CN115485628A - 图样检查的重复缺陷检测 - Google Patents

图样检查的重复缺陷检测 Download PDF

Info

Publication number
CN115485628A
CN115485628A CN202180032420.6A CN202180032420A CN115485628A CN 115485628 A CN115485628 A CN 115485628A CN 202180032420 A CN202180032420 A CN 202180032420A CN 115485628 A CN115485628 A CN 115485628A
Authority
CN
China
Prior art keywords
defect
images
image
wafer
test
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202180032420.6A
Other languages
English (en)
Other versions
CN115485628B (zh
Inventor
陈宏�
K·吴
李晓春
J·A·史密斯
E·希夫林
骆青
M·库克
W·W·司
L·余
B·布拉尔
N·帕特威瑞
N·特洛伊
R·尹宗扎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KLA Corp
Original Assignee
KLA Tencor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KLA Tencor Corp filed Critical KLA Tencor Corp
Publication of CN115485628A publication Critical patent/CN115485628A/zh
Application granted granted Critical
Publication of CN115485628B publication Critical patent/CN115485628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan 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
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956Inspecting patterns on the surface of objects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan 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
    • G01N2021/8854Grading and classifying of flaws
    • G01N2021/8861Determining coordinates of flaws
    • G01N2021/8864Mapping zones of defects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan 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
    • G01N2021/8883Scan 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 involving the calculation of gauges, generating models
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan 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
    • G01N2021/8887Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501Semiconductor wafers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Facsimiles In General (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Monitoring And Testing Of Exchanges (AREA)

Abstract

本发明提供用于检测光罩上的缺陷的系统和方法。一种系统包含配置成用于在对具有使用光罩在光刻工艺中印刷的特征的晶片执行检验工艺期间在前端处理中执行至少一个重复缺陷检测步骤的计算机子系统。在所述前端处理中执行的所述至少一个重复缺陷检测步骤包含识别通过双重检测在两个或更多个测试图像中的对应位置处检测到的任何缺陷及通过堆叠缺陷检测检测到的任何缺陷作为第一重复缺陷候选项。可对所述第一重复缺陷候选项执行一或多个额外重复缺陷检测以产生最终重复缺陷候选项并从所述最终重复缺陷候选项识别所述光罩上的缺陷。

Description

图样检查的重复缺陷检测
技术领域
本发明大体上涉及用于图样检查晶片上的重复缺陷检测以检测例如极紫外线(EUV)单裸片和多裸片光罩的光罩上的缺陷的系统和方法。
背景技术
以下描述和实例在本章节中按其内容未被承认为现有技术。
在半导体制造工艺期间的各个步骤处使用检验工艺,以检测晶片上的缺陷,从而促使制造工艺中的产率更高且由此具有更高利润。一些当前检验方法检测晶片上的重复缺陷以借此检测光罩上的缺陷。举例来说,如果在晶片上对应于光罩上的同一位置的多个位置处重复地检测到缺陷(“重复缺陷”),那么缺陷可由光罩自身引起。因此,可分析重复缺陷以确定其是否由光罩缺陷引起,而非某一其它原因。
一般来说,重复缺陷检测(repeater defect detection;RDD)作为晶片后处理(post-processing;PP)操作执行。举例来说,检验工具可在多裸片光罩情况下执行正常裸片对裸片缺陷检测(defect detection;DD),且在报告所有晶片缺陷之后,可在后处理步骤中而非检验工具的不同计算机组件中执行RDD。重复缺陷在本申请案中定义为位于若干光罩中的同一位置(在某一容差内)处的缺陷。
然而,当前针对RDD使用的方法和系统存在若干缺点。举例来说,为了发现弱重复缺陷,需要执行大体上热缺陷检测。大部分检测到的事件并非重复,且通过RDD滤波。问题为工具归因于(检验工具的内部网络的)带宽和磁盘空间而对于存储于批次结果中的缺陷具有有限容量。位置为大体上强滤波器,其消除批次结果中的大部分事件,但对于弱重复,检验不能足够热地执行以存储所有候选项缺陷。
因此,开发用于检测晶片上的重复缺陷且借此检测光罩上的缺陷的不具有上文所描述的缺点中的一或多个的系统和方法将为有利的。
发明内容
对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主题。
一个实施例涉及一种配置成检测光罩上的缺陷的系统。系统包含配置成针对晶片产生图像的检验子系统。光罩用于在光刻工艺中将特征印刷在晶片上。系统还包含配置成用于检测包含于图像中的至少第一测试图像和第二测试图像中的第一缺陷的一或多个计算机子系统。检测第一缺陷包含分别比较至少第一测试图像和第二测试图像中的每一个与对应于至少第一测试图像和第二测试图像中的每一个的两个不同参考图像。至少第一测试图像和第二测试图像对应于印刷于晶片上的光罩上的同一区域的不同例项。一或多个计算机子系统还配置成用于通过分别比较针对第一测试图像产生的堆叠测试图像与对应于堆叠测试图像的两个不同堆叠参考图像来检测至少第一测试图像中的堆叠或平均缺陷。另外,一或多个计算机子系统配置成用于通过识别在至少第一测试图像和第二测试图像中的两个或更多个中的对应位置处检测到的第一缺陷中的任一个和堆叠缺陷中的任一个作为第一重复缺陷候选项来执行第一重复缺陷检测。一或多个计算机子系统进一步配置成用于对第一重复缺陷候选项执行至少一个额外重复缺陷检测,以借此识别最终重复缺陷候选项且基于所述最终重复缺陷候选项识别光罩上的缺陷。可如本文中所描述进一步配置系统。
另一实施例涉及一种用于检测光罩上的缺陷的计算机实施方法。所述方法包含通过检验子系统获取针对晶片产生的图像。光罩用于在光刻工艺中将特征印刷在晶片上。所述方法还包含上文所描述的检测第一缺陷、检测堆叠缺陷、执行第一重复缺陷检测、执行至少一个额外重复缺陷检测以及识别缺陷的步骤,所述步骤由耦合到检验子系统的一或多个计算机子系统执行。
可如本文中所描述进一步执行方法的步骤中的每一个。所述方法可包含本文中所描述的任何其它方法的任何其它步骤。方法可由本文中所描述的系统中的任一个执行。
另一实施例涉及一种存储可在计算机系统上执行以用于执行用于检测光罩上的缺陷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。所述计算机实施方法包含上文所描述的方法的步骤。计算机可读媒体可如本文中所描述而进一步配置。可如本文中进一步描述而执行计算机实施方法的步骤。另外,其中可执行程序指令的计算机实施方法可包含本文中所描述的任何其它方法的任何其它步骤。
附图说明
通过优选实施例的以下详细描述且在参考随附图式后,本发明的其它优势对于所属领域的技术人员将变得显而易见,在随附图式中:
图1和2为说明如本文中所描述而配置的系统的实施例的侧视图的示意图;
图3为说明可由本文中所描述的实施例执行以检测光罩上的缺陷的步骤的一个实施例的流程图;
图4为说明可在设置及执行时间期间通过本文中所描述的实施例执行以用于检测单裸片光罩(single die reticle;SDR)上的缺陷的步骤的一个实施例的流程图;
图5为说明运用单裸片光罩(SDR)印刷的晶片和出于本文中所描述的实施例中的不同目的而选择的裸片的平面视图的示意图;
图6到7为说明可在训练针对晶片上的不同裸片行执行的SDR检验期间执行的步骤的实施例的流程图;
图8为说明运用多裸片光罩(multi-die reticle;MDR)印刷的晶片和出于本文中所描述的实施例中的不同目的而选择的裸片的平面视图的示意图;
图9为说明印刷在具有MDR的晶片上的裸片的平面视图的示意图;且
图10为说明存储在计算机系统上执行以用于执行本文中所描述的计算机实施方法中的一或多个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。
尽管本发明易有各种修改和替代形式,但其特定实施例借助于实例在图式中展示,且在本文中对其进行详细描述。所述图式可并非按比例。然而,应理解,图式和其详细描述不打算将本发明限制于所公开的特定形式,但相反,打算涵盖属于如由所附权利要求书所定义的本发明的精神和范围内的所有修改、等效物和替代例。
具体实施方式
现转到图式,应注意,所述图并不按比例绘制。确切地说,极大地夸示所述图式的一些元件的比例以强调所述元件的特性。还应注意,图式未按相同比例绘制。多于一个图中展示的可以相似方式配置的元件已使用相同元件符号来指示。除非本文中另外指出,否则所描述及展示的元件中的任一个可包含任何合适的市售元件。
一个实施例涉及一种配置成检测光罩上的缺陷的系统。本文中所描述的实施例针对用于重复缺陷检测(RDD)以检测光罩上的缺陷的晶片检验方法提供新的且改进的方法和系统。术语“光罩”和“掩模”在本文中可互换使用。术语“重复”在本文中可与术语“重复缺陷”互换使用。
引入极紫外线(EUV)光刻产生用于先进晶片检验工具的新应用,所述工具为例如利用宽带光的工具,例如由宽带等离子体(broadband plasma;BBP)光源产生的宽带光:光罩的粒子污染监测。光化光掩模检验器目前并不可广泛可用,因此用户采用图样检查方法,即,用光学晶片检验器检验印刷晶片以发现掩模缺陷。先进晶片检验工具的高输送量允许将高晶片和裸片区域覆盖率转换成高重复缺陷敏感度。先进晶片检验工具可检测可印刷相对低信号缺陷和相对低可印刷性缺陷(未印刷于每一光罩上的掩模缺陷)两者。
传统上,重复检测执行为缺陷检验的后处理步骤。工具正检测所有(随机和系统性)缺陷且稍后基于缺陷坐标执行重复分析。如果在多个光罩中检测到缺陷(高于用户定义的阈值),那么缺陷被视为重复。这类方法限制敏感度,这是由于缺陷检验器不可与相对低检测阈值一起使用:通过这类检验覆盖数据管线产生的大体上高缺陷密度。以此方式,用于重复检测的先前所使用方法和系统不允许大体上高缺陷密度和足够高的敏感度。估计和实验展示,为了维持如EUV所需的敏感度(大体上高分辨率和大体上小缺陷),应大体上接近噪声底限使用检验器,因此预期缺陷密度极高。
用于本文中所描述的实施例中的方法将重复检测的大部分移动到检验的前端中以改进检验对重复缺陷的敏感度。通过将重复检测移动到检验的前端中,本文中所描述的实施例还可在存在大体上高随机和系统性噪声的情况下达成大体上高重复敏感度。
这类系统的一个实施例展示于图1中。系统包含配置成针对晶片产生图像的检验子系统。本文中所描述的检验子系统可至少包含能量源和检测器。能量源配置成产生导引到晶片的能量。检测器配置成检测来自晶片的能量且响应于所检测到的能量而产生输出(例如图像)。
在一个实施例中,导引到晶片的能量包含光,且从晶片检测到的能量包含光。举例来说,在图1中所展示的系统的实施例中,检验子系统10包含配置成将光导引到标本14的照明子系统。照明子系统包含至少一个光源。举例来说,如图1中所展示,照明子系统包含光源16。在一个实施例中,照明子系统配置成在一或多个入射角下将光导引到晶片,所述入射角可包含一或多个倾斜角和/或一或多个法线角。举例来说,如图1中所展示,来自光源16的光导引穿过光学元件18且接着透镜20到光束分光器21,所述光束分光器21以法线入射角将光导引到晶片14。入射角可包含任何合适的入射角,其可取决于例如晶片的特性和待在晶片上检测到的缺陷而变化。
照明子系统可配置成在不同时间在不同入射角下将光导引到晶片。举例来说,检验子系统可配置成更改照明子系统的一或多个元件的一或多个特性,使得光可以不同于图1中所展示的入射角的入射角被导引到晶片。在一个这类实例中,检验子系统可配置成移动光源16、光学元件18和透镜20,使得光以不同入射角被导引到晶片。
在一些情况下,检验子系统可配置成同时以多于一个入射角将光导引到晶片。举例来说,照明子系统可包含多于一个照明通道,所述照明通道中的一个可包含如图1中所展示的光源16、光学元件18和透镜20,且照明通道中的另一个(未展示)可包含可以不同或相同方式配置的类似元件,或可包含至少一光源和可能地一或多个其它组件,例如本文中进一步描述的那些组件。如果这一光与另一光同时导引到晶片,那么以不同入射角导引到晶片的光的一或多个特性(例如波长、偏振等)可不同,使得由不同入射角下的晶片的照明产生的光可在检测器处彼此区分开。
在另一情况下,照明子系统可包含仅一个光源(例如图1中所展示的源16),且来自光源的光可通过照明子系统的一或多个光学元件(未展示)分成不同光学路径(例如基于波长、偏振等)。不同光学路径中的每一个中的光接着可导引到晶片。多个照明通道可配置成在相同时间或在不同时间将光导引到晶片(例如当不同照明通道用于依序照明晶片时)。在另一情况下,相同照明通道可配置成在不同时间将光导引到具有不同特性的晶片。举例来说,在一些情况下,光学元件18可配置为滤光片,且所述滤光片的性质可以多种不同方式改变(例如通过交换出滤光片),使得可在不同时间将不同波长的光导引到晶片。照明子系统可具有所属领域中已知的用于以不同或相同入射角依序或同时地将具有不同或相同特性的光导引到晶片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,由光源产生且导引到晶片的光可包含宽带光。然而,光源可包含任何其它合适的光源,例如激光。激光可包含所属领域中已知的任何合适的激光且可配置成在所属领域中已知的任何合适的一或多个波长下产生光。另外,激光可配置成产生单色或近单色的光。以此方式,激光可为窄带激光。光源还可包含产生在多个离散波长或波带下的光的多色光源。
来自光学元件18的光可通过透镜20聚焦光束分光器21。尽管透镜20在图1中展示为单个折射光学元件,但实际上,透镜20可包含组合地将来自光学元件的光聚焦到晶片的多个折射和/或反射光学元件。图1中所展示和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)。这类光学元件的实例包含但不限于偏光组件、滤光片、空间滤波器、反射光学元件、变迹器、光束分光器、孔径和类似物,其可包含所属领域中已知的任何这类合适的光学元件。另外,系统可配置成基于待用于检验的照明的类型而更改照明子系统的元件中的一或多个。
检验子系统还可包含配置成使光在晶片上方被扫描的扫描子系统。举例来说,检验子系统可包含载物台22,晶片14在检验期间安置于所述载物台22上。扫描子系统可包含任何合适的机械和/或机器组合件(包含载物台22),其可配置成移动晶片以使得光可在晶片上方经扫描。另外或替代地,检验子系统可配置成使得检验子系统的一或多个光学元件在晶片上方执行光的某一扫描。可以任何合适方式在晶片上方扫描光。
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个包含检测器,所述检测器配置成归因于通过检验子系统的标本的照明而检测来自晶片的光且响应于所检测到的光而产生输出。举例来说,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和检测器28形成,且另一个由集光器30、元件32和检测器34形成。如图1中所展示,两个检测通道配置成在不同收集角度下收集和检测光。在一些情况下,一个检测通道配置成检测镜面反射光,且另一检测通道配置成检测并不从标本镜面反射(例如散射、衍射等)的光。然而,检测通道中的两个或更多个可配置成检测来自晶片的同一类型的光(例如镜面反射光)。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)。尽管集光器中的每一个在图1中展示为单个折射光学元件,但集光器中的每一个可包含一或多个折射光学元件和/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检测器,例如光电倍增管(photo-multiplier tube;PMT)、电荷耦合装置(charge coupled device;CCD)和时间延迟集成(time delay integration;TDI)摄像机。检测器还可包含非成像检测器或成像检测器。如果检测器为非成像检测器,那么检测器中的每一个可配置成检测散射光的某些特性,例如强度,但可不配置成检测随成像平面内的位置而变化的这类特性。因此,通过包含于检验子系统的检测通道中的每一个中检测器中的每一个产生的输出可为信号或数据,而非图像信号或图像数据。在这类情况下,本文中进一步描述的计算机子系统可配置成从检测器的非成像输出产生晶片的图像。在其它情况下,检测器可配置为配置成产生图像信号或图像数据的成像检测器。因此,系统可配置成按多种方式产生本文中所描述的图像。
应注意,本文中提供图1以大体上说明可包含于本文中所描述的系统实施例中的检验子系统的配置。显然,可更改本文中所描述的检验子系统配置以优化如在设计商业检验系统时通常执行的系统的性能。另外,本文中所描述的系统可使用现有检验系统(例如,通过将本文中所描述的功能性添加到现有检验系统)而实施,所述现有检验系统例如可购自加利福尼亚州米尔皮塔斯市(Milpitas,Calif.)KLA公司的29xx/39xx系列工具。对于一些这类系统,本文中所描述的方法可提供为系统的任选地存在的功能性(例如除系统的其它功能性以外)。替代地,本文中所描述的系统可“从头开始”设计以提供完全新的系统。
系统的计算机子系统100可以任何合适方式(例如,经由一或多个传输媒体,其可包含“有线”和/或“无线”传输媒体)耦合到检验子系统的检测器,使得计算机子系统可在扫描晶片期间接收由检测器产生的输出。计算机子系统100可配置成使用如本文中所描述的检测器的输出来执行多种功能且执行本文中进一步描述的任何其它功能。可如本文中所描述进一步配置计算机子系统100。
计算机子系统100(以及本文中所描述的其它计算机子系统)在本文中也可被称作计算机系统。本文中所描述的计算机子系统或系统中的每一个可采取各种形式,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,或根据本文中所描述的各种实施例调适的其它装置。一般来说,术语“计算机系统”可广泛地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。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的处理器,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过程和SW的计算机平台,作为独立或网络连接工具。
如果系统包含多于一个计算机子系统,那么计算机子系统可彼此耦合,使得图像、数据、信息、指令等可在各种计算机子系统之间发送。举例来说,不同计算机子系统可通过任何合适的传输媒体彼此耦合,所述传输媒体可包含所属领域中已知的任何合适的有线和/或无线传输媒体。计算机子系统中的两个或更多个还可通过共享计算机可读及可写存储媒体(未展示)有效地耦合。
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检验子系统。举例来说,在一个实施例中,导引到晶片的能量包含电子,且从晶片检测到的能量包含电子。以此方式,能量源可为电子束源。在图2中所展示的一个这类实施例中,检验子系统包含电子柱122,其耦合到计算机子系统200。
还如图2中所展示,电子柱包含配置成产生通过一或多个元件130聚焦到标本128的电子的电子束源126。电子束源可包含例如阴极源或发射器尖,且一或多个元件130可包含例如枪透镜、阳极、射束限制孔径、闸阀、射束电流选择孔径、物镜和扫描子系统,以上所有可包含所属领域中已知的任何这类合适的元件。
从标本返回的电子(例如次级电子)可通过一或多个元件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于元件130中的同一扫描子系统。
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,电子柱可进一步如2014年4月4日颁予蒋(Jiang)等人的美国专利第8,664,594号、2014年4月8日颁予小岛(Kojima)等人的美国专利第8,692,204号、2014年4月15日颁予古本司(Gubbens)等人的美国专利第8,698,093号和2014年5月6日颁予麦克唐纳(MacDonald)等人的美国专利第8,716,662号中所描述而配置,所述美国专利以引用的方式并入,如同在本文中完全阐述。
尽管电子柱在图2中展示为配置成使得电子以倾斜入射角导引到晶片并以另一倾斜角从晶片散射,但电子束可以任何合适的角度导引到晶片并从晶片散射。另外,基于电子束的子系统可配置成使用多个模式来产生晶片的图像(例如运用不同照明角、收集角等)。基于电子束的子系统的多个模式可在子系统的任何图像产生参数方面不同。
计算机子系统200可如上文所描述耦合到检测器134。检测器可检测从晶片的表面返回的电子,借此形成晶片的电子束图像。电子束图像可包含任何合适的电子束图像。计算机子系统200可配置成使用检测器的输出和/或电子束图像来执行本文中所描述的功能中的任一个。计算机子系统200可配置成执行本文中所描述的任何额外步骤。包含图2中所展示的检验子系统的系统可如本文中所描述进一步配置。
应注意,本文中提供图2以大体上说明可包含于本文中所描述的实施例中的基于电子束的检验子系统的配置。如同上文所描述的光学检验子系统,可更改本文中所描述的基于电子束的检验子系统配置以优化如在设计商业检验系统时通常执行的检验子系统的性能。另外,本文中所描述的系统可使用现有检验系统(例如,通过将本文中所描述的功能性添加到现有检验系统)而实施。对于一些这类系统,本文中所描述的方法可提供为系统的任选地存在的功能性(例如除系统的其它功能性以外)。替代地,本文中所描述的系统可“从头开始”设计以提供完全新的系统。
尽管上文将检验子系统描述为光学或基于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。除了电子束源可由所属领域中已知的任何合适的离子束源替换以外,这类检验子系统可如图2中所展示而配置。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,例如包含于市售聚焦离子束(focused ion beam;FIB)系统、氦离子显微镜(helium ion microscopy;HIM)系统和次级离子质谱分析(secondary ion massspectroscopy;SIMS)系统中的那些。
如上文所提及,检验子系统可配置成用于将能量(例如,光、电子)导引到标本的物理版本能量和/或在所述物理版本上方扫描能量,借此针对标本的物理版本产生实际图像。以此方式,检验子系统可配置为“实际”成像系统,而非“虚拟”系统。存储媒体(未展示)和图1中所展示的计算机子系统100可配置为“虚拟”系统。配置为“虚拟”检测系统的系统和方法描述于2012年2月28日颁予巴斯卡尔(Bhaskar)等人的共同让渡的美国专利第8,126,255号和2015年12月29日颁予达菲(Duffy)等人的共同让渡的美国专利第9,222,895号中,所述两个美国专利以引用的方式并入,如同在本文中完全阐述。本文中所描述的实施例可如这些专利中所描述而进一步配置。
如上文进一步所提及,检验子系统可配置成具有多个模式。一般来说,“模式”由用以产生标本的输出的检验子系统的参数的值定义。因此,不同的模式可在用于检验子系统的光学或电子束参数中的至少一个(除标本上产生输出或图像的位置以外)的值方面不同。举例来说,对于基于光的检验子系统,不同模式可使用不同光波长。对于不同模式,模式在如本文中进一步描述导引到标本的光的波长方面可不同(例如,通过使用不同光源、不同滤光片等)。在另一实施例中,不同模式可使用不同照明通道。举例来说,如上文所提及,检验子系统可包含多于一个照明通道。因此,不同照明通道可用于不同模式。
多个模式在照明和/或收集/检测方面也可不同。举例来说,如上文进一步描述,检验子系统可包含多个检测器。因此,检测器中的一个可用于一个模式,且检测器中的另一个可用于另一模式。此外,所述模式可以本文中所描述的多于一个方式彼此不同(例如,不同模式可具有一或多个不同照明参数和一或多个不同检测参数)。例如,取决于使用多个模式同时扫描标本的能力,检验子系统可配置成在同一扫描或不同扫描中运用不同模式来扫描标本。
光罩用于在光刻工艺中将特征印刷在晶片上。光刻工艺可包含任何合适的光刻工艺。一般来说,光刻程序使用某种形式的能量(例如,光、电子等)来将形成于光罩上的图案转印到晶片上的材料。晶片上的材料可为某种形式的抗蚀剂,所述抗蚀剂的一或多个性质在曝光于光刻工艺中所使用的能量之后改变。以此方式,能量的图案(光、电子等)可从光罩导引或穿过光罩导引到晶片上的抗蚀剂,以借此将图案从光罩转印到抗蚀剂。可对抗蚀剂执行一或多个额外步骤(例如曝光后烘烤、显影等)以完成图案转印工艺。因此,如可从对光刻工艺的这类一般描述清楚地看到,存在于光罩上的缺陷可在光刻工艺中转印到晶片,这显然为不利的。如本文中进一步描述,有时不可能直接检验光罩,如在光罩检验工艺中。在这类情况下,将光罩印刷于晶片上,检验晶片的缺陷,且使用那些晶片缺陷来确定缺陷是否由光罩造成。这类确定可如本文中进一步描述而执行。
在一个实施例中,光罩为单裸片光罩(SDR)。在另一实施例中,光罩为多裸片光罩(MDR)。在另一实施例中,光罩配置成供在极紫外线(EUV)波长下使用。举例来说,本文中所描述的实施例可用于以下两者:SDR检验,其中光罩型掩模仅含有一个裸片,因此清洁参考图像不存在于晶片上,这是由于每一掩模缺陷印刷于每一裸片中;以及MDR,其中掩模含有若干相同裸片,因此可从经检验晶片上可用的裸片构建参考图像。
“图样检查”在本文中定义为一种涉及将掩模印刷于晶片上、检验晶片且基于晶片检验结果识别掩模上的缺陷的掩模检验。图样检查可用以识别用于EUV掩模监测的光罩重复,其可执行以常规地或规则地检查经释放以产生可能污染的EUV掩模。图样检查可用于SDR和MDR两者。图样检查可包含训练和检测步骤。图样检查训练可包含本文中进一步描述的多个步骤,例如存储包含用于SDR的重复检测的主裸片的多个对准参考裸片,存储一个主裸片以实现大体上准确的裸片相对位置准确性,以及识别来自主裸片的对准目标以用于执行时间对准。对于SDR图样检查检验,将在训练期间存储的参考与执行时检验图像相比较以发现光罩重复。对于MDR图样检查检验,来自同一扫描的裸片间比较可用于发现光罩重复。对于阵列区图样检查,基于单元到单元比较的阵列中重复(repeater in array;RIA)可用于发现光罩重复。
一或多个计算机子系统配置成用于检测包含于通过检验子系统针对晶片产生的图像中的至少第一测试图像和第二测试图像中的第一缺陷。如本文中所使用的术语“第一缺陷”仅用于区分由双重检测检测到的缺陷,所述双重检测针对来自以其它方式(例如经由本文中进一步描述的图像堆叠)检测到的缺陷的个别测试图像而分别地执行。
至少第一测试图像和第二测试图像对应于印刷于晶片上的光罩上的同一区域的不同例项。构成印刷于晶片上的光罩的同一区域的不同例项的内容可取决于光罩是SDR还是MDR而变化。举例来说,对于SDR,印刷于晶片上的光罩上的同一区域的不同例项可为使用光罩分别印刷于晶片上的不同裸片中的对应区域。在MDR的情况下,印刷于晶片上的光罩上的同一区域的不同例项可为印刷于晶片上的光罩的不同例项中的对应区域和/或印刷于晶片上的光罩的单个例项中所印刷的不同裸片中的对应区域。
在任何情况下,优选地针对至少两个测试图像执行分别针对不同测试图像执行的双重检测,使得产生对于本文中所描述的第一RDD步骤足够的缺陷信息。但执行以检测第一缺陷的双重检测不限于此。举例来说,可优选地针对多于两个测试图像和可能远多于两个测试图像的测试图像执行这类双重检测,例如,在印刷于晶片上的一个裸片行或晶片上的多个裸片行中的光罩的每一例项中的每一对应区域的测试图像。
检测第一缺陷包含分别比较至少第一测试图像和第二测试图像中的每一个与对应于至少第一测试图像和第二测试图像中的每一个的两个不同参考图像。举例来说,图3展示可针对SDR和MDR检验执行的步骤。如图3中所展示,参考图像300和测试图像302可输入到对准步骤304,所述对准步骤304可包含本文中所描述的对准方法中的任一个(例如,将测试和参考图像对准到例如主参考裸片的共同参考)。
可如本文中所描述通过检验子系统产生输入到对准步骤的测试图像。还可通过对其上检测到第一缺陷的晶片成像或通过对其上也使用光罩印刷有特征的训练晶片成像而产生输入到对准步骤的参考图像。
在对准之前或之后,一或多个计算机子系统可针对测试图像中的一或多个产生参考图像,其可以本文中所描述的多种方式执行。举例来说,在对准之后,一或多个计算机子系统可针对测试图像中的一或多个产生动态参考306,其可如本文中进一步描述而执行。
如本文中所描述检测第一缺陷执行以使用两个不同参考图像经由双重检测来检测个别测试图像中的第一缺陷。以此方式,一个个别测试图像可与第一参考图像比较且接着与第二参考图像比较。比较可涉及从测试图像减去第一参考图像且从测试图像减去第二参考图像(例如,测试图像-第一参考图像、测试图像-第二参考图像),借此产生个别差异图像308,对于每一测试图像产生两个个别差异图像。接着可对个别差异图像执行缺陷检测310,其可包含将缺陷检测阈值应用于个别差异图像中的像素,将具有高于阈值的信号的像素识别为有缺陷的,且相反地不将具有低于阈值的信号的像素识别为有缺陷的。缺陷检测310还可包含确定针对测试图像产生的已检测为有缺陷的两个差异图像中的对应位置处的任何像素为缺陷候选项312。以此方式,在针对测试图像产生的差异图像中的一个中但不在也针对所述测试图像产生的另一差异图像中经检测为有缺陷的像素将不被视为缺陷候选项,这是因为其仅被分开检测到。换句话说,在两个差异图像中检测为缺陷的任何像素经双重检测且借此识别为缺陷候选项312。
在一个实施例中,检验子系统配置成针对晶片或训练晶片上的预选主裸片产生图像,且一或多个计算机子系统配置成用于在如本文中进一步描述检测到第一缺陷和检测到堆叠缺陷之前执行至少不同参考图像与针对预选主裸片产生的图像的执行时间对准。举例来说,在SDR和MDR检验两者期间,所有裸片可首先对准到主裸片。一般来说,对于SDR检验,可使用训练晶片(即,并非正检验的晶片或执行时晶片)产生预选主裸片的图像。对于MDR检验,可使用训练晶片或将被检验的晶片产生预选主裸片的图像。这些步骤可如本文中进一步描述而执行。针对晶片或训练晶片上的预选主裸片产生图像可如本文中进一步描述而执行,例如,通过检验子系统扫描晶片上的预选主裸片。可使用所属领域中已知的任何合适的对准方法或算法执行执行时间对准。除了将一或多个参考图像分别对准到主裸片图像以外,一或多个计算机子系统还可将一或多个测试图像分别对准到主裸片图像,借此有效地将测试和参考图像对准到共同参考且因此彼此对准。然而,在其它情况下,一或多个计算机子系统可仅将参考图像对准到主裸片图像,且接着将测试图像对准到参考图像。术语“主裸片”和“主参考裸片”在本文中可互换使用。
在本文所描述的实施例中的任一个中,用于多个参考裸片的图像可在训练或检验期间产生且经存储用于本文中所描述的缺陷检测步骤中的一或多个。所存储的多个参考裸片可包含本文中所描述的参考裸片中的任一个的参考图像中的任一个,且可以本文中所描述的任何方式存储于例如用于执行执行时检验的配方中。
在另一实施例中,检验子系统配置成针对晶片或训练晶片上的预先选择参考裸片产生图像,且一或多个计算机子系统配置成用于从针对预选参考裸片产生的图像选择两个不同参考图像以用于分别与至少第一测试图像和第二测试图像中的所述每一个进行比较。针对晶片或训练晶片上的预选参考裸片产生图像可如本文中进一步描述而执行,例如,通过检验子系统扫描晶片或训练晶片上的预选参考裸片。如本文中进一步描述,预选参考裸片可位于用于SDR的训练晶片和用于MDR的晶片上。如上文所描述选择两个不同参考图像可为一种动态参考产生。举例来说,如本文中进一步描述,对于SDR,可针对训练晶片上的预选参考裸片产生参考图像。当检测到第一缺陷时,接着对于任一个测试图像,所使用的参考图像可选自所有可用预选参考裸片图像。可基于晶片上的测试裸片的位置而执行选择预选参考裸片图像,例如,使得在训练晶片上的相对接近晶片上的测试裸片的裸片中产生预选参考裸片图像。以此方式,可选择可具有与测试图像类似的噪声特性的参考裸片以用于检测第一缺陷,所述参考裸片将从所述测试图像减去。
在另一实施例中,检验子系统配置成针对训练晶片上的预选参考裸片产生图像,且一或多个计算机子系统配置成用于存储预选参考裸片的图像且动态地从针对预选参考裸片产生的图像产生两个不同参考图像以用于分别与至少第一测试图像和第二测试图像中的每一个进行比较。举例来说,在本文中所描述的实施例中使用的参考图像可为计算参考(computed reference;CR),其通过创建针对每一裸片优化的合成参考图像而减少系统性噪声。使用CR图像执行的双重检测将有利地抑制通过CR产生的随机地定位且假性的缺陷和伪影,借此允许更积极的噪声抑制。可通过如上文所描述的一或多个计算机子系统选择用于动态地产生两个不同参考图像以供与任一个测试图像分开比较的预选参考裸片。针对训练晶片上的预选参考裸片产生图像可如本文中进一步描述而执行,例如,通过检验子系统扫描训练晶片上的预选参考裸片。一或多个计算机子系统可存储如本文中进一步描述的预选参考裸片的图像。
对于SDR情况,参考图像可类似于可存储其它参考图像以用于缺陷检测的方式存储于工具数据库中(作为检验配方的部分)。对于图样检查,主要差异为吾人存储多个裸片图像。实施例可优选地将若干裸片行用于设置以覆盖更多种图像。这允许CR构建更接近测试图像的参考图像,因此产生较低噪声差异图像。类似于其它所存储的参考图像缺陷检测方法,优选地在保证光罩清洁时(例如,在光罩清洁时或不久之后)创建参考图像。
以此方式,SDR训练可包含使用训练、参考或“金色”晶片执行的步骤。图4展示可针对SDR训练和检验执行的各种步骤。在图4中的虚线上方展示的步骤为可在训练期间(时间=0)使用清洁晶片400执行的步骤。可选择训练晶片上的裸片中的一个作为主参考裸片,且可选择来自晶片上的任何位置的任何数目个裸片作为参考裸片。举例来说,如图4中所展示,可在清洁晶片400上选择主裸片402,且将其在晶片上的位置中展示为具有图案化填充物的裸片。晶片上的任何或所有剩余裸片可用作图4中所展示的参考裸片404,作为参考裸片1、参考裸片2……参考裸片M,且其在晶片上的位置中展示为不具有填充图案的裸片。
尽管图4展示具有2个裸片行(每一行中有6个裸片)的训练晶片,但训练晶片可包含任何数目个行和列中的任何数目个裸片。另外,尽管图4展示印刷于晶片上的裸片中的每一个经选择为主裸片或参考裸片,但其并非必要的。换句话说,并非全部裸片可用作主裸片或参考裸片。
在一些情况下,从形成于晶片上的许多位置处和/或最多样位置处的裸片尽可能地产生参考裸片图像可为有利的。举例来说,图5说明形成于晶片500上的裸片,其中一些已经选择以在训练阶段中用于SDR检验。确切地说,主参考裸片502展示为略微靠近晶片中心而选择的裸片,例如,比晶片的边缘更接近晶片中心或至少与晶片边缘间隔开。一般来说,可在晶片上的任何位置处选择主裸片,其可以多种不同方式确定,例如在已知将特征从光罩转印到晶片的工艺相对良好地执行的情况下。在图5中,裸片504可经选择以用作参考裸片,且裸片506可并不经选择以用作参考裸片。如图5中所展示,裸片504包含定位于晶片的边缘以及晶片的中心周围的裸片。以此方式,参考裸片可表示晶片上的裸片的子集,且可包含可例如归因于跨晶片的工艺变化而彼此尽可能地不同的裸片。
本文中所描述的一或多个计算机子系统可选择晶片上的主裸片和参考裸片。然而,如图6中所展示,其展示可在SDR训练期间对第一裸片行执行的步骤,用户可选择包含主裸片的参考裸片以用于SDR训练样本计划,如步骤600中所展示。在任一情况下,一或多个计算机子系统或用户可基于例如上文所描述的信息或关于光罩、晶片和用于将光罩上的特征印刷到晶片上的工艺的任何其它信息而选择主裸片和参考裸片。本文中所描述的实施例可包含促进由用户进行的参考裸片和主裸片的选择的若干元件,例如用户接口(userinterface;UI)、显示装置、用户输入装置等。替代地,用户可使用另外一或多个计算机子系统来选择参考裸片和主裸片,且一或多个计算机子系统可从其它一或多个计算机子系统或其中已存储有信息的存储媒体获取用于用户选择的参考裸片和主裸片的信息。
检验子系统和计算机子系统可执行图4中所展示的产生参考图像步骤406。在这一步骤中,可首先扫描包含主裸片的裸片行。举例来说,如图6的步骤602中所展示,一或多个计算机子系统可起始数据收集,且检验子系统可扫描晶片。如图6的步骤604中所展示,一或多个计算机子系统可发布图样检查训练任务。在第一经扫描裸片行上,选定参考裸片在存储到图4的存储数据库408之前在同一扫描条带内对准到主裸片。举例来说,如图6的步骤606中所展示,一或多个计算机子系统可将所有裸片对准到主裸片。一或多个计算机子系统接着可将所有图像传送到存储器,如步骤608中所展示。
在另一实施例中,在SDR训练期间可跳过对准步骤。在此情况下,应在缺陷检测之前在执行时检验期间执行参考对准。
对准目标可选自具有存储于存储数据库中的目标位置的主裸片。在训练和检验两者中,对准目标和主裸片可用于跨条带图像到图像对准。
在SDR训练阶段中产生的主裸片图像和参考裸片图像中的任一个可压缩以存储于存储数据库中。举例来说,如步骤610中所展示,一或多个计算机子系统可配置成对存储器执行数据压缩,其可包含所属领域中已知的任何合适的数据压缩。如步骤612中进一步展示,一或多个计算机子系统可存储所有经压缩图像以供检验。在一个这类实施例中,为了减小数据存储空间,主参考裸片以及参考裸片的其余部分与主参考裸片之间的差异裸片可在存储到数据库之前进行压缩,而非所有参考裸片和主裸片。另外,为了更好地提取重要信息且减小存储空间,可从所有非主参考裸片提取更高阶信息。
在随后的裸片行上,在将参考裸片图像存储到存储数据库之前,可将选定参考裸片图像跨条带或在对应条带处对准到主参考裸片图像。在随后的裸片行上,可从存储数据库检索来自首先扫描的裸片行的主参考裸片图像的对应条带以用于对准。举例来说,图7展示可在SDR训练期间对后续裸片行执行的步骤。如步骤700中所展示,一或多个计算机子系统可解压缩主裸片图像的数据且将其从存储器载入。可以所属领域中已知的任何合适方式执行主裸片图像的解压缩和载入。如步骤702中所展示,检验子系统可扫描裸片行且发布对准任务,所述对准任务可如本文中进一步描述而执行。如步骤704中所展示,一或多个计算机子系统可将任务中的所有裸片对准到主裸片。可使用主裸片图像中选定的对准目标来执行对准,且可使用所属领域中已知的任何合适对准方法或算法来执行对准。一或多个计算机子系统接着可将所有图像传送到存储节点,如步骤706中所展示。在一些情况下,一或多个计算机子系统可对存储器执行数据压缩,如步骤708中所展示,且存储所有经压缩图像以供检验,如步骤710中所展示。以此方式,包含主裸片的首先扫描的裸片行的流动不同于在训练阶段中经扫描的其它裸片行。
SDR检验执行时间接着可如本文中进一步描述而执行。图4展示极高层级处的SDR检验。具体地说,在检验(时间=K)期间,图4中的虚线下方展示的步骤可执行且可包含扫描测试晶片410以借此产生测试裸片412的图像,测试裸片412可包含裸片1、裸片2、裸片3……裸片N。一或多个计算机子系统可从存储数据库408检索在训练期间产生的图像,所述图像可包含主裸片402和参考裸片中的任一个(例如,参考裸片1、参考裸片2……参考裸片M)的图像,其可在执行时间期间用于例如对准、参考图像产生或选择、缺陷检测等步骤,所述步骤可如本文中进一步描述而执行。举例来说,在执行时间期间,测试图像可如本文中所描述对准到主裸片图像,借此有效地将测试图像对准到先前对准到主裸片图像的参考图像。针对测试晶片和主裸片产生的测试图像和从存储数据库检索的参考图像接着可用于本文中所描述的缺陷检测和RDD步骤,所述步骤在图4中仅共同地展示为重复检测步骤414,其产生重复缺陷416。举例来说,重复检测步骤414可包含使用个别测试图像和CR的双重检测,使用堆叠测试图像和堆叠参考图像和/或平均差异图像的堆叠缺陷检测,使用较低重复阈值执行的基于坐标的第一RDD,使用较高重复阈值的至少一额外RDD,以及本文中所描述的用以产生接着可用于识别光罩上的缺陷的重复缺陷416的任何其它步骤。
MDR训练可包含产生主参考裸片图像。举例来说,MDR训练可包含选择仅一个裸片作为主参考裸片、产生主参考裸片的图像,以及存储主参考裸片图像以供用于MDR检验。在一个这类实例中,图8中所展示的晶片800展示其上的每光罩3×1裸片已用于将特征印刷在晶片上的晶片。以此方式,印刷于晶片上的每一光罩例项可包含裸片804中的一个、裸片806中的一个和裸片808中的一个。可以例如上文进一步描述的任何合适方式在晶片上选择主参考裸片802。
MDR训练还可包含从主裸片选择对准目标,其可以所属领域中已知的任何合适方式执行。对准目标位置和主裸片图像和信息可在MDR训练期间存储于数据库中且用于在MDR检验期间执行的执行时跨条带图像到图像间对准。主参考裸片可用于实现大体上高重复裸片相对位置准确性。如果MDR检验样本计划仅包含一个裸片行,那么可能不需要MDR训练。同一裸片行中的所有裸片可在运行中对准到主参考裸片。
对于MDR情况,不需要将参考图像存储于配方中,这是因为光罩缺陷仅存在于一个光罩裸片中。这允许针对一个光罩例项中的每一测试裸片从同一光罩例项中的其它裸片构建参考图像。图9说明如上文所描述的可印刷于具有3×1光罩的晶片上的一行裸片的一个实例。具体地说,印刷于晶片上的每一光罩例项可包含裸片804中的一个、裸片806中的一个和裸片808中的一个。因此,图9展示裸片行中的8个光罩例项。对于裸片804,裸片806可用作一组参考,且裸片808可用作另一组参考。类似地,对于裸片806,裸片804和808将用作参考。对于裸片808,将使用裸片804和806。
在另一实施例中,检验子系统配置成针对晶片或训练晶片上的预选参考裸片产生图像,且一或多个计算机子系统配置成用于将预选参考裸片分成第一群组和第二群组,从针对第一群组中的预选参考裸片产生的图像产生两个不同参考图像中的第一个以用于分开地与第一测试图像进行比较,以及从针对第二群组中的预选参考裸片产生的图像产生两个不同参考图像中的第二个以用于分开地与第一测试图像进行比较。以此方式,参考裸片图像可分成两个群组以计算每一测试裸片的两个参考图像。如果在测试-Ref1和测试-Ref2这两个比较中皆检测到缺陷,那么可认为检测到缺陷。使用这类参考图像执行缺陷检测将减小随机和系统性的滋扰缺陷的量。滋扰缺陷为并非由光罩上的缺陷造成的任何检测到的重复。
在SDR检验的情况下,接着,来自SDR训练阶段的所有参考裸片可划分成两个群组以用于双重检测。从每一参考群组,使用计算参考来产生用于每一测试图像的一个CR。每一测试图像具有两个CR,其中来自每一参考群组一个CR。将每一测试图像分开地与两个CR进行比较以分别用于双重检测。
相同的两个CR可用于在SDR检验中所检验的每一测试图像中的双重检测。然而,不同CR可用于不同测试图像中的双重检测。举例来说,可为每一测试图像独立地选择参考群组,且因此不同参考裸片可包含于不同测试图像的参考群组中。在一个这类实施例中,一或多个计算机子系统配置成用于基于产生第一测试图像的晶片上的裸片的位置选择第一群组和第二群组的预选参考裸片。举例来说,关于晶片上产生测试图像的位置的信息可用于选择用于测试图像的参考图像的不同群组。在一个这类实例中,基于关于晶片上产生测试图像的位置的信息和关于通常产生于所述区域中的图像的噪声特性的信息,可选择包含在晶片上的位置处产生的具有与测试图像类似的噪声特性的参考图像的参考群组。以此方式选择参考群组可有助于减少通过从测试图像减去不同CR而产生的差异图像中检测到的噪声和滋扰。可另外如本文中所描述而执行在每一测试图像基础上执行的这类动态CR产生。
在MDR检验的情况下,从每一参考组,例如,如图9中所展示,对于裸片804,裸片806将为一个参考群组且裸片808将为另一参考群组;对于裸片806,裸片804将为一个参考群组且裸片808将为另一参考群组;且对于裸片808,裸片804将为一个参考群组且裸片806将为另一参考群组,可使用计算参考来产生用于每一测试图像的一个CR。每一测试图像具有两个CR,其中来自每一参考群组一个CR。将每一测试图像分开地与两个CR进行比较以用于双重检测。
一或多个计算机子系统还配置成用于通过分别比较针对第一测试图像产生的堆叠测试图像与对应于堆叠测试图像的两个不同堆叠参考图像来检测至少第一测试图像中的堆叠缺陷。举例来说,在SDR和MDR检验中,可对所有测试图像求平均以产生堆叠测试图像,且可对来自每一参考群组的测试图像的所有CR求平均以产生堆叠参考图像。当CR不用于上文所描述的非堆叠缺陷检测时,在对应于测试图像的晶片位置的晶片位置处产生的所有参考图像可分成两个不同参考群组,所述两个不同参考群组可如上文所描述而执行,且可对每一参考群组中的参考图像求平均以产生两个堆叠参考图像。每一堆叠测试图像具有两个堆叠参考图像,其中来自每一群组一个堆叠参考图像。将每一堆叠测试图像分开地与两个堆叠参考图像进行比较以用于双重检测。
以此方式,产生堆叠测试图像,堆叠针对测试图像选择或对应于测试图像的参考图像,且接着从堆叠测试图像分开减去堆叠参考图像中的每一个(例如,堆叠测试-堆叠参考1、堆叠测试-堆叠参考2)可产生两个不同堆叠差异图像。由于两个不同堆叠差异图像自身从堆叠图像产生,因此以此方式产生的差异图像可各自为一种平均差异图像,其可输入到例如上文所描述的双重缺陷检测步骤(其中在针对单个测试图像产生的两个堆叠差异图像中检测到的任何缺陷经指定为缺陷)。
然而,代替产生堆叠测试图像并堆叠参考图像且接着从那些堆叠测试和参考图像产生差异图像,可从如本文中所描述的非堆叠测试和参考图像产生个别差异图像,且接着可例如通过平均化来堆叠或组合个别差异图像以产生总体堆叠或平均差异图像。举例来说,如图3中所展示,可将针对对个别测试图像执行的双重检测产生的个别差异图像308输入到产生平均差异图像316的差异图像堆叠步骤314。以此方式,针对单个测试图像(或针对在晶片上的裸片中的对应位置处产生的两个或更多个测试图像)产生的差异图像中的任一个中的两个或更多个可堆叠以产生平均差异图像。平均差异图像316接着可输入到缺陷检测318,其产生缺陷候选项320。如果针对单个测试图像(或对应于光罩的设计的相同部分的多个测试图像)产生多个平均差异图像,那么在步骤318中执行的缺陷检测可包含双重检测,其中仅当在平均差异图像中的至少两个中检测到缺陷时才如此指定缺陷。如果针对单个测试图像(或针对对应于光罩的设计的相同部分的多个测试图像)仅产生单个平均差异图像,那么在步骤318中执行的缺陷检测可为单个缺陷检测,其中在单个平均差异图像中检测到的任何缺陷经指定为缺陷候选项320。
在任何情况下,从多个测试图像和多个参考图像产生差异图像(无论是通过堆叠测试和参考图像还是通过平均化或以其它方式组合从多个裸片获得的差异图像)有利地允许随机噪声的高效抑制。举例来说,分别比较针对第一测试图像产生的堆叠测试图像与两个不同的堆叠参考图像产生第一测试图像的堆叠差异图像,所述堆叠差异图像与从单个测试图像和单个参考图像产生的差异图像相比具有较小随机噪声。通过对差异图像求平均而提供的随机噪声抑制可外加由本文中所描述的实施例提供的其它噪声降低,借此促进对于本文中所描述的实施例可达成的相对高敏感度。
在一个实施例中,检测第一缺陷包含将第一热阈值应用于分别比较至少第一测试图像和第二测试图像中的每一个与两个不同参考图像的结果,且检测堆叠缺陷包含将第二热阈值应用于分别比较堆叠测试图像与两个不同堆叠参考图像的结果。“热阈值”一般可定义为用于检测潜在缺陷的阈值,所述阈值有意地设定于或大体上接近于通过扫描产生的图像的噪声底限。通常执行使用热阈值执行的“热扫描”以检测尽可能多的潜在缺陷和实际缺陷,以确保检索到大部分缺陷或所有所关注缺陷和/或确保检索到具有相对弱信号的缺陷。热阈值可应用于如本文中所描述产生的差异图像,高于热阈值的任何图像信号或数据可被识别为潜在缺陷,且并不高于热阈值的信号或数据并不被识别为潜在缺陷。
以此方式,热阈值可在本文中所描述的缺陷检测两者中使用——个别测试图像双重检测和堆叠检测,这种情形出于多个原因为有利的。具体地说,热阈值可用于检测具有相对弱信号或信噪比(signal-to-noise ratio;SNR)的缺陷,这对于发现重复缺陷可为重要的。另外,尽管针对本文中所描述的缺陷检测中的任一个或两个使用热阈值对于先前使用的RDD方法和系统可能有问题,但因为本文中所描述的实施例将至少一个RDD步骤移动到检验的前端,因此本文中所描述的实施例可有效处置所得的大体上大潜在缺陷群。
用于不同缺陷检测的热阈值可具有不同值。举例来说,针对个别测试图像双重检测和堆叠检测产生的差异图像可具有不同噪声特性。因而,可基于将针对不同检测而产生的不同差异图像在训练期间分开地调谐用于不同缺陷检测的阈值。
在另一实施例中,检测堆叠缺陷包含对来自通过分别比较堆叠测试图像与两个不同堆叠参考图像而产生的堆叠差异图像的系统性噪声源进行滤波,以及在滤波之后将阈值应用于堆叠差异图像。可使用可从图像去除差异图像的最强分量的任何方法或系统来抑制系统性噪声源,例如由图像配准不良或图案噪声所导致的那些系统性噪声源。还可在将缺陷检测阈值应用于这类差异图像之前对通过本文中所描述的双重检测(使用非堆叠图像执行)产生的差异图像执行这类滤波。
一或多个计算机子系统进一步配置成用于通过识别在至少第一测试图像和第二测试图像中的两个或更多个中的对应位置处检测到的第一缺陷中的任一个和堆叠缺陷中的任一个作为第一重复缺陷候选项来执行第一RDD。举例来说,如图3中所展示,通过对个别测试图像的双重检测检测到的缺陷候选项312和使用某一形式的图像堆叠检测到的缺陷候选项320可输入到第一RDD步骤322,其输出重复候选项324,即,第一重复缺陷候选项。在测试图像中的至少两个中的两个或更多个中的对应位置处检测到的缺陷候选项312中的任一个可被指定为重复候选项324,且所有缺陷候选项320可被指定为重复候选项324。以此方式,第一RDD可为基于坐标的重复检测。
重复检测由本文中所描述的实施例执行至少两次(在第一RDD中一次且在本文中进一步描述的额外RDD中至少再一次)。在这类第一RDD中,重复检测以大体上低重复阈值(例如,2)开始。如果在不同裸片中在相同坐标处(在用户定义的容差内)存在两个缺陷或在经堆叠(平均化)差异图像中检测到缺陷,那么第一RDD可将其识别为第一重复缺陷候选项。
有资格作为本文中所描述的第一RDD步骤和其它步骤中的对应位置的内容可取决于本文中所描述的实施例将不同图像对准到共同参考的能力而变化。一般来说,对应位置意谓印刷于晶片上的多于一个裸片中的相同或大体上相同位置。因此,在本文中所描述的RDD步骤的上下文中的对应位置可具有相同或大体上相同的裸片坐标。可通过使用某一重复距离阈值来识别大体上相同的裸片坐标,所述距离阈值定义为了将两个裸片坐标确定为裸片重复的位置所述两个裸片坐标所必须的接近程度。举例来说,在晶片、检验子系统的定位元件等上印刷设计时的少量误差可使得裸片位置内的两个相同位置具有针对其确定的略微或稍微不同的裸片坐标。以此方式,使用容差来确定裸片坐标内的哪些可被视为相同可为有用的。可以用于确定这类容差的常用方式中的任一个且至少基于上文所描述的信息来确定所述容差的特定值。然而,本文中所描述的实施例可提供不同图像之间的优选对准,且因此提供裸片坐标中的优选准确性。举例来说,将如本文中所描述的主参考裸片用作用于多个图像的彼此对准的共同参考可提供多个图像彼此的大体上高准确度对准,这将改进基于裸片坐标准确执行RDD的能力。
在一个实施例中,至少第一RDD是在后处理阶段之前执行,所述后处理阶段包含在通过检验子系统针对晶片产生所有图像之后执行的一或多个步骤。以此方式,第一RDD可为实施于检验的前端中的基于坐标的重复检测,其为允许随机缺陷的高效去除因此使缺陷密度达到可管理层级的大体上强滤波器。可对包含于本文中所描述的一或多个计算机子系统中的图像计算机执行前端检验处理。
第一重复缺陷候选项可复制到每一裸片中。这些为被视为可疑的位置,其在前端后处理算法中被恶意验证。通过滋扰滤波或滋扰事件滤波器(nuisance event filter;NEF)执行被视为可疑的位置的验证。举例来说,如图3中所展示,重复候选项324可输入到位置复制步骤325。位置复制可包含指定位置,其对应于在至少两个差异图像或堆叠差异图像中检测到缺陷的位置,在未检测到缺陷的差异图像中作为缺陷位置。在一个这类实例中,一或多个计算机子系统可将对应于重复候选项的每一裸片中的位置指定为有缺陷的,即使在每一位置处未检测到缺陷,且接着可更详细地检验所述位置中的每一个以获得实际缺陷。以此方式,位置复制可为一种强制或人造缺陷名称,使得对应于所检测到的缺陷但其处未检测到缺陷的位置可进一步通过本文中所描述的实施例检验。
在一个实施例中,一或多个计算机子系统配置成用于在执行本文中进一步描述的至少一个额外RDD之前基于第一重复缺陷候选项的局部和全局SNR而对第一重复缺陷候选项滤波。举例来说,可针对第一重复缺陷候选项计算额外属性:局部和全局SNR。可通过经由所检测到的像素和来自缺陷邻域中的未检测到的像素的噪声计算信号来确定这些SNR值。局部SNR和全局SNR属性用于去除滋扰重复。以此方式,本文中所描述的实施例可使用基于SNR的滋扰抑制,借此允许极热预先滋扰事件滤波器(NEF)检验。
上文所描述的滤波可在具有或不具有位置复制的情况下执行。举例来说,图3中所展示的位置复制步骤325的结果可输入到SNR滤波步骤326,SNR滤波步骤326可如本文中进一步描述而执行,借此产生缺陷候选项328。从每一裸片上的差异图像计算局部SNR。在一个这类实施例中,一或多个计算机子系统配置成用于确定第一重复缺陷候选项的局部SNR,且确定局部SNR包含确定通过分别比较至少第一测试图像和第二测试图像中的每一个与两个不同参考图像而产生的每一差异图像中的第一重复缺陷候选项中的一个的位置处的SNR,即使在每一差异图像中未检测到第一重复缺陷候选项中的所述一个。举例来说,如上文所描述,计算机子系统可执行位置复制325,使得可进一步检验未经检测位置的较弱或未经检测重复缺陷。接着可使用位置复制325的结果来执行SNR滤波326,结果包含第一重复缺陷候选项和对应于第一重复缺陷候选项的未经检测位置两者的位置。以此方式,因为个别帧(裸片)中的缺陷检测可不检测每一裸片上的重复例项,因此可在经复制位置处计算局部SNR和全局SNR值且所述值用于进行实际缺陷和滋扰滤波的详细检验。
在另一这类实施例中,确定局部SNR包含比较在针对第一测试图像产生的每一差异图像中的两个中的第一重复缺陷候选项中的所述一个的位置处确定的SNR,以及选择具有较高值的SNR作为第一重复缺陷候选项中的所述一个的第一测试图像中的局部SNR。举例来说,使用来自两个比较的最强值,即,max(测试-Ref1,测试-Ref2)。这类途径允许实施例保持较弱缺陷以供进一步处理。
在另一这类实施例中,一或多个计算机子系统配置成用于确定全局SNR,且确定第一重复缺陷候选项中的一个的全局SNR中的一个包含确定在以多个差异图像的平均值检测到第一重复缺陷候选项中的一个的位置处的SNR。换句话说,从堆叠差异图像计算全局SNR,所述堆叠差异图像可以本文中所描述的各种方式中的一个构建,例如通过对来自所有裸片的差异图像求平均。可通过产生个别差异图像且接着对其求平均或从堆叠测试图像和两个不同堆叠参考图像产生个别差异图像而产生多个差异图像的平均值。以此方式,如本文中所描述的全局SNR是根据从多于一个测试图像产生的差异图像确定。
在另一这类实施例中,多个差异图像包含其中检测到第一重复缺陷候选项中的一个的差异图像,以及其中未检测到第一重复缺陷候选项中的一个的差异图像。举例来说,如上文所描述,全局SNR可与位置复制组合使用。以此方式,可从针对晶片上的一或多个对应位置产生的差异图像确定全局SNR,所述对应位置可包含检测到重复缺陷候选项的位置以及未检测到重复缺陷候选项的位置。与全局SNR滋扰滤波一起使用的位置复制可如上文所描述来执行。与位置滤波一起使用的全局SNR可如上文所描述来确定。
NEF去除具有较弱全局SNR或局部SNR的许多缺陷,且324处的重复候选项可变为非重复。因此,执行第二轮重复检测以去除非重复。一或多个计算机子系统进一步配置用于执行至少一个额外RDD以借此识别最终重复缺陷候选项。举例来说,如图3中所展示,通过SNR滤波步骤326输出的缺陷候选项328可输入到RDD 330,其可包含至少一个额外RDD,借此产生重复332,所述重复332可为最终重复缺陷候选项。
在一个实施例中,至少一个额外RDD包含识别在至少第一测试图像和第二测试图像中的多于两个中的对应位置处检测到的第一缺陷中的任一个或堆叠缺陷中的任一个作为最终重复缺陷候选项。以此方式,相比于第一RDD,较高重复阈值可用于至少一个额外RDD中。举例来说,在第一RDD中,重复缺陷候选项可为通过双重检测在测试图像(即,≥2个测试图像)中的至少两个中检测到的任何缺陷和/或经由堆叠检测到的任何缺陷。在至少一个额外RDD中,重复缺陷候选项可为通过双重检测在测试图像(即,>2个测试图像)中的多于两个中检测到的任何缺陷和/或经由堆叠检测到的任何缺陷。以此方式,至少一个额外RDD可进一步减少NEF之后的滋扰缺陷或非重复缺陷。因此,本文中所描述的RDD步骤中的两个可为基于坐标的RDD,但针对需要缺陷被视为重复缺陷候选项的次数而使用不同重复阈值。
一或多个计算机子系统还配置成用于基于最终重复缺陷候选识别光罩上的缺陷。举例来说,最终重复缺陷候选项可皆经识别为光罩上的缺陷。当本文中所描述的缺陷检测步骤检测到大体上极少滋扰时和/或当滋扰滤波步骤大体上有效抑制(例如消除)滋扰时,所有最终重复缺陷候选项作为光罩缺陷的这类接受可为适当的。然而,基于最终重复缺陷候选项识别光罩上的缺陷可任选地包含对最终重复缺陷候选项的某一额外分析。举例来说,重复332可输入到重复分析334,重复分析334可包含所属领域中已知的任何合适后处理,例如缺陷分类(例如,经由基于设计的分组或另一合适缺陷分类方法或算法)。重复分析还可包含供检视的采样缺陷,其可对所有最终重复缺陷候选项的子集执行以验证和/或分类经采样缺陷。这类检视采样可产生包含用于最终重复缺陷候选项的选定子集的信息的检视样本336,所述信息可接着发送到执行缺陷检视的缺陷检视工具(未展示)。重复分析还可包含当针对仅一个裸片行执行任一RDD步骤和/或针对晶片上的不同裸片行分开地执行多个RDD步骤时,跨多个裸片行检查重复。
识别光罩上的缺陷还可包含确定是否在相同或大体上相同的光罩坐标处检测到最终重复缺陷候选项。可通过使用某一重复距离阈值来识别大体上相同的光罩坐标,所述距离阈值定义必须将两个光罩坐标确定为光罩重复的位置的接近程度。举例来说,在晶片、检验子系统的定位元件等上印刷设计时的少量误差可使得光罩位置内的两个相同位置具有针对其确定的略微或稍微不同的光罩坐标。以此方式,使用容差来确定哪些光罩坐标可被视为相同可为有用的。可以用于确定这一容差的常用方式中的任一个且至少基于上文所描述的信息来确定所述容差的特定值。
出于本文中所描述的应用的目的,用户想要仅保持光罩重复。应从最终报告去除MDR的裸片重复。具体地说,针对用户寻找归因于光罩(光掩模)的问题而产生的重复缺陷的应用而产生本文中所描述的实施例。存在于同一光罩上的不同裸片中的相同位置处的缺陷最可能起因于晶片处理-而非由光罩自身造成。
换句话说,在单个光罩的多个裸片中的大体上相同位置处出现于晶片上的缺陷可能并不归因于例如受损图案化特征、粒子或外来物质和其类似物的实际光罩缺陷。实情为,如果缺陷在光罩中的多个裸片中在晶片上重复,那么在裸片中重复的晶片上的缺陷有可能归因于光罩、晶片和工艺之间的相互作用问题(例如归因于设计/程序工艺相互作用问题而不合格的边际设计)。虽然这一裸片重复缺陷在一些使用情况下可能受到关注,但本文中所描述的实施例已具体地产生以用于检测从经印刷光罩例项到经印刷光罩例项的重复的缺陷,且可因此假定为由光罩缺陷造成。
在一些情况下,缺陷将不由计算机子系统报告于光罩坐标中。换句话说,当计算机子系统检测到缺陷时,所述缺陷的部位的坐标可不由计算机子系统相对于光罩予以确定。以此方式,由一或多个计算机子系统确定的缺陷的坐标可通过计算机子系统或另一系统或方法翻译成光罩坐标。坐标可以多种不同方式翻译。举例来说,一种相对直接方式为将针对缺陷所报告的坐标翻译为晶片和光罩共有的参考,例如用于晶片和光罩的设计。在一个这类实例中,通过检验子系统针对缺陷产生的图像可与用于晶片的设计对准。一旦确定出缺陷的设计坐标,即可基于设计与光罩之间的已知关系将那些坐标翻译成光罩坐标。可接着将针对缺陷中的每一个确定的光罩坐标彼此比较,且可将具有大体上相同光罩坐标的缺陷识别为光罩重复。
计算机子系统可优选地存储用于所有检测到的缺陷的信息,使得用于所有检测到的缺陷的信息可用于RDD。一旦由计算机子系统执行RDD,那么经存储用于经确定为非重复的缺陷的信息可在将所述信息发送到另外的计算机子系统、另一方法、返回存储器等之前从所存储信息消除。
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个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的存储媒体。在结果已存储之后,结果可在存储媒体中存取,且由本文中所描述的方法或系统实施例中的任一个使用,经格式化以供向用户显示,由另一软件模块、方法或系统等使用。举例来说,在光罩上检测到的缺陷可用于控制和/或更改光罩修复或清洁工艺,其中目标为去除或修复一或多个光罩缺陷以借此防止这类光罩缺陷印刷于其它晶片上。在一个这类实例中,用于在光罩上检测到的缺陷的信息可由本文中所描述的一或多个计算机子系统、另一系统(例如,光罩修复系统)或另一方法(例如,光罩修复方法)使用以确定应在光罩上的何处执行光罩修复或清洁工艺。用于在光罩上检测到的缺陷的信息还可用于确定这种工艺的一或多个参数,例如,将执行所述工艺的区域、待执行所述工艺的时间长度、应在所述工艺中使用的化学物质或气体等。以此方式,经更改光罩可用于在光刻工艺中在其它晶片上印刷光罩上的裸片。经更改光罩还可在其已重新引入到光刻工艺之后的另一时间使用本文中所描述的实施例来重新检验。
因此,上文所描述的实施例具有优于当前针对RDD使用的方法和系统的许多优势。举例来说,上文所描述的新方法允许针对重复缺陷的提高的敏感度。对RDD的提高的敏感度对于多个应用为重要的。在一个实例中,EUV光刻工艺到半导体制造中的引入需要频繁掩模检验(这些掩模较易受缺陷影响,这是因为掩模不具有表膜且在操作期间可曝光)且将操作从掩模检验器(对于EUV不存在具有光化光的掩模检验器)移动到晶片检验器。针对EUV的重复缺陷经预期为大体上小的和/或弱的,且可仅印刷于晶片上的若干裸片上。为了发现这些缺陷,晶片检验器必须处理大量候选缺陷,这无法通过当前途径完成。另外,EUV光刻的引入引起重复缺陷的稳健检测的必要性。
本文中所描述的实施例可与用于RDD或与RDD有关的其它方法和系统一起使用,所述其它方法和系统例如2017年9月19日颁予陈(Chen)等人的美国专利第9,766,186号、2017年9月19日颁予陈(Chen)等人的美国专利第9,766,187号、2018年11月13日颁予高(Gao)等人的美国专利第10,127,652号、2019年7月30日颁予休曼(Suman)等人的美国专利第10,365,232号、2019年8月27日颁予布罗埃(Brauer)等人的美国专利第10,395,358号和2020年5月12日颁予希夫林(Shifrin)等人的美国专利第10,648,925号,以及2018年11月29日公开的塞兹吉内尔(Sezginer)等人的美国专利申请公开案第2018/0342051号、2020年3月5日公开的休曼(Suman)等人的美国专利申请公开案第2020/0072763号、2020年7月30日公开的帕特瓦瑞(Patwary)等人的美国专利申请公开案第2020/0244963号和2021年3月25日公开的布罗埃(Brauer)等人的美国专利申请公开案第2021/0090229号中所描述的那些方法和系统,所有这些专利和公开案以引用的方式并入,如同在本文中完全阐述。本文中所描述的实施例可如这些专利和公开案中所描述而进一步配置。
本文所描述的系统的实施例中的每一个可与本文所描述的系统的任何其它实施例组合。
另一实施例涉及一种用于检测光罩上的缺陷的计算机实施方法。所述方法包含通过检验子系统获取针对晶片产生的图像。光罩用于在光刻工艺中将特征印刷在晶片上。所述方法包含上文所描述的检测第一缺陷、检测堆叠缺陷、执行第一RDD、执行至少一个额外RDD以及识别缺陷的步骤,所述步骤由耦合到所述检验子系统的一或多个计算机子系统执行。
可如本文中进一步描述而执行方法的步骤中的每一个。所述方法还可包含可由本文中所描述的检验子系统和/或计算机子系统或系统执行的任何其它步骤,检验子系统和/或计算机子系统或系统可根据本文中所描述的实施例中的任一个来配置。另外,上文所描述的方法可由本文中所描述的系统实施例中的任一个执行。
额外实施例涉及一种存储在计算机系统上执行以用于执行用于检测光罩上的缺陷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。一个这类实施例展示于图10中。具体地说,如图10中所展示,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所描述的任何一或多种方法的任何一或多个步骤。
实施例如本文中所描述的那些方法的方法的程序指令1002可存储于计算机可读媒体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。
程序指令可以各种方式中的任一种实施,所述方式包含基于程序的技术、基于组件的技术和/或面向对象技术,外加其它。举例来说,程序指令可视需要使用ActiveX控件、C++对象、JavaBeans、微软基础类别(“MFC”)、流式传输SIMD扩展(SSE)或其它技术或方法来实施。
计算机系统1004可根据本文中所描述的实施例中的任一个而配置。
鉴于本说明书,本发明的各种方面的进一步修改和替代实施例对于所属领域的技术人员将显而易见。举例来说,提供用于检测光罩上的缺陷的系统和方法。因此,本说明书应理解为仅为说明性的且出于教示所属领域的技术人员执行本发明的通用方式的目的。应了解,本文中所展示及描述的本发明的形式应被视为目前优选的实施例。元件和材料可替代本文中所说明及描述的元件和材料,部分和工艺可颠倒,且可独立利用本发明的某些特征,以上所有对具有本发明的本描述的益处的所属领域的技术人员将为显而易见的。在不背离如在以下权利要求书中所描述的本发明的精神和范围的情况下,可对本文中所描述的元件作出改变。

Claims (21)

1.一种配置成检测光罩上的缺陷的系统,其包括:
检验子系统,其配置成针对晶片产生图像,其中光罩用于在光刻工艺中将特征印刷在所述晶片上;以及
一或多个计算机子系统,其配置成用于:
检测包含于所述图像中的至少第一测试图像和第二测试图像中的第一缺陷,其中检测所述第一缺陷包括分别比较所述至少第一测试图像和第二测试图像中的每一个与对应于所述至少第一测试图像和第二测试图像中的所述每一个的两个不同参考图像,且其中所述至少第一测试图像和第二测试图像对应于印刷于所述晶片上的所述光罩上的同一区域的不同例项;
通过分别比较针对所述第一测试图像产生的堆叠测试图像与对应于所述堆叠测试图像的两个不同堆叠参考图像而检测至少所述第一测试图像中的堆叠缺陷;
通过识别在所述至少第一测试图像和第二测试图像中的两个或更多个中的对应位置处检测到的所述第一缺陷中的任一个和所述堆叠缺陷中的任一个作为第一重复缺陷候选项来执行第一重复缺陷检测;
对所述第一重复缺陷候选项执行至少一个额外重复缺陷检测以借此识别最终重复缺陷候选项;以及
基于所述最终重复缺陷候选项识别所述光罩上的缺陷。
2.根据权利要求1所述的系统,其中所述检验子系统进一步配置成针对所述晶片或训练晶片上的预选主裸片产生图像,且其中所述一或多个计算机子系统进一步配置成用于在检测到所述第一缺陷以及检测到所述堆叠缺陷之前执行至少所述不同参考图像与针对所述预选主裸片产生的所述图像的执行时间对准。
3.根据权利要求1所述的系统,其中所述检验子系统进一步配置成针对所述晶片或训练晶片上的预选参考裸片产生图像,且其中所述一或多个计算机子系统进一步配置成用于从针对所述预选参考裸片产生的所述图像选择所述两个不同参考图像以用于分别与所述至少第一测试图像和第二测试图像中的所述一个进行比较。
4.根据权利要求1所述的系统,其中所述检验子系统进一步配置成针对训练晶片上的预选参考裸片产生图像,且其中所述一或多个计算机子系统进一步配置成用于存储所述预选参考裸片的所述图像且动态地从针对所述预选参考裸片产生的所述图像产生所述两个不同参考图像以用于分别与所述至少第一测试图像和第二测试图像中的所述每一个进行比较。
5.根据权利要求1所述的系统,其中所述检验子系统进一步配置成针对所述晶片或训练晶片上的预选参考裸片产生图像,且其中所述一或多个计算机子系统进一步配置成用于将所述预选参考裸片分成第一群组和第二群组,从针对所述第一群组中的所述预选参考裸片产生的所述图像产生所述两个不同参考图像中的第一个以用于分开地与所述第一测试图像进行比较,以及从针对所述第二群组中的所述预选参考裸片产生的所述图像产生所述两个不同参考图像中的第二个以用于分开地与所述第一测试图像进行比较。
6.根据权利要求5所述的系统,其中所述一或多个计算机子系统进一步配置成用于基于产生所述第一测试图像的所述晶片上的裸片的位置而选择所述第一群组和所述第二群组的所述预选参考裸片。
7.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配置成用于在执行所述至少一个额外重复缺陷检测之前基于所述第一重复缺陷候选项的局部和全局信噪比而对所述第一重复缺陷候选项滤波。
8.根据权利要求7所述的系统,其中所述一或多个计算机子系统进一步配置成用于确定所述第一重复缺陷候选项的所述局部信噪比,且其中确定所述局部信噪比包括确定通过所述分别比较所述至少第一测试图像和第二测试图像中的所述每一个与所述两个不同参考图像而产生的每一差异图像中的所述第一重复缺陷候选项中的一个的位置处的信噪比,即使在所述每一差异图像中未检测到所述第一重复缺陷候选项中的所述一个。
9.根据权利要求8所述的系统,其中确定所述局部信噪比进一步包括:比较在针对所述第一测试图像产生的所述每一差异图像中的两个中的所述第一重复缺陷候选项中的所述一个的所述位置处确定的所述信噪比;以及选择具有较高值的所述信噪比作为所述第一重复缺陷候选项中的所述一个的所述第一测试图像中的所述局部信噪比。
10.根据权利要求7所述的系统,其中所述一或多个计算机子系统进一步配置成用于确定所述全局信噪比,且其中确定所述第一重复缺陷候选项中的一个的所述全局信噪比中的一个包括确定在以多个差异图像的平均值检测到所述第一重复缺陷候选项中的所述一个的位置处的信噪比。
11.根据权利要求10所述的系统,其中所述多个差异图像包括其中检测到所述第一重复缺陷候选项中的所述一个的差异图像,及其中未检测到所述第一重复缺陷候选项中的所述一个的差异图像。
12.根据权利要求1所述的系统,其中检测所述第一缺陷包括将第一热阈值应用于所述分别比较所述至少第一测试图像和第二测试图像中的所述每一个与所述两个不同参考图像的结果,且其中检测所述堆叠缺陷包括将第二热阈值应用于所述分别比较所述堆叠测试图像与所述两个不同堆叠参考图像的结果。
13.根据权利要求1所述的系统,其中检测所述堆叠缺陷包括:对来自通过分别比较所述堆叠测试图像与所述两个不同堆叠参考图像而产生的堆叠差异图像的系统性噪声源进行滤波;以及在所述滤波之后将阈值应用于所述堆叠差异图像。
14.根据权利要求1所述的系统,其中所述分别比较针对所述第一测试图像产生的所述堆叠测试图像与所述两个不同的堆叠参考图像产生所述第一测试图像的堆叠差异图像,所述堆叠差异图像与从单个测试图像和单个参考图像产生的差异图像相比具有较小随机噪声。
15.根据权利要求1所述的系统,其中所述至少一个额外重复缺陷检测包括识别在所述至少第一测试图像和第二测试图像中的多于两个中的对应位置处检测到的所述第一缺陷中的任一个或所述堆叠缺陷中的任一个作为所述最终重复缺陷候选项。
16.根据权利要求1所述的系统,其中至少所述第一重复缺陷检测是在后处理阶段之前执行,所述后处理阶段包括在通过所述检验子系统针对所述晶片产生所有所述图像之后执行的一或多个步骤。
17.根据权利要求1所述的系统,其中所述光罩为单裸片光罩。
18.根据权利要求1所述的系统,其中所述光罩为多裸片光罩。
19.根据权利要求1所述的系统,其中所述光罩配置成供在极紫外线波长下使用。
20.一种非暂时性计算机可读媒体,其存储在一或多个计算机子系统上执行以用于执行用于检测光罩上的缺陷的计算机实施方法的程序指令,其中所述计算机实施方法包括:
通过检验子系统获取针对晶片产生的图像,其中光罩用于在光刻工艺中将特征印刷在所述晶片上;
检测包含于所述图像中的至少第一测试图像和第二测试图像中的第一缺陷,其中检测所述第一缺陷包括分别比较所述至少第一测试图像和第二测试图像中的每一个与对应于所述至少第一测试图像和第二测试图像中的所述每一个的两个不同参考图像,且其中所述至少第一测试图像和第二测试图像对应于印刷于所述晶片上的所述光罩上的同一区域的不同例项;
通过分别比较针对所述第一测试图像产生的堆叠测试图像与对应于所述堆叠测试图像的两个不同堆叠参考图像而检测至少所述第一测试图像中的堆叠缺陷;
通过识别在所述至少第一测试图像和第二测试图像中的两个或更多个中的对应位置处检测到的所述第一缺陷中的任一个和所述堆叠缺陷中的任一个作为第一重复缺陷候选项来执行第一重复缺陷检测;
对所述第一重复缺陷候选项执行至少一个额外重复缺陷检测以借此识别最终重复缺陷候选项;以及
基于所述最终重复缺陷候选项识别所述光罩上的缺陷,其中获取所述图像、检测所述第一缺陷、检测所述堆叠缺陷、执行所述第一重复缺陷检测、执行所述至少一个额外重复缺陷检测以及识别所述光罩上的所述缺陷由耦合到所述检验子系统的所述一或多个计算机子系统执行。
21.一种用于检测光罩上的缺陷的计算机实施方法,其包括:
通过检验子系统获取针对晶片产生的图像,其中光罩用于在光刻工艺中将特征印刷在所述晶片上;
检测包含于所述图像中的至少第一测试图像和第二测试图像中的第一缺陷,其中检测所述第一缺陷包括分别比较所述至少第一测试图像和第二测试图像中的每一个与对应于所述至少第一测试图像和第二测试图像中的所述每一个的两个不同参考图像,且其中所述至少第一测试图像和第二测试图像对应于印刷于所述晶片上的所述光罩上的同一区域的不同例项;
通过分别比较针对所述第一测试图像产生的堆叠测试图像与对应于所述堆叠测试图像的两个不同堆叠参考图像而检测至少所述第一测试图像中的堆叠缺陷;
通过识别在所述至少第一测试图像和第二测试图像中的两个或更多个中的对应位置处检测到的所述第一缺陷中的任一个和所述堆叠缺陷中的任一个作为第一重复缺陷候选项来执行第一重复缺陷检测;
对所述第一重复缺陷候选项执行至少一个额外重复缺陷检测以借此识别最终重复缺陷候选项;以及
基于所述最终重复缺陷候选项识别所述光罩上的缺陷,其中获取所述图像、检测所述第一缺陷、检测所述堆叠缺陷、执行所述第一重复缺陷检测、执行所述至少一个额外重复缺陷检测以及识别所述光罩上的所述缺陷由耦合到所述检验子系统的一或多个计算机子系统执行。
CN202180032420.6A 2020-05-04 2021-05-04 图样检查的重复缺陷检测 Active CN115485628B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063019445P 2020-05-04 2020-05-04
US63/019,445 2020-05-04
US17/246,034 US11328411B2 (en) 2020-05-04 2021-04-30 Print check repeater defect detection
US17/246,034 2021-04-30
PCT/US2021/030535 WO2021225999A1 (en) 2020-05-04 2021-05-04 Print check repeater defect detection

Publications (2)

Publication Number Publication Date
CN115485628A true CN115485628A (zh) 2022-12-16
CN115485628B CN115485628B (zh) 2024-02-20

Family

ID=78293144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180032420.6A Active CN115485628B (zh) 2020-05-04 2021-05-04 图样检查的重复缺陷检测

Country Status (6)

Country Link
US (1) US11328411B2 (zh)
KR (1) KR20230002695A (zh)
CN (1) CN115485628B (zh)
IL (1) IL297406B1 (zh)
TW (1) TW202202830A (zh)
WO (1) WO2021225999A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11810284B2 (en) * 2020-08-21 2023-11-07 Kla Corporation Unsupervised learning for repeater-defect detection
CN114298992A (zh) * 2021-12-21 2022-04-08 北京百度网讯科技有限公司 一种视频帧去重方法、装置、电子设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020103607A1 (en) * 2001-01-30 2002-08-01 Christian Crell Method for inspecting defects on a mask
US20050195414A1 (en) * 2004-03-03 2005-09-08 Jenspeter Rau Method and apparatus for determining local variation of the reflection or transmission behavior over a mask surface
US20090041332A1 (en) * 2007-07-20 2009-02-12 Kla-Tencor Corporation Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer
CN102129164A (zh) * 2010-01-15 2011-07-20 中芯国际集成电路制造(上海)有限公司 掩膜版缺陷的判断方法及判断系统
US20150063677A1 (en) * 2013-08-28 2015-03-05 Kla-Tencor Corporation Scratch Filter for Wafer Inspection
CN104698741A (zh) * 2003-07-03 2015-06-10 恪纳腾技术公司 使用设计者意图数据检查晶片和掩模版的方法和系统
US20160313647A1 (en) * 2015-04-22 2016-10-27 Imec Vzw Method for Hotspot Detection and Ranking of a Lithographic Mask
CN106662538A (zh) * 2014-08-27 2017-05-10 科磊股份有限公司 重复缺陷检测
US20170191948A1 (en) * 2016-01-04 2017-07-06 Kla-Tencor Corporation Optical Die to Database Inspection
CN109964115A (zh) * 2016-11-10 2019-07-02 科磊股份有限公司 高敏感度重复项缺陷检测

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7729529B2 (en) * 2004-12-07 2010-06-01 Kla-Tencor Technologies Corp. Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle
JP4767665B2 (ja) * 2005-01-05 2011-09-07 富士通セミコンダクター株式会社 レチクル検査装置およびレチクル検査方法
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
US8041106B2 (en) * 2008-12-05 2011-10-18 Kla-Tencor Corp. Methods and systems for detecting defects on a reticle
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
US10127652B2 (en) 2014-02-06 2018-11-13 Kla-Tencor Corp. Defect detection and classification based on attributes determined from a standard reference image
US9766187B2 (en) 2014-08-27 2017-09-19 Kla-Tencor Corp. Repeater detection
US10365232B2 (en) 2017-05-15 2019-07-30 Kla-Tencor Corp. High accuracy of relative defect locations for repeater analysis
US11270430B2 (en) 2017-05-23 2022-03-08 Kla-Tencor Corporation Wafer inspection using difference images
US10648925B2 (en) 2017-06-05 2020-05-12 Kla-Tencor Corporation Repeater defect detection
US11431976B2 (en) 2019-01-28 2022-08-30 Kla Corporation System and method for inspection using tensor decomposition and singular value decomposition
US11120546B2 (en) 2019-09-24 2021-09-14 Kla Corporation Unsupervised learning-based reference selection for enhanced defect inspection sensitivity

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020103607A1 (en) * 2001-01-30 2002-08-01 Christian Crell Method for inspecting defects on a mask
CN104698741A (zh) * 2003-07-03 2015-06-10 恪纳腾技术公司 使用设计者意图数据检查晶片和掩模版的方法和系统
US20050195414A1 (en) * 2004-03-03 2005-09-08 Jenspeter Rau Method and apparatus for determining local variation of the reflection or transmission behavior over a mask surface
US20090041332A1 (en) * 2007-07-20 2009-02-12 Kla-Tencor Corporation Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer
CN102129164A (zh) * 2010-01-15 2011-07-20 中芯国际集成电路制造(上海)有限公司 掩膜版缺陷的判断方法及判断系统
US20120023464A1 (en) * 2010-01-15 2012-01-26 Semiconductor Manufacturing International (Shanghai) Corporation Automatic identification of systematic repeating defects in semiconductor production
US20150063677A1 (en) * 2013-08-28 2015-03-05 Kla-Tencor Corporation Scratch Filter for Wafer Inspection
CN106662538A (zh) * 2014-08-27 2017-05-10 科磊股份有限公司 重复缺陷检测
US20160313647A1 (en) * 2015-04-22 2016-10-27 Imec Vzw Method for Hotspot Detection and Ranking of a Lithographic Mask
US20170191948A1 (en) * 2016-01-04 2017-07-06 Kla-Tencor Corporation Optical Die to Database Inspection
CN109964115A (zh) * 2016-11-10 2019-07-02 科磊股份有限公司 高敏感度重复项缺陷检测

Also Published As

Publication number Publication date
IL297406A (en) 2022-12-01
TW202202830A (zh) 2022-01-16
US11328411B2 (en) 2022-05-10
KR20230002695A (ko) 2023-01-05
WO2021225999A1 (en) 2021-11-11
IL297406B1 (en) 2024-02-01
US20210342992A1 (en) 2021-11-04
CN115485628B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
US10395358B2 (en) High sensitivity repeater defect detection
CN107078073B (zh) 用于工艺窗口特征化的虚拟检验系统
KR102438824B1 (ko) 3차원 반도체 구조체들의 검사를 위한 결함 발견 및 레시피 최적화
US10211025B2 (en) Determining a position of a defect in an electron beam image
US10921262B2 (en) Correlating SEM and optical images for wafer noise nuisance identification
US11067516B2 (en) High accuracy of relative defect locations for repeater analysis
JP2022502839A (ja) 極紫外線フォトマスク上で検出される欠陥の処理
CN115485628B (zh) 图样检查的重复缺陷检测
US20160321800A1 (en) Intra-Die Defect Detection
KR102079420B1 (ko) 통합된 멀티 패스 검사
KR20170127549A (ko) 공정 윈도우 결정을 위한 적응형 샘플링
KR20190142418A (ko) 리피터 분석을 위한 높은 정확도의 상대적 결함 위치
US11494895B2 (en) Detecting defects in array regions on specimens
US20240177294A1 (en) Print check repeater defect detection
WO2024035493A1 (en) Detecting defects on specimens

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