DE112018006771T5 - Metrologie bei Halbleitern und Defektklassifizierung unter Verwendung von Elektronenmikroskopie - Google Patents
Metrologie bei Halbleitern und Defektklassifizierung unter Verwendung von Elektronenmikroskopie Download PDFInfo
- Publication number
- DE112018006771T5 DE112018006771T5 DE112018006771.8T DE112018006771T DE112018006771T5 DE 112018006771 T5 DE112018006771 T5 DE 112018006771T5 DE 112018006771 T DE112018006771 T DE 112018006771T DE 112018006771 T5 DE112018006771 T5 DE 112018006771T5
- Authority
- DE
- Germany
- Prior art keywords
- semiconductor
- images
- electron microscopic
- microscopic images
- wafers
- 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
- 239000004065 semiconductor Substances 0.000 title claims abstract description 175
- 230000007547 defect Effects 0.000 title claims description 56
- 238000001493 electron microscopy Methods 0.000 title 1
- 235000012431 wafers Nutrition 0.000 claims abstract description 97
- 238000004519 manufacturing process Methods 0.000 claims abstract description 79
- 238000001000 micrograph Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims description 121
- 238000013400 design of experiment Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000001878 scanning electron micrograph Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 description 10
- 238000000206 photolithography Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000003917 TEM image Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000013401 experimental design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000635 electron micrograph Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
- G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
In einigen Ausführungsformen wird eine erste Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten einer Halbleiterstruktur aus einer ersten Quelle erhalten. Die elektronenmikroskopischen Bilder der ersten Vielzahl zeigen unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter. Es wird ein Modell trainiert, das eine Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Werten des einen oder der mehreren Halbleiterherstellungsparameter spezifiziert. Eine zweite Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern wird gesammelt. Der eine oder die mehreren Halbleiterwafer unterscheiden sich von der ersten Quelle. Werte des einen oder der mehreren Halbleiterherstellungsparameter für die zweite Vielzahl von elektronenmikroskopischen Bildern werden unter Verwendung des Modells vorhergesagt.
Description
- VERWEIS AUF VERWANDTE ANMELDUNG
- Diese Anmeldung beansprucht die Priorität der provisorischen
US-Patentanmeldung Nr. 62/613,946 - TECHNISCHES GEBIET
- Diese Offenbarung betrifft die Inspektion von Halbleitern und insbesondere die Metrologie bei Halbleitern und/oder Defektklassifizierung unter Verwendung von Bildern der Elektronenmikroskopie.
- HINTERGRUND
- Die Metrologie bei Halbleitern kann durchgeführt werden, indem die Abmessungen von Halbleiterstrukturen in elektronenmikroskopischen Bildern explizit gemessen werden. Um beispielsweise den Linienabstand (das heißt Abstandsmaß) zu messen, werden Linienkanten, wie sie in einem Rasterelektronenmikroskopbild der kritischen Dimension (CD-SEM) gezeigt sind, gemittelt und die Abstände zwischen aufeinanderfolgenden Durchschnittswerten bestimmt. Solche Messungen können jedoch verrauscht und ungenau sein und sind für beliebige oder komplexe Strukturen schwer durchzuführen. Nicht geometrische Parameter (beispielsweise der lithografische Fokus und die Dosis) sind mit solchen Messungen schwer zu bestimmen, ebenso wie einige geometrische Parameter (beispielsweise Overlay (Überlagerung), Filmdicke und Seitenwandwinkel). Solche Messungen versagen auch in der Auswertung von Informationen in den Bildern außerhalb der zu messenden Merkmale.
- Dementsprechend besteht ein Bedarf an verbesserten Verfahren und Systemen zur Verwendung von elektronenmikroskopischen Bildern, um Werte von Halbleiterherstellungsparametern zu bestimmen.
- In einigen Ausführungsformen wird ein erstes Verfahren zum Überwachen der Halbleiterherstellung in einem Computersystem durchgeführt, das einen oder mehrere Prozessoren und Speicheranweisungen für einen Speicher zur Ausführung durch den einen oder die mehreren Prozessoren umfasst. Bei dem ersten Verfahren wird eine erste Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten (Instanzen, Beispiele) einer Halbleiterstruktur aus einer ersten Quelle erhalten. Die elektronenmikroskopischen Bilder der ersten Vielzahl zeigen unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter. Es wird ein Modell trainiert, das eine Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Werten des einen oder der mehreren Halbleiterherstellungsparameter spezifiziert. Eine zweite Vielzahl von elektronenmikroskopischen Bildern für die jeweiligen Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern wird gesammelt. Der eine oder die mehreren Halbleiterwafer unterscheiden sich von der ersten Quelle. Werte des einen oder der mehreren Halbleiterherstellungsparameter für die zweite Vielzahl von elektronenmikroskopischen Bildern werden unter Verwendung des Modells vorhergesagt.
- In einigen Ausführungsformen wird ein zweites Verfahren zum Überwachen der Halbleiterherstellung in einem Computersystem durchgeführt, das einen oder mehrere Prozessoren und Speicheranweisungen für einen Speicher zur Ausführung durch den einen oder die mehreren Prozessoren umfasst. Bei dem zweiten Verfahren wird eine erste Vielzahl von elektronenmikroskopischen Bildern für jeweilige Bespiele einer Halbleiterstruktur aus einer ersten Quelle erhalten. Die erste Vielzahl der elektronenmikroskopischen Bilder zeigen unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter. Die erste Vielzahl von elektronenmikroskopischen Bildern ist den jeweiligen Defektklassen zugeordnet. Es wird ein Modell trainiert, das eine Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Defektklassen spezifiziert. Eine zweite Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern wird gesammelt. Der eine oder die mehreren Halbleiterwafer unterscheiden sich von der ersten Quelle. Eine oder mehrere Defektklassen für Defekte an dem einen oder den mehreren Halbleiterwafern werden unter Verwendung des Modells vorhergesagt.
- In einigen Ausführungsformen wird ein drittes Verfahren zum Überwachen der Halbleiterherstellung in einem Computersystem durchgeführt, das einen oder mehrere Prozessoren und Speicheranweisungen für einen Speicher zur Ausführung durch den einen oder die mehreren Prozessoren enthält. Bei dem dritten Verfahren werden simulierte elektronenmikroskopische Bilder für jeweils modellierte Varianten einer Halbleiterstruktur erhalten. Die elektronenmikroskopischen Bilder der ersten Vielzahl zeigen unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter. Eine Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern wird gesammelt. Werte der einen oder mehreren Halbleiterherstellungsparameter für die Vielzahl von elektronenmikroskopischen Bildern werden unter Verwendung der simulierten elektronenmikroskopischen Bilder vorhergesagt. Das Vorhersagen der Werte umfasst das Durchführen einer Regressionsanalyse zwischen der Vielzahl von elektronenmikroskopischen Bildern und den simulierten elektronenmikroskopischen Bildern.
- In einigen Ausführungsformen umfasst ein Computersystem einen oder mehrere Prozessoren und einen Speicher, in dem ein oder mehrere Programme zur Ausführung durch den einen oder die mehreren Prozessoren gespeichert sind. Das eine oder die mehreren Programme umfassen Anweisungen zum Ausführen des obigen ersten Verfahrens, des zweiten Verfahrens und/oder des dritten Verfahrens. In einigen Ausführungsformen speichert ein nicht-flüchtiges computerlesbares Speichermedium ein oder mehrere Programme, die zur Ausführung durch ein Computersystem konfiguriert sind. Das eine oder die mehreren Programme umfassen Anweisungen zum Ausführen des obigen ersten Verfahrens, des zweiten Verfahrens und/oder des dritten Verfahrens.
- Figurenliste
- Zum besseren Verständnis der verschiedenen beschriebenen Implementierungen sollte auf die nachstehende detaillierte Beschreibung in Verbindung mit den folgenden Zeichnungen Bezug genommen werden.
- Die
1 bis3 zeigen Flussdiagramme der jeweiligen Verfahren zum Überwachen der Halbleiterherstellung gemäß einigen Ausführungsformen. - Die
4 und5 zeigen Flussdiagramme der jeweiligen Verfahren zum Erhalten von simulierten elektronenmikroskopischen Bildern gemäß einigen Ausführungsformen. -
6 zeigt eine Vielzahl von elektronenmikroskopischen Bildern mit variierenden Werten des Overlays und damit variierenden Größen des Pitchfehlers. -
7 ist ein Blockdiagramm eines Halbleiterinspektionssystems gemäß einigen Ausführungsformen. - Gleiche Bezugszeichen beziehen sich in den Zeichnungen und der Beschreibung auf entsprechende Teile.
- DETAILLIERTE BESCHREIBUNG
- Es wird nun detailliert auf verschiedene Ausführungsformen Bezug genommen, von denen Beispiele in den beigefügten Zeichnungen dargestellt sind. In der folgenden detaillierten Beschreibung werden zahlreiche spezifische Details aufgeführt, um ein gründliches Verständnis der verschiedenen, beschriebenen Ausführungsformen bereitzustellen. Es ist jedoch für den Durchschnittsfachmann offensichtlich, dass die verschiedenen beschriebenen Ausführungsformen ohne diese spezifischen Details praktiziert werden können. In anderen Fällen wurden bekannte Verfahren, Prozeduren, Komponenten, Schaltungen und Netzwerke nicht im Detail beschrieben, um Aspekte der Ausführungsformen nicht unnötig zu verschleiern.
-
1 zeigt ein Flussdiagramm eines Verfahrens100 zur Überwachung der Halbleiterherstellung gemäß einigen Ausführungsformen. Das Verfahren100 kann in einem Computersystem durchgeführt werden (beispielsweise in dem Computersystem des Halbleiterinspektionssystems700 aus7 ). Schritte in dem Verfahren100 können kombiniert oder ausgelassen werden. - Bei dem Verfahren
100 wird eine erste Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten (Instanzen, Beispiele) einer Halbleiterstruktur aus einer ersten Quelle erhalten (102). Die elektronenmikroskopischen Bilder der ersten Vielzahl zeigen unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter. Beispielsweise kann jedes elektronenmikroskopische Bild der ersten Vielzahl oder jeweilige Gruppen von elektronenmikroskopischen Bildern der ersten Vielzahl einen unterschiedlichen Satz von Werten des einen oder der mehreren Halbleiterherstellungsparameter aufweisen. Die erste Vielzahl von elektronenmikroskopischen Bildern können Bilder sein, die mittels eines Rasterelektronenmikroskops (SEM) (beispielsweise CD-SEM-Bilder) oder mittels eines Transmissionselektronenmikroskops (TEM) aufgenommen wurden. - Der eine oder die mehreren Halbleiterherstellungsparameter können einen oder mehrere geometrische Parameter umfassen (beispielsweise kritische Abmessung (CD), Overlay (Überlagerung), Kantenplatzierungsfehler, Seitenwandwinkel usw.). Alternativ oder zusätzlich können der eine oder die mehreren Halbleiterherstellungsparameter einen oder mehrere nicht geometrische Parameter enthalten. Die nicht geometrischen Parameter können Parameter umfassen, die sich auf einen oder mehrere Schritte in einem Halbleiterherstellungsprozess (beispielsweise auf einen photolithographischen Schritt, einen Ätzschritt, einen Abscheidungsschritt usw.) beziehen. Beispielsweise können der eine oder die mehreren Halbleiterherstellungsparameter den Fokus und/oder die Dosis für einen photolithographischen Schritt umfassen. Der Dosisparameter für einen photolithographischen Schritt quantifiziert die Beleuchtungsmenge und damit die Anzahl der Photonen, die dem Halbleiterwafer (beispielsweise einem bestimmten Feld im Halbleiterwafer, wobei ein einzelnes Feld zu einer bestimmten Zeit beleuchtet wird) zur Verfügung gestellt werden.
- Die Halbleiterstruktur kann eine beliebige Struktur auf einem Halbleiterwafer sein. Beispielsweise kann die Halbleiterstruktur eine Teststruktur sein, die zur Charakterisierung der Durchführung eines Halbleiterherstellungsprozesses ausgelegt ist, oder sie kann Teil einer Halbleitervorrichtung sein (beispielsweise ein Chip auf einem Halbleiterwafer). Die Halbleiterstruktur kann gebildet werden, und die elektronenmikroskopischen Bilder können erhalten werden, nachdem ein oder mehrere Schritte eines Halbleiterherstellungsprozesses durchgeführt wurden, jedoch bevor der Halbleiterherstellungsprozess abgeschlossen ist.
-
6 zeigt prophetische Varianten von Bildern600-1 ,600-2 und600-3 einer Halbleiterstruktur mit einer Vielzahl von Linien602 (beispielsweise Metalllinien), die unter Verwendung einer Doppelmusterphotolithographie (das heißt unter Verwendung eines ersten Photolithographieschritts gefolgt von einem zweiten Photolithographieschritt) gemäß einigen Ausführungsformen hergestellt wurden. Die Bilder600-1 ,600-2 und600-3 sind Beispiele für elektronenmikroskopische Bilder der ersten Vielzahl und können reale oder simulierte elektronenmikroskopische Bilder sein. Der Overlay zwischen dem ersten Photolithographieschritt und dem zweiten Photolithographieschritt wird für die Bilder600-1 ,600-2 und600-3 variiert, was zu unterschiedlichen Ausmaßen von Abstandsfehlern für jedes Bild600 führt. Das Bild600-1 zeigt keinen Abstandsfehler. Das Bild600-2 zeigt einen ersten Grad (Abstandsmaß) eines Abstandsfehlers (beispielsweise gemessen in Prozent), und das Bild600-3 zeigt ein zweites Abstandsmaß, das größer als das erste Abstandsmaß ist. - In einigen Ausführungsformen umfasst die erste Quelle
104 einen DOE-Wafer (Design-of-Experiments), in dem verschiedene Felder hergestellt werden, um verschiedene Werte zu haben. Entsprechende Bilder der ersten Vielzahl von elektronenmikroskopischen Bildern werden von entsprechenden Feldern des DOE-Wafers erhalten. Der Wafer wird als DOE-Wafer bezeichnet, da er auf der Grundlage eines experimentellen Designs hergestellt wird, so dass er die unterschiedlichen Werte für die unterschiedlichen Felder aufweist. Jedes Feld kann so hergestellt werden, dass es unterschiedliche Werte für den einen oder die mehreren Halbleiterherstellungsparameter aufweist, oder es können entsprechende Gruppen von Feldern so hergestellt werden, dass jede Gruppe unterschiedliche Werte für den einen oder die mehreren Halbleiterherstellungsparameter aufweist. (Es kann auch zu unbeabsichtigten Abweichungen der Parameterwerte zwischen und innerhalb der Felder kommen.) - In einigen Ausführungsformen umfasst die erste Quelle
106 mehrere DOE-Wafer, bei denen verschiedene Wafer hergestellt werden, um die verschiedenen Werte zu haben. Entsprechende Bilder der ersten Vielzahl von elektronenmikroskopischen Bildern werden von jeweiligen Wafern der Vielzahl von DOE-Wafern erhalten. Die Wafer werden als DOE-Wafer bezeichnet, weil sie auf der Grundlage eines experimentellen Designs hergestellt wurden, so dass verschiedene Wafer unterschiedliche Werte haben. Jeder Wafer kann so hergestellt werden, dass er unterschiedliche Werte für den einen oder die mehreren Halbleiterherstellungsparameter aufweist, oder es können entsprechende Gruppen von Wafern so hergestellt werden, dass jede Gruppe unterschiedliche Werte für den einen oder die mehreren Halbleiterherstellungsparameter aufweist. (Es kann auch zu einer unbeabsichtigten Änderung der Parameterwerte zwischen Wafern und auf einem Wafer kommen.) - In einigen Ausführungsformen umfasst die erste Vielzahl von elektronenmikroskopischen Bildern simulierte elektronenmikroskopische Bilder (
108 ). Beispielsweise können alle elektronenmikroskopischen Bilder der ersten Vielzahl simulierte elektronenmikroskopische Bilder sein. Simulierte elektronenmikroskopische Bilder können unter Verwendung des Verfahrens400 (siehe4 ) oder500 (siehe5 ) erhalten werden, wie nachstehend beschrieben wird. - In einigen Ausführungsformen werden die Werte des einen oder der mehreren Halbleiterherstellungsparameter für die erste Vielzahl von elektronenmikroskopischen Bildern unter Verwendung eines Referenzmetrologiewerkzeugs (beispielsweise des Elektronenmikroskops, das die erste Vielzahl von Bildern aufgenommen hat) bestimmt (
110 ). Das Referenzmetrologiewerkzeug kann das gleiche Werkzeug oder der gleiche Werkzeugtyp sein, das beziehungsweise der zum Sammeln von Bildern in Schritt114 (unten) verwendet wird, oder kann ein davon (beispielsweise präziseres, aber langsameres) Werkzeug oder Werkzeugtyp sein. Wenn das Referenzmetrologiewerkzeug das gleiche Werkzeug oder der in Schritt114 verwendete Werkzeugtyp ist, können die Werkzeugeinstellungen mit denen in Schritt114 identisch oder unterschiedlich sein (beispielsweise genauer, aber langsamer). - Es wird ein Modell trainiert, das eine Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Werten des einen oder der mehreren Halbleiterherstellungsparameter spezifiziert (
112 ). In einigen Ausführungsformen ist das Modell ein neuronales Netzwerk. In einigen Ausführungsformen wird das Modell unter Verwendung von überwachtem Lernen trainiert. - Eine zweite Vielzahl von elektronenmikroskopischen Bildern für entsprechende Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern wird gesammelt (
114 ). Der eine oder die mehreren Halbleiterwafer unterscheiden sich von der ersten Quelle. Die zweite Vielzahl von elektronenmikroskopischen Bildern kann der gleiche Typ von elektronenmikroskopischen Bildern sein wie die erste Vielzahl von elektronenmikroskopischen Bildern und kann somit SEM-Bilder (beispielsweise CD-SEM-Bilder) oder TEM-Bilder sein. Während die elektronenmikroskopischen Bilder der ersten Vielzahl tatsächliche oder simulierte elektronenmikroskopische Bilder sein können, sind die elektronenmikroskopischen Bilder der zweiten Vielzahl tatsächliche Bilder. - Werte des einen oder der mehreren Halbleiterherstellungsparameter für die zweite Vielzahl von elektronenmikroskopischen Bildern werden unter Verwendung des Modells vorhergesagt (
116 ). - In einigen Ausführungsformen wird ein Herstellungsprozess, der zum Herstellen des einen oder der mehreren Halbleiterwafer verwendet wird, zumindest teilweise basierend auf den vorhergesagten Werten eingestellt (
118 ). Falls beispielsweise die Vorhersage anzeigt, dass sich die vorhergesagten Werte von den jeweiligen Zielwerten um einen Betrag abweichen (beispielsweise überschreitet oder gleich ist oder überschreitet), der einen Schwellenwert darstellt, wird der Prozess so angepasst, dass Werte für zukünftige Wafer innerhalb des Bereichs der Zielwerte (beispielsweise, die nicht die Schwellendifferenz erfüllen) liegen. In einigen Ausführungsformen werden der eine oder die mehreren Halbleiterwafer zumindest teilweise basierend auf den vorhergesagten Werten eingeteilt (120 ). Das Einteilen eines jeweiligen Wafers kann das Auswählen zwischen der Fortsetzung der Verarbeitung des jeweiligen Wafers, die Überarbeitung des jeweiligen Wafers oder das Verschrotten des jeweiligen Wafers umfassen. In einigen Ausführungsformen wird die Arbeitsleistung von Halbleiterbauelementen auf dem einen oder den mehreren Halbleiterwafern abgeschätzt, die zumindest teilweise auf den vorhergesagten Werten basiert (122 ). Das Verfahren100 kann keinen, einen oder mehrere oder alle Schritte118 ,120 und122 umfassen. -
2 zeigt ein Flussdiagramm eines anderen Verfahrens200 zur Überwachung der Halbleiterherstellung gemäß einigen Ausführungsformen. Das Verfahren200 kann wie das Verfahren100 in einem Computersystem durchgeführt werden (beispielsweise dem Computersystem des Halbleiterinspektionssystems700 , siehe7 ). Schritte in dem Verfahren200 können kombiniert oder ausgelassen werden. - In dem Verfahren
200 wird Schritt102 ausgeführt, wie oben für das Verfahren100 (siehe1 ) beschrieben ist. In einigen Ausführungsformen umfasst Schritt102 die Schritte104 ,106 oder108 . Für Schritt108 kann das Verfahren400 (siehe4 ) oder500 (siehe5 ) gemäß einigen Ausführungsformen verwendet werden. - Die erste Vielzahl von elektronenmikroskopischen Bildern wird den jeweiligen Defektklassen zugeordnet (
210 ). In einigen Ausführungsformen umfassen die jeweiligen Defektklassen (211 ) auf dem DOE-Wafer (für Ausführungsformen, die Schritt104 umfassen) oder auf der Vielzahl von DOE-Wafern (für Ausführungsformen, die Schritt106 umfassen). Die jeweiligen Defektklassen können Defekten entsprechen, die in den jeweiligen Bildern der ersten Vielzahl nicht sichtbar sind, aber auf den jeweiligen Wafern oder Waferfeldern vorhanden sind, auf denen die Bilder aufgenommen wurden. Beispielsweise entspricht eine erste Defektklasse einem ersten Defekttyp, der auf einem ersten Wafer oder Waferfeld sichtbar ist, auf dem ein erstes Bild aufgenommen wurde, und so weiter für andere Defektklassen, Wafer oder Waferfelder und Bilder. In einigen Ausführungsformen entsprechen die jeweiligen Defektklassen Defekten, die in den jeweiligen Bildern der ersten Vielzahl nicht sichtbar sind, von denen jedoch bekannt ist, dass sie einem oder mehreren jeweiligen Werten von Halbleiterherstellungsparametern zugeordnet sind, die den jeweiligen Bildern entsprechen (beispielsweise mit den in den jeweiligen Bildern gezeigten Werten bis zu einem bestimmten Grad übereinstimmen). In einigen Ausführungsformen entsprechen die jeweiligen Defektklassen Defekten, die in jeweiligen Bildern der ersten Vielzahl sichtbar sind. - Es wird ein Modell trainiert, das eine Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Defektklassen spezifiziert (
212 ). In einigen Ausführungsformen ist das Modell ein neuronales Netzwerk. - In einigen Ausführungsformen sind die Arten von Defekten für die Defektklassen nicht spezifiziert (beispielsweise unbekannt), wenn die erste Vielzahl von elektronenmikroskopischen Bildern erhalten wird. Um das Modell zu trainieren, kann unbeaufsichtigtes Lernen verwendet werden, um die Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Defektklassen zu bestimmen, während Defekttypen für die Defektklassen nicht spezifiziert sind. Nachdem die Beziehung bestimmt wurde und die Defekttypen für die Defektklassen spezifiziert wurden (beispielsweise bekannt sind), werden die Defektklassen mit Labeln gekennzeichnet, die die Arten von Defekten (Defekttypen) für die Defektklassen angeben. Alternativ werden die Defekttypen für die Defektklassen vor Schritt
212 (beispielsweise wenn die erste Vielzahl von elektronenmikroskopischen Bildern erhalten wird) spezifiziert (beispielsweise bekannt), und das Modell wird durch beaufsichtigtes Lernern trainiert. - Eine zweite Vielzahl von elektronenmikroskopischen Bildern für die jeweiligen Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern werden gesammelt (
114 ), wie dies oben für das Verfahren100 (siehe1 ) beschrieben ist. - Eine oder mehrere Defektklassen für Defekte auf dem einen oder den mehreren Halbleiterwafern werden unter Verwendung des Modells vorhergesagt (
216 ). Defekte auf dem einen oder den mehreren Halbleiterwafern werden somit unter Verwendung des Modells klassifiziert. - In einigen Ausführungsformen wird ein Herstellungsprozess, der zur Herstellung des einen oder der mehreren Halbleiterwafer verwendet wird, zumindest teilweise basierend auf den vorhergesagten einer oder mehreren Defektklassen angepasst (
218 ). In einigen Ausführungsformen werden der eine oder die mehreren Halbleiterwafer zumindest teilweise basierend auf der einen oder den mehreren vorhergesagten Defektklassen eingeteilt (220 ). Das Einteilen eines jeweiligen Wafers kann das Auswählen zwischen der Fortsetzung der Verarbeitung des jeweiligen Wafers, der Überarbeitung des jeweiligen Wafers oder dem Verschrotten des jeweiligen Wafers umfassen. Das Verfahren200 kann keinen, einen oder beide der Schritte218 und220 umfassen. -
3 zeigt ein Flussdiagramm eines weiteren Verfahrens300 zur Überwachung der Halbleiterherstellung gemäß einigen Ausführungsformen. Das Verfahren300 kann, wie die Verfahren100 und/oder200 , in einem Computersystem (beispielsweise dem Computersystem des Halbleiterinspektionssystems700 , siehe7 ) durchgeführt werden. Schritte in dem Verfahren300 können kombiniert oder ausgelassen werden. - In dem Verfahren
300 werden simulierte elektronenmikroskopische Bilder für jeweilige modellierte Varianten einer Halbleiterstruktur erhalten (302 ). Die simulierten elektronenmikroskopischen Bilder zeigen unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter. Beispielsweise kann jedes simulierte elektronenmikroskopische Bild oder jede jeweilige Gruppe von simulierten elektronenmikroskopischen Bildern einen anderen Satz von Werten des einen oder der mehreren Halbleiterherstellungsparameter zeigen. Die simulierten elektronenmikroskopischen Bilder können simulierte SEM-Bilder (beispielsweise simulierte CD-SEM-Bilder) oder simulierte TEM-Bilder sein. In einigen Ausführungsformen können die simulierten elektronenmikroskopischen Bilder unter Verwendung des Verfahrens400 (siehe4 ) oder500 (siehe5 ) erhalten werden. - Wie für Schritt
102 in den Verfahren100 und200 (siehe1 bis2 ) kann die Halbleiterstruktur jede beliebige Struktur sein (beispielsweise eine Teststruktur oder ein Teil eines Halbleiterbauelements) (beispielsweise die Vielzahl von Linien602 , siehe6 ). Die Halbleiterstruktur kann eine Struktur sein, die, wenn sie tatsächlich hergestellt wird, nach einem oder mehreren Schritten eines Halbleiterherstellungsprozesses, jedoch bevor der gesamte Halbleiterherstellungsprozess abgeschlossen ist, gebildet wird. - Eine Vielzahl von elektronenmikroskopischen Bildern wird für jeweilige Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern gesammelt (
304 ). Die Vielzahl von elektronenmikroskopischen Bildern umfasst somit, im Gegensatz zu simulierten elektronenmikroskopischen Bildern, tatsächliche elektronenmikroskopische Bilder. - Werte der einen oder mehreren Halbleiterherstellungsparameter werden für die Vielzahl von elektronenmikroskopischen Bildern unter Verwendung der simulierten elektronenmikroskopischen Bilder vorhergesagt (
306 ). Diese Vorhersage umfasst die Durchführung einer Regressionsanalyse zwischen der Vielzahl von elektronenmikroskopischen Bildern und den simulierten elektronenmikroskopischen Bildern. Die Regressionsanalyse kann eine Signaldifferenz zwischen der Vielzahl der in Schritt304 gesammelten elektronenmikroskopischen Bilder und den in Schritt302 erhaltenen simulierten elektronenmikroskopischen Bildern minimieren. Das Verfahren300 umfasst daher im Gegensatz zum Verfahren100 kein Modell mit den Schritten112 und116 (siehe1 ). - In einigen Ausführungsformen werden die Schritte
118 ,120 und/oder122 ausgeführt, wie oben für das Verfahren100 beschrieben (siehe1 ). -
4 zeigt ein Flussdiagramm eines Verfahrens400 zum Erhalten von simulierten elektronenmikroskopischen Bildern gemäß einigen Ausführungsformen. Bei dem Verfahren400 wird ein geometrisches Modell der Halbleiterstruktur erzeugt (402 ). Das geometrische Modell wird mit einem oder mehreren Halbleiterherstellungsparametern parametrisiert, die geometrische Parameter sein können. Der eine oder die mehreren Halbleiterherstellungsparameter für das geometrische Modell werden variiert (404 ), um Variationen des geometrischen Modells zu erzeugen (das heißt um entsprechende modellierte Varianten der Halbleiterstruktur zu erzeugen), die die unterschiedlichen Werte von einem oder mehreren Halbleiterherstellungsparametern aufweisen. Die simulierten elektronenmikroskopischen Bilder werden unter Verwendung entsprechender Variationen des geometrischen Modells (das heißt unter Verwendung entsprechender modellierter Varianten) erzeugt (406 ). Jedes simulierte Bild wird beispielsweise auf einer bestimmten Variation des geometrischen Modells erzeugt. Die Bildsimulation wird unter Verwendung eines Bildsimulators (beispielsweise Bildsimulationsmodul718 , siehe7 ) durchgeführt, der die Variationen als Eingabe empfängt. -
5 zeigt ein Flussdiagramm eines anderen Verfahrens500 zum Erhalten von simulierten elektronenmikroskopischen Bildern gemäß einigen Ausführungsformen. Bei dem Verfahren500 wird ein prozessbasiertes Modell der Halbleiterstruktur unter Verwendung eines Prozesssimulators erstellt (502 ), der mit Prozessparametern parametrisiert ist. Die Prozessparameter für den Prozesssimulator werden variiert, um entsprechende simulierte Varianten der Halbleiterstruktur mit den unterschiedlichen Werten eines oder mehrerer Halbleiterherstellungsparameter zu erzeugen. Beispielsweise werden entsprechende Iterationen der Prozesssimulation mit unterschiedlichen Prozessparameterwerten durchgeführt, um die jeweiligen simulierten Varianten der Halbleiterstruktur zu erzeugen. Die Prozessparameter geben Details darüber an, wie ein oder mehrere Prozessschritte (beispielsweise Fotolithographie, Ätzen, Abscheiden usw.) durchgeführt werden und sind somit keine geometrischen Parameter. Beispielsweise können die Prozessparameter den Fokus und/oder die Dosis für einen oder mehrere Photolithographieschritte umfassen. Jeweilige Prozessparameter können sich von dem einen oder den mehreren Halbleiterherstellungsparametern des Schritts102 (siehe1 bis2 ) und des Schritts302 (siehe3 ) unterscheiden oder können alternativ auch gleich sein. Die simulierten elektronenmikroskopischen Bilder werden unter Verwendung der jeweiligen simulierten Varianten der Halbleiterstruktur erzeugt (504 ), die als Eingabe für einen Bildsimulator bereitgestellt werden (beispielsweise Bildsimulationsmodul718 , siehe7 ). Beispielsweise wird jedes simulierte Bild basierend auf einer bestimmten Variante der vom Prozesssimulator bereitgestellten Halbleiterstruktur erzeugt. -
7 ist ein Blockdiagramm eines Halbleiterinspektionssystems700 gemäß einigen Ausführungsformen. Das Halbleiterinspektionssystem700 umfasst ein Elektronenmikroskop742 und ein Computersystem mit einem oder mehreren Prozessoren702 (beispielsweise CPUs), Benutzerschnittstellen706 , Speicher710 und einem oder mehreren Kommunikationsbussen704 , die diese Komponenten miteinander verbinden. Das Computersystem kann über ein oder mehrere Netzwerke740 kommunikativ mit dem Elektronenmikroskop742 gekoppelt sein. Das Computersystem kann ferner eine oder mehrere Netzwerkschnittstellen (verdrahtet und/oder drahtlos, nicht gezeigt) zur Kommunikation mit dem Elektronenmikroskop742 und/oder Remote-Computersystemen umfassen. Das Elektronenmikroskop742 kann ein SEM (beispielsweise ein CD-SEM) oder ein TEM sein. - Die Benutzerschnittstellen
710 können eine Anzeige707 und eine oder mehrere Eingabegeräte708 (beispielsweise eine Tastatur, eine Maus, eine berührungsempfindliche Oberfläche der Anzeige707 usw.) umfassen. Die Anzeige707 kann Ergebnisse des Verfahrens100 ,200 und/oder300 melden (beispielsweise kann eine Einteilung, eine Leistungsschätzung, eine Vorhersage der Defektklasse, die Details einer Einstellung des Herstellungsprozesses usw. gemeldet werden). - Der Speicher
710 umfasst einen flüchtigen und/oder nichtflüchtigen Speicher. Der Speicher710 (beispielsweise der nichtflüchtige Speicher innerhalb des Speichers710 ) umfasst ein nicht flüchtiges, computerlesbares Speichermedium. Der Speicher710 enthält optional eine oder mehrere Speichervorrichtungen, die entfernt von den Prozessoren702 angeordnet sind, und/oder ein nicht flüchtiges, computerlesbares Speichermedium, das entfernbar in das Serversystem700 eingefügt wird. In einigen Ausführungsformen speichert der Speicher710 (beispielsweise das nicht flüchtige, computerlesbare Speichermedium des Speichers710 ) die folgenden Module und Daten oder eine Teilmenge oder Obermenge davon: ein Betriebssystem712 , das Prozeduren zum Handhaben verschiedener grundlegender Systemdienste und zum Ausführen hardwareabhängiger Aufgaben enthält, ein Strukturmodellierungsmodul714 zum Erstellen geometrischer Modelle von Halbleiterstrukturen (beispielsweise wie in dem Verfahren400 verwendet, siehe4 ), ein Prozesssimulationsmodul716 (beispielsweise wie in dem Verfahren500 verwendet, siehe5 ), ein Bildsimulationsmodul718 zur Erzeugung simulierter elektronenmikroskopischer Bilder (beispielsweise gemäß dem Schritt108 , siehe1 bis2 , gemäß dem Schritt406 , siehe4 und/oder gemäß dem Schritt504 , siehe5 ), ein Modelltrainingsmodul720 (beispielsweise für die Verwendung bei den Schritten112 und/oder212 , siehe1 bis2 ), ein Vorhersagemodul722 für Werte (beispielsweise für die Verwendung bei dem Schritt116 der1 und/oder dem Schritt306 der3 ), ein Defektklassifizierungsmodul724 (beispielsweise zur Verwendung bei dem Schritt216 in2 ), ein Einstellmodul726 für den Prozess (beispielsweise für die Verwendung bei den Schritten118 und/oder 218in den1 bis3 ), ein Gliederungsmodul728 für Wafer (beispielsweise für die Verwendung bei den Schritten120 und/oder220 in den1 bis3 ), ein Abschätzmodul730 für die Leistungsfähigkeit (beispielsweise für die Verwendung bei Schritt122 in den1 und3 ), und elektronenmikroskopische Bilder732 (reale und/oder simulierte). - Der Speicher
710 (beispielsweise das nicht flüchtige computerlesbare Speichermedium des Speichers710 ) enthält somit Anweisungen zum Durchführen des Verfahrens100 (siehe1 ), des Verfahrens200 (siehe2 ) und/oder des Verfahrens300 (siehe3 ). Als solches kann der Speicher710 Anweisungen zum Durchführen des Verfahrens400 (siehe4 ) und/oder des Verfahrens500 (siehe5 ) enthalten. Jedes der in dem Speicher710 gespeicherten Module entspricht einem Satz von Anweisungen zum Ausführen einer oder mehrerer hierin beschriebener Funktionen. Separate Module müssen nicht als separate Softwareprogramme implementiert werden. Die Module und verschiedenen Teilmengen der Module können kombiniert oder auf andere Weise neu angeordnet werden. In einigen Ausführungsformen speichert der Speicher710 eine Teilmenge oder Obermenge der oben identifizierten Module und/oder Datenstrukturen. -
7 ist eher als Funktionsbeschreibung der verschiedenen Merkmale gedacht, die in einem Halbleiterinspektionssystem vorhanden sein können, denn als ein strukturelles Schema. Beispielsweise kann die Funktionalität des Computersystems in dem Halbleiterinspektionssystem700 auf mehrere Geräte aufgeteilt werden. Ein Teil der in dem Speicher710 gespeicherten Module kann alternativ in einem oder mehreren anderen Computersystemen gespeichert sein, die über ein oder mehrere Netzwerke kommunikativ mit dem Computersystem des Halbleiterinspektionssystems700 gekoppelt sind. - Die vorstehende Beschreibung wurde zum Zwecke der Erläuterung und unter Bezugnahme auf spezifische Ausführungsformen beschrieben. Die obigen veranschaulichenden Erörterungen sollen jedoch nicht erschöpfend sein oder den Umfang der Ansprüche auf die genauen offenbarten Formen beschränken. In Anbetracht der obigen Lehren sind viele Modifikationen und Variationen möglich. Die Ausführungsformen wurden ausgewählt, um die den Ansprüchen zugrunde liegenden Prinzipien und ihre praktischen Anwendungen am besten zu erklären, um es dem Fachmann zu ermöglichen, die Ausführungsformen mit verschiedenen Modifikationen, die für die jeweiligen in Betracht gezogenen Verwendungen geeignet sind, am besten zu verwenden.
- ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- US 62613946 [0001]
- Zitierte Nicht-Patentliteratur
-
- 5. Januar 2018, mit dem Titel „Method for Metrology and Defect Detection on Device Like Structures Using CD-SEM Images“ [0001]
Claims (22)
- Verfahren zur Überwachung der Halbleiterherstellung, wobei in einem Computersystem ein oder mehrere Prozessoren und Speicheranweisungen für einen Speicher zur Ausführung durch den einen oder die mehreren Prozessoren vorgesehen sind, wobei das Verfahren umfasst: Erhalten einer ersten Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten einer Halbleiterstruktur aus einer ersten Quelle, wobei die elektronenmikroskopischen Bilder der ersten Vielzahl unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter zeigen; Trainieren eines Modells, das eine Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Werten des einen oder der mehreren Halbleiterherstellungsparameter spezifiziert; Sammeln einer zweiten Vielzahl von elektronenmikroskopischen Bildern für die jeweiligen Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern, wobei sich der eine oder die mehreren Halbleiterwafer von der ersten Quelle unterscheiden; und Vorhersagen von Werten des einen oder der mehreren Halbleiterherstellungsparameter für die zweite Vielzahl von elektronenmikroskopischen Bildern unter Verwendung des Modells.
- Verfahren nach
Anspruch 1 , wobei der eine oder die mehreren Halbleiterherstellungsparameter zumindest einen von Überlagerung, kritischer Abmessung (CD), Seitenwandwinkel oder Kantenplatzierungsfehler umfassen. - Verfahren nach
Anspruch 1 , wobei der eine oder die mehreren Halbleiterherstellungsparameter zumindest einen von einem Fokus oder eine Dosis für einen photolithographischen Prozessschritt umfassen. - Verfahren nach
Anspruch 1 , wobei die erste und die zweite Vielzahl von elektronenmikroskopischen Bildern SEM-Bilder (CD-SEM) der kritischen Dimension sind. - Verfahren nach
Anspruch 1 , wobei: der eine oder die mehreren Halbleiterwafer unter Verwendung eines Herstellungsprozesses hergestellt werden; und das Verfahren ferner das Einstellen des Herstellungsprozesses zumindest teilweise basierend auf den vorhergesagten Werten umfasst. - Verfahren nach
Anspruch 1 , umfassend: Einteilen des einen oder der mehreren Halbleiterwafer, basierend zumindest teilweise auf den vorhergesagten Werten; wobei das Einteilen des einen oder der mehreren Halbleiterwafer ein Auswählen zwischen dem Weiterverarbeiten eines jeweiligen Wafers des einen oder der mehreren Halbleiterwafer, dem Nacharbeiten des jeweiligen Wafers oder dem Verschrotten des jeweiligen Wafers umfasst. - Verfahren nach
Anspruch 1 , wobei das Verfahren ferner das Schätzen der Leistungsfähigkeit von Halbleiterbauelementen auf dem einen oder den mehreren Halbleiterwafern umfasst, das zumindest teilweise auf den vorhergesagten Werten basiert. - Verfahren nach
Anspruch 1 , wobei: die erste Quelle einen DOE-Wafer (Design-of-Experiments) umfasst, bei dem verschiedene Felder hergestellt werden, um die verschiedenen Werte aufzuweisen; jeweilige Bilder der ersten Vielzahl von elektronenmikroskopischen Bildern von jeweiligen Feldern des DOE-Wafers erhalten werden; und das Verfahren ferner nach dem Erhalten und vor dem Training das Bestimmen der Werte des einen oder der mehreren Halbleiterherstellungsparameter für die erste Vielzahl von elektronenmikroskopischen Bildern unter Verwendung eines Referenzmetrologiewerkzeugs umfasst. - Verfahren nach
Anspruch 1 , wobei: die erste Quelle mehrere DOE-Wafer umfasst, in denen verschiedene Wafer hergestellt werden, um die verschiedenen Werte bereitzustellen; jeweilige Bilder der ersten Vielzahl von elektronenmikroskopischen Bildern von jeweiligen Wafern der Vielzahl von DOE-Wafern erhalten werden; und das Verfahren ferner umfasst, dass nach dem Erhalten und vor dem Training das Bestimmen der Werte des einen oder der mehreren Halbleiterherstellungsparameter für die erste Vielzahl von elektronenmikroskopischen Bildern unter Verwendung eines Referenzmetrologiewerkzeugs erfolgt. - Verfahren nach
Anspruch 1 , wobei: die erste Vielzahl von elektronenmikroskopischen Bildern simulierte elektronenmikroskopischen Bilder umfasst; und das Erhalten der ersten Vielzahl von elektronenmikroskopischen Bildern von der ersten Quelle umfasst: Erzeugen eines geometrischen Modells der Halbleiterstruktur, wobei das geometrische Modell mit dem einen oder den mehreren Halbleiterherstellungsparametern parametrisiert wird; Variieren des einen oder der mehreren Halbleiterherstellungsparameter für das geometrische Modell, um Variationen des geometrischen Modells mit den unterschiedlichen Werten eines oder mehrerer Halbleiterherstellungsparameter zu erzeugen; und Erzeugen der simulierten elektronenmikroskopischen Bilder unter Verwendung entsprechender Variationen des geometrischen Modells. - Verfahren nach
Anspruch 1 , wobei: die erste Vielzahl von elektronenmikroskopischen Bildern simulierte elektronenmikroskopischen Bilder umfasst; das Erhalten der ersten Vielzahl von elektronenmikroskopischen Bildern von der ersten Quelle umfasst: Verwenden eines mit Prozessparametern parametrisierten Prozesssimulators, um ein prozessbasiertes Modell der Halbleiterstruktur zu erstellen, das das Variieren der Prozessparameter für den Prozesssimulator umfasst, um entsprechende simulierte Varianten der Halbleiterstruktur mit den unterschiedlichen Werten eines oder mehrerer Halbleiterstrukturen zu erzeugen; und Erzeugen der simulierten elektronenmikroskopischen Bilder unter Verwendung der jeweiligen simulierten Instanzen der Halbleiterstruktur; und das Verfahren umfasst weiter, dass vor dem Training das Bestimmen der Werte des einen oder der mehreren Halbleiterherstellungsparameter für die simulierten elektronenmikroskopischen Bilder bestimmt werden. - Verfahren zum Überwachen der Halbleiterherstellung, wobei in einem Computersystem ein oder mehrere Prozessoren und Speicheranweisungen für einen Speicher zur Ausführung durch den einen oder die mehreren Prozessoren vorgesehen sind, wobei das Verfahren umfasst: Erhalten einer Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten einer Halbleiterstruktur aus einer ersten Quelle, wobei die elektronenmikroskopischen Bilder der ersten Vielzahl unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter zeigen; Assoziieren der ersten Vielzahl von elektronenmikroskopischen Bildern mit jeweiligen Defektklassen; Trainieren eines Modells, das eine Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Defektklassen spezifiziert; Sammeln einer zweiten Vielzahl von elektronenmikroskopischen Bildern für die jeweiligen Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern, wobei sich der eine oder die mehreren Halbleiterwafer von der ersten Quelle unterscheiden; und Vorhersagen einer oder mehrerer Defektklassen für Defekte auf dem einen oder den mehreren Halbleiterwafern unter Verwendung des Modells.
- Verfahren nach
Anspruch 12 , ferner umfassend, zumindest teilweise basierend auf der vorhergesagten einen oder mehreren Defektklassen, das Durchführen einer Aktion, die aus der Gruppe ausgewählt ist bestehend aus: Einstellen eines Herstellungsprozesses, der zur Herstellung des einen oder der mehreren Halbleiterwafer verwendet wird; und Einteilen des einen oder der mehreren Halbleiterwafer, umfassend das Auswählen zwischen dem Weiterverarbeiten eines jeweiligen Wafers des einen oder der mehreren Halbleiterwafer, dem Nacharbeiten des jeweiligen Wafers oder dem Verschrotten des jeweiligen Wafers. - Verfahren nach
Anspruch 12 , wobei: die erste Quelle einen DOE-Wafer (Design-of-Experiments) umfasst, bei dem verschiedene Felder hergestellt werden, um die verschiedenen Werte zu aufzuweisen; jeweilige Bilder der ersten Vielzahl von elektronenmikroskopischen Bildern aus jeweiligen Feldern des DOE-Wafers werden erhalten; und die jeweiligen Defektklassen Defektklassen auf dem DOE-Wafer umfassen. - Verfahren nach
Anspruch 12 , wobei: die erste Quelle mehrere DOE-Wafer umfasst, in denen verschiedene Wafer hergestellt werden, um die verschiedenen Werte aufzuweisen; jeweilige Bilder der ersten Vielzahl von elektronenmikroskopischen Bildern aus jeweiligen Wafern der Vielzahl von DOE-Wafern erhalten werden; und die jeweiligen Defektklassen Defektklassen auf Basis der Vielzahl von DOE-Wafern umfassen. - Verfahren nach
Anspruch 12 , wobei das Trainieren des Modells umfasst: Verwenden von nicht überwachtem Lernen, um die Beziehung zwischen der ersten Vielzahl von elektronenmikroskopischen Bildern und den Defektklassen zu bestimmen, während Defekttypen für die Defektklassen noch nicht spezifiziert sind; und Versehen der Defektklassen mit Kennzeichnungen, die die Defekttypen der Defekte bezüglich der Defektklassen spezifizieren nach dem nicht überwachten Lernen zur Bestimmung der Beziehung. - Verfahren nach
Anspruch 12 , wobei: die erste Vielzahl von elektronenmikroskopischen Bildern simulierte elektronenmikroskopischen Bilder umfasst; und das Erhalten der ersten Vielzahl von elektronenmikroskopischen Bildern aus der ersten Quelle umfasst: Erzeugen eines geometrischen Modells der Halbleiterstruktur, wobei das geometrische Modell mit dem einen oder den mehreren Halbleiterherstellungsparametern parametrisiert wird; Variieren des einen oder der mehreren Halbleiterherstellungsparameter für das geometrische Modell, um Variationen des geometrischen Modells mit den unterschiedlichen Werten eines oder mehrerer Halbleiterherstellungsparameter zu erzeugen; und Erzeugen der simulierten elektronenmikroskopischen Bilder unter Verwendung entsprechender Variationen des geometrischen Modells. - Verfahren nach
Anspruch 12 , wobei: die erste Vielzahl von elektronenmikroskopischen Bildern simulierte elektronenmikroskopische Bilder umfasst; und das Erhalten der ersten Vielzahl von elektronenmikroskopischen Bildern aus der ersten Quelle umfasst: Verwenden eines Prozesssimulators, der mit Prozessparametern parametrisiert ist, um ein prozessbasiertes Modell der Halbleiterstruktur zu erstellen, das das Variieren der Prozessparameter für den Prozesssimulator umfasst, um entsprechende simulierte Variationen der Halbleiterstruktur zu erzeugen, die unterschiedliche Werte eines oder mehrerer Herstellungsparameter besitzen; und Erzeugen der simulierten elektronenmikroskopischen Bilder basierend auf den jeweiligen simulierten Variationen der Halbleiterstruktur. - Verfahren zur Überwachung der Halbleiterherstellung, wobei in einem Computersystem ein oder mehrere Prozessoren und Speicheranweisungen für einen Speicher zur Ausführung durch den einen oder die mehreren Prozessoren vorgesehen sind, wobei das Verfahren umfasst: Erhalten von simulierten elektronenmikroskopischen Bildern für jeweilige modellierte Varianten einer Halbleiterstruktur, wobei die simulierten elektronenmikroskopischen Bilder unterschiedliche Werte eines oder mehrerer Halbleiterherstellungsparameter zeigen; Sammeln einer Vielzahl von elektronenmikroskopischen Bildern für jeweilige Varianten der Halbleiterstruktur auf einem oder mehreren Halbleiterwafern; und Vorhersagen von Werten des einen oder der mehreren Halbleiterherstellungsparameter für die Vielzahl von elektronenmikroskopischen Bildern unter Verwendung der simulierten elektronenmikroskopischen Bilder, umfassend das Durchführen einer Regressionsanalyse zwischen der Vielzahl von elektronenmikroskopischen Bildern und den simulierten elektronenmikroskopischen Bildern.
- Verfahren nach
Anspruch 19 , wobei das Erhalten der simulierten elektronenmikroskopischen Bilder umfasst: Erzeugen eines geometrischen Modells der Halbleiterstruktur, wobei das geometrische Modell mit dem einen oder den mehreren Halbleiterherstellungsparametern parametrisiert wird; Variieren des einen oder der mehreren Halbleiterherstellungsparameter für das geometrische Modell, um die jeweiligen modellierten Varianten der Halbleiterstruktur zu erzeugen; und Erzeugen der simulierten elektronenmikroskopischen Bilder unter Verwendung der jeweiligen modellierten Varianten der Halbleiterstruktur. - Verfahren nach
Anspruch 19 , wobei: das Erhalten der simulierten elektronenmikroskopischen Bilder umfasst: Verwenden eines mit Prozessparametern parametrisierten Prozesssimulators zum Erstellen eines prozessbasierten Modells der Halbleiterstruktur, umfassend das Variieren der Prozessparameter für den Prozesssimulator, um die jeweiligen modellierten Varianten der Halbleiterstruktur zu erzeugen; und Erzeugen der simulierten elektronenmikroskopischen Bilder unter Verwendung der jeweiligen simulierten Varianten der Halbleiterstruktur; und das Verfahren umfasst ferner vor dem Training das Bestimmen der Werte des einen oder der mehreren Halbleiterherstellungsparameter für die simulierten elektronenmikroskopischen Bilder. - Verfahren nach
Anspruch 19 , ferner umfassend das Durchführen einer Aktion, die zumindest teilweise auf den vorhergesagten Werten basiert und ausgewählt aus der Gruppe ist, die besteht aus: Einstellen eines Herstellungsprozesses, der zur Herstellung des einen oder der mehreren Halbleiterwafer verwendet wird; Einteilen des einen oder der mehreren Halbleiterwafer, umfassend das Auswählen zwischen dem Weiterverarbeiten eines jeweiligen Wafers des einen oder der mehreren Halbleiterwafer, dem Nacharbeiten des jeweiligen Wafers oder dem Verschrotten des jeweiligen Wafers; und Abschätzen der Leistung von Halbleiterbauelementen auf einem oder mehreren Halbleiterwafern.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862613946P | 2018-01-05 | 2018-01-05 | |
US62/613,946 | 2018-01-05 | ||
US16/198,658 | 2018-11-21 | ||
US16/198,658 US10580673B2 (en) | 2018-01-05 | 2018-11-21 | Semiconductor metrology and defect classification using electron microscopy |
PCT/US2018/068093 WO2019136015A1 (en) | 2018-01-05 | 2018-12-31 | Semiconductor metrology and defect classification using electron microscopy |
Publications (1)
Publication Number | Publication Date |
---|---|
DE112018006771T5 true DE112018006771T5 (de) | 2020-09-17 |
Family
ID=67144483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112018006771.8T Pending DE112018006771T5 (de) | 2018-01-05 | 2018-12-31 | Metrologie bei Halbleitern und Defektklassifizierung unter Verwendung von Elektronenmikroskopie |
Country Status (8)
Country | Link |
---|---|
US (1) | US10580673B2 (de) |
JP (1) | JP7097447B2 (de) |
KR (1) | KR102445989B1 (de) |
CN (1) | CN111566789B (de) |
DE (1) | DE112018006771T5 (de) |
IL (1) | IL275718B2 (de) |
TW (1) | TWI759574B (de) |
WO (1) | WO2019136015A1 (de) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3796230B1 (de) * | 2019-09-17 | 2022-03-09 | Imec VZW | Verfahren zur bestimmung von prozessgrenzen eines halbleiterprozesses |
US20220114438A1 (en) * | 2020-10-09 | 2022-04-14 | Kla Corporation | Dynamic Control Of Machine Learning Based Measurement Recipe Optimization |
US11868119B2 (en) * | 2021-09-24 | 2024-01-09 | Tokyo Electron Limited | Method and process using fingerprint based semiconductor manufacturing process fault detection |
US20240175824A1 (en) * | 2022-11-30 | 2024-05-30 | Applied Materials, Inc. | Substrate defect analysis |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5608526A (en) | 1995-01-19 | 1997-03-04 | Tencor Instruments | Focused beam spectroscopic ellipsometry method and system |
US5859424A (en) | 1997-04-08 | 1999-01-12 | Kla-Tencor Corporation | Apodizing filter system useful for reducing spot size in optical measurements and other applications |
US6429943B1 (en) | 2000-03-29 | 2002-08-06 | Therma-Wave, Inc. | Critical dimension analysis with simultaneous multiple angle of incidence measurements |
US7330279B2 (en) | 2002-07-25 | 2008-02-12 | Timbre Technologies, Inc. | Model and parameter selection for optical metrology |
DE10329107B4 (de) * | 2002-12-23 | 2015-05-28 | Mattson Thermal Products Gmbh | Verfahren zum Bestimmung wenigstens einer Zustandsvariablen aus einem Modell eines RTP-Systems |
US7478019B2 (en) | 2005-01-26 | 2009-01-13 | Kla-Tencor Corporation | Multiple tool and structure analysis |
US7567351B2 (en) | 2006-02-02 | 2009-07-28 | Kla-Tencor Corporation | High resolution monitoring of CD variations |
JP2007218711A (ja) | 2006-02-16 | 2007-08-30 | Hitachi High-Technologies Corp | 電子顕微鏡装置を用いた計測対象パターンの計測方法 |
JP2008177064A (ja) | 2007-01-19 | 2008-07-31 | Hitachi High-Technologies Corp | 走査型荷電粒子顕微鏡装置および走査型荷電粒子顕微鏡装置で取得した画像の処理方法 |
US7873585B2 (en) * | 2007-08-31 | 2011-01-18 | Kla-Tencor Technologies Corporation | Apparatus and methods for predicting a semiconductor parameter across an area of a wafer |
US20130110477A1 (en) | 2011-10-31 | 2013-05-02 | Stilian Pandev | Process variation-based model optimization for metrology |
WO2014062972A1 (en) | 2012-10-18 | 2014-04-24 | Kla-Tencor Corporation | Symmetric target design in scatterometry overlay metrology |
US10769320B2 (en) | 2012-12-18 | 2020-09-08 | Kla-Tencor Corporation | Integrated use of model-based metrology and a process model |
US9291554B2 (en) | 2013-02-05 | 2016-03-22 | Kla-Tencor Corporation | Method of electromagnetic modeling of finite structures and finite illumination for metrology and inspection |
US10101670B2 (en) | 2013-03-27 | 2018-10-16 | Kla-Tencor Corporation | Statistical model-based metrology |
US9875946B2 (en) | 2013-04-19 | 2018-01-23 | Kla-Tencor Corporation | On-device metrology |
US9915522B1 (en) | 2013-06-03 | 2018-03-13 | Kla-Tencor Corporation | Optimized spatial modeling for optical CD metrology |
US10935893B2 (en) | 2013-08-11 | 2021-03-02 | Kla-Tencor Corporation | Differential methods and apparatus for metrology of semiconductor targets |
US9518916B1 (en) | 2013-10-18 | 2016-12-13 | Kla-Tencor Corporation | Compressive sensing for metrology |
US10152654B2 (en) * | 2014-02-20 | 2018-12-11 | Kla-Tencor Corporation | Signal response metrology for image based overlay measurements |
US10151986B2 (en) | 2014-07-07 | 2018-12-11 | Kla-Tencor Corporation | Signal response metrology based on measurements of proxy structures |
US10210606B2 (en) | 2014-10-14 | 2019-02-19 | Kla-Tencor Corporation | Signal response metrology for image based and scatterometry overlay measurements |
US9710728B2 (en) | 2014-10-28 | 2017-07-18 | Kla-Tencor Corporation | Image based signal response metrology |
US10030965B2 (en) | 2015-05-08 | 2018-07-24 | Kla-Tencor Corporation | Model-based hot spot monitoring |
US10648924B2 (en) | 2016-01-04 | 2020-05-12 | Kla-Tencor Corp. | Generating high resolution images from low resolution images for semiconductor applications |
US10043261B2 (en) | 2016-01-11 | 2018-08-07 | Kla-Tencor Corp. | Generating simulated output for a specimen |
EP3290911A1 (de) * | 2016-09-02 | 2018-03-07 | ASML Netherlands B.V. | Verfahren und system zur überwachung einer prozessvorrichtung |
EP3321737A1 (de) * | 2016-11-10 | 2018-05-16 | ASML Netherlands B.V. | Verfahren zur bestimmung eines optimierten sets von messstellen zur messung eines parameters eines lithographischen verfahren, metrologiesystem |
EP3336608A1 (de) * | 2016-12-16 | 2018-06-20 | ASML Netherlands B.V. | Verfahren und vorrichtung für bildanalyse |
-
2018
- 2018-11-21 US US16/198,658 patent/US10580673B2/en active Active
- 2018-12-31 JP JP2020537154A patent/JP7097447B2/ja active Active
- 2018-12-31 WO PCT/US2018/068093 patent/WO2019136015A1/en active Application Filing
- 2018-12-31 KR KR1020207022469A patent/KR102445989B1/ko active IP Right Grant
- 2018-12-31 CN CN201880085014.4A patent/CN111566789B/zh active Active
- 2018-12-31 DE DE112018006771.8T patent/DE112018006771T5/de active Pending
-
2019
- 2019-01-03 TW TW108100139A patent/TWI759574B/zh active
-
2020
- 2020-06-29 IL IL275718A patent/IL275718B2/en unknown
Also Published As
Publication number | Publication date |
---|---|
TW201937625A (zh) | 2019-09-16 |
IL275718A (en) | 2020-08-31 |
KR102445989B1 (ko) | 2022-09-21 |
CN111566789A (zh) | 2020-08-21 |
KR20200096992A (ko) | 2020-08-14 |
JP2021509772A (ja) | 2021-04-01 |
IL275718B2 (en) | 2023-04-01 |
WO2019136015A1 (en) | 2019-07-11 |
TWI759574B (zh) | 2022-04-01 |
IL275718B (en) | 2022-12-01 |
JP7097447B2 (ja) | 2022-07-07 |
US10580673B2 (en) | 2020-03-03 |
US20190214285A1 (en) | 2019-07-11 |
CN111566789B (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112018006771T5 (de) | Metrologie bei Halbleitern und Defektklassifizierung unter Verwendung von Elektronenmikroskopie | |
EP1875307B1 (de) | Verfahren zur maskeninspektion im rahmen des maskendesigns und der maskenherstellung | |
DE10393394B4 (de) | Intelligentes integriertes Lithographiesteuerungssystem auf der Grundlage des Produktaufbaus und Ausbeuterückkopplungssystem und Verfahren zu dessen Anwendung | |
DE102008019341A1 (de) | Verfahren zur Analyse von Masken für die Photolithographie | |
DE102018211099B4 (de) | Verfahren und Vorrichtung zum Bewerten eines statistisch verteilten Messwertes beim Untersuchen eines Elements eines Photolithographieprozesses | |
DE102009038558A1 (de) | Verfahren zur Emulation eines fotolithographischen Prozesses und Maskeninspektionsmikroskop zur Durchführung des Verfahrens | |
DE112016004012T5 (de) | Techniken und systeme für modellbasierte messungen der kritischen dimension | |
DE112019000022T5 (de) | Verfahren zum Kennzeichnen von Substraten auf der Basis von Prozessparametern | |
DE102019103503A1 (de) | Fehlerreduktion bei Bildern, die mit geladenen Teilchen erzeugt wurden, mithilfe von Machine-Learning-basierten Verfahren | |
EP3767403A1 (de) | Machine-learning gestützte form- und oberflächenmessung zur produktionsüberwachung | |
DE102017220872B4 (de) | Verfahren und System zur Qualifizierung einer Maske für die Mikrolithographie | |
DE112017005308T5 (de) | Quantifizieren und Reduzieren der Gesamtmessunsicherheit | |
DE102007042272A1 (de) | Verfahren zur Korrektur der durch Lensdistortion eines Objektivs verursachten Messfehler | |
DE102021203251B3 (de) | Digitale Pathologie unter Verwendung eines künstlichen neuronalen Netzes | |
DE102016013260B4 (de) | Verfahren zur Erzeugung eines Referenzbildes bei der Charakterisierung einer Maske für die Mikrolithographie | |
DE102013020705B4 (de) | Verfahren zur Untersuchung einer Maske | |
US20220399237A1 (en) | Critical dimension error analysis method | |
DE102014113629A1 (de) | Verfahren zur Erzeugung eines modifizierten Layouts für Parameterextraktion | |
EP3371657A2 (de) | Verfahren und vorrichtung zur charakterisierung eines durch wenigstens einen lithographieschritt strukturierten wafers | |
WO2023041459A1 (de) | Computerimplementierte verfahren und system zur anomalieerkennung und verfahren zur anomalieerkennung in einer akustischen endprüfung eines getriebes | |
DE102013106320B4 (de) | Verfahren zur Ermittlung von Verzeichnungseigenschaften eines optischen Systems in einer Messvorrichtung für die Mikrolithographie | |
DE102016213925A1 (de) | Verfahren und Vorrichtung zur Charakterisierung eines durch wenigstens einen Lithographieschritt strukturierten Wafers | |
DE102022114236B3 (de) | Verfahren zur Registrierung von Strukturen auf Mikrolithografie-Masken, Computerprogrammprodukt und Mikrolithografie-Verfahren | |
DE102022120297A1 (de) | Maskeninspektion für die herstellung von halbleiter-proben | |
DE102014113629B4 (de) | Verfahren zur Erzeugung eines modifizierten Layouts für Parameterextraktion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R081 | Change of applicant/patentee |
Owner name: KLA CORPORATION, MILPITAS, US Free format text: FORMER OWNER: KLA-TENCOR CORPORATION, MILPITAS, CALIF., US |
|
R082 | Change of representative |
Representative=s name: REICHERT & LINDNER PARTNERSCHAFT PATENTANWAELT, DE |