KR101934313B1 - 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품 - Google Patents

검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품 Download PDF

Info

Publication number
KR101934313B1
KR101934313B1 KR1020130048416A KR20130048416A KR101934313B1 KR 101934313 B1 KR101934313 B1 KR 101934313B1 KR 1020130048416 A KR1020130048416 A KR 1020130048416A KR 20130048416 A KR20130048416 A KR 20130048416A KR 101934313 B1 KR101934313 B1 KR 101934313B1
Authority
KR
South Korea
Prior art keywords
image
mask
segments
inspection
inspection image
Prior art date
Application number
KR1020130048416A
Other languages
English (en)
Other versions
KR20130139762A (ko
Inventor
미첼 달라-토르레
길 샤바트
아디 다프니
아미트 바티코프
Original Assignee
어플라이드 머티리얼즈 이스라엘 리미티드
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 어플라이드 머티리얼즈 이스라엘 리미티드 filed Critical 어플라이드 머티리얼즈 이스라엘 리미티드
Publication of KR20130139762A publication Critical patent/KR20130139762A/ko
Application granted granted Critical
Publication of KR101934313B1 publication Critical patent/KR101934313B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

검사되는 객체의 검사 이미지 내의 결함들을 검출하기 위한 분석 시스템이 개시되고, 상기 검사 이미지는 복수의 픽셀들을 포함하며, 상기 시스템은: 검사 이미지의 복수의 파트들로부터의 각 파트를 복수의 이미지 세그먼트들로부터 선택된 각각의 이미지-세그먼트로 할당함으로써, 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정하는 마스크를 기초로 검사 이미지를 세그먼트화하도록 구성되는 컴퓨터화된 세그먼트화 모듈로서, 상기 복수의 이미지 세그먼트들은 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트에 대응하는, 컴퓨터화된 세그먼트화 모듈; 그리고 검사 이미지의 복수의 픽셀들로부터의 각 픽셀을 평가하는 것에 의해서 세그먼트화를 기초로 검사 이미지 내의 결함의 존재를 결정하도록 구성되는 결함 검출 프로세서를 포함한다.

Description

검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품{SYSTEM, METHOD AND COMPUTER PROGRAM PRODUCT FOR DETECTION OF DEFECTS WITHIN INSPECTION IMAGES}
본 발명은 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품에 관한 것이다.
많은 구현예들에서, 검사되는 객체들이 이미지화되고 그리고 그 후 검사되어 목표 패턴들을 발견한다. 예를 들어, 적군 탱크들을 찾기 위해서 공중(aerial) 이미지들이 검사될 수 있고, 홀들을 찾기 위해서 제조 중에 이미지화되는 텍스타일 직물(textile fabric)이 검사될 수 있으며, 결함들을 찾기 위해서 웨이퍼들과 같은 전자 회로들이 이미지화되고 그리고 검사될 수 있다.
예로서 웨이퍼들의 제조 중에 결함들이 탐색 되는 경우를 취하면, 결함들이 전자 회로의 적절한 동작성을 손상시킬 수 있지만, 전자 회로의 동작에 대한 상이한 결함들의 영향은 다를 수 있음이 명백하다. 그에 따라, 예를 들어 만약 회로 동작에 미치는 결함들의 영향이 작다면, 일부 결함들은 검사 당사자(party)들에게 실질적으로 관심이 없을 수 있다. 또한, 추후에 유사한 전자 회로들을 제조하는데 있어서, 상이한 결함들에 대한 지식(knowledge)이 유용할 수 있다.
도 1a 및 1b는 전자 회로에서의 2가지 타입들의 결함들을 도시하며, 여기에서 도 1a 및 1b의 각각은 전자 빔 검사를 사용하여 스캐닝된 (웨이퍼와 같은) 전자 회로를 도시한다. 도 1a 및 1b에 도시된 회로들의 각각의 하나의 그레이 레벨(grey level)은 웨이퍼의 해당 파트(part) 내의 전자 회로의 패턴을 나타낸다. 예를 들어, 상이한 전도도의 재료들(예를 들어, 전도 재료 및 절연 재료)이 상이한 반사 지수들(reflection indexes)을 가질 수 있고, 상기 상이한 반사 지수들은 상이한 그레이 레벨들로 변환될 수 있다. 이하의 논의는 이미지의 실질적으로 상이한 그레이 레벨 값들이 실질적으로 상이한 전기 전도도의 상이한 재료들을 나타내는 예에 관한 것이다.
결함들(10a 및 10c)(또한 "엣지 조도(edge roughness)" 결함들로 지칭된다)이 2개의 상이한 재료들 사이에서 웨이퍼의 이미지화된 층의 영역의 경계상에 위치된다. 그에 따라, 그러한 결함의 전자적인 영향은 비교적 제한되고, 그리고 일부 상황들 하에서 그러한 결함은 거의 관심 대상이 되지 않을 수 있다.
한편으로, 결함들(10b 및 10d)(또한 "쇼트 게이트(short gate)" 결함들로 지칭된다)이 유사한 재료들의 이미지화된 층의 2개의 영역들 사이에 위치되고, 그리고 서로로부터 절연되어야 하는 전자 회로들의 2개의 파트들 사이의 전도성 연결을 나타낼 수 있다. 그러한 결함의 전자적인 영향들이 비교적 중요할 수 있기 때문에, 일부 상황들 하에서 그러한 결함은 - 예를 들어, 더 높은 검사 해상도로 및/또는 더 느리고 보다 면밀한 이미지 분석을 사용하여 - 추가적으로 검사될 수 있다.
본원 발명의 양태에 따라서, 검사되는 객체의, 복수의 픽셀들을 포함하는 검사 이미지 내의 결함들을 검출하기 위한 분석 시스템이 개시된다. 이 시스템은:
· 검사 이미지의 복수 부분들(portions)에 대한 형판(template)의 매칭(matching)을 기초로, 검사 이미지에 대한 복수의 앵커(anchor) 위치("참조 위치"로서 또한 지칭된다)들을 연산하도록 구성된 컴퓨터화된 앵커 프로세싱 모듈("상관기(correlator)"로서 또한 지칭된다);
· 상기 컴퓨터화된 상관기에 동작적으로 연결되고, 검사 이미지의 복수의 픽셀들로부터의 각 픽셀을 복수의 이미지 세그먼트들로부터 선택된 각각의 이미지-세그먼트로 할당함으로써, 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정(define)하는 마스크를 기초로 검사 이미지를 세그먼트화(segmentize)하도록 구성되는 컴퓨터화된 세그먼트화 모듈로서, 상기 복수의 이미지 세그먼트들은 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트에 대응하는(correspond), 컴퓨터화된 세그먼트화 모듈; 그리고
· 상기 컴퓨터화된 세그먼트화 모듈에 동작적으로 연결되고, 적어도 (i) 검사 이미지들의 대응하는 픽셀들 사이의 차이들을 계산하기 위해서 검사 이미지를 제 2 검사 이미지에 대해서 비교하는 것에 의해서, 그리고 (ii) 검사 이미지의 복수의 픽셀들로부터의 각 픽셀에 대해서, (a) 기준 이미지의 상호관련(correlative) 데이터에 대해서 픽셀을 비교한 결과를 기초로, 그리고 (b) 픽셀에 대해 선택된 이미지-세그먼트에 의존하는 결정 규칙(rule)을 기초로, 픽셀을 평가(assess)하는 것에 의해서, 세그먼트화를 기초로 검사 이미지 내의 결함의 존재를 결정하도록 구성되는, 결함 검출 프로세서를 포함한다.
본원 발명의 양태에 따라서, 검사되는 객체의 복수의 픽셀들을 포함하는 검사 이미지 내의 결함들을 검출하기 위한 더 일반적인 분석 시스템이 개시된다. 이 시스템은:
· 검사 이미지에 대한 복수의 참조 위치들을 획득하도록 구성된 컴퓨터화된 상관기;
· 상기 컴퓨터화된 상관기에 동작적으로 연결되고, 검사 이미지의 복수의 파트들로부터의 각 파트를 복수의 이미지 세그먼트들로부터 선택된 각각의 이미지-세그먼트로 할당함으로써, 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정하는 마스크를 기초로 검사 이미지를 세그먼트화(segmentize)하도록 구성되는 컴퓨터화된 세그먼트화 모듈로서, 상기 복수의 이미지 세그먼트들은 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트에 대응하는, 컴퓨터화된 세그먼트화 모듈; 그리고
· 상기 컴퓨터화된 세그먼트화 모듈에 동작적으로 연결되고, (a) 기준 이미지의 상호관련 데이터에 대해서 픽셀을 비교한 결과를 기초로, 그리고 (b) 픽셀에 대해 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로 적어도 검사 이미지의 복수의 픽셀들로부터의 각 픽셀을 평가하는 것에 의해서, 세그먼트화를 기초로 검사 이미지 내의 결함의 존재를 결정하도록 구성되는, 결함 검출 프로세서를 포함한다.
선택적으로, 적어도 2개의 부분들이 적어도 부분적으로 중첩된다.
선택적으로, 상관기이 검사 이미지의 복수 부분들에 대한 형판의 매칭을 기초로 복수의 참조 위치들을 연산하도록 구성될 수 있다.
선택적으로, 시스템은 검사되는-객체 기준 영역의 기준 이미지의 적어도 일부를 다운샘플링(downsample)하도록, 그리고 다운샘플링의 결과를 기초로 형판을 생성하도록 구성된 기준 데이터 생성기를 더 포함할 수 있다.
선택적으로, 기준 데이터 생성기는 기준 이미지를 기초로 마스크를 규정하도록 추가적으로 구성될 수 있다.
선택적으로, 시스템은 컴퓨터-이용 설계(CAD) 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 마스크를 생성하도록 구성된 기준 데이터 생성기를 더 포함할 수 있다.
선택적으로, 시스템은 CAD 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 마스크를 생성하도록 구성된 기준 데이터 생성기를 더 포함할 수 있다.
선택적으로, 검사되는 객체가 전자 회로, 웨이퍼, 및 포토마스크로 이루어진 그룹으로부터 선택된다.
선택적으로, 상관기는 검사 이미지의 해상도를 초과하는 정확도로 참조 위치들을 연산하도록 구성될 수 있다.
선택적으로, 프로세서는 검사 이미지의 적어도 일부의 세그먼트화를 기초로 검사 이미지의 상이한 영역들에 대해 상이한 검출 방식들(schemes)을 규정하도록 추가적으로 구성될 수 있고; 상기 결함 검출 프로세서는 상기 규정의 결과를 기초로 결함의 존재를 결정하도록 구성된다.
선택적으로, 상기 시스템은, 검사 이미지의 복수의 픽셀들로부터의 각 픽셀에 대해서, 복수의 마스크 세그먼트들 중의 하나 또는 둘 이상과 관련한 픽셀의 분포를 결정하도록 구성된 분포 분석 모듈을 추가적으로 포함할 수 있고; 상기 컴퓨터화된 세그먼트화 모듈은 복수의 픽셀들에 대해서 결정된 분포들을 기초로 복수의 파트들 중의 파트들을 이미지 세그먼트들 중의 하나 또는 둘 이상의 이미지 세그먼트로 할당하도록 구성된다.
선택적으로, 시스템은, 상이한 결함-검출 세그먼트들을 규정하는 결함-검출 마스크를 기초로 그리고 검사 이미지에 대해서 결정된 위치를 기초로, 결함-검출 세그먼트들 중 하나 또는 둘 이상에 대한 잠재적(potential) 결함의 결함-검출 분포를 결정하도록 구성된 분포 분석 모듈을 더 포함할 수 있고; 상기 결함 검출 프로세서는 결함-검출 분포를 기초로 잠재적인 결함을 분류하도록 구성된 분류기(classifier)를 포함한다.
선택적으로, 시스템은 검사 이미지의 해상도를 초과하는 정확도로 하나 또는 둘 이상의 마스크-세그먼트들에 대한 잠재적인 결함의 분포를 결정하도록 구성된 분포 분석 모듈을 더 포함할 수 있고; 상기 결함 검출 프로세서는 상기 분포를 기초로 잠재적인 결함을 분류하도록 구성된다.
선택적으로, 상기 결함 검출 프로세서는 검사 이미지의 적어도 하나의 파트(잠재적인 결함과 상호관련되는 파트)가 할당된 하나 또는 둘 이상의 이미지-세그먼트들의 선택을 기초로 잠재적인 결함을 분류하도록 구성될 수 있다. 그러한 분류는 - 만약 시행된다면 - 상이한 등급(class)들이 검사되는 객체의 동작성(operability)에 대해 상이한 영향들을 가진 결함 타입들에 대응하는 분류작업(classification) 방식에 따라서 수행될 수 있다.
선택적으로, 시스템은 검사 객체를 검사하도록 그리고 검사를 기초로 검사 이미지를 제공하도록 구성된 센서를 더 포함할 수 있다.
본원 발명의 양태에 따라서, 검사되는 웨이퍼의 복수의 픽셀들을 포함하는 검사 이미지 내의 결함들을 검출하기 위한 컴퓨터화된 방법이 개시된다. 이 방법은:
· 검사 이미지의 복수 부분들에 대한 형판의 매칭을 기초로, 검사 이미지에 대한 복수의 참조 위치들을 연산하는 단계;
· 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정하는 마스크를 기초로, 상기 이미지의 복수의 픽셀들로부터의 각 픽셀을 복수의 이미지-세그먼트들로부터 선택된 각각의 이미지-세그먼트로 할당함으로써 검사 이미지를 세그먼트화하는 단계로서, 상기 복수의 이미지-세그먼트들은 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트에 대응하는, 세그먼트화 단계; 그리고
· 세그먼트화를 기초로 검사 이미지 내의 결함의 존재를 결정하는 단계로서, (i) 검사 이미지들의 대응하는 픽셀들 사이의 차이들을 계산하기 위해서 검사 이미지를 제 2 검사 이미지에 대해서 비교하는 것, 그리고 (ii) 검사 이미지의 복수의 픽셀들로부터의 각 픽셀에 대해서, (a) 기준 이미지의 상호관련 데이터에 대해서 픽셀을 비교한 결과를 기초로, 그리고 (b) 픽셀에 대해서 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로, 픽셀을 평가하는 것을 포함하는, 상기 결함의 존재를 결정하는 단계를 포함한다.
본원 발명의 양태에 따라서, 검사되는 객체의 복수의 픽셀들을 포함하는 검사 이미지 내의 결함들을 검출하기 위한 더 일반적인 컴퓨터화된 방법이 개시된다. 이 방법은:
· 검사 이미지에 대한 복수의 참조 위치들을 획득하는 단계;
· 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정하는 마스크를 기초로, 상기 검사 이미지의 복수의 파트들로부터의 각 파트를 복수의 이미지-세그먼트들로부터 선택된 각각의 이미지-세그먼트로 할당함으로써 검사 이미지를 세그먼트화하는 단계로서, 상기 복수의 이미지-세그먼트들은 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트에 대응하는, 세그먼트화 단계; 그리고
· 세그먼트화를 기초로 검사 이미지 내의 결함의 존재를 결정하는 단계로서, 상기 결함의 존재를 결정하는 단계는 검사 이미지의 복수의 픽셀들로부터의 각 픽셀에 대해서, (a) 기준 이미지의 상호관련 데이터에 대해서 픽셀을 비교한 결과를 기초로, 그리고 (b) 픽셀에 대해서 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로 픽셀을 평가하는 것을 포함하는, 상기 결함의 존재를 결정하는 단계를 포함한다.
선택적으로, 상기 획득하는 단계는 검사 이미지의 복수의 부분들에 대한 형판의 매칭을 기초로 복수의 참조 위치들을 연산하는 단계를 포함할 수 있다.
선택적으로, 상기 방법이 형판을 생성하는 단계를 더 포함할 수 있고, 상기 생성하는 단계는 검사되는-객체 기준 영역의 기준 이미지의 적어도 일부를 다운샘플링하는 단계를 포함한다.
선택적으로, 상기 마스크는 상기 기준 이미지를 기초로 결정될 수 있다.
선택적으로, 상기 방법이 CAD 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 형판을 생성하는 단계를 더 포함할 수 있다.
선택적으로, 상기 검사되는 객체가 전자 회로, 웨이퍼, 및 포토마스크로 이루어진 그룹으로부터 선택된다.
선택적으로, 상기 참조 위치들을 연산하는 단계의 정확도가 상기 검사 이미지의 해상도를 초과한다.
선택적으로, 적어도 2개의 부분들이 적어도 부분적으로 중첩된다.
선택적으로, 상기 방법이 CAD 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 마스크를 생성하는 단계를 더 포함할 수 있다.
선택적으로, 상기 결함의 존재를 결정하는 단계는 검사 이미지의 상이한 영역들에 대해서 규정된 상이한 검출 방식들을 기초로 하며, 상기 규정은 세그먼트화를 기초로 한다.
선택적으로, 상기 방법은, 복수의 마스크-세그먼트들 중 하나 또는 둘 이상에 대해서 검사 이미지의 복수의 픽셀들로부터의 각 픽셀의 분포를 결정하는 단계를 포함할 수 있고; 상기 세그먼트화는 복수의 픽셀들에 대해서 결정된 분포를 기초로 한다.
선택적으로, 상기 결함의 존재를 결정하는 단계는: (a) 상이한 결함-검출 세그먼트들을 규정하는 결함-검출 마스크를 기초로 그리고 검사 이미지에 대해서 결정된 위치를 기초로, 하나 또는 둘 이상의 결함-검출 세그먼트들에 대해서 잠재적인 결함의 결함-검출 분포를 결정하는 단계; 및 (b) 결함-검출 분포를 기초로 잠재적인 결함을 분류하는 단계를 포함한다.
선택적으로, 상기 결함의 존재를 결정하는 단계는 검사 이미지의 해상도를 초과하는 정확도로 하나 또는 둘 이상의 마스크-세그먼트들에 대해서 잠재적인 결함의 분포를 결정하는 단계; 및 상기 분포를 기초로 잠재적인 결함을 분류하는 단계를 포함한다.
선택적으로, 상기 결함의 존재를 결정하는 단계는 검사 이미지의 적어도 하나의 파트(잠재적인 결함과 상호관련되는 파트)가 할당된 하나 또는 둘 이상의 이미지-세그먼트들의 선택을 기초로 잠재적인 결함을 분류하는 단계를 포함한다. 상기 분류하는 단계는 - 만약 시행된다면 - 상이한 등급들이 검사되는 객체의 동작성에 대해 상이한 영향들을 갖는 결함 타입들에 대응하는 분류작업 방식에 따라서 잠재적인 결함을 분류하는 단계를 포함할 수 있다.
본원 발명의 양태에 따라서, 검사되는 객체의 검사 이미지 내에서 식별되는 잠재적인 결함을 분류하기 위한 방법을 실시하기 위해서 기계(machine)에 의해서 실행가능한 명령어들(instructions)의 프로그램을 유형적으로 구현하는(tangibly embodying) 기계에 의해서 판독될 수 있는 프로그램 저장 장치가 본원에서 개시되며, 상기 방법은: (i) 검사 이미지에 대한 복수의 참조 위치들을 획득하는 단계; (ii) 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정하는 마스크를 기초로, 상기 검사 이미지의 복수의 파트들로부터의 각 파트를 복수의 이미지-세그먼트들로부터 선택된 각각의 이미지-세그먼트로 할당함으로써 검사 이미지를 세그먼트화하는 단계로서, 상기 복수의 이미지-세그먼트들은 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트에 대응하는, 세그먼트화 단계; 그리고 (iii) 세그먼트화를 기초로 검사 이미지 내의 결함의 존재를 결정하는 단계로서, 상기 결함의 존재를 결정하는 단계는 검사 이미지의 복수의 픽셀들로부터의 각 픽셀에 대해서, (a) 기준 이미지의 상호관련 데이터에 대해서 픽셀을 비교한 결과를 기초로, 그리고 (b) 픽셀로부터 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로 픽셀을 평가하는 것을 포함하는, 상기 결함의 존재를 결정하는 단계를 포함한다.
선택적으로, 상기 획득하는 단계는 검사 이미지의 복수의 부분들에 대한 형판의 매칭을 기초로 복수의 참조 위치들을 연산하는 단계를 포함할 수 있다.
선택적으로, 상기 방법이 형판을 생성하는 단계를 더 포함할 수 있고, 상기 생성하는 단계는 검사되는-객체 기준 영역의 기준 이미지의 적어도 일부를 다운샘플링하는 단계를 포함한다.
선택적으로, 상기 마스크는 상기 기준 이미지를 기초로 결정된다.
선택적으로, 상기 방법이 CAD 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 형판을 생성하는 단계를 더 포함할 수 있다.
선택적으로, 상기 검사되는 객체가 전자 회로, 웨이퍼, 및 포토마스크로 이루어진 그룹으로부터 선택된다.
선택적으로, 상기 참조 위치들을 연산하는 단계의 정확도가 상기 검사 이미지의 해상도를 초과한다.
선택적으로, 적어도 2개의 부분들이 적어도 부분적으로 중첩된다.
선택적으로, 상기 방법이 CAD 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 마스크를 생성하는 단계를 더 포함할 수 있다.
선택적으로, 상기 결함의 존재를 결정하는 단계는 검사 이미지의 상이한 영역들에 대해서 규정된 상이한 검출 방식들을 기초로 하며, 상기 규정은 세그먼트화를 기초로 한다.
선택적으로, 상기 방법은, 복수의 마스크-세그먼트들 중 하나 또는 둘 이상에 대해서 검사 이미지의 복수의 픽셀들로부터의 각 픽셀의 분포를 결정하는 단계를 포함할 수 있고; 상기 세그먼트화는 복수의 픽셀들에 대해서 결정된 분포를 기초로 한다.
선택적으로, 상기 결함의 존재를 결정하는 단계는: (a) 상이한 결함-검출 세그먼트들을 규정하는 결함-검출 마스크를 기초로 그리고 검사 이미지에 대해서 결정된 위치를 기초로, 하나 또는 둘 이상의 결함-검출 세그먼트들에 대해서 잠재적인 결함의 결함-검출 분포를 결정하는 단계; 및 (b) 결함-검출 분포를 기초로 잠재적인 결함을 분류하는 단계를 포함한다.
선택적으로, 상기 결함의 존재를 결정하는 단계는 검사 이미지의 해상도를 초과하는 정확도로 하나 또는 둘 이상의 마스크-세그먼트들에 대해서 잠재적인 결함의 분포를 결정하는 단계; 및 상기 분포를 기초로 잠재적인 결함을 분류하는 단계를 포함할 수 있다.
선택적으로, 상기 결함의 존재를 결정하는 단계는 검사 이미지의 적어도 하나의 파트(잠재적인 결함과 상호관련되는 파트)가 할당된 하나 또는 둘 이상의 이미지-세그먼트들의 선택을 기초로 잠재적인 결함을 분류하는 단계를 포함할 수 있다. 상기 분류하는 단계는 - 만약 시행된다면 - 상이한 등급들이 검사되는 객체의 동작성에 대해 상이한 영향들을 갖는 결함 타입들에 대응하는 분류작업 방식에 따라서 잠재적인 결함을 분류하는 단계를 포함할 수 있다.
본원 발명을 이해하기 위해서 그리고 본원 발명이 실제로 어떻게 실행될 수 있는지를 보여주기 위해서, 첨부 도면들을 참조하여, 단지 비-제한적인 예로서, 실시예들이 이제 설명될 것이다.
도 1a 및 1b는 전자 회로 내의 결함들의 2가지 타입들을 도시한다.
도 2는, 본원 발명의 실시예에 따라, 검사되는 객체의 검사 이미지 내에서 식별되는 잠재적인 결함들을 분류하기 위해서 사용될 수 있는 잠재적인-결함 분석 시스템의 블록도이다.
도 3a는, 본원 발명의 실시예에 따라, 검사되는 객체의 검사 이미지 내의 결함 검출을 위한 컴퓨터화된 방법의 흐름도이다.
도 3b는, 본원 발명의 실시예에 따라, 검사되는 객체의 검사 이미지 내의 결함 검출을 위한 컴퓨터화된 방법의 일부를 도시한다.
도 3c는, 본원 발명의 실시예에 따라, 검사되는 객체의 검사 이미지 내의 결함 검출을 위한 컴퓨터화된 방법의 흐름도이다.
도 3d는, 본원 발명의 실시예에 따라, 검사되는 객체의 검사 이미지 내의 결함 검출을 위한 컴퓨터화된 방법의 흐름도이다.
도 4는, 본원 발명의 실시예에 따른, 형판 및 마스크의 표상을 도시한다.
도 5는, 본원 발명의 실시예에 따른, 이미지-세그먼트들과 마스크의 마스크-세그먼트들 사이의 몇 개의 부합성(correspondence) 관계들을 도시한다.
도 6은, 본원 발명의 실시예에 따른, 분류작업에서 사용된 실체들(entities) 사이의 관계들을 도시한다.
도 7은, 본원 발명의 실시예에 따른, 마스크에 의해서 규정된 복수의 세그먼트들 사이의 웨이퍼의 검사 이미지 내에서 식별된 잠재적인 결함의 분포를 도시한다.
도 8은, 본원 발명의 실시예에 따른, 세그먼트화를 위해서 사용될 수 있는 기준 데이터 생성을 위한 방법을 도시한다.
도 9는, 본원 발명의 실시예에 따른, 세그먼트화를 위해서 사용될 수 있는 기준 데이터 생성을 위한 프로세스를 도시한다.
도시의 간결함 및 명료함을 위해서, 도면들에 도시된 구성 요소들이 반드시 실척으로(scale) 도시된 것은 아님이 이해될 것이다. 예를 들어, 구성 요소들 중 일부의 치수들이 명료함을 위해서 다른 구성 요소들에 비해서 과장될 수 있다. 또한, 적절한 것으로 고려되는 경우에, 대응하는 또는 유사한 구성 요소들을 나타내기 위해서 도면들 사이에서 참조 번호들이 반복될 수 있다.
본원 발명의 완전한 이해를 제공하기 위해서, 이하의 구체적인 설명에서, 많은 특정의 세부 사항들이 기술된다. 그러나, 이러한 특정의 세부 사항들이 없이도 본원 발명이 실시될 수 있다는 것을 당업자는 이해할 수 있다. 다른 예들에서, 본원 발명을 불명료하게 하지 않도록, 공지된 방법들, 절차들, 및 성분들은 구체적으로 설명하지 않았다.
도면들에서 그리고 기술된 설명들에서, 동일한 참조 번호들은 상이한 실시예들 또는 구성들에서 공통되는 성분들을 나타낸다.
구체적으로 달리 언급되지 않는다면, 이하의 설명들로부터 분명한 바와 같이, 명세서 전반에서 프로세싱, 계산, 결정, 생성, 셋팅, 또는 선택 등과 같은 용어들을 사용하는 설명들은 데이터를 다른 데이터로 조작 및/또는 변환하는 컴퓨터의 작동 및/또는 프로세스들을 포함하고, 상기 데이터는, 예를 들어 전자적인 양들(electronic quantities)과 같은 물리적인 양들로서 표현되고, 및/또는 상기 데이터는 물리적인 객체들을 나타낸다. "컴퓨터"라는 용어는, 비-제한적인 예로서, 개인용 컴퓨터, 서버, 연산 시스템, 통신 디바이스, 프로세서(예를 들어, 디지털 신호 프로세서(DSP), 마이크로제어기, 필드 프로그램 가능 게이트 어레이(FPGA), 주문형 집적 회로(ASIC), 등), 임의의 다른 전자적 연산 디바이스, 및/또는 이들의 임의의 조합을 포함하는, 데이터 프로세싱 능력들을 가지는 임의 종류의 전자적 디바이스를 포함하는 것으로 광범위하게 해석되어야 할 것이다.
본원의 개념들에 따른 동작들은, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램에 의해서, 희망 목적들을 위해서 특별하게 구성된 컴퓨터에 의해서 또는 희망 목적을 위해서 특별하게 구성된 범용 컴퓨터에 의해서 실행될 수 있다.
본원에서 사용된 바와 같이, "예를 들어", "~과 같은", "예로서" 및 그 변형들이라는 문구는 본원에서 개시되는 내용(subject matter)의 비-제한적인 실시예들을 설명한다. "하나의 경우", "일부 경우들", "다른 경우들" 또는 그 변형들에 대한 명세서 내의 언급은, 실시예(들)와 관련하여 설명된 특별한 특징, 구조 또는 특성이 본원에서 설명되는 내용의 적어도 하나의 실시예에 포함된다는 것을 의미한다. 그에 따라, "하나의 경우", "일부 경우들", "다른 경우들" 또는 그 변형들이라는 문구의 출현이 반드시 동일한 실시예(들)를 지칭하는 것은 아니다.
독립된 실시예들에 대한 내용에서 설명되는 본원에 개시된 내용의 특정한 특징들은, 명료함을 위해서, 또한 하나의 실시예에서 조합되어 제공될 수 있음이 이해된다. 반대로, 하나의 실시예에 대한 내용에서 설명된 본원에 개시된 내용의 다양한 특징들은, 간결함을 위해서, 또한 독립적으로 또는 임의의 적합한 하위-조합(sub-combination)으로 제공될 수 있다.
본원에 개시되는 내용에 관한 실시예들에서, 도면들에 도시된 하나 또는 둘 이상의 스테이지들은 상이한 순서로 실행될 수 있으며, 및/또는 스테이지들의 하나 또는 둘 이상의 그룹들은 동시에 실행될 수 있으며, 그 역 또한 같다. 도면들은 본원에 개시된 내용의 실시예에 따른 시스템 아키텍처(architecture)의 전체적인 개략도를 도시한다. 도면들 내의 각각의 모듈은 본원에서 규정되고 설명되는 바와 같은 기능들을 실행하는 소프트웨어, 하드웨어 및/또는 펌웨어의 임의 조합으로 구성될 수 있다. 도면들에서의 모듈들이 하나의 위치에 집중될 수 있거나 또는 하나보다 많은 위치에 걸쳐 분산될 수 있다.
도 2는, 본원 발명의 일 실시예에 따른, 검사되는 객체(50)의 검사 이미지 내의 결함들을 검출하기 위해서 사용될 수 있는 분석 시스템(1200)의 블록도이다. 반드시 그래야 하는 것은 아니지만, 검사되는 객체가 전자 회로, 웨이퍼, 및 포토마스크로 이루어진 그룹으로부터 선택될 수 있다. 다른 구현예들에서, 시스템(1200)이 결함 검출 이외의 목적들을 위해서, 그리고 특히, 시스템(1200)에 의해 구현되는 바와 같이, 검사 이미지의 세그먼트화를 필요로 하는 용도들을 위해서 사용될 수 있다는 것이 주지될 것이다.
검사 이미지 자체와 관련하여, 시스템(1200)은 많은 방식들로 검사 이미지를 획득할 수 있다. 예를 들어, 시스템(1200)은 (예를 들어, 웨이퍼 또는 다른 타입들의 검사되는 객체들의 제조 중의 상이한 스테이지들 동안에) 웨이퍼 또는 다른 타입들의 검사되는 객체들을 검사하기 위해서 사용되는 검사 기계(1210)와 조합될 수 있다. 다른 구현예들에서, 시스템(1200)이 그러한 검사 기계에 연결될 수 있거나, 또는 한번에 기계들 중 하나에 대해서만 연결되는 오프-라인 디바이스에 의해서 검사 이미지가 전송될 수 있다. 또한, 시스템(1200)은 이하에서 논의되는 변경들 및/또는 특징들의 일부 또는 전부가 통합된 검사 기계일 수 있다. 일반적으로, 시스템(1200)은 검사 객체를 검사하도록 구성되고 그리고 검사를 기초로 검사 이미지를 제공하도록 구성되는 센서를 포함할 수 있다.
이하에서 더 상세히 논의되는 바와 같이, 시스템(1200)의 하나 또는 둘 이상의 성분들이 사용되어 웨이퍼의 스캐닝된 이미지 내의 결함들을 검출할 수 있다. 그러한 검출의 결과들은 후속하는 웨이퍼의 제조 시에 및/또는 후속하는 웨이퍼의 검사의 스테이지들에서 사용될 수 있다. 이하에서 논의되는 방법(1500)에 비추어 볼 때, 시스템(1200)이 동작될 수 있는 방식들 중 일부가 더 명료해질 것이다.
시스템(1200)은 검사 이미지에 대한 복수의 참조 위치들을 획득하도록 구성된 컴퓨터화된 앵커 프로세싱 모듈(1220)("상관기(correlator)(1220)"로서 또한 지칭된다)을 포함한다. 선택적으로, 상관기는 검사 이미지의 복수 부분들에 대해서 형판을 매칭시킴으로서 그렇게 하도록 구성된다. 예를 들어, 상관기(1220)는 형판과 검사 이미지의 상이한 부분들 사이의 상관성(correlation)을 연산하도록 구성될 수 있고, 그리고 형판과의 상관성이 가장 큰 부분들을 기초로 참조 위치들을 규정하도록 구성될 수 있다. 선택적으로, 상관기(1220)는 하나 또는 둘 이상의 미리 결정된 셀(cell)-크기들의 복수의 셀-영역들을 검사 이미지 내에서 선택하도록 구성될 수 있다(예를 들어, 상관성의 결과를 기초로, 가장 큰 상관성을 가지는 영역을 선택한다).
반드시 그래야 하는 것은 아니지만, 컴퓨터화된 상관기(1220)는 검사 이미지의 해상도를 초과하는 정확도로 참조 위치들을 연산하도록 구성될 수 있다. 상관기(220)가 동작될 수 있는 방식들의 예들이 방법(1500)의 스테이지들(1530 및 1540)과 관련하여 더 구체적으로 논의된다.
형판은 기준 데이터 입력 인터페이스(1202)로부터 수신될 수 있거나, 또는 이미지 프로세싱 모듈(1230)과 같은 시스템(1200)의 성분에 의해서 생성될 수 있다. 검사 이미지는 검사 결과들 인터페이스(1204)를 통해서 수신될 수 있거나, 또는 이미징 시스템(1210)(또한 "검사 기계"로 지칭된다)에 의해서 획득될 수 있다.
시스템(1200)은 이미지 프로세싱 모듈(1230)을 포함할 수 있다. 선택적으로, 이미지 프로세싱 모듈(1230)은 검사 이미지의 해상도보다 더 높은 해상도로 참조 위치들(예를 들어, 이하에서 논의되는 마스크에 의해서 규정되는 크기와 동일한 크기로)과 연관된 영역들(도 6 및 7에서 1110으로 표시됨)을 업샘플링하도록 구성될 수 있다. 다른 구현예들에서, 이미지 프로세싱 모듈은 검사 이미지의 파트들을 단순히 클립(clip)할 수 있고 그리고 (추가적으로 이미지 프로세싱하여 또는 하지 않고) 그들을 세그먼트화장치(segmentizer)(1250)로 (또는 분포 분석 모듈(1240)로) 전송할 수 있다. 이미지 프로세싱 모듈(1230)이 작동적으로 동작될 수 있는 방식들의 예들이 방법(1500)의 스테이지(1550)와 관련하여 더 구체적으로 논의된다.
시스템(1200)은 상이한 세그먼트들에 대한 분포들을 결정하도록 구성된 분포 분석 모듈(1240)을 포함할 수 있다. 예를 들어, 분포 분석 모듈(1240)은, 참조 위치들을 기초로 그리고 상이한 마스크-세그먼트들을 규정하는 마스크를 기초로, 마스크의 하나 또는 둘 이상의 마스크-세그먼트들에 대한 검사 이미지의 상이한 파트들의(예를 들어, 그들의 픽셀들의) 분포를 결정하도록 구성될 수 있다.
분포 분석 모듈(1240)은, 검사 이미지의 복수의 픽셀들로부터의 각각의 픽셀에 대해서, 복수의 마스크-세그먼트들 중의 하나 또는 둘 이상에 대한 픽셀의 분포를 결정하도록 구성될 수 있다. 그러한 구현예에 따라서, 컴퓨터화된 세그먼트화 모듈(1250)은 복수의 픽셀들에 대해서 결정된 분포들을 기초로 복수의 파트들 중의 파트들을 하나 또는 둘 이상의 이미지 세그먼트들에 대해서 할당하도록, 구성될 수 있다.
분포 분석 모듈(1240)이 동작될 수 있는 방식들의 예들이 방법(1500)의 스테이지(1550)와 도 6 및 7과 관련하여 더 구체적으로 논의된다.
이하에서 더 구체적으로 논의되는 바와 같이, 본원 발명의 실시예에 따라서, 분포 분석 모듈(1240)은 마스크의 해상도와 관련된 하위-픽셀 레벨에서 그들의 분포들을 결정하도록 구성될 수 있다.
컴퓨터화된 세그먼트화 모듈(1250)은 (예를 들어, 이미지 프로세싱 모듈(1230)을 통해서, 공유된 버스를 통해서 등등) 컴퓨터화된 상관기(1220)에 동작적으로 연결되고, 그리고 복수의 참조 위치들을 기초로 그리고 마스크(전술한 바와 같이, 복수의 마스크-세그먼트들을 규정한다)를 기초로 검사 이미지를 세그먼트화하도록 구성된다. 세그먼트화 모듈(1250)이 세그먼트화 동안에 검사 이미지의 다른 부분들과 관련된 부가적인 인자들을 사용할 수 있다는 것을 주지하여야 한다. 그러한 세그먼트화 모듈(1250)이 동작될 수 있는 방식들의 예들이 방법(1500)의 스테이지(1550)와 관련하여 이하에서 더 구체적으로 설명된다.
세그먼트화 모듈(1250)은, 검사 이미지의 복수의 파트들로부터의 각 파트(예를 들어, 그들의 각 픽셀)를 복수의 이미지 세그먼트들로부터 선택된 각각의 이미지-세그먼트에 대해서 할당함으로써, 검사 이미지를 세그먼트화하고, 상기 복수의 이미지 세그먼트들은 상기 복수의 마스크-세그먼트들의 적어도 하나의 마스크-세그먼트에 대응한다.
시스템(1200)의 결함 검출 프로세서(1260)(컴퓨터화된 세그먼트화 모듈(1250)에 동작적으로 연결된다)가 세그먼트화를 기초로 검사 이미지 내의 결함의 존재를 결정하도록 구성된다. 결함 검출 프로세서(1260)는, 적어도, (a) 기준 이미지의 상호관련 데이터에 대해서 픽셀을 비교한 결과를 기초로, 그리고 (b) 픽셀에 대해 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로, 검사 이미지의 복수의 픽셀들로부터의 각 픽셀을 평가(assess)하는 것에 의해서 결함의 존재를 결정하도록 구성될 수 있다. 결함 검출 프로세서(1260)가 동작될 수 있는 방식들의 예들이 방법(1500)의 스테이지(1560)와 관련하여 더 구체적으로 논의된다.
기준 이미지의 상호관련 데이터는, 예를 들어 해당 기준 이미지의 대응하는 픽셀(예를 들어, 이미지들의 정렬 후의 동일한 위치 내에 배치되는 픽셀), 몇 개의 픽셀들의 데이터의 평균(예를 들어, 비교되는 이미지들의 픽셀들이 검사되는 객체의 동일한 물리적 크기에 대응하지 않는 경우), 벡터 기준 이미지의 벡터 정보로부터 연산된 상호관련 데이터(예를 들어, CAD 데이터로부터 생성됨) 등등일 수 있다. 반드시 그래야 하는 것은 아니지만, 상호관련 데이터는 검사되는 객체의 동일한 영역과 실질적으로 관련되거나, 또는 실질적으로 유사한 영역에 관련된다(예를 들어, 동일한 웨이퍼의 다른 다이 내의 유사(parallel) 영역).
예를 들어, 결함 검출 프로세서(1260)는 검사 이미지의 적어도 일부의 세그먼트화를 기초로 하는 검사 이미지의 상이한 영역들에 대한 상이한 검사 방식들을 규정하도록 구성될 수 있는 반면, 결함 검출 프로세서(1260)는 그러한 규정의 결과를 기초로 결함의 존재를 결정하도록 규정된다. 그러한 구현예에서, 검사 이미지를 이미지-세그먼트들로 세그먼트화하기 위해서, 상이한 결함 검출 방식들이 구현될 수 있는 상이한 이미지-세그먼트들이 사용될 수 있다. 몇 가지 예들은 다음과 같다:
· 상이한 이미지-세그먼트들이 상이한 관심(interest) 레벨을 나타낼 수 있다.
· 상이한 컴퓨터적인 파워(computational power)를 사용하여, 또는 그렇지 않으면 자원들(resources)의 상이한 상대적인 양을 달리 구현하여, 상이한 이미지-세그먼트들이 상이한 해상도로 결함들에 대해서 분석될 수 있다.
· 상이한 결함 검출 방식들(예를 들어, 다이-대-다이(die-to-die), 다이-대-복수-다이들, 다이-대-데이터베이스, 셀-대-셀 등)을 사용하여 다른 이미지-세그먼트들이 분석될 수 있다.
· 결함 검출에 대한 상이한 문턱값들(thresholds)이 상이한 이미지-세그먼트들에서 구현될 수 있다.
· 상이한 타입들의 결함들이 상이한 이미지-세그먼트들에 대해서 관찰(look)될 수 있다.
전술한 바와 같이, 복수의 이미지-세그먼트들이 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트와 대응한다. 상이한 구현예들에서, 이미지-세그먼트들과 마스크-세그먼트들 사이의 상이한 상관성 관계들이 적용될 수 있다.
결함 검출 프로세서(1260)는 검사 이미지의 적어도 일부의 세그먼트화를 기초로 검사 이미지의 상이한 영역들에 대해서 상이한 검출 방식들을 규정하도록 구성될 수 있지만, 또한 세그먼트화를 기초로, 검사 이미지의 상이한 영역들에 대해서 하나의 검출 방식의 상이한 매개 변수들을 규정하도록 구성될 수 있다. 예를 들어, 결함 검출 프로세서(1260)는 (a) 각각의 기준 이미지(예를 들어, 제 2 검사 이미지)의 그리고 검사 이미지의 대응하는 픽셀들 사이의 차이들을 계산하도록, 그리고 (b) 검사 이미지의 복수의 픽셀들로부터의 각 픽셀에 대해서, (i) 픽셀이 포함되는 쌍에 대해서 계산된 차이, 및 (ii) 픽셀에 대해서 선택된 이미지-세그먼트에 의존하는 결정 규칙(예를 들어 - 결정 규칙은 해당 픽셀에 대해서 선택된 이미지-세그먼트를 기초로 선택되는 문턱값에 대한 차이의 비교를 포함할 수 있다)을 기초로, 픽셀을 평가하도록 구성될 수 있다.
시스템(1200)은 (세그먼트화 모듈(1250)의) 세그먼트화의 결과들 및/또는 그 존재가 결함 검출 프로세서(1260)에 의해서 결정된 결함들(예를 들어 주목할만한(noteworthy) 것으로 분류된 결함들만)의 정보를 유형의 저장 장치에 저장하기 위해서 유형의 저장장치(1275)(예를 들어, 하드-드라이브 디스크, 플래시 드라이브 등)를 포함할 수 있다. 시스템(1200)은 또한 그러한 정보(또는 그 파트)를 (예를 들어, 케이블 연결을 통해서 또는 무선 연결을 통해서) 외부 시스템으로 전송하기 위한 출력 인터페이스(1270)를 포함할 수 있고, 상기 외부 시스템은 또한 세그먼트화를 기초로 그리고/또는 결함 정보를 기초로 작용할 수 있다.
시스템(1200)은 또한 검사 모듈을 포함할 수 있고, 그러한 검사 모듈은 웨이퍼들과 같은 검사되는 객체들의 스캐닝에 의해서 전술한 검사 이미지를 제공하는 전술한 검사 기계(1210)일 수 있고, 그리고 대안적으로, 검사 이미지의 해상도보다 더 높은 해상도로 웨이퍼(또는 다른 검사되는 객체)를 검사하도록 구성된 후속(posterior) 검사 모듈(1280)일 수 있다.
예를 들어, 이러한 검사 모듈은, 검사 이미지의 해상도보다 더 높은 해상도로, 세그먼트를 기초로 선택된 검사되는 객체의 영역들(예를 들어, 특정 이미지-세그먼트들에 대응하나 다른 이미지-세그먼트들 중 적어도 하나에는 대응하지 않는 검사되는 객체의 파트들)을 선택적으로 스캐닝하도록 구성될 수 있다. 후속 검사 모듈(1280)의 시야(field of view)는 검사 기계(1210)의 시야보다 더 좁을 수 있지만, 이는 필수적인 것은 아니다.
이러한 예에서, 결함 검출 모듈(1260)은 더 높은 해상도로 스캐닝된 영역들 내에서만 결함들을 탐색할 수 있다. 그러나, 결함 검출 모듈(1260)은 (임의의 부가적인 검사 데이터를 필요로 하지 않고) 검사 이미지 상에서 직접적으로 동작할 수 있고 그리고 그렇지 않은 경우에 하나 또는 둘 이상의 결함들의 존재를 결정하기 위해서 세그먼트화를 실행할 수 있다는 것이 주목된다. 예를 들어, 결함 검출 모듈(1260)은 상이한 문턱값들(또는 다른 결함 검출 표준(criteria))을 검사 이미지의 상이한 파트들에 할당하기 위해서 세그먼트화를 사용함으로써 그렇게 할 수 있다.
검사 기계(1210) 및/또는 후속 검사 모듈(1280)은, 구현되는 경우에, 광학식 이미징 기계들, 전자 빔 검사 기계들, 레이더들, LIDARs 등과 같은 여러 가지 타입의 검사 기계들로서 구현될 수 있다는 것을 주목하여야 한다.
일반적으로, 웨이퍼(또는 다른 검사되는 객체) 내의 결함들을 식별하는 것은 상이한 기술들을 사용하여 구현될 수 있으며, 그러한 다른 기술들 중에는 광학식 검사 및 전자 빔 검사가 있다. 시스템(1200)의 사용은 하나의 검사 기술보다 많은 검사 기술을 사용하는 것을 도울 수 있다. 예를 들어, 웨이퍼의 초기 검사는 첫 번째로 검사 시스템(1200)에 의해(예를 들어, 대략적인 그리고 신속한 검사를 위해서 셋팅된 광학식 검사 또는 전자 빔 검사를 사용하여) 비교적 신속하게 그리고 대략적인 방식으로(coarse manner) 실행된다. 추후에, 초기 검사에서 발견된 잠재적인 결함들 중 일부(분류기(1250)의 분류 결과를 기초로 선택됨)는, 비교적 느리지만 더 정확한 검사를 사용하여 다시 조사된다. 그러한 후속 스캐닝은 검사 기계(1210)의 다른 모드에서 또는 상이한 후속 검사 모듈(1280)(프로세스에서, 예를 들어, DRSEM - 결함 재검토 스캐닝 전자 현미경(Defect Review Scanning Electron Microsope)에 의한, "재검토(reviewing)"로 또한 지칭된다)에서 실행될 수 있다.
전술한 마스크를 참조하면, 선택적으로 마스크가 복수의 타입들의 마스크-세그먼트들을 규정할 수 있으며, 상기 타입들의 수는 마스크-세그먼트들의 수보다 적다. 그러한 구현예들에서, 분포 분석 모듈(1240)이 하나 또는 둘 이상의 타입들 사이의 잠재적인 결함의 타입-기초(type-based) 분포를 결정하도록 구성될 수 있고; 그리고 세그먼트 모듈(1250)이 타입-기초 분포를 기초로 검사 이미지를 세그먼트화하도록 구성될 수 있다. 그러나, 설명의 간결함을 위해서, 각각의 마스크-세그먼트가 다른 마스크-세그먼트들과 독립적으로 핸들링된다는 것이 예상될 것이다.
반드시 그래야 하는 것은 아니지만, 상이한 마스크-세그먼트들은, 검사되는 객체가 제조되는 재료, 검사되는 객체의 반사 값, 검사되는 객체의 전기 전도성, 등과 같은 상이한 물리적 특성들을 가지는 검사되는 객체의 파트들에 대응할 수 있다. 이하에서 더 구체적으로 논의되는 바와 같이, 세그먼트화 모듈(1250)은 결함 타입들에 대한 민감도(susceptibility)에 대응하는 이미지-세그먼트들로 검사 이미지를 세그먼트화하도록 구성될 수 있으며, 검사되는 객체의 동작성에 미치는 상기 결함 타입들의 영향들은 상이하다.
마스크가 시스템(1200)으로 제공될 수 있다는 것, 또는 시스템(1200)에 의해서 생성될 수 있다는 것이 주목된다. 선택적으로, 시스템(1200)은 프로세서 상에서(예를 들어, 이미지 프로세싱 모듈(1230) 상에서) 구현되는 기준 데이터 생성기를 포함할 수 있다. 기준 데이터 생성기는 이하 중 임의의 하나 또는 둘 이상을 위해: (a) 검사되는-객체 기준 영역의 기준 데이터를 기초로 마스크를 규정하도록, (b) 그러한 기준 이미지의 파트(동일한 것일 수도 있지만, 반드시 그래야 하는 것은 아니다)를 다운샘플링하도록, 그리고 (c) 상기 다운샘플링의 결과를 기초로 형판을 생성하도록 구성된다. 마스크 및/또는 형판의 생성을 위해서 사용되는 기준 이미지는 검사 이미지일 수 있고, 그리고 또한 CAD 데이터로부터 생성된 이미지일 수 있다. 그러한 기준 데이터 생성기가 동작될 수 있는 방식들의 예들은 방법(1600) 및 도 9와 관련하여 더 구체적으로 논의된다.
전술한 바와 같이, 시스템(1200)은 복수의 이미지-세그먼트들 중의 하나 또는 둘 이상에 대한 잠재적인 결함의 분포 및/또는 복수의 마스크-세그먼트들 중 하나 또는 둘 이상에 대한 검사 이미지의 여러 가지 픽셀들의 분포를 결정하도록 구성된 분포 분석 모듈(1240)을 포함할 수 있다.
선택적으로, 그러한 구현예에서, 분포를 기초로 잠재적인 결함을 분류하도록 결함 검출 프로세서(1260)가 구성될 수 있다. 예를 들어, 등급들이 검사되는 객체의 동작성에 대한 영향들이 상이한 결함 타입들에게 대응하는 분류작업에 따라서, 그러한 분류는 잠재적인 결함을 분류하는 것을 포함할 수 있다.
결함 검출 프로세서(1260)는 또한, 검사 이미지의 적어도 하나의 파트(잠재적인 결함과 상호관련되는 파트)가 할당된 하나 또는 둘 이상의 이미지-세그먼트들의 선택을 기초로 잠재적인 결함을 분류하도록 구성될 수 있다. 그러한 분류는 - 만약 시행된다면 - 상이한 등급들이 검사되는 객체의 동작성에 대해 상이한 영향들을 가진 결함 타입들에 대응하는 분류작업 방식에 따라서 수행될 수 있다.
그러한 분류 방식들은, 예를 들어, 웨이퍼 또는 포토마스크 내의 잠재적인 결함들을 "엣지 조도" 결함 대 "쇼트 게이트" 결함들로 분류하는 것을 포함할 수 있다.
기준 데이터 입력 인터페이스(1202)를 통해서 외부 시스템으로부터 마스크 및 형판을 수신하는 대신에, 시스템(1200)은 검사되는-객체 기준 영역의 기준 이미지를 기초로 마스크를 규정하도록 구성되는 기준 데이터 발생기(예를 들어, 마스크 생성 모듈(1290)을 포함할 수 있다.
시스템(1200)의 기준 데이터 생성기는 기준 이미지의 파트를 다운샘플링하도록, 그리고 다운샘플링의 결과를 기초로 형판을 생성하도록 구성될 수 있다. 형판이 기준 이미지 및/또는 검사 이미지보다 더 낮은 해상도를 가질 수 있지만, 다운샘플링에 부가하여 또는 그 대신에, 형판 생성에 있어서, 단순한 다운샘플링 이외의 이미지 프로세싱 기술들이 또한 구현될 수 있다는 것이 주목된다. 기준 데이터 생성기가 CAD 데이터로부터 기준-이미지를 생성하도록 또는 기준으로서 스캐닝 이미지를 사용하도록 구성될 수 있다.
전술한 바와 같이, 시스템(1200) 및 그 구성 요소들이 동작될 수 있는 방식들의 일부가 방법(1500)과 관련하여 더 구체적으로 논의될 수 있다.
시스템(1200)은 (PC와 같은) 컴퓨터상에서, 예를 들어, 런타임(runtime) 검사 결과들의 전체적인 분류작업(Image Based Attributing; IBA)을 실행하는 컴퓨터상에서 실행될 수 있지만, 반드시 그래야 하는 것은 아니다. 시스템(1200)의 모듈들 또는 구성 요소들의 각각이 소프트웨어, 하드웨어, 펌웨어 또는 이들의 임의의 조합으로 구현될 수 있다. 추가적으로, 시스템(1200)은 또한 도시되지 않은 다른 구성 요소들을 포함할 수 있으며, 그러한 구성 요소들(예를 들어, 전원, 디스플레이 등)의 포함은 당업자에게 자명할 것이다.
도 3a는, 본원의 실시예에 따른, 검사되는 객체의 검사 이미지 내의 결함들을 검출하기 위한 컴퓨터화된 방법(1500)의 흐름도이다. 검사 이미지는 복수의 픽셀들을 포함한다. 이전의 도면들에서 도시된 예들을 참조하면, 방법(1500)은 시스템(1200)에 의해서 실행될 수 있다. 구체적으로 설명하지는 않았지만, 시스템(1200)의 상이한 실시예들이 방법(1500)의 여러 가지 개시된 변경들을 실시할 수 있다. 유사하게, 설명의 간결함 및 명료함은 그러한 반복적인 설명을 필요로 하지 않았을 지라도, 방법(1500)의 상이한 실시예들은 그 실행이 시스템(1200)의 여러 가지 개시된 변경들을 충족시키게 되는 스테이지들을 포함할 수 있다.
방법(1500)은, 매우 작은 스케일(예를 들어, 밀리미터 급의 또는 나노스케일의 객체들)로부터 항공기로부터 또는 인공위성으로부터 이미지화된 지리적인 영역과 같은 더 큰 객체들까지, 검사되는 객체들의 여러 가지 타입들에 대해서 구현될 수 있다. 식별되는 항목(item)이 특정 항목 또는 그 그룹일 수 있지만(예를 들어, 공중의 이미지에서 탱크들을 찾는 것), 또한, 예를 들어, 예상되는 패턴으로부터의 이탈(deviation)(예를 들어, 텍스타일 직물 내의 홀, 또는 웨이퍼 내의 잠재적인 제조 결함)일 수 있다.
개시 내용을 명확하게 하기 위해서, 전자적 회로, 웨이퍼, 및 포토마스크(포토리소그래피와 같이, 그러한 포토마스크를 통한 빛의 통과를 구현하는 프로세스에서 전자적 회로들 또는 다른 객체들의 제조를 위해서 사용될 수 있는 부분적으로 투명한 플레이트)로 이루어진 그룹으로부터 선택된 검사되는 객체의 수정된(revised) 예를 사용하여, 방법(1500)의 상이한 스테이지들이 예시될 것이다. 검사 이미지 내에서 식별되는 하나 또는 둘 이상의 항목들이 잠재적인 결함들의 예를 사용하는 그러한 경우들에서 예시될 것이다. 그럼에도 불구하고, 당업자는 이러한 것이 단지 하나의 예일 뿐이고, 그리고 검사되는 객체들 및 그 검사 이미지들 내에서 식별된 항목들(예를 들어, 앞서서 제공된 예들)의 많은 다른 타입들이 구현될 수 있다는 것을 이해할 것이다.
방법(1500)은, 검사되는 객체의 적어도 일부가 이미지화되는 검사 이미지를 포함하는 검사 결과들을 수신하는 스테이지(1510)를 포함할 수 있다. 이전의 도면들에서 제시된 예들을 참조하면, 스테이지(1510)는 시스템(1200)의 검사 결과들 인터페이스(1204)와 같은 검사 결과 인터페이스에 의해서 실행될 수 있다. 후속(later) 스테이지들이 전체 검사 이미지들에 대해서 필수적으로 실시되는 것은 아니기 때문에, 상기 수신은 방법(1500)의 후속하는(following) 스테이지들이 실행되어야 하는 검사 이미지의 파트들에 대한 표시(indication)를 포함할 수 있다.
명백하게, 검사 이미지의 수신은 검사 이미지를 캡쳐링하는(또는 이와 달리 생성하는) 스테이지로서 구현될 수 있다. 예를 들어, 이는 광학식 사진술에 의해서, 전자 빔 검사에 의해서, 레이저 빔 검사에 의해서, 기타 등등에 의해서 구현될 수 있다. 유사하게, 항목 식별 정보는 외부 실체로부터 동일한 것을 수신함으로써 획득될 수 있을 뿐만 아니라, 검사 이미지를 이미지-프로세싱함으로써, 그리고 이미징 프로세싱의 결과들을 기초로 항목 식별 정보를 생성함으로써 또한 얻어질 수 있다.
방법(1500)은 또한 "형판" 및 "마스크"로서 이하에서 지칭되는 데이터 실체들 중 적어도 하나를 포함하는 기준 데이터를 수신하는 것을 포함하는 스테이지(1520)를 포함할 수 있고, 상기 데이터 실체들의 내용 및 사용이 이하에서 설명될 것이다. 다른 구현예에서, 그러한 데이터 실체들 중 하나 또는 둘 이상이 방법의 일부로서 생성될 수 있다. 그러한 데이터 실체들의 생성은 방법(1600)과 관련하여 논의되며, 그러한 생성은 방법(1500)의 일부로서, 또는 그와 독립적으로 구현될 수 있다. 앞선 도면들에서 제시된 예들을 참조하면, 스테이지(1520)가 시스템(1200)의 기준 데이터 입력 인터페이스(1202)와 같은 기준 데이터 입력 인터페이스에 의해서 실행될 수 있다. 형판, 마스크 및 세그먼트화 규칙들은 사용자에 의해서 규정될 수 있고, 기계에 의해서 규정될 수 있고, 그리고 기타 등등에 의해서 규정될 수 있다.
스테이지(1520)는 세그먼트화가 적용되어야 하는 검사 이미지 또는 파트(또는 몇 개의 파트들)의 표시를 포함할 수 있다. 만약 그러한 표시가 수신된다면(또는 대안적으로 방법(1500)의 일부로서 결정된다면), 후속하는 스테이지들이 해당 파트(또는 파트들)에 대해서만 선택적으로 실행된다.
도 4를 참조하여 형판 및 마스크 데이터 실체들이 소개될 것이다. 도 4는, 본원 발명의 실시예에 따른, 형판(1300) 및 마스크(1400)의 표상을 도시한다. 본원 발명의 그러한 실시예에 따르면, 형판(1300)은 이미지이다. 형판 이미지는 검사되는 객체의 일부의 실제 이미지일 수 있거나, 또는 유사한 이미지일 수 있다. 예를 들어, 형판(1300)의 이미지 데이터가 검사되는 객체(또는, 예를 들어 이하에서 논의되는 바와 같이, 유사한 기준 객체)의 파트를 실제로 이미지화함으로써 얻어질 수 있다. 다른 실시예들에서, 형판(1300)의 이미지 데이터가 디자인 데이터(예를 들어, CAD 데이터)를 프로세싱함으로써 얻어질 수 있다. 이하에서 논의되는 바와 같이, 형판의 이미지 데이터가 더 높은 해상도의 원래 이미지의 적어도 일부를 다운샘플링함으로써(즉, 공간적 해상도를 감소시킴으로써) 획득될 수 있다. 수신된 형판의 해상도는 런타임 검사 이미지의 해상도와 동일할 수 있지만, 반드시 그러한 것은 아니다.
마스크(400으로 나타내진 구역에 의해 표시됨)는 상이한 세그먼트들(1410)(또한, 이하에서 "마스크-세그먼트들"이라 지칭된다)을 규정한다. 세그먼트들은 미리 규정된 영역(또한, "셀-크기의 영역"이라고 지칭된다)에 대해서 규정된다. 유닛들에 대한 변환(conversion)이 적용될 수 있지만, 셀-크기의 영역이라는 문맥의 "크기"라는 용어는, 웨이퍼가 검사될 때 웨이퍼의 검사되는 층의 평면과 같은 검사 평면의 좌표들(coordinates)과 관련된다.
상이한 마스크-세그먼트들(1410)이 동일한 또는 상이한 크기들일 수 있고 그리고 동일한 또는 상이한 형상들일 수 있다. 마스크-세그먼트들(1410)이 직사각형으로 묘사되어 있지만, 반드시 그러한 것은 아니고, 그리고 다른 형상들의 마스크-세그먼트들(1410)이 또한 구현될 수 있다. 여러 가지 마스크-세그먼트들(1410)이 마스크의 전체 영역을 커버할 수 있지만, 반드시 그러한 것은 아니다.
마스크의 크기는 외부 데이터에 응답하여, 또는 다른 방법으로 규정될 수 있다. 예를 들어, 만약 검사되는 객체가 반복적인 패턴(예를 들어, 도 5 및 7에 예시된 바와 같음)을 포함한다면, 마스크의 크기는 반복되는 영역(도 7에서 1180으로 표시됨)의 크기에 대응할 수 있거나 또는 그 파트에 대응할 수 있다.
선택적으로, 마스크(1400)에 의해서 규정된 마스크-세그먼트들(1410)이 복수의 타입들일 수 있다(예를 들어, 타입들의 수가 세그먼트들의 수보다 더 적다). 이는, 1410(1)으로 표시된 3개의 세그먼트들이 동일한 타입인 것으로 예시되어 있다. 마스크-세그먼트들(1410)의 (또는 상이한 타입들의 세그먼트들의) 각각이 상이한 물리적 특성들을 가지는 검사되는 객체의 파트들에 대응할 수 있다. 예를 들어, 검사되는 객체 내의 전기 전도도의 상이한 레벨들이 세그먼트들의 상이한 타입들에 대응할 수 있다.
여러 가지 마스크-세그먼트들(1410)(또는 세그먼트들의 상이한 타입들)은 방법(1500)에 의해서 분석이 이루어지는 항목들의 타입(또는 타입들)에 따라 규정될 수 있다. 예를 들어, 만약 잠재적인 결함들의 분류작업을 위해서 방법(1500)이 사용된다면, 상이한 마스크-세그먼트들(1410)(또는 그 타입들)은 상이한 타입들의 결함들을 가질 수 있는 상이한 가능성 및/또는 결함들에 대한 상이한 민감도를 가지는 검사되는 객체(예를 들어, 웨이퍼, 전자적 회로 또는 포토마스크)의 상이한 파트들에 대응할 수 있다. 일부 구현예들에서, 서로 연결되지 않은 영역들을 단일 세그먼트가 커버할 수 있다는 것을 주지하여야 한다. 예를 들어, 그러한 구현예에서, 모든 마스크-세그먼트들(1410(1))이, 동일한 타입의 몇 개의 세그먼트들로서 뿐만 아니라, 단일 세그먼트인 것으로서 간주될 수 있다.
마스크는 상이한 포맷들로 저장될 수 있다. 예를 들어, 마스크는 이미지로서(여기에서 상이한 색채들은 세그먼트들의 상이한 타입들에 대응한다), 표(table)로서(예를 들어, 세그먼트들 중 각각에 대해 가능한 타입, 시작 지점, 및 치수들로 표시됨), 벡터적인(vectorial) 포맷으로, 기타 등등으로 저장될 수 있다.
도 4에서, 표시된 (400으로 나타냄) 마스크 및 형판(1300) 모두는 (비록 상이한 해상도들을 가질 수 있지만) 검사되는 객체의 유사한 크기의 영역에 대응한다. 그러나, 예를 들어 도 6에 예시된 바와 같이, 다른 구현예들에서, 형판 및 마스크가 연관되는 물리적인 영역들이 서로 상이할 수 있다. 그러한 경우에, 그러한 대응하는 구역들 중 하나가 (예를 들어 도 6에 예시된 바와 같은) 다른 것 내에 포함되고, 부분적으로 중첩되고, 그리고 심지어 비-중첩될 수 있다.
도 3a로 되돌아가면, 방법(1500)의 스테이지(1540)는 검사 이미지에 대한 복수의 참조 위치들을 획득하는 것을 포함한다. 그러한 참조 위치들은 외부 시스템으로부터 획득될 수 있거나, 또는 방법의 일부로서 생성될 수 있다. 이하에서 더 구체적으로 논의되는 예에서, 참조 위치들은 형판과 검사 이미지의 복수의 부분들의 매칭을 기초로 방법(1500)의 일부로서 연산될 수 있다.
참조 위치들의 각각이 검사 이미지의 부분들 중 하나에 대응한다. 이전의 도면들에 제시된 예들을 참조하면, 스테이지(1540)가 시스템(1200)의 상관기(1220)와 같은 상관기에 의해서 실행될 수 있다. 선택적으로, (도 5의 쌍들(B 및 C)에서와 같이) 적어도 2개의 부분들이 적어도 부분적으로 중첩된다는 것이 주지된다. 도 6의 예를 참조하면, 참조 위치가, 예를 들어 참조(1120)의 위치(참조의 무차원(dimensionless) 지점 또는 다른 종류일 수 있다)일 수 있다.
방법(1500)은 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정하는 마스크를 기초로 검사 이미지를 세그먼트화하는 스테이지(1550)로 계속된다. 예를 들어, 마스크는 도 4에 도시된 마스크(1400)와 같은 마스크일 수 있다. 스테이지(1550)의 세그먼트화는 검사 이미지의 복수의 파트들로부터의 각 파트를 복수의 이미지-세그먼트들로부터 선택된 각각의 이미지-세그먼트에 대해서 할당함으로써 구현되며, 상기 복수의 이미지-세그먼트들은 상기 복수의 마스크-세그먼트들의 적어도 하나의 마스크-세그먼트에 대응한다. 이전의 도면들과 관련하여 제시된 예들을 참조하여, 스테이지(1550)가 시스템(1200)의 세그먼트화 모듈(1250)과 같은 세그먼트화 모듈에 의해서 실행될 수 있다.
예를 들어, (이미지-세그먼트들 중 하나로 할당된) 검사 이미지의 각각의 그러한 파트가 단일 픽셀일 수 있다. 그러한 구현예에 따라서, 스테이지(1550)는, 검사 이미지의 복수의 픽셀들로부터의(예를 들어, 검사 이미지의 직사각형 영역 내의, 예를 들어 100 × 100 픽셀들 영역 내의 모든 픽셀들로부터의) 각 픽셀을 복수의 이미지-세그먼트들로부터 선택된 각각의 이미지-세그먼트에 대해서 할당함으로써 구현될 수 있다.
다른 구현예들에서, 이미지-세그먼트들 중 하나 또는 둘 이상에 할당된 검사 이미지의 파트들 중 일부 또는 전체가 단일 픽셀보다 작거나 및/또는 클 수 있다(그리고 또한 - 반드시 연속적인 파트들은 아니다). 그러나, 설명의 간결함을 위해서, 이하의 예에서 각각의 그러한 파트가 검사 이미지의 단일 픽셀이라는 것이 이해될 것이다.
반드시 그래야 하는 것은 아니지만, 상이한 이미지-세그먼트들은, 검사되는 객체의 파트들이 제조되는 재료, 검사되는 객체의 파트들의 반사 값, 검사되는 객체의 파트들의 전기 전도성 등과 같은, 상이한 물리적 특성들을 가지는 검사되는 객체의 파트들에 대응할 수 있다. 이하에서 더 구체적으로 논의되는 바와 같이, (세그먼트화를 기초로 하는) 스테이지(1560)에서 검사 이미지 내의 결함의 존재를 결정하는 것에 대하여, 검사 이미지 내의 결함의 존재는 그 동작성 레벨에 영향을 미치는 검사되는 객체에서의 현상들(phenomena)(예를 들어, 결함)을 나타낼 수 있다.
상이한 결함 검출 방식들이 구현될 수 있는, 검사 이미지를 이미지-세그먼트들로 세그먼트화하기 위해서, 상이한 이미지-세그먼트들이 사용될 수 있다. 단지 몇 개의 예들에서:
· 상이한 이미지-세그먼트들이 상이한 관심 레벨들을 나타낼 수 있다.
· 상이한 컴퓨터적인 파워를 사용하여, 또는 그렇지 않으면 자원들의 상이한 상대적인 양을 구현하여, 상이한 이미지-세그먼트들이 상이한 해상도들로 결함들에 대해서 분석될 수 있다.
· 상이한 결함 검출 방식들(예를 들어, 다이-대-다이, 다이-대-복수-다이들, 다이-대-데이터베이스, 셀-대-셀 등)을 사용하여 상이한 이미지-세그먼트들이 분석될 수 있다.
· 결함 검출에 대한 상이한 문턱값들이 상이한 이미지-세그먼트들에서 구현될 수 있다.
· 상이한 타입들의 결함들이 상이한 이미지-세그먼트들에서 찾아질 수 있다.
전술한 바와 같이, 복수의 이미지-세그먼트들이 상기 복수의 마스크-세그먼트들 중 적어도 하나의 마스크-세그먼트에 대응한다. 상이한 구현예들에서, 이미지-세그먼트들과 마스크-세그먼트들 사이의 부합성의 상이한 관계들이 적용될 수 있다.
도 5는 마스크의 마스크-세그먼트들과 이미지-세그먼트들 사이의 부합성의 몇 가지 관계들을 도시한다. 각각의 검사 이미지들(100)의 수직의 쌍이 동일한 검사 이미지를 나타낸다.
쌍들의 각각에서, 이미지(100)의 상단부 버전(version)이 복수의 마스크-크기 영역들(쌍 "A"에서 1400으로 각각 표시됨)과 중첩된다. 검사 이미지(100)에 대한 마스크(1400)의 표상의 위치는 (검사 이미지(100)의 복수의 부분들 및 형판의 매칭을 기초로) 스테이지(1540) 내의 검사 이미지(100)에 대해서 결정된 복수의 참조 위치들(쌍 "A"에서 1120으로 지시됨)에 대해서 결정될 수 있다. 마스크-세그먼트들(1410)과 검사 이미지(100) 사이의 상관성이, 이하에서 논의되는, 도 6과 관련하여 더 구체적으로 논의됨이 주지된다.
쌍들의 각각에서, 이미지(100)의 하단부 버전은 세그먼트화의 표상이며, 여기에서 상이한 이미지-세그먼트들(1710)이 도시되어 있다. 쌍들(B 및 C)에서, 이러한 쌍들 내의 이미지-세그먼트들의 일부의 크기의 불충분함(insufficiency)으로 인해서, 이미지-세그먼트들(1710(4) 및 1710(8))이 종종 (4) 및 (8)로 각각 약칭되어 표시된다.
각각의 쌍 내의 검사 이미지(100)가 동일 이미지인 것으로 생각되지만, 상이한 쌍들의 이미지들(100) 사이에는 그러한 관계가 존재하지 않는다.
쌍(A)에서 관계는, 각각의 이미지-세그먼트(1710)에 대해서 정확하게 하나의 대응하는 마스크-세그먼트(1410)가 존재하는, 실질적으로 전단(bijective) 함수인 상당히 직접적(straightforward)인 관계이며, 그 반대로도 된다. (예를 들어, 쌍(A)에 도시된 바와 같이) 검사 이미지(100)의 모든 영역들이 필수적으로 마스크의 파트에 대응하는 것이 아니기 때문에, 다른 영역들이 1710(0)으로 표시된 이미지-세그먼트에 대해서 할당된다.
쌍들(B 및 C)에서 예시된 바와 같이, 검사 이미지(100)의 일부 영역들이 하나 초과의 마스크-세그먼트(1410)에 대응할 수 있다. 이는, (설명된 예들에서와 같이) 부분적으로 중첩되는 검사 이미지의 마스크 영역들에 대해서 상호관련되는 결과로서 발생될 수 있다.
쌍(B)의 관계에서, 마스크-세그먼트(1410(6))에 대응하는 검사 이미지(100)의 영역들이 이미지-세그먼트(1710(3))에 대해서 할당되고, 그리고 마스크-세그먼트(1410(5))에 대응하는 검사 이미지(100)의 영역들이 이미지-세그먼트(1710(4))에 대해서 할당된다(또한 영역들이 마스크-세그먼트(1410(6))에 대해서 대응하지 않는 경우). 즉, (쌍(B)에 예시된 바와 같이, 예를 들어 마스크-세그먼트들의 계층(hierarchy)을 기초로) 스테이지(1550)가 복수의 마스크-세그먼트들에 대응하는 하나 또는 둘 이상의 영역들을 단일 이미지-세그먼트 내로 할당하는 것을 포함할 수 있다. 마스크-세그먼트(1410(7))에 대응하는 - 또는 마스크-세그먼트에 전혀 대응하지 않는 - 영역들이 이미지-세그먼트(1710(5))에 대해서 할당된다.
(본원 발명의 상이한 구현예들에서이든 간에, 또는 단일 이미지의 세그먼트화의 상이한 경우들에서이든 간에 - 상이한 세그먼트화 규칙들이 단일 검사 이미지에 대해서 구현될 수 있는 바와 같이) 쌍(C)의 검사 이미지(100)가 쌍(B)의 검사 이미지와 유사하다.
쌍(C)의 관계에서, 마스크-세그먼트(1410(5) 및 1410(6)) 모두에 대응하는 검사 이미지(100)의 영역들이 이미지-세그먼트(1710(8))(도 5에서 흑색으로 채워져 도시됨)에 대해서 할당된다. (또한 이미지-세그먼트(1710(8))에 대해서 할당될 수 있는 영역들을 제외하고) 마스크-세그먼트(1410(6))에 대응하는 - 또는 그러한 영역들로부터 N개의 픽셀들의 거리 내에 위치되는 - 검사 이미지(100)의 영역들이 이미지-세그먼트(1710(7))로 할당된다.
N개의 픽셀들의 거리 내에 있는 검사 이미지의 영역들을 할당하는 것은, 하나 또는 둘 이상의 마스크-세그먼트들에 대한 검사 이미지의 다른 파트의 부합성을 기초로 스테이지(1550)가 검사 이미지의 제 1 파트를 이미지-세그먼트로 할당하는 것을 포함할 수 있는 것의 예이다.
도 3a로 되돌아가면, 스테이지(1550)의 세그먼트화는 여러 가지 방식들로 마스크에 그리고 참조 위치들에 의존할 수 있다. 스테이지(1550)의 세그먼트화는 추가적으로 ("세그먼트화 로직"으로 또한 지칭될 수 있는) 세그먼트화 규칙들을 기초로 할 수 있다.
세그먼트화 규칙들은 검사 이미지의 주어진 파트(예를 들어, 픽셀)가 어느 이미지-세그먼트에 할당되어야 하는 지를 나타낼 수 있다. 선택적으로, 세그먼트화 규칙들은 상이한 마스크-세그먼트들 사이의 파트의 분포를 기초로 할 수 있다. 이러한 분포가 결정될 수 있는 일부 방식들이 도 6 및 7과 관련하여 (특히, 도 7과 관련하여) 설명될 수 있다. 분포는, 검사 이미지의 파트(예를 들어, 픽셀)에 대해서, 상이한 마스크-세그먼트들에 대응하는 검사 이미지의 관련된 파트들 사이의 관계를 나타낼 수 있다(상이한 마스크 세그먼트가, 스테이지(1540)에서 결정된 참조들과 관련하여, 검사 이미지에 "앵커링될(anchored)" 때). 이하에서 도 6 및 7과 관련하여 더 구체적이고 다양한 논의가 제공되지만, 검사 이미지의 파트(상기 검사 이미지의 파트는 X개의 픽셀들만큼 크고, X는 자연수 또는 양의 실수이다)에 대해서 결정되는 분포가 상이한 마스크-세그먼트들에 대응하는 파트의 영역들의 각각의 픽셀-크기를 단순히 나타내는 것을 가정한다면, 본 논의가 용이하게 이해될 수 있다.
예를 들어 - 검사 이미지의 주어진 파트(도 6 및 7에서 1140으로 표시됨)에 대해서 결정된 분포는 다음과 같을 수 있다:
·마스크-세그먼트(1410(N1)): P1 픽셀들의 영역;
·마스크-세그먼트(1410(N2)): P2 픽셀들의 영역;
· ....;
·마스크-세그먼트(1410(Nn)): Pn 픽셀들의 영역.
스테이지(1550)의 이미지 파트들의 각각이 할당될 수 있는 이미지-세그먼트는 (예를 들어, 스테이지(1550)의 파트로서) 그에 대해서 결정된 그러한 분포를 기초로 선택될 수 있다. 예로서, 도 7의 도시 내용을 참조하면, 세그먼트화 규칙들은, 만약 이미지의 파트의 50% 미만이 마스크-세그먼트(1410(7))에 대응한다면 이미지의 파트(1140)가 이미지-세그먼트(1710(1))에 대해서 할당되어야 하나, 만약 이미지의 파트의 50% 초과가 이러한 마스크-세그먼트(1410(7))에 대응한다면 이미지의 파트(1140)가 이미지-세그먼트(1710(2))에 대해서 할당되어야 한다는 것을 나타낼 수 있다.
표 1은, 본원 발명의 실시예에 따른, 세그먼트화 로직의 예이다. 이미지-세그먼트의 결과(outcome) 선택이 이미지 세그먼트(Image Segment) 컬럼에 제시되어 있고, 그리고 이러한 이미지-세그먼트를 선택하는 규칙들이 중간의 5개의 컬럼들에서 심볼들(1, 0, X)에 의해서 표시되어 있다. "1"은 마스크-세그먼트가 반드시 발견되어야 한다는 것을 나타내고, "X"는 마스크-세그먼트가 발견될 수 있거나 발견되지 않을 수 있다는 것을 나타내고, 그리고 "0"은 마스크-세그먼트가 발견되지 않아야 한다는 것을 나타낸다. 우선권(priority)은, 구현예에서, 만약 둘 또는 셋 이상의 규칙들에 대한 조건들이 충족된다면, 더 낮은 우선권 지수를 가지는 규칙이 선택될 것이라는 것을 나타낸다. 예를 들어, 규칙(2)의 선택을 위한 조건들의 충족이 또한 규칙(3)에 대한 자격을 부여할 것이다(qualify). 그러나, 규칙(2)이 더 낮은 우선권 지수를 가지기 때문에, 규칙(3)에 비해 규칙(2)이 선택될 것이다.
우선권 마스크-
세그먼트 1		 마스크-
세그먼트 2		 마스크-
세그먼트 3		 마스크-
세그먼트 4		 기타 이미지-
세그먼트
1 0 0 0 1 0 A
2 0 0 0 1 1 B
3 1 1 0 X X A
4 1 1 1 X X C
스테이지(1550)의 세그먼트화는, 다른 매개 변수들에 또한 의존할 수 있는, 더 큰 세그먼트화 프로세스의 일부일 수 있다. 예를 들어, 이미지 파트의 세그먼트화가 또한 대응하는 CAD 데이터에 의존할 수 있다.
전술한 바와 같이, 마스크-세그먼트들의 상이한 타입들이 상이한 물리적 특성들(예를 들어, 다른 재료로 제조된 상이한 내부 구조, 전기적 특성들 등)을 가지는 검사되는 객체의 파트들에 대응할 수 있다. 그러한 경우에, 세그먼트화는, 검사되는 객체의 전기적 동작성에 전기적으로 상이한 영향들을 가지는 상이한 결함 타입들에 대해서 민감한 영역들에 대응하는 이미지-세그먼트들로 검사 이미지를 세그먼트화하는 것을 포함할 수 있다. 이는, 예를 들어 웨이퍼 또는 포토마스크 내의 잠재적인 결함들을 "엣지 조도" 결함들 대 "쇼트 게이트" 결함들로 분류하는 것을 포함할 수 있다.
(스테이지(1550)에서 결정되는) 검사 이미지의 세그먼트화가 여러 가지 방식들로 사용될 수 있다. 예를 들어, 방법(1500)은 검사 이미지의 해상도보다 더 높은 해상도로 검사되는 객체의 영역들을 선택적으로 스캐닝하는 것으로 계속될 수 있다. 그러한 경우에, 추가적인 스캐닝을 위해서 선택되는 영역들이 하나 또는 둘 이상의 이미지-세그먼트들에 대응할 수 있다(그러나 다른 이미지-세그먼트들 중의 적어도 하나에 대해서는 대응하지 않을 것이다). 예를 들어, 더 높은 해상도의 스캐닝이 "쇼트 게이트"로서 분류될 가능성이 높은 결함들이 예상되는(prone to) 영역들 내에서 실행될 수 있지만, "엣지 조도"로서 분류될 가능성이 높은 결함들에 대해서 민감한 영역들 내에서는 실행되지 않을 수 있다.
이전의 도면들에 제시된 예들을 참조하면, 더 높은 해상도의 선택적인 스캐닝이 검사 기계(1210)와 같은 검사 기계에 의해서, 또는 후속 검사 모듈(1280)과 같은 후속 검사 모듈(다른 검사 기계일 수 있음)에 의해서 실시될 수 있다. 예를 들어, 검사되는 객체가 실질적으로 웨이퍼라면, 검사 이미지가 제 1 해상도로 전자 빔 검사(EBI)를 사용하여 획득될 수 있는 한편, 결함들이 분류되는 방식을 기초로, 선택된 잠재적인 결함들이 결함 재검토 스캐닝 전자 현미경(DRSEM)에 의해서 상당히 더 높은 해상도로 추가적으로 검사될 수 있다.
웨이퍼(또는 웨이퍼의 특정 다이들)는 선택된 잠재적인 결함들의 높은 해상도 검사를 기초로 동작적인 또는 비동작적인(nonoperational; 동작에 문제가 있는) 것으로 선언(declare)될 수 있다. 마스크를 기초로 분류된 잠재적인 결함들만을 검사하는 한편, 다른 잠재적인 결함들(웨이퍼들의 "무관심" 영역들 내에 위치될 수 있다)을 검사하지 않는 것은 시간 및 자원들을 절감하고, 그리고 또한 검사 결과들을 개선할 수 있다. 예를 들어, 웨이퍼의 더 적은 영역들을 스캐닝하는 것은 전자 빔 스캐닝 장치에 의해서 조사되는(beamed) 전자들로부터 초래되는 전기 전하의 더 적은 축적을 초래할 것이다.
이하의 문단들에서, 검사 이미지 내의 결함의 존재를 결정하는 것의 사용이 논의된다.
방법(1500)의 선택적인 스테이지(1560)는 세그먼트화를 기초로 검사 이미지 내의 결함의 존재를 결정하는 것을 포함한다. 이전의 도면들과 관련하여 제시된 예들을 참조하면, 스테이지(1560)는 시스템(1200)의 결함 검출 프로세서(1260)와 같은 결함 검출 프로세서에 의해서 실행될 수 있다.
결함의 존재를 결정하는 것은 검사 이미지의 세그먼트화 이외의 다른 정보를 기초로 할 수 있고 및/또는 부가적인 예비적 프로세스들을 기초로 할 수 있다.
예를 들어, 스테이지(1560) 내의 결함의 존재를 결정하는 것은, (a) 픽셀을 기준 이미지의 상호관련 데이터에 대해서 비교하는 것의 결과, 및 (b) 픽셀에 대해서 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로, 검사 이미지의 복수의 픽셀들로부터 각각의 픽셀을 평가하는 것을 포함하는 스테이지(1561)의 결과들을 기초로 할 수 있다.
선택적으로, 비교는 이미지의 픽셀들 모두에 대해서 또는 픽셀들의 대부분에서 적어도 픽셀들의 모두에 대해서 실시된다. 결정 규칙은, 예를 들어,픽셀들의 각각의 스코어링(scoring)하는 것 그리고 잠재적인 결함들로서 선택하는 것(즉, 결함의 존재가 결정될 수 있기 전에, 부가적인 프로세싱이 요구되는 경우) 또는 가장 높은 스코어들을 가지는 하나 또는 둘 이상의 픽셀들을 결함 픽셀들로 직접 선택하는 것을 포함할 수 있다.
기준 이미지의 상호관련 데이터는, 예를 들어 해당 기준 이미지의 대응 픽셀(예를 들어, 이미지들의 정렬 후에 동일한 위치에 배치되는 픽셀), 몇 개의 픽셀들의 데이터의 평균(예를 들어, 만약 비교되는 이미지들의 픽셀들이 검사되는 객체의 동일한 물리적 크기에 대응하지 않는 경우), 그리고 벡터 기준 이미지의 벡터 정보로부터 연산된 상호관련 데이터(예를 들어, CAD 데이터로부터 생성됨) 등일 수 있다. 반드시 그래야 하는 것은 아니지만, 상호관련 데이터는 실질적으로 검사되는 객체의 동일한 영역에, 또는 실질적으로 유사한 영역(예를 들어, 동일한 웨이퍼의 다른 다이 내의 유사 영역)과 연관된다.
그러한 비교에 대한 예에서, 방법(1500)(예를 들어, 스테이지(1560)의 파트로서)은, 검사 이미지들의 대응하는 픽셀들 사이의 차이들을 계산하기 위해서, 각각의 기준 이미지(예를 들어, 제 2 검사 이미지, CAD 데이터로부터 생성된 이미지, 등)에 대해서 검사 이미지를 비교하는 것을 포함할 수 있다. 예를 들어, 만약 검사 이미지들이 그레이-스케일(gray-scale) 이미지들이라면, 비교하는 것은 검사 이미지의 적어도 일부의 각 픽셀에 대해서 차이 값을 결정하는 것을 포함할 수 있으며, 상기 차이 레벨은 해당 픽셀의 그레이-레벨(GL) 값과 각각의 기준 이미지 내의 대응하는 픽셀의 GL 값 사이의 차이와 같다. 각각의 기준 이미지가 제 2 검사 이미지인 경우들에서, 동일한 검사 객체의 또는 다른 객체의 정보를 포함할 수 있음을 주지한다.
예를 들어, 만약 검사 이미지가 웨이퍼 다이의(또는 그 파트의) 이미지라면, 제 2 검사 이미지는 동일한 다이(셀-대-셀 비교 방식에서)의 이미지일 수 있고, 동일한 웨이퍼(다이-대-다이 비교 방식)의 다른 다이의 이미지일 수 있고, 또한 다른 웨이퍼의 다이(배치(batch)의 모든 웨이퍼들이 단일 다이에 대해서 비교되는 비교 방식에서)의 이미지일 수 있다.
그러한 차이들을 기초로 검사 이미지 내의 결함들의 존재를 결정할 때, 검사 이미지들의 비교를 기초로 결정된 차이들이 프로세싱되어 그들이 결함을 나타내는지의 여부를 결정할 수 있다. 이는, 각각의 그러한 차이 값을 문턱값에 대해서 비교하는 것을 포함할 수 있다. 그러한 문턱값들이 검사 이미지의 픽셀들의 모두에 대해서 반드시 동일한 것은 아니다.
그러한 문턱값의 결정이 기초로 할 수 있는 다른 인자들(예를 들어, 변화량(variance)과 같이 노이즈를 나타내는 매개 변수들, 또는 다른 픽셀 분류작업들) 중에서, 문턱값들이 픽셀에 대해서 선택된 이미지-세그먼트를 기초로 결정될 수 있다. 유사하게, 문턱값에 대한 비교 이외의 다른 규칙들이 또한 구현될 수 있다.
스테이지(1560)의 가능한 변경들의 일부가 도시된 도 3b를 참조하면, 스테이지(1560)에서 결함의 존재를 결정하는 것은 검사 이미지의 복수의 픽셀들 중의 각각의 픽셀에 대해서 실행될 수 있는 스테이지(1562)를 포함할 수 있다. 스테이지(1562)는 스테이지(1561)의 선택적인 변경으로서 간주될 수 있다.
스테이지(1562)는 (a) 픽셀이 비교되는 쌍에 대해 계산된 차이, 및 (b) 픽셀에 대해서 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로 픽셀을 평가하는 것을 포함한다. 또한, 스테이지(1562)는 독립적인 픽셀들 이외의 검사 이미지의 파트들(예를 들어, 스테이지(1550)의 파트들)에 대해서 구현될 수 있음이 주지된다.
선택적으로, 스테이지(1560)에서 결함의 존재를 결정하는 것은 복수의 하위-단계들을 포함할 수 있음이 주지되어야 한다. 예를 들어, 스테이지(1560)는 결함 후보들의 그룹(예를 들어, 의심스러운 픽셀들의 그룹)을 규정하는 것, 그리고 어떠한 후보들이 사실상 결함의 존재를 나타내는지를 결정하기 위해서 후보들(예를 들어, 기존 검사 데이터를 추가적으로 분석함으로써 및/또는 - 예를 들어 더 큰 해상도 또는 다른 검사 기술들에서 검사되는 객체의 가능한 결함 위치들의 검사에 의해서 - 부가적인 데이터를 획득함으로써)을 분석하는 후속 단계들을 포함할 수 있다.
결함의 존재를 결정하는 것이 사실상 복수의 하위-단계들에서 실행된다면, 세그먼트화 데이터의 사용이 그들 하위-단계들 모두에 대해서 반드시 구현되는 것은 아님이 주지된다. 예를 들어, 차이를 기초로 그리고 이미지 부분(예를 들어, 픽셀)에 대해서 선택된 이미지-세그먼트를 기초로 하는 그러한 결정 규칙을 고려하여, 그러한 결정 규칙의 구현은 결함 후보들의 그룹을 규정하는데 사용될 수 있는 한편, 그룹으로부터 잘못된 후보들을 여과하기 위해서 후속 스테이지들(반드시 세그먼트화 정보를 사용하여야 하는 것은 아니다)이 실행된다.
선택적인 스테이지(1563)를 참조하면, 결함의 존재를 결정하는 것은 검사 이미지의 상이한 영역들에 대해서 규정된 상이한 검출 방식들을 기초로 할 수 있고, 상기 규정하는 것은 세그먼트화를 기초로 함이 주지된다. 스테이지(1563)는, 세그먼트화를 기초로, 검사 이미지의 상이한 영역들에 대한 상이한 검출 방식들을 규정하는 것을 포함한다. 상이한 검출 방식들의 결정은 부가적인 인자들을 또한 기초로 할 수 있다. 스테이지(1563)에 후속하여, 상이한 영역들에 대한 검출 방식들을 실행한다. 많은 수의 상이한 검출 방식들이 앞서서 제시되었으며, 그 예를 들면 다음과 같다:
· 상이한 이미지-세그먼트들이 상이한 관심 레벨들을 나타낼 수 있으며, 그에 따라 상이한 영역들에 대한 상이한 컴퓨터적인 요건들로 검출 방식들을 구현하는 것을 나타낼 수 있다.
· 상이한 컴퓨터적인 파워를 사용하여, 또는 상이한 상대적인 자원들의 양들을 구현하여, 상이한 영역들(상이한 이미지-세그먼트들을 기초로 규정됨)이 상이한 해상도들로 결함들에 대해서 분석될 수 있다.
· 상이한 결함 검출 방식들(예를 들어, 다이-대-다이, 다이-대-복수-다이들, 다이-대-데이터베이스, 셀-대-셀 등)을 사용하여 상이한 영역들(상이한 이미지-세그먼트들을 기초로 규정됨)이 분석될 수 있다.
· 결함 검출에 대한 상이한 문턱값들이 상이한 영역들에서 구현될 수 있다.
· 상이한 타입의 결함들이 상이한 영역들에서 찾아질 수 있다.
도 3c 및 3d는 본원 발명의 실시예들에 따른 컴퓨터화된 방법(1500)의 흐름도들이다. 도 3c 및 3d 중 어느 하나에 도시된 스테이지들이 도 3a에 도시된 구현예로 통합될 수 있으며, 그 반대로도 통합될 수 있음이 주지된다.
도 3c를 참조하면, 참조 위치들을 획득하는 스테이지(1540)가 복수의 참조 위치들을 연산하는 것을 포함할 수 있다는 것이 주지된다. 그러한 연산하는 것은, 예를 들어 형판이 검사 이미지의 복수의 부분들에 대해서 매칭되는 것을 기초로 복수의 참조 위치들을 연산하는 스테이지(1541)로서 구현될 수 있다. 연산의 다른 방식들이 또한 구현될 수 있다. 예를 들어, 검사 이미지는 (예를 들어, 검사 이미지 내의 변화되는 크기들의 회선(convoluting) 영역들에 의해서, 이미지의 빈번한 도메인(domain) 표상을 분석함으로써, 기타 등등에 의해서) 반복되는 패턴들의 검출을 위해서 이미지 프로세싱될 수 있다. 다른 예에서, 검사 이미지 자체 이외의 정보가 프로세싱될 수 있다. 예를 들어, 참조 위치들이 검사 이미지에 대응하는 CAD 데이터의 프로세싱을 기초로 연산될 수 있다.
스테이지(1541)로 되돌아가면, 스테이지(1541)의 하나의 가능한 구현예는 이하에서 논의되는 선택적인 스테이지(1530)의 결과들을 기초로 한다.
방법(1500)은 형판과 검사 이미지의 복수의 영역들을 상호관련시키는 스테이지(1530)를 포함할 수 있다. 형판이 검사 이미지의 상호관련된 부분들 중의 임의의 부분과 반드시 동일하지는 않지만, 부분들의 일부에 대한 형판의 상관성은 다른 것들에 대한 형판의 상관성보다 더 높을 것이다. 예를 들어, 부분들 중 하나에 대한 형판의 상관성이 비교적 높을 수 있고, 그리고 적어도 상기 부분에 대해서 약간 이동된 검사 이미지의 부분들보다 높을 수 있다. 이전의 도면들에 제시된 예들을 참조하면, 스테이지(1530)는 시스템(1200)의 상관기(1220)와 같은 상관기에 의해서 실행될 수 있다.
상관성은 검사 이미지의 픽셀들에 대해서 반드시 일치(conform)되어야 하는 것은 아님이 주지되어야 한다. 상관성이 하위-픽셀 정확도로(예를 들어, 마스크 픽셀의 천분의 일(thousandth)의 정확도로) 구현될 수 있다는 것이 주지된다. 도 6의 예에서 볼 수 있는 바와 같이, 예에서 형판과 가장 잘 상호관련되는 것으로 추정되는 영역(1130)은 검사 이미지(100)의 픽셀들을 나타내는 그리드(grid) 상에 위치되는 것이 아니라, 오히려 하위-픽셀 해상도로 위치된다(그에 따라, 결정된다). 스테이지(1530)의 상호관련이 기준 데이터 내에 표시된 검사 이미지의 영역들 내에서만 실시될 수 있지만, 반드시 그러한 것은 아니다.
도 6의 예를 참조하면, 참조 위치는, 예를 들어 참조(1120)의 위치(참조의 무차원 지점 또는 다른 종류일 수 있다)일 수 있다. 형판과 이미지의 부분들의 각각의 매칭(만약 구현된다면, 예를 들어 도 6에 도시된 영역(1130))이 (스테이지(1530)에서와 같은) 상관성에 의해서 성취될 수 있지만, 다른 구현예들에서 (패턴 검출 등과 같은) 다른 매칭 기술들이 구현될 수 있다는 것을 주지하여야 한다. 반드시 그러한 것은 아니지만, 일부 구현예들에서, 참조 위치들의 연산의 정확도가 검사 이미지의 해상도를 초과한다.
선택적으로, 스테이지(1540)가 선택적인 스테이지(1542)를 포함할 수 있고, 선택적인 스테이지(1542)는, 검사 이미지의 부분들에 대한 형판의 상관성(또는, 전술한 것들과 같은, 다른 타입의 매칭)을 기초로, 미리 결정된 셀-크기의 복수의 셀-영역들을 검사 이미지 내에서 선택하는 것을 포함한다. 만약 참조 위치들의 각각과 그러한 각각의 참조 위치에 대응하는 셀-크기의 영역 사이의 기하학적 관계를 미리 알고 있다면(예를 들어, 영역(1110)의 크기뿐만 아니라 도 6의 화살표(1122)), 스테이지(1542) 내의 셀-영역의 선택은 스테이지(1541)에서의 참조 위치들의 선택의 직접적인 부산물일 수 있다. 대안적인 구현예들에서, 상이한 참조 위치들에 대응하는 셀-영역들이 상이한 크기들을 가질 수 있다는 것이 주지된다.
유닛들의 변환이 적용될 수 있지만, 셀-영역의 설명내용 중의 "크기"라는 용어는 검사 평면(예를 들어, 웨이퍼가 검사될 때 웨이퍼의 검사되는 층의 평면)의 좌표들과 연관된다. 셀-크기가 마스크에 의해서 규정되는 영역-크기와 동일할 수 있지만, 이는 반드시 그러한 것은 아니고, 그리고 마스크는 전술한 셀-크기의 영역을 포함하는 더 큰 영역 내에서 세그먼트들을 규정할 수 있다. 앞선 도면들에 제시된 예들을 참조하면, 스테이지(1541)가 상관기(1220)와 같은 상관기에 의해서 실행될 수 있다.
만약 마스크의 해상도가 셀-영역의 해상도보다 더 높다면, 검사 평면 내의 유사한 크기의 영역들과 관련되는 경우에도, 2개의 영역들이 상이한 픽셀 크기를 가질 것임을 주지하여야 한다. 검사 평면의 좌표들에서 형판의 크기를 참조하면, 셀-영역의 크기가 형판의 영역보다 더 작을 수 있거나, 유사할 수 있거나, 또는 더 클 수 있다.
본원 발명의 일부 구현예들에서, 결정 규칙이 스테이지(1541)의 실행에 앞서서 구현될 수 있으며, 이에 따라, 검사 이미지의 어떠한 영역도 만약 충분히 성공적인 방식으로 형판에 대해서 매칭될 수 없다면, 방법이 종료된다. 예를 들어, 검사 이미지의 어떠한 부분도 미리 결정된 문턱값을 초과하는 상관성 스코어를 갖지 않는 것으로 알려진다면, 참조 위치는 반드시 결정되지는 않는다. 스테이지(1530)의 하나의 가능한 결과(또는 형판을 검사 이미지의 영역에 대해서 매칭시키는 다른 스테이지)가 형판에 대한 그 상관성을 기초로 검사 이미지의 적어도 일부분으로부터 선별(singling out)되지만, 다른 가능한 결과는 매칭되는 영역이 발견되지 않는다는 것이다.
스테이지(1541)로 되돌아가면, 선택적으로, 검사 이미지의 그러한 선별된 부분들 중 임의의 하나에 대해서 참조가 규정될 수 있다(도 6의 예를 참조하면, 참조(1120)가 검사 이미지(100) 내에서 선택된 영역(1130) 내에서 또는 그렇지 않으면 그 영역에 대해서 규정될 수 있다). 만약 스테이지(1542)가 구현된다면, 해당 스테이지를 선택하는 것은 스테이지(1530) 내에서 선별된 검사 이미지의 부분(또는 부분들)을 선택하는 것을 포함할 수 있지만, 또한 검사 이미지의 다른 영역을 선택하는 것을 포함할 수 있다. 도 6의 예를 다시 참조하면, 스테이지(1542) 내에서 선택되는 영역(1110)이 스테이지(1530) 내에서 선택되는 영역(1130)보다 더 크다. 영역(1110)(또한 "셀-영역" xx110으로 지칭된다)이 스테이지(1541) 내에서 연산된 참조(1120)에 대해서 규정될 수 있다(예를 들어, 영역(1130)에 대해서 규정될 수 있고, 그러한 영역(1130)은, 매칭을 기초로, 검사 이미지로부터 선별되었다).
이미지의 복수의 부분들이 형판에 대해서 매칭되는 검사 이미지의 예는 반복되는 패턴을 포함하는 검사되는 객체들이다(예를 들어, 도 7에서 예시된 바와 같음). 만약, 형판이 패턴 내에서 반복되는 영역의 일부(또는 전부)에 대응한다면, 검사 이미지의 많은 유사한 부분들이 형판에 대해서 매칭될(예를 들어, 스테이지(1530)에서와 같이, 상호관련될) 수 있고, 그리고 많은 참조 위치들이 스테이지(1541)에서 대응하여 연산될 수 있다. 선택적으로, 선택된 복수의 셀-영역들이 전체 검사 이미지(또는 검사 이미지의 파트만이 프로세싱된다면, 적어도 검사 이미지의 프로세싱된 파트)를 커버한다.
예를 들어, 도 7의 검사 이미지(100) 내에서 이미지화된 검사되는 객체는 수직 라인들의 쌍의 복수의 발생들을 포함하는 반복되는 패턴을 포함한다. 그러한 복수의 영역들이 동일하지는 않지만, 그럼에도 불구하고, (예를 들어, 도시되지 않은 형판에 대한 검사 이미지의 상이한 부분들의 상관성을 기초로) 그러한 영역들 중의 하나의 영역에 대한 형판의 각각의 매칭이 스테이지(1541)에서의 개별적인 참조 위치의 규정을 초래할 수 있다.
형판과 유사한 검사 이미지의 복수의 부분들은, 상기 유사한 부분들이 반복되는(recurring) 패턴을 형성하지 않는 경우에도, 복수의 참조 위치들의 연산(그리고 또한 가능하게는 복수의 셀-크기의 영역들의 선택)을 산출할 수 있다. 더욱이, 일부 구현예들에서, 복수의 형판들이 구현될 수 있으며(예를 들어, 그 형판들이 웨이퍼 내의 상이한 반복 패턴들에 대응한다), 복수의 참조 위치들은 복수의 형판들에 대한 검사 이미지의 여러 영역들의 매칭을 기초로 스테이지(1541)에서 연산될 수 있다. 그러한 경우에, 상이한 크기들의 마스크들이 그러한 영역들에 대해서 사용될 수 있다.
이제 스테이지(1515)를 참조하면, 방법(1500)은 적어도 하나의 잠재적인 결함을 식별하기 위한 세그먼트화를 기초로 검사 이미지를 분석하는 스테이지(1515)를 포함할 수 있다. 스테이지(1515)는 위치 정보, 크기/형상 정보, 타입 정보 등과 같은 잠재적인 결함과 관련된 정보를 결정하는 것을 포함할 수 있다. (예를 들어, 앞서 논의된 바와 같이) 스테이지(1515)는 스테이지(1560)의 일부일 수 있지만, 설명 편의를 위해서 독립적인 주요 스테이지로서 도시되었다는 것이 주지된다. 이전의 도면들과 관련하여 제시된 예들을 참조하면, 스테이지(1515)는 결함 검출 프로세서(1260)와 같은 결함 검출 프로세서에 의해서 실행될 수 있다.
그러한 잠재적인 결함이 결함의 존재를 결정하기 위한 스테이지(1560)의 일부로서 분석될 수 있는 방식들 중 하나는 복수의 이미지 세그먼트들 중 하나 또는 둘 이상에 대해서 잠재적인 결함의 분포를 결정하는 것에 의한 것이고; 그리고 상기 분포를 기초로 잠재적인 결함을 분류하는 것에 의한 것이다. 방법(1500)의 구현예들 사이의 하나의 차이는, 도 3c의 구현예에서, (예를 들어, 스테이지(1550)의 세그먼트화를 직접적으로 사용함으로써) 동일한 참조 위치들 및 마스크가 사용되는 한편, 도 3d의 구현예에서, 세그먼트화를 위해서 사용되는 마스크와 상이한 마스크(잠재적인 결함을 식별하기 위해서 사용됨)가 결함의 존재를 결정하기 위한 잠재적인 결함의 분석을 위해서 사용된다.
세그먼트화가 시간 및/또는 컴퓨터적인 파워 소모 프로세스일 수 있고, 그에 따라 세그먼트화의 결과들을 사용하는 것이 바람직할 수 있다는 것이 주지된다. 예를 들어, 만약 2개의 프로세스들(예를 들어, 결함 방식들을 결정하기 위한 하나의 마스크 및 결함을 분석하기 위한 다른 하나의 마스크)에 대해서 상이한 고려사항들이 사용된다면, (도 3d의 예에서와 같은) 상이한 마스크들의 사용이 바람직할 수 있다.
도 3c를 참조하면, 스테이지(1560)에서 결함의 존재를 결정하는 것은, 상이한 결함-검출 세그먼트들을 규정하는 (스테이지(1550)의 마스크 이외의) 결함-검출 마스크를 기초로 그리고 적어도 하나의 참조 위치들을 기초로, 하나 또는 둘 이상의 마스크-세그먼트들에 대한 잠재적인 결함의 분포를 결정하는 스테이지(1563)를 포함할 수 있다. 이전의 도면들에 대해서 제시된 예들을 참조하면, 스테이지(1563)는 분포 분석 모듈(1240)과 같은 분포 분석 모듈에 의해서 실행될 수 있다. 스테이지(1563)에 이어, 결함-검출 분포(그리고, 예를 들면 이하에서 논의되는 바와 같이, 잠재적으로, 세그먼트화 로직과 같은 다른 데이터)를 기초로 잠재적인 결함을 분류하는 스테이지(1564)가 후속된다. 이전의 도면들에 대해서 제시된 예들을 참조하면, 스테이지(1564)는, 예를 들어 결함 검출 프로세서(1260)에 포함될 수 있는 분류기에 의해서 실행될 수 있다.
도 3d를 참조하면, 스테이지(1560)에서 결함의 존재를 결정하는 것은, 상이한 결함-검출 세그먼트들을 규정하는 (스테이지(1550)의 마스크 이외의) 결함-검출 마스크를 기초로 그리고 검사 이미지에 대해서 결정된 위치를 기초로, 하나 또는 둘 이상의 결함-검출 세그먼트들에 대한 잠재적인 결함의 결함-검출 분포를 결정하는 스테이지(1567)를 포함할 수 있다. 이전의 도면들에 대해서 기술된 예들을 참조하면, 스테이지(1567)는 분포 분석 모듈(1240)과 같은 분포 분석 모듈에 의해서 실행될 수 있다.
스테이지(1567)에 이어, 결함-검출 분포(그리고, 예를 들면 이하에서 논의되는 바와 같이, 잠재적으로, 세그먼트화 로직과 같은 다른 데이터)를 기초로 잠재적인 결함을 분류하는 스테이지(1568)가 후속된다. 이전의 도면들에 대해서 제시된 예들을 참조하면, 스테이지(1568)는, 예를 들어 결함 검출 프로세서(1260)에 포함될 수 있는 분류기에 의해서 실행될 수 있다.
스테이지(1567)에서 사용되는 위치가 참조 위치임이 주지된다. 그러한 위치는 스테이지(1540)에서 획득되는(예를 들어, 결정되는) 참조 위치들 중 하나, 또는 (특히, 그러한 마스크들을 선택하기 위해서 다른 형판이 사용된다면) 다른 참조 위치가 될 수 있다. 후자의 선택사항이 구현된다면, 상기 방법(1500)은, 결함-검출 형판과 검사 이미지의 부분의 매칭을 기초로, 검사 이미지에 대한 결함-검출 참조 위치를 결정하는 스테이지(1566)를 포함할 수 있다(결함-검출 참조 위치를 결정하는 것의 정확도는 검사 이미지의 해상도를 초과할 수 있다). 만약 이러한 스테이지가 구현된다면, 스테이지(1567)에서 언급된 위치는 결함-검출 참조 위치이다. 스테이지(1566)는 결함-검출 형판에 대한 검사 이미지의 하나 또는 둘 이상의 영역들을 상호관련시키는 선택적인 스테이지(1565)의 결과들을 기초로 할 수 있다.
선택적으로, 결함의 존재를 결정하는 것은, 검사 이미지의 해상도를 초과하는 정확도로, 하나 또는 둘 이상의 마스크-세그먼트들(예를 들어, 도 3c 및 3d에 예시된 바와 같음)에 대한 잠재적인 결함의 분포를 결정하는 것; 그리고 상기 분포를 기초로 잠재적인 결함을 분류하는 것을 포함할 수 있다.
선택적으로, 결함의 존재를 결정하는 것은, 하나 또는 둘 이상의 마스크-세그먼트들(예를 들어, 도 3c 및 3d에 예시된 바와 같음)에 대한 잠재적인 결함의 분포를 결정하는 것; 그리고 상기 분포를 기초로 잠재적인 결함을 분류하는 것을 포함할 수 있고; 상기 분류는 등급들이 검사되는 객체의 동작성에 대한 영향들이 상이한 결함 타입들에게 대응하는 분류작업에 따라서, 잠재적인 결함을 분류하는 것을 포함한다.
선택적으로, 스테이지(1560)에서 상기 결함의 존재를 결정하는 것은, 검사 이미지의 적어도 하나의 파트(잠재적인 결함과 상호관련되는 파트)가 할당된 하나 또는 둘 이상의 이미지-세그먼트들의 선택을 기초로 잠재적인 결함을 분류하는 단계를 포함할 수 있다. 상기 분류하는 단계는 - 만약 시행된다면 - 상이한 등급들이 검사되는 객체의 동작성에 대해 상이한 영향들을 갖는 결함 타입들에 대응하는 분류작업 방식에 따라서 잠재적인 결함을 분류하는 단계를 포함할 수 있다.
(스테이지(1550)의 마스크와 같이) 결함-검출 마스크가 상이한 해상도를 가질 수 있고, 그리고 특히 검사 이미지의 해상도보다 더 높은 해상도를 가질 수 있다는 것이 주지된다. 즉, 마스크의 영역 내에 규정된 마스크-세그먼트들이 검사 이미지의 해상도보다 더 높은 해상도로 규정될 수 있다.
검사 이미지의 파트들의 분포를 결정하는 것이 또한 스테이지(1550) 내의 세그먼트화 프로세스의 파트로서 구현될 수 있다는 것이 주지된다. 예를 들어, 방법(1500)은 복수의 마스크-세그먼트들 중 하나 또는 둘 이상에 대해서 검사 이미지의 복수의 픽셀들로부터의 각각의 픽셀의 분포를 결정하는 스테이지(1551)를 포함할 수 있다. 그러한 구현예에 따라서, 세그먼트화는 복수의 픽셀들에 대해서 결정된 분포들을 기초로 할 수 있다. 예로서, 각각의 이미지-세그먼트들에 대해서 이미지의 다양한 복수의 파트들을 할당하는 것은 분포를 결정하는 것의 결과를 기초로 할 수 있다.
선택적으로, 이미지 세그먼트들로 할당하는 것은 이미지의 픽셀들 모두에 대해서, 또는 적어도 픽셀들의 대부분에서 픽셀들의 모두에 대해서 실시된다. 예를 들어, 분포를 결정하는 것은 이미지의 픽셀들 모두에 대해서 (또는 픽셀들의 대부분에 대해서) 실행될 수 있고, 그리고 그러한 픽셀들의 각각이 결정된 분포를 기초로 할당될 수 있다. 픽셀들의 각각의 분포가 결정될 수 있는 및/또는 사용될 수 있는 방식들은, 필요한 변경을 가하여(mutatis mutandis), (예를 들어, 스테이지(1567) 및 도 6과 관련된) 마스크 세그먼트들과 관련한 분포에 대해서 논의된 방식들과 유사할 수 있으므로 당업자에게 명확할 것이다.
도 2를 다시 참조하면, 선택적으로, 상관기(1220)는, 결함-검출 형판과 검사 이미지의 부분 사이의 매칭을 기초로, 검사 이미지에 대한 결함-검출 참조 위치를 결정하도록 구성될 수 있고, 상기 결함-검출 참조 위치를 결정하는 것의 정확도는 검사 이미지의 해상도를 초과한다.
분포 분석 모듈(1240)은, 상이한 세그먼트들을 규정하는 결함-검출 마스크를 기초로 그리고 검사 이미지에 대해서 결정된 위치를 기초로, 하나 또는 둘 이상의 결함-검출 세그먼트들에 대한 잠재적인 결함의 결함-검출 분포를 결정하도록 구성될 수 있다. 그러한 구현예에서, 결함 검출 프로세서(1260)는 결함-검출 분포를 기초로 잠재적인 결함을 분류하도록 구성된 분류기를 포함할 수 있다.
선택적으로, 분포 분석 모듈(1240)은 검사 이미지의 해상도를 초과하는 정확도로 하나 또는 둘 이상의 마스크-세그먼트들에 대해서 잠재적인 결함의 분포를 결정하도록 구성될 수 있고; 결함 검출 프로세서(1260)는 상기 분포를 기초로 잠재적인 결함을 분류하도록 구성된다.
선택적으로, 분포 분석 모듈(1240)은 하나 또는 둘 이상의 마스크-세그먼트들에 대한 잠재적인 결함의 분포를 결정하도록 구성될 수 있으며; 그리고 결함 검출 프로세서(1260)는, 등급들이 검사되는 객체의 동작성에 대한 영향들이 상이한 결함 타입들에 대응하는 분류작업에 따라서, 분포를 기초로 잠재적인 결함을 분류하도록 구성될 수 있다.
도 6은 검사 이미지(100), 및 하나의 영역 내에서 복수의 마스크-세그먼트들(1410)을 규정하는 마스크(1400)의 사용을 도시한다. 그러한 사용은 복수의 참조 위치들(1120)(그 위치들 중 하나가 도 6에 도시됨) 및 마스크(1400)를 기초로 검사 이미지(100)를 세그먼트화하는 데 포함될 수 있지만, 또한 잠재적인 결함의 분석을 기초로 결함의 존재를 결정하기 위해서 사용될 수 있다. 세그먼트화를 위한 마스크(1400)의 사용이 또한 도 5와 관련하여 도시되고 논의된다는 것이 다시 주지된다.
영역(1110)(이하에서, 단순히 "셀"로서 또는 "영역(1110)"으로서 또한 지칭된다)은 검사 이미지(100)의 Xcell × Ycell 픽셀들 크기의 영역이다. Xcell 및 Ycell 이 정수일 수 있지만, 영역(1110)의 위치가 검사 이미지(100)의 픽셀들(102로 표시됨)의 그리드 상에서 정확하게 판독(read)될 필요가 없다는 것을 알 수 있다. 예를 들어, 형판과 검사 이미지 사이의 최적의 매칭은 비-정수 픽셀 좌표들로 규정되는 영역에 대해 달성될 수 있다. 부가적인 예에서, 참조(1120)의 위치와 대응 영역(1110) 사이의 거리가 비-정수 픽셀 좌표들로 규정될 수 있다.
도 6의 우측에, 영역(1110)의 업샘플링된 버전이 도시되어 있고(1110'로 표시됨), 마스크(1400)의 표상과 중첩된다. 보여지는 바와 같이, 검사 이미지의 해상도에서, 영역(1110)(또한 "셀"로서 지칭된다)의 크기는 6 × 6 픽셀들이다. 그것의 업샘플링된 버전의 크기는 15 × 15 픽셀들이다. 도시된 예에서, 영역(1110)을 영역(1110')으로 업샘플링하는 것은 N = 2.5배만큼 해상도를 증가시키는 것을 포함한다. 선택된 셀 영역의 업샘플링이 본원 발명의 일부 구현예들에서 구현될 수 있지만, 반드시 그러한 것은 아님이 다시 주지된다. 앞서서 주지된 바와 같이, 일부 구현예들에서 그러한 셀-영역은 선택되지 않거나 규정되지 않는다.
구현되는 경우에, 업샘플링하는 것은 단순한 선형 내삽(interpolation)을 포함할 수 있다. 다른 구현예들에서, 다른 타입들의 내삽 기술들 - 예를 들어 공삼차(bicubic) 내삽, 공일차(bilinear) 내삽, 최근린(nearest-neighbor) 내삽 등 - 이 구현될 수 있다.
도해로서, 선형 내삽이 구현되는 예에서, 마스크-해상도로(실제로 래스터(raster) 이미지로서 구현되는 경우), 검사 이미지(1140으로 표시됨)의 단일-픽셀 크기의 파트가 N × N 픽셀들 영역(1140' 로 표시됨)에 대응된다.
스테이지(1550) 내에서 이미지-세그먼트들에 대해서 할당된 검사 이미지의 파트들이 단일-픽셀 크기일 수 있지만(도 6의 예에서와 같음), 반드시 그러한 것은 아니고, 그리고 그 파트들이 또한 그보다 작거나 클 수 있다는 것이 주지된다. 만약 마스크(1400)가 잠재적인 결함의 분석을 위해서 사용된다면, 그러한 파트(1140)가 또한 검사 이미지의 분석 동안에 검출된 잠재적인 결함의 위치를 나타낼 수 있다는 것이 주지된다. 잠재적인 결함들은 단일 픽셀보다 더 크거나 더 작은 것으로 가능하게는 유사하게 규정될 수 있다.
마스크(1400)의 상이한 마스크-세그먼트들(1410)이 하위-픽셀 해상도로 규정된 것으로 도시되어 있다. 이는, 예를 들어 마스크의 벡터적인 표상으로 구현될 수 있다. 일부 구현예들에서, - 만약 마스크가 래스터 이미지로서 규정된다면 - 마스크의 마스크-세그먼트들(1410)이 전체 픽셀들의 해상도 내에서만 규정될 수 있음이 주지되어야 한다. 마스크(1400)의 상이한 마스크-세그먼트들이 도 6에서 1410(13), 1410(14), 1410(15), 및 1410(16)으로서 열거되어 있다. 1410(10)으로 표시된 영역들은 마스크 내에서 세그먼트들로 규정될 수 있거나(그에 따라, 전체 영역을 커버하는 세그먼트들을 가진다), 또는 전혀 규정되지 않을 수 있다(그에 따라, 부분적으로만 영역을 커버하는 세그먼트들을 가진다).
도 6의 예를 참조하면, 스테이지(1550)는 복수의 이미지-세그먼트들로부터 선택된 각각의 이미지-세그먼트에 대해서 이미지의 복수의 파트들(도시되지 않은 다른 파트들)로부터의 각각의 파트(1140)를 할당하는 것을 포함하며, 상기 복수의 이미지-세그먼트들은 마스크(1400)의 적어도 하나의 마스크-세그먼트(1410)에 대응한다. 이는, 예를 들어 하나 또는 둘 이상의 마스크-세그먼트들(1410)에 대한 각각의 파트(1140)의 분포를 결정하는 것에 의해서 구현될 수 있다.
도 6의 예를 참조하면, 마스크-세그먼트들(1410)과 파트(1140) 사이의 관계는, 참조(1120)의 위치와 마스크(1400)의 적어도 하나의 기준 지점 사이의 관계(이는 화살표(1122)로 도시되고, 그리고 기준 데이터의 파트일 수 있다)에 대해 알고 있는 것(knowledge) 그리고 참조(1120)의 위치와 파트(1140)의 적어도 하나의 기준 지점 사이의 관계(이는 화살표(1124)로 도시되고, 그리고 결정될 수 있는데, 이는 참조 위치 및 식별된 항목의 위치 모두가 검사 이미지(100)의 좌표들 내에서 규정될 수 있기 때문이다)에 대해 알고 있는 것에 의해서 도움을 받을 수 있다는 것이 주지된다.
영역(1140')(검사 이미지의 파트(1140)의 확대된 유사부분(analogue)이다)이 마스크(1400)의 마스크-세그먼트들(1410(10), 1410(13) 및 1410(16)) 사이에 분포된다는 것을 알 수 있다. 전술한 바와 같이, 파트(1140)의 크기가 또한 하나의 픽셀보다 크거나 작을 수 있다. 따라서, 파트(1140)가 위치 정보와 연관될 수 있고 그리고 가능하게는 또한 크기 정보 및/또는 그레이드(grade)와 연관될 수 있다.
분포를 결정하는 것은 형판의, 검사 이미지의 해상도를 초과하는 정확도로 및/또는 마스크가 규정되는 정확도로 분포를 결정하는 것을 포함할 수 있음을 주지하여야 한다. 이는, 특히, 높은 해상도 규칙들을 기초로 하는 세그먼트화를 제공할 수 있는 한편, 스캐닝의 해상도의 증가를 요구하지 않는다.
도 7의 예에서, 검사 이미지 내의 파트(1140)의 크기는 단일 픽셀(도 6의 예에서와 같다)이 아니며, 오히려 4개의 픽셀들이다. 파트(1140)의 업샘플링된 유사부분이 영역(1140')이다. 영역(1140')은 4개의 사분체들로 분할되는 것으로 도시되어 있지만, 이는 단지 설명을 위한 이유로 이루어진 것이고, 그리고 전술한 바와 같이, 분포를 결정하는 것은 더 높은 해상도로 이루어진다.
알 수 있는 바와 같이, 절반보다 약간 큰 영역(1140')이 마스크-세그먼트(1410(17))와 중첩되고, 그리고 절반보다 약간 작은 영역(1140')이 마스크-세그먼트(1410(18))와 중첩된다. 이는, 세그먼트 타입 1(마스크-세그먼트(1410(18))에 대응한다)이 2 바로 아래의 스코어를 수신하고 그리고 세그먼트 타입 2(마스크-세그먼트(1410(17))에 대응한다)가 2 바로 위의 스코어를 수신하는 결정된 분포(1900으로 표시됨)에 의해서 반영된다. 주어진 예에서, 분포 내의 스코어들이 검사 이미지의 원래의 픽셀들과 동일한 유닛들로 주어지나, 분포를 결정하는 임의의 다른 방법이 구현될 수 있다는 것을 당업자는 이해할 것이다. 예를 들어, 분포는 백분율들로, 픽셀들로(일반적으로, 단편적인(fractional) 양), 나노미터들로, 기타 등등으로 결정될 수 있으며, 그러한 규정은 일반적으로 분류작업 로직이 규정되었던 것과 유사할 것이다.
파트(1140)에 대응하는 영역(1140')이 마스크(1400)의 복수의 마스크-세그먼트들(1410) 사이에 분포될 수 있지만, 이는 반드시 그러한 것은 아니고, 그리고 전체 영역이 단일 마스크-세그먼트(1410)에 대응할 수 있다는 것이 주지된다.
방법(1500) 전체로서 참조하면, 그러한 방법은 - 예를 들어, 스테이지(1530)에서 - 웨이퍼의 런타임 검사 이미지의 영역들을 형판에 대해서 상호관련시키는 것을 포함할 수 있다(이러한 스테이지는 또한 "형판 앵커링"이라고 지칭된다). 이러한 상관성을 기초로, 검사 이미지의 영역들이 선택되고 그리고 마스크에 대응하는 영역들을 제공하도록 추후에 추가적으로 프로세싱될 수 있다.
마스크를 결정하는 것이 비교적 긴 프로세스일 수 있지만, 이는 많은 검사되는 웨이퍼들(또는 임의의 다른 검사되는 객체들)의 런타임 검사를 위해서 기능할 수 있다 - 그러한 시나리오에서 런타임 검사는 비교적 신속하여야 한다(이는, 그러한 런타임 검사가 많은 횟수들로 반복되기 때문이다). 이러한 신속성을 달성하기 위해서, 검사는 비교적 낮은 해상도로 실행될 수 있다.
세그먼트화 프로세스에 대해서 유용한 부가적인 정보를 제공하는 동안, 방법(1500)은 런타임 검사 시간을 조금도 증대시킬 필요가 없다는 것을 주지하여야 하고, 그리고 그러한 것이 하위-픽셀 정확도로 정보를 제공할 수 있지만, 그러한 것은 런타임 검사 픽셀 크기의 어떠한 감소도 필요로 하지 않는다는 것을 주지하여야 한다.
상기 예들의 일부가 전자 빔 스캐닝과 관련되지만, 개시된 기술들이 또한 다른 타입들의 검사 또는 이미징(예를 들어, 광학식, 레이다, 소나(sonar) 등)에 대해서 구현될 수 있다는 것이 주지된다. 유사하게, 상기 예들의 일부가 웨이퍼와 같은 전자 회로의 검사와 관련되지만, 나노미터 스케일 또는 다른 스케일들이든지에 관계없이, 개시된 기술들이 또한 다른 타입들의 검사 객체들에 대해서 구현될 수 있다.
전술한 바와 같이, 방법(1500)에서 사용되는 형판 및 마스크가 상이한 방식들로 생성될 수 있다. 예를 들어, 마스크가 검사되는-객체 기준 영역의 기준 이미지를 기초로 결정될 수 있다. 그러한 경우에, 이하에서 논의되는 바와 같이, 방법은 더 낮은 해상도를 가지는 형판을 제공하기 위해서 기준 이미지의 적어도 일부분을 다운샘플링하는 것을 포함할 수 있다. 다운샘플링과 별개로, 형판을 생성하는 것이 또한 부가적인 타입들의 이미지 프로세싱을 포함할 수 있다는 것이 주지된다.
마스크 및/또는 형판을 제조하는 프로세스에서 사용되는 기준 이미지가 또한 스테이지(1560)에서의 비교 및 결함 검출을 위해서 사용될 수 있다는 것을 주지하여야 한다. 그러나, 다른 구현예들에서, 하나의 (또는 그 초과의) 기준 이미지들이 기준 데이터(마스크 및/또는 형판 포함)의 생성을 위해서 사용되고, 그리고 다른 기준 이미지(또는 몇 개의 기준 이미지)가 세그먼트화를 기초로 결함의 존재를 결정하는 스테이지에서 사용된다.
예를 들어, (예를 들어, 도 8 및 9와 관련하여 논의된 바와 같이) 마스크 및/또는 형판이 웨이퍼 내의 단일 다이의 높은 해상도 기준 이미지로부터 한차례(once) 생성될 수 있고, 그리고 동일한 기준 데이터가 복수의 다른 웨이퍼들 내의 결함 검출을 위해서 사용될 수 있다. 예를 계속하면, 그러한 것들의 각각에서, 다른 웨이퍼 결함 검출은 해당 웨이퍼의 제 1 다이의 각각의 검사 이미지를 바로 그 해당(that very same) 웨이퍼의 다른 다이의 대응하는 기준 이미지에 대해서 비교하는 것을 기초로 할 수 있다.
검사되는-객체 기준 영역은 동일한 검사되는 객체의 파트(예를 들어, 동일한 웨이퍼 내의 다른 다이)일 수 있거나, 또는 다른 검사되는 객체(예를 들어, 동일한 배치(batch)의 또는 다른 배치의 다른 웨이퍼)에 속할 수 있다. 그러한 경우에 기준 이미지는 방법(1500)의 검사 이미지를 획득하는 것을 위해서 사용되는 동일한 검사 기계에 의해서 생성될 수 있다. 다른 구현예에서, 기준-이미지는 컴퓨터-이용 설계(CAD) 데이터로부터 생성될 수 있다. 선택적으로, 그러한 방법은 컴퓨터-이용 설계(CAD) 데이터로부터 생성된 하나 또는 둘 이상의 기준 이미지들을 프로세싱함으로써 형판 및/또는 마스크를 생성하는 것을 포함할 수 있다.
방법(1500)에서 사용된 마스크 및/또는 형판을 생성하는 것은 방법(1600)의 프로세스에 따라서 실행될 수 있다. 이러한 프로세스가 방법(1500)의 일부일 수 있다는 것이 주지된다(즉 - 방법(1600)이 방법(1500)에 통합될 수 있다). 본원 발명의 실시예에 따라서, 마스크는 검사되는-객체 기준 영역의 기준 이미지를 기초로 결정되며, 상기 방법(1500)은 형판을 생성하는 것을 더 포함하고, 상기 생성하는 것은 기준 이미지의 일부를 다운샘플링하는 것을 포함한다. 다른 구현예들에서, 기준 이미지가 검사 이미지가 아니고, 컴퓨터-이용 설계(CAD) 데이터로부터 생성된다는 것이 주지된다.
도 8은, 본원의 실시예에 따라서, (예를 들어, 방법(1500)에서와 같이) 세그먼트화를 위해서 사용될 수 있는 기준 데이터를 생성하기 위한 방법(1600)을 도시한다.
방법(1600)은 검사되는-객체 기준 영역의 기준 이미지를 획득하는 스테이지(1610)로 시작된다. 만약 기준 이미지가 실제 객체의 이미지라면(그리고, 예를 들어 CAD 데이터를 기초로 하지 않는다면), - 직접적인 스캐닝, 검사 등에 의해서, 또는 다른 시스템으로부터 기준 객체의 높은 해상도 이미지를 수신하는 것에 의해서 - 기준 객체(전자적 회로, 웨이퍼, 및 포토마스크로 이루어진 그룹으로부터 선택될 수 있지만, 반드시 그러한 것은 아니다)의 높은 해상도 이미지가 획득될 수 있다. 높은 해상도 이미지는 단지 기준 영역의 또는 전체 기준 객체의 이미징 데이터를 포함할 수 있다. 이전의 도면들에서 제시된 예들을 참조하면, 스테이지(1610)는 검사 결과들 인터페이스(1204)와 같은 검사 결과들 인터페이스에 의해서, 또는 검사 기계(1210)와 같은 검사 기계에 의해서 실행될 수 있다.
예를 들어, 높은 해상도 기준 이미지는 다이의 이미지 또는 다이의 일부의 이미지일 수 있다. 높은 해상도 기준 이미지가 높은 해상도 검사 프로세스로부터 및/또는 컴퓨터-이용 설계(CAD) 파일로부터 수집될 수 있다. 예로서, 높은 해상도 이미지는 e-빔 검사 툴에 대해서 증가된 해상도를 사용함으로써 또는 주사전자현미경(SEM) 이미징 시스템을 사용함으로써 생성될 수 있다.
높은 해상도 이미지가 일단 얻어지면, 그러한 이미지는 정보의 규정에 사용될 수 있고, 그러한 정보는 검출된 가능한 결함들의 실제 분류작업에서 추후에 사용될 수 있다. 방법(1600)은 기준 이미지 내의 관심 패턴을 식별하는 스테이지(1620)로 계속될 수 있다. 그러한 관심 패턴은 또한 "골든(Golden) 셀"로서 지칭된다. 그러한 관심 패턴은 사람에 의해서 식별될 수 있거나 또는 자동적으로 생성될 수 있다. 그러한 패턴 또는 "골든 셀"이 검사 이미지에서 (가능하게는, 주기적인 반복 패턴으로) 수차례 반복될 수 있지만, 반드시 그러한 것은 아니라는 것이 주지된다. 이전의 도면들에서 제시된 예들을 참조하면, 스테이지(1620)가 이미지 프로세싱 모듈(1230)과 같은 이미지 프로세싱 모듈에 의해서 실행될 수 있다.
방법(1600)의 스테이지(1630)는 셀-크기의 영역 내에서 상이한 마스크-세그먼트들을 규정하는 마스크를 생성하는 것을 포함한다. 반복 패턴을 포함하는 기준 이미지의 경우에, 셀의 크기는 반복 패턴의 크기와 (또는 반복 패턴의 하위-영역과, 예를 들어 스테이지(1620)에서 관심 패턴으로서 규정되는 것과) 실질적으로 유사할 수 있다. 일부 구현예들에서, 마스크의 크기가 반복 패턴의 크기보다 작을 수 있거나(가능하게는 상당히 작을 수 있다), 또는 반복 패턴의 크기보다 클 수 있다는 것이 주지된다. 이전의 도면들에서 제시된 예들을 참조하면, 스테이지(1630)는 시스템(1200)의 마스크 생성 모듈(1290)과 같은 마스크 생성 모듈에 의해서 실행될 수 있다.
마스크 내에서, 상이한 마스크-세그먼트들이 규정된다. 그러한 상이한 마스크-세그먼트들은 상이한 이유들로 규정될 수 있다. 예를 들어, 마스크-세그먼트들이 골든 셀 패턴 내의 대응하는 영역 또는 다른 관심 영역들에서 전자적 회로(또는 다른 항목)의 상이한 기능성들에 대응하도록 규정될 수 있다. 다른 예에서, 마스크-세그먼트들은 결함들에 대해 상이한 민감도에 대응하도록 규정될 수 있다. 마스크 내에서 규정되는 마스크-세그먼트들의 수는 상이한 검사되는 객체들에 대해서(예를 들어, 상이한 전자적 회로들에 대해서) 상이할 수 있고, 그리고 추후 시간에서의 결함들의 분석 및/또는 검출에 대해, 그러한 마스크-세그먼트들을 기초로 하는 검사 이미지들의 세그먼트화의 유용성에 따라서 상이할 수 있다.
예를 들어, 일부 구현예들에서, 마스크 내의 구분되는 마스크-세그먼트들의 수가 3, 5, 또는 8일 수 있지만, 다른 구현예들에서, 수십 개의(dozens) 그리고 심지어 수백 개의 마스크-세그먼트들이 규정될 수 있다. 마스크-세그먼트들을 규정하는 것은 사람에 의해서 또는 (예를 들어, CAD 데이터를 기초로) 컴퓨터에 의해서 실행될 수 있다.
만약, 사실상, 방법(1500)에서 런타임 검사에 대해서 추후에 사용되는 해상도보다 더 높은 해상도로 마스크가 생성된다면, 마스크의 마스크-세그먼트들이 비교적 높은 해상도(예를 들어, 높은 해상도 기준 이미지의 해상도)로 스테이지(1630)에서 규정됨을 주지해야 한다. 일부 구현예들에서, 마스크에서 규정된 마스크-세그먼트들이 중첩되지 않고 그리고 마스크-세그먼트들의 사이에서 마스크의 전체 영역을 커버하지만, 이는 반드시 그러한 것은 아니고 그리고 마스크의 일부 영역들이 어느 세그먼트에도 속하지 않을 수 있다.
검사 이미지의 파트들이 세그먼트화되는 방법(1500)에서 런타임 검사가 비교적 더 낮은 해상도(예를 들어, ×2, ×3 또는 그 초과의 높은 해상도 픽셀 크기에 대응하는 픽셀 크기를 가진다)로 실행될 수 있지만, 높은 해상도 마스크의 사용은 (검사 이미지의 파트의 업샘플링과 함께) 높은 해상도 마스크와 관련된 그들의 위치들을 기초로 그러한 검사되는 이미지 파트들의 세그먼트화를 가능하게 한다는 것을 주지하여야 한다 - 이는 훨씬 더 정확하다.
만약, 사실상, 기준 이미지의 해상도가 방법(1500)에서 사용된 검사 이미지의 해상도보다 더 높다면, 방법(1600)은, 적어도 높은 해상도 이미지의 영역에 대응하는 더 낮은 해상도의 형판을 제공하기 위해서 높은 해상도 기준 이미지를 프로세싱하는 스테이지(1640)를 더 포함할 수 있다. 기준 이미지의 적어도 일부를 다운샘플링하는 것과 별개로, 형판을 생성하는 것은 연성화(softening), 평활화, 엣지 보강 등과 같은 부가적인 이미지 프로세싱 기술들의 구현을 포함할 수 있다. 본원 발명의 실시예에 따라서, 만약 방법(1500)의 검사 이미지의 생성에 대해서 사용된 검사 해상도와 상이한 해상도로 마스크가 규정된다면, 이러한 단계는 의무적이 된다. 이전의 도면들에서 제시된 예들을 참조하면, 스테이지(1640)는 시스템(1200)의 이미지 프로세싱 모듈(1230)과 같은 이미지 프로세싱 모듈에 의해서 실행될 수 있다.
스테이지(1640)의 프로세싱은 데시메이션(decimation) 이미지 프로세싱 알고리즘 또는 다른 다운-샘플링 알고리즘에 의해서 구현될 수 있지만, 이는 반드시 그러한 것은 아니다. 형판(또한, "더 낮은 해상도 기준 이미지"라고 지칭된다)은 런-타임 검사 이미지에서 (예를 들어, 그것의 파트, 즉 참조를 식별하는 것에 의해서) 반복 패턴의 검출을 위해서 사용될 수 있고, 그에 따라 마스크와 런-타임 검사 이미지 사이의 공간적인 상관성을 결정하기 위해서 사용될 수 있다.
선택적으로, 형판의 해상도는 마스크의 (그리고 높은 해상도 이미지의) 해상도보다 더 낮을 수 있고, 그리고 의도된 런-타임 검사 해상도에 대응할 수 있다. 하나 초과의 형판이 - 상이한 런타임 검사 해상도들로 사용되도록 - 예를 들어 상이한 더 낮은 해상도들로 생성될 수 있다. 예로서, 형판의 해상도가 100 nm에 대응하는 픽셀 크기(높이 또는 폭)를 가질 수 있는 한편, 마스크 해상도가 70 nm에 대응하는 픽셀 크기를 가질 수 있다. 더 낮은 해상도 형판을 제공하기 위해서 높은 해상도 기준 이미지의 파트를 프로세싱하는 것의 예가 도 9에 예시되어 있다.
마스크와 형판 사이의 1-D 픽셀 치수 사이의 비율이 본원 발명의 여러 구현예들에서 다를 수 있다(예를 들어, 1:2, 1:4, 1:7, 1:15, 등). 대응하는 픽셀 영역들 사이의 비율이 해당 비율의 제곱(second power)이라는 것을 주지하여야 한다(예를 들어, 1:4, 1:16, 1:49, 등).
방법(1600)은, 상이한 규칙들이 마스크의 마스크-세그먼트들 사이의 상이한 분포들에 대해서 적용되는 세그먼트화 로직을 규정하는 스테이지(1650)를 더 포함할 수 있다. 세그먼트화 규칙들을 규정하는 것은 규정된 특정 마스크에 의존할 것이나, 반드시 그러한 것은 아니다. 예를 들어, 세그먼트화 규칙들은 마스크 내의 마스크-세그먼트들의 각각에 의해서 커버되는 상대적인 부분을 기초로 규정될 수 있다. 대안적으로, 세그먼트화 규칙들은 특정 마스크와 무관할 수 있고, 그리고 다른 고려사항들 - 마스크-세그먼트들의 각각에 의해서 나타나는 물리적 특성들과 같음 - 을 기초로 (방법(1600) 또는 다른 것의 일부로서) 규정될 수 있다.
방법(1600)의 임의 스테이지가 (특히 컴퓨터를 사용하여) 사람에 의해서, 컴퓨터 또는 다른 기계에 의해서, 및/또는 이들의 조합에 의해서 실행될 수 있다.
도 9는 본원 발명의 실시예에 따라서, (예를 들어, 방법(1500)에서와 같은) 세그먼트화를 위해서 사용될 수 있는 기준 데이터를 생성하기 위한 프로세스(1600')를 도시한다. 특히, 그러한 프로세스(1600')는 마스크(1400) 및 형판(1300)의 생성을 위해서 사용될 수 있다.
아포스트로피(apostrophe)로 표시된 스테이지들(예를 들어, 1610', 1620', 등)은 방법(1600)의 대응하는 스테이지들(예를 들어, 각각 스테이지(1610) 및 스테이지(1620))의 가능한 구현예들이다.
적어도 기준 이미지의 영역에 대응하는 낮은 해상도 형판을 제공하기 위해서 기준 이미지를 프로세싱하는 스테이지(1640')를 참조하면, 그러한 것이 몇 가지 방식들로 구현될 수 있다는 것이 주지되며, 그러한 몇 가지 방식들 중 일부가 도시되어 있다.
첫 번째로, 높은 해상도 형판-모체(template-parent)(1300')가 기준 이미지(1800)로부터 선택된다. 그러한 선택은 1641'로 표시되어 있다. 높은 해상도 형판-모체(1300')는 관심 영역(810)의 선택된 셀-크기 패턴과 동일할 수 있거나, 또는 그와 상이할 수 있다. 이어서, 높은 해상도 형판-모체(1300')가 - 예를 들어, 평활화 또는 엣지 보강(1642' 로 표시됨)과 같은 형태학적인(morphological) 이미지 프로세싱 기술들을 적용하는 것에 의해서 - 데시메이팅되거나 또는 다르게 다운샘플링 또는 조작되어, 더 낮은 해상도 형판(1300")(또한, "다운샘플링된 형판" 및 "데시메이팅된 형판"으로 표시된다)을 제공한다. 이러한 형판(1300")은, 선택적으로, 형판이 제공될 때 "있는 그대로(as is)" 사용될 수 있다(이러한 선택사항은 1643'으로 표시됨).
다른 구현예(1644'로 표시됨)에서, 더 낮은 해상도 이미지(100')(예를 들어, 방법(1500)의 검사 이미지가 획득되는 해상도로)로부터, 다운샘플링된 형판(1300")과 매칭되는 영역(1190')을 선택하기 위해서, 그리고 그 영역(1190')을 형판(1300)으로 사용하기 위해서, 다운샘플링된 형판(1300")이 사용된다.
전체적으로 시스템(1200) 및 방법(1500)으로 되돌아가면, 시스템(1200)의 및/또는 방법(1500)의 사용은 초-미세 패턴-기초 세그먼트화를 가능하게 하도록 구현될 수 있으며, 이는 또한 결함 검출 프로세스의 더 양호한 제어 및 그 분석을 돕는 것이 주지된다.
또한, 본원 발명에 따른 시스템이 적절하게 프로그래밍된 컴퓨터일 수 있다는 것을 이해할 것이다. 유사하게, 본원 발명은 방법(1500) 및 그 변형들을 실행하기 위해서 컴퓨터에 의해서 판독될 수 있는 컴퓨터 프로그램을 고려한다. 유사하게, 본원 발명은 방법(1600) 및 그 변형들을 실행하기 위해서 컴퓨터에 의해서 판독될 수 있는 컴퓨터 프로그램을 의도한다. 본원 발명은 방법(1500) 및/또는 방법(1600)을 실행하기 위해서 기계에 의해서 실행가능한 명령어들로 된 프로그램을 유형적으로 구현하는 기계-판독가능형 메모리를 추가적으로 의도한다.
본원 발명의 특정의 특징들이 본원에서 도시되고 설명되었지만, 많은 변경물들, 치환물들, 변화물들 및 균등물들이 당업자에 의해서 이제 안출될 것이다. 그에 따라, 첨부된 청구항들이 그러한 변경물들 및 변화물들 모두를 커버하기 위해 의도된 것임이 이해될 것인데, 이는 그러한 변경물들 및 변화물들 모두가 본원 발명의 진정한 사상에 포함되기 때문이다.
전술한 실시예들이 예로서 인용되었고, 그리고 그러한 실시예들의 여러 가지 특징들 및 이들 특징들의 조합들이 변화되고 변경될 수 있다는 것이 이해될 것이다.
여러 가지 실시예들이 도시되고 설명되었지만, 본원 발명을 그러한 개시내용으로 제한하고자 하는 의도가 전혀 없으며, 오히려 첨부된 청구항들에서 규정된 바와 같은 본원 발명의 범위 내에 포함되는 모든 변경들 및 대안적인 구성들이 커버되도록 의도된 것임이 이해될 것이다.

Claims (20)

  1. 검사되는 객체의 검사 이미지 내의 결함들을 검출하기 위한 분석 시스템으로서, 상기 검사 이미지는 복수의 이미지 파트들을 포함하고, 상기 분석 시스템은:
    상기 검사 이미지에 대한 복수의 참조 위치들을 획득하도록 구성된 컴퓨터화된 상관기(correlator);
    상기 컴퓨터화된 상관기에 동작적으로 커플링되고, 상기 검사 이미지를 세그먼트화하도록 구성된 컴퓨터화된 세그먼트화 모듈로서, 상기 세그먼트화는,
    상기 복수의 참조 위치들을 기초로, 각각의 주어진 이미지 파트를 세그먼트화 마스크의 하나 또는 그 초과의 마스크-세그먼트들과 연관시키는 단계 ― 상기 세그먼트화 마스크는 관심 패턴을 나타내고 상기 마스크-세그먼트들은 상기 관심 패턴 내의 관심 영역들을 나타냄 ―,
    각각의 주어진 이미지 파트에 대해서, 상기 주어진 이미지 파트를 각각의 이미지 세그먼트로 할당하기 위해 상기 주어진 이미지 파트와 연관된 하나 또는 그 초과의 마스크-세그먼트들을 사용하여, 미리 규정된 세그먼트화 규칙들에 따라 제공되도록 할당하는 단계 ― 상기 미리 규정된 세그먼트화 규칙들은 마스크-세그먼트들과 이미지 세그먼트들 사이의 부합성(correspondence)을 규정함 ―를 포함하는, 컴퓨터화된 세그먼트화 모듈; 및
    상기 컴퓨터화된 세그먼트화 모듈에 동작적으로 커플링되고, (a) 기준 이미지의 상호관련 데이터에 대해서 상기 주어진 이미지 파트를 비교한 결과를 기초로, 그리고 (b) 상기 주어진 이미지 파트로 할당된 상기 이미지-세그먼트에 의존하는 결정 규칙을 기초로, 적어도, 상기 주어진 이미지 파트 내의 각각의 픽셀을 평가하는 것에 의해서, 검사 이미지의 주어진 이미지 파트 내의 결함의 존재를 결정하도록 구성되는, 결함 검출 프로세서를 포함하는, 분석 시스템.
  2. 제 1 항에 있어서,
    상기 상관기가 상기 검사 이미지의 복수 부분들에 대한 형판의 매칭을 기초로 상기 복수의 참조 위치들을 연산하도록 구성되는, 분석 시스템.
  3. 제 2 항에 있어서,
    상기 시스템은 검사되는-객체 기준 영역의 기준 이미지의 적어도 일부를 다운샘플링하도록, 그리고 상기 다운샘플링의 결과를 기초로 상기 형판을 생성하도록 구성된 기준 데이터 생성기를 더 포함하는, 분석 시스템.
  4. 제 2 항에 있어서,
    상기 시스템은 컴퓨터-이용 설계(CAD) 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 상기 마스크를 생성하도록 구성된 기준 데이터 생성기를 더 포함하는, 분석 시스템.
  5. 제 1 항에 있어서,
    CAD 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 상기 마스크를 생성하도록 구성된 기준 데이터 생성기를 더 포함하는, 분석 시스템.
  6. 제 1 항에 있어서,
    상기 이미지 파트들 중 적어도 두 파트들이 적어도 부분적으로 중첩되는, 분석 시스템.
  7. 제 1 항에 있어서,
    상기 검사되는 객체가 전자 회로, 웨이퍼, 및 포토마스크로 이루어진 그룹으로부터 선택되는, 분석 시스템.
  8. 제 1 항에 있어서,
    상기 상관기는 상기 검사 이미지의 해상도를 초과하는 정확도로 상기 참조 위치들을 연산하도록 구성되는, 분석 시스템.
  9. 제 1 항에 있어서,
    상기 프로세서는 상기 검사 이미지의 적어도 일부의 세그먼트화를 기초로 상기 검사 이미지의 상이한 영역들에 대한 상이한 검출 방식들을 규정하도록 추가적으로 구성되고; 상기 결함 검출 프로세서는 상기 규정의 결과를 기초로 상기 결함의 존재를 결정하도록 구성되는, 분석 시스템.
  10. 제 1 항에 있어서,
    상기 결함 검출 프로세서는 주어진 이미지 파트로 할당되는 이미지-세그먼트를 기초로 상기 주어진 이미지 파트 내의 잠재적인 결함을 분류하도록 구성되고, 사용되는 분류작업에서의 등급들은 상기 검사되는 객체의 동작성에 대한 영향들이 상이한 결함 타입들에 대응하는, 분석 시스템.
  11. 제 1 항에 있어서,
    검사 객체를 검사하도록 그리고 상기 검사를 기초로 상기 검사 이미지를 제공하도록 구성된 센서를 더 포함하는, 분석 시스템.
  12. 검사되는 객체의 검사 이미지 내의 결함들을 검출하기 위한 컴퓨터화된 방법으로서, 상기 이미지는 복수의 이미지 파트들을 포함하고, 상기 결함들을 검출하기 위한 컴퓨터화된 방법은:
    상기 검사 이미지에 대한 복수의 참조 위치들을 획득하는 단계; 및
    상기 검사 이미지를 세그먼트화하는 단계를 포함하고,
    상기 이미지를 세그먼트화하는 단계는:
    상기 복수의 참조 위치들을 기초로, 각각의 주어진 이미지 파트를 세그먼트화 마스크의 하나 또는 그 초과의 마스크-세그먼트들과 연관시키는 단계 ― 상기 세그먼트화 마스크는 관심 패턴을 나타내고 상기 마스크-세그먼트들은 상기 관심 패턴 내의 관심 영역들을 나타냄 ―,
    각각의 주어진 이미지 파트에 대해서, 상기 주어진 이미지 파트를 각각의 이미지-세그먼트로 할당하기 위해 상기 주어진 이미지 파트와 연관된 하나 또는 그 초과의 마스크-세그먼트들을 사용하여, 미리 규정된 세그먼트화 규칙들에 따라 제공되도록 할당하는 단계 ― 상기 미리 규정된 세그먼트화 규칙들은 마스크-세그먼트들과 이미지 세그먼트들 사이의 부합성(correspondence)을 규정함 ―, 및
    상기 검사 이미지의 주어진 이미지 파트 내의 결함의 존재를 결정하는 단계를 포함하고,
    상기 결함의 존재를 결정하는 단계는, 상기 주어진 이미지 파트 내의 각각의 픽셀에 대해서, (a) 기준 이미지의 상호관련 데이터에 대해서 상기 픽셀을 비교한 결과를 기초로, 그리고 (b) 상기 주어진 이미지 파트로 할당된 상기 이미지-세그먼트에 의존하는 결정 규칙을 기초로, 상기 픽셀을 평가하는 것을 포함하는, 컴퓨터화된 방법.
  13. 제 12 항에 있어서,
    상기 획득하는 단계는 상기 검사 이미지의 복수의 부분들에 대한 형판의 매칭을 기초로 상기 복수의 참조 위치들을 연산하는 단계를 포함하는, 컴퓨터화된 방법.
  14. 제 12 항에 있어서,
    상기 결함의 존재를 결정하는 단계는 상기 검사 이미지의 상이한 영역들에 대해서 규정된 상이한 검출 방식들을 기초로 하고, 상기 규정은 상기 세그먼트화를 기초로 하는, 컴퓨터화된 방법.
  15. 제 12 항에 있어서,
    CAD 데이터로부터 생성된 기준 이미지를 프로세싱함으로써 상기 마스크를 생성하는 단계를 더 포함하는, 컴퓨터화된 방법.
  16. 검사되는 객체의 검사 이미지 내에서 식별되는 잠재적인 결함을 분류하기 위한 방법을 컴퓨터로 하여금 수행하게하도록 그 안에 구현된 컴퓨터 판독 가능한 프로그램 코드를 저장하는 비-일시적 컴퓨터 판독 가능 저장 매체를 포함하는 프로그램 저장 장치로서, 상기 방법은:
    상기 검사 이미지에 대한 복수의 참조 위치들을 획득하는 단계;
    상기 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정하는 마스크를 기초로, 상기 검사 이미지의 복수의 파트들로부터의 각 파트를 복수의 이미지-세그먼트들로부터 선택된 각각의 이미지-세그먼트로 할당함으로써 상기 검사 이미지를 세그먼트화하는 단계로서, 상기 복수의 이미지-세그먼트들은 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트에 대응하는, 세그먼트화 단계; 및
    상기 세그먼트화를 기초로 상기 검사 이미지 내의 결함의 존재를 결정하는 단계로서, 상기 검사 이미지의 복수의 픽셀들로부터의 각 픽셀에 대해서, (a) 기준 이미지의 상호관련 데이터에 대해서 픽셀을 비교한 결과를 기초로, 그리고 (b) 상기 픽셀에 대해서 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로 상기 픽셀을 평가하는 것을 포함하는, 상기 결함의 존재를 결정하는 단계를 포함하고,
    상기 결함의 존재를 결정하는 단계는 상기 검사 이미지의 상이한 영역들에 대해서 규정된 상이한 검출 방식들을 기초로 하고, 상기 규정은 상기 세그먼트화를 기초로 하는, 프로그램 저장 장치.
  17. 제 16 항에 있어서,
    상기 획득하는 단계는 상기 검사 이미지의 복수의 부분들에 대한 형판의 매칭을 기초로 상기 복수의 참조 위치들을 연산하는 단계를 포함하는, 프로그램 저장 장치.
  18. 제 16 항에 있어서,
    상기 방법은 형판을 생성하는 단계를 더 포함하고, 상기 형판을 생성하는 단계는, 검사되는-객체 기준 영역의 기준 이미지의 적어도 일부를 다운샘플링하는 단계를 포함하는, 프로그램 저장 장치.
  19. 검사되는 객체의 검사 이미지 내의 결함들을 검출하기 위한 분석 시스템으로서, 상기 검사 이미지는 복수의 픽셀들을 포함하고, 상기 분석 시스템은:
    상기 검사 이미지에 대한 복수의 참조 위치들을 획득하도록 구성된 컴퓨터화된 상관기;
    상기 컴퓨터화된 상관기에 동작적으로 커플링되고, 상기 검사 이미지의 복수의 파트들로부터의 각 파트를 복수의 이미지 세그먼트들로부터 선택된 각각의 이미지-세그먼트로 할당함으로써, 상기 복수의 참조 위치들을 기초로 그리고 복수의 마스크-세그먼트들을 규정하는 마스크를 기초로 상기 검사 이미지를 세그먼트화하도록 구성된 컴퓨터화된 세그먼트화 모듈로서, 상기 복수의 이미지 세그먼트들은 상기 복수의 마스크-세그먼트들 중의 적어도 하나의 마스크-세그먼트에 대응하는, 컴퓨터화된 세그먼트화 모듈; 및
    상기 컴퓨터화된 세그먼트화 모듈에 동작적으로 커플링되고, (a) 기준 이미지의 상호관련 데이터에 대해서 상기 픽셀을 비교한 결과를 기초로, 그리고 (b) 상기 픽셀에 대해 선택된 이미지-세그먼트에 의존하는 결정 규칙을 기초로, 적어도, 상기 검사 이미지의 복수의 픽셀들로부터의 각 픽셀을 평가하는 것에 의해서, 세그먼트화를 기초로 상기 검사 이미지 내의 결함의 존재를 결정하도록 구성되는, 결함 검출 프로세서를 포함하고,
    상기 프로세서는 상기 검사 이미지의 적어도 일부의 세그먼트화를 기초로 상기 검사 이미지의 상이한 영역들에 대한 상이한 검출 방식들을 규정하도록 추가적으로 구성되고; 상기 결함 검출 프로세서는 상기 규정의 결과를 기초로 상기 결함의 존재를 결정하도록 구성되는, 분석 시스템.
  20. 삭제
KR1020130048416A 2012-06-13 2013-04-30 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품 KR101934313B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/517,520 US8977035B2 (en) 2012-06-13 2012-06-13 System, method and computer program product for detection of defects within inspection images
US13/517,520 2012-06-13

Publications (2)

Publication Number Publication Date
KR20130139762A KR20130139762A (ko) 2013-12-23
KR101934313B1 true KR101934313B1 (ko) 2019-01-02

Family

ID=49755977

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130048416A KR101934313B1 (ko) 2012-06-13 2013-04-30 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품

Country Status (4)

Country Link
US (1) US8977035B2 (ko)
JP (1) JP5981838B2 (ko)
KR (1) KR101934313B1 (ko)
TW (1) TWI539150B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220094593A (ko) * 2020-12-29 2022-07-06 부산대학교 산학협력단 표면결함검출 스캐너를 위한 이미지 데이터 저장 장치 및 방법

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9087367B2 (en) 2011-09-13 2015-07-21 Kla-Tencor Corp. Determining design coordinates for wafer defects
US9053390B2 (en) * 2012-08-14 2015-06-09 Kla-Tencor Corporation Automated inspection scenario generation
US9189844B2 (en) 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
US9053527B2 (en) 2013-01-02 2015-06-09 Kla-Tencor Corp. Detecting defects on a wafer
US9311698B2 (en) * 2013-01-09 2016-04-12 Kla-Tencor Corp. Detecting defects on a wafer using template image matching
US9865512B2 (en) 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
US9310320B2 (en) 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
JP6126450B2 (ja) * 2013-04-25 2017-05-10 株式会社ブリヂストン 検査装置
CN104780513A (zh) * 2014-01-13 2015-07-15 北京快点网络科技有限公司 无线终端装置及其输出广告的方法
CN104297254B (zh) * 2014-10-08 2017-04-12 华南理工大学 一种基于混合法的印刷电路板缺陷检测方法及系统
US10192283B2 (en) * 2014-12-22 2019-01-29 Cognex Corporation System and method for determining clutter in an acquired image
WO2016121073A1 (ja) * 2015-01-30 2016-08-04 株式会社 日立ハイテクノロジーズ パターンマッチング装置、及びパターンマッチングのためのコンピュータプログラム
EP3289607A4 (en) * 2015-04-30 2018-12-19 KLA - Tencor Corporation Automated image-based process monitoring and control
JP6623545B2 (ja) * 2015-04-30 2019-12-25 大日本印刷株式会社 検査システム、検査方法、プログラムおよび記憶媒体
US10535131B2 (en) * 2015-11-18 2020-01-14 Kla-Tencor Corporation Systems and methods for region-adaptive defect detection
US10451407B2 (en) * 2015-11-23 2019-10-22 The Boeing Company System and method of analyzing a curved surface
US10365639B2 (en) * 2016-01-06 2019-07-30 Kla-Tencor Corporation Feature selection and automated process window monitoring through outlier detection
US11216936B2 (en) * 2016-02-19 2022-01-04 SCREEN Holdings Co., Ltd. Defect detection device, defect detection method, and program
JP6666046B2 (ja) * 2016-04-25 2020-03-13 キヤノン株式会社 画像処理装置および画像処理方法
US10190991B2 (en) * 2016-11-03 2019-01-29 Applied Materials Israel Ltd. Method for adaptive sampling in examining an object and system thereof
KR102293095B1 (ko) * 2017-08-01 2021-08-26 어플라이드 머티리얼즈 이스라엘 리미티드 공극들을 검출하기 위한 방법 및 검사 시스템
US10408764B2 (en) 2017-09-13 2019-09-10 Applied Materials Israel Ltd. System, method and computer program product for object examination
US10755405B2 (en) * 2017-11-24 2020-08-25 Taiwan Semiconductor Manufacturing Co., Ltd. Method and system for diagnosing a semiconductor wafer
KR102409943B1 (ko) * 2017-11-29 2022-06-16 삼성전자주식회사 결함 검출 방법 및 이를 수행하기 위한 장치
CN110293753B (zh) * 2018-03-22 2021-07-23 海德堡印刷机械股份公司 借助计算机对印刷产品进行图像检测的方法
US11562505B2 (en) 2018-03-25 2023-01-24 Cognex Corporation System and method for representing and displaying color accuracy in pattern matching by a vision system
US11668655B2 (en) * 2018-07-20 2023-06-06 Kla Corporation Multimode defect classification in semiconductor inspection
CN110969175B (zh) * 2018-09-29 2022-04-12 长鑫存储技术有限公司 晶圆处理方法及装置、存储介质和电子设备
JP7215882B2 (ja) * 2018-11-15 2023-01-31 株式会社ニューフレアテクノロジー パターン検査装置及びパターン検査方法
CN109671078B (zh) * 2018-12-24 2022-11-01 广东理致技术有限公司 一种产品表面图像异常检测方法及装置
US10964015B2 (en) 2019-01-15 2021-03-30 International Business Machines Corporation Product defect detection
US10902620B1 (en) 2019-04-18 2021-01-26 Applied Materials Israel Ltd. Registration between an image of an object and a description
US11162906B2 (en) 2019-05-16 2021-11-02 General Inspection, Llc High-speed method and system for inspecting and sorting a stream of unidentified mixed parts
US11045842B2 (en) 2019-05-16 2021-06-29 General Inspection, Llc Method and system for inspecting unidentified mixed parts at an inspection station having a measurement axis to identify the parts
US11543364B2 (en) * 2019-05-16 2023-01-03 General Inspection, Llc Computer-implemented method of automatically generating inspection templates of a plurality of known good fasteners
CN110276754B (zh) * 2019-06-21 2021-08-20 厦门大学 一种表面缺陷检测方法、终端设备及存储介质
US11137485B2 (en) * 2019-08-06 2021-10-05 Waymo Llc Window occlusion imager near focal plane
KR102075872B1 (ko) * 2019-08-09 2020-02-11 레이디소프트 주식회사 투과영상 기반의 비파괴검사 방법 및 이를 위한 장치
KR102415928B1 (ko) * 2019-08-26 2022-07-05 레이디소프트 주식회사 투과영상 기반의 비파괴검사 방법
US11676260B2 (en) * 2019-09-26 2023-06-13 Kla Corporation Variation-based segmentation for wafer defect detection
JP2021078082A (ja) * 2019-11-13 2021-05-20 キヤノン株式会社 情報処理装置及びその制御方法
CN110967851B (zh) * 2019-12-26 2022-06-21 成都数之联科技股份有限公司 一种液晶面板array图像的线路提取方法及系统
US11749569B2 (en) * 2020-05-06 2023-09-05 Taiwan Semiconductor Manufacturing Company, Ltd. Method for non-destructive inspection of cell etch redeposition
CN111913873A (zh) * 2020-06-17 2020-11-10 浙江数链科技有限公司 图片校验方法、装置、系统和计算机可读存储介质
WO2022033661A1 (en) * 2020-08-11 2022-02-17 Applied Materials, Inc. Method for defect review measurement on a substrate, apparatus for imaging a substrate, and method of operating thereof
US11907627B2 (en) * 2020-12-15 2024-02-20 Battelle Memorial Institute Fabricated layout correlation
CN112581463B (zh) * 2020-12-25 2024-02-27 北京百度网讯科技有限公司 图像缺陷的检测方法、装置、电子设备、存储介质及产品
CN112712513A (zh) * 2021-01-05 2021-04-27 歌尔股份有限公司 产品缺陷检测方法、装置、设备及计算机可读存储介质
CN114091620B (zh) * 2021-12-01 2022-06-03 常州市宏发纵横新材料科技股份有限公司 一种模板匹配检测方法、计算机设备及存储介质
CN114187294B (zh) * 2022-02-16 2022-05-17 常州铭赛机器人科技股份有限公司 基于先验信息的规则晶片定位方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006099758A (ja) 2004-09-06 2006-04-13 Omron Corp 基板検査方法および基板検査装置
US20090041332A1 (en) 2007-07-20 2009-02-12 Kla-Tencor Corporation Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4928313A (en) * 1985-10-25 1990-05-22 Synthetic Vision Systems, Inc. Method and system for automatically visually inspecting an article
JP3381129B2 (ja) * 1994-12-19 2003-02-24 オムロン株式会社 観測領域設定方法およびその装置、ならびにこの観測領域設定方法を用いた外観検査方法およびその装置
JP2002162729A (ja) * 2000-11-24 2002-06-07 Toshiba Corp パターン検査方法、パターン検査装置およびマスクの製造方法
JP4310090B2 (ja) * 2002-09-27 2009-08-05 株式会社日立製作所 欠陥データ解析方法及びその装置並びにレビューシステム
JP4154374B2 (ja) * 2004-08-25 2008-09-24 株式会社日立ハイテクノロジーズ パターンマッチング装置及びそれを用いた走査型電子顕微鏡
JP4427421B2 (ja) * 2004-09-14 2010-03-10 アイパルス株式会社 実装基板の撮像方法、検査方法及び検査装置、並びに実装ライン
US7565633B2 (en) * 2007-01-03 2009-07-21 International Business Machines Corporation Verifying mask layout printability using simulation with adjustable accuracy
JP4982213B2 (ja) * 2007-03-12 2012-07-25 株式会社日立ハイテクノロジーズ 欠陥検査装置及び欠陥検査方法
JP4735593B2 (ja) * 2007-04-12 2011-07-27 パナソニック株式会社 印刷検査装置および印刷検査方法
US20130016895A1 (en) * 2011-07-15 2013-01-17 International Business Machines Corporation Method and system for defect-bitmap-fail patterns matching analysis including peripheral defects

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006099758A (ja) 2004-09-06 2006-04-13 Omron Corp 基板検査方法および基板検査装置
US20090041332A1 (en) 2007-07-20 2009-02-12 Kla-Tencor Corporation Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220094593A (ko) * 2020-12-29 2022-07-06 부산대학교 산학협력단 표면결함검출 스캐너를 위한 이미지 데이터 저장 장치 및 방법
KR102595278B1 (ko) * 2020-12-29 2023-10-27 부산대학교 산학협력단 표면결함검출 스캐너를 위한 이미지 데이터 저장 장치 및 방법
US11961217B2 (en) 2020-12-29 2024-04-16 Pusan National University Industry—University Cooperation Foundation Device and method for storing image data for surface defect detection scanner

Also Published As

Publication number Publication date
JP5981838B2 (ja) 2016-08-31
TWI539150B (zh) 2016-06-21
TW201350833A (zh) 2013-12-16
KR20130139762A (ko) 2013-12-23
US8977035B2 (en) 2015-03-10
JP2013257304A (ja) 2013-12-26
US20130336575A1 (en) 2013-12-19

Similar Documents

Publication Publication Date Title
KR101934313B1 (ko) 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품
KR101868379B1 (ko) 검사 영상들 내의 분류를 위한 시스템, 방법 및 컴퓨터 프로그램 제품
US10853932B2 (en) Method of defect detection on a specimen and system thereof
US11010665B2 (en) Method of deep learning-based examination of a semiconductor specimen and system thereof
US8331651B2 (en) Method and apparatus for inspecting defect of pattern formed on semiconductor device
US9355208B2 (en) Detecting defects on a wafer
US10290087B2 (en) Method of generating an examination recipe and system thereof
JP5543872B2 (ja) パターン検査方法およびパターン検査装置
TWI515813B (zh) Charged particle - ray device
JP2005529388A (ja) パターン検査方法
JP2013257304A5 (ko)
WO2015120193A1 (en) Defect detection and classification based on attributes determined from a standard reference image
KR20220012217A (ko) 반도체 시편에서의 결함들의 기계 학습 기반 분류
US11410300B2 (en) Defect inspection device, defect inspection method, and storage medium
KR102619285B1 (ko) 분류 장치 및 분류 장치의 동작 방법
JP7475901B2 (ja) 試験片上の欠陥検出の方法およびそのシステム
JP3722757B2 (ja) 欠陥撮像装置
CN113947561A (zh) 半导体样本的图像分割
KR20230140394A (ko) 반도체 시편의 기계 학습 기반 검사 및 그의 훈련

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant