JP5662146B2 - 半導体デバイス特徴の抽出、生成、視覚化、ならびに監視方法 - Google Patents

半導体デバイス特徴の抽出、生成、視覚化、ならびに監視方法 Download PDF

Info

Publication number
JP5662146B2
JP5662146B2 JP2010520152A JP2010520152A JP5662146B2 JP 5662146 B2 JP5662146 B2 JP 5662146B2 JP 2010520152 A JP2010520152 A JP 2010520152A JP 2010520152 A JP2010520152 A JP 2010520152A JP 5662146 B2 JP5662146 B2 JP 5662146B2
Authority
JP
Japan
Prior art keywords
sample
individual
die
features
individual regions
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.)
Active
Application number
JP2010520152A
Other languages
English (en)
Other versions
JP2010535430A (ja
JP2010535430A5 (ja
Inventor
クルカーニ・アショック
チェン・チエン−フエイ（アダム）
キャンポチアロ・セシリア
ワリングフォード・リチャード
チャン・ヤング
ダフィー・ブライアン
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.)
KLA Corp
Original Assignee
KLA Tencor Corp
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 KLA Tencor Corp filed Critical KLA Tencor Corp
Publication of JP2010535430A publication Critical patent/JP2010535430A/ja
Publication of JP2010535430A5 publication Critical patent/JP2010535430A5/ja
Application granted granted Critical
Publication of JP5662146B2 publication Critical patent/JP5662146B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Description

本発明は、一般に、試料の特徴を監視する方法、そしてシステムに関する。特定の実施例は、個々の領域内の個々の画素の特性を用いて、試料上の個々の領域の特性を決定し、個々の領域の特性に基づき、試料の特徴を監視することに関する。
以下の記述と例は先行技術の全てを包括するものでは無い。
論理素子もしくはメモリ素子などの半導体素子の製造は、一般に、半導体ウエハーなどの検査サンプルを数多くの半導体製造プロセスを用いて処理し、半導体素子の多様な特徴と多様性を付与することを含む。例えば、リソグラフィーは、通常、半導体ウエハー上のレジストにパターンを転写することを含む半導体製造プロセスである。更なる他の半導体製造プロセスとしては、以下に限定されるものではないが、化学機械研磨、エッチング、成膜、イオン注入などがある。複数の半導体素子はウエハー上に配列された形態で製造され、その後、個々の半導体素子に分離され得る。
監視プロセスは、製造プロセス中のより良い収率、そしてそれ故、より高い利潤を得ることを目的として、ウエハー上の欠陥を検出するため半導体製造プロセス中の様々なステップで使用される。検査は、常に集積回路などの半導体製造の重要な部分であり続けてきた。しかしながら、半導体デバイスの寸法が縮小するに伴い、より小さな欠陥はデバイスの誤動作につながるため、検査は、仕様を満たした半導体デバイスの良好な製造にとってより重要となる。例えば、比較的小さな欠陥が半導体デバイスの好ましくない異常につながる場合があり、より小さな欠陥の検出が、より必要となってきている。
多様な種類の検査ツールが、半導体ウエハーの検査向けに開発されている。検査ツールは、一般に、検査するように設計された試料の種類に応じて分類可能である。例えば、検査ツールのカテゴリーは、一般に、パターン化されてない半導体ウエハーの検査のために設計されたものである。これらのツールは、パターン化されてないウエハーの検査向けに最適化されたものであるため、幾つかの理由により、パターン化されたウエハーを検査することは通常不可能である。例えば、パターン化されてない半導体ウエハー向け検査ツールの多くは、レンズにより収集される全ての光に対応する単一の出力信号を生成する単一の検出器へ、レンズ或いは他のコレクターにより収集された光の全てが指向されるように設定される。従って、パターン化されたウエハーのパターン、または特徴から散乱された光は、他の散乱光と組み合わされる。このように、単一の検出器は飽和する場合があり、結果として、欠陥検知に関して解析可能な信号を提供しない場合がある。更に、たとえ単一の検出器が飽和しない場合であっても、ウエハー上のパターン、または他の特徴から散乱された光を他の散乱光から分離することは不可能であるため、他の散乱光に基づく欠陥検出は、妨げられるか、そうでない場合には困難なものとなる。
パターン化された半導体ウエハー検査は、プロセスされた半導体ウエハーは通常その上にパターン化された特徴を通常有するため、半導体業界にとって特に興味深く重要である。プロセス・ツールを通過したパターン化されてないウエハーまたは「監視ウエハー」の検査は、パターン化されたウエハーまたは「製品ウエハー」上で見出され得る欠陥の数と種類の尺度として使用可能であるが、監視ウエハー上で検出された欠陥は、プロセス・ツール内で同じプロセスの後にパターン化されたウエハー上で検知される欠陥を必ずしも常に正確に反映するものではない。それ故、係るプロセス後のパターン化されたウエハーの検査は、プロセス中に、或いはプロセスの結果として、ウエハー上に形成されたかもしれない欠陥を正確に検出するために重要である。
パターン化された半導体ウエハーの検査に関して、多くの検査ツールが開発されている。例えば、Wells等に授与された米国特許5,355,212号は、パターン化されたウエハーの検査に関するプロセスを開示し、これはここに詳述された参照文献として取り扱われる。係るプロセスに於いて、散乱された光は検出され、データを生成し、表面上の周期的に繰り返される複数のダイより単一のダイ・マップへ特徴をマッピングし、重複する特徴を除去することにより、周期的に繰り返されるパターン化された特徴がデータから除去される。固有で重複しない特徴は、粒子と欠陥に対応すると決定される。他の例に於いて、Stonesstrom等に授与された米国特許4,898,471号は、パターン化されたウエハーまたは類似物上での粒子の検出を開示する。係る粒子の検出に於いて、光収集システムは表面からの散乱光を収集し、検出器は、収集された散乱光の強度に対応する電気信号を生成する。プロセッサは個々のダイに対応する電気信号よりテンプレートを構築し、テンプレートを比較することで粒子を同定する。隣接するダイ間で比較が実施されるようにレファレンス・テンプレートは絶え間なく更新される。一実施態様に於いて、テンプレートは、信号が閾値を超える重ね合わされた位置により構成され、対応する位置間での比較が実施され、周期的に繰り返される特徴は除去され、粒子を示す位置のみが示される。
プロセスを監視し、制御するために、半導体製造プロセスの様々な段階で、計測プロセスが使用される。欠陥がウエハー上で検出される検査プロセスとは異なり、計測プロセスは、現状で使用される検査ツールでは決定できないウエハーの一つまたは複数の特徴を測定するために使用されるという点に於いて、計測プロセスは、検査プロセスとは異なる。例えば、計測プロセスは、プロセスの最中にウエハー上に形成された特徴の寸法など（例えば、線幅、厚さなど）のウエハーのひとつまたは複数の特徴を測定するために使用され、一つまたは複数の特徴よりプロセスのパフォーマンスが決定できる。更に、ウエハーの一つまたは複数の特徴を容認できない場合（例えば、特徴が予め設定された範囲の外側にある場合）、ウエハーの一つまたは複数の特徴の測定は、プロセスにより更に製造されるウエハーが許容できる特徴を有するように、プロセスの一つまたは複数のパラメタを変更するために使用可能である。
しかしながら、プロセス監視と制御アプリケーションに、ウエハーの一つまたは複数の特徴を測定する計測プロセスとツールを用いることには幾つかの不都合がある。例えば、多くの計測ツールは比較的遅く、検査システムに比較した場合、その遅さは特に顕著である。従って、計測プロセスは、ウエハー上の一箇所または比較的限られた箇所でしばし実施され、どちらかといえば一時しのぎの方法として計測の結果が収集される場合がある。しかしながら、半導体デバイス製造に用いられる多くのプロセスは、ウエハー表面に亘り変化する特徴を有するウエハーを製造する。このように、ウエハー上の一箇所または限られた箇所に於いて実施される計測測定を用いることは、プロセスが正確に監視され制御されるように、ウエハーの特徴に関する十分な情報を提供しない場合がある。更に、インライン監視と制御アプリケーションに関して、特徴を測定する計測ツールをウエハーに亘り使用することは、係る測定の実施に必要な時間的制約より、実施不可能である。特に、表面粗さ、抵抗率、膜厚などに関する現在使用可能な計測ツールにより実施される計測測定は、測定が、製造のサイクル・タイムに影響を与える（即ち、増加）ため、インライン監視に関するウエハーの高頻度サンプリングには不適切である。
従って、検査システムにより生成される出力を用いて試料の特徴を監視することに、そして系統的なプロセスの問題ならびに試料の欠陥を同定することに使用可能な方法、キャリア・メディア、そしてシステムの開発が望まれる。
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態又は適用例として実現することが可能である。
以下に記される様々な検査システムと方法の様々な実施態様は、本発明に係る請求項をいかなる条件に於いても制約するものでは無い。一般に、ここに記載される幾つかの実施態様は、半導体デバイスの特性抽出、生成、視覚化、ならびに監視方法に関する。
一実施態様は、試料の特徴を監視するためのコンピュータ実施方法に関する。本方法は、検査システムを用いて、試料を検査することにより生成される出力を用いて、試料上の個々の画素の特性を決定することを含む。また本方法は、個々の領域内の個々の画素の特性を用いて、試料上の個々の領域の特徴を決定することを含む。更に本方法は、個々の領域の特徴に基づき試料の特徴を監視することを含む。
一実施態様に於いて、個々の領域のそれぞれは、個々の画素の一つの領域よりも大きく、試料の領域よりも小さい領域を有する。他の実施態様に於いて、個々の領域は長方形の形状を有し、個々の領域は試料上に2次元のグリッドを形成する。幾つかの実施態様に於いて、試料はパターン化されたウエハーを含む。
一実施態様に於いて、本方法は、固有な特徴を有する一つまたは複数の個々の領域を同定することを含む。他の実施態様に於いて、本方法は、計測に関して固有な特徴を有する一つまたは複数の個々の領域を選択することを含む。追加の実施態様に於いて、本方法は、固有な特徴を有する一つまたは複数の個々の領域に対応する試料上の一つまたは複数の位置を決定することと、そして一つまたは複数の位置で一つまたは複数の測定を実施するために使用可能な一つまたは複数の位置に関する情報を生成することを含む。
一実施態様に於いて、試料の特徴は、個々の領域の特徴内の試料-レベルの特徴を含む。他の実施態様に於いて、試料の特徴が、個々の領域の特徴内のダイ-レベルの特徴を含む。幾つかの実施態様に於いて、本方法は、個々の領域の特徴に基づき潜在的なプロセス問題を決定することと、潜在的なプロセス問題を示す出力を生成することを含む。更なる実施態様に於いて、本方法は、監視の実施中に、出力を用いて試料上の欠陥を検出することを含む。
一実施態様に於いて、個々の領域のそれぞれの特徴を決定するために使用される個々の画素の特性は、個々の領域のそれぞれの内の全ての個々の画素の特性を含む。他の実施態様に於いて、個々の領域の特徴は、個々の領域内の個々の画素の特性の統計を含む。追加の実施態様に於いて、個々の領域の特徴は、個々の領域内の個々の画素の特性の分布を含む。更なる実施態様に於いて、個々の領域の特徴は、個々の領域内の個々の画素の特性の分布の特性を含む。幾つかの実施態様に於いて、個々の領域の特徴は、個々の領域内の個々の画素の特性の分布の特性、ならびに分布の特性に対応する位置を含む。
一実施態様に於いて、個々の領域の一部分は試料上のダイに対応する。係る一実施態様に於いて、本方法は、試料上の異なるダイに対応する個々の領域の異なる一部分へ、個々の領域の部分を配列させることを含む。他の係る一実施態様に於いて、本方法は、レファレンス・ダイへ、個々の領域の部分を配列させること含む。幾つかの実施態様に於いて、個々の領域の異なる部分は試料上の異なるダイに対応し、本方法は、共通のレファレンス・グリッドへ、異なる部分を配列させること含む。更なる実施態様に於いて、個々の画素の特性は、ダイ内の同じ位置に於いて、試料上の隣接するダイ内に位置する個々の画素の特性間の差分を含む。係る一実施態様に於いて、個々の領域の特徴は、個々の領域の範囲内で個々の画素の差分の分布を含む。
一実施態様に於いて、個々の画素の特徴を決定することは、個々の画素に関連した設計コンテクストに基づき個々のグループへ画素を分離することを含む。係る一実施態様に於いて、個々の領域の特徴は、グループの特徴を含む。
幾つかの実施態様に於いて、本方法は、個々の領域の一つに亘る位置の関数として、個々の領域の一つに対応する個々の画素のそれぞれの特性を示す出力を生成することを含む。他の実施態様に於いて、本方法は、個々の画素の特性を閾値に比較することと、閾値よりも大きな特性を有する試料上の個々の画素ならびに閾値よりも小さな特性を有する試料上の個々の画素を示す出力を生成することを含む。
一実施態様に於いて、試料の特徴は、試料に亘る位置の関数として個々の領域の特徴を含む。係る一実施態様に於いて、監視することは、試料とレファレンスの特徴間で類似点を決定することを含む。他の実施態様に於いて、試料の特徴は、試料上の少なくとも一つの追加のダイに対応する個々の領域の特徴と組み合わされた、試料上の少なくとも一つのダイに対応する個々の領域の特徴を含む。係る一実施態様に於いて、試料の特徴を監視することは、組み合わされた特徴とレファレンス間で類似点を決定すること含む。
一実施態様に於いて、試料の特徴を監視することは、一つまたは複数の制御限界に試料の特徴を比較することにより、試料-試料ベースまたはロット-ロット・ベースで試料の特徴を監視することを含む。他の実施態様に於いて、試料の特徴を監視することは、一つまたは複数の制御限界に試料の特徴を比較することと、試料の特徴が一つまたは複数の制御限界を超える試料の位置を決定することを含む。係る一実施態様に於いて、本方法は位置で一つまたは複数の測定を実施するために使用可能な位置に関する情報を生成することを含む。
一実施態様に於いて、本方法は、試料上の複数のダイの内部で個々の画素の特性が相関しているかを決定することを含む。他の実施態様に於いて、本方法は、試料上で潜在的にシステマティック欠陥を誘発する機構の位置として、個々の画素の特徴が相関づけられる試料上の複数のダイの部分を同定することを含む。追加の実施態様に於いて、本方法は、異なる設計コンテクストを有する試料上のダイの異なる部分を同定することと、同じ設計コンテクストを有する異なる部分の内部で個々の画素の特性が相関しているかを決定することを含む。係る一実施態様に於いて、また本方法は、相関している特性を有する異なる部分を示す出力を生成することを含む。
一実施態様に於いて、試料の特徴を監視することは、試料上の複数のダイの内部で個々の領域の特徴が相関しているかを決定することを含む。他の実施態様に於いて、試料の特徴を監視することは、試料上で潜在的にシステマティック欠陥を誘発する機構の位置として、試料上の複数のダイの内部で個々の画素の特徴が相関しているかを決定することを含む。追加の実施態様に於いて、試料の特徴を監視することは、同じ設計コンテクストを有する異なる部分の内部で個々の領域の特徴が相関しているかを決定することを含む。係る一実施態様に於いて、本方法は、相関している特性を有する異なる部分を示す出力を生成することを含む。幾つかの実施態様に於いて、本方法は、試料上の複数の個々のダイを重ね合わせることと、重ね合わされたダイ・マップを表示することを含む。
一実施態様に於いて、本方法は、特徴イメージのそれぞれの画素が個々の領域の選択された特徴を示す条件下で、試料の特徴イメージを構築することを含む。係る一実施態様に於いて、特徴イメージのそれぞれの画素は選択された個々の領域の特徴を示す。他の係る一実施態様に於いて、本方法は、複数の特徴イメージを隣り合わせて表示することを含む。追加の係る一実施態様に於いて、本方法は、欠陥のウエハー・マップ上に一つまたは複数の特徴イメージを重ね合わせて表示することを含む。
上に記載される方法の個々の実施態様の個々のステップは、ここに記載される如く更に実施可能である。上に記載される実施態様の個々は、ここに記載される任意の他のステップを含み得る。更に、上に記載される方法の実施態様の個々は、ここに記載される任意のシステムにより実施可能である。
他の実施態様は、試料の特徴を監視するための方法を実施することに関する、プロセッサ上で実施可能なプロセス指示を含むキャリア・ミディアムに関する。本方法は、検査システムを用いて、試料を検査することにより生成される出力を用いて、試料上の個々の画素の特性を決定することを含む。また本方法は、検査システムを用いて、試料を検査することにより生成される出力を用いて、試料上の個々の画素の特性を決定することを含む。更に本方法は、個々の領域内の個々の画素の特性を用いて、試料上の個々の領域の特徴を決定することを含む。プログラム指示が実行可能である方法は、ここに記載される任意の他のステップを含み得る。
追加の実施態様は、試料の特徴を監視するように設定されたシステムに関する。システムは、試料を検査することにより出力を生成するように設定された検査システムを含む。またシステムは、出力を用いて、試料上の個々の画素の特性を決定するように設定されたプロセッサを含む。またプロセッサは、個々の領域内の個々の画素の特性を用いて、試料上の個々の領域の特徴を決定するように設定される。更にプロセッサは、個々の領域の特徴に基づき試料の特徴を監視するように設定される。上に記載されるシステム実施態様は、ここに更に記載される如く更に設定可能である。
更なる実施態様は、パターン化されたウエハーの表面のイメージを生成するためのコンピュータ実施方法に関する。本方法は、パターン化されたウエハーに関する検査システムの出力を取得することを含む。また本方法は、出力を用いてパターン化されたウエハーの表面のイメージを生成することを含む。
一実施態様に於いて、出力を取得することは、光学パターン抑制を用いてパターン化されたウエハーに関する検査システムの出力を取得することを含む。係る一実施態様に於いて、光学パターン抑制はフーリエ・フィルタリングを含む。他の実施態様に於いて、取得ステップは、パターン化されたウエハーの実質的全表面に関する出力を取得することを含む。
一実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーの実質的全表面のイメージを含む。他の実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン位置ずれノイズを実質的に有しない。追加の実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーからの散乱光強度のグレー・スケール・イメージを含む。更なる実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーの表面のノイズ・マップを含む。
一実施態様に於いて、生成ステップは、光学パターン抑制を用いて出力が取得されるパターン化されたウエハーの一つまたは複数の領域に関する一つまたは複数の統計を決定することを含む。係る一実施態様に於いて、イメージは一つまたは複数の統計のグレー・スケール・イメージを含む。他の実施態様に於いて、生成ステップは、前記生成することが、光学パターン抑制を用いて出力が取得されるパターン化されたウエハーの一つまたは複数の領域を、一つまたは複数のサブ領域に分割することと、一つまたは複数のサブ領域に関する一つまたは複数の統計を決定することを含む。係る一実施態様に於いて、イメージは一つまたは複数の統計のグレー・スケール・イメージを含む。
一実施態様に於いて、生成ステップは、パターン化されたウエハーの一つまたは複数の領域が光学パターン抑制に不適切であるかを決定することと、一つまたは複数の領域に対応するイメージを表面のイメージから除去することを含む。他の実施態様に於いて、生成ステップは、光学的にパターンが抑制されたウエハーの領域またはウエハー上のダイ内のみで一つまたは複数の統計を決定することを含む。
一実施態様に於いて、イメージを生成することは、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含む。係る一実施態様に於いて、本方法は、パターン化されたウエハー上の個々のダイを容認するか棄却するためにノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを含む。他の係る一実施態様に於いて、本方法は、ノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを含み、一つまたは複数の他のノイズ・マップはパターン化されたウエハー上のダイのノイズ・マップを含む。追加の係る一実施態様に於いて、本方法は、ノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを含み、一つまたは複数の他のノイズ・マップは他のパターン化されたウエハー上のダイのノイズ・マップを含む。更なる係る一実施態様に於いて、本方法は、ノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを含み、一つまたは複数の他のノイズ・マップはフル・パターン化されたウエハーのノイズ・マップからの複数のダイのノイズ・マップの合成物を含む。
一実施態様に於いて、イメージを生成することは、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含み、本方法は、パターン化されたウエハー上のダイの全てのノイズ・マップからのノイズ・マップの合成物を生成することと、ダイの一つまたは複数の他のノイズ・マップにノイズ・マップの合成物を比較することを含む。他の実施態様に於いて、パターン化されたウエハーはテスト・パターン化されたウエハーを含み、イメージを生成することはパターン化されたウエハー上に生成されたダイのノイズ・マップを生成することを含む。係る一実施態様に於いて、本方法は、フル・パターン化されたウエハーのノイズ・マップからの複数のダイのノイズ・マップのノイズ・マップの合成物を生成し、テスト・パターン化されたウエハー上に形成されたノイズ・マップへの比較のためにゴールデン・ダイのノイズ・マップとしてノイズ・マップの合成物を保存することを含む。
幾つかの実施態様に於いて、イメージを生成することは、パターン化されたウエハー上にダイのノイズ・マップを生成することを含み、本方法は、ダイ機能性領域の関数としてノイズが表示されるように重ね合わされた設計情報と共にノイズ・マップを表示することを含む。他の実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーの表面のノイズ・マップを含み、本方法は重ね合わされた検査システムにより決定された一つまたは複数の属性共にノイズ・マップを表示することを含む。更なる実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーの表面のノイズ・マップを含み、本方法は重ね合わされた検査システムにより決定されたノイズ・マップならびに検査システムにより決定された一つまたは複数の属性を同時に表示することを含む。
一実施態様に於いて、本方法は、欠陥検出に関する閾値をイメージに適用することなく、欠陥特徴がイメージ内に存在するかを決定することを含む。他の実施態様に於いて、本方法は、欠陥検出アルゴリズムを調整することなく、欠陥特徴がイメージ内に存在するかを決定することを含む。追加の実施態様に於いて、本方法は、欠陥特徴がイメージ内に存在するかを決定するために、空間特徴解析をイメージに適用することを含む。更なる実施態様に於いて、本方法は、欠陥検出に関する閾値をイメージに適用することなく、プロセス特徴がイメージ内に存在するかを決定することを含む。幾つかの実施態様に於いて、本方法は、欠陥検出に関する閾値をイメージに適用することなく、イメージ内に存在する欠陥特徴を同定することを含む。追加の実施態様に於いて、本方法は、欠陥検出に関する閾値をイメージに適用することなく、イメージ内に存在するプロセス特徴を同定することを含む。
一実施態様に於いて、本方法は、選択された欠陥特徴の検出にイメージが使用可能なように、取得ステップに関して使用されるべき検査システムの光学モードを決定することを含む。他の実施態様に於いて、本方法は、欠陥検出アルゴリズムを調整することなく、選択された欠陥特徴の検出にイメージが使用可能なように、取得ステップに関して使用されるべき検査システムの光学モードを決定することを含む。
一実施態様に於いて、本方法は、検査システムの複数の光学モードを用いて前記取得を実施することと、複数の光学モードを用いて取得された出力を用いてパターン化されたウエハーの表面の複数のイメージを生成することと、選択された欠陥特徴の検出にイメージが使用可能なように、取得ステップに関して使用されるべき検査システムの光学モードを決定することを含む。
他の実施態様に於いて、パターン化されたウエハーの表面のイメージはパターン化されたウエハーの表面のノイズ・マップを含む。本方法は、検査システムの複数の光学設定を用いて前記取得することを実施することを含む。また本方法は、複数の光学設定を用いて取得された出力を用いてパターン化されたウエハーの表面の複数のノイズ・マップを生成することを含む。更に、本方法は、複数の光学設定の関数として、ウエハー・スケールのプロセス変動を同定するために複数のノイズ・マップを使用することを含む。更に本方法は、検査システムとパターン化されたウエハーの組み合わせに関する最適な光学モードを同定するために複数の光学設定の関数としてウエハー・スケールのプロセス変動を使用することを含む。
追加の実施態様に於いて、パターン化されたウエハーの表面のイメージはプロセスが実施されたテスト・パターン化されたウエハーの表面のノイズ・マップを含む。本方法は、一つまたは複数の異なる変数を用いてプロセスが実施された複数のパターン化されたウエハーに関して取得ステップすることを実施することを含む。また本方法は、出力を用いて複数のパターン化されたウエハーの表面のノイズ・マップを生成することを含む。更に本方法は、一つまたは複数の異なるパラメタの関数として複数のパターン化されたウエハーの表面のノイズ・マップを保存することを含む。更に本方法は、テスト・パターン化されたウエハー上で実施されたプロセスの一つまたは複数の特徴を決定するために、保存されたノイズ・マップに、テスト・パターン化されたウエハーの実質的全表面に関するノイズ・マップを比較することを含む。
幾つかの実施態様に於いて、本方法は、検査システムのそれぞれの可能な光学設定を用いて、取得ステップと生成ステップを実施することにより取得ステップに使用される検査レシピの一つまたは複数の光学パラメタを調整することと、それぞれのイメージ内に欠陥特徴が存在するか否かに基づき、検査レシピに関する光学設定を選択するために、それぞれの可能な光学設定に対応するイメージを使用することを含む。
更なる実施態様に於いて、前記取得することは、検査システムの予め設定された光学設定を用いて実施される。係る一実施態様に於いて、本方法は、イメージ内の欠陥特徴の存在または非存在を欠陥検出アルゴリズムの出力にマッチングすることにより、検査レシピの欠陥検出アルゴリズムの一つまたは複数のパラメタを調整すること含む。
一実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーの表面のノイズ・マップを含む。幾つかの実施態様に於いて、本方法は、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを含む。他の実施態様に於いて、本方法は、パターン化されたウエハー上で実施された一つまたは複数の他のプロセスに対応する一つまたは複数の他の特徴に基づき、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを含む。
追加の実施態様に於いて、本方法は、パターン化されたウエハー上で実施された一つまたは複数の他のプロセスに対応する一つまたは複数の特徴をノイズ・マップより抽出することにより、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを含む。更なる実施態様に於いて、本方法は、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定し、特徴を分類することを含む。
一実施態様に於いて、本方法は、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、パターン化されたウエハーまたは最後のプロセスの一つまたは複数の特徴を決定するために、追加の特徴に特徴を比較することを含む。係る一実施態様に於いて、追加の特徴は経験的に生成されたものである。係る他の実施態様に於いて、追加の特徴は最後のプロセスを実施するために使用された一つまたは複数のプロセス・ツールのモデリングにより生成されたものである。
他の実施態様に於いて、本方法は、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴に基づき最後のプロセスの一つまたは複数のパラメタがプロセス制御範囲外にあるかを決定することを含む。追加の実施態様に於いて、本方法は、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴に基づき最後のプロセスの一つまたは複数のパラメタを制御することを含む。
幾つかの実施態様に於いて、本方法は、最後のプロセス以前にパターン化されたウエハーに関して取得された生データならびに生データ内で同定される特徴に基づき、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを含む。他の実施態様に於いて、本方法は、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴に対応する根本原因を決定することを含む。
追加の実施態様に於いて、本方法は、ノイズ・マップ内での取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴に基づきプロセスを監視することを含む。更なる実施態様に於いて、本方法は、取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセス以外のプロセスがノイズ・マップに影響を与える確率を見積もることを含む。更に他の実施態様に於いて、本方法は、ノイズ・マップを同定することと、出力を取得するために使用された検査システムの光学に基づき、取得ステップ以前にパターン化されたウエハー上で実施された最後のプロセス以外のプロセスの特徴がノイズ・マップ内の特徴へ影響を与える確率を見積もることを含む。
上に記載される方法の個々の実施態様の個々のステップは、ここに記載される如く更に実施可能である。上に記載される実施態様の個々は、ここに記載される任意の他のステップを含み得る。更に、上に記載される方法の実施態様の個々は、ここに記載される任意のシステムにより実施可能である。
本発明の更なる利点は、以下の好ましい実施態様の詳細な記述と添付された図を参照することで、この分野に精通した者にとって明らかになるであろう。
試料の特徴を監視する方法を実施するためのプロセッサ上で実施可能なプログラム指示を備えるキャリア・ミディアムの一実施態様と、試料の特徴を監視するように設定されたシステムの一実施態様の側面図を示す概略的なダイアグラムである。 イメージ・データの帯状物が、それぞれのダイの端部で始まる同じ大きさのフレームに分割された一実施態様の上面図を示す概略的なダイアグラムである。 試料上の個々の領域に対応する試料上の個々の画素、試料上のダイに対応する試料上の個々の領域の一部分、そしてレファレンス・ダイの一実施態様の上面図を示す概略的なダイアグラムである。 ダイに分割された試料、フレームに分割されたダイ、画素に分割されたフレームの一実施態様の上面図を示す概略的なダイアグラムである。 ダイに分割された試料、フレームに分割されたダイ、グループに分割されたフレーム、そしてそれぞれのグループに関して決定された特性の一実施態様の上面図を示す概略的なダイアグラムである。 自動閾値アルゴリズムにより決定されたヒストグラムの一実施態様を示す概略的なダイアグラムである。 グレイ・スケールで生成されたウエハーの特徴イメージの一実施態様を示す概略的なダイアグラムである。 グループ特性マップの例を示す概略的なダイアグラムである。 固有な特徴を有するものとして同定された試料上の個々の領域の一実施態様の上面図を示す概略的なダイアグラムである。 試料上の少なくとも一つの追加のダイに対応する試料上の他の個々の領域の特徴と組み合わされた、試料上の少なくとも一つのダイに対応する試料上の個々の領域の特徴の一実施態様の上面図を示す概略的なダイアグラムである。
本発明は様々な修正と変更が可能であるが、図を用いることで特定の実施態様が示され、ここに詳細に記述される。図は、原寸に比例していない場合がある。しかしながら、ここに示される図と特定の記述は発明を開示された特定の形式に制限することを意図したものでなく、逆に、添付された請求項により定義される本発明の精神と展望の範囲内で全ての修正、同等物、変更を網羅することを意図したものである。
ここに用いられる如く、用語「試料」は、一般に、ウエハー、フォトマスク、またはレチクルを呼称する。しかしながら、ここに記載される方法、キャリア・メディア、そしてシステムは、この分野で公知の任意の他の特徴を監視するために使用可能であることに留意されたい。
ここに用いられる如く、用語「ウエハー」は一般に半導体材料または非半導体材料を意味する。半導体材料または非半導体材料の材料の例としては、以下に限定されないが、単結晶シリコン、ヒ化ガリウム、リン化インジウムなどがある。これらの基板は半導体製造工場で一般に見出され、及び/または、処理されるものである。
ウエハーは基板上に形成された一つまたは複数の層を含み得る。係る層として、以下に限定されないが、レジスト、誘電体材料、導電材料、半導体材料などがある。係る層の多くの異なる種類がこの分野で公知であり、ここで用いられる用語ウエハーは、係る層のあらゆる種類を含むウエハーを包含することを意図する。
ウエハー上に形成された一つまたは複数の層は、パターン化され得る。例えば、ウエハーは複数のダイを有し、個々のダイは繰り返されるパターンの特徴を有し得る。係る材料の層を形成しプロセスすることは、完成された半導体デバイスを最終的にもたらし得る。デバイスの多くの異なる種類をウエハー上に形成可能であり、ここで用いられる用語ウエハーは、この分野で公知の任意の種類のデバイスが製造されるウエハーを包含することを意図する。
ここで用語「レチクル」と「フォトマスク」は相互互換的に使用される。一般に、レチクルは、ガラス、ホウケイ酸ガラス、溶融石英などの透明な基板を含み、パターンとして前記基板上に不透明な領域が形成される。不透明な領域は、透明な基板を侵食するようにエッチングされた領域により置換可能である。係るレチクルの多くの異なる種類がこの分野で公知であり、ここで用いられる用語レチクルは、レチクルのあらゆる種類を包含することを意図する。
図に関しては、ここに記される図は、原寸に比例していないことに留意されたい。特に、要素の特徴を強調するために、図の要素の幾つかの寸法は大きく誇張されている。また図は、同じ縮尺で描かれていないことに留意されたい。複数の図に亘り示される要素は、同じ参照番号を用いて同様に示される場合がある。
図1は、試料の特徴を監視するように設定されたシステムの一実施態様を示す。システムは検査システムを備える。検査システムは、試料を検査することにより出力を生成するように設定される。ここに記載されるシステム実施態様に備えることが可能な検査システムの一配置例を一般に示すために、図1は用いられていることに留意されたい。明らかに、ここに記載される検査システム設定は、商業的な検査システムを設計する場合の通常設定から、システムのパフォーマンスを最適化するように、変更可能である。更に、ここに記載されるシステムは、(例えば、ここに記載される機能性を既存の検査システムに加えることにより)既存の検査システムを用いて実装可能である。係るシステムの幾つかに関して、ここに記載される方法は、(例えば、システムの他の機能性に加え)システムのオプション機能として供給され得る。或いは、ここに記載されたシステムは、全く新しいシステムを提供するために「一から作ったもの」として設計可能である。
図1に示す検査システムは、光源10を備える。光源10は、この分野で公知の任意の適切な光源とすることが可能である。また検査システムは、複数の光源（示されていない）を備えることが可能である。複数の光源は、同様に、或いは異なるように設定可能である。例えば、光源は、同じ或いは異なるタイミングで、同じ或いは異なる入射角で試料へ指向可能な異なる特徴（例えば、波長、偏光など）を有する光を生成するように設定可能である。
光源10は、ビーム・スプリッター12へ光と指向するように設定される。ビーム・スプリッター12は、光源10からの光を対物レンズ14へ指向するように設定される。対物レンズ14は、実質的に垂直な入射角で、ビーム・スプリッター12からの光を試料16上に焦点を合わせるように設定される。しかしながら、検査システムは、任意の適切な入射角で試料へ光を指向するように設定可能である。ビーム・スプリッター12は、この分野で公知の任意の適切な光学部品とすることが可能である。対物レンズ14は、この分野で公知の任意の適切な屈折光学部品とすることが可能である。更に、図1の対物レンズ14は単一の屈折光学部品として示されているが、対物レンズ14は、一つまたは複数の屈折光学部品、及び/または、一つまたは複数の反射光学部品を備え得ることに留意されたい。
検査システムは、複数の独立した検出チャネルを備える収集システムを備える。個々の検出チャネルは、収集角の固有なセットに亘り試料からの散乱光または反射光を収集するように設定される。更に、ここに更に記載される検査システムは、単一の明視野（BF）ならびに単一の暗視野（DF）チャネルを備えるが、本検査システムは一つまたは複数の任意の組み合わせ（例えば、一つまたは複数のBFチャネル、及び/または、一つまたは複数のDFチャネル）を備えることが可能であることに留意されたい。更に、検査システムは、幾つかの検出チャネルを備えることが可能であり、全てもしくはそれより少ない検出チャネルより生成された出力は、ここに更に記載される如くプロセッサにより使用可能である。ここに更に記載される如く、プロセッサにより使用される検出チャネルの特定の組み合わせにより生成される出力は、例えば、試料の特徴、対称となる欠陥の特徴、そして検査システムの特徴に基づき選択可能である。
図1に示す一実施態様に於いて、試料16より反射された光は対物レンズ14により収集され、ビーム・スプリッター12を経て検出器18へ到達する。検出器18は、この分野で公知の任意の適切な検出器とすることが可能である。検出器18は、試料16に関する画素レベルの出力を取得するように設定可能である。更に、検出器18は、イメージ・センサーとすることが可能である。従って、検出器18により生成された画素レベルの出力は、イメージ・データを含み得る。図1に示す如く、対物レンズ14は、試料より鏡面的に反射された光を収集するように設定され、検出器18は、試料より鏡面的に反射された光を検出するように設定される。従って、対物レンズ14ならびに検出器18は検査システムのBFチャネルを形成する。このように、検査システムのBFチャネルは、試料に関する画素レベルの出力を生成するように設定可能である。更に、検査システムのBFチャネルは、イメージ・データを含む画素レベルの出力を生成するように設定可能である。
試料16からの散乱光は対物レンズ20により収集され、収集された光は検出器22へ指向される。対物レンズは、この分野で公知の任意の屈折光学部品とすることが可能である。更に、図1の対物レンズ20は単一の屈折光学部品として示されているが、対物レンズ20は、一つまたは複数の屈折光学部品、及び/または、一つまたは複数の反射光学部品を備え得ることに留意されたい。対物レンズ20は任意の適切な散乱角で試料からの散乱光を収集するように設定可能である。更に、対物レンズ20が試料からの散乱光を散乱光を収集するように設定される散乱角は、一つまたは複数の特徴（例えば、パターン化された特徴（示されていない））または試料の対象となる欠陥（示されていない）に基づき決定可能である。
検出器22は、この分野で公知の任意の適切な検出器とすることが可能である。検出器22は、試料16に関する画素レベルの出力を取得するように設定可能である。更に、検出器22は、イメージ・センサーとすることが可能である。従って、検出器22により生成された画素レベルの出力は、イメージ・データを含み得る。図1に示す如く、対物レンズ20は、試料より散乱された光を収集するように設定され、検出器22は、試料より散乱された光を検出するように設定される。従って、対物レンズ20ならびに検出器22は検査システムのBFチャネルを形成する。このように、検査システムのDFチャネルは、試料に関する画素レベルの出力を生成するように設定可能である。更に、検査システムのDFチャネルは、イメージ・データを含む画素レベルの出力を生成するように設定可能である。
検査システムのBFならびDFチャネルによる出力の生成中に、試料16は、ステージ24上に設置可能である。ステージ24は、この分野で公知の任意の機械的、及び/または、ロボットによるアセンブリ（例えば、試料を保持するように設定された走査ステージ）を備えることが可能である。
またシステムはプロセッサ26を備える。プロセッサ26は、試料を検査することにより生成される出力を受信するように設定可能である。例えば、プロセッサ26は、プロセッサが検出器18と22からの画素レベルの出力を受信できるように、検出器18と22へ結合され得る。プロセッサ26は、この分野で公知の任意の適切な方法により検出器へ結合可能である（例えば、「有線」、及び/または、「ワイアレス」を含む送信ミディアムを経て、或いは、それぞれの検出器ならびにプロセッサの間に設置された電子部品（示されていない）を経て）。
プロセッサ26は、出力を用いることにより試料上の個々の画素の特性を決定するように設定される。ここに更に記載される如く、プロセッサは、個々の画素の特性を決定するように設定可能である。またプロセッサは、個々の領域内の個々の画素の特性を用いることにより、試料上の個々の領域の特徴を決定するように設定される。プロセッサは、ここに記載される如く、個々の領域の特徴を決定可能である。更に、プロセッサは、個々の領域の特徴に基づき試料の特徴を監視するように設定される。プロセッサは、ここに更に記載される如く、試料の特徴を監視可能である。またプロセッサは、ここに記載される任意の他の方法の任意の他のステップを実施するように設定可能である。
プロセッサ26は、パーソナル・コンピュータ・システム、メインフレーム・コンピュータ・システム、ワークステーション、イメージ・コンピュータ、並列プロセッサ、または公知の他のデバイスを含む様々な形態とすることが可能である。一般に、用語「コンピュータ・システム」は、記録媒体からの指示を実行する、一つまたは複数のプロセッサを有するあらゆるデバイスを包含すると、広範に定義され得る。
また、図1に示す検査システムは、この分野で公知の任意の他の適切な部品（示されていない）を備えることが可能である。更に、図1に示す検査システムは、KLA-Tencor、San Jose、Californiaより購入可能な2360、2365、2371、23xx、Puma 90xx、そしてPuma 91xx systemsなどの商業的に入手可能な検査システムにより置換可能である。図1に示すシステムの実施態様は、ここに記載される如く更に設定可能である。更に、システムは、ここに記載される任意の方法実施態様の任意の他のステップを実施するように設定可能である。図1に示す検査システムの実施態様は、ここに記載される方法実施態様の全ての利点を備える。
また図1は、試料16の特徴を監視する方法の実施に関するプロセッサ26上で実施可能なプログラム指示30を備えるキャリア・ミディアム28の一実施態様を示す。本方法は、検査システムを用いて試料を検査することにより生成される出力を用いて試料上の個々の画素の特性を決定することを含む。個々の画素の特性は、ここに記載される如く決定可能である。また本方法は、個々の領域内の個々の画素の特性を用いて、試料上の個々の領域の特徴を決定することを含む。個々の領域の特徴は、ここに記載される如く決定可能である。更に本方法は、個々の領域の特徴に基づき試料の特徴を監視することを含む。試料の特徴は、ここに記載される如く監視可能である。更に、プログラム指示30を実施可能な方法は、ここに記載される任意の他の方法の任意の他のステップを含み得る。
ここに記載される如き方法を実施するプログラム指示30は、キャリア・ミディアム28を経て送信されるか、キャリア・ミディアム28に保存可能である。キャリア・ミディアムは、ワイヤー、ケーブル、無線リンクなどの送信メディアとすることができる。またキャリア・ミディアムは、ROM、RAM、磁気または光学ディスク、磁気テープなどの記録媒体も使用可能である。
プログラム指示は、手順に基づくテクニック、コンポーネントに基づくテクニック、及び/または、オブジェクト指向のテクニックなどの様々な形態で実施され得る。例えば、プログラム指示は、Matlab、Visual Basic、 ActiveX controls、 C、 C++ objects、 C#、 JavaBeans、 Microsoft Foundation Classes (“MFC”)、または所望される他のテクノロジーまたは方法論を用いてされ実施得る。
上に記載される如く、プログラム指示は、プロセッサ26上で実施可能である。従って、プログラム指示は、検査システムに結合されたプロセッサ上で実施可能である。しかしながら、検査システムに結合されていないプロセッサ上でもプログラム指示は、実施可能である。このようにして、キャリア・ミディアムとプロセッサは「独立した」検査システムとして設定可能である。しかしながら、独立したシステムは、（例えば、監査システムのプロセッサまたは記録媒体（示されてない）より）検査システムより上に記載される出力を取得するように設定可能である。また独立したシステムは、この分野で公知の任意の方法（例えば、「有線」、及び/または、「ワイアレス」を含む送信ミディアムを経て）で出力を取得可能である。このようにして、送信ディアムは、プロセッサと検査システム間のデータ・リンクとしての役割を果たし得る。従って、ここに記載される方法は、試料の検査を実施することにより出力を取得することを含んでも、含まなくても構わない。換言すれば、ここに記載される方法は、検査システムを備えないシステムにより実施可能である。
他の実施態様は、試料の特徴の監視に関するコンピュータ実施方法に関する。一実施態様に於いて、試料はパターン化されたウエハーを含む。換言すれば、試料は、パターン化された特徴（例えば、デバイスの特徴、テストの特徴など）が上に形成されたウエハーを含み得る。しかしながら、試料は、ここに記載される任意の他の試料とすることが可能である。
一般に、ここに記載される実施態様は、以下のステップを含み得る。1）フレーム・データの取得、 2）フレーム・データからウエハーならびにダイの特徴イメージを生成、 3）ウエハーならびにダイの特徴イメージの視覚化。これらのステップのそれぞれは、ここに更に記載される。
本方法は、検査システムを用いて、試料を検査することにより生成される出力を用いて試料上の個々の画素の特性を決定することを含む。出力は、ここに記載される任意の出力を含み得る。検査システムは、ここに記載される如く設定可能である。更に、一つまたは複数の異なる照明スキームを用いて試料を走査することにより、そして試料上の全て（あるいは凡そ全て）の画素位置からの応答信号を収集することにより、出力は生成可能である。個々の画素位置からの応答信号は、一つまたは複数の検出チャネルにより検出可能である。更に、複数の照明スキームと複数の検出スキームを同時にあるいは逐次に使用することにより、出力を生成可能である。
フレーム・データの収集は、通常の検査走査またはフレーム・データ収集専用走査のバックグランド内にあるフレーム・データを収集することを含む。後者の場合には、検査システムは依然として通常の検査走査を実施可能であるが、閾値はオフとなるため、欠陥はなにも検出されない。フレーム・データの収集中に、検査システムはウエハーを走査し、帯状物イメージ34を取得する。個々の帯状物イメージ34は、個々のダイの端部で始まる同じ大きさのフレームに分割される。例えば、図2に示す如く、検査システムのイメージ・センサー32（図2は示されていない）は帯状物イメージ34を取得可能である。帯状物イメージ34は、個々のダイ38の端部で始まる同じ大きさのフレーム36に分割される。初期設定のフレームの大きさは欠陥検出に用いられるものと同じ大きさである（例えば、いくつかのBFシステムについて、フレーム・サイズは、高さ512画素、幅1024画素である）。しかし、最終的なウエハーの特徴イメージ内でのより良い解像度のために、フレームはサブフレームに分割可能である。フレーム・データは、次に、フレームまたはサブフレーム・イメージより抽出される。
更に、「試料上の個々の画素」は試料上には実際に形成されないことに留意されたい。代わりに、「個々の画素」は、検査システムの個々の感光性の要素であり、それぞれは試料からの光を検出し、対応する出力を生成可能である。それ故、検査の出力は、それぞれが信号またはデータ点が取得された試料上の位置に対応する、多くの信号またはデータ点を含み得る。このように、検査システムにより生成される出力に於ける個々の信号またはデータ点は、また一般に、「個々の画素」として呼称される。個々の信号またはデータ点が生成された試料上の位置は、結合された検査システムまたは、プロセッサにより決定可能なため、「試料上の個々の画素」は、試料上の異なる位置に於いて生成された出力の個々の信号またはデータ点として定義可能である。
本方法は、試料上の個々の画素の「単一の特性」を決定することを含むものとして記載されるが、ここに記載される方法実施態様は、試料上の個々の画素の複数の特性を決定することを含み得ることに留意されたい。複数の特性は、ここに記載される任意の特性を含み得る。例えば、個々の画素の特性は、個々の画素の信号値、個々の画素のそれぞれの近傍にあるN x Nの大きさの画素内の信号の局所的な平均値、係る近傍に於ける値の範囲または中央値、係る近傍の最大または最小信号値を含み得る。係る特性は、この分野で公知の任意の適切な方法、及び/または、アルゴリズムを用いて決定可能である。
他の実施態様に於いて、個々の画素の特性は、ダイ内の同じ（または実質的に同じ）位置に於いて、試料上の隣接ダイ内に位置する個々の画素の特性間の差分である。例えば、個々の画素の特性を決定することは、試料上のダイ内の選択された画素に関する信号と、試料上の隣接するダイ内の対応する画素（または隣接する複数のダイ内の対応する複数の画素、選択されたダイの個々の側で一つずつ）からの信号間の差分値を決定することを含み得る。差分値は、隣接するダイ内の対応する画素間の任意の局所的特性の差分であり得る。例えば、差分を決定するために使用される局所的特性は、N x Nの平均、N x Nの範囲、xならびにy方向の局所的信号勾配、または勾配の大きさと位相を含む。個々の画素の特性間の差分は、任意の適切な方法、及び/または、アルゴリズムを用いて決定可能である。
図3に示す如く、試料42上の個々の画素40は、試料上の個々の領域44に対応する。図3の試料42上の個々の領域44内では、特定の数の画素40が示されているが、試料上の画素の数は、この分野で公知の任意の適切な数とすることが可能であり、検査システムの設定に応じて一般に変化し得ることに留意されたい。更に、図3の試料42上では、特定の数の個々の領域44が示されているが、試料上の個々の領域の数は、試料上のフレームの数に一般に対応し得ることに留意されたい。換言すれば、それぞれの領域は、検査システムにより取得される出力内のフレームとして定義可能である。例えば、帯状物は複数のフレームを含むことが可能であり、これらのフレームは、解像度ならびに画素サイズなどの検査システムのパラメタに応じて、大きさが変わり得る。このようにして、フレームに基づき帯状物内の画素は分離され、個々のフレームは異なる領域に対応する場合があり得る。しかしながら、単一のフレーム内の画素は、これはまた「ジョブ」と一般に呼称され得るが、ここに更に記載される如く複数のグループに分離可能である。更に、図3に示す試料は特定の形状を有するが、試料はこの分野で公知の任意の適切な形状と大きさを有することが可能であることに留意されたい。
図3に示す如く、個々の領域44のそれぞれは単一の個々の画素40の領域よりも大きな領域を有し、試料42の領域よりも小さい。このようにして、個々の領域のそれぞれは、試料上の少なくとも二つの個々の画素を含む。更に、試料上で少なくとも二つの個々の領域が定義されるように、個々の領域は試料の面積よりも小さい面積を有する。幾つかの実施態様に於いて、図3に更に示す如く、個々の領域44は長方形の形状を有する。長方形の形状は長方形または正方形であり得る（即ち、長方形は必ずしも正方形とは限らない）。係る一実施態様に於いて、図3に示す如く、個々の領域は、試料上に2次元のグリッド46を形成する。このようにして、半導体ダイ、ウエハー、レチクル、または他の試料は、試料表面上に配置可能な2次元のグリッドを形成する長方形領域に分割可能である。
係る一例に於いて、図4に示す如く、試料（ウエハー）48はダイ50を含む。個々のダイ50は、長方形領域（フレーム）52のセットに分割可能である。全てのフレームは同じ大きさである。個々のフレーム52は幾つかの画素54を含む。フレームの形状は一般に長方形であり、例えば、幅512画素、高さ1024画素、または正方形であり、例えば、幅512画素、高さ512画素である。
個々の領域またはフレーム内の個々の画素は、個々の画素に関連した出力、または個々の画素の特性に基づき、更にグループに分割可能である。例えば、図5に示す如く、試料56はダイ58を含み得る。ここに示す試料は四つのダイ58を含むが、試料は任意の適切な数のダイを含み得ることに留意されたい。試料はウエハーであり得る。ダイのそれぞれは、上に更に記載される如く、フレーム60に分割可能である。ここに示すそれぞれのダイは四つのフレーム60に分割されているが、それぞれのダイは任意の適切な数のフレームに分割可能であることに留意されたい。図5に更に示す如く、それぞれのフレーム内の画素は、グループ62に分割可能である。更に、図5に示す画素は三つのグループに分割されているが、それぞれのフレーム内の画素は、任意の適切な数のグループに分割可能であることに留意されたい。画素は、ここに更に記載される如くグループに分割可能である。
特にノイズが多いように見受けられるか、大きな特性信号を含むように見受けられる個々の画素は、一つのグループに分割可能であり、特にノイズが多くないように見受けられる個々の画素は、異なるグループに分割可能である。このようにして、それぞれのフレーム内の画素はグループ（またセグメントとしても呼称される）に分割可能であり、任意のフレーム内の任意のグループに属する画素は必ずしも隣接していなくてもよい。例えば、それぞれのフレームに於いて、画素は二つのグループに分割可能であり、それらの値（信号強度）は0から128の間（グループ1）と128から225の間（グループ2）である。単一のフレーム内のグループ1とグループ2の画素は空間的に完全に混合可能である。手短に言えば、フレーム（領域）内の画素グループは、幾つかの共通の特性を有する画素の集合である。
このようにして画素を分割するために使用可能な方法の一例は、セグメント化された自動閾値化（SAT）である。一般に、SATは、ノイズ・レベルを測定し、ノイズ・レベルよりも高い欠陥検出閾値を設定することで、画素を分類する画素-近傍統計を用いるアルゴリズムである。従って、ノイズ・レベルの変動に伴い、閾値も「変動」する。SATに関して設定された方法とシステムの例は、Kren等に一般に授与され米国特許6,781,688号に示されており、これはここに詳述された参照文献として取り扱われる。ここに記載される方法実施態様は、この特許に記載される任意の方法の任意のステップを含み得る。
係る方法実施態様は、個々の画素に関連した任意の出力、またはここに記載される如く決定される個々の画素の任意の特性に基づき、個々の画素をグループに分割するように使用可能である。明らかに、異なるグループへ分割される画素の数は係る実施態様に応じて変化可能であり、異なるグループ内の異なる画素の数に起因する場合がある。
個々の領域内で画素をグループに分割することは、また、或いは、試料上の画素の位置に関連した設計コンテクストなどの試料に関する情報（例えば、同じ設計コンテクストに関連した係る画素をグループに分割可能）、そして試料上のダイの配列に関する情報に基づき実施可能である。このようにして、あるフレーム内の任意の画素は、幾つかの特徴または設計コンテクストにより定義可能であるある任意のグループに属することが可能である。用語「設計コンテクスト」は、一般に、異なる特徴（例えば、コンタクト領域またはダミー充填領域、「どこを検査するか」の情報またはケア領域、プロセス不良が生じ得る「重要な」領域、またはそれらの幾つかの組み合わせなどの領域内の特徴の種類）を有する試料上に形成されたデバイス内の幾何学的な領域を定義するデータを呼称する。試料上の画素の位置に関連した設計コンテクストは、一般にZafar等により2006年11月20日に出願された米国特許出願11/561,659号、Kulkarni等により2006年11月20日に出願された米国特許出願11/561,735号、Fouquet等により2006年12月6日に出願された米国特許出願60/868,769号、Duffy等により2006年12月19日に出願された米国特許出願60/870,724号、Park等により2007年1月5日に出願された米国特許出願60/883,617号、Chen等により2007年2月27日に出願された米国特許出願11/680,152号、そしてChen等により2006年3月8日に出願された米国特許出願11/683,696号に記載される如く決定可能であり、これらはここに詳述された参照文献として取り扱われる。ここに記載される方法実施態様は、これら特許出願に記載される任意のステップを含み得る。例えば、ここに記載される実施態様は、これらの特許出願に記載される設計に基づく方法の任意のステップを含み得る。他の例に於いて、ここに記載される実施態様は、レシピ設定に関して、これらの特許出願に記載される任意の方法の任意のステップを含み得る。
上に記載される如く、個々の画素の特性は、ダイ内の同じ（または実質的に同じ）位置に於いて、試料上の隣接ダイ内に位置する個々の画素の特性間の差分であり得る。幾つかの実施態様に於いて、個々の領域の一部分は、試料上のダイに対応する。例えば、図3に示す如く、四つの個々の領域44は、試料上のダイ64に対応する。しかしながら、試料上のダイに対応する個々の領域の数は、ダイ当たりのフレームの数に依存して変化し得る。このようにして、個々の領域の全域が試料上のダイの一部分のみに対応する場合がある。換言すれば、個々の領域は、ダイよりもより少ない画素を含む場合がある。
一実施態様に於いて、本方法は、試料上のダイに対応する個々の領域の一部分を、試料上の異なるダイに対応する異なる個々の領域の異なる一部分に配列させることを含む。例えば、本方法は、図3に示す試料42上のダイ64に対応する個々の領域の一部分を、試料上のダイ66に対応する個々の領域の一部分に配列させることを含み得る。更に、或いは代替として、本方法は、ダイ66に対応する個々の領域の一部分を、ダイ68に対応する個々の領域の一部分に配列させることを含み得る。この方法に於いて互いに配列された異なるダイに対応する個々の領域の一部分は、試料上で互いに隣接する異なるダイに対応する個々の領域の一部分を含む。このようにして、本方法は、選択されたダイに関して対応する長方形の領域を、隣接するダイに関して対応する長方形の領域に配列させることを含み得る。複数のダイに関して対応する長方形の領域を配列させることは、この分野で公知の方法、及び/または、アルゴリズムを用いて実施可能である。
他の実施態様に於いて、それぞれのフレームに関し、無作為検査の場合には、本方法は、現行のダイ（また「テスト・ダイ」と呼称される）のフレーム・イメージをレファレンス・ダイ（通常過去のダイ）のフレーム・イメージに配列させ、差分イメージを決定することを含む。例えば、図2に示す如く、ダイAのフレーム2のイメージは、ダイBのフレーム2のイメージに配列され、一方のイメージより他方のイメージが差し引くことで、差分イメージ70を決定可能である。アレイ検査の場合には、本方法は、セル-セル比較を用いることにより差分イメージを決定することが可能であり、Tsai等により授与された米国特許4,845,558号に記載される如く実施可能であり、これはここに詳述された参照文献として取り扱われる。
他の実施態様に於いて、本方法は、試料上のダイに対応する個々の領域の一部分を、レファレンス・ダイに配列させることを含む。例えば、図3に示す如く、レファレンス・ダイ72は、データベース74に保存可能である。係る一例に於いて、試料42上のダイ64に対応する個々の領域の一部分は、レファレンス・ダイ72に配列させることが可能である。また、試料上のダイ66に対応する個々の領域の一部分を、レファレンス・ダイ72に配列させ、試料上のダイ68に対応する個々の領域の一部分を、また、或いは、レファレンス・ダイ72に配列させることが可能である。レファレンス・ダイは、例えば、ゴールデン・ダイであり得る。このようにして、本方法は、選択されたダイに関して対応する長方形の領域を、ゴールデン・ダイに配列させることを含み得る。しかしながら、レファレンス・ダイは、この分野で公知の任意の他の適切なレファレンス・ダイとすることが可能である。ダイに関して対応する長方形の領域を、ゴールデン・ダイに配列させることは、この分野で公知の任意の適切な方法、及び/または、アルゴリズムを用いて実施可能である。
ゴールデン・ダイは、試料上の欠陥が無いダイを代表し得る。ゴールデン・ダイは、例えば、更なる試料を検査し、追加の試料上で欠陥が無いダイを同定し、欠陥が無いダイに対応する追加試料の検査により生成される出力をレファレンス・ダイとして保存することにより、生成可能である。他の例に於いて、レファレンス・ダイは、試料上の欠陥が無いダイに関して取得されるであろう出力をシミュレートすることにより生成可能である。出力をシミュレートすることは、試料製造プロセスのモデルへの入力として試料に関する配列データまたは設計データを用いて試料の特徴をシミュレートし、試料の検査をシミュレートすることを含み得る。係るシミュレーションを実施するために使用可能な方法とシステムの例は、Verma等により2005年9月14日に米国特許出願11/226,698号として一般に出願され、2006年3月23日に米国特許出願2006/0062445号として開示されており、これはここに詳述された参照文献として取り扱われる。ここに記載される実施態様は、この特許出願に記載される任意の方法の任意の他のステップを含み得る。データベース74は、この分野で公知の任意の適切な設定とすることが可能である。更に、レファレンス・ダイ72は、この分野で公知の任意の適切なフォーマットでデータベース74へ保存可能である。
追加の実施態様に於いて、個々の領域の異なる部分は、試料上の異なるダイに対応する。例えば、図3に示す如く、個々の領域の異なる部分は、試料上の異なるダイ64、66、68に対応する。係る一実施態様に於いて、本方法は、異なる部分を、共通のレファレンス・グリッドに配列させることを含む。このようにして、本方法は、試料上のダイの集合に対応する長方形の領域を、共通のレファレンス・グリッドに配列させることを含み得る。異なるダイに対応する個々の領域の異なる部分を、共通のレファレンス・グリッドに配列させることは、この分野で公知の任意の適切な方法、及び/または、アルゴリズムにより実施可能である。共通のレファレン・スグリッドは、試料、ダイ、または任意の他の適切な座標系に関して定義可能である。
従って、要約すれば、個々の画素の特性は、ある任意の画素に於けるグレー・レベル（信号）の任意の関数、画素近傍の画素の関数、画素に於ける関数値と、近接ダイまたは任意のレファレンス・ダイまたはゴールデン・ダイに於ける対応する画素の位置に於ける関数値との差分、またはこれら幾つかの組み合わせであり得る。
また本方法は、個々の領域内の個々の画素の特性を用いて、個々の領域の特徴を決定することを含む。例えば、オリジナルのフレーム・イメージまたは差分イメージより抽出可能な任意の特性は、フレーム・データを構成可能である。可能な特性としては、平均、標準偏差、中央値、最小値、最大値、またはパーセントなどのフレーム・イメージの画素値の任意の統計が挙げられる。他の可能な特性としては、平均、標準偏差、中央値、最小値、最大値、またはパーセントなどの差分イメージの画素値の任意の統計が挙げられる。更なる可能な特性としては、検出アルゴリズムにより決定された任意の中間結果が挙げられる。例えば、自動閾値アルゴリズムの場合には、アルゴリズムは、差分イメージのヒストグラムを決定し、前記ヒストグラムを用いて、欠陥画素を検出する閾値を自動的に決定する。検出アルゴリズムより抽出可能な特性は、ターゲット密度位置、異常な画素値、オフセットを含む。例えば、図6に示す如く、アルゴリズムは、フレーム差分ヒストグラム76を決定可能であり、そして、この検出アルゴリズムより抽出可能な特性は、閾値オフセット78、ノイズ・レベル80、差分最大値82を含む。
レシピが複数の領域を含み、フレーム内に複数の領域がある場合、個々の領域に関して上に記載されたフレーム・データが収集される。換言すれば、フレーム・データ抽出のステップは、それぞれの領域に属する全ての画素に適用される。
保存時に於けるファイル・サイズを低減するために、フレーム・データは圧縮可能である。圧縮スキームは、収集されたフレーム・データの種類に応じて調整可能である。
圧縮されたフレーム・データは、ここに更に記載される如くウエハーとダイ・イメージの構築を可能にする補助情報と共にファイルへ書き込み可能である。補助情報は、帯状物インデックス、ダイ・インデックス、フレーム・インデックス、そして帯状物とフレーム配列に関する他のパラメタを含む。圧縮されたフレーム・データは、ファイルに書き込まれ、ファイルに添付される。検査が終了すると、ファイルは閉じられ、ディスクに保存される。
一実施態様に於いて、個々の領域のそれぞれの特徴を決定するために使用される個々の画素の特性は、個々の領域のそれぞれの内部の全ての個々の画素の特性を含む。このようにして、領域の特徴は、領域（フレーム）内の全ての画素に亘り測定される画素特性の任意の統計であり得る。或いは、個々の領域の特徴を決定するために使用される個々の画素の特性は、個々の領域のそれぞれの内部の一部の個々の画素の特性のみを含む。個々の領域の特性を決定するために使用される個々の画素の特性は、例えば、決定される個々の領域の特性値と特徴に基づき選択可能である。
また本方法は、それぞれの領域またはフレーム内の異なるグループの画素の特徴を決定することを含む。例えば、図5に示す如く、フレーム60の一つの画素は三つのグループ（例えば、グループ1、グループ2、グループ3）に分割可能である。個々のグループの一つまたは複数の特性が決定可能である。例えば、図5に示す如く、特性84（例えば、特性1、特性2）は、画素のそれぞれのグループに関して決定可能である。画素の異なるグループの特性は、ここに更に記載される如く決定可能である。更に、図5に示す如く、特性1と特性2の両者は、画素の個々のグループに関して決定可能である。画素のそれぞれのグループに関して決定される特性は、同じ特性であり得る。
一実施態様に於いて、個々の領域の特徴は、個々の領域内の個々の画素の特性の統計を含む。統計は、ここに記載される任意の統計または任意の他の適切な統計を含み得る。追加の実施態様に於いて、個々の領域の特徴は、個々の領域内の個々の画素の特性の分布を含む。例えば、上に記載される如く個々の画素の特性を決定することは、個々の領域のそれぞれの内のそれぞれの画素の位置の特性を決定することと、個々の領域内の画素に関して前記特性の分布（例えば、画素カウント対特性値のヒストグラム）を決定することを含む個々の領域の特徴を決定することを含み得る。上に記載される如く、幾つかの実施態様に於いて、上に記載される如く、個々の画素の特性は、ダイ内の同じ（または実質的に同じ）位置に於いて、試料上の隣接ダイ内に位置する個々の画素の特性間の差分であり得る。係る一実施態様に於いて、個々の領域の特徴は、個々の領域内の個々の画素の差分分布を含む。このようにして、個々の領域の特徴を決定することは、それぞれの領域内の個々の画素の特性分布（例えば、この差分値のヒストグラム）を決定することを含み得る。
更なる実施態様に於いて、個々の領域の特徴は、個々の領域内の個々の画素の特性の分布を含む。例えば、個々の領域の特徴を決定することは、個々の領域内の個々の画素の特性の分布の値（例えば、信号値のヒストグラム、近接するダイからの信号値間の差分ヒストグラム、ダイの列内の複数のダイ（例えば、ダイの列内の全てのダイ）に於けるダイに関連した位置に対応する位置に於いて、画素に関する一つまたは複数の統計の一つまたは複数のヒストグラムなど）を決定（そしてオプションとしてある方法で記録）することを含み得る。分布の特性は、例えば、最大の信号値または（近接するダイの間での）最大の差分信号値、標準偏差などの分布の拡がりの目安、分布の平均値、またはモード（例えば、ヒストグラム内のピーク位置）であり得る。更に他の実施態様に於いて、個々の領域の特徴は、個々の領域と特性の分布に対応する位置の内で個々の画素の特性の分布特性を含む。例えば、個々の領域の特徴を決定することは、例えば、分布（例えば、ヒストグラム）内の最大信号を示す画素のxとyの位置を決定（そしてオプションとしてある方法で記録）することを含み得る。従って、ヒストグラムが、試料上の近接するダイの間でグレー・レベル差分に関し決定される場合、位置は、最大の差分値を示している画素の位置であり得る。
幾つかの実施態様に於いて、個々の領域の特徴を決定することは、個々の画素に関連するデザイン・コンテクストに基づき個々の画素をグループに分類することを含む。このようにして、個々の領域内の画素は、デザイン・コンテクストに基づき分類可能である。画素からグループへの係る分割は、上に記載される如く実施可能である。係る一実施態様に於いて、個々の領域の特徴は、グループの特徴を含む。この実施態様に於いて決定されるグループの特徴は、ここに記載される個々の領域の任意の特徴を含むことが可能であり、ここに記載される如く決定可能である。
また上に記載される如く、個々の領域内の個々の画素は、個々の画素の特性に基づきグループに分割可能である。個々の画素がどのようにグループに分割されるかに係わらず、特徴は、個々の領域の特徴を決定することに関して上に記載された方法と類似の方法でそれぞれの、または、一つまたは複数の、グループに関して決定可能である。更に、複数の特徴が、上に記載される如く、それぞれの、または、一つまたは複数のグループに関して決定可能である。更に、一つまたは複数の特徴は、上に記載される如く一つまたは複数のグループのそれぞれに関して決定可能である。例えば、グループの特徴（グループの特性または領域（フレーム）の特性）は、グループまたは領域（フレーム）内の全ての画素に亘り測定された画素特性の統計を含み得る。グループの特徴は、ここに記載される任意の特徴を含み得る。
従って、要約すれば、個々の領域の特徴またはグループの特徴は、画素の平均グレー・レベル、グレー・レベルのダイ-ダイ間差分の平均、領域（フレーム）またはグループに属する近接ダイ内の画素間のグレー・レベル差分の標準偏差、またはこれら幾つかの組み合わせであり得る。
また本方法は、個々の領域の特徴に基づき試料の特徴を監視することを含む。幾つかの実施態様に於いて、試料の特徴は、個々の領域の特徴に於ける試料レベルの特徴を含み得る。他の実施態様に於いて、試料の特徴は、個々の領域の特徴に於けるダイ・レベルの特徴を含み得る。上に記載される特徴は、試料特性マップより抽出される「系統的な特性特徴」であり得る。
試料特性マップは、ダイ帯状物をフレーム（例えば、512 x 512）へ分割することにより生成可能である。一つのダイの内のフレームは、他のダイの内で対応するフレームにサブ画素配列可能である。フレーム画素は、例えば、グレー・レベルと局所的範囲に基づき自動的に「SATセグメント」へ分類可能である。通常3から8のK個のセグメントである。そして二つのダイの間のi番目のセグメント画素に関するグレー・レベル差分のヒストグラムが決定され得る。個々のセグメントと次のダイの個々のセットに関する差分ヒストグラムの統計が記録され得る。統計は、セグメント内の画素、グレー・レベル差分の最大値、そして最下位ｐ％（例えば、0.001％、0.01％、0.1％など）の画素のヒストグラム端部における位置（グレー・レベル値）などであり得る。（ヒストグラム端部のどこに画素があるかに関する位置情報は記録されない場合があり、欠陥位置のみが記録され得る。）
試料特性マップは、ダイに亘るセグメント集団の分布、集団分布内の試料スケール変化、ダイ内に於けるダイ-近接ダイ特性の分布、特性分布に於ける試料スケール変化、そしてシステム・レベルの問題に対応する顕著な特徴を示し得る。例えば、顕著な特徴は、試料-スケール問題が重要でありそうなことを示す異なるSATセグメント内で同定され得る。
試料レベル、及び/または、ダイ・レベル特徴は、一つまたは複数の個々の領域に亘る特性マップなどの個々の領域の特徴の空間的特徴解析（SSA）により決定可能である。このようにして、試料レベル、及び/または、ダイ・レベル特徴は、イメージ解析を用いて検出可能である。ここに記載される実施態様で使用可能なSSA法とシステムの例は、一般に、Kulkarni等に授与された米国特許5,991,699号、Eldredge等に授与された米国特許6,718,526号、Huet等に授与された米国特許7,006,886号に示されており、これらはここに詳述された参照文献として取り扱われる。ここに記載される実施態様は、これら特許に記載される任意の方法の任意のステップを含み得る。
このようにして、方法実施態様は、試料を検査することにより生成される出力の試料レベル、及び/または、ダイ・レベル特徴を決定することを含み得る。係る出力は、KLA-Tencorより購入可能な AIT、23xx、eS30ファミリー・ツールなどの検査システムにより生成可能である。しかしながら、これらツールにより生成される出力は、現状では、出力が試料上の欠陥を示さないと判断された後に（例えば、出力信号が、試料上の欠陥を同定するために使用された閾値未満）、廃棄される。
また本方法は、ウエハーとダイの特徴イメージの生成を含む。例えば、フレーム内で収集されたフレーム・データのそれぞれの特性に関して、別々のウエハーまたはダイの特徴イメージが生成可能である。一実施態様に於いて、本方法は、試料の特徴イメージを構築することを含み、特徴イメージのそれぞれの画素は、個々の領域の選択された特徴を示す。例えば、ウエハーの特徴イメージを生成するために、個々のフレームの選択された特性が読み込まれ、画素値に変換される。このフレームの画素位置は、上に記載される補助データより決定される。ダイの特徴イメージを生成するために、ダイのサイズと位置に関する情報に準じてウエハー・イメージがダイに分割される。そしてツールは、ダイ・イメージの最小の重ね合わせを決定し、ダイの特徴イメージが取得される。
また本方法は、ウエハーとダイの特徴イメージの視覚化を含む。例えば、視覚化に関し、フレーム・データ内で収集された任意の一つの特性を選択するために、ツールはユーザにユーザ・インターフェイス（UI）を提供可能である。ツールは、上に記載される如く生成された対応するウエハーの特徴イメージをグレー・スケール（例えば、ウエハーの特徴イメージの例を含む図7に示す如く）、または適切なカラー・マップで表示する。特徴を人間の目により適切に視覚化するために、システムは、特徴イメージの特定のコントラスト範囲を自動的に調節可能である。一実施態様に於いて、本方法は、隣り合わせて複数の特徴イメージを示すことを含む。他の実施態様に於いて、本方法は、ウエハーの欠陥マップ上に一つまたは複数の特徴イメージを重ね合わせて表示することを含む。例えば、検出された欠陥のウエハー特徴へのマッピングを容易にするために、ウエハーの欠陥マップとウエハーの特徴イメージは、ダイの特徴マップと共に、隣り合わせてまたは重ね合わせて表示される。
ここに記載される実施態様に於いて、係る出力の特徴は、ウエハーの欠陥と計測問題を監視するために使用可能である。これらの特徴は、通常、スループット（サンプリング）への配慮のために計測または「パラメトリック」測定によっては検出不可能な系統的問題に対応する。特に計測測定は点-点測定である。換言すれば、定常状態にある試料上のある一箇所で測定が実施され、次に、試料上の異なる位置で測定が実施可能なように試料は移動される。従って、検査システムに比較して計測ツールの低いスループットのために、試料全域に渡り計測測定を実施することは非実用的である。しかしながら、ここに記載される実施態様は、検査システムにより生成される出力を使用する。従って、係る系統的問題に関して監視するための、ここに記載される実施態様で使用される出力は、比較的速やかに生成可能である。
ここに記載される実施態様で同定され解析され得る系統的問題は、この分野で公知の任意の系統的問題を含み得る。更に、ここに記載される実施態様は、比較的短時間に試料全域に亘り系統的問題を同定し解析するために使用可能であるために、ここに記載される実施態様は、極めて多大な学習時間が所望されるアプリケーションに関して極めて有用であり得る。例えば、製造プロセスに液浸リソグラフィーなどの新しい技術の導入は、試料上の新しい種類の欠陥の原因となり得る。製造プロセスの比較的多くの可変パラメタと新旧技術間の顕著な技術の違い（例えば、非液浸リソグラフィーと液浸リソグラフィー）により、新しい種類の欠陥は予測と制御が困難である場合がある。しかしながら、ここに記載される実施態様は、比較的短時間に試料全域に亘り欠陥に関する極めて多大な情報を生成可能であり、新しい種類の欠陥を同定し除去するための効率的で費用効率の高い方法とシステムを供給し、それ故、市場に至るまでの時間を短縮し、製造効率の利益性を改善する。
従って、上に記載される領域の統計などの個々の領域の特徴は、試料上の根本的な問題を監視するために使用可能である。例えば、SATに使用される如きテンプレートは、低い範囲と中高程度の平均値を有するセグメントを選択することにより色の変動を検出するように設定可能である。色の変動は、通常膜厚を監視するため、原理的には、パラメトリック測定は、これらの測定と相関づけることが可能であり、このデータは、試料の検査結果の一部として含むことが可能である。他の例に於いて、SATセグメント毎の最大差分、セグメントに基づく他の統計的特性、フレームごとの最も明るい画素、ならびにフレームごとの最も暗い画素などの絶対測定、これらの幾つかの組み合わせなどが監視可能である。更に、ここに記載される実施態様に於いて試料の特徴を監視するために使用される個々の領域の特徴は、Kren等に一般に授与された米国特許6,781,688号に記載されており、これはここに詳述された参照文献として取り扱われる。ここに記載される方法実施態様は、ここに記載される任意の方法の任意のステップを含み得る。他の自動閾値アルゴリズム（例えば、HLATアルゴリズム）をここに記載された実施態様内で同様にして使用可能である。
幾つかの実施態様に於いて、本方法は、個々の領域の特徴に基づき潜在的なプロセス問題を決定することと、潜在的なプロセス問題を示す出力を生成することを含む。例えば、上に記載される如く、検査システムにより生成された出力は、個々の領域の特徴を決定するために使用され、そして色の変動の如き個々の領域の特徴は、不適切に機能しているリソグラフィー監視（例えば、不適切に機能しているレジスト付与モジュール）などの潜在的なプロセス問題の決定に使用可能である。このようにして、ここに記載される実施態様は、試料の特性解析と系統的なプロセス問題を含み得る。ここに記載される実施態様に於いて検出され得る系統的なプロセス問題は、以下に限定されないが、限界寸法（CD）変動、膜厚変動、線端部粗さ、エッチング深さなどである。例えば、ここに記載される実施態様に於いて決定される個々の領域の特徴は、CD変動に直接相関づけられるパターン特性を含み得る。個々の領域の特徴は、この分野で任意の方法（例えば、第一原理よりまたは実験に基づき）で潜在的なプロセス問題に相関づけられ得る。更に、潜在的なプロセス問題は、この分野で公知の任意の適切な方法、アルゴリズム、及び/または、データ構成（例えば、データベース、規則データベース、参照表、機能関係など）を用いて個々の領域の特徴より決定可能である。潜在的なプロセス問題を示す出力は、潜在的なプロセス問題を示す複数の試料レベルならびにダイ・レベルの同時表示であり得る。また表示は、ダイ近傍の試料に亘り、または試料-試料に亘り潜在的なプロセス問題を示す表示であり得る。潜在的なプロセス問題を示す出力は、この分野で公知の任意の適切な形式であり得る。
幾つかの実施態様に於いて、試料上の個々の領域またはグループの一つまたは複数の特徴より決定された試料の特徴は、それぞれのダイのそれぞれの領域（フレーム）またはそれぞれのダイのそれぞれの領域のそれぞれのグループに関して決定されたそれぞれの特徴の値を示す表を含み得る。換言すれば、表は、領域ならびにダイの関数として、またはグループ、領域ならびにダイの関数として決定された特徴を示し得る。表1は係る表の一例を示す。
他の実施態様に於いて、試料上の個々の領域またはグループの一つまたは複数の特徴より決定された試料の特徴は、領域（フレーム）ならびにダイの関数としての、または、グループ、領域ならびにダイの関数として一つの特徴の値を示す一つまたは複数のマップを含み得る。或いは、一つまたは複数のマップのそれぞれは、試料上の一つまたは複数のダイで領域（フレーム）当たりただ一つのタイプのグループに関して、ただ一つの特徴の値を示し得る。例えば、一つのマップは、試料上の複数のダイのそれぞれの領域の第一のタイプのグループのみに関する第一の特徴値を示し、他のマップは、試料上の複数のダイのそれぞれの領域の第二のタイプのグループのみに関する第一の特徴値を示し、追加のマップは、試料上の複数のダイのそれぞれの領域の第三のタイプのグループのみに関する第二の特徴値を示す。係るグループ特性マップの例を図8に示す。特に、グループ特性マップ86は、試料56上に形成されたダイ58の個々のフレーム60に関するグループ1に関する特性1を示す。グループ特性マップ88は、試料56上に形成されたダイ58の個々のフレーム60に関するグループ1に関する特性2を示す。グループ特性マップ90は、試料56上に形成されたダイ58の個々のフレーム60に関するグループ3に関する特性2を示す。このようにして、個々のマップは、試料上の領域ならびにダイの関数として、個々の画素のグループの一つのタイプのみの一つの特徴のみの値を示し得る。
一実施態様に於いて、本方法は、固有な特徴を有する一つまたは複数の個々の領域を同定することを含む。例えば、本方法は、最も大きなパターン特性変動を有する個々の領域、または最も大きなカラー変動を有する個々の領域を同定することを含み得る。固有な特徴は、特徴-特徴ベースで決定可能である。例えば、ある特徴の最小値は固有であり得、他の特徴に関しては、最大値が固有であり得る。個々の領域は、任意の適切な方法で固有な特性を有するものとして同定可能である（例えば、それぞれの領域の特徴を他の領域のそれぞれの特徴に比較すること、またはそれぞれの領域の特徴を、固有と見なされる特徴の値を定義するいくつかの予め設定された基準に比較すること。ここで固有と見なされる特徴の値はここに記載される方法を用いてユーザによりまたは自動的に定義可能である）。
係る一実施態様に於いて、図9に示す如く、個々の領域92は固有な特徴を有する試料42の個々の領域として同定され得る。固有な特徴を有する特定の数の個々の領域が図9に示されているが、（例えば、一つまたは複数の）任意の数の個々の領域が固有な特徴を有するものとして同定可能であることに留意されたい。更に、個々の領域92は試料42上で特定の位置として示されているが、固有な特徴を有するものとして同定される個々の領域は、試料上の任意の位置に存在し得ることに留意されたい。
他の実施態様に於いて、本方法は、計測に関して固有な特徴を有する一つまたは複数の個々の領域を選択することを含む。計測に関して選択された一つまたは複数の個々の領域は、上に記載される如く同定される全てまたは幾つかの個々の領域を含み得る。更に個々の領域上で実施される計測は、ここに記載される任意の適切な計測学とすることが可能であり、例えば、試料の特徴、及び/または、試料上で過去に実施されたプロセスに依存して変更可能である。欠陥再検討、及び/または、材料解析などの他の解析プロセスもまた計測に関して選択される領域上で実施可能である。
更なる実施態様に於いて、本方法は、固有な特徴を有する一つまたは複数の個々の領域に対応する試料上の一つまたは複数の位置を決定し、一つまたは複数の位置で一つまたは複数の測定を実施するために使用可能な一つまたは複数の位置に関する情報を生成することを含む。このようにして、ここに記載される実施態様は、試料レベル、及び/または、ダイ・レベル問題が固有（例えば、最悪）である試料上の正確な位置へ、計測ツールまたはユーザを導くために使用可能である。固有な特徴を有する個々の領域に対応する試料上の一つまたは複数の位置は、任意の適切な方法により（例えば、検査システムにより生成された位置情報より）決定可能である。更に、位置に関して決定される個々の領域は、例えば、固有な特徴を有すると同定される個々の領域、または計測に関して選択された個々の領域のみを含み得る。
一つまたは複数の個々の領域上で実施されるべき一つまたは複数の測定は、ここに記載されるものを含むこの分野で公知の任意の適切な計測測定を含み得る。更に、一つまたは複数の測定は、単一の測定ツールまたは複数の測定ツールにより実施可能である。例えば、一つまたは複数の測定は、単一の測定ツールまたは複数の測定ツールにより実施される複数の異なる種類の測定を含み得る。
一つまたは複数の測定を実施するために使用可能な一つまたは複数の位置に関して生成された情報は、個々の領域で実施されるべき測定に応じて変化可能である。例えば、測定を実施する計測ツールが、検査システムにより生成される出力より試料上の個々の領域の位置を決定可能な場合、情報は、測定が実施されるべき一つまたは複数の個々の領域に対応する検査システムにより生成される全ての位置情報のサブセットを含み得る。或いは、情報の形式は、標準ファイル形式または情報の変換無しに計測ツールで使用可能な形式とすることが可能である。例えば、情報を生成することは、検査システムからの報告に伴い、測定が実施されるべき個々の領域の座標を、計測ツールに関する個々の領域の座標系へ変換することを含み得る。他の例に於いて、情報は、幾つかのツール（例えば、検査ならびに計測ツールの両者）により読み取り可能で使用可能な標準ファイル形式であり得る。係る標準ファイル形式の一例は、KLARFファイル形式である。
他の実施態様に於いて、試料の特徴は、試料に亘る位置の関数としての個々の領域の特徴を含む。係る一実施態様に於いて、試料の特徴を監視することは、試料の特徴とレファレンスの間で類似点を決定することを含む。例えば、本方法は、試料の特徴または個々の領域の特徴の試料マップを保存された試料マップのデータベースに比較可能であり、係るマップ間で類似点が決定される。類似性の測定は、例えば、マップ値間の直接のマッチング（相関関数など）、またはマップより抽出された特性ベクトル間での類似性を比較することである。特性ベクトルは、試料マップの特性の任意のセットに関して決定可能である。このステップは、試料マップを、予め設定されたカテゴリーまたはクラス（例えば、通常マップ対異常マップ）のセットの一つへ分類することと見なすことが可能である。
追加の実施態様に於いて、試料の特徴を監視することは、試料の特徴を一つまたは複数の制御限界に比較することで試料-試料ベースまたはロット-ロット・ベースで試料の特徴を監視することを含む。例えば、試料の特徴を監視することは、試料の試料-試料またはロット-ロットの特性より監視し、特徴が制御限界を超えた場合にアラームをトリガーすることを含み得る。一つまたは複数の制御限界は、この分野で公知の任意の方法により選択可能であり、この分野で公知の任意の適切な形式とすることが可能である。アラームは、この分野で公知の任意の適切な形式とすることが可能である。このようにして、本方法は、試料の検査により生成された出力に基づき試料の特徴を監視することによる統計プロセス制御（SPC）を含み得る。
幾つかの実施態様に於いて、試料の特徴を監視することは、試料の特徴を一つまたは複数の制御限界に比較し、試料の特徴が一つまたは複数の制御限界を超える試料上の位置を決定することを含む。一つまたは複数の制御限界に比較される試料の特徴は、ここに記載される試料の任意の特性を含み得る。一つまたは複数の制御限界は、この分野で公知の任意の方法により選択可能であり、この分野で公知の任意の適切な形式を有し得る。試料上の位置は、試料上の個々の領域、ダイ、及び/または、個々の画素に関する位置情報に基づき決定可能である。換言すれば、試料の特徴が一つまたは複数の制御限界を超える試料上の位置は、検査システム、またはここに記載される実施態様により生成される任意の位置情報を用いることにより決定可能である。
係る一実施態様に於いて、また本方法は、一つまたは複数の測定を実施するために使用される位置に関する情報を生成することを含む。位置に関する情報は、上に記載される任意の情報を含み得る。このようにして、例えば、光学顕微鏡または電子線顕微鏡などの高分解能検査顕微鏡、またはここに記載される任意の他の計測測定を用いて、高精度で線幅を測定するための、または手動で検査するための計測ツールを用いて、試料位置を測定できるように、選択された特徴が制御限界を超える試料位置を記録することを、本方法は含み得る。
幾つかの実施態様に於いて、試料の特徴は、試料上の少なくとも一つの追加のダイに対応する個々の領域の特徴と組み合わされた試料上の少なくとも一つのダイに対応する個々の領域の特徴を含む。例えば、試料の特徴を決定することは、試料上の複数のダイを「積み重ね」、積み重ねられたダイ・マップを表示することを含み得る。換言すれば、試料上の複数のダイに対応する個々の領域の特徴は、重ね合わせることが可能である。係る一例に於いて、図10に示す試料（図10には示されていない）上のダイ94の特徴は、試料上のダイ96の特徴に重ね合われることが可能であり、重ね合わされたダイ・マップ98として示される二つのダイの組み合わされた特徴が生成される。
重ね合わされたダイは、ここに記載される実施態様のユーザにより選択されるか、またはアルゴリズム、及び/または、方法を用いて自動的に選択可能である。複数のダイに対応する個々の領域の特徴の値は、任意に組み合わせ可能である（例えば、平均値、中央値、最小または最大値など）。二元試料マップに関しては、ダイの重ね合わせは、複数のダイに対応する全ての個々の領域の個々の2進値のブール関数を用いて実施可能である。ブール関数は、例えば、和集合または補間関数、またはが、ある位置に於いて2進値の値が1に等しいものの数が数え上げられ得る計測関数であり得る。また本方法は、二元イメージ（閾値を用いて）、または実施態様のユーザにより容易に見ることができる様に、グレー・レベル値またはカラー・コード化された値が表示されるイメージの何れかとして重ね合わされたダイ・マップを表示することを含む。
係る一実施態様に於いて、試料の特徴を監視することは、組み合わされた特徴とレファレンスの間の類似性を決定性することを含む。例えば、係る特徴の監視は、係るマップ間で類似性を決定するために、試料の重ね合わされたダイ・マップを、重ね合わされたダイ・マップの保存されたデータベースに比較することを含み得る。類似性の測定は、マップ値間の直接のマッチング（相関関数など）、またはマップより抽出された特性ベクトル間で類似性を比較することであり得る。特性ベクトルは、積み重ねられたダイ・マップの特性の任意のセットに関して決定可能である。このステップは、予め設定されたカテゴリーまたはクラス（例えば、正常マップ対異常マップ）のセットの一つへ、積み重ねられたダイ・マップを分類することと見なすことが可能である。他の例に於いて、特徴の係る監視は、積み重ねられたダイ・マップの試料-試料ベースまたはロット-ロット特性から監視し、特性が制御限界を超えた場合にアラームをトリガーすることを含み得る。係る監視とアラームのトリガーは、ここに記載される如く実施可能である。
更なる実施態様に於いて、本方法は、試料の特徴を監視しつつ、出力を用いて試料上の欠陥を検出することを含む。欠陥は、この分野で公知の任意の種類の欠陥であり得、検査される試料の種類に応じて変化可能である。欠陥の検出は、この分野で公知の任意の適切な方法、及び/または、アルゴリズムを用いて実施可能である。このようにして、検査システムにより試料は検査され、欠陥は従来通り検出可能であるが、同時に、試料の特徴もまた監視可能である。このように、ここに記載される方法は、他の系統的問題に関して試料を監視しつつ、欠陥検出を実施可能である。特に、ここに記載される実施態様は、微小欠陥検出を備える欠陥検出器を平行して使用することで系統的プロセス問題と欠陥を同時に見出すように使用可能である。例えば、検査中に試料が走査されるに伴い、画素レベルで欠陥検出が可能であり、また同時に、ここに記載される如く、試料上の個々の領域(例えば、フレーム)の特徴（例えば、統計）が決定され、解析を実施することが可能である。かかる一例に於いて、試料上の欠陥を検出し、出力から欠陥信号を同定するために、検出システムにより生成された出力は閾値に比較され得る。次に出力は、ここに記載される実施態様で使用可能である。更に、試料上で検出された欠陥の位置を示す欠陥マップが生成され得る。検出された欠陥が孤立したものか、より大きな欠陥集合の一部であるかを決定するために、欠陥マップは、試料上の個々の領域の特徴を示すマップへ重ね合わされ得る。
他の実施態様に於いて、本方法は、一つの個々の領域に亘る位置の関数として個々の領域の一つに対応する個々の画素のそれぞれの特性を示す出力を生成することを含む。このようにして、本方法は、領域に対応する個々の画素の特性の領域レベルの表示を生成することを含み得る。出力は、個々の領域に対応する個々の画素のそれぞれの特性の2次元マップなどの任意の適切な出力を含み得る。本方法は、また、或いは、試料に亘る位置の関数として係る出力を生成することを含む。例えば、実施態様は、人間にとってより容易な視覚化のためにグレー・レベルまたはカラー・コード化された値をエンコードすることにより2次元表示表面(例えば、グラフィカル・ユーザ・インターフェイス（GUI）)上で特性値を示すことを含み得る。係る一例に於いて、出力は、表示内のそれぞれの画素値のダイの内部のある任意の長方形領域内の特性値を示す、特性の試料マップであり得る。このようにして、出力は、領域または試料に亘る個々の画素の特性のイメージであり得る。係る一例に於いて、個々の画素の特性は、個々の画素の特性値であり得る。従って、イメージは、領域または試料に亘り測定された特性のイメージであり得る。係るイメージを生成するための方法とシステムの例は、一般に、Kirk等により2007年2月9日に出願された米国特許出願11/673,150号等に示されており、これはここに詳述された参照文献として取り扱われる。ここに記載される実施態様は、本特許出願に記載される任意の方法の任意の他のステップを含み得る。係るイメージは、ここに記載される如く、試料の特徴を監視するために使用可能である。
追加の実施態様に準じ、本方法は、個々の画素の特性を閾値に比較することと、閾値を超える特性を有する試料上の個々の画素と閾値未満の特性を有する試料上の個々の画素を示す出力を生成することを含む。閾値は、この分野で公知の任意の適切な閾値を含み得る。明らかに、閾値は特性に応じて変化する。閾値は、ここに記載される実施態様のユーザにより選択されるか、ここに記載される実施態様により選択可能である。出力は、この分野で公知の任意の方法により生成可能である。更に、出力は、個々の領域、個々のダイ、または試料の2次元マップなどの任意の適切な形式とすることが可能である。2次元マップは、閾値を超える、そして閾値未満の値を有する個々の画素を別々に示すことが可能である。係る一例に於いて、閾値未満の値を有する表示内の全ての画素が黒く、閾値を越える値を有する表示内の全ての画素が白く、或いはその逆となるように、出力は、閾値に基づく試料マップを二元表示することを含む。
幾つかの実施態様に於いて、方法は、試料上の複数のダイの範囲内で個々の画素の特性が相関しているかを決定することを含む。このようにして、本方法は、ダイの範囲内にある特性測定が高度に相関しているかを決定することを含む。他の実施態様に於いて、本発明は、個々の画素の特性が、試料上で潜在的にシステマティック欠陥を誘発する機構の位置として相関付けられる、試料上のダイの複数の部分を同定することを含む。また係る方法は、システマティック欠陥を誘発する機構が作動中である潜在的なサイトとして、ユーザへ高度に関連するダイ領域(例えば、フレーム)を表示することを含み得る。
係る系統的なイベントは、複数のダイの対応する位置で「ピーク特性イベント」間の相関を測定することにより検出可能である。本発明のこの実施態様は、多くのダイで同じ（または実質的に同じ）相対的位置で起こる欠陥がリピーター欠陥として警告される「リピーター解析」の拡張として見なされ得る。係る方法の例は、一般に、Zafar等により2006年11月20日に出願された米国特許出願11/561,659号、Kulkarni等により2006年11月20日に出願された米国特許出願11/561,735号に示されており、これら両者はここに詳述された参照文献として取り扱われる。
ダイ-ダイまたはダイ-ゴールデン・ダイのダイ欠陥検出方法は、欠陥画素を同定し、警告するために、一般に「ターゲット・ダイ」と呼称されるダイと一般に「レファレンス・ダイ」と呼称される二つのダイが配列されたイメージを比較することを含む。一般に、欠陥画素は、ダイ-レファレンスのダイ・グレー・レベル差分が閾値を超えるものである。しかしながら、しばしば、あるシステマティック欠陥を誘発する機構は、ダイ内の特定の複数の位置がプロセスの変化に対して同様に振舞う原因となり、一方で、これら複数の位置でのグレー・レベル値は欠陥として警告が発生されない場合があり、これら複数の位置が相関するように変化しており、（更にプロセスが悪化すると）これらの地点で欠陥が生じる原因となり得ることを知ることが有益であり得る。
従って、ダイ-ダイ画素差分の相関を吟味することにより、ダイ内の系統的な差分傾向を検知することが可能である。ダイ内の特定の複数の位置における係る系統的な差分傾向は、共通の設計コンテクストを共有する複数の位置に於いてシステマティック欠陥機構が作動中であることによる、という強い可能性が存在する。例えば、設計に於けるある形状、配置は、他に比べてよりシステマティック欠陥を生じやすい。従って、類似の形状、配置を有する複数の位置に於ける画素特性は、これらの形状、配置内でシステマティック欠陥機構が生じていることを示す場合がある。対照的に、類似の形状、配置を有する位置に於ける特徴の変化は、その形状、配置がシステマティック欠陥機構に影響を受けやすくないことを示し得る。このようにして、ここに記載される方法実施態様は、相関解析を用いシステマティック欠陥を検出可能である。
係るグレー・レベル差分相関を吟味する手間隙のかかる方法は、試料上の全てのダイに亘りダイ・イメージ内の全ての画素の組の相互相関を測定することである。しかしながら、2次の相関（即ち、二つの画素の相関）を調べる場合に於いてさえ、NxNのイメージに関し、 N2 * N2サイズの相互相関行列を計算し、高度の相互相関値を有する画素のペアを探さなくてはならない。より高次の相関に関しては、例えば、相関する三つの画素の全てを吟味することは、組み合わせの急激な増加により、計算は困難になる。
相関解析は、代替的に、計算負荷の現実的な限界内に保つようにピーク・イベント相関を用いて実施可能である。この方法は、「ピーク特性イベント」の概念を用いる（即ち、ダイ-ダイ差分値が閾値を超える画素の位置）。ある任意の閾値Ｔで検出されたピーク・イベントは、試料上の全てのダイに亘り解析され、相関が測定される。試料上にＭ個のダイがあることを仮定されたい。pi と pjで記載される二つのピーク・イベント間の相関は、Corr[pi, pj] = #(pi, pj)/{#pi * #pj}1/2により定量的に測定される。ここで、Corr[]は二つのイベント間の相関を示し、#piならびに#pjはイベントpiならびにpjの起こった数をそれぞれ示し、#(pi, pj)は両者のイベントが共に起こったダイの数を示す。イベントpiはダイ関連位置（即ち、ダイ内の(x,y)位置）により固有に同定される。Corr[]は0から1の間の値を有し、1は両者のイベントが常に共に起こったことを示す。
閾値 Tに於いてダイ当たり平均n(T)個のピーク・イベントが存在する場合、ペアに関するイベント相関の数はn(T) * n(T)/2と計算される。先に記載されたこの手間隙のかかる方法に於けるN2*N2の計算に比較し、この数は遥かに少ない。イベントの数nは画素の数N2よりも遥かに少ないためである。同様にして、例えば3次、4次などの高次の相関を決定可能である。ｍ次の相関に関しては、n(T)のイベント内でｍ個のイベントの全ての可能な組み合わせに関して考慮することが可能であり、これらの組み合わせに関する相関関数は以下の如く計算される。（一つのダイの内でｍ個のイベントが共に起こる数）/（全てのダイに亘りそれらの個々が起こる回数の積）1/m。
一例に於いて、#p1 = 100、#p2 = 75、#p3 = 50、#(p1, p2) = 60、#(p1, p3) = 40、#(p2, p3) = 35、#(p1, p2, p3) = 25を仮定されたい。この例に於いて、#(pi, pj)は、イベントp1 と p2が、イベントp1 と p3の組み合わせとイベントp2 と p3の組み合わせよりもより頻繁に共に起こる傾向であることを示している。更に、イベントp1 と p3は、イベントp2 と p3よりもより頻繁に共に起こる傾向にある。しかしながら、#(pi, pj, pk)は、三つのイベントが共に起こる傾向は、二つのイベントが共に起こる如何なる組み合わせよりも少ないことを示す。この例に関する2次と3次の相関は、以下のように求められる。Corr[p1, p2] = 60/(7500)1/2 = 0.69、Corr[p1, p3] = 0.566、Corr[p2, p3] = 0.57、Corr[p1, p2, p3] = 25/(100*75*50)1/3 = 25/72 = 0.347。欠陥イベントのある任意のセット{p1, p2, p3,…}の相関は、閾値Ｔの関数である。最終的に、任意の係る点のセットの相関は1に近づく（即ち、全ての画素に関して警告が発生される時）。
比較的大きな相関値を有するイベントの高次の相関（例えば、50次）を取り扱いたい場合、比較的大きな相関値を有する低次の相関の一覧を作成し、これらのイベントを高次の相関を構築するために「統合」することで、これらイベントを見出すことが可能である。例えば、全てのペアの如きの相関（例えば、2次）が評価され、Corr[p1, p3] ならびに Corr[p12, p27]が比較的大きな値を有すると判断された場合、(p1, p3) ならびに (p12, p27)が共に起こるダイの一覧を吟味することで、4次の相関(p1, p3, p12, p27)を決定可能である。比較的高い値を有する低次の相関にのみ高次の相関を決定することで、手間隙のかかる全ての組み合わせイベントを取り扱わずして、高次のイベント・グループ内の比較的高い相関を見出すことが可能である。
一例に於いて、係る方法は、1次のイベント頻度の一覧を分類することを含む。また本方法は、最も高い1次のイベント頻度ｎ1と共に起こる2次のイベントを決定することを含む。更に、本方法は、最も高い2次のイベントｎ2の全て（または少なくとも幾つかの）のペアに関して、3次ならびに4次のオーダーの相関を決定することを含み得る。また本方法は、更に、ｎ3の最も高い次ならびに4次のイベントの全て（または少なくとも幾つかの）のペアを吟味することにより、5次、6次、7次、8次等の相関を決定することを含み得る。
上のアプローチは、システマティック欠陥機構を見出すために、ダイ配列に関連した設計コンテクストを用いない。しかしながら、ダイ配列が入手可能な場合、ダイ領域を異なる設計コンテクストに分類することが可能である（類似の形状、配置のレイアウトを有する領域は、従って、恐らくはプロセス変動により同じように影響を受ける）。このようにして、相関精度は改善され、設計コンテクストを用いることにより、計算量が大幅に低減される。
従ってここに記載される方法は、システマティック欠陥検知を改善するために設計コンテクストを使用可能である。例えば、一実施態様に於いて、本方法は、異なる設計コンテクストを有する試料上のダイの異なる部分を同定することを含む。従って、本方法は、設計コンテクストに基づきダイ領域をセグメント化することを含み得る。更に、設計コンテクスト・マップが利用可能な場合、ピーク・イベントはコンテクストにより分類可能である。また係る方法実施態様は、同じ設計コンテクストを有する異なる部分内の個々の画素の特性が相関しているかを決定することを含む。係る一実施態様に於いて、上の2次ならびに高次の相関解析は、選択されたコンテクスト内のイベントのみに関して実施可能である。即ち、異なるコンテクスト内で生じたイベント間では相関を求める計算は実施されない場合がある。本方法は、解析されるべきイベントの組み合わせ数を低減し、そしてまた、同じコンテクスト内でピーク・イベント間に比較的高いｎ次の相関が存在する場合に、システマティック欠陥生成現象が生じたかの尤度を決定する。
またここに記載される方法実施態様は、潜在的なシステマティック欠陥をシステマティック虚偽欠陥（殆どまたは全く収率に影響しなしシステマティック欠陥の原因となる設計の「コールド・スポット」または非重点領域（例えば、ダミー構造、ダミー充填領域など））より分離するために使用可能である。システマティック虚偽欠陥は、ここに記載される実施態様により生成される出力に含まれない場合がある。換言すれば、システマティック虚偽欠陥は、本実施態様のユーザに提示されない場合がある。
係る一実施態様に於いて、本方法は、相関する特性を有する異なる部分を示す出力を生成することを含む。出力は、ユーザへの試料または重ね合わされたダイ・レベルで、ここに記載される一つまたは複数の特徴（例えば、最大差分、最大強度など）の表示を含み得る。また、或いは、出力は、ユーザへ提示されたものと同じ設計コンテクスト・タイプに属する高度に相関するダイ・フレームの表示を含み得る。
上に記載される方法は、ピーク・イベント（潜在的な欠陥）間の相関を用い、システマティック欠陥機構を見出す。従って、これらの方法は、（例えば、ある方法で差分ヒストグラムを閾値化することにより）欠陥の正確な位置を決定することを含む。個々の画素の特性に埋もれた（または、さもなくば隠されてしまう）システマティック欠陥を同定するために、様々な値の閾値Ｔに於いて、この閾値化を実施することが可能である。ピーク・イベントの位置を見出すための閾値化は、一つのイメージ・フレーム（例えば、512 x 512）内の全ての画素の差分画素を構築することである。この方法に対する代替法の一つは、明確に欠陥位置を見出すことなく、これら相関を同定するためにヒストグラム自身を用いることである。勿論、この方法は、厳密な欠陥位置のマッチングにより得られる位置精度を有しない。しかしながら、特に、閾値の連続体T1、T2、…Tnに於いて高度に相関したイベントを見出したい場合、この方法は、個々のイベントではなくフレームを相関づけることは計算上でより効率的であるという利点を有する。
更なる実施態様に於いて、試料の特性を監視することは、試料上の複数のダイの内で個々の領域の特徴が相関しているかを決定することを含む。このようにして、本方法は、単一のダイで特性測定結果が高度に相関しているかを決定することを含む。試料上の複数のダイで個々の領域の特徴が相関しているかを決定することは、ここに記載される如く実施可能である。幾つかの実施態様に於いて、試料の特性を監視することは、潜在的に試料上でシステマティック欠陥を誘発する機構の位置として、個々の領域の特徴が相関している試料上の複数のダイの部分を同定することを含む。個々の領域の特徴が相関している試料上の複数のダイの部分を同定することは、ここに記載される如く実施可能である。また係る方法は、システマティック欠陥を誘発する機構が作動中である潜在的なサイトとして、ユーザへ高度に相関するダイ領域（例えば、フレーム）を表示することを含む。
コンテクスト・マップまたはダイ配列の他のコンテクスト情報が利用可能な場合、相関を決定するためにフレーム相関ならびに設計コンテクストを用いることが可能である。特に、フレーム内の画素が、設計コンテクストにより分類され、個々のコンテクストに関する差分ヒストグラムが記録される場合、個々の欠陥イベントではなくフレームヒストグラムを相関づけ、ある任意のコンテクストに属する、画素に影響を与える系統的イベントの比較的正確な検知が可能である。例えば、他の実施態様に於いて、試料の特性を監視することは、異なる設計コンテクストを有する、試料上のダイの異なる部分を同定することを含む。従って、本方法は、設計コンテクストに基づきダイ領域をセグメント化することを含み得る。また係る方法実施態様は、同じ設計コンテクストを有する、異なる部分内の個々の領域の特徴が相関しているかを決定することを含む。
このアプローチに於いて、コンテクストにより特徴を分類することは、設計コンテクストを用いること無しに個々の領域の特徴間で相関があるかを決定することよりもより有益であり得る。例えば、フレームは、広範に異なるコンテクストに於いて欠陥を含む場合があり、複数のコンテクストを含むフレーム特徴を相関づけることは、誤った結論を導くことがある。特に、異なるコンテクストが異なる特徴を示す場合、複数のコンテクストに亘り相関を決定することは、特定のシステマティック欠陥に関連した特定の特徴の同定をより困難にする。
上の実施態様の一例に於いて、ある任意のコンテクストk、ある任意のダイi、ある任意のフレームjに関して、i番目のダイの内で、イメージ・フレーム配列の後に、ダイ-ダイまたはダイ-ゴールデン・ダイの比較より得られたグレー・レベルの差分ヒストグラムHk(i, j, g)を記録したと仮定されたい。指標gは、グレー・レベルの差分の絶対値である（例えば、ｇは0から255の範囲である）。従って、Hk(i, j, g)は、グレー・レベルの差分gを有する、ダイiのj番目のフレーム内のコンテクストk内の画素の数である。Pk(i, j, g, Δ)をグレー・レベル・区間[g, gΔ]内に於けるヒストグラム内に存在する画像の数と仮定されたい。この値は、g ならびに gΔ の間のグレー・レベル差分を有する画素の数であり、ここでΔ は比較的小さいグレー・レベルの区間である。閾値がある値以下に引き下げられた場合のみに特定のイベントが現れる場合があり、検知されたばかりのグレー・レベル差分により欠陥イベントを同定するために、前記区間は使用される。
上の定義を前提として、個々のダイがフレームにより構成された試料マップ、そして特定の相関閾値を満たすそれぞれのダイ内のフレームが「明るくなる」ことで視覚化できることを想定されたい。例えば、ある任意のコンテクストkならびに区間[g, gΔ]に関して、Pk(i, j, g, Δ)が、ゼロではないが（例えば）5画素未満の全てのフレームが明るくなったとしよう。選択されたフレームは、差分信号がこのグレー・レベルの区間内に収まる、同じコンテクストへ属するダイ内の凡その位置である。全てのダイに亘り係るフレーム間の相関（ピーク・イベントに関し上に記載される方法に類似）が決定された場合、高次の相関は、同じフレームのセットは、このグレー・レベルの区間内に有るイベントを有することを示唆する。同じコンテクストに属するイベントの再度の発現は、従って、系統的な機構が作動中であることを示唆する。係る高次の相関は、表示内で強調（またさもなくば表示）可能である。グレー・レベル区間がその範囲に亘り変化するに伴い、ある任意のコンテクストkに関して潜在的な系統的特徴が検出可能である。本方法は、それぞれのコンテクスト内の系統的特徴を同定するためにそれぞれのコンテクストに関して実施可能である。
Δ区間が比較的小さな範囲内で画素を数え上げるフレームを選択することの理由は、比較的大きな数のイベントが有った場合、幾つかの画素のみに影響を与える欠陥機構を見出す代わりに、フレーム内で多くの画素に影響を与える局所的な色変動などといったプロセス変動を見出すことになり得るからである。勿論、上の記述が真である補償は必ずしも無い。例えば、ある領域に於ける局所的なCD変動は、ある任意のグレー・レベル区間での画素のカウント数が比較的大きくなることの原因となることが可能であり、そしてこの変動は、ユーザが検出を所望する欠陥で有り得る。
本方法は、メモリと計算要件に関して、幾つかの利点を有する。例えば、相関解析に関し、イベントに基づくアプローチとフレームベースのアプローチの保存ならびに計算費用が比較可能である。40 mm x 40 mmの試料上に有る100個のダイ、512 x 512のフレーム、ならびに80 nmの画素サイズを仮定すると、フレームの総数は計凡そ9千5百万であり、ダイ当たり凡そ百万のフレームとなる。フレーム当たりわずか三つの画素、1％のフレームが欠陥を含むと仮定した場合、全ての欠陥の(x,y)位置を保存することは、ある任意のグレー・レベル区間に関するコンテクスト当たり、(0.01*100,000,000*3*8) = 24メガバイトを要求する。フレーム・インデックスは4バイト内に保存可能であり、個々の画素は記録されないため、ある任意のグレー・レベル区間に関するコンテクスト当たり、保存には4メガバイトが必要となる。更に、この数は、フレーム当たりに警告が発生された画素の数には依存しない。計算に関しては、相関づけられるべき警告が発生された欠陥の数と、相関づけられるべき警告が発生されたフレームの数の比がフレームに基づくアプローチを用いることにより得られる効率性を決定する。
係る一実施態様に於いて、本方法は、相関する個々の領域の特徴を有する異なる部分を示す出力を生成することを含む。出力は、また、或いは、ユーザへ試料またはダイ・レベルで表示される、ここに記載される一つまたは複数の特徴（例えば、最大差分、最大強度など）の表示を含み得る。出力は、また、或いは、同じコンテクスト・タイプに属する高度に相関したダイ・フレームをユーザへ表示することを含み得る。
ここに記載される実施態様は、試料の特徴を監視することに関して、現行の方法とシステムに対して幾つかの利点を有する。例えば、ヘイズ・マップを、現行の、パターン化されてないウエハー向けの検査システムで生成することが可能である。係るヘイズ・マップは、表面粗さとパターン化されてないウエハーを監視するために過去に用いられている。係る方法は、ここに記載される実施態様により決定され得るパターン化されたウエハーまたはパターンに特定の情報を取り扱わない。更に現行の検査システムの幾つかは、巨視的欠陥を特に対象とするものである。係る検査システムにより検出可能な幾つかのイベントは、ここに記載される実施態様を用いて検出可能であるが、係るシステムは、小さな画素検査ツールの解像度を有しないために、ここに記載される実施態様により検出可能である他のイベントは、マクロ欠陥検査システムによっては検出不可能である。更に、ここに記載される使用事例は、巨視的欠陥検査ツールに有益ではない。特定のデバイス領域は、より高い解像度のツールにより対象となり得るためである。現行の検査システムの幾つかは、ウエハーならびにダイの巨視的表示を生成可能である。しかしながら、係る巨視的表示は、偏光などの、検査システムのパラメタの選択の設定でのみ使用される。巨視的表示は、検査結果の一部としては表示されず、いかなる形式によっても使用されない。
対照的に、ここに記載される実施態様は、例えばCD変動などの、システマティック欠陥に直接相関する試料上のパターン特性変動を測定するために使用可能である。係る一例に於いて、従来通り、試料は検査システムにより検査可能であり、欠陥が検出可能であるが、同時にCD変動の特徴マップが生成可能である。振幅または特徴形状に於いて、マップがどのように変化するかに基づき、例えばCD走査電子顕微鏡（CD SEM）などの計測ツールを用いてCD変動を検査するように、追加のSPCフラッグがユーザに警告を与える。検査システムからの位置情報は、最も大きなCD変動を有するダイの特定の部分上に計測ツールの視野を移動させるように使用可能である（勿論、恐らくはユーザがCD SEMで観測する箇所ではない）。
レチクル強化技術（RET）が計測に於いてダイ当たり一箇所のみを観測する原因となり、プロセス・ウインドウの監視の代替としては最早使用できないため、ここに記載される実施態様の係る適用は、より重要となり得る。更に、最近のRET問題と縮小しつつある設計ルールは、検査システムにより測定されるある特性の変化としてしばしば現れる、より多くのシステマティック欠陥が試料上に存在する可能性を意味する。ここに更に記載される如く、ここに記載される実施態様は、試料上のシステマティック欠陥を検出し、監視するために、検査システムにより生成される出力を有効に活用する。
またここに記載される実施態様は、検査システムのスループットへ殆どまたは全く影響を与えないため、ユーザへより価値をもたらす。例えば、ここに記載される実施態様は、現行のシステムと方法によっては検出不可能な問題を同定するために使用可能である。このようにして、ここに記載される実施態様は、改善された（例えば、より正確な、より感度が高いなど）プロセス監視と制御を供給するために使用可能である。更に、ここに記載される方法は、現在利用可能な検査システムを用いて実装可能である。特に、実施態様は、現行検査システムの任意の光学または電子ビーム・ハードウエアを用いて実装可能である。
他の実施態様は、パターン化されたウエハーの表面のイメージを生成するためのコンピュータ実施方法に関する。幾つかの実施態様に於いて、コンピュータ実施方法は、プロセッサ上で実施可能なプログラム指示により実施可能である。プログラム指示とプロセッサはここに記載される如く更に設定可能である。例えば、プログラム指示は、ここに記載される如く設定可能なキャリア・ミディアム内に備えることが可能である。更に、コンピュータ実施方法は、ここに記載される任意のシステムにより実施可能である。
本方法は、パターン化されたウエハーに関する検査システムの出力を取得することを含む。検査システムはここに更に記載される如く設定可能である。出力は、検査システムの任意の出力を含むことが可能である。一実施態様に於いて、出力を取得することは、光学パターン抑圧を用いて、パターン化されたウエハーに関する検査システムの出力を取得することを含む。係る一実施態様に於いて、光学パターン抑圧はフーリエ・フィルタリングを含む。このようにして、取得ステップは、イメージ取得中にフーリエ・フィルターを用いることを含む。フーリエ・フィルターはこの分野で公知の任意の適切なフーリエ・フィルターを含むことが可能である。更に、フーリエ・フィルターは、この分野で公知の任意の適切な方法で実施可能である。幾つかの実施態様に於いて、レシピ設定中に、欠陥検出アルゴリズム閾値の設定前に、フーリエ・フィルター・トレーニングを実施可能である。フーリエ・フィルタリング・トレーニングは、任意の適切な方法で実施可能である。更に、欠陥検出アルゴリズム閾値の設定は、任意の適切な方法で実施可能である。
フーリエ・フィルター・トレーニングの実施後に、ここに記載される使用事例の一つを実施可能である。例えば、一実施態様に於いて、取得ステップは、パターン化されたウエハーの実質的に全ての表面に関する出力を取得可能である。出力は、任意の適切な方法（例えば、ウエハーの実質的に全ての表面を走査することで）でパターン化されたウエハーの実質的に全ての表面に関して取得可能である。係る一実施態様に於いて、ここに更に記載される如く表面イメージを生成するために、ユーザは、フル・ウエハー・イメージ走査を起動可能である。次に、フル・ウエハー・イメージ走査は、レシピ内の既存の光学セットを用い、検査システムにより実施可能である。
また本方法は、出力を用い、パターン化されたウエハーの表面のイメージを生成することを含む。出力は、任意の適切な方法で、出力を用いて生成可能である。更に、イメージは、任意の適切なイメージ形式を有することが可能である。一実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーの実質的に全ての表面のイメージを含む。例えば、上に記載される如く、出力は、パターン化されたウエハーの実質的に全ての表面に関して取得可能である。このようにして、係る出力は、パターン化されたウエハーの実質的に全ての表面のイメージ生成するために使用可能である。このように、本方法は、ここに更に記載される如く使用可能な、パターン化されたフル・ウエハー表面イメージを生成することを含み得る。特に、ここに記載される実施態様は、パターン化されたウエハーの利用可能なフル・ウエハー・イメージを組み立てるために光学パターン抑制を使用可能である。
他の実施態様に於いて、パターン化されたウエハーの表面イメージはパターン位置ずれノイズを実質的に有しない。例えば、出力取得中にフーリエ・フィルターを用いることで、既存の表面イメージを通常特色づけるパターン位置ずれノイズを実質的に有しないフル・ウエハー・イメージを得ることが可能である。特に、ここに記載される実施態様は、ウエハー上の異なる位置で取得されたイメージを差し引くことにより生成されるパターン化されたウエハーのイメージ内に存在可能なパターン位置ずれノイズを除去し、従って、イメージ内のウエハー上のパターン化された特徴からの寄与がキャンセルされる。しかしながら、係るイメージを差し引くに当たっては、イメージの差し引き以前にイメージは互いに配列されている必要がある。従って、係るイメージの差し引きにより生成されるイメージは、互いに完全に位置合わせされていないパターンからのノイズを含む場合がある。対照的に、ここに記載されるパターン化されたウエハーのイメージは、一つのイメージを他のイメージから差し引くことにより生成されるものではないため、パターン化されウエハーのイメージは、パターン位置ずれノイズを実質的に有しない。特に、ここに記載される実施態様は、デジタル化前に、イメージからのパターンを除去するために、光学的フーリエ・フィルタリングを用いることにより、パターン化されたウエハーの表面イメージから残留パターン・ノイズを除去する。従って、ここに記載される実施態様は、パターン・ノイズがイメージを支配すること無しに、パターン化されたより優れたウエハーの表面イメージを得るために使用可能である。このように、ここに記載される実施態様は、パターン化された特徴を有するウエハーに関して「代用」として機能するパターン化されたウエハーのイメージを生成可能である。
追加の実施態様に於いて、パターン化されたウエハーの表面イメージは、パターン化されたウエハーから散乱された光の強度のグレー・スケール・イメージを含む。例えば、イメージは、ウエハーからの強度応答のグレー・スケール・イメージを含み得る。更に、光学パターン抑制を用いて出力が取得された場合、イメージは、ウエハー表面から散乱された光の強度のグレー・スケール・イメージを含み得る。更なる実施態様に於いて、パターン化されたウエハーの表面イメージは、パターン化されたウエハー表面のノイズ・マップを含む。ノイズは、ここに記載される任意のノイズを含み得る。更に、ノイズ・マップは、ここに記載される如く設定可能である。
幾つかの実施態様に於いて、イメージを生成することは、光学パターン抑制を用いて出力が取得されるパターン化されたウエハーの一つまたは複数の領域に関して一つまたは複数の統計を決定することを含む。係る一実施態様に於いて、イメージは一つまたは複数の統計のグレー・スケール・イメージを含む。例えば、検査システムにより実施されるウエハー走査の個々のフレーム（ジョブ）は、フーリエ・フィルターされた領域からの統計を記録可能である。ウエハーの領域は、ここに記載される如く更に設定可能である。統計は、ここに更に記載される任意の統計を含む任意の適切な統計を含み得るが、通常、領域に関するヒストグラム内のピーク強度または累積密度点で有り得る。統計は、任意の適切な手段により決定可能である。個々のフレームからの統計は収集され、グレー・スケール・イメージの形式で表示可能である。
幾つかの実施態様に於いて、イメージを生成することは、光学パターン抑制を用いて出力が取得されたパターン化されたウエハーの一つまたは複数の領域を、一つまたは複数のサブ領域に分割し、一つまたは複数のサブ領域に関する一つまたは複数の統計を決定することを含む。サブ領域の統計は、ここに記載される任意の統計を含むことが可能であり、任意の適切な方法により決定可能である。係る一実施態様に於いて、イメージは、一つまたは複数の統計のグレー・スケール・イメージを含む。従って、上に記載される如く、領域はサブ領域に分割可能であり、統計は、個々のサブ領域に関して記録可能であり、従ってイメージの詳細を提供する。領域は、任意の適切な方法によりサブ領域に分割可能である。上に記載される如く、それぞれのフレームからの統計は、収集され、グレー・スケール・イメージの形式で表示可能である。
一実施態様に於いて、ステップを生成することは、パターン化されたウエハーの一つまたは複数の領域が光学パターン抑制に適切でないかを決定し、表面のイメージより一つまたは複数の領域に対応するイメージを除去することを含む。例えば、フル・ウエハー・イメージは、視覚化に関して既に高度に破棄されている場合があるため、フーリエ・フィルター・パターン抑制に適切ではないウエハーの領域を廃棄可能である。フーリエ・フィルター・パターン抑制に適切ではないウエハーの領域は、周期的にパターン化された特徴が形成されていないウエハーの領域、または、光学パターン抑制により、出力から完全に除去することが実質的に不可能であるパターンを生成するパターン化された特徴が生成されたウエハーの領域を含む。フーリエ・フィルター・パターン抑制に適切ではないウエハーの領域は、任意の適切な方法により（例えば、イメージ内の異なる領域に単一の閾値を適用することにより）決定可能である。
他の実施態様に於いて、ステップを生成することは、パターンが光学的に抑制された、ウエハー上の領域のみ、またはウエハー上のダイのみ内で一つまたは複数の統計を決定することを含む。領域に関する統計は、上に記載される如く決定可能であり、この分野で公知の任意の適切な統計を含み得る。このようにして、本方法の取得ステップは、イメージ取得中に光学的フーリエ・フィルターを適用することで、本方法により生成された、パターン化されたウエハーに関するノイズ・マップより、ウエハー上に形成されたパターンを抑制することを含むことが可能であり、イメージを生成することは、ダイまたはウエハーの光学的にフーリエ・フィルターされた領域内の統計のみを記録することを含み得る。
一実施態様に於いて、イメージを生成することは、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含む。例えば、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することは、パターン化されたウエハーの表面のノイズ・マップを生成し、「フル」パターン化されたウエハーを、ウエハー上に形成された異なるダイに対応する、異なるノイズ・マップに分類することを含み得る。「フル」パターン化されたウエハーのノイズ・マップは、必ずしもパターン化されたウエハーの全領域に対応するものではない。例えば、「フル」パターン化されたウエハーのノイズ・マップは、パターン化されたウエハーの端部近傍にあるパターン化されたウエハーの部分を含まない場合がある。フル・パターン化されたウエハーのノイズ・マップは、任意の適切な情報（例えば、ウエハー上に形成されたダイの配列に関する情報、またはダイ間のスペース、及び/または、境界に関する出力が個々に区別可能であるかに関する、検査システムにより取得される出力など）を用いて、個々のダイのノイズ・マップに分類可能である。更に、パターン化されたウエハーのノイズ・マップは、ウエハーに関する出力が取得された後に、ダイのノイズ・マップに分割可能である。或いは、パターン化されたウエハーのノイズ・マップは、潜在的に、どのように出力が取得されたかに関する情報（例えば、帯状物に関する情報）と組み合わせて、上に記載される情報に基づき、ウエハーに関する出力が取得されるに伴い（例えば、リアル・タイムで）、ダイのノイズ・マップに分割可能である。ダイに関するノイズ・マップも、ここに記載される任意の他の実施態様に準じて生成可能である。
係る一実施態様に於いて、本方法は、パターン化されたウエハー上の個々のダイを容認するか棄却するために、ノイズ・マップを一つまたは複数の他のノイズ・マップに比較することを含む。このようにして、本方法は、個々のダイを容認するか棄却するために、ダイのノイズ・マップを他のダイのノイズ・マップに比較することを含む。ダイのノイズ・マップに比較される他のダイのノイズ・マップは、ここに記載される任意のダイのノイズ・マップを含み得る。パターンが均等にまたは十分に抑制されていないダイのノイズ・マップが棄却されるように、異なるダイに関するノイズ・マップに於いて、パターンが均等にまたは十分に抑制されているか決定するために、上に記載される如く、異なるダイのノイズ・マップは比較可能である。更に、また、或いは、異なるダイに関するノイズ・マップは、ある方法で欠陥を有するダイ（例えば、ダイ・レベル欠陥、またはプロセス特徴を示すダイ）に比較可能である。このようにして、異常値を有する、欠陥を有する、またはウエハーまたは他のウエハー上の他のダイに比較してある固有性を有するダイを同定するために、ノイズ・マップを比較可能である。異なるダイに関するダイのノイズ・マップは、ここに更に記載される如く比較可能である。更に、ウエハーのノイズ・マップは、同様にそして同様な理由（例えば、パターンが十分に抑制されていないウエハーのノイズ・マップを同定するために、異常値を有するウエハーのノイズ・マップを同定するために、ウエハー・レベル欠陥、またはプロセス特徴を示すウエハーのノイズ・マップを同定するために）で比較可能である。
他の実施態様に於いて、本方法はパターン化されたウエハー上に形成されたダイのノイズ・マップを、ダイの他の一つまたは複数のノイズ・マップに比較することを含む。係る一実施態様に於いて、一つまたは複数の他のノイズ・マップは、パターン化されたウエハー上のダイのノイズ・マップを含む。このようにして、本方法は、ダイのノイズ・マップを、同じウエハー上にある他のダイのノイズ・マップに比較することを含む。他の係る実施態様に於いて、一つまたは複数の他のノイズ・マップは、他のパターン化されたウエハー上のダイのノイズ・マップを含む。このようにして、本方法は、ダイのノイズ・マップを他のウエハー上の他のダイのノイズ・マップに比較することを含む。異なるウエハー上の異なるダイのノイズ・マップは、ここに更に記載される如く比較可能である。例えば、ダイのノイズ・マップがひとたび形成されると、これらのダイのノイズ・マップが同じパターン化されたウエハー上のダイに関して形成されたか、異なるパターン化されたウエハー上のダイに関して形成されたかによらず、異なるダイのノイズ・マップを互いに配列させることは比較的容易に実施可能である。異なるダイのノイズ・マップを互いに配列させた後、ダイのノイズ・マップは比較され得る。追加の係る一実施態様に於いて、一つまたは複数の他のノイズ・マップは、フル・パターン化されたウエハーのノイズ・マップからの複数のダイのノイズ・マップの合成物を含む。このように、本方法は、フル・ウエハーのノイズ・マップからの複数のダイのノイズ・マップの合成物を経て一つまたは複数の他のダイのノイズ・マップを生成することを含み得る。例えば、複数のダイのノイズ・マップの合成物は、ウエハー全域に亘りダイのノイズ・マップを実質的に組み合わせるために、平均化技術を用いて生成することが可能である。同様にして、合成物は、複数のウエハーに関するノイズ・マップからの複数のダイのノイズ・マップを用いて生成可能である。複数のダイのノイズ・マップの合成物を生成することは、従って、個々のダイのノイズ・マップ内のあらゆる異常なノイズを実質的に平均化してしまうことであり、それ故、合成物のダイのノイズ・マップは、通常のダイのノイズ・マップに対してより良い表示となり得る。このようにして、合成物のダイのノイズ・マップは、試験下にあるパターン化されたウエハーに関するダイのノイズ・マップへの比較に関して、より良い「レファレンス」ダイのノイズ・マップとなり得る。同様にして、合成物のウエハーのノイズ・マップは生成可能（例えば、異なるウエハーに関する複数のウエハー・レベルのノイズ・マップを用いて）であり、ここに記載される如く使用可能である。
幾つかの実施態様に於いて、イメージを生成することは、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含み、本方法は、パターン化されたウエハー上のダイの全てのノイズ・マップより合成物のノイズ・マップを生成し、合成物のノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを含む。このようにして、本方法は、「フル」ウエハーのノイズ・マップからの複数のダイのノイズ・マップの合成物を経てダイのノイズ・マップを生成することを含み得る。従って、生成ステップは、試験下にあるウエハーに関するダイのノイズ・マップの合成物を生成することを含み得る。合成物のノイズ・マップに比較されるダイの一つまたは複数の他のノイズ・マップは、また複数のダイのノイズ・マップの合成物で有り得る。このようにして、上に記載される比較ステップは、合成物-合成物比較で有り得る。或いは、一つまたは複数の他のノイズ・マップは、単一のウエハー上の単一のダイに関して、またはここに記載される任意の他のレファレンスに生成されるノイズ・マップで有り得る。試験下にあるウエハーに関するダイのノイズ・マップの合成物を、ダイの一つまたは複数の他のノイズ・マップに比較することは、ここに記載される任意の理由（例えば、ダイ・レベルの欠陥、及び/または、パターン特徴を検出するために）のために実施可能である。
一実施態様に於いて、パターン化されたウエハーは、テスト・パターン化されたウエハーを含む。係る一実施態様に於いて、イメージを生成することは、パターン化されたウエハー上にダイのノイズ・マップを生成することを含む。ダイのノイズ・マップは、ここに記載される如く生成可能である。係る幾つかの実施態様に於いて、本方法は、フル・パターン化されたウエハーのノイズ・マップより複数のダイのノイズ・マップの合成物のノイズ・マップを生成し、テスト・パターン化されたウエハー上に形成されたダイのノイズ・マップへの比較のためのゴールデン・ノイズ・マップとしてノイズ・マップの合成物を保存することを含む。このようにして、本方法は、フル・ウエハーのノイズ・マップからの複数のダイのノイズ・マップの合成物を経てダイのノイズ・マップを生成することを含み得る。次に、ゴールデン・ダイのノイズ・マップは、現行のウエハーまたは任意の他のウエハーに比較するために、保存可能である。例えば、複数のダイのノイズ・マップの合成物のノイズ・マップは、パターン化されたウエハーに関して生成可能であり、そして、ウエハーに関して生成された個々のダイのノイズ・マップが、ノイズ・マップの合成物に比較され得る。このようにして、ここに更に記載される如く、任意の単一のダイのノイズ・マップに比較して、ノイズ・マップの合成物はレファレンスとしてより適切であり得、係るノイズ・マップの合成物は試験されているウエハーの自己レファレンスとして使用可能である。
幾つかの実施態様に於いて、上に記載されるごとく生成された表面イメージは、ユーザへ表示可能である。表面イメージは、任意の適切な方法によりユーザへ表示可能である。ユーザは、欠陥またはプロセス特徴の出現に関して表面イメージを吟味可能である。ユーザは、次に、特徴を引き出すために、検出アルゴリズムを調整可能である。
幾つかの実施態様に於いて、イメージを生成することは、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含み、本方法は、ダイ機能領域の関数としてノイズが表示されるように、設計情報と共にノイズ・マップを重ね合わせて表示することを含む。例えば、ノイズ・マップは、ダイ機能領域の関数としてノイズを見るために、GDSII設計情報またはここに記載される任意の他の設計情報と共に重ね合わせて表示可能である。設計情報は、ダイのノイズ・マップを用いて重ね合わされるために、設計情報ならびにダイのノイズ・マップは、オーバーレイに関して比較的容易に互いに配列可能である。ダイのノイズ・マップを用いて重ね合わされる設計情報は、任意の適切な方法（例えば、異なるダイの機能領域に関するインジケーターを用いて、ダイ設計などに関する任意の他の情報に関するインジケーターなど、またはそれら幾つかの組み合わせ）により表示可能である。設計情報が重ね合わされたノイズ・マップは、任意の適切な方法で（例えば、任意の適切なユーザ・インターフェイスならびに任意の適切な表示デバイスを用いて）表示可能である。
追加の実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーの表面のノイズ・マップを含み、本方法は、上に重ねられた検査システムにより決定される一つまたは複数の属性と共にノイズ・マップを表示することを含む。例えば、本方法は、ウエハーのノイズ・マップの表示を検査システム上で生成される他の属性と組み合わせることを含み得る。ウエハーのノイズ・マップと他の属性は、任意の適切な表示デバイス上の同じユーザ・インターフェイス画面内で互いに重ね合わせることが可能である。ノイズ・マップと共に重ね合わされた一つまたは複数の属性は、ウエハー位置へのあるレファレンスと共に検査システムにより決定される任意の属性を含み得る。このようにして、ノイズ・マップと属性は、ノイズ・マップと属性に対応する位置または座標に基づき、容易に高いに重ね合わせることが可能である。検査システムにより決定される一つまたは複数の属性は、パターン化されたウエハーで検出される欠陥（例えば、光点欠陥）の一つまたは複数の属性、検査システムにより決定されるウエハーの一つまたは複数の属性、検査システムにより実施される検査の一つまたは複数の属性などを含み得る。例えば、属性は、欠陥マップ、ケア領域境界、ダイ境界、帯状物境界、検査領域境界、イメージ強度などを含み得る。従って、属性が上に重ね合わされたノイズ・マップを表示することは、異なるケア領域により示されるノイズ、ウエハー上の異なる位置に於いて同じケア領域により示されるノイズ、個々の欠陥とノイズの間の任意の相関、ウエハー上の異なる位置に於いてダイにより示されるノイズなどの重要な情報をユーザへ供給可能である。
更なる実施態様に於いて、パターン化されたウエハーの表面のイメージは、パターン化されたウエハーの表面のノイズ・マップを含み、本方法は、ノイズ・マップと、検査システムにより決定された一つまたは複数の属性を同時に表示することを含む。例えば、本方法は、ウエハーのノイズ・マップ表示を、検査システム上で生成された他の属性と組み合わせることが可能である。ウエハーのノイズ・マップならびに他の属性は、同じユーザ・インターフェイス画面内で同時に（例えば、隣り合わせて）表示可能である。ユーザ・インターフェイスとユーザ・インターフェイスが表示される表示デバイスは任意の適切な設定を有することが可能である。このようにして、ウエハーのノイズ・マップならびに他の属性は、上に記載される如くマップと属性を重ね合わせることなく、別々に、そして同時に表示可能である。属性は、欠陥マップ、ケア領域境界、ダイ境界、帯状物境界、検査領域境界、イメージ強度などを含み得る。このようにしてノイズ・マップと一つまたは複数の属性を表示することは、また、上に記載される任意の情報を含む重要な情報をユーザへ提供可能である。更に、上に記載される一つまたは複数の属性は、ノイズ・マップに重ね合わせることが可能であり、上に記載される一つまたは複数の属性は、重ね合わされたノイズ・マップとは別個（例えば、隣り合わせて）に表示可能である。このようにして、本方法は、異なる属性を表示することを含むことが可能であり、ここで属性の少なくとも一つは、ノイズ・マップと重ね合わされ、ここで属性の少なくとも一つは、ノイズ・マップと同時に重ね合わされない場合がある。
幾つかの実施態様に於いて、本方法は、欠陥検出に関する閾値をイメージに適用すること無しに、欠陥特徴がイメージ内に存在するかを決定することを含む。例えば、ここに記載される如く生成されるイメージは、検出アルゴリズムに依存しない。換言すれば、ここに記載されるイメージは、検査システムの取得された出力に欠陥検出アルゴリズムを適用することに生成されるものではない。従って、ここに記載される実施態様は、欠陥を二元イメージへ閾値化するためのアルゴリズムを適用することなく、欠陥特徴探査に関する表面イメージを使用可能である。欠陥特徴は、ここに記載される任意の特徴を含む任意の適切な欠陥特徴を含み得る。イメージ内に欠陥特徴が存在するかを決定することは、欠陥特徴を同定すること無しに実施可能である。換言すれば、欠陥特徴の存在を決定することは、欠陥特徴に対応する欠陥が公知であるかによらず、単純に、欠陥特徴がイメージ内に存在するかを決定することを含む。同様にして、幾つかの実施態様に於いて、本方法は、欠陥検出に関する閾値をイメージに適用すること無しに、イメージ内にプロセス特徴が存在するかを決定することを含む。プロセス特徴は、特徴に対応するプロセスに依存して変化し得る、ここに更に記載される任意の特徴を含む任意の適切なプロセス特徴で有り得る。本プロセスは、ウエハー上で実施可能な任意のプロセスを含み得る。
他の実施態様に於いて、本方法は、欠陥検出アルゴリズムを調整することなく、イメージ内に欠陥特徴が存在するかを決定することを含む。例えば、上に記載される如く、表面イメージはウエハーからの応答強度のグレー・スケール・イメージであり得るため、本方法は、欠陥検出アルゴリズムを調整することなく、ここに記載される如く生成されたイメージを探索することを含み得る。更に、ここに記載される実施態様は、むき出しの表面の測定の代替となり得るパターン・ノイズのより優れた抑制を使用可能である。従って、欠陥特徴を同定するためにアルゴリズムを調整することは要求されない。対照的に、特徴を構成する欠陥をアルゴリズムが見出すことができない場合、特徴は往々にして見逃される。このように、特徴は見逃される場合がある。しかしながら、ここに記載される方法は、見逃されていたであろう特徴を見出すために欠陥特徴探索を実施可能である。
幾つかの実施態様に於いて、本方法は、イメージ内に欠陥特徴が存在するかを決定するためにSSAをイメージに適用することを含む。例えば、SSAアルゴリズムは、特徴警告をフラッグするためにパターン化されたウエハーの表面イメージに適用可能である。SSAは、ここに更に記載される如く実施可能である。
一実施態様に於いて、本方法は、欠陥検出に関する閾値をイメージに適用することなく、イメージ内に存在する欠陥特徴を同定することを含む。例えば、上に記載される如く生成されるイメージは、欠陥検出アルゴリズムに依存しない。換言すれば、ここに記載されるイメージは、検査システムの取得された出力へ欠陥検出アルゴリズムを適用することにより生成されない。従って、ここに記載される実施態様は、欠陥を二元イメージへ閾値化するためのアルゴリズムを適用することなく、欠陥特徴同定に関する表面イメージを使用可能である。更に、ここに記載される実施態様は、見逃されていたであろう特徴を見出すために欠陥特徴同定を実施するために使用可能である。追加の実施態様に於いて、本方法は、欠陥検出に関する閾値をイメージに適用すること無しに、イメージ内に存在するプロセス特徴を同定することを含む。このようにして、ここに記載される実施態様は、光学パターン抑制フィルター（フーリエ・フィルター）を経て、パターン化されたウエハー上のプロセス特徴と欠陥特徴を同定するために使用可能である。プロセス特徴と欠陥特徴は、ここに記載される任意の特徴を含み得る。
幾つかの実施態様に於いて、本方法は、選択された欠陥特徴の検出にイメージが使用可能なように、取得ステップに関して使用されるべき検査システムの光学モードを決定することを含む。他の実施態様に於いて、本方法は、欠陥検出アルゴリズムを調整することなく、選択された欠陥特徴の検出にイメージが使用可能なように、取得ステップに関して使用されるべき検査システムの光学モードを決定することを含む。たとえば、本方法は、対象となる特定の欠陥に集中すること無しに、ウエハーの欠陥特徴を強調する最適な光学モードを決定するために、ここに記載される如く生成されたイメージを使用することを含み得る。このようにして、ここに記載される表面イメージは、対象となる特定の欠陥を強調するために最適な光学モードを選択するために使用可能である。更に、欠陥検出アルゴリズムの使用無しにイメージは生成されるため、欠陥検出アルゴリズムを調整することなく、取得ステップの光学モードが選択可能である。従って、モードの選択は、欠陥検出アルゴリズムを調整することなく、上に記載される如く実施可能であり、それ故、設定に要する時間を低減する。光学モードは、任意の適切な検査システムの任意の適切な光学モードを含み得る。
一実施態様に於いて、本方法は、選択された欠陥特徴の検出にイメージが使用可能なように、検出システムの複数の光学モードを用いて取得ステップを実施すること、複数の光学モードを用いて取得された出力を用いてパターン化されたウエハーの表面の複数のイメージを生成すること、そして取得ステップで使用されるべき検査システムの光学モードを決定するために複数のイメージを使用することを含む。複数の光学モードは、検査システムの利用可能な個々の光学モード、または検査に利用可能な全ての光学モードからのサブセットのみ（例えば、パターン化されたウエハーに適切である公知の光学モードのみ）を含み得る。このようにして、表面イメージは、検査システム個々の光学モードに関してここに記載される如く生成可能であり、個々のモードに関する表面イメージは、欠陥検出アルゴリズムを調整することなく取得可能である。換言すれば、ここに記載されるイメージは、欠陥検出アルゴリズムを検査システムにより取得される出力へ適用することなく生成されるために、表面イメージを生成するために欠陥検出アルゴリズムを調整する必要が無く、従って、イメージ内の欠陥特徴の検出に関して最適な光学モードを決定するために欠陥検出アルゴリズムを調整する必要が無い。
また表面イメージは、それぞれの光学モードに関して生成可能であり、ユーザ・インターフェイスのイメージ・ギャラリー内でユーザへ表示される。表面イメージは、任意の適切な方法でユーザへ表示可能である。イメージ・メトリクスは、特徴を引き出すか抑制するための最適モードを同定するために、イメージに関して決定可能である（特徴密度またはコントラストなど）。ここに記載される幾つかの使用事例は、望ましい特徴の先立った情報を仮定する。幾つかの事例に於いて、特徴は望ましく、イメージ内の特徴を強調することが望ましい。他の事例に於いて、特徴は虚偽であり、イメージ内の特徴を抑制することが望ましい。従って、ツール・ユーザの先立った専門知識が、ここに記載される如く検出される特徴の解釈に有益である。
一実施態様に於いて、パターン化されたウエハーの表面イメージは、パターン化されたウエハーの表面のノイズ・マップを含み得る。パターン化されたウエハーの表面のノイズ・マップは、ここに記載される任意のノイズ・マップを含むことが可能であり、ここに更に記載される如く生成可能である。係る一実施態様に於いて、本方法は、検査システムの複数の光学設定を用いて、取得ステップを実施することを含む。複数の光学設定は、検査システムの少なくとも一つの光学パラメタが異なる、少なくとも二つの光学設定を含み得る。検査システムの少なくとも一つの光学パラメタは、検査システムの任意の可変または調整可能な光学パラメタ（例えば、波長、偏光、アパーチャー設定など）を含み得る。また係る方法は、複数の光学設定を用いて取得された出力を用いて、パターン化されたウエハーの表面の複数のノイズ・マップを生成することを含み得る。このようにして、本方法は、複数のノイズ・マップを生成することを含み、前記個々のノイズ・マップは、光学設定の一つを用いて取得された出力を用いて生成される。更に、係る方法は、複数の光学設定の関数として、ウエハー・スケールのプロセス変動を同定するために複数のノイズ・マップを使用することを含み得る。係る方法は、検査システムとパターン化されたウエハーの組み合わせに関して、最適な光学モードを同定するために、複数の光学設定の関数としてウエハー・スケールのプロセス変動を使用することを含み得る。このようにして、ここに記載される実施態様は、検査システムの光学設定の関数として、ウエハー・スケールのプロセス変動を記述するためにノイズ・マップを使用することを含み得る。本情報は、ある任意のプロセス、及び/または、ある任意のウエハー・スケールのプロセス変動に関する検査システムの最適な光学モードを選択または開発するために使用可能である。例えば、ウエハー・スケールのプロセス変動の、最適なまたは最も正確な検出を提供する光学モード、及び/または、設定を、最適な光学モードとして、選択または生成可能である。
他の実施態様に於いて、パターン化されたウエハーの表面イメージは、プロセスが実施された、テスト・パターン化されたウエハーの実質的に全表面のノイズ・マップを含む。プロセスは、リソグラフィー、エッチング、化学機械研磨（CMP）成膜、クリーニングなどの、パターン化されたウエハー上で実施可能な任意のプロセスを含み得る。ノイズ・マップは、ここに記載される任意のノイズ・マップを含むことが可能であり、ここに更に記載される如く生成可能である。係る幾つかの実施態様に於いて、本方法は、プロセスの一つまたは複数の異なるパラメタを用いてプロセスが実施された複数のパターン化されたウエハーに関する取得ステップを実施することを含む。プロセスの異なるパラメタは、変化し得るプロセスの任意のパラメタを含み得る。例えば、異なるパターン化されたウエハーは、リソグラフィー・プロセスの異なる焦点条件、リソグラフィー・プロセスの異なる露光条件、異なるエッチング時間、異なるCMP研磨率、及び/または、時間、またはこれらの任意の組み合わせを用いてプロセス可能である。また係る方法は、出力を用いて、複数のパターン化されたウエハーの表面のノイズ・マップを生成することを含み得る。ノイズ・マップは、テスト下にあるパターン化されたウエハーと同じタイプのノイズ・マップで有り得る。また複数のパターン化されたウエハーに関するノイズ・マップは、テスト下にあるパターン化されたウエハーに関するノイズ・マップと同じように生成可能である。更に、係る方法は、一つまたは複数の異なるパラメタの関数として、複数のパターン化されたウエハーの表面のノイズ・マップを保存することを含み得る。このようにして、本方法は、一つまたは複数の制御条件下で、制御の検査点からのフル・ウエハー・ノイズ・マップを保存することを含み得る。例えば、異なるパターン化されたウエハーに関するノイズ・マップは、異なるパターン化されたウエハーのプロセスに使用された異なるパラメタに関連するように保存可能である。このように、異なるノイズ・マップは、異なるパラメタに相関づけることが可能であり、それ故、実質的に異なるノイズ・マップを異なるパラメタへ較正するものである。更に係る方法は、テスト・パターン化されたウエハー上で実施されたプロセスの一つまたは複数の特徴を決定するために、テスト・パターン化されたウエハーの実質的に全表面に関するノイズ・マップを、保存されたノイズ・マップに比較することを含み得る。例えば、保存されたノイズ・マップは、プロセスの特徴を決定するために、現行のウエハーに関するノイズ・マップに比較可能である。決定され得るプロセスの特徴は、以下に限定されるものではないが、複数のプロセス・ツールのマッチング（例えば、複数のプロセス・ツールが同じプロセスを異なるように実施したか）、プロセス異常のフラッグ化（または同定化）、ノイズ・マップの特徴を公知の条件下で生成されたマップに相関づけることによるプロセス・メトリックス（例えば、線幅の変動、エッチング均一性、CMP特徴など）などを含み得る。
他の実施態様に於いて、本方法は、検査システムのそれぞれの可能な光学設定を用いて取得ステップと生成ステップを実施することにより、取得ステップに関して使用される検査レシピの一つまたは複数の光学パラメタを調整し、それぞれのイメー内の欠陥特徴の存在または非存在に基づき、検査レシピに関する光学設定を選択するために、それぞれの可能な光学設定に対応するイメージを用いることを含む。このようにして、本方法は、それぞれの可能な光学設定下でノイズ、及び/または、欠陥マップを取得することにより検査レシピに関する光学設定を調整し、それぞれのノイズ、及び/または、欠陥マップ内の欠陥特徴の存在または非存在に基づき、所望される光学設定を選択するために、これらのノイズ、及び/または、欠陥マップを用いることを含み得る。光学パラメタは、検査システムの任意の光学パラメタ（例えば、光学システムの調整可能な光学パラメタ）を含み得る。このようにして、ここに記載される実施態様内で選択または調整可能な検査システムと検査レシピのパラメタは、出力を取得するために使用可能な検査システムの光学モード、及び/または、任意の他のパラメタを含み得る。
追加の実施態様に於いて、取得ステップは、検査システムの予め設定された光学設定を用いて実施される。係る一実施態様に於いて、本方法は、イメージ内の欠陥特徴の存在または非存在を、欠陥検出アルゴリズムの出力にマッチさせることにより、検査レシピの欠陥検出アルゴリズムの一つまたは複数のパラメタを調整することを含む。このようにして、本方法は、ある任意の光学設定下の欠陥特徴の存在または非存在を示す欠陥マップを用いて、検査レシピの欠陥検出アルゴリズムのパラメタを欠陥検出アルゴリズムの出力にマッチするように調整することを含み得る。従って、ここに記載される実施態様は、ここに記載される一つまたは複数のイメージを用いて実施される欠陥検出の一つまたは複数のパラメタを選択することを含み得る。更に、ここに記載される実施態様は、イメージ取得の一つまたは複数のパラメタ（例えば、一つまたは複数の光学パラメタ）、そして欠陥検出の一つまたは複数のパラメタを選択することを含み得る。上に記載される如く、一つまたは複数の光学パラメタ、及び/または、欠陥検出の一つまたは複数のパラメタを選択することは、欠陥、及び/または、プロセス特徴が検出され、ここに記載される如く生成されたイメージが同定される正確さを有効に改善する。
ここに記載される実施態様は、ウエハーの表面イメージを生成し、係るイメージを用いる他の方法とシステムに対して、幾つかの利点を有する。例えば、パターン化されたウエハーに関する既存の表面イメージ方法は、ウエハーのイメージを得るために、生のイメージ強度またはダイ-ダイ差分イメージ強度を用いる。更に、既存の欠陥特徴検出は、適切な光学モード選択ならびに検出アルゴリズム・パラメタの適切な設定を要求する。更に、既存のモード選択は、公知の欠陥信号対ノイズ（S/N）測定を使用する。検出S/Nを最大化し、ノイズを最小化する光学モードが通常選択される。
しかしながら、係る方法とシステムは、幾つかの不都合を有する。例えば、パターン化されたウエハー・イメージに於いて、虚偽のノイズの主要な源は、パターンの形状、配置自身である。更に、ダイ-ダイ・イメージ差分は、パターンを抑制し、残留プロセスまたは欠陥情報を表示する最も一般的な方法である。しかしながら、残留位置ずれノイズは、プロセス・ノイズならびにCD変動より分離が困難である。更に、特徴検出は、欠陥パターン内の空間特徴に関する欠陥マップの吟味に現状では依存する。アルゴリズムが適切に調整されていない場合、特徴は見落とされる場合が有る。アルゴリズムの調整が特徴を引き出すために重要であることが示されている。
上に記載される方法とシステムとは対照的に、ここに記載される実施態様は、デジタル化に先立ち、イメージからのパターンを除去するために光学的フーリエ・フィルタリングを用いることにより、パターン化されたウエハーの表面イメージの解釈に紛らわされることなく、残留パターン・ノイズを有効に除去可能である。更に、ここに記載される実施態様は、商業的に購入可能な検査システムに適切な改良を加えることにより実施可能である。例えば、Puma 90xx ならびに 91xx シリーズ・ツールは、ここに記載される適用に極めて適している。係るシステムの検査結果は、欠陥検出に関するパターンの抑制に大きく依存するためである。
ここに更に記載される実施態様は、一般に、ウエハー特徴推論に関する方法とシステムに関連する。上に記載される如く、パターン化されたウエハーの表面イメージは、パターン化されたウエハーの表面のノイズ・マップを含み得る。ノイズ・マップは、ここに記載される任意の検査システム（例えば、BFシステム、及び/または、DFシステム）により取得される出力を用いて、ここに記載される任意の実施態様に準じて生成可能である。係る一実施態様に於いて、本方法は、ノイズ・マップ中に、出力が取得される以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを含む。換言すれば、同定された特徴は、現行プロセスの特徴（生成されたイメージを用いて監視されるプロセス）またはパターン化されたウエハーの現行の層の特徴である。パターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴は、ここに更に記載される如く同定可能である。
このようにして、ここに記載される方法は、ウエハー検査システムを用いて生成されたウエハー・ノイズ・イメージ、及び/または、マップを、実用的で製造プロセス制御信号に関連するものに非コンボリューション化するものである。例えば、欠陥検出に伴い、ウエハー・スケールのイメージの生成は、その日までにウエハー上で起こった全てのプロセスの関数で有り得る光学信号の取得を含む。このように、イメージ、そしてそれ故、イメージより抽出された特徴は、ある任意のアプリケーションに関する対象とはなり得ない、多くの変動源からのアーチファクトを含み得る。
特徴の有用性は、それ故、プロセス変動の特定の源より信号が分離できるか否かにより変化する。ウエハーの現行の層に関するノイズ・マップの特徴は、ここに記載される如く他の特徴より分離可能であり、他の特徴は、ノイズ・マップ内に存在するかノイズ・マップに影響を与え得る取得された出力を用いて監視されるものではなく、プロセスに起因する可能であるために、ここに記載される如く同定される特徴は、プロセス制御とここに記載される他のアプリケーションに関する実用的な用途を有する。このようにして、ここに記載される実施態様内で同定される特徴は、実用的な製造制御信号として使用可能である。
幾つかの実施態様に於いて、本方法は、パターン化されたウエハー上で実施された一つまたは複数の他のプロセスに対応する一つまたは複数の他の特徴に基づき、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハーで実施された最後のプロセスのみに対応する特徴を同定することを含む。このようにして、パターン化されたウエハーで実施された最後のまたは最も新しいプロセスのみに対応する特徴は、現行のプロセス・ステップ（例えば、監視されているプロセス・ステップ）に関連しない過去のプロセス・レベルからの特徴を考慮することにより同定可能である。例えば、過去のプロセス、及び/または、過去のプロセスの特徴自身に対応する特徴に関する情報は、現行プロセスに関する任意の特徴がノイズ・マップ、及び/または、ウエハー・イメージ内に存在するかを決定するために使用可能である。更に、過去のプロセス、及び/または、過去のプロセスの特徴自身に対応する特徴に関する情報は、ノイズ・マップ、及び/または、ウエハー・イメージ内に存在する現行のプロセス特徴より過去のプロセスの特徴を分離するために使用可能である。
他の実施態様に於いて、本方法は、パターン化されたウエハー上で実施された一つまたは複数の他のプロセスに対応する一つまたは複数の他の特徴をノイズ・マップより抽出することにより、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハーで実施された最後のプロセスのみに対応する特徴を同定することを含む。このようにして、本方法は、ノイズ・マップからの過去のレベルの特徴の差分または抽出を含む。例えば、ノイズ・マップまたはウエハー・イメージ内の全ての特徴は加え合わせることが可能である（または、全ての特徴の総和として、ノイズ・マップまたはウエハー・イメージ内に現れ得る）。換言すれば、現行レベルならびに過去のレベルからの全ての特徴を、現行レベルのノイズ・マップまたはウエハー・イメージ内で互いに重ね合わせることが可能である。このようにして、過去のプロセスの特徴は、単純に、現行プロセスに関するノイズ・マップより差し引くことが可能である。しかしながら、ノイズ・マップまたはウエハー・イメージ内の全てのまたは幾つかの特徴が、現行のプロセスに関するノイズ・マップまたはウエハー・イメージにより複雑に影響する場合、ノイズ・マップより単純に差し引くことによらず、過去のプロセスの特徴を抽出可能である。係る抽出は、例えば、過去の層の特徴上の現行の層の効果を説明するために過去の層の特徴を修正し、現行のノイズ・マップ、及び/または、任意の他の適切な関数より修正された過去の層の特徴を除去することを含み得る。
また本方法は、ノイズ・マップ、及び/または、ウエハー・イメージ内に過去の層の特徴が存在しない場合に、ノイズ・マップ、及び/または、ウエハー・イメージより過去の層の特徴が誤って差し引かれたり、または抽出されることが無く、それ故、ノイズ・マップ、及び/または、ウエハー・イメージの不必要な、及び/または、望ましくない修正を防止するために、ノイズ・マップ、及び/または、ウエハー・イメージ内に過去の層の特徴を探すことを含む。ノイズ・マップ、及び/または、ウエハー・イメージ内で過去の層の特徴を探すことは、過去の層の特徴の全てを探すこと、過去の層の特徴に固有の過去の層の特徴の部分を探すこと、及び/または、ノイズ・マップ、及び/または、ウエハー・イメージが、過去の層の特徴の存在を示唆する一つまたは複数の特徴を有するかを決定することを実施可能である。
ノイズ・マップ、及び/または、ウエハー・イメージより過去の層の特徴が抽出された後に、ノイズ・マップ、及び/または、ウエハー・イメージより現行プロセスに関する特徴が抽出可能である。現行プロセスに関する特徴は、ここに更に記載される如くノイズ・マップ、及び/または、ウエハー・イメージより抽出可能である。
追加の実施態様に於いて、本方法は、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハー上で実施された少なくとも一つのプロセスに対応する特徴を同定し、前記特徴を分類することを含む。このようにして、本方法は、特徴の分類を含み得る。特徴を分類することは、任意の適切な方法により実施可能である（例えば、特徴の一つまたは複数の特性を抽出し一つまたは複数の特性に基づいて特徴を分類することにより、特徴を一つまたは複数の過去に分類された特徴にマッチさせることにより、空間特徴解析により）。特徴を分類することは、ここに記載される実施態様により実施的に実施可能である。特徴に割り当てられる分類は、プロセス監視、プロセス制御、根本原因解析などのあらゆるアプリケーションで使用可能である。
更なる実施態様に於いて、本方法は、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定し、パターン化されたウエハーまたは最後のプロセスの一つまたは複数の特徴を決定するために、前記特徴を追加の特徴に比較することを含む。追加の特徴は保存ミディアムに保存可能であり、保存ミディアムはここに記載される任意の保存ミディアムを含み得る。追加の特徴は、ライブラリまたは任意の他の適切なデータ構造内に保存可能である。更に、ライブラリ内に保存された追加の特徴は、パターン化されたウエハーの異なる特徴、及び/または、プロセスの異なる特徴に関連する場合がある。例えば、保存された特徴の一つは撓んだパターン化されたウエハーに関連する場合があり、保存された特徴の他の一つはある程度焦点がぼけたリソグラフィー・プロセスに関連する場合があり、保存された特徴の別の一つは異なる程度焦点がぼけたリソグラフィー・プロセスに関連する場合などがある。このようにして、現行のプロセスに関して同定される特徴は、プロセスの監視、プロセスの制御、プロセスの修正、ウエハーの棄却、ウエハーの再加工などに使用可能であるウエハー、及び/または、プロセスに関する情報を決定するために、他の特徴に比較され得る。
追加の特徴は、パターン化されたウエハー、及び/または、プロセスの異なる特徴に様々な異なる形態で関連する場合がある。係る一実施態様に於いて、追加の特徴は、経験的に生成される。このようにして、追加の特徴は、一つまたは複数の経験的特徴ソース・ライブラリとして保存可能である。追加の特徴を経験的に生成することは、異なるパラメタを有する異なるプロセスを用いてウエハーをプロセスし、異なるプロセスのそれぞれの後に、それぞれのウエハーに関して特徴を取得することにより実施可能である。更に、追加の特徴を経験的に生成することは、上に記載される如くウエハーをプロセスし、ウエハー上で一つまたは複数の他の測定、及び/または、プロセス（例えば、応力測定、CD測定、欠陥検討など）を実施することにより、特徴が、プロセスならびにそのパラメタ、及び/または、ウエハーの一つまたは複数の特徴（例えば、撓み）に起因するかを決定することにより実施可能である。更に、追加の特徴を経験的に生成することは、任意の他の形態で取得可能な異なるプロセス、及び/または、ウエハーに関する経験的な知見に基づき実施可能である。
他の係る実施態様に於いて、追加の特徴は、最後のプロセスを実施するために使用された一つまたは複数のプロセス・ツールのモデリングにより生成される。このようにして、追加の特徴は、予想される特徴と共にプロセス装置モデルを用いることにより生成され得る。一つまたは複数のプロセス・ツールをモデリングすることは、任意の適切なモデルを用いて任意の適切な方法で実施可能である。モデリングは、一つまたは複数のプロセス・ツールによるプロセス後に、パターン化されたウエハーの一つまたは複数の特徴をシミュレートするために、実施可能である。また、このようにして特徴を生成することは、検査システムがどのようにウエハーを「見る」かをモデリングすることを含み得る。例えば、一つまたは複数のプロセス・ツールにより生成されるウエハーの一つまたは複数のシミュレートされた特徴に基づいて、ウエハーに関して取得される出力をシミュレートするために、検査システムのモデリングを実施可能である。追加の特徴は、次に抽出可能であり、及び/または、さもなくば、シミュレートされた出力内で同定され得る。
一実施態様に於いて、本方法は、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定し、特徴に基づき、最後のプロセスの一つまたは複数のパラメタがプロセス制御範囲外にあるかを決定することを含む。このようにして、本方法は、特徴同定を含む不良診断方法を含み得る。例えば、現行のプロセスが、プロセス制御範囲外にあるかを決定するために、ここに記載される如く同定される任意の特徴を使用可能である。現行のプロセスが、プロセス制御範囲外にあるかを決定することは、特徴が公知の特徴に対応するか、あるいは特徴が異常な特徴（例えば、過去に観測されていない特徴、同じプロセス後に過去に観測されたものから異常な一つまたは複数の特徴を有する特徴）に対応するかを決定すること、幾つかは制御範囲内のプロセス操作に対応し、幾つかは制御範囲外のプロセス操作に対応する上に記載される如き追加の特徴に特徴を比較すること、特徴の分類、または任意の他の適切な方法を含み得る。
他の実施態様に於いて、本方法は、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定し、特徴に基づき、最後のプロセスの一つまたは複数のパラメタを制御することを含む。このようにして、本方法は、特徴同定を含む制御方法を含み得る。より許容可能な（または特徴に関する目標値により近い）一つまたは複数の特徴を有するプロセスにより追加のウエハーが製造されるように、フィードバックの形態で、最後のプロセスの一つまたは複数のパラメタを制御することが実施可能である。更に、一つまたは複数のパラメタを制御することは、制御範囲外にあるプロセス、及び/または、制御範囲内にあるプロセス（例えば、目標とするパフォーマンスよりずれつつあるが、まだ制御範囲外ではないプロセス）に関して実施可能である。特徴を用いて、どのパラメタが制御されるべきか、そしてどのようにパラメタが制御されるべきかを決定することは、任意の適切な方法で実施可能である。例えば、特徴に対応するプロセスの一つまたは複数のパラメタを決定するために特徴を使用可能であり、そして、どのパラメタが変更されるべきか、そしてどのようにそれらパラメタが変更されるべきかを決定するために、プロセスに関する目標または理想パラメタに、決定された一つまたは複数のパラメタが比較され得る。
幾つかの実施態様に於いて、本方法は、最後のプロセス以前にパターン化されたウエハーに関して取得された生データならびに前記生データ内で同定された特徴に基づき、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを含む。生データならびに前記生データ内で同定された特徴は、歴史的な生データならびに抽出された特徴のデータベースなどの任意の適切な保存ミディアムに保存可能である。このようにして、本方法は、ウエハー上で最後に実施されたプロセスに関する特徴を同定するために、歴史的なデータならびに抽出された特徴を利用可能である。対照的に、出力を解析するための現行の方法は、試料の現行の状態で収集されたデータに一般に制約される。しかしながら、最後のプロセス以前にウエハー上で実施されたプロセスは、ノイズ・マップに影響を与え得るため、現行の層に関して特徴を同定するために、過去に取得された出力、及び/または、ウエハーに関して決定された特徴を用いることは、最後のプロセスに対応する特徴がノイズ・マップ内で同定され得る精度を改善し得る。例えば、試料の現行の状態より抽出された特徴が、現行の、及び/または、最近のプロセス・ステップに帰着できると仮定した場合、誤った結論を得る場合がある。
ここに記載される実施態様は、欠陥源解析（DSA）タイプのアプリケーションに類似のアプリケーションに使用可能である。例えば、DSAタイプのアプリケーションは、プロセス・フロー欠陥がどこに源を発するかを同定するために使用される。プロセス欠陥がどこに源を発するかを同定することには、二つの一般的な目的がある。例えば、プロセス中で問題となるステップを同定するために実施されている調査に於ける根本原因解析に関して、プロセス欠陥がどこに源を発するかを同定することが実施可能である。更に、プロセス欠陥がどこに源を発するかを同定することは、現行のプロセス・ステップに於いて生成された欠陥のみに注目するプロセス監視に関して実施可能である。
一実施態様に於いて、本方法は、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定し、特徴に対応する根本原因を決定することを含む。このようにして、ウエハーのイメージ特徴は、プロセス内である任意の特徴がどこに源を発するかを同定するための根本原因解析に使用可能である。根本原因解析は、ここに更に記載される如く実施可能であり（例えば、現行のプロセスに関する特徴を、特徴のライブラリに比較すること）、根本原因解析の結果は、ここに記載される任意のアプリケーション（例えば、プロセス制御ならびに修正）に使用可能である。
他の実施態様に於いて、本方法は、ノイズ・マップ内で、出力が取得される以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定し、特徴に基づきプロセスを監視することを含む。このようにして、ウエハーのイメージ特徴は、現行レベルのプロセスに於いて生成された特徴を分離するために使用可能である。更に、現行のプロセス特徴は、過去のプロセスの特徴より分離可能であるため、ここに記載される如く同定される特徴を用いて実施されるプロセス監視は極めて正確で有り得る。パターン化されたウエハー上で実施された任意のプロセスは、ここに記載される特徴を用いて監視可能である。特徴は、ここに更に記載される如くプロセス監視に関して使用可能あり（例えば、プロセスの一つまたは複数のパラメタを決定することにより、及び/または、プロセスの一つまたは複数の特徴を決定することにより、プロセスを監視するために）、この分野で公知の任意の適切なプロセス監視技術と共に使用可能である。
幾つかの実施態様に於いて、本方法は、出力が取得される以前にパターン化されたウエハー上で実施された最後のプロセス以外のプロセスがノイズ・マップに影響を与える確率を見積もることを含む。このようにして、本方法は、現在観測される特徴が、観測されているプロセス・ステップに無関係となる確率を決定することを含み得る。現在観測される特徴が、パターン化されたウエハー上で実施された最後のプロセス以外のプロセスからの寄与を含む可能性は、幾つかの方法により決定可能である。例えば、確率は、パターン化されたウエハーならびに検査システムに関する情報に基づき決定可能である。係る情報は、例えば、検査システムが作動する波長に対するパターン化されたウエハー上の最上層または下層の透明度、最上層または他の層上に形成された任意のパターン、そして検査システムまたは検査モードのタイプ（例えばBFまたはDF）、入射角度、収集角度などを含み得る。更に、また、或いは、確率は、過去の層と現行の層に対応する特徴に関する情報に基づいて決定可能である。例えば、ウエハー上で実施された過去のプロセスに対応するノイズ・マップ、及び/または、ウエハー・イメージ内で検出された特徴、そして現行のプロセスに関して予想されるまたは「通常」の特徴は、現行のプロセスに関するノイズ・マップ、及び/または、ウエハー・イメージが、過去のプロセスに関する特徴からの寄与を含むかを決定するために使用可能である。係る一例に於いて、過去のプロセスが、過去のプロセスに関してノイズ・マップ、及び/または、ウエハー・イメージ内に比較的強い特徴を生成することが知られている場合、それらプロセスに関する特徴が、現行のプロセスに関するノイズ・マップ、及び/または、ウエハー・イメージに影響を与える確率は比較的高いもので有り得る。
更なる実施態様に於いて、本方法は、ノイズ・マップ内の特徴を同定し、出力を取得するために使用された検査システムの光学に基づき、出力が取得される前にパターン化されたウエハー上で実施される最後のプロセス以外のプロセスの特徴がノイズ・マップ内の特徴に寄与する程度を見積もることを含む。このようにして、本方法は、過去のレベル特徴が現在観測される特徴に寄与したかもしれない程度を見積もるために、現行ならびに過去のレベル・イメージを取得するために使用された光学モードを（モデリングまたは経験則より）考慮することを含み得る。例えば、特定の光学設定に対してパターン化されたウエハーの幾つかの層が比較的透明であるか否かといった経験則が、現在観測されるプロセス層特徴に過去のプロセスの特徴がどの程度寄与するかを見積もるために使用可能である。係る一例に於いて、特定の光学設定に対してパターン化されたウエハーの現行の層が比較的透明であることがわかっている場合、過去のプロセスの特徴が現行のプロセス特徴に影響を与える程度は比較的高いもので有り得る。同様にして、ウエハーの現行の層が光学的設定に対して透明な程度を決定するために、検査システム光学設定のモデリングが使用可能である（例えば、ウエハー上で実施された現行のプロセス、及び/または、ウエハー上で実施された過去のプロセスに関する情報と組み合わせて）。係る一例に於いて、特定の光学設定に対してパターン化されたウエハーの現行の層は比較的透明であるとモデリングが予想する場合、過去のプロセスの特徴が現行のプロセス特徴に影響を与える程度は比較的高いもので有り得る。
過去のプロセスの特徴が現行のプロセス特徴に影響を与える程度が比較的高い場合、現行のプロセスに関する特徴は、ここに記載される任意の実施態様に準じて、過去のプロセスの特徴より分離可能である。対照的に、過去のプロセスの特徴が現行のプロセス特徴に影響を与える程度が比較的低い場合、過去のプロセスの特徴にこだわらずに（ノイズ・マップ、及び/または、ウエハー・イメージより過去のプロセスの特徴を抽出することなく）、ノイズ・マップ、及び/または、ウエハー・イメージより、現行のプロセスに関する特徴を抽出可能である。
上に記載される任意の方法は、設計情報の統合化（チップの2次元（2D）、及び/または、3次元（3D）設計配列）、または設計情報より抽出された属性（パターン密度、配向、密度勾配などの配列より抽出された属性）を含み得る。例えば、本方法は、ノイズ・マップ内の最後のプロセスに対応する特徴を同定するために、設計情報ならびに設計情報の任意の属性を用いることを含み得る。特に、出力が取得されるウエハーの配列に関する設計は、ノイズ・マップに存在する特徴に影響を与える場合がある。従って、出力が取得されるウエハーの配列に関する設計に情報は、ノイズ・マップの特徴を同定するために使用可能である。同様にして、出力が取得されたウエハーの層に関する設計が、ウエハーの下層に関する設計とは十分に異なる場合、ノイズ・マップが生成された層に関する設計を、ノイズ・マップより現行の層に関する特徴を抽出するために使用可能である。
上に記載される方法の個々の実施態様は、ここに実施される任意の他の方法の任意の他のステップを含み得る。更に、上に記載される方法の実施態様のそれぞれは、ここに記載される任意のシステムにより実施可能である。
ここに記載される全ての方法は、方法実施態様の一つまたは複数のステップの結果を、記録媒体に保存することを含み得る。結果は、ここに記載される任意の結果を含むことが可能であり、そしてこの分野で公知の任意の方法により保存可能である。記録媒体は、ここに記載される任意の記録媒体、または、この分野で公知の任意の他の適切な方法を含むことが可能である。結果が保存された後、結果は記録媒体の中でアクセス可能であり、そして、ここに記載される任意の方法またはシステム実施態様により使用され、ユーザへの表示のためにフォーマットされ、他のソフトウエア・モジュール、方法、またはシステムなどにより使用され得る。例えば、ここに記載される如く一つまたは複数のイメージが生成された後に、本方法は、前記一つまたは複数のイメージをユーザへ示すことを含み得る。更に、結果は、「永久的に」、「半永久的に」、「一時的に」、または、ある一定期間保存可能である。例えば、記録媒体はRAMとすることが可能であり、結果は、記録媒体中に必ずしも永久的に保存されるものではない。
本技術関連分野に精通した者には、本発明の様々な見地の更なる変更と別の実施態様は明らかであろう。例えば、試料の特徴を監視するための方法、キャリア・ミディア、ならびにシステムが提供される。従って、この記載は、説明のためのみとして構築され、そして本発明を実施するための一般的方法を、本技術関連分野に精通した者に教示する目的にある。ここに示され、記載された本発明の形態は、現状で好ましい実施態様として解釈されるべきであることに留意されたい。ここに示され、記載された要素と材料は置換可能であり、部品とプロセスは順序を入れ替えることが可能であり、本発明のいくつかの特徴は独立して活用可能であり、本発明に記載された利点を理解した後、本技術関連分野に精通した者には、これら全ては明らかであろう。請求項に記載される本発明の思想と見地から逸脱することなく、此処に記載される要素は変更可能である。
本発明は、たとえば、以下のような態様で実現することもできる。

適用例１
検査システムを用いて、試料を検査することにより生成される出力を用いて、試料上の個々の画素の特性を決定することと、
個々の領域内の個々の画素の特性を用いて、試料上の個々の領域の特徴を決定することと、
個々の領域の特徴に基づき試料の特徴を監視すること、
を含むことを特徴とする試料の特徴を監視するためのコンピュータ実施方法。

適用例２
個々の領域のそれぞれが、個々の画素の一つの領域よりも大きく、試料の領域よりも小さい領域を有することを特徴とする適用例１の方法。

適用例３
個々の領域が長方形の形状を有し、個々の領域が試料上に2次元のグリッドを形成することを特徴とする適用例１の方法。

適用例４
試料がパターン化されたウエハーを含むことを特徴とする適用例１の方法。

適用例５
固有な特徴を有する一つまたは複数の個々の領域を同定することを更に含むことを特徴とする適用例１の方法。

適用例６
計測に関して固有な特徴を有する一つまたは複数の個々の領域を選択することを更に含むことを特徴とする適用例１の方法。

適用例７
固有な特徴を有する一つまたは複数の個々の領域に対応する試料上の一つまたは複数の位置を決定することと、そして一つまたは複数の位置で一つまたは複数の測定を実施するために使用可能な一つまたは複数の位置に関する情報を生成することを更に含むことを特徴とする適用例１の方法。

適用例８
試料の特徴が、個々の領域の特徴内の試料-レベルの特徴を含むことを特徴とする適用例１の方法。

適用例９
試料の特徴が、個々の領域の特徴内のダイ-レベルの特徴を含むことを特徴とする適用例１の方法。

適用例１０
個々の領域の特徴に基づき潜在的なプロセス問題を決定することと、潜在的なプロセス問題を示す出力を生成することを更に含むことを特徴とする適用例１の方法。

適用例１１
前記監視の実施中に、出力を用いて試料上の欠陥を検出することを更に含むことを特徴とする適用例１の方法。

適用例１２
個々の領域のそれぞれの特徴を決定するために使用される個々の画素の特性が、個々の領域のそれぞれの内の全ての個々の画素の特性を含むことを特徴とする適用例１の方法。

適用例１３
個々の領域の特徴が、個々の領域内の個々の画素の特性の統計を含むことを特徴とする適用例１の方法。

適用例１４
個々の領域の特徴が、個々の領域内の個々の画素の特性の分布を含むことを特徴とする適用例１の方法。

適用例１５
個々の領域の特徴が、個々の領域内の個々の画素の特性の分布の特性を含むことを特徴とする適用例１の方法。

適用例１６
個々の領域の特徴が、個々の領域内の個々の画素の特性の分布の特性、ならびに分布の特性に対応する位置を含むことを特徴とする適用例１の方法。

適用例１７
個々の領域の一部分が試料上のダイに対応し、本方法が、試料上の異なるダイに対応する個々の領域の異なる一部分へ、個々の領域の部分を配列させること更に含むことを特徴とする適用例１の方法。

適用例１８
個々の領域の一部分が試料上のダイに対応し、本方法が、レファレンス・ダイへ、個々の領域の部分を配列させること更に含むことを特徴とする適用例１の方法。

適用例１９
個々の領域の異なる部分が試料上の異なるダイに対応し、本方法が、共通のレファレンス・グリッドへ、異なる部分を配列させること更に含むことを特徴とする適用例１の方法。

適用例２０
ダイ内の同じ位置に於いて、試料上の隣接するダイ内に位置する個々の画素の特性間の差分を含み、個々の領域の特徴が、個々の領域の範囲内で個々の画素の差分の分布を含むことを特徴とする適用例１の方法。

適用例２１
個々の画素の特徴を決定することが、個々の画素に関連した設計コンテクストに基づき個々の画素をグループへ分離し、個々の領域の特徴が、グループの特徴を含むことを特徴とする適用例１の方法。

適用例２２
個々の領域の一つに亘る位置の関数として、個々の領域の一つに対応する個々の画素のそれぞれの特性を示す出力を生成することを更に含むことを特徴とする適用例１の方法。

適用例２３
個々の画素の特性を閾値に比較することと、閾値よりも大きな特性を有する試料上の個々の画素ならびに閾値よりも小さな特性を有する試料上の個々の画素を示す出力を生成することを更に含むことを特徴とする適用例１の方法。

適用例２４
試料の特徴が、試料に亘る位置の関数として個々の領域の特徴を含み、前記監視することが、試料とレファレンスの特徴間で類似点を決定することを含むことを特徴とする適用例１の方法。

適用例２５
試料の特徴が、試料上の少なくとも一つの追加のダイに対応する個々の領域の特徴と組み合わされた、試料上の少なくとも一つのダイに対応する個々の領域の特徴を含むことを特徴とする適用例１の方法。

適用例２６
試料の特徴が、試料上の少なくとも一つの追加のダイに対応する個々の領域の特徴と組み合わされた、試料上の少なくとも一つのダイに対応する個々の領域の特徴を含み、前記監視することが、前記組み合わされた特徴とレファレンス間で類似点を決定することを含むことを特徴とする適用例１の方法。

適用例２７
前記監視することが、一つまたは複数の制御限界に試料の特徴を比較することにより、試料-試料ベースまたはロット-ロット・ベースで試料の特徴を監視することを含むことを特徴とする適用例１の方法。

適用例２８
前記監視することが、一つまたは複数の制御限界に試料の特徴を比較することと、試料の特徴が一つまたは複数の制御限界を超える試料の位置を決定することを含み、本方法が前記位置で一つまたは複数の測定を実施するために使用可能な位置に関する情報を生成することを更に含むことを特徴とする適用例１の方法。

適用例２９
試料上の複数のダイの内部で個々の画素の特性が相関しているかを決定することを更に含むことを特徴とする適用例１の方法。

適用例３０
試料上で潜在的にシステマティック欠陥を誘発する機構の位置として、個々の画素の特徴が相関づけられる試料上の複数のダイの部分を同定することを更に含むことを特徴とする適用例１の方法。

適用例３１
異なる設計コンテクストを有する試料上のダイの異なる部分を同定することと、同じ設計コンテクストを有する異なる部分の内部で個々の画素の特性が相関しているかを決定することを更に含むことを特徴とする適用例１の方法。

適用例３２
異なる設計コンテクストを有する試料上のダイの異なる部分を同定することと、同じ設計コンテクストを有する異なる部分の内部で個々の画素の特性が相関しているかを決定することと、そして相関している特性を有する異なる部分を示す出力を生成することを更に含むことを特徴とする適用例１の方法。

適用例３３
前記監視することが、試料上の複数のダイの内部で個々の領域の特徴が相関しているかを決定することを含むことを特徴とする適用例１の方法。

適用例３４
前記監視することが、試料上で潜在的にシステマティック欠陥を誘発する機構の位置として、個々の領域の特徴が相関している試料上の複数のダイの部分を同定することを含むことを特徴とする適用例１の方法。

適用例３５
前記監視することが、異なる設計コンテクストを有する試料上のダイの異なる部分を同定することと、同じ設計コンテクストを有する異なる部分の内部で個々の領域の特徴が相関しているかを決定することを含むことを特徴とする適用例１の方法。

適用例３６
前記監視することが、異なる設計コンテクストを有する試料上のダイの異なる部分を同定することと、同じ設計コンテクストを有する異なる部分の内部で個々の領域の特徴が相関しているかを決定することを含み、本方法が、相関している個々の領域の特徴を有する異なる部分を示す出力を生成することを更に含むことを特徴とする適用例１の方法。

適用例３７
試料上の複数の個々のダイを重ね合わせることと、重ね合わされたダイ・マップを表示することを更に含むことを特徴とする適用例１の方法。

適用例３８
特徴イメージのそれぞれの画素が個々の領域の選択された特徴を示す条件下で、試料の特徴イメージを構築することを更に含むことを特徴とする適用例１の方法。

適用例３９
複数の特徴イメージを隣り合わせて表示することを更に含むことを特徴とする適用例３８の方法。

適用例４０
欠陥のウエハー・マップ上に一つまたは複数の特徴イメージを重ね合わせて表示することを更に含むことを特徴とする適用例３８の方法。

適用例４１
試料の特徴を監視するための方法を実施することに関する、プロセッサ上で実施可能なプロセス指示を含むキャリア・ミディアムであり、方法が、
検査システムを用いて、試料を検査することにより生成される出力を用いて、試料上の個々の画素の特性を決定することと、
個々の領域内の個々の画素の特性を用いて、試料上の個々の領域の特徴を決定することと、
個々の領域の特徴に基づき試料の特徴を監視すること、
を含むことを特徴とする方法。

適用例４２
試料を検査することにより出力を生成するように設定された検査システムと、
出力を用いて、試料上の個々の画素の特性を決定し、
個々の領域内の個々の画素の特性を用いて、試料上の個々の領域の特徴を決定し、
個々の領域の特徴に基づき試料の特徴を監視する、
ように設定されたプロセッサ、
を備えることを特徴とする試料の特徴を監視するように設定されたシステム。

適用例４３
パターン化されたウエハーに関する検査システムの出力を取得することと、
出力を用いてパターン化されたウエハーの表面のイメージを生成することと、
を含むことを特徴とするパターン化されたウエハーの表面のイメージを生成するためのコンピュータ実施方法。

適用例４４
前記取得することが、光学パターン抑制を用いてパターン化されたウエハーに関する検査システムの出力を取得することを含むことを特徴とする適用例４３の方法。

適用例４５
前記取得することが、光学パターン抑制を用いてパターン化されたウエハーに関する検査システムの出力を取得することを含み、光学パターン抑制がフーリエ・フィルタリングを含むことを特徴とする適用例４３の方法。

適用例４６
前記取得することが、パターン化されたウエハーの実質的全表面に関する出力を取得することを含むことを特徴とする適用例４３の方法。

適用例４７
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの実質的全表面のイメージを含むことを特徴とする適用例４３の方法。

適用例４８
パターン化されたウエハーの表面のイメージが、パターン位置ずれノイズを実質的に有しないことを特徴とする適用例４３の方法。

適用例４９
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーからの散乱光強度のグレー・スケール・イメージを含むことを特徴とする適用例４３の方法。

適用例５０
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含むことを特徴とする適用例４３の方法。

適用例５１
前記生成することが、光学パターン抑制を用いて出力が取得されるパターン化されたウエハーの一つまたは複数の領域に関する一つまたは複数の統計を決定することを含み、前記イメージが一つまたは複数の統計のグレー・スケール・イメージを含むことを特徴とする適用例４３の方法。

適用例５２
前記生成することが、光学パターン抑制を用いて出力が取得されるパターン化されたウエハーの一つまたは複数の領域を、一つまたは複数のサブ領域に分割することと、一つまたは複数のサブ領域に関する一つまたは複数の統計を決定することを含み、イメージが一つまたは複数の統計のグレー・スケール・イメージを含むことを特徴とする適用例４３の方法。

適用例５３
前記生成することが、パターン化されたウエハーの一つまたは複数の領域が光学パターン抑制に不適切であるかを決定することと、一つまたは複数の領域に対応するイメージを表面のイメージから除去することを含むことを特徴とする適用例４３の方法。

適用例５４
前記生成することが、光学的にパターンが抑制されたウエハーの領域またはウエハー上のダイ内のみで一つまたは複数の統計を決定することを含むことを特徴とする適用例４３の方法。

適用例５５
前記生成することが、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含み、本方法が、パターン化されたウエハー上の個々のダイを容認するか棄却するために、ノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを更に含むことを特徴とする適用例４３の方法。

適用例５６
前記生成することが、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含み、本方法が、ノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを更に含み、一つまたは複数の他のノイズ・マップはパターン化されたウエハー上のダイのノイズ・マップを更に含むことを特徴とする適用例４３の方法。

適用例５７
前記生成することが、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含み、本方法が、ノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを更に含み、一つまたは複数の他のノイズ・マップは他のパターン化されたウエハー上のダイのノイズ・マップを更に含むことを特徴とする適用例４３の方法。

適用例５８
前記生成することが、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含み、本方法が、ノイズ・マップをダイの一つまたは複数の他のノイズ・マップに比較することを更に含み、一つまたは複数の他のノイズ・マップはフル・パターン化されたウエハーのノイズ・マップからの複数のダイのノイズ・マップの合成物を更に含むことを特徴とする適用例４３の方法。

適用例５９
前記生成することが、パターン化されたウエハー上に形成されたダイのノイズ・マップを生成することを含み、本方法が、パターン化されたウエハー上のダイの全てのノイズ・マップからのノイズ・マップの合成物を生成することと、ダイの一つまたは複数の他のノイズ・マップにノイズ・マップの合成物を比較することを更に含むことを特徴とする適用例４３の方法。

適用例６０
パターン化されたウエハーがテスト・パターン化されたウエハーを含み、前記生成することがパターン化されたウエハー上に生成されたダイのノイズ・マップを生成することを含み、本方法が、フル・パターン化されたウエハーのノイズ・マップからの複数のダイのノイズ・マップのノイズ・マップの合成物を生成することと、テスト・パターン化されたウエハー上に形成されたノイズ・マップへの比較のためにゴールデン・ダイのノイズ・マップとしてノイズ・マップの合成物を保存することを更に含むことを特徴とする適用例４３の方法。

適用例６１
前記生成することが、パターン化されたウエハー上にダイのノイズ・マップを生成することを含み、本方法が、ダイ機能性領域の関数としてノイズが表示されるように重ね合わされた設計情報と共にノイズ・マップを表示することを更に含むことを特徴とする適用例４３の方法。

適用例６２
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、重ね合わされた検査システムにより決定された一つまたは複数の属性と共にノイズ・マップを表示することを更に含むことを特徴とする適用例４３の方法。

適用例６３
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、重ね合わされた検査システムにより決定されたノイズ・マップならびに検査システムより決定された一つまたは複数の属性を同時に表示することを更に含むことを特徴とする適用例４３の方法。

適用例６４
欠陥検出に関する閾値をイメージに適用することなく、欠陥特徴がイメージ内に存在するかを決定することを更に含むことを特徴とする適用例４３の方法。

適用例６５
欠陥検出アルゴリズムを調整することなく、欠陥特徴がイメージ内に存在するかを決定することを更に含むことを特徴とする適用例４３の方法。

適用例６６
欠陥特徴がイメージ内に存在するかを決定するために、空間特徴解析をイメージに適用することを更に含むことを特徴とする適用例４３の方法。

適用例６７
欠陥検出に関する閾値をイメージに適用することなく、プロセス特徴がイメージ内に存在するかを決定することを更に含むことを特徴とする適用例４３の方法。

適用例６８
欠陥検出に関する閾値をイメージに適用することなく、イメージ内に存在する欠陥特徴を同定することを更に含むことを特徴とする適用例４３の方法。

適用例６９
欠陥検出に関する閾値をイメージに適用することなく、イメージ内に存在するプロセス特徴を同定することを更に含むことを特徴とする適用例４３の方法。

適用例７０
選択された欠陥特徴の検出にイメージが使用可能なように、前記取得に関して使用されるべき検査システムの光学モードを決定することを更に含むことを特徴とする適用例４３の方法。

適用例７１
欠陥検出アルゴリズムを調整することなく、選択された欠陥特徴の検出にイメージが使用可能なように、前記取得に関して使用されるべき検査システムの光学モードを決定することを更に含むことを特徴とする適用例４３の方法。

適用例７２
検査システムの複数の光学モードを用いて前記取得を実施することと、複数の光学モードを用いて取得された出力を用いてパターン化されたウエハーの表面の複数のイメージを生成することと、選択された欠陥特徴の検出にイメージが使用可能なように、前記取得に関して使用されるべき検査システムの光学モードを決定するために複数のイメージを使用することを更に含むことを特徴とする適用例４３の方法。

適用例７３
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、検査システムの複数の光学設定を用いて前記取得することを実施することと、複数の光学設定を用いて取得された出力を用いてパターン化されたウエハーの表面の複数のノイズ・マップを生成することと、複数の光学設定の関数として、ウエハー・スケールのプロセス変動を同定するために複数のノイズ・マップを使用することと、検査システムとパターン化されたウエハーの組み合わせに関する最適な光学モードを同定するために複数の光学設定の関数としてウエハー・スケールのプロセス変動を使用することを更に含むことを特徴とする適用例４３の方法。

適用例７４
パターン化されたウエハーの表面のイメージが、プロセスが実施されたテスト・パターン化されたウエハーの実質的全表面のノイズ・マップを含み、本方法が、一つまたは複数の異なる変数を用いてプロセスが実施された複数のパターン化されたウエハーに関して前記取得することを実施することと、出力を用いて複数のパターン化されたウエハーの表面のノイズ・マップを生成することと、一つまたは複数の異なるパラメタの関数として複数のパターン化されたウエハーの表面のノイズ・マップを保存することと、テスト・パターン化されたウエハー上で実施されたプロセスの一つまたは複数の特徴を決定するために、保存されたノイズ・マップに、テスト・パターン化されたウエハーの実質的全表面に関するノイズ・マップを比較することを更に含むことを特徴とする適用例４３の方法。

適用例７５
検査システムのそれぞれの可能な光学設定を用いて、前記取得することと前記生成することを実施することにより前記取得するために使用される検査レシピの一つまたは複数の光学パラメタを調整することと、それぞれのイメージ内に欠陥特徴が存在するか否かに基づき、検査レシピに関する光学設定を選択するために、それぞれの可能な光学設定に対応するイメージを使用することを更に含むことを特徴とする適用例４３の方法。

適用例７６
前記取得することが、検査システムの予め設定された光学設定を用いて実施され、本方法が、イメージ内の欠陥特徴の存在または非存在を欠陥検出アルゴリズムの出力にマッチングすることにより、検査レシピの欠陥検出アルゴリズムの一つまたは複数のパラメタを調整すること更に含むことを特徴とする適用例４３の方法。

適用例７７
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを更に含むことを特徴とする適用例４３の方法。

適用例７８
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、パターン化されたウエハー上で実施された一つまたは複数の他のプロセスに対応する一つまたは複数の他の特徴に基づき、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを更に含むことを特徴とする適用例４３の方法。

適用例７９
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、パターン化されたウエハー上で実施された一つまたは複数の他のプロセスに対応する一つまたは複数の特徴をノイズ・マップより抽出することにより、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを更に含むことを特徴とする適用例４３の方法。

適用例８０
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴を分類することを更に含むことを特徴とする適用例４３の方法。

適用例８１
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、パターン化されたウエハーまたは最後のプロセスの一つまたは複数の特徴を決定するために、追加の特徴に特徴を比較することを更に含むことを特徴とする適用例４３の方法。

適用例８２
追加の特徴が経験的に生成されたものであることを特徴とする適用例４３の方法。

適用例８３
追加の特徴が最後のプロセスを実施するために使用された一つまたは複数のプロセス・ツールのモデリングにより生成されたものであることを特徴とする適用例４３の方法。

適用例８４
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴に基づき最後のプロセスの一つまたは複数のパラメタがプロセス制御範囲外にあるかを決定することを更に含むことを特徴とする適用例４３の方法。

適用例８５
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、ノイズ・マップ内での取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴に基づき最後のプロセスの一つまたは複数のパラメタを制御することを更に含むことを特徴とする適用例４３の方法。

適用例８６
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、最後のプロセス以前にパターン化されたウエハーに関して取得された生データならびに生データ内で同定される特徴に基づき、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することを更に含むことを特徴とする適用例４３の方法。

適用例８７
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴に対応する根本原因を決定することを更に含むことを特徴とする適用例４３の方法。

適用例８８
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、ノイズ・マップ内での前記取得以前にパターン化されたウエハー上で実施された最後のプロセスのみに対応する特徴を同定することと、特徴に基づきプロセスを監視することを更に含むことを特徴とする適用例４３の方法。

適用例８９
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、前記取得以前にパターン化されたウエハー上で実施された最後のプロセス以外のプロセスがノイズ・マップに影響を与える確率を見積もることを更に含むことを特徴とする適用例４３の方法。

適用例９０
パターン化されたウエハーの表面のイメージが、パターン化されたウエハーの表面のノイズ・マップを含み、本方法が、ノイズ・マップを同定することと、出力を取得するために使用された検査システムの光学に基づき、前記取得以前にパターン化されたウエハー上で実施された最後のプロセス以外のプロセスの特徴がノイズ・マップ内の特徴に影響を与える確率を見積もることを更に含むことを特徴とする適用例４３の方法。
10:光源
12:ビーム・スプリッター
14:対物レンズ
16:試料
18:検出器
20:対物レンズ
22:検出器
24:ステージ
26:プロセッサ
28キャリア・ミディアム
30:プログラム指示
32:イメージ・センサー
34:帯状物イメージ
36:フレーム
38:ダイ
40:個々の画素
42:試料
44:個々の領域
46:2次元のグリッド
48:試料（ウエハー）
50:ダイ
52:フレーム
54:画素
56:試料
58:ダイ
60:フレーム
62:グループ
64:ダイ
66:ダイ
68:ダイ
70:差分イメージ
72:レファレンス・ダイ
74:データベース
76:フレーム差分ヒストグラム
78:閾値オフセット
80:ノイズ・レベル
82:差分最大値
84:特性
86:グループ特性マップ
88:グループ特性マップ
90:グループ特性マップ
92:個々の領域
94:ダイ
96:ダイ
98:ダイ・マップ

Claims (38)

  1. 検査システムを用いて、試料を検査することにより生成される出力を用いて、前記試料上の個々の画素の特性を決定することと、
    個々の領域内の前記個々の画素の前記特性を用いて、前記試料上の前記個々の領域の特徴を決定することであって、前記個々の領域の前記特徴が、前記個々の領域内の前記個々の画素の前記特性の統計を含む、個々の領域の特徴を決定することと、
    前記試料の特徴を決定することであって、前記試料の前記特徴が、前記個々の領域の前記特徴内の試料レベルの特徴を含む、前記試料の特徴を決定することと、
    前記個々の領域の前記特徴に基づき前記試料の前記特徴を監視することと、
    前記試料上の２以上のダイ内の前記個々の画素の前記特性の相関解析を行って、前記試料上の前記２以上のダイの部分を特定することであって、前記部分において、前記個々の画素の前記特性が、前記試料上において潜在的なシステマティック欠陥を引き起こす機構の複数の位置として、関連付けられ、前記試料上の前記２以上のダイ内の複数の位置であって、前記個々の画素の前記特性が異なる複数の位置は、前記複数の位置の形状がシステマティック欠陥を引き起こす機構の影響を受けやすくないことを示す、前記相関解析の実行と、
    を含むことを特徴とする試料の特徴を監視するためのコンピュータ実施方法。
  2. 前記個々の領域のそれぞれが、個々の画素の一つの領域よりも大きく、前記試料の領域よりも小さい領域を有することを特徴とする請求項１に記載の方法。
  3. 前記試料がパターン化されたウエハーを含むことを特徴とする請求項１または２に記載の方法。
  4. 固有な特徴を有する一つまたは複数の前記個々の領域を同定することを更に含むことを特徴とする請求項１ないし３のいずれかに記載の方法。
  5. 計測に関して固有な特徴を有する一つまたは複数の前記個々の領域を選択することを更に含むことを特徴とする請求項１ないし４のいずれかに記載の方法。
  6. 固有な特徴を有する一つまたは複数の前記個々の領域に対応する前記試料上の一つまたは複数の位置を決定することと、そして前記一つまたは複数の位置で一つまたは複数の測定を実施するために使用可能な前記一つまたは複数の位置に関する情報を生成することを更に含むことを特徴とする請求項１ないし５のいずれかに記載の方法。
  7. 前記試料の前記特徴が、前記個々の領域の前記特徴内のダイ-レベルの特徴を含むことを特徴とする請求項１ないし６のいずれかに記載の方法。
  8. 前記個々の領域の前記特徴に基づき潜在的なプロセス問題を決定することと、前記潜在的なプロセス問題を示す出力を生成することを更に含むことを特徴とする請求項１ないし７のいずれかに記載の方法。
  9. 前記監視の実施中に、前記出力を用いて前記試料上の欠陥を検出することを更に含むことを特徴とする請求項１ないし８のいずれかに記載の方法。
  10. 前記個々の領域の一部分が前記試料上のダイに対応し、本方法が、前記試料上の異なるダイに対応する前記個々の領域の異なる一部分へ、前記個々の領域の前記部分を配列させること更に含むことを特徴とする請求項１ないし９のいずれかに記載の方法。
  11. 前記個々の領域の一部分が前記試料上のダイに対応し、本方法が、レファレンス・ダイへ、前記個々の領域の前記部分を配列させること更に含むことを特徴とする請求項１ないし１０のいずれかに記載の方法。
  12. 前記個々の画素の前記特性が、ダイ内の同じ位置に於いて、前記試料上の隣接するダイ内に位置する前記個々の画素の前記特性間の差分を含み、
    前記個々の領域の前記特徴が、前記個々の領域の範囲内で前記個々の画素の前記差分の分布を含むことを特徴とする請求項１ないし１１のいずれかに記載の方法。
  13. 前記個々の画素の前記特徴を決定することが、前記個々の画素に関連した設計コンテクストに基づき前記個々の画素をグループへ分離し、前記個々の領域の前記特徴が、前記グループの特徴を含むことを特徴とする請求項１ないし１２のいずれかに記載の方法。
  14. 前記個々の画素の前記特性を閾値と比較することと、前記閾値よりも大きな特性を有する前記試料上の前記個々の画素ならびに前記閾値よりも小さな特性を有する前記試料上の前記個々の画素を示す出力を生成することを更に含むことを特徴とする請求項１ないし１３のいずれかに記載の方法。
  15. 前記試料の前記特徴が、前記試料に亘る位置の関数として前記個々の領域の前記特徴を含み、前記監視することが、前記試料とレファレンスの前記特徴間で類似点を決定することを含むことを特徴とする請求項１ないし１４のいずれかに記載の方法。
  16. 前記試料の前記特徴が、前記試料上の少なくとも一つの追加のダイに対応する前記個々の領域の前記特徴と組み合わされた、前記試料上の少なくとも一つのダイに対応する前記個々の領域の前記特徴を含み、前記監視することが、前記組み合わされた特徴とレファレンス間で類似点を決定することを含むことを特徴とする請求項１ないし１５のいずれかに記載の方法。
  17. 前記監視することが、一つまたは複数の制御限界と前記試料の前記特徴を比較することにより、試料-試料ベースまたはロット-ロット・ベースで前記試料の前記特徴を監視することを含むことを特徴とする請求項１ないし１６のいずれかに記載の方法。
  18. 前記監視することが、
    一つまたは複数の制御限界と前記試料の前記特徴を比較することと、
    前記試料の前記特徴が前記一つまたは複数の制御限界を超える前記試料上の追加的な位置を決定することと、を含み、
    本方法が、さらに、前記追加的な位置で一つまたは複数の測定を実施するために使用可能な前記追加的な位置に関する情報を生成することを含むことを特徴とする請求項１ないし１７のいずれかに記載の方法。
  19. 同じ設計コンテクストを有する前記試料上のダイの異なる部分を同定することと、前記同じ設計コンテクストを有する前記異なる部分の内部で前記個々の画素の前記特性が相関しているかを決定することと、そして相関している特性を有する前記異なる部分を示す出力を生成することを更に含むことを特徴とする請求項１ないし１８のいずれかに記載の方法。
  20. 前記監視することが、
    前記試料上で他の潜在的なシステマティック欠陥を誘発する機構の位置として、前記個々の領域の前記特徴が相関している前記試料上の２以上のダイの他の複数の部分を同定すること
    を含むことを特徴とする請求項１ないし１９のいずれかに記載の方法。
  21. 前記２以上の個々のダイに対応する前記個々の領域の前記特性を重ね合わせることにより、前記試料上の前記２以上の個々のダイを重ね合わせることと、
    重ね合わされたダイ・マップを表示することと、
    を更に含むことを特徴とする請求項１ないし２０のいずれかに記載の方法。
  22. 特徴イメージのそれぞれの画素が前記個々の領域の選択された特徴を示す条件下で、前記試料の前記特徴イメージを構築することを更に含むことを特徴とする請求項１ないし２１のいずれかに記載の方法。
  23. 欠陥のウエハー・マップ上に一つまたは複数の特徴イメージを重ね合わせて表示することを更に含むことを特徴とする請求項２２に記載の方法。
  24. 複数の特徴イメージを隣り合わせて表示することを更に含むことを特徴とする請求項２２に記載の方法。
  25. 前記個々の領域が長方形の形状を有し、前記個々の領域が前記試料上に2次元のグリッドを形成することを特徴とする請求項１に記載の方法。
  26. 前記個々の領域のそれぞれの前記特徴を決定するために使用される前記個々の画素の前記特性が、前記個々の領域のそれぞれの内の全ての前記個々の画素の前記特性を含むことを特徴とする請求項１に記載の方法。
  27. 前記個々の領域の前記特徴が、前記個々の領域内の前記個々の画素の前記特性の分布を含むことを特徴とする請求項１に記載の方法。
  28. 前記個々の領域の前記特徴が、前記個々の領域内の前記個々の画素の前記特性の分布の特性を含むことを特徴とする請求項１に記載の方法。
  29. 前記個々の領域の前記特徴が、前記個々の領域内の前記個々の画素の前記特性の分布の特性、ならびに前記分布の前記特性に対応する位置を含むことを特徴とする請求項１に記載の方法。
  30. 前記個々の領域の異なる部分が前記試料上の異なるダイに対応し、本方法が、共通のレファレンス・グリッドへ、前記異なる部分を配列させること更に含むことを特徴とする請求項１に記載の方法。
  31. 前記個々の領域の一つに亘る位置の関数として、前記個々の領域の一つに対応する前記個々の画素のそれぞれの前記特性を示す出力を生成することを更に含むことを特徴とする請求項１に記載の方法。
  32. 前記試料の前記特徴が、前記試料上の少なくとも一つの追加のダイに対応する前記個々の領域の前記特徴と組み合わされた、前記試料上の少なくとも一つのダイに対応する前記個々の領域の前記特徴を含むことを特徴とする請求項１に記載の方法。
  33. 同じ設計コンテクストを有する、前記試料上のダイの異なる部分を同定することと、
    前記同じ設計コンテクストを有する前記異なる部分の内部で前記個々の画素の前記特性が相関しているかを決定することと、
    を更に含むことを特徴とする請求項１に記載の方法。
  34. 前記監視することが、前記試料上の２以上のダイの内部で前記個々の領域の前記特徴が相関しているかを決定することを含むことを特徴とする請求項１に記載の方法。
  35. 前記監視することが、同じ設計コンテクストを有する前記試料上のダイの異なる部分を同定することと、前記同じ設計コンテクストを有する前記異なる部分の内部で前記個々の領域の前記特徴が相関しているかを決定することを含むことを特徴とする請求項１に記載の方法。
  36. 前記監視することが、同じ設計コンテクストを有する前記試料上のダイの異なる部分を同定することと、前記同じ設計コンテクストを有する前記異なる部分の内部で前記個々の領域の前記特徴が相関しているかを決定することを含み、本方法が、相関している前記個々の領域の特徴を有する前記異なる部分を示す出力を生成することを更に含むことを特徴とする請求項１に記載の方法。
  37. 試料の特徴を監視するための方法を実施することに関する、プロセッサ上で実施可能なプロセス指示を含むキャリア・ミディアムであり、方法が、
    検査システムを用いて、前記試料を検査することにより生成される出力を用いて、前記試料上の個々の画素の特性を決定することと、
    個々の領域内の前記個々の画素の前記特性を用いて、前記試料上の前記個々の領域の特徴を決定することであって、前記個々の領域の前記特徴が、前記個々の領域内の前記個々の画素の前記特性の統計を含む、個々の領域の特徴を決定することと、
    前記試料の前記特徴を決定することであって、前記試料の前記特徴が、前記個々の領域の前記統計における試料レベルの特徴を含む、前記試料の特徴を決定することと、
    前記個々の領域の前記特徴に基づき前記試料の前記特徴を監視することと、
    前記試料上の２以上のダイ内の前記個々の画素の前記特性の相関解析を行って、前記試料上の前記２以上のダイの部分を特定することであって、前記部分において、前記個々の画素の前記特性が、前記試料上において潜在的なシステマティック欠陥を引き起こす機構の複数の位置として、関連付けられ、前記試料上の前記２以上のダイ内の複数の位置であって、前記個々の画素の前記特性が異なる複数の位置は、前記複数の位置の形状がシステマティック欠陥を引き起こす機構の影響を受けやすくないことを示す、前記相関解析の実行と、
    を含むことを特徴とする方法。
  38. 試料を検査することにより出力を生成するように設定された検査システムと、
    前記出力を用いて、前記試料上の個々の画素の特性を決定し、
    個々の領域内の前記個々の画素の前記特性を用いて、前記試料上の前記個々の領域の特徴を決定し、前記個々の領域の前記特徴が、前記個々の領域内の前記個々の画素の前記特性の統計を含み、
    前記試料の前記特徴を決定し、前記試料の前記特徴が、前記個々の領域の前記統計における試料レベルの特徴を含み、
    前記個々の領域の前記特徴に基づき前記試料の前記特徴を監視し、
    前記試料上の２以上のダイ内の前記個々の画素の前記特性の相関解析を行って、前記試料上の前記２以上のダイの部分を特定することであって、前記部分において、前記個々の画素の前記特性が、前記試料上において潜在的なシステマティック欠陥を引き起こす機構の複数の位置として、関連付けられ、前記試料上の前記２以上のダイ内の複数の位置であって、前記個々の画素の前記特性が異なる複数の位置は、前記複数の位置の形状がシステマティック欠陥を引き起こす機構の影響を受けやすくないことを示す、前記相関解析を行う
    ように設定されたプロセッサ、
    を備えることを特徴とする試料の特徴を監視するように設定されたシステム。
JP2010520152A 2007-07-30 2008-07-30 半導体デバイス特徴の抽出、生成、視覚化、ならびに監視方法 Active JP5662146B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US11/830,485 US8611639B2 (en) 2007-07-30 2007-07-30 Semiconductor device property extraction, generation, visualization, and monitoring methods
US11/830,485 2007-07-30
PCT/US2008/071587 WO2009018337A1 (en) 2007-07-30 2008-07-30 Semiconductor device property extraction, generation, visualization, and monitoring methods

Publications (3)

Publication Number Publication Date
JP2010535430A JP2010535430A (ja) 2010-11-18
JP2010535430A5 JP2010535430A5 (ja) 2014-10-30
JP5662146B2 true JP5662146B2 (ja) 2015-01-28

Family

ID=40042596

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2010520152A Active JP5662146B2 (ja) 2007-07-30 2008-07-30 半導体デバイス特徴の抽出、生成、視覚化、ならびに監視方法

Country Status (5)

Country Link
US (1) US8611639B2 (ja)
JP (1) JP5662146B2 (ja)
KR (1) KR101381300B1 (ja)
IL (1) IL203250A (ja)
WO (1) WO2009018337A1 (ja)

Families Citing this family (93)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7676077B2 (en) 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
EP1982160A4 (en) 2006-02-09 2016-02-17 Kla Tencor Tech Corp METHOD AND SYSTEMS FOR DETERMINING A WAFER FEATURE
CN101479730B (zh) * 2006-06-27 2011-06-08 日本电气株式会社 基板或电子部件的翘曲分析方法、基板或电子部件的翘曲分析系统及基板或电子部件的翘曲分析程序
US7561983B2 (en) * 2006-09-29 2009-07-14 Varian Semiconductor Equipment Associates, Inc. Technique for improving ion implantation based on ion beam angle-related information
US7796804B2 (en) 2007-07-20 2010-09-14 Kla-Tencor Corp. Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer
US7853848B2 (en) * 2007-10-22 2010-12-14 International Business Machines Corporation System and method for signature-based systematic condition detection and analysis
US7912658B2 (en) * 2008-05-28 2011-03-22 Kla-Tencor Corp. Systems and methods for determining two or more characteristics of a wafer
WO2009155502A2 (en) 2008-06-19 2009-12-23 Kla-Tencor Corporation Computer-implemented methods, computer-readable media, and systems for determining one or more characteristics of a wafer
US8269960B2 (en) 2008-07-24 2012-09-18 Kla-Tencor Corp. Computer-implemented methods for inspecting and/or classifying a wafer
KR101729669B1 (ko) 2008-07-28 2017-04-24 케이엘에이-텐코어 코오포레이션 웨이퍼 상의 메모리 디바이스 영역에서 검출된 결함들을 분류하기 위한 컴퓨터-구현 방법들, 컴퓨터-판독 가능 매체, 및 시스템들
JP5414215B2 (ja) * 2008-07-30 2014-02-12 株式会社日立ハイテクノロジーズ 回路パターン検査装置、および回路パターンの検査方法
SG164292A1 (en) * 2009-01-13 2010-09-29 Semiconductor Technologies & Instruments Pte System and method for inspecting a wafer
US9768082B2 (en) * 2009-02-13 2017-09-19 Hermes Microvision Inc. Method and machine for examining wafers
US8775101B2 (en) 2009-02-13 2014-07-08 Kla-Tencor Corp. Detecting defects on a wafer
KR101674698B1 (ko) * 2009-02-13 2016-11-09 케이엘에이-텐코어 코오포레이션 웨이퍼 상의 결함들 검출
US8204297B1 (en) 2009-02-27 2012-06-19 Kla-Tencor Corp. Methods and systems for classifying defects detected on a reticle
US8112241B2 (en) * 2009-03-13 2012-02-07 Kla-Tencor Corp. Methods and systems for generating an inspection process for a wafer
EP2438555B1 (en) * 2009-06-02 2017-03-08 Sofast GmbH Superresolution optical fluctuation imaging (sofi)
US8907691B2 (en) * 2009-06-24 2014-12-09 Applied Micro Circuits Corporation Integrated circuit thermally induced noise analysis
JP5567804B2 (ja) * 2009-08-25 2014-08-06 パナソニック株式会社 外観検査装置
JP5463943B2 (ja) * 2010-02-08 2014-04-09 株式会社Ｓｕｍｃｏ 画像データ処理方法および画像作成方法
JP2012008055A (ja) 2010-06-25 2012-01-12 Olympus Corp 画像解析方法および画像解析装置
US8781781B2 (en) 2010-07-30 2014-07-15 Kla-Tencor Corp. Dynamic care areas
US8630479B2 (en) * 2011-01-07 2014-01-14 Kla-Tencor Corporation Methods and systems for improved localized feature quantification in surface metrology tools
US9170211B2 (en) 2011-03-25 2015-10-27 Kla-Tencor Corp. Design-based inspection using repeating structures
US9208552B2 (en) * 2011-04-26 2015-12-08 Kla-Tencor Corporation Method and system for hybrid reticle inspection
WO2012148848A2 (en) 2011-04-26 2012-11-01 Kla-Tencor Corporation Method and system for hybrid reticle inspection
US9087367B2 (en) 2011-09-13 2015-07-21 Kla-Tencor Corp. Determining design coordinates for wafer defects
US8831334B2 (en) * 2012-01-20 2014-09-09 Kla-Tencor Corp. Segmentation for wafer inspection
US10401305B2 (en) 2012-02-15 2019-09-03 Kla-Tencor Corporation Time-varying intensity map generation for reticles
KR102052229B1 (ko) 2012-03-20 2019-12-04 케이엘에이 코포레이션 레티클 열화를 검출하기 위한 반사맵 및 투과맵의 사용
US10599944B2 (en) 2012-05-08 2020-03-24 Kla-Tencor Corporation Visual feedback for inspection algorithms and filters
US8826200B2 (en) 2012-05-25 2014-09-02 Kla-Tencor Corp. Alteration for wafer inspection
US9189844B2 (en) 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
GB2508858A (en) * 2012-12-13 2014-06-18 Ibm Using environmental signatures for test scheduling
US9390494B2 (en) * 2012-12-13 2016-07-12 Kla-Tencor Corporation Delta die intensity map measurement
US9053527B2 (en) * 2013-01-02 2015-06-09 Kla-Tencor Corp. Detecting defects on a wafer
US9134254B2 (en) 2013-01-07 2015-09-15 Kla-Tencor Corp. Determining a position of inspection system output in design data space
US9311698B2 (en) 2013-01-09 2016-04-12 Kla-Tencor Corp. Detecting defects on a wafer using template image matching
KR102019534B1 (ko) 2013-02-01 2019-09-09 케이엘에이 코포레이션 결함 특유의, 다중 채널 정보를 이용한 웨이퍼 상의 결함 검출
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US9865512B2 (en) 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
US9310320B2 (en) 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
US10955359B2 (en) * 2013-11-12 2021-03-23 International Business Machines Corporation Method for quantification of process non uniformity using model-based metrology
US9778205B2 (en) 2014-03-25 2017-10-03 Kla-Tencor Corporation Delta die and delta database inspection
US9262821B2 (en) * 2014-05-12 2016-02-16 Kla-Tencor Corp. Inspection recipe setup from reference image variation
US10290092B2 (en) * 2014-05-15 2019-05-14 Applied Materials Israel, Ltd System, a method and a computer program product for fitting based defect detection
US9816939B2 (en) * 2014-07-22 2017-11-14 Kla-Tencor Corp. Virtual inspection systems with multiple modes
US10127653B2 (en) 2014-07-22 2018-11-13 Kla-Tencor Corp. Determining coordinates for an area of interest on a specimen
US9727047B2 (en) * 2014-10-14 2017-08-08 Kla-Tencor Corp. Defect detection using structural information
CN107111870B (zh) * 2014-10-27 2021-08-06 科磊股份有限公司 对计量目标成像的质量估计及改进
JP6513982B2 (ja) * 2015-03-16 2019-05-15 株式会社東芝 欠陥検査装置並びに欠陥検査装置の管理方法及び管理装置
US9613255B2 (en) * 2015-03-30 2017-04-04 Applied Materials Israel Ltd. Systems, methods and computer program products for signature detection
US9903711B2 (en) * 2015-04-06 2018-02-27 KLA—Tencor Corporation Feed forward of metrology data in a metrology system
JP6779229B2 (ja) * 2015-04-30 2020-11-04 ケーエルエー コーポレイション 自動イメージに基づくプロセスモニタリングおよび制御
US10539612B2 (en) 2015-05-20 2020-01-21 Kla-Tencor Corporation Voltage contrast based fault and defect inference in logic chips
US10018571B2 (en) 2015-05-28 2018-07-10 Kla-Tencor Corporation System and method for dynamic care area generation on an inspection tool
KR101647688B1 (ko) 2015-07-21 2016-08-12 (주)넥스틴 마스크 내 다이 크기 및 개수 자동 획득 방법
US10359371B2 (en) 2015-08-24 2019-07-23 Kla-Tencor Corp. Determining one or more characteristics of a pattern of interest on a specimen
US10380728B2 (en) * 2015-08-31 2019-08-13 Kla-Tencor Corporation Model-based metrology using images
DE102016213925A1 (de) 2016-07-28 2018-02-01 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zur Charakterisierung eines durch wenigstens einen Lithographieschritt strukturierten Wafers
WO2017076702A2 (de) 2015-11-05 2017-05-11 Carl Zeiss Smt Gmbh Verfahren und vorrichtung zur charakterisierung eines durch wenigstens einen lithographieschritt strukturierten wafers
KR102566134B1 (ko) 2015-12-07 2023-08-10 삼성전자주식회사 반도체 소자의 3d 프로파일링 시스템 및 이의 동작 방법
US9916965B2 (en) 2015-12-31 2018-03-13 Kla-Tencor Corp. Hybrid inspectors
US10416087B2 (en) 2016-01-01 2019-09-17 Kla-Tencor Corporation Systems and methods for defect detection using image reconstruction
US10360477B2 (en) * 2016-01-11 2019-07-23 Kla-Tencor Corp. Accelerating semiconductor-related computations using learning based models
KR102483787B1 (ko) * 2016-02-25 2023-01-04 에스케이하이닉스 주식회사 반도체 장치의 결함 모델링 장치 및 방법, 이를 위한 컴퓨터 프로그램과, 이를 이용한 반도체 장치의 결함 검사 시스템
US10276346B1 (en) 2016-03-09 2019-04-30 Kla-Tencor Corporation Particle beam inspector with independently-controllable beams
US10563973B2 (en) 2016-03-28 2020-02-18 Kla-Tencor Corporation All surface film metrology system
US10325361B2 (en) * 2016-06-01 2019-06-18 Kla-Tencor Corporation System, method and computer program product for automatically generating a wafer image to design coordinate mapping
US10902576B2 (en) * 2016-08-12 2021-01-26 Texas Instruments Incorporated System and method for electronic die inking after automatic visual defect inspection
US11580398B2 (en) * 2016-10-14 2023-02-14 KLA-Tenor Corp. Diagnostic systems and methods for deep learning models configured for semiconductor applications
US10395362B2 (en) * 2017-04-07 2019-08-27 Kla-Tencor Corp. Contour based defect detection
JP6864122B2 (ja) * 2017-05-22 2021-04-21 ケーエルエー コーポレイション レシピ最適化及び計測のためのゾーナル分析
US11295432B2 (en) * 2017-06-29 2022-04-05 Kla-Tencor Corporation Broad band plasma inspection based on a nuisance map
US10620135B2 (en) 2017-07-19 2020-04-14 Kla-Tencor Corp. Identifying a source of nuisance defects on a wafer
US10935501B2 (en) 2017-12-01 2021-03-02 Onto Innovation Inc. Sub-resolution defect detection
US10585049B2 (en) * 2018-03-10 2020-03-10 Kla-Tencor Corporation Process-induced excursion characterization
US10937705B2 (en) * 2018-03-30 2021-03-02 Onto Innovation Inc. Sample inspection using topography
US10359706B1 (en) * 2018-06-11 2019-07-23 Kla-Tencor Corporation Integrated scanning electron microscopy and optical analysis techniques for advanced process control
US10832396B2 (en) 2018-10-19 2020-11-10 Kla-Tencor Corp. And noise based care areas
KR102650697B1 (ko) * 2018-12-04 2024-03-25 삼성전자주식회사 반도체 웨이퍼 검사 방법 및 시스템, 및 이를 이용한 반도체 소자의 제조 방법
US12039716B2 (en) * 2019-08-23 2024-07-16 Hitachi High-Tech Corporation Defect inspection method and defect inspection device
US11494895B2 (en) * 2020-02-14 2022-11-08 KLA Corp. Detecting defects in array regions on specimens
TWI737375B (zh) * 2020-07-01 2021-08-21 力晶積成電子製造股份有限公司 缺陷辨識方法以及影像分析系統
US11631169B2 (en) * 2020-08-02 2023-04-18 KLA Corp. Inspection of noisy patterned features
US11803960B2 (en) * 2020-08-12 2023-10-31 Kla Corporation Optical image contrast metric for optical target search
US11748872B2 (en) * 2020-08-31 2023-09-05 KLA Corp. Setting up inspection of a specimen
KR102586394B1 (ko) * 2021-04-15 2023-10-11 (주)넥스틴 셀-대-셀 비교 방법
US20230314336A1 (en) 2022-03-31 2023-10-05 Kla Corporation Multi-mode optical inspection
US11922619B2 (en) 2022-03-31 2024-03-05 Kla Corporation Context-based defect inspection
CN117059510B (zh) * 2023-10-11 2023-12-29 紫光同芯微电子有限公司 晶圆中晶粒性能参数处理方法、装置、设备及存储介质

Family Cites Families (56)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4898471A (en) 1987-06-18 1990-02-06 Tencor Instruments Particle detection on patterned wafers and the like
US4845558A (en) 1987-12-03 1989-07-04 Kla Instruments Corporation Method and apparatus for detecting defects in repeated microminiature patterns
JP2760250B2 (ja) 1993-02-03 1998-05-28 株式会社デンソー ピンホール検査装置
US5355212A (en) 1993-07-19 1994-10-11 Tencor Instruments Process for inspecting patterned wafers
US5517234A (en) * 1993-10-26 1996-05-14 Gerber Systems Corporation Automatic optical inspection system having a weighted transition database
US6271916B1 (en) 1994-03-24 2001-08-07 Kla-Tencor Corporation Process and assembly for non-destructive surface inspections
US5991699A (en) 1995-05-04 1999-11-23 Kla Instruments Corporation Detecting groups of defects in semiconductor feature space
US5625451A (en) 1995-11-27 1997-04-29 Schmitt Measurement Systems, Inc. Methods and apparatus for characterizing a surface
EP1016126B1 (en) 1997-03-31 2018-12-26 Nanometrics Incorporated Optical inspection module and method for detecting particles and defects on substrates in integrated process tools
US6201601B1 (en) 1997-09-19 2001-03-13 Kla-Tencor Corporation Sample inspection system
US6603877B1 (en) * 1999-06-01 2003-08-05 Beltronics, Inc. Method of and apparatus for optical imaging inspection of multi-material objects and the like
KR20010001224A (ko) 1999-06-02 2001-01-05 윤종용 웨이퍼 불량검사 방법 및 장치
US6552337B1 (en) 1999-11-02 2003-04-22 Samsung Electronics Co., Ltd. Methods and systems for measuring microroughness of a substrate combining particle counter and atomic force microscope measurements
JP2001163312A (ja) 1999-12-03 2001-06-19 Jiyooben Denki Kk 密封包装物の検査方法及びその装置
US20030110182A1 (en) 2000-04-12 2003-06-12 Gary Christophersen Multi-resolution image management system, process, and software therefor
TW571089B (en) 2000-04-21 2004-01-11 Nikon Corp Defect testing apparatus and defect testing method
JP2001304842A (ja) 2000-04-25 2001-10-31 Hitachi Ltd パターン検査方法及びその装置並びに基板の処理方法
JP2002100660A (ja) 2000-07-18 2002-04-05 Hitachi Ltd 欠陥検出方法と欠陥観察方法及び欠陥検出装置
US6919957B2 (en) 2000-09-20 2005-07-19 Kla-Tencor Technologies Corp. Methods and systems for determining a critical dimension, a presence of defects, and a thin film characteristic of a specimen
US6806951B2 (en) 2000-09-20 2004-10-19 Kla-Tencor Technologies Corp. Methods and systems for determining at least one characteristic of defects on at least two sides of a specimen
US6673637B2 (en) 2000-09-20 2004-01-06 Kla-Tencor Technologies Methods and systems for determining a presence of macro defects and overlay of a specimen
US6636031B1 (en) 2000-10-05 2003-10-21 Sanko Electronic Laboratory Co., Ltd. Method and device for detecting pinholes in organic film on concrete surface
US6538730B2 (en) 2001-04-06 2003-03-25 Kla-Tencor Technologies Corporation Defect detection system
JP3210654B1 (ja) 2001-05-02 2001-09-17 レーザーテック株式会社 光学式走査装置及び欠陥検出装置
DE10156275B4 (de) 2001-11-16 2006-08-03 Leo Elektronenmikroskopie Gmbh Detektoranordnung und Detektionsverfahren
US6862491B2 (en) * 2002-05-22 2005-03-01 Applied Materials Israel, Ltd. System and method for process variation monitor
US7155052B2 (en) 2002-06-10 2006-12-26 Tokyo Seimitsu (Israel) Ltd Method for pattern inspection
US6596553B1 (en) 2002-06-26 2003-07-22 Advanced Micro Devices, Inc. Method of pinhole decoration and detection
US6781688B2 (en) 2002-10-02 2004-08-24 Kla-Tencor Technologies Corporation Process for identifying defects in a substrate having non-uniform surface properties
KR100492158B1 (ko) 2002-11-19 2005-06-02 삼성전자주식회사 웨이퍼 검사 장치
US7369233B2 (en) 2002-11-26 2008-05-06 Kla-Tencor Technologies Corporation Optical system for measuring samples using short wavelength radiation
US7369706B2 (en) 2003-01-06 2008-05-06 Matsushita Electric Industrial Co., Ltd. Image-data processing device, image-data processing method, image-data distributing device and image-data transmitting system
JP2004219176A (ja) * 2003-01-10 2004-08-05 Seiko Epson Corp 画素ムラ欠陥の検出方法及び装置
US6718526B1 (en) 2003-02-07 2004-04-06 Kla-Tencor Corporation Spatial signature analysis
US7220978B2 (en) 2003-04-15 2007-05-22 The University Of South Carolina System and method for detecting defects in semiconductor wafers
EP1639342A4 (en) 2003-05-19 2010-04-14 Kla Tencor Tech Corp DEVICE AND METHOD FOR ENABLING A ROBUST SEPARATION BETWEEN INTERESTING SIGNALS AND NOISE
JP4489777B2 (ja) 2003-06-10 2010-06-23 ケーエルエー−テンコール コーポレイション マルチチャネルデータのグラフィック表現を用いて基板の表面において生じる欠陥を分類するための方法及びシステム
JP4078280B2 (ja) * 2003-10-08 2008-04-23 株式会社日立ハイテクノロジーズ 回路パターンの検査方法および検査装置
US7110106B2 (en) 2003-10-29 2006-09-19 Coretech Optical, Inc. Surface inspection system
US7006886B1 (en) 2004-01-12 2006-02-28 Kla Tencor-Technologies Corporation Detection of spatially repeating signatures
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
US7373277B1 (en) 2004-03-09 2008-05-13 Kla-Tencor Technologies Corp. Methods and systems for detection of selected defects particularly in relatively noisy inspection data
US7359052B2 (en) 2004-05-14 2008-04-15 Kla-Tencor Technologies Corp. Systems and methods for measurement of a specimen with vacuum ultraviolet light
US7067819B2 (en) 2004-05-14 2006-06-27 Kla-Tencor Technologies Corp. Systems and methods for measurement or analysis of a specimen using separated spectral peaks in light
US7349079B2 (en) 2004-05-14 2008-03-25 Kla-Tencor Technologies Corp. Methods for measurement or analysis of a nitrogen concentration of a specimen
US7564552B2 (en) 2004-05-14 2009-07-21 Kla-Tencor Technologies Corp. Systems and methods for measurement of a specimen with vacuum ultraviolet light
US7593565B2 (en) * 2004-12-08 2009-09-22 Rudolph Technologies, Inc. All surface data for use in substrate inspection
JP4904034B2 (ja) 2004-09-14 2012-03-28 ケーエルエー−テンカー コーポレイション レチクル・レイアウト・データを評価するための方法、システム及び搬送媒体
JP4413767B2 (ja) 2004-12-17 2010-02-10 株式会社日立ハイテクノロジーズ パターン検査装置
WO2006066207A2 (en) 2004-12-19 2006-06-22 Ade Corporation System and method for inspecting a workpiece surface using combinations of light collectors
JP4988223B2 (ja) 2005-06-22 2012-08-01 株式会社日立ハイテクノロジーズ 欠陥検査装置およびその方法
US7676077B2 (en) * 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
EP1982160A4 (en) 2006-02-09 2016-02-17 Kla Tencor Tech Corp METHOD AND SYSTEMS FOR DETERMINING A WAFER FEATURE
JP4728144B2 (ja) 2006-02-28 2011-07-20 株式会社日立ハイテクノロジーズ 回路パターンの検査装置
WO2007137261A2 (en) 2006-05-22 2007-11-29 Kla-Tencor Technologies Corporation Methods and systems for detecting pinholes in a film formed on a wafer or for monitoring a thermal process tool

Also Published As

Publication number Publication date
KR101381300B1 (ko) 2014-04-04
WO2009018337A1 (en) 2009-02-05
JP2010535430A (ja) 2010-11-18
IL203250A (en) 2015-03-31
KR20100046240A (ko) 2010-05-06
US8611639B2 (en) 2013-12-17
US20090037134A1 (en) 2009-02-05

Similar Documents

Publication Publication Date Title
JP5662146B2 (ja) 半導体デバイス特徴の抽出、生成、視覚化、ならびに監視方法
KR101381309B1 (ko) 계측 샘플링 계획을 생성하기 위한 컴퓨터-구현 방법들, 캐리어 매체들 및 시스템들
KR102386536B1 (ko) 시편 상의 관심 패턴의 하나 이상의 특성의 결정
US9201022B2 (en) Extraction of systematic defects
JP5865585B2 (ja) ウエハーの層の検査に用いる候補として検査装置の一つ以上の光学モードを同定するためにコンピューターにより実施する方法、コンピューター可読の媒体、および装置
US9335277B2 (en) Region-of-interest determination apparatus, observation tool or inspection tool, region-of-interest determination method, and observation method or inspection method using region-of-interest determination method
TWI643280B (zh) 使用結構性資訊之缺陷偵測
JP5444092B2 (ja) 検査方法およびその装置
US20110320149A1 (en) Selecting One or More Parameters for Inspection of a Wafer
US8705837B2 (en) Method for inspection and detection of defects on surfaces of disc-shaped objects and computer system with a software product for carrying out the method
JP2010535430A5 (ja)
US10832396B2 (en) And noise based care areas
JP2001156135A (ja) 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法
TW201930862A (zh) 產生檢查配方的方法及其系統
JP2011119471A (ja) 欠陥検査方法及び欠陥検査装置
JP2023509054A (ja) ウェハ検査装置、データ処理方法及び記憶媒体
CN113677980A (zh) 用于检验的缺陷候选生成
US11443420B2 (en) Generating a metrology recipe usable for examination of a semiconductor specimen
WO2024069701A1 (ja) モデル生成方法及び欠陥検査システム
JP2006319351A (ja) パターン検査方法及びパターン検査装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110801

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110801

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20130527

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130604

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130904

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140311

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140609

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140616

A524 Written submission of copy of amendment under article 19 pct

Free format text: JAPANESE INTERMEDIATE CODE: A524

Effective date: 20140911

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20141111

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20141204

R150 Certificate of patent or registration of utility model

Ref document number: 5662146

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250