CN117497439A - 一种晶圆中关键缺陷的预测方法、装置、设备及可读介质 - Google Patents
一种晶圆中关键缺陷的预测方法、装置、设备及可读介质 Download PDFInfo
- Publication number
- CN117497439A CN117497439A CN202311267126.0A CN202311267126A CN117497439A CN 117497439 A CN117497439 A CN 117497439A CN 202311267126 A CN202311267126 A CN 202311267126A CN 117497439 A CN117497439 A CN 117497439A
- Authority
- CN
- China
- Prior art keywords
- information
- wafer
- defect
- position information
- predicting
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004519 manufacturing process Methods 0.000 claims abstract description 60
- 238000009826 distribution Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 abstract description 11
- 235000012431 wafers Nutrition 0.000 description 93
- 238000003860 storage Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 239000004065 semiconductor Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 6
- 229910052710 silicon Inorganic materials 0.000 description 6
- 239000010703 silicon Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000001259 photo etching Methods 0.000 description 4
- 239000002184 metal Substances 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 239000002923 metal particle Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- H01L22/12—Measuring 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
-
- 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
- H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
-
- 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)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本申请提供了一种晶圆中关键缺陷的预测方法、装置、设备及可读介质。该方法包括：获取晶圆制造过程中当前层的层描述文件；读取所述层描述文件中的当前层的线路位置信息；从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。本技术方案，可以结合晶圆制造过程中的相关文件，对于关键缺陷进行预测，提高关键缺陷的预测效率的同时，可以无需获取图像数据，使得方案对于检测机台或者制造机台的硬件要求更低，易于实现。
Description
技术领域
本申请涉及半导体技术领域，尤其涉及一种晶圆中关键缺陷的预测方法、装置、设备及可读介质。
背景技术
近年来，随着科技水平的迅速发展，晶圆的制造与使用已经成为科技发展的重要基础之一。现有技术中，半导体生产过程中，会产生一些缺陷。这些缺陷有的是无关紧要的，不会对良率产生重大影响，但是还有些缺陷会对晶圆的良率产生重大影响，有可能一个缺陷的存在会使得整个晶圆无法正常使用，可以称之为关键缺陷。
然而，发明人发现相关技术中至少存在如下技术问题：
识别关键缺陷的过程中，往往是将晶圆送到检测机台进行检测，检测机台会对晶圆上面的部分缺陷进行抽样拍照检测，并给到工程师分析缺陷照片，进行人工识别，，判断该缺陷是否属于关键缺陷。这种关键缺陷的检测手段需要检测机台拍照配和人工检测。而且，检测机台并不是对所有的缺陷全部拍照，只是抽检，无法覆盖全部，且，识别关键缺陷需要工程师有足够的经验。因此，会引入主观误差。
发明内容
本申请的一个目的是提供一种晶圆中关键缺陷的预测方法、装置、设备及可读介质，至少用以解决识别关键缺陷时检测范围不够全面的问题，以及对于关键缺陷的检测，需要人工作业，造成额外的人工成本以及会引入人工误差的问题。本申请的目的在于：本专利技术方案将关键缺陷的识别进行了改进，改进后的方案能够更加智能、全面、快速的实时识别关键缺陷，由于是实时的识别关键缺陷，将识别结果主动的通知工程师，可以针对关键缺陷去根据其他相关信息溯源此关键缺陷产生的环节和产生原因，例如产生的机台，腔体，甚至零部件等，通知工程师或者其他自动化系统进行处理，对于晶圆的制造以及检测过程具有较大的改良效果。
为实现上述目的，本申请的一些实施例提供了以下几个方面：
第一方面，本申请的一些实施例还提供了一种晶圆中关键缺陷的预测方法，所述方法包括：
获取晶圆制造过程中当前层的层描述文件；
读取所述层描述文件中的当前层的线路位置信息；
从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；
若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
第二方面，本申请的一些实施例还提供了一种晶圆中关键缺陷的预测装置，所述装置包括：
层描述文件获取模块，用于获取晶圆制造过程中当前层的层描述文件；
路线位置信息读取模块，用于读取所述层描述文件中的当前层的线路位置信息；
缺陷位置信息读取模块，用于从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；
预测模块，用于若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
第三方面，本申请的一些实施例还提供了一种计算机设备，所述设备包括：
一个或多个处理器；以及
存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如上所述的晶圆中关键缺陷的预测方法。
第四方面，本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如上所述的晶圆中关键缺陷的预测方法。
相较于现有技术，本申请实施例提供的方案中，获取晶圆制造过程中当前层的层描述文件；读取所述层描述文件中的当前层的线路位置信息；从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。通过这样的设置，可以结合晶圆制造过程中的相关文件，对于关键缺陷进行预测，提高关键缺陷的预测效率的同时，可以无需获取图像数据，使得方案对于检测机台或者制造机台的硬件要求更低，易于实现。
附图说明
图1是本申请实施例一提供的晶圆中关键缺陷的预测方法的流程示意图；
图2是本申请实施例二提供的晶圆中关键缺陷的预测方法的流程示意图；
图3是本申请实施例三提供的晶圆中关键缺陷的预测过程的示意图；
图4是本申请实施例四提供的晶圆中关键缺陷的预测装置的结构示意图；
图5是本申请实施例五提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的技术方案进行详细地说明。
实施例一
图1是本申请实施例一提供的晶圆中关键缺陷的预测方法的流程示意图。如图1所示，具体包括如下步骤：该流程包括：
步骤S101，获取晶圆制造过程中当前层的层描述文件；
晶圆是指制作硅半导体电路所用的硅晶片，其原始材料是硅。高纯度的多晶硅溶解后掺入硅晶体晶种，然后慢慢拉出，形成圆柱形的单晶硅。硅晶棒在经过研磨，抛光，切片后，形成硅晶圆片，也就是晶圆。目前市面上的晶圆生产线以8英寸和12英寸为主。晶圆的主要加工方式为片加工和批加工，即同时加工一片或多片晶圆。随着半导体特征尺寸越来越小，加工及测量设备越来越先进，使得晶圆加工尺寸也有所减小。
其中，本方案可以是在晶圆生产制造的过程中或者生产制造完成后，对其进行质量检测的晶圆。
可以理解的，晶圆是由一层一层的结构构成的。当前层可以是当前正在生产制造的层，也可以是在生产制造完成后，逐层检测后检测到的当前的层。
层描述文件，可以是用来描述当前层的文件。例如，根据layout版图所生成的.gds格式的文件。层描述文件可以包括线宽、线间距以及线路的具体位置等信息。此文件中包括的信息可以包含当前layer的精确线路，纳米级，基于此本方案可以对关键缺陷进行精确判断。
步骤S102，读取所述层描述文件中的当前层的线路位置信息；
在得到层描述文件之后，可以确定当前层中各个线路的位置信息。例如，可以针对各个线路，以坐标信息表示出线路的位置，并以宽度信息确定其在每个位置的线宽。
其中，事先做好一块光刻掩膜板，然后放到半导体材料(事先在表面刷上一层感光材料)上，材料的有些地方被光刻掩膜板遮住了，有些地方没被遮住，然后光照。被光照过的地方感光材料发生了化学反应形成了其他物质，而没有被照过的地方保持原样。然后用化学腐蚀剂把感光材料去除掉，这时候，材料上就形成了两种不同的情况。有些地方被腐蚀，凹进去，有些地方没被腐蚀，凸出来，然后再进行掺杂，形成希望的半导体结构。多次重复，半导体电路就形成了。
步骤S103，从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；
其中，信息数据可以是klarf文件，即晶圆的表面缺陷信息可以被记录为缺陷信息文件，本方案中，klarf文件可以是用来存取defect(缺陷)信息数据的文档，如xrel，yrel，xindex，yindex坐标位置等信息。
本方案中，可以根据klarf文件确定晶圆的缺陷类型。
点缺陷是指晶圆芯片表面存在的局部缺陷点，这些点通常由于原材料污染或制造工艺不当造成。点缺陷通常分为以下几类：
1.洞穴状缺陷：通常是由于气泡或气体残留在晶圆芯片中造成的。
2.泡状缺陷：通常是由于金属材料膨胀不均匀或气体残留在晶圆芯片中造成的。
3.金属颗粒：金属颗粒是由于制造过程中金属材料的溅射或附着所导致的。
线缺陷是指晶圆芯片表面存在的局部缺陷线，这些线通常由于制造工艺或设备故障造成。线缺陷通常分为以下几类：
1.划痕：通常是由于制造过程中设备的磨损或过程中的撞击所造成的。
2.斑纹：通常是由于制造过程中配料不当，或者是晶圆芯片内部材料不均匀而导致的。
3.凸起或凹陷：通常是由于制造过程中设备或工具的损坏而导致的。
区域缺陷是指晶圆芯片上存在的局部区域缺陷，这些区域缺陷通常是由于制造工艺或设备故障造成。区域缺陷通常分为以下几类：
1.晶粒缺陷：如果晶圆芯片上的某个晶粒出现了缺损或缩小，就会造成晶圆芯片的性能降低或者失效。
2.维氏硬度不均匀：通常是由于晶圆芯片制造过程中压力不均匀、材料不均匀或设备故障而导致的。
3.热残留应力：晶圆芯片制造过程中温度变化会导致晶圆芯片产生残留应力，如果这些残留应力太大，会导致晶圆芯片的性能降低或者失效。
以上是晶圆芯片常见的缺陷类型及其相关特征。
本方案中，可以根据信息数据中，xrel，yrel，xindex，yindex坐标位置等信息，确定缺陷的位置信息，以及缺陷的大小信息和走向信息等等。
步骤S104，若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
本方案中，可以在得到缺陷位置信息与线路位置信息之后，将两者是否存在重合关系进行比较，一旦发现重合，则确定晶圆中存在关键缺陷。可以理解的，对于关键缺陷的识别，本方案重点放在识别该缺陷是否与当前检测层的某一个线路是重合的，一旦重合，则很有可能导致影响线路的正常导通，或者造成当前线路与其他线路出现短路现象，因此只要识别到重合，则可以确定该缺陷为关键缺陷。
在识别到关键缺陷之后，可以根据其所在的当前层，以及具体位置，或者根据其他信息，生成相应的预测结果提示信息。例如预测为当前晶圆存在关键缺陷。
本实施例所提供的技术方案，通过获取晶圆制造过程中当前层的层描述文件；读取所述层描述文件中的当前层的线路位置信息；从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。本专利技术方案将关键缺陷的识别进行了改进，改进后的方案能够更加智能、全面、快速的实时识别关键缺陷，由于是实时的识别关键缺陷，将识别结果主动的通知工程师，可以针对关键缺陷去根据其他相关信息溯源此关键缺陷产生的环节和产生原因，例如产生的机台，腔体，甚至零部件等，通知工程师或者其他自动化系统进行处理，对于晶圆的制造以及检测过程具有较大的改良效果。
在本申请的一些实施例中，在从所述晶圆制造过程输出的信息数据中读取缺陷位置信息之后，所述方法还包括：
根据所述信息数据，确定每个缺陷的尺寸信息和/或形状信息；
相应的，若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息，包括：
根据所述缺陷位置信息、尺寸信息和/或形状信息以及所述线路位置信息，生成预测结果；
若预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
可以根据信息数据，确定每个缺陷的尺寸、形状以及走向等信息，例如点缺陷，可以确定该缺陷的尺寸，线缺陷，可以确定该缺陷的走向信息，以及宽度信息，面缺陷，可以确定该缺陷的面积大小，以及轮廓形状等信息。
在得到上述信息之后，可以将缺陷位置信息、尺寸信息和/或形状信息与线路位置信息进行对比，根据确定缺陷是否与电路位置重合，生成预测结果。
本技术方案通过这样的设置，可以根据缺陷的具体尺寸和形状等，与线路位置相比较，确定每个缺陷是否与电路重合，一旦重合，则可以确定其为关键缺陷。这样设置的好处是识别的准确度是极高的，而且可以根据数据直接进行解算，无需通过图像识别等手段。
在本申请的一些实施例中，根据所述缺陷位置信息、尺寸信息和/或形状信息以及所述线路位置信息，生成预测结果，包括：
根据所述缺陷位置信息、尺寸信息和/或形状信息以及所述线路位置信息，确定所述缺陷对所述线路的影响系数；
若所述影响系数超过设定系数阈值，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
本方案中，可以针对不同的情况设置不同的影响系数。例如缺陷刚好坐落于线路上方，影响系数为1，没有坐落在线路上方但是与线路临近，影响系数为0.8，没有坐落在线路上方但是与相邻两个或者多个线路全都临近，影响系数为0.9，没有坐落在线路上方且没有与线路临近，影响系数为0.3，等等。
除了以上情况外，还可以叠加缺陷的类型，例如点缺陷、线缺陷以及面缺陷会额外乘以不同的权重值，得到最终的影响系数。
在得到影响系数之后，可以结合其与预先设定系数阈值之间的大小关系，确定当前缺陷是否为关键缺陷。例如，设定系数阈值为0.5，那么在得到的影响系数大于或者等于0.5的情况下，确定为关键缺陷。
本方案这样设置的好处是可以提高对于关键缺陷识别的准确性。在识别过程中，充分考虑到缺陷的位置因素以及形状因素，对其是否会造成线路之间短路的情况进行了充分的考虑，提高效率的同时提高了关键缺陷识别的准确度。
实施例二
图2是本申请实施例二提供的晶圆中关键缺陷的预测方法的流程示意图。如图2所示，具体包括如下步骤：
步骤S201，获取晶圆制造过程中当前层的线路分布信息；
当前层的线路分布信息，可以是当前层的线路的密度分布信息，还可以是当前层中的宽线路的分布位置信息。可以理解的，该信息可以是由晶圆制造商来提供的，例如晶圆制造商提供具体的金属密度分布信息。金属密度越大的区域。缺陷可能引发断路或者断路的几率越高。
步骤S202，根据所述线路分布信息确定当前层的关键范围；
例如，可以根据线路分布信息确定当前层的一个或者多个关键范围。其中，各个关键范围的大小和形状可以各不相同，具体可以视线路分布信息而定。
例如，可以在确定金属密度分布信息，根据分布信息来圈定关键范围。
步骤S203，从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；
步骤S204，若根据所述缺陷位置信息识别到落入所述关键范围内的缺陷数量超过第一预设数量阈值，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
其中，对于晶圆的当前层，可以针对每个关键范围进行缺点数量的识别。如果识别到某一关键范围内的缺陷数量超过了第一预设数量阈值，就可以确定该关键范围内存在关键缺陷。并生成预测结果提示信息。
可以理解的，第一预设数量阈值可以是一个经验值，可以根据晶圆的类型、晶圆的使用方式以及晶圆的制造要求等进行确定，例如可以由工程师手动录入，或者使用默认值。
本实施例在上述实施例的基础上，提供了一种基于关键范围内缺陷的数量来确定是否存在关键缺陷的方式。本方案不仅仅局限于位置信息一种情况，还提供了基于数量分布的其他情况，并且对于关键范围的圈定，也能够减少计算量，使得识别效率得到很大的提高。
在本申请的一些实施例中，在根据所述线路分布信息确定当前层的关键范围之后，所述方法还包括：
识别所述关键范围内线路分布类型；
根据所述线路分布类型确定所述确定所述第一预设数量阈值。
关键范围内线路分布类型，可以是线路分布的方向类型，例如线路是并排式分布，或者是其他分布类型，例如宽窄线路的分布，可以结合关键范围内线路的覆盖面积，来确定等等。
本方案对于第一预设数量阈值的确定，可以结合线路分布类型，如果为常规类型，可以采用一个通用的第一预设数量阈值，如果为特殊类型，可以在通用数值的基础上，进行进一步的调整，使得第一预设数量阈值与当前关键范围内的线路分布类型相适配，以更好的确定缺陷是否为关键缺陷。
本方案这样设置的好处是可以在关键范围确定之后，结合关键范围内的线路的分布，确定第一预设数量阈值，基于此来对当前关键范围内是否存在关键缺陷进行识别。本方案这样设置，可以根据各个关键范围内的线路分布的差异，进行差异化处理，避免按照统一的第一预设数量阈值造成识别结果的准确性受限的问题。
实施例三
图3是本申请实施例三提供的晶圆中关键缺陷的预测方法的流程示意图。如图3所示，具体包括如下步骤：
步骤S301，获取晶圆制造过程中当前层的区域划分数据；
区域划分数据可以是由晶圆制造厂商来提供的，也可以是根据实际的晶圆生产情况来进行划分的。例如对于晶圆生产过程中，当前层的划分，可以试依据固定的长和宽来划分的。
步骤S302，将线路分布超过设定分布数量阈值的区域，确定为目标区域；
例如，可以理解的，在区域划分之后，可以针对每个区域，确定当前区域内的线路分布数量。此处的线路分布数量可以是经过当前区域的线路的个数。在确定线路分布数量之后，可以结合预先确定的设定分布数量阈值，来确定当前区域的线路分布数量是否超过该阈值，如果超过，就可以将当前区域设定为目标区域。
步骤S303，从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；
步骤S304，若根据所述缺陷位置信息识别到落入所述目标区域的缺陷数量超过第二预设数量阈值，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
其中，第二预设数量阈值可以是0，那么在目标区域中只要存在缺陷，就可以确定为该区域存在关键缺陷。另外，第二预设数量阈值还可以是0以外的其他值，具体的可以根据目标区域的线路数量来确定。
本方案通过这样的设置，可以基于预先划分好的区域，来确定目标区域，即线路足够多的区域确定为目标区域，再识别目标区域内是否存在缺陷，或者缺陷数量是否达到设定阈值，如果超过，则可以确定目标区域存在关键缺陷。
在本申请的一些实施例中，在获取晶圆制造过程中当前层的区域划分数据之后，所述方法还包括：
将线路分布超过设定分布密度阈值的区域，确定为目标区域。
其中，除了确定分布数量之外，还可以结合目标区域的面积，确定目标区域内线路的分布密度，如果线路的分布密度大于设定分布密度阈值，可以确定为存在目标区域。
可以理解的，线路的分布密度，可以是根据多个线路的总长度与区域的面积来确定，还可以是根据多个线路的总覆盖面积与区域的面积来确定。
本方案这样设置的好处是可以从密度的维度来进行目标区域的确定，可以在得到目标区域的线路数量之外，进行更多维度的考察，提高目标区域确定的合理性，以及关键缺陷的识别结果的准确度。
实施例四
图4是本申请实施例四提供的晶圆中关键缺陷的预测装置的结构示意图。如图4所示，具体包括如下：
层描述文件获取模块410，用于获取晶圆制造过程中当前层的层描述文件；
路线位置信息读取模块420，用于读取所述层描述文件中的当前层的线路位置信息；
缺陷位置信息读取模块430，用于从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；
预测模块440，用于若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
本申请实施例中的晶圆中关键缺陷的预测装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的晶圆中关键缺陷的预测装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为iOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的晶圆中关键缺陷的预测装置能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
实施例五
此外，本申请实施例还提供了一种计算机设备，图5是本申请实施例五提供的计算机设备的结构示意图。该设备的结构如图5所示，所述设备包括用于存储计算机可读指令的存储器51和用于执行计算机可读指令的处理器52，其中，当该计算机可读指令被该处理器执行时，触发所述处理器执行所述的方法。
本申请实施例中的方法和/或实施例可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在该计算机程序被处理单元执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图或框图示出了按照本申请各种实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的针对硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本申请实施例还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个计算机可读指令，所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案的步骤。
在本申请一个典型的配置中，终端、服务网络的设备均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类别的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
此外，本申请实施例还提供了一种计算机程序，所述计算机程序存储于计算机设备，使得计算机设备执行所述控制代码执行的方法。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (10)
1.一种晶圆中关键缺陷的预测方法，其特征在于，所述方法包括：
获取晶圆制造过程中当前层的层描述文件；
读取所述层描述文件中的当前层的线路位置信息；
从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；
若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
2.根据权利要求1所述的方法，其特征在于，在从所述晶圆制造过程输出的信息数据中读取缺陷位置信息之后，所述方法还包括：
根据所述信息数据，确定每个缺陷的尺寸信息和/或形状信息；
相应的，若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息，包括：
根据所述缺陷位置信息、尺寸信息和/或形状信息以及所述线路位置信息，生成预测结果；
若预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
3.根据权利要求2所述的方法，其特征在于，根据所述缺陷位置信息、尺寸信息和/或形状信息以及所述线路位置信息，生成预测结果，包括：
根据所述缺陷位置信息、尺寸信息和/或形状信息以及所述线路位置信息，确定所述缺陷对所述线路的影响系数；
若所述影响系数超过设定系数阈值，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
4.根据权利要求1所述的方法，其特征在于，在从所述晶圆制造过程中输出的信息数据中读取缺陷位置信息之前，所述方法还包括：
获取晶圆制造过程中当前层的线路分布信息；
根据所述线路分布信息确定当前层的关键范围；
相应的，在从所述晶圆制造过程中输出的信息数据中读取缺陷位置信息之后，所述方法还包括：
若根据所述缺陷位置信息识别到落入所述关键范围内的缺陷数量超过第一预设数量阈值，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
5.根据权利要求4所述的方法，其特征在于，在根据所述线路分布信息确定当前层的关键范围之后，所述方法还包括：
识别所述关键范围内线路分布类型；
根据所述线路分布类型确定所述确定所述第一预设数量阈值。
6.根据权利要求1所述的方法，其特征在于，在从所述晶圆制造过程中输出的信息数据中读取缺陷位置信息之前，所述方法还包括：
获取晶圆制造过程中当前层的区域划分数据；
将线路分布超过设定分布数量阈值的区域，确定为目标区域；
相应的，在从所述晶圆制造过程中输出的信息数据中读取缺陷位置信息之后，所述方法还包括：
若根据所述缺陷位置信息识别到落入所述目标区域的缺陷数量超过第二预设数量阈值，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
7.根据权利要求6所述的方法，其特征在于，在获取晶圆制造过程中当前层的区域划分数据之后，所述方法还包括：
将线路分布超过设定分布密度阈值的区域，确定为目标区域。
8.一种晶圆中关键缺陷的预测装置，其特征在于，所述装置包括：
层描述文件获取模块，用于获取晶圆制造过程中当前层的层描述文件；
路线位置信息读取模块，用于读取所述层描述文件中的当前层的线路位置信息；
缺陷位置信息读取模块，用于从所述晶圆制造过程输出的信息数据中读取缺陷位置信息；
预测模块，用于若所述缺陷位置信息与所述线路位置信息存在重合关系，则预测所述晶圆中存在关键缺陷，并生成预测结果提示信息。
9.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；以及
存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如权利要求1-7中任意一项所述的晶圆中关键缺陷的预测方法。
10.一种计算机可读介质，其特征在于，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如权利要求1-7中任意一项所述的晶圆中关键缺陷的预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311267126.0A CN117497439A (zh) | 2023-09-27 | 2023-09-27 | 一种晶圆中关键缺陷的预测方法、装置、设备及可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311267126.0A CN117497439A (zh) | 2023-09-27 | 2023-09-27 | 一种晶圆中关键缺陷的预测方法、装置、设备及可读介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117497439A true CN117497439A (zh) | 2024-02-02 |
Family
ID=89667919
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311267126.0A Pending CN117497439A (zh) | 2023-09-27 | 2023-09-27 | 一种晶圆中关键缺陷的预测方法、装置、设备及可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117497439A (zh) |
-
2023
- 2023-09-27 CN CN202311267126.0A patent/CN117497439A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI608554B (zh) | 使用經程式化缺陷設定一晶圓檢查流程 | |
| CN106971953B (zh) | 制造制程中的误差检测方法 | |
| JP6529590B2 (ja) | ウェハにおける臨界寸法問題及びパターン不良の干渉法を用いた予測及び制御 | |
| KR101910268B1 (ko) | 반도체 gp 예측 방법 및 시스템 | |
| CN111277695B (zh) | 一种数据校验方法及设备 | |
| CN115035475A (zh) | 供水管线实时监控方法、装置、电子设备及介质 | |
| JP2010034138A (ja) | パターン検査装置、パターン検査方法およびプログラム | |
| CN114485760B (zh) | 传感器校准方法、电子设备、介质及系统 | |
| CN110428764B (zh) | 显示面板检测方法 | |
| CN113466839B (zh) | 侧扫声呐海底线检测方法和装置 | |
| CN117390370A (zh) | 基于健康指数的机台预警方法、装置、设备及可读介质 | |
| CN117437455A (zh) | 一种晶圆缺陷模式的确定方法、装置、设备及可读介质 | |
| US7266233B2 (en) | System and method for measuring an object | |
| US7096086B2 (en) | Apparatus, method and program for generating a recipe for an inspection tool | |
| CN116989704B (zh) | 一种晶圆片表面平整度综合检测方法，系统及存储介质 | |
| CN117497439A (zh) | 一种晶圆中关键缺陷的预测方法、装置、设备及可读介质 | |
| CN115579304B (zh) | 晶圆检测方法、装置、计算机设备及可读存储介质 | |
| CN111739815A (zh) | 一种测量晶圆损伤深度的方法、系统及计算机存储介质 | |
| JP4755833B2 (ja) | 試料欠陥検査及び試料検査方法 | |
| CN110766649B (zh) | 自动修复系统的缺陷判别装置及方法 | |
| CN114895313A (zh) | 一种河道内管线的检测方法、装置、电子设备及存储介质 | |
| CN112540235B (zh) | 雷电预警阈值的修正方法与系统及预警评估方法与系统 | |
| CN112713113B (zh) | 倾斜角度预测方法及装置、设备监控方法、介质及设备 | |
| US20220180505A1 (en) | Optical end-pointing for integrated circuit delayering; systems and methods using the same | |
| CN117635528A (zh) | 一种晶圆缺陷的精准检测方法、装置、设备及可读介质 |
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 |