CN117222945A - 基于傅立叶变换的布局图案的层次聚类 - Google Patents
基于傅立叶变换的布局图案的层次聚类 Download PDFInfo
- Publication number
- CN117222945A CN117222945A CN202280031619.1A CN202280031619A CN117222945A CN 117222945 A CN117222945 A CN 117222945A CN 202280031619 A CN202280031619 A CN 202280031619A CN 117222945 A CN117222945 A CN 117222945A
- Authority
- CN
- China
- Prior art keywords
- patterns
- fourier transform
- pattern
- features
- evaluating
- 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 claims abstract description 125
- 238000012360 testing method Methods 0.000 claims description 74
- 239000013598 vector Substances 0.000 claims description 56
- 238000000638 solvent extraction Methods 0.000 claims description 48
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 description 78
- 235000012431 wafers Nutrition 0.000 description 76
- 238000007689 inspection Methods 0.000 description 52
- 238000010894 electron beam technology Methods 0.000 description 37
- 230000011218 segmentation Effects 0.000 description 25
- 238000012545 processing Methods 0.000 description 21
- 239000002245 particle Substances 0.000 description 20
- 238000013461 design Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000015654 memory Effects 0.000 description 15
- 238000003860 storage Methods 0.000 description 15
- 238000006243 chemical reaction Methods 0.000 description 11
- 230000007547 defect Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 238000005192 partition Methods 0.000 description 8
- 239000000523 sample Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000004075 alteration Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005315 distribution function Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000059 patterning Methods 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 238000001878 scanning electron micrograph Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003917 TEM image Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
- G03F7/70433—Layout for increasing efficiency or for compensating imaging errors, e.g. layout of exposure fields for reducing focus errors; Use of mask features for increasing efficiency or for compensating imaging errors
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/70508—Data handling in all parts of the microlithographic apparatus, e.g. handling pattern data for addressable masks or data transfer to or from different components within the exposure apparatus
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/7625—Hierarchical techniques, i.e. dividing or merging patterns to obtain a tree-like representation; Dendograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
公开了用于对从图像数据中提取的多个图案进行分组的装置、系统和方法。在一些实施例中,用于对图案进行分组的方法包括接收包括多个图案的图像数据,多个图案表示要在晶片的一部分上形成的特征。该方法还包括将傅立叶变换之后的多个图案分离为多个图案集合。该方法还包括通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对相应图案集合执行分层聚类,以获取多个图案子集。
Description
技术领域
本文中提供的实施例涉及用于对集成电路布局的参考数据(例如,布局图案、GDS图案)进行聚类以促进掩模检查或晶片检查的系统和方法。
背景技术
在集成电路(IC)的制造工艺中,对未完成或已完成的电路组件进行检查,以确保它们是根据设计而制造的并且没有缺陷。可以采用利用光学显微镜或带电粒子(例如,电子)束显微镜(诸如扫描电子显微镜(SEM))的检查系统。随着IC元件的物理尺寸不断缩小,缺陷检测的准确性和良率变得更加重要。
带电粒子(例如,电子)束显微镜(诸如扫描电子显微镜(SEM)或透射电子显微镜(TEM))可以作为检查IC组件的实用工具。从SEM或TEM图像而测量的图案或结构的临界尺寸可以用于检测制造的IC的缺陷。例如,图案之间的偏移或边缘放置变化有助于控制制造工艺以及确定缺陷。
发明内容
本公开的实施例提供了用于对参考数据进行分组的装置、系统和方法。
在一些实施例中,提供了一种用于对从图像数据中提取的多个图案进行分组的方法。该方法包括接收包括表示要在晶片的一部分上形成的特征的多个图案的图像数据;将傅立叶变换之后的多个图案分离为多个图案集合;以及通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对相应图案集合执行分层聚类,以获取多个图案子集。
在一些实施例中,提供了一种用于对从图像数据中提取的多个图案进行分组的系统。该系统包括控制器,该控制器包括电路装置,该电路装置被配置为使得该系统执行以下项:接收包括表示要在晶片的一部分上形成的特征的多个图案的图像数据;将傅立叶变换之后的多个图案分离为多个图案集合;以及通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对相应图案集合执行分层聚类,以获取多个图案子集。
在一些实施例中,提供了一种存储指令集的非暂态计算机可读介质,该指令集可由系统的至少一个处理器执行以使得系统执行对从图像数据中提取的多个图案进行分组的方法。该方法包括接收包括表示要在晶片的一部分上形成的特征的多个图案的图像数据;将傅立叶变换之后的多个图案分离为多个图案集合;以及通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对相应图案集合执行分层聚类,以获取多个图案子集。
在一些实施例中,提供了一种用于对多个图案进行分组的方法。该方法包括接收包括表示要在晶片的一部分上形成的特征的多个图案的图像数据;对分别从多个图案变换而来的多个频域特征执行分层聚类,其中执行分层聚类包括通过执行以下项来递归地分割多个频域特征:接收对参数的用户选择;以及基于该参数来递归地评估是否应当继续在相应分层级别上分割对应图案集合。
在一些实施例中,提供了一种用于对从图像数据中提取的多个图案进行分组的系统。该系统包括控制器,该控制器包括电路装置,该电路装置被配置为使得该系统执行以下项:接收包括表示要在晶片的一部分上形成的特征的多个图案的图像数据;对分别从多个图案变换而来的多个频域特征执行分层聚类,其中执行分层聚类包括通过执行以下项来递归地分割多个频域特征:接收对参数的用户选择;以及基于该参数来递归地评估是否应当继续在相应分层级别上分割对应图案集合。
在一些实施例中,提供了一种存储指令集的非暂态计算机可读介质,该指令集由系统的至少一个处理器可执行以使系统执行对从图像数据中提取的多个图案进行分组的方法。该方法包括:接收包括表示要在晶片的一部分上形成的特征的多个图案的图像数据;对分别从多个图案变换而来的多个频域特征执行分层聚类,其中执行分层聚类包括通过执行以下项来递归地分割多个频域特征:接收对参数的用户选择;以及基于该参数来递归地评估是否应当继续在相应分层级别上分割对应图案集合。
通过以下结合附图的描述,本公开的实施例的其他优点将变得很清楚,附图通过举例说明的方式阐述了本发明的某些实施例。
附图说明
图1示出了与本公开的一些实施例一致的示出示例电子束检查(EBI)系统的示意图。
图2示出了与本公开的一些实施例一致的示出示例电子束工具的示意图,该示例电子束工具可以是图1的电子束检查系统的一部分。
图3示出了与本公开的一些实施例一致的用于处理参考数据的示例系统的框图。
图4A示出了根据本公开的一些实施例的对参考数据中包括的图案进行第一级分组的示例过程。
图4B示出了根据本公开的一些实施例的对参考数据中包括的图案进行聚类的示例过程。
图4C示出了根据本公开的一些实施例的对参考数据中包括的图案进行第二级分组的示例过程。
图4D示出了根据本公开的一些实施例的在聚类或分组过程期间比较两个图案的示例图。
图5A示出了根据本公开的一些实施例的对参考数据中的多个图案执行傅立叶变换的示例过程。
图5B示出了根据本公开的一些实施例的将基于傅立叶变换的参考图像转换为向量的示例过程。
图5C示出了示出根据本公开的一些实施例的用于分割基于傅立叶变换的特征的示例分层聚类过程的图。
图6A示出了根据本公开的一些实施例的内聚性测试的图。
图6B示出了根据本公开的一些实施例的递归分割继续的图。
图6C示出了根据本公开的一些实施例的递归分割停止的图。
图7是表示根据本公开的一些实施例的用于处理参考数据的示例方法的过程流程图。
图8是表示根据本公开的一些实施例的用于处理参考数据的示例方法的过程流程图。
具体实施方式
现在将详细参考示例性实施例,其示例在附图中示出。以下描述涉及附图,其中不同附图中的相同数字表示相同或相似的元素,除非另有表示。在示例性实施例的以下描述中阐述的实现并不表示所有实现。相反,它们仅仅是与所附权利要求中所述的公开实施例相关的方面一致的装置和方法的示例。例如,尽管在利用电子束的上下文中描述了一些实施例,但是本公开不限于此。可以类似地应用其他类型的带电粒子束。此外,可以使用其他成像系统,诸如光学成像、光检测、x射线检测等。
电子设备是由一块称为基板的硅上形成的电路构成的。很多电路可以在同一块硅上一起形成,并且称为集成电路或IC。这些电路的尺寸已经显著减小,因此更多的电路可以安装在基板上。例如,智能手机中的IC芯片可以小如拇指指甲,但可以包括超过20亿个晶体管,每个晶体管的大小小于人类头发大小的1/1000。
制造这些极小的IC是一个复杂、耗时并且昂贵的过程,通常涉及数百个个体步骤。即使是一个步骤中的错误(例如,在设计或图案化中)也有可能导致成品IC发生缺陷,从而使其变得无用。因此,制造工艺的一个目标是避免这种缺陷,以使工艺中制造的功能IC的数目最大化,即提高工艺的总产率。
提高产率的一个组成部分是监测芯片制造工艺,以确保生产足够数目的功能集成电路。监测该工艺的一种方法是在芯片电路结构形成的各个阶段对其进行检查。检查可以使用扫描电子显微镜(SEM)来进行。SEM可以用来对这些极小的结构进行成像,实际上就是对这些结构进行“拍照”。该图像可以用于确定该结构是否正确形成、以及该结构是否形成在正确的位置。如果结构有缺陷,则可以调节工艺,使缺陷不太可能再次出现。在半导体处理的各个阶段期间可能会产生缺陷。热点是在光刻图案化或蚀刻之后具有缺陷的可能性更高的区域。因此,重要的是,在设计阶段尽早标识和减少热点,或者尽早准确高效地标识缺陷。
在晶片检查过程中,可以确定晶片上的感兴趣区域。在一些实施例中,感兴趣区域可以包括具有不同形状的图案,诸如多边形、正方形、或适合于检查的任何其他规则或不规则形状。由于例如集成电路(IC)上的大量特征以及分析IC的大量数据或IC的SEM图像的复杂性,用于检查的各种系统和过程可能面临挑战。例如,图案分组或聚类过程可能是耗时的。此外,分组或聚类参数(诸如组的数目、或图案在每个组内的相似程度)是预定义和固定的。用户可能无法控制图案可以被分类为多少组、或者组内的图案之间的相似度程度。
公开的实施例中的一些实施例提供了解决本文中公开的缺点中的一些或全部的系统和方法。在本公开中,IC数据或参考数据(也称为参考图像数据、设计数据、标准数据、布局数据)(诸如图形数据库系统(GDS)数据文件)可以被处理以对具有某个(某些)相似特征的图案进行分组或聚类。在一些实施例中,相似的图案可以被分组或聚类,使得可以对每组的代表性图案执行检查,以提高检查效率。在一些实施例中,基于几何特征对图案进行分组。在一些实施例中,对图案进行处理以获取频域中的高维向量,并且使用分层聚类对向量进行处理以将整个数据集分割为多个组。因此,可以以提高的效率和精度来执行热点分析或晶片检查。此外,用户可以调节一个或多个参数来定制分层聚类。
为了清楚起见,附图中组件的相对尺寸可能会被夸大。在附图的以下描述中,相同或相似的附图标记指代相同或相似组件或实体,并且仅描述关于各个实施例的差异。如本文中使用的,除非另有特别说明,否则术语“或”包括所有可能的组合,除非不可行。例如,如果声明一个组件可以包括A或B,那么,除非另有特别声明或不可行,否则该组件可以包括A、或B、或A和B。作为第二示例,如果声明该组件可以包括A、B或C,那么,除非另有特别声明或不可行,否则该组件可以包括A、或B、或C、或A和B、或A和C、或B和C、或A和B和C。
图1示出了与本公开的一些实施例一致的示例性电子束检查(EBI)系统100。EBI系统100可以用于成像。如图1所示,EBI系统100包括主室101、加载/锁定室102、电子束工具104和设备前端模块(EFEM)106。电子束工具104位于主室101内。EFEM 106包括第一加载端口106a和第二加载端口106b。EFEM 106可以包括(多个)附加加载端口。第一加载端口106a和第二加载端口106b接收晶片前开口统一吊舱(FOUP),该FOUP容纳待检查的晶片(例如,半导体晶片或由其他材料制成的晶片)或样品(晶片和样品可以互换使用)。“一批”是指可以作为一个批次加载以进行处理的多个晶片。
EFEM 106中的一个或多个机械臂(未示出)可以将晶片输送到加载/锁定室102。加载/锁定室102连接到加载/锁定真空泵系统(未示出),该系统去除加载/锁定室102中的气体分子以达到低于大气压的第一压力。在达到第一压力之后,一个或多个机械臂(未示出)可以将晶片从加载/锁定室102输送到主室101。主室101连接到主室真空泵系统(未示出),该系统去除主室101中的气体分子以达到低于第一压力的第二压力。在达到第二压力之后,晶片受到电子束工具104的检查。电子束工具104可以是单束系统或多束系统。应当理解,本文中公开的系统和方法可以应用于单束系统和多束系统两者。
控制器109电连接到电子束工具104。控制器109可以是被配置为执行EBI系统100的各种控制的计算机。控制器109还可以包括被配置为执行各种信号和图像处理功能的处理电路装置。在一些实施例中,控制器109可以与EBI系统100分离并且独立。例如,控制器109可以是通信耦合到EBI系统100的计算机。在一些实施例中,虽然控制器109在图1中被示出为在包括主室101、加载/锁定室102和EFEM 106的结构外部,但是应当理解,控制器109可以是该结构的一部分。
在一些实施例中,控制器109可以包括一个或多个处理器142。处理器可以是能够操纵或处理信息的通用或专用电子设备。例如,处理器可以包括任何数目的以下项的任何组合:中央处理器(或“CPU”)、图形处理单元(或“GPU”)、光处理器、可编程逻辑控制器、微控制器、微处理器、数字信号处理器、知识产权(IP)核、可编程逻辑阵列(PLA)、可编程阵列逻辑(PAL)、通用阵列逻辑(GAL)、复杂可编程逻辑器件(CPLD)、现场可编程门阵列(FPGA)、片上系统(SoC)、专用集成电路(ASIC)、以及能够进行数据处理的任何类型的电路。处理器也可以是虚拟处理器,该虚拟处理器包括分布在经由网络耦合的多个机器或设备之间的一个或多个处理器。
在一些实施例中,控制器109还可以包括一个或多个存储器144。存储器可以是能够存储由处理器可访问(例如,经由总线)的代码和数据的通用或专用电子设备。例如,存储器可以包括任何数目的以下项的任何组合:随机存取存储器(RAM)、只读存储器(ROM)、光盘、磁盘、硬盘驱动器、固态驱动器、闪存驱动器、安全数字(SD)卡、记忆棒、紧凑型闪存(CF)卡、或任何类型的存储设备。代码可以包括操作系统(OS)和用于特定任务的一个或多个应用程序(或“app”)。存储器也可以是虚拟存储器,该虚拟存储器包括分布在经由网络耦合的多个机器或设备之间的一个或多个存储器。
现在参考图2,图2是示出与本公开的一些实施例一致的示例性电子束工具104的示意图,该电子束工具104包括作为图1的EBI系统100的一部分的多束检查工具。多束电子束工具104(在本文中也称为装置104)包括电子源201、库仑孔径板(或“枪孔径板”)271、会聚透镜210、源转换单元220、主投射系统230、机动台209、以及由机动台209支撑的样品保持器207,样品保持器207用于保持待检查的晶片208。多束电子束工具104还可以包括次级投射系统250和电子检测设备240。主投射系统230可以包括物镜231。电子检测设备240可以包括多个检测元件241、242和243。束分离器233和偏转扫描单元232可以定位在主投射系统230内部。
电子源201、库仑孔径板271、会聚透镜210、源转换单元220、束分离器233、偏转扫描单元232和主投射系统230可以与装置104的主光轴204对准。次级投射系统250和电子检测设备240可以与装置104的次级光轴251对准。
电子源201可以包括阴极(未示出)和提取器或阳极(未示出),其中在操作期间,电子源201被配置为从阴极发射初级电子,并且初级电子被提取器和/或阳极提取或加速以形成初级电子束202,该初级电子束202形成初级束交叉(虚拟或真实)203。初级电子束202可以看起来是从初级束交叉203发射的。
源转换单元220可以包括图像形成元件阵列(未示出)、像差补偿器阵列(未示出)、束限制孔径阵列(未示出)和预弯曲微偏转器阵列(未示出)。在一些实施例中,预弯曲微偏转器阵列偏转初级电子束202的多个初级束波211、212、213,以使其正常进入束限制孔径阵列、图像形成元件阵列和像差补偿器阵列。在一些实施例中,会聚透镜210被设计成聚焦初级电子束202以使其变成平行束并且正常入射到源转换单元220上。图像形成元件阵列可以包括多个微偏转器或微透镜,以影响初级电子束202的多个初级束波211、212、213并且形成初级束交叉203的多个平行图像(虚拟或真实),初级束波211、212和213中的每个一个平行图像。在一些实施例中,像差补偿器阵列可以包括场曲率补偿器阵列(未示出)和像散补偿器阵列(未示出)。场曲率补偿器阵列可以包括多个微透镜,以补偿初级束波211、212和213的场曲率像差。像散补偿器阵列可以包括多个微消像散器,以补偿初级束波211、212和213的像散像差。束限制孔径阵列可以被配置为限制个体初级束波211、212和213的直径。图2示出了三个初级束波211、212和213作为示例,并且应当理解,源转换单元220可以被配置为形成任何数目的初级束波。控制器109可以连接到图1的EBI系统100的各个部分,诸如源转换单元220、电子检测设备240、主投射系统230或机动台209。在一些实施例中,如下面进一步详细解释的,控制器109可以执行各种图像和信号处理功能。控制器109还可以生成各种控制信号以控制带电粒子束检查系统的一个或多个组件的操作。
会聚透镜210被配置为聚焦初级电子束202。会聚透镜210还可以被配置为通过改变会聚透镜210的聚焦能力来调节源转换单元220下游的初级束波211、212和213的电流。替代地,电流可以通过改变束限制孔径阵列内的与个体初级束波相对应的束限制孔径的径向尺寸来改变。电流可以通过改变束限制孔径的径向尺寸和会聚透镜210的聚焦能力两者来改变。会聚透镜210可以是可调节会聚透镜,其可以被配置为使得其第一主平面的位置是可移动的。可调节会聚透镜可以被配置为磁性的,这可能导致离轴束波212和213以旋转角度照射源转换单元220。旋转角度随着可调节会聚透镜的聚焦能力或第一主平面的位置而变化。会聚透镜210可以是防旋转会聚透镜,其可以被配置为在会聚透镜210的聚焦能力改变的同时保持旋转角度不变。在一些实施例中,会聚透镜210可以是可调节的防旋转会聚透镜,其中当其聚焦能力和其第一主平面的位置改变时,旋转角度不改变。
物镜231可以被配置为将束波211、212和213聚焦到晶片208上以进行检查,并且在当前实施例中,可以在晶片208的表面上形成三个探测斑221、222和223。库仑孔板271在操作中被配置为阻挡初级电子束202的外围电子以减少库仑效应。库仑效应可以增大初级束波211、212、213的探测斑221、222和223中的每个的尺寸,并且因此降低检查分辨率。
例如,束分离器233可以是维恩(Wien)滤波器,其包括生成静电偶极子场和磁偶极子场的静电偏转器(图2中未示出)。在操作中,束分离器233可以被配置为通过静电偶极子场在初级束波211、212和213的个体电子上施加静电力。静电力的大小与由束分离器233的磁偶极子场施加在个体电子上的磁力相等,但方向相反。因此,初级束波211、212和213可以至少基本上笔直地穿过束分离器233,偏转角至少基本上为零。
偏转扫描单元232在操作中被配置为偏转初级束波211、212和213,以在晶片208的表面的一部分中跨个体扫描区域来扫描探测斑221、222和223。响应于初级束波211、212和213或探测斑221、222和223在晶片208上的入射,电子从晶片208出现并且生成三个次级电子束261、262和263。次级电子束261、262和263中的每个典型地包括次级电子(电子能量≤50eV)和反向散射电子(电子能量在50eV至初级束波211、212和213的着陆能量之间)。束分离器233被配置为使次级电子束261、262和263朝向次级投射系统250偏转。次级投射系统250随后将次级电子束261、262和263聚焦到电子检测设备240的检测元件241、242和243上。检测元件241、242和243被布置为检测对应的次级电子束261、262和263,并且生成对应信号,该信号被发送到控制器109或信号处理系统(未示出),例如,以构造晶片208的对应扫描区域的图像。
在一些实施例中,检测元件241、242和243分别检测对应次级电子束261、262和263,并且向图像处理系统(例如,控制器109)生成对应强度信号输出(未示出)。在一些实施例中,每个检测元件241、242和243可以包括一个或多个像素。检测元件的强度信号输出可以是由检测元件内的所有像素生成的信号的总和。
如图2所示,晶片检查系统199(或“系统199”)可以由源转换单元220提供或通信耦合到源转换单元220。例如,系统199可以包括彼此通信耦合的检查图像获取器200、存储装置130、参考数据获取器160(或“参考数据获取器160”)和控制器109。在一些实施例中,检查图像获取器200、存储装置130或参考数据获取器160可以被集成为控制器109或系统199的模块,或者包括可以在控制器109或系统199中实现的组件。在一些实施例中,系统199或控制器109可以获取并且分析如本文中公开的晶片上的IC布局的参考数据(例如,GDS数据)。在一些实施例中,系统199或控制器109可以基于本文中公开的经处理的参考数据来控制由带电粒子多束系统(例如,系统104)执行的检查过程。
检查图像获取器200可以包括一个或多个处理器。例如,检查图像获取器200可以包括计算机、服务器、主机、终端、个人计算机、任何类型的移动计算设备等、或者其组合。检查图像获取器200可以通过介质通信耦合到装置104的电子检测设备240,介质诸如是电导体、光纤线缆、便携式存储介质、IR、蓝牙、互联网、无线网络、无线无线电等、或其组合。检查图像获取器200可以接收来自电子检测设备240的信号,并且可以构造图像。检查图像获取器200因此可以获取晶片208的图像。检查图像获取器200还可以执行各种后处理功能,诸如生成轮廓、在获取的图像上叠加指示符等等。检查图像获取器200可以被配置为执行所获取的图像的亮度和对比度等的调节。
在一些实施例中,图像获取器200可以基于从电子检测设备240接收的成像信号来获取晶片的图像数据。成像信号可以对应于用于进行带电粒子成像的扫描操作。所获取的图像数据可以对应于单个图像,该单个图像包括可以包含晶片208的各种特征(例如,如本文中公开的重复单元图案或单元边缘)的一个或多个区域。所获取的图像数据可以存储在存储装置130中。单个图像可以是可以被划分为多个区域的原始图像。每个区域可以包括一个成像区域,该成像区域包含晶片208的图案或特征。所获取的图像数据可以对应于在时间序列上多次采样的晶片208的一个或多个区域的多个图像。多个图像可以存储在存储装置130中。在一些实施例中,控制器109可以被配置为执行如本文中公开的图像处理步骤,以检查与晶片208的一个或多个区域的多个图像相关联的图像数据。
在一些实施例中,控制器109可以包括测量电路装置(例如,模数转换器),以获取检测到的次级电子的分布。在检测时间窗口期间收集的电子分布数据、与入射在晶片表面上的初级束波211、212和213中的每个的对应扫描路径数据相结合可以用于重构被检查的晶片结构的图像。重构的图像可以用于揭示晶片208的内部或外部结构的各种特征,并且从而可以用于揭示可能存在于晶片中的任何缺陷。
参考数据获取器160可以包括一个或多个处理器。例如,参考数据获取器160可以包括计算机、服务器、主机、终端、个人计算机、任何类型的移动计算设备等、或其组合。参考数据获取器160可以通信耦合到存储装置130或其他类型的内部或外部存储装置(例如,设计数据库),该存储装置被配置为存储用于设计和检查晶片上的集成电路布局的参考数据(例如,GDS数据或设计数据)。参考数据获取器160可以通过介质来获取参考数据,介质诸如是电导体、光纤线缆、便携式存储介质、IR、蓝牙、互联网、无线网络、无线无线电等、或其组合。参考数据可以与晶片上的IC布局的设计相关联。参考数据可以通过软件模拟或几何设计和布尔运算来获取。在一些实施例中,参考数据可以存储在数据结构中,诸如GDS数据文件或任何合适的数据格式。
在一些实施例中,控制器109可以分析由参考数据获取器160获取的参考数据。例如,如本公开中公开的,控制器109可以处理GDS数据文件以标识分别与单元阵列和单元边缘相对应的重复图案。基于处理后的GDS数据文件,控制器109还可以生成控制信号以控制源转换单元220或电子束工具104的其他组件的操作,从而使用预定参数来检查晶片208的某些区域。例如,由控制器109生成的控制信号可以用于控制初级束波211、212和213,以在晶片208上跨某些扫描区域(诸如与所标识的单元阵列或单元边缘相对应的区域)来扫描探测斑221、222和223。
存储装置130可以是存储介质,诸如硬盘、随机存取存储器(RAM)、云存储装置、其他类型的计算机可读存储器等。存储装置130可以与检查图像获取器200耦合,并且可以用于将扫描的原始图像数据保存为原始图像并且保存后处理的图像。存储装置130还可以与参考数据获取器160耦合,并且用于保存参考数据和后处理的参考数据。
在一些实施例中,控制器109可以控制机动台209在晶片208的检查期间移动晶片208。在一些实施例中,控制器109可以使得机动台209能够以恒定速度在一个方向上连续地移动晶片208。在其他实施例中,控制器109可以使得机动台209能够根据扫描过程的步骤随时间改变晶片208的移动速度。
如图2所示,控制器109可以电子连接到电子束工具104。如本文中公开的,控制器109可以是被配置为执行电子束工具104的各种控制的计算机。在一些实施例中,检查图像获取器200、参考数据获取器160、存储装置130和控制器109可以集成在一起作为一个控制单元。
尽管图2示出了电子束工具104使用三个初级电子束,但是应当理解,电子束工具104可以使用任何合适数目的初级电子束。本公开不限制在电子束工具104中使用的初级电子束的数目。与单带电粒子束成像系统(“单束系统”)相比,可以设计多带电粒子束图像系统(“多束系统””)来优化不同扫描模式的产量。本公开的实施例提供了一种多束系统,其具有通过使用具有不同几何形状的束阵列来优化不同扫描模式的产量的能力,以适应不同的产量和分辨率要求。
图3是与本公开的一些实施例一致的用于处理参考数据(例如,GDS数据)的示例系统300的框图。在一些实施例中,系统300包括参考数据获取器305、第一级分组组件310、聚类组件320、第二级分组组件340、和用于输出图案的类(例如,或集群、组、集合或子集等)的输出组件345。在一些实施例中,聚类组件320还包括傅立叶变换组件325、递归分割组件330和内聚性测试组件335。在一些实施例中,参考数据分析可以包括由第一级分组组件310执行的第一级分组过程、由聚类组件320执行的聚类过程,随后是由第二级分组组件340执行的第二级分组过程。在一些实施例中,第一级分组或第二级分组过程对于处理参考数据可以是可选的。
应当理解,系统300可以包括被集成为带电粒子束检查系统(例如,图1的电子束检查系统100)的部分的一个或多个组件或模块。系统300还可以包括与带电粒子束检查系统分离并且通信耦合到带电粒子束检查系统的一个或多个组件或模块。系统300可以包括一个或多个处理器和存储存储器。例如,系统300可以包括计算机、服务器、主机、终端、个人计算机、任何类型的移动计算设备等、或其组合。在一些实施例中,系统300可以包括可以在如本文中公开的控制器109或系统199中实现的一个或多个组件,例如,软件模块、硬件模块或其组合。
在图3所示的一些实施例中,系统300可以包括参考数据获取器305。参考数据获取器305可以被配置为获取参考数据,例如,包括如图4A-图4D、图5A和图5C所示的多个图案,以由系统300处理。所获取的参考数据中的多个图案可以对应于用于对晶片的一部分(例如,管芯)进行图案化的掩模上的图案、或者经由光刻工艺印刷在晶片的一部分(例如,管芯)上的图案。在一些实施例中,参考数据获取器305可以基本上类似于图2中的参考数据获取器160。在一些实施例中,参考数据获取器305可以不同于参考数据获取器160。例如,参考数据获取器305可以被包括或实现在与带电粒子束检查系统分离的计算设备中。
在一些实施例中,本文中公开的参考数据可以处于图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、开放艺术作品系统交换标准(OASIS)格式、加州理工学院中间格式(CIF)等。在一些实施例中,参考数据可以包括被检查的晶片208上的IC设计布局。IC设计布局可以基于用于构造晶片的图案布局。IC设计布局可以对应于用于将特征从光刻掩模或掩模版转印到晶片的一个或多个光刻掩模或掩模版。在一些实施例中,以GDS或OASIS的参考数据等可以包括以二进制文件格式存储的特征信息,其表示平面几何形状、文本以及与晶片设计布局相关的其他信息。
在一些实施例中,参考数据(诸如GDS数据文件)可以对应于要在晶片上的多个分层上形成的设计架构。参考数据可以在图像文件中呈现,并且可以包括要在晶片上形成的不同层上的各种图案的特性信息(例如,形状、尺寸等)。例如,参考数据可以包括与要在晶片上制造的各种结构、器件和系统相关联的信息,包括但不限于基板、掺杂区、多晶栅极层、电阻层、电介质层、金属层、晶体管、处理器、存储器、金属连接件、触点、过孔、片上系统(SoC)、片上网络(NoC)、或任何其他合适的结构。参考数据还可以包括存储器块、逻辑块、互连件等的IC布局设计。
在一些实施例中,系统300可以包括被配置为处理从参考数据获取器305获取的参考数据的第一级分组组件310。在一些实施例中,第一级分组组件310可以分析一个或多个图案并且对图案进行分组(例如,根据图案类型、形状、数目、密度等)。例如,第一级分组组件310可以比较参考数据中的多个图案,以将相同图案分类(例如,分类别)在同一组中(例如,类、类别、区间等)中,如图4A所示。第一级分组组件310可以比较来自参考数据的一个或多个对内的图案之间的几何形状和特征。在一些实施例中,第一级分组组件310可以被配置为执行如参考图7所公开的一个或多个步骤。在一些实施例中,第一级分组组件310可以是带电粒子束检查系统的一部分(例如,包括可以在控制器109或系统199中实现的一个或多个组件或模块)。在一些实施例中,第一级分组组件310可以被包括在与带电粒子束检查系统分离并且通信耦合到带电粒子束检查系统的计算设备中。
在一些实施例中,系统300可以包括聚类组件320,聚类组件320被配置为应用如本文中公开的一个或多个聚类算法来对来自参考数据的图案进行聚类。聚类组件320可以将聚类算法应用于从第一级分组组件310获取的分组图案(例如,如图4B所示的代表性图案)、或者应用于由参考数据获取器305获取的参考数据中的图案。在一些实施例中,如图4B所示,聚类组件320可以使用(DBSCAN)算法来分析两个或更多个图案之间的相似度是否超过预定阈值,以确定是否应当将这些图案合并到同一集群中。
在一些实施例中,傅立叶变换组件(例如,聚类组件320的傅立叶变换组件325)可以对多个图案执行傅立叶变换(例如,1-D或2-D傅立叶变换,也称为傅立叶变换),以在频域中渲染图像。例如,如图5A所示,图案502、504可以被变换为基于傅立叶变换的图像(例如,傅立叶域图像或频域图像)512、514。在一些实施例中,傅立叶变换组件(例如,傅立叶变换组件325)可以将基于傅立叶变换的图像转换成高维向量。例如,如图5B所示,基于傅立叶变换的图像522可以被转换为向量526。在一些实施例中,傅立叶变换组件325可以进一步确定基于傅立叶变换的向量的特征点与集群质心之间的距离(例如,欧几里得距离)。该距离可以用于评估如图5A-图5C和图6A-图6C所示的图案之间的相似度。
在一些实施例中,聚类组件320的递归分割组件330可以执行用于在频域中分割基于傅立叶变换的特征(例如,本文中公开的图像或向量)的分层聚类过程(例如,过程540),以获取多个集群。在一些实施例中,如图5C所示,递归分割组件330使用聚类算法用于递归分割,诸如k均值聚类算法或任何其他合适的聚类算法。例如,递归分割组件330可以首先将图案分割为一定数目的组(或子集)。在相应组内,递归分割组件330进一步执行递归分割,直到满足用于停止递归分割的条件或阈值。
在一些实施例中,聚类组件320的内聚性测试组件335可以确定用于停止递归分割的条件或阈值。该条件或阈值可以与相似度阈值、分层聚类过程的最大分层级别、或在进一步分割之前子集中包括的向量的最小数目等相关联。在一些实施例中,内聚性测试组件335可以使用内聚性测试。例如,如图6A所示,内聚性测试可以包括用于确定测试圆的半径的卡方分布内聚性测试或变体内聚性测试。如图6B-图6C所示,测试圆可以用于评估测试圆内是否有足够的数据点来停止递归分割。在一些实施例中,用户可以调节半径以定制测试圆的大小,以用于直接或间接地调节递归分割过程中使用的一个或多个参数。内聚性测试组件335可以进一步确定内聚度(例如,测试圆内的数据点的数目与数据点的总数之间的比率),并且将内聚度与阈值进行比较,以确定是应当停止还是继续递归分割(例如,图6B-图6C)。
在一些实施例中,聚类组件320可以被配置为执行参考图7公开的一个或多个步骤。在一些实施例中,聚类组件320可以是带电粒子束检查系统的一部分(例如,包括可以在控制器109或系统199中实现的一个或多个组件或模块)。在一些实施例中,聚类组件320可以被包括在与带电粒子束检查系统分离并且通信耦合到带电粒子束检查系统的计算设备中。
在一些实施例中,系统300可以包括被配置为进一步处理从聚类组件320获取的分组图案的第二级分组组件340。第二级分组组件340可以分析图案的相应组或集群内以及相应组或聚类之间的图案,以基于图案相似度进一步合并或分割(例如,图4C)。在一些实施例中,相似度标准可以由用户定制。在一些实施例中,第二级分组组件340可以被配置为执行如参考图7所公开的一个或多个步骤。在一些实施例中,第二级分组组件340可以是带电粒子束检查系统的一部分(例如,包括可以在控制器109或系统199中实现的一个或多个组件或模块)。在一些实施例中,第二级分组组件340可以被包括在与带电粒子束检查系统分离并且通信耦合到带电粒子束检查系统的计算设备中。
在一些实施例中,系统300可以输出图案组或集群(例如,使用诸如晶片或管芯上的坐标等指示符)以在检查期间使用。在一些实施例中,输出组件345可以是带电粒子束检查系统的一部分(例如,包括可以在控制器109或系统199中实现的一个或多个组件或模块)。在一些实施例中,输出组件345可以被包括在与带电粒子束检查系统分离并且通信耦合到带电粒子束检查系统的计算设备中。
图4A是根据本公开的一些实施例的对参考数据中的多个图案402(例如,对应于GDS图像的一部分)执行第一级分组过程400以获取多个代表性图案404的示例过程。在一些实施例中,多个图案402对应于掩模上的图案,掩模用于图案化晶片的一部分,诸如管芯。在一些实施例中,多个图案402对应于经由光刻工艺在晶片的一部分(例如,管芯)上印刷的图案。
在一些实施例中,第一级分组过程400是基于多个图案402之间的几何形状的比较来执行的。例如,对多个图案402内的每一对图案进行比较,并且基于比较结果,将多个图案402分离为多个组。在一些实施例中,作为第一分组过程400的结果,组内的图案在几何上彼此相同,并且被放入一个区间中。在一些实施例中,相应代表性图案404表示从第一级分组过程获取的对应组中的(多个)相同图案。
图4B是根据本公开的一些实施例的对从如图4A所示的第一分组过程400获取的分组结果执行聚类过程420的示例过程。在一些实施例中,对参考数据中的分组图案(其由相应组的代表性图案404表示)执行聚类过程420。在一些实施例中,比较从图4A中的过程获取的两个区间的图案,并且可以使用任何合适的聚类算法来量化和计算相似度。例如,聚类过程420可以使用具有噪声的应用的基于密度的空间聚类(DBSCAN)算法。在一些实施例中,如果两个代表性图案之间的相似度超过预定阈值,则合并两个区间,例如,如在新的组(或区间)422或424中所示。否则,由代表性图案426表示的组保持未合并。在一些实施例中,聚类过程420运行,直到所有的区间都被评估为止。
图4C是根据本公开的一些实施例的对从如图4B所示的聚类过程420获取的聚类结果执行第二级分组过程440的示例过程。在一些实施例中,进一步分析来自在图4B的过程420中获取的相应区间的图案,以获取不同的图案类,诸如图4C中的类442、444、446和448。在一些实施例中,彼此更相似的图案被分类为一类,而彼此不充分相似的图案进一步被拆分为不同类,诸如区间422被拆分为类442和444。在一些实施例中,用于在过程440中对图案进行分类的相似度标准可以由用户定制。第二级分组过程可以使用与第一级分组过程不同的标准来比较图案之间的相似度。例如,在第一级分组中,彼此相同的图案被放置在同一组(或区间)中,而在第二级分组中,足够相似的图案(例如,差异低于某个阈值)被放置在同一组中。在一些实施例中,用于在第一级分组或第二级分组期间比较图案的标准可以与图案的几何形状、大小、特征类型、密度、特征点之间的距离等相关联。在一些实施例中,图案可以在第二级分组或第一级分组中成对地被比较。
现在参考图4D,图4D示出了根据本公开的一些实施例的在如图4A-图4C所示的分组或聚类过程期间比较两个图案的示例。在一些实施例中,在聚类过程420期间,使用合适的聚类算法(诸如本文中公开的DBSCAN算法)来比较一对图案(例如,图案462和464)的几何形状。在一些实施例中,因为对图案总数(例如,n)中的任何两个图案进行比较,所以该过程可以进行n2次比较,这是一个耗时的过程。此外,如图4D所示,两个图案图像462和464被重叠以测量图像之间的差异。然而,这种重叠可能会忽略这样一种可能性,即,两个相同图案可能由于相对于彼此的移位或旋转而看起来不同。结果,不同的区间或类可能包括重复图案,从而进一步导致检查时间的增加和资源消耗的浪费。
图5A-图5C和图6A-图6B示出了根据本公开的一些实施例的基于基于傅立叶变换的参考数据的示例分层聚类过程。图5A示出了根据本公开的一些实施例的对参考数据中的多个图案(例如,对应于GDS图像的一部分)执行傅立叶变换的示例过程500。图案可以从来自第一级分组组件310的分组图案或来自参考数据获取器305的参考数据中获取。在一些实施例中,傅立叶变换组件325可以将2-D傅立叶变换应用于图案,例如图案502和504,以在频域中渲染图像,如图像512和514中所示。
在一些实施例中,可以确定频域中基于傅立叶变换的参考数据的特征点之间的距离。例如,可以确定图像512与514之间的两个特征点之间的欧几里得距离和集群质心。该距离可以用于确定与本文中公开的两个图案512和514相对应的向量之间的相似度。
图5B示出了根据本公开的一些实施例的将基于傅立叶变换的参考图像(例如,基于傅立叶变换的图像522)转换为向量的示例过程520。在一些实施例中,分析图像522的像素,例如,以获取相应像素的像素值,如图524所示。基于像素信息,然后将图像522扩展为频域中的高维向量526。距离可以根据基于傅立叶变换的向量来计算。
图5C示出了示出根据本公开的一些实施例的用于在频域中分割基于傅立叶变换的特征以获取多个集群的示例分层聚类过程540的图。在一些实施例中,递归分割组件330使用聚类算法(诸如k均值聚类算法、或任何其他合适的聚类算法)将多个基于傅立叶变换的特征递归地分割为多个集群。在一些实施例中,将向量与集群质心之间的距离与用于确定向量是否被包括在该集群中的预定阈值进行比较。与集群质心足够接近的向量(例如,距离在预定阈值内的向量)被包括在对应集群中。在一些实施例中,当分割基于傅立叶变换的特征时,聚类算法使用预定数目的集群(例如,固定数目的集群)。在一些实施例中,分层聚类过程540不设置预定或固定数目的集群。而是,过程540使用用于停止递归分割的条件或阈值,诸如stopdivide函数。
在一些实施例中,对于本文中公开的分层聚类过程,递归分割组件330首先将整个数据集分割为多个子集。在一些实施例中,第一级别的分割可以使用合适的聚类算法(诸如k均值算法)基于傅立叶变换的特征向量的相似度(例如,或到集群质心的距离)将整个数据集分割为特定数目的子集(例如,两个或更多个子集)。例如,如图5C所示,可以首先使用k均值算法将原始数据集540分割为子集542和另一子集550,其中每个子集内的傅立叶变换特征具有接近集群质心的距离。接下来,递归分割组件330在(多个)下一级将相应子集(例如,子集550)递归地分割为多个子集(例如,子集552和554)。当满足用于停止递归分割的条件或阈值时,例如,对于子集542,递归分割停止。子集552和554也分别被进一步分割,直到满足用于停止递归分割的条件或阈值。
在一些实施例中,条件或阈值可以与相似度阈值相关联,该相似度阈值用于与子集内的傅立叶变换特征向量的相似度进行比较,以确定是否应当停止递归分割。在一些实施例中,条件或阈值可以与分层聚类过程的最大分层级别相关联。例如,当子集的级别达到阈值的最大级别(或最深级别)时,递归分割停止。在一些实施例中,条件或阈值可以与在进一步分割之前子集中包括的向量的最小数目相关联。例如,当一个子集中的向量数目小于最小数目阈值时,递归分割在该子集中停止。
在一些实施例中,图3的内聚性测试组件335可以在StopDivide函数中使用内聚性测试。例如,内聚性测试可以用来测量向量如何集成、或者数据点在子集中的内聚性如何。在一些实施例中,如图6A所示,内聚性测试可以包括卡方分布内聚性测试,假定集群或子集中的向量的所有维度的分量遵循正态分布(或另一合适的分布函数)。图6A中的每个数据点表示频域中的特征向量,其对应于基于傅立叶变换的特征图像。在一些实施例中,给定集群的数据集V,可以确定集群质心cV,并且可以基于集群中的向量与集群质心cV之间的相应距离来确定数据集V的平均距离rV(例如,均值距离)。然后,基于已知的分布函数(例如,正态分布或适合该数据集的另一函数),可以使用r90(例如,90%置信度的半径)来计算测试圆的半径rt,其中r90对应于集群的90%的数据点被包括在以半径为r90、cV为圆心的圆中的期望。接下来,如以下图6B-图6C中所公开的,可以计算内聚度,例如,测试圆(例如,以半径rt为r90、cV为圆心)中包括的数据点的实际数目与数据集V中的数据点的总数之间的比率。将该比率与预定阈值(例如,90%)进行比较,以确定这样的数据集是否足够内聚以及应当相应地停止还是继续递归分割。
在一些实施例中,卡方分布内聚性测试可以更好地用于包含大量数据点的集群。此外,卡方分布内聚性测试考虑了向量与集群质心之间的距离,但可以不考虑向量之间的距离。例如,如果集群中的向量遵循正态分布,但方差大于可接受阈值(例如,向量之间的距离不够近,或者图案实际上不够相似),则卡方内聚性测试可能无法有效标识这样的问题。卡方内聚性测试可能会错误地停止递归分割,从而导致较差的聚类质量。
在一些实施例中,如图6A所示,内聚性测试可以包括用于解决上述问题的变体内聚性测试。例如,变体内聚性测试提供了用户可定制的半径(rt'),以用于基于0.1至1.0之间的用户选择的系数(θ)来定义测试圆,以调节计算出的半径,诸如本文中公开的r90,而不是卡方分布内聚性测试中使用的固定半径(例如,rt'=θrt)。例如,用户可以选择或输入系数θ,诸如小数0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9或1.0,以将测试圆的半径rt'调节得更大或更小,其中测试圆用于确定测试圆内是否有足够的数据点来停止递归分割,如下所公开(例如,数据集V是否根据分布函数具有足够的内聚性)。变体内聚性测试可以为用户提供定制一个或多个参数(例如,向量在集群中的相似程度)的自由和便利,该参数用于确定何时应当停止递归分割过程。在一些实施例中,用户还可以选择用户想要包括在集群中的向量的最大数目。
在确定定义测试圆的半径之后,确定内聚度,并且将其与某个阈值进行比较,以确定是否应当停止递归分割。在一些实施例中,内聚度是测试圆内的数据点(例如,对应于基于傅立叶变换的特征向量)的数目与子集(例如,集群)中的数据点(例如,向量)的总数之间的比率。在一些实施例中,阈值可以是预定值,诸如90%、85%或80%等。阈值可以对应于测试半径,例如对应于r90的90%。阈值也可以由用户选择或调节,或者由系统预先设置。
在一些实施例中,如图6B所示,如果内聚度不超过特定阈值,例如,在由半径rt定义的测试圆内没有足够的数据点,则继续对当前集群(或当前子集)的递归分割。如图6C所示,在一些实施例中,如果内聚度大于某个阈值(例如,90%)(这表明,表示特征向量的绝大多数数据点充分接近集群质心),则递归分割停止。
在一些实施例中,图5A-图5C和图6A-图6B中公开的分层聚类过程可以独立于其他分组或聚类过程或与其他分组或聚类过程组合执行,诸如图4A和图4C中公开的第一级分组或第二级分组。
如本文中公开的,聚类算法中使用的递归分割不需要比较每对数据点。而是,分层聚类过程首先将整个数据集分割为多个子集。然后,将子集分别递归地分割为后续级别的子集,直到满足用于停止递归分割的条件。因此,分层聚类过程可以减少耗时。例如,与图4D中执行的N2次比较相比,本文中公开的分层聚类过程的时间复杂性为N log(N)。
此外,聚类算法基于与频域中基于傅立叶变换的特征(例如,图像或向量)相关联的特征,诸如距离,在比较向量时,可以考虑图案之间的方位偏差,诸如平移偏移或旋转等。因此,可以避免将相同的图案分割为不同的集群,因此聚类过程可以更加准确和高效。
此外,用户可以控制或定制聚类过程,例如,通过调节或选择用于评估是否应当停止递归分割的参数,例如,用于定义测试圆的半径。间接地通过半径的影响,或者直接地,用户可以定制与递归分割相关联的一个或多个参数,诸如图案在集群内的相似程度、要包括在集群中的向量的最大数目、集群的最大数目或分割的最大层次级别等。如本文中公开的,用户可以方便地选择测试圆的半径,以便针对递归分割过程调节这些参数中的一个或多个。
图7是表示根据本公开的一些实施例的用于处理参考数据(例如,对从参考数据中提取的图案进行分组)的示例方法700的过程流程图。在一些实施例中,一个或多个步骤由图3中的装置300、图2中的控制器109或系统199、或图1中的系统100的一个或多个组件执行。在一些实施例中,方法700在掩模上的多个图案上执行,掩模用于图案化晶片的一部分(例如,管芯)。在一些实施例中,方法700也可以在晶片的一部分(例如,管芯)上印刷(例如,经由光刻)的多个图案上执行。
如图7所示,在步骤710中,接收包括多个图案的图像数据,诸如参考图像数据。例如,图像数据可以由图3中的参考数据获取器305或图2中的参考数据获取器160获取。参考数据可以从图2中的存储装置130或任何其他合适的IC布局设计数据库获取。图像数据可以是本文中公开的任何合适的数据格式,诸如与要在晶片(例如,晶片208)上的多个分层层上形成的IC设计架构相对应的GDS数据文件。图像数据可以包括要用于在晶片的至少一部分(诸如管芯)上形成特征的掩模上的图案。该图像还可以包括从对印刷在晶片上的特征执行的检查而获取的图案。
在一些实施例中,傅立叶变换组件325可以对多个图案(例如,图5A中的图案502、504)执行傅立叶变换,以获取频域中的多个基于傅立叶变换的图像(例如,图5A中的图像512、514)。在一些实施例中,傅立叶变换组件325可以进一步将基于傅立叶变换的图像转换为高维向量,如图5B所示。可以评估图案之间的相似度以对图案进行分组。在一些实施例中,可以针对与傅立叶变换之后的图案相对应的相应向量计算距离,并且该距离可以是相应向量与集群质心之间的欧几里得距离。在一些实施例中,表示与集群质心足够接近的向量的数据点可以被包括在同一集群中。
在步骤720中,在执行傅立叶变换和向量化之后,将多个图案分离为多个图案集合(例如,图5C中的子集542、550)。在一些实施例中,使用k均值算法来分离基于傅立叶变换的图像,其中每个子集内的傅立叶变换特征具有接近集群质心的距离。
在步骤730中,递归分割组件330通过递归地评估与相应图案集合相关联的特征,来对相应图案集合执行分层聚类,以获取多个图案子集。在一些实施例中,如图5C所示,分割组件330基于在相应分层级别上递归地评估特征的结果,对相应图案集合执行递归分割。该特征可以与相应图案集合的图案之间的相似度相关,诸如基于相应图案集合内的图案是否足够相似而确定的内聚度。
在一些实施例中,内聚性测试组件335可以执行内聚性测试以评估如图6A-图6C所示的特征。内聚性测试组件335可以确定相应图案集合的内聚度。例如,内聚度可以被确定为测试圆内的数据点的数目与数据点的总数之间的比率(例如,图6A)。内聚度可以与阈值进行比较,以确定是应当停止还是继续递归分割(例如,图6B-图6C)。例如,如图6B所示,如果内聚度(例如,比率)被确定为不大于预定阈值,则继续对当前集群(或当前子集)的递归分割。如图6C所示,如果内聚度被确定为大于预定阈值,则停止对当前集群(或当前子集)的递归分割。
在一些实施例中,可以使用卡方内聚性测试来确定测试圆的半径,诸如图6A所示的r90。在一些实施例中,可以使用如图6A所示的变体内聚性测试来确定测试圆的半径,其中该半径是用户可定制的半径。
在一些实施例中,通过变体内聚性测试,用户可以将测试圆的半径调节得更大或更小。如本文中公开的,可以向用户提供用于选择或调节用于确定何时应当停止递归分割过程的其他参数的选项。这样的参数包括但不限于半径的大小、向量在集群中的相似程度、集群中包括的向量的最大数目、递归分割的最大分层级别、或在进一步分割之前子集中包括的向量的最小数目等。在一些实施例中,本文中公开的关于对参考数据进行分组的过程和算法也可以用于在扫描晶片表面之后分析和分组检查图像数据。
图8是表示根据本公开的一些实施例的用于处理参考数据(例如,图像数据,包括对从参考数据中提取的图案进行分组)的示例方法800的过程流程图。在一些实施例中,一个或多个步骤由图3中的装置300、图2中的控制器109或系统199、或图1中的系统100的一个或多个组件执行。在一些实施例中,方法800在掩模上的多个图案上执行,掩模用于图案化晶片的一部分(例如,管芯)。在一些实施例中,方法800也可以在晶片的一部分(例如,管芯)上印刷(例如,经由光刻)的多个图案上执行。
如图8所示,在步骤810中,接收包括多个图案的图像数据,诸如参考图像数据。例如,图像数据可以由图3中的参考数据获取器305或图2中的参考数据获取器160获取。参考数据可以从图2中的存储装置130或任何其他合适的IC布局设计数据库获取。图像数据可以是本文中公开的任何合适的数据格式,诸如与要在晶片(例如,晶片208)上的多个分层层上形成的IC设计架构相对应的GDS数据文件。图像数据可以包括要用于在晶片的至少一部分(诸如管芯)上形成特征的掩模上的图案。该图像还可以包括从对印刷在晶片上的特征执行的检查而获取的图案。
在一些实施例中,傅立叶变换组件325可以对多个图案(例如,图5A中的图案502、504)执行傅立叶变换,以获取多个频域特征,诸如基于傅立叶变换的图像(例如,如图5A的图像512、514),或如图5B所示的高维向量。可以评估图案之间的相似度以对图案进行分组。在一些实施例中,可以针对与傅立叶变换之后的图案相对应的相应向量计算距离,并且该距离可以是相应向量与集群质心之间的欧几里得距离。在一些实施例中,表示与集群质心足够接近的向量的数据点可以被包括在同一集群中。在一些实施例中,多个频域特征被分离为多个第一级图案集合(例如,图5C的子集542、550)。在一些实施例中,使用k均值算法来分离频域特征,诸如基于傅立叶变换的图像,其中每个子集内的傅立叶变换特征具有接近集群质心的距离。
在步骤820中,递归分割组件330对分别从多个图案变换而来的多个频域特征执行分层聚类。在一些实施例中,递归分割组件330递归地分割多个频域特征。在一些实施例中,接收对参数的用户选择。该参数可以与在递归分割期间对多个图案的评估相关。例如,如本文中公开的,用户可以通过变体内聚性测试将测试圆的半径调节为更大或更小。可以向用户提供用于选择或调节用于确定是否应当继续递归分割过程的一个或多个参数的选项。
在一些实施例中,如图5C所示,分割组件330基于在相应分层级别上递归地评估特征的结果,对相应图案集合执行递归分割。该特征可以与相应图案集合的图案之间的相似度相关,诸如基于相应图案集合内的图案是否足够相似而确定的内聚度。
在一些实施例中,如图6A-图6C所示,内聚性测试组件335可以确定图案集合的内聚度。例如,内聚度可以被确定为测试圆内的数据点的数目与数据点的总数之间的比率(例如,图6A)。内聚度可以与阈值进行比较,以确定是应当停止还是继续递归分割(例如,图6B-图6C)。在一些实施例中,可以使用卡方内聚性测试来确定测试圆的半径,诸如图6A所示的r90。在一些实施例中,可以使用如图6A所示的变体内聚性测试来确定测试圆的半径,其中该半径是用户可定制的半径。
可以提供一种存储指令的非暂态计算机可读介质,该指令用于控制器(例如,图1-图2的控制器109)的处理器执行例如图像检查、图像获取、台定位、束聚焦、电场调节、束弯曲、会聚透镜调节、激活带电粒子源、束偏转、以及用于处理参考数据,诸如上面关于方法700所述。常见形式的非暂态介质包括例如软盘、柔性盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、光盘只读存储器(CD-ROM)、任何其他光学数据存储介质、任何具有孔图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、以及可擦除可编程只读存储器(EPROM)、FLASH-EPROM或任何其他闪存、非易失性随机存取存储器(NVRAM)、高速缓存、寄存器、任何其他存储器芯片或卡盒、以及其网络版本。
可以使用以下条款进一步描述实施例:
1.一种对从图像数据中提取的多个图案进行分组的方法,所述方法包括:
接收包括所述多个图案的所述图像数据,所述多个图案表示要在晶片的一部分上形成的特征;
将傅立叶变换之后的所述多个图案分离为多个图案集合;以及
通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对所述相应图案集合执行分层聚类,以获取多个图案子集。
2.根据条款1所述的方法,还包括:
对所述多个图案执行傅立叶变换,以分别获取频域中的多个基于傅立叶变换的图像;以及
分别基于所述多个基于傅立叶变换的图像,来获取多个向量。
3.根据条款2所述的方法,还包括:
基于所述多个向量的距离特征,来评估所述多个图案的相似度。
4.根据条款1至3中任一项所述的方法,其中傅立叶变换之后的所述多个图案基于所述距离特征使用k均值算法被分离为多个图案集合。
5.根据条款1至4中任一项所述的方法,其中执行所述分层聚类包括:
基于在相应分层级别上递归地评估所述特征的结果,来对所述相应图案集合执行递归分割。
6.根据条款1至5中任一项所述的方法,还包括执行用于评估所述特征的内聚性测试,所述内聚性测试包括:
评估所述相应图案集合的内聚度,以获取评估结果;以及根据所述评估结果确定是否应当停止(suspend)所述递归分割。
7.根据条款6所述的方法,还包括:
接收指示与评估所述内聚度相关联的参数的用户输入。
8.根据条款1至7中任一项所述的方法,其中所述图像数据处于图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、开放艺术作品系统交换标准(OASIS)格式、或加州理工学院中间格式(CIF)。
9.一种用于对从图像数据中提取的多个图案进行分组的系统,所述系统包括:
控制器,包括电路装置,所述电路装置被配置为使得所述系统执行以下项:
接收包括所述多个图案的所述图像数据,所述多个图案表示要在晶片的一部分上形成的特征;
将傅立叶变换之后的所述多个图案分离为多个图案集合;以及
通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对所述相应图案集合执行分层聚类,以获取多个图案子集。
10.根据条款9所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
对所述多个图案执行傅立叶变换,以分别获取频域中的多个基于傅立叶变换的图像;以及
分别基于所述多个基于傅立叶变换的图像,来获取多个向量。
11.根据条款10所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
基于所述多个向量的距离特征,来评估所述多个图案的相似度。
12.根据条款9至11中任一项所述的系统,其中傅立叶变换之后的所述多个图案基于所述距离特征使用k均值算法被分离为多个图案集合。
13.根据条款9至12中任一项所述的系统,其中执行所述分层聚类包括:
基于在相应分层级别上递归地评估所述特征的结果,来对所述相应图案集合执行递归分割。
14.根据条款9至13中任一项所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
执行用于评估所述特征的内聚性测试,所述内聚性测试包括:
评估所述相应图案集合的内聚度,以获取评估结果;以及
根据所述评估结果确定是否应当停止所述递归分割。
15.根据条款14所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
接收指示与评估所述内聚度相关联的参数的用户输入。
16.根据条款9至15中任一项所述的系统,其中所述图像数据处于图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、开放艺术作品系统交换标准(OASIS)格式、或加州理工学院中间格式(CIF)。
17.一种非暂态计算机可读介质,存储指令集,所述指令集能够由系统的至少一个处理器执行以使得所述系统执行对从图像数据中提取的多个图案进行分组的方法,所述方法包括:
接收包括所述多个图案的所述图像数据,所述多个图案表示要在晶片的一部分上形成的特征;
将傅立叶变换之后的所述多个图案分离为多个图案集合;以及
通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对所述相应图案集合执行分层聚类,以获取多个图案子集。
18.根据条款17所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
对所述多个图案执行傅立叶变换,以分别获取频域中的多个基于傅立叶变换的图像;以及
分别基于所述多个基于傅立叶变换的图像,来获取多个向量。
19.根据条款18所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
基于所述多个向量的距离特征,来评估所述多个图案的相似度。
20.根据条款17至19中任一项所述的非暂态计算机可读介质,其中傅立叶变换之后的所述多个图案基于所述距离特征使用k均值算法被分离为多个图案集合。
21.根据条款17至20中任一项所述的非暂态计算机可读介质,其中执行所述分层聚类包括:
基于在相应分层级别上递归地评估所述特征的结果,对所述相应图案集合执行递归分割。
22.根据条款17至21中任一项所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
执行用于评估所述特征的内聚性测试,所述内聚性测试包括:
评估所述相应图案集合的内聚度,以获取评估结果;以及
根据所述评估结果确定是否应当停止所述递归分割。
23.根据条款22所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
接收指示与评估所述内聚度相关联的参数的用户输入。
24.根据条款17至23中任一项所述的非暂态计算机可读介质,其中所述图像数据处于图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、开放艺术作品系统交换标准(OASIS)格式、或加州理工学院中间格式(CIF)。
25.一种对多个图案进行分组的方法,所述方法包括:
接收包括所述多个图案的图像数据,所述多个图案表示要在晶片的一部分上形成的特征;
对分别从所述多个图案变换而来的多个频域特征执行分层聚类,其中执行所述分层聚类包括通过执行以下项来递归地分割所述多个频域特征:
接收对参数的用户选择;以及
基于所述参数来递归地评估是否应当继续在相应分层级别上分割对应图案集合。
26.根据条款25所述的方法,其中评估是否应当继续在对应分层级别上分割图案集合包括:
评估所述图案集合内的图案的相似度。
27.根据条款25至26中任一项所述的方法,还包括:
接收对测试圆的半径的用户选择;
确定所述图案集合的内聚度,所述内聚度与所述测试圆中包括的与所述图案相对应的数据点的数目相关;以及
基于所述内聚度与预定阈值之间的比较,来确定是否应当继续分割所述图案集合。
28.根据条款25至27中任一项所述的方法,在执行所述分层聚类之前,所述方法还包括:
将所述多个图案变换为所述多个频域特征;以及
将所述多个频域特征分离为多个第一级图案集合。
29.一种用于对多个图案进行分组的系统,所述系统包括:
控制器,所述控制器包括电路装置,所述电路装置被配置为使得所述系统执行以下项:
接收包括所述多个图案的图像数据,所述多个图案表示要在晶片的一部分上形成的特征;
对分别从所述多个图案变换而来的多个频域特征执行分层聚类,其中执行所述分层聚类包括通过执行以下项来递归地分割所述多个频域特征:
接收对参数的用户选择;以及
基于所述参数来递归地评估是否应当继续在相应分层级别上分割对应图案集合。
30.根据条款29所述的系统,其中评估是否应当继续在对应分层级别上分割图案集合包括:
评估所述图案集合内的图案的相似度。
31.根据条款29至30中任一项所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
接收对测试圆的半径的用户选择;
确定所述图案集合的内聚度,所述内聚度与所述测试圆中包括的与所述图案相对应的数据点的数目相关;以及
基于所述内聚度与预定阈值之间的比较,来确定是否应当继续分割所述图案集合。
32.根据条款29至31中任一项所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
在执行所述分层聚类之前,
将所述多个图案变换为所述多个频域特征;以及
将所述多个频域特征分离为多个第一级图案集合。
33.一种非暂态计算机可读介质,存储指令集,所述指令集能够由系统的至少一个处理器执行以使得所述系统执行对多个图案进行分组的方法,所述方法包括:
接收包括所述多个图案的图像数据,所述多个图案表示要在晶片的一部分上形成的特征;
对分别从所述多个图案变换而来的多个频域特征执行分层聚类,其中执行所述分层聚类包括通过执行以下项来递归地分割所述多个频域特征:
接收对参数的用户选择;以及
基于所述参数来递归地评估是否应当继续在相应分层级别上分割对应图案集合。
34.根据条款33所述的非暂态计算机可读介质,其中评估是否应当继续在对应分层级别上分割图案集合包括:
评估所述图案集合内的图案的相似度。
35.根据条款33至34中任一项所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
接收对测试圆的半径的用户选择;
确定所述图案集合的内聚度,所述内聚度与所述测试圆中包括的与所述图案相对应的数据点的数目相关;以及
基于所述内聚度与预定阈值之间的比较,来确定是否应当继续分割所述图案集合。
36.根据条款33至35中任一项所述的非暂态计算机可读介质,在执行所述分层聚类之前,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
将所述多个图案变换为所述多个频域特征;以及
将所述多个频域特征分离为多个第一级图案集合。
应当理解,本公开的实施例不限于上文所述和附图中所示的确切结构,而是可以在不脱离其范围的情况下进行各种修改和改变。已经结合各种实施例描述了本公开,通过考虑本文中公开的本发明的说明书和实践,本发明的其他实施例对于本领域技术人员将是很清楚的。本说明书和实施例仅被认为是示例性的,本发明的真正范围和精神由以下权利要求指示。
以上描述旨在说明,而非限制。因此,对于本领域技术人员来说很清楚的是,在不脱离下面提出的权利要求的范围的情况下,可以如所述进行修改。
Claims (15)
1.一种用于对从图像数据中提取的多个图案进行分组的系统,所述系统包括:
控制器,包括电路装置,所述电路装置被配置为使得所述系统执行以下项:
接收包括所述多个图案的所述图像数据,所述多个图案表示要在晶片的一部分上形成的特征;
将傅立叶变换之后的所述多个图案分离为多个图案集合;以及
通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对所述相应图案集合执行分层聚类,以获取多个图案子集。
2.根据权利要求1所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
对所述多个图案执行傅立叶变换,以分别获取频域中的多个基于傅立叶变换的图像;以及
分别基于所述多个基于傅立叶变换的图像,来获取多个向量。
3.根据权利要求2所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
基于所述多个向量的距离特征,来评估所述多个图案的相似度。
4.根据权利要求1所述的系统,其中傅立叶变换之后的所述多个图案基于所述距离特征使用k均值算法被分离为多个图案集合。
5.根据权利要求1所述的系统,其中执行所述分层聚类包括:
基于在相应分层级别上递归地评估所述特征的结果,来对所述相应图案集合执行递归分割。
6.根据权利要求1所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
执行用于评估所述特征的内聚性测试,所述内聚性测试包括:
评估所述相应图案集合的内聚度,以获取评估结果;以及
根据所述评估结果确定是否应当停止所述递归分割。
7.根据权利要求6所述的系统,其中所述电路装置还被配置为使得所述系统执行以下项:
接收用户输入,所述用户输入指示与评估所述内聚度相关联的参数。
8.根据权利要求1所述的系统,其中所述图像数据处于图形数据库系统(GDS)格式、图形数据库系统II(GDSII)格式、开放艺术作品系统交换标准(OASIS)格式、或加州理工学院中间格式(CIF)。
9.一种非暂态计算机可读介质,存储指令集,所述指令集能够由系统的至少一个处理器执行以使得所述系统执行对从图像数据中提取的多个图案进行分组的方法,所述方法包括:
接收包括所述多个图案的所述图像数据,所述多个图案表示要在晶片的一部分上形成的特征;
将傅立叶变换之后的所述多个图案分离为多个图案集合;以及
通过递归地评估与相应图案集合内的图案之间的相似度相关的特征,来对所述相应图案集合执行分层聚类,以获取多个图案子集。
10.根据权利要求9所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
对所述多个图案执行傅立叶变换,以分别获取频域中的多个基于傅立叶变换的图像;以及
分别基于所述多个基于傅立叶变换的图像,来获取多个向量。
11.根据权利要求10所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
基于所述多个向量的距离特征,来评估所述多个图案的相似度。
12.根据权利要求9所述的非暂态计算机可读介质,其中傅立叶变换之后的所述多个图案基于所述距离特征使用k均值算法被分离为多个图案集合。
13.根据权利要求9所述的非暂态计算机可读介质,其中执行所述分层聚类包括:
基于在相应分层级别上递归地评估所述特征的结果,来对所述相应图案集合执行递归分割。
14.根据权利要求9所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
执行用于评估所述特征的内聚性测试,所述内聚性测试包括:
评估所述相应图案集合的内聚度,以获取评估结果;以及
根据所述评估结果确定是否应当停止所述递归分割。
15.根据权利要求14所述的非暂态计算机可读介质,其中所述指令集能够由所述计算设备的所述至少一个处理器执行以使得所述计算设备还执行以下项:
接收用户输入,所述用户输入指示与评估所述内聚度相关联的参数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163181902P | 2021-04-29 | 2021-04-29 | |
US63/181,902 | 2021-04-29 | ||
PCT/EP2022/061319 WO2022229312A1 (en) | 2021-04-29 | 2022-04-28 | Hierarchical clustering of fourier transform based layout patterns |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117222945A true CN117222945A (zh) | 2023-12-12 |
Family
ID=81842110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280031619.1A Pending CN117222945A (zh) | 2021-04-29 | 2022-04-28 | 基于傅立叶变换的布局图案的层次聚类 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP2024519662A (zh) |
KR (1) | KR20240004408A (zh) |
CN (1) | CN117222945A (zh) |
TW (2) | TW202401142A (zh) |
WO (1) | WO2022229312A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101680044B1 (ko) * | 2008-08-19 | 2016-11-28 | 디지맥 코포레이션 | 콘텐트 처리를 위한 방법들 및 시스템들 |
KR20130098459A (ko) * | 2012-02-28 | 2013-09-05 | 삼성전자주식회사 | 노이즈 스펙트럼 추정 장치 및 이를 포함하는 터치 스크린 장치 |
US8627251B2 (en) * | 2012-04-25 | 2014-01-07 | Taiwan Semiconductor Manufacturing Co., Ltd. | Systems and methods of automatically detecting failure patterns for semiconductor wafer fabrication processes |
US20150112649A1 (en) * | 2013-10-18 | 2015-04-23 | International Business Machines Corporation | Clustering Lithographic Hotspots Based on Frequency Domain Encoding |
EP3392712A1 (en) * | 2017-04-21 | 2018-10-24 | IMEC vzw | A method for analyzing design of an integrated circuit |
-
2022
- 2022-04-28 WO PCT/EP2022/061319 patent/WO2022229312A1/en active Application Filing
- 2022-04-28 KR KR1020237037448A patent/KR20240004408A/ko unknown
- 2022-04-28 TW TW112132798A patent/TW202401142A/zh unknown
- 2022-04-28 JP JP2023561297A patent/JP2024519662A/ja active Pending
- 2022-04-28 TW TW111116266A patent/TWI817474B/zh active
- 2022-04-28 CN CN202280031619.1A patent/CN117222945A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
TW202303268A (zh) | 2023-01-16 |
KR20240004408A (ko) | 2024-01-11 |
WO2022229312A1 (en) | 2022-11-03 |
TWI817474B (zh) | 2023-10-01 |
JP2024519662A (ja) | 2024-05-21 |
TW202401142A (zh) | 2024-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9780004B2 (en) | Methods and apparatus for optimization of inspection speed by generation of stage speed profile and selection of care areas for automated wafer inspection | |
US8013301B2 (en) | Measurement system and a method | |
US20220392729A1 (en) | Tool for testing an electron-optical assembly | |
US20230117237A1 (en) | Contour extraction method from inspection image in multiple charged-particle beam inspection | |
CN117751379A (zh) | 带电粒子检查中的图像失真校正 | |
CN117222945A (zh) | 基于傅立叶变换的布局图案的层次聚类 | |
JP2023549733A (ja) | 能動学習に基づく欠陥位置の識別 | |
US20230139085A1 (en) | Processing reference data for wafer inspection | |
US20230162944A1 (en) | Image enhancement based on charge accumulation reduction in charged-particle beam inspection | |
US20240183806A1 (en) | System and method for determining local focus points during inspection in a charged particle system | |
TWI841933B (zh) | 用於在帶電粒子系統中之檢查期間判定局部焦點之系統及方法 | |
EP4152096A1 (en) | System and method for inspection by failure mechanism classification and identification in a charged particle system | |
WO2023156125A1 (en) | Systems and methods for defect location binning in charged-particle systems | |
TW202240640A (zh) | 用於在帶電粒子系統中之檢查期間判定局部焦點之系統及方法 | |
TW202335019A (zh) | 在帶電粒子系統中用於缺陷偵測及缺陷位置識別之系統及方法 | |
WO2023194014A1 (en) | E-beam optimization for overlay measurement of buried features | |
WO2022207181A1 (en) | Improved charged particle image inspection | |
WO2024061632A1 (en) | System and method for image resolution characterization | |
WO2024083451A1 (en) | Concurrent auto focus and local alignment methodology | |
CN116868224A (zh) | 用于生成用于晶片检查的合成缺陷图像的基于机器学习的系统和方法 |
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 |