KR20220005988A - 반도체 시편에서의 어레이의 식별 - Google Patents

반도체 시편에서의 어레이의 식별 Download PDF

Info

Publication number
KR20220005988A
KR20220005988A KR1020210082225A KR20210082225A KR20220005988A KR 20220005988 A KR20220005988 A KR 20220005988A KR 1020210082225 A KR1020210082225 A KR 1020210082225A KR 20210082225 A KR20210082225 A KR 20210082225A KR 20220005988 A KR20220005988 A KR 20220005988A
Authority
KR
South Korea
Prior art keywords
regions
image
array
structural elements
sub
Prior art date
Application number
KR1020210082225A
Other languages
English (en)
Inventor
예후다 코헨
라파엘 비스트리처
Original Assignee
어플라이드 머티리얼즈 이스라엘 리미티드
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 어플라이드 머티리얼즈 이스라엘 리미티드 filed Critical 어플라이드 머티리얼즈 이스라엘 리미티드
Publication of KR20220005988A publication Critical patent/KR20220005988A/ko

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/392—Floor-planning or layout, e.g. partitioning or placement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • 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
    • H01L21/67271—Sorting devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Geometry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Architecture (AREA)
  • Image Analysis (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

반도체 시편의 이미지를 획득하도록 구성되는 방법 및 시스템이 제공되며, 반도체 시편은 하나 이상의 어레이 ― 각각의 어레이는 반복적 구조적 요소들을 포함함 ―, 및 하나 이상의 구역 ― 각각의 구역은 대응하는 어레이를 적어도 부분적으로 둘러싸고, 반복적 구조적 요소들과는 다른 피쳐들을 포함함 ― 을 포함하고, PMC는, 반도체 시편의 실행시간 스캐닝 동안, 상관 행렬을 획득하기 위해, 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지의 픽셀 강도와 이미지의 픽셀 강도 사이의 상관 분석을 수행하고, 하나 이상의 어레이에 대응하는, 이미지의 하나 이상의 제1 영역과, 하나 이상의 구역에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하기 위해 상관 행렬을 사용하고, 이미지의 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하도록 구성된다.

Description

반도체 시편에서의 어레이의 식별{IDENTIFICATION OF AN ARRAY IN A SEMICONDUCTOR SPECIMEN}
본원에 개시되는 주제는 일반적으로, 시편의 검사의 분야에 관한 것으로, 더 구체적으로는, 시편의 검사를 자동화하는 것에 관한 것이다.
제조된 디바이스들의 극대 규모 집적회로와 연관된 높은 밀도 및 성능에 대한 현재의 요구들은, 1 마이크로미터 미만의 피쳐들, 증가된 트랜지스터 및 회로 속도들, 및 개선된 신뢰성을 요구한다. 그러한 요구들은, 높은 정밀도 및 균일성을 갖는 디바이스 피쳐들의 형성을 요구하고, 이는 차례로, 디바이스들이 여전히 반도체 웨이퍼들의 형태로 있는 동안의 디바이스들에 대한 자동화된 검사들을 비롯하여, 제조 프로세스에 대한 신중한 모니터링을 필요로 한다.
검사 프로세스들은 시편들 상의 결함들을 검출 및 분류하기 위해 반도체 제조 동안 다양한 단계들에서 사용된다. 검사의 효과는, 예컨대, 자동 결함 분류(ADC), 자동 결함 검토(ADR) 등과 같은, 프로세스(들)의 자동화에 의해 증가될 수 있다.
본원에 개시되는 주제의 특정 양상들에 따르면, 반도체 시편을 검사하기 위한 시스템이 제공되며, 시스템은 프로세서 및 메모리 회로(PMC)를 포함하고, PMC는, 반도체 시편의 이미지를 획득하도록 구성되고, 반도체 시편은 하나 이상의 어레이 ― 각각의 어레이는 반복적 구조적 요소들을 포함함 ―, 및 하나 이상의 구역 ― 각각의 구역은 대응하는 어레이를 적어도 부분적으로 둘러싸고, 반복적 구조적 요소들과는 다른 피쳐들을 포함함 ― 을 포함하고, PMC는, 반도체 시편의 실행시간(run-time) 스캐닝 동안, 상관 행렬을 획득하기 위해, 이미지의 픽셀 강도와 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지의 픽셀 강도 사이의 상관 분석을 수행하고, 상관 행렬을 사용하여 하나 이상의 어레이에 대응하는, 이미지의 하나 이상의 제1 영역과, 하나 이상의 구역에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하고, 이미지의 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 진폭 기준을 충족하는 상관 행렬의 값들에 대응하는, 이미지의 하위-영역들을 결정하고, 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들을 하나 이상의 클러스터로 클러스터링하고, 적어도, 하나 이상의 클러스터에 기반하여, 하나 이상의 제1 영역을 결정하도록 구성된다.
일부 실시예들에 따르면, 하나 이상의 어레이는 하나 이상의 경계에 의해 하나 이상의 구역으로부터 분리되며, 여기서, 시스템은, 경계들까지 적어도 하나 이상의 어레이만을 포함하는, 이미지의 하나 이상의 제1 영역을 추정하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 기준 이미지에 이미지 처리를 적용하도록 구성되며, 여기서, 이미지 처리는 기준 이미지의 반복적 패턴들을 감쇠시킨다.
일부 실시예들에 따르면, 시스템은, 제1 축을 따른 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들을 하나 이상의 제1 클러스터로 클러스터링하고, 제2 축을 따른 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들을 하나 이상의 제2 클러스터로 클러스터링하고, 제1 및 제2 클러스터들을 사용하여, 하나 이상의 어레이에 대응하는, 이미지의 하나 이상의 제1 영역과, 하나 이상의 구역에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 각각의 클러스터에 대해, 하나 이상의 클러스터를 둘러싸는 다각형을 결정하고, 다각형을 이미지의 제1 영역으로서 출력하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 하위-영역들의 수가 임계치를 충족하는 클러스터들만을 선택하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 반도체 시편의 실행시간 검사 전에, 설정 단계에서, 진폭 기준에 대한 정보를 주는 데이터를 획득하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 이미지의 하나 이상의 제1 영역의 픽셀 강도와 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 제2 기준 이미지의 픽셀 강도 사이의 상관 분석을 수행하여 제2 상관 행렬을 획득하고, 진폭 기준을 충족하는 제2 상관 행렬의 값들에 대응하는, 이미지의 하나 이상의 제1 영역의 하위-영역들을 결정하고, 적어도, 이미지의 하나 이상의 제1 영역에서의 하위-영역들의 위치, 및 어레이의 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터에 기반하여, 어레이와 이미지의 하나 이상의 제1 영역 사이의 변형의 맵을 결정하고, 변형의 맵에 기반하여, 정정된 이미지를 생성하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 정정된 이미지에서의 하위-영역들의 위치, 및 어레이의 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터가 근접도 기준을 충족하도록, 정정된 이미지를 생성하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 이미지의 하나 이상의 제1 영역에서의 하위-영역들의 위치와 어레이의 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터 사이의 변형(DFcentral)을 결정하고, 적어도 DFcentral에 적용되는 보간 방법에 기반하여, 반도체 시편의 어레이와 이미지의 하나 이상의 제1 영역 사이의 변형의 맵을 결정하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지를 획득하고, 기준 이미지의 하위-세트만을 제2 기준 이미지로서 선택하도록 구성된다.
본원에 개시되는 주제의 다른 양상들에 따르면, 반도체 시편을 검사하는 방법이 제공되며, 방법은, 프로세서 및 메모리 회로(PMC)에 의해, 반도체 시편의 이미지를 획득하는 단계 ― 반도체 시편은 하나 이상의 어레이 및 하나 이상의 구역을 포함하고, 각각의 어레이는 반복적 구조적 요소들을 포함하고, 각각의 구역은 대응하는 어레이를 적어도 부분적으로 둘러싸고, 반복적 구조적 요소들과는 다른 피쳐들을 포함함 ―, 반도체 시편의 실행시간 스캐닝 동안, 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지의 픽셀 강도와 이미지의 픽셀 강도 사이의 상관 분석을 수행하여 상관 행렬을 획득하는 단계, 상관 행렬을 사용하여 하나 이상의 어레이에 대응하는, 이미지의 하나 이상의 제1 영역과, 하나 이상의 구역에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하는 단계, 및 이미지의 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하는 단계를 포함한다.
일부 실시예들에 따르면, 방법은, 진폭 기준을 충족하는 상관 행렬의 값들에 대응하는, 이미지의 하위-영역들을 결정하는 단계, 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들을 하나 이상의 클러스터로 클러스터링하는 단계, 및 적어도, 하나 이상의 클러스터에 기반하여, 하나 이상의 제1 영역을 결정하는 단계를 포함한다.
일부 실시예들에 따르면, 하나 이상의 어레이는 하나 이상의 경계에 의해 하나 이상의 구역으로부터 분리되며, 여기서, 방법은, 하나 이상의 구역에 대응하는 하나 이상의 제2 영역을 제외한, 경계들까지 적어도 하나 이상의 어레이만을 포함하는, 이미지의 하나 이상의 제1 영역을 추정하는 단계를 포함한다.
일부 실시예들에 따르면, 방법은, 제1 축을 따른 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들을 하나 이상의 제1 클러스터로 클러스터링하는 단계, 제2 축을 따른 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들을 하나 이상의 제2 클러스터로 클러스터링하는 단계, 및 제1 및 제2 클러스터들을 사용하여, 하나 이상의 어레이에 대응하는, 이미지의 하나 이상의 제1 영역과, 하나 이상의 구역에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하는 단계를 포함한다.
일부 실시예들에 따르면, 방법은, 하위-영역들의 수가 임계치를 충족하는 클러스터들만을 선택하는 단계를 포함한다.
일부 실시예들에 따르면, 방법은, 이미지의 하나 이상의 제1 영역의 픽셀 강도와 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 제2 기준 이미지의 픽셀 강도 사이의 상관 분석을 수행하여 제2 상관 행렬을 획득하는 단계, 강도 기준을 충족하는 제2 상관 행렬의 값들에 대응하는, 이미지의 하나 이상의 제1 영역의 하위-영역들을 결정하는 단계, 적어도, 이미지의 하나 이상의 제1 영역에서의 하위-영역들의 위치, 및 어레이의 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터에 기반하여, 어레이와 이미지의 하나 이상의 제1 영역과 사이의 변형의 맵을 결정하는 단계, 및 변형의 맵에 기반하여, 정정된 이미지를 생성하는 단계를 포함한다.
일부 실시예들에 따르면, 방법은, 이미지의 하나 이상의 제1 영역에서의 하위-영역들의 위치와 어레이의 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터 사이의 변형(DFcentral)을 결정하는 단계, 및 적어도 DFcentral에 적용되는 보간 방법에 기반하여, 반도체 시편의 어레이와 이미지의 하나 이상의 제1 영역 사이의 변형의 맵을 결정하는 단계를 포함한다.
본원에 개시되는 주제의 다른 양상들에 따르면, 명령어들을 포함하는 비-일시적인 컴퓨터 판독가능 매체가 제공되며, 명령어들은, PMC에 의해 실행될 때, PMC로 하여금 위에 설명된 바와 같은 동작들을 수행하게 한다.
본원에 개시되는 주제의 다른 양상들에 따르면, 반도체 시편의 검사의 시스템이 제공되며, 시스템은 프로세서 및 메모리 회로(PMC)를 포함하고, PMC는, 반도체 시편의 이미지를 획득하고 ― 반도체 시편은 하나 이상의 어레이 및 하나 이상의 구역을 포함하고, 각각의 어레이는 반복적 구조적 요소들을 포함하고, 각각의 구역은 대응하는 어레이를 적어도 부분적으로 둘러싸고, 반복적 구조적 요소들과는 다른 피쳐들을 포함함 ―, 하나 이상의 어레이 및 하나 이상의 구역 중 적어도 하나의 픽셀 강도에 대한 정보를 주는 데이터(Dthreshold)를 획득하도록 구성되고, PMC는, 반도체 시편의 실행시간 스캐닝 동안, 이미지의 복수의 축을 따른 픽셀 강도를 나타내는 데이터(DX, DY)를 결정하고, 하나 이상의 어레이에 대응하는, 이미지의 하나 이상의 제1 영역과, 하나 이상의 구역에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하기 위해 DX, DY 및 Dthreshold를 사용하고, 이미지의 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 이미지의 복수의 라인들 각각을 따른 픽셀 강도를 나타내는 데이터(DX)를 결정하고, 이미지의 복수의 열들 각각을 따른 픽셀 강도를 나타내는 데이터(DY)를 결정하고, 하나 이상의 어레이에 대응하는, 이미지의 하나 이상의 제1 영역과, 하나 이상의 구역에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하기 위해 DX, DY 및 Dthreshold를 사용하고, 이미지의 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하도록 구성된다.
일부 실시예들에 따르면, 하나 이상의 어레이 각각은, 이미지의 시각적 조사에 의해 구별가능하지 않은 구조적 요소들을 포함한다.
일부 실시예들에 따르면, 시스템은, 이미지의 복수의 라인들 각각을 따른 픽셀 강도를 나타내는 데이터(DX)를 결정하고, DX가 제1 임계치를 초과하는 이미지의 라인들을 포함하는, 이미지의 하위-세트(SL)를 선택하고, 하위-세트(SL)의 복수의 열들 각각을 따른 픽셀 강도를 나타내는 데이터(DY,SL)를 결정하고, DY,L이 제2 임계치를 초과하는, SL의 열들의 하위-세트(CSL)를 결정하고, 적어도 CSL에 기반하여 하나 이상의 제1 영역을 결정하도록 구성된다.
일부 실시예들에 따르면, 시스템은, 이미지의 복수의 열들 각각을 따른 픽셀 강도를 나타내는 데이터(DY)를 결정하고, DY가 제1 임계치를 초과하는 이미지의 열들을 포함하는, 이미지의 하위-세트(SC)를 선택하고, 하위-세트(SC)의 복수의 라인들 각각을 따른 픽셀 강도를 나타내는 데이터(DX,SC)를 결정하고, DX,SC가 제2 임계치를 초과하는, SC의 라인들의 하위-세트(LSC)를 결정하고, 적어도 LSC에 기반하여 하나 이상의 제1 영역을 결정하도록 구성된다.
일부 실시예들에 따르면, 제1 임계치는 제2 임계치보다 엄격하다. 일부 실시예들에 따르면, 제1 임계치는 제3 임계치보다 엄격하다.
일부 실시예들에 따르면, 대응하는 방법(시스템을 참조하여 위에 설명된 바와 같은 동작들을 포함함), 및 명령어들을 포함하는 비-일시적인 컴퓨터-판독가능 매체가 제공되며, 명령어들은, PMC에 의해 실행될 때, PMC로 하여금 대응하는 동작들을 수행하게 한다.
일부 실시예들에 따르면, 제안된 솔루션은, 반도체 시편의 이미지에서, 반복적 구조적 요소들을 포함하는 어레이와 반복적 구조적 요소들과는 다른 피쳐들을 포함하는 주변 구역 사이를 구별하는 것을 가능하게 한다. 일부 실시예들에 따르면, 제안된 솔루션은 효율적이고, 반도체 시편의 실행시간 스캐닝 동안 동작가능하다. 일부 실시예들에 따르면, 어레이의 정확한 식별이 제공되어, 어레이와 주변 구역을 분리하는 어레이의 경계들까지의 어레이를 추출하는 것을 가능하게 한다. 일부 실시예들에 따르면, 제안된 솔루션은, 어레이의 이미지에 존재하는 왜곡의 정정을 가능하게 한다. 특히, 효율적이고 정확한 정정이 가능해진다.
본 개시내용을 이해하고, 본 개시내용이 실제로 어떻게 수행될 수 있는지를 알기 위해, 이제, 첨부된 도면들을 참조하여, 단지 비-제한적인 예로서 실시예들이 설명될 것이다.
도 1은 본원에 개시되는 주제의 특정 실시예들에 따른 검사 시스템의 일반화된 블록도를 예시한다.
도 2는, 시편의 이미지에서 반복적 구조적 요소들을 포함하는 어레이를 식별하는 방법의 일반화된 흐름도를 예시한다.
도 2a는, 반복적 구조적 요소들을 갖는 어레이들 및 주변 구역들을 포함하는 이미지의 비-제한적인 예를 예시한다.
도 3은, 도 2의 방법의 동작들의 가능한 구현의 일반화된 흐름도를 예시한다.
도 3a는, 도 2의 방법을 사용하여 획득되는 상관 행렬의 비-제한적인 예를 예시한다.
도 3b는, 반복적 구조적 요소들을 포함하는 어레이의 비-제한적인 예를 예시한다.
도 3c는, 도 2의 방법을 사용하여 획득되는 상관 행렬의 다른 비-제한적인 예를 예시한다.
도 4는, 도 2의 방법에서 사용되는 기준 이미지의 처리의 방법의 일반화된 흐름도를 예시한다.
도 4a 및 도 4b는, 도 4의 방법의 사용의 비-제한적인 예를 예시한다.
도 5는, 시편의 이미지에서 반복적 구조적 요소들을 포함하는 어레이를 식별하는 다른 방법의 일반화된 흐름도를 예시한다.
도 5a는, 도 5의 방법의 적용의 비-제한적인 예를 예시한다.
도 6은, 시편의 이미지에서 반복적 구조적 요소들을 포함하는 어레이를 식별하는 방법의 다른 실시예의 일반화된 흐름도를 예시한다.
도 6a 내지 도 6c는, 도 6의 방법의 적용의 비-제한적인 예를 예시한다.
도 7은, 반복적 구조적 요소들을 포함하는 어레이의 왜곡된 이미지의 비-제한적인 예를 예시한다.
도 8은, 도 7의 이미지에서의 왜곡을 정정하는 방법의 일반화된 흐름도를 예시한다.
도 8a 내지 도 8c는, 도 8의 방법의 적용의 비-제한적인 예를 예시한다.
도 9는, 도 8의 방법에서 사용되는 기준 이미지의 처리의 방법의 일반화된 흐름도를 예시한다.
도 9a는, 도 9의 방법의 적용의 비-제한적인 예를 예시한다.
다음의 상세한 설명에서는, 본 개시내용의 철저한 이해를 제공하기 위해, 많은 특정 세부사항들이 기재된다. 그러나, 관련 기술분야의 통상의 기술자들은 본원에 개시되는 주제가 그 특정 세부사항들 없이도 실시될 수 있다는 것을 이해할 것이다. 다른 예시들에서, 잘 알려진 방법들, 절차들, 구성요소들, 및 회로들은, 본원에 개시되는 주제를 불명료하게 하지 않기 위해 상세히 설명되지 않는다.
달리 구체적으로 언급되지 않는 한, 다음의 논의들로부터 명백한 바와 같이, 본 명세서 전반에 걸쳐, "처리", "획득", "선택", "결정", "생성", "출력", "사용", "수행" 등과 같은 용어들을 활용하는 논의들은, 데이터를 다른 데이터로 조작 및/또는 변환하는 컴퓨터의 작동(들) 및/또는 프로세스(들)를 지칭하며, 상기 데이터는 물리적, 이를테면 전자적 양들로서 표현되고/거나 상기 데이터는 물리적 객체들을 표현한다는 것이 인식된다. "컴퓨터"라는 용어는, 비-제한적인 예로서, 본 출원에서 개시되는 시스템(103) 및 그의 개개의 부분들을 포함하는, 데이터 처리 능력들을 갖는 임의의 종류의 하드웨어 기반 전자 디바이스를 포함하도록 광범위하게 해석되어야 한다.
본원에서 사용되는 "비-일시적인 메모리" 및 "비-일시적인 저장 매체"라는 용어들은, 본원에 개시되는 주제에 적합한 임의의 휘발성 또는 비-휘발성 컴퓨터 메모리를 포함하도록 광범위하게 해석되어야 한다.
본 명세서에서 사용되는 "시편"이라는 용어는, 반도체 집적 회로들, 자기 헤드들, 평판 디스플레이들, 및 다른 반도체-제조 물품들을 제조하는 데 사용되는 임의의 종류의 웨이퍼, 마스크들, 및 다른 구조들, 이들의 조합들 및/또는 부분들을 포함하도록 광범위하게 해석되어야 한다.
본 명세서에서 사용되는 "검사"라는 용어는, 임의의 종류의 계측 관련 동작들뿐만 아니라 시편의 제조 동안의 시편에서의 결함들의 검출 및/또는 분류와 관련된 동작들을 포함하도록 광범위하게 해석되어야 한다. 검사는, 검사될 시편의 제조 동안에 또는 그 후에 비-파괴 검사 툴들을 사용함으로써 제공된다. 비-제한적인 예로서, 검사 프로세스는, 동일하거나 상이한 조사 툴들을 사용하여 시편 또는 시편의 부분들에 관하여 제공되는, (단일 또는 다수의 스캔들로의) 실행시간 스캐닝, 샘플링, 검토, 측정, 분류, 및/또는 다른 동작들을 포함할 수 있다. 마찬가지로, 검사는, 검사될 시편의 제조 전에 제공될 수 있고, 예컨대, 검사 처리법(들) 및/또는 다른 설정 동작들을 생성하는 것을 포함할 수 있다. 달리 구체적으로 언급되지 않는 한, 본 명세서에서 사용되는 "검사"라는 용어 또는 그의 파생어들은 조사 영역의 해상도 또는 크기에 관하여 제한되지 않는다는 것이 유의된다. 다양한 비-파괴 검사 툴들은, 비-제한적인 예로서, 주사 전자 현미경들, 원자간력 현미경들, 광학 조사 툴들 등을 포함한다.
비-제한적인 예로서, 실행시간 검사는, 예컨대, 시편의 조사 이후에, 샘플링된 잠재적 결함들의 위치들의 검토가 후속되는, 2단계 절차를 이용할 수 있다. 제1 단계 동안, 시편의 표면이 고속으로 그리고 비교적 낮은 해상도로 조사된다. 제1 단계에서, 높은 결함 확률을 갖는 시편 상의 의심되는 위치들을 나타내기 위해 결함 맵이 생성된다. 제2 단계 동안, 의심되는 위치들 중 적어도 일부가 비교적 높은 해상도로 더 철저하게 분석된다. 일부 경우들에서, 단계들 둘 모두가 동일한 조사 툴에 의해 구현될 수 있고, 일부 다른 경우들에서는, 이러한 2개의 단계가 상이한 조사 툴들에 의해 구현된다.
본 명세서에서 사용되는 "결함"이라는 용어는, 시편 상에 또는 시편 내에 형성된 임의의 종류의 기형 또는 바람직하지 않은 피쳐를 포함하도록 광범위하게 해석되어야 한다.
본 명세서에서 사용되는 "설계 데이터"라는 용어는, 시편의 계층적인 물리적 설계(레이아웃)를 표시하는 임의의 데이터를 포함하도록 광범위하게 해석되어야 한다. 설계 데이터는, 개개의 설계자에 의해 제공될 수 있고/거나 (예컨대, 복잡한 모의실험, 단순한 기하학, 및 불(Boolean) 연산들 등을 통해) 물리적 설계로부터 도출될 수 있다. 설계 데이터는, 비-제한적인 예들로서, GDSII 포맷, OASIS 포맷 등과 같은 상이한 포맷들로 제공될 수 있다. 설계 데이터는, 벡터 포맷, 그레이스케일 강도 이미지 포맷, 또는 다른 포맷으로 제시될 수 있다.
달리 구체적으로 언급되지 않는 한, 별개의 실시예들의 맥락에서 설명된 본원에 개시되는 주제의 특정 특징들이 또한, 단일 실시예로 조합되어 제공될 수 있다는 것이 인식된다. 역으로, 단일 실시예의 맥락에서 설명된 본원에 개시되는 주제의 다양한 특징들이 또한, 별개로 또는 임의의 적합한 하위-조합으로 제공될 수 있다. 다음의 상세한 설명에서는, 본 방법들 및 장치의 철저한 이해를 제공하기 위해 많은 특정 세부사항들이 기재된다.
이를 유념하면서, 본원에 개시되는 주제의 특정 실시예들에 따른 검사 시스템의 기능 블록도를 예시하는 도 1을 주목한다. 도 1에 예시된 검사 시스템(100)은, 시편 제조 프로세스의 일부로서 시편의(예컨대, 웨이퍼 및/또는 웨이퍼의 부분들의) 검사에 사용될 수 있다. 예시된 검사 시스템(100)은, 시편 제조 동안 획득된 이미지들을 사용하여 계측 관련 및/또는 결함 관련 정보를 자동으로 결정할 수 있는 컴퓨터-기반 시스템(103)을 포함한다. 시스템(103)은 하나 이상의 저해상도 검사 툴(101) 및/또는 하나 이상의 고해상도 검사 툴(102) 및/또는 다른 검사 툴들에 동작가능하게 연결될 수 있다. 검사 툴들은, 이미지들을 포착하고/거나 포착된 이미지(들)를 검토하고/거나 포착된 이미지(들)와 관련된 측정들을 가능하게 하거나 제공하도록 구성된다. 시스템(103)은 추가로, CAD 서버(110) 및 데이터 저장소(109)에 동작가능하게 연결될 수 있다.
시스템(103)은, 하드웨어 기반 입력 인터페이스(105)에 그리고 하드웨어 기반 출력 인터페이스(106)에 동작가능하게 연결되는 프로세서 및 메모리 회로(PMC)(104)를 포함한다. PMC(104)는, 이하에서 추가로 상세히 설명되는 바와 같이 시스템(103)을 동작시키는 데 필요한 모든 처리(예컨대, 시스템(103)에 의해 적어도 부분적으로 수행될 수 있는, 도 2 내지 도 5, 도 6, 도 8 및 도 9에서 설명된 방법들을 참조)를 제공하도록 구성되고, 프로세서(별개로 도시되지 않음) 및 메모리(별개로 도시되지 않음)를 포함한다. PMC(104)의 프로세서는, PMC에 포함된 비-일시적인 컴퓨터-판독가능 메모리 상에 구현되는 컴퓨터-판독가능 명령어들에 따라 여러 개의 기능 모듈들을 실행하도록 구성될 수 있다. 그러한 기능 모듈들은 이후 PMC에 포함되는 것으로 언급된다. PMC(104)에 포함된 기능 모듈들은 심층 신경망(DNN)(112)을 포함한다. DNN(112)은, 시편들의 이미지들에 기반하여 응용 관련 데이터를 출력하기 위한 기계 학습 알고리즘을 사용하여 데이터 처리를 가능하게 하도록 구성된다.
비-제한적인 예로서, DNN(112)의 계층들은, 콘볼루션 신경망(CNN) 아키텍처, 순환적 신경망 아키텍처, 재귀적 신경망 아키텍처, 생성적 대립 신경망(GAN) 아키텍처, 또는 다른 아키텍처에 따라 조직화될 수 있다. 임의적으로, 계층들 중 적어도 일부는 복수의 DNN 부분망들에서 조직화될 수 있다. DNN의 각각의 계층은, 관련 기술분야에서 전형적으로 차원들, 뉴런들, 또는 노드들로 지칭되는 다수의 기본 계산 요소들(CE)을 포함할 수 있다.
일반적으로, 주어진 계층의 계산 요소들은 선행 계층 및/또는 후속 계층의 CE들과 연결될 수 있다. 선행 계층의 CE와 후속 계층의 CE 사이의 각각의 연결은 가중 값과 연관된다. 주어진 CE는 개개의 연결들을 통해 이전 계층의 CE들로부터 입력들을 수신할 수 있으며, 각각의 주어진 연결은, 주어진 연결의 입력에 적용될 수 있는 가중 값과 연관된다. 가중 값들은, 연결들의 상대적인 강도 및 그에 따른 주어진 CE의 출력에 대한 개개의 입력들의 상대적인 영향을 결정할 수 있다. 주어진 CE는, 활성화 값(예컨대, 입력들의 가중 합)을 컴퓨팅하도록 그리고 컴퓨팅된 활성화에 활성화 함수를 적용함으로써 출력을 도출하도록 추가로 구성될 수 있다. 활성화 함수는, 예컨대, 항등 함수, 결정론적 함수(예컨대, 선형, S자형, 임계치 등), 확률적 함수 또는 다른 적합한 함수일 수 있다. 주어진 CE로부터의 출력은 개개의 연결들을 통해 후속 계층의 CE들에 송신될 수 있다. 마찬가지로, 위에서와 같이, CE의 출력에서의 각각의 연결은 가중 값과 연관될 수 있으며, 가중 값은, 후속 계층의 CE의 입력으로서 수신되기 전에 CE의 출력에 적용될 수 있다. 가중 값들에 더하여, 연결들 및 CE들과 연관된 임계 값들(제한 함수들을 포함함)이 존재할 수 있다.
DNN(112)의 가중 및/또는 임계 값들은 처음에, 훈련 전에 선택될 수 있고, 훈련된 DNN에서 최적의 세트의 가중 및/또는 임계 값들을 달성하기 위해, 훈련 동안에 추가로 반복적으로 조정 또는 수정될 수 있다. 각각의 반복 후에, DNN(112)의해 생성되는 실제 출력과 개개의 훈련 세트의 데이터와 연관된 목표 출력 사이의 차이(손실 함수로 또한 지칭됨)가 결정될 수 있다. 그 차이는 오차 값으로 지칭될 수 있다. 훈련은, 오차 값을 표시하는 비용 또는 손실 함수가 미리 결정된 값 미만일 때 또는 반복들 사이의 성능에서의 제한된 변화가 달성될 때 완료되는 것으로 결정될 수 있다. 임의적으로, (존재하는 경우) DNN 하위-네트워크들 중 적어도 일부는 전체 DNN을 훈련하기 전에 별개로 훈련될 수 있다.
시스템(103)은 입력 인터페이스(105)를 통해 입력 데이터를 수신하도록 구성된다. 입력 데이터는, 검사 툴들에 의해 생성된 데이터(및/또는 그의 파생물들 및/또는 그와 연관된 메타데이터), 및/또는 하나 이상의 데이터 저장소(109) 및/또는 CAD 서버(110) 및/또는 다른 관련 데이터 저장소에 생성되고/거나 저장된 데이터를 포함할 수 있다. 입력 데이터는 이미지들(예컨대, 포착된 이미지들, 포착된 이미지들로부터 도출된 이미지들, 모의 이미지들, 합성 이미지들 등) 및 연관된 수치 데이터(예컨대, 메타데이터, 수작업 속성들 등)를 포함할 수 있다는 것을 유의한다. 이미지 데이터는 관심 층 및/또는 시편의 하나 이상의 다른 층과 관련된 데이터를 포함할 수 있다는 것을 추가로 유의한다.
시스템(103)은, 수신된 입력 데이터의 적어도 일부를 처리하고, 출력 인터페이스(106)를 통해, 결과들(또는 그 일부)을 저장 시스템(107)에, 검사 툴(들)에, 결과들을 렌더링하기 위한 컴퓨터-기반 그래픽 사용자 인터페이스(GUI)(108)에 그리고/또는 외부 시스템들(예컨대, FAB의 수율 관리 시스템(YMS))에 전송하도록 추가로 구성된다. GUI(108)는 운영 시스템(103)과 관련된 사용자 특정 입력들을 가능하게 하도록 추가로 구성될 수 있다.
비-제한적인 예로서, 시편은 하나 이상의 저해상도 검사 기계(101)(예컨대, 광학 조사 시스템, 저해상도 SEM 등)에 의해 검사될 수 있다. 시편의 저해상도 이미지들에 대한 정보를 주는 결과적인 데이터(이후 저해상도 이미지 데이터(121)로 지칭됨)는 시스템(103)에 ― 직접 또는 하나 이상의 중간 시스템을 통해 ― 송신될 수 있다. 대안적으로 또는 부가적으로, 시편은 고해상도 기계(102)에 의해 검사될 수 있다(예컨대, 검토를 위해 선택된 잠재적 결함 위치들의 하위-세트가 주사 전자 현미경(SEM) 또는 원자간력 현미경(AFM)에 의해 검토될 수 있음). 시편의 고해상도 이미지들에 대한 정보를 주는 결과적인 데이터(이후 고해상도 이미지 데이터(122)로 지칭됨)는 시스템(103)에 ― 직접 또는 하나 이상의 중간 시스템을 통해 ― 송신될 수 있다.
시편 상의 원하는 위치의 이미지들이 상이한 해상도들로 포착될 수 있다는 것에 유의한다. 비-제한적인 예로서, 원하는 위치의 소위 "결함 이미지들"은 결함과 거짓 경보를 구별하기 위해 사용가능한 한편, 원하는 위치의 소위 "부류 이미지들"은 더 높은 해상도로 획득되고 결함 분류에 사용가능하다. 일부 실시예들에서, 동일한 위치(동일하거나 상이한 해상도들을 가짐)의 이미지들은 그들 사이에 등록된 수 개의 이미지들(예컨대, 주어진 위치로부터 포착된 이미지들 및 주어진 위치에 대응하는 하나 이상의 기준 이미지)을 포함할 수 있다.
이미지 데이터는 그와 연관된 메타데이터(예컨대, 픽셀 크기, 결함 유형의 텍스트 설명, 이미지 포착 프로세스의 파라미터들 등)와 함께 수신 및 처리될 수 있다는 것이 유의된다.
입력 데이터를(예컨대, 저해상도 이미지 데이터 및/또는 고해상도 이미지 데이터를, 선택적으로, 예컨대, 설계 데이터, 합성 데이터 등과 같은 다른 데이터와 함께) 처리할 시, 시스템(103)은 결과들(예컨대, 명령어-관련 데이터(123 및/또는 124))을 검사 툴(들) 중 임의의 것에 전송하고, 결과들(예컨대, 결함 속성들, 결함 분류 등)을 저장 시스템(107)에 저장하고, GUI(108)를 통해 결과들을 렌더링하고/거나 외부 시스템(예컨대, YMS)에 전송할 수 있다.
관련 기술분야의 통상의 기술자들은, 본원에 개시되는 주제의 교시들이 도 1에 예시된 시스템에 의해 제한되지 않고, 동등한 및/또는 수정된 기능성이 다른 방식으로 병합될 수 있거나 분할될 수 있고, 하드웨어 및/또는 펌웨어와 소프트웨어의 임의의 적절한 조합으로 구현될 수 있다는 것을 쉽게 인식할 것이다.
본 개시내용의 범위를 임의의 방식으로 제한함이 없이, 검사 툴들은, 광학 이미지 기계들, 전자 빔 조사 기계들 등과 같은 다양한 유형들의 조사 기계들로서 구현될 수 있다는 것을 또한 유의하여야 한다. 일부 경우들에서, 동일한 검사 툴이 저해상도 이미지 데이터 및 고해상도 이미지 데이터를 제공할 수 있디. 일부 경우들에서, 적어도 하나의 검사 툴은 계측 능력들을 가질 수 있다.
도 1에 예시된 검사 시스템이 분산형 컴퓨팅 환경에서 구현될 수 있으며, 그러한 분산형 컴퓨팅 환경에서, 도 1에 도시된 전술된 기능 모듈들이 수 개의 로컬 및/또는 원격 디바이스들에 걸쳐 분산될 수 있고 통신 네트워크를 통해 링크될 수 있다는 것에 유의한다. 다른 실시예들에서, 적어도 일부 검사 툴들(101 및/또는 102), 데이터 저장소들(109), 저장 시스템(107), 및/또는 GUI(108)가 검사 시스템(100) 외부에 있을 수 있고, 입력 인터페이스(105) 및 출력 인터페이스(106)를 통해 시스템(103)과 데이터 통신하도록 동작할 수 있다는 것을 추가로 유의한다. 시스템(103)은, 검사 툴과 함께 사용될 독립형 컴퓨터(들)로서 구현될 수 있다. 대안적으로, 시스템의 개개의 기능들은 적어도 부분적으로 하나 이상의 검사 툴과 통합될 수 있다.
이제 도 2를 주목한다. 방법은, 시편의 이미지(250)를 획득하는 단계(동작(200))를 포함한다. 일부 실시예들에 따르면, 이미지(250)는 시편의 실행시간 스캐닝 동안 검사 툴(이를테면, 검사 툴(101))에 의해 취득된다. 시편은 하나 이상의 어레이(260)를 포함한다. 어레이들(260)은 반복적 구조적 요소들(어레이들 중 하나에서 참조번호(261)로서 표현됨)을 포함한다. 반복적 구조적 요소들은, 예컨대, 메모리 셀들(이를테면, SRAM, DRAM, FRAM, 플래시 메모리), 프로그래밍가능 로직 셀들 등을 포함한다. 이러한 예들은 제한적이지 않다. 일반적으로, 반복적 구조적 요소들은 반복적 패턴 또는 격자에 따라 각각의 어레이에 배열된다. 예컨대, (수평 축 및 수직 축을 따른) 2개의 인접한 반복적 구조적 요소 사이의 거리는 다양한 어레이들 사이에서 일정하거나 적어도 실질적으로 일정하다.
시편은 하나 이상의 구역(265)을 포함한다. 각각의 구역(265)은 대응하는 어레이(260)를 적어도 부분적으로 둘러싼다. 구역(265)은 어레이(260)에 존재하는 반복적 구조적 요소를 포함하지 않는다. 도 2a의 비-제한적인 예에서, 시편은 어레이들(260)을 둘러싸는 수직 및 수평 구역들(265)을 포함한다. 구역들(265)은, 예컨대, 스티치(stich)들에 대응할 수 있다. 각각의 구역(265)은 반복적 구조적 요소들(260)과는 다른 피쳐들을 포함한다. 일부 실시예들에서, 구역들(265)은 비-반복적 피쳐들을 포함할 수 있고/거나 반복적 구조적 요소들(260)는 다른 반복적 피쳐들을 포함할 수 있다. 비-반복적 피쳐들의 예들은, 예컨대, 로직들을 포함한다. 그러나, 이는 제한적이지 않다.
방법은, 이미지(250)의 픽셀 강도와 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지의 픽셀 강도 사이의 상관 분석을 수행하는 단계(동작(210))를 더 포함한다. 기준 이미지는, 예컨대, 반복적 구조적 요소들 중 하나의 이미지를 포함할 수 있다. 기준 이미지는 "골든(golden) 셀"로 또한 지칭된다. 일부 실시예들에 따르면, 기준 이미지는 설계 데이터에 기반하여 생성된다. 일부 실시예들에 따르면, 기준 이미지는, 결함들이 없는 것으로 (예컨대, 이전 분석으로부터) 알려져 있는 구조적 요소의 이미지로부터 획득된다. 일부 실시예들에 따르면, 기준 이미지는, 시편의 실행시간 검사 전에, 설정 단계 동안 획득된다. 설정 단계에서, 시간 및 처리 제약들이 덜 엄격하며, 따라서, 기준 이미지를 구성할 반복적 구조적 요소들 중 하나의 이미지를 취득하는 것이 가능하다.
210에서 수행되는 상관 분석의 출력은, 복수의 값들을 포함하는 상관 행렬을 포함할 수 있다. 각각의 값은 이미지(250)의 하위-영역에 연관되고, 하위-영역의 픽셀 강도와 기준 이미지의 픽셀 강도 사이의 상관의 수준을 표시한다.
방법은, 하나 이상의 어레이(260)에 대응하는, 이미지(250)의 하나 이상의 제1 영역과, 하나 이상의 구역(265)에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하기 위해 상관 행렬을 사용하는 단계(동작(220))를 더 포함할 수 있다. 도 2a는 하나 이상의 제1 영역(270) 및 하나 이상의 제2 영역(275)의 예들을 예시한다. 일부 실시예들에서, 하나 이상의 제1 영역(270)에 속하는 것으로서 식별되지 않은 이미지의 모든 영역들은 하나 이상의 제2 영역(275)의 일부인 것으로 간주된다.
방법은, 이미지(250)의 하나 이상의 제1 영역(270)에 대한 정보를 주는 데이터를 출력하는 단계(230)를 더 포함한다. 이는, 예컨대, 이미지(250)에서의 하나 이상의 제1 영역(270)의 위치를 출력하는 것, 및/또는 하나 이상의 제1 영역(270)만을 포함하는 선별된 이미지(250)를 출력하는 것을 포함할 수 있다. 일부 실시예들에 따르면, 방법은, 하나 이상의 제2 영역(275)의 위치를 출력하는 것, 및/또는 하나 이상의 제2 영역(275)만을 포함하는 선별된 이미지(250)를 출력하는 것을 포함할 수 있다.
일부 실시예들에 따르면, 적어도 동작(210, 220, 및 230)은 시편의 실행시간 스캐닝 동안 수행된다. 다시 말해서, 이미지에서의 어레이들의 식별의 방법이 효율적이고, 따라서, 실행시간 단계 동안 수행될 수 있다.
일부 실시예들에 따르면, 이미지에서의 하나 이상의 제1 영역(270)의 식별은, 예컨대, 어레이에서의 결함들(예컨대, 결함들의 위치, 결함들의 부류 등)을 나타내는 데이터를 결정하도록 구성되는 PMC에 의해, 시편의 실행시간 스캐닝 동안 사용된다. 특히, PMC는 결함들을 검출하기 위한 알고리즘을 구현할 수 있으며, 이는, 반복적 구조적 요소들을 포함하는 어레이에서의 결함들을 검출하도록 특별히 맞춤조정된다.
도 2a에 도시된 바와 같이, 하나 이상의 어레이(260)는 하나 이상의 경계(266)에 의해 하나 이상의 구역(265)으로부터 분리된다. 경계(266)는, 어레이(260) 사이의 물리적 한계 및 대응하는 주변 구역(265)을 정의한다.
일부 실시예들에 따르면, 방법은, 경계들(266)까지 적어도 하나 이상의 어레이(260)만을 포함하는, 이미지(250)의 하나 이상의 제1 영역(270)을 추정하는 것을 가능하게 한다. 특히, 일부 실시예들에 따르면, 방법은, 하나 이상의 구역(265)에 대응하는 하나 이상의 제2 영역(275)을 제외한, 경계(266)까지의 어레이들(260)을 식별하는 것을 가능하게 한다.
동작들(210 내지 230)의 비-제한적인 구현을 도시하는 도 3을 주목한다.
동작(210)을 참조하여 설명된 바와 같이, 상관 행렬이 획득된다. 이미지(250)의 주어진 구역에 대해 획득된 상관 행렬(365)의 비-제한적인 예가 도 3a에 도시된다.
따라서, 방법은, 진폭 기준을 충족하는 상관 행렬(365)의 값들에 대응하는, 이미지(250)의 하위-영역들을 결정하는 단계(동작(300))를 포함할 수 있다. 진폭 기준은, 예컨대, 국소 최대 상관 피크가 식별된(일부 실시예들에서는, 절대 임계치가 설정될 수 있음) 이미지(250)의 하위-영역들이 이미지(250)에서의 반복적 구조적 요소들의 위치에 대응한다는 것을 정의할 수 있다. 일부 실시예들에서, 시편의 실행시간 검사 전에, 설정 단계 동안, 반복적 구조적 요소들 중 하나를 포함하는 하위-영역에 대해 획득되는 상관 피크의 진폭의 제1 추정이 획득되며, 이는, 실행시간 검사 동안 사용되고 그에 대해 구조적 요소가 존재하는 것으로 간주되는 진폭 기준을 결정하는 데 사용될 수 있다.
도 3a에 도시된 바와 같이, 상관 행렬(365)은, 이미지의 하위-영역들(375)에 위치된, 상관(367)의 피크들(최대 값들)을 포함한다. 이러한 하위-영역들(375)은 반복적 구조적 요소들의 위치의 추정에 대응한다. 실제로, 상관 분석은, 이미지의 픽셀 강도를 반복적 구조적 요소에 대한 정보를 주는 기준 이미지의 픽셀 강도와 상관시키는 것을 수반하므로, 반복적 구조적 요소들을 포함하는 이미지의 하위-영역들은 반복적 구조적 요소들을 포함하지 않는 이미지의 하위-영역들(구역들(265))에 비해 높은 상관 값을 제공할 것으로 예상된다.
방법은, 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들(375)을 하나 이상의 클러스터로 클러스터링하는 단계(동작(310))를 더 포함할 수 있다.
위에 언급된 바와 같이, 반복적 구조적 요소들은 일반적으로 반복적 패턴 또는 격자에 따라 배열된다. 따라서, 어레이에서의 2개의 연속적 구조적 요소 사이의 거리를 획득하는 것이 가능하다. 일부 실시예들에서, 제1 축(예컨대, 이미지의 라인들에 대응하는, 수평 축)을 따른 어레이의 반복적 구조적 요소들(361) 사이의 거리에 대한 정보를 주는 데이터(도 3b의 참조번호(368) 참조), 및 제2 축(예컨대, 이미지의 열들에 대응하는, 수직 축)을 따른 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터(도 3b의 참조번호(369) 참조)가 획득될 수 있다. 예시된 바와 같이, 구조적 요소들의 중심들 사이의 거리가 평가될 수 있다.
일부 실시예들에 따르면, 동작(310)은, 제1 축(372)을 따른 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들(375)을 하나 이상의 제1 클러스터로 클러스터링하는 것을 포함할 수 있다. 일부 실시예들에 따르면, 주어진 클러스터에서, 임의의 하위-영역(375)은, 클러스터의 다른 하위-영역(375)으로부터, 제1 축을 따른 반복적 구조적 요소들 사이의 거리와 동일하거나 그 미만의 거리로 위치된다. 비-제한적인 예가 도 3a에 예시되며, 여기서, 하위-영역들은 제1 축(372)을 따라 동일한 클러스터(370)에 배정된다. 도시된 바와 같이, 각각의 하위-영역으로부터 클러스터(370)까지의 거리가 제1 축(372)을 따른 2개의 반복적 구조적 요소 사이의 거리를 초과하므로 하위-영역들(374)은 클러스터(370)에 배정되지 않는다.
일부 실시예들에 따르면, 동작(310)은, 제2 축(373)을 따른 어레이의 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들을 하나 이상의 제2 클러스터로 클러스터링하는 것을 포함할 수 있다. 일부 실시예들에 따르면, 주어진 클러스터에서, 임의의 하위-영역은, 클러스터의 다른 하위-영역으로부터, 제2 축(373)을 따른 반복적 구조적 요소들 사이의 거리와 동일하거나 그 미만의 거리로 위치된다. 비-제한적인 예가 도 3a에 예시되며, 여기서, 하위-영역들은 제2 축(373)을 따라 동일한 클러스터(381)에 배정된다. 도시된 바와 같이, 하위-영역(383)에서 클러스터(381)까지의 거리가 제2 축(373)을 따른 2개의 반복적 구조적 요소 사이의 거리를 초과하므로 하위-영역(383)은 클러스터(381)에 배정되지 않는다.
방법은, 적어도, 하나 이상의 클러스터에 기반하여, 하나 이상의 제1 영역을 결정하는 단계(동작(320))를 포함한다. 특히, 제1 클러스터들은 제1 축(372)을 따른 하나 이상의 제1 영역의 크기 및 위치를 결정하는 데 사용될 수 있고, 제2 클러스터들은 제2 축(373)을 따른 하나 이상의 제1 영역의 크기 및 위치를 결정하는 데 사용될 수 있다. 예컨대, 클러스터(370)는 축(372)을 따른 제1 영역의 크기 및 위치를 제공하고, 클러스터(370)와 교차하는 클러스터(381)는 축(373)을 따른 동일한 제1 영역의 크기 및 위치를 제공한다. 그 결과로서, 제1 영역(384)이 식별된다. 이는, 상이한 제1 영역들의 한계들을 결정하는 데 사용되는 모든 클러스터들에 대해 수행될 수 있다.
일부 실시예들에 따르면, 클러스터들을 사용하여 제1 영역들을 식별하기 위한 다른 동작이 수행된다. 특히, 방법은, 제1 영역을 정의하는 것으로서 식별된 하나 이상의 클러스터를 둘러싸는 다각형(예컨대, 직사각형 또는 정사각형)을 결정하는 단계, 및 다각형을 제1 영역으로서 출력하는 단계를 포함할 수 있다. 예컨대, 도 3a의 예에서, 제1 클러스터(370) 및 제2 클러스터(381)에 기반하여 식별된 제1 영역을 커버하는 직사각형(392)이 생성될 수 있다.
이제 도 3c를 주목한다. 일부 실시예들에 따르면, 방법은, 클러스터에 존재하는 하위-영역들의 수가 임계치를 충족하는(예컨대, 임계치를 초과하는) 클러스터들만을 선택하는 단계(동작(330))를 포함할 수 있다. 이는 도 3c에 예시된다. 복수의 클러스터들(3831 내지 3835)이 축(372)을 따라 식별되었다. 3831로 지칭되는 클러스터는 하나의 하위-영역(384)만을 포함한다. 어레이가 반복적 패턴(예컨대, 격자)을 따라 배열되는 반복적 구조적 요소들을 포함하는 것으로 알려져 있으므로, 하위-영역(384)은 구조적 요소에 대응하지 않는다고 가정될 수 있는데, 그 이유는, 반복적 패턴이 격리된 구조적 요소들을 포함하지 않기 때문이다. 따라서, 이러한 클러스터는, 동작(320)에서 하나 이상의 제1 영역을 결정할 때 무시되거나 삭제될 수 있다. 동일한 사항이 제2 축(373)을 따라 결정된 클러스터들(제2 클러스터들)에 적용될 수 있으며, 주어진 클러스터가 임계치 미만인 하위-영역들의 수를 포함하는 경우, 주어진 클러스터는 동작(320)에서 하나 이상의 제1 영역을 결정할 때 무시된다.
이제 도 4를 주목한다. 일부 실시예들에 따르면, 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지가 이미지 처리 알고리즘을 사용하여 처리될 수 있다. 일부 실시예들에 따르면, 이미지 처리 알고리즘은 기준 이미지의 반복적 패턴들을 감쇠시킨다. 예컨대, 부분적 화이트닝이 기준 이미지에 적용될 수 있다. 부분적 화이트닝은, 예컨대, 주파수 도메인에서 기준 이미지를 변환하는 것(예컨대, 기준 이미지의 픽셀들을 표시하는 X(i,j)를 주파수 도메인에서 X(f)로 변환하는 것), 높은/강한 주파수들을 저하시키는 것(예컨대,
Figure pat00001
), 및 이미지로 되돌리기 위한 역변환을 수행하는 것(예컨대, X'(f)를 X'(i,j)로 변환하는 것)을 포함할 수 있다.
도 4의 방법의 비-제한적인 예가 도 4a에 도시된다. 도시된 바와 같이, 어레이(460)는 반복적 구조적 요소들(410) 및 전도성 라인들(411)을 포함한다. 전도성 라인들(411)은 어레이(460)를 둘러싸는 구역(465)까지 연장된다. 도 4b에 도시된 바와 같이, 반복적 구조적 요소들(410)에 대한 정보를 주는 기준 이미지(470)가 획득되었다. 정정된 기준 이미지(475)를 획득하기 위해, 반복적 패턴들을 감쇠시키는 이미지 처리(예컨대, 부분적 화이트닝)가 기준 이미지(470)에 적용된다. 도시된 바와 같이, (반복적 패턴들에 대응하는) 전도성 라인들(411) 및 (또한 반복적 패턴들에 대응하는) 구조적 요소들(410) 둘 모두는 정정된 기준 이미지(475)에서 감쇠된다. 그 결과로서, 하위-영역들 및 구역 둘 모두가, 이러한 실시예에서, 공통 반복적 피쳐들(전도성 라인들(411))을 포함하지만, (동작(210)을 참조하여 설명되는 바와 같은) 이미지와 정정된 기준 이미지(475) 사이에서 상관이 수행될 때, 구조적 요소들에 대응하는 하위-영역들은 구역에 대응하는 하위-영역들보다 더 높은 상관 값을 제공할 것이고, 그에 의해, 어레이와 주변 구역 사이를 구별하는 것이 용이해진다.
일부 실시예들에 따르면, 방법은, 하나 이상의 어레이 및 하나 이상의 주변 구역을 포함하는 시편의 이미지를 획득하는 단계(동작(500))를 포함할 수 있다. 동작(500)은 위의 동작(200)과 유사하다. 일부 실시예들에서, 전자 빔 검사 툴에 의해 이미지가 취득된다. 일부 경우들에서, 이미지는 낮은 신호 대 잡음 비를 가질 수 있으며, 따라서, 기준 이미지와의 상관을 수반하는 도 2의 방법이 항상 적용가능한 것은 아니다. 낮은 신호 대 잡음 비는, 시편에 존재하는 피쳐들의 크기, 대전 효과 등에 기인할 수 있다. 일부 실시예들에서, 낮은 신호 대 잡음 비로 인해, 어레이들의 구조적 요소들은 이미지의 시각적 조사에 의해 어레이들 내에서 식별/구별될 수 없다. 일부 실시예들에서, 이미지에서의 픽셀의 크기가 구조적 요소의 크기보다 클 수 있고, 따라서, 구조적 요소들은 시각적 조사에 의해 구별될 수 없다.
방법은, 어레이 및 주변 구역 중 적어도 하나의 픽셀 강도에 대한 정보를 주는 데이터(Dthreshold)를 획득하는 단계(동작(510))를 더 포함한다. Dthreshold는, 특히, 시편의 실행시간 검사 전에, 설정 단계 동안 획득될 수 있다. 예컨대, 설정 단계 동안, 실행시간 동안 검사 하에 있는 시편과 유사한 시편의 이미지가 획득된다. 작업자 또는 자동 알고리즘(예컨대, K-평균 알고리즘)은 이미지 내의 어레이들 및 주변 구역들의 위치의 제1 추정을 제공한다. 어레이들의 픽셀 강도의 평균 값(Parray)이 컴퓨팅되고, 주변 구역의 픽셀 강도의 평균 값(Pregion)이 컴퓨팅된다. 이러한 2개의 값은, 어레이들 및 주변 구역들이 상이한 구조적 피쳐들을 포함하므로 상이할 것으로 예상된다. Dthreshold는, 예컨대, Parray 및 Pregion에 기반하여 컴퓨팅될 수 있다. Dthreshold는, 예컨대, 이러한 2개의 값 사이의 평균에 대응할 수 있지만, 이는 제한적이지 않다.
방법은, 이미지의 복수의 축을 따른 픽셀 강도를 나타내는 데이터를 결정하는 단계(동작(520))를 더 포함한다. 이는 특히, 이미지의 복수의 라인들 각각을 따른 픽셀 강도를 나타내는 데이터(DX), 및 이미지의 복수의 열들 각각을 따른 픽셀 강도를 나타내는 데이터(DY)를 결정하는 것을 포함할 수 있다. 데이터(DX)(제각기, DY)는, 예컨대, 이미지의 각각의 라인(제각기, 열)을 따른 픽셀 강도의 평균 값으로서 컴퓨팅될 수 있다.
방법은, 하나 이상의 어레이에 대응하는, 이미지의 하나 이상의 제1 영역과, 하나 이상의 구역에 대응하는, 이미지의 하나 이상의 제2 영역 사이를 구별하기 위해 DX, DY, 및 Dthreshold를 사용하는 단계(동작(530))를 더 포함한다.
동작(530)은, DX가 임계치(Dthreshold)(예컨대, 설정 단계 동안 획득됨)를 초과하는(또는, 픽셀 강도가 어레이들이 더 높은지 또는 주변 구역들이 더 높은지 여부에 따라서, 그 미만인) 이미지의 라인들, 및 DY가 임계치(Dthreshold)(예컨대, 설정 단계 동안 획득됨)를 초과하는 이미지의 열들을 식별하는 것을 포함할 수 있다. 식별된 라인들 및 열들의 교차점은 어레이들의 위치의 식별을 제공한다.
비-제한적인 예가 도 5a에서 제공된다. 예컨대, 설정 단계 동안, 픽셀 강도가 주변 구역들에 대한 것보다 어레이들에 대해 (평균적으로) 더 높다고 결정(Parray가 Pregion보다 큼)되었고, Dthreshold가 Parray 및 Pregion의 평균 값으로서 설정되었다고 가정한다. 라인들을 따른 픽셀 강도에 대한 정보를 주는 데이터(DX)가 곡선(545)으로서 도시된다(이 곡선은 순전히 예시적이고 제한적이지 않음). 도시된 바와 같이, 어레이들(562)이 위치된 이미지의 라인들에 대해, 곡선은 임계치(Dthreshold)(548로 지칭됨)를 초과한다. 열들을 따른 픽셀 강도에 대한 정보를 주는 데이터(DY)가 곡선(561)으로서 도시된다(이 곡선은 순전히 예시적이고 제한적이지 않음). 도시된 바와 같이, 어레이들(562)이 위치된 이미지의 열들에 대해, 곡선은 임계치(Dthreshold)(548로 지칭됨)를 초과한다.
방법은, 이미지의 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하는 단계(동작(540))를 더 포함한다. 동작(540)은 위에 설명된 동작(230)과 유사하다. 특히, 일부 실시예들에 따르면, 곡선(545)이 임계치(548)를 초과하는 라인들과 곡선(561)이 임계치(549)를 초과하는 열들 사이의 교차점은 어레이들의 위치에 대응하는 제1 영역들의 위치의 추정을 제공한다.
일부 실시예들에 따르면, 적어도 동작들(510, 530, 및 540)은 시편의 실행시간 스캐닝 동안 수행된다. 다시 말해서, 이미지에서의 어레이들의 식별의 방법이 효율적이고, 따라서, 실행시간 단계 동안 수행될 수 있다.
이제 도 6을 주목한다. 일부 경우들에서, 어레이들이 위치되는 이미지의 라인들 및/또는 열들을 따른 픽셀 강도를 나타내는 데이터는 다른 라인들 및/또는 열들을 따른 픽셀 강도를 나타내는 데이터에 가까울 수 있다. 비-제한적인 예가 도 6a에 예시되며, 여기서, 어레이(660)는 이미지의 하단 좌측 모서리에 위치되고 큰 구역(665)에 의해 둘러싸인다. 도 6의 방법은, 어레이들이 위치되는 이미지의 라인들 및 열들과 다른 라인들 및 열들 사이의 구별을 개선하는 것을 가능하게 하는 솔루션의 가능한 실시예이다.
방법은, 이미지들의 복수의 라인들 각각을 따른 픽셀 강도(예컨대, 라인들을 따른 픽셀 강도의 평균)를 나타내는 데이터(DX)를 결정하는 단계(동작(610))를 포함한다. DX는 도 6a에서 곡선(668)으로서 표현된다. 제1 임계치(Dthreshold,1)가 (예컨대, 실행시간 검사 전에 설정 단계 동안) 획득되었다고 가정한다. Dthreshold,1은 어레이들 및 구역들 중 적어도 하나의 픽셀 강도에 대한 정보를 준다. 일부 실시예들에서, Dthreshold,1은, 어레이들에 대응하는 이미지의 라인들과 다른 라인들 사이를 구별할 확률을 최대화하기 위한 엄격한 임계치(높은 임계치)로서 선택될 수 있다. 예컨대, 설정 단계(실행시간 동안 검사 하에 있는 시편과 유사한 시편의 이미지에 대해 수행됨) 동안, (위에 설명된 바와 같이) 어레이들의 픽셀 강도의 평균 값(Parray)이 컴퓨팅되었고, 주변 구역들의 픽셀 강도의 평균 값(Pregion)이 컴퓨팅되었다고 가정한다. 예컨대, Parray는 Pregion보다 높다고 가정한다. Dthreshold,1은, 주변 구역들에 대응하는 라인들을 제거할 확률을 최대화하도록 Pregion보다 높은 값으로 선택될 수 있다. 예컨대, Dthreshold,1은 다음과 같이 선택될 수 있다:
Figure pat00002
(σ는 주변 구역들의 픽셀 강도의 표준 편차이고, N은 예컨대 2와 동일한 정수임).
방법은, DX가 Dthreshold,1을 초과하는 이미지의 라인들을 포함하는 이미지의 하위-세트(SL)(682로 표현됨)를 선택하는 단계를 포함한다. 도시된 바와 같이, 하위-세트(SL)는, 어레이(660)가 위치되는 이미지의 라인들(683), 및 어레이(660)를 포함하지 않는 이미지의 부가적인 라인들(684)(그러나, 이러한 부가적인 라인들의 픽셀 강도는 Dthreshold,1을 초과함)을 포함한다. 방법은, 하위-세트(SL)의 복수의 열들 각각을 따른 픽셀 강도(예컨대, 열들을 따른 픽셀 강도의 평균)를 나타내는 데이터(DY,SL)(도 6b의 곡선(686))를 결정하는 단계(동작(630))를 더 포함한다. 방법은, DY,SL이 제2 임계치(690)를 초과하는 SL의 열들의 하위-세트(CSL)(689로 지칭됨)를 결정하는 단계(동작(640))를 포함한다. 이러한 제2 임계치(690)는 실행시간 검사 전에 설정 단계 동안 수행되는 측정들에 기반하여 획득될 수 있다. 예컨대, 제2 임계치는 Parray(어레이들의 평균 픽셀 강도) 및 Pregion(주변 구역들의 평균 픽셀 강도)의 평균 값과 동일하게 설정될 수 있다. 그러나, 이는 제한적이지 않다.
열들(CSL)(참조번호(689))은 라인 축을 따른 어레이의 위치를 표시한다. 이어서, 이미지의 열 축(Y 축)을 따른 어레이의 위치 및 크기의 결정이 수행될 수 있으며, 그에 따라, 이미지에서의 어레이(들)에 대응하는 하나 이상의 제1 영역이 산출된다(동작(650)). 이미지에서의 (어레이(들)에 대응하는) 하나 이상의 제1 영역의 위치가 제공될 수 있고/거나 이미지에서의 (주변 구역들에 대응하는) 하나 이상의 제2 영역(제1 영역들로서 식별되지 않은 모든 영역들에 대응함)의 위치가 제공될 수 있다.
실제로, 도 6c에서 볼 수 있는 바와 같이, 일단, 어레이에 대응하는, 이미지의 열들(689)이 식별되면, 어레이를 포함하는 이미지의 라인들과 이미지의 다른 라인들을 구별하는 것이 더 용이하다. 이미지의 하위-세트(S'L)(도 6c에서 692로 지칭됨)가 고려된다. 이러한 하위-세트(S'L)는 이미지의 모든 라인들을 포함하고, 이전 동작에서 식별된 이미지의 열들(689)로 제한되지 않는다. 방법은, 하위-세트(S'L)(692)의 복수의 라인들 각각을 따른 픽셀 강도(예컨대, 평균 픽셀 강도)를 나타내는 데이터(693으로 지칭됨)를 결정하는 단계, 및 데이터(693)가 제3 임계치(695)(일부 실시예들에서, 제3 임계치(695)는 제2 임계치(690)와 동일하지만 이는 필수적이지 않음)를 초과하는 이미지의 라인들(694)을 결정하는 단계를 더 포함한다. 도 6c에서 볼 수 있는 바와 같이, 이제, 픽셀 강도에 기반하여, 어레이를 포함하는 이미지의 라인들과 다른 라인들 사이를 구별하기가 더 용이하다. 이러한 라인들(694)은, 열들(689)과 함께, 어레이(들)에 대응하는, 이미지의 하나 이상의 제1 영역을 정의한다. 이미지의 다른 영역들은 어레이(들)를 둘러싸는 구역(들)에 대응하는, 이미지의 제2 영역들에 대응한다.
도 6 내지 도 6c의 예에서, 방법은, 평균 픽셀 강도가 임계치를 초과하는 라인들을 포함하는 이미지의 하위-세트(SL)를 선택함으로써 시작된다. 방법은 열들의 하위-세트를 먼저 선택함으로써 동등하게 수행될 수 있다는 것이 이해된다. 이러한 경우에서, 방법은:
- 이미지의 복수의 열들 각각을 따른 픽셀 강도를 나타내는 데이터(DY)를 결정하는 단계(동작(610)과 동등함);
- DY가 제1 임계치를 초과하는 이미지의 열들을 포함하는, 이미지의 하위-세트(SC)를 선택하는 단계(동작(620)과 동등함);
- 하위-세트(SC)의 복수의 라인들 각각을 따른 픽셀 강도를 나타내는 데이터(DX,SC)를 결정하는 단계(동작(630)과 동등함);
- DX,SC가 제2 임계치를 초과하는, SC의 라인들의 하위-세트(LSC)를 결정하는 단계(동작(640)과 동등함);
- 적어도 LSC에 기반하여 어레이(들)에 대응하는 하나 이상의 제1 영역을 결정하는 단계(동작(650)과 동등하며, 어레이에 대응하는 이미지의 라인들이 알려져 있으므로, 도 6c를 참조하여 설명된 것과 유사하게, 어레이에 대응하는 이미지의 열들을 식별하는 것이 더 용이해짐)를 포함할 수 있다.
일부 실시예들에 따르면, 이러한 방법은 또한, 어레이(들)를 주변 구역(들)으로부터 분리하는 경계들까지 적어도 하나 이상의 어레이만을 포함하는 이미지의 하나 이상의 제1 영역을 추정하는 것을 가능하게 한다. 특히, 일부 실시예들에 따르면, 방법은, 하나 이상의 구역에 대응하는 하나 이상의 제2 영역을 제외한, 경계까지의 어레이들을 식별하는 것을 가능하게 한다.
이제 도 7을 주목한다. 시편의 이미지가 획득되었다고 가정하며, 여기서, 각각이 반복적 구조적 요소들(720)을 포함하는 하나 이상의 어레이(710)에 대응하는 하나 이상의 제1 영역이 식별되었다. 이러한 식별은, 예컨대, 위에 설명된 다양한 실시예들에 의존할 수 있거나, 다른 식별 방법들에 의존할 수 있다. 따라서, 하나 이상의 어레이를 둘러싸는 구역(들)이 없는 (어레이들에 대응하는) 하나 이상의 제1 영역으로 제한된 이미지(700)가 이용가능하다. 일부 실시예들에서, 이미지(700)는, (어레이들에 대응하는) 하나 이상의 제1 영역 및 (구역들에 대응하는) 하나 이상의 제2 영역 둘 모두를 포함한다. 제1 영역들의 위치가 알려져 있으므로, 제1 영역들에 대해서만 동작하는 것이 가능하다. 이하에서, (어레이(들)에 대응하는) 제1 영역들만을 포함하는 이미지(700)가 언급될 것이지만, 방법은, 이미지의 제1 영역들에 대해서만 방법을 적용함으로써, 제1 및 제2 영역들 둘 모두를 포함하는 이미지에 유사하게 적용될 수 있다는 것이 이해된다.
도 7에서 볼 수 있는 바와 같이, 일부 실시예들에서, 어레이(들)의 이미지(700)가 왜곡된다. 특히, 이미지(700)에서 볼 수 있는 바와 같은 어레이에서의 구조적 요소들(720)의 위치는 어레이에서의 그들의 예상 위치(시편에서의 실제 위치)를 따르지 않는다. 이는, 검사 툴의 측정 오차들 등과 같은 다양한 인자들에 기인할 수 있다.
왜곡은, 결함 검출 및/또는 분류와 같은 다양한 응용들에 이미지(700)를 사용할 때 문제가 될 수 있다. 따라서, 이러한 왜곡을 정정하는 것이 요구된다. 도 8은 어레이(들)의 이미지에 존재하는 왜곡을 정정하는 방법의 실시예를 예시한다.
방법은, 이미지(700)의 픽셀 강도와 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지의 픽셀 강도 사이의 상관 분석을 수행하는 단계(동작(800))를 포함한다. 동작(800)에서 사용되는 기준 이미지는, 어레이에 대응하는 이미지의 제1 영역들을 식별하기 위해 동작(210)에서 사용되는 기준 이미지와 상이할 수 있다(이러한 경우에서, 동작(210)에서 사용되는 제1 기준 이미지와 상이한 제2 기준 이미지가 동작(800)에서 사용됨). 그러나, 이는 필수적이지 않다. 상관 분석의 출력은 제2 상관 행렬(동작(210)에서 획득된 상관 행렬과 상이할 수 있음)이다. 일부 실시예들에서, 동작(210)에서 획득된 상관 행렬을 재사용하는 것이 가능하다(이러한 경우에서, 하나 이상의 제1 영역에 대응하는 값들만이 사용됨).
방법은, 진폭 기준을 충족하는 제2 상관 행렬의 값들에 대응하는, 이미지의 하위-영역들을 결정하는 단계(동작(810))를 더 포함할 수 있다. 특히, 진폭 기준은, 제2 상관 행렬의 최대 값들(예컨대, 국소 최대 값들)과 연관된, 이미지의 하위-영역들이 식별되는 것에 영향을 줄 수 있다.
도 8a에 도시된 바와 같이, 제2 상관 행렬(860)은, 주어진 하위-영역들(685)에 위치된 상관의 피크들(최대 값들)을 포함한다. 이러한 하위-영역들(865)은 반복적 구조적 요소들의 위치의 추정(특히, 각각의 구조적 요소의 중심 영역)에 대응한다. 실제로, 상관 분석은, 이미지의 픽셀 강도를 반복적 구조적 요소에 대한 정보를 주는 기준 이미지의 픽셀 강도와 상관시키는 것을 수반하므로, 반복적 구조적 요소들을 포함하는 이미지(700)의 하위-영역들은 반복적 구조적 요소들을 포함하지 않는 이미지(700)의 하위-영역들에 비해 높은 상관 값을 제공할 것으로 예상된다.
방법은, 이미지(700)와 어레이 사이의 변형의 맵을 결정하는 단계(동작(820))를 더 포함할 수 있다. 변형의 맵은, (제2 상관 행렬을 사용하여 결정되는 바와 같은) 하위-영역들의 위치, 및 어레이의 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터에 기반하여 결정될 수 있다.
비-제한적인 예가 도 8b에 도시되며, 도 8b는, 제2 상관 행렬의 최대 값들에 대응하는 하위-영역들(865)의 위치, 및 어레이에서의 구조적 요소들의 예상 위치(866)를 예시한다. 각각의 하위-영역에 대해, (제2 상관 행렬의 최대 값들을 사용하여 추정된) 이미지에서의 구조적 요소의 위치와 대응하는 구조적 요소의 예상 위치(866) 사이의 차이를 표시하는 변형의 벡터(867)를 결정하는 것이 가능하다.
일부 실시예들에 따르면, 변형의 맵은 전체 이미지에 대해 결정될 수 있다. 실제로, 위에 언급된 바와 같이, 이미지에서의 하위-영역들(865)의 위치와 어레이의 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터 사이의 변형(867 참조, 이하에서 "DFcentral")이 결정된다. 이는, 구조적 요소 각각의 중심 부분의 그의 예상 위치에 대한 변형에 대응한다. (반드시 구조적 요소의 중심 부분에 대응하는 것은 아닌) 이미지의 다른 픽셀들의 변형을 결정하기 위해, 방법은, 이미지에 걸쳐 DFcentral의 값들에 대해 보간 방법을 적용하는 단계를 포함할 수 있다. 이는, 상이한 하위-영역들(865) 사이에 위치된 모든 다른 픽셀들에 대한 변형의 추정을 제공한다. 일부 실시예들에 따르면, 보간 방법은, X 축(이미지의 라인들)을 따른 변형 및 Y 축(이미지의 열들)을 따른 변형에 대해 별개로 적용된다.
방법은, 변형의 맵에 기반하여, 정정된 이미지(880)(도 8c 참조)를 생성하는 단계(동작(830))를 더 포함할 수 있다. 이는, 변형의 맵에 기반하여 이미지의 픽셀들을 이동시키는 것을 포함할 수 있으며, 이에 따라, 정정된 이미지(880)에서의 (제2 상관 행렬의 피크들에 대응하는) 하위-영역들(865)의 위치 및 어레이의 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터가 근접도 기준을 충족한다(예컨대, 위치에서의 차이가 임계치 미만임).
이제 도 9를 주목한다. 일부 실시예들에 따르면, 방법은, 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지를 획득하는 단계(900), 및 기준 이미지의 하위-세트만을 제2 기준 이미지로서 선택하는 단계(910)를 포함할 수 있다. 일부 실시예들에 따르면, 하위-세트의 크기는 절충에 기반한다. 한편으로는, 하위-세트의 크기는 이미지 상의 구조적 요소들의 위치를 식별할 수 있을 만큼 충분히 커야하며, 다른 한편으로는, 하위-세트의 크기는 충분한 수의 상관 값들을 획득할 만큼 충분히 작아야 한다.
비-제한적인 예가 도 9a에 예시된다.
기준 이미지(920)가 획득되었다. 기준 이미지(920)의 하위-세트(930)가 선택된다. 이러한 하위-세트는 도 8의 방법에서 제2 기준 이미지로서 사용될 수 있다.
일부 실시예들에 따르면, 하위-세트(930)는, 예컨대 설정 단계 동안, 반복적 방법을 사용하여 선택될 수 있다. 방법은, 제1 하위-세트로 시작된다(이러한 하위-세트의 최대 크기는 예컨대 사용자에 의해 설정될 수 있음). 도 8의 방법은 이러한 제1 하위-세트를 사용하여 수행된다. 이어서, 해상도가 증가되며, 이는, 제1 하위-세트의 크기가 감소됨을 의미한다. 도 8의 방법은 이러한 새로운 하위-세트를 사용하여 다시 수행되고, 출력의 성능이 이전 반복에 비교된다. 성능이 개선되는 경우, 방법은 더 작은 크기의 새로운 하위-세트로 반복된다. 성능이 개선되지 않은 경우, 방법은 중단되고, 이전 반복에서 획득된 하위-세트가 선택된다.
본 발명은 도면들에서 예시되거나 본원에 포함된 설명에서 기재된 세부사항들에 대해 그 적용이 제한되지 않는다는 것이 이해되어야 한다.
또한, 본 발명에 따른 시스템은 적합하게 프로그래밍된 컴퓨터 상에서 적어도 부분적으로 구현될 수 있다는 것이 이해될 것이다. 마찬가지로, 본 발명은 본 발명의 방법을 실행하기 위해 컴퓨터에 의해 판독가능한 컴퓨터 프로그램을 고려한다. 본 발명은 추가로, 본 발명의 방법을 실행하기 위해 컴퓨터에 의해 실행가능한 명령어들의 프로그램을 유형으로(tangibly) 구현하는 비-일시적인 컴퓨터-판독가능 메모리를 고려한다.
본 발명은 다른 실시예들이 가능하며, 다양한 방식들로 실시 및 수행되는 것이 가능하다. 따라서, 본원에서 이용되는 어법 및 용어법이 설명의 목적을 위한 것이고, 제한적인 것으로 간주되지 않아야 한다는 것이 이해되어야 한다. 그에 따라, 본 개시내용이 기초하는 개념이 본원에 개시되는 주제의 여러 목적들을 수행하기 위해 다른 구조들, 방법들, 및 시스템들을 설계하기 위한 기초로서 용이하게 활용될 수 있다는 것을 관련 기술분야의 통상의 기술자들은 인식할 것이다.
관련 기술분야의 통상의 기술자들은 첨부된 청구항들에서 그리고 첨부된 청구항들에 의해 정의되는 본 발명의 범위로부터 벗어나지 않으면서 이상에서 설명된 바와 같은 본 발명의 실시예들에 다양한 수정들 및 변경들이 적용될 수 있다는 것을 쉽게 인식할 것이다.

Claims (20)

  1. 반도체 시편을 검사하기 위한 시스템으로서,
    상기 시스템은 프로세서 및 메모리 회로(PMC)를 포함하며,
    상기 PMC는 상기 반도체 시편의 이미지를 획득하도록 구성되고,
    상기 반도체 시편은,
    하나 이상의 어레이 ― 각각의 어레이는 반복적 구조적 요소들을 포함함 ―, 및
    하나 이상의 구역 ― 각각의 구역은 대응하는 어레이를 적어도 부분적으로 둘러싸고, 상기 반복적 구조적 요소들과는 다른 피쳐들을 포함함 ― 을 포함하고,
    상기 PMC는, 상기 반도체 시편의 실행시간(run-time) 스캐닝 동안,
    상기 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지의 픽셀 강도와 상기 이미지의 픽셀 강도 사이의 상관 분석을 수행하여 상관 행렬을 획득하고,
    상기 상관 행렬을 사용하여, 상기 하나 이상의 어레이에 대응하는, 상기 이미지의 하나 이상의 제1 영역과, 상기 하나 이상의 구역에 대응하는, 상기 이미지의 하나 이상의 제2 영역 사이를 구별하고,
    상기 이미지의 상기 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  2. 제1항에 있어서,
    진폭 기준을 충족하는 상기 상관 행렬의 값들에 대응하는, 상기 이미지의 하위-영역들을 결정하고,
    상기 어레이의 상기 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 상기 하위-영역들을 하나 이상의 클러스터로 클러스터링하고,
    적어도, 상기 하나 이상의 클러스터에 기반하여, 상기 하나 이상의 제1 영역을 결정하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  3. 제1항에 있어서,
    상기 하나 이상의 어레이는 하나 이상의 경계에 의해 상기 하나 이상의 구역으로부터 분리되며, 상기 시스템은, 상기 경계들까지 적어도 하나 이상의 어레이만을 포함하는, 상기 이미지의 상기 하나 이상의 제1 영역을 추정하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  4. 제1항에 있어서,
    상기 기준 이미지에 이미지 처리를 적용하도록 구성되며, 상기 이미지 처리는 상기 기준 이미지의 반복적 패턴들을 감쇠시키는, 반도체 시편을 검사하기 위한 시스템.
  5. 제1항에 있어서,
    제1 축을 따른 상기 어레이의 상기 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 상기 하위-영역들을 하나 이상의 제1 클러스터로 클러스터링하고,
    제2 축을 따른 상기 어레이의 상기 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 상기 하위-영역들을 하나 이상의 제2 클러스터로 클러스터링하고,
    상기 제1 클러스터 및 상기 제2 클러스터를 사용하여, 상기 하나 이상의 어레이에 대응하는, 상기 이미지의 상기 하나 이상의 제1 영역과, 상기 하나 이상의 구역에 대응하는, 상기 이미지의 상기 하나 이상의 제2 영역 사이를 구별하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  6. 제2항에 있어서,
    각각의 클러스터에 대해,
    - 상기 하나 이상의 클러스터를 둘러싸는 다각형을 결정하고,
    - 상기 다각형을 상기 이미지의 제1 영역으로서 출력하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  7. 제2항에 있어서,
    상기 하위-영역들의 수가 임계치를 충족하는 클러스터들만을 선택하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  8. 제2항에 있어서,
    상기 반도체 시편의 실행시간 검사 전에, 설정 단계에서, 상기 진폭 기준에 대한 정보를 주는 데이터를 획득하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  9. 제1항에 있어서,
    상기 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 제2 기준 이미지의 픽셀 강도와 상기 이미지의 상기 하나 이상의 제1 영역의 픽셀 강도 사이의 상관 분석을 수행하여 제2 상관 행렬을 획득하고,
    진폭 기준을 충족하는 상기 제2 상관 행렬의 값들에 대응하는, 상기 이미지의 상기 하나 이상의 제1 영역의 하위-영역들을 결정하고,
    적어도, 상기 이미지의 상기 하나 이상의 제1 영역에서의 상기 하위-영역들의 위치, 및 상기 어레이의 상기 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터에 기반하여, 상기 어레이와 상기 이미지의 상기 하나 이상의 제1 영역 사이의 변형의 맵을 결정하고,
    상기 변형의 맵에 기반하여, 정정된 이미지를 생성하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  10. 제9항에 있어서,
    상기 정정된 이미지에서의 상기 하위-영역들의 위치, 및 상기 어레이의 상기 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터가 근접도 기준을 충족하도록, 상기 정정된 이미지를 생성하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  11. 제9항에 있어서,
    상기 이미지의 상기 하나 이상의 제1 영역에서의 상기 하위-영역들의 위치와 상기 어레이의 상기 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터 사이의 변형(DFcentral)을 결정하고,
    적어도 DFcentral에 적용되는 보간 방법에 기반하여, 상기 반도체 시편의 상기 어레이와 상기 이미지의 상기 하나 이상의 제1 영역 사이의 변형의 맵을 결정하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  12. 제9항에 있어서,
    상기 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지를 획득하고, 상기 기준 이미지의 하위-세트만을 상기 제2 기준 이미지로서 선택하도록 구성되는, 반도체 시편을 검사하기 위한 시스템.
  13. 반도체 시편을 검사하는 방법으로서,
    프로세서 및 메모리 회로(PMC)에 의해,
    상기 반도체 시편의 이미지를 획득하는 단계 ― 상기 반도체 시편은,
    하나 이상의 어레이, 및 하나 이상의 구역을 포함하고, 각각의 어레이는 반복적 구조적 요소들을 포함하고, 각각의 구역은 대응하는 어레이를 적어도 부분적으로 둘러싸고, 상기 반복적 구조적 요소들과는 다른 피쳐들을 포함함 ―,
    상기 반도체 시편의 실행시간 스캐닝 동안,
    상기 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지의 픽셀 강도와 상기 이미지의 픽셀 강도 사이의 상관 분석을 수행하여 상관 행렬을 획득하는 단계,
    상기 상관 행렬을 사용하여, 상기 하나 이상의 어레이에 대응하는, 상기 이미지의 하나 이상의 제1 영역과, 상기 하나 이상의 구역에 대응하는, 상기 이미지의 하나 이상의 제2 영역 사이를 구별하는 단계, 및
    상기 이미지의 상기 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하는 단계를 포함하는, 반도체 시편을 검사하는 방법.
  14. 제13항에 있어서,
    진폭 기준을 충족하는 상기 상관 행렬의 값들에 대응하는, 상기 이미지의 하위-영역들을 결정하는 단계,
    어레이의 상기 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 상기 하위-영역들을 하나 이상의 클러스터로 클러스터링하는 단계, 및
    적어도, 상기 하나 이상의 클러스터에 기반하여, 상기 하나 이상의 제1 영역을 결정하는 단계를 포함하는, 반도체 시편을 검사하는 방법.
  15. 제13항에 있어서,
    상기 하나 이상의 어레이는 하나 이상의 경계에 의해 상기 하나 이상의 구역으로부터 분리되며, 상기 방법은, 상기 하나 이상의 구역에 대응하는 상기 하나 이상의 제2 영역을 제외한, 상기 경계들까지 적어도 하나 이상의 어레이만을 포함하는, 상기 이미지의 상기 하나 이상의 제1 영역을 추정하는 단계를 포함하는, 반도체 시편을 검사하는 방법.
  16. 제13항에 있어서,
    제1 축을 따른 상기 어레이의 상기 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 하위-영역들을 하나 이상의 제1 클러스터로 클러스터링하는 단계,
    제2 축을 따른 상기 어레이의 상기 반복적 구조적 요소들 사이의 거리에 대한 정보를 주는 데이터에 기반하여 상기 하위-영역들을 하나 이상의 제2 클러스터로 클러스터링하는 단계, 및
    상기 제1 클러스터 및 상기 제2 클러스터를 사용하여, 상기 하나 이상의 어레이에 대응하는, 상기 이미지의 상기 하나 이상의 제1 영역과, 상기 하나 이상의 구역에 대응하는, 상기 이미지의 상기 하나 이상의 제2 영역 사이를 구별하는 단계를 포함하는, 반도체 시편을 검사하는 방법.
  17. 제13항에 있어서,
    하위-영역들의 수가 임계치를 충족하는 클러스터들만을 선택하는 단계를 포함하는, 반도체 시편을 검사하는 방법.
  18. 제13항에 있어서,
    상기 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 제2 기준 이미지의 픽셀 강도와 상기 이미지의 상기 하나 이상의 제1 영역의 픽셀 강도 사이의 상관 분석을 수행하여 제2 상관 행렬을 획득하는 단계,
    강도 기준을 충족하는 상기 제2 상관 행렬의 값들에 대응하는, 상기 이미지의 상기 하나 이상의 제1 영역의 하위-영역들을 결정하는 단계,
    적어도, 상기 이미지의 상기 하나 이상의 제1 영역에서의 상기 하위-영역들의 위치, 및 상기 어레이의 상기 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터에 기반하여, 상기 어레이와 상기 이미지의 상기 하나 이상의 제1 영역 사이의 변형의 맵을 결정하는 단계, 및
    상기 변형의 맵에 기반하여, 정정된 이미지를 생성하는 단계를 포함하는, 반도체 시편을 검사하는 방법.
  19. 제18항에 있어서,
    상기 이미지의 상기 하나 이상의 제1 영역에서의 상기 하위-영역들의 위치와 상기 어레이에서의 상기 반복적 구조적 요소들의 예상 위치에 대한 정보를 주는 데이터 사이의 변형(DFcentral)을 결정하는 단계, 및
    적어도 DFcentral에 적용되는 보간 방법에 기반하여, 상기 반도체 시편의 상기 어레이와 상기 이미지의 상기 하나 이상의 제1 영역 사이의 변형의 맵을 결정하는 단계를 포함하는, 반도체 시편을 검사하는 방법.
  20. 명령어들을 포함하는 비-일시적인 컴퓨터 판독가능 매체로서,
    상기 명령어들은, PMC에 의해 실행될 때, 상기 PMC로 하여금,
    반도체 시편의 이미지를 획득하는 것 ― 상기 반도체 시편은 하나 이상의 어레이, 및 하나 이상의 구역을 포함하고, 각각의 어레이는 반복적 구조적 요소들을 포함하고, 각각의 구역은 대응하는 어레이를 적어도 부분적으로 둘러싸고, 상기 반복적 구조적 요소들과는 다른 피쳐들을 포함함 ―,
    상기 반도체 시편의 실행시간 스캐닝 동안,
    상기 반복적 구조적 요소들 중 적어도 하나에 대한 정보를 주는 기준 이미지의 픽셀 강도와 상기 이미지의 픽셀 강도 사이의 상관 분석을 수행하여 상관 행렬을 획득하는 것,
    상기 상관 행렬을 사용하여, 상기 하나 이상의 어레이에 대응하는, 상기 이미지의 하나 이상의 제1 영역과, 상기 하나 이상의 구역에 대응하는, 상기 이미지의 하나 이상의 제2 영역 사이를 구별하는 것, 및
    상기 이미지의 상기 하나 이상의 제1 영역에 대한 정보를 주는 데이터를 출력하는 것을 포함하는 동작들을 수행하게 하는, 비-일시적인 컴퓨터 판독가능 매체.
KR1020210082225A 2020-07-07 2021-06-24 반도체 시편에서의 어레이의 식별 KR20220005988A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/922,977 2020-07-07
US16/922,977 US11645831B2 (en) 2020-07-07 2020-07-07 Identification of an array in a semiconductor specimen

Publications (1)

Publication Number Publication Date
KR20220005988A true KR20220005988A (ko) 2022-01-14

Family

ID=79172736

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210082225A KR20220005988A (ko) 2020-07-07 2021-06-24 반도체 시편에서의 어레이의 식별

Country Status (5)

Country Link
US (2) US11645831B2 (ko)
JP (1) JP2022014880A (ko)
KR (1) KR20220005988A (ko)
CN (1) CN113919276B (ko)
TW (1) TW202217274A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230306580A1 (en) * 2022-03-28 2023-09-28 Applied Materials Israel Ltd. Machine learning based examination of a semiconductor specimen and training thereof
CN117890371B (zh) * 2024-01-18 2024-07-26 马鞍山芯乔科技有限公司 一种晶圆外观检测功能影像迭合的方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL99823A0 (en) * 1990-11-16 1992-08-18 Orbot Instr Ltd Optical inspection method and apparatus
JP3927353B2 (ja) * 2000-06-15 2007-06-06 株式会社日立製作所 比較検査における画像の位置合せ方法、比較検査方法及び比較検査装置
US7505604B2 (en) * 2002-05-20 2009-03-17 Simmonds Precision Prodcuts, Inc. Method for detection and recognition of fog presence within an aircraft compartment using video images
EP1780672A1 (en) * 2005-10-25 2007-05-02 Bracco Imaging, S.P.A. Method of registering images, algorithm for carrying out the method of registering images, a program for registering images using the said algorithm and a method of treating biomedical images to reduce imaging artefacts caused by object movement
US8249331B2 (en) 2008-04-09 2012-08-21 Applied Materials Israel, Ltd. Method and system for evaluating an object
CN101566585B (zh) * 2008-04-22 2014-06-11 以色列商·应用材料以色列公司 评估物体的方法和系统
JP5714599B2 (ja) * 2009-12-02 2015-05-07 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ イメージ認識のための記述子パッチの高速部分空間射影
JP6108684B2 (ja) * 2011-06-08 2017-04-05 エフ・イ−・アイ・カンパニー 局所領域ナビゲーション用の高精度ビーム配置
WO2016207875A1 (en) * 2015-06-22 2016-12-29 Photomyne Ltd. System and method for detecting objects in an image
US11049745B2 (en) * 2018-10-19 2021-06-29 Kla Corporation Defect-location determination using correction loop for pixel alignment

Also Published As

Publication number Publication date
US20220012861A1 (en) 2022-01-13
CN113919276B (zh) 2024-07-05
JP2022014880A (ja) 2022-01-20
CN113919276A (zh) 2022-01-11
US20230230349A1 (en) 2023-07-20
US11645831B2 (en) 2023-05-09
TW202217274A (zh) 2022-05-01

Similar Documents

Publication Publication Date Title
KR102422111B1 (ko) 반도체 시편의 검사에 사용가능한 훈련 세트의 생성
KR102613438B1 (ko) 반도체 표본의 딥 러닝 - 기반 검사의 방법 및 그 시스템
KR102176335B1 (ko) 반도체 시편의 시험을 위해 사용 가능한 훈련 세트를 생성하는 방법 및 그 시스템
US20220222806A1 (en) Machine learning-based classification of defects in a semiconductor specimen
CN114219749B (zh) 样本的模拟图像的确定
US20230230349A1 (en) Identification of an array in a semiconductor specimen
JP7169393B2 (ja) 半導体試料の検査に使用可能な訓練セットの生成
US20220210525A1 (en) Prediction of electrical properties of a semiconductor specimen
EP4107593A1 (en) Determination of defect location for examination of a specimen
KR20230140394A (ko) 반도체 시편의 기계 학습 기반 검사 및 그의 훈련
JP7530330B2 (ja) 半導体試料の画像のセグメンテーション
CN118821703A (zh) 检验半导体样本的系统、方法及非暂时性计算机可读介质
US11854184B2 (en) Determination of defects and/or edge roughness in a specimen based on a reference image

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal