤波器。例如，滤波器可对图像的全部高频率进行滤波(如在高通滤波器中)，对图像的全部低频率进行滤波(如在低通滤波器中)或对图像的某些频率范围进行滤波(如在带通滤波器中)。滤波器1104及1106还可经配置以执行具有相同或不同参数的相同类型的滤波，例如强度滤波。滤波器1104及1106还是选用的且可不用于一些检验工艺中。

接着可将经滤波候选及参考图像输入到减法步骤1108，其中从候选图像减去参考图像，从而产生初步或初始差异图像。可将减法步骤的结果输入到选用差异滤波步骤1110。可将差异滤波器应用到初步或初始差异图像，这意味着将初步或初始差异图像与差异滤波器的矩阵卷积。差异滤波器还可包含所属领域中已知的任何其它合适的差异图像滤波器。差异滤波器步骤的结果可为差异图像1112。

在本文中描述的实施例中，可针对样本上的关注区域的多个例项中的每一者产生差异图像，或可针对样本上的关注区域的多个例项(其可不包含样本上的关注区域的多个例项的全部)的两者或更多者中的每一者产生差异图像。例如，针对本文中描述的实施例，样本上的全部关注区域例项可用于本文中描述的步骤，或(例如，取决于需要多少差异图像以确定本文中描述的差异图像的统计特性，取决于所确定的统计特性的变动)可仅选择及使用样本上的关注区域例项的一部分以用于本文中描述的步骤。因此，为了控制样本检验的工艺的目的，本文中描述的实施例可针对将在工艺中检验的少于全部关注区域例项产生差异图像，且可针对将在工艺中检验的少于全部关注区域例项执行本文中描述的其它步骤。可以各种方式确定多少及哪些关注区域例项用于控制样本检验的工艺，例如可用于执行本文中描述的步骤的经分配时间及其它资源，预期样本间有多少变动，检验工艺对于样本的变动的稳健程度及类似者。

如本文中进一步描述，术语“关注区域”的“多个例项”是指相同关注区域类型的多个关注区域，且关注区域类型的多个例项的全部可称为“关注区域群组”。例如，相同关注区域类型中的多于一者可定位在样本上的裸片、场或其它光罩例项中。另外，多于一个类型的关注区域可定位在样本上。以此方式，可针对样本产生不同关注区域群组，且每一关注区域群组可包含关注区域类型的一或多个例项。如本文中进一步描述，经执行用于控制检验工艺的一些步骤可针对不同关注区域(意味着不同关注区域类型或不同关注区域群组)单独且独立地执行。

关注区域可如本文中进一步描述般配置并产生或可包含所属领域中已知的任何其它合适的关注区域。例如，在一些实施例中，一或多个计算机子系统经配置用于基于样本上的多边形的特性将关注区域中的多边形分成初始子群组，使得具有特性的不同值的多边形被分成不同初始子群组。一或多个计算机子系统还经配置用于确定在由检验子系统针对不同初始子群组中的样本上的多边形产生的输出的特性。另外，一或多个计算机子系统经配置用于通过将具有特性的大体上相同值的不同初始子群组中的任何两者或更多者组合成最终子群组中的一者而确定多边形的最终子群组。在此类实施例中，针对最终子群组中的每一者单独执行确定统计特性、确定变动及确定一或多个改变。可如本文中进一步描述般执行这些步骤中的每一者。在另一实例中，一或多个计算机子系统可经配置用于设置关注区域，如在2020年3月24日颁予布劳尔(Brauer)等人的第10,600,175号美国专利中描述，所述专利以宛如全文陈述引用的方式并入本文中。可如此专利中描述般配置本文中描述的实施例。

在一个实施例中，输出的特性包含为了检测所述缺陷确定的所述输出的特性。在另一实施例中，输出的特性包含输出中的噪声的特性。例如，使用经细分关注区域群组(其在如本文中描述般产生时，在其缺陷属性(例如2D直方图的灰度级范围、MDAT/MCAT噪声等)方面大体上类似)，一或多个计算机子系统可将关注区域组合成关注区域群组。可对设置样本执行关注区域设置但对运行时间样本执行其也可行。以此方式，一或多个计算机子系统可将具有相同噪声行为的关注区域例项的子群组组合成相同关注区域群组。另外，不同关注区域群组可包含具有噪声的特性的统计上不同值(例如标准偏差)的关注区域例项。

一或多个计算机子系统还经配置用于确定关注区域的多个例项的差异图像的统计特性。在一个实施例中，统计特性是在关注区域的多个例项中的输出的全部像素的灰度级的标准偏差。例如，一或多个计算机子系统可基于每一关注区域群组中的全部像素的差异灰度级执行统计分析，以计算基于关注区域群组的标准偏差。可使用所属领域中已知的任何合适的方法、函数、算法等执行统计分析。以此方式，本文中描述的实施例可经配置用于计算差异图像的关注区域群组特定标准偏差。虽然本文中关于差异图像的标准偏差描述一些实例及实施例，但统计特性可包含所属领域中已知的任何其它合适的统计特性。

在另一实施例中，统计特性响应于在产生输出之前由对样本执行的工艺的变动引起的样本的改变。例如，在产生输出之前对样本执行的工艺可包含可对本文中描述的样本执行的任何制造工艺，例如光刻、蚀刻、化学机械抛光、沉积及类似者。如在工艺漂移时，此类工艺可无意地引起样本特性随样本的改变。样本特性的改变还可在有意地改变工艺时发生，不管是以不引起样本改变的意图还是为了刻意地引起样本改变而控制工艺。例如，当将一个工具切换成另一工具时，即使对样本执行的工艺旨在相同，工具可仍不同地执行，从而引起样本的改变。在另一实例中，当对制造工艺作出校准或过程控制调整时，所述校准或控制函数可引起经受所述制造工艺的样本不同，不管所述差异是否足够显著以引起样本上的实际缺陷。在另一实例中，可改变制造工艺以有意地改变由所述工艺制造的样本的一或多个特性。因而，样本的一或多个特性的有意改变可由先前设置检验工艺检测为缺陷，即使其并非实际缺陷。

因此，由本文中描述的实施例确定的统计特性优选响应于在产生输出之前由对样本执行的工艺的变动引起的样本的改变。因而，适用于本文中描述的实施例中的统计特性可取决于样本配置及在检验之前对其执行的(若干)工艺而变动。识别及选择此统计特性可以所属领域中已知的任何合适的方式(例如，实验上或理论上)执行。

一或多个计算机子系统进一步经配置用于相较于针对一或多个其它样本上的关注区域的多个例项产生的差异图像的统计特性来确定统计特性的变动。以此方式，经计算统计特性(例如标准偏差)可用于追踪值以研究样本间工艺变动。在一个此实例中，本文中描述的实施例可基于标准偏差检测样本改变。

存在可确定并追踪样本间变动的许多方式。例如，图12展示可用于追踪样本间(在此情况中，晶片间)的统计特性的晶须图1200的一个实例。为了产生这些结果，使用与晶片3及4(使用工艺B制造)不同的工艺(工艺A)制造晶片1及2。另外，可从一个单个CA群组(即，样本上的仅一个CA类型的多个例项)内的像素产生晶须图。

通过绘制依据平均值及平均值+/-3*标准偏差(即，μ+3σ、μ及μ-3σ)而变化且依据样本而变化的差异灰度级(DGL)而产生图12中展示的晶须图。曲线图可接着用于确定依据μ+3σ、μ及μ-3σ中的一或多者而变化的DGL的显著或有意义的改变。例如，如通过比较晶片2及3的μ+3σ值(即，值1202)所见，在从晶片2移动到晶片3时μ+3σ存在统计上有意义的跳跃，此可在上文描述的工艺改变(从用于晶片1及2的工艺A到用于晶片3及4的工艺B)之后发生。在从晶片2移动到晶片3时可见μ-3σ的类似统计上有意义的跳跃(在相反方向上)。因此，在比较晶片2与晶片3的μ+3σ及μ-3σDGL时可见晶片间变动。

还可提取晶须图的部分用于进一步分析。例如，图12的实例中的每一晶须含有7个点，其中所述点中的一者是来自晶片的外边缘(曲线图中的离群点)。因此，每一晶须展示晶片内的变动σ。在一个此实例中，分解视图1204展示具有针对晶片3确定的μ-3σ数据点的晶须，其包含来自晶片上的边缘裸片的1个数据点及来自非边缘裸片的6个数据点。如从此分解视图可见，可容易地检测来自晶片的边缘的离群点1206。因此，晶须图(例如图12中展示的晶须图)的个别晶须可用于确定晶片或其它样本内或跨晶片或其它样本的统计特性的变动。以此方式，晶须图可用于比较并检测统计特性的晶片内及晶片间变动两者。

一或多个计算机子系统还经配置用于基于变动确定用于检测样本上的关注区域中的缺陷的一或多个参数的一或多个改变。例如，如图11中展示，一或多个计算机子系统可使用差异图像1112作为到关注区域(CA)群组相依工艺变动校正步骤1114(其可包含执行本文中进一步描述的确定统计特性、确定变动及确定一或多个改变步骤)的输入。以此方式，本文中描述的实施例可经配置用于计算CA群组特定的工艺变动调整参数。

在一个实施例中，一或多个参数包含在使用差异图像以检测缺陷之前应用到差异图像的正规化。例如，经计算标准偏差可用于特征(例如用于缺陷检测的DGL)的正规化。本文中描述的实施例还可确定经执行以产生差异图像的其它工艺、步骤、功能等的一或多个参数的一或多个改变。例如，本文中描述的实施例可确定图11中展示的滤波步骤1104及1106及图11中展示的差异滤波器1110的一或多个参数的一或多个改变。

以此方式，本文中描述的实施例可经配置用于基于工艺变动参数调整差异图像。换句话说，通过改变用于产生差异图像的一或多个步骤或功能的一或多个参数，实施例可改变差异图像自身。另外，通过改变用于产生差异图像的(若干)参数，相较于另一样本，针对一个样本产生的差异图像的非缺陷变动可减少，且甚至最小化或消除。因此，样本的差异图像到针对一或多个先前样本产生的差异图像的此正规化可消除改变缺陷检测工艺的(若干)任何其它参数(例如应用到差异图像中的像素的值或特性以检测样本上的缺陷的阈值)的需要。然而，如本文中进一步描述，实施例不限于仅改变检验工艺的一个步骤的(若干)参数。例如，本文中描述的实施例可确定应对经执行以产生差异图像的正规化及/或其它工艺步骤以及对差异图像执行以检测样本上的缺陷的一或多个功能或步骤两者作出一或多个改变。

在另一实施例中，对一或多个参数的一或多个改变会改变检测缺陷的灵敏度。例如，无论对用于检测缺陷的(若干)参数的一或多个改变是否包含对用于产生差异图像的(若干)参数的一或多个改变，对(若干)参数的一或多个改变可包含对控制在CA例项中检测缺陷的灵敏度的缺陷检测方法或算法的(若干)改变。例如，可通过更改缺陷检测方法或算法的阈值而改变灵敏度。以此方式，如果相较于用于设置检验工艺的(若干)样本，检验工艺输出归因于样本的改变而具有更多噪声，那么可改变缺陷检测的灵敏度使得噪声不被检测为扰乱点及/或不引起DOI未被检测。

在一些实施例中，一或多个参数包含用于产生输出的检验子系统的一或多个参数。例如，一或多个计算机子系统可考虑响应于由一或多个计算机子系统确定的统计特性的变动而改变检验子系统的一或多个照明参数，例如照明及增益。一般来说，一或多个参数可包含本文中描述的检验子系统的任何一或多个参数。例如，还可或替代地可通过改变检测子系统的一或多个参数而减少或缓解检验子系统输出中的噪声。检验子系统的(若干)参数的一或多个改变可以所属领域中已知的任何合适的方式(例如，实验上或理论上)确定。

当然，如果一或多个计算机子系统确定在统计特性中不存在、存在最少或可接受变动，那么一或多个计算机子系统可确定一或多个改变为空，这意味着一或多个计算机子系统可确定一或多个改变为零或不存在一或多个改变。换句话说，确定一或多个改变可包含确定(若干)改变有效地为零。一或多个改变是否为非零可不仅包含确定统计特性是否存在某一非零变动，而且还包含确定统计特性的所述非零变动是否足够大以保证改变一或多个参数。确定统计特性的变动是否足够大使得应对用于检测缺陷的一或多个参数作出一或多个改变可以各种方式执行，例如通过比较统计特性的变动与基于(例如)检验工艺的参数对于样本的改变的容限(其可在检验工艺的设置期间确定)确定的预定阈值。

一或多个改变可包含对检验工艺的(若干)参数的定量及/或定性改变。例如，一或多个改变可包含定性改变，例如从一个光源或照明通道改变到另一光源或照明通道，或通过将一个差异滤波器调换成另一差异滤波器而改变对差异图像执行的滤波。然而，一或多个改变还可或替代地可包含(若干)定量改变，例如改变用于检测缺陷的缺陷检测算法中的阈值的值，确定对照明通道的增益的定量调整及类似者。这些定性及/或定量改变可以所属领域中已知的任何合适的方式另外确定及实施。

因此，本文中描述的实施例可使用基于统计的校正以缓解归因于处理条件改变的灵敏度的损耗。例如，当在相同工艺中检验的样本间存在变动时，变动可因为许多原因而引起灵敏度降低。在一个此实例中，当针对具有相同特性及/或在值的一个范围中的特性的(若干)样本设置检验工艺，且检验工艺接着用于具有不同特性及/或在所述值范围之外的特性的(若干)样本时，用于设置的样本及经检验样本之间的差异可引起大量扰乱点被检测及/或遗漏DOI。例如，即使(若干)设置样本与(若干)经检验样本之间的差异不是归因于(若干)经检验样本上的缺陷，所述差异仍可引起检验工艺检测到在检验工艺中由检验子系统产生的输出中的大量噪声。所述大量噪声可被检测为扰乱点及/或引起DOI未被检测。然而，通过如本文中描述般针对样本间改变控制检验工艺，可更改检验工艺的一或多个参数，使得样本间改变不被检测为噪声及/或不引起DOI未被检测。以此方式，本文中描述的实施例可有利地使缺陷检验对于制造工艺变动更稳健，从而确保即使在工艺改变或已经改变时，检验仍可产生可靠样本缺陷密度数据。

在一个实施例中，产生差异图像、确定统计特性、确定变动及确定一或多个改变是针对样本上的关注区域及另一关注区域单独执行。例如，即使使用参考的不同部分以产生不同关注区域类型或群组的差异图像，产生差异图像步骤仍可针对样本上的不同关注区域类型或群组以相同方式执行。然而，例如当使用不同强度滤波器、不同差异图像滤波器、不同正规化等以产生不同关注区域类型或群组的差异图像时，还可单独且独立地执行产生不同关注区域类型或群组的差异图像。然而，可针对不同关注区域类型或群组单独且独立地执行本文中描述的其它步骤，这是因为不同关注区域类型或群组可受对样本执行的(若干)制造工艺的改变不同地影响。例如，一个关注区域类型中的图案化特征可完全不受制造工艺的改变影响，而另一关注区域类型中的图案化特征可由制造工艺的相同改变显著地更改。因而，即使不同关注区域类型经历制造工艺的相同变动，针对不同关注区域类型确定的统计特性仍可不同且在样本间不同地变动且受益于(若干)检验工艺参数的不同改变。除了单独且独立地执行之外，本文中描述的步骤还可针对不同关注区域类型以本文中描述的相同方式执行。以此方式，本文中描述的实施例可优化在关注区域群组层级上执行的缺陷检验。

在另一实施例中，用于检验工艺的配方是在产生差异图像、确定统计特性、确定变动及确定一或多个改变之前设置。换句话说，虽然本文中描述的实施例可用于从头开始设置检验工艺，但创建实施例主要用于监测先前设置检验工艺的性能。例如，设置检验工艺且监测检验工艺可包含一些相同步骤，但一般来说，设置阶段将包含比监测阶段远更多的步骤，且监测阶段中的一些步骤可与设置阶段中不同地执行。在一个此实例中，设置检验工艺可包含更少样本上的远更多的测量，而监测检验工艺可包含远更多样本(例如，每一经检验样本)上的显著更少的测量。以此方式，检验工艺可基于跨数个样本的统计变动而设置，但如本文中描述的检验工艺监测基于样本间的统计变动而执行。检验工艺设置及监测可在这些方法的性能方面具有额外差异。因而，检验工艺设置及监测可不仅在所涉及的步骤方面而且在用于执行工艺的动机方面有所不同。

在进一步实施例中，产生差异图像、确定统计特性、确定变动及确定一或多个改变是针对对其执行检验工艺的每一样本执行。例如，本文中描述的实施例可通过对每一样本执行统计分析而尤其追踪晶片间工艺变动。另外，本文中描述的计算可在执行缺陷检验时的运行时间期间对每一晶片执行。因此，一旦样本中的工艺变动发生，监测变动及确定样本间的一或多个改变便可检测及校正所述工艺变动。

在一些实施例中，一或多个计算机子系统经配置用于基于变动相较于对一或多个其它样本执行的制造工艺来确定对样本执行的制造工艺的变动。以此方式，经计算统计特性(例如标准偏差)可用于追踪值以研究样本间工艺变动。一或多个计算机子系统可以数个不同方式确定是否存在工艺变动。例如，如果确定统计特性的变动是显著的，那么(若干)计算机子系统可简单地检测制造工艺的变动已发生。然而，一或多个计算机子系统还可使用统计特性的经确定变动以确定制造工艺的变动的定量值。例如，在制造工艺的设置期间，建立用于制造工艺的参数通常涉及确定经处理样本的特性与参数值之间的某一关系。在一个此实例中，确定用于光刻工艺的曝光焦点及剂量的值通常涉及确定焦点及剂量的不同值如何影响样本的特性。接着用户可使此关系可用于本文中描述的实施例，使得统计特性及关系的变动可用于确定用以制造样本的参数的值。以此方式，可不仅检测制造工艺的漂移，而且还可以可定量方式识别漂移的原因。

在额外实施例中，一或多个计算机子系统经配置用于确定依据样本上的关注区域的多个例项的位置而变化的统计特性的额外变动及基于统计特性的额外变动确定对样本执行的制造工艺的变动。以此方式，一或多个计算机子系统可追踪经计算统计特性(例如标准偏差)以在样本工艺变动内进行研究。例如，如本文中进一步描述，晶须图(例如图12中展示的晶须图)可用于追踪统计特性的样本内变动以及统计特性的样本间变动的改变。

因为数个原因，确定统计特性的样本内变动或跨样本变动可为有利的。例如，检验工艺的(若干)参数可基于样本内变动依据样本上的位置而控制，这意味着可跨样本维持检验工艺的灵敏度及性能。另外，跨样本的统计特性的变动可尤其用于确定对样本执行的制造工艺的变动。在一个此实例中，一些制造工艺变动可引起由制造工艺产生的样本的(若干)特性中的空间特征。在一特定实例中，蚀刻工艺的一些改变可引起样本的统计特性的一个类型的空间变动(如统计特性的从左到右的线性改变)，而蚀刻工艺的其它改变可引起样本的统计特性的另一类型的空间变动(如跨样本的半径的非线性改变)。因此，识别样本的统计特性如何跨样本变动可增加可检测制造工艺的变动的准确性。

一或多个计算机子系统可进一步经配置用于将一或多个改变应用到用于检测缺陷的一或多个参数及在已将一或多个改变应用到一或多个参数之后执行缺陷检测。例如，如图11的步骤1116中展示，一或多个计算机子系统可使用经改变的一或多个参数执行缺陷检测且导出缺陷属性。应用一或多个改变可以数个不同方式执行，例如引起检验子系统硬件(例如，照明及/或检测子系统)的一或多个改变或作出计算机子系统硬件或软件的一或多个改变(例如，更改用于缺陷检测的算法)。应用一或多个改变还可包含对检验工艺的配方作出一或多个改变，接着其可对样本及任何其它后续样本执行。可如本文中描述般执行改变检验工艺的配方。以此方式，可仅通过存储检验工艺配方的改变而对系统的一或多个元件或对由一或多个计算机子系统执行的一或多个步骤作出一或多个改变。可以本文中描述的任何方式执行使用经改变检验工艺的缺陷检测。换句话说，一旦已对检验工艺的(若干)参数作出(若干)改变，便可如通常将针对样本上的缺陷检测般执行检验工艺。

在一个实施例中，检测缺陷包含产生依据差异图像中的像素的灰度级而变化的像素计数的1D直方图。在另一实施例中，检测缺陷包含产生依据参考中的像素的灰度级及差异图像中的像素的灰度级而变化的像素计数的2D直方图。以此方式，检测缺陷可包含可如本文中进一步描述般执行的1D或2D类型的缺陷检测。以此方式，离群点的检测不需要基于2D直方图(参考灰度级及差异灰度级上的像素计数)执行，而还可基于1D直方图(差异灰度级上的像素计数)执行。只要保证每一关注区域群组中的纯度，1D类型缺陷检测便是可行的。以此方式，本文中描述的实施例可基于1D直方图执行离群点检测。如果否，那么可照常基于2D直方图执行检测。

缺陷检测还可由本文中描述的实施例执行，如2018年12月11日颁予巴特查理亚(Bhattacharyya)等人的第10,151,706号美国专利、2019年1月29日颁予巴特查理亚等人的第10,192,302号美国专利及2020年1月14日颁予布劳尔(Brauer)等人的第10,535,131号美国专利中描述，所述专利以宛如全文陈述引用的方式并入本文中。可如这些专利中描述般进一步配置本文中描述的实施例。

本文中描述的实施例具有优于用于控制样本检验的工艺的其它方法及系统的数个优点。例如，通过使用本文中描述的实施例来监测且控制检验工艺，在晶片制造工艺改变时不需要或仅需要大体上有限的配方重新调谐。在另一实例中，本文中描述的实施例允许更正确DOI计数预测。此外，本文中描述的实施例使得缺陷检测能够在考虑对样本条件的改变以及照明参数改变的校正之后执行。本文中描述的实施例还允许在样本改变时增加对某些DOI的灵敏度。此能力将允许用户改进其基于经检测缺陷作出正确处理决策的能力。

可将上文描述的每一系统的每一实施例一起组合为一个单个实施例。

另一实施例涉及一种用于控制样本检验的工艺的计算机实施方法。所述方法包含通过从对应于样本上的关注区域的多个例项的输出减去参考而产生所述关注区域的所述多个例项的差异图像。所述输出通过检验子系统且响应于从所述样本检测的能量而产生。可如本文中进一步描述般配置检验子系统。所述方法还包含上文描述的确定统计特性、确定变动及确定一或多个改变步骤。

可如本文中进一步描述般执行方法的每一步骤。方法还可包含可由本文中描述的检验子系统及/或(若干)计算机子系统或(若干)系统执行的(若干)任何其它步骤。产生差异图像、确定统计特性、确定变动及确定一或多个改变由一或多个计算机子系统执行，所述一或多个计算机子系统可根据本文中描述的任何实施例配置。另外，上文描述的方法可由本文中描述的任何系统实施例执行。

额外实施例涉及一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可在计算机系统上执行以执行用于控制样本检验的工艺的计算机实施方法。在图10中展示一个此实施例。特定来说，如图10中展示，非暂时性计算机可读媒体1000包含可在计算机系统1004上执行的程序指令1002。计算机实施方法可包含本文中描述的(若干)任何方法的(若干)任何步骤。可如上文描述般进一步配置计算机可读媒体、程序指令及计算机系统。

鉴于本说明书，所属领域的技术人员将明白本发明的各种方面的进一步修改及替代实施例。例如，提供用于控制样本检验的工艺的方法及系统。因此，本说明书应仅解释为阐释性且是出于教示所属领域的技术人员实行本发明的一般方式的目的。应理解，本文中展示及描述的本发明的形式将视为当前优选实施例。如所属领域的技术人员在受益于本发明的本说明书之后将明白，元件及材料可取代本文中说明及描述的元件及材料，部分及工艺可颠倒，且可独立利用本发明的特定特征。在不脱离如在所附权利要求书中描述的本发明的精神及范围的情况下可对本文中描述的元件做出改变。

Claims (21)

1.一种经配置用于控制样本检验的工艺的系统，其包括：

检验子系统，其经配置以响应于从样本检测的能量而产生输出；及

一或多个计算机子系统，其经配置用于：

通过从对应于所述样本上的关注区域的多个例项的所述输出减去参考而产生所述关注区域的所述多个例项的差异图像；

确定所述关注区域的所述多个例项的所述差异图像的统计特性；

确定所述统计特性相较于针对一或多个其它样本上的所述关注区域的多个例项产生的差异图像的统计特性的变动；及

基于所述变动确定用于检测所述样本上的所述关注区域中的缺陷的一或多个参数的一或多个改变。

2.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置用于：

基于所述样本上的多边形的特性将所述关注区域中的所述多边形分成初始子群组，使得具有所述特性的不同值的所述多边形被分成不同初始子群组；

确定由所述检验子系统的检测器针对所述不同初始子群组中的所述样本上的所述多边形产生的所述输出的特性；及

通过将具有所述特性的大体上相同值的不同初始子群组中的任何两者或更多者组合成最终子群组中的一者而确定所述多边形的所述最终子群组，其中确定所述统计特性、确定所述变动及确定所述一或多个改变针对所述最终子群组中的每一者单独执行。

3.根据权利要求2所述的系统，其中所述输出的所述特性包括针对检测所述缺陷确定的所述输出的特性。

4.根据权利要求2所述的系统，其中所述输出的所述特性包括所述输出中的噪声的特性。

5.根据权利要求1所述的系统，其中所述统计特性是所述关注区域的所述多个例项中的所述输出的全部像素的灰度级的标准偏差。

6.根据权利要求1所述的系统，其中所述统计特性是响应于在产生所述输出之前由对所述样本执行的工艺的变动引起的所述样本的改变。

7.根据权利要求1所述的系统，其中所述一或多个参数包括在使用所述差异图像以检测所述缺陷之前应用到所述差异图像的正规化。

8.根据权利要求1所述的系统，其中所述一或多个参数的所述一或多个改变改变检测所述缺陷的灵敏度。

9.根据权利要求1所述的系统，其中所述一或多个参数包括用于产生所述输出的所述检验子系统的一或多个参数。

10.根据权利要求1所述的系统，其中产生所述差异图像、确定所述统计特性、确定所述变动及确定所述一或多个改变针对所述样本上的所述关注区域及另一关注区域单独执行。

11.根据权利要求1所述的系统，其中用于所述检验的所述工艺的配方在产生所述差异图像、确定所述统计特性、确定所述变动及确定所述一或多个改变之前设置。

12.根据权利要求1所述的系统，其中产生所述差异图像、确定所述统计特性、确定所述变动及确定所述一或多个改变针对对其执行所述检验的所述工艺的每一样本执行。

13.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置用于基于所述变动而确定对所述样本执行的制造工艺相较于对所述一或多个其它样本执行的所述制造工艺的变动。

14.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置用于确定依据所述样本上的所述关注区域的所述多个例项的位置而变化的所述统计特性的额外变动及基于所述统计特性的所述额外变动确定对所述样本执行的制造工艺的变动。

15.根据权利要求1所述的系统，其中检测所述缺陷包括产生依据所述差异图像中的像素的灰度级而变化的像素计数的一维直方图。

16.根据权利要求1所述的系统，其中检测所述缺陷包括产生依据所述参考中的像素的灰度级及所述差异图像中的所述像素的灰度级而变化的像素计数的二维直方图。

17.根据权利要求1所述的系统，其中所述样本是晶片。

18.根据权利要求1所述的系统，其中所述检验子系统是基于光的检验子系统。

19.根据权利要求1所述的系统，其中所述检验子系统是基于电子的检验子系统。

20.一种存储程序指令的非暂时性计算机可读媒体，所述程序指令能够在计算机系统上执行以执行用于控制样本检验的工艺的计算机实施方法，其中所述计算机实施方法包括：

通过从对应于样本上的关注区域的多个例项的输出减去参考而产生所述关注区域的所述多个例项的差异图像，其中所述输出通过检验子系统且响应于从所述样本检测的能量而产生；

确定所述关注区域的所述多个例项的所述差异图像的统计特性；

确定所述统计特性相较于针对一或多个其它样本上的所述关注区域的多个例项产生的差异图像的统计特性的变动；及

基于所述变动确定用于检测所述关注区域中的所述样本上的缺陷的一或多个参数的一或多个改变。

21.一种用于控制样本检验的工艺的计算机实施方法，其包括：

通过从对应于样本上的关注区域的多个例项的输出减去参考而产生所述关注区域的所述多个例项的差异图像，其中所述输出通过检验子系统且响应于从所述样本检测的能量而产生；

确定所述关注区域的所述多个例项的所述差异图像的统计特性；

确定所述统计特性相较于针对一或多个其它样本上的所述关注区域的多个例项产生的差异图像的统计特性的变动；及

基于所述变动确定用于检测所述关注区域中的所述样本上的缺陷的一或多个参数的一或多个改变，其中产生所述差异图像、确定所述统计特性、确定所述变动及确定所述一或多个改变通过一或多个计算机子系统执行。

Images