CN117015850B - 以经呈现设计图像进行的设计注意区域的分段 - Google Patents

以经呈现设计图像进行的设计注意区域的分段 Download PDF

Info

Publication number
CN117015850B
CN117015850B CN202180095160.7A CN202180095160A CN117015850B CN 117015850 B CN117015850 B CN 117015850B CN 202180095160 A CN202180095160 A CN 202180095160A CN 117015850 B CN117015850 B CN 117015850B
Authority
CN
China
Prior art keywords
image
presented image
segmentation
design
processor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202180095160.7A
Other languages
English (en)
Other versions
CN117015850A (zh
Inventor
M·玛里亚潘
钱进
刘壮
李晓春
聂思晴
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 CN117015850A publication Critical patent/CN117015850A/zh
Application granted granted Critical
Publication of CN117015850B publication Critical patent/CN117015850B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • 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
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

从半导体装置设计文件产生经呈现图像。基于所述经呈现图像的灰度对所述经呈现图像进行分段。基于所述分段确定注意区域。在所述注意区域中执行缺陷检验。此过程可执行于使用光子光学器件或电子束光学器件的晶片检验工具上。

Description

以经呈现设计图像进行的设计注意区域的分段
技术领域
本公开涉及半导体晶片的检验。
背景技术
半导体制造产业的演进对良率管理及尤其是计量及检验系统提出更高要求。临界尺寸不断缩小,但产业需要减少实现高良率、高价值生产的时间。最小化从检测到良率问题到解决所述问题的总时间决定了半导体制造商的投资回报率。
制作例如逻辑及存储器装置的半导体装置通常包含使用大量制造工艺来处理半导体晶片以形成半导体装置的各种特征及多个层级。例如,光刻是涉及将图案从光罩转印到布置于半导体晶片上的光致抗蚀剂的半导体制造工艺。半导体制造工艺的额外实例包含(但不限于)化学机械抛光(CMP)、蚀刻、沉积、及离子植入。制作于单个半导体晶片上的多个半导体装置的布置可被分离成个别半导体装置。
半导体制造期间的各种步骤中使用检验过程来检测晶片上的缺陷以促进制造工艺中的较高良率,且因此促进较高利润。检验总是制作例如集成电路(IC)的半导体装置的重要部分。然而,随着半导体装置的尺寸减小,针对成功制造可接受的半导体装置,检验变得甚至更重要,因为较小缺陷可引起装置故障。例如,随着半导体装置的尺寸减小,检测大小减小的缺陷变得必要,因为即使相对较小缺陷也可在半导体装置中引起无用像差。
然而,随着设计规则缩减,半导体制造工艺可较接近工艺性能的限制操作。另外,随着设计规则缩减,较小缺陷可对装置的电参数产生影响,此驱动更敏感检验。随着设计规则缩减,通过检验检测到的潜在良率相关缺陷的数量急剧增长,且通过检验检测到的损害缺陷的数量也急剧增加。因此,可在晶片上检测到更多缺陷,且消除所有缺陷的校正过程可为困难及昂贵的。确定哪些缺陷对装置的电参数及良率实际上有影响可允许过程控制方法聚焦于那些缺陷上,同时很大程度上忽略其它缺陷。此外,在较小设计规则,工艺诱发的故障在一些情况中倾向于系统性。即,工艺诱发的故障倾向于以通常在设计内重复多次的预定设计图案出现故障。消除空间系统性、电相关性缺陷可对良率产生影响。
图案化晶片检验工具使用芯片设计信息来针对临界所关注区域(ROI)且避免晶片上的非临界噪声区域,此提高临界区域中的缺陷检测敏感度。在缺陷处理期间,芯片设计信息还用于缺陷分箱(binning)及分组以进一步提高敏感度。以计算机可读形式处理已知临界区域及噪声区域,其可在检验期间以注意区域(CA)形式供给到检验工具。使用子像素对准策略将这些注意区域对准到印刷于晶片上的图案。此技术可用于识别且绘制晶片上基于设计几何的临界区域,且可使用专用电子设计自动化(EDA)工具来创建。
为最大化敏感度,在单独注意区域中,噪声区域可与低噪声区域隔离,接着以相对较高敏感度检验所述单独注意区域。随着缩减设计规则及推进芯片制造,在检验期间需要产生及处理的注意区域的数目正在增加。此导致每个印刷于晶片上的芯片的注意区域的数目增加到数百万或甚至数十亿,因为印刷图案的特征尺寸可仅为几纳米。
芯片设计数据可以GDS/OASIS文件的形式使用。此信息用于创建用于在半导体制造设施处的晶片上印刷各种结构的光掩模。GDS/OASIS文件含有印刷于晶片上的内容的蓝图。已开发的各种方法使用此信息来提高检验敏感度,且通过将临界区域与其它区域以注意区域形式分离而针对临界区域来减少干扰。在对晶片进行第一检验之后,可识别设计空间上的噪声及低噪声区域。临界低噪声区域以较高敏感度运行,同时非临界或噪声区域以较低敏感度运行,以最大化捕获所关注缺陷(DOI)而减少总干扰。
GDS或OASIS文件通常很大,运行大小为10GB。不同组件、材料、及工艺信息在设计文件中被分成单元、层、及子层。针对每一层/子层,空间设计数据以几何形状或多边形存储。为创建注意区域,基于规则/图案的搜索用于识别此多边形空间中的临界区域。临界区域的实例包含(例如)具有紧密间隔多边形、锐角、线端、隔离通路(金属触点)、或在处理期间更倾向于故障的设计热点的密集区域。这些临界区域基于其类型及重要性分组成单独注意区域群组。除这些注意区域之外,倾向于故障的已知设计热点及低重要性的已知噪声源或图案也被视为单独注意区域。这些注意区域以在晶片检验期间检验系统可易于存取的计算机可读形式存储。在检验晶片之前,需要进行注意区域的此过程。在检验方案创建期间,使用这些注意区域检验晶片的样本区段。具有较低噪声及较高噪声的注意区域群组被识别且分配不同敏感度以最大化临界图案的敏感度。在优化检验方案的此过程期间,可识别对新设计注意区域的需要,其中其它方法可基于扫描电子显微镜成像来获得地面真像,基于分组干扰来识别设计的新噪声区域及基于分组DOI来识别新设计热点。在此情况中,通过创建及添加这些新注意区域来编辑注意区域文件,且重述检验方案创建/优化过程。图1说明创建注意区域的先前技术的实例。
随着设计规则的缩减及芯片制造的进步,设计文件中需要处理以创建设计注意区域的多边形的数目已增加。此导致EDA处理产生这些注意区域的前置时间很长。注意区域设计文件的大小也增大,此增加成本且减少处理这些注意区域及晶片图像以识别缺陷的计算机系统的处理量。增加注意区域数目还使得难以为这些注意区域指派适当检验敏感度。
基于规则/基于图案的搜索需要预先了解潜在缺陷类型及/或所关注图案。然而,在检验之前,这些方面通常不能被很好理解或建立。用户需要进行第一级猜测以产生注意区域,且通过多次迭代来优化注意区域。随着GDS/OASIS设计文件越来越复杂,运行这些迭代以提取注意区域所需的时间已增长。
基于规则/基于图案的搜索处理原始设计多边形以提取注意区域。然而,归因于光学检验系统的分辨率限制,设计中的相同图案可归因于其它周围图案(其远离半点扩展函数(PSF))而具有不同噪声行为。仅从设计产生而不考虑光学特性的注意区域可为次优的。在多边形空间中创建并入光学物理的复杂规则计算成本昂贵且效率不高。
当相同设计图案基于周围/下层图案具有不同噪声时,在相同设计图案上创建注意区域的当前方法可能会失效。需要改进用于创建注意区域的方法及系统以处理此类复杂性。
发明内容
在第一实施例中,提供一种方法。所述方法包含使用处理器从包含半导体装置的设计文件产生经呈现图像。基于所述经呈现图像的灰度来使用所述处理器对所述经呈现图像进行分段。所述分段可使用所述经呈现图像的亮度或围绕所述经呈现图像的像素的振幅值的变化。基于所述分段来使用所述处理器确定注意区域。使用晶片检验工具在所述注意区域中执行缺陷检验。
通过对类似灰度的像素进行分组,可从所述经呈现图像确定所述注意区域。
所述方法可包含使用所述晶片检验工具在晶片上成像所述半导体装置。所述产生可发生于所述成像之后。所述产生也可发生于所述成像之前,例如当所述经呈现图像存储于电子数据存储单元上时。
在第二实施例中,提供一种系统。所述系统包含产生光束的光源、接收从晶片反射的所述光束的检测器及与所述检测器电通信的处理器。所述处理器经配置以从包含半导体装置的设计文件产生经呈现图像;基于所述经呈现图像的灰度对所述经呈现图像进行分段;基于所述分段确定注意区域;及发送在所述注意区域中执行缺陷检验的指令。所述分段可使用所述经呈现图像的亮度或围绕所述经呈现图像的像素的振幅值的变化。
所述系统可包含电子数据存储单元,其包含所述设计文件。所述电子数据存储单元与所述处理器电通信。所述电子数据存储单元可进一步经配置以存储所述经呈现图像。
通过对类似灰度的像素进行分组,可从所述经呈现图像确定所述注意区域。
在第三实施例中,提供一种非暂时性计算机可读存储媒体。所述非暂时性计算机可读存储媒体包含用于在一或多个计算装置上执行步骤的一或多个程序。从包含半导体装置的设计文件产生经呈现图像。基于所述经呈现图像的灰度对所述经呈现图像进行分段。所述分段可使用所述经呈现图像的亮度或围绕所述经呈现图像的像素的振幅值的变化。基于所述分段确定注意区域。产生在所述注意区域中执行缺陷检验的指令。
通过对类似灰度的像素进行分组,可从所述经呈现图像确定所述注意区域。
附图说明
为更完全理解本公开的性质及目的,应参考结合附图的以下详细描述,其中:
图1说明用于创建注意区域的先前技术;
图2是根据本公开的方法的实施例;
图3说明晶片检验及其分段期间的动态呈现;
图4说明在检验及其分段期间保存且从数据库检索经呈现图像的技术;
图5说明使用经呈现图像来为离群点检测算法创建特征轴的技术;
图6说明使用经呈现图像的注意区域分段;以及
图7是根据本公开的系统的实施例。
具体实施方式
尽管将根据某些实施例来描述所主张的标的物,但包含未提供本文中所陈述的所有益处及特征的实施例的其它实施例也在本公开的范围内。可在不背离本公开的范围的情况下进行各种结构、逻辑、过程步骤、及电子变化。因此,本公开的范围仅通过参考所附权利要求书来界定。
使用模拟设计图像提供创建及/或分段注意区域,所述模拟设计图像经呈现以看上去与由检验工具所见的光学图像类似。在本文中所公开的实施例中,创建或分段设计注意区域是基于以光学物理系统为基础的经呈现图像。芯片设计文件可经呈现以紧密匹配由检验系统成像的晶片图像。此经呈现图像可在检验期间动态创建或可在检验之前创建且保存到数据库以在检验期间检索。
图2是方法100的实施例。可使用处理器执行方法100的一或多个步骤。在101,从包含半导体装置的设计文件产生经呈现图像。在实施例中,一或多个经呈现图像可产生以说明设计的不同部分将如何出现于由检验工具产生的图像中。通过使用模拟接近检验系统的模拟模型(例如光学模拟),将设计呈现为与由检验系统所见的图像相似的图像。模型可从麦克斯韦(Maxwell)方程开发及/或接近于从光学系统产生图像。在实施例中,产生初始经呈现图像,所述初始经呈现图像是基于光学检验子系统的近场及光学模型而由光学检验子系统产生的用于印刷于晶片上的设计的图像的模拟。光学建模的输入可为近场估计且不是设计数据库。例如,光学模型可使用估计近场作为输入来产生初始经呈现图像。光学模型可模拟具有或无光学检验子系统的像差。可使用非相干模型、部分相干模型、部分相干霍普金斯(Hopkins)配方、线性卷积模型、具有赫米特(Hermitian)二次式的线性卷积模型、稳健主成分分析(稳健PCA)、阿贝(Abbe)成像方法、严格EM模型及所属领域中已知的任何其它适合近似者、函数、或模型来执行产生初始经呈现图像。例如,产生经呈现图像描述于第9,915,625号美国专利中,其全文以引用的方式并入本文中。
通过将模型的输出与来自检验系统的实际图像比较且最小化差异,可迭代改变模型参数,此迭代改进呈现。接着,处理器可在每一目标处呈现来自设计的图像。可通过呈现来自设计中的模拟图像来最小化(若干)光学图像与设计之间的对准难题,所述模拟图像出现基本上类似于将由检验子系统为已在其上印刷或形成设计以实现合理对准确度的晶片产生的(若干)图像。为产生准确经呈现图像,模拟可涉及通过从芯片设计及材料的三维信息求解麦克斯韦方程来模拟电磁(EM)场,接着模拟用于形成样品(样本)的图像的检验子系统的光学(或电子束)参数。
为学习呈现参数,可抓取及处理晶片的多个位置上的晶片图像及设计。学习图像呈现参数可以任何适合方式执行(例如设置及/或校准模拟模型或方法)。模拟模型可为检验系统的光学性质的函数。
在晶片上及设计中使用对准目标进行检验期间,可将经呈现图像对准晶片。每一对准目标的一或多个图像可对准晶片的设计的对应部分。将此类图像与设计的其对应部分对准可以数个不同方式执行。例如,可通过图案匹配或所属领域中已知的任何其它适合对准方法及/或算法来将此图像与其设计的对应部分对准。与其设计的对应部分对准的所述一或多个图像可包含本文中所描述的不同类型的图像。另外,用于此对准步骤中的设计部分可包含不同类型的信息,例如设计数据本身或本文所描述的其它类型的设计信息。可在使用检验工具在晶片上执行的检验过程的设置期间执行此步骤。晶片的任何图像可与晶片的设计对准。
在102,基于经呈现图像的灰度来对经呈现图像进行分段。经呈现图像上任何像素的灰度可与围绕所述像素的图案相关。例如,与稀疏图案化区域相比,密集图案化区域中的像素可较暗。分段灰度可基于图案密度来直接分离区域。
经呈现图像上的水平及垂直亮度及粗糙度核函数(kernel)可分别基于X及Y方向上的水平图案密度、垂直图案密度、及/或尖锐过渡区域来用于分段位置。例如,分段可使用经呈现图像的亮度(振幅)或像素上或围绕经呈现图像的像素的振幅值(粗糙度)的变化。核函数可界定围绕像素的区域以确定振幅的变化。核函数的大小及形状可基于光学系统的点扩展函数的大小来选择或可经设置为常数值。亮度核函数有助于基于图案密度分离区域。粗糙度核函数有助于识别过渡区域,例如在经呈现图像的粗糙度核函数处理中出现的图案边缘及特征。
基于在103的分段来确定注意区域。这些分段像素可经分组且直接用作注意区域,或分段可应用于已由多边形空间上的基于图案/基于规则的搜索创建的设计注意区域。在实施例中,特征属性还可用作离群点检测算法(如来自科磊(KLA)公司的多模自动阈值(MDAT)算法)中的特征轴,其中对应于不同特征值的离群点的强度(例如晶片图像与参考图像之间的差)被标记为缺陷。图3到6中展示使用这些注意区域的这些不同方法。
从图像产生注意区域比产生基于规则/基于图案的注意区域简单。通过分组经呈现图像及/或亮度或粗糙度图像中的类似灰度的像素,可从经呈现图像产生注意区域。此分组可通过非监督式算法自动完成,例如K均值聚类或机器学习方法。在使用非监督式算法的实施例中,算法可基于灰度值将经呈现图像上的所有像素分离成N个注意区域群组。例如,可在具有经呈现图像上的小于1000灰度的所有像素上及来自粗糙度图像上的100到400灰度的所有像素上产生注意区域或所关注区域,但其它值是可能的。与基于规则的方法相比,此方法简化产生注意区域,因为其减少计算资源。此外,由于经呈现图像是基于光学系统的物理模型产生,因此注意区域倾向于更相关。
注意区域中的缺陷检验可在104执行。此可使用晶片检验工具。在将这些像素分组到注意区域中之后,可将结果以计算机可读格式保存,例如在非暂时性计算机可读存储媒体上,晶片检验工具可通过将经呈现图像对准晶片图像(将注意区域对准晶片图像)在检验期间应用所述格式。
图3说明在晶片检验及其分段期间的动态呈现。可在检验过程期间动态产生经呈现图像。经呈现图像用于分段晶片的检验区域。由于从使用物理建模检验系统的设计产生经呈现图像,因此分段可更真实有效,此提高检验敏感度。此基于经呈现图像的分段可应用于设计产生的注意区域。
如图3中所展示,差分图像可用于识别晶片上的缺陷。差分图像可在拍摄晶片的图像与样本图像或另一裸片的图像之间。分段可产生可应用于差分图像的注意区域。注意区域中的缺陷可为DOI。注意区域中的缺陷还可经进一步检查以确定哪个是DOI。
图4说明在检验及其分段期间保存且从数据库检索经呈现图像的技术。由于经呈现图像是从设计产生,因此经呈现图像可用于配准设计与设计产生的注意区域。这些经呈现图像产生于预处理期间或由呈现系统创建检验方案期间,且被保存到数据库。接着,经呈现图像用于创建及分段检验区域。
图5说明使用经呈现图像为离群点检测算法创建特征轴的技术。可使用经呈现图像识别离群点。例如,可在表示经呈现图像的X维中发现离群点。Y维可表示差分图像。在图5的三个注意区域分布图(“注意区域1”、“注意区域2”及“注意区域3”)中,x轴是从-100到100之间的差轴且y轴是从0到4000之间的特征轴。
差分图像上的离群点可通过缺陷检测算法来标记为潜在缺陷。差分图像由测试图像与参考图像相减产生。测试图像是来自被检验的位置。参考图像可为来自相邻裸片的相同位置,由多个裸片的线性组合产生,或可为来自数据库的保存图像。当所有像素在测试图像与参考图像之间类似时,差分图像将一致为零灰度。当存在差异时,接着将存在噪声差分图像。缺陷倾向于比其它噪声强,且作为离群点从其它像素中突出。弱缺陷可混入噪声中且可无法区分。
例如,较小及较密集的图案会更难制造,且这些位置会有更多噪声。如果将图案与较低噪声、较稀疏图案区域一起检验,那么可无法在两个区域中检测到缺陷,因为来自较密集区域的噪声可占支配地位。然而,如果使用基于经呈现图像的分段来分段此两种类型的区域,那么可在较稀疏区域中提高敏感度。差分图像中的离群点是由晶片检验工具标记的潜在缺陷。
图6说明使用经呈现图像的注意区域分段。在图6的特征分段图(标记为“特征分段”)中,x轴是从0到3000的特征轴且y轴是从0到7000的像素计数。此是如何(例如使用图2或图3的方法)从经呈现图像及/或特征图像创建注意区域的实例。可通过使用亮度或粗糙度核函数卷积处理经呈现图像来产生特征图像。可通过在这些特征图像中的一或多者中分组这些像素来创建注意区域。处理图像空间可比处理多边形空间容易且高效。将设计从多边形空间转换到图像空间且操纵图像有助于分段设计注意区域以增强敏感度。
图7中展示系统200的一个实施例。系统200包含基于光学的子系统201。一般来说,基于光学的子系统201经配置用于通过将光导引到样品202(或在样品202上扫描光)且检测来自样品202的光来产生样品202的基于光学的输出。在一个实施例中,样品202包含晶片。晶片可包含所属领域中已知的任何晶片。在另一实施例中,样品202包含光罩。光罩可包含所属领域中已知的任何光罩。
在图7中所展示的系统200的实施例中,基于光学的子系统201包含经配置以将光导引到样品202的照明子系统。照明子系统包含至少一个光源。例如,如图7中所展示,照明子系统包含光源203。在一个实施例中,照明子系统经配置以以一或多个入射角将光导引到样品202,所述一或多个入射角可包含一或多个倾斜角及/或一或多个法线角。例如,如图7中所展示,来自光源203的光经导引穿过光学元件204,且接着穿过透镜205以倾斜入射角到样品202。倾斜入射角可包含任何适合倾斜入射角,其可取决于(例如)样品202的特性而变化。
基于光学的子系统201可经配置以在不同时间以不同入射角将光导引到样品202。例如,基于光学的子系统201可经配置以改变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7中所展示的入射角被导引到样品202。在一个此实例中,基于光学的子系统201可经配置以移动光源203、光学元件204、及透镜205,使得光以不同倾斜入射角或法线(或接近法线)的入射角被导引到样品202。
在一些例子中,基于光学的子系统201可经配置以同时以多于一个入射角将光导引到样品202。例如,照明子系统可包含多于一个照明通道,照明通道中的一者可包含如图7中所展示的光源203、光学元件204、及透镜205,且照明通道中的另一者(未展示)可包含可经不同或相同配置的类似元件,或可包含至少一个光源及一或多个其它组件,例如本文中进一步描述的组件。如果此光与另一光同时导引到样品,那么以不同入射角导引到样品202的光的一或多个特性(例如波长、偏振等等)可不同,使得由以不同入射角照明样品202所得的光可在(若干)检测器处彼此区别开。
在另一例子中,照明子系统可仅包含一个光源(例如图7中所展示的光源203),且来自光源的光可由照明子系统的一或多个光学元件(未展示)分离成不同光学路径(例如基于波长、偏振等等)。接着,可将不同光学路径中的每一者中的光导引到样品202。多个照明通道可经配置以同时或不同时间(例如当不同照明通道用于循序照明样品时)将光导引到样品202。在另一例子中,相同照明通道可经配置以在不同时间将具有不同特性的光引导到样品202。例如,在一些例子中,光学元件204可经配置为光谱滤波器,且光谱滤波器的性质可以各种不同方式改变(例如通过调换光谱滤波器),使得不同波长的光可在不同时间被导引到样品202。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循序或同时将具有不同或相同特性的光导引到样品202的任何其它适合配置。
在一个实施例中,光源203可包含宽带等离子体(BBP)源。以此方式,由光源203产生且导引到样品202的光可包含宽带光。然而,光源可包含任何其它适合光源,例如激光器。激光器可包含所属领域中已知的任何适合激光器且可经配置以产生所属领域中已知的一或多个任何适合波长的光。另外,激光器可经配置以产生单色或接近单色的光。以此方式,激光器可为窄带激光器。光源203还可包含产生多个离散波长或波段的光的多色光源。
来自光学元件204的光可由透镜205聚焦到样品202上。尽管透镜205在图7中经展示为单个折射光学元件,但应理解,在实践中,透镜205可包含组合地将光自光学元件聚焦到样本的若干折射及/或反射光学元件。图7中所展示及本文中所描述的照明子系统可包含任何其它适合光学元件(未展示)。此类光学元件的实例包含(但不限于)(若干)偏振组件、(若干)光谱滤波器、(若干)空间滤波器、(若干)反射光学元件、(若干)变迹器、(若干)分束器(例如分束器213)、(若干)光圈、及可包含所属领域中已知的任何此类适合光学元件的类似者。另外,基于光学的子系统201可经配置以基于用于产生基于光学的输出的照明类型来改变照明子系统的一或多个元件。
基于光学的子系统201还可包含经配置以引起光在样品202上被扫描的扫描子系统。例如,基于光学的子系统201可包含在基于光学的输出产生期间其上安置样品202的载台206。扫描子系统可包含可经配置以移动样品202使得可在样品202上扫描光的任何适合机械及/或机器人组合件(其包含载台206)。另外,或替代地,基于光学的子系统201可经配置使得基于光学的子系统201的一或多个光学元件对样品202上的光执行一些扫描。可以任何适合方式(例如以蛇形路径或以螺旋路径)在样品202上扫描光。
基于光学的子系统201进一步包含一或多个检测通道。一或多个检测通道中的至少一者包含检测器,所述检测器经配置以检测归因于由子系统照明样品202而来自样品202的光且以产生响应于检测光的输出。例如,图7中所展示的基于光学的子系统201包含两个检测通道,一个由收集器207、元件208、及检测器209形成且另一个由收集器210、元件211、及检测器212形成。如图7中所展示,两个检测通道经配置以收集及检测不同收集角度的光。在一些例子中,两个检测通道经配置以检测散射光,且检测通道经配置以检测从样品202以不同角度散射的光。然而,检测通道中的一或多者可经配置以检测来自样品202的另一类型的光(例如反射光)。
如图7中所进一步展示,两个检测通道经展示位于纸张平面中且照明子系统也经展示位于纸张平面中。因此,在此实施例中,两个检测通道位于入射平面中(例如中心)。然而,检测通道中的一或多者可位于入射平面的外。例如,由收集器210、元件211及检测器212形成的检测通道可经配置以收集及检测散射出入射平面的光。因此,此检测通道可通常指称“侧”通道,且此侧通道可在基本上垂直于入射平面的平面的中心。
尽管图7展示包含两个检测通道的基于光学的子系统201的实施例,但基于光学的子系统201可包含不同数目个检测通道(例如仅一个检测通道或两个或更多个检测通道)。在一个此例子中,由收集器210、元件211及检测器212形成的检测通道可形成如上文所描述的一个侧通道,且基于光学的子系统201可包含形成为另一侧通道的位于入射平面的对置侧上的额外检测通道(未展示)。因此,基于光学的子系统201可包含检测通道,所述检测通道包含收集器207、元件208、及检测器209,且所述检测通道位于入射平面的中心且经配置以收集及检测(若干)散射角的光,所述散射角位于或接近垂直于样品202表面。因此,此检测通道可通常指称“顶部”通道,且基于光学的子系统201还可包含如上文所描述那样配置的两个或更多个侧通道。因而,基于光学的子系统201可包含至少三个通道(即,一个顶部通道及两个侧通道),且至少三个通道中的每一者具有其自身的收集器,收集器中的每一者经配置以收集不同于其它收集器中的每一者的散射角的光。
如上文进一步描述,包含于基于光学的子系统201中的检测通道中的每一者可经配置以检测散射光。因此,图7中所展示的基于光学的子系统201可经配置用于样品202的暗场(DF)输出产生。然而,基于光学的子系统201还可或替代地包含经配置用于样品202的明场(BF)输出产生的(若干)检测通道。换句话说,基于光学的子系统201可包含经配置以检测从样品202镜面反射的光的至少一个检测通道。因此,本文中所描述的基于光学的子系统201可经配置用于仅DF、仅BF、或DF及BF两者成像。尽管收集器中的每一者在图7中展示为单个折射光学元件,但应理解,收集器中的每一者可包含一或多个折射光学裸片及/或一或多个反射光学元件。
一或多个检测通道可包含所属领域中已知的任何适合检测器。例如,检测器可包含光电倍增管(PMT)、电荷耦合装置(CCD)、延时积分(TDI)相机及所属领域中已知的任何其它适合检测器。检测器还可包含非成像检测器或成像检测器。以此方式,如果检测器是非成像检测器,那么检测器中的每一者可经配置以检测散射光的某些特性(例如强度),但可不经配置以检测如以据成像平面内的位置而变化的此类特性。因而,由包含于基于光学的子系统的每一检测通道中的每一检测器产生的输出可为信号或数据,但非图像信号或图像数据。在此类例子中,例如处理器214的处理器可经配置以从检测器的非成像输出产生样品202的图像。然而,在其它例子中,检测器可经配置为成像检测器,所述成像检测器经配置以产生成像信号或图像数据。因此,基于光学的子系统可经配置以以若干方式产生本文中所描述的光学图像或其它基于光学的输出。
应注意,本文中所提供的图7一般说明基于光学的子系统201的配置,所述基于光学的子系统201可包含于本文中所描述的系统实施例中或可产生由本文中所描述的系统实施例使用的基于光学的输出。本文中所描述的基于光学的子系统201配置可经改变以优化基于光学的子系统201的性能,如在设计商业输出获取系统时通常执行那样。另外,可使用现存系统(例如通过将本文中所描述的功能添加到现存系统)来实施本文中所描述的系统。针对一些此类系统,本文中所描述的方法可提供为系统的任选功能(例如除系统的其它功能之外)。替代地,本文中所描述的系统可经设计为全新系统。
处理器214可以任何适合方式(例如经由可包含有线及/或无线传输媒体的一或多个传输媒体)耦合到系统200的组件,使得处理器214可接收输出。处理器214可经配置以使用输出执行若干功能。系统200可从处理器214接收指令或其它信息。处理器214及/或电子数据存储单元215可任选地与晶片检验工具、晶片计量工具、或晶片检视工具(未说明)电通信以接收额外信息或发送指令。例如,处理器214及/或电子数据存储单元215可与扫描电子显微镜电通信。
本文中所描述的处理器214、(若干)其它系统、或(若干)其它子系统可为各种系统的部分,包含个人计算机系统、图像计算机、主计算机系统、工作站、网络设备、因特网设备、或其它装置。(若干)子系统或(若干)系统还可包含所属领域中已知的任何适合处理器,例如并行处理器。另外,(若干)子系统或(若干)系统可包含具有高速处理及软件的平台,作为独立或联网工具。
处理器214及电子数据存储单元215可安置于系统200或另一装置中或以其它方式成为系统200或另一装置的部分。在实例中,处理器214及电子数据存储单元215可为独立控制单元的部分或在集中质量控制单元中。可使用多个处理器214或电子数据存储单元215。
处理器214实际上可由硬件、软件及固件的任何组合来实施。此外,其如本文中所描述的功能可由一个单元来执行,或在不同组件中分割,每一组件可以次由硬件、软件、及固件的任何组合来实施。实施各种方法及功能的处理器214的程序代码或指令可存储于可读存储媒体中,例如电子数据存储单元215中的存储器或其它存储器。
如果系统200包含多于一个处理器214,那么不同子系统可彼此耦合,使得图像、数据、信息、指令等等可在子系统之间发送。例如,一个子系统可通过任何适合传输媒体来耦合到(若干)额外子系统,所述传输媒体可包含所属领域中已知的任何适合有线及/或无线传输媒体。此类子系统中的两个或更多个还可通过共享计算机可读存储媒体(未展示)来有效耦合。
处理器214可经配置以使用系统200的输出或其它输出来执行若干功能。例如,处理器214可经配置以将输出发送到电子数据存储单元215或另一存储媒体。处理器214可如本文中所描述那样进一步配置。
处理器214可根据本文中所描述的任何实施例来配置。处理器214还可经配置以使用系统200的输出或使用来自其它源的图像或数据来执行其它功能或额外步骤。
系统200的各种步骤、功能、及/或操作及本文中所公开的方法由以下一或多者实施:电子电路、逻辑门、多路复用器、可编程逻辑装置、ASIC、模拟或数字控制/开关、微控制器、或计算系统。实施例如本文中所描述的方法的程序指令可在载波媒体中传输或存储于载波媒体上。载体媒体可包含例如只读存储器、随机存取存储器、磁盘或光盘、非易失性存储器、固态存储器、磁带、及其类似者的存储媒体。载波媒体可包含例如有线、缆线、或无线传输链路的传输媒体。例如,本公开中所描述的各种步骤可由单处理器214或替代地,多个处理器214实施。此外,系统200的不同子系统可包含一或多个计算或逻辑系统。因此,以上描述不应被解译为对本公开的限制,而是仅为说明。
在例子中,处理器214与系统200通信。处理器214经配置以呈现来自设计文件的图像;分段经呈现图像;确定注意区域及发送使用系统200执行缺陷检验的指令。例如,处理器214可执行本文中所公开的方法,例如图2到6的方法。
另一实施例涉及一种非暂时性计算机可读媒体,其存储可在控制器上执行用于执行缺陷检验的计算机实施方法的程序指令,如本文中所公开。特定来说,如图7中所展示,电子数据存储单元215或其它存储媒体可包含非暂时性计算机可读媒体,其包含可在处理器214上执行的程序指令。计算机实施方法可包含本文中所描述的任何(若干)方法的任何(若干)步骤,包含方法100或图3到6的实施例。
程序指令可以各种方式中的任何者来实施,包含基于程序的技术、基于组件的技术、及/或面向对象的技术等等。例如,可根据期望使用ActiveX控件、C++对象、JavaBeans、微软基础类别(MFC)、数据流SIMD扩展(SSE)、或其它技术或方法来实施程序指令。
尽管公开光学系统,但本文中所公开的实施例可与电子束系统(例如扫描电子显微镜)、聚焦离子束(FIB)系统、氦离子显微镜(HIM)系统、或二次离子质谱(SIMS)系统一起使用。
尽管已相对于一或多个特定实施例描述本公开,但应理解,可在不背离本公开的范围的情况下进行本公开的其它实施例。因此,本公开被视为仅受限于所附权利要求书及其合理解译。

Claims (17)

1.一种方法,其包括:
使用处理器从包含半导体装置的设计文件产生经呈现图像;
基于所述经呈现图像的灰度来使用所述处理器对所述经呈现图像进行分段;
基于所述分段来使用所述处理器确定注意区域;以及
使用晶片检验工具在所述注意区域中执行缺陷检验。
2.根据权利要求1所述的方法,其中所述分段使用所述经呈现图像的亮度。
3.根据权利要求1所述的方法,其中所述分段使用围绕所述经呈现图像的像素的振幅值的变化。
4.根据权利要求1所述的方法,其中通过对类似灰度的像素进行分组而从所述经呈现图像确定所述注意区域。
5.根据权利要求1所述的方法,其进一步包括使用所述晶片检验工具在晶片上成像所述半导体装置。
6.根据权利要求5所述的方法,其中所述产生发生于所述成像之后。
7.根据权利要求5所述的方法,其中所述产生发生于所述成像之前,且其中所述经呈现图像存储于电子数据存储单元上。
8.一种系统,其包括:
光源,其产生光束;
检测器,其接收从晶片反射的所述光束;以及
处理器,其与所述检测器电通信,其中所述处理器经配置以:
从包含半导体装置的设计文件产生经呈现图像;
基于所述经呈现图像的灰度对所述经呈现图像进行分段;
基于所述分段确定注意区域;以及
发送在所述注意区域中执行缺陷检验的指令。
9.根据权利要求8所述的系统,其进一步包括包含所述设计文件的电子数据存储单元,其中所述电子数据存储单元与所述处理器电通信。
10.根据权利要求9所述的系统,其中所述电子数据存储单元进一步经配置以存储所述经呈现图像。
11.根据权利要求8所述的系统,其中所述分段使用所述经呈现图像的亮度。
12.根据权利要求8所述的系统,其中所述分段使用围绕所述经呈现图像的像素的振幅值的变化。
13.根据权利要求8所述的系统,其中通过对类似灰度的像素进行分组而从所述经呈现图像确定所述注意区域。
14.一种非暂时性计算机可读存储媒体,其包括用于在一或多个计算装置上执行以下步骤的一或多个程序:
从包含半导体装置的设计文件产生经呈现图像;
基于所述经呈现图像的灰度对所述经呈现图像进行分段;
基于所述分段确定注意区域;以及
产生在所述注意区域中执行缺陷检验的指令。
15.根据权利要求14所述的非暂时性计算机可读存储媒体,其中所述分段使用所述经呈现图像的亮度。
16.根据权利要求14所述的非暂时性计算机可读存储媒体,其中所述分段使用围绕所述经呈现图像的像素的振幅值的变化。
17.根据权利要求14所述的非暂时性计算机可读存储媒体,其中通过对类似灰度的像素进行分组而从所述经呈现图像确定所述注意区域。
CN202180095160.7A 2021-03-16 2021-04-07 以经呈现设计图像进行的设计注意区域的分段 Active CN117015850B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/203,719 2021-03-16
US17/203,719 US20220301133A1 (en) 2021-03-16 2021-03-16 Segmentation of design care areas with a rendered design image
PCT/US2021/026086 WO2022197313A1 (en) 2021-03-16 2021-04-07 Segmentation of design care areas with a rendered design image

Publications (2)

Publication Number Publication Date
CN117015850A CN117015850A (zh) 2023-11-07
CN117015850B true CN117015850B (zh) 2024-04-05

Family

ID=83283781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180095160.7A Active CN117015850B (zh) 2021-03-16 2021-04-07 以经呈现设计图像进行的设计注意区域的分段

Country Status (6)

Country Link
US (1) US20220301133A1 (zh)
KR (1) KR20230156352A (zh)
CN (1) CN117015850B (zh)
IL (1) IL304709A (zh)
TW (1) TW202300900A (zh)
WO (1) WO2022197313A1 (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012148848A2 (en) * 2011-04-26 2012-11-01 Kla-Tencor Corporation Method and system for hybrid reticle inspection
CN105453245A (zh) * 2013-06-21 2016-03-30 科磊股份有限公司 使用无固定形式管理区域的晶片检验
CN106463428A (zh) * 2014-05-06 2017-02-22 科磊股份有限公司 使用近场恢复进行的光罩检验
CN107454980A (zh) * 2015-04-03 2017-12-08 科磊股份有限公司 光学裸片到数据库检验
CN108431937A (zh) * 2016-01-04 2018-08-21 科磊股份有限公司 光学裸片对数据库检查
CN108463875A (zh) * 2016-01-15 2018-08-28 科磊股份有限公司 使用具有晶片图像数据的设计数据改进半导体晶片检验器的缺陷敏感度
CN111194479A (zh) * 2017-10-18 2020-05-22 科磊股份有限公司 用于裸片到裸片检验的适应性关注区域
KR20200089621A (ko) * 2019-01-16 2020-07-27 어플라이드 머티리얼즈 이스라엘 리미티드 표본에 대한 결함 검출 방법 및 그 시스템
KR20200090117A (ko) * 2019-01-17 2020-07-28 어플라이드 머티리얼즈 이스라엘 리미티드 표본의 조사 방법 및 그 시스템
CN111819673A (zh) * 2018-03-09 2020-10-23 科磊股份有限公司 用于临界尺寸测量的所关注区域及所关注图案产生

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3534582B2 (ja) * 1997-10-02 2004-06-07 株式会社日立製作所 パターン欠陥検査方法および検査装置
JP4196845B2 (ja) * 2003-03-31 2008-12-17 セイコーエプソン株式会社 画像処理装置
US7440586B2 (en) * 2004-07-23 2008-10-21 Mitsubishi Electric Research Laboratories, Inc. Object classification using image segmentation
US8831334B2 (en) * 2012-01-20 2014-09-09 Kla-Tencor Corp. Segmentation for wafer inspection
US9715725B2 (en) * 2013-12-21 2017-07-25 Kla-Tencor Corp. Context-based inspection for dark field inspection
US9293298B2 (en) * 2013-12-23 2016-03-22 Kla-Tencor Corp. Defect discovery and inspection sensitivity optimization using automated classification of corresponding electron beam images
US9454635B2 (en) * 2014-01-25 2016-09-27 Synopsys, Inc. Virtual layer generation during failure analysis
US10127652B2 (en) * 2014-02-06 2018-11-13 Kla-Tencor Corp. Defect detection and classification based on attributes determined from a standard reference image
US9262821B2 (en) * 2014-05-12 2016-02-16 Kla-Tencor Corp. Inspection recipe setup from reference image variation
US9727047B2 (en) * 2014-10-14 2017-08-08 Kla-Tencor Corp. Defect detection using structural information
KR20160081423A (ko) * 2014-12-31 2016-07-08 삼성전자주식회사 결함 검출 방법 및 결함 검출 시스템
US9846934B2 (en) * 2015-04-13 2017-12-19 Anchor Semiconductor Inc. Pattern weakness and strength detection and tracking during a semiconductor device fabrication process
US9965901B2 (en) * 2015-11-19 2018-05-08 KLA—Tencor Corp. Generating simulated images from design information
US10074167B2 (en) * 2015-12-06 2018-09-11 Kla-Tencor Corporation Reducing registration and design vicinity induced noise for intra-die inspection
US10600175B2 (en) * 2017-03-24 2020-03-24 Kla-Tencor Corporation Dynamic care areas for defect detection
US10395362B2 (en) * 2017-04-07 2019-08-27 Kla-Tencor Corp. Contour based defect detection
EP3654244A4 (en) * 2017-07-31 2020-11-04 Shanghai United Imaging Healthcare Co., Ltd. METHOD AND SYSTEM FOR EXTRACTING A REGION OF INTEREST FROM VOLUME DATA
US10572991B2 (en) * 2017-11-07 2020-02-25 Kla-Tencor Corporation System and method for aligning semiconductor device reference images and test images
US10832396B2 (en) * 2018-10-19 2020-11-10 Kla-Tencor Corp. And noise based care areas
US10922808B2 (en) * 2019-02-14 2021-02-16 KLA—Tencor Corp. File selection for test image to design alignment
US11619592B2 (en) * 2019-07-09 2023-04-04 KLA Corp. Selecting defect detection methods for inspection of a specimen
US11113827B2 (en) * 2019-09-23 2021-09-07 Kla Corporation Pattern-to-design alignment for one-dimensional unique structures

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012148848A2 (en) * 2011-04-26 2012-11-01 Kla-Tencor Corporation Method and system for hybrid reticle inspection
CN105453245A (zh) * 2013-06-21 2016-03-30 科磊股份有限公司 使用无固定形式管理区域的晶片检验
CN106463428A (zh) * 2014-05-06 2017-02-22 科磊股份有限公司 使用近场恢复进行的光罩检验
CN107454980A (zh) * 2015-04-03 2017-12-08 科磊股份有限公司 光学裸片到数据库检验
CN108431937A (zh) * 2016-01-04 2018-08-21 科磊股份有限公司 光学裸片对数据库检查
CN108463875A (zh) * 2016-01-15 2018-08-28 科磊股份有限公司 使用具有晶片图像数据的设计数据改进半导体晶片检验器的缺陷敏感度
CN111194479A (zh) * 2017-10-18 2020-05-22 科磊股份有限公司 用于裸片到裸片检验的适应性关注区域
CN111819673A (zh) * 2018-03-09 2020-10-23 科磊股份有限公司 用于临界尺寸测量的所关注区域及所关注图案产生
KR20200089621A (ko) * 2019-01-16 2020-07-27 어플라이드 머티리얼즈 이스라엘 리미티드 표본에 대한 결함 검출 방법 및 그 시스템
KR20200090117A (ko) * 2019-01-17 2020-07-28 어플라이드 머티리얼즈 이스라엘 리미티드 표본의 조사 방법 및 그 시스템

Also Published As

Publication number Publication date
US20220301133A1 (en) 2022-09-22
WO2022197313A1 (en) 2022-09-22
TW202300900A (zh) 2023-01-01
KR20230156352A (ko) 2023-11-14
CN117015850A (zh) 2023-11-07
IL304709A (en) 2023-09-01

Similar Documents

Publication Publication Date Title
CN108291878B (zh) 单一图像检测
TWI751376B (zh) 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷
CN110494894B (zh) 基于轮廓的缺陷检测
US9805462B2 (en) Machine learning method and apparatus for inspecting reticles
CN108431937B (zh) 光学裸片对数据库检查
KR102330735B1 (ko) 패터닝된 웨이퍼들 상의 결함들의 서브-픽셀 및 서브-해상도 로컬리제이션
TWI648533B (zh) 用於相對於一所儲存高解析度晶粒圖像判定檢查資料之一位置之電腦實施方法及經組態以相對於一所儲存高解析度晶粒圖像判定檢查資料之一位置之系統
US10074036B2 (en) Critical dimension uniformity enhancement techniques and apparatus
JP6807844B2 (ja) ビルトインターゲットを用いた検査対デザイン位置揃え
US9767548B2 (en) Outlier detection on pattern of interest image populations
TW201928541A (zh) 用於大型偏移晶粒對晶粒檢測之多步驟影像對準方法
KR102525830B1 (ko) 테스트 이미지 대 설계물의 정렬을 위한 설계물 파일 선택
CN114096832A (zh) 用于选择用于样本检验的缺陷检测方法的系统和方法
KR20240004240A (ko) 반도체 애플리케이션을 위한 딥 생성 모델 기반 정렬
US10151706B1 (en) Inspection for specimens with extensive die to die process variation
CN114223017A (zh) 用于dram及3d nand装置的设计辅助检验
CN117015850B (zh) 以经呈现设计图像进行的设计注意区域的分段
US10387601B2 (en) Methods to store dynamic layer content inside a design file
TWI844777B (zh) 針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定
CN116888627A (zh) 基于半导体应用的语义图像分割

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant