KR20160140805A - 재정규화 가능성을 보존하는 생산 샘플 성형 - Google Patents

재정규화 가능성을 보존하는 생산 샘플 성형 Download PDF

Info

Publication number
KR20160140805A
KR20160140805A KR1020167029977A KR20167029977A KR20160140805A KR 20160140805 A KR20160140805 A KR 20160140805A KR 1020167029977 A KR1020167029977 A KR 1020167029977A KR 20167029977 A KR20167029977 A KR 20167029977A KR 20160140805 A KR20160140805 A KR 20160140805A
Authority
KR
South Korea
Prior art keywords
sample
defect
defects
wafer
bins
Prior art date
Application number
KR1020167029977A
Other languages
English (en)
Other versions
KR102215121B1 (ko
Inventor
마틴 플리할
안키트 자인
마이클 렌넥
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 KR20160140805A publication Critical patent/KR20160140805A/ko
Application granted granted Critical
Publication of KR102215121B1 publication Critical patent/KR102215121B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/93—Detection standards; Calibrating baseline adjustment, drift correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • 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
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8877—Proximity analysis, local statistics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/063—Illuminating optical parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

결함 샘플을 생성하기 위한 방법 및 시스템이 제공된다. 하나의 방법은 적어도 하나의 결함 속성의 값에서 최대 다이버시티(most diversity)를 갖는 웨이퍼 상에서의 결함의 세트를 식별하는 단계와, 세트에서 상이한 결함에 대한 상이한 타일(tile)을 생성하는 단계를 포함한다. 타일은 다른 결함의 적어도 하나의 속성에 대한 값보다 이의 대응하는 결함의 적어도 하나의 속성에 대한 값에 더 가까운 웨이퍼 상에서 검출된 모든 결함의 적어도 하나의 속성에 대한 모든 값의 일부를 정의한다. 또한, 본 방법은, 웨이퍼 상에서의 결함을 적어도 하나의 속성의 값에 기초하여 상이한 타일에 대응하는 샘플 빈(sample bin)으로 분리하는 단계를 포함한다. 본 방법은, 둘 이상의 샘플 빈의 각각으로부터 결함(들)을 무작위로 선택하는 단계와, 무작위로 선택된 결함을 포함하는 웨이퍼에 대하여 결함 샘플을 안출하는 단계를 포함한다.

Description

재정규화 가능성을 보존하는 생산 샘플 성형{PRODUCTION SAMPLE SHAPING THAT PRESERVES RE-NORMALIZABILITY}
본 발명은 일반적으로 생산 모니터링(production monitoring)에 적합하고 웨이퍼 상에서 검출된 전체 결함 집단(defect population)으로 재정규화될 수 있는 웨이퍼에 대한 결함 샘플을 생성하는 방법 및 시스템에 관한 것이다.
다음의 설명 및 예는 본 섹션에서 이를 포함하는 것에 의해서 종래 기술로서 인정되지는 않는다.
논리 및 메모리 소자와 같은 반도체 소자를 제조하는 것은 통상적으로 반도체 소자의 다수의 레벨 및 다양한 특징부(feature)를 형성하기 위하여 다수의 반도체 제조 프로세스를 이용하여 반도체 웨이퍼와 같은 기판을 처리하는 것을 포함한다. 예를 들어, 리소그래피(lithography)는 레티클(reticle)로부터 반도체 웨이퍼 상에 배열된 레지스트로 패턴을 전사하는 것을 수반하는 반도체 제조 프로세스이다. 반도체 제조 프로세스의 추가 예는 화학 기계 연마, 에칭, 부착(deposition) 및 이온 주입(ion implantation)을 포함하지만 이에 한정되지 않는다. 다수의 반도체 소자는 단일 반도체 웨이퍼 상의 배치물(arrangement)로 제작되고, 그 다음 개별 반도체 소자로 분리될 수 있다.
검사 프로세스가 웨이퍼에서의 결함을 검출하기 위하여 반도체 제조 프로세스 동안 다양한 단계에 사용된다. 검사 프로세스는 항상 집적 회로와 같은 반도체 소자를 제조하는 것의 중요한 부분이 되어 왔다. 그러나, 반도체 소자의 치수가 감소함에 따라, 검사 프로세스는 허용 가능한 반도체 소자의 성공적인 제조에 훨씬 더 중요하게 된다. 예를 들어, 반도체 디바이스의 치수가 감소함에 따라, 심지어 상대적으로 작은 결함도 반도체 소자에서 원하지 않는 수차(aberration)를 야기할 수 있기 때문에, 감소하는 치수의 결함 검출은 필수적이게 되었다.
생산 운전(production run) 동안, 생산 웨이퍼(production wafer)의 결함을 모니터링하기 위하여, 통상적으로 결함 샘플이 웨이퍼 상에서 검출된 전체 결함 집단으로부터 안출된다. 그 다음, 그 결함 샘플은, 예를 들어 주사형 전자 현미경(scanning electron microscope(SEM))인 결함 검토 도구에서 샘플링된 결함을 검토하는 것과 같은 여러 가지 가능한 기술들 중 하나를 이용하여 수동으로 분류된다(즉, 인간인 전문가에 의해 수행되는 분류). 그 다음, 분류 결과는 소정의 방식으로 샘플링된 결함에 유사한 결함으로 다시 추론된다.
생산 샘플링에 대한 3가지 주요 접근 방식이 있다. 첫째는, 결함이 검출된 집단으로부터 무작위로 선택된 무작위 샘플링(random sampling)이다. 이 샘플링은 설정하기 매우 쉬운 재정규화 가능한 샘플링 스킴이지만, 더 적은 카운트(count)의 결함 종류를 캡처하는데 있어서는 매우 효율적이지는 않다. 일부 경우에, 무작위 샘플링은 다이(die) 및 클러스터(cluster)가 과도하게 샘플링되지 않는 것을 필요로 함으로써 공간적인 다양화(diversification)에 의존한다. 이 공간적인 다양화는 재정규화 프로세스로 민감한 편향(bias)을 유입시키고, 이는 상이한 웨이퍼에 대하여 상이하고 보정하기 어려운 시스템적인 에러를 발생시킨다.
둘째는, 결함이 빈(sample bin)으로부터 무작위로 선택되는 클래스 코드 기반 샘플링(class code based sampling)이다. 이 방법은 검사 결과에 대하여 훈련되고 실행될 결함 비너(binner)(분류기(classifier))를 필요로 한다. 무작위 샘플링에 비하여, 이 방법은 잘 수행하는 비너에 대하여 더욱 안정적이고 효율적이다. 증가된 효율과 안정성은 비너에 의해 제공된 부분적인 다양화를 통해 성취된다. 이 샘플링은 재정규화 가능하다. 무작위 샘플링의 경우에서와 마찬가지로, 공간적인 다양화도 또한 통상적으로 강화된다.
셋째는, 결함이 규칙 세트에 기초하여 선택되는 규칙 기반 샘플링(rule based sampling)이다. 이 스킴은 클래스 코드 기반 샘플링에 매우 유사한 특성을 갖는 하이브리드 스킴이다. 이 샘플은 결함이 각각의 규칙을 만족하는 결함 세트로부터 무작위로 선택되는 한 역시 재정규화 가능하다.
기존의 샘플링 방법의 2가지 주요한 단점이 있다. 예를 들어, 결과에 따른 샘플은 상대적으로 안정된 프로세스에서도 운전별로(from run-to-run) 상당한 변동을 가지는 경향이 있다. 또한, 샘플링은 상대적으로 적은 카운트의 결함 종류를 선택하는데 있어서 덜 효율적인 경향이 있어, 이에 따라 중요한 정보가 상대적으로 자주 결핍된다. 또한, 기존의 방법은 많은 부수적인 단점을 가진다. 예를 들어, 기존의 방법은 클래스 코드 기반 샘플링을 위하여 분류기를 튜닝하는 것을 필요로 한다. 또한, 분류기는 그 자체로 주기적인 성능 모니터링을 필요로 한다.
따라서, 위에서 설명된 단점의 하나 이상을 가지지 않는 웨이퍼를 위한 결함 샘플을 생성하는 시스템 및/또는 방법을 개발하는 것은 유익할 것이다.
다양한 실시예에 대한 이어지는 설명은 어떠한 방식으로도 첨부된 청구범위의 내용을 한정하는 것으로서 고려되어서는 안 된다.
일 실시예는 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법에 관한 것이다. 본 방법은 웨이퍼에 대한 검사 결과를 획득하는 단계를 포함한다. 검사 결과는 검사 프로세스에 의해 웨이퍼 상에서 검출된 결함에 대한 정보를 포함한다. 정보는 결함의 하나 이상의 속성에 대한 정보를 포함한다. 또한, 본 방법은, 하나 이상의 속성 중 적어도 하나의 속성의 값에서 최대 다이버시티(most diversity)를 갖는 결함의 세트를 식별하는 단계와, 세트에서 상이한 결함에 대한 상이한 타일(tile)을 생성하는 단계를 포함한다. 상이한 타일을 생성하는 단계는, 세트에서의 제1 결함에 대한 타일을 생성하는 단계를 포함한다. 타일은 웨이퍼 상에서 검출된 모든 결함의 적어도 하나의 속성에 대한 모든 값의 일부를 정의한다. 일부에서의 값은 세트에서의 다른 결함의 적어도 하나의 속성에 대한 값보다 제1 결함의 적어도 하나의 속성에 대한 값에 더 가깝다. 또한, 상이한 타일을 생성하는 단계는, 다른 결함 중 하나 이상에 대하여 타일을 생성하는 단계를 반복하는 단계를 포함한다. 또한, 본 방법은, 웨이퍼 상에서 검출된 결함을 결함의 적어도 하나의 속성의 값과 상이한 타일에 의해 정의되는 값의 일부에 기초하여 상이한 타일에 대응하는 샘플 빈(sample bin)으로 분리하는 단계를 포함한다. 본 방법은, 둘 이상의 샘플 빈의 각각으로부터 하나 이상의 결함을 무작위로 선택하는 단계와, 무작위로 샘플링된 결함을 포함하는 웨이퍼에 대하여 결함 샘플을 안출하는 단계를 포함한다. 획득하는 단계, 식별하는 단계, 상이한 타일을 생성하는 단계, 분리하는 단계, 무작위로 선택하는 단계 및 안출하는 단계는, 컴퓨터 시스템에 의해 수행된다.
위에서 설명된 방법은 본 명세서에서 더 설명되는 바와 같이 수행될 수 있다. 더하여, 본 방법은 본 명세서에서 설명된 임의의 다른 방법(들)의 임의의 단계(들)를 포함할 수 있다. 또한, 위에서 설명된 방법은 본 명세서에서 설명된 임의의 시스템에 의해 수행될 수 있다.
추가적인 실시예는 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법을 수행하기 위해 컴퓨터 시스템에서 실행 가능한 프로그램 명령을 저장하는 비일시적 컴퓨터 판독 가능 매체에 관한 것이다. 컴퓨터 구현 방법은 위에서 설명된 방법의 단계들을 포함한다. 컴퓨터 판독가능 매체는 본 명세서에서 설명된 바와 같이 더 구성될 수 있다. 컴퓨터 구현 방법의 단계들은 본 명세서에서 더 설명되는 바와 같이 수행될 수 있다. 또한, 프로그램 명령어가 실행 가능한 컴퓨터 구현 방법은 본 명세서에서 설명된 임의의 다른 방법(들)의 임의의 다른 단계(들)를 포함할 수 있다.
추가적인 실시예는 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템에 관한 것이다. 시스템은 웨이퍼에 대한 검사 결과를 획득하도록 구성된 검사 서브시스템을 포함한다. 검사 결과는 검사 서브시스템에 의해 수행된 검사 프로세스에 의해 웨이퍼 상에서 검출된 결함에 대한 정보와, 결함의 하나 이상의 속성에 대한 정보를 포함한다. 또한, 시스템은 위에서 설명된 방법의 식별하는 단계, 상이한 타일을 생성하는 단계, 분리하는 단계, 무작위로 선택하는 단계 및 안출하는 단계를 수행하도록 구성된 컴퓨터 서브시스템을 포함한다. 시스템은 본 명세서에서 설명된 바와 같이 더 구성될 수 있다.
본 발명의 다른 과제 및 이점은 이어지는 발명을 실시하기 위한 구체적인 내용의 숙독과 다음의 첨부 도면에 대한 참조에 따라 명백해질 것이다:
도 1은 웨이퍼 상에서 검출된 결함에 대하여 결정된 2개의 속성에 대한 값에 대응하는 데이터 포인트의 산점도(scatter plot)이다;
도 2는 일부 결함이 적어도 하나의 속성의 값에서 최대 다이버시티(most diversity)를 갖는 것으로 본 명세서에서 설명된 실시예에 따라 식별된 도 1의 산점도이다;
도 3은 식별된 결함의 일부에 대하여 본 명세서에서 설명된 실시예에 따라 생성된 상이한 타일을 도시하는 도 2의 산점도이다;
도 4는 본 명세서에서 설명된 하나 이상의 컴퓨터 구현 방법을 수행하게 하기 위하여 컴퓨터 시스템에서 실행 가능한 프로그램 명령어를 저장하는 비일시적인 컴퓨터 판독가능 매체의 일 실시예를 예시하는 블록도이다; 그리고,
도 5는 웨이퍼 상에서 검출된 결함을 분류하도록 구성된 시스템의 일 실시예의 측면도를 도시하는 개략도이다.
본 발명이 다양한 변형예 및 대안적인 형태로 되기 쉽지만, 이의 특정 실시예는 도면에서 예로서 도시되고, 본 명세서에서 상세하게 설명될 것이다. 그러나, 도면 및 이에 대한 상세한 설명은 본 발명을 개시된 특정 형태로 한정하도록 의도되지 않으며, 반대로, 첨부된 청구범위에 의해 정의되는 바와 같은 본 발명의 기술적 사상 및 범위 내에 있는 모든 수정물, 균등물 및 대체물을 포함하도록 의도된다는 것이 이해되어야 한다.
이제 도면을 참조하면, 도면들은 정확한 축척으로 작도되지 않은 것이 주목된다. 특히, 도면의 일부 요소의 축척은 그 요소의 특징을 강조하기 위해 상당히 과장된다. 또한, 도면들은 동일한 축척으로 작도되지 않았다는 점이 주목된다. 유사하게 구성될 수 있는 2개 이상의 도면에 나타나는 요소들은 동일한 참조 번호를 이용하여 표시된다. 본 명세서에 달리 언급되지 않는다면, 설명되고 도시된 임의의 요소는 임의의 상업적으로 입수 가능한 요소를 포함할 수 있다.
일 실시예는 웨이퍼에 대하여 결함 샘플을 생성하기 위한 컴퓨터 구현 방법에 관한 것이다. 본 명세서에서 더 설명된 바와 같이, 실시예들은 특히 생산 샘플링(production sampling)에 대하여 적합하다. 예를 들어, 생산 샘플링의 주요 목표는 웨이퍼 결함의 대표적인 단면을 얻는 것으로 프로세스 안정성을 모니터링하는 것이다. 이 목표를 성취하기 위하여, 생산 샘플링은 다음의 2개의 중요한 특성을 가져야만 한다: (a) 샘플은 웨이퍼 상에서 검출된 최대 개수의 결함 종류를 포함하여야 하고, (b) 이는 각각의 결함 종류에 대한 결함 카운트의 신뢰성 있는 예측이 편위 모니터링(excursion monitoring)에 대하여 사용 가능하도록 재정규화 가능하여야 한다.
본 명세서에서 설명된 실시예들은 위에서 설명된 2개의 특성을 가지며 기존 방법에 비하여 다음의 이점을 가지는 새로운 생산 샘플링 방법을 제공한다. 특히, 본 명세서에서 설명된 실시예들은 결함 종류를 찾는데 있어서 기존의 방법보다 더 효율적이다. 또한, 본 명세서에서 설명된 실시예들은 기존 방법보다 더 안정적이다. 더하여, 여기에서 설명된 실시예들은 결함 종류 모니터링을 위하여 결함 분류기를 설정하고 튜닝하는 것을 필요로 하지 않는다. 또한, 본 명세서에서 설명된 실시예들은 노이즈 플로어(noise floor) 변동에 대하여 스스로 조정한다. 더욱이, 본 명세서에서 설명된 실시예들은, 전술한 이점을 모두 제공하는 동시에, 샘플링된 모든 결함 종류에 대하여 결함 카운트의 통계적으로 편향되지 않은 예측을 제공하여, 종류에 의한 편위 모니터링(통계 프로세스 제어(statistical process control(SPC))를 가능하게 한다.
따라서, 본 명세서에 설명된 실시예는, 진정한 다이버시티(true diversity) 샘플링에 다양한 편향(biasing) 능력을 제공하고, 재정규화를 위하여 사용될 수 있는 통계적으로 편향되지 않은 샘플을 여전히 제공한다는 점에서 기존의 생산 샘플링과는 현저하게 다르다. 이러한 방식으로, 다른 스킴이 결함 종류에 의해 전반적인 결함의 편향되지 않은 예측을 제공하지 않기 때문에, 본 명세서에 설명된 실시예들은 일부 현재 사용 가능한 다이버시티 샘플링 스킴과는 상이하다.
본 방법은, 웨이퍼에 대한 검사 결과를 획득하는 단계를 포함한다. 사용자는 본 방법에서 사용될 검사 결과를 선택할 수 있다. 검사 결과는 검사 프로세스에 의해 웨이퍼 상에서 검출된 결함에 대한 정보를 포함한다. 정보는 결함의 하나 이상의 속성에 대한 정보를 포함한다. 하나 이상의 결함 속성은 검사 시스템에 의해, 또는 검사 시스템에 의해 생성된 결과로부터 결정될 수 있는 임의의 결함 속성을 포함할 수 있다. 본 명세서에서 더 설명되는 바와 같이 사용될 수 있는 적합한 결함 속성의 예는, 에너지, 크기, 다이 좌표 및 설계 속성을 포함하지만 이에 한정되지 않는다. 검사 결과는 웨이퍼 상에서 검출된 결함의 위치 및 결함에 대하여 생성된 이미지 데이터 또는 이미지와 같은 웨이퍼 상에서 검출된 결함에 관한 임의의 다른 적합한 정보를 포함할 수 있다.
검사 프로세스는 임의의 적합한 검사 시스템에 의해 수행될 수 있는 임의의 적합한 검사 프로세스를 포함할 수 있다. 일 실시예에서, 웨이퍼는 생산 웨이퍼(production wafer)이고, 검사 프로세스는 생산 모니터링(production monitoring)을 위하여 수행된다. 예를 들어, 전술한 바와 같이, 본 명세서에 설명된 실시예들은 생산 모니터링을 위하여 사용될 수 있는 결함 샘플을 안출하기에 특히 적합하다. 웨이퍼 검사 시스템은 본 명세서에서 설명된 바와 같이 더 구성될 수 있다.
본 명세서에서 사용된 바와 같은 "생산(production)"이라는 용어는 반도체 소자 제조와 연계하여 보통의 관례적인 의미를 갖도록 의도된다. 예를 들어, 반도체 소자 제조와 연계하여 "생산"은 제조의 소정 종류의 램프 업 스테이지(ramp up stage) 이후에 통상적으로 수행되는 반도체 소자의 대량 제조를 말하는 경향이 있다.
본 방법은 하나 이상의 속성 중 적어도 하나의 속성의 값에서 최대 다이버시티를 갖는 결함의 세트를 식별하는 단계를 포함한다. 적어도 하나의 속성에서 최대 다이버시티를 갖는 결함의 세트를 식별하는 단계는, 본 명세서에 완전하게 설명되는 것처럼 참조로서 편입되고, 공통 양도된 2015년 2월 3일 Plihal 등에 발행된 미국 특허 제8,948,494호와 2015년 2월 4일 Plihal 등에 의해 출원된 미국 특허 출원 제14/614,202호에 설명된 바와 같이 수행될 수 있다. 본 명세서에 설명된 실시예들은 이 등록 특허 및 특허 출원에서 설명된 속성 기반 다이버시티 샘플링에 따라 구성된다. 이 다이버시티 샘플링 스킴은 결함 발견을 위하여 먼저 소개되었고, 이는 결함 발견과 분류기 설정 모두에 상당한 가치를 보여주고 있다. 예를 들어, 이 다이버시티 샘플링은 결함 종류를 캡처하고 웨이퍼별로(from wafer-to-wafer) 상대적으로 안정된 샘플을 생산하는 이의 능력에 있어서 상당한 가치를 보여주고 있다.
일 실시예에서, 적어도 하나의 속성은 웨이퍼 상의 결함의 위치만을 포함하지 않는다. 예를 들어, 위에서 언급된 바와 같이, 무작위 샘플링 및 클래스 코드 기반 샘플링과 같은 샘플링을 위하여 현재 사용되는 일부 방법은 소정의 결함 클러스터 또는 다이로부터 오버 샘플링을 방지하기 위하여 웨이퍼 상의 결함의 공간적 위치에 기초하여 수행된다. 따라서, 이러한 현재 사용되는 방법은 샘플링된 결함 중에서 공간적인 다양화에 대한 소정의 기준(measure)을 획득할 수 있다. 그러나, 샘플링을 위하여 현재 사용되는 방법은 임의의 다른 결함 속성에 대하여 샘플링된 결함 집단을 다양화할 수 없다. 따라서, 본 명세서에 설명된 실시예들과 다르게, 현재 사용되는 샘플링 방법은 위치에 관하여 의도적으로 다양화하지 않으며, 임의의 다른 결함 속성에 관하여 다양화하지 않는다.
본 명세서에 설명된 실시예들은 다이버시티 샘플링 스킴이 완전히 생산 가치적이게 하도록 다이버시티 샘플링 스킴에 많은 변화를 제안하여, 이에 의해 생산 샘플링을 위한 새로운 패러다임을 안출한다. 예를 들어, 본 명세서에 설명된 실시예들은 사용자 사양에 따라 다양한(그리고 가능하게는 편향된(biased)) 샘플을 생산하도록 속성 기반 다이버시티 샘플링을 강화한다. 하나의 이러한 예에서, 도 1은 각각의 개별 포인트(100)가 웨이퍼 상에 검출된 집단에서의 결함에 대응하는 산점도(scatter plot)이다. 수평축은 하나의 결함 속성에 대응하고, 수직축은 다른 결함 속성에 대응한다. 따라서, 결함에 대한 2개의 결함 속성의 값은 도표에서 그 결함에 대한 포인트의 위치를 결정한다. 2개의 결함 속성이 산점도를 생성하는데 사용되기 때문에, 산점도는 2차원(2D) 산점도이고, 본 명세서에서 설명된 다양한 단계를 위하여 사용되는 속성 공간은 2D 속성 공간이다. 이와 같이, 도 1은 결함 분포의 2D 표현을 도시한다. 그러나, 단지 하나의 결함 속성이 본 명세서에 설명된 실시예들에서 사용되는 경우에 속성 공간은 단지 1차원(1D) 속성 공간일 수 있고, 또는 이는 3 이상의 속성을 위한 값에 의해 정의될 수 있다.
도 2는 2개의 결함 속성의 값에서 최대 다이버시티를 갖는 것으로서 식별된 결함(200)을 도시하는 도 1의 산점도이다. 따라서, 도 2는 다이버시티 샘플링에 의해 생산된 결함의 샘플(즉, 웨이퍼 상에서 검출된 모든 결함의 서브 세트)을 도시한다. 결함(200)이 2개의 값에서 최대 다이버시티를 실제로 가지지 않을 수 있다는 것이 주목된다. 대신에, 이러한 결함(200)은 2개의 결함 속성에서 최대 다이버시티를 가질 수 있거나 가지지 않을 수 있는 결함(100)의 일부의 단지 예시적인 예이다. 또한, 소정 개수의 식별된 결함(200)이 도 2에 도시되지만, 식별된 결함의 개수는 임의의 적합한 개수를 포함하고, 예를 들어, 사용자에 의해 선택될 수 있다는 것이 이해되어야 한다. 또한, 도 2는 산점도의 고밀도 영역으로부터 샘플링을 억제하면서 다양한 샘플을 생산하기 위하여 다이버시티 샘플링이 속성 공간에서 결함을 어떻게 샘플링할 수 있는지를 도시한다.
또한, 본 방법은, 세트에서 상이한 결함에 대한 상이한 타일(tile)을 생성하는 단계를 포함한다. 이러한 방식으로, 다이버시티 샘플링에 의해 식별된 결함을 실제 샘플링하는 대신에, 본 방법은 다이버시티 샘플링을 위하여 사용된 전체 속성 공간의 타일링(tiling)을 생성한다. 상이한 타일을 생성하는 단계는, 세트에서의 제1 결함에 대한 타일을 생성하는 단계를 포함한다. 타일은 웨이퍼 상에서 검출된 모든 결함의 적어도 하나의 속성에 대한 모든 값의 일부를 정의하고, 그 일부에서의 값은 세트에서의 다른 결함의 적어도 하나의 속성에 대한 값보다 제1 결함의 적어도 하나의 속성에 대한 값에 더 가깝다. 다른 말로 하면, 타일은 샘플링된 결함의 속성값에 대한 속성값의 근접도 상태에 의해 결정된다. 다른 말로 하면, 타일 k에서의 속성(들)의 모든 값은 임의의 다른 샘플링된 결함의 속성값보다 k번째 샘플링된 결함의 속성값에 더 가깝다. 이러한 방식으로 타일을 생성하는 단계는 본 명세서에 설명된 데이터세트(즉, 결함 속성값)를 위하여 수정되거나 그에 적용될 수 있는 당해 기술 분야에서 알려진 임의의 적합한 수학적 알고리즘을 이용하여 수행될 수 있다. 예를 들어, 본 명세서에 설명된 바와 같이 생성되는 타일은 Voronoi 다이어그램에 수학적으로 유사할 수 있다. 따라서, Voronoi 다어어그램을 생산하기 위하여 사용되는 수학적 알고리즘 및/또는 프로세스는 결함에 대하여 타일을 생성하기 위하여 결함에 대한 검사 결과로 맞추어질 수 있다.
또한, 상이한 타일을 생성하는 단계는, 다른 결함 중 하나 이상에 대하여 타일을 생성하는 단계를 반복하는 단계를 포함할 수 있다. 이러한 방식으로, 각각의 타일은 다이버시티 샘플링에 의해 식별된 각각의 결함에 대하여 개별적으로 생성될 수 있다. 일 실시예에서, 생성된 상이한 타일의 개수는 세트에서의 결함의 개수와 동일하다. 다른 말로 하면, 크기 N의 샘플에 대하여, N개의 타일이 있을 것이다. 이러한 방식으로, 최대 다이버시티 결함의 세트에서 결함의 각각에 대하여 안출된 정확하게 하나의 타일이 있을 수 있다.
위에서 설명된 타일은 샘플 빈(sample bin)에 대응한다. 또한, 본 방법은, 웨이퍼 상에서 검출된 결함을 결함의 적어도 하나의 속성의 값과 상이한 타일에 의해 정의되는 값의 일부에 기초하여 상이한 타일에 대응하는 샘플 빈으로 분리하는 단계를 포함한다. 예를 들어, 도 3에 도시된 바와 같이, 타일(300)은 상이한 다이버시티가 샘플링된 결함(200)에 대하여 생성될 수 있다. 다른 말로 하면, 타일은 샘플링된 결함에 대한 속성값(들)이 단일 타일 내에만 위치되도록 각각의 샘플링된 결함에 대하여 생성될 수 있다. 또한, 다이버시티가 샘플링된 결함의 각각에 대하여 타일이 도 3에 도시되지 않더라도, 이는 단지 간략함을 위한 것이다. 일반적으로, 다이버시티가 샘플링된 결함의 각각에 대하여 타일을 안출하는 것이 바람직할 것이다. 도 3에 도시된 바와 같이, 상이한 타일은 속성 공간의 상이한 부분을 둘러쌀 것이다(즉, 다이버시티가 샘플링된 결함에 대한 속성(들)의 값에 기초하여). 또한, 타일이 다이버시티가 샘플링된 결함의 속성(들)에 더 가까이 있는 속성(들)의 값에 기초하여 생성되기 때문에, 타일은 일반적으로 속성 공간에서 중첩하지 않을 것이다(즉, 속성(들)의 동일한 값(들)이 2 이상의 결함에 더 가까이 있을 수 없다).
따라서, 도 3에 도시된 타일의 각각은 샘플 빈에 대응하고, 타일 내의 속성값(들)을 갖는 결함의 각각은 대응하는 샘플 빈으로 분리될 수 있다. 이러한 방식으로, 각각의 타일 및 이의 대응하는 샘플 빈은 가장 가까운 샘플링된 결함에 "속하는" 결함의 서브 세트를 나타낸다. 예를 들어, 도 3에 도시된 타일 내의 모든 결함은 이의 대응하는 샘플 빈에 할당될 것이다. 이와 같이, 타일 k 내의 모든 결함은 어떠한 다른 샘플링된 결함보다 k번째 샘플링된 결함에 더 가까울 것이다.
샘플 빈이 웨이퍼 상에서 검출된 결함 집단에 기초하여 안출되기 때문에, 샘플 빈은 동적으로(즉, 웨이퍼별(wafer-to-wafer) 기반으로) 안출된다. 이러한 방식으로, 샘플 빈은 튜닝된 빈이 아니고, 튜닝된 결함 분류기에 의해 생산되지 않는다. 따라서, 본 명세서에 설명된 실시예들은 결함 종류 모니터링을 위하여 결함 분류기를 설정하고 튜닝할 필요가 없다는 점에서 유익하다.
본 발명은, 둘 이상의 샘플 빈의 각각으로부터 하나 이상의 결함을 무작위로 선택하는 단계를 더 포함한다. 일 실시예에서, 둘 이상의 샘플 빈의 각각으로부터 무작위로 선택된 하나 이상의 결함의 평균 개수는 사용자에 의해 선택된다. 이러한 방식으로, 샘플 빈으로부터 샘플링되는 결함의 평균 개수는 사용자가 구성 가능한 파라미터이다. 또한, 샘플 예산(sample budget)은 빈에 걸쳐 동일하게 또는 비례하여 분포될 수 있다. 다른 말로 하면, 일 실시예에서, 본 방법은, 안출된 결함 샘플에 포함되는 결함의 전체 개수를 샘플 빈에 걸쳐 동일하게 나누는 것으로 둘 이상의 샘플 빈의 각각으로부터 무작위로 선택될 하나 이상의 결함의 평균 개수를 결정하는 단계를 포함한다. 다른 실시예에서, 본 방법은 안출된 결함 샘플에 포함되는 결함의 전체 개수를 샘플 빈에 걸쳐 비례하여 나누는 것으로 둘 이상의 샘플 빈의 각각으로부터 무작위로 선택될 하나 이상의 결함의 평균 개수를 결정하는 단계를 포함한다. 또 다른 실시예에서, 본 방법은, 안출된 결함 샘플에 포함되는 결함의 전체 개수를 샘플 빈에 걸쳐 반(semi)-비례하여 나누는 것으로 둘 이상의 샘플 빈의 각각으로부터 무작위로 선택될 하나 이상의 결함의 평균 개수를 결정하는 단계를 포함한다. 샘플 빈에 걸친 샘플의 반(semi)-비례 분포에서, 각각의 샘플 빈은 적어도 한번 샘플링될 수 있고, 임의의 과도한 샘플 크기는 빈에서의 결함 카운트에 비례하여 분포된다.
이 대신에, 다른 실시예에서, 본 방법은, 안출된 결함 샘플에 포함될 결함의 전체 개수와 검사 프로세스에 의해 웨이퍼 상에서 검출된 결함을 재정규화하기 위하여 안출된 결함 샘플을 이용하기 위한 미리 정해진 신뢰 수준에 기초하여 둘 이상의 샘플 빈의 각각으로부터 무작위로 선택될 하나 이상의 결함의 개수를 결정하는 단계를 포함한다. 이러한 방식으로, 샘플링은 샘플 크기에 대한 타겟으로 구성될 수 있고, 재정규화를 위한 원하는 신뢰 수준이 예측된다. 그 다음, 본 방법은 예산 내에서 이 신뢰 수준을 최상으로 성취하기 위하여 빈 당 샘플 크기를 할당할 수 있다.
일 실시예에서, 위에서 설명된 무작위로 선택하는 단계는, 하나의 샘플 빈에서의 각각의 결함이 동일한 선택될 확률을 가지도록 둘 이상의 샘플 빈 중 하나에 대하여 수행된다. 예를 들어, 샘플 빈으로부터 결함을 무작위로 선택하는 단계는 빈에서의 모든 결함에 대하여 동일한 확률로 수행될 수 있다. 다른 실시예에서, 위에서 설명된 무작위로 선택하는 단계는, 하나의 샘플 빈에서의 적어도 2개의 결함이 상이한 선택될 확률을 가지도록 둘 이상의 샘플 빈 중 하나에 대하여 수행된다. 예를 들어, 빈에서의 모든 결함에 대하여 동일한 확률로 샘플 빈으로부터 결함을 무작위로 선택하는 단계는 각각의 결함을 샘플링하는 확률이 편향, 우선 순위화(prioritization) 등에 의해 자체로 결정되는 무작위 샘플링으로 대체될 수 있다.
또한, 방법은 무작위로 선택된 결함을 포함하는 웨이퍼에 대하여 결함 샘플을 안출하는 단계를 포함한다. 예를 들어, 모든 빈으로부터 샘플링된 무작위로 선택된 모든 결함에 대한 정보가 단일 파일로 함께 결합되어 이에 의해 결함 샘플을 안출할 수 있다. 안출된 결함 샘플은 임의의 다른 방법 또는 시스템에 의해 사용될 수 있거나 본 명세서에 설명된 방법 및 시스템에 의해 사용될 수 있는 검사 결과 파일로서 출력될 수 있다. 또한, 안출된 결함 샘플을 포함하는 검사 결과 파일은 가능하게는 본 명세서에 설명된 실시예들에 의해 사용된 임의의 것을 포함하는 원본 검사 결과 파일로부터의 임의의 다른 정보와 결합하여 본 명세서에 설명된 실시예들에 의해 안출된 결함 샘플에 대하여 생성된 임의의 정보를 포함할 수 있다. 안출된 결함 샘플이 재정규화를 위하여 사용될 것이라면, 안출된 결함 샘플에 대한 정보를 포함하는 파일은 또한 결함의 개수가 카운트될 수 있도록 모든 다른 검출된 결함에 대한 샘플 빈 라벨을 포함할 수 있다. 이 대신에, 각각의 샘플 빈에서 얼마나 많은 결함이 검출되었는지에 관한 정보와 함께 샘플 빈 코드로 샘플링된 결함을 내보내는 것이 가능할 것이다.
일 실시예에서, 본 방법은 결함 샘플에서 무작위로 선택된 결함을 분류하는(예를 들어, 수동으로 분류하는) 단계와 분류하는 단계의 결과와 샘플 빈의 각각에서의 전체 결함 개수로 웨이퍼 상에서 검출된 결함을 재정규화하여 검사 프로세스에서 웨이퍼 상에서 검출된 상이한 결함 종류에 대한 결함 카운트의 예측을 결정하는 단계를 포함한다. 재정규화는 임의의 다른 재정규화 프로세스의 방식과 동일한 방식으로 샘플 빈을 취급함으로써 성취될 수 있다. 다른 말로 하면, 검출 샘플이 안출되면, 결과에 따른 결함 샘플 빈은 임의의 기존 방법을 이용하여 재정규화될 수 있다. 하나의 이러한 예에서, 종류 i의 결함의 전체 개수는 다음의 식에 의해 결정될 수 있다:
Figure pct00001
여기에서 NB = 동적 빈(dynamic bin)의 개수이고, i는 결함 종류 i를 나타내고, Ni = 웨이퍼 상에서의 종류 i의 결함이 개수(이것은 예측이다)이고, Nk = 빈 k에서의 결함의 전체 개수이고, nk = 빈 k에서 샘플링된 결함의 개수이고, nk,i = 빈 k에서 종류 i의 샘플링된 결함의 개수이다. 일부 실시예에서, 본 방법은 재정규화된 결함에 기초하여 생산 모니터링을 수행하는 단계를 포함한다. 다른 말로 하면, 재정규화된 결함은 임의의 다른 재정규화된 결함과 마찬가지로 생산 모니터링을 위하여 사용될 수 있다.
따라서, 본 명세서에 설명된 실시예들은, 결함 샘플을 안출하기 위하여 현재 사용되는 방법 및 시스템과 상이하다. 예를 들어, 많은 기존 방법에서, 결함 종류는 훈련 웨이퍼 상에서 튜닝된 분류기를 이용하여 비닝된다. 그 다음, 고정된 개수의 결함이 각각의 빈으로부터 무작위로 샘플링되고, 그 고정된 개수는 설정 동안 결정될 수 있다. 그 다음, 각각의 종류의 검출된 결함의 개수는 샘플로부터 예측될 수 있다.
대조적으로, 본 명세서에 설명된 실시예들에서, 샘플링을 위한 다양화(및 가능하게는 편향) 기준은 특정될 수 있다. 샘플 빈은 검사 데이터에 동적으로 안출될 수 있다. 이러한 방식으로, 샘플 빈은 데이터에 맞추어지고 다양화(및 가능하게는 편향) 기준을 인코딩한다. 그 다음, 결함은 샘플 빈으로부터 무작위로 선택된다. 그 다음, 각각의 종류의 검출된 결함의 개수는 동적으로 안출된 샘플 빈을 이용하여 샘플로부터 예측될 수 있다.
이러한 방식으로, 이전 방법 및 새로운 방법은 모두 웨이퍼의 검사 결과로 시작할 수 있다. 그러나, 현재 사용되는 방법이 통상적으로 이전에 안출되고 튜닝된 분류기를 이용하여 웨이퍼 상에서 검출된 결함을 빈으로 분리하기 때문에, 훈련 웨이퍼와 검사된 웨이퍼 사이의 임의의 차이가 일부 결함이 잘못 비닝되게 할 수 있다. 이와 같이, 현재 수행된 바와 같은 이러한 빈으로부터의 무작위 샘플링은 소정의 결함 종류(예를 들어 잘못 비닝된 것)를 놓칠 수 있다. 대조적으로, 본 명세서에 설명된 실시예들이 다양화(및 가능하게는 편향) 기준에 기초하여 동적으로 검사되고 있는 웨이퍼 상에서 검출된 결함에 관한 정보를 이용하여 샘플 빈을 안출하기 때문에, 결과에 따른 다양화된(그리고 가능하게는 편향된) 샘플은 이전에 사용된 방법보다 더 많은 결함 종류를 캡처한다. 그 결과, 현재 사용되는 방법에서 안출된 샘플로부터 결함 집단을 예측할 때, 재정규화는 샘플링되지 않은 종류에 대하여 실패할 수 있지만, 본 명세서에 설명된 실시예들에서, 재정규화가 가능하며 샘플은 이전에 성취 가능한 것보다 더 안정적이며, 더 나은 DOI 커버리지를 가진다.
따라서, 본 명세서에서 설명된 실시예들은 결함 샘플을 안출하기 위한 이전의 방법에 비하여 많은 이점을 가진다. 예를 들어, 샘플 성형(shaping)(다양화 및 가능하게는 편향)이 제1 패스 샘플링 동안 샘플 빈을 생성함으로써 성취된다. 또한, 국외 결함(outlier defect)들은 이들의 대응하는 샘플 빈에서 실질적으로 작은 개수의 결함을 가질 것이고, 일부 경우에, 산점도의 상부 오른쪽 코너에 가장 가까운 도 3에서의 타일로 도시된 바와 같이 이들의 샘플 빈에서는 심지어 단독으로 있을 것이다. 다른 말로 하면, 다른 타일이 상당히 많은 결함을 포함할 수 있지만, 일부 타일(또는 샘플 빈)은 단지 몇 개의 결함(또는 심지어 단지 하나의 결함)을 포함할 것이다. 일반적으로 국외 결함은 상대적으로 적은 타일 집단에 의해 특징지어질 수 있다. 이것은 타일(샘플 빈)로부터의 샘플링의 무작위화(randomization)가 안출된 결함 샘플에서의 국외 집단에 상당한 영역을 가지지 않을 것이라는 것을 의미한다. 따라서, 무작위화는 샘플 빈에서 인코딩된 샘플 성형(다양화 및 가능하게는 편향)을 상당히 열화시키지는 않을 것이다. 우수한 샘플 성형 능력은, 샘플 재정규화(집단에서 결함 종류 카운트의 편향되지 않은 통계적 예측에 대한 능력을 의미)를 유지하는 동안, 본 명세서에 설명된 샘플링 스킴을 관심 결함(defect of interest(DOI))을 찾는데 더욱 효율적으로 만든다. 추가적인 이점은 재정규화 에러가 샘플 빈 당 샘플링되는 결함의 평균 개수를 수정함으로써, 그리고 이 평균 개수가 샘플 빈에 걸쳐 어떻게 분배되는지, 예를 들어 빈 집단에 동일하게 또는 반(semi)-비례하여 분포되는지를 변경함으로써 제어될 수 있다는 것이다. 다른 말로 하면, 여러 결함이 각각의 샘플 빈에서 샘플링되게 하는 아이디어는 통계적 예측에서의 에러를 제어하는 것을 가능하게 한다. 재정규화 에러에서의 경계를 동적으로 제어하는 것은(가변 샘플 크기에 의해) 새로운 것으로 여겨진다.
본 명세서에 설명된 실시예들의 이점의 다른 예는, 특정 결함 종류에서의 편위(excursion)가 속성 공간에서의 일부 부분에서의 증가된 결함 밀도로서 통상적으로 나타날 것이다. 이러한 증가된 밀도는 다양화 기준 때문에 샘플 자체에 의해 검출되지 않을 것이며, 이는 나머지 공간이 탐색될 때까지 근처의 결함이 여러 번 샘플링되는 것을 방지한다. 그러나, 이러한 증가된 밀도는 대응하는 샘플 빈에서의 결함 카운트에서 피크(spike)로서 나타날 것이다. 따라서, 편위는 다른 웨이퍼에 대하여 생성된 대응하는 샘플 빈과 비교될 때 검출 가능할 것이다. 증가된 밀도를 갖는 샘플 빈에서의 결함의 단지 하나가 편위를 가지면서 또는 편위 없이 샘플링될 수 있지만, 추가 결함은 동일한 샘플 빈에 속할 것이고, 따라서 재정규화 동안 피크로서 나타날 것이다. 따라서, 샘플 빈 집단에서의 변동의 검사는 "정적(static)" 샘플 비닝 방법과는 달리 잠재적인 편위에 대한 추가의 통찰력을 제공한다. 이러한 방식으로, 본 방법은 적어도 하나의 샘플 빈으로 분리된 결함의 개수에 기초하여 생산 모니터링을 수행하는 단계를 포함할 수 있다.
다른 실시예에서, 식별하는 단계 및 상이한 타일을 생성하는 단계는, 안출된 상기 결함 샘플을 검사 프로세스의 노이즈 플로어(noise floor)로 자동으로 조정한다. 다른 말로 하면, 본 명세서에 설명된 실시예들은 노이즈 플로어 변동에 대하여 자신을 조정한다. 따라서, 본 명세서에 설명된 실시예들의 다른 이점은, 본 명세서에 설명된 샘플링 접근 방식이 노이즈 플로어에 민감한 동적 비닝을 효과적으로 성취하고, 빈의 개수는 다양한 샘플의 개수와 동일하다는 것이다. 추가적인 실시예에서, 식별하는 단계와 상이한 타일을 생성하는 단계는, 안출된 결함 샘플을 검사 프로세스의 웨이퍼별(wafer-to-wafer) 변동에 대하여 자동으로 조정한다. 특히, 본 명세서에 설명된 실시예들이 웨이퍼에 대한 결함 샘플을 안출할 때 그 웨이퍼 상에서 검출된 결함 집단에 기초하여 타일과 이의 대응하는 샘플 빈을 안출하기 때문에, 본 명세서에 설명된 실시예들은 결함 집단에서의 웨이퍼별 변동에 상대적으로 면역성이 있을 것이다. 따라서, 본 명세서에 설명된 실시예들은 스캔별(scan-to-scan) 변동에 관하여 그리고 노이즈 플로어에서의 시스템적인 시프트에 관하여 샘플의 우수한 안정성을 제공한다.
또한, 본 명세서에 설명된 실시예들은 임의의 기존 샘플링 소프트웨어 또는 시스템 내에서부터 실행될 수 있다(그 소프트웨어 또는 시스템의 적합한 수정 후에). 또한, 본 명세서에 설명된 실시예들은 생산 샘플링을 위한 전례 없는 유연성 및 커스터마이징을 제공한다. 또한, 본 명세서에 설명된 샘플링 스킴들은 웨이퍼 검사 시스템에서 실행될 필요가 없다. 이들은 임의의 오프라인 분석 애플리케이션에서(거기에서 사용 가능한 속성을 이용하여) 또는 주사형 전자 현미경(SEM) 검토 스테이션과 같은 결함 검토 도구에서 직접 실행될 수 있다. 실시예들은 완전히 유연성 있으며, 아이디어는 이것이 동작하는 속성 공간에 독립적이다.
또한, 본 명세서에 설명된 실시예들은 DOI를 캡처하는데 있어서 이를 더욱 효율적으로 만드는 임의의 다양화 및 편향 기준으로 성형될 수 있는 재정규화 가능한 샘플을 생성하기 위한 새로운 동적 방법을 소개한다. 예를 들어, 일 실시예에서, 식별하는 단계는, 적어도 하나의 속성의 값에서 최대 다이버시티를 갖는 제1 결함 세트를 식별하는 단계와, 결함 세트를 생산하기 위하여 하나 이상의 편향 파라미터에 기초하여 제1 결함 세트를 수정하는 단계를 포함할 수 있다. 잠재적인 편향 기준의 일례는 특정 결함 속성(들)의 큰(또는 작은) 값을 향하여 샘플을 편향시키는 것이다. 잠재적인 편향 기준의 다른 예는 특정 공간의 일부 부분, 예를 들어, 결함 크기 및 세기 등에서의 공간적인 클러스터 또는 클라우드에서 상대적으로 높은 결함 밀도의 영역으로부터 멀리 샘플을 편향시키는 것이다. 잠재적인 편향 기준의 추가적인 예는 특징 공간의 특정 영역으로부터 멀리 샘플을 편향시키는 것이다.
샘플을 직접 생성하는 대신에 단지 샘플 빈(타일)을 안출하기 위하여 이러한 다양화(그리고 가능하게는 편향) 기준을 이용하는 아이디어는 새로운 것으로 여겨진다. 따라서, 본 명세서에 설명된 상이한 타일을 생성하는 단계는 현재의 방법에 비하여 3가지 주요 개선을 성취한다. 예를 들어, 다양화(그리고 가능하게는 편향) 기준의 중요한 양태, 즉 두드러지는 결함(국외자(outlier))을 샘플링하는 능력은, 두드러지는 결함이 상대적으로 적게 차지되는 타일(가능하게는 하나)일 것이어서 이에 따라 샘플링될 가능성이 크기 때문에, 또는 그에 유사한 결함이 샘플링될 것으로 보장되기 때문에, 샘플을 생성하는 이 접근 방식에서 지속될 것이다. 이러한 방식으로, 본 명세서에 설명된 식별하는 단계, 상이한 타일을 생성하는 단계, 분리하는 단계 및 무작위로 선택하는 단계는 안출된 결함 샘플이 웨이퍼 상에서 검출된 모든 종류의 결함을 포함하게 할 수 있다. 또한, 본 명세서에서 설명된 무작위로 선택하는 단계는, 모든 상기 샘플 빈으로부터 하나 이상의 결함을 무작위로 선택하여, 적어도 하나의 속성에서 최대 다이버시티를 갖는 결함이 안출된 결함 샘플에 포함되는 것을 보장하는 단계를 포함할 수 있다. 이 단계의 두 번째 이점은, 물론, 무작위화가 결함 종류 카운트의 편향되지 않은 통계적 예측(즉, 재정규화)를 보증한다는 사실이다. 특히, 본 명세서에 설명된 식별하는 단계, 상이한 타일을 생성하는 단계, 분리하는 단계 및 무작위로 선택하는 단계는 안출된 결함 샘플이 통계적으로 편향되지 않게 한다. 세 번째 이점은, 내용 및 분포가 데이터 변동에 맞추어지는 샘플 빈의 동적 성질이다. 이러한 적응적 특성은(재정규화 가능성과 함께) 무작위 변동 및 노이즈 플로어 시프트에 관하여 샘플을 안정되게 하고, 또한 새로운 결함 종류를 실질적으로 검출할 수 있게 한다.
위에서 설명된 획득하는 단계, 식별하는 단계, 상이한 타일을 생성하는 단계, 분리하는 단계, 무작위로 선택하는 단계 및 안출하는 단계는, 본 명세서에 설명된 바와 같이 구성될 수 있는 컴퓨터 시스템에 의해 수행된다.
위에서 설명된 방법의 실시예들의 각각은 본 명세서에 기재된 임의의 다른 방법(들)의 임의의 다른 단계(들)를 포함할 수 있다. 또한, 위에서 설명된 방법의 실시예들의 각각은 본 명세서에 기재된 시스템들 중 어느 하나에 의해 수행될 수 있다.
본 명세서에서 설명된 모든 방법은 컴퓨터 판독가능한 저장 매체에 방법 실시예들의 하나 이상의 단계의 결과를 저장하는 것을 포함할 수 있다. 그 결과는 본 명세서에 설명된 결과 중 어느 하나를 포함할 수 있고 당해 기술 분야에 알려진 임의의 방식으로 저장될 수 있다. 저장 매체는 본 명세서에 기재된 임의의 저장 매체 또는 당해 기술 분야에 알려진 임의의 다른 적합한 저장 매체를 포함할 수 있다. 결과가 저장된 후에, 그 결과는 저장 매체 내에서 액세스되고, 본 명세서에서 설명된 방법 또는 시스템 실시예들 중 어느 하나에 의해 사용되며, 사용자에게 디스플레이하기 위해 포맷되고, 다른 소프트웨어 모듈, 방법 또는 시스템 등에 의해 사용될 수 있다.
추가적인 실시예는 웨이퍼 상에서 결함 샘플을 생성하기 위한 컴퓨터 구현 방법을 수행하기 위해 컴퓨터 시스템에서 실행 가능한 프로그램 명령을 저장하는 비일시적 컴퓨터 판독 가능 매체에 관한 것이다. 하나의 이러한 실시예가 도 4에 도시된다. 특히, 도 4에 도시되어 있는 바와 같이, 컴퓨터 판독가능 매체(400)는 컴퓨터 시스템(404)에서 실행 가능한 프로그램 명령어(402)를 포함한다. 컴퓨터 구현 방법은 위에서 설명된 방법의 단계를 포함한다. 프로그램 명령어가 실행 가능한 컴퓨터 구현 방법은 본 명세서에서 설명된 임의의 다른 단계(들)를 포함할 수 있다.
본 명세서에서 설명된 것과 같은 방법을 구현하는 프로그램 명령어(402)는 비일시적인 컴퓨터 판독가능 매체(400)에 저장될 수 있다. 컴퓨터 판독가능 매체는 자기 또는 광학 디스크, 또는 자기 테이프와 같은 저장 매체, 또는 당해 기술 분야에 알려진 임의의 다른 적합한 비일시적인 컴퓨터 판독가능 매체일 수 있다.
프로그램 명령어는 그 중에서도 특히 절차 기반 기술(procedure-based technique), 구성요소(component) 기반 기술, 및/또는 객체 지향(object-oriented) 기술을 포함하는 다양한 방법 중 어느 하나로 구현될 수 있다. 예를 들면, 프로그램 명령어는 원하는 바에 따라 ActiveX 제어, C++ 오브젝트, JavaBeans, 마이크로소프트 파운데이션 클래스("MFC(Microsoft Foundation Classes)") 또는 다른 기술 또는 방법론(methodologies)을 사용하여 구현될 수 있다.
컴퓨터 시스템은 퍼스널 컴퓨터 시스템, 이미지 컴퓨터, 메인프레임(mainframe) 컴퓨터 시스템, 워크스테이션(workstation), 네트워크 기기, 인터넷 기기 또는 다른 장치를 포함하는 다양한 형태를 취할 수 있다. 일반적으로, "컴퓨터 시스템"이란 용어는 메모리 매체로부터의 명령어를 실행하는 하나 이상의 프로세서를 갖는 임의의 장치를 포함하도록 광범위하게 정의될 수 있다. 컴퓨터 시스템은 또한 병렬 프로세서와 같이 당해 기술 분야에서 알려진 임의의 적합한 프로세서를 포함할 수 있다. 또한, 컴퓨터 시스템은 고속 처리를 이용하는 컴퓨터 플랫폼과 소프트웨어를, 단독형으로 또는 네트워크형 도구로서 포함할 수 있다.
추가적인 실시예는 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템에 관한 것이다. 이러한 시스템의 일례는 도 5에 도시된다. 시스템은 웨이퍼(504)에 대한 검사 결과를 획득하도록 구성된 검사 서브시스템(502)을 포함한다. 검사 결과는 검사 서브시스템에 의해 수행되는 검사 프로세스에 의해 웨이퍼 상에서 검출된 결함에 대한 정보를 포함하고, 정보는 결함의 하나 이상의 속성에 대한 정보를 포함한다. 검사 결과는 본 명세서에서 설명된 임의의 이러한 정보를 포함할 수 있다.
검사 서브시스템은 광학 또는 광 기반 검사 서브시스템의 경우에 임의의 적합한 광원을 포함할 수 있는 소스(506)를 포함한다. 검사 서브시스템이 광 기반 검사 서브시스템에 관하여 본 명세서에서 더 설명될 것이지만, 검사 서브시스템은 임의의 적합한 방식으로 수정될 수 있거나, 전자 빔 기반의 검사 서브시스템이 되도록 교체될 수 있다.
광원으로부터의 광은 웨이퍼(504)로 지향될 수 있다. 광원은 하나 이상의 집광 렌즈, 시준 렌즈, 릴레이 렌즈, 대물 렌즈, 어퍼처, 스펙트럼 필터, 편광 구성요소 등과 같은 임의의 다른 적합한 요소(미도시)에 결합될 수 있다. 도 5에 도시된 바와 같이, 광은 비스듬한 입사각으로 웨이퍼에 지향될 수 있다. 그러나, 광은 거의 수직 및 수직 입사를 포함하는 임의의 적합한 입사각으로 웨이퍼에 지향될 수 있다. 또한, 광 또는 다중 광빔은 순차적으로 또는 동시에 하나보다 많은 입사각으로 웨이퍼에 지향될 수 있다.
웨이퍼(504)는 광이 웨이퍼로 지향되고 있는 동안 스테이지(미도시)에 배치될 수 있다. 스테이지는 임의의 적합한 기계 또는 로봇 어셈블리를 포함할 수 있고, 광이 웨이퍼로 지향되고 있는 동안 광이 검사 서브시스템에 의해 웨이퍼 위로 스캔될 수 있도록 하나 이상의 방향으로 웨이퍼를 이동시키도록 구성될 수 있다. 그러나, 검사 서브시스템은 임의의 다른 적합한 방식으로 웨이퍼 위로 광을 스캐닝하도룩 구성될 수 있다.
또한, 검사 서브시스템은 웨이퍼로부터 산란된 광을 수집하는 수집기(collector)(508)를 포함할 수 있고(암시야(dark field) 가능 검사 시스템의 경우에), 이는 수집기에 의해 수집된 웨이퍼로부터의 산란된 광을 검출하도록 구성된 검출기(510)에 수집된 광을 지향시키도록 구성된다. 수집기는 임의의 적합한 개수 및 구성의 반사 광학 요소 및/또는 굴절 광학 요소를 포함할 수 있다. 검출기(510)는 임의의 적합한 검출기를 포함할 수 있다. 따라서, 검출기(510)와 수집기(508)는 검사 서브시스템의 검출 시스템의 적어도 일부를 형성할 수 있다. 검출 서브시스템은, 대물 렌즈, 릴레이 렌즈, 확대 렌즈, 주밍 렌즈, 어퍼처, 스펙트럼 필터, 그레이팅 및 편광 구성요소와 같이 검출기와 웨이퍼 사이의 광로에 위치 설정되는 하나 이상의 다른 적합한 요소(미도시)를 포함할 수 있다. 검사 시스템이 웨이퍼로부터 산란된 광을 검출하도록 도 5에 도시되어 있지만, 검사 서브시스템은 더하여 또는 대신에 웨이퍼의 명시야(bright field(BF)) 검사를 위하여 구성될 수 있다. 또한, 검사 서브시스템은 웨이퍼로부터 상이한 광을 동시에 또는 순차적으로 검출하는데 사용될 수 있는 하나보다 많은 검출기(미도시)를 포함할 수 있다.
검사 서브시스템은 본 명세서에서 설명된 검사 결과를 생성하도록 구성된 컴퓨터 서브시스템(512)을 포함할 수 있다. 예를 들어, 컴퓨터 서브시스템(512)은, 컴퓨터 서브시스템이 검출기의 출력을 수신할 수 있도록, "무선" 및/또는 "유선" 전송 매체를 포함할 수 있는 하나 이상의 전송 매체(미도시)에 의해 검출기(510)에 결합될 수 있다. 그 다음, 컴퓨터 서브시스템은 본 명세서에서 설명된 바와 같이 웨이퍼에서 결함을 검출하고, 결함의 여러 속성 중 임의의 것을 결정하기 위하여 출력을 이용한다. 그 다음, 컴퓨터 서브시스템(512)에 의해 생성된 정보는 본 명세서에서 더 설명되는 바와 같이 검사 결과 파일의 형태로 컴퓨터 서브시스템에 의해 출력될 수 있다.
검사 서브시스템은 웨이퍼에서 결함을 검출하도록 구성된 하나의 컴퓨터 서브시스템을 포함할 수 있고, 시스템은, 본 명세서에서 설명된 방법의 단계들을 수행하도록 구성된 다른 상이한 컴퓨터 서브시스템을 포함할 수 있다. 예를 들어, 시스템은 위에서 설명된 바와 같이 컴퓨터 서브시스템(512)에 결합될 수 있는 컴퓨터 서브시스템(514)을 포함할 수 있어, 컴퓨터 서브시스템(514)이 컴퓨터 서브시스템(512)으로부터 검사 결과를 수신할 수 있다. 컴퓨터 서브시스템(514)은 본 명세서에서 설명된 식별하는 단계, 상이한 타일을 생성하는 단계, 분리하는 단계, 무작위로 선택하는 단계 및 안출하는 단계를 수행하도록 구성될 수 있고, 이는 본 명세서에서 설명된 바와 같이 실행될 수 있다. 컴퓨터 서브시스템과 시스템은 본 명세서에서 설명된 임의의 다른 단계(들)를 수행하도록 구성될 수 있고, 본 명세서에서 설명된 바와 같이 더 구성될 수 있다. 또한, 시스템은 본 명세서에서 설명된 모든 단계(들)를 수행하도록 구성된 단지 하나의 컴퓨터 서브시스템(예를 들어, 유일한 컴퓨터 서브시스템(512))을 포함할 수 있다. 이것은 검사 도구가 본 명세서에서 설명된 방법 실시예를 수행하도록 구성된 경우일 수 있다. 예를 들어, 도 5에 도시된 검사 서브시스템은 본 명세서에서 설명된 바와 같이 웨이퍼에서 결함을 검출하고 결함 샘플을 안출하는 검사 도구로서 구성될 수 있다.
도 5이 본 명세서에서 설명된 시스템 실시예에 포함될 수 있는 검사 서브시스템의 하나의 구성을 일반적으로 예시하도록 본 명세서에 제공된다는 것이 주목된다. 명백하게도, 본 명세서에서 설명된 검사 서브시스템 구성은 상업적인 검사 시스템을 설계할 때 정상적으로 수행되는 것과 같은 검사 서브시스템의 성능을 최적화하도록 변경될 수 있다. 더하여, 본 명세서에 설명된 시스템들은 KLA-Tencor로부터 상업적으로 입수 가능한 Puma 90xx, 91xx 및 93xx 시리즈의 도구와 같은 기존의 검사 시스템을 이용하여(예를 들어, 기존의 검사 시스템에 본 명세서에서 설명된 기능을 추가함으로써) 구현될 수 있다. 일부 이러한 시스템에 대하여, 본 명세서에서 설명된 방법은 시스템의 선택적인 기능으로서(예를 들어, 시스템의 다른 기능에 더하여) 제공될 수 있다. 이 대신에, 본 명세서에 설명된 시스템은 완전히 새로운 시스템을 제공하도록 "맨 처음부터(from scratch)" 설계될 수 있다.
본 발명의 다양한 양태의 추가의 변형 및 대체 실시예들이 이 설명에 비추어 통상의 기술자에게는 명백하게 될 것이다. 예를 들어, 웨이퍼 상에서 검출된 결함을 분류하기 위한 방법 및 시스템이 제공된다. 따라서, 본 설명은 예시적인 것으로만 해석되어야 하고 통상의 기술자에게 본 발명을 수행하는 일반적인 방식을 교시하기 위한 것이다. 본 명세서에 도시되고 설명된 방법의 형태들은 현재 바람직한 실시예로서 취해져야 하는 것으로 이해되어야 한다. 요소들 및 재료들이 본 명세서에 예시되고 설명된 것에 대하여 치환될 수 있고, 부분 및 프로세스들은 반대로 될 수 있으며, 본 발명의 특정 특징들이 독립적으로 이용될 수 있고, 모두 본 발명의 이 기재의 이익을 얻은 후에 통상의 기술자에게 명백하게 될 것이다. 아래의 청구범위에 설명된 바와 같은 발명의 기술적 사상 및 범위를 벗어나지 않고 본 명세서에 기재된 요소에 변경이 이루어질 수 있다.

Claims (43)

  1. 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법에 있어서,
    웨이퍼에 대한 검사 결과를 획득하는 단계 ― 상기 검사 결과는 검사 프로세스에 의해 상기 웨이퍼 상에서 검출된 결함에 대한 정보를 포함하고, 상기 정보는 상기 결함의 하나 이상의 속성에 대한 정보를 포함함 ― ;
    상기 하나 이상의 속성 중 적어도 하나의 속성의 값에서 최대 다이버시티(most diversity)를 갖는 상기 결함의 세트를 식별하는 단계;
    상기 세트에서 상이한 결함에 대한 상이한 타일(tile)을 생성하는 단계 ― 상기 상이한 타일을 생성하는 단계는:
    상기 세트에서의 제1 결함에 대한 타일을 생성하는 단계 ― 상기 타일은 상기 웨이퍼 상에서 검출된 모든 상기 결함의 상기 적어도 하나의 속성에 대한 모든 값의 일부를 정의하고, 상기 일부에서의 값은 상기 세트에서의 다른 결함의 상기 적어도 하나의 속성에 대한 값보다 상기 제1 결함의 상기 적어도 하나의 속성에 대한 값에 더 가까움 ― ; 및
    상기 다른 결함 중 하나 이상에 대하여, 상기 타일을 생성하는 단계를 반복하는 단계
    를 포함함 ― ;
    상기 웨이퍼 상에서 검출된 상기 결함을, 상기 결함의 상기 적어도 하나의 속성의 값과 상기 상이한 타일에 의해 정의되는 값의 일부에 기초하여, 상기 상이한 타일에 대응하는 샘플 빈(sample bin)으로 분리하는 단계;
    상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 하나 이상의 결함을 무작위로 선택하는 단계; 및
    상기 무작위로 선택된 결함을 포함하는 상기 웨이퍼에 대한 결함 샘플을 안출하는(creating) 단계
    를 포함하고,
    상기 획득하는 단계, 상기 식별하는 단계, 상기 상이한 타일을 생성하는 단계, 상기 분리하는 단계, 상기 무작위로 선택하는 단계, 및 상기 안출하는 단계는, 컴퓨터 시스템에 의해 수행되는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  2. 제1항에 있어서,
    상기 웨이퍼는 생산 웨이퍼(production wafer)이고, 상기 검사 프로세스는 생산 모니터링(production monitoring)을 위하여 수행되는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  3. 제1항에 있어서,
    상기 결함 샘플에서 무작위로 선택된 결함을 분류하는 단계; 및
    상기 분류하는 단계의 결과와 상기 샘플 빈의 각각에서의 전체 결함 개수로 상기 웨이퍼 상에서 검출된 결함을 재정규화하여, 상기 검사 프로세스에서 상기 웨이퍼 상에서 검출된 상이한 결함 종류에 대한 결함 카운트의 예측을 결정하는 단계
    를 더 포함하는, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  4. 제3항에 있어서,
    재정규화된 상기 결함에 기초하여 생산 모니터링을 수행하는 단계를 더 포함하는, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  5. 제1항에 있어서,
    상기 샘플 빈 중 적어도 하나로 분리된 상기 결함의 개수에 기초하여 생산 모니터링을 수행하는 단계를 더 포함하는, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  6. 제1항에 있어서,
    상기 샘플 빈은 튜닝된 빈이 아니고, 튜닝된 결함 분류기에 의해 생산되지 않은 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  7. 제1항에 있어서,
    상기 식별하는 단계, 상기 상이한 타일을 생성하는 단계, 상기 분리하는 단계, 및 상기 무작위로 선택하는 단계는, 안출된 상기 결함 샘플이 상기 웨이퍼 상에서 검출된 모든 종류의 결함을 포함하게 하는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  8. 제1항에 있어서,
    상기 식별하는 단계, 상기 상이한 타일을 생성하는 단계, 상기 분리하는 단계 및 상기 무작위로 선택하는 단계는, 안출된 상기 결함 샘플이 통계적으로 편향되지 않게(statistically unbiased) 하는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  9. 제1항에 있어서,
    상기 식별하는 단계 및 상기 상이한 타일을 생성하는 단계는, 안출된 상기 결함 샘플을 상기 검사 프로세스의 노이즈 플로어(noise floor)로 자동으로 조정하는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  10. 제1항에 있어서,
    상기 식별하는 단계와 상기 상이한 타일을 생성하는 단계는, 안출된 상기 결함 샘플을 상기 검사 프로세스의 웨이퍼별(wafer-to-wafer) 변동에 대하여 자동으로 조정하는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  11. 제1항에 있어서,
    상기 식별하는 단계는,
    상기 적어도 하나의 속성의 값에서 최대 다이버시티를 갖는 제1 결함 세트를 식별하는 단계; 및
    상기 결함 세트를 생산하기 위하여 하나 이상의 편향(biasing) 파라미터에 기초하여 상기 제1 결함 세트를 수정하는 단계
    를 포함하는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  12. 제1항에 있어서,
    상기 적어도 하나의 속성은 상기 웨이퍼 상에서의 상기 결함의 위치만을 포함하지 않는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  13. 제1항에 있어서,
    생성된 상기 상이한 타일의 개수는 상기 세트에서의 상기 결함의 개수와 동일한 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  14. 제1항에 있어서,
    상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택된 상기 하나 이상의 결함의 평균 개수는 사용자에 의해 선택되는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  15. 제1항에 있어서,
    안출된 상기 결함 샘플에 포함될 결함의 전체 개수를 상기 샘플 빈에 걸쳐 동일하게 나눔으로써, 상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택될 상기 하나 이상의 결함의 개수를 결정하는 단계를 더 포함하는, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  16. 제1항에 있어서,
    안출된 상기 결함 샘플에 포함될 결함의 전체 개수를 상기 샘플 빈에 걸쳐 비례하여 나눔으로써, 상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택될 상기 하나 이상의 결함의 개수를 결정하는 단계를 더 포함하는, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  17. 제1항에 있어서,
    안출된 상기 결함 샘플에 포함될 결함의 전체 개수를 상기 샘플 빈에 걸쳐 반(semi)-비례하여 나눔으로써, 상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택될 상기 하나 이상의 결함의 개수를 결정하는 단계를 더 포함하는, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  18. 제1항에 있어서,
    안출된 상기 결함 샘플에 포함될 결함의 전체 개수와 상기 검사 프로세스에 의해 상기 웨이퍼 상에서 검출된 상기 결함을 재정규화하기 위하여 안출된 상기 결함 샘플을 이용하기 위한 미리 정해진 신뢰 수준에 기초하여, 상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택될 상기 하나 이상의 결함의 개수를 결정하는 단계를 더 포함하는, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  19. 제1항에 있어서,
    상기 무작위로 선택하는 단계는, 모든 상기 샘플 빈으로부터 상기 하나 이상의 결함을 무작위로 선택하여, 상기 적어도 하나의 속성에서 최대 다이버시티를 갖는 결함이 안출된 상기 결함 샘플에 포함되는 것을 보장하는 단계를 포함하는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  20. 제1항에 있어서,
    상기 무작위로 선택하는 단계는, 하나의 상기 샘플 빈에서의 각각의 결함이 동일한 선택될 확률을 갖도록, 상기 둘 이상의 샘플 빈 중 하나에 대하여 수행되는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  21. 제1항에 있어서,
    상기 무작위로 선택하는 단계는, 하나의 상기 샘플 빈에서의 적어도 두개의 결함이 상이한 선택될 확률을 갖도록, 상기 둘 이상의 샘플 빈 중 하나에 대하여 수행되는 것인, 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법.
  22. 웨이퍼에 대한 결함 샘플을 생성하기 위한 컴퓨터 구현 방법을 수행하기 위하여 컴퓨터 시스템에서 실행 가능한 프로그램 명령어를 저장하는 비일시적인 컴퓨터 판독가능 매체에 있어서,
    상기 컴퓨터 구현 방법은,
    웨이퍼에 대한 검사 결과를 획득하는 단계 ― 상기 검사 결과는 검사 프로세스에 의해 상기 웨이퍼 상에서 검출된 결함에 대한 정보를 포함하고, 상기 정보는 상기 결함의 하나 이상의 속성에 대한 정보를 포함함 ― ;
    상기 하나 이상의 속성 중 적어도 하나의 속성의 값에서 최대 다이버시티(most diversity)를 갖는 상기 결함의 세트를 식별하는 단계;
    상기 세트에서 상이한 결함에 대한 상이한 타일(tile)을 생성하는 단계 ― 상기 상이한 타일을 생성하는 단계는:
    상기 세트에서의 제1 결함에 대한 타일을 생성하는 단계 ― 상기 타일은 상기 웨이퍼 상에서 검출된 모든 상기 결함의 상기 적어도 하나의 속성에 대한 모든 값의 일부를 정의하고, 상기 일부에서의 값은 상기 세트에서의 다른 결함의 상기 적어도 하나의 속성에 대한 값보다 상기 제1 결함의 상기 적어도 하나의 속성에 대한 값에 더 가까움 ― ; 및
    상기 다른 결함 중 하나 이상에 대하여, 상기 타일을 생성하는 단계를 반복하는 단계
    를 포함함 ― ;
    상기 웨이퍼 상에서 검출된 상기 결함을, 상기 결함의 상기 적어도 하나의 속성의 값과 상기 상이한 타일에 의해 정의되는 값의 일부에 기초하여, 상기 상이한 타일에 대응하는 샘플 빈(sample bin)으로 분리하는 단계;
    상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 하나 이상의 결함을 무작위로 선택하는 단계; 및
    상기 무작위로 선택된 결함을 포함하는 상기 웨이퍼에 대한 결함 샘플을 안출하는 단계
    를 포함하는, 비일시적인 컴퓨터 판독가능 매체.
  23. 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템에 있어서,
    상기 웨이퍼에 대한 검사 결과를 획득하도록 구성된 검사 서브시스템 ― 상기 검사 결과는 상기 검사 서브시스템에 의하여 수행된 검사 프로세스에 의해 상기 웨이퍼 상에서 검출된 결함에 대한 정보를 포함하고, 상기 정보는 상기 결함의 하나 이상의 속성에 대한 정보를 포함함 ― ; 및
    컴퓨터 서브시스템
    을 포함하고,
    상기 컴퓨터 서브시스템은,
    상기 하나 이상의 속성 중 적어도 하나의 속성의 값에서 최대 다이버시티(most diversity)를 갖는 상기 결함의 세트를 식별하는 단계;
    상기 세트에서 상이한 결함에 대한 상이한 타일(tile)을 생성하는 단계 ― 상기 상이한 타일을 생성하는 단계는,
    상기 세트에서의 제1 결함에 대한 타일을 생성하는 단계 ― 상기 타일은 상기 웨이퍼 상에서 검출된 모든 상기 결함의 상기 적어도 하나의 속성에 대한 모든 값의 일부를 정의하고, 상기 일부에서의 값은 상기 세트에서의 다른 결함의 상기 적어도 하나의 속성에 대한 값보다 상기 제1 결함의 상기 적어도 하나의 속성에 대한 값에 더 가까움 ― ; 및
    상기 다른 결함 중 하나 이상에 대하여, 상기 타일을 생성하는 단계를 반복하는 단계
    를 포함함 ― ;
    상기 웨이퍼 상에서 검출된 상기 결함을 상기 결함의 상기 적어도 하나의 속성의 값과 상기 상이한 타일에 의해 정의되는 값의 일부에 기초하여 상기 상이한 타일에 대응하는 샘플 빈(sample bin)으로 분리하는 단계;
    상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 하나 이상의 결함을 무작위로 선택하는 단계; 및
    상기 무작위로 선택된 결함을 포함하는 상기 웨이퍼에 대한 결함 샘플을 안출하는 단계
    를 위하여 구성되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  24. 제23항에 있어서,
    상기 웨이퍼는 생산 웨이퍼(production wafer)이고, 상기 검사 프로세스는 생산 모니터링(production monitoring)을 위하여 수행되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  25. 제23항에 있어서,
    상기 컴퓨터 서브시스템은 또한,
    상기 결함 샘플에서 무작위로 선택된 결함을 분류하는 단계; 및
    상기 분류의 결과와 상기 샘플 빈의 각각에서의 전체 결함 개수로 상기 웨이퍼 상에서 검출된 결함을 재정규화하여, 상기 검사 프로세스에서 상기 웨이퍼 상에서 검출된 상이한 결함 종류에 대한 결함 카운트의 예측을 결정하는 단계
    를 위하여 구성되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  26. 제25항에 있어서,
    상기 컴퓨터 서브시스템은 또한, 재정규화된 상기 결함에 기초하여 생산 모니터링을 수행하는 단계를 위하여 구성되는, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  27. 제23항에 있어서,
    상기 컴퓨터 서브시스템은 또한, 상기 샘플 빈 중 적어도 하나로 분리된 상기 결함의 개수에 기초하여 생산 모니터링을 수행하는 단계를 위하여 구성되는, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  28. 제23항에 있어서,
    상기 샘플 빈은 튜닝된 빈이 아니고, 튜닝된 결함 분류기에 의해 생산되지 않은 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  29. 제23항에 있어서,
    상기 식별하는 단계, 상기 상이한 타일을 생성하는 단계, 상기 분리하는 단계, 및 상기 무작위로 선택하는 단계는, 안출된 상기 결함 샘플이 상기 웨이퍼 상에서 검출된 모든 종류의 결함을 포함하게 하는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  30. 제23항에 있어서,
    상기 식별하는 단계, 상기 상이한 타일을 생성하는 단계, 상기 분리하는 단계, 및 상기 무작위로 선택하는 단계는, 안출된 상기 결함 샘플이 통계적으로 편향되지 않게 하는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  31. 제23항에 있어서,
    상기 식별하는 단계 및 상기 상이한 타일을 생성하는 단계는, 안출된 상기 결함 샘플을 상기 검사 프로세스의 노이즈 플로어(noise floor)로 자동으로 조정하는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  32. 제23항에 있어서,
    상기 식별하는 단계 및 상기 상이한 타일을 생성하는 단계는, 안출된 상기 결함 샘플을 상기 검사 프로세스의 웨이퍼별(wafer-to-wafer) 변동에 대하여 자동으로 조정하는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  33. 제23항에 있어서,
    상기 식별하는 단계는,
    상기 적어도 하나의 속성의 값에서 최대 다이버시티를 갖는 제1 결함 세트를 식별하는 단계; 및
    상기 결함 세트를 생산하기 위하여 하나 이상의 편향(biasing) 파라미터에 기초하여 상기 제1 결함 세트를 수정하는 단계
    를 포함하는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  34. 제23항에 있어서,
    상기 적어도 하나의 속성은 상기 웨이퍼 상에서의 상기 결함의 위치만을 포함하지 않는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  35. 제23항에 있어서,
    생성된 상기 상이한 타일의 개수는 상기 세트에서의 상기 결함의 개수와 동일한 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  36. 제23항에 있어서,
    상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택된 상기 하나 이상의 결함의 평균 개수는 사용자에 의해 선택되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  37. 제23항에 있어서,
    상기 컴퓨터 서브시스템은 또한, 안출된 상기 결함 샘플에 포함될 결함의 전체 개수를 상기 샘플 빈에 걸쳐 동일하게 나눔으로써, 상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택될 상기 하나 이상의 결함의 개수를 결정하는 단계를 위하여 구성되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  38. 제23항에 있어서,
    상기 컴퓨터 서브시스템은 또한, 안출된 상기 결함 샘플에 포함될 결함의 전체 개수를 상기 샘플 빈에 걸쳐 비례하여 나눔으로써, 상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택될 상기 하나 이상의 결함의 개수를 결정하는 단계를 위하여 구성되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  39. 제23항에 있어서,
    상기 컴퓨터 서브시스템은 또한, 안출된 상기 결함 샘플에 포함될 결함의 전체 개수를 상기 샘플 빈에 걸쳐 반(semi)-비례하여 나눔으로써, 상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택될 상기 하나 이상의 결함의 개수를 결정하는 단계를 위하여 구성되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  40. 제23항에 있어서,
    상기 컴퓨터 서브시스템은 또한, 안출된 상기 결함 샘플에 포함될 결함의 전체 개수와 상기 검사 프로세스에 의해 상기 웨이퍼 상에서 검출된 상기 결함을 재정규화하기 위하여 안출된 상기 결함 샘플을 이용하기 위한 미리 정해진 신뢰 수준에 기초하여, 상기 샘플 빈 중 둘 이상의 샘플 빈 각각으로부터 무작위로 선택될 상기 하나 이상의 결함의 개수를 결정하는 단계를 위하여 구성되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  41. 제23항에 있어서,
    상기 무작위로 선택하는 단계는, 모든 상기 샘플 빈으로부터 상기 하나 이상의 결함을 무작위로 선택하여, 상기 적어도 하나의 속성에서 최대 다이버시티를 갖는 결함이 안출된 상기 결함 샘플에 포함되는 것을 보장하는 단계를 포함하는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  42. 제23항에 있어서,
    상기 무작위로 선택하는 단계는, 하나의 상기 샘플 빈에서의 각각의 결함이 동일한 선택될 확률을 갖도록, 상기 둘 이상의 샘플 빈 중 하나에 대하여 수행되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
  43. 제23항에 있어서,
    상기 무작위로 선택하는 단계는, 하나의 상기 샘플 빈에서의 적어도 두개의 결함이 상이한 선택될 확률을 갖도록, 상기 둘 이상의 샘플 빈 중 하나에 대하여 수행되는 것인, 웨이퍼에 대한 결함 샘플을 생성하도록 구성된 시스템.
KR1020167029977A 2014-03-27 2015-03-26 재정규화 가능성을 보존하는 생산 샘플 성형 KR102215121B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201461971040P 2014-03-27 2014-03-27
US61/971,040 2014-03-27
US14/666,942 US10338004B2 (en) 2014-03-27 2015-03-24 Production sample shaping that preserves re-normalizability
US14/666,942 2015-03-24
PCT/US2015/022833 WO2015148851A1 (en) 2014-03-27 2015-03-26 Production sample shaping that preserves re-normalizability

Publications (2)

Publication Number Publication Date
KR20160140805A true KR20160140805A (ko) 2016-12-07
KR102215121B1 KR102215121B1 (ko) 2021-02-09

Family

ID=54189929

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167029977A KR102215121B1 (ko) 2014-03-27 2015-03-26 재정규화 가능성을 보존하는 생산 샘플 성형

Country Status (4)

Country Link
US (1) US10338004B2 (ko)
KR (1) KR102215121B1 (ko)
TW (1) TWI683284B (ko)
WO (1) WO2015148851A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10670536B2 (en) 2018-03-28 2020-06-02 Kla-Tencor Corp. Mode selection for inspection
US11429091B2 (en) * 2020-10-29 2022-08-30 Kla Corporation Method of manufacturing a semiconductor device and process control system for a semiconductor manufacturing assembly
CN112907543B (zh) * 2021-02-24 2024-03-26 胡志雄 一种基于随机缺陷模型的产品外观缺陷检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010023083A1 (en) * 1998-08-21 2001-09-20 Simmons Steven J. Yield based, in-line defect sampling method
WO2010093733A2 (en) * 2009-02-13 2010-08-19 Kla-Tencor Corporation Detecting defects on a wafer
US20130035876A1 (en) * 2009-02-13 2013-02-07 Kla-Tencor Corporation Detecting defects on a wafer

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7120513B1 (en) * 1997-06-06 2006-10-10 Micron Technology, Inc. Method for using data regarding manufacturing procedures integrated circuits (ICS) have undergone, such as repairs, to select procedures the ICS will undergo, such as additional repairs
US7728969B2 (en) 2006-12-05 2010-06-01 Kla-Tencor Technologies Corp. Methods and systems for identifying defect types on a wafer
JP4931710B2 (ja) * 2007-06-29 2012-05-16 株式会社リコー ウエハにおける良品チップ分類方法、それを用いたチップ品質判定方法、ならびにチップ分類プログラム、チップ品質判定プログラム、マーキング機構及び半導体装置の製造方法
DE102007045803A1 (de) * 2007-08-22 2009-02-26 Robert Bosch Gmbh Hydraulische Steueranordnung
US7756658B2 (en) 2008-05-14 2010-07-13 Kla-Tencor Corp. Systems and methods for detecting defects on a wafer and generating inspection results for the wafer
JP2010078478A (ja) 2008-09-26 2010-04-08 Toshiba Corp 欠陥検査装置および欠陥検査方法
RU2620922C2 (ru) * 2011-01-21 2017-05-30 Теранос, Инк. Системы и методы оптимизации использования образца
TWI451336B (zh) * 2011-12-20 2014-09-01 Univ Nat Cheng Kung 預測模型之建模樣本的篩選方法及其電腦程式產品
US8948494B2 (en) * 2012-11-12 2015-02-03 Kla-Tencor Corp. Unbiased wafer defect samples

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010023083A1 (en) * 1998-08-21 2001-09-20 Simmons Steven J. Yield based, in-line defect sampling method
WO2010093733A2 (en) * 2009-02-13 2010-08-19 Kla-Tencor Corporation Detecting defects on a wafer
US20130035876A1 (en) * 2009-02-13 2013-02-07 Kla-Tencor Corporation Detecting defects on a wafer

Also Published As

Publication number Publication date
WO2015148851A1 (en) 2015-10-01
TWI683284B (zh) 2020-01-21
US10338004B2 (en) 2019-07-02
TW201543416A (zh) 2015-11-16
US20150276618A1 (en) 2015-10-01
KR102215121B1 (ko) 2021-02-09

Similar Documents

Publication Publication Date Title
TWI805868B (zh) 使用以深度學習為基礎之缺陷偵測及分類方案用於像素位準影像量化
KR102276925B1 (ko) 웨이퍼 결함 발견
JP7286290B2 (ja) 半導体試料の欠陥を分類する方法およびそのシステム
US8135204B1 (en) Computer-implemented methods, carrier media, and systems for creating a defect sample for use in selecting one or more parameters of an inspection recipe
KR101538744B1 (ko) 검출 알고리즘의 하나 이상의 파라미터들에 대한 값들을 선택하기 위하여 사용될 정보를 생성하기 위한 방법들 및 시스템
KR102022150B1 (ko) 비편향 웨이퍼 결함 샘플
KR102330733B1 (ko) 적응형 뉴슨스 필터
KR20160130252A (ko) 복합 결함 분류기
US10970834B2 (en) Defect discovery using electron beam inspection and deep learning with real-time intelligence to reduce nuisance
US20130294680A1 (en) Image classification method and image classification apparatus
US10801968B2 (en) Algorithm selector based on image frames
KR102530950B1 (ko) 반도체 시편에서의 결함들의 분류
KR20170088849A (ko) 다양화 및 결함 발견을 위한 동적 비닝
KR20160140805A (ko) 재정규화 가능성을 보존하는 생산 샘플 성형
US20220059316A1 (en) Scanning Electron Microscope Image Anchoring to Design for Array
KR102502814B1 (ko) 디자인 정렬 개선을 위한 타겟 선택 개선

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