JP2010243283A - Defect inspection method and defect inspection device - Google Patents
Defect inspection method and defect inspection device Download PDFInfo
- Publication number
- JP2010243283A JP2010243283A JP2009091053A JP2009091053A JP2010243283A JP 2010243283 A JP2010243283 A JP 2010243283A JP 2009091053 A JP2009091053 A JP 2009091053A JP 2009091053 A JP2009091053 A JP 2009091053A JP 2010243283 A JP2010243283 A JP 2010243283A
- Authority
- JP
- Japan
- Prior art keywords
- inspection
- defect
- pattern
- image
- detection
- 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
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
Description
本発明は,表面にパターンが形成された検査対象上の欠陥を,光または電子線を用いて得られた画像情報に基づいて検出する検査技術に関り,特に半導体ウエハ,ホトマスク等のパターン付基板を検査対象とした微細欠陥検出の検査技術に関するものである。 The present invention relates to an inspection technique for detecting a defect on an inspection target having a pattern formed on a surface based on image information obtained by using light or an electron beam, and more particularly, to a pattern with a pattern such as a semiconductor wafer or a photomask. The present invention relates to an inspection technique for detecting fine defects on a substrate.
パターン付基板の欠陥検査においては,欠陥の検出信号をパターンの検出信号(パターン雑音)と如何に区別して検出できるかが欠陥検出感度を大きく左右する。特に半導体ウエハの検査においては,パターン微細化の進展に伴い,より微細な欠陥の検出が求められており,微細欠陥からの微弱な検出信号を,パターン雑音と区別して取り出すことが検査技術上の大きな課題となっている。 In the defect inspection of a substrate with a pattern, the defect detection sensitivity greatly depends on how the defect detection signal can be distinguished from the pattern detection signal (pattern noise). Particularly in the inspection of semiconductor wafers, with the progress of pattern miniaturization, detection of finer defects is required, and it is necessary for inspection technology to extract weak detection signals from fine defects separately from pattern noise. It has become a big issue.
ここで,図2〜3により,検査対象であるパターン付基板について,半導体ウエハを例にとって説明する。図2は検査対象である半導体ウエハと半導体チップの説明図である。図2(1)は半導体ウエハであり,半導体ウエハ200に複数の半導体チップ201が形成されている。
Here, with reference to FIGS. 2 to 3, a patterned substrate to be inspected will be described by taking a semiconductor wafer as an example. FIG. 2 is an explanatory view of a semiconductor wafer and a semiconductor chip to be inspected. FIG. 2A is a semiconductor wafer, and a plurality of
図2(2)はロジック製品を例にした半導体チップ201内の構成であり,複数のロジック機能(Logic1および2)のブロック211および212とメモリ機能(SRAM)のブロック213からなる。各ブロックは,求められる機能に応じて,それぞれ異なる回路パターンにより構成されており,ウエハ検査時のパターン雑音もそれぞれのブロックで異なる。
FIG. 2 (2) shows a configuration in the
図3は,半導体デバイスの縦構造の説明図であり,半導体デバイスの縦構造を30〜35および301〜351にて,および検出対象である欠陥について361〜364にて説明する。 FIG. 3 is an explanatory diagram of the vertical structure of the semiconductor device. The vertical structure of the semiconductor device will be described with reference to 30 to 35 and 301 to 351, and the defect to be detected will be described with reference to 361 to 364.
30は素子分離層であり,シリコン(Si)基板301に溝を掘った後,絶縁物である酸化シリコン(SiO2)で埋めて,ウエハ上に形成されるトランジスタ素子を分離する構造(302)である。31はゲートおよびコンタクト層であり,311はポリシリコン(poly-Si)から成るゲート電極部である。この部分はトランジスタ性能に大きな影響を与える部分であり,検査においても重視される。
An
312はコンタクト部であり,絶縁膜(酸化シリコン:SiO2)にエッチングにより開けられたホールに金属(タングステン:Wなど)を埋め込んで,トランジスタ部と上層の配線層を接続する部分である。32〜35は配線層であり,これら複数の配線層により回路が形成される。各層は絶縁膜(酸化シリコン:SiO2)で埋められている。
32は第1の配線部であり,第1の配線部321は平面方向への配線を行う,また第1のビア部322は絶縁膜(酸化シリコン:SiO2)にエッチングにより開けられたホールに金属を埋め込んで,上層の配線層を接続する部分である。同様に33は第2の配線層であり,331は第2の配線部,332は第2のビア部,34は第3の配線層であり,341は第3の配線部,342は第3のビア部,35は第4の配線層であり,351は第5の配線部である。
32 is a first wiring portion, the
各配線層において配線部の材料はアルミニウム(Al)または銅(Cu)などの金属から成る。ビア部に埋め込まれた金属はタングステン(W)または銅(Cu)などから成る。また,検出対象である欠陥に関しては,スクラッチ361,パターン欠陥であるショート362および断線363,異物364等がある。
In each wiring layer, the material of the wiring part is made of a metal such as aluminum (Al) or copper (Cu). The metal embedded in the via portion is made of tungsten (W) or copper (Cu). Further, the defect to be detected includes a
図4は,図3で示した半導体デバイスの各層の工程,材料および代表欠陥の説明図である。詳細は省略するが,各層を形成する材料の成膜工程,リソグラフィ工程によるレジストパターン形成,形成されたレジストパターンに倣うように成膜された材料を加工するエッチング工程,平坦化のためのCMP(Chemical Mechanical Polishing:化学機械研磨)工程などにより半導体デバイスの各層は形成される。 FIG. 4 is an explanatory diagram of processes, materials, and representative defects of each layer of the semiconductor device shown in FIG. Although details are omitted, the film formation process of the material that forms each layer, the formation of a resist pattern by a lithography process, the etching process that processes the formed film to follow the formed resist pattern, and the CMP ( Each layer of the semiconductor device is formed by a chemical mechanical polishing (chemical mechanical polishing) process or the like.
各層および各工程において使われる材料は様々であり,また検出対象となる欠陥も,成膜工程では異物,パターン形成のリソグラフィ工程およびエッチング工程では異物およびパターン欠陥,研磨を行うCMP工程では異物およびスクラッチなど様々である。 The materials used in each layer and each process vary, and the defects to be detected are foreign matter in the film formation process, foreign matter and pattern defects in the lithography and etching processes for pattern formation, and foreign matter and scratches in the CMP process for polishing. And so on.
図2〜4で説明した様に,半導体ウエハの検査においては,パターンの形状・材質,および検出対象である欠陥の形状・材質は多種多様であるため,これらに対応するための各種検査装置が存在する。また,それぞれの検査装置においては,欠陥検出感度を最適にするように,複数の検出条件パラメータを設定できるように構成されている。それらの具体例に関して,図5〜7により説明する。 As described with reference to FIGS. 2 to 4, in the inspection of semiconductor wafers, there are a wide variety of pattern shapes and materials, and the shapes and materials of defects to be detected. Exists. Each inspection apparatus is configured so that a plurality of detection condition parameters can be set so as to optimize the defect detection sensitivity. Specific examples thereof will be described with reference to FIGS.
図5は暗視野光学方式の検査装置の説明図である。510は照明光学系であり,光源511から射出した光が,集光レンズ512を通して形成された照明光ビーム5110により基板500を照明する。光源511には指向性の良いレーザ光源を用いることが一般的である。
FIG. 5 is an explanatory diagram of a dark field optical inspection apparatus. 510 is an illumination optical system, and light emitted from the
照明光学系510では波長板513により照明光の偏光が制御され,また調光フィルタ514により照明光の光量が制御される。520は検出光学系であり,対物レンズは521は,基板上に存在する欠陥およびパターンからの反射散乱光を検出する。暗視野光学方式では基板からの正反射光5111は対物レンズに入射しないように構成されている。
In the illumination
525は結像レンズであり,センサ531上に基板の像を結像するものである。検出光学系520において522は偏光板であり,検出光の偏光を制御する。523は開口絞りであり,検出光学系の開口5230(開口数:NA=sinθ)を制御して,反射散乱光の検出立体角を制御する。また524は空間フィルタであり,基板上に規則的に形成されたパターンから生じる規則的な回折光を遮光することで検出時のパターン雑音を低減して,欠陥検出感度を向上させるものである。
An
センサ531は光電変換により,検出された光学像を電気信号に変換するものであり,画像処理ユニット532により電気信号を画像データに変換,この画像データを画像処理することにより欠陥検出を実施する。550は全体制御ユニットであり,照明光学系,検出光学系,および画像処理ユニット,およびステージ540を制御する。ステージ540は基板500を載置し,x-y方向に移動することにより基板全面の検査を行うものである。
The
図6は明視野光学方式の検査装置の説明図である。610は照明光学系であり,光源611から射出した光はコンデンサレンズ612を通過した後,検出光学系のハーフミラー621で折り返されて対物レンズ622を通して基板600を照明する。明視野光学方式では光源611には,広帯域な波長範囲を持つランプを用いることが一般的である。
FIG. 6 is an explanatory view of a bright-field optical inspection apparatus.
照明光学系610では照明側開口絞り613により照明光の開口613が制御され,また偏光フィルタ614で照明光の偏光が制御され,波長フィルタ615により照明光の波長範囲が制御される。620は検出光学系であり,対物レンズ622は,基板および基板上に存在する欠陥およびパターンからの反射光を検出する。
In the illumination
625は結像レンズでありセンサ631上に基板の像を結像するものである。検出光学系620において623は開口絞りであり,検出光学系の開口6230(開口数:NA=sinθ)を制御して,検出立体角を制御する。624は偏光板であり,検出光の偏光を制御する。
An
センサ631は光電変換により,検出された基板の光学像を電気信号に変換するものであり,画像処理ユニット632により電気信号を画像データに変換,この画像データを画像処理することにより欠陥検出を実施する。650は全体制御ユニットであり,照明光学系,検出光学系,および画像処理ユニット,およびステージ640を制御する。ステージ640は基板600を載置し,x-y方向に移動することにより基板全面の検査を行うものである。
The
図7は電子線式の検査装置の説明図である。710は電子光学系鏡筒であり,電子銃711から放射された電子線はコンデンサレンズ712と対物レンズ714によりビームスポットが形成され基板700に照射される。ビーム条件としては,電子銃711により加速電圧(電子ビームのエネルギー)が,コンデンサレンズ712によりビーム電流が,対物レンズ714によりスポットサイズが,それぞれ検出条件のパラメータとして制御される。
FIG. 7 is an explanatory diagram of an electron beam type inspection apparatus.
また偏向器713によりビームスポットが基板700を走査する様にビームの偏向制御がなされる。基板から発生する2次電子7111を検出するセンサ715は光電変換により,2次電子強度を電気信号に変換するものであり,画像処理ユニット730により電気信号を画像データに変換,この画像データを画像処理することにより欠陥検出を実施する。750は全体制御ユニットであり,電子銃,コンデンサレンズ,対物レンズおよび画像処理ユニット,およびステージ740を制御する。ステージ740は基板700が載置され,x-y方向に移動することにより基板全面の検査を行うものである。
Further, the deflection of the beam is controlled by the
以上,図5〜7で説明したように,検査対象である半導体ウエハの各層のパターン,および検出対象である欠陥種が多様であることに対応するため,各種の検査装置が存在し,また各検査装置の検出条件の制御パラメータも多様なものとなっている。但し,一つの検査対象に対する検出条件は,欠陥検出感度を最適にする1つのものとして設定する必要がある。 As described above with reference to FIGS. 5 to 7, various inspection apparatuses exist in order to cope with various patterns of layers of the semiconductor wafer to be inspected and defect types to be detected. There are various control parameters for the detection conditions of the inspection apparatus. However, the detection condition for one inspection object needs to be set as one that optimizes the defect detection sensitivity.
検査装置で設定可能な複数の検出条件から,最適な1条件を選択して検査レシピに設定する作業(条件出し作業)は試行錯誤の部分を含むために作業量も多く熟練を必要とする上,条件出し作業で装置が占有されると装置稼働率が低下するという課題があり,これを解決する技術が求められている。 The task of selecting the optimal condition from the multiple detection conditions that can be set by the inspection device and setting it in the inspection recipe (conditioning operation) involves trial and error and requires a lot of work and skill. Therefore, there is a problem that when the apparatus is occupied in the condition setting operation, the apparatus operation rate is lowered, and a technique for solving this problem is demanded.
その一手段として,計算により条件出しを行う技術が開示されている。これら技術によれば,実装置を占有しないオフライン作業での条件出しにより,装置の稼働率を向上できると共に,条件出しを理論的に行えるため,検査条件最適化の指針を出しやすいという利点を得ることが出来る。
たとえば特許文献1には,半導体ウエハを光学的に検査する装置において,膜厚情報と設計情報(レイアウト情報)とに基づき,検査対象の表面の反射率を決定して,検査レシピを作成する技術が開示されている。
As one of the means, a technique for determining conditions by calculation is disclosed. According to these technologies, it is possible to improve the operation rate of the equipment by setting the conditions in offline work that does not occupy the actual equipment, and to obtain the advantages that the conditions can be theoretically calculated, so that it is easy to provide guidelines for optimizing the inspection conditions. I can do it.
For example,
また,特許文献2および特許文献3には,半導体ウエハの検査・計測において,検査対象の設計情報から,検査装置の感度パラメータをシミュレーションで算出して,検査レシピを作成する技術が開示されている。
また,特許文献4には, パターンが形成された半導体ウエハを光学的に検査する際に,周期的パターンからの雑音強度をシミュレーションにより決定し,検出立体角および部分遮光フィルタの条件設定を行う技術が開示されている。
Further,
また,特許文献5には,光散乱検査システム(暗視野式光学検査装置)において,検査対象から発生する散乱光をシミュレーションにより求め,これに応じて信号対雑音比を高くするように,検査システムの構成を決定する技術が開示されている。 Further, in Patent Document 5, in a light scattering inspection system (dark field optical inspection apparatus), scattered light generated from an inspection object is obtained by simulation, and the signal-to-noise ratio is increased accordingly. A technique for determining the configuration of is disclosed.
しかしながら,上記特許文献1においては,設計情報から検査対象の反射率を決定する具体的な計算方法は開示されていない。
However, the
上記特許文献2においては,検査装置の感度パラメータをシミュレーションで算出する手段として,マクスウェル方程式に基づいて有限要素法による光学シミュレーションを行うことが開示されているが,前記方式では,現在の計算技術でも,実用的に計算可能な対象の大きさはマイクロメートルオーダーに限定され,検査対象の検査領域全体にわたる感度シミュレーションを行うことは困難である。
上記特許文献3においては,設計データから感度シミュレーションにより測定感度を決定する具体的な計算方法は開示されていない。
In the above-mentioned
In
上記特許文献4においては,シミュレーションの対象が周期的パターンに限られており,一般的なパターンに対する計算方法は開示されていない。
In the above-mentioned
上記特許文献5においては,パターンが形成されていない基板を検査対象としており,パターンが形成された基板に対応した技術については開示されていない。 In the above-mentioned Patent Document 5, a substrate on which a pattern is not formed is an inspection target, and a technique corresponding to the substrate on which a pattern is formed is not disclosed.
本発明は、上記課題を解決して,表面にパターンが形成された検査対象上の欠陥の検査において,計算に基づいた検査条件出しを実施する目的を達成するために次のような構成をとる。 The present invention has the following configuration in order to solve the above-described problems and achieve the object of carrying out the calculation of the inspection conditions based on the calculation in the inspection of the defect on the inspection object having the pattern formed on the surface. .
(1)表面にパターンが形成された検査対象の欠陥検査方法において,前記検査対象に形成されるパターン設計データから一つの以上の基本パターンを抽出し,前記基本パターンの検出出力を物理シミュレーションにより計算し,前記基本パターンの検出出力を統合することによって前記パターン設計データに対応するパターン推定画像を作成し、前記パターン推定画像を基にして検査条件を定め、前記検査条件を検査装置に設定することを特徴とする欠陥検査方法。 (1) In a defect inspection method for an inspection object having a pattern formed on the surface, one or more basic patterns are extracted from pattern design data formed on the inspection object, and a detection output of the basic pattern is calculated by physical simulation Then, a pattern estimation image corresponding to the pattern design data is created by integrating the detection output of the basic pattern, an inspection condition is defined based on the pattern estimation image, and the inspection condition is set in the inspection apparatus. Defect inspection method characterized by
(2)検査対象の欠陥をモデル化して,物理シミュレーションにより欠陥推定画像を作成し,前記欠陥推定画像および前記パターン推定画像を合成した合成画像を基にして欠陥検出感度を算出し,前記欠陥検出感度を基に検査条件を定めることを特徴とする(1)に記載の欠陥検査方法。 (2) Modeling a defect to be inspected, creating a defect estimation image by physical simulation, calculating defect detection sensitivity based on a synthesized image obtained by synthesizing the defect estimation image and the pattern estimation image, and detecting the defect The defect inspection method according to (1), wherein an inspection condition is determined based on sensitivity.
(3)前記パターン推定画像と,前記合成画像との両者を基にして欠陥検出感度を算出し,該欠陥検出感度を基に検査条件を定めることを特徴とする(2)に記載の欠陥検査方法。 (3) Defect inspection according to (2), wherein defect detection sensitivity is calculated based on both the pattern estimation image and the composite image, and inspection conditions are determined based on the defect detection sensitivity. Method.
(4)前記パターン推定画像,前記欠陥推定画像,および前記合成画像は,検査装置で設定可能な複数の検出条件の各々に対応した複数の画像として計算し、前記複数の画像を勘案して最も検出感度が高い検査条件を基に検査条件を定めることを特徴とする,(2)または(3)に記載の欠陥検査方法。 (4) The pattern estimation image, the defect estimation image, and the composite image are calculated as a plurality of images corresponding to each of a plurality of detection conditions that can be set by an inspection apparatus, and are most considered in consideration of the plurality of images. The defect inspection method according to (2) or (3), wherein the inspection condition is determined based on an inspection condition having a high detection sensitivity.
(5)前記パターン推定画像,前記欠陥推定画像,および前記合成画像は,検出信号のバラツキを考慮に入れて計算されたものであることを特徴とする,(2)〜(4)の何れかに記載の欠陥検査方法。 (5) Any one of (2) to (4), wherein the pattern estimation image, the defect estimation image, and the composite image are calculated in consideration of variations in detection signals. The defect inspection method described in 1.
(6)前記ばらつきは、検査対象のパターンのエッジラフネス,コーナーラウンディング,パターン高さ,膜厚等検査対象自体のバラツキであることを特徴とする(5)に記載の欠陥検査方法。 (6) The defect inspection method according to (5), wherein the variation is a variation in the inspection object itself, such as edge roughness, corner rounding, pattern height, and film thickness of the inspection object pattern.
(7)前記ばらつきは検査装置の検出光学系の収差のバラツキに起因するものであることを特徴とする(5)に記載の欠陥検査方法。 (7) The defect inspection method according to (5), wherein the variation is caused by variation in aberration of a detection optical system of the inspection apparatus.
(8)前記ばらつきは、検査装置における画像サンプリングのバラツキに起因するものであることを特徴とする(5)に記載の欠陥検査方法。 (8) The defect inspection method according to (5), wherein the variation is caused by variations in image sampling in the inspection apparatus.
(9)複数の検査領域の各々に対応して計算された複数の画像を基に,各検査領域における欠陥検出感度を算出し,これと別途計算された歩留まり予測計算結果とを比較することで,検査条件を定めることを特徴とする(1)〜(5)の何れかに記載の欠陥検査方法。 (9) Based on a plurality of images calculated corresponding to each of the plurality of inspection areas, the defect detection sensitivity in each inspection area is calculated, and this is compared with the separately calculated yield prediction calculation result. The defect inspection method according to any one of (1) to (5), wherein an inspection condition is defined.
(10)検査方法が暗視野式光学検出方式であることを特徴とする(1)〜(5)または9に記載の欠陥検査方法。 (10) The defect inspection method according to (1) to (5) or 9, wherein the inspection method is a dark-field optical detection method.
(11)検査方法が明視野式光学検出方式であることを特徴とする(1)〜(5)または(9)の何れかに記載の欠陥検査方法。 (11) The defect inspection method according to any one of (1) to (5) or (9), wherein the inspection method is a bright-field optical detection method.
(12)検査方法が電子線検出方式であることを特徴とする(1)〜(5)または(9)の何れかに記載の欠陥検査方法。 (12) The defect inspection method according to any one of (1) to (5) or (9), wherein the inspection method is an electron beam detection method.
(13)表面にパターンが形成された検査対象の欠陥検査装置において,検査対象に形成されるパターン設計データを保持する手段と,前記パターン設計データから一つ以上の基本パターンを抽出する手段と,前記抽出した各々の基本パターンからの検出出力を物理シミュレーションにより計算する手段と,前記パターン設計データに対応して,前記基本パターンの計算結果を統合することにより,検査対象の検査領域から得られるパターン推定画像を作成する手段と,前記パターン推定画像を基にして検査条件を定める手段とを有し,前記定められた検査条件を,装置パラメータとして設定可能な様に構成されたことを特徴とする欠陥検査装置。 (13) In a defect inspection apparatus to be inspected with a pattern formed on the surface, means for holding pattern design data formed on the inspection object, means for extracting one or more basic patterns from the pattern design data, A pattern obtained from the inspection region to be inspected by integrating the means for calculating the detection output from each of the extracted basic patterns by physical simulation and the calculation result of the basic pattern corresponding to the pattern design data. And a means for creating an estimated image and a means for determining an inspection condition based on the pattern estimated image, wherein the determined inspection condition is configured to be set as an apparatus parameter. Defect inspection equipment.
(14)前記検査対象の欠陥をモデル化して,物理シミュレーションにより欠陥推定画像を作成する手段と,前記欠陥推定画像および前記パターン推定画像との両者を合成した合成画像を作成する手段と,前記合成画像を基にして欠陥検出感度を算出する手段と,前記算出された前記欠陥検出感度を基に検査条件を定める手段とを有し,前記定められた前記検査条件を,装置パラメータとして設定可能な様に構成されたことを特徴とする(13)に記載の欠陥検査装置。 (14) Modeling the defect to be inspected, creating a defect estimation image by physical simulation, means for creating a synthesized image obtained by synthesizing both the defect estimation image and the pattern estimation image, and the synthesis Means for calculating defect detection sensitivity based on an image; and means for determining an inspection condition based on the calculated defect detection sensitivity, wherein the determined inspection condition can be set as an apparatus parameter. (13) The defect inspection apparatus according to (13).
(15)前記検査対象のパターン推定画像と前記欠陥推定画像を合成した合成画像を作成する手段を有し,前記パターン推定画像と前記合成画像の両者を基にして欠陥検出感度を算出し,前記算出された欠陥検出感度を基に検査条件を定める手段とを有し,前記定められた前記検査条件を,装置パラメータとして設定可能な様に構成されたことを特徴とする(13)に記載の欠陥検査装置。 (15) Comprising means for creating a synthesized image obtained by synthesizing the pattern estimation image to be inspected and the defect estimation image, calculating defect detection sensitivity based on both the pattern estimation image and the synthesized image, Means for determining an inspection condition based on the calculated defect detection sensitivity, and is configured such that the determined inspection condition can be set as an apparatus parameter. Defect inspection equipment.
(16)複数の検査領域の各々に対応して計算された複数の画像を基に,各検査領域における欠陥検出感度を算出する手段と,別途計算された歩留まり予測計算結果とを比較することで,検査条件を定める手段を有することを特徴とする(13)〜(15)の何れかに記載の欠陥検査装置。 (16) Based on a plurality of images calculated corresponding to each of the plurality of inspection regions, a means for calculating the defect detection sensitivity in each inspection region is compared with a separately calculated yield prediction calculation result. The defect inspection apparatus according to any one of (13) to (15), further comprising means for determining an inspection condition.
(17)検査手段が暗視野光学検出方式であることを特徴とする(13)〜(16)の何れかに記載の欠陥検査装置。 (17) The defect inspection apparatus according to any one of (13) to (16), wherein the inspection means is a dark field optical detection method.
(18)検査手段が明視野光学検出方式であることを特徴とする(13)〜(16)の何れかに記載の欠陥検査装置。 (18) The defect inspection apparatus according to any one of (13) to (16), wherein the inspection means is a bright field optical detection system.
(19)検査手段が電子線検出方式であることを特徴とする(13)〜(16)の何れかに記載の欠陥検査装置。 (19) The defect inspection apparatus according to any one of (13) to (16), wherein the inspection means is an electron beam detection system.
本発明によれば,上記に述べた構成とすることにより,実装置を占有しないオフライン作業での条件出しにより,装置の稼働率を向上できると共に,条件出しを理論的に行えるため,検査条件最適化の指針を出しやすいという利点を得ることが出来る。 According to the present invention, the above-described configuration can improve the operation rate of the apparatus by setting the conditions in the offline work that does not occupy the actual apparatus, and the condition can be theoretically calculated. It is possible to obtain an advantage that it is easy to give a guideline for conversion.
以下に本発明の内容を、実施例を用いて詳細に説明する。 Hereinafter, the contents of the present invention will be described in detail using examples.
本発明の実施の形態を、本発明の基本構成の説明図である図1に基づいて説明する。100は検査条件計算部であり,物理シミュレーションに基づく検出画像生成,および検査条件の設定を行う部分である。111〜115は物理シミュレーションによる検出画像生成の元となるデータである。
An embodiment of the present invention will be described with reference to FIG. 1, which is an explanatory diagram of a basic configuration of the present invention. An inspection
111はパターン設計データ(GDSIIなどのパターンレイアウトデータ)であり,回路パターンの平面的な形状情報である。112はプロセス条件データであり,半導体デバイスの各層(図3にて説明)の膜厚等の縦構造の情報,および使用される材料のデータである。
また,113は材料定数データである。光学式検査に対しては屈折率(n)および吸収係数(k)であり,電子線式検査に対しては質量,および仕事関数などである。これらのデータは前記のプロセス条件データ112,および次に説明する欠陥データ114に含まれる材料と関連付けられる。欠陥データ114は検出対象となる欠陥のサイズ,形状,材料をモデル化したものである。
パターン設計データ111は非常に大規模な情報であるため,これをそのまま物理シミュレーションによる検出出力計算に用いることは困難である。このため基本パターンへの分解121を行って,物理シミュレーションを実行可能な大きさで,かつパターン設計データの全体を表現できる複数の要素である基本パターン情報を抽出する。装置パラメータデータ115は,図5〜7にて説明した各種検査装置において制御可能な検出条件パラメータの情報であり,照明光学系の条件パラメータと,検出光学系の条件パラメータの両方を含むものである。
Since the
基本パターン検出出力シミュレーション122では,121で分解された基本パターンの情報(平面形状情報)と,プロセス条件データ112から得られるパターンの縦構造および材料の情報,材料定数データ113,さらに装置パラメータデータ115を元に,基本パターン検出出力計算データ122Aを算出する。
In the basic pattern
また,欠陥検出出力シミュレーション123では,欠陥データ114と,材料定数データ113,および装置パラメータデータ115のうち照明光学系の条件パラメータを元に,欠陥検出出力計算データ123Aを算出する。
In the defect
統合処理(推定画像作成)124では,パターン設計データ111に,対応する基本パターンからの検出出力計算データ122Aを統合して,検査対象の検査領域の推定画像を作成する。このときに装置パラメータデータ115からの検出光学系の条件パラメータを選択して検出条件を反映させる。また欠陥検出出力計算データ123Aに対しても上記で選択された検出条件を反映させて欠陥画像を作成し,124で作成した推定画像と合成して,欠陥が存在する検査領域の画像(合成画像)を作成する。
In the integration process (estimated image creation) 124, the
検査条件設定126では,上記124で作成した検査領域の推定画像により,または上記125で作成した検査領域の推定画像と欠陥画像の両者を合成した合成画像により,あるいは推定画像と合成画像の両者により画像処理条件の設定を行う。 In the inspection condition setting 126, the estimated image of the inspection area created in 124 above, the synthesized image obtained by synthesizing both the estimated image of the inspection area and the defect image created in 125 above, or both the estimated image and the synthesized image Set image processing conditions.
推定画像を単独で用いる場合は,画像処理条件設定としてしきい値処理による欠陥検出の設定が可能である。すなわち、この場合は、推定画像のみによって欠陥検出のためのしきい値を設定する。 When the estimated image is used alone, defect detection by threshold processing can be set as the image processing condition setting. That is, in this case, a threshold value for defect detection is set only by the estimated image.
合成画像を単独で用いる場合はしきい値処理による欠陥検出の設定と,それに基づく欠陥検出感度の推定が可能である。すなわち、この場合は、推定画像と欠陥画像の両者を評価しながら欠陥検出のしきい値を設定し、そのしきい値に対応する欠陥検出の感度を評価することが出来る。 When the composite image is used alone, it is possible to set the defect detection by threshold processing and estimate the defect detection sensitivity based on it. That is, in this case, a defect detection threshold value can be set while evaluating both the estimated image and the defect image, and the defect detection sensitivity corresponding to the threshold value can be evaluated.
推定画像と合成画像の両者による画像処理条件設定では画像比較による欠陥検出の画像処理条件の設定と,それに基づく欠陥検出感度の推定が可能となる。すなわち、この場合は、合成画像から推定画像を差し引くことによって欠陥画像のみを取り出し、これをもとに欠陥検出のしきい値を設定し、各しきい値の場合における欠陥検出の感度を評価することが出来る。 In the image processing condition setting by both the estimated image and the composite image, it is possible to set the image processing condition for defect detection by image comparison and estimate the defect detection sensitivity based on the setting. That is, in this case, only the defect image is extracted by subtracting the estimated image from the composite image, and a defect detection threshold value is set based on this, and the sensitivity of defect detection is evaluated for each threshold value. I can do it.
これにより,一つの検査対象に対し,装置パラメータデータ115から選択された,一つの検出条件に対する画像処理条件が設定されるので,これらを検査装置に設定し,検査対象の検査を実施する。
As a result, the image processing conditions for one detection condition selected from the
上記は検査装置の一つの検出条件に対する,計算による推定画像・合成画像の作成方法と画像処理条件の設定について説明したが,検査装置が取りうる複数の検出条件(照明光学系パラメータおよび検出光学系パラメータ)に対する複数の推定画像・合成画像を計算によって求めた後,それぞれに対して画像処理条件の設定を行って,最も感度の高くなる検出条件を選択して,検査装置に設定し,検査対象の検査を実施することも可能である。 The above describes the method of creating an estimated image / composite image by calculation and setting the image processing conditions for one detection condition of the inspection apparatus. However, a plurality of detection conditions (illumination optical system parameters and detection optical system) that the inspection apparatus can take are described. After calculating multiple estimated images and composite images for each parameter, set the image processing conditions for each, select the detection conditions with the highest sensitivity, set them in the inspection device, and set the inspection target. It is also possible to carry out the inspection.
図8は,暗視野式光学検出方式を対象とした場合を例にした,本発明における計算(シミュレーション)方法の説明図である。111は検査対象の検査領域に存在する,パターン設計データ(模式図)であり,回路パターンの平面的な形状情報である。
FIG. 8 is an explanatory diagram of a calculation (simulation) method according to the present invention, taking as an example a case where the dark field optical detection method is used.
112はプロセス条件データであり,パターンの縦構造の情報,および使用される材料のデータである。また,113は材料定数データであり,光学式検査に対しては屈折率(n)および吸収係数(k)である。パターン設計データ111は基本パターン分解121により,物理シミュレーションを実行可能な大きさで,かつパターン設計データの全体を表現できる形状要素である基本パターン811に分解される。
112 is process condition data, which is information on the vertical structure of the pattern and data on the material used.
図8ではA1〜C4までの12の基本パターンに分解した例を示す。Aは直線部,Bは凸のコーナー部,Cは凹のコーナー部であり,1〜4はパターンの向きにより分類されたものである。明視野式光学検出方式,あるいは電子線検出方式の検査装置を対象とした場合も,本図とは異なるが,基本パターンへの分解を行う。 FIG. 8 shows an example of decomposition into 12 basic patterns A1 to C4. A is a straight line part, B is a convex corner part, C is a concave corner part, and 1-4 are classified according to the direction of the pattern. When the bright field optical detection method or the electron beam detection type inspection device is the target, although it is different from this figure, it is decomposed into basic patterns.
検出出力シミュレーション122は,基本パターン111とその縦構造と材料のデータであるプロセス条件データ112と,材料定数データ113,および照明光学系の装置パラメータデータ115Aすなわち,照明波長・照明偏光・照明入射角の情報を元に,基本パターンからの検出出力を計算する。
The
ここで用いるシミュレーションの手法としては,有限要素法(FEM:Finite Element Method),時間領域有限差分法(FDTD:Finete Element Time Domain)あるいはDDA法(Discrete dipole approximation)などが適当である。いずれもMaxwell方程式に基づく電磁界計算を実施するための手法であり,照明光の波長よりも小さな物体を照明したときの反射散乱光を精度良く計算することが可能な計算手法であるため,特に半導体ウエハの検査に適している。 As a simulation method used here, a finite element method (FEM), a time domain finite difference method (FDTD), a DDA method (Discrete dipole approximation), or the like is appropriate. All of these are methods for performing electromagnetic field calculations based on the Maxwell equation, and are particularly capable of calculating the reflected and scattered light when an object smaller than the wavelength of the illumination light is illuminated. Suitable for inspection of semiconductor wafers.
なお,本図に図示はしていないが,図1における欠陥検出シミュレーション123も,図1の欠陥データ114(欠陥形状,材質データ)と照明系の装置パラメータデータ(本図115A)を用いて,上記同様に反射散乱光を計算するものである。
Although not shown in the figure, the
ここで計算されるのは各基本パターンからの散乱光の放射分布であり,計算結果としては散乱光の放射角に対する光強度・位相・偏光分布である。821には基本パターン811のA1〜C4に対応した散乱光の放射強度分布の模式図を示す。
Here, the radiation distribution of scattered light from each basic pattern is calculated, and the calculation result is the light intensity, phase, and polarization distribution with respect to the radiation angle of the scattered light. 821 shows a schematic diagram of the radiation intensity distribution of scattered light corresponding to A1 to C4 of the
次に,検出出力計算結果のパターン設計データへの統合830を行う。パターン設計データ111の各部分に対して,対応する基本パターン(A1〜C4)を統合する。統合した結果を831に示す。さらに,831に示す各基本パターンの位置に,各基本パターンに対して計算された散乱光の放射分布(光強度・位相・偏光分布)を持つ点光源を等価的に配置して,検査対象を,ある照明条件で照明を行った際の,検査領域からの反射散乱光の発生状態をモデル化する。
Next, the detection output calculation result is integrated 830 into the pattern design data. For each part of the
結像計算シミュレーション840では,次の2段階で検査領域の像計算を行う。まず第1に,統合した基本パターンに対応する複数個・複数種の点光源の干渉像を算出する。具体的には各点光源からの放射分布を干渉(各点光源の位相分布)を考慮して加算するものである。
In the
これにより,図5(暗視野光学方式検査装置)の,開口絞り523の位置での検査領域からの反射散乱光の回折像が算出される。ここで計算される回折像情報は,光強度・位相・偏光分布である。この回折像情報に対して,検出光学系の装置パラメータデータ115B,すなわち・検出NA・検出偏光・空間フィルタ条件などでのフィルタを行い,検出光学系の設定条件を反映させた後,結像計算シミュレーション840により,検査対象の検査領域の結像計算結果841を算出する。結像計算シミュレーションはFFT(Fast Fourier Transform)による結像計算などを用いることが可能である。
As a result, a diffraction image of the reflected scattered light from the inspection region at the position of the
なお,本図に図示はしていないが,図1における,合成処理125で必要となる欠陥画像も,上記に同様な結像計算によって計算することが可能である。
Although not shown in the figure, the defect image required in the
以上は,暗視野式光学検出方式を対象とした場合を例にとって説明したが,明視野式光学検出方式を対象にした場合も,ほぼ同様の計算により検査対象の検査領域の像計算結果を得ることが出来る。 The above is an example of the case where the dark-field optical detection method is targeted. However, even when the bright-field optical detection method is targeted, the image calculation result of the inspection region to be inspected is obtained by substantially the same calculation. I can do it.
さらに,検査装置で得られる画像は,検出光学系で得られる像をセンサの画素でサンプリングしたものである(図5の531および図6の631)ことを考慮に入れて,データサンプリングシミュレーション850により,センサの画素分解能を考慮した検出画像851に変換することが必要である。
Further, the image obtained by the inspection apparatus is obtained by sampling the image obtained by the detection optical system with the pixel of the sensor (531 in FIG. 5 and 631 in FIG. 6). Therefore, it is necessary to convert the
なお,電子線検出方式を対象にした場合はこれとは異なり,検出出力シミュレーション122にはモンテカルロシミュレーションを用い,検査対象の検査領域に対する電子ビームのスポット位置とそれに対応した2次電子検出出力の強度分布から画像データを作成することが可能であり。上記830および840で説明した結像計算は無くても良い。
In contrast, when the electron beam detection method is used, the
図9〜11には検出出力のバラツキを考慮に入れた画像計算について説明する。実際の検査対象を,実際の検査装置により検査を行う場合には,検査対象自体のバラツキ,および検査装置のバラツキにより,検査結果にもバラツキが生じる場合がある。検査条件設定を計算によって求める場合にも,これらバラツキを考慮に入れた上で,バラツキに影響されにくい検査条件を設定することが,安定した検査を行う上で有効である。 9 to 11 will be described with reference to image calculation taking account of variations in detection output. When an actual inspection object is inspected by an actual inspection apparatus, the inspection result may vary due to variations in the inspection object itself and variations in the inspection apparatus. Even when the inspection condition setting is obtained by calculation, it is effective for stable inspection to set inspection conditions that are not easily affected by the variation in consideration of these variations.
図9は検出出力バラツキの原因となる検査対象のパラメータの説明図である。検出信号バラツキの原因となる検査対象のパラメータとしては,図9(1)に示すパターン901のラインエッジラフネス(LER:Line Edge roughness)902の大きさ(w)の変動や,図9(2)に示すパターン901のコーナーラウンド903の大きさ(R)の変動,あるいは図9(3)に示すパターン901の高さ変動(921)およびパターンを被覆する透明膜930の膜厚変動(931)がある。これらの変動により検出出力にもバラツキが生じる。
FIG. 9 is an explanatory diagram of parameters to be inspected that cause variations in detection output. The parameters of the inspection target that cause the detection signal variation include the variation in the size (w) of the line edge roughness (LER) 902 of the
また,図10は検出出力バラツキの原因となる検出光学系のパラメータの説明図である。図中,500が検査対象(ウエハ)であり,検査対象の各点A,B,Cが検出光学系520により,検出センサの位置1000にA',B',C'として結像する。この際,検出光学系の対物レンズ521および結像レンズ525は,現実にはレンズ収差を持っているため,像には歪みが生じる。すなわち検査対象が同一であっても,異なる検査装置の異なる検出光学系により検出された画像は,レンズ収差により異なる歪みを持つことになり,検出出力のバラツキが生じる。
FIG. 10 is an explanatory diagram of parameters of the detection optical system that cause variations in detection output. In the figure, 500 is an inspection object (wafer), and each point A, B, C of the inspection object is imaged as A ′, B ′, C ′ by the detection
また検査対象の各点A,B,Cから結像点A',B',C'へ至る光の経路は異なるため,A',B',C'の各点に応じて像の歪みは相違なるものとなる。すなわち同一の検査装置で同一の検査対象を検査した場合でも,レンズの視野内のどの位置で検出するかによっても検出出力にはバラツキが生じることとなる。 In addition, since the light path from the points A, B, and C to be inspected to the imaging points A ′, B ′, and C ′ is different, the image distortion depends on the points A ′, B ′, and C ′. It will be different. That is, even when the same inspection object is inspected by the same inspection apparatus, the detection output varies depending on the position in the lens field of view.
また,図11は検出出力バラツキの原因となる画像サンプリングパラメータの説明図である。1110は検出対象の像であり,1111はセンサの画素,1112はセンサの画素サイズである。図11(1)は検出対象の像を一つの画素で検出した場合である。一方,図11(2)は検出対象の像を四つの画素にまたがって検出した場合である。 FIG. 11 is an explanatory diagram of image sampling parameters that cause detection output variations. 1110 is an image to be detected, 1111 is a sensor pixel, and 1112 is a sensor pixel size. FIG. 11 (1) shows a case where an image to be detected is detected by one pixel. On the other hand, FIG. 11 (2) shows a case where the detection target image is detected across four pixels.
この場合に得られる検出出力(検出波形のピーク値)は,図11(1)に対して図11(2)の場合は1/4になる。このようにデータサンプリングにより検出バラツキが生じることとなる。データサンプリングのバラツキは,例えば検査装置のステージの位置精度,速度精度のバラツキに起因するものである。 The detection output (peak value of the detection waveform) obtained in this case is 1/4 in the case of FIG. 11 (2) as compared to FIG. 11 (1). In this way, detection variation occurs due to data sampling. Variations in data sampling are caused, for example, by variations in the position accuracy and speed accuracy of the stage of the inspection apparatus.
以上に示した様に,検出バラツキには,(1)検査対象のパラメータによるもの,(2) 検出光学系のパラメータによるもの,(3) 画像サンプリングパラメータによるものがあるが,(1)は図8の検出出力シミュレーション122で,(2)は図8の結像計算シミュレーション840で,(3)は図8の像データサンプリングシミュレーション850において各パラメータを振った計算を行って,検査条件設定時の考慮に入れることが可能である。
As shown above, detection variations include (1) those due to inspection parameters, (2) those due to detection optical system parameters, and (3) those due to image sampling parameters. 8,
図2で説明したように,半導体チップ内には異なる複数のパターン領域があり,
検査を行う際も,それぞれの領域で検出感度は異なる。また,これら複数のパターン領域の個々に対して感度を最高にする検出条件がそれぞれ異なる場合もありうる。これを踏まえた上で検査対象にたいする最適な検出条件をどのようにするかの判断基準が必要となる。ここでは,歩留まり予測結果との比較に基づいて検出条件を判断する実施例について説明する。
As explained in FIG. 2, there are a plurality of different pattern areas in the semiconductor chip.
Even during inspection, the detection sensitivity differs in each area. In addition, the detection conditions that maximize the sensitivity may be different for each of the plurality of pattern regions. Based on this, a criterion for determining the optimum detection condition for the inspection object is required. Here, an embodiment will be described in which the detection condition is determined based on a comparison with the yield prediction result.
図12は,歩留まり予測方法の一つであるクリティカルエリア法(CAA:Critical Area Analysis)に基づく製品歩留まり予想方法の説明図である。クリティカルエリア法はパターン設計データと欠陥サイズに対する欠陥の発生数との関係から,電気的な不良になる度合いを計算する方法である。手順としてはパターン設計データ121を入力として,欠陥サイズに対する不良率曲線1220を作成する。
FIG. 12 is an explanatory diagram of a product yield prediction method based on a critical area method (CAA), which is one of yield prediction methods. The critical area method is a method of calculating the degree of electrical failure from the relationship between the pattern design data and the number of defects generated with respect to the defect size. As a procedure,
ここで1201はR1のサイズを持つ欠陥,1202は別の位置にあるR1のサイズを持つ欠陥,1203は1201,1202より大きなR2のサイズを持つ欠陥,1204はパターンのスペース部,1205はパターンの配線部である。ここで欠陥1201はパターンのスペース部にあり,電気的な不良を起こす可能性は無いが,欠陥1202はパターンの配線部にあり,断線による電気的不良を起こす可能性がある。また大きなサイズの欠陥1203はパターン上のどの位置にあってもショートあるいは断線を引き起こす可能性がある。
Here, 1201 is a defect having the size of R1, 1202 is a defect having the size of R1 in another position, 1203 is a defect having a size of R2 larger than 1201 and 1202, 1204 is a space portion of the pattern, and 1205 is a pattern of the pattern Wiring part. Here, the defect 1201 is in the space portion of the pattern and there is no possibility of causing an electrical failure. However, the
これらの理論に基づいて不良率曲線1220が作成される。また,製造ラインでの実績に基づく欠陥密度データ1211か,あるいは理論数式に基づいて欠陥発生率曲線1221が作成される。この2つの曲線1220,1221の積和から斜線部1230を求めることで平均致命率θを求める。
A
本実施例においては半導体チップ図2において,パターンの異なる各ブロック,211,212,213の面積S1,S2,S3と平均致命率θ1,θ2,θ3のそれぞれの積(S1×θ1,S2×θ2,S3×θ3)を求め,これを欠陥検出重要度とする。一方,図1で説明した方法により,各ブロックの欠陥検出感度を複数の検出条件に対して求めておき,これらを比較して最適な検出感度を得られる検出条件を選択する。 In this embodiment, in the semiconductor chip in FIG. 2, the respective products (S1 × θ1, S2 × θ2) of the areas S1, S2, S3 and the average lethalities θ1, θ2, θ3 of the blocks having different patterns in FIG. , S3 × θ3), and this is used as the importance of defect detection. On the other hand, the defect detection sensitivity of each block is obtained for a plurality of detection conditions by the method described with reference to FIG. 1, and the detection conditions that can obtain the optimum detection sensitivity are selected by comparing these.
選択の基準としては,(1)欠陥検出重要度が飛びぬけて高いブロックが存在する場合には,そのブロックに対して最高感度が得られる検出条件を選択する。(2)各ブロックの欠陥検出重要度に大差が無い場合には,各ブロックの検出感度の平均を最大にする検出条件を選択する。などの方法が考えられる。 The selection criteria are as follows: (1) If there is a block with a high degree of importance in detecting defects, a detection condition that provides the highest sensitivity for that block is selected. (2) If there is no significant difference in the importance of defect detection in each block, select a detection condition that maximizes the average detection sensitivity of each block. Such a method is conceivable.
図13は本発明の第1の利用法の説明図である。これは,システムLSIの品種展開などに応じて,検査条件出しの展開を行う場合の本発明の利用法である。 FIG. 13 is an explanatory diagram of the first usage of the present invention. This is a method of using the present invention in the case where the development of test conditions is performed in accordance with the development of the system LSI type.
LSIの品種展開においては,基本プロセス(縦構造,材料等)は同じでパターン設計データが変化することになるため,本方式においては既に計算された基本パターン計算データ122Aと,新たなパターン設計データ111を統合処理(124)することにより,新しく品種展開された検査対象の検査領域の推定画像を作成することが可能である。
In the development of LSI products, the basic process (vertical structure, material, etc.) is the same and the pattern design data changes. Therefore, in this method, the basic
また,既に計算された欠陥計算データ123Aを用いて,上記作成された検査領域の推定画像との合成(125)画像を作成することも可能である。これら推定画像や合成画像を基に,新しく品種展開された検査対象の検査条件を計算によって求めることを容易に行うことが可能となる。
It is also possible to create a combined (125) image with the created estimated image of the inspection region using the already calculated
図14は本発明の装置構成例の説明図である。1411はパターン設計データサーバであり,1412はパターン設計データの保存部である。また1421はプロセス条件データサーバであり1422はプロセス条件データの保存部である。1431は検査条件シミュレーション装置であり,前記図1および図8で説明したシミュレーションを実行して検査条件を求める部分である。
FIG. 14 is an explanatory diagram of an apparatus configuration example of the present invention. 1411 is a pattern design data server, and 1412 is a storage unit for pattern design data.
1432はデータ保存部であり,図1における,材料定数データ113,欠陥データ114,あるいは基本パターン検出出力計算データ122A,欠陥検出出力計算データ123A,あるいは検査対象の検査領域の推定画像,および欠陥画像との合成画像が保存される。
パターン設計データサーバ1411,プロセス条件データサーバ1421および検査条件シミュレーション装置1431はローカルエリアネットワーク(LAN:Local Area Network)1401などで相互に接続されており,各種データのやり取りが可能である。
The pattern
また,1440は検査装置A,1450は検査装置Bであり,形式は暗視野光学式,明視野光学式,電子線式の何れでも良い。1460は前記検査装置で検出された欠陥をレビューする欠陥レビュー装置である。1400は検査対象であるウエハであり,検査装置A(1440)あるいはB(1450)で検査された後,欠陥レビュー装置1460でレビューされる。検査条件シミュレーション装置1431および検査装置A(1440),検査装置B(1450),欠陥レビュー装置1460はローカルエリアネットワーク(LAN:Local Area Network)1202などで相互に接続されており,各種データのやり取りが可能である。
Further, 1440 is an inspection apparatus A, and 1450 is an inspection apparatus B. The format may be any of a dark field optical type, a bright field optical type, and an electron beam type.
たとえば検査条件シミュレーション装置1431から検査装置A(1440),検査装置B(1450)に対して検査条件を設定する,または,検査装置A(1440),検査装置B(1450)から検査条件シミュレーション装置1431に対して検査画像を転送する,あるいは欠陥レビュー装置1460から新規の欠陥情報(形状,材質)を検査条件シミュレーション装置1431に転送して欠陥データとしてデータ保存部1432に保存する等が可能となっている。装置をこのように構成することで,情報のやり取りをスムーズにして,効率よく検査条件を設定することが可能になる。
For example, the inspection condition is set from the inspection
図15は本発明の第2の利用方法の説明図である。欠陥検査においては,例えば明視野光学式検査で検出された欠陥を,暗視野光学式検査でも検出したいという要求があり,本実施例はこれを解決するための本発明の利用方法を説明するものである。 FIG. 15 is an explanatory diagram of the second usage method of the present invention. In defect inspection, for example, there is a demand to detect defects detected in bright-field optical inspection also in dark-field optical inspection, and this embodiment explains how to use the present invention to solve this. It is.
1510は明視野光学方式の検査装置Aでウエハを検査した結果データであり,1511がウエハ,1512がチップ,1513が検出された欠陥の座標データ,1514が欠陥検出画像である。また1520は欠陥レビュー結果データであり,欠陥の形状,材質等のデータである。1530は第1のシミュレーションであり,1510のデータが得られた欠陥を,欠陥レビュー結果データ1520に基づいてモデル化し,明視野光学方式に対応したシミュレーションに基づく第1の欠陥検出出力計算により第1の欠陥検出計算画像を求める。
これと実際の検出画像1514とを比較して,モデリングの精度の検証を行い,精度が得られていない場合は,精度が得られるまでモデリングをやり直して再計算する。モデリングの精度が得られた後,第2のシミュレーション1540を実行する。ここでは,暗視野光学方式に対応した第2のシミュレーションに基づく第2の欠陥検出出力計算を行い,第2の欠陥検出計算画像を求める。
This is compared with the
これと既に作成されたデータ保存部1543に保存された,検査対象および検出条件が対応する推定画像との合成1542を行い(無い場合は推定画像を新規に作成),合成画像から欠陥検出の可否判断1544を行う。検出不可能の場合は検出条件を変えて,再度計算を繰り返して欠陥検出が可能な検出条件を探索し,検査装置に設定(1550)する。
This is combined with an estimated image stored in the already created
図16は本発明における操作画面例の説明図である。図16(1)はパターン設計データを基本パターンへの分解(図8の121)における操作画面の例であり,1601は製品選択リスト,1602工程選択リストである。これらは利用可能なパターン設計データおよびプロセス条件(縦構造・材料)データのリストであり,リストから選択された製品,工程に対応するパターン設計データの表示が1603,プロセス条件データの表示が1604である。 FIG. 16 is an explanatory diagram of an example of an operation screen in the present invention. FIG. 16A is an example of an operation screen in disassembling pattern design data into basic patterns (121 in FIG. 8), 1601 is a product selection list, and 1602 process selection list. These are a list of available pattern design data and process condition (vertical structure / material) data. 1603 displays pattern design data corresponding to the product and process selected from the list, and 1604 displays process condition data. is there.
1605はパターン設計データを基本パターンに分解する際の精細度の設定リストであり,1606は分解された基本パターンの表示である。このように各種データを一覧できるように構成することにより,作業の効率をあげることが出来る。
図16(2)は検出出力シミュレーション(図8の122)における操作画面の例であり,1603は分解された基本パターンの表示である。1607は検査装置の方式の選択リストであり,前述した暗視野光学式,明視野光学式,電子線式の方式選択と,同じ方式の中でも機種が複数ある場合の検査装置を選択するものである。 FIG. 16B is an example of the operation screen in the detection output simulation (122 in FIG. 8), and 1603 is a display of the decomposed basic pattern. 1607 is a selection list of inspection apparatus methods, which selects the above-described dark field optical method, bright field optical method, and electron beam method, and selects an inspection device when there are multiple models among the same methods. .
1608は照明パラメータ選択リストであり,前記選択した検査方式・装置でとりうることの出来る照明パラメータを選択するものである。条件を選択した後,基本パターンの検出出力シミュレーションを行う。1609は基本パターンの検出出力の計算結果の表示である。このように各種データを一覧できるように構成することにより,作業の効率をあげることが出来る。
An illumination
図16(3)は結像計算シミュレーション(図1および8の840)における操作画面の例であり,1610はパターン設計データに基本パターンを統合した結果の表示である。1611は検出パラメータ選択リストであり,前記選択された検査方式・装置でとりうることの出来る検出パラメータを選択するものである。条件を選択した後,結像計算シミュレーションを行い,推定画像を作製する。
FIG. 16 (3) is an example of the operation screen in the imaging calculation simulation (840 in FIGS. 1 and 8), and 1610 is a display of the result of integrating the basic pattern into the pattern design data.
1613は計算された推定画像の表示である。また,前記の計算条件と同等の照明・検出パラメータにより既に実サンプルの画像が得られている場合は,計算の検証の目的で,推定画像の表示1613と並べて,実画像の表示1614を表示しても良い。このように各種データを一覧できるように構成することにより,作業の効率をあげることが出来る。
図16(4)は検出条件を選択する際の,操作画面の例であり,1615は検出条件(照明パラメータおよび検出パラメータ)を変えて算出した同一の対象の推定画像であり,1616はそれぞれの画像に対応する照明パラメータの条件,1617はそれぞれの画像に対応する検出パラメータの条件である。また1618は計算で求められた欠陥検出感度である。このように複数の検出条件に対する推定画像および欠陥検出感度を同時に確認できるようにすることにより,最適な検出条件の選択が容易になる。
FIG. 16 (4) is an example of an operation screen when selecting a detection condition. 1615 is an estimated image of the same object calculated by changing the detection conditions (illumination parameters and detection parameters). Illumination parameter conditions corresponding to images, and 1617 are detection parameter conditions corresponding to each image.
以上の説明においては,半導体ウエハ基板の検査の例について述べたが,本発明は,上記形態に限ることなく,パターン付の検査対象における検査方法および検査装置に適用可能であり,例えばフラットパネルディスプレイ(液晶ディスプレイ,プラズマディスプレイ,有機ELディスプレイ等)や,パターンの形成されたストレージ製品(DTM:ディスクリートトラックメディア,BPM:ビットパターンメディア)の基板検査などへも適用可能である。 In the above description, the example of the inspection of the semiconductor wafer substrate has been described. However, the present invention is not limited to the above-described embodiment, and can be applied to an inspection method and an inspection apparatus for an inspection object with a pattern, for example, a flat panel display. (Liquid crystal display, plasma display, organic EL display, etc.) and substrate inspection of patterned storage products (DTM: Discrete Track Media, BPM: Bit Pattern Media).
111…パターン設計データ,112…プロセス条件データ,200…半導体ウエハ,201…半導体チップ,30…素子分離層,311…ゲート電極部,312…コンタクト部,32〜35…配線層,361…スクラッチ,362…,363…断線,364…異物,500…ウエハ,510…照明光学系,513…波長板,520…検出光学系,521…対物レンズ,525結像レンズ,524…空間フィルタ,531…センサ,532…画像処理ユニット,540…ステージ,550…全体制御ユニット, 610…照明光学系,612…コンデンサレンズ,620…検出光学系,624…偏光版,631…センサ,632…画像処理ユニット,640…ステージ,650…全体制御ユニット, 710…電子光学系鏡筒,711…電子銃,712…コンデンサレンズ,713…偏向器,714…対物レンズ,811…基本パターン,821…基本パターンからの散乱光の放射強度分布,831…パターン設計データに基本パターンを統合した図,841…像計算結果,851…センサの画素分解能を考慮した検出画像,902…ラインエッジラフネス,903…コーナーラウンド,921…パターンの高さ変動,931…膜厚変動,1110…検出対象の像,1111…センサ画素,1212…欠陥発生率曲線,1220…不良率曲線,1510…検査データ,1511…ウエハ,1512…チップ,1513…欠陥座標データ。
111 ... Pattern design data, 112 ... Process condition data, 200 ... Semiconductor wafer, 201 ... Semiconductor chip, 30 ... Element isolation layer, 311 ... Gate electrode part, 312 ... Contact part, 32-35 ... Wiring layer, 361 ... Scratch, 362 ..., 363 ... disconnection, 364 ... foreign matter, 500 ... wafer, 510 ... illumination optical system, 513 ... wavelength plate, 520 ... detection optical system, 521 ... objective lens, 525 imaging lens, 524 ... spatial filter, 531 ... sensor , 532 ... Image processing unit, 540 ... Stage, 550 ... Overall control unit, 610 ... Illumination optical system, 612 ... Condenser lens, 620 ... Detection optical system, 624 ... Polarized plate, 631 ... Sensor, 632 ... Image processing unit, 640 ... Stage, 650 ... Overall control unit, 710 ... Electronic lens barrel, 711 ... Electron gun, 712 ... Condenser lens, 713 ... Deflector, 714 ... Objective lens, 811 ... Basic pattern, 821 ... Scattered light from basic pattern Radiant intensity distribution, 831 ...
Claims (19)
前記検査対象に形成されるパターン設計データから一つの以上の基本パターンを抽出し,前記基本パターンの検出出力を物理シミュレーションにより計算し,
前記基本パターンの検出出力を統合することによって前記パターン設計データに対応するパターン推定画像を作成し、
前記パターン推定画像を基にして検査条件を定め、前記検査条件を検査装置に設定することを特徴とする欠陥検査方法。 In a defect inspection method for an inspection object having a pattern formed on the surface,
One or more basic patterns are extracted from the pattern design data formed on the inspection target, and the detection output of the basic patterns is calculated by physical simulation;
Create a pattern estimation image corresponding to the pattern design data by integrating the detection output of the basic pattern,
A defect inspection method, wherein an inspection condition is defined based on the pattern estimation image, and the inspection condition is set in an inspection apparatus.
検査対象に形成されるパターン設計データを保持する手段と,
前記パターン設計データから一つ以上の基本パターンを抽出する手段と,
前記抽出した各々の基本パターンからの検出出力を物理シミュレーションにより計算する手段と,
前記パターン設計データに対応して,前記基本パターンの計算結果を統合することにより,検査対象の検査領域から得られるパターン推定画像を作成する手段と,
前記パターン推定画像を基にして検査条件を定める手段とを有し,前記定められた検査条件を,装置パラメータとして設定可能な様に構成されたことを特徴とする欠陥検査装置。 In the defect inspection equipment to be inspected with a pattern formed on the surface,
Means for holding pattern design data formed on the inspection object;
Means for extracting one or more basic patterns from the pattern design data;
Means for calculating a detection output from each of the extracted basic patterns by physical simulation;
Means for creating a pattern estimation image obtained from the inspection region to be inspected by integrating the calculation results of the basic pattern corresponding to the pattern design data;
A defect inspection apparatus comprising: means for determining an inspection condition based on the pattern estimation image, and configured so that the determined inspection condition can be set as an apparatus parameter.
前記欠陥推定画像および前記パターン推定画像との両者を合成した合成画像を作成する手段と,
前記合成画像を基にして欠陥検出感度を算出する手段と,
前記算出された前記欠陥検出感度を基に検査条件を定める手段とを有し,
前記定められた前記検査条件を,装置パラメータとして設定可能な様に構成されたことを特徴とする請求項13に記載の欠陥検査装置。 Means for modeling the defect to be inspected and creating a defect estimation image by physical simulation;
Means for creating a synthesized image obtained by synthesizing both the defect estimated image and the pattern estimated image;
Means for calculating defect detection sensitivity based on the composite image;
Means for determining an inspection condition based on the calculated defect detection sensitivity,
14. The defect inspection apparatus according to claim 13, wherein the predetermined inspection condition can be set as an apparatus parameter.
前記パターン推定画像と前記合成画像の両者を基にして欠陥検出感度を算出し,
前記算出された欠陥検出感度を基に検査条件を定める手段を有し,
前記定められた前記検査条件を,装置パラメータとして設定可能な様に構成されたことを特徴とする請求項13に記載の欠陥検査装置。 Means for creating a composite image obtained by combining the pattern estimation image of the inspection object and the defect estimation image;
Defect detection sensitivity is calculated based on both the pattern estimation image and the composite image,
Means for determining an inspection condition based on the calculated defect detection sensitivity;
14. The defect inspection apparatus according to claim 13, wherein the predetermined inspection condition can be set as an apparatus parameter.
別途計算された歩留まり予測計算結果とを比較することで,検査条件を定める手段を有することを特徴とする請求項13〜15の何れか1項に記載の欠陥検査装置。 Means for calculating defect detection sensitivity in each inspection area based on a plurality of images calculated corresponding to each of the plurality of inspection areas;
The defect inspection apparatus according to any one of claims 13 to 15, further comprising means for determining an inspection condition by comparing a separately calculated yield prediction calculation result.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009091053A JP2010243283A (en) | 2009-04-03 | 2009-04-03 | Defect inspection method and defect inspection device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009091053A JP2010243283A (en) | 2009-04-03 | 2009-04-03 | Defect inspection method and defect inspection device |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010243283A true JP2010243283A (en) | 2010-10-28 |
Family
ID=43096452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009091053A Pending JP2010243283A (en) | 2009-04-03 | 2009-04-03 | Defect inspection method and defect inspection device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2010243283A (en) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014517312A (en) * | 2011-06-08 | 2014-07-17 | ケーエルエー−テンカー コーポレイション | Using 3D representations for applications related to defects |
KR20160010364A (en) * | 2014-07-17 | 2016-01-27 | 오르보테크 엘티디. | Telecentric bright field and annular dark field seamlessly fused illumination |
JP2018004272A (en) * | 2016-06-27 | 2018-01-11 | 大日本印刷株式会社 | Pattern inspection device and pattern inspection method |
JP2018072260A (en) * | 2016-11-02 | 2018-05-10 | ファナック株式会社 | Inspection condition determination device, inspection condition determination method and inspection condition determination program |
WO2018225406A1 (en) * | 2017-06-08 | 2018-12-13 | コニカミノルタ株式会社 | Method for determining configuration of surface defect inspection device, configuration determination device, configuration determination program, and recording medium |
KR101960022B1 (en) * | 2018-08-01 | 2019-03-20 | 주식회사 미래로시스템 | Method and Apparatus for inspecting semi-conductor |
WO2020100180A1 (en) * | 2018-11-12 | 2020-05-22 | 株式会社日立ハイテク | System for estimating the occurrence of defects, and computer-readable medium |
JP7443268B2 (en) | 2021-01-05 | 2024-03-05 | 株式会社ニューフレアテクノロジー | Defect inspection method |
-
2009
- 2009-04-03 JP JP2009091053A patent/JP2010243283A/en active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017032589A (en) * | 2011-06-08 | 2017-02-09 | ケーエルエー−テンカー コーポレイション | Using three-dimensional representations for defect-related applications |
JP2014517312A (en) * | 2011-06-08 | 2014-07-17 | ケーエルエー−テンカー コーポレイション | Using 3D representations for applications related to defects |
TWI669766B (en) * | 2011-06-08 | 2019-08-21 | 美商克萊譚克公司 | Using three-dimensional representations for defect-related applications |
KR102373287B1 (en) * | 2014-07-17 | 2022-03-10 | 오르보테크 엘티디. | Telecentric bright field and annular dark field seamlessly fused illumination |
KR20160010364A (en) * | 2014-07-17 | 2016-01-27 | 오르보테크 엘티디. | Telecentric bright field and annular dark field seamlessly fused illumination |
JP2018004272A (en) * | 2016-06-27 | 2018-01-11 | 大日本印刷株式会社 | Pattern inspection device and pattern inspection method |
JP2018072260A (en) * | 2016-11-02 | 2018-05-10 | ファナック株式会社 | Inspection condition determination device, inspection condition determination method and inspection condition determination program |
US10614566B2 (en) | 2016-11-02 | 2020-04-07 | Fanuc Corporation | Inspection condition determination device, inspection condition determination method, and inspection condition determination program |
WO2018225406A1 (en) * | 2017-06-08 | 2018-12-13 | コニカミノルタ株式会社 | Method for determining configuration of surface defect inspection device, configuration determination device, configuration determination program, and recording medium |
KR101960022B1 (en) * | 2018-08-01 | 2019-03-20 | 주식회사 미래로시스템 | Method and Apparatus for inspecting semi-conductor |
JPWO2020100180A1 (en) * | 2018-11-12 | 2021-10-07 | 株式会社日立ハイテク | Systems for estimating the occurrence of defects and computer-readable media |
WO2020100180A1 (en) * | 2018-11-12 | 2020-05-22 | 株式会社日立ハイテク | System for estimating the occurrence of defects, and computer-readable medium |
JP7080992B2 (en) | 2018-11-12 | 2022-06-06 | 株式会社日立ハイテク | System for estimating the occurrence of defects and computer-readable media |
US11747291B2 (en) | 2018-11-12 | 2023-09-05 | Hitachi High-Tech Corporation | System for estimating the occurrence of defects, and computer-readable medium |
JP7443268B2 (en) | 2021-01-05 | 2024-03-05 | 株式会社ニューフレアテクノロジー | Defect inspection method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2010243283A (en) | Defect inspection method and defect inspection device | |
JP2022008510A (en) | Metrology method, target, and substrate | |
US10451563B2 (en) | Inspection of photomasks by comparing two photomasks | |
JP5341769B2 (en) | Method, design, defect review tool and system for determining locations on a wafer to be reviewed during defect review | |
IL264500A (en) | Measurement of multiple patterning parameters | |
US9588441B2 (en) | Method and device for using substrate geometry to determine optimum substrate analysis sampling | |
TWI797382B (en) | Dispositioning defects detected on extreme ultraviolet photomasks | |
US9417191B2 (en) | Using reflected and transmission maps to detect reticle degradation | |
US9390494B2 (en) | Delta die intensity map measurement | |
KR20180030163A (en) | Inspection apparatus, inspection method and manufacturing method | |
KR20120125273A (en) | Inspection guided overlay metrology | |
TW201908872A (en) | Measuring method and device | |
KR20150082576A (en) | Method and system for mixed mode wafer inspection | |
TWI578130B (en) | Method of generating a recipe for a manufacturing tool and system thereof | |
TW201816507A (en) | Critical dimension uniformity monitoring for extreme ultra-violet reticles | |
WO2019195481A1 (en) | Process simulation model calibration using cd-sem | |
KR20200010476A (en) | Determine Edge Roughness Parameters | |
JP6951495B2 (en) | Metrology methods, targets, and substrates | |
US7761250B2 (en) | Optical metrology system optimized with design goals | |
KR20210118953A (en) | Design file selection for alignment of test images versus designs | |
Arceo et al. | Patterned defect and CD metrology by TSOM beyond the 22-nm node | |
Tezuka et al. | Actinic detection and signal characterization of multilayer defects on EUV mask blanks | |
CN114879447A (en) | Defect detection method and system for EUV (extreme ultraviolet) photomask body | |
US20160370718A1 (en) | Method and System for Process Control with Flexible Sampling | |
Huh et al. | Printability and inspectability of defects on EUV blank for 2xnm hp HVM application |