CN116435204A - 基于空间密度分析的半导体晶片的引导检查 - Google Patents

基于空间密度分析的半导体晶片的引导检查 Download PDF

Info

Publication number
CN116435204A
CN116435204A CN202211506339.XA CN202211506339A CN116435204A CN 116435204 A CN116435204 A CN 116435204A CN 202211506339 A CN202211506339 A CN 202211506339A CN 116435204 A CN116435204 A CN 116435204A
Authority
CN
China
Prior art keywords
potential
location
defect
potential defect
semiconductor wafer
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.)
Pending
Application number
CN202211506339.XA
Other languages
English (en)
Inventor
亚利尔·赫斯霍恩
约塔姆·索弗
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.)
Applied Materials Israel Ltd
Original Assignee
Applied Materials Israel Ltd
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 Applied Materials Israel Ltd filed Critical Applied Materials Israel Ltd
Publication of CN116435204A publication Critical patent/CN116435204A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10Measuring as part of the manufacturing process
    • H01L22/12Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605Workpiece metrology
    • G03F7/70616Monitoring the printed patterns
    • G03F7/7065Defects, e.g. optical inspection of patterned layer for defects
    • GPHYSICS
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605Workpiece metrology
    • G03F7/70681Metrology strategies
    • G03F7/706831Recipe selection or optimisation, e.g. select or optimise recipe parameters such as wavelength, polarisation or illumination modes
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/24Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • H01L22/34Circuits for electrically characterising or monitoring manufacturing processes, e. g. whole test die, wafers filled with test structures, on-board-devices incorporated on each die, process control monitors or pad structures thereof, devices in scribe line
    • 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
    • G01N2021/8867Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
    • 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)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

可以识别来自已经由审查工具审查的半导体样品的缺陷样本。此外,可以识别来自未经审查工具先前审查的半导体样品的候选样本。当确定新的位置的阈值距离内的先前审查的潜在缺陷的位置的数量指示已被先前审查过的该半导体样品的具有高潜在缺陷密度的区域时,选择位于该半导体样品的第二位置处的第二潜在缺陷,其中该第二位置位于该阈值距离之外。

Description

基于空间密度分析的半导体晶片的引导检查
本申请是申请日为2019年3月20日、申请号为201910212376.1、发明名称为“基于空间密度分析的半导体晶片的引导检查”的发明专利申请的分案申请。
技术领域
本公开内容大体涉及引导检查,且更具体地,涉及基于空间密度分析的半导体晶片的引导检查。
背景技术
半导体装置的制造可以利用与超大规模集成相关的亚微米特征。这种制造工艺可能需要形成具有高精度和均匀性的半导体装置特征,这可能需要仔细监控制造工艺。例如,可以对半导体晶片执行频繁且详细的检查,以检测半导体晶片的任何缺陷。详细检查可对应于半导体晶片的检查图像的分析。
发明内容
以下是本公开内容的简要概述,以便提供对本公开内容的一些方面的基本理解。该概述不是本公开内容的详尽概述。其既不旨在确定本公开内容的核心或关键元素,也不旨在限定本公开内容的具体实施方式的任何范围或权利要求的任何范围。其唯一目的是以简化形式呈现本公开内容的一些概念,作为稍后呈现的更详细描述的序言。
本公开内容的实施方式可对应于包括存储器和处理装置的系统,用于识别已经由审查工具审查的半导体晶片处的样本并且识别未经审查工具审查的半导体晶片处的候选样本。处理装置可以进一步确定候选样本在半导体晶片处的位置,并确定在与候选样本的位置邻近的位置处的已经审查的样本的数量。此外,处理装置可以基于在与候选样本的位置邻近的位置处的样本的数量来选择候选样本以供审查工具审查。
在一些实施方式中,为了基于在与候选样本的位置邻近的位置处的多个样本的数量来选择候选样本以供审查工具审查,当在与候选样本的位置邻近的位置处的多个样本的数量不满足阈值数量时,处理装置可以进一步向审查工具提供候选样本。
在一些实施方式中,处理装置可识别未经审查工具审查的半导体晶片处的后续候选样本,确定后续候选样本在半导体晶片处的后续位置,确定包含在与后续候选样本的后续位置邻近的位置处的已经审查的候选样本和多个样本在内的样本的数量,并且基于在与后续候选样本的后续位置邻近的位置处的样本的数量来选择待由审查工具审查的后续候选样本。
在一些实施方式中,为了基于在与候选样本的位置邻近的位置处的多个样本的数量来选择候选样本以供审查工具审查,处理装置可以进一步识别包括候选样本的半导体晶片的裸片,其中在与候选样本的位置邻近的已经审查的多个样本的位置位于包括候选样本的裸片处。
在一些实施方式中,审查工具对应于扫描电子显微镜(scanning electronmicroscope,SEM)。
在一些实施方式中,对供审查工具审查的候选样本的选择进一步基于已经由审查工具审查的半导体晶片处的多个样本的分类结果。
在一些实施方式中,基于在与候选样本的位置邻近的位置处的多个样本的数量的对供审查工具审查的候选样本的选择与先前已由审查工具审查的多个样本的密度相关联。
在一些实施方式中,一种方法可识别已经由审查工具审查的半导体晶片处的样本,识别未经审查工具审查的半导体晶片处的候选样本,确定候选样本在半导体晶片处的位置,确定在与候选样本的位置邻近的位置处的已被审查的样本的数量,并且基于在与候选样本的位置邻近的位置处的样本的数量来选择候选样本以供审查工具审查。
在一些实施方式中,非暂态计算机可读介质可包括指令,所述指令在由处理装置执行时,使得处理装置识别已经由审查工具审查的半导体晶片处的样本,识别未经审查工具审查的半导体晶片处的候选样本,确定候选样本在半导体晶片处的位置,确定在与候选样本的位置邻近的位置处的已被审查的样本的数量,并且基于在与候选样本的位置邻近的位置处的样本的数量来选择候选样本以供审查工具审查。
在一些实施方式中,当确定候选样本的位置的阈值距离内的先前审查的潜在缺陷的位置的数量指示已被先前审查过的半导体样品的具有高潜在缺陷密度的区域时,选择位于半导体样品的第二位置处的第二潜在缺陷,其中第二位置位于阈值距离之外。
附图说明
通过下面给出的详细描述和本公开内容的各实施方式的附图,将更全面地理解本公开内容。
图1绘示了根据本公开内容的一些实施方式的引导检查系统的示例环境。
图2是根据一些实施方式的基于先前审查的候选样本的位置来选择供审查工具审查的候选样本的示例方法的流程图。
图3A绘示了根据一些实施方式的具有第一分布的审查样本的半导体晶片。
图3B绘示了根据一些实施方式的具有第一分布的审查样本的半导体晶片。
图4是根据本公开内容的一些实施方式的基于先前审查的样本的密度迭代选择供审查的样本子集的示例方法的流程图。
图5是可以在其中运行本公开内容的实施方式的示例计算机系统的框图。
具体实施方式
本公开内容的各方面涉及基于空间密度分析的半导体晶片的引导检查。一般而言,半导体晶片检查系统可用于对半导体晶片进行检查。例如,半导体晶片检查系统可用于识别半导体晶片处的缺陷。
半导体晶片检查系统可包括光学工具和缺陷审查工具。例如,光学工具可用于在制造工艺之后或制造工艺期间识别半导体晶片处的潜在缺陷或候选缺陷。随后,缺陷审查工具可用于审查、分类或确定候选缺陷是否是实际缺陷或不是缺陷(例如,“误报警”)。半导体晶片可被制造成具有越来越小的特征结构,并且这些较小特征结构的检查可能伴随有特定量的检查噪声。由于特征结构越来越小并且半导体晶片检查系统与特定量的检查噪声相关联,因此半导体晶片的较小特征结构可被识别为供缺陷审查工具审查的潜在缺陷,以确定这些潜在缺陷是否是实际缺陷或误报警。由于在半导体晶片上可能存在被识别为潜在缺陷的大量特征结构,因此审查每个潜在缺陷可能会占用大量时间。
本公开内容的各方面通过基于空间密度分析引导半导体晶片的检查来解决上述和其他缺陷。例如,半导体晶片的检查可以基于先前已审查过的半导体晶片处的潜在缺陷的位置。例如,光学工具可以识别半导体晶片处的多个候选缺陷的数量。可以识别候选缺陷的第一子集并将其提供给缺陷审查工具,以确定来自第一子集的任何候选缺陷是否是实际缺陷或不是缺陷。随后,可以基于先前审查的来自第一子集的候选缺陷的位置来识别候选缺陷的第二子集。可以基于先前审查的半导体晶片上的候选缺陷的位置密度来识别第二子集的候选缺陷。例如,可以选择第二子集中的候选缺陷,使得第二子集中的候选缺陷的位置与第一子集中的候选缺陷的位置相结合而在整个半导体晶片上大致均匀地分布。这样,可以基于先前审查的候选缺陷的位置来引导半导体晶片的检查,或者使得半导体晶片的检查进行主动学习。例如,半导体晶片的检查可包括迭代缺陷采样,其用于基于在先前迭代中的被先前审查的样本的位置来选择要审查的候选样本的子集。
本公开内容的优点包括,但不限于,改进的缺陷系统,其通过减少识别半导体晶片处的实际缺陷的时间量而产生。例如,由于半导体晶片的检查可以根据基于先前审查的潜在缺陷的位置而选择的潜在缺陷子集的迭代,因此所审查的潜在缺陷可以在整个半导体晶片上具有代表性,而不是集中在半导体晶片的特定位置。因此,可以分析增加数量的不同类型的潜在缺陷,并且半导体晶片的检查可使得在更少的时间量内获得更广泛的缺陷信息。例如,可以识别不同类型缺陷的不同分类。
图1绘示了引导检查系统100的示例环境。一般而言,引导检查系统100可包括检查工具110、缺陷采样部件120和缺陷审查工具130。
如图1所示,引导检查系统100包括检查工具110,检查工具110可用于从作为半导体制造工艺的一部分的对物体(例如,来自半导体晶片的样本)的检查中提供缺陷信息。所述检查可以是半导体制造工艺的一部分,并且可以在物体制造期间进行。引导检查系统100还可以使用在物体制造期间或之后获得的图像自动确定与半导体缺陷相关的信息。例如,检查工具110可以接收输入105并且可以在半导体晶片处生成潜在或候选缺陷(例如,候选样本)的地图。输入105可包括,但不限于,半导体晶片的图像、设计数据(例如,计算机辅助设计(CAD)数据指定包括对象的设计结构),或指定已经由用户识别的半导体晶片的特定部分的感兴趣区域信息。在一些实施方式中,检查工具110可被配置为捕获检查图像。例如,检查工具110可以利用高速和/或低分辨率光学系统来获得半导体晶片的图像。由此产生的图像可提供潜在缺陷的信息。
可以将来自检查工具110的检查数据115提供给缺陷采样部件120。检查数据115可以识别半导体晶片处的潜在缺陷的位置。在一些实施方式中,缺陷采样部件120可以是缺陷检测系统的一部分。缺陷检测系统可被配置为处理所接收的检查数据115以选择供审查的候选样本(例如,潜在缺陷)。例如,缺陷采样部件120可以从检查数据115中选择一个或多个潜在缺陷或样本到缺陷审查工具130,以确定潜在缺陷是实际缺陷或不是实际缺陷(例如,误报警)并可以对任何实际缺陷进行分类。缺陷审查工具130可被配置为捕获由检查工具110检测到并且由缺陷采样部件120选择的潜在缺陷的至少一部分或子集的审查图像。例如,缺陷审查工具130可包括相对于检查工具110的高速和/或低分辨率光学系统而言的低速和/或高分辨率光学系统。在一些实施方式中,缺陷审查工具130可以是扫描电子显微镜(SEM)。然后,可以将缺陷审查工具130的输出135提供给缺陷采样部件120,以选择待由缺陷审查工具130审查的附加潜在缺陷。
在操作中,检查工具110可以识别半导体晶片处的潜在缺陷的位置。检查工具110可以将潜在缺陷的位置提供给缺陷采样部件120。随后,缺陷采样部件120可以针对由检查工具110识别的潜在缺陷的子集执行迭代选择过程。例如,可以选择潜在缺陷的第一子集并将其提供给缺陷审查工具130,以便对来自第一子集的潜在缺陷进行分类。然后可以接收来自这些特定潜在缺陷的缺陷信息。随后,该缺陷信息可用于识别待由缺陷审查工具130审查的潜在缺陷的第二子集的潜在缺陷。针对第二子集选择的潜在缺陷可被识别为与先前已审查过的其他潜在缺陷不相似,并可以基于先前已审查过的潜在缺陷的分布来进行识别。
在一些实施方式中,检查工具110、缺陷采样部件120和缺陷审查工具130可以是位于相同或不同位置处的不同工具,或者是以不同模式操作的单个工具。在后一种情况下,可以首先以较低分辨率和高速操作工具,以获得物体的所有或相关区域的至少大部分的图像(例如,对应于检查工具110的检查图像)。一旦检测到潜在缺陷,就可以以较高的分辨率和可能较低的速度操作工具,以检查与潜在缺陷相关联的特定位置(例如,对应于缺陷审查工具130的操作)。在一些实施方式中,本文描述的功能可以在缺陷审查工具中实施。例如,缺陷审查工具可以执行与缺陷采样部件120相对应的操作,以用于选择由缺陷审查工具在特定迭代中要审查的潜在缺陷。在一些实施方式中,缺陷采样部件120可以在独立工具或服务器中实施。例如,缺陷审查系统可以在分布式环境中实施,在分布式环境中,检查审查工具、缺陷采样部件和缺陷审查工具经由网络彼此耦接。
图2是基于先前审查的候选样本的位置来选择供审查工具审查的候选样本的示例方法200的流程图。方法200可以由处理逻辑执行,处理逻辑可包括硬件(例如,处理装置、电路、专用逻辑、可编程逻辑、微代码、装置的硬件、集成电路等)、软件(例如,在处理装置上运行或执行的指令)、或它们的组合。在一些实施方式中,方法200可以由图1的缺陷采样部件120执行。
如图2所示,方法200可开始于框210处,其中处理逻辑识别半导体晶片处的样本。例如,检查工具可以识别半导体晶片处的潜在或候选缺陷。在一些实施方式中,可以从检查工具接收和分析的输入数据中识别潜在或候选缺陷。例如,检查工具可以接收或生成半导体晶片的图像、半导体晶片的设计数据(例如,计算机辅助设计(CAD)数据)、感兴趣区域(region of interest,ROI)数据(例如,由用户或工艺指定的信息,其指示或描绘可能包括潜在缺陷的半导体晶片的部分)、或其他此类数据源。可以在半导体晶片的地图上识别或标记潜在或候选缺陷,其中该地图指示沿着半导体晶片的位置处的潜在或候选缺陷的位置。随后,处理逻辑可以将半导体晶片处的样本的第一子集提供给审查工具(框220)。例如,可以提供半导体晶片处的候选缺陷的第一数量或适当子集以供审查工具审查。可以基于在整个半导体晶片上均匀或大致均匀分布的位置来选择第一数量的候选缺陷。例如,如果半导体晶片包括十个裸片并且如果第一子集中包括100个潜在缺陷,则来自每个裸片的十个潜在缺陷可被包括在第一子集中。在相同或替代的实施方式中,可以选择来自每个裸片的潜在缺陷的数量,以便从每个裸片中选择潜在缺陷的范围。例如,可以从每个裸片(或其他这样的邻近位置)中选择8到12个潜在缺陷的范围。可以从审查工具接收对候选缺陷是否是实际缺陷或不是实际缺陷(例如,误警报)的分类和/或确定。处理逻辑可以识别半导体晶片处的候选样本(框230)。例如,可以识别尚未由审查工具审查的潜在缺陷。潜在缺陷可包括未与审查工具先前已审查过的其他潜在缺陷匹配的属性或特征。例如,所识别的候选样本的识别标志可能与先前审查的样本的识别标志不匹配。处理逻辑可进一步确定候选样本在半导体晶片处的位置(框240),并且可以确定在与候选样本的位置邻近的位置处的来自第一子集的候选样本的位置(框250)。例如,可以识别在候选样本位置的阈值距离内的先前审查的候选样本的数量或者与候选样本在相同裸片上的先前审查的样本的数量。在一些实施方式中,可以识别包括候选样本的区域中的密度(例如,半导体晶片上的审查样本的数量)。随后,处理逻辑可以基于与候选样本的位置邻近的位置处的来自第一子集的样本的数量来选择待由审查工具审查的候选样本(框260)。例如,尚未被审查的候选样本可以包括在要提供给审查工具的候选样本的第二子集中。如果候选样本与先前审查的样本的位置分布大致均匀地分布在整个半导体晶片上,则该候选样本可被包括在第二子集中。例如,候选样本可以基于半导体晶片的每个裸片的先前审查的缺陷的数量和包括候选样本的裸片上的先前缺陷的数量而被包括在第二子集中。
图3A绘示了具有第一分布300的审查样本的半导体晶片。分布300可包括由图1的缺陷采样部件120选择的潜在缺陷。
如图3A所示,分布300可包括具有已由审查工具审查的潜在缺陷位置的半导体晶片的地图。例如,半导体晶片可包括多个裸片,例如裸片310、裸片320、裸片330和裸片340。分布300可包括先前由审查工具审查的潜在缺陷,以确定潜在缺陷是否是实际缺陷或不是实际缺陷。如图所示,裸片310可包括已经审查的十个潜在缺陷,裸片320可包括先前已经审查的九个潜在缺陷,裸片330可包括已经审查的十个潜在缺陷,并且裸片340可包括先前已经审查的七个潜在缺陷。分布300的先前审查的缺陷可以是已经针对半导体晶片识别的潜在缺陷的第一子集的一部分。
图3B绘示了具有第二分布350的审查样本的半导体晶片。分布350可包括由图1的缺陷采样部件120选择的附加潜在缺陷。
如图3B所示,分布350可包括分布300的先前审查的缺陷以及随后作为半导体晶片的潜在缺陷的第二子集的一部分而被审查的附加缺陷。然后可以基于分布300选择待由审查工具审查的附加缺陷。例如,如图所示,可以选择来自裸片320和裸片340的潜在缺陷以由审查工具进行审查,使得已审查的潜在缺陷的分布350被均匀地分布。例如,每个裸片310、320、330和340包括已由审查工具审查的相同数量的潜在缺陷。
尽管要实现的分布被描述为基于每个裸片的均匀分布,但是当选择待审查的附加潜在缺陷时可以使用任何这样的近似分布。例如,选择用于完成分布350的潜在缺陷可以针对每个裸片而包括一系列潜在缺陷(例如,对于每个裸片310、320、330和340而包括由审查工具审查的较低数量和较高数量之间的潜在缺陷)。在一些实施方式中,近似分布可对应于在所选择的潜在缺陷的阈值距离内的先前审查的潜在缺陷的数量。
图4是基于先前审查的样本的密度迭代选择供审查的样本子集的示例方法400的流程图。方法400可以由处理逻辑执行,处理逻辑可包括硬件(例如,处理装置、电路、专用逻辑、可编程逻辑、微代码、装置的硬件、集成电路等)、软件(例如,在处理装置上运行或执行的指令)、或它们的组合。在一些实施方式中,方法400可以由图1的缺陷采样部件120执行。
如图4所示,方法400可开始于框410处,其中处理逻辑识别具有指示实际缺陷的特征的潜在缺陷。例如,已经识别的潜在缺陷可以与先前审查的被归类为实际缺陷的潜在缺陷共享特征。处理逻辑可进一步接收先前审查的潜在缺陷的位置(框420)。例如,先前审查过的潜在缺陷可以已经在先前描述的缺陷采样过程的先前迭代中被选择。处理逻辑可进一步接收对应于已经识别的潜在缺陷的位置(框430)。随后,处理逻辑可以确定包括先前审查的缺陷和潜在缺陷的位置的半导体晶片的区域密度是否是高的(框440)。例如,该确定可基于包括所识别的潜在缺陷的位置的半导体晶片的区域密度与不包括所识别的潜在缺陷的位置的半导体晶片的区域密度的比较。如果半导体晶片的区域密度相对于半导体晶片的其他区域的密度较高,则处理逻辑可以确定不选择潜在缺陷以供审查(框450),并且可以改为在具有较低密度的先前审查的缺陷的半导体晶片的区域中选择另一潜在缺陷(框460)。在一些实施方式中,当包括该潜在缺陷的半导体晶片的区域密度稍后被认为比半导体晶片的其他区域的密度低时,可以在缺陷采样过程的另一时间或随后的迭代中选择未被选择为要审查的潜在缺陷。或者,如果处理逻辑确定半导体晶片的区域密度相对于半导体晶片的其他区域的密度不高(例如,密度低于半导体晶片的其他区域的密度)则,处理逻辑可以确定选择潜在缺陷以供审查(框470)。选择潜在的缺陷以供审查可能随后增加包括潜在缺陷的半导体区域的密度。
图5示出了计算机系统500的示例机器,其中可以执行用于使机器执行本文所讨论的任何一种或多种方法的一组指令。在替代的实施方式中,机器可以连接(例如,联网)到LAN、内联网、外联网和/或互联网中的其他机器。机器可以在客户端-服务器网络环境中以服务器或客户机的身份运行,作为对等(或分布式)网络环境中的对等机器运行,或者作为云计算基础设施或环境中的服务器或客户机运行。
该机器可以是个人计算机(PC)、平板电脑、机顶盒(STB)、个人数字助理(PDA)、移动电话、网络设备、服务器、网络路由器、交换器或桥接器、或任何能够(依序或以其他方式)执行指令集的机器,所述指令集指定机器要采取的动作。此外,虽然示出了单个机器,但术语“机器”还应被视为包括单独或联合执行指令集(或多个指令集)以执行本文所讨论的任何一种或多种方法的任何机器集合。
示例计算机系统500包括处理装置502、主存储器804(例如,只读存储器(ROM)、闪速存储器、动态随机存取存储器(DRAM),诸如同步DRAM(SDRAM)或Rambus DRAM(RDRAM)等)、静态存储器506(例如,闪速存储器、静态随机存取存储器(SRAM)等)和数据存储装置518,它们经由总线530彼此通信。
处理装置502代表一个或多个通用处理装置,诸如微处理器、中央处理单元或类似者。更具体地,处理装置可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实现其他指令集的处理器、或实现指令集组合的处理器。处理装置502还可以是一个或多个专用处理装置,诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器或类似者。处理装置502被配置为执行用于执行本文所讨论的操作和步骤的指令526。
计算机系统500可进一步包括网络接口装置508,以通过网络520进行通信。计算机系统500还可以包括视频显示单元510(例如,液晶显示器(LCD)或阴极射线管(CRT))、字母数字输入装置512(例如,键盘)、光标控制装置514(例如,鼠标)、图形处理单元522、信号生成装置516(例如,扬声器)、图形处理单元522、视频处理单元528和音频处理单元532。
数据存储装置518可包括机器可读存储介质524(也称为计算机可读介质),其上存储有实现本文所述的任何一种或多种方法或功能的一或多个指令集或软件526。在由同样构成机器可读存储介质的计算机系统500、主存储器504、和处理装置502执行指令526期间,指令526也可完全或至少部分驻留在主存储器504内和/或处理装置502内。
在一个实施方式中,指令526包括用于实现与缺陷采样部件(例如,图1的缺陷采样部件120)相对应的功能的指令。虽然机器可读存储介质524在示例性实施方式中被示为单个介质,但是术语“机器可读存储介质”应当被视为包括存储一个或多个指令集的单个介质或多个介质(例如,集中式或分布式数据库、和/或相关联的高速缓冲存储器和服务器)。术语“机器可读存储介质”还应被视为包括能够存储或编码用于由机器执行的指令集并且使机器执行本公开内容的任何一种或多种方法的任何介质。因此,术语“机器可读存储介质”应被视为包括但不限于固态存储器、光学介质和磁性介质。
已经根据对计算机存储器内的数据位的操作的算法和符号表示来呈现前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们工作的实质传达给本领域其他技术人员的方式。这里的算法通常被认为是带来期望结果的操作的自一致(self-consistent)序列。操作是需要物理操纵物理量的操作。通常,尽管不是必须的,这些量采用能够被存储、组合、比较和以其他方式操纵的电信号或磁信号的形式。已经证明,有时,主要出于通用的原因,将这些信号称为比特、值、元素、符号、字符、术语、数字或类似者是方便的。
然而,应记住,所有这些和类似术语都与适当的物理量相关联,并且仅仅是应用于这些量的方便标签。除非从上面的讨论中明确说明,否则应当理解,在整个说明书中,利用诸如“识别”或“确定”或“执行”或“进行”或“收集”或“创建”或“发送”或类似的术语进行讨论,指的是计算机系统或类似电子计算装置的动作和过程,其将在计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操纵和转换成在计算机系统存储器或寄存器或其他此类信息存储装置内的类似地表示为物理量的其他数据。
本公开内容还涉及用于执行本文的操作的设备。该设备可以专门为预期目的而构造,或者其可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这样的计算机程序可以存储在计算机可读存储介质中,诸如但不限于任何类型的盘,包括软盘、光盘、CD-ROM和磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、或适用于存储电子指令的任何类型的介质,其中每个都耦接到计算机系统总线。
本文呈现的算法和显示器并非固有地与任何特定计算机或其他设备相关。根据本文的教导,各种通用系统可以与程序一起使用,或者可以证明构造更专用的设备以执行该方法是方便的。各种这些系统的结构将如下面的描述中所示。此外,并未参照任何特定编程语言来描述本公开内容。应当理解,可以使用各种编程语言来实现如本文所描述的本公开内容的教导。
本公开内容可以被提供为计算机程序产品或软件,可包括其上存储有指令的机器可读介质,该指令可用于对计算机系统(或其他电子装置)进行编程以执行根据本公开内容的处理。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机制。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质,诸如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存装置等。
在前述说明书中,已经参照本公开内容的具体示例性实施方式描述了本公开内容的实施方式。显而易见的是,在不背离所附权利要求中阐述的本公开内容的实施方式的较宽的精神和范围的情况下,可以对其进行各种修改。因此,说明书和附图应被视为说明性意义而非限制性意义。

Claims (20)

1.一种用于检查半导体样品的系统,包括:
存储器;和
处理装置,与所述存储器可操作地耦合,用于:
识别所述半导体样品的第一位置处的第一潜在缺陷,其中所述第一潜在缺陷显示指示实际缺陷的特征,
接收有关于先前审查的潜在缺陷的位置的信息;
确定所述第一潜在缺陷所在的所述第一位置的阈值距离内的所述先前审查的潜在缺陷的位置的数量;
当确定所述新的位置的所述阈值距离内的所述先前审查的潜在缺陷的位置的所确定的所述数量指示已被先前审查过的所述半导体样品的具有高潜在缺陷密度的区域时,选择位于所述半导体样品的第二位置处的第二潜在缺陷,其中所述第二位置位于所述阈值距离之外。
2.根据权利要求1所述的系统,其中所述半导体样品是半导体晶片或所述半导体晶片的正在被制造的一部分。
3.根据权利要求2所述的系统,其中所述处理装置进一步用于:
从所述半导体晶片的每个裸片或所述半导体晶片的所述一部分中选择预定数量的潜在缺陷以用于审查,其中所述半导体晶片包括多个基本相同的裸片。
4.根据权利要求1所述的系统,其中,如果所述半导体样品的所述区域内的所述先前审查的潜在缺陷的位置的所述数量超过预定阈值数量,则所述处理装置确定所述区域具有高潜在缺陷密度。
5.根据权利要求1所述的系统,其中所述处理装置进一步用于:
将有关于所述第一位置处的所述第一潜在缺陷的信息发送到审查工具。
6.根据权利要求1所述的系统,其中所述处理装置进一步用于:
将有关于所述第二位置处的所述第二潜在缺陷的信息发送到审查工具。
7.根据权利要求6所述的系统,其中在将有关于所述第二位置处的所述第二潜在缺陷的信息发送到所述审查工具之前,所述处理装置进一步用于:
确定所述第二潜在缺陷的识别标志不同于所述第一潜在缺陷的识别标志;和
将有关于所述第二潜在缺陷的所述信息包括在发送到所述审查工具的潜在缺陷的子集中。
8.一种通过处理装置进行半导体样品的引导检查的方法,所述方法包括:
识别所述半导体样品的第一位置处的第一潜在缺陷,其中所述第一潜在缺陷显示指示实际缺陷的特征,
接收有关于先前审查的潜在缺陷的位置的信息;
确定所述第一潜在缺陷所在的所述第一位置的阈值距离内的所述先前审查的潜在缺陷的位置的数量;
当确定所述新的位置的所述阈值距离内的所述先前审查的潜在缺陷的位置的所确定的所述数量指示已被先前审查过的所述半导体样品的具有高潜在缺陷密度的区域时,选择位于所述半导体样品的第二位置处的第二潜在缺陷,其中所述第二位置位于所述阈值距离之外。
9.根据权利要求1所述的方法,其中所述半导体样品是半导体晶片或所述半导体晶片的正在被制造的一部分。
10.根据权利要求9所述的方法,进一步包括:
从所述半导体晶片的每个裸片或所述半导体晶片的所述一部分中选择预定数量的潜在缺陷以用于审查,其中所述半导体晶片包括多个基本相同的裸片。
11.根据权利要求8所述的方法,其中,如果所述半导体样品的所述区域内的所述先前审查的潜在缺陷的位置的所述数量超过预定阈值数量,则所述处理装置确定所述区域具有高潜在缺陷密度。
12.根据权利要求8所述的方法,进一步包含:
将有关于所述第一位置处的所述第一潜在缺陷的信息发送到审查工具。
13.根据权利要求8所述的方法,进一步包含:
将有关于所述第二位置处的所述第二潜在缺陷的信息发送到审查工具。
14.根据权利要求13所述的方案,其中,在将有关于所述第二位置处的所述第二潜在缺陷的信息发送到所述审查工具之前,所述处理装置进一步执行:
确定所述第二潜在缺陷的识别标志不同于所述第一潜在缺陷的识别标志;和
将有关于所述第二潜在缺陷的所述信息包括在发送到所述审查工具的潜在缺陷的子集中。
15.一种包括指令的非暂时性计算机可读介质,当由处理装置执行时,使处理设备执行包括以下步骤的操作:
识别所述半导体样品的第一位置处的第一潜在缺陷,其中所述第一潜在缺陷显示指示实际缺陷的特征,
接收有关于先前审查的潜在缺陷的位置的信息;
确定所述第一潜在缺陷所在的所述第一位置的阈值距离内的所述先前审查的潜在缺陷的位置的数量;
当确定所述新的位置的所述阈值距离内的所述先前审查的潜在缺陷的位置的所确定的所述数量指示已被先前审查过的所述半导体样品的具有高潜在缺陷密度的区域时,选择位于所述半导体样品的第二位置处的第二潜在缺陷,其中所述第二位置位于所述阈值距离之外。
16.根据权利要求15所述的计算机可读介质,其中所述半导体样品是半导体晶片或所述半导体晶片的正在被制造的一部分。
17.根据权利要求16所述的计算机可读介质,其中所述操作进一步包括:
从所述半导体晶片的每个裸片或所述半导体晶片的所述一部分中选择预定数量的潜在缺陷以用于审查,其中所述半导体晶片包括多个基本相同的裸片。
18.根据权利要求15所述的计算机可读介质,其中,如果所述半导体样品的所述区域内的所述先前审查的潜在缺陷的位置的所述数量超过预定阈值数量,则所述处理装置确定所述区域具有高潜在缺陷密度。
19.根据权利要求15所述的计算机可读介质,进一步包括:
将有关于所述第一位置处的所述第一潜在缺陷的信息发送到审查工具。
20.根据权利要求15所述的计算机可读介质,进一步包括:
确定所述第二潜在缺陷的识别标志不同于所述第一潜在缺陷的识别标志;和
将有关于所述第二潜在缺陷的所述信息包括在发送到所述审查工具的潜在缺陷的子集中。
CN202211506339.XA 2018-03-20 2019-03-20 基于空间密度分析的半导体晶片的引导检查 Pending CN116435204A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/926,990 2018-03-20
US15/926,990 US11060981B2 (en) 2018-03-20 2018-03-20 Guided inspection of a semiconductor wafer based on spatial density analysis
CN201910212376.1A CN110310897B (zh) 2018-03-20 2019-03-20 基于空间密度分析的半导体晶片的引导检查

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201910212376.1A Division CN110310897B (zh) 2018-03-20 2019-03-20 基于空间密度分析的半导体晶片的引导检查

Publications (1)

Publication Number Publication Date
CN116435204A true CN116435204A (zh) 2023-07-14

Family

ID=67983540

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910212376.1A Active CN110310897B (zh) 2018-03-20 2019-03-20 基于空间密度分析的半导体晶片的引导检查
CN202211506339.XA Pending CN116435204A (zh) 2018-03-20 2019-03-20 基于空间密度分析的半导体晶片的引导检查

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201910212376.1A Active CN110310897B (zh) 2018-03-20 2019-03-20 基于空间密度分析的半导体晶片的引导检查

Country Status (4)

Country Link
US (1) US11060981B2 (zh)
KR (1) KR102272879B1 (zh)
CN (2) CN110310897B (zh)
TW (1) TWI695979B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11360030B2 (en) * 2020-02-04 2022-06-14 Applied Materials Isreal Ltd Selecting a coreset of potential defects for estimating expected defects of interest
WO2024099710A1 (en) * 2022-11-11 2024-05-16 Asml Netherlands B.V. Creating a dense defect probability map for use in a computational guided inspection machine learning model

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6420722B2 (en) * 2000-05-22 2002-07-16 Omniprobe, Inc. Method for sample separation and lift-out with one cut
US7796804B2 (en) * 2007-07-20 2010-09-14 Kla-Tencor Corp. Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer
JP2009071136A (ja) * 2007-09-14 2009-04-02 Hitachi High-Technologies Corp データ管理装置、検査システムおよび欠陥レビュー装置
KR20100036155A (ko) * 2008-09-29 2010-04-07 매그나칩 반도체 유한회사 실리콘 웨이퍼 및 그의 제조방법
US8593230B2 (en) * 2011-10-14 2013-11-26 Nxp, B.V. Circuit and method for correcting temperature dependence of frequency for piezoresistive oscillators
US9098893B2 (en) * 2011-12-21 2015-08-04 Applied Materials Israel, Ltd. System, method and computer program product for classification within inspection images
US9053213B2 (en) * 2012-02-07 2015-06-09 Koninklijke Philps N.V. Interactive optimization of scan databases for statistical testing
US8855399B2 (en) 2012-02-07 2014-10-07 Applied Materials Israel, Ltd. System, a method and a computer program product for CAD-based registration
US8948494B2 (en) * 2012-11-12 2015-02-03 Kla-Tencor Corp. Unbiased wafer defect samples
US9098891B2 (en) * 2013-04-08 2015-08-04 Kla-Tencor Corp. Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology
JP2017129369A (ja) 2016-01-18 2017-07-27 株式会社東芝 欠陥検査装置、欠陥検査方法、および欠陥検査プログラム
KR102353216B1 (ko) 2016-05-12 2022-01-18 에이에스엠엘 네델란즈 비.브이. 측정치 획득 방법, 프로세스 단계 수행 장치, 계측 장치, 디바이스 제조 방법
WO2017203554A1 (ja) 2016-05-23 2017-11-30 株式会社日立ハイテクノロジーズ 検査用情報生成装置、検査用情報生成方法、及び欠陥検査装置

Also Published As

Publication number Publication date
US20190293569A1 (en) 2019-09-26
TWI695979B (zh) 2020-06-11
CN110310897A (zh) 2019-10-08
TW201945722A (zh) 2019-12-01
KR102272879B1 (ko) 2021-07-06
CN110310897B (zh) 2022-12-13
US11060981B2 (en) 2021-07-13
KR20190110478A (ko) 2019-09-30

Similar Documents

Publication Publication Date Title
CN110945528B (zh) 产生可用于检查半导体样品的训练集的方法及其系统
US11275361B2 (en) Systems and methods for predicting defects and critical dimension using deep learning in the semiconductor manufacturing process
CN110660694B (zh) 基于系统缺陷的半导体晶片的引导式检验
CN112465791B (zh) 迭代式缺陷滤除工艺
US10628935B2 (en) Method and system for identifying defects of integrated circuits
US9739720B2 (en) Method, computer system and apparatus for recipe generation for automated inspection of semiconductor devices
US12007335B2 (en) Automatic optimization of an examination recipe
US10133838B2 (en) Guided defect detection of integrated circuits
KR20220012217A (ko) 반도체 시편에서의 결함들의 기계 학습 기반 분류
CN110310897B (zh) 基于空间密度分析的半导体晶片的引导检查
CN113222884B (zh) 检查样本的方法和其系统
TW201923923A (zh) 判定圖樣的臨界尺寸變異
US20230052350A1 (en) Defect inspecting system and defect inspecting method
KR102719191B1 (ko) 웨이퍼 이미지를 ai 데이터화하여 표면 상태 및 잔여물 불량을 검출하는 장치 및 그 방법
CN117522779B (zh) 检查样本的方法和其系统
JP2022013667A (ja) 半導体試料の画像のセグメンテーション
JP2023544502A (ja) 可解釈な深層学習ベース欠陥検出及び分類

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