JP2001509618A - マスクレスの半導体及び液晶ディスプレイ検査方法及び装置 - Google Patents
マスクレスの半導体及び液晶ディスプレイ検査方法及び装置Info
- Publication number
- JP2001509618A JP2001509618A JP2000501474A JP2000501474A JP2001509618A JP 2001509618 A JP2001509618 A JP 2001509618A JP 2000501474 A JP2000501474 A JP 2000501474A JP 2000501474 A JP2000501474 A JP 2000501474A JP 2001509618 A JP2001509618 A JP 2001509618A
- Authority
- JP
- Japan
- Prior art keywords
- primitive
- defect
- semiconductor surface
- image
- surface component
- 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
Classifications
-
- 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
- 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
- G06T2207/30121—CRT, LCD or plasma display
-
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
(57)【要約】
像のプリミティブをベースとするマスクレス半導体ウェハ及び液晶ディスプレイパネルの検査は、ウェハパターンを特徴付けることにより行なわれる。潜在的な欠陥（２１２）は、一般的なパターン表面構造の規定に対する例外として検出される。ウェハ又はＬＥＤ構造は、１組のプリミティブ特徴付けモジュール（２１０，２２０，２３０）の多数のプロファイルへとエンコードされる。プリミティブプロファイルは、比較のために像を整列させた状態で潜在的欠陥と相関される。
Description
【０００１】
本発明は、欠陥検出方法及び装置に係り、より詳細には、マスクレスの半導体
及び液晶ディスプレイ検査方法及び装置に係る。
及び液晶ディスプレイ検査方法及び装置に係る。
【０００２】
半導体製造者が半導体の製造及び液晶ディスプレイ（ＬＣＤ）の製造において
収率を改善しながら特徴サイズを小さくすることを推し進めることにより、表面
成分の欠陥を識別しそして分析することが大きな問題となっている。例えば、ラ
ンプアップ中に収率を習得しそして製造中にプロセス制御を行うためには、欠陥
の検出、分類、及び欠陥データの効果的な利用が重要となる。デバイスのサイズ
が小さくなり、各ウェア上の表面成分の個数が増加し、そして回路設計の構造が
より多くの層においてより複雑になるにつれて、収率を改善しそして維持する問
題が増加している。
収率を改善しながら特徴サイズを小さくすることを推し進めることにより、表面
成分の欠陥を識別しそして分析することが大きな問題となっている。例えば、ラ
ンプアップ中に収率を習得しそして製造中にプロセス制御を行うためには、欠陥
の検出、分類、及び欠陥データの効果的な利用が重要となる。デバイスのサイズ
が小さくなり、各ウェア上の表面成分の個数が増加し、そして回路設計の構造が
より多くの層においてより複雑になるにつれて、収率を改善しそして維持する問
題が増加している。
【０００３】 粒子汚染は収率を制限するが、設計規定が０．３５ｍｍ以下になると、プロセ
ス欠陥が少なくとも収率の制限に多大な影響を及ぼすようになる。重大な欠陥を
軽微な欠陥と区別し、プロセス問題を識別し、そして収率の影響を予想すること
は、全て、収率の悪化や収率の激変を防止するために、ほぼリアルタイムで評価
する必要がある。半導体の製造は、増加する標準を満足するために、改良された
欠陥検出、分類及びデータ処理技術を必要とする。マクロ及びマイクロ欠陥の形
式は、グレースポット、グレーの筋、グレースポット及びグレーの筋、粒子、多
層構造、線状亀裂、表面下の線、スクラッチ、小丘部、グラス、虫食い穴、スタ
ーバースト、スピードボート、オレンジピール、レジストゲル欠陥、制御崩壊チ
ップ接続（Ｃ４）、マイクロブリッジ、サブミクロン、ミクロン、ミクロン球、
Ｕパターン、汚れ、突起、切断、貫入、軽微なもの、マスク関係（ショート）、
かすみ状のもの、マイクロ汚染、結晶（堆積欠陥）、スポット、途切れ、レクチ
クル、ハード欠陥（ピンホール、ピンドット、突出）、半透明（レジスト残留、
薄いクロム）、位置揃え（過大サイズ、過少サイズ、位置ずれ）、コーナー、余
計な金属、金属の欠落、及びオープン（パターン欠落）を含む。
ス欠陥が少なくとも収率の制限に多大な影響を及ぼすようになる。重大な欠陥を
軽微な欠陥と区別し、プロセス問題を識別し、そして収率の影響を予想すること
は、全て、収率の悪化や収率の激変を防止するために、ほぼリアルタイムで評価
する必要がある。半導体の製造は、増加する標準を満足するために、改良された
欠陥検出、分類及びデータ処理技術を必要とする。マクロ及びマイクロ欠陥の形
式は、グレースポット、グレーの筋、グレースポット及びグレーの筋、粒子、多
層構造、線状亀裂、表面下の線、スクラッチ、小丘部、グラス、虫食い穴、スタ
ーバースト、スピードボート、オレンジピール、レジストゲル欠陥、制御崩壊チ
ップ接続（Ｃ４）、マイクロブリッジ、サブミクロン、ミクロン、ミクロン球、
Ｕパターン、汚れ、突起、切断、貫入、軽微なもの、マスク関係（ショート）、
かすみ状のもの、マイクロ汚染、結晶（堆積欠陥）、スポット、途切れ、レクチ
クル、ハード欠陥（ピンホール、ピンドット、突出）、半透明（レジスト残留、
薄いクロム）、位置揃え（過大サイズ、過少サイズ、位置ずれ）、コーナー、余
計な金属、金属の欠落、及びオープン（パターン欠落）を含む。
【０００４】 ウェハパターンにおける公知の欠陥検出は、ウェハ像を収集すると共に、その
像の左右又は上下の対応する表面成分位置において２つの基準像を収集すること
を含む。検出システムは、像と像との間の最大相関係数をサーチすることにより
像を整列する。次いで、検出システムは、ピクセルごとの減算を使用して、像を
２つの基準像の各々と比較し、２つの差の像に到達する。理論的には、両方の差
の像の同じ位置に真の欠陥が存在するはずである。両方の差の像の値が、スレッ
シュホールドと比較したときに充分な大きさであれば、システムは、その位置に
真の欠陥が存在するとみなす。
像の左右又は上下の対応する表面成分位置において２つの基準像を収集すること
を含む。検出システムは、像と像との間の最大相関係数をサーチすることにより
像を整列する。次いで、検出システムは、ピクセルごとの減算を使用して、像を
２つの基準像の各々と比較し、２つの差の像に到達する。理論的には、両方の差
の像の同じ位置に真の欠陥が存在するはずである。両方の差の像の値が、スレッ
シュホールドと比較したときに充分な大きさであれば、システムは、その位置に
真の欠陥が存在するとみなす。
【０００５】 しかしながら、この方法を用いると、潜在的に多数の偽欠陥が発生し得る。例
えば、化学的機械的ポリシング（ＣＭＰ）により生じる背景カラーの変化は収率
に影響しないが、差の解決策を用いたときには差のスレッシュホールドをトリガ
ーすることがある。加えて、この方法は、金属の粒子構造や不完全な整列といっ
たファクタにより生じるノイズに敏感である。更に、従来の検出方法は、欠陥の
分類を行うものではない。それ故、分類結果をフィードバックとして使用して、
検出成果を向上させることができず、従って、重大欠陥と軽微な欠陥とを効果的
に弁別することができない。
えば、化学的機械的ポリシング（ＣＭＰ）により生じる背景カラーの変化は収率
に影響しないが、差の解決策を用いたときには差のスレッシュホールドをトリガ
ーすることがある。加えて、この方法は、金属の粒子構造や不完全な整列といっ
たファクタにより生じるノイズに敏感である。更に、従来の検出方法は、欠陥の
分類を行うものではない。それ故、分類結果をフィードバックとして使用して、
検出成果を向上させることができず、従って、重大欠陥と軽微な欠陥とを効果的
に弁別することができない。
【０００６】
本発明は、像のプリミティブに基づくマスクレスの欠陥検出方法を提供する。
一例としてウェハの検査を使用すると、本発明は、ウェハのパターンを特徴付け
、そして潜在的な欠陥を、一般的なウェハパターン構造の規定に対する例外とし
て検出する。本発明は、更に、ウェハの構造を、１組のプリミティブ特徴付けモ
ジュールの多数のプロファイルへとエンコードする。本発明は、プリミティブプ
ロファイルと潜在的な欠陥を、整列されたパターン像に沿ってダイごとに比較す
るために相関し、そして更に、多数のダイからのデータを使用して、結果を改善
させる。多段の欠陥分類を潜在的な欠陥に適用して、偽の欠陥又は軽微な欠陥を
除去する。この方法は、ウェハの多数の層間の相関を許すように一般化すること
ができ、そして自動的又は半自動的な学習を行って、ランプアップ段階中の検出
規定を向上及び改善することができる。
一例としてウェハの検査を使用すると、本発明は、ウェハのパターンを特徴付け
、そして潜在的な欠陥を、一般的なウェハパターン構造の規定に対する例外とし
て検出する。本発明は、更に、ウェハの構造を、１組のプリミティブ特徴付けモ
ジュールの多数のプロファイルへとエンコードする。本発明は、プリミティブプ
ロファイルと潜在的な欠陥を、整列されたパターン像に沿ってダイごとに比較す
るために相関し、そして更に、多数のダイからのデータを使用して、結果を改善
させる。多段の欠陥分類を潜在的な欠陥に適用して、偽の欠陥又は軽微な欠陥を
除去する。この方法は、ウェハの多数の層間の相関を許すように一般化すること
ができ、そして自動的又は半自動的な学習を行って、ランプアップ段階中の検出
規定を向上及び改善することができる。
【０００７】 プリミティブに基づくマスクレス方法を使用することにより、本発明は、偽の
欠陥及び軽微な欠陥を著しく減少できると共に、重大欠陥に対して高い感度を維
持することができる。本発明により使用されるプリミティブに基づくマスクレス
方法は、非常に健全なものであり、且つ金属粒子構造や不完全な整列といったフ
ァクタに不感である。更に、本発明は、特定のウェハ設計及び製造プロセスに対
して検査システムを調整するように自動的に学習することができる。
欠陥及び軽微な欠陥を著しく減少できると共に、重大欠陥に対して高い感度を維
持することができる。本発明により使用されるプリミティブに基づくマスクレス
方法は、非常に健全なものであり、且つ金属粒子構造や不完全な整列といったフ
ァクタに不感である。更に、本発明は、特定のウェハ設計及び製造プロセスに対
して検査システムを調整するように自動的に学習することができる。
【０００８】 本発明は、インライン又はオフラインの半導体ウェハ又はＬＣＤパネル検査に
対して欠陥を検出及び分類する方法及び装置であって、予め定められたパターン
マスクの使用を必要としない非常に健全な方法及び装置を提供する。
対して欠陥を検出及び分類する方法及び装置であって、予め定められたパターン
マスクの使用を必要としない非常に健全な方法及び装置を提供する。
【０００９】 １つの実施形態において、本発明は、半導体表面を検査する方法であって、半
導体表面ウェハは、第１表面成分及び第２表面成分を有し、上記方法は、第１表
面成分及び第２表面成分の像を得、第１表面成分の欠陥検出に対して第１のマル
チモジュールマスクレスプリミティブ特徴付けを実行し、第２表面成分の欠陥検
出に対して第２のマルチモジュールマスクレスプリミティブ特徴付けを実行し、
そして第１のマルチモジュールマスクレスプリミティブ特徴付けと第２のマルチ
モジュールマスクレスプリミティブ特徴付けとの間の相関を実行するという段階
を備えた方法を提供する。
導体表面ウェハは、第１表面成分及び第２表面成分を有し、上記方法は、第１表
面成分及び第２表面成分の像を得、第１表面成分の欠陥検出に対して第１のマル
チモジュールマスクレスプリミティブ特徴付けを実行し、第２表面成分の欠陥検
出に対して第２のマルチモジュールマスクレスプリミティブ特徴付けを実行し、
そして第１のマルチモジュールマスクレスプリミティブ特徴付けと第２のマルチ
モジュールマスクレスプリミティブ特徴付けとの間の相関を実行するという段階
を備えた方法を提供する。
【００１０】 本発明は、更に、多数の表面成分の相関を実行する段階、欠陥をクラスター化
する段階、パターン欠陥を除去する段階、自動的学習を実行する段階、及び重大
欠陥を検出する段階を含む。
する段階、パターン欠陥を除去する段階、自動的学習を実行する段階、及び重大
欠陥を検出する段階を含む。
【００１１】 又、本発明は、半導体表面検査方法であって、半導体表面を逐次に走査して像
を得、複数の逐次像の形態学的特徴付けを行って、潜在的欠陥オブジェクト出力
を発生し、複数の逐次像の逐次ラベリング特徴付けを行って、プリミティブプロ
ファイル出力を発生し、複数の逐次像の接続性分析を行って、接続された成分の
分布及び潜在的欠陥出力を与え、そして潜在的欠陥オブジェクト出力と、プリミ
ティブプロファイル出力と、接続成分分布及び潜在的欠陥出力とを統合して、合
成された潜在的欠陥オブジェクト出力と、合成されたプリミティブプロファイル
出力とを与えるという段階を含む方法を提供する。
を得、複数の逐次像の形態学的特徴付けを行って、潜在的欠陥オブジェクト出力
を発生し、複数の逐次像の逐次ラベリング特徴付けを行って、プリミティブプロ
ファイル出力を発生し、複数の逐次像の接続性分析を行って、接続された成分の
分布及び潜在的欠陥出力を与え、そして潜在的欠陥オブジェクト出力と、プリミ
ティブプロファイル出力と、接続成分分布及び潜在的欠陥出力とを統合して、合
成された潜在的欠陥オブジェクト出力と、合成されたプリミティブプロファイル
出力とを与えるという段階を含む方法を提供する。
【００１２】 本発明の他の目的、特徴及び効果は、同じ要素が同じ参照番号で示された添付
図面を参照した好ましい実施形態の以下の詳細な説明、及び請求の範囲から当業
者に明らかとなろう。
図面を参照した好ましい実施形態の以下の詳細な説明、及び請求の範囲から当業
者に明らかとなろう。
【００１３】
本発明を例示するために、添付図面を参照して好ましい実施形態を説明する。
【００１４】 本発明のマスクレス検査システムを示す図１について説明する。このマスクレ
ス検査システムは、照明光源及び像形成光学系２０を有する感知装置１０を備え
ている。照明光源及び像形成光学系２０は、更に、可視光線光源、紫外線光源、
赤外線光源、又は電子ビームソースを含むことができる。照明光源及び像形成光
学系２０は、検査されるべき半導体表面３０を照明する。本発明の１つの実施形
態では、表面３０は、半導体ウェハの表面を含む。本発明の別の実施形態では、
表面３０は、液晶ディスプレイ（ＬＣＤ）の表面を含む。表面３０を有する半導
体ウェハ又は液晶ディスプレイは、これを照明するために自動段４０に配置され
る。保管及び装填モジュール５０は、表面３０を有する半導体ウェハ又は液晶デ
ィスプレイを検査のために自動段４０に装填する。検査の後に、半導体又は液晶
ディスプレイは、保管及び取り出しモジュール６０によって取り出される。自動
段４０は、更に、システムにより検査される表面３０を整列するように、半導体
ウェハ又は液晶ディスプレイパネルを位置設定する。図２Ｂを参照して更に説明
するように、自動段は、走査経路を通して半導体ウェハ又は液晶ディスプレイを
移動し、全表面３０が走査されるようにする。
ス検査システムは、照明光源及び像形成光学系２０を有する感知装置１０を備え
ている。照明光源及び像形成光学系２０は、更に、可視光線光源、紫外線光源、
赤外線光源、又は電子ビームソースを含むことができる。照明光源及び像形成光
学系２０は、検査されるべき半導体表面３０を照明する。本発明の１つの実施形
態では、表面３０は、半導体ウェハの表面を含む。本発明の別の実施形態では、
表面３０は、液晶ディスプレイ（ＬＣＤ）の表面を含む。表面３０を有する半導
体ウェハ又は液晶ディスプレイは、これを照明するために自動段４０に配置され
る。保管及び装填モジュール５０は、表面３０を有する半導体ウェハ又は液晶デ
ィスプレイを検査のために自動段４０に装填する。検査の後に、半導体又は液晶
ディスプレイは、保管及び取り出しモジュール６０によって取り出される。自動
段４０は、更に、システムにより検査される表面３０を整列するように、半導体
ウェハ又は液晶ディスプレイパネルを位置設定する。図２Ｂを参照して更に説明
するように、自動段は、走査経路を通して半導体ウェハ又は液晶ディスプレイを
移動し、全表面３０が走査されるようにする。
【００１５】 マスクレス検査システムは、処理ユニット７０によって制御される。処理ユニ
ット７０は、バス８０を経て感知装置１０と通信する。処理ユニット７０は、更
に、ホストコンピュータ７８と、コントローラ７２と、高速像処理ユニット７４
と、電源７６とを備えている。処理ユニット７０は、表面３０の走査を制御し、
そして高速像処理ユニット７４を経て像処理を行う。又、処理ユニット７０は、
ホストコンピュータ７８を経て欠陥検出及び分類も行う。 図２Ａは、マスクレス検査システムの処理の流れを示す。マスクレス検査シス
テムは、図９を参照して詳細に述べる自動学習段１００で始まる。検査プロセス
は、走査経路１０２を有する。１つの実施形態において、検査システムは、ウェ
ハを走査する。走査経路１０２は、ある表面成分から隣接表面成分を経て表面成
分Ｎに到達するまで順次前方に進む。１つの実施形態では、表面成分はダイより
成る。別の実施形態では、表面成分は、ＬＣＤより成る。検査システムの１つの
例示的な走査経路が図２Ｂに示されている。検査システムは、各ダイの像を撮影
する。ダイの各像は、複数のマスクなしのプリミティブ特徴付け及び検出モジュ
ール１１０、１１２、１１４、１１６、１１８を用いて処理され、プリミティブ
プロファイル及び初期欠陥が発生される。プリミティブプロファイル及び初期欠
陥検出結果は、図５について詳細に述べるように、互いに相関される。１つの実
施形態では、検出結果は、隣接ダイの対応像と相関される。例えば、ダイｉのモ
ジュール１１０からの結果は、段１２０において、ダイｉ＋１のモジュール１１
０の結果と相関される。隣接ダイからの多数の結果を段１２０において相関して
多数の相関を形成することができる。これらの相関は、多数のダイの相関及び重
大欠陥検出段１３０において統合される。
ット７０は、バス８０を経て感知装置１０と通信する。処理ユニット７０は、更
に、ホストコンピュータ７８と、コントローラ７２と、高速像処理ユニット７４
と、電源７６とを備えている。処理ユニット７０は、表面３０の走査を制御し、
そして高速像処理ユニット７４を経て像処理を行う。又、処理ユニット７０は、
ホストコンピュータ７８を経て欠陥検出及び分類も行う。 図２Ａは、マスクレス検査システムの処理の流れを示す。マスクレス検査シス
テムは、図９を参照して詳細に述べる自動学習段１００で始まる。検査プロセス
は、走査経路１０２を有する。１つの実施形態において、検査システムは、ウェ
ハを走査する。走査経路１０２は、ある表面成分から隣接表面成分を経て表面成
分Ｎに到達するまで順次前方に進む。１つの実施形態では、表面成分はダイより
成る。別の実施形態では、表面成分は、ＬＣＤより成る。検査システムの１つの
例示的な走査経路が図２Ｂに示されている。検査システムは、各ダイの像を撮影
する。ダイの各像は、複数のマスクなしのプリミティブ特徴付け及び検出モジュ
ール１１０、１１２、１１４、１１６、１１８を用いて処理され、プリミティブ
プロファイル及び初期欠陥が発生される。プリミティブプロファイル及び初期欠
陥検出結果は、図５について詳細に述べるように、互いに相関される。１つの実
施形態では、検出結果は、隣接ダイの対応像と相関される。例えば、ダイｉのモ
ジュール１１０からの結果は、段１２０において、ダイｉ＋１のモジュール１１
０の結果と相関される。隣接ダイからの多数の結果を段１２０において相関して
多数の相関を形成することができる。これらの相関は、多数のダイの相関及び重
大欠陥検出段１３０において統合される。
【００１６】 又、検査システムは、基準プロファイル更新データベース１５０も維持する。
この基準プロファイル更新データベースからの入力は、段１３０においてデータ
を統合するのに使用される。同様に、段１３０は、基準プロファイル更新データ
ベース１５０の連続的な更新も与える。
この基準プロファイル更新データベースからの入力は、段１３０においてデータ
を統合するのに使用される。同様に、段１３０は、基準プロファイル更新データ
ベース１５０の連続的な更新も与える。
【００１７】 段階１３０における統合の結果は、段１４０において欠陥クラスター化及びパ
ターン欠陥除去として出力される。これらは、段１６０において、ウェハ検査結
果としてオペレータに与えられる。
ターン欠陥除去として出力される。これらは、段１６０において、ウェハ検査結
果としてオペレータに与えられる。
【００１８】 ウェハ検査走査経路の一例を示す図２Ｂについて説明する。システムは、ダイ
１７１で始まり、そして経路１８０に沿ってダイ１７２、１７３、１７４という
ように前方に順次進む。走査経路は、次いで、ダイ１７５へ続き、経路１８２に
沿って順次前方に走査する。この方法は、介在する走査経路を経て走査しそして
経路１８４、ダイ１７８及び１７９で終りとなる。当業者に明らかなように、単
一のダイに対して多数の経路が必要とされてもよく、そして表面３０の全体的な
走査を与えるために他の走査経路が選択されてもよい。
１７１で始まり、そして経路１８０に沿ってダイ１７２、１７３、１７４という
ように前方に順次進む。走査経路は、次いで、ダイ１７５へ続き、経路１８２に
沿って順次前方に走査する。この方法は、介在する走査経路を経て走査しそして
経路１８４、ダイ１７８及び１７９で終りとなる。当業者に明らかなように、単
一のダイに対して多数の経路が必要とされてもよく、そして表面３０の全体的な
走査を与えるために他の走査経路が選択されてもよい。
【００１９】 マスクレスプリミティブ特徴付け及び欠陥検出段のフローチャートである図３
について説明する。この段は、ステップ２００において像を入力することにより
始まる。像は、感知装置１０により形成される。入力像は、形態学的特徴付けモ
ジュール２１０、逐次ラベリング特徴付けモジュール２２０、及び接続性分析モ
ジュール２３０に同時に与えられる。形態学的特徴付けモジュール２１０は、図
４Ａに詳細に示すような形態学的オペレーションを実行して、潜在的な欠陥オブ
ジェクト２１２を位置決めする。形態学的特徴付けモジュール２１０は、潜在的
な欠陥オブジェクト２１２をホストコンピュータ７８に与え、検出結果の統合２
４０を行う。逐次ラベリング特徴付けモジュール２２０は、図４Ａ及び４Ｂに詳
細に示すように、逐次ラベリングオペレーションを用いて各パターン成分間の中
間軸を決定する。逐次ラベリング特徴付けモジュール２２０は、バックグランド
ピクセルを、それらの最も近い成分までの距離値で表示するために距離変換を実
行する。１つの実施形態では、逐次ラベリング特徴付けモジュール２２０は、図
４Ａに詳細に示すように、中間軸を距離ヒストグラムプロファイルとして輪郭定
めする。
について説明する。この段は、ステップ２００において像を入力することにより
始まる。像は、感知装置１０により形成される。入力像は、形態学的特徴付けモ
ジュール２１０、逐次ラベリング特徴付けモジュール２２０、及び接続性分析モ
ジュール２３０に同時に与えられる。形態学的特徴付けモジュール２１０は、図
４Ａに詳細に示すような形態学的オペレーションを実行して、潜在的な欠陥オブ
ジェクト２１２を位置決めする。形態学的特徴付けモジュール２１０は、潜在的
な欠陥オブジェクト２１２をホストコンピュータ７８に与え、検出結果の統合２
４０を行う。逐次ラベリング特徴付けモジュール２２０は、図４Ａ及び４Ｂに詳
細に示すように、逐次ラベリングオペレーションを用いて各パターン成分間の中
間軸を決定する。逐次ラベリング特徴付けモジュール２２０は、バックグランド
ピクセルを、それらの最も近い成分までの距離値で表示するために距離変換を実
行する。１つの実施形態では、逐次ラベリング特徴付けモジュール２２０は、図
４Ａに詳細に示すように、中間軸を距離ヒストグラムプロファイルとして輪郭定
めする。
【００２０】 接続性分析モジュール２３０は、同様のサイズ及び形状をもつオブジェクトを
検出し、そして異なるサイズ及び形状をもつオブジェクトに注目する。プリミテ
ィブプロファイル出力２２２と、接続成分分布及び潜在的欠陥出力２３２は、段
２４０における検出結果の統合にも与えられる。段２４０における統合の後に、
システムは、合成潜在的欠陥オブジェクト出力２５０と、合成プリミティブプロ
ファイル出力２６０とを与える。
検出し、そして異なるサイズ及び形状をもつオブジェクトに注目する。プリミテ
ィブプロファイル出力２２２と、接続成分分布及び潜在的欠陥出力２３２は、段
２４０における検出結果の統合にも与えられる。段２４０における統合の後に、
システムは、合成潜在的欠陥オブジェクト出力２５０と、合成プリミティブプロ
ファイル出力２６０とを与える。
【００２１】 マスクレスプリミティブ特徴付けモジュール１１０、１１２、１１４、１１６
、１１８のオペレーションを示す図４Ａについて説明する。図４Ａは、これらモ
ジュールの処理結果の一例を示す。この例では、通常パターン３００と、汚染欠
陥３１２を伴うパターン３１０が特徴付けモジュールに入力される。この特徴付
けモジュールは、入力パターン３００と、汚染欠陥３１２を伴う入力パターン３
１０との分析を行う。形態学的特徴付けモジュール２１０は、形態学的オープニ
ングオペレーションにより２点構造エレメントを入力パターンに適用する。 ＩＯｐｅｎ＝ＩＰａｔｔｅｒｎＯＳ２ ｐｏｉｎｔ 但し、Ｏは、形態学的オープニングオペレーションであり、Ｓ２ ｐｏｉｎｔは
、２点構造エレメント３１４、３１６であり、そしてＩＰａｔｔｅｒｎは、入力
パターンである。オープニング結果は、規則的なパターン構造であるために、欠
陥のないパターン３１８を保持し、そして２点構造エレメントの長さに対応する
距離において合致する欠陥がないので欠陥を保持しない。それ故、元のパターン
とオープニング結果との間の差を次のように取ることにより欠陥３２４を検出す
ることができる。 Ｉｏｕｔｐｕｔ＝ＩＰａｔｔｅｒｎ−ＩＯｐｅｎ オープニング結果は、潜在的な欠陥３２６を差として検出する。
、１１８のオペレーションを示す図４Ａについて説明する。図４Ａは、これらモ
ジュールの処理結果の一例を示す。この例では、通常パターン３００と、汚染欠
陥３１２を伴うパターン３１０が特徴付けモジュールに入力される。この特徴付
けモジュールは、入力パターン３００と、汚染欠陥３１２を伴う入力パターン３
１０との分析を行う。形態学的特徴付けモジュール２１０は、形態学的オープニ
ングオペレーションにより２点構造エレメントを入力パターンに適用する。 ＩＯｐｅｎ＝ＩＰａｔｔｅｒｎＯＳ２ ｐｏｉｎｔ 但し、Ｏは、形態学的オープニングオペレーションであり、Ｓ２ ｐｏｉｎｔは
、２点構造エレメント３１４、３１６であり、そしてＩＰａｔｔｅｒｎは、入力
パターンである。オープニング結果は、規則的なパターン構造であるために、欠
陥のないパターン３１８を保持し、そして２点構造エレメントの長さに対応する
距離において合致する欠陥がないので欠陥を保持しない。それ故、元のパターン
とオープニング結果との間の差を次のように取ることにより欠陥３２４を検出す
ることができる。 Ｉｏｕｔｐｕｔ＝ＩＰａｔｔｅｒｎ−ＩＯｐｅｎ オープニング結果は、潜在的な欠陥３２６を差として検出する。
【００２２】 逐次ラベリング特徴付けモジュール２２０は、逐次ラベリングオペレーション
により各パターン成分３３１、３３２の間の中間軸３３３を決定する。逐次ラベ
リング特徴付けモジュール２２０は、バックグランドピクセルを、それらの最も
近い成分までの距離値で表示するために距離変換を実行する。この方法では、中
間軸の距離ヒストグラムプロファイル３３８、３４０がプロットされる。通常パ
ターン３００は、パターン成分３３１と３３２との間に規則的な中間軸エンコー
ディング３３３を生じる。モジュール２２０は、これらの値をヒストグラム３３
８としてプロットする。欠陥３１２を伴うパターン３１０は、欠陥３３６により
歪んだ中間エンコーディングを生じる。これは、欠陥ヒストグラム３４０を生じ
る。
により各パターン成分３３１、３３２の間の中間軸３３３を決定する。逐次ラベ
リング特徴付けモジュール２２０は、バックグランドピクセルを、それらの最も
近い成分までの距離値で表示するために距離変換を実行する。この方法では、中
間軸の距離ヒストグラムプロファイル３３８、３４０がプロットされる。通常パ
ターン３００は、パターン成分３３１と３３２との間に規則的な中間軸エンコー
ディング３３３を生じる。モジュール２２０は、これらの値をヒストグラム３３
８としてプロットする。欠陥３１２を伴うパターン３１０は、欠陥３３６により
歪んだ中間エンコーディングを生じる。これは、欠陥ヒストグラム３４０を生じ
る。
【００２３】 図４Ｂは、最も近い成分３７０、３７２、３７４に対する距離値でもってバッ
クグランドピクセル３８０、３８１、３８２、３８３、３８４をラベル付けする
ための８つの接続された距離変換の一例を示す。成分３７２は、この例の焦点で
ある。８つの方向におけるバックグランドピクセルは、それらが最も近い成分か
らどれだけ遠いかに関連して逐次ラベル付けされる。このようにして、「１」は
、境界バックグランドピクセル３８０、３８４に見出され、「２」は、バックグ
ランドピクセル３８１、３８２、３８３の次のレベルに見出される。これら成分
から離れた最も高いピクセルは、中間軸３７１および３７３を形成する。中間軸
３７１は、成分３７０と成分３７２との間に形成される。中間軸３７３は、成分
３７２と成分３７４との間に形成される。回転とは関係ない変形ユークリッドタ
イプも可能である。
クグランドピクセル３８０、３８１、３８２、３８３、３８４をラベル付けする
ための８つの接続された距離変換の一例を示す。成分３７２は、この例の焦点で
ある。８つの方向におけるバックグランドピクセルは、それらが最も近い成分か
らどれだけ遠いかに関連して逐次ラベル付けされる。このようにして、「１」は
、境界バックグランドピクセル３８０、３８４に見出され、「２」は、バックグ
ランドピクセル３８１、３８２、３８３の次のレベルに見出される。これら成分
から離れた最も高いピクセルは、中間軸３７１および３７３を形成する。中間軸
３７１は、成分３７０と成分３７２との間に形成される。中間軸３７３は、成分
３７２と成分３７４との間に形成される。回転とは関係ない変形ユークリッドタ
イプも可能である。
【００２４】 再び図４Ａを参照するに、接続性分析モジュール２３０は、オブジェクトのサ
イズおよび形状を検出するため接続性分析３５０を行う。通常パターン３００か
ら、接続性分析モジュール２３０は、同様のサイズおよび形状２３０を有した９
つのオブジェクトを検出する。欠陥３１２を有したパターン３１０から、接続性
分析モジュール２３０は、異なるサイズおよび形状３５４を有するオブジェクト
を検出する。
イズおよび形状を検出するため接続性分析３５０を行う。通常パターン３００か
ら、接続性分析モジュール２３０は、同様のサイズおよび形状２３０を有した９
つのオブジェクトを検出する。欠陥３１２を有したパターン３１０から、接続性
分析モジュール２３０は、異なるサイズおよび形状３５４を有するオブジェクト
を検出する。
【００２５】 マスクなしプリミティブ特徴付け方法は、非常に粗い分析を行う。例えば、形
態学的特徴付けモジュール２１０は、パターンの水平または垂直並進に応答しな
い。逐次ラベリング特徴付けモジュール２２０および接続性分析モジュール２３
０は、パターンの並進または回転に応答せず、したがって、非常に粗いものであ
る。検出結果統合モジュール２４０は、多重特徴付けモジュールからの結果を統
合し、その初期検出結果に信頼値を割り当てる。信頼値発生は、自動学習段１０
０によって作成される統計によって決定されうる。例えば、形態学的特徴付けモ
ジュール２１０によって検出された潜在的欠陥３２６には、高い信頼値が与えら
れる。何故ならば、接続性分析モジュール２３０が他のオブジェクトとは異なる
オブジェクトを検出したからである。
態学的特徴付けモジュール２１０は、パターンの水平または垂直並進に応答しな
い。逐次ラベリング特徴付けモジュール２２０および接続性分析モジュール２３
０は、パターンの並進または回転に応答せず、したがって、非常に粗いものであ
る。検出結果統合モジュール２４０は、多重特徴付けモジュールからの結果を統
合し、その初期検出結果に信頼値を割り当てる。信頼値発生は、自動学習段１０
０によって作成される統計によって決定されうる。例えば、形態学的特徴付けモ
ジュール２１０によって検出された潜在的欠陥３２６には、高い信頼値が与えら
れる。何故ならば、接続性分析モジュール２３０が他のオブジェクトとは異なる
オブジェクトを検出したからである。
【００２６】 一実施例において、マスクなしプリミティブ特徴付けおよび欠陥検出段による
初期欠陥検出は、非常に高い感度を有するように設計されており、多くの偽欠陥
を含みうる。ダイ対ダイ（セル対セル）修正段は、２つの対応するダイ（セル）
の同じ領域の間の相関を使用して、プリミティブ特徴付けプロファイルおよび初
期検出結果を条件付けして欠陥検出結果の特殊性を改善する。
初期欠陥検出は、非常に高い感度を有するように設計されており、多くの偽欠陥
を含みうる。ダイ対ダイ（セル対セル）修正段は、２つの対応するダイ（セル）
の同じ領域の間の相関を使用して、プリミティブ特徴付けプロファイルおよび初
期検出結果を条件付けして欠陥検出結果の特殊性を改善する。
【００２７】 図５を参照するに、この図５は、２つの対応するダイ（セル）領域４０６、４
１２の像４００、４１０を整列させ差の像４２０を作成するための本発明の方法
を示している。この方法は、それら２つの像４００、４１０のプリミティブプロ
ファイル４０４、４１４を相関付けて、その差４３０をハイライトする。図４Ａ
の例を参照するに、逐次ラベリングも２２０から発生される距離ヒストグラムプ
ロフィール３３８、３４０と接続性分析３５４から発生される特別オブジェクト
との間の差が識別され欠陥の存在を裏付けるのに使用される。距離ヒストグラム プロファイルの間の差測定は、次の式によって算出されうる。 ここで、ｆ１（ｉ）は、像１からの距離ラベルｉの周波数カウントであり、ｆ２
（ｉ）は、像２からの距離ラベルｉの周波数カウントであり、ＫおよびＬは、距
離ヒストグラムプロファイルからの最小および最大距離ラベルである。
１２の像４００、４１０を整列させ差の像４２０を作成するための本発明の方法
を示している。この方法は、それら２つの像４００、４１０のプリミティブプロ
ファイル４０４、４１４を相関付けて、その差４３０をハイライトする。図４Ａ
の例を参照するに、逐次ラベリングも２２０から発生される距離ヒストグラムプ
ロフィール３３８、３４０と接続性分析３５４から発生される特別オブジェクト
との間の差が識別され欠陥の存在を裏付けるのに使用される。距離ヒストグラム プロファイルの間の差測定は、次の式によって算出されうる。 ここで、ｆ１（ｉ）は、像１からの距離ラベルｉの周波数カウントであり、ｆ２
（ｉ）は、像２からの距離ラベルｉの周波数カウントであり、ＫおよびＬは、距
離ヒストグラムプロファイルからの最小および最大距離ラベルである。
【００２８】 χ２確率関数ｐ（ｄ｜Ｌ−Ｋ）は、差ｄを信頼値へ変換するための信頼関数と
して使用される。ｐ（ｄ｜Ｌ−Ｋ）は、観測された値がＬ−Ｋの自由度を有した
χ２分布に対してｄより小さいという確率として定義される。ｐ（ｄ｜Ｌ−Ｋ）
の値は、０と１との間である。
して使用される。ｐ（ｄ｜Ｌ−Ｋ）は、観測された値がＬ−Ｋの自由度を有した
χ２分布に対してｄより小さいという確率として定義される。ｐ（ｄ｜Ｌ−Ｋ）
の値は、０と１との間である。
【００２９】 接続性分析結果の比較のために、先ず、２つの像のオブジェクト、すなわち、
接続された成分の間のマッピングが確立される。１つの像における特別オブジェ
クトは、他の像における擬似オブジェクトへマッピングされる。整合されたオブ
ジェクトのサイズ、形状、コントラスト、テクスチャーおよびカラーの如き一組
の選択された特徴値の間の差測定が次のように比較のために使用される。 ここで、σ２ｆ１ｊは、像１におけるオブジェクトからの特徴ｊの分散であり、
σ２ｆ２ｊは、像２におけるオブジェクトからの特徴ｊの分散である。差値ｄ′
（１，２）を０と１との間の信頼値へ変換するための信頼関数は、Ｆ統計から抽
出されうる。当業者は、他の差測定および信頼値変換関数が本発明の範囲を逸脱
せずに使用されうることを認識する。
接続された成分の間のマッピングが確立される。１つの像における特別オブジェ
クトは、他の像における擬似オブジェクトへマッピングされる。整合されたオブ
ジェクトのサイズ、形状、コントラスト、テクスチャーおよびカラーの如き一組
の選択された特徴値の間の差測定が次のように比較のために使用される。 ここで、σ２ｆ１ｊは、像１におけるオブジェクトからの特徴ｊの分散であり、
σ２ｆ２ｊは、像２におけるオブジェクトからの特徴ｊの分散である。差値ｄ′
（１，２）を０と１との間の信頼値へ変換するための信頼関数は、Ｆ統計から抽
出されうる。当業者は、他の差測定および信頼値変換関数が本発明の範囲を逸脱
せずに使用されうることを認識する。
【００３０】 更にまた、信頼値は、整列された像減算結果からの差像の各ピクセル位置に対
して発生されうる。差像の絶対ピクセル値は、先ず、不整列の影響を減ずるため
ローパスフィルタによって平滑化され、それから、その平滑化された差像のピク
セル値が確率関数Ｚ（ｐ｜μ，σ２）によって定められる信頼関数へマッピング
される。関数（ｐ｜μ，σ２）は、平均値μおよび分散σ２を有するガウス分布
の観測値がｐより小さい確率として定義される。ここで、μおよびσ２は、パタ
ーン、イメージングの予想レベルおよび２つのダイの対応領域の像の間の像整列
分散である。これらのパラメータは、自動学習段において予め決定されうる。
して発生されうる。差像の絶対ピクセル値は、先ず、不整列の影響を減ずるため
ローパスフィルタによって平滑化され、それから、その平滑化された差像のピク
セル値が確率関数Ｚ（ｐ｜μ，σ２）によって定められる信頼関数へマッピング
される。関数（ｐ｜μ，σ２）は、平均値μおよび分散σ２を有するガウス分布
の観測値がｐより小さい確率として定義される。ここで、μおよびσ２は、パタ
ーン、イメージングの予想レベルおよび２つのダイの対応領域の像の間の像整列
分散である。これらのパラメータは、自動学習段において予め決定されうる。
【００３１】 ダイ対ダイ（セル対セル）修正処理段の後の潜在的欠陥のための信頼値は、次
のように決定されうる。 ｃ ｄｅｆｅｃｔ＝ｏ ｄｅｆｅｃｔ＊ｄ（１，２）＊ｄ′（１，２）＊Ｚ（
ｐ｜μ，σ２）ここで、ｏ ｄｅｆｅｃｔは、マスクなしプリミティブ特徴付け
および欠陥検出段によって決定される欠陥の初期信頼値である。次に如き他の合
成ルールも使用されうる。 ｃ′ ｄｅｆｅｃｔ＝１−（１−ｏ ｄｅｆｅｃｔ）＊（１−ｄ（１，２））
＊ （１−ｄ′（１，２））＊（１−Ｚ（ｐ｜μ，σ２）） または、ｃ″ ｄｅｆｅｃｔ＝（ｃ ｄｅｆｅｃｔ＋ｃ′ ｄｅｆｅｃｔ）／２
，等
のように決定されうる。 ｃ ｄｅｆｅｃｔ＝ｏ ｄｅｆｅｃｔ＊ｄ（１，２）＊ｄ′（１，２）＊Ｚ（
ｐ｜μ，σ２）ここで、ｏ ｄｅｆｅｃｔは、マスクなしプリミティブ特徴付け
および欠陥検出段によって決定される欠陥の初期信頼値である。次に如き他の合
成ルールも使用されうる。 ｃ′ ｄｅｆｅｃｔ＝１−（１−ｏ ｄｅｆｅｃｔ）＊（１−ｄ（１，２））
＊ （１−ｄ′（１，２））＊（１−Ｚ（ｐ｜μ，σ２）） または、ｃ″ ｄｅｆｅｃｔ＝（ｃ ｄｅｆｅｃｔ＋ｃ′ ｄｅｆｅｃｔ）／２
，等
【００３２】 ダイｉにおける欠陥は、ダイ対ダイ修正段４４０の後で２つの信頼値を有しう
る。１つの信頼値は、ダイｉ−１での修正からくるものであり、他の１つの信頼
値は、ダイｉ＋１での修正からくるものである。偽欠陥を減ずるため、ダイｉに
おける欠陥のための結果的に生ずる信頼値がこれら２つの信頼値のうちのより小
さいものであるとして選択される。この欠陥信頼値は、所定のしきい値と比較さ
れる。もし、その信頼値がそのしきい値より高い場合には、潜在欠陥が検出され
る。この場合において、このダイに対する接続性分析抽出特徴およびプリミティ
ブプロファイルが後段における付加的処理のために保存される。
る。１つの信頼値は、ダイｉ−１での修正からくるものであり、他の１つの信頼
値は、ダイｉ＋１での修正からくるものである。偽欠陥を減ずるため、ダイｉに
おける欠陥のための結果的に生ずる信頼値がこれら２つの信頼値のうちのより小
さいものであるとして選択される。この欠陥信頼値は、所定のしきい値と比較さ
れる。もし、その信頼値がそのしきい値より高い場合には、潜在欠陥が検出され
る。この場合において、このダイに対する接続性分析抽出特徴およびプリミティ
ブプロファイルが後段における付加的処理のために保存される。
【００３３】 もし、これら像から潜在的欠陥が検出されないならば、これら像のプリミティ
ブプロファイルは、それらのプロファイル値に亘って平均することによって合成
されうる。その基準プリミティブプロファイルは維持され、動的に更新される。
初期基準プリミティブプロファイルは、第１の欠陥なしダイからのプロファイル
として選択されうる。合成されたプリミティブプロファイル４５０は、基準プリ
ミティブプロファイルを更新するのに使用される。もし、少なくとも１つの像か
ら潜在的欠陥が検出されるならば、それらプリミティブプロファイルは、結合さ
れず、記憶され、基準プリミティブプロファイルは、これら像に基づいて更新さ
れない。ウエハ全体の処理後の最後の基準プリミティブプロファイルは、欠陥な
しダイのすべての像の平均プロファイルである。
ブプロファイルは、それらのプロファイル値に亘って平均することによって合成
されうる。その基準プリミティブプロファイルは維持され、動的に更新される。
初期基準プリミティブプロファイルは、第１の欠陥なしダイからのプロファイル
として選択されうる。合成されたプリミティブプロファイル４５０は、基準プリ
ミティブプロファイルを更新するのに使用される。もし、少なくとも１つの像か
ら潜在的欠陥が検出されるならば、それらプリミティブプロファイルは、結合さ
れず、記憶され、基準プリミティブプロファイルは、これら像に基づいて更新さ
れない。ウエハ全体の処理後の最後の基準プリミティブプロファイルは、欠陥な
しダイのすべての像の平均プロファイルである。
【００３４】 図６を参照するに、この図６は、欠陥相関を実行し欠陥信頼値を更新するため
の本発明の方法を示している。ダイ対ダイ相関に加えて、多重ダイ（セル）５０
０、５０２からの情報が欠陥検出結果を高め軽微な欠陥を拒絶するのに相関４４
０されうる。この段において、潜在的欠陥を有するダイのプリミティブプロファ
イル５１２は、プリミティブ相関５１６を与えるために、基準プロファイル５１
０と比較される。同様に、ダイ対ダイ（セル対セル）相関段５１８において使用
されるような比較方法および信頼関数がそれら潜在的欠陥の信頼値を更新しその
更新された欠陥信頼値５２０を与えるのに使用されうる。基準プリミティブプロ
ファイルを使用した更新の後充分高い信頼値を有する潜在的欠陥は、それらの特
徴を使用して分類される。
の本発明の方法を示している。ダイ対ダイ相関に加えて、多重ダイ（セル）５０
０、５０２からの情報が欠陥検出結果を高め軽微な欠陥を拒絶するのに相関４４
０されうる。この段において、潜在的欠陥を有するダイのプリミティブプロファ
イル５１２は、プリミティブ相関５１６を与えるために、基準プロファイル５１
０と比較される。同様に、ダイ対ダイ（セル対セル）相関段５１８において使用
されるような比較方法および信頼関数がそれら潜在的欠陥の信頼値を更新しその
更新された欠陥信頼値５２０を与えるのに使用されうる。基準プリミティブプロ
ファイルを使用した更新の後充分高い信頼値を有する潜在的欠陥は、それらの特
徴を使用して分類される。
【００３５】 図７を参照するに、この図７は、本発明の多重段分類方法の一実施例を示す。
段１の分類装置６１０は、潜在的欠陥入力６００を受け取り、欠陥像およびプリ
ミティブプロファイルから抽出される接続分析特徴並びにダイ対ダイ相関特徴を
使用して、ある欠陥を、マスク欠陥、プロセス欠陥、または異物等の如き軽微な
欠陥または変動アーティファクト６１２または潜在重大欠陥タイプ６１４へ分類
する。この方法は、更に、軽微な欠陥および変動アーティファクト６２２を更に
拒絶するために、多重ダイ統合特徴並びに同じウエハにおける他の欠陥の段１分
類結果を使用して潜在的重大欠陥６１４を分類する。この分類プロセスは、もし
、それらが段６３０において利用できるならば、そのウエハの多重層からの情報
を含むように拡張されうる。この多重段プロセスによれば、軽微な欠陥および変
動アーティファクト６３２を拒絶し、潜在的重大欠陥６３４のみが検出され、ウ
エハ製造プロセスの収率を改善することができる。
段１の分類装置６１０は、潜在的欠陥入力６００を受け取り、欠陥像およびプリ
ミティブプロファイルから抽出される接続分析特徴並びにダイ対ダイ相関特徴を
使用して、ある欠陥を、マスク欠陥、プロセス欠陥、または異物等の如き軽微な
欠陥または変動アーティファクト６１２または潜在重大欠陥タイプ６１４へ分類
する。この方法は、更に、軽微な欠陥および変動アーティファクト６２２を更に
拒絶するために、多重ダイ統合特徴並びに同じウエハにおける他の欠陥の段１分
類結果を使用して潜在的重大欠陥６１４を分類する。この分類プロセスは、もし
、それらが段６３０において利用できるならば、そのウエハの多重層からの情報
を含むように拡張されうる。この多重段プロセスによれば、軽微な欠陥および変
動アーティファクト６３２を拒絶し、潜在的重大欠陥６３４のみが検出され、ウ
エハ製造プロセスの収率を改善することができる。
【００３６】 図８を参照するに、この図８は、本発明の欠陥クラスタリングおよびパターン
アーティファクト拒絶方法のフロー図を示している。この方法は、多重段分類方
法の重大欠陥出力から潜在重大欠陥入力６３４を受け取る。この方法は、段６４
０において重大欠陥の位置をエンコードする。欠陥クラスタリング段６５０によ
る処理の後、この方法は、特定の重大欠陥を欠陥クラスタ６５２へグループ分け
し、他の欠陥６５４をランダム欠陥として考える。クラスタの番号を決定しデー
タを各クラスタへ割り当てるのに、非管理クラスタリング方法が使用されうる。
最も普及している非管理クラスタリング方法は、アイソデータアルゴリズム（フ
ァジーアイソデータアルゴリズム）およびＫ平均クラスタリングアルゴリズム（
ファジーＣ平均クラスタリング）である。この方法は、特徴スペースにおける距
離メトリックに基づいている。
アーティファクト拒絶方法のフロー図を示している。この方法は、多重段分類方
法の重大欠陥出力から潜在重大欠陥入力６３４を受け取る。この方法は、段６４
０において重大欠陥の位置をエンコードする。欠陥クラスタリング段６５０によ
る処理の後、この方法は、特定の重大欠陥を欠陥クラスタ６５２へグループ分け
し、他の欠陥６５４をランダム欠陥として考える。クラスタの番号を決定しデー
タを各クラスタへ割り当てるのに、非管理クラスタリング方法が使用されうる。
最も普及している非管理クラスタリング方法は、アイソデータアルゴリズム（フ
ァジーアイソデータアルゴリズム）およびＫ平均クラスタリングアルゴリズム（
ファジーＣ平均クラスタリング）である。この方法は、特徴スペースにおける距
離メトリックに基づいている。
【００３７】 図８に示されるように、欠陥クラスタリングを行うために、位置エンコーディ
ング段６４０は、ウエハにおける欠陥の絶対位置を決定し、更に、それらのダイ
（セル）内のそれら欠陥の相対位置を決定して、位置特徴を抽出する。サイズ、
形状、コントラスト、テクスチャー、カラーの如き他の欠陥特徴とともに位置特
徴は、欠陥クラスタリング段６５０における非管理クラスタリングプロセスのた
めに使用される。欠陥クラスタリング段は、欠陥クラスタ６５２のグループを発
生し、他の欠陥をランダム欠陥６５４とする。パターンアーティファクト拒絶段
６６０は、多くのダイの同様の相対位置に系統的にある欠陥を実際の欠陥６６２
でなくパターンアーティファクト６６４であるかもしれないとする。パターンア
ーティファクト拒絶段６６０は、クラスタとして形成するパターンアーティファ
クト６６４を拒絶するのに組み入れられる。欠陥クラスタ６５２とランダム欠陥
６５４とを決定することにより、欠陥の原因を決定し且つ製造プロセスの収率を
改善するため更に高い解像度の欠陥分類プロセスのための効率的サンプリング計
画を開発し易くなる。欠陥フィルタリングのために、２進決定トリー、人工ニュ
ーラルネットワーク、パラメトリックおよび非パラメトリック統計学的分類装置
の如きパターン分類方法が使用されうる。
ング段６４０は、ウエハにおける欠陥の絶対位置を決定し、更に、それらのダイ
（セル）内のそれら欠陥の相対位置を決定して、位置特徴を抽出する。サイズ、
形状、コントラスト、テクスチャー、カラーの如き他の欠陥特徴とともに位置特
徴は、欠陥クラスタリング段６５０における非管理クラスタリングプロセスのた
めに使用される。欠陥クラスタリング段は、欠陥クラスタ６５２のグループを発
生し、他の欠陥をランダム欠陥６５４とする。パターンアーティファクト拒絶段
６６０は、多くのダイの同様の相対位置に系統的にある欠陥を実際の欠陥６６２
でなくパターンアーティファクト６６４であるかもしれないとする。パターンア
ーティファクト拒絶段６６０は、クラスタとして形成するパターンアーティファ
クト６６４を拒絶するのに組み入れられる。欠陥クラスタ６５２とランダム欠陥
６５４とを決定することにより、欠陥の原因を決定し且つ製造プロセスの収率を
改善するため更に高い解像度の欠陥分類プロセスのための効率的サンプリング計
画を開発し易くなる。欠陥フィルタリングのために、２進決定トリー、人工ニュ
ーラルネットワーク、パラメトリックおよび非パラメトリック統計学的分類装置
の如きパターン分類方法が使用されうる。
【００３８】 図９を参照するに、この図９は、本発明に組み入れられる自動学習段の処理フ
ローを示す。既知の特徴を有したサンプルウエハ７００が学習検査システム７１
０へ入れられる。学習検査システム７１０は、図１および図２Ａにより詳細に示
したような検査システムのすべてのコンポーネントを含む。プリミティブ特徴付
けおよび欠陥検出モジュールの完全なセットがデータを収集するのに検査システ
ムへ組み入れられる。真理値入力および性能統計収集モジュール７２０は、欠陥
分類結果ファイルに対する各プリミティブ特徴付けおよび欠陥検出モジュールの
寄与をセーブし、検出された欠陥を真理値ラベリングのためユーザへ表示する。
図１０は、真理値入力および性能統計収集モジュール７２０の動作をより詳細に
示す。
ローを示す。既知の特徴を有したサンプルウエハ７００が学習検査システム７１
０へ入れられる。学習検査システム７１０は、図１および図２Ａにより詳細に示
したような検査システムのすべてのコンポーネントを含む。プリミティブ特徴付
けおよび欠陥検出モジュールの完全なセットがデータを収集するのに検査システ
ムへ組み入れられる。真理値入力および性能統計収集モジュール７２０は、欠陥
分類結果ファイルに対する各プリミティブ特徴付けおよび欠陥検出モジュールの
寄与をセーブし、検出された欠陥を真理値ラベリングのためユーザへ表示する。
図１０は、真理値入力および性能統計収集モジュール７２０の動作をより詳細に
示す。
【００３９】 自動学習段において、学習検査システム７１０は、ウエハ製造サイクルのラン
プアップまたはパイロット作成段階中サンプルウエハ７００のセットを適用する
。 充分な学習ウエハ特徴付けおよび欠陥データが収集された後、この学習段は、段
７３０における欠陥の検出に対する異なるプリミティブプロファイルの有効性を
評価する。有効なプリミティブプロファイルに対応するプリミティブ特徴付けモ
ジュールのみが、検査システムの最終バージョンのために保持される。
プアップまたはパイロット作成段階中サンプルウエハ７００のセットを適用する
。 充分な学習ウエハ特徴付けおよび欠陥データが収集された後、この学習段は、段
７３０における欠陥の検出に対する異なるプリミティブプロファイルの有効性を
評価する。有効なプリミティブプロファイルに対応するプリミティブ特徴付けモ
ジュールのみが、検査システムの最終バージョンのために保持される。
【００４０】 更にまた、この方法は、２つのダイの整列された像の間の像整列変動７４０、
パターンおよびイメージングの予想レベルを決定し、その変動推定７４０を使用
して、ダイ対ダイ（セル対セル）相関段に対する諸パラメータをセットする。優
先基準プリミティブプロファイルもまた、最終検査システムコンフィギュレーシ
ョン７５０のための初期基準プリミティブプロファイルとして使用されうる学習
データを使用して発生されうる。
パターンおよびイメージングの予想レベルを決定し、その変動推定７４０を使用
して、ダイ対ダイ（セル対セル）相関段に対する諸パラメータをセットする。優
先基準プリミティブプロファイルもまた、最終検査システムコンフィギュレーシ
ョン７５０のための初期基準プリミティブプロファイルとして使用されうる学習
データを使用して発生されうる。
【００４１】 図１０を参照するに、この図１０は、真理値入力および性能統計収集モジュー
ル７２０をより詳細に示している。各特徴付けおよび欠陥検出モジュール７６０
からの潜在的欠陥検出およびその検出された潜在的欠陥の関連信頼値が真理値入
力および性能統計収集モジュールへ入力される。これらの入力は、次のように次
のリストのようなものを含む。 Ｐｏｔｅｎｔｉａｌ ｄｅｆｅｃｔ１ ｃｏｎｆｉｄｅｎｃｅ １１ Ｃｏｎｆ
ｉｄｅｎｃｅ １２ ｃｏｎｆｉｄｅｎｃｅ １３ Ｃｏｎｆｉｄｅｎｃｅ １
４……Ｃｏｎｆｉｄｅｎｃｅ １Ｎ Ｐｏｔｅｎｔｉａｌ ｄｅｆｅｃｔ２ ｃｏｎｆｉｄｅｎｃｅ ２１ Ｃｏｎｆ
ｉｄｅｎｃｅ ２２ ｃｏｎｆｉｄｅｎｃｅ ２３ Ｃｏｎｆｉｄｅｎｃｅ ２
４……Ｃｏｎｆｉｄｅｎｃｅ ２Ｎ Ｐｏｔｅｎｔｉａｌ ｄｅｆｅｃｔＬ ｃｏｎｆｉｄｅｎｃｅ Ｌ１ Ｃｏｎｆ
ｉｄｅｎｃｅ Ｌ２ ｃｏｎｆｉｄｅｎｃｅ Ｌ３ Ｃｏｎｆｉｄｅｎｃｅ Ｌ
４……Ｃｏｎｆｉｄｅｎｃｅ ＬＮ ここで、ｐｏｔｅｎｔｉａｌ ｄｅｔｅｃｔｉは、ｉ番目の潜在的欠陥のための
信頼値であり、Ｃｏｎｆｉｄｅｎｃｅ ｉｊは、ｉ番目の欠陥に対するｊ番目の
モジュールの信頼値である。１つの好ましい実施例においては、信頼値の計算は
、図５に関して示すように行われる。信頼値は、真の欠陥である確からしさを示
すように０から１までの範囲に亘る。真理値入力モジュール７８０は、ある欠陥
真理値ラベルのためヒューマンエキスパート７７０に対する欠陥位置または像を
示している。好ましい実施例では、真理値ラベルは、“欠陥”対“非欠陥”であ
る。真理値ラベルに基づいて、統計収集モジュール７９０は、潜在的欠陥を、２
つのグループ、すなわち、正しく分類されたグループ８欠陥の真理値ラベル）お
よび間違って分類されたグループ（非欠陥の真理値ラベル）に分ける。ある潜在
的欠陥のための総合欠陥信頼値に対する各モジュールの寄与は、本発明の一実施
例では次のように決定されうる。 ｃｏｎｔｒｉｂｕｔｉｏｎ ｉｊ＝ｃｏｒｒｃｔｎｅｓｓ ｉｎｄｅｘ＊ ｃｏｎｆｉｄｅｎｃｅ ｉｊ／ｐｏｔｅｎｔｉａｌ ｄｅｆｅｃｔ ｉ ここで、ｃｏｒｒｅｃｔｎｅｓｓ ｉｎｄｅｘは、正しく分類されたグループに
おける欠陥に対して１．０であり、間違って分類されたグループにおける欠陥に
対して−１．０である。
ル７２０をより詳細に示している。各特徴付けおよび欠陥検出モジュール７６０
からの潜在的欠陥検出およびその検出された潜在的欠陥の関連信頼値が真理値入
力および性能統計収集モジュールへ入力される。これらの入力は、次のように次
のリストのようなものを含む。 Ｐｏｔｅｎｔｉａｌ ｄｅｆｅｃｔ１ ｃｏｎｆｉｄｅｎｃｅ １１ Ｃｏｎｆ
ｉｄｅｎｃｅ １２ ｃｏｎｆｉｄｅｎｃｅ １３ Ｃｏｎｆｉｄｅｎｃｅ １
４……Ｃｏｎｆｉｄｅｎｃｅ １Ｎ Ｐｏｔｅｎｔｉａｌ ｄｅｆｅｃｔ２ ｃｏｎｆｉｄｅｎｃｅ ２１ Ｃｏｎｆ
ｉｄｅｎｃｅ ２２ ｃｏｎｆｉｄｅｎｃｅ ２３ Ｃｏｎｆｉｄｅｎｃｅ ２
４……Ｃｏｎｆｉｄｅｎｃｅ ２Ｎ Ｐｏｔｅｎｔｉａｌ ｄｅｆｅｃｔＬ ｃｏｎｆｉｄｅｎｃｅ Ｌ１ Ｃｏｎｆ
ｉｄｅｎｃｅ Ｌ２ ｃｏｎｆｉｄｅｎｃｅ Ｌ３ Ｃｏｎｆｉｄｅｎｃｅ Ｌ
４……Ｃｏｎｆｉｄｅｎｃｅ ＬＮ ここで、ｐｏｔｅｎｔｉａｌ ｄｅｔｅｃｔｉは、ｉ番目の潜在的欠陥のための
信頼値であり、Ｃｏｎｆｉｄｅｎｃｅ ｉｊは、ｉ番目の欠陥に対するｊ番目の
モジュールの信頼値である。１つの好ましい実施例においては、信頼値の計算は
、図５に関して示すように行われる。信頼値は、真の欠陥である確からしさを示
すように０から１までの範囲に亘る。真理値入力モジュール７８０は、ある欠陥
真理値ラベルのためヒューマンエキスパート７７０に対する欠陥位置または像を
示している。好ましい実施例では、真理値ラベルは、“欠陥”対“非欠陥”であ
る。真理値ラベルに基づいて、統計収集モジュール７９０は、潜在的欠陥を、２
つのグループ、すなわち、正しく分類されたグループ８欠陥の真理値ラベル）お
よび間違って分類されたグループ（非欠陥の真理値ラベル）に分ける。ある潜在
的欠陥のための総合欠陥信頼値に対する各モジュールの寄与は、本発明の一実施
例では次のように決定されうる。 ｃｏｎｔｒｉｂｕｔｉｏｎ ｉｊ＝ｃｏｒｒｃｔｎｅｓｓ ｉｎｄｅｘ＊ ｃｏｎｆｉｄｅｎｃｅ ｉｊ／ｐｏｔｅｎｔｉａｌ ｄｅｆｅｃｔ ｉ ここで、ｃｏｒｒｅｃｔｎｅｓｓ ｉｎｄｅｘは、正しく分類されたグループに
おける欠陥に対して１．０であり、間違って分類されたグループにおける欠陥に
対して−１．０である。
【００４２】 プリミティブプロファイル有効性評価モジュールは、欠陥検出および拒絶に対
する各プリミティブプロファイルの総合性能を評価する。本発明の一実施例では 、モジュールｊに対する性能尺度は、次のように定義される。 本発明の一実施例では、２つのパラメータが予め決定される。第１のパラメータ
Ｋは、検査システムにおいて使用される最小数のモジュールをセットし、第２の
パラメータｔは、最小許容性能尺度を決定する。トップのＫプリミティブモジュ
ールが最初に選択され、ｔより大きい性能尺度を有する他のモジュールもまた、
最終検査システムコンフィギュレーションのために選択される。
する各プリミティブプロファイルの総合性能を評価する。本発明の一実施例では 、モジュールｊに対する性能尺度は、次のように定義される。 本発明の一実施例では、２つのパラメータが予め決定される。第１のパラメータ
Ｋは、検査システムにおいて使用される最小数のモジュールをセットし、第２の
パラメータｔは、最小許容性能尺度を決定する。トップのＫプリミティブモジュ
ールが最初に選択され、ｔより大きい性能尺度を有する他のモジュールもまた、
最終検査システムコンフィギュレーションのために選択される。
【００４３】 選択されたプリミティブモジュールに対し、間違って分類されたグループから
のデータは、真の欠陥によって生ぜられない予想データ変動を椎定するのに予想
データ変動推定モジュールによって使用される。モジュールｊに対する予想デー
タ変動値は、間違って分類されたグループにおけるすべての非欠陥オブジェクト
に対しモジュールｊの信頼値に亘って平均化することによって決定されうる。
のデータは、真の欠陥によって生ぜられない予想データ変動を椎定するのに予想
データ変動推定モジュールによって使用される。モジュールｊに対する予想デー
タ変動値は、間違って分類されたグループにおけるすべての非欠陥オブジェクト
に対しモジュールｊの信頼値に亘って平均化することによって決定されうる。
【００４４】 以下の特許及び特許出願を参考としてここに取り上げる。 １９９５年１２月１３日に出願されたＮｅｌｓｏｎ氏等の「Ｍｅｔｈｏｄ Ｆ
ｏｒ Ｉｄｅｎｔｉｆｙｉｎｇ Ｎｏｒｍａｌ Ｂｉｏｍｅｄｉｃａｌ Ｓｐｅ
ｃｉｍｅｎｓ」と題し、発行費用が支払われた米国特許出願第０８／５７１，６
８６号。これは、１９９２年２月１８日に出願されて放棄された米国特許出願第
０７／８３８，０６４号のファイルラッパー継続出願である。 １９９６年６月１８日付のＬｅｅ氏の「Ｍｅｔｈｏｄ Ｆｏｒ Ｉｄｅｎｔｉ
ｆｙｉｎｇ Ｏｂｊｅｃｔｓ Ｕｓｉｎｇ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ
Ｔｅｃｈｎｉｑｕｅｓ」と題する米国特許第５，５２８，７０３号。これは、１
９９２年２月１８日に出願されて放棄された米国特許出願第０７／８３８，３９
５号のファイルラッパー継続出願である。 １９９４年５月２４日付のＪｏｈｎｓｔｏｎ氏等の「Ｍｅｔｈｏｄ ａｎｄ
Ａｐｐａｒａｔｕｓ Ｆｏｒ Ｒａｐｉｄｌｙ Ｐｒｏｃｅｓｓｉｎｇ Ｄａｔ
ａ Ｓｅｑｕｅｎｃｅｓ」と題する米国特許第５，３１５，７００号。 １９９４年１１月１日付のＨａｙｅｎｇａ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａ
ｐｐａｒａｔｕｓ ｆｏｒ Ｄｙｎａｍｉｃ Ｃｏｒｒｅｃｔｉｏｎ ｏｆ Ｍ
ｉｃｒｏｓｃｏｐｉｃ Ｉｍａｇｅ Ｓｉｇｎａｌｓ」と題する米国特許第５，
３６１，１４０号。 １９９４年９月７日に出願されたＨａｙｅｎｇａ氏等の「Ｍｅｔｈｏｄ ａｎ
ｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｒａｐｉｄ Ｃａｐｔｕｒｅ ｏｆ Ｆｏｃ
ｕｓｅｄ Ｍｉｃｒｏｓｃｏｐｉｃ Ｉｍａｇｅｓ」と題し、発行費用が支払わ
れた米国特許出願第０８／３０２，３５５号。これは、１９９２年２月１８日に
出願されて放棄された米国特許出願第０７／８３８，０６３号の一部継続出願で
ある。 １９９８年５月２６日付のＫｕａｎ氏等の「Ｆｉｅｌｄ Ｐｒｉｏｒｉｔｉｚ
ａｔｉｏｎ Ａｐｐａｒａｔｕｓ ａｎｄ Ｍｅｔｈｏｄ」と題する米国特許第
５，７５７，９５４号。 １９９７年９月１２日に出願されたＷｉｌｈｅｌｍ氏等の「Ａｐｐａｒａｔｕ
ｓ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｃｅ
ｌｌ Ｇｒｏｕｐｉｎｇｓ ｏｎ ａ Ｂｉｏｌｏｇｉｃａｌ Ｓｐｅｃｉｍｅ
ｎ」と題する出願中の米国特許出願第０８／９２７，３７９号。これは、１９９
４年９月２０日に出願されて放棄された米国特許出願第０８／３０９，０６１号
のファイルラッパー継続出願である。 １９９７年１１月１３日に出願されたＭｅｙｅｒ氏等の「Ａｐｐａｒａｔｕｓ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｔｈｉ
ｃｋ Ｃｅｌｌ Ｇｒｏｕｐｉｎｇｓ ｏｎ ａ Ｂｉｏｌｏｇｉｃａｌ Ｓｐ
ｅｃｉｍｅｎ」と題する出願中の米国特許出願第０８／９６９，９７０号。これ
は、１９９４年９月２０日に出願されて放棄された米国特許出願第０８／３０９
，１１６号のファイルラッパー継続出願である。 １９９６年６月２０日に出願されたＬｅｅ氏等の「Ｂｉｏｌｏｇｉｃａｌ Ａ
ｎａｌｙｓｉｓ Ｓｙｓｔｅｍ Ｓｅｌｆ Ｃａｌｉｂｒａｔｉｏｎ Ａｐｐａ
ｒａｔｕｓ」と題し、発行費用が支払われた米国特許出願第０８／６６７，２９
２号。これは、１９９４年９月２０日に出願されて放棄された米国特許出願第０
８／３０９，１１５号のファイルラッパー継続出願である。 １９９６年７月１１日に出願されたＬｅｅ氏等の「Ａｐｐａｒａｔｕｓ ｆｏ
ｒ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ Ｉｎｔｅｇｒａｔｉｏｎ ｏｆ
Ｍｕｌｔｉｐｌｅ Ｃｅｌｌ Ｐａｔｔｅｒｎｓ」と題する許された米国特許出
願第０８／６７８，１２４号。これは、１９９２年９月２０日に出願されて放棄
された米国特許出願第０８／３０８，９９２号のファイルラッパー継続出願であ
る。 １９９７年５月６日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ｆｏｒ Ｃｙｔｏｌｏ
ｇｉｃａｌ Ｓｙｓｔｅｍ Ｄｙｎａｍｉｃ Ｎｏｒｍａｌｉｚａｔｉｏｎ」と
題する米国特許第５，６２７，９０８号。 １９９７年６月１０日付のＲｏｓｅｎｌｏｆ氏等の「Ｍｅｔｈｏｄ ａｎｄ
Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｔｅｃｔｉｎｇ ａ Ｍｉｃｒｏｓｃｏｐｅ Ｓｌｉｄｅ Ｃｏｖｅｒｓｌｉｐ」と題する米国特許第５，６３６，４５９号
。 １９９６年１０月１５日付の「Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｔｅｃｔｉ
ｎｇ Ｂｕｂｂｌｅｓ ｉｎ Ｃｏｖｅｒｓｌｉｐ Ａｄｈｅｓｉｖｅ」と題す
る米国特許第５，５６６，２４９号。 １９９７年６月３日に出願されたＬｅｅ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓ
ｌｉｄｅ Ｓｃｏｒｉｎｇ Ａｐｐａｒａｔｕｓ」と題する出願中の米国特許出
願第０８／８６７，０１７号。これは、１９９４年９月２０日に出願されて放棄
された米国特許出願第０８／３０９，９３１号のファイルラッパー継続出願であ
る。 １９９４年９月２０日に出願されたＬｅｅ氏等の「Ａｐｐａｒａｔｕｓ ｆｏ
ｒ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｆｒｅｅ−Ｌｙｉｎｇ Ｃｅｌｌｓ
」と題する許された米国特許出願第０８／３０９，２５０号。 １９９８年４月１４日付のＯｈ氏等の「Ａ Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａ
ｒａｔｕｓ ｆｏｒ Ｒｏｂｕｓｔ Ｂｉｏｌｏｇｉｃａｌ Ｓｐｅｃｉｍｅｎ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ」と題する米国特許第５，４０，２６９号。 １９９８年２月３日付のＷｉｌｈｅｌｍ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｕｎｓｕｉｔａｂｌｅ
Ｃｏｎｄｉｔｉｏｎｓ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｃｙｔｏｌｏｇｙ Ｓｃ
ｏｒｉｎｇ」と題する米国特許第５，７１５，３２７号。 １９９５年９月５日に出願されたＮｅｌｓｏｎ氏等の「Ｍｅｔｈｏｄ ｆｏｒ Ｔｅｓｔｉｎｇ Ｐｒｏｆｉｃｉｅｎｃｙ ｉｎ Ｓｃｒｅｅｎｉｎｇ Ｉｍ
ａｇｅｓ ｏｆ Ｂｉｏｌｏｇｉｃａｌ Ｓｌｉｄｅｓ」と題し、発行費用が支
払われた米国特許出願第０８／５２６，１３８号。これは、１９９３年１１月１
６日に出願されて放棄された米国特許出願第０８／１５３，２９３号のファイル
ラッパー継続出願である。 １９９７年１２月２３日付のＦｌｅｃｋ氏の「Ａｐｐａｒａｔｕｓ ｆｏｒ
Ａｕｔｏｍａｔｅｄ Ｕｒｉｎ Ｓｅｄｉｍｅｎｔ Ｓａｍｐｌｅ Ｈａｎｄｌ
ｉｎｇ」と題する米国特許第５，６９９，７９４号。 １９９５年６月７日に出願されたＬｅｅ氏等の「ｌｎｔｅｒａｃｔｉｖｅ Ｍ
ｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｓｏｒｔｉｎｇ Ｂｉｏｌ
ｏｇｉｃａｌ Ｓｐｅｃｉｍｅｎｓ」と題する出願中の米国特許出願第０８／４
８５，１８２号。 １９９７年７月８日付のＦｒｏｓｔ氏等の「Ａｕｔｏｍａｔｉｃ Ｆｏｃｕｓ
ｉｎｇ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｓｐｅｃｉｍｅｎｓ Ａｐｐａｒａｔｕ
ｓ」と題する米国特許第５，６４７，０２５号。 １９９７年１０月１４日付のＯｒｔｙｎ氏等の「Ａｐｐａｒａｔｕｓ ｆｏｒ Ｉｌｌｕｍｉｎａｔｉｏｎ Ｓｔａｂｉｌｉｚａｔｉｏｎ ａｎｄ Ｈｏｍｏ
ｇｅｎｉｚａｔｉｏｎ」と題する米国特許第５，６７７，７６２号。これは、１
９９４年９月２０日に出願されて放棄された米国特許出願第０８／３０９，０６
４号のファイルラッパー継続出願である。 １９９６年８月２６日に出願されたのＯｒｔｙｎ氏等の「Ｂｉｏｌｏｇｉｃａ
ｌ Ｓｐｅｃｉｍｅｎ Ａｎａｌｙｓｉｓ Ｓｙｓｔｅｍ Ｐｒｏｃｅｓｓｉｎ
ｇ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐｐａｒａｔｕｓ」と題する出
願中の米国特許出願第０８／６９７，４８０号。これは、１９９４年９月２０日
に出願されて放棄された米国特許出願第０８／３０９，２４９号のファイルラッ
パー継続出願である。 １９９８年２月３日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙｓ
ｔｅｍ Ｉｌｌｕｍｉｎａｔｉｏｎ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ
Ａｐｐａｒａｔｕｓ ａｎｄ Ｍｅｔｈｏｄ」と題する米国特許第５，７１５，
３２６号。 １９９６年１２月３日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙ
ｓｔｅｍ ｉｍａｇｅ ｃｏｌｌｅｃｔｉｏｎ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃ
ｋｉｎｇ Ａｐｐａｒａｔｕｓ」と題する米国特許第５，５８１，６３１号。 １９９６年９月１７日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙ
ｓｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐ
ｐａｒａｔｕｓ」と題する米国特許第５，５５７，０９７号。 １９９６年３月１２日付のＯｒｔｙｎ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐ
ａｒａｔｕｓ ｆｏｒ Ｃｈｅｃｋｉｎｇ Ａｕｔｏｍａｔｅｄ Ｏｐｔｉｃａ
ｌ Ｓｙｓｔｅｍ Ｐｅｒｆｏｒｍａｎｃｅ Ｒｅｐｅａｔａｂｉｌｉｔｙ」と
題する米国特許第５，４９９，０９７号。 １９９７年１１月２５日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａ
ｒａｔｕｓ ｆｏｒ Ｉｍａｇｅ Ｐｌａｎｅ Ｍｏｄｕｌａｔｉｏｎ Ｐａｔ
ｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ」と題する米国特許第５，６９２，０６６号
。 １９９７年７月２１日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａ
ｐｐａｒａｔｕｓ ｆｏｒ Ｈｉｇｈｌｙ Ｅｆｆｉｃｉｅｎｔ Ｃｏｍｐｕｔ
ｅｒ Ａｉｄｅｄ Ｓｃｒｅｅｎｉｎｇ」と題する出願中の米国特許出願第０８
／８９７，３９２号。これは、これは、１９９４年９月３０日に出願されて放棄
された米国特許出願第０８／３１５，７１９号のファイルラッパー継続出願であ
る。 １９９５年６月７日に出願されたＯｈ氏等の「ｌｍａｇｅ Ｅｎｈａｎｃｅｍ
ｅｎｔ Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ」と題し、発行費用が支払
われた米国特許出願第０８／４７２，３８９号。 １９９７年６月２４日付のＲｉｌｅｙ氏等の「Ａｐｐａｒａｔｕｓ ａｎｄ
Ｍｅｔｈｏｄ ｆｏｒ Ｍｅａｓｕｒｉｎｇ Ｆｏｃａｌ Ｐｌａｎｅ Ｓｅｐ
ａｒａｔｉｏｎ」と題する米国特許第５，６４２，４４１号。 １９９７年４月２９日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒ
ａｔｕｓ ｆｏｒ Ｃｏｎｔｉｎｕｏｕｓｌｙ Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｆｏｒｅｃａｓｔｉｎｇ Ｓｌｉｄｅ ａｎｄ Ｓｐｅｃｉｍｅｎ Ｐｒｅｐ
ａｒａｔｉｏｎ ｆｏｒ ａ Ｂｉｏｌｏｇｉｃａｌ Ｓｐｅｃｉｍｅｎ Ｐｏ
ｐｕｌａｔｉｏｎ」と題する米国特許第５，６２５，７０６号。 １９９８年４月２８日付のＬｅｅ氏等の「Ｒｏｂｕｓｔｎｅｓｓ ｏｆ Ｃｌ
ａｓｓｉｆｉｃａｔｉｏｎ Ｍｅａｓｕｒｅｍｅｎｔ Ｍｅｔｈｏｄ ａｎｄ
Ａｐｐａｒａｔｕｓ」と題する米国特許第５，７４５，６０１号。 １９９７年９月２３日付のＷｉｌｈｅｌｍ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａ
ｐｐａｒａｔｕｓ ｆｏｒ Ａｓｓｅｓｓｉｎｇ Ｓｌｉｄｅ ａｎｄ Ｓｐｅ
ｃｉｍｅｎ Ｐｒｅｐａｒａｔｉｏｎ Ｑｕａｌｉｔｙ」と題する米国特許第５
，６７１，２８８号。 １９９７年４月１５日付のＦｒｏｓｔ氏等の「ｌｍａｇｉｎｇ Ｓｙｓｔｅｍ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔｉｏｎ Ｃｏｎｔｒｏｌ Ｍｅｔｈｏｄ ａｎ
ｄ Ａｐｐａｒａｔｕｓ」と題する米国特許第５，６２１，５１９号。 １９９７年４月８日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａ
ｔｕｓ ｆｏｒ Ｉｎｔｅｇｒａｔｉｎｇ Ａｎ Ａｕｔｏｍａｔｅｄ Ｓｙｓ
ｔｅｍ ｔｏ ａ Ｌａｂｏｒａｔｏｒｙ」と題する米国特許第５，６１９，４
２８号。 １９９８年７月１４日付のＳｃｈｍｉｄｔ氏等の「Ａｐｐａｒａｔｕｓ ｆｏ
ｒ ｈｉｇｈ ｓｐｅｅｄ Ｍｏｒｐｈｏｌｏｇｉｃａｌ Ｐｒｏｃｅｓｓｉｎ
ｇ」と題する米国特許第５，７８１，６６７号。 １９９７年６月２４日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒ
ａｔｕｓ ｆｏｒ Ｉｍａｇｅ Ｃｏｎｔｒａｓｔ Ｑｕａｌｉｔｙ Ｅｖａｌ
ｕａｔｉｏｎ」と題する米国特許第５，６４２，４３３号。 １９９８年１月２０日付のＬｅｅ氏の「Ｍｅｔｈｏｄ ｆｏｒ Ｉｄｅｎｔｉ
ｆｙｉｎｇ Ｏｂｊｅｃｔｓ Ｕｓｉｎｇ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ
Ｔｅｃｈｎｉｑｕｅｓ」と題する米国特許第５，７１０，８４２号。これは、１
９９６年６月１８日付の米国特許第５，５２８，７０３号の分割である。 １９９７年１月２５日に出願されたＯｈ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ａｌｉａｓ Ｆｒｅｅ Ｍｅａｓｕｒｅｍｅｎｔ ｏ
ｆ Ｏｐｔｉｃａｌ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔｉｏｎ」と題する出願中の
米国特許出願第０８／７８８，２３９号。 １９９７年８月５日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙｓ
ｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐｐ
ａｒａｔｕｓ」と題する米国特許第５，６５４，５３５号。これは、１９９６年
９月１７日付の米国特許第５，５５７，０９７号の分割である。 １９９７年１月１６日に出願されたＲｏｓｅｎｌｏｆ氏等の「Ｍｅｔｈｏｄ
ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｔｅｃｔｉｎｇ ａ Ｍｉｃｒｏｓ
ｃｏｐｅ Ｓｌｉｄｅ Ｃｏｖｅｒｓｌｉｐ」と題する許された米国特許出願第
０８／７８４，３１６号。これは、１９９７年６月１０日付の米国特許第５，６
３７，４５９号の分割である。 １９９６年１２月１６日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ
Ａｐｐａｒａｔｕｓ ｆｏｒ Ｅｆｆｉｃａｃｙ Ｉｍｐｒｏｖｅｍｅｎｔ ｉ
ｎ Ｍａｎａｇｅｍｅｎｔ ｏｆ Ｃａｓｅｓ Ｗｉｔｈ Ｅｑｕｉｖｏｃａｌ Ｓｃｒｅｅｎｉｎｇ Ｒｅｓｕｌｔｓ」と題する出願中の米国特許出願０８／
７６７，４５７号。 １９９７年３月２０日に出願されたＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａ
ｌ Ｓｙｓｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎ
ｇ Ａｐｐａｒａｔｕｓ」と題する出願中の米国特許出願第０８／８２１，６９
９号。これは、１９９７年８月５日付の米国特許第５，６５４，５３５号の分割
である。 １９９８年６月２日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙｓ
ｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐｐ
ａｒａｔｕｓ」と題する米国特許第５，７６０，３８７号。これは、１９９７年
８月５日付の米国特許第５，６５４，５３５号の分割である。 １９９７年３月２０日に出願されたＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａ
ｌ Ｓｙｓｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎ
ｇ Ａｐｐａｒａｔｕｓ」と題し、発行費用が支払われた米国特許出願第０８／
８２３，７９３号。これは、１９９７年８月５日付の米国特許第５，６５４，５
３５号の分割である。 １９９８年６月９日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙｓ
ｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐｐ
ａｒａｔｕｓ」と題する米国特許第５，７６３，８７１号。これは、１９９７年
８月５日付の米国特許第５，６５４，５３５号の分割である。 １９９７年３月２０日に出願されたＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａ
ｌ Ｓｙｓｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎ
ｇ Ａｐｐａｒａｔｕｓ」と題する出願中の米国特許出願第０８／８２１，６９
４号。これは、１９９７年８月５日付の米国特許第５，６５４，５３５号の分割
である。 １９９７年３月１３日に出願されたＲｉｌｅｙ氏等の「Ａｓｔｉｇｍａｔｉｓ
ｍ Ｍｅａｓｕｒｅｍｅｎｔ Ａｐｐａｒａｔｕｓ ａｎｄ Ｍｅｔｈｏｄ Ｂ
ａｓｅｄ ｏｎ ａ Ｆｏｃａｌ Ｐｌａｎｅ Ｓｅｐａｒａｔｉｏｎ Ｍｅａ
ｓｕｒｅｍｅｎｔ」と題する許された米国特許出願第０８／８１６，８３７号。
これは、１９９７年６月２４日付の「Ａｐｐａｒａｔｕｓ ａｎｄ Ｍｅｔｈｏ
ｄ ｆｏｒ Ｍｅａｓｕｒｉｎｇ Ｆｏｃａｌ Ｐｌａｎｅ Ｓｅｐａｒａｔｉ
ｏｎ」と題する米国特許第５，６４２，４４１号の分割である。 １９９７年７月３日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ｍａｓｋｌｅｓｓ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ ａ
ｎｄ Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ Ｉｎｓｐｅｃｔｉｏｎ
」と題する出願中の米国特許出願第０８／８８８，１１５号。 １９９７年７月３日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ａ Ｒｅｄｕｃｅｄ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅ
ｔ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ
Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ」と題する出願中の米国特許出願第０８／８
８８，１２０号。 １９９７年７月３日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ｉｎｃｒｅｍｅｎｔａｌ Ｃｏｎｃｕｒｒｅｎｔ Ｌ
ｅａｒｎｉｎｇ ｉｎ Ａｕｔｏｍａｔｉｃ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｗ
ａｆｅｒ ａｎｄ Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ Ｄｅｆｅ
ｃｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ」と題する出願中の米国特許出願第０８／
８８８，１１９号。 １９９７年７月３日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｗａｆｅｒ ａｎｄ
ＬＣＤ Ｉｎｓｐｅｃｔｉｏｎ Ｕｓｉｎｇ Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａ
ｌ Ｉｍａｇｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ Ｓｙｎｔｈｅｓｉｓ」
と題する出願中の米国特許出願第０８／８８８，１１６号。
ｏｒ Ｉｄｅｎｔｉｆｙｉｎｇ Ｎｏｒｍａｌ Ｂｉｏｍｅｄｉｃａｌ Ｓｐｅ
ｃｉｍｅｎｓ」と題し、発行費用が支払われた米国特許出願第０８／５７１，６
８６号。これは、１９９２年２月１８日に出願されて放棄された米国特許出願第
０７／８３８，０６４号のファイルラッパー継続出願である。 １９９６年６月１８日付のＬｅｅ氏の「Ｍｅｔｈｏｄ Ｆｏｒ Ｉｄｅｎｔｉ
ｆｙｉｎｇ Ｏｂｊｅｃｔｓ Ｕｓｉｎｇ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ
Ｔｅｃｈｎｉｑｕｅｓ」と題する米国特許第５，５２８，７０３号。これは、１
９９２年２月１８日に出願されて放棄された米国特許出願第０７／８３８，３９
５号のファイルラッパー継続出願である。 １９９４年５月２４日付のＪｏｈｎｓｔｏｎ氏等の「Ｍｅｔｈｏｄ ａｎｄ
Ａｐｐａｒａｔｕｓ Ｆｏｒ Ｒａｐｉｄｌｙ Ｐｒｏｃｅｓｓｉｎｇ Ｄａｔ
ａ Ｓｅｑｕｅｎｃｅｓ」と題する米国特許第５，３１５，７００号。 １９９４年１１月１日付のＨａｙｅｎｇａ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａ
ｐｐａｒａｔｕｓ ｆｏｒ Ｄｙｎａｍｉｃ Ｃｏｒｒｅｃｔｉｏｎ ｏｆ Ｍ
ｉｃｒｏｓｃｏｐｉｃ Ｉｍａｇｅ Ｓｉｇｎａｌｓ」と題する米国特許第５，
３６１，１４０号。 １９９４年９月７日に出願されたＨａｙｅｎｇａ氏等の「Ｍｅｔｈｏｄ ａｎ
ｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｒａｐｉｄ Ｃａｐｔｕｒｅ ｏｆ Ｆｏｃ
ｕｓｅｄ Ｍｉｃｒｏｓｃｏｐｉｃ Ｉｍａｇｅｓ」と題し、発行費用が支払わ
れた米国特許出願第０８／３０２，３５５号。これは、１９９２年２月１８日に
出願されて放棄された米国特許出願第０７／８３８，０６３号の一部継続出願で
ある。 １９９８年５月２６日付のＫｕａｎ氏等の「Ｆｉｅｌｄ Ｐｒｉｏｒｉｔｉｚ
ａｔｉｏｎ Ａｐｐａｒａｔｕｓ ａｎｄ Ｍｅｔｈｏｄ」と題する米国特許第
５，７５７，９５４号。 １９９７年９月１２日に出願されたＷｉｌｈｅｌｍ氏等の「Ａｐｐａｒａｔｕ
ｓ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｃｅ
ｌｌ Ｇｒｏｕｐｉｎｇｓ ｏｎ ａ Ｂｉｏｌｏｇｉｃａｌ Ｓｐｅｃｉｍｅ
ｎ」と題する出願中の米国特許出願第０８／９２７，３７９号。これは、１９９
４年９月２０日に出願されて放棄された米国特許出願第０８／３０９，０６１号
のファイルラッパー継続出願である。 １９９７年１１月１３日に出願されたＭｅｙｅｒ氏等の「Ａｐｐａｒａｔｕｓ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｔｈｉ
ｃｋ Ｃｅｌｌ Ｇｒｏｕｐｉｎｇｓ ｏｎ ａ Ｂｉｏｌｏｇｉｃａｌ Ｓｐ
ｅｃｉｍｅｎ」と題する出願中の米国特許出願第０８／９６９，９７０号。これ
は、１９９４年９月２０日に出願されて放棄された米国特許出願第０８／３０９
，１１６号のファイルラッパー継続出願である。 １９９６年６月２０日に出願されたＬｅｅ氏等の「Ｂｉｏｌｏｇｉｃａｌ Ａ
ｎａｌｙｓｉｓ Ｓｙｓｔｅｍ Ｓｅｌｆ Ｃａｌｉｂｒａｔｉｏｎ Ａｐｐａ
ｒａｔｕｓ」と題し、発行費用が支払われた米国特許出願第０８／６６７，２９
２号。これは、１９９４年９月２０日に出願されて放棄された米国特許出願第０
８／３０９，１１５号のファイルラッパー継続出願である。 １９９６年７月１１日に出願されたＬｅｅ氏等の「Ａｐｐａｒａｔｕｓ ｆｏ
ｒ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ Ｉｎｔｅｇｒａｔｉｏｎ ｏｆ
Ｍｕｌｔｉｐｌｅ Ｃｅｌｌ Ｐａｔｔｅｒｎｓ」と題する許された米国特許出
願第０８／６７８，１２４号。これは、１９９２年９月２０日に出願されて放棄
された米国特許出願第０８／３０８，９９２号のファイルラッパー継続出願であ
る。 １９９７年５月６日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ｆｏｒ Ｃｙｔｏｌｏ
ｇｉｃａｌ Ｓｙｓｔｅｍ Ｄｙｎａｍｉｃ Ｎｏｒｍａｌｉｚａｔｉｏｎ」と
題する米国特許第５，６２７，９０８号。 １９９７年６月１０日付のＲｏｓｅｎｌｏｆ氏等の「Ｍｅｔｈｏｄ ａｎｄ
Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｔｅｃｔｉｎｇ ａ Ｍｉｃｒｏｓｃｏｐｅ Ｓｌｉｄｅ Ｃｏｖｅｒｓｌｉｐ」と題する米国特許第５，６３６，４５９号
。 １９９６年１０月１５日付の「Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｔｅｃｔｉ
ｎｇ Ｂｕｂｂｌｅｓ ｉｎ Ｃｏｖｅｒｓｌｉｐ Ａｄｈｅｓｉｖｅ」と題す
る米国特許第５，５６６，２４９号。 １９９７年６月３日に出願されたＬｅｅ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓ
ｌｉｄｅ Ｓｃｏｒｉｎｇ Ａｐｐａｒａｔｕｓ」と題する出願中の米国特許出
願第０８／８６７，０１７号。これは、１９９４年９月２０日に出願されて放棄
された米国特許出願第０８／３０９，９３１号のファイルラッパー継続出願であ
る。 １９９４年９月２０日に出願されたＬｅｅ氏等の「Ａｐｐａｒａｔｕｓ ｆｏ
ｒ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｆｒｅｅ−Ｌｙｉｎｇ Ｃｅｌｌｓ
」と題する許された米国特許出願第０８／３０９，２５０号。 １９９８年４月１４日付のＯｈ氏等の「Ａ Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａ
ｒａｔｕｓ ｆｏｒ Ｒｏｂｕｓｔ Ｂｉｏｌｏｇｉｃａｌ Ｓｐｅｃｉｍｅｎ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ」と題する米国特許第５，４０，２６９号。 １９９８年２月３日付のＷｉｌｈｅｌｍ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｕｎｓｕｉｔａｂｌｅ
Ｃｏｎｄｉｔｉｏｎｓ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｃｙｔｏｌｏｇｙ Ｓｃ
ｏｒｉｎｇ」と題する米国特許第５，７１５，３２７号。 １９９５年９月５日に出願されたＮｅｌｓｏｎ氏等の「Ｍｅｔｈｏｄ ｆｏｒ Ｔｅｓｔｉｎｇ Ｐｒｏｆｉｃｉｅｎｃｙ ｉｎ Ｓｃｒｅｅｎｉｎｇ Ｉｍ
ａｇｅｓ ｏｆ Ｂｉｏｌｏｇｉｃａｌ Ｓｌｉｄｅｓ」と題し、発行費用が支
払われた米国特許出願第０８／５２６，１３８号。これは、１９９３年１１月１
６日に出願されて放棄された米国特許出願第０８／１５３，２９３号のファイル
ラッパー継続出願である。 １９９７年１２月２３日付のＦｌｅｃｋ氏の「Ａｐｐａｒａｔｕｓ ｆｏｒ
Ａｕｔｏｍａｔｅｄ Ｕｒｉｎ Ｓｅｄｉｍｅｎｔ Ｓａｍｐｌｅ Ｈａｎｄｌ
ｉｎｇ」と題する米国特許第５，６９９，７９４号。 １９９５年６月７日に出願されたＬｅｅ氏等の「ｌｎｔｅｒａｃｔｉｖｅ Ｍ
ｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｓｏｒｔｉｎｇ Ｂｉｏｌ
ｏｇｉｃａｌ Ｓｐｅｃｉｍｅｎｓ」と題する出願中の米国特許出願第０８／４
８５，１８２号。 １９９７年７月８日付のＦｒｏｓｔ氏等の「Ａｕｔｏｍａｔｉｃ Ｆｏｃｕｓ
ｉｎｇ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｓｐｅｃｉｍｅｎｓ Ａｐｐａｒａｔｕ
ｓ」と題する米国特許第５，６４７，０２５号。 １９９７年１０月１４日付のＯｒｔｙｎ氏等の「Ａｐｐａｒａｔｕｓ ｆｏｒ Ｉｌｌｕｍｉｎａｔｉｏｎ Ｓｔａｂｉｌｉｚａｔｉｏｎ ａｎｄ Ｈｏｍｏ
ｇｅｎｉｚａｔｉｏｎ」と題する米国特許第５，６７７，７６２号。これは、１
９９４年９月２０日に出願されて放棄された米国特許出願第０８／３０９，０６
４号のファイルラッパー継続出願である。 １９９６年８月２６日に出願されたのＯｒｔｙｎ氏等の「Ｂｉｏｌｏｇｉｃａ
ｌ Ｓｐｅｃｉｍｅｎ Ａｎａｌｙｓｉｓ Ｓｙｓｔｅｍ Ｐｒｏｃｅｓｓｉｎ
ｇ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐｐａｒａｔｕｓ」と題する出
願中の米国特許出願第０８／６９７，４８０号。これは、１９９４年９月２０日
に出願されて放棄された米国特許出願第０８／３０９，２４９号のファイルラッ
パー継続出願である。 １９９８年２月３日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙｓ
ｔｅｍ Ｉｌｌｕｍｉｎａｔｉｏｎ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ
Ａｐｐａｒａｔｕｓ ａｎｄ Ｍｅｔｈｏｄ」と題する米国特許第５，７１５，
３２６号。 １９９６年１２月３日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙ
ｓｔｅｍ ｉｍａｇｅ ｃｏｌｌｅｃｔｉｏｎ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃ
ｋｉｎｇ Ａｐｐａｒａｔｕｓ」と題する米国特許第５，５８１，６３１号。 １９９６年９月１７日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙ
ｓｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐ
ｐａｒａｔｕｓ」と題する米国特許第５，５５７，０９７号。 １９９６年３月１２日付のＯｒｔｙｎ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐ
ａｒａｔｕｓ ｆｏｒ Ｃｈｅｃｋｉｎｇ Ａｕｔｏｍａｔｅｄ Ｏｐｔｉｃａ
ｌ Ｓｙｓｔｅｍ Ｐｅｒｆｏｒｍａｎｃｅ Ｒｅｐｅａｔａｂｉｌｉｔｙ」と
題する米国特許第５，４９９，０９７号。 １９９７年１１月２５日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａ
ｒａｔｕｓ ｆｏｒ Ｉｍａｇｅ Ｐｌａｎｅ Ｍｏｄｕｌａｔｉｏｎ Ｐａｔ
ｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ」と題する米国特許第５，６９２，０６６号
。 １９９７年７月２１日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａ
ｐｐａｒａｔｕｓ ｆｏｒ Ｈｉｇｈｌｙ Ｅｆｆｉｃｉｅｎｔ Ｃｏｍｐｕｔ
ｅｒ Ａｉｄｅｄ Ｓｃｒｅｅｎｉｎｇ」と題する出願中の米国特許出願第０８
／８９７，３９２号。これは、これは、１９９４年９月３０日に出願されて放棄
された米国特許出願第０８／３１５，７１９号のファイルラッパー継続出願であ
る。 １９９５年６月７日に出願されたＯｈ氏等の「ｌｍａｇｅ Ｅｎｈａｎｃｅｍ
ｅｎｔ Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ」と題し、発行費用が支払
われた米国特許出願第０８／４７２，３８９号。 １９９７年６月２４日付のＲｉｌｅｙ氏等の「Ａｐｐａｒａｔｕｓ ａｎｄ
Ｍｅｔｈｏｄ ｆｏｒ Ｍｅａｓｕｒｉｎｇ Ｆｏｃａｌ Ｐｌａｎｅ Ｓｅｐ
ａｒａｔｉｏｎ」と題する米国特許第５，６４２，４４１号。 １９９７年４月２９日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒ
ａｔｕｓ ｆｏｒ Ｃｏｎｔｉｎｕｏｕｓｌｙ Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｆｏｒｅｃａｓｔｉｎｇ Ｓｌｉｄｅ ａｎｄ Ｓｐｅｃｉｍｅｎ Ｐｒｅｐ
ａｒａｔｉｏｎ ｆｏｒ ａ Ｂｉｏｌｏｇｉｃａｌ Ｓｐｅｃｉｍｅｎ Ｐｏ
ｐｕｌａｔｉｏｎ」と題する米国特許第５，６２５，７０６号。 １９９８年４月２８日付のＬｅｅ氏等の「Ｒｏｂｕｓｔｎｅｓｓ ｏｆ Ｃｌ
ａｓｓｉｆｉｃａｔｉｏｎ Ｍｅａｓｕｒｅｍｅｎｔ Ｍｅｔｈｏｄ ａｎｄ
Ａｐｐａｒａｔｕｓ」と題する米国特許第５，７４５，６０１号。 １９９７年９月２３日付のＷｉｌｈｅｌｍ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａ
ｐｐａｒａｔｕｓ ｆｏｒ Ａｓｓｅｓｓｉｎｇ Ｓｌｉｄｅ ａｎｄ Ｓｐｅ
ｃｉｍｅｎ Ｐｒｅｐａｒａｔｉｏｎ Ｑｕａｌｉｔｙ」と題する米国特許第５
，６７１，２８８号。 １９９７年４月１５日付のＦｒｏｓｔ氏等の「ｌｍａｇｉｎｇ Ｓｙｓｔｅｍ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔｉｏｎ Ｃｏｎｔｒｏｌ Ｍｅｔｈｏｄ ａｎ
ｄ Ａｐｐａｒａｔｕｓ」と題する米国特許第５，６２１，５１９号。 １９９７年４月８日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａ
ｔｕｓ ｆｏｒ Ｉｎｔｅｇｒａｔｉｎｇ Ａｎ Ａｕｔｏｍａｔｅｄ Ｓｙｓ
ｔｅｍ ｔｏ ａ Ｌａｂｏｒａｔｏｒｙ」と題する米国特許第５，６１９，４
２８号。 １９９８年７月１４日付のＳｃｈｍｉｄｔ氏等の「Ａｐｐａｒａｔｕｓ ｆｏ
ｒ ｈｉｇｈ ｓｐｅｅｄ Ｍｏｒｐｈｏｌｏｇｉｃａｌ Ｐｒｏｃｅｓｓｉｎ
ｇ」と題する米国特許第５，７８１，６６７号。 １９９７年６月２４日付のＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒ
ａｔｕｓ ｆｏｒ Ｉｍａｇｅ Ｃｏｎｔｒａｓｔ Ｑｕａｌｉｔｙ Ｅｖａｌ
ｕａｔｉｏｎ」と題する米国特許第５，６４２，４３３号。 １９９８年１月２０日付のＬｅｅ氏の「Ｍｅｔｈｏｄ ｆｏｒ Ｉｄｅｎｔｉ
ｆｙｉｎｇ Ｏｂｊｅｃｔｓ Ｕｓｉｎｇ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ
Ｔｅｃｈｎｉｑｕｅｓ」と題する米国特許第５，７１０，８４２号。これは、１
９９６年６月１８日付の米国特許第５，５２８，７０３号の分割である。 １９９７年１月２５日に出願されたＯｈ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ａｌｉａｓ Ｆｒｅｅ Ｍｅａｓｕｒｅｍｅｎｔ ｏ
ｆ Ｏｐｔｉｃａｌ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔｉｏｎ」と題する出願中の
米国特許出願第０８／７８８，２３９号。 １９９７年８月５日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙｓ
ｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐｐ
ａｒａｔｕｓ」と題する米国特許第５，６５４，５３５号。これは、１９９６年
９月１７日付の米国特許第５，５５７，０９７号の分割である。 １９９７年１月１６日に出願されたＲｏｓｅｎｌｏｆ氏等の「Ｍｅｔｈｏｄ
ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｔｅｃｔｉｎｇ ａ Ｍｉｃｒｏｓ
ｃｏｐｅ Ｓｌｉｄｅ Ｃｏｖｅｒｓｌｉｐ」と題する許された米国特許出願第
０８／７８４，３１６号。これは、１９９７年６月１０日付の米国特許第５，６
３７，４５９号の分割である。 １９９６年１２月１６日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ
Ａｐｐａｒａｔｕｓ ｆｏｒ Ｅｆｆｉｃａｃｙ Ｉｍｐｒｏｖｅｍｅｎｔ ｉ
ｎ Ｍａｎａｇｅｍｅｎｔ ｏｆ Ｃａｓｅｓ Ｗｉｔｈ Ｅｑｕｉｖｏｃａｌ Ｓｃｒｅｅｎｉｎｇ Ｒｅｓｕｌｔｓ」と題する出願中の米国特許出願０８／
７６７，４５７号。 １９９７年３月２０日に出願されたＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａ
ｌ Ｓｙｓｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎ
ｇ Ａｐｐａｒａｔｕｓ」と題する出願中の米国特許出願第０８／８２１，６９
９号。これは、１９９７年８月５日付の米国特許第５，６５４，５３５号の分割
である。 １９９８年６月２日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙｓ
ｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐｐ
ａｒａｔｕｓ」と題する米国特許第５，７６０，３８７号。これは、１９９７年
８月５日付の米国特許第５，６５４，５３５号の分割である。 １９９７年３月２０日に出願されたＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａ
ｌ Ｓｙｓｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎ
ｇ Ａｐｐａｒａｔｕｓ」と題し、発行費用が支払われた米国特許出願第０８／
８２３，７９３号。これは、１９９７年８月５日付の米国特許第５，６５４，５
３５号の分割である。 １９９８年６月９日付のＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａｌ Ｓｙｓ
ｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎｇ Ａｐｐ
ａｒａｔｕｓ」と題する米国特許第５，７６３，８７１号。これは、１９９７年
８月５日付の米国特許第５，６５４，５３５号の分割である。 １９９７年３月２０日に出願されたＯｒｔｙｎ氏等の「Ｃｙｔｏｌｏｇｉｃａ
ｌ Ｓｙｓｔｅｍ Ａｕｔｏｆｏｃｕｓ Ｉｎｔｅｇｒｉｔｙ Ｃｈｅｃｋｉｎ
ｇ Ａｐｐａｒａｔｕｓ」と題する出願中の米国特許出願第０８／８２１，６９
４号。これは、１９９７年８月５日付の米国特許第５，６５４，５３５号の分割
である。 １９９７年３月１３日に出願されたＲｉｌｅｙ氏等の「Ａｓｔｉｇｍａｔｉｓ
ｍ Ｍｅａｓｕｒｅｍｅｎｔ Ａｐｐａｒａｔｕｓ ａｎｄ Ｍｅｔｈｏｄ Ｂ
ａｓｅｄ ｏｎ ａ Ｆｏｃａｌ Ｐｌａｎｅ Ｓｅｐａｒａｔｉｏｎ Ｍｅａ
ｓｕｒｅｍｅｎｔ」と題する許された米国特許出願第０８／８１６，８３７号。
これは、１９９７年６月２４日付の「Ａｐｐａｒａｔｕｓ ａｎｄ Ｍｅｔｈｏ
ｄ ｆｏｒ Ｍｅａｓｕｒｉｎｇ Ｆｏｃａｌ Ｐｌａｎｅ Ｓｅｐａｒａｔｉ
ｏｎ」と題する米国特許第５，６４２，４４１号の分割である。 １９９７年７月３日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ｍａｓｋｌｅｓｓ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ ａ
ｎｄ Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ Ｉｎｓｐｅｃｔｉｏｎ
」と題する出願中の米国特許出願第０８／８８８，１１５号。 １９９７年７月３日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ａ Ｒｅｄｕｃｅｄ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅ
ｔ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ
Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ」と題する出願中の米国特許出願第０８／８
８８，１２０号。 １９９７年７月３日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ｉｎｃｒｅｍｅｎｔａｌ Ｃｏｎｃｕｒｒｅｎｔ Ｌ
ｅａｒｎｉｎｇ ｉｎ Ａｕｔｏｍａｔｉｃ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｗ
ａｆｅｒ ａｎｄ Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ Ｄｅｆｅ
ｃｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ」と題する出願中の米国特許出願第０８／
８８８，１１９号。 １９９７年７月３日に出願されたＬｅｅ氏等の「Ｍｅｔｈｏｄ ａｎｄ Ａｐ
ｐａｒａｔｕｓ ｆｏｒ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｗａｆｅｒ ａｎｄ
ＬＣＤ Ｉｎｓｐｅｃｔｉｏｎ Ｕｓｉｎｇ Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａ
ｌ Ｉｍａｇｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ Ｓｙｎｔｈｅｓｉｓ」
と題する出願中の米国特許出願第０８／８８８，１１６号。
【００４５】 上記の参照特許出願及び特許は、全て、その全体を参考としてここに援用する
ものである。 本発明は、特許法に適合すると共に、新規な原理を適用しそして必要とされる
特殊な要素を構成して使用するのに必要な情報を当業者に与えるために、以上に
詳細に説明した。しかしながら、本発明は、特定の異なる装置によって実施する
こともできるし、本発明の範囲から逸脱せずに、装置の細部及び操作の手順に関
して種々の変更がなされ得ることを理解されたい。
ものである。 本発明は、特許法に適合すると共に、新規な原理を適用しそして必要とされる
特殊な要素を構成して使用するのに必要な情報を当業者に与えるために、以上に
詳細に説明した。しかしながら、本発明は、特定の異なる装置によって実施する
こともできるし、本発明の範囲から逸脱せずに、装置の細部及び操作の手順に関
して種々の変更がなされ得ることを理解されたい。
【図１】 本発明のマスクレス検査システムを示す図である。
【図２Ａ】 マスクレス検査システムの処理フローチャートである。
【図２Ｂ】 ウェハ検査走査経路の一例を示す図である。
【図３】 マスクレスプリミティブ特徴付け及び欠陥検出段階の処理フローチャートであ
る。
る。
【図４Ａ】 本発明のマスクレスプリミティブ特徴付けモジュールの動作を示す図である。
【図４Ｂ】 接続距離変換の一例を示す図である。
【図５】 合成されたプリミティブプロファイル及び合成された潜在的欠陥オブジェクト
を発生するための本発明の方法を示す図である。
を発生するための本発明の方法を示す図である。
【図６】 欠陥の相関を行いそして欠陥の信頼性を更新するための本発明の方法を示す図
である。
である。
【図７】 本発明の多段分類方法を示す図である。
【図８】 本発明の欠陥クラスター化及びパターン欠陥除去方法の処理フローチャートを
示す図である。
示す図である。
【図９】 最終検査システム構成を形成するための自動的学習段階を示す処理フローチャ
ートである。
ートである。
【図１０】 本発明の真理値入力及び性能統計学的情報収集モジュールの動作を示す処理フ
ローチャートである。
ローチャートである。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｈ０１Ｌ 21/66 Ｈ０１Ｌ 21/66 Ｚ Ｇ０６Ｆ 15/62 ４０５Ａ (72)発明者 ネルソン アレン シー アメリカ合衆国 ワシントン州 98072 ウッディンヴィル ノースイースト ワン ハンドレッドアンドフォーティナインス ストリート 19235 Ｆターム(参考） 2F065 AA03 AA20 AA21 AA49 CC19 CC25 FF04 FF15 FF41 FF67 GG21 MM02 QQ00 QQ21 QQ25 QQ26 QQ27 QQ28 QQ33 QQ41 QQ42 QQ43 RR01 RR05 RR06 SS03 SS11 TT01 TT02 2G051 AA51 AB02 EA08 EA11 EA12 EB01 EB02 EC02 EC03 EC06 2G086 EE10 4M106 AA01 BA02 BA04 BA07 BA08 CA38 DB01 DB07 DB11 DB19 DJ11 DJ20 5B057 AA03 BA02 CE06 DA03 DC34 DC40
Claims (74)
- 【請求項１】 半導体表面を検査する方法であって、半導体表面ウェハは、
第１表面成分及び第２表面成分を有し、上記方法は、 （ａ）第１表面成分及び第２表面成分の像（１０２）を得、 （ｂ）第１表面成分の欠陥検出に対して第１のマルチモジュールマスクレスプ
リミティブ特徴付け（１１０）を実行し、 （ｃ）第２表面成分の欠陥検出に対して第２のマルチモジュールマスクレスプ
リミティブ特徴付け（１１２）を実行し、そして （ｄ）第１のマルチモジュールマスクレスプリミティブ特徴付けと第２のマル
チモジュールマスクレスプリミティブ特徴付けとの間の相関（１２０）を実行す
る、という段階を備えたことを特徴とする方法。 - 【請求項２】 多数の表面成分の相関（１３０）を実行する段階を更に含む
請求項１に記載の方法。 - 【請求項３】 欠陥クラスター化（１４０）を行う段階を更に含む請求項２
に記載の方法。 - 【請求項４】 パターン欠陥除去（１４０）の段階を更に含む請求項３に記
載の方法。 - 【請求項５】 自動的学習段階（１００）を行う段階を更に含む請求項１に
記載の方法。 - 【請求項６】 重大欠陥検出（１３０）を行う段階を更に含む請求項１に記
載の方法。 - 【請求項７】 半導体表面検査方法であって、 （ａ）半導体表面（図２Ｂ）を逐次に走査して像を得、 （ｂ）複数の逐次像の形態学的特徴付け（２１０）を行って、潜在的欠陥オブ
ジェクト出力（２１２）を発生し、 （ｃ）複数の逐次像の逐次ラベリング特徴付け（２２０）を行って、プリミテ
ィブプロファイル出力（２２２）を発生し、 （ｄ）複数の逐次像の接続性分析（２３０）を行って、接続された成分の分布
及び潜在的欠陥出力（２３２）を与え、そして （ｅ）潜在的欠陥オブジェクト出力と、プリミティブプロファイル出力（２２
２）と、接続成分分布及び潜在的欠陥出力とを統合（２４０）して、合成された
潜在的欠陥オブジェクト出力（２５０）と、合成されたプリミティブプロファイ
ル出力（２６０）とを与える、 という段階を含むことを特徴とする方法。 - 【請求項８】 半導体表面検査方法であって、 （ａ）半導体表面を逐次に走査して像（図２Ｂ）を得、 （ｂ）像に対して複数のプリミティブ特徴付け（２１０，２２０，２３０）を
行って、複数のプリミティブプロファイル（２２２）及び少なくとも１つの潜在
的欠陥オブジェクト（２１２）を与え、そして （ｃ）少なくとも１つの潜在的欠陥オブジェクト（２１２）及び複数のプリミ
ティブプロファイル（２２２）を統合して（２４０）、少なくとも１つの合成さ
れた欠陥オブジェクト（２５０）と、少なくとも１つの合成されたプリミティブ
プロファイル出力（２６０）とを与える、 という段階を含むことを特徴とする方法。 - 【請求項９】 複数のプリミティブ特徴付けを行う上記段階は、複数の逐次
像の形態学的特徴付け（２１０）を行うことを含む請求項８に記載の方法。 - 【請求項１０】 複数のプリミティブ特徴付けを行う上記段階は、複数の逐
次像の逐次ラベリング特徴付け（２２０）を行うことを含む請求項８に記載の方
法。 - 【請求項１１】 複数のプリミティブ特徴付けを行う上記段階は、複数の逐
次像の接続性分析（２３０）を含む請求項８に記載の方法。 - 【請求項１２】 複数の逐次像の形態学的特徴付け（２１０）を行う上記の
段階は、形態学的オープニングオペレーション（図４Ａ）を行うことを更に含む
請求項９に記載の方法。 - 【請求項１３】 逐次ラベリング特徴付け（２２０）を行う上記段階は、複
数の逐次像（図４Ａ）の各像において各パターン成分間の中間軸を決定すること
を更に含む請求項１０に記載の方法。 - 【請求項１４】 中間軸（図４Ａ）のヒストグラムプロファイルを構成する
ことを更に含む請求項１０に記載の方法。 - 【請求項１５】 上記接続性分析（２３０）は、基準オブジェクトとは異な
るサイズ及び形状をもつオブジェクトを決定する（３５４）ことを含む請求項１
１に記載の方法。 - 【請求項１６】 上記半導体表面（３０）は、ウェハである請求項１に記載
の方法。 - 【請求項１７】 上記半導体表面（３０）は、液晶ディスプレイパネルであ
る請求項１に記載の方法。 - 【請求項１８】 上記第１の表面成分は、半導体ウェハのダイ（１７１，１
７２，１７３）である請求項１に記載の方法。 - 【請求項１９】 上記第１の表面成分は、液晶ディスプレイパネルのアクテ
ィブなマトリクスエレメントである請求項１に記載の方法。 - 【請求項２０】 半導体表面（図２Ｂ）の全面をカバーするように多数の走
査が行なわれる請求項１に記載の方法。 - 【請求項２１】 マルチモジュールマスクレスプリミティブ特徴付けに対し
複数の基準プロファイル（１５０）を与える段階を更に含む請求項１に記載の方
法。 - 【請求項２２】 複数の基準プロファイル（１５０）を連続的に更新する段
階を更に含む請求項２１に記載の方法。 - 【請求項２３】 第１の半導体表面成分からの第１のマルチモジュールマス
クレスプリミティブ特徴付け（１１０）と、第２の半導体表面成分からの第２の
マルチモジュールマスクレスプリミティブ特徴付け（１１２）との間の相関（１
２０）を実行する段階は、更に、 （ａ）第１の半導体表面成分（４００）に対して第１組のプリミティブプロフ
ァイル（４０４）を与え、 （ｂ）第２の半導体表面成分（４１０）に対して第２組のプリミティブプロフ
ァイル（４１４）を与え、 （ｃ）第１の半導体表面成分の像から第１組の潜在的欠陥オブジェクト（４０
２）を計算し、 （ｄ）第２の半導体表面成分の像から第２組の潜在的欠陥オブジェクト（４１
６）を計算し、 （ｅ）第１組のプリミティブプロファイル、及び第２組のプリミティブプロフ
ァイルを相関させて、プリミティブ相関（４３０）を与え、そして （ｆ）第１組の潜在的欠陥オブジェクト（４０２）、第２組の潜在的欠陥オブ
ジェクト（４１６）、及びプリミティブ相関（４３０）を相関させる（４４０）
、 という段階を更に含む請求項１に記載の方法。 - 【請求項２４】 （ａ）第１表面成分の像（４０６）を、第２半導体表面成
分の像（４１２）と整列させ、 （ｂ）第１表面成分の像（４０６）及び第２半導体表面成分の像（４１２）か
ら差の像（４２０）を計算し、そして （ｃ）第１組のプリミティブプロファイル（４０４）、第２組のプリミティブ
プロファイル（４１４）及び差の像（４２０）を相関させて、プリミティブ相関
（４３０）を与えるという段階を更に含む請求項２３に記載の方法。 - 【請求項２５】 多数の表面成分の相関（１３０）を行う上記段階は、更に
、 （ａ）半導体表面成分に対してプリミティブプロファイル（５１２）を与え、 （ｂ）半導体表面（５００）に対して基準プリミティブプロファイル（５１０
）を与え、 （ｃ）１組の潜在的欠陥オブジェクト（５１４）に半導体表面成分の像から信
頼値を与え、 （ｄ）プリミティブプロファイル及び基準プリミティブプロファイルを相関さ
せて、プリミティブ相関（５１６）を与え、そして （ｅ）潜在的欠陥オブジェクト（５１８）及びプリミティブ相関（５１６）を
相関させて欠陥信頼値（５２０）を更新する、 という段階を含む請求項２に記載の方法。 - 【請求項２６】 合成されたプリミティブプロファイル（４５０）を与える
という段階を更に含む請求項２３に記載の方法。 - 【請求項２７】 合成された潜在的欠陥オブジェクト（４６０）を与える段
階を更に含む請求項２３に記載の方法。 - 【請求項２８】 半導体検査システムに対して欠陥分類及び軽微欠陥除去を
使用して製造欠陥を決定する方法において、 （ａ）複数の潜在的な重大欠陥（６３４）を与え、 （ｂ）潜在的な重大欠陥の表面成分に対して各重大欠陥の相対的な位置（６４
０）を決定し、そして （ｃ）同様の相対的位置にある欠陥をクラスター化（６５０）して、欠陥クラ
スター出力（６５２）を与える、 という段階を含むことを特徴とする方法。 - 【請求項２９】 パターン欠陥（６６４）により形成された欠陥クラスター
（６６０）を欠陥クラスター出力から除去する段階を更に含む請求項２８に記載
の方法。 - 【請求項３０】 除去されない欠陥クラスター（６６０）から製造欠陥出力
（６６２）を与える段階を更に含む請求項２９に記載の方法。 - 【請求項３１】 半導体表面検査システムのトレーニング方法において、 （ａ）サンプル表面入力（７００）を与え、 （ｂ）サンプル表面入力（７００）からサンプル表面の検査（７１０）を複数
の欠陥検出モジュールに対して実行し、 （ｃ）サンプル表面に対する検査結果を与え、 （ｄ）検査結果に対する真理値入力（７２０）を与え、 （ｅ）サンプル表面入力からの各サンプル表面に対して上記段階ｂ）−ｄ）を
繰り返し、 （ｆ）複数の欠陥検出モジュール各々の有効性を有効性測定出力で評価（７３
０）し、そして （ｇ）有効性測定値がスレッシュホールドを越える欠陥検出モジュールで半導
体表面検査システムを構成する（７５０）、 という段階を含むことを特徴とする方法。 - 【請求項３２】 予想されるデータ変化（７４０）を検査システムに与える
段階を更に含む請求項３１に記載の方法。 - 【請求項３３】 単一ウェハからの第１の半導体表面成分及び第２の半導体
表面成分からの像情報を相関させる方法において、 （ａ）第１の半導体表面成分（４００）に対して第１組のプリミティブプロフ
ァイル（４０４）を与え、 （ｂ）第２の半導体表面成分（４１０）に対して第２組のプリミティブプロフ
ァイル（４１４）を与え、 （ｃ）第１の半導体表面成分（４００）の像を整列させ（４０６）、 （ｄ）第２の半導体表面成分（４１０）の像を整列させ（４１２）、 （ｅ）第１の半導体表面成分（４００）の像から第１組の潜在的な欠陥オブジ
ェクト（４０２）を計算し、 （ｆ）第２の半導体表面成分（４１０）の像から第２組の潜在的な欠陥オブジ
ェクト（４１６）を計算し、 （ｇ）第１の半導体表面成分（４０６）の像、及び第２の半導体表面成分（４
１２）の像から差の像（４２０）を計算し、 （ｈ）第１組のプリミティブプロファイル（４０４）、第２組のプリミティブ
プロファイル（４１４）及び差の像（４２０）を相関させて、プリミティブ相関
（４３０）を与え、 （ｉ）第１組の潜在的な欠陥オブジェクト（４０２）、第２組の潜在的な欠陥
オブジェクト（４１６）及びプリミティブ相関（４３０）を相関させる（４４０
）、 という段階を含むことを特徴とする方法。 - 【請求項３４】 合成されたプリミティブプロファイル（４５０）を与える
段階を更に含む請求項３３に記載の方法。 - 【請求項３５】 合成された潜在的欠陥オブジェクト（４６０）を与える段
階を更に含む請求項３３に記載の方法。 - 【請求項３６】 単一半導体表面からの基準半導体表面成分及び半導体表面
成分対からの像情報を相関させる方法において、 （ａ）基準半導体表面成分（５００）に対して基準プリミティブプロファイル
（５１０）を与え、 （ｂ）半導体表面成分対（５０２）に対して１組のプリミティブプロファイル
（５１２）を与え、 （ｃ）半導体表面成分対（５０２）の像情報から潜在的欠陥プロファイル（５
１４）を計算し、 （ｄ）基準プリミティブプロファイル（５１０）と、半導体表面成分対に対す
る１組のプリミティブプロファイル（５１２）とを相関させて、プリミティブ相
関（５１６）を与え、 （ｅ）潜在的欠陥プロファイル（５１４）及びプリミティブ相関（５１６）を
相関させて、欠陥相関（５１８）を与え、そして （ｆ）欠陥相関（５１８）に基づいて、潜在的欠陥プロファイルに対する欠陥
信頼値を更新する（５２０）、 という段階を含むことを特徴とする方法。 - 【請求項３７】 （ａ）半導体表面の像から潜在的欠陥（７６０）を計算し
、 （ｂ）潜在的欠陥に対する関連信頼値（７６０）を計算し、 （ｃ）真理値の問合せを行って、真理値結果（７８０）を発生し、そして （ｄ）真理値結果（７８０）を潜在的欠陥及びその関連信頼値（７６０）に関
係付ける統計学的情報（７９０）を収集する、 という段階を更に含む請求項１に記載の半導体表面の検査方法。 - 【請求項３８】 半導体表面を検査する装置であって、半導体表面ウェハは
、第１表面成分及び第２表面成分を有し、上記装置は、 （ａ）第１表面成分及び第２表面成分（３０）の像を得る手段（１０，２０）
と、 （ｂ）第１表面成分の欠陥検出に対して第１のマルチモジュールマスクレスプ
リミティブ特徴付け（１１０）を実行する手段（７０）であって、第１表面成分
の像を受け取るように接続された手段と、 （ｃ）第２表面成分の欠陥検出に対して第２のマルチモジュールマスクレスプ
リミティブ特徴付け（１１２）を実行する手段（７０）であって、第２表面成分
の像を受け取るように接続された手段と、 （ｄ）第１のマルチモジュールマスクレスプリミティブ特徴付けと第２のマル
チモジュールマスクレスプリミティブ特徴付けとを受け取るように接続された相
関（１２０）を実行する手段（７０）と、 を備えたことを特徴とする装置。 - 【請求項３９】 多数の表面成分の相関（１３０）を実行する手段（７０）
を更に備えた請求項３８に記載の装置。 - 【請求項４０】 欠陥クラスター化手段（１４０）を更に備えた請求項３９
に記載の装置。 - 【請求項４１】 パターン欠陥除去手段（１４０）を更に備えた請求項４０
に記載の装置。 - 【請求項４２】 自動的な学習手段（１００）を更に備えた請求項３８に記
載の装置。 - 【請求項４３】 重大欠陥検出手段（１３０）を更に備えた請求項３８に記
載の装置。 - 【請求項４４】 半導体表面検査装置において、 （ａ）半導体表面（図２Ｂ）を逐次に走査して像を得る手段（１０，２０，４
０）と、 （ｂ）像を受け取るように接続され、複数の逐次像の形態学的特徴付けを行っ
て、潜在的欠陥オブジェクトの出力を発生する手段（７０）と、 （ｃ）像を受け取るように接続され、複数の逐次像の逐次ラベリンク特徴付け
（２２０）を行って、プリミティブプロファイル出力（２２２）を発生する手段
（７０）と、 （ｄ）像を受け取るように接続され、複数の逐次像の接続性分析を行って、接
続された成分の分布及び潜在的欠陥出力（２３２）を与る手段（７０）と、 （ｅ）像を受け取るように接続され、潜在的欠陥オブジェクト出力と、プリミ
ティブプロファイル出力（２２２）と、接続成分分布及び潜在的欠陥出力（２３
２）とを統合して、合成された潜在的欠陥オブジェクト出力（２５０）と、合成
されたプリミティブプロファイル出力（２６０）とを与える手段（７０）と、 を備えたことを特徴とする装置。 - 【請求項４５】 半導体表面検査装置において、 （ａ）半導体表面を逐次に走査して像（図２Ｂ）を得る手段（１０，２０，４
０）と、 （ｂ）像を受け取るように接続され、像に対して複数のプリミティブ特徴付け
（２１０，２２０，２３０）を行って、複数のプリミティブプロファイル（２２
２）及び少なくとも１つの潜在的欠陥オブジェクト（２１２）を与える手段（７
０）と、 （ｃ）少なくとも１つの潜在的欠陥オブジェクト（２１２）及び複数のプリミ
ティブプロファイル（２２２）を受け取るように接続されてそれらを統合し、少
なくとも１つの合成された欠陥オブジェクト（２５０）と、少なくとも１つの合
成されたプリミティブプロファイル出力（２６０）とを与える手段（７０）と、 を備えたことを特徴とする装置。 - 【請求項４６】 複数のプリミティブ特徴付けを行う上記手段（７０）は、
複数の逐次像の形態学的特徴付け（２１０）を行う手段を含む請求項４５に記載
の装置。 - 【請求項４７】 複数のプリミティブ特徴付けを行う上記手段（７０）は、
複数の逐次像の逐次ラベリング特徴付け（２２０）を行う手段を含む請求項４５
に記載の装置。 - 【請求項４８】 複数のプリミティブ特徴付けを行う上記手段（７０）は、
複数の逐次像の接続性分析（２３０）を行う手段を更に含む請求項４５に記載の
装置。 - 【請求項４９】 複数の逐次像の形態学的特徴付け（２１０）を実行する上
記手段（７０）は、形態学的オープニングオペレーション（図４Ａ）を行う手段
を更に含む請求項４６に記載の装置。 - 【請求項５０】 逐次ラベリング特徴付け（２２０）を行う上記手段（７０
）は、複数の逐次像の各像において各パターン成分間の中間軸を決定する手段を
更に含む請求項４７に記載の装置。 - 【請求項５１】 逐次ラベリング特徴付けを実行する上記手段（７０）は、
中間軸（図４Ａ）のヒストグラムプロファイルを構成する手段を更に含む請求項
４９に記載の装置。 - 【請求項５２】 接続性分析（２３０）を行う上記手段（７０）は、基準オ
ブジェクト（３５４）とは異なるサイズ及び形状をもつオブジェクトを決定する
手段を更に含む請求項４８に記載の装置。 - 【請求項５３】 上記半導体表面（３０）は、ウェハである請求項３８に記
載の装置。 - 【請求項５４】 上記半導体表面（３０）は、液晶ディスプレイパネルであ
る請求項３８に記載の装置。 - 【請求項５５】 上記第１の表面成分は、半導体ウェハのダイ（１７１，１
７２，１７３）である請求項３８に記載の装置。 - 【請求項５６】 上記第１の表面成分は、液晶ディスプレイパネルのアクテ
ィブなマトリクスエレメントである請求項３８に記載の装置。 - 【請求項５７】 像を得る手段（７０）は、半導体表面（図２Ｂ）の全面を
カバーするように多数の走査を行なう請求項３８に記載の装置。 - 【請求項５８】 マルチモジュールマスクレスプリミティブ特徴付けに対し
て複数の基準プロファイル（１５０）を与える手段を更に含む請求項３８に記載
の装置。 - 【請求項５９】 複数の基準プロファイル（１５０）を連続的に更新する手
段を更に含む請求項５８に記載の装置。 - 【請求項６０】 第１の半導体表面成分からの第１のマルチモジュールマス
クレスプリミティブ特徴付け（１１０）と、第２の半導体表面成分からの第２の
マルチモジュールマスクレスプリミティブ特徴付け（１１２）との間の相関（１
２０）を実行する手段は、更に、 （ａ）第１の半導体表面成分（４００）に対して第１組のプリミティブプロフ
ァイル（４０４）を与える手段（７０）と、 （ｂ）第２の半導体表面成分（４１０）に対して第２組のプリミティブプロフ
ァイル（４１４）を与える手段（７０）と、 （ｃ）第１の半導体表面成分の像を受け取るように接続され、第１組の潜在的
欠陥オブジェクト（４０２）を計算する第１手段（７０）と、 （ｄ）第２の半導体表面成分の像を受け取るように接続され、第２組の潜在的
欠陥オブジェクト（４１６）を計算する第２手段（７０）と、 （ｅ）第１組のプリミティブプロファイル及び第２組のプリミティブプロファ
イルを受け取るように接続されて、それらを相関させ、プリミティブ相関（４３
０）を与える第１手段（７０）と、 （ｆ）第１組の潜在的欠陥オブジェクト（４０２）、第２組の潜在的欠陥オブ
ジェクト（４１６）、及びプリミティブ相関（４３０）を受け取るように接続さ
れて、それらを相関させる第２手段（４４０）と、 を更に含む請求項３８に記載の装置。 - 【請求項６１】 （ａ）第１表面成分の像（４０６）を、第２表面成分の像
（４１２）と整列させる手段（７０）と、 （ｂ）第１表面成分の像（４０６）及び第２表面成分の像（４１２）から差の
像（４２０）を計算する手段（７０）と、 （ｃ）第１組のプリミティブプロファイル（４０４）、第２組のプリミティブ
プロファイル（４１４）及び差の像（４２０）を受け取るように接続されて、そ
れらを相関させ、プリミティブ相関（４３０）を与える手段（７０）と、 を更に含む請求項３８に記載の装置。 - 【請求項６２】 多数の表面成分の相関（１３０）を行う手段（７０）は、
更に、 （ａ）半導体表面成分に対してプリミティブプロファイル（５１２）を与える
手段（７０）と、 （ｂ）半導体表面（５００）に対して基準プリミティブプロファイル（５１０
）を与える手段（７０）と、 （ｃ）１組の潜在的欠陥オブジェクト（５１４）に半導体表面成分の像から信
頼値を与える手段（７０）と、 （ｄ）プリミティブプロファイル及び基準プリミティブプロファイルを受け取
るように接続されて、それらを相関させ、プリミティブ相関（５１６）を与える
第１手段（７０）と、 （ｅ）潜在的欠陥オブジェクト（５１８）及びプリミティブ相関（５１６）を
受け取るように接続されて、それらを相関させ、欠陥信頼値（５２０）を更新す
る第２手段（７０）と、 を含む請求項３９に記載の装置。 - 【請求項６３】 合成されたプリミティブプロファイル（４５０）を与える
手段（７０）を更に含む請求項６２に記載の装置。 - 【請求項６４】 合成された潜在的欠陥オブジェクト（４６０）を与える手
段（７０）を更に含む請求項６２に記載の装置。 - 【請求項６５】 半導体検査システムに対して欠陥分類及び軽微欠陥除去を
使用して製造欠陥を検出する装置において、 （ａ）表面成分から複数の潜在的な重大欠陥（６３４）を与える手段（７０）
と、 （ｂ）潜在的な重大欠陥を受け取るように接続され、表面成分に対して各潜在
的重大欠陥の相対的な位置（６４０）を決定する手段（７０）と、 （ｃ）各重大欠陥に対する相対的な位置を受け取るように接続され、同様の相
対的位置にある欠陥をクラスター化して、欠陥クラスター出力（６５２）を与え
る手段（６５０）と、 を含むことを特徴とする装置。 - 【請求項６６】 パターン欠陥（６６４）から形成された欠陥クラスター（
６６０）を欠陥クラスター出力から除去する手段（７０）を更に含む請求項６５
に記載の装置。 - 【請求項６７】 除去されない欠陥クラスター（６６０）から製造欠陥出力
（６６２）を与える手段（７０）を更に含む請求項６６に記載の装置。 - 【請求項６８】 半導体表面検査システムのトレーニング装置において、 （ａ）サンプル表面入力（７００）を与える手段（７０）と、 （ｂ）サンプル表面入力（７００）を受け取るように接続されて、サンプル表
面の検査（７１０）を行い、検査結果を与える手段（７０）と、 （ｃ）検査結果に対する真理値入力を与える手段（７０）と、 （ｄ）検査結果及び真理値入力を受け取るように接続されて、複数の欠陥検出
モジュール（７３０）各々の有効性を評価し、有効性測定出力を与える手段（７
０）と、 （ｅ）有効性測定出力を受け取るように接続され、有効性測定値がスレッシュ
ホールドを越える複数の欠陥検出モジュールで半導体表面検査システム（７５０
）を構成する手段（７０）と、 を含むことを特徴とする装置。 - 【請求項６９】 予想されるデータ変化（７４０）を検査システムに与える
手段（７０）を更に含む請求項６８に記載の装置。 - 【請求項７０】 単一半導体表面からの第１半導体表面成分及び第２半導体
表面成分からの像情報を相関させる装置において、 （ａ）第１の半導体表面成分（４００）に対して第１組のプリミティブプロフ
ァイル（４０４）を与える手段（７０）と、 （ｂ）第２の半導体表面成分（４１０）に対して第２組のプリミティブプロフ
ァイル（４１４）を与える手段（７０）と、 （ｃ）像情報を受け取るように接続され、第１半導体表面成分（４００）の像
（４０６）を整列させる手段（７０）と、 （ｄ）像情報を受け取るように接続され、第２半導体表面成分（４１０）の像
（４１２）を整列させる手段（７０）と、 （ｅ）第１の半導体表面成分（４００）からの像情報を受け取るように接続さ
れ、第１組の潜在的な欠陥オブジェクト（４０２）を計算する手段（７０）と、 （ｆ）第２の半導体表面成分（４１０）からの像情報を受け取るように接続さ
れ、第２組の潜在的な欠陥オブジェクト（４１６）を計算する手段（７０）と、 （ｇ）第１半導体表面成分（４０６）からの像情報、及び第２半導体表面成分
（４１２）からの像情報を受け取るように接続されて、それらの差の像（４２０
）を計算する手段（７０）と、 （ｈ）第１組のプリミティブプロファイル（４０４）、第２組のプリミティブ
プロファイル（４１４）及び差の像（４２０）を受け取るように接続されて、そ
れらを相関させ、プリミティブ相関（４３０）を与える第１手段（７０）と、 （ｉ）第１組の潜在的な欠陥オブジェクト（４０２）、第２組の潜在的な欠陥
オブジェクト（４１６）及びプリミティブ相関（４３０）を受け取るように接続
されて、それらを相関させる第２手段（４４０）と、 を含むことを特徴とする装置。 - 【請求項７１】 合成されたプリミティブプロファイル（４５０）を与える
手段（７０）を更に含む請求項７０に記載の装置。 - 【請求項７２】 合成された潜在的欠陥オブジェクト（４６０）を与える手
段（７０）を更に含む請求項７０に記載の装置。 - 【請求項７３】 単一半導体表面からの基準半導体表面成分及び半導体表面
成分対からの像情報を相関させる装置において、 （ａ）基準半導体表面成分（５００）に対して基準プリミティブプロファイル
（５１０）を与える手段（７０）と、 （ｂ）半導体表面成分対（５０２）に対して１組のプリミティブプロファイル
（５１２）を与える手段（７０）と、 （ｃ）像情報（５０２）を受け取るように接続され、潜在的欠陥プロファイル
（５１４）を計算する手段（７０）と、 （ｄ）基準プリミティブプロファイル（５１０）と、半導体表面成分対に対す
る１組のプリミティブプロファイル（５１２）とを受け取るように接続されて、
それらを相関させ、プリミティブ相関（５１６）を与える手段（７０）と、 （ｅ）潜在的欠陥プロファイル（５１４）及びプリミティブ相関（５１６）を
受け取るように接続されて、それらを相関させ、欠陥相関（５１８）を与える手
段（７０）と、 （ｆ）欠陥相関（５１８）を受け取るように接続されて、潜在的欠陥プロファ
イルに対する欠陥信頼値（５２０）を更新する手段（７０）と、 を含むことを特徴とする装置。 - 【請求項７４】 （ａ）半導体表面の像から潜在的欠陥（７６０）を計算す
る手段（７０）と、 （ｂ）潜在的欠陥（７６０）を受け取るように接続されて、関連信頼値を計算
する手段（７０）と、 （ｃ）真理値の問合せを行って、真理値結果の出力（７８０）を発生する手段
（７０）と、 （ｄ）真理値結果（７８０）、潜在的欠陥及びその関連信頼値（７６０）を受
け取るように接続されて、統計学的情報（７９０）を収集する手段と、 を更に含む請求項３８に記載の半導体表面の検査装置。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US08/888,115 US6122397A (en) | 1997-07-03 | 1997-07-03 | Method and apparatus for maskless semiconductor and liquid crystal display inspection |
| US08/888,115 | 1997-07-03 | ||
| PCT/US1998/013700 WO1999001840A1 (en) | 1997-07-03 | 1998-07-01 | Method and apparatus for maskless semiconductor and liquid crystal display inspection |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001509618A true JP2001509618A (ja) | 2001-07-24 |
Family
ID=25392551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000501474A Pending JP2001509618A (ja) | 1997-07-03 | 1998-07-01 | マスクレスの半導体及び液晶ディスプレイ検査方法及び装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US6122397A (ja) |
| JP (1) | JP2001509618A (ja) |
| AU (1) | AU8474598A (ja) |
| WO (1) | WO1999001840A1 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5337288B1 (ja) * | 2012-09-25 | 2013-11-06 | 有限会社品川通信計装サービス | 食品についての放射能測定時放射能測定器測定精度確保確認取得方法および食品についての放射能測定時放射能測定器測定精度確保確認取得装置 |
| JP2013546084A (ja) * | 2010-12-03 | 2013-12-26 | オプトス、ピーエルシー | 画像中の異常を識別する方法 |
| KR101561778B1 (ko) | 2014-05-14 | 2015-10-19 | 세메스 주식회사 | 획득한 영상의 배경 성분을 추정하는 방법 및 이를 이용하여 웨이퍼의 결함을 검출하는 방법 |
| JP2019110532A (ja) * | 2017-12-15 | 2019-07-04 | 三星ディスプレイ株式會社Ｓａｍｓｕｎｇ Ｄｉｓｐｌａｙ Ｃｏ．，Ｌｔｄ． | 表示装置の欠陥検出システム及び方法 |
| JP2020528996A (ja) * | 2018-07-02 | 2020-10-01 | 北京百度網訊科技有限公司 | ディスプレイスクリーン品質検査方法、装置、電子機器及び記憶媒体 |
Families Citing this family (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6487307B1 (en) * | 1994-11-30 | 2002-11-26 | Isoa, Inc. | System and method of optically inspecting structures on an object |
| KR100315912B1 (ko) * | 1998-04-27 | 2002-02-19 | 윤종용 | 파일서버를이용한자동화시스템과그제어방법 |
| US6324298B1 (en) | 1998-07-15 | 2001-11-27 | August Technology Corp. | Automated wafer defect inspection system and a process of performing such inspection |
| US6336086B1 (en) * | 1998-08-13 | 2002-01-01 | Agere Systems Guardian Corp. | Method and system for analyzing wafer processing order |
| US6539106B1 (en) * | 1999-01-08 | 2003-03-25 | Applied Materials, Inc. | Feature-based defect detection |
| JP3488127B2 (ja) * | 1999-03-31 | 2004-01-19 | エヌイーシーマシナリー株式会社 | 微小ワーク片の認識方法及びそれを用いたピックアップ装置 |
| US6577757B1 (en) * | 1999-07-28 | 2003-06-10 | Intelligent Reasoning Systems, Inc. | System and method for dynamic image recognition |
| US6477685B1 (en) * | 1999-09-22 | 2002-11-05 | Texas Instruments Incorporated | Method and apparatus for yield and failure analysis in the manufacturing of semiconductors |
| US6744913B1 (en) * | 2000-04-18 | 2004-06-01 | Semiconductor Technology & Instruments, Inc. | System and method for locating image features |
| JP2001343336A (ja) * | 2000-05-31 | 2001-12-14 | Nidek Co Ltd | 欠陥検査方法及び欠陥検査装置 |
| US6463175B1 (en) | 2000-12-15 | 2002-10-08 | Shih-Jong J. Lee | Structure-guided image processing and image feature enhancement |
| US6507675B1 (en) | 2001-03-23 | 2003-01-14 | Shih-Jong J. Lee | Structure-guided automatic learning for image feature enhancement |
| JP2006505764A (ja) * | 2002-01-23 | 2006-02-16 | マレナ システムズ コーポレーション | 欠陥検出及び解析用赤外線サーモグラフィ |
| JP4068596B2 (ja) * | 2003-06-27 | 2008-03-26 | 株式会社東芝 | 図形処理方法、図形処理装置およびコンピュータ読取り可能な図形処理プログラム |
| US7764824B2 (en) * | 2003-07-18 | 2010-07-27 | Applied Materials Israel, Ltd. | Method for defect detection and process monitoring based on SEM images |
| US7355690B2 (en) * | 2003-07-21 | 2008-04-08 | Applied Materials, Israel, Ltd. | Double inspection of reticle or wafer |
| US7153616B2 (en) * | 2004-03-31 | 2006-12-26 | Asml Holding N.V. | System and method for verifying and controlling the performance of a maskless lithography tool |
| WO2006019446A2 (en) * | 2004-07-19 | 2006-02-23 | Applied Materials Israel, Ltd. | Double inspection of reticle or wafer |
| US7102733B2 (en) * | 2004-08-13 | 2006-09-05 | Asml Holding N.V. | System and method to compensate for static and dynamic misalignments and deformations in a maskless lithography tool |
| GB2417073A (en) * | 2004-08-13 | 2006-02-15 | Mv Res Ltd | A machine vision analysis system and method |
| JP2006058083A (ja) * | 2004-08-18 | 2006-03-02 | Pioneer Electronic Corp | 表示パネル検査装置及び検査方法 |
| JP2006098151A (ja) * | 2004-09-29 | 2006-04-13 | Dainippon Screen Mfg Co Ltd | パターン検査装置およびパターン検査方法 |
| US7729529B2 (en) * | 2004-12-07 | 2010-06-01 | Kla-Tencor Technologies Corp. | Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle |
| JP4866141B2 (ja) * | 2006-05-11 | 2012-02-01 | 株式会社日立ハイテクノロジーズ | Ｓｅｍ式レビュー装置を用いた欠陥レビュー方法及びｓｅｍ式欠陥レビュー装置 |
| KR100755372B1 (ko) * | 2006-08-25 | 2007-09-04 | 삼성전자주식회사 | 웨이퍼 검사방법 |
| US8725667B2 (en) * | 2008-03-08 | 2014-05-13 | Tokyo Electron Limited | Method and system for detection of tool performance degradation and mismatch |
| US8078552B2 (en) * | 2008-03-08 | 2011-12-13 | Tokyo Electron Limited | Autonomous adaptive system and method for improving semiconductor manufacturing quality |
| US8396582B2 (en) * | 2008-03-08 | 2013-03-12 | Tokyo Electron Limited | Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool |
| US8190543B2 (en) * | 2008-03-08 | 2012-05-29 | Tokyo Electron Limited | Autonomous biologically based learning tool |
| DE102010043477A1 (de) | 2010-11-05 | 2012-05-10 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Röntgenprüfsystem zur Prüfung von baugleichen Bauteilen mittels Röntgenstrahlung |
| US8750596B2 (en) | 2011-08-19 | 2014-06-10 | Cognex Corporation | System and method for identifying defects in a material |
| CN104484878B (zh) * | 2014-12-16 | 2017-10-17 | 深圳市华星光电技术有限公司 | 显示面板缺陷的自动检测方法 |
| TWI627588B (zh) * | 2015-04-23 | 2018-06-21 | 日商思可林集團股份有限公司 | 檢查裝置及基板處理裝置 |
| US10902576B2 (en) * | 2016-08-12 | 2021-01-26 | Texas Instruments Incorporated | System and method for electronic die inking after automatic visual defect inspection |
| US11237119B2 (en) * | 2017-01-10 | 2022-02-01 | Kla-Tencor Corporation | Diagnostic methods for the classifiers and the defects captured by optical tools |
| US10504805B2 (en) * | 2017-08-24 | 2019-12-10 | Applied Materials Israel Ltd. | Method of examining defects in a semiconductor specimen and system thereof |
| US10964014B2 (en) * | 2017-10-30 | 2021-03-30 | Taiwan Semiconductor Manufacturing Company, Ltd. | Defect detecting method and defect detecting system |
| BE1026077B1 (fr) * | 2018-03-06 | 2019-10-11 | Safran Aero Boosters S.A. | Methode d'assistance d'un controle qualite de pieces fabriquees |
| US10679333B2 (en) * | 2018-03-14 | 2020-06-09 | Kla-Tencor Corporation | Defect detection, classification, and process window control using scanning electron microscope metrology |
| US11301748B2 (en) * | 2018-11-13 | 2022-04-12 | International Business Machines Corporation | Automatic feature extraction from aerial images for test pattern sampling and pattern coverage inspection for lithography |
| US11538148B2 (en) * | 2020-05-22 | 2022-12-27 | Future Dial, Inc. | Defect detection of a component in an assembly |
| US11551349B2 (en) | 2020-05-22 | 2023-01-10 | Future Dial, Inc. | Defect detection and image comparison of components in an assembly |
| US11216932B1 (en) * | 2021-03-26 | 2022-01-04 | Minds AI Technologies Ltd | Electronic substrate defect detection |
| CN117457520B (zh) * | 2023-10-25 | 2024-05-31 | 武汉昕微电子科技有限公司 | 一种半导体元器件的缺陷检测方法及系统 |
Family Cites Families (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60204086A (ja) * | 1984-03-28 | 1985-10-15 | Fuji Electric Co Ltd | 物体識別装置 |
| US4876728A (en) * | 1985-06-04 | 1989-10-24 | Adept Technology, Inc. | Vision system for distinguishing touching parts |
| US4805123B1 (en) * | 1986-07-14 | 1998-10-13 | Kla Instr Corp | Automatic photomask and reticle inspection method and apparatus including improved defect detector and alignment sub-systems |
| US5012524A (en) * | 1989-02-27 | 1991-04-30 | Motorola, Inc. | Automatic inspection method |
| US5163128A (en) * | 1990-07-27 | 1992-11-10 | Gerber Systems Corporation | Method and apparatus for generating a multiple tolerance, three state data base for use with automatic optical inspection systems |
| IL99823A0 (en) * | 1990-11-16 | 1992-08-18 | Orbot Instr Ltd | Optical inspection method and apparatus |
| US5315700A (en) * | 1992-02-18 | 1994-05-24 | Neopath, Inc. | Method and apparatus for rapidly processing data sequences |
| DE69329554T2 (de) * | 1992-02-18 | 2001-05-31 | Neopath Inc | Verfahren zur identifizierung von objekten unter verwendung von datenverarbeitungstechniken |
| US5361140A (en) * | 1992-02-18 | 1994-11-01 | Neopath, Inc. | Method and apparatus for dynamic correction of microscopic image signals |
| US5506793A (en) * | 1994-01-14 | 1996-04-09 | Gerber Systems Corporation | Method and apparatus for distortion compensation in an automatic optical inspection system |
| US5515453A (en) * | 1994-01-21 | 1996-05-07 | Beacon System, Inc. | Apparatus and method for image processing in symbolic space |
| US5640464A (en) * | 1994-05-31 | 1997-06-17 | Johnson & Johnson Vision Products, Inc. | Method and system for inspecting packages |
| US5499097A (en) * | 1994-09-19 | 1996-03-12 | Neopath, Inc. | Method and apparatus for checking automated optical system performance repeatability |
| US5647025A (en) * | 1994-09-20 | 1997-07-08 | Neopath, Inc. | Automatic focusing of biomedical specimens apparatus |
| US5627908A (en) * | 1994-09-20 | 1997-05-06 | Neopath, Inc. | Method for cytological system dynamic normalization |
| US5581631A (en) * | 1994-09-20 | 1996-12-03 | Neopath, Inc. | Cytological system image collection integrity checking apparatus |
| US5557097A (en) * | 1994-09-20 | 1996-09-17 | Neopath, Inc. | Cytological system autofocus integrity checking apparatus |
| US5638459A (en) * | 1994-09-20 | 1997-06-10 | Neopath, Inc. | Method and apparatus for detecting a microscope slide coverslip |
| US5619428A (en) * | 1995-05-31 | 1997-04-08 | Neopath, Inc. | Method and apparatus for integrating an automated system to a laboratory |
| US5625706A (en) * | 1995-05-31 | 1997-04-29 | Neopath, Inc. | Method and apparatus for continously monitoring and forecasting slide and specimen preparation for a biological specimen population |
| US5642433A (en) * | 1995-07-31 | 1997-06-24 | Neopath, Inc. | Method and apparatus for image contrast quality evaluation |
| US5621519A (en) * | 1995-07-31 | 1997-04-15 | Neopath, Inc. | Imaging system transfer function control method and apparatus |
| US5642441A (en) * | 1995-10-24 | 1997-06-24 | Neopath, Inc. | Separation apparatus and method for measuring focal plane |
-
1997
- 1997-07-03 US US08/888,115 patent/US6122397A/en not_active Expired - Fee Related
-
1998
- 1998-07-01 JP JP2000501474A patent/JP2001509618A/ja active Pending
- 1998-07-01 AU AU84745/98A patent/AU8474598A/en not_active Abandoned
- 1998-07-01 WO PCT/US1998/013700 patent/WO1999001840A1/en active Application Filing
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013546084A (ja) * | 2010-12-03 | 2013-12-26 | オプトス、ピーエルシー | 画像中の異常を識別する方法 |
| JP5337288B1 (ja) * | 2012-09-25 | 2013-11-06 | 有限会社品川通信計装サービス | 食品についての放射能測定時放射能測定器測定精度確保確認取得方法および食品についての放射能測定時放射能測定器測定精度確保確認取得装置 |
| JP2014066535A (ja) * | 2012-09-25 | 2014-04-17 | Sinagawa Tsushin Keisou Service Ltd | 食品についての放射能測定時放射能測定器測定精度確保確認取得方法および食品についての放射能測定時放射能測定器測定精度確保確認取得装置 |
| KR101561778B1 (ko) | 2014-05-14 | 2015-10-19 | 세메스 주식회사 | 획득한 영상의 배경 성분을 추정하는 방법 및 이를 이용하여 웨이퍼의 결함을 검출하는 방법 |
| JP2019110532A (ja) * | 2017-12-15 | 2019-07-04 | 三星ディスプレイ株式會社Ｓａｍｓｕｎｇ Ｄｉｓｐｌａｙ Ｃｏ．，Ｌｔｄ． | 表示装置の欠陥検出システム及び方法 |
| JP7325952B2 (ja) | 2017-12-15 | 2023-08-15 | 三星ディスプレイ株式會社 | 表示装置の欠陥検出システム及び方法 |
| JP2020528996A (ja) * | 2018-07-02 | 2020-10-01 | 北京百度網訊科技有限公司 | ディスプレイスクリーン品質検査方法、装置、電子機器及び記憶媒体 |
| US11488294B2 (en) | 2018-07-02 | 2022-11-01 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for detecting display screen quality, apparatus, electronic device and storage medium |
Also Published As
| Publication number | Publication date |
|---|---|
| US6122397A (en) | 2000-09-19 |
| WO1999001840A1 (en) | 1999-01-14 |
| AU8474598A (en) | 1999-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2001509618A (ja) | マスクレスの半導体及び液晶ディスプレイ検査方法及び装置 | |
| Ren et al. | State of the art in defect detection based on machine vision | |
| CN111292305B (zh) | 一种改进型yolo-v3的金属加工表面缺陷检测方法 | |
| CN109977808B (zh) | 一种晶圆表面缺陷模式检测与分析方法 | |
| US6148099A (en) | Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification | |
| Cord et al. | Automatic road defect detection by textural pattern recognition based on AdaBoost | |
| US20190197679A1 (en) | Automated optical inspection method using deep learning and apparatus, computer program for performing the method, computer-readable storage medium storing the computer program,and deep learning system thereof | |
| US5808735A (en) | Method for characterizing defects on semiconductor wafers | |
| US6456899B1 (en) | Context-based automated defect classification system using multiple morphological masks | |
| US6292582B1 (en) | Method and system for identifying defects in a semiconductor | |
| US6246787B1 (en) | System and method for knowledgebase generation and management | |
| US7848563B2 (en) | Method and apparatus for inspecting a defect of a pattern | |
| CA2200457C (en) | Biological analysis system self-calibration apparatus | |
| US5566249A (en) | Apparatus for detecting bubbles in coverslip adhesive | |
| JP2001326263A (ja) | ウェーハー表面の構造欠陥を査定する方法 | |
| CN114600156A (zh) | 用于滋扰滤波的深度学习网络 | |
| KR100868884B1 (ko) | 유리 기판 유리 불량 정보 시스템 및 분류 방법 | |
| CN112396575A (zh) | 基于影像的分类系统 | |
| CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
| US7463765B2 (en) | System and method for detecting and reporting fabrication defects using a multi-variant image analysis | |
| Kamani et al. | Automatic paint defect detection and classification of car body | |
| CN112396580B (zh) | 一种圆形零件缺陷检测方法 | |
| CN114170168A (zh) | 显示模组缺陷检测方法、系统及计算机可读存储介质 | |
| Cho et al. | A computer vision system for automated grading of rough hardwood lumber using a knowledge-based approach | |
| CN116844143B (zh) | 基于边缘增强的胚胎发育阶段预测与质量评估系统 |