KR100824217B1

KR100824217B1 - 결함에 대한 하이브리드식 불변의 적응성 자동 분류 방법및 장치

Info

Publication number: KR100824217B1
Application number: KR1020000032953A
Authority: KR
Inventors: 아리엘 벤-포라쓰
Original assignee: 어플라이드 머티어리얼스, 인코포레이티드
Priority date: 1999-06-15
Filing date: 2000-06-15
Publication date: 2008-04-24
Also published as: US6922482B1; KR20010015028A; EP1061571A3; JP2001135692A; EP1061571A2

Abstract

본 발명은 바운더리 및 지형 정보를 이용하는 핵심 분류기를 사용하여, 미리 결정된 개수의 핵심적 종류 중 하나로 반도체 웨이퍼 표면 상의 결함을 자동적으로 분류하기 위한 방법 및 장치를 제공한다. 상기 결함은, 하나의 핵심적 종류와 관련되고 한정된 개수의 관련 핵심적 종류만으로부터의 결함을 분류하도록 학습된 특정 적응성 분류기를 사용하여, 사용자에 의해 정의된 임의로 한정된 결함의 하위 종류로 추가로 분류된다. 핵심적 분류기 또는 특정 적응성 분류기에 의해 분류될 수 없는 결함은 전체 분류기에 의해 분류된다.

Description

결함에 대한 하이브리드식 불변의 적응성 자동 분류 방법 및 장치 {HYBRID INVARIANT ADAPTIVE AUTOMATIC DEFECT CLASSIFICATION}

도 1은 공동계류중인 발명에 따른 검출 분류에 대한 개념적인 흐름도이다.

도 2는 본 발명에 따른 검출 분류에 대한 개념적인 흐름도이다.

도 3은 본 발명을 사용하여 검사되어질 반도체 웨이퍼를 도시한다.

도 4a 내지 도 4C는 본 발명에 의해 검사되어질 결함의 이미지를 나타낸다.

도 5는 본 발명에 따른 검사 장치에 대한 블록도이다.

도 6은 본 발명에 따른 방법의 순차적인 단계를 도시하는 흐름도이다.

도 7은 본 발명에 따른 검사 장치의 기능적 블록도이다.

도 8은 본 발명의 실시예를 도시하는 블록도이다.

* 도면의 주요부분에 대한 부호의 설명 *

500 : 검사 장치 510 : 이미지 생성부

520 : 프로세서 530 : 모니터

540 : 메모리 550 : 데이터 베이스

700: 핵심 분류부 710 : 전체 분류부

720a - 720e : 특정 적응성 분류부

본 발명은 아티클 표면상의 결함을 자동적으로 검출하기 위한 방법 및 장치에 관한 것이다. 본 발명은 서브미크론 설계 형상을 가지는 고밀도 반도체 장치의 제조 동안 반도체 웨이퍼의 직렬식 검사를 위한 특별한 응용력을 가진다.

고밀도 및 초고용량의 집적도와 관련된 성능에 대한 현재의 요구는 서브미크론 형상, 증가된 개수의 트랜지스터 및 회로 속도와 향상된 안정성을 요구한다. 이같은 요구는 높은 정밀도 및 균일도를 가지는 장치 형상의 구조를 필요로 하며, 이것은 차례로 반도체 웨이퍼의 형태로 남아있는 동안의 장치의 빈번하고 상세한 검사를 포함한 신중한 처리 모니터링을 필요로 한다.

종래의 처리중의 모니터 기술은, 웨이퍼의 표면이 초기에 고속의 상대적으로 낮은 분해능의 검사 장치; 예를 들어 CCD(Charge-Coupled Device) 또는 레이저와 같은 광-전자 변환기를 사용하여 초기에 스캐닝되는 "검사 및 검토" 방식을 사용한다. 이어 높은 확률의 결함을 가지는 것으로 의심되는 웨이퍼 상의 위치를 나타내는 결함 맵을 형성하기 위하여 통계적 방법이 사용된다. 잠재적 결함의 개수 및/또는 밀도가 예정된 레벨에 이른다면, 잠재적인 결함 위치에서의 보다 자세한 검사를 정당화하는 것을 나타내는 경고음이 발생된다. 이러한 기술은 "총체적 밀도 모니터링"으로 공지되었으며, "총체적 결함 밀도"로 불리는 통계를 처리한다.

결함 밀도가 예정된 레벨에 도달할 때, 영향을 받은 웨이퍼의 검토가 필요하게 된다. 결함 맵을 사용하여 검토 절차가 수행된 후, 결함의 존재를 확실하게 결정하기 위하여 상대적으로 높은 분해능의 이미지를 생성하기 위한 CCD를 사용한 스캐닝과 같은 보다 자세한 검토 절차가 각각의 결함 위치에 대하여 수행된다. 이어 결함 이미지는 결함의 속성(예를 들어 결함 패턴, 입자 또는 스크래치)을 결정하기 위하여 분석된다.

최근에 "분류식 결함 밀도" 모니터링, 즉 여러 상이한 타입의 결함 개수 또는 결함 "분류"에 대한 모니터링이 총체적인 결함 밀도를 모니터링하는 데에 선호한다는 것이 인식되고 있기 때문에, 결함 분류에 대한 다양한 방법이 창안되고 있다. 본 명세서에서 "고전적 분류(classic class)"로 언급되는 대부분의 이러한 종래의 기술은 패턴 인식 기술을 사용하며, 상기 기술은 샘플 결함 세트가 입수되고 이미지화되며 특성 또는 (예를 들어, 휘도, 조악성, 크기 및 색) "속성"에 대하여 분석되며, 이러한 속성은 "블랙 박스(예를 들어 신경망 회로)에 공급되어, 결함 속성에 의해 상이한 타입의 결함을 인지하기 위하여 분류기를 트레이닝시키는 데에 사용된다.

불행히도, 결함 종류의 세트에 대한 합의가 존재하지 않기 때문에 이러한 방법의 효율은 감소된다. 상이한 반도체 제조방법은 다른 결함을 중요한 것으로 여기고 이에 따라 특정 요구에 의해 맞추어진 상이한 세트의 결함 종류를 사용한다. 따라서, 이것은 동작을 시작하기에 앞서 각각의 결함 종류에 대하여 많은 대표적 결함 이미지가 획득될 것을 요구한다. 결과적으로, 일반적인 종래 시스템은 제조 라인의 시동 및 발진에는 사용될 수 없다. 게다가, 본 명세서에서 "전체 분류부"로도 언급되는 이같은 분류기는 분류되기 위해 요구된 모든 결함 타입(예를 들어 10 또는 그 이상의 결함 종류)들 사이에서 판별을 요구하기 때문에, 소정의 결함을 분류할 때에 상당한 개수의 속성이 고려되어야 하며, 이에 따라 검사 시간을 증가시키고 제조 쓰루풋을 감소시킨다.

전체 분류부와 관련된 상술한 문제점을 해결하기 위하여 본 발명은 핵심 분류부(핵심 분류부)가 최근에 캘리포이니아 산타 클라라의 어플라이드 머티어리얼사의 SEMVsion^TM으로 판매된 결함 검토 시스템에서 최근에 소개되었다. 이러한 핵심 분류부는 본 명세서에서 참조문으로 인용한 공동계류중인 "불변의 핵심 분류를 사용한 자동 결함 분류(Automatic Defect Classification With Invariant Core Classes)"의 미국 특허 출원 번호 09/111,454호에 개시되었다.

상기 공동계류중인 출원의 방법에 따라, 반도체 웨이퍼의 검출 맵이 생성된 이후, 각각의 검출 위치 및 해당의 공지된 결함이 없는 기준 위치는 위치(location) 및 지형(tophograph) 데이터를 모으기 위한 주사 전자 현미경(SEM)에 의해 이미지화된다. 이어 이미지는 분석되어, 바운더리(boundary) 분석 또는 지형(tophograph) 측정을 수행하는 것에 의해 하나의 다양한 불변의 핵심적 종류의 결함에 속하는 것으로 결함을 분류하고, 추가로 미리 프로그램된 모듈을 핵심 분류기에 추가함에 의해 사용자에 의해 요구된 임의 개수의 핵심적 하위 종류중 하나에 속하는 것으로 분류된다.

도 1은 공동계류중인 출원의 방법에 의해 수행되는 핵심적 종류로의 자동적 결함 분류에 대한 개념적 흐름도이다. 결함 1은 패턴 결함(2A) 또는 미립자 결함(2B)과 같이 광범위하게 분류되고 추가로 7개의 대표적인 불변의 핵심적 종류; 웨이퍼 표면상의 크래이터(crater) 및 미세스크래치(3A), 표면상에서의 패턴 결여(missing pattern: 3B), 표면상의 과잉 패턴(extra pattern: 3C), 표면상의 변형 패턴(deformed pattern: 3D), 표면상의 미립자(3E), 표면상에 박힌 미립자(3F) 또는 표면상에 미립자 및 변형 패턴(3G)중 하나로 처리된다. 임의의 핵심적 하위 종류는 인접한 배선 패턴들 사이에서의 브리지(예를 들어 단락 회로), 작은 미립자, 큰 미립자, 단선, 협소한 패턴 등을 포함할 수 있다.

공동계류중인 출원의 불변의 핵심 분류 기술은 결함이 입자 또는 패턴 결함으로 그리고 표면 상부 또는 표면 하부(표면에 내재되는) 결함으로 각각 그리고 안정적으로 분류되는 것을 가능하게 한다. 상기 기술은 또한 이렇게 의미적으로 분류된 결함에 대한 이른 수량화 및 통지를 제공하며, 이에 따라 결함의 원인에 대한 조사를 용이하게 하고 올바른 처리가 보다 이르게 수행되는 것을 가능케 한다.

공동계류중인 핵심 분류기는, 상기 기술이 결함 정보를 수집(예를 들어 웨이퍼 표면을 이미지화하고 웨이퍼의 형상에 대한 바운더리 분석 및/또는 지형적(topographic) 측정을 수행하는 것)하고 이어 이전에 프로그램된 규칙의 세트를 따름으로써 결함을 분류한다는 점에서, "규칙에 기초한(rule-based)" 분류기이다. 따라서, 종류 분류기가 수행하는 것과 같이 학습되는 것을 요구하지 않으며, 그로 인하여, 동작에 앞서 각각의 종류에 대한 결함 이미지의 예를 요구하지 않는다. 이에 따라 종래 기술의 결함 분류 시스템과는 달리 공동계류중인 출원의 핵심 분류기는 제조 라인의 시동 및 발진 동안에도 사용될 수 있다.

공동계류중인 출원에서 개시된 것과 같은 핵심 분류부가 종래의 종류 분류기의 많은 단점을 해결하는 반면에, 규칙에 기초한 분류기과 같은 기술은 새로운 종류의 결함을 인식하는 데에 빠르게 적응하지 못하기 때문에 핵심 분류부는 사용자에 의해 중요한 것으로 여겨지는 각각의 종류로 결함을 분리하기에는 적합하지 않았다. 특히, 사용자는 (상이한 제조 라인이 하나에서 다른 하나로의 상이한 결함에 대하여 민감할 수 있기 때문에) 핵심 분류부에 추가되어질 예정된 모듈로서 사용 가능한 상술한 핵심적 하위 분류 이외의 세부적 구별을 불변의 핵심 분류 내에서 요구한다. 게다가, 사용자는 핵심 분류부에 의해 인식될 수 없는 세부적 구별을 요구할 수 있다. 예를 들어, (도 1의 핵심 분류에서) 핵심 분류부가 표면상의 입자로 결함을 분류하고 사용자가 입자의 크기와 관련하여 입자의 모양을 알기를 원한다면, 상이한 처리는 상이한 입자의 모양 및 크기를 형성하는 경향이 있기 때문에 입자에 대한 소오스를 정확히 설명하는 데에 도움이 되는 이러한 크기 정보를 취득하는 데에 다른 기술이 사용되어져야 한다. 추가적으로, 핵심 분류중 어떠한 것에도 속하지 않는 "진귀한" 결함은 핵심 분류부에 의해 분류될 수 없다. 예를 들어, 새로운 타입의 결함을 야기하는 처리가 창안된다면, 현존하는 핵심 분류들은 새로운 결함에 관련하여 부적절하게 되고, 핵심 분류부는 새로운 결함이 핵심 분류로 추가되지 않는다면 이러한 새로운 결함을 분류할 수 없다.

결함을 야기하는 처리를 식별하여 빠르게 올바른 동작이 수행될 수 있게 하기 위하여, 반도체 웨이퍼를 빠르고 의미있게 검토하는 것 및 핵심 분류부를 사용하여 자동적으로 결함을 분류하고 이어서 추가로 사용자에 의해 요구된 핵심 분류내의 하위 분류로 결함을 분류하는 것에 대한 요구가 존재한다. 장치내의 표면 형상의 밀도, 다이 크기 및 층의 개수가 증가함에 따라 이러한 요구는 보다 중요하게 되었으며, 결함의 개수가 수용 가능한 제조 수율을 달성하기 위해 극적으로 감소될 것을 요구하게 되었다.

본 발명의 목적은 반도체 웨이퍼 내의 결함을 자동적으로 신속하게 그리고 안정적이며 완벽하게 분류하기 위한 방법 및 장치를 제공하는 것이다.

본 발명에 따라, 앞의 목적 및 다른 목적은 아티클 표면상의 결함을 분류하는 방법에 의해 부분적으로 달성될 수 있으며, 이러한 방법은 표면을 이미지화하는 단계, 핵심 분류부를 사용하여 예정된 개수의 핵심적인 종류의 결함 중 하나에 속하는 것으로 결함을 분류하는 단계 및 하나의 핵심 분류와 관련된 특정의 적응성 분류기를 사용하여 임의 개수의 가변성의 하위 분류 중 하나에 속하는 것으로 결함을 분류하는 단계를 포함한다. 핵심 분류부가 핵심적인 종류로 결함을 분류하지 못한다면, 전체 분류부가 결함을 분류하기 위해 사용된다.

본 발명의 추가의 특징은 상술한 방법의 단계를 수행하기 위한 장치이다.

본 발명의 다른 특징은, 아티클의 표면 상의 결함을 자동적으로 분류하기 위한 명령을 포함하는 컴퓨터 판독 가능한 매체이며, 상기 명령은 처리될 때 하나 이상의 프로세서가 상술한 방법의 단계를 수행하도록 배열된다.

본 발명의 추가의 목적 및 장점은 다음의 상세한 설명으로부터 당업자에게는 용이하게 이해될 것이며, 상기 설명의 본 발명의 바람직한 실시예는 본 발명을 수행하기에 가장 적절한 방식으로 고려되는 예를 간단하게 설명 및 도시한 것이다. 본 발명에서 벗어나지 않고 본 발명이 다른 상이한 실시예에서 사용될 수 있으며, 그의 여러 세부 사항은 여러 명백한 세부 항목에서 수정이 가능하다는 것도 인지될 것이다. 따라서, 도면 및 상세한 설명은 본질을 설명하기 위해 고려된 것이며, 이에 한정된 것은 아니다.

첨부된 도면에서, 동일한 인용 부호는 동일한 부품을 나타낸다.

공동계류중인 미국 특허 제 09/111,454호에 개시된 것과 같은 핵심 분류부는 결함이 입자 또는 패턴 결함으로 그리고, 웨이퍼 상의 또는 웨이퍼 하부의(웨이퍼에 내재되는) 결함으로 빠르고 안정적으로 분류되는 것을 허용하고, 제조 라인의 시동 및 발진 동안에도 동작할 수 있다. 그러나, 핵심 분류부는 핵심 분류내로 소정 타입의 결함을 분류할 수 없으며 결함 종류를 추가시키기 위하여 사용자에 의해 용이하게 수정될 수 없다. 반면에, 종래의 종류 분류기는 사용자에 의해 트레이닝된 것과 같은 임의의 타입의 결함을 분류하는 데에 완전히 적응할 수 있지만, 동작을 시작하기에 앞서 각각의 결함 종류에 대하여 얻어져야할 많은 대표적인 결함 이미지를 요구한다. 따라서, 종류 분별기는 제조 라인의 시동 및 발진 동안에는 사용될 수 없다. 게다가, 종류-스타일의 전체 분류부는 핵심 분류부보다 느리며, 일반적으로, 덜 정확하다. 본 발명은, 사용자에 의해 요구된 불변의 핵심 분류 및 가변 하위 분류로 결함을 빠르고 안정하게 분류하기 위하여 한정된 범위의 종류-스타일 분류기와 함께 핵심 분류부를 사용하는 하이브리득식으로 결함을 분류하는 방법을 제공함으로써, 상기 문제점을 처리 및 해결한다. 따라서 본 발명의 방법은 결함을 야기하는 처리의 사전 식별을 가능케 하며, 이에 따라 처리될 동작의 이른 수정이 취해지는 것을 가능케 한다.

본 발명의 방법에 대한 소정의 실시예에 따라, 반도체 웨이퍼의 검출 맵을 생성한 이후에, 각각의 검출 위치 및 해당하여 알려진 결함이 없는 기준 위치는 위치 및 지형 데이터를 수집 및 저장하기 위한 주사 전자 현미경(SEM)에 의해 이미지화된다. 이러한 데이터는 바운더리 분석 및 지형 기술을 사용한 핵심 분류기에 의해 분석되어 미리 결정된 많은 핵심적 종류(핵심적 종류는 많은 불변의 핵심적 종류중 하나 또는 사용자에 의해 요구된 것에 따라 핵심 분류기내에 프로그램된 가변 종류일 수 있다)의 결함 중 하나에 속하는 것으로 분류된다. 이어 결함이 위치되는 핵심적 종류와 관련된 "특정 적응성 분류기"을 사용하여, 결함은 임의의 많은 하위 종류 중 하나 (즉, 하위 종류는 핵심 분류기에 의해 인지될 수 없다)로 분류되며, 상기 특정 적응성 분류기는 효율성을 위하여, 한정된 범위에 대하여 종류 분류기를 사용한다. 핵심 분류기 또는 특정 적응성 분류기가 핵심적 종류로 결함을 분류할 수 없다면, 결함은 종래의 전체 분류기에 의해 분석된다.

본 방법의 특정 적응성 분류기는, 결함의 속성에 기초하여 결함을 정의하기 위하여 샘플 결함 이미지의 세트를 사용하여 사용자에 의해 훈련된다는 점에서 종류 분류기과 동일한 원리에 기초하여 동작한다. 그러나, 많은 종류(예를 들어 10개의 종류) 중 하나에 속하는 것으로 모든 결함을 정의하여야 하는 종래의 전체 분류기와는 달리, 특정 적응성 분류기는 핵심적 종류의 결함 또는 결함이 관련된 종류(예를 들어 1, 2 또는 3 종류)의 결함 만을 분석한다. 따라서, 특정 적응성 분류기는 많은 종류중 하나에 결함이 속하는 것으로 고려되도록 훈련되지 않으며; 차라리 특정 적응성 분류기는 결함이 특정한 핵심적 종류에 속하는 것으로 "아는" 상태에서 상기 결함에 대한 자신의 분석을 시작하도록 훈련된다. 예를 들어 도 1의 "표면상의 미립자" 핵심적 종류(3E)와 관련된 특정 적응성 분류기는, 결함이 (3B-3D와 같은) 패턴 결함 또는 스크래치(3A)보다는 미립자가 된다는 것을 우선 결정하는 것이 요구되지 않기 때문에, 사용자에 의해 요구된 바와 같이 표면상의 미립자의 속성을 정확하고 빠르게 결정할 수 있다. 다시 말하면, 특정 적응성 분류기에는 "전체 문제" (예를 들어 10 또는 그 이상의 종류 중 하나에 결부된 결함) 보다는 쉽게 해결될 수 있는 "부수적인 문제" (예를 들어 2 또는 3 종류중 하나에 속하는 것으로 공지된 결함)가 제공된다. 특정 적응성 분류기의 영역에 대한 이러한 제한은, 특정 적응성 분류기가 대부분의 상황에서 자신의 결정에 도달하는 데에 적은 속성을 고려하는 것을 요구하기 때문에, 종래의 종류 분류기보다 안정적이고 빠르게 결함을 분류하는 것을 가능케 한다. 즉, 특정 적응성 분류기가 결함이 속하는 모든 종류를 알고 있기 때문에, 상기 방법은 특정 세트의 속성을 우선적으로 고려하고 그와 관련된 핵심적 종류와는 무관한 속성은 고려하지 않는다.

본 발명은 종래 기술의 방법보다는 빠르고 안정적으로 결함 분류를 수행하기 위하여 상이한 3가지 타입 분류의 최상의 속성을 사용한다. 본 발명은 예정된 개수의 핵심 분류로의 결함의 빠른 초기 분류를 위해 핵심 분류부를 사용하며, 핵심 분류부는 그것이 결함의 예를 요구하지 않기 때문에 제조 라인의 시동 및 발진 동안에 동작할 수 있다. 또한 특정 적응성 분류부를 핵심 분류내의 국부적인 세부사항을 위해 핵심 분류부와 병행하여 사용한다. 본 발명은 또한 핵심 분류 체제에 적합하지 않는 특정 타입의 결함에 대하여 제한된 것에 기초하여서만 단지 전체 분류부를 사용한다. 따라서, 제조 과정 측정 및 관심 대상의 결함 타입은 보다 다양하게 되며, 특정 적응성 및 전체 분류부는 보다 상세한 결함 분류를 수행하기 위해 요구됨에 따라 양성될 수 있다.

도 2는 본 발명의 방법에 의해 수행되는 자동 결함 분류에 대한 개념적인 흐름도이다. 결함(1)은 상술한 바와 같이, 패턴 결함 2A 및 입자 결합 2B 예시적인 불변의 핵심 분류의 결함(3A-3G) 중 하나에 속하는 결함으로 광범위하게 분류된다. 핵심 분류부는 사용자에 의해 미리 프로그램된 "모듈"을 핵심 분류부에 추가함으로써, 인접한 배선 패턴 사이의 브리지(즉 단락 회로), 작은 입자, 큰 입자, 단선, 협소한 패턴 등을 포함하는 핵심적인 하위 분류(도시되지 않음)에 결함을 추가로 위치시킬 수 있다. 각각의 핵심 분류(3A-3G)에 속하는 결함은 이어서 사용자에 의해 트레이닝된 특정 적응성 분류부에 의해 사용자에 의해 요구된 임의의 개수의 가변 하위 분류(SC 4A1-4G2)로 분류된다. 대안적으로, 결함은 도 2에 점선으로 도시된 것과 같은 입자 또는 패턴 결함으로 광범위하게 분류된 직후에 특정 적응성 분류부에 의해 4H와 같은 하위 분류로 분류될 수 있다. 특정 적응성 분류부가 사용된 이후에 얼마나 오래 핵심 분류부가 결함을 분류하는 지에 대한 결정은 최상의 분류 결과를 얻기 위한 노력으로 사용자의 경험에 기초한다. 핵심 분류부 또는 특정 적응성 분류부에 의해 분류될 수 없는 결함은 결함들을 적절한 종류(5)로 분류하는 사용자에 의해 트레이닝된 전체 분류부로 보내진다.

도 3 내지 도 6은 본 발명의 실시예를 도시한다. 도 3에 도시된 바와 같이, 결함에 대하여 검사되어질 반도체 웨이퍼(W)는 다수의 패터닝된 집적 회로 다이(1000)를 포함한다. 초기에, 결함 맵은, 결함이 존재하는 높은 확률을 가지는 것으로 의심되는 웨이퍼의 위치를 식별하기 위하여 웨이퍼 표면에 고속 검사 장치(CCD, 레이저 또는 SEM이 이러한 목적을 위하여 사용된다)를 사용하여 웨이퍼의 표면을 스캐닝하고 이어서 일반적으로 알고리즘 및/또는 그레이 스케일 분석을 포함하는 통계적인 방법을 사용하는 것과 같은 종래의 기술에 의해 형성된다.

이어, 도 4a 내지 도 4c에 도시된 것과 같이 결함에 대한 정확한 위치를 결정하기 위하여 재검사 절차가 각각의 의심된 검출 위치에서 수행된다. 종래의 CCD 스캐너 또는 SEM은 의심되는 위치에서 패턴(10)을 이미지화하기 위하여 사용되었으며, 이것은 이어 결함을 갖는다고 의심되지 않는 동일한 웨이퍼 상의 인접한 다이 또는 다른 다이상의 해당 위치의 기준 패턴(20)과 비교된다. 상이한 점(30)이 의심되는 결함 패턴(10)과 기준 패턴(20) 사이에서 발견되면, 의심되는 결함 패턴(10)은 결함이 있는 것으로 결정되고 본 발명의 분석 및 분류가 시작된다.

본 발명은 도 5에 도시된 것과 같은 바람직하게는 캘리포니아 산타클라라의 어플라이드 머티리얼사의 SEMVsion^TM또는 공동계류중인 출원에서 개시된 것과 같은 고분해능의 SEM과 같은 이미지 생성부(510)를 포함하는 검사 장치(500)에서 수행된다. 검사 장치(500)는 바람직하게 본 명세서에서 개시된 분석을 전기적으로 수행하는 프로세서(520), 프로세서(520)의 분석의 결과를 디스플레이하기 위한 모니터(530)를 포함한다. 프로세서(520)는 종래의 웨이퍼 기준 설계 데이터 베이스(550) 및 반도체 메모리와 같은 메모리 장치(540)와 통신할 수 있다.

도 6은 본 발명의 방법에 대한 실시예에 관한 흐름도이고, 도 7은 프로세서(520)의 기능적 블록도이다. 단계 600에서 검출은 이미지 생성기(510)에 의해 상술한 바와 같이 이미지화된다. 이어, 결함 이미지는 단계 610)에서 공동계류중인 출원에서 설명된 것과 같은 핵심 분류기(700)에 의해, 이미지에 대한 바운더리 분석 및/또는 이미지의 지형 분석을 수행함으로써 분석된다. 핵심 분류기(700)가 결함을 미리 결정된 핵심적 종류(예를 들어 도 2의 종류 (2A, 2B 또는 3A-3G))로 분류할 수 없다는 것이 단계 620에서 결정되면, 단계 630에서 결함 이미지는 전체 분류기(710)에 의해 분석된다.

핵심 분류부(700)가 결함을 분류한다면, 단계 640에서 핵심 분류의 하위 분류로의 추가의 분류가 요구되는 지를 결정한다. 그렇지 않은 경우, 분류 절차는 종료된다. 하위 분류로의 추가의 분류가 요구된 경우, (단계 650에서) 검출 이미지는 핵심 분류부(700)에 의해 결함이 분류되어 속하여진 핵심 분류(2A, 2B 또는 3A-3G)와 관련된 특정 적응성 분류부(720a-720e) 중 하나에 의해 추가로 분석된다. 예를 들어 핵심 분류부(700)가 표면상의 입자(핵심 분류 3F) 또는 표면 내에 내재되는 입자(핵심 분류3E)로서 결함을 분류하고 사용자가 입자의 크기와 함께 모양을 알기를 원한다면, 알려진 입자 결함이 주어진 경우 입자 모양/크기를 결정하기 위해 사용자에 의해 트레이닝된 특정 적응성 분류부(720a-720e) 중 하나가 결함 이미지를 추가로 분석한다. 적절한 특정 적응성 분류부(720a-720e)가 요구된 결함을 성공적으로 분류한다면, 분류 절차는 단계 660에서 종료한다. 그렇지 않은 경우, 결함은 전체 분류부(710)에 의해 단계 630에서 추가로 분석된다.

본 발명의 방법에 관한 감소된 검사 시간 및 증가된 분류 신뢰성에 대한 장점을 달성하기 위하여, 특정 적응성 분류부(720a-720e)는 한정된 개수의 핵심 분류(2A,2B, 3A-3G), 예를 들어 2 또는 3개의 핵심 분류와 각각 관련된다. 각각의 특정 적응성 분류부(720a-720e)는 특정 적응성 분류부를 공지된 결함의 하위 분류의 여러 예에 대한 속성의 세트에 제공함으로써 하위 분류의 결함을 식별하도록 트레이닝된다. 동작에 있어서, 특정 적응성 분류부는 결함이 하위 분류에 속하는지의 여부를 결정하도록 분류되어질 동일한 속성의 결함을 분석한다.

특정 적응성 분류기(720a-720e)는 단지 적은 개수의 핵심적 종류의 결함을 분류하기 때문에, 각각은 이러한 종류로부터의 결함만을 예측하도록 훈련될 수 있으며, 다시 말하면, 각각의 특정 적응성 분류기는 이미지 결함의 속성의 특정 세트를 조사함으로써 자신의 분석을 시작하도록 훈련된다. 이러한 속성의 리스트는 종래의 전체 분류기가 분류되지 않은 결함에 대하여 자신의 분석을 시작함에 따라 고려되어져야 하는 것보다는 일반적으로 작다. 특정 적응성 분류기는 일반적으로 약 4 내지 7개의 속성만을 고려하는 반면에, 종래의 전체 분류기는 일반적으로 40 내지 100개의 속성을 사용한다. 예를 들어 핵심 분류기(700)에 의해 미립자 결함인 것으로 결정된 결함을 추가로 분석하기 위하여 사용되는 특정 적응성 분류기는 미립자의 크기, 휘도, 조악성 및 만곡성과 같은 속성을 우선적으로 고려하도록 훈련된다. 대조적으로, 핵심 분류기(700)에 의해 패턴 결함인 것으로 결정된 결함을 추가로 분류하는 특정 적응성 분류기는 일반적으로 패턴 크기, 다른 패턴과의 거리, 패턴의 면적등과 같은 속성을 우선적으로 고려하지만; 패턴 결함과 필수적으로 관련되지 않는 휘도, 조악성 및 만곡과 같은 속성은 고려되지 않도록 훈련된다. 따라서, 상대적으로 작은 범위의 결함에 대하여 조사하도록 훈련됨으로써, 특정 적응성 분류기(720a-720e)는 최소의 조사 시간으로 핵심 분류 이후의 결함의 추가 분류를 가능케 한다.

특정 적응성 분류부(720a-720e)는 "결정 트리" 기술 또는 "다중차원의 클러스터링" 기술과 같은 공지된 고전적 분류부 기술을 사용하여 트레이닝되도록 일반적으로 구성된다. 결정 트리 기술은 결함 이미지의 제 1 속성을 분석하는 단계, 이어 분석되어질 다음의 속성을 결정하기 위하여 제 1 속성의 값을 사용하는 단계 등을 포함하여 결함이 분류될 때까지 반복하는 분류기를 일반적으로 포함한다. 다차원 클러스터링 기술에 있어서, 분류기는 공지된 샘플 결함에 대한 다수의 속성"x"를 고려하도록 트레이닝되며, 각각의 샘플 결함은 x 차원 공간에 걸린 x좌표를 가지는 포인트로서 처리된다. 분류기는 포인트를 플로팅하기 위한 알고리즘을 수행하고, 그들이 서로 클러스터링되는 지의 여부를 결정한다. 그러한 경우, 분류기는 (예를 들어 타원면을 사용하여) 포인트를 연결하고 타원면 내의 모든 포인트가 샘플 결함과 동일한 종류의 결함을 나타낸다고 가정한다. 물론, 종류 분류기를 구성하는 데에 사용되는 임의의 기술이 특정 적응 분류기를 구성하는 데에 사용될 수 있다.

게다가, 특정 적응 분류기에는 트레이닝되는 것보다는 결함을 분류하기 위하여 따라야하는 규칙 세트가 주어지며, 또는 기초한 규칙의 조합 또는 트레이닝(즉 트레이닝된) 분류 기술을 사용하여 구동할 수 있다. 예를 들어 핵심 분류부는 입자로서 결함을 분류하고 특정 적응성 분류부는 입자의 크기를 결정하는 것이며, 특정 적응성 분류부는 핵심 분류부에 의해 수집된 정보를 사용하여 입자의 직경을 "측정"하고 이어 입자를 사용자에 의해 정의된 바와 같이 (x 마이크로미터를 초과하는 직경을 가지는) "큰 입자", (x 마이크로미터 이하의 직경을 가지는) "작은 입자"등으로 분류하기 위한 알고리즘을 따르도록 프로그래밍될 수 있다. 대안적으로, 특정 적응성 분류부는, 특정 적응성 분류부가 다수의 입자 결함의 예에 주어지고 그들의 크기에 따라 입자를 플로팅하기 위해 다중차원의 클러스터링 기술을 사용하며 이어 분류에 의해 의미를 갖도록 결정된 "작은", "중간" 및 "큰" 등의 다수의 크기 범주(예를 들어 2, 3 또는 4개의 개별적인 범주)에 입자를 클러스터링하도록 시도함으로써, 입자 크기를 분석하도록 트레이닝된다. 특정 적응성 분류부가 결함을 클러스터링하지 못한다면; 예를 들어 결함들이 클러스터링되기보다는 균일하게 또는 무작위적으로 분포된다면, 사용자는 상술한 알고리즘을 사용한 것과 같은 크기를 사용하여 입자를 분석하기 위한 규칙 세트를 설계할 필요가 있다.

도 8은 도 5에 도시된 발명의 실시예를 설명하는 블록도이다. 본 실시예에 따라, 도 5에 도시된 프로세서(520)는 정보를 전달하기 위한 버스(802) 또는 다른 통신 메카니즘을 포함하고, 정보를 처리하기 위하여 버스(802)에 결합된 중앙 처리 장치(CPU, 804)를 포함한다. 프로세서(502)는 또한 RAM 또는 다른 다이나믹 저장 장치와 같은, CPU(804)에 의해 수행되어질 명령 및 정보를 저장하기 위하여 버스(802)와 결합된 메인 메모리(806)를 포함한다. 메인 메모리(806)는 또한 일시 적인 변수 또는 CPU(804)에 의해 처리되어질 명령을 처리하는 동안의 다른 중간 정보를 저장하기 위해 사용될 수 있다. 프로세서(520)는 CPU(804)를 위한 스태틱 정보 및 명령을 저장하기 위하여 버스(802)에 결합된 ROM(808) 또는 다른 스태틱 저장 장치를 추가로 포함한다. 자기 디스크 또는 광학 디스크와 같은 저장 장치(810)가 제공되어 정보 및 명령을 저장하기 위해 버스(802)에 결합된다. 저장 장치(810)는 또한 도 5의 메모리(540)처럼 동작한다.

프로세서(520)는 컴퓨터 사용자에게 정보를 디스플레이하기 위하여 브라운관(CRT)과 같은 모니터(530)로 버스(802)를 통해 결합될 수 있다. 알파뉴메릭 및 다른 키들을 포함하는 입력 장치(814)는 CPU(804)으로 정보 및 명령 선택을 전달하기 위하여 버스(802)에 결합된다. 다른 타입의 사용자 입력 장치는 CPU(804)으로 방향 정보 및 명령 선택을 전달하고 모니터(330) 상에서 커서 움직임을 제어하기 위한 마우스, 트랙볼 또는 커서 방향 키와 같은 커서 제어 장치(816)가 있다.

(도 3의) 이미지 생성부(510)는 상술한 바와 같이 조사(검사) 동안의 반도체 웨이퍼의 이미지를 나타내는 데이터를 버스(802)로 입력한다. 이같은 데이터는 메인 메모리(806) 및/또는 저장 장치(540)에 저장되어 CPU(804)가 명령을 수행함에 따라 CPU에 의해 사용된다. 이미지 생성부(510)는 또한 CPU(804)로부터 버스(802)를 통해 명령을 수신한다.

유사하게, (도 3의) 데이터베이스(550)는 상술한 바와 같이, 실질적으로 결함이 없는 웨이퍼를 나타내는 데이터를 버스(802)로 입력한다. 이같은 데이터는 메인 메모리(806) 또는 저장 장치(540)에 저장되어 CPU(804)가 명령을 수행함에 따라 CPU에 의해 사용된다.

본 발명은 결함에 대하여 반도체 웨이퍼의 표면을 조사하기 위한 프로세서(520)의 사용에 관련된다. 본 발명의 일 실시예에 따라, 표면 결함의 분류를 포함한 반도체 웨이퍼 표면의 조사는 메인 메모리(806)에 포함된 하나 이상의 명령으로 이루어진 하나 이상의 시퀀스를 CPU(804)가 수행하는 것에 응답하여 프로세서(520)에 의해 제공된다. 이같은 명령은 저장장치(810)와 같은 컴퓨터 판독 가능한 매체로부터 메인 메모리(806)로 판독될 수 있다. 메인 메모리(806)에 포함된 명령 시퀀스의 수행은 프로세서(804)가 상술한 처리 단계를 수행하도록 한다. 다중-프로세싱 배열의 하나 이상의 프로세서가 메인 메모리(806)에 포함된 명령의 시퀀스를 수행하기 위하여 사용될 수 있다. 대안적인 실시예에 있어서, 배선에 의한 회로가 본 발명을 수행하기 위한 소프트웨어 명령과 결합하여 또는 대신하여 사용될 수 있다. 따라서, 본 발명의 실시예는 하드웨어적인 회로 및 소프트웨어의 소정의 특정 조합에 한정되지 않는다. 도 6의 흐름도에 제공된 장치에 대한 프로그래밍은 일반적인 당업자에 의해 용이하게 구현된다.

본 명세서에서 사용한 상기 "컴퓨터 판독 가능한 매체"의 용어는 수행을 위하여 CPU(804)에 명령을 제공하는 데에 기여하는 소정의 매체를 언급한다. 이같은 매체는 이에 한정되지는 않지만 비휘발성 매체, 휘발성 매체 및 전송 매체를 포함하여 많은 형태를 취할 수 있다. 예를 들어 비휘발성 매체는 저장 장치(810)와 같은 광학 또는 자기 디스크를 포함한다. 휘발성 매체는 메인 메모리(806)와 같은 다이나믹 메모리를 포함한다. 전송 매체는 버스(802)를 포함하는 배선을 포함하여 동축 케이블, 구리선 또는 광섬유를 포함한다. 전송 매체는 또한 RF 및 IR 데이터 통신 동안에 생성된 것들과 같은 음향 또는 빛의 파동의 형태를 취할 수도 있다. 예를 들어 컴퓨터 판독 가능한 매체의 일반적인 형태는 플로피 디스크, 플렉서블 디스크, 하드 디스크, 자기 테이프, 임의의 다른 자기 매체, CD-ROM, DVD, 임의의 다른 광학 매체, 펀치 카드, 종이 테이프, 홀의 패턴을 사용하는 임의의 다른 물리적 매체, RAM, PROM 및 EPROM, FLASH-EPROM, 임의의 다른 메모리 칩 또는 카트리지, 또는 컴퓨터가 그로부터 판독할 수 있는 임의의 다른 매체를 포함한다.

다양한 형태의 컴퓨터 판독 가능한 매체는 수행을 위한 CPU(804)로의 하나 이상의 명령으로 이루어진 하나 이상의 시퀀스를 수행하는 데에 관련될 수 있다. 예를 들어, 명령은 초기에 원격 컴퓨터의 자기 디스크상에서 산출될 수 있다. 원격 컴퓨터는 자신의 다이나믹 메모리로 상기 명령을 로드하고 상기 명령을 모뎀을 사용한 전화선을 통해 전송할 수 있다. 로컬 프로세서(520)로의 모뎀은 전화선상의 데이터를 수신하여, 적외선 신호로 데이터를 변환하기 위하여 적외선 전송기를 사용할 수 있다. 버스(802)에 결합된 적외선 검출기는 적외선 신호로 전송된 데이터를 수신하여 버스(802)상에 데이터를 위치시킨다. 버스(802)는 데이터를 메인 메모리(806)로부터 이송하며, CPU(804)는 상기 메인 메모리로부터 명령을 수신하여 처리한다. 메인 메모리(806)에 의해 수신된 명령은 CPU(804)에 의해 처리되기 이전에 또는 이후에 선택적으로 저장 장치(810)상에 저장될 수 있다.

본 발명의 반도체 웨이퍼 조사 기술은 결함이 미립자 또는 패턴 결함과 같은 핵심적 종류 및 더 나아가 핵심적 종류의 하위 종류들로 빠르고 안정적으로 분류되는 것을 허용한다. 이같은 본 발명의 방법은 웨이퍼 표면을 이미지화하고 바운더리 분석 및/또는 그 형상의 지형 측정을 수행함으로써 핵심적 종류로 결함을 분석하기 때문에, 상기 방법은 동작하기에 앞서 각각의 종류에 대한 결함 이미지의 예들을 요구하지 않는다. 따라서, 종류 분류기 만을 사용하는 종래 기술의 결함 분류 시스템과는 달리, 본 발명은 제조라인의 시동 및 발진시에도 사용될 수 있다. 게다가, 본 발명은 사용자에 의해 요구된 가변성의 하위 종류로 결함을 분류하기 위해, 적은 개수의 핵심적 종류만으로부터의 결함을 예측하기 위하여 맞추어진 특정 적응성 분류기를 사용하며, 이에 따라 조사 시간을 감소시키고 정확도를 증가시킨 종류 분류기 기술을 사용하게 된다. 따라서, 본 발명은 제조 공정이 완성되어감에 따라 변화된 하위 종류의 결함에 대한 분류를 허용하기 위한 융통적인 종류-스타일 적응성 분류기와 함께 핵심 분류기를 사용함으로써, 제조 라인의 시동 및 발진시의 결함의 분류를 제공한다.

본 발명은 소정의 반도체 웨이퍼에 대한 조사에 적용할 수 있으며, 특히 서브미크론 설계 형상을 가지는 고밀도 반도체 장치를 제조하는 동안에 반도체 웨이퍼를 제조동안(in-process)의 검사를 위해 특히 유용하다.

본 발명은 종래의 물질, 방법 및 장비를 사용함으로써 구현될 수도 있다. 이에 따라, 이같은 물질, 장비 및 방법은 본 명세서에서 상세히 설명하지 않았다. 앞의 설명에 있어서, 특정 물질, 구조, 화학물, 처리 방법등과 같은 여러 특정 세부 항목은 본 발명을 이해하기 위하여 제공된 것이다. 그러나, 기술 분야의 일반 적인 당업자들이 인지할 수 있으므로, 특별히 전개된 세부 사항에 의지하지 않고 본 발명의 구현될 수 있다. 다른 예로, 본 발명을 불필요하게 불명료하게 하지 않기 위하여, 공지된 처리 구조는 상세히 설명하지 않았다.

본 발명의 바람직한 실시예 뿐만 아니라, 그것에 대한 소수의 변형 예가 본 발명에서 도시 및 설명되었다. 본 발명이 다양한 다른 조합 및 환경에서 사용될 수 있으며, 본 명세서에서 표현한 본 발명의 개념에 대한 범주내에서 변형 및 수정이 가능하다는 것이 인지될 것이다.

본 발명에 따라, 결함을 하나의 핵심 분류로 분류하고 관련된 한정된 개수의 핵심 분류로부터만의 결함을 분류하도록 트레이닝된 특정 적응성 분류부를 사용하여, 사용자에 의해 정의된 임의로 한정된 결함의 하위 분류로 추가로 분류하고 핵심 분류부 또는 특정 적응성 분류부에 의해 분류될 수 없는 결함은 전체 분류부에 의해 분류함으로써, 처리 동안에 신속하고 안정적인 결함의 자동적 분류를 가능케 한다.

Claims

제품 표면상의 결함(defect)을 분류하기 위한 방법에 있어서,

결함 이미지를 형성하기 위하여 표면을 이미지화하는 단계;

규칙에 기초한(rule-based) 핵심 분류기(core classifier)를 사용하여 미리 결정된 개수의 핵심적 종류(class)의 결함 중 하나에 속하는 것으로 결함을 분류하는 단계; 및

상기 하나의 핵심적 종류와 관련되고 상기 미리 결정된 개수의 핵심적 종류보다 작은 개수에 관련된 특정 적응성 분류기를 사용하여 임의 개수의 가변성 하위 종류(subclass)중 하나에 속하는 것으로 결함을 분류하는 단계를 포함하며, 상기 특정 적응성 분류기는 샘플 결함 이미지 세트로 사용자에 의해 훈련된 종류 분류기인, 결함 분류 방법.
제 1 항에 있어서, 상기 핵심 분류기가 핵심적 종류중 하나로 결함을 분류하지 못할 때 전체(full) 분류기를 사용하여 임의 개수의 가변성 종류중 하나에 속하는 것으로 결함을 분류하는 단계를 포함하는 것을 특징으로 하는 결함 분류 방법.
제 1 항에 있어서, 상기 핵심적 종류의 결함은 패턴 결함 및 미립자 결함을 포함하는 것을 특징으로 하는 결함 분류 방법.
제 3 항에 있어서, 상기 핵심적 종류의 결함은 표면 상의 패턴 결여, 표면상의 과잉 패턴, 표면상의 미립자, 표면에 박힌 미립자 및 표면 상의 미세스크래치를 포함하는 것을 특징으로 하는 결함 분류 방법.
제 4 항에 있어서, 상기 결함의 가변성 하위 종류는 표면 상의 또는 표면에 박힌 미리 결정된 크기의 미립자를 포함하는 것을 특징으로 하는 결함 분류 방법.
제 1 항에 있어서, 다수의 특정 적응성 분류기를 제공하는 단계를 포함하며, 각각의 특정 적응성 분류기는 핵심적 종류의 미리 결정된 개수보다 적은 개수에 관련되는 것을 특징으로 하는 결함 분류 방법.
제 1 항에 있어서, 하나의 핵심적 종류로 결함을 분석하기 위하여 결함 이미지의 바운더리(boundary) 분석, 또는 결함 이미지의 지형(topograph) 분석, 또는 바운더리 분석과 지형 분석 모두를 수행하는 단계를 포함하는 것을 특징으로 하는 결함 분류 방법.
제 7 항에 있어서, 가변성 하위 종류에 대한 결함의 기지 속성의 대표적 세트에 기초하여 가변성 하위 종류의 결함을 식별하도록 상기 특정 적응성 분류기를 학습시키는 단계; 및

가변성 하위 종류 중 하나로 결함을 분류하기 위하여, 상기 특정 적응성 분류기를 사용하여 결함 이미지에 관련된 속성을 분석하는 단계를 포함하는 것을 특징으로 하는 결함 분류 방법.
제 8 항에 있어서, 결정 트리(decision tree) 또는 다중 차원의 클러스터링 기술을 사용하여 상기 특정 적응성 분류기를 학습시키는 단계를 포함하는 것을 특징으로 하는 결함 분류 방법.
제품 표면상의 결함을 분류하기 위한 장치에 있어서,

결함의 이미지를 생성하기 위한 이미지 생성기; 및

프로세서를 포함하며, 상기 프로세서는,

미리 결정된 개수의 결함의 핵심적 종류중 하나에 속하는 것으로 결함을 분류하기 위한 규칙에 기초한 핵심 분류기; 및

임의 개수의 가변성 하위 종류 중 하나에 속하는 것으로 결함을 분류하기 위한 상기 하나의 핵심적 종류와 관련되고 상기 미리 결정된 개수의 핵심적 종류보다 작은 개수에 관련된 특정 적응성 분류기를 포함하며,

상기 특정 적응성 분류기는 샘플 결함 이미지 세트로 사용자에 의해 훈련된 종류 분류기인, 결함 분류 장치.
제 10 항에 있어서, 상기 프로세서는, 상기 핵심 분류기가 핵심적 종류중 하나로 결함을 분류하지 못할때 임의 개수의 가변성 종류 중 하나에 속하는 것으로 결함을 분류하기 위한 전체 분류기를 더 포함하는 것을 특징으로 하는 결함 분류 장치.
제 10 항에 있어서, 상기 결함의 핵심적 종류는 패턴 결함 또는 미립자 결함을 포함하는 것을 특징으로 하는 결함 분류 장치.
제 12 항에 있어서, 상기 핵심적 종류의 결함은 표면 상의 패턴 결여, 표면상의 과잉 패턴, 표면상의 미립자, 표면에 박힌 미립자 및 표면 상의 미세스크래치를 포함하는 것을 특징으로 하는 결함 분류 장치.
제 13 항에 있어서, 결함의 가변성 하위 종류는 표면 상의 또는 표면에 박힌 미리 결정된 크기의 미립자를 포함하는 것을 특징으로 하는 결함 분류 장치.
제 10 항에 있어서, 다수의 특정 적응성 분류기를 포함하며, 각각의 특정 적응성 분류기는 핵심적 종류의 미리 결정된 개수보다 적은 개수에 관련되는 것을 특징으로 하는 결함 분류 장치.
제 10 항에 있어서, 상기 프로세서는, 하나의 핵심적 종류로 결함을 분석하기 위하여 결함 이미지의 바운더리 분석, 결함 이미지의 지형 분석 또는 바운더리 분석과 지형 분석 모두를 수행하도록 추가로 구성되는 것을 특징으로 하는 결함 분류 장치.
제 16 항에 있어서, 상기 특정 적응성 분류기는 가변성 하위 종류에 대한 결함의 기지 속성의 대표적 세트에 기초하여 가변성 하위 종류의 결함을 식별하도록 학습 가능하며,

상기 특정 적응성 분류기는 가변성 하위 종류 중 하나로 결함을 분류하기 위하여, 결함 이미지에 관련된 속성을 분석하기 위한 것을 특징으로 하는 결함 분류 장치.
제 17 항에 있어서, 상기 특정 적응성 분류기는 결정 트리 또는 다중 차원의 클러스터링 기술을 사용하여 학습 가능한 것을 특징으로 하는 결함 분류 장치.
제품 표면 상의 결함을 미리 결정된 개수의 핵심적 종류들중의 핵심적 종류의 임의 개수의 가변성 하위 종류중 하나에 속하는 것으로 분류하기 위하여 사용자에 의해 샘플 결합 이미지 세트로 훈련되며, 미리 결정된 개수의 핵심적 종류보다 작은 개수와 관련되고 상기 결함을 상기 핵심적 종류에 속하는 것으로 분류하기 위하여 규칙에 기초한 핵심적 분류기에 응답하는 종류형(classic-style) 특정 적응성 분류기.
제 19 항에 있어서, 상기 특정 적응성 분류기는 가변성 하위 종류에 대한 결함의 기지 속성의 대표적 세트에 기초하여 가변성 하위 종류의 결함을 식별하도록 학습 가능하며,

상기 특정 적응성 분류기는 가변성 하위 종류 중 하나로 결함을 분류하기 위하여, 결함 이미지에 관련된 속성을 분석하기 위한 것을 특징으로 하는 특정 적응성 분류기.
제 20 항에 있어서, 상기 특정 적응성 분류기는 결정 트리 또는 다중 차원의 클러스터링 기술을 사용하여 학습 가능한 것을 특징으로 하는 특정 적응성 분류기.
제품 표면 상의 결함을 자동 분류하기 위한 명령을 갖는 컴퓨터 판독 가능 매체로서, 실행되는 경우, 하나 또는 그 이상의 프로세서가,

결함 이미지를 형성하기 위하여 제품 표면을 이미지화하는 단계;

규칙 세트에 기초하여 미리 결정된 개수의 핵심적 종류의 결함 중 하나에 속하는 것으로 결함을 분류하는 단계; 및

상기 하나의 핵심적 종류에 속하고 상기 미리 정해진 개수의 핵심적 종류보다 작은 것에 속하는 것으로 결함을 분류하는 것에 기초하여, 또한 사용자에 의해 결함 이미지 샘플 세트로 훈련되는 것에 기초하여, 임의 개수의 가변성 하위 종류들중 하나에 속하는 것으로 결함을 분류하는 단계를 수행하도록 하는, 컴퓨터 판독 가능 매체.
제 22 항에 있어서, 실행시 상기 명령은, 상기 하나 또는 그 이상의 프로세서가 핵심적 종류로 결함을 분류하지 못할때, 상기 하나 또는 그 이상의 프로세서가 임의 개수의 가변성 종류 중 하나에 속하는 것으로 결함을 분류하는 단계를 수행하도록 배열되는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.
제 22 항에 있어서, 상기 핵심적 종류의 결함은 패턴 결함 및 미립자 결함을 포함하는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.
제 24 항에 있어서, 상기 핵심적 종류의 결함은 표면 상의 패턴 결여, 표면상의 과잉 패턴, 표면상의 미립자, 표면에 박힌 미립자 및 표면 상의 미세스크래치를 포함하는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.
제 25 항에 있어서, 결함의 가변성 하위 종류는 표면 상의 또는 표면에 박힌 미리 결정된 크기의 미립자를 포함하는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.
제 22 항에 있어서, 실행시 상기 명령은, 하나의 핵심적 종류로 결함을 분석하기 위하여 결함 이미지의 바운더리 분석, 결함 이미지의 지형 분석 또는 바운더리 분석과 지형 분석 모두를 상기 하나 또는 그 이상의 프로세서가 수행하도록 배열되는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.
제 26 항에 있어서, 실행시 상기 명령은, 가변성 하위 종류에 대한 결함의 기지 속성의 대표적 세트에 기초하여 가변성 하위 종류의 결함을 식별하도록 학습하는 단계; 및 가변성 하위 종류 중 하나로 결함을 분류하기 위하여 결함 이미지에 관련된 속성을 분석하는 단계를 상기 하나 또는 그 이상의 프로세서가 수행하도록 배열되는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.
제 28 항에 있어서, 실행시 상기 명령은, 결정 트리 또는 다중 차원의 클러스터링 기술을 사용하여 상기 학습하는 단계를 상기 하나 또는 그 이상의 프로세서가 수행하도록 배열되는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.
제 22 항에 있어서, 실행시 상기 명령은, 주사 전자 현미경을 사용하여 표면을 이미지화하는 단계를 상기 하나 또는 그 이상의 프로세서가 수행하도록 배열되는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.