KR20170139613A - 관심 패턴 이미지 집단에 대한 이상치 검출 - Google Patents
관심 패턴 이미지 집단에 대한 이상치 검출 Download PDFInfo
- Publication number
- KR20170139613A KR20170139613A KR1020177033643A KR20177033643A KR20170139613A KR 20170139613 A KR20170139613 A KR 20170139613A KR 1020177033643 A KR1020177033643 A KR 1020177033643A KR 20177033643 A KR20177033643 A KR 20177033643A KR 20170139613 A KR20170139613 A KR 20170139613A
- Authority
- KR
- South Korea
- Prior art keywords
- instances
- specimen
- interest
- pattern
- die
- Prior art date
Links
- 238000013450 outlier detection Methods 0.000 title description 49
- 238000000034 method Methods 0.000 claims abstract description 89
- 238000003384 imaging method Methods 0.000 claims abstract description 71
- 238000005259 measurement Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 15
- 238000009966 trimming Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 description 61
- 235000012431 wafers Nutrition 0.000 description 46
- 230000007547 defect Effects 0.000 description 28
- 238000007689 inspection Methods 0.000 description 25
- 230000003287 optical effect Effects 0.000 description 25
- 238000001514 detection method Methods 0.000 description 23
- 238000005286 illumination Methods 0.000 description 21
- 239000004065 semiconductor Substances 0.000 description 21
- 230000006870 function Effects 0.000 description 17
- 238000010894 electron beam technology Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000012552 review Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010884 ion-beam technique Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013077 scoring method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001433 helium-ion microscopy Methods 0.000 description 2
- 238000001459 lithography Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001454 recorded image Methods 0.000 description 2
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 240000000136 Scabiosa atropurpurea Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G06K9/46—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
Abstract
관심 패턴(POI)의 복수의 인스턴스에서 이상치를 식별하는 방법 및 시스템이 제공된다. 일 시스템은 또한 시편 상에 형성된 다이 내의 POI의 복수의 인스턴스에서 이미징 서브 시스템에 의해 생성된 이미지를 획득하도록 구성된 하나 이상의 컴퓨터 서브 시스템을 포함한다. 복수의 인스턴스는 다이 내의 비주기적인 위치에 위치되는 2개 이상의 인스턴스를 포함한다. 컴퓨터 서브 시스템(들)은 또한 POI의 복수의 인스턴스에서 생성된 이미지 각각의 특징을 결정하도록 구성된다. 또한, 컴퓨터 서브 시스템(들)은 또한 결정된 특징에 기초하여 POI의 복수의 인스턴스에서 하나 이상의 이상치를 식별하도록 구성된다.
Description
본 발명은 일반적으로 관심 패턴 이미지 집단에 대한 이상치(outlier) 검출을 위한 방법 및 시스템에 관한 것이다.
다음의 설명 및 예는 이 섹션에 포함된다는 이유로 선행 기술로 인정되지는 않는다.
로직 및 메모리 디바이스와 같은 반도체 디바이스를 제조하는 것은 통상적으로 복수의 반도체 제조 공정을 사용하여 반도체 웨이퍼와 같은 기판을 처리하여 반도체 디바이스의 다양한 피쳐 및 복수의 레벨을 형성하는 것을 포함한다. 예를 들어, 리소그래피는 레티클로부터 반도체 웨이퍼 상에 배열된 레지스트로 패턴을 전사하는 것을 수반하는 반도체 제조 공정이다. 반도체 제조 공정의 추가 예는 화학 기계적 폴리싱(chemical-mechanical polishing, CMP), 에칭, 증착, 및 이온 주입을 포함하나, 이에 한정되지는 않는다. 복수의 반도체 디바이스는 단일 반도체 웨이퍼 상의 배열로 제조되고, 그 다음에 개별적인 반도체 디바이스로 분리될 수 있다.
검사 공정은 웨이퍼에 대한 결함을 검출하여 제작 공정에서의 더 높은 수율 및 따라서 더 높은 이익을 증진시키기 위해 반도체 제작 공정 동안 다양한 단계에서 사용된다. 검사는 항상 IC와 같은 반도체 디바이스를 제조하는 중요한 부분이었다. 그러나, 반도체 디바이스의 치수가 감소함에 따라, 허용 가능한 반도체 디바이스의 성공적인 제작에 있어서 검사가 더욱 중요하게 되었는데, 그 이유는 보다 작은 결함이 디바이스가 고장나게 할 수 있기 때문이다.
그러나, 설계 규정이 축소됨에 따라, 반도체 제작 공정은 공정의 성능 능력에 대한 한계에 보다 가깝게 운영될 수 있다. 또한, 보다 작은 결함은 설계 규정이 축소됨에 따라 디바이스의 전기적 파라미터에 영향을 줄 수 있으며, 이는 보다 민감한 검사를 강요한다. 따라서, 설계 규정이 축소됨에 따라, 검사에 의해 검출되는 잠재적으로 야기되는 관련결함의 수는 급격히 커지고, 검사에 의해 검출되는 골치아픈 결함의 수 또한 급격히 증가한다. 따라서, 웨이퍼에 대한 점점 더 많은 결함이 검출될 수 있고, 모든 결함을 제거하기 위해 공정을 정정하는 것은 어렵고 비쌀 수 있다.
최근에, 검사 시스템 및 방법은 결함이 중요한지 여부 및 결함이 얼마나 중요한지를 결정할 웨이퍼에 대한 설계에 영향을 미치기 때문에 결함과 설계 사이의 관계에 초점을 맞추도록 점점 더 많이 설계되고 있다. 예를 들어, 웨이퍼 상에 인쇄된 설계의 특정 부분에만 검사의 초점을 맞추기 위한 몇몇 방법이 개발되었다. 이러한 설계의 부분은 흔히 "관심 패턴"(patterns of interest, POI)으로 지칭될 수 있다.
현재, POI 모니터링은 반도체 웨이퍼 상의 결함을 발견하기 위해 현재의 웨이퍼 검사 시스템에 의해 이용되는 다이-다이 차이 전략의 연장으로서 이행될 수 있다. 이 전략에서, 이상치 검출은 이른바 기준 다이와 테스트 다이 상의 POI 사이의 차이를 취함으로써 수행될 수 있다. 검색되는 결함이 POI의 기준 이미지와 테스트 이미지의 차이를 상쇄하는 공통 모드를 갖고 있지 않는 한, 이는 이상치 검출을 수행하는 합리적인 방식이다.
그러나, POI 기반 결함 검출을 위한 상술된 방법에는 복수의 단점이 있을 수 있다. 예를 들어, 공통 모드 결함 메커니즘이 POI의 기준 이미지와 테스트 이미지 사이의 차이에서 상쇄되는 경우 이상치 검출을 수행하는 것은 불가능하다. 또한, 당연히 복수의 다이를 수반해야 하는, 인접한 다이 사이의 차이를 분석하는 현재의 방법론으로 다이 내 검사를 수행하는 것은 불가능하다. 게다가, POI, 및 특정 POI의 설계 구조에 대해 어떤 기하학적 측정이 수행되어야 할지를 식별하는 것은 시간 소모적인 수동 작업이다.
따라서, 상술된 단점 중 하나 이상을 갖지 않는 POI의 복수의 인스턴스(instance)에서 이상치를 식별하기 위한 시스템 및 방법을 개발하는 것이 이로울 것이다.
다음의 다양한 실시예의 설명은 어떤 식으로든 첨부된 청구항의 대상을 제한하는 것으로 해석되어서는 안된다.
일 실시예는 시편(specimen) 상의 관심 패턴(POI)의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템에 관한 것이다. 시스템은 적어도 에너지 원 및 검출기를 포함하는 이미징 서브 시스템을 포함한다. 에너지 원은 시편으로 향하는 에너지를 생성하도록 구성된다. 검출기는 시편으로부터 에너지를 검출하고 검출된 에너지에 응답한 이미지를 생성하도록 구성된다. 시스템은 또한 시편 상에 형성된 다이 내의 POI의 복수의 인스턴스에서 이미징 서브 시스템에 의해 생성된 이미지를 획득하도록 구성된 하나 이상의 컴퓨터 서브 시스템을 포함한다. 복수의 인스턴스는 다이 내의 비주기적인 위치에 위치되는 2개 이상의 인스턴스를 포함한다. 하나 이상의 컴퓨터 서브 시스템은 또한 POI의 복수의 인스턴스에서 생성된 이미지 각각의 특징을 결정하도록 구성된다. 또한, 하나 이상의 컴퓨터 서브 시스템은 결정된 특징에 기초하여 POI의 복수의 인스턴스에서 하나 이상의 이상치를 식별하도록 구성된다. 시스템은 본원에서 설명된 바와 같이 더 구성될 수 있다.
다른 실시예는 시편 상의 POI의 복수의 인스턴스에서 이상치를 식별하기 위한 컴퓨터로 구현되는 방법에 관한 것이다. 방법은 상술된 단계를 포함한다. 방법의 단계는 하나 이상의 컴퓨터 시스템에 의해 수행된다. 상술된 방법의 단계 각각은 본원에 추가로 설명된 바와 같이 더 수행될 수 있다. 또한, 상술된 방법의 실시예는 본원에서 설명된 임의의 다른 방법(들)의 임의의 다른 단계(들)를 포함할 수 있다. 더불어, 상술된 방법은 본원에서 설명된 시스템 중 임의의 것에 수행될 수 있다.
다른 실시예는 시편 상의 POI의 복수의 인스턴스에서 이상치를 식별하기 위한 컴퓨터로 구현되는 방법을 수행하기 위해 컴퓨터 시스템에서 실행 가능한 프로그램 명령어를 저장하는 비일시적 컴퓨터 판독 가능 매체에 관한 것이다. 컴퓨터로 구현되는 방법은 상술된 방법의 단계를 포함한다. 컴퓨터 판독 가능 매체는 본원에서 설명된 바와 같이 더 구성될 수 있다. 컴퓨터로 구현되는 방법의 단계는 본원에서 더 설명된 바와 같이 수행될 수 있다. 또한, 프로그램 명령어가 실행 가능한 컴퓨터로 구현되는 방법은 본원에서 설명된 임의의 다른 방법(들)의 임의의 다른 단계(들)를 포함할 수 있다.
본 발명의 다른 이점은 다음의 바람직한 실시예의 상세한 설명의 도움으로 그리고 첨부 도면을 참조하여 당업자에게 명백해질 것이며, 여기서:
도 1 및 도 2는 본원에서 설명된 바와 같이 구성된 시스템의 실시예의 측면 뷰를 도시하는 개략도이다;
도 3은 관심 패턴(POI), 시편 상에 형성된 POI의 인스턴스에서 생성된 서브 이미지, 및 오버레이된 POI의 설계에 관한 정보를 갖는 서브 이미지의 일 실시예의 평면도를 도시하는 개략도이다;
도 4는 시편 상의 다이 또는 레티클 필드 내에 형성된 POI 또는 하나를 초과하는 POI의 복수의 인스턴스의 상이한 실시예의 평면도를 도시하는 개략도이다;
도 5는 시편 상의 복수의 다이에 대해 본원에서 설명된 바와 같은 하나 이상의 이상치를 식별한 결과 및 이들 결과가 다이 내의 이상치를 식별하는 데 어떻게 사용될 수 있는지의 일 예를 도시하는 그래프이다;
도 6은 시편 상의 영역에 위치된 시편 상에 형성된 복수의 다이의 적어도 일부분의 일 실시예의 평면도를 도시하는 개략도이다; 그리고
도 7은 컴퓨터 시스템으로 하여금 본원에서 설명된 컴퓨터로 구현되는 방법을 수행하게 하는 프로그램 명령어를 저장하는 비일시적 컴퓨터 판독 가능 매체의 일 실시예를 도시하는 블록도이다.
본 발명은 다양한 수정 및 대안적인 형태가 가능하지만, 그 특정 실시예가 도면에서 예로서 도시되고 본원에서 상세히 설명된다. 도면은 축척이 맞지 않을 수 있다. 그러나, 첨부된 도면 및 상세한 설명은 본 발명을 개시된 특정 형태로 한정하려는 의도는 아니며, 반대로, 본 발명은 첨부된 청구항에 의해 정의되는 바와 같은 본 발명의 사상 및 범위 내에 있는 모든 변형예, 등가물, 및 대안을 커버하고자 함을 이해해야 한다.
도 1 및 도 2는 본원에서 설명된 바와 같이 구성된 시스템의 실시예의 측면 뷰를 도시하는 개략도이다;
도 3은 관심 패턴(POI), 시편 상에 형성된 POI의 인스턴스에서 생성된 서브 이미지, 및 오버레이된 POI의 설계에 관한 정보를 갖는 서브 이미지의 일 실시예의 평면도를 도시하는 개략도이다;
도 4는 시편 상의 다이 또는 레티클 필드 내에 형성된 POI 또는 하나를 초과하는 POI의 복수의 인스턴스의 상이한 실시예의 평면도를 도시하는 개략도이다;
도 5는 시편 상의 복수의 다이에 대해 본원에서 설명된 바와 같은 하나 이상의 이상치를 식별한 결과 및 이들 결과가 다이 내의 이상치를 식별하는 데 어떻게 사용될 수 있는지의 일 예를 도시하는 그래프이다;
도 6은 시편 상의 영역에 위치된 시편 상에 형성된 복수의 다이의 적어도 일부분의 일 실시예의 평면도를 도시하는 개략도이다; 그리고
도 7은 컴퓨터 시스템으로 하여금 본원에서 설명된 컴퓨터로 구현되는 방법을 수행하게 하는 프로그램 명령어를 저장하는 비일시적 컴퓨터 판독 가능 매체의 일 실시예를 도시하는 블록도이다.
본 발명은 다양한 수정 및 대안적인 형태가 가능하지만, 그 특정 실시예가 도면에서 예로서 도시되고 본원에서 상세히 설명된다. 도면은 축척이 맞지 않을 수 있다. 그러나, 첨부된 도면 및 상세한 설명은 본 발명을 개시된 특정 형태로 한정하려는 의도는 아니며, 반대로, 본 발명은 첨부된 청구항에 의해 정의되는 바와 같은 본 발명의 사상 및 범위 내에 있는 모든 변형예, 등가물, 및 대안을 커버하고자 함을 이해해야 한다.
본원에서 사용되는 바와 같은 "설계" 및 "설계 데이터"라는 용어는 일반적으로 IC의 물리적 설계(레이아웃) 및 복잡한 시뮬레이션 또는 간단한 기하 및 부울 연산을 통해 물리적 설계로부터 파생되는 데이터를 지칭한다. 물리적 설계는 그래픽 데이터 스트림(graphical data stream, GDS) 파일, 임의의 다른 표준 기계 판독 가능 파일, 당업계에 알려진 임의의 다른 적합한 파일, 및 설계 데이터베이스와 같은 데이터 구조에 저장될 수 있다. GDSII 파일은 설계 레이아웃 데이터의 표현에 사용되는 파일 클래스 중 하나이다. 이러한 파일의 다른 예는 GL1 및 OASIS 파일, 및 캘리포니아주 밀피타스의 KLA-Tencor에 독점 권한이 있는 RDF 데이터와 같은 독점적인 파일 형식을 포함한다. 또한, 레티클 검사 시스템 및/또는 그 파생물에 의해 획득된 레티클의 이미지는 설계를 위한 "프록시" 또는 "프록시들"로서 사용될 수 있다. 이러한 레티클 이미지 또는 그 파생물은 설계를 사용하는 본원에서 설명된 임의의 실시예에서 설계 레이아웃에 대한 대체물의 역할을 할 수 있다. 스캐닝 전자 현미경(scanning electron microscope, SEM) 기반 검토 시스템 및/또는 그 파생물과 같은 고해상도 검토 시스템에 의해 획득된 웨이퍼 상의 로컬 영역의 고해상도 이미지가 또한 그 영역에서의 로컬 설계에 대한 대체물의 역할을 할 수 있다. 설계는 본원에서 완전히 제시되는 바와 같이 양자 모두 참조로서 포함되는, Zafar 외의 2009년 8월 4일자로 공표된 공통으로 소유된 미국 특허 제7,570,796호, 및 Kulkarni 외의 2010년 3월 9일자로 공표된 미국 특허 제7,676,077호에서 설명된 임의의 다른 설계 데이터 또는 설계 데이터 프록시를 포함할 수 있다. 또한, 설계 데이터는 표준 셀 라이브러리 데이터, 통합 레이아웃 데이터, 하나 이상의 층에 대한 설계 데이터, 설계 데이터의 파생물, 및 전체 또는 부분 칩 설계 데이터일 수 있다.
일부 경우에, 웨이퍼 또는 레티클로부터의 시뮬레이션된 이미지 또는 획득된 이미지가 설계를 위한 프록시로서 사용될 수 있다. 이미지 분석은 또한 설계 분석을 위한 프록시로 사용될 수 있다. 예를 들어, 웨이퍼 및/또는 레티클의 이미지가 설계의 다각형을 적절히 이미징하기에 충분한 해상도로 획득된다고 가정하면, 웨이퍼 및/또는 레티클 상에 인쇄된 설계의 이미지로부터 설계의 다각형이 추출될 수 있다. 또한, 본원에서 설명되는 "설계" 및 "설계 데이터"는 설계 공정에서 반도체 디바이스 디자이너에 의해 생성되고, 따라서 임의의 물리적 웨이퍼 상에 설계의 인쇄에 충분히 앞서 본원에서 설명되는 실시예에서의 사용을 위해 이용 가능한 정보 및 데이터를 지칭한다.
바람직하게는, 본원에서 사용되는 바와 같은 용어 "설계" 또는 "물리적 설계"는 시편 상에 이상적으로 형성될 설계 - "의도한 설계" - 을 지칭한다. 예를 들어, 본원에서 설명된 설계 또는 물리적 설계는 바람직하게는 실제로 그 자체가 인쇄되지 않으면서 웨이퍼 상에 피쳐의 인쇄를 향상시키도록 의도된 설계에 추가되는, 광 근접성 보정(optical proximity correction, OPC) 피쳐 및 서브 해상도 보조 피쳐(Sub-Resolution Assist Features, SRAF)와 같이 웨이퍼 상에 인쇄되지 않을 설계의 피쳐는 포함하지 않을 것이다. 이러한 방식으로, 일부 실시예에서, 본원에서 더 설명되는 단계를 위해 사용된 시편을 위한 설계는 시편 상에 인쇄되지 않을 설계의 피쳐는 포함하지 않는다.
이제 도면으로 돌아가면, 도면은 비율에 맞게 그려지지 않는다는 것에 유의한다. 특히, 요소 중 일부의 규모는 요소의 특성을 강조하기 위해 크게 과장되었다. 또한, 도면은 동일한 비율로 그려지지 않음에 유의한다. 유사하게 구성될 수 있는 하나를 초과하는 도면에 도시된 요소는 동일한 참조 번호를 사용하여 나타내어졌다. 본원에서 달리 언급하지 않는 한, 설명되고 도시된 요소 중 임의의 것은 임의의 적합한 상업적으로 이용 가능한 요소를 포함할 수 있다.
일반적으로, 본원에서 설명된 실시예는 관심 패턴(POI) 이미지 집단에 대한 이상치 검출을 위해 구성된다. 본원에서 설명된 실시예는 검사되는 시편(예를 들어, 웨이퍼) 상의 회로 패턴을 설명하는 설계 데이터의 사용과 결합하여 시편 검사 툴(또는 다른 이미지 생성 시스템)로부터의 이미지 데이터의 현명한 사용을 통해 팹(fab) 또는 파운드리에서 반도체 웨이퍼 또는 다른 시편 상의 특정한 수율에 중요하고 실패하기 쉬운 설계 패턴의 모니터링을 개선시키고 용이하게 하는데 사용될 수 있다. 이러한 모니터링은 팹 및 파운드리가 이들 중요한 POI에서 잡힌 이상치 데이터(즉, 결함)와 관련된 수율 문제를 발견할 수 있게 한다. 이 POI의 결함은 (외부로부터 "오는" 결함과 반대로) 결함이 있는 설계, 리소그래피, 또는 반도체 제작 공정에 의해 야기되는 것으로 추정되고, 적절한 방편의 대응이 취해진다면 이를 잡아내는 것은 전체 생산 원가를 감소시킬 것이다.
따라서, 일 실시예는 시편 상의 POI의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템에 관한 것이다. 일 실시예에서, 시편은 웨이퍼를 포함한다. 다른 실시예에서, 시편은 레티클을 포함한다. 웨이퍼 및 레티클은 당업계에 알려져 있는 임의의 웨이퍼 및 레티클을 포함할 수 있다.
이러한 시스템의 일 실시예가 도 1에 도시되어 있다. 시스템은 적어도 에너지 원 및 검출기를 포함하는 이미징 서브 시스템을 포함한다. 에너지 원은 시편으로 향하는 에너지를 생성하도록 구성된다. 검출기는 시편으로부터 에너지를 검출하고 검출된 에너지에 응답한 이미지를 생성하도록 구성된다.
일 실시예에서, 시편으로 향하게 된 에너지는 광을 포함하고, 시편으로부터 검출된 에너지는 광을 포함한다. 예를 들어, 도 1에 도시된 시스템의 실시예에서, 이미징 서브 시스템(10)은 광을 시편(14)으로 향하게 하도록 구성된 조명 서브 시스템을 포함한다. 조명 서브 시스템은 적어도 하나의 광원을 포함한다. 예를 들어, 도 1에 도시된 바와 같이, 조명 서브 시스템은 광원(16)을 포함한다. 일 실시예에서, 조명 서브 시스템은 하나 이상의 경사각 및/또는 하나 이상의 수직 각을 포함할 수 있는 하나 이상의 입사각으로 광을 시편으로 향하게 하도록 구성된다. 예를 들어, 도 1에 도시된 바와 같이, 광원(16)으로부터의 광은 광학 요소(18) 그리고 그 다음에 렌즈(20)를 통과하여 빔 스플리터(21)로 향하게 되며, 빔 스플리터(21)는 수직 입사각으로 광을 시편(14)으로 향하게 한다. 입사각은 임의의 적합한 입사각을 포함할 수 있으며, 이는 예를 들어 시편의 특성 및 시편 상에서 검출될 결함에 따라 달라질 수 있다.
조명 서브 시스템은 상이한 시간에 상이한 입사각으로 광을 시편으로 향하게 하도록 구성될 수 있다. 예를 들어, 이미지 서브 시스템은 광이 도 1에 도시된 것과 상이한 입사각으로 시편으로 향하게 될 수 있도록 조명 서브 시스템의 하나 이상의 요소의 하나 이상의 특성을 변경하도록 구성될 수 있다. 이러한 일 예에서, 이미징 서브 시스템은 광이 상이한 입사각으로 시편으로 향하게 되도록 광원(16), 광학 요소(18), 및 렌즈(20)를 이동시키도록 구성될 수 있다.
일부 경우에서, 이미징 서브 시스템은 동시에 하나를 초과하는 입사각으로 광을 시편으로 향하게 하도록 구성될 수 있다. 예를 들어, 조명 서브 시스템은 하나를 초과하는 조명 채널을 포함할 수 있으며, 조명 채널 중 하나는 도 1에 도시된 바와 같이 광원(16), 광학 요소(18), 및 렌즈(20)를 포함할 수 있고, 조명 채널 중 다른 하나(미도시)는 상이하거나 동일하게 구성될 수 있는 유사한 요소를 포함할 수 있거나, 적어도 광원 그리고 가능하게는 본원에서 더 설명된 바와 같은 하나 이상의 다른 구성 요소를 포함할 수 있다. 이러한 광이 다른 광과 동시에 시편으로 향하게 되면, 상이한 입사각으로 시편으로 향하게 되는 광의 하나 이상의 특성(예를 들어, 파장, 편광 등)이 상이할 수 있어, 상이한 입사각에서 시편의 조명으로부터 기인하는 광은 검출기(들)에서 서로 구별될 수 있다.
다른 예에서, 조명 서브 시스템은 오직 하나의 광원(예를 들어, 도 1에 도시된 광원(16))을 포함할 수 있고, 광원으로부터의 광은 조명 서브 시스템의 하나 이상의 광학 요소(미도시)에 의해 (예를 들어, 파장, 편광 등에 기초하여) 상이한 광학 경로로 분리될 수 있다. 상이한 광학 경로 각각의 광은 그러면 시편으로 향하게 될 수 있다. 복수의 조명 채널은 동시에 또는 상이한 시간에(예를 들어, 상이한 조명 채널이 시편을 순차적으로 조명하는 데 사용되는 경우) 광을 시편으로 향하게 하도록 구성될 수 있다. 다른 예에서, 동일한 조명 채널은 상이한 시간에 상이한 특성으로 광을 시편으로 향하게 하도록 구성될 수 있다. 예를 들어, 일부 경우에서, 광학 요소(18)는 스펙트럼 필터로서 구성될 수 있고, 스펙트럼 필터의 속성은 상이한 광의 파장이 상이한 시간에 시편으로 향하게 될 수 있도록 (예를 들어, 스펙트럼 필터를 교체함으로써) 다양한 상이한 방식으로 변화될 수 있다. 조명 서브 시스템은 순차적으로 또는 동시에 상이하거나 동일한 입사각으로 상이하거나 동일한 특성을 갖는 광을 시편으로 향하게 하기 위한, 당업계에 알려져 있는 임의의 다른 적합한 구성을 가질 수 있다.
일 실시예에서, 광원(16)은 광대역 플라즈마(broadband plasma, BBP) 광원을 포함할 수 있다. 이러한 방식으로, 광원에 의해 생성되어 시편으로 향하게 되는 광은 광대역 광을 포함할 수 있다. 그러나, 광원은 레이저와 같은 임의의 다른 적합한 광원을 포함할 수 있다. 레이저는 당업계에 알려져 있는 임의의 적합한 레이저를 포함할 수 있고, 당업계에 알려져 있는 임의의 적합한 파장 또는 파장들에서 광을 생성하도록 구성될 수 있다. 또한, 레이저는 단색 또는 거의 단색인 광을 생성하도록 구성될 수 있다. 이러한 방식에서, 레이저는 협대역 레이저일 수 있다. 광원은 또한 복수의 별개의 파장 또는 파장대역에서 광을 생성하는 다색 광원을 포함할 수 있다.
광학 요소(18)로부터의 광은 렌즈(20)에 의해 빔 스플리터(21)에 포커싱될 수 있다. 렌즈(20)가 단일 굴절 광학 요소로서 도 1에 도시되어 있지만, 실제로는, 렌즈(20)는 결합하여 광학 요소로부터 시편으로 광을 포커싱하는 복수의 굴절 및/또는 반사 광학 요소를 포함할 수 있음을 이해해야 한다. 도 1에 도시되고 본원에서 설명된 조명 서브 시스템은 임의의 다른 적합한 광학 요소(미도시)를 포함할 수 있다. 이러한 광학 요소의 예는 당업계에 알려져 있는 임의의 적합한 광학 요소를 포함할 수 있는 편광 구성 요소(들), 스펙트럼 필터(들), 공간 필터(들), 반사 광학 요소(들), 아포다이저(들), 빔 스플리터(들), 개구(들) 등을 포함하나, 이에 제한되지는 않는다. 또한, 시스템은 이미징을 위해 사용될 조명의 유형에 기초하여 조명 서브 시스템의 요소 중 하나 이상을 변경하도록 구성될 수 있다.
이미징 서브 시스템은 또한 광이 시편에 걸쳐 스캐닝되도록 하게 구성된 스캐닝 서브 시스템을 포함할 수 있다. 예를 들어, 이미징 서브 시스템은 이미징 동안 시편(14)이 배치되는 스테이지(22)를 포함할 수 있다. 스캐닝 서브 시스템은 광이 시편에 걸쳐 스캐닝될 수 있도록 시편을 이동시키도록 구성될 수 있는 임의의 적합한 기계적 및/또는 로봇식 어셈블리(스테이지(22)를 포함함)를 포함할 수 있다. 또한 또는 대안적으로, 이미징 서브 시스템은 이미징 서브 시스템의 하나 이상의 광학 요소가 시편에 걸쳐 광의 일부 스캐닝을 수행하도록 구성될 수 있다. 광은 임의의 적합한 방식으로 시편에 걸쳐 스캐닝될 수 있다.
이미징 서브 시스템은 하나 이상의 검출 채널을 더 포함한다. 하나 이상의 검출 채널 중 적어도 하나는 이미징 서브 시스템에 의해 시편의 조명으로 인한 시편으로부터의 광을 검출하고 검출된 광에 응답하는 이미지를 생성하도록 구성된 검출기를 포함한다. 예를 들어, 도 1에 도시된 이미징 서브 시스템은 2개의 검출 채널을 포함하는데, 하나는 콜렉터(24), 요소(26), 및 검출기(28)에 의해 형성되고, 다른 하나는 콜렉터(30), 요소(32), 및 검출기(34)에 의해 형성된다. 도 1에 도시된 바와 같이, 2개의 검출 채널은 상이한 수집 각도에서 광을 수집하고 검출하도록 구성된다. 일부 예에서, 하나의 검출 채널은 정반사된 광을 검출하도록 구성되고, 다른 검출 채널은 시편으로부터 정반사되지 않은(예를 들어, 산란된, 회절된 등) 광을 검출하도록 구성된다. 그러나, 2개 이상의 검출 채널은 시편으로부터의 동일한 유형의 광(예를 들어, 정반사된 광)을 검출하도록 구성될 수 있다. 도 1은 2개의 검출 채널을 포함하는 이미징 서브 시스템의 실시예를 도시하지만, 이미지 서브 시스템은 상이한 수의 검출 채널(예를 들어, 단지 하나의 검출 채널 또는 2개 이상의 검출 채널)을 포함할 수 있다. 콜렉터 각각이 단일 굴절 광학 요소로서 도 1에 도시되어 있지만, 콜렉터 각각은 하나 이상의 굴절 광학 요소(들) 및/또는 하나 이상의 반사 광학 요소(들)를 포함할 수 있음을 이해해야 한다.
하나 이상의 검출 채널은 당업계에 알려져 있는 임의의 적합한 검출기를 포함할 수 있다. 예를 들어, 검출기에는 PMT(photo-multiplier tube), CCD(Charge Coupled Devices), 및 TDI(Time Delay Integration) 카메라를 포함할 수 있다. 검출기는 또한 당업계에 알려져 있는 임의의 다른 적합한 검출기를 포함할 수 있다. 검출기는 또한 비 이미징 검출기 또는 이미징 검출기를 포함할 수 있다. 이 방식에서, 검출기가 비 이미징 검출기이면, 검출기 각각은 강도와 같은 광의 특정 특성을 검출하도록 구성될 수 있지만, 이미징 평면 내에서의 포지션의 함수와 같은 특성을 검출하도록 구성되지는 않을 수 있다. 이와 같이, 이미징 서브 시스템의 검출 채널 각각에 포함된 검출기 각각에 의해 생성된 출력은 신호 또는 데이터일 수 있지만, 이미지 신호 또는 이미지 데이터는 아닐 수 있다. 이러한 경우에, 시스템의 컴퓨터 서브 시스템(36)과 같은 컴퓨터 서브 시스템은 검출기의 비 이미징 출력으로부터 시편의 이미지를 생성하도록 구성될 수 있다. 그러나, 다른 경우에, 검출기는 이미징 신호 또는 이미지 데이터를 생성하도록 구성된 이미징 검출기로서 구성될 수 있다. 따라서, 시스템은 복수의 방식으로 본원에서 설명된 이미지를 생성하도록 구성될 수 있다.
도 1은 본원에서 설명된 시스템 실시예에 포함될 수 있는 이미징 서브 시스템의 구성을 일반적으로 예시하기 위해 본원에서 제공됨에 유의한다. 당연히, 본원에서 설명된 이미징 서브 시스템 구성은 상업적 검사 시스템을 설계할 때 정상적으로 수행되는 바와 같은 이미징 서브 시스템의 성능을 최적화하도록 변경될 수 있다. 또한, 본원에서 설명된 시스템은 캘리포니아주 밀피타스의 KLA-Tencor로부터 상업적으로 이용 가능한 29xx/28xx 시리즈의 툴과 같은 기존의 이미징 서브 시스템을 사용하여 (예를 들어, 기존의 검사 시스템에 본원에서 설명된 기능을 추가함으로써) 구현될 수 있다. 일부 이러한 시스템에 대해, 본원에서 설명된 방법은 (예를 들어, 시스템의 다른 기능에 부가하여) 시스템의 선택적 기능으로서 제공될 수 있다. 대안으로, 본원에서 설명된 시스템은 완전히 새로운 시스템을 제공하기 위해 "처음부터" 설계될 수 있다.
시스템의 컴퓨터 서브 시스템(36)은 컴퓨터 서브 시스템이 시편의 스캐닝 동안 검출기에 의해 생성된 이미지를 수신할 수 있도록 (예를 들어, "유선" 및/또는 "무선" 송신 매체를 포함할 수 있는 하나 이상의 송신 매체를 통해) 임의의 적합한 방식으로 이미징 서브 시스템의 검출기에 결합될 수 있다. 컴퓨터 서브 시스템(36)은 본원에서 설명된 바와 같이 검출기에 의해 생성된 이미지를 사용하는 복수의 기능 및 본원에서 더 설명된 임의의 다른 기능을 수행하도록 구성될 수 있다. 이 컴퓨터 서브 시스템은 본원에서 설명된 바와 같이 더 구성될 수 있다.
이 컴퓨터 서브 시스템(뿐만 아니라 본원에서 설명된 다른 컴퓨터 서브 시스템)은 또한 본원에서 컴퓨터 시스템(들)으로 지칭될 수 있다. 본원에서 설명된 컴퓨터 서브 시스템(들) 또는 시스템(들) 각각은 개인용 컴퓨터 시스템, 이미지 컴퓨터, 메인 프레임 컴퓨터 시스템, 워크스테이션, 네트워크 기기, 인터넷 기기, 또는 다른 디바이스를 포함하여 다양한 형태를 취할 수 있다. 일반적으로, "컴퓨터 시스템"이라는 용어는 메모리 매체로부터의 명령어를 실행하는 하나 이상의 프로세서를 갖는 임의의 디바이스를 포괄하도록 광범위하게 정의될 수 있다. 컴퓨터 서브 시스템(들) 또는 시스템(들)은 또한 병렬 프로세서와 같은 당업계에 알려져 있는 임의의 적합한 프로세서를 포함할 수 있다. 또한, 컴퓨터 서브 시스템(들) 또는 시스템(들)은 고속 처리 및 소프트웨어를 갖는 컴퓨터 플랫폼을 독립형 또는 네트워크형 툴로 포함할 수 있다.
시스템이 하나를 초과하는 컴퓨터 서브 시스템을 포함하면, 상이한 컴퓨터 서브 시스템은 본원에서 더 설명된 바와 같이 이미지, 데이터, 정보, 명령어 등이 컴퓨터 서브 시스템들 사이에서 전송될 수 있도록 서로 결합될 수 있다. 예를 들어, 컴퓨터 서브 시스템(36)은 당업계에 알려져 있는 임의의 적합한 유선 및/또는 무선 송신 매체를 포함할 수 있는 임의의 적합한 송신 매체에 의해 (도 1에서 파선으로 도시된 바와 같이) 컴퓨터 서브 시스템(들)(102)에 결합될 수 있다. 이러한 컴퓨터 서브 시스템들 중 2개 이상은 또한 공유된 컴퓨터 판독 가능 저장 매체(미도시)에 의해 효과적으로 결합될 수 있다.
이미징 서브 시스템이 광학 또는 광 기반 이미징 서브 시스템인 것으로 위에서 설명되었지만, 이미징 서브 시스템은 전자 빔 기반 이미징 서브 시스템일 수 있다. 예를 들어, 일 실시예에서, 시편으로 향하게 된 에너지는 전자를 포함하고, 시편으로부터 검출된 에너지는 전자를 포함한다. 이러한 방식에서, 에너지 원은 전자 빔 소스일 수 있다. 도 2에 도시된 이러한 일 실시예에서, 이미징 서브 시스템은 컴퓨터 서브 시스템(124)에 결합된 전자 칼럼(122)을 포함한다.
또한 도 2에 도시된 바와 같이, 전자 칼럼은 하나 이상의 요소(130)에 의해 시편(128)으로 포커싱되는 전자를 생성하도록 구성된 전자 빔 소스(126)를 포함한다. 전자 빔 소스는 예를 들어 캐소드 소스 또는 이미터 팁을 포함할 수 있고, 하나 이상의 요소(130)는 예를 들어 건 렌즈, 애노드, 빔 제한 개구, 게이트 밸브, 빔 전류 선택 개구, 대물 렌즈, 및 스캐닝 서브 시스템을 포함할 수 있으며, 이들 모두는 당업계에 알려져 있는 임의의 적합한 요소를 포함할 수 있다.
시편으로부터 되돌아온 전자(예를 들어, 2차 전자)는 하나 이상의 요소(132)에 의해 검출기(134)로 포커싱될 수 있다. 하나 이상의 요소(132)는 예를 들어 요소(들)(130)에 포함된 동일한 스캐닝 서브 시스템일 수 있는 스캐닝 서브 시스템을 포함할 수 있다.
전자 칼럼은 당업계에 알려져 있는 임의의 다른 적합한 요소를 포함할 수 있다. 또한, 전자 칼럼은 본원에서 완전히 제시되는 바와 같이 참조로 포함된, Jiang 외의 2014년 4월 4일자로 공표된 미국 특허 제8,664,594호, Kojima 외의 2014년 4월 8일자로 공표된 미국 특허 제8,692,204호, Gubbens 외의 2014년 4월 15일자로 공표된 미국 특허 제8,698,093호, 및 MacDonald 외의 2014년 5월 6일자로 공표된 미국 특허 제8,716,662호에서 설명된 바와 같이 더 구성될 수 있다.
전자 칼럼은 전자가 한 경사 입사각으로 시편으로 향하게 되고 다른 경사각으로 시편으부터 산란되도록 구성된 것으로 도 2에 도시되어 있지만, 전자 빔은 임의의 적합한 각도로 시편으로 향하게 되어 시편으로부터 산란될 수 있다는 것을 이해해야 한다. 또한, 전자 빔 기반 이미징 서브 시스템은 (예를 들어, 상이한 조명 각도, 수집 각도 등으로) 시편의 이미지를 생성하기 위해 복수의 모드를 사용하도록 구성될 수 있다. 전자 빔 기반 이미징 서브 시스템의 복수의 모드는 이미징 서브 시스템의 임의의 이미지 생성 파라미터에서 상이할 수 있다.
컴퓨터 서브 시스템(124)은 상술된 바와 같이 검출기(134)에 결합될 수 있다. 검출기는 시편의 표면으로부터 되돌아온 전자를 검출함으로써 시편의 전자 빔 이미지를 형성할 수 있다. 전자 빔 이미지는 임의의 적합한 전자 빔 이미지를 포함할 수 있다. 컴퓨터 서브 시스템(124)은 검출기의 출력 및/또는 전자 빔 이미지를 사용하여 본원에서 설명된 기능 중 임의의 것을 수행하도록 구성될 수 있다. 컴퓨터 서브 시스템(124)은 본원에서 설명된 임의의 추가 단계(들)를 수행하도록 구성될 수 있다. 도 2에 도시된 이미징 서브 시스템을 포함하는 시스템은 본원에서 설명된 바와 같이 더 구성될 수 있다.
도 2는 본원에서 설명된 실시예에 포함될 수 있는 전자 빔 기반 이미징 서브 시스템의 구성을 일반적으로 예시하기 위해 본원에서 제공됨에 유의한다. 위에서 설명한 광학 이미징 서브 시스템과 마찬가지로, 본원에서 설명된 전자 빔 기반 이미징 서브 시스템 구성은 상업적 검사 시스템을 설계할 때 정상적으로 수행되는 바와 같은 이미징 서브 시스템의 성능을 최적화하도록 변경될 수 있다. 또한, 본원에서 설명된 시스템은 KLA-Tencor로부터 상업적으로 이용 가능한 eSxxx 시리즈의 툴과 같은 기존의 이미징 서브 시스템을 사용하여 (예를 들어, 기존의 검사 시스템에 본원에서 설명된 기능을 추가함으로써) 구현될 수 있다. 일부 이러한 시스템에 대해, 본원에서 설명된 방법은 (예를 들어, 시스템의 다른 기능에 부가하여) 시스템의 선택적 기능으로서 제공될 수 있다. 대안으로, 본원에서 설명된 시스템은 완전히 새로운 시스템을 제공하기 위해 "처음부터" 설계될 수 있다.
이미징 서브 시스템이 광 기반 또는 전자 빔 기반 이미징 서브 시스템인 것으로 위에서 설명되었지만, 이미징 서브 시스템은 이온 빔 기반 이미징 서브 시스템일 수 있다. 이러한 이미징 서브 시스템은 전자 빔 소스가 당업계에 알려져 있는 임의의 적합한 이온 빔 소스로 대체될 수 있다는 것을 제외하고는 도 2에 도시된 바와 같이 구성될 수 있다. 또한, 이미징 서브 시스템은 상업적으로 이용 가능한 포커싱된 이온빔(focused ion beam, FIB) 시스템, 헬륨 이온 현미경(helium ion microscopy, HIM) 시스템, 및 2차 이온 질량 분광학(secondary ion mass spectroscopy, SIMS) 시스템에 포함된 것과 같은 임의의 다른 적합한 이온 빔 기반 이미징 서브 시스템일 수 있다.
본원에서 설명된 시스템 실시예에 포함된 하나 이상의 컴퓨터 서브 시스템은 시편 상에 형성된 다이 내의 POI의 복수의 인스턴스에서 이미징 서브 시스템에 의해 생성된 이미지를 획득하도록 구성된다. 예를 들어, 본원에서 설명된 바와 같은, 다이 내의 각각의 POI의 위치에 대한 정보를 포함할 수 있는 방책을 사용하여, 이미징 서브 시스템은 시편을 스캐닝하고 시편 상의 하나 이상의(또는 모든) 다이로부터 위치에서 이미지를 기록한다. 이 방식에서, 이미징 서브 시스템은 본원에서 더 설명된 바와 같이 결정된 POI 위치에서 POI 이미지 데이터를 캡쳐할 수 있다. 그 다음에, 그 이미지 데이터는 본원에서 더 설명된 바와 같이 컴퓨터 서브 시스템(들)에 의해 획득될 수 있다. 본원에서 설명된 실시예에 의해 사용되는 데이터는 디지털 이미지 데이터, 즉 그 픽셀 각각에 대한 숫자의 2차원(2D) 배열일 수 있다. 각각의 이미지는 반도체 웨이퍼와 같은 시편 상의 POI라고 불리는 하나의 특정 패턴의 샘플일 수 있고, 모든 이미지는 동일한 치수를 가질 수 있다. 그러나, 임의의 형태의 이미지, 서로 정렬된 복수의 모드의 이미지, 측정치, 측정 벡터 등이 이미지로 또는 본원에서 설명된 이미지 대신에 사용될 수 있다.
하나의 특정 POI가 도 3에 도시되어 있다. 도 3에 도시된 바이너리 이미지(300)는 흑색 배경과 대조적인 백색의 부분 다각형, 즉 그 측면의 T 접합을 도시한다. 바이너리 이미지(300)는 POI 위치에서 웨이퍼의 설계 정보로부터 생성된다. 실제 검사 층은 트렌치 층일 수 있는데, 즉 T가 표현하는 금속 라인은 여전히 금속으로 채워져 있을 것이다. 이 POI의 광학 검사 이미지의 샘플이 트렌치 라인이 표면보다 더 어두운 이미지(302)로 도시되어 있다. 본원에서 더 설명된 바와 같이 수행될 수 있는 미세 정렬이 수행되면, 이 POI에 대한 모든 샘플은 도 3에 도시된 이미지(302)와 매우 유사할 수 있다. 광학 이미지 상의 설계 다각형 에지의 오버레이가 이미지(304) 상에 오버레이된 라인(306)으로 도시된다.
복수의 인스턴스는 다이 내의 비주기적인 위치에 위치되는 2개 이상의 인스턴스를 포함한다. POI의 복수의 인스턴스의 상이한 실시예가 도 4에 도시되어 있다. 시편은 웨이퍼(400)로서 도 4에 도시되어 있다. 실시예가 웨이퍼와 관련하여 도 4에 도시되어 있지만, 복수의 인스턴스가 또한 다른 시편 상에 도 4에 도시된 바와 같이 위치될 수 있다. 실제 웨이퍼 상의 다이 배열을 반드시 반영하지 않는 방식으로 복수의 다이가 웨이퍼 상에 형성되는 것으로 도시된다. 대신에, POI의 복수의 인스턴스가 다이 내에서 가질 수 있는 상이한 위치를 간단히 설명하기 위해 상이한 다이가 도 4에 도시되어 있다.
이러한 일 예에서, 도 4에 도시된 다이(402)에서, 한 유형의 POI의 복수의 인스턴스(406)가 도시되어 있다. 특히, 본원에서 설명된 POI 각각은 시편 상의 다이 내의 복수의 위치 또는 "인스턴스"로 형성될 수 있다. 또한, 시편 상의 다이 내에 상이한 유형의 POI가 있을 수 있고, 상이한 유형 각각은 다이 내의 상이한(하나 이상의) 위치에 나타날 수 있다. 다이(402)에서, 복수의 인스턴스(406)는 단지 일 유형의 POI에 대한 것이다.
도 4에 더 도시된 바와 같이, 복수의 인스턴스(406)는 다이(402) 내의 주기적인 위치에 위치되지 않는다. 특히, 복수의 인스턴스(406)는 어느 한 차원(예를 들어, x 또는 y 차원)을 따라 규칙적으로 이격된 간격으로 나타나지 않는다. 이 방식에서, POI의 복수의 인스턴스는 x 차원 및 y 차원 양자 모두의 주기적인 위치에 형성된 다이의 어레이 영역 내의 셀과 동일하지 않다. 또한, POI의 복수의 인스턴스는 각각의 필드 크기가 대략 몇 마이크론인 다이 내의 필드와 동일하지 않으며 모든 필드는 다이 내의 한 차원에서 동일한 좌표에 놓이게 된다. 대신에, POI는 필드 크기보다 훨씬 작을 수 있다 (예컨대, 대략 다이 내의 단일 피쳐 또는 다각형, 또는 다이 내의 단일 피쳐 또는 다각형의 단지 일부). 특히, 필드 크기는 대략 몇 마이크론일 수 있으나, 통상적인 POI 크기는 대략 단지 몇 나노미터일 수 있다. 또한, POI가 반드시 다이 내에 한 차원의 동일한 좌표를 따라 놓이는 것은 아니다. 따라서, (위치가 다이에 대한 설계에 의해 지정된다는 점에서 POI의 복수의 인스턴스가 반드시 무작위일 필요는 없지만) POI의 복수의 인스턴스는 두 차원 모두에서 다이 전체에 걸쳐 무작위로 위치될 수 있다.
도 4에 더 도시된 바와 같이, 복수의 인스턴스(406)는 다이(402) 내에 위치될 수 있지만, 시편 상의 다이(404) 내에는 위치될 수 없다. 특히, 본원에서 더 설명된 바와 같이, 컴퓨터 서브 시스템(들)은 시편 상의 단일 다이에 대해서만 본원에서 설명된 이상치 검출을 수행할 수 있다. 따라서, 이상치(들)를 식별하는 데 사용되는 POI의 복수의 인스턴스는 오직 시편 상의 한 다이(예를 들어, 다이(402)) 내에만 POI의 복수의 인스턴스만을 포함할 수 있고, 시편 상의 다른 다이(예를 들어, 다이(402)가 아닌 다이) 내에는 인스턴스는 포함할 수 없다. 그러나, 본원에 설명된 이상치 식별은 시편 상의 상이한 다이에 대해 별도로 (예를 들어, 다이별로) 컴퓨터 서브 시스템(들)에 의해 수행될 수 있다. 이 방식에서, 이상치 검출은 다이(402) 내의 복수의 인스턴스(406)를 사용하여 수행될 수 있고, 그 다음에 이상치 검출은 다이(404) 내의 복수의 인스턴스(미도시)를 사용하여 수행될 수 있다. 이상치 검출이 상이한 다이에 대해 별도로 수행되면, POI의 복수의 동일한 다이 좌표 내의 것이 상이한 다이 각각에 대해 사용될 수 있다. 예를 들어, 이상치 검출이 다이(402) 내의 복수의 인스턴스(406)에 형성된 동일한 유형의 POI에 기초하여 다이(404)에 대해 수행될 것이라면, 복수의 인스턴스의 동일한 다이 위치 내의 것이 다이(404)에 대해 수행되는 이상치 검출을 위해 사용될 수 있다.
본원에서 더 설명된 바와 같이, 이상치 검출은 상이한 POI에 대해 별도로 수행될 수 있고, 상이한 POI는 동일한 다이 내에 위치될 수 있다. 예를 들어, 도 4의 다이(408)에 도시된 바와 같이, 이상치 검출은 다이(408) 및 복수의 인스턴스(406)에 형성된 일 POI 유형에 대해 수행될 수 있다. 이상치 검출은 또한 다이(408) 및 복수의 인스턴스(410)에 형성된 상이한 POI 유형에 대해서도 수행될 수 있다. 복수의 인스턴스(406)는 본원에서 더 설명된 바와 같이 다이(408) 내에 배열될 수 있다. 제 2 POI 유형의 복수의 인스턴스(410)는 복수의 인스턴스(406)와 관련하여 설명된 것과 동일한 방식으로 다이(408) 내에 (예를 들어, 일 차원 또는 양 차원에서 비주기적인 위치, 겉보기에 무작위의 위치, 다이에 대한 설계에 의해 지정된 위치 등에) 배열될 수 있다. 또한, 이상치 검출은 이상치 검출이 수행될 상이한 유형의 POI의 수에 따라 임의의 횟수로 임의의 하나의 다이에 대해 별도로 수행될 수 있다. 다시 말해, 이상치 검출은 다이 내에 위치된 2개 이상의 상이한 유형의 POI에 대해 2회 이상 별도로 수행될 수 있다.
본원에서 더 설명된 바와 같이, 이상치 검출은 필드 기반으로 수행될 수 있다. 예를 들어, 도 4에 도시된 바와 같이, 다이(412)는 2개의 상이한 필드(414 및 416)를 포함할 수 있다 (그러나 다이는 임의의 적합한 배열로 다이 내에 위치된 임의의 적합한 개수의 필드를 포함할 수 있다). 이상치 검출은 필드 각각 또는 필드 중 오직 일부에 대해 별도로 수행될 수 있다. 예를 들어, 도 4에 도시된 바와 같이, 이상치 검출은 필드(414) 및 복수의 인스턴스(418)에 위치된 일 유형의 POI에 대해 수행될 수 있고, 한편 이상치 검출은 필드(416)에 대해서는 수행되지 않을 수 있다 (따라서, 복수의 인스턴스가 필드(416)에는 도시되어 있지 않다). 그렇지 않으면, 이상치 검출은 본원에서 설명된 바와 같이 (예를 들어, 임의의 하나의 필드에 대해, 이상치 검출이 상이한 POI에 대해 별도로 수행될 수 있도록 POI별로; 이상치 검출이 상이한 필드에 대해 별도로 수행되도록 필드별로 등) 필드에 대해 수행될 수 있다.
컴퓨터 서브 시스템(들)은 또한 POI의 복수의 인스턴스에서 생성된 이미지 각각의 특징을 결정하도록 구성된다. 특징은 단일 값으로 구성될 수 있거나, 복수의 값의 순서화된 세트, 즉 벡터를 포함할 수 있다. 특징은 예를 들어 래스터 순서로 벡터로 출력되는 이미지의 그레이 스케일 값일 수 있다. 그러나, 임의의 적합한 이미지 특징은 본원에서 설명된 실시예에서 결정되고 사용될 수 있다. 예를 들어, 본원에서 설명된 실시예에서 결정되고 사용될 수 있는 다른 특징은 x 및/또는 y 방향에서의 그레이 레벨 값의 국소 구배, 픽셀의 이웃(예를 들어, 3픽셀 x 3픽셀)에 대한 평균 등을 포함하나, 이에 제한되지는 않는다. 또한, 하나를 초과하는 특징이 POI의 복수의 인스턴스에서 생성된 이미지 각각에 대해 결정될 수 있다.
컴퓨터 서브 시스템(들)은 또한 결정된 특징에 기초하여 POI의 복수의 인스턴스에서 하나 이상의 이상치를 식별하도록 더 구성된다. 하나 이상의 이상치를 식별하는 것은 본원에서 설명된 바와 같이 수행될 수 있는, 각각의 POI에 대한 거부 또는 편차 점수 기반 이상치 분석을 포함할 수 있다.
일 실시예에서, 하나 이상의 컴퓨터 서브 시스템은 시편 상에 형성된 다이 내의 상이한 POI에 대해 이미지를 획득하는 단계, 특징을 결정하는 단계, 이상치(들)를 식별하는 단계를 별도로 수행되도록 구성된다. 예를 들어, 본원에서 더 설명된 바와 같이, 임의의 하나의 다이에는, 하나를 초과하는 유형의 POI가 있을 수 있다. 또한, 다이 내에 각각의 유형의 POI의 하나 이상의 인스턴스가 있을 수 있다. 또한, 하나를 초과하는 유형의 POI에 대한 이상치 검출을 수행하는 것이 바람직할 수 있다. 따라서, 본원에서 설명된 이상치 검출은 상이한 유형의 POI에 대해 별도로 수행될 수 있다. 예를 들어, 이상치 검출은 제 1 유형의 POI의 복수의 인스턴스에서 생성된 이미지만을 사용하여 제 1 유형의 POI에 대해 수행될 수 있으며, 이상치 검출은 제 2 유형의 POI의 복수의 인스턴스에서 생성된 이미지만을 사용하여 제 2 유형의 POI에 대해 수행될 수 있고, 기타 등등이다.
이러한 일 실시예에서, POI 및 상이한 POI의 복수의 인스턴스가 다이의 대부분을 커버한다. 예를 들어, 사용자 또는 컴퓨터 서브 시스템(들)은 다이의 설계로부터 다이를 충분히 커버하는 POI의 수를 각각의 POI 유형의 상당한 수로 결정할 수 있다. 검사가 전체 다이 검사와 본질적으로 동등하도록 이러한 커버리지를 갖는 것이 중요할 수 있다. 또한 상대적으로 높은 신뢰도의 이상치 분석 결과를 제공하기 위해 각각의 POI 유형의 상당량을 갖는 것이 중요할 수 있다. 또한, 이상치 검출에 사용되는 POI의 복수의 인스턴스는 다이(또는 이상치 검출이 수행되고 있는 다른 구역) 내의 POI의 모든 단일 인스턴스, 또는 POI의 모든 인스턴스가 이상치 검출에 대한 통계적으로 중요한 정보를 제공하는 데 필요하지 않다면, 다이(또는 다른 구역) 내의 POI의 모든 단일 인스턴스보다 적은 인스턴스를 포함할 수 있다.
다른 실시예에서, 특징을 결정하고 이상치(들)를 식별하는 것은 POI의 복수의 인스턴스에서 생성된 이미지 중 둘 이상으로부터 차이 이미지를 생성하는 것을 포함하지 않는다. 따라서, 본원에서 설명된 실시예의 한 가지 이점은 차이점에 의존하지 않으면서 상대적으로 큰 POI 이미지 집단에 대한 이상치를 결정할 수 있다는 것이다. 따라서, 공통 모드 결함 메커니즘이 POI에 대한 기준 이미지와 테스트 이미지 사이에서 서로를 상쇄하는 방법 및 시스템과 달리, 공통 모드 상쇄 문제는 POI에서의 이상치의 검출에 있어서 발생하지 않는다. 또한, 본원에서 설명된 실시예는 POI에 대한 차이 이미지를 생성하지 않으면서 이상치 검출을 수행할 수 있기 때문에, 본원에서 설명된 이상치 검출에 사용된 POI 이미지의 집단은 시편 상의 하나를 초과하는 다이에서 생성될 필요가 없다. 이 방식에서, 본원에서 설명된 이상치 검출에 사용된 POI 이미지의 집단은 단일 다이 내의 위치에서 생성된 것만으로 제한될 수 있다. 이 방식에서, 본원에서 설명된 이상치 검출은 다이 내 검사와 본질적으로 동등할 수 있다.
추가 실시예에서, 컴퓨터 서브 시스템(들)은 POI에 대한 정보를 수신하고 정보에 기초하여 다이 내의 POI의 복수의 인스턴스 모두를 식별하도록 구성된다. 예를 들어, 이미지로부터 이상치를 분석하기 전에, 하나 이상의 단계가 웨이퍼 상의 다이의 세트(또는 하나 이상의 다이), 완전한 웨이퍼(즉, 웨이퍼 상의 모든 다이), 또는 롯트(lot)(즉, 롯트에 있는 하나 이상의 웨이퍼 상의 하나 이상의 다이)에 대해 수행될 수 있다. 이러한 일 예에서, 사용자는 설계 레이아웃 상에 POI를 표시할 수 있다. 복수의 POI 또는 상이한 유형의 POI가 표시될 수 있다. 본원에서 설명된 컴퓨터 서브 시스템(들)은 임의의 적합한 방식으로 이러한 정보를 수신할 수 있다. 그 다음에, 컴퓨터 서브 시스템(들)은 자동화된 패턴 검색 소프트웨어 툴을 사용하여 다이(또는 이상치 검출이 수행될 다른 구역) 내의 각각의 POI의 모든 위치를 발견할 수 있다. 그 다음에, 이러한 위치는 시편의 스캐닝 동안 이미지가 POI 위치에서 획득되도록 시편에 대한 검사 방책에 표시될 수 있다. 이러한 방식으로, 본원에서 설명된 실시예는 POI가 자동으로 식별될 수 있는 방법을 제공하며, 이는 유리하게는 POI를 식별하는 시간 소모적인 수동 작업보다 훨씬 적은 시간이 걸린다.
일 실시예에서, 하나 이상의 컴퓨터 서브 시스템은 전자 설계 자동화(electronic design automation, EDA) 툴의 컴퓨터 서브 시스템을 포함한다. 예를 들어, POI 식별을 위해, 컴퓨터 서브 시스템(들)은 EDA 물리적 설계 분석 툴을 사용하거나 물리적 설계에 맞춤 알고리즘을 적용할 수 있다. EDA 툴은 임의의 적합한 상업적으로 이용 가능한 EDA 툴을 포함할 수 있다. 이러한 일부 실시예에서, 본원에서 설명된 컴퓨터 서브 시스템 중 하나 이상(예를 들어, 컴퓨터 서브 시스템(들)(102))은 EDA 툴로서 구성될 수 있다.
다른 실시예에서, 컴퓨터 서브 시스템(들)은 다이 내의 POI의 복수의 인스턴스 및 시편 상의 적어도 하나의 추가 다이 내의 POI의 적어도 하나의 추가 인스턴스의 조합에 대한 이미지를 획득하고, 특징을 결정하고, 이상치(들)를 식별하는 것을 수행하도록 구성된다. 예를 들어, 본원에서 설명된 실시예는 웨이퍼 또는 완전한 웨이퍼(즉, 웨이퍼 상의 모든 다이) 상의 하나를 초과하는 다이에 대해 본원에서 설명된 기능을 수행할 수 있다.
일부 실시예에서, 하나 이상의 컴퓨터 서브 시스템(들)은 다이 내의 POI의 복수의 인스턴스 및 시편 상의 적어도 하나의 추가 시편 상의 POI의 적어도 하나의 추가 인스턴스의 조합에 대한 이미지를 획득하고, 특징을 결정하고, 이상치(들)를 식별하는 것을 수행하도록 구성된다. 예를 들어, 본원에서 설명된 실시예는 많은 웨이퍼의 롯트(또는 하나를 초과하는 웨이퍼의 임의의 세트 및 하나를 초과하는 웨이퍼에 상의 임의의 하나 이상의 다이)에 대해 본원에서 설명된 기능을 수행할 수 있다.
다른 실시예에서, 이상치(들)를 식별하는 것은 이미지 각각에 대해 결정된 특징에 대한 하나 이상의 극한값을 갖는 이미지 중 하나 이상을 식별하고 폐기하는 것, 나머지 이미지에 대한 중앙 경향 측정치를 결정하는 것, 중앙 경향 측정치로부터 그들의 특징 값의 편차에 기초하여 모든 이미지를 점수를 매기는 것, 및 점수의 결과에 기초하여 하나 이상의 이상치를 식별하는 것을 포함한다. 예를 들어, 특징의 값이 단일 다변수 가우시안과 같은 단일의 단봉형인 분포를 갖고, 이상치가 이 분포와 관련하여 정의될 수 있다고 가정될 수 있다. 따라서, 이상치 순위 매기기가 이 분포와 관련하여 수행될 수 있다. 이러한 순위 매기기를 수행하는 데 사용될 수 있는 하나의 절차는 이상치를 식별하고 폐기하는 것 및/또는 극한값을 트리밍하는 것을 포함한다. 그 다음에, 남아 있는 데이터에 대한 (평균 또는 중앙치와 같은) 중앙 경향 측정치가 결정될 수 있다. 이는 강력한 회귀분석을 사용하여 수행될 수 있다. 그 다음에, 폐기된 데이터를 포함한 모든 데이터는 중앙 측정치로부터의 편차에 기초하여 점수가 매겨질 수 있다. 그 다음에, 편차 점수는 이상치 순위 매기기에 사용될 수 있으며, 여기서 보다 높은 편차 점수는 이상치일 확률이 더 높음을 나타낸다.
그 다음에, 이상치(들)로 식별된 POI의 인스턴스는 그들의 이상치 순위에 기초하여 결정될 수 있다. 예를 들어, 컴퓨터 서브 시스템(들)은 가장 높은 편차 점수를 갖는 POI의 인스턴스의 미리 결정된 비율을 이상치(들)로서 식별하도록 구성될 수 있다. 대안적으로, 컴퓨터 서브 시스템(들)은 미리 결정된 임계치보다 큰 편차 점수를 갖는 POI의 인스턴스를 이상치 (들)로서 식별하도록 구성될 수 있다. 이상치(들)는 임의의 다른 적합한 방식으로 편차 점수에 기초하여 식별될 수 있다.
다른 실시예에서, 이상치(들)를 식별하는 것은 이미지 각각에 대해 결정된 특징에 대한 하나 이상의 값에 기초하여 모든 이미지에 대해 거부 또는 트리밍 점수를 결정하는 것, 및 거부 또는 트리밍 점수에 임계치를 적용함으로써 하나 이상의 이상치를 식별하는 것을 포함한다. 예를 들어, 상술된 바와 같이, 일부 실시예는 이상치를 식별하고 폐기하는 단계 및/또는 극한치를 트리밍하는 단계를 포함할 수 있다. 거부를 위한 이상치 또는 트리밍을 위한 극한값을 식별하기 위해, 거부/트리밍 점수로 모든 데이터에 점수를 매기고, 거부 또는 트리밍에 대한 임계치와 함께 이러한 거부 점수를 사용할 수 있다. 이러한 거부 점수의 영향력이 믿을만한 것이라면, 심지어 강력한 중앙 측정치가 결정되고 편차 점수가 이용되기 전에도 이상치 순위 매기기가 수행될 수 있다. 다시 말해, 훌륭한 거부 점수 매기기 방법이 즉각적으로(on the fly) 이상치를 검출하는 데 사용될 수 있고, 후속하는 편차 점수 매기기의 단계를 수행하는 것이 불필요할 수 있다. 이러한 방식에서, 본원에서 설명된 실시예는 즉각적인 이상치 분석을 위해 거부 점수를 매기도록 구성될 수 있다.
추가 실시예에서, 컴퓨터 서브 시스템(들)은 특징을 결정하기 전에, 이미징 서브 시스템 또는 시편에 의해 야기된 획득된 이미지의 이미지 아티팩트를 감소시키도록 구성된다. 예를 들어, 컴퓨터 서브 시스템(들)은 본원에서 설명된 바와 같이 식별된 POI 위치에서 획득된 POI 이미지 데이터를 사전 처리하도록 구성될 수 있다. 특히, 임의의 이상치 점수 매기기 방법이 적용되기 전에, POI 내의 이미지 데이터는 이미징 서브 시스템 및/또는 시편에 의해 생성된 모든 (또는 하나 이상의) 이미지 아티팩트를 제거하기 위해 사전 처리될 수 있다. 이들 중 몇몇은 보정될 수 있다. 이는 본원에서 더 설명된 것을 포함하나, 이에 제한되지는 않는다.
이러한 일 예에서, 이미지 아티팩트는 수차/기하학적 왜곡을 포함할 수 있다. 예를 들어, 이미지의 "배럴(barrel)" 또는 "핀 쿠션(pin-cushion)" 왜곡 또는 이미지의 특정 방향의 스트레치는 종종 검사 툴에서 보정된다. 이러한 보정이 존재하면, 역 기하 변환을 사용하여 이미지를 재샘플링하여 왜곡을 정정할 수 있다. 이러한 보정의 생성 및 사용은 당업계에 알려져 있는 임의의 적합한 방식으로 수행될 수 있다.
추가 예에서, 이미지 아티팩트는 센서/탭 응답 불균일성을 포함할 수 있다. 예를 들어, 이미징 서브 시스템 상에 이미지를 기록하는 검출기(예를 들어, TDI 센서)의 각각의 탭 또는 픽셀은 그 자체의 개별 이득 및 오프셋 설정을 가질 수 있다. 모든 TDI 센서로부터의 응답이 동일한 입력으로 제시되는 경우에 동일하도록 이들 개별 이득 및 오프셋이 설정되는 것을 확실하게 하는 것은 보정의 책무이지만, 불균일성이 존재할 수 있다. 이러한 불균일성은 다이-인접한 다이 결함 검출 메커니즘의 공통 모드 성질 때문에 그렇게 심각하게 결함 검출에 현재 영향을 미치지 않을 수 있다. 그러나, 충분히 심각하다면, 이러한 불균일성은 본원에서 설명된 이상치 검출에 영향을 미칠 것이다. 따라서, 이러한 이미지 아티팩트를 고려하기 위해 이미지를 수정하는 것은 본원에서 설명된 이상치 검출 결과에 상당한 영향을 미칠 수 있다.
다른 예에서, 이미지 아티팩트는 이미징 서브 시스템에서의 포커스 드리프트를 포함할 수 있다. 예를 들어, 즉각적으로 식별되고 정정되는 이미징 서브 시스템 상에 포커스 드리프트가 있을 수 있다. 포커스 드리프트는 당업계에 알려져 있는 임의의 적합한 방식으로 정정될 수 있다.
또 다른 예에서, 이미지 아티팩트는 기록된 이미지에 대한 박막 간섭 효과를 포함할 수 있다. 예를 들어, 시편에 대한 박막 간섭 효과는 색상 및 극성이 기록된 이미지에서 변화하게 할 수 있다. 알고리즘적으로, 로컬 이득 및 오프셋을 조정함으로써 이 효과를 정정할 수 있으며, 이는 당업계에 알려져 있는 임의의 적합한 방식으로 수행될 수 있다.
일 실시예에서, 이미징 서브 시스템에 의해 생성된 이미지는 패치 이미지이다. 예를 들어, 이미징 서브 시스템에 의해 생성되고 컴퓨터 서브 시스템(들)에 의해 획득되고 사용되는 이미지는 시편을 스캐닝하는 동안 이미징 서브 시스템에 의해 생성된 모든 이미지 데이터의 상대적으로 작은 이미지 및 상대적으로 작은 부분일 수 있다. 이러한 일 예에서, 시편을 스캐닝함으로써 생성된 이미지의 넓은 범위는 많은 프레임의 이미지 데이터를 포함할 수 있다. 프레임 각각은 많은 패치 이미지를 포함할 수 있다. 예를 들어, 이미지 데이터의 프레임은 수백 픽셀(예를 들어, 약 512 픽셀 × 512 픽셀)을 포함할 수 있는 반면, 패치 이미지는 단지 수십 픽셀(예를 들어, 10 픽셀 미만 × 10 픽셀 미만)을 포함할 수 있다. 따라서, 시편을 스캐닝함으로써 생성된 모든 이미지의 상대적으로 작은 부분이 본원에서 설명된 이미지로서 사용될 수 있다. POI의 복수의 인스턴스에서 생성된 패치 이미지는 임의의 적합한 방식으로 이미징 서브 시스템에 의해 생성된 이미지 데이터로부터 추출될 수 있다.
이러한 일 실시예에서, 컴퓨터 서브 시스템(들)은 특징을 결정하기 전에, POI의 복수의 인스턴스 중 하나에서 생성된 패치 이미지 중 하나에서의 서브 이미지를 식별하고, POI의 복수의 인스턴스에서 생성된 패치 이미지들 각각에 서브 이미지를 정렬시키고, 정렬의 결과에 기초하여 POI에 대응하는 POI의 복수의 인스턴스에서 생성된 패치 이미지의 각각에서의 서브 이미지를 식별하도록 구성되고, 이미지 각각의 특징은 이미지 각각에서의 서브 이미지에만 기초하여 결정된다. 이러한 단계는 이상치 분석 전에 수행될 수 있다. 따라서, 컴퓨터 서브 시스템(들)은 POI에 대해 이상치 분석 이전에 알고리즘 단계를 수행하도록 구성될 수 있다. 이러한 일 예에서, 주어진 광학 패치 이미지에 대해, 컴퓨터 서브 시스템(들)은 POI에 대응하는 패치 이미지 내의 서브 이미지를 식별할 수 있고, 서브 이미지는 패치 이미지로부터 잘라내거나 추출될 수 있다. POI에 대응하는 패치 이미지 내의 서브 이미지를 식별하는 것은 POI에 대한 설계 정보(예를 들어, POI에 포함된 다각형에 대한 정보)에 기초하여 수행될 수 있으며, 그 정보는 패치 이미지에서 서브 이미지를 검색하는 데 사용될 수 있다. 그 다음에, 이 서브 이미지는 골든(golden) POI 이미지로 사용될 수 있다. "골든"이라는 용어는 본원에서 POI 이미지의 집단의 대표로서 사용될 수 있고 후속하는 단계에서 이미지의 나머지 집단을 정렬하기 위한 템플릿으로 사용될 수 있는 무결점 서브 이미지를 지칭하는 데 사용된다. POI가 무관한 방향으로 발생하는 경우, 이러한 각각의 방향은 별도로 처리될 수 있다. 이 단계는 설정 동안에 수행될 수 있다.
이러한 방식으로, 컴퓨터 서브 시스템(들)은 골든 POI 이미지를 템플릿 이미지로서 생성할 수 있다. POI를 서브 이미지로 포함하는 광학 패치 이미지가 주어지면, 컴퓨터 서브 시스템(들)은 이미지 매칭을 수행함으로써 패치 이미지 내의 이 POI 서브 이미지의 위치를 결정할 수 있다. 각각의 POI 방향에 대한 템플릿이 사용될 수 있다. 예를 들어, 컴퓨터 서브 시스템(들)은 골든 POI 이미지를 사용하여 모든 패치 이미지에 대해 템플릿 매칭을 수행하도록 구성될 수 있다. 템플릿 매칭에 앞서, 컴퓨터 서브 시스템(들)은 당업계에 알려져 있는 임의의 적합한 방식으로 수행될 수 있는 정규화된 교차 상관을 사용하여 대응하게 확대된 골든 POI 이미지에 대해 특정 스케일만큼 각각의 패치 이미지를 확대할 수 있다. 확대는 서브 픽셀 정정을 할 수 있게 한다. 템플릿 매칭은 초기 정렬 후 남아 있을 수 있는 임의의 잔류 정렬 오류를 감소시킨다. 확대된 이미지 상의 템플릿 매칭으로부터의 결과는 패치 이미지에 대해 서브 픽셀 보간을 수행하고, 패치 이미지로부터 POI의 서브 이미지를 추출하는 데 사용될 수 있다. 서브 픽셀 보간은 확대된 POI 이미지를 다시 그 원래의 크기로 되돌리도록 수행될 수 있다. 서브 픽셀 보간은 또한 POI 이미지 사이즈를 설계 픽셀 사이즈와 매칭시킬 수 있다. 또한, 서브 픽셀 보간은 더 부드러운 렌더링을 할 수 있게 한다.
POI의 서브 이미지가 추출된 후에, 본원에서 설명된 임의의 사전 처리가 모든 서브 픽셀이 보간된 POI 이미지에 대해 수행될 수 있다. 이 사전 처리는 POI 이미지 각각과 골든 POI 이미지 사이의 변동을 감소시키기 위해 수행될 수 있다. 전이성에 의해, 모든 POI 이미지는 동등할 것이다. 그 다음에, 컴퓨터 서브 시스템(들)은 POI 이미지로부터 본원에서 더 설명된 특징 추출을 수행할 수 있다. 본원에서 더 설명된 바와 같이, 거부 또는 편차에 기반한 이상치 점수 매기기는 그 POI에 대한 거부 또는 편차 점수를 생성하기 위해 이들 특징을 사용할 수 있다.
다른 실시예에서, 컴퓨터 서브 시스템(들)은 결정된 특징 또는 이미지 각각에 대해 결정된 다른 특징에 기초하여 POI를 둘러싸는 상이한 패턴을 갖는 POI의 복수의 인스턴스를 식별하도록 구성된다. 예를 들어, POI를 둘러싸는 바로 옆의 기하학적 구조의 효과에 의해 야기되는 "노이즈"는 본원에서 설명된 실시예에 의해 완전히 분석될 수 있다. 이러한 일 예에서, 다이 내의 2개의 상이한 위치에 있지만 상이한 주변 기하학적 구조를 갖는 2개의 동일한 POI는 상이한 기하학적 구조로 인해 상이한 "노이즈" 특성을 가질 수 있다. 이들 차이는 인접한 다이 차이 분석에 의해서는 얻을 수 없다. 그러나, 본원에서 설명된 실시예는 이러한 차이를 검출을 할 수 있게 할 것이다.
상이한 주변 기하학적 구조로 인해 상이한 노이즈 특성을 갖는 POI의 상이한 인스턴스를 식별하는 것은 복수의 응용에 대해 수행될 수 있다. 예를 들어, 상이한 주변 설계 패턴으로 인한 체계적인 "결함" 메커니즘은 이러한 종류의 분석에 의해 식별될 수 있다. 특히, 동일한 POI는 상이한 주변 패턴에 의해 상이하게 영향을 받을 수 있다. 따라서, 이러한 지역적 차이로 인해 상당한 변화를 갖는 POI는 이상치로 나타날 수 있다.
본원에서 설명된 실시예는 다양한 검토 및/또는 계측 응용에 사용될 수 있다. 이상치가 검토 또는 계측을 위해 선택될 수 있고, 결과적으로 이상치의 선택에 영향을 미칠 수 있는 상이한 방법이 본원에서 더 설명된다.
일 실시예에서, 컴퓨터 서브 시스템(들)은 이상치(들)를 식별한 결과에 기초하여 POI 내의 다른 영역보다 더 많은 노이즈를 갖는 POI 내의 하나 이상의 영역을 식별하고, 식별된 하나 이상의 영역에 대한 결정된 특징 및 가중치에 기초하여 이상치(들)를 식별하는 것을 반복하도록 구성된다. 이러한 방식으로, 본원에서 설명된 실시예는 관심 영역(ROI)에 민감화된 POI 이상치 검출을 위해 구성될 수 있다. 예를 들어, 본원에서 설명된 컴퓨터 서브 시스템(들)에 의해 생성된 POI 이상치 검출 결과로부터, 상대적으로 큰 노이즈 갖는 POI 내의 ROI가 얻어질 수 있으며, 이는 당업계에 알려져 있는 임의의 적합한 방식으로 수행될 수 있다. 이들 ROI는 (예를 들어, 디스플레이 디바이스 상에 ROI에 대한 정보를 디스플레이하거나, 사용자가 액세스 가능한 저장 매체에 정보를 저장함으로써) 검토를 위해 사용자에게 다시 전송될 수 있다. 사용자는 관심이 없는 ROI를 폐기할 수 있고 일부를 변화시킬 수 있다. 컴퓨터 서브 시스템(들)은 관심 있는 ROI를 사용자로부터 수신할 수 있으며, 이는 임의의 적합한 방식으로 수행될 수 있다. 이들 ROI는 ROI에 민감화된 POI 이상치 검출을 위해 반송될 수 있으며, 여기서 노이즈가 있는 픽셀은 이상치 점수 매기기 메커니즘에서 심하게 가중된다. 이러한 방식으로, 본원에서 설명된 실시예는 사용자 피드백으로 ROI에 민감화된 POI 이상치 검출을 위해 구성될 수 있다.
일부 실시예에서, 컴퓨터 서브 시스템(들)은 이상치(들)를 식별한 결과에 기초하여 POI 내의 다른 영역보다 많은 노이즈를 갖는 POI 내의 하나 이상의 영역을 식별하고, 식별된 하나 이상의 영역을 시편에 대해 수행되는 계측 프로세스를 위한 측정 사이트로 선택하도록 구성된다. 예를 들어, 본원에서 설명된 실시예는 시편(예를 들어, 웨이퍼) 내의 이상치 트렌드를 발견하고, 검토 또는 계측을 위해 위치의 상대적으로 작은 서브 세트에 대한 검토 또는 계측 툴을 가리키는 데 사용될 수 있다. 이러한 방식으로, 본원에서 설명된 실시예는 POI 이상치 분석 보조 계측을 위해 구성될 수 있다. 이러한 일 예에서, POI 이상치 검출의 결과로부터, 상대적으로 큰 노이즈를 갖는 POI 내의 ROI가 얻어질 수 있으며, 이는 당업계에 알려져 있는 임의의 적합한 방식으로 수행될 수 있다. 이들 ROI는 (예를 들어, ROI에 대한 정보를 계측 툴로 전송함으로써) 분석을 위해 계측 툴로 전송될 수 있다. 계측 툴은 KLA-Tencor로부터 상업적으로 이용 가능한 계측 툴과 같은 당업계에 알려져 있는 임의의 적합한 계측 툴을 포함할 수 있다.
계측 툴 사용자 또는 컴퓨터 서브 시스템(들)은 ROI로부터 캡쳐할 측정치 및 위치를 결정할 수 있다. 예를 들어, 이러한 일 실시예에서, 컴퓨터 서브 시스템(들)은 식별된 하나 이상의 영역에 기초하여 계측 프로세스 동안 측정 사이트에서 수행되는 측정의 하나 이상의 파라미터를 결정하도록 구성된다. 이러한 방식으로, 본원에서 설명된 실시예는 측정이 수행될 POI를 자동으로 식별하고, 뿐만 아니라 특정 POI에서의 설계 구조에 대해 수행될 기하학적 측정을 결정하도록 구성될 수 있다. 따라서, 본원에서 설명된 실시예는 POI, 및 특정 POI에서의 설계 구조에 대해 어떤 기하학적 측정이 수행되어야 할지를 식별하는 시간 소모적인 수동 작업을 제거할 수 있다. 계측 프로세스 동안 측정 사이트에서 수행되는 측정의 하나 이상의 파라미터는 본원에서 완전히 제시되는 바와 같이 참조로서 포함된, 2015년 10월 20일자로 출원된 Duffy 외의 미국 특허 출원 제14/918,394호에서 기술된 바와 같이 더 결정될 수 있다. 본원에서 설명된 실시예는 이 특허 출원에 설명된 임의의 시스템(들)에 의해 수행되는 임의의 단계(들)를 수행하도록 구성될 수 있다.
다른 실시예에서, 컴퓨터 서브 시스템(들)은 POI의 복수의 인스턴스에서 생성된 이미지의 특징 또는 다른 특징과 시편에 대해 수행되는 계측 프로세스의 결과 사이의 상관 관계를 기술하는 함수를 결정하고; 특징 또는 다른 특징 및 함수에 기초하여 POI의 복수의 인스턴스에서 하나 이상의 추가 이상치를 식별하도록 구성된다. 다른 특징은 본원에서 더 설명된 이미지 특징 중 임의의 것을 포함할 수 있다. 이러한 방식으로, 본원에서 설명된 실시예는 계측 보조 POI 이상치 점수 매기기를 위해 구성될 수 있다. 예를 들어, 계량 데이터의 상대적으로 작은 샘플로부터, POI 이상치 점수 매기기 함수는 메트릭 - 전체 계측 점수와 잘 상관되는 POI 이미지 데이터의 함수 - 을 생성하도록 훈련될 수 있다. 그 다음에, 이 POI 이상치 점수 매기기 함수는 이상치의 거부 또는 편차 기반 점수 매기기에 사용될 수 있다. 다시 말해, 컴퓨터 서브 시스템(들)은 1) POI 이미지 데이터의 일부 특징(들)과 2) 계측 결과 사이의 상관 관계(또는 함수)를 결정할 수 있다. 그 다음에, 그 상관 관계(또는 함수)는 POI 이미지 데이터의 특징(들)에만 기초하여 이상치를 식별하는 데 사용될 수 있다. 이러한 방식으로, 본원에서 설명된 실시예는 계측 툴로부터의 피드백에 기초하여 POI 이상치 점수를 학습 및 수정하도록 구성될 수 있다. 또한, 본원에서 설명된 실시예에 의한 거부 또는 편차 점수 매기기에 기반한 이상치 검출에 사용되는 특징(들)은 계측 결과에 대한 상관 관계에 기초한 이상치 검출에 사용되는 특징(들)과 상이하거나 동일할 수 있다.
추가 실시예에서, 특징을 결정하는 것은 시편 상에 형성된 상이한 다이로부터 생성된 기준 이미지를 이미지 각각으로부터 감산함으로써 이미지 각각에 대한 차이 이미지를 생성하고, 그 대응하는 차이 이미지로부터 이미지 각각의 특징을 결정하는 것을 포함한다. 예를 들어, 본원에서 설명된 실시예는 임의의 특정 이미지 집단 세트로 제한되지 않는다. 결함 검출을 위해 현재 사용되는 방법은 인접한 다이로부터의 이미지들 사이의 차이를 분석하는 것을 포함한다. 본원에서 설명된 거부 또는 편차 점수 매기기 방법은 인접한 다이 차이 이미지 집단 또는 POI로 제한된 서브 집단에 적용될 수 있다.
다른 실시예에서, 컴퓨터 서브 시스템(들)은 시편 상에 형성된 하나 이상의 추가 다이에 대해 이미지를 획득하고, 특징을 결정하고, 이상치(들)를 식별하는 것을 수행하며, 다이 및 하나 이상의 추가 다이 중 어느 것이 이상치인지를 식별하기 위해 다이 및 하나 이상의 추가 다이에 대한 이상치(들)을 식별한 결과들을 비교하도록 구성된다. 예를 들어, 다이로부터 발생하는 POI 이미지의 거부 또는 편차 점수를 집계함(aggregating)으로써, 다이의 이상치 경향이 식별될 수 있다. 본원에서 더 설명된 바와 같이, 이상치(들)를 식별하는 것은 상이한 POI에 대해 별도로 수행될 수 있다. 따라서, 임의의 하나의 다이에 대해, 각각 상이한 POI에 대해 생성된 상이한 이상치 결과가 있을 수 있다. 복수의 다이에 대해 집계된 거부 또는 편차 점수는 일 유형의 POI에 대한 거부 점수만을 포함할 수 있다. 그러나, 상이한 집계는 각각 상이한 유형의 POI에 대한 거부 점수에 기초하여 별도로 생성될 수 있다. 따라서, 집계는 상이한 유형의 POI에 대해 상이한 집계된 거부 점수가 결정되도록 POI별로 수행될 수 있다.
그러한 실험의 결과가 도 5에 도시되어 있다. 이 도면에서 도시된 그래프는 반도체 웨이퍼의 하나의 칼럼에 있는 10개의 다이 세트에 대한 POI 거부 점수의 평균값을 보여준다. x 축은 각각의 다이의 행 인덱스를 나타내는 서수이다. y 축은 그 다이의 POI 거부 점수의 평균을 나타낸다. 도 5는 극한 다이(12)의 이상치 거동을 명확하게 보여준다. 이러한 방식으로, 본원에서 설명된 실시예는 시편에 걸친 다이간 편차를 검출하도록 구성될 수 있다.
다른 실시예에서, 다이는 시편 상에 형성된 복수의 다이의 단일 인스턴스이고, 이미지를 획득하고, 특징을 결정하고, 이상치(들)를 식별하는 것이 수행되는 복수의 인스턴스는 복수의 다이의 단일 인스턴스 내에만 위치된다. 예를 들어, POI 이미지의 집단은 하나의 다이 내로 제한될 수 있다. 따라서, 이러한 실시예에서, 이 집단에서 이상치를 결정하는 것은 다이 내 검사를 수행하는 것과 동등하다는 것이 내재되어 있다. 또한, 본원에서 설명된 실시예의 주요 응용 중 하나는 다이 내 검사를 위한 것이다. 그에 반해, 인접한 다이 사이의 차이를 분석하는 현재의 방법론으로 다이 내 검사를 수행하는 것은 현재 불가능한데, 이들 방법은 당연히 복수의 다이를 수반해야 하기 때문이다. 다이 내 검사의 중요성은 인접한 다이 사이에 존재하는, 공통 모드로 인해 얻어지지 않은 결함이 이제 검출될 수 있다는 것이다. 다시 말해, 본원에서 설명된 이상치 검출은 현재 사용되는 다이-다이 검출에 의해 달리 검출될 수 없는 결함을 검출할 수 있다.
다른 실시예에서, 다이는 시편 상에 형성된 유일한 다이이다. 예를 들어, 본원에서 설명된 실시예가 다이 내 검사를 수행할 수 있기 때문에, 실시예는 그 위에 형성된 단일 다이(예를 들어, 단일 다이 레티클)만을 갖는 시편의 검사에 특히 유용할 수 있다.
POI 이미지의 임의의 서브 집단에 걸쳐 이상치 검출을 위해 POI 이미지의 거부 또는 편차 점수를 집계하는 개념을 일반화할 수 있다. 예를 들어, 방법은 본원에서 설명된 바와 같이 다이 기반일 수 있다. 그러나, 일부 실시예에서, POI의 복수의 인스턴스는 시편 상에 형성된 다이 내의 복수의 레티클 필드 중 단지 하나 내에 위치된다. 예를 들어, 도 4에 도시된 바와 같이, POI의 복수의 인스턴스(418)는 시편(400) 상에 형성된 다이(412) 내의 복수의 레티클 필드(414 및 416) 중 단지 하나 내에 위치된다. 다시 말해, 복수의 인스턴스가 다이(412) 내에 도시된 레티클 필드 양자 모두에 형성될 수 있지만, 본원에서 설명된 이상치 검출을 위해 사용되는 POI의 복수의 인스턴스는 레티클 필드 중 하나에 위치되는 것만일 수 있다. 예를 들어, 서브 집단은 각각의 레티클 필드 상에 겹쳐진 2D 그리드로 분할될 수 있다. 이러한 방식으로, 설계 패턴의 필드 내 편차가 레티클 필드에 걸쳐 관찰될 수 있다. 이러한 방식으로, 본원에서 설명된 실시예는 레티클 필드에 걸쳐 필드 내 편차를 검출하도록 구성될 수 있다. 필드 간 편차는 또한 다이 간 이상치를 검출하는 것과 관련하여 설명된 것과 동일한 방식으로 본원에서 설명된 실시예에 의해 검출될 수 있다.
추가 실시예에서, 시편 상에 형성된 다이의 적어도 일부분 및 추가 다이의 적어도 일부분은 시편 상의 영역에 위치되고, 이미지를 획득하고, 특징을 결정하고, 이상치(들)를 식별하는 것이 수행되는 POI의 복수의 인스턴스는 다이의 적어도 일부분 및 추가 다이의 적어도 일부분에 위치된다. 예를 들어, 본원에서 설명된 실시예는 예를 들어 시편 상의 섹터 또는 환형 영역에 대한 시편 위치 기반일 수 있다. 이러한 일 예에서, 화학적 기계 연마(chemical mechanical polishing, CMP) 브러싱 아티팩트는 도 6에 도시된 바와 같이 웨이퍼 상에 링(환상) 결함 시그니쳐가 생성되게 할 수 있다. 특히, 도 6에 도시된 바와 같이, 웨이퍼(600)는 그 위에 형성된 복수의 다이(602)를 포함할 수 있다. 결함 시그니쳐는 웨이퍼의 외부 에지로부터 안쪽으로 확장되는 환형 구역 또는 "링"을 정의하는, 가상 경계(604)와 웨이퍼의 외부 에지 사이의 구역에서 웨이퍼(600) 상에 위치될 수 있다. 다시 말해, 시편의 다른 영역에는 위치되지 않은 결함(또는 상당히 많은 결함)이 시편의 환형 구역에 위치될 수 있다.
도 6에 더 도시된 바와 같이, 가상 경계(604)와 웨이퍼의 외부 에지 사이의 영역은 웨이퍼 상의 복수의 다이의 상이한 부분을 포함할 수 있다. 따라서, 이상치 검출을 위해 이 영역을 분석하는 경우, 이상치 검출을 위해 사용되는 POI의 복수의 인스턴스는 경계(604)와 웨이퍼의 외부 에지 사이에 위치된 다이의 부분에 있는 POI의 인스턴스 중 임의의 것(또는 모두)을 포함할 수 있다. 이러한 방식으로, 이상치 검출을 위해 사용되는 POI의 복수의 인스턴스는 시편 상의 임의의 하나의 다이 또는 필드로 제한되지 않을 수 있고, 대신 이상치 검출이 수행될 시편 상의 어떤 임의의 관심 영역 내에 위치된 POI의 인스턴스 중 임의의 것(또는 모두)을 포함할 수 있다.
시편에 대한 관심 영역의 구성에 따라, POI의 복수의 인스턴스에 사용되는 좌표가 다를 수 있다. 예를 들어, 도 6에 도시된 시그니쳐는 POI 거부 또는 편차 점수의 극좌표 기반 집계로 검출될 수 있다.
이러한 방식으로, 본원에서 설명된 실시예는 시편 섹터 및/또는 시편에 걸친 환형 편차를 검출하도록 구성될 수 있다. 시편 상의 영역에 대해 수행된 집계는 본원에서 더 설명된 바와 같이 달리 수행될 수 있다 (예를 들어, POI별로 상이한 유형의 POI에 대해 상이한 집계가 수행될 수 있고/있거나, 하나를 초과하는 유형의 POI에 대한 거부 또는 편차 점수는 함께 단일 값으로 집계되지 않는다).
다른 실시예는 시편 상의 POI의 복수의 인스턴스에서 이상치를 식별하기 위한 컴퓨터로 구현되는 방법에 관한 것이다. 방법은 상술된 단계를 포함한다.
방법의 단계 각각은 본원에서 더 설명된 바와 같이 수행될 수 있다. 방법은 또한 본원에서 설명된 이미징 서브 시스템 및/또는 컴퓨터 서브 시스템(들) 또는 시스템(들)에 의해 수행될 수 있는 임의의 다른 단계(들)를 포함할 수 있다. 단계는 본원에서 설명된 실시예 중 임의의 것에 따라 구성될 수 있는 하나 이상의 컴퓨터 시스템에 의해 수행된다. 또한, 상술된 방법은 본원에서 설명된 시스템 실시예 중 임의의 것에 의해 수행될 수 있다.
추가 실시예는 시편 상의 POI의 복수의 인스턴스에서 이상치를 식별하기 위한 컴퓨터로 구현되는 방법을 수행하기 위해 컴퓨터 시스템에서 실행 가능한 프로그램 명령어를 저장하는 비일시적 컴퓨터 판독 가능 매체에 관한 것이다. 이러한 일 실시예가 도 7에 도시되어 있다. 특히, 도 7에 도시된 바와 같이, 비일시적 컴퓨터 판독 가능 매체(700)는 컴퓨터 시스템(704) 상에서 실행 가능한 프로그램 명령어(702)를 포함한다. 컴퓨터로 구현되는 방법은 본원에서 설명된 임의의 방법(들)의 임의의 단계(들)를 포함할 수 있다.
본원에서 설명된 것과 같은 방법을 구현하는 프로그램 명령어(702)는 컴퓨터 판독 가능 매체(700) 상에 저장될 수 있다. 컴퓨터 판독 가능 매체는 자기 또는 광학 디스크, 자기 테이프, 또는 당업계에 알려져 있는 임의의 다른 적합한 비일시적인 컴퓨터 판독 가능 매체와 같은 저장 매체일 수 있다.
프로그램 명령어는 특히 절차 기반 기술, 구성 요소 기반 기술, 및/또는 객체 지향 기술을 포함하여 임의의 다양한 방식으로 구현될 수 있다. 예를 들어, 프로그램 명령어는 원하는 바에 따라, ActiveX 컨트롤, C++ 오브젝트, JavaBean, MFC (Microsoft Foundation Classe), SSE(Streaming SIMD Extension), 또는 다른 기술 혹은 방법을 사용하여 구현될 수 있다.
컴퓨터 시스템(704)은 본원에서 설명된 실시예 중 임의의 것에 따라 구성될 수 있다.
본 발명의 다양한 양상의 다른 수정예 및 대안적인 실시예는 이 설명을 고려하여 당업자에게 명백할 것이다. 예를 들어, 관심 패턴의 복수의 인스턴스에서 이상치를 식별하는 방법 및 시스템이 제공된다. 따라서, 이 설명은 단지 예시적인 것으로서 해석되어야 하고, 본 발명을 이행하는 일반적인 방법을 당업자에게 교시하기 위한 것이다. 본원에서 도시되고 설명된 본 발명의 형태는 현재의 바람직한 실시예로 취해지는 것으로 이해해야 한다. 요소 및 재료는 본원에서 도시되고 설명된 것을 대신해 대체될 수 있고, 본 발명의 특정 특징은 독립적으로 이용될 수 있으며, 이 모두는 본 발명의 이러한 설명의 이점을 얻은 후에 당업자에게 명백할 것이다. 다음의 청구항에서 설명된 바와 같은 본 발명의 사상 및 범위를 벗어나지 않으면서 본원에서 설명된 요소에 변화가 이루어질 수 있다.
Claims (30)
- 시편(specimen) 상의 관심 패턴의 복수의 인스턴스(instance)에서 이상치(outlier)를 식별하도록 구성된 시스템으로서,
적어도 에너지 원 및 검출기를 포함하는 이미징 서브 시스템으로서,
상기 에너지 원은 시편으로 향하는 에너지를 생성하도록 구성되고, 상기 검출기는 상기 시편으로부터의 에너지를 검출하고 상기 검출된 에너지에 응답한 이미지를 생성하도록 구성된 것인, 상기 이미징 서브 시스템, 및
하나 이상의 컴퓨터 서브 시스템
을 포함하고, 상기 하나 이상의 컴퓨터 서브 시스템은,
상기 시편 상에 형성된 다이 내의 관심 패턴의 복수의 인스턴스 - 상기 복수의 인스턴스는 상기 다이 내의 비주기적인 위치에 위치된 2개 이상의 인스턴스를 포함함 - 에서 상기 이미징 서브 시스템에 의해 생성된 이미지를 획득하고;
상기 관심 패턴의 상기 복수의 인스턴스에서 생성된 이미지 각각의 특징을 결정하며;
상기 결정된 특징에 기초하여 상기 관심 패턴의 상기 복수의 인스턴스에서 하나 이상의 이상치를 식별하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 시편 상에 형성된 상기 다이 내의 상이한 관심 패턴에 대해 상기 획득하는 것, 상기 결정하는 것, 및 상기 식별하는 것을 별도로 수행하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 2 항에 있어서,
상기 관심 패턴 및 상기 상이한 관심 패턴의 복수의 인스턴스는 상기 다이의 대부분을 커버하는 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 결정하는 것 및 상기 식별하는 것은 상기 관심 패턴의 상기 복수의 인스턴스에서 생성된 이미지 중의 2개 이상의 이미지로부터 차이 이미지를 생성하는 것을 포함하지 않는 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 관심 패턴에 대한 정보를 수신하고, 상기 정보에 기초하여 상기 다이 내의 상기 관심 패턴의 상기 복수의 인스턴스 모두를 식별하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 다이 내의 상기 관심 패턴의 상기 복수의 인스턴스와 상기 시편 상의 적어도 하나의 추가 다이 내의 상기 관심 패턴의 적어도 하나의 추가 인스턴스의 조합에 대해 상기 획득하는 것, 상기 결정하는 것, 및 상기 식별하는 것을 수행하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 다이 내의 상기 관심 패턴의 상기 복수의 인스턴스와 적어도 하나의 추가 시편 상의 상기 관심 패턴의 적어도 하나의 추가 인스턴스의 조합에 대해 상기 획득하는 것, 상기 결정하는 것, 및 상기 식별하는 것을 수행하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 식별하는 것은, 상기 이미지 각각에 대해 결정된 특징의 하나 이상의 극한값에 기초하여 상기 이미지 중 하나 이상을 식별하고 폐기하는 것, 나머지 이미지에 대한 중앙 경향 측정치(central tendency measure)를 결정하는 것, 상기 중앙 경향 측정치로부터 이미지의 특징 값의 편차에 기초하여 상기 이미지 모두에 점수를 매기는 것, 및 상기 점수의 결과에 기초하여 상기 하나 이상의 이상치를 식별하는 것을 포함한 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 식별하는 것은, 상기 이미지 각각에 대해 결정된 특징에 대한 하나 이상의 값에 기초하여 상기 이미지 모두에 대해 거부(rejection) 또는 트리밍(trimming) 점수를 결정하는 것, 및 상기 거부 또는 트리밍 점수에 임계치를 적용함으로써 상기 하나 이상의 이상치를 식별하는 것을 포함한 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 결정하는 것 전에, 상기 이미징 서브 시스템 또는 상기 시편에 의해 야기된 획득된 이미지에서의 이미지 아티팩트를 감소시키도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 이미징 서브 시스템에 의해 생성된 이미지는 패치 이미지이고, 상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 결정하는 것 전에, 상기 관심 패턴의 상기 복수의 인스턴스 중 하나에서 생성된 패치 이미지 중 하나에서 서브 이미지를 식별하고, 상기 관심 패턴의 상기 복수의 인스턴스에서 생성된 패치 이미지 각각에 상기 서브 이미지를 정렬시키고, 정렬의 결과에 기초하여 상기 관심 패턴의 대응하는 상기 관심 패턴의 상기 복수의 인스턴스에서 생성된 패치 이미지 각각에서 서브 이미지를 식별하도록 구성되고, 상기 이미지 각각의 특징은 상기 이미지 각각에서의 서브 이미지에만 기초하여 결정된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 결정된 특징 또는 상기 이미지 각각에 대해 결정된 다른 특징에 기초하여 상기 관심 패턴을 둘러싸는 상이한 패턴을 갖는 상기 관심 패턴의 상기 복수의 인스턴스를 식별하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 식별한 결과에 기초하여 상기 관심 패턴 내의 다른 영역보다 더 많은 노이즈를 갖는 상기 관심 패턴 내의 하나 이상의 영역을 식별하고, 식별된 하나 이상의 영역에 대해 결정된 특징 및 가중치에 기초하여 상기 식별하는 것을 반복하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 식별한 결과에 기초하여 상기 관심 패턴 내의 다른 영역보다 많은 노이즈를 갖는 상기 관심 패턴 내의 하나 이상의 영역을 식별하고, 식별된 하나 이상의 영역을 상기 시편에 대해 수행되는 계측 프로세스를 위한 측정 사이트로서 선택하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 14 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 식별된 하나 이상의 영역에 기초하여 상기 계측 프로세스 동안 상기 측정 사이트에서 수행되는 측정의 하나 이상의 파라미터를 결정하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 관심 패턴의 상기 복수의 인스턴스에서 생성된 이미지의 특징 또는 다른 특징과 상기 시편에 대해 수행되는 상기 계측 프로세스의 결과 사이의 상관 관계를 기술하는 함수를 결정하고; 상기 특징 또는 상기 다른 특징 및 상기 함수에 기초하여 상기 관심 패턴의 상기 복수의 인스턴스에서 하나 이상의 추가 이상치를 식별하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 결정하는 것은 상기 시편 상에 형성된 상이한 다이로부터 생성된 기준 이미지를 상기 이미지 각각으로부터 감산함으로써 상기 이미지 각각에 대한 차이 이미지를 생성하고, 상기 이미지의 대응하는 차이 이미지로부터 상기 이미지 각각의 특징을 결정하는 것을 포함한 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 하나 이상의 컴퓨터 서브 시스템은 또한, 상기 시편 상에 형성된 하나 이상의 추가 다이에 대해 상기 획득하는 것, 상기 결정하는 것, 상기 식별하는 것을 수행하며, 상기 다이 및 상기 하나 이상의 추가 다이 중 어느 것이 이상치인지를 식별하기 위해 상기 다이 및 상기 하나 이상의 추가 다이를 식별한 결과들을 비교하도록 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 관심 패턴의 상기 복수의 인스턴스는 상기 시편 상에 형성된 상기 다이 내의 복수의 레티클 필드 중 단하나의 레티클 필드 내에 위치되는 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 다이는 상기 시편 상에 형성된 복수의 다이의 단일 인스턴스이고, 상기 획득하는 것, 상기 결정하는 것, 상기 식별하는 것이 수행되는 상기 복수의 인스턴스는 상기 복수의 다이의 상기 단일 인스턴스 내에만 위치되는 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 다이는 상기 시편 상에 형성된 유일한 다이인 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 시편 상에 형성된 상기 다이의 적어도 일부분 및 추가 다이의 적어도 일부분은 상기 시편 상의 영역에 위치되고, 상기 획득하는 것, 상기 결정하는 것, 상기 식별하는 것이 수행되는 상기 관심 패턴의 상기 복수의 인스턴스는 상기 다이의 적어도 일부분 및 상기 추가 다이의 적어도 일부분에 위치되는 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 특징은 단일 값으로 구성된 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 특징은 순서화된 복수의 값을 포함한 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 시편은 웨이퍼를 포함한 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 시편은 레티클을 포함한 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 시편으로 향하는 에너지는 광을 포함하고, 상기 시편으로부터 검출된 에너지는 광을 포함한 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 제 1 항에 있어서,
상기 시편으로 향하는 에너지는 전자를 포함하고, 상기 시편으로부터 검출된 에너지는 전자를 포함한 것인, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하도록 구성된 시스템. - 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하기 위한 컴퓨터로 구현되는 방법을 수행하기 위해 컴퓨터 시스템에서 실행 가능한 프로그램 명령어를 저장하는 비일시적 컴퓨터 판독 가능 매체로서,
상기 컴퓨터로 구현되는 방법은,
상기 시편 상에 형성된 다이 내의 관심 패턴의 복수의 인스턴스에서 이미징 서브 시스템에 의해 생성된 이미지를 획득하는 단계로서, 상기 복수의 인스턴스는 상기 다이 내의 비주기적인 위치에 위치된 2개 이상의 인스턴스를 포함하고, 상기 이미징 서브 시스템은 적어도 에너지 원 및 검출기를 포함하고, 상기 에너지 원은 상기 시편으로 향하는 에너지를 생성하도록 구성되고, 상기 검출기는 상기 시편으로부터 에너지를 검출하고 검출된 에너지에 응답한 이미지를 생성하도록 구성된 것인, 상기 획득하는 단계;
상기 관심 패턴의 상기 복수의 인스턴스에서 생성된 이미지 각각의 특징을 결정하는 단계; 및
결정된 특징에 기초하여 상기 관심 패턴의 상기 복수의 인스턴스에서 하나 이상의 이상치를 식별하는 단계로서, 상기 획득하는 단계, 상기 결정하는 단계, 및 상기 식별하는 단계는 하나 이상의 컴퓨터 서브 시스템에 의해 수행되는 것인, 상기 식별하는 단계
를 포함한 것인, 비일시적 컴퓨터 판독 가능 매체. - 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하는 컴퓨터로 구현되는 방법으로서,
상기 시편 상에 형성된 다이 내의 관심 패턴의 복수의 인스턴스에서 이미징 서브 시스템에 의해 생성된 이미지를 획득하는 단계로서, 상기 복수의 인스턴스는 상기 다이 내의 비주기적인 위치에 위치된 2개 이상의 인스턴스를 포함하고, 상기 이미징 서브 시스템은 적어도 에너지 원 및 검출기를 포함하고, 상기 에너지 원은 상기 시편으로 향하는 에너지를 생성하도록 구성되고, 상기 검출기는 상기 시편으로부터 에너지를 검출하고 검출된 에너지에 응답한 이미지를 생성하도록 구성된 것인, 상기 획득하는 단계;
상기 관심 패턴의 상기 복수의 인스턴스에서 생성된 이미지 각각의 특징을 결정하는 단계; 및
결정된 특징에 기초하여 상기 관심 패턴의 상기 복수의 인스턴스에서 하나 이상의 이상치를 식별하는 단계로서, 상기 획득하는 단계, 상기 결정하는 단계, 및 상기 식별하는 단계는 하나 이상의 컴퓨터 서브 시스템에 의해 수행되는 것인, 상기 식별하는 단계
를 포함하는, 시편 상의 관심 패턴의 복수의 인스턴스에서 이상치를 식별하는 컴퓨터로 구현되는 방법.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201562152472P | 2015-04-24 | 2015-04-24 | |
| US62/152,472 | 2015-04-24 | ||
| US15/135,465 | 2016-04-21 | ||
| US15/135,465 US9767548B2 (en) | 2015-04-24 | 2016-04-21 | Outlier detection on pattern of interest image populations |
| PCT/US2016/029036 WO2016172622A1 (en) | 2015-04-24 | 2016-04-22 | Outlier detection on pattern of interest image populations |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170139613A true KR20170139613A (ko) | 2017-12-19 |
| KR102369848B1 KR102369848B1 (ko) | 2022-03-02 |
Family
ID=57143591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177033643A KR102369848B1 (ko) | 2015-04-24 | 2016-04-22 | 관심 패턴 이미지 집단에 대한 이상치 검출 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US9767548B2 (ko) |
| KR (1) | KR102369848B1 (ko) |
| CN (1) | CN107533759B (ko) |
| IL (1) | IL255003B (ko) |
| TW (1) | TWI667717B (ko) |
| WO (1) | WO2016172622A1 (ko) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9189644B2 (en) | 2012-12-20 | 2015-11-17 | Bank Of America Corporation | Access requests at IAM system implementing IAM data model |
| US9477838B2 (en) * | 2012-12-20 | 2016-10-25 | Bank Of America Corporation | Reconciliation of access rights in a computing system |
| US9542433B2 (en) | 2012-12-20 | 2017-01-10 | Bank Of America Corporation | Quality assurance checks of access rights in a computing system |
| US9529629B2 (en) | 2012-12-20 | 2016-12-27 | Bank Of America Corporation | Computing resource inventory system |
| US9639594B2 (en) | 2012-12-20 | 2017-05-02 | Bank Of America Corporation | Common data model for identity access management data |
| US9537892B2 (en) | 2012-12-20 | 2017-01-03 | Bank Of America Corporation | Facilitating separation-of-duties when provisioning access rights in a computing system |
| US10393671B2 (en) | 2015-04-29 | 2019-08-27 | Kla-Tencor Corp. | Intra-die defect detection |
| US10074167B2 (en) | 2015-12-06 | 2018-09-11 | Kla-Tencor Corporation | Reducing registration and design vicinity induced noise for intra-die inspection |
| US9916965B2 (en) | 2015-12-31 | 2018-03-13 | Kla-Tencor Corp. | Hybrid inspectors |
| US10340165B2 (en) * | 2016-03-29 | 2019-07-02 | Kla-Tencor Corporation | Systems and methods for automated multi-zone detection and modeling |
| US10761128B2 (en) | 2017-03-23 | 2020-09-01 | Kla-Tencor Corporation | Methods and systems for inline parts average testing and latent reliability defect detection |
| US10692690B2 (en) * | 2017-03-27 | 2020-06-23 | Kla-Tencor Corporation | Care areas for improved electron beam defect detection |
| US11293970B2 (en) * | 2020-01-12 | 2022-04-05 | Kla Corporation | Advanced in-line part average testing |
| US11754625B2 (en) * | 2020-01-30 | 2023-09-12 | Kla Corporation | System and method for identifying latent reliability defects in semiconductor devices |
| US11379972B2 (en) * | 2020-06-03 | 2022-07-05 | Applied Materials Israel Ltd. | Detecting defects in semiconductor specimens using weak labeling |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007088542A2 (en) * | 2006-02-01 | 2007-08-09 | Applied Materials Israel Limited | Method and system for evaluating a variation in a parameter of a pattern |
| WO2008134105A1 (en) * | 2007-02-12 | 2008-11-06 | International Business Machines Corporation | Semiconductor device stress modeling methodology |
| US20120050728A1 (en) * | 2010-08-30 | 2012-03-01 | International Business Machines Corporation | Identifying defects |
Family Cites Families (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3204204B2 (ja) * | 1997-11-21 | 2001-09-04 | 日本電気株式会社 | 論理ｌｓｉの製造プロセス診断システム、方法及び記録媒体 |
| JP3944439B2 (ja) * | 2002-09-26 | 2007-07-11 | 株式会社日立ハイテクノロジーズ | 電子線を用いた検査方法および検査装置 |
| EP1630862B1 (en) * | 2003-05-30 | 2016-01-13 | Ebara Corporation | Sample inspection device and method, and device manufacturing method using the sample inspection device and method |
| JP2006220644A (ja) * | 2005-01-14 | 2006-08-24 | Hitachi High-Technologies Corp | パターン検査方法及びその装置 |
| US7769225B2 (en) * | 2005-08-02 | 2010-08-03 | Kla-Tencor Technologies Corp. | Methods and systems for detecting defects in a reticle design pattern |
| US7676077B2 (en) * | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
| US7570796B2 (en) * | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
| US7570800B2 (en) | 2005-12-14 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for binning defects detected on a specimen |
| US7711177B2 (en) * | 2006-06-08 | 2010-05-04 | Kla-Tencor Technologies Corp. | Methods and systems for detecting defects on a specimen using a combination of bright field channel data and dark field channel data |
| JP4928862B2 (ja) * | 2006-08-04 | 2012-05-09 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
| US7664608B2 (en) * | 2006-07-14 | 2010-02-16 | Hitachi High-Technologies Corporation | Defect inspection method and apparatus |
| US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
| JP4876019B2 (ja) * | 2007-04-25 | 2012-02-15 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置およびその方法 |
| US8213704B2 (en) * | 2007-05-09 | 2012-07-03 | Kla-Tencor Corp. | Methods and systems for detecting defects in a reticle design pattern |
| 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 |
| CN101785009B (zh) * | 2007-08-20 | 2012-10-10 | 恪纳腾公司 | 确定实际缺陷是潜在系统性缺陷还是潜在随机缺陷的计算机实现的方法 |
| JP5174535B2 (ja) * | 2008-05-23 | 2013-04-03 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
| WO2009152046A1 (en) | 2008-06-11 | 2009-12-17 | Kla-Tencor Corporation | Systems and methods for detecting design and process defects on a wafer, reviewing defects on a wafer, selecting one or more features within a design for use as process monitoring features, or some combination thereof |
| US8494802B2 (en) * | 2008-06-19 | 2013-07-23 | Kla-Tencor Corp. | Computer-implemented methods, computer-readable media, and systems for determining one or more characteristics of a wafer |
| JP5641463B2 (ja) * | 2009-01-27 | 2014-12-17 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置及びその方法 |
| 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 |
| US8559001B2 (en) | 2010-01-11 | 2013-10-15 | Kla-Tencor Corporation | Inspection guided overlay metrology |
| JP5553716B2 (ja) * | 2010-09-15 | 2014-07-16 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
| JP5417306B2 (ja) * | 2010-11-29 | 2014-02-12 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法および欠陥検査装置 |
| US8664594B1 (en) | 2011-04-18 | 2014-03-04 | Kla-Tencor Corporation | Electron-optical system for high-speed and high-sensitivity inspections |
| US8692204B2 (en) | 2011-04-26 | 2014-04-08 | Kla-Tencor Corporation | Apparatus and methods for electron beam detection |
| US9916653B2 (en) * | 2012-06-27 | 2018-03-13 | Kla-Tenor Corporation | Detection of defects embedded in noise for inspection in semiconductor manufacturing |
| US8716662B1 (en) | 2012-07-16 | 2014-05-06 | Kla-Tencor Corporation | Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations |
| US8948495B2 (en) * | 2012-08-01 | 2015-02-03 | Kla-Tencor Corp. | Inspecting a wafer and/or predicting one or more characteristics of a device being formed on a wafer |
| US9189844B2 (en) * | 2012-10-15 | 2015-11-17 | Kla-Tencor Corp. | Detecting defects on a wafer using defect-specific information |
| JP5997039B2 (ja) * | 2012-12-26 | 2016-09-21 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法および欠陥検査装置 |
| US9619876B2 (en) * | 2013-03-12 | 2017-04-11 | Kla-Tencor Corp. | Detecting defects on wafers based on 2D scatter plots of values determined for output generated using different optics modes |
| US10267746B2 (en) | 2014-10-22 | 2019-04-23 | Kla-Tencor Corp. | Automated pattern fidelity measurement plan generation |
-
2016
- 2016-04-21 US US15/135,465 patent/US9767548B2/en active Active
- 2016-04-22 WO PCT/US2016/029036 patent/WO2016172622A1/en active Application Filing
- 2016-04-22 TW TW105112711A patent/TWI667717B/zh active
- 2016-04-22 KR KR1020177033643A patent/KR102369848B1/ko active IP Right Grant
- 2016-04-22 CN CN201680021409.9A patent/CN107533759B/zh active Active
-
2017
- 2017-10-15 IL IL25500317A patent/IL255003B/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007088542A2 (en) * | 2006-02-01 | 2007-08-09 | Applied Materials Israel Limited | Method and system for evaluating a variation in a parameter of a pattern |
| WO2008134105A1 (en) * | 2007-02-12 | 2008-11-06 | International Business Machines Corporation | Semiconductor device stress modeling methodology |
| US20120050728A1 (en) * | 2010-08-30 | 2012-03-01 | International Business Machines Corporation | Identifying defects |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2016172622A1 (en) | 2016-10-27 |
| CN107533759B (zh) | 2019-04-26 |
| US9767548B2 (en) | 2017-09-19 |
| IL255003B (en) | 2019-11-28 |
| KR102369848B1 (ko) | 2022-03-02 |
| US20160314578A1 (en) | 2016-10-27 |
| TWI667717B (zh) | 2019-08-01 |
| CN107533759A (zh) | 2018-01-02 |
| TW201701383A (zh) | 2017-01-01 |
| IL255003A0 (en) | 2017-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102369848B1 (ko) | 관심 패턴 이미지 집단에 대한 이상치 검출 | |
| KR102330735B1 (ko) | 패터닝된 웨이퍼들 상의 결함들의 서브-픽셀 및 서브-해상도 로컬리제이션 | |
| TWI665442B (zh) | 用於判定將對一試樣執行之一度量程序之參數之系統、方法及非暫時性電腦可讀取媒體 | |
| US8422761B2 (en) | Defect and critical dimension analysis systems and methods for a semiconductor lithographic process | |
| KR102268502B1 (ko) | 시료 상의 관심 영역에 대한 좌표 결정 | |
| US11010886B2 (en) | Systems and methods for automatic correction of drift between inspection and design for massive pattern searching | |
| JP5444092B2 (ja) | 検査方法およびその装置 | |
| US10393671B2 (en) | Intra-die defect detection | |
| JP2017523390A (ja) | 検査のための高解像度フルダイイメージデータの使用 | |
| KR20170086539A (ko) | 프로세스 윈도우 특성묘사를 위한 가상 검사 시스템 | |
| US20150146967A1 (en) | Pattern evaluation device and pattern evaluation method | |
| JP6472447B2 (ja) | フォトマスク欠陥性における変化の監視 | |
| US9702827B1 (en) | Optical mode analysis with design-based care areas | |
| US11416982B2 (en) | Controlling a process for inspection of a specimen | |
| CN109314067B (zh) | 在逻辑及热点检验中使用z层上下文来改善灵敏度及抑制干扰的系统及方法 | |
| US10151706B1 (en) | Inspection for specimens with extensive die to die process variation | |
| TW202225676A (zh) | 設置樣本之檢查 | |
| TW202141210A (zh) | 使用檢測工具以判定用於樣本之類計量(metrology-like)之資訊 | |
| KR20230075369A (ko) | 반도체 시편 제조를 위한 마스크 검사 |
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 |