KR20160122069A - 반도체 디바이스 제작 프로세스 동안 패턴 약점 및 강점 검출과 추적 - Google Patents

Abstract

반도체 제작 프로세스 동안 추적 패턴들은: 제작된 디바이스의 부분의 이미지를 획득하는 것; 상기 획득된 이미지로부터 상기 제작된 디바이스의 상기 부분의 윤곽들을 추출하는 것; 상기 추출된 윤곽들을 기준 설계의 매칭 섹션에 동조시키는 것; 상기 기준 설계의 상기 매칭 섹션을 하나 이상의 패턴들로 분해하는 것; 및 상기 분해의 결과로서 생성된 상기 하나 이상의 패턴들에서 적어도 하나의 패턴과 관련된 정보를 갖고 패턴 추적 데이터베이스를 업데이트하는 것을 포함한다.

Description

반도체 디바이스 제작 프로세스 동안 패턴 약점 및 강점 검출과 추적{PATTERN WEAKNESS AND STRENGTH DETECTION AND TRACKING DURING A SEMICONDUCTOR DEVICE FABRICATION PROCESS}

다른 출원들에 대한 상호 참조

본 출원은 모든 목적들을 위해 여기에서 참조로서 통합되는 2015년 4월 13일에 출원된 반도체 디바이스 제작 프로세스 동안 패턴 약점 및 강점 검출 및 추적(PATTERN WEAKNESS AND STRENGTH DETECTION AND TRACKING DURING A SEMICONDCUTOR DEVICE FABRICATION PROCESS)이라는 제목의 미국 가 특허 출원 번호 제62/146,572호에 대한 우선권을 주장한다.

반도체 디바이스 제작 프로세스 동안, 고속, 저 분해능 웨이퍼 검사들(예로서, 명시야, 암시야 등)이 제작 로트로부터 선택된 웨이퍼들에 대해 수행된다. 일반적으로, 이들 검사들은 로트 내에서 웨이퍼들에 대한 다수의 결함들을 보고한다. 보고된 검출들 중에서, 결함들의 작은 서브세트(예로서, 서브-샘플)가 검토 및 결함-형 분류를 위해 선택된다. 분류는 각각의 샘플 결함의 고-분해능 이미지를 캡처하고, 존재하는 결함의 유형을 결정하기 위해 상기 이미지를 검사하고, 그 후 결함에 적절한 분류 코드를 할당하는 것에 의해 행해질 수 있다. 웨이퍼 결함들의 고-분해능 이미지들은 특정한 웨이퍼들 상에서의 하나 이상의 다이의 영역들의 주사 전자 현미경(결함-리뷰 SEM 툴들), 전자-빔 주사(E-빔 툴들) 등과 같은 기술들을 사용하여 캡처될 수 있다. 캡처된 이미지들은 그 후 이들 이미지들에 존재하는 결함의 유형을 분류하기 위해 선택적으로 검토될 수 있다.

부가적으로, 선택된 웨이퍼들 상에서의 하나 이상의 다이의 비교적 큰 부분들은 먼저 저 분해능(고속) 검사 프로세스(예로서, 명시야 또는 암시야)에 의존하지 않고 전자-빔 주사(E-빔)와 같은 기술들을 사용하여 고 분해능에서 직접 이미징될 수 있다. 저 분해능 검사 시스템들보다 상당히 더 느리지만, 이것은 고 분해능 이미지 파일들의 세트를 생성하고, 가능하게는 리뷰 SEM 이미지들보다 더 큰 면적을 커버한다.

기존의 이미지 검토 및 분류 방법들은 이미지의 작은 하위 영역을 차지하는 결함을 분류하도록 설계된다. 이미지에서의 피처들의 다양성 및 생성되는 이미지들의 큰 볼륨으로 인해, 존재할 수 있는 이상 현상들을 평가하며 검사하는 것은 도전적일 수 있다.

반도체 제작 프로세스 동안 추적 패턴들은: 제작된 디바이스의 부분의 이미지를 획득하는 것; 상기 획득된 이미지로부터 상기 제작된 디바이스의 상기 부분의 윤곽들을 추출하는 것; 상기 추출된 윤곽들을 기준 설계의 매칭 섹션에 동조시키는 것; 상기 기준 설계의 상기 매칭 섹션을 하나 이상의 패턴들로 분해하는 것; 및 상기 분해의 결과로서 생성된 상기 하나 이상의 패턴들에서 적어도 하나의 패턴과 관련된 정보를 갖고 패턴 추적 데이터베이스를 업데이트하는 것을 포함한다.

본 발명의 다양한 실시예들은 다음의 상세한 설명 및 첨부한 도면들에서 개시된다.

도 1은 반도체 제작 프로세스 동안 패턴 약점 및 강점 검출 및 추적을 위한 시스템의 실시예를 도시한 블록도.
도 2a는 반도체 디바이스 제작 프로세스 동안 패턴 추적을 위한 프로세스의 실시예를 도시한 흐름도.
도 2b는 반도체 디바이스 제작 프로세스 동안 패턴 추적을 위한 프로세스의 실시예를 도시한 흐름도.
도 3은 물리적 레이아웃 분해를 수행하기 위한 프로세스의 실시예를 도시한 흐름도.
도 4는 고 분해능 이미지가 프로세싱되며 패턴 추적 데이터베이스가 업데이트되는 예의 실시예를 도시한 도면.
도 5는 제작되는 반도체 디바이스의 고 분해능 이미지들을 스코어링하며 추적하기 위해 사용된 기준 패턴들을 포함한 데이터베이스의 예시적인 실시예를 설명한 다이어그램을 도시한 도면.
도 6a는 패턴 추적 데이터베이스를 구축하는 프로세스의 예시적인 실시예를 도시한 도면.
도 6b는 패턴 추적 데이터베이스를 구축하는 프로세스의 또 다른 예시적인 실시예를 도시한 도면.
도 7은 윤곽들의 충실도 스코어를 추론하기 위해 기준 패턴들에 대한 리프트 패턴들의 윤곽들의 비교의 예시적인 실시예를 설명한 다이어그램을 도시한 도면.
도 8은 4개의 패턴들의 충실도 스코어들의 4개의 샘플 주파수 다이어그램들을 도시한 도면.
도 9는 각각의 기준 패턴의 통계적 요약 데이터의 일부를 설명한 표의 예시적인 실시예를 도시한 도면.
도 10a는 고 분해능 이미지들로부터 윤곽들을 추출하고, 그것들을 물리적 레이아웃에 동조시키며, 결과적인 패턴을 패턴 추적 데이터베이스를 추적하기 위한 보다 작은 서브-패턴들로 분리하기 위한 프로세스의 실시예를 도시한 흐름도.
도 10b는 인쇄된 패턴의 충실도 또는 품질에 대한 포토마스크 수정 또는 프로세스 수정의 영향을 평가하기 위한 프로세스의 실시예를 도시한 흐름도.
도 11a는 패턴 추적 데이터베이스에서 표들의 예시적인 실시예들을 도시한 도면.
도 11b는 이전 디바이스로부터의 패턴 충실도 정보를 사용함으로써 새로운 디바이스의 전체 제조 가능성을 평가하기 위한 프로세스의 실시예를 도시한 흐름도.
도 12는 패턴 품질 동향들 및 이슈들의 자동 및 인라인 보고들을 전달하기 위한 프로세스의 실시예를 도시한 흐름도.

본 발명은 프로세스; 장치; 시스템; 재료의 구성; 컴퓨터 판독가능한 저장 매체상에 구체화된 컴퓨터 프로그램 제품; 및/또는 프로세서에 결합된 메모리 상에 저장되고 및/또는 그것에 의해 제공된 지시들을 실행하도록 구성된 프로세서와 같은, 프로세서를 포함하여, 다수의 방식들로 구현될 수 있다. 본 명세서에서, 이들 구현들, 또는 본 발명이 취할 수 있는 임의의 다른 형태는 기술들로서 불리울 수 있다. 일반적으로, 개시된 프로세스들의 단계들의 순서는 본 발명의 범위 내에서 변경될 수 있다. 달리 서술되지 않는다면, 태스크를 수행하도록 구성되는 것으로서 설명된 프로세서 또는 메모리와 같은 구성요소는 주어진 시간에서 태스크를 수행하도록 임시로 구성되는 일반 구성요소 또는 태스크를 수행하기 위해 제작되는 특정 구성요소로서 구현될 수 있다. 여기에서 사용되는 바와 같이, 용어('프로세서')는 컴퓨터 프로그램 지시들과 같은, 데이터를 프로세싱하도록 구성된 하나 이상의 디바이스들, 회로들, 및/또는 프로세싱 코어들을 나타낸다.

본 발명의 하나 이상의 실시예들의 상세한 설명은 본 발명의 원리들을 예시하는 첨부한 도면들과 함께 이하에서 제공된다. 본 발명은 이러한 실시예들과 관련되어 설명되지만, 본 발명은 임의의 실시예에 제한되지 않는다. 본 발명의 범위는 단지 청구항들에 의해서만 제한되며 본 발명은 다수의 대안들, 수정들 및 등가물들을 포함한다. 다수의 특정 세부사항들은 본 발명의 철저한 이해를 제공하기 위해 다음의 설명에서 제시된다. 이들 세부사항들은 예의 목적을 위해 제공되며 본 발명은 이들 특정 세부사항들의 일부 또는 모두 없이 청구항들에 따라 실시될 수 있다. 명료함을 위해, 본 발명에 관련된 기술 분야들에서 알려져 있는 기술적 자료는 본 발명이 불필요하게 모호하게 되지 않도록 설명되지 않는다.

여기에서 개시된 기술들의 실시예들은 일반적으로 반도체 디바이스 제작의 분야에 관한 것이며, 이것은 웨이퍼 제작 공장 또는 간단히 '팹(fab)'에서 실행될 수 있다. 보다 특히, 여기에서 설명된 기수들의 실시예들은 반도체 디바이스 제작 프로세스 동안 반도체 웨이퍼들 상에서 약한 및 강한 설계 또는 레이아웃 패턴들의 검출, 모니터링, 및 추적에 관한 것이다.

반도체 디바이스의 제작 프로세스 동안 일어날 수 있는 의미 있는 이상 현상들에 대한 서틀(subtle)을 검출하고, 추적하며 모니터링하기 위해 사용될 수 있는 계산 기술들이 여기에서 설명된다. 이러한 계산 기술들은 또한 제작 프로세스 동안 웨이퍼 상에 에칭되거나 인쇄된 설계 또는 레이아웃 패턴의 강점 또는 약점을 결정하며 보고할 수 있다.

여기에서 설명된 기술들은 반도체 디바이스 제작에서 웨이퍼들 상에서의 물리적 설계 또는 레이아웃 패턴들을 검출하고, 모니터링하며, 추적하는 것에 과한 도전들을 다루기 위해 사용될 수 있다. 인쇄된 패턴들에서의 약점들을 예측하기 위해 시뮬레이션들을 사용하는 대신에, 하나 이상의 실시예들에서, 여기에서 개시된 기술들은 경험적 또는 데이터 구동 접근법을 사용한다. 하나 이상의 실시예들에서, 여기에서 개시된 기술들은, 기술들이 또한 "스크라이브 라인" 테스트 구조들(스크라이브 라인 테스트 구조들은 웨이퍼 표면상에서 실제 제품 다이 사이에 존재하는 갭들에 제작되는 특수화된 패턴들이다) 상에서 동작하기 위해 사용될 수 있지만, 실제 디바이스 회로들 상에서의 제품 다이 내에서 동작한다. 기존의/종래의 기술들에 비교하여, 여기에서 설명된 기술들은 반도체 디바이스의 물리적 레이아웃 또는 물리적 설계 및 첨부한 제작 프로세스들(포토리소그래피 및 에칭 프로세싱 단계들과 같은)의 품질의 개선되고 보다 신뢰성 있는 평가를 제공한다. 몇몇 실시예들에서, 패턴들을 추적하기 위한 능력은 추적될 레이아웃 패턴들에 대한 모든 적절한 정보를 포함하는 패턴 추적 데이터베이스의 사용을 수반한다. 패턴 추적 데이터베이스의 구성 및 콘텐트에 관련된 기술들이 여기에서 개시된다.

이 기술 분야에 잘 알려진 바와 같이, 또한 집적 회로로서 불리우는, 반도체 디바이스는 반도체 제작 프로세스를 사용하여 반도체 웨이퍼 상에서 제작된다. 물리적 레이아웃 파일은 반도체 디바이스의 물리적 설계 또는 물리적 레이아웃을 설명한다. 여기에서 사용된 바와 같이, 용어들("물리적 설계" 및 물리적 레이아웃")은 반도체 디바이스의 기능 회로들을 생성하기 위해 반도체 웨이퍼 상에 형성될 구조들의 배열을 나타내기 위해 상호 교환 가능하게 사용된다. 보다 구체적으로, 물리적 레이아웃 파일은 반도체 디바이스의 원하는 기능 회로들을 형성하기 위해 제작 프로세스 동안 반도체 웨이퍼에서 및/또는 그것 상에서 형성될 하나 이상의 영역들 또는 층들의 패턴들을 정의한다. 반도체 디바이스의 물리적 설계 또는 레이아웃은 반복된 어레이로 반도체 웨이퍼 상에서 인쇄되어, 다이들의 2차원 어레이, 또는 "제품 다이들"을 형성하며, 각각의 다이는 반도체 디바이스의 기능 회로들을 포함한다. 웨이퍼는 제품 다이들 사이에 형성된 스크라이브 라인 테스트 구조들을 포함할 수 있다. 제작 프로세스의 완료 시, 웨이퍼는 다이들을 분리하기 위해 절단된다. 분리된 다이들의 조각들은 때때로 반도체 칩들로서 불리우며 집적 회로 또는 반도체 디바이스를 형성하기 위해 패키징된다.

반도체 디바이스 제작 프로세스 동안, 적절한 웨이퍼 검사 장비를 사용하여, 결함들(또는 중요한 에러들)이 프로세싱되는 웨이퍼 상에서 검출될 수 있다. 이들 결함들은 디바이스의 원래 블루프린트(또한 물리적 레이아웃 파일로서 불리우는)에서 보여지는 바와 같이, 기준 또는 의도된 설계로부터, 결함들의 고-분해능 이미지들에서 보여지는 바와 같이, 인쇄된 패턴의 상당한 일탈을 나타낼 수 있다. 이들 결함들은 제작 프로세스에서 무수히 많은 단계들 중 임의의 것 동안 발생할 수 있으며 약 패턴을 표시할 수 있다. 여기에서 사용된 바와 같이, 패턴은 반도체 디바이스의 물리적 레이아웃 패턴 또는 물리적 설계 패턴을 나타낸다. 본 발명의 실시예들에서, 패턴은 반도체 디바이스의 물리적 레이아웃 파일을 전-처리함으로써 또는 제작 프로세스 동안 웨이퍼 상에서의 다이의 적어도 부분의 고 분해능 이미지에 매칭되는 물리적 레이아웃 파일의 일 부분을 평가함으로써 추출되는 하나 이상의 피처들을 포함한다. 본 발명의 실시예들에서, 피처는 이미지의 배경을 제외하고, 이미지에서의 라인 또는 다각형 형태를 나타내며, 여기에서 형태는 전자 회로의 적어도 부분을 나타낸다. 예를 들면, 및 제한 없이, 피처는 트랜지스터, 커패시터, 레지스터, 전자 상호 연결부, 논리 게이트, 및 다른 회로들, 또는 그것의 조합의 부분을 나타낼 수 있다. 피처는 또한 라인들 또는 다각형 형태들 사이에서의 간격에 의해 정의될 수 있다. 종래의 제작 프로세스들에서, 인쇄된 패턴에서의 미묘한 변화들은 웨이퍼 검사 장비에 의해 검출되지도 추적되지도 않는다. 부가적으로, "중요한" 및 "중대한" 피처들은 통상적으로 종래의 검사 툴들에 의해 모니터링되지 않는다. 하나의 예로서, 중대한 피처들은 높은 확률을 갖고 수율에 영향을 주는 경향이 있는 이들 피처들을 포함한다. 중요한 피처의 예는 추적 및 모니터링이 요구되는 것이다. 예를 들면, 수율에 대한 피처의 영향이 알려지지 않는다고 가정하자. 여기에서 설명된 기술들을 사용하여, 이러한 피처들은 그것들의 수율 영향을 결정하기 위해 추적될 수 있다.

여기에서 설명된 바와 같이, 약 패턴은 제작 프로세스 동안 웨이퍼로 인쇄될 때, 물리적 레이아웃 파일에서 특정된 의도된 패턴으로부터 충분히 일탈하는(또는 다른) 특징을 야기하는 비교적 더 높은 확률을 가진 설계 패턴이다. 반대로, 강 패턴은 제작 프로세스 동안 웨이퍼로 인쇄될 때, 물리적 레이아웃 파일에서 특정된 의도된 패턴에 충분히 유사한(또는 근사한) 특징을 야기하는 비교적 더 높은 확률을 가진 설계 패턴이다. 패턴의 강점 또는 약점은 패턴의 기하학적 속성들(즉, 라인 폭들, 라인 공간들, 패턴 복잡도 등) 및 이들 속성들이 패턴을 반도체 웨이퍼의 표면에 제공하려고 시도하는 제작 프로세스들(즉, 포토리소그래피, 에칭, 화학적 기계적 평탄화 등)과 상호 작용하는 방식 양쪽 모두에 의해 영향을 받는다. 따라서, 각각의 패턴은 이들 속성들이 제작 프로세스와 상호 작용하는 방식 및 기하학적 속성들에 의존하여, 강 패턴, 약 패턴, 또는 그것의 변화로서 분류될 수 있다. 더욱이, 제작 동안 사용된 프로세스 또는 포토마스크와 같은 다른 인자들이 또한 주어진 패턴의 강점에 영향을 줄 수 있다.

이하에서 추가로 설명될 바와 같이, 여기에서 설명된 기술들은 다양한 실시예들에서, 약 및 강 패턴들을 식별하기 위한 분석을 수행하기 위해, 인쇄된 패턴에서의 미묘한 변화들(소프트 에러들)을 추적하기 위해, 중요한 및 중대한 피처들을 모니터링하기 위해, 및 그에 따라 검출된 임의의 이상 현상들의 후속 특성화를 보조하기 위해, 그것의 제작 동안 각각의 디바이스의 경험적 데이터를 이용한다. 이러한 분석은 실제 제품 다이 내에 포함된 실제 패턴(들) 상에서, 뿐만 아니라 다이 사이에 존재하는 스크라이브 라인들(또는 갭들)로 제작된 테스트 구조들 상에서 수행될 수 있다. 이하에서 추가로 설명될 바와 같이, 고 분해능 이미지들이 본 발명의 시스템 및 방법에 의해 분석될 때, 하드 결함들(중요한 에러들), 소프트 결함들(미묘한 변화들), 및 중요한 및 중대한 패턴들에 대한 모든 적절한 정보가 패턴 추적 데이터베이스 내에서 삽입되며 유지된다. 다양한 실시예들에서, 패턴 추적 데이터베이스에 저장된 적절한 정보는, 이에 제한되지 않지만, 추출된 윤곽들; 제작되는 집적 회로의 물리적 레이아웃 파일로부터의 대응하는 설계 클립들; 로트, 웨이퍼, 및 다이 ID들; 보고된 결함들의 좌표들; 검사들의 날짜 및 시간; 검사가 행해진 제조 단계; 적절한 경우, 충실도 스코어들 또는 임의의 다른 메트릭들을 포함한다. 몇몇 실시예들에서, 충실도 스코어는 인쇄된 피처/패턴이 어떻게 그것의 의도된 설계(정의된 대로, 예를 들면, 물리적 레이아웃 블루프린트에 의해)에 매칭시키는지/비교하는지를 표시하는 값이다. 다시 말해서, 충실도 스코어는 웨이퍼 상에서의 실제 인쇄된 패턴이 얼마나 잘 의도된 물리적 레이아웃 설계에 비교하는지를 표시한다.

몇몇 실시예들에서, 패턴 추적 데이터베이스는 집적 회로의 물리적 설계를 정의한 주어진 물리적 레이아웃 파일에 존재하는 고유한 기준 패턴들의 세트를 포함한다. 하나의 실시예에서, 기준 패턴들은 집적 회로에 대한 물리적 레이아웃 파일을 전-처리함으로써 추출된다. 또 다른 실시예에서, 기준 패턴들은 제작되는 웨이퍼들로부터 취해진 고-분해능 이미지들에 매칭되는 것으로 결정된 물리적 레이아웃 파일의 섹션들로부터 추출된다.

도 1은 반도체 제작 프로세스 동안 패턴 약점 및 강점 검출 및 추적을 위한 시스템의 실시예를 도시한 블록도이다. 도시된 예에서, 시스템(100)은 윤곽 추출 엔진(102), 윤곽-대-설계 동조 엔진(104), 피처 식별 엔진(106), 윤곽-대-설계 비교 엔진(108), 치수 측정 엔진(110), 패턴 추출 엔진(112), 데이터베이스 업데이트 엔진(114), 패턴 추적 데이터베이스(116), 레이아웃 분해 엔진(118), 추가 분석 엔진(120), 및 질의/보고 엔진(122)을 포함한다.

윤곽 추출 엔진(102)은 집적 회로의 제작 프로세스 동안 하나 이상의 웨이퍼들의 부분들에 대해 취해진 고 분해능 이미지들(124)을 분석하도록 구성된다. 윤곽 추출 엔진(102)은 고 분해능 이미지들로부터 피처들의 윤곽 추출을 수행한다. 몇몇 실시예들에서, 윤곽 추출은 광 강도 또는 텍스처와 같은, 유사한 속성들을 가진 (폐쇄) 영역들의 세트를 추출하기 위해 이미지를 분할하도록 수행된 이미지 프로세싱 동작이다. 이미지의 분할된 영역들은 때때로 윤곽들로 불리운다. 하나의 실시예에서, 테스트 또는 제품 웨이퍼들의 고-분해능 이미지들이 분석되며 물리적 레이아웃 파일(예로서, 그래픽 데이터 시스템(GDS)/개방 아트워크 시스템 상호교환 표준(OASIS) 파일들)과 비교된다. 이들 이미지 파일들은 웨이퍼의 큰 또는 작은 면적들을 스패닝할 수 있다. 하나의 실시예에서, 고 분해능 이미지들은 E-빔 툴들, SEM(주사 전자 현미경) 결함 리뷰 툴들, 또는 충분한 분해능을 갖고 이미지들을 생성할 수 있는 임의의 툴을 사용하여 생성된다.

하나의 예로서, 명시야 검사 툴은 제작 동안(예로서, 제작 물품 목록이 제작됨에 따라) 웨이퍼를 평가하기 위해 사용된다. 명시야 툴은 결함들을 식별하며 보고하기 위해 사용된다. 몇몇 실시예들에서, 뉴슨스 이벤트 필터링이 뉴슨스 형인 결함들을 걸러내기 위해 사용된다. 이것은 보다 작은 수의 관심 결함들(DOI)에 대한 결함들의 모집단을 감소시킨다. 이러한 보다 작은 세트의 DOI 내에서, 랜덤 샘플링 및 다이버시티 샘플링과 같은, 샘플링이 수행된다. 몇몇 실시예들에서, 다이버시티 샘플링은 극성, 강도, 규모, 에너지, 물리적 속성들(예로서, 크기) 또는 적절한 경우 각각의 결함의 임의의 다른 속성들과 같은, 각각의 결함의 속성들(예로서, 명시야 툴에 의해 보고된 바와 같이)을 평가한다. 이들 속성들에 걸친 관심 결함들의 다양한 샘플이 취해지며, 샘플링된 결함들의 고 분해능 이미지들이 획득된다. 다른 샘플 계획들이, 적절다면 사용될 수 있다.

웨이퍼 결함들에 대해 취해진 고 분해능 이미지들은 예를 들면, 2차 다이-대-데이터베이스 결함 검출을 제공하기 위해 여기에 설명된 기술들을 사용하여 프로세싱될 수 있다. 상기 예에서, 고 분해능 이미지들이 결함들에 대해 취해지지만, 웨이퍼의 임의의 섹션들의 고 분해능 이미지들은 여기에서 설명된 기술들을 사용하여 평가될 수 있다. 즉, 고 분해능 이미지들은 반드시 결함들을 나타내거나 그것을 포함할 필요는 없다.

몇몇 실시예들에서, 고-분해능 이미지로부터 피처들의 윤곽 추출을 수행하는 것은 이미지로부터 인쇄된 패턴들을 검출하며 상기 검출된 패턴들을 다각형 표현들로 변환함으로써 이미지로부터 하나 이상의 윤곽들을 추출하는 것을 포함한다. 보다 구체적으로, 윤곽은 이미지에서의 피처의 경계를 나타내며, 여기에서 상기 피처는 배경을 제외한, 이미지의 별개의 요소이다. 구절('윤곽 추출')은 일반적으로 이미지에서 모든 피처들의 경계들의 추출을 나타낸다. 결과는 그러므로 이미지에서 피처들의 모두를 총괄하여 나타내는 경계들의 세트이다. 윤곽은 에지 검출과 같은, 종래의 이미지 프로세싱 기술들을 사용하여 이미지로부터 추출될 수 있다. 각각의 추출된 윤곽은 집적 회로의 물리적 레이아웃 파일을 사용하여 웨이퍼 상에 형성되는 레이아웃 패턴의 일 부분에 대응한다. 하나의 실시예에서, 고 분해능 이미지에 부가된 임의의 텍스트 또는 그래픽 주석은(예로서, 이미지 캡처링 툴에 의해) 고 분해능 이미지로부터의 윤곽들이 추출되기 전에 제거될 수 있다. 주석들을 제거하는 것은 윤곽 추출 에러들을 감소시키거나 제거하여, 추출된 윤곽들이 반도체 디바이스의 물리적 레이아웃 파일(예로서, GDS/OASIS 파일들)에 포함된 기준 패턴에 적절히 매칭되도록 허용한다.

윤곽-대-설계 동조 엔진(104)은 물리적 레이아웃 파일(126)에 의해 특정된 기준 설계에 고-분해능 이미지로부터 추출된 윤곽을 동조시키거나 매칭시키도록 구성된다. 기준 설계에 대한 윤곽의 동조는 고 분해능 이미지의 추출된 윤곽들에 매치되는, "설계 클립"으로 불리우는, 기준 설계의 일 부분을 식별하기 위해 수행된다.

다음은 윤곽-대-설계 동조를 수행하는 예시적인 실시예이다. 고 분해능 이미지에서 캡처된 웨이퍼의 부분의 좌표들(예로서, X-Y, 위도/경도 좌표들 등)이 획득된다. 예를 들면, 좌표들은 고 분해능 이미지를 생성한 검사/이미징 툴로부터 획득된다. 몇몇 실시예들에서, 좌표들에서의 스테이지 에러들, 랜덤 에러들 등은 보상된다. 예를 들면, 상기 설명된 바와 같이, 고 분해능 이미지들은 결함들에 대해 취해질 수 있다. 검사 툴에 의해 보고된 결함 좌표들은 예를 들면, 측정 변화/에러로 인해, 결함들의 실제 위치가 아닐 수 있다. 몇몇 경우들에서, 검사 툴들은 결함 위치들에 대한 최대 에러들(예로서, +/- 120nm)을 특정할 수 있다.

고 분해능 이미지의 좌표들을 고려해볼 때(내재된 측정 변화/에러를 갖고), 기준 설계에서의 대응 위치가 식별된다. 기준 설계는 제조되는 집적 회로의 물리적 레이아웃 패턴을 정의한 물리적 레이아웃 파일을 나타낸다. 좌표들의 부근 내에서 기준 설계의 탐색이 수행된다. 몇몇 예들에서, 고 분해능 이미지의 좌표들에 중심을 둔 면적은, 좌표들을 제공한 검사 툴의 측정 에러에 의해 정의된 반경/면적 내에서, 탐색될 수 있다. 예를 들면, 고 분해능 이미지의 추출된 윤곽들은, 이미지의 윤곽들이 기준 설계의 일 부분으로 "스냅핑"할 때까지, 설계의 X-Y 좌표들 주위에서 이동된다. 몇몇 예들에서, 매칭 또는 최적합은 기준 설계에 이미지를 매칭시키기 위해 사용될 수 있다. 이러한 방식으로, 고 분해능 이미지에서 캡처된 웨이퍼의 부분에 매칭되는 기준 설계의 섹션이 식별된다.

하나의 예시적인 실시예에서, 비트맵들이 고 분해능 이미지에서 캡처된 웨이퍼의 부분에 매칭되는 기준 설계의 섹션을 결정하기 위해 사용된다. 예를 들면, 기준 설계는 비트맵으로서 렌더링된다. 고 분해능 이미지로부터 추출된 윤곽들은 또한 비트맵으로서 렌더링된다. 고 분해능 이미지의 윤곽들의 비트맵은 최상의 비트맵-대-비트맵 적합을 결정하기 위해 렌더링된 설계 비트맵에 대해 비교된다. 고 분해능 이미지의 윤곽들에 최고로 매칭되는 기준 설계의 부분은 설계의 매칭 섹션으로서 식별된다. 몇몇 실시예들에서, 고 분해능 이미지 자체(또한 비트맵인)는 최고의 비트맵-대-비트맵 적합을 결정하기 위해 렌더링된 설계 비트맵에 대해 비교된다.

또 다른 예시적인 실시예에서, 벡터화는 고 분해능 이미지에서 캡처된 웨이퍼의 일 부분에 대해 추출된 윤곽들에 매칭되는 기준 설계의 섹션을 결정하기 위해 사용된다. 예를 들면, 고 분해능 이미지는 상기 설명된 윤곽 추출 방법을 사용하여 하나 이상의 윤곽들로 변환된다. 이미지로부터 추출된 각각의 윤곽은 수학적 벡터들의 세트(예로서, X 및 Y 차원들을 따르는 수학적 벡터들)를 갖고 표현된다. 윤곽들의 벡터들은 그 후 기준 설계에 고유한 수학적 벡터들과 비교된다. 고 분해능 이미지의 벡터화된 윤곽들은 고 분해능 이미지에서 캡처된 웨이퍼의 부분의 추출된 윤곽들에 대한 최적합인(즉, 매칭되는) 기준 설계의 섹션을 결정하기 위해 기준 설계의 벡터들에 비교된다.

상기 설명된 기술들 중 하나 이상을 사용하여, 고 분해능 이미지로부터 추출된 윤곽에 매칭되는 물리적 레이아웃 파일의 섹션이 식별된다. 매칭된 섹션은 그 후 물리적 레이아웃 파일로부터 추출되거나 "리프트"될 수 있다. 본 발명의 실시예들에서, 매칭된 섹션은 고 분해능 이미지로부터 추출된 윤곽에 대한 의도된 또는 기준 패턴을 나타낸다. 여기에서 사용된 바와 같이, 매칭된 섹션은 또한 리프트 섹션 또는 리프트 설계 클립으로서 불리운다.

피처 식별 엔진(106)은 물리적 레이아웃 파일의 동조된/매칭된/리프트된 설계 클립에서 관심 피처들을 식별하도록 구성된다. 몇몇 실시예들에서, 고 분해능 이미지들에 대응하는 리프트된/매칭된 기준 설계 섹션들은 관심 피처들(예로서, 중요한 및 중대한 피처들)에 대해 탐색된다. 패턴들은 다양한 유형들의 형태들의 다각형들로 구성될 수 있으며, 몇몇 패턴 기하학적 구조들은 수율에 영향을 주려는 보다 큰 경향이 있다. 수율에 영향을 줄 가능성을 가진 하나의 예시적인 유형의 기하학적 구조는 라인의 팁이 또 다른 라인의 에지(또한, 여기에서 "팁-대-에지" 또는 "t-형" 피처로서 불리우는)에 근접하는 경우이다. 기준 설계에서 거기에서 팁 및 에지 사이에 명확한 갭이 있도록 의도될 수 있지만, 제작 변화 및 불일치들은 팁 및 에지가 의도된 것보다 더 가까운 잠재적인 결함들/에러들을 야기할 수 있다. 예를 들면, 팁 및 에지가 닿는다면, 이것은 두 개의 신호 라인들의 잠재적인 전기 단락을 야기할 수 있다.

다양한 기술들이 규칙-기반 패턴 탐색 엔진을 포함하여, 관심 피처들을 탐색하기 위해 사용될 수 있으며, 여기에서 "최소 라인 폭" 또는 "최소 라인 공간"과 같은 규칙들 또는 다른 중요한 및 중대한 피처들이 특정될 수 있다. 하나의 실시예에서, 관심 피처(예로서, 중대한 및/또는 중요한 피처)는 라인들 사이에서 작은 폭들 또는 작은 간격을 가진 라인들일 수 있다. 예를 들면, 고 분해능 이미지의 추출된 윤곽들에 대응하는 설계 클립/리프트 섹션에서의 팁-대-에지 피처들의 존재를 식별하는 규칙이 구현될 수 있다. 규칙들은 개개의 층들 및/또는 층들의 조합들에 적용할 수 있다. 규칙의 또 다른 예는 폴리실리콘 라인의 끝에 가까운 접촉들을 가진 폴리실리콘 (폴리) 라인들을 평가하는 것이다. 예를 들면, 제작 동안, 폴리 라인들이 인쇄될 때, 라인 상에서의 풀 백이 발생할 수 있으며, 여기에서 라인의 하나 양쪽 끝들 모두는 이르게 종료될 수 있어서, 라인의 단축을 이끈다. 접촉 및 설계에서의 폴리 라인의 끝 사이에 충분한 거리가 없다면, 폴리 라인의 폴백으로 인해 접촉의 일 부분이 커버되지 않을 가능성이 있다. 이것은 접촉과 폴리 라인 사이에서의 전기적 연결을 지연시키거나 완전히 차단할 수 있어서, 오작동하는 트랜지스터를 야기한다. 동일한 것이 두 개의 상호 연결 층들 사이에서 형성되는 비아들에 대해 발생할 수 있다.

규칙-기반 패턴 탐색 엔진에서의 규칙들은 (컴퓨터-보조) 시뮬레이션들로부터 획득된 정보, '초점 노출 변조' 또는 FEM과 같은 경험적 기술들로부터 획득된 정보, 이력적/이전 제작 성능으로부터 획득된 정보 등에 기초하여 구현되거나 정의될 수 있다. 몇몇 실시예들에서, 새로운 규칙들이 부가되거나 구현됨에 따라, 설계 클립들은 새로운 관심 피처들을 식별하기 위해 새로운 규칙들을 사용하여 재-평가될 수 있다.

따라서, 관심 피처들(및 그것들의 위치들)은 규칙-기반 탐색을 수행함으로써 기준 설계의 리프트 섹션에서 식별될 수 있다. 다수의 관심 피처들이 고 분해능 이미지에 일치하는 리프트 섹션으로부터 식별될 수 있다.

윤곽-대-설계 비교 엔진(108)은 고 분해능 이미지로부터 추출된 바와 같이 피처의 윤곽들에 대한 기준 설계의 리프트 섹션에서의 각각의 식별된 관심 피처의 비교를 수행하도록 구성되며, 이것은 관심 피처가 어떻게 웨이퍼 상에서 실제로 제작되었는지를 표시한다. 몇몇 실시예들에서, 비교는 피처의 의도된 설계를 표현하는 리프트된 설계 클립에서 정의된 동일한 관심 피처에 대하여, 고 분해능 이미지로부터 추출된, 식별된 관심 피처의 윤곽들을 비교함으로써 수행된다. 하나의 예로서, 관심 피처의 치수들에 대한 의도된 값들은, 실제로 제작된 바와 같이, 매칭된 설계 클립으로부터 결정되며 그 후 관심 피처의 측정된 치수들에 대하여 비교된다. 치수들은 관심 피처의 윤곽들로부터 측정될 수 있다. 예를 들면, 설계 클립에서의 관심 피처의 위치를 사용하여(규칙-기반 탐색을 사용하여 결정된), 이미지의 추출된 윤곽들에서의 관심 피처의 대응 위치가 또한 식별될 수 있다(윤곽들이 기준 설계와 동조되었기 때문에). 이것은 제작된 대로, 관심 피처의 윤곽들이 식별되도록 허용한다. 식별된 위치에서 윤곽들의 측정들이 그 후 취해질 수 있다. 몇몇 실시예들에서, 의도된 치수와 실제 측정된 치수들 사이에서의, 편차 또는 차이, 비교, 델타, 또는 분산이 산출된다. 예를 들면, 의도된 피처의 치수들과 제작된 피처의 치수들 사이에서의 편차의 양이 산출될 수 있다. 이하에서 추가로 상세히 설명될 바와 같이, 결정된 편차는, 결함 또는 실패가 발생하였는지와 같은, 다양한 유형들의 메트릭들을 결정하며 다양한 유형들의 분석을 수행하기 위해 사용될 수 있다.

피처의 의도된 치수 및 피처의 치수들은, 인쇄된 대로, 치수 측정 엔진(110)을 사용하여 측정될 수 있다. 하나의 예로서, 피처에 대해 의도된 치수들은 기준 설계의 리프트 섹션에서 피처의 기하학적 구조의 분석으로부터 획득될 수 있다. 인쇄된/제작된 피처의 실제 치수들은 획득된 고 분해능 이미지로부터 추출된 피처에 대한 윤곽들을 측정함으로써 획득될 수 있다. 예를 들면, 팁-대-에지 갭에 대한 의도된 값이 22nm이며 고 분해능 이미지로부터 추출된 피처의 윤곽의 측정된 갭이 11nm임을 가정하자. 고 분해능 이미지에서 피처의 인쇄된 치수들(11nm)은 그 후 기준 설계에 의해 정의된 바와 같이 피처에 대해 의도된 치수들(22nm)에 대해 비교될 수 있다.

몇몇 실시예들에서, 관심 피처(예로서, 라인들 사이에서 작은 폭들 또는 작은 간격을 가진 라인들과 같은 중대한 피처들)가 검사되며 충실도 스코어를 할당받을 수 있다. 이러한 실시예에서, 이하에서 추가로 상세히 설명될 바와 같이, 패턴 추적 데이터베이스에서 삽입되며 추적될 패턴들은 이들 피처들의 바로 이웃으로부터 직접 리프트되거나 추출될 수 있다. 이들 피처들에 대해, 추출된 윤곽 패턴과 기준 패턴 사이에서의 변화가 결정되며 충실도 스코어를 산출하며 할당하기 위해 사용될 수 있다. 또 다른 실시예에서, 충실도 스코어는 적절한 경우 패턴의 임의의 기하학적 속성을 사용하여 산출될 수 있다. 하나의 실시예에서, 충실도 스코어는 메트릭이며 주어진 물리적 레이아웃 파일에서 주어진 파일의 인쇄 적성 및 안정성을 결정한다.

인쇄된 대로, 기준 패턴에 포함된 피처의 의도된 설계 및 피처의 윤곽들의 비교에 기초하여 기준 패턴에 대한 충실도 스코어를 추론하는 예시적인 실시예가 도 7과 함께 설명된다.

충실도 스코어는 인쇄된 및 의도된 치수들 사이에서의 차이로서, 퍼센티지 또는 비율 또는 분수, 또는 적절한 경우 임의의 다른 유형의 메트릭으로서 산출될 수 있다. 상기 팁-대-에지 예에서, 측정된 인쇄 갭이 11nm이며 의도된 갭이 22nm인 경우, 50%의 충실도 스코어(11nm/22nm*100%)가 산출될 수 있다. 다시 말해서, 이러한 경험적 데이터 포인트에 대해, 이러한 피처는 인쇄된 대로 그것의 의도된 값의 50%였다. 몇몇 실시예들에서, 충실도 스코어가 결정되는 방식은 충실도 스코어가 계산되는 피처의 유형(예로서, 상이한 유형들의 피처들은 상이한 유형들/포맷들의 충실도 스코어들과 연관될 수 있다)에 의존적이다. 몇몇 실시예들에서, 충실도 스코어들은 측정들이 이루어질 때 산출되거나, 나중에(예로서, 질의 시간에) 결정될 수 있다.

몇몇 실시예들에서, 피처 분석 엔진(120)은 측정 데이터를 사용하여 결함 검출 및 결함 분류를 수행한다. 제작 프로세스에 의해 야기된 결함이 있었는지 여부에 대한 검출은 그것의 의도된 치수들에 제작된 피처의 측정들을 비교함으로써 결정될 수 있다. 발생한 결함의 유형은 또한 분류될 수 있다. 예를 들면, 팁-대-에지 기준 값이 20nm이도록 의도된지만, 실제 피처의 측정된 거리가 0nm이면, 하드-브리지 결함이 발생하였다고 결정될 수 있으며 피처는 이와 같이 분류된다. 제작된 값이 의도된 값과 매칭된다면, 어떤 결함도 발생하지 않는다.

다양한 실시예들에서, 결함 분류 유형들은 하드-브레이크, 하드 브리지, 적절한 경우 임의의 다른 유형의 하드 결함, 라인 풀 백, 부분 브레이크, 부분 브리지, 소프트 결함 등을 포함한다. 몇몇 실시예들에서, 결함이 발생하였는지에 대한 결정은 기준 설계에서 특정된 바와 같이 실제 측정 값들 및 의도된 피처 값들의 비교에 기초하여 수행될 수 있다.

몇몇 실시예들에서, 반도체 제작 프로세스 동안 패턴의 강점 또는 약점은 여기에서 설명된 기술들을 사용하여 검출되며 추적될 수 있다. 예를 들면, 상기 설명된 바와 같이, 고 분해능 이미지로부터 캡처된 인쇄 패턴들의 윤곽들이 추출될 수 있으며, 여기에서 윤곽 패턴들은 전자 회로의 적어도 부분을 나타낸다. 윤곽들은 그 후 제작되는 반도체 디바이스의 물리적 레이아웃을 사용하여 기준 설계에 매칭될 수 있다. 이하에서 추가로 설명될 바와 같이, 고 분해능 이미지에서 캡처된 웨이퍼의 부분의 윤곽들이 기준 설계의 섹션에 매칭되었다면, 매칭된 섹션은 본 발명의 실시예들에서, 패턴 추적 데이터베이스(116)를 사용하여 추적될 수 있는 하나 이상의 패턴들로 분해될 수 있다. 고 분해능 이미지로부터 추출된 윤곽들과 연관된 리프트된 설계 클립으로부터, 관심 피처를 둘러싸는 추출된 패턴(그것이 기준 설계 또는 레이아웃의 일 부분인 설계 클립으로부터 추출된 패턴이므로, 또한 여기에서 "추출된 기준 패턴"으로서 불리우는)은 리프트된 설계 클립으로부터 식별되거나 추출될 수 있다. 추출된 기준 패턴은 패턴 추적 데이터베이스(116)에서 기존의 기준 패턴(들)(또한 여기에서 "추적된 기준 패턴들"로서 불리우는)과 비교된다. 추출된 기준 패턴이 데이터베이스로부터 추적된 기준 패턴에 매칭된다면, 새롭게 추출된 패턴에 대한 메트릭들이 산출되며 추적된 기준 패턴에 대한 새로운 측정 데이터 포인트로서 데이터베이스에 부가될 수 있다. 새롭게 추출된 패턴이 기존의 추적된 기준 패턴에 매칭되지 않는다면, 새롭게 추출된 패턴은 새로운 추적된 기준 패턴으로서 데이터베이스에 삽입되며, 이러한 추출된 패턴에 대한 메트릭들이 산출되며 제 1 측정 데이터 포인트로서 데이터베이스에 부가될 수 있다. 시간에 걸쳐, 많은 새롭게 추적된 기준 패턴들은 데이터베이스에 부가되며, 많은 측정 데이터 포인트들은 추적된 기준 패턴들의 각각에 대해 부가된다. 임의의 추적된 기준 패턴이 '충분한' 수의 측정 데이터 포인트들을 축적하였을 때, 통계적 방법들이 상기 패턴의 강점 또는 약점을 결정하기 위해 적용될 수 있다.

몇몇 실시예들에서, 충실도 스코어들의 산출, 측정 데이터를 사용한 결함들의 결정 또는 분류, 패턴 강점 또는 약점의 결정 등은 측정이 취해질 때(예로서, 고 분해능 이미지들이 프로세싱될 때) 결정된다. 다른 실시예들에서, 충실도 스코어 산출 및 측정 데이터를 사용한 결함 검출 또는 분류는 나중에(예로서, 측정 데이터가 패턴 추적 데이터베이스에 저장된 후) 수행된다.

패턴 추출 엔진(112)은 추출된 기준 패턴으로서 각각의 식별된 관심 피처에 중심을 둔 특정된 반경의 패턴을 설계 클립으로부터 추출하도록 구성된다. 관심 피처를 둘러싸는 임의의 적절한 형태/치수들의 면적이 추출될 수 있다(예로서, 정사각형, 직사각형, 원형, 또는 임의의 다른 적절한 다각형 면적). 다수의 관심 피처들이 고 분해능 이미지로부터 식별된다면, 다수의 대응하는 추출된 기준 패턴들이 추출될 것이다. 이하에서 추가로 상세히 설명될 바와 같이, 각각의 추출된 기준 패턴은 예를 들어 데이터베이스 업데이트 엔진(114)을 사용함으써, 추출된 기준 패턴이 데이터베이스에서 이미 존재하지 않는다면 추적된 기준 패턴으로서 패턴 추적 데이터베이스에 부가될 수 있다. 패턴 추출 동작들은 추적될 수 있는 기준 패턴들로서 고 분해능 이미지에서 캡처된 다이의 적어도 부분에 대응하는 설계 클립의 패턴들의 세트로의 분해를 야기한다.

하나의 예시적인 실시예에서, 기준 패턴은 다음과 같이 관심 피처 주위에서 추출된다. 피처의 중심 포인트가 식별된다. 중심 포인트의 특정된 반경(또한 여기에서 "패턴 반경"으로서 불리우는) 내에서의 면적은 추출된 기준 패턴으로서 추출된다. 즉, 추출된 기준 패턴은 관심 피처의 중심 포인트로부터 특정된 반경 내에 있는 모든 것을 포함하는 것으로 정의된다.

동일한 규칙이 두 개의 상이한 위치들에서 동일한(또는 유사한) 피처를 식별할 수 있지만, 피처들을 둘러싸는 기준 패턴들은 상이할 수 있다. 예를 들면, 팁-대-에지 규칙을 고려하자. 규칙의 관점으로부터, 설계에서 두 개의 위치들에서의 피처가 동일할 수 있다. 그러나, 반경이 피처들 주위에서 연장될 때, 두 개의 결과적인 기준 패턴들은 상이할 수 있다. 두 개의 결과적인 기준 패턴들이 동일하다면, 동일한 기준 패턴은 두 개의 상이한 위치들에서 식별되었다.

몇몇 실시예들에서, 패턴 반경이 이용되거나 근접 효과들을 보상하기 위해 정의된다. t-형 피처의 예에서, 피처는 팁-대-에지 거리에 기초할 뿐만 아니라, 또한 팁 및 에지의 브리징이 발생할 가능성을 더 높게 할 수 있는 주변 또는 직접 환경에서의 근접 효과들로 인해 중대할 수 있다. 관심 피처를 둘러싸거나 그 부근에서의 영역을 포함하는 추출된 기준 패턴의 정의는 이러한 근접 효과들이 캡처되도록 허용한다. 다양한 실시예들에서, 반경은 수동으로 또는 자동으로 정의될 수 있다.

데이터베이스 업데이트 엔진(114)은 고 분해능 이미지들로부터 식별된 경험적 또는 관찰된 인쇄 피처들에 관계된 정보를 갖고 패턴 추적 데이터베이스(116)를 업데이트하도록 구성된다. 몇몇 실시예들에서, 패턴 추적 데이터베이스를 업데이트하는 것은 식별된 관심 피처 주위에 생성된 추출된 기준 패턴(상기 설명된 바와 같이, 패턴 추출 엔진(112)을 사용하여)이 이미 존재하는지 또는 데이터베이스(116)에서 추적되는지의 여부를 결정하는 것을 포함한다. 몇몇 실시예들에서, 상이한 반도체 디바이스들 또는 상이한 집적 회로 설계들은 그 자신의 대응 패턴 추적 데이터베이스를 사용하여 추적된다. 다른 실시예들에서, 패턴 추적 데이터베이스는 다수의 반도체 디바이스들에 걸쳐 경험적 데이터를 추적하기 위해 사용된다.

몇몇 실시예들에서, 기준 패턴들이 데이터베이스에서 고유하게 추적됨(즉, 동일한 기준 패턴이 두 개의 상이한 기준 패턴들로서 추적되지 않음)을 보장하기 위해, 새롭게 리프트된 섹션으로부터 추출된 기준 패턴들은 패턴 추적 데이터베이스에 이미 존재하는 기존의 기준 패턴들에 대해 비교된다.

하나의 예시적인 실시예에서, 상기 설명된 바와 같이, 설계 클립으로부터 추출된 기준 패턴의 기하학적 구조는 매칭이 있는지의 여부를 결정하기 위해 데이터베이스에 의해 이미 추적되는 기존의 기준 패턴들의 기하학적 구조에 비교된다. 이러한 방식으로, 시스템은 추출된 기준 패턴이 데이터베이스에서 이미 추적되는지의 여부를 결정한다.

몇몇 실시예들에서, 패턴 추적 데이터베이스를 탐색할 때, 추출된 기준 패턴에 초점이 맞춰진 관심 피처의 유형이 탐색되는 고유한 기존의 기준 패턴들의 세트를 필터링하기 위해 사용되어, 매칭들을 결정하는 속도 및 효율성을 개선한다. 예를 들면, 추출된 기준 패턴이 팁-대-에지 피처(팁-대-에지 규칙을 사용하여 식별되어 온)를 포함하는 것임을 가정하자. 이러한 추출된 기준 패턴이 이미 패턴 추적 데이터베이스에 의해 추적되는지의 여부를 결정할 때, 추출된 기준 패턴은 단지 (예로서, 주변) 팁-대-에지 피처들에 관련되는 패턴 추적 데이터베이스에서 이들 고유한 기준 패턴들에 대해서만 평가된다. 이것은 수행될 필요가 있는 비교들의 양을 감소시킨다. 몇몇 실시예들에서, 추적된 기준 패턴들 및 추출된 기준 패턴들은 패턴이 생성된(관심 피처를 식별하기 위해 사용된 규칙의 유형에 대응할 수 있는) 관심 피처의 유형을 표시한 메타데이터(예로서, 유형 식별자)와 연관된다.

또 다른 실시예에서, '해시 코드' 기술은 새롭게 추출된 기준 패턴이 기존의 추적된 기준 패턴에 매칭되는지의 여부를 결정하기 위해 사용된다. 이것은 상기 기하학적 형태를 고유하게 나타내는 단일 수치 값으로 패턴의 기하학적 형태 정보를 감소시킴으로써 성취된다. 모든 패턴들이 그에 따라 단일 수치 값들로 감소될 때, 그것은 같은 수치 값(즉, 같은 해시 코드)을 가진 임의의 두 개의 패턴들이 동일한 패턴들임을 의미한다. 이 경우에, 새롭게 추출된 기준 패턴이 추적 데이터베이스에 이미 존재하는지의 여부를 결정하는 태스크는 간단히 새롭게 추출된 기준 패턴에 대한 해시 코드를 계산하며 그것을 이전에 산출되고 각각의 기존의 추적 기준 패턴에 대한 데이터베이스에 저장된 동일한 코드와 비교하는 태스크이다.

몇몇 실시예들에서, 리프트된 설계 클립으로부터 패턴을 추출할 때 사용된 반경들은 필수적이지는 않지만, 비교를 수행하는 것을 용이하게 하기 위해 기존의 기준 패턴들을 생성하기 위해 사용된 반경들에 매칭되거나 그것과 일치한다. 예를 들면, 추출된 기준 패턴 및 기존의 기준 패턴의 반경이 매칭되지 않는다면, 비교는 두 개의 반경들 중 보다 작은 것 내에 있는 두 개의 패턴들에서의 영역들을 비교함으로써 두 개 사이에서 이루어진다. 이것은 몇몇 실시예들에서, 패턴들이 패턴의 중심 포인트로서 피처의 중심 포인트를 사용함으로써 지속적으로 생성된다(여기에서 반경은 피처 중심 포인트로부터 결정된다).

추출된 기준 패턴이 데이터베이스에서 이미 추적되는 기존의 기준 패턴에 매칭된다면, 추출된 기준 패턴에 관계된 정보(예로서, 상기 설명된 바와 같이, 측정 데이터, 메타데이터)가 또 다른 경험적 데이터 포인트로서 기존의 기준 패턴에 부가된다. 예를 들면, 정보는 기존의 기준 패턴에 대응하는 데이터베이스 로우에서 또 다른 엔트리로서 저장될 수 있다.

몇몇 실시예들에서, 추출된 기준 패턴이 기존의 기준 패턴에 매칭되지 않는다면, 추출된 기준 패턴은 추적될 새로운 기준 패턴으로서 패턴 추적 데이터베이스에 부가되며, 추출된 기준 패턴(및 추출된 기준 패턴에 포함된 관심 피처)에 관계된 정보가 추적되는 새로운 기준 패턴에 대한 경험적 데이터 포인트로서 부가된다.

몇몇 실시예들에서, 데이터베이스에 저장되는 추출된 기준 패턴에 관계된 정보는 패턴에서의 관심 피처와 연관된 경험적 또는 원 측정 데이터(예로서, 관찰된 피처 치수들의), 제작된 대로, 실제 관찰된 피처 치수 사이에서의 편차의 양, 및 기준 설계에서 특정된 바와 같이, 그것의 의도된 치수를 포함한다. 상기 설명된 바와 같이, 관심 피처에 대한 충실도 스코어가 또한 저장될 수 있다.

몇몇 실시예들에서, 추출된 기준 패턴에 대응하는 고 분해능 이미지의 부분의 윤곽들이 또한 패턴 추적 데이터베이스에 저장될 수 있다. 다양한 실시예들에서, 실제/관찰된 패턴이 획득된 웨이퍼에 대한 로트 ID(식별자), 패턴(예로서, 패턴의 중심 포인트)의 X, Y 좌표, 패턴과 연관된 디바이스 식별자, 층 식별자, 웨이퍼의 검사가 수행된 날짜/시간(예로서, 날짜/시간스탬프를 사용하여), 검사가 행해진 제조 단계, 산출된 메트릭들 등과 같은, 추출된 기준 패턴에 대응하는 관찰된, 제작 패턴(그것의 윤곽들로 표현된)과 연관된 다른 메타데이터가 패턴 추적 데이터베이스에 저장될 수 있다. 저장될 수 있는 정보의 다른 예들은, 예를 들면, 웨이퍼 상에 발견된 결함들의 수를 제공하는, 광학 검사 툴들과 같은, 다른 검사 툴들에 의해 제공된 정보를 포함한다.

몇몇 실시예들에서, 추출된 기준 패턴과 연관된 메타데이터 정보는 상기 설명된 바와 같이, 결함 유형 분류와 같은, 결함 정보를 포함한다.

몇몇 실시예들에서, 경험적 데이터 포인트에 대한 메타데이터, 원 측정 데이터, 및 산출된 메트릭들은 패턴 추적 데이터베이스의 표에 저장된다. 예를 들면, 주어진 기준 패턴에 대한 로우에서 특정한 경험적 데이터 포인트에 대응하는 셀은 특정한 데이터 포인트에 관계된/대응하는 메타데이터를 포함하는 또 다른 표에 대한 링크를 포함할 수 있다. 또 다른 예시적인 실시예에서, 패턴 추적 데이터는 각각의 기준 패턴(예로서, 기준 패턴들에 대한 이미지 윤곽들의 분석에 기초하여 과장된)에 대한 전체 통계들 또는 다른 정보의 요약을 포함하는 요약 데이터 분석 표를 포함한다. 각각의 기준 패턴은 상기 설명된 메타데이터, 원 측정 데이터, 및 산출 메트릭들과 같은, 기준 패턴에 대응하는 경험적 데이터 포인트들에 대한 보다 철저한 데이터를 포함하는 표를 참조한다.

몇몇 실시예들에서, 디바이스, 웨이퍼, 또는 이미지에서 캡처된 다이의 적어도 부분에 매칭되는 설계 클립이 패턴 추적 데이터베이스로부터 패턴들을 포함한다고 결정된다면, 이들 구성 패턴들의 각각에 대한 충실도 스코어(또는 상이한 기준들에 기초한 다수의 스코어들)가 예를 들면, 상기 설명된 바와 같이, 추출된 윤곽들로부터 산출되며 패턴 추적 데이터베이스에 부가된다. 예로서, 3개의 패턴들(A, B, 및 C)이 설계 클립으로부터 추출되며 패턴 추적 데이터베이스에 포함되는 것으로 발견된다고 가정하자. 패턴들(A, B, 및 C)은 각각 하나 이상의 이전 고 분해능 이미지들로부터 그것들에 할당된 5개의 충실도 스코어들을 가져왔을 것이다. 새로운 이미지가 프로세싱된 후, 제 6 스코어가 이들 패턴들의 각각에 대한 패턴 추적 데이터베이스에 삽입된다. 그러나, 이미지의 추출된 윤곽들이 패턴 추적 데이터베이스에서 현재 존재하지 않는 제 4 패턴(D)을 포함한다면, 새로운 기준 패턴이 삽입될 것이다. 이것은, 사실상, 시간에 걸쳐 패턴 추적 데이터베이스의 자동 구축 및 기준 패턴들의 추적을 허용한다.

따라서, 새로운 기준 패턴들은 상기 설명된 바와 같이, 고 분해능 이미지들의 분석, 여기에서 "고 분해능 이미지 분해"로서 불리우는 프로세스에 기초하여 데이터베이스에 동적으로 부가될 수 있다. 상기 설명된 바와 같이, 고 분해능 이미지 파일들로부터 추출된 윤곽들은 설계 클립에 매칭되며 윤곽들에 대응하는 설계 클립은 관심 피처들(예로서, "중요한" 및/또는 "중대한" 피처들)의 존재에 대해 탐색된다. 설계 클립으로부터, 이들 피처들 주위에서 중심을 둔 패턴들이 추출된다. 추출된 기준 패턴들은, 그것들이 이미 추적되지 않았다면, 패턴 추적 데이터베이스에서 새로운 기준 패턴들로서 부가된다. 따라서, 패턴 추적 데이터베이스는 동적으로 업데이트되며, 고 분해능 이미지들 자체의 분석에 기초하여 결정된 고유한 기준 패턴들을 포함한다. 따라서, 특정한 기하학적 구조(관심 피처를 포함한)가 관찰될 때마다, 충실도 스코어 및 적절하다면, 임의의 다른 정보가 대응하는 기준 패턴에 대한 데이터베이스에 부가될 수 있다. 시간에 걸쳐, 보다 높은 분해능 이미지들이 프로세싱됨에 따라, 데이터베이스에서의 각각의 기준 패턴은 다수의 데이터 포인트들과 연관될 수 있다. 다양한 유형들의 분석은 그 후, 이하에서 추가로 상세히 설명될 바와 같이, 데이터를 사용하여 수행될 수 있다.

몇몇 실시예들에서, 추적될 기준 패턴들은 여기에서 "물리적 레이아웃 분해"로서 불리우는 프로세스의 부분으로서 데이터베이스에 부가되며, 여기에서 예를 들면, 데이터베이스를 사용하기 이전에(예로서, 레티클(마스크)이 제조되기 전에), 전-처리가 규정된 반경의 고유 패턴들의 세트로 물리적 레이아웃 파일을 분해하기 위해 수행된다. 패턴 추적 데이터베이스는 그 후 고유한 식별 패턴들을 사용하여 사전-실장된다. 물리적 레이아웃 분해의 하나의 예시적인 실시예에서, 전체 레이아웃은 관심 피처들을 식별하기 위해 상기 설명된 것들과 같은 피처 식별 규칙들을 사용하여 포괄적으로 스위핑/평가된다. 기준 패턴들은 상기 설명된 바와 같이, 패턴 추출 엔진(112)에 의해 수행된 것과 유사하게, 피처들의 중심 포인트들의 특정 부근 또는 반경들 내에서의 영역들을 추출하거나 캡처함으로써 관심 피처의 각각의 발생/위치에 대해 생성된다.

몇몇 실시예들에서, 패턴 그룹핑은 추출되는 패턴들 중에서 고유한 패턴들을 결정하기 위해 수행된다. 예를 들면, 식별된 패턴들의 모두는 관심 피처들을 포함하는 설계에서 단지 고유한 또는 별개의 패턴들만을 식별하기 위해 그룹핑되거나 중복-제거된다. 하나의 예로서, 전체 설계를 물리적으로 분해한 후, 중대한 및 중요한 피처들의 수백만 개의 발생들이 식별된다고 가정하자. 설계를 탐색하기 위해 사용되는 각각의 규칙은 다수의 매칭들을 야기할 수 있다. 예를 들면, 팁-대-에지 규칙을 실행한 후, 수백만 개의 팁-대-에지 피처들이 식별된다고 가정하자. 반경들이 팁-대-에지 피처들의 각각에 대해 연장될 때, 식별된 피처들의 각각을 둘러싸거나 그것을 캡슐화하는 수백만 개의 패턴들이 발생한다. 패턴 그룹핑은 고유한 또는 별개의 패턴들을 식별하기 위해 생성된 패턴들에 대해 수행된다. 예를 들면, 생성된 패턴들은 서로 비교되며, 동일한 것으로 결정되는 패턴들은 함께 그룹핑된다. 예를 들면, 추출된 수백만 개의 팁-대-에지 패턴들은 궁극적으로 설계에서 팁-대-에지 피처들을 가진 단지 2천 개의 고유 패턴들이 있음을 표시하는, 단지 2천 개의 그룹핑들을 야기할 수 있다. 비교는 고 분해능 이미지의 분석으로부터 도출된 패턴이 패턴 추적 데이터베이스에서 기존의 기준 패턴에 매칭되는지의 여부를 결정하기 위해 상기 설명된 방법을 사용함으로써와 같은, 그것들의 기하학적 구조들에 기초하여 패턴들을 매칭시킴으로써 이루어질 수 있다.

따라서, 패턴들의 반복된 인스턴스들은 고유한 및 별개의 패턴들을 결정하기 위해 식별되며 함께 그룹핑될 수 있다. 고유한 기준 패턴들은 그 후 패턴 추적 데이터베이스에 부가된다. 실장된 데이터베이스는 여기에서 설명된 바와 같이, 제작된 웨이퍼들/디바이스들에서 패턴들을 추적하기 위해 사용될 수 있다. 몇몇 실시예들에서, 물리적 레이아웃 분해는 레이아웃 분해 엔진(118)에 의해 수행된다.

고 분해능 이미지 분해에서, 추적될 기준 패턴들은 검사 단계 동안과 같은, 제작 프로세스 동안 실제 웨이퍼들로부터 취해진 이미지들의 분석에 기초하여 생성된다. 고 분해능 이미지 분해가 사용될 때, 데이터베이스에 의해 추적되는 패턴들의 수는 처음에 물리적 레이아웃 분해에 비교하여 더 낮을 수 있다. 이것은 부가되는 패턴들이 획득되며 프로세싱되는 고 분해능 이미지들에 의존하거나 의지할 것이기 때문이다. 그러나, 패턴 추적 데이터베이스에서 부가되는 각각의 기준 패턴은 적어도 하나의 경험적 데이터 포인트에 대한 정보와 연관될 것이다. 다른 한편으로, 물리적 레이아웃 분해에서, 데이터베이스는 데이터가 아직 수집되지 않은 기준 패턴들을 갖고 초기화되며, 기준 패턴들에 대한 경험적 데이터는 특정한 기준 패턴들을 포함한 고 분해능 이미지들이 관찰될 때까지 부가되지 않는다. 그것은 실제 데이터가 패턴 추적 데이터베이스에서의 기준 패턴들의 모두에 대해 획득되지 않을 경우일 수 있다(예로서, 데이터베이스에서의 몇몇 로우들은 비어 있을 것이다). 이것은, 예를 들면, 결함이 기준 패턴에 대응하는 제작된 웨이퍼들의 부분들에서 결코 발생되지 않기 때문에, 또는 SEM 리뷰 이미지들의 획득된 서브-샘플이 기존의 기준 패턴들에 매칭되는 패턴들을 포함하지 않기 때문에, 발생할 수 있다. 시간에 걸쳐, 그러나, 점점 더 많은 웨이퍼들이 제작될수록(즉, 제작된 웨이퍼들의 수가 커질수록), 점점 더 많은 경험적 데이터가 패턴 추적 데이터베이스를 실장하기 위해 수집되며 사용된다.

하나의 실시예에서, 패턴 추적 데이터베이스는 물리적 레이아웃 분해에 의해 실장될 수 있다. 또 다른 실시예에서, 패턴 추적 데이터베이스는 고 분해능 이미지 분해에 의해 실장될 수 있다. 또 다른 실시예에서, 패턴 추적 데이터베이스는 상기 언급된 기술들의 조합에 의해 실장될 수 있다.

다음은 시스템(100)이 획득된 이미지를 프로세싱하며 패턴 추적 데이터베이스를 업데이트하기 위해 사용되는 예시적인 시나리오이다. 예를 들면, SEM 이미지가 수신된다고 가정하자. SEM 이미지의 윤곽들이 추출되며 기준 레이아웃 또는 기준 설계의 대응 부분에 동조된다. 예를 들면, SEM 이미지가 2 마이크론들 × 2 마이크론들의 시야를 가진다고 가정하자. SEM 이미지는 기준 설계의 어떤 부분이 SEM 이미지에 대응하는지를 결정하기 위해 기준 설계에 동조된다. 설계로부터의 매칭되는 2 마이크론 × 2 마이크론 클립이 리프트된 설계 클립으로서 물리적 레이아웃 파일로부터 식별되며 리프트된다. 규칙-기반 탐색이 리프트된 설계 클립에 대해 실행된다. 예를 들면, 팁-대-에지 규칙을 실행한 후, 리프트 섹션에서의 두 개의 위치들이 관심 피처들(예로서, 중대한 및 중요한)인 것으로 규칙에 의해 플래그된다고 가정하자. SEM 이미지의 윤곽 추출이 수행되었으므로, 이들 위치들에 대응하는 윤곽들이 추출될 수 있다. 몇몇 실시예들에서, 추출된 윤곽들은 관심 피처들의 추출된 윤곽들에서의 위치들을 결정하기 위해 리프트된 설계 클립의 대응 위치들에 중첩된다. 다른 실시예들에서, 설계 클립에서의 관심 피처들의 위치들이 식별된다(예로서, 규칙-기반 패턴 탐색에 의해 제공된 좌표들을 사용하여). 추출된 윤곽들에서의 피처의 대응 위치(설계 클립에 동조되는)가 또한 식별된다. 식별된 관심 피처들의 위치들에서의 추출된 윤곽들은 기준 설계에서의 그것들의 대응 위치들에 비교된다. 예를 들면, 피처의 관찰된(예로서, 인쇄된) 치수들은 측정될 수 있으며, 피처의 의도된 치수들이 계산될 수 있다(예로서, 기준 설계로부터). 추출된 윤곽과 의도된 설계 사이에서의 편차가 그 후 결정될 수 있다. 충실도 스코어들이 또한 산출될 수 있다. 임의의 이상 현상들이 또한 결정될 수 있다. 결함 검출 및 분류가 또한 수행될 수 있다(예로서, SEM 이미지에서의 위치들 중 하나 양쪽 모두가 브리지들, 브레이크들, 풀백들 등인지를 결정하기 위해).

질의/보고 엔진(122)은 패턴 추적 데이터베이스에 저장된 데이터의 질의 및 보고를 용이하게 하도록 구성된다. 예를 들면, 새로운 세트의 패턴 충실도 스코어들이 패턴 추적 데이터베이스로 삽입될 때(예를 들면, 특정한 제조 단계에서 특정한 웨이퍼로부터 모든 고 분해능 이미지들이 분석된 후), 패턴 품질 동향 보고가 자동으로 생성되고 내보내질 수 있다. 하나의 실시예에서, 새로운 세트들의 패턴들 및 패턴 충실도 스코어들이 제조 또는 제작 흐름에서 고 분해능 이미지들을 생성하는 툴들과 인라인으로 패턴 추적 데이터베이스에 삽입된다. 이것은 제조 라인이 본 발명의 시스템에 의해 계산된 패턴 충실도 메트릭들 및 패턴 충실도 동향들에 기초하여 실시간으로 모니터링되고 및/또는 제어되도록 허용한다. 보고 내보내기의 예들은, 이에 제한되지 않지만 다음을 포함한다: (a) 보고는 자동화된 라인 제어를 위한 팹의 제조 실행 시스템(MES)으로 내보내질 수 있고, (b) 보고는 파일로서 디스크에 저장될 수 있고, (c) 보고는 이메일과 같은 푸시 메커니즘들을 통해 하나 이상의 사용자들에게 전송될 수 있으며, (d) 보고는 웹사이트(예로서, 인트라넷 웹사이트, 인터넷 웹사이트 등)로 공개될 수 있다.

패턴 추적 데이터베이스에서 수집되고 저장된 경험적 데이터의 추가 분석이 또한 추가 분석 엔진(120)을 사용하여 수행될 수 있다. 예를 들면, 상기 설명된 바와 같이, 식별된 피처들(추출된 기준 패턴들에 포함되는)과 연관된 원 측정 데이터, 충실도 스코어들, 결함 검출/분류, 및 메타데이터는 다양한 유형들의 분석들을 수행할 뿐만 아니라 다양한 메트릭들을 산출하기 위해 사용될 수 있다. 예를 들면, 저장된 데이터를 사용하여, 제작된 웨이퍼들/디바이스들이 어떻게 그것들의 의도된 설계에 비교하는지에 대한 평가가 결정될 수 있다. 저장된 데이터는 또한 예측적 목적들을 위해, 예를 들면, 설계의 무슨 영역들이 수율에 영향을 주는지를 결정하기 위해 사용될 수 있다.

하나의 예로서, 패턴 추적 데이터베이스에 의해 추적된 주어진 기준 패턴에 대해, 총 메트릭들 또는 통계들은 기준 패턴에 관계된 수집된 경험적 데이터에 기초하여 결정될 수 있다. 예를 들면, 주어진 기준 설계 패턴에 대한 총 충실도 스코어는 상기 기준 패턴에 대해 수집된 경험적 데이터를 사용하여 계산될 수 있다. 이하에서 추가로 상세히 설명될 바와 같이, 이러한 정보는 패턴의 강점/약점을 평가하기 위해 사용될 수 있다. 총 충실도 스코어는 보다 많은 데이터 포인트들이 획득됨에 따라 업데이트될 수 있다. 몇몇 실시예들에서, 총 충실도 스코어는 데이터를 이용할 질의가 수신될 때 결정된다.

또 다른 예로서, 기준 패턴들에 대한 경험적 데이터의 통계적 분석이 수행될 수 있다. 예를 들면, 평균들, 분포들, 표준 편차들 등과 같은, 다양한 통계 측정치들이 산출될 수 있다. 팁-대-에지 피처를 포함하는 패턴의 예에서, 다수의 경험적 데이터 포인트들에 걸쳐 팁들과 에지들 사이에서의 측정된 갭들의 통계적 분석은, 예를 들면, 갭 측정들의 분포, 평균 제작된 갭이 무엇인지, 갭들의 표준 편차 등을 결정하기 위해 수행될 수 있다. 또 다른 예로서, 관찰된 갭들의 상자 그림 또는 산점도가 생성되며 보고에서 출력으로서 제공될 수 있어서, 패턴/관심 피처에 대한 경험적 데이터의 시각화를 허용한다.

패턴 추적 데이터베이스에 저장되는 수집된 또는 산출된 경험적 데이터는 다양한 방식들로 질의하기 위해(예로서, 질의/보고 엔진(122)을 통해) 이용 가능해진다. 예를 들면, 그래픽 사용자 인터페이스(GUI)가 제공될 수 있다. 또 다른 예로서, 명령어 라인 지시들이 데이터를 액세스하기 위해 사용될 수 있다. 데이터는 다양한 기준 패턴들과 연관된 다양한 데이터 포인트들에 대해 저장된 메타데이터 속성들과 같은, 다양한 속성들에 따라 질의되고/분할될 수 있다. 하나의 예로서, 사용자는 특정한 웨이퍼에 관계된(예로서, 웨이퍼 id에 의해) 원 데이터에 대해 질의할 수 있다. 또 다른 예로서, 사용자는 특정한 날짜/시간(예로서, 마스크 수정 전 및 후)에 관계된 원 데이터에 대해 질의할 수 있다. 데이터는 적절하다면, 메타데이터의 임의의 조합에 따라 분할될 수 있다.

몇몇 실시예들에서, 패턴 추적 데이터베이스에 저장된 정보는 예를 들면, 제작의 어떤 영역들이 약하고, 무엇이 약하지 않은지 등을 결정하도록 제조사의 제작 라인의 능력을 평가하기 위해 사용될 수 있다. 몇몇 실시예들에서, 약 패턴들은 제작이 의도된 설계에 가깝게 반복적으로 및 지속적으로 매칭되지 않은 것들인 반면, 강 패턴들은 그것의 제작이 의도된 설계에 가깝게 반복적으로 및 지속적으로 매칭되는 것들이다. 몇몇 실시예들에서, 패턴의 약점/강점은 패턴들에 대해 산출된 충실도 스코어들에 기초하여 결정된다. 몇몇 실시예들에서, 패턴이 약한지 또는 강한지에 대한 결정은 대응하는 경험적 데이터의 통계적 분석에 기초한다. 패턴들의 약점/강점을 결정하는 예가 도 8과 함께 이하에서 추가로 상세히 설명된다.

패턴 강점/약점 정보는 그 후 사용자에 의해 액세스될 수 있다. 예를 들면, 데이터베이스는 약 스코어들을 가진 모든 패턴들을 리턴하기 위해 질의될 수 있다. 또 다른 예로서, 가장 약한 것에서 가장 강한 것으로 기준 패턴들의 랭크된 리스트가 리턴될 수 있다. 대안적으로, 추적된 기준 패턴들에 대한 경험적 데이터의 모두 또는 일부가 질의될 수 있으며 산출이 패턴들의 전체 강점 또는 약점을 평가하기 위해 요구 시 수행될 수 있다. 가장 약한 제작을 가진 패턴들은 그 후 예를 들면, 검사 동안 우선 처리될 수 있다. 정보는 그 후 제작 프로세스에 대해 이루어질 수정들을 결정하기 위해 피드백될 수 있다. 예를 들면, 정보는 그것들이 요구된다면 마스크 수정들을 수행할 수 있도록 OPC(광 근접 보정) 리소그래피 팀들/엔지니어들에 제공될 수 있다. 이러한 강/약 패턴 정보는 또한 설계자들에 제공될 수 있어서, 그들이 무슨 기하학적 구조들이 저조하게 산출하는지를 이해하도록 허용한다. 설계자들은 그 후 그에 따라 레이아웃을 변경할 수 있다.

패턴 추적 데이터베이스에 저장된 정보를 이용하는 또 다른 예로서, 마스크 수정의 효과들을 평가하기 위해, 패턴 추적 데이터베이스는 마스크 수정 전 및 후에 데이터에 대해 질의될 수 있다. 예를 들면, 정보/기록들은 날짜/시간에 의해(예로서, 경험적 데이터 포인트가 검사/캡처된 때를 표시하는 저장된 날짜/시간스탬프 메타데이터를 사용하여) 질의될 수 있다. 경험적 데이터는, 예를 들면, 날짜 및 시간에 따라 그룹핑될 수 있다(예로서, 여기에서 사용자는 날짜/시간 범위들을 특정할 수 있다). 시간스탬프들은, 예를 들면, 마스크 수정 전 및 후 양쪽 모두에서 기준 패턴들에 관한 메트릭들/통계들을 산출하며 보기 위해 사용될 수 있다. 예를 들면, 마스크 수정 전 및 후에 패턴들의 약점/강점에서의 차이들(즉, 패턴이 열악하게 또는 잘 산출하는지 여부)이 시각화되며 비교될 수 있다. 마스크 수정의 영향을 평가하기 위한 프로세스의 예시적인 실시예는 도 10b와 함께 설명된다.

상기 설명된 바와 같이, 보고들은 패턴 추적 데이터베이스에 저장된 데이터에 기초하여 생성될 수 있다. 보고들은 스프레드시트들, 쉼표 분리 값들(comma separated values; CSV) 파일들, HTML 보고들 등과 같은, 다양한 포맷들로 내보내질 수 있다. 생성될 수 있는 보고의 하나의 예는 패턴 추적 데이터베이스에 의해 추적된 고유 패턴들, 패턴들에서 피처들의 의도된 치수들, 및 제작된 웨이퍼들로부터 측정된 실제 치수들의 모두를 열거한다. 몇몇 실시예들에서, 보고들은 정보(예로서, 사용자에 대해 질의되거나 그것에 의해 요청되는)를 요약함으로써 생성된다. 예를 들면, 특정한 웨이퍼에 대해 발생한 것을 요약하는 보고(예로서, 대응하는 로트 및 웨이퍼 id들과 연관되는 패턴 데이터를 사용하여)가 생성될 수 있다. 보고들은 패턴 추적 데이터의 시각화들을 제공하기 위해 또한 사용될 수 있다. 예를 들면, 수행된 통계적 분석의 시각화(예로서, 분포들, 평균들, 표준 편차들, 히스토그램들 등의 플롯들/그래프들)가 생성될 수 있다. 이러한 플롯들의 예들은 도 8과 함께 이하에서 추가로 상세히 설명된다.

패턴 추적 데이터베이스가 생성되면(및 새로운 고 분해능 이미지들이 프로세싱됨에 따라 계속해서 업데이트되면), 데이터베이스의 다양한 애플리케이션들이 실현될 수 있다. 예를 들면, 패턴 추적 데이터베이스에 수집되고 저장된 정보는 상기 설명된 바와 같이, 제작(및 설계) 프로세스의 다양한 단계들에 지능적 피드백을 제공하기 위해 사용될 수 있다. 이러한 애플리케이션들의 추가 예들이 이하에 설명된다.

예를 들면, 제작 프로세스에서 변경 또는 수정에 이어서, 포토마스크들(예로서, 의도된 물리적 레이아웃들을 갖고 새겨진 유리 판들) 및/또는 프로세스 조건들이 수정될 때, 인쇄된 패턴의 충실도(또는 경험적 스코어)에 대한 이들 수정들의 영향이 평가되며 추적될 수 있다. 또한, 약하거나 강한 것으로 간주되는 패턴들이 이들 시뮬레이션 모델들의 정확도를 평가하기 위해 팹의 포토리소그래피 시뮬레이션 결과(예로서, 광 근접 보정(OPC), 광학 규칙 검사(ORC))에 대해 비교될 수 있다.

뿐만 아니라, OPC 및 ORC 모델들이 약 패턴들을 과대-예측하거나 과소-예측할 수 있으므로, 실제 경험적 데이터와의 비교는 보다 양호하며 보다 안정된 피드백 루프를 제공하며 보다 양호한 시뮬레이션 모델 및 그러므로 개선된 포토마스크 또는 물리적 레이아웃을 야기한다. 더욱이, 약 패턴들 및 잠재적 약 패턴들의 위치들에 대한 지식은 검사, 계측학, 및 이미징 툴들을 이들 위치들로 향하게 하기 위해 사용될 수 있다.

또 다른 예로서, 패턴 추적 데이터베이스는 그것의 전체 충실도 스코어들이 특정 임계치보다 낮은 패턴들, 또는 그것의 개개의 충실도 스코어들이 보다 낮은 경향이 있는 패턴들에 대해 질의될 수 있다. 이러한 정보는, 이에 제한되지 않지만, (a) 웨이퍼 검사들에 대한 주의 영역들의 생성, (b) 리뷰 SEM들 및 E-빔 툴들과 같은 툴들을 통해 타겟팅된 고 분해능 이미징을 이한 위치들의 생성, (c) 임의의 형태-관련 원인을 식별하기 위한 약(또는 약해진) 패턴들의 기하학적 분석, (d) 이들 약(또는 약해진) 패턴들 중 하나 이상을 포함할 수 있는 새로운 디바이스의 제조 가능성을 평가하는 것을 포함한 다양한 목적들을 위해 사용될 수 있다.

또 다른 예로서, 하나의 실시예에서, 기준 패턴 및 추출된 윤곽의 분석 및 오버레이는 물리적 레이아웃(의도된 또는 기준 설계) 상에서의 결함(고-분해능 이미지에서 발견된 바와 같이)의 정확한 위치를 결정하는 것을 용이하게 한다. 이것은 제조 결함에 의해 영향을 받은 물리적 레이아웃에서의 정확한 다각형(들)을 식별한다. 이러한 정확한 정보는 새로운 수율 강화 기회들을 연다. 예를 들면, 검사 장비에 의해 보고된 바와 같이 결함의 (x,y) 위치로부터 측정 에러를 감소시키거나 제거하는 것이 가능해진다. 또 다른 예로서, 실제 제조 프로세스 동안 인라인 검사 툴들에 의해 캡처된 결함들에 제조 프로세스의 끝으로부터의 전기적 결함 진단 결과들을 정확하게 매핑시키는 것이 가능해진다. 전기적 결함 진단 결과들이 물리적 레이아웃 내에서 네트들의 정확한 위치들을 알며, 동일한 물리적 레이아웃 내에서 제조 결함들의 정확한 위치들을 아는, 물리적 레이아웃 파일에 매핑되는 '후보 네트들'의 세트로 변환될 수 있으므로, 두 개 사이에서 원인-결과 관계가 있을 수 있는지를 결정하는 것이 가능해진다. 제 3 예로서, 기준 설계상에서의 결함의 정확한 위치는 기준 설계의 실제 영향을 받은 다각형 또는 다각형들을 식별한다. 그 후 영향 사이트에 대한 다음의 유형들의 정보 중 임의의 것을 결정하기 위한 "네트 트레이스" 동작을 수행하는 것이 가능해진다: (a) 상기 사이트로부터의 전기적 연결이 영향 사이트에서의 결함이 칩을 "없애지(kill)" 않도록 대안적 또는 이중 전기적 연결의 존재로 인해 여전히 실행 가능한지 여부, (b) 영향 사이트에서의 다각형이 활성 (확산) 층으로 또는 폴리 층으로 또는 임의의 다른 관심 층으로 연결할지 여부. 연결 엔드포인트에 대한 지식은 전압-대비(VC) 모델에서 동작하는 E-빔 검사 툴에 의해 보고된 "암 VC" 결함들이 실제 결함들인지 또는 '불확실한' 결함들인지를 결정하기 위해 사용될 수 있다.

몇몇 실시예들에서, 시스템(100)에 의해 수행된 프로세싱은 인라인으로 수행되며, 제작 프로세스에 대한(예로서, 기록의 계획들에 대한) 변화들의 양을 최소화하는 비-방해적 방식으로 제작 프로세스와 통합(예로서 플러그 앤 플레이)된다.

시스템(100)은 도 1에서 단일 로직 디바이스로서 도시된다. 몇몇 실시예들에서, 시스템(100)은 표준 상업적으로 이용 가능한 서버 하드웨어(예로서, 다중-코어 프로세서, 4+ 기가바이트들의 RAM, 및 하나 이상의 기가비트 네트워크 인터페이스 어댑터들)를 포함하며 통상적인 서버-클래스 운영 시스템들(예로서, 리눅스), 뿐만 아니라 자바 HTTP 서버 소프트웨어 스택을 실행한다. 시스템(100)은 또한 확장 가능한, 탄력적 아키텍처를 사용하여 구현될 수 있으며 하나 이상의 제 3 자들에 의해 제공된 구성요소들을 포함하여, 여러 개의 분산된 구성요소들을 포함할 수 있다. 뿐만 아니라, 시스템(100)이, 데이터를 저장하거나 데이터를 프로세싱하는 것과 같은, 태스크를 수행하는 것으로서 여기에서 나타내어질 때, 시스템(100)의 서브-구성요소 또는 다수의 서브-구성요소들(개별적으로 또는 제 3 자 구성요소들과 협력하는지에 관계없이)은 상기 태스크를 수행하기 위해 협력할 수 있다.

도 2a는 반도체 디바이스 제작 프로세스 동안 패턴 추적을 위한 프로세스의 실시예를 도시한 흐름도이다. 몇몇 실시예들에서, 프로세스(200)는 도 1의 시스템(100)을 사용하여 실행된다. 몇몇 실시예들에서, 프로세스(200)는 고 분해능 이미지들로부터 윤곽들을 추출하고, 그것들을 물리적 레이아웃에 동조시키며, 고 분해능 이미지에서 캡처된 설계의 부분에 대응하는 설계 클립을 패턴 추적 데이터베이스에서 추적하기 위한 패턴들로 분해하기 위해 사용될 수 있다. 상기 설명된 바와 같이, 패턴은 물리적 레이아웃 파일로부터 또는 다이의 적어도 부분의 고 분해능 이미지에 매칭되는 것으로서 식별된 물리적 레이아웃 파일의 일 부분으로부터 추출되는 하나 이상의 피처들을 포함한다. 피처는, 실시예에서, 라인 또는 다각형 형태에 의해 정의되며, 여기에서 형태는 전자 회로(예로서, 제한 없이, 트랜지스터, 커패시터, 레지스터, 전자 상호 연결, 논리 게이트 등, 또는 그것의 조합)의 적어도 부분을 나타낸다. 피처는 또한 라인들 또는 다각형 형태들 사이에서의 간격에 의해 정의될 수 있다.

프로세스는 제작 동안 웨이퍼의 고 분해능 이미지가 획득될 때, 202에서 시작된다. 고 분해능 이미지들은 테스트 또는 제작 웨이퍼들의 이미지들을 포함할 수 있으며, 웨이퍼의 큰 또는 작은 면적들을 스패닝할 수 있다. 다양한 실시예들에서, 고 분해능 이미지들은 적절하다면, E-빔 툴들, SEM 결함 리뷰 툴들, 또는 충분한 분해능을 갖고 이미지들을 생성할 수 있는 임의의 다른 툴을 사용하여 생성된다. 하나의 예로서, 검사 툴은 결함들의 좌표들을 보고한다. 좌표들은 측정 에러의 정도를 포함할 수 있으며 결함 자체는 관심이 있거나 없을 수 있다. 보고된 결함들의 서브세트의 고 분해능 이미지들은 예를 들면, SEM 결함 리뷰 툴을 사용하여 생성된다. SEM 결함 리뷰 툴에 의해 생성된 고 분해능 이미지들은 추가 프로세싱을 위해 획득된다.

204에서, 윤곽 추출이 획득된 고 분해능 이미지에 대해 수행된다. 몇몇 실시예들에서, 이미지에서 캡처된 인쇄된 패턴들의 윤곽들이 추출되며, 여기에서 윤곽들은 이미지에서 캡처된 제작된 웨이퍼 상에 형성된 전자 회로의 인쇄 패턴들의 폐쇄 곡선들/경계들이다. 몇몇 실시예들에서, 윤곽 추출은 고 분해능 이미지에서 캡처된 인쇄 패턴들의 경계들의 다각형 표현을 추출하는 것을 포함한다. 윤곽들은, 상기 설명된 바와 같이, 예를 들면, 에지 검출에 기초하여 식별될 수 있다.

몇몇 실시예들에서, 고 분해능 이미지에 부가된 임의의 텍스트 또는 그래픽 주석(예로서, 캡처링 툴에 의해)은 상기 설명된 바와 같이, 고 분해능 이미지로부터의 윤곽들이 추출되기 전에 제거된다.

206에서, 고 분해능 이미지의 추출된 윤곽들은 기준 설계에 동조되고/매칭된다. 몇몇 실시예들에서, 기준 설계는 제작되는 반도체 디바이스의 물리적 레이아웃이다. 물리적 레이아웃 파일들의 예들은 그래픽 데이터 시스템(GDS)/개방 아트워크 시스템 상호 교환 표준(OASIS) 파일들을 포함한다.

몇몇 실시예들에서, 기준 설계에 고 분해능 이미지의 추출된 윤곽들을 동조시키는 것은 기준 설계의 어떤 섹션이 획득된 이미지에서 캡처된 인쇄 패턴들의 추출된 윤곽들과 매칭되는지를 결정하는 것을 포함한다. 이것은 기준 설계의 다양한 부분들에 추출된 윤곽들을 비교하며 추출된 윤곽들과 기준 설계의 섹션 사이에서 최적합을 식별함으로써 수행될 수 있다. 매칭 섹션의 비교 또는 결정은 상기 설명된 바와 같이 비트맵들 및/또는 벡터화, 또는 적절하다면, 임의의 다른 기술들을 사용하여 수행될 수 있다. 하나의 실시예에서, 윤곽들이 추출된 고 분해능 이미지의 좌표들은 기준 설계에서의 탐색을 위한 시작 포인트로서 사용된다. 좌표 측정 에러들(예로서, 검사 툴들에 의해 도입된)은 상기 설명된 바와 같이, 보상받을 수 있다. 윤곽들이 기준 설계와 매칭된다면, 매칭된 섹션(즉, 추출된 윤곽들이 물리적 레이아웃과 매칭되는 경우)은 리프트된다(또한 여기에서 리프트된 설계 클립, 또는 리프트 섹션으로서 불리우는).

208에서, 리프트된 설계 클립은 하나 이상의 기준 패턴들로 분해된다. 몇몇 실시예들에서, 리프트된 설계 클립은 리프트된 설계 클립에서 관심 피처들을 식별함으로써 분해된다. 상기 설명된 바와 같이, 몇몇 실시예들에서, 규칙-기반 탐색이 팁-대-에지 또는 밀집한 얇은 라인들 등과 같은, 관심 피처들을 식별하기 위해 매칭된 섹션에 대해 실행된다. 하나 이상의 관심 피처가 매칭된 섹션 내에서 식별될 수 있다.

리프트된 설계 클립에서 각각의 관심 피처는 고 분해능 이미지로부터 추출된 바와 같이 관심 피처의 윤곽들에 비교된다. 이것은 그것이 설계 또는 레이아웃에서 의도되었던 바와 같이 피처에 대한, 인쇄된 대로의, 피처의 비교를 허용한다. 몇몇 실시예들에서, 비교를 수행하는 것은 리프트된 설계 클립에서 관심 피처의 치수들을 결정하는 것(즉, 기준 설계에서 정의된 바와 같이, 관심 피처의 의도된 치수들을 결정하는 것) 및 관심 피처의 추출된 윤곽들의 치수들을 측정하는 것(즉, 그것이 실제로 제작/인쇄된 대로 관심 피처의 치수들을 측정하는 것)을 포함한다. 예를 들면, 설계 클립에서의 관심 피처의 위치를 사용하여(규칙-기반 탐색을 사용하여 결정된), 이미지의 추출된 윤곽들에서 관심 피처의 대응하는 위치가 또한 식별될 수 있다(윤곽들이 기준 설계와 동조되었기 때문에). 이것은 제작된 대로의, 관심 피처의 윤곽들이 식별되도록 허용한다.

제작된 대로의, 관심 피처의 측정된 치수들은, 기준 설계에서 특정된 바와 같이, 관심 피처의 의도된 치수들에 대해 비교된다. 몇몇 실시예들에서, 의도된 및 실제 측정들 사이에서의 편차, 또는 차이, 또는 비교, 또는 델타가 산출된다. 몇몇 실시예들에서, 상기 설명된 바와 같이, 충실도 스코어가 원 측정들을 사용하여 산출된다. 하나의 실시예에서, 충실도 스코어는 주어진 물리적 레이아웃 파일에서 주어진 패턴(관심 피처를 포함하는)의 인쇄 적성 및 안정성을 표시하는 메트릭이다.

이하에서 추가로 상세히 설명될 바와 같이, 실제 또는 제작된 피처의 치수들과 피처의 의도된 치수들 사이에서의 편차는 결함이 발생하였는지의 여부를 결정하기 위해 사용될 수 있다. 몇몇 실시예들에서, 결함의 유형은, 상기 설명된 바와 같이, 결정될 수 있다. 측정들/비교들에 기초하여, 실패가 발생하였는지의 여부가 또한 결정될 수 있다. 시간에 걸쳐 수집된 다수의 경험적 데이터 포인트들에 걸쳐 총합된 측정들은 또한 상기 설명된 바와 같이, 관심 피처 주위에서 생성된 패턴이 강한지 또는 약한지를 결정하기 위해 사용될 수 있다.

충실도 스코어들을 추론하기 위해 인쇄 피처들 대 그것들의 의도된 설계의 비교의 예시적인 실시예가 도 7과 함께 설명된다.

리프트된 설계 클립에서 식별된 각각의 관심 피처에 대해, 주어진 관심 피처에 중심을 둔 주변 패턴은 추출된 기준 패턴으로서 리프트된 설계 클립으로부터 추출된다. 상기 설명된 바와 같이, 하나의 실시예에서, 추출된 기준 패턴은 식별된 관심 피처의 이웃으로부터 직접 리프트된다. 하나의 예로서, 관심 피처의 위치의 중심 포인트가 결정된다. 관심 피처의 특정된 반경 내에서의 면적은 추출된 기준 패턴으로서 리프트된 설계 클립으로부터 추출된다. 이것은 매칭된 설계 섹션의 패턴들로의 분해를 야기한다. 몇몇 실시예들에서, 설계 클립으로부터 추출된 패턴들에 대응하는 이미지의 부분들의 윤곽들이 또한 추출된다.

각각의 추출된 기준 패턴은 추출된 기준 패턴에 중심을 둔 피처에 관계된 관찰된 또는 경험적 정보와 연관된다. 이것은 인쇄된 대로의 관심 피처의 치수들의 원 측정, 임의의 산출된 메트릭들(예로서, 델타들, 충실도 스코어들 등), 뿐만 아니라 획득된 이미지로부터 도출된 바와 같이 인쇄된 관심 피처에 대한 윤곽들을 포함할 수 있다. 주어진 추출된 기준 패턴은 또한 경험적 데이터가 수집된 웨이퍼에 대한 로트 ID, 추출된 기준 패턴에 중심을 둔(설계 및/또는 웨이퍼에서) 관심 피처의 X, Y 좌표, 디바이스 식별자, 층 식별자, 시간스탬프(예로서, 웨이퍼의 검사가 수행된 때의), 웨이퍼의 검사가 수행된 제조 단계 등과 같은, 다른 대응하는 메타데이터와 또한 연관될 수 있다.

다양한 실시예들에서, 관심 피처에 중심을 둔 주변 패턴의 추출 및 고 분해능 이미지로부터 추출된 바와 같이 관심 피처의 윤곽들에 대한 리프트된 설계 클립에서의 관심 피처의 비교가 적절하다면, 임의의 순서로 수행될 수 있다.

210에서, 패턴 추적 데이터베이스는 리프트된 설계 클립의 분해의 결과로서 생성된 패턴들의 적어도 일부에 관계된 정보를 갖고 업데이트된다. 몇몇 실시예들에서, 데이터베이스를 업데이트하는 것은, 상기 설명된 분해의 결과로서 생성된 각각의 추출된 기준 패턴에 대해, 추출된 기준 패턴이 패턴 추적 데이터베이스에서 이미 추적되었는지의 여부(예로서, 패턴 추적 데이터베이스에서 기존의 기준 패턴과 매칭되는지)를 결정하는 것을 포함한다. 몇몇 실시예들에서, 이것은 패턴 추적 데이터베이스에서 추적되는 기존의 기준 패턴들의 기하학적 구조들에 대해 추출된 기준 패턴(고 분해능 이미지로부터 도출되거나 변환된)의 기하학적 구조를 비교하는 것을 포함한다.

추출된 기준 패턴이 이미 추적되었다면(즉, 추출된 기준 패턴이 패턴 추적 데이터베이스에서의 기존의 기준 패턴에 매칭되는 것으로 발견된다면), 추출된 기준 패턴에 중심을 둔 관심 피처에 관계된 또는 그것과 연관된 정보가 매칭된 기존의 기준 패턴에 대한 경험적 데이터로서 데이터베이스에 저장된다. 예를 들면, 패턴 추적 데이터베이스에 저장된 정보는 상기 설명된 바와 같이, 관심 피처의 추출된 윤곽들, 인쇄된 대로의, 원 측정 데이터, 충실도 스코어, 메타데이터, 및 다른 데이터를 포함할 수 있다.

추출된 기준 패턴이 이미 추적되지 않았다면(즉, 추출된 기준 패턴이 패턴 추적 데이터베이스에서의 임의의 기존의 기준 패턴들에 매칭되는 것으로 발견되지 않았다면), 몇몇 실시예들에서, 추출된 기준 패턴은 추적될 새로운 기준 패턴으로서 패턴 추적 데이터베이스에 부가된다. 추출된 기준 패턴에 중심을 둔 관심 피처에 관계된 정보(예로서, 상기 설명된 바와 같이, 관심 피처의 대응 윤곽들, 원 측정 데이터, 충실도 스코어, 메타데이터 등)는 또한 새롭게 생성된 기준 패턴에 대한 경험적 데이터로서 저장된다.

시간에 걸쳐, 제작 웨이퍼들의 점점 더 많은 이미지들이 프로세싱됨에 따라, 패턴 추적 데이터베이스는 패턴 추적 데이터베이스에 의해 추적되는 기준 패턴들에 관한 보다 많은 경험적 데이터를 갖고 실장된다. 다양한 유형들의 분석이 패턴 추적 데이터베이스에 저장된 정보를 사용하여 수행될 수 있다. 예를 들면, 결함 검출 및 분류가 수행될 수 있다. 예를 들면, 다이의 일 부분의 이미지의 추출된 윤곽들은 편차들이 발생한 위치들을 결정하기 위해 기준 설계와 비교된다. 결정은 이들 위치들이 사실상 결함들인지에 대해 이루어질 수 있다. 검출된 결함들은 그것들의 유형(예로서, 하드 브레이크, 하드 브리지, 라인 풀 백, 부분 브레이크, 부분 브리지 등과 같은 하드 또는 소프트 결함들)에 따라 분류될 수 있다.

결함 유형 분류는 그 후 패턴 추적 데이터베이스로 저장될 수 있다. 예를 들면, 코드 또는 결함 유형의 임의의 다른 적절한 식별자는 결함이 제작시 관찰되며 분류되는 기준 패턴과 연관된다. 몇몇 실시예들에서, 보고는 검출된 결함들, 그것들의 유형/분류, 및 결함들의 위치를 표시하는 출력으로서 제공될 수 있다.

패턴 추적 데이터베이스에 저장된 정보는 패턴들의 강점 및/또는 약점을 결정하는 것과 같은, 다른 유형들의 분석을 또한 수행하기 위해 사용될 수 있다. 예를 들면, 주어진 패턴의 강점 또는 약점은 주어진 패턴에 대해 수집된 경험적 데이터와 연관된 저장된 메트릭들을 분석함으로써 결정될 수 있다. 예를 들면, 주어진 패턴에 대해 산출된 다양한 충실도 스코어들의 분석(예로서, 통계적 분석)은 패턴 약점 또는 강점을 결정하기 위해 사용될 수 있다. 패턴 강점(또는 약점)을 결정하기 위해 충실도 스코어들 및 다른 경험적 데이터를 사용하는 예시적인 실시예들이 도 7 및 도 8과 함께 이하에서 추가로 상세히 설명된다.

몇몇 실시예들에서, 보고들은 패턴 추적 데이터베이스에 저장된 데이터에 기초하여 생성될 수 있다. 예를 들면, 패턴 품질 동향 보고들이 생성될 수 있다. 생성된 보고들은 그 후 내보내질 수 있다. 보고들은 다양한 방식들로, 예를 들면, 제조 실행 시스템들(MES)로, 디스크 상에 파일들을 생성하고, 보고들을 사용자(들)에 이메일링하고, 보고들을 웹사이트들에 공개하는 등에 의해 내보내질 수 있다. 보고들의 다른 예들은 HTML 보고들, 스프레드시트들, 및 패턴 추적 데이터베이스에 저장된 데이터의 시각화들(예로서, 통계적 분석, 그래프들, 플롯들 등)을 포함한다.

프로세스(200)를 사용하여 수행된 프로세싱의 예가 도 4에 예시된 예와 함께 설명된다.

도 2b는 반도체 디바이스 제작 프로세스 동안 패턴 추적을 위한 프로세스의 실시예를 도시한 흐름도이다. 몇몇 실시예들에서, 프로세서(250)는 도 1의 시스템(100)을 사용하여 실행되며 도 2a의 프로세스(200)의 대안 실시예이다. 프로세스는, 제작되는 웨이퍼의 고 분해능 이미지가 수신될 때, 252에서 시작된다. 몇몇 실시예들에서, 단계(252)는 도 2a의 프로세스 단계(202)를 사용하여 구현된다. 254에서, 윤곽 추출이 수신된 이미지에 대해 수행된다. 몇몇 실시예들에서, 단계(254)는 도 2a의 프로세스 단계(204)를 사용하여 구현된다. 256에서, 추출된 윤곽은 물리적 레이아웃 파일에 의해 설명된 바와 같이, 물리적 설계(258)에 동조된다. 상기 설명된 바와 같이, 몇몇 실시예들에서, 설계로의 이미지의 윤곽들의 동조는 추출된 이미지 윤곽들에 대응하는 설계의 매칭된 섹션의 결정을 야기한다. 몇몇 실시예들에서, 단계(256)는 도 2a의 프로세스 단계(206)를 사용하여 구현된다. 260에서, 설계의 매칭된 섹션에서 관심 피처들(예로서, 중대한 및 중요한 피처들)이 식별된다(예로서, 상기 설명된 바와 같이 규칙-기반 패턴 탐색을 사용하여). 262에서, 식별된 관심 피처에 대해, 인쇄된 대로의 피처의 윤곽들은(피처가 어떻게 제작되었는지를 반영하는) 그것이 물리적 설계 또는 물리적 레이아웃 파일에 따라 의도되는 바와 같이 피처에 비교된다. 264에서, 각각의 식별된 관심 피처에 대해, 인쇄된 대로의 피처의 치수들은 피처의 윤곽들을 사용하여 측정되며, 피처의 의도된 치수들이 결정된다(예로서, 물리적 레이아웃 파일/매칭된 섹션으로부터). 266에서, 각각의 식별된 관심 피처에 중심을 둔 주변 패턴들이 추출된다(예로서, 관심 피처의 반경 내에서의 영역이 각각의 식별된 관심 피처에 대해 추출된다). 몇몇 실시예들에서, 프로세스 단계들(260 내지 266)은 도 2a의 프로세스 단계(208)를 사용하여 구현된다. 268에서, 식별된 관심 피처들과 연관된 측정들, 메트릭들, 메타데이터, 및 관심 피처들을 둘러싸는 추출된 기준 패턴들은 패턴 추적 데이터베이스에 저장된다(예로서, 도 2a의 단계(210)에서 설명된 바와 같이, 패턴 추적 데이터베이스를 업데이트하는). 패턴 추적 데이터베이스에 저장된 정보는 다른 유형들의 분석을 수행하기 위해 사용될 수 있다. 예를 들면, 270에서, 결함 검출 및 결함들의 분류가 수행된다. 272에서, 결함들의 분류(예로서, 분류 코드에 의해 식별된)가 패턴 추적 데이터베이스에 저장된다.

프로세스(250)를 사용하여 수행된 프로세싱의 예가 도 4에 예시된 예와 함께 설명된다.

도 3은 물리적 레이아웃 분해를 수행하기 위한 프로세스의 실시예를 도시한 흐름도이다. 몇몇 실시예들에서, 프로세스(300)는 도 1의 시스템(100)의 레이아웃 분해 엔진(118)을 사용하여 실행된다. 프로세스는 기준 설계가 획득될 때 302에서 시작된다. 상기 설명된 바와 같이, 기준 설계들의 예들은 그래픽 데이터 시스템(GDS) 및 개방 아트워크 시스템 상호 교환 표준(OASIS) 파일들과 같은 물리적 레이아웃 파일들을 포함한다.

304에서, 관심 피처들은 획득된 기준 설계에서 식별된다. 예를 들면, 상기 설명된 바와 같이, "최소 라인 폭" 또는 "최소 라인 공간"과 같은 규칙들 또는 다른 중요한 및 중대한 피처들이 특정되는 규칙-기반 패턴 탐색 엔진이 획득된 기준 설계에서 관심 피처들을 식별하기 위해 획득된 기준 설계상에서 실행될 수 있다.

306에서, 패턴은 각각의 식별된 관심 피처에 대해 추출된다. 예를 들면, 상기 설명된 바와 같이, 식별된 관심 피처에 중심을 둔 주변 패턴(예로서, 식별된 관심 피처의 특정 반경 내에 있는)은 획득된 기준 설계로부터 추출된다.

308에서, 기준 설계로부터 추출된 패턴들은 고유 패턴들을 결정하기 위해 평가된다. 몇몇 실시예들에서, 고유 패턴들은 기준 설계로부터 추출된 패턴들의 패턴 그룹핑을 수행함으로써 결정된다. 예를 들면, 달라지지 않은 추출된 기준 패턴들이 함께 버려지고, 그룹핑되거나 클러스터링될 수 있으며, 여기에서 각각의 그룹은 고유 패턴에 대응한다.

310에서, 기준 설계로부터 추출된 패턴들로부터 결정된 고유 패턴들은 추적될 기준 패턴들로서 패턴 추적 데이터베이스에 부가된다. 예를 들면, 고유 패턴들은 패턴 추적 데이터베이스에서의 새로운 엔트리들로서 부가된다. 하나의 예로서, 각각의 고유 패턴은 패턴 추적 데이터베이스에서 기준 패턴들의 표에서의 대응하는 로우와 연관된다.

추적될 기준 패턴들이 패턴 추적 데이터베이스에서 수립된 후, 제작된 대로의, 관심 피처들과 연관된 경험적 데이터는 패턴 추적 데이터에서의 대응하는 기준 패턴들(예로서, 상기 설명된 바와 같이, 관심 피처에 중심을 둔 리프트된 설계 클립으로부터 추출된 패턴에 매칭되는 패턴 추적 데이터베이스에서의 기준 패턴)과 연관될 수 있다. 예를 들면, 고 분해능 이미지를 프로세싱하는 것으로부터 도출된 패턴과 연관된 경험적 데이터(예로서, 상기 설명된 바와 같이 프로세스들(200 및 250)을 사용하여)는 패턴 추적 데이터베이스에서 대응하는 기준 패턴에 대한 로우에서의 새로운 엔트리로서 부가될 수 있다.

도 4는 고 분해능 이미지가 프로세싱되며 패턴 추적 데이터베이스가 업데이트되는 예의 실시예를 도시한다. 몇몇 실시예들에서, 도 4의 예에 도시된 바와 같이 고 분해능 이미지들의 프로세싱은 도 1의 시스템(100) 및 도 2a의 프로세스(200) 및/또는 도 2b의 프로세스(250)를 사용하여 수행된다.

402에서, 고 분해능 이미지에서 캡처된 인쇄된 패턴들의 추출된 윤곽들의 예가 도시된다. 404에서 도시된 바와 같이, 이미지의 추출된 윤곽들이 기준 설계에 동조된다(예로서, 물리적 레이아웃에 동조된다). 추출된 윤곽들과 동조되는 기준 설계의 매칭 섹션이 406에서 도시된다. 매칭된 섹션 또는 설계 클립은 이미지의 추출된 윤곽들에 매칭되는 물리적 레이아웃의 부분이다. 설계의 매칭된 섹션은, 408에서 도시된 바와 같이, 리프트된다. 규칙-기반 탐색은 관심 피처들(예로서, 중대한 및 중요한 피처들)을 찾기 위해 매칭된 섹션(408) 상에서 수행되며, 여기에서 매칭된 섹션마다 하나 이상의 관심 피처가 있을 수 있다. 매칭된 섹션(408)에서 식별되는 관심 피처의 예가 410에서 도시된다. 식별된 관심 피처에 중심을 둔 주변 패턴은 412에서 도시된 바와 같이, 추출된 기준 패턴으로서 추출된다. 추출된 기준 패턴이 패턴 추적 데이터베이스에서 추적되는 동안, 몇몇 실시예들에서, 충실도 스코어와 같은 메트릭들의 측정 결정이 단지 관심 피처(410)에 대해서만 수행된다. 몇몇 실시예들에서, 패턴에 대한 선호된 크기가 상이한 상황들에 기초하여 달라질 수 있으므로, 추출된 기준 패턴의 크기가 구성 가능하다(예로서, 사용자가 패턴에 대한 반경을 정의함으로써). 디폴트 반경이 또한 사용될 수 있다. 반경은 또한 자동으로 결정될 수 있다(예로서, 평가되는 피처의 유형에 기초하여). 도시된 예에서, 414에서, 인쇄된 대로 및 이미지에서 캡처된, 식별된 관심 피처(410)의 윤곽들은, 충실도 스코어를 결정하기 위해 기준 설계의 추출된 기준 패턴에 대해 비교된다(도시된 바와 같이, 관심 피처에 대한 추출된 윤곽들은 관심 피처의 의도된 설계의 최상부 상에 오버레이된다). 원 측정 데이터는 또한 패턴 추적 데이터베이스에 보존된다. 패턴 추적 데이터베이스에서의 표의 예가 416에서 도시된다. 기준 패턴들(RP1(418) 내지 RP<n>)은 패턴 추적 데이터베이스에 의해 추적되는 기준 설계의 패턴들에 대응한다. 도시된 예에서, 각각의 기준 패턴은 표에서 그 자신의 대응하는 로우와 연관된다. 420에서 도시된 바와 같이, 관심 피처들에 대한 경험적 데이터 포인트들(예로서, 원 측정들, 충실도 스코어, 메타데이터 등)은 고 분해능 이미지들을 프로세싱한 결과로서 식별된 관심 피처들 주위에서 추출되는 패턴들에 대응하고/매칭되는 기준 패턴들의 로우들에 저장된다. 예를 들면, 추출된 기준 패턴(412)이 추적 기준 패턴(RP1)(418)에 매칭된다면, 관심 피처(410)(그 주위에서 패턴(412)이 추출되는)에 대한 원 측정 및 충실도 스코어가 추적 기준 패턴(RP1)에 대한 로우에서 저장된다. 몇몇 실시예들에서, 추적 기준 패턴의 로우에서의 각각의 셀은 대응하는 경험적 데이터 포인트에 대한 메타데이터를 포함하는 또 다른 표를 나타낸다.

도 5는 제작되는 반도체 디바이스의 고 분해능 이미지들을 스코어링하며 추적하기 위해 사용된 기준 패턴들을 포함한 데이터베이스의 예시적인 실시예를 설명한 다이어그램(500)을 도시한다. 이 예에서, 기준 패턴 1(RP1)(502)은 물리적 레이아웃 파일로부터 적어도 하나의 피처(504)를 나타내는 라인들 및/또는 다각형 형태들을 포함할 수 있다. 하나의 실시예에서, 데이터베이스 표(506)는 대표적인 패턴들(RP1, RP2, RP3, ..., RPn)로서 도시된 다수의 기준 패턴들을 포함한다. 또 다른 실시예에서, 데이터베이스 표(506)는 또한 기준 패턴들이 물리적 레이아웃 파일 및/또는 웨이퍼 또는 다이에서 발견되는 위치들의 좌표들을 포함한다. 하나의 실시예에서, 기준 패턴(502)은 데이터베이스(508)에서의 하나 이상의 표들에 저장될 수 있다. 몇몇 실시예들에서, 데이터베이스(508)는 도 1의 패턴 추적 데이터베이스(116)의 예이다. 또 다른 실시예에서, 임의의 데이터 저장 메커니즘(예로서, 텍스트 파일들, 이진 파일들 등)이 기준 패턴들(502)에 관련된 데이터를 저장하기 위해 이용될 수 있다.

도 6a는 패턴 추적 데이터베이스를 구축하는 프로세스의 예시적인 실시예를 도시한다. 도 6a는 고 분해능 이미지들로부터 윤곽들의 추출을 설명하며 데이터베이스에서 기준 패턴들과 이미지들로부터의 추출된 윤곽들을 비교하는 다이어그램(600)을 도시한다. 몇몇 실시예들에서, 도 6a에 예시된 프로세싱은 도 1의 시스템(100) 및 도 2a의 프로세스(200) 및/또는 도 2b의 프로세스(250)를 사용하여 수행된다.

예시된 바와 같이, 검사 툴이 잠재적인 결함의 위치(예로서, 좌표들)를 제공한 후, 위치의 고 분해능 이미지(602)(예로서, SEM 이미지)가 획득된다. 도시된 바와 같이, 이미지(602)는 전자 회로의 적어도 부분인 피처들(604)을 포함하며, 라인들 및/또는 다각형들로 표현된다. 이미지(602)는 또한 캡처링 툴에 의해 또는 임의의 다른 수단에 의해 부가된 그래픽 또는 텍스트 주석들(606)을 포함한다. 주석들은, 다른 실시예들에서 어떤 주석들도 존재하지 않을 수 있지만, 흔히 고 분해능 이미지들 상에 존재한다. 하나의 실시예에서, 이미지(602)는 주석들을 제거하도록 프로세싱된다. 주석들을 제거하는 것은 윤곽 추출 에러들을 감소시키거나 제거하여, 추출된 윤곽들이 물리적 레이아웃 파일에 포함된 기준 설계와 적절히 매칭되도록 허용한다. 주석들(606)을 제거하는 동안, 고 분해능 이미지의 배경 컬러, 패턴, 및 텍스처가 재구성될 수 있다.

고 분해능 이미지들은 결과 이미지(608)에서 예시된 바와 같이 피처들(604)의 윤곽들을 추출함으로써 프로세싱된다. 예를 들면, 에지 검출은 상기 설명된 바와 같이, 윤곽들을 추출하기 위해 사용될 수 있다. 피처들(604)로부터의 윤곽들이 고-분해능 이미지(602)로부터 추출되었다면, 윤곽들은 원래 설계 레이아웃 파일에 "매칭된다". 윤곽들이 웨이퍼 표면상에 인쇄된 패턴들의 실제 이미지들에 기초하기 때문에, 및 웨이퍼 표면상에 패턴들을 인쇄하는 프로세스가 불완전할 수 있기 때문에, 윤곽들은 다른 가능한 '아티팩트들' 중에서 라인-에지 거칠기 및 코너 라운딩 효과들을 겪는다. 원래 물리적 레이아웃 파일에 윤곽들을 매칭시키는 프로세스는 그러므로 완전히 직선들 및 90도(또는 다른 각도들) 코너들(물리적 레이아웃으로부터)로의 균일하지 않은 라인들 및 라운딩된 코너들(추출된 윤곽들로부터)의 비교를 수반한다. 일단 윤곽들이 이러한 방식으로 설계에 매칭된다면, 물리적 레이아웃으로부터 매칭된 섹션의 클립이 추출된다. 이러한 리프트된 설계 클립은 윤곽들에 대한 기준으로서 작용하며 - 즉, 추출된 윤곽은 그것의 설계 기준에 매우 비슷해야 한다. 이러한 리프트된 설계 클립은 패턴들의 세트로 분리되거나 분해될 수 있다. 상기 설명된 바와 같이, 패턴들은 식별된, 관심 피처들 주위에서의 영역을 추출함으로써, 예를 들면, 상기 설명된 바와 같이, 규칙-기반 패턴 탐색 엔진을 사용하여 매칭된 섹션을 평가함으로써, 설계 클립으로부터 생성된다.

추출된 설계 패턴들(610 및 612)은 그 후 도 5의 패턴 추적 데이터베이스(508)에 이미 존재하는 추적된 기준 패턴들(물리적 레이아웃 파일로부터의 피처들을 나타내는 라인들 및/또는 다각형 형태들을 포함하는)에 대해 비교된다. 이 실시예에서, 추출된 기준 패턴들(610 및 612)은 각각 기존의 추적된 기준 패턴 1 및 기준 패턴 2와 매칭되는 것으로 결정될 수 있다. 리프트된 설계 클립(614)이 각각 기준 패턴들 1(RP1) 및 2(RP2)에 매칭되는 기준 패턴들(610 및 612)을 포함한다고 결정된다면, 하나의 실시예에서, 패턴들(610 및 612)의 각각에 대한 충실도 스코어(또는 상이한 기준들에 기초한 다수의 스코어들)가 추출된 윤곽(들)으로부터 산출되며 616에서 예시된 바와 같이 도 5의 패턴 추적 데이터베이스(508)에서의 하나 이상의 표들에 부가된다. 예로서, 기준 패턴 1은 고 분해능 이미지들의 분석으로부터 생성된 이전 추출된 기준 패턴들로부터 할당된 두 개의 이전 충실도 스코어들을 가질 수 있다. 이미지(602)가 프로세싱된 후, 제 3 스코어가 패턴(610)의 최근 산출된 충실도 스코어에 대해 도 5의 패턴 추적 데이터베이스(508)에 삽입될 수 있다. 유사하게, 패턴(612)에 대한 충실도 스코어가 또한 산출되며 기준 패턴 2에 할당된다. 데이터베이스에 스코어들을 저장함으로써, 패턴은 그에 따라 시간에 걸쳐 추적될 수 있다.

도 6b는 패턴 추적 데이터베이스를 형성하는 프로세스의 또 다른 예시적인 실시예를 도시한다. 몇몇 실시예들에서, 도 6b에 예시된 프로세싱은 도 1의 시스템(100) 및 도 2a의 프로세스(200) 및/또는 도 2b의 프로세스(250)를 사용하여 수행된다.

도 6a와 함께 논의된 바와 같이, 고 분해능 이미지상에 주석들이 있다면, 그것들은 윤곽 추출을 진행하기 전에 제거될 수 있다. 도 6b의 예에서, 다이어그램(620)은 고 분해능 이미지로부터 추출된 윤곽들의 예를 도시한다. 윤곽들은 실제 인쇄된 이미지들의 특성인 코너 라운딩 및 라인-에지 거칠기를 포함한다. 이미지의 추출된 윤곽들은 그 후 물리적 레이아웃(기준 설계)에 동조되며, 다이어그램(622)에 도시된다. 여기에서, 아이템(624)은 보다 큰 설계의 특정 부분에 동조된 윤곽들을 도시한다. 이러한 매칭 영역(또는 정렬된 영역)은 그 후 다이어그램(626)에서 도시된 바와 같이 "리프트"된다. 이러한 리프트된 설계 클립은 추출된 윤곽들에 대한 기준 또는 의도된 설계이다. 리프트된 설계 클립은 그 후 규칙-기반 탐색(또는 패턴 매칭 탐색)을 통해 임의의 중대한 또는 중요한 피처들의 존재에 대해 탐색된다. 다이어그램(628)에서, 예로서, 중대한 피처(630)를 식별하는 "팁-대-팁" 탐색이 수행된다. 주어진 반경의 주변 패턴(632)이 이러한 피처 주위에서 추출된다. 반경은 사용자 특정될 수 있거나 디폴트 값이 사용될 수 있거나 반경이 동적으로 프로그램될 수 있다(예로서, 적절한 반경은 자동으로 산출될 수 있다).

충실도 스코어는 중대한 피처(636) 내에서 추출된 윤곽들에 대해 산출된다. 하나의 실시예에서, 충실도 스코어는 다음과 같이 결정된다. 설계 클립에서 관심 피처의 위치가 식별된다. 고 분해능 이미지의 추출된 윤곽들에서의 대응하는 위치(624에서 도시된 바와 같이, 설계 클립에 동조된)가 식별된다. 관심 피처에 대한 의도된 치수들은 설계 클립에서 관심 피처의 위치를 평가함으로써 결정된다. 동일한 관심 피처의 인쇄된 치수들은 추출된 윤곽들에서의 대응하는 위치에서 관심 피처의 윤곽들을 평가함으로써 측정된다. 전체 이미지의 윤곽들이 추출되고 기준 설계에 동조되는 동안, 측정들이 관심 피처 내에서만 수행된다. 예를 들면, 단지 관심 피처를 기술하는 경계 또는 영역(예로서, 박스)을 교차시키는(예로서, 그것 내에 있는) 추출된 윤곽 및 기준 설계의 부분만이 비교된다. 제작된 대로의 관심 피처의 측정된 치수들과 관심 피처의 의도된 치수들 사이에서의 변화가 산출된다. 충실도 스코어는 또한 원 측정 데이터(관심 피처의 윤곽들로부터 측정된) 및 관심 피처의 의도된 치수들을 사용하여 산출될 수 있다. 634에서, 인쇄된 대로의 피처에 대한 윤곽들 및 피처에 대한 의도된 설계는 예시적인 목적들을 위해 중첩되며 오버레이된다.

추출된 기준 패턴(632)(설계 클립(626)으로부터 추출된)은 그 후 패턴 추적 데이터베이스(642)에 이미 존재하는(즉, 이미 추적된) 기존의 기준 패턴들(638)과 비교된다. 설계 클립으로부터 추출된, 추출된 기준 패턴(632)이 패턴 추적 데이터베이스(642)에 존재하지 않는다면, 추출된 기준 패턴은 추적된 새로운 기준 패턴으로서 패턴 추적 데이터베이스에 부가된다. 그러나, 추출된 기준 패턴(632)이 패턴 추적 데이터베이스에 이미 존재한다면(예로서, 데이터베이스에서 기존의 기준 패턴에 매칭된다면), 새롭게 산출된 충실도 스코어가 기존의 기준 패턴에 대한 새로운 데이터 포인트(640)로서 부가된다.

도 7은 윤곽들의 충실도 스코어를 추론하기 위해 그것들의 대응 설계로의, 이미지로부터 추출된 윤곽들의 비교의 예시적인 실시예를 설명한 다이어그램을 도시한다. 충실도 스코어들은 적절하다면, 임의의 메트릭을 사용하여 산출될 수 있다. 몇몇 실시예들에서, 도 7에 예시된 프로세싱은 도 1의 시스템(100) 및 도 2a의 프로세스(200) 및/또는 도 2b의 프로세스(250)를 사용하여 수행된다.

하나의 실시예에서, 추출된 윤곽들 및 기준 설계의 매칭된 섹션의 분석 및 오버레이는 이미지상에서의 결함의 정확한 위치를 결정하는 것을 용이하게 한다. 물리적 레이아웃에 추출된 윤곽들을 매칭시키고(즉, 윤곽들을 설계에 동조시키고) 윤곽들의 어떤 부분이 결함을 포함하는지를 산출함으로써, 제조 결함에 의해 영향을 받은 물리적 레이아웃에서의 정확한 다각형(들)이 결정될 수 있다. 이러한 정확한 정보는 물리적 레이아웃 상에서 결함의 정확한 위치를 아는 것으로부터 이익을 얻는 새로운 수율 강화 기회들을 제공할 수 있다.

도 7에 예시된 바와 같이, 하나의 실시예에서, 이미지(A) 및 이미지(B)는 기준 설계의 동일한 부분 또는 설계 클립(700)에 대응한다(예로서, 상기 설명된 바와 같이 윤곽-대-설계 동조를 수행하는 것에 기초하여). 이미지들(A 및 B)의 윤곽들(예로서, 상기 설명된 바와 같이, 윤곽 추출을 사용하여 추출된)은 오버레이되며 설계 클립에 비교될 수 있다. 이미지(A) 및 이미지(B)의 윤곽들로부터 보여질 수 있는 바와 같이, 오버레이되고 설계 클립의 피처들에 비교될 때 양쪽 윤곽들 모두에서 이상 현상이 있다(피처들이 식별되는 경우, 예를 들면, 상기 설명된 바와 같이 규칙-기반 피처 탐색을 사용하여). 구체적으로, 인쇄된 피처들(704A 및 706A)의 윤곽들은 각각 설계 클립의 피처들(704 및 706)의 불완전한 표현들로서 보여질 수 있다. 유사하게, 설계 클립의 피처들(704, 706, 708, 및 710)은 각각 윤곽(B)의 704B, 706B, 708B, 및 710B에 의해 불완전하게 표현된다.

하나의 실시예에서, 임의의 중대한 피처(예로서, 라인들 사이에서의 작은 폭들 또는 작은 간격을 가진 라인들)가 검사되며 충실도 스코어를 할당받을 수 있다. 예를 들면, 피처들(예로서, 702 및 704)이, 웨이퍼 상에 인쇄될 때, 물리적 레이아웃 파일에서 의도된 것보다 상당히 더 작은 간격을 가진다면(예를 들면, 제작 프로세스에서의 변경/수정으로 인해), 이들 패턴들은 필요한 라인 간격 또는 라인 폭 없이 연속적 덩어리처럼 보일 수 있다(즉, 피처들(702 및 704)은 단일 다각형 형태처럼 보일 수 있다). 따라서, 이러한 경우에, 실제 이미지의 추출된 윤곽들과 설계 클립을 오버레이하는 것은 잘못된 패턴들이 웨이퍼로 제작되었음을 보여줄 수 있으며, 그에 의해 중대한 피처의 이상 현상을 식별할 수 있다. 이들 중대한 피처들에 대해, 피처의 추출된 윤곽들과 그것의 의도된 설계 사이에서의 변화가 결정될 수 있으며 충실도 스코어를 산출하며 할당하기 위해 사용된다. 또 다른 실시예에서, 충실도 스코어는 적절하다면, 피처의 임의의 기하학적 속성을 사용하여 산출될 수 있다. 하나의 실시예에서, 충실도 스코어는 메트릭이며 피처를 둘러싸는 주어진 칩 설계 레이아웃에서 주어진 패턴의 인쇄 적성 및 안정성을 결정한다.

피처들의 추출된 윤곽들의 그것들의 의도된 설계로의 이러한 비교에 기초하여, 피처 주위에서 설계 클립으로부터 추출된 패턴에 매칭되는 각각의 기준 패턴에 대한 충실도 스코어의 경험적 계산은 기준과 실제 사이에서의 변화들을 분석함으로써 수행될 수 있으며, 이것은 얼마나 가깝게 또는 저조하게 인쇄된 패턴이 의도된 기준 패턴과 매칭되는지를 결정하기 위해 사용될 수 있다. 이러한 방식으로, 약 및 강 칩 설계 패턴들이 특정 물리적 레이아웃을 위해 효율적으로 결정될 수 있다.

도 8은 패턴 추적 데이터베이스에서 추적된 4개의 기준 패턴들의 충실도 스코어들의 4개의 샘플 주파수 다이어그램들을 도시한다. 몇몇 실시예들에서, 주파수 다이어그램들은 도 1의 시스템(100)의 피처 분석 엔진(120)을 사용하여 생성되며, 예를 들면, 질의/보고 엔진(122)을 사용하여, 출력으로서 제공될 수 있다.

다이어그램들(산점도, 상자 그림, 주파수 히스토리 등과 같은 임의의 적절한 유형의 플롯일 수 있는)은 충실도 스코어들의 스프레드를 보여주며, 여기에서 몇몇 패턴들은 본 발명의 일 실시예에 따라, 보다 좁은 스프레드(작은 표준 편차)를 가지며 다른 것들은 보다 넓은 스프레드(보다 큰 표준 편차)를 가진다. 작은 표준 편차는 일관적으로 인쇄하려는 경향이 있는, 보다 강한 패턴을 표시한다. 큰 표준 편차는 보다 변덕스럽게 인쇄하려는 경향이 있는, 보다 약한 패턴을 표시한다.

하나의 실시예에서, 메트릭의 표준 편차를 그림으로써, 패턴의 강점 또는 약점이, 상기 메트릭에 기초하여, 결정될 수 있다. 도 8에 예시된 바와 같이, 매우 작은 표준 편차(802)의 그래프는 강 패턴을 나타낸다. 보다 작은 표준 편차는 반도체 디바이스 상에서 기준 패턴의 보다 큰 안정성 또는 반복 가능성을 표시한다. 이것은 웨이퍼 상에서의 인쇄된 또는 에칭된 패턴(고 분해능 이미지에 의해 표현된)이 그것의 기준 패턴으로부터 많이 벗어나지 않았음을 의미한다. 메트릭의 작은 표준 편차(804에 도시된 바와 같이)는 웨이퍼 상에서의 에칭된 패턴이 매우 작은 표준 편차의 이전 경우보다 그것의 기준 패턴으로부터 약간 더 많이 벗어남을 나타낼 것이다. 따라서, 이 경우에, 기준 패턴은 표준 편차(802)의 것보다 덜 강할 것이다. 중간 표준 편차(806)는 첫 두 개의 경우들보다 약한 패턴을 유사하게 나타낼 것이며 큰 표준 편차(808)는 가장 약한 패턴을 나타낼 것이다.

도 9는 각각의 기준 패턴의 통계적 요약 데이터의 일부를 설명하는 표(900)의 예시적인 실시예를 도시한다. 몇몇 실시예들에서, 통계적 요약은 도 1의 시스템(100)의 추가 분석 엔진(120)을 사용하여 생성되며, 예를 들면, 질의/보고 엔진(122)을 사용하여, 출력으로서 제공될 수 있다.

이러한 데이터는 본 발명의 일 실시예에 따라, 패턴의 강점 또는 약점을 빨리 서술하기 위해 사용될 수 있다. 하나의 실시예에서, 각각의 기준 패턴에 대해, 전체 메트릭 스코어가 계산되며 그것의 표준 편차 및 패턴의 발생의 빈도, 및 임의의 부가적인 메트릭들과 함께 저장될 수 있다. 이들 기준 패턴들에 대해 산출된 요약 또는 전체 통계들을 포함한 요약 데이터 분석 표 외에, 몇몇 실시예들에서, 패턴 추적 데이터베이스는 기준 패턴과 연관된 경험적 데이터 포인트들에 대한 보다 철저한 원 데이터를 포함한 경험적 원 데이터 표(들)를 포함한다. 다양한 실시예들에서, 이러한 원 데이터는, 이에 제한되지 않지만, 로트 ID, 웨이퍼 ID, 다이 ID, 다이 좌표, 윤곽 자체, 각각의 경험적 데이터 포인트에 대한 충실도 스코어(들), 그것의 고 분해능 이미지가 취해진(그로부터 경험적 데이터가 획득된) 결함을 식별한 검사 단계의 날짜/시간 등으로서 이러한 아이템들을 포함한다. 몇몇 실시예들에서, 요약 데이터 분석 표는 경험적 원 데이터 표(들)에 대한 참조를 포함한다.

하나의 실시예에서, 적어도 하나의 세트의 경험적 데이터의 표준 편차가 산출되며 요약 데이터 분석 데이터베이스 표(900)에 저장될 수 있다. 이러한 표는 약 패턴들(각각 중간 또는 큰 표준 편차(806 또는 808)를 가진)을 결정하기 위해 질의될 수 있다. 이러한 약 패턴들은 이에 제한되지 많지만, 명시야 검사 툴들, 암시야 검사 툴들, E-빔 검사 툴들 등을 포함한 검사 툴들로의 입력으로서 제공될 수 있으며, 패턴들은 제작 프로세스 동안 모든 로트들에 대해 모니터링될 수 있다. 이러한 약 패턴들은 또한 주기적 또는 비-주기적 기반으로 이들 위치들의 이미지들을 캡처하기 위해 이에 제한되지 않지만, SEM 결함 리뷰 툴들과 같은 이미징 툴들에 제공될 수 있다.

또 다른 실시예에서, 표(900)는 또한 포토마스크 수정 또는 프로세스 수정의 영향의 포괄적인 평가를 제공할 수 있다. 이것은 각각의 프로세스 수정 또는 포토마스크 수정 후 경험적 데이터가 산출되고, 모니터링되며, 추적될 수 있기 때문에 결정될 수 있으며, 그 다음에 변경 이전에 수집되고 저장된 데이터와 비교될 수 있다. 이러한 비교들은 어떤 패턴들이 더 강해지는지(또는 더 약해지는지), 및 어떤 위치들에서, 어떤 패턴들이 포토마스크 또는 프로세스 수정 후 동일한 채로 있는지를 결정하기 위해 유용할 수 있다. 광범위한 세트의 패턴들에 대한 영향이 이러한 방식으로 평가될 때, 그것은 마스크 또는 프로세스가 최종 긍정적 영향(및 상기 영향의 정도), 최종 부정적 영향(및 상기 영향의 정도), 또는 제로 영향을 주었는지의 여부를 결정하도록 돕는다.

약하거나 강한 것으로 간주되는 패턴들은 이들 시뮬레이션 모델들의 정확도를 평가하기 위해 제작 프로세스 동안 반도체 디바이스의 포토리소그래피 시뮬레이션(예로서, 광 근접 보정(OPC), 광 규칙 검사(ORC))에 대해 비교될 수 있다. 패턴들이 작은 표준 편차를 가진다면, 이들 패턴들 주 임의의 하나가 OPC 또는 ORC 시뮬레이션에 의해 약한 포인트들로서 플래깅되었다고 추가로 결정될 수 있다. 작은 표준 편차를 가진 패턴들이 강 패턴들인 것으로 고려되며 어떤(또는 매우 작은) 에러들도 예상되지 않으므로, 그것들은 포토리소그래피 시뮬레이션에 의해 플래그되지 않아야 한다. 그러나, 그것들이라면, 그것은 포토리소그래피 시뮬레이션을 변경하거나 재교정하기 위한 요구를 표시할 것이다. 유사하게, 중간 또는 큰 표준 편차를 가진 패턴들은 약 패턴들인 것으로 예상된다. 따라서, 경험적으로 관찰된 약 패턴이 포토리소그래피 시뮬레이션에 의해 플래그되지 않는다면, 그것은 또한 포토리소그래피 시뮬레이션을 수정하거나 재교정하기 위한 요구를 표시할 것이다. 뿐만 아니라, OPC/ORC 시뮬레이션 모델들이 약 패턴들을 과대-예측하거나 과소-예측할 수 있으므로, 실제 경험적 데이터와의 비교는 보다 양호하며 보다 안정된 피드백 루프를 제공하며 보다 양호한 시뮬레이션 모델 및 그러므로 개선된 포토마스크 또는 물리적 레이아웃을 야기한다. 더욱이, 약 패턴들 및 잠재적인 약 패턴들의 위치들에 대한 지식은 검사, 계측학, 및 이미징 툴들을 이들 위치들로 향하게 하기 위해 사용될 수 있다.

도 10a는 고 분해능 이미지들로부터 윤곽들을 추출하고, 물리적 레이아웃의 매칭된 섹션에 윤곽들을 동조시키며, 매칭된 패턴들을 패턴 추적 데이터베이스에서 추적하기 위한 보다 작은 서브-패턴들로 분리하기 위한 프로세스의 실시예를 도시한 흐름도이다. 몇몇 실시예들에서, 프로세스(1000)는 도 1의 하나 이상의 검사/이미징 툴들 및 시스템(100)에 의해 실행된다. 몇몇 실시예들에서, 프로세스(1000)는 각각 도 2a 및 도 2b의 프로세스들(200 및 250)의 대안 실시예이다.

1002에서, 반도체 디바이스의 제작 프로세스 동안, 검사 툴은 웨이퍼 상에서의 결함들의 좌표들을 보고한다. 좌표들은 몇몇 정도의 측정 에러를 포함할 수 있으며, 결함 자체는 관심이 있거나 관심이 없을 수 있다. 1004에서, 보고된 결함들의 선택된 서브세트의 고 분해능 이미지들(예로서, SEM 이미지들)을 생성된다(예로서, SEM 이미징 툴에 의해). 몇몇 실시예들에서, SEM 툴들의 비교적 느린 스루풋으로 인해, 모든 결함들을 이미징하는 것은 실현 가능하지 않을 수 있다.

1006에서, 윤곽들은 모든 이미지들로부터 추출되며, 이미지들에 대한 추출된 윤곽들은 반도체 디바이스의 물리적 레이아웃 또는 물리적 설계에 매칭된다. 1008에서, 물리적 설계에 이미지들의 각각의 윤곽들을 매칭시킨 후, 설계 클립은 매칭된 영역에 대해 추출된다. 추출된 설계 클립은 또한 여기에서 "리프트된 설계 클립" 또는 "리프트 섹션"으로서 불리운다. 리프트된 설계 클립은 추출된 윤곽에 매칭되는 물리적 레이아웃 패턴의 부분을 나타낸다.

1010에서, 리프트된 설계 클립은 다양한 휴리스틱스 또는 다양한 규칙들에 기초하여 추출된 기준 패턴들로서 패턴들로 분해된다. 예를 들면, 관심 피처들에 대한 규칙-기반 패턴 탐색 및 관심 피처들 주위에서의 패턴들의 추출이, 상기 설명된 바와 같이, 사용될 수 있다. 식별되고 추출된 기준 패턴들은 패턴 추적 데이터베이스에서 검색된다. 1012에서, 추출된 기준 패턴이 데이터베이스에 존재한다면, 추출된 기준 패턴에 대응하는 이미지의 부분의 윤곽들은 충실도 스코어를 결정하기 위해 추출된 기준 패턴 자체와 비교되며 충실도 스코어는 추출된 기준 패턴에 매칭되는 기존의 기준 패턴과 연관된 로우에서 데이터베이스에 저장된다. 추출된 기준 패턴이 데이터베이스에 존재하지 않는다면, 추출된 기준 패턴에 대응하는 이미지의 부분의 윤곽들은 충실도 스코어를 결정하기 위해 기준 설계에 의해 정의된 바와 같이 추출된 기준 패턴과 비교되며 충실도 스코어는 데이터베이스에서 새로운 엔트리로서 부가된다. 충실도 스코어들 외의 다른 메트릭들이 또한, 상기 설명된 바와 같이, 산출되고 저장될 수 있다. 몇몇 실시예들에서, 추출된 기준 패턴 자체와 추출된 기준 패턴에 대응하는 이미지의 부분의 윤곽들을 비교하는 것은 상기 설명된 바와 같이, 어떻게 피처가 제작되도록 의도되었는지(기준 설계 또는 레이아웃에 따라)에 대해 추출된 기준 패턴이 추출된 피처에 대응하는 이미지의 부분의 윤곽들을 비교하는 것을 포함한다.

도 10b는 인쇄된 패턴의 충실도 또는 품질에 대한 포토마스크 수정 또는 프로세스 수정의 영향을 평가하기 위한 프로세스의 실시예를 도시한 흐름도이다. 몇몇 실시예들에서, 프로세스(1050)는 도 1의 시스템(100)에 의해 실행된다. 반도체 디바이스에서의 결함들은 다수의 인자들로 인해 발생할 수 있다. 이러한 인자들은 포토마스크/OPC/ORC 이슈들 및 프로세스 상태 이슈들을 포함한다. 포토마스크 이슈들로부터 발생한 결함들은 통상적으로 OPC/ORC에서의 불완전함들과 연관되는 반면, 프로세스 상태 이슈들로부터 발생한 결함들은 과다-에칭, 과소-에칭, 시간 또는 재료 제약들, 효과 없는 화학 물질들, 효과 없는 프로세스 툴 레시피들, 프로세스 장비 이슈들, 및/또는 다른 이슈들을 광범위하게 포함한다. 인쇄 패턴들의 충실도 또는 품질에 대한 포토마스크 개정들 또는 프로세스 상태 개정들의 영향을 평가하며, 약 패턴 또는 약 패턴들의 세트를 특정 포토마스크 또는 프로세스 상태 수정 탓으로 돌리는 것이 종종 바람직하다. 도 10b에 예시된 바와 같이, 이것은 변화가 이루어진 후 패턴들이 더 약해지고, 더 강해지거나, 동일한 채로 있는지의 여부를 결정하기 위해 포토마스크 또는 프로세스 변화 전 및 후 패턴 충실도 데이터를 비교함으로써 행해질 수 있다.

프로세스는 1052에서 시작되며, 여기에서 프로세스 또는 마스크 수정이 이루어진 날짜/시간이 결정된다. 1054에서, 패턴 추적 데이터베이스는 결정된 날짜/시간 이전에 각각의 패턴에 대한 충실도 스코어들에 대해 질의된다. 표준 편차 또는 다른 전체 통계들이 계산된다. 1056에서, 패턴 추적 데이터베이스는 결정된 날짜/시간 후 각각의 패턴의 충실도 스코어들에 대해 질의된다. 표준 편차 또는 다른 전체 통계들이 계산된다. 1058에서, 각각의 패턴에 대해, 프로세스 또는 마스크 수정의 날짜/시간 후 표준 편차 또는 전체 통계가 좋아지고, 악화되거나, 동일한 채로 있는 있는지가 결정된다. 다양한 실시예들에서, 프로세스(1050)는 임의의 다른 유형의 변화 전 및 후에 패턴들의 비교를 수행하도록 적응될 수 있다.

도 11a는 패턴 추적 데이터베이스에서의 표들의 예시적인 실시예들을 도시한다. 표(1106A)는 상이한 디바이스들 사이에서 공통 패턴들에 관한 경험적 데이터를 포함한다. 예시된 바와 같이, 표들(1102A 및 1104A)은 디바이스들(X 및 Y)의 층(Z)에 대한 경험적 데이터를 포함한다. 보다 구체적으로, 표(1102A)는 디바이스(X), 층(Z)에 관련된 기준 패턴들 및 경험적 데이터를 포함하여, 전체 메트릭 스코어, 표준 편차, 디바이스(X) 내에서의 패턴의 빈도 등을 제공한다. 표(1104A)는 디바이스(Y), 층(Z)에 관련된 기준 패턴들 및 경험적 데이터를 포함하여, 전체 메트릭 스코어, 표준 편차, 디바이스(Y) 내에서의 패턴의 빈도 등을 제공한다. 표(1106A)는 표들(1102A 및 1104A)에 포함된 기준 패턴들을 비교함으로써 결정된 바와 같이 디바이스(X) 및 디바이스(Y) 양쪽 모두에 공통적인 패턴들을 제공한다. 이러한 방식으로, 둘 이상의 디바이스들 사이에서 공통적으로 유지된 패턴들의 전체 강점 또는 약점이 평가될 수 있으며, 불일치가 연구될 수 있다.

도 11b는 이전 디바이스로부터의 패턴 충실도 정보를 사용함으로써 새로운 반도체 디바이스의 전체 제조 가능성을 평가하기 위한 프로세스의 실시예를 예시하는 흐름도이다. 몇몇 실시예들에서, 프로세스(1150)는 도 1의 시스템(100)에 의해 실행된다. 프로세스는 1152에서 시작되며, 여기에서, 새로운 디바이스의 주어진 층에 대해, 반도체 디바이스의 물리적 설계가 이전 디바이스를 분해하기 위해 사용된 것들과 유사하게, 휴리스틱스(예로서, 상기 설명된 바와 같이, 규칙-기반 패턴 탐색)를 사용하여 패턴들의 세트로 분해된다. 1154에서, 새로운 디바이스의 패턴들은 양쪽 디바이스들에 공통적인 패턴들을 찾기 위해 이전 디바이스의 패턴 추적 데이터베이스에 대해 비교된다. 1156에서, 이전 디바이스로부터의 패턴 충실도 정보를 사용하여, 새로운 디바이스의 전체 제조 가능성이 평가된다. 이것은, 예를 들면, 공통 패턴들의 충실도 스코어들을 사용하고(이전의 패턴 추적 데이터베이스로부터 취해진), 새로운 디바이스에서의 공통 패턴들의 인스턴스들의 모든 위치들을 탐색하며, 전체 가중(충실도) 스코어를 계산함으로써 행해질 수 있다.

도 12는 패턴 품질 동향들 및 이슈들의 자동 및 인라인 보고들을 전달하기 위한 프로세스의 실시예를 도시한 흐름도이다. 몇몇 실시예들에서, 프로세스(1200)는 도 1의 시스템(100)에 의해 실행된다. 하나의 실시예에서, 이들 보고들은 보정적 동작을 빠르게 취하기 위해 사용될 수 있는 패터닝 이슈들의 시기 적절한 평가를 제공한다. 검사된 웨이퍼에 대한 고 분해능 이미지들의 각각의 세트가 1202에서 프로세싱됨에 따라, 결과들은 1204에서 패턴 추적 데이터베이스에 부가된다. 몇몇 실시예들에서, 프로세스 단계들(1202 및 1204)은 도 2a의 프로세스(200) 및/또는 도 2b의 프로세스(250)를 사용하여 구현된다. 데이터베이스에서 현재 패턴 충실도 스코어들 및 이력적 패턴 충실도 스코어들 양쪽 모두를 사용하여, 패턴 품질 동향 보고가 1206에서 생성된다. 또 다른 실시예에서, 1206에서 생성된 보고는 1208에서 도시된 바와 같이, 후속 조치를 취하기 위해 적절한 인력이 통지되는 방식으로 내보내진다. 또 다른 실시예에서, 내보내기 옵션들 중 하나가 팹의 제조 실행 시스템 또는 MES(1210)에 보고의 주요 요소들을 전송하기 위한 것일 수 있으며, 이것은 제작 공장을 통해 재료의 흐름을 관리한다. 이것은 예를 들면, '로트' 또는 프로세스 단계를 보류하거나, 적절한 인력에 통지할 수 있다. 또 다른 실시예에서, 보고는 파일(1212)로서 생성되며 로컬 또는 네트워크 드라이브 상에서의 폴더로 내보내진다. 하나의 실시예에서, 보고는 1214에 도시된 바와 같이 사용자(들)의 세트로 이메일링될 수 있다. 하나의 실시예에서, 보고는 1216에서 도시된 바와 같이, 웹사이트로 공개될 수 있다. 유사하게, 다른 통지 옵션들(1218)이 적절하다면, 또한 부가될 수 있다.

앞서 말한 실시예들이 이해의 명료함을 위해 더 상세히 설명되었지만, 본 발명은 제공된 세부사항들에 제한되지 않는다. 본 발명을 구현하는 많은 대안적인 방식들이 있다. 개시된 실시예들은 예시적이며 제한적이지 않다.

100: 시스템 102: 윤곽 추출 엔진
104: 윤곽-대-설계 동조 엔진 106: 피처 식별 엔진
108: 윤곽-대-설계 비교 엔진 110: 치수 측정 엔진
112: 패턴 추출 엔진
114: 데이터베이스 업데이트 엔진
116, 508, 642: 패턴 추적 데이터베이스 118: 레이아웃 분해 엔진
120: 추가 분석 엔진 122: 질의/보고 엔진
124, 602: 고 분해능 이미지
126: 물리적 레이아웃 파일 410: 관심 피처
412, 502, 610, 612, 632: 기준 패턴 418: 추적 기준 패턴
506: 데이터베이스 표 604, 704, 706: 피처
606: 주석 700: 설계 클립
900: 요약 데이터 분석 데이터베이스 표

Claims (21)

1. 하나 이상의 프로세서들로서:
   제작된 디바이스의 일 부분의 이미지를 획득하고;
   상기 획득된 이미지로부터 상기 제작된 디바이스의 상기 부분의 윤곽들을 추출하고;
   상기 추출된 윤곽들을 기준 설계의 매칭 섹션에 동조시키고;
   상기 기준 설계의 상기 매칭 섹션을 하나 이상의 패턴들로 분해하며;
   상기 분해의 결과로서 생성된 상기 하나 이상의 패턴들에서 적어도 하나의 패턴과 관련된 정보를 갖고 패턴 추적 데이터베이스를 업데이트하도록 구성된, 상기 하나 이상의 프로세서들; 및
   상기 하나 이상의 프로세서들에 결합되며 상기 하나 이상의 프로세서들에 지시들을 제공하도록 구성된 메모리를 포함하는, 시스템.
2. 제 1 항에 있어서,
   상기 매칭 섹션을 하나 이상의 패턴들로 분해하는 것은 상기 기준 설계의 상기 매칭 섹션에서 하나 이상의 관심 피처들을 식별하는 것을 포함하는, 시스템.
3. 제 2 항에 있어서,
   상기 하나 이상의 프로세서들은 또한 제작된 대로, 상기 획득된 이미지로부터 추출된, 상기 관심 피처에 대한 상기 윤곽들에 대해, 상기 기준 설계의 상기 매칭 섹션에서 특정된 바와 같이, 상기 관심 피처를 비교하도록 구성되는, 시스템.
4. 제 3 항에 있어서,
   상기 비교는:
   상기 기준 설계에서 특정된 바와 같이 상기 관심 피처의 의도된 치수를 결정하는 것;
   적어도 부분적으로 상기 관심 피처에 대한 상기 추출된 윤곽들의 평가에 기초하여, 제작된 대로, 상기 관심 피처의 상기 치수들을 측정하는 것을 포함하는, 시스템.
5. 제 3 항에 있어서,
   상기 비교는 상기 기준 설계의 상기 매칭 섹션에서의 상기 관심 피처와 상기 관심 피처에 대한 상기 추출된 윤곽들 사이에서의 편차를 결정하는 것을 포함하는, 시스템.
6. 제 3 항에 있어서,
   상기 비교는 상기 관심 피처에 대한 충실도 스코어를 결정하는 것을 포함하며, 상기 충실도 스코어는 상기 기준 설계의 상기 매칭 섹션에서의 상기 관심 피처가 어떻게 상기 관심 피처에 대한 상기 추출된 윤곽들과 비교하는지를 표시한 값을 포함하는, 시스템.
7. 제 2 항에 있어서,
   상기 하나 이상의 패턴들에서의 패턴은 상기 기준 설계의 상기 매칭 섹션으로부터 추출되는 관심 피처를 둘러싸는 영역에 대응하는, 시스템.
8. 제 1 항에 있어서,
   상기 패턴 추적 데이터베이스를 업데이트하는 것은 상기 하나 이상의 패턴들에서의 패턴이 상기 패턴 추적 데이터베이스에서의 기존의 기준 패턴에 매칭되는지의 여부를 결정하는 것을 포함하는, 시스템.
9. 제 8 항에 있어서,
   상기 패턴이 상기 패턴 추적 데이터베이스에서 기존의 기준 패턴에 매칭되는 경우에, 상기 기존의 기준 패턴에 대응하는 경험적 데이터로서 상기 패턴과 관련된 정보를 저장하는, 시스템.
10. 제 8 항에 있어서,
    상기 패턴이 상기 패턴 추적 데이터베이스에서 기존의 기준 패턴에 매칭되지 않는 경우에:
    추적될 새로운 기준 패턴으로서 상기 패턴 추적 데이터베이스에 상기 패턴을 부가하며;
    추적될 상기 새로운 기준 패턴에 대응하는 경험적 데이터로서 상기 패턴과 관련된 정보를 저장하는, 시스템.
11. 제작된 디바이스의 부분의 이미지를 획득하는 단계;
    상기 획득된 이미지로부터 상기 제작된 디바이스의 상기 부분의 윤곽들을 추출하는 단계;
    상기 추출된 윤곽들을 기준 설계의 매칭 섹션에 동조시키는 단계;
    상기 기준 설계의 상기 매칭 섹션을 하나 이상의 패턴들로 분해하는 단계; 및
    상기 분해의 결과로서 생성된 상기 하나 이상의 패턴들에서 적어도 하나의 패턴과 관련된 정보를 갖고 패턴 추적 데이터베이스를 업데이트하는 단계를 포함하는, 방법.
12. 제 11 항에 있어서,
    상기 매칭 섹션을 하나 이상의 패턴들로 분해하는 단계는 상기 기준 설계의 상기 매칭 섹션에서 하나 이상의 관심 피처들을 식별하는 단계를 포함하는, 방법.
13. 제 12 항에 있어서,
    제작된 대로, 상기 획득된 이미지로부터 추출된 상기 관심 피처에 대한 상기 윤곽들에 대해 상기 기준 설계의 상기 매칭 섹션에서 특정된 바와 같이, 상기 관심 피처를 비교하는 단계를 더 포함하는, 방법.
14. 제 13 항에 있어서,
    상기 비교 단계는:
    상기 기준 설계에서 특정된 바와 같이 상기 관심 피처의 의도된 치수를 결정하는 단계; 및
    적어도 부분적으로 상기 관심 피처에 대한 상기 추출된 윤곽들의 평가에 기초하여, 제작된 대로, 상기 관심 피처의 상기 치수들을 측정하는 단계를 포함하는, 방법.
15. 제 13 항에 있어서,
    상기 비교 단계는 상기 기준 설계의 상기 매칭 섹션에서의 상기 관심 피처와 상기 관심 피처에 대한 상기 추출된 윤곽들 사이에서의 편차를 결정하는 단계를 포함하는, 방법.
16. 제 13 항에 있어서,
    상기 비교 단계는 상기 관심 피처에 대한 충실도 스코어를 결정하는 단계를 포함하며, 상기 충실도 스코어는 상기 기준 설계의 상기 매칭 섹션에서의 상기 관심 피처가 어떻게 상기 관심 피처에 대한 상기 추출된 윤곽들과 비교하는지를 표시한 값을 포함하는, 방법.
17. 제 12 항에 있어서,
    상기 하나 이상의 패턴들에서의 패턴은 상기 기준 설계의 상기 매칭 섹션으로부터 추출되는 관심 피처를 둘러싸는 영역에 대응하는, 방법.
18. 제 11 항에 있어서,
    상기 패턴 추적 데이터베이스를 업데이트하는 단계는 상기 하나 이상의 패턴들에서의 패턴이 상기 패턴 추적 데이터베이스에서의 기존의 기준 패턴에 매칭되는지의 여부를 결정하는 단계를 포함하는, 방법.
19. 제 18 항에 있어서,
    상기 패턴이 상기 패턴 추적 데이터베이스에서의 기존의 기준 패턴에 매칭되는 경우에, 상기 기존의 기준 패턴에 대응하는 경험적 데이터로서 상기 패턴과 관련된 정보를 저장하는 단계를 포함하는, 방법.
20. 제 18 항에 있어서,
    상기 패턴이 상기 패턴 추적 데이터베이스에서 기존의 기준 패턴에 매칭되지 않는 경우에:
    추적될 새로운 기준 패턴으로서 상기 패턴 추적 데이터베이스에 상기 패턴을 부가하며;
    추적될 상기 새로운 기준 패턴에 대응하는 경험적 데이터로서 상기 패턴과 관련된 정보를 저장하는, 방법.
21. 비-일시적 컴퓨터 판독가능한 저장 매체에서 구체화되며 컴퓨터 지시들을 포함한 컴퓨터 프로그램이 기록된 컴퓨터 판독가능한 기록 매체에 있어서,
    상기 컴퓨터 지시들은:
    제작된 디바이스의 부분의 이미지를 획득하고,
    상기 획득된 이미지로부터 상기 제작된 디바이스의 상기 부분의 윤곽들을 추출하고,
    상기 추출된 윤곽을 기준 설계의 매칭 섹션에 동조시키고;
    상기 기준 설계의 상기 매칭 섹션을 하나 이상의 패턴들로 분해하며;
    상기 분해의 결과로서 생성된 상기 하나 이상의 패턴들에서 적어도 하나의 패턴과 관련된 정보를 갖고 패턴 추적 데이터베이스를 업데이트하기 위한 것인, 컴퓨터 판독가능한 기록 매체.

Images