CN1646896A - 多检测器缺陷检测系统和用于检测缺陷的方法 - Google Patents
多检测器缺陷检测系统和用于检测缺陷的方法 Download PDFInfo
- Publication number
- CN1646896A CN1646896A CNA03808791XA CN03808791A CN1646896A CN 1646896 A CN1646896 A CN 1646896A CN A03808791X A CNA03808791X A CN A03808791XA CN 03808791 A CN03808791 A CN 03808791A CN 1646896 A CN1646896 A CN 1646896A
- Authority
- CN
- China
- Prior art keywords
- wafer cell
- attribute
- wafer
- value
- property value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 138
- 238000001514 detection method Methods 0.000 title claims abstract description 107
- 230000007547 defect Effects 0.000 title claims abstract description 46
- 230000004044 response Effects 0.000 claims abstract description 64
- 239000000758 substrate Substances 0.000 claims abstract description 22
- 230000002950 deficient Effects 0.000 claims description 54
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 230000010287 polarization Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims 2
- 235000012431 wafers Nutrition 0.000 description 147
- 238000000605 extraction Methods 0.000 description 23
- 239000008186 active pharmaceutical agent Substances 0.000 description 21
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 18
- 230000008569 process Effects 0.000 description 18
- 238000007689 inspection Methods 0.000 description 15
- 239000004065 semiconductor Substances 0.000 description 12
- 238000012360 testing method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000013078 crystal Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003760 hair shine Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002050 diffraction method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- -1 structure Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种用于检测基片缺陷的方法,包括:一种用于检测基片缺陷的方法,该方法包括下列步骤:(i)获得至少两个晶片单元检测信号(41、43、45、47);每个晶片单元检测信号反映了向不同方向散射的光;每个晶片单元检测信号具有一个晶片单元检测值;(ii)响应至少两个晶片单元检测信号,计算至少一个晶片单元属性值;取回至少一个参考晶片单元属性值,每个晶片单元属性值对应于一个参考晶片单元属性值;和(iii)确定至少一个参考晶片单元属性值、晶片单元属性值和至少一个阈值之间的关系,以指示是否存在缺陷。
Description
技术领域
本发明涉及多检测器缺陷检测系统和用于检测缺陷的方法,特别用于检测半导体器件的缺陷。
背景技术
当前对于和极大规模集成相关的高密度和高性能的需求要求亚微米特征,增加的晶体管和电路速率以及改进的可靠性。这样的需求要求器件特征的形成具有高精度和高度一致性,其要求仔细的工艺过程监控,包括当它们还是半导体晶片形式的时候,频繁和仔细地检测器件。
传统的工艺过程中监控技术采用两阶段“检测和检查(inspectionand review)”过程。在第一阶段,晶片表面以高速和相对较低的分辨率进行检测。第一阶段要生成一个缺陷图,其显示具有高缺陷概率的晶片上的疑似位置。在第二阶段,更仔细地分析疑似位置。检测过程的这两个阶段可通过相同的缺陷检测系统来实现,但这并不是必须的。
两阶段检测工具可有一个检测器或多个检测器。Alumot的专利号为5,699,447、5,982,921和6,178,257B1的美国专利中说明多检测器两阶段检测装置(下文中将共同称为Alumot系统),其内容通过引用合并于此。
Alumot系统具有检测缺陷的多通道。这些多通道包括多个检测器,它们被安排在物镜周围的环形阵列上。
在第一阶段(也称为检测阶段),每个通道(a)获得检测像素、相邻检测像素、参考像素和相邻参考像素,(b)确定检测像素的类型和/或确定参考像素的类型,(c)比较检测像素和参考像素,以及一个依赖于检测和参考像素类型的阈值,(d)响应所述比较,确定是否存在缺陷。
确定像素类型的步骤包括确定下列参数的第一阶段:(i)局部最大值——该像素是否是局部最大值(如果该像素相对其相邻者是最大值),(ii)强度——如果该像素强烈(如果该像素的强度超过阈值),(iii)比率——如果像素强度和其相邻者的强度之间比率超过阈值,和(iv)梯度——该像素是否位于一个倾斜区域,其由相对于所述阈值的梯度确定。第二阶段包括将像素分类为下列类型中的一个,以响应所述参数:(I)孤立峰(如果该像素是具有显著的强度和比率的局部最大者),(II)多峰(如果该像素不是一个孤立峰,其具有显著的强度且其相邻者没有一个是孤立峰),(III)斜坡——如果该像素两边的相邻者中的一个是孤立峰或其梯度大于阈值,或(IV)背景——如果像素的强度和梯度小于阈值,且其相邻者均不是孤立峰。
多个通道的输出(警报值)提供给判定表,判定表响应警报值,作出是否存在缺陷的判定。有三种可能的警报值,分别表示无警报、低度警报和高度警报。
判定表输出缺陷标记,如果(i)8个警报值中的至少一个输出是高度警报,和(ii)从相邻通道来的至少两个警报值是低度警报或高度警报。
在Alumot的发明以及类似的检测系统中,在每个通道中缺陷检测独立进行:分类过程和芯片对芯片的比较过程在每个数据流上独立执行。来自每个通道的疑似缺陷的警报值然后进一步被处理,以最小化误报警且增加缺陷报告的可靠性。
本领域公知,许多缺陷例如外来颗粒、凹坑、划痕和粗粒可通过它们的散射图案来表征。射向缺陷的光束可向至少一个方向散射,因此定义了一种散射图案。该散射图案至少部分地被多个检测器检测到,这些检测器被安排在光束轴线周围的不同角度位置。需要说明的是,散射图案响应于不同参数,例如缺陷形状、缺陷方位等,但不局限于这些。
需要提供一种用于缺陷检测的改进的系统和方法,其利用以比独立分类和比较更复杂的方式在不同通道中收集的信息。
需要提供一种用于检测缺陷的系统和方法,其利用来自多个收集通道的信号以比较散射图案,以及多通道分类和高速缺陷检测。
需要提供高可靠性的超快缺陷检测系统和方法。
还需要一种用于检测基片的方法,其允许动态定义像素类型。
发明内容
在整个说明书中,下列术语和缩写的意义如下:
晶片单元——光束所照射的被测晶片的一个非常小的部分。该晶片单元通常由入射光束的横截面来限定。需要说明的是,相邻晶片单元之间的距离响应于晶片扫描路径,特别是(a)相邻扫描路径之间的距离,和(b)晶片扫描速率和检测器取样速率之间的关系。可采用光栅扫描图案和螺旋扫描图案,但并不是必须的。
晶片单元检测信号集(DSS):由多个检测器产生的多个检测信号,响应于从晶片单元向各个方向散射或反射的光。单个晶片单元检测信号表示为DS。每个DS具有晶片单元检测值(DV)。
晶片单元属性值(AV):对属于同一DSS的至少两个DS应用属性算子(attribute operator)的结果。根据本发明的一个方案,至少两个属性算子可应用于至少两个DS以提供至少两个AV。属性算子通常是应用到DS的数学函数。
晶片单元邻域(N):晶片单元的邻域就是位于该晶片单元四周邻近图案内的晶片单元。每个邻域晶片单元有其自己的邻域检测信号(NS)集(NSS)。
晶片单元邻域检测信号组(NDG):在邻域图案内的每个晶片单元的晶片单元检测信号集的集合。
晶片单元邻域属性值组(NAG):在邻域图案内每个晶片单元的晶片单元属性值的集合。本发明提供一个缺陷检测系统,其具有(i)光源和用于定向和聚焦光束以入射到晶片单元的光学系统,(ii)多个检测器,其彼此间隔开,但一致地指向晶片单元,以提供DSS,(iii)用于接收和处理DSS以指示晶片单元是否存在缺陷的处理器,(iv)用光束扫描晶片的扫描装置。需要说明的是,扫描装置可包括光偏转器,机械镜台(mechanical stage)和其他在晶片和光束之间引入相对运动的元件。
根据本发明的一个方案,至少一个属性算子被应用到起于给定晶片单元的至少两个DS,以提供归属于该晶片单元的至少一个属性值。定义属性运算(attribute operation)以实现下列目标中的至少一个:噪音降低、误报警率减少、提高灵敏度、提高信噪比,等等。
属性运算的确定可响应于不同参数,如被测层、在缺陷检测过程之前的被测表面的制造阶段或时期、被测目标基片的估计特征,将被发现的缺陷的估计特征、检测器的配置等。
属性运算的确定也可响应于来自被测晶片自身的散射图案,如来自周期性图案的散射图案。
已经可以看出,各种晶片图案,甚至各种缺陷如划痕、粗糙表面、晶体缺陷、外来颗粒、甚至深层异常(subsurface abormality),均可通过它们的散射图案而表征。这些散射图案可通过实施公知的数学模型来计算,也可通过测量获得。属性运算的选择可以响应于这些散射图案,特别是当所述的多个检测器对散射图案进行取样时响应这些散射图案的产生而收集的光。
根据本发明的另一个方案,也可操作缺陷检测系统以获得并处理NDG。
根据本发明的一个进一步的方案,缺陷检测过程包括分类步骤。从应用某个属性算子获得的AV的分类可响应于通过应用另一个其他属性算子组合而成的属性算子所获得的AV。
根据本发明的另一个方案,DSS分为两个部分——第一部分用于分类,而另一部分响应该分类而被处理。第一部分可来自明场检测器,而第二部分来自暗场检测器,反之亦然,但这并不是必需的。需要说明的是,从明场检测器获得的信号可用于定义在其中产生缺陷的情况(matter),从而定义晶片单元属性值的类型。
需要说明的是,在许多情形中,某个晶片单元的邻域图案是对称地环绕在晶片单元周围的,并且其形状为矩形,但这并不是必需的。处理晶片单元邻域检测信号以确定在被测和参考晶片单元属性值的比较中所应用的阈值,以指示该晶片单元是否存在缺陷。例如,典型的邻域图案可包括((5×5)-1)个晶片单元。当使用六个检测器时,每个DSS包括两个DS,而每个NDG包括((5×5)-1)个NSS,每个NSS包括与同一邻域晶片单元相关的六个NS。
通常,邻域图案包括两个以上的晶片单元。在某个晶片单元的晶片单元检测信号产生后,它们的值被存储在存储单元中,以便随后使用,无论所述的某个晶片单元是否在其他晶片单元的邻域图案内。
对本领域的技术人员来说,通过下面的详细描述,本发明另外的优点会变得明显,其中仅示出和说明了本发明的一个实施例,说明了实现本发明的最佳模式。应意识到,本发明可有其他的和不同的实施例,且其几个细节能够以多种明显的方案修改,但是所有的这些方案都不偏离本发明。因此,附图和描述在本质上将被认为是说明性的,而非限制性的。
附图说明
参考附图,其中相同的参考数字标记始终代表相同的元件,且其中:
图1示出了通过本发明实施例的缺陷检测方法检测的晶片;
图2示出了根据本发明实施例的,用于缺陷检测及像素获取的系统;
图3a和图3b示出了根据本发明的图2中的系统的部分;
图4~图5根据本发明多个实施例示出了图3a和图3b中的部分的聚光区(light collecting zone);
图6示出了根据本发明的实施例的处理器的第一部分;以及
图7~图8是根据本发明不同实施例的,说明缺陷检测方法的流程图。
具体实施方式
参考图1,对待检物品如半导体晶片22进行处理(在检测之前)以获得多个理想一致制图的集成电路芯片20,每个芯片20具有可比较的图案,如形成于晶片22的表面的T形图案24。要说明的是,单个芯片可包括大量的图案,其超过每芯片几百万个以上的图案。半导体芯片通常包括多个层。一个图案,如局部图案24可以是金属互连线、沟槽、通孔、导电门等的一部分。
参考图2,缺陷检测系统30包括:(i)光源31和光学系统33,该光学系统33用于定向并聚焦光束以投射到晶片单元上,(ii)多个检测器,例如图3a的检测器41~48,或图3b的检测器41、43、45和47,然而多个检测器为每个被照明的晶片单元提供一个DSS。可操作每个检测器以接收来自光束和晶片单元相互作用的光信号,并提供一个DS。可定位多个检测器以接收来自至少两个方向上的光信号,(iii)处理器32,用于为每个晶片单元接收相关的DSS以处理该DSS,以及(iv)用光束扫描晶片的扫描装置34。要说明的是,扫描装置可包括光偏转器,如声光偏转器,电流计扫描镜,和/或机械镜台和其他在晶片和光束之间引入相对运动的元件。
根据本发明的另一个方案,还可操作处理器32,以确定缺陷是否存在,以响应至少一部分的晶片单元NDG。
根据本发明的进一步的方案,还可操作处理器32以确定缺陷是否存在,以响应于至少一部分的晶片单元DSS和至少一部分的晶片单元NDG的组合。
缺陷检测方法可通过多种检测工具执行,如本领域公知的用于获得晶片单元检测信号的装置和方法。检测工具可具有多个检测器,其包括至少一个暗场检测器和/或至少一个明场检测器。这些检测器可具有相同的特性(如灵敏度、增益、动态范围),但这不是必需的。晶片单元检测信号可通过Alumot系统获得,但可用其他具有其他检测器布置的多检测器系统来获取检测值。
要说明的是,这些检测器可响应不同的偏振和/或不同的波长。例如,第一检测器可响应水平偏振的绿光,而第二检测器响应圆偏振的红光。第一和第二检测器可响应来自不同方向的光,但这不是必需的。要说明的是,波长/偏振响应可通过检测器自身或通过由波长/偏振所表征的滤波器确定。需要进一步说明的是,相对于晶片可将检测器置于不同高度。在很多情形中,来自不同高度的检测器的信号之间的关系(比率、差异等)是有用的属性运算,其可用于分类。
参考图3a,示出了根据本发明实施例的成像器31的布置。垂直光束40射向水平放置的晶片22。布置8个检测器如检测器41~48,使其在空间上远离光束40的法线反射方向(即Snell定律反射)。因此,8个检测器41~48以连续数据流的形式提供8个视点的暗场图像。可定位另一个检测器(未示出),例如以接收镜面反射的光束,从而提供被扫描晶片的明场图像。明场检测器可以是点传感器或光传感器阵列,如CCD。对8个检测器进行定位以使其能够接收聚光区所散射的光,其定位在下列角度(在x-y平面测量的):22.5°、67.5°、112.5°、167.5°、202.5°、257.5°、292.5°和337.5°。
参考图3b,示出根据本发明的另一个实施例的成像器31的检测器的布局,光束40′以入射余角射向水平移动的晶片22。对4个检测器如检测器41、43、45和47进行设置,以使其在空间上远离光束40′的法线反射方向(即Snell定律反射)。因此,4个检测器41、43、45和47以连续数据流的形式提供4个视点的暗场图像。对另一个检测器(未示出)进行定位,以使其接收镜面反射的光束,从而提供被扫描晶片的明场图像。明场检测器可以是点传感器,或光传感器阵列,如CCD。对4个检测器进行定位,以使其接收聚光区所散射的光,其被定位在下列角度(在x-y平面测量的):45°、135°、225°和315°。
参考图4,示出图3a中检测器41~48的聚光区51~58。需要说明的是,图4说明相同的非交叠聚光区,其具有相同的高度,但这并不是必需的。检测器可具有不同聚光区,至少某些聚光区可位于相对晶片表面的不同高度,且聚光区可部分交叠。需要说明的是,在每对相邻聚光区之间的距离是相同的,但也可以不必如此。而且,检测器可具有不同形状的聚光区。为了解释的方便,假定聚光区定义了一个方向,因此通过两个不同且不完全交叠的聚光区散射和收集的光被认为是从两个不同的方向收集的光。
图4分别示出检测器41~48的8个聚光区51~58,每个聚光区的宽度在其底表面是16度,在顶部基本为零,且其高度为49度。聚光区这样定位,以便减少收集来自晶片图案的光。图案通常由线定义。大多数线定向在0°、90°、180°和270°,而某些线定向在45°、135°、225°和315°。因此,定位聚光区以收集中间区域的光,这些中间区域在22.5°、67.5°、112.5°、167.5°、202.5°、257.5°、292.5°和337.5°之间。8个聚光区提供每个散射图案的8个取样(8个晶片单元检测信号),该散射图案源自光束和晶片单元的相互作用。
图5示出图3b中检测器41、43、45和47的4个聚光区51、53、55和57。每个聚光区的宽度在其底表面是16度,在其顶部基本是零度,且其高度是49度。定位聚光区以减少收集来自晶片图案的光。图案通常由线定义。大多数线定向在0°、90°、180°和270°。因此,4个聚光区被定位在45°、135°、225°和315°以收集中间区域的光,该中间区域在某些上述角度之间。4个聚光区提供每个散射图案的4个取样(4个晶片单元检测信号,每个晶片单元检测信号代表各个聚光区所散射的光信号的累积强度),这些散射图案源自光束和晶片单元的相互作用。
例如,假定外来颗粒有相对对称的散射图案,且每个检测器具有相同的特征(包括相同的增益),那么检测器41、43、45和47中的每个检测器将检测基本上相同数量的光,且产生几乎相同的检测信号。
另一个例子中,假定对x轴成30°定向(晶片位于x-y平面内)的长而窄的划痕的散射图案的特征为强的30°和210°波瓣及弱的120°和280°波瓣,且每个检测器具有相同的特征(包括相同的增益),然后检测器41和45不接收这些波瓣的峰,但接收最强的光强度信号,而检测器43和47接收最弱的光信号。
图6示出根据本发明一个实施例的处理器32的一部分320。处理器32可包括额外的部分(未示出)以执行第二阶段计算。该部分320连接到存储单元90,且可被操作以接收和处理多个检测器提供的数据流。为了解释的方便,假定可操作处理器32以处理来自4个检测器如图3b中的检测器41、43、45和47的晶片单元检测信号。
处理器32具有4个接口71~74,用于接收来自4个检测器41、43、45和47的数据流,并连接到多个数据总线,这些数据总线用于接收来自存储单元90的参考属性数据流和阈值。如果检测器41、43、45和47提供模拟信号,那么接口71~74以预定速率对该模拟信号进行取样以提供数字信号。
将这4个数字数据流提供给属性计算器80,其响应这4个数字数据流的接收,产生至少一个属性数据流。为了解释的方便,假定属性计算器80产生4个属性数据流,每个属性数据流是由接口71~74提供的这4个数字数据流的不同函数,但这并不是必须的。属性计算器80也可接收来自选择信号单元82的选择信号,以便选择应用哪个属性运算和提供哪个属性数据流。选择信号单元接收选择信息,如检测光束的当前位置、当前被测表面的特征(如表面材料)、被测芯片的制造阶段,等等。
可操作处理器32以执行芯片到芯片,和/或芯片到数据库的缺陷检测方案。为了解释的方便,假定处理器32执行芯片到芯片的缺陷检测方案。在这种方案中,对被测属性数据流和以前产生的参考属性数据流进行比较,其中被测属性数据流是由于光束和被测物体的基片当前的相互作用而产生的。需要说明的是,在芯片到芯片的缺陷检测方案中,被测属性数据流可与另一个当前产生的参考属性数据流比较。参考属性数据流是由于另一个光束与被测物体的相互作用而产生的。
将每个被测属性数据流与对应的参考属性数据流和对应于该属性数据流的属性阈值进行比较。如果被测属性数据流和参考属性数据流(i)是由相同的属性算子产生的,和(ii)该属性算子被应用到源自该参考芯片和该被测芯片上的同一个相对位置的检测值。需要说明的是,执行图案对图案、单元对单元的比较时,所述位置是相对于所述单元的,但每个晶片包括多个单元,且单元对单元比较可以包括理论上具有相同图案的同一晶片上的两个单元的比较。
被测属性数据流和参考属性数据流之间的比较的结果指示出晶片单元是否被怀疑有缺陷。如果在被测属性值和参考属性值之间的差超过阈值,该晶片单元将被怀疑有缺陷。
定义属性运算以实现下列目标中的至少一个:噪声降低、误报警率降低、改进的灵敏度、提高的信噪比,等等。属性运算的确定可响应于不同参数,如被测层、在缺陷检测过程之前的被测表面的制造阶段或时期、被测目标基片的估计特征,将被发现的缺陷的估计特征、检测器的配置等。这个确定也可响应于来自半导体自身的散射图案,如来自周期性图案的散射图案。
例如,众所周知,多层半导体的后端层(如金属层)的噪声比前端层(如多晶硅层)的噪声要大得多。需要说明的是,多层半导体是通过多阶段制造过程制造的,从裸晶片和前端层制造开始,通常在后端层制造处结束。前端层包括元件如晶体管、二极管等等,而金属层提供元件之间的连接。而且,金属层通常由多晶粒表征,其为不同结晶学定向的多晶区域。来自晶粒的散射图案通常由两个相对方位角定向的强波瓣组成。
因此,增强来自检测器的检测信号的属性运算可在相对无噪声的环境如前端层中选择。这种检测可在多层半导体基片的早期制造阶段执行。另一方面,当检测后端层的缺陷时,可以选择减少噪声的属性运算或者对来自相邻检测通道的信号进行组合的属性运算。这类检测可在多层半导体基片的后面的制造阶段中执行。
下面的方程示出了6个示例性的属性运算,它们可由属性计算器80执行:
(i)AT1=0.25×(P41+P43+P45+P47)
(iv)AT4=MAX(P41,P43,P45,P47)
(v)AT5=0.5×MAX(P41+P43,P45+P47)
(vi)AT6=0.5×MAX(P41+P45,P43+P47)
AT表示属性算子值,P41、P43、P45、P47分别是检测器41、43、45和47的输出信号值。MAX表示从元素集中选择最大元素的运算。需要说明的是,每个输出信号(P41,P43,P45,P47)可进一步乘上加权因子。加权因子可以是响应应用于半导体晶片的以前的缺陷检测过程或者响应于检测器特性如灵敏度和增益而预定或确定的。
需要说明的是,根据本发明的一个方案,缺陷确定过程基于晶片邻域属性值。晶片邻域属性值的量直接和该邻域图案内的像素量成正比。通常,较大的邻域图案要求额外的计算和存储资源,或最终限制属性算子的复杂性,以满足系统吞吐量的要求。
第一属性算子(第一个方程)随着噪声信号达到平衡,降低随机噪声信号。第二属性算子放大散射图案,如由光和划痕相互作用而产生的散射图案。第三属性算子(第三个方程)对降低来自以下晶粒或线的信号有用,这些晶粒或线具有指向两个相对的检测器的相对较强的波瓣和指向两个其他检测器的相对较低的波瓣。
图7示出根据本发明实施例的用于检测基片缺陷的方法100。方法100响应晶片单元的DSS,确定晶片单元是否有缺陷。方法100从初始化步骤110开始。步骤110可包括确定选择哪个属性算子,甚至确定如何调节所选的属性算子的步骤111。该选择可响应于与即将被检查的基片有关的数据、在其中即将执行缺陷检测方法的制造过程的阶段、以前检测缺陷的知识、以及与制造过程有关的数据,特别地还响应于可能的故障、设计规则数据库、CAD设计工具、或该缺陷检测方法以前的重复。
步骤111之后是收集涉及AV方差的统计信息的步骤112。以本领域技术人员所公知的方式对多个芯片进行检测以建立统计上的有效取样数目。
根据本发明的另一个方案,步骤113在步骤112之后,其响应步骤111中所收集的统计信息,选择所选属性运算的子集或者调整或调节所选属性运算。额外的选择或调节旨在提供属性运算,其获得下列目标中的至少一个:更高的信噪比、更低的误报警水平、更好的灵敏度等等。
步骤110也包括涉及“分类”的各种步骤。分类允许对不同的晶片单元类型应用不同缺陷判定规则(如应用不同阈值曲线)。该“分类”在步骤114~116中初始化。
需要说明的是,通过对某些DS应用某个属性算子而获得的AV,对其分配类型时所根据的值并不是对那些DS应用该属性算子而获得的。
根据本发明的一个方案,每个AV可根据应用其他属性运算的组合而获得的值分类。
根据本发明的另一个方案,分类值可通过对同一DSS的不同DS应用某个属性算子而获得,而且这些分类值可以将通过对其他DS应用同一属性算子所获得的属性值进行分类。
进一步需要说明的是,可对DS和/或NS应用分类属性运算,DS和/或NS分别构成DSS和/或NAG的部分。
为了解释的方便,假定将指定的属性算子用于分类。该属性算子就被称为分类属性算子。通过分类属性算子的应用而获得的值为分类值。
步骤114包括生成一个分类数据库。该分类数据库反映分类值出现的频率。可通过曲线图形化地描述分类数据库。需要说明的是,在所选的属性算子中的每个属性算子都可以有自己的分类数据库。
步骤115在步骤114之后,其将分类值的间隔分为分类范围。所述选择可方便地响应分类值的分布,其可通过曲线图形化地描述,该曲线将分类属性值和它们的外观之间连接起来。方便地,相邻的分类范围由位于该曲线的局部最小值处的边缘进行限定。在局部最小值处定位边缘减少了错误分类的数量,因为每个边缘由相对特殊的分类值包围。
需要说明的是,分类范围的分配也可响应每个分类范围内的数据点的(分类值的)量,响应局部最大值,甚至超过预定有效阈值的局部最大值,以便确保每个分类范围包括了有效的数据点量。步骤115也可包括响应终端用户的输入,分配分类范围,以及允许定制符合终端用户的要求的方法。
当有使用一个以上的分类数据库对分类范围的量进行分类时,它们的划分可随分类数据库的不同而变化。
步骤116在步骤115之后,其为每个属性运算和每个类型产生参考/检测的属性/类型数据库(RID),该属性/类型数据库反映了属于该属性和类型的晶片单元属性值的(被测AV,参考AV)对的出现频率。该类型可响应于被测AV类型和参考AV类型。例如,如果有H个不同属性算子,每个属性算子与T个不同类型相关联,那么最多有(H×T×T)个RID。根据本发明的另一个方案,被测AV和参考AV的类型由所选类型确定。在这种情况下,可以只有(H×T)个RID。所选类型可按照Levin等人2001年11月28日提交的标题为“Method fordetecting defects”的专利申请来选择,该专利申请通过引用合并与此。
RID可通过三维图形描述,x-y平面描述(被测晶片单元属性值,参考晶片单元属性值)对,z轴描述具有相同值的对的数量。步骤116进一步包括为每个属性和每种类型定义两维RID包络线,且为每个属性和每个类型定义一个阈值。该阈值被称为属性/类型阈值。
对每个RID包络线进行选择以包括预定数量的对,或保证预定最大量的误报警。例如,RID包络线可这样选择以包围距形成该RID的数据点的平均值最大六个标准偏差之内的(被测晶片单元属性值,参考晶片单元属性值)对。
阈值可按照不同标准选择。阈值通常是更复杂曲线的估值,该曲线包围所有符合预定统计标准的数据对。考虑到时间和计算上的限制以及精度和误报警率,需要进行估值。例如,第一阈值可以是与RID包络线相切的线。另一个阈值可包括三个逼近RID包络线的线段;三个线段稍微位于RID包络线的上方。另一个阈值可以是基本平行于形成RID的数据点平均值的线。还有一个阈值是位于RID包络线的预定距离处的线。需要说明的是,也可选择其他阈值,例如包括反映位于预定统计参数内的数据点的线的阈值,该预定统计参数来自形成直方图的数据点的平均值。
根据本发明的一个方案,被测晶片单元属性值和参考晶片单元属性值的对的位置和阈值的位置比较,以指示是否存在缺陷。根据本发明的另一个方案,也可考虑位于RID包络线外部的数据的对的数量。
步骤120在步骤110之后,其获取被测AV和参考AV。被测AV可通过各种检测系统获得,如图2和3中的系统,但不限于这些系统。参考AV通常从存储单元中获得,但它们也可通过检测系统本身获得。
步骤120通常包括下列步骤:
对某个晶片单元进行照射的步骤121,例如通过图3中的垂直光束40。
接收和该晶片单元相关的DSS的步骤122。
应用所选的属性运算以提供被测AV的步骤123。
需要说明的是,可重复步骤121~123直到与被测芯片上的多个晶片单元关联的多个AV被生成并被暂时存储。根据本发明的一个方案,可重复步骤121~123直到获得NAG。根据本发明进一步的一个方案,重复步骤121~123直到至少一个预定区块中的每个晶片单元被照明,并且相应的晶片单元属性值被计算和存储。
(D)选择晶片单元(在至少一个区块中)从而定义一个具有被测AV的被测晶片单元的步骤124。可按预定图案进行选择,例如光栅扫描图案,但也可执行其他选择方案。通常,预定图案包括连续的晶片单元,但这不是必需的。需要说明的是,当步骤121~123被重复执行一次后,因为不需要从大量AV中选择一个AV,所以在步骤123之后接着就是步骤125。
(E)从存储单元中取回参考AV的步骤125,需要说明的是,步骤120通常包括对齐步骤,以便被测AV和参考AV涉及标称相同晶片单元。标称相同晶片单元可分别位于被检芯片和参考芯片上的同一位置,或在同一芯片上不同图案的同一位置。对齐通常是在晶片单元范围内做出的,但这并不是必须的。对齐方法为本领域所公知。Alumot的美国专利5,699,477、5,982,921和6,178,257B1说明了一种对齐方法,它们通过引用合并于此。Wagner的美国专利5,659,172说明了另一种对齐方法,其通过引用合并于此。
步骤130在步骤120之后,其对至少一个DS的一个属性运算的每个应用确定类型。对于在至少一个DS上应用的每个属性运算,所述的类型确定响应于对至少一个DS应用分类函数的结果。类型是通过包括结果的范围确定的。需要说明的是,不同的属性算子可与不同的分类函数关联。步骤140在步骤130之后,其响应与该AV属性运算相关联的类型的,为每个被测AV选择阈值(在步骤115中定义的)。
步骤150在步骤140之后,其为每个被测AV确定相应阈值、被测AV以及相应的参考AV之间的关系,以指示是否存在缺陷。
步骤150涉及相对于属性算子和类型的阈值确定属性算子和类型所表征的(被测AV,参考AV)对的位置。如果未检测到缺陷,则步骤120在步骤150之后,否则步骤160在步骤150之后,步骤160计算(被测AV,参考AV)对和属性类型阈值之间的距离。存在缺陷的概率通常和该距离成比例,尽管该长度也响应缺陷特征(例如,外来颗粒的材料等等)。
步骤160也包括产生错误(fault)指示信号。错误指示信号由缺陷检查器件使用,如Alumot系统的第二阶段。
步骤160也可包括确定是否更新数据库,例如RID、分类数据库等等,并执行该更新。通常,仅在未检测到缺陷时——仅在错误指示信号低于预定阈值时——才更新数据库。更新通常在进一步的晶片检测后,甚至在第二阶段处理完后离线进行。数据库更新可导致阈值更新,但这并不是必需的。
图8说明了根据本发明实施例的、用于检测基片缺陷的方法200。方法200类似于方法100,除了响应该晶片单元的DSS和该晶片单元的至少部分NDG来确定晶片单元是否存在缺陷之外。因此,对晶片单元的NSS部分而不只是对DSS部分应用属性算子。可替换地,对NSS和DSS部分都进行属性运算。对应用了属性运算而产生的AV进行处理,以确定是否存在缺陷、缺陷的本质、甚至此类缺陷的出现概率。
需要说明的是,方法100应用了可将多个DS转换为单个AV的属性函数。由于方法200响应了更多的检测信号(除DS外,还有多个NS),因此可改变属性算子以为每个晶片单元提供单个AV。通过在应用属性函数之前对检测信号(NS和可选的DS)执行预处理步骤,并在获得每个晶片单元的多个AT之后(每个均与邻域图案的晶片单元相关)应用后处理步骤,较大数量的信号也可以被处理。
为了说明这一点,假设(i)邻域图案包括24个邻域晶片单元,(ii)应用第一个方程的属性算子,(iii)缺陷检测过程基于来自6个检测器的检测信号,和(iv)缺陷检测过程响应于24个ND和6个DS。
因此,应用第一个方程的属性运算将产生25个结果,对应于25个晶片单元中的每一个。这25个结果可通过应用后处理操作转换为单个AV,例如计算这25个结果的平均值、计算最高结果和最低结果之间的差、获得最高或最低结果,等等。
方法200从初始化步骤210开始,步骤210类似于步骤110,但进一步包括了限定或选择邻域图案的步骤和收集关于晶片单元邻域属性值和晶片单元属性值出现频率的统计信息的步骤。步骤214包括为每个所选的属性运算生成属性/类型数据库。属性/类型数据库可图形化地通过柱状图说明,该柱状图反映和所述属性算子关联的晶片单元邻域属性值的统计信息。
步骤210还包括步骤214~216,其与步骤114~116类似。
步骤220在步骤210之后,其获取被测AV、被测NAG、相应的参考AV和参考NAG。被测AV和NAG可通过各种检测系统获得,如图2和3中的系统,但不局限于这样的系统。参考NAG和AV通常是从存储单元获得,但它们也可从检测系统自身获得。
步骤220通常包括下列步骤:
对某个晶片单元进行照射的步骤221,例如通过图3中的垂直光束40。
接收与该晶片单元相关的DSS的步骤222。
应用所选的属性运算以提供被测AV的步骤223。
对每个晶片重复步骤221~223,直到上述某个晶片单元的邻域图案内至少所有的邻域晶片单元被照射,形成该晶片单元NDG的检测信号被接收并被存储,并且所有NAG被计算。与方法100一样,晶片单元的预定区块被照明且相应的晶片单元属性值被计算并被存储,该预定区块通常比上述某个晶片单元的邻域图案大。
步骤224和225在步骤223之后,类似于方法100中的步骤124和125。
步骤230在步骤220之后,其为每个属性运算和邻域图案内的每个晶片单元确定类型。所述确定响应于在分类范围中的分类值的位置。例如,如果单个的分类函数是为邻域内的所有晶片单元和每个属性算子选择的,那么分类算子被用于邻域图案中的每个晶片单元。
步骤240在步骤230之后,其响应步骤220的确定,为邻域图案中的每个被测晶片单元和每个属性运算选择阈值。
步骤250在步骤240之后,其为每个被测晶片单元邻域属性值确定在所选阈值、被测晶片单元属性值和相应的参考晶片单元属性值之间的关系,以指示是否存在缺陷。需要说明的是,该确定也可响应于被测晶片单元邻域属性值和参考晶片单元邻域属性值。例如,比较被测晶片单元属性值和被测晶片单元邻域属性值,以提供第一差值,然后比较参考晶片单元属性值和参考晶片单元邻域属性值,以提供第二差值,并然后比较第一差值和第二差值。
步骤250涉及相对于属性和类型的阈值,确定多个(被检晶片邻域元件邻域属性值,参考晶片单元邻域属性值)对的位置、由属性和类型表征的邻域图案内每个晶片单元的对。
需要说明的是,步骤250也可包括后处理步骤,其提供响应于NDG内多个值的单个值。如果未检测到缺陷,则步骤220在步骤250之后,否则步骤260在步骤250之后,步骤260计算(被检晶片单元邻域属性值,参考晶片单元邻域属性值)对和属性类型阈值之间的距离。存在缺陷的概率通常和该距离成比例,虽然该长度也可响应缺陷的特征(例如,外来颗粒的材料,等等)。
步骤260也包括生成错误指示信号。错误指示信号可被缺陷检查器件利用,例如Alumot系统的第二阶段。
步骤260也可包括确定是否更新数据库,例如属性/类型数据库,并执行该更新。通常,仅在未检测到缺陷时——仅在错误指示信号低于预定阈值时——才更新数据库。
根据本发明的一个方案,可在单个芯片或单个晶片的缺陷检测过程中改变属性运算的选择。例如,第一属性运算集可在检测晶片裸露部分时选择,另一个集可在检测周期性图案如存储单元阵列时选择,还有一个属性算子集可于检测非周期性图案如逻辑单元时选择。选择通常响应于成像系统提供的晶片单元位置信息。
本发明可应用于各种类型的半导体器件的制造,特别是设计尺寸约0.18微米及以下的高密度半导体器件。
本发明可通过采用传统材料、方法和设备实施。因此,这类材料、设备和方法的细节在此不再赘述。在前面的说明中,为了提供对本发明的透彻的理解,陈述了多个特定的细节,如特定的材料、结构、化学物质、工艺,等等。然而,应该意识到,能够实施本发明而不使用所述的特定细节。另一方面,为了凸现发明点所在,并未对公知的工艺结构进行详细说明。
本公开中仅示出和说明了本发明的一个实施例及其变化的几个示例。应该理解的是,本发明能够使用不同的其他组合和环境,并在此处所述的发明原理的范围内能够变化和修改。
Claims (83)
1.一种用于检测基片缺陷的方法,该方法包括下列步骤:
获得至少两个晶片单元检测信号;每个晶片单元检测信号反映了向不同方向散射的光;
响应所述至少两个晶片单元检测信号,计算至少一个晶片单元属性值;
取回至少一个参考晶片单元属性值,每个晶片单元属性值对应一个参考晶片单元属性值;以及
确定所述至少一个参考晶片单元属性值、所述至少一个相应的晶片单元属性值和至少一个相应的阈值之间的关系,以指示是否存在缺陷。
2.根据权利要求1所述的方法,其中所述计算步骤包括在至少一个晶片单元检测信号上应用至少一个属性运算。
3.根据权利要求2所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个对称散射图案时,增加产生缺陷指示的概率。
4.根据权利要求2所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个由第一方向上的相对较强信号和第二方向上的相对较弱信号所表征的散射图案时,增加产生缺陷指示的概率。
5.根据权利要求4所述的方法,其中所述第二方向垂直于所述第一方向。
6.根据权利要求2所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个由第一方向和第三方向上的相对较强信号以及第二方向和第四方向上的相对较弱信号所表征的散射图案时,增加产生缺陷指示的概率。
7.根据权利要求6所述的方法,其中所述第一方向基本和所述第三方向相反,且所述第二方向基本和第四方向相反。
8.根据权利要求2所述的方法,其中至少一个属性运算对从不同方向获得的晶片单元检测信号求平均。
9.根据权利要求2所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个对称散射图案时,降低产生缺陷指示的概率。
10.根据权利要求2所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个由第一方向上的相对较强信号和第二方向上的相对较弱信号所表征的散射图案时,降低产生缺陷指示的概率。
11.根据权利要求2所述的方法,其中所述第二方向垂直于所述第一方向。
12.根据权利要求2所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个由第一和第三方向上的相对较强信号和第二与第四方向上的相对较弱信号所表征的散射图案时,降低产生缺陷指示的概率。
13.根据权利要求2所述的方法,进一步包括选择至少一个属性运算的步骤。
14.根据权利要求13所述的方法,其中所述选择步骤之后是收集统计信息的步骤,该统计信息与晶片单元属性值的方差有关,属性值数据单元是通过将一个属性算子应用于至少一个晶片单元检测信号上而产生的。
15.根据权利要求1所述的方法,其中阈值响应于晶片单元属性值的类型。
16.根据权利要求1所述的方法,其中阈值响应于参考晶片单元属性值的类型。
17.根据权利要求1所述的方法,其中阈值响应于晶片单元属性值的类型,并响应于参考晶片单元属性值的类型。
18.根据权利要求1所述的方法,其中晶片单元属性值的类型是响应于晶片单元属性值的统计分布而确定的。
19.根据权利要求1所述的方法,其中每个阈值响应于晶片单元属性值类型和参考晶片单元属性值类型的不同组合的晶片单元属性值和参考晶片单元属性值的统计分布。
20.根据权利要求1所述的方法,其中每个阈值响应于不同晶片单元属性值类型的晶片单元属性值和参考晶片单元属性值的统计分布。
21.根据权利要求1所述的方法,其中所述计算步骤包括提供警报信号,该警报信号表示存在缺陷的概率。
22.根据权利要求1所述的方法,其中晶片单元属性值是通过对属于同一晶片单元检测信号集的至少两个检测信号应用一个属性运算而获得的,且其中该晶片单元属性值的类型是通过对属于同一晶片单元检测信号集的至少两个检测信号应用另一个属性运算而确定的。
23.根据权利要求1所述的方法,其中晶片单元属性值是通过对晶片单元检测信号集的第一部分应用一个属性运算而获得的,且其中所述晶片单元属性值的类型是通过对所述晶片单元检测信号集的另一部分应用一个属性运算而确定的。
24.一种用于检测基片缺陷的方法,该方法包括下列步骤:
获得晶片单元检测信号和晶片单元邻域检测信号;
计算至少一个晶片单元属性值和晶片单元邻域属性值;以及
确定所述晶片单元邻域属性值、至少一个阈值和相应的参考晶片单元邻域属性值之间的关系,以指示是否存在缺陷。
25.根据权利要求24所述的方法,其中阈值响应于晶片单元属性值。
26.根据权利要求24所述的方法,其中阈值响应于参考晶片单元属性值的类型。
27.根据权利要求24所述的方法,其中阈值响应于晶片单元属性值的类型,并响应于参考晶片单元属性值的类型。
28.根据权利要求24所述的方法,其中晶片单元属性值的类型是响应于晶片单元属性值的统计分布而确定的。
29.根据权利要求24所述的方法,其中每个阈值响应于晶片单元属性值类型和参考晶片单元属性值类型的不同组合的晶片单元属性值和参考晶片单元属性值的统计分布。
30.根据权利要求24所述的方法,其中每个阈值响应于不同晶片单元属性值类型的晶片单元属性值和参考晶片单元属性值的统计分布。
31.根据权利要求24所述的方法,其中晶片单元属性值是通过对属于同一晶片单元检测信号集的至少两个检测信号应用一个属性运算获得的,且其中晶片单元属性值类型是通过对属于同一晶片单元检测信号集的至少两个检测信号应用另一个属性运算确定的。
32.根据权利要求24所述的方法,其中晶片单元属性值是通过对晶片单元检测信号集的第一部分应用一个属性运算获得的,且其中晶片单元属性值类型是通过对所述晶片单元检测信号集的另一部分应用一个属性运算确定的。
33.根据权利要求24所述的方法,其中所述关系也响应于所述至少一个晶片单元属性值,并响应于至少一个相应的参考晶片单元属性值。
34.根据权利要求33所述的方法,其中所述计算步骤包括对至少一个晶片单元检测信号应用至少一个属性运算。
35.根据权利要求34所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个对称散射图案时,增加产生缺陷指示的概率。
36.根据权利要求35所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个由第一方向上的相对较强信号和第二方向上的相对较弱信号所表征的对称散射图案时,增加产生缺陷指示的概率。
37.根据权利要求36所述的方法,其中所述第二方向垂直于所述第一方向。
38.根据权利要求34所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个由第一方向和第三方向上的相对较强信号以及第二方向和第四方向上的相对较弱信号所表征的散射图案时,增加产生缺陷指示的概率。
39.根据权利要求34所述的方法,其中所述第一方向基本和所述第三方向相反,所述第二方向基本和第四方向相反。
40.根据权利要求34所述的方法,其中至少一个属性运算对从不同方向获得的晶片单元检测信号求平均。
41.根据权利要求34所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个对称散射图案时,降低产生缺陷指示的概率。
42.根据权利要求34所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个由第一方向上的相对较强信号和第二方向上的相对较弱信号所表征的散射图案时,降低产生缺陷指示的概率。
43.根据权利要求42所述的方法,其中所述第二方向垂直于所述第一方向。
44.根据权利要求34所述的方法,其中选择至少一个属性运算,以便当所述至少两个晶片单元检测信号限定一个由第一方向和第三方向上的相对较强信号以及第二方向和第四方向上的相对较弱信号所表征的散射图案时,降低产生缺陷指示的概率。
45.根据权利要求34所述的方法,进一步包括选择至少一个属性运算的步骤。
46.根据权利要求45所述的方法,其中收集与晶片单元邻域属性值的公差有关的统计信息的步骤在所述选择步骤之后。
47.根据权利要求34所述的方法,进一步包括为每个属性算子建立分类数据库的步骤。
48.根据权利要求47所述的方法,进一步包括将分类值的间隔分为分类范围的步骤。
49.根据权利要求48所述的方法,其中相邻分类范围被界定于公差图的局部最小值处,该公差图形表示分类值及其公差之间的关系。
50.根据权利要求49所述的方法,其中分配分类范围,例如每个范围包括预定阈值之上的至少一个局部最大值。
51.根据权利要求50所述的方法,其中根据终端用户提供的范围信息分配分类范围。
52.根据权利要求50所述的方法,其中因此所述分类范围表示芯片上的图案区域、芯片上的背景。
53.根据权利要求50所述的方法,其中因此所述分类范围表示周期性单元、非周期性单元和背景。
54.根据权利要求34所述的方法,进一步包括为每个属性运算,为晶片单元属性值类型和参考晶片单元属性值类型的每个组合,建立参考/被测的属性/类型数据库的步骤。
55.根据权利要求34所述的方法,进一步包括为每个属性运算,为每个参考晶片单元属性值类型,建立参考/被测的属性/类型数据库的步骤。
56.根据权利要求34所述的方法,进一步包括为每个属性运算,为每个晶片单元属性值类型,建立参考/被测的属性/类型数据库的步骤。
57.根据权利要求34所述的方法,进一步包括响应所述至少一个参考/被测的属性/类型数据库,限定至少一个阈值的步骤。
58.根据权利要求56所述的方法,其中每个参考/被测的属性/类型数据库是由柱状图包络线表征的多维柱状图。
59.根据权利要求58所述的方法,其中响应所述柱状图包络线,确定所述阈值。
60.根据权利要求58所述的方法,其中所述阈值包括与所述柱状图包络线相切的线。
61.根据权利要求58所述方法,其中所述阈值包括基本平行于形成所述柱状图的数据点的平均值的线。
62.根据权利要求58所述的方法,其中所述阈值包括与所述柱状图包络线相距预定距离的线。
63.根据权利要求58所述的方法,其中所述阈值包括线,其反映位于距离形成所述柱状图的数据点的平均值在预定统计参数内的数据点。
64.根据权利要求34所述的方法,其中参考晶片单元属性都是从晶片单元检测信号中计算的,这些晶片单元检测信号都源自一个图案,该图案与获得所述晶片单元检测信号的图案在理论上是相同的。
65.根据权利要求34所述的方法,其中所述计算步骤包括提供表示缺陷存在概率的警报信号。
66.根据权利要求34所述的方法,其中从属性算子集中选择属性运算子集的步骤在所述获得晶片单元检测信号的步骤之前。
67.根据权利要求66所述的方法,其中所述选择响应于所述基片的至少一个特征。
68.根据权利要求66所述的方法,其中所述选择响应于所述基片的制造阶段,该基片制造阶段在获得至少两个晶片单元检测信号之前。
69.根据权利要求66所述的方法,其中所述选择响应于预定的误报警率。
70.根据权利要求66所述的方法,其中所述选择响应于缺陷的至少一个估计散射图案。
71.根据权利要求24所述的方法,其中所述晶片单元检测信号中至少一个是响应预定特征的光的接收而获得的。
72.根据权利要求71所述的方法,其中所述预定特征是光偏振。
73.根据权利要求71所述的方法,其中所述的预定特征是光波长。
74.一种检测基片缺陷的方法,该方法包括下列步骤:
从第一方向获得第一晶片单元邻域检测信号和第一晶片单元检测信号;
从第二方向获得第二晶片单元邻域检测信号和第二晶片单元检测信号;
从第三方向获得第三晶片单元邻域检测信号和第三晶片单元检测信号;
从第四方向获得第四晶片单元邻域检测信号和第四晶片单元检测信号;
对至少两个晶片单元检测信号和至少两个相应的晶片单元邻域检测信号应用至少一个属性算子,以提供至少一个被测晶片单元属性值;
获得至少一个参考晶片单元属性值和至少一个相应的晶片单元邻域属性值,每个参考晶片单元属性对应于一个被测晶片单元属性;以及
确定所述至少一个被测晶片单元邻域属性值、所述至少一个参考晶片单元邻域属性值和至少一个阈值之间的关系,以指示是否存在缺陷。
75.根据权利要求74所述的方法,其中所述关系进一步响应于所述至少一个被测晶片单元属性值,并响应于所述至少一个参考晶片单元属性值。
76.根据权利要求75所述的方法,其中从属性算子集中选择属性运算子集的步骤在所述获得第一晶片单元检测信号的步骤之前。
77.根据权利要求76所述的方法,其中所述选择响应于所述基片的至少一个特征。
78.根据权利要求76所述的方法,其中所述选择响应于所述基片的制造阶段,所述基片制造阶段在所述获得至少两个晶片单元检测信号的步骤之前。
79.根据权利要求76所述的方法,其中所述选择响应于预定的误报警率。
80.根据权利要求76所述的方法,其中所述选择响应于缺陷的至少一个估计散射图案。
81.根据权利要求76所述的方法,其中至少一个属性算子响应于两个晶片单元检测信号的至少一个对的最大值。
82.一种用于检测基片缺陷的系统,该系统包括:
照明装置,其通过光束照射一个晶片单元;
多个检测器,其用于产生与所述晶片单元相关的至少两个晶片单元检测信号;以及
一个处理器,其耦合到所述多个检测器和一个存储单元,可操作所述处理器,以(a)响应所述至少两个晶片单元检测信号,计算至少一个晶片单元属性值;(b)取回至少一个参考晶片单元属性值,每个晶片单元属性值对应于一个参考晶片单元属性值;以及(c)确定所述至少一个参考晶片单元属性值、所述至少一个相应的晶片单元属性值和至少一个相应阈值之间的关系,以指示是否存在缺陷。
83.一种用于检测基片缺陷的系统,该系统包括:
照明装置,其通过光束照射一个晶片单元;
多个检测器,其用于产生与所述晶片单元相关的至少两个晶片单元检测信号;以及
一个处理器,其耦合到所述多个检测器和一个存储单元,可操作所述处理器,以(a)计算至少一个晶片单元属性值和晶片单元邻域属性值;和(b)确定所述晶片单元邻域属性值、至少一个阈值和相应的参考晶片单元邻域属性值之间的关系,以指示是否存在缺陷。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/097,442 | 2002-03-12 | ||
US10/097,442 US7693323B2 (en) | 2002-03-12 | 2002-03-12 | Multi-detector defect detection system and a method for detecting defects |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1646896A true CN1646896A (zh) | 2005-07-27 |
Family
ID=28039185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA03808791XA Pending CN1646896A (zh) | 2002-03-12 | 2003-03-12 | 多检测器缺陷检测系统和用于检测缺陷的方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US7693323B2 (zh) |
EP (1) | EP1483570A1 (zh) |
JP (1) | JP4426313B2 (zh) |
KR (1) | KR100972149B1 (zh) |
CN (1) | CN1646896A (zh) |
AU (1) | AU2003220223A1 (zh) |
IL (1) | IL164036A0 (zh) |
WO (1) | WO2003078987A1 (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726252B (zh) * | 2008-11-03 | 2011-11-02 | 上海华虹Nec电子有限公司 | 暗场图形硅片检测机台获得缺陷尺寸的方法 |
CN102396058A (zh) * | 2009-02-13 | 2012-03-28 | 恪纳腾公司 | 检测晶片上的缺陷 |
CN102741680A (zh) * | 2010-01-29 | 2012-10-17 | 株式会社日立高新技术 | 分析装置 |
CN102854196A (zh) * | 2012-09-24 | 2013-01-02 | 江苏物联网研究发展中心 | Mems结构缺陷的晶圆级自动检测系统及检测方法 |
CN103839767A (zh) * | 2014-02-21 | 2014-06-04 | 上海华力微电子有限公司 | 芯片分区采集最佳光线偏振信号的缺陷程式建立方法 |
US8775101B2 (en) | 2009-02-13 | 2014-07-08 | Kla-Tencor Corp. | Detecting defects on a wafer |
US8781781B2 (en) | 2010-07-30 | 2014-07-15 | Kla-Tencor Corp. | Dynamic care areas |
US8826200B2 (en) | 2012-05-25 | 2014-09-02 | Kla-Tencor Corp. | Alteration for wafer inspection |
US8831334B2 (en) | 2012-01-20 | 2014-09-09 | Kla-Tencor Corp. | Segmentation for wafer inspection |
US8923600B2 (en) | 2005-11-18 | 2014-12-30 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US9053527B2 (en) | 2013-01-02 | 2015-06-09 | Kla-Tencor Corp. | Detecting defects on a wafer |
US9087367B2 (en) | 2011-09-13 | 2015-07-21 | Kla-Tencor Corp. | Determining design coordinates for wafer defects |
US9092846B2 (en) | 2013-02-01 | 2015-07-28 | Kla-Tencor Corp. | Detecting defects on a wafer using defect-specific and multi-channel information |
US9134254B2 (en) | 2013-01-07 | 2015-09-15 | Kla-Tencor Corp. | Determining a position of inspection system output in design data space |
US9170211B2 (en) | 2011-03-25 | 2015-10-27 | Kla-Tencor Corp. | Design-based inspection using repeating structures |
US9189844B2 (en) | 2012-10-15 | 2015-11-17 | Kla-Tencor Corp. | Detecting defects on a wafer using defect-specific information |
US9310320B2 (en) | 2013-04-15 | 2016-04-12 | Kla-Tencor Corp. | Based sampling and binning for yield critical defects |
US9311698B2 (en) | 2013-01-09 | 2016-04-12 | Kla-Tencor Corp. | Detecting defects on a wafer using template image matching |
CN106663192A (zh) * | 2014-06-30 | 2017-05-10 | 卡内基·梅隆大学 | 用闪光灯、相机、借助尺度不变性和局部遮挡的自动化图像分析检测曲面水果的方法和系统 |
US9659670B2 (en) | 2008-07-28 | 2017-05-23 | Kla-Tencor Corp. | Computer-implemented methods, computer-readable media, and systems for classifying defects detected in a memory device area on a wafer |
US9865512B2 (en) | 2013-04-08 | 2018-01-09 | Kla-Tencor Corp. | Dynamic design attributes for wafer inspection |
CN110767575A (zh) * | 2018-07-23 | 2020-02-07 | 细美事有限公司 | 用于处理基板的设备和方法 |
CN112465791A (zh) * | 2014-10-23 | 2021-03-09 | 应用材料公司 | 迭代式缺陷滤除工艺 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7693323B2 (en) | 2002-03-12 | 2010-04-06 | Applied Materials, Inc. | Multi-detector defect detection system and a method for detecting defects |
US7009695B2 (en) * | 2003-04-01 | 2006-03-07 | Applied Materials, Inc. | Full frame thermal pump probe technique for detecting subsurface defects |
US8045788B2 (en) * | 2003-07-14 | 2011-10-25 | August Technology Corp. | Product setup sharing for multiple inspection systems |
US7844100B2 (en) * | 2004-11-29 | 2010-11-30 | Applied Materials Israel, Ltd. | Method for filtering nuisance defects |
JP2008034817A (ja) * | 2006-06-30 | 2008-02-14 | Toshiba Corp | 警報装置 |
US7759642B2 (en) * | 2008-04-30 | 2010-07-20 | Applied Materials Israel, Ltd. | Pattern invariant focusing of a charged particle beam |
US8265346B2 (en) | 2008-11-25 | 2012-09-11 | De La Rue North America Inc. | Determining document fitness using sequenced illumination |
US8780206B2 (en) * | 2008-11-25 | 2014-07-15 | De La Rue North America Inc. | Sequenced illumination |
US8749767B2 (en) * | 2009-09-02 | 2014-06-10 | De La Rue North America Inc. | Systems and methods for detecting tape on a document |
US8509492B2 (en) * | 2010-01-07 | 2013-08-13 | De La Rue North America Inc. | Detection of color shifting elements using sequenced illumination |
US8433124B2 (en) * | 2010-01-07 | 2013-04-30 | De La Rue North America Inc. | Systems and methods for detecting an optically variable material |
US8699784B2 (en) * | 2010-08-10 | 2014-04-15 | Camtek Ltd. | Inspection recipe generation and inspection based on an inspection recipe |
US9053596B2 (en) | 2012-07-31 | 2015-06-09 | De La Rue North America Inc. | Systems and methods for spectral authentication of a feature of a document |
CN103076430B (zh) * | 2012-12-31 | 2015-03-11 | 安庆凯美特气体有限公司 | 生产装置中的气体或液体物料在线分析装置 |
US9384302B2 (en) * | 2013-06-17 | 2016-07-05 | International Business Machines Corporation | Generating differences for tuple attributes |
US10290092B2 (en) | 2014-05-15 | 2019-05-14 | Applied Materials Israel, Ltd | System, a method and a computer program product for fitting based defect detection |
JP6424143B2 (ja) * | 2015-04-17 | 2018-11-14 | 株式会社ニューフレアテクノロジー | 検査方法およびテンプレート |
US9740805B1 (en) | 2015-12-01 | 2017-08-22 | Western Digital (Fremont), Llc | Method and system for detecting hotspots for photolithographically-defined devices |
JP6938397B2 (ja) * | 2018-02-08 | 2021-09-22 | 株式会社ニューフレアテクノロジー | 検査装置および検査方法 |
US11151711B2 (en) * | 2018-06-06 | 2021-10-19 | Kla-Tencor Corporation | Cross layer common-unique analysis for nuisance filtering |
KR102407877B1 (ko) * | 2020-02-13 | 2022-06-10 | 인하대학교 산학협력단 | 차량 탑재 능동형 센서를 이용하여 노면의 상태를 검출하기 위한 전자 장치 및 그의 동작 방법 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL99823A0 (en) * | 1990-11-16 | 1992-08-18 | Orbot Instr Ltd | Optical inspection method and apparatus |
US5808735A (en) | 1993-06-17 | 1998-09-15 | Ultrapointe Corporation | Method for characterizing defects on semiconductor wafers |
US6246787B1 (en) * | 1996-05-31 | 2001-06-12 | Texas Instruments Incorporated | System and method for knowledgebase generation and management |
US6256093B1 (en) | 1998-06-25 | 2001-07-03 | Applied Materials, Inc. | On-the-fly automatic defect classification for substrates using signal attributes |
US6208750B1 (en) * | 1998-07-07 | 2001-03-27 | Applied Materials, Inc. | Method for detecting particles using illumination with several wavelengths |
US6829381B2 (en) | 2001-11-28 | 2004-12-07 | Applied Materials, Inc. | Method for detecting defects |
CN100582753C (zh) * | 2001-11-28 | 2010-01-20 | 应用材料有限公司 | 探测缺陷的方法 |
US7693323B2 (en) | 2002-03-12 | 2010-04-06 | Applied Materials, Inc. | Multi-detector defect detection system and a method for detecting defects |
-
2002
- 2002-03-12 US US10/097,442 patent/US7693323B2/en active Active
-
2003
- 2003-03-12 KR KR1020047014376A patent/KR100972149B1/ko active IP Right Grant
- 2003-03-12 WO PCT/US2003/007662 patent/WO2003078987A1/en active Application Filing
- 2003-03-12 JP JP2003576945A patent/JP4426313B2/ja not_active Expired - Fee Related
- 2003-03-12 EP EP03716519A patent/EP1483570A1/en not_active Withdrawn
- 2003-03-12 AU AU2003220223A patent/AU2003220223A1/en not_active Abandoned
- 2003-03-12 IL IL16403603A patent/IL164036A0/xx active IP Right Grant
- 2003-03-12 CN CNA03808791XA patent/CN1646896A/zh active Pending
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8923600B2 (en) | 2005-11-18 | 2014-12-30 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US9659670B2 (en) | 2008-07-28 | 2017-05-23 | Kla-Tencor Corp. | Computer-implemented methods, computer-readable media, and systems for classifying defects detected in a memory device area on a wafer |
CN101726252B (zh) * | 2008-11-03 | 2011-11-02 | 上海华虹Nec电子有限公司 | 暗场图形硅片检测机台获得缺陷尺寸的方法 |
CN102396058B (zh) * | 2009-02-13 | 2014-08-20 | 恪纳腾公司 | 检测晶片上的缺陷 |
US8775101B2 (en) | 2009-02-13 | 2014-07-08 | Kla-Tencor Corp. | Detecting defects on a wafer |
CN102396058A (zh) * | 2009-02-13 | 2012-03-28 | 恪纳腾公司 | 检测晶片上的缺陷 |
CN102741680A (zh) * | 2010-01-29 | 2012-10-17 | 株式会社日立高新技术 | 分析装置 |
CN102741680B (zh) * | 2010-01-29 | 2015-09-23 | 株式会社日立高新技术 | 分析装置 |
US8781781B2 (en) | 2010-07-30 | 2014-07-15 | Kla-Tencor Corp. | Dynamic care areas |
US9170211B2 (en) | 2011-03-25 | 2015-10-27 | Kla-Tencor Corp. | Design-based inspection using repeating structures |
US9087367B2 (en) | 2011-09-13 | 2015-07-21 | Kla-Tencor Corp. | Determining design coordinates for wafer defects |
US8831334B2 (en) | 2012-01-20 | 2014-09-09 | Kla-Tencor Corp. | Segmentation for wafer inspection |
US8826200B2 (en) | 2012-05-25 | 2014-09-02 | Kla-Tencor Corp. | Alteration for wafer inspection |
CN102854196A (zh) * | 2012-09-24 | 2013-01-02 | 江苏物联网研究发展中心 | Mems结构缺陷的晶圆级自动检测系统及检测方法 |
CN102854196B (zh) * | 2012-09-24 | 2014-06-25 | 江苏物联网研究发展中心 | Mems结构缺陷的晶圆级自动检测方法 |
US9189844B2 (en) | 2012-10-15 | 2015-11-17 | Kla-Tencor Corp. | Detecting defects on a wafer using defect-specific information |
US9053527B2 (en) | 2013-01-02 | 2015-06-09 | Kla-Tencor Corp. | Detecting defects on a wafer |
US9134254B2 (en) | 2013-01-07 | 2015-09-15 | Kla-Tencor Corp. | Determining a position of inspection system output in design data space |
US9311698B2 (en) | 2013-01-09 | 2016-04-12 | Kla-Tencor Corp. | Detecting defects on a wafer using template image matching |
US9092846B2 (en) | 2013-02-01 | 2015-07-28 | Kla-Tencor Corp. | Detecting defects on a wafer using defect-specific and multi-channel information |
US9865512B2 (en) | 2013-04-08 | 2018-01-09 | Kla-Tencor Corp. | Dynamic design attributes for wafer inspection |
US9310320B2 (en) | 2013-04-15 | 2016-04-12 | Kla-Tencor Corp. | Based sampling and binning for yield critical defects |
CN103839767B (zh) * | 2014-02-21 | 2016-05-25 | 上海华力微电子有限公司 | 芯片分区采集最佳光线偏振信号的缺陷程式建立方法 |
CN103839767A (zh) * | 2014-02-21 | 2014-06-04 | 上海华力微电子有限公司 | 芯片分区采集最佳光线偏振信号的缺陷程式建立方法 |
CN106663192A (zh) * | 2014-06-30 | 2017-05-10 | 卡内基·梅隆大学 | 用闪光灯、相机、借助尺度不变性和局部遮挡的自动化图像分析检测曲面水果的方法和系统 |
CN112465791A (zh) * | 2014-10-23 | 2021-03-09 | 应用材料公司 | 迭代式缺陷滤除工艺 |
CN110767575A (zh) * | 2018-07-23 | 2020-02-07 | 细美事有限公司 | 用于处理基板的设备和方法 |
CN110767575B (zh) * | 2018-07-23 | 2023-08-25 | 细美事有限公司 | 用于处理基板的设备和方法 |
US11809158B2 (en) | 2018-07-23 | 2023-11-07 | Semes Co., Ltd. | Apparatus and method for treating substrate based on defect values of transfer paths |
Also Published As
Publication number | Publication date |
---|---|
JP4426313B2 (ja) | 2010-03-03 |
US20030174878A1 (en) | 2003-09-18 |
EP1483570A1 (en) | 2004-12-08 |
WO2003078987A1 (en) | 2003-09-25 |
KR100972149B1 (ko) | 2010-07-23 |
IL164036A0 (en) | 2005-12-18 |
KR20040094795A (ko) | 2004-11-10 |
AU2003220223A1 (en) | 2003-09-29 |
JP2005520154A (ja) | 2005-07-07 |
US7693323B2 (en) | 2010-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1646896A (zh) | 多检测器缺陷检测系统和用于检测缺陷的方法 | |
KR100808716B1 (ko) | 자동 결함 분류 방법 및 그 시스템 | |
CN101783306B (zh) | 检测晶片的系统和方法 | |
JP3990981B2 (ja) | 基板を検査するための方法及び装置 | |
KR101995618B1 (ko) | 자동화된 검사 시나리오 생성 | |
US6411377B1 (en) | Optical apparatus for defect and particle size inspection | |
US8274651B2 (en) | Method of inspecting a semiconductor device and an apparatus thereof | |
US7728969B2 (en) | Methods and systems for identifying defect types on a wafer | |
KR102153158B1 (ko) | 광학적 검사 및 광학적 리뷰로부터의 결함 속성에 기초한 전자 빔 리뷰를 위한 결함 샘플링 | |
CN109791897A (zh) | 用于半导体晶片检验的三维成像 | |
US20080101685A1 (en) | Defect inspection method and apparatus | |
US20020027653A1 (en) | Method for inspecting defects and an apparatus of the same | |
JP4472341B2 (ja) | 欠陥検出方法 | |
CN103765567A (zh) | 使用光致发光成像检验发光半导体装置的方法和设备 | |
US20060082766A1 (en) | Method of inspecting defects and apparatus for performing the same | |
JP2008199033A (ja) | 異物検査方法及び異物検査装置 | |
JP2001077165A (ja) | 欠陥検査方法及びその装置並びに欠陥解析方法及びその装置 | |
US7586599B2 (en) | Method and system for detecting defects | |
JP2002168799A (ja) | パターン欠陥検査方法 | |
KR101453033B1 (ko) | 에피택셜 웨이퍼의 에피 적층결함 검출방법 | |
JP5074058B2 (ja) | 異物検査方法及び異物検査装置 | |
Sopori | A scanning defect mapping system for semiconductor characterization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20050727 |