DE10392705B4

DE10392705B4 - Verfahren zur Musterprüfung

Info

Publication number: DE10392705B4
Application number: DE10392705T
Authority: DE
Inventors: Mark Geshel; Niv Shmueli; Gideon Friedmann; Orna Bregman-Amitai
Original assignee: Accretech Israel Ltd; Tokyo Seimitsu Co Ltd
Current assignee: Accretech Israel Ltd; Tokyo Seimitsu Co Ltd
Priority date: 2002-06-10
Filing date: 2003-06-10
Publication date: 2008-04-03
Anticipated expiration: 2023-06-11
Also published as: DE10392705T5; US7155052B2; JP2005529388A; KR20050013570A; AU2003238155A1; US20030228050A1; AU2003238155A8; KR100808652B1; KR20070038580A; WO2003104781A1

Abstract

Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster, mit folgenden Verfahrensschritten:
(a) Einlesen eines Satzes von Referenzdaten für das zu prüfende Muster;
(b) Erzeugen eines Multilevel-Pixelbildes von wenigstens einer Region des Musters, wobei sich das Muster innerhalb der wenigstens einen Region nicht wiederholt;
(c) Verarbeiten der Referenzdaten, die der wenigstens einen Region des Musters entsprechen, um wenigstens zwei Gruppen von Pixeln zu identifizieren, von denen erwartet wird, dass sie äquivalente Bilder erzeugen; und
(d) Vergleichen der wenigstens zwei Gruppen von Pixeln von dem Multilevel-Pixelbild.

Description

Gebiet der Erfindung
Die vorliegende Erfindung betrifft die Prüfung von Mustern und insbesondere Verfahren zum Verarbeiten von hochauflösenden Bildern zum Identifizieren von Defekten auf strukturierten Oberflächen wie Retikeln, Fotomasken, Halbleiterwafern, Flachbildschirmen und anderen strukturierten Objekten.
Technischer Hintergrund
Es ist bekannt, optische, E-Beam- oder andere Typen von Bildern von verschiedenen strukturierten Oberflächen zum Erfassen von Defekten zu erzeugen. Zum Identifizieren von Defekten wird typischerweise ein Bildvergleich gemacht. Konventionelle Techniken können in zwei allgemeine Klassen unterteilt werden, die nachfolgend als „Die-to-Database„ (Chip mit Datenbank) und als „Die-to-Die„ (Chip mit Chip) Vergleiche bezeichnet werden.
Bei Chip-mit-Datenbank-Vergleichen wird das Bild mit Referenzinformationen verglichen, die typischerweise einem CAD-Design entsprechen, gemäß dem das Muster hergestellt wurde. Dieser Ansatz scheint zwar intuitiv einfach zu sein, es treten jedoch bei praktischen Implementierungen auf der Basis dieser Idee zahlreiche Probleme auf. Insbesondere entsprechen die Datenbankinformationen typischerweise einem idealisierten binären Muster, bei dem jeder Punkt entweder Leiter oder Isolator, transparent oder undurchlässig oder dergleichen ist. Im Gegensatz dazu ist das erfasste Bild ein verrauschtes Multilevel-Graustufenbild, bei dem gewollte Merkmale und Defekte anhand von subtilen Schattierungsunterschieden erkennbar sind. Um einen Vergleich zu erleichtern, können verschiedene theoretische Modelle verwendet werden, um ein synthetisiertes Graustufen-Referenzbild zu erzeugen. Solche Modelle lassen sich jedoch nur schwer implementieren und erbringen nicht immer zuverlässige Ergebnisse.
Um diese Probleme zu vermeiden, arbeiten viele Prüfsysteme mit einem Chip-mit-Chip-Vergleich, bei dem Bilder von äquivalenten Regionen benachbarter Chips direkt auf einem Wafer verglichen werden. Dies ist zum Identifizieren von Unterschieden zwischen Chips hoch wirksam, zeigt aber nicht, welcher Chip defekt ist. Aus diesem Grund wird gewöhnlich ein Drei-Nachbarn-Vergleich angestellt, um den defekten Chip auf der Basis der statistisch gerechtfertigten Annahme zu identifizieren, dass kein Zufallsdefekt in zwei Chips an derselben Position auftritt.
Eine offensichtliche Einschränkung des Chip-mit-Chip-Vergleichs ist, dass er nur dort anwendbar ist, wo mehrere Exemplare eines identischen Musters zum Vergleich zur Verfügung stehen. In Anwendungen wie der Maskenprüfung, bei der ein einzelnes, sich nicht wiederholendes Muster geprüft werden soll, greifen Prüfsysteme gewöhnlich wieder auf einen Datenbankvergleich mit seinen oben erwähnten ernsthaften Nachteilen zurück.
Ein zusätzlicheres, subtileres Problem mit dem Chip-mit-Chip-Vergleich begrenzt die Feinheit der Technik sogar dort, wo sie anwendbar ist. Insbesondere ist die Distanz zwischen den verglichenen Mustern immer der Zwischenchipabstand. Sowohl Produktions- als auch Abbildungstechniken verursachen im Allgemeinen räumlich variables Rauschen, das über den Zwischenchipabstand ausreicht, um die Empfindlichkeit des Chip-mit-Chip-Vergleichs erheblich herabzusetzen. So kann beispielsweise in dem Sonderfall eines Speicherchips, bei dem die sich intern wiederholende Struktur einen Zelle-mit-Zelle-Vergleich zulässt, ein Schwellenwert von etwa 6 Graustufenleveln (aus 256) ausreichen, um eine falsche Defekterkennung zuverlässig zu verhüten, während für einen Chip-mit-Chip-Vergleich, der für Logikchips notwendig ist, der erforderliche Schwellenwert auf 20 Graustufenlevels angehoben werden muss, um Fehlalarme zu vermeiden.
Es besteht daher Bedarf an einer Musterprüftechnik, die einen Bild-mit-Bild-Vergleich in einem einzelnen, sich nicht wiederholenden Muster erleichtern würde.
Offenbarung der Erfindung
Die vorliegende Erfindung betrifft ein Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster, das im Wesentlichen einem Satz von Referenzdaten entspricht.
Gemäß den Lehren der vorliegenden Erfindung wird ein Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster bereitgestellt, das im Wesentlichen einem Satz von Referenzdaten entspricht, umfassend: (a) Erzeugen eines Multilevel-Pixelbildes von wenigstens einer Region des Musters, wobei sich das Muster innerhalb der wenigstens einen Region nicht wiederholt; (b) Verarbeiten der Referenzdaten, die der wenigstens einen Region des Musters entsprechen, um wenigstens zwei Gruppen von Pixeln zu identifizieren, von denen erwartet wird, dass sie äquivalente Bilder erzeugen; und (c) Vergleichen der wenigstens zwei Gruppen von Pixeln von dem Multilevel-Pixelbild.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung werden die wenigstens zwei Gruppen durch eine Koordinatenverschiebung von Pixeln innerhalb einer einzelnen Region in Beziehung gesetzt, die einer translationalen Symmetrie der Pixel entspricht.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung hat die Koordinatenverschiebung eine Größe im Bereich von 1 bis 10 Pixeln.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung hat die Koordinatenverschiebung eine erste Größe, wobei die Schritte des Verarbeitens und Vergleichens für eine zweite Koordinatenverschiebung mit einer Größe wiederholt werden, die sich von der ersten Größe unterscheidet.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung wird wenigstens ein zusätzlicher Prüfalgorithmus auf das Multilevel-Pixelbild angewandt.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung beinhaltet der wenigstens eine zusätzliche Prüfalgorithmus Folgendes: (a) Verarbeiten der Referenzdaten zum Identifizieren von Regionen des Musters, die definierte Merkmale beinhalten; (b) Klassifizieren der Regionen mit Hilfe der Referenzdaten in Sätze von Regionen, die vergleichbare Auftretensfälle der definierten Merkmale enthalten, von denen erwartet wird, dass sie gemäß vordefinierten Kriterien ähnlich sind; (c) Erhalten von Multilevel-Pixelbildern einer Mehrzahl der Regionen, die die vergleichbaren Auftretensfälle enthalten; und (d) Vergleichen der Multilevel-Pixelbilder für die vergleichbaren Auftretensfälle.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung erfolgt das Erzeugen eines Multilevel-Pixelbildes mit Hilfe eines Abbildungssystems mit einer Datenausgaberate, und wobei wenigstens die Schritte des Verarbeitens und Vergleichens mit einer Geschwindigkeit durchgeführt werden, die durch die Datenausgaberate begrenzt ist.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung beinhalten die wenigstens zwei Gruppen eine erste Gruppe von Pixeln, die einem Rand eines Merkmals in dem Muster entspricht, wobei der Rand eine extensionale Richtung hat, und eine zweite Gruppe von Pixeln, die durch eine vordefinierte Koordinatenverschiebung parallel zur extensionalen Richtung mit der ersten Gruppe von Pixeln in Beziehung gebracht wird.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung hat die Koordinatenverschiebung eine Größe im Bereich von 1 bis 10 Pixeln.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung beinhalten die wenigstens zwei Gruppen eine erste Gruppe von Pixeln, die einer Ecke eines Merkmals in einer ersten Region des Musters entspricht, und eine zweite Gruppe von Pixeln, die einer Ecke eines Merkmals in einer zweiten Region des Musters entspricht.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung ist die strukturierte Oberfläche eine Maske, wobei die Referenzdaten eine Datenbank von Informationen ist, die einem Design des Musters entsprechen.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung ist die strukturierte Oberfläche ein auf einem Wafer gebildeter Chip.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung werden die Referenzdaten durch Erzeugen eines Bildes einer ähnlichen Abtastregion erhalten.
Gemäß den Lehren der vorliegenden Erfindung wird auch ein Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster bereitgestellt, das im Wesentlichen einem Satz von Referenzdaten entspricht, umfassend: (a) Erzeugen eines Multilevel-Pixelbildes von wenigstens einer Region des Musters; (b) Verarbeiten der Referenzdaten, die der wenigstens einen Region des Musters entsprechen, um wenigstens eine Gruppe von Pixeln zu identifizieren, von der erwartet wird, dass sie unter einem gegebenen Pixelverschiebungsvektor invariant ist; und (c) Vergleichen der wenigstens einen Gruppe von Pixeln von dem Multilevel-Pixelbild mit Pixeln, die von dem Pixelverschiebungsvektor darauf bezogen werden.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung beinhaltet die Verarbeitung eine Erosionsoperation, um von der wenigstens einen Gruppe von Pixeln eine Teilmenge der Pixel auszuschließen, von denen erwartet wird, dass sie unter dem gegebenen Pixelverschiebungsvektor invariant sind.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung wird die Verarbeitung durchgeführt, um Pixel zu identifizieren, von denen erwartet wird, dass sie bei sowohl Addition als auch Subtraktion des Verschiebungsvektors invariant sind, und wobei der Vergleich das Vergleichen jeder der wenigstens einen Gruppe von Pixeln von dem Multilevel-Pixelbild mit Pixeln beinhaltet, die durch Addition und Subtraktion des Verschiebungsvektors darauf bezogen werden.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung werden die Schritte des Verarbeitens und Vergleichens für jeden aus einer Mehrzahl von Pixelverschiebungsvektoren in verschiedenen Richtungen wiederholt.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung erzeugt der Vergleichsschritt selektiv einen Potentieller-Defekt-Ausgang, wenn sich Graustufenlevels der Pixel um mehr als einen definierten Schwellenwert unterscheiden, wobei das Verfahren ferner die Folgendes umfasst: (a) Identifizieren einer Symmetriezahl, die einer Zahl der Verschiebungsvektoren entspricht, bei denen erwartet wird, dass ein Pixel invariant ist; (b) Erzeugen einer Potentielle-Defekte-Zahl, die einer Zahl von Potentielle-Defekte-Ausgängen entspricht, die für das Pixel erzeugt werden; und (c) Anwenden eines Defektermittlungskriteriums unter Verwendung der Symmetriezahl und der Potentielle-Defekte-Zahl, um einen binären Defektausgang für das Pixel zu erzeugen.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung beinhaltet die Mehrzahl von Pixelverschiebungsvektoren Verschiebungsvektoren in wenigstens vier verschiedenen Richtungen.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung beinhaltet die Mehrzahl von Pixelverschiebungsvektoren Verschiebungsvektoren in acht verschiedenen Richtungen.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung hat der Pixelverschiebungsvektor eine Größe im Bereich von 1 bis 10 Pixeln.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung werden die Schritte des Verarbeitens und Vergleichens für jeden aus einer Mehrzahl von Pixelverschiebungsvektoren verschiedener Größen in einer gegebenen Richtung wiederholt.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung erfolgt das Erzeugen eines Multilevel-Pixelbildes mit Hilfe eines Abbildungssystems mit einer Datenausgaberate, und wobei wenigstens die Schritte des Verarbeitens und Vergleichens mit einer Geschwindigkeit durchgeführt werden, die durch die Datenausgaberate begrenzt wird.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung werden die Referenzdaten zum Erzeugen eines Schwellenwertes für jedes Pixel aus der Gruppe von Pixeln verwendet, wobei das Vergleichen durch Vergleichen einer Größe einer Differenz zwischen Graustufenleveln der Pixel mit einem entsprechenden Schwellenwert erfolgt.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung variiert der Schwellenwert für ein Pixel als positionsabhängige Funktion.
Gemäß den Lehren der vorliegenden Erfindung wird auch ein Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster bereitgestellt, das im Wesentlichen einem Satz von Referenzdaten entspricht, wobei das Verfahren umfasst: (a) Verarbeiten der Referenzdaten zum Identifizieren von Regionen des Musters, die definierte Merkmale beinhalten; (b) Klassifizieren der Regionen mittels der Referenzdaten in Sätze von Regionen, die vergleichbare Auftretensfälle der definierten Merkmale enthalten, von denen erwartet wird, dass sie gemäß vordefinierten Kriterien ähnlich sind; (c) Erhalten von Multilevel-Pixelbildern einer Mehrzahl der Regionen, die die vergleichbare Auftretensfälle enthalten; und (d) Vergleichen der Multilevel-Pixelbilder für die vergleichbaren Auftretensfälle.
Gemäß einem weiteren Merkmal der vorliegenden Erfindung beinhaltet der Vergleichsschritt Folgendes: (a) Anwenden eines Maßes an Abweichung zwischen Multilevel-Pixelbildern zum Ableiten statistischer Daten über die Bilder von vergleichbaren Auftretensfällen der definierten Merkmale; und (b) Anwenden eines Signifikanzkriteriums auf die statistischen Daten zum Identifizieren von Merkmalen, die sich auf statistisch signifikante Weise von den vergleichbaren Auftretensfällen der definierten Merkmale unterscheiden.
Kurzbeschreibung der Zeichnungen
Die Erfindung wird nachfolgend, jedoch nur beispielhaft, mit Bezug auf die Begleitzeichnungen beschrieben. Dabei zeigt:
1 ein Ablaufdiagramm, das die allgemeinen Grundsätze eines Verfahrens zum Prüfen einer strukturierten Oberfläche illustriert, in Aufbau und Funktion gemäß den Lehren der vorliegenden Erfindung;
2 ein allgemeines Blockdiagramm, das den allgemeinen Betrieb eines bevorzugten Multiprüfmodulsystems zum Prüfen einer strukturierten Oberfläche illustriert, in Aufbau und Funktion gemäß den Lehren der vorliegenden Erfindung;
3 ein erweitertes schematisches Ablaufdiagramm, das ein Eingabemodul vom System von 2 illustriert;
4A eine schematische Darstellung von Musterreferenzdaten, auf eine Region von Pixeln gelegt;
4B eine schematische Darstellung einer Pixelmap, die den Referenzdaten von 4A entspricht;
4C eine binäre Map von Pixeln von 4B, von denen erwartet wird, dass sie unter einer Aufwärtsverschiebung von einem Pixel invariant sind;
4D eine binäre Map von Pixeln von 4B, von denen erwartet wird, dass sie unter einer diagonalen Aufwärts- und Rechtsverschiebung von 1,41 Pixeln invariant sind;
4E eine binäre Map von Pixeln von 4B, von denen erwartet wird, dass sie unter einer Linksverschiebung von einem Pixel variant sind;
4F eine Summierung der gesamten translationalen Symmetrie für Pixel, die von den Maps aller 4C–4E abgedeckt werden;
5A eine schematische Darstellung von Musterreferenzdate, die einem auf eine Region von Pixeln gelegten Eckmerkmal entsprechen;
5B eine schematische Darstellung einer Pixelmap, die den Referenzdaten von 5A entspricht;
5C eine binäre Map von Pixeln von 5B, von denen erwartet wird, dass sie unter einer Aufwärtsverschiebung von zwei Pixeln invariant sind;
6 ein Ablaufdiagramm, das eine bevorzugte Ausführung eines Selbstvergleichsprüfmoduls zeigt, das für den Einsatz in dem System von 2 geeignet ist;
7 ein ausführliches Ablaufdiagramm einer möglichen Ausführung eines Einzelwinkelverschiebung-Selbstvergleichssubmoduls von dem Testmodul von 6;
8 ein Ablaufdiagramm, das den Betrieb eines Ecke/Merkmal-Vergleichsprüfmoduls illustriert, das für den Einsatz in dem System von 2 geeignet ist; und
9 eine schematische Darstellung von Terminologie, die zum Beschreiben eines Eckklassifizierungssystems für die Verwendung in dem Ecke/Merkmal-Vergleichsprüfmodul von 8 verwendet wird.
Beste Art der Durchführung der Erfindung
Die vorliegende Erfindung betrifft ein Verfahren zum Prüfen einer strukturierten Oberfläche.
Die Grundsätze und der Betrieb des Verfahrens gemäß der vorliegenden Erfindung werden besser nach Bezugnahme auf die Zeichnungen und die begleitende Beschreibung verständlich.
Nun mit Bezug auf die Zeichnungen, 1 illustriert das Grundkonzept, das einer Reihe verschiedener Aspekte der vorliegenden Erfindung zugrunde liegt, die nachfolgend ausführlich beschrieben wird. Somit stellt die vorliegende Erfindung in ihrem Grundkonzept ein allgemein mit 10 bezeichnetes Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster bereit, das im Wesentlichen einem Satz von Referenzdaten entspricht. Allgemein ausgedrückt, das Verfahren 10 arbeitet mit Eingaben der Referenzdaten 12 und einem Multilevel-Pixelbild von wenigstens einer sich nicht wiederholenden Region des Musters 14. Die Referenzdaten, die der wenigstens einen Region des Musters entsprechen, werden direkt oder nach Verarbeitung (Schritt 16) als eine Map verwendet, die zum Identifizieren von wenigstens zwei Gruppen von Pixeln verarbeitet wird, von denen erwartet wird, dass sie äquivalente Bilder erzeugen (Schritt 18). Diese wenigstens zwei Gruppen von Pixeln von dem Multilevel-Pixelbild werden dann verglichen (Schritt 20) und ein Schwellenwert wird angewendet (Schritt 22), um vermutliche Defekte (Schritt 24) zu identifizieren.
Man wird sofort erkennen, dass die Grundsätze der vorliegenden Erfindung einen sehr vorteilhaften Ansatz für eine Vergleichsprüfung von Mustern bieten. Zunächst können unter Verwendung der Referenzdaten als Map Bild-mit-Bild-Vergleiche in Situationen gemacht werden, in denen konventionelle Chip-mit-Chip- oder Zelle-mit-Zelle-Ansätze nicht anwendbar sind, wie z.B. eine einzelne Maske für die Herstellung von Logikchips. Ferner erleichtert die vorliegende Erfindung typischerweise selbst in Fällen, bei denen der Chip-mit-Chip-Vergleich möglich ist, einen Pixel-mit-Pixel- oder Region-mit-Region-Vergleich mit weitaus geringeren Abständen als die für Chip-mit-Chip-Vergleiche verwendeten Zwischenchipabstände. Schließlich werden die Referenzdaten hier nur als eine Map von vergleichbaren Pixelgruppen verwendet, während alle Vergleiche zwischen Pixeln des realen Bildes erfolgen. Dadurch werden alle die oben erwähnten Komplikationen von Bild-mit-Datenbank-Vergleichen vermieden. Diese sowie weitere Vorteile der vorliegenden Erfindung werden durch die folgende Beschreibung verdeutlicht.
Wie bereits erwähnt, ist das Verfahren der vorliegenden Erfindung auf eine breite Palette an Prüfanwendungen anwendbar, einschließlich, aber nicht begrenzt auf, die Prüfung von Masken, Chips auf Wafern, Leiterplatten, gedruckte Muster, mechanische Teile und andere strukturierte Oberflächen. Im Falle einer einzelnen Maske sind die Referenzdaten typischerweise CAD-Design-Informationen, gemäß denen das Muster erzeugt wurde. Im Falle von Chips auf einem Wafer können die Referenzdaten entweder Design-Informationen oder ein Abtastbild eines Chips sein, der von demselben oder von einem anderen Wafer genommen wurde. Räumlich abhängige Produktions- und Abbildungsvariationen würden zwar ein Abtastchipbild von einem anderen Teil des Wafers für einen Direktvergleich ungeeignet machen, es reicht aber für die Verwendung als „Map„ in dem für die vorliegende Erfindung erforderlichen Sinne aus.
Man wird feststellen, dass die wenigstens eine Region, innerhalb derer Vergleiche durchgeführt werden, hier als „sich nicht wiederholend„ beschrieben wird, um sie von sich wiederholenden Mustern wie Speicherchips zu unterscheiden, bei denen mit konventionellen Techniken ein Zelle-mit-Zelle-Vergleich durchgeführt werden kann. Es ist jedoch zu bemerken, dass sich der Begriff „sich nicht wiederholend„ hier auf jedes Muster bezieht, das nicht vollkommen repetitiv ist und Fälle von Mustern beinhaltet, die sich örtlich wiederholende Muster im Rahmen eines gesamten sich nicht wiederholenden Musters beinhaltet (z.B. gemischte Speicher- und Logikchips). In solchen Fällen kann die Erfindung zum Ausführen einer Prüfung ähnlich einem konventionellen Zelle-mit-Zelle-Vergleich verwendet werden, während falsche Defektanzeigen in sich nicht wiederholenden Bereichen vermieden werden. Ein gemäß den Lehren der vorliegenden Erfindung arbeitendes System funktioniert natürlich auch effizient, wenn es zum Prüfen eines sich völlig wiederholenden Musters angewendet wird.
Es ist auch zu bemerken, dass sich der hierin verwendete Begriff „sich nicht wiederholend„ auf ein Muster bezieht, das sich über die Regionen, in denen von den Algorithmen Vergleiche gemacht werden, nicht wiederholt. In Fällen wie Chipprüfung kann sich das Muster tatsächlich in einem großen Umfang wiederholen (z.B. ganze Chips), wird aber für die Zwecke der vorliegenden Erfindung für einen Zwischenchipvergleich und für die Defekterkennung als sich nicht wiederholend angesehen.
Nun mit Bezug auf 2, ohne auf irgendeine Weise von der allgemeinen Anwendbarkeit des Verfahrens von 1 abzuweichen, wird das Verfahren hierin mit Bezug auf zwei spezifische bevorzugte Implementationen exemplifiziert, die vorteilhafterweise zusammen, und bei Bedarf auch mit einem oder mehreren ergänzenden Prüfmodulen verwendet werden, so dass sich ein äußerst wirksames Prüfsystem und ein entsprechendes Verfahren ergeben. Somit beinhaltet nach einer anfänglichen Justage der Ausrichtung zwischen den Referenzinformationen und dem Multilevel-Bild (Schritt 26) das System von 2 eine erste Implementation von Methode 10, nachfolgend als „Selbstvergleichsmodul„ 10a bezeichnet, und eine zweite Implementation von Methode 10, hier als „Ecke/Merkmal-Modul„ 10b bezeichnet wird. Diese beiden Prüfmodule werden vorzugsweise durch ein oder mehrere ergänzende Prüfmodule 28 ergänzt. Diese Prüfmodule erzeugen Ausgänge, die in einer Nachverarbeitungsstufe 30 koverarbeitet werden, um eine hoch effektive und zuverlässige Musterdefekterkennung bereitzustellen, wie nachfolgend deutlich wird. Die verschiedenen Komponenten dieses Systems werden nun ausführlicher beschrieben.
Vorverarbeitungsschritte
Zunächst einmal den Dateneingaben zuwendend, kann festgestellt werden, dass das System und das Verfahren der vorliegenden Erfindung vornehmlich für eine Ausführung als äußerst schnelles automatisiertes Prüfsystem gedacht ist. Die technischen Anforderungen an solche Systeme ändern sich ständig mit dem Fortschritt der Produktionstechniken. So beträgt beispielsweise derzeit die maximale Pixelauflösung zum Prüfen einer Maske 20 nm pro Pixel. Für eine Maske von 40 mm² entspricht dies insgesamt 4 × 10¹² Pixeln pro Maske. Um die Effizienz zu maximieren, muss das Prüfsystem die Eingangsbilddaten in Echtzeit mit der Ausgaberate des Abbildungssystems von beispielweise etwa 300 MB pro Sekunde an Bilddaten verarbeiten.
Um eine solche schnelle Verarbeitung zu erleichtern, werden die Referenzdaten vorzugsweise vorverarbeitet, um sie in ein Datenformat umzuwandeln, das dem beabsichtigten Abtastpfad des Abbildungssystems über die strukturierte Fläche gleichkommt. Ein solches Format kann als „Echtzeitformat„ (RTF) in dem Sinne bezeichnet werden, dass die Datensequenz der Datensequenz von Bilddaten von dem Abbildungssystem gleichkommt. In dem bevorzugten Beispiel von CAD-Design-Referenzinformationen enthält dieses Format, das hier als „rasterisiertes Format„ bezeichnet wird, vorzugsweise binäre Informationen über den beabsichtigten Inhalt jedes Pixels (transparent/undurchlässig oder dunkel/hell). Das rasterisierte Format wird auf das System in einer Sequenz gestreamt, die dem Abtastpfad des Abbildungssystems entspricht, wodurch eine effiziente Verarbeitung von Referenzdaten erleichtert wird, die der gerade verarbeiteten Bildregion entsprechen. Beide Datenströme werden vorzugsweise für Verarbeitungszwecke in Frames unterteilt, wie in der Technik bekannt ist. Für verschiedene Implementationen bilden diese Frames die von den Algorithmen der vorliegenden Erfindung verwendete „Map„. Für bestimmte Implementationen der vorliegenden Erfindung kann die „Map„ auf andere Weisen implementiert werden, wie z.B. als eine Liste von Polygonen (Typen, Positionen und Ausrichtungen).
Nun mit Bezug auf 3, die vorliegende Erfindung erfordert eine Pixel-für-Pixel-Assoziation eines erfassten Pixelbildes mit Referenzdaten, die derselben Region des Musters entsprechen. Diese Ausrichtungsanforderung ist üblich in Systemen des Standes der Technik, die Chip-mit-Datenbank-Vergleiche ausführen, und kann mit verschiedenen bekannten Techniken erzielt werden. Demgemäß wird das Ausrichtungsjustageverfahren 26 hier nicht ausführlich erörtert.
Als nicht begrenzendes Beispiel zeigt 3 eine Implementation eines Ausrichtungsjustageverfahrens 26, bei dem Bildeingang und Referenzdaten einem Schiebekalkulator 32 zugeführt werden. Der Schiebekalkulator 32 wählt relativ kleine Frames innerhalb von entsprechenden Datenchunks aus dem Bildeingang sowie entsprechende rasterisierte Daten aus und verarbeitet sie zum Ableiten einer Ausrichtungskorrektur. Diese Verarbeitung kann durch Pixelschiebekorrelation erfolgen, um eine ganzzahlige Pixelschiebekorrektur zu erhalten, und/oder es können Algorithmen für eine Subpixel-Ausrichtungskorrektur verwendet werden. Diese Techniken sind an sich bekannt und werden daher hier nicht behandelt. Die Größe des Pixelschiebebereiches, über den die Korrelation geprüft werden muss, ist von den Toleranzen des Abtastsystems abhängig.
Es ist zu bemerken, dass die Verarbeitungsgeschwindigkeit des Schiebekalkulators 32 im Allgemeinen kein begrenzender Faktor für die Gesamtverarbeitungsgeschwindigkeit ist, da die Schiebekalkulation mit einer kleinen Teilmenge der gescannten Daten durchgeführt wird, wobei angenommen wird, dass die Verschiebung über den aktuellen Abtastbereich gleichförmig ist.
Der Ausgang vom Schiebekalkulator 32 wird dann an den Ausrichtungskorrektor 34 angelegt. Der Ausrichtungskorrektor 34 verschiebt die Daten durch den Ausrichtungskorrekturvektor, so dass eine ordnungsgemäße Ausrichtung zwischen den Graustufenbildpixeln und den entsprechenden Referenzdaten gewährleistet wird. Bei Bedarf kann der Ausrichtungskorrektor 34, je nach dem in den Daten vorliegenden Rauschniveau, auch einen Tiefpassfilter enthalten. Je nach Ausführung des Schiebekalkulators 32 kann diese Korrektur eine Schiebung einer ganzen Zahl von Pixeln oder eine Subpixel- Auflösungsverschiebung sein. Die Ausrichtungskorrektur ist hier als auf die Bilddaten 14 angewendet dargestellt, aber eine Korrektur könnte stattdessen auch auf die Referenzdaten angewendet werden, entweder in ihrer rasterisierten Form oder davor. Die Referenzdaten und die Bilddaten sind dann zur Eingabe in die verschiedenen hierin beschriebenen Prüfmodule bereit.
Selbstvergleichsprüfmodul
Das Selbstvergleichsprüfmodul 10a ist ein Sonderfall des Verfahrens 10, bei dem die zu vergleichenden Gruppen von Pixeln durch eine Koordinatenverschiebung von Pixeln in Beziehung gebracht werden, die im Vergleich zu den Mustermerkmalen typischerweise klein sind. Mit anderen Worten, die Referenzdaten werden dazu verwendet zu identifizieren, von welchen Pixeln erwartet wird, dass sie eine translationale Symmetrie haben, und dann diese Symmetrie durch Vergleichen von Pixeln zu prüfen, die von einem entsprechenden Verschiebungsvektor in Beziehung gebracht werden. Die Grundsätze dieses Moduls werden schematisch mit Bezug auf die 4A–4F illustriert.
Zunächst mit Bezug auf 4A, diese repräsentiert schematisch einen Teil der Musterreferenzdaten, die auf eine Region von Pixeln gelegt sind. In diesem Fall entspricht der Teil des gezeigten Musters einem Rand eines Musterblocks, wobei der Rand von oben nach unten durch die Mitte einer Spalte von Pixeln verläuft. Nebenbei gesagt, Referenzdaten auf der Basis von CAD-Design-Informationen haben typischerweise eine Auflösung, die weitaus höher ist als die des Pixelgitters.
4B zeigt eine Pixelmap, die den Referenzdaten von 4A entspricht. Hier sind die Volumenpixel innerhalb der Grenzen des Mustermerkmals mit „b„ bezeichnet, während Pixel, durch die der Rand verläuft, mit „e„ bezeichnet sind.
4C ist eine binäre Map, die zeigt, von welchen Pixeln von 4B erwartet wird, dass sie bei einer Aufwärtsverschiebung von einem Pixel invariant sind. Da der Rand innerhalb dieses Frame von oben nach unten verläuft, ist der gesamte Frame bei einer Aufwärtsverschiebung symmetrisch, so dass alle Pixel invariant sind. Dies erlaubt einen Vergleich des Bildes in dieser Region mit sich selbst unter Translation. Jede signifikante Variation zwischen dem Bild und seinem translatierten Selbst ergibt eine Anzeige eines wahrscheinlichen Defekts.
4D ist eine entsprechende Map von Pixeln von 4B, von denen erwartet wird, dass sie bei einer diagonalen Aufwärts- und Rechtsverschiebung invariant sind. In diesem Fall wird, zur Vereinfachung der Darstellung, die Verschiebung so gewählt, dass sie zwischen diagonal benachbarten Pixeln ist, was einer Verschiebung mit einer Größe von 1,41 Pixeln entspricht. In diesem Fall ist, da der Verschiebungsvektor nicht mit dem Rand parallel ist, die Region des Randes unter dieser Translation nicht symmetrisch. Es wird jedoch erwartet, dass auch die Volumenregion entfernt vom Rand unter dieser Translation ist. Ebenso zeigt 4E eine entsprechende Map für eine Linksverschiebung von einem Pixel.
4F zeigt die Summen der Werte von den 4C–4E (für die Region, die allen Maps gemeinsam ist). Die Volumenregionen entfernt vom Rand können durch Selbstvergleich unter einer Mehrzahl von Pixelverschiebungsvektoren in verschiedenen Richtungen untersucht werden. Die Randregionen selbst, andererseits, sind nur unter Translation parallel zum Rand invariant, was nur einen einzigen Selbstvergleich zulässt.
In der Praxis wird der Selbstvergleich vorzugsweise für jeden in dem Muster vorhandenen Winkel durchgeführt. Gemäß akzeptierten Konventionen sind die einzigen verwendeten Randwinkel 0°, 30°, 45°, 60°, 90°, 120°, 135° und 150°. Solange der Satz von Verschiebungsvektoren einen Vektor parallel zu jedem Rand aufweist, ist die Technik zum Prüfen von Randregionen des Musters zusätzlich zu den Volumenregionen effektiv.
Nebenbei sollte bemerkt werden, dass die hierin als 30°, 60°, 120° und 150° bezeichneten Winkel tatsächlich durch einen Arkustangens von 1/2 definiert sind und genauer als Vielfache von 90° ± 26,565° angegeben werden. Diese Näherung wird hierin zur Vereinfachung der Terminologie verwendet.
Eine Begrenzung der Selbstvergleichstechnik bezieht sich auf die Prüfung von Eckmerkmalen, wie in den 5A–5C illustriert ist. 5A illustriert ein Referenzdatenmuster, 5B eine entsprechende Map und 5C eine binäre Map von Pixelinvarianz unter einer Zwei-Zellen-Aufwärtstranslation. In diesem Fall beinhaltet die Region des fraglichen Musters ein Eckmerkmal. Man wird verstehen, dass die Region der Ecke eine reduzierte Symmetrie hat, so dass sie unter bidirektionaler Translation parallel zu einem der Ränder, die sich an der Ecke treffen, nicht invariant ist. Bei Bedarf kann die Größe der Eckregion, die mit der bidirektionalen Selbstvergleichsimplementation nicht geprüft werden kann, mit Hilfe von unidirektionalen Vergleichsvektoren reduziert werden, die auf die Volumenregionen innerhalb und außerhalb der Ecke gerichtet sind. Um die Problematik des Prüfens von Eckregionen vollständig zu lösen, wird das Selbstvergleichsprüfmodul vorzugsweise durch wenigstens ein zusätzliches Prüfmodul zum Prüfen von Eckmerkmalen und/oder anderen Merkmalen wie nachfolgend erläutert ergänzt.
6 illustriert eine bevorzugte Struktur zum Implementieren des Selbstvergleichsprüfmoduls 10a. Dieses Modul nimmt die ausgerichteten Referenzdaten und Bildframes als Eingänge und erzeugt zunächst einen binären Defektframe. Bei Bedarf kann dieser Ausgangsframe weiter verarbeitet werden, um eine Liste von Defekten mit zusätzlichen Informationen zu erzeugen, wie z.B.: X-Punkt, Y-Punkt, X-Länge, Y-Länge, Defektgröße usw., um die Defekte enthaltenden Blöcke zu definieren.
Das hierin gezeigte Selbstvergleichsprüfmodul 10a beinhaltet acht Vergleichssubmodule 50a, 50b, ..., 50h, die Pixelgruppen mit sich selbst unter positiven und negativen Pixelverschiebungen in Winkeln von jeweils 0°, 30°, 45°, 60°, 90°, 120°, 135° und 150° vergleichen. Der Vergleich kann durch Vergleichen von Graustufenwerten, Gradienten oder einer beliebigen anderen Vergleichsfunktion oder einer Kombination von Vergleichsfunktionen durchgeführt werden, die auf individuelle Pixel oder Gruppen von Pixeln wirken. In einer besonders bevorzugten einfachen und effektiven Implementation wird der Vergleich durch Vergleichen einer Größe einer Differenz zwischen Graustufenwerten der Pixel mit einem entsprechenden Schwellenwert durchgeführt. Es könnte zwar ein konstanter Schwellenwert für alle Pixel verwendet werden, aber es wird für besser gehalten, einen positionsabhängigen Schwellenwert zu verwenden, der verschiedenen Rauschniveaus entspricht, die gewöhnlich aufgrund von Design- oder Bilderzeugungsüberlegungen in unterschiedlichen Regionen des Musters auftreten. Somit empfängt in dem hier illustrierten bevorzugten Beispiel jedes Vergleichssubmodul einen zusätzlichen Eingang von einem Schwellenwert-Framegenerator 52, der mittels Referenzdaten 12 einen Schwellenwert für die Verwendung beim Vergleichen jedes Pixels erzeugt. Zum Beispiel, der Schwellenwert für ein Pixel kann vornehmlich, oder ausschließlich, in Abhängigkeit von der Nähe zu einem Rand in dem Muster variieren. Für „Volumen„-Pixel weit von einem Rand entfernt wird ein relativ niedriger Schwellenwert (d.h. hohe Empfindlichkeit) zum Erkennen von Defekten verwendet. In Regionen in der Nähe eines Randes, wo gewöhnlich ein viel signifikanteres Rauschen im Bildsignal vorhanden ist, wird ein höherer (d.h wenig empfindlicher) Schwellenwert gesetzt. Bei Bedarf kann der Schwellenwert für jedes Pixel separat für jeden Vergleichswinkel gesetzt werden. In vielen Fällen wird jedoch ein einziger Schwellenwert für jedes Pixel, nur durch die Nähe zu einem Rand definiert, für ausreichend gehalten.
Eine mögliche Implementatierung von Vergleichssubmodulen 50a, 50b, ..., 50h ist in 7 dargestellt. Die Vergleichssubmodule sind sich alle ähnlich und unterscheiden sich nur durch den Winkel des in dem Vergleich verwendeten Pixelverschiebungsvektors. Das Modul wird hier daher generisch als Submodul 50x mit Bezug auf eine Verschiebungsvektorrichtung x beschrieben.
Zunächst mit Bezug auf den unteren Teil in 7, dort wird die Identifikation der Pixel beschrieben, von denen erwartet wird, dass sie unter dem gegebenen Pixelverschiebungsvektor invariant sind. Die binäre Map wird zunächst aus dem aktuellen Frame von rasterisierten Referenzdaten bei 54 extrahiert. Dann wird bei 56 die binäre Map entlang der X-Richtung um einen Betrag von N Pixeln (oder für nicht orthogonale Winkel eine Näherung davon) verschoben. Die Auswahl des Wertes N ist von der Auflösung der Pixel relativ zu den Merkmalen des Musters abhängig. Wenn der Wert zu klein gewählt wird, dann können verglichene Bildpixel ähnlich defekt sein und werden möglicherweise nicht erkannt. Wenn der Wert zu hoch gewählt wird, dann werden die Ausnahmeregionen um Eckmerkmale unnötig groß. In vielen Fällen ist eine Größenverschiebung im Bereich von 1 bis 10 Pixeln, am meisten bevorzugt im Bereich von 3 bis 6 Pixeln, vorteilhaft. Es ist auch häufig vorteilhaft, den Vergleich mit Verschiebungen von zwei oder mehr verschiedenen Größen zu wiederholen: eine kleinere Verschiebung ist wirksam, um relativ nahe an Ecken zu prüfen, während eine größere Verschiebung längere Defekte wie z.B. Wölbungen oder Aussparungen erkennt, die entlang eines Randes verlaufen und die mit einer kleinen Verschiebung möglicherweise nicht erkannt werden. Wo andere Größenverschiebungen verwendet werden, da unterscheiden sich diese vorzugsweise um wenigstens eine Pixelrandlänge. Bei 58 wird die verschobene binäre Map mit der ursprünglichen binären Map unter Verwendung einer „vergleiche gleich„ Operation verglichen. Der resultierende Frame wird als „Rückwärtsverschiebungs-Mask-in-Frame„ bezeichnet, bei dem eine „1„ ein Pixel anzeigt, von dem erwartet wird, dass es unter einer Translation von -N Pixeln in der Winkelrichtung X invariant ist.
In einer bevorzugten Implementatierung, bei der der Vergleich bidirektional durchgeführt wird, d.h. sowohl durch Addition als auch Subtraktion des Pixelverschiebungsvektors, kann der bei 54 erzeugte binäre Map-Ausgang ebenfalls um -N in der X-Richtung (Schritt 60) verschoben werden, und die ursprünglichen und verschobenen binären Maps werden mit einer „vergleiche gleich„ Operation 62 verglichen. Der neue resultierende Frame, „Vorwärtsverschiebungs-Mask-in-Frame„ genannt, hat eine „1„, um jedes Pixel anzuzeigen, von dem erwartet wird, dass es unter Addition eines Vektors von N Pixeln in Richtung X invariant ist.
Wie nachfolgend erörtert wird, können die hier beschriebenen Vergleichssubmodule so implementiert werden, dass sie in einem oder mehreren einer Reihe verschiedener Modi arbeiten, entsprechend Invarianz eines Pixels unter Vorwärtsverschiebung, Rückwärtsverschiebung, in einer Richtung oder in beiden Richtungen. Bei 64 wird/werden je nach beabsichtigtem Gebrauchsmodus ein oder mehrere Mask-in-Ausgangsframes gewählt: Rückwärtsverschiebungs-Mask-in-Frame, Vorwärtsverschiebungs-Mask-in-Frame und eine logische Kombination davon, z.B. die bei 66 gezeigte AND-Operation.
Dann wird vorzugsweise eine Erosionsoperation 68 an dem Mask-in-Frame durchgeführt, um die Größe von als invariant bezeichneten Regionen zu reduzieren. Die Erosionsoperation soll die Mask-out-Bereiche vergrößern, um problematische Merkmale (z.B. neben Ecken und schmalen Linien) zu vermeiden, die sonst Fehlalarme erzeugen könnten. Dieser Schritt kann mit einem standardmäßigen Erosionsoperator oder bei Bedarf durchgeführt werden, um selektierte Typen von Regionen selektiv zu erodieren, die von den anderen Prüfmodulen verdeckt werden. Der resultierende Mask-in-Frame ist der Ausgang von dem maskenerzeugenden Submodul.
In dem oberen Teil von 7 ist der Vergleich der Graustufenbildpixel beschrieben. Zunächst wird der Eingangsbildframe 14 um -N Pixel in der X-Richtung bei 70 verschoben. Der ursprüngliche Frame wird dann von dem verschobenen Frame subtrahiert (Schritt 72), und von dem Ergebnis wird der Absolutwert genommen (Schritt 74). Der resultierende Differenzframe von Vergleichswerten wird dann in Schritt 76 mit einem Schwellenframe (vom Schwellenwertgenerator 52) verglichen, um einen binären Frame zu erzeugen, der „Vorwärtsverschiebungsdefektframe„ genannt wird. Dieser Vorwärtsverschiebungsdefektframe ist eine binäre Map aller Pixel, die sich von den Pixeln signifikant unterscheiden, die durch Addition des Verschiebungsvektors in Beziehung gebracht werden, wobei das „Signifikanz„-Niveau durch den entsprechenden Schwellenwert definiert wird.
Ebenso wird in dem bevorzugten Fall eines bidirektionalen Vergleichs bei 78 der Eingangsbildframe in der X-Richtung um N Pixel verschoben, und der ursprüngliche Frame wird dann von dem verschobenen Frame subtrahiert (Schritt 80). Auch hier wird der Absolutwert genommen (Schritt 82) und der resultierende Differenzframe mit dem Schwellenwertframe vom Schwellenwertgenerator 52 in Schritt 84 verglichen, um einen binären Frame mit der Bezeichnung „Rückwärtsverschiebungsdefektframe„ zu erzeugen. Dieser Rückwärtsverschiebungsdefektframe ist eine binäre Map aller Pixel, die sich signifikant von dem Pixel unterscheiden, das durch Subtraktion des Verschiebungsvektors in Beziehung gebracht wird.
Wie zuvor erwähnt, können die hier beschriebenen Vergleichssubmodule so implementiert werden, dass sie in einem oder mehreren aus einer Reihe von verschiedenen Modi arbeiten. Es wird/werden ein oder mehrere Defektausgangsframes bei 85 gemäß dem beabsichtigten Betriebsmodus ausgewählt aus: dem Vorwärtsdefektframe, dem Rückwärtsdefektframe und einer logischen Kombination davon, wie z.B. der bei 86 gezeigten AND-Operation. Diese letztere Option ist für Pixel indikativ, die sich signifikant von Pixeln unterscheiden, die durch Addition und Subtraktion des Verschiebungsvektors in Beziehung gebracht werden. In einer alternativen Implementation wird die AND-Operation 86 durch eine OR-Operation mit einer resultierenden Zunahme der „Empfindlichkeit„ ersetzt, die durch Justieren der Schwellenwerte korrigiert werden müsste.
Der gewählte „Mask-in-Frame„ und der „Defektframe„ werden dann mit einer AND-Operation 88 kombiniert, um einen „Potentielle-Defekte-Frame„ zu erzeugen, bei dem eine „1„ einen potentiellen Defekt anzeigt. Dieser „Potentielle-Defekte-Frame„ ist der zweite Ausgang dieses Submoduls.
Wie erwähnt, können die Vergleichssubmodule so implementiert werden, dass sie in einem oder mehreren einer Reihe verschiedener Modi arbeiten, entsprechend Invarianz eines Pixels unter einer Vorwärtsverschiebung, einer Rückwärtsverschiebung, einer Richtung oder beiden Richtungen. Für eine eindirektionale Verschiebung wird der Ausgangsframe bei 88 durch die AND-Operation zwischen dem Vorwärtsdefektframe und dem Vorwärts-Mask-in-Frame oder zwischen dem Rückwärtsdefektframe und dem Rückwärts-Mask-in-Frame errechnet. Wo beide Richtungen verwendet werden sollen, da kann der Vergleich in einem „entweder/oder„ Modus implementiert werden, der eine „1„ erzeugt, wenn eine Richtung einen möglichen Defekt anzeigt, oder einem „Beide„-Modus, der nur dann eine „1„ erzeugt, wenn sowohl Vorwärts- als auch Rückwärtsverschiebungsvergleiche einen möglichen Defekt anzeigen. Der „Beide„-Modus wird vorzugsweise mit Hilfe einer AND-Operation 88 zwischen den Ausgängen der AND-Operation 66 und der AND-Operation 86 implementiert. Der „entweder/oder„ Modus wird gewöhnlich als OR-Kombination der eindirektionalen Vorwärts- und Rückwärtsausgangsdefektframes implementiert, d.h. nachdem sie individuell von einem AND-Operator mit ihren jeweiligen Mask-in-Frames kombiniert wurden. Bei Bedarf können in einer besonders bevorzugten Implementation sowohl der „entweder/oder„ als auch der „beide„ Modus parallel mit verschiedenen Schwellenwerten implementiert werden (da der „entweder/oder„ Modus weitaus empfindlicher ist als der „beide„ Modus). Gemäß einer noch stärker bevorzugten Option können zwei, drei oder sogar alle der obigen Modi parallel für eine oder mehrere Verschiebungsgrößen N implementiert und ihre Ergebnisse mit geeigneten Gewichtungs- oder sonstigen Kombinationsalgorithmen auf eine in der Technik bekannte Weise kombiniert werden, so dass sich eine verbesserte Zuverlässigkeit und Empfindlichkeit des Modulausgangs ergeben.
Wie zuvor erwähnt, ist das Submodul 50x für jede Richtung X ähnlich. In jedem Fall besteht der benötigte Verschiebungsvektor aus Kombinationen von ganzen Pixelverschiebungen. Spezifisch ausgedrückt, fallen die benötigten Winkel in drei Gruppen: achsparallele Verschiebungen von 0° bis 90°; diagonale Verschiebungen von 45° und 135°; und Vielfache von 90° ± 26,565° (hierin 30°, 60°, 120° und 150° genannt). Im Falle von achsparallelen Verschiebungen wird die Verschiebung einfach in Einheiten von 1 oder mehreren ganzen Pixeln implementiert. Im Falle von diagonalen Verschiebungen ist die Grundeinheit eine Kombination aus einer einzelnen Pixelverschiebung in der X- und der Y-Achse mit einer Größe der Quadratwurzel von 2, d.h. 1,41 Pixel. Vielfache von 30° werden durch Verschiebungen von einem Pixel entlang einer Achse und zwei Pixeln in der anderen Richtung erzielt. Die Größe der Grundverschiebung ist daher gleich der Quadratwurzel von 5 und beträgt etwa 2,23 Pixel.
Durch Verwenden von geeigneten Vielfachen dieser Grundschritte kann näherungsweise eine gegebene gewünschte Verschiebungsgröße in allen Richtungen erzielt werden. So werden beispielsweise für eine Schiebedistanz von 4 Pixeln 3 Schritte in der 45-Grad-Richtung (ein Schritt von etwa 4,2 Pixeln) und 2 Schritte in der 30-Grad-Richtung verwendet (ein Schritt von etwa 4,46 Pixeln). Es ist jedoch zu bemerken, dass es auch möglich ist, verschiedene Schiebedistanzen für die verschiedenen Richtungen zu verwenden, wenn die resultierenden Variationen im Randverhalten ordnungsgemäß angegangen werden.
Nun zurück zu 6, in dem hierin beschriebenen Beispiel gibt jedes der Vergleichsmodule einen binären Frame aus, in dem „1„ für einen potentiellen Defekt steht. Es sind in der Technik verschiedene Methoden zum Kombinieren von Ergebnissen von verschiedenen Erkennungsmodulen bekannt, und es kann hier jede solche Methode zum Einsatz kommen. Als ein bevorzugtes Beispiel, diese acht Ausgänge werden hier bei 90 addiert, um einen Frame zu erhalten („Defektzahlframe„ genannt), in dem jedes Pixel einen Wert zwischen 0 und 8 haben kann („TotalDef„). Dieser Wert repräsentiert die Zahl der Submodule, die einen Defekt im Pixel melden. Die acht Vergleichssubmodule geben ebenfalls ihre „Mask-in„-Frames aus. Diese „Mask-in„-Frames werden bei 92 miteinander addiert, um einen Frame zu erhalten („Symmetrieklassenframe„ genannt), in dem jedes Pixel einen Wert zwischen 0 und 8 („TotalSym„) haben kann, der die Zahl der Transformationen repräsentiert, bei denen erwartet wird, dass das Pixel invariant ist. Der Wert eines Pixels in diesem Frame repräsentiert die Höchstzahl von Submodulen, die einen Defekt für dieses Pixel melden können. Der Grund ist, dass für ein gegebenes Pixel ein Defekt von einem gegebenen Submodul nur dann gemeldet werden kann, wenn es in diesem Modul „Mask-in„ ist. Somit ergibt das Summieren der „Mask-in„-Frames die maximale Anzahl von Submodulen, die einen Defekt melden können.
Ein Pixel wird als Teil eines Defekts identifiziert, wenn sein Wert im Defektzahlenframe größer als ein definierter Anteil seines Wertes im Symmetrieklassenframe ist. Dies bedeutet, dass das Pixel von mehr als einem bestimmten Anteil der Submodule als Defekt gemeldet wurde, die potentiell einen Defekt in diesem Pixel erkannt haben können. Auf diese Weise wird für sehr symmetrische Pixel (z.B. ein Volumenpixel mit einem TotalSym = 8) ein hoher Schwellenwert auf TotalDef (durch den TH-Wert diktiert) angewendet, so dass mehrere Submodule einen Defekt anzeigen müssen. Für ein Pixel mit weniger Symmetrie wird ein niedrigerer Schwellenwert angewendet.
Diese Beurteilung wird hier durch Multiplizieren (bei 94) des Gesamtsymmetriewertes TotalSym mit TH/100 repräsentiert, wobei TH ein Schwellenwert (Prozent) ist, der vom Benutzer angegeben wird. Man wird feststellen, dass in dem Sonderfall, bei dem TH auf 100 gesetzt ist, das Modul nur Defekte meldet, die von allen Submodulen erfasst werden können, die das fragliche Pixel prüfen können. Der resultierende effektive Schwellenwert „EffTH„ wird dann bei 96 mit dem Wert in dem Defektzahlenframe verglichen, um einen binären Defektframe zu erzeugen, der typischerweise zum Post-Processing-Modul 30 ausgegeben wird. Algebraisch wird die Bedingung zum Identifizieren eines Defekts durch die folgende Formel repräsentiert: TotalDef >= EffTHdefiniert durch EffTH = obere Grenze von {TH/100·TotalSym} wobei TH > 0 und „obere Grenze von „ der Vorgang des Aufrundens zur nächsten ganzen Zahl ist. Bei Bedarf kann ein zusätzlicher Schritt 98 durchgeführt werden, um Pixel mit einem positiven binären Defektausgang zu haben, der eine Näherungsbedingung zum Identifizieren einer Defektregion erfüllt.
Ecke/Merkmal-Prüfmodul
Wie oben illustriert, ist das Selbstvergleichsmodul effektiv zum Inspizieren von Volumenregionen und Rändern eines Musters, ist aber zum Prüfen von Eckregionen und anderen kleinen Mermalen nicht optimal. Aus diesem Grund wird das Selbstprüfmodul vorzugsweise in Kombination mit einem Ecke/Merkmal-Prüfmodul 10b verwendet, wie nun beschrieben wird. Es ist zu verstehen, dass das Ecke/Merkmal-Prüfmodul 10b wie hier beschrieben auch für die Verwendung in einer Reihe anderer Systeme vorteilhaft ist und nicht auf die Kombination mit den anderen Teilen des hier beschriebenen Systems begrenzt ist.
Auch hier basiert das Verfahren auf demselben zugrunde liegenden Prinzip der vorliegenden Erfindung, nämlich die Referenzdaten als Map zum Identifizieren von Pixeln oder Regionen von Pixeln zu verwenden, bei denen erwartet wird, dass sie ähnlich sind, und dann den eigentlichen Vergleich als einen Bild-mit-Bild-Vergleich innerhalb der erfassten Bilddaten durchzuführen. In diesem Fall sind die Regionen für den Vergleich jedoch ähnliche definierte Merkmale (z.B. Ecke, Kontakte, Enden von dünnen Leitern usw.), die aus verschiedenen Regionen des Musters ausgewählt sind.
Als Einleitung ist zu verstehen, dass an einem Versuch zu definieren, wie ein Eckmerkmal und andere Merkmale „aussehen„ sollen, sehr komplexe Faktoren beteiligt sind. Viele verschiedene Faktoren in Verbindung mit der Merkmalsgröße, Umgebungsmustermerkmalen und Produktionsbedingungen beeinflussen die Endform eines Merkmals (z.B. wieviel gerundet wird). Dies macht eine Chip-mit-Datenbank-Prüfung besonders für Ecken und andere kleine Merkmale unzuverlässig. Der Ecke/Merkmal-Prüfaspekt der vorliegenden Erfindung vermeidet alle Annahmen darüber, wie verschiedene Merkmale aussehen sollten, und ersetzt sie durch die einzige Annahme, dass alle Merkmale desselben Typs ähnlich aussehen sollen.
Nun mit Bezug auf 8, Verfahren 10b beginnt bei 100 durch Verarbeiten der Referenzdaten 12, um Regionen des Musters zu identifizieren, die definierte Merkmale der zu vergleichenden Typen definieren. Dann werden diese Regionen bei 102 anhand der Referenzdaten in Sätze von Regionen klassifiziert, die vergleichbare Merkmale enthalten, von denen erwartet sind, dass sie gemäß vordefinierten Kriterien ähnlich sind. Die Bilddaten 14 werden dann bei 104 zurückgespeichert, um ein Multilevel-Pixelbild einer Mehrzahl der Regionen zu erhalten, die die vergleichbaren Merkmale enthalten, und diese Regionen werden bei 106 verglichen, um wahrscheinliche Defekte in den Merkmalen zu identifizieren.
In Fällen, bei denen das Rauschniveau in den Daten gering ist, können Defekte auf der Basis von Vergleichen zwischen zwei, oder vorzugsweise drei, vergleichbaren Merkmalen erfasst werden. Für Daten mit signifikanterem Rauschen wird ein Maß an Abweichung zwischen Multilevel-Pixelbildern bei 108 verwendet, um statistische Daten über die Bilder von vergleichbaren Merkmalen abzuleiten. Diese Daten werden dann bei 110 verarbeitet, um ein Signifikanzkriterium auf die statistischen Daten anzuwenden, um Merkmale zu identifizieren, die sich auf statistisch signifikante Weise von den anderen vergleichbaren Merkmalen unterscheiden.

Anhand eines vereinfachten schematischen Beispiels folgt eine Tabelle von Rechtecken in einem Muster, das durch Koordinaten an ihren gegenüberliegenden Ecken definiert ist (alle Größen in Mikron).

Rechteckindex	Linke obere Ecke X-Koordinate	Linke obere Ecke Y-Koordinate	Rechte untere Ecke X-Koordinate	Rechte untere Ecke Y-Koordinate
1	10	10	103	103
2	118	15	190	90
3	213	10	294	90
4	313	12	381	97
5	413	12	484	92
6	510	10	591	92
7	608	10	694	92
8	703	10	784	95
9	808	10	874	90
10	914	1015	988	1093
11	10	1010	100	1102
12	118	1015	194	1096
13	213	1010	294	1098
14	313	1013	383	1097
15	413	1012	484	1095
16	510	1010	599	1092
17	608	1017	694	1099
18	703	1010	788	1099
19	808	1017	875	1091
20	914	1015	988	1098

Da die Rechtecke nicht von derselben Größe sind, ist kein direkter Vergleich der Rechtecke möglich. Stattdessen werden nur Teile der Rechtecke verglichen, von denen erwartet wird, dass sie gleich aussehen. Der Vergleich kann mit einer beliebigen geeigneten Vergleichsfunktion durchgeführt werden, z.B. entweder durch einen direkten Graustufenvergleich zwischen Paaren von Merkmalen oder mit einer Analysefunktion, die auf jede Region angewendet wird, die eine(n) charakteristische(n) Zahl oder Vektor zurückgibt, die/der in einer statistischen Analyse des Merkmals verwendet werden kann. In jedem Fall erfolgt der Vergleich so, dass eine das Merkmal enthaltende Region oder „Umgebung„ von vorbestimmter Größe verglichen wird.
Im Falle eines direkten Graustufenvergleichs können verschiedene Vergleichsfunktionen verwendet werden. Bevorzugte Beispiele sind unter anderem, aber nicht darauf begrenzt, eine Summe von Graustufendifferenzen, eine Summe von absoluten Differenzen, eine Summe von Quadratdifferenzen, wobei die Summen gleichmäßig oder mit verschiedenen Gewichtungen für jedes Pixelpaar errechnet werden können. Ein weiteres bevorzugtes Beispiel ist der Maximalwert der absoluten Differenz.
Im Falle einer Analysefunktion kann die Funktion ein beliebiger Satz von Operationen an einem Satz von Pixeln sein, der eine(n) geeignete(n) Zahl oder Zahlenvektor zurückgibt. Bevorzugte Beispiele sind unter anderem, aber nicht darauf begrenzt, die Summe der Pixel, die Graustufendifferenzen relativ zu einem Referenzsatz, Graustufenbereich, Durchschnitt, Varianz usw. Je nach der Wahl der Funktion kann der Wert dreh-/spiegelsensitiv oder symmetrisch sein.
Ein signifikanter Faktor bei der Klassifizierung von Eckmerkmalen ist die Auflösung der durchgeführten Prüfung. Für das obige Beispiel werden, wenn die Auflösung auf einem Level von 1 Pixel pro Mikron ist, alle Ränder und Ecken am selben Ort auch in Subpixel-Auflösung gesetzt. Dies erlaubt einen Direktvergleich aller ähnlich ausgerichteten Ecken. Wenn jedoch andererseits die Auflösung 1 Pixel pro 2 Mikron ist, dann wird nicht erwartet, dass alle Ränder oder Ecken vergleichbar sind, wenn die Vergleichsfunktion auf Subpixel-Niveau sensitiv ist.
In dem Beispiel von 1 Pixel für 2 Mikron wäre die Gruppierung von linken oberen Ecken („DA„ gemäß den Beschriftungskonventionen von 9) wie folgt:

• Rechtecke 1, 6, 7, 9, 11, 16
• Rechtecke 2, 10, 12, 17, 19, 20
• Rechtecke 3, 4, 5, 8, 13, 15, 18
• Rechtecke 14 – es fehlen Äquivalente, daher ist

Es ist zu bemerken, dass der „Ecke/Merkmal-Vergleich„-Algorithmus vorteilhaft auch für einen Randvergleich als Ergänzung des Selbstvergleichsalgorithmus eingesetzt werden kann. Spezifisch ist der Selbstvergleichsalgorithmus im Allgemeinen für eine Randverschiebung oder einen sehr allmählichen Drift unempfindlich. Defekte dieser Typen können daher erfasst werden, wenn man die Ränder als „definierte Merkmale„ ansieht, die in diesem Algorithmus verglichen werden sollen. Zurückkehrend zu dem obigen Beispiel, die Gruppierung zum Vergleichen von Rändern ist einfacher. So würde beispielsweise die Gruppierung für Rand „d„ wie folgt lauten:

• Rechtecke 1, 2, 6, 7, 9, 10, 11, 12, 16, 17, 19, 20
• Rechtecke 3, 4, 5, 8, 13, 14, 15, 18

Ergänzende Prüfmodule
Bei Bedarf können die oben erwähnten Module für den Zweck des Abdeckens von Unempfindlichkeitsbereichen in den oben bekannten Modulen und/oder zum Erhöhen der Gesamtempfindlichkeit auf der Basis verschiedener bekannter Algorithmen durch ein oder mehrere zusätzliche Prüfmodule ergänzt werden. Geeignete Algorithmen sowie Logik zum Kombinieren der Ausgänge der verschiedenen unterschiedlichen Module sind in der Technik hinlänglich bekannt.
Man wird verstehen, dass die obigen Beschreibungen lediglich als Beispiele dienen sollen und dass viele andere Ausgestaltungen im Rahmen des Wesens und Umfangs der vorliegenden Erfindung möglich sind.

Claims

Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster, mit folgenden Verfahrensschritten: (a) Einlesen eines Satzes von Referenzdaten für das zu prüfende Muster; (b) Erzeugen eines Multilevel-Pixelbildes von wenigstens einer Region des Musters, wobei sich das Muster innerhalb der wenigstens einen Region nicht wiederholt; (c) Verarbeiten der Referenzdaten, die der wenigstens einen Region des Musters entsprechen, um wenigstens zwei Gruppen von Pixeln zu identifizieren, von denen erwartet wird, dass sie äquivalente Bilder erzeugen; und (d) Vergleichen der wenigstens zwei Gruppen von Pixeln von dem Multilevel-Pixelbild.
Verfahren nach Anspruch 1, wobei die wenigstens zwei Gruppen durch eine Koordinatenverschiebung von Pixeln, die einer translationalen Symmetrie der Pixel entspricht innerhalb einer einzelnen Region in Beziehung gebracht werden.
Verfahren nach Anspruch 2, wobei die Koordinatenverschiebung eine Größe im Bereich von 1 bis 10 Pixeln hat.
Verfahren nach Anspruch 2, wobei die Koordinatenverschiebung eine erste Größe hat und wobei die Schritte des Verarbeitens und Vergleichens für eine zweite Koordinatenverschiebung mit einer von der ersten Größe unterscheidenden Größe wiederholt werden.
Verfahren nach Anspruch 2, ferner umfassend das Anwenden von wenigstens einem zusätzlichen Prüfalgorithmus auf das Multilevel-Pixelbild.
Verfahren nach Anspruch 5, wobei der wenigstens eine zusätzliche Prüfalgorithmus Folgendes umfasst: (a) Verarbeiten der Referenzdaten zum Identifizieren von Regionen des Musters, die definierte Merkmale beinhalten; (b) Klassifizieren der Regionen mit Hilfe der Referenzdaten in Sätze von Regionen, die vergleichbare Häufigkeiten der definierten Merkmale enthalten, von denen erwartet wird, dass sie gemäß vordefinierten Kriterien ähnlich sind; (c) Erhalten von Multilevel-Pixelbildern einer Mehrzahl der Regionen, die die vergleichbaren Häufigkeiten enthalten; und (d) Vergleichen der Multilevel-Pixelbilder für die vergleichbaren Häufigkeiten.
Verfahren nach Anspruch 1, wobei das Erzeugen eines Multilevel-Pixelbildes mit einem Abbildungssystem mit einer Datenausgaberate erfolgt, und wobei wenigstens die Schritte des Verarbeitens und Vergleichens mit einer durch die Datenausgaberate begrenzten Geschwindigkeit durchgeführt werden.
Verfahren nach Anspruch 1, wobei die wenigstens zwei Gruppen eine erste Gruppe von einem Rand eines Merkmals in dem Muster entsprechenden Pixeln enthalten, wobei der Rand eine extensionale Richtung hat, und eine zweite Gruppe von Pixeln, die durch eine vordefinierte Koordinatenverschiebung parallel zu der extensionalen Richtung auf die erste Gruppe von Pixeln bezogen wird.
Verfahren nach Anspruch 8, wobei die Koordinatenverschiebung eine Größe im Bereich von 1 bis 10 Pixeln hat.
Verfahren nach Anspruch 1, wobei die wenigstens zwei Gruppen eine erste Gruppe von einer Ecke eines Merkmals in einer ersten Region des Musters entsprechenden Pixeln, und eine zweite Gruppe von einer Ecke eines Merkmals in einer zweiten Region des Musters entsprechenden Pixeln umfassen.
Verfahren nach Anspruch 1, wobei die strukturierte Oberfläche eine Maske ist und wobei die Referenzdaten eine Datenbank von einem Design des Musters entsprechenden Informationen ist.
Verfahren nach Anspruch 1, wobei die strukturierte Oberfläche ein auf einem Wafer gebildeter Chip ist.
Verfahren nach Anspruch 1, wobei die Referenzdaten durch Erzeugen eines Bildes einer ähnlichen Abtastregion erhalten werden.
Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster umfassend: (a) Einlesen eines Satzes von Referenzdaten für das zu prüfende Muster; (b) Erzeugen eines Multilevel-Pixelbildes von wenigstens einer Region des Musters; (c) Verarbeiten der Referenzdaten, die der wenigstens einen Region des Musters entsprechen, um wenigstens eine Gruppe von Pixeln zu identifizieren, von der erwartet wird, dass sie unter einem gegebenen Pixelverschiebungsvektor invariant ist; und (d) Vergleichen der wenigstens einen Gruppe von Pixeln von dem Multilevel-Pixelbild mit Pixeln, die durch den Pixelverschiebungsvektor darauf bezogen werden.
Verfahren nach Anspruch 14, wobei die Verarbeitung einen Reduzierungsvorgang beinhaltet, um aus der wenigstens einen Gruppe von Pixeln eine Teilmenge der Pixel auszuschließen, von denen erwartet wird, dass sie unter dem gegebenen Pixelverschiebungsvektor invariant sind.
Verfahren nach Anspruch 14, wobei das Verarbeiten durchgeführt wird zum Identifizieren von Pixeln, von denen erwartet wird, dass sie sowohl unter Addition und Subtraktion des Verschiebungsvektors invariant sind, und wobei das Vergleichen das Vergleichen jeder der wenigstens einen Gruppe von Pixeln von dem Multilevel-Pixelbild mit Pixeln beinhaltet, die durch sowohl Addition und Subtraktion des Verschiebungsvektors darauf bezogen sind.
Verfahren nach Anspruch 14, wobei die Schritte des Verarbeitens und Vergleichens für jeden aus einer Mehrzahl von Pixelverschiebungsvektoren in verschiedenen Richtungen wiederholt werden.
Verfahren nach Anspruch 17, wobei das Vergleichen selektiv einen Potentielle-Defekte-Ausgang erzeugt, wenn sich Graustufenwerte der Pixel um mehr als einen definierten Schwellenwert voneinander unterscheiden, wobei das Verfahren ferner umfasst: (a) Identifizieren einer Symmetriezahl, die einer Zahl der Verschiebungsvektoren entspricht, bei denen erwartet wird, dass ein Pixel invariant ist; (b) Erzeugen einer Potentielle-Defekte-Zahl, die einer Zahl von Potentielle-Defekte-Ausgängen entspricht, die für das Pixel erzeugt werden; und (c) Anwenden eines Defektermittlungskriteriums unter Verwendung der Symmetriezahl und der Potentielle-Defekte-Zahl, um einen binären Defektausgang für das Pixel zu erzeugen.
Verfahren nach Anspruch 18, wobei die Mehrzahl von Pixelverschiebungsvektoren Verschiebungsvektoren in wenigstens vier verschiedenen Richtungen beinhalten.
Verfahren nach Anspruch 18, wobei die Mehrzahl von Pixelverschiebungsvektoren Verschiebungsvektoren in acht verschiedenen Richtungen beinhalten.
Verfahren nach Anspruch 14, wobei der Pixelverschiebungsvektor eine Größe im Bereich von 1 bis 10 Pixeln hat.
Verfahren nach Anspruch 14, wobei die Schritte des Verarbeitens und Vergleichens für jeden aus einer Mehrzahl von Pixelverschiebungsvektoren von verschiedenen Größen in einer gegebenen Richtung wiederholt werden.
Verfahren nach Anspruch 14, wobei das Erzeugen eines Multilevel-Pixelbildes mit einem Abbildungssystem mit einer Datenausgaberate erfolgt, und wobei wenigstens die Schritte des Verarbeitens und Vergleichens mit einer durch die Datenausgaberate begrenzten Geschwindigkeit durchgeführt werden.
Verfahren nach Anspruch 14, ferner umfassend das Verwenden der Referenzdaten zum Erzeugen eines Schwellenwertes für jedes Pixel aus der Gruppe von Pixeln, wobei das Vergleichen durch Vergleichen einer Größe einer Differenz zwischen Graustufenwerten der Pixel mit einem entsprechenden Schwellenwert durchgeführt wird.
Verfahren nach Anspruch 24, wobei der Schwellenwert für ein Pixel als positionsabhängige Funktion variiert.
Verfahren zum Prüfen einer strukturierten Oberfläche mit einem Muster umfassend: (a) Einlesen eines Satzes von Referenzdaten für das zu prüfende Muster; (b) Verarbeiten der Referenzdaten zum Identifizieren von Regionen des Musters, die definierte Merkmale beinhalten; (c) Klassifizieren der Regionen mittels der Referenzdaten in Sätze von Regionen, die vergleichbare Häufigkeiten der definierten Merkmale enthalten, von denen erwartet wird, dass sie gemäß vordefinierten Kriterien ähnlich sind; (d) Erhalten von Multilevel-Pixelbildern einer Mehrzahl der Regionen, die die vergleichbaren Häufigkeiten enthalten; und (e) Vergleichen der Multilevel-Pixelbilder für die vergleichbaren Häufigkeiten.
Verfahren nach Anspruch 26, wobei das Vergleichen Folgendes umfasst: (a) Anwenden eines Maßes an Abweichung zwischen Multilevel-Pixelbildern zum Ableiten statistischer Daten über die Bilder von vergleichbaren Häufigkeiten der definierten Merkmale; und (b) Anwenden eines Signifikanzkriteriums auf die statistischen Daten zum Identifizieren von Merkmalen, die sich auf statistisch signifikante Weise von den vergleichbaren Häufigkeiten der definierten Merkmale unterscheiden.