KR100687090B1

KR100687090B1 - 결함 분류 방법

Info

Publication number: KR100687090B1
Application number: KR1020050046484A
Authority: KR
Inventors: 정기석; 전충삼; 양유신; 이병석; 신지영; 김태성
Original assignee: 삼성전자주식회사
Priority date: 2005-05-31
Filing date: 2005-05-31
Publication date: 2007-02-26
Also published as: US20070041609A1; US7446865B2; KR20060124514A

Abstract

피검체 상에 존재하는 결함을 신속 및 정확하게 분류할 수 있는 방법에 따르면 다중 파장 대역을 갖는 광을 피검체 상에 조사하고, 피검체로부터 반사된 광을 파장 대역별로 분리하고, 분리된 광들로부터 피검체의 이미지 정보들을 각기 획득하고, 다중 파장 대역 및 이미지 정보들을 나타내는 특성 행렬을 구성하고, 특성 행렬을 분석하여 피검체 상에 존재하는 결함의 종류를 판단한다. 결함의 종류를 판단하기 위하여, 특성 행렬을 기 설정된 기준 행렬들과 비교하고, 기준 행렬들 중에서 특성 행렬과 가장 유사한 기준 행렬을 선택하고, 선택한 기준 행렬에 대응하는 기준 결함의 종류로부터 결함의 종류를 판단한다. 파장 및 검사 조건의 변화에 따른 결함의 반응 특성 차이를 활용함으로써, 결함을 정확하게 분류할 수 있다.

Description

결함 분류 방법{METHOD FOR CLASSIFYING A DEFECT}

도 1은 종래의 결함 분류 방법을 설명하기 위한 순서도이다.

도 2 및 도 3은 종래의 결함 분류 방법을 설명하기 위한 그래프들이다.

도 4는 파티클에 적색 파장 대역을 갖는 광을 조사하여 얻은 이미지이다.

도 5는 도 4에 도시한 파티클에 초록색 파장 대역의 광을 조사하여 얻은 이미지이다.

도 6은 도 4에 도시한 파티클에 청색 파장 대역의 광을 조사하여 얻은 이미지이다.

도 7은 본 발명의 일 관점에 따른 결함 분류 방법을 설명하기 위한 순서도이다.

도 8은 도 7에 나타낸 다중 파장 대역의 광을 생성하기 위한 광원부의 일 실시예를 도시한 개념도이다.

도 9는 도 7에 나타낸 다중 파장 대역의 광을 생성하기 위한 광원부의 다른 실시예를 도시한 개념도이다.

도 10은 도 7에 나타낸 다중 파장 대역의 광을 생성하기 위한 광원부의 또 다른 실시예를 도시한 개념도이다.

도 11은 도 7에 나타낸 다중 파장 대역의 광을 생성하기 위한 광원부의 또 다른 실시예를 도시한 개념도이다.

도 12는 도 7에 나타낸 특성 행렬의 비교 대상이 되는 기준 행렬을 설명하기 위한 순서도이다.

도 13 내지 도 17은 도 7에 도시한 결함의 검출과 분류를 설명하기 위한 그래프들이다.

<도면의 주요 부분에 대한 부호의 설명>

110,210,310,410：광원 120,220：스테이지

131,431：제1 미러 132,432：제2 미러

140,240：격자

151,152,153,154,251,252,253,254,350,451,452：광 검출기

345,445：필터 511：제1 영역

512제2 영역 620：스크래치형 기준 결함 영역

720：브릿지형 기준 결함 820：파티클 함몰형 기준 결함

920：필드 함몰형 기준 결함 L1,L2,L3,L4：다중 파장 대역 광

R1,R2,R3,R4：반사 광 S1：분리 광

U2,U3,U4：단위 대역 파장 광 W：반도체 기판

본 발명은 결함 분류 방법에 관한 것이다. 보다 자세하게는, 반도체 기판 상 에 존재하는 파티클 및 스크래치와 같은 결함을 신속하게 검색 및 분류할 수 있는 결함 분류 방법에 관한 것이다.

반도체 제조 공정 중에서 반도체 기판 상에 존재하는 결함을 검출하는 검사 공정은 필수적이다. 예를 들어, 미세 패턴의 형성을 위한 패터닝 공정을 수행한 다음 반도체 기판의 회로 패턴 상에 파티클(particle), 브릿지(bridge), 함몰(collapse) 등의 결함이 발생할 수 있다. 또는 화학 기계적 연마(Chemical Mechanical Polishing: CMP) 공정을 수행한 다음 반도체 기판의 표면에 스크래치(scratch) 등의 결함이 발생할 수 있다.

현재 대부분의 결함 검사 공정은 단일 파장 대역을 갖는 광을 이용하여 수행됨으로써 실제 존재하는 결함들을 정확하게 검출하지 못하고 있으며, 또한 검출된 결함들의 종류도 자동으로 분류할 수 없다. 이는 결함 검사 결과 데이터가 결함의 형상이나 주변 특성들에 의하여 크게 변화되기 때문에 결함의 존재 및 검출된 결함의 종류를 구별할 수 있는 특성 정보를 충분히 획득할 수 없기 때문이다. 따라서 실제 존재하는 결함들이 정확하게 검출되지 못할뿐더러, 그나마 검출된 결함들의 종류도 자동으로 분류하지 못하는 실정이다.

도 1은 종래의 결함 분류 방법을 설명하기 위한 순서도를 도시한 것이다.

도 1을 참조하면, 결함 검사(defect inspection) 설비는 단일 파장 대역을 갖는 광을 웨이퍼 표면에 조사하여 스캐닝 한다(S10). 이 결과, 웨이퍼 상의 결함의 존재 여부 및 위치(좌표), 그리고 총 결함 개수 등에 관한 검사 결과 데이터가 생성되고(S20), 이러한 정보들은 서버(server)를 통해 저장된다(S30).

이 때, 결함 개수가 일정 개수를 넘어가게 되면(spec out)(S40), 반도체 제조 설비는 스펙 아웃에 의해 정지되고(SPEC OUT INTERLOCK), 해당 웨이퍼를 별도의 리뷰 설비로 옮겨 존재하는 결함들을 재검사(review)한다(S50). 여기서, 재검사란 검사 설비에서 얻어진 결함 위치 정보에 따라 별도의 재검 설비에서 해당 위치에 존재하는 결함 모양 및 형태 등을 육안으로 확인하는 공정을 의미한다. 재검사를 수행하는 설비로는 마이크로스코프(microscope) 또는 주사 전자 현미경(Scanning Electron Microscope: SEM) 등이 있다.

재검사의 목적은 일정 개수 이상의 결함을 갖는 웨이퍼를 대상으로 검출된 결함들의 어떤 종류의 결함들이며, 반도체 제조 공정에 영향을 미치는 것인지 여부를 판단하는 것이며, 공정에 영향을 미치는 결함이 심각한(critical) 수준인지 여부를 눈으로 직접 확인하는 것이다(S60). 재검사를 수행한 결과, 해당 공정의 진행을 중단할 것인지, 계속 진행 할 것인지를 결정하게 된다. 결함의 개수가 일정 개수에 미치지 않거나 결함이 공정에 심각한 영향을 미치지 않는다고 판단되면 후속 공정을 진행한다(S80).

도 2 및 도 3은 종래의 결함 분류 방법을 설명하기 위한 그래프들로서, 작업자에 의한 재검사 과정(manual review process)에 따른 것이다.

도 2를 참조하면, 웨이퍼 검사 설비가 결함의 개수를 관리하는 동안 기준치(약 200) 이상의 결함이 검사되면, 해당 웨이퍼를 재검사하여 공정의 진행 여부를 판단한다.

재검사 과정에서 작업자는 웨이퍼의 결함을 일일이 육안으로 검사하고, 수작 업을 통해 결함의 타입을 분류하여 이를 데이터 서버에 저장한다. 저장된 결함의 타입은 도 3에 도시한 바와 같이 정리될 수 있다. 제2 타입(type 2)의 결함을 임계 결함(critical defect)이라 가정하면, 주로 제2 타입의 결함 개수에 의해 공정의 진행 또는 정지가 판단될 것이다.

하지만, 종래의 검사 설비는 1차적으로 결함의 개수에 따라 재검 여부를 결정하기 때문에, 결함의 개수가 기준치 이하이면서 임계 결함을 포함하는 경우를 판별할 수 없다. 이러한 점은 실제 반도체 생산라인에서 문제점으로 드러나고 있으며, 생산라인에서는 사고 발생 후 사후적으로 기준치를 변경함으로써 적합한 기준치를 수시로 재조정하고 있다.

또한, 결함의 개수가 수백에서 수천에 이르는 경우 재검사 과정의 소요 시간이 너무 길어져서 모든 결함을 확인할 수 없는 문제점이 발생한다. 현실적으로 웨이퍼의 일부만 랜덤(random)하게 분류하고 일정 배수를 곱하여 결함의 개수 및 비율을 추측하는 방법이 사용되고 있지만, 근본적으로 신뢰할 수 없는 방법이기도 하다. 더욱이, 수작업에 의한 재검사에 있어서 결함의 분류 및 평가는 작업자의 주관적인 평가에 의존한다는 점에서 객관성이 결여될 수 있다.

실제로, 증착 공정 관련 설비에서 검사 설비는 하루에 대당 약 200~300매의 웨이퍼를 검사하고 있으며, 하나의 반도체 생산라인에서 약 7대의 검사 설비를 사용하여 결함 검사를 진행하여 매일 검사되는 웨이퍼는 약 1400~2100매 정도에 이른다. 이중 실제로 재검사되고 있는 웨이퍼는 매우 적고, 실제로 재검되는 웨이퍼 중에서도 결함의 개수가 많은 경우에는 일부만 재검사하기 때문에 결함 검사에 있어 유실되는 결과는 많다.

이외에도 종래의 결함 분류 방법은 단일 파장 대역을 갖는 광을 이용함으로써 근본적으로 결함들을 정확하게 검출하지 못하며 검출된 결함들의 종류도 자동으로 분류할 수 없다는 문제점을 갖고 있다.

도 4는 파티클에 적색 파장 대역(700∼610㎚)을 갖는 광을 조사하여 얻은 이미지이고, 도 5는 도 4에 도시한 파티클에 초록색 파장 대역(500∼450㎚㎚)을 갖는 광을 조사하여 얻은 이미지이며, 도 6은 도 4에 도시한 파티클에 청색 파장 대역(450∼400㎚)을 갖는 광을 조사하여 얻은 이미지이다.

도 4 내지 도 6에 도시한 결함 이미지들(P1, P2, P3)은 동일한 파티클에 대한 것이다. 하지만, 도 4내지 도 6에 도시한 바와 같이 동일한 결함이라 할지라도 조사되는 광의 파장 대역에 따라서 결함 검사 결과 데이터가 달라진다.

도 4내지 도 6에 도시한 결함 이미지들(P1, P2, P3)은 파장 대역이 적색으로부터 청색으로 갈수록 크기가 전체적으로 감소하는 특성을 보이고 있다. 감소 특성도 불규칙하게 변하고 있다. 보다 자세하게 설명하면, 도 4에 도시한 결함 이미지(P1)는 거의 원형에 가까운 형상을 갖는데 반하여, 도 5에 도시한 결함 이미지(P2)는 수직방향으로 긴 타원형상을 갖고 있으며, 도 6에 도시한 결함 이미지(P3)는 수평방향으로 긴 사각 형상을 갖는다. 즉, 조사되는 광의 파장 대역에 따라서 결함 이미지들(P1, P2, P3)의 가로 길이, 세로 길이, 면적, 기울기 등이 불규칙하게 변화하고 있다.

그리고 도 4 및 도 5에서의 결함 이미지들(P1, P2)은 결함의 중심부로 갈수 록 어두워지다가 중심부를 지나서는 다시 밝아지는 특성을 보이고 있지만, 도 5에서는 이러한 특성을 찾을 수 없으며, 심지어 결함의 존재 여부도 분명하게 확인하기 어렵다.

전술한 바와 같이, 조사되는 광의 파장 대역에 따라서 검사 결과 데이터가 달라져 결함의 단일 파장 대역의 광만을 이용하여 결함의 종류를 분류하는 것은 어렵다. 심지어, 단일 파장 대역의 광만을 이용할 경우 결함의 존재 여부도 정확하게 확인 못할 수 있다.

이러한 단일 파장 광을 이용함에 따른 문제점들을 해결하기 위하여, 한국공개특허 제 2004-0076742 호에는 다양한 편광들을 이용하여 결함을 분류하는 방법 및 장치가 개시되어 있고, 일본공개특허 제 2002-116155 호에는 다를 파장의 레이저 빔들을 이용하여 결함을 분류하는 방법 및 장치가 개시되어 있다. 하지만 상기 발명들에서는, 다양한 광들을 이용하여 결함을 용이하게 검출하는 기술은 구체적으로 개시되어 있으나 검출된 결함들을 정확하게 분류하는 기술이 개시되어 있지 않다.

과거 하나의 반도체 기판에서 수십 개 수준으로 발생되는 결함들은 현재 반도체 장치가 고성능 및 고집적화 됨에 따라 수백, 수천 개로 늘어나게 되었다. 하지만 아직까지 검출된 결함을 자동으로 분류할 수 있는 효과적인 결함 분류 방법이 개발되지 못하여 검사 공정에 소요되는 시간 및 노력은 꾸준히 증가되고 있는 실정이다. 검사 공정에 소요되는 시간 및 노력의 증가는 반도체 장치의 생산수율을 크게 저하시킬 수 있기 때문에 이에 대한 대책마련이 시급한 실정이다.

본 발명은 전술한 바와 같은 종래 기술의 문제점들을 해소하고자 안출된 것으로서, 본 발명의 목적은 피검체 상에 존재하는 결함을 신속 및 정확하게 검출 및 분류하여 신뢰성 있는 정보를 제공할 수 있는 결함 분류 방법을 제공하는 것이다.

상술한 본 발명의 목적을 달성하기 위하여, 본 발명의 일 관점에 따른 결함 분류 방법은, 단위 대역 파장 광들을 포함하는 다중 파장 대역의 광을 피검체 상에 조사하는 단계와, 상기 피검체로부터 반사된 단위 대역 파장 광들을 파장 대역별로 각각 수집하는 단계와, 상기 수집된 광들로부터 상기 피검체의 이미지 정보들을 각기 획득하는 단계와, 상기 단위 대역 파장 광들의 파장 대역에 따른 상기 이미지 정보들의 변화를 나타내는 특성 행렬을 구성하는 단계와, 상기 특성 행렬을 분석하여 상기 피검체 상에 존재하는 결함의 종류를 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 단위 대역 파장 광들은 평행한 진행경로를 가질 수 있으며, 상기 단위 대역 파장 광들을 상기 피검체 상의 동일 지점에 순차적으로 조사하기 위하여 상기 피검체에 상기 단위 대역 파장 광들이 조사되는 간격만큼 상기 피검체를 이동시킬 수 있다.
상기 특성 행렬은, 이미지 정보들을 각기 구성하는 항목들을 파장 대역별로 배열하여 구성할 수 있다. 이 경우, 항목들은 명암(contrast), 극성(polarity), 사이즈(size), 통계치(statistical value), 배경 정보(background data), 신호 세기(signal intensity), 노이즈(noise), 전술한 각각의 항목으로부터 나눠지는 세부 항목들 그리고 이들의 조합 중에서 적어도 두 개 이상을 포함할 수 있다.
상기 결함의 종류를 판단하기 위하여, 특성 행렬을 기 설정된 기준 행렬들과 비교하고, 기준 행렬들 중에서 특성 행렬과 가장 유사한 기준 행렬을 선택하고, 선택한 기준 행렬에 대응하는 기준 결함의 종류로부터 결함의 종류를 판단할 수 있다.
상기 특성 행렬을 기 설정된 기준 행렬들과 비교하기 위하여, 패턴 분류 알고리즘법(pattern classification algorithm)을 이용할 수 있다. 패턴 분류 알고리즘법으로서는 썸 프린트법(thumb print), 최소 근접법(nearest neighbor), 디시전 트리법(decision tree), 규칙기반 분류법(rule-based classification) 그리고 이들의 조합이 대표적이다.
상기 기준 행렬들은, ⅰ)제1 기준 결함에 다중 파장 대역을 갖는 광을 조사하고, ⅱ)제1 기준 결함으로부터 반사된 광을 파장 대역별로 분리하여 제1 기준 이미지 정보들을 획득하고, ⅲ)제1 기준 이미지 정보들을 각기 구성하는 항목들을 파장 대역별로 배열하여 제1 기준 행렬을 구성하고, ⅳ)제1 기준 결함과 다른 종류의 기준 결함들에 대하여 ⅰ)내지 ⅲ)을 반복적으로 수행하여 생성할 수 있다. 이 경우, 항목들은 명암(contrast), 극성(polarity), 사이즈(size), 통계치(statistical value), 배경 정보(background data), 신호 세기(signal intensity), 노이즈(noise), 전술한 각각의 항목으로부터 나눠지는 세부 항목들 그리고 전술한 항목들 및 세수 항목들의 조합들을 포함할 수 있다.
또한, 특성 행렬 중 선택한 2개 이상의 열벡터들과 각각의 기준 행렬별로 선택한 2개 이상의 열벡터들을 비교하거나, 특성 행렬 중 선택한 2개 이상의 행벡터들과 각각의 기준 행렬별로 선택한 2개 이상의 행벡터들을 비교하거나, 특성 행렬로부터 획득한 고유 값(eigen value) 및 고유 벡터(eigen vector)를 각각의 기준 행렬별로 획득한 고유 값들 및 고유 벡터들과 비교할 수 있다.
결함의 종류를 판단하기 위하여 다르게는, 기준 행렬들을 서로 비교하여 동일한 값을 갖는 행렬 성분(component)을 0의 값으로 처리하고, 기준 행렬들 중에서 전부 0의 값을 갖는 행 또는 열을 삭제하여 기준 행렬들을 유효 기준 행렬들로 각기 변환하고, 특성 행렬을 기 설정된 유효 기준 행렬들과 비교하고, 유효 기준 행렬들 중에서 특성 행렬과 동일 또는 가장 유사한 유효 기준 행렬을 선택하고, 선택한 유효 기준 행렬에 대응하는 기준 결함의 종류로부터 결함의 종류를 판단할 수 있다. 이 경우에는, 특성 행렬 중 선택한 2개 이상의 열벡터들과 각각의 유효 기준 행렬별로 선택한 2개 이상의 열벡터들을 비교하거나, 특성 행렬 중 선택한 2개 이상의 행벡터들과 각각의 유효 기준 행렬별로 선택한 2개 이상의 행벡터들을 비교하거나, 특성 행렬로부터 획득한 고유 값(eigen value) 및 고유 벡터(eigen vector)를 각각의 유효 기준 행렬별로 획득한 고유 값들 및 고유 벡터들과 비교할 수 있다.

이하, 본 발명의 다양한 관점들에 따른 결함 분류 방법에 대하여 다양한 실시예들을 들어 자세하게 설명하지만, 본 발명이 하기 실시예들에 의하여 제한되거나 한정되는 것은 아니다.

도 7은 본 발명의 일 관점에 따른 결함 분류 방법을 설명하기 위한 개략적인 순서도를 도시한 것이다.

도 7을 참조하면, 웨이퍼와 같은 반도체 기판을 스테이지에 로딩하고(S110), 얼라인 공정을 수행한다(S115). 얼라인된 반도체 기판(W) 상에 다중 파장 대역을 갖는 광(이하, 다중 파장 광이라 한다)을 조사한다(S120). 반도체 기판(W)으로부터 반사된 광을 수집하여(S125) 각각의 파장 대역별로 분리한다(S130). 각각의 파장 대역별로 분리된 반사광들로부터 이미지 정보들을 각기 획득한다(S140). 이 경우, 이미지 정보들을 이용하여 반도체 기판(W)의 이미지를 생성할 수도 있다(S150). 이어서, 이미지 정보들을 구성하는 각각 항목들을 파장 대역별로 나열하여 특성 행렬을 구성한다(S160). 특성 행렬을 분석하여 반도체 기판 상에 존재하는 결함을 검출하고(S170), 검출된 결함을 종류(유형)별로 판단 분류한다(S180).

다중 파장 광은 다양하게 생성 및 구성될 수 있다. 예를 들어, UV 대역과 WL 대역을 모두 갖는 광을 이용할 수 있다. 구체적으로 설명하면, 약 258nm 단위 대역의 DUV광, 약 365nm 단위 대역의 SUV광, 350~450nm 단위 대역의 BBUV광, 365~600nm 단위 대역의 WL광, 및 500~600nm 단위 대역의 WLR광을 모두 포함하는 광을 이용할 수 있다. 이러한 다중 파장 광은 하나의 광원(light source)으로부터 생성하거나 여러 개의 광원들을 조합하여 생성할 수 있다. 이외에도 다중 파장 광은 다양하게 구성되거나 변경될 수 있지만, 특정 파장 대역을 갖는 광, 예를 들어 532nm의 단파장 광, 만으로는 구성하는 것은 바람직하지 않다. 단, 특정 파장 대역을 갖는 광들을 조합하여 다중 파장 광으로 구성할 수는 있다. 바람직하게는 하나의 광원(light source)으로부터 250~600nm 파장 대역을 갖는 광을 생성한다.

다중 파장 광은 그 종류 및 반사광의 수집 방법에 따라서 다양한 방법으로 반도체 기판 상에 조사할 수 있다. 서로 다른 파장 영역과 검사 조건의 결함 검출 설비의 조합군을 사용하거나, 한 개의 결함 검출 설비 내 서로 다른 파장 영역과 검사 조건을 조합하여 사용하거나, 다중 파장 영역과 검사 조건을 사용하여 결함을 검출할 수도 있다. 이하, 도 8내지 도 11을 참조하여 다중 파장 광의 조사 방법 및 수집 방법에 대하여 설명하지만, 이로써 본 발명이 제한되거나 한정되는 것은 아님을 밝혀둔다.

도 8은 도 7에 나타낸 다중 파장 대역의 광을 생성하기 위한 광원부의 일 실시예를 개략적으로 도시한 개념도이다.

도 8을 참조하면, 광원(110)으로부터 UV 대역과 WL 대역을 모두 갖는 다중 파장 광(L1)을 생성하고, 제1 미러(131)를 이용하여 다중 파장 광(L1)을 스테이지(120) 상에 배치된 반도체 기판(W) 상에 수직하게 조사한다. 다중 파장 광(L1)은 조사 지점(spot)의 특성이 반영된 상태로 반도체 기판(W)으로부터 반사된다. 전체적인 반사광(R1)을 제2 미러(132)를 통해 격자(grating:140)에 집중시켜 파장 대역별로 분리한다. 이 경우, 격자(140)의 종류를 변경하면 반사광을 다양한 파장 대역별로 분리할 수 있다. 즉, 반사광을 원하는 파장 대역 및 개수로 분리할 수 있다.

파장 대역별 분리된 광(이하, 분리광이라고 한다:S1)들을 광 검출기들(Time Delay and Integration:151,152,153,154)에 각각 집중시켜 수집한다. 이 경우, 분리광들(S1)의 수와 광 검출기들(151,152,153,154)의 수는 동일하지 않아도 된다. 분리광들(S1)의 수보다 적은 광 검출기들(151,152,153,154)을 이동시켜가며 전체 분리광들(S1) 중에서 원하는 파장 대역대의 분리광들(S1)을 취사선택할 수도 있다.

도 9는 도 7에 나타낸 다중 파장 대역의 광을 생성하기 위한 광원부의 다른 실시예를 개략적으로 도시한 개념도이다.

광원(210)으로부터 생성된 다중 파장 광(L2)을 격자(240)에 집중시켜 파장 대역별로 단위 대역 파장 광들(U2)을 분리한다. 이 경우도, 격자(240)의 종류를 변 경하면 다양한 파장 대역 및 개수로 단위 대역 파장 광들(U2)을 분리할 수 있다.

단위 대역 파장 광들(U2)을 각기 독립된 미러들(230)을 통해 반도체 기판(W) 상에 수직하게 조사한다. 즉, 단위 대역 파장 광들(U2)은 각기 다른 지점(spot)에 조사된다. 단위 대역 파장 광들(U2)은 조사 지점의 특성이 반영된 상태로 반도체 기판(W)으로부터 각각 반사된다. 반사광들(R2)을 광 검출기들(251,252,253,254)에 각각 집중시켜 수집한다. 이 경우, 단위 대역 파장 광들(U2)을 반도체 기판(W) 상의 동일 지점에 순차적으로 조사하기 위하여 반도체 기판(W)이 배치된 스테이지(220)를 단위 대역 파장 광들(U2)의 간격만큼 수평 이동시킬 수 있다.

도 10은 도 7에 나타낸 다중 파장 대역의 광을 생성하기 위한 광원부의 또 다른 실시예를 개략적으로 도시한 개념도이다.

광원(310)으로부터 생성된 다중 파장 광(L3)을 필터(345)에 집중시켜 일 단위 대역 파장의 광(U3)을 분리한다. 미러(330)를 이용하여 분리된 일 단위 대역 파장의 광(U3)을 반도체 기판(W) 상에 수직하게 조사한다. 일 단위 대역 파장의 광(U3)은 조사 지점의 특성이 반영된 상태로 반도체 기판(W)으로부터 반사된다. 반사광(R3)을 광 검출기(350)에 집중시켜 수집한다. 이후, 필터(345)를 조절하여 상기 일 단위 대역 파장의 광(U3) 대역 파장의 광을 분리시켜가며 전술한 바와 같은 조사 및 수집 공정을 반복적으로 수행한다. 이 경우, 종래의 결함 분류 장치의 큰 개조 없이 다양한 파장의 광들을 반도체 기판(W) 상에 조사할 수 있다.

도 11은 도 7에 나타낸 다중 파장 대역의 광을 생성하기 위한 광원부의 또 다른 실시예를 개략적으로 도시한 개념도이다.

광원(410)으로부터 생성된 다중 파장 광(L4)을 필터(445)에 집중시켜 두 단위 대역 파장의 광들(U4)을 분리한다. 예를 들어, 다중 파장 광(L4)이 UV 대역과 WL 대역을 모두 갖는 광일 경우, UV 대역의 광과 WL 대역의 광으로 분리할 수 있다. 각기 독립된 제1 및 제2 미러들(431,432)을 이용하여 두 단위 대역 파장의 광들(U4)을 반도체 기판(W) 상에 수직하게 조사한다. 즉, 단위 대역 파장 광들(U4)은 각기 다른 지점(spot)에 조사된다. 단위 대역 파장 광들(U4)은 조사 지점의 특성이 반영된 상태로 반도체 기판(W)으로부터 각각 반사된다. 반사광들(R4)을 광 검출기들(451,452)에 각각 집중시켜 수집한다.

다시 7을 참조하면, 반도체 기판 상으로부터 반사된 다중 파장 광을 수집하여(S125) 각각의 파장 대역별로 분리한다(S130). 도 9 및 도 11에 도시한 바와 같이 다중 파장 광은 반도체 기판으로부터 각각의 파장 대역별로 분리되게 반사될 수 있다. 이 경우에는 파장 대역별로 분리되게 반사광들을 수집하는 시점(S125)과 실질적으로 동시에 파장 대역별로 분리할 수 있다(S130).

파장 대역별로 분리된 반사광들로부터 조사지점에 대한 이미지 정보를 각각 획득한다(S140). 이미지 정보란 광이 조사된 피검체의 이미지를 생성하는데 필요한 모든 정보를 의미하며, 반사광으로부터 얻어 수 있는 모든 정보가 이미지 정보일 수 있다. 이미지 정보는 크게 명암(contrast), 극성(polarity), 사이즈(size), 통계치(statistical value), 배경 정보(background data), 신호 세기(signal intensity), 노이즈(noise) 및 이들이 조합된 항목들(factors)로 이루어질 수 있다. 또한 이미지 정보는 전술한 각각의 항목으로부터 나눠지는 세부 항목들 및 이 들이 조합된 항목들을 더 포함할 수 있다.

이미지 정보들을 구성하는 항목들을 파장 대역별로 나열하여 특성 행렬을 구성한다(S160). 예를 들어, N개의 파장 대역별(λ1 내지 λn)로 M개의 항목들(f1 내지 fm)을 가진 이미지 정보들은 하기 수학식1과 같이 N× M차원의 특성 행렬(FM)로 나타낼 수 있다.

[수학식 1]

이후, 특성 행렬을 기준 행렬들과 비교하여 반도체 기판 상에 존재하는 결함을 검출하고(S170), 검출된 결함을 종류별로 판단 분류한다(S180).

기준 행렬들은 기준 결함의 종류별로 기준 이미지 정보를 획득하고, 각 기준 이미지 정보를 구성하는 항목들을 파장 대역별로 배열하여 구성할 수 있다. 기준 이미지 정보는 전술한 반도체 기판의 이미지 정보를 획득하는 방법과 실질적으로 동일하게 획득할 수 있다.

도 12는 도 7에 나타낸 특성 행렬의 비교 대상이 되는 기준 행렬을 설명하기 위한 순서도를 도시한 것이다.

도 12를 참조하면, 각각의 기준 행렬은 도 12에 나타낸 순서에 따라 구성된다. 기준 결함들 중에서 제1 기준 결함을 선택하고, 제1 기준 결함에 다중 파장 광을 조사한다(S220). 제1 기준 결함으로부터 반사된 광을 수집하여(S225) 각각의 파장 대역별로 분리한다(S230). 파장 대역별로 분리된 반사광들로부터 제1 기준 이미지 정보를 각기 획득한다(S240). 이 경우, 제1 이미지 정보들을 이용하여 제1 기준 결함의 이미지를 생성할 수도 있다(S250). 이어서, 제1 기준 이미지 정보를 구성하는 항목들을 파장 대역별로 배열하여 제1 기준 행렬을 구성한다(S260).

제1 기준 결함과 다른 종류의 기준 결함들에 대하여 S220 내지 S260 단계를 반복적으로 수행하여 복수개의 기준 행렬들을 구성한다(S260).

N개의 파장 대역별(λ1 내지 λn)로 M개의 항목들(f1 내지 fm)을 가진 기준 이미지 정보들은 각기 하기 수학식2와 같이 N× M차원의 기준 행렬(SM)로 나타낼 수 있다.

[수학식 2]

각각의 기준 결함에 조사되는 다중 파장 광과 반도체 기판에 조사되는 다중 파장 광은 동일한 것이 바람직하고, 각각의 기준 이미지 정보를 구성하는 항목들은 피검 반도체 기판의 이미지 정보를 구성하는 항목들과 동일한 것이 바람직하다. 즉, 특성 행렬이 N× M차원을 가질 경우, 각각의 기준 행렬도 N× M차원을 갖는 것이 바람직하다.

기준 행렬은 반도체 기판 상에 존재할 수 있는 결함의 종류 수만큼 구성할 수 있다. 반도체 기판 상에 존재할 수 있는 결함의 종류는 매우 다양하다. 예를 들어, 보이드(void), 브릿지(bridge), 파티클(particle), 스크래치(scratch), 파티클 함몰(particle collapse), 필드 함몰(field collapse) 등 매우 다양하다. 정확한 결함 분류를 위하여 반도체 기판 상에 존재할 수 있는 결함의 종류별로 기준 행렬을 구성하는 것이 바람직하다.

기준 행렬은 특성 벡터들을 갖는다. 기준 행렬이 N× M차원을 가질 경우, 기준 행렬로부터 N개의 행벡터들과 M개의 열벡터들을 생성할 수 있다. 상기 행벡터들 및 열벡터들이 기준 행렬의 특성 벡터들이 된다. 이와 동일하게, 특성 행렬로부터 특성 벡터들을 생성할 수 있다.

특성 행렬의 특성 벡터(이하, 피검 특성 벡터이라 한다)들과 기준 행렬의 특성 벡터(이하, 기준 특성 벡터이라 한다)들을 비교하면, 반도체 기판 상에 존재하는 결함을 검출 및 분류할 수 있다(S170,S180).

우선, 특성 행렬로부터 2개 이상의 피검 특성 벡터들을 생성한다. 이 경우, 피검 특성 벡터들은 모두 행벡터들이거나 모두 열벡터들일 수 있다. 이후, 각각의 기준 행렬로부터 2개 이상의 피검 특성 벡터들과 대응되는 기준 특성 벡터들을 생 성한다. 예를 들어, 피검 특성 벡터들이 특성 행렬의 제1, 제3 및 제4 열벡터인 경우, 기준 특성 벡터들도 각각의 기준 행렬의 제1, 제3 및 제4 열벡터로 생성한다.

결합별 기준 특성 벡터들과 피검 특성 벡터들을 파장 대역별로 그래프 상에 나타낼 수 있다. 이는 도 13과 같이 나타날 수 있다.

도 13 내지 도 17은 도 7에 나타낸 결함의 검출과 분류를 설명하기 위한 그래프를 도시한 것이다.

도 13에 도시한 그래프는 기준 행렬들에서 3개의 열벡터들을 각기 선택하고, 선택한 3개의 열벡터들을 파장 대역별로 표시한 것이다. 이 경우, 기준 행렬들은 스크래치에 대항하는 제1 기준 행렬, 파티클 함몰(particle collapse)에 대한 제2 기준 행렬, 브릿지(bridge)에 대한 제3 기준 행렬 및 필드 함몰(field collapse)에 대한 제4 기준 행렬로 이루어진다. 제1 열벡터는 각각의 기준 행렬에서 신호 세기 대 노이즈 비율(S/N ratio) 항목의 기준 특성 벡터이고, 제2 열벡터는 각각의 기준 행렬에서 신호 세기(signal intensity) 항목의 기준 특성 벡터이며, 제3 열벡터는 각각의 기준 행렬에서 노이즈(noise) 항목의 기준 특성 벡터이다. 그리고 파장 대역은 적색 파장 대역(red), 초록색 파장 대역(green) 및 청색 파장 대역(blue)을 3가지를 선택하였다. 도 13에 도시한 그래프는 단지 결함의 검출과 분류 방법을 설명하기 위한 하나의 예시로서, 본 발명을 제한하거나 한정하는 것은 아님을 밝혀둔다.

결함별 제1 열벡터들은 제1 영역(511)에 표시하였고, 결함별 제2 열벡터들은 제2 영역(512)에 표시하였고, 결함별 제3 열벡터들은 제3 영역(513)에 표시하였다.

제1 영역(511)을 참조하면, 4가지 결함들은 적색 파장 및 초록색 파장 대역에서는 큰 차이를 보이지 않다가, 청색 파장 대역에서 브릿지 결함이 다른 결함들과 크게 차이를 보인다.

제2 영역(512)을 참조하면, 4가지 결함들은 적색 파장 및 초록색 파장 대역에서는 큰 차이를 보이다가, 청색 파장 대역에서 스크래치, 파티클 함몰, 및 브릿지가 유사한 수치를 나타낸다.

제3 영역(513)을 참조하면, 4가지 결함들은 파장 대역이 변화되더라도 별다를 수치 차이를 보이지 않는다.

이상에서 설명한 바와 같이, 기준 특성 벡터들은 기준 결함의 종류 및 파장 대역별로 소정의 경향성을 갖는다. 만약, 피검 특성 벡터들이 제1 영역 내지 제3 (511,512,513)에서 브릿지 결함이 변화되는 경향과 동일 또는 가장 유사하게 변화할 경우, 해당 피검 특성 벡터들이 브릿지 결함에 대한 기준 특성 벡터들과 실질적으로 동일한 것으로 간주할 수 있다. 즉, 반도체 기판을 검사하여 획득한 이미지 정보는 브릿지 결함에 대한 것이며, 반도체 기판 상에 결함이 존재하며 그 결함은 브릿지임을 판단할 수 있다.

기준 특성 벡터들과 피검 특성 벡터들의 동일 또는 유사성 판단은, 다양한 패턴 분류 알고리즘법(pattern classification algorithm)을 이용하여 수행할 수 있다. 예를 들어, 썸 프린트법(thumb print), 최소 근접법(nearest neighbor), 디시전 트리법(decision tree), 규칙기반 분류법(rule-based classification), 또는 이들의 조합을 이용할 수 있다. 하지만 이외의 다른 기타 패턴 분류 알고리즘법을 이용할 수도 있다.

전술한 비교 방법들은 모두 기준 특성 벡터들로부터 일정 오차 범위 내에 피검 특성 벡터들이 존재여부를 확인하여 동일 또는 가장 유사 정도를 결정하는 기술이며, 더 이상 별도로 부가 설명하지 않지만 당업자라면 용이하게 이해할 수 있을 것이다.

보다 발전적으로는, 기준 결함의 종류별로 복수개의 동종의 기준 결함들에 대하여 기준 특성 벡터들을 생성하고, 이를 데이터베이스화한다. 이는 도 14 내지 도 17과 같이 그래프로 나타낼 수 있다.

도 14에 도시한 그래프는, 복수개의 스크래치형 기준 결함들(620)을 각각 검사하여 기준 행렬들을 구성하고, 기준 행렬들에서 특성 벡터들을 선택하여 이를 파장 대역 별로 파장 대역별로 표시한 것이다.

도 15에 도시한 그래프는, 복수개의 브릿지형 기준 결함들(720)을 각각 검사하여 기준 행렬들을 구성하고, 기준 행렬들에서 특성 벡터들을 선택하여 이를 파장 대역 별로 파장 대역별로 표시한 것이다.

도 16에 도시한 그래프는, 복수개의 파티클 함몰형 기준 결함들(820)을 각각 검사하여 기준 행렬들을 구성하고, 기준 행렬들에서 특성 벡터들을 선택하여 이를 파장 대역 별로 파장 대역별로 표시한 것이다.

도 17에 도시한 그래프는, 복수개의 필드 함몰형 기준 결함들(920)을 각각 검사하여 기준 행렬들을 구성하고, 기준 행렬들에서 특성 벡터들을 선택하여 이를 파장 대역 별로 파장 대역별로 표시한 것이다.

도 14 내지 도 17에 도시한 그래프들과 같이, 기준 결함의 종류별로 특성 벡터들의 구성하고 이를 데이터 베이스화 할 경우, 임의의 피검 특성 벡터가 어떤 결함에 관한 것인지 보다 정확하게 판단할 수 있을 것이다. 즉, 기준 결함의 종류별로 구성된 특성 벡터들을 이용하여 반도체 기판 상에 존재하는 결함의 종류를 정확하게 확인 및 분류할 수 있다.

다시 도 13을 참조하면, 도 13에 도시한 그래프에는 3종류의 변수들이 존재한다. 첫 번째가 특성 벡터이고, 두 번째가 파장 대역이며, 세 번째가 결함 종류이다. 즉, 3차원 그래프로도 기준 특성 벡터들과 피검 특성 벡터들을 나타낼 수 있다.

3차원 그래프에 도 14 내지 도 17에 도시한 그래프들에서와 기준 결함의 종류별로 복수개의 동종의 기준 결함들에 대하여 기준 특성 벡터들의 정보들을 반영할 경우, 임의의 피검 특성 벡터가 어떤 결함에 관한 것인지 보다 정확하게 판단할 수 있을 것이다.

이상에서 설명한 결함의 검출과 분류 방법들은, 특성 행렬을 기준 행렬들과 비교하여 동일 또는 가장 유사한 기준 행렬을 찾아내고, 찾아낸 기준 행렬에 대응하는 기준 결함의 종류로서 반도체 기판 상에 존재하는 결함의 종류를 판단하는 것이다. 따라서 특성 행렬을 기준 행렬들을 얼마나 효과적으로 비교할 수 있는지가 매우 중요하다. 이를 위하여, 기준 행렬들을 유효 기준 행렬들로 각기 변환하는 것이 바람직하다. 이하, 기준 행렬들을 유효 기준 행렬들로 각기 변환하는 방법의 일 실시예를 설명한다.

기준 행렬들을 유효 기준 행렬들로 변환하기 위해서는, 우선 기준 결함별로 기준 행렬을 구성한다. 이 경우, 각각의 기준 행렬은 상기 수학식 2에서와 같이 N× M차원으로 구성될 수 있다.

기준 행렬들을 서로서로 비교하여, 각 기준 행렬을 구성하는 성분들(components) 중 기준 결함의 종류가 달라지더라도 거의 변화되지 않는 성분(들)을 찾는다.

예를 들어 보다 구체적으로 설명하면, 동일한 파장 대역의 광을 조사하여 획득한 제1 기준 결함의 이미지 정보와 제2 기준 결함의 이미지 정보 중에서 그 수치가 거의 변하지 않는 항목(들)이 존재한다. 이 항목(들)은 제1 및 제2 기준 결함을 분류하기 부정당하다. 따라서 제1 및 제2 기준 결함을 분류 시에 이러한 항목들을 배제하는 것이 바람직할 수 있다. 이를 위하여, 기준 행렬들을 서로 비교하여 각 기준 행렬을 구성하는 성분들은 '0'의 값으로 처리한다. 이 경우, 두 가지의 기준 행렬들을 1:1비교할 수 있으나, 그 이상 또는 모든 기준 행렬들을 비교할 수도 있다. 이 결과, 일 기준 행렬은 하기 수학식 3과 같이 구성될 수 있다.

[수학식 3]

기준 행렬들의 비교는, 두개 이상을 한 쌍으로 하여 비교하거나, 전체 기준 행렬들을 한번에 비교할 수도 있다.

기준 행렬들의 비교 결과, 일 열 전체 또는 일 행 전체가 0의 값을 가질 경우, 해당 열 또는 해당 행을 삭제하여 하기 수학식 4와 N'× M'차원의 유효 기준 행렬(SM')을 구성한다.

[수학식 4]

상기 수학식 4에 나타난 바와 같이, 기준 행렬(SM)을 유효 기준 행렬(SM')로 재구성하게 될 경우, 유효 기준 행렬(SM')에서 기준 결함들을 종류별로 구별하기 비효율적인 특정 항목(f12) 및 특정 파장(λ2)의 성분들을 삭제할 수 있다. 즉, 파장 및 검사 조건의 변화에 따른 결함의 기준 결함들의 반응성 차이를 활용할 수 있다. 따라서 기준 결함들을 종류별로 구별하기 효율적인 항목들 및 파장들로서 유효 기준 행렬(SM')을 구성할 수 있다.

기준 결함의 종류별로 유효 기준 행렬이 구성되면, 유효 기준 행렬에서 기준 특성 벡터들을 생성한다. 생성된 기준 특성 벡터들 중에서 피검 특성 벡터들와 가장 유사 또는 동일한 특성 벡터를 찾는다. 이 경우, 유효 기준 행렬과 피검 특성 행렬의 차원을 일치시키는 것이 바람직하다. 예를 들어, 유효 기준 행렬에서 삭제된 항목 또는 파장에 대응하는 항목(column) 또는 파장(row)을 피검 특성 행렬에서도 삭제하여 유효 기준 행렬과 피검 특성 행렬의 차원 일치시킬 수 있다.

특성 행렬로부터 생성한 피검 특성 벡터와 유효 기준 행렬들로부터 생성한 기준 특성 벡터들의 비교는 상기 도 13내지 17에서 설명한 바와 실질적으로 동일하게 수행할 수 있다. 이 결과, 반도체 기판 상에 존재하는 피검 결함의 형상이나 공정 또는 막질 등의 주변 변화의 변화에 대비하여 피검 결함의 특성 변화만을 분리하여 분석할 수 있다.

이와 같이, 유효 기준 행렬들로부터 2개 이상의 벡터들을 각기 선택하여 특성 벡터들과 비교 분석할 경우, 결함의 검출 및 분류 신뢰도는 크게 향상된다. 이는, 종래에 단순히 기준 데이터로부터 피검 데이터를 비교하는 기술과는 큰 차이가 있다. 파장별로 기준 결함들의 형상이나 공정 또는 막질 등의 주변 변화의 변화에 대비하여 각각의 기준 결함이 갖는 특성들로서 유효 기준 행렬들을 구성하고, 이렇게 구성된 유효 기준 행렬들에 특성 행렬의 차원을 일치시켜 비교 분석함으로써, 피검 결함의 형상이나 공정 또는 막질 등의 주변 변화의 변화에 대비하여 피검 결함의 특성 변화만을 분리하여 분석할 수 있는 것이다.

반도체 기판 상에 존재하는 피검 결함의 형상이나 공정 또는 막질 등의 주변 변화의 변화에 대비하여 결함의 피검 특성 변화만을 분리하여 분석할 수 있다.

이상에서 설명한 결함의 검출과 분류 방법들은, 특성 행렬로부터 피검 특성 벡터를 생성하고 이를 기준 행렬들로부터 생성한 기준 특성 벡터들과 비교하는 방 법에 관한 것이었다. 하지만, 이외에도 특성 행렬로부터 고유 값(eigen value) 및 고유 벡터(eigen vector)를 획득하고, 이들을 각각의 기준 행렬별로 획득한 고유 값들 및 고유 벡터들과 비교하여 결함을 검출 및 분류할 수도 있다.

행렬로부터 고유 값 및 고유 벡터를 획득하는 기술은 이미 널리 알려져 있는바 상세한 설명은 생략하지만 당업자라면 이를 용이하게 이해할 수 있을 것이다. 이하, 표 1내지 4를 참조하여 고유 값 및 고유 벡터를 이용한 결함의 검출과 분류 방법에 대하여 설명한다.

[표 1]

결함	고유벡터1	고유벡터2	고유벡터3	고유값1	고유값2	고유 값 3
D315	0.2706	-0.1423-0.5181i	-0.1423+0.5181i	14.7926	0	0
	0.9011	0.6896	0.6896	0	-0.1603+1.0611i	0
	0.3387	-0.4054+0.2673i	-0.4054-0.2673i	0	0	-0.1603-1.0611i
D317	0.2941	0.6522	0.6522	17.8913	0	0
	0.9196	-0.1599+0.5351i	-0.1599+0.5351i	0	0.1127+1.0692i	0
	0.2608	-0.2740-0.4332i	-0.2740-0.4332i	0	0	0.1127-1.0692i
D420	0.2278	0.1174-0.2636i	0.1174-0.2636i	10.6423	0	0
	0.8212	0.7811	0.7811	0	-0.6620+1.5202i	0
	0.5232	-0.5536+0.0068i	-0.5536-0.0068i	0	0	-0.6620-1.5202i
D502	0.1481	-0.0018-0.4780i	-0.0018-0.4780i	20.1534	0	0
	0.8864	0.6435	0.6435	0	0.3042+0.8116i	0
	0.4386	-0.5289+0.2786i	-0.5289+0.2786i	0	0	0.3042-0.8116i
D424	-0.1667	-0.819	-0.819	34.9418	0	0
	-0.9602	0.3046-0.2392i	0.3046-0.2392i	0	0.8563+0.3208i	0
	-0.2243	0.3576+0.2267i	0.3576-0.2267i	0	0	0.8563-0.3208i
D429	-0.1507	-0.2093-0.5551i	-0.2093-0.5551i	25.9687	0	0
	-0.9292	0.6142	0.6142	0	0.4409+0.6881i	0
	-0.3373	-0.3842+0.3510i	-0.3842+0.3510i	0	0	0.4409-0.6881i
D511	-0.1618	-0.1847-0.3570i	-0.1847-0.3570i	22.4509	0	0
	-0.9185	0.7702	0.7702	0	-0.2592+0.8815i	0
	-0.3608	-0.4558+0.1937i	-0.4558+0.1937i	0	0	-0.2592-0.8815i
D660	-0.1555	-0.6706	-0.6706	25.1931	0	0
	-0.9278	-0.0250-0.3691i	-0.0250-0.3691i	0	0.6952+0.3687i	0
	-0.3392	0.5321+0.3609i	0.5321+0.3609i	0	0	0.6952+0.3687i

표 1은 도 14에 도시한 복수개의 스크래치형 기준 결함들(620)을 각각 검사 하여 기준 행렬들을 구성하고, 각각의 기준 행렬로부터 고유 값과 고유 벡터를 획득하여 정리한 것이다.

표 1을 자세히 관찰하면, 스크래치형 기준 결함들은 각기 한 개의 실수 고유 값과 두개의 허수 고유 벡터들을 갖는 경향성을 보이고 있다. 또한, 실수의 고유 값에 관한 고유 벡터에 대해서도, 고유 벡터 내에 각 요소의 부호가 모두 같은 양이나 음으로 나타나는 것을 확인할 수 있다. 결함별로 0의 고유 값이 규칙성 있게 나타나는 것을 확인할 수 있다.

[표 2]

결함	고유벡터1	고유벡터2	고유벡터3	고유값1	고유값2	고유 값 3
D457	0.2581	-0.7114	-0.7114	13.1449	0	0
	0.8276	-0.0191-0.2764i	-0.0191-0.2764i	0	0.4419+0.3297i	0
	0.4071	0.5885+0.2663i	0.5885+0.2663i	0	0	0.4419-0.3297i
D432	-0.1382	-0.7407	-0.7407	19.3778	0	0
	-0.8655	0.3874-0.3929i	0.3874-0.3929i	0	0.3059+0.2211i	0
	-04815	0.2009+0.3264i	0.2009+0.3264i	0	0	0.3059-0.2211i
D464	-0.1409	0.3151+0.4101i	0.3151+0.4101i	21.5037	0	0
	-0.8918	-0.7145	-0.7145	0	0.1073+0.3852i	0
	-0.4298	0.3750-0.2854i	0.3750-0.2854i	0	0	0.1073-0.3852i
D381	0.1766	-0.1386-0.3210i	-0.1386-0.3210i	23.0861	0	0
	0.931	0.7854	0.7854	0	-0.4644+1.0932i	0
	0.3195	-0.4950+0.1261i	-0.4950+0.1261i	0	0	-0.4644-1.0932i
D549	-0.1468	-0.0756+0.4530i	-0.0756+0.4530i	21.9739	0	0
	-0.9017	0.6549	0.6549	0	0.2352+0.6264i
	-0.4067	-0.5221+0.2959i	-0.5221+0.2959i	0	0	0.2352-0.6264i
D616	-0.1268	-0.8402	0.1064	16.9909	0	0
	-0.813	0.1289	-0.795	0	0.3816	0
	-0.5683	0.5268	0.5972	0	0	-0.3587
D626	-0.139	-0.5236	-0.0082	21.9215	0	0
	-0.8946	0.7962	-0.786	0	0.0281	0
	-0.4247	-0.3031	0.6182	0	0	-1.2151

표 2는 도 17에 도시한 복수개의 필드 함몰형 기준 결함들(920)을 각각 검사하여 기준 행렬들을 구성하고, 각각의 기준 행렬로부터 고유 값과 고유 벡터를 획득하여 정리한 것이다.

표 2를 자세히 관찰하면, 필드 함몰형 기준 결함들도 표 1에서와 같이 결함별로 한 개의 실수 고유 값과 두개의 허수 고유 벡터들을 갖는 경향성을 보이고 있다. 또한, 실수의 고유 값에 관한 고유 벡터에 대해서도, 고유 벡터 내에 각 요소의 부소가 모두 같은 양이나 음으로 나타나는 것을 확인할 수 있다.

실제로 도 14와 도 17을 비교해 보면 그래프들이 상당부분 유사함을 확인할 수 있다. 즉, 피검 특성 벡터가 도 14 또는 도 17에 도시한 그래프와 유사하게 나타날 경우, 반도체 기판 상에 존재하는 결함이 스크래치형 결함이거나 필드 함몰형 결함임을 판단할 수 있다.

보다 정확한 분류를 위해서는 각각의 기준 행렬에서 노이즈 비율(S/N ratio), 신호 세기(signal intensity) 및 노이즈(noise) 항목들 외의 다른 항목들에 대하여 고유 값과 고유 벡터를 획득하여 이를 특성 행렬의 고유 값과 고유 벡터와 비교하는 것이 바람직하다. 즉, 특성 행렬로부터 고유 값(eigen value) 및 고유 벡터(eigen vector)를 획득하고, 이들을 각각의 기준 행렬별로 획득한 고유 값들 및 고유 벡터들과 비교할 경우 반도체 기판 상에 존재하는 결함의 종류를 정확하게 분류할 수 있다.

[표 3]

결함	고유벡터1	고유벡터2	고유벡터3	고유값1	고유값2	고유 값 3
D49	0.314	0.788	0.1242	-18.9414	0	0
	0.9352	-0.5858	-0.516	0	0.1162	0
	-0.1639	-0.1896	0.8475	0	0	3.0973
D407	0.3224	0.7807	0.4723	-58.3015	0	0
	0.9447	-0.6	-0.7145	0	0.3088	0
	-0.06	-0.1748	0.5162	0	0	3.3469
D591	0.3063	0.7561	0.1799	-29.2936	0	0
	0.9447	-0.6374	-0.5468	0	0.3181	0
	-0.117	-0.1485	0.8177	0	0	2.9088
D12	0.19	0.8241	0.1105	-33.5491	0	0
	0.97	-0.4384	-0.6196	0	-0.0346	0
	-0.1518	-0.3586	0.7771	0	0	2.9483
D512	0.2031	0.7528	0.192	-72.4722	0	0
	0.9765	-0.6576	-0.5567	0	-0.7418	0
	-0.0722	-0.0299	0.8082	0	0	4.5083

표 3은 도 15에 도시한 복수개의 브릿지형 기준 결함들(720)을 각각 검사하여 기준 행렬들을 구성하고, 각각의 기준 행렬로부터 고유 값과 고유 벡터를 획득하여 정리한 것이다.

표 3을 자세히 관찰하면, 브릿지형 기준 결함들은 고유 값 및 고유 벡터에서 허수 값이 존재하지 않는다. 또한, 고유 벡터들이 [양, 양, 음], [양, 음, 음], [양, 음, 양]의 값으로 규칙성 있게 나타남을 확인할 수 있다.

[도 4]

결함	고유벡터1	고유벡터2	고유벡터3	고유값1	고유값2	고유 값 3
D417	-0.2777	-0.7018	0.00567	-13.6979	0	0
	-0.9369	0.7123	0.5779	0	0.054	0
	0.2126	0.0046	0.8141	0	0	6.9707
D421	-0.2732	-0.6072	0.0741	-12.0871	0	0
	-0.9345	0.7893	0.6289	0	0.0378	0
	0.2282	-0.0906	0.774	0	0	7.3983.
D427	-0.2767	-0.6417	0.0661	-11.8644	0	0
	-0.9336	0.7653	0.6172	0	0.0658	0
	0.2279	-0.0514	0.784	0	0	7.2944
D422	-0.1593	-0.6977	0.0498	-33.0491	0	0
	-0.973	0.7129	0.63	0	-0.5302	0
	0.1672	-0.0707	0.775	0	0	12.4955
D527	-0.1467	-0.7158	0.0631	-16.9131	0	0
	-0.9478	0.6955	0.5395	0	-0.2561	0
	0.2832	-0.0626	0.8396	0	0	11.7114
D529	-0.161	-0.7376	0.071	-20.1708	0	0
	-0.9593	0.6741	0.6703	0	-0.3687	0
	0.2322	-0.0394	0.7387	0	0	12.7194
D627	-0.1516	-0.7146	0.0545	-20.3727	0	0
	-0.9593	0.6987	0.5979	0	-0.2103	0
	0.2382	-0.0351	0.7997	0	0	12.543

표 4는 도 16에 도시한 복수개의 파티클형 기준 결함들(820)을 각각 검사하여 기준 행렬들을 구성하고, 각각의 기준 행렬로부터 고유 값과 고유 벡터를 획득하여 정리한 것이다.

표 4을 자세히 관찰하면, 파티클형 기준 결함들(820)은 표 3과 같이 고유 값 및 고유 벡터에서 허수 값이 존재하지 않는다. 즉, 교유 값 및 고유 벡터들이 실수의 값으로 존재한다. 또한, 표 3에서 나타난 규칙성과 유사하게, 고유 벡터들이 [음, 음, 양], [음, 양, 양], [양, 양, 양]의 값으로 규칙성 있게 나타남을 확인할 수 있다.

실제로 도 15와 도 16을 비교해 보면 그래프들이 각기 다른 형태로 나타나고 있음을 확인할 수 있다. 하지만 도 15에 도시한 그래프들은 서로 유사한 형태임을 확인할 수 있고, 도 16에 도시한 그래프들은 서로 유사한 형태임을 확인할 수 있 다. 즉, 피검 특성 벡터가 도 15와 유사하게 나타날 경우 반도체 기판 상에 존재하는 결함이 브릿지형 결함임을 확인할 수 있고, 피검 특성 벡터가 도 16과 유사하게 나타날 경우 반도체 기판 상에 존재하는 결함이 파티클 함몰형 결함임을 확인할 수 있다. 즉, 특성 행렬로부터 고유 값(eigen value) 및 고유 벡터(eigen vector)를 획득하고, 이들을 각각의 기준 행렬별로 획득한 고유 값들 및 고유 벡터들과 비교할 경우 반도체 기판 상에 존재하는 결함의 종류를 정확하게 분류할 수 있다.

이상에서 설명한 결함의 검출과 분류 방법들은, 반도체 기판 상에 존재하는 결함의 이미지 정보를 기준 결함들의 이미지 정보들과 비교 것에 관한 방법에 관한 것이었다. 하지만, 전술한 바와 같이 결함의 형상이나 공정 또는 막질 등의 주변 변화 요소를 삭제하여 유효 기준 행렬들 및 특성 행렬들을 이용할 경우, 기준 결함들 및 피검 결함의 골든 이미지(golden image)들을 획득할 수도 있다. 이외에도 반도체 기판으로부터 반사된 광에서 주변 노이즈 신호(noise+ 3σ)를 제거하여 획득할 수도 있으며, 골든 이미지를 분석하여 결함의 종류를 분석할 수도 있을 것이다.

본 발명에 따르면, 파장 및 검사 조건의 변화에 따른 결함의 반응성 차이를 활용함으로써, 이미지 정보에서 결함의 형상이나 공정 또는 막질 등의 주변 변화 요소들을 제거할 수 있다. 따라서 결함 검출 및 분류 효율을 극대화시킬 수 있으며, 검사 결과에 대한 신뢰도를 향상시킬 수 있다. 더욱이, 재검에 대한 의존성을 감소시켜 재검 설비 투자비를 절감할 수 있으며, 재검 과정이 검사 설비에서 자동으로 진행되어 작업자 없는 라인의 설계가 가능하다.

상술한 바와 같이, 본 발명의 바람직한 실시예들을 참조하여 설명하였지만 해당 기술분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims

단위 대역 파장 광들을 포함하는 다중 파장 대역의 광을 피검체 상에 조사하는 단계:

상기 피검체로부터 반사된 단위 대역 파장 광들을 파장 대역별로 각각 수집하는 단계;

상기 수집된 광들로부터 상기 피검체의 이미지 정보들을 각기 획득하는 단계:

상기 단위 대역 파장 광들의 파장 대역에 따른 상기 이미지 정보들의 변화를 나타내는 특성 행렬을 구성하는 단계: 그리고

상기 특성 행렬을 분석하여 상기 피검체 상에 존재하는 결함의 종류를 판단하는 단계를 포함하는 것을 특징으로 하는 결함 분류 방법.
제 1 항에 있어서, 상기 단위 대역 파장 광들은 평행한 진행경로를 갖는 것을 특징으로 하는 결함 분류 방법.
삭제
제 2 항에 있어서, 상기 단위 대역 파장 광들을 상기 피검체 상의 동일 지점에 순차적으로 조사하기 위하여, 상기 피검체에 상기 단위 대역 파장 광들이 조사되는 간격만큼 상기 피검체를 이동시키는 단계를 더 포함하는 것을 특징으로 하는 결함 분류 방법.
제 1 항에 있어서, 상기 특성 행렬은, 상기 이미지 정보들을 각기 구성하는 항목들을 상기 파장 대역별로 배열하여 구성되는 것을 특징으로 하는 결함 분류 방법.
제 5 항에 있어서, 상기 항목들은 명암(contrast), 극성(polarity), 사이즈(size), 통계치(statistical value), 배경 정보(background data), 신호 세기(signal intensity), 노이즈(noise) 및 이들의 조합으로 이루어진 그룹 중에서 선택된 적어도 두 개 이상을 포함하는 것을 특징으로 하는 결함 분류 방법.
제 1 항에 있어서, 상기 결함의 종류를 판단하는 단계는,

상기 특성 행렬을 기 설정된 기준 행렬들과 비교하는 단계:

상기 기준 행렬들 중에서 상기 특성 행렬과 가장 유사한 기준 행렬을 선택하는 단계: 및

상기 선택한 기준 행렬에 대응하는 기준 결함의 종류로부터 상기 결함의 종류를 판단하는 단계를 포함하는 것을 특징으로 하는 결함 분류 방법.
제 7 항에 있어서, 상기 특성 행렬을 기 설정된 기준 행렬들과 비교하는 단 계는, 썸 프린트법(thumb print), 최소 근접법(nearest neighbor), 디시전 트리법(decision tree) 규칙기반 분류법(rule-based classification) 또는 이들의 조합을 이용하는 것을 특징으로 하는 결함 분류 방법.
제 7 항에 있어서, 상기 기준 행렬들은,

ⅰ)제1 기준 결함에 상기 다중 파장 대역을 갖는 광을 조사하는 단계:

ⅱ)상기 제1 기준 결함으로부터 반사된 광을 상기 파장 대역별로 분리하여 제1 기준 이미지 정보들을 획득하는 단계:

ⅲ)상기 제1 기준 이미지 정보들을 각기 구성하는 항목들을 상기 파장 대역별로 배열하여 제1 기준 행렬을 구성하는 단계: 및

ⅳ)상기 제1 기준 결함과 다른 종류의 기준 결함들에 대하여 상기 ⅰ)내지 ⅲ)을 반복적으로 수행하여 생성되는 것을 특징으로 하는 결함 분류 방법.
제 9 항에 있어서, 상기 항목들은 명암(contrast), 극성(polarity), 사이즈(size), 통계치(statistical value), 배경 정보(background data), 신호 세기(signal intensity), 노이즈(noise) 및 이들의 조합으로 이루어진 그룹 중에서 선택된 적어도 두 개 이상을 포함하는 것을 특징으로 하는 결함 분류 방법.
제 7 항에 있어서, 상기 특성 행렬 중 선택한 2개 이상의 열벡터들과 각각의 기준 행렬별로 선택한 2개 이상의 열벡터들을 비교하는 것을 특징으로 하는 결함 분류 방법.
제 7 항에 있어서, 상기 특성 행렬 중 선택한 2개 이상의 행벡터들과 각각의 기준 행렬별로 선택한 2개 이상의 행벡터들을 비교하는 것을 특징으로 하는 결함 분류 방법.
제 7 항에 있어서, 상기 특성 행렬로부터 획득한 고유 값(eigen value) 및 고유 벡터(eigen vector)를 각각의 기준 행렬별로 획득한 고유 값들 및 고유 벡터들과 비교하는 것을 특징으로 하는 결함 분류 방법.
제 1 항에 있어서, 상기 결함의 종류를 판단하는 단계는,

상기 기준 행렬들을 서로 비교하여 동일한 값을 갖는 행렬 성분(component)을 0의 값으로 처리하는 단계:

상기 기준 행렬들 중에서 전부 상기 0의 값을 갖는 행 또는 열을 삭제하여 상기 기준 행렬들을 유효 기준 행렬들로 각기 변환하는 단계:

상기 특성 행렬을 기 설정된 유효 기준 행렬들과 비교하는 단계:

상기 유효 기준 행렬들 중에서 상기 특성 행렬과 동일 또는 유사한 유효 기준 행렬을 선택하는 단계: 및

상기 선택한 유효 기준 행렬에 대응하는 기준 결함의 종류로부터 상기 결함의 종류를 판단하는 단계를 포함하는 것을 특징으로 하는 결함 분류 방법.
제 14 항에 있어서, 상기 특성 행렬 중 선택한 2개 이상의 열벡터들과 각각의 유효 기준 행렬별로 선택한 2개 이상의 열벡터들을 비교하는 것을 특징으로 하는 결함 분류 방법.
제 14 항에 있어서, 상기 특성 행렬 중 선택한 2개 이상의 행벡터들과 각각의 유효 기준 행렬별로 선택한 2개 이상의 행벡터들을 비교하는 것을 특징으로 하는 결함 분류 방법.
제 14 항에 있어서, 상기 특성 행렬로부터 획득한 고유 값(eigen value) 및 고유 벡터(eigen vector)를 각각의 유효 기준 행렬별로 획득한 고유 값들 및 고유 벡터들과 비교하는 것을 특징으로 하는 결함 분류 방법.