KR20210024193A - 반도체 검사의 다중 모드 결함 분류 - Google Patents

반도체 검사의 다중 모드 결함 분류 Download PDF

Info

Publication number
KR20210024193A
KR20210024193A KR1020217004762A KR20217004762A KR20210024193A KR 20210024193 A KR20210024193 A KR 20210024193A KR 1020217004762 A KR1020217004762 A KR 1020217004762A KR 20217004762 A KR20217004762 A KR 20217004762A KR 20210024193 A KR20210024193 A KR 20210024193A
Authority
KR
South Korea
Prior art keywords
defects
defect
optical modes
semiconductor die
separate
Prior art date
Application number
KR1020217004762A
Other languages
English (en)
Inventor
그레이스 에이치. 첸
암릿 파우들
바입하브 가인드
마크 에스 왕
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 KR20210024193A publication Critical patent/KR20210024193A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8901—Optical details; Scanning details
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • 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
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • 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
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • 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
    • G01N2021/8848—Polarisation of 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G01N2021/8887—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 based on image processing techniques

Landscapes

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

Abstract

반도체 검사 도구는 복수의 광학 모드를 사용하여 반도체 다이를 스캐닝한다. 스캐닝의 결과에 기초하여 반도체 다이 상의 복수의 결함이 식별된다. 복수의 결함의 각각의 결함은 반도체 검사 도구의 각각의 픽셀 세트에 대응한다. 스캐닝은 각각의 결함을 결정하지 못한다. 결과는 각각의 픽셀 세트에 대한 픽셀 강도에 기초한 다차원 데이터를 포함하는데, 여기서 다차원 데이터의 각각의 차원은 복수의 광학 모드의 별개의 모드에 대응한다. 판별 함수가 결과에 적용되어 각각의 픽셀 세트에 대한 다차원 데이터를 각각의 점수로 변환한다. 각각의 점수에 적어도 부분적으로 기초하여, 각각의 결함은 별개의 클래스로 분할된다.

Description

반도체 검사의 다중 모드 결함 분류
관련 출원
본 출원은 2018년 7월 20일자로 출원된 발명의 명칭이 "Multimode Approach for Defect and Nuisance Filtering"인 미국 특허 가출원 번호 제62/701,007호 및 2018년 11월 15일자로 출원된 발명의 명칭이 "Multimode Defect Classification in Semiconductor Inspection"인 미국 특허 가출원 번호 제62/767,916호에 대한 우선권을 주장하는데, 이들 가출원은 모든 목적을 위해 그들 전체가 참조에 의해 본원에 통합된다.
기술 분야
본 개시는 반도체 검사에 관한 것으로, 더 구체적으로는, 반도체 검사에 의해 검출되는 결함을 분류하는 것에 관한 것이다.
현대의 광학적 반도체 검사 도구는 통상적인 결함의 치수보다, 종종, 10의 1승배 또는 그 이상만큼 훨씬 더 긴 파장을 사용한다. 그러한 만큼, 검사 도구는 결함을 결정할(resolve) 수 없고, 따라서, 결함을 보여주는 이미지를 제공할 수 없다; 대신, 검사 도구는 결함이 검출되었다는 표시를 제공하는 것에 불과하다. 더구나, 검출된 결함 중 많은 것은, 디바이스 기능성(functionality)에 영향을 주지 않으며 프로세스 통합 및 수율 향상 엔지니어에게 관심을 끌지 않는 소위 누슨스 결함(nuisance defect)이다. 그리고 누슨스 결함은, 예를 들면, 1000 배 그 이상으로 관심 결함보다 더 많을 수도 있다. 많은 양의 누슨스 결함은 식별된 모든 결함에 대해 후속하는 고장 분석(예를 들면, 주사 전자 현미경을 사용한 시각화)을 수행하는 것을 비현실적으로 만든다. 많은 양의 누슨스 결함은 또한, 많은 수의 관심 결함에 기인하여 웨이퍼가 폐기되어야 하는지 또는 재작업되어야 하는지의 여부를 결정하는 것을 불가능하게 만든다.
누슨스 결함으로부터 관심 결함을 구별하기 위한 현존하는 기술은 그들의 유효성에서 제한된다. 예를 들면, 두 가지 타입의 결함을 구별하기 위한 단일의 최상의 광학 모드가 식별되어 검사를 위해 사용될 수도 있다. 이 접근법은 다른 광학 모드가 제공할 수 있는 정보를 무시한다. 다수의 모드에 대한 검사 결과의 통합 또는 교차를 고려하는 다른 기술은 코호트(cohort)에서 다수의 모드를 고려하지 못하며 따라서 너무 단순하다.
따라서, 결함을 분류하는 개선된 방법 및 시스템에 대한 필요성이 존재한다. 그러한 방법 및 시스템은 코호트에서의 다수의 모드에 대한 검사 결과를 사용할 수도 있다.
몇몇 실시형태에서, 결함 분류 방법은, 복수의 광학 모드를 사용하여, 반도체 검사 도구에서 반도체 다이를 스캐닝하는 것을 포함한다. 방법은 또한 하나 이상의 프로세서 및 하나 이상의 프로세서에 의한 실행을 위한 명령어를 저장하는 메모리를 포함하는 컴퓨터 시스템에서 수행되는 단계를 포함한다. 단계는 스캐닝의 결과에 기초하여 반도체 다이 상의 복수의 결함을 식별하는 것을 포함한다. 복수의 결함의 각각의 결함은 반도체 검사 도구의 각각의 픽셀 세트에 대응한다. 스캐닝은 각각의 결함을 결정하지 못한다. 결과는 각각의 픽셀 세트에 대한 픽셀 강도에 기초한 다차원 데이터를 포함하는데, 여기서 다차원 데이터의 각각의 차원은 복수의 광학 모드의 별개의 모드에 대응한다. 단계는 또한, 각각의 픽셀 세트에 대해, 판별 함수(discriminant function)(이것은 분류 함수로 또한 지칭될 수도 있음)를 결과에 적용하여 다차원 데이터를 각각의 점수로 변환하는 것, 및, 각각의 점수에 적어도 부분적으로 기초하여, 각각의 결함을 별개의 클래스로 분할하는 것을 포함한다.
몇몇 실시형태에서, 비일시적 컴퓨터 판독 가능 저장 매체는 반도체 검사 도구를 포함하는 반도체 검사 시스템의 하나 이상의 프로세서에 의한 실행을 위한 하나 이상의 프로그램을 저장한다. 하나 이상의 프로그램은, 반도체 검사 도구로 하여금, 복수의 광학 모드를 사용하여 반도체 다이를 스캐닝하게 하기 위한 그리고 스캐닝의 결과에 기초하여 반도체 다이 상의 복수의 결함을 식별하기 위한 명령어를 포함한다. 복수의 결함의 각각의 결함은 반도체 검사 도구의 각각의 픽셀 세트에 대응한다. 스캐닝은 각각의 결함을 결정하지 못한다. 결과는 각각의 픽셀 세트에 대한 픽셀 강도에 기초한 다차원 데이터를 포함하는데, 여기서 다차원 데이터의 각각의 차원은 복수의 광학 모드의 별개의 모드에 대응한다. 하나 이상의 프로그램은 또한, 각각의 픽셀 세트에 대한 결과에 판별 함수를 적용하여 다차원 데이터를 각각의 점수로 변환하기 위한 그리고 각각의 점수에 적어도 부분적으로 기초하여, 각각의 결함을 별개의 클래스로 분할하기 위한 명령어를 포함한다.
다양한 설명되는 구현예의 더 나은 이해를 위해, 다음의 도면과 연계하여 하기의 발명을 실시하기 위한 구체적인 내용(Detailed Description)에 대한 참조가 이루어져야 한다.
도 1은, 몇몇 실시형태에 따른, 반도체 검사 도구의 개략적인 예시이다.
도 2는, 몇몇 실시형태에 따른, 도 1의 도구와 같은 반도체 검사 도구에서 사용될 수도 있는 필드 플레이트(field plate)를 도시한다.
도 3은, 몇몇 실시형태에 따른, 결함을 분류하는 방법의 플로우차트를 도시한다.
도 4는, 몇몇 실시형태에 따른, 반도체 검사 시스템의 블록도이다.
동일한 참조 번호는 도면 및 명세서 전체에 걸쳐 대응하는 부분을 가리킨다.
이제, 다양한 실시형태에 대한 참조가 상세하게 이루어질 것이며, 다양한 실시형태의 예는 첨부의 도면에서 예시되어 있다. 다음의 상세한 설명에서, 다양한 설명되는 실시형태의 완전한 이해를 제공하기 위해 다수의 특정한 세부 사항이 기술된다. 그러나, 다양한 설명되는 실시형태는 이들 특정한 세부 사항 없이 실시될 수도 있다는 것이 기술 분야의 숙련된 자에게는 명백할 것이다. 다른 예에서, 널리 공지된 방법, 프로시져, 컴포넌트, 회로, 및 네트워크는 실시형태의 양태를 불필요하게 모호하게 하지 않도록 상세하게 설명되지 않는다.
도 1은, 몇몇 실시형태에 따라, (예를 들면, 시간 도메인 적분(TDI)을 사용하여) 반도체 웨이퍼(116) 상의 다이를 스캐닝하는 반도체 검사 도구(100)의 개략적인 예시이다. 광원(102)은 렌즈(104 및 110), 빔 스플리터(112), 및 대물 렌즈(114)에 의해 반도체 웨이퍼(116)에 제공되는 광학 빔을 생성한다. 광학 빔은 영역(118A 및 118B)을 포함하는 웨이퍼(116)의 일부를 조명한다. 렌즈(104)는 중간 필드 평면(106) 상으로 광학 빔을 포커싱하는데, 여기서 영역(108A 및 108B)은, 각각, 영역(118A 및 118B)에 대응하고 광학적으로 켤레이다(conjugate). 웨이퍼(116)로부터 반사되는 광은 빔 스플리터(112)에 의해 렌즈(120)에 제공되는데, 렌즈(120)는 반사된 광을 복수의 검출기 어레이(122) 상의 각각의 영역으로 포커싱한다. (시각적 단순성을 위해 도 1에서 단일의 검출기 어레이(122)가 도시되며; 실제로, 반사광은 분할되어 복수의 검출기 어레이로 제공된다.) 검출기 어레이(122)는 TDI 검출기 어레이일 수도 있다. 검출기 어레이(122) 상의 각각의 영역은 영역(124A 및 124B)을 포함하는데, 영역(124A 및 124B)은, 각각, 영역(118A 및 118B)에, 그리고, 각각, 영역(108A 및 108B)에 대응하고, 그리고, 각각, 영역(118A 및 118B)과, 그리고, 각각, 영역(108A 및 108B)과 켤레이다. 반도체 검사 도구(100)는 본원에서 개시되는 결함 분류 기술과 함께 사용될 수 있는 반도체 검사 도구의 하나의 예에 불과하며; 다른 것도 가능하다.
도 2는, 몇몇 실시형태에 따른, 반도체 검사 도구(100)에서 중간 필드 평면(106)에 배치될 수도 있는 필드 플레이트(200)를 도시한다. 필드 플레이트(200)는, (예를 들면, 단일의 어퍼쳐(202)가 주어진 시간에 광학 빔에 배치되도록) 광학 빔으로 회전될 수도 있는 복수의 어퍼쳐(202-1 내지 202-15)를 구비한다. 따라서, 필드 플레이트(200)는 렌즈(104 및 110)에 대한 광학 축에 평행하고 그로부터 오프셋되는 축을 중심으로 회전 가능하다. 각각의 어퍼쳐(202)는 각각의 필터를 보유할 수도 있다. 어퍼쳐(202) 중 적어도 일부는 다수의 필터를 보유할 수도 있다. 예를 들면, 어퍼쳐(202-2 내지 202-8)의 각각은, 오프셋을 가지면서, 서로 인접하게 위치되는 두 개의 필터를 보유할 수도 있다. 몇몇 실시형태에서, 주어진 어퍼쳐(202) 내의 다수의 필터의 각각은 별개의 광학 모드에 대응한다. 예를 들면, 어퍼쳐(202-2 내지 202-8) 중 하나 내의 두 개의 필터의 각각은 별개의 범위의 파장 및/또는 광의 별개의 편광을 투과시킬 수도 있다. 이러한 방식으로, 웨이퍼(116) 상의 다수의 영역(예를 들면, 도 1의 영역(118A 및 118B))은 별개의 광학 모드를 사용하여 동시에 조명될 수도 있고, 따라서 다수의 광학 모드에 대한 데이터는 웨이퍼(116) 상의 다이의 단일의 스캐닝에서 획득될 수도 있다. 몇몇 실시형태에서, 복수의 검출기 어레이(122)의 각각의 검출기 어레이는 다수의 광학 모드의 별개의 광학 모드를 이미지화하기 위해 사용된다.
도 3은, 몇몇 실시형태에 따른, 결함을 분류하는 방법(300)의 플로우차트를 도시한다. 방법(300)은 반도체 검사 시스템(400)(도 4)을 사용하여 수행될 수도 있다. 방법(300)에서의 단계는 결합되거나 또는 분리될 수도 있다. 방법(300)에서, (예를 들면, 도 1의 웨이퍼(116) 상의) 반도체 다이는 복수의 광학 모드를 사용하여 스캐닝된다(302). 이 스캐닝은 반도체 검사 도구(예를 들면, 도 1의 도구(100); 도 4의 도구(404))에서 수행된다. 스캐닝에 의해 획득되는 이미지의 수는 복수의 광학 모드에서의 광학 모드의 수와 동일하다.
몇몇 실시형태에서, 복수의 광학 모드의 각각의 광학 모드는 광학적 특성의 별개의 조합을 갖는다(304). 몇몇 실시형태에서, 광학적 특성은 파장 범위, 편광, 초점, 조명 어퍼쳐(illumination aperture)에서의 투과 분포, 수집 어퍼쳐(collection aperture)에서의 투과 분포, 및 수집 어퍼쳐에서의 위상 시프트 분포로 이루어지는 그룹으로부터 선택된다. 예를 들면, 제1 모드는 제1 편광을 가지며 제2 모드는 제1 편광과는 별개의 제2 편광을 갖는다. 동일한 예 또는 다른 예에서, 제1 모드는 제1 파장 범위를 가지며, 제2 모드는 제1 파장 범위와는 별개의 제2 파장 범위를 갖는다.
몇몇 실시형태에서, 반도체 다이의 각각의 부분은 복수의 광학 모드 또는 그 서브세트를 사용하여 동시에 조명된다(306). 반도체 다이의 각각의 부분은 도구의 별개의 검출기 어레이(예를 들면, 도 1의 검출기 어레이(122); 도 4의 검출기 어레이(408))를 사용하여 동시에 이미지화된다(306). 몇몇 실시형태에서, 복수의 광학 모드를 사용하여 반도체 다이의 각각의 부분을 동시에 조명하는 것은 복수의 필터를 통해 반도체 다이에 조명을 제공하는 것을 포함한다. 예를 들면, 조명은 반도체 검사 도구의 조명 시스템에서의 플레이트의 어퍼쳐(예를 들면, 도 2의 필드 플레이트(200)의 어퍼쳐(202))에서 서로 인접하게(잠재적으로 오프셋을 가지고) 위치되는 필터의 쌍을 통해 제공된다. 대안적으로 또는 추가적으로, 다이는, 광학 모드당 한 번씩, 각각의 광학 모드를 사용하여 반복적으로 스캐닝된다.
스캐닝의 결과에 기초하여(예를 들면, 각각의 광학 모드에 대해, 스캐닝에 의해 획득되는 이미지를 결함을 포함하지 않는 다른 이미지에 비교하는 것에 의해) 반도체 다이 상의 복수의 결함이 식별된다(308). 복수의 결함의 각각의 결함은 반도체 검사 도구의 각각의 픽셀 세트에 대응한다. (각각의 픽셀 세트는 해당 결함에 의해 영향을 받는 세트이다.) 사용되고 있는 파장에 비교하여 각각의 결함이 너무 작기 때문에, 스캐닝은 각각의 결함을 결정하지 못한다. 결과는 각각의 픽셀 세트에 대한 픽셀 강도에 기초한 다차원 데이터(예를 들면, 픽셀 강도 데이터 또는 픽셀 강도로부터 유도되는 속성에 대한 데이터)를 포함하는데, 여기서 다차원 데이터의 각각의 차원은 복수의 광학 모드의 별개의 모드에 대응한다. 예를 들면, 결과는 각각의 결함에 대한 벡터(
Figure pct00001
)를 포함하는데, 여기서 벡터(
Figure pct00002
)의 각각의 엔트리(xk)는 복수의 광학 모드의 각각의 광학 모드에 대한(즉, k 번째 광학 모드에 대한) 픽셀 강도(예를 들면, 강도 또는 강도로부터 유도되는 속성 값)에 기초하는 값이다. 따라서, 벡터(
Figure pct00003
)의 각각의 엔트리는 특정한 결함에 대한 별개의 광학 모드에 대한 결과에 대응한다.
각각의 픽셀 세트에 대해, 다차원 데이터를 각각의 점수로 변환하기 위해 판별 함수(즉, 분류 함수)가 결과에 적용된다(310). 몇몇 실시형태에서, 판별 함수는 선형적이다. 선형 판별 함수는, 각각의 결함을 별개의 클래스로 분리하는(예를 들면, 최대로 분리하는) 방향을 명시할 수도 있다. 예를 들면, 각각의 픽셀 세트에 대해, 판별 함수를 적용하는 것은 선형 판별 함수에 의해 명시되는 방향에 대응하는(예를 들면, 수직인) 축 상으로의 다차원 데이터를 포함하는 벡터의 투영을 결정하는 것을 포함한다. 다른 실시형태에서, 판별 함수는 비선형적이다.
예를 들면, 판별 함수를 적용하기 위해, 결함의 각각의 클래스에 대해 평균이 계산된다. 클래스 0 및 클래스 1로 인덱싱되는 두 개의 클래스가 존재하는 경우(예를 들면, 각각, 누슨스 결함 및 관심 결함), 그러면, 평균(μ0 및 μ1)이 계산되는데:
Figure pct00004
여기서
Figure pct00005
는 클래스 j에서의 i 번째 결함이고, N0은 클래스 0에서의 결함 수(예를 들면, 누슨스 결함의 수)이고, N1은 클래스 1에서의 결함의 수(예를 들면, 관심 결함의 수)이다. 따라서, 각각의 합계는 각각의 클래스에서의 모든 결함에 대한 것이다. 그 다음, 평균을 사용하여 공분산(covariance)이 계산된다. 클래스 0 및 클래스 1의 경우, 각각의 공분산(S0 및 S1)이 계산되는데:
Figure pct00006
Figure pct00007
여기서 i는 각각의 클래스의 결함을 인덱싱한다. 그 다음, 결함 클래스에 대한 합동 공분산(pooled covariance)(Sp)이 계산되는데:
Figure pct00008
여기서 N = N0 + N1이다.
합동 공분산(Sp)은,
Figure pct00009
를, 클래스의 수와 동일한 차원을 갖는 점수(L)로 변환하는 변환에서 사용된다. 클래스 0 및 클래스 1의 예의 경우,
Figure pct00010
이다. 변환은 단계(310)의 판별 함수를 적용하는 것에 의해 달성된다. 선형 판별 함수의 예에서,
Figure pct00011
인데, 여기서 i는 클래스를 인덱싱한다. 수학식 11에서,
Figure pct00012
는 일정한 것으로 가정될 수도 있는 사전 확률 분포이다:
Figure pct00013
수학식 7은 식별된 결함을 클래스 0 및 클래스 1로 최대로 분리하는 방향을 효과적으로 명시한다. 수학식 7은, 다차원 데이터를 포함하는 벡터(
Figure pct00014
)를 이 방향에 수직인 축 상으로 투영한다. 판별 함수가 비선형적이면, 수학식 7의 변환은 비선형 변환에 의해 대체된다.
몇몇 실시형태에서, 판별 함수는 모든 별개의 클래스로부터의 결함을 포함하는 결함의 트레이닝 세트에 기초하여 결정된다. 결함의 트레이닝 세트는, 관심 타입의 하나 이상의 다이를 스캐닝하는 것 및 그 다음 (예를 들면, 주사 전자 현미경 검사를 수행하는 것 및/또는 다른 적절한 실패 분석 기술을 사용하는 것에 의해) 식별된 결함 중 적어도 일부를 분류하기 위해 실패 분석을 수행하는 것에 의해 최초 식별된다. 예를 들면, 수학식 7에서,
Figure pct00015
및
Figure pct00016
는 트레이닝 세트에 기초하여 결정될 수도 있다.
각각의 점수에 적어도 부분적으로 기초하여, 각각의 결함은 별개의 클래스로 분할된다(312). 별개의 클래스는, 반도체 다이의 기능성을 방해할 관심 결함 및 반도체 다이의 기능성을 방해하지 않을 누슨스 결함을 포함할 수도 있다(314). 몇몇 실시형태에서, 관심 결함은 (예를 들면, 결함의 각각의 타입에 대응하는) 다수의 클래스로 분할될 수도 있다.
몇몇 실시형태에서, 각각의 점수는 각각의 결함이 별개의 클래스의 특정한 클래스에 속할 확률로 변환된다(316). 각각의 결함은 확률에 기초하여 분류된다(318). 예를 들면, 각각의 점수는, 각각의 결함이 관심 결함이거나 또는 누슨스 결함일 확률로 변환되고, 각각의 결함은 확률에 기초하여 분류된다. 수학식 7에서 획득되는 점수를 확률로 변환하기 위해, 소프트맥스(softmax) 함수가 적용되어 다음을 획득할 수도 있는데:
Figure pct00017
여기서 i는, j가 그러한 것처럼, 클래스를 다시 인덱싱한다. 따라서, 분모에서의 합계는 복수의 클래스에 대한 것이고(예를 들면, 클래스 0 및 클래스 1에 대한 것이고), 한편, 분자에서의 값은 특정한 클래스(예를 들면, 클래스 0 또는 클래스 1)에 대한 것이다.
몇몇 실시형태에서, (예를 들면, 결함이 단계(308)에서 식별되기 이전에 그리고 단계(310)에서의 판별 함수의 적용 이전에) 별개의 검출기 어레이로부터 획득되는 이미지가 정렬된다. 다차원 데이터는 정렬된 이미지로부터 획득된다. 다차원 데이터의 각각의 차원은 정렬된 이미지의 각각의 이미지에 대응하고 또한 각각의 광학 모드에 대응한다. 몇몇 실시형태에서, 이미지는 각각의 광학 모드에 대한 시뮬레이션 결과에 기초하여 정렬되는데, 시뮬레이션 결과는 정렬을 결정하기 위해 검사 결과에 대해 매칭된다. 시뮬레이션 결과는, 다이의 레이아웃을 명시하는 파일(예를 들면, gds 파일)을 사용하여, 각각의 광학 모드로 다이의 조명을 시뮬레이팅하는 것에 의해 획득될 수도 있다.
몇몇 실시형태에서, 각각의 광학 모드에 대한 이미지의 잠재적인 오정렬을 고려하기 위해, 식별된 결함에 대응하는 픽셀 및 인접 픽셀(예를 들면, 식별된 결함에 대응하는 픽셀 상에 중심을 두는 픽셀의 3×3 패치(patch)) 둘 모두에 대해 단계(310 및 312)가 수행된다. 예를 들면, 인접한 픽셀 중 임의의 것이 관심 결함인 것으로 결정되면, 그러면, 식별된 결함은 관심 결함으로서 분류된다.
몇몇 실시형태에서, 복수의 광학 모드는, 복수의 광학 모드보다 더 큰(즉, 더 많은 광학 모드를 포함하는) 이용 가능한 광학 모드의 그룹으로부터 선택된다. 복수의 광학 모드는 피셔 점수(Fisher's score)(또는 결함을 분류함에 있어서 광학 모드 세트의 효력을 나타내는 다른 점수)에 기초하여 선택될 수도 있다. 관심 타입의 하나 이상의 다이가 이용 가능한 광학 모드 그룹 내의 모든 광학 모드를 사용하여 스캐닝된다. 이용 가능한 광학 모드의 그룹이 M 개의 광학 모드를 갖는 경우, 그러면, 광학 모드 그룹의 서브세트에 대한 피셔 점수는 다음과 같이 정의된다:
Figure pct00018
수학식 16, 17, 및 19의 합계는 모든 클래스 i에 대한 것이다(예를 들면, 클래스 0 및 1에 대한 것이다). 수학식 18의 합계는 특정한 클래스 i에서의 결함에 대한 것이다. 피셔 점수는 그룹의 다수의 서브세트에 대해 계산될 수도 있으며, 가장 높은 점수를 갖는 서브세트가 복수의 광학 모드로서 선택된다. 예를 들면, 피셔 점수는 두 개 이상의 광학 모드를 갖는 모든 서브세트에 대해, 정확히 두 개의 광학 모드를 갖는 모든 서브세트에 대해, 또는 2보다 더 크거나 또는 동일하고 명시된 수보다 더 작거나 또는 동일한 광학 모드의 수를 갖는 모든 서브세트에 대해 계산될 수도 있다.
몇몇 실시형태에서, 각각의 결함에 대한 클래스를 명시하는 및/또는 하나 이상의 클래스에서의(예를 들면, 관심 결함과 같은 특정한 클래스에서의) 결함을 명시하는 리포트가 생성된다(320). 예를 들면, 리포트는 모든 결함을 (예를 들면, 그들의 좌표와 함께)을 나열할 수도 있고 각각의 결함의 클래스를 명시할 수도 있다. 대안적으로, 리포트는 명시된 클래스 또는 클래스의 세트의 결함을 (예를 들면, 그들의 좌표와 함께) 나열할 수도 있고 다른 결함을 생략할 수도 있다. 예를 들면, 리포트는 관심 결함을 (예를 들면, 그들의 좌표와 함께) 나열할 수도 있고 누슨스 결함을 생략할 수도 있다. 리포트는 그래픽적일 수도 있다; 예를 들면, 리포트는 클래스별 결함의 위치의 표시를 갖는, 또는 하나 이상의 클래스에서의(예를 들면, 관심 결함과 같은 특정한 클래스에서의) 결함의 위치의 표시를 갖는 다이의 맵을 나타낼 수도 있다. 리포트는 디스플레이될 수도 있고 및/또는 디스플레이를 위해 클라이언트 디바이스로 송신될 수도 있다.
몇몇 실시형태에서, 단계(310 및 312)는, 각각의 결함이 식별될 때, 실시간으로 수행되고, 그 결과, 결함을 실시간으로 분류된다. 누슨스 결함인 것으로 결정되는 결함은 무시되고, 따라서, 효과적으로 식별되지 않는다: 기술적으로는 그들이 단계(308)에서 식별되지만, 그들은 유저에게 보고되지는 않는다.
몇몇 실시형태에서, 웨이퍼를 폐기할지, 재작업할지 또는 계속 프로세싱할지의 여부의 결정은 방법(300)을 사용하여 식별되는 관심 결함에 적어도 부분적으로 기초하여 이루어진다.
도 4는, 몇몇 실시형태에 따른, 반도체 검사 시스템(400)의 블록도이다. 반도체 검사 시스템(400)은, 하나 이상의 프로세서(402)(예를 들면, CPU), 유저 인터페이스(410), 메모리(414), 및 이들 컴포넌트를 상호 접속하는 하나 이상의 통신 버스(403)를 비롯하여, 반도체 검사 도구(404) 및 관련된 컴퓨터 회로부(circuitry)를 포함한다. 반도체 검사 시스템(400)은 또한 원격 컴퓨터 시스템과 통신하기 위한(예를 들면, 원격 컴퓨터 시스템으로부터 레시피를 검색하고 및/또는 원격 컴퓨터 시스템으로 데이터를 송신하기 위한) 하나 이상의 네트워크 인터페이스(유선 및/또는 무선, 도시되지 않음)를 포함할 수도 있다.
검사 도구(404)는 조명 소스(405)(예를 들면, 도 1의 광원(102)), 조명 및 수집 광학기기(optics)(406)(예를 들면, 도 1에서 도시되는 광학기기, 또는 다른 시스템에서의 광학기기), 이동식(movable) 웨이퍼 척(407), 및 검출기 어레이(408)(예를 들면, TDI 센서 어레이)(예를 들면, 도 1의 검출기 어레이(122))를 포함한다. 반도체 웨이퍼(예를 들면, 도 1의 반도체 웨이퍼(116))는 (예를 들면, TDI가 수행되는 것을 허용하기 위해) 다이의 검사 동안 이동하는 이동식 웨이퍼 척(407) 상으로 로딩된다.
유저 인터페이스(410)는 디스플레이(411) 및 하나 이상의 입력 디바이스(412)(예를 들면, 키보드, 마우스, 디스플레이(411)의 터치 감지 표면, 등등)를 포함할 수도 있다. 디스플레이(411)는 결함 분류의 결과를 디스플레이할 수도 있다. 예를 들면, 디스플레이(411)는 방법(300)(도 3)의 단계(320)의 리포트를 디스플레이 할 수도 있다.
메모리(414)는 휘발성 및/또는 불휘발성 메모리를 포함한다. 메모리(414)(예를 들면, 메모리(414) 내의 불휘발성 메모리)는 비일시적 컴퓨터 판독 가능 저장 매체를 포함한다. 메모리(414)는, 옵션 사항으로(optionally), 프로세서(402)로부터 원격에 위치되는 하나 이상의 스토리지 디바이스 및/또는 서버 시스템(400)에 제거 가능하게(removably) 삽입되는 비일시적 컴퓨터 판독 가능 저장 매체를 포함한다. 몇몇 실시형태에서, 메모리(414)(예를 들면, 메모리(414)의 비일시적 컴퓨터 판독 가능 저장 매체)는 다음의 모듈 및 데이터, 또는 그 서브세트 또는 수퍼세트(superset)를 저장한다: 다양한 기본 시스템 서비스를 핸들링하기 위한 그리고 하드웨어 종속 태스크를 수행하기 위한 프로시져를 포함하는 오퍼레이팅 시스템(416), (예를 들면, 도 3의 방법(300)의 단계(302, 304, 및/또는 306)로 하여금 수행되게 하기 위한) 검사 모듈(418), (예를 들면, 도 3의 방법(300)의 단계(308)를 수행하기 위한) 결함 식별 모듈(420), 및 (예를 들면, 도 3의 방법(300)의 단계(310-320)의 모두 또는 일부를 수행하기 위한) 결함 분류 모듈(422).
따라서, 메모리(414)(예를 들면, 메모리(414)의 비일시적 컴퓨터 판독 가능 저장 매체)는 방법(300)(도 3)의 모두 또는 일부를 수행하기 위한 명령어를 포함한다. 메모리(414)에 저장되는 모듈의 각각은 본원에서 설명되는 하나 이상의 기능을 수행하기 위한 명령어 세트에 대응한다. 별개의 모듈은 별개의 소프트웨어 프로그램으로서 구현될 필요는 없다. 모듈 및 모듈의 다양한 서브세트는 결합될 수도 있거나 또는 그렇지 않으면 재배열될 수도 있다. 몇몇 실시형태에서, 메모리(414)는 상기에서 식별되는 모듈 및/또는 데이터 구조의 서브세트 또는 수퍼세트를 저장한다.
도 4는, 구조적 개략도로서 보다는, 반도체 검사 시스템에서 존재할 수도 있는 다양한 피쳐의 기능적 설명으로서 더 의도된다. 예를 들면, 검사 도구(404)의 컴포넌트의 배열은 (예를 들면, 본 기술 분야에서 공지되어 있는 방식으로) 변할 수도 있다. 별개로 도시되는 아이템은 결합될 수 있고 몇몇 아이템은 분리될 수 있다. 더구나, 반도체 검사 시스템(400)의 기능성은 다수의 디바이스 사이에서 분할될 수도 있다. 예를 들면, 메모리(414)에 저장되는 모듈의 일부는, 대안적으로, 하나 이상의 네트워크를 통해 반도체 검사 시스템(400)과 통신 가능하게 커플링되는 하나 이상의 컴퓨터 시스템에 저장될 수도 있다.
전술한 설명은, 설명의 목적을 위해, 특정한 실시형태를 참조하여 설명되었다. 그러나, 상기의 예시적인 논의는 망라하는 것으로 또는 청구범위의 범위를 개시되는 정확한 형태로 제한하도록 의도되는 것은 아니다. 상기의 교시의 관점에서 많은 수정예 및 변형예가 가능하다. 실시형태는 청구범위 기저에 있는 원리 및 그들의 실제 적용을 가장 잘 설명하기 위해, 그에 따라, 기술 분야의 다른 숙련된 자가, 고려되는 특정한 용도에 적합되는 다양한 수정예를 가지고 실시형태를 가장 잘 사용하는 것을 가능하게 하기 위해 선택되었다.

Claims (22)

  1. 결함 분류 방법에 있어서,
    반도체 검사 도구에서, 복수의 광학 모드를 사용하여 반도체 다이를 스캐닝하는 단계; 및
    하나 이상의 프로세서 및 상기 하나 이상의 프로세서에 의한 실행을 위한 명령어를 저장한 메모리를 포함하는 컴퓨터 시스템에서:
    상기 스캐닝의 결과에 기초하여 상기 반도체 다이 상의 복수의 결함을 식별하는 단계로서,
    상기 복수의 결함의 각각의 결함은 상기 반도체 검사 도구의 각각의 픽셀 세트에 대응하고,
    상기 스캐닝은 상기 각각의 결함을 결정하지(resolve) 못하며,
    상기 결과는 상기 각각의 픽셀 세트에 대한 픽셀 강도에 기초하는 다차원 데이터를 포함하되, 상기 다차원 데이터의 각각의 차원은 상기 복수의 광학 모드의 별개의(distinct) 모드에 대응하는 것인, 상기 식별하는 단계;
    상기 각각의 픽셀 세트에 대해, 판별 함수(discriminant function)를 상기 결과에 적용하여 상기 다차원 데이터를 각각의 점수로 변환하는 단계; 및
    상기 각각의 점수에 적어도 부분적으로 기초하여, 상기 각각의 결함을 별개의 클래스로 분할하는 단계
    를 포함하는, 결함 분류 방법.
  2. 제1항에 있어서,
    상기 각각의 점수에 기초하여 상기 각각의 결함을 별개의 클래스로 분할하는 단계는:
    상기 각각의 점수를, 상기 각각의 결함이 상기 별개의 클래스의 특정한 클래스에 속할 확률로 변환하는 단계; 및
    상기 확률에 기초하여 상기 각각의 결함을 분류하는 단계
    를 포함하는 것인, 결함 분류 방법.
  3. 제1항에 있어서,
    상기 별개의 클래스는, 상기 반도체 다이의 기능성을 방해할 관심 결함(defects of interest) 및 상기 반도체 다이의 기능성을 방해하지 않을 누슨스 결함(nuisance defect)을 포함하는 것인, 결함 분류 방법.
  4. 제3항에 있어서,
    상기 각각의 점수에 기초하여 상기 각각의 결함을 별개의 클래스로 분할하는 단계는:
    상기 각각의 점수를, 상기 각각의 결함이 관심 결함 또는 누슨스 결함일 확률로 변환하는 단계; 및
    상기 확률에 기초하여 상기 각각의 결함을 분류하는 단계
    를 포함하는 것인, 결함 분류 방법.
  5. 제4항에 있어서,
    상기 컴퓨터 시스템에서, 상기 관심 결함을 명시하는 리포트를 생성하는 단계를 더 포함하는, 결함 분류 방법.
  6. 제1항에 있어서,
    상기 판별 함수는 선형적인 것인, 결함 분류 방법.
  7. 제6항에 있어서,
    상기 판별 함수는 상기 각각의 결함을 상기 별개의 클래스로 최대로 분리하는 방향을 명시하는 것인, 결함 분류 방법.
  8. 제7항에 있어서,
    상기 판별 함수를 적용하는 것은, 각각의 픽셀 세트에 대해, 상기 방향에 수직인 축 상으로의 상기 다차원 데이터를 포함하는 벡터의 투영을 결정하는 것을 포함하는 것인, 결함 분류 방법.
  9. 제1항에 있어서,
    상기 판별 함수는 비선형적인 것인, 결함 분류 방법.
  10. 제1항에 있어서,
    상기 판별 함수는 모든 별개의 클래스로부터의 결함을 포함하는 결함의 트레이닝 세트에 기초하여 결정되는 것인, 결함 분류 방법.
  11. 제1항에 있어서,
    상기 복수의 광학 모드는:
    제1 편광을 갖는 제1 모드; 및
    상기 제1 편광과는 별개인 제2 편광을 갖는 제2 모드
    를 포함하는 것인, 결함 분류 방법.
  12. 제1항에 있어서,
    상기 복수의 광학 모드는:
    제1 파장 범위를 갖는 제1 모드; 및
    상기 제1 파장 범위와는 별개인 제2 파장 범위를 갖는 제2 모드
    를 포함하는 것인, 결함 분류 방법.
  13. 제1항에 있어서,
    상기 복수의 광학 모드의 각각의 광학 모드는 광학적 특성의 별개의 조합을 가지며;
    상기 광학적 특성은, 파장 범위, 편광, 초점, 조명 어퍼쳐(illumination aperture)에서의 투과 분포, 수집 어퍼쳐(collection aperture)에서의 투과 분포, 및 상기 수집 어퍼쳐에서의 위상 시프트 분포로 이루어지는 그룹으로부터 선택되는 것인, 결함 분류 방법.
  14. 제1항에 있어서,
    상기 복수의 광학 모드를 사용하여 상기 반도체 다이를 스캐닝하는 단계는, 한 번에 하나의 광학 모드씩, 순차적으로 행해지는 것인, 결함 분류 방법.
  15. 제1항에 있어서,
    상기 복수의 광학 모드를 사용하여 상기 반도체 다이를 스캐닝하는 단계는 상기 복수의 광학 모드에 대해 동시에 행해지는 것인, 결함 분류 방법.
  16. 제15항에 있어서,
    상기 반도체 검사 도구는 복수의 검출기 어레이를 포함하고;
    상기 복수의 광학 모드를 사용하여 상기 반도체 다이를 스캐닝하는 단계는:
    상기 복수의 광학 모드를 사용하여 상기 반도체 다이의 각각의 부분을 동시에 조명하는 단계; 및
    상기 복수의 검출기 어레이의 별개의 검출기 어레이를 사용하여 상기 반도체 다이의 상기 각각의 부분을 동시에 이미지화하는 단계
    를 포함하는 것인, 결함 분류 방법.
  17. 제16항에 있어서,
    상기 복수의 광학 모드를 사용하여 상기 반도체 다이의 상기 각각의 부분을 동시에 조명하는 단계는 복수의 필터를 통해 상기 반도체 다이에 조명을 제공하는 단계를 포함하는 것인, 결함 분류 방법.
  18. 제17항에 있어서,
    상기 복수의 필터는 상기 반도체 검사 도구의 조명 시스템에서의 플레이트의 어퍼쳐에서 서로 인접하게 위치되는 필터의 쌍을 포함하는 것인, 결함 분류 방법.
  19. 제16항에 있어서,
    상기 컴퓨터 시스템에서:
    상기 별개의 검출기 어레이로부터 획득되는 이미지를 정렬하는 단계; 및
    상기 정렬된 이미지로부터 상기 다차원 데이터 - 상기 다차원 데이터의 각각의 차원은 상기 정렬된 이미지의 각각의 이미지에 대응함 - 를 획득하는 단계
    를 더 포함하는, 결함 분류 방법.
  20. 제1항에 있어서,
    상기 컴퓨터 시스템에서, 이용 가능한 광학 모드의 그룹으로부터 상기 복수의 광학 모드를 선택하는 단계를 더 포함하고;
    상기 이용 가능한 광학 모드의 그룹은 상기 복수의 광학 모드보다 더 큰 것인, 결함 분류 방법.
  21. 제1항에 있어서,
    상기 컴퓨터 시스템에서, 상기 각각의 결함에 대한 상기 클래스를 명시하는 리포트를 생성하는 단계를 더 포함하는, 결함 분류 방법.
  22. 반도체 검사 도구를 포함하는 반도체 검사 시스템의 하나 이상의 프로세서에 의한 실행을 위한 하나 이상의 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서,
    상기 하나 이상의 프로그램은 명령어를 포함하고, 상기 명령어는:
    상기 반도체 검사 도구로 하여금, 복수의 광학 모드를 사용하여 반도체 다이를 스캐닝하게 하고;
    상기 스캐닝의 결과에 기초하여 상기 반도체 다이 상의 복수의 결함을 식별하기 위한 것이며:
    상기 복수의 결함의 각각의 결함은 상기 반도체 검사 도구의 각각의 픽셀 세트에 대응하고,
    상기 스캐닝은 상기 각각의 결함을 결정하지 못하며,
    상기 결과는 상기 각각의 픽셀 세트에 대한 픽셀 강도에 기초하는 다차원 데이터를 포함하되, 상기 다차원 데이터의 각각의 차원은 상기 복수의 광학 모드의 별개의 모드에 대응하고;
    상기 각각의 픽셀 세트에 대해, 판별 함수를 상기 결과에 적용하여 상기 다차원 데이터를 각각의 점수로 변환하고;
    상기 각각의 점수에 적어도 부분적으로 기초하여, 상기 각각의 결함을 별개의 클래스로 분할하기 위한 것인, 비일시적 컴퓨터 판독 가능 저장 매체.
KR1020217004762A 2018-07-20 2019-07-19 반도체 검사의 다중 모드 결함 분류 KR20210024193A (ko)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201862701007P 2018-07-20 2018-07-20
US62/701,007 2018-07-20
US201862767916P 2018-11-15 2018-11-15
US62/767,916 2018-11-15
US16/272,528 US11668655B2 (en) 2018-07-20 2019-02-11 Multimode defect classification in semiconductor inspection
US16/272,528 2019-02-11
PCT/US2019/042500 WO2020018856A1 (en) 2018-07-20 2019-07-19 Multimode defect classification in semiconductor inspection

Publications (1)

Publication Number Publication Date
KR20210024193A true KR20210024193A (ko) 2021-03-04

Family

ID=69161041

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217004762A KR20210024193A (ko) 2018-07-20 2019-07-19 반도체 검사의 다중 모드 결함 분류

Country Status (7)

Country Link
US (1) US11668655B2 (ko)
JP (1) JP7398432B2 (ko)
KR (1) KR20210024193A (ko)
CN (1) CN112368569A (ko)
IL (1) IL280010B1 (ko)
TW (1) TWI821330B (ko)
WO (1) WO2020018856A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10867108B2 (en) 2018-09-18 2020-12-15 Taiwan Semiconductor Manufacturing Co., Ltd. Optical mode optimization for wafer inspection
US11769242B2 (en) 2020-05-21 2023-09-26 Kla Corporation Mode selection and defect detection training
CN113743447B (zh) * 2021-07-15 2024-05-17 上海朋熙半导体有限公司 半导体瑕疵识别方法、装置、计算机设备和存储介质
US11921052B2 (en) 2022-03-31 2024-03-05 Kla Corporation Inspection with previous step subtraction
US11922619B2 (en) 2022-03-31 2024-03-05 Kla Corporation Context-based defect inspection

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2915971B2 (ja) 1990-07-17 1999-07-05 株式会社日立製作所 検査方法および検査装置
IL99823A0 (en) * 1990-11-16 1992-08-18 Orbot Instr Ltd Optical inspection method and apparatus
US6078443A (en) * 1996-01-04 2000-06-20 J.A.L. Taiwan Ltd. Rotary disk for image-changing light device
US6608321B1 (en) 2001-02-01 2003-08-19 Advanced Micro Devices, Inc. Differential wavelength inspection system
AU2003255441A1 (en) * 2003-08-14 2005-03-29 Carl Zeiss Smt Ag Illuminating device for a microlithographic projection illumination system
JP4750444B2 (ja) 2005-03-24 2011-08-17 株式会社日立ハイテクノロジーズ 外観検査方法及びその装置
KR100687090B1 (ko) 2005-05-31 2007-02-26 삼성전자주식회사 결함 분류 방법
US9037280B2 (en) 2005-06-06 2015-05-19 Kla-Tencor Technologies Corp. Computer-implemented methods for performing one or more defect-related functions
WO2010091307A2 (en) 2009-02-06 2010-08-12 Kla-Tencor Corporation Selecting one or more parameters for inspection of a wafer
CN201444212U (zh) * 2009-07-31 2010-04-28 济南仕达思医疗器械有限公司 相差聚光镜
JP5656414B2 (ja) 2010-01-29 2015-01-21 キヤノン株式会社 眼科像撮像装置及び眼科像撮像方法
JP5608575B2 (ja) 2011-01-19 2014-10-15 株式会社日立ハイテクノロジーズ 画像分類方法および画像分類装置
JP5460662B2 (ja) 2011-09-07 2014-04-02 株式会社日立ハイテクノロジーズ 領域決定装置、観察装置または検査装置、領域決定方法および領域決定方法を用いた観察方法または検査方法
US8977035B2 (en) * 2012-06-13 2015-03-10 Applied Materials Israel, Ltd. System, method and computer program product for detection of defects within inspection images
JP6009956B2 (ja) * 2013-01-31 2016-10-19 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
US10127652B2 (en) * 2014-02-06 2018-11-13 Kla-Tencor Corp. Defect detection and classification based on attributes determined from a standard reference image
US9816939B2 (en) * 2014-07-22 2017-11-14 Kla-Tencor Corp. Virtual inspection systems with multiple modes
JP6727800B2 (ja) * 2015-03-05 2020-07-22 キヤノン株式会社 光量調節装置、レンズ鏡筒、および光学装置
US9898811B2 (en) 2015-05-08 2018-02-20 Kla-Tencor Corporation Method and system for defect classification
KR102107362B1 (ko) * 2015-05-27 2020-05-07 한화정밀기계 주식회사 기판의 결함 검사 방법
KR102483787B1 (ko) 2016-02-25 2023-01-04 에스케이하이닉스 주식회사 반도체 장치의 결함 모델링 장치 및 방법, 이를 위한 컴퓨터 프로그램과, 이를 이용한 반도체 장치의 결함 검사 시스템
CN109564199A (zh) 2016-08-03 2019-04-02 株式会社岛津制作所 分析数据处理方法和分析数据处理装置
US10115040B2 (en) 2016-09-14 2018-10-30 Kla-Tencor Corporation Convolutional neural network-based mode selection and defect classification for image fusion
US10204290B2 (en) 2016-10-14 2019-02-12 Kla-Tencor Corporation Defect review sampling and normalization based on defect and design attributes

Also Published As

Publication number Publication date
JP7398432B2 (ja) 2023-12-14
US11668655B2 (en) 2023-06-06
JP2021532347A (ja) 2021-11-25
IL280010A (en) 2021-03-01
TW202018281A (zh) 2020-05-16
IL280010B1 (en) 2024-06-01
WO2020018856A1 (en) 2020-01-23
CN112368569A (zh) 2021-02-12
US20200025689A1 (en) 2020-01-23
TWI821330B (zh) 2023-11-11

Similar Documents

Publication Publication Date Title
KR20210024193A (ko) 반도체 검사의 다중 모드 결함 분류
US9846930B2 (en) Detecting defects on a wafer using defect-specific and multi-channel information
KR102100007B1 (ko) 레티클들을 검사하기 위한 머신 학습 방법 및 장치
JP7200113B2 (ja) 深くスタック化された層を有するウェハにおいて欠陥分類器を訓練して適用するためのシステムと方法
KR101338837B1 (ko) 결함 검사 방법 및 그 장치
JP2020115132A (ja) 多重モードを備えた検査システム及び方法
JP6807844B2 (ja) ビルトインターゲットを用いた検査対デザイン位置揃え
CN109690749A (zh) 用于图像融合的以卷积神经网络为基础的模式选择及缺陷分类
KR20210094121A (ko) 다중 모드 반도체 검사를 위한 광학 모드 선택
US7970201B2 (en) Method and system for defect detection
US10928448B2 (en) Automated scan chain diagnostics using emission
KR20090023553A (ko) 반도체 불량 해석 장치, 불량 해석 방법 및 불량 해석 프로그램
KR20180081820A (ko) 다이 내부 검사에 있어서의 등록 및 설계 주변부에서 야기된 노이즈의 저감
Redondo et al. Quality evaluation of microscopy and scanned histological images for diagnostic purposes
CN113039631B (zh) 通过将光学信号拟合到点扩散函数的缺陷分类
KR20190050582A (ko) 결함 검사 방법 및 결함 검사 장치
JP4029882B2 (ja) 欠陥検査方法および欠陥検査システム
JP2004212218A (ja) 試料検査方法及び検査装置