KR101995618B1 - 자동화된 검사 시나리오 생성 - Google Patents

자동화된 검사 시나리오 생성 Download PDF

Info

Publication number
KR101995618B1
KR101995618B1 KR1020157006445A KR20157006445A KR101995618B1 KR 101995618 B1 KR101995618 B1 KR 101995618B1 KR 1020157006445 A KR1020157006445 A KR 1020157006445A KR 20157006445 A KR20157006445 A KR 20157006445A KR 101995618 B1 KR101995618 B1 KR 101995618B1
Authority
KR
South Korea
Prior art keywords
inspection
defect
events
scenario
wafer
Prior art date
Application number
KR1020157006445A
Other languages
English (en)
Other versions
KR20150043448A (ko
Inventor
모한 마하데반
고빈드 타타이순다람
아제이 굽타
치엔-후웨이 첸 (아담)
제이슨 커크우드
아쇼크 쿨카르니
송니안 롱
어네스토 에스코르샤
유진 쉬프린
Original Assignee
케이엘에이-텐코 코포레이션
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 케이엘에이-텐코 코포레이션 filed Critical 케이엘에이-텐코 코포레이션
Publication of KR20150043448A publication Critical patent/KR20150043448A/ko
Application granted granted Critical
Publication of KR101995618B1 publication Critical patent/KR101995618B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
    • G06F18/41—Interactive pattern learning with a human teacher
    • G06K9/62—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
    • G06V10/7788—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors the supervisor being a human, e.g. interactive learning with a human teacher
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)

Abstract

사용자로부터의 입력 없이 검사 시나리오를 결정하는 방법 및 시스템을 제공한다. 검사 시나리오는 적어도 하나의 획득 모드, 결함 검출 파라미터 값 및 분류 파라미터 값을 포함한다. 일 예에서, 복수의 결함 이벤트를 웨이퍼 표면의 핫 검사에 의해 결정한다. 결함 이벤트를 분류하고, 각 결함 이벤트와 관련된 속성을 식별한다. 결함 이벤트는 이러한 정보로 라벨링된다. 식별된 속성과 분류를 기초로 하여, 검사 시나리오를 결정한다. 검사 시나리오는, 식별한 속성에 의해 형성한 수학적 공간에서의 솔루션이다. 일부 예에서, 복수의 검사 시나리오를 결정하고, 원하는 검사 시나리오는, 선택되는 검사 시나리오에 의해 포착되는 뉴슨스 이벤트(nuisance event)의 개수와 관심 결함의 개수를 기초로 하여 복수의 검사 시나리오로부터 선택한다.

Description

자동화된 검사 시나리오 생성{AUTOMATED INSPECTION SCENARIO GENERATION}
개시된 실시예는 웨이퍼 검사용 시스템 및 더 상세하게는 웨이퍼 검사 시 자동화된 레시피(recipe) 생성에 관한 것이다.
논리 및 메모리 디바이스와 같은 반도체 디바이스는 통상 기판이나 웨이퍼에 적용된 처리 단계 시퀀스에 의해 제조한다. 반도체 디바이스의 여러 가지 특성 및 다수의 구조 레벨은 이들 처리 단계에 의해 형성한다. 예컨대, 특히 리소그래피는, 반도체 웨이퍼 상에 패턴을 생성하는 단계를 수반하는 하나의 반도체 제조 공정이다. 반도체 제조 공정의 추가적인 예는, 화학-기계적 연마, 에칭, 퇴적 및 이온 주입을 포함하지만, 이들로 제한되지는 않는다. 다수의 반도체 디바이스는 단일 반도체 웨이퍼 상에 제조할 수 있으며, 그 후 개별 반도체 디바이스로 분리할 수 있다.
검사 공정은 반도체 제작 공정 동안 여러 단계에서 사용되어 웨이퍼 상에 결함을 검출하여 더 높은 수율을 촉진한다. 설계 규칙과 공정 윈도우가 지속적으로 규모가 축소되고 있으므로, 검사 시스템은, 높은 처리량을 유지하면서 웨이퍼 표면 상에서 넓은 범위의 물리적인 결함을 포착해야 한다.
많은 상이한 타입의 검사 시스템은 조정 가능한 획득 모드 파라미터(예컨대, 데이터, 신호 및/또는 이미지 획득 파라미터), 조정 가능한 결함 검출 파라미터 및 조정 가능한 결함 분류 파라미터를 갖는다. 상이한 파라미터가 관심있는 상이한 결함을 검출하고 원치 않는 뉴슨스 이벤트(nuisance event)를 초래하는 노이즈 소스(source of noise)를 회피하는데 사용된다. 조정 가능한 획득 모드, 결함 검출 및 분류 파라미터를 가진 검사 시스템은, 단일 툴로 광범위한 결함을 성공적으로 구별하게 함으로써 반도체 디바이스 제조사에게 상당한 장점을 제공한다. 그러나, 성공적인 검사는 이들 파라미터의 정확한 선택을 필요로 한다. 파라미터 선택은 복잡하고 예측 불가능한 작업이며, 이는 웨이퍼 특징, 결함 특징, 공정 조건 및 웨이퍼 상의 노이즈가 매우 다양할 수 있기 때문이다.
뉴슨스 이벤트로부터 관심 결함을 식별하는 것을 필요로 하는 검사 작업의 경우, 반도체 층에 대한 성공적인 검사 레시피가 검출된 뉴슨스 이벤트의 개수를 최소화하면서 검출된 관심 결함(DOI: Detects Of Interest)의 개수를 최대화해야 한다. 확장하여, 결함의 비닝(binning)을 필요로 하는 검사 작업의 경우, 반도체 층에 대한 성공적인 검사 레시피는, 검출된 뉴슨스 이벤트의 개수를 최소화하면서 정확히 비닝된 결함의 개수를 최대화해야 한다. 검사 레시피를 공식화(formulating)하는 것은 원하는 결과를 달성할 때까지 획득 모드 파라미터, 결함 검출 파라미터, 및 결함 분류 파라미터를 개별적으로 튜닝하는 것을 수반한다. 이러한 공정은, 획득 모드 파라미터, 결함 검출 파라미터, 및 결함 분류 파라미터의 조합이 수동으로 고려되므로, 상당한 양의 수작업을 수반한다. 일부 경우에, 결함 검출 파라미터는 획득 모드 파라미터나 분류 파라미터 중 어느 하나와 자동화된 방식으로 고려할 수 있지만, 이것은 여전히, 원하는 검사 레시피에 도달하기 위해 두 개의 파라미터 공간에서의 파라미터 세트의 조합의 수동적인 고려를 필요로 한다.
따라서, 사용자 개입 없이도 웨이퍼의 스캔 결과로부터 획득 모드, 결함 검출, 및 분류 파라미터를 조합하는 검사 시나리오를 생성하기 위한 방법 및/또는 시스템을 개발하는 것이 유리할 것이다.
사용자로부터의 입력 없이 검사 시나리오를 결정하기 위한 방법 및 시스템을 제공한다. 검사 시나리오는 적어도 하나의 획득 모드, 결함 검출 파라미터 값, 및 분류 파라미터 값을 포함한다. 복수의 결함 이벤트와, 결함 이벤트와 관련된 분류 및 속성을 포함하는 라벨링된(labeled) 결함 데이터의 양(amount)을 수신한다. 복수의 검사 시나리오는 사용자 입력 없이 라벨링된 결함 데이터를 기초로 결정한다. 검사 시나리오는 식별된 속성에 의해 형성한 수학적 공간에서의 솔루션이다. 일부 예에서, 다수의 검사 시나리오를 결정하여, 원하는 검사 시나리오가 선택되는 검사 시나리오에 의해 포착된 뉴슨스 이벤트의 개수와 관심 결함의 개수를 기초로 하여 선택된다. 이들 예 중 일부에서, 선택은 자동으로 이뤄진다.
일 예에서, 복수의 결함 이벤트는 웨이퍼 표면의 핫 검사(hot inspection)에 의해 결정한다. 결함 이벤트를 분류하여 각각의 결함 이벤트와 관련된 속성을 식별한다. 결함 이벤트는 이 정보가 표시로 붙여진다. 식별된 속성과 분류를 기초로, 검사 시나리오를 결정한다.
다른 예에서, 복수의 결함 이벤트는 웨이퍼 표면의 일부분의 검사에 의해 결정한 광학기기 선택기(OS: Optics Selector) 데이터로부터 유도된다. 결함 이벤트는 분류되어 각 결함 이벤트와 관련된 속성은 식별된다. 결함 이벤트는 이 정보로 라벨링된다. 식별된 속성 및 분류를 기초로, 검사 시나리오를 결정한다.
일부 실시예에서, 라벨링된 결함 데이터는 상이한 획득 모드로 실행된 웨이퍼 스캔과 관련된다. 게다가, 라벨링된 결함 데이터로부터 결정한 검사 시나리오는 상이한 획득 모드 중 적어도 두 개의 조합을 포함한다.
전술한 내용은 개요이며 따라서 필요에 따라 간략화, 일반화 및 상세한 내용의 생략을 포함한다. 결국, 당업자는, 배경기술은 단지 예시적이며 어떤 식으로든 제한적이지 않음을 이해할 것이다. 본 명세서에서 기재한 디바이스 및/또는 공정의 다른 양상, 독창적인 특성 및 장점은 본 명세서에서 기재한 비제한적인 상세한 설명에서 자명해질 것이다.
도 1은, 검사 시나리오 최적화 기능을 포함한 웨이퍼 검사 시스템(100)을 예시하는 간략한 도면이다.
도 2는, 본 명세서에서 기재한 바와 같이 자동화된 검사 시나리오 최적화를 구현하는 시스템의 일 실시예를 예시하는 간략한 도면이다.
도 3은, 획득 모드의 조합을 포함하는 검사 시나리오를 예시하는 간략한 도면이다.
도 4는, 멀티-모드 시나리오를 포함한 다수의 검사 시나리오를 예시하는 도면이다.
도 5는, 검사 시나리오를 결정하는 방법(200)을 예시하는 흐름도(190)이다.
이제 본 발명의 배경이 되는 예와 일부 실시예를 상세하게 참조할 것이며, 본 발명의 예는 수반하는 도면에 예시한다.
도 1은 통상의 웨이퍼 검사 시스템(100)의 간략화된 개략도이다. 간략화를 위해, 조명 빔을 웨이퍼에 보내는 구성요소와 같은 이 시스템의 일부 광학 구성요소는 생략되었다. 웨이퍼(102)는, 하나 이상의 조명 소스(101)에 의해 생성된 수직 입사 빔(104)과 경사 입사 빔(106) 중 임의의 빔에 의해 조명한다. 웨이퍼(102) 상에서 어느 하나 또는 두 빔(104, 106)에 의해 조명된 영역 또는 스폿(102a)은 빔(들)으로부터 방사선을 산란시킨다. 웨이퍼의 표면에 수직이며 영역(102a)을 통과한 라인(116)에 가까운 방향을 따라 영역(102a)에 의해 산란된 방사선은 렌즈 컬렉터(118)에 의해 수집되고 집속되어, 광전자 배증관(PMT: Photo-Multiplier Tube)(120)에 보내진다. 렌즈(118)는 수직 방향에 가까운 방향을 따라 산란된 방사선을 수집하므로, 그러한 집광 채널은 본 명세서에서 협 채널이라 지칭하며, PMT(120)를 암시야 협 PMT라고 칭한다. 원하는 경우, 하나 이상의 편광기(122)를 협 채널에서 수집된 방사선의 경로에 위치시킬 수 있다.
어느 하나 또는 두 빔(104, 106)에 의해 조명되고, 수직 방향(116)으로부터 먼 방향을 따라, 웨이퍼(102)의 스폿(102a)에 의해 산란된 방사선은 타원 컬렉터(124)에 의해 집광되며, 개구(126)와 부가적인(optional) 편광기(128)를 거쳐 암시야 PMT(130)에 집속된다. 타원 컬렉터(124)는 렌즈(118)보다 수직 방향(116)으로부터 더 넓은 각도에서 방향을 따라 산란된 방사선을 수집하므로, 그러한 수집 채널은 광(wide) 채널이라고 지칭한다. 검출기(120, 130)의 출력은 컴퓨터(132)에 공급되어 신호를 처리하여 이상(anomalies) 및 그 특징의 존재를 결정한다.
일 실시예에서, 웨이퍼 포지셔닝 시스템(125)은 웨이퍼 청크(108), 움직임 제어기(114), 회전 스테이지(110) 및 병진 스테이지(112)를 포함한다. 웨이퍼(102)는 웨이퍼 청크(108) 상에서 지지된다. 도 2에 예시한 바와 같이, 웨이퍼(102)는 그 기하학적 중심이 회전 스테이지(110)의 회전 축에 대략 정렬된 채로 위치한다. 이러한 방식으로, 회전 스테이지(110)는 웨이퍼(102)를 허용 가능한 공차 내에서 명시한 각속도(ω)에서 그 기하학적 중심 주위에서 회전시킨다. 게다가, 병진 스테이지(112)는 웨이퍼(102)를 명시된 속도(VT)로 회전 스테이지(110)의 회전 축에 대략 수직인 방향으로 병진시킨다. 움직임 제어기(114)는 회전 스테이지(110)에 의한 웨이퍼(102)의 회전과, 병진 스테이지(112)에 의한 웨이퍼(102)의 병진을 조정하여, 웨이퍼 검사 시스템(100) 내에서 웨이퍼(102)의 원하는 스캐닝 움직임을 달성한다.
표면 검사 시스템(100)의 여러 구성을 US 특허 제 6,271,916호 및 US 특허 제 6,201,601호에 기재하며, 이들 두 특허는 본 명세서에서 인용된다. 예시적인 표면 검사 시스템은, 캘리포니아 산호세에 소재하며 본 출원의 양수인인 KLA-Tencor Corporation으로부터 구입 가능하다.
도 1을 참조하면, 웨이퍼 검사 시스템(100)은 프로세서(141)와 다량의 컴퓨터 판독 가능한 메모리(142)를 포함한다. 도 1에 도시한 바와 같이, 예를 들어, 컴퓨터(132)는 프로세서(141)와 메모리(142)를 포함하지만, 프로세서(141)와 메모리(142)는 웨이퍼 검사 시스템(100)의 다른 구성요소에 포함할 수 있다. 프로세서(141)와 메모리(142)는 버스(143)를 통해 통신할 수 있다. 메모리(142)는, 프로세서(141)에 의해 수행될 때, 프로세서(141)가 검사 시나리오 최적화 툴 기능을 수행하게 하여, 획득 모드, 결함 검출, 및 분류 파라미터를 조합하는 검사 시나리오가 사용자 개입 없이 웨이퍼 스캔으로부터의 라벨링된 검출 데이터로부터 생성되게 하는 프로그램 코드를 저장하는 다량의 메모리(144)를 포함한다.
게다가, 웨이퍼 검사 시스템(100)은, (예컨대, 키보드, 마우스, 터치스크린 등과 같이) 운영자로부터의 입력을 받아들이고 (예컨대, 디스플레이 모니터와 같이) 운영자에게 출력을 디스플레이하는데 유용한 주변 디바이스를 포함할 수 있다. 일 예에서, 운영자로부터의 입력 명령은 프로세서(141)에 의해 사용될 수 있어서 검사 시나리오의 도표(plot)(예컨대, 수신기 동작 곡선)를 생성할 수 있다. 다른 예에서, 운영자로부터의 입력 명령은 프로세서(141)에 의해 사용될 수 있어서, 디스플레이 모니터 상에서 운영자에게 그래픽 형태로 제공된 다수의 검사 시나리오로부터 원하는 검사 시나리오를 선택할 수 있다.
일 구성에서, 획득 모드, 결함 검출, 및 분류 파라미터를 조합하는 검사 시나리오는 사용자 개입 없이 라벨링된 결함 데이터로부터 생성한다. 일부 예에서, 단일 광학 획득 모드와 관련된 검사 시나리오를 생성한다. 일부 다른 예에서, 적어도 두 개의 광학 획득 모드의 적어도 하나의 조합을 포함하는 검사 시나리오를 생성한다.
일반적으로, 웨이퍼 검사 시스템의 주된 성능 목적은 뉴슨스 이벤트의 개수를 최소화하면서 가능한 많은 관심 결함을 포착하는 것이다. 결함의 비닝(binning)을 필요로 하는 검사 작업의 경우, 웨이퍼 검사 시스템의 주된 성능 목적은, 검출된 뉴슨스 이벤트의 개수를 최소화하면서 정확히 비닝된 결함의 개수를 최대화하는 것이다. 웨이퍼 검사 시스템이, 어떤 결함도 실제로 존재하지 않는 웨이퍼 상의 특정한 위치에서 결함을 보고할 때, 뉴슨스 이벤트가 발생한다(예컨대, 결함은 노이즈 아티팩트이다). 일반적으로, 관심 결함에 대한 민감도를 증가시키면서 뉴슨스 이벤트를 회피하기 위해, 웨이퍼 검사 시스템은 검사 중인 웨이퍼에 최적화된 검사 레시피로 동작해야 한다. "레시피"는 일반적으로 검사 및 계측과 같은 공정을 실행하기 위한 명령어들의 세트로서 규정할 수 있다. 검사 시나리오는 데이터 획득, 결함 검출 및 결함 분류 작업을 실행하기 위해 명령어들의 세트를 포함한다.
용어, "파라미터"는 본 명세서에서 검사 및/또는 계측 툴의 "레시피"를 규정하는데 사용되는 조정 가능한 변수를 지칭하는데 사용된다. 예를 들어, 웨이퍼 처리용 파라미터(들)는 웨이퍼로부터 물리적인 자극에 반응한 결과(예컨대, 전자, 광자 등)를 획득하는데 사용된 툴의 파라미터를 포함할 수 있다. 대안적으로, 또는 추가로, 웨이퍼 처리용 파라미터(들)는 결과를 처리하는데 사용되는 툴의 파라미터를 포함할 수 있다. 이러한 방식으로, 파라미터(들)는 결과 획득 파라미터(들) 및/또는 결과 처리 파라미터(들)를 포함할 수 있다.
본 명세서에서 기재된 바와 같이, 파라미터는 획득 모드 파라미터를 포함한다. 광학 검사 시스템의 예시적인 획득 모드 파라미터의 완전하지 않은(non-exhaustive) 목록은 조명 서브시스템 파라미터, 광 검출 서브시스템 파라미터, 및 움직임 서브시스템 파라미터를 포함한다. 조명 서브시스템의 하나 이상의 파라미터는 예컨대 조명의 각도(들), 조명의 파장(들), 조명의 편광(들), 스폿 사이즈, 조명 서브시스템에 포함된 개구(들), 조명 서브시스템에 포함된 다른 광학 구성요소(들), 및 이들의 조합을 포함할 수 있다. 광 검출 서브시스템의 하나 이상의 파라미터는 예컨대 수집(collection) 각도(들), 검출의 파장(들), 검출의 편광(들), 픽셀 사이즈, 검출 서브시스템에 포함된 개구(들), 검출 서브시스템에 포함된 다른 광학 구성요소(들), 및 이들의 조합을 포함할 수 있다. 움직임 서브시스템 파라미터의 하나 이상의 파라미터는 예컨대 스캐닝 속도, 회전 속도, 초점 위치, 및 이들의 조합을 포함할 수 있다. 유사한 파라미터(들)를 비-광자 기반 시스템(예컨대, 전자 빔 시스템)에 대해 결정할 수 있다.
일부 실시예에서, 결함 검출 파라미터는 웨이퍼 스캔에 의해 생성한 결과를 처리하는데 사용되는 하나 이상의 파라미터를 포함한다. 예컨대, 하나 이상의 파라미터는, 웨이퍼 스캔을 실행하는데 사용되는 광 검출 서브시스템에 의해 생성된 결과를 처리하는데 사용되는 하나 이상의 파라미터를 포함할 수 있다. 그러한 일 예에서, 광 검출 서브시스템에 의해 생성된 결과는 이미지 또는 이미지 데이터를 포함할 수 있으며, 하나 이상의 파라미터는 이미지 또는 이미지 데이터를 필터링, 정렬 등을 하는데 사용되는 하나 이상의 파라미터를 포함할 수 있다. 다른 예에서, 결과는 신호를 포함할 수 있으며, 하나 이상의 파라미터는 신호를 필터링, 정규화 및 조정(calibrate) 등을 하는데 사용되는 하나 이상의 파라미터를 포함할 수 있다. 결과를 처리하는데 사용되는 하나 이상의 파라미터는 웨이퍼 상의 상이한 영역에 대해 별도로 결정할 수 있다. 예컨대, 웨이퍼의 한 영역에서 생성한 결과는 하나 이상의 제1 파라미터를 사용하여 처리할 수 있고, 웨이퍼의 다른 영역에서 생성한 결과는 하나 이상의 제2 파라미터를 사용하여 처리할 수 있으며, 이들 제2 파라미터 중 적어도 일부는 제1 파라미터(들)와 상이할 수 있다. 하나 이상의 파라미터는 또한 또는 택일적으로 결함 검출 민감도를 포함할 수 있으며, 민감도는 결함 검출 알고리즘 및/또는 방법의 하나 이상의 파라미터(예컨대, 문턱값)에 의해 규정될 수 있다. 게다가, 하나 이상의 파라미터는 웨이퍼의 상이한 영역에 대해 상이한 검출 민감도를 포함할 수 있다(예컨대, 중요한(critical) 또는 노이즈가 적은 영역에 대해서는 민감도가 더 높고 중요하지 않거나 노이즈가 더 많은 영역에 대해서는 민감도는 더 낮음).
예시적인 분류 파라미터의 완전하지 않은 목록은 조정 가능한 iDOTM 세팅(예컨대, 사용자가 조정하도록 허용되는 모든 세팅)을 포함한다. iDOTM은, 캘리포니아 밀피타스에 소재한 KLA-Tencor로부터 상업적으로 구입 가능한 인라인 디펙트 오거나이저TM 비닝 솔루션이다. 일반적으로, 분류 파라미터는, 결함 사이즈, 형상, 위치, 설계 특징, 세기 분포 등의 특징을 나타내는데 사용되는 파라미터 또는 파라미터 세트를 포함한다. 일부 실시예에서, 분류 파라미터의 개수는 일백 개의 파라미터를 초과할 수 있다. 일부 실시예에서, 분류 파라미터는 결함 이벤트와 관련된 결함 속성을 포함한다.
본 명세서에서 기재된 바와 같이, 하나 이상의 획득 모드 파라미터, 결함 검출 파라미터 및 결함 분류 파라미터는 자동으로(즉, 사용자 입력 없이) 결정한다. 그러나, 다른 획득 모드, 결함 검출 및 결함 분류 파라미터는 또한 또는 대안적으로 사용자로부터의 입력으로 결정할 수 있다. 예컨대, 사용자는, 사용자가 레시피(recipe) 세팅을 변화시킴에 따라, 하나 이상의 결정된 파라미터의 성능에 관한 피드백을 제공받을 수 있다.
도 2에 예시한 바와 같이, 웨이퍼 검사 툴(150)은 웨이퍼 결함 데이터(151)를 생성한다. 예를 들어, 웨이퍼 검사 툴(150)은 암시야(DF: dark field) 검사 툴, 명시야(BF: Bright Field) 검사 툴, 전자 빔(e-빔) 검사 툴, 조합 DF 및 BF 검사 툴, LED 검사 툴, 에지 검사 툴, 후면 검사 툴, 매크로-검사 툴 또는 (하나 이상의 플랫폼으로부터의 데이터를 동시에 수반하는) 멀티-모드 검사 툴 또는 자동화된 검사 시나리오 생성으로부터 유익을 얻는 임의의 다른 계측 또는 검사 툴일 수 있다. 일 예에서, 웨이퍼 검사 툴(150)은, 하나 이상의 미리 결정된 결함 검출 파라미터 세트를 사용하여 여러 상이한 획득 모드(예컨대, 모드 1, 모드 2,...모드 N)로 웨이퍼의 일부분을 반복해서 스캔한다. 캘리포니아 산호세에 소재한 KLA-Tencor로부터 상업적으로 구입 가능한 명시야(BF) 검사 시스템의 경우에, 검출 알고리즘은 오토-스레시홀딩(AT: Auto-Thresholding), 세그멘티드 오토-스레시홀딩(SAT) 또는 멀티플 다이 오토-스레시홀딩(MDAT)일 수 있으며, 결함 검출 파라미터는 세그먼트 파괴(break) 및 문턱값일 수 있다. 미리 결정된 파라미터는 실질적으로 "핫" 검사를 초래하도록 선택된다. "핫" 검사는 관심 결함을 검출할 가능성을 증가시키지만 실질적으로 높은 뉴슨스 이벤트의 비율을 희생시킨다. 이러한 방식으로, 웨이퍼 결함 데이터(151)는 획득 모드의 범위와 관련된 다양한 결함 이벤트 세트를 포함한다.
웨이퍼 결함 데이터(151)는, 결함 리뷰(즉, 분류) 및 결함 데이터의 라벨링(labeling)을 위해 분류 및 속성 식별 툴(160)에 의해 수신된다. 일 예에서, 사용자는 웨이퍼 결함 데이터(151) 및 관련 웨이퍼를 결함 리뷰를 위해 스캐닝 전자 현미경(SEM)에 가져간다. 사용자는 SEM을 사용하여 결함을 리뷰하며, 결함 이벤트(defect event)의 일부분을 실제 결함, 뉴슨스 결함 또는 관심 결함으로서 수동으로 분류한다. 게다가, 결함 속성은 각각의 분류된 결함 이벤트에 붙여진다. 본 명세서에서 기재된 바와 같이, 라벨링된 결함 이벤트는 속성을 특징으로 한다. 결함의 속성은 결함 검출 알고리즘을 사용하여 결정된 결함의 속성을 포함할 수 있다. 예컨대, MDAT는, 캘리포니아 산호세에 소재한 KLA-Tencor로부터 상업적으로 구입 가능한 일부 검사 툴에 의해 사용된 결함 검출 알고리즘이다. 이 예에서, 속성은 크기(magnitude), MDAT 오프셋, MDAT 그레이 레벨(참조 그레이 레벨) 및 에너지를 포함할 수 있다. 게다가, 결함 속성은, 스캔, 또는 심지어 일 그룹의 픽셀들 간의 상대적인 반응 동안 검출된 결함으로부터 광의 특징(예컨대, 세기)에 반응한 결함의 속성을 포함할 수 있다. 결함의 속성은 가능한 일반적인 것일 수 있다. 속성은 결함 위치, 결함 사이즈 및 임의의 다른 계산한 또는 측정한 양과 같은 비-세기 타입의 속성을 포함할 수 있다. 속성은 그래픽 데이터베이스 시스템(GDS: Graphic Database System) 파일들 또는 다른 소스들로부터 유도한 설계 속성들(즉, 참조 기하학적 구조 및 물질 규격들)을 포함할 수 있다. 본 명세서에서 기재한 바와 같은 속성의 성격에 제한은 없다. 이러한 방식으로, 분류 및 속성 툴(160)은, 각 라벨링된 결함 이벤트(예컨대, 라벨링된 결함 이벤트(152))가 분류된 채로 K-차원 속성 공간(154)(즉, 각 차원은 각 속성과 각각 관련됨)에 위치한 라벨링된 결함 데이터(153)의 세트를 생성한다. 일 예에서, 라벨링된 결함 데이터(153)의 세트는 핫 스캔 데이터라고 라벨링되는데, 이는 앞서 설명한 바와 같이 라벨링된 결함 데이터(153)가 "핫" 스캔 또는 다수의 "핫" 스캔으로부터 생성된 웨이퍼 결함 데이터(151)로부터 유도되기 때문이다. 다른 예에서, 라벨링된 결함 데이터(153)는 광학 선택기 데이터로부터 유도할 수 있다. 광학 선택기 데이터는 알려진 결함 주위의 영역에서 수집한 웨이퍼 스캔 데이터를 포함한다. 예컨대, 광학 선택기 데이터는, 알려진 결함에 대한 웨이퍼 검사 공정을 최적화하면서, 그러한 결함 주위에서 수집한 웨이퍼 스캔 데이터를 포함한다. 다른 예에서, 라벨링된 결함 데이터(153)는 실제 웨이퍼 스캔 데이터의 변경으로부터 유도할 수 있다. 예를 들어, 실제 웨이퍼 스캔 데이터의 변경은 교란(perturbation) 모델링 기술을 기초로 할 수 있다. 일 예에서, 복수의 교란된 데이터 세트를 생성하여, 이들 교란된 데이터 세트를 기초로 검사 시나리오를 결정한다. 교란된 데이터 세트 각각에 대해 바람직한 것으로서 실행되는 검사 시나리오를 선택한다. 이를 통해, 선택된 검사 시나리오가 교란된 데이터 세트에 의해 표현된 변동을 처리하는데 강력함을 보장한다.
라벨링된 결함 데이터(153)가 검사 시나리오 최적화 툴(170)에 전달된다. 라벨링된 결함 데이터(153)를 기초로 하여, 검사 시나리오 최적화 툴(170)은 사용자 입력 없이 획득 모드 선택, 결함 검출 알고리즘 파라미터 값 및 분류 알고리즘 파라미터 값을 포함하는 적어도 하나의 검사 시나리오를 생성한다. 도 2에 예시한 바와 같이, 검사 시나리오 최적화 툴(170)은 K-속성 공간(154) 내에서 한 솔루션으로서 검사 시나리오(171)를 결정하며, 여기서 K는 각각의 라벨링된 결함 이벤트와 관련된 속성의 개수이다. 검사 시나리오(171) 내에서 포착된 결함 이벤트는 이전에 분류하여 라벨링되었다. 따라서, 검사 시나리오(171)에 의해 포착된 관심 결함의 개수와 뉴슨스 이벤트의 개수를 결정하여 도표화할 수 있다.
도 2에서 예시한 예에서, 검사 시나리오 최적화 툴(170)은 획득 모드 1과 관련된 복수의 검사 시나리오, 획득 모드 2와 관련된 복수의 검사 시나리오 등을 생성한다. 각 검사 시나리오에 의해 포착된 관심 결함의 개수와 뉴슨스 이벤트의 개수를 도표화할 수 있다. 각 획득 모드와 관련된 도표화한 검사 시나리오의 로커스(locus)를 수신기 동작 특징(ROC: Receiver Operating Characteristic) 곡선으로서 도표화할 수 있다. 예를 들어 예시한 바와 같이, ROC 곡선(172)은 획득 모드 1과 관련되며, ROC 곡선(173)은 획득 모드 2와 관련되며, ROC 곡선(174)은 획득 모드 N과 관련된다.
검사 시나리오는 임의의 수의 알고리즘에 의해 결정할 수 있다. 예컨대, 임의의 지원 벡터 머신, K-최근접 이웃, 결정 트리, 가우시안 혼합, 중립 네트워크, 시뮬레이트된 어닐링(simulated annealing), 및 유전자 알고리즘을 사용할 수 있어서, K-속성 공간(154) 내에서 검사 시나리오를 결정하는데 사용할 수 있다. 일부 예에서, 결정 트리 알고리즘은 상대적으로 간단한 구현으로 만족스러운 결과를 생성함을 알게 되었다. 다른 예에서, K-최근접 이웃은 상대적으로 간단한 구현으로 만족스러운 결과를 생성함을 알게 되었다. 또 다른 예에서, 지원 벡터 머신은 상대적으로 간단한 구현으로 만족스러운 결과를 생성함을 알게 되었다.
일 예에서, 검사 시나리오는, 검사 시나리오와 관련된 관심 결함과 복수의 뉴슨스 이벤트의 원하는 조합을 기초로 선택한다. 일 예에서, 사용자는, ROC 곡선(172 내지 174)을 점검하여 DOI와 뉴슨스 이벤트의 자신의 바람직한 조합을 선택하여 검사 시나리오를 선택할 수 있다. 다른 예에서, 검사 시나리오 최적화 툴(170)은 자동으로 검사 시나리오를 선택할 수 있다.
일부 예에서, 검사 시나리오는 웨이퍼 상에서 상대적으로 많은 수의 분류된 결함 이벤트로부터 라벨링된 결함 데이터(153)를 기초로 결정한다. 본 명세서에서 기재한 바와 같이, "핫" 스캔은 상대적으로 많은 수의 결함 이벤트를 초래하며, 그러한 이벤트 중 많은 이벤트는 분류된다. 일 예에서, 분류된 결함 이벤트의 개수는 일백 개의 분류된 결함 이벤트보다 크다. 상당히 많은 수의 분류된 결함 이벤트로부터 결정한 검사 시나리오는 통상 잘 실행되며, 추가 변경을 필요로 하지 않는다. 그러나, 상대적으로 많은 수의 결함 이벤트의 분류와 관련된 시간과 노력의 비용이 든다.
일부 다른 실시예에서, 분류 및 속성 식별 및 검사 시나리오 결정은 반복적으로 실행되어 적은 분류 노력으로 잘 실행되는 검사 시나리오에 도달하게 된다. 일 예에서, 초기 검사 시나리오는, 웨이퍼 상의 상대적으로 적은 수의 분류된 결함 이벤트로부터 라벨링된 결함 데이터(153)를 기초로 하여 결정할 수 있다. 일 예에서, 분류된 결함 이벤트의 개수는 열 개보다 작다. 일부 예에서, 상대적으로 적은 라벨링된 결함 데이터(153) 세트는 웨이퍼의 작은 영역 위의 "핫" 스캔으로부터 초래된다. 일부 예에서, 상대적으로 적은 라벨링된 결함 데이터(153) 세트는 매우 제한된 개수의 결함 이벤트의 분류로부터 초래된다. 초기 검사 시나리오는 이때 웨이퍼의 검사로 구현하며, 복수의 결함 이벤트를 포착한다. 많은 수의 이들 결함 이벤트는 라벨링된 결함 데이터(153)의 제2 세트를 생성하도록 분류된다. 새로운 검사 시나리오는 라벨링된 결함 데이터(153)의 제2 세트를 기초로 결정한다. 원하는 성능 레벨을 달성할 때까지 반복을 계속할 수 있다. 이러한 방식으로, 후속한 검사 시나리오를 결정하게 하는 결함 이벤트는 "핫" 스캔보다는 이전에 결정된 검사 시나리오로부터 발견한다.
도 2에 대해 기재한 예에서, 검사 시나리오는 하나의 획득 모드, 하나의 결함 검출 파라미터 세트, 및 하나의 분류 알고리즘 파라미터 세트와 관련되었다. 일부 다른 예에서, 멀티-모드 검사 시나리오는 검사 시나리오 최적화 툴(170)에 의해 결정할 수 있다.
도 3에 예시한 바와 같이, 라벨링된 결함 데이터(180)는 제1 획득 모드(즉, 모드 1)와 관련된 복수의 라벨링된 결함 이벤트를 포함한다. 라벨링된 결함 데이터(181)는 제2 획득 모드(즉, 모드 2)와 관련된 복수의 라벨링된 결함 이벤트를 포함한다. 라벨링된 결함 이벤트 중 일부는 획득 모드 1 및 획득 모드 2 둘 모두에 의해 포착된다. 이들은 공통적으로 포착된 결함 이벤트는 획득 모드 1 및 2 둘 모두와 관련되며, 별도의 식별 가능한 조합 모드(즉, 모드 1 ∩ 모드 2)로서 취급한다. 도 3에 예시한 바와 같이, 라벨링된 결함 이벤트(182)는 모드 1 ∩ 모드 2와 관련된다. 검사 시나리오 최적화 툴(170)은, 전술한 바와 같이, 라벨링된 결함 데이터(180)(예컨대, 검사 시나리오(183)), 라벨링된 결함 데이터(181)(예컨대, 검사 시나리오(184)) 및 라벨링된 결함 데이터(182)(예컨대, 검사 시나리오(185))와 관련된 검사 시나리오를 결정한다. 도 3에 예시한 바와 같이, ROC 곡선(186 내지 188)은 각각 모드 1, 모드 2 및 모드 1 ∩ 모드 2와 관련된 검사 시나리오를 기초로 하여 생성할 수 있다. 다시, 이들 검사 시나리오(예컨대, 검사 시나리오(183 내지 185))는 검사 시나리오의 최적의 조합에 도달하도록 조합하여 취급한다.
도 4는, 모드 1, 모드 1 ∩ 모드 2 및 모드 2와 관련된 검사 시나리오를 각각 포함하는 세 개의 솔루션 세트를 예시한다. 예를 들어 예시한 바와 같이, 솔루션 세트 1은, 5개의 관심 결함을 포함하며 뉴슨스 이벤트를 포함하지 않는 모드 1 검사 시나리오, 3개의 관심 결함을 포함하며 뉴슨스 이벤트를 포함하지 않는 모드 1 ∩ 모드 2 검사 시나리오, 및 8개의 관심 결함을 포함하며 뉴슨스 이벤트를 포함하지 않는 모드 2 검사 시나리오를 포함한다. 솔루션 세트 1의 모드 1 검사 시나리오, 모드 1 ∩ 모드 2 검사 시나리오, 및 모드 2 검사 시나리오의 조합은 16개의 관심 결함을 포착하며 뉴슨스 이벤트는 포착하지 않는다.
도 4에 예시한 바와 같이, 복수의 검사 시나리오 조합은 하나의 뉴슨스 이벤트를 포함한다. 하나의 뉴슨스 이벤트를 포함하는 최적의 검사 시나리오 조합을 결정한다. 예를 들어 예시한 바와 같이, 솔루션 세트 2의 모드 1 검사 시나리오, 솔루션 세트 1의 모드 1 ∩ 모드 2 검사 시나리오, 및 솔루션 세트 1의 모드 2 검사 시나리오는 23개의 관심 결함과 하나의 뉴슨스 이벤트를 포함한다. 솔루션 세트 1의 모드 1 검사 시나리오, 솔루션 세트 2의 모드 1 ∩ 모드 2 검사 시나리오, 및 솔루션 세트 1의 모드 2 검사 시나리오는 19개의 관심 결함과 하나의 뉴슨스 이벤트를 포함한다. 솔루션 세트 1의 모드 1 검사 시나리오, 솔루션 세트 1의 모드 1 ∩ 모드 2 검사 시나리오, 및 솔루션 세트 2의 모드 2 검사 시나리오는 27개의 관심 결함과 하나의 뉴슨스 이벤트를 포함한다. 하나의 뉴슨스 이벤트를 포함하는 최적의 검사 시나리오 조합은 최대수의 관심 결함을 포함하는 조합이다(즉, 솔루션 세트 1의 모드 1 검사 시나리오, 솔루션 세트 1의 모드 1 ∩ 모드 2 검사 시나리오, 및 솔루션 세트 2의 모드 2 검사 시나리오). 유사하게, 최적의 검사 이벤트 조합은 특정한 수의 뉴슨스 이벤트에 대해 결정할 수 있다. 또한, 이들 최적의 조합은 본 명세서에서 기재한 바와 같이 ROC 곡선 상에서 도표로 나타낼 수 있다. 사용자는 결과적인 ROC 곡선을 리뷰할 수 있으며, 최적의 검사 시나리오 조합을 선택할 수 있어서 추가 웨이퍼 검사를 할 수 있다.
도 3에서 예시한 예에서, 최적의 검사 시나리오 조합은 두 개의 획득 모드(모드 1 및 2), 모드 1 및 2와 관련된 결함 검출 알고리즘 파라미터 및 세 개의 분류 파라미터 세트를 포함한다. 하나의 분류 파라미터 세트는 모드 1과 관련되며, 제2 분류 파라미터 세트는 모드 2와 관련되며, 제3 분류 파라미터 세트는 조합, 모드 1 ∩ 모드 2와 관련된다. 이러한 방식으로, 복수의 획득 모드와 관련된 라벨링된 결함 데이터(153)는, 웨이퍼 상에서 관심 결함(DOI) 및 뉴슨스(nuisance) 또는 노이즈 이벤트를 분리할 수 있는 최적의 모드 조합 및 분류기를 결정하기 위해 함께 취급할 수 있다. 복수의 획득 모드로부터 데이터 세트를 여러 자연적인 세그먼트(natural segment)로 구별하고 구별된 분류기를 개별적으로 각 자연적인 세그먼트에 적용함으로써, DOI에 대한 더 높은 민감도를 달성한다.
도 3 및 도 4에 예시한 바와 같이, 두 개의 획득 모드와 관련된 데이터는, 하나의 분류기가 각 모드 세그먼트와 관련되는 세 개의 모드 세그먼트의 조합으로서 취급한다. 그러나, 이러한 구성은 유사한 방식으로 세 개 이상의 획득 모드로 연장할 수 있다. 일반적으로, M개의 획득 모드와 관련된 데이터는, 하나의 분류기가 각 모드 세그먼트와 관련되는 최대 N개의 모드 세그먼트의 조합으로서 취급할 수 있으며, 여기서 N은 수학식 1로 주어진다.
Figure 112015024383987-pct00001
예컨대, 세 개의 획득 모드는, 하나의 분류기가 각 세그먼트와 관련되는 최대 7개의 모드 세그먼트의 조합으로서 취급할 수 있다. 그러나, 더 적은 수의 모드 세그먼트를 멀티-모드 검사 시나리오에서 고려할 수 있다. 일 예에서, 구별된 모드 및 구별된 모드 쌍과 관련된 모드 세그먼트를, 하나의 분류기가 각 모드 세그먼트와 관련된 채로 고려할 수 있다. 이 예에서, 모드 세그먼트의 수(N)는 수학식 2로 주어진다.
Figure 112015024383987-pct00002
예컨대, 세 개의 획득 모드는 여섯 개의 모드 세그먼트의 조합으로서 취급할 수 있다(즉, 세 개의 획득 모드 단독과 세 개의 획득 모드의 세 개의 쌍 형태의 조합). 일부 실시예에서, 최적의 검사 시나리오는 최대 10개의 획득 모드의 쌍 형태의 조합을 포함한다. 일부 실시예에서, 최적의 검사 시나리오는 최대 100개의 획득 모드의 쌍 형태의 조합을 포함한다. 일부 다른 실시예에서, 최적의 검사 시나리오는 100개 이상의 획득 모드의 쌍 형태의 조합을 포함한다.
도 5는, 사용자 개입 없이 웨이퍼의 스캔의 결과로부터 획득 모드, 결함 검출 및 분류 파라미터를 조합하는 검사 시나리오를 결정하는 방법(200)을 예시한다. 블록(201)에서, 웨이퍼 표면은 제1 획득 모드 및 미리 결정된 결함 검출 파라미터 세트로 검사한다. 검사는 복수의 결함 이벤트를 드러낸다. 블록(202)에서, 결함 이벤트 중 일부를 분류하고 복수의 속성을 이들 결함 이벤트로 식별한다. 이들 결함 이벤트에는 이러한 정보로 라벨링된다. 블록(203)에서, 결함 이벤트의 일부, 그 분류 및 그 속성을 포함하는 라벨링된 결함 데이터는, 예컨대 검사 시나리오 최적화 툴(170)에 의해 수신한다. 블록(204)에서, 복수의 검사 시나리오를, 사용자로부터의 입력 없이 라벨링된 결함 데이터를 기초로 하여 결정한다. 각 검사 시나리오는 획득 모드, 결함 검출 알고리즘 파라미터 값 및 분류 알고리즘 파라미터 값을 포함한다. 검사 시나리오는 웨이퍼 검사 또는 계측 툴 상에서 구현할 수 있어서 웨이퍼를 검사할 수 있다. 블록(205)에서, 검사 시나리오는 복수의 검사 시나리오로부터 선택한다. 선택은, 검사 시나리오에 의해 포착된 관심 결함의 개수 대 검사 시나리오에 의해 포착된 뉴슨스 이벤트의 개수에 대한 원하는 조합을 기초로 한다.
하나 이상의 예시적인 실시예에서, 설명된 기능은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 임의의 조합으로 구현할 수 있다. 소프트웨어로 구현된다면, 기능은 컴퓨터로 판독 가능한 매체 상에서의 하나 이상의 명령어 또는 코드로서 송신하거나 저장할 수 있다. 컴퓨터로 판독 가능한 매체는, 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하는 통신 매체 및 컴퓨터 저장 매체 둘 모두를 포함한다. 저장 매체는, 범용 또는 특수 용도 컴퓨터에 의해 액세스할 수 있는 임의의 이용 가능한 매체일 수 있다. 예를 들어 그러나 제한되지 않고, 그러한 컴퓨터로 판독 가능한 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광 디스크 저장 장치, 자기 디스크 저장장치 또는 다른 자기 저장 장치, 또는 범용 또는 특수 용도 컴퓨터나 범용 또는 특수 용도 프로세서에 의해 액세스할 수 있는 명령어 또는 데이터 구조의 형태로 원하는 프로그램 코드 수단을 운반하거나 저장하는데 사용할 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 연결을 컴퓨터로 판독 가능한 매체라고 적절히 명명한다. 예컨대, 소프트웨어가 동축 케이블, 광섬유 케이블, 꼬임 쌍, 디지털 가입자 회선(DSL), 또는 적외선, 무선 및 마이크로파와 같은 와이어리스 기술을 사용하여 웹사이트, 서버 또는 다른 원격 소스로부터 송신된다면, 동축 케이블, 광섬유 케이블, 꼬임 쌍(twisted pair), DSL, 또는 적외선, 무선 및 마이크로파와 같은 무선 기술을 매체의 규정에 포함시킨다. 본 명세서에서 사용한 바와 같은 디스크(disk 및 disc)는 컴팩트 디스크(disc)(CD), 레이저 디스크(disc), 광학 디스크(disc), 디지털 다용도 디스크(disc)(DVD), 플로피 디스크(disk) 및 블루-레이 디스크(disc)를 포함하며, 여기서 디스크(disk)는 데이터를 자기적으로 재생하는 반면, 디스크(disc)는 보통 데이터를 레이저로 광학적으로 재생한다. 이들의 조합은 컴퓨터로 판독 가능한 매체의 범위 내에서 또한 포함시켜야 한다.
본 명세서에서 사용된 바와 같이, 용어, "웨이퍼"는 일반적으로 반도체 또는 비-반도체 물질로 형성한 기판을 지칭한다. 그러한 반도체 또는 비-반도체 물질의 예는 단결정 실리콘, 비화 갈륨 및 인화 인듐을 포함하지만, 이들로 제한되지 않는다. 그러한 기판은 반도체 제조 시설에서 공통적으로 볼 수 있고 및/또는 처리할 수 있다.
하나 이상의 층을 웨이퍼 상에 형성할 수 있다. 예컨대, 그러한 층은 레지스트, 유전 물질, 도전 물질 및 반도체 물질을 포함할 수 있지만 이들로 제한되지 않는다. 많은 상이한 타입의 그러한 층은 종래 기술에 알려져 있으며, 본 명세서에서 사용된 용어, 웨이퍼는 모든 타입의 그러한 층이 형성될 수 있는 웨이퍼를 포함하고자 한다.
웨이퍼 상에 형성한 하나 이상의 층은 패터닝 또는 언패터닝될 수 있다. 예컨대, 웨이퍼는, 반복 가능한 패터닝된 특성을 각각 갖는 복수의 다이(die)를 포함할 수 있다. 그러한 물질 층의 형성 및 처리는 궁극적으로 완성된 디바이스를 초래할 수 있다. 많은 상이한 타입의 디바이스를 웨이퍼 상에 형성할 수 있으며, 본 명세서에서 사용한 용어, 웨이퍼는, 종래 기술에서 알려진 임의의 타입의 디바이스가 제조되고 있는 웨이퍼를 포함하고자 한다.
비록 실시예를 본 명세서에서는 웨이퍼에 대해서 기재하지만, 그러한 실시예는, 공통적으로 마스크 또는 포토마스크로서 또한 지칭하는 레티클(reticle)과 같은 다른 시료의 검사를 위한 검사 레시피의 하나 이상의 파라미터를 선택하는데 사용하기 위한 결함 샘플을 만드는데 사용할 수 있다. 많은 상이한 타입의 레티클이 종래 기술에서 알려져 있고, 본 명세서에서 사용한 바와 같은 용어, "레티클", "마스크" 및 "포토마스크"는 종래 기술에서 알려져 있는 모든 타입의 레티클을 포함하고자 한다.
본 명세서에서 기재한 실시예는 일반적으로 레시피 최적화를 목적으로 한 검사 시나리오의 효율적인 결정 방법에 관한 것이다. 예컨대, 일 실시예는, 획득 모드, 결함 검출 파라미터 값 및 분류 파라미터 값을 포함하는 검사 시나리오를 결정하기 위한 컴퓨터로 구현되는 방법에 관한 것이다. 본 명세서에서 기재한 방법은, 검사 시나리오의 하나 이상의 파라미터를 본 명세서에서 기재한 대로 선택할 수 있는 검사 시스템의 타입에서 제한되지 않는다. 예컨대, 일 실시예에서, 검사 시나리오는 웨이퍼의 명시야(BF) 검사를 위한 검사 시나리오를 포함한다. 이러한 방식으로, 검사 시스템은 BF 검사 시스템을 포함할 수 있다. BF 검사 시스템은 본 명세서에서 더 기재한 바와 같이 구성할 수 있다. 다른 실시예에서, 검사 시나리오는 웨이퍼의 암시야(DF) 검사를 위한 검사 시나리오를 포함한다. 이러한 방식에서, 검사 시스템은 DF 검사 시스템을 포함할 수 있다. DF 검사 시스템은 종래 기술에서 알려져 있는 임의의 적절한 구성을 가질 수 있다. 검사 시스템은 또한 BF 및 DF 검사를 위해 구성할 수 있다. 게다가, 검사 시스템은 패터닝된 웨이퍼 및/또는 언패터닝된 웨이퍼의 검사를 위해 구성할 수 있다. 검사 시나리오는 LED 검사 툴, 에지 검사 툴, 후면 검사 툴, 매크로-검사 툴 또는 (하나 이상의 플랫폼으로부터 데이터를 동시에 수반하는) 멀티-모드 검사 툴 중 임의의 것, 및 자동화된 검사 시나리오 생성으로부터 유익을 얻는 임의의 다른 계측 또는 검사 툴을 포함할 수 있다.
일부 예에서, 결함 이벤트는, 웨이퍼 상에서 핫 검사를 실행함으로써 웨이퍼 상에서 검출한다. "핫 검사"는, 검사 시스템의 검출기 출력에 적용된 문턱값이 실질적으로 출력의 노이즈 플로어(floor)에 가까운 검사로서 일반적으로 규정될 수 있다. 결함은 또한, 웨이퍼 상에 핫 검사를 실행함으로써 하나보다 많은 웨이퍼 상에서 검출할 수 있다. 예컨대, 결함은 많은 웨이퍼 상에서 검출할 수 있다(즉, "핫 랏(hot lot)"). 게다가, 사용자는, 핫 랏을 초래하는 검사를 실행할 수 있다.
본 명세서에서 기재한 실시예는 그러나 웨이퍼의 핫 검사를 실행하는 것을 포함할 수도 있거나 포함하지 않을 수도 있다. 예컨대, 본 명세서에서 기재한 실시예는, 핫 검사를 실행한 검사 시스템으로부터 또는 검사 시스템이 핫 검사의 결과를 저장한 저장 매체(예컨대, 검사 시스템의 저장 매체, 제조사 데이터베이스 등)로부터 웨이퍼 상에서 실행한 핫 검사의 결과를 얻는 것을 포함할 수 있다. 그러한 일 예에서, 모든 결함 또는 사용자가 규정한 결함의 하위 모집단(sub-population)에 대한 특성은 본 명세서에서 기재한 실시예로 판독할 수 있다(예컨대, 핫 검사에 의해 검출한 결함에 대한 정보를 포함하는 저장 매체나 파일로부터 업로드될 수 있다). 일반적으로, 핫 검사의 결과는 (예컨대, 검사 시스템을 사용하여 웨이퍼를 스캔하고 스캔에 의해 생성한 출력에 문턱값을 적용함으로써) 임의의 적절한 방식으로 획득할 수 있다.
특정한 실시예를 교육 목적으로 앞서 기재하였을지라도, 본 특허문헌의 가르침은 일반적인 응용성을 가지며 앞서 기재한 특정한 실시예로 제한되지 않는다. 일 예에서, 뉴슨스 이벤트로부터 관심 결함을 식별하는 것을 필요로 하는 검사 작업을 여기서 기재한다. 그러나, 본 명세서에서 기재한 방법 및 시스템은 결함 비닝을 또한 수반하는 검사 작업에 적용한다. 일 예에서, 웨이퍼 검사 시스템(100)은 (미도시한) 하나보다 많은 광원을 포함할 수 있다. 광원은 상이하거나 동일하게 구성할 수 있다. 예컨대, 광원은, 동일한 또는 상이한 시간에 동일한 또는 상이한 입사각으로 동일한 또는 상이한 조명 영역에서 웨이퍼에 지향될 수 있는 상이한 특징을 갖는 광을 생성하도록 구성될 수 있다. 광원은 본 명세서에서 기재한 실시예 중 임의의 실시예에 따라 구성할 수 있다. 게다가, 광원 중 하나는 본 명세서에서 기재한 실시예 중 임의의 실시예에 따라 구성할 수 있으며, 다른 광원은 종래 기술에서 알려진 임의의 다른 광원일 수 있다. 다른 예에서, 웨이퍼 검사 시스템(100)은 멀티-스폿 시스템일 수 있다. 일부 실시예에서, 멀티-스폿 시스템은 하나 보다 많은 조명 영역 위에서 동시에 웨이퍼를 조명할 수 있다. 복수의 조명 영역은 공간적으로 중첩할 수 있다. 복수의 조명 영역은 공간적으로 구별될 수 있다. 일부 실시예에서, 멀티-스폿 시스템은 하나 보다 많은 조명 영역 위에서 상이한 시간에 웨이퍼를 조명할 수 있다. 상이한 조명 영역은 시간적으로 중첩할 수 있다(즉, 일부 시간 기간 동안 동시에 조명될 수 있다). 상이한 조명 영역은 시간적으로 구별될 수 있다. 일반적으로 조명 영역의 개수는 임의적일 수 있으며, 각 조명 영역은 동일하거나 상이한 사이즈, 배향 및 입사각을 가질 수 있다. 다른 예에서, 웨이퍼 검사 시스템(100)은, 웨이퍼(102)의 임의의 움직임으로부터 독립적으로 스캔하는 하나 이상의 조명 영역을 갖는 스캐닝 스폿 시스템일 수 있다. 일부 실시예에서, 조명 영역은 스캔 라인을 따라 반복된 패턴으로 스캔하게 된다. 스캔 라인은 웨이퍼(102)의 스캔 움직임과 함께 정렬될 수도 정렬되지 않을 수 도 있다. 본 명세서에서 기재한 바와 같이, 웨이퍼 포지셔닝 시스템(125)이 조정된 회전 및 병진 움직임에 의해 웨이퍼(102)의 움직임을 생성할지라도, 다른 예에서, 웨이퍼 포지셔닝 시스템(100)은 두 개의 병진 움직임을 조정함으로써 웨이퍼(102)의 움직임을 생성할 수 있다. 예컨대, 움직임 웨이퍼 포지셔닝 시스템(125)은 두 개의 직교, 선형 축을 따른 움직임(예컨대, X-Y 움직임)을 생성할 수 있다. 그러한 실시예에서, 스캔 피치는 각각의 움직임 축을 따라서의 인접한 병진 스캔 사이의 거리로서 규정할 수 있다. 그러한 실시예에서, 웨이퍼 검사 시스템은 조명 소스와 웨이퍼 포지셔닝 시스템을 포함한다. 조명 소스는 다량의 방사선을 조명 영역 위의 웨이퍼의 표면에 공급한다. 웨이퍼 포지셔닝 시스템은, 스캔 피치를 특징으로 하는 스캐닝 움직임(예컨대, 일 방향으로의 전후 스캐닝 그리고 직교 방향으로의 스캔 피치에 동일한 양만큼의 스테핑(stepping))으로 웨이퍼를 움직인다. 웨이퍼 포지셔닝 시스템은, 조명 영역으로부터 독립적으로 스캔 피치를 조정하는 움직임 제어기를 포함한다.
따라서, 기재한 실시예의 여러 특징의 다양한 변경, 적응 및 조합은 청구범위에서 제시한 본 발명의 적용범위로부터 벗어나지 않고 실행할 수 있다.
101: 조명 소스 125: 웨이퍼 포지셔닝 시스템
150: 웨이퍼 검사 툴 151: 웨이퍼 결함 데이터
152: 결함 이벤트 153: 라벨링된 결함 데이터
154: K-속성 공간 160: 분류 및 속성 식별 툴
170: 검사 시나리오 최적화 툴 171: 검사 시나리오
182: 모드 1 ∩ 모드 2 186: 모드 1
187: 모드 2 188: 모드 1 ∩ 모드 2

Claims (20)

  1. 웨이퍼 검사 시나리오를 결정하는 방법에 있어서,
    복수의 결함 이벤트(defect events), 상기 복수의 결함 이벤트 각각과 관련된 분류, 및 상기 복수의 결함 이벤트 각각과 관련된 복수의 속성을 포함하는 라벨링된 결함 데이터의 양(amount)을 수신하는 단계; 및
    사용자로부터의 입력 없이 상기 라벨링된 결함 데이터를 기초로 복수의 검사 시나리오 - 각 검사 시나리오는 상기 검사 시나리오와 관련된 획득 모드, 결함 검출 알고리즘 파라미터 값 및 분류 알고리즘 파라미터 값을 포함함 - 를 결정하는 단계
    를 포함하고,
    상기 복수의 검사 시나리오를 결정하는 단계는, 상기 복수의 속성 각각에 의해 규정된 각 차원을 갖는 다차원 공간에서 솔루션(solution)을 결정하는 단계를 수반하는 것인, 웨이퍼 검사 시나리오를 결정하는 방법.
  2. 제1항에 있어서, 상기 복수의 결함 이벤트 각각과 관련된 상기 분류는 실제 결함, 관심 결함 및 뉴슨스(nuisance) 이벤트 중 임의의 것을 포함하는 것인, 웨이퍼 검사 시나리오를 결정하는 방법.
  3. 제1항에 있어서, 상기 복수의 결함 이벤트 각각과 관련된 상기 복수의 속성은 MDAT 그레이 레벨, 결함 크기, MDAT 오프셋 및 에너지 레벨 중 임의의 것을 포함하는 것인, 웨이퍼 검사 시나리오를 결정하는 방법.
  4. 제1항에 있어서, 상기 라벨링된 결함 데이터의 양은 라벨링된 광학 선택기 데이터 및 라벨링된 핫 스캔 데이터(hot scan data) 중 임의의 것인, 웨이퍼 검사 시나리오를 결정하는 방법.
  5. 제1항에 있어서, 선택되는 검사 시나리오와 관련된 뉴슨스 이벤트의 개수와 관심 결함의 개수의 원하는 조합을 기초로 하여 상기 복수의 검사 시나리오로부터 검사 시나리오를 선택하는 단계를 더 포함하는, 웨이퍼 검사 시나리오를 결정하는 방법.
  6. 제5항에 있어서, 상기 선택하는 단계는 사용자로부터의 입력 없이 수행되는 것인, 웨이퍼 검사 시나리오를 결정하는 방법.
  7. 제1항에 있어서, 상기 라벨링된 결함 데이터의 양은, 상이한 획득 모드로 각각 수행된 적어도 두 개의 검사 스캔과 관련되는 것인, 웨이퍼 검사 시나리오를 결정하는 방법.
  8. 제7항에 있어서, 상기 복수의 검사 시나리오를 결정하는 단계는, 적어도 두 개의 획득 모드 중 적어도 두 개의 획득 모드의 조합을 포함하는 적어도 하나의 검사 시나리오를 수반하는 것인, 웨이퍼 검사 시나리오를 결정하는 방법.
  9. 제8항에 있어서, 상기 적어도 두 개의 획득 모드 중 상기 적어도 두 개의 획득 모드의 조합은 특정한 수의 뉴슨스 이벤트에 대해 최대 수의 관심 결함을 포함하는 것인, 웨이퍼 검사 시나리오를 결정하는 방법.
  10. 제1항에 있어서, 제1 획득 모드와 제1 미리 결정된 결함 검출 파라미터 세트를 사용하여 웨이퍼를 검사함으로써, 상기 복수의 결함 이벤트를 결정하는 단계를 더 포함하는, 웨이퍼 검사 시나리오를 결정하는 방법.
  11. 제10항에 있어서, 스캐닝 전자 현미경(Scanning Electron Microscope; SEM) 리뷰에 의해 상기 복수의 결함 이벤트 각각과 관련된 상기 복수의 속성과 상기 복수의 결함 이벤트 각각과 관련된 상기 분류를 결정하는 단계를 더 포함하는, 웨이퍼 검사 시나리오를 결정하는 방법.
  12. 비-일시적인 컴퓨터 판독 가능한 저장 매체에 있어서,
    컴퓨터로 하여금 복수의 결함 이벤트, 상기 복수의 결함 이벤트 각각과 관련된 분류, 및 상기 복수의 결함 이벤트 각각과 관련된 복수의 속성을 포함하는 라벨링된 결함 데이터의 양을 수신하게 하는 코드; 및
    상기 컴퓨터로 하여금 사용자로부터의 입력 없이 상기 라벨링된 결함 데이터를 기초로 하여 복수의 검사 시나리오 - 각 검사 시나리오는 상기 검사 시나리오와 관련된 획득 모드, 결함 검출 알고리즘 파라미터 값, 및 분류 알고리즘 파라미터 값을 포함함 - 를 결정하게 하는 코드
    를 포함하고,
    상기 복수의 검사 시나리오를 결정하는 것은 상기 복수의 속성 각각에 의해 규정된 각 차원을 갖는 다차원 공간에서 솔루션을 결정하는 것을 수반하는 것인, 비-일시적인 컴퓨터 판독 가능한 저장 매체.
  13. 제12항에 있어서, 상기 라벨링된 결함 데이터의 양은, 상이한 획득 모드로 각각 수행된 적어도 두 개의 검사 스캔과 관련되는 것인, 비-일시적인 컴퓨터 판독 가능한 저장 매체.
  14. 제13항에 있어서, 상기 복수의 검사 시나리오를 결정하는 것은 적어도 두 개의 획득 모드 중 적어도 두 개의 획득 모드의 조합을 포함하는 적어도 하나의 검사 시나리오를 수반하는 것인, 비-일시적인 컴퓨터 판독 가능한 저장 매체.
  15. 웨이퍼 검사 장치에 있어서,
    복수의 결함 이벤트, 상기 복수의 결함 이벤트 각각과 관련된 분류 및 상기 복수의 결함 이벤트 각각과 관련된 복수의 속성을 포함하는 라벨링된 결함 데이터의 양을 저장하도록 구성되는 복수의 저장 요소; 및
    검사 시나리오 최적화 툴(tool)
    을 포함하고,
    상기 검사 시나리오 최적화 툴은,
    상기 라벨링된 결함 데이터의 양을 수신하고;
    사용자로부터의 입력 없이 상기 라벨링된 결함 데이터를 기초로 하여 복수의 검사 시나리오 - 각각의 검사 시나리오는 상기 검사 시나리오와 관련된 획득 모드, 결함 검출 알고리즘 파라미터 값, 및 분류 알고리즘 파라미터 값을 포함함 - 를 결정하도록
    구성되며,
    상기 복수의 검사 시나리오를 결정하는 것은 상기 복수의 속성 각각에 의해 규정된 각 차원을 갖는 다차원 공간에서 솔루션을 결정하는 것을 수반하는 것인, 웨이퍼 검사 장치.
  16. 제15항에 있어서, 상기 라벨링된 결함 데이터의 양은 상이한 획득 모드로 각각 수행된 적어도 두 개의 검사 스캔과 관련되는 것인, 웨이퍼 검사 장치.
  17. 제16항에 있어서, 상기 복수의 검사 시나리오를 결정하는 것은 적어도 두 개의 획득 모드 중 적어도 두 개의 획득 모드의 조합을 포함하는 적어도 하나의 검사 시나리오를 수반하는 것인, 웨이퍼 검사 장치.
  18. 삭제
  19. 삭제
  20. 삭제
KR1020157006445A 2012-08-14 2013-08-13 자동화된 검사 시나리오 생성 KR101995618B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/585,115 US9053390B2 (en) 2012-08-14 2012-08-14 Automated inspection scenario generation
US13/585,115 2012-08-14
PCT/US2013/054763 WO2014028513A1 (en) 2012-08-14 2013-08-13 Automated inspection scenario generation

Publications (2)

Publication Number Publication Date
KR20150043448A KR20150043448A (ko) 2015-04-22
KR101995618B1 true KR101995618B1 (ko) 2019-07-02

Family

ID=50100068

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157006445A KR101995618B1 (ko) 2012-08-14 2013-08-13 자동화된 검사 시나리오 생성

Country Status (7)

Country Link
US (1) US9053390B2 (ko)
EP (1) EP2885811A1 (ko)
JP (1) JP6280118B2 (ko)
KR (1) KR101995618B1 (ko)
CN (1) CN104718606A (ko)
TW (1) TWI588924B (ko)
WO (1) WO2014028513A1 (ko)

Families Citing this family (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US9659670B2 (en) 2008-07-28 2017-05-23 Kla-Tencor Corp. Computer-implemented methods, computer-readable media, and systems for classifying defects detected in a memory device area on a wafer
US9141730B2 (en) 2011-09-12 2015-09-22 Applied Materials Israel, Ltd. Method of generating a recipe for a manufacturing tool and system thereof
US9401013B2 (en) 2012-02-03 2016-07-26 Applied Materials Israel, Ltd. Method of design-based defect classification and system thereof
US10043264B2 (en) 2012-04-19 2018-08-07 Applied Materials Israel Ltd. Integration of automatic and manual defect classification
US9595091B2 (en) 2012-04-19 2017-03-14 Applied Materials Israel, Ltd. Defect classification using topographical attributes
US9858658B2 (en) 2012-04-19 2018-01-02 Applied Materials Israel Ltd Defect classification using CAD-based context attributes
US9715723B2 (en) 2012-04-19 2017-07-25 Applied Materials Israel Ltd Optimization of unknown defect rejection for automatic defect classification
US9607233B2 (en) 2012-04-20 2017-03-28 Applied Materials Israel Ltd. Classifier readiness and maintenance in automatic defect classification
US9189844B2 (en) 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
WO2014149197A1 (en) * 2013-02-01 2014-09-25 Kla-Tencor Corporation Detecting defects on a wafer using defect-specific and multi-channel information
US8984450B2 (en) * 2013-03-14 2015-03-17 Taiwan Semiconductor Manufacturing Company, Ltd. Method and apparatus for extracting systematic defects
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
US10114368B2 (en) 2013-07-22 2018-10-30 Applied Materials Israel Ltd. Closed-loop automatic defect inspection and classification
US9726615B2 (en) * 2014-07-22 2017-08-08 Kla-Tencor Corporation System and method for simultaneous dark field and phase contrast inspection
US9582869B2 (en) * 2014-10-19 2017-02-28 Kla-Tencor Corp. Dynamic binning for diversification and defect discovery
US9518934B2 (en) * 2014-11-04 2016-12-13 Kla-Tencor Corp. Wafer defect discovery
US9970873B1 (en) * 2014-11-12 2018-05-15 Kla-Tencor Corporation System and method for luminescent tag based wafer inspection
CN112837266A (zh) * 2014-11-24 2021-05-25 基托夫系统有限公司 自动检查
US9835566B2 (en) * 2015-03-03 2017-12-05 Kla-Tencor Corp. Adaptive nuisance filter
US9711327B2 (en) 2015-07-16 2017-07-18 Applied Materials Israel, Ltd. Method and system for optimizing configurable parameters of inspection tools
WO2017024065A1 (en) * 2015-08-05 2017-02-09 Kla-Tencor Corporation Range-based real-time scanning electron microscope non-visual binner
US10140698B2 (en) * 2015-08-10 2018-11-27 Kla-Tencor Corporation Polygon-based geometry classification for semiconductor mask inspection
US10436720B2 (en) * 2015-09-18 2019-10-08 KLA-Tenfor Corp. Adaptive automatic defect classification
US10082470B2 (en) * 2016-09-27 2018-09-25 Kla-Tencor Corporation Defect marking for semiconductor wafer inspection
US11237119B2 (en) 2017-01-10 2022-02-01 Kla-Tencor Corporation Diagnostic methods for the classifiers and the defects captured by optical tools
KR102557181B1 (ko) * 2017-01-10 2023-07-18 케이엘에이 코포레이션 광학 도구에 의해 캡처되는 결함 및 분류기를 위한 진단 방법
US11416979B2 (en) 2017-01-18 2022-08-16 Asml Netherlands B.V. Defect displaying method
US10621718B2 (en) 2018-03-23 2020-04-14 Kla-Tencor Corp. Aided image reconstruction
JP6823025B2 (ja) * 2018-09-12 2021-01-27 ファナック株式会社 検査装置及び機械学習方法
JP6795562B2 (ja) * 2018-09-12 2020-12-02 ファナック株式会社 検査装置及び機械学習方法
US10801968B2 (en) * 2018-10-26 2020-10-13 Kla-Tencor Corporation Algorithm selector based on image frames
US11018064B2 (en) * 2018-12-12 2021-05-25 Kla Corporation Multiple-tool parameter set configuration and misregistration measurement system and method
CN110120091B (zh) * 2019-04-28 2023-06-16 深圳供电局有限公司 电力巡检图像样本制作方法、装置和计算机设备
CN110945563A (zh) 2019-11-08 2020-03-31 长江存储科技有限责任公司 用于提高产出率的自动评估方法及其评估系统
US11625821B2 (en) * 2020-10-14 2023-04-11 Baker Hughes Oilfield Operations Llc Automated inspection-plan based detection
US20220318667A1 (en) * 2021-03-30 2022-10-06 Accenture Global Solutions Limited Intelligent real-time defect prediction, detection, and ai driven automated correction solution

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005017159A (ja) 2003-06-27 2005-01-20 Hitachi High-Technologies Corp 欠陥検査装置における検査レシピ設定方法および欠陥検査方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL125217A (en) * 1990-12-04 1999-10-28 Orbot Instr Ltd Apparatus and method for microscopic inspection of articles
US6578188B1 (en) * 1997-09-17 2003-06-10 Numerical Technologies, Inc. Method and apparatus for a network-based mask defect printability analysis system
US6265232B1 (en) * 1998-08-21 2001-07-24 Micron Technology, Inc. Yield based, in-line defect sampling method
JP2001168160A (ja) * 1999-12-07 2001-06-22 Sony Corp 半導体ウェハの検査システム
JP2002303586A (ja) * 2001-04-03 2002-10-18 Hitachi Ltd 欠陥検査方法及び欠陥検査装置
US6665065B1 (en) * 2001-04-09 2003-12-16 Advanced Micro Devices, Inc. Defect detection in pellicized reticles via exposure at short wavelengths
JP3904419B2 (ja) * 2001-09-13 2007-04-11 株式会社日立製作所 検査装置および検査システム
US6686602B2 (en) 2002-01-15 2004-02-03 Applied Materials, Inc. Patterned wafer inspection using spatial filtering
CN100458712C (zh) * 2002-11-12 2009-02-04 Fei公司 缺陷表征系统及方法以及缺陷分析系统
US7359544B2 (en) 2003-02-12 2008-04-15 Kla-Tencor Technologies Corporation Automatic supervised classifier setup tool for semiconductor defects
US7508973B2 (en) * 2003-03-28 2009-03-24 Hitachi High-Technologies Corporation Method of inspecting defects
US7253650B2 (en) * 2004-05-25 2007-08-07 International Business Machines Corporation Increase productivity at wafer test using probe retest data analysis
US7570797B1 (en) * 2005-05-10 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for generating an inspection process for an inspection system
US9037280B2 (en) 2005-06-06 2015-05-19 Kla-Tencor Technologies Corp. Computer-implemented methods for performing one or more defect-related functions
JP2007192743A (ja) * 2006-01-20 2007-08-02 Toshiba Corp 画像取り込み方法並びに検査方法及びその装置
JP4723544B2 (ja) 2007-09-10 2011-07-13 シャープ株式会社 基板分類方法および装置、基板分類方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体
US8135204B1 (en) 2007-09-21 2012-03-13 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for creating a defect sample for use in selecting one or more parameters of an inspection recipe
US8000922B2 (en) * 2008-05-29 2011-08-16 Kla-Tencor Corp. Methods and systems for generating information to be used for selecting values for one or more parameters of a detection algorithm
JP5925199B2 (ja) * 2010-06-30 2016-05-25 ケーエルエー−テンカー コーポレイション ウェーハ検査または計測設定のためのデータ擾乱
US9098893B2 (en) * 2011-12-21 2015-08-04 Applied Materials Israel, Ltd. System, method and computer program product for classification within inspection images
US9599575B2 (en) * 2012-02-07 2017-03-21 Applied Materials Israel, Ltd. System, a method and a computer program product for CAD-based registration
US8977035B2 (en) * 2012-06-13 2015-03-10 Applied Materials Israel, Ltd. System, method and computer program product for detection of defects within inspection images

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005017159A (ja) 2003-06-27 2005-01-20 Hitachi High-Technologies Corp 欠陥検査装置における検査レシピ設定方法および欠陥検査方法

Also Published As

Publication number Publication date
WO2014028513A1 (en) 2014-02-20
KR20150043448A (ko) 2015-04-22
US20140050389A1 (en) 2014-02-20
TW201411760A (zh) 2014-03-16
EP2885811A1 (en) 2015-06-24
TWI588924B (zh) 2017-06-21
CN104718606A (zh) 2015-06-17
JP6280118B2 (ja) 2018-02-14
US9053390B2 (en) 2015-06-09
JP2015525006A (ja) 2015-08-27

Similar Documents

Publication Publication Date Title
KR101995618B1 (ko) 자동화된 검사 시나리오 생성
KR102539921B1 (ko) 자동으로 생성된 결함 피처를 가진 반도체 구조의 검사를 위한 방법 및 시스템
JP7026719B2 (ja) 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング
KR102438824B1 (ko) 3차원 반도체 구조체들의 검사를 위한 결함 발견 및 레시피 최적화
US7728969B2 (en) Methods and systems for identifying defect types on a wafer
TWI608231B (zh) 無偏差之晶圓缺陷樣本
TWI673489B (zh) 以使用一適應性滋擾過濾器產生針對一樣本之檢驗結果之系統及方法，以及非暫時性電腦可讀媒體
JP7037632B2 (ja) 効率的プロセスウィンドウ発見用ハイブリッド検査システム
KR102550474B1 (ko) 자율 결함 세그먼트화
US9891538B2 (en) Adaptive sampling for process window determination
JP6906044B2 (ja) 感度改善およびニューサンス抑制のため、論理的およびホットスポット検査でｚレイヤコンテキストを使用するシステムおよび方法
TWI818170B (zh) 用於檢測之缺陷候選的產生

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