CN116646277A - 一种晶圆图的分类方法及装置、电子设备、存储介质 - Google Patents
一种晶圆图的分类方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN116646277A CN116646277A CN202310580726.6A CN202310580726A CN116646277A CN 116646277 A CN116646277 A CN 116646277A CN 202310580726 A CN202310580726 A CN 202310580726A CN 116646277 A CN116646277 A CN 116646277A
- Authority
- CN
- China
- Prior art keywords
- failure
- wafer
- grains
- scanning
- failed
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 239000013078 crystal Substances 0.000 claims abstract description 108
- 238000009826 distribution Methods 0.000 claims abstract description 103
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims description 82
- 238000010586 diagram Methods 0.000 claims description 56
- 238000012216 screening Methods 0.000 claims description 31
- 235000012431 wafers Nutrition 0.000 description 286
- 230000008569 process Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000001259 photo etching Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101150064138 MAP1 gene Proteins 0.000 description 1
- 101100075995 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fma2 gene Proteins 0.000 description 1
- 101100456045 Schizosaccharomyces pombe (strain 972 / ATCC 24843) map3 gene Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67271—Sorting devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67276—Production flow monitoring, e.g. for increasing throughput
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67294—Apparatus for monitoring, sorting or marking using identification means, e.g. labels on substrates or labels on containers
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/14—Measuring as part of the manufacturing process for electrical parameters, e.g. resistance, deep-levels, CV, diffusions by electrical means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
- H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明实施例公开一种晶圆图的分类方法及装置、电子设备、存储介质,涉及集成电路技术领域,能在有效提高晶圆图的分类效率的同时,使分类结果更加准确和客观。所述方法包括:获取晶圆图,所述晶圆图用于指示ATE测试的合格晶粒和失效晶粒在所述晶圆上的位置分布;根据所述失效晶粒在晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效;所述掩模版信息包括掩膜版定义的晶粒数量及晶粒位置;在所述晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类,所述第一扫描单位包括m*n个晶粒形成的晶粒矩阵,m、n均为大于0的整数。
Description
技术领域
本发明涉及集成电路技术领域,尤其涉及一种晶圆图的分类方法及装置、电子设备、存储介质。
背景技术
晶圆是一种半导体材料形成的圆形薄片,是集成电路的制造基础。每个晶圆上可以制造成千上万个相同的集成电路晶粒,并通过划片方式形成一个个单独的晶粒。在划片之前,一般需要先在晶圆上对各晶粒进行基本的电学性能测试,并基于测试通过的晶粒(即合格晶粒)以及测试未通过的晶粒(即失效晶粒)在晶圆上的分布,形成晶圆图。通过分析晶圆图,能够有助于寻找晶粒良率问题、了解缺陷特征,找到工艺改善的方向。
相关技术中,现行的做法主要是依靠工程师的经验对晶圆的质量进行判别,通过人工观察晶圆图来判断其失效模式。当晶圆数量较多时,效率非常低。而且,不同经验的工程师对同一失效图形,很可能产生不同的判断结果。因此,这种方法较主观且效率低下。
发明内容
有鉴于此,本发明实施例提供一种晶圆图的分类方法及装置、电子设备、存储介质,能够在有效提高晶圆图的分类效率的同时,使分类结果更加准确和客观。
第一方面,本发明实施例提供一种晶圆图的分类方法,包括:获取晶圆图,所述晶圆图用于指示ATE(AutomaticTest Equipment,自动化测试设备)测试的合格晶粒和失效晶粒在所述晶圆上的位置分布;根据所述失效晶粒在晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效;所述掩模版信息包括掩膜版定义的晶粒数量及晶粒位置;在所述晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类,其中,所述第一扫描单位包括m*n个晶粒形成的晶粒矩阵,m、n均为大于0的整数,m与n相等或不等。
在一种实施方式中,所述根据所述失效晶粒在所述晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效包括:根据所述掩膜版信息确定第二扫描单位;基于所述第二扫描单位,从第一次曝光的位置开始,扫描所述晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图;根据所述失效晶粒在所述晶圆上的位置分布,获取每个所述掩模子图中失效晶粒的数量,得到第一失效数量;确定所述晶圆图对应的各所述第一失效数量的概率分布;根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效。
在一种实施方式中,所述根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效包括:确定所述晶圆图对应的各所述第一失效数量的出现频率是否符合正态分布;在所述出现频率不符合正态分布的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
在一种实施方式中,所述方法还包括:在所述出现频率符合正态分布的情况下,确定所述第一失效数量的方差是否大于预设方差阈值;在所述第一失效数量的方差大于所述方差阈值的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
在一种实施方式中,所述基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类包括:基于初筛扫描单位和初筛步进单位,扫描所述晶圆图,滤除所述晶圆图中符合预设过滤条件的失效晶粒,得到晶圆过滤图;基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类。
在一种实施方式中,所述预设过滤条件包括:如果一个失效单元的、在第一方向上的相邻晶粒以及在第二方向上的相邻晶粒均为合格晶粒,则滤除该失效单元;其中,所述失效单元包括一颗失效晶粒,或在所述第一方向或所述第二方向上彼此相邻的p颗失效晶粒,其中p为大于1且小于第一数量阈值的整数;所述第一方向为所述晶圆图中任一颗晶粒的一条边界的延伸方向,所述第二方向为与所述第一方向垂直的方向。
在一种实施方式中,所述基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类包括以下至少一项:以一个晶粒为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果在所述第一方向上存在连续q个失效晶粒,或在所述第二方向上存在连续q个失效晶粒,则将所述q个失效晶粒形成的失效图形确定为连续性失效;其中,q为大于或等于所述第一数量阈值的整数;以r*t个晶粒形成的第一矩阵为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果任一次扫描对应的所述第一矩阵中,失效晶粒的数量占比超过第一比例,则确定该次扫描对应的所述第一矩阵中的失效晶粒形成的失效图形为中心型簇失效;其中,r和t均为大于2的整数;以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒,得到至少一个第一失效晶粒集合,所述失效图形与所述第一失效晶粒集合一一对应;获取每个所述第一失效晶粒集合中各晶粒的位置坐标;将每个所述第一失效晶粒集合对应的各所述位置坐标拟合为圆弧曲线;根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类。
在一种实施方式中,所述在所述晶圆过滤图中查找属于同一失效图形的失效晶粒包括:如果所述晶圆过滤图中,两个相邻的所述第二矩阵各自覆盖的失效晶粒的数量均大于或等于第二数量阈值,则确定两个相邻的所述第二矩阵覆盖下的所有失效晶粒属于同一失效图形,其中,所述第二数量阈值为小于或等于u*u的正整数。
在一种实施方式中,所述以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒包括:以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中预设的至少一种失效类型的晶粒范围内,查找属于同一失效图形的失效晶粒,其中,所述失效类型由所述ATE测试得到。
在一种实施方式中,所述根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类包括:检测所述圆弧曲线的两个端点是否重合;在所述圆弧曲线的两个端点重合的情况下,确定所述圆弧曲线对应的失效图形为环状簇失效;在所述圆弧曲线的两个端点不重合的情况下,根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类。
在一种实施方式中,所述根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类包括:如果所述圆心角大于预设角度阈值,确定所述圆弧曲线对应的失效图形为弧状簇失效;如果所述圆心角小于或等于所述预设角度阈值,确定所述圆弧曲线对应的失效图形为刮擦型失效。
在一种实施方式中,所述第一扫描单位包括至少两种不同大小的晶粒矩阵。
第二方面,本发明的实施例还提供一种晶圆图的分类装置,包括:获取单元,用于获取晶圆图,所述晶圆图用于指示ATE测试的合格晶粒和失效晶粒在所述晶圆上的位置分布;确定单元,用于根据所述失效晶粒在晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效;所述掩模版信息包括掩膜版定义的晶粒数量及晶粒位置;分类单元,用于在所述晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类,其中,所述第一扫描单位包括m*n个晶粒形成的晶粒矩阵,m、n均为大于0的整数,m与n相等或不等。
在一种实施方式中,所述确定单元包括:第一确定模块,用于根据所述掩膜版信息确定第二扫描单位;扫描模块,用于基于所述第二扫描单位,从第一次曝光的位置开始,扫描所述晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图;获取模块,用于根据所述失效晶粒在所述晶圆上的位置分布,获取每个所述掩模子图中失效晶粒的数量,得到第一失效数量;第二确定模块,用于确定所述晶圆图对应的各所述第一失效数量的概率分布;第三确定模块,用于根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效。
在一种实施方式中,所述第三确定模块包括:分布确定子模块,用于确定所述晶圆图对应的各所述第一失效数量的出现频率是否符合正态分布;失效确定子模块,用于在所述出现频率不符合正态分布的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
在一种实施方式中,第三确定模块还包括:方差确定子模块,用于在所述出现频率符合正态分布的情况下,确定所述第一失效数量的方差是否大于预设方差阈值;所述失效确定子模块,还用于在所述第一失效数量的方差大于所述方差阈值的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
在一种实施方式中,所述分类单元包括:滤除模块,用于基于初筛扫描单位和初筛步进单位,扫描所述晶圆图,滤除所述晶圆图中符合预设过滤条件的失效晶粒,得到晶圆过滤图;分类模块,用于基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类。
在一种实施方式中,所述预设过滤条件包括:如果一个失效单元的、在第一方向上的相邻晶粒以及在第二方向上的相邻晶粒均为合格晶粒,则滤除该失效单元;其中,所述失效单元包括一颗失效晶粒,或在所述第一方向或所述第二方向上彼此相邻的p颗失效晶粒,其中p为大于1且小于第一数量阈值的整数;所述第一方向为所述晶圆图中任一颗晶粒的一条边界的延伸方向,所述第二方向为与所述第一方向垂直的方向。
在一种实施方式中,所述分类模块包括以下至少一项:第一分类子模块,用于以一个晶粒为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果在所述第一方向上存在连续q个失效晶粒,或在所述第二方向上存在连续q个失效晶粒,则将所述q个失效晶粒形成的失效图形确定为连续性失效;其中,q为大于或等于所述第一数量阈值的整数;第二分类子模块,用于以r*t个晶粒形成的第一矩阵为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果任一次扫描对应的所述第一矩阵中,失效晶粒的数量占比超过第一比例,则确定该次扫描对应的所述第一矩阵中的失效晶粒形成的失效图形为中心型簇失效;其中,r和t均为大于2的整数;第三分类子模块,用于以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒,得到至少一个第一失效晶粒集合,所述失效图形与所述第一失效晶粒集合一一对应;获取每个所述第一失效晶粒集合中各晶粒的位置坐标;将每个所述第一失效晶粒集合对应的各所述位置坐标拟合为圆弧曲线;根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类。
在一种实施方式中,所述第三分类子模块具体用于:如果所述晶圆过滤图中,两个相邻的所述第二矩阵各自覆盖的失效晶粒的数量均大于或等于第二数量阈值,则确定两个相邻的所述第二矩阵覆盖下的所有失效晶粒属于同一失效图形,其中,所述第二数量阈值为小于或等于u*u的正整数。
在一种实施方式中,所述第三分类子模块,具体用于:以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中预设的至少一种失效类型的晶粒范围内,查找属于同一失效图形的失效晶粒,其中,所述失效类型由所述ATE测试得到。
在一种实施方式中,所述第三分类子模块,具体用于:检测所述圆弧曲线的两个端点是否重合;在所述圆弧曲线的两个端点重合的情况下,确定所述圆弧曲线对应的失效图形为环状簇失效;在所述圆弧曲线的两个端点不重合的情况下,根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类。
在一种实施方式中,所述第三分类子模块,具体用于:如果所述圆心角大于预设角度阈值,确定所述圆弧曲线对应的失效图形为弧状簇失效;如果所述圆心角小于或等于所述预设角度阈值,确定所述圆弧曲线对应的失效图形为刮擦型失效。
在一种实施方式中,所述第一扫描单位包括至少两种不同大小的晶粒矩阵。
第三方面,本发明的实施例还提供一种电子设备,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行本发明的任一实施例提供的晶圆图的分类方法。
第四方面,本发明的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明的任一实施例提供的晶圆图的分类方法。
本发明的实施例提供的芯片的晶圆图的分类方法及装置、电子设备、存储介质,能够获取晶圆图,并根据晶圆图上指示的失效晶粒在晶圆上的位置分布以及掩膜版信息,确定晶圆上的失效晶粒是否为非随机性失效,在晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类。这样,通过计算机执行相应的算法对失效图形进行分类不但能够有效避免人工分类的低效和主观,而且由于该算法先利用了掩膜版信息确定失效晶粒是否为非随机性失效,在确定失效晶粒为非随机性失效的情况下再进一步分类,因此能够有效缩小失效分类操作的范围,进一步提高分类效率。此外,由于第一扫描单位可以包括m*n个晶粒形成的晶粒矩阵,不同的m和n的配置可以产生不同的第一扫描单位,呈现不同的扫描特征,得到不同的扫描结果,对这些扫描结果的综合利用可以使失效图形的分类更准确和客观。因此,本发明的实施例提供的晶圆图的分类方法,能够在有效提高晶圆图的分类效率的同时,使分类结果更准确和客观。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明的实施例提供的晶圆图的分类方法的一种流程图;
图2为本发明的实施例中晶圆与掩膜版图案转印的一种关系示意图;
图3为本发明的实施例中第一失效数量的一种概率分布图;
图4A为本发明的实施例中应滤除的失效单元的一种结构示意图;
图4B为本发明的实施例中应滤除的失效单元的另一种结构示意图;
图4C为本发明的实施例中应滤除的失效单元的又一种结构示意图;
图4D为本发明的实施例中应滤除的失效单元的再一种结构示意图;
图5为本发明的实施例中连续性失效的一种结构示意图;
图6为本发明的实施例中中心型簇失效的一种结构示意图;
图7为本发明的实施例中属于同一失效图形的失效晶粒一种分布示意图;
图8为本发明的实施例中弧状簇失效的一种结构示意图;
图9为本发明的实施例中刮擦型失效的一种结构示意图;
图10为本发明的实施例提供的晶圆图的分类方法的一种详细的流程图;
图11为图10所示的实施例中,第一失效数量的一种正态分布示意图;
图12为图10所示的实施例中,第一失效数量的一种非正态分布示意图;
图13为本发明的实施例提供的晶圆图的分类装置的一种结构示意图;
图14为本发明的实施例提供的电子设备的一种结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
第一方面,本发明的实施例提供一种晶圆图的分类方法,能够在有效提高晶圆图的分类效率的同时,使分类结果更加准确和客观。
如图1所示,本发明的实施例提供一种晶圆图的分类方法,包括:
S11,获取晶圆图,所述晶圆图用于指示ATE测试的合格晶粒和失效晶粒在所述晶圆上的位置分布;
晶圆图可以是计算机或测试设备生成的电子图,也可以是工程师手绘的示意图,只要能够指示ATE测试的合格晶粒和失效晶粒在晶圆上的位置分布即可。位置分布可以指晶粒在晶圆上所处的位置,可以通过各晶粒在晶圆上的坐标或序号等表示。由于晶圆一般为圆形,晶圆图的形状一般与晶圆一致,因此也为圆形,相应的,晶粒可以表示为在圆形晶圆图上分布的一个个小矩形。
S12,根据所述失效晶粒在晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效;所述掩模版信息包括掩膜版定义的晶粒数量及晶粒位置;
晶圆图主要用于失效晶粒分析,因此,本发明的实施例提供的晶圆图的分类方法,主要根据失效晶粒的分布特点来分类,对于合格晶粒的分布则可以不过多关注。具体的,本步骤中,可以将失效晶粒在晶圆上的位置分布与掩膜版信息相结合,从整体上确定晶圆上的失效晶粒为随机性失效还是非随机性失效。
掩膜版,即芯片光刻工艺中使用的遮光板,掩膜版上定义有晶粒图形,通过光刻工艺,可以将掩膜版上的晶粒图形转印到晶圆上。掩膜版信息可以包括掩膜版上定义的晶粒数量以及这些晶粒在掩膜版上是如何分布的。一般的,通过光刻机透镜的聚焦效应,掩膜版转印在晶圆上的图形可以进一步缩小,可以通过改变掩膜版与晶圆的相对位置,进行多次曝光(例如步进式曝光,扫描式曝光等),将掩膜版上的图形重复转印在一片晶圆的不同位置上,从而完成整个晶圆的光刻。
本步骤中,基于上述光刻过程,通过将掩膜版定义的晶粒数量及晶粒位置,与失效晶粒在晶圆上的位置分布相结合,即可获知每次曝光时,分别产生了几颗失效晶粒,并据此评估整个晶圆中的失效晶粒是否为非随机性失效。
所谓非随机性失效是相对于随机性失效而言的。随机性失效的发生概率和发生位置都是随机性的,也可以理解成是正常工艺条件下难以避免的。非随机性失效则相反,其发生概率和发生位置一般具有明显的规律,非随机性失效可能是由于一些可以控制或可以避免的原因导致的,因此可以排查非随机性失效发生的原因,从而改善工艺。
S13,在所述晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类,其中,所述第一扫描单位包括m*n个晶粒形成的晶粒矩阵,m、n均为大于0的整数,m与n相等或不等。
如果步骤S12中确定晶圆上的失效晶粒为非随机性失效,则本步骤中,可以基于第一扫描单位扫描晶圆图,并根据扫描结果对失效晶粒在晶圆图上形成的失效图形进行分类。第一扫描单位可以是各种不同行列数的晶粒形成的二维矩阵。随着m或n取值的变化,对应的第一扫描单位也相应改变,得到的扫描结果也相应不同。
具体而言,基于第一扫描单位扫描晶圆图,也就是以第一扫描单位为粒度,对晶圆图中的晶粒图案进行扫描。第一扫描单位决定了每个扫描点的形状和面积,也影响着每个扫描点对应的扫描范围。例如,在本发明的一个实施例中,如果m=3,n=2,则第一扫描单位的每个扫描点都是一个3行2列的晶粒形成的晶粒矩阵,每个扫描点能够扫描到3*2=6个晶粒,如果m=2,n=2,则第一扫描单位的每个扫描点都是一个2行2列的晶粒形成的晶粒矩阵,每个扫描点能够扫描到2*2=4个晶粒。
以第一扫描单位扫描晶圆图,可以得到关于失效晶粒在每个第一扫描单位中的分布情况,结合各第一扫描单位中失效晶粒的分布情况,可以得到失效晶粒在晶圆图上形成的失效图形。本发明的实施例提供的晶圆图的分类方法,可以通过对晶圆图上的失效图形进行分类,进而实现对晶圆图的分类。
本发明的实施例提供的晶圆图的分类方法,能够获取晶圆图,并根据晶圆图上指示的失效晶粒在晶圆上的位置分布以及掩膜版信息,确定晶圆上的失效晶粒是否为非随机性失效,在晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类。这样,通过计算机执行相应的算法对失效图形进行分类不但能够有效避免人工分类的低效和主观,而且由于该算法先利用了掩膜版信息确定失效晶粒是否为非随机性失效,在确定失效晶粒为非随机性失效的情况下再进一步分类,因此能够有效缩小失效分类操作的范围,进一步提高分类效率。此外,由于第一扫描单位可以包括m*n个晶粒形成的晶粒矩阵,不同的m和n的配置可以产生不同的第一扫描单位,呈现不同的扫描特征,得到不同的扫描结果,对这些扫描结果的综合利用可以使失效图形的分类更准确和客观。因此,本发明的实施例提供的晶圆图的分类方法,能够在有效提高晶圆图的分类效率的同时,使分类结果更准确和客观。
为了对晶圆图进行分类,在本发明的一个实施例中,可以先获取需要进行分类的晶圆图,而后在步骤S12中根据所述失效晶粒在所述晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效。
可以理解的,随机性失效在晶圆上的位置分布是随机的,但直接判断晶粒在晶圆上的位置分布是否随机,并不方便,为此,发明人在研究中发现,可以利用掩膜版信息构造失效晶粒的一些统计量,从而通过统计学方法确定晶圆上的失效晶粒为随机性失效还是非随机性失效。
具体而言,在本发明的一个实施例中,步骤S12根据所述失效晶粒在所述晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效可以包括:根据所述掩膜版信息确定第二扫描单位;基于所述第二扫描单位,从第一次曝光的位置开始,扫描所述晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图;根据所述失效晶粒在所述晶圆上的位置分布,获取每个所述掩模子图中失效晶粒的数量,得到第一失效数量;确定所述晶圆图对应的各所述第一失效数量的概率分布;根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效。
具体实施中,可以先获取掩膜版的定义文件,根据定义文件获知掩膜版定义了多少颗晶粒以及这些晶粒在掩模板上是如何分布的,从而根据掩膜版定义的晶粒数量和晶粒位置确定第二扫描单位。在一个例子中,一个掩膜版定义了9颗晶粒,这9颗晶粒以3行3列的形式分布在掩模板上,则可以确定第二扫描单位为一个3行3列的晶粒矩阵。
确定了第二扫描单位后,可以仿照晶圆光刻时的曝光顺序,从第一次曝光的位置开始,以第二扫描单位扫描晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图。如图2所示,由于晶圆为圆形,而掩膜版定义的晶粒图形为矩形,为了充分利用晶圆的每一寸面积,一般会将尽可能多的掩膜版图案转印到晶圆上,这样晶圆的边缘附近可能会存在没有完整转印的掩膜版图案,即,一部分掩膜版图案被转印到了晶圆之外的位置上,因而无法形成对应的完整晶粒。与之相对的,晶圆的非边缘位置一般都会对掩膜版图案进行完整转印,并形成完整晶粒。
为了确定晶圆上的失效晶粒是否为非随机性失效,在本发明的一个实施例中,可以从第一次曝光的位置开始,以第二扫描单位扫描晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图,而没有被完整转印的掩膜版图案则不进行扫描,这样整个晶圆图扫描完成即可获得若干个掩模扫描子图。得到掩模扫描子图,即可结合晶圆图中失效晶粒的位置分布,确定每个掩模扫描子图中,哪些晶粒是合格晶粒,哪些晶粒是失效晶粒,还可以统计出每个掩模扫描子图中失效晶粒的数量,即第一失效数量,确定晶圆图对应的各所述第一失效数量的概率分布,并根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效。
举例而言,在本发明的一个实施例中,第二扫描单位为2*2的矩阵,得到的掩模子图中失效晶粒的数量可以统计如下:掩模扫描子图map1中有1个失效晶粒,掩模扫描子图map2中有1个失效晶粒,掩模扫描子图map3中有2个失效晶粒,掩模扫描子图map4中有4个失效晶粒,掩模扫描子图map5中有3个失效晶粒……汇总整个晶圆对应的所有掩模扫描子图,可以得知,晶圆对应的掩模扫描子图例如共有1000个,其中,存在一个失效晶粒的掩模扫描子图例如有20个,存在两个失效晶粒的掩模扫描子图例如有35个,存在三个失效晶粒的掩模扫描子图例如有32个,存在四个失效晶粒的掩模扫描子图例如有16个。则,第一失效数量为1的概率为20/1000,第一失效数量为2的概率为35/1000,第一失效数量为3的概率为32/1000,第一失效数量为4的概率为16/1000,结合第一失效数量为1、2、3、4的概率,可以得到第一失效数量的概率分布。示例性的,第一失效数量的一种概率分布图可以如图3所示。不同原因导致的晶粒失效,也会在第一失效数量的概率分布上表现出不同。例如,有些情况下,第一失效数量的概率分布可能会接近均匀分布,有些情况下,第一失效数量的概率分布可能会接近正态分布。
本发明的实施例中,根据第一失效数量的概率分布,确定晶圆上的失效晶粒是否为非随机性失效,也就是根据第一失效数量的概率分布是否符合预设的分布规则来确定失效晶粒是否为非随机性失效,其中,预设分布规则可以根据需要设置和调整。
具体而言,在本发明的一个实施例中,根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效可以包括:确定所述晶圆图对应的各所述第一失效数量的出现频率是否符合正态分布;在所述出现频率不符合正态分布的情况下,确定所述晶圆上的失效晶粒为非随机性失效。以图3所示的实施例为例,如果图3中第一失效数量的出现频率不符合正态分布,则可以确定图3对应的晶圆中失效晶粒为非随机性失效。
进一步地,本发明的实施例提供的晶圆图的分类方法还可以包括:在所述出现频率符合正态分布的情况下,确定所述第一失效数量的方差是否大于预设方差阈值;在所述第一失效数量的方差大于所述方差阈值的情况下,确定所述晶圆上的失效晶粒为非随机性失效。也即是说,如果第一失效数量的出现频率符合正态分布,但方差过大,则也认为晶圆上的失效晶粒为非随机性失效。
在本发明的一个实施例中,如果确定晶圆上的失效晶粒为随机性失效,则可以不进行进一步分类处理,如果确定晶圆上的失效晶粒为非随机性失效,则说明失效晶粒可能对应着某些特定的失效原因,为了寻求工艺改善,可以对非随机性失效的晶圆图进行进一步分类。
在对非随机性失效的晶圆图进行分类处理时,可以在步骤S13中基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类。其中,第一扫描单位包括至少两种不同大小的晶粒矩阵。由于失效图形的分类可能会涉及到失效晶粒的具体分布,而太过具体的分布细节可能会让分类算法过多关注各个图形细节而忽略图形之间共性,从而不利于合理分类,为此,本发明的一个实施例中,可以先将一些过于具体的失效晶粒分布细节滤除,以防对分类形成干扰。
具体而言,在一种实施方式中,步骤S13基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类可以包括:基于初筛扫描单位和初筛步进单位,扫描所述晶圆图,滤除所述晶圆图中符合预设过滤条件的失效晶粒,得到晶圆过滤图;基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类。
在本实施方式中,可以将第一扫描单位分为初筛扫描单位和二筛扫描单位两类,在扫描时,初筛扫描单位可以与初筛步进单位配合完成扫描,而二筛扫描单位可以与二筛步进单位配合完成扫描。初筛扫描单位与二筛扫描单位可以相同或不同,初筛步进单位与二筛步进单位也可以相同或不同,本发明的实施例对此不做限定。可选的,根据需要,初筛扫描可以执行一次或多次,各次对应的初筛扫描单位可以不同,二筛扫描也可以执行一次或多次,各次对应的二筛扫描单位也可以不同。所述第一扫描单位包括至少两种不同大小的晶粒矩阵。
本发明的实施例中,步进单位可以指扫描完一个位置后,移动多远的距离开始扫描下一个位置。可选的,在一个例子中,步进单位可以用晶粒数表示,例如如果步进单位为1个晶粒,则移动一个晶粒的距离后开始下一次扫描,如果步进单位为2个晶粒,则移动2个晶粒的距离后开始下一次扫描。此外,步进也可以有方向之分,例如可以沿行的方向步进,也可以沿列的方向步进,不同方向使用的步进单位既可以相同,也可以不同,具体为何可以根据需要进行设置和调整。
具体地,初筛扫描主要可以用于滤除符合预设过滤条件的失效晶粒,滤除这些失效晶粒后的晶圆图,即为晶圆过滤图。可选的,所述预设过滤条件可以包括:如果一个失效单元的、在第一方向上的相邻晶粒以及在第二方向上的相邻晶粒均为合格晶粒,则滤除该失效单元;其中,所述失效单元包括一颗失效晶粒,或在所述第一方向或所述第二方向上彼此相邻的p颗失效晶粒,其中p为大于1且小于第一数量阈值的整数;所述第一方向为所述晶圆图中任一颗晶粒的一条边界的延伸方向,所述第二方向为与所述第一方向垂直的方向。其中,第一数量阈值可以影响失效晶粒的滤除力度,其具体数值可以根据需要进行设置和调整,例如,第一数量阈值可以为3、4、5、6等。
示例性的,在本发明的一个实施例中,第一数量阈值为4,根据p的取值条件可知,p可以等于2或3,则如图4A至图4D所示的各失效单元均应滤除,即,在晶圆过滤图中,这些失效单元对应的各个失效晶粒,不会被标示为失效晶粒。图4A-图4D中,F表示失效晶粒,P表示合格晶粒,即合格晶粒。
通过上述对失效单元的滤除操作,可以将晶圆图中较分散、较孤立、较随机的失效晶粒滤除,得到晶圆过滤图,从而避免这些失效晶粒对后续的分类操作形成干扰,有利于提高分类的准确性。为了达到良好的滤除精度,在本发明的一个实施例中,初筛扫描单位和初筛步进单位均可以为一个晶粒。
得到晶圆过滤图后,可以基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类。具体而言,基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类可以包括以下一项或多项,需要说明的是,以下分类方法并没有严格的先后顺序:
以一个晶粒为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果在所述第一方向上存在连续q个失效晶粒,或在所述第二方向上存在连续q个失效晶粒,则将所述q个失效晶粒形成的失效图形确定为连续性失效;其中,q为大于或等于所述第一数量阈值的整数;示例性的,在本发明的一个实施例中,第一数量阈值等于5,则如图5所示的失效图形可以被确定为连续性失效。图5中,F表示失效晶粒,P表示合格晶粒,即合格晶粒。
以r*t个晶粒形成的第一矩阵为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果任一次扫描对应的所述第一矩阵中,失效晶粒的数量占比超过第一比例,则确定该次扫描对应的所述第一矩阵中的失效晶粒形成的失效图形为中心型簇失效;其中,r和t均为大于2的整数;示例性的,如图6所示,在本发明的一个实施例中,r=t=3,第一比例为7/9,也即是说,在每次扫描的9个晶粒中,只要有8个以上的失效晶粒,即可判定该次扫描中失效晶粒形成的失效图形为中心型簇失效。
以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒,得到至少一个第一失效晶粒集合,所述失效图形与所述第一失效晶粒集合一一对应;获取每个所述第一失效晶粒集合中各晶粒的位置坐标;将每个所述第一失效晶粒集合对应的各所述位置坐标拟合为圆弧曲线;根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类。
在一种实施方式中,所述在所述晶圆过滤图中查找属于同一失效图形的失效晶粒具体可以包括:如果所述晶圆过滤图中,两个相邻的所述第二矩阵各自覆盖的失效晶粒的数量均大于或等于第二数量阈值,则确定两个相邻的所述第二矩阵覆盖下的所有失效晶粒属于同一失效图形,其中,所述第二数量阈值为小于或等于u*u的正整数。
举例而言,在本发明的一个实施例中,u=2,第二数量阈值为1,二筛扫描单位对应的第二矩阵为2*2的矩阵,二筛步进单位为2颗晶粒,则可以以2*2的第二矩阵扫描晶圆过滤图,在行的方向步进2颗晶粒逐次扫描,需要扫描下一行时,在列的方向步进2颗晶粒后,移动到下一行,再沿行的方向继续扫描。在扫描中,每次可以扫描到4颗晶粒,且没有晶粒被重复扫描。如图7所示,如果第a次扫描到4颗晶粒(即第二矩阵Ma下覆盖的4颗晶粒)其中有1颗失效晶粒(以F标示),第二矩阵Ma右方相邻的4颗晶粒(即第二矩阵Mb下覆盖的4颗晶粒)中有1颗失效晶粒,则可以确定这两个失效晶粒属于同一失效图形。如果Ma下方相邻的4颗晶粒(即第二矩阵Mc下覆盖的4颗晶粒)中有1颗失效晶粒,则可以进一步确定这1颗失效晶粒与前两次扫描中的2颗失效晶粒均属于同一失效图形。依次类推,失效图形可以进一步延伸,直至相邻两个第二矩阵中,至少有一个第二矩阵覆盖的失效晶粒的数量均小于第二数量阈值,例如至少有一个第二矩阵覆盖的失效晶粒的数量为0,则一个失效图形的查找结束,可以继续查找下一个失效图形。示例性的,图7所示的两个椭圆虚线中的失效晶粒,各自形成一个失效图形,得到两个相互独立的失效图形。
本实施例以u=2,第二数量阈值等于1为例进行说明,但本发明的实施例不限于此,在本发明的其他实施例中,u和第二数量阈值的取值可以为其他值,本发明的实施例对此不做限定。
在上述查找属于同一失效图形的失效晶粒的步骤中,并未对失效晶粒的失效类型进行限定,即不同失效类型的失效晶粒也可能被划分为同一失效图形,但本发明的实施例不限于此。在本发明的其他实施例中,也可以对失效晶粒的失效类型进行进一步限定,即可能被纳入同一失效图形的失效晶粒仅限定为一种或几种预设的失效类型。
具体而言,在本发明的一个实施例中,以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒可以包括:以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中预设的至少一种失效类型的晶粒范围内,查找属于同一失效图形的失效晶粒,其中,所述失效类型由ATE测试得到,例如,在一个例子中,预设的至少一种失效类型可以包括类型HB10、类型20、和类型39。
查找到属于同一失效图形的失效晶粒后,可以获取同一失效图形中各失效晶粒的位置坐标,并将这些位置坐标拟合成圆弧曲线,以便根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类。可选的,可以通过多种算法将上述位置坐标拟合成圆弧曲线,本发明的实施例对此不做限定。例如,在本发明的一个实施例中,可以通过最小二乘法来进行拟合。
具体实施中,根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类可以包括:检测所述圆弧曲线的两个端点是否重合;在所述圆弧曲线的两个端点重合的情况下,确定所述圆弧曲线对应的失效图形为环状簇失效;在所述圆弧曲线的两个端点不重合的情况下,根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类。
也即是说,如果圆弧曲线的两个端点重合,则说明圆弧曲线对应的失效图形接近圆环,因此可以确定所述圆弧曲线对应的失效图形为环状簇失效。如果圆弧曲线的两个端点不重合,则说明圆弧曲线对应的失效图形仅仅是圆环的一部分,需要进一步根据圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类。例如,如果圆弧曲线的两个端点不重合,则可以获取这两个端点的坐标以及圆弧曲线对应的圆心的坐标,将这两个端点分别与圆心连线,计算这两条连线所夹的角,得到圆弧曲线对应的圆心角。
具体的,在本发明的一个实施例中,根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类可以包括:如果所述圆心角大于预设角度阈值,确定所述圆弧曲线对应的失效图形为弧状簇失效;如果所述圆心角小于或等于所述预设角度阈值,确定所述圆弧曲线对应的失效图形为刮擦型失效。也即是说,如果圆心角大于预设角度阈值,则说明该圆弧曲线的弧度较大,可以将该失效图形确定为弧状簇失效,反之,如果圆心角小于或等于该预设角度阈值,则说明该圆弧曲线的弧度较小,可以将该失效图形确定为刮擦型失效。示例性的,弧状簇失效的一种结构示意图可以如图8中的虚线框所示,刮擦型失效的一种结构示意图可以如图9中的虚线框所示。图8和图9中晶粒图中的数字为ATE测试得到的失效类型。
下面通过一个具体的实施例对本发明的实施例提供的晶圆图的分类方法进行详细说明。
如图10所示,本发明的实施例提供的晶圆图的分类方法可以包括:
S201、获取晶圆图;
所述晶圆图用于指示ATE测试的合格晶粒和失效晶粒在所述晶圆上的位置分布;
S202、根据掩膜版信息确定第二扫描单位;
所述掩模版信息包括掩膜版定义的晶粒数量及晶粒位置;
S203、基于第二扫描单位,从第一次曝光的位置开始,扫描晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图;
S204、根据失效晶粒在晶圆上的位置分布,获取每个掩模子图中失效晶粒的数量,得到第一失效数量;
S205、确定晶圆图对应的各第一失效数量的概率分布;
S206、确定晶圆图对应的各第一失效数量的出现频率是否符合正态分布;
如果是,执行步骤S208,如果否,执行步骤S207;
示例性的,第一失效数量的概率分布图符合正态分布的情况可以如图11所示,第一失效数量的概率分布图不符合正态分布的情况可以如图12所示。
S207、确定晶圆上的失效晶粒为非随机性失效;跳转至步骤S209;
S208、确定第一失效数量的方差是否大于预设方差阈值;
如果是,执行步骤S207,如果否,执行步骤S219;
S209、基于初筛扫描单位和初筛步进单位,扫描所述晶圆图,滤除晶圆图中符合预设过滤条件的失效晶粒,得到晶圆过滤图;
S210、以一个晶粒为二筛扫描单位,一个晶粒为二筛步进单位,扫描晶圆过滤图,如果在第一方向上存在连续q个失效晶粒,或在第二方向上存在连续q个失效晶粒,则将q个失效晶粒形成的失效图形确定为连续性失效。
其中,q为大于或等于第一数量阈值的整数;
S211、以r*t个晶粒形成的第一矩阵为二筛扫描单位,一个晶粒为二筛步进单位,扫描晶圆过滤图,如果任一次扫描对应的第一矩阵中,失效晶粒的数量占比超过第一比例,则确定该次扫描对应的第一矩阵中的失效晶粒形成的失效图形为中心型簇失效;
其中,r和t均为大于2的整数;
S212、以u*u个晶粒形成的第二矩阵为二筛扫描单位,u个晶粒为二筛步进单位,扫描晶圆过滤图,在晶圆过滤图中查找属于同一失效图形的失效晶粒,得到至少一个第一失效晶粒集合;
所述失效图形与所述第一失效晶粒集合一一对应;
S213、获取每个第一失效晶粒集合中各晶粒的位置坐标;将每个第一失效晶粒集合对应的各位置坐标拟合为圆弧曲线;
S214、检测圆弧曲线的两个端点是否重合;
如果是,执行步骤S215,如果否,执行步骤S216;
S215、确定圆弧曲线对应的失效图形为环状簇失效,结束;
S216、确定圆弧曲线对应的圆心角是否大于预设角度阈值;如果是,执行步骤S217,如果否,执行步骤S218;
S217、确定圆弧曲线对应的失效图形为弧状簇失效,结束;
S218、确定圆弧曲线对应的失效图形为刮擦型失效,结束。
S219、确定晶圆上的失效晶粒为随机性失效,结束。
第二方面,本发明的实施例还提供一种晶圆图的分类装置,能够在有效提高晶圆图的分类效率的同时,使分类结果更加准确和客观。
如图13所示,本发明的实施例提供的晶圆图的分类装置可以包括:
获取单元31,用于获取晶圆图,所述晶圆图用于指示ATE测试的合格晶粒和失效晶粒在所述晶圆上的位置分布;
确定单元32,用于根据所述失效晶粒在晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效;所述掩模版信息包括掩膜版定义的晶粒数量及晶粒位置;
分类单元33,用于在所述晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类,其中,所述第一扫描单位包括m*n个晶粒形成的晶粒矩阵,m、n均为大于0的整数,m与n相等或不等。
本发明的实施例提供的晶圆图的分类装置,能够获取晶圆图,并根据晶圆图上指示的失效晶粒在晶圆上的位置分布以及掩膜版信息,确定晶圆上的失效晶粒是否为非随机性失效,在晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类。这样,通过计算机执行相应的算法对失效图形进行分类不但能够有效避免人工分类的低效和主观,而且由于该算法先利用了掩膜版信息确定失效晶粒是否为非随机性失效,在确定失效晶粒为非随机性失效的情况下再进一步分类,因此能够有效缩小失效分类操作的范围,进一步提高分类效率。此外,由于第一扫描单位可以包括m*n个晶粒形成的晶粒矩阵,不同的m和n的配置可以产生不同的第一扫描单位,呈现不同的扫描特征,得到不同的扫描结果,对这些扫描结果的综合利用可以使失效图形的分类更准确和客观。因此,本发明的实施例提供的晶圆图的分类方法,能够在有效提高晶圆图的分类效率的同时,使分类结果更准确和客观。
在一种实施方式中,确定单元32可以包括:
第一确定模块,用于根据所述掩膜版信息确定第二扫描单位;
扫描模块,用于基于所述第二扫描单位,从第一次曝光的位置开始,扫描所述晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图;
获取模块,用于根据所述失效晶粒在所述晶圆上的位置分布,获取每个所述掩模子图中失效晶粒的数量,得到第一失效数量;
第二确定模块,用于确定所述晶圆图对应的各所述第一失效数量的概率分布;
第三确定模块,用于根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效。
在一种实施方式中,所述第三确定模块可以包括:
分布确定子模块,用于确定所述晶圆图对应的各所述第一失效数量的出现频率是否符合正态分布;
失效确定子模块,用于在所述出现频率不符合正态分布的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
在一种实施方式中,第三确定模块还可以包括:
方差确定子模块,用于在所述出现频率符合正态分布的情况下,确定所述第一失效数量的方差是否大于预设方差阈值;
所述失效确定子模块,还用于在所述第一失效数量的方差大于所述方差阈值的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
在一种实施方式中,分类单元33可以包括:
滤除模块,用于基于初筛扫描单位和初筛步进单位,扫描所述晶圆图,滤除所述晶圆图中符合预设过滤条件的失效晶粒,得到晶圆过滤图;
分类模块,用于基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类。
在一种实施方式中,所述预设过滤条件可以包括:
如果一个失效单元的、在第一方向上的相邻晶粒以及在第二方向上的相邻晶粒均为合格晶粒,则滤除该失效单元;其中,所述失效单元包括一颗失效晶粒,或在所述第一方向或所述第二方向上彼此相邻的p颗失效晶粒,其中p为大于1且小于第一数量阈值的整数;所述第一方向为所述晶圆图中任一颗晶粒的一条边界的延伸方向,所述第二方向为与所述第一方向垂直的方向。
在一种实施方式中,所述分类模块可以包括以下至少一项:
第一分类子模块,用于以一个晶粒为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果在所述第一方向上存在连续q个失效晶粒,或在所述第二方向上存在连续q个失效晶粒,则将所述q个失效晶粒形成的失效图形确定为连续性失效;其中,q为大于或等于所述第一数量阈值的整数;
第二分类子模块,用于以r*t个晶粒形成的第一矩阵为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果任一次扫描对应的所述第一矩阵中,失效晶粒的数量占比超过第一比例,则确定该次扫描对应的所述第一矩阵中的失效晶粒形成的失效图形为中心型簇失效;其中,r和t均为大于2的整数;
第三分类子模块,用于以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒,得到至少一个第一失效晶粒集合,所述失效图形与所述第一失效晶粒集合一一对应;获取每个所述第一失效晶粒集合中各晶粒的位置坐标;将每个所述第一失效晶粒集合对应的各所述位置坐标拟合为圆弧曲线;根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类。
在一种实施方式中,所述第三分类子模块具体可以用于:如果所述晶圆过滤图中,两个相邻的所述第二矩阵各自覆盖的失效晶粒的数量均大于或等于第二数量阈值,则确定两个相邻的所述第二矩阵覆盖下的所有失效晶粒属于同一失效图形,其中,所述第二数量阈值为小于或等于u*u的正整数。
在一种实施方式中,所述第三分类子模块,具体可以用于:以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中预设的至少一种失效类型的晶粒范围内,查找属于同一失效图形的失效晶粒,其中,所述失效类型由所述ATE测试得到。
在一种实施方式中,所述第三分类子模块,具体用于:
检测所述圆弧曲线的两个端点是否重合;
在所述圆弧曲线的两个端点重合的情况下,确定所述圆弧曲线对应的失效图形为环状簇失效;
在所述圆弧曲线的两个端点不重合的情况下,根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类。
在一种实施方式中,所述第三分类子模块,具体可以用于:
如果所述圆心角大于预设角度阈值,确定所述圆弧曲线对应的失效图形为弧状簇失效;
如果所述圆心角小于或等于所述预设角度阈值,确定所述圆弧曲线对应的失效图形为刮擦型失效。
在一种实施方式中,所述第一扫描单位包括至少两种不同大小的晶粒矩阵。
第三方面,本发明的实施例还提供一种电子设备,能够在有效提高晶圆图的分类效率的同时,使分类结果更加准确和客观。
如图14所示,本发明的实施例提供的电子设备,可以包括:壳体51、处理器52、存储器53、电路板54和电源电路55,其中,电路板54安置在壳体51围成的空间内部,处理器52和存储器53设置在电路板54上;电源电路55,用于为上述电子设备的各个电路或器件供电;存储器53用于存储可执行程序代码;处理器52通过读取存储器53中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述任一实施例提供的晶圆图的分类方法。
处理器52对上述步骤的具体执行过程以及处理器52通过运行可执行程序代码来进一步执行的步骤,可以参见前述实施例的描述,在此不再赘述。
第四方面,本发明的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现前述实施例提供的任一种晶圆图的分类方法,因此也能实现相应的技术效果,前文已经进行了详细说明,此处不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
为了描述的方便,描述以上装置是以功能分为各种单元/模块分别描述。当然,在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (26)
1.一种晶圆图的分类方法,其特征在于,包括:
获取晶圆图,所述晶圆图用于指示自动化测试设备ATE测试的合格晶粒和失效晶粒在晶圆上的位置分布;
根据所述失效晶粒在晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效;所述掩模版信息包括掩膜版定义的晶粒数量及晶粒位置;
在所述晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类,其中,所述第一扫描单位包括m*n个晶粒形成的晶粒矩阵,m、n均为大于0的整数,m与n相等或不等。
2.根据权利要求1所述的方法,其特征在于,所述根据所述失效晶粒在所述晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效包括:
根据所述掩膜版信息确定第二扫描单位;
基于所述第二扫描单位,从第一次曝光的位置开始,扫描所述晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图;
根据所述失效晶粒在所述晶圆上的位置分布,获取每个所述掩模子图中失效晶粒的数量,得到第一失效数量;
确定所述晶圆图对应的各所述第一失效数量的概率分布;
根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效。
3.根据权利要求2所述的方法,其特征在于,所述根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效包括:
确定所述晶圆图对应的各所述第一失效数量的出现频率是否符合正态分布;
在所述出现频率不符合正态分布的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述出现频率符合正态分布的情况下,确定所述第一失效数量的方差是否大于预设方差阈值;
在所述第一失效数量的方差大于所述方差阈值的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
5.根据权利要求1所述的方法,其特征在于,所述基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类包括:
基于初筛扫描单位和初筛步进单位,扫描所述晶圆图,滤除所述晶圆图中符合预设过滤条件的失效晶粒,得到晶圆过滤图;
基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类。
6.根据权利要求5所述的方法,其特征在于,所述预设过滤条件包括:
如果一个失效单元的、在第一方向上的相邻晶粒以及在第二方向上的相邻晶粒均为合格晶粒,则滤除该失效单元;其中,所述失效单元包括一颗失效晶粒,或在所述第一方向或所述第二方向上彼此相邻的p颗失效晶粒,其中p为大于1且小于第一数量阈值的整数;所述第一方向为所述晶圆图中任一颗晶粒的一条边界的延伸方向,所述第二方向为与所述第一方向垂直的方向。
7.根据权利要求6所述的方法,其特征在于,所述基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类包括以下至少一项:
以一个晶粒为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果在所述第一方向上存在连续q个失效晶粒,或在所述第二方向上存在连续q个失效晶粒,则将所述q个失效晶粒形成的失效图形确定为连续性失效;其中,q为大于或等于所述第一数量阈值的整数;
以r*t个晶粒形成的第一矩阵为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果任一次扫描对应的所述第一矩阵中,失效晶粒的数量占比超过第一比例,则确定该次扫描对应的所述第一矩阵中的失效晶粒形成的失效图形为中心型簇失效;其中,r和t均为大于2的整数;
以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒,得到至少一个第一失效晶粒集合,所述失效图形与所述第一失效晶粒集合一一对应;获取每个所述第一失效晶粒集合中各晶粒的位置坐标;将每个所述第一失效晶粒集合对应的各所述位置坐标拟合为圆弧曲线;根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类。
8.根据权利要求7所述的方法,其特征在于,所述在所述晶圆过滤图中查找属于同一失效图形的失效晶粒包括:
如果所述晶圆过滤图中,两个相邻的所述第二矩阵各自覆盖的失效晶粒的数量均大于或等于第二数量阈值,则确定两个相邻的所述第二矩阵覆盖下的所有失效晶粒属于同一失效图形,其中,所述第二数量阈值为小于或等于u*u的正整数。
9.根据权利要求7所述的方法,其特征在于,所述以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒包括:
以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中预设的至少一种失效类型的晶粒范围内,查找属于同一失效图形的失效晶粒,其中,所述失效类型由所述自动化测试设备ATE测试得到。
10.根据权利要求7所述的方法,其特征在于,所述根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类包括:
检测所述圆弧曲线的两个端点是否重合;
在所述圆弧曲线的两个端点重合的情况下,确定所述圆弧曲线对应的失效图形为环状簇失效;
在所述圆弧曲线的两个端点不重合的情况下,根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类。
11.根据权利要求10所述的方法,其特征在于,所述根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类包括:
如果所述圆心角大于预设角度阈值,确定所述圆弧曲线对应的失效图形为弧状簇失效;
如果所述圆心角小于或等于所述预设角度阈值,确定所述圆弧曲线对应的失效图形为刮擦型失效。
12.根据权利要求1所述的方法,其特征在于,所述第一扫描单位包括至少两种不同大小的晶粒矩阵。
13.一种晶圆图的分类装置,其特征在于,包括:
获取单元,用于获取晶圆图,所述晶圆图用于指示自动化测试设备ATE测试的合格晶粒和失效晶粒在所述晶圆上的位置分布;
确定单元,用于根据所述失效晶粒在晶圆上的位置分布以及掩膜版信息,确定所述晶圆上的失效晶粒是否为非随机性失效;所述掩模版信息包括掩膜版定义的晶粒数量及晶粒位置;
分类单元,用于在所述晶圆上的失效晶粒为非随机性失效的情况下,基于第一扫描单位扫描所述晶圆图,并根据扫描结果对失效晶粒在所述晶圆图上形成的失效图形进行分类,其中,所述第一扫描单位包括m*n个晶粒形成的晶粒矩阵,m、n均为大于0的整数,m与n相等或不等。
14.根据权利要求13所述的装置,其特征在于,所述确定单元包括:
第一确定模块,用于根据所述掩膜版信息确定第二扫描单位;
扫描模块,用于基于所述第二扫描单位,从第一次曝光的位置开始,扫描所述晶圆图中被完整转印的各掩膜版图案,每次扫描得到一个对应的掩模扫描子图;
获取模块,用于根据所述失效晶粒在所述晶圆上的位置分布,获取每个所述掩模子图中失效晶粒的数量,得到第一失效数量;
第二确定模块,用于确定所述晶圆图对应的各所述第一失效数量的概率分布;
第三确定模块,用于根据所述概率分布确定所述晶圆上的失效晶粒是否为非随机性失效。
15.根据权利要求14所述的装置,其特征在于,所述第三确定模块包括:
分布确定子模块,用于确定所述晶圆图对应的各所述第一失效数量的出现频率是否符合正态分布;
失效确定子模块,用于在所述出现频率不符合正态分布的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
16.根据权利要求15所述的装置,其特征在于,第三确定模块还包括:
方差确定子模块,用于在所述出现频率符合正态分布的情况下,确定所述第一失效数量的方差是否大于预设方差阈值;
所述失效确定子模块,还用于在所述第一失效数量的方差大于所述方差阈值的情况下,确定所述晶圆上的失效晶粒为非随机性失效。
17.根据权利要求13所述的装置,其特征在于,所述分类单元包括:
滤除模块,用于基于初筛扫描单位和初筛步进单位,扫描所述晶圆图,滤除所述晶圆图中符合预设过滤条件的失效晶粒,得到晶圆过滤图;
分类模块,用于基于二筛扫描单位和二筛步进单位,扫描所述晶圆过滤图,根据对所述晶圆过滤图的扫描结果,对失效晶粒在所述晶圆图上形成的失效图形进行分类。
18.根据权利要求17所述的装置,其特征在于,所述预设过滤条件包括:
如果一个失效单元的、在第一方向上的相邻晶粒以及在第二方向上的相邻晶粒均为合格晶粒,则滤除该失效单元;其中,所述失效单元包括一颗失效晶粒,或在所述第一方向或所述第二方向上彼此相邻的p颗失效晶粒,其中p为大于1且小于第一数量阈值的整数;所述第一方向为所述晶圆图中任一颗晶粒的一条边界的延伸方向,所述第二方向为与所述第一方向垂直的方向。
19.根据权利要求18所述的装置,其特征在于,所述分类模块包括以下至少一项:
第一分类子模块,用于以一个晶粒为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果在所述第一方向上存在连续q个失效晶粒,或在所述第二方向上存在连续q个失效晶粒,则将所述q个失效晶粒形成的失效图形确定为连续性失效;其中,q为大于或等于所述第一数量阈值的整数;
第二分类子模块,用于以r*t个晶粒形成的第一矩阵为所述二筛扫描单位,一个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,如果任一次扫描对应的所述第一矩阵中,失效晶粒的数量占比超过第一比例,则确定该次扫描对应的所述第一矩阵中的失效晶粒形成的失效图形为中心型簇失效;其中,r和t均为大于2的整数;
第三分类子模块,用于以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中查找属于同一失效图形的失效晶粒,得到至少一个第一失效晶粒集合,所述失效图形与所述第一失效晶粒集合一一对应;获取每个所述第一失效晶粒集合中各晶粒的位置坐标;将每个所述第一失效晶粒集合对应的各所述位置坐标拟合为圆弧曲线;根据所述圆弧曲线的几何特征,确定所述圆弧曲线对应的失效图形的失效分类。
20.根据权利要求19所述的装置,其特征在于,所述第三分类子模块具体用于:如果所述晶圆过滤图中,两个相邻的所述第二矩阵各自覆盖的失效晶粒的数量均大于或等于第二数量阈值,则确定两个相邻的所述第二矩阵覆盖下的所有失效晶粒属于同一失效图形,其中,所述第二数量阈值为小于或等于u*u的正整数。
21.根据权利要求19所述的装置,其特征在于,所述第三分类子模块,具体用于:
以u*u个晶粒形成的第二矩阵为所述二筛扫描单位,u个晶粒为所述二筛步进单位,扫描所述晶圆过滤图,在所述晶圆过滤图中预设的至少一种失效类型的晶粒范围内,查找属于同一失效图形的失效晶粒,其中,所述失效类型由所述自动化测试设备ATE测试得到。
22.根据权利要求19所述的装置,其特征在于,所述第三分类子模块,具体用于:
检测所述圆弧曲线的两个端点是否重合;
在所述圆弧曲线的两个端点重合的情况下,确定所述圆弧曲线对应的失效图形为环状簇失效;
在所述圆弧曲线的两个端点不重合的情况下,根据所述圆弧曲线对应的圆心角的大小,确定所述圆弧曲线对应的失效图形的失效分类。
23.根据权利要求22所述的装置,其特征在于,所述第三分类子模块,具体用于:
如果所述圆心角大于预设角度阈值,确定所述圆弧曲线对应的失效图形为弧状簇失效;
如果所述圆心角小于或等于所述预设角度阈值,确定所述圆弧曲线对应的失效图形为刮擦型失效。
24.根据权利要求13所述的装置,其特征在于,所述第一扫描单位包括至少两种不同大小的晶粒矩阵。
25.一种电子设备,其特征在于,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述权利要求1至12中任一项所述的晶圆图的分类方法。
26.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现前述权利要求1至12中任一项所述的晶圆图的分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310580726.6A CN116646277A (zh) | 2023-05-22 | 2023-05-22 | 一种晶圆图的分类方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310580726.6A CN116646277A (zh) | 2023-05-22 | 2023-05-22 | 一种晶圆图的分类方法及装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116646277A true CN116646277A (zh) | 2023-08-25 |
Family
ID=87624016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310580726.6A Pending CN116646277A (zh) | 2023-05-22 | 2023-05-22 | 一种晶圆图的分类方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116646277A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132603A (zh) * | 2023-10-28 | 2023-11-28 | 武汉罗博半导体科技有限公司 | 晶圆map生成方法、装置、设备及存储介质 |
-
2023
- 2023-05-22 CN CN202310580726.6A patent/CN116646277A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132603A (zh) * | 2023-10-28 | 2023-11-28 | 武汉罗博半导体科技有限公司 | 晶圆map生成方法、装置、设备及存储介质 |
CN117132603B (zh) * | 2023-10-28 | 2024-02-02 | 武汉罗博半导体科技有限公司 | 晶圆map生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11016035B2 (en) | Smart defect calibration system and the method thereof | |
US8150140B2 (en) | System and method for a semiconductor lithographic process control using statistical information in defect identification | |
US5991699A (en) | Detecting groups of defects in semiconductor feature space | |
CN100394421C (zh) | 产品良率分析系统及方法 | |
US6377898B1 (en) | Automatic defect classification comparator die selection system | |
US8422761B2 (en) | Defect and critical dimension analysis systems and methods for a semiconductor lithographic process | |
JP4402004B2 (ja) | 検査装置 | |
US20020121915A1 (en) | Automated pattern clustering detection for wafer probe maps | |
US7512501B2 (en) | Defect inspecting apparatus for semiconductor wafer | |
CN116646277A (zh) | 一种晶圆图的分类方法及装置、电子设备、存储介质 | |
CN108122801B (zh) | 晶圆标记方法及晶圆标记系统 | |
CN113050363A (zh) | 光学邻近修正模型的建立方法以及光学邻近修正方法 | |
US7915087B2 (en) | Method of arranging dies in a wafer for easy inkless partial wafer process | |
US20110013824A1 (en) | Inspection area setting method, inspection area setting apparatus, and computer program product | |
US6303394B1 (en) | Global cluster pre-classification methodology | |
CN111554588B (zh) | 晶圆缺陷监控系统及其监控方法 | |
CN112446887B (zh) | 晶圆切割晶片数计算方法及计算设备 | |
TWI758533B (zh) | 設計關鍵性分析擴充之製程窗合格取樣 | |
TW507308B (en) | Correction of overlay offset between inspection layers in integrated circuits | |
JP2008078635A (ja) | 欠陥検査装置、欠陥検査方法、半導体装置の製造システム及び半導体装置の製造方法 | |
CN117197617B (zh) | 一种重复缺陷的缺陷分类方法及系统 | |
US20180165803A1 (en) | Method and system for detecting hotspots in semiconductor wafer | |
US11796927B2 (en) | Method and device for enhancing alignment performance of lithographic device | |
CN118116820A (zh) | 一种基于晶圆图的晶圆缺陷聚类方法及装置 | |
US20220128909A1 (en) | Detecting method for manufacturing process of semiconductor |
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 |