JP2024511008A - ダイスクリーニングシステムおよび方法 - Google Patents
ダイスクリーニングシステムおよび方法 Download PDFInfo
- Publication number
- JP2024511008A JP2024511008A JP2023556570A JP2023556570A JP2024511008A JP 2024511008 A JP2024511008 A JP 2024511008A JP 2023556570 A JP2023556570 A JP 2023556570A JP 2023556570 A JP2023556570 A JP 2023556570A JP 2024511008 A JP2024511008 A JP 2024511008A
- Authority
- JP
- Japan
- Prior art keywords
- die
- data
- screening
- dies
- cleaning system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 210
- 238000004140 cleaning Methods 0.000 title claims description 98
- 238000005259 measurement Methods 0.000 claims abstract description 229
- 238000012216 screening Methods 0.000 claims abstract description 211
- 238000004519 manufacturing process Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims description 117
- 230000008569 process Effects 0.000 claims description 66
- 238000005286 illumination Methods 0.000 claims description 55
- 238000003384 imaging method Methods 0.000 claims description 30
- 238000010801 machine learning Methods 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 29
- 230000007547 defect Effects 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 238000005303 weighing Methods 0.000 claims description 11
- 238000013400 design of experiment Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 7
- 238000000701 chemical imaging Methods 0.000 claims description 5
- 238000001459 lithography Methods 0.000 claims description 5
- 230000010287 polarization Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000013401 experimental design Methods 0.000 claims 4
- 230000004931 aggregating effect Effects 0.000 claims 1
- 238000013136 deep learning model Methods 0.000 claims 1
- 238000003062 neural network model Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 11
- 230000002547 anomalous effect Effects 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 description 13
- 239000002245 particle Substances 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000000670 limiting effect Effects 0.000 description 6
- 210000001747 pupil Anatomy 0.000 description 6
- 230000000295 complement effect Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000005498 polishing Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000010884 ion-beam technique Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011295 pitch Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012369 In process control Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000010237 hybrid technique Methods 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000005389 semiconductor device fabrication Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
- G01B11/27—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/70508—Data handling in all parts of the microlithographic apparatus, e.g. handling pattern data for addressable masks or data transfer to or from different components within the exposure apparatus
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
ダイスクリーニングシステムは、1つ以上の製作ステップの後に、1つ以上のインライン計量ツールに由来する1つ以上の試料上のダイ集団のためのダイ解析能計量データを受信することができ、ダイ解析能計量データは、前記インライン計量ツールの1つ以上の測定構成を使用して生成される画像を含む。したがって、ダイ解析能計量データは、ダイごとに多数の測定チャネルを提供し、特定の測定チャネルは、特定の画像の特定の画素からのデータを含む。次いで、制御装置は、ダイ解析能計量データからダイ集団のためのスクリーニングデータを生成することができ、スクリーニングデータは、ダイ解析能計量データを測定するための複数のチャネルのサブセットを含み、スクリーニングデータの変動性に応じて、少なくとも異常ダイを含む少なくとも2つの配置クラスに複数のダイをスクリーニングする。【選択図】図1A
Description
「関連出願の参照」
本出願は、米国仮出願63/165,155 (2021年3月24日、IMAGING REFLECTOMETRY FOR INLINE SCREENING (IRIS))の米国特許法119条(e)の利益を主張し、これは参照によりその全体が本明細書に組み込まれる。
本出願は、米国仮出願63/165,155 (2021年3月24日、IMAGING REFLECTOMETRY FOR INLINE SCREENING (IRIS))の米国特許法119条(e)の利益を主張し、これは参照によりその全体が本明細書に組み込まれる。
本開示は、概して、半導体デバイスのインライン異常値スクリーニングに関し、より詳細には、イメージング反射率測定を使用するインラインスクリーニングに関する。
半導体デバイスの制作(ファブリケーション)は、典型的には、機能デバイスを形成するために、数多くの処理ステップを必要とし得る。自動車用途、軍事用途、航空用途、および医療用途などの半導体デバイスのリスクバーのユーザは、ますます厳しい信頼性目標を必要としている。例えば、パーツ・パー・ビリオン(PPB)の範囲の予想される目標故障率(不良率:failure rate)が望ましいが、現在のレベルをはるかに下回る。サンプル内の欠陥ダイを識別するための高度なスクリーニング技術が、これらの厳しい信頼性要件を満たすために必要とされる。しかしながら、ダイの全部または一部を電気試験するなど、サプライチェーンから除去されるダイを識別するための典型的なスクリーニング技術は、スループットが不充分であり得る。なお、「サンプル」の用語については、以下、適宜「試料」という。
したがって、効率的なスクリーニングのためのシステムおよび方法を提供することが望ましい。
ダイスクリーニングシステムは、本開示の1つ以上の例示的な実施形態に従って開示される。1つの例示的な実施形態では、システムは、1つ以上のインライン計量ツール(metrology tool)に通信可能に結合されたコントローラを含む。別の例示的な実施形態では、コントローラは、1つ以上の製作ステップの後に、1つ以上のインライン計量ツールからの1つ以上のサンプル上のダイの集団に関するダイ解析計量データを受信する。ダイ解析計量データ(die-resolved metrology data)は、1つ以上のインライン計量ツールの1つ以上の測定構成(measurement configurations)を使用して生成された1つ以上の画像を含むことができ、ダイ解析計量データは、ダイごとに多くの測定チャネルを提供し、特定の測定チャネルは、特定の画像の特定のピクセルからのデータを含む。本開示の1つ以上の例示的な実施形態によれば、コントローラは、ダイ解析計量データから複数のダイのスクリーニングデータを生成し、スクリーニングデータは、ダイ解析計量データの測定チャネルのサブセットを含み、スクリーニングデータの測定チャネルは、1つ以上のサンプルの製作に関連するプロセス変動に敏感(センシティブ)である。別の例示的な実施形態では、コントローラは、スクリーニングデータの変動性に基づいて複数のダイを2つ以上の配置クラスにスクリーニングし、2つ以上の配置クラスは、少なくともパス(pass:合格)ダイのセットおよび外れ値(outlier:不合格)ダイのセットを含む。
ダイスクリーニングシステムは、本開示の1つ以上の例示的な実施形態に従って開示される。1つの例示的な実施形態では、システムは、1つ以上のインライン計量ツールおよびコントローラを含む。別の例示的な実施形態では、コントローラは、1つ以上の製作ステップの後に、1つ以上のインライン計量ツールからの1つ以上のサンプル上のダイの集団に関するダイ解析計量データを受信する。ダイ解析計量データは、1つ以上のインライン計量ツールの1つ以上の測定構成を使用して生成された1つ以上の画像を含むことができ、ダイ解析計量データは、ダイごとに多くの測定チャネルを提供し、特定の測定チャネルは、特定の画像の特定のピクセルからのデータを含む。本開示の1つ以上の例示的な実施形態によれば、コントローラは、ダイ解析計量データから複数のダイのスクリーニングデータを生成し、スクリーニングデータは、ダイ解析計量データの測定チャネルのサブセットを含み、スクリーニングデータの測定チャネルは、1つ以上のサンプルの製作に関連するプロセス変動に敏感である。別の例示的な実施形態では、コントローラは、スクリーニングデータの変動性に基づいて複数のダイを2つ以上の配置クラスにスクリーニングし、2つ以上の配置クラスは、少なくともパスダイのセットおよび外れ値ダイのセットを含む。
本開示の1つ以上の例示的な実施形態に従ってダイスクリーニング方法が開示される。1つの例示的な実施形態では、この方法は、1つ以上の製作ステップの後に、1つ以上のインライン計量ツールからの1つ以上のサンプル上のダイの集団(population)に関するダイ解析計量データを生成するステップを含む。ダイ解析計量データは、1つ以上のインライン計量ツールの1つ以上の測定構成を使用して生成された1つ以上の画像を含むことができ、ダイ解析計量データは、ダイごとに多くの測定チャネルを提供し、特定の測定チャネルは、特定の画像の特定のピクセルからのデータを含む。別の例示的な実施形態では、方法は、ダイ解析計量データから複数のダイのスクリーニングデータを生成するステップを含み、スクリーニングデータは、ダイ解析計量データの複数の測定チャネルのサブセットを含み、スクリーニングデータ内の測定チャネルは、1つ以上のサンプルの製作に関連するプロセス変動に敏感である。別の例示的な実施形態では、方法は、スクリーニングデータの変動性に基づいて複数のダイを2つ以上の配置クラスにスクリーニングすることを含み、2つ以上の配置クラスは、少なくともパスダイのセットおよび外れ値ダイのセットを含む。
前述の概要および以下の詳細な説明の両方は、例示的および説明的なものにすぎず、特許請求される本発明を必ずしも限定するものではないことを理解されたい。明細書に組み込まれ、明細書の一部を構成する添付の図面は、本発明の実施形態を示し、全般的な説明とともに、本発明の原理を説明するのに役立つ。
本開示の多数の利点は、添付の図面を参照することによって当業者によってよりよく理解され得る。
図1Aは、本開示の1つ以上の実施形態によるダイスクリーニングシステムの概念図である。
図1Bは、本開示の1つ以上の実施形態による、複数のダイを含むサンプルの概念上面図である。
図1Cは、本開示の1つ以上の実施形態による、撮像反射率計として構成されたインライン計量ツールの概念図である。
図1Dは、本開示の1つ以上の実施形態による、6つの測定チャネルを提供する撮像反射率計として構成されたインライン計量ツールの概念図である。
図2は、本開示の1つ以上の実施形態による、パラメトリック変動性(parametric variability)に基づいてダイスクリーニングするための方法において実行されるステップを示す流れ図である。
図3は、本開示の1つ以上の実施形態による、撮像反射率計を使用して生成された単一のフィルムを有する試料の画像である。
図4は、本開示の1つ以上の実施形態による、I-PATスクリーニングと組み合わせたパラメトリック変動性スクリーニングを使用する集約(aggregate)ダイレベル外れ値(outlier)スクリーニングを示すブロック図である。
図5は、本開示の1つ以上の実施形態による、従来の計量とパラメトリック変動スクリーニングとの間の複数の相互作用経路を示すブロック図である。
ここで、添付の図面に示される開示された主題を詳細に参照する。本開示は、特定の実施形態およびその特定の特徴に関して具体的に示され、説明されてきた。本明細書に記載される実施形態は、限定的ではなく例示的であると解釈される。本開示の精神および範囲から逸脱することなく、形態および詳細における種々の変更および修正が行われ得ることが、当業者に容易に明白となるはずである。
本開示の実施形態は、ダイの完全なサンプリングを提供する1つ以上のインライン計量測定からのマルチチャネルダイ解析計量データを使用するパラメトリック変動性に基づくダイ配置(例えば、スクリーニング)のためのシステムおよび方法を対象とする(例えば、複数の測定から多数の測定まで)。ダイ配置は、サプライチェーンへの統合に適した通過ダイ、サプライチェーンへの統合に適さない外れ値(outlier:異常値:不合格)ダイ、さらなる試験を必要とする境界(ボーダーライン)ダイなどとして、1つ以上のサンプル上に製作されたダイを分類(仕分け)することを含み得る。本開示の目的のために、用語「ダイ解析された(die resoleved)」は、ダイ及びその上の様々な特徴が解決されるダイの計量測定を指すために使用される。このようにして、各ダイについて複数の測定値が生成される。例えば、ダイ解析計量データは、ダイの製作中の1つ以上の処理ステップの後に1つ以上のインライン計量ツールによって生成された母集団内のダイの画像を含むことができる。このようにして、ダイの画像の各ピクセルは、ダイ上の異なる位置の測定値に対応し得、したがって、撮像チャネルに対応し得る。さらに、任意の数の処理ステップの後に、任意の数の異なる測定構成を使用する任意の数のインライン計量ツールを使用して、様々な画像を生成することができる。その結果、ダイ解析された計量データは、多くの(例えば、100万桁以上までである)測定チャネルを含むことができ、各測定チャネルは、特定の処理ステップ後に特定のインライン計量ツールによって生成される特定の画像の特定のピクセルに対応する。
供給(サプライ)または分配(ディストリビューション)チェーンに入るデバイス(例えば、製作されたダイ)の信頼性を監視または制御するために様々な戦略が開発されてきたが、既存の戦略は、許容可能なスループットを維持しながら厳しい信頼性要件(例えば、部品/ビリオン故障率(ビリオン分の1程度の不良率))を満たすには不充分であることが本明細書で認識されている。
例えば、ダイの電気的試験は通常、信頼性分析のためのデータとしてダイの1つ以上の態様の機能を評価するために行われる。この電気的試験は、製造(マニファクチャリング)プロセスの任意の時点で実行することができ、限定はしないが、バーンイン前の電気的ウェハソート(選別)および最終試験(例えば、e試験)またはバーンイン後の電気的試験を含むことができる。電気的試験ステップに失敗したデバイスは、「インクオフ」され、集団内の残りのデバイスから隔離され得る。しかしながら、電気試験だけでは、コストおよびスループット目標を維持しながら厳しい信頼性基準を満たすのに充分な情報を提供することができない。例えば、ポストバーンイン電気試験は、ダイがほぼ最終状態にあるため、ダイの機能の正確な分析を提供し得るが、コスト、時間要件、または長期信頼性問題を導入する可能性のため、大量に実用的ではない場合がある。さらに、生産の任意のステップの間の電気的試験は、概して、既に完全または部分的故障を呈するデバイスを識別するために好適な合否情報を提供するにすぎず、後で故障し得るデバイス(例えば、潜在的欠陥を有するデバイス)を識別するために好適なものではない場合がある。加えて、電気的試験を使用して各ダイを完全に特徴付けることは、しばしば非実用的であるか、または場合によっては不可能であり、電気的試験にギャップをもたらす。例えば、「完全な」試験ストラテジーを用いても電気的試験を用いては検出できない可能性がある、特定の回路レイアウトにおける理論的に可能な欠陥が存在し得る。
別の例として、限定されないが、従来のPAT、パラメトリックPAT(P-PAT)、地理的PAT(G-PAT)、または複合PAT(C-PAT)等の部品平均試験(PAT)技法は、統計的方法を利用して、ダイ内の欠陥の識別に基づいて、異常特性を有するダイ(例えば、異常値ダイ)を識別してもよい。なお、PATは、part average testingの略で、部品平均試験という。例えば、PAT方法は、異常値ダイを識別するために、共通サンプル内またはサンプルロット内のダイの欠陥または欠陥活性を統計的に分析し得る。しかしながら、PAT法は、「オーバーキル」の影響を受けやすく、そうでなければ早期寿命障害の可能性が低い良好なダイが不適切にインクで塗りつぶされ、生産ラインのスループットの低下および装置当たりのコストの増加をもたらす。
別の例として、既存のインラインスクリーニング技法は、ダイスクリーニングのための1つ以上の製作ステップの後に、様々なインライン欠陥検査または計量測定を利用する。例えば、インラインPAT(I-PAT)は、PAT技術を拡張して、インラインサンプル分析測定を通じて識別された欠陥を考慮することができる。これを、インライン部品平均試験スクリーニング技術というI-PAT技法は、概して、米国特許10,761,128 (2020年9月1日)及び米国特許出願17/101,856 (2020年11月23日)で説明され、両方とも、参照することによってその全体が本明細書に組み込まれる。しかしながら、I-PAT技術によって利用されるインライン測定は、典型的には、プロセス制御目的のために行われる測定によって提供され、ロバストダイスクリーニングのための適切なデータを提供することができない場合がある。特に、I-PAT技法は、典型的には、スクリーニング目的で欠陥を識別するために、ダイまたはサンプルの特定の態様の専用のインライン測定の結果を利用する。これらの欠陥は、広義には、2つのタイプであり得る。第1に、存在すべきでない物体またはパターンの形態(例えば、埋め込まれた粒子、ブリッジ、ギャップなど)、または第2に、そうでなければ適切に製作されたサンプル層またはその上の特徴のパラメータ偏差の形態(例えば、オーバーレイ(オーバーレイ測定値)、限界寸法(CD)、膜組成、膜厚などの測定値の変動)である。
本明細書では、ダイ内スクリーニングのための特定のパラメータの専用測定への依存は、許容可能なスループットでロバストかつ高感度のスクリーニングを提供するには不充分であり得ることが企図される。特に、第1のタイプの欠陥は、ハイスループット光学検査に容易に適している。例えば、試験ダイの光学検査データを基準データと比較して、そのような欠陥を識別することができる。しかしながら、第2の種類の欠陥は、典型的には、試料上の専用の位置で測定される(例えば、専用ターゲット又は選択されたサンプリング位置)。より高いサンプリング密度データが望まれる場合、サンプリング位置で生成された測定値は、典型的には補間される。
1つ以上のプロセスステップの後に生成されるインラインダイ解析計量測定は、パラメトリック変動性に基づくダイスクリーニングのための豊富なデータセットを提供し得ることが本明細書においてさらに企図される。ダイ解析計量測定値は、光学計量ツール、X線計量ツール、または粒子ベースの計量ツール(例えば、電子ビーム(eビーム)計量ツール、イオンビーム計量ツールなど)を含むがこれらに限定されない様々な計量ツールを使用して生成され得る。いくつかの実施形態では、パラメトリック変動性スクリーニングは、撮像反射率測定データを使用して行われる。例えば、撮像反射率計は、マルチチャネル画像(例えば、1つ以上の波長での明視野画像、1つ以上の波長での暗視野画像など)を提供するために複数の撮像チャネルを有してもよいが、その必要はない。しかしながら、本明細書に開示されるシステムおよび方法は、任意のタイプのダイ解析計量技法に拡張し得ることを理解されたい。
さらに、ダイスクリーニングのために本明細書で使用されるダイ解析計量測定値は、ダイ解析計量測定値が必ずしも従来の専用のインライン計量測定値ほど多くのデータを提供しない場合があるという点で、I-PATなどの代替のインラインスクリーニング技法に使用されるものとは異なり得る。例えば、KLA Corp.によって提供されるSpectraShape測定は、多数の波長、偏光、または同等物を提供し、かなりの変動性を処理し、測定において多くのパラメータ(例えば、16以上のパラメータ)を浮動させ得るロバストモデルを通して、広範囲のサンプル幾何学形状の高感度測定を提供し得る。対照的に、ダイスクリーニングのために本明細書で使用されるダイ解析計量測定は、比較的少ない構成または測定チャネルを提供し得る。しかしながら、本明細書では、パラメトリック変動性に基づくダイスクリーニングは、任意の計量測定の特定の値ではなく、ダイ間の相対的変動に依存し得ることが企図される。このようにして、ダイ解析光学計量データセットによって生成されるデータの量は、高感度ダイスクリーニングを提供し、高スループットを達成するように、測定スループットと均衡され得る。さらに、本明細書に開示されるようなダイ解析計量測定を通したパラメトリック変動性に基づくダイスクリーニングは、ロバストなダイスクリーニングを提供するために、限定されないが、I-PAT等の相補的ダイスクリーニング技法と組み合わせられ得る。
いくつかの実施形態では、ダイの集団のダイ解析計量データのサブセットのみがダイスクリーニングに使用される。たとえば、利用可能な測定チャネルのサブセットを使用して、様々なダイ間の意味のあるパラメトリック変動が決定され得る場合があり得る。したがって、ダイスクリーニングのためのダイ解析計量データ(たとえば、利用可能な測定チャネルのサブセット)のサブセットを含むスクリーニングデータを生成するために、様々な技術が利用され得る。例えば、スクリーニングデータは、プロセス変動に対する既知のまたは予想される変動性を有する測定チャネルの包含、関心領域の選択、次元低減(ディメンジョン リダクション)技術などに基づいて生成され得る。
いくつかの実施形態では、ダイあたりの単一の測定(single measurement)は、ダイを充分に代表し、ダイスクリーニングは、対象のダイに対するこの測定の経験的分析を通して行われ得る。いくつかの実施形態では、スクリーニングは、処理パラメータの1つ以上の計量測定値を生成し、処理(プロセッシング)パラメータ測定値に基づいてスクリーニングすることによって行われる。処理パラメータ測定値は、オーバーレイ、CD、膜厚、膜組成、膜屈折率、膜均一性、フィーチャ高さ、側壁角度、リソグラフィ露光パラメータ(例えば、焦点位置、線量、エネルギー密度など)、または化学機械平坦化(CMP)研磨時間の測定値を含み得るが、これらに限定されない。例えば、処理パラメータの計量測定値は、種々のモデルベースまたはモデルレス(例えば、機械学習ベース)アプローチのいずれかを使用して生成されてもよい。いくつかの実施形態では、ダイスクリーニングは、機械学習ベースの外れ値分析によって実施され、そこでは、ダイに対するダイ解析光学計量データの全てが分析されて、対象のダイに対するダイレベルパラメータメトリックが決定される。例えば、機械学習外れ値分析は、光学計量ツールまたはその組合せによって提供される多くの測定値のうちのどれがダイ間のパラメータ変動を示すかを決定するための次元低減を含むことができ、さらに、この次元低減に基づいてダイレベルパラメータメトリックを生成することができる。
さらに、スクリーニングは、単一のプロセスステップに関連するスクリーニングデータのみを用いて実行されてもよく、または異なるプロセスステップに関連する差動信号(differential signals)、異なるインライン計量ツール、および/またはシミュレートされたデータに基づいてもよい。例えば、ダイスクリーニングは、特定のダイに関連付けられたスクリーニングデータと、1つ以上の追加のダイとの間の差分信号に基づいて実行されてもよい。別の例として、ダイレベルパラメータメトリック(metric:測定基準)は、特定のダイとシミュレートされたデータとの間の差動信号に基づいて生成され得る。別の例として、ダイレベルパラメータメトリックは、異なるプロセスステップにおける特定のダイに関連する差動信号に基づいて生成され得る。このようにして、本明細書に開示されるシステムおよび方法は、プロセスステップ間の信号の変動性を追跡してもよい。別の例として、ダイレベルパラメータメトリックは、異なる光学計量ツールからの特定のダイに対する差動信号に基づいて生成され得る。
本開示のさらなる実施形態は、配置(depositioning)のために集団のダイを分類することを対象とする。例えば、ダイは、合格したパスダイ、故障した(不合格の)ダイ、または追加の試験を必要とする境界(ボーダーライン)ダイを含むが、それらに限定されない、2つ以上のクラスに選別されてもよい。さらに、ダイスクリーニングは、本明細書に開示されるようなダイレベルパラメトリック変動のみに基づいて、または本明細書に開示されるシステムおよび方法を使用して、または追加のスクリーニング技法と組み合わせて生成され得る。例えば、ダイアグリゲータは、パラメータ変動性スクリーニングの結果またはスクリーニングプロセスの任意のステップに関連するデータを、集約されたデータに基づいてダイを配置する(deposition)ための追加のスクリーニング技法からの追加のスクリーニングデータと集約する(aggregate:集計)ことができる。別の例として、ダイレベルパラメータメトリックは、限定はしないが、I-PAT技法などの追加のスクリーニング技法を補足するために使用され得る。例えば、I-PAT技術を用いて特定された集団中のダイの欠陥は、パラメータ変動性スクリーニングの結果またはプロセスの任意のステップに関連するデータを用いて少なくとも部分的に重み付けすることができる。
ここで図1A-3を参照すると、本開示の1つ以上の実施形態による、インラインパラメトリック変動性スクリーニングのためのシステムおよび方法が、より詳細に説明される。
図1Aは、本開示の1つ以上の実施形態によるダイスクリーニングシステム100の概念図である。図1Bは、本開示の1つ以上の実施形態による、複数のダイ104を含む試料102の概念上面図である。例えば、種々のダイ104は、種々のダイ104上の複数のデバイスが、試料102上に同時に加工され、後に(例えば、ダイシングステップにおいて)分離され、別個のデバイスを提供し得るように、スクライブライン106によって分離されてもよい。
一実施形態では、ダイスクリーニングシステム100は、1つ以上のプロセスステップの後に試料102の1つ以上の層に関連するダイ解析計量測定値を生成するための少なくとも1つのインライン計量ツール108(例えば、インラインサンプル分析ツール)を含む。ダイスクリーニングシステム100は、概して、任意の数またはタイプのインライン計量ツール108を含み得る。例えば、インライン計量ツール108は、限定はしないが、レーザ源、ランプ源、X線源、または広帯域プラズマ源などの任意の源からの光による試料102のインタロゲーションに基づいて計量測定を実行するように構成された光学計量ツールを含むことができる。別の例として、インライン計量ツール108は、限定はしないが、電子ビーム、イオンビーム、または中性粒子ビームなどの1つ以上の粒子ビームによる試料のインタロゲーションに基づいて計量測定を実行するように構成された粒子ビーム計量ツールを含むことができる。
さらに、ダイ解析可能な計量測定は、試料102上のダイ104の複数の測定を提供する任意のタイプのデータを含み得る。一実施形態では、ダイ解析された計量データは、1つ以上のデータ捕捉ステップにおいて生成され得る、撮像データを含む。例えば、インライン計量ツール108は、特定のデータ捕捉ステップにおいて視野内のダイ104(またはその一部)の画像を含むか、または提供するように構成され得る。ダイ104または全体としての試料102に関連するダイ解析可能データは、次いで、複数の画像をステッチングするか、または別様に組み合わせることによって生成されてもよい。別の例として、インライン計量ツール108は、ダイ解析可能なデータをポイントワイズ(例えば、周期的な間隔で、または選択された測定パターンにおいて、)で生成することができる。
図1Cは、本開示の1つ以上の実施形態による、撮像反射率計として構成されたインライン計量ツール108の概念図である。
一実施形態では、インライン計量ツール108は、少なくとも1つの照明ビーム112を生成するように構成された照明源110を含む。照明源110からの照明は、限定はしないが、紫外線(UV)放射、可視光線、または赤外線(IR)放射を含む1つ以上の選択された波長の光を含むことができる。
照明源110は、少なくとも1つの照明ビーム112を提供するのに適した任意のタイプの照明源を含むことができる。一実施形態では、照明源110はレーザ源である。例えば、照明源110は、1つ以上の狭帯域レーザ源、広帯域レーザ源、スーパーコンティニュームレーザ源、白色光レーザ源、または同等物を含んでもよいが、それらに限定されない。これに関して、照明源110は、高いコヒーレンス(例えば、高い空間コヒーレンスおよび/または時間コヒーレンス)を有する照明ビーム112を提供することができる。別の実施形態では、照明源110は、レーザ維持プラズマ(LSP)源を含む。例えば、照明源110は、限定はしないが、LSPランプ、LSPバルブ、またはレーザ源によってプラズマ状態に励起されると広帯域照明を放出することができる1つ以上の要素を収容するのに適したLSPチャンバを含むことができる。別の実施形態では、照明源110はランプ源を含む。例えば、照明源110は、アークランプ、放電ランプ、無電極ランプなどを含み得るが、これらに限定されない。これに関して、照明源110は、低コヒーレンス(例えば、低い空間コヒーレンスおよび/または時間コヒーレンス)を有する照明ビーム112を提供することができる。
別の実施形態では、インライン計量ツール108は、照明経路114を介して試料102に照明ビーム112を向ける。照明経路114は、照明ビーム112を修正および/または調整するのに、ならびに照明ビーム112を試料102に向けるのに適した1つ以上の光学構成要素を含むことができる。一実施形態では、照明経路114は、1つ以上の照明経路レンズ116(例えば、照明ビーム112をコリメートするため、瞳面および/または視野面を中継するためなどである)を含む。別の実施形態では、照明経路114は、照明ビーム112を成形または別様に制御するための1つ以上の照明経路光学系118を含む。例えば、照明経路光学系118は、1つ以上の視野絞り、1つ以上の瞳絞り、1つ以上の偏光子、1つ以上のフィルタ、1つ以上のビームスプリッタ、1つ以上の拡散器、1つ以上のホモジナイザ、1つ以上のアポダイザ、1つ以上のビーム整形器、または1つ以上のミラー(例えば、静的ミラー、平行移動可能ミラー、走査ミラーなどである)を含んでもよいが、それらに限定されない。
別の実施形態では、インライン計量ツール108は、照明ビーム112を試料102上に集束させる対物レンズ120を含む。
別の実施形態では、インライン計量ツール108は、集光経路126を通って試料102から発する光または他の光(例えば、集光された光124)を捕捉するように構成された1つ以上の検出器122を含む。集光経路126は、試料102から集光された光124を修正および/または調整するのに適した1つ以上の光学素子を含むことができる。一実施形態では、集光経路126は、1つ以上の集光経路レンズ128(例えば、照明ビーム112をコリメートするため、瞳面および/または視野面を中継するためなどである)を含み、これは、対物レンズ120を含み得るが、これを含む必要はない。別の実施形態では、集光経路126は、集光された光124を成形または別様に制御する、1つ以上の集光経路光学系130を含む。例えば、集光経路光学系130は、1つ以上の視野絞り、1つ以上の瞳絞り、1つ以上の偏光子、1つ以上のフィルタ、1つ以上のビームスプリッタ、1つ以上の拡散器、1つ以上のホモジナイザ、1つ以上のアポダイザ、1つ以上のビーム整形器、または1つ以上のミラー(例えば、静的ミラー、平行移動可能ミラー、走査ミラーなどである)を含んでもよいが、それらに限定されない。
インライン計量ツール108は、概して、試料102からの光を捕捉するのに適した任意の数またはタイプの検出器122を含むことができる。一実施形態では、検出器122は、静的試料を特徴付けるのに適した1つ以上のセンサを含む。この点に関して、インライン計量ツール108は、試料102が測定中に静的である静的モードで動作することができる。例えば、検出器122は、電荷結合素子(CCD)または相補型金属酸化膜半導体(CMOS)デバイスなどの2次元画素アレイを含むことができるが、これらに限定されない。これに関して、検出器122は、単一の測定において2次元画像(例えば、視野平面画像又は瞳平面画像である)を生成することができる。別の実施形態では、検出器122は、移動する試料(例えば、走査試料)を特徴付けるのに適した1つ以上のセンサを含む。この点に関して、インライン計量ツール108は、測定中に試料102が測定フィールドに対して走査される走査モードで動作することができる。例えば、検出器122は、選択された画像許容差(例えば、画像のぼけ、コントラスト、シャープネスなど)内で走査中に1つ以上の画像をキャプチャするのに充分なキャプチャ時間および/またはリフレッシュレートを有する2Dピクセルアレイを含むことができる。別の例として、検出器122は、一度に1ラインの画素の画像を連続的に生成するライン走査検出器を含むことができる。別の例として、検出器122は、試料102の動きがTDI検出器内の電荷転送クロック信号に同期される時間遅延積分(TDI:time-delay integration)検出器を含むことができる。別の実施形態では、検出器122は、波長解析データを提供するのに適した分光計または分光センサを含む。
別の実施形態では、インライン計量ツール108は、試料102を固定するのに適し、照明ビーム112に対して試料102を位置決めするようにさらに構成された試料ステージ132を含む。例えば、試料ステージ132は、リニアアクチュエータ、回転アクチュエータ、または角度アクチュエータ(例えば、試料102の先端および/または傾斜を制御する)の任意の組み合わせを含むことができる。別の実施形態では、図示されていないが、ダイスクリーニングシステム100は、試料102に対して照明ビーム112を走査するための1つ以上のビーム走査光学系(例えば、回転可能なミラー、検流計などである)を含む。
インライン計量ツール108の照明経路114および集光経路126は、照明ビーム112で試料102を照明し、入射照明ビーム112に応答して試料102から発する光を集光するのに適した広範囲の構成に向けることができる。例えば、図1Cに示すように、インライン計量ツール108は、共通の対物レンズ120が同時に照明ビーム112を試料102に向け、試料102から光を集光することができるように配向されたビームスプリッタ134を含むことができる。この点に関して、インライン計量ツール108は、試料102の明視野撮像を提供し得るが、これに限定されない。例えば、図1Cは、明視野撮像を提供するために、試料102の軸上照明(例えば、ビームスプリッタ134を介して)および試料102からの光の軸上集光を提供する第1の照明源110aと、暗視野撮像を提供するために、対物レンズ120の集光開口数(NA)の外側で試料102の照明を提供する第2の照明源110bとを示す。しかし、図1Cは単に例示を目的として提供されており、限定として解釈されるべきではないことを理解されたい。例えば、暗視野撮像は、限定ではないが、照明および/または集光瞳平面内の1つ以上の開口を使用する等、多種多様の構成で実装されてもよい。
ここで図1C及び図1Dを全体的に参照すると、インライン計量ツール108は、マルチチャネルツールとして構成することができる。このようにして、ダイ解析計量データは、ダイ104上の各位置に関連付けられたマルチチャネルデータを含む。さらに、各チャネルは、照明条件、集光条件、波長などの異なるセットに関連付けられ得る。
図1Dは、本開示の1つ以上の実施形態による、6つの測定チャネルを提供する撮像反射率計として構成されたインライン計量ツール108の概念図である。特に、図1Dは、3つの波長での明視野および暗視野測定を含む構成を示す。例えば、インライン計量ツール108は、明視野撮像を提供するために対物レンズ120の集光(collction)NA内の試料102を照明するように構成された第1の照明ビーム112aと、暗視野撮像を提供するために対物レンズ120の集光NAの外側の試料102を照明するように構成された第2の照明ビーム112bとに結合された3つの検出チャネル136a~cを含むことができる。検出チャネル136a~cは、限定はしないが、図1Dに示すような一連のダイクロイックビームスプリッタ138またはスペクトルフィルタと結合された波長非感受性ビームスプリッタを含む、当技術分野で知られている任意の技法を使用して形成され得る。
本明細書で前述したように、インライン計量ツール108は、ダイ解析計量データを生成するのに適した任意のタイプの計量ツールを含むことができ、これにはX線計量ツールまたは粒子ベースの計量ツールが含まれるが、これらに限定されない。したがって、図1Cおよび図1Dは、単に例示を目的として提供されており、限定として解釈されるべきではない。例えば、インライン計量ツール108は、ハイパースペクトルイメージングツール又はX線タイコグラフィツールを含むことができるが、これらに限定されない。
再び図1Aを参照すると、一実施形態では、ダイスクリーニングシステム100は、コントローラ140を含む。コントローラ140は、メモリ144(例えば、記憶媒体、記憶装置等である)上に維持されるプログラム命令を実行するように構成された1つ以上のプロセッサ142を含むことができる。さらに、コントローラ140は、インライン計量ツール108またはその中の任意の構成要素を含むが、それらに限定されない、ダイスクリーニングシステム100の構成要素のいずれかと通信可能に結合されてもよい。この点に関して、コントローラ140の1つ以上のプロセッサ142は、限定はしないが、ダイ解析計量データを受信すること、ダイ解析計量データに基づいてダイレベルパラメータメトリックを生成すること、またはダイレベルパラメータメトリックに少なくとも部分的に基づいてダイを配置することなど、本開示全体にわたって説明する様々なプロセスステップのいずれかを実行し得る。
コントローラ140の1つ以上のプロセッサ142は、当技術分野で知られている任意のプロセッサまたは処理要素を含むことができる。本開示の目的のために、「プロセッサ」または「処理要素」という用語は、1つ以上の処理または論理要素(例えば、1つ以上のマイクロプロセッサデバイス、1つ以上の特定用途向け集積回路(ASIC)デバイス、1つ以上のフィールドプログラマブルゲートアレイ(FPGA)、または1つ以上のデジタル信号プロセッサ(DSP))を有する任意のデバイスを包含するように広く定義され得る。この意味で、1つ以上のプロセッサ142は、アルゴリズムおよび/または命令(たとえば、メモリに記憶されたプログラム命令)を実行するように構成された任意のデバイスを含み得る。一実施形態では、1つ以上のプロセッサ142は、デスクトップコンピュータ、メインフレームコンピュータシステム、ワークステーション、画像コンピュータ、並列プロセッサ、ネットワークコンピュータ、または本開示全体にわたって説明されるように、ダイスクリーニングシステム100とともに動作または動作するように構成されたプログラムを実行するように構成された任意の他のコンピュータシステムとして具現化され得る。
メモリ144は、関連する1つ以上のプロセッサ142によって実行可能なプログラム命令を記憶するのに適した、当技術分野で知られている任意の記憶媒体を含み得る。例えば、メモリ144は、非一時的な記憶媒体を含み得る。別の例として、メモリ144は、限定はしないが、読取り専用メモリ(ROM)、ランダムアクセスメモリ(RAM)、磁気または光メモリデバイス(たとえば、ディスク)、磁気テープ、ソリッドステートドライブなどを含み得る。メモリ144は、1つ以上のプロセッサ142とともに共通のコントローラハウジング内に収容され得ることにさらに留意されたい。一実施形態では、メモリ144は、1つ以上のプロセッサ142およびコントローラ140の物理的位置に対して遠隔に位置し得る。たとえば、コントローラ140の1つ以上のプロセッサ142は、ネットワーク(例えば、インターネット、イントラネットなど)を介してアクセス可能なリモートメモリ(たとえば、サーバ)にアクセスすることができる。
一実施形態では、ユーザインターフェース146は、コントローラ140に通信可能に結合される。一実施形態では、ユーザインターフェース146は、限定はしないが、1つ以上のデスクトップ、ラップトップ、タブレットなどを含むことができる。別の実施形態では、ユーザインターフェース146は、ダイスクリーニングシステム100のデータをユーザに表示するために使用されるディスプレイを含む。ユーザインターフェース146のディスプレイは、当技術分野で知られている任意のディスプレイを含むことができる。例えば、ディスプレイは、液晶ディスプレイ(LCD)、有機発光ダイオード(OLED)ベースのディスプレイ、またはCRTディスプレイを含んでもよいが、それらに限定されない。当業者は、ユーザインターフェース146と統合可能な任意のディスプレイデバイスが、本開示における実装に好適であることを認識するはずである。別の実施形態では、ユーザは、ユーザインターフェース146のユーザ入力デバイスを介してユーザに表示されるデータに応答して、選択および/または命令を入力してもよい。
ここで図2を参照すると、図2は、本開示の1つ以上の実施形態による、パラメトリック変動性に基づくダイスクリーニングのための方法200において実行されるステップを示す流れ図である。出願人は、ダイスクリーニングシステム100の文脈において本明細書で前述された実施形態および有効化技術は、方法200に拡張されると解釈されるべきであることに留意する。しかしながら、方法200は、ダイスクリーニングシステム100のアーキテクチャに限定されないことにさらに留意されたい。
一実施形態では、方法200は、1つ以上の製作ステップの後に、1つ以上のインライン計量ツールからの1つ以上のサンプル上のダイについてのマルチチャネルダイ解析計量データを生成するステップ202を含み、ダイ解析計量データは、ダイごとに複数の測定チャネルを含む。例えば、ダイ解析計量データは、1つ以上のインライン計量ツールの1つ以上の測定構成を使用して生成された各ダイの1つ以上の画像を含むことができる。例えば、測定構成は、照明入射角(例えば、方位角および/または極角:azimuth and/or polar angle)、集光角(例えば、方位角および/または極角)、照明偏光、集光偏光、照明波長、又は集光波長を含むことができるが、これらに限定されない。このようにして、特定の測定チャネルは、特定の画像内の特定のピクセルからのデータに対応し得る。言い換えれば、特定の測定チャネルは、ダイ上の特定の位置(例えば、各ピクセルは、ダイ上の異なる位置に関連付けられる)および特定のインライン計量ツールの特定の測定構成に対応し得る。
本明細書では、マルチチャネルダイ解析計量データは、従来のインライン計量技術と区別され得ることが企図される。例えば、限定されないが、プロセス制御に使用されるもの等の典型的なインライン計量技法は、専用(dedicated)計量標的(ターゲット)または選択されたデバイス特徴等のサンプル上の特定の特徴の測定に基づいて、特定のプロセスパラメータ(例えば、オーバーレイ、CD、膜厚、膜組成、膜屈折率、膜均一性、フィーチャ高さ、側壁角、リソグラフィ露光パラメータ、CMP研磨時間など)の高感度測定を生成し得る。いくつかの例(例えばターゲットベースのオーバーレイ)において、専用ターゲットまたは一連のターゲットは、ターゲットの特定の測定値に基づいて決定論的な計量測定値を提供するように構築されてもよい。いくつかの事例では、モデル、ライブラリ、および/または機械学習技法が、特定の測定条件を用いて生成される測定値を物理的計量パラメータに関連付けるために使用される。いずれの場合も、インライン計量ツールは、概して、多くの自由度を有し得るが、測定は、特定のサンプル位置に対して高度に制御された測定条件で行われなければならない。したがって、フルダイ(full-die)(例えば、ダイ解析)測定は、サンプル上の固定位置で行われる測定の補間によって生成される。
対照的に、本明細書で使用されるマルチチャネルダイ解析計量データは、専用サンプリング位置ではなく各ダイにわたる多くの位置で、固定サンプリングパターンで測定値を提供するインライン計量ツールによって生成され得る。例えば、ダイの画像(これは、単一捕捉または逐次捕捉において生成され得る)は、ダイを横切る異なる位置における測定値に関連付けられ得る。さらに、複数のダイ画像は、複数の測定構成を用いて、または複数のインライン計量ツールを用いて生成され得る。このようにして、ダイ解析計量データは、複数のチャネルを含むことができ、各チャネルは、特定の画像の特定のピクセルに関連付けられ、したがって、特定の測定条件を使用して特定の位置での測定データを表す。
加えて、ダイ解析計量データは、フルサンプル画像、グリッドレベル画像、またはダイレベル画像を含むが、それらに限定されない、任意のタイプの集光方式を使用して生成される任意のタイプの画像を含んでもよい。さらに、ダイ解析された計量データは、ツールによって生成された生画像、またはインライン計量ツールによって提供されるフルスケール解像度またはダウンサンプリングされた解像度のいずれかで処理された画像(例えば、正規化、較正などである)を含み得る。例示的な例として、撮像反射率計を含むインライン計量ツールの場合、ダイ解析計量データは、生画像、デバッグ画像、マクロオーバービュー画像(MOI:macro-overview images)などを含むことができる。
本明細書では、ダイスクリーニングは、計量測定値の特定の値ではなく、ダイ間の変動性に基づいて行われ得ることがさらに企図される。例えば、ダイスクリーニングは、母集団の残りとは異なるダイを識別し得、ここで、任意の所与の計量測定の特定の値は、必ずしも考慮されない。このようにして、本明細書で使用されるマルチチャネルダイ解析計量データは、特定のプロセスパラメータ(例えば、オーバーレイ、CD、膜厚、膜組成、膜屈折率、膜均一性、フィーチャ高さ、側壁角、リソグラフィ露光パラメータ、CMP研磨時間など)の専用の高精度の測定値を提供するように調整され得ないが、このデータは、それにもかかわらず、ダイにわたるこれらの物理的特性の変動に応答して変動し得る。
非限定的な例として、図3は、本開示の1つ以上の実施形態による、撮像反射率計を使用して生成された単一のフィルムを有する試料102の画像である。図3の試料102の画像は、分かりやすくするためにダイ104を含まないことに留意されたい。図3では、膜の膜厚/均一性302(例えば、試料102にわたる漸進的な信号変動として可視である)、ピン止め(ピンニング:pinning)304、およびチャッキング(chucking)/熱変形306などの様々なプロセスパラメータが明確に見える。
したがって、そのようなマルチチャネルダイ解析計量データは、所与の母集団の残りから逸脱し、したがって、故障のより高い可能性を有し得るダイを同定するためのパラメトリック変動性スクリーニングに好適であり得る。そのようなダイ解析計量データの使用はまた、高いスループットでダイ(したがって、従来のダイ内計量技術よりも良好な空間カバレッジを提供する)にわたる多くの測定を有益に提供し得る。例えば、特定の位置での測定を必要とするダイ内計量技術は、測定のために試料を特定の位置に位置合わせするのに必要な時間のため、比較的低いスループットを有し、したがって、試料上のダイ当たり1つ未満の測定に限定されることが多い。再び図3の非限定的な図を参照すると、画像は6900万ピクセルを含み、約90秒で生成された。対照的に、試料上の選択された位置で信号を取得するために移動-取得-移動(MAM:move-acquire-move)集光スキームを使用する従来の計量ツールを使用して生成される等価な画像は、捕捉に約2年を要する。
そのようなダイ解析計量データは、光学計量ツール、X線計量ツール、または粒子ビーム計量ツールを含むが、それらに限定されない、種々の計量ツールを使用して生成されてもよい。一実施形態では、ダイ解析計量データは、撮像(イメージング)反射率計を用いて生成される。例えば、ダイスクリーニングシステム100の文脈で説明されるように、撮像反射率計は、マルチチャネルデータを提供するために、複数の波長で種々の撮像技法(例えば、明視野イメージング、暗視野イメージングなど)を提供してもよい。
別の実施形態では、ダイ解析計量データは、ハイパースペクトル撮像ツールを用いて生成され、ハイパースペクトル撮像ツールは、ダイを横切る多くの(または全ての)ピッチからのデータを捕捉することができ、さらに複数の回折次数(例えば、孤立したエッジ特徴のエッジプロファイルに関連する)を捕捉することができる。別の実施形態では、ダイ解析計量データは、X線タイコグラフィツールを用いて生成され、X線タイコグラフィツールは、同様にダイ上の広範囲のピッチに関連するデータを捕捉することができる。
加えて、ダイ解析計量データは、複数のインライン計量ツールによって、および/または異なるプロセスステップの後に生成される画像を含んでもよい。例えば、複数のツールからの測定値を組み込むことは、方法200を使用してパラメトリック変動性を監視するのに適した測定チャネルの数を増加させることができる。別の例として、異なるプロセスステップからの測定値を組み込むことは、プロセスステップ間の変動性の追跡を容易にし得る。
別の実施形態では、方法200は、ダイ解析計量データからダイのスクリーニングデータを生成するステップ204を含み、スクリーニングデータは、ダイ解析計量データの測定チャネルのサブセットを含む。例えば、スクリーニングデータは、1つ以上の試料の製作に関連するプロセス変動に敏感なスクリーニングデータ内の選択された測定チャネルを含むことができる。測定チャネルは、異なるサンプル位置における特定の測定条件に関連付けられるので、スクリーニングデータにおける測定チャネルは、ダイ上の位置(例えば、選択された関心のある特徴に関連付けられた位置)、測定条件、またはそれらの組み合わせに基づいて選択され得る。
別の実施形態では、方法200は、スクリーニングデータの変動性に基づいてダイを2つ以上の配置クラスにスクリーニングするステップ206を含み、2つ以上の配置クラスは、少なくともパスダイのセットおよび外れ値ダイのセットを含む。例えば、異常値ダイのセットは、ダイの残り(例えば、対象のダイの集団の残りである)から所与の公差を超えて変動するスクリーニングデータを示すダイを含んでもよく、パスダイのセットは、許容可能な変動を伴うスクリーニングデータを示してもよい。しかしながら、ステップ206は、ダイを任意の数の配置クラスにさらに分類してもよいことを理解されたい。例えば、ダイは、母集団に対して許容可能なスクリーニングデータの変動を示すパスダイのセットと、母集団(例えば、直ちに又は短期使用後に故障すると予想されるダイ)に対して許容不可能なスクリーニングデータの変動を示す外れ値ダイのセットと、パスダイとして考慮するための許容可能な許容範囲を超え、外れ値ダイに関連する故障許容範囲未満のスクリーニングの変動を示す外れ値ダイのセットとに分類され得る。このようにして、外れ値ダイは、潜在的欠陥の潜在的リスクを有するダイと関連付けられ得る。
本明細書では、ロバストダイスクリーニング(例えば、ステップ206)が、ステップ202で生成されたダイ解析計量データの変動性に基づいて実行され得ることが企図される。例えば、ダイ解析計量データ(またはその部分)に統計的に意味のある差を有するダイは、意図された環境(例えば、試料または試料ロット上の他のダイよりも高い短期故障または長期故障リスク)で使用されるとき、より高い故障リスクを有し得る。この理由から、そのようなダイは、外れ値ダイとして分類され得る(例えば、ステップ206において)。
厳しいことに、ダイの特定のセット(例えば、ダイ上の測定位置に関連するピクセル、または特定の位置における測定条件に関連する測定チャネル)に対するダイ解析計量データの全ての測定がダイスクリーニングに有用な変動を示すわけではない。さらに、いくつかの測定は冗長であり得る。したがって、スクリーニングデータを生成するステップ204は、意味のある変動性を提供する関連する測定チャネルのみを含むと考えられるデータの量を低減し得る。このステップ204は、限定はしないが、ステップ206におけるスクリーニングに関連する計算負荷を低減すること、ステップ206におけるスクリーニングの速度を改善すること、したがって総スループットを改善すること、またはスクリーニングに使用されるデータセットから潜在的なノイズ源を除去することによってステップ206におけるスクリーニングの精度および/もしくは感度を改善することを含む、様々な利益を提供することができる。
ダイ解析計量データからスクリーニングデータを生成するステップ204およびダイをスクリーニングするステップ206は、様々な方法で実行され得ることが本明細書で企図される。さらに、スクリーニングデータは、一般に、ダイ毎に単一の測定チャネルからダイ毎に数万、数万、数万、またはそれ以上の測定チャネルに及ぶ、ダイ解析計量データからの任意の数の測定チャネルを含み得る。
いくつかの実施形態では、ダイ解析計量データからダイのスクリーニングデータを生成するステップ204は、製作中のプロセス変動に対する既知のまたは予想される変動性を有する測定チャネルのサブセットを選択することを含む。
例えば、ステップ204は、プロセス変動に敏感であることが知られている又は予想されるダイ上の特定の位置(関心位置)又は位置のセットに関連する測定チャネルを選択することを含むことができる。一例では、ステップ204は、ダイ上の特定の関心領域(ROI:regions of interest)を選択することを含み得る。別の例では、ステップ204は、KLA Corporationによって開発されたFlexPoint標的検査技法に基づく選択などであるが、これに限定されない、追加の検査または計量測定からの結果に基づく選択を含み得る。
別の例として、ステップ204は、プロセス実験デザイン(Design of Experiments:DOE)を実行して、ダイ解析計量データの測定チャネルの各々に対する様々なプロセス変動の影響を決定することと、DOEに基づいてスクリーニングデータに含まれるべき測定チャネルのサブセットを選択することとを含み得る。このDOEは、限定はしないが、プログラムされたプロセス変動を有するトレーニング試料のシミュレーションまたは製作、およびトレーニングダイ解析計量データを生成するためのインライン計量ツールを用いた測定を含む、任意の適切な技法を使用して実行され得る。
別の例として、ステップ204は、ダイあたりの測定チャネルの特定の分解能または数を提供するために、測定位置および/または測定条件に基づいてデータをダウンサンプリングすることを含み得る。
さらに、ステップ204は、目的の特定の感度または変動に合わせて調整されてもよいが、その必要はない。例えば、スクリーニングデータは、関心のある特定のプロセス変動の変動(例えば、信頼性に対する既知の相関を有するもの)に敏感な測定チャネルを含み得、および/または関心のない特定のプロセス変動の変動(例えば、信頼性に対する既知の低い相関を有するもの)に敏感な測定チャネルを除外し得る。別の例として、スクリーニングデータは、収率に対する予想される影響に基づいて測定チャネルを選択することを含み得る。
スクリーニングデータが、既知のまたは予想される変動性を有する測定チャネルを含むように選択される場合、ステップ206は、様々な方法で実施され得る。
一実施形態では、ステップ206は、スクリーニングデータまたはその統計的変化における1つ以上の測定チャネルの値の経験的分析(例えば、経験的傾向チャート)を含むことができる。例えば、効果的なスクリーニングは、特定の測定チャネルから直接受信した値と、複数の測定チャネルからの値の組合せ(例えば、重み付けされた組み合わせ、平均などである)とを、関心対象のダイにわたって比較することによって実施することができる場合がある。別の例として、ステップ206は、限定はしないが、サンプルまたはサンプルのロットにわたるダイのスクリーニングデータにおける1つ以上の測定チャネルからのデータの平均値または標準偏差など、特定の測定チャネルの1つ以上の統計的メトリックを追跡することに基づいて実施され得る。このようにして、選択された測定チャネルまたは複数のチャネルの変動は、関連するプロセス変動の変動を示し得るが、プロセスパラメータ(例えば、オーバーレイ、CD、膜厚、膜組成、膜屈折率、膜均一性、フィーチャ高さ、側壁角、リソグラフィ露光パラメータ、CMP研磨時間など)の特定の値は、必ずしもこのステップで決定されなくてもよい。
別の実施形態では、ステップ206は、スクリーニングデータ中の測定チャネルからのデータに基づいて1つ以上のプロセスパラメータの測定値を決定し、次いでプロセスパラメータの測定値に基づいてダイをスクリーニングすることを含むことができる。したがって、ステップ206は、従来のインライン計量測定からのインライン計量データに基づくI-PAT分析と同様であり得るが、ステップ206がダイ解析計量データによって提供される高スループットおよび高空間カバレッジを有益に利用し得るという点で異なり得る。さらに、本明細書で前述したように、ステップ206におけるサンプルパラメータ測定が従来のインライン計量測定ほど正確でない場合であっても、ダイ解析計量データのパラメータ変動に基づいて、ロバストかつ高感度のダイスクリーニングを達成することができる。
試料パラメータ測定値は、様々な技術を使用して生成することができる。
一実施形態では、サンプルパラメータ測定値は、最初に、スクリーニングデータ内の選択された測定チャネルによって提供されるデータを1つ以上の対象のサンプルパラメータに関連付けるモデルを生成し、次いで、モデルを対象のダイのために生成されたデータに適用することによって判定される。例えば、モデルは、入射光(例えば、照明ビーム112)と、選択された測定チャネル内のサンプルダイ位置と関連付けられる特定の構造との電磁相互作用のモデルを含んでもよく、これは、厳密結合波解析(RCWA:rigorous coupled-wave analysis)または有限要素法(FEM)技法を含むが、それらに限定されない、当技術分野で公知の任意の技法を使用して達成されてもよい。いくつかの例では、生成されたモデルは、対象のダイからのデータがモデルにフィッティングされ得るように、1つ以上の浮動パラメータを含み得る。
別の実施形態では、サンプルパラメータ測定値は、限定されないが、ニューラルネットワーク、深層学習ネットワーク、機械学習ライブラリ、自動エンコーダネットワーク等の1つ以上の機械学習技法(例えば、機械学習モデル)を使用して判定される。例えば、教師あり機械学習モデルは、入力としてスクリーニングデータに基づいてサンプルパラメータ測定値を提供するように訓練(トレーニング)され得る。そのような機械学習モデルは、実験データまたはシミュレーションデータを含むがこれらに限定されない任意の適切な訓練データを使用して訓練され得る。一例では、訓練データは、ある範囲のプログラムされたサンプルパラメータ変動を有するサンプルに関連する実験的および/またはシミュレーションされたスクリーニングデータを含む、実験設計(DOE)に関連するシミュレーションおよび/または実験データを含む。
いくつかの実施形態では、サンプルパラメータ測定値は、信号応答計量(SRM)技法を使用して生成され得る。SRM技法は、概して、米国特許9,710,728 (2017年7月18日)及び米国特許10,352,876 (2019年7月16日)で説明され、両方とも、参照することによって、全体として本明細書に組み込まれる。
スクリーニングデータを生成するステップ204およびスクリーニングデータの変動性に基づいてダイをスクリーニングするステップ206を再び全体的に参照すると、いくつかの実施形態では、ステップ204は、プロセス変動に応答して変動性を提供する測定チャネルを選択するために次元低減を実行することを含む。限定はしないが、線形技法(例えば、主成分分析(PCA:principal component analysis)技術など)、非線形技法(例えば、多次元スケーリング等である)、教師なし機械学習技法、または教師あり機械学習技法を含む、任意の次元低減技法が使用され得る。例えば、ダイ解析計量データは、ダイ当たり多くの測定チャネル(例えば、100万以上のオーダーである)を含むことができる。しかしながら、非冗長な意味のある変動性を示すチャネルの数は、実質的により少なくてもよい(例えば、数万台のオーダーである)。したがって、次元低減は、ステップ206におけるスクリーニングに適した適切な測定チャネルのサブセットを識別することができる。さらに、次元低減技法は、どの測定パラメータがプロセス変動に最も敏感であり得るかの事前の知識または期待なしに適用され得る。
別の実施形態では、ステップ206における異常値ダイを識別するためのダイスクリーニングは、機械学習技法を使用して実行され得る。例えば、機械学習技術(例えば、教師なしまたは教師あり)を使用して、スクリーニングデータの変動に基づいて異常値ダイのセットを識別することができる。このようにして、特定の測定チャネルの変動性および/または測定チャネルのパターンまたは組み合わせの変動性を使用して、サンプリングされたダイの集団から外れ値ダイを識別することができる。さらに、そのような機械学習ベースの技法は、次元低減、選択されたROI、ダウンサンプリング、DOE、またはそれらの組み合わせを含むが、それらに限定されない、任意の技法を使用して生成されるスクリーニングデータに適用されてもよい。
ここで図2を全体的に参照すると、方法200の様々なステップは、複数回、および/または複数の技法を使用して実行され得る。本明細書では、方法200の様々なステップを実施するための異なる技法が、感度、ロバスト性、または解釈の容易さの間の異なるトレードオフを提供し得ることが企図される。例えば、サンプルパラメータ(例えば、モデルベースまたはモデルレスアプローチを使用する)の測定値を生成することに基づいてダイをスクリーニングするための技法(例えば、ステップ206)は、サンプルパラメータの測定値に基づいて、あるダイが外れ値ダイとして分類されることをもたらし得る、変動性の根本原因への洞察を提供し得る。このようにして、そのような技法は、製作プロセスを改善または制御するために、関連するプロセス・ツールへのフィードバックまたはフィードフォワード補正を容易にすることができる。しかしながら、そのような技法は、アプローチの基礎を形成する、生成されたモデルまたは訓練データに依存する場合があり、したがって、モデルまたは訓練データを生成するときに考慮されないプロセス変動に対してロバストではない場合がある。さらに、そのような技法は、特定のモデルまたはトレーニングセットに関連する比較的少数の測定チャネルを利用することができ、したがって、ダイ解析された計量データに提供される膨大な量の情報を組み込むことを無視することができる。別の例として、関連する測定チャネルを識別するための次元低減および関連する測定チャネルの機械学習変動性分析に基づいてダイをスクリーニングするための技法は、概して、ダイ解析計量データによって提供されるすべての関連する情報を利用し得、したがって、多くのタイプのプロセス変動性に対して比較的ロバストであり得る。しかしながら、そのような技術は、分析が必ずしも任意の物理的サンプルパラメータに関連付けられていないため、変動の根本原因に対する多くの洞察を提供しない場合がある。
いくつかの実施形態では、機械学習技法を使用して識別された異常値ダイのセットは、1つ以上の相補的技法を使用してさらに分析されてもよい。例えば、異常値ダイのセットは、サンプルパラメータの測定値を提供するためのモデルまたはモデルレス技法、従来の計量測定(例えば、1つ以上の専用ターゲットの測定値に基づく)等の補完的技法を使用して、スクリーニングを受けてもよい(例えば、ステップ206)。
ここで再び全体的に図1A-2を参照すると、様々なアクションが、様々な配置クラスのダイに対して実行され得る。一実施形態では、サプライチェーン内のダイの故障率を低減することを目的として、異常値ダイがサプライチェーンから除去される。別の実施形態では、異常値ダイは、これらの異常値ダイをサプライチェーンから除去するかどうかに関する決定が、追加の試験の結果に基づいてもよいように、ダイの信頼性をさらに評価するために、電気試験、計量測定、または検査測定等であるが、それらに限定されない、さらなる試験を受ける。
別の実施形態では、本明細書に開示される変動性スクリーニングは、ダイ(例えば、対象の食事の集団)上の複数のスクリーニングステップのうちの1つであり、複数のスクリーニングステップは、異なる技法、代替または相補的スクリーニング技法、またはそれらの組み合わせを使用する方法200の適用を含んでもよい。このようにして、各スクリーニングステップは、異常値ダイのセットを生成し得、サプライチェーンからダイを除去するかどうかの最終決定は、複数のスクリーニングステップの結果に基づき得る。一例では、ダイは、選択された数のスクリーニングステップにおいて外れ値ダイとして識別される場合、サプライチェーンから除去され得る。別の例では、ダイは、複数のスクリーニングステップの結果の加重分析に基づいてサプライチェーンから除去され得る。
別の実施形態では、パラメトリック変動性スクリーニング(例えば、ダイスクリーニングシステム100および/または方法200に関して本明細書に記載される)は、限定されないが、I-PATなどの追加のダイスクリーニング技術の一部として提供され得る。例えば、I-PATスクリーニング(例えば、従来のインライン計量を介する)によって特定のダイ上で識別された欠陥は、方法200を通して決定されるような特定のダイのパラメータ変動性に少なくとも部分的に基づいて重み付けまたはスコア付けされ得る。例えば、欠陥は、方法200によって提供される配置クラスおよび/または方法200の任意のステップに関連する任意の生データに部分的に基づいて重み付けまたはスコア付けされ得る。
図4は、本開示の1つ以上の実施形態による、I-PATスクリーニング(例えば、ブロック402)と組み合わせたパラメトリック変動性スクリーニングを使用する集約ダイレベル外れ値スクリーニングを示すブロック図である。例えば、本明細書に開示されるダイの集団に関するパラメトリック変動性スクリーニングデータは、I-PAT技法を使用して識別されるダイの集団に関する欠陥データと統合または集約され(例えば、ブロック404において)、スコア付けされ、フィルタリングされ(例えば、ボックス406)、集約されたアプローチに基づいて外れ値ダイの出力セットを提供してもよい。
別の実施形態では、本明細書に開示されるパラメトリック変動性スクリーニングは、従来の計量法と組み合わせて使用される。図5は、本開示の1つ以上の実施形態による、従来の計量とパラメトリック変動性スクリーニングとの間の複数の相互作用経路を示すブロック図である。
例えば、サンプルの特定の位置での測定を必要とするサンプリングベースの技法などの従来の計量技法(ボックス502)は、サンプリングされた位置で生成されたデータ(ボックス506)の補間に基づいてダイレベル予測(ボックス504)を生成することができる。対照的に、本明細書に開示されるように、(例えば、方法200に関連する)パラメトリック変動性スクリーニングは、ダイの集団に関するダイ解析計量データ(ボックス510)を生成することによってダイレベルスクリーニング(ボックス508)を提供してもよい(例えば、ステップ202)。ダイ解析計量データのサブセットに基づいてスクリーニングデータを生成し(例えば、ステップ204)、スクリーニングデータの変動性に基づいてダイの集団をスクリーニングする(ステップ206)。さらに、方法200は、ダイレベルスクリーニング(ボックス508)が集約されたダイレベルスクリーニングに対応し得るように、異なる技法を使用して実装され得、本明細書で以前に説明されたように集約されるか、または別様に組み合わせられ得る。
加えて、図5に示されるように、従来の計量技術(ボックス502)は、様々な方法でパラメトリック変動性スクリーニング(方法200)と相互作用し得る。一実施形態では、従来の計量(ボックス502)を使用して、パラメトリック変動性スクリーニング(方法200)を較正する(矢印512)。例えば、従来の計量(ボックス502)を使用して、方法200で生成されたプロセスパラメータの測定値を較正することができる。別の実施形態では、パラメトリック変動性スクリーニング(方法200)を使用して、ダイ解析計量データにおいて提供される増加した分解能に基づいて、従来の計量測定値(ボックス506)の補間を容易にし、支援し、または較正することができる(矢印514)。別の実施形態では、2つの技法をハイブリッド技法として並列に利用することができる(矢印516)。
別の実施形態では、本明細書に開示されるパラメトリック変動性スクリーニングは、制御システムにおける製作プロセスのフィードフォワードまたはフィードサイドウェイ制御を提供するために使用される。例えば、試料の様々なターゲット又は領域に関連付けられたダイ解析計量データ(例えば、計量パッド、ユニフォームメモリアレイ等である)を利用して、他の従来の計量測定を支援又は改善することができる。非限定的な例として、試料上のブランクフィルムパッドに関連付けられたダイ解析計量データを使用して、その層の厚さまたは組成情報を生成することができ、次いでこれを均一なCDアレイで使用して、より良好なCD測定値を提供することができ、次いでこれをオーバーレイ感応領域で使用して、曖昧さを低減することができる。
本明細書で説明される主題は、場合によっては、他の構成要素内に含まれる、または他の構成要素と接続される、異なる構成要素を図示する。そのような描写されたアーキテクチャは、単なる例示であり、実際には、同じ機能性を達成する多くの他のアーキテクチャが実装され得ることを理解されたい。概念的な意味では、同じ機能を達成するための構成要素の任意の配置は、所望の機能が達成されるように効果的に「関連付けられる」。したがって、特定の機能を達成するために組み合わされた本明細書の任意の2つの構成要素は、アーキテクチャまたは中間構成要素にかかわらず、所望の機能が達成されるように互いに「関連付けられる」と見なすことができる。同様に、そのように関連付けられた任意の2つの構成要素はまた、所望の機能性を達成するために、相互に「接続」または「結合」されていると見なされることができ、そのように関連付けられることが可能な任意の2つの構成要素はまた、所望の機能性を達成するために、相互に「結合可能」であると見なされることができる。結合可能な特定の例は、物理的に相互作用可能な及び/又は物理的に相互作用するコンポーネント及び/又は無線で相互作用可能な及び/又は無線で相互作用するコンポーネント及び/又は論理的に相互作用可能な及び/又は論理的に相互作用するコンポーネントを含むが、これらに限定されない。
本開示およびその付随する利点の多くは、前述の説明によって理解されるであろうと考えられ、開示される主題から逸脱することなく、またはその物質的利点の全てを犠牲にすることなく、構成要素の形態、構造、および配置において種々の変更が行われ得ることが明白となるであろう。説明される形態は単なる説明であり、そのような変更を包含し、含むことが以下の特許請求の範囲の意図である。さらに、本発明は添付の特許請求の範囲によって定義されることを理解されたい。
Claims (45)
- ダイスクリーニングシステムであって、
1つ以上のインライン計量ツールに通信可能に結合されたコントローラであって、前記コントローラは、プログラム命令を実行するように構成された1つ以上のプロセッサを含む、コントローラを含み、
前記1つ以上のプロセッサは、前記プログラム命令を実行することで、
1つ以上の製作ステップの後に、前記1つ以上のインライン計量ツールからの1つ以上の試料上の複数のダイに関するダイ解析計量データを受信し、前記ダイ解析計量データは、前記1つ以上のインライン計量ツールの1つ以上の測定構成を使用して生成された1つ以上の画像を含み、前記ダイ解析計量データは、複数のダイのうちのダイごとに複数の測定チャネルを提供し、前記複数の測定チャネルのうちの特定の測定チャネルは、1つ以上の画像の特定の画像における特定のピクセルからのデータを含み、
前記ダイ解析計量データから複数のダイのスクリーニングデータを生成し、前記スクリーニングデータは、前記ダイ解析計量データの複数の測定チャネルのサブセットを含み、前記スクリーニングデータ内の複数の測定チャネルのサブセットは、1つ以上の試料の製作に関連するプロセス変動に敏感であり、
前記スクリーニングデータの変動性に基づいて、複数のダイを2つ以上の配置クラスにスクリーニングし、2つ以上の配置クラスは、少なくともパスダイのセットおよび異常値ダイのセットを含む、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
さらに、
追加の試験またはサプライチェーンからの除去のうちの少なくとも1つのために異常値ダイのセットを配置する、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記1つ以上のインライン計量ツールの少なくとも1つは、
撮像反射率計を含む、
ダイスクリーニングシステム。 - 請求項3に記載のダイスクリーニングシステムであって、
前記撮像反射率計は、
異なる測定パラメータを提供する2つ以上の測定チャネルを含むマルチチャネル撮像反射率計であって、前記ダイ解析計量データが、前記2つ以上の測定チャネルのうちの少なくとも2つに関連する2つ以上の反射率測定画像を含む、
ダイスクリーニングシステム。 - 請求項4に記載のダイスクリーニングシステムであって、
前記2つ以上の測定チャネルの少なくとも1つは明視野画像を含む、
ダイスクリーニングシステム。 - 請求項4に記載のダイスクリーニングシステムであって、
前記2つ以上の測定チャネルのうちの少なくとも1つは、暗視野画像を含む、
ダイスクリーニングシステム。 - 請求項4に記載のダイスクリーニングシステムであって、
前記1つ以上の測定構成は、照明波長、照明偏光、照明入射角、集光偏光、または集光角のうちの少なくとも1つを含む、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記1つ以上のインライン計量ツールは、ハイパースペクトル撮像ツールまたはX線タイコグラフィツールのうちの少なくとも1つを含む,
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
前記1つ以上の試料の製作に関連するプロセス変動に対する既知のまたは予想される変動のうちの少なくとも1つを提供する、ダイ解析された計量データの複数の測定チャネルのサブセットを選択する。
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
特定の関心位置または関心領域に関連付けられた前記ダイ解析計量データの複数の測定チャネルのサブセットを選択する、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
既知のプロセス変動を有するダイを用いてプロセス実験デザイン(DOE)を実行し、
前記実験デザインに基づいて複数の測定チャネルのサブセットを選択する、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
前記ダイ解析された計量データをダウンサンプリングして、前記複数のダイのうちのダイごとに選択された数の測定チャネルを提供する、
ダイスクリーニングシステム。 - 請求項9に記載のダイスクリーニングシステムであって、
前記ダイ解析計量データをダウンサンプリングして、複数のダイのうちのダイごとに選択された数の測定チャネルを提供するステップは、前記ダイ解析計量データをダウンサンプリングして、複数のダイのうちのダイごとの単一の測定位置に関連付けられた1つ以上の測定チャネルを含む、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記スクリーニングデータの変動性に基づいて、前記複数のダイを2つ以上の配置クラスにスクリーニングすることは、
前記スクリーニングデータの経験的傾向に基づいて、前記複数のダイを2つ以上の配置クラスにスクリーニングする、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記スクリーニングデータの変動性に基づいて、前記複数のダイを2つ以上の配置クラスにスクリーニングすることは、前記スクリーニングデータに基づいて、前記1つ以上のプロセスパラメータの測定値を決定し、前記1つ以上のプロセスパラメータの測定値に基づいてダイをスクリーニングする、
ダイスクリーニングシステム。 - 請求項15に記載のダイスクリーニングシステムであって、
前記1つ以上のプロセスパラメータは、
臨界寸法測定値、オーバーレイ測定値、側壁角測定値、フィーチャ高さ測定値、膜組成測定値、膜厚測定値、膜均一性測定値、膜屈折率測定値、リソグラフィ露光中の焦点位置、リソグラフィ露光に関連する線量、または化学機械平坦化時間のうちの少なくとも1つを含む、
ダイスクリーニングシステム。 - 請求項15に記載のダイスクリーニングシステムであって、
前記スクリーニングデータに基づいて1つ以上のプロセスパラメータの測定値を決定するステップは、
前記1つ以上のプロセスパラメータの測定値を、前記1つ以上のプロセスパラメータを前記スクリーニングデータに関連付けるモデルに基づく前記スクリーニングデータに基づいて決定することを含む、
ダイスクリーニングシステム。 - 請求項17に記載のダイスクリーニングシステムであって、
厳密結合波解析(RCWA)または有限要素法(FEM)モデルの少なくとも1つを含む、
ダイスクリーニングシステム。 - 請求項15に記載のダイスクリーニングシステムであって、
前記スクリーニングデータに基づいて1つ以上のプロセスパラメータの測定値を決定するステップは、
機械学習モデルに基づく前記スクリーニングデータに基づいて、前記1つ以上のプロセスパラメータの測定値を決定することを含む、
ダイスクリーニングシステム。 - 請求項19に記載のダイスクリーニングシステムであって、
前記機械学習モデルは、
ニューラルネットワークモデル、深層学習モデル、または信号応答計量モデルのうちの少なくとも1つを含む、
ダイスクリーニングシステム。 - 請求項15に記載のダイスクリーニングシステムであって、
機械学習モデルに基づく前記スクリーニングデータに基づいて前記1つ以上のプロセスパラメータの測定値を決定するステップは、
前記実験デザインとして、前記1つ以上のプロセスパラメータの既知の値を用い1つ以上のトレーニング試料を作製し、
撮像反射率計を用いて前記1つ以上のトレーニング試料のトレーニングダイ解析計量データを生成し、
前記機械学習モデルを、前記1つ以上のプロセスパラメータの既知の値および前記トレーニングダイ解析計量データでトレーニングし、
前記スクリーニングデータを用いて、トレーニングされた機械学習モデルを用いて前記1つ以上のプロセスパラメータの測定値を生成する。
ダイスクリーニングシステム。 - 請求項15に記載のダイスクリーニングシステムであって、
前記1つ以上のプロセッサは、プログラム命令を実行することで、
前記1つ以上のプロセスパラメータの測定値に基づいて、異常値ダイのセットの前記スクリーニングデータの変動に関連する根本原因を決定する、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
前記1つ以上の試料の製作に関連するプロセス変動に対して変動性を示す複数の測定チャネルのサブセットを前記スクリーニングデータとして選択するために、複数の測定チャネルに対してディメンジョン低減を実行する、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記スクリーニングデータの変動性に基づいて、前記複数のダイを2つ以上の配置クラスにスクリーニングすることは、
機械学習モデルを用いて、前記スクリーニングデータの変動性に基づいて、前記複数のダイを2つ以上の配置クラスにスクリーニングする、
ダイスクリーニングシステム。 - 請求項24に記載のダイスクリーニングシステムであって、
前記機械学習モデルは、
教師なし機械学習モデルを含む、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記1つ以上のプロセッサは、プログラム命令を実行することで、
1つ以上の追加のスクリーニング技術を用いて生成された複数のダイに関連付けられた1つ以上の追加のセットの異常値ダイを用いて、セットの異常値ダイを、異常値ダイの集約されたセットとして集約し、
追加の試験またはサプライチェーンからの除去の少なくとも1つのために、異常値ダイのセットを配置する、
ダイスクリーニングシステム。 - 請求項26に記載のダイスクリーニングシステムであって、
前記1つ以上の追加のスクリーニング技術は、電気スクリーニング技術またはインライン部品平均試験(I-PAT)スクリーニング技術の少なくとも1つを含む、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記1つ以上のプロセッサは、プログラム命令を実行することで、
異常値ダイのセットの少なくともいくつかに対して1つ以上の追加の計量測定を実行し、前記1つ以上の追加の計量測定に基づいて、異常値ダイのセットのうちの少なくともいくつかの欠陥の根本原因を決定する、
ダイスクリーニングシステム。 - 請求項1に記載のダイスクリーニングシステムであって、
前記1つ以上のプロセッサは、プログラム命令を実行することで、
フィードバック、フィードフォワード、またはフィードサイドウェイ制御プロセスのうちの少なくとも1つを使用して、前記複数のダイの変動性に基づいて、1つ以上の追加のダイの1つ以上の層を処理するための1つ以上の製作ツールを調整する、
ダイスクリーニングシステム。 - ダイスクリーニングシステムであって、
1つ以上のインライン計量ツールと、
1つ以上のインライン計量ツールに通信可能に結合され、プログラム命令を実行するように構成された1つ以上のプロセッサを含む、コントローラと、
を含み、
前記1つ以上のプロセッサは、前記プログラム命令を実行することで、
1つ以上の製作ステップの後に、1つ以上のインライン計量ツールからの1つ以上の試料上の複数のダイに関するダイ解析計量データを受信し、前記ダイ解析計量データは、1つ以上のインライン計量ツールの1つ以上の測定構成を使用して生成された1つ以上の画像を含み、前記ダイ解析計量データは、前記複数のダイのうちのダイごとに複数の測定チャネルを提供し、前記複数の測定チャネルのうちの特定の測定チャネルは、1つ以上の画像の特定の画像の特定のピクセルからのデータを含み、
前記ダイ解析計量データから複数のダイのスクリーニングデータを生成し、前記スクリーニングデータは、前記ダイ解析計量データの複数の測定チャネルのサブセットを含み、前記スクリーニングデータ内の複数の測定チャネルのサブセットは、前記1つ以上の試料の製作に関連するプロセス変動に敏感であり、
前記スクリーニングデータの変動性に基づいて、前記複数のダイを2つ以上の配置クラスにスクリーニングし、前記2つ以上の配置クラスは、少なくともパスダイのセットおよび異常値ダイのセットを含む、
ダイスクリーニングシステム。 - 請求項30に記載のダイスクリーニングシステムであって、
前記1つ以上のインライン計量ツールは、撮像反射率計、ハイパースペクトル撮像ツール、またはX線タイコグラフィツールのうちの少なくとも1つを含む、
ダイスクリーニングシステム。 - ダイスクリーニング方法であって、
1つ以上の製作ステップの後に、1つ以上のインライン計量ツールからの1つ以上の試料上の複数のダイについてのダイ解析計量データを生成するステップであって、前記ダイ解析計量データは、前記1つ以上のインライン計量ツールの1つ以上の測定構成を使用して生成された1つ以上の画像を含み、前記ダイ解析計量データは、前記複数のダイのうちのダイごとに複数の測定チャネルを提供し、前記複数の測定チャネルのうちの特定の測定チャネルは、前記1つ以上の画像の特定の画像の特定のピクセルからのデータを含む、ステップと、
前記ダイ解析計量データから複数のダイのスクリーニングデータを生成するステップであって、前記スクリーニングデータは、前記ダイ解析計量データの複数の測定チャネルのサブセットを含み、前記スクリーニングデータ内の前記複数の測定チャネルのサブセットは、1つ以上の試料の製作に関連するプロセス変動に敏感であるステップと、
前記スクリーニングデータの変動性に基づいて、前記複数のダイを2つ以上の配置クラスにスクリーニングするステップであって、前記2つ以上の配置クラスは、少なくともパスダイのセットおよび異常値ダイのセットを含む、ステップと、
を含む、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
追加の試験またはサプライチェーンからの除去の少なくとも1つのために異常値ダイのセットを配置することをさらに含む、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
前記ダイ解析計量データから前記複数のダイの前記スクリーニングデータを生成するステップは、
前記ダイ解析計量データの複数の測定チャネルのサブセットを選択することにより、前記1つ以上の試料の製作に関連するプロセス変動に対する既知のまたは予想される変動のうちの少なくとも1つが提供する、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
特定の関心位置または関心領域に関連付けられた前記ダイ解析計量データの複数の測定チャネルのサブセットを選択すること、
含む、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
既知のプロセス変動を有するダイを用いてプロセスの実験デザイン(DOE)を実行し、前記実験デザインに基づいて複数の測定チャネルのサブセットを選択することを含む、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
前記ダイ解析計量データをダウンサンプリングして、前記複数のダイのうちのダイごとに選択された数の測定チャネルを提供することを含む、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
前記スクリーニングデータの変動性に基づいて複数のダイを2つ以上の配置クラスにスクリーニングすることは、
前記スクリーニングデータに基づいて1つ以上のプロセスパラメータの測定値を決定するステップと、
1つ以上のプロセスパラメータの測定値に基づいてダイをスクリーニングするステップと、
を含む、
ダイスクリーニング方法。 - 請求項38に記載のダイスクリーニング方法であって、
前記スクリーニングデータに基づいて1つ以上のプロセスパラメータの測定値を決定するステップは、
前記1つ以上のプロセスパラメータの測定値を、1つ以上のプロセスパラメータを前記スクリーニングデータに関連付けるモデルに基づく前記スクリーニングデータに基づいて決定するステップを含む、
ダイスクリーニング方法。 - 請求項38に記載のダイスクリーニング方法であって、
前記スクリーニングデータに基づいて1つ以上のプロセスパラメータの測定値を決定するステップは、
機械学習モデルに基づく前記スクリーニングデータに基づいて1つ以上のプロセスパラメータの測定値を決定することを含む、
ダイスクリーニング方法。 - 請求項40に記載のダイスクリーニング方法であって、
機械学習モデルに基づく前記スクリーニングデータに基づいて1つ以上のプロセスパラメータの測定値を決定するステップは、
前記実験デザインとして、1つ以上のプロセスパラメータの既知の値を有する1つ以上のトレーニング試料を製作するステップと、
撮像反射率計を用いて1つ以上のトレーニング試料のトレーニングダイ解析計量データを生成するステップと、
前記機械学習モデルを、前記1つ以上のプロセスパラメータの既知の値および前記トレーニングダイ解析計量データでトレーニングするステップと、
前記スクリーニングデータを用いて、トレーニングされた機械学習モデルを用いて1つ以上のプロセスパラメータの測定値を生成するステップと、
を含む、
ダイスクリーニング方法。 - 請求項38に記載のダイスクリーニング方法であって、
前記1つ以上のプロセッサは、プログラム命令を実行することで、
前記1つ以上のプロセスパラメータの測定値に基づいて、異常値ダイのセットの前記スクリーニングデータの変動に関連する根本原因を決定する、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
前記ダイ解析計量データから複数のダイの前記スクリーニングデータを生成するステップは、
前記スクリーニングデータとして、1つ以上の試料の製作に関連するプロセス変動に対して変動性を示す複数の測定チャネルのサブセットを選択するために、複数の測定チャネルに対してディメンジョン低減を実行することを含む、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
前記スクリーニングデータの変動性に基づいて複数のダイを2つ以上の配置クラスにスクリーニングすることは、
機械学習モデルを使用して、前記スクリーニングデータの変動性に基づいて、複数のダイを2つ以上の配置クラスにスクリーニングすることを含む、
ダイスクリーニング方法。 - 請求項32に記載のダイスクリーニング方法であって、
さらに、
異常値ダイのセットを、異常値ダイの集約されたセットとして1つ以上の追加のスクリーニング技法を使用して生成された複数のダイに関連する異常値ダイの1つ以上の追加のセットと集約するステップと、
追加の試験またはサプライチェーンからの除去の少なくとも1つのために、異常値ダイのセットを配置するステップと、
を含む、
ダイスクリーニング方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163165155P | 2021-03-24 | 2021-03-24 | |
US63/165,155 | 2021-03-24 | ||
US17/339,531 | 2021-06-04 | ||
US17/339,531 US20220307990A1 (en) | 2021-03-24 | 2021-06-04 | Imaging reflectometry for inline screening |
PCT/US2022/019057 WO2022203839A1 (en) | 2021-03-24 | 2022-03-06 | Imaging reflectometry for inline screening |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024511008A true JP2024511008A (ja) | 2024-03-12 |
Family
ID=83363293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023556570A Pending JP2024511008A (ja) | 2021-03-24 | 2022-03-06 | ダイスクリーニングシステムおよび方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20220307990A1 (ja) |
EP (1) | EP4285112A1 (ja) |
JP (1) | JP2024511008A (ja) |
KR (1) | KR20230160234A (ja) |
CN (1) | CN117043586A (ja) |
IL (1) | IL304708A (ja) |
TW (1) | TW202303126A (ja) |
WO (1) | WO2022203839A1 (ja) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7315642B2 (en) * | 2004-02-12 | 2008-01-01 | Applied Materials, Israel, Ltd. | System and method for measuring thin film thickness variations and for compensating for the variations |
TWI365504B (en) * | 2008-12-31 | 2012-06-01 | Die defect inspecting system for inspecting the defect of a back surface of a die and method for using the same | |
US9098893B2 (en) * | 2011-12-21 | 2015-08-04 | Applied Materials Israel, Ltd. | System, method and computer program product for classification within inspection images |
WO2014149197A1 (en) * | 2013-02-01 | 2014-09-25 | Kla-Tencor Corporation | Detecting defects on a wafer using defect-specific and multi-channel information |
US10502549B2 (en) * | 2015-03-24 | 2019-12-10 | Kla-Tencor Corporation | Model-based single parameter measurement |
US10365617B2 (en) * | 2016-12-12 | 2019-07-30 | Dmo Systems Limited | Auto defect screening using adaptive machine learning in semiconductor device manufacturing flow |
US10761128B2 (en) * | 2017-03-23 | 2020-09-01 | Kla-Tencor Corporation | Methods and systems for inline parts average testing and latent reliability defect detection |
TWI755453B (zh) * | 2017-05-18 | 2022-02-21 | 美商克萊譚克公司 | 鑑定一光微影光罩合格性之方法及系統 |
US10401738B2 (en) * | 2017-08-02 | 2019-09-03 | Kla-Tencor Corporation | Overlay metrology using multiple parameter configurations |
US10699926B2 (en) * | 2017-08-30 | 2020-06-30 | Kla-Tencor Corp. | Identifying nuisances and defects of interest in defects detected on a wafer |
-
2021
- 2021-06-04 US US17/339,531 patent/US20220307990A1/en active Pending
-
2022
- 2022-03-02 TW TW111107449A patent/TW202303126A/zh unknown
- 2022-03-06 KR KR1020237028506A patent/KR20230160234A/ko unknown
- 2022-03-06 CN CN202280018946.3A patent/CN117043586A/zh active Pending
- 2022-03-06 EP EP22776304.2A patent/EP4285112A1/en active Pending
- 2022-03-06 JP JP2023556570A patent/JP2024511008A/ja active Pending
- 2022-03-06 WO PCT/US2022/019057 patent/WO2022203839A1/en active Application Filing
-
2023
- 2023-07-25 IL IL304708A patent/IL304708A/en unknown
Also Published As
Publication number | Publication date |
---|---|
CN117043586A (zh) | 2023-11-10 |
TW202303126A (zh) | 2023-01-16 |
EP4285112A1 (en) | 2023-12-06 |
WO2022203839A1 (en) | 2022-09-29 |
KR20230160234A (ko) | 2023-11-23 |
US20220307990A1 (en) | 2022-09-29 |
IL304708A (en) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108463874B (zh) | 基于图像的样品过程控制 | |
JP4906078B2 (ja) | レティクル設計パターン内の欠陥を検出するための方法および装置 | |
JP6719462B2 (ja) | プロセスウィンドウキャラクタライゼーションのための仮想検査システム | |
JP3922885B2 (ja) | 表面の位相的特徴を解析する方法および評価装置 | |
US10067072B2 (en) | Methods and apparatus for speckle suppression in laser dark-field systems | |
TWI797382B (zh) | 在極端紫外光光罩上所檢測到之缺陷處理 | |
KR101324419B1 (ko) | 웨이퍼의 특성을 결정하기 위한 방법 및 시스템 | |
JP3654630B2 (ja) | 半導体製造での微細構造表面の製造プロセスを光学的にコントロールする方法および装置 | |
US10359371B2 (en) | Determining one or more characteristics of a pattern of interest on a specimen | |
US11340060B2 (en) | Automatic recipe optimization for overlay metrology system | |
US9702827B1 (en) | Optical mode analysis with design-based care areas | |
TW201909303A (zh) | 用於高效處理窗口探索之混合檢測系統 | |
CN114096832A (zh) | 用于选择用于样本检验的缺陷检测方法的系统和方法 | |
JP2024511008A (ja) | ダイスクリーニングシステムおよび方法 | |
CN114641726B (zh) | 集成式多工具光罩检验 | |
US7457454B1 (en) | Detailed grey scale inspection method and apparatus | |
US11940391B2 (en) | Defect inspection apparatus, method for inspecting defect, and method for manufacturing photomask blank | |
TWI840634B (zh) | 網線檢查系統 | |
CN117980729A (zh) | 多模式光学检验 |