JP2012532458A5 - - Google Patents

Download PDF

Info

Publication number
JP2012532458A5
JP2012532458A5 JP2012518552A JP2012518552A JP2012532458A5 JP 2012532458 A5 JP2012532458 A5 JP 2012532458A5 JP 2012518552 A JP2012518552 A JP 2012518552A JP 2012518552 A JP2012518552 A JP 2012518552A JP 2012532458 A5 JP2012532458 A5 JP 2012532458A5
Authority
JP
Japan
Prior art keywords
total number
inspection tools
defect types
defect
determined
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.)
Granted
Application number
JP2012518552A
Other languages
English (en)
Other versions
JP5583766B2 (ja
JP2012532458A (ja
Filing date
Publication date
Application filed filed Critical
Priority claimed from PCT/US2010/039656 external-priority patent/WO2011002651A1/en
Publication of JP2012532458A publication Critical patent/JP2012532458A/ja
Publication of JP2012532458A5 publication Critical patent/JP2012532458A5/ja
Application granted granted Critical
Publication of JP5583766B2 publication Critical patent/JP5583766B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Description

時間的に変化する分類性能の監視のためのシステムおよび方法が開示される。
方法は、1つまたは複数の走査型検査ツールからの1つまたは複数の標本の1つまたは複数の特性の指標となる、1つまたは複数の信号を受信することと、1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に、1つまたは複数の分類規則を適用して、1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定することと、1つまたは複数の高分解能検査ツールを用いて、1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定することと、1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、1つまたは複数の標本における1つまたは複数の欠陥タイプの総数と、1つまたは複数の高分解能検査ツールを用いて決定された、1つまたは複数の標本における1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を計算することと、を含みうるが、これに限定されるものではない。
上述の概要、および以下の詳細な説明は、共に例示的、説明的なものに過ぎず、必ずしも請求項に記載された本発明を限定するものではないことが理解されるべきである。添付の図面は、本明細書に組み込まれて本明細書の一部を構成し、本発明の実施形態を例示し、概要と共に、本発明の原理の説明に役立つものである。
本発明は以下の適用例としても実現可能である。
[適用例1]
時間的に変化する欠陥分類性能の監視のための方法であって、
1つまたは複数の走査型検査ツールからの1つまたは複数の標本の1つまたは複数の特性の指標となる、1つまたは複数の信号を受信することと、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定することと、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を決定することと、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を計算することと、含む方法。
[適用例2]
適用例1に記載の方法であって、
前記1つまたは複数の走査型検査ツールは、明視野パターン付きウェハ検査装置、パターン付き暗視野光子光学ウェハ検査装置、パターンなし暗視野光子光学ウェハ検査装置、および電子ビーム光学領域走査型検査装置のうちの少なくとも1つから選択される、方法。
[適用例3]
適用例1に記載の方法であって、
前記分類特性は、サイズ、形状、極性、テクスチャ、コントラスト、バックグラウンドビジネスのうちの少なくとも1つから選択される、方法。
[適用例4]
適用例1に記載の方法であって、
前記1つまたは複数の高分解能検査ツールは、走査型電子顕微鏡、原子間力顕微鏡、共焦点顕微鏡のうちの少なくとも1つから選択される、方法。
[適用例5]
適用例1に記載の方法であって、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定することは、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、少なくとも第1標本および第2標本における1つまたは複数の欠陥タイプの総数を決定することを含み、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定することは、
前記1つまたは複数の高分解能検査ツールを用いて、少なくとも前記第1標本および前記第2標本における1つまたは複数の欠陥タイプの総数を決定することを含み、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算することは、
前記1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、1つまたは複数の欠陥タイプの総数の少なくとも前記第1標本および前記第2標本と、前記1つまたは複数の高分解能検査ツールの使用を通して決定された、1つまたは複数の欠陥タイプの総数と、の間の相対的安定性を計算することを含む、方法。
[適用例6]
適用例1に記載の方法であって、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定することは、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に対する、1つまたは複数の分類規則を適用して、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定することを含み、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定することは、
前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定することを含み、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算することは、
前記1つまたは複数の走査型検査ツールから受信した前記標本に関連付けられた1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第1相関を計算することと、
前記1つまたは複数の高分解能検査ツールを用いて決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第2相関を計算することと、
前記第1相関と前記第2相関の間の相関を計算することと、を含む、方法。
[適用例7]
適用例1に記載の方法であって、
1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対して適用される、1つまたは複数の分類規則を生成すること、を更に含む、方法。
[適用例8]
適用例1に記載の方法であって、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの前記総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された欠陥タイプの総数と、の間の1つまたは複数の相関に従って、1つまたは複数の分類規則を修正すること、を更に含む、方法。
[適用例9]
時間的に変化する欠陥分類性能の監視のためのシステムであって、
1つまたは複数の走査型検査ツールからの1つまたは複数の標本の1つまたは複数の特性の指標となる、1つまたは複数の信号を受信するための手段と、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定するための手段と、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を決定するための手段と、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を計算するための手段と、を含むシステム。
[適用例10]
適用例9に記載のシステムであって、
前記1つまたは複数の走査型検査ツールは、明視野パターン付きウェハ検査装置、パターン付き暗視野光子光学ウェハ検査装置、パターンなし暗視野光子光学ウェハ検査装置、および電子ビーム光学領域走査型検査装置のうちの少なくとも1つから選択される、システム。
[適用例11]
適用例9に記載のシステムであって、
前記分類性能は、サイズ、形状、極性、テクスチャ、コントラスト、バックグラウンドビジネスのうちの少なくとも1つから選択される、システム。
[適用例12]
適用例9に記載のシステムであって、
前記1つまたは複数の高分解能検査ツールは、走査型電子顕微鏡、原子間力顕微鏡、共焦点顕微鏡のうちの少なくとも1つから選択される、システム。
[適用例13]
適用例9に記載のシステムであって、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定するための手段は、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、少なくとも第1標本および第2標本における1つまたは複数の欠陥タイプの総数を決定することを含み、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
前記1つまたは複数の高分解能検査ツールを用いて、少なくとも前記第1標本および前記第2標本における1つまたは複数の欠陥タイプの総数を決定するための手段を含み、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算するための手段は、
前記1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、1つまたは複数の欠陥タイプの総数の少なくとも前記第1標本および前記第2標本と、前記1つまたは複数の高分解能検査ツールの使用を通して決定された、1つまたは複数の欠陥タイプの総数と、の間の相対的安定性を計算するための手段を含む、システム。
[適用例14]
適用例9に記載のシステムであって、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に対する、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定するための手段を含み、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定することを含み、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算するための手段は、
前記1つまたは複数の走査型検査ツールから受信した前記標本に関連付けられた1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第1相関を計算するための手段と、
前記1つまたは複数の高分解能検査ツールを用いて決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第2相関を計算するための手段と、
前記第1相関と前記第2相関の間の相関を計算するための手段と、を含む、システム。
[適用例15]
適用例9に記載のシステムであって、
1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対して適用される、1つまたは複数の分類規則を生成するための手段を更に含む、システム。
[適用例16]
適用例9に記載のシステムであって、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの前記総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された欠陥タイプの総数と、の間の1つまたは複数の相関に従って、1つまたは複数の分類規則を修正するための手段を更に含む、システム。
[適用例17]
コンピュータデバイス上でプロセスを実行するためのコンピュータ可読命令を含むコンピュータ可読媒体であって、前記プロセスは、
1つまたは複数の走査型検査ツールからの1つまたは複数の標本の1つまたは複数の特性の指標となる、1つまたは複数の信号を受信することと、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定することと、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を決定することと、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を計算することと、を含むコンピュータ可読媒体。
[適用例18]
適用例17に記載のコンピュータ可読媒体であって、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、少なくとも第1標本および第2標本における1つまたは複数の欠陥タイプの総数を決定することを含み、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
前記1つまたは複数の高分解能検査ツールを用いて、少なくとも前記第1標本および前記第2標本における1つまたは複数の欠陥タイプの総数を決定するための手段を含み、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算するための手段は、
前記1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、1つまたは複数の欠陥タイプの総数の少なくとも前記第1標本および前記第2標本と、前記1つまたは複数の高分解能検査ツールの使用を通して決定された、1つまたは複数の欠陥タイプの総数と、の間の相対的安定性を計算するための手段を含む、コンピュータ可読媒体。
[適用例19]
適用例17に記載のシステムであって、
前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定するための手段を含み、
1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定することを含み、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算するための手段は、
前記1つまたは複数の走査型検査ツールから受信した前記標本に関連付けられた1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第1相関を計算するための手段と、
前記1つまたは複数の高分解能検査ツールを用いて決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第2相関を計算するための手段と、
前記第1相関と前記第2相関の間の相関を計算するための手段と、を含む、システム。
[適用例20]
適用例17に記載のシステムであって、
1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対して適用される、1つまたは複数の分類規則を生成すること、を更に含む、システム。
[適用例21]
適用例17に記載のシステムであって、
前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの前記総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された欠陥タイプの総数と、の間の前記1つまたは複数の相関に従って、1つまたは複数の分類規則を修正するための手段を更に含む、システム。
作業1206は、1つまたは複数の走査型検査ツールから受信した標本に関連付けられた1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、第1欠陥タイプの総数と第2欠陥タイプの総数との間の第1相関を計算することを示す。例えば、図1に示されるように、欠陥分析モジュール102は、欠陥総数データ108Aを監視しうる。例えば、図6,8に示されるように、標本ウェハ105に見られる第1欠陥タイプ(例えば、欠陥1)における欠陥総数、および標本ウェハ105に見られる第2欠陥タイプ(例えば、欠陥2)における欠陥総数を示す、欠陥総数データ108Aは、標本ウェハ105の製造の完了に対応する時間に従ってプロットされうるものであり、それによって、第1欠陥タイプ(例えば、欠陥1)における欠陥総数、および第欠陥タイプ(例えば、欠陥2)における欠陥総数の監視を可能とする。第1欠陥タイプと第2欠陥タイプの間の相関(例えば、比率)は、欠陥総数データ108Aから計算されうる。
作業1208は、1つまたは複数の高分解能検査ツールを用いて決定された、第1欠陥タイプの総数と第2欠陥タイプの総数との間の第2相関を計算することを示す。例えば、図1に示されるように、欠陥分析モジュール102は、欠陥総数データ108Bを監視しうる。例えば、図7,9に示されるように、標本ウェハ105に見られる第1欠陥タイプ(例えば、欠陥1)における欠陥総数、および標本ウェハ105に見られる第2欠陥タイプ(例えば、欠陥2)における欠陥総数を示す、欠陥総数データ108は、標本ウェハ105の製造の完了に対応する時間に従ってプロットされうるものであり、それによって、第1欠陥タイプ(例えば、欠陥1)における欠陥総数、および第欠陥タイプ(例えば、欠陥2)における欠陥総数の監視を可能とする。第1欠陥タイプと第2欠陥タイプの間の相関(例えば、比率)は、欠陥総数データ108Bから計算されうる。
例えば、上述のように、図6は、検査モジュール101によって決定された、標本ウェハ105内の欠陥1の総数を示す。図7は、性能監視モジュール103によって決定された、標本ウェハ105内の欠陥の総数を示す。図8は、検査モジュール101によって決定された、欠陥の総数を示す。図9は、性能監視モジュール103によって決定された、標本ウェハ105内の欠陥2の総数を示す。

Claims (21)

  1. 時間的に変化する欠陥分類性能の監視のための方法であって、
    1つまたは複数の走査型検査ツールからの1つまたは複数の標本の1つまたは複数の特性の指標となる、1つまたは複数の信号を受信することと、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定することと、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を決定することと、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を計算することと、含む方法。
  2. 請求項1に記載の方法であって、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定することは、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、少なくとも第1標本および第2標本における1つまたは複数の欠陥タイプの総数を決定することを含み、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定することは、
    前記1つまたは複数の高分解能検査ツールを用いて、少なくとも前記第1標本および前記第2標本における1つまたは複数の欠陥タイプの総数を決定することを含み、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算することは、
    前記1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、1つまたは複数の欠陥タイプの総数の少なくとも前記第1標本および前記第2標本と、前記1つまたは複数の高分解能検査ツールの使用を通して決定された、1つまたは複数の欠陥タイプの総数と、の間の相対的安定性を計算することを含む、方法。
  3. 請求項1に記載の方法であって、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定することは、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定することを含み、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定することは、
    前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定することを含み、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算することは、
    前記1つまたは複数の走査型検査ツールから受信した前記標本に関連付けられた1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第1相関を計算することと、
    前記1つまたは複数の高分解能検査ツールを用いて決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第2相関を計算することと、
    前記第1相関と前記第2相関の間の相関を計算することと、を含む、方法。
  4. 請求項1から請求項3までのいずれか一項に記載の方法であって、
    1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対して適用される、1つまたは複数の分類規則を生成すること、を更に含む、方法。
  5. 請求項1から請求項4までのいずれか一項に記載の方法であって、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの前記総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された欠陥タイプの総数と、の間の1つまたは複数の相関に従って、1つまたは複数の分類規則を修正すること、を更に含む、方法。
  6. 請求項1から請求項5までのいずれか一項に記載の方法であって、
    前記1つまたは複数の走査型検査ツールは、明視野パターン付きウェハ検査装置、パターン付き暗視野光子光学ウェハ検査装置、パターンなし暗視野光子光学ウェハ検査装置、および電子ビーム光学領域走査型検査装置のうちの少なくとも1つから選択される、方法。
  7. 請求項1から請求項6までのいずれか一項に記載の方法であって、
    前記分類特性は、サイズ、形状、極性、テクスチャ、コントラスト、バックグラウンドビジネスのうちの少なくとも1つから選択される、方法。
  8. 請求項1から請求項7までのいずれか一項に記載の方法であって、
    前記1つまたは複数の高分解能検査ツールは、走査型電子顕微鏡、原子間力顕微鏡、共焦点顕微鏡のうちの少なくとも1つから選択される、方法。
  9. 時間的に変化する欠陥分類性能の監視のためのシステムであって、
    1つまたは複数の走査型検査ツールからの1つまたは複数の標本の1つまたは複数の特性の指標となる、1つまたは複数の信号を受信するための手段と、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定するための手段と、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を決定するための手段と、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を計算するための手段と、を含むシステム。
  10. 請求項9に記載のシステムであって、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定するための手段は、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、少なくとも第1標本および第2標本における1つまたは複数の欠陥タイプの総数を決定する手段を含み、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
    前記1つまたは複数の高分解能検査ツールを用いて、少なくとも前記第1標本および前記第2標本における1つまたは複数の欠陥タイプの総数を決定するための手段を含み、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算するための手段は、
    前記1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、1つまたは複数の欠陥タイプの総数の少なくとも前記第1標本および前記第2標本と、前記1つまたは複数の高分解能検査ツールの使用を通して決定された、1つまたは複数の欠陥タイプの総数と、の間の相対的安定性を計算するための手段を含む、システム。
  11. 請求項9に記載のシステムであって、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に対する、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定するための手段を含み、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定するための手段は、
    前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定する手段を含み、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算するための手段は、
    前記1つまたは複数の走査型検査ツールから受信した前記標本に関連付けられた1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第1相関を計算するための手段と、
    前記1つまたは複数の高分解能検査ツールを用いて決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第2相関を計算するための手段と、
    前記第1相関と前記第2相関の間の相関を計算するための手段と、を含む、システム。
  12. 請求項9から請求項11までのいずれか一項に記載のシステムであって、
    1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対して適用される、1つまたは複数の分類規則を生成するための手段を更に含む、システム。
  13. 請求項9から請求項12までのいずれか一項に記載のシステムであって、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの前記総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された欠陥タイプの総数と、の間の1つまたは複数の相関に従って、1つまたは複数の分類規則を修正するための手段を更に含む、システム。
  14. 請求項9から請求項13までのいずれか一項に記載のシステムであって、
    前記1つまたは複数の走査型検査ツールは、明視野パターン付きウェハ検査装置、パターン付き暗視野光子光学ウェハ検査装置、パターンなし暗視野光子光学ウェハ検査装置、および電子ビーム光学領域走査型検査装置のうちの少なくとも1つから選択される、システム。
  15. 請求項9から請求項14までのいずれか一項に記載のシステムであって、
    前記分類性能は、サイズ、形状、極性、テクスチャ、コントラスト、バックグラウンドビジネスのうちの少なくとも1つから選択される、システム。
  16. 請求項9から請求項15までのいずれか一項に記載のシステムであって、
    前記1つまたは複数の高分解能検査ツールは、走査型電子顕微鏡、原子間力顕微鏡、共焦点顕微鏡のうちの少なくとも1つから選択される、システム。
  17. コンピュータデバイス上でプロセスを実行するためのコンピュータ可読命令を含むコンピュータ可読媒体であって、前記プロセスは、
    1つまたは複数の走査型検査ツールからの1つまたは複数の標本の1つまたは複数の特性の指標となる、1つまたは複数の信号を受信することと、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を決定することと、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を決定することと、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を計算することと、を含むコンピュータ可読媒体。
  18. 請求項17に記載のコンピュータ可読媒体であって、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定することは、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、少なくとも第1標本および第2標本における1つまたは複数の欠陥タイプの総数を決定することを含み、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定することは、
    前記1つまたは複数の高分解能検査ツールを用いて、少なくとも前記第1標本および前記第2標本における1つまたは複数の欠陥タイプの総数を決定することを含み、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算することは、
    前記1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、1つまたは複数の欠陥タイプの総数の少なくとも前記第1標本および前記第2標本と、前記1つまたは複数の高分解能検査ツールの使用を通して決定された、1つまたは複数の欠陥タイプの総数と、の間の相対的安定性を計算することを含む、コンピュータ可読媒体。
  19. 請求項17に記載のコンピュータ可読媒体であって、
    前記1つまたは複数の走査型検査ツールから受信した前記1つまたは複数の信号に、1つまたは複数の分類規則を適用して、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの総数を前記決定することは、
    前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定することを含み、
    1つまたは複数の高分解能検査ツールを用いて、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数を前記決定することは、
    前記1つまたは複数の高分解能検査ツールの使用により、標本における少なくとも第1欠陥タイプおよび第2欠陥タイプの総数を決定することを含み、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に適用される1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された、前記1つまたは複数の標本における前記1つまたは複数の欠陥タイプの総数と、の間の1つまたは複数の相関を前記計算することは、
    前記1つまたは複数の走査型検査ツールから受信した前記標本に関連付けられた1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第1相関を計算することと、
    前記1つまたは複数の高分解能検査ツールを用いて決定された、前記第1欠陥タイプの前記総数と前記第2欠陥タイプの前記総数の間の第2相関を計算することと、
    前記第1相関と前記第2相関の間の相関を計算することと、を含む、コンピュータ可読媒体
  20. 請求項17から請求項19までのいずれか一項に記載のコンピュータ可読媒体であって、前記プロセスは、
    1つまたは複数の光学検査ツールから受信した1つまたは複数の信号に対して適用される、1つまたは複数の分類規則を生成すること、を更に含む、コンピュータ可読媒体
  21. 請求項17から請求項20までのいずれか一項に記載のコンピュータ可読媒体であって、前記プロセスは、
    前記1つまたは複数の走査型検査ツールから受信した1つまたは複数の信号に対する1つまたは複数の分類規則の適用によって決定された、前記1つまたは複数の標本における1つまたは複数の欠陥タイプの前記総数と、前記1つまたは複数の高分解能検査ツールを用いて決定された欠陥タイプの総数と、の間の前記1つまたは複数の相関に従って、1つまたは複数の分類規則を修正することを更に含む、コンピュータ可読媒体
JP2012518552A 2009-07-01 2010-06-23 時間的に変化する欠陥分類性能の監視のための方法、システムおよびコンピュータ可読媒体 Expired - Fee Related JP5583766B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US22238809P 2009-07-01 2009-07-01
US61/222,388 2009-07-01
PCT/US2010/039656 WO2011002651A1 (en) 2009-07-01 2010-06-23 Monitoring of time-varying defect classification performance

Publications (3)

Publication Number Publication Date
JP2012532458A JP2012532458A (ja) 2012-12-13
JP2012532458A5 true JP2012532458A5 (ja) 2013-08-08
JP5583766B2 JP5583766B2 (ja) 2014-09-03

Family

ID=43411380

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012518552A Expired - Fee Related JP5583766B2 (ja) 2009-07-01 2010-06-23 時間的に変化する欠陥分類性能の監視のための方法、システムおよびコンピュータ可読媒体

Country Status (7)

Country Link
US (1) US8537349B2 (ja)
EP (1) EP2449390A1 (ja)
JP (1) JP5583766B2 (ja)
KR (1) KR20120093820A (ja)
CN (1) CN102576045A (ja)
TW (1) TWI435072B (ja)
WO (1) WO2011002651A1 (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9665931B2 (en) 2011-12-28 2017-05-30 Sunedison Semiconductor Limited (Uen201334164H) Air pocket detection methods and systems
US8607169B2 (en) * 2011-12-28 2013-12-10 Elitetech Technology Co., Ltd. Intelligent defect diagnosis method
US9916653B2 (en) * 2012-06-27 2018-03-13 Kla-Tenor Corporation Detection of defects embedded in noise for inspection in semiconductor manufacturing
JP5910428B2 (ja) 2012-09-13 2016-04-27 オムロン株式会社 監視装置、監視方法、プログラムおよび記録媒体
US9865512B2 (en) * 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
CN104122282B (zh) * 2013-04-24 2017-01-18 泰科英赛科技有限公司 采用聚焦离子束的电路跟踪
US9430824B2 (en) * 2013-05-14 2016-08-30 Kla-Tencor Corporation Machine learning method and apparatus for inspecting reticles
US9910429B2 (en) * 2013-09-03 2018-03-06 The Procter & Gamble Company Systems and methods for adjusting target manufacturing parameters on an absorbent product converting line
US10514685B2 (en) * 2014-06-13 2019-12-24 KLA—Tencor Corp. Automatic recipe stability monitoring and reporting
CN104122272B (zh) * 2014-08-01 2019-08-06 上海华力微电子有限公司 半导体器件缺陷的光学检测方法
US9835566B2 (en) * 2015-03-03 2017-12-05 Kla-Tencor Corp. Adaptive nuisance filter
US10216096B2 (en) * 2015-08-14 2019-02-26 Kla-Tencor Corporation Process-sensitive metrology systems and methods
TWI637250B (zh) * 2017-03-31 2018-10-01 林器弘 智慧加工調變系統及方法
US10402963B2 (en) * 2017-08-24 2019-09-03 Kla-Tencor Corporation Defect detection on transparent or translucent wafers
WO2021088027A1 (en) * 2019-11-08 2021-05-14 Yangtze Memory Technologies Co., Ltd. Automatic assessment method and assessment system thereof for yield improvement

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6288780B1 (en) * 1995-06-06 2001-09-11 Kla-Tencor Technologies Corp. High throughput brightfield/darkfield wafer inspection system using advanced optical techniques
US5539752A (en) * 1995-06-30 1996-07-23 Advanced Micro Devices, Inc. Method and system for automated analysis of semiconductor defect data
US6104835A (en) * 1997-11-14 2000-08-15 Kla-Tencor Corporation Automatic knowledge database generation for classifying objects and systems therefor
JP4077951B2 (ja) * 1998-01-14 2008-04-23 株式会社ルネサステクノロジ 欠陥解析方法、記録媒体及び工程管理方法
US6408219B2 (en) * 1998-05-11 2002-06-18 Applied Materials, Inc. FAB yield enhancement system
US6265232B1 (en) * 1998-08-21 2001-07-24 Micron Technology, Inc. Yield based, in-line defect sampling method
US6185707B1 (en) * 1998-11-13 2001-02-06 Knights Technology, Inc. IC test software system for mapping logical functional test data of logic integrated circuits to physical representation
US6407373B1 (en) * 1999-06-15 2002-06-18 Applied Materials, Inc. Apparatus and method for reviewing defects on an object
US6675134B2 (en) * 2001-03-15 2004-01-06 Cerebrus Solutions Ltd. Performance assessment of data classifiers
US7359544B2 (en) * 2003-02-12 2008-04-15 Kla-Tencor Technologies Corporation Automatic supervised classifier setup tool for semiconductor defects
US7756320B2 (en) * 2003-03-12 2010-07-13 Hitachi High-Technologies Corporation Defect classification using a logical equation for high stage classification
JP4443270B2 (ja) * 2003-03-12 2010-03-31 株式会社日立ハイテクノロジーズ 欠陥分類方法
JP5134188B2 (ja) * 2004-10-15 2013-01-30 ケーエルエー−テンカー コーポレイション 試料上の欠陥を分析する装置
JP4664708B2 (ja) * 2005-03-07 2011-04-06 株式会社東芝 欠陥レビューシステム、欠陥レビュー方法、及び電子装置の製造方法
CN1936614A (zh) * 2005-08-15 2007-03-28 特克特朗尼克公司 拖放逻辑分析仪触发器
US7554656B2 (en) * 2005-10-06 2009-06-30 Kla-Tencor Technologies Corp. Methods and systems for inspection of a wafer
US7747062B2 (en) * 2005-11-09 2010-06-29 Kla-Tencor Technologies Corp. Methods, defect review tools, and systems for locating a defect in a defect review process
US7570796B2 (en) * 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7728969B2 (en) * 2006-12-05 2010-06-01 Kla-Tencor Technologies Corp. Methods and systems for identifying defect types on a wafer

Similar Documents

Publication Publication Date Title
JP2012532458A5 (ja)
JP6594294B2 (ja) 顕微鏡画像の画像品質評価
JP2018025565A5 (ja)
US9689805B2 (en) Systems and methods eliminating false defect detections
JP5583766B2 (ja) 時間的に変化する欠陥分類性能の監視のための方法、システムおよびコンピュータ可読媒体
JP5051295B2 (ja) 微細構造体検査方法、微細構造体検査装置、および微細構造体検査プログラム
US20110052040A1 (en) Substrate inspection method
JP2009025221A (ja) 欠陥検査方法およびその装置
JP6055768B2 (ja) 焦点補正値汚染検査
JP2013243128A5 (ja)
JP6570014B2 (ja) 多様化と欠陥発見のためのダイナミック・ビニング
JP2009270976A (ja) 欠陥レビュー方法および欠陥レビュー装置
KR100926019B1 (ko) 결함 입자 측정 장치 및 결함 입자 측정 방법
Qiu et al. Translation Microscopy (TRAM) for super-resolution imaging
Joy et al. Evaluating SEM performance from the contrast transfer function
JP2008529131A (ja) パターン認識システムと方法
CN105547144A (zh) 一种超分辨结构探测阵列共焦相干成像装置及其成像方法
JP5022981B2 (ja) 荷電粒子線装置
Pengo et al. Away from resolution, assessing the information content of super-resolution images
US20220270212A1 (en) Methods for improving optical inspection and metrology image quality using chip design data
Sun et al. Characterization of surface coats of bacterial spores with atomic force microscopy and wavelets
WO2014024667A1 (ja) 顕微観察装置
Sheffield Extracting Super-resolution Structures inside a Single Molecule or Overlapped Molecules from One Blurred Image
Romanus et al. Preparation of defined structures on very thin foils for characterization of AFM probes
CN103063637A (zh) 一种用散焦图像判断单个金纳米棒三维空间取向的方法