JP6675433B2 - 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法 - Google Patents

欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法 Download PDF

Info

Publication number
JP6675433B2
JP6675433B2 JP2018083583A JP2018083583A JP6675433B2 JP 6675433 B2 JP6675433 B2 JP 6675433B2 JP 2018083583 A JP2018083583 A JP 2018083583A JP 2018083583 A JP2018083583 A JP 2018083583A JP 6675433 B2 JP6675433 B2 JP 6675433B2
Authority
JP
Japan
Prior art keywords
defect
inspection
image
inspection image
substrate
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
JP2018083583A
Other languages
English (en)
Other versions
JP2019190978A5 (ja
JP2019190978A (ja
Inventor
恒男 寺澤
恒男 寺澤
洋 福田
洋 福田
岩井　大祐
大祐 岩井
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.)
Shin Etsu Chemical Co Ltd
Original Assignee
Shin Etsu Chemical Co Ltd
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 Shin Etsu Chemical Co Ltd filed Critical Shin Etsu Chemical Co Ltd
Priority to JP2018083583A priority Critical patent/JP6675433B2/ja
Priority to KR1020190045956A priority patent/KR102139005B1/ko
Priority to US16/391,725 priority patent/US10488347B2/en
Priority to TW108114233A priority patent/TWI713088B/zh
Publication of JP2019190978A publication Critical patent/JP2019190978A/ja
Publication of JP2019190978A5 publication Critical patent/JP2019190978A5/ja
Application granted granted Critical
Publication of JP6675433B2 publication Critical patent/JP6675433B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
    • G03F1/82—Auxiliary processes, e.g. cleaning or inspecting
    • G03F1/84—Inspecting
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G01N21/894—Pinholes
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95623—Inspecting patterns on the surface of objects using a spatial filtering method
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/50—Mask blanks not covered by G03F1/20 - G03F1/34; Preparation thereof
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/004—Photosensitive materials
    • G03F7/09—Photosensitive materials characterised by structural details, e.g. supports, auxiliary layers
    • G03F7/091—Photosensitive materials characterised by structural details, e.g. supports, auxiliary layers characterised by antireflection means or light filtering or absorbing means, e.g. anti-halation, contrast enhancement
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70591—Testing optical components
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
    • G—PHYSICS
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G01N2021/8924—Dents; Relief flaws
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95676—Masks, reticles, shadow masks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Architecture (AREA)
  • Structural Engineering (AREA)
  • Textile Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Description

本発明は、半導体デバイス（半導体装置）などの製造において使用されるフォトマスク（転写用マスク）を製造するために用いるフォトマスクブランクの欠陥評価技術に関し、特に、フォトマスクブランクに形成される薄膜に存在するピンホール等の凹状形状の判定に有効なフォトマスクブランクの欠陥評価技術に関する。また、本発明は、上記方法を適用したフォトマスクブランクの選別方法及び製造方法に関する。
半導体デバイス（半導体装置）の製造工程では、転写用マスクに露光光を照射し、マスクに形成されている回路パターンを、縮小光学系を介して半導体基板（半導体ウェハ）上に転写するフォトリソグラフィ技術が用いられる。半導体デバイスの回路パターンの継続的な微細化に伴って、露光光の波長はフッ化アルゴン（ＡｒＦ）エキシマレーザ光を用いた１９３ｎｍが主流となっており、露光プロセスや加工プロセスを複数回組み合わせるマルチパターニングというプロセスを採用することにより、最終的には露光波長と比べて十分に小さい寸法のパターンを形成することができる。
パターン転写用マスクは、厚みの薄い光学膜が形成された基板（マスクブランク）に、回路パターンを形成することで製造される。このような光学膜は、一般に、遷移金属化合物を主成分とする膜や、遷移金属を含有するケイ素化合物を主成分とする膜であり、目的に応じ、遮光膜として機能する膜や位相シフト膜として機能する膜などが選択される。更に、光学膜の高精度加工を目的とした加工補助膜であるハードマスク膜も含むこともある。
転写用マスクは、回路パターンを有する半導体素子を製造するための原図として用いられるため、転写用マスクに欠陥が存在すると、その欠陥が回路パターンに転写されてしまう。このため、転写用マスクには無欠陥であることが求められるが、このことは当然に、フォトマスクブランクについても無欠陥であることを要求することとなる。このような状況から、フォトマスクやフォトマスクブランクの欠陥を検出する技術についての多くの検討がなされてきた。
フォトマスクブランクやガラス基板などの欠陥を検出する装置として、基板上にレーザ光を照射して基板表面の欠陥による散乱光を光検出器により受光し、光検出器からの出力信号に基づいて欠陥の存在を検出する検査装置が既知である。例えば特許文献１（特開２００１−２７６１１）には、複数の光ビームを用いて試料表面を走査し、資料からの反射光を光検出器で検出ことが記載されている。また、特許文献２（特開２００３−４６５４）には、試料表面を光スポットにより走査し、試料表面からの反射光により試料の表面領域の情報を検出する検出光学系において、光スポットの走査方向と対応する方向の片側半分の光路を遮光する遮光板を光路中に配置して、光検出器からの出力信号の形状により凸状欠陥と凹状欠陥とを判別することが記載されている。
さらに、欠陥検査装置によって収集された情報から欠陥を含む２次元画像を生成し、画像処理によって欠陥の分類を行なうことも既知である。画像処理による欠陥分類法として、例えば特許文献３（特開２０１３−７２７８８）には、欠陥を分類する手法としてルールベースの機械学習によって分類器を構築し、その分類器に沿って検査画像から欠陥を分類する方法が記載されている。また、特許文献４（特開２０１７−２１５２７７）には、機械学習による欠陥分類を行なう為に算出する特徴量として、輝度平均や欠陥部の周囲長などの具体的なパラメータが記載されている。
特開２００１−２７６１１号公報 特開２００３−４６５４号公報 特開２０１３−７２７８８号公報 特開２０１７−２１５２７７号公報
しかし、本発明者らが既存の光学式欠陥検査装置を用いて多くの欠陥の検査画像を収集・検討したところ、微細な欠陥を検出した検査画像では、欠陥に起因する輝度変化が、受光素子の熱雑音や電気的なノイズに起因する輝度変化に近いレベルまで低下し、画像処理による欠陥認識が困難になる場合があることが分かった。特に、フッ化アルゴン（ＡｒＦ）エキシマレーザ光を用いるパターン転写用の先端マスクの加工の為に形成する加工補助層は、厚さが１０ｎｍ以下と極薄であること等の理由から、ハードマスク薄膜の欠陥検査において、１００ｎｍ以下のサイズの凹状欠陥が存在すると、その傾向が顕著になることも分かった。
本発明者らが検討した結果、欠陥は光検出器からの出力信号の輝度変化に基づいて検出されるので、上記のノイズに起因する輝度変化が含まれると欠陥位置の識別が困難になり、欠陥の分類の根拠となる特徴量の算出が曖昧になるという問題が発生しやすいことがわかった。このような状況に鑑み、検査画像の画像処理においてノイズによる輝度変化を避け、欠陥認識レベルを大幅に向上させる技術の提供が望まれる。
本発明は上記課題に鑑みてなされたもので、光学式欠陥検査装置を用いた欠陥評価技術において、欠陥認識レベルを大幅に向上させる技術の提供を目的とするものである。本発明は、特に、フォトマスクブランクに形成される薄膜に存在するピンホール等の凹状形状の判定に有効なフォトマスクブランクの欠陥評価技術として好適に利用することができる。
上記課題を解決するために、本発明に係る欠陥分類方法は、検査対象基板の表面の認められる欠陥を分類する方法であって、共焦点光学系を有する欠陥検査装置を用いて前記検査対象基板に対して検査光を前記基板表面上で走査（Ｓ１）し、前記検査対象基板からの反射光を２次元的に検出（Ｓ２）し、該反射光に対応する出力信号を２次元的に信号処理（Ｓ３）することにより、前記検査対象基板の表面上の欠陥を検出（Ｓ４）し、さらに、前記２次元的に信号処理して得られた画像を処理して前記検出された欠陥を分類する（Ｓ５）工程を備え、前記画像処理は、表面欠陥が既知の基板欠陥を前記欠陥検査装置で検査したときに生成される第１の検査画像と第２の検査画像を処理して、予め定めたパラメータを特徴量とする機械学習により欠陥を分類する分類基準を構築する第１のサブステップと、前記欠陥検査装置を用いて前記検査対象基板から得られる第１の検査画像及び第２の検査画像から特徴量を算出して、前記分類基準に沿って、前記検査対象基板の欠陥を分類する第２のサブステップを含み、前記第１のサブステップと前記第２のサブステップにおける欠陥部の特徴量の算出は、前記第２の検査画像で欠陥が存在する概略領域を求め、該概略領域を前記第１の検査画像に適用して画像処理の領域を限定して欠陥部の特徴量を算出することにより行われる、
ことを特徴とする。
ある態様では、前記第１の検査画像は、前記検査光を基板上で走査させた際の反射光として得られる光学情報を２次元的に配置して生成される、欠陥を含む領域の２次元画像であり、前記第２の検査画像は、前記第１の検査画像に前記光学情報を遅延させて減算することにより生成される２次元画像である。
また、ある態様では、前記第１の検査画像は前記欠陥検査装置が備える検出器から逐次出力される輝度信号から生成され、前記第２の検査画像は欠陥が存在する領域における近接部分からの信号の差から生成される。
例えば、前記検査光が、波長２１０〜５５０ｎｍの光である。
また、ある態様では、前記欠陥検査装置が備える検出器で基板からの反射光を収集する際に、集光光学系の光路上に反射光の一部を遮蔽する空間フィルタを設け、該空間フィルタを通して反射光を収集する。
また、ある態様では、前記空間フィルタは、前記検出器から逐次出力される欠陥存在領域の信号を非対称な輝度プロファイルとする。
さらに、ある態様では、前記検査対象基板は、１０ｎｍ以下の厚さの薄膜を少なくとも１層含むフォトマスクブランクであり、前記分類される欠陥は、前記薄膜の凹状欠陥またはピンホール欠陥である。
本発明に係るフォトマスクブランクの選別方法は、上述の欠陥分類方法により、凹状欠陥を含まないフォトマスクブランクを選別する。
また、本発明に係るフォトマスクブランクの製造方法は、基板上に少なくとも１層の薄膜と該薄膜の加工補助層であるハードマスク膜を形成する工程と、上述の欠陥分類方法により、前記薄膜もしくは前記ハードマスク膜に存在する欠陥の凹凸性を評価する工程と、を含む。
本発明によれば、光学的な欠陥検査方法を用いて収集される検査画像が低コントラスト画像でも、ノイズ成分に影響されることなく欠陥位置を厳密に認識して特徴量を算出できるので、機械学習を用いた画像分類を高い信頼性で行なうことができる。このため、微細な形状であってもフォトマスクブランクの欠陥を分類することができる。
また、本発明の欠陥分類方法を適用することにより、凸状欠陥を凹状欠陥と誤判定することがない。このため、フォトマスクにおいて致命的な欠陥とされている凹状欠陥の発生原因となるフォトマスクブランクの欠陥を、確実に検知することができる。その結果、フォトマスクブランクおよびフォトマスクの製造工程の低コスト化と高歩留化が有意に図られる。
フォトマスクブランクの欠陥の典型例を示す図であり、図１（Ａ）は、透明基板上に設けられた光学薄膜にピンホール欠陥（ＤＥＦ１）が存在している様子を示す図、図１（Ｂ）は、透明基板上の光学薄膜の上に設けられた加工補助薄膜にピンホール欠陥（ＤＥＦ２）が存在している様子を示す図、そして、図１（Ｃ）は、フォトマスクブランクが備える光学薄膜の上に凸欠陥（ＤＥＦ３）が存在している様子を示す図である。 フォトマスクブランクの表面部における欠陥の形状（凹状または凸状）を判定するために好適に用いられる検査装置の構成を概念的に説明するブロック図である。 欠陥の特徴量を算出する特徴量算出部１５４の動作を説明する図で、図３（Ａ）は第１の２次元検査画像、図３（Ｂ）は第２の２次元検査画像、図３（Ｃ）は演算領域を特定した第１の２次元検査画像を示す図である。 欠陥の検査画像の機械学習により分類基準を構築するフロー図である。 分類基準に沿って被検査基板の欠陥を分類するフロー図である。 検出された欠陥の様子の一例を示す図で、図６（Ａ）は欠陥検査装置によって検出された凹状欠陥の第１の検査画像であり、図６（Ｂ）は当該第１の検査画像において欠陥部を横切る輝度分布の様子を示す図である。 図６（Ａ）の第１の検査画像に対応する第２の検査画像である。
以下に、図面を参照して、本発明に係る欠陥分類方法について詳しく説明する。
フォトマスクブランクはフォトマスクの製造に用いられ、基板上に形成された光学薄膜を備えるが、この光学薄膜にピンホールなどの欠陥が存在すると、この欠陥がフォトマスク上のマスクパターンの欠陥の原因となる。
図１は、フォトマスクブランクの欠陥の典型例を示す図である。図１（Ａ）は、透明基板１０１上に、遮光膜あるいはハーフトーン位相シフトマスク用の位相シフト膜などとして機能する光学薄膜１０２が形成されているフォトマスクブランク１００を示す図であり、光学薄膜１０２には凹状のピンホール欠陥（ＤＥＦ１）が存在している。
また、図１（Ｂ）は、透明基板１０１上に、遮光膜あるいはハーフトーン位シフトマスク用の位相シフト膜などとして機能する光学薄膜１０２と、光学薄膜１０２の高精度な加工を行なうための加工補助薄膜１０３が形成されているフォトマスクブランク１００を示す図であり、加工補助薄膜１０３には凹状のピンホール欠陥（ＤＥＦ２）が存在している。
さらに、図１（Ｃ）は、フォトマスクブランク１００が備える光学薄膜１０２の上に、凸状の欠陥（ＤＥＦ３）が存在している様子を示す図である。
これらの欠陥（ＤＥＦ１〜３）は、何れも、フォトマスクを製造する際の欠陥生成原因となる。フォトマスクに欠陥が存在すると、露光工程において、パターン転写エラーを引き起こす原因となる。そのため、フォトマスクブランクに存在する欠陥は、フォトマスクブランクを加工してフォトマスクとする前の段階で検出し、欠陥を有するフォトマスクブランクを排除したり、可能な場合には欠陥の修正を施したりする必要がある。
ところで、図１（Ｃ）に図示したような凸状欠陥（ＤＥＦ３）としては、光学薄膜１０２と一体化した欠陥や、パーティクルのような付着異物としての欠陥などがある。このような凸状欠陥が存在しているフォトマスクブランクから、通常の製造工程によりフォトマスクを製造しても、必ずしも、フォトマスクにおいて致命的な欠陥とされている凹状欠陥が生じるわけではない。
また、表面に付着した異物欠陥が洗浄により除去可能なものであれば、フォトマスク製造に先立って洗浄すれば良いだけのことで、これもまた致命的な欠陥とはならない。
これに対し、図１（Ａ）や図１（Ｂ）に図示したような凹状欠陥（ＤＥＦ１〜２）は、フォトマスクにおいて致命的な欠陥とされている凹状欠陥の発生原因となり、洗浄により除去可能なものでもないから、フォトマスクブランクの欠陥としては致命的である。
このように、フォトマスクブランクに存在する欠陥は、その形状により、致命的であったりなかったりするから、フォトマスクブランクの表面部に存在する欠陥の形状、すなわち、それが凹状であるか凸状であるかの判定が重要になってくる。
図２は、フォトマスクブランクの表面部における欠陥の形状（凹状または凸状）を判定するために好適に用いられる検査装置の構成の一例を概念的に説明するブロック図である。
この欠陥検査装置１５０は、検査光学系１５１、欠陥検出部１５２、画像処理部１５３、制御装置１５７、記録装置１５８、表示装置１５９を主な構成要素としている。
検査光学系１５１は、共焦点光学系を基本構成としており、検査光を発する光源ＩＬＳ、ビームスプリッタＢＳＰ、対物レンズＯＢＬ、フォトマスクブランクＭＢを載置し移動できるステージＳＴＧ、及び画像検出器ＳＥを備えている。
光源ＩＬＳは、波長が２１０ｎｍ〜５５０ｎｍ程度の光を射出することができるように構成されており、この光源ＩＬＳから射出された検査光ＢＭ１は、ビームスプリッタＢＳＰで折り曲げられ、対物レンズＯＢＬを通してフォトマスクブランクＭＢの所定領域を照射する。フォトマスクブランクＭＢ表面で反射した光ＢＭ２は対物レンズＯＢＬで集められるとともに、ビームスプリッタＢＳＰ、光の一部を遮光する空間フィルタＳＰＦ、レンズＬ１を透過して画像検出器ＳＥの受光面に到達する。
このとき、画像検出器ＳＥの受光面がマスクブランクＭＢの表面と共役な位置になるように画像検出器ＳＥの位置が調整されている。フォトマスクブランクＭＢの表面を照射する検査光ＢＭ１は図示しない走査手段で走査され、反射光ＢＭ２を受光する像検出器ＳＥは走査に伴って逐次輝度信号を、欠陥検出部１５２に出力する。なお、検査対象基板の表面上での検査光の走査は、例えば、検査光をX方向に走査しつつ、X方向と直交するY方向に基板を移動させるといった態様で、２次元的な走査がなされる。
欠陥分類に際しては、検査光ＢＭ１の走査に伴って画像検出器ＳＥから逐次出力される信号をもとに欠陥を含む領域の２次元画像を生成することとなるが、本発明では、当該２次元画像の生成に先立ち、予め、欠陥検出部１５２による欠陥検出を行なう。
この欠陥検出部１５２による欠陥検出に際しては、基板（フォトマスクブランクＭＢ）からの反射光ＢＭ２を収集する集光光学系の光路上に、反射光ＢＭ２の一部を遮蔽する空間フィルタＳＰＦを設けることにより、検査光ＢＭ１の走査に伴って画像検出器ＳＥから逐次出力される欠陥が存在する領域の信号（欠陥部信号）が、非対称な輝度プロファイルとされる。この輝度プロファイルの非対称化と同時に、上記欠陥部信号を所定時間だけ遅延させた出力信号（遅延信号）と遅延されていない信号（非遅延信号）との差、具体的には、欠陥が存在する領域における近接部分からの信号の差をとることで、欠陥部の輝度変化（コントラストの差）を強調させ、その強調信号に閾値を適用して欠陥を検出する。
このように、欠陥検出部１５２は、上述の、検査光ＢＭ１の走査に伴って画像検出器ＳＥから逐次出力される輝度信号の遅延信号と非遅延信号との差をとって、欠陥部の輝度変化を強調させた信号に閾値を適用して欠陥を検出すると共に、欠陥位置情報、検出器ＳＥから逐次出力される輝度信号から生成する第１の検査画像、及び、上記の差信号から生成する第２の検査画像を画像処理部１５３に送る。
画像処理部１５３は、特徴量検出部１５４、欠陥学習部１５５、および欠陥分類部１５６を備えている。特徴量検出部１５４は、画像処理演算を施すことにより欠陥の特徴量の算出を行い、当該欠陥特徴量に基づき欠陥分類部１５６による欠陥の分類がなされる。また、それらの結果は、欠陥情報として、欠陥学習部１５５に記録されるとともに、後述の記憶装置１５８にも記憶される。
制御装置１５７は、制御プログラムや各種の画像演算プログラムを格納しており、検査光学系１５１、画像処理部１５３、記憶装置１５８、および表示装置１５９のそれぞれに接続されており、検査装置１５０の全体を制御する。
本発明に係る欠陥分類方法では、欠陥検査装置１５０から出力される上述の２種類の画像（検出器ＳＥから逐次出力される輝度信号から生成する第１の検査画像、及び、欠陥が存在する領域における近接部分からの信号の差から生成する第２の検査画像）を用いる。第１の検査画像は、欠陥形状の凹凸を区別する情報を含む。また、第２の検査画像は、欠陥形状の凹凸の区別は困難である一方、欠陥部を強調する輝度分布の情報を有する。
そこで、先ず、欠陥部を強調する輝度分布の情報を有する第２の検査画像で演算処理領域を絞り込む。次いで、欠陥形状の凹凸を区別する情報を含む第１の検査画像の、上記絞り込んだ演算処理領域に対応する領域における欠陥の特徴量を算出する。本発明では、このような手順により、特徴量算出の信頼性劣化を防止している。
図３は、欠陥の特徴量を算出する特徴量算出部１５４の動作を説明する図で、図３（Ａ）は第１の（２次元）検査画像、図３（Ｂ）は第２の（２次元）検査画像、図３（Ｃ）は演算領域を特定した第１の（２次元）検査画像を示す図である。
図３（Ａ）中の符号２００で示したものは、検査光の走査に伴って画像検出器ＳＥから逐次出力される輝度信号から生成される第１の（２次元）検査画像２００の模式図であり、横縞模様は走査線によるものである。
この第１の検査画像には、欠陥に起因する輝度変化ＩＭＧ１が含まれるとともに、ノイズ等に起因する輝度変化ＩＭＧ２やＩＭＧ３が含まれる。
従来法では、これらの輝度変化がほぼ同等であると、例えば輪郭線２０１で示される領域を欠陥部と認識して欠陥の大きさや欠陥の平均輝度を特徴量として算出していた。しかしこれでは、輪郭線２０１内には、欠陥に起因する輝度変化ＩＭＧ１以外に、ノイズ等に起因する輝度変化ＩＭＧ２も含まれているため、正確な欠陥評価はできないことになる。
そこで、本発明では、上述の第２の検査画像を用いて、欠陥の特徴量を算出する演算領域を正しく絞りこむこととしている。
具体的には、欠陥の存在を強調するために、図３（Ｂ）に示すように、欠陥が存在する領域における近接部分からの信号の差から生成する第２の検査画像２０２に含まれる輝度変化領域２０３を抽出する。
第２の検査画像２０２は基本的に差分信号なので、第１の検査画像に現れる走査線の縞模様は生じにくい。輝度変化領域２０３を求める方法としては、例えば、欠陥の存在しない領域の輝度に対して欠陥部における強調された輝度変化の領域を所定の閾値と比較して画素の番号として求め、次いで通常の画像処理で使用される所定画素数の拡大縮小処理を組み合わせる方法などがある。また、求めた領域に外接する矩形領域を輝度変化領域２０３とすることも可能である。
この輝度変化領域を２次元画像の画素の番号として抽出し、その番号を再び第１の検査画像の画素番号に対応させて領域を定義して、図３（Ｃ）に示す第３の検査画像２０４のように、特徴量を算出するための演算領域２０５を指定する。なお、図３（Ｃ）に示す第３の検査画像２０４は、基本的には、図３（Ａ）に示す第１の検査画像２００と同じであるが、特徴量を算出するための領域２０５が付記されている点においてのみ相違している。
演算領域２０５を指定した後は、その領域内の欠陥部の輝度変化の情報から、欠陥部の平均輝度や欠陥部の面積、輝度勾配といった、予め指定された特徴量を算出する。
以上の方法により、欠陥部から離れた位置においてノイズ成分に起因する画素強度の最大値や最小値を選択することを防止できる。
再び図２に戻り、画像処理部１５３の説明を行なう。
欠陥分類に先立って、まず分類が既知の欠陥について、その第１の検査画像と第２の検査画像を読み込み、上述の特徴量を算出して欠陥学習部１５５において学習する。ここでの分類とは、例えば欠陥の凹凸性（凹状であるか凸状であるか）や、スクラッチ状であるかなどの分類である。学習する欠陥の個数は多い方が良く、少なくとも２０個以上が望ましい。これらの検査画像の学習により分類基準を構築する。
分類基準は、欠陥検査を行なうフォトマスクブランクや各種膜構造を有する基板、あるいは透明基板など被検査基板の構造に対応して複数個構築することが望ましい。
次に、欠陥を分類したい被検査基板の欠陥の検査画像を読み込む。機械学習と同様に、第１の２次元検査画像と第２の２次元検査画像とから特徴量を算出し、欠陥分類部１５６において、先に構築した分類基準に沿って欠陥を分類する。
これらの分類結果は、欠陥検査の情報と共に記憶装置１５８に記憶され、また表示装置１５９に２次元検査画像や分類結果を表示してオペレータが容易に確認できるようにしている。
図４は、欠陥の検査画像の機械学習により分類基準を構築するフロー図である。
先ず、分類が既知の多数の欠陥について、その第１の２次元検査画像と第２の検査画像を準備する（ステップＳ０１）。次に、ステップＳ０２において、ひとつの欠陥の第２の検査画像から欠陥部の領域を抽出して、第１の検査画像に適用して演算処理領域を定義する。引き続き、第１の検査画像の演算処理領域内で画像処理を行なって特徴量を算出する（ステップＳ０３）。準備した２次元検査画像の全てを処理したか否かを判断ステップＳ０４で判断し、まだすべてを処理していないときはステップＳ０２に戻って、残りの画像の処理を繰り返す。すべての検査画像の処理が終了したら算出した特徴量に基づいて分類基準を構築する（ステップＳ０５）。
図５は、分類基準に沿って被検査基板の欠陥を分類するフロー図である。
先ず、被検査基板を検査装置で検査し、公知の検査方法で欠陥検出を行なう（ステップＳ１１）。次に、検査装置から出力される、欠陥部を含む第１の検査画像と第２の検査画像のデータを読み込む（ステップＳ１２）。第２の検査画像から欠陥部の領域を抽出して、第１の検査画像に適用して演算処理領域を定義し、演算処理領域内で画像処理を行なって特徴量を算出する（ステップＳ１３）。次に、構築した分類基準に沿って画像を分類する（ステップＳ１４）。画像分類の結果から欠陥を分類し（ステップＳ１５）、分類結果を記録するとともに、必要に応じて表示装置に分類結果を表示する（ステップＳ１６）。
なお、分類した結果を新たに学習用のデータとして用いて、分類基準を再構築しても良い。
このように、第２の検査画像で求められた画像演算領域を第１の検査画像に適用して欠陥の特徴量を算出し、分類が既知の検査画像の機械学習と、機械学習で構築された分類基準に沿って被検査基板の欠陥の検査画像を分類することにより、欠陥の凹凸性などを高い信頼性で評価でき、正確な欠陥分類ができる。
また、本発明の欠陥分類方法を、フォトマスクブランクの製造工程に適用することにより、凹状欠陥、特にピンホール欠陥を有するフォトマスクブランクを、高い信頼性で抽出して、ピンホール欠陥を含まないフォトマスクブランクのみを選別することができる。
更に、フォトマスクにとって致命的な欠陥となる凹状欠陥の発生原因となる欠陥を有するフォトマスクブランクを効果的に排除することができるため、フォトマスクブランクの製造歩留りを高めることに貢献できる。
以下、実施例を示し、本発明を具体的に説明するが、本発明は以下の実施例に限定されるものではない。
[実施例１]
本実施例で使用するフォトマスクブランクは、波長１９３ｎｍのＡｒＦエキシマレーザを露光光として用いるハーフトーン位相シフトマスクを製作するためのフォトマスクブランクである。露光光に対して透明な基板として合成石英基板（大きさ約１５２ｍｍ×１５２ｍｍ×厚さ６．３５ｍｍ）を準備し、その上にモリブデン（Ｍｏ）とシリコン（Ｓｉ）を主成分とするハーフトーン位相シフト膜を成膜し、更にクロム（Ｃｒ）を主成分とする遮光膜を成膜した。以上のようにして全部で６０枚のフォトマスクブランクを製作した。
次に、機械学習のための画像データ収集を目的として、フォトマスクブランクの遮光膜の欠陥検査を行なった。使用した検査装置は共焦点光学系を有し、検査光の一部を遮蔽する空間フィルタを備えた欠陥検査装Ｍ６６４０Ｓ（レーザーテック社製）である。
その結果、６０枚のうちの４０枚のフォトマスクブランクから、合計６２個の欠陥が検出された。これらの欠陥の形状を原子間力顕微鏡（ＡＦＭ）で計測したところ、凹状欠陥の個数は４８個、凸状欠陥の個数は１４個であった。
図６は、検出された欠陥の様子の一例を示す図で、図６（Ａ）は欠陥検査装置によって検出された凹状欠陥の第１の検査画像であり、図６（Ｂ）は当該第１の検査画像において欠陥部を横切る輝度分布の様子を示す図である。
図６（Ａ）の第１の検査画像は、検査光を走査して生成した画像であるため、走査方向に延びる縞模様が重畳されている。この画像中に認められる凹状欠陥の幅は約２００ｎｍと広いが、深さは５ｎｍ以下と極めて浅く、そのため、検査画像のコントラストは弱い。
上述のとおり、欠陥検査装置には空間フィルタが装備されているので、シミュレーションによれば、第１の検査画像において欠陥部を横切る輝度分布は図６（Ｂ）の模式図に示すように、左側が暗部となり、右側が明部となるはずである。
しかし、図６（Ａ）に示すような、欠陥部のコントラストが小さい画像では、欠陥以外のノイズ等に起因する輝度変化との区別が困難になるため、欠陥部の特徴量を算出するための輝度分布を有する部分を抽出することが困難である。そこで、本実施例では、欠陥検出の際に、欠陥検査装置が生成した欠陥部を強調する信号から生成した第２の検査画像を用いた。
図７は、図６（Ａ）の第１の検査画像に対応する第２の検査画像である。基本的に、遅延した信号と遅延していない信号の差分をとっているので、欠陥部が強調され、欠陥以外のノイズ信号成分は低減されている。
図７より、欠陥部の領域は明確に認識できるので、この欠陥部領域を図６（Ａ）に示す第１の検査画像においても欠陥部領域であると認定して、欠陥部の特徴量を算出する領域を限定した。具体的には、予め定めた閾値を第２の検査画像に適用して欠陥に起因する明部と暗部の領域を画素の番号として求め、次いで両領域の所定画素数の拡大処理を行なって連結させた領域を求め、その領域に外接する矩形領域を特徴量算出領域とした。
欠陥の凹凸形状の分類が既知であって機械学習用に準備した合計６２個の検査画像のそれぞれについて、同様の方法で特徴量算出領域を求め、欠陥の特徴量を算出した。この特徴量と凹凸分類情報とから、凹状形状の欠陥と凸状形状の欠陥とを分類する分類基準を構築し、この分類基準に沿って、被検査基板の欠陥分類を行なった。
被検査基板の構造は、上記の機械学習用に準備したフォトマスクブランクと同じであり、石英基板上にモリブデン（Ｍｏ）とシリコン（Ｓｉ）を主成分とするハーフトーン位相シフト膜を成膜し、その上にクロム（Ｃｒ）を主成分とする遮光膜を成膜したフォトマスクブランクである。
検査装置で検出した欠陥には浅い欠陥も含まれていたが、上記の第２の検査画像を用いた特徴量算出領域の抽出と第１の検査画像からの特徴量の算出を行ない、分類基準に照らして、その欠陥の形状が凹状であるか凸状であるかの分類を行なった。欠陥分類の後、確認の為に分類結果を欠陥のＡＦＭ形状測定結果と比較したところ、分類の正確度は９８％と良好な値であった。なお、従来法で欠陥分類した場合の正確度は概ね８０％程度であり、サイズが小さいものについては殆どの場合に誤検出されてしまう。
なお、大きなピンホール欠陥は第１の検査画像のコントラストも大きく、容易に凹状欠陥に分類することができた。また、本発明の欠陥分類方法を適用することで、致命的な欠陥であるピンホール欠陥を含む基板を排除し、欠陥を含まないフォトマスクブランクを提供することができた。
本発明は、光学式欠陥検査装置を用いた欠陥評価技術において、欠陥認識レベルを大幅に向上させる技術を提供する。本発明は、特に、フォトマスクブランクに形成される薄膜に存在するピンホール等の凹状形状の判定に有効なフォトマスクブランクの欠陥評価技術として好適に利用することができる。
１００ フォトマスクブランク
１０１ 透明基板
１０２ 光学薄膜
１０３ ハードマスク膜
１５０ 欠陥検査装置
１５１ 検査光学系
１５２ 欠陥検出部
１５３ 画像処理部
１５４ 特徴量算出部
１５５ 欠陥学習部
１５６ 欠陥分類部
１５７ 制御装置
１５８ 記憶装置
１５９ 表示装置
２００ 第１の（２次元）検査画像
２０１ 輪郭線
２０２ 第２の（２次元）検査画像
２０３ 輝度変化領域
２０４ 第３の（２次元）検査画像
２０５ 特徴量を算出するための演算領域
ＢＭ１ 検査光
ＢＭ２ 反射光
ＢＳＰ ビームスプリッタ
ＤＥＦ１ ピンホール欠陥
ＤＥＦ２ ピンホール欠陥
ＤＥＦ３ 凸欠陥
ＩＬＳ 光源
ＩＭＧ１ 欠陥に起因する輝度変化部
ＩＭＧ２ ノイズに起因する輝度変化部
ＩＭＧ３ ノイズに起因する輝度変化部
Ｌ１ レンズ
ＭＢ フォトマスクブランク
ＯＢＬ 対物レンズ
ＳＥ 光検出器
ＳＴＧ ステージ

Claims (9)

  1. 検査対象基板の表面の認められる欠陥を分類する方法であって、
    共焦点光学系を有する欠陥検査装置を用いて前記検査対象基板に対して検査光を前記基板表面上で走査（Ｓ１）し、
    前記検査対象基板からの反射光を２次元的に検出（Ｓ２）し、
    該反射光に対応する出力信号を２次元的に信号処理（Ｓ３）することにより、前記検査対象基板の表面上の欠陥を検出（Ｓ４）し、
    さらに、前記２次元的に信号処理して得られた画像を処理して前記検出された欠陥を分類する（Ｓ５）工程を備え、
    前記画像処理は、
    表面欠陥が既知の基板欠陥を前記欠陥検査装置で検査したときに生成される第１の検査画像と第２の検査画像を処理して、予め定めたパラメータを特徴量とする機械学習により欠陥を分類する分類基準を構築する第１のサブステップと、
    前記欠陥検査装置を用いて前記検査対象基板から得られる第１の検査画像及び第２の検査画像から特徴量を算出して、前記分類基準に沿って、前記検査対象基板の欠陥を分類する第２のサブステップを含み、
    前記第１のサブステップと前記第２のサブステップにおける欠陥部の特徴量の算出は、前記第２の検査画像で欠陥が存在する概略領域を求め、該概略領域を前記第１の検査画像に適用して画像処理の領域を限定して欠陥部の特徴量を算出することにより行われる、
    ことを特徴とする欠陥分類方法。
  2. 前記第１の検査画像は、前記検査光を基板上で走査させた際の反射光として得られる光学情報を２次元的に配置して生成される、欠陥を含む領域の２次元画像であり、前記第２の検査画像は、前記第１の検査画像に前記光学情報を遅延させて減算することにより生成される２次元画像である、請求項１に記載の欠陥分類方法。
  3. 前記第１の検査画像は前記欠陥検査装置が備える検出器から逐次出力される輝度信号から生成され、前記第２の検査画像は欠陥が存在する領域における近接部分からの信号の差から生成される、請求項１に記載の欠陥分類方法。
  4. 前記検査光が、波長２１０〜５５０ｎｍの光である、請求項１に記載の欠陥分類方法。
  5. 前記欠陥検査装置が備える検出器で基板からの反射光を収集する際に、集光光学系の光路上に反射光の一部を遮蔽する空間フィルタを設け、該空間フィルタを通して反射光を収集する、請求項１に記載の欠陥分類方法。
  6. 前記空間フィルタは、前記検出器から逐次出力される欠陥存在領域の信号を非対称な輝度プロファイルとする、請求項５に記載の欠陥分類方法。
  7. 前記検査対象基板は、１０ｎｍ以下の厚さの薄膜を少なくとも１層含むフォトマスクブランクであり、前記分類される欠陥は、前記薄膜の凹状欠陥またはピンホール欠陥である、請求項１乃至６のいずれか１項に記載の欠陥分類方法。
  8. 請求項１乃至７のいずれか１項に記載の欠陥分類方法により、凹状欠陥を含まないフォトマスクブランクを選別する、フォトマスクブランクの選別方法。
  9. 基板上に少なくとも１層の薄膜と該薄膜の加工補助層であるハードマスク膜を形成する工程と、
    請求項１乃至７のいずれか１項に記載の欠陥分類方法により、前記薄膜もしくは前記ハードマスク膜に存在する欠陥の凹凸性を評価する工程と、を含むフォトマスクブランクの製造方法。
JP2018083583A 2018-04-25 2018-04-25 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法 Active JP6675433B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2018083583A JP6675433B2 (ja) 2018-04-25 2018-04-25 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法
KR1020190045956A KR102139005B1 (ko) 2018-04-25 2019-04-19 결함 분류 방법, 포토마스크 블랭크의 선별 방법 및 포토마스크 블랭크의 제조 방법
US16/391,725 US10488347B2 (en) 2018-04-25 2019-04-23 Defect classification method, method of sorting photomask blanks, and method of manufacturing mask blank
TW108114233A TWI713088B (zh) 2018-04-25 2019-04-24 缺陷分類方法、空白光罩之篩選方法以及空白光罩之製造方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018083583A JP6675433B2 (ja) 2018-04-25 2018-04-25 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法

Publications (3)

Publication Number Publication Date
JP2019190978A JP2019190978A (ja) 2019-10-31
JP2019190978A5 JP2019190978A5 (ja) 2020-01-23
JP6675433B2 true JP6675433B2 (ja) 2020-04-01

Family

ID=68291584

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018083583A Active JP6675433B2 (ja) 2018-04-25 2018-04-25 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法

Country Status (4)

Country Link
US (1) US10488347B2 (ja)
JP (1) JP6675433B2 (ja)
KR (1) KR102139005B1 (ja)
TW (1) TWI713088B (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7214432B2 (ja) * 2018-10-22 2023-01-30 キヤノン株式会社 画像処理方法、画像処理プログラム、記録媒体、画像処理装置、生産システム、物品の製造方法
US11506683B2 (en) 2018-11-07 2022-11-22 Trustees Of Tufts College Atomic-force microscopy for identification of surfaces
US10753882B1 (en) * 2019-04-10 2020-08-25 Griffyn Robotech Private Ltd. Inspection and cosmetic grading through image processing system and method
US11216687B2 (en) * 2019-05-15 2022-01-04 Getac Technology Corporation Image detection scanning method for object surface defects and image detection scanning system thereof
US11211271B2 (en) * 2019-08-23 2021-12-28 Taiwan Semiconductor Manufacturing Co., Ltd. Systems and methods for semiconductor structure sample preparation and analysis
TWI739376B (zh) * 2019-12-13 2021-09-11 南臺學校財團法人南臺科技大學 光罩之保護膜的檢測方法及檢測系統
KR102330857B1 (ko) * 2020-03-18 2021-11-24 (주) 코미코 검사 대상물에 대한 결함 검사 방법
TWI773493B (zh) * 2021-08-20 2022-08-01 住華科技股份有限公司 缺陷特徵閾值取得裝置、應用其之影像檢測系統及方法
KR102449421B1 (ko) * 2022-04-22 2022-09-30 주식회사 엠피에스 Euv 마스크 검사 방법
CN114972894A (zh) * 2022-07-26 2022-08-30 南通三信塑胶装备科技股份有限公司 一种基于计算机视觉的cpp薄膜缺陷分类方法

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS4934385A (ja) * 1972-07-28 1974-03-29
JP2710527B2 (ja) * 1992-10-21 1998-02-10 大日本スクリーン製造株式会社 周期性パターンの検査装置
US5808735A (en) * 1993-06-17 1998-09-15 Ultrapointe Corporation Method for characterizing defects on semiconductor wafers
JP2956755B2 (ja) * 1996-03-11 1999-10-04 日本電気株式会社 微細パターン検査装置
US6246787B1 (en) * 1996-05-31 2001-06-12 Texas Instruments Incorporated System and method for knowledgebase generation and management
US6947587B1 (en) * 1998-04-21 2005-09-20 Hitachi, Ltd. Defect inspection method and apparatus
JP4543141B2 (ja) 1999-07-13 2010-09-15 レーザーテック株式会社 欠陥検査装置
JP3453128B2 (ja) 2001-06-21 2003-10-06 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
US7283659B1 (en) * 2002-01-09 2007-10-16 Kla-Tencor Technologies Corporation Apparatus and methods for searching through and analyzing defect images and wafer maps
JP4038442B2 (ja) * 2003-02-28 2008-01-23 株式会社日立ハイテクノロジーズ 外観検査用画像処理装置
US20060280358A1 (en) * 2003-06-30 2006-12-14 Akio Ishikawa Pattern comparison inspection method and pattern comparison inspection device
JP4331558B2 (ja) * 2003-10-01 2009-09-16 株式会社日立ハイテクノロジーズ 被検査物の外観検査方法及び外観検査装置
JP2005308464A (ja) * 2004-04-20 2005-11-04 Dainippon Screen Mfg Co Ltd 欠陥検出装置および欠陥検出方法
US8103087B2 (en) * 2006-01-20 2012-01-24 Hitachi High-Technologies Corporation Fault inspection method
JP4644613B2 (ja) * 2006-02-27 2011-03-02 株式会社日立ハイテクノロジーズ 欠陥観察方法及びその装置
US7564545B2 (en) * 2007-03-15 2009-07-21 Kla-Tencor Technologies Corp. Inspection methods and systems for lithographic masks
US8045145B1 (en) * 2007-06-06 2011-10-25 Kla-Tencor Technologies Corp. Systems and methods for acquiring information about a defect on a specimen
JP5498189B2 (ja) * 2010-02-08 2014-05-21 株式会社日立ハイテクノロジーズ 欠陥検査方法及びその装置
US20130050469A1 (en) * 2011-08-29 2013-02-28 Hitachi High-Technologies Corporation Defect Inspection Apparatus
JP2013072788A (ja) 2011-09-28 2013-04-22 Hitachi High-Technologies Corp 基板表面欠陥検査方法および検査装置
JP5821708B2 (ja) * 2012-03-06 2015-11-24 トヨタ自動車株式会社 欠陥検査装置及び欠陥検査方法
JP2014207110A (ja) * 2013-04-12 2014-10-30 株式会社日立ハイテクノロジーズ 観察装置および観察方法
US9310320B2 (en) * 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
JP6428555B2 (ja) * 2014-10-24 2018-11-28 信越化学工業株式会社 フォトマスクブランクの欠陥寸法の評価方法、選別方法及び製造方法
US9518934B2 (en) * 2014-11-04 2016-12-13 Kla-Tencor Corp. Wafer defect discovery
JP2016109485A (ja) * 2014-12-03 2016-06-20 株式会社日立ハイテクノロジーズ 欠陥観察方法及び欠陥観察装置
JP2016115331A (ja) * 2014-12-12 2016-06-23 キヤノン株式会社 識別器生成装置、識別器生成方法、良否判定装置、良否判定方法、プログラム
JP6256413B2 (ja) * 2015-05-27 2018-01-10 信越半導体株式会社 半導体ウェーハの評価方法
JP2017015692A (ja) * 2015-06-26 2017-01-19 信越化学工業株式会社 フォトマスクブランクの欠陥検査方法、選別方法及び製造方法
EP3109700B1 (en) * 2015-06-26 2020-07-01 Shin-Etsu Chemical Co., Ltd. Defect inspecting method, sorting method, and producing method for photomask blank
JP6394544B2 (ja) * 2015-09-04 2018-09-26 信越化学工業株式会社 フォトマスクブランクの欠陥検査方法、選別方法及び製造方法
US10043265B2 (en) * 2016-03-17 2018-08-07 Kla-Tencor Corporation System, method and computer program product for identifying fabricated component defects using a local adaptive threshold
JP2017215277A (ja) 2016-06-02 2017-12-07 住友化学株式会社 欠陥検査システム、フィルム製造装置及び欠陥検査方法
US10395358B2 (en) * 2016-11-10 2019-08-27 Kla-Tencor Corp. High sensitivity repeater defect detection
US10295477B2 (en) * 2017-01-26 2019-05-21 Shin-Etsu Chemical Co., Ltd. Methods for defect inspection, sorting, and manufacturing photomask blank
US10395362B2 (en) * 2017-04-07 2019-08-27 Kla-Tencor Corp. Contour based defect detection
US11199506B2 (en) * 2018-02-21 2021-12-14 Applied Materials Israel Ltd. Generating a training set usable for examination of a semiconductor specimen

Also Published As

Publication number Publication date
KR20190124144A (ko) 2019-11-04
KR102139005B1 (ko) 2020-07-28
TWI713088B (zh) 2020-12-11
JP2019190978A (ja) 2019-10-31
US20190331608A1 (en) 2019-10-31
TW201946108A (zh) 2019-12-01
US10488347B2 (en) 2019-11-26

Similar Documents

Publication Publication Date Title
JP6675433B2 (ja) 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法
CN108362711B (zh) 光掩模坯的缺陷检查方法、分选方法及其制造方法
US9829442B2 (en) Defect inspecting method, sorting method and producing method for photomask blank
KR102295295B1 (ko) 포토마스크 블랭크의 결함 검사 방법, 결함 검사 시스템, 선별 방법 및 제조 방법
US6297879B1 (en) Inspection method and apparatus for detecting defects on photomasks
US7580124B2 (en) Dual stage defect region identification and defect detection method and apparatus
CN106292180B (zh) 光掩模坯的缺陷检查方法、分选方法和制备方法
US20140043467A1 (en) Defect inspection apparatus
KR101946112B1 (ko) 포토마스크 블랭크의 결함 검사 방법, 선별 방법 및 제조 방법
JP5192795B2 (ja) 電子ビーム測定装置
US7035448B2 (en) Method of defect inspection of graytone mask and apparatus doing the same
JP7192720B2 (ja) フォトマスクブランクの欠陥分類方法及び欠陥分類システム並びにフォトマスクブランクの選別方法及び製造方法
US11940391B2 (en) Defect inspection apparatus, method for inspecting defect, and method for manufacturing photomask blank
JP7088772B2 (ja) 基板の欠陥検査方法およびフォトマスクブランクの製造方法

Legal Events

Date Code Title Description
A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191206

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191206

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20191206

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20191216

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: 20200303

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200310

R150 Certificate of patent or registration of utility model

Ref document number: 6675433

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150