JP2010514226A - 検査レシピ作成システムおよびその方法 - Google Patents

Abstract

【課題】
【解決手段】検査レシピを作成するためのシステムおよび方法が提供される。検査レシピを作成するコンピュータ実装方法には、第１設計およびこの第１設計が製造プロセスを使用してプリントされるウェーハの検査システムの１つ以上の出力特性の獲得が含まれる。本方法には、さらに、第１設計および第１設計がプリントされるウェーハについて獲得した出力の１つ以上の出力特性を使用する第２設計の検査レシピの作成が含まれる。第１および第２設計は異なる。この検査レシピは、製造プロセスを使用して第２設計がウェーハにプリントされた後、ウェーハの検査に使用されるだろう。
【選択図】図１

Description

本発明は、一般に検査レシピを作成するためのシステムおよび方法に関する。一部の実施形態は、本検査レシピが作成される設計とは異なる設計に基づいた検査レシピを作成するコンピュータ実装方法に関する。

以降の記述および例類は、これらが本節に包含されることを理由に、先行技術であるとすることは認められない。

集積回路（ＩＣ）設計は、電子系ＣＡＤ（ＥＡＤ）、コンピュータ援用設計（ＣＡＤ）および他のＩＣ設計ソフトウェアなどの方法かシステムを使用して開発できる。この方法およびシステムは、ＩＣ設計からの回路パターンデータベースを生成するために使用できる。回路パターンデータベースは、ＩＣの様々なレイヤーに関する複数のレイアウトを表すデータが含まれる。回路パターンデータベース中のデータは、複数のレチクル用レイアウトを決定するために使用できる。レチクルのレイアウトは、一般にレチクルのパターンに特徴を定義する複数の多角形が含まれる。レチクルはそれぞれＩＣの様々なレイヤーのうちの１つを製作するために使用される。ＩＣレイヤーには、例えば、半導体基板の結合パターン、ゲート誘電体パターン、ゲート電極パターン、レベル間の誘電体中の接触パターンおよび金属化レイヤーの上の相互接続パターンが含まれる。

ここに全般的に使用される用語「設計データ」とは、ＩＣの物理的な設計（レイアウト）ならびに複雑なシミュレーションあるいは単純幾何学的演算およびブール演算を通じてその物理的設計から派生したデータを指す。

半導体デバイス設計は、ＩＣの生産の前に様々な手順によって確認される。例えば、半導体デバイス設計は、ソフトウェア・シミュレーションによってチェックされて、全ての特徴が、生産時のリソグラフィに従って正確にプリントされることが確認される。このチェックには、通常、設計規則チェック（ＤＲＣ）、光学的規則チェック（ＯＲＣ）および特定の工場およびプロセスに較正されるプロセス・シミュレーションを含む最先端ソフトウェアに基づいた立証といったステップが含まれる。物理的な設計確認ステップの出力は、「ホット・スポット」と呼ばれることもある、多数となりうる潜在的なクリティカルポイントを特定するために使用できる。

ロジックやメモリデバイスなどの半導体デバイスの製造には、多様な種類の特徴や半導体デバイスの多数のレベルを構成するため、数多くの半導体製造プロセスを使用する半導体ウェーハなどの基板処理が含まれるのが普通である。例えば、リソグラフィは、レチクルから半導体ウェーハ上に配置されたレジストまでパターン転送を必要とする半導体製造プロセスである。半導体製造プロセスの他の例には、ケミカルメカニカルポリッシング（ＣＭＰ）、エッチング、蒸着、ならびにイオン移植が含まれるが、これらに限定はされない。多数の半導体デバイスは単一の半導体ウェーハ上に配置されて製造されると同時にその後、個別の半導体デバイスに分離できる。

検査プロセスはウェーハ欠陥を検出して製造プロセスの歩留まりをより高めて利益をさらに高めるように促進するため、半導体製造プロセス中の様々な段階で使用される。検査は常に、ＩＣなどの半導体デバイス製造の重要な部分となってきた。しかしながら、半導体デバイスのサイズが小型化するにつれ、ちょっとした小さな欠陥でもデバイスの故障原因となりうるので、検査は、満足できる半導体デバイスの成果を挙げているメーカーにとっては尚一層重要となっている。例えば、半導体デバイスのサイズが小型化するにつれて、比較的小さな欠陥でも半導体デバイスの好ましくない異常原因となるので、小型化するサイズのデバイスの欠陥検出が必要となった。

しかしながら、設計規則が小型化するに従って、半導体製造プロセスはプロセス発揮能力の限界により近いところで操業している可能性がある。さらに、また、少しでも小さな欠陥は、設計規則が小型化するに従って電気パラメータに影響を与える可能性があり、これによりますます高感度な検査の必要に追い込まれている。従って、設計規則が小型化するにつれて、検査によって検出される歩留まりに関連する可能性のある欠陥の母数だけでなく、検査によって検出される虚偽欠陥の母数もまた衝撃的に増大している。したがって、ますます多くの欠陥がウェーハ上で検出されうるとともに、欠陥を全て除去するためにプロセスを修正することは困難で、費用が高くなりうる。

一部の方法には、ウェーハ上にプリントされたパターンの物理的な位置へ検査管理領域（例えば、検査が実施されるウェーハ上に形成されたデバイスパターンの区域）を並べることが含まれる。しかしながら、現在では、管理領域は、システム誤差と不完全さによる精度が約２μｍ程度でウェーハ上にプリントされるパターンに並べることができる。例えば、一部の明視野（ＢＦ）検査装置の座標精度は約±１μｍである。さらに、現在使用される方法の検査管理領域には、比較的広く、好ましい重要な特徴だけでなく多くの重要ではない特徴も含まれる。設計とプロセスの相互依存性から生じる、手の込んだ三次元的に体系的な「製造し易さを考慮した設計」（ＤＦＭ）の欠陥を捕捉する検査システムの感度を最大限にしようとして、このシステムはＣＭＰ満杯区域などの重要でない区域の何百万ものイベントによって苦しめられてしまう。このような虚偽欠陥の検出は、多くの理由で不利である。例えば、これらの虚偽イベントは検査データを後処理することにより検査結果から取り除く必要がある。さらに、虚偽イベント検出によりＤＦＭアプリケーションの検査システムの最終的に達成可能な感度が制限される。虚偽欠陥データの割合が高いことにより、検査システムのランタイム・データ処理能力にさらに過負荷をかけることもあるので、処理能力の低下および／またはデータ損失の原因にもなる。

検査レシピを生成する多くの現在の方法はデバイス（チップ）に関係している設計データを利用していない。レシピ生成には、様々なイメージング・モードでウェーハがスキャンされる試行錯誤が反復するアプローチが含まれると同時に、個々のスキャンについては検出閾値が変動すると同時に、欠陥は手動でレビューされる（通常、スキャン型電子顕微鏡（ＳＥＭ）レビューステーション上で）。ダイは、比較的大まかな感度（例えば、アレイ対ロジック）で区域に区分されるとともに、閾値は、虚偽欠陥が多くなり過ぎるほどは検出することなく、重要な欠陥が捕捉されるまで修正される（反復して）。

検査レシピ設定のための既存の方法には、多くの欠点がある。例えば、設計のコンテキストは、これらの方法で活用されない。したがって、様々な感度で検査されることになっている様々な区域内へのダイの分割は、特別なやり方で実施されておりオペレータ毎に変動しうる。さらに、ダイ分割プロセスと閾値選定プロセスは時間がかかると同時に、個々の新しいデバイス毎に繰り返されなくてはならない。１つのデバイスから次のものまで学習された情報を転送する能力はない。しかも、検査システムに数多くのイメージング・モードがある場合、オペレータは、各モード（あるいは前回の経験をもとにしたモードのサンプル集合）を試して、各モードの検出閾値を変えて欠陥をレビューした後、その後の検査に使用するそのデバイスとレイヤーの最良のモードを決める試行錯誤的な方法を使用しなければならない。

従って、上記の方法とシステムに関して、１つ以上の欠点を無くした検査レシピを作成するための方法およびシステムを開発することは有利であろう。

方法、担持媒体およびシステムの様々な実施形態に関する以降の記述は、付帯された請求項の主題を制限するものと如何ようにも解釈してはならない。

ある実施形態は検査レシピの作成用のコンピュータ実装方法に関する。本方法には、第１設計および、この第１設計が、ある製造プロセスを使用してプリントされるウェーハに関する検査システムの１つ以上の出力特性（画像特性などの）の獲得、ならびに、設計属性類と一定の画像特性の間の写像の作成が含まれる。本方法には、さらに、第１設計および出力特性から学習された写像を使用する第２設計（それは、第１設計とは異なる）についての検査レシピの自動的作成が含まれる。検査レシピは、第２設計を使用すると同時に第１設計に使用されたものと同じ製造プロセスを使用してプリントされるウェーハの検査に使用されるだろう。

ある実施形態では、検査レシピの作成には、第１設計、１つ以上の出力特性および第２設計を使用する検査レシピの作成が含まれる。また別の実施形態では、検査レシピの作成には、第１設計、第１設計がプリントされるウェーハについて得られる１つ以上の出力特性ならびに第２設計がプリントされるウェーハの検査システムの１つ以上の出力特性を使用する検査レシピの作成が含まれる。また別の実施形態では、検査レシピの作成には、第１設計の異なる部分ならびに第１設計がプリントされるウェーハについて獲得される１つ以上の出力特性を写像する分類子の作成、第２設計がプリントされるウェーハについての検査システムの出力の獲得、第２設計がプリントされるウェーハについて獲得される１つ以上の出力特性の決定、ならびに、第２設計がプリントされるウェーハについて獲得される１つ以上の出力特性を使用する、第２設計の異なる部分に対するコンテキストの同一性、ならびに、第１設計を使用して構築される分類子の割当てが含まれる。この１つの実施形態では、第２設計に関するコンテキストの分類結果は、コンテキストマップに格納されると同時に、以降の検査されるウェーハに関して分類子の使用を必要とせずに、以降のその設計の検査に使用される。

ある実施形態では、検査レシピの作成には、第１設計および１つ以上の出力特性を使用した第２設計についてのコンテキストマップの作成が含まれる。また別の実施形態では、第１設計および１つ以上の出力特性を使用した第２設計についてのコンテキストマップの作成、ならびにコンテキストマップを使用して検査が実施されるように検査レシピへのコンテキストマップの格納が含まれる。

いくつかの実施形態では、検査レシピの作成には、第１設計および１つ以上の出力特性を使用した第２設計に関するコンテキストマップの作成が含まれると同時に、本方法には第２設計の欠陥レビューレシピを作成するためのコンテキストマップの利用が含まれる。また別の実施形態では、検査レシピの作成には、第２設計中のセル、構造あるいはそれらのいくつかの組合せの階層に基づいた異なる区域タイプにダイを分けることによるコンテキストマップの作成が含まれる。

ある実施形態では、１つ以上の出力特性は、出力に１つ以上のノイズ特性が含まれる。他の実施形態では、本方法には、１つ以上の出力特性を利用した第１設計における異なるコンテキストタイプのマルチダイ統計の決定、ならびに出力の様子およびノイズレベルに基づいた、別々のコンテキストタイプの少なくとも１つのコンテキストサブタイプへの分割が含まれる。他の実施形態における、本方法には、１つ以上の出力特性を使用した第１設計における異なるコンテキストタイプについてのマルチダイ統計の決定、ならびに、同様の１つ以上の出力特性および同様のノイズ特性を有する異なるコンテキストタイプのマージングが含まれる。いくつかのこの実施形態中では、検査レシピの作成には、第１設計、１つ以上の出力特性、ならびに、上述のコンテキストサブタイプおよび／またはマージコンテキストを使用した検査レシピの作成が含まれる。

いくつかの実施形態では、検査レシピの作成には、第１設計および１つ以上の出力特性を使用した第２設計に関するコンテキストマップの作成、ならびにこのコンテキストマップを利用した検査レシピの作成が含まれると同時に、このコンテキストマップには上述の第１設計から学習したコンテキストタイプとサブタイプを使用した第２設計における様々なコンテキストタイプが含まれる。

ある実施形態では、検査レシピの作成には、第１設計および１つ以上の出力特性を利用した第２設計に関するコンテキストマップの作成、ならびに、欠陥検出用の様々な感度閾値が、第２設計中の少なくとも２つの異なるコンテキストについて得られる出力に適用されるといったコンテキストマップを使用した検査レシピの作成が含まれる。他の実施形態では、検査レシピの作成には、第１設計および１つ以上の出力特性を使用した第２設計に関するコンテキストマップの作成、ならびに第２設計がプリントされるウェーハの検査により検出された欠陥が、このコンテキストマップに基づいて分類されるといった、コンテキストマップを利用した検査レシピの作成が含まれる。別の実施形態では、検査レシピの作成には、第１設計および１つ以上の出力特性を利用した第２設計に関するコンテキストマップの作成、ならびに、第２設計がプリントされるウェーハの検査により検出された欠陥がそのコンテキストマップに基づいてグループ化されるといった、コンテキストを利用した検査レシピの作成が含まれる。さらに別の実施形態では、検査レシピの作成には、第１設計および１つ以上の出力特性を利用した、第２設計に関するコンテキストマップの作成、ならびに、第２設計中のシステマティック欠陥機構が、第２設計がプリントされるウェーハの検査結果およびコンテキストマップを利用して検出されるといった、コンテキストマップを利用した検査レシピの作成が含まれる。

ある実施形態では、検査レシピの作成には、１つ以上の出力特性、および第１設計中にある異なる設計コンテキストについての異なる光学モードにおける欠陥検出可能性に基づく、得点関数を使用した光学モードの選択が含まれる。別の実施形態では、この獲得ステップには、第１設計および異なる設計コンテキストおよび対応する出力特性が格納される設計コンテキストに基づいた異なる設計コンテキスト、および対応する出力特性が格納されるレポジトリからの１つ以上の出力特性の獲得が含まれる。さらに別の実施形態では、第１および第２設計は異なるデバイスの設計である。

ある実施形態では、検査システム（その出力は、第１設計がプリントされるウェーハについて得られる）は、検査レシピがそのために作成されている検査システムである。他の実施形態では、第１設計がプリントされるウェーハに関する検査システムの出力は、レシピがそのために作成されている検査システムの光学モードとは異なる検査システムの光学モードを使用して得られる。別の実施形態では、検査システム、第１設計がプリントされるウェーハについて得られる出力は、そのためにそのレシピが作成されている検査システムとは異なっているプラットフォームを有する。

上記の方法の実施形態の各々のステップは、本出願に記載され通り、追加して実施できる。さらに、上記のコンピュータ実装方法の実施形態の各々は、本出願に記載される以外のその他の方法のその他のステップも含んでいる場合もある。さらに、上記のコンピュータ実装方法の実施形態の各々は、本出願に記載されたシステムのうちのいずれによっても実施できる。

別の実施形態は、任意の検査レシピを作成するコンピュータ実装方法の実行用コンピュータシステム上で実行可能なプログラム命令が含まれる担持媒体に関する。本方法には、第１設計および、第１設計が任意の製造プロセスを使用してプリントされるウェーハに関する検査システムの１つ以上の出力特性の獲得が含まれる。本方法には、さらに、第１設計および第１設計がプリントされるウェーハについて獲得される出力の１つ以上の特性を利用した第２設計の検査レシピの作成が含まれる。第１設計と第２設計は異なる。この検査レシピは第２設計がその製造プロセスを使用してウェーハ上にプリントされた後にウェーハの検査に利用されるだろう。

上記のコンピュータ実装方法のステップの各々は、さらに本出願に記載される通りに実施できる。また、コンピュータ実装方法は、本出願に記載される以外のその他の方法のその他のステップも含んでいる場合もある。担持媒体も、また、本出願に記載されるように構成できる。

別のある実施形態は、検査レシピを作成するように構成されたシステムに関する。そのシステムには、第１設計が製造プロセスを使用してプリントされるウェーハについての出力を得るように構成された検査システムが含まれる。システムには、さらに、第１設計および第１設計がプリントされるウェーハについて獲得した１つ以上の出力特性を使用して、第２設計に関する検査レシピを作成するように構成されたコンピュータシステムが含まれる。第１および第２設計は異なる。この検査レシピは、製造プロセスを使用して第２設計がウェーハ上にプリントされた後、ウェーハを検査するために使用されるだろう。このシステムは、さらに本出願に記載されるように構成できる。

また、もう１つのある実施形態は、検査の感度あるいは次のデータソース、最適化構成物あるいはオペレーション、すなわち、設計レイアウト、設計階層、画像データ、ノイズマップ、歩留まりクリティカリィティ、履歴検査結果、光学モード選択用費用関数、データソース間の写像、各データソースの分割方法、画像特性シグニチャ、管理領域コンポーネント生成、管理領域コンポーネントのスケーリングおよび記録、履歴検査結果を利用した信号対ノイズ比の較正、ならびにコンテキストマップ圧縮、のうちの１つ以上を含む欠陥分類精度の最適化のためにコンテキストマップを生成するための、設計に基づいたコンテキストデータ構造あるいは、「レポジトリ」を使用する方法に関する。設計に基づいたコンテキストデータ構造、あるいは、コンテキストマップを生成する「レポジトリ」の利用も、また、本出願に記載されるように実施できる。また、この方法は、本出願に記載される以外のその他のステップも含んでいる場合がある。さらに、この方法は、本出願に記載されたシステムのうちのいずれによっても実施できる。

本発明のさらなる利点は、好ましい実施形態と同時に添付図面への言及に関する次の詳細な記述の恩恵により専門技術者にとって明白になろう。

標準的なコンテキストマップ開発の、ある実施形態およびメンテナンス・フローを例示するフローチャートである。 設計コンテキストがそのパッチ画像をオーバラップさせるセル／構造によって定義されるパッチ画像の、ある実施形態を例示する概略図である。 設計コンテキストがパッチ画像とオーバラップする全ての構造（セル）を含むツリー構造（セル階層）を通るパスとして定義されるパッチ画像の、ある実施形態を例示する概略図である。 可変サイズの長方形のブロック（パッチ）に細分されたダイ区域のある実施形態を例示する、パッチが、それぞれ、セル階層に対するその位置に基づいたコンテキストタイプに割り当てられた概略図である。 設計データベースから設計コンテキストマップまでのコード化ステップに関する、ある実施形態を例示するフローチャートである。 標準的な検査システムに関するデータフローの、ある実施形態を例示するフローチャートである。 画像コンテキストに対する写像設計コンテキストの、ある実施形態を例示するフローチャートである。 与えられた設計を使用してプリントされる多数のサンプルダイのスキャンから派生する画像統計に基づいた、設計コンテキストタイプを分割する／マージする本方法の、ある実施形態を例示するフローチャートである。 コンテキストマップのマルチデータ平面表現構成の、ある実施形態を例示する概略図である。 コンテキストＩＤを設計するために画像パッチ特徴を写像する分類子のオフライン・トレーニングに関する、ある実施形態を例示するフローチャートである。 コンテキスト同一性に対して新しいデバイスの画像パッチを写像するために、以前に構築された分類子のインライン使用に関する、ある実施形態を例示するフローチャートである。 コンテキストクリティカリィティ、コンテキストによって占められたダイ区域、ならびにそのコンテキスト、つまりはピーク・イベント、分類された欠陥、および欠陥信号シミュレーションを使用するコンテキストに関するその画像モードにおける欠陥検出可能性を使用する、各設計コンテキストの各画像モードを評価する得点関数に関する、ある実施形態を例示するフローチャートである。 検査レシピを作成するコンピュータ実装方法を実行するための、コンピュータシステム上で実行可能なプログラム命令が含まれる担持媒体についての、ある実施形態を例示するブロック図である。 検査レシピを作成するように構成されたシステムの、ある実施形態を例示するブロック図である。

本発明では様々な修正および代替形態が許されるが、その特定の実施形態が、図面中の例を通じて示されると同時に、ここに詳細に記載される。図面は、必ずしもスケール通りではない。しかしながら、図面およびそれに対する詳細な記述は、本発明を、公開された特定の形式に制限するようには意図されていない点が理解されなくてはならない。しかし、これに対して、添付の請求項によって定義されるような本発明の精神および範囲内にある修正、同等物および代替案を全てカバーすることが意図されるものである。

ここに使用されるように、用語「試料」とは、全般的に検査レシピがそのために作成されるウェーハあるいはその他の任意の試料を指す。「試料」、「ウェーハ」という用語は、ここでは相互に入れ替えできるように使用されるが、ウェーハに関して本出願に記載される実施形態は、その他の試料（例えば、レチクル、マスクあるいはフォトマスク）の検査レシピを作成するために構成される、および／または、使用できる点が理解されなくてはならない。

ここに使用される通り、用語「ウェーハ」は、全般的に半導体あるいは非半導体材料から作られた基板を指す。このような半導体あるは非半導体材料の例は、単結晶のシリコン、ガリウム砒素およびインジウム燐化物を含むが、これらに制限されるものではない。この基板は、半導体製造設備の中で一般的に見当たる、および／または、処理できるものである。

１つ以上のレイヤーがウェーハで形成できる。様々なタイプのこのレイヤーは、本技術の中で知られていると同時に、ここに使用される用語ウェーハは、この全てのタイプのレイヤーが形成できるウェーハを包含するように意図される。ウェーハ上で形成された１つ以上のレイヤーは、パターン化できる。例えば、ウェーハは、多数のダイを含むことができて、其々反復可能なパターン化された特徴を有する。この材料レイヤーの構成および処理によって、結局は、完全な半導体デバイスを生み出せることになる。このように、ウェーハには、完全な半導体デバイスの全てのレイヤーが形成されるとは限らなかった基板、あるいは、完全な半導体デバイスのレイヤーが全て形成された基板が含まれる。

ウェーハには、さらに、少なくとも集積回路（ＩＣ）の一部、薄膜ヘッドダイ、微小電子機械システム（ＭＥＭＳ）デバイス、平面パネルディスプレー、磁気ヘッド、磁気媒体および光記憶媒体、レーザーなどの光通信学およびオプトエレクトロニクスのデバイスが含まれる場合もあるその他のコンポーネント、導波管およびウェーハ上で処理されるその他の受動コンポーネント、印字ヘッド、またウェーハ上で処理されるバイオチップデバイスが含まれる。

ここに全般的に使用される用語「設計」とは、ＩＣの物理的な設計（レイアウト）および複雑なシミュレーション、あるいは単純幾何学的演算あるいはブール演算を通じた物理的な設計から派生したデータを指す。この設計には、レイアウト情報だけでなく電気的かつ材料設計の情報も同様に含まれる。基本的に、この設計には、任意の「デバイス」作成の中で使用されるあらゆる設計情報が含まれる。また、任意のレチクル検査システム、および／または、その派生品によって得られる任意のレチクル画像は、この設計の１つの「代用」あるいは多数の「代用群」として使用できる。このレチクル画像あるいはその派生物は、本出願に記載された任意の実施形態中の設計の代用として役立てられる。本設計には、共通に所有されるＫｕｌｋａｒｎｉ他による米国特許出願シリアル番号１１／５６１，７３５およびＺａｆａｒ他による１１／５６１，６５９に述べられたその他の設計データあるいは設計データ代用物も含まれるが、両方ともに、２００６年１１月２０日に出願されると同時に、また両方ともに、参照によって、あたかも完全な１セットがここで述べられるかの如くに、ここで組み込まれるものである。

ここで、図に戻ると、図面類が目盛り通りに描かれていない点に留意すべきである。特に、図の要素のうちの一部の目盛りは、要素の特性を強調するために特に大きく誇張されている。図が同じ目盛りで描かれていないことにも留意すべきである。同様に構成できる２つ以上の図の中で示される要素は、同じ参照番号を使用して示された。

全般的に、ここで本出願に記載された実施形態は、検査レシピの作成のために構成される。例えば、実施形態は、設計データを使用して検査レシピを作成するように構成される。本出願に記載された実施形態も、また、検査レシピを作成するために画像および設計情報の両方を使用するように構成される。いくつかの実施形態では、本出願に記載された方法には、また、画像および設計情報の両方を使用して検査、および／または、レビュー用のコンテキストマップを作成することが含まれる。例えば、画像および設計情報の両方を使用して作成されたコンテキストマップは、検査レシピを作成するために使用できる。検査レシピは、ウェーハ検査のレシピにできる。この検査レシピは、さらに当技術分野で周知の任意の適切な検査プロセスのレシピにもできる。用語「レシピ」とは、全般的に、検査プロセスなどの処理を実施する検査システムなどのシステムによって使用できる１つの命令集合として定義できる。

ある実施形態は、検査レシピの作成用のコンピュータ実装方法に関する。本方法には、第１設計および第１設計がある製造プロセスを使用してプリントされるウェーハに関する検査システムの１つ以上の出力特性の獲得が含まれる。第１設計の獲得は、任意の適切な方法で実施できる。例えば、さらに本出願に記載されるように、第１設計は、設計に基づいたコンテキストデータ構造あるいは「レポジトリ」あるいは第１設計が格納されるその他の記憶媒体から得られる。本出願に記載された第１設計および他の設計は、任意の適切なフォーマットで得られると同時に、本出願に記載された実施形態中の設計を使用する前に異なるフォーマットに変換されても、あるいは変換されなくてもよい。

検査システムの１つ以上の出力特性の獲得には、特性が格納される記憶媒体から１つ以上の特性の獲得が含まれる。例えば、その１つ以上の出力特性は、もう１つの別の方法あるいはシステム（例えば、検査システムまたはそれに接続されたコンピュータシステム）によって決定されるとともに、任意の記憶媒体（例えば、検査システムに含まれた記憶媒体あるいは「有線」および／または「無線」部分を含み得る送信媒体によって検査システムに接続された製造データベース）に格納できる。このように、１つ以上の出力特性の獲得には、１つ以上の出力特性の決定が含まれない場合もある。しかしながら、その他の実施形態では、コンピュータ実装方法には、１つ以上の出力特性を決定することによってその１つ以上の出力特性の獲得が含まれる。その１つ以上の出力特性の決定には、上述などの記憶媒体からか、あるいは検査システムを使用してウェーハの検査あるいはスキャンを実施することによって得られる。このように、コンピュータ実装方法には、第１設計がプリントされるウェーハを検査するかスキャンすることが含まれる場合もあるし、含まれない場合もある。第１設計は、任意の適切な製造プロセス（例えば、リソグラフィおよび／またはエッチング）も使用して、ウェーハ上にプリントできる。

第１設計がプリントされるウェーハ用の検査システムの出力には、任意の適切な出力が含まれると同時に、検査システムの構成に依存して変動してもよい。例えば、その出力は、信号、データ、画像、あるいは、ウェーハ（例えば、暗視野（ＤＦ）検査システムの場合の）あるいは画像からの散乱光に反応する画像データ、あるいはウェーハ（例えば、明視野（ＢＦ）検査システムの場合の）からの反射光に反応する画像あるいは画像データを含んでいてもよい。この検査システムは、ＫＬＡ−Ｔｅｎｃｏｒ（カリフォルニア州、サンノゼ市））から市販で入手可能である２８ｘｘシステムといった市販の検査システムの場合もある。

ある実施形態では、検査システムは、検査レシピ作成用の検査システムである。別の実施形態では、第１設計がプリントされるウェーハに関する検査システムの出力は、そのレシピが作成される検査システムの光学モードとは異なる検査システムの光学モードを使用して得られる。このように、検査レシピ（例えば、コンテキストマップの生成）の作成に関係して、本出願に記載されたステップのうちのいずれにも使用される検査システム出力は、そのためにレシピが生成されるものとは異なる光学モードを元にする場合もある。例えば、第１設計、および検査システムの１つの光学モードを使用して獲得したウェーハ（第１設計でプリントされた）の画像は、その後、同じ検査システムの異なる光学モードのレシピ（第２設計を使用してプリントされるウェーハ用の）を生成するために使用されるコンテキストマップを利用した区分化を生成させるために使用できる。さらに、検査システムの光学モードは、第２設計の検査レシピに関する光学モードが本出願にさらに記載されるように選択される実例中におけるレシピ設定（例えば、コンテキストマップの生成）に使用されるものとは異なっていてもよい。別の実施形態では、その出力が、第１設計がプリントされるウェーハについて得られる本検査システムには、レシピがこのために作成されている検査システムとは異なるプラットフォームがある。様々な検査プラットフォームには、例えば、電子ビームに基づいた検査システムプラットフォームおよび光学に基づいた検査システムプラットフォームが含まれる場合もある。例えば、第１設計およびウェーハの電子ビーム画像（第１設計を使用してプリントされた）は、その後、ＤＲまたはＢＦのツール向けの検査レシピ（別の設計を使用してプリントされたウェーハに関する）を生成するために使用されるコンテキストマップを利用した区分化を生成させるために使用できる。

コンピュータ実装方法には、さらに、第１設計がプリントされるウェーハについて獲得した第１設計および１つ以上の出力特性を使用して、第２設計の検査レシピを作成することが含まれる。第１および第２設計は異なると同時に、検査レシピは、製造プロセスを使用して第２設計がウェーハ上にプリントされた後、ウェーハを検査するために使用されるだろう。さらに本出願に記載されるように、第２設計の検査レシピの作成が実施できる。

ある実施形態では、第１および第２設計は、異なるデバイスの設計である。例えば、第１設計は、与えられたデバイス向けであり得ると同時に、第２設計は、異なるデバイス向けである場合もある。第１および第２チップは、設計の異なる部分は本質的に同じかもしれないが、それらには同じ設計を有しないという点で異なるデバイスである。例えば、与えられたセルはその両方に存在してもよいが、レイアウトのその他の部品に対するその位置や接続性は異なっていてもよい。別の実施形態では、１つ以上の出力特性には、第１設計がプリントされるウェーハに関して獲得した出力に１つ以上のノイズ特性が含まれる。例えば、いくつかの実施形態では、本方法には、そのウェーハ「ノイズ」マップを得るための既知の設計レイアウトを使用したデバイスＡのスキャンニング、ならびにデバイスＡについて観察されたものを元にしたその設計の分析およびそのウェーハのノイズ特性の推論による、違うデバイス（Ｂという）の検査レシピの生成が含まれる。デバイスＡのスキャニングは、検査システムの１つ以上の任意のイメージングあるいは光学モードも使用して実施できる。

検査レシピの作成には、区域へのデバイスＢのレイアウトの分割、ならびに様々な区域毎に異なる検出閾値の割当てが含まれる。デバイスＢに関する分割および閾値は、デバイスＡのノイズマップ、デバイスＡの設計およびデバイスＢの設計から得られる情報から自動的に生成できる。このように、また、本出願に記載されるように、新しいデバイス用の設計レイアウトが利用可能な場合には、実施形態は、コンテキストマップを作成する１つのデバイス／レイヤーから学習されたコンテキスト対画像特性写像を使用して、同じプロセスを使用して製造される新しいデバイス／レイヤー用のコンテキストマップを自動的に作成する、検査レシピのウェーハ無し設定が構成できる。用語「ウェーハ無し設定」とは、一般に、検査レシピが作成されているデバイスを含むサンプル・ウェーハの使用を必要としない検査レシピの作成を指す。

テスト中のデバイスＢの（あるいは、検査レシピがそれについて作成されることになっている）設計データが入手できない場合には、本出願に記載された実施形態に、デバイスＡからのデータを使用する画像と設計コンテキストとの間の写像（分類子トレーニング）の学習が含まれていてもよく、これはまた本出願に記載されるように実施されることができる。このように、また、本出願に記載されるように、本方法は、検査レシピの設定を含む場合があって、この場合には、公知のデバイス（これに対して設計データが入手できる）に関するこの分類子のトレーニングならびに、その後に引き続く、この新しいデバイスのコンテキストマップを作成するための新しいデバイス（設計データは利用可能でない）に関する分類子の使用による、設計コンテキスト同一性（ＩＤ）に画像（例えば、パッチ画像）を分類する分類子の作成が含まれる。

ある実施形態では、第１設計および１つ以上の出力特性の獲得には、第１設計および１つ以上の出力特性が格納される、設計のコンテキストに基づいたレポジトリからの第１設計および１つ以上の出力特性の獲得が含まれる。例えば、本出願に記載されたレシピ合成のための実施形態では、与えられた製造プロセスを使用する新しいデバイスに関する強固でかつ微妙なレシピを引き出すための設計に基づいたコンテキストデータ構造あるいは「レポジトリ」が使用できる。このレポジトリには、例えば、設計された各種デバイスおよび対応する画像の中で遭遇しそうな全ての設計コンテキスト、ならびに、前のデバイスのスキャンから学習されたノイズ特性を含めることができる。このレポジトリには、任意の適切なフォーマット、構造および構成もあってもよい。

いくつかの実施形態は、次のデータソース、最適化構成物あるいはオペレーション、すなわち、設計レイアウト、セル階層、画像データ、ノイズマップ、歩留まりクリティカリィティ、履歴検査結果、光学モード選択のための費用関数、データソース間の写像、各データソースの分割方法、画像特性シグニチャ、管理領域（ＣＡ）コンポーネント生成、ＣＡコンポーネントのスケーリングおよび登録、履歴検査結果を使用した信号対ノイズ比（Ｓ／Ｎ）較正、ならびにコンテキストマップの圧縮、のうちの１つ以上を含む検査の感度あるいは欠陥分類の精度を最適化するためのコンテキストマップを生成させるように、設計に基づいたコンテキストレポジトリを使用することが含まれる。また、本出願に記載されるように、コンテキストマップを生成するために設計に基づいたコンテキストレポジトリを使用することが実施できる。

ある実施形態では、検査レシピの作成は、第１設計および１つ以上の出力特性を使用した第２設計のコンテキストマップの作成、ならびにこのコンテキストマップを使用した検査レシピの作成が含まれる。例えば、図１は、標準的なコンテキストマップの開発およびメンテナンス・フローの、ある実施形態を例示するものである。図１に示されるように、コンテキストデータソース１０は、多くの異なるコンテキストデータソースを含み得る。このコンテキストデータソースには、例えば、物理的な設計（レイアウト多角形、階層、平面図等）、設計属性密度マップ、歩留まりクリティカリィティマップ、検査システムによって生成された画像、画像属性（例えば、ノイズマップ）、履歴検査結果、計測結果などの結果、あるいはそれらのいくつかの組合せが含まれる。

図１に示されるように、コンテキストデータソースは、コンテキストマップシステム１２に入力できる。図１に示されるように、コンテキストマップシステムは、コンテキストデータ準備ユーティリティプログラム１４、コンテキストレポジトリメンテナンス・ユーティリティプログラム１６、コンテキストレポジトリ１８、ならびにコンテキストマップ生成ユーティリティプログラム２０などの要素を含むことができる。図１に示されるように、コンテキストデータソースは、コンテキストデータ準備ユーティリティプログラムに入力できる。コンテキストデータ準備ユーティリティプログラムは、コンテキストデータソースに関する任意の適切な準備ステップも実行できる。コンテキストデータ準備ユーティリティプログラムは、コンテキストレポジトリの記憶用のコンテキストデータを準備できる。コンテキストレポジトリメンテナンス・ユーティリティプログラムは、コンテキストレポジトリに関する任意の適切なメンテナンス機能を実行できる。コンテキストマップ生成ユーティリティプログラムは、コンテキストマップ２２を生成するために本出願に記載されるようなコンテキストレポジトリを使用できる。コンテキストマップは、また、本出願に記載されるような１つ以上の検査用途（例えば、検査用途２４）に使用できる。

ある実施形態では、検査レシピの作成は、第１設計、および第１設計がプリントされるウェーハについて獲得された１つ以上の出力特性の異なる部分を写像する分類子の作成を含む。例えば、検査レシピを生成するための方法論は、設計に基づいたコンテキストレポジトリを使用できる。特に、本出願に記載されたレシピ合成用の方法論は、与えられた製造プロセスを使用する新しいデバイスに関する強固でしかも微妙なレシピを引き出すために設計コンテキストに基づいたレポジトリの概念を便利に使用できる。コンテキストに基づいたレポジトリは、チップ・レイアウトに関する設計情報と結び付けられた最初のレシピ生成中に獲得されたウェーハノイズマップを使用できる。

この方法論には、２つの部分が含まれる。最初の部分では、プロセスは、ウェーハ（与えられたデバイス、例えば、デバイスＡの）のスキャンおよび、異なるイメージングあるいは光学モード（例えば、０１、０２、...０ｍ）向けのウェーハに関するウェーハノイズマップの獲得によって特徴付けることができる。デバイスＡに関する設計データは、異なる設計コンテキストタイプに対応する区域にダイ区域を分割するために分析できる。その後、画像特性シグニチャに対する設計コンテキストタイプの写像が実行される。このような写像は、上記で参照されたＫｕｌｋａｒｎｉ他およびＺａｆａｒ他による特許出願で説明された通りに実行できる。この写像の結果は、各コンテキストや各イメ―ジングあるいは光学モードに関するコンテキストノイズシグニチャである場合もある。

このような一例において、コンピュータ援用設計（ＣＡＤ）で派生させたコンテキストマップがデバイスＡに関して生成できる。ダイ画像は、５０ｎｍの画素を想定する６４０ギガの画素ならびに１つが４０ｍｍｘ４０ｍｍのダイを含むことができる。ダイ画像は、例えば、３２画素によって３２画素のブロックに分けることができる。生成されるブロックは、６億４０００万個のブロックを含むことができる。１つ以上の特徴がブロック毎に抽出できる。また、画素・ブロックは、例えば、１０００個の「コンテキスト」のうちの１つに分類できる（例えば、自然分類によって）。各コンテキストのサンプル画像パッチの獲得もできる。１０００個のパッチ画像が約１メガバイトの画像ファイルに格納できる。ダイのコンテキストマップが作成できると同時に、６億４０００万個のエントリを含むことができ、これは、２００メガバイトに圧縮可能である。画像ファイルおよびコンテキストマップが利用できるとともに、ＫＬＡＲＩＴＹオフライン分析、あるいはそれらのいくつかの組合せのために、スキャン型電子顕微鏡（ＳＥＭ）レビューサンプル・ジェネレーターへの入力としてのインライン自動欠陥分類（ｉＡＤＣ）のため、マニュアルレビューのためのレシピ生成（例えば、作成感度区域）中にウェーハ検査システムによって使用される。ＫＬＡＲＩＴＹは、ＫＬＡ−Ｔｅｎｃｏｒからの市販の製品である。また、コンテキストクリティカルマップは、全てのマニュアルレビュープロセスの後に更新できる。このマップもレビューサンプリングを稼働させるために使用できる。

このように、ＣＡＤ生成コンテキストマップは、検査、ビニングおよびその他の欠陥関連の機能向けに作成できると同時に使用できる。例えば、ある実施形態では、検査レシピの作成は、第１設計および１つ以上の出力特性を使用した第２設計用のコンテキストマップの作成を含み、これは本出願に記載されるように実施できる。また、本方法は、第２設計の欠陥レビューレシピの作成用のコンテキストマップの使用を含む。第２設計の欠陥レビューレシピの作成は、第２設計の検査レシピの作成用に本出願に記載されたものに似たやり方で実施できる。ＫＬＡＲＩＴＹオフライン分析、あるいはそれらのいくつかの組合せのために、欠陥レビューレシピは、ＫＬＡ−Ｔｅｎｃｏｒから市販で入手可能であるＥＤＲ−５ｘｘｘレビューＳＥＭなどの市販の欠陥レビューシステムのために作成できる。第２設計の欠陥レビューレシピの作成は、欠陥レビューに関する１つ以上の任意の調整可能なパラメータの選択も含むことができる。

検査レシピの作成は、設計用の「管理領域」（ＣＡ）の生成を含めることができる。設計からＣＡを生成することには、設計データのＣＡコンポーネントへの変換が含まれる。例えば、重要な幾何形状は、データ・ストリーム（ＧＤＳ）データ、ＣＡＤデータあるいは、電子設計自動化（ＥＤＡ）ツールに関するその他の適切なデータを使用して定義できる。定義されたキー形状は、ダイレイアウトにおいてこの形状の発生を全て識別するために使用できる。このように、ＧＤＳデータは、ＣＡコンポーネントに変換できる。特に、ＧＤＳデータは、識別されたＣＡに基づいたＣＡコンポーネントに変換できる。識別されたＣＡは、ＣＡ ＧＤＳファイルを生成するために使用でき、これは、標準ＥＡＤツールを使用して実施できる。また、コマンドライン・プログラムは、適切にフォーマットされたＣＡ ＧＤＳファイルをＣＡコンポーネントに変換するために使用できる。

ＣＡ ＧＤＳファイルは、単一レベル階層に基づいて生成できる。さらに、ＣＡ ＧＤＳファイルの作成は、ＣＡ座標の定義、グループＩＤなどのＣＡ属性とともに、これらの区域の検査の要否を定義するためのレイヤーおよびサブレイヤー写像の使用を含むことができる。また、任意の設計分析がマスク虚偽構造などのＣＡの決定に適用できる。さらに、設計分析は、区域ＩＤを利用した規則に基づいたビニング（ＲＢＢ）パフォーマンスの改善、および／または、ランダムおよび／またはシステマティック欠陥に対する感度の改善のためのＣＡの決定に適用できる。本出願に記載された実施形態は、比較的短時間（例えば、数分）で何千個ものＣＡ（何百万個さえ）を作成できるので有利である。

キーとなる幾何形状もＣＡの登録やスケーリング特徴を識別するために使用できる。例えば、識別されたＣＡあるいはＣＡ ＧＤＳファイルが作成できる。ウェーハ・レイアウト情報に基づいて作成された１つの「基本」レシピおよびウェーハ・データが登録やスケーリング特徴を識別するために使用できる。さらに、ＣＡの作成には、登録やスケーリング特徴を使用する登録やＣＡのスケーリングの実施が含まれる。

ＣＡコンポーネントのスケーリングや登録をすることもウェーハ・データを使用して実施できる。例えば、ＣＡ座標の登録およびスケーリングには、ＣＡコンポーネントのスケーリングやＣＡコンポーネントの再登録（コンポーネントが生成された後の）が含まれ、ＣＡ生成における誤差を修正し、よりよい精度のために座標を改善するとともに、ウェーハ・レイアウトからのＣＡコンポーネントの作成を低減する。さらに、ＣＡコンポーネントの登録およびスケーリングは、ユーザからの入力を使用しても実施できる。このＣＡコンポーネントのスケーリングおよび再登録は、実行可能なコマンドラインであると同時に、ＣＡコンポーネントを修正するだけでなく、オリジナルのＣＡコンポーネントのバックアップ・コピーを作成する登録、ならびにスケーリングのユーティリティプログラムによって実行できる。

ＣＡの座標の登録およびスケーリングには、ダイサイズによるスケーリング、オフセットのみ、マニュアル係数によるスケーリング、あるいはそれらのいくつかの組合せが含まれる。例えば、オフセットのみの登録およびスケーリングのために、グリッド範囲内のＣＡコンポーネントの位置が、グリッド範囲内（例えば、ｘ方向にｘミクロンだけ全てのＣＡをシフト、ｙ方向にｙミクロンだけ全てのＣＡをシフト）の１つまたは２つの次元でシフトできる一方、ＣＡコンポーネントのサイズは、シフトされなくてもよい。また、グリッド（例えば、グリッド幅および高さ）のサイズは、この登録やスケーリングでシフトされなくてもよい。ダイに基づいたスケーリングだけについては、座標登録およびスケーリングには、ＣＡが位置するグリッドの幅および／または高さのシフトが含まれるので、グリッド範囲内のＣＡのサイズや位置がスケーリングできる。このダイに基づいたスケーリングについては、レシピ中のダイサイズは、シフトされなくてもよい。マニュアル係数スケーリングだけに関しては、ＣＡコンポーネントのスケーリングは、１つまたは２つの次元にシフトされてもよく、これにより、１つまたは２つの次元のＣＡの座標を効果的にシフトできる。さらに、グリッド（例えば、グリッド幅および高さ）のサイズは、この登録やスケーリングにおいてシフトされなくてもよい。上記の登録およびスケーリング方法の２つ以上の組合せについては、ＣＡコンポーネントが１つまたは２つの次元においてスケーリングできると同時に、１つまたは２つの次元でシフトできる。（例えば、ｘ方向にｘの係数だけ全てのＣＡのサイズおよび位置をシフト、ｙ方向にｙの係数による全てのＣＡのサイズおよび位置をシフト、ｘダイピッチ＝ｘの新しいxダイピッチにするのに必要な同じ係数によるＣＡのスケーリングおよびシフト、ならびにｙダイピッチ＝ｙの新しいｙダイピッチにするのに必要な同じ係数によるＣＡのスケーリングおよびシフト）。この登録およびスケーリングでは、シフトオペレーションは、スケーリングが実施された後に実施できる。さらに、グリッド（例えば、グリッド幅および高さ）のサイズは、この登録およびスケーリングでシフトされなくてもよい。

ＣＡ座標の登録およびスケーリングは、多くの異なる方法で実施できると同時に適用できる。例えば、スケーリングは、検査システム（ツール上の）を使用して測定できる。このような一例において、公知の特徴は、検査システムを使用するｘおよびｙの座標値で測定できる。また、測定は、スケーリング係数を決定するために設計からの見込まれたサイズと比較できる。他の例において、スケーリングは、ユーティリティプログラム中で適用できる。このような一例において、スケーリング誤差があれば、スケーリング誤差は、これらのサイズと同様にＣＡの位置に影響するだろう。さらに、修正されたＣＡコンポーネントは、レシピにロードできる。また、シフト量が測定できる。この測定は、スケーリングが正確であることを確認する、および／または検査システムを使用してＣＡコーナーを識別するとともに、コーナーの位置を、シフト量を決定するための見込まれた位置と比較するために実施できる。さらに、そのシフトは、ユーティリティプログラム中で適用できて、シフトがスケーリングの後に残る誤差の修正に使用できる。修正されたＣＡコンポーネントも、シフト量を確認するためにレシピに戻されてロードできる。

その後、このレシピは、完成できる。例えば、ＣＡコンポーネントは、任意の適切なシステムの任意の適切な記憶媒体へインポートできる。このような一例で、登録されたＣＡコンポーネントは、基本レシピにインポートできる。さらに、ＣＡコンポーネントの追加には、検査システム（ツール上の）を使用した基本的なウェーハ・レイアウトの作成が含まれる。この段階で、サンプル・ウェーハは、検査システムが使用できて、ダイサイズを整列させ定義して、ウェーハマップを定義できる。基本的なウェーハ・レイアウトの作成には、これらと、「ゼロから」検査レシピを設定する場合に実施できる残りのステップとが含まれる。ＣＡコンポーネントが追加されるか、あるいはレシピへインポートされて、テストを加えるとともにテスト・パラメータを定義できる。テスト・パラメータには、モード（例えば、アレイ）、光学名、スペクトルモード（例えば、紫外線）、イメージング・モード（例えば、ＢＦ）、画素サイズ、焦点オフセット量、閾値モード（例えば、固定の）、閾値、カバー範囲％、スタック許容値、サイズふるい、マージ、ｘセル幅、実行事前マップ、保存特徴ベクトル、保存画像パッチ、非管理グループ化、非管理グループ化のグループ数、実行非管理グループ化、インラインＡＤＣ、ＷＩＳＥ−ＮＦ、およびテスト情報などの任意の適切なテスト・パラメータが含まれる。

ＣＡコンポーネントの追加には、さらにＣＡコンポーネントを使用したテスト用感度の定義が含まれる。テスト感度を定義する部分として、ユーザ・インターフェースから「インポートグループ」オプションを、ユーザが選択して任意のＣＡコンポーネントを選択できる。例えば、１つの「ユーザ・インターフェース」中の「インポートグループ」オプションあるいはボタンの選択によりＣＡコンポーネントインポート対話が開始できる。その後、ユーザは、ブラウズして希望のＣＡコンポーネントを選択できる。また、対話での「ＯＫ」ボタンのクリックによって、選択されたコンポーネントがＣＡビューに挿入できる。テスト用の感度の定義も、感度向けに最もよく知られている方法および／または履歴検査結果と連携させてＣＡコンポーネントを使用して実施できる。

ＣＡコンポーネントをインポートした後に、通常にあるいはその他の方法で、実施される通りにレシピ設定が継続できる。さらに、区域に基づいた多重閾値（ＲＢＭＴ）を使用する場合、ＣＡの区域との連結が実行できる。このような一例において、感度は、各ＲＢＭＴ区域について定義できる。また、ＣＡグループは、ＲＢＭＴ区域（閾値）に割り当てられる。このように、感度区域は、設計から生成できる。さらに、ＥＡＤレイアウト分析出力は、レシピ幾何形状コンポーネント（ＲＢＭＴ）に変換できる。その後、ＣＡコンポーネントは、本出願に記載されるようなレシピ設定に使用できる。さらに、レシピ設定および最適化は、最終レシピを作成する検査システム上などの「ツール上で」完成できる。例えば、ＣＡコンポーネントは、検査システムに送ることができ、レシピ設定および／または最適化用ツール上で使用できるファイルに格納できる。

設計からのＣＡの作成は、多くの方法で生産工場および研究開発工場の両方に対してツール価値を改善する。例えば、ＣＡを検査に使用することは、ランダム欠陥検出（例えば、ランダム欠陥感度）を改善でき、システマティックな欠陥感度（例えば、プロセス・ウィンドウ・クオリフィケーション（ＰＷＱ）使用中の）を高めることにより、システマティック欠陥検出を改善でき、区域に基づく分類を利用して欠陥分類を改善できる。このような一例において、システマティック欠陥検出を改善するために、特定レイヤーの設計が分析されて、システマティックな欠陥性によって影響される可能性がありそうな区域を見つけることができる。ＣＡは、候補区域の周辺にＣＡを配する設計またはＧＤＳから作成できる。また、ＣＡ ＧＤＳは、検査レシピへインポートできる。他の例において、設計データによる改善された欠陥ビニング／分類については、特定の物理的な特徴が別個のＣＡグループＩＤでラベル付けできて、後の欠陥分析で容易にこれらの区域を識別できる。このように、欠陥のＣＡグループＩＤは、欠陥属性として使用され検討できる。

他の実施形態では、検査レシピの作成は、第１設計、検査システムを使用する第１デバイスのスキャニングからの１つ以上の出力特性、および第２設計を使用する検査レシピの作成が含まれる。例えば、第２の部分で、デバイスＡと同じプロセスを使用して製造された別のデバイス（例えば、デバイスＢ）のレシピが、デバイスＢの設計コンテキストの分析、および、デバイスＡに実施される特徴付けからのデバイスＢの設計コンテキストのノイズ特性の推論によって作成できる。別の実施形態では、検査レシピの作成には、第１設計、第１設計がプリントされるウェーハのために獲得した１つ以上の出力特性、および第２設計がプリントされるウェーハに関する検査システムの１つ以上の出力特性を使用した検査レシピの作成が含まれる。例えば、オフラインＲＢＭＴトレーニングには、デバイスＡの設計が形成されるウェーハの検査システムからのＴＤＩ画像などの画像の獲得が含まれる。画像は、検査システム上で（ツール上で）、あるいはオフラインでノイズ解析に使用できる。ノイズ解析は、画像セグメントマップを生成するために使用できるとともに、マップの区分解像度は、ツール上で実施される場合にはほぼ画素・レベルあるいはミクロンに、オフラインで実施の場合にはほぼ画素・レベルにできる。デバイスＡの画像セグメントマップは、アレイ区域、ロジック区域、ダミー満杯あるいはその他の「無害」領域、あるいはキー属性に基づいたセグメントへ分割されて、デバイスＡの１つ以上の設計属性マップとともに使用して、手動であるいは自動的に実施できる歩留まり関連性および属性を設計するノイズフロア対応を決定できる。この情報は、オフライン自動ＲＢＭＴ設定規則デッキを生成するために使用できる。オフライン自動ＲＢＭＴ設定規則デッキは、レイアウト分析ツールとともに使用して、デバイスＢのＣＡコンポーネントを生成すると同時に、デバイスＡからの学習に基づいて特定の検出閾値に各管理領域コンポーネントを割り当てることができる。設計（ＧＤＳ）から自動的に無害領域を生成することにより、検査領域からダミーパターンの数を実質的に除去することにより、有利に検査領域を縮小できる。さらに、設計から生成されたＣＡを使用すると、欠陥検出の感度は上昇するのに、同時に虚偽率が減少する場合がある。

幾何形状パラメータ設定のための設計データの使用は、比較的、単刀直入な１つの演習となるが、ここでは言及しない。スキャナおよびレチクルのレイアウト情報を使用するウェーハおよびダイの幾何形状パラメータ設定は、あたかも完全に本出願で述べられるかのごとく参照によってここに組み込まれる、Ｂｅｖｉｓに、一般に割り当てられた米国特許第６,８８６,１５３号に記載される通りに実行できる。本出願に記載された実施形態には、この特許に述べられていたいずれの方法のいずれのステップも含まれる。

検査レシピの設定は、気力がそがれるほどのタスクであってさらにひどくなりつつある。検査の条件およびパラメータ値の選択を自動化する様々な努力がなされている。設計に含まれる十分な設計階層、および物理的セルライブラリが利用可能な場合、レシピ設定は、ある程度まで（特に、製造プロセスのフロントエンドに関しては）は、簡単にできる。設計対製造のチェーンの範囲内で分割することでは、この手法は標準にならないかもしれない。しかしながら、メーカーは、ますます頻度高く、自分達の工場の中で製造する製品に関する設計ファイル形式の一部にアクセスしている。この情報は、レシピ設定にかかわる時間およびコストの改善だけでなく捕捉率およびＳ／Ｎ見通しからのレシピの有効性にも役立てることができる。例えば、明白な派生事項と補足的推論技術の組合せは、利用可能な設計およびウェーハ・トレーニングセット情報から最大限、活用を支援して検査経済を改善するのに使用できる。

さらに本出願に記載されるように、実施形態には、ウェーハノイズやその他のウェーハ特性の表示が含まれる。ウェーハノイズの概念は、あたかも完全に本出願に述べられるかのように、参照によってここに組み込まれる、２００７年７月３０日に出願された、Ｋｕｌｋａｒｎｉ他により一般に割り当られた米国特許出願番号１１／８３０,４８５中にさらに詳しく記載されている。本出願に記載された実施形態には、この特許出願に述べられているいずれの方法のいずれのステップも含まれる。

本出願に記載されるように、検査レシピ設定に際してデバイス毎のノイズフロア情報の再利用については、実用的な利益がある。理論的には、比較的複雑なチップと与えられた検査条件について、チップのレイアウトの代表的な均質な区域への分解を利用して、ノイズシグニチャをエミュレートすることができた。このノイズシグニチャは、理論的には、検査レシピパラメータ空間を狭めて、ローカルレイアウト属性、および／または現在および関連する以前のレイヤーの設計レイアウトの機能としてプロセスノイズの統計的表示を使用することにより、前のチップ設計と同じプロセスを使用して製造された新しいチップ設計のレシピの経験的な最適化の間にレビューするのに有用であり得る。新たな設計のノイズ統計単調最適検査パラメータ・ウィンドウ（必ずしも正確な設定ではない）は、レイヤー、技術（ある指定工場における特定の統合処理フロー）、および設計から抽出されたローカルの２次元の（２Ｄ）レイアウト属性の機能として適切に合成できる。

均質なレイアウト区域（あるいは完全パラメータ化異種混合区域）のノイズフロア情報は、検査システム照明モード、光学設定、センサーパラメータ、アルゴリズム設定あるいはこれらのいくつかの組合せの機能としてテスト・チップか製品ダイから経験的に得ることができる。関連パラメータ空間の効率的なカバー範囲の応答表面分析実験計画法（ＤＯＥ）手法は、ＫＬＡ−Ｔｅｎｃｏｒから市販で入手可能な検査システムの「光学セレクター」機能などの機能によって少なくとも影響される。また、この機能は、本出願に記載された実施形態の１つ以上を実施するために変更できる。しかしながら、均質な構造にとってさえも、検査システム上のパラメータ空間は大変なものでありうる。対象欠陥（ＤＯＩ）のバックグラウンドノイズとの区別には、従来の設定手法における判断が要求される。

Ｓ／Ｎ較正は、電気的に試験可能な代用品および／またはテスト・チップを使用して実施できる。例えば、検査レシピは、テスト構造などの均質の構造上のＳ／Ｎに関して高度に最適化できる。信号とノイズとの間の客観的な仲裁者は、電気的なテスト結果であって、これらの性質および位置のために構造を犠牲にした欠陥を切り分けるために欠点が利用できる場合がある。欠陥が異なる区域に位置する場合、潜在的に欠点を生じうる欠陥はＤＯＩであって、テスト構造に基づいた較正スキームでは十分には把握されない。トレーニングセットに関するマニュアルレビューは、１つの選択肢である。応答表面分析およびｓｈｍｏｏプロット概念は、経験的なＤＯＥに基づいたデータ収集中に使用できる。

ある一定の検査レシピを使用する与えられたデバイスの検査中に、コンテキストノイズ・シグニチャデータは、検出された欠陥およびそれらの分類（例えば、致命的、現実的、あるいは有害／無害）から決定される追加の統計で更新できる。検査結果は、また新しいレシピ（新しいデバイス用の）の作成に役立つ各コンテキストの安定性測度の決定にも使用できる。

コンテキストに関連した演繹的な情報には、コンテキスト（例えば、歩留まりに関連する）のクリティカリィティおよびこのコンテキストにクリティカル領域測度が含まれる。ウェーハノイズマップの分析後の与えられたデバイス／レイヤーに関するコンテキスト（コンテキストノイズシグニチャ）に関連した情報には、さらにノイズマップの生成に使用される光学モードも含まれる。この情報には、さらにコンテキストによって占められるダイ区域が含まれる。さらに、この情報には、ウェーハ（例えば、この平均グレーレベルコンテキストの分布、このコンテキスト中の最小／最大グレーレベルの分布、グレーレベル・ヒストグラムの標準偏差の分布、ならびにｐが例えば、約１％、約５％等に相当しうる場合のグレーレベル・ヒストグラムの下部中のｐ番目パーセンタイル順位点の分布、）に関する、全てのダイにわたるこのコンテキストのグレーレベル・ヒストグラムの分布が含まれる。この情報には、ウェーハのダイ対ダイまたは全てのダイにわたるこのコンテキスト中の画素に関するダイ対標準の参考ダイ差異ヒストグラム（アラインメント後の）の分布（例えば、最大絶対差異分布およびｐが、例えば、約０.００１％、約０.１％等に相当しうる場合の差異ヒストグラム中のｐ番目のパーセンタイル順位点の分布）が含まれる。

検査の実施結果としてのコンテキストノイズシグニチャに追加される情報には、このコンテキストで検出されたダイに関する平均欠陥数が含まれる。この情報には、さらに１個のウェーハ全体のダイ当たりの欠陥の変動性が含まれる。このウェーハ全体のダイ当たりの欠陥の変動性は、エッジダイ（ウェーハ端近くに位置するダイ）とウェーハ中心のダイ間の差異あるいはウェーハ・セクター付近の変動性の測定値に基づいて決定される。例えば、この情報には、ウェーハ全体のＤＯＩ、現実および虚偽の欠陥数の変動性が含まれる。変動性には、エッジダイと中心ダイ間のその他の差異あるいはウェーハ・セクター付近の変動性の測定値が含まれる。さらに、この情報には、全てのダイの平均欠陥信号（最大差）および欠陥信号標準偏差が含まれる。この情報には、また、全ての分類欠陥（分類は自動的あるいは手動である）に関してダイ当たりに検出される、平均見積欠陥サイズおよびサイズの標準偏差および／またはＤＯＩ、現実、虚偽の欠陥の平均数が含まれる。コンテキストノイズシグニチャに追加される情報には、上記の唯一のタイプの情報あるいはそれらのいくつかの組合せが含まれる。

ある実施形態では、検査レシピの作成には、第２設計中のセル、構造あるいはそのいくつかの組合せの階層に基づいた異なる区域タイプに１つのダイを分けたコンテキストマップの作成が含まれる。例えば、本方法には、レイアウトにおいて利用可能なセル階層情報を使用してダイレイアウトを指定する、設計データからのコンテキストマップの生成が含まれる。このように、コンテキストマップは、ダイのセル・レイアウトから生成できる。例えば、設計に基づいたコンテキストマップの作成の１つの方法には、セル階層およびレイアウトを利用したダイ区域のブロックへの細分化が含まれる。この方法では、ダイは、設計セル／構造階層に基づいた区域へ分けられる。セル階層はダイの機能分割を表すので、区域へダイを分ける自然な方法を示しているため、セル階層は、区域タイプによりそれぞれ幾何形状特徴の別個の配置が表わされる。さらに、本出願に記載された実施形態は、別個の区域タイプへダイ表面を自動的に分けるようにセル／構造階層の使用を目的に構成でき、従って、設計に基づいたコンテキストマップを作成できる。セル階層情報も別個のカテゴリーにダイの区域を分類するために使用できる。

本出願に記載された実施形態には、区域へダイを分けるためのチップ・レイアウトの構造階層の分析、およびそれとオーバラップする全ての構造のリストを使用した各区域のラベル付けが含まれる。図１ａは、パッチとオーバラップするセル／構造によって定義できるパッチ２６の１つの例を示す。座標空間のパッチの範囲とオーバラップする設計レイアウト内のセルが、ダイ上のいずれかの任意の区域（パッチ）にラベル付けできる。例えば、図１ａの中で示されるパッチは、セル／構造階層２８中のセルＣ１、Ｃ２、Ｃ３、Ｃ４、Ｃ６およびＣ９とオーバラップする。セルの階層は、セル・ラベルからセル・ラベルまでを指す矢印によって図１ａの中に示される。（例えば、ラベルＣ１からラベルＣ２までの矢印は、セルＣ１がセル／構造階層においてセルＣ２より高いことを示す）。図２は、パッチとオーバラップする全ての構造（セル）を含むツリー構造を通るパスとして定義される図１ａの中で示されるパッチの１つの例を例示する。このように、オーバラップは、ツリーダイヤグラム（図２に示されるものなどの）の中の１つのノード集合として示すことができ、これは、デバイスのレイアウトにおけるこれらのノードの階層を示すものである。

図３は、サイズが可変の長方形のブロック（パッチ）に細分されたダイ区域３０の１つの例を例示する。パッチは、それぞれ、設計階層に関してパッチの位置に基づいたコンテキストタイプに割り当てられる。このように、ダイ領域は、可変グリッドの中で細分できる。図３は、ラベルがそれ（つまり与えられたパスの範囲にオーバラップする範囲があるセル）に結びつくセル階層中のパスが長方形にそれぞれラベル付けされる場合のダイ表面のオーバラップしない長方形への区切り方を示す。このように、グリッド・パスにより、それぞれパッチに対応するセル・パスが記録される。

上述されるように決定される同じ構造リストを有する区域は、単一の設計区域タイプに分類できる。図４は、設計データベースから設計コンテキストマップまで実行できるコード化ステップを例示する。特に、図４は、構造階層に基づいたダイ区域のコード化方法を示し、これにより、設計区域タイプの中への区域の写像が作り出される。さらに、図４は、マップの「画像」を作成する画素グリッド上における設計に基づいたコンテキストマップのデジタル化方法を示す。

特に、図４に示されるように、ＧＤＳファイル、ＯＡＳＩＳファイルあるいは他の適切なデータ構造のファイル、またはデータベースなどのデータ構造で格納された設計データ３２は、可変サイズ・グリッド・パッチを含むセル・グリッドを作成するステップ３４で使用される。可変グリッドは、さらに、上述のように、また、図３に示されたように構成できる。可変グリッドは、規則的なグリッド３８あるいは画素の中へのセル・グリッドの量子化を実行するために、図４に示される方法のステップ３６で使用できる。画素グリッドは、検査画素サイズあるいは一部のより大きなサイズ（例えば、図４に示されるような３画素ｘ３画素）のレベルで定義できる。この画素（あるいはミクロ区域）は、それぞれ、図４に示されるように、混合グリッド調停４０によって決定できる設計コンテキスト（図４に示されたように）の混合体を含むことができる。画素かミクロ区域に２つ以上設計コンテキストが含まれる場合、コンテキストを優先させる一部の方法が、画素またはミクロ区域に最終のコンテキストＩＤを割り当てるために使用できる。図４に示されるように、本方法には、本方法のステップ３６で生成された規則的なグリッドを使用するステップ４２にコードブック生成が含まれる。コードブックは、パス、度数およびコードに関する情報を含むデータ構造４４でもある。

図４のステップ４６で示されるように、本方法には、設計コンテキストマップ４８を生成する生成コードブックを使用するコンテキストマップコード化が含まれる。このマップの重要な（よりロスの少ない）圧縮は、例えば、ハフマンコード（文献で入手可能なその他の方法の中で）によって実行できる。ハフマンコードでは、与えられたコンテキストタイプ（多くのコンテキストタイプが潜在的にあり得るので）をコード化するために使用されるビットの数は、コンテキストタイプの出現度数に反比例する。１レイヤーの圧縮は、連長コード化の使用により、例えば、達成できる。それは、当業者に知られている情報を圧縮する方法である。こうして、最終の圧縮した設計に基づいたコンテキストマップが作成される。

ある実施形態では、検査レシピの作成には、第１設計および第１設計の１つ以上の出力特性を使用する第２設計のコンテキストマップの作成が含まれる。各コンテキストの閾値が決定できる。例えば、１つのこの実施形態では、検査レシピの作成には、コンテキストマップを使用する検査レシピの作成が含まれており、欠陥検出用の異なる感度閾値が、第２設計中の少なくとも２つの異なるコンテキストに関して獲得した出力に適用される。さらに、異なる感度の検査区域が、デバイスのコンテキストマップから自動的に派生でき、また、各コンテキストの閾値が決定できる。別のこの実施形態では、検査レシピの作成には、コンテキストマップを使用する検査レシピの作成が含まれて、第２設計がプリントされるウェーハの検査により検出された欠陥がコンテキストマップに基づき分類される。１つの付加的なこの実施形態では、検査レシピの作成には、コンテキストマップを使用する検査レシピの作成が含まれて、第２設計がプリントされるウェーハの検査により検出された欠陥がコンテキストマップに基づいてグループ化される。別のこのような実施形態では、検査レシピの作成には、コンテキストマップを使用する検査レシピの作成が含まれて、第２設計がプリントされるウェーハおよびコンテキストマップを検査する結果を使用して、第２設計中のシステマティック欠陥機構が検出される。

上述のようにシステマティック欠陥機構を分類し、グループ化し（あるいはビニング）し、検出することは、ランタイム・モードで実行される。例えば、コンテキストマップは、上述のように、また、図４に示されたように作成できる。このマップは、例えば、ウェーハ検査システムによって使用され、異なる区域の中で感度を制御すると同時に、これらの設計コンテキストによって欠陥を分類する（ビニング）。さらに、このコンテキストマップは、欠陥検出用に様々な感度閾値を適用し、欠陥をグループ化したり、分類したりするとともに、システマティック欠陥機構を検出するために使用できる。例えば、コンテキストマップは、様々な検出感度で検査することができるダイの区域を自動的に定義する検査レシピを作成するため、および／または、半導体デバイス検査システムによって見つかった欠陥を１つ以上の異なるランダムまたシステマティックなカテゴリーに分類するために使用できる。また、本出願に記載されるような機能に基づいたダイ表面の仕分けにより、自然な方法が提供されて、欠陥をグループ化し、かつ少数の区域タイプ中でクラスタに分かれる傾向がある欠陥機構をシステマティックに検出する。さらに、このコンテキストマップは、様々なコンテキストに生じる欠陥レビューのサンプル計画を作成するために使用できる。また、ウェーハ上、あるいは設計の中の特定の物理的特徴、および／または、検出された欠陥は、別個のＣＡグループＩＤかコンテキストＩＤで「ラベル付け」できるとともに、これらのＩＤは、任意の適切な欠陥分析が含まれる後の欠陥分析での物理的特徴、あるいは欠陥を容易に識別するために使用できる。欠陥検出用の様々な感度閾値の適用、欠陥のグループ化あるいは分類、ならびにこのコンテキストマップを使用するシステマティック欠陥機構の検出も、また、Ｋｕｌｋａｒｎｉ他およびＺａｆａｒ他による上記の参考文献として載せられた特許出願の中で記載したように実施できる。

他の実施形態では、様々なコンテキストマップが、検査中に様々なアプリケーションに使用できる。例えば、図４ａには、入力としてアプリケーション特化コンテキストマップを利用した検査アプリケーションデータ・パイプラインの１つの例が例示される。例えば、図４ａの中で示されるように、標準的な検査システムデータ・フローには、１つ以上の検出アルゴリズム５２が適用できる生のセンサー・データ５０（ランタイム・データあるいは保存データ）が含まれる。１つ以上の検出アルゴリズムには、任意の適切な検出アルゴリズムも含まれる。１つ以上の虚偽フィルタリングアルゴリズム５４が、生のセンサー・データに対する１つ以上の検出アルゴリズムの適用によって検出される欠陥に適用できる。１つ以上の虚偽フィルタリングアルゴリズムには、任意の適切な虚偽フィルタリングアルゴリズムも含まれる。１つ以上のビニングアルゴリズム５６が、１つ以上の虚偽フィルタリングアルゴリズムの出力に適用できる。例えば、１つ以上のビニングアルゴリズムが、非虚偽欠陥（例えば、１つ以上の検出アルゴリズムによって検出された欠陥母集団からフィルタされない欠陥）に適用できる。１つ以上のビニングアルゴリズムには、任意の適切なビニングアルゴリズムも含まれる。１つ以上の後処理アルゴリズム５８が１つ以上のビニングアルゴリズムの出力に適用できる。１つ以上の後処理アルゴリズムには、Ｋｕｌｋａｒｎｉ他およびＺａｆａｒ他の上記の参考文献として載せられた、特許出願に述べられた１つ以上の後処理ステップを実行するように構成できる、任意の適切な後処理アルゴリズムも含まれる。さらに、本出願に記載されたアルゴリズムのうちのどれでもこれらの特許出願で記載される通り、検出、虚偽フィルタリング、およびビニングを実行するように構成できる。オフライン分析６０は、１つ以上の後処理アルゴリズムの出力について実施できる。オフライン分析には、Ｋｕｌｋａｒｎｉ他およびＺａｆａｒ他の上記の参考文献として載せられた特許出願に述べられた任意の１つ以上のステップといった任意の適切なオフライン分析も含まれる。

図４ａ中でさらに示されたように、アプリケーション特化コンテキストマップは、上記の標準的な検査システムデータ・フローの各ステップで使用できる。アプリケーション特化コンテキストマップは、与えられた検査ステップのフォーマットおよびコンテキストにおいて異なっていてもよい。例えば、異なるコンテキストマップは、欠陥検出、虚偽フィルタリング、ビニング、他の後処理およびオフライン分析に使用できる。特に、コンテキストマップ６２は、ウェーハ上の欠陥を検出するために検出アルゴリズム５２とともに使用できる。コンテキストマップ６４は、虚偽をフィルタする虚偽フィルタリングアルゴリズム５４によって使用できる。コンテキストマップ６６は、欠陥をビニングするビニングアルゴリズム５６により使用できる。コンテキストマップ６８は、他の後処理アルゴリズム５８によって使用できると同時に、コンテキストマップ７０、オフライン分析６０によって使用できる。様々なコンテキストマップは、さらに本出願に記載されると同時に、Ｋｕｌｋａｒｎｉ他およびＺａｆａｒ他による上記の参考文献として載せられた特許出願で記載されるこれらのステップの各々で使用できる。

上記で記載されるような異なる検出感度を備えた区域の定義は、他の（それほどクリティカルでない）コンテキスト区域からのプロセスノイズをシステムあるいは検査結果に与えずに、ある一定のコンテキストに生じる致命的欠陥の捕捉を有利にする。例えば、ある特定レイヤーの設計は、無視区域として指定されるかあるいは、異なる感度区域へ分離されて、検査から取り除くことができる、高いノイズ性能（例えば、ダミー性能、レジストレーション・マーク）を見つけることによって虚偽率を減少させるように分析できる。上記で有利に記載されるようなコンテキストによって欠陥を分離することにより、設計および／または製造エンジニアを支援して、設計および／または製造プロセスを適切に修正して、１つ以上の欠陥原因機構を訂正すると同時に、歩留まりを向上させるために使用できる情報が提供される。「自動閾値化」アルゴリズムが欠陥検出に使用される場合、コンテキストマップを伴う類似特性区域によってダイを分けることは、区域によって異なる感度を明示的に設定することさえしない検査感度にとって、有利でありえるのは至極当然である。

画像形式へコンテキストマップをデジタル化する代わりに、長方形の１集合として設計空間（例えば、ナノメータ解像度まで）のコンテキストマップをメンテナンスできる。これらの長方形の座標は、様々な区域の中で、例えば、感度を制御するとともにこれらの設計コンテキストによって欠陥を分類する（ビニング）ウェーハ検査システムによって使用できる。

ある実施形態では、検査レシピの作成には、第１設計およびその１つ以上の出力特性を使用する、第２設計のコンテキストマップの作成ならびに、このコンテキストマップを使用する検査レシピの作成が含まれる。１つのこの実施形態では、コンテキストマップには、第２設計の異なるコンテキストが含まれるとともに、このコンテキストマップの作成には、同様の１つ以上の出力特性および同様の出力ノイズ特性がある異なるコンテキストタイプのマージが含まれる。このように、任意のコンテキストマップは、画像特性から生成できる。例えば、区域の画像特性は、分析されて（例えば、互いに比較される）ノイズレベルと外観に基づきこれらの区域をグループ化できる。少なくとも同様のノイズレベルおよび外観をもつ区域は、一まとめにされ、異なるノイズレベルおよび外観をもつ区域とは分離できる。従って、欠陥検出閾値は、比較的低いプロセスノイズがある区域中では、これらの領域のより敏感な検査を考慮に入れて、下げられる。

いくつかのこの実施形態では、写像は、コンテキストおよび光学特性の間で行える。例えば、写像は、上記の設計に基づいたコンテキストタイプ（区域）、および上記の画像に基づいたコンテキストとの間で行える。例えば、たとえ設計レイアウトの分析が何百個あるいは何千個もの異なるコンテキストタイプになってもよいとしても、ウェーハ検査システムは、検査システムの解像度制限によりコンテキストタイプの全ての間を区別できない場合がある。したがって、いくつかの設計コンテキストは、設計コンテキストの画像特性に基づいた１つのグループに写像できると同時にマージもできる。このように、検査システムに関する限り「類似して」見える設計コンテキストは、マージできる。反対に、同様の設計コンテキストが、例えば、イメ―ジング・アーキテクチャーに関する設計コンテキストに対応する幾何形状の向きにより、検査システムとは、異なっていそうでもよい。同様のやり方で、設計コンテキストの異なる部分が検査システムとは異なりそうな場合、設計コンテキストは、２つ以上のサブコンテキストに区別できるし分割もできる。マージ／分離操作もまた本出願に記載されるように行える。

１つのダイのコンテキストマップは、比較的大きい（例えば、数百ミクロンの正方形）か、あるいは比較的小さくてもよい（例えば、３画素ｘ３画素、あるいは５画素ｘ５画素でかつ、画素が約５０ｎｍ程度の場合もある）オーバラップしない長方形区域へのダイ領域の任意分割である。このマップは、規則的なグリッド（例えば、セルから構成した、各々、ダイ全体をＮｘＮ画素モザイク模様にした）か、あるいは不規則（つまり、ともにダイをカバーする様々なサイズのオーバラップしない長方形区域）であってもよい。この分割は、ダイレイアウト（各ブロックタイプの記号名を伴った）を出力できる、場所およびルート・ソフトウェアなどのＥＡＤツール、ダイの各区域の相互連結密度を規定する渋滞マップ、あるいはダイを機能、欠陥感度あるいは他のある基準に基づいた区域に分割する他の任意の分析ツールによって生成できる。

ちょうど設計コンテキストがレイアウト、クリティカリィティ、設計余裕等に基づいて定義できるように、各ダイ区域の画像特性（例えば、ウェーハ検査システムによって獲得した１つ以上の画像の１つ以上の特性）は、画像コンテキストにグループ化できる。したがって、コンテキストが様々な感度を伴う検査区域を定義するために使用される前に、もしこれらのクリティカリィティ程度が根本的に異ならなければ、「検査システムにとり等価な」コンテキストをマージすることは便利でありえる。例えば、与えられた設計コンテキストは、これらのコンテキストのサブ区域の画像特性に基づいたサブコンテキストへ分割できる。これらの設計コンテキストは、ウェーハ検査システムのイメージング・サブシステムに外観およびノイズ特性において類似してように見えるので、多数の設計コンテキストが同じ画像コンテキストに写像できる。

画像コンテキストに設計コンテキストを写像する１つの例が、図５にグラフ式に示される。例えば、図５に示されるように、設計から生成されたコンテキストマップ７２は、ウェーハノイズマップ７４と一緒に使用して、フレームおよび設計コンテキストによって仕分けされたウェーハノイズマップ７６を生成できる。さらに、設計から生成されるコンテキストマップ７２は、ウェーハノイズ７４とともに使用して、フレームおよび画像コンテキストによって仕分けされるウェーハノイズ７８を生成できる。図５にさらに示されるように、フレームおよび設計コンテキストによって仕分けられ、フレームおよび画像コンテキストによって仕分けられたウェーハノイズマップを使用して、画像コンテキストがグリッドの１つの軸芯に沿って写像され、設計コンテキストがグリッドの異なる軸芯に沿って写像される、設計コンテキストおよび画像コンテキストの間の写像８０を生成できる。さらに、図５に示されるように、画像コンテキスト解析８２が、本出願に記載されるように実施されて画像コンテキスト８４をマージする。したがって、設計および画像コンテキストの間の写像８６が、設計コンテキスト解析８８の結果および画像コンテキスト８４を使用して実施できる。このように、図５に示される写像には、画像コンテキストへの設計コンテキストの１:１写像、単一の画像コンテキストへの多数の設計コンテキストの写像、および多数の画像コンテキストに分割された単一の設計コンテキストの写像が含まれる。

設計コンテキストをマージする１つの方法は、コンテキストのノイズシグニチャ間の類似性測度を使用できる。例えば、Ｎ次元空間の特徴ベクトルとして上にリストされたノイズシグニチャ測度、類似した特徴ベクトルをもつコンテキストの、処理がマージできる。最も近いものによる支配規則が、コンテキストをクラスタに分けるために使用できる。クラスタリングの中で使用できるあるヒューリスティックスは、次のものが含まれる。すなわち、
コンテキストのクリティカリィティ値が比較的遠く離れて存在する場合、コンテキストはマージされない、
コンテキストのグレーレベル分布が本質的に異なる場合、コンテキストはマージされない、
コンテキストの差異ヒストグラムが本質的に異なっているように見える場合には、たとえグレーレベル分布が類似しても、コンテキストはマージされない、
１つのコンテキストがウェーハ全体にわたって比較的高い流動性を持っており、他のコンテキストが持っていない場合、たとえ両方のコンテキストが平均的に同様のグレーレベル分布および差異分布を示しても、コンテキストはマージされない、
与えられた設計コンテキストの画像コンテキストベクトルが画像特性に比較的広い変動幅を持っている場合、設計コンテキストは、対応する画像コンテキストのサブグループへのクラスタ分けに基づいてサブコンテキストへ分割して、あるサブグループ内のセルが互いに似ていると同時に、他のサブグループのものと異なるようにできる、
か、あるいはこれらのいくつかの組合せである。

上記の規則が実施されて、コンテキストに同様のレベルのクリティカリィティ、同様のグレーレベル分布、ならびに同様のダイ対ダイあるいはダイ対標準参照ダイ差異分布がある場合のみ、コンテキストがマージされることが保証できる。

ある実施形態では、本方法には、第１設計においてその１つ以上の出力特性を使用した、異なるコンテキストタイプのマルチダイ統計の決定、ならびに出力の外観およびノイズレベルに基づいた、少なくとも１つの異なるコンテキストタイプのコンテキストサブタイプへの分割が含まれるとともに、検査レシピの作成には、第１設計、１つ以上の出力特性およびコンテキストサブタイプを使用した検査レシピの作成が含まれる。例えば、検査コンテキストマップを作成するために画像および設計コンテキスト情報を分割および／またはマージするプロセスは、図６に示される。特に、図６は、複数のサンプルダイのスキャンから派生した画像統計に基づいた設計コンテキストタイプを分割および／またはマージする方法のある実施形態を例示している。さらに、本方法には、設計セル／構造階層、およびサンプル・ウェーハ上の１つ以上のダイのスキャンから派生する画像特性に基づいた区域への１つのダイの自動的な区分化が含まれる。例えば、図６に示される方法には、同様の画像統計（ウェーハ上の複数ダイのスキャンから派生した、）を伴う区域タイプのマージあるいは区域タイプのサブ区域への分割が含まれて、検査レシピ用区域の最終集合を定義する。このように、図６に示されるように、複合のダイ９２からの画像統計を使用して修正される設計コンテキストマップ９０および設計に基づいたコンテキストは、設計および画像のコンテキストマップ９４を生成するために使用できる。例えば、図６に示されるように、「スーパー画素」（例えば、３画素ｘ３画素）統計９６は、ウェーハ１００上のダイ中のミクロ区域９８について決定できる。特に、サンプル・ウェーハ１００のダイ列１０２はスキャンできると同時に、上述されるように定義された区域の個々のミクロの区域（例えば、３画素ｘ３画素）についての統計が決定される。

スーパー画素統計は、ステップ１０４で使用できて、区域タイプが多数のクラスタを持っているかどうかを判断する。区域タイプに多数のクラスタがない場合、本方法には、ステップ１０６で示されるように、区域に手をつけずそのままにしておくことが含まれる。区域タイプに多数のクラスタがある場合、本方法には、ステップ１０８で示されるように、サブタイプへ区域タイプを分割することが含まれる。例えば、区域タイプがイメージング特性に基づいたミクロ区域の異なるサブ母集団を示す場合には、その区域タイプは、結局、サブ区域に分割できる。このように、本出願に記載された実施形態は、各設計コンテキストタイプの画像からマルチダイ統計を集めて外観およびノイズレベルに基づいたサブタイプへコンテキストタイプを分割するように構成できる。

本方法には、さらにステップ１１０で示されるように、２つ以上の区域タイプが同じ画像統計を本質的に持っているかどうかの判断が含まれる。区域タイプに同じ統計が実質的にない場合、区域タイプは、ステップ１１２で示されるように、触れずにそのままにしてよい。区域タイプに同じ画像統計が実質的にある場合、本方法には、ステップ１１４で示されるように、区域タイプのマージが含まれる。このように、これらのイメージング特性に基づいて、２つ以上の区域タイプの違いが判別不能な場合、２つ以上の区域タイプは、単一の区域タイプにマージできる。このように、本出願に記載された実施形態は、同様の画像特性およびノイズ特性がある区域またはコンテキストのタイプをマージするように構成できる。

図６にさらに示されるように、無修正区域タイプ、分割区域タイプ、およびマージ区域タイプは、設計および画像のコンテキストマップ９４の作成かあるいは修正に利用できる。このようにして、画像特性に基づいた設計区域タイプに関して実行される分割／マージ操作により最終的な検査領域タイプが生じることになる。

上述されるように、１つの画素あるいはミクロ区域に２つ以上の設計コンテキストが含まれる場合、コンテキストを優先させるある方法が、画素あるいはミクロ区域に最終的なコンテキストＩＤを割り当てるために使用できる。また、コンテキストマップは、多数の属性について生成できる。例えば、図６Ａの中で示されるように、あるマルチデータ平面のコンテキストマップの構成の１例の中で、単一の２Ｄコンテキストマップデータ平面が、コンテキスト属性毎に生成できる。例えば、個々のコンテキストマップデータ平面１１８、１２０および１２２は、異なるコンテキスト属性について生成できる。データ平面は、それぞれ区域に分割することができ、その各々には、そのコンテキストマップ平面によって表される特定の属性に対する量子化された値が割り当てられる。図６ａの中でさらに示されるように、この多重データ平面コンテキストマップ中のどの地点でも、属性ベクトルが、多重データ平面コンテキストマップ１１６から生成できる。属性ベクトルには、その地点での各コンテキストマップ平面をもとにした値が含まれる。

ある実施形態では、第２設計は、本方法の中では使用されない。例えば、本出願に記載された実施形態には、画像および設計コンテキストの間の写像の自動学習が含まれる。例えば、上述されるように、与えられたデバイス（例えば、デバイスＡ）の設計データ、ウェーハノイズマップおよび画像データは、デバイスＡと同じプロセスを使用して製造される新しいデバイス（例えば、デバイスＢ）の検査レシピを合成するために使用できる。これまで、デバイスＢの設計データは、本出願に記載された方法での使用に利用可能であるものと考えてきた。しかしながら、デバイスＢの設計レイアウトが本出願に記載された方法での使用に利用できない場合でも、写像は、今までどおりデバイスＡの設計および画像を使用して決定できる。

上述されるように、ある実施形態では、検査レシピの作成には、第１設計、および第１設計がプリントされるウェーハについて獲得される１つ以上の出力特性の異なる部分を写像する分類子の作成が含まれる。このある実施形態では、検査レシピの作成には、さらに、第２設計がプリントされるウェーハの検査システムの出力の獲得、第２設計がプリントされるウェーハについて得られる１つ以上の出力特性の決定、ならびに、第２設計がプリントされるウェーハについて得られる１つ以上の出力特性および第１設計を使用して構築された分類子を使用した、第２設計の異なる部分へのコンテキストＩＤの割当ても含まれる。例えば、コンテキストＩＤに画像パッチを写像するための分類子のインライン使用の基本概念は、図７ａおよび７ｂの中で示される。特に、図７ａには、画像対設計コンテキストマップのオフライン・トレーニングが例示される。例えば、図７ａは、その最も可能性の高いコンテキストへ画像パッチを写像する写像関数（分類子）の作成のためのチップ（デバイスＡ）の設計レイアウト、およびチップ（デバイスＡ）の検査スキャンから獲得した画像の使用方法を示す。特に、図７ａの中で示されるように、デバイスＡのダイ設計１２６のコンテキストセル１２４は、コンテキストＩＤ１２８を決定するために使用できる。さらに、デバイスＡのダイ画像１３２中の１つのセルの画像パッチ１３０は、パッチ画像のうちの１つ以上の特徴１３４を決定するために使用できる。コンテキストＩＤおよびパッチ画像の１つ以上の特徴は、分類子トレーニング１３６に使用できる。分類子トレーニングは、オフラインで実施できる。例えば、分類子トレーニングは、ダイ画像（デバイスＡの）が格納された後、オフラインで実施できる。分類子トレーニングは、分類子１３８を生成するために使用できる。このように、分類子は、オフライン・トレーニングの出力に含まれていてもよい。

ダイには、特定のコンテキストの例が多数ありえるので、分類子をトレーニングするための特定のコンテキストの適切なサンプルがある。さらに、多くのコンテキストが検査システム（つまり、コンテキストの画像は、特徴空間で本質的に類似したように見えてもよい）に対して区別不能であることがありえるので、分類子の誤分類率が決定できる。分類子の中で使用される特徴は、生の画素データ、あるいは信号自身あるいは生の画素データから派生した特徴、あるいは、背景を分類するためにｉＡＤＣの中で使用される特徴のような信号でありえる。「正解データ」あるいは「真分類」は、設計コンテキストによって提供される。設計コンテキストの粒度（「コンテキストセル」）は、比較的粗い場合もあるし（例えば、約１μｍｘ約１μｍ）、あるいは比較的細かい場合もある（例えば、約０.１μｍｘ約０.１μｍあるいは約１〜２設計規則サイズ）。

このトレーニング出力は、基本的に分類子を表す関数（例えば、探索テーブル、あるいは最近傍分類子、あるいは規則、あるいはトレーニング特徴ベクトルの集合、あるいはハイブリッド、あるいはニューラルネット）である。検査スキャン（図７ｂを参照）中に、検査デバイス（デバイスＢ）のダイ画像１４０が得られる。画像は、適切な粒度（コンテキストセルに）に分離できる。図７ｂで示されたように、１つ以上のパッチ画像特徴１４２がダイ画像１４０中の画像パッチ１４４から決定できる。特徴はセルから抽出でき、また、セルは、以前にトレーニングされた分類子１３８および１つ以上のパッチ画像の特徴を使用して分類できる。分類子の出力は、コンテキストＩＤ１４６である。その後、適切な閾値が、そのコンテキストセルの画素に適用される。このように、コンテキスト依存の閾値がステップ１４８で示されるように、ステップ１５０で欠陥／無欠陥決定を行うために適用できる。

ある実施形態では、検査レシピの作成には、第１設計およびその１つ以上の出力特性を使用した第２設計のコンテキストマップの作成、ならびにコンテキストマップを使用した検査の実施を目的とした検査レシピへのコンテキストマップの格納が含まれる。他の実施形態では、第２設計のコンテキストの分類の結果は、コンテキストマップに格納され、後の検査されたウェーハの分類子の使用を必要とせずに、後のその設計の検査に使用される。例えば、図７ｂのステップ１５２で示されるように、上記の分類法は、デバイスＢの画像に一旦は適用できると同時に、生じるコンテキストＩＤマップがオフラインで格納できる。その後、このマップは、デバイスＢのウェーハが検査されるごとに上述されるようなコンテキストＩＤを決定する必要はなしに、後のデバイスＢのウェーハの各ダイの検査の間にダウンロードされ使用することで貴重なコンピュータ資源を節約できる。

ある実施形態では、検査レシピの作成には、第１設計、その１つ以上の出力特性、および第１設計の中にある異なる設計コンテキストの、異なる光学モードにおける欠陥検出可能性に基づいた得点関数を使用した検査レシピのための、光学モードの選択が含まれる。例えば、本出願に記載された実施形態には、設計情報（例えば、コンテキスト）、イメージング特性（例えば、ノイズ）、および欠陥検出可能性測度（例えば、Ｓ／Ｎ）に基づく、得点関数を使用した、最良または最適なイメージング・モードの選択が含まれる。この１例では、コンテキスト、チップ面積および各コンテキストと各モードの欠陥検出能力情報を利用する得点関数を最大限にして、デバイスＢの検査レシピの最適なイメージング・モードが選択できる。このように、費用関数は、光学モード選択に使用できる。例えば、レシピ作成における基本的難問は、与えられたレイヤーに「最良の」光学モードを選定することにある。しかしながら、与えられた光学モードは、必ずしも全てのコンテキストに最良の欠陥検出信号を提供していない場合がある。デバイスには、それぞれコンテキストの異なるバランスがあってもよい。したがって、与えられたデバイスの最良の光学モードは、（ａ）コンテキストによって占領されたダイ区域、（ｂ）コンテキストのクリティカリィティ、および（ｃ）光学モードを使ったそのコンテキストにおける欠陥検出可能性の関数であろう。

基本的に、光学モードは、ある関数Ｓｕｍall context［ｚＦ（コンテキストクリティカリィティ、コンテキスト領域、コンテキスト欠陥検出可能性）］が最大化されるように選択できる。例えば、ｋがコンテキスト指標であり、Ｃｋ、ＡｋおよびＤｋは、それぞれこの光学モードのコンテキストｋのクリティカリィティ、領域および欠陥検出可能性である場合、Ｆ（）は、Ｃｋ* Ａｋ* Ｄｋの積である。コンテキストクリティカリィティは、設計を分析して様々なＥＣＡＤベンダーから入手可能な「設計スキャン」、あるいは設計規則検査項目などの設計中の弱点を識別するためにソフトウェアから得られる。Ｋｕｌｋａｒｎｉ他およびＺａｆａｒ他による上記の参考文献として載せられた特許出願に記載されるように設計中の弱点も識別できる。コンテキスト領域は、レイアウト自体から派生できる。欠陥検出可能性は、このコンテキスト対虚偽欠陥の中で捕捉された現実／ＤＯＩ欠陥の数に基づいた検査結果、あるいは与えられた光学モードにおけるこのコンテキストの欠陥Ｓ／Ｎ比から決定できる。

ピーク・イベントは、光学モードを比較するために使用できる。例えば、様々な光学モードの評価は、異なるモードの下のウェーハをスキャンし、かつ各モードが検出する欠陥を手動で（恐らくはＳＥＭレビューツール上で）分類するのに必要な時間の問題である。生じる１つの疑問は、異なる光学モードにより広範囲なマニュアル分類を行わないでも、異なる欠陥タイプが捕捉されるかどうかの判断方法の有無にある。

光学モード間の「ピーク・イベント」相関性は、モード間の一致を決定すると同時にある一定の光学モードにより唯一の欠陥タイプ（つまり他のものの中にはなく、あるモードだけで捕捉される欠陥タイプ）が捕捉されるかどうかの判断に使用できる。

与えられたモードが画素差（ダイ対ダイ）の分布における孤立値として欠陥を捕捉するので、合理的に積極的な閾値が設定される場合、この閾値があるレベルの虚偽欠陥とともにＤＯＩを捕捉することになり、これから、光学モード全体にわたって欠陥位置を比較することにより、各モードで捕捉される欠陥を決めることができる。したがって、「ピーク・イベント検出マトリックス」、ＰＥＤＭ［］が構築されて、［ｉ, ｊ］番目のエントリは、ｊと等しくないｉに関して、光学モードｉおよび光学モードｊの両方によって捕捉されたピーク・イベントの数を表せる。対角線のエントリ、ＰＥＤＭ［ｉ,ｉ］は、モードｉの中で捕捉されたピーク・イベントの総数を表す。モードｉによってのみ捕捉されかつ他のモードによっては捕捉されない唯一の欠陥Ｕ［ｉ］の数もまた決定できる。

ダイのコンテキストマップが知られている場合、マトリックスＰＥＤＭ［］およびＵ［］は、各コンテキスト、ｋごとに決定できる。これらのマトリックスは、ＰＥＤＭk［ｉ,ｊ］, Ｕk［ｉ］として表わせる。

上記のマトリックスを与えられて、与えられたコンテキストｋおよびモードｉの検出可能性手段は、下記式を使用してＤ［ｋ、ｉ］として決定し、表すことができる。
Ｄ［ｋ,ｉ］＝Ｗ1*Ｕｋ［ｉ］＋Ｗ２*ＰＥＤＭｋ［ｉ,ｉ］
但し、Ｗ1、Ｗ２は重みである。したがって、Ｄ［ｋ、ｉ］は、モードｉによって捕捉された唯一のイベント、およびモードｉによって捕捉されたイベントの総数の重みの合計である。

２つのモードｉおよびｊによって捕捉された「共通の」欠陥の測度をもつことも有用でありえる。コンテキストｋの光学相関行列と呼ばれるこの測度、ＯＣＭｋ［ｉ, ｊ］は、次のように決定できる。
ＯＣＭｋ［ｉ,ｊ］＝ＰＥＤＭk［ｉ,ｊ］／{ＰＥＤＭｋ［ｉ,ｉ］* ＰＥＤＭｋ［ｉ,ｊ］}1／2
この測度は、欠陥捕捉に関する限り２つのモード間の共通性を捕捉する。

光学モードｉの得点関数は、こうして次式により与えられる。
Ｓｃｏｒｅ［ｉ］＝ＳＵＭall ｋ{Ｃｋ*Ａｋ*［Ｗ１*Ｕｋ［ｉ］＋Ｗ２* ＰＥＤＭｋ［ｉ,ｉ］］}

２つのモードを比較する有用な測度は、モードｉとｊ間で共通に捕捉されたイベントによる上記の合計得点に対する寄与度である。この得点は、Ｓｃｏｒｅ ［ｉ、ｊ］によって表示された次式で与えられる。
Ｓｃｏｒｅ［ｉ,ｊ］＝ＳＵＭall ｋ{Ｃｋ* Ａｋ* Ｗ２*ＰＥＤＭｋ［ｉ,ｊ］}

分類されたピーク・イベントは、光学モードを比較するために使用できる。例えば、各光学モードにおけるピーク・イベントがレビューされ、手動で分類される場合、マトリックスＵｋ［］およびＰＥＤＭｋ［］は、欠陥タイプによって分割できる。また、与えられたモードは、そのモードに検出された現実欠陥のプラスの重みおよび虚偽欠陥のマイナスの重みを与えることにより配点できる。こうして、タイプｌの欠陥の重みＶlは、ＤＯＩおよび現実欠陥について正の数および虚偽について負の数である場合、上記の方程式は、次のように記述できる。
Ｓｃｏｒｅ［ｉ］＝Ｓｕｍallｋ{Ｃｋ* Ａｋ*［Ｗl*Ｓｕｍall k（Ｖl*Ｕlk［ｉ］）
＋Ｗ２*Ｓｕｍall l（Ｖl*ＰＥＤＭlｋ［ｉ,ｉ］ ）］}
上記の方程式では、Ｕlｋ［ｉ］は、コンテキストｋに属するモードｉ中で捕捉されたタイプｌの唯一欠陥の数を表示するとともに、ＰＥＤＭlｋ［ｉ，ｉ］は、コンテキストｋに属するモードｉ中で捕捉されたタイプlの欠陥の総数を表示する。

上記方法の修正は、与えられたモードの現実欠陥から、虚偽欠陥からの最大信号までの平均信号を測定することでできる。コンテキストｋについては、ＳＮＲＵｋ［ｉ］がモードによって捕捉された唯一の欠陥のこの比率を表示し、ＳＮＲｋ［ｉ］がモードによって捕捉された欠陥の全体集合の比率を表示する場合、上記の方程式同様の重みの合計が、各モードの配点に使用できる。

あるいは、両方の欠陥とも数えて、Ｓ／Ｎ測度は、モードの得点に組み合わせることができる。

欠陥モデルも光学モードを比較するために使用できる。例えば、多くの場合で、あるクリティカルダイ位置の欠陥の現実例は、入手できない可能性がある。ダイの与えられた位置の与えられたサイズの欠陥から得られるという信号は、シミュレート可能である（電磁気の（ＥＭ）シミュレーション・ソフトウェアなどのソフトウェア・プログラムを使用して）。このシミュレーションは、様々なイメージング・モードについて、また、様々なダイコンテキストの場合について実施できる。モードおよびコンテキストの各組合せの欠陥信号も、また、最良のイメージング・モードを評価する得点関数の中で使用できる。

モード評価の中で使用できる様々な情報が、図８に示される。特に、図８は、イメージング・モード評価のためにピーク・イベント、分類された欠陥および欠陥モデリングを使用するある実施形態を例示する。例えば、図８で示されるように、ピーク・イベント１５４、ウェーハ検査１５６からの分類された欠陥、およびコンテキスト１５８中のシミュレーション・モデルからの欠陥信号は、このコンテキスト１６０中のイメージング・モードにおける欠陥検出可能性の決定に使用できる。この欠陥検出可能性、コンテキスト１６２によって占領されたダイ領域、およびコンテキストクリティカリィティ測度１６４は、与えられたイメージング・モード１６６のこのコンテキストの得点関数の決定に使用できる。また、図８に示されるように、得点１６８は、コンテキストｋおよびモードｉの関数として表現できる、

本出願に記載された実施形態には、自動的なＣＡ生成および閾値設定が含まれる。例えば、上記の方法を使用して、最適な光学モードを選択した場合、次のステップは、異なるコンテキストに対応するＣＡの作成でありえる。基本のコンテキストは、上記のマージング規則を使用して、マージできる（選択された光学モードについて）。マージ後にできたコンテキストは、その後、唯一の区域タイプに割り当てられるとともに、各区域タイプの閾値はウェーハノイズマップ（デバイスＡの）を使用して、孤立値を捕捉するために選択できる。ノイズマップには、各コンテキストに関する、ウェーハ全体のヒストグラム統計が含まれる。さらに、本出願に記載されるように決定されたコンテキストマップや区域タイプは、欠陥のグループ化あるいは分類、および／または、システマティック欠陥機構の検出に加えて、欠陥検出用の様々な感度閾値を適用するために使用できる。

上記の実施形態には、格納されたダイ画像、および検査条件の代表的な範囲に対する経験的あるいはモデル化された検査結果の組合せ使用が追加して、あるいは二者択一的に含まれて、設計データベースから将来のデバイス用に最適化された検査レシピを構築するためのモデルが確立される。これらの概念は、コンテキストを画像化するために設計コンテキストを写像して、イメージング・モードを評価するとともに、検査に最良のモードを選択する検査に最良のモードを選択する得点関数を使用するために、本出願に記載された方法のノイズフロア概念と結び付けられて、ダイ区域クリティカリィティ、そのコンテキストタイプによってカバーされた領域、およびそのモード用のそのコンテキストの中で欠陥を検出するべき能力が、検査レシピ作成の要因として因数分解できる。

他の実施形態では、特別な方法あるいは反復法が、ダイレイアウトに関する知識を持ったオペレータによってダイ分割が実施される検査レシピ作成に使用できる。過去の経験、あるいは画像構成モデルから決定されたイメージング・モードは、レシピ設定中のウェーハの検査に使用できる。各区域中の検出閾値を反復して修正するとともに、欠陥のレビュー（現実の欠陥と虚偽欠陥の差異を示すこと）によって、最適のイメージング・モードが選択できる。

本出願に記載された実施形態は、検査レシピ生成にこれまで用いられている方法およびシステムを越える多くの利点を持つ。例えば、欠陥検出が変動する検出閾値を使用して実施されることになっている、ダイの区域を自動的に定義することは、ダイの他の部分の何百万もの虚偽欠陥を検出しないうちに、クリティカルダイ区域（クリティカル設計コンテキスト）中のＤＯＩ感度を最大化することにとって重要である。したがって、本出願に記載された実施形態は、設計から生成されたＣＡを使用して、虚偽率を低減させながら感度を高めた検査レシピを生成するように構成できる。さらに、ウェーハ自体を見ながらの手動では容易には利用可能でない、設計データ中の情報の使用により検査性能を甚だしく高めることができる。しかしながら、この情報の抽出および使用は、歴史的に、非実用性の点で時間を消耗するものであった。

また、様々な閾値で検査されるダイの区域を定義する過去に用いられている方法およびシステムは、手動であり、誤差が発生しやすく、設計情報を利用しておらないばかりか、クリティカル区域に付加される非クリティカル区域のせいでより高い感度で検査されると比較的高い虚偽率を招くに違いない、何百万もの比較的小さな区域がある場合には、非実用的である。例えば、ダイのクリティカル区域、あるいは様々な検出感度が適用されることになっている区域を手動で定義する現在の方法は、厄介で、かつミスの起きやすい傾向がある。これらの区域がさらに小さく（約１ミクロン以下程度）なる場合、およびダイに何百万もの区域がある場合、これらを手動で定義することは実際上不可能である。さらに設計データを利用しない現在の区域定義方法は、通常、同じ感度を使ったクリティカルあるいは非クリティカル領域の検査を生じることによって、受け入れ可能な虚偽率にするように、クリティカル欠陥検出を不感知状態にしてしまっている。しかしながら、本出願に記載された実施形態は、最適に検出感度のためのダイ表面を区分する検査システムのイメージング特性に関する知識を、設計コンテキスト（例えば、セル／構造階層）に基づいて区分するという利点と組み合わせている。

上述されるように、電気的なテストあるいはテスト・チップは、デバイスの弱点区域を識別するために使用された。手動方法は、表面のカメラ画像を使用したチップ表面の比較的低解像度および／または比較的高解像度画像の検査により、ユーザがチップ上で様々な領域を定義する検査システムとともに現在使用できる。しかしながら、ダイの上の問題の正確な位置は直ちには明白にならないので、電気的なテストの使用および弱点区域の識別は不正確である。弱点領域決定の代用としてテスト・チップを使用することもまた、与えられたデバイスレイアウトがテスト・チップ設計中に予想することができないプロセスステップと幾何形状の間の複雑な相互作用がからみうるので限界がある。ダイ区域のマニュアル定義は、その幅および／または高さが約１ミクロン程度でありえる、比較的多くの恐らくは本質的に小さな区域がある場合には、ユーザミスを受けやすく非実用的である。したがって、手動でこれらの区域を定義し、各区域について閾値を手動で設定することは実用的ではない。しかしながら、設計レイアウトのオフライン分析は、各々異なる閾値を必要として、何百個ものコンテキストタイプおよびダイの中に何百万個ものミクロの区域を生成する場合がある。しかしながら、本出願に記載した実施形態により、区域および閾値が設計コンテキストシグニチャレポジトリを使用して便利に自動的に決定されることが可能となることによって、設計に基づいた検査が実現される。

ウェーハ（レイヤー）の検査レシピを作成する多くの既存の方法は、またチップ設計レイアウト情報を利用せず、もっぱら適切な欠陥検出閾値の決定のためのウェーハのスキャンから生ずる画像特性にばかり依存している。この方法の欠点の１つは、全てのデバイスについて、上記の設定プロセスが繰り返されなくてはならないので、レシピ設定の時間が増大するに違いないという点にある。全てのデバイスについてのこの設定プロセスの繰り返しは、特に何百個ものデバイスにわたって同じ製造プロセスを使用するシリコンメーカーにとって、重い負担となる。しかしながら、本出願に記載された実施形態により、レシピ学習が、グレーレベルおよびノイズマップなどのウェーハからの画像データと結び付けられた設計コンテキスト情報を使用して、１つのウェーハ上での実施されることが可能となる。その後、この学習は、そのデバイスのための学習スキャンを必要としないでも、別のデバイスのレシピの自動作成にも適用できる。

本出願に記載された実施形態の他の利点は、様々なダイ区域が、その区域のノイズ特性を考慮に入れて、各区域のクリティカリィティと合わせるために選択される様々な感度で検査できる点にある。画像特性に設計コンテキストを写像することによって、新しいデバイスレイヤーの適切な閾値は自動的に決定できる。このように、ＣＡは、ランダム欠陥性に対する感度を改善するように設計から選択できる。さらに、ＣＡは、システマティックな欠陥性に対する感度を改善するように設計から選択できる。

本出願に記載された実施形態の追加の利点は、検査システムに多くのイメージング・モードがある場合、本出願に記載された実施形態により、最適なイメージング・モード（例えば、虚偽欠陥検出を抑えつつＤＯＩを検出する最良の能力を持つイメージング・モード）を選択するシステマティックな方法が提供される点にある。

本出願に記載された実施形態には、さらに記憶媒体の中で本出願に記載された、１つ以上のコンピュータ実装方法の１ステップ以上の結果を格納することが含まれる。さらに、本出願に記載された実施形態は、記憶媒体の中で本出願に記載された、１つ以上のコンピュータ実装方法の１ステップ以上の結果を格納するように構成できる。結果には、本出願に記載された結果のうちの任意のものが含まれる。結果は、当技術分野では周知の任意の方法に格納できる。記憶媒体には、当技術分野で周知の任意の適切な記憶媒体も含まれる。結果が格納された後、その結果は、記憶媒体の中でアクセスされ、本出願に記載された任意の方法または任意のシステムの実施形態、その他の任意の方法あるいはその他の任意のシステムによっても使用できる。さらに、結果は、「永久に」「半永久に」、一時的にあるいはある期間の間、格納できる。例えば、記憶媒体は、ランダム・アクセス・メモリ（ＲＡＭ）であってもよいし、また、結果は、必ずしも記憶媒体に固執しなくてもよい。

本出願に記載された実施形態は、システムコンピュータあるいはプログラム可能な画像コンピュータのいずれか中で実行できるソフトウェアを使用して実装できる。例えば、別の実施形態は、検査レシピ作成向けにコンピュータ実装方法を実施するための、コンピュータシステム上で実行可能なプログラム命令が含まれる担持媒体に関する。このある実施形態は、図９に示される。例えば、図９に示されるように、担持媒体１７０には、検査レシピの作成向けにコンピュータ実装方法を実施するためのコンピュータシステム１７４上で実行可能なプログラム命令１７２が含まれる。

コンピュータ実装方法には、第１設計および第１設計が製造プロセスを使用してプリントされるウェーハの検査システムの１つ以上の出力特性の獲得が含まれる。さらに獲得ステップは、本出願に記載されるように実施できる。検査システムは、さらに本出願に記載されるように構成できる。

コンピュータ実装方法には、さらに、第１設計および第１設計がプリントされるウェーハについて獲得した１つ以上の出力特性を使用して、他の設計の検査レシピを作成することが含まれる。第１および第２設計は、異なる。また、検査レシピは、製造プロセスを使用して、第２設計がウェーハ上にプリントされた後に、ウェーハの検査に使用されるだろう。検査レシピの作成は、本出願に記載された任意の実施形態によって実施できる。プログラム命令が実行可能なコンピュータが実装される方法には、本出願に記載された以外の方法のその他のステップも含まれる。

本出願に記載されたものなどの方法を実装するプログラム命令１７２は、担持媒体１７０上に送信されるか、あるいは媒体上に格納できる。担持媒体は、ワイヤー、ケーブルあるいは無線送信リンクなどの送信媒体でありえる。担持媒体は、さらに読み出し専用メモリ、ＲＡＭ、磁気または光ディスク、あるいは磁気テープなどの記憶媒体でありえる。

プログラム命令は、手続きベース技術、コンポーネントベースの技術、および／または、中でもオブジェクト指向の技術を含む様々な方法のうちのどれでも実装できる。例えば、プログラム命令は、Ｍａｌｔａｂ、Ｖｉｓｕａｌ Ｂａｓｉｃ、ＡｃｔｉｖｅＸ制御、Ｃ、Ｃ＋＋オブジェクト、Ｃ#、ＪａｖａＢｅａｎｓ、Ｍｉｃｒｏｓｏｆｔ Ｆｏｕｎｄａｔｉｏｎ Ｃｌａｓｓｅｓ（「ＭＦＣ」）、あるいは所望の他の技術または方法論を使用して実行できる。

コンピュータシステム１７４は、パソコン・システム、メインフレーム・コンピュータ・システム、ワークステーション、システムコンピュータ、イメージ・コンピュータ、プログラマブルイメージ・コンピュータ、パラレル・プロセッサあるいは当技術分野で周知の他のデバイスを含む様々な形式をとってもよい。一般に、用語「コンピュータシステム」とは、広範に、１台以上のプロセッサがある任意のデバイスも包含するものと定義でき、これがメモリ手段からの命令を実行する。

ある追加の実施形態は、検査レシピを作成するように構成されるシステムに関する。このシステムのある実施形態は、図１０に示される。図１０に示されるように、システム１７６には、検査システム１７８およびコンピュータシステム１８０が含まれる。コンピュータシステムは、プロセス、検査、計測学、レビューあるいは他のツールの一部を形成しないスタンド・アローン・システムとして構成できる。この実施形態では、コンピュータシステムは、「有線」および／または「無線通信」部分が含まれる送信媒体によって他のシステム（例えば、検査システムからの検査データ）からのデータあるいは情報を受け取る、および／または得るように構成できる。このように、送信媒体は、コンピュータシステムと他のシステムの間のデータリンクとして使われもよい。さらに、コンピュータシステムは、送信媒体によって他のシステムにデータを送信してもよい。このデータには、例えば、設計データ、ウェーハのスキャンからの画像データ、コンテキストデータ、本出願に記載された方法の結果、検査レシピあるいは他のレシピ、あるいはそれらのいくつかの組合せが含まれる。他の実施形態では、コンピュータシステムは、検査システムのコンピュータシステムでもよい。また、このように検査システムの部分を構成するか、あるいは、検査システムに含まれていてもよい。

検査システム１７８は、第１設計が製造プロセスを使用してプリントされるウェーハに関する出力を得るように構成される。検査システムは、さらに本出願に記載されるようなウェーハに関する出力を得るように構成できる。検査システムは、本出願に記載された他のステップも実施するように構成できる。

コンピュータシステム１８０は、第１設計および第１設計がプリントされるウェーハについて獲得した１つ以上の出力特性を使用して、他の設計の検査レシピを作成するように構成される。コンピュータシステムは、本出願に記載された実施形態のうちのいずれかによる第２設計の検査レシピを作成するように構成できる。いくつかの実施形態では、コンピュータシステムは、さらに本出願に記載されるような第１設計を得るように構成される。第１および第２設計は異なると同時に、検査レシピは、製造プロセスを使用して第２設計がウェーハ上にプリントされた後、ウェーハの検査に使用されるだろう。上記のシステムの実施形態は、また、本出願に記載されたように（例えば、本出願に記載された実施形態のうちのいずれかのその他の任意のステップを実施するように）構成できる。

本発明の様々な態様のさらなる修正および代替の実施形態は、この説明を考慮すれば、当業者にとって自明であるだろう。例えば、検査レシピを作成するためのシステムおよび方法が提供されている。従って、この説明は、単に例証として解釈すべきであり、本発明を実施する一般的な方法を当業者に教示する目的のためのものである。本出願に図示され説明された本発明の形式は、現在の好ましい実施形態として捉えるべきであることを理解されたい。要素および材料は、本出願で例証され説明されたものに置き換えることができ、部分およびプロセスは、逆にすることができ、さらに本発明のいくつかの特徴は、本発明のこの説明の恩恵を得た後で当業者には全て明らかになるように、独立して用いることができる。添付の請求項に記載されるような本発明の精神および範囲から逸脱することなく、本出願で説明された要素に対しては変更を行うことができる。

Claims (23)

1. 検査レシピ作成のためのコンピュータ実装方法であって、
   第１設計および前記第１設計がプリントされるウェーハの検査システムの出力の１つ以上の特性の獲得、および
   前記第１設計および前記第１設計がプリントされるウェーハについて得られた出力の１つ以上の特性を使用した第２設計の検査レシピの作成が含まれ、前記第１および前記第２設計が異なり、前記検査レシピが、前記製造プロセスを使用して前記第２設計が前記ウェーハ上にプリントされた後に前記ウェーハの検査に使用されるコンピュータ実装方法。
2. 請求項１記載のコンピュータ実装方法であって、
   前記作成に、前記第１設計、前記第１設計がプリントされる前記ウェーハについて獲得した１つ以上の前記出力特性、および前記第２設計がプリントされるウェーハの検査システムの１つ以上の出力特性、ならびに前記第２設計がプリントされた検査システムの１つ以上の前記出力特性、を使用する前記検査レシピの作成が含まれるコンピュータ実装方法。
3. 請求項１記載のコンピュータ実装方法であって、
   前記作成に、前記第１設計および前記第１設計がプリントされる前記ウェーハについて得られた１つ以上の前記出力特性の異なる部分を写像する分類子の作成、前記第２設計がプリントされる前記ウェーハについての検査システムの出力の獲得、前記第２設計がプリントされる前記ウェーハについて獲得される１つ以上の出力特性の決定、ならびに前記第２設計がプリントされる前記ウェーハについて獲得される１つ以上の前記出力特性および前記第１設計を使用して構築された前記分類子を使用する前記第２設計と異なる部分へのコンテキスト同一性の割当てが含まれるコンピュータ実装方法。
4. 請求項３記載のコンピュータ実装方法であって、
   前記第２設計のコンテキスト分類の結果がコンテキストマップに格納され、その後の検査済ウェーハの分類子の使用を必要とせずに、後の当該設計の検査に使用されるコンピュータ実装方法。
5. 請求項１記載のコンピュータ実装方法であって、
   前記作成に、前記第１設計および１つ以上の前記出力特性を使用する前記第２設計のコンテキストマップの作成ならびに前記コンテキストマップを使用する前記検査レシピの作成が含まれるコンピュータ実装方法。
6. 請求項１記載のコンピュータ実装方法であって、
   前記作成に、前記第１設計および１つ以上の前記出力特性を使用する前記第２設計のコンテキストマップの作成ならびに検査が前記コンテキストマップを使用して実施されるよう前記検査レシピに前記コンテキストマップの格納が含まれるコンピュータ実装方法。
7. 請求項１記載のコンピュータ実装方法であって、
   前記作成に、前記第１設計および１つ以上の前記出力特性を使用する前記第２設計のコンテキストマップの作成が含まれるとともに、前記方法に、さらに、前記第２設計の欠陥レビューレシピ作成のための前記コンテキストマップの使用が含まれるコンピュータ実装方法。
8. 請求項１記載のコンピュータ実装方法であって、
   前記作成に、ダイを前記第２設計のセルの階層、構造あるいはその組合せに基づいた異なる区域タイプに分けることによる、コンテキストマップの作成が含まれるコンピュータ実装方法。
9. １つ以上の前記出力特性に、前記出力の１つ以上のノイズ特性が含まれることを特徴とする請求項１に記載のコンピュータ実装方法。
10. 請求項１記載のコンピュータ実装方法であって、
    少なくとも１つの前記出力特性を使用する前記第１設計の異なるコンテキストタイプのマルチダイ統計の決定、ならびに少なくとも１つの異なるコンテキストの、前記出力の外観およびノイズレベルに基づいたコンテキストサブタイプへの分割がさらに含まれ、前記作成に、前記第１設計、１つ以上の前記出力特性および前記コンテキストサブタイプを使用する前記検査レシピの作成が含まれるコンピュータ実装方法。
11. 請求項１記載のコンピュータ実装方法であって、
    前記作成に、前記第１設計および１つ以上の前記出力特性を使用する前記第２設計のコンテキストマップの作成、および前記コンテキストマップを使用する前記検査レシピの作成が含まれ、前記コンテキストマップに前記第２設計の異なるコンテキストタイプが含まれることを特徴とし、さらに前記コンテキストマップの作成に、同様の１つ以上の出力特性および同様のノイズ出力特性を有する異なるコンテキストタイプのマージングが含まれるコンピュータ実装方法。
12. 請求項１記載のコンピュータ実装方法であって、
    前記作成に、前記第１設計および１つ以上の前記出力特性を使用する前記第２設計のコンテキストマップの作成、ならびに、前記第２設計の少なくとも２つの異なるコンテキストについて得られる出力に欠陥検出の様々な感度閾値が適用されるよう前記コンテキストマップを使用する前記検査レシピの作成が含まれるコンピュータ実装方法。
13. 請求項１記載のコンピュータ実装方法であって、
    前記作成に、前記第１設計および１つ以上の前記出力特性を使用する前記第２設計のコンテキストマップの作成、ならびに、前記第２設計がプリントされる前記ウェーハの検査により検出される欠陥が前記コンテキストマップに基づいて分類されるよう前記コンテキストマップを使用する前記検査レシピの作成が含まれるコンピュータ実装方法。
14. 請求項１記載のコンピュータ実装方法であって、
    前記作成に、前記第１設計および１つ以上の前記出力特性を使用する、前記第２設計のコンテキストマップの作成、ならびに、前記第２設計がプリントされる前記ウェーハの検査により検出される欠陥が前記コンテキストマップに基づいてグループ化されるように前記コンテキストを使用する前記検査レシピの作成が含まれるコンピュータ実装方法。
15. 請求項１記載のコンピュータ実装方法であって、
    前記作成に、前記第１設計およびその１つ以上の前記出力特性を使用する前記第２設計のコンテキストマップの作成、ならびに前記第２設計のシステマティック欠陥機構が、前記第２設計がプリントされる前記ウェーハの検査結果および前記コンテキストマップを使用して検出されるように前記コンテキストマップを使用する前記検査レシピの作成が含まれるコンピュータ実装方法。
16. 請求項１記載のコンピュータ実装方法であって、
    前記作成に、前記第１設計、１つ以上の前記出力特性、および前記第１設計中に存在する異なる設計コンテキストの異なる光学モードにおける欠陥検出可能性に基づいた得点関数を使用する、前記検査レシピの光学モードの選択が含まれるコンピュータ実装方法。
17. 前記第２設計が、前記方法の中で使用されない請求項１に記載のコンピュータ実装方法。
18. 請求項１記載のコンピュータ実装方法であって、
    前記獲得に、前記第１設計および、前記第１設計および１つ以上の前記出力特性が格納される設計コンテキストに基づくレポジトリからの１つ以上の前記出力特性の獲得が含まれるコンピュータ実装方法。
19. 前記検査システムが、このために検査レシピが作成されている検査システムである請求項１に記載のコンピュータ実装方法。
20. 請求項１記載のコンピュータ実装方法であって、
    前記第１設計がプリントされる前記ウェーハの検査システムの出力が、前記レシピがそのために作成されている前記検査システムの光学モードと異なる検査システムの光学モードを使用して得られるコンピュータ実装方法。
21. 請求項１記載のコンピュータ実装方法であって、
    その出力が、前記第１設計がプリントされる前記ウェーハについて得られる前記検査システムが、前記レシピが作成される検査システムとは異なっているプラットフォームを有するコンピュータ実装方法。
22. 検査レシピの作成用にコンピュータ実装方法を実施するためのコンピュータシステム上で実行可能なプログラム命令を記録した記録媒体であって、
    前記第１設計、および前記第１設計が製造プロセスを使用してプリントされるウェーハの検査システムの１つ以上の出力特性の獲得、および前記第１設計および前記第１設計がプリントされるウェーハについて得られた１つ以上の前記出力特性を使用する第２設計の検査レシピの作成が含まれ、前記第１および第２設計は異なり、前記検査レシピが前記第２設計が前記製造プロセスを使用して前記ウェーハ上にプリントされた後にウェーハの検査に使用される記録媒体。
23. 第１設計が製造プロセスを使用してプリントされるウェーハについて出力を得るように構成された検査システム、ならびに前記第１設計および前記第１設計がプリントされるウェーハについて得られる１つ以上の前記出力特性を使用して、第２設計の検査レシピを作成するように構成されたコンピュータシステムが含まれる検査レシピを作成するように構成されたシステムであって、
    前記第１および第２設計は互いに異なり、前記検査レシピが、前記製造プロセスを使用して前記第２設計が前記ウェーハにプリントされた後のウェーハの検査に使用されることを特徴とするシステム。