KR20210011057A - 다중 산란 신호에 기초한 매립된 파티클 깊이 비닝 - Google Patents

다중 산란 신호에 기초한 매립된 파티클 깊이 비닝 Download PDF

Info

Publication number
KR20210011057A
KR20210011057A KR1020217000554A KR20217000554A KR20210011057A KR 20210011057 A KR20210011057 A KR 20210011057A KR 1020217000554 A KR1020217000554 A KR 1020217000554A KR 20217000554 A KR20217000554 A KR 20217000554A KR 20210011057 A KR20210011057 A KR 20210011057A
Authority
KR
South Korea
Prior art keywords
sample
depth
defects
inspection system
signals
Prior art date
Application number
KR1020217000554A
Other languages
English (en)
Other versions
KR102495449B1 (ko
Inventor
하이핑 장
알렉스 유 (강)
Original Assignee
케이엘에이 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 코포레이션 filed Critical 케이엘에이 코포레이션
Publication of KR20210011057A publication Critical patent/KR20210011057A/ko
Application granted granted Critical
Publication of KR102495449B1 publication Critical patent/KR102495449B1/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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/21—Polarisation-affecting properties
    • G01N21/211—Ellipsometry
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/4795—Scattering, i.e. diffuse reflection spatially resolved investigating of object in scattering medium
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • 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
    • G01N21/9505—Wafer internal defects, e.g. microcracks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N2021/4704—Angular selective
    • G01N2021/4707—Forward scatter; Low angle scatter
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N2021/4704—Angular selective
    • G01N2021/4711—Multiangle measurement
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N2021/4704—Angular selective
    • G01N2021/4726—Detecting scatter at 90°
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N2021/4792—Polarisation of scatter light
    • 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
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G01N2021/8438—Mutilayers
    • 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
    • G01N2021/8883—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 involving the calculation of gauges, generating models
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/063—Illuminating optical parts
    • G01N2201/0638—Refractive parts

Landscapes

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

Abstract

검사 시스템은 조명 빔을 생성하기 위한 조명 소스, 조명 빔을 샘플로 지향시키기 위한 조명 광학장치를 포함할 수 있다. 본 시스템은 샘플로부터 제1 입체각 범위 내의 그리고 제1 선택된 편광에서의 광을 수집하기 위한 제1 수집 채널을 더 포함할 수 있다. 본 시스템은 샘플로부터 제2 입체각 범위인 제2 각도 범위 내의 그리고 제2 선택된 편광에서의 광을 수집하기 위한 제2 수집 채널을 더 포함할 수 있다. 본 시스템은 2개 이상의 산란 신호를 수신하기 위한 제어기를 더 포함할 수 있다. 산란 신호는 선택된 편광을 갖는 제1 수집 채널 및 제2 수집 채널로부터의 신호를 포함할 수 있다. 제어기는 2개 이상의 산란 신호를 알려진 깊이에 알려진 결함을 갖는 트레이닝 샘플로부터의 데이터를 포함하는 트레이닝 데이터와 비교하는 것에 기초하여 샘플에서의 결함의 깊이를 추가로 결정할 수 있다.

Description

다중 산란 신호에 기초한 매립된 파티클 깊이 비닝
관련 출원의 상호 참조
본 출원은, 2018년 6월 19일자로 출원되고, 발명의 명칭이 EMBEDDED PARTICLE DEPTH BINNING USING CHANNEL BASED METHOD BY MORE THAN TWO SCANS이며, Haiping Zhang과 Alex Yu를 발명자로서 기명하고 있는 미국 가출원 제62/687,123호의 35 USC § 119(e)에 따른 이익을 주장하며, 이 미국 가출원은 참조에 의해 전체가 본 명세서에 포함된다.
기술 분야
본 개시는 일반적으로 결함 검사에 관한 것이고, 특히 결함의 깊이 결정에 관한 것이다.
3D 메모리 스택과 같은, 그러나 이에 제한되지 않는 반도체 디바이스는 수십 또는 수백 개의 막 층을 포함할 수 있는 다층 막 스택을 포함한다. 그러한 다층 막 스택은 막 층 중 임의의 것에 매립된 결함이 발생할 수 있으며, 전형적으로 결함 빈도 및 결함이 발생하는 깊이 둘 모두를 모니터링하는 것이 바람직하다. 예를 들어, 결함 깊이 데이터는 결함이 발생할 수 있는 특정 제조 단계를 정확히 찾아낼(pinpoint) 수 있다. 그렇지만, 각각의 층의 퇴적 이후에 다층 샘플을 검사하는 것은 전형적으로 바람직하지 않고 그리고/또는 비실용적이다. 따라서, 다층 샘플은 전형적으로 다수의 층 또는 심지어 전체 막 스택의 퇴적 이후에 결함에 대해 검사될 수 있다.
막 스택의 수가 증가함에 따라, 매립된 결함의 깊이 정보를 결정하는 것이 점점 더 어려워지고 있다. 예를 들어, 다층 스택에서의 매립된 결함의 깊이는 전형적으로 집속 이온 빔(focused ion-beam; FIB) 밀링과 같은 침습적 접근법을 사용하여 정확하게 결정될 수 있다. 그렇지만, 침습적 측정 기술은 시간이 많이 걸릴 수 있고, 생산 샘플보다는 대표적인 테스트 샘플에만 적용될 수 있다. 따라서 상기 결함을 해결하는 시스템 및 방법을 창안하는 것이 바람직하다.
본 개시의 하나 이상의 예시적인 실시예에 따른 검사 시스템이 개시된다. 하나의 예시적인 실시예에서, 본 시스템은 조명 빔을 생성하도록 구성된 조명 소스를 포함한다. 다른 예시적인 실시예에서, 본 시스템은 조명 빔을 샘플로 지향시키기 위한 하나 이상의 조명 광학장치를 포함한다. 다른 예시적인 실시예에서, 본 시스템은 제1 입체각 범위 내의 조명 빔에 응답하여 샘플로부터의 광을 수집하기 위한 적어도 제1 검출기를 포함하는 제1 수집 채널을 포함한다. 다른 예시적인 실시예에서, 제1 수집 채널은 제1 검출기에 입사하는 샘플로부터의 광의 편광을 제어하기 위한 제1 편광기를 더 포함한다. 다른 예시적인 실시예에서, 본 시스템은 제2 입체각 범위 내의 조명 소스로부터의 조명에 응답하여 샘플로부터의 광을 수집하기 위한 적어도 제2 검출기를 포함하는 제2 수집 채널을 포함한다. 다른 예시적인 실시예에서, 제2 수집 채널은 제2 검출기에 입사하는 샘플로부터의 광의 편광을 제어하기 위한 제2 편광기를 더 포함한다. 다른 예시적인 실시예에서, 본 시스템은 제어기를 포함한다. 다른 예시적인 실시예에서, 제어기는 2개 이상의 산란 신호를 수신하고, 여기서 2개 이상의 산란 신호는 제1 편광기의 하나 이상의 배향에 기초한 제1 수집 채널로부터의 하나 이상의 산란 신호 및 제2 편광기의 하나 이상의 배향에 기초한 제2 수집 채널로부터의 하나 이상의 산란 신호를 포함한다. 다른 예시적인 실시예에서, 제어기는 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 샘플에서의 하나 이상의 결함의 깊이를 결정하며, 여기서 트레이닝 데이터는 알려진 깊이에 알려진 결함을 갖는 트레이닝 샘플로부터의 산란 신호를 포함한다.
본 개시의 하나 이상의 예시적인 실시예에 따른 검사 시스템이 개시된다. 하나의 예시적인 실시예에서, 본 시스템은 제어기를 포함한다. 다른 예시적인 실시예에서, 제어기는 제1 수집 채널로부터의 하나 이상의 산란 신호를 수신한다. 다른 예시적인 실시예에서, 제1 수집 채널은 조명 빔에 응답하여 제1 입체각 범위 내의 샘플로부터의 광을 수집하기 위한 제1 검출기를 포함하고, 제1 검출기에 입사하는 샘플로부터의 광의 편광을 제어하기 위한 제1 조정 가능 편광기를 더 포함하며, 여기서, 제1 수집 채널로부터의 하나 이상의 산란 신호는 제1 조정 가능 편광기의 하나 이상의 편광 상태에 기초한다. 다른 예시적인 실시예에서, 제어기는 제2 수집 채널로부터의 하나 이상의 산란 신호를 수신한다. 다른 예시적인 실시예에서, 제2 수집 채널은 제2 입체각 범위 내의 조명 빔에 응답하여 샘플로부터의 광을 수집하기 위한 제2 검출기를 포함하고, 제2 검출기에 입사하는 샘플로부터의 광의 편광을 제어하기 위한 제2 조정 가능 편광기를 더 포함하며, 여기서, 제2 수집 채널로부터의 하나 이상의 산란 신호는 제2 조정 가능 편광기의 하나 이상의 편광 상태에 기초한다. 다른 예시적인 실시예에서, 제어기는 제1 수집 채널 및 제2 수집 채널로부터의 하나 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 샘플에서의 하나 이상의 결함의 깊이를 결정하며, 여기서 트레이닝 데이터는 알려진 깊이에 알려진 결함을 갖는 트레이닝 샘플로부터의 산란 신호를 포함한다.
본 개시의 하나 이상의 예시적인 실시예에 따른 검사 방법이 개시된다. 하나의 예시적인 실시예에서, 본 방법은 제1 수집 채널로부터의 하나 이상의 산란 신호를 수신하는 단계를 포함한다. 다른 예시적인 실시예에서, 제1 수집 채널은 조명 빔에 응답하여 제1 입체각 범위 내의 샘플로부터의 광을 수집하기 위한 제1 검출기를 포함하고, 제1 검출기에 입사하는 샘플로부터의 광의 편광을 제어하기 위한 제1 조정 가능 편광기를 더 포함하며, 여기서, 제1 수집 채널로부터의 하나 이상의 산란 신호는 제1 조정 가능 편광기의 하나 이상의 편광 상태에 기초한다. 다른 예시적인 실시예에서, 본 방법은 제2 수집 채널로부터의 하나 이상의 산란 신호를 수신하는 단계를 포함한다. 다른 예시적인 실시예에서, 제2 수집 채널은 제2 입체각 범위 내의 조명 빔에 응답하여 샘플로부터의 광을 수집하기 위한 제2 검출기를 포함하고, 제2 검출기에 입사하는 샘플로부터의 광의 편광을 제어하기 위한 제2 조정 가능 편광기를 더 포함하며, 여기서, 제2 수집 채널로부터의 하나 이상의 산란 신호는 제2 조정 가능 편광기의 하나 이상의 편광 상태에 기초한다. 다른 예시적인 실시예에서, 본 방법은 제1 수집 채널 및 제2 수집 채널로부터의 하나 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 샘플에서의 하나 이상의 결함의 깊이를 결정하는 단계를 포함하며, 여기서 트레이닝 데이터는 알려진 깊이에 알려진 결함을 갖는 트레이닝 샘플로부터의 산란 신호를 포함한다.
전술한 전반적인 설명 및 이하의 상세한 설명 둘 모두가 예시적이고 설명적인 것에 불과하며, 청구된 바와 같은 본 발명을 반드시 제한하는 것은 아님이 이해되어야 한다. 본 명세서에 포함되어 그 일부를 구성하는 첨부 도면은 본 발명의 실시예를 예시하고, 전반적인 설명과 함께, 본 발명의 원리를 설명하는 역할을 한다.
본 개시의 수많은 장점은 첨부 도면을 참조하여 본 기술 분야의 통상의 기술자에 의해 더 잘 이해될 수 있다.
도 1a는 본 개시의 하나 이상의 실시예에 따른, 검사 시스템을 예시하는 개념도이다.
도 1b는 본 개시의 하나 이상의 실시예에 따른, 검사 툴을 예시하는 개념도이다.
도 1c는 본 개시의 하나 이상의 실시예에 따른, 경사진 입사각에서의 조명에 응답하여 2개의 상이한 입체각 범위 내의 샘플로부터의 광과 연관된 산란 신호를 생성하기 위한 2개의 수집 채널을 포함하는 검사 툴을 예시하는 개념도이다.
도 1d는 본 개시의 하나 이상의 실시예에 따른, 수직 입사각에서의 조명에 응답하여 2개의 상이한 입체각 범위 내의 샘플로부터의 광과 연관된 산란 신호를 생성하기 위한 2개의 수집 채널을 포함하는 검사 툴을 예시하는 개념도이다.
도 2는 본 개시의 하나 이상의 실시예에 따른, 상이한 깊이에 있는 매립된 결함과 연관된 시뮬레이션된 산란 신호와 함께, 기판 상에 퇴적된 산화물 재료와 질화물 재료의 교호 층 쌍을 포함하는 다층 샘플의 측면도이다.
도 3은 본 개시의 하나 이상의 실시예에 따른, 샘플에서의 결함의 깊이를 결정하기 위한 방법에서 수행되는 단계를 예시하는 흐름 다이어그램이다.
도 4는 본 개시의 하나 이상의 실시예에 따른, 제1 측정 조건과 제2 측정 조건을, 제각기, 사용한 샘플과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯이다.
도 5는 본 개시의 하나 이상의 실시예에 따른, 제3 측정 조건과 제4 측정 조건을, 제각기, 사용한 샘플과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯이다.
도 6은 본 개시의 하나 이상의 실시예에 따른, 제5 측정 조건과 제6 측정 조건을, 제각기, 사용한 샘플과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯이다.
도 7은 본 개시의 하나 이상의 실시예에 따른, 제7 측정 조건과 제8 측정 조건을, 제각기, 사용한 샘플과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯이다.
첨부 도면에 예시되는, 개시된 주제(subject matter)에 대해 이제 상세하게 언급될 것이다. 본 개시는 특히 특정 실시예 및 해당 특정 특징과 관련하여 도시되고 설명되었다. 본 명세서에 기재된 실시예는 제한적인 것이 아니라 예시적인 것으로 여겨진다. 본 개시의 사상 및 범위를 벗어나지 않으면서 형태 및 세부 사항에 있어서 다양한 변경 및 수정이 이루어질 수 있다는 것이 본 기술 분야의 통상의 기술자에게 즉각 명백할 것이다.
본 개시의 실시예는 하나 이상의 광학 스캔에 기초한 샘플 내의 매립된 결함의 비침습적 깊이 결정에 관한 것이다. 결함의 광 산란 시그니처가 전형적으로 광범위한 구조적 인자 및 측정 조건에 의존한다는 것이 본 명세서에서 인식된다. 예를 들어, 결함 산란 신호는 결함과 샘플 둘 모두의 구조 및 조성에 의존할 수 있다. 매립된 파티클, 균열 또는 보이드를 포함하지만 이에 제한되지 않는, 다수의 유형의 결함이 제조된 샘플에 존재할 수 있다. 따라서 산란 신호는 주변 재료에 상대적인 이러한 결함의 크기, 구조 및 조성에 의존할 수 있다. 다른 예로서, 광 산란 시그니처는 입사 광의 스펙트럼, 입사 광의 편광, 수집된 광의 편광, 또는 광이 수집되는 입체각과 같은, 그러나 이에 제한되지 않는 측정 조건에 의존할 수 있다.
따라서, 산란 신호로부터 결함 깊이 정보를 추출하기 위해 상이한 측정 조건에서 생성된 다수의 광학 산란 신호가 활용될 수 있다. 본 개시의 추가적인 실시예는 상이한 측정 구성에 기초하여 2개 이상의 산란 신호를 제공하는 다중 채널 검사 시스템에 관한 것이다. 이와 관련하여, 2개 이상의 산란 신호의 비교에 기초하여 매립된 결함의 깊이가 결정될 수 있다. 일부 실시예에서, 다중 채널 검사 시스템은 다수의 측정 구성에서 조명 빔을 시료로 지향시키고 시료로부터의 광을 수집할 수 있다. 예를 들어, 다중 채널 검사 시스템은 샘플의 단일 스캔 동안 2개의 상이한 입체각 범위에서 샘플로부터의 광을 수집하도록 구성된 2개 이상의 채널을 포함할 수 있다. 게다가, 각각의 채널은 수집된 광의 편광을 제어하기 위한 편광기를 포함할 수 있다. 따라서, 각각의 채널은 수집된 광의 편광과 입사 조명 빔의 편광의 상이한 조합에 기초하여 다양한 산란 신호를 제공할 수 있다.
본 발명의 추가적인 실시예는 고정된 초점 높이(focus height)에서의 산란 신호를 생성하는 것에 관한 것이다. 예를 들어, 샘플을 조명하는 것 및/또는 샘플로부터의 광을 수집하는 것을 위해 대물 렌즈에 대해 고정된 초점 위치에 있는 샘플로 다중 산란 신호가 생성될 수 있다. 이와 관련하여, 다중 산란 신호가 효율적이고 정확하게 생성될 수 있다.
본 개시의 추가적인 실시예는 매립된 결함의 깊이 결정을 안내하기 위한 트레이닝 데이터를 생성하는 것에 관한 것이다. 예를 들어, 트레이닝 데이터는 알려진 깊이에 알려진 결함을 포함하는 교정 샘플의 분석에 기초할 수 있다. 트레이닝 데이터는 (예를 들면, 알려진 위치에 알려진 결함을 갖도록 제조된 트레이닝 샘플로부터의) 실험 데이터와 (예를 들면, 알려진 위치에 알려진 결함을 갖는 샘플에 의한 산란 신호의 시뮬레이션으로부터) 시뮬레이션 데이터의 임의의 조합을 포함할 수 있다.
본 개시의 추가적인 실시예는 트레이닝 데이터에 기초하여 결함 깊이와 산란 신호 사이의 관계를 식별하는 것에 관한 것이다. 예를 들어, 트레이닝 데이터는 일련의 산란 신호 비교에 기초하여 결함을 깊이 빈(depth bin)으로 소팅(sort)하기 위한 규칙을 결정하는 데 사용될 수 있다. 다른 예로서, 트레이닝 데이터는 머신 러닝 알고리즘을 위한 트레이닝 데이터로서 사용될 수 있다.
본 개시의 추가적인 실시예는 상이한 측정 구성에서의 2개 이상의 산란 신호 및 결함 깊이와 산란 신호 사이의 식별된 관계에 기초하여 알려지지 않은 결함을 포함하는 관심 샘플(예를 들면, 생산 라인 샘플)의 결함의 깊이를 결정하는 것에 관한 것이다. 일부 경우에, 측정된 결함의 깊이 값이 직접적으로 결정될 수 있다. 일부 경우에, 결함이 선택된 깊이 범위(예를 들면, 빈)로 소팅된다.
2개 이상의 산란 신호 및 결함 깊이와 산란 신호 사이의 식별된 관계에 기초하여 결함 깊이를 결정하기 위해 다양한 기술이 활용될 수 있다. 일부 실시예에서, 규칙 세트가 트레이닝 데이터에 기초하여 생성되고 이어서 결함 깊이를 결정하는 데 사용된다. 예를 들어, (선택된 측정 구성과 연관된) 제1 산란 신호 세트의 비교는 표면 레벨 결함(surface-level defect)과 표면 아래 결함(sub-surface defect)을 구별할 수 있는 반면, 제2 산란 신호 세트의 비교는 제1 깊이 범위(예를 들면, 제1 빈) 내의 결함을 나머지 깊이 범위(예를 들면, 빈) 내의 결함과 구별할 수 있는 등의 경우가 있을 수 있다. 이와 관련하여, 각각의 관심 깊이 범위 내의 결함은 상이한 산란 신호 간의 선택된 일련의 비교에 기초하여 구별될 수 있다. 다른 예로서, 결함 깊이가 다차원 패턴 인식 기술을 통해 결정될 수 있다. 예를 들어, 머신 러닝 알고리즘은 트레이닝 단계 동안 트레이닝 데이터에 기초하여 결함 깊이와 산란 신호 사이의 관계를 결정하도록 트레이닝될 수 있다. 검사 단계 동안, 관심 샘플에 대한 결함 깊이는 관심 샘플로부터의 산란 신호에 기초하여 머신 러닝 알고리즘에 의해 제공될 수 있다.
이제 도 1 내지 도 6을 참조하여, 본 개시의 하나 이상의 실시예에 따른 검사 시스템(100)이 더 상세하게 설명된다.
도 1a는 본 개시의 하나 이상의 실시예에 따른, 검사 시스템(100)을 예시하는 개념도이다. 일 실시예에서, 검사 시스템(100)은 샘플의 하나 이상의 속성을 특성 묘사하도록 구성된 검사 툴(102)을 포함한다. 다른 실시예에서, 검사 시스템(100)은 검사 툴(102)에 통신 가능하게 결합된 제어기(104)를 포함한다. 다른 실시예에서, 제어기(104)는 메모리 매체(108) 또는 메모리 상에 유지되는 프로그램 명령어를 실행하도록 구성된 하나 이상의 프로세서(106)를 포함한다. 제어기(104)의 하나 이상의 프로세서(106)는 본 기술 분야에서 알려진 임의의 프로세싱 요소를 포함할 수 있다. 이러한 의미에서, 하나 이상의 프로세서(106)는 알고리즘 및/또는 명령어를 실행하도록 구성된 임의의 마이크로프로세서형 디바이스를 포함할 수 있다. 게다가, 메모리 매체(108)는 연관된 하나 이상의 프로세서(106)에 의해 실행 가능한 프로그램 명령어를 저장하는 데 적합한 본 기술 분야에서 알려진 임의의 저장 매체를 포함할 수 있다. 예를 들어, 메모리 매체(108)는 비일시적 메모리 매체를 포함할 수 있다. 추가적인 예로서, 메모리 매체(108)는 판독 전용 메모리(ROM), 랜덤 액세스 메모리(RAM), 자기 또는 광학 메모리 디바이스(예를 들면, 디스크), 자기 테이프, 솔리드 스테이트 드라이브 등을 포함할 수 있지만, 이에 제한되지 않는다. 메모리 매체(108)가 하나 이상의 프로세서(106)와 함께 공통 제어기 하우징 내에 하우징될 수 있음에 또한 유의해야 한다.
제어기(104)의 하나 이상의 프로세서(106)는 본 개시 전반에 걸쳐 설명된 다양한 프로세스 단계 중 임의의 것을 실행할 수 있다. 예를 들어, 제어기(104)의 하나 이상의 프로세서(106)는 샘플과 연관된 검사 툴(102)로부터 산란 신호를 수신하고 산란 신호에 기초하여 하나 이상의 결함의 깊이 정보를 결정할 수 있다.
도 1b는 본 개시의 하나 이상의 실시예에 따른, 검사 툴(102)을 예시하는 개념도이다. 일 실시예에서, 검사 툴(102)은 조명 빔(112)을 생성하기 위한 조명 소스(110)를 포함한다. 조명 빔(112)은 자외선(UV) 방사선, 가시 방사선, 또는 적외선(IR) 방사선을 포함하지만, 이에 제한되지 않는 하나 이상의 선택된 파장의 광을 포함할 수 있다. 예를 들어, 조명 소스(110)는 대략 266 nm의 파장을 갖는 조명 빔(112)을 제공할 수 있지만 제공할 필요는 없다.
조명 소스(110)는 하나 이상의 협대역 레이저 소스, 하나 이상의 광대역 레이저 소스, 하나 이상의 초연속체 레이저 소스, 하나 이상의 백색광 레이저 소스 등을 포함할 수 있지만, 이에 제한되지 않는다. 다른 실시예에서, 조명 소스(110)는 레이저 지속형 플라스마(laser-sustained plasma; LSP) 소스와 같은, 그러나 이에 제한되지 않는 레이저 구동 광원(laser-driven light source; LDLS)을 포함한다. 예를 들어, 조명 소스(110)는, 레이저 소스에 의해 플라스마 상태로 여기될 때, 광대역 조명을 방출할 수 있는 하나 이상의 요소를 포함하는 데 적합한 LSP 램프, LSP 전구, 또는 LSP 챔버를 포함할 수 있지만, 이에 제한되지 않는다. 이와 관련하여, 조명 소스(110)는 높은 코히런스(예를 들면, 높은 공간 코히런스(spatial coherence) 및/또는 시간 코히런스(temporal coherence))를 갖는 조명 빔(112)을 제공할 수 있다. 다른 실시예에서, 조명 소스(110)는 램프 소스를 포함한다. 다른 예로서, 조명 소스(110)는 아크 램프, 방전 램프, 무전극 램프(electrode-less lamp) 등을 포함할 수 있지만, 이에 제한되지 않는다. 이와 관련하여, 조명 소스(110)는 낮은 코히런스(예를 들면, 낮은 공간 코히런스 및/또는 시간 코히런스)를 갖는 조명 빔(112)을 제공할 수 있다.
다른 실시예에서, 조명 소스(110)는 튜닝 가능 조명 빔(112)을 제공한다. 예를 들어, 조명 소스(110)는 튜닝 가능 조명 소스(예를 들면, 하나 이상의 튜닝 가능 레이저 등)를 포함할 수 있다. 다른 예로서, 조명 소스(110)는 튜닝 가능 필터에 결합된 광대역 조명 소스를 포함할 수 있다.
조명 소스(110)는 임의의 시간 프로파일을 가지는 조명 빔(112)을 추가로 제공할 수 있다. 예를 들어, 조명 빔(112)은 연속적인 시간 프로파일, 변조된 시간 프로파일, 펄스형 시간 프로파일 등을 가질 수 있다.
다른 실시예에서, 조명 소스(110)는 조명 경로(116)를 통해 조명 빔(112)을 샘플(114)로 지향시키고 수집 경로(118)를 통해 샘플(114)로부터 방출되는 방사선을 수집한다. 조명 경로(116)는 조명 빔(112)을 수정 및/또는 컨디셔닝하기에 적합한 하나 이상의 조명 빔 컨디셔닝 컴포넌트(120)를 포함할 수 있다. 예를 들어, 하나 이상의 조명 빔 컨디셔닝 컴포넌트(120)는 하나 이상의 편광기, 하나 이상의 필터, 하나 이상의 빔 스플리터, 하나 이상의 확산기, 하나 이상의 호모지나이저(homogenizer), 하나 이상의 아포다이저(apodizer), 하나 이상의 빔 셰이퍼(beam shaper), 또는 하나 이상의 렌즈를 포함할 수 있지만, 이에 제한되지 않는다.
다른 실시예에서, 조명 경로(116)는 조명 빔(112)을 샘플 스테이지(124) 상에 배치된 샘플(114) 상으로 집속시키기 위해 조명 집속 요소(122)를 활용할 수 있다. 다른 실시예에서, 수집 경로(118)는 샘플(114)로부터의 광을 수집하기 위한 수집 집속 요소(126)를 포함할 수 있다. 예를 들어, 검출기(130)는 샘플(114)로부터 산란 및/또는 반사되는 수집된 광(128)을 수용(receive)할 수 있다. 다른 예로서, 검출기(130)는 샘플(114)에 의해 생성되는 수집된 광(128)(예를 들면, 조명 빔(112)의 흡수와 연관된 발광 등)을 수용할 수 있다.
다른 실시예에서, 검사 툴(102)은 수집 경로(118)를 통해 샘플(114)로부터 방출되는 방사선을 포착하도록 구성된 하나 이상의 검출기(130)를 포함한다. 검출기(130)는 샘플(114)로부터 수용된 조명을 측정하기에 적합한 본 기술 분야에서 알려진 임의의 유형의 광학 검출기를 포함할 수 있다. 예를 들어, 검출기(130)는 CCD(charge-coupled device) 검출기, CMOS(complementary metal-oxide-semiconductor) 검출기, TDI(time-delayed integration) 검출기, PMT(photomultiplier tube), APD(avalanche photodiode) 등을 포함할 수 있지만, 이에 제한되지 않는다. 다른 실시예에서, 검출기(130)는 수집된 광(128)의 파장을 식별하기에 적합한 분광 검출기를 포함할 수 있다.
수집 경로(118)는 하나 이상의 렌즈, 하나 이상의 필터, 하나 이상의 편광기, 또는 하나 이상의 상 플레이트(phase plate)를 포함하지만 이에 제한되지 않는, 수집된 광(128)을 지향 및/또는 수정하기 위한 임의의 수의 수집 빔 컨디셔닝 요소(132)를 더 포함할 수 있다. 이와 관련하여, 검사 툴(102)은 검출기(130)에 입사하는 광의 편광을 제어할 수 있다. 게다가, 검사 툴(102)은 하나 이상의 조명 각도를 갖는 분광 엘립소미터, (예를 들면, 회전 보상기를 사용하여) 뮬러 매트릭스 요소를 측정하기 위한 분광 엘립소미터, 단일 파장 엘립소미터, 각도 분해형(angle-resolved) 엘립소미터(예를 들면, 빔 프로파일 엘립소미터), 분광 반사계, 단일 파장 반사계, 각도 분해형 반사계(예를 들면, 빔 프로파일 반사계), 또는 산란계와 같은, 그러나 이에 제한되지 않는 임의의 유형의 검사 및/또는 계측 툴로서 동작할 수 있다.
다른 실시예에서, 비록 도시되어 있지는 않지만, 검사 툴(102)은 샘플(114)을 둘러싸는 분위기의 조성 및/또는 압력을 조절하기에 적합한 챔버를 포함한다. 예를 들어, 검사 툴(102)은 샘플(114)을 둘러싸는 분위기의 조성 및/또는 압력을 제어하기 위해 하나 이상의 가스 탱크, 하나 이상의 밸브, 하나 이상의 호스, 하나 이상의 펌프, 하나 이상의 압력 조절기(pressure regulator) 등을 포함할 수 있다. 다른 실시예에서, 검사 툴(102)은 샘플(114)을 둘러싸는 분위기로서 조명 소스(110)에 의해 제공되는 파장에 실질적으로 투명한 불활성 가스 또는 가스를 제공하도록 구성된다.
본 명세서에서 도 1b에 묘사된 검사 툴(102)이 다중 산란 신호를 순차적으로 또는 동시에 생성하기 위해 샘플(114)의 다중 각도 조명 및/또는 하나 이상의 검출기(130) 상에서의 다중 산란 신호의 수집을 용이하게 할 수 있다는 점에 유의해야 한다.
검사 툴(102)은 명시야 이미징, 암시야 이미징, 위상차(phase-contrast) 이미징 등과 같은 본 기술 분야에서 알려진 임의의 유형의 이미징을 제공하도록 또한 구성될 수 있다. 예를 들어, 검사 툴(102)은 임의의 입사각으로 조명 빔(112)을 샘플(114)로 지향시킬 수 있다. 게다가, 검사 툴(102)은 조명 경로(116) 및/또는 수집 경로(118)에 개구(aperture) 또는 상 플레이트의 임의의 조합을 포함할 수 있다.
이제 도 1c 및 도 1d를 참조하여, 경사 입사 및 수직 입사에 기초한 검사 툴(102)의 구성이 더 상세하게 설명된다. 도 1c 및 도 1d에서의 검사 툴(102)의 구성은 상이한 입체각 범위를 포함한 산란 신호를 생성하기 위한 2개의 수집 채널을 포함한다. 그렇지만, 도 1c 및 도 1d에서의 검사 툴(102)의 구성이 오로지 예시 목적으로 제공되며 제한하는 것으로 해석되어서는 안된다는 것이 이해되어야 한다. 오히려, 검사 툴(102)은 임의의 수의 입체각 범위에 기초하여 임의의 수의 수집 채널을 제공할 수 있다.
도 1c는 본 개시의 하나 이상의 실시예에 따른, 경사진 입사각에서의 조명에 응답하여 2개의 상이한 입체각 범위 내의 샘플(114)로부터의 광과 연관된 산란 신호를 생성하기 위한 2개의 수집 채널을 포함하는 검사 툴(102)을 예시하는 개념도이다. 이와 관련하여, 도 1c에 예시된 검사 툴(102)은 샘플(114)의 암시야 이미징을 제공할 수 있지만 이에 제한되지 않는다. 일 실시예에서, 검사 툴(102)은 샘플(114)로부터 방출되는 방사선을 수집하기 위한 대물 렌즈(134)를 포함한다. 다른 실시예에서, 검사 툴(102)은 수집된 광(128)의 제1 부분(128a)을 제1 검출기(130a)로 지향시키고 수집된 광(128)의 제2 부분(128b)이 제2 검출기(130b)로 전파될 수 있게 하도록 구성되는 미러(136)를 포함한다. 게다가, 집속 렌즈(138)는 수집된 광(128)의 제2 부분(128b)을 제2 검출기(130b)에 집속시킬 수 있다. 이와 관련하여, 제1 부분(128a)은 수집된 광(128)의 제1 입체각 범위를 포함할 수 있고 제2 부분(128b)은 수집된 광(128)의 제2 입체각 범위를 포함할 수 있다.
게다가, 미러(136)는 방위각 대칭 채널로의 수집된 광(128)의 분할을 제공하도록 성형될 수 있지만 그럴 필요는 없다. 예를 들어, 수집된 광(128)의 제1 부분(128a)은 (예를 들면, 대물 렌즈(134)의 광학 축(140)으로부터 제1 입체각(142)에 이르는) 방위각 대칭 원뿔의 입체각을 포함할 수 있고, 수집된 광(128)의 제2 부분(128b)은 (예를 들면, 제1 입체각(142)부터 제2 입체각(144)에 이르는) 방위각 대칭 환형 링의 입체각을 포함할 수 있다.
도 1d는 본 개시의 하나 이상의 실시예에 따른, 수직 입사각에서의 조명에 응답하여 2개의 상이한 입체각 범위 내의 샘플(114)로부터의 광과 연관된 산란 신호를 생성하기 위한 2개의 수집 채널을 포함하는 검사 툴(102)을 예시하는 개념도이다. 일 실시예에서, 도 1d에 예시된 바와 같이, 조명 소스(110)는 수직 입사각으로 조명 빔(112)을 샘플(114)로 지향시키도록 구성된다. 따라서, 수집된 광(128)의 제1 부분(128a)은 명시야 산란 신호와 연관될 수 있지만 그럴 필요는 없으며, 수집된 광(128)의 제2 부분(128b)은 암시야 산란 신호와 연관될 수 있지만 그럴 필요는 없다.
도 1c 및 도 1d를 전반적으로 참조하면, 검사 툴(102)은 상이한 측정 구성과 연관된 다양한 산란 신호를 제공하도록 구성될 수 있다. 예를 들어, 조명 빔 컨디셔닝 컴포넌트(120)는 조명 빔(112)의 편광을 임의의 선택된 편광 상태로 조정하기 위한 조명 편광기(146)를 포함할 수 있다. 다른 예로서, 수집 빔 컨디셔닝 요소(132)는 수집된 광(128)의 제1 부분(128a)의 편광을 임의의 선택된 편광 상태로 조정하기 위한 제1 수집 편광기(148) 및/또는 수집된 광(128)의 제2 부분(128b)의 편광을 임의의 선택된 편광 상태로 조정하기 위한 제2 수집 편광기(150)를 포함할 수 있다.
다양한 산란 신호는 동시에 또는 순차적으로 생성될 수 있다. 예를 들어, 선택된 편광 상태로 구성된 수집된 광(128)의 제1 부분(128a) 및 제2 부분(128b)과 연관된 산란 신호가 동시에 수집될 수 있다. 게다가, 검사 툴(102)의 구성(예를 들면, 조명 빔(112)의 파장, 조명 빔(112)의 편광, 및/또는 수집된 광(128)의 임의의 부분의 편광)을 수정한 후에 추가적인 산란 신호가 순차적으로 생성될 수 있다.
그렇지만, 도 1b 내지 도 1d 및 관련 설명이 오로지 예시를 위해 제공되며 제한하는 것으로 해석되어서는 안된다는 것이 이해되어야 한다. 검사 툴(102)은 다중 산란 신호를 생성하기에 적합한 임의의 구성을 제공하도록 구성될 수 있다. 예를 들어, 검사 툴(102)은 임의의 수의 입체각 범위 내에서 수집된 광(128)을 포함한 산란 신호를 생성하기에 적합한 임의의 수의 분할 미러(예를 들면, 미러(136)), 개구, 마스크 등을 포함할 수 있다. 예를 들어, 검사 툴은 3개 이상의 입체각 범위와 연관된 산란 신호를 생성하기 위해 3개 이상의 채널을 제공할 수 있다. 게다가, 검사 툴(102)은 임의의 수의 조명 소스에 기초하여 명시야 또는 암시야 산란 신호의 임의의 조합을 제공하도록 구성될 수 있다.
이제 도 2를 참조하여, 결함 깊이와 산란 신호 사이의 관계가 전반적으로 설명된다. 매립된 결함의 산란 신호는 일반적으로 결함 깊이, 결함의 조성, 샘플(114)의 조성, 입사 광의 편광, 및 수집된 편광과 같은, 그러나 이에 제한되지 않는 다양한 인자에 의존할 수 있다. 따라서, 매립된 결함과 연관된 깊이 정보가 산란 신호의 측정으로부터 추출될 수 있다. 게다가, 상이한 측정 구성을 사용하여 산란 신호를 측정하는 것은 추가적인 깊이 의존적 데이터를 제공함으로써 깊이 결정의 민감도와 강건성을 증가시킬 수 있다. 추가적으로, 샘플(114)의 조성에 대한 사전 지식은 물론 임의의 예상된 결함은 산란 신호에 기초하여 결함 깊이를 추가로 결정하는 데 사용될 수 있다. 예를 들어, 트레이닝 데이터를 제공하기 위해 주어진 샘플에서 상이한 깊이에 있는 상이한 결함 조성에 대한 산란 거동이 모델링되거나 실험적으로 분석될 수 있다. 트레이닝 데이터는 이어서 관심 샘플에서의 결함에 대한 깊이 결정을 안내하는 데 사용될 수 있다.
도 2는 본 개시의 하나 이상의 실시예에 따른, 상이한 깊이에 있는 매립된 결함(210)(여기서, 실리카 구체(silica sphere))과 연관된 시뮬레이션된 산란 신호(208a 내지 208e)와 함께, 기판(206)(예를 들면, 실리콘 등) 상에 퇴적된 산화물 재료(202)와 질화물 재료(204)의 교호 층 쌍을 포함하는 다층 샘플(114)의 측면도이다. 예를 들어, 주어진 광학 측정 조건 세트 및 X-방향을 따라 경사각 각도에서의 조명 하에서, 샘플(114)의 표면에 있는 결함(210a)의 산란 사이트(scattering site)는 산란 신호(208a)를 제공할 수 있고, 6 층 깊이에 있는 결함(210b)은 산란 신호(208b)를 제공할 수 있으며, 20 층 깊이에 있는 결함(210c)은 산란 신호(208c)를 제공할 수 있고, 34 층 깊이에 있는 결함(210d)은 산란 신호(208d)를 제공할 수 있으며, 48 층 깊이에 있는 결함(210e)은 산란 신호(208e)를 제공할 수 있다.
도 2에 예시된 바와 같이, 산란 신호(208a 내지 208e)는 Z-방향에 대해 측정되는 바와 같이 상이한 입체각(예를 들면, 도 1c에 예시된 수집된 광(128)의 제1 입체각 범위 및 제2 입체각 범위 등)에서 산란 신호를 측정함으로써 포착될 수 있는 방식으로 깊이의 함수로서 변한다. 예를 들어, 표면 레벨 결함(210a)과 연관된 산란 신호(208a)는 낮은 입체각에 대해 상대적으로 높은 신호 강도를 나타내고, 더 높은 입체각에 대해 점차적으로 감소하는 신호 강도를 나타낸다. 그렇지만, 6 층 깊이의 결함(210b)과 연관된 산란 신호(208b)는 입체각의 함수로서 더 고르게 분포된 신호 강도를 나타낸다. 게다가, 산란 신호(208c 내지 208e)에 의해 예시된 바와 같이, 결함 깊이가 증가함에 따라 산란 강도는 일반적으로 감소하고 점점 더 높은 입체각에서 더 집중된다. (예를 들면, 도 1c 등에 예시된 바와 같은) 상이한 입체각 범위에 대해 개별적인 산란 신호를 제공하는 검사 툴(102)은 개별적인 입체각 범위 내에서 포착된 산란 강도의 비교에 기초하여 상이한 깊이에 있는 파티클을 구별할 수 있다.
추가적으로, 산란 신호(208a 내지 208e)를 전반적으로 참조하면, 신호 강도는 일반적으로 Z-방향에 대해 방위각 대칭이지만 X-축을 따라서는 점점 더 방향적으로 된다(예를 들면, 전방 산란 및/또는 후방 산란). 따라서, 방위각 비대칭에 민감한 검사 툴(102)은 상이한 방위각에서의 산란 강도의 비교에 기초하여 상이한 깊이에 있는 파티클을 구별할 수 있다.
게다가, 도 2에 예시되어 있지 않지만, 산란된 광(예를 들면, 수집된 광(128))의 편광이 결함 깊이의 함수로서 변할 수 있는 경우가 있을 수 있다. 따라서, 입사 빔(예를 들면, 조명 빔(112)) 및 수집된 신호(예를 들면, 수집된 광(128))의 편광의 상이한 조합에 기초한 산란 신호의 측정은 상이한 깊이에 있는 파티클을 구별하는 데 사용될 수 있다. 예를 들어, 표면에 또는 그 근처에 있는 결함(210)이 입사 광(예를 들면, 조명 빔(112))의 편광 상태를 유지하는 광을 산란시킬 수 있는 반면, 표면보다 더 아래에 있는 결함(210)은 입사 광과 상이한 편광 상태에서 증가된 파워를 나타낼 수 있는 경우가 있을 수 있다.
도 2 및 관련 설명이 오로지 예시 목적으로 제공되며 제한하는 것으로 해석되어서는 안된다는 것이 이해되어야 한다. 예를 들어, 샘플(114)은 샘플 체적 내에 매립된 결함(210)을 갖는 고체 샘플, 매립된 결함(210)을 갖는 두꺼운 막, 또는 임의의 수의 막 층을 갖는 다층 막 스택을 포함하지만 이에 제한되지 않는 임의의 유형의 샘플을 포함할 수 있다. 다른 예로서, 샘플(114)은 임의의 조성의 하나 이상의 층을 포함할 수 있으며, 도 2에 예시된 바와 같은 산화물 또는 질화물 층으로 제한되지 않는다. 게다가, 매립된 결함(210)은 주변 재료, 균열 또는 보이드와 동일하거나 상이한 조성의 파티클을 포함하지만 이에 제한되지 않는 임의의 유형의 매립된 결함일 수 있다. 결함(210)의 깊이의 함수인 산란 신호(208)의 변동은 그에 따라 변할 수 있다. 게다가, 도 2에 예시된 산란 신호(208a 내지 208e)는 특정 측정 구성과 연관된 시뮬레이션을 나타내며, 비제한적인 가정 세트를 포함한다. 이와 관련하여, 도 2의 결함(210) 및 산란 신호(208a 내지 208e)는 산란 신호(208)가 결함 깊이의 함수로서 어떻게 변할 수 있는지에 대한 비제한적인 예를 제공할 뿐이다.
도 3은 본 개시의 하나 이상의 실시예에 따른, 샘플에서의 결함의 깊이를 결정하기 위한 방법(300)에서 수행되는 단계를 예시하는 흐름 다이어그램이다. 출원인은 검사 시스템(100)의 맥락에서 본 명세서에서 이전에 설명된 실시예 및 기반 기술(enabling technology)이 방법(300)으로 확장되는 것으로 해석되어야 한다는 점에 주목한다. 그렇지만, 방법(300)이 검사 시스템(100)의 아키텍처로 제한되지 않는다는 점에 또한 유의해야 한다.
일 실시예에서, 방법(300)은 트레이닝 샘플에서 알려진 깊이에 있는 알려진 결함의 산란 신호를 포함하는 트레이닝 데이터를 생성하는 단계(302)를 포함한다. 예를 들어, 트레이닝 데이터는 샘플(예를 들면, 샘플(114))에서 다양한 깊이에 있는 대표적인 결함(예를 들면, 결함(210))과 연관된 산란 신호를 포함할 수 있다. 게다가, 트레이닝 데이터 내의 샘플의 크기 및 조성은 물론 결함은 예상된 검사 조건과 매칭하도록 선택될 수 있다. 예를 들어, 샘플의 예상된(예를 들면, 설계된) 구조 및 조성은 전형적으로 잘 알려져 있으며 생산 환경에서 엄격하게 제어된다. 트레이닝 데이터가 다양한 깊이에서의 대응하는 산란 신호를 포함할 수 있도록 예상된 결함의 유형, 구조 및/또는 조성이 또한 잘 알려져 있을 수 있는 경우가 있을 수 있다. 그렇지만, 주어진 프로세스에 대한 결함의 유형, 구조 및/또는 조성이 잘 이해되지 않을 수 있는 경우가 또한 있을 수 있다. 따라서, 검사가 결함을 분류하는 것은 물론 결함 깊이를 결정하는 데 사용될 수 있도록 트레이닝 데이터는 광범위한 결함과 연관된 산란 신호를 포함할 수 있다.
트레이닝 데이터는 본 기술 분야에서 알려진 임의의 기술에 의해 생성될 수 있다. 일 실시예에서, 트레이닝 데이터는 상이한 측정 구성을 사용한 하나 이상의 트레이닝 샘플의 다수의 측정(예를 들면, 산란 신호)에 기초하여 생성된다. 예를 들어, 검사될 관심 샘플을 대표하는 트레이닝 샘플은 알려진 깊이에 선택된 결함을 갖도록 제조될 수 있다. 트레이닝 샘플은 이어서 상이한 측정 구성을 사용하여 결함과 연관된 다중 산란 신호를 생성하기 위해 검사 툴(예를 들면, 검사 툴(102) 등)을 사용하여 검사될 수 있다. 다른 실시예에서, 트레이닝 데이터는 하나 이상의 트레이닝 샘플의 시뮬레이션에 기초하여 생성된다. 예를 들어, 검사될 관심 샘플을 대표하는 트레이닝 샘플의 시뮬레이션된 버전이 생성될 수 있다. 게다가, 관심 샘플을 검사하는 데 사용되는 검사 툴에 의해 생성되는 신호를 대표하는 다중 산란 신호가 시뮬레이션될 수 있다. 시뮬레이션은 RCWA(rigorous coupled wave analysis)과 같은, 그러나 이로 제한되지 않는 본 기술 분야에서 알려진 임의의 기술을 사용하여 수행될 수 있다.
다른 실시예에서, 방법(300)은 트레이닝 데이터에 기초하여 샘플에서의 산란 신호와 결함 깊이 사이의 관계를 식별하는 단계(304)를 포함한다. 게다가, 단계(304)는 트레이닝 데이터에 존재하는 다수의 결함 유형, 구조 및/또는 조성에 대해 샘플에서의 산란 신호와 결함 깊이 사이의 관계를 식별하는 것을 포함할 수 있다.
다른 실시예에서, 방법(300)은 검사 툴의 2개 이상의 측정 구성과 연관된 샘플(예를 들면, 관심 샘플)의 2개 이상의 산란 신호를 수신하는 단계(306)를 포함할 수 있다. 예를 들어, 검사 툴(예를 들면, 검사 툴(102))은 조명 빔으로 테스트 샘플을 조명하고, 조명 빔에 응답하여 테스트 샘플로부터 산란 및/또는 반사되는 광에 기초하여 산란 신호를 생성할 수 있다. 게다가, 2개 이상의 산란 신호는 트레이닝 데이터를 생성하는 데 사용되는 측정 구성에 대응할 수 있다. 이와 관련하여, 트레이닝 데이터는 테스트 샘플을 대표할 수 있다.
본 명세서에서 이전에 설명된 바와 같이, 2개 이상의 산란 신호는 조명 빔의 파장, 조명 빔의 편광, 수집된 광의 편광, 및 샘플로부터의 광이 수집되는 입체각과 같은, 그러나 이에 제한되지 않는 측정 파라미터의 상이한 조합과 연관될 수 있다. 게다가, 2개 이상의 산란 신호는 순차적으로 또는 동시에 수집될 수 있다. 예를 들어, 도 1c 및 도 1d에 예시된 검사 툴(102)은 상이한 입체각 범위와 연관된 2개의 산란 신호를 동시에 생성할 수 있다. 임의의 수의 산란 신호를 제공하기 위해 조명 빔(112)의 파장, 조명 빔(112)의 편광, 또는 수집 채널에서의 수집된 광(128)의 편광의 다양한 조합을 사용한 추가적인 스캔이 또한 생성될 수 있다.
다른 실시예에서, 방법(300)은 결함 깊이와 산란 신호 사이의 식별된 관계(예를 들면, 단계(304)에서 결정됨) 및 샘플과 연관된 2개 이상의 산란 신호 사이의 식별된 관계(예를 들면, 단계(306)에서 제공됨)에 기초하여 샘플에서의 결함의 깊이를 결정하는 단계(308)를 포함할 수 있다.
트레이닝 데이터에 기초한 샘플에서의 산란 신호와 결함 깊이 사이의 관계는 본 기술 분야에서 알려진 임의의 기술을 사용하여 생성될 수 있다. 일 실시예에서, 결함 깊이를 추출하는 데 사용될 수 있는 일련의 규칙 또는 패턴을 결정하기 위해 상이한 측정 구성으로 생성된 산란 신호가 비교될 수 있다. 이와 관련하여, 단계(304)는 선택된 측정 구성을 사용한 산란 신호에 기초하여 결함을 깊이 범위로 소팅하기 위한 일련의 분석 단계가 정의될 수 있는 규칙 기반 비닝(rule-based binning)을 구현할 수 있다. 예를 들어, (선택된 측정 구성과 연관된) 제1 산란 신호 세트의 비교는 표면 레벨 결함과 표면 아래 결함을 구별할 수 있고, 제2 산란 신호 세트의 비교는 제1 깊이 범위(예를 들면, 제1 빈) 내의 결함을 나머지 깊이 범위(예를 들면, 빈) 내의 결함과 구별할 수 있는 등의 경우가 있을 수 있다. 이와 관련하여, 각각의 관심 깊이 범위 내의 결함은 상이한 산란 신호 간의 선택된 일련의 비교에 기초하여 구별될 수 있다.
이제 도 4 내지 7을 참조하여, 본 개시의 하나 이상의 실시예에 따른, 도 2에 예시된 다층 샘플(114)에 기초한 결함 범위로의 결함 깊이의 규칙 기반 비닝이 전반적으로 설명된다. 도 4 내지 도 7은 다수의 측정 조건과 연관된, 샘플(114)과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯이다. 따라서, 트레이닝 데이터는 5개의 위치에 위치된 결함: 샘플(114)의 표면 상의 결함(210a), 6 층 깊이에 위치된 결함(210b), 20 층 깊이에 있는 결함(210c), 34 층 깊이에 있는 결함(210d), 및 48 층 깊이에 있는 결함(210e)의 측정치를 포함한다. 이러한 5개의 위치(표면, 6 층 깊이, 20 층 깊이, 34 층 깊이 및 48 층 깊이)는 따라서 알려지지 않은 결함을 갖는 추가적인 관심 샘플의 결함이 소팅될 수 있는 5개의 상이한 깊이 빈을 나타낼 수 있다. 깊이 빈의 수 및 분포가 오로지 예시 목적으로 제공되며 제한하는 것으로 해석되어서는 안된다는 것이 이해되어야 한다.
도 4 내지 도 7은 3개의 상이한 입체각 범위 내에서 도 2에 예시된 샘플(114)로부터 방출되는 광과 연관된 산란 신호를 생성하기 위한 3개의 채널을 갖는 검사 툴(예를 들면, 검사 툴(102))로 생성되는 산란 신호를 나타낼 수 있지만 그럴 필요는 없다. 이와 관련하여, 도 4 내지 도 7에 예시된 다양한 산란 신호는 조명 빔(112)의 파장, 조명 빔(112)의 편광, 수집된 광(128)의 편광, 및 수집된 광(128)의 입체각의 상이한 조합을 대표할 수 있다.
도 4는 본 개시의 하나 이상의 실시예에 따른, 제1 측정 조건과 제2 측정 조건을, 제각기, 사용한 샘플(144)과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯(400)이다. 제1 측정 조건을 사용하여 측정된 결함의 강도 값은 Y-축을 따라 플로팅되고 제2 조건을 사용하여 측정된 결함의 강도 값은 X-축을 따라 플로팅된다. 플롯(400)에 의해 예시된 바와 같이, 표면 결함(210a)은 매립된 결함(210b 내지 210e)과 쉽게 구별될 수 있다. 예를 들어, 분할 선(402)은 표면 결함(210a)과 매립된 결함(210b 내지 210e)을 구별하기 위해 정의될 수 있다. 따라서, 제1 측정 조건 및 제2 측정 조건을 사용하여 산란 신호를 생성하고 분할 선(402) 위에 속하는 결함을 표면 결함으로서 비닝함으로써 표면 레벨 결함이 관심 샘플 상의 매립된 결함과 구별될 수 있다. 아래에서 정의된 바와 같은 추가적인 규칙이 이어서 매립된 결함을 비닝하는 데 사용될 수 있다.
도 5는 본 개시의 하나 이상의 실시예에 따른, 제3 측정 조건과 제4 측정 조건을, 제각기, 사용한 샘플(114)과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯(500)이다. 제3 측정 조건을 사용하여 측정된 결함의 강도 값은 Y-축을 따라 플로팅되고 제4 조건을 사용하여 측정된 결함의 강도 값은 X-축을 따라 플로팅된다. 플롯(500)에 의해 예시된 바와 같이, 6 층 깊이의 결함(210b) 및 20 층 깊이의 결함(210c)은 34 층 깊이의 결함(210d) 및 48 층 깊이의 결함(210e)과 쉽게 구별될 수 있다. 예를 들어, 분할 선(502)은 6 층 또는 20 층 깊이에 매립된 결함(210b 및 210c)과 34 층 또는 48 층 깊이에 매립된 결함(210d 및 210e)을 구별하도록 정의될 수 있다. 따라서, 제3 측정 조건 및 제4 측정 조건을 사용하여 산란 신호를 생성하고 분할 선(502)에 기초하여 결함을 비닝함으로써 대략 6 층 또는 20 층 깊이의 깊이에 매립된 관심 샘플 상의 결함이 대략 34 층 또는 48 층 깊이의 깊이에 매립된 결함과 구별될 수 있다. 아래에서 정의된 바와 같은 추가적인 규칙이 이어서 결함 깊이를 추가로 세분화하는 데 사용될 수 있다.
도 6은 본 개시의 하나 이상의 실시예에 따른, 제5 측정 조건과 제6 측정 조건을, 제각기, 사용한 샘플(114)과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯(600)이다. 제5 측정 조건을 사용하여 측정된 결함의 강도 값은 Y-축을 따라 플로팅되고 제6 조건을 사용하여 측정된 결함의 강도 값은 X-축을 따라 플로팅된다. 플롯(600)에 의해 예시된 바와 같이, 6 층 깊이의 결함(210b)은 20 층 깊이의 결함(210c)과 쉽게 구별될 수 있다. 예를 들어, 분할 선(602)은 6 층 깊이에 매립된 결함(210b)과 20 층 깊이에 매립된 결함(210c)을 구별하도록 정의될 수 있다. 따라서, 제5 측정 조건 및 제6 측정 조건을 사용하여 산란 신호를 생성하고 분할 선(602)에 기초하여 결함을 비닝함으로써 대략 6 층 깊이의 깊이에 매립된 관심 샘플 상의 결함이 대략 20 층 깊이의 깊이에 매립된 결함과 구별될 수 있다. 아래에서 정의된 바와 같은 추가적인 규칙이 이어서 나머지 결함에 대한 결함 깊이를 추가로 세분화하는 데 사용될 수 있다.
도 7은 본 개시의 하나 이상의 실시예에 따른, 제7 측정 조건과 제8 측정 조건을, 제각기, 사용한 샘플(114)과 연관된 산란 신호를 포함하는 트레이닝 데이터의 플롯(700)이다. 제7 측정 조건을 사용하여 측정된 결함의 강도 값은 Y-축을 따라 플로팅되고 제8 조건을 사용하여 측정된 결함의 강도 값은 X-축을 따라 플로팅된다. 플롯(700)에 의해 예시된 바와 같이, 34 층 깊이의 결함(210d)은 48 층 깊이의 결함(210e)과 쉽게 구별될 수 있다. 예를 들어, 분할 선(702)은 34 층 깊이에 매립된 결함(210d)과 48 층 깊이에 매립된 결함(210e)을 구별하도록 정의될 수 있다. 따라서, 제7 측정 조건 및 제8 측정 조건을 사용하여 산란 신호를 생성하고 분할 선(702)에 기초하여 결함을 비닝함으로써 대략 34 층 깊이의 깊이에 매립된 관심 샘플 상의 결함이 대략 48 층 깊이의 깊이에 매립된 결함과 구별될 수 있다.
따라서 8개의 산란 신호를 생성하고 트레이닝 데이터에 기초하여 위에서 정의된 규칙에 기초하여 다양한 산란 신호를 순차적으로 비교함으로써 관심 샘플 상의 결함의 깊이가 깊이 범위(예를 들면, 빈)로 소팅될 수 있다. 게다가, 이러한 산란 신호는 순차적으로 또는 동시에 생성될 수 있다. 예를 들어, 도 1c 및 도 1d에 예시된 검사 툴(102)은 상이한 입체각 범위 및 편광과 연관된 3개의 산란 신호를 동시에 생성하도록 구성된다. 따라서, 도 1c 및 도 1d에 예시된 검사 툴(102)은 3개의 검사 패스(inspection pass)에서 최대 9개의 산란 신호를 생성할 수 있다. 게다가, 도 4 내지 도 7 및 관련 설명이 오로지 예시 목적으로 제공되며 제한하는 것으로 해석되어서는 안된다는 것이 이해되어야 한다. 결함 깊이 비닝에 대한 규칙은 산란 신호의 임의의 조합을 비교함으로써 생성될 수 있다. 예를 들어, 비록 도 4 내지 도 7이 (예를 들면, 고유한 측정 조건 1 내지 측정 조건 8과 연관된) 8개의 상이한 산란 신호의 비교를 예시하지만, 결함 깊이 비닝에 대한 규칙은 또한 임의의 선택된 산란 신호와 2개 이상의 추가적인 산란 신호의 비교에 기초할 수 있다. 다른 실시예에서, 결함 깊이 비닝에 대한 규칙은 (예를 들면, 도 1c 및 도 1d에 예시된 검사 툴(102) 등에 의해 생성되는) 상이한 입체각 범위 및 편광을 갖는 9개의 상이한 산란 신호를 사용하여 생성될 수 있다. 추가적으로, 결함 깊이 비닝에 대한 규칙은 입체각 범위 또는 편광의 임의의 조합을 사용하여 측정을 제공하도록 구성된 검사 툴(102)을 사용하여 생성될 수 있다. 게다가, 깊이 비닝에 대해 도출된 규칙은 관심 샘플의 특정 특성(예를 들면, 층의 수 및 조성)은 물론 결함의 유형 및 조성에 따라 달라질 수 있다.
다른 실시예에서, 결함 깊이가 다차원 패턴 인식 기술을 통해 결정될 수 있다. 예를 들어, 머신 러닝 알고리즘은 트레이닝 단계 동안 트레이닝 데이터에 기초하여 결함 깊이와 산란 신호 사이의 관계를 결정하도록 트레이닝될 수 있다.
다차원 패턴 인식은 분류, 소팅, 클러스터링, 이상치 검출지, 신호 응답 계측, 회귀 분석, 인스턴스 기반 분석(예를 들면, 최근접 이웃 분석 등), 차원 축소(예를 들면, 인자 분석, 특징 추출, 주성분 분석 등), 지도 학습(예를 들면, 인공 신경 네트워크, 서포트 벡터 머신, 랜덤 포레스트 등), 준지도 학습(예를 들면, 생성 모델 등), 비지도 학습(예를 들면, 벡터 양자화 등), 딥 러닝, 또는 베이지안 통계와 같은, 그러나 이에 제한되지 않는 본 기술 분야에서 알려진 임의의 분석 기술을 사용하여 수행될 수 있다. 분석 기술 및 임의의 관련 라벨이 오로지 설명 목적으로 제공되며 제한하는 것으로 의도되지 않음이 이해되어야 한다.
게다가, 관심 샘플(예를 들면, 테스트 샘플)에 대한 결함 깊이는 검사 단계 동안 머신 러닝 알고리즘에 의해 단계(308)에서 제공될 수 있다. 예를 들어, 관심 샘플로부터의 산란 신호는 머신 러닝 알고리즘에 입력으로서 제공될 수 있고, 결함 깊이(결함 값 또는 빈)는 단계(302)에서 식별된 결함 깊이와 산란 신호 사이의 관계에 기초하여 출력으로서 제공될 수 있다.
다른 실시예에서, 방법(300)은 산란 신호에 기초하여 결함을 분류하는 단계를 포함한다. 예를 들어, 방법(300)은 결함 조성, 크기, 구조 또는 유형(예를 들면, 파티클, 균열, 보이드 등)과 같은, 그러나 이에 제한되지 않는 매립된 결함의 하나 이상의 특성을 추출하는 단계를 포함할 수 있다. 본 명세서에서 이전에 설명된 바와 같이, 트레이닝 데이터는 다수의 결함(예를 들면, 상이한 조성, 크기, 구조 또는 유형을 갖는 결함)과 연관된 산란 신호를 포함할 수 있다. 따라서, 결함 특성은 규칙 기반 분류 또는 다차원 패턴 분류 기술과 같은, 그러나 이에 제한되지 않는 깊이 결정과 관련하여 본 명세서에서 설명된 것과 동일하거나 실질적으로 유사한 기술을 사용하여 결정될 수 있다.
다른 실시예에서, 산란 신호가 고정된 초점 높이에 있는 샘플로 생성된다. 이와 관련하여, 검사 툴(예를 들면, 검사 툴(102))에서의 샘플은 조명 및/또는 수집 광학장치(예를 들면, 도 1c 및 도 1d에서의 대물 렌즈(134), 조명 집속 요소(122), 및/또는 도 1b에서의 수집 집속 요소(126) 등)에 대해 고정된 높이에 위치될 수 있다. 고정된 초점 높이에서의 산란 신호를 제공하는 것이 스캔 신호의 정확하고 효율적인 생성을 용이하게 할 수 있다는 것이 본 명세서에서 인식된다. 예를 들어, (예를 들면, 검사 툴(102)의 샘플 스테이지(124)를 사용하여) 스캔 동안 샘플의 초점 높이를 변화시키는 것은 고정된 초점 높이에서의 산란 신호보다 상대적으로 더 긴 취득 시간을 필요로 할 수 있으며, 이는 처리율에 부정적인 영향을 미칠 수 있다. 특히, 다수의 초점 높이에서의 산란 신호가 필요한 경우 샘플의 2차원 부분에 걸쳐 결함을 특성 묘사하는 데 적합한 (예를 들면, 도 2의 X-Y 평면 내에서의) 2차원 샘플 스캔의 샘플 취득 시간은 엄청나게 길 수 있다. 게다가, 다수의 초점 높이에서의 산란 신호의 취득은 산란 신호의 정확도에 부정적인 영향을 미칠 수 있는 에러(예를 들면, 샘플 스테이지(124)의 레지스트레이션 에러)를 유입시킬 수 있다.
본 명세서에 설명된 주제는 때때로 다른 컴포넌트 내에 포함되거나 다른 컴포넌트와 연결되는 상이한 컴포넌트를 예시한다. 그러한 묘사된 아키텍처가 단지 예시적인 것이라는 것과, 실제로, 동일한 기능성을 달성하는 많은 다른 아키텍처가 구현될 수 있다는 것이 이해되어야 한다. 개념적 의미에서, 동일한 기능성을 달성하기 위한 컴포넌트들의 임의의 배열은 원하는 기능성이 달성되도록 효과적으로 "연관"된다. 따라서, 특정 기능성을 달성하도록 조합되는 본 명세서에서의 임의의 2개의 컴포넌트는, 아키텍처 또는 매개 컴포넌트(intermedial component)와 관계없이, 원하는 기능성이 달성되도록 서로 "연관"되는 것처럼 보일 수 있다. 마찬가지로, 그렇게 연관된 임의의 2개의 컴포넌트는 원하는 기능성을 달성하도록 서로 "연결된" 또는 "결합된" 것으로 또한 보일 수 있고, 그렇게 연관될 수 있는 임의의 2개의 컴포넌트는 원하는 기능성을 달성하도록 서로 "결합 가능한(couplable)" 것으로 또한 보일 수 있다. 결합 가능한의 특정 예는 물리적으로 상호작용 가능한 및/또는 물리적으로 상호작용하는 컴포넌트 그리고/또는 무선으로 상호작용 가능한 및/또는 무선으로 상호작용하는 컴포넌트 및/또는 논리적으로 상호작용하는 및/또는 논리적으로 상호작용 가능한 컴포넌트를 포함하지만 이에 제한되지 않는다.
본 개시 및 해당 부수적 장점들 중 다수가 전술한 설명에 의해 이해될 것으로 생각되며, 개시된 주제를 벗어나지 않으면서 또는 그의 실질적 장점들 전부를 희생시키지 않으면서 컴포넌트의 형태, 구조 및 배열에 다양한 변경이 이루어질 수 있음이 명백할 것이다. 설명된 형태는 단지 설명적인 것이며, 이하의 청구항의 의도는 그러한 변경을 포괄하고 포함하는 것이다. 게다가, 본 발명이 첨부된 청구항에 의해 한정된다는 것이 이해되어야 한다.

Claims (44)

  1. 검사 시스템으로서,
    조명 빔을 생성하도록 구성된 조명 소스;
    상기 조명 빔을 샘플로 지향시키기 위한 하나 이상의 조명 광학장치;
    제1 입체각 범위 내의 상기 조명 빔에 응답하여 상기 샘플로부터의 광을 수집하기 위한 적어도 제1 검출기를 포함하는 제1 수집 채널 - 상기 제1 수집 채널은 상기 제1 검출기에 입사하는 상기 샘플로부터의 광의 편광을 제어하기 위한 제1 편광기를 더 포함함 -;
    제2 입체각 범위 내의 상기 조명 소스로부터의 조명에 응답하여 상기 샘플로부터의 광을 수집하기 위한 적어도 제2 검출기를 포함하는 제2 수집 채널 - 상기 제2 수집 채널은 상기 제2 검출기에 입사하는 상기 샘플로부터의 광의 편광을 제어하기 위한 제2 편광기를 더 포함함 -; 및
    프로그램 명령어를 실행하도록 구성된 하나 이상의 프로세서를 포함하는 제어기
    를 포함하고, 상기 프로그램 명령어는 상기 하나 이상의 프로세서로 하여금:
    2개 이상의 산란 신호를 수신하게 하고 - 상기 2개 이상의 산란 신호는 상기 제1 편광기의 하나 이상의 배향에 기초한 상기 제1 수집 채널로부터의 하나 이상의 산란 신호를 포함하고, 상기 2개 이상의 산란 신호는 상기 제2 편광기의 하나 이상의 배향에 기초한 상기 제2 수집 채널로부터의 하나 이상의 산란 신호를 더 포함함 -;
    상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하게 하고,
    상기 트레이닝 데이터는 알려진 깊이에 알려진 결함을 갖는 트레이닝 샘플로부터의 산란 신호를 포함하는, 검사 시스템.
  2. 제1항에 있어서, 상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것은:
    상기 2개 이상의 산란 신호를 상기 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함을 깊이 빈(depth bin)으로 소팅하는 것을 포함하는, 검사 시스템.
  3. 제2항에 있어서, 상기 깊이 빈은:
    2개 이상의 깊이 빈을 포함하는, 검사 시스템.
  4. 제2항에 있어서, 상기 깊이 빈은:
    표면 깊이 빈 및 2개 이상의 표면 아래(sub-surface) 깊이 빈을 포함하는, 검사 시스템.
  5. 제2항에 있어서, 상기 깊이 빈은:
    상기 표면 깊이 빈 및 4개 이상의 표면 아래 깊이 빈을 포함하는, 검사 시스템.
  6. 제1항에 있어서, 상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것은:
    상기 트레이닝 데이터에 기초하여 결함 깊이를 결정하기 위한 하나 이상의 규칙을 생성하는 것; 및
    상기 하나 이상의 규칙을 상기 2개 이상의 산란 신호에 적용하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것을 포함하는, 검사 시스템.
  7. 제1항에 있어서, 상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것은:
    상기 트레이닝 데이터로 머신 러닝 알고리즘을 트레이닝시키는 것;
    상기 2개 이상의 산란 신호를 상기 머신 러닝 알고리즘에 입력으로서 제공하는 것; 및
    상기 머신 러닝 알고리즘의 출력에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것을 포함하는, 검사 시스템.
  8. 제1항에 있어서, 상기 하나 이상의 결함은:
    상기 샘플에 매립된 하나 이상의 파티클을 포함하는, 검사 시스템.
  9. 제1항에 있어서, 상기 샘플은:
    반도체 웨이퍼를 포함하는, 검사 시스템.
  10. 제1항에 있어서, 상기 샘플은:
    기판 상에 퇴적된 막을 포함하는, 검사 시스템.
  11. 제1항에 있어서, 상기 샘플은:
    기판 상에 퇴적된 다층 막 스택을 포함하는, 검사 시스템.
  12. 제1항에 있어서, 상기 하나 이상의 조명 광학장치는 대물 렌즈를 포함하고, 상기 제1 입체각 범위는 상기 대물 렌즈의 개구수 내의 제1 입체각 서브세트를 포함하며, 적어도 제2 수집 각도 세트는 상기 대물 렌즈의 개구수 내의 제2 입체각 서브세트를 포함하는, 검사 시스템.
  13. 제12항에 있어서, 상기 제1 수집 채널과 상기 제2 수집 채널은 방위각 대칭인, 검사 시스템.
  14. 제12항에 있어서, 상기 제1 입체각 범위는:
    상기 샘플에 수직인 방향으로부터 제1 입체각에 이르는 원뿔의 입체각을 포함하고, 상기 제2 입체각 범위는:
    상기 제1 입체각으로부터 상기 제1 입체각보다 큰 제2 입체각에 이르는 환형 분포의 입체각을 포함하는, 검사 시스템.
  15. 제14항에 있어서, 상기 제2 수집 채널로부터의 하나 이상의 산란 신호는:
    상기 제2 편광기의 2개의 직교 배향에 기초한 2개의 산란 신호를 포함하는, 검사 시스템.
  16. 제15항에 있어서, 상기 제1 수집 채널로부터의 하나 이상의 산란 신호는:
    상기 제1 편광기의 단일 배향에 기초한 하나의 산란 신호를 포함하는, 검사 시스템.
  17. 제14항에 있어서, 상기 제1 수집 채널로부터의 하나 이상의 산란 신호는:
    상기 제1 편광기의 2개의 직교 배향에 기초한 2개의 산란 신호를 포함하는, 검사 시스템.
  18. 제1항에 있어서, 상기 하나 이상의 조명 광학장치는 상기 조명 소스로부터의 조명을 경사 입사각으로 상기 샘플로 지향시키는, 검사 시스템.
  19. 제18항에 있어서, 상기 2개 이상의 산란 신호 중 적어도 하나는:
    암시야 산란 신호를 포함하는, 검사 시스템.
  20. 제1항에 있어서, 상기 하나 이상의 조명 광학장치는 상기 조명 소스로부터의 조명을 수직 입사각으로 상기 샘플로 지향시키는, 검사 시스템.
  21. 제20항에 있어서, 상기 2개 이상의 산란 신호 중 적어도 하나는:
    명시야 산란 신호를 포함하는, 검사 시스템.
  22. 제1항에 있어서, 상기 조명 소스는 적어도 자외선 파장, 심자외선 파장, 진공 자외선 파장, 또는 극자외선 파장을 포함하는 조명을 생성하도록 구성되는, 검사 시스템.
  23. 제1항에 있어서, 상기 조명 소스는 가시 파장을 포함하는 조명을 생성하도록 구성되는, 검사 시스템.
  24. 제1항에 있어서, 상기 조명 소스는 2개의 파장 범위를 포함하는 조명을 생성하도록 구성되고, 적어도 하나의 파장 범위는 가시 파장을 포함하는, 검사 시스템.
  25. 제1항에 있어서, 상기 하나 이상의 조명 광학장치는 상기 조명 빔을 고정된 초점 높이에 있는 상기 샘플로 지향시키는, 검사 시스템.
  26. 검사 시스템으로서,
    프로그램 명령어를 실행하도록 구성된 하나 이상의 프로세서를 포함하는 제어기
    를 포함하고, 상기 프로그램 명령어는 상기 하나 이상의 프로세서로 하여금:
    제1 수집 채널로부터의 하나 이상의 산란 신호를 수신하게 하고 - 상기 제1 수집 채널은 조명 빔에 응답하여 제1 입체각 범위 내의 샘플로부터의 광을 수집하기 위한 제1 검출기를 포함하고, 상기 제1 수집 채널은 상기 제1 검출기에 입사하는 상기 샘플로부터의 광의 편광을 제어하기 위한 제1 조정 가능 편광기를 더 포함하며, 상기 제1 수집 채널로부터의 하나 이상의 산란 신호는 상기 제1 조정 가능 편광기의 하나 이상의 편광 상태에 기초함 -;
    제2 수집 채널로부터의 하나 이상의 산란 신호를 수신하게 하며 - 상기 제2 수집 채널은 제2 입체각 범위 내의 상기 조명 빔에 응답하여 상기 샘플로부터의 광을 수집하기 위한 제2 검출기를 포함하고, 상기 제2 수집 채널은 상기 제2 검출기에 입사하는 상기 샘플로부터의 광의 편광을 제어하기 위한 제2 조정 가능 편광기를 더 포함하며, 상기 제2 수집 채널로부터의 하나 이상의 산란 신호는 상기 제2 조정 가능 편광기의 하나 이상의 편광 상태에 기초함 -;
    상기 제1 수집 채널 및 상기 제2 수집 채널로부터의 하나 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하게 하고,
    상기 트레이닝 데이터는 알려진 깊이에 알려진 결함을 갖는 트레이닝 샘플로부터의 산란 신호를 포함하는, 검사 시스템.
  27. 제26항에 있어서, 상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것은:
    상기 2개 이상의 산란 신호를 상기 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함을 깊이 빈으로 소팅하는 것을 포함하는, 검사 시스템.
  28. 제27항에 있어서, 상기 깊이 빈은:
    2개 이상의 깊이 빈을 포함하는, 검사 시스템.
  29. 제27항에 있어서, 상기 깊이 빈은:
    표면 깊이 빈 및 2개 이상의 표면 아래 깊이 빈을 포함하는, 검사 시스템.
  30. 제27항에 있어서, 상기 깊이 빈은:
    상기 표면 깊이 빈 및 4개 이상의 표면 아래 깊이 빈을 포함하는, 검사 시스템.
  31. 제26항에 있어서, 상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것은:
    상기 트레이닝 데이터에 기초하여 결함 깊이를 결정하기 위한 하나 이상의 규칙을 생성하는 것; 및
    상기 하나 이상의 규칙을 상기 2개 이상의 산란 신호에 적용하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것을 포함하는, 검사 시스템.
  32. 제26항에 있어서, 상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것은:
    상기 트레이닝 데이터로 머신 러닝 알고리즘을 트레이닝시키는 것;
    상기 2개 이상의 산란 신호를 상기 머신 러닝 알고리즘에 입력으로서 제공하는 것; 및
    상기 머신 러닝 알고리즘의 출력에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 것을 포함하는, 검사 시스템.
  33. 제26항에 있어서, 상기 하나 이상의 결함은:
    상기 샘플에 매립된 하나 이상의 파티클을 포함하는, 검사 시스템.
  34. 제26항에 있어서, 상기 하나 이상의 조명 광학장치는 대물 렌즈를 포함하고, 상기 제1 입체각 범위는 상기 대물 렌즈의 개구수 내의 제1 입체각 서브세트를 포함하며, 적어도 제2 수집 각도 세트는 상기 대물 렌즈의 개구수 내의 제2 입체각 서브세트를 포함하는, 검사 시스템.
  35. 제34항에 있어서, 상기 제1 수집 채널과 상기 제2 수집 채널은 방위각 대칭인, 검사 시스템.
  36. 제35항에 있어서, 상기 제2 수집 채널로부터의 하나 이상의 산란 신호는:
    상기 제2 편광기의 2개의 직교 배향에 기초한 2개의 산란 신호를 포함하는, 검사 시스템.
  37. 제36항에 있어서, 상기 제1 수집 채널로부터의 하나 이상의 산란 신호는:
    상기 제1 편광기의 단일 배향에 기초한 하나의 산란 신호를 포함하는, 검사 시스템.
  38. 제26항에 있어서, 상기 하나 이상의 조명 광학장치는 상기 조명 소스로부터의 조명을 경사 입사각으로 상기 샘플로 지향시키는, 검사 시스템.
  39. 제38항에 있어서, 상기 2개 이상의 산란 신호 중 적어도 하나는:
    암시야 산란 신호를 포함하는, 검사 시스템.
  40. 제26항에 있어서, 상기 하나 이상의 조명 광학장치는 상기 조명 소스로부터의 조명을 수직 입사각으로 상기 샘플로 지향시키는, 검사 시스템.
  41. 제40항에 있어서, 상기 2개 이상의 산란 신호 중 적어도 하나는:
    명시야 산란 신호를 포함하는, 검사 시스템.
  42. 검사 방법으로서,
    제1 수집 채널로부터의 하나 이상의 산란 신호를 수신하는 단계 - 상기 제1 수집 채널은 조명 빔에 응답하여 제1 입체각 범위 내의 샘플로부터의 광을 수집하기 위한 제1 검출기를 포함하고, 상기 제1 수집 채널은 상기 제1 검출기에 입사하는 상기 샘플로부터의 광의 편광을 제어하기 위한 제1 조정 가능 편광기를 더 포함하며, 상기 제1 수집 채널로부터의 하나 이상의 산란 신호는 상기 제1 조정 가능 편광기의 하나 이상의 편광 상태에 기초함 -;
    제2 수집 채널로부터의 하나 이상의 산란 신호를 수신하는 단계 - 상기 제2 수집 채널은 제2 입체각 범위 내의 상기 조명 빔에 응답하여 상기 샘플로부터의 광을 수집하기 위한 제2 검출기를 포함하고, 상기 제2 수집 채널은 상기 제2 검출기에 입사하는 상기 샘플로부터의 광의 편광을 제어하기 위한 제2 조정 가능 편광기를 더 포함하며, 상기 제2 수집 채널로부터의 하나 이상의 산란 신호는 상기 제2 조정 가능 편광기의 하나 이상의 편광 상태에 기초함 -; 및
    상기 제1 수집 채널 및 상기 제2 수집 채널로부터의 하나 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 단계
    를 포함하고, 상기 트레이닝 데이터는 알려진 깊이에 알려진 결함을 갖는 트레이닝 샘플로부터의 산란 신호를 포함하는, 검사 방법.
  43. 제42항에 있어서, 상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 단계는:
    상기 트레이닝 데이터에 기초하여 결함 깊이를 결정하기 위한 하나 이상의 규칙을 생성하는 단계; 및
    상기 하나 이상의 규칙을 상기 2개 이상의 산란 신호에 적용하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 단계를 포함하는, 검사 방법.
  44. 제42항에 있어서, 상기 2개 이상의 산란 신호를 트레이닝 데이터와 비교하는 것에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 단계는:
    상기 트레이닝 데이터로 머신 러닝 알고리즘을 트레이닝시키는 단계;
    상기 2개 이상의 산란 신호를 상기 머신 러닝 알고리즘에 입력으로서 제공하는 단계; 및
    상기 머신 러닝 알고리즘의 출력에 기초하여 상기 샘플에서의 하나 이상의 결함의 깊이를 결정하는 단계를 포함하는, 검사 방법.
KR1020217000554A 2018-06-19 2019-06-11 다중 산란 신호에 기초한 매립된 파티클 깊이 비닝 KR102495449B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201862687123P 2018-06-19 2018-06-19
US62/687,123 2018-06-19
US16/165,742 2018-10-19
US16/165,742 US10732130B2 (en) 2018-06-19 2018-10-19 Embedded particle depth binning based on multiple scattering signals
PCT/US2019/036432 WO2019245785A1 (en) 2018-06-19 2019-06-11 Embedded particle depth binning based on multiple scattering signals

Publications (2)

Publication Number Publication Date
KR20210011057A true KR20210011057A (ko) 2021-01-29
KR102495449B1 KR102495449B1 (ko) 2023-02-06

Family

ID=68840629

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217000554A KR102495449B1 (ko) 2018-06-19 2019-06-11 다중 산란 신호에 기초한 매립된 파티클 깊이 비닝

Country Status (8)

Country Link
US (1) US10732130B2 (ko)
JP (1) JP7236473B2 (ko)
KR (1) KR102495449B1 (ko)
CN (1) CN112219113B (ko)
IL (1) IL279286B2 (ko)
SG (1) SG11202012061QA (ko)
TW (1) TWI785253B (ko)
WO (1) WO2019245785A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10732130B2 (en) * 2018-06-19 2020-08-04 Kla-Tencor Corporation Embedded particle depth binning based on multiple scattering signals
US11668658B2 (en) * 2018-10-08 2023-06-06 Araz Yacoubian Multi-parameter inspection apparatus for monitoring of additive manufacturing parts
JP7206020B2 (ja) * 2020-11-17 2023-01-17 マシンビジョンライティング株式会社 画像観察装置及びその照明光学系
WO2023023701A1 (en) * 2021-08-24 2023-03-02 Mark Andrew Fraser Handcart
US20240168391A1 (en) * 2022-11-23 2024-05-23 Kla Corporation Device feature specific edge placement error (epe)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3333631A (en) * 1964-12-03 1967-08-01 Mobil Oil Corp Method for optimum miscible flooding of reservoirs using a model to determine input profile
US6181420B1 (en) * 1998-10-06 2001-01-30 Zygo Corporation Interferometry system having reduced cyclic errors
WO2017117568A1 (en) * 2015-12-31 2017-07-06 Kla-Tencor Corporation Accelerated training of a machine learning based model for semiconductor applications
WO2018067885A1 (en) * 2016-10-07 2018-04-12 Kla-Tencor Corporation Three-dimensional imaging for semiconductor wafer inspection
WO2018071137A1 (en) * 2016-10-14 2018-04-19 Kla-Tencor Corporation Diagnostic systems and methods for deep learning models configured for semiconductor applications

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6201601B1 (en) 1997-09-19 2001-03-13 Kla-Tencor Corporation Sample inspection system
KR20040076742A (ko) * 2003-02-26 2004-09-03 삼성전자주식회사 결함 분류 방법 및 결함 분류 장치
US6947588B2 (en) 2003-07-14 2005-09-20 August Technology Corp. Edge normal process
DE10333445B4 (de) * 2003-07-23 2021-10-14 Leica Microsystems Cms Gmbh Konfokales Rastermikroskop
US7554656B2 (en) 2005-10-06 2009-06-30 Kla-Tencor Technologies Corp. Methods and systems for inspection of a wafer
US7436505B2 (en) 2006-04-04 2008-10-14 Kla-Tencor Technologies Corp. Computer-implemented methods and systems for determining a configuration for a light scattering inspection system
US7714997B2 (en) 2006-11-07 2010-05-11 Hitachi High-Technologies Corporation Apparatus for inspecting defects
US8289527B2 (en) 2010-04-01 2012-10-16 Tokyo Electron Limited Optimization of ray tracing and beam propagation parameters
US20120316855A1 (en) 2011-06-08 2012-12-13 Kla-Tencor Corporation Using Three-Dimensional Representations for Defect-Related Applications
US9151940B2 (en) * 2012-12-05 2015-10-06 Kla-Tencor Corporation Semiconductor inspection and metrology system using laser pulse multiplier
KR20140122608A (ko) 2013-04-10 2014-10-20 삼성전자주식회사 디펙의 깊이 정보 추출 장치 및 방법과 그 디펙의 깊이 정보를 이용한 반도체 공정 개선방법
US9310320B2 (en) 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
US9535010B2 (en) 2014-05-15 2017-01-03 Kla-Tencor Corp. Defect sampling for electron beam review based on defect attributes from optical inspection and optical review
TWI649932B (zh) * 2014-06-20 2019-02-01 美商克萊譚克公司 使用面鏡及／或稜鏡之雷射重覆率倍增器及平頂射束分佈產生器
US9606069B2 (en) * 2014-06-25 2017-03-28 Kla-Tencor Corporation Method, apparatus and system for generating multiple spatially separated inspection regions on a substrate
JP6369860B2 (ja) * 2014-07-15 2018-08-08 株式会社日立ハイテクノロジーズ 欠陥観察方法及びその装置
US9726615B2 (en) * 2014-07-22 2017-08-08 Kla-Tencor Corporation System and method for simultaneous dark field and phase contrast inspection
NL2017930A (en) * 2015-12-31 2017-07-05 Asml Netherlands Bv Method and device for focusing in an inspection system
EP3333631A1 (en) 2016-12-06 2018-06-13 ASML Netherlands B.V. Method of measuring a target, metrology apparatus, polarizer assembly
US10732130B2 (en) 2018-06-19 2020-08-04 Kla-Tencor Corporation Embedded particle depth binning based on multiple scattering signals

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3333631A (en) * 1964-12-03 1967-08-01 Mobil Oil Corp Method for optimum miscible flooding of reservoirs using a model to determine input profile
US6181420B1 (en) * 1998-10-06 2001-01-30 Zygo Corporation Interferometry system having reduced cyclic errors
WO2017117568A1 (en) * 2015-12-31 2017-07-06 Kla-Tencor Corporation Accelerated training of a machine learning based model for semiconductor applications
WO2018067885A1 (en) * 2016-10-07 2018-04-12 Kla-Tencor Corporation Three-dimensional imaging for semiconductor wafer inspection
WO2018071137A1 (en) * 2016-10-14 2018-04-19 Kla-Tencor Corporation Diagnostic systems and methods for deep learning models configured for semiconductor applications

Also Published As

Publication number Publication date
IL279286B1 (en) 2023-10-01
CN112219113B (zh) 2022-03-25
SG11202012061QA (en) 2021-01-28
CN112219113A (zh) 2021-01-12
KR102495449B1 (ko) 2023-02-06
US20190383754A1 (en) 2019-12-19
US10732130B2 (en) 2020-08-04
JP2021527813A (ja) 2021-10-14
JP7236473B2 (ja) 2023-03-09
IL279286A (en) 2021-01-31
TWI785253B (zh) 2022-12-01
IL279286B2 (en) 2024-02-01
WO2019245785A1 (en) 2019-12-26
TW202018279A (zh) 2020-05-16

Similar Documents

Publication Publication Date Title
KR102438824B1 (ko) 3차원 반도체 구조체들의 검사를 위한 결함 발견 및 레시피 최적화
KR102495449B1 (ko) 다중 산란 신호에 기초한 매립된 파티클 깊이 비닝
US10067072B2 (en) Methods and apparatus for speckle suppression in laser dark-field systems
US10126251B2 (en) Inspection systems and techniques with enhanced detection
CN106030292B (zh) 用于组合式明场、暗场及光热检验的设备及方法
JP7037632B2 (ja) 効率的プロセスウィンドウ発見用ハイブリッド検査システム
KR102550474B1 (ko) 자율 결함 세그먼트화

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