JPWO2019245785A5 - - Google Patents

Claims (44)

1. 照明ビームを生成するように構成された照明源と、
   前記照明ビームをサンプルまで導くための１つ又は複数の照明光学部品と、
   立体角の第１範囲内の前記照明ビームに応じた前記サンプルからの光を収集するための第１検出器を少なくとも含む第１収集チャネルであって、前記第１収集チャネルは、前記第１検出器に入射する前記サンプルからの前記光の偏光を制御するための第１偏光器を更に含む、第１収集チャネルと、
   立体角の前記第１範囲とは異なる立体角の第２範囲内の前記照明源からの前記照明ビームに応じた前記サンプルからの光を収集するための第２検出器を少なくとも含む第２収集チャネルであって、前記第２収集チャネルは、前記第２検出器に入射する前記サンプルからの前記光の偏光を制御するための第２偏光器を更に含む、第２収集チャネルと、
   プログラム命令を実行するように構成された１つ又は複数のプロセッサを含む制御装置であって、前記プログラム命令は、前記１つ又は複数のプロセッサに、
   ２つ以上の散乱信号を受け取るステップであって、前記２つ以上の散乱信号は、前記第１偏光器の１つ又は複数の方位に基づく前記第１収集チャネルからの１つ又は複数の散乱信号を含み、前記２つ以上の散乱信号は、前記第２偏光器の１つ又は複数の方位に基づく前記第２収集チャネルからの１つ又は複数の散乱信号を更に含む、ステップと、
   前記２つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップであって、前記トレーニングデータは、既知の深度に既知の欠陥を有するトレーニングサンプルからの散乱信号を含む、ステップと、
   を行わせる制御装置と、
   を備える検査システム。
2. 前記２つ以上の散乱信号を前記トレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップは、
   前記２つ以上の散乱信号を前記トレーニングデータと比較することに基づいて、前記サンプル内の前記１つ又は複数の欠陥を深度値域に分類するステップを含む、請求項１に記載の検査システム。
3. 前記深度値域は、
   ２つ以上の深度値域
   を含む、請求項２に記載の検査システム。
4. 前記深度値域は、
   表面の深度値域と、２つ以上の表面下の深度値域と、
   を含む、請求項２に記載の検査システム。
5. 前記深度値域は、
   表面の深度値域と、４つ以上の表面下の深度値域と、
   を含む、請求項２に記載の検査システム。
6. 前記２つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップは、
   前記トレーニングデータに基づいて欠陥深度を決定するための１つ又は複数のルールを生成するステップと、
   前記サンプル内の前記１つ又は複数の欠陥の前記深度を決定するために前記１つ又は複数のルールを前記２つ以上の散乱信号に適用するステップと、
   を含む、請求項１に記載の検査システム。
7. 前記２つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップは、
   前記トレーニングデータによって、教師あり学習法、半教師あり学習法、ディープラーニング法の少なくとも１つを含む機械学習アルゴリズムをトレーニングするステップと、
   前記２つ以上の散乱信号を入力として前記機械学習アルゴリズムに提供するステップと、
   前記機械学習アルゴリズムの出力に基づいて、前記サンプル内の１つ又は複数の欠陥の前記深度を決定するステップと、
   を含む、請求項１に記載の検査システム。
8. 前記１つ又は複数の欠陥は、
   前記サンプル内に埋設された１つ又は複数の粒子
   を含む、請求項１に記載の検査システム。
9. 前記サンプルは、
   半導体ウェーハ
   を含む、請求項１に記載の検査システム。
10. 前記サンプルは、
    基板上に堆積された薄膜
    を備える、請求項１に記載の検査システム。
11. 前記サンプルは、
    基板上に堆積された多層薄膜積層体
    を含む、請求項１に記載の検査システム。
12. 前記１つ又は複数の照明光学部品は、対物レンズを含み、前記立体角の第１範囲は、前記対物レンズの開口数内の立体角の第１サブセットを含み、少なくとも収集角の第２セットが、前記対物レンズの前記開口数内の立体角の第２サブセットを含む、請求項１に記載の検査システム。
13. 前記第１及び第２収集チャネルは、方位的に対称である、請求項１２に記載の検査システム。
14. 前記立体角の第１範囲は、
    前記サンプルに垂直な方向から第１立体角までの範囲に及ぶ立体角の円錐を含み、
    前記立体角の第２範囲は、
    前記第１立体角から、前記第１立体角よりも大きい第２立体角までの範囲に及ぶ立体角の環状分布を含む、
    請求項１２に記載の検査システム。
15. 前記第２収集チャネルからの前記１つ又は複数の散乱信号は、
    前記第２偏光器の２つの直交方位に基づく２つの散乱信号
    を含む、請求項１４に記載の検査システム。
16. 前記第１収集チャネルからの前記１つ又は複数の散乱信号は、
    前記第１偏光器の単一方位に基づく１つの散乱信号
    を含む、請求項１５に記載の検査システム。
17. 前記第１収集チャネルからの前記１つ又は複数の散乱信号は、
    前記第１偏光器の２つの直交方位に基づく２つの散乱信号
    を含む、請求項１４に記載の検査システム。
18. 前記１つ又は複数の照明光学部品は、前記照明ビームを前記照明源から斜入射角で前記サンプルまで導く、請求項１に記載の検査システム。
19. 前記２つ以上の散乱信号のうちの少なくとも１つは、
    暗視野散乱信号
    を含む、請求項１８に記載の検査システム。
20. 前記１つ又は複数の照明光学部品は、前記照明ビームを前記照明源から垂直入射角で前記サンプルまで導く、請求項１に記載の検査システム。
21. 前記２つ以上の散乱信号のうちの少なくとも１つは、
    明視野散乱信号
    を含む、請求項２０に記載の検査システム。
22. 前記照明源は、可視波長、紫外波長、遠紫外波長、真空紫外波長、又は極紫外波長の少なくとも１つを含む照明を生成するように構成されている、請求項１に記載の検査システム。
23. 前記照明源は、２つの波長範囲を含む照明を生成するように構成されており、少なくとも１つの波長範囲は、可視波長を含む、請求項１に記載の検査システム。
24. 前記１つ又は複数の照明光学部品は、前記照明ビームを固定焦点高度にある前記サンプルまで導く、請求項１に記載の検査システム。
25. プログラム命令を実行するように構成された１つ又は複数のプロセッサを含む制御装置であって、前記プログラム命令は、前記１つ又は複数のプロセッサに、
    １つ又は複数の散乱信号を第１収集チャネルから受け取るステップであって、前記第１収集チャネルは、照明ビームに応じた立体角の第１範囲内のサンプルからの光を収集するための第１検出器を含み、前記第１収集チャネルは、前記第１検出器に入射する前記サンプルからの前記光の偏光を制御するための第１調節可能偏光器を更に含み、前記第１収集チャネルからの前記１つ又は複数の散乱信号は、前記第１調節可能偏光器の１つ又は複数の偏光状態に基づいている、ステップと、
    １つ又は複数の散乱信号を第２収集チャネルから受け取るステップであって、前記第２収集チャネルは、立体角の前記第１範囲とは異なる立体角の第２範囲内の前記照明ビームに応じた前記サンプルからの光を収集するための第２検出器を含み、前記第２収集チャネルは、前記第２検出器に入射する前記サンプルからの前記光の偏光を制御するための第２調節可能偏光器を更に含み、前記第２収集チャネルからの前記１つ又は複数の散乱信号は、前記第２調節可能偏光器の１つ又は複数の偏光状態に基づいている、ステップと、
    前記第１及び第２の収集チャネルからの前記１つ又は複数の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップであって、前記トレーニングデータは、既知の深度に既知の欠陥を有する少なくとも１つのトレーニングサンプルからの２つ以上のトレーニング散乱信号を欠陥深度の関数として含み、前記２つ以上のトレーニング散乱信号が前記第１収集チャネルからの少なくとも１つのトレーニング信号と前記第２収集チャネルからの少なくとも１つのトレーニング信号とを含む、ステップと、
    を行わせる、制御装置を備える検査システム。
26. 前記２つ以上の散乱信号を前記トレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップは、
    前記２つ以上の散乱信号を前記トレーニングデータと比較することに基づいて、前記サンプル内の前記１つ又は複数の欠陥を深度値域に分類するステップ
    を含む、請求項２５に記載の検査システム。
27. 前記深度値域は、
    ２つ以上の深度値域
    を含む、請求項２６に記載の検査システム。
28. 前記深度値域は、
    表面の深度値域と、２つ以上の表面下の深度値域と、
    を含む、請求項２６に記載の検査システム。
29. 前記深度値域は、
    表面の深度値域と、４つ以上の表面下の深度値域と、
    を含む、請求項２６に記載の検査システム。
30. 前記２つ以上の散乱信号をトレーニングデータと比較することに基づいて前記サンプルの１つ又は複数の欠陥の深度を決定するステップは、
    前記トレーニングデータに基づいて欠陥深度を決定するための１つ又は複数のルールを生成するステップと、
    前記サンプル内の前記１つ又は複数の欠陥の前記深度を決定するために前記１つ又は複数のルールを前記２つ以上の散乱信号に適用するステップと、
    を含む、請求項２５に記載の検査システム。
31. 前記２つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップは、
    教師あり学習法、半教師あり学習法、ディープラーニング法の少なくとも１つを含む機械学習アルゴリズムを前記トレーニングデータによってトレーニングするステップと、
    前記２つ以上の散乱信号を入力として前記機械学習アルゴリズムに提供するステップと、
    前記機械学習アルゴリズムの出力に基づいて、前記サンプル内の１つ又は複数の欠陥の前記深度を決定するステップと、
    を含む、請求項２５に記載の検査システム。
32. 前記１つ又は複数の欠陥は、
    前記サンプル内に埋設された１つ又は複数の粒子
    を含む、請求項２５に記載の検査システム。
33. 前記１つ又は複数の照明光学部品は、対物レンズを含み、前記立体角の第１範囲は、前記対物レンズの開口数内の立体角の第１サブセットを含み、少なくとも収集角の第２セットが、前記対物レンズの前記開口数内の立体角の第２サブセットを含む、請求項２５に記載の検査システム。
34. 前記第１及び第２収集チャネルは、方位的に対称である、請求項３３に記載の検査システム。
35. 前記第２収集チャネルからの前記１つ又は複数の散乱信号は、前記第２偏光器の２つの直交方位に基づく２つの散乱信号を含み、
    前記第１収集チャネルからの前記１つ又は複数の散乱信号は、前記第１偏光器の単一方位に基づく１つの散乱信号を含む、請求項３４に記載の検査システム。
36. 前記１つ又は複数の照明光学部品は、前記照明ビームを前記照明源から斜入射角で前記サンプルまで導く、請求項２５に記載の検査システム。
37. 前記２つ以上の散乱信号のうちの少なくとも１つは、
    暗視野散乱信号
    を含む、請求項３６に記載の検査システム。
38. 前記１つ又は複数の照明光学部品は、前記照明ビームを前記照明源から垂直入射角で前記サンプルまで導く、請求項２５に記載の検査システム。
39. 前記２つ以上の散乱信号のうちの少なくとも１つは、
    明視野散乱信号
    を含む、請求項３８に記載の検査システム。
40. １つ又は複数の散乱信号を第１収集チャネルから受け取るステップであって、前記第１収集チャネルは、照明ビームに応じた立体角の第１範囲内のサンプルからの光を収集するための第１検出器を含み、前記第１収集チャネルは、前記第１検出器に入射する前記サンプルからの前記光の偏光を制御するための第１調節可能偏光器を更に含み、前記第１収集チャネルからの前記１つ又は複数の散乱信号は、前記第１調節可能偏光器の１つ又は複数の偏光状態に基づいている、ステップと、
    １つ又は複数の散乱信号を第２収集チャネルから受け取るステップであって、前記第２収集チャネルは、立体角の前記第１範囲とは異なる立体角の第２範囲内の前記照明ビームに応じた前記サンプルからの光を収集するための第２検出器を含み、前記第２収集チャネルは、前記第２検出器に入射する前記サンプルからの前記光の偏光を制御するための第２調節可能偏光器を更に含み、前記第２収集チャネルからの前記１つ又は複数の散乱信号は、前記第２調節可能偏光器の１つ又は複数の偏光状態に基づいている、ステップと、
    前記第１及び第２収集チャネルからの前記１つ又は複数の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップであって、前記トレーニングデータは、既知の深度に既知の欠陥を有する少なくとも１つのトレーニングサンプルからの２つ以上のトレーニング散乱信号を欠陥深度の関数として含み、前記２つ以上のトレーニング散乱信号が前記第１収集チャネルからの少なくとも１つのトレーニング信号と前記第２収集チャネルからの少なくとも１つのトレーニング信号をと含む、ステップと、
    を含む検査方法。
41. 前記２つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップは、
    前記トレーニングデータに基づいて欠陥深度を決定するための１つ又は複数のルールを生成するステップと、
    前記サンプル内の前記１つ又は複数の欠陥の前記深度を決定するために前記１つ又は複数のルールを前記２つ以上の散乱信号に適用するステップと、
    を含む、請求項４０に記載の検査方法。
42. 前記２つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の１つ又は複数の欠陥の深度を決定するステップは、
    前記トレーニングデータによって、教師あり学習法、半教師あり学習法、ディープラーニング法の少なくとも１つを含む機械学習アルゴリズムをトレーニングするステップと、
    前記２つ以上の散乱信号を入力として前記機械学習アルゴリズムに提供するステップと、
    前記機械学習アルゴリズムの出力に基づいて、前記サンプル内の１つ又は複数の欠陥の前記深度を決定するステップと、
    を含む、請求項４０に記載の検査方法。
43. 前記２つ以上の散乱信号のそれぞれが測定パラメータの異なる組み合わせに対応し、該測定パラメータが、照明ビームの波長、照明ビームの偏光、選択された取集チャネル、または前記選択された収集チャネルにおいて検出された光の偏光のうち少なくとも２つを含み、前記選択された収集チャネルが前記第１収集チャネルと前記第２収集チャネルの一方を含む、
    請求項１に記載の検査システム。
44. 前記２つ以上の散乱信号のそれぞれが測定パラメータの異なる組み合わせに対応し、該測定パラメータが、照明ビームの波長、照明ビームの偏光、選択された取集チャネル、または前記選択された収集チャネルにおいて検出された光の偏光のうち少なくとも２つを含み、前記選択された収集チャネルが前記第１収集チャネルと前記第２収集チャネルの一方を含む、
    請求項２５に記載の検査方法。