JP2003031631A - パターン側面認識方法および欠陥検出分類方法 - Google Patents

Abstract

(57)【要約】 【課題】 単層あるいは多層構造から成るパターンが形
成されたウェーハのＳＥＭ像から、パターンの側面およ
び各層の像、さらに欠陥を有する層を自動認識する。 【解決手段】ウェーハ３傾斜時のＳＥＭ像（ｄ）に現れ
るべきパターン最上層側面の像の幅２５の大きさは、パ
ターン最上層の実際の厚さとウェーハ３の傾斜角度から
算出可能である。欠陥自動分類システムは、その算出さ
れた値と一致する大きさの幅の像を検出することで、像
２２がパターン最上層側面の像であることを認識する。
さらに、パターン最上層側面の像２２が判明すること
で、その下の像２３がパターン第２層の像であることが
認識される。パターンの各層の像を認識することで、そ
の後に行われる欠陥の検出の際に、検出された欠陥が存
在する層の特定が可能になる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、半導体装置の製造
プロセスにおける自動欠陥観察および自動欠陥分類に関
するものであり、特に、ウェーハ上に形成されたパター
ンの側面のＳＥＭ像からパターンの欠陥を自動に検出お
よび分類するための技術に関するものである。

【０００２】

【従来の技術】半導体装置の製造工程における歩留まり
の向上およびプロセスの改善を図る上で、半導体ウェー
ハに形成される例えば配線等のパターンの形成工程にお
いて欠陥が発生する工程を知ることは重要である。従
来、その欠陥発生の工程を突き止めるために、パターン
欠陥調査を行い、その結果として得られる欠陥の座標デ
ータに基づいて走査型電子顕微鏡（ＳＥＭ）による観察
が行なわれてきた。

【０００３】また、近年では自動欠陥観察（ＡＤＲ：Ａ
ｕｔｏ Ｄｅｆｅｃｔ Ｒｅｖｉｅｗ）および自動欠陥
分類（ＡＤＣ：Ａｕｔｏ Ｄｅｆｅｃｔ Ｃｌａｓｓｉ
ｆｙ）機能を持つＳＥＭのシステム（以下、「自動欠陥
観察分類システム」と称する）を用いて、欠陥の発生工
程を突き止め、歩留まり、プロセス改善が行なわれてい
る。

【０００４】

【発明が解決しようとする課題】ところで、従来のＳＥ
Ｍを用いた自動欠陥観察分類システムにおいては、主に
ウェーハの垂直方向からの観察が行なわれており、特に
ウェーハ上のパターンが複数の層から成る多層構造であ
る場合に、パターンの下層を形成する工程で生じた欠陥
を自動的に検出することは非常に困難である。

【０００５】つまり、ＳＥＭを用いた自動欠陥観察分類
システムで、パターンの下層形成工程において発生した
欠陥を自動に検出するためには、パターンの側面を観察
することが有効である。そのためには、得られたＳＥＭ
像におけるパターンの側面（多層構造のパターンの場合
は、各層のそれぞれの側面）の像を自動に該システムに
認識させる必要がある。

【０００６】本発明は以上のような課題を解決するため
になされたものであり、ＳＥＭを用いた自動欠陥観察分
類システムにおいて、ウェーハ上に形成された単層ある
いは多層構造から成るパターンの各層の側面を自動認識
するためのパターン側面認識方法を提供することを第１
の目的とし、パターンの欠陥を検出および欠陥がパター
ンのいずれの層に存在するかを特定することによる分類
を行う欠陥検出分類方法を提供することを第２の目的と
する。

【０００７】

【課題を解決するための手段】請求項１に記載のパター
ン側面認識方法は、表面に単層あるいは多層構造から成
るパターンを有するウェーハのＳＥＭ像から、前記ＳＥ
Ｍ像における前記単層あるいは多層構造の各層の側面の
像を認識するパターン側面認識方法であって、前記ウェ
ーハを所定の角度で傾斜させた状態におけるＳＥＭ像を
得る工程と、前記所定の角度と、前記単層あるいは多層
構造の所定の層の側面の厚さまたは上面の幅により、前
記ＳＥＭ像に現れるべき前記所定の層の側面または上面
の像の幅を算出する工程と、前記ＳＥＭ像において、前
記算出された幅に相当する幅を有する像を検出すること
で、前記ＳＥＭ像における前記所定の層の側面または上
面の像を検出する工程と、前記検出された所定の層の側
面または上面の像の位置に基づき、前記ＳＥＭ像におけ
る前記単層あるいは多層構造の各層の側面の像を認識す
る工程とを備えることを特徴とする。

【０００８】請求項２に記載のパターン側面認識方法
は、表面に単層あるいは多層構造から成るパターンを有
するウェーハのＳＥＭ像から、前記ＳＥＭ像における前
記単層あるいは多層構造の各層の側面の像を認識するパ
ターン側面認識方法であって、前記ウェーハを所定の角
度で傾斜させた状態におけるＳＥＭ像を得る工程と、前
記所定の角度と、前記単層あるいは多層構造の所定の層
の材質により、前記ＳＥＭ像に現れるべき前記所定の層
の側面または上面の像の明るさを算出する工程と、前記
ＳＥＭ像において、前記算出された明るさに相当する明
るさを有する像を検出することで、前記ＳＥＭ像におけ
る前記所定の層の側面または上面の像を検出する工程
と、前記検出された所定の層の側面または上面の像の位
置に基づき、前記ＳＥＭ像における前記単層あるいは多
層構造の各層の側面の像を認識する工程とを備えること
を特徴とする。

【０００９】請求項３に記載のパターン側面認識方法
は、表面に単層あるいは多層構造から成るパターンを有
するウェーハのＳＥＭ像から、前記ＳＥＭ像における前
記単層あるいは多層構造の各層の側面の像を認識するパ
ターン側面認識方法であって、前記ウェーハを所定の角
度で傾斜させた状態におけるＳＥＭ像を得る工程と、前
記パターンのＣＡＤデータを前記所定の角度に基づいて
変形する工程と、前記ＳＥＭ像と前記変形後のＣＡＤデ
ータとを重ね合わせることで、前記ＳＥＭ像における前
記パターンの上面の像を検出する工程と、前記検出され
たパターンの上面の像の位置に基づき、前記ＳＥＭ像に
おける前記単層あるいは多層構造の各層の側面の像を認
識する工程とを備えることを特徴とする。

【００１０】請求項４に記載のパターン側面認識方法
は、表面に単層あるいは多層構造から成るパターンを有
するウェーハのＳＥＭ像から、前記ＳＥＭ像における前
記単層あるいは多層構造の各層の側面の像を認識するパ
ターン側面認識方法であって、前記ウェーハを所定の角
度で傾斜させた状態における第１のＳＥＭ像を得る工程
と、前記ウェーハを傾斜させない状態における第２のＳ
ＥＭ像を得る工程と、前記第２のＳＥＭ像を前記所定の
角度に基づいて変形する工程と、前記第１のＳＥＭ像と
前記変形した第２のＳＥＭ像とを重ね合わせることで、
前記第１のＳＥＭ像における前記パターンの上面の像を
検出する工程と、前記検出されたパターンの上面の像の
位置に基づき、前記第１のＳＥＭ像における前記単層あ
るいは多層構造の各層の側面の像を認識する工程とを備
えることを特徴とする。

【００１１】請求項５に記載のパターン側面認識方法
は、表面に単層あるいは多層構造から成るパターンを有
するウェーハのＳＥＭ像から、前記ＳＥＭ像における前
記単層あるいは多層構造の各層の側面の像を認識するパ
ターン側面認識方法であって、前記ウェーハを第１の角
度で傾斜させた状態における第１のＳＥＭ像を得る工程
と、前記ウェーハを第２の角度で傾斜させた状態におけ
る第２のＳＥＭ像を得る工程と、前記第１のＳＥＭ像と
前記第２のＳＥＭ像とを比較し、それぞれの像における
明るさの増減によって、前記第１のＳＥＭ像および前記
第２のＳＥＭ像における前記パターンの上面の像および
側面の像を検出する工程と、前記検出されたパターンの
上面および側面の像の位置に基づき、前記第１のＳＥＭ
像および前記第２のＳＥＭ像における前記単層あるいは
多層構造の各層の側面の像を認識する工程とを備えるこ
とを特徴とする。

【００１２】請求項６に記載のパターン側面認識方法
は、表面に単層あるいは多層構造から成るパターンを有
するウェーハのＳＥＭ像から、前記ＳＥＭ像における前
記単層あるいは多層構造の各層の側面の像を認識するパ
ターン側面認識方法であって、前記ウェーハを第１の角
度で傾斜させた状態における第１のＳＥＭ像を得る工程
と、前記ウェーハを第２の角度で傾斜させた状態におけ
る第２のＳＥＭ像を得る工程と、前記第１のＳＥＭ像と
前記第２のＳＥＭ像とを比較し、それぞれの像における
長さおよび面積の増減によって、前記第１のＳＥＭ像お
よび前記第２のＳＥＭ像における前記パターンの上面の
像および側面の像を検出する工程と、前記検出されたパ
ターンの上面および側面の像の位置に基づき、前記ＳＥ
Ｍ像における前記単層あるいは多層構造の各層の側面の
像を認識する工程とを備えることを特徴とする。

【００１３】請求項７に記載のパターン側面認識方法
は、請求項１から請求項６のいずれかに記載のパターン
側面認識方法であって、さらに、前記ＳＥＭ像におい
て、前記ウェーハおよび前記単層あるいは多層構造の各
層の側面の像の明るさの違いが検出できなかった場合
に、ＳＥＭの電子ビームの加速電圧を変更して再度ＳＥ
Ｍ像を得る工程を備えることを特徴とする。

【００１４】請求項８に記載のパターン側面認識方法
は、請求項１から請求項６のいずれかに記載のパターン
側面認識方法であって、さらに、前記ＳＥＭ像におい
て、前記ウェーハおよび前記単層あるいは多層構造の各
層の側面の像の明るさの違いが検出できなかった場合
に、前記ウェーハの傾斜角度を変更して再度ＳＥＭ像を
得る工程を備えることを特徴とする。

【００１５】請求項９に記載の欠陥検出分類方法は、ウ
ェーハ上の単層あるいは多層構造から成るパターンにお
ける欠陥の検出および前記欠陥が前記パターンのいずれ
の層に存在するかを特定する分類を行う欠陥検出分類方
法であって、前記ウェーハを所定の角度で傾斜させた状
態におけるＳＥＭ像を得る工程と、所定の方法を用い
て、前記ＳＥＭ像における前記単層あるいは多層構造の
各層の側面の像を認識する工程と、前記認識された前記
単層あるいは多層構造の各層の側面の像の少なくとも上
側輪郭線を認識する工程と、前記単層あるいは多層構造
の各層の側面の像における前記上側輪郭線の変形を検出
することによって、前記欠陥の検出および前記欠陥が前
記パターンのいずれの層に存在するかを特定する分類を
行う工程とを備えることを特徴とする。

【００１６】請求項１０に記載の欠陥検出分類方法は、
複数のチップを有するウェーハの任意のチップ上の単層
あるいは多層構造から成るパターンにおける欠陥の検出
および前記欠陥が前記パターンのいずれの層に存在する
かを特定する分類を行う欠陥検出分類方法であって、前
記ウェーハを所定の角度で傾斜させた状態におけるＳＥ
Ｍ像を得る工程と、所定の方法を用いて、前記ＳＥＭ像
における前記単層あるいは多層構造の各層の側面の像の
認識を行う工程と、前記ＳＥＭ像における前記複数のチ
ップの前記パターンの各層の像の明るさを互いに比較す
ることによって、前記欠陥の検出および前記欠陥が前記
パターンのいずれの層に存在するかを特定する分類を行
う工程とを備えることを特徴とする。

【００１７】請求項１１に記載の欠陥検出分類方法は、
請求項９または請求項１０に記載の欠陥検出分類方法で
あって、前記ＳＥＭ像における前記単層あるいは多層構
造の各層の側面の像を認識する工程における前記所定の
方法が、請求項１から請求項８のいずれかに記載のパタ
ーン側面認識方法であることを特徴とする。

【００１８】

【発明の実施の形態】＜実施の形態１＞図１は実施の形
態１に係るパターン側面認識方法を説明するための図で
ある。ここで、図１（ａ）は、ウェーハの非傾斜時にお
ける走査型電子顕微鏡（ＳＥＭ）の電子ビームと観察さ
れるウェーハとの角度関係を示す図であり、図１（ｂ）
はそのとき得られるＳＥＭ像の一例を示す図である。ま
た、図１（ｃ）は、ウェーハの傾斜時におけるＳＥＭの
電子ビームと観察されるウェーハとの角度関係を示す図
であり、図１（ｄ）はそのとき図１（ｂ）に示したもの
と同一のウェーハに対して得られるＳＥＭ像を示してい
る。ここで、本明細書において、ウェーハの傾斜角度を
図１（ａ）の状態を０゜として定義する。

【００１９】図１（ａ）および（ｃ）において、１はＳ
ＥＭの電子銃、２は電子銃１から放出される電子ビー
ム、３はＳＥＭによる観察の対象となるウェーハ、４は
電子ビーム２の照射によりウェーハ３から放出される二
次電子、５はＳＥＭの二次電子検出器である。

【００２０】ここで、図１（ｂ）および（ｄ）は、ウェ
ーハ３上に形成されたパターンがパターン最上層および
その下のパターン第２層から成る２層構造である例を示
している。ウェーハ非傾斜時においてはウェーハの観察
は垂直方向から行われるので、そのときのＳＥＭ像であ
る図１（ｂ）においては、ウェーハ３上に形成されたパ
ターンの上面、即ちパターン最上層上面の像１１と、ウ
ェーハ表面の像１４が観察される。

【００２１】一方、ウェーハ傾斜時のＳＥＭ像である図
１（ｄ）においては、パターン最上層上面の像２１およ
び、パターン最上層側面の像２２、パターン第２層側面
の像２３、ウェーハ表面の像２４が得られる。つまり、
ウェーハ３を傾斜させることにより電子ビーム２はパタ
ーンの側面にも照射されるので、図１（ｄ）において
は、ウェーハに対して垂直方向からの観察によるＳＥＭ
像（図１（ｂ））では観察することができなかったパタ
ーンの側面の像（パターン最上層側面の像２２およびパ
ターン第２層側面の像２３）が観察される。また、２５
は、ＳＥＭ像におけるパターン最上層側面の像２２の幅
を示している。

【００２２】以下、本実施の形態に係るパターン側面認
識方法について説明する。まず、ＡＤＲ／ＡＤＣ機能を
持つＳＥＭのシステム（自動欠陥観察分類システム）
に、ウェーハを所定の角度で傾斜させたときのＳＥＭ像
におけるパターン最上層側面の像の幅２５の得られるべ
き値をあらかじめ記憶させておく。パターン最上層側面
の像の幅２５の大きさは、パターン最上層の厚さと、Ｓ
ＥＭによる観察時のウェーハの傾斜角度から計算するこ
とができる。例えばパターン最上層の厚さが１μｍであ
り、ウェーハの傾斜角度が３０゜であるとき、ＳＥＭ画
面上で観測されるパターン最上層側面の像の幅２５は１
μｍ×ｓｉｎ３０゜＝０．５μｍと計算できる。なお、
このとき用いられるパターン最上層の厚さは、例えば、
他の装置による実測により得られる値でも良いし、パタ
ーンの設計の際に設定した値を用いても良い。

【００２３】そして、所定の傾斜角度をもって、ウェー
ハのＳＥＭ像を得る。このとき、自動欠陥観察分類シス
テムは、得られたＳＥＭ像における各像の幅と、記憶し
ているパターン最上層側面の像の幅２５の得られるべき
値とを比較し、得られたＳＥＭ像の中からその値と等し
い幅を有する像を検出する。その結果、自動欠陥観察分
類システムは、ＳＥＭ画面上の像２２がパターン最上層
側面の像であると認識することができる。さらに、パタ
ーン最上層側面の像２２が認識できれば、その下の像２
３がパターン第２層側面の像であると認識できる。

【００２４】なお、上の例においては、パターン最上層
の厚さと観察時のウェーハの傾斜角度から計算によって
得られたパターン最上層側面の像の幅２５の値を、自動
欠陥観察分類システムに厚さを記憶させたが、例えば、
自動欠陥観察分類システムにパターン最上層の厚さを記
憶させ、該システムがウェーハの傾斜角度を検出して、
パターン最上層側面の像の幅２５の得られるべき値を計
算するものであってもよい。

【００２５】また、本実施の形態においては、観察の対
象となるウェーハ上のパターンとして、パターン最上層
およびパターン第２層から成る２層構造のパターンが形
成された例を示したが、更に多くの層から成るパターン
であっても、パターン最上層側面の位置が判明すれば、
それを基準としてさらにその下層のそれぞれの側面の像
を認識することができる。つまり、本実施の形態の適応
の範囲は、２層構造のパターンに限定されるものではな
い。

【００２６】さらに、本実施の形態においては、まずパ
ターン最上層側面の像２２を認識し、それを基準として
他の層の側面の像を検出して認識したが、その検出の基
準となるものはパターン最上層側面の像２２に限定され
るものではない。例えば、パターン最上層上面の幅とウ
ェーハの傾斜角度から、傾斜時のＳＥＭ像におけるパタ
ーン最上層上面の像２１を認識することも可能であり、
それを基準としてその下のパターンの各層の側面の像を
検出することもできる。さらに、例えばパターン第２層
の厚さおよびウェーハの傾斜角度から、パターン第２層
側面の像を認識し、それを基準にパターンの各層の側面
の像を検出することもできる。

【００２７】つまり、本実施の形態に係るパターン側面
認識方法によれば、パターンの寸法データおよびＳＥＭ
による観察時のウェーハの傾斜角度から算出された所定
の像の幅を自動欠陥観察分類システムに記憶させること
で、自動欠陥観察分類システムによるＳＥＭ像における
パターン側面の自動検出が可能になる。

【００２８】＜実施の形態２＞図２は、実施の形態２に
係るパターン側面認識方法を説明するための図であり、
ウェーハ傾斜時のＳＥＭ像を示している。なお、図２に
おいて、図１に示したものと同一の要素については同一
符号を付しており、ここでの詳細な説明は省略する。ま
た、ここでも、ウェーハ表面上にパターン最上層および
パターン第２層から成る２層構造のパターンが形成され
ている例を示している。

【００２９】ＳＥＭ像における像の明るさは、電子ビー
ムの照射によって試料表面から放出される二次電子の量
に依存するものであり、二次電子の放出量は電子ビーム
に対する試料表面の角度および、試料の材質に依存す
る。例えば図２において、同じパターン最上層の像であ
っても、その上面と側面とでは電子ビームに対する角度
が異なるので、パターン最上層上面の像２１とパターン
最上層側面の像２２とでは互いに明るさは異なる。ま
た、パターン最上層側面とパターン第２層側面とは、共
に電子ビーム対する角度は等しいが、その材質の違いに
よりパターン最上層側面の像２２とパターン第２層側面
の像２３とでは明るさの違いが現れる。

【００３０】よって、ＳＥＭ像におけるウェーハ及びパ
ターンの各部分の像の明るさは、図２に示すようにそれ
ぞれ互いに異なるものが得られる。このことは、ＳＥＭ
像における像の明るさの違いに基づいて、パターン側面
を認識することができることを示唆している。

【００３１】以下、本実施の形態に係るパターン側面認
識方法について説明する。まず、ウェーハを所定の角度
で傾斜させたときのＳＥＭ像におけるパターン最上層側
面の像２２において得られるべき明るさの値を自動欠陥
観察分類システムに記憶させておく。

【００３２】ここで、自動欠陥観察分類システムに記憶
させるパターン最上層側面の像２２において得られるべ
き明るさの値としては、例えばパターン最上層および第
２層と同じ材質の試料を、この後行われるＳＥＭによる
観察と同じ電子ビームの入射角度をもって、予めＳＥＭ
により観察した測定データ等から算出すればよい。

【００３３】そして、所定の傾斜角度をもって、ウェー
ハのＳＥＭ像を得る。このとき、自動欠陥観察分類シス
テムは、得られたＳＥＭ像において、記憶しているパタ
ーン最上層側面の像２２において得られるべき明るさの
値に一致する像を検出する。その結果、ＳＥＭ画面上の
像２２がパターン最上層側面の像であると認識すること
ができる。さらに、パターン最上層側面の像２２が認識
できれば、その下の像２３がパターン第２層側面の像で
あると認識できる。

【００３４】例えば、ＳＥＭ像における明るさを白黒の
２５６階講で表現するとする。このとき、所定のウェー
ハ傾斜角度における、パターン最上層側面の像２２の明
るさが８０階調から１２０階調の間であると分かってい
る場合、その範囲を予め自動欠陥観察分類システムに記
憶させておくことで、該システムはその範囲の明るさ
（この例においては階調）を持つ部分を検出し、ＳＥＭ
像における像２２がパターン最上層側面およびパターン
第２層側面であると認識することができる。

【００３５】また、本実施の形態においては、観察の対
象となるウェーハ上のパターンとして、パターン最上層
およびパターン第２層から成る２層構造のパターンが形
成された例を示したが、更に多くの層から成るパターン
であっても、パターン最上層側面の位置が判明すれば、
それを基準としてさらにその下層のそれぞれの側面の像
を認識することができる。つまり、本実施の形態の適応
の範囲は、２層構造のパターンに限定されるものではな
い。

【００３６】さらに、本実施の形態においては、まずパ
ターン最上層側面の像２２を認識し、それを基準として
他の層の側面の像を検出して認識したが、その検出の基
準となるものはパターン最上層側面の像２２に限定され
るものではない。例えば、パターン最上層上面の像２１
において得られるべき明るさの値から、ＳＥＭ像におけ
るパターン最上層上面の像２１を認識することも可能で
あり、それを基準としてパターンの側面の像を検出する
こともできる。さらに、例えばパターン第２層側面にお
いて得られるべき明るさの値から、パターン第２層側面
の像を認識し、それを基準にパターンの側面の像を検出
することもできる。

【００３７】このように、本実施の形態に係るパターン
側面認識方法によれば、ＳＥＭ像におけるパターンの各
部の像において得られるべき明るさの値を自動欠陥観察
分類システムに記憶させることで、自動欠陥観察分類シ
ステムによるＳＥＭ像におけるパターン側面の自動検出
が可能になる。

【００３８】＜実施の形態３＞図３は、実施の形態３に
係るパターン側面認識方法を説明するための図である。
ここで、図３（ａ）は、ウェーハ傾斜時におけるＳＥＭ
像の一例を示す図であり、図３（ｂ）は同ウェーハの同
場所のＣＡＤデータを示している。図３（ｂ）のＣＡＤ
データにおいて３１で示された領域が、ウェーハ上のパ
ターン形成領域に相当する。また、図３（ｃ）は、図３
（ｂ）のＣＡＤデータを、図３（ａ）の傾斜角度に合わ
せて変形させたものを示している。なお、これらの図に
おいて、図１に示したものと同一の要素については同一
符号を付しており、ここでの詳細な説明は省略する。ま
た、ここでも、ウェーハ表面上にパターン最上層および
パターン第２層から成る２層構造のパターンが形成され
ている例を示している。

【００３９】以下、本実施の形態に係るパターン側面認
識方法について説明する。まず、自動欠陥観察分類シス
テムは、観察しようとするウェーハのＣＡＤデータを取
りこむ。そして所定の傾斜角度をもってウェーハのＳＥ
Ｍ像（図３（ａ））を得る。次に、ウェーハの観察場所
に相当するＣＡＤデータ（図３（ｂ））を検索し、ＳＥ
Ｍ像（図３（ａ））取得時のウェーハの傾斜角度に応じ
てＣＡＤデータを図３（ｃ）のように変形させる。例え
ば、ウェーハの傾斜角度が６０゜である場合、傾斜時の
ＳＥＭ像におけるパターン最上層上面の像のウェーハの
傾斜方向の寸法は、非傾斜時のそれに比べてｃｏｓ６０
゜即ち、１／２倍になるので、それに合わせてＣＡＤデ
ータのウェーハの傾斜方向の寸法を１／２倍に変形す
る。

【００４０】そして、ウェーハ傾斜時のＳＥＭ像におけ
るパターン最上層上面の像２１と、ウェーハの傾斜角度
に応じて変形させたＣＡＤデータにおけるパターン形成
領域３１は形状および位置がが一致することを利用し
て、自動欠陥観察分類システムは、その変形させたＣＡ
Ｄデータ（図３（ｃ））とウェーハ傾斜時のＳＥＭ像
（図３（ａ））を重ね合わせることで、像２１がパター
ン最上層上面の像であることを認識することができる。

【００４１】ＳＥＭ画面上におけるパターン最上層上面
の像２１を認識することで、自動欠陥観察分類システム
は、さらにその下に位置する像２２がパターン最上層側
面の像であることを認識できる。パターン最上層側面の
像２２が判明すれば、あとは実施の形態１と同様に第２
層の側面の像は画面上ではその下の像２３であると判明
する。

【００４２】また、本実施の形態においては、観察の対
象となるウェーハ上のパターンとして、パターン最上層
およびパターン第２層から成る２層構造のパターンが形
成された例を示したが、更に多くの層から成るパターン
であっても、パターン最上層上面の位置が判明すれば、
それを基準としてその各層のそれぞれの側面の像を認識
することができる。つまり、本実施の形態の適応の範囲
は、２層構造のパターンに限定されるものではない。

【００４３】このように、本実施の形態に係るパターン
側面認識方法によれば、ＣＡＤデータと自動欠陥観察分
類システムをリンクさせることで、自動欠陥観察分類シ
ステムによるパターン側面の自動検出が可能になる。

【００４４】＜実施の形態４＞図４は、実施の形態４に
係るパターン側面認識方法を説明するための図である。
ここで、図４（ａ）は、ウェーハ傾斜時におけるＳＥＭ
像の一例を示す図である。また、図４（ｂ）は同ウェー
ハの同場所のウェーハ非傾斜時におけるＳＥＭ像を示す
図であり、図４（ｃ）は、図４（ｂ）のＳＥＭ像を、図
４（ａ）の傾斜角度に合わせて変形させたものである。
なお、これらの図において、図１に示したものと同一の
要素については同一符号を付しており、ここでの詳細な
説明は省略する。また、ここでも、ウェーハ表面上にパ
ターン最上層およびパターン第２層から成る２層構造の
パターンが形成されている例を示している。

【００４５】以下、本実施の形態に係るパターン側面認
識方法について説明する。まず、自動欠陥観察分類シス
テムは、所定の傾斜角度をもってウェーハのＳＥＭ像
（図４（ａ））を得る。次に、同ウェーハの非傾斜時に
おけるＳＥＭ像（図４（ｂ））を取得する。そして、非
傾斜時のＳＥＭ像を、ウェーハの傾斜角度に応じて図４
（ｃ）のように変形させる。例えば、ウェーハの傾斜角
度が６０゜である場合、傾斜時のＳＥＭ像におけるパタ
ーン最上層上面の像のウェーハの傾斜方向の寸法は、非
傾斜時のそれに比べてｃｏｓ６０゜即ち、１／２倍にな
るので、それに合わせて非傾斜時におけるＳＥＭ像のウ
ェーハの傾斜方向の寸法を１／２倍に変形する。

【００４６】そして、ウェーハ傾斜時のＳＥＭ像におけ
るパターン最上層上面の像２１と、ウェーハの傾斜角度
に応じて変形させたＳＥＭ像のパターン最上層上面４１
の形状および位置が一致することを利用して、自動欠陥
観察分類システムは、ウェーハ傾斜時のＳＥＭ像（図４
（ａ））と、変形させた非傾斜時のＳＥＭ像（図４
（ｃ））を重ね合わせることで、パターン最上層上面を
認識することができる。

【００４７】ＳＥＭ画面上におけるパターン最上層上面
の像２１を認識することで、自動欠陥観察分類システム
は、さらにその下に位置する像２２がパターン最上層側
面の像であることを認識できる。パターン最上層側面の
像２２が判明すれば、あとは実施の形態１と同様に第２
層の側面の像は画面上ではその下の像２３であると判明
する。

【００４８】また、本実施の形態においては、観察の対
象となるウェーハ上のパターンとして、パターン最上層
およびパターン第２層から成る２層構造のパターンが形
成された例を示したが、更に多くの層から成るパターン
であっても、パターン最上層上面の位置が判明すれば、
それを基準としてその各層のそれぞれの側面の像を認識
することができる。つまり、本実施の形態の適応の範囲
は、２層構造のパターンに限定されるものではない。

【００４９】このように、本実施の形態に係るパターン
側面認識方法によれば、ウェーハの非傾斜時と傾斜時の
ＳＥＭ像を取得し互いに比較することでパターン側面の
検出を行うので、パターン検出のためのデータを予め準
備して自動欠陥観察分類システムに入力すること無し
に、自動欠陥観察分類システムによるパターン側面の自
動検出が可能になる。

【００５０】＜実施の形態５＞図５は、実施の形態５に
係るパターン側面認識方法を説明するための図である。
ここで、図５は、ウェーハ傾斜時におけるＳＥＭ像の一
例を示す図である。この図において、図１に示したもの
と同一の要素については同一符号を付しており、ここで
の詳細な説明は省略する。また、ここでも、ウェーハ表
面上にパターン最上層およびパターン第２層から成る２
層構造のパターンが形成されている例を示している。

【００５１】上述したように、ＳＥＭ像における明るさ
は試料から放出される二次電子量に依存するものであ
り、二次電子の放出量はＳＥＭの電子ビームに対する試
料の角度および、試料の材質に依存する。例えば、ウェ
ーハの傾斜角度を０°〜９０°の間で増加させた場合、
ウェーハ上のパターン側面への電子ビームの入射角度は
小さくなるので、パターン側面からの二次電子放出は少
なくなり、ＳＥＭ像においてパターン側面の像の明るさ
は弱くなる。それに対して、パターン上面への電子ビー
ムの入射角度は大きくなるので、ＳＥＭ像のパターン上
面部分の明るさは強くなる。つまり、図５の例において
ウェーハの傾斜角度を０°〜９０°の間で増加させる
と、パターン最上層上面の像２１およびウェーハ表面の
像２４の明るさは強くなり、パターン最上層側面の像２
２およびパターン第２層側面の像２３の明るさは弱くな
る。

【００５２】つまりウェーハの傾斜角度を変化させた場
合に生じるＳＥＭ像における像の明るさの変化の仕方
は、パターンの上面の像と側面の像とで互いに異なる。
このことは、ウェーハの傾斜角度の変化に伴う、ＳＥＭ
像における像の明るさの変化の仕方に基づいて、パター
ン側面を認識することができることを示唆している。

【００５３】以下、本実施の形態に係るパターン側面認
識方法について説明する。まず、自動欠陥観察分類シス
テムは、ウェーハの所定の傾斜角度におけるＳＥＭ像
（第１のＳＥＭ像）を得る。次に、同ウェーハの傾斜角
度を第１のＳＥＭ像における傾斜角度から変化させた場
合のＳＥＭ像（第２のＳＥＭ像）を取得する。そして、
第１のＳＥＭ像と第２のＳＥＭ像との間で、各像の明る
さの増減を検出することでパターン側面を認識させる。

【００５４】例えば、図５の例においてウェーハの傾斜
角度を０°〜９０°とした場合、第１のＳＥＭ像の傾斜
角度に対して第２のＳＥＭ像の傾斜角度が大きくした場
合、第２のＳＥＭ像において第１のＳＥＭ像に比べて明
るさが弱くなった部分（像２２および像２３）がパター
ンの側面の像であると判定できる。

【００５５】また、そのとき明るさが弱くなった部分に
含まれる像のうち、一番上の像２２がパターン最上層側
面であると認識できる。パターン最上層側面の像２２が
判明すれば、あとは実施の形態１と同様に第２層の側面
の像２３は画面上ではその下の像であると判明する。

【００５６】ところで、第１のＳＥＭ像と第２のＳＥＭ
像とで、ウェーハの傾斜角度の変化が小さい場合は問題
とならないが、ウェーハの傾斜角度を大きく変化させた
場合、ＳＥＭ像において各像の明るさだけでなく、その
形状や位置も大きく変化するので、各像における明るさ
の判別が困難になることが懸念される。その場合、例え
ば微小な角度変化ごとに各像を認識させ、それを繰り返
すことで問題を回避できる。あるいは、自動欠陥認識シ
ステムがウェーハの傾斜角度およびその変化の大きさを
検出し、それに基づいて各像の形状や位置の変化を補正
することも可能であり、同問題を回避することができ
る。

【００５７】また、本実施の形態においては、観察の対
象となるウェーハ上のパターンとして、パターン最上層
およびパターン第２層から成る２層構造のパターンが形
成された例を示したが、更に多くの層から成るパターン
であっても、パターンの側面の像が判明すれば、それを
基準としてさらにそのパターンを形成する各層のそれぞ
れの側面の像を認識することができる。つまり、本実施
の形態の適応の範囲は、２層構造のパターンに限定され
るものではない。

【００５８】本実施の形態に係るパターン側面認識方法
によれば、ＳＥＭ像を得る際のウェーハの傾斜角度の変
化に伴う各像の明るさの増減を検出することでパターン
側面の検出を行うので、パターン検出のためのデータを
予め準備して自動欠陥観察分類システムに入力すること
無しに、自動欠陥観察分類システムによるパターン側面
の自動検出が可能になる。

【００５９】＜実施の形態６＞図６は、実施の形態６に
係るパターン側面認識方法を説明するための図である。
ここで、図６（ａ）は、ウェーハ傾斜時におけるＳＥＭ
像の一例を示す図である。また、図６（ｂ）は図６
（ａ）から傾斜角度を増加させたＳＥＭ像を示す図であ
る。この図において、図１に示したものと同一の要素に
ついては同一符号を付しており、ここでの詳細な説明は
省略する。また、ここでも、ウェーハ表面上にパターン
最上層およびパターン第２層から成る２層構造のパター
ンが形成されている例を示している。

【００６０】明らかに、ウェーハのＳＥＭ像に現れる像
の大きさおよび形状は、ウェーハの傾斜角度に依存して
いる。例えば、ウェーハの傾斜角度を０°〜９０°の間
で増加させた場合、ＳＥＭ像においてパターン側面の像
の面積は大きくなり、パターン上面部分の面積は小さく
なる。つまり、図６の例においてウェーハの傾斜角度を
０°〜９０°の間で増加させると、パターン最上層上面
の像２１およびウェーハ表面の像２４の面積およびウェ
ーハの傾斜方向の長さは小さくなり、パターン最上層側
面の像２２およびパターン第２層側面の像２３の面積お
よびウェーハの傾斜方向の長さは大きくなる。

【００６１】つまりウェーハの傾斜角度を変化させた場
合に生じるＳＥＭ像における像の面積や長さの変化の仕
方は、パターンの上面の像と側面の像とで互いに異な
る。このことは、ウェーハの傾斜角度の変化に伴う、Ｓ
ＥＭ像における像の面積や長さの変化の仕方に基づい
て、パターン側面を認識することができることを示唆し
ている。

【００６２】以下、本実施の形態に係るパターン側面認
識方法について説明する。まず、自動欠陥観察分類シス
テムは、ウェーハの所定の傾斜角度におけるＳＥＭ像
（第１のＳＥＭ像）を得る。次に、同ウェーハの傾斜角
度を第１のＳＥＭ像における傾斜角度から変化させた場
合のＳＥＭ像（第２のＳＥＭ像）を取得する。そして、
第１のＳＥＭ像と第２のＳＥＭ像との間で、各像の面積
またはウェーハの傾斜方向の長さの増減を検出すること
でパターン側面を認識させる。

【００６３】例えば、図６の例においてウェーハの傾斜
角度を０°〜９０°とし、第１のＳＥＭ像（図６
（ａ））の傾斜角度に対して第２のＳＥＭ像（図６
（ｂ））の傾斜角度を大きくした場合、第２のＳＥＭ像
において第１のＳＥＭ像に比べて面積およびウェーハの
傾斜方向の長さが増加した部分（像２２および像２３、
像５２、像５３）がパターンの側面の像であると判定で
きる。

【００６４】また、そのとき面積およびウェーハの傾斜
方向の長さが増加した部分に含まれる像のうち、一番上
の像２２および像５２がパターン最上層側面であると認
識できる。パターン最上層側面の像２２および像５２が
判明すれば、あとは実施の形態１と同様に第２層の側面
の像２３および像５３は画面上ではそれぞれそれらの下
の像であると判明する。

【００６５】ところで、第１のＳＥＭ像と第２のＳＥＭ
像とで、ウェーハの傾斜角度の変化が小さい場合は問題
とならないが、ウェーハの傾斜角度を大きく変化させた
場合、ＳＥＭ像において各像の面積や長さだけでなく、
その位置も大きく変化するので、各像の判別が困難にな
ることが懸念される。その場合、例えば微小な角度変化
ごとに各像を認識させ、それを繰り返すことで問題を回
避できる。あるいは、自動欠陥認識システムがウェーハ
の傾斜角度およびその変化の大きさを検出し、それに基
づいて各像の位置の変化を補正することも可能であり、
同問題を回避することができる。

【００６６】また、本実施の形態においては、観察の対
象となるウェーハ上のパターンとして、パターン最上層
およびパターン第２層から成る２層構造のパターンが形
成された例を示したが、更に多くの層から成るパターン
であっても、パターンの側面の像が判明すれば、それを
基準としてさらにそのパターンを形成する各層のそれぞ
れの側面の像を認識することができる。つまり、本実施
の形態の適応の範囲は、２層構造のパターンに限定され
るものではない。

【００６７】本実施の形態に係るパターン側面認識方法
によれば、ＳＥＭ像を得る際のウェーハの傾斜角度の変
化に伴う面積および長さの増減を検知することでパター
ン側面の検出を行うので、パターン検出のためのデータ
を予め準備して自動欠陥観察分類システムに入力するこ
と無しに、自動欠陥観察分類システムによるパターン側
面の自動検出が可能になる。

【００６８】＜実施の形態７＞上述したように、半導体
装置の製造工程における歩留まりおよびプロセスの改善
を図る上で、半導体ウェーハに形成されるパターンの欠
陥が発生する工程を知ることは重要である。

【００６９】図７は、実施の形態７に係る欠陥検出分類
方法を説明するための図であり、ウェーハの傾斜時にお
けるＳＥＭ像の欠陥が存在する個所付近の拡大図であ
る。この図において、図１に示したものと同一の要素に
ついては同一符号を付しており、ここでの詳細な説明は
省略する。ここでも、ウェーハ表面上にパターン最上層
およびパターン第２層から成る２層構造のパターンが形
成されている例を示している。また、この例において
は、パターン第２層中に異物による欠陥が存在し、その
異物の存在によりパターン第２層のパターン最上層との
境界面および、パターン最上層上面の変形が観察されて
いる。なお、６０は欠陥の異物の像を示している。

【００７０】本実施の形態に係る欠陥分類方法について
説明する。まず、自動欠陥観察分類システムは、所定の
傾斜角度をもってウェーハのＳＥＭ像を得る。そして、
所定の方法（例えば上記した実施の形態１〜６の手法）
を用いて、ＳＥＭ像におけるパターン側面の像を認識す
る。さらに、ＳＥＭ像におけるパターン側面に現れる、
パターン最上層上面の線６１およびパターン第２層上面
の線６２を検出する。

【００７１】次に、欠陥が存在しない場合に現れるべき
パターンの各層の上面の線６３および６４を求める。例
えば、実際に得られたＳＥＭ像における各層の上面の線
に対して、直線である部分を抽出し、その抽出した線の
同じ高さの線同士を直線で結ぶことで、欠陥が無い場合
の線６３、６４を求めることができる。もしくは、隣接
チップの同場所と比較して、欠陥が無い場合の線６３、
６４を抽出してもよい。

【００７２】次に、欠陥が存在しない場合の線６３およ
び６４と、実際にＳＥＭ像上に現れた線６１、６２と比
較して、一致しない線、即ち異物の存在により変形した
線を検出する。このとき、どの線が変形しているかによ
って欠陥の存在する層の位置を特定できる。例えば、パ
ターン最上層とパターン第２層の上面の線が変形してい
る場合、欠陥の位置はパターン第２層であると特定でき
る。また、パターン最上層上面の線は変形し、パターン
第２層の線が変形していない場合は、欠陥はパターン最
上層に存在すると特定できる。図７の例においては、パ
ターン最上層とパターン第２層の上面の線が変形してい
るので、自動欠陥観察分類システムは、欠陥の位置を第
２層中であると認識することができる。また、多層構造
のパターンにおいて欠陥が位置する層を特定することに
よる欠陥の分類ができる。その結果、自動欠陥観察分類
システムはパターンの形成工程における欠陥が発生した
工程を特定することができる。

【００７３】このように、本実施の形態に係る欠陥分類
方法によれば、欠陥が層の上面に変化を及ぼしている場
合において、自動欠陥観察分類システムによる欠陥の発
生した層および工程の特定が可能になる。

【００７４】＜実施の形態８＞図８は、実施の形態８に
係る欠陥検出分類方法を説明するための図であり、ウェ
ーハの傾斜時におけるＳＥＭ像の欠陥が存在する個所付
近の拡大図である。この図において、図７に示したもの
と同一の要素については同一符号を付しており、ここで
の詳細な説明は省略する。また、図７と同様に、ウェー
ハ上にパターン最上層およびパターン第２層から成る２
層構造のパターンが形成され、パターン第２層中に異物
による欠陥が存在し、その異物の存在によりパターン第
２層とパターン最上層との境界面および、パターン最上
層上面の変形が観察されている。また、その異物自体も
ＳＥＭ像において観察されている。

【００７５】本実施の形態に係る欠陥分類方法について
説明する。まず、自動欠陥観察分類システムは、所定の
傾斜角度をもってウェーハのＳＥＭ像を得る。そして、
所定の方法（例えば上記した実施の形態１〜６の手法）
を用いて、ＳＥＭ像におけるパターン最上層側面の像２
２、パターン第２層側面の像２３を認識する。

【００７６】上述したように、ＳＥＭ像における像の明
るさは試料の電子ビームに対する角度および材質に依存
する。つまり、例えば、パターンの側面に異物が露出し
ている場合等においては、該異物の存在する場所のＳＥ
Ｍ像は、他のチップの同じ個所とは異なる明るさを有す
ることとなる。

【００７７】つまり、ＳＥＭ像における、隣接チップの
同じ個所の各像の明るさを比較することにより、他のチ
ップと一致しない明るさの部分（即ち欠陥の像）を有す
る像を、欠陥の存在する像として、認識することができ
る。なお、ＳＥＭ像におけるパターンの各層の側面の像
は、既に自動欠陥観察分類システムによって認識されて
いるので、当該欠陥の存在する像が、どの層の像である
かを判別することが可能である。よって、欠陥観察分類
システムにより、多層構造のパターンにおいて欠陥が位
置する層を特定することによる欠陥の分類が可能にな
る。その結果、自動欠陥観察分類システムはパターンの
形成工程における欠陥が発生した工程を特定することが
できる。

【００７８】なお、図７においては、異物の存在により
パターン第２層とパターン最上層との境界面および、パ
ターン最上層上面の変形が生じている例を示したが、異
物（欠陥）が像としてＳＥＭ像に検出されていれば、欠
陥が層の上面の形状に変化を及ぼしていなくても欠陥の
存在する像を特定でき、欠陥の検出分類が可能であるこ
とは言うまでも無い。

【００７９】このように、本実施の形態に係る欠陥分類
方法によれば、欠陥の検出をパターンの各層の像の形状
の変化によって行うものでは無いので、欠陥が層の上面
に変化を及ぼしていない場合においても、自動欠陥観察
分類システムによる欠陥の発生した層および工程の特定
が可能になる。

【００８０】＜実施の形態９＞図９は、実施の形態９に
係るパターン側面認識方法を説明するための図であり、
ウェーハの傾斜時におけるＳＥＭ像の欠陥が存在する個
所付近の拡大図である。この図において、図７に示した
ものと同一の要素については同一符号を付しており、こ
こでの詳細な説明は省略する。また、図９と同様に、ウ
ェーハ上にパターン最上層およびパターン第２層から成
る２層構造のパターンが形成され、パターン第２層中に
異物による欠陥が存在し、その異物の存在によりパター
ン第２層のパターン最上層との境界面および、パターン
最上層上面の変形が観察されている。

【００８１】上記した実施の形態１〜６のパターン側面
認識方法おいて、パターンの側面の像における各層の像
の認識を行ったが、その認識は各層の像の明るさの違い
が明確であることが前提となっていた。しかし、例えば
各層の材質が異なる場合でもＳＥＭ像における像の明る
さが近いために自動欠陥観察分類システムがそれぞれの
層を識別できない場合がある。

【００８２】ＳＥＭ像における像の明るさは、電子ビー
ムの照射によって試料表面から放出される二次電子の量
に依存するので、同一の試料であっても、電子ビームの
加速電圧によってその像の明るさは変化し、その変化量
は試料の材質によって異なる。よって、ＳＥＭの電子ビ
ームの加速電圧を変化させることで、試料の材質の違い
による像の明るさの違いを明確にすることができる。

【００８３】本実施の形態では、実施の形態１〜６のパ
ターン側面認識方法おいて、ウェーハ表面およびパター
ンを形成する各層の材質が異なるにも関わらず、ＳＥＭ
像における明るさが近いために自動欠陥観察分類システ
ムがそれらを識別できない場合に、ＳＥＭの電子ビーム
の加速電圧を変化させることで、各層の明るさの差を明
確にする。

【００８４】例えばパターン最上層の材質がＷ、パター
ン第２層がＷＳｉのとき、電子ビームの加速電圧１００
０ｅＶでＳＥＭ像を取得した場合に、図９（ａ）に示す
ようにパターン最上層側面の像２２とパターン第２層上
面の像２２とで明るさの差が検出できなかったとする。
このとき、加速電圧を例えば１５００ｅＶに変更するこ
とで同個所のＳＥＭ像は図９（ｂ）のように各層明るさ
の差を明確にさせることができ、それにより、自動欠陥
観察分類システムがＳＥＭ像における各層それぞれの像
の明るさを識別できるようになり、各層の側面の認識が
可能になる。

【００８５】このように、本実施の形態に係るパターン
側面認識方法によれば、電子ビームの加速電圧を変化さ
せることで、パターンの側面における各層の像の材質の
違いによる明るさの差を明確にし、実施の形態１〜６に
示した自動欠陥観察分類システムにおけるパターン側面
の自動認識を高精度で行うことができる。

【００８６】＜実施の形態１０＞図１０は、実施の形態
１０に係るパターン側面認識方法を説明するための図で
あり、ウェーハの傾斜時におけるＳＥＭ像の欠陥が存在
する個所付近の拡大図である。この図において、図７に
示したものと同一の要素については同一符号を付してお
り、ここでの詳細な説明は省略する。この図において
も、ウェーハ上にパターン最上層およびパターン第２層
から成る２層構造のパターンが形成され、パターン第２
層中に異物による欠陥が存在し、その異物の存在により
パターン第２層のパターン最上層との境界面および、パ
ターン最上層上面の変形が観察されている。

【００８７】上記した実施の形態１〜６のパターン側面
認識方法おいて、パターンの側面の像における各層の像
の認識を行ったが、その認識は各層の像の明るさの違い
が明確であることが前提となっていた。しかし、例えば
各層の材質が異なる場合でもＳＥＭ像における像の明る
さが近いために自動欠陥観察分類システムがそれぞれの
層を識別できない場合がある。

【００８８】ＳＥＭ像における像の明るさは、試料の材
質および電子ビームに対する角度に依存する。よって、
試料の材質が異なる場合でも、電子ビームに対する角度
によっては同じ明るさの象として観察される場合があ
る。例えば、ウェーハ表面の材質がＳｉＯ₂、パターン
第２層の材質がＷＳｉであり、互いに異なる材質であっ
ても、ウェーハ表面とパターン第２層側面とでは、電子
ビームに対する角度が９０°異なる。よって、ウェーハ
の傾斜角度によっては、材質による明るさの違いが傾斜
角度による明るさの違いと相殺され、図１０（ａ）のよ
うに、パターン第２層側面の像２３の明るさとウェーハ
表面の像２４の明るさが同一になることがある。このよ
うな場合、実施の形態１〜６のパターン側面認識方法お
いて、自動欠陥観察分類システムはパターン第２層側面
の像２３とウェーハ表面の像２４とを識別することがで
きない。

【００８９】本実施の形態では、このような場合に同一
ウェーハのＳＥＭ像の傾斜角度を変化させることで、Ｓ
ＥＭ像における各層の明るさを変化させて、それらの像
の明るさの違いを明確にする。例えば図１０（ａ）のよ
うに、パターン第２層側面の像２３の明るさとウェーハ
表面の像２４の明るさが同一になった場合に、ウェーハ
の傾斜角度（０°〜９０°）を増加させると、パターン
第２層の像２３の明るさが弱まり、ウェーハ表面の像２
４の明るさは強まる。その結果、同個所のＳＥＭ像は図
１０（ｂ）のように、各像の明るさの差を明確にさせる
ことができ、それにより、自動欠陥観察分類システムが
ＳＥＭ像における各像それぞれの像の明るさを識別でき
るようになり、各層の側面の認識が可能になる。

【００９０】このように、本実施の形態に係るパターン
側面認識方法によれば、ウェーハの傾斜角度を変化させ
ることで、パターンの側面における各層の像の材質の違
いによる明るさの差を明確し、実施の形態１〜６に示し
た自動欠陥観察分類システムにおけるパターン側面の自
動認識を高精度で行うことができる。

【００９１】

【発明の効果】請求項１に記載のパターン側面認識方法
によれば、ウェーハを所定の角度で傾斜させた状態にお
けるＳＥＭ像を得る工程と、所定の角度と、単層あるい
は多層構造の所定の層の側面の厚さまたは上面の幅によ
り、ＳＥＭ像に現れるべき所定の層の側面または上面の
像の幅を算出する工程と、ＳＥＭ像において、算出され
た幅に相当する幅を有する像を検出することで、ＳＥＭ
像における所定の層の側面または上面の像を検出する工
程と、検出された所定の層の側面または上面の像の位置
に基づき、ＳＥＭ像における単層あるいは多層構造の各
層の側面の像を認識する工程とを備えるので、ＳＥＭ像
におけるパターンを形成する各層のそれぞれの側面の像
を認識することができる。

【００９２】さらに、ウェーハの傾斜角度と所定の層の
側面の厚さまたは上面の幅、あるいは、それらにより算
出されたＳＥＭ像に現れるべき所定の層の側面または上
面の像の幅を、予め自動欠陥観察分類システムに記憶さ
せることで、自動欠陥観察分類システムによるＳＥＭ像
におけるパターン側面の自動検出が可能になる。また、
自動欠陥観察分類システムにおける欠陥検出分類方法の
自動化に寄与できる。

【００９３】請求項２に記載のパターン側面認識方法に
よれば、ウェーハを所定の角度で傾斜させた状態におけ
るＳＥＭ像を得る工程と、所定の角度と、単層あるいは
多層構造の所定の層の材質により、ＳＥＭ像に現れるべ
き所定の層の側面または上面の像の明るさを算出する工
程と、ＳＥＭ像において、算出された明るさに相当する
明るさを有する像を検出することで、ＳＥＭ像における
所定の層の側面または上面の像を検出する工程と、検出
された所定の層の側面または上面の像の位置に基づき、
ＳＥＭ像における単層あるいは多層構造の各層の側面の
像を認識する工程とを備えるので、ＳＥＭ像におけるパ
ターンを形成する各層のそれぞれの側面の像を認識する
ことができる。

【００９４】さらに、ウェーハの傾斜角度と所定の層の
材質により、ＳＥＭ像に現れるべき所定の層の側面また
は上面の像の明るさを、自動欠陥観察分類システムに記
憶させることで、自動欠陥観察分類システムによるＳＥ
Ｍ像におけるパターン側面の自動検出が可能になる。ま
た、自動欠陥観察分類システムにおける欠陥検出分類方
法の自動化に寄与できる。

【００９５】請求項３に記載のパターン側面認識方法に
よれば、ウェーハを所定の角度で傾斜させた状態におけ
るＳＥＭ像を得る工程と、パターンのＣＡＤデータを所
定の角度に基づいて変形する工程と、ＳＥＭ像と変形後
のＣＡＤデータとを重ね合わせることで、ＳＥＭ像にお
けるパターンの上面の像を検出する工程と、検出された
パターンの上面の像の位置に基づき、ＳＥＭ像における
単層あるいは多層構造の各層の側面の像を認識する工程
とを備えるので、ＳＥＭ像におけるパターンを形成する
各層のそれぞれの側面の像を認識することができる。

【００９６】さらに、パターンのＣＡＤデータを予め自
動欠陥観察分類システムに記憶させることで、自動欠陥
観察分類システムによるＳＥＭ像におけるパターン側面
の自動検出が可能になる。また、自動欠陥観察分類シス
テムにおける欠陥検出分類方法の自動化に寄与できる。

【００９７】請求項４に記載のパターン側面認識方法に
よれば、ウェーハを所定の角度で傾斜させた状態におけ
る第１のＳＥＭ像を得る工程と、ウェーハを傾斜させな
い状態における第２のＳＥＭ像を得る工程と、第２のＳ
ＥＭ像を所定の角度に基づいて変形する工程と、第１の
ＳＥＭ像と変形した第２のＳＥＭ像とを重ね合わせるこ
とで、第１のＳＥＭ像におけるパターンの上面の像を検
出する工程と、検出されたパターンの上面の像の位置に
基づき、第１のＳＥＭ像における単層あるいは多層構造
の各層の側面の像を認識する工程とを備えるので、ＳＥ
Ｍ像におけるパターンを形成する各層のそれぞれの側面
の像を認識することができる。

【００９８】また、パターン側面を認識するためのデー
タ等を予め自動欠陥観察分類システムに記憶させること
無く、自動欠陥観察分類システムによるＳＥＭ像におけ
るパターン側面の自動検出が可能なる。また、自動欠陥
観察分類システムにおける欠陥検出分類方法の自動化に
寄与できる。

【００９９】請求項５に記載のパターン側面認識方法に
よれば、ウェーハを第１の角度で傾斜させた状態におけ
る第１のＳＥＭ像を得る工程と、ウェーハを第２の角度
で傾斜させた状態における第２のＳＥＭ像を得る工程
と、第１のＳＥＭ像と第２のＳＥＭ像とを比較し、それ
ぞれの像における明るさの増減によって、第１のＳＥＭ
像および第２のＳＥＭ像におけるパターンの上面の像お
よび側面の像を検出する工程と、検出されたパターンの
上面および側面の像の位置に基づき、第１のＳＥＭ像お
よび第２のＳＥＭ像における単層あるいは多層構造の各
層の側面の像を認識する工程とを備えるので、ＳＥＭ像
におけるパターンを形成する各層のそれぞれの側面の像
を認識することができる。

【０１００】また、パターン側面を認識するためのデー
タ等を予め自動欠陥観察分類システムに記憶させること
無く、自動欠陥観察分類システムによるＳＥＭ像におけ
るパターン側面の自動検出が可能なる。また、自動欠陥
観察分類システムにおける欠陥検出分類方法の自動化に
寄与できる。

【０１０１】請求項６に記載のパターン側面認識方法に
よれば、ウェーハを第１の角度で傾斜させた状態におけ
る第１のＳＥＭ像を得る工程と、ウェーハを第２の角度
で傾斜させた状態における第２のＳＥＭ像を得る工程
と、第１のＳＥＭ像と第２のＳＥＭ像とを比較し、それ
ぞれの像における長さおよび面積の増減によって、第１
のＳＥＭ像および第２のＳＥＭ像におけるパターンの上
面の像および側面の像を検出する工程と、検出されたパ
ターンの上面および側面の像の位置に基づき、ＳＥＭ像
における単層あるいは多層構造の各層の側面の像を認識
する工程とを備えるので、ＳＥＭ像におけるパターンを
形成する各層のそれぞれの側面の像を認識することがで
きる。

【０１０２】また、パターン側面を認識するためのデー
タ等を予め自動欠陥観察分類システムに記憶させること
無く、自動欠陥観察分類システムによるＳＥＭ像におけ
るパターン側面の自動検出が可能なる。また、自動欠陥
観察分類システムにおける欠陥検出分類方法の自動化に
寄与できる。

【０１０３】請求項７に記載のパターン側面認識方法に
よれば、請求項１から請求項６のいずれかに記載のパタ
ーン側面認識方法において、さらに、ＳＥＭ像における
ウェーハおよび単層あるいは多層構造の各層の側面の像
の明るさの違いが検出できなかった場合に、ＳＥＭの電
子ビームの加速電圧を変更して再度ＳＥＭ像を得る工程
を備えるので、ウェーハおよび層のそれぞれの像の明る
さの違いを明確にでき、自動欠陥観察分類システムにお
けるパターン側面の自動認識を高精度で行うことができ
る。またそれにより、自動欠陥観察分類システムにおけ
る欠陥検出分類方法の自動化に寄与できる。

【０１０４】請求項８に記載のパターン側面認識方法に
よれば、請求項１から請求項６のいずれかに記載のパタ
ーン側面認識方法において、さらに、ＳＥＭ像における
ウェーハおよび単層あるいは多層構造の各層の側面の像
の明るさの違いが検出できなかった場合に、ウェーハの
傾斜角度を変更して再度ＳＥＭ像を得る工程を備えるの
で、ウェーハおよび層のそれぞれの像の明るさの違いを
明確にでき、自動欠陥観察分類システムにおけるパター
ン側面の自動認識を高精度で行うことができる。またそ
れにより、自動欠陥観察分類システムにおける欠陥検出
分類方法の自動化に寄与できる。

【０１０５】請求項９に記載の欠陥検出分類方法によれ
ば、ウェーハを所定の角度で傾斜させた状態におけるＳ
ＥＭ像を得る工程と、所定の方法を用いて、ＳＥＭ像に
おける単層あるいは多層構造の各層の側面の像を認識す
る工程と、認識された単層あるいは多層構造の各層の側
面の像の少なくとも上側輪郭線を認識する工程と、単層
あるいは多層構造の各層の側面の像における上側輪郭線
の変形を検出することによって、欠陥の検出および欠陥
がパターンのいずれの層に存在するかを特定する分類を
行う工程とを備えるので、欠陥を検出すると共に、欠陥
の存在する層を特定することができ、半導体装置の製造
工程における歩留まりの向上およびプロセスの改善に寄
与できる。

【０１０６】さらに、自動欠陥観察分類システムがＳＥ
Ｍ像における単層あるいは多層構造の各層の側面の像の
認識することによって、欠陥が層の上面に変化を及ぼし
ている場合において、自動欠陥観察分類システムによる
欠陥の自動検出分類が可能になる。

【０１０７】請求項１０に記載の欠陥検出分類方法によ
れば、ウェーハを所定の角度で傾斜させた状態における
ＳＥＭ像を得る工程と、所定の方法を用いて、ＳＥＭ像
における単層あるいは多層構造の各層の側面の像の認識
を行う工程と、ＳＥＭ像における複数のチップのパター
ンの各層の像の明るさを互いに比較することによって、
欠陥の検出および欠陥がパターンのいずれの層に存在す
るかを特定する分類を行う工程とを備えるので、欠陥を
検出すると共に、欠陥の存在する層を特定することがで
き、半導体装置の製造工程における歩留まりの向上およ
びプロセスの改善に寄与できる。

【０１０８】さらに、自動欠陥観察分類システムがＳＥ
Ｍ像における単層あるいは多層構造の各層の側面の像の
認識することによって、欠陥が層の上面に変化を及ぼし
ていない場合においても、ＳＥＭ像において欠陥の像が
現れていれば、自動欠陥観察分類システムによる欠陥の
自動検出分類が可能になる。

【０１０９】請求項１１に記載の欠陥検出分類方法によ
れば、請求項９または請求項１０に記載の欠陥検出分類
方法において、ＳＥＭ像における単層あるいは多層構造
の各層の側面の像を認識する工程における所定の方法
が、請求項１から請求項８のいずれかに記載のパターン
側面認識方法であるので、自動欠陥観察分類システムに
よる欠陥の自動検出分類において、ＳＥＭ像における単
層あるいは多層構造の各層の側面の像を認識する工程を
自動化でき、自動欠陥観察分類システムによる欠陥の自
動検出分類が可能になる。

【図面の簡単な説明】

【図１】実施の形態１に係るパターン側面認識方法を示
す図である。

【図２】実施の形態２に係るパターン側面認識方法を示
す図である。

【図３】実施の形態３に係るパターン側面認識方法を説
明するための図である。

【図４】実施の形態４に係るパターン側面認識方法を説
明するための図である。

【図５】実施の形態５に係るパターン側面認識方法を説
明するための図である。

【図６】実施の形態６に係るパターン側面認識方法を説
明するための図である。

【図７】実施の形態７に係る欠陥検出分類方法を説明す
るための図である。

【図８】実施の形態８に係る欠陥検出分類方法を説明す
るための図である。

【図９】実施の形態９に係るパターン側面認識方法を説
明するための図である。

【図１０】実施の形態１０係るパターン側面認識方法を
説明するための図である。

【符号の説明】

１ ＳＥＭの電子銃、２ ＳＥＭの電子ビーム、３ ウ
ェーハ、４ 二次電子、５ ＳＥＭの二次電子検出器、
１１，２１ パターン最上層上面の像、２２パターン最
上層側面の像、２３ パターン第２層側面の像、１４，
２４ ウェーハ表面の像、６０ 欠陥の異物の像。

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 2G001 AA03 BA07 CA03 FA01 FA06 GA13 KA03 LA11 MA06 2G051 AA51 AB02 BA20 DA08 4M106 AA01 BA02 CA39 DB05 DB21 5B057 AA03 BA01 DA03 DB02 DB05 DB09 DC09 DC22 DC33

Claims (11)

【特許請求の範囲】
1. 【請求項１】 表面に単層あるいは多層構造から成るパ
   ターンを有するウェーハのＳＥＭ像から、前記ＳＥＭ像
   における前記単層あるいは多層構造の各層の側面の像を
   認識するパターン側面認識方法であって、 前記ウェーハを所定の角度で傾斜させた状態におけるＳ
   ＥＭ像を得る工程と、 前記所定の角度と、前記単層あるいは多層構造の所定の
   層の側面の厚さまたは上面の幅により、前記ＳＥＭ像に
   現れるべき前記所定の層の側面または上面の像の幅を算
   出する工程と、 前記ＳＥＭ像において、前記算出された幅に相当する幅
   を有する像を検出することで、前記ＳＥＭ像における前
   記所定の層の側面または上面の像を検出する工程と、 前記検出された所定の層の側面または上面の像の位置に
   基づき、前記ＳＥＭ像における前記単層あるいは多層構
   造の各層の側面の像を認識する工程とを備える、ことを
   特徴とするパターン側面認識方法。
2. 【請求項２】 表面に単層あるいは多層構造から成るパ
   ターンを有するウェーハのＳＥＭ像から、前記ＳＥＭ像
   における前記単層あるいは多層構造の各層の側面の像を
   認識するパターン側面認識方法であって、 前記ウェーハを所定の角度で傾斜させた状態におけるＳ
   ＥＭ像を得る工程と、 前記所定の角度と、前記単層あるいは多層構造の所定の
   層の材質により、前記ＳＥＭ像に現れるべき前記所定の
   層の側面または上面の像の明るさを算出する工程と、 前記ＳＥＭ像において、前記算出された明るさに相当す
   る明るさを有する像を検出することで、前記ＳＥＭ像に
   おける前記所定の層の側面または上面の像を検出する工
   程と、 前記検出された所定の層の側面または上面の像の位置に
   基づき、前記ＳＥＭ像における前記単層あるいは多層構
   造の各層の側面の像を認識する工程とを備える、ことを
   特徴とするパターン側面認識方法。
3. 【請求項３】 表面に単層あるいは多層構造から成るパ
   ターンを有するウェーハのＳＥＭ像から、前記ＳＥＭ像
   における前記単層あるいは多層構造の各層の側面の像を
   認識するパターン側面認識方法であって、 前記ウェーハを所定の角度で傾斜させた状態におけるＳ
   ＥＭ像を得る工程と、 前記パターンのＣＡＤデータを前記所定の角度に基づい
   て変形する工程と、 前記ＳＥＭ像と前記変形後のＣＡＤデータとを重ね合わ
   せることで、前記ＳＥＭ像における前記パターンの上面
   の像を検出する工程と、 前記検出されたパターンの上面の像の位置に基づき、前
   記ＳＥＭ像における前記単層あるいは多層構造の各層の
   側面の像を認識する工程とを備える、ことを特徴とする
   パターン側面認識方法。
4. 【請求項４】 表面に単層あるいは多層構造から成るパ
   ターンを有するウェーハのＳＥＭ像から、前記ＳＥＭ像
   における前記単層あるいは多層構造の各層の側面の像を
   認識するパターン側面認識方法であって、 前記ウェーハを所定の角度で傾斜させた状態における第
   １のＳＥＭ像を得る工程と、 前記ウェーハを傾斜させない状態における第２のＳＥＭ
   像を得る工程と、 前記第２のＳＥＭ像を前記所定の角度に基づいて変形す
   る工程と、 前記第１のＳＥＭ像と前記変形した第２のＳＥＭ像とを
   重ね合わせることで、前記第１のＳＥＭ像における前記
   パターンの上面の像を検出する工程と、 前記検出されたパターンの上面の像の位置に基づき、前
   記第１のＳＥＭ像における前記単層あるいは多層構造の
   各層の側面の像を認識する工程とを備える、ことを特徴
   とするパターン側面認識方法。
5. 【請求項５】 表面に単層あるいは多層構造から成るパ
   ターンを有するウェーハのＳＥＭ像から、前記ＳＥＭ像
   における前記単層あるいは多層構造の各層の側面の像を
   認識するパターン側面認識方法であって、 前記ウェーハを第１の角度で傾斜させた状態における第
   １のＳＥＭ像を得る工程と、 前記ウェーハを第２の角度で傾斜させた状態における第
   ２のＳＥＭ像を得る工程と、 前記第１のＳＥＭ像と前記第２のＳＥＭ像とを比較し、
   それぞれの像における明るさの増減によって、前記第１
   のＳＥＭ像および前記第２のＳＥＭ像における前記パタ
   ーンの上面の像および側面の像を検出する工程と、 前記検出されたパターンの上面および側面の像の位置に
   基づき、前記第１のＳＥＭ像および前記第２のＳＥＭ像
   における前記単層あるいは多層構造の各層の側面の像を
   認識する工程とを備える、ことを特徴とするパターン側
   面認識方法。
6. 【請求項６】 表面に単層あるいは多層構造から成るパ
   ターンを有するウェーハのＳＥＭ像から、前記ＳＥＭ像
   における前記単層あるいは多層構造の各層の側面の像を
   認識するパターン側面認識方法であって、 前記ウェーハを第１の角度で傾斜させた状態における第
   １のＳＥＭ像を得る工程と、 前記ウェーハを第２の角度で傾斜させた状態における第
   ２のＳＥＭ像を得る工程と、 前記第１のＳＥＭ像と前記第２のＳＥＭ像とを比較し、
   それぞれの像における長さおよび面積の増減によって、
   前記第１のＳＥＭ像および前記第２のＳＥＭ像における
   前記パターンの上面の像および側面の像を検出する工程
   と、 前記検出されたパターンの上面および側面の像の位置に
   基づき、前記ＳＥＭ像における前記単層あるいは多層構
   造の各層の側面の像を認識する工程とを備える、ことを
   特徴とするパターン側面認識方法。
7. 【請求項７】 請求項１から請求項６のいずれかに記載
   のパターン側面認識方法であって、さらに、 前記ＳＥＭ像において、前記ウェーハおよび前記単層あ
   るいは多層構造の各層の側面の像の明るさの違いが検出
   できなかった場合に、ＳＥＭの電子ビームの加速電圧を
   変更して再度ＳＥＭ像を得る工程を備える、ことを特徴
   とするパターン側面認識方法。
8. 【請求項８】 請求項１から請求項６のいずれかに記載
   のパターン側面認識方法であって、さらに、 前記ＳＥＭ像において、前記ウェーハおよび前記単層あ
   るいは多層構造の各層の側面の像の明るさの違いが検出
   できなかった場合に、前記ウェーハの傾斜角度を変更し
   て再度ＳＥＭ像を得る工程を備える、ことを特徴とする
   パターン側面認識方法。
9. 【請求項９】 ウェーハ上の単層あるいは多層構造から
   成るパターンにおける欠陥の検出および前記欠陥が前記
   パターンのいずれの層に存在するかを特定する分類を行
   う欠陥検出分類方法であって、 前記ウェーハを所定の角度で傾斜させた状態におけるＳ
   ＥＭ像を得る工程と、 所定の方法を用いて、前記ＳＥＭ像における前記単層あ
   るいは多層構造の各層の側面の像を認識する工程と、 前記認識された前記単層あるいは多層構造の各層の側面
   の像の少なくとも上側輪郭線を認識する工程と、 前記単層あるいは多層構造の各層の側面の像における前
   記上側輪郭線の変形を検出することによって、前記欠陥
   の検出および前記欠陥が前記パターンのいずれの層に存
   在するかを特定する分類を行う工程とを備える、ことを
   特徴とする欠陥検出分類方法。
10. 【請求項１０】 複数のチップを有するウェーハの任意
    のチップ上の単層あるいは多層構造から成るパターンに
    おける欠陥の検出および前記欠陥が前記パターンのいず
    れの層に存在するかを特定する分類を行う欠陥検出分類
    方法であって、 前記ウェーハを所定の角度で傾斜させた状態におけるＳ
    ＥＭ像を得る工程と、 所定の方法を用いて、前記ＳＥＭ像における前記単層あ
    るいは多層構造の各層の側面の像の認識を行う工程と、 前記ＳＥＭ像における前記複数のチップの前記パターン
    の各層の像の明るさを互いに比較することによって、前
    記欠陥の検出および前記欠陥が前記パターンのいずれの
    層に存在するかを特定する分類を行う工程とを備える、
    ことを特徴とする欠陥検出分類方法。
11. 【請求項１１】 請求項９または請求項１０に記載の欠
    陥検出分類方法であって、 前記ＳＥＭ像における前記単層あるいは多層構造の各層
    の側面の像を認識する工程における前記所定の方法が、
    請求項１から請求項８のいずれかに記載のパターン側面
    認識方法である、ことを特徴とする欠陥検出分類方法。