KR102131897B1

KR102131897B1 - 지형적인 속성들을 사용하는 결함 분류

Info

Publication number: KR102131897B1
Application number: KR1020130043520A
Authority: KR
Inventors: 이단 카이제르만; 이사이 슈바르츠밴드; 에프라트 로젠만
Original assignee: 어플라이드 머티리얼즈 이스라엘 리미티드
Priority date: 2012-04-19
Filing date: 2013-04-19
Publication date: 2020-07-09
Also published as: TWI597689B; JP2013236087A; US20130279791A1; JP6262942B2; US9595091B2; TW201351347A; KR20130118277A

Abstract

분류를 위한 방법은 패턴이 위에 형성된 반도체 웨이퍼의 영역의 이미지를 수신하는 단계를 포함하며, 그 영역은 관심있는 위치를 포함한다. 관심있는 위치의 하나 또는 둘 이상의 속성들에 대한 적어도 하나의 값은, 영역의 3차원(3D) 맵에서의 관심있는 위치의 지형적인 피쳐들에 기초하여 연산된다.

Description

지형적인 속성들을 사용하는 결함 분류{DEFECT CLASSIFICATION USING TOPOGRAPHICAL ATTRIBUTES}

삭제

본 발명의 실시예들은 일반적으로 자동화된 검사에 관한 것이고, 구체적으로는, 제조 결함들의 분석에 대한 기술에 관한 것이다.

자동 결함 분류(Automatic Defect Classification; ADC) 기술들은, 반도체 산업에서, 패터닝된 웨이퍼들 상의 결함들의 검사 및 측정에서 널리 사용된다. ADC 기술들은, 결함들의 존재를 검출할 뿐만 아니라, 생산 프로세스에 대한 더 상세한 피드백을 제공하고 인간 검사자들에 대한 부담을 감소시키도록, 결함들을 타입에 따라 자동적으로 분류한다. ADC 기술들은, 예를 들어, 웨이퍼 표면 상의 미립자 오염물들로부터 발생하는 결함들 및 마이크로회로 패턴 그 자체에서의 불규칙성들과 연관된 결함들의 타입들을 구별하기 위해 사용되며, 또한, 특정 타입들의 입자들 및 불규칙성들을 식별할 수 있다.

결함 분류의 현재의 접근법들은, 검사 하의 반도체 디바이스의 이미지들과 함께 컴퓨터-이용 설계(CAD) 데이터를 사용한다. 예를 들어, 미국 특허 제 7,626,163 호는 결함 리뷰 방법을 설명하며, 그 방법에서는, 비교적 낮은 해상도의 이미지-캡쳐링 조건들을 갖는 리소그래피 시뮬레이션에 기초하여 추출된 프로세스-마진-네로우(process-margin-narrow) 패턴 부분의 이미지를 캡쳐함으로써, 스캐닝 전자 현미경(SEM) 이미지가 도출된다. 결과의 SEM 이미지는, 임의의 비정상적인 섹션의 추출을 위해 CAD 데이터와 비교된다. 비정상적인 것으로서 추출된 영역의 이미지는 다시 캡쳐되며, 결과의 고-해상도 SEM 이미지는, 형상 변형과 같은, 이미지의 피쳐 양(feature amount)에 기초한 결함 분류를 위해 CAD 데이터와 다시 비교된다.

본 발명의 실시예들은, 검사 데이터에 기초한 결함들의 자동화된 분류를 위한, 개선된 방법들, 시스템들, 및 소프트웨어를 제공한다. 예시적인 시스템은, 관심있는 위치를 포함하는 반도체 웨이퍼의 영역의 3차원(3D) 맵을 수신한다. 시스템은, 맵에서의 관심있는 위치의 지형적인 피쳐들에 기초하여, 관심있는 위치의 하나 또는 둘 이상의 속성들에 대한 적어도 하나의 값을 연산한다.

일 실시예에서, 관심있는 위치는 적어도 하나의 피쳐를 포함하고, 적어도 하나의 피쳐는 복수의 피쳐들로부터 선택되며, 복수의 피쳐들은 결함, 프로세스 변화, 및 관심있는 설계를 포함한다.

일 실시예에서, 시스템은, 하나 또는 둘 이상의 속성들에 대한 적어도 하나의 값에 기초하여, 관심있는 위치에서의 결함을 자동적으로 분류한다.

일 실시예에서, 시스템은 스캐닝 전자 현미경(SEM)에 의해 캡쳐된 이미지들로부터 3D 맵을 도출함으로써 3D 맵을 수신한다.

일 실시예에서, 시스템은, 관심있는 위치의 하나 또는 둘 이상의 3D 형상 파라미터들을 계산함으로써, 각각의 값들을 연산한다.

일 실시예에서, 시스템은, 3D 맵에서의 관심있는 위치에 파라메트릭 표면을 피팅시키고, 피팅된 표면으로부터 3D 형상 파라미터들을 도출함으로써, 3D 형상 파라미터들을 계산한다.

일 실시예에서, 시스템은, 관심있는 위치의 표면에 대응하는 평면의 배향을 발견함으로써, 3D 형상 파라미터들을 계산한다.

일 실시예에서, 시스템은, 관심있는 위치의 표면의 곡률의 측정을 발견함으로써 3D 형상 파라미터들을 계산한다.

일 실시예에서, 시스템은, 관심있는 위치의 하나 또는 둘 이상의 텍스쳐 파라미터들을 계산함으로써, 적어도 하나의 값을 계산한다.

일 실시예에서, 시스템은, 관심있는 위치의 표면에 걸친 기울기를 연산하고, 기울기에 기초하여, 표면의 거칠기의 측정을 발견함으로써, 텍스쳐 파라미터들을 계산한다.

일 실시예에서, 시스템은, 관심있는 위치에서의 복수의 에지들의 방향 오더를 연산함으로써, 텍스쳐 파라미터들을 계산한다.

부가적인 실시예들에서, 위에서 설명된 실시예들의 동작들을 수행하기 위한 방법들이 또한 구현된다. 부가적으로, 본 발명의 실시예들에서, 비-일시적인(non-transitory) 컴퓨터 판독가능 저장 매체가 위에서 설명된 실시예들의 동작들을 수행하기 위한 방법들을 저장한다.

본 발명의 다양한 실시예들은, 본 발명의 다양한 실시예들의 첨부 도면들로부터 그리고 아래에 주어지는 상세한 설명으로부터 더 완전하게 이해될 것이다.

도 1은 본 발명의 실시예에 따른, 결함 검사 및 분류 시스템의 개략적인 도면.
도 2a 내지 도 2c는 본 발명의 실시예에 따른, 자동 결함 분류(ADC)를 위한 방법들을 개략적으로 예시하는 흐름도들.
도 3a는 본 발명의 실시예에 따른, 결함의 SEM-기반 높이 맵을 개략적으로 표현하는 도면.
도 3b는 본 발명의 실시예에 따른, 도 3a의 높이 맵에 대한 다항식 피팅(polynomial fit)을 개략적으로 표현하는 도면.
도 4 및 도 5는 본 발명의 실시예들에 따른, 결함 컨텍스트 속성들을 예시하는, 반도체 웨이퍼 상의 패턴들을 오버랩하는 결함들의 개략적인 평면도들.
도 6a는 반도체 웨이퍼 상에 형성된 패턴의 개략적인 평면도.
도 6b는 본 발명의 실시예에 따른, 패턴과 하부 구조들 사이의 연관성을 나타내는, 도 6a의 웨이퍼의 개략적인 단면도.
도 7은 본 발명의 실시예에 따른, 반도체 웨이퍼 상의 패턴의 상이한 엘리먼트들을 오버랩하는 결함들의 개략적인 평면도.
도 8은 본 발명의 실시예에 따른, 반도체 웨이퍼 상의 다중-층 구조 근처의 결함의 개략적인 평면도.
도 9는 여기에서 설명된 동작들 중 하나 또는 둘 이상을 수행할 수 있는 예시적인 컴퓨터 시스템의 블록도.

자동 결함 분류(ADC) 시스템들은, 결함들을 식별하기 위해, 패터닝된 반도체 웨이퍼의 이미지들과 같은 검사 데이터를 프로세싱하고, 결함들의 형상 및 사이즈와 같은, 결함들의 속성들의 값들을 연산하고, 이들 속성 값들에 기초하여, 결함들을 다차원 속성 하이퍼-스페이스(hyper-space)로 맵핑한다. 자동 분류기(classifier)들은 이 하이퍼-스페이스 내의 각각의 결함 클래스의 경계들을 학습하고, 그에 따라, 결함들을 클래스들에 할당한다. 이 부류의 시스템은, 예를 들어, 2010년 7월 27일자로 출원되었으며, 발명의 명칭이 "Defect Classification with Optimized Purity"인 미국 특허 출원 제 12/844,724 호에서 설명된다. ADC 시스템은 다중-클래스 및 단일-클래스 분류기들 양자 모두를 포함하는 다수의 상이한 분류기들을 검사 데이터에 적용한다. 시스템은, 미지의 또는 새로운 결함들의 거절(rejection) 레이트를 최대화하면서 분류의 순도(purity)를 최적화하기 위해, 분류기들의 파라미터들이 트레이닝 및 조정되게 허용한다. 자동 분류기들에 의해 (판정 불가 또는 미지의 것으로서) 거절된 결함들은, 이들 결함들을 적절한 클래스들에 할당하는 인간 검사자와 같은 다른 검사 방식으로 전달된다.

CAD-기반 컨텍스트 속성들 및 지형(topography) 속성들은 결함들에 대한 부가적인 정보를 제공하고, 따라서, 입자들, 플레이크(flake)들, 범프(bump)들 및 크레이터(crater)들 등과 같은 특정 결함 타입들의 더 양호한 특징화(characterization)를 용이하게 한다. 따라서, 본 발명의 실시예들은, 결함들의 3D 형상, 텍스쳐 및 컨텍스트에 관련된 새로운 타입들의 결함 속성들을, 이들이 SEM과 같은 검사 시스템에 의해 캡쳐된 이미지들(또는 이들 이미지들에 기초한 다른 표현들)에서 나타남에 따라 제공한다. 개시된 실시예들은 반도체 웨이퍼들 상의 결함들에 관련될 수 있지만, 이들 타입들의 속성들은 반도체 마스크들 또는 다른 종류들의 샘플들 상에서 나타나는 결함들을 분류하는 것에서 유사하게 사용될 수 있다. "검사"라는 용어는, 데이터가 전체 웨이퍼에 걸쳐 캡쳐되던지 또는 개별적인 위치들에서 캡쳐되던지 간에, 결함들을 검출 및 분류하는 것에서 유용한 정보를 제공할 수 있는 임의의 부류의 데이터 캡쳐를 지칭하도록 본 특허 출원에서 넓게 사용된다.

본 발명의 실시예들은, 웨이퍼 또는 마스크를 스캔하고, 의심되는 결함들의 위치들의 리스트를 제공하는 검사 시스템에 의해 식별되는 결함들의 분석에 적용가능하다. 몇몇 실시예들은 검사 툴에 의해 제공되는 의심되는 결함들의 위치들에 기초하여, 리뷰 툴에 의해 재검출되는 결함들의 분석에 적용가능하다. 본 발명은 검사 데이터가 생성되는 기술에 의해 제한되지 않는다. 따라서, 반도체 애플리케이션들에 있어서, 본 발명의 실시예들은 UVision^TM 시스템 또는 Aera^TM 시스템과 같은 광학 검사 시스템에 의해, 또는 SEMVision^TM 시스템(Applied Materials Inc. 로부터 상업적으로 입수가능함)과 같은 리뷰 시스템에 의해, 또는 당업계에 알려진 임의의 다른 부류의 검사 시스템 또는 방식에 의해 생성된 데이터의 분석에 적용될 수 있다.

여기에서 설명된 본 발명의 실시예들에서, 이미지 프로세싱 시스템은, 패턴이 위에 형성된 반도체 웨이퍼의 영역의 이미지를 수신한다. 영역은 관심있는 이미지 위치를 포함할 수 있다. 위치는 전형적으로, 결함, 프로세스 변화, 또는 관심있는 설계와 같은 관심있는 적어도 하나의 피쳐를 포함한다. 아래에서 설명되는 실시예들이 주로 결함들의 이미지들을 분류하는 것에 관한 것이지만, 본 발명은 관심있는 다른 피쳐들의 속성들을 연산하는 것에서 유사하게 적용될 수 있다. 시스템은 또한, 패턴에 관련된 컴퓨터-이용 설계(CAD) 데이터를 수신한다. CAD 데이터는 관심있는 이미지 위치에 대응하는 관심있는 CAD 위치를 포함할 수 있다. 시스템은 CAD 데이터에 대한 관심있는 CAD 위치의 컨텍스트에 기초하여, 관심있는 이미지 위치의 하나 또는 둘 이상의 속성들의 적어도 하나의 값을 연산한다. 몇몇 실시예들에서, ADC 시스템은 결함을 포함하는 패터닝된 웨이퍼의 영역의 이미지를 수신하고, 그 이미지는, 동일한 영역에서의 패턴에 관련된 컴퓨터-이용 설계(CAD) 데이터와 정렬된다(registered). 이미지와 CAD 데이터는 ADC 시스템 그 자체에 의해 정렬될 수 있거나, 또는 이들은 당업계에 알려진 임의의 적합한 정렬 방법을 사용하여 다른 이미지 프로세싱 유닛에 의해 사전-정렬될 수 있다. 영역(또는 영역 내의 특정 위치)은 전형적으로, 결함을 포함하는 것으로 고려되는데, 이는, 초기 검사 판독들이 영역 또는 위치에서 몇몇 부류의 이상(abnormality)을 표시하기 때문이다. 그러나, 결함의 분류는 이 스테이지에서 아직 확인되지 않을 수 있다(그리고, 이상에도 불구하고, 문제의 영역에서의 패턴의 파트가 결함이 없다고 궁극적으로 결정될 수 있음). 결함은 영역에서 불규칙성을 표시할 수 있는 웨이퍼의 주어진 영역 또는 위치로부터 수신된 비정상적인 검사 데이터를 지칭할 수 있다.

ADC 시스템은 정렬된 패턴에 대한 결함의 컨텍스트에 기초하여, 결함의 하나 또는 둘 이상의 속성들의 값들을 연산하는 것에서 CAD 데이터를 사용한다. CAD 데이터와 이미지를 정렬시키는 것은 이미지의 세그먼트화(segmentation)를 용이하게 하여, ADC 시스템이 접촉 패드들 및 라인들과 같은, 패턴에서의 특정 구조들을 식별할 수 있게 한다. 그 후에, 시스템은, 결함이 패턴의 파트들을 오버랩하는지, 어떠한 특정한 파트들이 오버랩되는지, 그리고 오버랩의 정도를 표시하는, 결함의 속성 값들을 연산할 수 있다. 다른 타입들의 컨텍스트-기반 속성들은, 예를 들어, 결함과 특정 패턴 또는 배경 형상들 사이의 교차들의 수, 뿐만 아니라, 결함이 별개의 패턴들 또는 배경 형상들을 브릿징할 확률을 표시할 수 있다.

ADC 시스템은, 이미지에서 비가시적이지만 CAD 데이터에서 분명한 피쳐들에 대한 속성들을 계산하는 것에서 CAD 데이터를 사용할 수 있다. 그러한 속성들은, 예를 들어, Z-축 분석으로부터 도출될 수 있고, 여기서, 특정 결함은 그 아래의 하부 층들에 대하여 분석된다. 하부 층 정보는 전형적으로, 이미지에서 비가시적이지만, CAD 데이터에서는 이용가능하다.

ADC 시스템은, 관심있는 결함을 포함하는 검사 이미지의 영역 외부에 있는 구조들을 사용하여, FOV(field of view) 외부 분석을 위해 CAD 데이터를 사용할 수 있다. 그러한 경우들에서, 결함이 단락(short circuit)들을 생성할 수 있거나, 또는 패턴 엘리먼트들 사이의 브릿지들이 이미지에서 가시적이지 않을 수 있지만, CAD 데이터에서 분명할 수 있다. 따라서, FOV 외부 분석은 CAD 데이터에 기초하여, 브릿징 또는 다른 속성들을 연산하기 위해 사용될 수 있다.

CAD 데이터는 또한, 예를 들어, 특정 구조들의 조합들 또는 특정 CAD 엘리먼트들에 대한 결함의 근접성에 기초하여, 속성들을 연산하기 위해 사용될 수 있다. 이들 CAD 구조들은, 더 중요하거나 또는 결함들이 생기기 쉬운, 웨이퍼에서의 매우 민감한 영역들의 사전 지식을 활용함으로써 (예를 들어, 오퍼레이터에 의해) 정의될 수 있다. 그러한 속성들의 목적은 이들 특정 엘리먼트들 또는 구조들에 대한 결함의 근접성을 정확히 측정하는 것일 수 있다.

ADC 시스템은, 웨이퍼의 영역의 3차원(3D) 맵으로부터 ADC 시스템이 도출하는 결함들의 지형적인 피쳐들에 기초하여, 속성 값들을 연산할 수 있다. 몇몇 실시예들에서, 속성들은 이미지 평면의 X 및 Y 방향들에서의 주어진 결함의 형상 및 사이즈에 관련된다. 몇몇 실시예들에서, 속성들은 추가로, 높이(Z) 방향에서의 주어진 결함의 형상 및 사이즈에 관련된다. 이 높이 정보는 SEM 이미지들을 사용하여 3D 맵핑함으로써 제공될 수 있다. 지형적인 피쳐들은, 예를 들어, 결함의 3D 형상 및/또는 텍스쳐에 관련될 수 있다.

도 1은 본 발명의 실시예에 따른, 자동화된 결함 검사 및 분류를 위한 시스템(20)의 예시적인 개략적인 도면이다. 패터닝된 반도체 웨이퍼(22)(또는 마스크 또는 레티클)와 같은 샘플이 검사 머신(24) 내로 삽입된다. 머신(24)은, 예를 들어, 스캐닝 전자 현미경(SEM) 또는 광학 검사 디바이스 또는 당업계에 알려진 임의의 다른 적합한 부류의 검사 장치를 포함할 수 있다. 몇몇 실시예들에서, 머신(24)은 웨이퍼(22)의 2차원 이미지들을 생성하도록 구성될 수 있다. 몇몇 실시예들에서, 머신(24)은 웨이퍼(22)의 3D 맵들을 생성하도록 구성될 수 있다.

다음에서, 설명의 용이성을 위해, ADC 머신(26)은 네트워크, 클라우드를 통해, 또는 중간 시스템을 통해 간접적으로 또는 직접적으로 검사 시스템(예를 들어, 머신(24))에 연결가능한 독립형 시스템으로서 설명될 것이다. 그러나, 본 발명의 실시예가 검사 시스템(예를 들어, 머신(24))과 통합되거나 또는 검사 시스템(예를 들어, 머신(24)) 상에서 호스트되는 모듈로서 구현될 수 있다는 것이 이해되어야 한다.

머신(24)은 웨이퍼(22)의 표면(또는 웨이퍼(22)의 표면의 특정 부분 또는 부분들)을 스캔할 수 있고, 스캔 결과들을 감지 및 프로세싱할 수 있고, 웨이퍼(22) 상의 결함들을 포함하는 영역들의 이미지들 및/또는 3D 맵들을 포함하는 검사 데이터를 출력할 수 있다. 검사 데이터는, 웨이퍼 상에서 발견된 결함들의 리스트 및 각각의 결함의 위치를, 각각의 결함과 연관된 검사 피쳐들의 값들과 함께 포함할 수 있다. 검사 피쳐들은, 예를 들어, 사이즈, 형상, 스캐터링 세기, 방향성, 및/또는 스펙트럼 품질들, 뿐만 아니라, 당업계에 알려진 임의의 다른 적합한 피쳐들을 포함할 수 있다. "검사 데이터"라는 용어가 SEM 이미지들 및 연관된 메타데이터를 지칭하도록 본 실시예에서 사용되지만, 이 용어는, 데이터를 수집하는데 사용된 수단과 무관하게, 결함들의 피쳐들을 식별하기 위해 수집 및 프로세싱될 수 있는 임의의 그리고 모든 부류들의 서술적인 및/또는 진단 데이터를 지칭하도록 더 넓게 이해되어야 한다.

ADC 머신(26)은 머신(24)에 의해 출력된 검사 데이터를 획득 및 프로세싱할 수 있다. 머신(24)이 웨이퍼(22)의 이미지들로부터 모든 관련된 결함 속성 값들을 추출하지 않는 경우에, ADC 머신(26)이 이들 이미지 프로세싱 기능들을 수행할 수 있다. ADC 머신(26)이 검사 머신 출력에 직접적으로 연결되는 것으로서 도 1에서 도시되지만, ADC 머신(26)은 사전-획득된 저장된 검사 데이터를 획득할 수 있다. 일 실시예에서, ADC 머신(26)의 기능이 머신(24)에 통합된다.

일 실시예에서, 머신(24)은 3D 맵 생성기(도시되지 않음)에 검사 데이터를 송신하며, 그 3D 맵 생성기는, ADC 머신(26)에 의해 이후에 수신되는 3D 맵들을 생성한다. 3D 맵 생성기는 독립형 시스템일 수 있거나, 또는 ADC 머신(26)과 통합되거나 또는 ADC 머신(26)에 의해 호스트되는 시스템일 수 있다.

ADC 머신(26)은 디스플레이(32) 및 입력 디바이스(34)를 포함하는 사용자 인터페이스와 함께, 결함 정보 및 분류 파라미터들을 보유하기 위한 메모리(30)를 갖는 프로세서(28)를 포함하는 범용 컴퓨터일 수 있다. ADC 머신(26)의 기능들을 구현하는 컴퓨터는 ADC 기능들에 전용될 수 있거나, 또는 그 컴퓨터는 부가적인 연산 기능들을 또한 수행할 수 있다. 일 실시예에서, 여기에서 설명된 ADC 기능들 중 적어도 몇몇은, 전용된 또는 프로그래머블 하드웨어 로직에 의해 수행된다.

검사 데이터로부터 관련된 속성 값들을 추출한 후에, ADC 머신(26)은 미리 정의된 클래스들의 리스트 중 하나에 각각의 결함을 할당하기 위해 시도한다. 이 목적을 위해, ADC 머신(26)은 단일-클래스 및 다중-클래스 분류기들 양자 모두를 포함하는 다수의 분류기들을 작동시킬 수 있다. 충분한 신뢰성 레벨로 ADC 머신(26)에 의해 분류될 수 없는 결함들은, 추가의 분류 결과들을 제공하기 위해, 다른 검사 방식으로 전달될 수 있거나, 또는 시각적인 분류를 위해 인간 검사자에게 출력될 수 있다. 다음의 실시예들은, 예시 및 명확성을 위해, ADC 머신(26) 및 시스템(20)의 다른 엘리먼트들을 참조하여 설명될 것이지만, 이들 실시예들의 원리들은, 결함 분류에서 속성 값들을 연산 및 사용하는 임의의 분류 시스템에서 마찬가지로 구현될 수 있다.

도 2a는 ADC를 위한 방법의 실시예의 흐름도이다. 도 2a의 방법은 하드웨어(회로, 전용된 로직 등), (예를 들어, 범용 컴퓨터 시스템 또는 전용된 머신 상에서 작동되는) 소프트웨어, 또는 양자 모두의 조합을 포함할 수 있는 프로세싱 로직에 의해 수행된다. 일 실시예에서, 도 2a의 방법은 도 1의 ADC 머신(26)에 의해 수행된다.

블록(40)에서, 프로세싱 로직은, 값들이 연산될 결함 속성들의 정의들을 수신한다. 결함 속성들은, ADC 머신의 오퍼레이터 또는 사용자에 의해 정의될 수 있고, 실증적인 경험(empirical experience) 그리고 관심있는 결함들의 타입들에 기초하여, 변경, 보충 또는 조정될 수 있다. 속성들은 CAD-관련된 컨텍스트 속성들, 텍스쳐 속성들, 3D 형상 속성들 등을 포함할 수 있다.

CAD-관련된 컨텍스트 속성들은, 오버랩 퍼센티지, 오버랩 층들의 수, 상대 평균 그레이 레벨(GL), 교차, 브릿징, 가장 근접한 세그먼트, 가장 근접한 세그먼트 거리 등을 포함할 수 있다. 오버랩 퍼센티지 컨텍스트 속성은 결함과 다양한 층 세그먼트들 사이의 오버랩 퍼센티지를 정의할 수 있다. 예를 들어, 0인 오버랩 퍼센티지 컨텍스트 속성 값은, 결함과 다양한 층 세그먼트들이 오버랩하지 않는 것을 의미할 수 있고, 1인 오버랩 퍼센티지 컨텍스트 속성 값은, 결함과 다양한 층 세그먼트들이 완전히 오버랩하는 것을 의미할 수 있다. 오버랩 층들의 수 컨텍스트 속성은 결함과 상당히 오버랩하는 층들의 수를 정의할 수 있다. 상대 평균 GL 컨텍스트 속성은, 결함에 대한 다양한 층 세그먼트들의 SEM 이미지들의 평균 그레이 레벨들 사이의 차이를 정의할 수 있다. 교차 컨텍스트 속성은 결함과 다양한 층 세그먼트들 사이의 교차들의 수를 정의할 수 있다. 브릿징 컨텍스트 속성은, 결함이 상이한 층 세그먼트들을 브릿징할 확률을 정의할 수 있다. 가장 근접한 세그먼트 컨텍스트 속성은, 결함 마스크에 대한 가장 근접한 세그먼트의 라벨을 포함할 수 있다. 가장 근접한 세그먼트 거리 속성은 가장 근접한 세그먼트에 대한 거리를 (예를 들어, 나노미터 단위로) 정의할 수 있다.

텍스쳐 속성들은 지형적인 평균 기울기, 기울기 밀도, 2D 인덱스, 패턴 방향, RMS 다항식 피팅(polynomial fit) 등을 포함할 수 있다. 지형적인 평균 기울기 텍스쳐 속성은 결함 마스크 상의 평균 지형적인 기울기 크기를 정의할 수 있다. 기울기 밀도 텍스쳐 속성은 결함 마스크 상의 높은 지형적인 기울기 크기를 갖는 픽셀들의 밀도를 정의할 수 있다. 2D 인덱스 텍스쳐 속성은, 결함 영역에서의 텍스쳐의 오더(order)(동일한 방향으로 배향된 에지들) 또는 디스오더(disorder), 또는 1D에 대해 결함 표면이 얼마나 가까이 있는지(예를 들어, 결함 표면에 대한 거리)를 정의할 수 있다. 예를 들어, 2D 인덱스 텍스쳐 속성에 대한 1의 값은, 결함이 등방성이거나 또는 2D인 것을 의미할 수 있는 반면에, 2D 인덱스 텍스쳐 속성에 대한 더 낮은 값은, 결함이 1D인 것을 의미할 수 있다. 패턴 방향 텍스쳐 속성은 결함 표면의 최소 변화의 방향을 정의할 수 있다. RMS 다항식 피팅 텍스쳐 속성은, 다항식 피팅 후에 남아있는 지형적인 결함 표면의 평균 국부적인(local) 변화를 정의할 수 있다.

3D 형상 속성들은, X 배향, Y 배향, 최대 곡률, 평균 곡률, 리지 밸리(ridge valley) 배향, 다항식 피팅으로부터의 크레이터 범프, 지형으로부터의 크레이터 범프 등을 포함할 수 있다. X 배향 3D 형상 속성은, 다항식 피팅에 기초하여, 결함의 지형적인 경사도의 X-컴포넌트를 정의할 수 있다. Y 배향 3D 형상 속성은, 다항식 피팅에 기초하여, 결함의 지형적인 경사도의 Y-컴포넌트를 정의할 수 있다. 최대 곡률 3D 형상 속성은, 다항식 피팅에 기초하여, 지형적인 결함 표면의 최대 3D 곡률을 정의할 수 있다. 평균 곡률 3D 형상 속성은, 다항식 피팅에 기초하여, 지형적인 결함 표면의 평균 3D 곡률을 정의할 수 있다. 리지 밸리 배향 3D 형상 속성은, 다항식 피팅에 기초하여, 지형적인 결함 표면의 리지의 배향을 정의할 수 있다. 다항식 피팅으로부터의 크레이터 범프 3D 형상 속성은, 결함에 대한 크레이터 범프가 오목한지 또는 볼록한지를 정의할 수 있다. 지형으로부터의 크레이터 범프 3D 형상 속성은, (예를 들어, 픽셀 단위로 측정된) 결함의 환경과 결함의 평균 높이에서의 차이를 정의할 수 있다.

블록(42)에서, 프로세싱 로직은, 분류될 결함들에 대한 검사 데이터를 (예를 들어, 검사 머신(24)으로부터) 수신한다. 몇몇 실시예들에서, 검사 데이터는 결함들의 이미지들을 포함하고, 3D 맵의 파트들에 대응하는 3D 이미지들을 포함할 수 있다. 몇몇 실시예들에서, 이미지들은 SEM 이미지들이다. 대안적인 실시예들에서, 이미지들은 (결함들 및 다른 이미지 피쳐들이 광학 이미징에 순응하는 사이즈로 이루어진 것으로 가정하면) 광학 이미지들과 같은 다른 타입들의 이미지들이다.

블록(44)에서, 프로세싱 로직은, 각각의 결함에 대한 속성 값들을 연산한다. 프로세싱 로직은, 다양한 이미지 프로세싱 동작들을 사용하여 속성 값들을 연산할 수 있으며, 그 다양한 이미지 프로세싱 동작들 중 몇몇은 당업계에 알려져 있다. 속성 값들은, 컨텍스트-관련된 속성들, 3D 형상 속성들, 및 텍스쳐 속성들과 같은 속성들에 대해 계산될 수 있다. 몇몇 실시예들에서, 속성 값들의 벡터는, 각각의 결함에 대한 연산된 속성 값들로부터 각각의 결함에 대해 생성된다. 속성 값들의 벡터는 결함을 속성 하이퍼-스페이스에서의 위치로 맵핑할 수 있다.

블록(45)에서, 프로세싱 로직은, 입력 이미지들에서 나타나는 형상들의 패턴을 패턴을 생성하는 것에서 사용되었던 CAD 데이터에서의 대응하는 형상들과 정렬시킴으로써, 컨텍스트-관련된 속성들에 대한 속성 값들을 연산한다. 컨텍스트-관련된 속성들에 대한 속성 값들을 연산하는 것의 실시예들이 도 4 및 도 5와 함께 아래에서 더 상세히 설명된다.

블록(46)에서, 프로세싱 로직은, 결함의 영역의 3D 맵으로부터 3D 형상 및 텍스쳐 속성들에 대한 속성 값들을 연산한다. 3D 맵은, 위에서 설명된 바와 같이, SEM 데이터로부터 도출될 수 있다. 3D 형상 및 텍스쳐 속성들에 대한 속성 값들을 연산하는 것의 실시예들이 도 3a 및 도 3b와 함께 아래에서 더 상세히 설명된다.

블록(48)에서, 프로세싱 로직은, 결함에 대한 속성 값들의 벡터에 기초하여 각각의 결함을 분류한다. 일 실시예에서, 프로세싱 로직은, 각각의 결함을 특정 클래스에 자동적으로 할당한다. 일 실시예에서, 자동 분류가 불확실한 경우에, 프로세싱 로직은 결함들을 인간 검사자에게 전달한다.

도 2b 및 도 2c는, 본 발명의 대안적인 실시예들에 따른, ADC를 위한 방법들을 개략적으로 예시하는 흐름도들이다. 도 2b 및 도 2c의 방법들은, 하드웨어(회로, 전용된 로직 등), (예를 들어, 범용 컴퓨터 시스템 또는 전용된 머신 상에서 작동되는) 소프트웨어, 또는 양자 모두의 조합을 포함할 수 있는 프로세싱 로직에 의해 수행된다. 일 실시예에서, 도 2b의 방법은 도 1의 ADC 머신(26)에 의해 수행된다. 일 실시예에서, 도 2c의 방법은 도 1의 ADC 머신(26)에 의해 수행된다. 도 2b에서, (도 2a의 블록(45)으로 위에서 설명된 바와 같은) 컨텍스트-관련된 속성들만이 결함들을 분류하는 것에서 사용된다. 도 2c에서, (도 2a의 단계(46)으로 위에서 설명된 바와 같은) 형상 및 텍스쳐 속성들만이 사용된다. 이들 대안적인 실시예들은, 단계들(45 및 46)에서 연산된 속성들이 서로 무관하게 도출 및 적용될 수 있다는 것을 입증한다.

도 3a는 반도체 웨이퍼 상의 결함의 예시적인 3D 맵을 예시한다. 도 3b는 반도체 웨이퍼 상의 결함의 3D 맵에 피팅된 다항식 표면을 예시한다. 도 3a를 참조하면, 맵(50)은 위에서 설명된 바와 같이, SEM 데이터로부터 연산될 수 있다. 도 3b를 참조하면, 표면(52)은, 일반적인 형태

의 3차 다항식에 의해 정의되고, 그 다항식의 계수들(Ci)은 맵(50)에 대한 최소 제곱 피팅(least-squares fitting)에 의해 연산된다. 일 실시예에서, ADC 머신(26)은, 파라메트릭 표면(parametric surface)을 제공하기 위해, 르장드르 다항식들의 곱들의 시퀀스

의 계수들을 피팅시킬 수 있다. 대안적인 실시예들에서, (임의의 차수의) 다항식들 및 다른 함수 타입들 양자 모두를 포함하는 다른 타입들의 파라메트릭 표면들이 맵에 피팅될 수 있다. 몇몇 실시예들에서, 표면 파라미터들을 추출하기 위해, 당업계에 알려진 바와 같은, 표면 분석의 다른 방법들이 사용될 수 있다.

표면(52)은 3개의 컴포넌트들을 사용하여 정의될 수 있다:

S = P + I + L, 여기서

평면(P),

인테그랄(integral) 비-평면성(I), 및

국부적인(local) 비-평면성(L).

평면 컴포넌트는 인테그랄 3D 배향을 정의하고, 그 인테그랄 3D 배향은 X 배향 3D 형상 속성 및 Y 배향 3D 형상 속성을 측정하기 위해 사용될 수 있다. 이들 속성들은, 예를 들어, 웨이퍼 상의 패턴의 엘리먼트들 사이를 브릿징하는 플레이크 형상의 결함들을 식별하기 위해, 그리고 패턴과 입자들 사이를 구별하기 위해 사용될 수 있다.

인테그랄 비-평면성은, 전체 지형적인 형상을 정의하고, 최대 곡률 3D 형상 속성, 평균 곡률 3D 형상 속성, 리지 밸리 배향 3D 형상 속성, 다항식 피팅으로부터의 크레이터 범프 3D 형상 속성들, 및 지형으로부터의 크레이터 범프 3D 형상 속성을 정의하기 위해 사용될 수 있다. 인테그랄 비-평면성은, 곡률의 축들의 배향 및 크기(곡률의 반경들), 뿐만 아니라, 지형적인 형상의 볼록함 또는 오목함과 같은 정보를 포함한다. 이들 피쳐들은, 예를 들어, 범프들과 크레이터들 사이, 그리고 플레이크들과 더 둥근 입자들 사이를 구별하기 위해 사용될 수 있다.

국부적인 비-평면성은 지형적인 거칠기(roughness) 및 다른 텍스쳐-관련된 속성들을 정의하고, 텍스쳐 속성들을 결정하기 위해 사용될 수 있다. 몇몇 실시예들에서, 비-평면성은 실제 결함 표면(맵(50))과 피팅된 표면(표면(52)) 사이의 차이로부터 계산된다. 표면 기울기의 평균 크기는, 지형적인 평균 기울기 텍스쳐 속성을 정의하기 위해 사용될 수 있다. 결함의 영역에 걸친 기울기 밀도(에지들로서 분류된 픽셀들의 수)는, 기울기 밀도 텍스쳐 속성을 정의하기 위해 사용될 수 있다. 텍스쳐 속성들은, 결함 타입 및 조성에 대한 정보를 제공하기 위해 사용될 수 있다. 결함 영역에서의 텍스쳐의 오더(동일한 방향으로 배향된 에지들) 또는 디스오더를 측정하기 위해 2D 인덱스 텍스쳐 속성이 연산될 수 있다.

도 4는 결함의 예시적인 개략적인 평면도를 예시한다. 결함(68)이 반도체 웨이퍼(60) 상의 패턴(62)을 오버랩하고, 이는, 결함 컨텍스트 속성들의 연산을 예시한다. 패턴(62)은, 일차 패턴 세그먼트들(64)이라고 지칭되는 전도성 라인들 및 이차 패턴 세그먼트들(66)이라고 지칭되는 하부 패턴 컴포넌트들과 같은 기능적인 표면 엘리먼트들을 포함한다. 몇몇 실시예들에서, ADC 머신(예를 들어, 도 1의 ADC 머신(26))은, 위에서 설명된 바와 같이 패턴의 레이아웃을 정의하는 대응하는 CAD 데이터와, SEM 이미지와 같은, 웨이퍼 표면의 이미지를 정렬시킴으로써, 그리고 그 후에, 그에 따라, 이미지를 세그먼트화함으로써, 이들 패턴 세그먼트들을 식별한다. CAD 데이터는, 세그먼트화된 SEM 이미지에서의 각각의 패턴 세그먼트에 관련된 부가적인 기능적인 정보를 제공하고, 그 부가적인 기능적인 정보는, ADC 사용자에 의해, 결함 타입들을, 이들 기능적인 패턴들과 이들의 공간적인 관계에 의해 특징화하는 특정 속성들을 정의하는 것에서 활용될 수 있다.

자동화된 또는 수동의 결함 검출 절차는, "결함 마스크"라고 지칭되는, 결함(68)에 의해 커버되는 영역을 식별할 수 있다. 그 후에, ADC 머신은 결함들과 부근의 패턴 세그먼트들 사이의 공간적인 관계들로부터 컨텍스트-기반 속성들의 값들을 도출할 수 있다. 일 실시예에서, ADC 머신은, 결함(68)이 웨이퍼(60)의 비-패턴(배경) 영역들이 아닌(as opposed to) 일차 및 이차 패턴 세그먼트들(64 및 66)을 오버랩하는 정도를 측정하는 오버랩 퍼센티지 컨텍스트 속성을 연산한다. 예를 들어, 결함(68)은 일차 패턴 세그먼트(64)를 0.3 나노미터 만큼 오버랩할 수 있고, 결함(68)은 이차 패턴 세그먼트(66)를 0.1 나노미터 만큼 오버랩할 수 있으며, 결함(68)은 웨이퍼(60)의 배경 영역들을 0.6 나노미터 만큼 오버랩할 수 있다. 일 실시예에서, ADC 머신은, 결함에 의해 오버랩된 상이한 층들의 수를 측정함으로써, 오버랩 층들의 수 컨텍스트 속성을 측정한다. 예를 들어, 결함(68)에 대한 오버랩 층들의 수는 3개의 층들이다: 일차 패턴 세그먼트(64), 이차 패턴 세그먼트(66), 및 웨이퍼(60)의 배경 영역들.

또한, ADC 머신은 상대 평균 GL 컨텍스트 속성을 연산할 수 있다. 상대 평균 GL 컨텍스트 속성 값은 패턴 컨텍스트에 관한 결함의 그레이 레벨(GL)에 기초하여 연산될 수 있다. 일 실시예에서, 각각의 결함에 있어서, ADC 머신은, 이미지에서의 각각의 패턴 또는 배경 세그먼트의 평균 그레이 레벨과 결함 평균 그레이 레벨 사이의 차이에 각각 대응하는 3개의 엘리먼트들의 벡터를 연산할 수 있다. 예를 들어, 벡터는, 일차 패턴 세그먼트(64), 이차 패턴 세그먼트(66), 및 웨이퍼(60)의 배경 영역들에 대한 평균 그레이 레벨과 결함 평균 그레이 레벨 사이의 차이를 포함할 수 있다. 일 실시예에서, 벡터는 공식:

, (i=1,2,3)을 사용하여 연산되고, 여기서, μ는 세그먼트(i)에 대한 평균 그레이 레벨을 표현한다.

더 일반적으로 말하자면, ADC 머신은 CAD 데이터에서의 세그먼트의 임의의 속성의 값을 계산할 수 있다. 도 6a, 도 6b, 도 7 및 도 8과 함께 아래에서 설명되는 바와 같이, CAD 데이터에서의 세그먼트는, 패턴에 대응하는 층에 관련된 부분, 또는 패턴에 대응하는 층 이외의 다른 층에 관련된 부분, 뿐만 아니라, 이미지의 시계(FOV) 외부에 있는 하나 또는 둘 이상의 위치들에 대응하는 데이터 엘리먼트들을 포함할 수 있다. 몇몇 실시예들에서, ADC 머신은, CAD 데이터에서의 세그먼트들에 대응하는 이미지에서의 픽셀들에 하나 또는 둘 이상의 라벨들을 적용할 수 있고, 그 후에, 라벨들에 기초하여 픽셀들 중 하나 또는 둘 이상을 선택할 수 있고, 선택된 픽셀들에 대한 특정 속성들의 각각의 값들을 계산할 수 있다.

도 5는, 본 발명의 추가적인 실시예들에 따른, 다른 결함 컨텍스트 속성들의 연산을 예시하는, 반도체 웨이퍼(70) 상의 패턴 세그먼트들(72)을 오버랩하는 결함들(74 및 76)의 예시적인 개략적인 평면도를 예시한다. 교차 컨텍스트 속성은 패턴 세그먼트들(72)과 결함의 교차들의 수이다. 이 예에서, 결함(74)은 결함(74)이 2개의 패턴 세그먼트들(72)을 교차하기 때문에 2인 교차 컨텍스트 속성 값을 갖는 한편, 결함(76)은 결함(76)이 어떠한 패턴 세그먼트들(72)도 교차하지 않기 때문에 0인 교차 컨텍스트 속성 값을 갖는다.

다른 컨텍스트 속성들은 패턴의 엘리먼트들과 결함 사이의 거리에 관련될 수 있다. 일 실시예에서, ADC 머신은, 결함이 2개의 패턴 세그먼트들을 브릿징하고, 따라서, 단락을 야기하기 쉬운 확률을 연산함으로써 브릿징 컨텍스트 속성을 결정한다. 결함(74)에 있어서, 결함(74)이 패턴 세그먼트들(72) 중 2개를 횡단하기 때문에, 브릿징 컨텍스트 속성의 값은 1(또는 거의 1)이다. 일 실시예에서, ADC 머신은, 인접하는 패턴 에지들과 결함의 에지들 사이의 거리(전형적으로 나노미터 단위)의 함수로서 확률을 연산함으로써, 더 작은 결함들에 대한 브릿징 컨텍스트 속성을 결정한다. 이 실시예에서, 거리가 더 멀수록, 브릿징의 확률은 더 작아진다. 예를 들어, 결함(76)에 대한 브릿징 컨텍스트 속성은 결함(76)의 우측의 패턴 세그먼트(72)에 대해 1에 가까울 수 있는데, 이는 패턴 세그먼트(72)의 에지와 결함(76)의 에지 사이의 거리가 가깝기 때문이다. 그러나, 이 예에서, 결함(76)에 대한 브릿징 컨텍스트 속성은 결함(76)의 좌측의 패턴 세그먼트(72)에 대해 0에 가까울 수 있는데, 이는 패턴 세그먼트(72)의 에지와 결함(76)의 에지 사이의 거리가 가깝지 않기 때문이다.

ADC 머신은, 결함에 가장 근접한 패턴 세그먼트의 타입을 사용하여, 가장 근접한 세그먼트 컨텍스트 속성을 결정할 수 있다. 가장 근접한 세그먼트 거리 컨텍스트 속성은, 결함으로부터 패턴 세그먼트까지의 거리를 측정한다. 이제, 본 발명의 실시예에 따른, 주어진 영역의 이미지에서 가시적이지 않은 피쳐들에 기초한 결함 속성들을 연산하는 것에서 CAD 데이터를 사용하기 위한 방법의 실시예를 개략적으로 예시하는 도 6a 및 도 6b를 참조한다. 이 방법을 예시하는 목적들을 위해, 도 6a는 반도체 웨이퍼(80) 상에 형성된 접촉 홀들(82)의 패턴의 개략적인 평면도이다. 도 6b는 웨이퍼 상의 하부 구조들과 패턴 사이의 연관성을 나타내는, 웨이퍼(80)의 파트의 개략적인 단면도이다. 구체적으로는, 웨이퍼(80)의 상부 층(84)에서의 2개의 접촉 홀들(82) 중에서, 좌측 상의 홀은 제 1 하부 구조(86)에 액세스(access)하는 한편, 우측 상의 홀은 상이한 하부 구조(88)에 액세스한다.

웨이퍼(80)의 표면 아래의 층들은, 광학 또는 SEM 검사 머신에 의해 생성된 이미지들에서 전형적으로 제공되는 뷰(view)의 부류인 도 6a에서 도시된 평면도에서 가시적이지 않다. 따라서, 그러한 이미지에서 접촉 홀들(82) 중 하나의 내부 또는 근처에서 결함이 관찰되는 경우에, 이 특정한 홀이 어느 하부 구조에 접촉하기 위한 것인지를 이미지로부터 결정하는 것이 불가능하다. 도 6b에 제시되는 바와 같이, 미싱(missing) 정보는, 상부 층(84) 및 하부 구조들(86 및 88) 양자 모두를 포함하는 CAD 데이터로부터 ADC 머신에 의해 도출된다. 검사 이미지와 CAD 데이터가 정렬되었으면, CAD 데이터는, 결함이 관찰되는 접촉 홀이 하부 구조(86 또는 88)와 소통하는지(communicate)를 표시할 수 있다. 따라서, ADC 머신은, 결함이 식별되는 실제 이미지에서 비가시적인 웨이퍼(80)의 표면 아래의 구조들에 기초하여 결함의 속성을 연산할 수 있다.

도 7은 본 발명의 실시예에 따른, 라인들(92 및 94)의 패턴의 상이한 엘리먼트들을 오버랩하는 결함들(96 및 98)을 나타내는, 반도체 웨이퍼(90) 상의 라인들(92 및 94)의 패턴의 예시적인 개략적인 평면도이다. 라인들(92)은 상호연결되는 한편, 라인들(94)은 상호 독립적이다. 검사 머신은 영역들(100 및 102)과 같은 웨이퍼 표면의 영역들의 이미지들을 캡쳐한다. 이들 이미지들 내에서, 라인들(92 및 94)은 실질적으로 구별하기 어려운데, 이는 이미지들 단독으로부터는 어느 라인들이 상호연결되는지 그리고 어느 라인들이 독립적인지를 결정하는 것이 불가능하기 때문이다. 라인들(92)의 연결들은 검사 데이터에서 가시적이지 않은데, 이는 이들이 영역들(100 및 102)의 이미지들의 시계(FOW) 외부에 있기 때문이다.

정렬된 CAD 데이터는 영역들(100 및 102)의 이미지들 외부의 웨이퍼(90)의 영역들을 커버한다. 따라서, ADC 머신은, 결함들(96 및 98)의 속성들을 연산하는 것에서 그리고 이미지들에서 나타나는 라인들(92 및 94)을 구별하기 위해 CAD 데이터를 사용한다. 예를 들어, 브릿징 속성은 상이한 회로 엘리먼트들 사이의 브릿지로서 결함(96)을 식별할 것인데, 이는 결함이 2개의 독립적인 라인들(94)을 브릿징하기 때문이다. 이 예에서, 결함(98)의 브릿징 속성은 비-브릿징(non-bridging)의 값(예를 들어, 0에 가까움)을 가질 것인데, 이는 결함(98)이 횡단하는 라인들(92)이 구조적으로 상호연결되기 때문이다.

도 8은 본 발명의 실시예에 따른, 다중-층 구조(118) 근처의 결함(120)을 나타내는, 반도체 웨이퍼(110)의 예시적인 개략적인 평면도이다. 도 8에서, 3개의 상이한 층들(112, 114, 116)에서 웨이퍼 표면 상에 엘리먼트들이 형성된다. CAD 데이터는, ADC 머신의 오퍼레이터로 하여금, 결함 분석에 대해 중요한 층들(114 및 116)에서의 엘리먼트들을 포함하는 다중-층 구조(118)를 식별할 수 있게 한다. 다중-층 구조(118)는 중요할 수 있는데, 이는 다중-층 구조(118)가 부근의 결함들에 특히 민감한 것, 특히 결함이 생기기 쉬운 것 등 때문이다. 몇몇 실시예들에서, ADC 머신은 CAD 데이터에서 중요한 다중-층 구조들을 자동적으로 식별한다.

구조(118)가 CAD 데이터에서 식별되었으면, ADC 머신은 결함(120)의 구조-특정 속성을 연산할 수 있다. ADC 머신은 CAD 데이터와 정렬된 이미지에서의 대응하는 구조를 식별하고, 그 후에, 이미지에서의 구조에 대한 결함(120)의 공간적인 관계에 기초하여 구조-특정 속성(예를 들어, 오버랩 퍼센티지 속성 등)을 연산한다.

위에서 설명된 실시예들이 구체적으로 SEM 이미지들에 기초한 결함 분류에 관한 것이지만, 본 발명의 원리들은 광학 이미지들과 같은 다른 수단에 의해 획득된 결함 이미지들에 유사하게 적용될 수 있다. 광학 검사에서, 이미지에서의 관심있는 영역들은 CAD 정보에 따라 식별될 수 있고, 그 후에, 더 높은 검출 감도로 스캔될 수 있다.

도 9는 컴퓨터 시스템(900)의 예시적인 형태의 머신의 도면을 예시하고, 그 머신 내에서는, 머신으로 하여금 여기에서 논의된 방법들 중 임의의 하나 또는 둘 이상을 수행하게 하기 위한 명령들의 세트가 실행될 수 있다. 대안적인 실시예들에서, 머신은 LAN, 인트라넷, 익스트라넷 또는 인터넷에서 다른 머신들에 연결(예를 들어, 네트워킹)될 수 있다. 머신은, 클라이언트-서버 네트워크 환경에서 서버 또는 클라이언트 머신으로서 동작할 수 있거나, 또는 피어-투-피어(또는 분산된) 네트워크 환경에서 피어 머신으로서 동작할 수 있다. 머신은 개인용 컴퓨터(PC), 태블릿 PC, 셋탑 박스(STB), 개인 휴대 정보 단말(PDA), 셀룰러 전화, 웹 기기, 서버, 네트워크 라우터, 스위치 또는 브릿지, 또는 임의의 머신에 의해 취해질 액션들을 특정하는 명령들(순차적 또는 다른 방식)의 세트를 실행할 수 있는 그러한 임의의 머신일 수 있다. 추가로, 단일 머신만이 예시되었지만, "머신"이라는 용어는 또한, 여기에서 논의되는 방법들 중 임의의 하나 또는 둘 이상을 수행하기 위한 명령들의 세트(또는 다수의 세트들)를 개별적으로 또는 함께 실행하는 머신들의 임의의 집합을 포함하는 것으로 받아들여질 것이다.

예시적인 컴퓨터 시스템(900)은, 버스(930)를 통해 서로 통신하는, 프로세싱 디바이스(프로세서)(902), 메인 메모리(904)(예를 들어, 판독 전용 메모리(ROM), 플래쉬 메모리, 동적 랜덤 액세스 메모리(DRAM), 예를 들어 동기식 DRAM(SDRAM), 더블 데이터 레이트 SDRAM(DDR SDRAM) 또는 램버스 DRAM(RDRAM) 등), 정적 메모리(906)(예를 들어, 플래쉬 메모리, 정적 랜덤 액세스 메모리(SRAM) 등), 및 데이터 저장 디바이스(918)를 포함한다.

프로세서(902)는 마이크로프로세서, 중앙 처리 장치 등과 같은 하나 또는 둘 이상의 범용 프로세싱 디바이스들을 표현한다. 더 구체적으로, 프로세서(902)는 CISC(complex instruction set computing) 마이크로프로세서, RISC(reduced instruction set computing) 마이크로프로세서, VLIW(very long instruction word) 마이크로프로세서, 또는 다른 명령 세트들을 구현하는 프로세서 또는 명령 세트들의 조합을 구현하는 프로세서들일 수 있다. 프로세서(902)는 또한 주문형 집적 회로(ASIC), 필드 프로그래머블 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP), 네트워크 프로세서 등과 같은 하나 또는 둘 이상의 특수 목적 프로세싱 디바이스들일 수 있다. 프로세서(902)는 여기에서 논의되는 동작들 및 단계들을 수행하기 위한 명령들(926)을 실행하도록 구성된다.

컴퓨터 시스템(900)은 네트워크 인터페이스 디바이스(922)를 더 포함할 수 있다. 컴퓨터 시스템(900)은 또한 비디오 디스플레이 유닛(910)(예를 들어, 액정 디스플레이(LCD) 또는 음극선관(CRT)), 영숫자(alphanumeric) 입력 디바이스(912)(예를 들어, 키보드), 커서 제어 디바이스(914)(예를 들어, 마우스), 및 신호 생성 디바이스(916)(예를 들어, 스피커)를 포함할 수 있다.

데이터 저장 디바이스(918)는, 여기에서 설명된 방법들 또는 기능들 중 임의의 하나 또는 둘 이상을 실시하는 명령들(926)(예를 들어, 소프트웨어)의 하나 또는 둘 이상의 세트들이 저장되는 컴퓨터 판독가능 저장 매체(924)를 포함할 수 있다. 명령들(926)은 또한, 컴퓨터 시스템(900)에 의한 그 명령들의 실행 동안 프로세서(902) 내에서 그리고/또는 메인 메모리(904) 내에서 완전히 또는 적어도 부분적으로 상주할 수 있으며, 메인 메모리(904) 및 프로세서(902)가 또한 컴퓨터 판독가능 저장 매체를 구성한다. 명령들(926)은 추가로, 네트워크 인터페이스 디바이스(922)를 통하여 네트워크(920)를 통해 송신 또는 수신될 수 있다.

일 실시예에서, 명령들(926)은, CAD-기반 컨텍스트 속성들을 사용하는 결함 분류를 위한 명령들 및/또는 CAD-기반 컨텍스트 속성들을 사용하는 결함 분류를 위한 명령들을 포함하는 모듈을 호출하는 방법들을 포함하는 소프트웨어 라이브러리를 포함한다. 일 실시예에서, 명령들(926)은, CAD-기반 컨텍스트 속성들을 사용하는 결함 분류를 위한 명령들 및/또는 CAD-기반 컨텍스트 속성들을 사용하는 결함 분류를 위한 명령들을 호출하는 방법들을 포함하는 소프트웨어 라이브러리를 포함한다. 컴퓨터 판독가능 저장 매체(924)(머신 판독가능 저장 매체)가 예시적인 실시예에서 단일 매체인 것으로 도시되어 있지만, "컴퓨터 판독가능 저장 매체"라는 용어는 명령들의 하나 또는 둘 이상의 세트들을 저장하는 단일 매체 또는 다수의 매체(예를 들어, 중앙식 또는 분산식 데이터베이스, 및/또는 연관된 캐쉬들(associated caches) 및 서버들)를 포함하는 것으로 받아들여져야 한다. "컴퓨터 판독가능 저장 매체"라는 용어는 또한, 머신으로 하여금 본 발명의 방법들 중 임의의 하나 또는 둘 이상을 수행하게 하고, 머신에 의한 실행을 위한 명령들의 세트를 저장, 인코딩 또는 운반할 수 있는 임의의 매체를 포함하는 것으로 받아들여질 것이다. 그에 따라, "컴퓨터 판독가능 저장 매체"라는 용어는, 솔리드 스테이트 메모리들, 광학 매체 및 자기 매체를 포함하는 것으로(그러나 이에 한정되지 않음) 받아들여질 것이다.

전술한 설명에서, 다수의 세부사항들이 설명된다. 그러나, 본 발명이 이들 특정 세부사항들 없이 실시될 수 있다는 것이, 본 개시의 이점을 갖는 당업자에게 명백할 것이다. 몇몇 경우들에서, 주지의 구조들 및 디바이스들은 본 발명을 불명료하게 하는 것을 피하기 위하여 상세히 설명하는 대신 블록도의 형태로 도시된다.

상세한 설명의 몇몇 부분들은 컴퓨터 메모리 내의 데이터 비트들에 대한 동작들의 기호 표현들 및 알고리즘들에 관하여 제시되었다. 이들 알고리즘의 설명들 및 표현들은 데이터 프로세싱 분야들의 당업자들에 의해 이들의 작업의 본질을 다른 당업자들에게 가장 효과적으로 전달하기 위해서 사용되는 수단이다. 알고리즘은, 여기서 그리고 일반적으로, 원하는 결과로 이끄는 단계들의 자기 모순이 없는 시퀀스인 것으로 여겨진다. 단계들은 물리적인 양(quantity)들의 물리적인 조작들을 요구하는 것들이다. 일반적으로, 필수적이지는 않지만, 이러한 양들은 저장, 전달, 조합, 비교, 그리고 그렇지 않으면 조작될 수 있는 전기 또는 자기 신호들의 형태를 취한다. 이러한 신호들을, 비트들, 값들, 엘리먼트들, 심볼들, 문자들, 용어들(terms), 수들 등으로서 참조하는 것이, 통상의 용법(usage)의 이유들로, 때때로 편리한 것으로 증명되었다.

그러나, 모든 이러한 그리고 유사한 용어들이 적절한 물리적인 양들과 연관되고, 이러한 양들에 적용되는 편리한 라벨들일 뿐임을 유념하여야 한다. 다음의 논의로부터 명백한 바와 같이, 특별히 달리 언급되지 않는 한, 설명 전반에 걸쳐, "식별", "제시", "업데이트", "결정", "실행", "제공", "수신" 등과 같은 용어들을 이용하는 논의들이, 컴퓨터 시스템의 레지스터들 및 메모리들 내의 물리적인 (예를 들어, 전자적인) 양들로서 표현되는 데이터를, 컴퓨터 시스템 메모리들 또는 레지스터들 또는 다른 그러한 정보 저장, 송신 또는 디스플레이 디바이스들 내의 물리적인 양들로서 유사하게 표현되는 다른 데이터로 변환 및 조작하는, 컴퓨터 시스템 또는 유사한 전자 연산 디바이스의 액션들 및 프로세스들을 지칭한다는 것이 인식된다.

또한, 본 발명은 여기에서의 동작들을 수행하기 위한 장치에 관한 것이다. 이 장치는, 의도된 목적들을 위해 구성될 수 있거나, 또는 그 장치는, 컴퓨터에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화 또는 재구성되는 범용 컴퓨터를 포함할 수 있다. 이러한 컴퓨터 프로그램은, 플로피 디스크들, 광학 디스크들, CD-ROM들 및 광자기 디스크들을 포함하는 임의의 타입의 디스크, ROM들(Read-Only Memories), RAM들(Random Access Memories), EPROM들, EEPROM들, 자기 또는 광학 카드들, 또는 전자적인 명령들을 저장하기에 적합한 임의의 타입의 매체와 같은(그러나 이에 한정되는 것은 아님) 컴퓨터 판독가능 저장 매체에 저장될 수 있다.

위의 설명이 예시적이고, 제한적이지 않도록 의도됨이 이해될 것이다. 위의 설명을 읽고 이해할 시에 당업자들에게 다수의 다른 실시예들이 명백하게 될 것이다. 따라서, 본 발명의 범위는, 첨부된 청구항들을 참조하여, 그러한 청구항들에 할당된 균등물들의 전체 범위와 함께 결정되어야 한다.

Claims

분류를 위한 방법으로서,
프로세싱 디바이스에 의해, 관심있는 위치를 포함하는 반도체 웨이퍼의 영역의 3차원(3D) 맵을 수신하는 단계;
상기 관심있는 위치로의 다항식을 사용하는 3D 형상의 피팅(fitting)에 기초하여 상기 관심있는 위치에 대응하는 상기 3D 형상을 생성하는 단계 ― 상기 다항식을 사용하여 피팅(fit)되는 상기 3D 형상은 제 1 방향에서의 상기 3D 형상의 지형적인 표면의 경사도 및 제 2 방향에서의 상기 3D 형상의 상기 지형적인 표면의 다른 경사도를 측정하기 위해 사용되는 평면 컴포넌트를 표현함 ―;
상기 프로세싱 디바이스에 의해, 상기 관심있는 위치로 피팅되는 상기 3D 형상의 상기 지형적인 표면에 기초하여 상기 관심있는 위치의 속성에 대한 값을 연산하는(computing) 단계; 및
상기 관심있는 위치로 피팅되는 상기 3D 형상의 상기 지형적인 표면에 기초하여 연산된 상기 값에 기초하여 상기 반도체 웨이퍼 상의 상기 관심있는 위치에 대응하는 결함을 분류하는 단계를 포함하는,
분류를 위한 방법.
제 1 항에 있어서,
상기 관심있는 위치는 피쳐를 포함하고, 상기 피쳐는 복수의 피쳐들로부터 선택되고, 상기 복수의 피쳐들은, 결함, 프로세스 변화, 및 관심있는 설계를 포함하는,
분류를 위한 방법.
제 1 항에 있어서,
상기 3D 맵을 수신하는 단계는,
스캐닝 전자 현미경(SEM)에 의해 캡쳐된 이미지들로부터 상기 3D 맵을 도출하는 단계를 포함하는,
분류를 위한 방법.
제 1 항에 있어서,
상기 값을 연산하는 단계는,
상기 관심있는 위치의 3D 형상 파라미터를 계산하는 단계를 포함하는,
분류를 위한 방법.
제 4 항에 있어서,
상기 3D 형상 파라미터를 계산하는 단계는,
상기 3D 맵에서의 상기 관심있는 위치에 파라메트릭(parametric) 표면으로서 상기 3D 형상을 피팅시키는 단계; 및
상기 피팅된 표면으로부터 상기 3D 형상 파라미터를 도출하는 단계를 포함하는,
분류를 위한 방법.
제 4 항에 있어서,
상기 3D 형상 파라미터를 계산하는 단계는,
상기 관심있는 위치의 표면에 대응하는 평면의 배향을 발견하는 단계를 포함하는.
분류를 위한 방법.
제 4 항에 있어서,
상기 3D 형상 파라미터를 계산하는 단계는,
상기 관심있는 위치의 표면의 곡률의 측정을 발견하는 단계를 포함하는,
분류를 위한 방법.
제 1 항에 있어서,
상기 값을 연산하는 단계는,
상기 관심있는 위치의 텍스쳐 파라미터를 계산하는 단계를 포함하는,
분류를 위한 방법.
제 8 항에 있어서,
상기 텍스쳐 파라미터를 계산하는 단계는,
상기 관심있는 위치의 표면에 걸친 기울기를 연산하는 단계; 및
상기 기울기에 기초하여, 상기 표면의 거칠기(roughness)의 측정을 발견하는 단계를 포함하는,
분류를 위한 방법.
제 8 항에 있어서,
상기 텍스쳐 파라미터를 계산하는 단계는,
상기 관심있는 위치에서의 복수의 에지들의 방향 오더(directional order)를 연산하는 단계를 포함하는,
분류를 위한 방법.
제 1 항에 있어서,
상기 다항식은 르장드르 다항식들에 대응하고, 그리고
상기 3D 형상은 인테그랄(integral) 비-평면성 컴포넌트 및 국부적인(local) 비-평면성 컴포넌트를 추가로 표현하며, 그리고 상기 인테그랄 비-평면성 컴포넌트는 상기 3D 형상의 지형적인 형상을 측정하기 위해 사용되고, 상기 국부적인 비-평면성 컴포넌트는 상기 3D 형상과 연관된 텍스쳐를 측정하기 위해 사용되는,
분류를 위한 방법.
분류를 위한 장치로서,
메모리; 및
상기 메모리와 커플링된 프로세서를 포함하고,
상기 프로세서는,
관심있는 위치를 포함하는 반도체 웨이퍼의 영역의 3차원(3D) 맵을 수신하고;
상기 관심있는 위치로의 다항식을 사용하는 3D 형상의 피팅에 기초하여 상기 관심있는 위치에 대응하는 상기 3D 형상을 생성하고 ― 상기 다항식을 사용하여 피팅되는 상기 3D 형상은 제 1 방향에서의 상기 3D 형상의 지형적인 표면의 경사도 및 제 2 방향에서의 상기 3D 형상의 상기 지형적인 표면의 다른 경사도를 측정하기 위해 사용되는 평면 컴포넌트를 표현함 ―;
상기 관심있는 위치로 피팅되는 상기 3D 형상의 상기 지형적인 표면에 기초하여 상기 관심있는 위치의 속성에 대한 값을 연산하며; 그리고
상기 관심있는 위치로 피팅되는 상기 3D 형상의 상기 지형적인 표면에 기초하여 연산된 상기 값에 기초하여 상기 반도체 웨이퍼 상의 상기 관심있는 위치에 대응하는 결함을 분류하는,
분류를 위한 장치.
제 12 항에 있어서,
상기 관심있는 위치는 피쳐를 포함하고, 상기 피쳐는 복수의 피쳐들로부터 선택되고, 상기 복수의 피쳐들은, 결함, 프로세스 변화, 및 관심있는 설계를 포함하는,
분류를 위한 장치.
제 12 항에 있어서,
상기 3D 맵은,
스캐닝 전자 현미경(SEM)에 의해 캡쳐된 복수의 이미지들로부터 도출되는,
분류를 위한 장치.
제 12 항에 있어서,
상기 값은,
상기 관심있는 위치의 3D 형상 파라미터를 포함하는,
분류를 위한 장치.
제 15 항에 있어서,
상기 프로세서는,
상기 맵에서의 상기 관심있는 위치에 파라메트릭 표면으로서 상기 3D 형상을 피팅시키는 것; 및
상기 피팅된 표면으로부터 상기 3D 형상 파라미터를 도출하는 것에 의해 상기 3D 형상 파라미터를 연산하는,
분류를 위한 장치.
제 15 항에 있어서,
상기 프로세서는,
상기 관심있는 위치의 표면에 대응하는 평면의 배향을 발견하는 것에 의해 상기 3D 형상 파라미터를 추가로 연산하는,
분류를 위한 장치.
제 15 항에 있어서,
상기 3D 형상 파라미터는,
상기 관심있는 위치의 표면의 곡률의 측정을 포함하는,
분류를 위한 장치.
제 12 항에 있어서,
상기 값은,
상기 관심있는 위치의 텍스쳐 파라미터를 포함하는,
분류를 위한 장치.
제 19 항에 있어서,
상기 프로세서는,
상기 관심있는 위치의 표면에 걸친 기울기를 연산하는 것; 및
상기 기울기에 응답하여, 상기 표면의 거칠기의 측정을 발견하는 것에 의해 상기 텍스쳐 파라미터를 계산하는,
분류를 위한 장치.
제 19 항에 있어서,
상기 프로세서는 추가적으로,
상기 관심있는 위치에서의 에지들의 방향 오더를 연산하는 것에 의해 상기 텍스쳐 파라미터를 계산하는,
분류를 위한 장치.
제 12 항에 있어서,
상기 다항식은 르장드르 다항식들에 대응하고, 그리고
상기 3D 형상은 인테그랄 비-평면성 컴포넌트 및 국부적인(local) 비-평면성 컴포넌트를 추가로 표현하며, 그리고 상기 인테그랄 비-평면성 컴포넌트는 상기 3D 형상의 지형적인 형상을 측정하기 위해 사용되고, 상기 국부적인 비-평면성 컴포넌트는 상기 3D 형상과 연관된 텍스쳐를 측정하기 위해 사용되는,
분류를 위한 장치.
프로세싱 디바이스에 의해 실행되는 경우에, 상기 프로세싱 디바이스로 하여금 동작들을 수행하게 하는 명령들을 갖는 비-일시적인(non-transitory) 컴퓨터 판독가능 저장 매체로서,
상기 동작들은,
관심있는 위치를 포함하는 반도체 웨이퍼의 영역의 3차원(3D) 맵을 수신하는 동작;
상기 관심있는 위치로의 다항식을 사용하는 3D 형상의 피팅에 기초하여 상기 관심있는 위치에 대응하는 상기 3D 형상을 생성하는 동작 ― 상기 다항식을 사용하여 피팅되는 상기 3D 형상은 제 1 방향에서의 상기 3D 형상의 지형적인 표면의 경사도 및 제 2 방향에서의 상기 3D 형상의 상기 지형적인 표면의 다른 경사도를 측정하기 위해 사용되는 평면 컴포넌트를 표현함 ―;
상기 관심있는 위치로 피팅되는 상기 3D 형상의 표면에 기초하여 상기 관심있는 위치의 속성에 대한 값을 연산하는 동작; 및
상기 관심있는 위치로 피팅되는 상기 3D 형상의 상기 표면에 기초하여 연산된 상기 값에 기초하여 상기 반도체 웨이퍼 상의 상기 관심있는 위치에 대응하는 결함을 분류하는 동작을 포함하는,
비-일시적인 컴퓨터 판독가능 저장 매체.
제 23 항에 있어서,
상기 관심있는 위치는 피쳐를 포함하고, 상기 피쳐는 복수의 피쳐들로부터 선택되고, 상기 복수의 피쳐들은, 결함, 프로세스 변화, 및 관심있는 설계를 포함하는,
비-일시적인 컴퓨터 판독가능 저장 매체.
제 23 항에 있어서,
상기 값은,
상기 관심있는 위치의 3D 형상 파라미터 또는 텍스쳐 파라미터를 포함하는,
비-일시적인 컴퓨터 판독가능 저장 매체.
제 23 항에 있어서,
상기 다항식은 르장드르 다항식들에 대응하고, 그리고
상기 3D 형상은 인테그랄 비-평면성 컴포넌트 및 국부적인(local) 비-평면성 컴포넌트를 추가로 표현하며, 그리고 상기 인테그랄 비-평면성 컴포넌트는 상기 3D 형상의 지형적인 형상을 측정하기 위해 사용되고, 상기 국부적인 비-평면성 컴포넌트는 상기 3D 형상과 연관된 텍스쳐를 측정하기 위해 사용되는,
비-일시적인 컴퓨터 판독가능 저장 매체.