JP2016145887A - Inspection device and method - Google Patents

Inspection device and method Download PDF

Info

Publication number
JP2016145887A
JP2016145887A JP2015022349A JP2015022349A JP2016145887A JP 2016145887 A JP2016145887 A JP 2016145887A JP 2015022349 A JP2015022349 A JP 2015022349A JP 2015022349 A JP2015022349 A JP 2015022349A JP 2016145887 A JP2016145887 A JP 2016145887A
Authority
JP
Japan
Prior art keywords
defect
image data
inspection
defects
pattern
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
Application number
JP2015022349A
Other languages
Japanese (ja)
Inventor
栄二 松本
Eiji Matsumoto
栄二 松本
土屋 英雄
Hideo Tsuchiya
英雄 土屋
貴文 井上
Takafumi Inoue
貴文 井上
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nuflare Technology Inc
Original Assignee
Nuflare Technology Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nuflare Technology Inc filed Critical Nuflare Technology Inc
Priority to JP2015022349A priority Critical patent/JP2016145887A/en
Publication of JP2016145887A publication Critical patent/JP2016145887A/en
Pending legal-status Critical Current

Links

Images

Abstract

PROBLEM TO BE SOLVED: To provide an inspection device and an inspection method capable of inspecting with high reliability, reducing a ratio of a pseudo defect, and improving convenience of inspection.SOLUTION: An inspection device 100 comprises: a table 101 for mounting a mask Ma thereon; an imaging part 104 for imaging an area to be inspected of the mask Ma for every stripe, for creating optical image data; a reference image creation part 116 for performing filter processing to the image data created from design data, for creating reference image data; a reference image creation function calculation part 115 for determining a function of the filter processing; a comparison part 117 for comparing optical frame data and reference frame data, for counting a number of defects for every stripe; and a defect analysis part 118 for, analyzing a factor of occurrence of many defects on the stripe in which a number of detected defects exceeds a permission value, by using defect information output from the comparison part 117.SELECTED DRAWING: Figure 1

Description

本発明は、検査装置および検査方法に関する。   The present invention relates to an inspection apparatus and an inspection method.

半導体素子の製造工程では、ステッパまたはスキャナと呼ばれる縮小投影露光装置により、回路パターンが形成された原画パターン(マスクまたはレチクルを指す。以下では、マスクと総称する。)がウェハ上に露光転写される。多大な製造コストのかかるLSIにとって、製造工程における歩留まりの向上は欠かせない。マスクパターンの欠陥は、半導体素子の歩留まりを低下させる大きな要因になるので、マスクを製造する際には欠陥を検出する検査工程が重要となる。   In a semiconductor device manufacturing process, an original image pattern (a mask or a reticle, which will be collectively referred to as a mask hereinafter) on which a circuit pattern is formed is exposed and transferred onto a wafer by a reduction projection exposure apparatus called a stepper or a scanner. . For LSIs that require a large amount of manufacturing cost, it is essential to improve the yield in the manufacturing process. Since the defect of the mask pattern is a major factor that reduces the yield of the semiconductor element, an inspection process for detecting the defect is important when manufacturing the mask.

近年の大規模集積回路(Large Scale Integration;LSI)の高集積化および大容量化に伴い、半導体素子に要求される回路寸法は狭小化の一途を辿っている。例えば、代表的なロジックデバイスでは、数十nmの線幅のパターン形成が要求される状況となっている。ウェハ上に形成される回路パターンの寸法の微細化に伴って、マスクパターンの欠陥も微細化している。また、マスクの寸法精度を高めることで、プロセス諸条件の変動を吸収しようとしてきたこともあり、マスクの検査工程においては、極めて小さなパターンの欠陥についても検出が必要とされる。そのため、微細な欠陥を検出できる検査装置の開発が進められている。   With the recent high integration and large capacity of large scale integrated circuits (LSIs), circuit dimensions required for semiconductor elements are becoming increasingly narrow. For example, a typical logic device is required to form a pattern with a line width of several tens of nanometers. As the dimensions of the circuit pattern formed on the wafer are miniaturized, the defect of the mask pattern is also miniaturized. In addition, by increasing the dimensional accuracy of the mask, there have been attempts to absorb variations in process conditions. In the mask inspection process, it is necessary to detect even a very small pattern defect. For this reason, development of inspection apparatuses capable of detecting minute defects has been underway.

ところで、最近のマスクパターンにおいては、形状欠陥や線幅変動として指摘されるべき欠陥の寸法が、マスク全面での線幅変動(線幅誤差分布)と同等程度になってきている。それ故、本来は欠陥として検出する必要のない疑似欠陥の数が増加している。   By the way, in recent mask patterns, the dimensions of defects to be pointed out as shape defects and line width fluctuations are about the same as the line width fluctuations (line width error distribution) on the entire mask surface. Therefore, the number of pseudo defects that originally do not need to be detected as defects is increasing.

マスク全面での線幅変動と疑似欠陥との関係について、ダイ−トゥ−データベース比較方式による検査を例にとって説明する。この検査では、マスクの典型的なパターン箇所で参照像生成関数の係数を学習して、光学像データに似た参照像データを生成する。つまり、参照像データは、学習を行った領域のパターン線幅に倣った線幅傾向を持つようになる。そのため、マスク全面での線幅寸法に誤差分布があると、学習を行った領域のパターン線幅とは異なるパターン線幅に仕上がった領域を検査しようとしたときに、光学像データと参照像データとが、パターンの線幅バイアス(偏差)を有した状態で比較されることになる。その結果、実際には問題のない程度の形状や線幅誤差が欠陥として検出されて疑似欠陥であったということが多くなる。   The relationship between the line width variation on the entire mask surface and the pseudo defect will be described with reference to an inspection by a die-to-database comparison method as an example. In this inspection, the coefficient of the reference image generation function is learned at a typical pattern portion of the mask, and reference image data similar to the optical image data is generated. That is, the reference image data has a line width tendency that follows the pattern line width of the learned region. Therefore, if there is an error distribution in the line width dimension on the entire mask surface, optical image data and reference image data will be displayed when trying to inspect a finished area with a pattern line width different from the pattern line width of the learned area. Are compared with each other with a pattern line width bias (deviation). As a result, a shape or line width error that does not actually cause a problem is often detected as a defect and is a pseudo defect.

そこで、パターン形状や線幅の微細な変動を検出できることに加えて、疑似欠陥の割合を低減して信頼性の高い検査を行うことのできる検査装置が求められている。   Therefore, in addition to being able to detect minute variations in pattern shape and line width, there is a need for an inspection apparatus that can perform highly reliable inspection by reducing the proportion of pseudo defects.

疑似欠陥を低減可能な検査装置としては、例えば、特許文献1に記載のものがある。この検査装置では、被検査対象である表示装置に画像を表示させたときの状態を撮影し、この撮影画像を用いて、欠陥検査を阻害する阻害要因の有無や阻害要因の種類を判定し、判定された阻害要因に応じて、欠陥の検出を自動的に行う検査領域と欠陥の検出を自動的には行わない非検査領域とに区分し、非検査領域については作業員が目視によって欠陥検出を行う。   As an inspection apparatus capable of reducing pseudo defects, for example, there is one described in Patent Document 1. In this inspection device, the state when the image is displayed on the display device to be inspected is photographed, and using this photographed image, the presence or absence of the inhibition factor that inhibits the defect inspection and the type of the inhibition factor are determined, According to the determined obstruction factor, the inspection area where defect detection is automatically performed and the non-inspection area where defect detection is not automatically performed are divided into two areas. I do.

また、特許文献2には、マスクに形成されたパターンの欠陥を検査するにあたって、重要なパターンが形成された領域に対しては厳しい判定閾値で欠陥の検査を行い、それほど重要ではないパターンが形成された領域に対しては不必要に厳しい判定閾値で欠陥の検査を行わないようにすることによって、疑似欠陥の多発を防止した検査装置が記載されている。   In addition, in Patent Document 2, when inspecting a defect of a pattern formed on a mask, an area where an important pattern is formed is inspected for a defect with a strict judgment threshold, and a pattern that is not so important is formed. There has been described an inspection apparatus that prevents the occurrence of pseudo defects by not performing defect inspection on an unnecessarily strict judgment threshold for a given region.

さらに、特許文献3には、被検査対象である検査基板の光学像データと参照像データとを比較して欠陥を検出するにあたって、被検査対象の光学像データを時間遅延積分センサによって検出画像データに変換する一方で、ステージの速度むらやヨーイングによって生じる位置ずれをステージ座標を用いて補正して参照像データを作成し、検出画像データと参照像データとを比較して欠陥を検出することにより、欠陥検出の感度向上を図って、疑似欠陥の検出の防止を可能にした欠陥検査装置が記載されている。   Further, in Patent Document 3, when detecting defects by comparing the optical image data of the inspection substrate to be inspected with the reference image data, the optical image data of the inspection target is detected by the time delay integration sensor. By converting the position deviation caused by stage speed unevenness or yawing using stage coordinates to create reference image data, and comparing the detected image data with the reference image data to detect defects There is described a defect inspection apparatus that improves the sensitivity of defect detection and makes it possible to prevent detection of pseudo defects.

特開2012−107912号公報JP 2012-107912 A 特開2011―145263号公報JP 2011-145263 A 特開2003―90717号公報Japanese Patent Laid-Open No. 2003-90717

特許文献1の検査装置は、被検査領域を作業員が目視することで疑似欠陥を低減するので、自動検査との併用であるものの、検査に要する時間が長くなり、作業員への負荷が大きい。また、特許文献2や特許文献3の検査装置では、検査途中で欠陥数が急激に増加した場合、その欠陥数の急激な増加が、真の欠陥によるものか、あるいは、疑似欠陥によるものかの判断がつかない。このため、検査を最初からやり直すことが必要となって、それまでの検査が全て無駄になるという問題が生じる。   The inspection apparatus of Patent Document 1 reduces pseudo defects by visual inspection of the inspected area, so that although it is used in combination with automatic inspection, the time required for inspection becomes long and the load on the worker is large. . Moreover, in the inspection apparatus of patent document 2 or patent document 3, when the number of defects suddenly increases during the inspection, whether the rapid increase in the number of defects is due to a true defect or a pseudo defect. I can't judge. For this reason, it is necessary to restart the inspection from the beginning, and there arises a problem that all the inspections up to that point are wasted.

本発明は、以上の点に鑑みてなされたものである。すなわち、検査装置としては、微細な欠陥を検出できるだけでなく、疑似欠陥の割合を低減して信頼性の高い検査を行うことのできるものが必要とされているが、さらに、検査の利便性を向上させることのできる検査装置が求められている。具体的には、検査を行っている途中で、検出される欠陥の数が急激に増加した場合、これらの欠陥を解析し適切な処置をとったうえで検査を継続するようにすれば、疑似欠陥の多発を防ぐだけでなく、欠陥が急増する前の検査結果を無駄にせずに済むので、検査の利便性を格段に向上させることが可能である。さらに、原因を推定する機能や、それに応じた適切な処置を決定する機能を検査装置が有していれば、作業員への負荷を軽減することができる。そこで、本発明は、疑似欠陥の割合を低減して信頼性の高い検査を行うことができ、また、検査の利便性を向上させることのできる検査装置および検査方法を提供することを目的とする。   The present invention has been made in view of the above points. That is, an inspection apparatus is required that can not only detect fine defects but also reduce the proportion of pseudo defects and perform highly reliable inspection. There is a need for an inspection device that can be improved. Specifically, if the number of detected defects increases rapidly during the inspection, if these defects are analyzed and appropriate measures are taken, the inspection is continued. In addition to preventing frequent defects, it is not necessary to waste inspection results before the number of defects suddenly increases, so that the convenience of inspection can be greatly improved. Furthermore, if the inspection apparatus has a function for estimating the cause and a function for determining an appropriate treatment according to the function, the burden on the worker can be reduced. In view of the above, an object of the present invention is to provide an inspection apparatus and an inspection method capable of performing a highly reliable inspection by reducing the ratio of pseudo defects and improving the convenience of inspection. .

本発明の第1の態様は、基材に形成されたパターンの欠陥を検査する検査装置であって、
基材が載置されるテーブルと、
基材の前記パターンが形成された被検査領域を仮想的に分割するストライプ毎に被検査領域を撮像して光学像データを生成する撮像部と、
パターンの設計データから生成したイメージデータに関数を用いたフィルタ処理を施して参照像データを生成する参照像生成部と、
上記の関数を求める参照像生成関数演算部と、
光学像データを所定のサイズに分割した光学フレームデータと、この光学像データに対応する参照像データを同等サイズに分割した参照フレームデータとを比較して、光学像データの欠陥を検出し、ストライプ毎に欠陥の検出数を集計する比較部と、
比較部が集計した欠陥の検出数が検査の継続を許可する許容値を超えるストライプについて、このストライプでの欠陥の多発が、真の欠陥の多発によるものか、光学像データに対応する参照像データを生成する関数とは不適合な関数によるものか、または、パターンとテーブルとの位置合わせの精度の不足によるものかを、比較部から出力されたこのストライプにおける欠陥の情報を用いて解析する欠陥解析部とを有することを特徴とするものである。
A first aspect of the present invention is an inspection apparatus for inspecting a defect of a pattern formed on a substrate,
A table on which the substrate is placed;
An imaging unit that images the inspection region for each stripe that virtually divides the inspection region on which the pattern of the substrate is formed, and generates optical image data;
A reference image generation unit that generates a reference image data by performing filter processing using a function on image data generated from pattern design data;
A reference image generation function calculation unit for obtaining the above function;
By comparing the optical frame data obtained by dividing the optical image data into a predetermined size and the reference frame data obtained by dividing the reference image data corresponding to the optical image data into the same size, defects in the optical image data are detected, and stripes are detected. A comparison unit that counts the number of detected defects for each,
For a stripe whose number of detected defects counted by the comparison unit exceeds the allowable value that permits the inspection to continue, whether the frequent occurrence of defects in this stripe is due to the occurrence of true defects or the reference image data corresponding to the optical image data Defect analysis that analyzes whether the function that generates the error is due to an incompatible function or due to insufficient alignment accuracy between the pattern and the table using the defect information in this stripe output from the comparison unit Part.

本発明の第1の態様において、欠陥解析部は、欠陥の検出数が検査の継続を許可する許容値を超えるストライプの欠陥の輝度値およびこの欠陥を構成するパターンの線幅誤差値の少なくとも一方から得られる値が、第1の閾値以下であって、欠陥がパターンのエッジ以外の領域に分布している場合には、欠陥の多発は真の欠陥の多発によるとして、検査の継続を指示する信号を出力することが好ましい。   In the first aspect of the present invention, the defect analysis unit has at least one of the luminance value of the defect of the stripe exceeding the allowable value allowing the inspection to continue and the line width error value of the pattern constituting the defect. Is less than or equal to the first threshold value, and if defects are distributed in a region other than the edge of the pattern, the continuation of the inspection is instructed on the assumption that frequent defects are due to frequent true defects. It is preferable to output a signal.

本発明の第1の態様において、欠陥解析部は、
欠陥の検出数が検査の継続を許可する許容値を超えるストライプで検出された欠陥の密度が、第2の閾値を超え、且つ、欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値の範囲に偏在している場合に、
このストライプに連続して配列するストライプであって、このストライプより先に比較部での処理を終えた1以上10以下のストライプとこのストライプとのパターンずれの傾向を比較して、
欠陥の検出数が検査の継続を許可する許容値を超えるストライプにおける欠陥の多発が、光学像データに対応する参照像データを生成する関数とは不適合な関数によるものか、または、位置合わせの精度の不足によるものかを解析し、
光学像データに対応する参照像データを生成する関数とは不適合な関数によるものである場合には、関数を求め直すことを指示する信号を出力し、
位置合わせの精度の不足によるものである場合には、位置合わせのやり直しを指示する信号を出力することが好ましい。
In the first aspect of the present invention, the defect analysis unit includes:
The density of defects detected in stripes where the number of detected defects exceeds an allowable value that allows continuation of inspection exceeds the second threshold, and the value of x in the position coordinates (x, y) of the defect or y If the value is ubiquitous in one or more specific numerical ranges,
Compared with this stripe, the stripes arranged in succession, and the tendency of the pattern deviation between this stripe and 1 to 10 stripes that have been processed in the comparison part prior to this stripe,
The number of defects in the stripes where the number of detected defects exceeds the allowable value that allows the inspection to continue is caused by a function that is incompatible with the function that generates the reference image data corresponding to the optical image data, or the alignment accuracy Analyzing whether it is due to lack of
When the function that generates the reference image data corresponding to the optical image data is based on an incompatible function, a signal that instructs to re-determine the function is output,
In the case where the accuracy of alignment is insufficient, it is preferable to output a signal instructing re-alignment.

本発明の第1の態様において、参照像生成関数演算部は、欠陥の検出数が検査の継続を許可する許容値を超えるストライプに含まれるパターン形状のデータを機械学習して、光学像データに対応する参照像データを生成する関数を求め直すことが好ましい。   In the first aspect of the present invention, the reference image generation function calculation unit machine-learns pattern shape data included in a stripe whose number of detected defects exceeds an allowable value permitting continuation of inspection to obtain optical image data. It is preferable to re-determine a function that generates corresponding reference image data.

本発明の第1の態様は、欠陥の検出数が検査の継続を許可する許容値を超えるストライプの光学像を表示する表示装置と、
表示装置に光学像が表示されたときに、オペレータが機械学習させるパターン形状のデータを指示できる入力画面を併せて表示装置に表示させ、入力画面上でオペレータが欠陥として扱うべきパターン形状のデータを指示したときにこのデータの採用の適否を判断して、適当でない場合には他のデータの指示を推奨する情報を入力画面上に表示し、適当である場合にはこのパターン形状のデータを機械学習して関数を求め直すよう参照像生成関数演算部に指示するデータ入力支援部とを有することが好ましい。
According to a first aspect of the present invention, there is provided a display device for displaying an optical image of a stripe in which the number of detected defects exceeds an allowable value that allows continuation of inspection,
When an optical image is displayed on the display device, an input screen that allows the operator to instruct pattern shape data to be machine-learned is also displayed on the display device, and pattern shape data that the operator should treat as a defect on the input screen. Appropriateness of adoption of this data is judged when instructed, and when it is not appropriate, information recommending the instruction of other data is displayed on the input screen, and when appropriate, this pattern shape data is displayed on the machine. It is preferable to have a data input support unit that instructs the reference image generation function calculation unit to learn and recalculate the function.

本発明の第2の態様は、基材に形成されたパターンの欠陥を検査する検査方法であって、
基材をテーブルに載置する工程と、
パターンとテーブルとの位置合わせを行う工程と、
基材のパターンが形成された被検査領域を仮想的に分割するストライプ毎に被検査領域を撮像して光学像データを生成する工程と、
パターンの設計データから生成したイメージデータにフィルタ処理を施す際の関数を求める工程と、
上記の関数を用いてイメージデータから参照像データを生成する工程と、
光学像データを所定のサイズに分割した光学フレームデータと、この光学像データに対応する参照像データを同等サイズに分割した参照フレームデータとを比較して、光学像データの欠陥を検出し、ストライプ毎に欠陥の検出数を集計する工程と、
比較部が集計した欠陥の検出数が検査の継続を許可する許容値を超えるストライプについて、このストライプでの欠陥の多発が、真の欠陥の多発によるものか、光学像データに対応する参照像データを生成する関数とは不適合な関数によるものか、または、位置合わせの精度の不足によるものかを、比較部から出力されたストライプにおける欠陥の情報を用いて解析する工程とを有し、
欠陥の検出数が検査の継続を許可する許容値を超えるストライプの欠陥の輝度値およびこの欠陥を構成するパターンの線幅誤差値の少なくとも一方から得られる値が、第1の閾値以下であって、欠陥がパターンのエッジ以外の領域に分布している場合には、欠陥の多発は真の欠陥の多発によるとして、検査を継続し、
欠陥の検出数が検査の継続を許可する許容値を超えるストライプで検出された欠陥の密度が、第2の閾値を超え、且つ、欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値の範囲に偏在している場合に、
このストライプに連続して配列するストライプであって、このストライプより先に比較部での処理を終えた1以上10以下のストライプとこのストライプとのパターンずれの傾向を比較して、
欠陥の検出数が検査の継続を許可する許容値を超えるストライプにおける欠陥の多発が、光学像データに対応する参照像データを生成する関数とは不適合な関数によるものか、または、位置合わせの精度の不足によるものかを解析し、
光学像データに対応する参照像データを生成する関数とは不適合な関数によるものである場合には、関数を求め直し、
位置合わせの精度の不足によるものである場合には、位置合わせをやり直すことを特徴とするものである。
A second aspect of the present invention is an inspection method for inspecting a defect of a pattern formed on a substrate,
Placing the substrate on the table;
A step of aligning the pattern and the table;
Imaging the inspected area for each stripe that virtually divides the inspected area in which the pattern of the substrate is formed, and generating optical image data;
A step of obtaining a function for filtering the image data generated from the pattern design data;
Generating reference image data from image data using the above function;
By comparing the optical frame data obtained by dividing the optical image data into a predetermined size and the reference frame data obtained by dividing the reference image data corresponding to the optical image data into the same size, defects in the optical image data are detected, and stripes are detected. A step of counting the number of detected defects every time,
For a stripe whose number of detected defects counted by the comparison unit exceeds the allowable value that permits the inspection to continue, whether the frequent occurrence of defects in this stripe is due to the occurrence of true defects or the reference image data corresponding to the optical image data Analyzing whether or not the function for generating is based on an incompatible function or insufficient alignment accuracy using information on defects in the stripe output from the comparison unit, and
The value obtained from at least one of the brightness value of the stripe defect and the line width error value of the pattern constituting the defect exceeds the allowable value that allows the inspection to be continued, and is not more than the first threshold value. , If the defects are distributed in areas other than the edges of the pattern, continue the inspection, assuming that frequent defects are due to frequent true defects,
The density of defects detected in stripes where the number of detected defects exceeds an allowable value that allows continuation of inspection exceeds the second threshold, and the value of x in the position coordinates (x, y) of the defect or y If the value is ubiquitous in one or more specific numerical ranges,
Compared with this stripe, the stripes arranged in succession, and the tendency of the pattern deviation between this stripe and 1 to 10 stripes that have been processed in the comparison part prior to this stripe,
The number of defects in the stripes where the number of detected defects exceeds the allowable value that allows the inspection to continue is caused by a function that is incompatible with the function that generates the reference image data corresponding to the optical image data, or the alignment accuracy Analyzing whether it is due to lack of
If the function that generates the reference image data corresponding to the optical image data is based on an incompatible function, the function is obtained again,
In the case where the accuracy of alignment is insufficient, the alignment is performed again.

本発明の第2の態様においては、欠陥の検出数が検査の継続を許可する許容値を超えるストライプに含まれるパターン形状のデータを機械学習して、光学像データに対応する参照像データを生成する関数を求め直すことが好ましい。   In the second aspect of the present invention, machine learning is performed on pattern shape data included in stripes in which the number of detected defects exceeds an allowable value that permits continuation of inspection, and reference image data corresponding to optical image data is generated. It is preferable to re-determine the function to perform.

本発明の第1の態様の検査装置によれば、比較部が集計した欠陥の検出数が検査の継続を許可する許容値を超えるストライプについて、このストライプでの欠陥の多発が、真の欠陥の多発によるものか、光学像データに対応する参照像データを生成する関数とは不適合な関数によるものか、または、パターンとテーブルとの位置合わせの精度の不足によるものかを、比較部から出力されたこのストライプにおける欠陥の情報を用いて解析する欠陥解析部を有するので、疑似欠陥の多発を防ぐとともに、欠陥が急増する前の検査結果を活用できる。また、作業員への負荷を軽減することもできる。   According to the inspection apparatus of the first aspect of the present invention, with respect to a stripe in which the number of detected defects counted by the comparison unit exceeds an allowable value that allows continuation of inspection, frequent occurrence of defects in this stripe The comparison unit outputs whether it is due to frequent occurrence, whether the function that generates the reference image data corresponding to the optical image data is due to an incompatible function, or due to insufficient accuracy in alignment between the pattern and the table. In addition, since the defect analysis unit that analyzes using the information of defects in the stripes is provided, it is possible to prevent the occurrence of pseudo defects and to use the inspection results before the defects increase rapidly. In addition, the burden on workers can be reduced.

本発明の第2の態様の検査方法によれば、比較部が集計した欠陥の検出数が検査の継続を許可する許容値を超えるストライプについて、このストライプでの欠陥の多発が、真の欠陥の多発によるものか、光学像データに対応する参照像データを生成する関数とは不適合な関数によるものか、または、パターンとテーブルとの位置合わせの精度の不足によるものかを、比較部から出力されたストライプにおける欠陥の情報を用いて解析する工程を有するので、疑似欠陥の多発を防ぐだけでなく、欠陥が急増する前の検査結果を無駄にせずに済む。したがって、検査の利便性を向上させることが可能である。   According to the inspection method of the second aspect of the present invention, with respect to a stripe in which the number of detected defects counted by the comparison unit exceeds an allowable value that allows continuation of inspection, frequent occurrence of defects in this stripe The comparison unit outputs whether it is due to frequent occurrence, whether the function that generates the reference image data corresponding to the optical image data is due to an incompatible function, or due to insufficient accuracy in alignment between the pattern and the table. Therefore, not only the occurrence of pseudo defects is prevented, but also the inspection results before the number of defects rapidly increase can be saved. Therefore, the convenience of inspection can be improved.

実施の形態1における検査装置の概略構成図である。1 is a schematic configuration diagram of an inspection apparatus according to Embodiment 1. FIG. 実施の形態1の検査方法を示すフローチャートの一例である。3 is an example of a flowchart illustrating an inspection method according to the first embodiment. マスクと、ストライプおよびフレームとの関係を説明するための概念図である。It is a conceptual diagram for demonstrating the relationship between a mask, a stripe, and a frame. 図1の検査装置におけるデータや指示の流れを示す概念図である。It is a conceptual diagram which shows the flow of the data and instruction | indication in the inspection apparatus of FIG. 欠陥解析部で行われる処理の流れを概略的に示すフローチャートである。It is a flowchart which shows roughly the flow of the process performed in a defect analysis part. 実施の形態2における検査装置の概略構成図である。It is a schematic block diagram of the inspection apparatus in Embodiment 2. 学習ポイントの典型例を示す平面図である。It is a top view which shows the typical example of a learning point. 学習ポイントの典型例を示す平面図である。It is a top view which shows the typical example of a learning point. 学習ポイントの典型例を示す平面図である。It is a top view which shows the typical example of a learning point. 光学像と参照像とで微細パターンの角部の形状が一致しない例である。This is an example in which the shape of the corner of the fine pattern does not match between the optical image and the reference image. 光学像の一部の領域の輝度振幅が、参照像の輝度振幅に比べ不足している例である。This is an example in which the luminance amplitude of a part of the optical image is insufficient compared to the luminance amplitude of the reference image. 光学像にInret形状のパターンが含まれている例である。This is an example in which an optical image includes an Inret-shaped pattern. 微細パターンの線幅変動値の面内分布の一例を示す図である。It is a figure which shows an example of in-plane distribution of the line | wire width fluctuation value of a fine pattern.

実施の形態1.
図1は、本実施の形態における検査装置の概略構成図である。尚、図1では、本実施の形態で必要な構成部を記載しているが、検査に必要な他の公知の構成部が含まれていてもよい。また、本明細書において、「〜部」と記載したものは、コンピュータで動作可能なプログラムにより構成することができるが、ソフトウェアとなるプログラムだけではなく、ハードウェアとソフトウェアとの組合せやファームウェアとの組合せによって実施されるものであってもよい。プログラムにより構成される場合、プログラムは、磁気ディスク装置などの記録装置に記録される。例えば、オートローダ制御部112は、電気的回路で構成されてもよく、制御計算機110によって処理することのできるソフトウェアとして実現されてもよい。また、電気的回路とソフトウェアの組み合わせによって実現されてもよい。
Embodiment 1 FIG.
FIG. 1 is a schematic configuration diagram of an inspection apparatus according to the present embodiment. In FIG. 1, constituent parts necessary for the present embodiment are illustrated, but other known constituent parts necessary for inspection may be included. In addition, in this specification, what is described as “to part” can be configured by a computer-operable program, but not only a program that becomes software but also a combination of hardware and software or firmware. It may be implemented by a combination. When configured by a program, the program is recorded in a recording device such as a magnetic disk device. For example, the autoloader control unit 112 may be configured by an electric circuit, and may be realized as software that can be processed by the control computer 110. Further, it may be realized by a combination of an electric circuit and software.

図1に示すように、検査装置100は、被検査対象の光学像データを取得する構成部Aと、構成部Aで取得された光学像データを用いて検査に必要な処理等を行う構成部Bとを有する。構成部Aは、マスクMaの光学像を撮影して、この光学像に対応した光学像データを出力する。ここで、マスクMaは、透明なガラス基板などの基材の主面に、被検査対象としてのパターンが形成された構成を有しており、構成部Aは、かかるパターンの光学像データを出力する。本明細書では、マスクMaにおけるパターンの光学像データを単にマスクMaの光学像データと言うことがある。一方、構成部Bは、マスクMaの設計パターンデータと所定の参照像生成関数とを用いて生成された参照像データと、構成部Aが出力した光学像データとを用いて、マスクMaにおけるパターンの欠陥を検出する。   As shown in FIG. 1, an inspection apparatus 100 includes a configuration unit A that acquires optical image data of an inspection target, and a configuration unit that performs processing necessary for inspection using the optical image data acquired by the configuration unit A. B. The component A captures an optical image of the mask Ma and outputs optical image data corresponding to the optical image. Here, the mask Ma has a configuration in which a pattern as an object to be inspected is formed on the main surface of a base material such as a transparent glass substrate, and the configuration unit A outputs optical image data of the pattern. To do. In this specification, the optical image data of the pattern in the mask Ma may be simply referred to as the optical image data of the mask Ma. On the other hand, the configuration unit B uses the reference image data generated by using the design pattern data of the mask Ma and a predetermined reference image generation function, and the optical image data output from the configuration unit A, and the pattern in the mask Ma. Detect defects.

構成部Aは、水平方向(X軸方向、Y軸方向)および回転方向(θ軸方向)に駆動可能なテーブル101と、テーブル101の位置を測定するレーザ測長システム102と、テーブル101上に載置されたマスクMaを照明する照明光学系103と、マスクMaの光学像データを生成する撮像部104と、オートローダ105とを有する。   The component A includes a table 101 that can be driven in the horizontal direction (X-axis direction, Y-axis direction) and the rotation direction (θ-axis direction), a laser length measurement system 102 that measures the position of the table 101, and a table 101. An illumination optical system 103 that illuminates the placed mask Ma, an imaging unit 104 that generates optical image data of the mask Ma, and an autoloader 105 are included.

テーブル101は、テーブル制御部114によって制御されたX軸モータM1、Y軸モータM2、およびθ軸モータM3によって駆動される。これらの駆動機構には、例えば、エアスライダと、リニアモータやステップモータなどとを組み合わせて用いることができる。   The table 101 is driven by an X-axis motor M1, a Y-axis motor M2, and a θ-axis motor M3 controlled by the table control unit 114. For example, an air slider and a linear motor or a step motor can be used in combination for these drive mechanisms.

詳細な図示は省略するが、レーザ測長システム102は、ヘテロダイン干渉計などのレーザ干渉計を有する。レーザ干渉計は、テーブル101に設けられたX軸用とY軸用の各ミラーとの間でレーザ光を照射および受光することによって、テーブル101の位置座標を測定する。レーザ測長システム102による測定データは、位置情報部113へ送られる。尚、テーブル101の位置座標を測定する方法は、レーザ干渉計を用いるものに限られず、磁気式や光学式のリニアエンコーダを用いるものであってもよい。   Although detailed illustration is omitted, the laser measurement system 102 includes a laser interferometer such as a heterodyne interferometer. The laser interferometer measures the position coordinates of the table 101 by irradiating and receiving laser light between X-axis and Y-axis mirrors provided on the table 101. Data measured by the laser length measurement system 102 is sent to the position information unit 113. Note that the method of measuring the position coordinates of the table 101 is not limited to using a laser interferometer, and may use a magnetic or optical linear encoder.

照明光学系103は、光源103aと、拡大光学系103bとを有しており、照明光学系103から所定のビームがマスクMaに照射される。拡大光学系103bは、光源103aから出射した照明光のビームを、必要に応じて、マスクMaに対し透過照明する光路と反射照明する光路に分割する手段や、円偏光や直線偏光などに変える手段、点光源や輪帯などの光源形状に変える手段などを備える。   The illumination optical system 103 includes a light source 103a and an expansion optical system 103b, and a predetermined beam is irradiated from the illumination optical system 103 onto the mask Ma. The magnifying optical system 103b is a means for dividing the illumination light beam emitted from the light source 103a into an optical path for transmitting and illuminating the mask Ma and an optical path for reflecting and illuminating, as necessary, and means for changing the light into circularly polarized light, linearly polarized light, etc. And means for changing to a light source shape such as a point light source or a ring zone.

撮像部104は、マスクMaを通過または反射した照明光を集束させてマスクMaのパターンの光学像を結像させる集束レンズ104aと、この光学像を光電変換するフォトダイオードアレイ104bと、フォトダイオードアレイ104bから出力されるアナログ信号を光学像データとしてのデジタル信号に変換して出力するセンサ回路104cとを有する。撮像部104には、例えばTDI(Time Delay Integration)イメージセンサを用いることができる。尚、撮像部104は、図示しない自動焦点機構によって自動的に焦点調整がなされるように構成されていてもよい。   The imaging unit 104 focuses the illumination light that has passed or reflected through the mask Ma to form an optical image of the pattern of the mask Ma, a photodiode array 104b that photoelectrically converts this optical image, and a photodiode array. And a sensor circuit 104c that converts an analog signal output from the digital signal 104b into a digital signal as optical image data and outputs the digital signal. For the imaging unit 104, for example, a TDI (Time Delay Integration) image sensor can be used. Note that the imaging unit 104 may be configured to automatically perform focus adjustment by an automatic focus mechanism (not shown).

構成部Bは、検査装置100全体の制御を司る制御計算機110と、データ伝送路となるバス111と、バス111を介して制御計算機110に接続されたオートローダ制御部112、位置情報部113、テーブル制御部114、参照像生成関数演算部115、参照像生成部116、比較部117、欠陥解析部118、主記憶装置の一例となる磁気ディスク装置119、補助記憶装置の一例となる磁気テープ装置120、補助記憶装置の他の例となるフレキシブルディスク装置121、表示装置の一例となるモニタディスプレイ122、表示装置の他の例となるITVカメラによる顕微鏡パターンモニタ123、およびプリンタ124を有する。   The configuration unit B includes a control computer 110 that controls the entire inspection apparatus 100, a bus 111 that serves as a data transmission path, an autoloader control unit 112 that is connected to the control computer 110 via the bus 111, a position information unit 113, and a table. A control unit 114, a reference image generation function calculation unit 115, a reference image generation unit 116, a comparison unit 117, a defect analysis unit 118, a magnetic disk device 119 as an example of a main storage device, and a magnetic tape device 120 as an example of an auxiliary storage device. And a flexible disk device 121 as another example of the auxiliary storage device, a monitor display 122 as an example of the display device, a microscope pattern monitor 123 by an ITV camera as another example of the display device, and a printer 124.

次に、図1の検査装置100を用いてマスクMaを検査する方法の一例を述べる。   Next, an example of a method for inspecting the mask Ma using the inspection apparatus 100 of FIG. 1 will be described.

図2は、本実施の形態の検査方法を示すフローチャートの一例である。この図に示すように、本実施の形態による検査方法は、光学像データ取得工程S1、参照像データ生成工程S2、欠陥検出工程S3、欠陥解析工程S4、およびリカバリ工程S5を含む。   FIG. 2 is an example of a flowchart showing the inspection method of the present embodiment. As shown in this figure, the inspection method according to the present embodiment includes an optical image data acquisition step S1, a reference image data generation step S2, a defect detection step S3, a defect analysis step S4, and a recovery step S5.

<光学像データ取得工程S1>
図2の光学像データ取得工程S1では、マスクMaの光学像が取得され、次いで、この光学像をデジタル変換して、検査に使用する光学像データを得る。
<Optical image data acquisition step S1>
In the optical image data acquisition step S1 of FIG. 2, an optical image of the mask Ma is acquired, and then this optical image is digitally converted to obtain optical image data used for inspection.

まず、オートローダ105により、テーブル101上にマスクMaが載置される。ここで、オートローダ105はオートローダ制御部112によって駆動され、オートローダ制御部112は制御計算機110によって制御される。マスクMaは、真空チャックなどの手段でテーブル101に固定される。   First, the mask Ma is placed on the table 101 by the autoloader 105. Here, the autoloader 105 is driven by the autoloader control unit 112, and the autoloader control unit 112 is controlled by the control computer 110. The mask Ma is fixed to the table 101 by means such as a vacuum chuck.

マスクMaがテーブル101に載置されると、マスクMaに形成されたパターンに照明光学系103から光が照射される。具体的には、光源103aから照射される光束が、拡大光学系103bを介してマスクMaに照射される。マスクMaを透過または反射した照明光を集束させてマスクMaのパターンの光学像が得られる。   When the mask Ma is placed on the table 101, the illumination optical system 103 irradiates the pattern formed on the mask Ma. Specifically, the light beam emitted from the light source 103a is applied to the mask Ma via the magnifying optical system 103b. The illumination light transmitted or reflected through the mask Ma is focused to obtain an optical image of the pattern of the mask Ma.

正確な検査結果を得るためには、被検査対象である(マスクMaの)パターン(以下、被検査パターンとも言う。)がテーブル101上で所定の位置に位置合わせされている必要がある。そこで、例えば、マスクMaに位置合わせ用のアライメントマークを形成し、このアライメントマークを実際に撮像部104で撮影して、テーブル101上でマスクMaの被検査パターンの位置合わせを行う。尚、本実施の形態では、マスクMaの被検査パターンとテーブル101との相対的な位置合わせをプレートアライメントと言うことがある。   In order to obtain an accurate inspection result, a pattern to be inspected (on the mask Ma) (hereinafter also referred to as an inspection pattern) needs to be aligned at a predetermined position on the table 101. Therefore, for example, an alignment mark for alignment is formed on the mask Ma, the alignment mark is actually photographed by the imaging unit 104, and the inspection pattern of the mask Ma is aligned on the table 101. In the present embodiment, the relative alignment between the inspection pattern of the mask Ma and the table 101 may be referred to as plate alignment.

例えば、マスクMaの被検査パターンの四隅付近で長方形の各頂点となる位置に、十字形状のマスクアライメントマークMAが形成されているとする。また、マスクMaには、複数のチップパターンが形成されており、各チップにもチップアライメントマークCAが形成されているとする。一方、テーブル101は、水平方向に移動するXYテーブルと、このXYテーブル上に配置されて回転方向に移動するθテーブルとによって構成されるものとする。この場合、位置合わせ工程は、具体的には、マスクMaをテーブル101上に載置した状態で、被検査パターンのX軸およびY軸と、XYテーブルの走行軸とを合わせる工程になる。   For example, it is assumed that cross-shaped mask alignment marks MA are formed at positions corresponding to the vertices of a rectangle near the four corners of the pattern to be inspected of the mask Ma. Further, it is assumed that a plurality of chip patterns are formed on the mask Ma, and chip alignment marks CA are also formed on each chip. On the other hand, the table 101 is configured by an XY table that moves in the horizontal direction and a θ table that is arranged on the XY table and moves in the rotation direction. In this case, the alignment step is specifically a step of aligning the X axis and Y axis of the pattern to be inspected with the traveling axis of the XY table in a state where the mask Ma is placed on the table 101.

まず、4箇所に設けられたマスクアライメントマークMAのうちで、Y座標の数値が小さい2点のマスクアライメントマークMAを撮影し、両マークが正確に同じY座標となるように、θテーブルを回転させてマスクMaの回転方向の微調整を行う。このとき、マスクアライメントマークMA間の距離も正確に測定しておく。次に、Y座標の数値が大きい2点のマスクアライメントマークMAを撮影する。これによって、4点すべてのマスクアライメントマークMAの座標が正確に測定される。   First, of the mask alignment marks MA provided at four locations, two mask alignment marks MA having a small Y coordinate value are photographed, and the θ table is rotated so that both marks have exactly the same Y coordinate. Thus, fine adjustment of the rotation direction of the mask Ma is performed. At this time, the distance between the mask alignment marks MA is also accurately measured. Next, two mask alignment marks MA having a large Y coordinate value are photographed. Thereby, the coordinates of all four mask alignment marks MA are accurately measured.

上記の測定から、Y座標の数値が小さい2点のマスクアライメントマークMAを底辺の両端に有する四角形の頂点に、他の2点のマスクアライメントマークMAが位置するとする。ここで、長方形の各頂座標に位置するはずの他の2点のアライメントマークが、測定された座標にずれていることによって歪んだ形となっていること、また、測定されたアライメントマーク間の距離が設計上の座標距離に対して伸縮を帯びていることから、検査対象となるパターンの領域も、上記の四角形と相似する歪みと伸縮を帯びていると推測され、これを反映した補正が、参照像生成部116で参照像データを生成する際に行われる。   From the above measurement, it is assumed that the other two mask alignment marks MA are positioned at the vertices of a quadrangle having two mask alignment marks MA having small Y-coordinate values at both ends of the base. Here, the other two alignment marks that should be located at the respective vertex coordinates of the rectangle are distorted by shifting to the measured coordinates, and between the measured alignment marks Since the distance is stretched with respect to the design coordinate distance, it is estimated that the pattern area to be inspected is also distorted and stretched similar to the above-mentioned rectangle, and corrections reflecting this are corrected. This is performed when the reference image generation unit 116 generates reference image data.

尚、マスクMaには、マスクアライメントマークMAがなくてもよい。その場合は、マスクMaのパターンのうちで、できるだけマスクMaの外周に近くてXY座標が同一であるコーナーの頂点やエッジパターンの辺を使って、位置合わせを行うことができる。   Note that the mask Ma may not have the mask alignment mark MA. In that case, alignment can be performed using the corner vertices and edge pattern sides that are as close as possible to the outer periphery of the mask Ma and have the same XY coordinates in the pattern of the mask Ma.

マスクMaの被検査領域(被検査パターンが形成された領域)を、短冊状の複数の領域に仮想的に分割する。尚、この短冊状の領域はストライプと称される。各ストライプは、例えば、幅が数百μmであって、長さがマスクMaの被検査領域のX方向の全長に対応する100mm程度の領域とすることができる。   The inspection area of the mask Ma (area where the inspection pattern is formed) is virtually divided into a plurality of strip-shaped areas. This strip-like region is called a stripe. Each stripe can be, for example, a region having a width of several hundred μm and a length of about 100 mm corresponding to the entire length in the X direction of the region to be inspected of the mask Ma.

さらに、各ストライプに、格子状に分割した複数の被撮像単位(以下、個々の被撮像単位を「フレーム」と表記する。)を仮想的に設定する。個々のフレームのサイズは、ストライプの幅、または、ストライプの幅を4分割した程度の正方形とするのが適当である。   Further, in each stripe, a plurality of imaging target units (hereinafter, each imaging target unit is referred to as “frame”) divided in a lattice shape is virtually set. The size of each frame is suitably a stripe width or a square that is obtained by dividing the stripe width into four.

図3は、マスクMaにおける被検査領域と、ストライプおよびフレームとの関係を説明するための概念図である。この例では、マスクMaにおける被検査領域は、4つのストライプSt1〜St4によって仮想的に分割されており、さらに、個々のストライプSt1〜St4には、45個のフレームFが仮想的に設定されている。   FIG. 3 is a conceptual diagram for explaining the relationship between the region to be inspected in the mask Ma and the stripes and frames. In this example, the inspection area in the mask Ma is virtually divided by four stripes St1 to St4, and 45 frames F are virtually set in each of the stripes St1 to St4. Yes.

各ストライプSt1〜St4は、Y軸方向に整列している。一方、各フレームは、例えば十数μm□程度の矩形を呈する。ここで、撮像漏れを防ぐため、隣り合う2つのフレーム間においては、一方のフレームの縁部と他方のフレームの縁部とが所定の幅で重なるように設定される。所定の幅は、例えば、フォトダイオードアレイ104bの画素サイズを基準とすると、その20画素分程度の幅とすることができる。尚、ストライプも同様であり、隣り合うストライプの縁部が互いに重なるように設定される。   The stripes St1 to St4 are aligned in the Y-axis direction. On the other hand, each frame has a rectangular shape of, for example, about a dozen μm □. Here, in order to prevent image capturing omission, between two adjacent frames, the edge of one frame and the edge of the other frame are set to overlap each other with a predetermined width. The predetermined width can be, for example, about 20 pixels when the pixel size of the photodiode array 104b is used as a reference. The same applies to the stripes, and the edges of adjacent stripes are set to overlap each other.

マスクMaの光学像は、ストライプ毎に撮像される。すなわち、図3の例で光学像を撮像する際には、各ストライプSt1,St2,St3,St4が連続的に走査されるように、テーブル101の動作が制御される。具体的には、まず、テーブル101が図3の−X方向に移動しながら、ストライプSt1の光学像がX方向に順に撮像されていく。そして、図1のフォトダイオードアレイ104bに光学像が連続的に入力される。ストライプSt1の光学像の撮像を終えると、ストライプSt2の光学像が撮像される。このとき、テーブル101は、−Y方向にステップ移動した後、ストライプSt1における光学像の取得時の方向(−X方向)とは逆方向(X方向)に移動していく。撮像されたストライプSt2の光学像も、フォトダイオードアレイ104bに連続的に入力される。ストライプSt3の光学像を取得する場合には、テーブル101が−Y方向にステップ移動した後、ストライプSt2の光学像を取得する方向(X方向)とは逆方向、すなわち、ストライプSt1の光学像を取得した方向(−X方向)に、テーブル101が移動する。同様にしてストライプSt4の光学像も撮像される。   The optical image of the mask Ma is captured for each stripe. That is, when an optical image is captured in the example of FIG. 3, the operation of the table 101 is controlled so that each stripe St1, St2, St3, St4 is continuously scanned. Specifically, first, the optical image of the stripe St1 is sequentially taken in the X direction while the table 101 moves in the -X direction in FIG. Then, an optical image is continuously input to the photodiode array 104b in FIG. When the imaging of the optical image of the stripe St1 is completed, the optical image of the stripe St2 is captured. At this time, the table 101 moves stepwise in the −Y direction, and then moves in the direction (X direction) opposite to the direction (−X direction) at the time of acquisition of the optical image in the stripe St1. The captured optical image of the stripe St2 is also continuously input to the photodiode array 104b. When acquiring the optical image of the stripe St3, after the table 101 is moved stepwise in the -Y direction, the optical image of the stripe St1 is obtained in the direction opposite to the direction (X direction) in which the optical image of the stripe St2 is acquired. The table 101 moves in the acquired direction (−X direction). Similarly, an optical image of the stripe St4 is also taken.

マスクMaを通過した光は、撮像部104によって、マスクMaのパターンの光学像として結像した後、A/D(アナログデジタル)変換され、光学像データとして出力される。具体的には、フォトダイオードアレイ104bがマスクMaの光学像を撮像して、光学像に対応するアナログ信号をセンサ回路104cに順次出力する。センサ回路104cは、フォトダイオードアレイ104bが出力した各アナログ信号をそれぞれ光学像データであるデジタル信号に変換して出力する。   The light that has passed through the mask Ma is imaged as an optical image of the pattern of the mask Ma by the imaging unit 104, and is then A / D (analog-digital) converted and output as optical image data. Specifically, the photodiode array 104b captures an optical image of the mask Ma, and sequentially outputs analog signals corresponding to the optical image to the sensor circuit 104c. The sensor circuit 104c converts each analog signal output from the photodiode array 104b into a digital signal, which is optical image data, and outputs the digital signal.

尚、光学像データは、センサ回路104cに設けられて画素毎にオフセット・ゲイン調整可能なデジタルアンプ(図示せず)に入力される。デジタルアンプの各画素用のゲインは、キャリブレーションによって決定される。例えば、透過光用のキャリブレーションでは、撮像部104が撮像する面積に対して十分に広いマスクMaの遮光領域を撮影中に黒レベルを決定する。次いで、撮像部104が撮像する面積に対して十分に広いマスクMaの透過光領域を撮影中に白レベルを決定する。このとき、検査中の光量変動を見越して、例えば、白レベルと黒レベルの振幅が8ビット階調データの約4%から約94%に相当する10〜240に分布するよう、画素毎にオフセットとゲインを調整する。   The optical image data is input to a digital amplifier (not shown) provided in the sensor circuit 104c and capable of adjusting offset / gain for each pixel. The gain for each pixel of the digital amplifier is determined by calibration. For example, in the calibration for transmitted light, the black level is determined during photographing of the light-shielding area of the mask Ma that is sufficiently wide with respect to the area captured by the imaging unit 104. Next, the white level is determined during imaging of the transmitted light region of the mask Ma that is sufficiently wide with respect to the area captured by the imaging unit 104. At this time, in anticipation of light quantity fluctuation during inspection, for example, the offset of each pixel is set so that the amplitude of the white level and the black level is distributed from 10% to 240% corresponding to about 4% to about 94% of the 8-bit gradation data. And adjust the gain.

<参照像データ生成工程S2>
図2の参照像データ生成工程S2では、マスクMaの設計パターンデータを基に参照像データが生成される。参照像データは、ダイ−トゥ−データベース比較方式による検査において、光学像データにおける欠陥判定の基準となるものである
<Reference Image Data Generation Step S2>
In the reference image data generation step S2 of FIG. 2, reference image data is generated based on the design pattern data of the mask Ma. The reference image data is a standard for determining defects in the optical image data in the inspection by the die-to-database comparison method.

図4は、図1の検査装置100におけるデータや指示の流れを示す概念図である。図1および図4を参照しながら、参照像データの生成工程S2について説明する。   FIG. 4 is a conceptual diagram showing the flow of data and instructions in the inspection apparatus 100 of FIG. The reference image data generation step S2 will be described with reference to FIGS.

マスクMaの設計パターンデータは、検査装置100の磁気ディスク装置119に格納されている。この設計パターンデータは、磁気ディスク装置119から制御計算機110によって読み出されて参照像生成部116に送られる。   The design pattern data of the mask Ma is stored in the magnetic disk device 119 of the inspection apparatus 100. The design pattern data is read from the magnetic disk device 119 by the control computer 110 and sent to the reference image generator 116.

参照像生成部116は、展開回路116aと参照回路116bを有しており、磁気ディスク装置119から読み出された設計パターンデータは、展開回路116aで2値ないしは多値のイメージデータに変換される。   The reference image generation unit 116 includes a development circuit 116a and a reference circuit 116b, and the design pattern data read from the magnetic disk device 119 is converted into binary or multi-value image data by the development circuit 116a. .

イメージデータは、展開回路116aから参照回路116bに送られる。参照回路116bでは、イメージデータに適切なフィルタ処理が施される。その理由は、次の通りである。   The image data is sent from the expansion circuit 116a to the reference circuit 116b. In the reference circuit 116b, appropriate filter processing is performed on the image data. The reason is as follows.

一般に、マスクのパターンは、その製造工程でコーナーの丸まりや線幅の仕上がり寸法などが加減されており、設計パターンと完全には一致しない。また、例えば、図1の撮像部104で得られた光学像データは、拡大光学系103bの解像特性やフォトダイオードアレイ104bのアパーチャ効果などによってぼやけた状態、言い換えれば、空間的なローパスフィルタが作用した状態にある。   In general, the roundness of the corners and the finished dimensions of the line width are adjusted in the manufacturing process of the mask pattern, and the mask pattern does not completely match the design pattern. Further, for example, the optical image data obtained by the imaging unit 104 in FIG. 1 is blurred due to the resolution characteristic of the magnifying optical system 103b, the aperture effect of the photodiode array 104b, or the like, in other words, a spatial low-pass filter. It is in an acted state.

そこで、マスクの設計パターンデータや光学像データを基に、マスクの製造プロセスや検査装置の光学系による変化を模擬した参照像生成関数を決定する。この決定は、検査に先立って行われる。検査装置は、参照像生成関数を用いてイメージデータに2次元のデジタルフィルタをかける。このようにして、参照像データに対して光学像データに似せる処理が行われる。   Therefore, based on the mask design pattern data and optical image data, a reference image generation function simulating changes due to the mask manufacturing process and the optical system of the inspection apparatus is determined. This decision is made prior to inspection. The inspection apparatus applies a two-dimensional digital filter to the image data using the reference image generation function. In this way, the process of making the reference image data resemble the optical image data is performed.

参照像生成関数の決定に際しては、マスクの典型的なパターンを用いて、検査装置100にパラメータを機械学習させている。典型的なパターンは、例えば、製造工程でマスクとともに流通される手順書で指定されたパターンとすることができる。また、例えば、大パターンと微細パターンというように、オペレータが経験に基づいて選択したパターンとしてもよい。一方、学習に用いられるマスクは、製造工程で決められた基準となるマスクであってもよく、また、被検査対象となるパターンが形成されたマスク(本実施の形態ではマスクMa)であってもよい。   In determining the reference image generation function, the inspection apparatus 100 is machine-learned using a typical mask pattern. The typical pattern can be, for example, a pattern specified in a procedure manual distributed along with the mask in the manufacturing process. Further, for example, a pattern selected by an operator based on experience such as a large pattern and a fine pattern may be used. On the other hand, the mask used for learning may be a reference mask determined in the manufacturing process, or a mask (a mask Ma in the present embodiment) on which a pattern to be inspected is formed. Also good.

本実施の形態では、参照像生成関数演算部115で参照像生成関数を決定する。具体的には、制御計算機110によって磁気ディスク装置119から読み出された設計パターンデータと、撮像部104から出力された光学像データとが、参照像生成関数演算部115に送られる。そして、設計パターンデータと光学像データを基に、参照像生成関数演算部115において、マスクの製造プロセスや検査装置の光学系による変化を模擬した参照像生成関数が決定される。   In the present embodiment, the reference image generation function calculation unit 115 determines a reference image generation function. Specifically, the design pattern data read from the magnetic disk device 119 by the control computer 110 and the optical image data output from the imaging unit 104 are sent to the reference image generation function calculation unit 115. Based on the design pattern data and the optical image data, the reference image generation function calculation unit 115 determines a reference image generation function that simulates a change in the mask manufacturing process and the optical system of the inspection apparatus.

次いで、参照像生成関数は、参照像生成関数演算部115から参照像生成部116へ送られる。すると、参照像生成部116内の参照回路116bにおいて、展開回路116aから出力されたイメージデータに参照像生成関数を用いたフィルタ処理が施され、参照像データが生成する。   Next, the reference image generation function is sent from the reference image generation function calculation unit 115 to the reference image generation unit 116. Then, in the reference circuit 116b in the reference image generation unit 116, the image data output from the expansion circuit 116a is subjected to filter processing using a reference image generation function, and reference image data is generated.

<欠陥検出工程S3>
光学像データ取得工程S1で得られた光学像データと、参照像データ生成工程S2で得られた参照像データとを用いて、欠陥検出工程S3において、マスクMaの欠陥検出が行われる。
<Defect detection step S3>
The defect detection of the mask Ma is performed in the defect detection step S3 using the optical image data obtained in the optical image data acquisition step S1 and the reference image data obtained in the reference image data generation step S2.

まず、撮像部104から光学像データが、参照像生成部116から参照像データが、それぞれ比較部117へ送られる。また、テーブル101の位置座標を測定した位置データが、位置情報部113から比較部117へ送られる。   First, optical image data from the imaging unit 104 and reference image data from the reference image generation unit 116 are sent to the comparison unit 117, respectively. In addition, position data obtained by measuring the position coordinates of the table 101 is sent from the position information unit 113 to the comparison unit 117.

図1の検査装置100によれば、撮像部104は、マスクMaを通過した照明光を集束させてマスクMaの光学像を得るので、比較部117では、透過の光学像データと参照像データが比較されることになる。尚、検査装置がマスクMaで反射した照明光を集束させてマスクMaの光学像を得る構成であれば、反射の光学像データと参照像データが比較される。   According to the inspection apparatus 100 of FIG. 1, the imaging unit 104 converges the illumination light that has passed through the mask Ma to obtain an optical image of the mask Ma. Therefore, in the comparison unit 117, transmission optical image data and reference image data are obtained. Will be compared. If the inspection apparatus is configured to focus the illumination light reflected by the mask Ma and obtain an optical image of the mask Ma, the reflected optical image data and the reference image data are compared.

領域分割処理部117aでは、撮像部104から出力された光学像データが、所定のサイズ、本実施の形態では、フレーム毎のデータに分割される。また、参照像生成部116から出力された参照像データも、光学像データに対応するフレーム毎のデータに分割される。尚、以下では、フレーム毎に分割された光学像データの各々を「光学フレームデータ」と称し、フレーム毎に分割された参照像データの各々を「参照フレームデータ」と称する。   In the area division processing unit 117a, the optical image data output from the imaging unit 104 is divided into data of a predetermined size, in this embodiment, for each frame. The reference image data output from the reference image generation unit 116 is also divided into data for each frame corresponding to the optical image data. Hereinafter, each of the optical image data divided for each frame is referred to as “optical frame data”, and each of the reference image data divided for each frame is referred to as “reference frame data”.

比較部117では、光学フレームデータと参照フレームデータとが比較されることによって、光学フレームデータの欠陥が検出される。また、位置情報部113より送られた位置データを用いて、欠陥の位置座標データが作成される。   The comparison unit 117 detects a defect in the optical frame data by comparing the optical frame data with the reference frame data. Further, the position coordinate data of the defect is created using the position data sent from the position information unit 113.

比較部117には、数十個の比較ユニットが装備されている。これにより、複数の光学フレームデータが、それぞれ対応する参照フレームデータと並列して同時に処理される。各比較ユニットは、フレームアライメント部と、アルゴリズム比較処理部と、欠陥登録部とを有する。そして、各比較ユニットは、1つの光学フレームデータの処理が終わると、未処理の光学フレームデータと、これに対応する参照フレームデータを取り込む。このようにして、多数の光学フレームデータが順次処理されて欠陥が検出されていく。   The comparison unit 117 is equipped with several tens of comparison units. Thereby, a plurality of optical frame data are simultaneously processed in parallel with the corresponding reference frame data. Each comparison unit includes a frame alignment unit, an algorithm comparison processing unit, and a defect registration unit. Then, when the processing of one optical frame data is completed, each comparison unit captures unprocessed optical frame data and reference frame data corresponding thereto. In this way, a large number of optical frame data are sequentially processed to detect defects.

比較ユニットでの処理は、具体的には次のようにして行われる。   Specifically, the processing in the comparison unit is performed as follows.

まず、光学フレームデータと、この光学フレームデータに対応する参照フレームデータとがセットになって、領域分割処理部117aから、各比較ユニットのフレームアライメント部(117b1,117b2・・・)へ出力される。フレームアライメント部では、光学フレームデータと参照フレームデータとの位置合わせ(フレームアライメント)が行われる。このとき、パターンのエッジ位置や、輝度のピーク位置が揃うように、(フォトダイオードアレイ104bの)画素単位で平行シフトさせる他、近隣の画素の輝度値を比例配分するなどして、画素未満の合わせ込みも行う。本実施の形態では、光学フレームデータと参照フレームデータとを位置合わせするときの光学フレームデータの座標系または光学フレームデータに対応する参照フレームデータの座標系の変位量および変位方向を、それぞれ「フレームアライメント量」、「フレームアライメント方向」という。   First, optical frame data and reference frame data corresponding to the optical frame data are set and output from the region division processing unit 117a to the frame alignment units (117b1, 117b2,...) Of each comparison unit. . The frame alignment unit performs alignment (frame alignment) between the optical frame data and the reference frame data. At this time, in addition to the parallel shift in units of pixels (of the photodiode array 104b) so that the edge positions of the pattern and the peak positions of the brightness are aligned, the luminance values of neighboring pixels are proportionally distributed. Matching is also performed. In this embodiment, the displacement amount and the displacement direction of the coordinate system of the optical frame data or the coordinate system of the reference frame data corresponding to the optical frame data when aligning the optical frame data and the reference frame data are respectively set to “frame”. It is called “alignment amount” and “frame alignment direction”.

光学フレームデータと参照フレームデータとの位置合わせを終えた後は、アルゴリズム比較処理部(117c1,117c2・・・)において、適切な比較アルゴリズムにしたがった欠陥検出が行われる。例えば、光学フレームデータと参照フレームデータとの画素毎のレベル差の評価や、パターンエッジ方向の画素の微分値同士の比較などが行われる。そして、光学像データと参照像データの差異が所定の閾値を超えると、その箇所が欠陥と判定される。   After the alignment between the optical frame data and the reference frame data is completed, the algorithm comparison processing unit (117c1, 117c2,...) Performs defect detection according to an appropriate comparison algorithm. For example, the level difference for each pixel between the optical frame data and the reference frame data is evaluated, and the differential values of the pixels in the pattern edge direction are compared. When the difference between the optical image data and the reference image data exceeds a predetermined threshold value, the location is determined as a defect.

例えば、線幅欠陥として登録される場合の閾値は、光学像データと参照像データとの線幅(CD:Critical Dimension)の寸法差(nm)および寸法比率(%)単位で指定される。例えば、線幅の寸法差が16nm、寸法比率が8%というように2通りの閾値が指定される。光学像データのパターンが200nmの線幅を有するとき、参照像データとの寸法差が20nmであれば、寸法差の閾値と寸法比率の閾値のいずれよりも大きいため、このパターンには欠陥があると判定される。   For example, the threshold value when registered as a line width defect is specified in units of a dimension difference (nm) and a dimension ratio (%) of the line width (CD: Critical Dimension) between the optical image data and the reference image data. For example, two threshold values are designated such that the dimensional difference in line width is 16 nm and the dimensional ratio is 8%. When the pattern of the optical image data has a line width of 200 nm, if the dimensional difference from the reference image data is 20 nm, the pattern has a defect because it is larger than both the dimensional difference threshold and the dimensional ratio threshold. It is determined.

尚、欠陥判定の閾値は、線幅が参照像データよりも太い場合と細い場合とについて、それぞれ別々に指定することも可能である。また、線幅でなく、線間のスペース幅(パターン間の距離)が、参照像データよりも太い場合と細い場合とについて、それぞれ閾値を指定してもよい。さらに、ホール形状のパターンに対しては、ホールの直径の寸法や直径の寸法比率の閾値を指定することができる。この場合、閾値は、ホールのX方向の断面とY方向の断面のそれぞれについて指定され得る。   Note that the defect determination threshold can be specified separately for a case where the line width is larger than that of the reference image data and a case where the line width is thinner than the reference image data. Further, instead of the line width, a threshold value may be specified for each of the case where the space width between lines (distance between patterns) is thicker and thinner than the reference image data. Furthermore, for a hole-shaped pattern, a hole diameter dimension and a threshold ratio of the diameter ratio can be designated. In this case, the threshold value can be specified for each of the X-direction cross section and the Y-direction cross section of the hole.

欠陥検出に用いられるアルゴリズムは、上記の他にも、例えば、レベル比較法や微分比較法などがある。レベル比較法では、例えば、光学フレームデータにおける画素単位の輝度値、すなわちフォトダイオードアレイ104bの画素に対応する領域の輝度値が算出される。そして、算出された輝度値と参照フレームデータでの輝度値とが比較されることによって、欠陥が検出される。また、微分比較法では、光学フレームデータ上での微細パターンのエッジに沿った方向、例えば、ラインパターンのエッジに沿った方向における画素単位の輝度値の変化量が微分によって求められる。この変化量と参照フレームデータでの輝度値の変化量とが比較されることによって、欠陥が検出される。尚、比較アルゴリズムによる欠陥の検出に用いられる線幅の寸法差、寸法比率、輝度値、輝度値の変化量などの物理量の値を「欠陥反応値」という。   In addition to the above, algorithms used for defect detection include, for example, a level comparison method and a differential comparison method. In the level comparison method, for example, the luminance value of each pixel in the optical frame data, that is, the luminance value of the region corresponding to the pixel of the photodiode array 104b is calculated. Then, the defect is detected by comparing the calculated luminance value with the luminance value in the reference frame data. In the differential comparison method, the amount of change in luminance value in units of pixels in the direction along the edge of the fine pattern on the optical frame data, for example, the direction along the edge of the line pattern is obtained by differentiation. A defect is detected by comparing the amount of change with the amount of change in luminance value in the reference frame data. Note that a physical quantity value such as a line width dimensional difference, a dimensional ratio, a luminance value, and a luminance value change amount used for defect detection by a comparison algorithm is referred to as a “defect reaction value”.

図4のアルゴリズム比較処理部で光学フレームデータに欠陥があると判定されると、その光学フレームデータ、欠陥の位置座標データ、比較された参照フレームデータなどの欠陥の情報が、欠陥登録部(117d1,117d2・・・)に登録される。具体的には、欠陥の位置座標データ、欠陥検出の根拠となった欠陥反応値、欠陥検出の根拠となった光学フレームデータおよび参照フレームデータ、並びにフレームアライメント部での位置合わせの際に座標系を変位させたフレームデータの種別とフレームアライメント量とフレームアライメント方向(以下、「フレームアライメント情報」という。)がフレーム毎に登録される。   When the algorithm comparison processing unit in FIG. 4 determines that the optical frame data has a defect, defect information such as the optical frame data, the defect position coordinate data, and the compared reference frame data is stored in the defect registration unit (117d1). , 117d2... Specifically, the position coordinate data of the defect, the defect reaction value that is the basis for the defect detection, the optical frame data and the reference frame data that are the basis for the defect detection, and the coordinate system at the time of alignment in the frame alignment unit The type of frame data, the amount of frame alignment, and the frame alignment direction (hereinafter referred to as “frame alignment information”) are registered for each frame.

尚、比較部117は、光学フレームデータとこれに対応する参照フレームデータとのセット毎であって且つ比較アルゴリズム毎に、フレームデータの位置合わせ、欠陥検出、および欠陥検出数の集計という一連の比較判定動作を、フレームデータの位置合わせの条件を変えて複数回行い、欠陥検出数が最も少なかった比較判定動作での欠陥検出結果を欠陥登録部に登録することができる。   The comparison unit 117 performs a series of comparisons of frame data alignment, defect detection, and totalization of the number of detected defects for each set of optical frame data and corresponding reference frame data and for each comparison algorithm. The determination operation is performed a plurality of times while changing the alignment condition of the frame data, and the defect detection result in the comparison determination operation with the smallest number of defect detections can be registered in the defect registration unit.

例えば、1回目の比較判定動作では光学フレームデータに対応する光学像中の右側上部に相当する領域に重きを置いて位置合わせを行い、2回目の比較判定動作では光学フレームデータに対応する光学像中の右側下部に相当する領域に重きを置いて位置合わせを行い、3回目の比較判定動作では光学フレームデータに対応する光学像中の左側下部に相当する領域に重きを置いて位置合わせを行い、4回目の比較判定動作では光学フレームデータに対応する光学像中の左側上部に相当する領域に重きを置いて位置合わせを行う。そして、これら4回の比較判定動作の各々による欠陥検出数を比較して、欠陥検出数が最も少なかった比較判定動作での欠陥検出結果を登録するようにすることができる。   For example, in the first comparison / determination operation, alignment is performed by placing a weight on an area corresponding to the upper right side of the optical image corresponding to the optical frame data, and in the second comparison / determination operation, the optical image corresponding to the optical frame data is aligned. Alignment is performed by placing weight on the area corresponding to the lower right part of the inside, and in the third comparison judgment operation, alignment is performed by placing weight on the area corresponding to the lower left part in the optical image corresponding to the optical frame data. In the fourth comparison / determination operation, alignment is performed by placing emphasis on a region corresponding to the upper left portion of the optical image corresponding to the optical frame data. Then, the number of detected defects in each of the four comparison determination operations can be compared, and the defect detection result in the comparison determination operation with the smallest number of defect detections can be registered.

比較判定動作をフレームデータの位置合わせの条件を変えて複数回行う場合の具体的回数は、上記の4回に限定されるものではなく、2回以上の所望の回数とすることができる。また、フレームデータの位置合わせの条件も、上記に限定されるものではなく、例えば、光学フレームデータに対応する光学像中のどの領域に重きを置いて位置合わせを行うかは、個々の比較判定動作で適宜設定可能である。   The specific number of times when the comparison determination operation is performed a plurality of times while changing the alignment condition of the frame data is not limited to the above four times, and can be a desired number of times of two or more. In addition, the condition for aligning the frame data is not limited to the above. For example, it is possible to determine which region in the optical image corresponding to the optical frame data is to be weighted by performing individual comparison and determination. It can be set appropriately according to the operation.

以上のようにして、比較部117に光学像データと参照像データが順次取り込まれ、比較処理されることによって、光学像データにおける欠陥検出が行われていく。ここで、同一のマスクMaにおいて、欠陥登録部に登録された欠陥の数が検査途中で急激に増加した場合、真の欠陥の数が増加したことも考えられるが、疑似欠陥の数が増加した可能性もある。後者の場合、その原因の1つとして、検査装置100のステータス異常が挙げられる。例えば、光源103aの出力の変動、テーブル101の蛇行、あるいは、撮像部104の自動焦点機構の異常などである。   As described above, the optical image data and the reference image data are sequentially taken into the comparison unit 117 and subjected to the comparison process, whereby defect detection in the optical image data is performed. Here, in the same mask Ma, when the number of defects registered in the defect registration unit suddenly increases during the inspection, the number of true defects may have increased, but the number of pseudo defects has increased. There is a possibility. In the latter case, one of the causes is an abnormal status of the inspection apparatus 100. For example, fluctuations in the output of the light source 103a, meandering of the table 101, or an abnormality in the autofocus mechanism of the imaging unit 104.

検査装置100に上記のようなステータス異常が発生すると、正確な検査結果が得られなくなる。例えば、光源103aの出力が変化して光量が変動すると、フォトダイオードアレイ104bの出力も変動する。一方、上述したキャリブレーションで決定されたデジタルアンプのゲインは、光源103aの出力が変化する前に調整されたものである。したがって、実際のゲインとは異なるので、疑似欠陥を誘発しやすい。   When the above-described status abnormality occurs in the inspection apparatus 100, an accurate inspection result cannot be obtained. For example, when the output of the light source 103a changes and the amount of light varies, the output of the photodiode array 104b also varies. On the other hand, the gain of the digital amplifier determined by the calibration described above is adjusted before the output of the light source 103a changes. Therefore, since it is different from the actual gain, it is easy to induce a pseudo defect.

検査装置100にステータス異常が発生した場合には、検査装置100が自動的にかかる異常を検出して検査を停止または終了することで、検査結果に多くの疑似欠陥が含まれることになる無駄な検査を未然に防ぐことができる。例えば、光源103aの出力が変化して光量が変動した場合、その変動量は、照明光学系103に光量センサ(図示せず)を設けることで検知できる。光量センサで検知された変動量が予め定めた許容範囲を超えた場合には、検査装置100が検査を自動的に停止または終了するようにする。また、テーブル101が蛇行した場合や、自動焦点機構が正常に作動せず焦点位置が定まらない場合にも、それらの異常を定量化しておくことによって、検査装置100が検査を自動的に停止または終了するようにすることができる。   When a status abnormality occurs in the inspection apparatus 100, the inspection apparatus 100 automatically detects such abnormality and stops or terminates the inspection, so that a lot of pseudo defects are included in the inspection result. Inspection can be prevented in advance. For example, when the output of the light source 103a changes and the amount of light changes, the amount of change can be detected by providing a light amount sensor (not shown) in the illumination optical system 103. When the fluctuation amount detected by the light quantity sensor exceeds a predetermined allowable range, the inspection apparatus 100 automatically stops or ends the inspection. Also, when the table 101 meanders, or when the autofocus mechanism does not operate normally and the focus position cannot be determined, the inspection apparatus 100 automatically stops the inspection by quantifying those abnormalities. Can be terminated.

一方、検査装置100が検査を自動的に停止または終了するまでには至らない程度にステータスが変化した場合であっても疑似欠陥を生じることがある。こうしたことは、形状欠陥や線幅変動として指摘されるべき欠陥の寸法が、マスク全面での線幅変動(線幅分布)や、パターンの位置ずれ誤差(位置ずれ誤差分布)と同等程度になってきている最近のマスクパターンで特に問題となる。   On the other hand, even if the status changes to such an extent that the inspection apparatus 100 does not automatically stop or end the inspection, a pseudo defect may occur. This means that the size of defects that should be pointed out as shape defects and line width fluctuations is comparable to line width fluctuations (line width distribution) and pattern positional error (positional error distribution) over the entire mask. This is particularly a problem with recent mask patterns.

検査装置100のステータスの変動量の許容範囲を狭くすれば、小さな変動量があった場合でも検査装置100が自動的に検査を停止または終了するようにすることは可能であるが、微細でないパターンについては不要な動作となるため現実的でない。また、検査装置100のステータスの変動以外にも疑似欠陥を誘発する原因となるものとして、参照像生成関数が適当でなかった場合や、プレートアライメントが適当でなかった場合が挙げられる。尚、プレートアライメントは、マスクを検査装置にロードして直ぐであって、検査の開始前に行われる。しかし、検査装置の内外における温度差、検査中にマスクに照射される光を原因としたマスク自体の温度変化、大気圧の変化によって、レーザ測長システムが測定誤差を生じたり、光学系が状態変化を起こしたりすると、プレートアライメントが経時的に変化することがある。そこで、所定時間毎にプレートアライメントを再実行する
工程を検査に組み込むことも行われている。しかしながら、こうした場合においても、プレートアライメントを再実行するまでの間に欠陥検出数が急変する事態は避けきれていない。
If the allowable range of the variation amount of the status of the inspection apparatus 100 is narrowed, the inspection apparatus 100 can automatically stop or end the inspection even when there is a small variation amount. Since it becomes an unnecessary operation, it is not realistic. Further, in addition to the status change of the inspection apparatus 100, the causes of the pseudo defect include a case where the reference image generation function is not appropriate and a case where the plate alignment is not appropriate. The plate alignment is performed immediately after the mask is loaded on the inspection apparatus and before the start of the inspection. However, due to temperature differences inside and outside the inspection device, changes in the temperature of the mask itself caused by the light irradiated to the mask during inspection, and changes in atmospheric pressure, the laser measurement system may cause measurement errors or the optical system If changes occur, the plate alignment may change over time. Therefore, a process of re-executing plate alignment every predetermined time is also incorporated into the inspection. However, even in such a case, a situation in which the number of detected defects suddenly changes before plate alignment is reexecuted is unavoidable.

そこで、本実施の形態では、検査を行っている途中で検出される欠陥の数が急激に増加した場合、(後述するように)検査装置100は、図2の欠陥解析工程S4で欠陥を解析して検査を継続するか否かを判断し、必要な場合には、リカバリ工程S5において、キャリブレーションの再実行、参照像生成関数の再決定、プレートアライメントの再実行をする。   Therefore, in the present embodiment, when the number of defects detected in the middle of the inspection increases rapidly (as will be described later), the inspection apparatus 100 analyzes the defects in the defect analysis step S4 of FIG. In the recovery step S5, calibration is re-executed, the reference image generation function is re-determined, and plate alignment is re-executed.

検査で検出される欠陥数の変動は、比較部117で把握される。具体的には、欠陥登録部が、上述した欠陥検出結果を登録する他に、ストライプ単位で欠陥の検出数を随時集計する。集計された検出数がそれまでのストライプにおける検出数と比べて急増した場合、具体的には、検査継続許容値を超えた場合、検査装置100は、欠陥を解析して採るべき処置を決定する。   A variation in the number of defects detected by the inspection is grasped by the comparison unit 117. Specifically, in addition to registering the above-described defect detection results, the defect registration unit adds up the number of detected defects as needed in stripe units. When the total number of detections increases compared to the number of detections in the previous stripe, specifically, when the inspection continuation allowable value is exceeded, the inspection apparatus 100 analyzes the defect and determines the action to be taken. .

検査継続許容値は、例えば、ストライプ当たりの欠陥数や、検査済みのストライプでの欠陥検出数に対する増加割合などによって定義することができる。ストライプ当たりの欠陥数によって検査継続許容値を定義する場合、その値は、例えば、50個程度から100個程度の範囲内とすることができる。また、検査済みのストライプでの欠陥検出数に対する増加割合によって検査継続許容値を定義する場合は、例えば、50倍程度以下の範囲内とすることができる。検査継続許容値は、こうした範囲内からさらに実験や経験則にしたがって適切な値に定められ、磁気ディスク装置119に格納される。以下、検出した欠陥数が検査継続許容値を超えるストライプを「欠陥多発ストライプ」という。   The inspection continuation allowable value can be defined by, for example, the number of defects per stripe or the rate of increase with respect to the number of detected defects in the inspected stripe. When the inspection continuation allowable value is defined by the number of defects per stripe, the value can be in the range of about 50 to about 100, for example. In addition, when the inspection continuation allowable value is defined by the increasing rate with respect to the number of detected defects in the inspected stripe, it can be within a range of about 50 times or less. The inspection continuation allowable value is further determined within this range according to experiments and empirical rules, and stored in the magnetic disk device 119. Hereinafter, stripes in which the number of detected defects exceeds the inspection continuation allowable value are referred to as “frequently occurring stripes”.

欠陥登録部で集計した欠陥検出数が検査継続許容値以下であるとき、欠陥登録部に登録された欠陥検出結果は、磁気ディスク装置119へ送られる。また、比較部117は、検査の継続を指示する信号(検査継続指示)を出力する。すると、検査装置100は、欠陥の検出数が集計されたストライプ、すなわち、比較部117での比較判定動作を終えたストライプに隣接するストライプについて欠陥検出動作を開始する。この流れは、図2において、欠陥検出工程S3から検査継続に至る矢印で示される。   When the number of detected defects counted by the defect registration unit is equal to or smaller than the inspection continuation allowable value, the defect detection result registered in the defect registration unit is sent to the magnetic disk device 119. Further, the comparison unit 117 outputs a signal (inspection continuation instruction) instructing continuation of the inspection. Then, the inspection apparatus 100 starts the defect detection operation for the stripe in which the number of detected defects is tabulated, that is, the stripe adjacent to the stripe for which the comparison determination operation in the comparison unit 117 is completed. This flow is indicated by arrows from the defect detection step S3 to the continuation of inspection in FIG.

一方、欠陥登録部で集計した欠陥検出数が検査継続許容値を超えるとき、比較部117は、欠陥解析の開始を指示する信号(欠陥解析指示)を欠陥解析部118に送る。また、検出数が検査継続許容値を超えたストライプに対応する欠陥検出結果が欠陥解析部118へ送られる。続いて、欠陥解析部118において欠陥解析工程S4が行われる。   On the other hand, when the number of detected defects counted by the defect registration unit exceeds the inspection continuation allowable value, the comparison unit 117 sends a signal (defect analysis instruction) instructing the start of defect analysis to the defect analysis unit 118. In addition, a defect detection result corresponding to a stripe whose detected number exceeds the inspection continuation allowable value is sent to the defect analysis unit 118. Subsequently, the defect analysis unit 118 performs a defect analysis step S4.

<欠陥解析工程S4>
図5は、欠陥解析部118で行われる処理の流れを概略的に示すフローチャートである。
<Defect analysis step S4>
FIG. 5 is a flowchart schematically showing the flow of processing performed by the defect analysis unit 118.

既に述べたように、検査装置100の光源103aやテーブル101などに予め定めた許容範囲を超えるステータス異常が生じた場合、検査装置100は検査を自動的に停止または終了する。この工程は、図5のS10で示される。   As already described, when a status abnormality exceeding a predetermined allowable range occurs in the light source 103a or the table 101 of the inspection apparatus 100, the inspection apparatus 100 automatically stops or ends the inspection. This step is indicated by S10 in FIG.

一方、検査装置100が検査を自動的に停止または終了するまでに至らなくても疑似欠陥を生じることがある。具体的には、検査装置100に設定されたステータスにかかる値がいずれも許容範囲内であるが、同一のマスクMaで欠陥登録部に登録された欠陥の数が検査途中で急激に増加する場合である。これは、図5において、S10で検査装置100のステータス異常が検出されず、S11で欠陥多発ストライプが発生した場合に対応する。こうしたとき、欠陥解析部118が、検出数が急増した欠陥を解析して適切な処置を下す。   On the other hand, a pseudo defect may occur even if the inspection apparatus 100 does not automatically stop or end the inspection. Specifically, the values for the status set in the inspection apparatus 100 are all within the allowable range, but the number of defects registered in the defect registration unit with the same mask Ma increases rapidly during the inspection. It is. In FIG. 5, this corresponds to the case where no abnormal status of the inspection apparatus 100 is detected in S10 and a defect-prone stripe occurs in S11. In such a case, the defect analysis unit 118 analyzes the defect whose detection number has increased rapidly and takes an appropriate action.

欠陥解析部118は、まず、欠陥を解析して、検査継続許容値を超える欠陥数の増加を生じさせている原因を特定し、次の(1)〜(4)のいずれかに分類する。続いて、欠陥解析部118は、上記で分類した原因に応じた処置を下す。
(1)真の欠陥の多発
(2)検査装置のステータスの変動
(3)不適当な参照像生成関数
(4)位置合わせ(プレートアライメント)の精度不足
First, the defect analysis unit 118 analyzes the defect, identifies the cause causing the increase in the number of defects exceeding the inspection continuation allowable value, and classifies the cause into any of the following (1) to (4). Subsequently, the defect analysis unit 118 takes measures according to the causes classified above.
(1) Frequent occurrence of true defects (2) Status fluctuation of inspection equipment (3) Inappropriate reference image generation function (4) Insufficient accuracy of alignment (plate alignment)

図4を参照しながら、欠陥解析部118を構成する各部について説明する。   With reference to FIG. 4, each part constituting the defect analysis unit 118 will be described.

欠陥解析部118は、欠陥反応値傾向統計部118aと、線幅誤差判定部118bと、座標特徴判定部118cと、フレームアライメント集積統計部118dとを有し、各部において、欠陥の解析と欠陥数が急増した原因の特定が行われる。   The defect analysis unit 118 includes a defect reaction value trend statistics unit 118a, a line width error determination unit 118b, a coordinate feature determination unit 118c, and a frame alignment integrated statistics unit 118d. The cause of the sudden increase is identified.

欠陥反応値傾向統計部118aは、欠陥多発ストライプで検出された各欠陥について、欠陥反応値の傾向と欠陥の分布傾向を解析する。例えば、欠陥反応値が高く、欠陥の面積が大きい場合には、「大欠陥」と判断する。また、例えば、パターンのエッジ以外の領域に欠陥が密集している場合には、「ヘイズ欠陥」の可能性がある。ヘイズ欠陥は、ガラスに異物が付着して生じたものであり、紫外線によって増大する成長性欠陥である。ヘイズ欠陥は、他の欠陥に比較して欠陥反応値が低い。したがって、パターンのエッジ以外の領域に欠陥が分布していて、欠陥反応値が低い場合には、「ヘイズ欠陥」と判断できる。   The defect reaction value trend statistics unit 118a analyzes the defect reaction value tendency and the defect distribution tendency for each defect detected in the defect-prone stripe. For example, when the defect reaction value is high and the area of the defect is large, it is determined as “large defect”. Further, for example, when defects are concentrated in a region other than the edge of the pattern, there is a possibility of a “haze defect”. A haze defect is a growth defect that is caused by foreign matter adhering to glass and increases by ultraviolet rays. The haze defect has a lower defect reaction value than other defects. Therefore, when defects are distributed in a region other than the edge of the pattern and the defect reaction value is low, it can be determined as a “haze defect”.

「大欠陥」および「ヘイズ欠陥」のいずれも、「(1)真の欠陥の多発」によるものであって疑似欠陥ではないと判定される。尚、「大欠陥」や「ヘイズ欠陥」と判断する際の基準となる欠陥反応値は、欠陥多発ストライプにおける欠陥の輝度値、および(線幅欠陥の場合には)欠陥を構成するパターンの線幅誤差値の少なくとも一方から得られる値、例えば、輝度値、輝度値の変化量、線幅の寸法差、寸法比率である。ヘイズ欠陥と判断される欠陥反応値の閾値(第1の閾値)は、実験を含む経験則に基づいて適切な値に決定されて、磁気ディスク装置119に格納される。   Both “large defects” and “haze defects” are determined to be due to “(1) frequent occurrence of true defects” and are not pseudo defects. Note that the defect reaction value used as a reference for determining a “large defect” or “haze defect” is the luminance value of the defect in the defect-prone stripe and the line of the pattern constituting the defect (in the case of a line width defect). A value obtained from at least one of the width error values, for example, a luminance value, a change amount of the luminance value, a line width dimensional difference, and a dimensional ratio. The threshold value (first threshold value) of the defect reaction value determined to be a haze defect is determined to an appropriate value based on an empirical rule including experiments and stored in the magnetic disk device 119.

線幅誤差判定部118bは、欠陥多発ストライプで検出された各欠陥における線幅の実寸誤差または線幅の誤差比率の傾向を解析する。線幅の実寸誤差または線幅の誤差比率が許容範囲を超える欠陥について、かかる欠陥の欠陥全体に占める割合が予め定めた閾値(第3の閾値)以下であるか否かを調べる。第3の閾値を超えて欠陥が多発している場合には、検査装置100における光源103aの光量変動、すなわち、「(2)検査装置のステータスの変動」による疑似欠陥であると判定する。   The line width error determination unit 118b analyzes the trend of the actual size error of the line width or the error ratio of the line width in each defect detected by the defect-prone stripe. For defects whose actual width error or line width error ratio exceeds the allowable range, it is checked whether the ratio of such defects to the entire defect is equal to or less than a predetermined threshold value (third threshold value). If the number of defects exceeds the third threshold value, it is determined that the defect is a pseudo defect due to the light amount fluctuation of the light source 103a in the inspection apparatus 100, that is, “(2) fluctuation in the status of the inspection apparatus”.

例えば、線幅の実寸値と設計値との寸法差の許容範囲が±16nmであり、寸法比率の許容範囲が±8%であるとする。欠陥多発ストライプで欠陥として検出されたパターンの線幅が200nmであり、参照像データとの寸法差が+20nmである場合、このパターンは設計値より線幅が太くなっていることが分かる。こうした欠陥の欠陥全体に占める割合が予め定めた第3の閾値を超えて存在する場合には、検査装置100における光源103aの光量増大によって生じた疑似欠陥と判定する。一方、設計値より線幅の細い欠陥の欠陥全体に占める割合が第3の閾値を超えて存在する場合には、光源103aの光量低下によって生じた疑似欠陥と判定する。尚、第3の閾値は、実験を含む経験則から検査を継続することが妥当な値に決められて、磁気ディスク装置119に格納される。   For example, it is assumed that the allowable range of the dimensional difference between the actual line width and the design value is ± 16 nm and the allowable range of the dimensional ratio is ± 8%. When the line width of a pattern detected as a defect in a defect-prone stripe is 200 nm and the dimensional difference from the reference image data is +20 nm, it can be seen that the line width of this pattern is larger than the design value. If the ratio of such defects to the entire defect exceeds a predetermined third threshold, it is determined that the defect is a pseudo defect caused by an increase in the light amount of the light source 103a in the inspection apparatus 100. On the other hand, when the ratio of the defect having a line width smaller than the design value to the entire defect exceeds the third threshold, it is determined that the defect is a pseudo defect caused by a decrease in the light amount of the light source 103a. The third threshold value is determined to be a reasonable value to continue the inspection based on empirical rules including experiments, and is stored in the magnetic disk device 119.

尚、参照像生成部116の回路や処理系に異常が生じて参照像データが生成できない場合にも、欠陥多発ストライプが発生する。かかる異常は、欠陥多発ストライプの光学像データをダイ−トゥ−ダイ比較することで把握可能である。ダイ−トゥ−ダイ比較方式により検出される欠陥数が検査継続許容値以下であれば、参照像データの生成工程S2に異常があると判定して、検査を停止または終了する。   Even when the reference image data cannot be generated due to an abnormality in the circuit or processing system of the reference image generation unit 116, a frequent defect stripe occurs. Such an abnormality can be grasped by performing a die-to-die comparison of optical image data of a defect-prone stripe. If the number of defects detected by the die-to-die comparison method is equal to or smaller than the inspection continuation allowable value, it is determined that there is an abnormality in the reference image data generation step S2, and the inspection is stopped or terminated.

座標特徴判定部118cは、位置座標データを用いて、欠陥反応値の傾向を解析するとともに、欠陥多発ストライプで検出された欠陥の密度を算出する。そして、得られた密度が、予め定めた閾値(第2の閾値)以下であるか否かを調べ、第2の閾値を超える場合には、さらに、各欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値の範囲内に偏在しているか否かを調べる。偏在している場合、対象としている欠陥多発ストライプに連続して配列するストライプであって、この欠陥多発ストライプより先に比較部117での処理を終えたストライプにおける欠陥とその周囲の光学像が、この欠陥多発ストライプにおける欠陥の光学像と似たパターンずれの傾向を示さない場合には、「(3)不適当な参照像生成関数」によって誘発された疑似欠陥と判定する。尚、先に比較部117での処理を終えたストライプの数は、1以上10以下とすることができ、好ましくは、2以上5以下である。また、これらのストライプの欠陥情報は、磁気ディスク装置119に格納されている欠陥検出結果から読み出される。密度に関する第2の閾値と偏在の閾値は、それぞれ、実験を含む経験則に基づいて適切な値に決定されて、磁気ディスク装置119に格納される。   The coordinate feature determination unit 118c analyzes the tendency of the defect reaction value using the position coordinate data, and calculates the density of the defects detected in the defect frequent stripes. Then, it is checked whether or not the obtained density is equal to or less than a predetermined threshold value (second threshold value). When the density exceeds the second threshold value, the position coordinates (x, y) of each defect are further increased. It is examined whether the value of x or the value of y is unevenly distributed within a range of one or more specific numerical values. In the case of uneven distribution, the defect in the stripe that is continuously arranged in the target frequent defect stripe, and the defect in the stripe that has been processed in the comparison unit 117 prior to the frequent defect stripe and its surrounding optical image, If there is no tendency of pattern deviation similar to the optical image of the defect in the defect-prone stripe, it is determined that the defect is a pseudo defect induced by “(3) inappropriate reference image generation function”. Note that the number of stripes that have been processed in the comparison unit 117 first can be 1 or more and 10 or less, and preferably 2 or more and 5 or less. The defect information of these stripes is read from the defect detection result stored in the magnetic disk device 119. The second threshold value and the uneven distribution threshold value are determined to be appropriate values based on empirical rules including experiments, and stored in the magnetic disk device 119.

「(3)不適当な参照像生成関数」によって誘発された疑似欠陥には、欠陥反応値が低いものが多い。また、こうした疑似欠陥が生じるパターンには、マスクに描画するパターンの解像度を高めるための補助パターン(SRAF:Sub−Resolution Asist Feature)や、入り組んだ形状(Inret形状)のパターンが含まれていることが多い。座標特徴判定部118cでは、このような経験則に基づく情報も参照して判定することが好ましい。   Many of the pseudo defects induced by “(3) inappropriate reference image generation function” have a low defect response value. In addition, the pattern in which such a pseudo defect occurs includes an auxiliary pattern (SRAF: Sub-Resolution Assist Feature) for increasing the resolution of the pattern drawn on the mask and an intricate shape (Inret shape) pattern. There are many. The coordinate feature determination unit 118c preferably determines with reference to information based on such empirical rules.

フレームアライメント集積統計部118dは、比較部117から送られた欠陥多発ストライプについての欠陥検出結果と、磁気ディスク装置119に格納されている欠陥検出結果とを用いて、欠陥多発ストライプと、この欠陥多発ストライプに連続して配列するストライプであって、この欠陥多発ストライプより先に比較部117での処理を終えたストライプとの間に、フレームアライメント時に座標系を変位させたフレームデータのフレームアライメント量とフレームアライメント方向に類似性があるか否かを解析する。また、欠陥多発ストライプで検出された欠陥の密度が、予め定めた第2の閾値以下であるか否かを調べるとともに、各欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値範囲内に偏在しているか否かを調べる。   The frame alignment integrated statistics unit 118d uses the defect detection result for the defect frequent stripe sent from the comparison unit 117 and the defect detection result stored in the magnetic disk device 119 to detect the defect frequent stripe and the defect frequent occurrence. The frame alignment amount of the frame data in which the coordinate system is displaced at the time of frame alignment between the stripes arranged in succession to the stripes and the stripes that have been processed by the comparison unit 117 prior to the defect-prone stripes Analyze whether there is similarity in the frame alignment direction. Further, it is checked whether or not the density of defects detected in the defect-prone stripe is equal to or lower than a predetermined second threshold value, and the x value or y value of the position coordinates (x, y) of each defect is determined. Check if it is unevenly distributed within one or more specific numerical ranges.

フレームアライメント集積統計部118dにおいて、先に比較部117での処理を終えたストライプの数は、1以上10以下とすることができ、好ましくは、2以上5以下である。また、密度に関する第2の閾値と偏在の閾値は、それぞれ、実験を含む経験則に基づいて適切な値に決定されて、磁気ディスク装置119に格納される。尚、これらは、いずれも座標特徴判定部118cと同じとすることができる。   In the frame alignment accumulation statistics unit 118d, the number of stripes that have been processed in the comparison unit 117 can be 1 or more and 10 or less, and preferably 2 or more and 5 or less. Also, the second threshold value and the uneven distribution threshold value are determined to be appropriate values based on empirical rules including experiments, and stored in the magnetic disk device 119. These can be the same as the coordinate feature determination unit 118c.

欠陥密度が第2の閾値を超え、また、各欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値範囲内に偏在している場合であって、さらに、上記のフレームアライメント量とフレームアライメント方向に類似性がある場合には、「(4)位置合わせ(プレートアライメント)の精度不足」によって誘発された疑似欠陥と判定する。   The defect density exceeds the second threshold, and the x value or y value of the position coordinates (x, y) of each defect is unevenly distributed within one or more specific numerical ranges. Further, if there is a similarity between the frame alignment amount and the frame alignment direction, it is determined that the defect is a pseudo defect induced by “(4) insufficient accuracy of alignment (plate alignment)”.

座標特徴判定部118cと、フレームアライメント集積統計部118dとは、欠陥多発ストライプで検出された欠陥の密度を算出し、得られた密度が予め定めた第2の閾値以下であるか否かを調べる処理と、各欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値範囲内に偏在しているか否かを調べる処理とにおいて共通する。したがって、座標特徴判定部118cと、フレームアライメント集積統計部118dのいずれか一方でこれらの処理を行い、その結果を他方が利用するようにすることができる。   The coordinate feature determination unit 118c and the frame alignment accumulation statistics unit 118d calculate the density of the defects detected in the frequent defect stripes, and check whether the obtained density is equal to or lower than a predetermined second threshold value. The process is common to the process of examining whether or not the x value or y value of the position coordinates (x, y) of each defect is unevenly distributed within one or more specific numerical ranges. Therefore, one of the coordinate feature determination unit 118c and the frame alignment accumulation statistics unit 118d can perform these processes, and the other can use the result.

図5にしたがって、欠陥解析部118は、欠陥反応値傾向統計部118a、線幅誤差判定部118b、座標特徴判定部118c、フレームアライメント集積統計部118dの各部において、欠陥の解析と急増原因の特定を行い、さらに原因に応じた処置を下す。尚、欠陥解析部118における処理の順序は図5の例に限られるものではなく、適宜順序を入れ替えることが可能であり、また、並列して処理を行ってもよい。   According to FIG. 5, the defect analysis unit 118 analyzes the defect and identifies the cause of the rapid increase in each of the defect reaction value trend statistics unit 118a, the line width error determination unit 118b, the coordinate feature determination unit 118c, and the frame alignment integration statistics unit 118d. And take appropriate action according to the cause. Note that the order of processing in the defect analysis unit 118 is not limited to the example of FIG. 5, and the order can be appropriately changed, and the processing may be performed in parallel.

図5のS11で欠陥多発ストライプが発生すると、S12において、欠陥反応値傾向統計部118aで、欠陥多発ストライプで検出された各欠陥の欠陥反応値の傾向と欠陥の分布傾向が解析される。その結果、欠陥数が急増した原因が「(1)真の欠陥の多発」によるものであって疑似欠陥ではないと判定されると、これらの欠陥の欠陥検出結果は、磁気ディスク装置119へ送られる。また、欠陥解析部118は、検査の継続を指示する信号(検査継続指示)を出力する。すると、検査装置100は、例えば、この欠陥多発ストライプに隣接するストライプを対象として欠陥検出動作を開始する。この流れは、図5において、S12から検査継続に至る矢印で示される。   When a defect frequent stripe occurs in S11 of FIG. 5, the defect reaction value trend statistics unit 118a analyzes the defect reaction value tendency and the defect distribution tendency of each defect detected in the defect frequent stripe in S12. As a result, if it is determined that the cause of the rapid increase in the number of defects is due to “(1) frequent occurrence of true defects” and not a pseudo defect, the defect detection results of these defects are sent to the magnetic disk device 119. It is done. Further, the defect analysis unit 118 outputs a signal (inspection continuation instruction) instructing continuation of the inspection. Then, for example, the inspection apparatus 100 starts a defect detection operation for a stripe adjacent to the frequent defect stripe. This flow is indicated by an arrow from S12 to continuation of the inspection in FIG.

S12の解析によって、欠陥多発ストライプで検出された各欠陥に「大欠陥」や「ヘイズ欠陥」に特徴的な傾向が見られない場合には、図5のS13に進む。そして、線幅誤差判定部118bにおいて、欠陥多発ストライプで検出された各欠陥における線幅の実寸誤差または線幅の誤差比率の傾向が解析される。その結果、線幅の実寸誤差または線幅の誤差比率が許容範囲を超える欠陥について、かかる欠陥の欠陥全体に占める割合が予め定めた第3の閾値を超えている場合には、検査装置100における光源103aの光量変動、すなわち、「(2)検査装置のステータスの変動」による疑似欠陥であると判定する。次いで、欠陥解析部118は、センサ回路104cにおけるキャリブレーションの再実行を指示する信号(キャリブレーション再実行指示)を出力する。   If it is determined by the analysis of S12 that there is no characteristic tendency of “large defect” or “haze defect” in each defect detected in the frequent defect stripe, the process proceeds to S13 in FIG. Then, in the line width error determination unit 118b, the actual line width error or the tendency of the line width error ratio in each defect detected in the defect-prone stripe is analyzed. As a result, for the defect whose line width actual size error or line width error ratio exceeds the allowable range, the ratio of the defect to the entire defect exceeds a predetermined third threshold value. It is determined that this is a pseudo defect due to the light amount variation of the light source 103a, that is, “(2) variation in status of the inspection apparatus”. Next, the defect analysis unit 118 outputs a signal (calibration re-execution instruction) instructing re-execution of calibration in the sensor circuit 104c.

S13において、欠陥多発ストライプで検出された各欠陥における線幅の実寸誤差または線幅の誤差比率が許容範囲を超える欠陥(エッジ欠陥)の欠陥全体に占める割合が予め定めた第3の閾値を超えていない場合には、図5のS14に進む。そして、座標特徴判定部118cにおいて、位置座標データを用いて、欠陥反応値の傾向が解析されるとともに、欠陥多発ストライプで検出された欠陥の密度が算出される。得られた密度が、予め定めた第2の閾値を超え、さらに、各欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値範囲内に偏在している場合には、S15に進む。   In S13, the ratio of the actual line width error or the line width error ratio of each defect detected in the defect-existing stripe exceeding the allowable range to the entire defect exceeds the predetermined third threshold value. If not, the process proceeds to S14 in FIG. Then, the coordinate feature determination unit 118c analyzes the tendency of the defect reaction value using the position coordinate data, and calculates the density of the defects detected in the frequent defect stripes. The obtained density exceeds a predetermined second threshold, and the x value or y value of the position coordinates (x, y) of each defect is unevenly distributed within one or more specific numerical ranges. If yes, the process proceeds to S15.

一方、S14の座標特徴判定部118cにおいて、欠陥多発ストライプで検出された欠陥の密度が第2の閾値以下である場合、または、各欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値範囲内に偏在していない場合には、「(1)真の欠陥の多発」によるものであって疑似欠陥ではないと判定する。そして、これらの欠陥の欠陥検出結果は、磁気ディスク装置119へ送られる。また、欠陥解析部118は、検査の継続を指示する信号(検査継続指示)を出力する。すると、検査装置100は、この欠陥多発ストライプに隣接するストライプについて欠陥検出動作を開始する。この流れは、図5において、S14から検査継続に至る矢印で示される。   On the other hand, in the coordinate feature determination unit 118c in S14, when the density of defects detected in the defect-prone stripe is equal to or lower than the second threshold, or the value x of the position coordinates (x, y) of each defect or y If the value is not unevenly distributed within one or a plurality of specific numerical ranges, it is determined that it is due to “(1) frequent occurrence of true defects” and is not a pseudo defect. The defect detection results of these defects are sent to the magnetic disk device 119. Further, the defect analysis unit 118 outputs a signal (inspection continuation instruction) instructing continuation of the inspection. Then, the inspection apparatus 100 starts a defect detection operation for a stripe adjacent to the frequent defect stripe. This flow is indicated by an arrow from S14 to continuation of the inspection in FIG.

S15では、フレームアライメント集積統計部118dが、比較部117から送られた欠陥多発ストライプについての欠陥検出結果と、磁気ディスク装置119に格納されている欠陥検出結果とを用いて、欠陥多発ストライプと、この欠陥多発ストライプに連続して配列するストライプであって、この欠陥多発ストライプより先に比較部117での処理を終えたストライプとの間に、フレームアライメント時に座標系を変位させたフレームデータのフレームアライメント量とフレームアライメント方向に類似性があるか否かを解析する。   In S15, the frame alignment integrated statistics unit 118d uses the defect detection result for the defect frequent stripe sent from the comparison unit 117 and the defect detection result stored in the magnetic disk device 119, and A frame of frame data in which the coordinate system is displaced during frame alignment between the stripes arranged successively to the frequent defect stripes and the stripes that have been processed by the comparison unit 117 prior to the frequent defect stripes. It is analyzed whether there is similarity between the alignment amount and the frame alignment direction.

また、フレームアライメント集積統計部118dは、「欠陥多発ストライプで検出された欠陥の密度が予め定めた許容範囲を超え、また、各欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値範囲内に偏在しているという情報」を座標特徴判定部118cから受け取る。   In addition, the frame alignment accumulation statistics unit 118d determines that “the density of the defects detected in the defect-prone stripe exceeds the predetermined allowable range, and the value x or y of the position coordinates (x, y) of each defect. "Is distributed unevenly within one or more specific numerical ranges" from the coordinate feature determination unit 118c.

S15において、フレームデータのフレームアライメント量とフレームアライメント方向に類似性がない場合、フレームアライメント集積統計部118dは、欠陥多発ストライプで検出された欠陥を「(3)不適当な参照像生成関数」によって誘発された疑似欠陥と判定する。すると、欠陥解析部118は、参照像生成関数の再決定を指示する信号(関数再決定指示)を出力する。   In S15, when there is no similarity between the frame alignment amount and the frame alignment direction of the frame data, the frame alignment integrated statistics unit 118d determines the defect detected by the defect-prone stripe by “(3) inappropriate reference image generation function”. It is determined as an induced pseudo defect. Then, the defect analysis unit 118 outputs a signal (function redetermination instruction) instructing redetermination of the reference image generation function.

一方、フレームデータのフレームアライメント量とフレームアライメント方向に類似性がある場合、フレームアライメント集積統計部118dは、欠陥多発ストライプで検出された欠陥を「(4)位置合わせ(プレートアライメント)の精度不足」によって誘発された疑似欠陥と判定する。次いで、欠陥解析部118は、プレートアライメントの再実行を指示する信号(プレートアライメント再実行指示)を出力する。   On the other hand, when there is a similarity between the frame alignment amount of the frame data and the frame alignment direction, the frame alignment integrated statistical unit 118d determines that the defect detected by the defect-prone stripe is “(4) insufficient alignment (plate alignment) accuracy”. Is determined to be a fake defect induced by. Next, the defect analysis unit 118 outputs a signal (plate alignment re-execution instruction) instructing re-execution of plate alignment.

<リカバリ工程S5>
欠陥解析部118から、キャリブレーション再実行指示、関数再決定指示、プレートアライメント再実行指示のいずれかの信号が出力されると、図2のリカバリ工程S5が行われる。リカバリ工程S5は、各信号に対応した工程、すなわち、キャリブレーション再実行工程と、関数再決定工程と、プレートアライメント再実行工程とを含む。
<Recovery process S5>
When any one of the calibration re-execution instruction, the function re-determination instruction, and the plate alignment re-execution instruction is output from the defect analysis unit 118, the recovery step S5 in FIG. 2 is performed. The recovery process S5 includes processes corresponding to each signal, that is, a calibration re-execution process, a function re-determination process, and a plate alignment re-execution process.

キャリブレーション再実行工程では、例えば、制御計算機110がセンサ回路104cの白レベルを調整して光学像データに対応する光学像のコントラストを下げ、マスクMaの撮影時に比較的低輝度であった領域に対する解像度を上げる光量キャリブレーションを行う。あるいは、制御計算機110がセンサ回路104cの黒レベルを調整して光学像データに対応する光学像のコントラストを上げ、マスクMaの撮影時に比較的高輝度であった領域に対する解像度を下げる光量キャリブレーションを行う。   In the calibration re-execution step, for example, the control computer 110 adjusts the white level of the sensor circuit 104c to lower the contrast of the optical image corresponding to the optical image data, and for the region where the brightness was relatively low when the mask Ma was captured. Perform light intensity calibration to increase resolution. Alternatively, the control computer 110 adjusts the black level of the sensor circuit 104c to increase the contrast of the optical image corresponding to the optical image data, and performs light amount calibration to reduce the resolution for the area that was relatively bright when the mask Ma was captured. Do.

関数再決定工程では、制御計算機110が、磁気ディスク装置119から欠陥多発ストライプについての欠陥検出結果を読み出して、参照像生成関数演算部115に送る。参照像生成関数演算部115は、欠陥多発ストライプの光学像データを用いて機械学習の学習ポイントを自動抽出し、かかる学習ポイントを欠陥でないとして扱うように参照像生成関数を生成する。尚、学習ポイントとは、欠陥多発ストライプに含まれるパターン形状のデータであって、機械学習させるデータをいう。   In the function redetermination step, the control computer 110 reads out the defect detection result for the frequent defect stripe from the magnetic disk device 119 and sends it to the reference image generation function calculation unit 115. The reference image generation function calculation unit 115 automatically extracts machine learning learning points using optical image data of defect-prone stripes, and generates a reference image generation function so that the learning points are treated as not defective. The learning point is data of a pattern shape included in the frequent defect stripes and is data to be machine-learned.

機械学習の学習ポイントの自動抽出は、例えば、欠陥多発ストライプ中で欠陥が偏在している領域のXY座標(x,y)について、xの値の中央値xmとyの値の中央値ymを算出し、座標(xm,ym)に最も近い欠陥(座標(xm,ym)上に欠陥がある場合を含むものとする。)と、この欠陥の周囲における微細パターンの形状とを抽出するようにすることができる。尚、欠陥の周囲における微細パターンの形状をどの程度の広さの範囲に亘って抽出するかは、適宜選定可能である。   The automatic extraction of machine learning learning points is performed by, for example, obtaining the median value xm of the x value and the median value ym of the y value with respect to the XY coordinates (x, y) of a region where defects are unevenly distributed in the defect-prone stripe. Calculate and extract the defect closest to the coordinate (xm, ym) (including the case where there is a defect on the coordinate (xm, ym)) and the shape of the fine pattern around the defect. Can do. It should be noted that it is possible to appropriately select how wide the shape of the fine pattern around the defect is to be extracted.

また、機械学習の学習ポイントの自動抽出では、欠陥多発ストライプで検出された各欠陥をこの欠陥の周囲における微細パターンの形状に基づいて分類し、出現頻度が高い順に、1つの欠陥と、この欠陥の周囲における微細パターンの形状とを機械学習の学習ポイントとして抽出するようにすることもできる。この場合、出現頻度が最も高い1つの欠陥と、この欠陥の周囲における微細パターンの形状とを、機械学習の学習ポイントとして自動抽出するように参照像生成関数演算部115を構成することもできるし、出現頻度が最も高い順に2つ以上の所望数の欠陥について、この欠陥とその周囲における微細パターンの形状とを機械学習の学習ポイントとして自動抽出するように参照像生成関数演算部115を構成することもできる。   In the automatic extraction of machine learning learning points, each defect detected in a defect-prone stripe is classified based on the shape of a fine pattern around the defect, and one defect and this defect are arranged in descending order of appearance frequency. It is also possible to extract the shape of a fine pattern around the machine as a learning point for machine learning. In this case, the reference image generation function calculation unit 115 can be configured to automatically extract one defect having the highest appearance frequency and the shape of a fine pattern around the defect as a learning point for machine learning. The reference image generation function calculation unit 115 is configured to automatically extract the defect and the shape of the fine pattern around the defect as the learning points of machine learning for two or more desired numbers of defects in order of highest appearance frequency. You can also

プレートアライメント再実行工程では、上述したプレートアライメントを再度行い、マスクMaの被検査パターンがテーブル101上で所定の位置に正確に撮像されるよう位置合わせする。   In the plate alignment re-execution step, the above-described plate alignment is performed again, and alignment is performed so that the pattern to be inspected of the mask Ma is accurately imaged at a predetermined position on the table 101.

リカバリ工程S5を終えると、検査装置100は、ストライプの検査順序を所定数遡らせて検査を再開する。すなわち、欠陥多発ストライプより先に比較部117での処理を終えたストライプの中で、欠陥多発ストライプの直前に検査を終了したストライプから検査順に所定のストライプまで戻って検査を再開する。遡らせるストライプ数は、1以上の所望の値とすることができ、また、マスクMaにおける総ストライプ数の5%程度を上限値とすることができる。検査が再開されると、図2の光学像データ取得工程S1、参照像データ生成工程S2、欠陥検出工程S3が順に行われる。   When the recovery step S5 is completed, the inspection apparatus 100 restarts the inspection with a predetermined number of stripes in the inspection order. That is, among the stripes that have been processed by the comparison unit 117 prior to the frequent defect stripes, the inspection is resumed by returning from the stripe that has been inspected immediately before the frequent defect stripes to the predetermined stripe in the inspection order. The number of stripes that can be traced back can be set to a desired value of 1 or more, and about 5% of the total number of stripes in the mask Ma can be set as the upper limit value. When the inspection is resumed, the optical image data acquisition step S1, the reference image data generation step S2, and the defect detection step S3 in FIG. 2 are sequentially performed.

以上述べたように、本実施の形態の検査方法によれば、検査を行っている途中で、検出される欠陥の数が急激に増加した場合、これらの欠陥を解析し適切な処置をとったうえで検査を継続するので、疑似欠陥の多発を防ぐだけでなく、欠陥が急増する前の検査結果を無駄にせずに済む。したがって、検査の利便性を向上させることが可能である。   As described above, according to the inspection method of the present embodiment, when the number of detected defects increases rapidly during the inspection, these defects are analyzed and appropriate measures are taken. In addition, since the inspection is continued, not only the occurrence of pseudo defects is prevented, but also the inspection results before the number of defects rapidly increase are not wasted. Therefore, the convenience of inspection can be improved.

また、本実施の形態の検査装置によれば、欠陥が急増した原因を推定する機能や、それに応じた適切な処置を決定する機能を有しているので、疑似欠陥の多発を防ぐとともに、欠陥が急増する前の検査結果を活用でき、さらに、作業員への負荷を軽減することもできる。   In addition, according to the inspection apparatus of the present embodiment, since it has a function of estimating the cause of the rapid increase in the number of defects and a function of determining an appropriate treatment according to the function, it is possible to prevent the occurrence of pseudo defects and It is possible to use the inspection results before the surge increases, and to reduce the burden on workers.

実施の形態2.
図6は、本実施の形態による検査装置の概略構成図である。図6の検査装置100Aは、図1に示した参照像生成関数演算部115に代えて参照像生成関数演算部115Aを備えるという点、および学習ポイント入力支援部126を備えるという点をそれぞれ除き、図1に示した検査装置100と同様の構成を有する。図6に示した各構成要素のうちで参照像生成関数演算部115Aと学習ポイント入力支援部126とを除いた残りの構成要素については、図1で用いた参照符号と同じ参照符号を付してその説明を省略する。
Embodiment 2. FIG.
FIG. 6 is a schematic configuration diagram of the inspection apparatus according to the present embodiment. The inspection apparatus 100A in FIG. 6 is provided with a reference image generation function calculation unit 115A instead of the reference image generation function calculation unit 115 illustrated in FIG. 1 and a learning point input support unit 126, respectively. The configuration is the same as that of the inspection apparatus 100 shown in FIG. Among the constituent elements shown in FIG. 6, the remaining constituent elements excluding the reference image generation function calculation unit 115A and the learning point input support unit 126 are denoted by the same reference numerals as those used in FIG. The description is omitted.

検査装置100Aを構成する参照像生成関数演算部115Aは、図1に示した参照像生成関数演算部115と同様に、欠陥多発ストライプの光学像データを用いて機械学習の学習ポイントを自動抽出して、この学習ポイントを欠陥でないとして扱うように参照像生成関数を再決定する機能を有する。さらに、参照像生成関数演算部115Aは、学習ポイント入力支援部126の入力支援機能を用いてオペレータが指摘した機械学習の学習ポイントを欠陥として扱うように、あるいはこの学習ポイントを欠陥でないとして扱うように、参照像生成関数を再決定する機能を有する。   Similar to the reference image generation function calculation unit 115 shown in FIG. 1, the reference image generation function calculation unit 115A that constitutes the inspection apparatus 100A automatically extracts machine learning learning points using optical image data of defective stripes. Thus, the reference image generation function is re-determined so that the learning point is treated as not defective. Further, the reference image generation function calculation unit 115A treats the machine learning learning point pointed out by the operator as a defect using the input assistance function of the learning point input assistance unit 126, or treats the learning point as not defective. And a function of re-determining the reference image generation function.

検査装置100Aを用いて実施される本実施の形態の検査方法は、実施の形態1で説明した光学像データ取得工程S1、参照像データ生成工程S2、欠陥検出工程S3および欠陥解析工程S4を有する。欠陥解析工程S4の後は、本実施の形態においてもリカバリ工程が行われるが、欠陥解析部118から、参照像生成関数の再決定を指示する信号(関数再決定指示)が出力された後の関数再決定工程において相違する。尚、リカバリ工程における他の工程、すなわち、キャリブレーション再実行工程とプレートアライメント再実行工程は、実施の形態1と同様である。   The inspection method of the present embodiment implemented using the inspection apparatus 100A includes the optical image data acquisition step S1, the reference image data generation step S2, the defect detection step S3, and the defect analysis step S4 described in the first embodiment. . After the defect analysis step S4, a recovery step is also performed in the present embodiment, but after the signal (function redecision instruction) for instructing the re-determination of the reference image generation function is output from the defect analysis unit 118. It differs in the function redetermination process. The other processes in the recovery process, that is, the calibration re-execution process and the plate alignment re-execution process are the same as those in the first embodiment.

以下では、本実施の形態による参照像生成関数の再決定方法を説明する。   Hereinafter, a method for re-determining the reference image generation function according to the present embodiment will be described.

関数再決定指示が欠陥解析部118から出力されると、学習ポイント入力支援部126は、(1)参照像生成関数演算部115Aが機械学習の学習ポイントを自動抽出するか、または(2)オペレータが機械学習の学習ポイントを手動抽出するかを選択するための画面を、例えばCRT122に表示させるよう指示する信号(選択画面表示指示)を出力する。そして、(2)の手動抽出が選択され、入力装置125からその旨の信号(手動抽出指示)が入力されると、学習ポイント入力支援部126は、学習ポイント入力画面を、例えばパターンモニタ123に表示することを指示する信号(入力画面表示指示)を出力する。ここで、学習ポイント入力画面とは、欠陥として扱うべき学習ポイントまたは欠陥でないとして扱うべき学習ポイントをオペレータが欠陥多発ストライプの光学像上で指摘することができる入力画面をいう。   When the function redetermination instruction is output from the defect analysis unit 118, the learning point input support unit 126 causes (1) the reference image generation function calculation unit 115A to automatically extract learning points for machine learning, or (2) an operator. Outputs a signal (selection screen display instruction) for instructing the CRT 122 to display, for example, a screen for selecting whether machine learning learning points are manually extracted. When the manual extraction of (2) is selected and a signal indicating that (manual extraction instruction) is input from the input device 125, the learning point input support unit 126 displays the learning point input screen on the pattern monitor 123, for example. A signal (input screen display instruction) instructing display is output. Here, the learning point input screen refers to an input screen on which an operator can point out a learning point to be treated as a defect or a learning point to be treated as not a defect on an optical image of a defect-prone stripe.

学習ポイント入力画面上でオペレータが学習ポイントを指摘すると、学習ポイント入力支援部126は、この学習ポイントを採用することの適否を判断する。そして、適切でない場合には、他の学習ポイントの指摘を推奨する情報を学習ポイント入力画面上に表示することを指示する信号(入力支援指示)を出力する。一方、オペレータが指摘した学習ポイントが適切である場合、学習ポイント入力支援部126は、この学習ポイントを欠陥(または欠陥でない)として参照像生成関数を再決定するよう参照像生成関数演算部115Aに指示する。   When the operator points out a learning point on the learning point input screen, the learning point input support unit 126 determines whether it is appropriate to employ the learning point. If it is not appropriate, a signal (input support instruction) for instructing to display information for recommending other learning points on the learning point input screen is output. On the other hand, when the learning point pointed out by the operator is appropriate, the learning point input support unit 126 instructs the reference image generation function calculation unit 115A to re-determine the reference image generation function with this learning point as a defect (or not a defect). Instruct.

尚、学習ポイントとしての採用の適否は、例えば、レイアウト解析ソフトを用いて、パターンの頂点数、頂点密度、パターン密度等を求め、これらが推奨条件に合致するか否かによって判断される。また、上記の(1)または(2)を選択する画面の画像データや、学習ポイント入力画面の画像データは、磁気ディスク装置119に予め格納される。さらに、磁気ディスク装置119には、学習ポイントの典型例のデータを予め格納しておくことができる。この場合、オペレータが指摘した適切な学習ポイントのデータも、磁気ディスク装置119に格納しておくことが好ましい。   The suitability of adoption as a learning point is determined, for example, by determining the number of pattern vertices, vertex density, pattern density, etc. using layout analysis software, and whether these match the recommended conditions. Further, the image data of the screen for selecting the above (1) or (2) and the image data of the learning point input screen are stored in the magnetic disk device 119 in advance. Furthermore, typical data of learning points can be stored in the magnetic disk device 119 in advance. In this case, it is preferable to store data of appropriate learning points pointed out by the operator in the magnetic disk device 119 as well.

図7〜図9は、それぞれ学習ポイントの典型例を示す平面図である。また、図10〜図12は、それぞれオペレータが指摘する学習ポイントの例を示す平面図である。尚、これらの図において、白抜きの領域は、マスクMaでのスペースパターンを示しており、それ以外の領域は、マスクMaでのラインパターンを示している。   7 to 9 are plan views showing typical examples of learning points. 10 to 12 are plan views showing examples of learning points pointed out by the operator. In these drawings, the white area indicates a space pattern on the mask Ma, and the other area indicates a line pattern on the mask Ma.

図7に示す学習ポイントLP1は、大きなパターンエッジを含む図形の一例である。また、図8に示す学習ポイントLP2は、大きなパターンエッジを含む図形の他の例である。さらに、図9に示す学習ポイントLP3は、マスクMaにおける代表的な微細パターンの一例である。   A learning point LP1 shown in FIG. 7 is an example of a figure including a large pattern edge. A learning point LP2 shown in FIG. 8 is another example of a figure including a large pattern edge. Furthermore, the learning point LP3 shown in FIG. 9 is an example of a typical fine pattern in the mask Ma.

図10は、光学像データに対応する光学像と、参照像データに対応する参照像とで、微細パターンの角部の形状が一致していない例を示している。この図において、微細パターンの各角部は、学習ポイントLP11〜LP14としている。尚、図10では、実線が光学像の輪郭を表しており、点線が参照像の輪郭を表しているが、実線が参照像の輪郭を表し、点線が光学像の輪郭を表していてもよい。   FIG. 10 shows an example in which the shape of the corners of the fine pattern does not match between the optical image corresponding to the optical image data and the reference image corresponding to the reference image data. In this figure, each corner of the fine pattern is set as learning points LP11 to LP14. In FIG. 10, the solid line represents the contour of the optical image, and the dotted line represents the contour of the reference image. However, the solid line may represent the contour of the reference image, and the dotted line may represent the contour of the optical image. .

図11は、光学像データに対応する光学像での一部の領域において、輝度振幅が参照像データに対応する参照像での輝度振幅に比べて不足している例を示している。この図において、輝度振幅値が不足している領域は、学習ポイントLP21,LP22としている。尚、図11中の上側の図は、マスクMaの光学像データに対応する光学像での一部の領域を示す平面図であり、下側の図は、上側の図中のA−A線断面における輝度振幅を示すグラフである。   FIG. 11 shows an example in which the luminance amplitude is insufficient compared to the luminance amplitude in the reference image corresponding to the reference image data in a part of the region in the optical image corresponding to the optical image data. In this figure, the areas where the luminance amplitude value is insufficient are the learning points LP21 and LP22. Note that the upper diagram in FIG. 11 is a plan view showing a partial region in the optical image corresponding to the optical image data of the mask Ma, and the lower diagram is a line AA in the upper diagram. It is a graph which shows the luminance amplitude in a cross section.

図12は、光学像データに対応する光学像に、入り組んだ形状(Inret形状)のパターンが含まれている例を示しており、この形状を学習ポイントLP31としている。尚、光学像に、補助パターン(SRAF:Sub−Resolution Asist Feature)が含まれている場合には、この補助パターンを学習ポイントとすることもできる。   FIG. 12 shows an example in which an optical image corresponding to the optical image data includes a pattern having an intricate shape (Inret shape), and this shape is used as a learning point LP31. In addition, when the auxiliary pattern (SRAF: Sub-Resolution Assist Feature) is included in the optical image, this auxiliary pattern can be used as a learning point.

本実施の形態の検査装置100Aは、実施の形態1の検査装置100と同様に、欠陥が急増した原因を推定する機能や、それに応じた適切な処置を決定する機能を有しているので、疑似欠陥の多発を防ぐとともに、欠陥が急増する前の検査結果を活用でき、また、作業員への負荷を軽減することもできる。   Since the inspection apparatus 100A according to the present embodiment has the function of estimating the cause of the rapid increase in defects and the function of determining appropriate measures according to the same as the inspection apparatus 100 of the first embodiment. In addition to preventing frequent occurrences of pseudo defects, it is possible to utilize inspection results before the number of defects increases, and to reduce the burden on workers.

さらに、検査装置100Aでは、参照像生成関数を再決定するにあたってオペレータが機械学習の学習ポイントを学習ポイント入力画面上で指摘することができるので、機械学習の学習ポイントを自動抽出する機能のみを備えた検査装置100に比べて学習ポイントの選択の自由度が高い。そのため、検査装置100Aによれば、検査装置100に比べてより適切な参照像生成関数を参照像生成関数演算部115Aで決定することが可能である。   Furthermore, in the inspection apparatus 100A, the operator can point out the learning points for machine learning on the learning point input screen when re-deciding the reference image generation function, and thus has only a function for automatically extracting learning points for machine learning. Compared to the inspection apparatus 100, the degree of freedom in selecting learning points is high. Therefore, according to the inspection apparatus 100A, a reference image generation function more appropriate than the inspection apparatus 100 can be determined by the reference image generation function calculation unit 115A.

例えば、マスクMaに形成された微細パターンの線幅に製造工程で変動が生じた場合を考える。線幅の変動値は、微細パターンの形成位置によって変化し、マスクMaの全面で見ると線幅の変動値には分布が生じているものとする。こうした場合において、マスクMaの検査開始に先立って、マスクMaにおける代表的な微細パターンを複数箇所抽出し、これらの光学像データを用いて参照像生成関数を参照像生成関数演算部115Aで作成する従来の例では、抽出された箇所以外の領域において、この参照像生成関数では適切に欠陥を検出できないことがあり、その結果として疑似欠陥を生じてしまう。   For example, let us consider a case where the line width of a fine pattern formed on the mask Ma changes in the manufacturing process. The variation value of the line width varies depending on the position where the fine pattern is formed, and it is assumed that distribution is generated in the variation value of the line width when viewed over the entire surface of the mask Ma. In such a case, prior to starting the inspection of the mask Ma, a plurality of representative fine patterns on the mask Ma are extracted, and a reference image generation function is generated by the reference image generation function calculation unit 115A using these optical image data. In the conventional example, the reference image generation function may not be able to properly detect a defect in a region other than the extracted portion, resulting in a pseudo defect.

図13は、マスクMaにおける微細パターンの線幅の変動値についての面内分布の一例を示す図である。図13中の上側の図は、線幅の変動値のマップであり、下側の図は、上側の図中のB−B線断面における微細パターンの線幅の変動値を示している。   FIG. 13 is a diagram illustrating an example of the in-plane distribution of the variation value of the line width of the fine pattern in the mask Ma. The upper diagram in FIG. 13 is a map of fluctuation values of the line width, and the lower diagram shows the fluctuation values of the line width of the fine pattern in the BB line cross section in the upper diagram.

本実施の形態の検査装置100Aによれば、オペレータが指摘した機械学習の学習ポイントの光学像データを用いて参照像生成関数演算部115Aで参照像生成関数を再決定するので、マスクMaにおける微細パターンの線幅の変動値に上記のような分布が生じていても、変動値が異なる領域毎に適切な参照像生成関数を用いて参照像データを生成することができる。したがって、疑似欠陥を抑制して、正確な検査を行うことが可能となる。   According to the inspection apparatus 100A of the present embodiment, the reference image generation function is re-determined by the reference image generation function calculation unit 115A using the optical image data of the machine learning learning point pointed out by the operator. Even if the distribution as described above is generated in the variation value of the line width of the pattern, the reference image data can be generated using an appropriate reference image generation function for each region having a different variation value. Therefore, it is possible to perform an accurate inspection while suppressing pseudo defects.

また、検査装置100Aでは、オペレータが機械学習の学習ポイントとして適当でない学習ポイントを学習ポイント入力画面上で指摘したときに、他の学習ポイントの指摘を推奨する情報が例えばパターンモニタ123に表示される。これにより、学習ポイントの選択に習熟していないオペレータであっても、適切な参照像生成関数を参照像生成関数演算部115Aに生成させることが容易になる。   Further, in the inspection apparatus 100A, when an operator points out a learning point that is not suitable as a machine learning learning point on the learning point input screen, information for recommending other learning points is displayed on the pattern monitor 123, for example. . This makes it easy for an operator who is not familiar with the selection of learning points to generate an appropriate reference image generation function in the reference image generation function calculation unit 115A.

以上、本発明の検査装置および検査方法それぞれの実施の形態について説明したが、本発明は実施の形態で説明した検査装置および検査方法に限定されるものではない。本発明については種々の変更、改良、組み合わせ等が可能である。本発明の要素を具備し、当業者が適宜設計変更し得る全ての検査装置および検査方法は、本発明の範囲に包含される。   The embodiments of the inspection apparatus and the inspection method of the present invention have been described above, but the present invention is not limited to the inspection apparatus and the inspection method described in the embodiments. Various changes, improvements, combinations and the like are possible for the present invention. All inspection apparatuses and inspection methods that include elements of the present invention and that can be appropriately modified by those skilled in the art are included in the scope of the present invention.

100,100A 検査装置
101 テーブル
104 撮像部
113 位置情報部
114 テーブル制御部
115,115A 参照像生成関数演算部
116 参照像生成部
117 比較部
118 欠陥解析部
118a 欠陥反応値傾向統計部
118b 線幅誤差判定部
118c 座標特徴判定部
118d フレームアライメント集積統計部
126 学習ポイント入力支援部
Ma マスク
St ストライプ
F フレーム
S1 光学像データ取得工程
S2 参照像データ生成工程
S3 欠陥検出工程
S4 欠陥解析工程
S5 リカバリ工程

100, 100A Inspection apparatus 101 Table 104 Imaging unit 113 Position information unit 114 Table control unit 115, 115A Reference image generation function calculation unit 116 Reference image generation unit 117 Comparison unit 118 Defect analysis unit 118a Defect reaction value trend statistics unit 118b Line width error Determination unit 118c Coordinate feature determination unit 118d Frame alignment integrated statistics unit 126 Learning point input support unit Ma mask St stripe F frame S1 optical image data acquisition step S2 reference image data generation step S3 defect detection step S4 defect analysis step S5 recovery step

Claims (7)

基材に形成されたパターンの欠陥を検査する検査装置であって、
前記基材が載置されるテーブルと、
前記基材の前記パターンが形成された被検査領域を仮想的に分割するストライプ毎に前記被検査領域を撮像して光学像データを生成する撮像部と、
前記パターンの設計データから生成したイメージデータに関数を用いたフィルタ処理を施して参照像データを生成する参照像生成部と、
前記関数を求める参照像生成関数演算部と、
前記光学像データを所定のサイズに分割した光学フレームデータと、該光学像データに対応する前記参照像データを前記サイズに分割した参照フレームデータとを比較して、前記光学像データの欠陥を検出し、前記ストライプ毎に欠陥の検出数を集計する比較部と、
前記比較部が集計した欠陥の検出数が検査の継続を許可する許容値を超えるストライプについて、該ストライプでの欠陥の多発が、真の欠陥の多発によるものか、前記光学像データに対応する前記参照像データを生成する関数とは不適合な関数によるものか、または、前記パターンと前記テーブルとの位置合わせの精度の不足によるものかを、前記比較部から出力された該ストライプにおける欠陥の情報を用いて解析する欠陥解析部とを有することを特徴とする検査装置。
An inspection apparatus for inspecting a defect of a pattern formed on a substrate,
A table on which the substrate is placed;
An imaging unit that images the inspected area for each stripe that virtually divides the inspected area in which the pattern of the base material is formed; and generates optical image data;
A reference image generation unit that generates a reference image data by performing a filtering process using a function on the image data generated from the design data of the pattern;
A reference image generation function calculation unit for obtaining the function;
Optical frame data obtained by dividing the optical image data into a predetermined size and reference frame data obtained by dividing the reference image data corresponding to the optical image data into the size are compared to detect defects in the optical image data. And a comparator for counting the number of detected defects for each stripe,
For stripes in which the number of detected defects counted by the comparison unit exceeds an allowable value that permits continuation of inspection, whether the number of defects in the stripe is due to the occurrence of true defects or the optical image data corresponding to the optical image data Whether the function that generates the reference image data is a function that is incompatible or due to a lack of alignment accuracy between the pattern and the table, information on defects in the stripe output from the comparison unit is used. An inspection apparatus comprising: a defect analysis unit that analyzes using the defect analysis unit.
前記欠陥解析部は、前記許容値を超えるストライプの欠陥の輝度値および該欠陥を構成する前記パターンの線幅誤差値の少なくとも一方から得られる値が、第1の閾値以下であって、該欠陥が前記パターンのエッジ以外の領域に分布している場合には、該欠陥の多発は真の欠陥の多発によるとして、検査の継続を指示する信号を出力することを特徴とする請求項1に記載の検査装置。   The defect analysis unit has a value obtained from at least one of a luminance value of a stripe defect exceeding the allowable value and a line width error value of the pattern constituting the defect that is equal to or less than a first threshold value, and the defect 2 is output in a signal instructing continuation of inspection, assuming that the frequent occurrence of the defect is caused by the frequent occurrence of the true defect. Inspection equipment. 前記欠陥解析部は、
前記許容値を超えるストライプで検出された欠陥の密度が、第2の閾値を超え、且つ、前記欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値の範囲に偏在している場合に、
該ストライプに連続して配列するストライプであって、該ストライプより先に前記比較部での処理を終えた1以上10以下のストライプと該ストライプとのパターンずれの傾向を比較して、
前記許容値を超えるストライプにおける欠陥の多発が、前記光学像データに対応する前記参照像データを生成する関数とは不適合な関数によるものか、または、前記位置合わせの精度の不足によるものかを解析し、
前記光学像データに対応する前記参照像データを生成する関数とは不適合な関数によるものである場合には、前記関数を求め直すことを指示する信号を出力し、
前記位置合わせの精度の不足によるものである場合には、前記位置合わせのやり直しを指示する信号を出力することを特徴とする請求項1または2に記載の検査装置。
The defect analysis unit
The density of defects detected in stripes exceeding the tolerance exceeds a second threshold, and the x value or y value of the position coordinates (x, y) of the defect is one or more specified. If it is unevenly distributed in the numerical range,
Compared with the stripes arranged successively to the stripes, the tendency of the pattern shift between the stripes of 1 to 10 stripes that have been processed in the comparison unit prior to the stripes,
Analyzes whether the number of defects in the stripe exceeding the allowable value is due to a function that is incompatible with the function that generates the reference image data corresponding to the optical image data, or due to insufficient alignment accuracy And
If the function that generates the reference image data corresponding to the optical image data is based on an incompatible function, a signal that instructs to re-determine the function is output,
3. The inspection apparatus according to claim 1, wherein a signal instructing re-execution of the alignment is output when the alignment accuracy is insufficient. 4.
前記参照像生成関数演算部は、前記許容値を超えるストライプに含まれるパターン形状のデータを機械学習して前記関数を求め直すことを特徴とする請求項3に記載の検査装置。   The inspection apparatus according to claim 3, wherein the reference image generation function calculation unit re-determines the function by machine learning of pattern shape data included in a stripe exceeding the allowable value. 前記許容値を超えるストライプの光学像を表示する表示装置と、
前記表示装置に前記光学像が表示されたときに、オペレータが機械学習させる前記パターン形状のデータを指示できる入力画面を併せて前記表示装置に表示させ、前記入力画面上で前記オペレータが欠陥として扱うべき前記パターン形状のデータを指示したときに該データの採用の適否を判断して、適当でない場合には他のデータの指示を推奨する情報を前記入力画面上に表示し、適当である場合には該データを機械学習して前記関数を求め直すよう前記参照像生成関数演算部に指示するデータ入力支援部とを有することを特徴とする請求項4に記載の検査装置。
A display device for displaying an optical image of a stripe exceeding the allowable value;
When the optical image is displayed on the display device, an input screen capable of instructing the pattern shape data to be machine-learned by an operator is also displayed on the display device, and the operator treats it as a defect on the input screen. When the data of the pattern shape to be specified is specified, whether or not the data is adopted is determined. If the data is not appropriate, information recommending other data is displayed on the input screen. The inspection apparatus according to claim 4, further comprising: a data input support unit that instructs the reference image generation function calculation unit to re-determine the function by machine learning of the data.
基材に形成されたパターンの欠陥を検査する検査方法であって、
前記基材をテーブルに載置する工程と、
前記パターンと前記テーブルとの位置合わせを行う工程と、
前記基材の前記パターンが形成された被検査領域を仮想的に分割するストライプ毎に前記被検査領域を撮像して光学像データを生成する工程と、
前記パターンの設計データから生成したイメージデータにフィルタ処理を施す際の関数を求める工程と、
前記関数を用いて前記イメージデータから参照像データを生成する工程と、
前記光学像データを所定のサイズに分割した光学フレームデータと、該光学像データに対応する前記参照像データを前記サイズに分割した参照フレームデータとを比較して、前記光学像データの欠陥を検出し、前記ストライプ毎に欠陥の検出数を集計する工程と、
前記比較部が集計した欠陥の検出数が検査の継続を許可する許容値を超えるストライプについて、該ストライプでの欠陥の多発が、真の欠陥の多発によるものか、前記光学像データに対応する参照像データを生成する関数とは不適合な関数によるものか、または、前記位置合わせの精度の不足によるものかを、前記比較部から出力された該ストライプにおける欠陥の情報を用いて解析する工程とを有し、
前記許容値を超えるストライプの欠陥の輝度値および該欠陥を構成する前記パターンの線幅誤差値の少なくとも一方から得られる値が、第1の閾値以下であって、該欠陥が前記パターンのエッジ以外の領域に分布している場合には、該欠陥の多発は真の欠陥の多発によるとして、検査を継続し、
前記許容値を超えるストライプで検出された欠陥の密度が、第2の閾値を超え、且つ、前記欠陥の位置座標(x,y)のxの値またはyの値が1つまたは複数の特定の数値の範囲に偏在している場合に、
該ストライプに連続して配列するストライプであって、該ストライプより先に前記比較部での処理を終えた1以上10以下のストライプと該ストライプとのパターンずれの傾向を比較して、
前記許容値を超えるストライプにおける欠陥の多発が、前記光学像データに対応する参照像データを生成する関数とは不適合な関数によるものか、または、前記位置合わせの精度の不足によるものかを解析し、
前記光学像データに対応する参照像データを生成する関数とは不適合な関数によるものである場合には、前記関数を求め直し、
前記位置合わせの精度の不足によるものである場合には、前記位置合わせをやり直すことを特徴とする検査方法。
An inspection method for inspecting a defect of a pattern formed on a substrate,
Placing the substrate on a table;
Aligning the pattern with the table;
Imaging the inspected area for each stripe that virtually divides the inspected area in which the pattern of the substrate is formed, and generating optical image data;
Obtaining a function for performing filtering on the image data generated from the design data of the pattern;
Generating reference image data from the image data using the function;
Optical frame data obtained by dividing the optical image data into a predetermined size and reference frame data obtained by dividing the reference image data corresponding to the optical image data into the size are compared to detect defects in the optical image data. And counting the number of detected defects for each stripe,
For stripes in which the number of detected defects counted by the comparison unit exceeds an allowable value that permits continuation of inspection, whether the frequent occurrence of defects in the stripe is due to frequent true defects or the reference corresponding to the optical image data Analyzing whether the function for generating image data is a function that is incompatible or due to a lack of alignment accuracy, using information on defects in the stripe output from the comparison unit; Have
A value obtained from at least one of a luminance value of a stripe defect exceeding the allowable value and a line width error value of the pattern constituting the defect is equal to or less than a first threshold value, and the defect is other than an edge of the pattern If the defect is distributed in the region, the inspection is continued as the frequent occurrence of the defect is due to the occurrence of the true defect,
The density of defects detected in stripes exceeding the tolerance exceeds a second threshold, and the x value or y value of the position coordinates (x, y) of the defect is one or more specified. If it is unevenly distributed in the numerical range,
Compared with the stripes arranged successively to the stripes, the tendency of the pattern shift between the stripes of 1 to 10 stripes that have been processed in the comparison unit prior to the stripes,
Analyzing whether the number of defects in the stripe exceeding the allowable value is due to a function that is incompatible with the function that generates the reference image data corresponding to the optical image data or due to the lack of accuracy of the alignment. ,
If the function that generates the reference image data corresponding to the optical image data is due to an incompatible function, the function is obtained again,
An inspection method characterized by re-adjusting the alignment if the alignment accuracy is insufficient.
前記許容値を超えるストライプに含まれるパターン形状のデータを機械学習して前記関数を求め直すことを特徴とする請求項6に記載の検査方法。   The inspection method according to claim 6, wherein the function is recalculated by machine learning of pattern shape data included in a stripe exceeding the allowable value.
JP2015022349A 2015-02-06 2015-02-06 Inspection device and method Pending JP2016145887A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015022349A JP2016145887A (en) 2015-02-06 2015-02-06 Inspection device and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015022349A JP2016145887A (en) 2015-02-06 2015-02-06 Inspection device and method

Publications (1)

Publication Number Publication Date
JP2016145887A true JP2016145887A (en) 2016-08-12

Family

ID=56685459

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015022349A Pending JP2016145887A (en) 2015-02-06 2015-02-06 Inspection device and method

Country Status (1)

Country Link
JP (1) JP2016145887A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018060141A (en) * 2016-10-07 2018-04-12 株式会社ニューフレアテクノロジー Reference image confirmation method, mask inspection method and mask inspection device
JP2018132669A (en) * 2017-02-15 2018-08-23 大日本印刷株式会社 Haze removal method and method of manufacturing photomask
JP2018205184A (en) * 2017-06-06 2018-12-27 株式会社ニューフレアテクノロジー Inspection method and inspection device
WO2019219826A1 (en) * 2018-05-18 2019-11-21 Carl Zeiss Smt Gmbh Method and apparatus for evaluating an unknown effect of defects of an element of a photolithography process

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018060141A (en) * 2016-10-07 2018-04-12 株式会社ニューフレアテクノロジー Reference image confirmation method, mask inspection method and mask inspection device
JP2018132669A (en) * 2017-02-15 2018-08-23 大日本印刷株式会社 Haze removal method and method of manufacturing photomask
JP7009746B2 (en) 2017-02-15 2022-01-26 大日本印刷株式会社 HAZE removal method and photomask manufacturing method
JP2018205184A (en) * 2017-06-06 2018-12-27 株式会社ニューフレアテクノロジー Inspection method and inspection device
WO2019219826A1 (en) * 2018-05-18 2019-11-21 Carl Zeiss Smt Gmbh Method and apparatus for evaluating an unknown effect of defects of an element of a photolithography process

Similar Documents

Publication Publication Date Title
JP6043662B2 (en) Inspection method and inspection apparatus
TWI519778B (en) A method for inspecting line width and/or positional errors of a pattern
JP6527808B2 (en) Inspection method and inspection device
TWI587082B (en) Mask inspection device, mask evaluation method and mask evaluation system
KR101994524B1 (en) Focusing device, focusing method, and pattern inspection method
JP2016145887A (en) Inspection device and method
JP5514754B2 (en) Inspection apparatus and inspection method
JP6431786B2 (en) Line width error acquisition method, line width error acquisition apparatus, and inspection system
TWI667530B (en) Inspection method and inspection device
JP5178781B2 (en) Sensor output data correction device and sensor output data correction method
US9626755B2 (en) Mask inspection apparatus and mask inspection method
JP5010701B2 (en) Inspection apparatus and inspection method
US10726541B2 (en) Inspection apparatus for detecting defects in photomasks and dies
JP2015105897A (en) Inspection method of mask pattern
JP6513582B2 (en) Mask inspection method and mask inspection apparatus
JP7079569B2 (en) Inspection methods
JP2012068321A (en) Mask defect inspection device and mask defect inspection method
TWI686673B (en) Inspection Method
US11354798B2 (en) Inspection apparatus for detecting defects in photomasks and dies
JP2009222525A (en) Substrate inspection method and substrate inspection device
JP5753726B2 (en) Inspection method and inspection apparatus
US8331647B2 (en) Method of determining defect size of pattern used to evaluate defect detection sensitivity and method of creating sensitivity table
JP2019139104A (en) Pattern inspection method and device
JP2019219227A (en) Pattern inspection device and pattern inspection method
JP2016035539A (en) Position measurement method, method for creating map of positional deviation, and inspection system

Legal Events

Date Code Title Description
RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20160712

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20160729