CN118103867A - Sem图像对准 - Google Patents

Sem图像对准 Download PDF

Info

Publication number
CN118103867A
CN118103867A CN202280068234.2A CN202280068234A CN118103867A CN 118103867 A CN118103867 A CN 118103867A CN 202280068234 A CN202280068234 A CN 202280068234A CN 118103867 A CN118103867 A CN 118103867A
Authority
CN
China
Prior art keywords
pattern
image
images
determining
correlation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280068234.2A
Other languages
English (en)
Inventor
M·库伊曼
J·范布利
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.)
ASML Holding NV
Original Assignee
ASML Holding NV
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 ASML Holding NV filed Critical ASML Holding NV
Priority claimed from PCT/EP2022/075369 external-priority patent/WO2023061678A1/en
Publication of CN118103867A publication Critical patent/CN118103867A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

一种确定多个数据集之间的偏移的方法,每个数据集表示在样品上形成的图案的采样区域,其中每个采样区域源自掩模图案的预定部分,该方法包括:检测数据集的噪声中的掩模图案的指纹;以及基于掩模图案的指纹确定偏移。

Description

SEM图像对准
相关申请的交叉引用
本申请要求于2021年10月11日提交的EP申请21202040.8和于2022年8月18日提交的EP申请22191076.3的优先权,其通过整体引用并入本文。
技术领域
本文的描述涉及图像对准领域,具体涉及扫描电子显微镜(SEM)图像对准。
背景技术
在集成电路(IC)的制造过程中,检查未完成或完成的电路部件以确保其根据设计制造且无缺陷。可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部件的物理尺寸持续缩小,并且它们的结构持续变得更加复杂,包括尺寸计量、缺陷检测和检查的计量过程中的精度和吞吐量变得更加重要。
为了完全分析样品的一部分的图像,有必要精确地知道在图像中表示的是器件图案的什么部分,例如使标称相同的图案的多个图像彼此对准。在样品上的图案的放置存在不确定性,并且在检查系统中的样品的放置存在不确定性,这两者结合在一起,会导致关于在显微镜图像中器件图案的确切显示部分的显著不确定性。通常,通过参考图像中的标识界标来解决这种不确定性。然而,这并不总是可能的。例如,在器件图案具有长度大于显微镜图像的尺寸的直线区域的情况下,必须添加界标,以便将该图案的图像在线的方向上对准。
发明内容
根据本发明的第一方面,提供了一种确定多个数据集之间的偏移的方法,每个数据集表示在样品上形成的图案的采样区域,其中每个采样区域源自掩模图案的预定部分,该方法包括:
检测数据集的噪声中的掩模图案的指纹;以及
基于掩模图案的指纹确定偏移。
根据本发明的第二方面,提供了一种检查方法,包括:
使用扫描电子显微镜以通过扫描一个或多个样品中的预定图案的多个拷贝来获得多个SEM图像;
提取多个SEM图像的每个SEM图像中的线的轮廓以获得多个线轮廓;确定线轮廓中的每个线轮廓的初始偏移集合;
基于线轮廓和初始偏移集合来计算平均轮廓;以及
迭代地计算使线轮廓中的每个线轮廓与平均轮廓之间的相关性最大化的改进的偏移集合,并更新平均轮廓。
根据本发明的第三方面,提供了一种对准图像的方法,包括:接收多个图像,图像中的每个图像包括样品的同一组特征的图像,特征已经通过利用使用掩模的光刻系统而被形成,其中所有特征是在图像中没有界标并且使用掩模的基本上相同的部分形成的平行线性特征,特征中的每个特征具有线边缘粗糙度,线边缘粗糙度包括由掩模产生的分量和随机分量;
分析图像以导出与由掩模产生的第一线边缘粗糙度分量相对应的数据;以及
基于导出的数据对准图像。
根据本发明的第四方面,提供一种计算机程序产品,其包括其上记录有指令的非暂态计算机可读介质,指令在由计算机或扫描电子显微镜的控制器执行时实现上述方法中的任一种方法。
根据本发明的第四方面,提供了一种系统,该系统包括:
扫描电子显微镜(SEM),被配置为用电子束扫描并产生图像;以及存储指令的非暂态机器可读介质,指令在由处理器执行时使得处理器与SEM协作以执行上述任何方法。
附图说明
从以下结合附图的描述中,本公开的实施例的其他优点将变得显而易见,在附图中通过图示和示例的方式阐述了本发明的某些实施例。
图1是图示了根据本公开的实施例的示例性电子束检查(EBI)系统的示意图。
图2是图示了根据本公开的实施例的示例性电子束工具的示意图,其可以是图1的示例性电子束检查系统的一部分。
图3是一个实施例的检查方法的流程图。
图4是一个实施例的对准方法的流程图。
图5是一组测试数据的图像对的成对对准的互相关与偏移的曲线图。
图6是在一次迭代之后,图像对的对准与ADI测试数据的平均轮廓的互相关与偏移的曲线图。
图7是在三次迭代之后,图像对的对准与ADI测试数据的平均轮廓的互相关与偏移的曲线图。
图8是在一次迭代之后,图像对的对准与AEI测试数据的平均轮廓的互相关与偏移的曲线图。
图9是在五次迭代之后,图像对的对准与AEI测试数据的平均轮廓的互相关与偏移的曲线图。
图10是测试数据的功率谱密度的曲线图。
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。以下描述参考附图,其中不同附图中的相同数字表示相同或类似的元件,除非另有说明。在示例性实施例的以下描述中阐述的实现不代表所有实现。相反,它们仅仅是与如所附权利要求中所述的与所公开的实施例相关的各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。可以类似地应用其它类型的带电粒子束。此外,可以使用其它成像系统,诸如光学成像、光探测、x射线探测等。
电子器件由在称为衬底的硅片上形成的电路构成。许多电路可以一起形成在同一硅片上,并且被称为集成电路或IC。这些电路的尺寸已经显著减小,使得它们中的许多可以安装在衬底上。例如,智能电话中的IC芯片可以小至拇指甲并且还可以包括超过20亿个晶体管,每个晶体管的尺寸小于人发尺寸的1/1000。制造这些极小的IC是复杂、耗时且昂贵的过程,通常涉及数百个单独的步骤。甚至一个步骤中的错误都有可能导致成品IC中的缺陷,从而使其无用。因此,制造过程的一个目标是避免这种缺陷,以使过程中制造的功能IC的数量最大化,即,提高过程的总产率。
提高产率的一个组成部分是监控芯片制造过程以确保其生产足够数目的功能集成电路。监控该过程的一种方式是在芯片电路结构形成的各个阶段检查芯片电路结构。可以使用扫描电子显微镜(SEM)执行检查。SEM可用于成像这些极小的结构,实际上,拍摄这些结构的“照片”。该图像可用于确定该结构是否被正确地形成以及它是否在正确的位置形成。如果该结构是有缺陷的(例如,错误的形状,尺寸或位置),则可以调整该过程,使得缺陷不太可能复发。希望缺陷检测和检查过程具有更高的吞吐量以满足IC制造商的要求。
一些待检查的结构包括大面积的简单重复图案,诸如平行线。平行线的区域可以是存在于最终器件中的互连层的一部分。还有一些特征在两步过程中形成,其中连续的平行线在一个步骤中形成,然后在第二步骤中“切割”以形成较短的线。因此,连续的平行线不会留存在成品中,但是仍然需要在切割它们之前检查它们。平行线的这些区域可以大于检查工具的视场,使得由检查工具输出的图像由跨图像延伸的一系列平行线组成。通常,这些线将平行于图像的侧边(例如,在X或Y方向上延伸),但也可以是对角线。
由于图案在样品上的放置和样品在检查系统中的放置的不确定性以及在由直线、平行线组成的图像中缺少任何标识界标,可能难以准确地确定设备图案的什么部分已经被成像并且难以将多个图像在线的方向上对准。准确地知道图案的什么部分已经被成像并且精确地对准不同样品的多个图像对于正确地诊断印刷图案中的任何变化的原因是重要的。
本文中的公开内容尤其描述用于使多个SEM图像彼此对准且由此确定图案的经成像部分与用于形成经成像部分的掩模之间的关系的方法及系统。发明人已经认识到,图像中的特征的形状的变化(其可以被称为“噪声”)来源于若干源。噪声源可以包括:掩模;将光致抗蚀剂曝光到掩模图案的光刻步骤;被执行以使光致抗蚀剂显影的化学过程;将图案转印到衬底中的化学或物理过程,例如,蚀刻过程(其中检查是在图案转印步骤之后);以及成像过程。本发明人已经认识到,来自光刻步骤、化学过程和成像的噪声是高度随机的(随机的),并且在源自不同样品的图像之间是不同的,但是由掩模引起的噪声在图像之间是相当一致的,因为它源自掩模上的图案中的微小变化,该微小变化不随时间变化或仅非常缓慢地变化。因此,本公开描述了用于比较多个图像以找到噪声中的掩模的“指纹”并由此将图像彼此对准并与掩模对准的数学方法。
现参看图1,其图示了根据本公开实施例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可以包括主室101、装载/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。虽然描述和附图针对电子束,但是应当理解,这些实施例不用于将本公开限制为特定的带电粒子。本文所述的方法可应用于从任何形式的显微镜(包括光学显微镜)得到的图像。
EFEM 106可包括第一装载端口106a和第二装载端口106b。EFEM 106可包括附加的(多个)装载端口。第一装载端口106a和第二装载端口106b接纳晶片前开式传送盒(FOUP),该晶片前开式传送盒包含待被检查的晶片(例如,半导体晶片或由(多种)其他材料制成的晶片)或样品(晶片和样品可互换使用)。
EFEM 106中的一个或多个机械臂(未示出)可以将晶片传送到装载/锁定室102。装载/锁定室102连接到装载/锁定真空泵系统(未示出),其去除装载/锁定室102中的气体分子以达到低于大气压力的第一压力。在达到第一压力之后,一个或多个机械臂(未示出)可以将晶片从装载/锁定室102传送到主室101。主室101连接到主室真空泵系统(未示出),其去除主室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,晶片经受电子束工具104的检查。电子束工具104可以是单束系统或多束系统。
控制器109电连接到电子束工具104,并且也可以电连接到其它部件。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。尽管控制器109在图1中示出为在包括主室101、装载/锁定室102和EFEM 106的结构的外部,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(未示出)。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各项的任何组合:中央处理单元(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)核心、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)和能够数据处理的任何类型电路。处理器还可以是虚拟处理器,其包括跨经由网络耦合的多个机器或设备分布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(未示出)。存储器可以是能够存储可由处理器(例如,经由总线)访问的代码和数据的通用或专用电子设备。例如,存储器可以包括任意数目的以下各项的任意组合: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、紧凑闪存(CF)卡或任意类型的存储设备。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”)。存储器还可以是虚拟存储器,其包括跨经由网络耦合的多个机器或设备分布的一个或多个存储器。
现在参考图2,其示出了根据本公开的实施例的示例性成像系统200。图2的电子束工具104可以被配置用于EBI系统100中。电子束工具104可以是单束装置或多束装置。如图2所示,电子束工具104可以包括电动样品台201,以及由电动样品台201支撑的晶片保持器202,以保持晶片203作为待被检查的样品的示例。电子束工具104还可以包括物镜组件204、电子检测器206(其包括电子传感器表面206a和206b)、物镜孔径208、会聚透镜210、射束限制孔径212、枪孔径214、阳极216和阴极218。在一些实施例中,物镜组件204可以包括改进的摆动物镜延迟浸没透镜(SORIL),其包括极片204a、控制电极204b、偏转器204c和激励线圈204d。
通过在阳极216和阴极218之间施加加速电压,从阴极218发射初级电子束220。初级电子束220通过枪孔径214和射束限制孔径212,两者都可以确定进入会聚透镜210的电子束的尺寸,会聚透镜210位于射束限制孔径212之下。会聚透镜210在射束进入物镜孔径208之前聚焦初级电子束220,以在进入物镜组件204之前设定电子束的尺寸。偏转器204c偏转初级电子束220,以便于在晶片上进行射束扫描。例如,在扫描过程中,可以控制偏转器204c以在不同的时间点将初级电子束220顺序地偏转到晶片203的顶表面的不同位置上,以提供用于晶片203的不同部分的图像重建的数据。而且,偏转器204c也可以被控制以在不同的时间点将初级电子束220偏转到在特定位置处的晶片203的不同侧面上,以提供用于在该位置处的晶片结构的立体图像重建的数据。此外,在一些实施例中,阳极216和阴极218可以产生多个初级电子束220,并且电子束工具104可以包括多个偏转器204c以将多个初级电子束220同时投射到晶片的不同部分/侧面,以提供用于晶片203的不同部分的图像重建的数据。
在许多情况下,SEM的(多个)电子束以二维光栅图案被跨样品扫描。光栅图案包括在第一方向上的缓慢移动和在第二方向上的快速移动。第二方向垂直于或几乎垂直于第一方向。第一方向可以称为主扫描方向或慢扫描方向,而第二方向称作为副扫描方向或快扫描方向。除非另有说明,这里所指的扫描方向是快速扫描方向。也可以通过载物台移动机械地执行扫描,或通过机械扫描和由偏转器进行的扫描的组合来执行扫描。例如,慢扫描可以通过载物台移动来执行,而快扫描可以通过偏转器来执行。
激励线圈204d和极片204a产生在极片204a的一端开始并在极片204a的另一端终止的磁场。被初级电子束220扫描的晶片203的一部分可以浸入磁场中并且可以被充电,这又转而产生电场。电场在初级电子束220与晶片203碰撞之前降低了初级电子束220在晶片203表面附近的撞击能量。与极片204a电隔离的控制电极204b控制晶片203上的电场,以防止晶片203的微弧并确保适当的射束聚焦。
当接收到初级电子束220时,可以从晶片203的该部分发射次级电子束222。次级电子束222可以包括次级电子、背散射电子和由晶片203发射的其它电子,如下所述。次级电子束222可以在电子检测器206的传感器表面206a和206b上形成束斑。电子检测器206可以产生表示束斑强度的信号(例如,电压、电流等),并将该信号提供给图像处理系统250。次级电子束222的强度和所产生的束斑可根据晶片203的外部或内部结构而变化。此外,如上所述,初级电子束220可以被投射到晶片顶表面的不同位置上或特定位置处的晶片的不同侧面上,以产生不同强度的次级电子束222(以及所产生的束斑)。因此,通过映射束斑的强度与晶片203的位置,处理系统可以重建反映晶片203的内部或表面结构的图像。
如上所述,成像系统200可用于检查样品台201上的晶片203,并包括电子束工具104。成像系统200还可以包括图像处理系统250,图像处理系统250包括图像获取器260、存储装置270和控制器109。图像获取器260可以包括一个或多个处理器。例如,图像获取器260可包括计算机、服务器、大型机主机、终端、个人计算机、任何类型的移动计算设备等,或其组合。图像获取器260可以通过诸如电导体、光缆、便携式存储介质、IR、蓝牙、互联网、无线网络、无线电或其组合的介质与电子束工具104的检测器206连接。图像获取器260可以从检测器206接收信号并且可以构造图像。因此,图像获取器260可以获取晶片203的图像。图像获取器260还可以执行各种后处理功能,诸如生成轮廓、在所获取的图像上叠加指示符等。图像获取器260可以执行对所获取图像的亮度和对比度等的调节。存储装置270可以是诸如硬盘、云存储装置、随机存取存储器(RAM)、其它类型的计算机可读存储器等的存储介质。存储装置270可以与图像获取器260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和后处理的图像。图像获取器260和存储装置270可以连接到控制器109。在一些实施例中,图像获取器260、存储装置270和控制器109可以集成在一起作为一个控制单元。
在一些实施例中,图像获取器260可以基于从检测器206接收的成像信号来获取样品的一个或多个图像。成像信号可以对应于用于进行带电粒子成像的扫描操作。所获取的图像可以是包括多个成像区域的单个图像。单个图像可以存储在存储装置270中。单个图像可以是可被划分为多个区域的原始图像。每个区域可以包括一个包含晶片203的特征的成像区域。
在一些实施例中,SEM图像可以是由初级电子束220沿单一扫描方向在晶片203上进行的单次扫描而产生的单个SEM图像。在一些实施例中,SEM图像可以是通过平均多个SEM图像而产生的第一平均SEM图像,每个SEM图像由初级电子束220沿着相同的扫描方向在晶片203上进行单次扫描而产生。本公开的实施例不限于通过任何特定方法生成的任何特定SEM图像,并且所公开的方法和系统可应用于包括但不限于本文的示例的SEM图像。
如上所述,本公开提供了一种对准包括线的目标图案的多个图像以便分解这种线图案的功率谱密度(PSD)而不使用具有对准特征的特殊掩模的方法。公开了可被最大化以确定图像的相对位移的等式。该方程可以迭代方式被有效地求解。最大值是明确定义的,并且可以被获得。最大值可以直接用于分解,因此精确的正确位移值对于分解不是关键的。
图3示出了一个实施例的检查方法。在步骤S301中,对样品或多个样品进行成像以获得多个样品图像。每个样品在其上具有使用相同掩模(或掩模版)形成的图案。该图案包括比样品图像大的平行直线区域。每个样品可以具有图案的多个副本,在这种情况下,可以获取每个样品的多个样品图像。确定图像的位置,使得尽可能地从掩模的相同预定部分获得每个图像。可以使用如上参考图1和图2所述的扫描电子显微镜、另一种类型的扫描电子显微镜(诸如多束SEM)或光学显微镜执行成像。图像可以在显影(AI)之后或图案转印之后获得。理想地,在显影之后和图案转印之后获得相同图案位置的图像。
在步骤S302中,通过参考所有图像共有的掩模噪声将多个样品图像彼此对准。如下面进一步讨论的,可以通过各种数学技术来执行对准,这些数学技术寻找多个图像之间的相关性并确定图像之间的偏移。在大多数情况下,可以假设图像位置的不确定性小于线之间的间隔,从而仅需要确定线方向上的偏移。可以使用基于偏移的初始估计的迭代方法。
对对准图像后,可以分解图像中的噪声以确定其来源。这在步骤S303中完成。在步骤S304中,在期望的情况下采取补救动作。补救动作可以包括以下中的一项或多项:调整光刻过程的参数、调整图案转印过程的参数;调整成像过程的参数;维修或更换掩模;重新加工样品;以及废弃样品。具有调整的参数的过程可以是随后应用于已被成像的样品的过程(例如,使得在已被检查的层之后的层中引入补偿变化),或者是应用于随后的样品以提高吞吐量和/或产率的过程。
按源分解误差贡献的一个示例(步骤S303)是将位于图像k中的目标部分(例如,管芯)j中的线i的位移yijk(x)的方差分解为源自掩模、随机(散粒)噪声和成像(SEM)噪声的贡献。本发明可以应用于线性特征的一个或两个边缘,或者应用于两个边缘的中心线或平均值。在图像包含多条线的情况下,本发明可以共同地或独立地应用于图像中的一条或多条线。可以使用任何合适的算法来执行轮廓提取以标识边缘。专门适用于从SEM图像中提取边缘的各种算法在本领域中是已知的,并且可以基于局部或全局阈值;例如,最大梯度检测或自参考算法。使用机器学习技术的方法也是可能的。
所边缘放置的变型可以表示为:
其中是边缘的平均y位置,/>是掩模贡献,/>是随机噪声贡献,并且/>是成像贡献。
为了简单起见,假设数据集中的所有图像都来源于相同的掩模位置。这意味着管芯j和图像k一起确定图像。图像可以来源于如下样品,该样品在抗蚀剂已经被显影使得掩模图案在抗蚀剂中可检测之后或者在图案已经通过(诸如蚀刻)过程步骤转印到衬底之后已经被扫描。通过将本发明应用于从图案转印之前和图案转印之后的样品得到的图像,关于由图案转印步骤引入的噪声的信息可以是相同的。图像不需要从图案转印前和图案转印后的相同样品得到。
这里非常一般性地定义了抗蚀剂中的随机效应或散粒噪声。它们包括由在曝光,显影和蚀刻期间发生的物理和化学过程的不确定性质引起的所有可能的影响。抗蚀剂中的随机效应包括光子散粒噪声和酸噪声。光子散粒噪声是曝光区域吸收的光子量的不确定性。酸噪声是由一个光子产生的酸的量的不确定性。在EUV光刻中,局部接收的光子和局部产生的酸的相对变化是显著的,并导致显影图案的最终尺寸的显著变化。
我们假设线的期望值为零,即,如果不是,那么可以从y(x)减去平均值以使其成为可能。此外,我们将自协方差函数定义为:
假设这仅取决于距离Δx。然后将功率谱密度定义为
我们的目标将S(ω)和r(Δx)分解为掩模、随机噪声和成像贡献。
在方差分析(ANOVA)方法之后,应用如Montgomery,D.C.,“Design and Analysisof Experiment”,John Wiley&Sons,Inc.(2009)中所述的线性嵌套模型,r(Δx)的掩模、随机噪声和成像贡献可以用均方表示为:
MCmask(Δx)=r(Δx)SEM+Sr(Δx)SN+MSr(Δx)mask (4)
MCSN(Δx)=r(Δx)SEM+Sr(Δx)SN (5)
MCSEM(Δx)=r(Δx)SEM (6)
其中MC是平均协方差,S是相同样品(例如,晶片)位置处的图像数目,M是测量掩模的相同部分处的样品区域(例如,管芯)的数目,并且SN是散粒噪声。
对于均方,我们在这里明确地包括图像的对准。每个图像相对于任意参考具有单个移位dj,k。发现对于成像均方有:
等效地,我们发现对于随机噪声均方有:
现在,第二项是相同掩模位置处的图像组的平均值的乘积。
最后,掩模均方写为:
图像(<yijk(x-dj,k)>i)中所有线位移的平均值为0,因为图像中没有固定参考。因此第二项消失。
由于傅立叶变换是线性运算,因此可以通过对上述等式进行傅立叶变换来获得Sc(ω)的分量的等式:
其中
其中表示的是MC的傅立叶变换。
因此,根据均方的表达式,我们需要计算单个图像中的轮廓方差、图像对上的均值以及所有图像上的均值,以确定Sc(ω)的分解。为此,我们需要图像位移dj,k
现在将描述执行图像的对准(步骤S302)并由此确定图像位移dj,k的方法。概括地说,为了找到图像对之间的移位,应该找到与图像之间的最大相关性相对应的移位值。为此,应该最大化两个图像的轮廓波动之间的协方差。注意,还存在具有归一化傅立叶变换(相位相关)的变体。
对于单个掩模位置,我们具有多个图像,并且因此我们在图像对的移位之间具有一致性关系。每个图像相对于黄金参考具有单个移位dj,k,并且图像之间的移位随之而来。这意味着存在比图像对更少的未知数,这增加了信噪比。如果已获得ADI和AEI图像两者,则一旦已优化相同掩模位置处的ADI图像之间和AEI图像之间的移位,就可相对于AEI图像的平均值对准ADI图像的平均值。同样,仅有一个可能的移位,并且因此改善信噪比。
为了获得移位,我们使上述等式中的图像组的均值的方差在Δx上的积分最大化。首先,对于相同晶片位置处的每一组图像的平均值,有以下等式:
其中/>是傅立叶变换运算符(注意方括号表示F是运算符)并且/>是傅立叶逆变换运算符。
注意,该等式包含图像本身的项。然而,所得到的图像与自身的相关性与图像相对于参考的移位无关,并且这些术语不改变最佳值dj,k。因此只有交叉项做出贡献,并且我们只有一个这样的项(因为我们具有两个图像的组)。因此,该等式等效于两个图像的对准。可以使用单个FFT获得解。注意,图像放置没有绝对参考;仅发现相对位移dj,1-dj,2
下一步是考虑在相同掩模位置处获得的所有图像的平均值。我们发现
虽然等式(17)仅具有一个未知数,并且因此可以由单个FFT求解,但是等式(18)具有许多未知数。等式(18)可以被写为图像之间的逆傅立叶变换的和,其可以用FFT快速计算。然而,这些逆傅立叶变换是噪声、尖峰信号,因此对于使用导数的算法来说,数值优化是困难的。如果针对所有可能的(离散的)dj,k计算目标函数,则这是离散优化问题。已知离散优化问题是NP-hard(至少存储器使用量随变量的量呈指数增长),并且因此如果图像的数目很大,则该方法可能涉及过多的计算时间和资源。
此外,等式(18)还包括图像组的平均值之间的相关性,即,等式(17)中考虑的相关性。应当注意,两组之间的相关性比相同掩模位置处的图像之间的相关性强得多。这可能在数值优化中产生问题。
为了克服由组之间的相关性引起的问题,提出了仅对两个图像的共同移位进行优化,而不优化对中的内部移位。我们首先改变变量:dj,k是每个图像对的移位和一对图像之间的移位之和,所以然后利用第一方程优化/>并在利用第二方程进行求解dj's时保持其不变。
为了克服过多计算时间和资源的问题,使用迭代方法。可以获得针对所有dj’s的合理良好的初始猜测。现在,我们仅相对于一个dj最大化,因此我们仅扰动Δdj。为了最大化,去掉所有独立于Δdj的项,则产生最大化:
这可以容易地用单个FFT来确定。由于可以迭代地存储和更新图像上的和,所以用于优化单个dj的计算负荷与图像的数目无关。如图4所示,该过程开始于确定S402所有线的初始偏移d_j并确定平均线S403。然后,获得使表达式(19)的值最大化的第一条线的偏移,保持所有其它的值不变(S404),并且更新平均线(S405)。在步骤S406,检查是否满足终止标准,如果不满足,则对下一条线重复步骤S404和S405。在处理完所有的线之后,循环再次以第一条线开始。即使当已经处理了线,最大化表达式(19)也可能导致更新的偏移,因为平均线将由于对其它线的偏移的更新而改变。终止标准可以包括所有线已经被处理了一定次数,例如2到5次,或者最新迭代的偏移变化小于阈值。因此,该方法的计算负荷与图像数目(自由度)成线性比例,并且减少了存储器使用量。该方法的可能的变化是保持平均线不变,直到所有的线已经被处理,然后更新它,但是该方法有时不收敛于稳定的解。
对dj’s的合理良好的初始猜测源自SEM本身的硬件对准质量的知识。如果这不够充分,则可改为执行相对于第一图像的成对对准。注意,只要大多数图像被相当好地对准,意外的对准不良就不是严重的。
上述示例性过程基于从由SEM输出的像素编码图像中提取的轮廓线,然而,也可以基于图像的全部或部分的像素值来执行该方法。如果掩模噪声水平与随机噪声水平相比是低的,则可能需要更多数目的图像来实现足够的信噪比。在平行于线性特征的方向上的对准过程之前,希望在垂直于线性特征的方向上对准图像。
图5至图10示出了根据一个实施例的对准方法的结果。图5示出了作为偏移的函数的、从测试晶片获得的ADI和AEI图像的试验数据集中的图像对之间的互相关。可以看出,对于所有图像对,存在比背景噪声大得多的单个强峰值,但具有不同的偏移值。数据集包含AEI和ADI图像,其中ADI图像显示较高和较窄的相关峰。
图6至图9示出了各个图像与平均轮廓的互相关。在图6中,示出了对于18个ADI图像的第一次迭代的结果,而图7示出了三次迭代之后的结果,示出了快速的改进。图8和图9分别示出了在一次和五次迭代之后18个AEI图像的结果。每次迭代需要对所有图像对进行连续对准,因此在图中示出了9条线。
图10示出了在执行对准过程之后将噪声分解成不同源的结果。可以看出,源自SEM的随机(散粒)噪声在高频处占主导,但是在较低频率处,掩模和抗蚀剂噪声更重要。
本文公开的对准方法也可以用于其它目的,例如,将重叠图像缝合在一起。
本文所述的方法和系统可有利地应用于关键尺寸(CD)和/或关键尺寸均匀性(CDU)的测量。测量可在显影后(称为显影后检查或ADI)或蚀刻后(蚀刻后检查或AEI)进行。可以进行测量以定位极端变化以及确定诸如标准偏差的统计测量。
通过本文所述的方法和系统对准的图像适合作为方差分析(ANOVA)过程的输入,以便将方差分解为例如掩模上的可变性、由于光子和酸散粒噪声引起的可变性以及SEM测量噪声。本文所述的方法可以通过精确地对准图像来改善ANOVA技术的结果,而不需要引入缺陷或其他界标来对准图像。界标可以包括线的方向变化、线的间隙、线的末端或线与其它特征的交叉。
为了清楚起见,附图中部件的相对尺寸可以改变。在以下附图说明中,相同或相似的附图标记表示相同或相似的部件或实体,并且仅描述关于各个实施例的区别。
如本文所用,除非另外具体说明,否则术语“或”涵盖所有可能的组合,除非不可行。例如,如果指出部件可包括A或B,则除非另外特别指出或不可行,该部件可包括A或B、或A和B。作为第二个示例,如果指出部件可以包括A、B或C,那么,除非特别指出或不可行,部件可以包括A、或B、或C、或A和B、或A和C、或B和C、或A和B和C。
可提供一种非暂态计算机可读介质,其存储用于控制器的处理器的指令以执行图像检查、图像获取、激活带电粒子源、调整消像散器的电激励、调整电子的着陆能量、调整物镜激励、调整次级电子检测器位置及定向、载物台运动控制、分束器激励、将扫描偏转电压施加到射束偏转器、接收及处理与来自电子检测器的信号信息相关联的数据、配置静电元件、检测信号电子、调整控制电极电位、调整施加到电子源、提取器电极及样品的电压等。非暂态介质的常见形式包括(例如)软盘、柔性盘、硬盘、固态驱动器、磁带或任何其它磁性数据存储介质、光盘只读存储器(CD-ROM)、任何其它光学数据存储介质、具有孔图案的任何物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)和可擦除可编程只读存储器(EPROM)、FLASH-EPROM或任何其它闪存、非易失性随机存取存储器(NVRAM)、高速缓存、寄存器、任何其它存储芯片或盒式存储器以及它们的联网版本。
在以下编号的条款中描述了本发明的示例性实施例:
1.一种确定多个数据集之间的偏移的方法,每个数据集表示在样品上形成的图案的采样区域,其中每个采样区域源自掩模图案的预定部分,所述方法包括:
检测所述数据集的噪声中的所述掩模图案的指纹;以及
基于所述掩模图案的所述指纹确定偏移。
2.根据条款1所述的方法,其中检测所述掩模图案的指纹包括针对不同的试验偏移值确定所述数据集之间的相关性。
3.根据条款2所述的方法,其中确定相关性包括确定数据集对与平均数据集之间的相关性。
4.根据条款2或3所述的方法,其中确定相关性包括使用快速傅立叶变换。
5.根据条款2、3或4所述的方法,其中确定相关性是迭代过程。
6.根据前述条款中任一项所述的方法,其中所述掩模图案的所述指纹由所述掩模图案中的噪声产生。
7.根据前述条款中任一项所述的方法,其中所述掩模图案包括跨所述采样区域延伸的一系列连续的平行线。
8.根据条款6所述的方法,其中所述数据集表示所述采样区域中的所述连续的平行线的轮廓。
9.根据前述条款中任一项所述的方法,还包括基于所述偏移分解所述数据集中的噪声。
10.根据前述条款中任一项所述的方法,其中所述数据集中的至少一个数据集表示在衬底上的抗蚀剂中形成的图案或已经转印到所述衬底中的图案。
11.根据前述条款中任一项所述的方法,其中所述数据集中的至少一个数据集表示在衬底上的抗蚀剂中形成的图案,并且所述数据集中的至少另一个数据集表示已经转印到所述衬底中的图案。
12.根据条款11所述的方法,还包括基于表示在衬底上的抗蚀剂中形成的图案的数据集和表示已经转印到所述衬底中的图案的数据集以及所述偏移来确定图案转印过程的特性。
13.一种检查方法,包括:
使用扫描电子显微镜以通过扫描一个或多个样品中预定图案的多个拷贝来获得多个SEM图像;
提取所述多个SEM图像中的每个SEM图像中的线的轮廓以获得多个线轮廓;
确定所述线轮廓中的每个线轮廓的初始偏移集合;
基于所述线轮廓和所述初始偏移集合来计算平均轮廓;以及
迭代地计算使所述轮廓线中的每个轮廓线与所述平均轮廓之间的相关性最大化的改进的偏移集合,并更新所述平均轮廓。
14.根据条款13所述的方法,其中确定初始偏移集合是基于对所述扫描电子显微镜的知识。
15.根据条款13所述的方法,其中确定初始偏移集合包括确定所述线轮廓中的被选择的线轮廓与所述线轮廓中的每个其他线轮廓之间的偏移。
16.根据条款13、14或15所述的方法,其中迭代地计算包括针对所述线轮廓中的每个线轮廓进行2到5次迭代。
17.一种对准图像的方法,包括:
接收多个图像,所述图像中的每个图像包括样品的同一组特征的图像,所述特征已经通过利用使用掩模的光刻系统而被形成,其中所述特征中的所有特征是在所述图像中没有界标并且使用所述掩模的基本上相同的部分形成的平行线性特征,所述特征中的每个特征具有线边缘粗糙度,所述线边缘粗糙度包括由所述掩模产生的分量和随机分量;
分析所述图像以导出与由所述掩模产生的第一线边缘粗糙度分量相对应的数据;以及
基于导出的所述数据来对准所述图像。
18.一种计算机程序产品,包括其上记录有指令的非暂态计算机可读介质,所述指令在由计算机或扫描电子显微镜的控制器执行时实现上述条款中任一项所述的方法。
19.一种系统,包括:
扫描电子显微镜(SEM),被配置为用电子束扫描并产生图像;以及
存储指令的非暂态机器可读介质,所述指令在由处理器执行时使所述处理器与所述SEM协作以执行条款1至17中任一项所述的方法。
应了解,本发明的实施例不限于上文已描述且在附图中说明的确切构造,且可在不脱离本发明的范围的情况下作出各种修改和改变。已经结合各种实施例描述了本公开,考虑到本文公开的本发明的说明书和实践,本发明的其它实施例对本领域技术人员将是显而易见的。说明书和实施例仅被认为是示例性的,本发明的真实范围和精神由所附权利要求指示。
以上描述旨在说明而非限制。因此,对于本领域的技术人员显而易见的是,在不脱离以下阐述的权利要求的范围的情况下,可以如所描述的进行修改。

Claims (15)

1.一种确定多个数据集之间的偏移的方法,每个数据集表示在样品上形成的图案的采样区域,其中每个采样区域源自掩模图案的预定部分,所述方法包括:
检测所述数据集的噪声中的所述掩模图案的指纹;以及
基于所述掩模图案的所述指纹确定偏移。
2.根据权利要求1的方法,其中检测所述掩模图案的指纹包括针对不同的试验偏移值确定所述数据集之间的相关性。
3.根据权利要求2的方法,其中确定相关性包括确定数据集对和平均数据集之间的相关性。
4.根据权利要求2的方法,其中确定相关性包括使用快速傅立叶变换。
5.根据权利要求2的方法,其中确定相关性是迭代过程。
6.根据前述权利要求中任一项的方法,其中所述掩模图案的所述指纹由所述掩模图案中的噪声产生。
7.根据前述权利要求中任一项的方法,其中所述掩模图案包括跨所述采样区域延伸的一系列连续的平行线。
8.根据权利要求6的方法,其中所述数据集表示所述采样区域中的所述连续的平行线的轮廓。
9.根据前述权利要求中任一项的方法,还包括基于所述偏移分解所述数据集中的噪声。
10.根据前述权利要求中任一项的方法,其中所述数据集中的至少一个数据集表示在衬底上的抗蚀剂中形成的图案或已经转印到所述衬底中的图案。
11.根据前述权利要求中任一项的方法,其中所述数据集中的至少一个数据集表示在衬底上的抗蚀剂中形成的图案,并且所述数据集中的至少另一个数据集表示已经转印到所述衬底中的图案。
12.根据权利要求11的方法,还包括基于表示在衬底上的抗蚀剂中形成的图案的数据集和表示已经转印到所述衬底中的图案的数据集以及所述偏移来确定图案转印过程的特性。
13.一种检查方法,包括:
使用扫描电子显微镜以通过扫描一个或多个样品中的预定图案的多个拷贝来获得多个SEM图像;
提取所述多个SEM图像的每个SEM图像中的线的轮廓以获得多个线轮廓;
确定所述线轮廓中的每个线轮廓的初始偏移集合;
基于所述线轮廓和所述初始偏移集合来计算平均轮廓;以及
迭代地计算使所述轮廓线中的每个轮廓线与所述平均轮廓之间的相关性最大化的改进的偏移集合,并更新所述平均轮廓。
14.一种计算机程序产品,包括其上记录有指令的非暂态计算机可读介质,所述指令在由计算机或扫描电子显微镜的控制器执行时实现上述权利要求中任一项所述的方法。
15.一种系统,包括:
扫描电子显微镜SEM,被配置为用电子束扫描并产生图像;以及
存储指令的非暂态机器可读介质,所述指令在由处理器执行时使所述处理器与所述SEM协作以执行根据权利要求1至14中任一项所述的方法。
CN202280068234.2A 2021-10-11 2022-09-13 Sem图像对准 Pending CN118103867A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
EP21202040.8 2021-10-11
EP22191076 2022-08-18
EP22191076.3 2022-08-18
PCT/EP2022/075369 WO2023061678A1 (en) 2021-10-11 2022-09-13 Sem image alignment

Publications (1)

Publication Number Publication Date
CN118103867A true CN118103867A (zh) 2024-05-28

Family

ID=83004577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280068234.2A Pending CN118103867A (zh) 2021-10-11 2022-09-13 Sem图像对准

Country Status (1)

Country Link
CN (1) CN118103867A (zh)

Similar Documents

Publication Publication Date Title
TWI684921B (zh) 圖案檢查裝置及圖案檢查方法
US11720030B2 (en) Low dose charged particle metrology system
US8013301B2 (en) Measurement system and a method
KR20220165771A (ko) 하전 입자 빔 검사에서 다중 적층 구조를 위한 이미지 향상
WO2023280487A1 (en) Image distortion correction in charged particle inspection
EP4163869A1 (en) Sem image alignment
CN118103867A (zh) Sem图像对准
WO2023061678A1 (en) Sem image alignment
WO2022128694A1 (en) Training machine learning models based on partial datasets for defect location identification
EP4181168A1 (en) Aligning a distorted image
US20240005463A1 (en) Sem image enhancement
EP4148765A1 (en) Sem image enhancement
US20240062362A1 (en) Machine learning-based systems and methods for generating synthetic defect images for wafer inspection
WO2023194014A1 (en) E-beam optimization for overlay measurement of buried features
JP2024519662A (ja) フーリエ変換ベースレイアウトパターンの階層的クラスタ化
WO2024068280A1 (en) Parameterized inspection image simulation
EP4128313A1 (en) Image enhancement based on charge accumulation reduction in charged-particle beam inspection
WO2023110292A1 (en) Auto parameter tuning for charged particle inspection image alignment
WO2024099710A1 (en) Creating a dense defect probability map for use in a computational guided inspection machine learning model
WO2024022843A1 (en) Training a model to generate predictive data
WO2024083451A1 (en) Concurrent auto focus and local alignment methodology
TW202409751A (zh) 使用帶電粒子檢測設備的疊對量測方法及系統
CN117121064A (zh) 改进的带电粒子图像检测

Legal Events

Date Code Title Description
PB01 Publication