KR20180081820A

KR20180081820A - 다이 내부 검사에 있어서의 등록 및 설계 주변부에서 야기된 노이즈의 저감

Info

Publication number: KR20180081820A
Application number: KR1020187018310A
Authority: KR
Inventors: 사이발 바너지; 아쇽 브이. 쿨카니; 샤오유 루
Original assignee: 케이엘에이-텐코 코포레이션
Priority date: 2015-12-06
Filing date: 2016-12-01
Publication date: 2018-07-17
Also published as: CN108369915A; CN108369915B; TW201731004A; TWI734720B; US20170161888A1; KR102449376B1; WO2017100076A1; US10074167B2

Abstract

다이 내부 검사에서 관심 패턴(POI) 이미지 등록 및 POI 주변부 설계 패턴에서 야기되는 노이즈가 감소된다. POI는 동시발생하는 주변 등록 타겟들에 의해 정렬 그룹으로 그룹화된다. 정렬 그룹은 동시발생하는 근접한 등록 타겟들을 사용하여 등록된다. 관심 패턴 각각이 이상치인 정도를 측정할 수 있는 투표에 의한 등록이 수행된다. POI는 동일한 주변 설계 효과를 가진 적어도 하나의 주변 그룹으로 그룹화된다.

Description

다이 내부 검사에 있어서의 등록 및 설계 주변부에서 야기된 노이즈의 저감

<관련 출원과의 교차 참조>

본원은 2015년 12월 6일에 출원한 미국 출원 번호 62/263,665호가 지정된 가특허출원에 대해 우선권을 주장하며, 이 우선권 출원의 개시내용은 본 명세서에 참조로 포함된다.

<발명의 분야>

본 개시내용은 웨이퍼 검사에 관한 것이다.

웨이퍼 검사 시스템은 제조 공정 시에 발생하는 결함을 검출함으로써 반도체 제조사(semiconductor manufacturer)가 집적 회로(IC) 칩 수율을 증가 및 유지시키는 것을 돕는다. 검사 시스템의 한가지 목적은 제조 공정이 사양(specification)을 만족하는지의 여부를 모니터링하는 것이다. 제조 공정이 확립된 표준(norm)의 범위를 벗어나면 검사 시스템이 문제 및/또는 문제의 원인을 표시하고, 반도체 제조사는 이것을 해결할 수 있다.

반도체 제조 산업의 진화로 수율 관리, 특히 계측 및 검사 시스템에 대한 요구가 점점 더 증가하고 있다. 웨이퍼 사이즈가 증가하는 반면 임계 치수는 축소되고 있다. 경제는 반도체 제조 산업이 고수율, 고부가가치 생산을 달성하는데 소요되는 시간을 줄이도록 몰고 있다. 따라서 수율 문제를 검출하여 그것을 확정하는데 걸리는 총 시간을 최소화하는 것이 반도체 제조사의 투자 수익(ROI, return-on-investment)을 결정한다.

관심 패턴(POI, pattern of interest)을 포함하는 광학 패치(optics patch)와, 하나의 샘플 이미지로부터 무작위로 선택된 템플릿 POI 이미지와의 사이의 정규화된 상호 상관(NCC)이 POI 이미지 등록에 사용될 수 있다. 모든 POI 이미지가 동일한 템플릿으로 정렬된다. 무작위로 선택된 템플릿이 이 POI 이미지 모집단에 대한 로버스트한 표현이라면, 이 방법은 POI 등록에 유효할 수 있다.

그런데, NCC 다이 대 다이 검사(die-to-die inspection)는 POI 주변부 설계 패턴의 효과를 고려하지 않는다. 이것은 2개의 인접한 다이로부터의 POI 이미지를 비교할 경우에, 동일한 주변부에서 발생하는 공통 노이즈가 상쇄되기 때문이다. 그러나, POI가 다이 내의 어느 곳에서나 발생할 수 있고 상이한 주변 패턴을 가질 수 있는 다이 내부 검사(intra-die inspection)의 경우에는 그렇지 않을 수 있다. 이 경우, POI 이미지는 상이한 주변부 설계 패턴에 의해 오염될 수 있다. 따라서, 주변부 설계 패턴에 의해 야기되는 노이즈를 분석하고 저감하는 것이 중요할 수 있다.

템플릿이 무작위로 선택되기 때문에 POI 이미지 등록을 위한 NCC 방법의 적절성 여부를 식별하는 것이 어려울 수 있다. 템플릿 POI 이미지에 노이즈 또는 결함이 있다면, 그 템플릿 이미지로 다른 POI 이미지를 정렬하는 것은 오정렬 에러를 일으킬 수 있다.

다이 대 다이 검사에서는, 인접한 다이로부터의 기준 이미지와 테스트 이미지가 정렬될 것으로 가정한다. POI에 대해 오프셋이 있다면, 오프셋은 두 이미지에 대해 동일하다. 따라서, 오프셋이 차분 이미지를 손상시키지 않을 것이다. 그러나, 다이 내부 검사의 경우, POI마다 상이한 위치와 주변부를 가지므로 정렬이 검증되어야 한다. 그렇지 않으면, 비교가 어렵거나 심지어 불가능하다.

POI는 너무 작거나 형상(geometry)이 불명확하면, 양호한 등록 타겟일 수 없다. NCC 방법은 요건이 높은 다이 내부 비교 작업에는 적합하지 않을 수 있다.

POI 주변부에서 야기되는 노이즈는, 두 인스턴스 모두 동일한 패턴 주변부를 갖기 때문에 다이 대 다이 검사에서 상쇄된다. 그러나, 다이 내부 검사의 경우에는 주변부 패턴 차이가 추가 노이즈 소스이기 때문에, 그렇게 되지 않는다.

그러므로 결함 검토 기술의 개선, 보다 구체적으로는 다이 내부 검사 기술의 개선이 요구된다.

제1 실시형태에서는, 시스템이 개시된다. 상기 시스템은 프로세서와, 상기 프로세서와 전자 통신하는 전자 데이터 저장 유닛, 및 상기 프로세서 및 상기 전자 데이터 저장 유닛과 전자 통신하는 통신 포트를 포함하는 컨트롤러를 포함한다. 상기 컨트롤러는, 정렬 타겟 파인더 모듈을 사용하여 관심 패턴들을 동시발생하는 근접한 등록 타겟들에 의해 하나 이상의 정렬 그룹으로 그룹화하고, 관심 패턴들로부터 동일한 양만큼 오프셋된 동시발생하는 근접한 등록 타겟들을 사용하여 각 정렬 그룹을 등록하며, 투표에 의해 등록하고, 관심 패턴들을 동일한 주변 설계 효과(vicinity design effect)를 갖는 적어도 하나의 주변 그룹으로 그룹화하도록 구성된다. 투표에 의한 등록은 관심 패턴들 각각이 이상치(outlier)인 정도를 측정하는 것을 포함한다. 컨트롤러는 다이 내부 검사를 수행하도록 구성될 수 있다.

컨트롤러는 설계 기반 비닝(binning) 서버와 전자 통신할 수 있다. 컨트롤러는 또한 웨이퍼 이미지를 생성하도록 구성된 검토 툴과 전자 통신할 수 있다. 예를 들어, 검토 툴은 웨이퍼를 유지하도록 구성된 스테이지 및 웨이퍼 이미지를 생성하도록 구성된 이미지 생성 시스템을 포함한다. 이미지 생성 시스템은 전자 빔, 광대역 플라즈마, 또는 레이저 중 적어도 하나를 사용하여 웨이퍼의 이미지를 생성하도록 구성될 수 있다. 일례에 있어서, 검토 툴은 주사 전자 현미경(scanning electron microscope)이다.

관심 패턴은 설계 파일에 기초한 렌더링 이미지(rendered image) 내에 있을 수 있다. 관심 패턴은 또한 웨이퍼 이미지 내에 있을 수도 있다. 일례에 있어서, 웨이퍼 이미지는 주사 전자 현미경 이미지이다.

컨트롤러는 또한, 하나 이상의 정렬 그룹으로 그룹화하기 전에 샘플링 모듈로 지능형 샘플링을 수행하도록 구성될 수 있다.

제2 실시형태에서는, 방법이 제공된다. 상기 방법은, 컨트롤러를 이용해, 정렬 타겟 파인더 모듈을 사용하여 관심 패턴들을 동시발생하는 근접한 등록 타겟들에 의해 하나 이상의 정렬 그룹으로 그룹화하는 단계와, 컨트롤러를 이용해, 관심 패턴들로부터 동일한 양만큼 오프셋된 동시발생하는 근접한 등록 타겟들을 사용하여 각 정렬 그룹을 등록하는 단계와, 컨트롤러를 이용해, 투표에 의해 등록하는 단계와, 컨트롤러를 이용해, 관심 패턴들을 동일한 주변 설계 효과를 갖는 적어도 하나의 주변 그룹으로 그룹화하는 단계를 포함한다. 투표에 의한 등록은 관심 패턴들 각각이 이상치(outlier)인 정도를 측정하는 것을 포함한다. 상기 방법은 다이 내부 검사용일 수 있다.

관심 패턴들을 동일한 주변 설계 효과로 그룹화하는 단계는 투표에 의한 등록이 적어도 하나의 주변 그룹의 각각에 행해질 수 있는 경우에, 투표에 의한 등록 전에 일어날 수 있다. 관심 패턴들을 동일한 주변 설계 효과로 그룹화하는 단계는 투표에 의한 등록 후에 일어날 수도 있다.

관심 패턴들은 설계 파일에 기초하는 렌더링 이미지 내에 있을 수 있다. 관심 패턴들은 또한 웨이퍼 이미지 내에 있을 수도 있다. 일례에 있어서, 웨이퍼 이미지는 주사 전자 현미경 이미지이다.

상기 방법은, 하나 이상의 정렬 그룹으로 그룹화하기 전에 샘플링 모듈로 지능형 샘플링을 수행하는 단계를 더 포함할 수 있다.

각각의 정렬 그룹 내의 동시발생하는 근접한 등록 타겟들은 관심 패턴으로부터 동일 양만큼 오프셋될 수 있다.

투표에 의한 등록은 로버스트한 평균 이미지를 등록 템플릿으로서 취함으로써 전체 이미지 모집단으로부터의 정보를 사용하도록 구성될 수 있다.

투표에 의한 등록은 각각의 정렬 그룹에서 이상치의 백분율로부터의 정보를 사용하도록 구성될 수 있다.

본 개시내용의 사상 및 목적에 대한 완전한 이해를 위해, 첨부하는 도면과 함께 이하의 상세한 설명을 참조해야 한다.
도 1은 본 개시내용에 따른 제1 실시형태의 흐름도이다.
도 2는 본 개시내용에 따른 제2 실시형태의 흐름도이다.
도 3은 본 개시내용에 따른 렌더링된 이미지를 생성하는 실시형태를 나타내는 도면이다.
도 4는 본 개시내용에 따른 주사 전자 현미경(SEM) 이미지를 생성하는 실시형태를 나타내는 도면이다.
도 5는 로버스트한 등록(robust registration)의 일례이다.
도 6은 본 개시내용에 따른 제품 웨이퍼로부터의 설계 이미지를 그룹핑하는 실시형태를 나타내는 도면이다.
도 7a와 도 7b는 본 개시내용에 따른 설계 클립 및 광학 패치로부터의 정보를 사용한 POI 주변부의 그룹화를 나타내는 도면이다.
도 8은 양호한 정렬 타겟인 POI의 광학 이미지가 분리되어 그 자체의 정렬 그룹을 형성하는 경우의 본 개시내용에 따른 실시형태의 흐름도이다.
도 9는 POI가 그 자체로 양호한 정렬 타겟이 아니며 설계를 이용할 수 있는 경우의 본 개시내용에 따른 실시형태의 흐름도이다.
도 10은 POI가 그 자체로 양호한 정렬 타겟이 아니고/아니거나 설계를 이용할 수 없고, SEM 이미지가 설계 대신에 사용되는 경우의 본 개시내용에 따른 실시형태의 흐름도이다.
도 11은 본 개시내용에 따라 POI의 위치가 결정될 수 있도록 2개의 그룹이 등록되는 경우의 실시형태를 나타내는 도면이다.
도 12는 본 개시내용에 따른 검사 "실행" 시의 정렬 흐름의 실시형태의 흐름도이다.
도 13은 본 개시내용에 따른 등록의 실시형태의 흐름도이다.
도 14는 본 개시내용에 따른 시스템의 실시형태이다.

특정 실시형태에 관련하여, 청구하는 발명의 대상이 설명될 것이지만, 여기에 설명하는 모든 이점 및 특징을 제공하지 않는 실시형태를 비롯한 다른 실시형태도 본 개시내용의 범위 내에 있다. 본 개시내용의 범위를 벗어나지 않으면서 다양한 구조적, 논리적, 전자적 변경 및 공정 단계의 변경이 이루어질 수 있다. 따라서, 본 개시내용의 범위는 첨부하는 청구범위를 참조해서만 규정된다.

여기에 개시하는 실시형태는 예컨대 다이 내부 검사(intra-die inspection) 시에, 관심 패턴(POI) 이미지 등록 및 POI 주변부 설계 패턴에 의해 야기되는 노이즈를 저감한다. 다이 내부 검사는 동일한 패턴을, 동일한 다이 상의 그 패턴의 다수(즉, 2개 이상)의 인스턴스에 걸쳐 비교하는 방법을 지칭한다. 다이 내부 검사는 반도체 제조사 등의 사용자가 제공하는 특정 관심 영역(AOI)에 초점을 맞출 수 있다. 본 명세서에 개시하는 실시형태는 POI 이미지 오등록 및 POI 주변부 설계 패턴의 차이에 의해 야기되는 다이 내부 POI 비교에서의 노이즈를 저감할 수 있다.

다이 내부 검사는 전통적인 다이 대 다이 비교 검사 방법에 비해 몇 가지 장점이 있다. 이들 장점은, 동일한 POI들이 1 다이 피치만큼 떨어져 있는 경우에 동일한 POI(관심 패턴) 위치들이 다이 대 다이의 경우보다 서로 더 가깝기 때문에 다이 내부 공정 변화 노이즈가 다이 대 다이 공정 변화보다 적을 수 있다는 관찰결과를 포함한다. 더욱이, 동일한 패턴을 인쇄할 때에 마스크의 다른 부분에서보다 마스크의 한 부분에서의 변동성(예컨대, 마스크 상의 결함 또는 스캐너 필드/초점의 변화에서 기인) 등의 체계적인 결함은 다이 대 다이 비교에 있어서 다이 내부 비교와 동일한 민감도로 포착될 수 없다. 이것은 다이 대 다이 비교에 있어서 패턴의 두 인스턴스가 동일한 방식으로 영향을 받을 수 있고 차분 신호가 이 변칙(anomaly)을 보여주지 않기 때문이다. 다이 내부 비교는 동일한 스캐너 필드 내의 패턴의 두 인스턴스가 차분 신호를 보여줄 수 있기 때문에 이러한 변칙을 포착할 수 있다.

그러나, 다이 내부 검사에는 다수의 과제가 있다. 한 쌍의 다이의 2개의 POI 이미지가 동일한 위치에서 발생하고 다수의 공통 노이즈 모드를 공유한다고 가정되는 다이 대 다이와 달리, 다이 내부 검사는 서로 또는 기준 POI를 이용한 모든 POI 이미지의 보다 정확한 등록을 필요로 한다. 더욱이, 다이 내의 동일한 POI의 상이한 인스턴스들은 그 주변부에 서로 다른 설계 패턴을 가질 수 있고, 따라서 이 주변 영역으로부터의 상이한 신호 누설량을, POI를 구성하는 영역에 도입할 수 있다.

본 명세서에 개시하는 기술은 등록 템플릿으로서 로버스트한 평균 POI 이미지를 생성하기 위해 전체 POI 이미지 모집단으로부터의 정보를 사용한다. "투표(voting)" 방법은 정렬을 더욱 구체화(refine)하는데 사용된다. 이들 기술은 로버스트한 평균 POI 이미지를 템플릿으로서 사용할 뿐만 아니라, NCC 맵 대신에 L2 표준 차분 맵을 사용하여(L2 표준(norm) 차분 맵이 NCC맵보다 더 날카로운 밸리/피크를 갖기 때문임) 위치를 검색함으로써, 다이 내부 검사에 대해 보다 로버스트하고 정확하다.

NCC 기술의 문제점은, POI 주변에서 동일한 동시발생성 및 양호한 등록 타겟을 갖는 POI 이미지들을 그룹화하고, 이들을 사용하여 이들 그룹 각각에서 POI를 정확하게 위치시킴으로써 해결된다. 본 명세서에 개시하는 실시형태들은 주변부에서 야기되는 노이즈가 유사한 POI 이미지들을 그룹화하여, 이상치를 발견하기 위해 각 그룹을 따로 따로 분석될 수 있다.

도 1과 도 2의 흐름도는 다이 내부 검사를 위해 등록 및 설계 주변부에서 야기되는 노이즈 소스를 줄이기 위한 기술을 보여준다. 상이한 주변부의 이미지들이 서로 충분히 다른 경우에 동일한 주변 설계 효과를 가진 POI를 그룹화하여 "주변 그룹"을 생성하는 것이 필요할 수 있다. 도 1에 도시하는 바와 같이, 로버스트한 등록은 각각의 주변 그룹 내의 이상치의 특정 백분율에 대한 투표 절차에 의해 제공될 수 있다. 이것은 전체 등록 절차를 더 로버스트하게 할 수 있다.

이미지마다 주변 그룹의 수는 다를 수 있다. 5개의 주변 그룹 중 4개가 통상 사용될 수 있지만, 다른 수의 주변 그룹도 가능하다. 예를 들어, 도 7a는 5개의 주변 그룹을 보여준다. 설계 사이즈, 상호작용 거리, OPC(Optical Proximity Corrections), SRAF(Sub-Resolution Assist Features)의 배치, 다양한 재료의 전자기 특성 및 광학 효과 등의 인자가 주변 그룹의 수에 영향을 줄 수 있다.

POI 그 자체가 등록에 적합하지 않은 경우, 동시발생하는 인접한 등록 타겟이 동일한 POI들을 그룹화하여 "정렬 그룹"을 생성하는 것이 사용될 수 있다. 도 2에 도시하는 바와 같이, 로버스트한 등록은 각각의 정렬 그룹 내의 이상치의 특정 백분율에 대한 투표 절차에 의해 제공될 수 있다. 여기에는 로버스트한 등록 방법이 사용되기 때문에, 그 결과는 일반적으로 상이한 주변 그룹에 의해 크게 영향을 받을 것이다. 예를 들어, 이 정렬 그룹으로 그룹화를 수행하는 알고리즘 모듈은 AATF(Automatic Alignment Target Finder)라고 불린다.

예를 들어, 이미지마다 7 내지 14개의 정렬 그룹이 있다. 그러나, 다른 수의 정렬 그룹도 가능하다. 일부 정렬 그룹은 사용자에 의해 무시되거나 고려되지 않을 수도 있다.

모집단에서 이상치를 결정하기 위해, 예컨대 2016년 4월 21일에 출원한 미국 특허 출원 번호 제15/135465호에 개시된 기술을 사용하여, 그 모집단 내의 각 이미지의 거절 스코어(rejection score)가 계산된다. 각 정렬 그룹에서 거절 스코어가 가장 높은 데이터의 백분율이 이상치인 것으로 가정할 수 있다.

대안의 실시형태에 있어서, 도 1과 도 2는 투표 절차를 보다 견고하게 하기 위해 이상치의 특정 백분율에 대한 투표 절차에 의한 로버스트한 등록을 2회 이상 적용하도록 조합될 수 있다.

이들 실시형태는 다이 내부 검사에 사용될 수 있다. 설계 데이터가 유지되거나 유지되지 않는 경우의 다이 내부 검사를 위한 정렬 흐름이 여기에 개시된다. SEM 이미지는 예컨대 지능형 샘플링이 수행되는 경우에 설계 렌더링 이미지를 대표할 수 있다. 또한, 반도체 제조사가 완벽한 설계 데이터를 제공하지 않는 경우에도, 반도체 제조사는 도 3에 도시하는 바와 같이, POI 내의 형상의 렌더링 이미지를 사용하여 POI를 특정할 수 있다.

도 1과 도 2에 도시된 것을 포함하여 본 명세서에 개시하는 실시형태에는 설계 클립이 사용될 수 있다. 설계 데이터는, 이용 가능한 경우, 도 3에 도시하는 바와 같이, 설계 기반 비닝(DBB, design based binning) 서버 등의 서버에 저장될 수 있다. 검사 툴(예컨대, 광대역 플라즈마(BBB) 툴)이 DBB 서버에 위치를 전송할 수 있고, DBB 서버는 지정된 층 세트에 대해 지정된 시야(FOV)와 교차하는 모든 다각형의 텍스트 파일을 출력할 수 있다. 이 텍스트 파일로부터, 사용자 지정 픽셀 사이즈로 렌더링된 모든 다각형을 나타내는 도 3의 렌더링 이미지라 불리는 이미지가 구축될 수 있다. 도 3의 렌더링 이미지는 다각형 내부가 흰색이고 배경이 검은색인, 이러한 렌더링의 예를 보여준다. 설계 데이터를 이용할 수 있는 경우, 이 렌더링된 설계를 설계 클립이라고 부른다.

설계 데이터를 이용할 수 없을 수도 있다. 이 경우는 반도체 제조사가 민감한 설계를 공유할 수 없을 때 데모 또는 개념 증명(POC) 연구 중에 발생할 수 있다. 이러한 상황에서, 주사 전자 현미경(SEM)은 렌더링된 이미지 대신에 설계 클립으로서 사용되는 웨이퍼 위치를 촬상할 수 있다. 이것이 도 4에 도시된다.

설계 클립이 렌더링 이미지 또는 SEM 이미지인지의 여부와 관계 없이, 일부 인스턴스에서 대략 동일할 수 있는데, BBP 툴이 생성하는 데이터의 대량화와, 이미지를 수집할 때의 현재의 SEM 검토 툴의 저속화로 말미암아 분석 처리량에 문제가 발생할 수 있다. 처리량을 높이기 위해, 이미지 수집이 SEM 검토 툴에 위임되기 전에 지능형 샘플링을 통한 BBP 툴 데이터의 축소가 이루어질 수 있다. 도 4에 도시하는 샘플링 모듈이 지능형 샘플링을 수행하는데, 이것은 중간 분석 결과에 따라 수개의 샘플 그룹을 수집하는 것을 수반할 수 있다. 예를 들어, NCC 스코어가 임계치 미만인지의 여부에 대해서는 도 10의 "yes" 경로를 보면 된다.

정렬 그룹을 생성하기 위해, SEM 이미지는 설계 이미지 자체를 이용할 수 없는 경우에 설계 이미지 프록시로서 소용될 수 있다. 충분한 품질의 SEM 이미지를 얻기 위해서는 일반적으로 많은 양의 시간이 필요하다. 시간을 절약하기 위해, 획득된 SEM 이미지의 수가 지능형 샘플링을 통해 제한될 수 있다. 도 10에서 보는 바와 같이, POI의 광학 패치가 그 그룹의 대표치(representative)와 잘 매칭하지 않으면, 그 광학 패치는 아마도 그 대표치와는 상이한 정렬 그룹에 속할 것이며, 그 미스매칭된 광학 패치 위치에 대응하는 설계 프록시(예를 들어, SEM 이미지)가 획득될 수 있다. 임계치 미만의 NCC 스코어에 관한 도 10의 결정 마름모는 POI의 광학 패치가 그 그룹의 대표치와 매칭하는지 또는 매칭하지 않는지를 결정할 수 있다. 그것은 광학 패치와 그 대표치 간의 정렬의 NCC 매칭 스코어를 체크함으로써 이루어질 수 있다. 예를 들어, 스코어가 낮을수록 매칭이 악화된다. 매칭 임계치(예컨대, 75%)이 선택되고 결정 마름모는 이들 간의 NCC 매칭 스코어가 이 임계치 아래로 떨어지면 POI의 광학 패치가 대표치와 매칭하지 않는다고 결정한다. 도 10에 도시하는 바와 같이, 매칭하지 않는(예컨대, 정렬되지 않는) 광학 패치의 위치는 전부 버려질 수 있다. 이어서, 이들 위치로부터 SEM 이미지가 획득될 수 있다.

등록에서 야기되는 노이즈는 투표에 의한 로버스트한 등록에 의해 저감될 수 있다. POI 이미지에 대한 전통적인 NCC 등록 방법은 무작위로 하나의 샘플을 템플릿으로서 선택하는데, 이것은 충분히 로버스트하지 않을 수도 있다. 등록 템플릿으로서 로버스트한 평균 이미지를 취함으로써 전체 이미지 모집단으로부터의 정보를 취하는 투표 방법을 사용할 수 있다. 로버스트한 평균 이미지는 전체 모집단에서의 모든 "정상치(inlier)"의 평균 이미지이다. "정상치" 및 "이상치"는 예컨대 2016년 4월 21일에 출원한 미국 출원 번호 제15/135465호에서 설명하는 바와 같이 거절 스코어를 계산함으로써 결정될 수 있으며, 이 특허문헌은 본원에 참조로 포함된다. 예를 들어, POI의 디지털 이미지 데이터는 거절 스코어 테이블로 변환될 수 있다. 순위 기반, 중앙값 기반, 또는 교차 거절 스코어링이 사용될 수 있다.

L2 표준 차분 맵은 정렬의 제곱 평균 제곱근(RMS) 잔여 노이즈를 포함하기 때문에 일종의 노이즈로서 간주될 수 있다. 투표 방법은 로버스트한 평균을 등록 템플릿으로 계산하기 위해 전체 모집단을 사용할 수 있는데, 이것은 전체 앙상블에 대한 등록 노이즈를 줄인다. 대조적으로, 전통적인 NCC 방법은 로버스트한 평균 대신에 무작위 샘플을 등록 템플릿으로서 선택하게 된다. 이 선택은, 상대적으로 임의적이기 때문에, 전체 모집단에 대한 등록 노이즈를 줄일 수 없다. 예를 들어, 선택되는 무작위 샘플은 모집단의 이상치일 수 있다.

POI는 동시발생하는 주변 등록 타겟들에 의해 그룹화될 수 있다. POI가 작아짐에 따라, 특히 POI가 양호한 등록 타겟이 아닌 경우(예컨대, 너무 평면적인 것, 1차원 패턴 등), POI 이미지 등록을 수행하기가 어려워질 수도 있다. 이 경우, 다른 등록 타겟뿐만 아니라 POI 자체도 등록에 필요할 수 있다. AATF 모듈에 의해 수행되는 이 기술은 POI를 동시발생하는 주변의 등록 타겟에 의해 상이한 정렬 그룹으로 그룹화하는 방법을 제공한다. 그런 다음 POI로부터 동일한 양만큼 오프셋된 이들 동시발생하는 타겟을 사용하여 각 정렬 그룹 내에서 등록이 행해진다.

AATF에서, POI 세트는 이미지 프로세싱 휴리스틱(heuristics)의 시퀀스를 사용하여 정렬 그룹으로 분할된다. 도 6은 탑-바텀 방식으로 정렬 및 적층되는 100개의 POI 이미지의 평균을 나타낸다. 높은 계조를 갖는 평균 이미지 A에는 구성요소가 여러 개 있다. 이들 구성요소는 100개의 POI 이미지 중 다수 개에 공통적일 수 있다. AATF는 POI 이미지 세트를 공통 구성요소를 갖는 서브세트로 나눌 수 있다. 이미지 B에 나타내는 바와 같이, 이것의 제1 단계는 평균 이미지 A의 높은 계조로 인해 공통 구성요소를 갖는 1, 2 및 3이라고 표시된 영역을 식별하는 것이다. 일례로, 이미지 B의 영역 1은 3개의 순수한(예컨대, 영역 1에서 100% 매칭) 이미지 세트 C1, C2 및 C3으로 분리된다.

등록 타겟으로서의 POI의 품질은, 타겟이 템플릿 이미지이고 이 템플릿 이미지가 기준 이미지를 구성하는 제로로 이루어진 작은 경계에 의해 패딩되는 경우에, 타겟의 NCC 맵 등의 자기상관 함수의 형태를 연구함으로써 평가될 수 있다. 예를 들어, 중심으로부터 x 및 y 양 방향으로의 낙하 속도(rapidity of the fall)를 나타내는 차분 척도가 평가되고, 이것이 사전 설정된 임계치보다 높으면, 등록 타겟은 양호한 것으로 간주될 수 있다.

주변부에서 야기되는 노이즈를 줄일 수 있다. 상이한 주변부 설계 패턴은 POI 영역에 상이한 양의 노이즈를 줄 수 있다. 이 기술은 동일하거나 유사한 주변 효과를 가진 POI 인스턴스를 동일한 주변 그룹으로 그룹화한 다음 이들 POI를 서로 비교하도록 설계된다. 먼저, 상이한 유사성 임계치를 사용하여 설계 클립을 클러스터링하여 주변 그룹을 생성하는 여러 방법을 찾을 수 있다. 그런 다음, POI 광학 이미지에 대해 분류되는 주변 그룹의 영향이 분석된다. 마지막으로, 각 주변 그룹 내의 추가 등록을 위해 의미 있는 "주변" 그룹화 방법이 선택된다.

설계 사이즈, 상호작용 거리, OPC, SRAF의 배치, 관련된 다양한 재료의 전자기 특성, 및 광학 효과를 포함한 물리적 인자가 나노미터부터 미크론까지 확장될 수 있는 주변 영향 거리를 초래할 수 있다.

POI를 주변 그룹으로 그룹화하기 위해, NCC 등의 유사성 척도를 사용하여 설계 클립이 평가될 수 있다. 그런 다음 동일한 클러스터에 속한 모든 설계 클립들은 특정의 미리 정의된 임계치보다 그들 사이에 높은 유사성 척도를 갖는다는 것을 보장함으로써 클러스터링이 이루어질 수 있다. 유사성 척도에 기반한 다른 클러스터링 방법도 사용할 수 있다. 예를 들어, 참조문헌으로서 전체가 포함되는, Duda & Hart, Pattern Classification and Scene Analysis(1973)의 제6장에 개시된 기술을 사용할 수 있다. 선택사항으로서, 설계 클립 클러스터는, 모든 쌍의 설계 클립 클러스터에서의 POI 간의 NCC와 같은 유사성 척도를 사용하여 설계 클립 클러스터를 POI의 주변 그룹으로 병합될 수 있다. 설계 유사성 때문에, 한 클러스터 내의 모든 설계 클립에 대응하는 모든 POI의 주변 효과는 유사하다. 그러나, 2개의 상이한 클러스터 내부의 설계 클립은 그들의 대응하는 POI에서 유사한 주변 효과를 가질 수 있다.

다이 내부 검사에서 전체 웨이퍼 커버리지가 필요할 수 있다고 한다면, 정렬 흐름에는 셋업 단계와 실행 단계의 두 단계가 있을 수 있다.

셋업 단계에서, 상기 POI를 포함하는 상호 정렬된 광학 이미지의 "골든" 세트 상의 하나 이상의 위치가 각 POI(서브타입을 포함함)마다 결정된다. 이 "골든" 세트가 그 POI에 대한 정렬 그룹의 대표치이다. 이것은 그 POI의 POI 정렬 그룹 트레이닝 데이터(PAGTD)라고 칭해질 수 있다. PAGTD는 POI, 로버스트한 평균 또는 중앙값, 템플릿 위치 등을 포함하는 상호 정렬된 광학 이미지로 구성된다. POI의 PAGTD 상에서 식별된 하나 이상의 템플릿 위치는 다이 내부 검사 "실행" 시에 상기 POI를 포함하는 임의의 광학 패치 이미지 내(웨이퍼 상)에서 그것이 나타내는 POI의 위치를 정확하게 표시하는데 사용될 수 있다.

POI의 서브타입은 그 주변 내의 다른 형상을 포함하기 위한 POI의 공간적인 확장이다. 이 서브타입의 정의는 각 POI 타입마다 사용자(예컨대, 반도체 제조사)에 의해 작성될 수 있다. 이로 말미암아 각 POI의 추가 세분(subdivision)이 가능하다.

정렬 흐름 셋업의 초기 단계 동안, 자체가 양호한 정렬 타겟인 POI의 광학 이미지는 분리된다. 따라서, 이들 POI의 이미지가 자체의 정렬 그룹을 형성한다. 이 흐름이 도 8에 도시된다.

정렬 흐름 셋업은 설계에서(예컨대, 설계 렌더링 이미지에서) 이루어질 수 있다. POI가 그 자체로 양호한 정렬 타겟이 아니며 설계를 이용할 수 있는 경우의 대응하는 정렬 흐름이 도 9에 도시된다. 이 경우, POI는 AATF 모듈에 의해 정렬 그룹으로 해체되고, PAGTD는 POI 정렬 그룹의 데이터를 포함한다. 사용자가 정렬 타겟을 정의하면 AATF 모듈은 도 9에 도시하는 바와 같이 우회될 수 있다.

정렬 흐름 설정은 설계 없이도 (예컨대 SEM 이미지에서) 이루어질 수 있다. POI가 그 자체로 양호한 정렬 타겟이 아니며/아니거나 설계를 이용할 수 없고, 설계 대신에 SEM 이미지를 사용하는 경우의 그 대응하는 정렬 흐름이 도 10에 도시된다. 이미지 수집시 통상의 SEM 검토 툴의 속도가 느리기 때문에, 전체 세트보다는 POI 위치의 서브세트를 대상으로 하여, 이미지의 샘플이 수집될 수 있다. 이에, 확률론적 커버리지의 문제가 될 수 있는데, 샘플링 방식은 보다 완전한 커버리지를 위한 루프를 허용한다. 이 루프는 설계 클립 프록시 이미지가 빠지지 않는 것을 보장할 수 있다. 이 루프는 도 10의 결정 마름모에서 개시되고, 양호한 광학 템플릿 매칭 스코어를 제공하지 않는 위치를 포함하는 SEM 이미지에 대해 새로운 위치 샘플이 작성된다. 이 경우, 정렬 타겟은 SEM AATF 알고리즘 모듈을 사용하여 자동으로 또는 사용자가 정의한다면 수동으로 SEM 이미지에서 찾을 수 있다.

POI 클립은 2개 이상의 정렬 그룹 사이에서 공간적 대응에 의해 추출될 수 있다. POI의 2개의 정렬 그룹이 주어지면, POI의 위치가 결정될 수 있도록 2개의 그룹이 등록될 수 있고, 따라서 그 이미지가 둘 사이에서 비교될 수 있다. 도 11은 이 기술의 일례를 보여준다. 2개의 정렬 그룹을 나타내는 2개의 SEM/설계 이미지 내의 POI는 서브픽셀 레벨로 정렬될 수 있다. 그런 다음 그 정렬 그룹의 템플릿 타겟으로부터의 POI의 오프셋이 서브픽셀 레벨로 정의될 수 있다. 정렬 그룹의 SEM/설계 이미지와 그 정렬된 광학 패치 대표치 간의 공간적 대응에 의해, 그것을 포함하는 모든 광학 패치에서의 서브픽셀 레벨에 대한 POI의 위치가 결정될 수 있다.

검사 "실행" 시의 정렬 흐름이 도 12에 도시된다. 추가 분석을 위해 전송하기 전에 여기에서 자세히 설명한 바와 같이 POI 클립을 추출하기 위해 셋업 단계 중에 작성된 PAGTD를 사용할 수 있다.

투표에 의한 로버스트한 등록이 수행될 수 있다. 여기에 개시하는 실시형태는 전체 모집단으로부터의 정보인 로버스트한 평균 POI 이미지가 사용되기 때문에 더욱 로버스트할 수 있다. 로버스트한 평균 이미지를 계산할 필요 없이 POI 이미지의 모집단에서 각 POI 이미지가 이상치인 정도를 정량적으로 측정하는데 사용할 수 있는 거절 스코어 방법을 사용할 수 있다. 샘플의 모집단이 주어지면, 각 POI 이미지가 POI 이미지의 모집단에서 이상치인 정도에 따라 이상치가 발견되고 순위 또는 스코어가 매겨진다. 선택사항으로서, 이미지는 모집단에서의 이상치의 특정 백분율에 대한 투표 방법을 사용하여 재등록된다. 따라서, POI 이미지의 모집단에서 각 POI 이미지가 이상치인 정도를 감소시키기 위해 이미지가 이동할 수 있다. POI 이미지의 모집단에서 각 POI 이미지가 이상치인 정도를 줄이거나 정렬을 향상시키기 위한 이동의 정도는 다를 수 있다. 그러나, 투표에 의한 등록의 목표는 스코어 또는 순위를 최소화하여 가능한 한 많은 포인트가 그 분포 내의 정상치이게 하는 것일 수 있다. 각 POI 이미지가 이상치인 정도는 예컨대 거절 또는 편차 스코어링 방법에 기초하여 스코어로서 계산될 수 있다.

이동 경로는 각 POI 이미지가 이상치인 정도를 줄이는데 사용될 수 있다. 로버스트한 평균 템플릿과 기준 POI 이미지가 오정렬되면, 각 POI 이미지가 기준 이미지의 이상치인 정도에 대응하는 편차 스코어가 커진다. 로버스트한 평균 템플릿과 기준 POI 이미지가 정렬되면, 편차 스코어가 더 작아진다.

예를 들어, 투표에 의한 등록은 각 픽셀이 독립적으로 중앙값으로부터 얼마나 멀리 떨어져 있는지를 카운팅할 수 있다. 이것은 이상치의 위치를 합할 수 있다. 가장 적은 수의 이상치를 제공하는 정렬 패턴이 투표 등록에 의해 선호될 수 있다. 이것은 각 픽셀의 개별 기여를 설명할 수 있다.

투표에 의한 로버스트한 등록은 결과를 개선시키는데 사용될 수 있다. 여기에 개시하는 기술은 전체 모집단으로부터의 정보인 로버스트한 평균 POI 이미지를 각각이 사용할 수 있기 때문에 보다 로버스트할 수 있다. 로버스트한 평균 이미지를 계산할 필요 없이 각 POI 이미지가 이상치인 정도를 정량적으로 측정할 수 있는 거절 스코어 방법이 사용될 수 있다. 이미지는 선택적으로, 모집단에서의 아웃아이어의 특정 백분율에 대한 투표 기술을 사용하여 재등록될 수 있다.

POI는 동시발생하는 주변 등록 타겟들에 의해 그룹화될 수 있다. 여기에 개시하는 실시형태들은 POI 그 자체가 양호한 등록 타겟이 아닌 경우 등록을 개선하기 위해 POI 이미지를 동시발생하는 주변 등록 타겟들에 의해 그룹화할 수 있는 능력을 제공할 수 있다. 예를 들어, POI 주변에서 동시발생하는 타겟들이 조사될 수 있으며, 등록에 양호한 타겟만이 선택될 수 있다.

주변에서 야기되는 노이즈를 줄일 수 있다. 여기에 개시하는 기술은, POI를 주변 그룹으로 그룹화하여, 모든 주변 그룹에서 POI 상의 각 픽셀마다 노이즈 통계(예컨대, 평균 및 표준 편차) 면에서 각각의 그룹이 주변 영역으로부터의 유사한 노이즈 레벨을 나타내게 하는데 설계 및/또는 광학 이미지를 사용한다. 이러한 한 그룹에서 다른 그룹으로의 노이즈 기여에 있어서 통계적으로 유의미한 차이가 있을 수 있다. 이것은 주변부에서 야기되는 노이즈를 줄일 수 있다. 낮은 분산은 노이즈 파라미터의 추정치에서의 높은 신뢰도와 등가일 수 있으며, 이에 주변 그룹 내의 POI 상의 모든 픽셀에 대한 이상치(예컨대, 결함)를 보다 정확하게 검출할 수 있다.

설계 클립 및 광학 패치로부터의 정보를 사용하여 POI 주변부를 그룹화하는 일례가 도 7a와 도 7b에 도시되어 있다. 도 7a는 설계 클립을 클러스터링함으로써 유사한 설계 주변부의 그룹화를 도시한다. 도 7b는 인자 분석 방법을 사용하여 이상치 스코어를 예측하기 위한 "주변부"의 그룹화의 중요성을 나타낸다. 그룹화가 의미있다면, 인자 분석 차트에서의 "주변 그룹"의 중요성은 다이 위치 및 다이 내의 위치 등의 다른 영향 인자와 비교하여 알 수 있을 것이다.

또한 투표에 의한 로버스트한 등록은 등록에서 야기되는 노이즈를 줄이는데 사용될 수 있다. 로버스트한 등록의 일례가 도 5에 도시된다. 첫번째 행은 한 샘플의 투표용 재정렬된 POI 이미지, 로버스트한 평균 POI, 및 전통적인 NCC 등록에 의해 사용된 템플릿을 보여준다. 두번째 행에는, 자르기(cropping) 전의 오리지널 전체 광학 패치, L2 표준 거리 맵, 및 NCC 검색 맵이 표시된다. 오리지널 광학 패치 상의 박스는 웨이퍼의 검사 중에 실행되는 PDA(pixel to design alignment)에 의해 제공되는 POI의 최초 위치, 랜덤 템플릿을 사용한 NCC의 등록 결과, 및 투표 방법을 적용한 후의 등록 결과를 보여준다. 투표 방법으로 생성된 POI 이미지 클립은 NCC 방법으로 생성된 클립보다 로버스트한 평균 POI에 더 유사하다.

L2 표준 차분 맵과 NCC 맵 둘 다는 템플릿 매칭에 사용될 수 있지만, 여러면에서 다르다. L2 표준 차분 맵의 경우, 사용되는 매칭 통계는 검색 이미지의 계조와 템플릿 이미지 사이의 일반화된 유클리드 거리(예컨대, 제곱 차분의 합)이다. 2개의 이미지에서 겹치는 픽셀 세트에 대한 계조값 쌍이 매칭 통계에 입력될 수 있다. 템플릿 이미지의 모든 시프트 (x, y)에 대해 계산된 통계 값은 맵이라고 칭할 수 있는 어레이로 작성될 수 있다. NCC의 경우, 사용되는 매칭 통계는 -1과 +1 사이에 경계가 있는 Pearson 상관 계수이다. 완전한 매칭은 L2 표준 차분 맵의 경우 매칭 통계 값이 0일 때 발생하지만, NCC의 경우에는 매칭 통계 값이 +1일 때에 완전 매칭이 발생한다. 따라서, 최상의 매칭은 L2 표준 차분 맵의 경우 최소값에서 그리고 NCC의 경우 최대 값에서 발생한다.

POI를 동시발생하는 주변 등록 타겟들에 의해 그룹화하는 것은 또한 등록에서 야기되는 노이즈를 줄이는데 사용될 수 있다. 제품 웨이퍼로부터의 설계 이미지를 그룹화하는 일례가 도 6에 도시된다. 100개의 이미지가 3 그룹으로 그룹화된다. 한 그룹 내의 설계 이미지는 순도 마스크(purity mask)에 의해 하이라이팅된 동일한 동시발생성을 가진 등록 타겟을 공유한다. POI 자체와 함께 순도 마스크 내부에서 동시에 발생하는 타겟은 더 나은 등록을 위해 사용될 수 있다.

도 13은 등록의 실시형태의 흐름도이다. 다이 내부 검사에 사용될 수 있는 방법(100)에서, POI는 동시발생하는 근접한 등록 타겟들에 의해 하나 이상의 정렬 그룹으로 그룹화된다(101). 각 정렬 그룹 내의 동시발생하는 근접한 등록 타겟들은 POI로부터 동일 양만큼 오프셋될 수 있다. POI는 설계 파일에 기초한 렌더링 이미지 내에 그리고/또는 SEM 이미지 등의 웨이퍼 이미지 내에 있을 수 있다. 그룹화(101)는 정렬 타겟 파인더 모듈을 사용할 수 있다. 각 정렬 그룹은 POI로부터 동일한 양만큼 오프셋된 동시발생하는 근접한 등록 타겟들을 사용하여 등록된다(102). 등록(102)에 이어서, 투표에 의한 등록(103) 및 POI의 주변 그룹으로의 그룹화(104)가 일어난다. 투표에 의한 등록(103)은 POI 각각이 이상치인 정도를 측정하는 것을 포함할 수 있다. POI를 적어도 하나의 주변 그룹으로 그룹화(104)하는 것은 동일한 주변 설계 효과를 가진 주변 그룹을 형성한다.

그룹화(104)는 투표에 의한 등록(103) 후에 일어날 수 있다. 투표에 의한 등록(103)은 그룹화(104) 후에도 일어날 수 있으며, 이 경우 투표에 의한 등록(103)은 적어도 하나의 주변 그룹 각각에 대해 수행된다.

방법(100)은, 하나 이상의 정렬 그룹으로 그룹화(101)하기 전에 샘플링 모듈로 지능형 샘플링을 수행하는 단계를 더 포함할 수 있다.

투표에 의한 등록(103)은 로버스트한 평균 이미지를 등록 템플릿으로서 취함으로써 전체 이미지 모집단으로부터의 정보를 사용할 수 있다. 투표에 의한 등록(103)은 각 정렬 그룹에서의 이상치의 백분율로부터의 정보를 사용할 수 있다.

여기에 개시하는 실시형태는 POI 이미지의 등록에 대해 보다 로버스트하고 정확하도록 설계되는데, 이것은 다이 내부 검사의 더욱 엄격한 요건에 적합할 수 있다. 본 개시내용의 기술은 POI 그 자체가 적절한 타겟 템플릿이 아닌 경우에 POI의 등록 방법을 제공한다. 이 방법은 POI 영역이 너무 작아서 정확하게 정렬될 수 없거나 POI 이미지가 그 주변부 내의 상이한 패턴으로부터 너무 많은 노이즈를 받는 경우에 필요해질 수 있다.

여기에 개시하는 실시형태는 POI 모집단의 다이 내부 검사에 유용할 수 있는 이미지의 모집단을 서로 정렬할 수 있다. AATF 및 주변부 그룹화는 POI를 둘러싸는 설계의 변화와 광학적 응답의 변화에도 불구하고 이 로버스트한 등록을 가능하게 한다.

다이 내부 검사와 관련하여 개시하지만, 여기에 개시하는 실시형태는 다른 적용에도 사용될 수 있다. 예를 들어, 다이 대 다이 검사는 로버스트한 등록과 동시발생하는 타겟 등록 방법을 사용하여, 현재의 인라인 등록 방법이 실패할 때 보다 로버스트하고 정확한 등록을 제공할 수 있다. 동일한 형상 위치에서 또는 그 주변에서 발생하는 결함의 임의의 사후 검사 분석은, 예를 들어 샘플링을 위해 결함의 순위를 매기기 위해, 이러한 분석이 수행되기 전에 광학 패치가 서로 정렬되는 것을 필요로 할 수 있다.

도 14는 본 개시내용에 따른 시스템의 블록도이다. 컨트롤러(205)는 결함 검토 시스템(200) 및/또는 설계 기반 비닝(DBB) 서버(209)와 전자 통신한다.

결함 검토 시스템(200)은 웨이퍼(203) 또는 다른 워크피스를 유지하도록 구성된 스테이지(204)를 포함한다. 스테이지(204)는 1, 2 또는 3개의 축으로 이동 또는 회전하도록 구성될 수 있다. 결함 검토 시스템(200)은 또한 웨이퍼(203)의 표면의 이미지를 생성하도록 구성된 이미지 생성 시스템(201)을 포함한다. 이미지는 웨이퍼(203)의 특정 층 또는 영역에 대한 것일 수 있다. 이 예에서, 이미지 생성 시스템(201)은 전자 빔(202)을 생성하여 테스트 이미지(203)를 생성한다. 예컨대, 광대역 플라즈마 또는 레이저 스캐닝을 사용하는, 다른 이미지 생성 시스템(201)이 가능하다. 예를 들어, 암시야 촬상 또는 명시야 촬상은 이미지 생성 시스템(201)에 의해 수행될 수 있다. 결함 검토 시스템(200) 및/또는 이미지 생성 시스템(201)은 웨이퍼(203)의 테스트 이미지를 생성할 수 있다.

여기에서 사용하는 "웨이퍼"라는 용어는 일반적으로 반도체 또는 비반도체 재료로 형성된 기판을 지칭한다. 이러한 반도체 또는 비반도체 재료의 예는 단결정 실리콘, 갈륨 질화물, 갈륨 비화물, 인듐 인화물, 사파이어 및 유리를 포함하지만, 이들에 한정되지는 않는다. 이러한 기판은 주로 반도체 제조 설비에서 발견 및/또는 처리될 수 있다.

웨이퍼는 기판 상에 형성된 하나 이상의 층을 포함할 수 있다. 예를 들어, 이러한 층은 포토레지스트, 유전체 물질, 전도성 물질, 및 반도체성 물질을 포함할 수 있지만, 이들에 한정되는 것은 아니다. 다수의 상이한 유형의 이러한 층이 당업계에 공지되어 있으며, 여기에서 사용되는 웨이퍼라는 용어는 모든 유형의 이러한 층을 포함하는 웨이퍼를 포함하는 것이 의도된다.

웨이퍼 상에 형성된 하나 이상의 층은 패터닝되거나 패터닝되지 않을 수도 있다. 예를 들어, 웨이퍼는 각각 반복 가능한 패터닝된 피처 또는 주기적인 구조를 갖는 복수의 다이를 포함할 수 있다. 이러한 재료 층의 형성 및 처리로 결국 완성된 디바이스가 될 수 있다. 다수의 상이한 유형의 디바이스가 웨이퍼 상에 형성될 수 있으며, 여기에서 사용하는 웨이퍼라는 용어는 당업계에 공지된 임의의 유형의 디바이스가 제조되는 웨이퍼를 포함하는 것이 의도된다.

특정 예에서, 결함 검토 시스템(200)은 주사 전자 현미경(SEM)의 일부이거나 주사 전자 현미경(SEM)이다. 웨이퍼(203)의 이미지는 포커싱된 전자 빔(202)으로 웨이퍼(203)를 스캐닝함으로써 생성된다. 전자는 웨이퍼(203)의 표면 토포그래피 및 조성에 관한 정보를 포함하는 신호를 생성하는데 사용된다. 전자 빔(202)은 래스터 스캔 패턴으로 스캐닝될 수 있고, 전자 빔(202)의 위치는 검출된 신호와 조합되어 이미지를 생성할 수 있다.

DBB 서버(209)는 반도체 웨이퍼 또는 다른 워크피스를 위한 설계 이미지를 저장하도록 구성된다.

결함 검토 시스템(200)과 DBB 서버는 컨트롤러(205)와 통신할 수 있다. 예를 들어, 컨트롤러(205)는 이미지 생성 시스템(201), 또는 결함 검토 시스템(200)의 다른 구성요소와 통신할 수 있다. 컨트롤러(205)는 프로세서(206), 프로세서(206)와 전자 통신하는 전자 데이터 저장 유닛(207), 및 프로세서(206)와 전자 통신하는 통신 포트(208)를 포함할 수 있다. 컨트롤러(205)는 하드웨어, 소프트웨어 및 펌웨어의 임의의 조합에 의해 실제로 구현될 수 있음을 이해해야 한다. 또한, 여기에서 설명하는 기능은 하나의 유닛에 의해 수행되거나, 상이한 구성요소들 중에 분할되어, 그 각각은 하드웨어, 소프트웨어 및 펌웨어의 임의의 조합에 의해 순차로 구현될 수 있다. 여기에 설명하는 다양한 방법 및 기능을 컨트롤러(205)가 구현하기 위한 프로그램 코드 또는 명령어는 컨트롤러(205) 내부에, 컨트롤러(205) 외부에, 또는 이들의 조합으로, 전자 데이터 저장 유닛(207) 내의 메모리 등의 컨트롤러 판독 가능한 저장 매체에 저장될 수 있다.

컨트롤러(205)는, 컨트롤러(205)가 촬상 디바이스(201)로부터의 출력, 또는 DBB 서버(209)에 의해 생성된 출력 등의, 결함 검토 시스템(200)에 의해 생성된 출력을 수신할 수 있게 하는 임의의 적절한 방식으로(예컨대, "유선" 및/또는 "무선" 전송 매체를 포함할 수 있는 하나 이상의 전송 매체를 통해) 결함 검토 시스템(200) 또는 DBB 서버(209)의 구성요소에 결합될 수 있다. 컨트롤러(205)는 출력을 사용하여 다수의 기능을 수행하도록 구성될 수 있다. 예를 들어, 컨트롤러(205)는 출력을 사용하여 웨이퍼(203)에 대해 결함을 검토하도록 구성될 수 있다. 다른 예에서, 컨트롤러(205)는 출력에 대한 결함 검토를 수행하지 않고서 출력을 전자 데이터 저장 유닛(207) 또는 다른 저장 매체에 전송하도록 구성될 수 있다. 컨트롤러(205)는 예컨대 도 1, 도 2, 또는 도 13의 실시형태를 수행하기 위해, 본 명세서에 설명하는 바와 같이 또한 구성될 수 있다.

여기에 설명하는 컨트롤러(205), 다른 시스템(들), 또는 다른 서브시스템(들)은 퍼스널 컴퓨터 시스템, 이미지 컴퓨터, 메인 프레임 컴퓨터 시스템, 워크스테이션, 네트워크 어플라이언스, 인터넷 어플라이언스, 또는 다른 디바이스를 포함하는 다양한 형태를 취할 수 있다. 일반적으로, "컴퓨터 시스템"이란 용어는 메모리 매체로부터 명령어를 실행하는 하나 이상의 프로세서를 갖는 임의의 디바이스를 포함하도록 넓게 정의될 수 있다. 서브시스템(들) 또는 시스템(들)은 또한 당업계에 공지된 병렬 프로세서 등의 임의의 적합한 프로세서를 포함할 수 있다. 또한, 서브시스템(들) 또는 시스템(들)은 고속 프로세싱 및 소프트웨어를 구비한 플랫폼을, 독립형 또는 네트워크형 툴로서 포함할 수 있다.

시스템이 복수의 서브시스템을 포함하면, 서브시스템 간에 이미지, 데이터, 정보, 명령어 등을 전송할 수 있도록 상이한 서브시스템이 서로 결합될 수 있다. 예를 들어, 하나의 서브시스템은 당업계에 공지된 임의의 적합한 유선 및/또는 무선 전송 매체를 포함할 수 있는 임의의 적합한 전송 매체에 의해 추가 서브시스템(들)에 결합될 수 있다. 이러한 서브시스템들 중 2 이상은 또한 공유된 컴퓨터 판독 가능한 저장 매체(도시되지 않음)에 의해 사실상 결합될 수 있다.

추가 실시형태는 여기에 개시하는 바와 같이, 웨이퍼 상에서 이상을 식별하거나 컴플라이언스/비컴플라이언스를 검출하는 컴퓨터 구현 방법을 수행하기 위한, 컨트롤러 상에서 실행 가능한 프로그램 명령어를 저장하는 비일시적 컴퓨터 판독 가능 매체에 관한 것이다. 특히, 도 13에 도시하는 바와 같이, 전자 데이터 저장 유닛(207) 또는 다른 저장 매체는 컨트롤러(205) 상에서 실행 가능한 프로그램 명령어를 포함하는 비일시적 컴퓨터 판독 가능 매체를 포함할 수 있다. 컴퓨터 구현 방법은 여기에 설명하는 임의의 방법(들)의 임의의 단계(들)을 포함할 수 있다.

여기에 설명하는 방법와 같은 방법들을 구현하는 프로그램 명령어는 전자 데이터 저장 유닛(207) 또는 다른 저장 매체에서와 같은 컴퓨터 판독 가능한 매체 상에 저장될 수 있다. 컴퓨터 판독 가능한 매체는 자기 또는 광 디스크, 자기 테이프, 또는 당업계에 알려진 기타 적절한 비일시적인 컴퓨터 판독 가능한 매체 등의 저장 매체일 수 있다.

프로그램 명령어는 무엇보다도 프로시저 기반의 기술, 컴포넌트 기반의 기술, 및/또는 객체 지향 기술을 비롯한 다양한 방식 중 임의의 것으로 구현될 수 있다. 예를 들어, 프로그램 명령어는 원하는 대로, ActiveX controls, C++ objects, JavaBeans, Microsoft Foundation Classes("MFC"), SSE(Streaming SIMD Extension) 또는 기타 기술 또는 방법론을 이용하여 구현될 수 있다.

컨트롤러(205)는 여기에 설명하는 실시형태 중 임의의 것에 따라 구성될 수 있다. 예를 들어, 컨트롤러(205)는 도 1, 도 2, 또는 도 13의 단계 중 일부 또는 모두를 수행하도록 프로그래밍될 수 있다.

결함 검토 시스템의 일부로서 개시되었지만, 여기에 설명하는 컨트롤러(205)는 검사 시스템과 함께 사용하도록 구성될 수 있다. 다른 실시형태에 있어서, 여기에 설명하는 컨트롤러(205)는 계측 시스템과 함께 사용하도록 구성될 수 있다. 따라서, 여기에 개시하는 실시형태는 상이한 적용에 다소 적합한 상이한 촬상 성능을 갖는 시스템에 대해 다수의 방식으로 조정될 수 있는 분류에 맞게 일부 구성을 설명한다.

본 방법의 각 단계는 본 명세서에서 또한 설명하는 대로 수행될 수 있다. 방법은 또한 여기에 설명하는 컨트롤러 및/또는 컴퓨터 서브시스템(들) 또는 시스템(들)에 의해 수행될 수 있는 기타 단계(들)를 포함할 수 있다. 단계들은 여기에 설명하는 임의의 실시형태에 따라 구성될 수 있는 하나 이상의 컴퓨터 시스템에 의해 수행될 수 있다. 또한, 전술한 방법은 여기에 설명하는 임의의 시스템 실시형태에 의해 수행될 수도 있다.

하나 이상의 특정 실시형태와 관련하여 본 개시내용을 설명하였지만, 본 개시내용의 다른 실시형태는 본 개시내용의 범위를 벗어나지 않고 이루어질 수 있음을 이해할 것이다. 따라서, 본 개시내용은 첨부하는 청구범위 및 그것의 적절한 해석에 의해서만 제한되는 것으로 간주된다.

Claims

시스템에 있어서,
프로세서와, 상기 프로세서와 전자 통신하는 전자 데이터 저장 유닛, 및 상기 프로세서 및 상기 전자 데이터 저장 유닛과 전자 통신하는 통신 포트를 포함하는 컨트롤러를 포함하고, 상기 컨트롤러는,
정렬 타겟 파인더 모듈을 사용하여, 관심 패턴들을 동시발생하는 근접한 등록 타겟들에 의해 하나 이상의 정렬 그룹으로 그룹화하고,
상기 관심 패턴들로부터 동일한 양만큼 오프셋된 상기 동시발생하는 근접한 등록 타겟들을 사용하여 각 정렬 그룹을 등록하며,
투표(voting)에 의해 등록하고 - 상기 투표에 의한 등록은 상기 관심 패턴들 각각이 이상치(outlier)인 정도를 측정하는 것을 포함함 - ,
상기 관심 패턴들을 동일한 주변 설계 효과(vicinity design effect)를 가진 적어도 하나의 주변 그룹으로 그룹화하도록 구성되는 것인 시스템.
제1항에 있어서, 상기 컨트롤러는 설계에 기반한 비닝 서버(design based binning server)와 전자 통신하는 것인 시스템.
제1항에 있어서, 상기 컨트롤러는 웨이퍼 이미지를 생성하도록 구성되는 검토 툴과 전자 통신하며, 상기 검토 툴은,
상기 웨이퍼를 유지하도록 구성된 스테이지와,
상기 웨이퍼 이미지를 생성하도록 구성되며, 전자 빔, 광대역 플라즈마, 또는 레이저 중 적어도 하나를 사용하여 상기 웨이퍼 이미지를 생성하도록 구성되는 이미지 생성 시스템
을 포함하는 것인 시스템.
제3항에 있어서, 상기 검토 툴은 주사 전자 현미경인 것인 시스템.
제1항에 있어서, 상기 관심 패턴들은 설계 파일에 기초한 렌더링 이미지(rendered image) 내에 있는 것인 시스템.
제1항에 있어서, 상기 관심 패턴들은 웨이퍼 이미지 내에 있는 것인 시스템.
제6항에 있어서, 상기 웨이퍼 이미지는 주사 전자 현미경 이미지인 것인 시스템.
제1항에 있어서, 상기 컨트롤러는 또한, 상기 하나 이상의 정렬 그룹으로 그룹화하기 전에 샘플링 모듈로 지능형 샘플링을 수행하도록 구성되는 것인 시스템.
제1항에 있어서, 상기 컨트롤러는 다이 내부 검사(intra-die inspection)를 수행하도록 구성되는 것인 시스템.
방법에 있어서,
컨트롤러를 이용해, 정렬 타겟 파인더 모듈을 사용하여, 관심 패턴들을 동시발생하는 근접한 등록 타겟들에 의해 하나 이상의 정렬 그룹으로 그룹화하는 단계와,
상기 컨트롤러를 이용해, 상기 관심 패턴들로부터 동일한 양만큼 오프셋된 상기 동시발생하는 근접한 등록 타겟들을 사용하여 각 정렬 그룹을 등록하는 단계와,
상기 컨트롤러를 이용해, 투표에 의해 등록하는 단계 - 상기 투표에 의한 등록은 상기 관심 패턴들 각각이 이상치인 정도를 측정하는 것을 포함함 -,
상기 컨트롤러를 이용해, 상기 관심 패턴들을 동일한 주변 설계 효과를 가진 적어도 하나의 주변 그룹으로 그룹화하는 단계
를 포함하는 방법.
제10항에 있어서, 상기 관심 패턴들을 동일한 주변 설계 효과를 가진 적어도 하나의 주변 그룹으로 그룹화하는 단계는, 상기 투표에 의한 등록 전에 일어나며, 상기 투표에 의한 등록은 상기 적어도 하나의 주변 그룹 각각에 대해 수행되는 것인 방법.
제10항에 있어서, 상기 관심 패턴들을 동일한 주변 설계 효과를 가진 적어도 하나의 주변 그룹으로 그룹화하는 단계는 상기 투표에 의한 등록 후에 일어나는 것인 방법.
제10항에 있어서, 상기 관심 패턴들은 설계 파일에 기초한 렌더링 이미지 내에 있는 것인 방법.
제10항에 있어서, 상기 관심 패턴들은 웨이퍼 이미지 내에 있는 것인 방법.
제14항에 있어서, 상기 웨이퍼 이미지는 주사 전자 현미경 이미지인 것인 방법.
제10항에 있어서, 상기 하나 이상의 정렬 그룹으로 그룹화하는 단계 전에, 샘플링 모듈로 지능형 샘플링을 수행하는 단계를 더 포함하는 방법.
제10항에 있어서, 각각의 상기 정렬 그룹 내의 상기 동시발생하는 근접한 등록 타겟들은 상기 관심 패턴으로부터 동일 양만큼 오프셋되는 것인 방법.
제10항에 있어서, 상기 투표에 의한 등록은, 로버스트(robust)한 평균 이미지를 등록 템플릿으로서 취함으로써 전체 이미지 모집단으로부터의 정보를 사용하도록 구성되는 것인 방법.
제10항에 있어서, 상기 투표에 의한 등록은, 각각의 상기 정렬 그룹 내의 이상치의 백분율로부터의 정보를 사용하도록 구성되는 것인 방법.
제10항에 있어서, 상기 방법은 다이 내부 검사를 위한 것인 방법.