DE112018006771T5 - Metrologie bei Halbleitern und Defektklassifizierung unter Verwendung von Elektronenmikroskopie - Google Patents

Metrologie bei Halbleitern und Defektklassifizierung unter Verwendung von Elektronenmikroskopie Download PDF

Info

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
Application number
DE112018006771.8T
Other languages
English (en)
Inventor
Stilian Pandev
Alexander Kuznetsov
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kla Corp Milpitas Us
Original Assignee
KLA Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KLA Corp filed Critical KLA Corp
Publication of DE112018006771T5 publication Critical patent/DE112018006771T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing 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
    • H01L22/20Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating 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
    • G01N23/22Investigating 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
    • G01N23/225Investigating 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
    • G01N23/2251Investigating 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]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing 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
    • G06V10/778Active pattern-learning, e.g. online learning of image or video features
    • G06V10/7784Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67Apparatus 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
    • H01L21/67005Apparatus not specifically provided for elsewhere
    • H01L21/67242Apparatus for monitoring, sorting or marking
    • H01L21/67288Monitoring of warpage, curvature, damage, defects or the like
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing 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
    • H01L22/10Measuring as part of the manufacturing process
    • H01L22/12Measuring 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; 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 , eingereicht am 5. Januar 2018, mit dem Titel „Method for Metrology and Defect Detection on Device Like Structures Using CD-SEM Images", deren gesamte Offenbarung hiermit durch Verweis aufgenommen wird.
  • 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 bis 3 zeigen Flussdiagramme der jeweiligen Verfahren zum Überwachen der Halbleiterherstellung gemäß einigen Ausführungsformen.
    • Die 4 und 5 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 Verfahrens 100 zur Überwachung der Halbleiterherstellung gemäß einigen Ausführungsformen. Das Verfahren 100 kann in einem Computersystem durchgeführt werden (beispielsweise in dem Computersystem des Halbleiterinspektionssystems 700 aus 7). Schritte in dem Verfahren 100 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 Bildern 600-1, 600-2 und 600-3 einer Halbleiterstruktur mit einer Vielzahl von Linien 602 (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 Bilder 600-1, 600-2 und 600-3 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 Bilder 600-1, 600-2 und 600-3 variiert, was zu unterschiedlichen Ausmaßen von Abstandsfehlern für jedes Bild 600 führt. Das Bild 600-1 zeigt keinen Abstandsfehler. Das Bild 600-2 zeigt einen ersten Grad (Abstandsmaß) eines Abstandsfehlers (beispielsweise gemessen in Prozent), und das Bild 600-3 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 Verfahrens 400 (siehe 4) oder 500 (siehe 5) 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 Schritt 114 (unten) verwendet wird, oder kann ein davon (beispielsweise präziseres, aber langsameres) Werkzeug oder Werkzeugtyp sein. Wenn das Referenzmetrologiewerkzeug das gleiche Werkzeug oder der in Schritt 114 verwendete Werkzeugtyp ist, können die Werkzeugeinstellungen mit denen in Schritt 114 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 Verfahren 100 kann keinen, einen oder mehrere oder alle Schritte 118, 120 und 122 umfassen.
  • 2 zeigt ein Flussdiagramm eines anderen Verfahrens 200 zur Überwachung der Halbleiterherstellung gemäß einigen Ausführungsformen. Das Verfahren 200 kann wie das Verfahren 100 in einem Computersystem durchgeführt werden (beispielsweise dem Computersystem des Halbleiterinspektionssystems 700, siehe 7). Schritte in dem Verfahren 200 können kombiniert oder ausgelassen werden.
  • In dem Verfahren 200 wird Schritt 102 ausgeführt, wie oben für das Verfahren 100 (siehe 1) beschrieben ist. In einigen Ausführungsformen umfasst Schritt 102 die Schritte 104, 106 oder 108. Für Schritt 108 kann das Verfahren 400 (siehe 4) oder 500 (siehe 5) 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 Schritt 104 umfassen) oder auf der Vielzahl von DOE-Wafern (für Ausführungsformen, die Schritt 106 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 Verfahren 100 (siehe 1) 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 Verfahren 200 kann keinen, einen oder beide der Schritte 218 und 220 umfassen.
  • 3 zeigt ein Flussdiagramm eines weiteren Verfahrens 300 zur Überwachung der Halbleiterherstellung gemäß einigen Ausführungsformen. Das Verfahren 300 kann, wie die Verfahren 100 und/oder 200, in einem Computersystem (beispielsweise dem Computersystem des Halbleiterinspektionssystems 700, siehe 7) durchgeführt werden. Schritte in dem Verfahren 300 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 Verfahrens 400 (siehe 4) oder 500 (siehe 5) erhalten werden.
  • Wie für Schritt 102 in den Verfahren 100 und 200 (siehe 1 bis 2) kann die Halbleiterstruktur jede beliebige Struktur sein (beispielsweise eine Teststruktur oder ein Teil eines Halbleiterbauelements) (beispielsweise die Vielzahl von Linien 602, siehe 6). 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 Schritt 304 gesammelten elektronenmikroskopischen Bilder und den in Schritt 302 erhaltenen simulierten elektronenmikroskopischen Bildern minimieren. Das Verfahren 300 umfasst daher im Gegensatz zum Verfahren 100 kein Modell mit den Schritten 112 und 116 (siehe 1).
  • In einigen Ausführungsformen werden die Schritte 118, 120 und/oder 122 ausgeführt, wie oben für das Verfahren 100 beschrieben (siehe 1).
  • 4 zeigt ein Flussdiagramm eines Verfahrens 400 zum Erhalten von simulierten elektronenmikroskopischen Bildern gemäß einigen Ausführungsformen. Bei dem Verfahren 400 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 Bildsimulationsmodul 718, siehe 7) durchgeführt, der die Variationen als Eingabe empfängt.
  • 5 zeigt ein Flussdiagramm eines anderen Verfahrens 500 zum Erhalten von simulierten elektronenmikroskopischen Bildern gemäß einigen Ausführungsformen. Bei dem Verfahren 500 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 Schritts 102 (siehe 1 bis 2) und des Schritts 302 (siehe 3) 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 Bildsimulationsmodul 718, siehe 7). Beispielsweise wird jedes simulierte Bild basierend auf einer bestimmten Variante der vom Prozesssimulator bereitgestellten Halbleiterstruktur erzeugt.
  • 7 ist ein Blockdiagramm eines Halbleiterinspektionssystems 700 gemäß einigen Ausführungsformen. Das Halbleiterinspektionssystem 700 umfasst ein Elektronenmikroskop 742 und ein Computersystem mit einem oder mehreren Prozessoren 702 (beispielsweise CPUs), Benutzerschnittstellen 706, Speicher 710 und einem oder mehreren Kommunikationsbussen 704, die diese Komponenten miteinander verbinden. Das Computersystem kann über ein oder mehrere Netzwerke 740 kommunikativ mit dem Elektronenmikroskop 742 gekoppelt sein. Das Computersystem kann ferner eine oder mehrere Netzwerkschnittstellen (verdrahtet und/oder drahtlos, nicht gezeigt) zur Kommunikation mit dem Elektronenmikroskop 742 und/oder Remote-Computersystemen umfassen. Das Elektronenmikroskop 742 kann ein SEM (beispielsweise ein CD-SEM) oder ein TEM sein.
  • Die Benutzerschnittstellen 710 können eine Anzeige 707 und eine oder mehrere Eingabegeräte 708 (beispielsweise eine Tastatur, eine Maus, eine berührungsempfindliche Oberfläche der Anzeige 707 usw.) umfassen. Die Anzeige 707 kann Ergebnisse des Verfahrens 100, 200 und/oder 300 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 Speicher 710 (beispielsweise der nichtflüchtige Speicher innerhalb des Speichers 710) umfasst ein nicht flüchtiges, computerlesbares Speichermedium. Der Speicher 710 enthält optional eine oder mehrere Speichervorrichtungen, die entfernt von den Prozessoren 702 angeordnet sind, und/oder ein nicht flüchtiges, computerlesbares Speichermedium, das entfernbar in das Serversystem 700 eingefügt wird. In einigen Ausführungsformen speichert der Speicher 710 (beispielsweise das nicht flüchtige, computerlesbare Speichermedium des Speichers 710) die folgenden Module und Daten oder eine Teilmenge oder Obermenge davon: ein Betriebssystem 712, das Prozeduren zum Handhaben verschiedener grundlegender Systemdienste und zum Ausführen hardwareabhängiger Aufgaben enthält, ein Strukturmodellierungsmodul 714 zum Erstellen geometrischer Modelle von Halbleiterstrukturen (beispielsweise wie in dem Verfahren 400 verwendet, siehe 4), ein Prozesssimulationsmodul 716 (beispielsweise wie in dem Verfahren 500 verwendet, siehe 5), ein Bildsimulationsmodul 718 zur Erzeugung simulierter elektronenmikroskopischer Bilder (beispielsweise gemäß dem Schritt 108, siehe 1 bis 2, gemäß dem Schritt 406, siehe 4 und/oder gemäß dem Schritt 504, siehe 5), ein Modelltrainingsmodul 720 (beispielsweise für die Verwendung bei den Schritten 112 und/oder 212, siehe 1 bis 2), ein Vorhersagemodul 722 für Werte (beispielsweise für die Verwendung bei dem Schritt 116 der 1 und/oder dem Schritt 306 der 3), ein Defektklassifizierungsmodul 724 (beispielsweise zur Verwendung bei dem Schritt 216 in 2), ein Einstellmodul 726 für den Prozess (beispielsweise für die Verwendung bei den Schritten 118 und/oder 218in den 1 bis 3), ein Gliederungsmodul 728 für Wafer (beispielsweise für die Verwendung bei den Schritten 120 und/oder 220 in den 1 bis 3), ein Abschätzmodul 730 für die Leistungsfähigkeit (beispielsweise für die Verwendung bei Schritt 122 in den 1 und 3), und elektronenmikroskopische Bilder 732 (reale und/oder simulierte).
  • Der Speicher 710 (beispielsweise das nicht flüchtige computerlesbare Speichermedium des Speichers 710) enthält somit Anweisungen zum Durchführen des Verfahrens 100 (siehe 1), des Verfahrens 200 (siehe 2) und/oder des Verfahrens 300 (siehe 3). Als solches kann der Speicher 710 Anweisungen zum Durchführen des Verfahrens 400 (siehe 4) und/oder des Verfahrens 500 (siehe 5) enthalten. Jedes der in dem Speicher 710 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 Speicher 710 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 Halbleiterinspektionssystem 700 auf mehrere Geräte aufgeteilt werden. Ein Teil der in dem Speicher 710 gespeicherten Module kann alternativ in einem oder mehreren anderen Computersystemen gespeichert sein, die über ein oder mehrere Netzwerke kommunikativ mit dem Computersystem des Halbleiterinspektionssystems 700 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)

  1. 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.
  2. Verfahren nach Anspruch 1, wobei der eine oder die mehreren Halbleiterherstellungsparameter zumindest einen von Überlagerung, kritischer Abmessung (CD), Seitenwandwinkel oder Kantenplatzierungsfehler umfassen.
  3. Verfahren nach Anspruch 1, wobei der eine oder die mehreren Halbleiterherstellungsparameter zumindest einen von einem Fokus oder eine Dosis für einen photolithographischen Prozessschritt umfassen.
  4. Verfahren nach Anspruch 1, wobei die erste und die zweite Vielzahl von elektronenmikroskopischen Bildern SEM-Bilder (CD-SEM) der kritischen Dimension sind.
  5. 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.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. 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.
DE112018006771.8T 2018-01-05 2018-12-31 Metrologie bei Halbleitern und Defektklassifizierung unter Verwendung von Elektronenmikroskopie Pending DE112018006771T5 (de)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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