KR20170003710A - 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템 - Google Patents

표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템 Download PDF

Info

Publication number
KR20170003710A
KR20170003710A KR1020167036371A KR20167036371A KR20170003710A KR 20170003710 A KR20170003710 A KR 20170003710A KR 1020167036371 A KR1020167036371 A KR 1020167036371A KR 20167036371 A KR20167036371 A KR 20167036371A KR 20170003710 A KR20170003710 A KR 20170003710A
Authority
KR
South Korea
Prior art keywords
defects
defect
user
classification
groups
Prior art date
Application number
KR1020167036371A
Other languages
English (en)
Inventor
초 확 테
토렐리토마소
도미닉 데이비드
치우만 양
마이클 고든 스콧
랄리타 에이 발라수브라마니안
리솅 가오
통 후앙
지앙친 장
미첼 코왈스키
조나단 오클리
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 KR20170003710A publication Critical patent/KR20170003710A/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
    • G01N21/8851—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J3/00—Details of electron-optical or ion-optical arrangements or of ion traps common to two or more basic types of discharge tubes or lamps
    • H01J3/14—Arrangements for focusing or reflecting ray or beam
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)

Abstract

표본 상의 결함들을 분류하기 위한 다양한 컴퓨터-구현 방법들이 제공된다. 한 방법은 표본 상에서 검출된 개개의 결함들을, 그 개개의 결함들의 하나 또는 그 이상의 특징들에 기초하여 결함 그룹에 배정하는 단계를 포함한다. 이 방법은 사용자에게 결함 그룹에 대한 정보를 디스플레이하는 단계도 포함한다. 또한, 이 방법은 사용자가 각각의 결함 그룹에 분류를 배정하는 것을 허용하는 단계를 포함한다. 표본 상의 결함들을 분류하도록 구성된 시스템이 역시 제공된다. 한 시스템은 프로세서상에서 실행할 수 있는 프로그램 명령어로서, 표본 상에서 검출된 개개의 결함들을, 그 개개의 결함들의 하나 또는 그 이상의 특징들에 기초하여 결함 그룹에 배정하기 위한 프로그램 명령어들을 포함한다. 이 시스템은 또한, 사용자에게 결함 그룹에 대한 정보를 디스플레이하도록 구성된 사용자 인터페이스를 포함하며, 사용자가 각각의 결함 그룹에 분류를 배정하는 것을 허용하는 단계를 포함한다.

Description

표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템{COMPUTER-IMPLEMENTED METHODS AND SYSTEMS FOR CLASSIFYING DEFECTS ON A SPECIMEN}
본 발명은 일반적으로 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템들에 관한 것이다. 특정 실시예들은, 표본 상에서 검출된 개개의 결함들에 배정된 결함 그룹에 대한 분류를, 그 개개의 결함들의 하나 또는 그 이상의 특징에 기초하여 사용자가 배정하는 것을 허용하는 단계를 포함하는 컴퓨터-구현 방법에 관한 것이다.
이하의 설명과 예들은, 이들이 본 절에 포함된다고 해서 종래 기술로 인정되는 것은 아니다.
웨이퍼 검사 시스템들은 종종 각각의 웨이퍼 상에서 수천 개의 변칙적인 것들(보통 "이벤트" 또는 "결함"이라고 불리는 것들)을 발견한다. 결함들은 반도체 웨이퍼 제조 중에 발생할 수 있는 구조적 결함, 공정 잔여물 및 외부 오염과 같은 많은 형태들을 가질 수 있다. 웨이퍼 제조 공정이 진보함에 따라, 관심 대상의 결함 유형들은 변한다. 결함의 중요도는 외형과 같은 몇 가지 요소와, 크기 및 위치와 같은 기타의 특성들에 의존한다.
따라서, 웨이퍼 및 다른 표본 상에서 발견되는 결함들을 분류하는 것은, 관심 대상의 결함 유형들을 기타의 결함 유형들과 구분하는 것 외에도 어떤 종류의 결함들이 웨이퍼 상에 존재하는가를 결정하기 위해 점점 중요해지고 있다. 결함들을 분류하는 단계는 결함들이 실제 결함인지 또는 방해(nuisance)결함인지를 결정하는 단계를 포함할 수도 있다. 방해 결함들은 일반적으로, 실제 결함은 아니지만 검사 동안에 결함인 것처럼 나타나는 표본의 한 부분으로서 정의할 수 있다.
일반적으로, 분류는 웨이퍼 검사가 완료된 후에 수행된다. 또한, 분류는 결함 재검사 동안 또는 결함 재검사 후에 주로 수행된다. 결함 재검사는 일반적으로, 검사에서 사용된 것과는 상이한 장비를 사용하는 단계를 포함한다. 예를 들어, 결함 검출은 주로 광학 검사 장비를 사용하여 수행되는 반면에, 결함 재검사는 주로 전자빔 재검사 장비를 사용하여 수행된다. 그렇지만, 결함 재검사는 광학 검사 장비보다 더 높은 확대 성능과 해상도를 가진 광학 재검사 장비를 사용해 수행될 수 있다. 이런 식으로, 결함 재검사 장비는 가능성 있는 결함들에 대한 더욱 상세한 정보를 얻기 위해 사용될 수 있다. 이와 같이, 결함 재검사 장비를 통해 발생시킨 정보는 결함 분류를 하는데 특히 적합할 수 있다.
과거에는, 결함 분류가 몇 가지 상이한 방식으로 수행되어 왔다. 예를 들어, 결함 분류는 순전히 오퍼레이터에 의해 수동으로 수행될 수 있다. 전형적으로, 오퍼레이터에게 각 결함에 대한 결함 이미지 또는 기타의 결함 데이터가 한 번에 하나씩 순차적으로 제공된다. 오퍼레이터는 결함의 외형 및 아마도 다른 특징들[예, 거칠기(roughness)]에 기초하여 결함들에 분류를 배정한다[예, 패인 곳(pit), 입자(particle) 등]. 숙련된 오퍼레이터는 웨이퍼 상의 결함들을 분류하는데 상당히 효율적일 수 있다. 그러나, 심지어 가장 숙련되고 경험 많은 오퍼레이터에 의해 수행되는 수동 결함 분류라 할지라도 용인할 수 없을 만큼 긴 시간이 소요된다. 예를 들어, 오퍼레이터는 전형적으로, 개개의 결함들을 한 번에 하나씩 분류해낸다. 이런 식으로, 그 오퍼레이터가 얼마나 숙련되어 있는가에 상관없이, 분류를 수행하는데 필요한 시간은 얼마나 많은 결함들이 웨이퍼 상에서 검출되었느냐에 필연적으로 의존할 것이다. 더욱이, 많은 검출 이미지 또는 기타의 데이터를 계속해서 반복적으로 검토하는 것은 필연적으로 오퍼레이터의 피로와 집중력 상실을 초래할 것이다. 그러므로, 경계심이 줄어들어, 아무리 숙련된 오퍼레이터라 할지라도 결함을 분류하는데 실수를 범할 수 있다. 더욱이, 특히 앞서 기술한 수동 결함 분류가 매우 시간 소모적이기 때문에, 결함들을 재검사하고 분류할 오퍼레이터를 고용하는 데에는 상당한 비용이 들 수 있다.
현재 사용되는 수동 결함 분류 방법에는 상당히 많은 단점들이 있기 때문에, 결함 분류 공정을 자동화하기 위한 노력들이 있어왔다. 몇몇 완전 자동화된 결함 분류(ADC) 장비들이 현재 이용 가능하다. 전형적으로, 이 장비들은 결함 분류를 수행하기 위한 분류 "레시피"를 이용한다. 이 "레시피"는 일반적으로, 장비에 의해 수행될 작동을 정의하고, 사용자의 요청시에 제공되고 구동되는 한 세트의 명령어로 정의할 수 있다. 레시피는 전형적으로, 적절한 데이터베이스화 될 수 있는 특정 결함 클래스들에 대한 종래의 데이터를 사용함으로써 생성된다. 가장 간단한 구현에서, ADC 장비는 특정 결함 클래스에 포함된 결함과 미지의 결함을 비교하여, 미지의 결함과 가장 비슷한 것이 어떤 결함 클래스인가를 결정할 수 있다. 명백하게, 그 미지의 결함이 어느 결함 클래스에 가장 유사하게 속하는지를 결정하기 위해서는, 훨씬 더 복잡한 알고리즘들이 ADC 장비에 의해 사용될 수 있다.
ADC의 개념은 상당히 간단하다. 그러나, 그 구현은 상당히 복잡하고 어려운 것으로 증명되었다. 예를 들어, ADC 레시피를 위한 적절한 데이터베이스를 발생시키는 것은, 앞서 기술한 바와 같이 수행된 웨이퍼 검사 및 수동 결함 분류를 이용하여 웨이퍼 상에서 많은 수의 각각의 결함 종류를 위치 파악하는 것을 포함한다. 특정 종류의 각각의 결함에 대한 데이터가 결합되어, 적절하게 데이터베이스화될 수 있다. 데이터베이스에 포함된 이 결함 데이터는, 사용자에 의해 선택될 수 있다. 대표적인 결함 데이터의 세트는 일반적으로 "트레이닝 세트(training set)"로 언급될 수 있다. 앞서 기술한 바와 같이 발생시킨 데이터베이스가 상대적으로 정확할 수는 있지만, 데이터베이스를 생성시키는 것은 전형적으로 시간 소모적이고 고비용이다. 또한, ADC 레시피가 트레이닝 세트 내의 결함들과 매우 유사한 결함들에 대해서만 정확하게 이루어지려는 경향이 있기 때문에, ADC 레시피는, 시간의 경과에 걸쳐 동일한 종류의 결함들을 생성시키려는 경향이 있는 매우 유사한 공정에 대해서만 유용할 수도 있다. 데이터베이스 내의 결함들과 충분히 유사하지 않은 결함들은 잘못 분류되거나 전혀 분류되지 않을 수 있다. 따라서, ADC 레시피는 상이한 공정 또는 상이한 종류의 표본들에 대해서는 대개 사용되지 못하므로, 이와 같은 많은 레시피들이, 검사하려는 결함들 및 표본들에 의존해서 발생될 수 있다. 이와 같이, 공정 또는 디바이스가 매번 바뀔 때마다 ADC 레시피가 수동으로 업데이트될 필요가 있기 때문에, ADC 레시피의 불변성은 ADC의 비용을 상승시킬 수 있다. 또한, 많은 상이한 ADC 레시피들을 발생시키데 필요한 시간과 비용은 실질적으로 사용을 못하게 하는 수준이다.
앞서 기술한 다양한 종류의 결함 분류 방법 및 장비들이 가진 단점들에도 불구하고, 결함 분류는 미래의 반도체 디바이스 제조에서 그 중요도가 지속적으로 증가할 것이다. 예를 들어, 결함 분류는 반도체 디바이스 제조 공정에서의 문제들을 확인하는데 사용될 수 있다. 또한, 반도체 디바이스 설계에서의 문제들을 확인하는데도 사용될 수 있다. 그러므로, 결함 분류의 결과는 반도체 공정 및 설계에 대한 수율관리 결정을 하기 위해 사용될 수 있기 때문에, 이 결함 분류의 정확성은 반도체 제조의 성공 여부에 직접적인 영향을 줄 수 있다.
따라서, 많은 상이한 웨이퍼 또는 기타 표본 상의 예상하지 못한 결함 종류들을, 상대적으로 저비용이고, 빠르고 정확하며, 유동적이고 쉽게 설명하는 표본 상의 결함들을 분류하는 컴퓨터-구현 방법 및 시스템들을 개발하는 것이 이로울 수 있다.
방법 및 시스템들의 다양한 실시예들에 대한 이하의 설명은, 첨부된 청구항들의 청구대상을 제한하는 그 어떤 방식으로도 해석되어서는 안된다.
본 발명의 실시예는 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법에 관한 것이다. 이 방법은 개개의 결함들의 하나 또는 그 이상의 특징들에 기초하여, 표본 상에서 검출된 개개의 결함들을 결함 그룹들에 배정하는 단계를 포함한다. 한 실시예에서, 상기 하나 또는 그 이상의 특징들은 결함 특징 벡터(feature vectors), 추출된 특징(extracted features), 특징 속성(feature attributes), 또는 이들의 몇 가지 조합을 포함한다. 몇몇 실시예들에서, 상기 하나 또는 그 이상의 특징들은, 개개의 결함들의 전자빔 재검사에 의해 발생된 데이터로부터 결정된다. 다른 실시예들에서, 상기 하나 또는 그 이상의 특징들은, 표본의 광학 검사에 의해 발생된 데이터와 조합하여, 개개의 결함의 전자빔 재검사에 의해 발생된 데이터로부터 결정된다.
한 실시예에서, 이 방법은 표본의 하나 또는 그 이상의 특징들에 기초하여 분류 레시피를 선택하는 단계를 포함한다. 예를 들어, 분류 레시피는 표본 상에서 형성된 디바이스에 기초하여 선택될 수 있다. 상이한 실시예에서, 이 방법은 표본 상에서 수행된, 하나 또는 그 이상의 공정들에 기초하여 분류레시피를 선택하는 단계를 포함한다. 두 가지 실시예 모두에서, 개개의 결함들을 결함 그룹에 배정하는 단계는, 개개의 결함들을 결함 그룹에 배정하기 위해 분류 레시피를 이용하는 단계를 포함할 수 있다. 다른 실시예들에서, 개개의 결함들을 결함 그룹들에 배정하는 단계는, 개개의 결함들을 결함 그룹들에 배정하기 위해 자동 결함 분류 코드들을 이용하는 단계를 포함한다. 대안적인 실시예에서, 개개의 결함들을 결함 그룹들에 배정하는 단계는, 개개의 결함들을 결함 그룹들에 배정하기 위해 자연적 그룹화 방법을 사용하는 단계를 포함한다.
한 실시예에서, 결함 그룹들은 하나 또는 그 이상의 미확인된 특징들을 갖는 개개의 결함들에 대한 결함 그룹을 포함한다. 다른 실시예에서, 결함 그룹들은 검사에 의해서는 검출되었지만 재검사에 의해서는 재검출되지 않은 개개의 결함들에 대한 결함 그룹을 포함한다.
이 방법은 또한 결함 그룹들에 대한 정보를 사용자에게 디스플레이하는 단계를 포함한다. 몇몇 실시예들에서, 사용자에게 디스플레이되는 이 정보는 결함 그룹들에 대한 가능성 있는 분류들을 포함한다. 다른 실시예에서, 이 정보는 각각의 결함 그룹들에 포함된 하나 또는 그 이상의 전형적인 결함들[예, 비-분리물 (non-outliers)]에 대한 정보를 포함한다. 추가적인 실시예에서, 이 정보는 하나 또는 그 이상의 개개의 결함들에 대한 데이터를 포함한다. 이 데이터는 전자빔 재검사 장비에 의해 발생될 수 있다. 대안으로서, 또는 이에 추가하여, 이 데이터는 광학 검사 장비에 의해 발생될 수 있다.
또한, 이 방법은 사용자가 각각의 결함 그룹들에 분류를 배정하는 것을 허용하는 단계를 포함한다. 이 방법은, 사용자가 하나 또는 그 이상의 개개의 결함들을, 결함 그룹들 중의 한 결함그룹으로부터 다른 결함 그룹에 이동시키는 것을 허용하는 단계를 포함할 수도 있다. 몇몇 실시예들에서, 이 방법은, 사용자가 하나 또는 그 이상의 추가적인 결함 그룹들을 생성시키고, 하나 또는 그 이상의 개개의 결함들을, 결함 그룹들로부터 상기 하나 또는 그 이상의 추가적인 결함 그룹들에 이동시키는 것을 허용하는 단계를 포함한다.
더 나아간 실시예들에서, 이 방법은 사용자에 의해 배정된 분류들에 기초하여 분류 레시피를 발생시키는 단계를 포함한다. 이런 식으로, 이 방법은 "스크래치로부터" 분류 레시피를 발생시키는 단계를 포함할 수 있다. 이 분류 레시피는 반자동화 결함 분류 방법 및 자동화 결함 분류 방법에서 사용될 수 있다. 다른 실시예에서, 개개의 결함들을 결함 그룹들에 배정하는 단계는, 개개의 결함들을 결함 그룹들에 배정하기 위해 분류 레시피를 이용하는 단계를 포함한다. 이 분류 레시피는 앞서 기술한 바와 같이 선택될 수 있다. 이 방법의 이와 같은 실시예는, 사용자에 의해 배정된 분류들에 기초하여 분류 레시피를 변경하는 단계를 포함할 수도 있다. 이런 식으로, 이 방법은 기존의 분류 레시피를 "교정" 또는 "업데이트"하는 단계를 포함할 수 있다. 추가적인 실시예에서, 이 방법은 사용자에 의해 배정된 분류들에 기초하여 트레이닝 세트를 발생시키는 단계를 포함한다.
이 방법은 사용자에 의해 배정된 분류들에 기초하여 개개의 결함들, 표본, 표본 상에서 수행된 공정들, 또는 이들의 조합을 분석하는 단계를 포함할 수도 있다. 또한, 이 방법은 사용자에 의해 배정된 분류들에 기초하여 수율관리를 결정하는 단계를 포함할 수 있다. 앞서 기술한 방법의 각각의 실시예들은, 본 명세서의 임의의 다른 단계(들)도 포함할 수 있다.
다른 실시예는 표본 상의 결함들을 분류하기 위한 상이한 컴퓨터-구현 방법에 관한 것이다. 이 실시예는 표본 상에서 검출된 개개의 결함들을 그 개개의 결함들의 하나 또는 그 이상의 특징들에 기초하여 결함 그룹들에 배정하는 단계를 포함한다. 상기 개개의 결함들은 앞서 기술한 바와 같이 결함 그룹들에 배정될 수 있다. 이 방법은 또한, 사용자에게 결함 그룹들에 대한 정보를 디스플레이하는 단계를 포함할 수도 있다. 이 정보는 각각의 결함 그룹들에 배정된 분류를 포함한다. 또한, 이 방법은 사용자가 각각의 결함 그룹들에 배정된 분류를 확정 또는 변경하는 것을 허용하는 단계를 포함한다. 이 방법은 본 명세서의 임의의 다른 단계(들)도 포함할 수 있다.
추가적인 실시예는, 표본 상의 결함들을 분류하도록 구성된 시스템에 관한 것이다. 이 시스템은 프로세서상에서 실행할 수 있는 프로그램 명령어들을 포함하는데, 이들은 표본 상에서 검출된 개개의 결함들을, 그 개개의 결함들의 하나 또는 그 이상의 특징들에 기초하여 결함 그룹들에 배정하기 위한 것이다. 이 시스템은 또한, 사용자에게 상기 결함 그룹들에 대한 정보를 디스플레이하도록 구성된 사용자 인터페이스를 포함하고, 사용자가 상기 각각의 결함 그룹들에 분류를 배정하는 것을 허용하는 단계도 포함한다.
한 실시예에서, 사용자가 결함 그룹들에 분류를 배정하는 것을 허용하는 단계는, 프로그램 명령어들에 의해 각각의 결함 그룹들에 배정된 분류를 사용자가 확정 또는 거부하는 것을 허용하는 단계를 포함한다. 다른 실시예에서, 사용자가 결함 그룹들에 분류를 배정하는 것을 허용하는 단계는, 프로그램 명령어에 의해 각각의 결함 그룹들에 배정한 분류를 사용자가 변경하는 것을 허용하는 단계를 포함한다. 앞서 기술한 시스템의 실시예들 각각은, 본 명세서에서 기술한 바와 같이 추가적으로 구성될 수 있다.
본 발명의 추가적 이점들은, 바람직한 실시예들에 대한 이하의 상세한 설명의 편의 및 첨부한 도면들에 대한 참조로, 당업자들에게 명백해질 수 있다.
도 1은 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법의 한 실시예를 예시하는 작업 공정도이다;
도 2는 본 명세서의 방법들에 대한 실시예들의 경우에 예상되는 분류에 대한 시간을 수동 분류와 대비하여 예시하는 도면이다.
도 3은 본 명세서의 방법들의 실시예들의 경우에 예상되는 성공률을 예시하는 도면이다.
도 4는 표본 상의 결함들을 분류하도록 구성된 시스템에 대한 한 실시예의 측면도를 예시한 개략적인 다이어그램이다; 그리고
도 5부터 7까지는 본 명세서의 시스템들에 대한 실시예들이 포함할 수 있는 사용자 인터페이스를 예시한 스크린 샷이다.
본 발명에 대해 다양한 수정 및 대안적인 형식들이 가능하지만, 특정한 실시예들이 도면 내에서 예시적 방법으로 도시되고, 본 명세서에서 상세히 설명될 것이다. 이 도면들은 실제의 크기는 아니다. 그렇지만, 도면들 및 이에 대한 상세한 설명은, 본 발명을 공개된 특정 형태만으로 제한하려는 의도가 아니라는 것을 이해해야 한다. 그러나 반대로, 이 발명은 첨부된 청구항들에 의해 정의된 바와 같이, 본 발명의 범위와 사상에서 벗어나지 않는 모두 수정사항, 동일한 사항들 및 대안적인 사항들을 다 포함하기 위한 것이다.
본 명세서에서 사용될 때, "결함"이라는 용어는 표본 상에서 발견될 수 있는 임의의 이상들(anomalies)을 언급하는 것이다. 본 명세서에서 사용될 때, "표본"이라는 용어는 웨이퍼 또는 보통 "마스크"라고도 언급할 수 있는, 레티클과 같은 당업계에 공지된 임의의 다른 표본을 언급하는 것이다. 비록 실시예들이 웨이퍼에 대한 측면에서 설명되지만, 이 실시예들이, 당업계에 공지된 임의의 다른 표본 상에서 검출된 결함들을 분류하기 위해 사용될 수 있다는 것을 이해해야 한다.
본 명세서에서 사용될 때, "웨이퍼"라는 용어는 주로 반도체 또는 비반도체 물질로 형성된 기판들을 언급하는 것이다. 이와 같은 반도체 또는 비반도체 물질의 예로는, 단결정 실리콘, 갈륨 아세나이드 및 인듐인화물이 포함되지만, 이에 한정되는 것은 아니다. 이와 같은 기판들은 보통 반도체 제조 설비 내에서 발견 및/또는 공정될 수 있다.
웨이퍼는 순수 웨이퍼와 같은 기판만을 포함할 수 있다. 대안으로서, 웨이퍼는 기판 위에서 형성된 하나 또는 그 이상의 층들을 포함할 수도 있다. 예를 들어, 이와 같은 층들은 절연도료, 절연 물질 및 전도 물질을 포함할 수 있지만, 이에 한정되는 것은 아니다. 절연 도료는 광학 리소그라피 기술, 전자빔 리소그라피 기술 또는 엑스선 리소그라피 기술로 패터닝될 수 있는 임의의 물질을 포함할 수 있다. 절연 물질의 예들은 실리콘 산화물, 실리콘 질화물, 실리콘 산화 질화물 및 티타늄 질화물을 포함할 수 있지만, 이에 한정되는 것은 아니다. 절연물질의 추가적인 예들은 캘리포니아 산타클라라에 있는 Applied Materials사로부터 시판되는 Black DiamondTM 및 캘리포니아 산호세에 있는 Novellus Systems사로부터 시판되는 CORALTM 과 같은 "low-k" 절연 물질들, "xerogels" 같은 "ultra-low k" 절연물질들 및 티타늄 5산화물과 같은 "high-k" 절연물질들을 포함할 수 있다. 또한, 전도물질의 예들은 알루미늄, 폴리실리콘 및 구리를 포함할 수 있지만, 이에 한정되는 것은 아니다.
웨이퍼 상에 형성된 하나 또는 그 이상의 층들은 패터닝 되거나 패터닝 되지 않을 수 있다. 예를 들어, 웨이퍼는 반복적인 패턴 특징들을 갖는 복수의 다이(dies)를 포함할 수 있다. 이와 같은 물질의 층들의 형성 및 처리가 궁극적으로 반도체 디바이스를 완성하는데 필요하다. 이와 같이, 웨이퍼는 완성된 반도체 디바이스의 모든 층이 형성되지 않은 기판 또는 완성된 반도체 디바이스의 모든 층이 형성된 기판을 포함할 수 있다. "반도체 디바이스"라는 용어는 본 명세서에서 "집적 회로"라는 용어와 상호 교환 가능하도록 쓰인다. 또한, 마이크로전기기계(MEMS) 디바이스 및 이와 유사한 기타의 디바이스들 또한 웨이퍼 상에서 형성될 수 있다.
본 명세서의 방법들은 일반적으로 반자동화 결함 분류 방법들로서 기술될 수 있다. 본 명세서의 방법들은 또한, PAC(Power Assisted Classification)로서 기술될 수도 있다. 예를 들어, 본 명세서의 방법들은 결함의 하나 또는 그 이상의 특징들에 기초하여 결함들을 자동 그룹화하는 단계를 포함한다. 이 결함의 그룹들은 사용자에 의해 분류될 수 있다. 한 가지 이와 같은 예로, 사용자는 결함에 대한 몇 가지 정보와 함께 결함 그룹에 유망한, 또는 가능성 있는 분류를 볼 수 있다. 사용자는 이 제안된 분류들을 확정 또는 거부할 수 있다. 또한, 사용자는 그 제안된 분류들을 변경할 수도 있다. 이런 식으로, 상기 방법들은 자동 및 수동 단계들 모두를 포함한다.
본 명세서의 방법 및 시스템들은 앞서 기술한 분류들(예, 수동 분류 또는 자동 분류)과 같은 기타의 결함 분류 방법 및 시스템에 비해 이점들을 제공한다. 예를 들어, 본 명세서의 방법들은, 궁극적으로 결함 그룹에 배정된 분류들에 대한 중요한 사용자 컨트롤을 제공한다. 그러나, 사용자는 현재 이용 가능한 수동 분류 방법에서와 같이 개개의 결함들을 한 번에 하나씩 분류시키지 않고서도, 결함들을 분류시킬 수 있다. 이와 같이, 본 명세서의 방법들은 수동 분류 방법들보다 훨씬 더 빠르고, 효율적이며, 저 비용이다. 또한, 본 명세서의 방법 및 시스템들은 사용자에게 개개의 결함들을 그룹화하는 것과, 결함 그룹들에 배정된 분류들을 교정할 수 있는 능력을 제공하기 때문에, 본 명세서의 방법 및 시스템들은 ADC의 많은 이점(예, 고작업처리량)들을 제공하는 동시에, 자동 결함 분류(ADC)보다 더 정확할 수 있다.
더욱이, 본 명세서의 방법 및 시스템들은, 이 방법의 결과들에 기초하여 분류 레시피를 동적으로 생성 및 업데이트하기 위해 사용될 수 있다. 이런 식으로, 이 방법 및 시스템들은, 다른 방식으로 생성된 분류 레시피들보다 더욱 정확해진 반자동 및/또는 ADC를 위해 사용될 수 있는 분류 레시피들을 생성하기 위해 사용될 수 있다. 더욱이, 본 명세서의 방법 및 시스템들은, 그룹화를 위해 사용되는 결함의 특징들이 표본, 관심대상의 결함들, 및/또는 표본 상에서 수행된 공정들에 대한 정보에 기초하여 선택될 수 있다는 점에서 ADC방법들보다 더욱 융통성 있는 방법이다. 게다가, 본 명세서의 방법 및 시스템들은, 광학 검사 및/또는 재검사 장비, 전자빔 재검사 장비 또는 광학검사 및/또는 재검사 장비와 전자빔 재검사 장비 모두로부터 얻어진 데이터의 조합에 의해 발생시킨 데이터와 같은 다양한 결함 데이터와 함께 사용될 수 있다. 결함을 분류하기 위한 방법 및 시스템들의 추가적인 이점과 더 상세한 사항은, 본 명세서에서 제공하는 설명에서 확인할 수 있다.
도면들로 돌아가면, 도 1은 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법의 한 실시예를 예시하고 있다. 도 1에서 도시된 단계들은 이 방법을 실시하는데 있어 필수적인 것은 아니라는 것에 주목해야 한다. 하나 또는 그 이상의 단계들이 도 1에서 예시된 방법에 대해 생략 및/또는 첨부될 수도 있고, 그 방법은 이 실시예의 범위 내에서는 여전히 실시될 수 있다.
이 방법은, 사용자가 결함들을 분류하기 위해(도시되지 않음) 한 세트의 결과물을 선택할 때, 시작될 수 있다. 결과물 세트는, 본 명세서에서 추가로 설명된 바와 같이, 사용자 인터페이스를 사용함으로써 선택될 수 있다. 이 방법은 단계 10에서 도시된 바와 같이, 표본 상에서 검출된 개개의 결함들을 결함그룹에 배정하는 단계를 포함한다. 개개의 결함들은, 그 개개의 결함들의 하나 또는 그 이상의 특징들에 기초하여 결함 그룹들에 배정된다. 한 실시예에서, 결함들을 그룹화하기 위해 사용된 결함들의 하나 또는 그 이상의 특징들은 결함 특징 벡터(defect feature vectors), 추출된 특징들(extracted features), 특징 속성들(feature attributes), 또는 이들의 몇 가지 조합을 포함한다. 이 결함 특징 벡터들, 추출된 특징들 및 특징 속성들은, 당업계에 공지된 임의의 특징 벡터들, 추출된 특징들 및 특징 속성들도 포함할 수 있다. 또한, 이 결함 특징 벡터들, 추출된 특징들 및 특징 속성들은 당업계에 공지된 임의의 방식으로 결정될 수 있다. 하나 또는 그 이상의 추출된 특징들은 또한, 그 가중치가 부여될 수 있고, 이 추출된 특징들은, 본 명세서에서 참조하는 Baker등에 의해 출원된 PCT 공개공보 WO 01/40145에 예시된 바에 따라 비교될 수 있다. 더 나아가, 결함들의 이 추출된 특징들은, 본 명세서에서 참조하는 Han에 허여된 미국 특허 번호 6,104,835에 예시된 바와 같이, 지식 데이터베이스와 같은 데이터베이스 내의 분류된 결함의 특징들과 비교될 수 있다. 결함들의 하나 또는 그 이상의 특징들은 개개의 결함들에 대한 전자빔 재검사에 의해 발생시킨 데이터로부터 결정될 수 있다. 개개의 결함들의 전자빔 재검사는, 캘리포니아 산호세에 있는 KLA-Tencor로부터 시판되는 eV300 주사 전자 현미경(SEM) 재검사 장비와 같은 전자빔 재검사 장비 또는 당업계에 공지된 임의의 다른 적절한 전자빔 재검사 장비와 같은 전자빔 재검사 장비로 수행될 수 있다. 상이한 실시 예에서는, 결함의 하나 또는 그 이상의 특징들이, 개개의 결함에 대한 광학 재검사에 의해 발생시킨 데이터로부터 결정될 수 있다. 광학 재검사는, KLA-Tencor로부터 시판되는 2360 및 AIT XP시스템들 또는 당업계에 공지된 기타의 광학 재검사 장비와 같은 고해상도 촬상 시스템을 사용하여 수행될 수 있다. 그러나 다른 실시예에서는, 결함들의 하나 또는 그 이상의 특징들이, 표본의 광학 검사에 의해 발생된 데이터와 조합하여, 개개의 결함들에 대한 전자빔 재검사에 의해 발생된 데이터로부터 결정될 수 있다. 광학 검사는 당업계에 공지된 임의의 다른 광학 검사 시스템뿐만 아니라 앞서 기술한 광학 시스템을 사용하여 수행될 수도 있다.
결함들은 당업계에 공지된 임의의 방법을 사용하여 그룹화될 수 있지만, 다른 방법 및 시스템과는 달리, 본 명세서의 방법 및 시스템들은 사용 가능한 데이터에 기초하여 결함들이 그룹화되는 방식에서 달라질 수도 있다. 달리 말하면, 이 컴퓨터-구현 방법의 방식은, 데이터와의 작용에 대해, 이용할 수 있는 장비들에 기초하여 변화할 수 있다. 예를 들어, 만약 검사된 표본을 위한 분류 레시피가 존재하지 않는다면, 이 방법은 최근의 표본 검사 및 재검사로부터 이용 가능한 데이터를 통해 작업하게 될 것이다. 개개의 결함들이 배정된 결함 그룹들은, 사용자로부터 입력된 것으로 결정될 수 있다(예를 들어, 사용자가 가리키는 결함의 개수나 종류는 중요하다). 대조적으로, 만약 표본 상에서 형성된 층에 대한 기존의 분류 레시피가 검사 이전에 존재하고 있다면, 이 방법은, 결함들을 그룹화하기 위해 파라미터들을 설정하는데 있어서의 시작점으로서, 그 분류 레시피를 사용할 것이다. 또한, 만약 검사되고 있는 표본 상의 층에서 형성된 디바이스를 위한 기존의 분류 레시피가 존재하고 있다면, 이 방법은 결함들을 그룹화하기 위해 그 분류 레시피를 사용할 것이다.
이런 식으로, 단계 12에서 도시된 바와 같이, 이 방법은 개개의 결함들을 결함 그룹들에 배정하기 위해 사용될 분류 레시피를 선택하는 단계를 포함할 수 있다. 이 분류 레시피는 표본의 하나 또는 그 이상의 특징들 및/또는 표본에서 수행된 하나 또는 그 이상의 공정들에 기초하여 선택될 수 있다. 또한, 분류 레시피의 선택은, 검사되고 있는 디바이스 레벨에 배정된 이름과 동일한 것을 분류 레시피에 배정하는 단계에 의해 자동화될 수 있다. 다른 실시예들에서, 개개의 결함들을 결함 그룹들에 배정하는 단계는, 개개의 결함들을 결함 그룹들에 배정하기 위해 ADC코드를 사용하는 단계를 포함할 수 있다. 상이한 실시예에서는, 개개의 결함들을 결함 그룹들에 배정하는 단계는, 개개의 결함들을 결함 그룹들에 배정하기 위해 자연적 그룹화 방법을 사용하는 단계를 포함할 수도 있다.
이 방법은 또한, 단계 14에서 도시된 바와 같이, 사용자에게 결함 그룹들에 대한 정보를 디스플레이하는 단계를 포함한다. 이 정보는 본 명세서에서 추가로 설명되는 인터페이스들과 같은 사용자 인터페이스로 디스플레이될 수도 있다. 바람직하게, 결함 그룹들에 대한 정보는, 사용자가 개개의 결함들을 결함 그룹들에 배정한 결과를 쉽게 검토 및 평가할 수 있도록 하는 방식으로, 및 개개의 결함 및 결함 그룹들에 대한 하나 또는 그 이상의 기능들을 수행할 수 있도록 하는 방식으로 디스플레이된다.
예를 들어, 이 정보는 결함 그룹에 대한 유망한 분류, 또는 가능성 있는 분류를 포함할 수 있다. 또한, 이 정보는 전체 결함 그룹들의 수보다 적은 수의 결함 그룹에 대해 유망한 분류들을 포함할 수도 있다. 예를 들어, 결함 그룹들은 하나 또는 그 이상의 미확인된 특징들을 갖는 개개의 결함들에 대한 결함 그룹을 포함할 수도 있다. 달리 말하면, 결함 그룹들 중 하나는, 가능성 있는 결함 그룹들 중 하나에 배정할 수 없는 개개의 결함들을 포함할 수도 있는 것이다. 이 결함 그룹은, "미지의 결함" 또는 이 결함들은 확인되지 않았음을 가리키는 몇 가지 기타 적절한 결함 그룹 식별자들로서 표시될 수 있다. 또한, 이 결함그룹들은 검사에 의해 검출되었으나 재검사에 의해 재-검출되지는 않은 개개의 결함들에 대한 결함 그룹을 포함할 수 있다. 이와 같은 결함들은 실제 결함일 수도, 아닐 수도 있다. 그러므로, 이 개개의 결함들은 사용자 재검사를 위해 함께 그룹화되고 확인될 수 있다.
사용자에게 디스플레이되는 정보는, 각각의 결함 그룹들에 포함된 하나 또는 그 이상의 전형적인 결함들에 대한 정보를 역시 포함할 수 있다. 이 전형적인 결함(들)은 비분리 결함들(non-outlier defects)을 포함할 수도 있다. 이런 식으로, 이 전형적인 결함들은 전체 결함 그룹을 일반적으로 대표하는 개개의 결함들을 포함할 수 있다. 또한, 사용자에게 하나 보다 많은 전형적인 결함을 디스플레이하는 단계는, 평균 특징의 측정을 사용자에게 제공함으로써 사용자가 결함 그룹 분류에 대한 더 정확한 평가를 할 수 있게 한다.
또한, 사용자에게 디스플레이되는 하나 또는 그 이상의 결함 그룹들 내의 하나 또는 그 이상의 개개의 결함들에 대한 데이터는, 전자빔 재검사 장비에 의해 발생시킨 데이터를 포함할 수 있다. 이런 식으로, 디스플레이된 데이터는 SEM 이미지들(예, 상부, 하부 SEM이미지 및/또는 횡단면의 SEM이미지들)을 포함할 수 있다. 바람직하게, 이런 종류의 데이터가 결함에 대한 충분한 양의 정보를 사용자에게 시각적으로 제공할 것이기 때문에, 사용자에게 디스플레이되는 정보는 고배율 이미지들이 될 것이다. 이에 추가하여, 또는 대안으로서, 사용자에게 디스플레이되는 데이터는 광학 검사 장비에 의해 발생된 데이터를 포함할 수도 있다. 예를 들어, 광학 검사 데이터는, 재검사에 의해 재검출되지 않은 개개의 결함들에 대한 전자빔 재검사 데이터를 대신하여, 또는 이와 더불어 디스플레이될 수 있다. 이런 식으로, 검출된 결함이 실제로 존재하는지에 대해 결정할 때, 사용자는 결함들이 존재하지 않았다고 가리키는 데이터(예, 재검사 데이터)와 더불어, 결함들이 존재했다고 가리키는 데이터(예, 검사 데이터) 모두를 검토할 수 있다.
이 방법은 단계 16에서 도시된 바와 같이, 사용자가 각각의 결함 그룹들에 분류를 배정하는 것을 허용하는 단계를 추가적으로 포함한다. 각각의 결함 그룹들에 분류를 배정하는 단계는 컴퓨터-구현 방법에 의해 제안된 분류들을 확정 또는 거부하는 단계를 포함할 수 있다. 또한, 각각의 결함 그룹들에 분류를 배정하는 단계는 컴퓨터-구현 방법에 의해 제안된 하나 또는 그 이상의 분류들을 변경하는 단계를 포함할 수도 있다. 이런 식으로, 본 명세서의 방법 및 시스템들은 배정된 분류들에 대한 궁극적인 통제권을 사용자에게 제공한다. 그러므로, 사용자는 이 컴퓨터-구현 방법에 의해 잘못 제안된 임의의 분류도 교정할 수 있다.
이 방법은 또한, 단계 18에서 도시된 바와 같이, 사용자가 하나 또는 그 이상의 개개의 결함들을 결함 그룹들 중의 한 결함 그룹으로부터 다른 결함 그룹에 이동시키는 것을 허용하는 단계를 포함할 수 있다. 이런 식으로, 사용자는 컴퓨터-구현 방법에 의해 만들어진 결함 그룹들에 대한 개개의 결함들의 임의의 잘못된 배정도 교정할 수 있다. 또한, 이 방법은 단계 20에서 도시된 바와 같이, 사용자가 하나 또는 그 이상의 추가적인 결함 그룹들을 생성시키고, 결함 그룹들로부터 하나 또는 그 이상의 개개의 결함들을 하나 또는 그 이상의 상기 추가적인 결함 그룹들에 이동시키는 것을 허용하는 단계를 포함할 수 있다. 새로운 결함 그룹들을 생성시키는 능력은, 예를 들어, 만약 예상치 못한 결함 종류들이 표본 상에서 검출된다면, 특히 유용할 수 있다. 사용자는 또한, 특정 결함 그룹의 하부 그룹에 대한 새로운 결함 그룹을 생성시킬 수도 있다.
몇몇 실시예들에서, 단계 22에서 도시된 바와 같이, 이 방법은 분류 레시피를 발생시키는 단계를 역시 포함할 수 있다. 이와 같은 분류 레시피는 사용자에 의해 배정된 분류들에 기초하여 발생시킬 수 있다. 이와 같은 분류 레시피는 본 명세서에서 설명한 방법들과 같이 반-자동 결함 분류 방법들에서 사용될 수도 있다. 또한, 분류 레시피는 ADC 방법에서도 사용될 수 있다. 이런 식으로, 분류 결과들은 결함의 자동식 분류 또는 비닝(binning)을 생성 및 향상시키기 위해 사용될 수 있다.
다른 실시예에서, 만약 분류 레시피가 개개의 결함들을 결함 그룹들에 배정하기 위해 사용된다면, 이 방법은, 단계 24에서 도시된 바와 같이, 분류 레시피를 변경하는 단계를 포함할 수 있다. 이 분류 레시피는 사용자에 의해 배정된 분류들에 기초하여 변경될 수 있다. 이런 식으로, 분류의 결과는 초기 그룹화를 위해 쓰이는 분류 레시피를 향상시키기 위해서 사용될 수 있는데, 이 초기 그룹화는 다른 웨이퍼들 상의 후속된 결함 분류를 위해 쓰일 수 있다. 한 모드에서, 특권 있는 사용자는 분류 레시피의 향상을 가이드하도록 허용될 수 있다. 다른 스타일의 작동에서는, 분류 레시피가 자동적으로 변경될 수도 있다. 이런 식으로, 이 방법은 실제 결함, 실제 분류 결과 및 사용자로부터의 피드백에 기초하여 기존의 분류 레시피들을 발생시키고 업데이트 시키는데 사용되어, 다른 방식으로 생성시킨 분류 레시피보다 "향상"될 분류 레시피들을 생성하게 된다.
예를 들어, 도 2는 일정 개수의 웨이퍼에 대한 수동분류가 완료되는데 걸린 시간과 본 명세서의 방법을 사용한 분류가 완료되는데 걸린 시간을 예시한다. 도 2에 도시된 시간은 각각의 웨이퍼 상에서 100개의 결함이 분류되는데 걸린 시간을 예시한 것으로, 이것은 웨이퍼 전역에 걸쳐 시간을 정규화하는데 걸린 것이다. 결함들이 분류된 웨이퍼들은 검사 및 재검사에 앞서 유사하게 처리되었다. 수동 분류는, 표준 결함 이미지 갤러리를 이용하여 상급 조작자에 의해, 앞서 기술한 바와 같이 수행되었다. 웨이퍼들은 순차적으로 처리되었다(즉, 웨이퍼 1에서 결함들이 분류된 후, 웨이퍼 2에서 분류되었다).
도 2에서 도시된 바와 같이, 처음 세 개 웨이퍼에 대해 수동 분류를 완료하는데 걸린 시간 및 본 명세서의 분류 방법(도 2에서 "ePAC" 또는 e-beam power assisted classification"으로 언급된 것)으로 완료된 시간 모두 감소했다. 오퍼레이터가 수동 분류를 완료하는데 걸린 시간의 감소는, 적어도 부분적으로, 오퍼레이터가 더욱 더 많은 결함을 분류함에 따라 웨이퍼 상의 결함들에 점점 익숙해지는데에 기인한 것이다. 본 명세서의 분류 방법이 완료되는데 걸린 시간의 감소도 역시, 적어도 부분적으로, 더 많은 결함이 분류됨에 따라 웨이퍼 상의 결함들에 점점 익숙해지는데에 기인한 것이다. 달리 말하면, 컴퓨터-구현 방법은 웨이퍼에 의해 "향상"되고 빨라진다. 이 컴퓨터-구현 방법의 증가한 익숙함은, 적어도 부분적으로, 결함이 분류될 때 분류 레시피를 업데이트하는 것에 기인한다.
도 2에서 더 도시된 바와 같이, 오퍼레이터가 웨이퍼 3에서 6까지의 결함에 대해 분류를 완료하는데 소모한 시간은 실질적으로 일정하다. 이 일정한 시간은, 비록 오퍼레이터의 경험 수준과 결함에 대한 익숙함이 시간이 경과함에 따라 증가할지라도, 몇 가지 점에서 봤을 때, 최소 완성시간이 걸린다는 사실을 반영한다. 이 최소 완성 시간은 오퍼레이터가 각각의 결함을 한번에 하나씩 분류해야하기 때문에, 분류된 결함의 개수에 의존해 변할 것이다. 이와 대조적으로, 컴퓨터-구현 방법이 웨이퍼 3에서 6까지의 결함에 대한 분류를 완료하는데 걸린 시간은 지속적으로 감소한다. 도 2에서 도시된 바와 같이, 컴퓨터-구현 방법이 웨이퍼 1에서 6까지의 결함에 대한 분류를 완료하는데에 소요한 시간은 지속적으로 줄어들었다. 이와 같은 결함 분류시간의 실질적인 감소는, 앞서 기술한 바와 같이, 결함이 분류된 각각의 웨이퍼에 대해 컴퓨터-구현 방법이 "더욱 향상"된다는 사실을 반영한다. 이와 더불어, 도 2에서 도시된 바와 같이, 심지어 오퍼레이터가 최소 분류 시간에 도달했을 때에도, 컴퓨터-구현 방법은 지속적으로 빨라진다. 이런 식으로, 본 명세서의 컴퓨터-구현 방법의 작업 처리량은 수동 분류의 작업 처리량보다 실질적으로 높아질 수 있다.
도 3에서 도시된 바와 같이, 본 명세서의 컴퓨터-구현 방법은 또한, 결함이 분류된 웨이퍼의 개수가 증가할수록 더욱 정확해진다. 예를 들어, 도 3에서 도시된 바와 같이, 컴퓨터-구현 방법에 의해 정확하게 분류된 결함들의 성공률 또는 백분율은, 4개의 웨이퍼에 대해 60%내지 90%까지 상당히 증가했다. 또한, 컴퓨터-구현 방법의 잘못된 분류의 인덱스는, 결함이 분류된 각각의 웨이퍼에서 감소했다.
이런 식으로, 본 명세서의 컴퓨터-구현 방법은 시간이 경과함에 따라 더 빨라질 뿐만 아니라 더 정확해진다. 이와 같이, 컴퓨터-구현 방법은 상당한 개수의 웨이퍼들 상의 결함들을 분류한 후, ADC방법 및 장비의 사용을 위해 특히 적절한 방법이 된다.
이 방법은 또한, 도 1의 단계 26에서 도시된 바와 같이, 사용자에 의해 배정된 분류들에 기초하여 트레이닝 세트(training set)를 발생시키는 단계를 포함할 수 있다. 트레이닝 세트는, 분류 레시피 내의 파라미터를 정의하고 결함 분류들을 검증하는데 사용될 수 있는 결함들에 대한 한 세트의 데이터로서 일반적으로 정의될 수 있다. 본 명세서의 방법에서 트레이닝 세트는, 사용자가 결함 그룹에 대한 피드백을 제공한 후에 자동적으로 발생될 수 있다. 또한, 트레이닝 세트는 하나 보다 많은 수의 표본에 대한 결함 데이터를 포함할 수 있다. 트레이닝 세트 내에 해당 데이터가 포함되어 있는 표본들은, 표본 상에서 동일한 공정이 수행된 후에, 검사된 표본들을 포함할 수 있다. 또한, 이 방법은 완전히 새로운 트레이닝 세트를 발생시키거나 또는 기존의 트레이닝 세트를 업데이트하는 단계를 포함할 수도 있다. 이런 식으로, 컴퓨터-구현 방법은, 결함 분류로부터 수집된 정보에 대한 "기억"을 유지함으로써, 지속적인 정보 구축을 가능하게 한다. 더욱이, 이 트레이닝 세트는, 동일한 종류의 더 많은 결함들을 포함함으로써, 결함 그룹을 정의하는 파라미터의 정확성을 증가시킨다.
몇몇 실시예들에서, 이 방법은 단계 28에서 도시된 바와 같이, 개개의 결함들, 표본, 표본 상에서 수행된 공정, 또는 이들의 조합을 분석하는 단계를 포함할 수 있다. 예를 들어, 개개의 결함들을 분석하는 단계는, 개개의 결함들을 처리하는 단계 (예를 들어, 개개의 결함들이 교정될 수 있는지 또는 교정되어야 하는지를 결정하는 것)를 포함할 수 있다. 표본을 분석하는 단계는 표본을 조치하는 단계(예를 들어, 표본이 세정될 수 있는지 또는 그렇지 않다면, 교정되어야 하는지를 결정하는 것, 표본의 재가공 여부를 결정하는 것, 표본 상에서 수행될 하나 또는 그 이상의 공정들의 하나 또는 그 이상의 파라미터들을 결정하는 것 등)를 포함할 수 있다. 표본 상에서 수행된 공정을 분석하는 단계는, 예를 들어, 공정을 위해 사용된 공정 장비들이 유지되어야 하는지를 결정하는 것, 공정이 스펙(spec)을 벗어나는지를 결정하는 것, 만일 벗어난다면, 공정을 스펙 안으로 가져오기 위해 그 공정의 어떤 파라미터들이 수정되어야 하는가를 결정하는 것, 공정의 하나 또는 그 이상의 어떤 파라미터들에 대한 수정 조건들을 결정하는 것 등을 포함할 수 있다. 이런 식으로, 본 명세서의 방법들은 표본 상에 존재하는 결함의 종류에 대한 유용한 정보를 발생시키기 때문에, 이 방법은 결함, 표본, 및/또는 공정에 대한 현명한 결정을 내리기 위해 이러한 정보를 사용하는 단계를 포함할 수 있다.
유사한 방식으로, 단계 30에서 도시된 바와 같이, 이 방법은 수율관리를 결정하는 단계를 포함할 것이다. 수율관리 결정은, 사용자에 의해 배정된 분류에 기초한다. 이 수율관리 결정은, 표본 상에서 수행된 공정의 변경 여부 및 변경 방법을 결정하는 것을 포함할 수 있다. 바람직하게, 이 공정은, 공정이 수행되는 다른 표본 상에 존재하는 결함들의 개수를 줄이도록 변경될 것이다. 이 수율관리 결정은 또한, 표본 상에서 수행될 공정의 변경 여부 및 변경 방법을 결정하는 것도 포함할 수 있다. 예를 들어, 표본 상에서 수행될 공정은, 표본의 결함 및 기타의 특징들을 보완하도록 변경될 수 있다. 또한, 이 수율관리 결정은 표본 상에서 형성되는 디바이스의 설계의 변경 및 변경 방법을 결정하는 것을 포함할 수 있다. 예를 들어, 만약 결함들이 이 방법에 의해 한 레벨의 표본 상에서 형성된 형상물의 코너라운딩으로서 분류된다면, 이 방법은 광학적 근접교정(OPC) 특징들이 설계에 추가되어야 한다는 것을 가리킬 것이다. 만약 이 OPC 특징들이 이미 설계에 포함되어 있다면, 이 방법은 설계 내의 OPC특징들이 변경되어야함을 가리킬 것이다. 명백하게, 이것은 집적회로 설계와 같은 설계가 어떻게 변경되어야 하는지에 대한 한 예가 되고, 그 설계는 다양한 다른 방식으로 변경될 수도 있다.
그러므로, 앞서 기술한 방법의 실시예들은, 분류 과정에 대비하여 결함들을 그룹화함으로써 반도체 웨이퍼 상의 결함들의 더 빠르고, 쉽고, 신뢰성 있는 반-수동 결함 분류를 제공한다. 이 그룹화는 웨이퍼를 검사한 다른 장비로부터 얻어진 특징들 및/또는 속성들뿐만 아니라 결함들의 현재 특성 및/또는 속성을 이용한다. 컴퓨터-구현 방법은 또한, 분류공정을 통해 사용자를 "파워 어시스트(power assist)"한다. 또한, 본 명세서의 분류 방법은, 정보를 공유함으로써 자동화된 분류(고해상도 장비를 위한) 및 검사자를 위한 비닝에 대한 사용자-친화형 디딤돌로서 사용될 수 있다. 수동 분류와 결함 이미지 또는 다른 결함 데이터는, 컴퓨터-구현 방법(예를 들어, KLARF 또는 다른 표준 파일의 형식으로)의 완료시에 데이터 분석에 사용하기 위해 보내질 수 있다.
도 4는 표본 (40)의 결함들을 분류하도록 구성된 시스템의 한 실시예를 예시하고 있다. 특히, 도 4에 예시된 시스템의 실시예는 본 명세서에서 기술된 하나 또는 그 이상의 컴퓨터-구현 방법에 대해 특히 적합할 수 있다. 도 4에 도시된 시스템은, 아마도 웨이퍼가 될 표본 (40)상의 결함들을 재검사하도록 구성된다. 그러나, 이 시스템은 임의의 다른 표본(예, 레티클) 상의 결함의 재검사에 적절한, 당업계에 공지된 임의의 다른 구성을 가질 수도 있다.
이 시스템은 프로세서 (42) 및 캐리어 매체(carrier medium) (44)를 포함한다. 캐리어 매체 (44)는 프로세서 (42)에서 실행할 수 있는 프로그램 명령어들 (46)을 포함한다. 프로세서상에서 실행할 수 있는 프로그램 명령어들은, 표본 상에서 검출된 개개의 결함들을, 그 개개의 결함들의 하나 또는 그 이상의 특징들에 기초하여 결함 그룹들에 배정하기 위한 것이다. 개개의 결함들을 결함 그룹들에 배정하는 단계는 앞서 기술한 바와 같이 수행될 수 있다. 프로그램 명령어는 또한, 앞서 기술한 방법의 임의의 실시예의 임의의 추가적인 단계를 수행하기 위해 실행될 수 있다. 프로그램 명령어는 앞서 기술한 바와 같이 추가적으로 구성될 수도 있다.
본 명세서의 방법들과 같이 방법을 구현하는 프로그램 명령어는 캐리어 매체를 통해 전달되거나 캐리어 매체 상에 저장될 수 있다. 캐리어 매체는 와이어, 케이블, 또는 무선 전송 링크와 같은 전송 매체일 수 있다. 이 캐리어 매체는 또한, 판독 전용 메모리(read-only memory), 랜덤 액세스 메모리(random access memory), 자기 또는 광학 디스크, 또는 자기 테이프와 같은 저장 매체일 수도 있다.
프로그램 명령어는, 무엇보다도 프로시저-기반의 기술, 컴포넌트-기반의 기술, 및/또는 객체-지향형 기술을 포함하는 임의의 다양한 방식으로 구현될 수 있다. 예를 들어, 프로그램 명령어는, ActiveX controls, C++ objects, JavaBeans, Microsoft Foundation Classes("MFC"), 또는 원한다면, 다른 기술이나 분류법(methodology)을 이용하여 구현할 수도 있다.
프로세서는 개인용 컴퓨터 시스템, 메인프레임 컴퓨터 시스템, 워크스테이션, 네트웍 장치, 인터넷 장치, 개인 휴대용 단말기(PDA), 텔레비전 시스템 또는 기타의 디바이스를 포함한 다양한 형태를 취할 수 있다. 일반적으로, "컴퓨터 시스템"이라는 용어는 광의적으로 메모리 매체로부터 명령어를 실행하는 하나 또는 그 이상의 프로세서를 갖는 임의의 디바이스를 포함하는 것으로 정의할 수 있다.
이 시스템은 또한, 사용자에게 결함 그룹에 대한 정보를 디스플레이하고, 사용자가 각각의 결함 그룹에 분류를 배정하는 것을 허용하도록 구성된 사용자 인터페이스 (48)를 포함한다. 사용자에게 디스플레이되는 이 정보는 본 명세서에서 기술되는 바와 같이 임의의 정보를 포함할 수 있다. 한 실시예에서, 사용자가 분류를 배정하는 것을 허용하는 단계는, 프로그램 명령어에 의해 각각의 결함 그룹에 배정된 분류를 사용자가 확정 또는 거부하는 것을 허용하는 단계를 포함할 수 있다. 다른 실시예들에서, 사용자가 분류를 배정하는 것을 허용하는 단계는, 프로그램 명령어에 의해 각각의 결함 그룹들에 배정되는 분류를 사용자가 변경하는 것을 허용하는 단계를 포함할 수 있다. 사용자 인터페이스는 본 명세서의 추가적인 단계를(예를 들어, 사용자가 결함을 한 결함 그룹으로부터 다른 결함 그룹에 이동시키는 것을 허용하는 것) 수행하도록 구성될 수 있다. 적절한 사용자 인터페이스의 예시 스크린 샷은 아래에 추가적으로 기술되어 있다. 사용자 인터페이스는 본 명세서에서 기술된 기능들을 수행하기 위해 적절한 임의의 방식으로 구현될 수 있다.
이 시스템은 독립형 워크스테이션으로서 구성될 수도 있다. 달리 말하면, 이 시스템은, 프로세서 (42), 캐리어 매체 (44), 프로그램 명령어 (46), 사용자 인터페이스 (48) 및 임의의 다른 컴퓨터 관련 요소들(예, 네트워킹 하드웨어 등)을 포함할 수도 있으나, 임의의 검사 또는 결함 재검사 관련 하드웨어(예를 들어, 광학 서브 시스템)는 포함하지 않는다. 대안으로서, 이 시스템은 검사 및/또는 재검사 장비 (50)를 포함할 것이다. 장비 (50)는 표본 (40)상의 결함들을 재검사하고 표본 상의 결함들에 대한 정보를 포함하는 표본에 대한 재검사 데이터를 생성시키도록 구성될 수도 있다. 몇몇 실시예들에서, 장비 (50)는 표본 (40)을 검사하고, 그 표본에 대한 검사 데이터를 발생시키도록 구성될 수도 있다.
장비 (50)는 프로세서 (42)와 결합될 수 있다. 예를 들어, 장비 (50)의 하나 또는 그 이상의 부품들은 전송 매체(도시되지 않음)에 의해 프로세서 (42)와 결합될 수 있다. 전송 매체는 "유선"과 "무선"부분을 포함할 수 있다. 다른 예로는, 장비 (50)의 검출기 (52)는 출력 (54)을 생성시키도록 구성될 수 있다. 출력은 전송 매체를 거쳐 검출기 (52)에서부터 프로세서 (42)에 전송될 수도 있다. 몇몇 실시예들에서, 이 출력은 또한, 검출기와 프로세서 사이에서 결합된, 하나 또는 그 이상의 전자 구성요소를 통해 전송될 수도 있다. 그러므로, 출력 (54)은 장비로부터 프로세서에 전송되고, 프로그램 명령어들 (46)은, 출력 (54)에 포함된 재검사 데이터를 사용하여 표본 상의 결함들을 분류하기 위해 프로세서상에서 실행될 수 있다.
검사 및/또는 재검사 장비 (50)는 당업계에 공지된 임의의 기술을 사용하여 결함 재검사를 수행하도록 구성될 수 있다. 예를 들어, 장비는 표본의 고해상도 이미지를 형성하도록 구성될 수 있다. 또한, 장비는 결함 재검사가 이루어지는 동안에 표본 (40)이 배치되는 스테이지 (56)를 포함할 수도 있다. 이 스테이지는 당업계에 공지된 임의의 적절한 기계식 또는 로봇식 어셈블리를 포함할 수도 있다. 이 장비는 또한 광원 (58)을 포함한다. 광원 (58)은 당업계에 공지된 임의의 적절한 광원을 포함할 수 있다. 또한, 이 장비는, 표본 (40)의 윗 표면에 거의 수직으로 입사하는 각으로, 광원 (58)에서 방출된 빛이 표본 (40)에 입사하도록 구성된 빔 스플리터 (60)를 포함할 수 있다. 이 빔 스플리터는 당업계에 공지된 임의의 적절한 빔 스플리터를 포함할 수도 있다. 이 장비는 빔 스플리터 (60)에 의해 전송된 빛을 검출하도록 구성된 검출기 (52)를 추가적으로 포함한다. 이 검출기는 또한, 출력 (52)을 발생하도록 구성된다. 이 검출기는 당업계에 공지된 임의의 적절한 검출기를 포함할 수 있다.
비록 검사 및/또는 재검사 장비의 하나의 일반적인 구성이 도 4에서 도시되어 있지만, 이 장비는 당업계에 공지된 임의의 적절한 구성을 가질 수도 있다는 것을 이해해야 한다. 예를 들어, 검사 및/또는 재검사 장비 (50)는, AIT 패밀리(family)장비 중에 하나인 2360장비의 측정헤드(measurement head)로 교체되거나, 또는 eV300 SEM 재검사 장비 같은 비-광학 결함 재검사 장비들로 교체될 수 있는데, 이들 모두는 KLA-Tencor사로부터 시판되는 것들이다. 또한, 검사 및/또는 재검사 장비는 타원계-기반의 시스템(ellipsometer-based systems), 스캐터로미터-기반의 시스템(scatterometer-based systems)등과 같은 다른 광학 시스템들 및/또는 CD SEM 및 eS25와 eS30시스템들과 같은 전자빔(e-beam)시스템을 포함할 수 있는데, 이들은 KLA-Tencor사로부터 시판되는 것들이다.
도 5는 앞서 기술한 하나 또는 그 이상의 기능들을 수행하기 위해 사용될 수 있는 사용자 인터페이스의 한 예를 보여주는 스크린샷이다. 사용자 인터페이스의 상부, 우측 (70)은 개개의 결함들이 배정된 결함 그룹들을 디스플레이하고, 각각의 그룹에 배정된 결함의 개수를 디스플레이한다. 이 예에서, 결함들이 배정된 결함 그룹의 개수는, 사용자에 의해 선택된 그룹들의 수에 기초한다. 이와 같은 결함 그룹들은 분류 레시피가 컴퓨터-구현 방법에 의해 이용될 수 없을 때 특히 적합할 수 있다.
사용자 인터페이스의 좌측 (72)은 단지 전형적인 결함의 샘플만을 예시함으로써, 결함의 그룹화를 디스플레이하고 있다. 달리 말하면, 특징 스페이스(feature space)의 전형적인 견본들은 이 스크린샷에 도시되어 있으나, 아웃라이어(outlier) 결함들은 이 예에서 디스플레이되어 있지 않다. 도 5의 스크린샷에서는, 유망한 클래스 1 및 유망한 클래스 2의 전형적인 결함들이 사용자 인터페이스의 좌측에 예시되었고, 기타의 유망한 클래스의 전형적인 결함들은, 사용자 인터페이스의 좌측 편 (72)의 우측에 있는 스크롤바를 사용함으로써 디스플레이할 수 있다. 비록 이 예에서는 개개의 결함들이 결함 이미지를 이용하여 디스플레이되고 있지만, 당업계에 공지된 임의의 다른 결함 데이터 및 특히 사용자에게 의미있는 임의의 다른 결함 데이터와 함께 디스플레이될 수도 있다는 것을 이해해야 한다. 또한, 비록 결함 이미지들 중 단 하나의 종류만이 도 5의 사용자 인터페이스에 도시되어 있지만, 사용자 인터페이스는 사용자에게 한가지 종류보다 많은 결함 데이터를 디스플레이할 수도 있다는 것을 이해해야 한다.
도 5에 도시된 바와 같이, 사용자는, 사용자 인터페이스의 좌측 상에 예시된 결함 그룹들(예, 클래스 1 및 2)에 배정된 결함들을 선택할 수 있고, 선택된 결함들을 사용자 인터페이스의 우측 (74) 하부에 있는 다른 결함 그룹들(예, 클래스 3)에 이동시킬 수 있다. 결함들의 이와 같은 이동은 개개의 결함 이미지들을 클릭 및 드래그하는 것으로 용이하게 달성될 수 있다. 유사한 방식으로, 사용자는, 사용자 인터페이스의 우측 상에 하나 또는 그 이상의 추가적인 결함 그룹들을 생성시킬 수 있다. 또한, 사용자는 앞서 기술한 바와 같이, 개개의 결함들을 추가적인 결함 그룹(들)에 배정할 수 있다. 이런 식으로, 사용자는, 결함들을 그룹화한 것으로부터 분류 "저장소(bins)"에 결함들을 이동시키기 위해, 커스토마이즈된 갤러리에서 작업할 수 있다. 더욱이, 추가적인 결함들은 사용자의 노력 없이 분류처리를 통해, 이 시스템에 의한 사용자 인터페이스에서 이동 및/또는 저장될 수 있다. 사용자가 임의의 결함 그룹에 포함된 개개의 결함들을 수동으로 편집한 후에, 사용자 인터페이스에 나타난 "모두 허용(Accept All)" 같은 옵션을 선택하여 개개의 결함들을 결함 그룹 내에 허용할 수 있다. 이런 식으로, 사용자는 결함 분류들이 옳다는 것을 확인할 수 있다. 사용자 인터페이스는, 도 5에서 도시된 바와 같이 추가적으로 구성될 수 있다. 또한, 사용자 인터페이스는 본 명세서에 기술한 바와 같이 추가적으로 구성될 수도 있다.
도 6은 앞서 기술한 하나 또는 그 이상의 기능들을 수행하기 위해 사용될 수 있는 사용자 인터페이스의 상이한 예를 예시하는 또 다른 스크린샷이다. 사용자 인터페이스의 상부, 우측 (80)은 개개의 결함들이 배정된 결함 그룹들과 각각의 그룹에 배정된 결함들의 개수를 디스플레이한다. 앞서 기술한 예와 같이, 결함들이 배정된 결함 그룹들의 개수는 사용자에 의해 선택된 그룹들의 개수에 기초한다. 이와 같은 결함 그룹들은, 분류 레시피가 컴퓨터-구현 방법으로 사용될 수 없을 때 특히 적합할 수 있다.
사용자 인터페이스의 좌측 (82)은, 결함 그룹들 각각에 배정된 개개의 결함들 모두를 디스플레이함으로써 결함들의 그룹화를 디스플레이한다. 달리 말하면, 이 예시에서는 아웃라이어 결함들뿐만 아니라 특징 스페이스의 전형적인 견본들도 디스플레이된다. 도 6의 스크린샷에서는, 유망한 클래스 1 및 유망한 클래스 2의 결함들이 사용자 인터페이스의 좌측에 예시되고, 기타의 클래스의 결함들은 사용자 인터페이스 좌측 편의 우측에 있는 스크롤바를 사용함으로써 디스플레이된다.
도 6에 도시된 바와 같이, 사용자는, 사용자 인터페이스의 좌측 상에 예시된 결함 그룹들에(예, 클래스 1 및 2) 배정되어 있는 결함들을 선택할 수 있고, 선택된 결함들을 사용자 인터페이스의 하부, 우측 (84)상의 다른 결함 그룹들(예, 클래스3)에 이동시킬 수 있다. 결함들의 이와 같은 이동은 개개의 결함 이미지를 클릭 및 드래그함으로써 쉽게 수행될 수 있다. 유사한 방식으로, 사용자는 사용자 인터페이스의 우측 상에 하나 또는 그 이상의 추가적인 결함 그룹들을 생성시킬 수 있다. 또한, 사용자는 개개의 결함들을, 앞서 기술한 바와 같이 추가적인 결함 그룹(들)에 배정할 수 있다. 사용자 인터페이스는, 도 6에 도시된 바와 같이 추가적으로 구성될 수 있다. 또한, 사용자 인터페이스는, 본 명세서에 기술한 바와 같이 추가적으로 구성될 수도 있다.
컴퓨터-구현 방법에 의해 검출된 임의의 새로운 결함은 "유망한 새로운 결함 종류들(Probable New Defect Types)"과 같은 명칭을 사용하여 식별할 수 있는 다른 결함 그룹에 배정될 것이고, 또한 기타의 모든 결함 그룹들 모두와 함께 사용자 인터페이스 좌측에 예시될 수도 있다. 이런 식으로, 레시피로부터 작동될 때, 만약 임의의 이전에 분류된 결함들과 정합되지 않는 결함들이 있다면, 사용자는 이러한 결함들을 별도로 다루도록 촉구받을 수 있다. 또한, 사용자 인터페이스에 예시되어 있는 결함 그룹들은 재검사 동안에 검출되지 않은 결함들에 대한 결함 그룹 역시 포함할 수 있다. 이와 같은 결함들은 미검출 결함(No Defect Found) 또는 "NDF"로 표시되고, 예를 들어, SEM-기반의 재검사인 경우에는, "SEM Non-Visuals"로 명명된 그룹으로 도시될 수 있다. 사용자 인터페이스는 사용자가 이러한 결함들을 분리하여 다루도록 촉구할 수 있다. 사용자 인터페이스에 디스플레이되는 이들 결함들에 대한 정보는, 결함들이 검출되는 동안에 광학 검사를 통해 발생된 결함들의 저확대 이미지들을 포함할 수 있다.
도 7은 앞서 기술한 하나 또는 그 이상의 기능들을 수행하기 위해 사용될 수 있는 사용자 인터페이스의 다른 예를 보여주는 스크린샷이다. 이 사용자 인터페이스는 컴퓨터-구현 방법이 수행된 후에 사용자에게 디스플레이될 결과들을 예시한다. 예를 들어, 사용자 인터페이스는 분류 결과를 예시한 차트 (90)를 디스플레이한다. 또한, 사용자 인터페이스는 결함들의 상이한 클래스들과 웨이퍼 상에서의 결함들의 위치를 예시하는 웨이퍼 맵 (92)을 디스플레이한다. 사용자 인터페이스는 또한, 결함 갤러리 (94)를 디스플레이하는데, 이것은 결함 그룹으로부터 배열된 결함들과 사용자에 의해 그 결함그룹들에 배정된 임의의 분류를 예시하고 있다. 비록 도 7에는 수동 클래스 5 및 7의 결함들만이 도시되어 있지만, 예를 들어, 결함 갤러리의 우측으로 스크롤 바를 사용하여 기타 클래스의 결함들이 예시될 수 있다는 것을 이해해야 한다.
사용자 인터페이스는, 도 7에서 도시된 바와 같이 추가적으로 구성될 수 있다. 또한, 사용자 인터페이스는 본 명세서에서 기술된 추가적인 기능들 또는 당업계에 공지된 임의의 다른 기능들을 수행하도록 추가로 구성될 수 있다. 예를 들어, 사용자 인터페이스는 사용자가 분류(ship)하기를 원하는 결함들이 어떤 것인지를 가리키기 위해 결함들에 태그(tag)를 붙이는 것을 허용하도록 구성될 수 있다. 하나의 이와 같은 예에서, 분류들(및 선택사항으로서 분류 방법 동안에 선택된 이미지들)은 KLARF 또는 기타의 표준 파일을 사용한 추가 분석을 위해 전송될 수 있다. 또한, 사용자 인터페이스는 사용자가 fab 데이터베이스 같은 데이터베이스에 그 결과를 전송하는 것을 허용하도록 구성될 수 있다.
본 명세서의 설명에 비추어 당업자에게는 발명의 다양한 면들의 추가적 변형과 대안적인 실시예가 자명할 것이다. 예를 들어, 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법이 제공되었다. 따라서, 이러한 설명은 단지 본 발명을 예시하기 위한 것이고, 본 발명을 실시하는 일반적 방식으로 당업자에게 가르치기 위한 목적으로 해석되어야 한다. 본 명세서에서 도시하고 기술한 발명의 형태들은 현재로서 양호한 실시예들로 취해진 것으로 해석되어야 한다. 본 명세서에서 예시하고 기술한 요소들과 재료들은 대체될 수 있으며, 부품 및 공정들은 뒤바뀔 수 있고, 발명의 특정한 특징들은 독립적으로 이용될 수도 있다. 이러한 것들은 본 명세서의 설명을 통해 당업자에게는 자명할 것이다. 첨부한 청구항들에서 기술한 바와 같이, 본 발명의 사상과 범위에서 벗어나지 않고도 본 명세서에서 기술한 요소에 대한 변경이 이루어질 수 있다.

Claims (1)

  1. 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법에 있어서,
    표본 상에서 검출된 개개의 결함들을, 상기 개개의 결함들의 하나 또는 그 이상의 특징들에 기초하여 결함 그룹들에 자동적으로 배정(assign)하는 단계;
    상기 배정하는 단계에 후속하여, 사용자에게 상기 결함 그룹들에 대한 정보를 디스플레이하는 단계; 및
    컴퓨터에 의해 잘못(in error) 제안된 결합 그룹들 각각의 이름을 사용자가 정정하는 것을 허용하는 단계
    를 포함하고,
    상기 배정하는 단계에서, 상기 사용자는 개개의 결함들을 한번에 하나씩 결함 그룹들에 배정하지 않고,
    상기 정보는 상기 결함 그룹들 각각에 포함된 하나 또는 그 이상의 전형적인 결함들에 대한 정보를 포함하며,
    상기 디스플레이하는 단계는, 하나 이상의 전형적인 결함들 및 다른 결함들이 상기 결함 그룹들에 배정된 이후에 수행되며,
    상기 허용하는 단계는, 상기 사용자가, 선택된 개개의 결함들이 속하는 상기 결함 그룹을 변경하기 위하여, 개개의 결함 이미지들을 클릭 및 드래그함으로써 개개의 결함 이미지들을 상기 자동적으로 배정된 결함 그룹들로부터 다른 결합 그룹으로 이동시키는 것을 허용하는 단계를 포함하고,
    상기 배정하는 단계, 상기 디스플레이하는 단계 및 상기 허용하는 단계는 컴퓨터 시스템에 의해 수행되는 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법.
KR1020167036371A 2004-10-12 2005-10-12 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템 KR20170003710A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US61847504P 2004-10-12 2004-10-12
US60/618,475 2004-10-12
PCT/US2005/036598 WO2006044426A2 (en) 2004-10-12 2005-10-12 Computer-implemented methods and systems for classifying defects on a specimen

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020077009403A Division KR20070104331A (ko) 2004-10-12 2005-10-12 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020187009372A Division KR20180037323A (ko) 2004-10-12 2005-10-12 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20170003710A true KR20170003710A (ko) 2017-01-09

Family

ID=36203471

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020187009372A KR20180037323A (ko) 2004-10-12 2005-10-12 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템
KR1020167036371A KR20170003710A (ko) 2004-10-12 2005-10-12 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템
KR1020077009403A KR20070104331A (ko) 2004-10-12 2005-10-12 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020187009372A KR20180037323A (ko) 2004-10-12 2005-10-12 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020077009403A KR20070104331A (ko) 2004-10-12 2005-10-12 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및시스템

Country Status (5)

Country Link
US (1) US8532949B2 (ko)
JP (2) JP5871446B2 (ko)
KR (3) KR20180037323A (ko)
CN (2) CN103439346B (ko)
WO (1) WO2006044426A2 (ko)

Families Citing this family (74)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9002497B2 (en) * 2003-07-03 2015-04-07 Kla-Tencor Technologies Corp. Methods and systems for inspection of wafers and reticles using designer intent data
US7646906B2 (en) * 2004-01-29 2010-01-12 Kla-Tencor Technologies Corp. Computer-implemented methods for detecting defects in reticle design data
US9188974B1 (en) 2004-02-13 2015-11-17 Kla-Tencor Technologies Corp. Methods for improved monitor and control of lithography processes
JP4904034B2 (ja) 2004-09-14 2012-03-28 ケーエルエー−テンカー コーポレイション レチクル・レイアウト・データを評価するための方法、システム及び搬送媒体
US7729529B2 (en) * 2004-12-07 2010-06-01 Kla-Tencor Technologies Corp. Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle
JP5006520B2 (ja) * 2005-03-22 2012-08-22 株式会社日立ハイテクノロジーズ 欠陥観察装置及び欠陥観察装置を用いた欠陥観察方法
US7570797B1 (en) 2005-05-10 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for generating an inspection process for an inspection system
US9037280B2 (en) * 2005-06-06 2015-05-19 Kla-Tencor Technologies Corp. Computer-implemented methods for performing one or more defect-related functions
US7769225B2 (en) * 2005-08-02 2010-08-03 Kla-Tencor Technologies Corp. Methods and systems for detecting defects in a reticle design pattern
US8041103B2 (en) 2005-11-18 2011-10-18 Kla-Tencor Technologies Corp. Methods and systems for determining a position of inspection data in design data space
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7676077B2 (en) 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
JP5283830B2 (ja) * 2006-06-13 2013-09-04 富士通セミコンダクター株式会社 欠陥検査方法
JP4976112B2 (ja) * 2006-11-24 2012-07-18 株式会社日立ハイテクノロジーズ 欠陥レビュー方法および装置
US7904845B2 (en) * 2006-12-06 2011-03-08 Kla-Tencor Corp. Determining locations on a wafer to be reviewed during defect review
US7877722B2 (en) * 2006-12-19 2011-01-25 Kla-Tencor Corp. Systems and methods for creating inspection recipes
US8194968B2 (en) 2007-01-05 2012-06-05 Kla-Tencor Corp. Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions
US7738093B2 (en) 2007-05-07 2010-06-15 Kla-Tencor Corp. Methods for detecting and classifying defects on a reticle
US7962863B2 (en) 2007-05-07 2011-06-14 Kla-Tencor Corp. Computer-implemented methods, systems, and computer-readable media for determining a model for predicting printability of reticle features on a wafer
US8213704B2 (en) 2007-05-09 2012-07-03 Kla-Tencor Corp. Methods and systems for detecting defects in a reticle design pattern
US7796804B2 (en) 2007-07-20 2010-09-14 Kla-Tencor Corp. Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer
US7711514B2 (en) 2007-08-10 2010-05-04 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for generating a metrology sampling plan
TWI469235B (zh) 2007-08-20 2015-01-11 Kla Tencor Corp 決定實際缺陷是潛在系統性缺陷或潛在隨機缺陷之由電腦實施之方法
US8135204B1 (en) * 2007-09-21 2012-03-13 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for creating a defect sample for use in selecting one or more parameters of an inspection recipe
US8139844B2 (en) 2008-04-14 2012-03-20 Kla-Tencor Corp. Methods and systems for determining a defect criticality index for defects on wafers
US9710903B2 (en) 2008-06-11 2017-07-18 Kla-Tencor Corp. System and method for detecting design and process defects on a wafer using process monitoring features
WO2010014609A2 (en) 2008-07-28 2010-02-04 Kla-Tencor Corporation Computer-implemented methods, computer-readable media, and systems for classifying defects detected in a memory device area on a wafer
JP5255953B2 (ja) * 2008-08-28 2013-08-07 株式会社日立ハイテクノロジーズ 欠陥検査方法及び装置
US9601393B2 (en) 2009-02-06 2017-03-21 Kla-Tencor Corp. Selecting one or more parameters for inspection of a wafer
US8775101B2 (en) 2009-02-13 2014-07-08 Kla-Tencor Corp. Detecting defects on a wafer
US8204297B1 (en) 2009-02-27 2012-06-19 Kla-Tencor Corp. Methods and systems for classifying defects detected on a reticle
US8112241B2 (en) 2009-03-13 2012-02-07 Kla-Tencor Corp. Methods and systems for generating an inspection process for a wafer
JP5537282B2 (ja) * 2009-09-28 2014-07-02 株式会社日立ハイテクノロジーズ 欠陥検査装置および欠陥検査方法
JP5275208B2 (ja) * 2009-12-02 2013-08-28 株式会社東芝 半導体装置の製造方法
WO2011151116A1 (en) * 2010-06-03 2011-12-08 Carl Zeiss Sms Gmbh A method for determining the performance of a photolithographic mask
US20120160295A1 (en) * 2010-06-25 2012-06-28 International Business Machines Corporation Solar cell classification method
US8781781B2 (en) 2010-07-30 2014-07-15 Kla-Tencor Corp. Dynamic care areas
US9170211B2 (en) 2011-03-25 2015-10-27 Kla-Tencor Corp. Design-based inspection using repeating structures
US9087367B2 (en) 2011-09-13 2015-07-21 Kla-Tencor Corp. Determining design coordinates for wafer defects
CN104025276A (zh) * 2011-11-07 2014-09-03 Bt成像股份有限公司 用于光伏电池制造的晶圆分级和分类
JP5719760B2 (ja) * 2011-12-28 2015-05-20 株式会社日立ハイテクノロジーズ 欠陥分類装置
US8831334B2 (en) 2012-01-20 2014-09-09 Kla-Tencor Corp. Segmentation for wafer inspection
US8826200B2 (en) 2012-05-25 2014-09-02 Kla-Tencor Corp. Alteration for wafer inspection
US9189844B2 (en) 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
US8948494B2 (en) 2012-11-12 2015-02-03 Kla-Tencor Corp. Unbiased wafer defect samples
US9053527B2 (en) 2013-01-02 2015-06-09 Kla-Tencor Corp. Detecting defects on a wafer
US9134254B2 (en) 2013-01-07 2015-09-15 Kla-Tencor Corp. Determining a position of inspection system output in design data space
US9311698B2 (en) 2013-01-09 2016-04-12 Kla-Tencor Corp. Detecting defects on a wafer using template image matching
JP5800434B2 (ja) * 2013-01-11 2015-10-28 Ckd株式会社 検査装置の監視システム
WO2014149197A1 (en) 2013-02-01 2014-09-25 Kla-Tencor Corporation Detecting defects on a wafer using defect-specific and multi-channel information
US9865512B2 (en) 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
US9310320B2 (en) 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
US9430824B2 (en) * 2013-05-14 2016-08-30 Kla-Tencor Corporation Machine learning method and apparatus for inspecting reticles
US10114368B2 (en) * 2013-07-22 2018-10-30 Applied Materials Israel Ltd. Closed-loop automatic defect inspection and classification
US9766286B2 (en) * 2014-08-20 2017-09-19 Taiwan Semiconductor Manufacturing Company Limited Defect diagnosis
US9582869B2 (en) 2014-10-19 2017-02-28 Kla-Tencor Corp. Dynamic binning for diversification and defect discovery
JP6192880B2 (ja) 2015-05-26 2017-09-06 三菱電機株式会社 検出装置および検出方法
KR101978995B1 (ko) * 2015-06-04 2019-05-16 가부시키가이샤 히다치 하이테크놀로지즈 결함 화상 분류 장치 및 결함 화상 분류 방법
US10436720B2 (en) 2015-09-18 2019-10-08 KLA-Tenfor Corp. Adaptive automatic defect classification
US11205119B2 (en) * 2015-12-22 2021-12-21 Applied Materials Israel Ltd. Method of deep learning-based examination of a semiconductor specimen and system thereof
KR102483787B1 (ko) * 2016-02-25 2023-01-04 에스케이하이닉스 주식회사 반도체 장치의 결함 모델링 장치 및 방법, 이를 위한 컴퓨터 프로그램과, 이를 이용한 반도체 장치의 결함 검사 시스템
CN108886007B (zh) * 2016-04-13 2020-03-27 科磊股份有限公司 用于基于电设计意图的缺陷分类的系统及方法
US10365617B2 (en) 2016-12-12 2019-07-30 Dmo Systems Limited Auto defect screening using adaptive machine learning in semiconductor device manufacturing flow
US10249033B1 (en) * 2016-12-20 2019-04-02 Palantir Technologies Inc. User interface for managing defects
US11650576B2 (en) 2017-01-18 2023-05-16 Asml Netherlands B.V. Knowledge recommendation for defect review
US10515444B2 (en) * 2017-01-30 2019-12-24 Dongfang Jingyuan Electron Limited Care area generation for inspecting integrated circuits
US11138507B2 (en) * 2017-09-28 2021-10-05 Applied Materials Israel Ltd. System, method and computer program product for classifying a multiplicity of items
US11314721B1 (en) 2017-12-07 2022-04-26 Palantir Technologies Inc. User-interactive defect analysis for root cause
US10810076B1 (en) 2018-08-28 2020-10-20 Palantir Technologies Inc. Fault clustering for remedial action analysis
US11263737B2 (en) * 2019-01-10 2022-03-01 Lam Research Corporation Defect classification and source analysis for semiconductor equipment
JP7203678B2 (ja) 2019-04-19 2023-01-13 株式会社日立ハイテク 欠陥観察装置
JP7285728B2 (ja) 2019-08-07 2023-06-02 株式会社日立ハイテク 電気特性を導出するシステム及び非一時的コンピューター可読媒体
US12038802B2 (en) * 2019-10-14 2024-07-16 Pdf Solutions, Inc. Collaborative learning model for semiconductor applications
US11256967B2 (en) * 2020-01-27 2022-02-22 Kla Corporation Characterization system and method with guided defect discovery

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3415943B2 (ja) * 1994-09-29 2003-06-09 オリンパス光学工業株式会社 欠陥種別判定装置及びプロセス管理システム
US6757645B2 (en) * 1997-09-17 2004-06-29 Numerical Technologies, Inc. Visual inspection and verification system
US6104835A (en) 1997-11-14 2000-08-15 Kla-Tencor Corporation Automatic knowledge database generation for classifying objects and systems therefor
JP3812185B2 (ja) * 1998-12-01 2006-08-23 株式会社日立製作所 欠陥分類方法およびその装置
US6922482B1 (en) * 1999-06-15 2005-07-26 Applied Materials, Inc. Hybrid invariant adaptive automatic defect classification
JP2001156135A (ja) * 1999-11-29 2001-06-08 Hitachi Ltd 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法
US6999614B1 (en) 1999-11-29 2006-02-14 Kla-Tencor Corporation Power assisted automatic supervised classifier creation tool for semiconductor defects
JP2001256480A (ja) * 2000-03-09 2001-09-21 Hitachi Ltd 画像自動分類方法及び装置
JP4526661B2 (ja) * 2000-06-28 2010-08-18 株式会社日立製作所 検査装置および検査方法
TWI256468B (en) * 2000-10-02 2006-06-11 Applied Materials Inc Defect source identifier
US20020046001A1 (en) * 2000-10-16 2002-04-18 Applied Materials, Inc. Method, computer readable medium and apparatus for accessing a defect knowledge library of a defect source identification system
JP4155496B2 (ja) 2002-04-25 2008-09-24 大日本スクリーン製造株式会社 分類支援装置、分類装置およびプログラム
JP4118703B2 (ja) * 2002-05-23 2008-07-16 株式会社日立ハイテクノロジーズ 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置
JP3978098B2 (ja) * 2002-08-12 2007-09-19 株式会社日立製作所 欠陥分類方法及びその装置
US7027143B1 (en) * 2002-10-15 2006-04-11 Kla-Tencor Technologies Corp. Methods and systems for inspecting reticles using aerial imaging at off-stepper wavelengths
JP4290652B2 (ja) 2002-11-05 2009-07-08 ライトフリート コーポレイション 光学的ファンアウト・ブロードキャスト接続
WO2004044596A2 (en) * 2002-11-12 2004-05-27 Fei Company Defect analyzer
JP2006507539A (ja) * 2002-11-21 2006-03-02 トッパン、フォウタマスクス、インク 欠陥画像を検査システムからデータベースに自動的に送信するシステム及び方法
US7359544B2 (en) 2003-02-12 2008-04-15 Kla-Tencor Technologies Corporation Automatic supervised classifier setup tool for semiconductor defects
US7602962B2 (en) * 2003-02-25 2009-10-13 Hitachi High-Technologies Corporation Method of classifying defects using multiple inspection machines
JP4136883B2 (ja) * 2003-10-03 2008-08-20 株式会社日立ハイテクノロジーズ 欠陥観察方法

Also Published As

Publication number Publication date
KR20180037323A (ko) 2018-04-11
US8532949B2 (en) 2013-09-10
WO2006044426A3 (en) 2006-12-07
CN103439346B (zh) 2017-10-20
JP2015135978A (ja) 2015-07-27
JP5871446B2 (ja) 2016-03-01
WO2006044426A2 (en) 2006-04-27
CN103439346A (zh) 2013-12-11
JP2008516259A (ja) 2008-05-15
KR20070104331A (ko) 2007-10-25
US20060082763A1 (en) 2006-04-20
JP6055003B2 (ja) 2016-12-27
CN101120329A (zh) 2008-02-06

Similar Documents

Publication Publication Date Title
KR20170003710A (ko) 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템
KR101144545B1 (ko) 반도체 제조를 위한 탄력적 혼성 결함 분류
JP3993817B2 (ja) 欠陥組成分析方法及び装置
US7359544B2 (en) Automatic supervised classifier setup tool for semiconductor defects
US9601393B2 (en) Selecting one or more parameters for inspection of a wafer
US9739720B2 (en) Method, computer system and apparatus for recipe generation for automated inspection of semiconductor devices
US7205555B2 (en) Defect inspection apparatus and defect inspection method
US9335277B2 (en) Region-of-interest determination apparatus, observation tool or inspection tool, region-of-interest determination method, and observation method or inspection method using region-of-interest determination method
US7508973B2 (en) Method of inspecting defects
US8111902B2 (en) Method and apparatus for inspecting defects of circuit patterns
JP5134188B2 (ja) 試料上の欠陥を分析する装置
US20050128472A1 (en) Method for inspecting defects and an apparatus of the same
US20060002606A1 (en) Pattern recognition with the use of multiple images
JP2020500422A (ja) 検査関連アルゴリズムのセットアップに用いられる訓練集合の最適化
JP2004239728A (ja) パターン検査方法及び装置
US6643006B1 (en) Method and system for reviewing a semiconductor wafer using at least one defect sampling condition
US20090030867A1 (en) Reviewing apparatus, recipe setting method for reviewing apparatus and reviewing system
JP5374225B2 (ja) ウェハ検査条件決定方法、ウェハ検査条件決定システム及びウェハ検査システム
JP2006147977A (ja) 欠陥レビュー装置、欠陥レビュー方法及び欠陥解析方法、半導体装置の製造方法

Legal Events

Date Code Title Description
A107 Divisional application of patent
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
A107 Divisional application of patent
J201 Request for trial against refusal decision
AMND Amendment
E801 Decision on dismissal of amendment
B601 Maintenance of original decision after re-examination before a trial
J301 Trial decision

Free format text: TRIAL NUMBER: 2018101001454; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20180402

Effective date: 20191121