KR20220073766A - 멀티 이미징 모드 이미지 정렬 - Google Patents
멀티 이미징 모드 이미지 정렬 Download PDFInfo
- Publication number
- KR20220073766A KR20220073766A KR1020227012499A KR20227012499A KR20220073766A KR 20220073766 A KR20220073766 A KR 20220073766A KR 1020227012499 A KR1020227012499 A KR 1020227012499A KR 20227012499 A KR20227012499 A KR 20227012499A KR 20220073766 A KR20220073766 A KR 20220073766A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- interest
- aligning
- specimen
- imaging subsystem
- Prior art date
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 147
- 238000013461 design Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 93
- 230000007547 defect Effects 0.000 claims description 103
- 238000001514 detection method Methods 0.000 claims description 46
- 238000007689 inspection Methods 0.000 claims description 43
- 238000012360 testing method Methods 0.000 claims description 37
- 238000012937 correction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 29
- 230000003287 optical effect Effects 0.000 description 27
- 238000005286 illumination Methods 0.000 description 23
- 238000010894 electron beam technology Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 12
- 235000012431 wafers Nutrition 0.000 description 12
- 238000012552 review Methods 0.000 description 11
- 239000004065 semiconductor Substances 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000010884 ion-beam technique Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001433 helium-ion microscopy Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- AWSBQWZZLBPUQH-UHFFFAOYSA-N mdat Chemical compound C1=C2CC(N)CCC2=CC2=C1OCO2 AWSBQWZZLBPUQH-UHFFFAOYSA-N 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
- G06V10/7515—Shifting the patterns to accommodate for positional errors
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 방법 및 시스템이 제공된다. 하나의 방법은 제1 모드 및 제2 모드로 각각 생성된 제1 이미지 및 제2 이미지를 표본에 대한 설계물에 개별적으로 정렬하는 단계를 포함한다. 제1 이미지 내의 관심 위치의 경우, 방법은 관심 위치 및 제1 모드에 대한 제1 차분 이미지를 생성하는 단계 및 관심 위치 및 제2 모드에 대한 제2 차분 이미지를 생성하는 단계를 포함한다. 방법은 또한 제1 차분 이미지와 제2 차분 이미지를 서로 정렬하는 단계 및 정렬 결과로부터 관심 위치에 대한 정보를 결정하는 단계를 포함한다.
Description
본 발명은 일반적으로 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 방법 및 시스템에 관한 것이다.
다음의 설명 및 예는 이 섹션에 포함되어 있다고 해서 종래 기술인 것으로 인정되는 것은 아니다.
검사 공정은 반도체 제조 공정 동안의 다양한 단계에서 웨이퍼 상의 결함을 검출하도록 사용되어 제조 공정에서 보다 높은 수율을 달성하고 따라서 보다 높은 수익을 창출한다. 검사는 항상 반도체 디바이스 제조에서 중요한 부분이었다. 그러나, 반도체 디바이스의 치수가 감소함에 따라, 수용 가능한 반도체 디바이스의 성공적인 제조에 있어서 검사는 더욱 더 중요해지는데, 그 이유는 보다 작은 결함이 반도체 디바이스의 고장을 유발할 수 있기 때문이다.
많은 검사 도구는 도구의 많은 출력(예컨대, 이미지) 생성 요소에 대해 조정 가능한 파라미터를 갖는다. 하나 이상의 요소(예를 들어, 에너지원(들), 편광판(들), 렌즈(들), 검출기(들) 등)에 대한 파라미터는 검사될 표본의 타입과 표본에 대한 관심 결함(DOI)의 특성에 따라 변경될 수 있다. 예를 들어, 표본의 타입에 따라 특성이 크게 상이할 수 있으며, 이로 인해 동일한 파라미터를 가진 동일한 도구는 표본을 매우 다른 방식으로 이미징할 수 있다. 또한, DOI의 타입에 따라 특성이 크게 상이할 수 있으므로, 한 타입의 DOI 검출에 적합한 검사 시스템 파라미터는 다른 타입의 DOI 검출에는 적합하지 않을 수 있다. 더욱이, 표본의 타입에 따라 노이즈원이 상이할 수 있으며, 이는 표본 상의 DOI 검출을 다양한 방식으로 방해할 수 있다.
조정 가능한 파라미터를 가진 검사 도구가 개발됨에 따라 여러 파라미터 값 조합(또는 "모드"라고 지칭되기도 함)으로 표본을 스캔하는 것과 관련된 검사 공정의 사용이 또한 증가하여 서로 다른 검출 타입을 서로 다른 모드로 검출할 수 있게 되었다. 예를 들어, 한 모드는 한 타입의 결함을 검출하는 데 보다 큰 감도를 가질 수 있는 반면 다른 모드는 다른 타입의 결함을 검출하는 데 보다 큰 감도를 가질 수 있다. 따라서, 두 가지 모드를 모두 사용하게 되면 검사 시스템은 수용 가능한 감도로 두 가지 타입의 결함을 모두 검출할 수 있다.
광학 모드 선택(optical mode selection)(OMS)에 현재 사용되는 몇 가지 방법을 사용하여 검사에 가장 적합한 모드를 찾을 수 있다. 검사 공정이 검사 도구의 한 모드만을 사용하는 경우 모드 선택은 비교적 간단할 수 있다. 예를 들어, 성능 메트릭, 예를 들어, DOI 캡처 대 방해물 억제를 각 모드마다 비교하여, 최상의 성능을 가진 모드를 식별할 수 있다. 그러나, 이러한 공정은 검사에 둘 이상의 모드가 사용될 경우 기하급수적으로 더 복잡하고 어려워진다. 예를 들어, 단순히 서로 다른 모드의 성능 메트릭을 비교한 다음 검사를 위해 상위 2개 이상을 선택할 수 있지만, 이는 상위 모드만을 사용했을 때보다 더 나은 검사 공정을 반드시 초래하지는 않을 것이다.
대신에, 검사를 위해 둘 이상의 모드를 사용하기 위한 자극은 일반적으로 검사를 시작하기가 상대적으로 어렵다는 것으로, 예컨대, DOI가 노이즈로부터 분리되기가 상대적으로 어렵고/어렵거나 방해물을 억제하기가 상대적으로 어렵다는 것이다. 그러한 검사의 경우, 이상적으로는, 두 개 이상의 모드가 어떤 방식으로든 보완적일 수 있고, 예를 들어, 그에 따라 한 모드에서 생성된 결과가 다른 모드에서 생성된 결과를 향상시킬 수 있게 된다. 하나의 그러한 예에서, 한 모드에 의해 생성된 결과가 그 자체로 특별히 "좋은" 것이 아니더라도, 올바른 상황에서는, 이러한 결과를 사용하여 다른 모드에 의해 생성된 다른 결과에서 DOI와 방해물을 분리하여 다른 모드에 의해 생성된 결과를 향상시킬 수 있다.
종종, 이러한 보완적 모드는 여러 가지 이유로 식별하기가 어렵다. 이러한 이유 중 하나는 검사 도구의 변수 설정 수가 상당히 많아 평가될 수 있는 상당한 수의 모드와 더욱 더 많은 수의 모드 조합을 발생시킬 수 있기 때문일 수 있다. 일부 검사 모드 선택 공정은 평가가 시작되기 전에 일부 모드 또는 모드 조합을 제거함으로써 이 공정을 간소화하는 것을 목표로 하고 있다. 그럼에도 불구하고, 모드 및 모드 조합의 수가 너무 많아 그들 모두가 평가되지 않을 수 있다.
검사 또는 결함 검토 및 계측과 같은 기타 이미지 기반 공정을 위해 여러 모드를 선택하고 사용하는 데 있어서의 어려움은 여러 모드로부터의 이미지를 서로 정렬하거나 표본 상의 동일한 위치에 해당하는 서로 다른 모드로부터의 이미지 내의 위치를 식별하는 데 있어서의 어려움으로부터 발생할 수도 있다. 예를 들어, 본 발명자가 알고 있는 한, 광학 검사기로부터 나오는 서로 다른 모드의 패치 이미지는 이전에 서로 정렬된 적이 없다. 모드간 이미지 정렬은 서로 다른 모드로부터의 이미지의 차이로 인해 불가능하지는 않지만 어렵다. 즉, 검사, 결함 검토 등과 같은 애플리케이션에 유용하게 만드는 여러 모드로부터의 이미지 간의 차이는 또한 이미지가 보완적인 방식으로 사용될 수 있도록 이미지를 서로 정렬하는 것을 어렵게 만든다.
따라서, 앞서 기술한 하나 이상의 단점이 없는, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 시스템 및 방법을 개발하는 것이 유리할 것이다.
다양한 실시예에 대한 다음의 설명은 어떠한 방식으로도 첨부된 청구항의 발명의 대상을 제한하는 것으로 해석되지 않아야 한다.
일 실시예는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템에 관한 것이다. 시스템은 이미징 서브 시스템의 제1 모드 및 제2 모드로 표본의 제1 이미지 및 제2 이미지를 각각 생성하도록 구성된 이미징 서브 시스템을 포함한다. 시스템은 또한 제1 이미지 및 제2 이미지를 표본에 대한 설계물에 대해 개별적으로 정렬하도록 구성된 하나 이상의 컴퓨터 시스템을 포함한다. 제1 이미지 내의 관심 위치의 경우, 하나 이상의 컴퓨터 시스템은 또한 관심 위치에 대한 제1 이미지의 테스트 이미지 부분으로부터 관심 위치에 대한 제1 참조 이미지를 감산함으로써 관심 위치에 대한 제1 차분 이미지를 생성하도록 구성된다. 하나 이상의 컴퓨터 시스템은 추가로 관심 위치에 대한 제2 이미지의 테스트 이미지 부분으로부터 관심 위치에 대한 제2 참조 이미지를 감산함으로써 관심 위치에 대한 제2 차분 이미지를 생성하도록 구성된다. 또한, 하나 이상의 컴퓨터 시스템은 제1 차분 이미지와 제2 차분 이미지를 서로 정렬하고 제1 차분 이미지와 제2 차분 이미지를 서로 정렬한 결과로부터 관심 위치에 대한 정보를 결정하도록 구성된다. 시스템은 본원에 기술되는 바와 같이 추가로 구성될 수 있다.
다른 실시예는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 방법에 관한 것이다. 방법은 이미징 서브 시스템의 제1 모드 및 제2 모드로 표본의 제1 이미지 및 제2 이미지를 각각 생성하는 단계를 포함한다. 방법은 또한 하나 이상의 컴퓨터 시스템에 의해 수행되는 전술한 개별 정렬 단계, 제1 차분 이미지 생성 단계, 제2 차분 이미지 생성 단계, 정렬 단계, 및 정보 결정 단계를 포함한다. 앞서 기술한 방법의 각 단계는 본원에 추가로 기술되는 바와 같이 추가로 수행될 수 있다. 또한, 앞서 기술한 방법의 실시예는 본원에 기술된 임의의 다른 방법(들)의 임의의 다른 단계(들)를 포함할 수 있다. 게다가, 앞서 기술한 방법은 본원에 기술된 임의의 시스템에 의해 수행될 수 있다.
다른 실시예는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 컴퓨터로 구현되는 방법을 수행하기 위해 컴퓨터 시스템 상에서 실행 가능한 프로그램 명령어를 저장한 비일시적 컴퓨터 판독 가능 매체에 관한 것이다. 컴퓨터로 구현되는 방법은 앞서 기술한 방법의 단계를 포함한다. 컴퓨터 판독 가능 매체는 본원에 기술된 바와 같이 추가로 구성될 수 있다. 컴퓨터로 구현되는 방법의 단계는 본원에 추가로 기술되는 바와 같이 수행될 수 있다. 또한, 프로그램 명령어가 실행 가능한 컴퓨터로 구현되는 방법은 본원에 기술되는 임의의 다른 방법(들) 중의 임의의 다른 단계(들)를 포함할 수 있다.
본 발명의 추가의 장점은 다음의 바람직한 실시예에 대한 상세한 설명을 읽고 첨부 도면을 참조하면 본 기술 분야의 기술자에게는 명백해질 것이다.
도 1 및 도 1a는 본원에 기술된 바와 같이 구성된 시스템의 실시예의 측면도를 예시하는 개략도이다.
도 2a 내지 도 2c는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위해 수행될 수 있는 단계의 실시예를 예시하는 플로우차트이다.
도 3은 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지와 서로 다른 모드에 대해 생성된 차분 이미지 간의 차이를 예시하는 개략도이다.
도 4는 컴퓨터 시스템으로 하여금 본원에 기술된 컴퓨터로 구현되는 방법을 수행하게 하기 위한 프로그램 명령어를 저장한 비일시적 컴퓨터 판독 가능 매체의 일 실시예를 예시한 블록도이다.
본 발명이 다양한 변형 및 대안의 형태로 수정될 수 있지만, 그 구체적인 실시예는 도면의 예로서 도시되고 본원에서 상세히 기술된다. 도면은 스케일링되지 않을 수 있다. 그러나, 도면 및 그에 대한 상세한 설명은 본 발명을 개시된 특정 형태로 제한하려는 것이 아니라, 그와 반대로 그 의도는 첨부된 청구항에 의해 정의된 본 발명의 사상 및 범위 내에 속하는 모든 변형, 등가물 및 대안을 포함하는 것으로 이해되어야 한다.
도 1 및 도 1a는 본원에 기술된 바와 같이 구성된 시스템의 실시예의 측면도를 예시하는 개략도이다.
도 2a 내지 도 2c는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위해 수행될 수 있는 단계의 실시예를 예시하는 플로우차트이다.
도 3은 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지와 서로 다른 모드에 대해 생성된 차분 이미지 간의 차이를 예시하는 개략도이다.
도 4는 컴퓨터 시스템으로 하여금 본원에 기술된 컴퓨터로 구현되는 방법을 수행하게 하기 위한 프로그램 명령어를 저장한 비일시적 컴퓨터 판독 가능 매체의 일 실시예를 예시한 블록도이다.
본 발명이 다양한 변형 및 대안의 형태로 수정될 수 있지만, 그 구체적인 실시예는 도면의 예로서 도시되고 본원에서 상세히 기술된다. 도면은 스케일링되지 않을 수 있다. 그러나, 도면 및 그에 대한 상세한 설명은 본 발명을 개시된 특정 형태로 제한하려는 것이 아니라, 그와 반대로 그 의도는 첨부된 청구항에 의해 정의된 본 발명의 사상 및 범위 내에 속하는 모든 변형, 등가물 및 대안을 포함하는 것으로 이해되어야 한다.
본원에 사용된 용어 "관심 결함(DOI)"은 표본 상에서 검출된 결함으로 정의되며, 실제로 표본 상의 실제 결함이다. 따라서, 사용자는 일반적으로 검사되고 있는 표본에 실제 결함이 얼마나 많고 어떤 종류가 있는지에 관심을 갖기 때문에 DOI는 사용자에게 관심 대상이 된다. 일부 맥락에서, "DOI"라는 용어는 표본 상의 모든 실제 결함의 서브 세트를 나타내는 데 사용되며, 이는 사용자가 관심을 갖는 실제 결함만을 포함한다. 예를 들어, 임의의 주어진 표본 상에는 여러 타입의 실제 결함이 있을 수 있으며, 그 중 하나 이상은 하나 이상의 다른 타입보다 사용자에게 더 큰 관심 대상이 될 수 있다. 그러나, 본원에 기술된 실시예의 맥락에서, "DOI"라는 용어는 표본 상의 임의의 모든 실제 결함을 지칭하는 데 사용된다.
본원에서 사용되는 용어 "설계물" 및 "설계물 데이터"는 일반적으로 IC의 물리적 설계물(레이아웃) 및 물리적 설계물로부터 복잡한 시뮬레이션 또는 간단한 기하학적 및 부울 연산을 통해 파생되는 데이터를 지칭한다. 물리적 설계물은 그래픽 데이터 스트림(graphical data stream)(GDS) 파일, 임의의 다른 표준 머신 판독 가능 파일, 본 기술 분야에서 알려진 임의의 다른 적합한 파일, 및 설계물 데이터베이스와 같은 데이터 구조에 저장될 수 있다. GDSII 파일은 설계물 레이아웃 데이터의 표현에 사용되는 파일 클래스 중 하나이다. 이러한 파일의 다른 예는 GL1 및 OASIS 파일과, 캘리포니아주 밀피타스에 소재한 KLA가 소유한 레티클 설계물 파일(reticle design file)(RDF) 데이터와 같은 독점 파일 포맷을 포함한다. 또한, 레티클 검사 시스템에 의해 획득된 레티클의 이미지 및/또는 그 파생물은 그 설계물에 대한 "프록시" 또는 "프록시들"로 사용될 수 있다. 이러한 레티클 이미지 또는 그 파생물은 설계물을 사용하는 본원에 기술된 임의의 실시예에서 설계물 레이아웃에 대한 대체물로서 기능할 수 있다. 이러한 설계물은 공동 소유의 2009년 8월 4일에 허여된 자파르(Zafar) 등의 미국 특허 번호 제7,570,796호 및 2010년 3월 9일에 허여된 쿨카르니(Kulkarni) 등의 미국 특허 번호 제7,676,077호에 기술된 임의의 다른 설계물 데이터 또는 설계물 데이터 프록시를 포함할 수 있으며, 이들 미국 특허는 마치 그 전체가 본원에 기술된 것처럼 참고로 포함된다. 또한, 설계물 데이터는 표준 셀 라이브러리 데이터, 통합 레이아웃 데이터, 하나 이상의 층에 대한 설계물 데이터, 설계물 데이터의 파생물, 및 전체 또는 부분적인 칩 설계물 데이터일 수 있다.
본원에 기술되는 "설계물" 및 "설계물 데이터"는 또한 설계 공정에서 반도체 디바이스 설계자에 의해 생성되는 정보 및 데이터를 지칭하며, 따라서 임의의 물리적 웨이퍼 상에 설계물을 인쇄하기에 훨씬 앞서 본원에 기술되는 실시예에 사용하기 위해 이용 가능하다. "설계물" 또는 "물리적 설계물"은 또한 웨이퍼 상에 이상적으로 형성될 설계물일 수 있다. 이러한 방식으로, 설계물은 광학 근접 보정(OPC) 피처와 같이, 웨이퍼 상에 인쇄되지 않을 설계물의 피처를 포함하지 않을 수 있으며, 이러한 광학 근접 보정(OPC) 피처는 실제로 그 자체가 인쇄되지 않고 설계물에 부가되어 웨이퍼 상의 피처의 인쇄를 향상시킨다.
본원의 "제1" 및 "제2"라는 용어는 단지 서로 다른 두 개의 사물을 나타내기 위해 사용되며, 본원에서 "제1" 및 "제2"로 지칭되는 요소의 시간적, 공간적, 우선적, 또는 다른 특성을 나타내는 데 사용되지 않는다.
이제 도면을 참조하면, 도면은 축척대로 도시되고 있지 않다는 것에 주목해야 한다. 특히, 도면의 일부 요소의 축척은 그 요소의 특성을 강조하기 위해 크게 과장되어 있다. 또한, 도면은 동일한 축척으로 도시되고 있지 않다는 것에 주목해야 한다. 유사하게 구성될 수 있는 하나 초과의 도면에 도시된 요소는 동일한 참조 번호를 사용하여 표시되었다. 본원에서 달리 언급되지 않는 한, 기술되고 도시된 임의의 요소는 임의의 적합한 상업적으로 입수 가능한 요소를 포함할 수 있다.
일반적으로, 본원에 기술된 실시예는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된다. 특히, 실시예는 다수의 모드로부터의 이미지를 서로 정렬하도록 구성된다. 본원에 기술된 실시예는 광학 검사와 같은 멀티 모드 이미징 애플리케이션을 위한 이미지 정렬에 특히 유리하다.
일부 실시예에서, 표본은 웨이퍼이다. 웨이퍼는 반도체 분야에서 알려진 임의의 웨이퍼를 포함할 수 있다. 일부 실시예는 본원에서 웨이퍼 또는 웨이퍼들과 관련하여 기술될 수 있지만, 이들 실시예는 이들 웨이퍼가 사용될 수 있는 표본에 제한되지는 않는다. 예를 들어, 본원에 기술되는 실시예는 표본에, 예를 들어, 레티클, 평면 패널, 퍼스널 컴퓨터(PC) 보드, 및 다른 반도체 표본에 사용될 수 있다.
일 실시예는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템에 관한 것이다. 이러한 시스템의 일 실시예가 도 1에 도시되어 있다. 시스템은 이미징 서브 시스템의 제1 모드 및 제2 모드로 표본의 제1 이미지 및 제2 이미지를 각각 생성하도록 구성된 이미징 서브 시스템(100)을 포함한다. 이미징 서브 시스템은 하나 이상의 컴퓨터 시스템(102)에 연결된다. 도 1에 도시된 실시예에서, 이미징 서브 시스템은 광 기반 이미징 서브 시스템으로 구성된다. 이러한 방식으로, 일부 실시예에서, 이미징 서브 시스템은 광을 사용하여 제1 이미지 및 제2 이미지를 생성하도록 구성된다. 그러나, 본원에 기술된 다른 실시예에서, 이미징 서브 시스템은 전자 빔 또는 하전 입자 빔 이미징 서브 시스템으로 구성된다. 이러한 방식으로, 다른 실시예에서, 이미징 서브 시스템은 전자를 사용하여 제1 이미지 및 제2 이미지를 생성하도록 구성된다.
일반적으로, 본원에 기술된 이미징 서브 시스템은 적어도 에너지원, 검출기, 및 스캐닝 서브 시스템을 포함한다. 에너지원은 이미징 서브 시스템에 의해 표본으로 지향되는 에너지를 생성하도록 구성된다. 검출기는 표본으로부터 에너지를 검출하고 검출된 에너지에 응답하는 출력을 생성하도록 구성된다. 스캐닝 서브 시스템은 에너지가 지향되고 에너지가 검출되는 표본 상의 위치를 변경하도록 구성된다.
본원에 기술된 광 기반 이미징 서브 시스템에서, 표본으로 지향되는 에너지는 광을 포함하고, 표본으로부터 검출되는 에너지는 광을 포함한다. 예를 들어, 도 1에 도시된 시스템의 실시예에서, 이미징 서브 시스템은 광을 표본(14)으로 지향시키도록 구성된 조명 서브 시스템을 포함한다. 조명 서브 시스템은 적어도 하나의 광원을 포함한다. 예를 들어, 도 1에 도시된 바와 같이, 조명 서브 시스템은 광원(16)을 포함한다. 일 실시예에서, 조명 서브 시스템은 광을 표본에, 하나 이상의 경사 각도 및/또는 하나 이상의 법선 각도를 포함할 수 있는 하나 이상의 입사각으로 지향시키도록 구성된다. 예를 들어, 도 1에 도시된 바와 같이, 광원(16)으로부터의 광은 광학 요소(18)를 관통하고 다시 렌즈(20)를 관통한 후 경사 입사각으로 표본(14)에 지향된다. 경사 입사각은 임의의 적합한 경사 입사각을 포함할 수 있으며, 이러한 경사 입사각은, 예를 들어, 표본의 특성과 표본에 대해 수행되는 공정의 특성에 따라 달라질 수 있다.
조명 서브 시스템은 광을 표본에 서로 다른 시간에 서로 다른 입사각으로 지향시키도록 구성될 수 있다. 예를 들어, 이미징 서브 시스템은 조명 서브 시스템의 하나 이상의 요소의 하나 이상의 특성을 변경하여 광이 표본에 도 1에 도시된 것과는 상이한 입사각으로 지향될 수 있도록 구성될 수 있다. 하나의 그러한 예에서, 이미징 서브 시스템은 광이 표본에 서로 다른 경사 입사각 또는 법선(또는 준 법선)의 입사각으로 지향되도록 광원(16), 광학 요소(18), 및 렌즈(20)를 이동시키도록 구성될 수 있다.
일부 사례에서, 이미징 서브 시스템은 광을 표본에 두 개 이상의 입사각으로 동시에 지향시키도록 구성될 수 있다. 예를 들어, 조명 서브 시스템은 두 개 이상의 조명 채널을 포함할 수 있고, 조명 채널 중 하나는 도 1에 도시된 바와 같은 광원(16), 광학 요소(18), 및 렌즈(20)를 포함할 수 있고, 조명 채널 중 다른 하나(도시되지 않음)는 상이하게 또는 동일하게 구성될 수 있는 유사한 요소를 포함할 수 있거나, 적어도 광원 및 가능하면 본원에서 추가로 기술되는 것과 같은 하나 이상의 다른 컴포넌트를 포함할 수 있다. 그러한 광이 다른 광과 동시에 표본에 지향되는 경우, 표본에 서로 다른 입사각으로 지향되는 광의 하나 이상의 특성(예컨대, 파장, 편광 등)은 서로 달라, 서로 다른 입사각에서의 표본의 조명으로부터 발생하는 광은 검출기(들)에서 서로 구별될 수 있게 된다.
다른 사례에서, 조명 서브 시스템은 하나의 광원(예컨대, 도 1에 도시된 광원(16))만을 포함할 수 있고, 광원으로부터의 광은 (예컨대, 파장, 편광 등에 기반하여) 조명 서브 시스템의 하나 이상의 광학 요소(도시되지 않음)에 의해 서로 다른 광학 경로로 분리될 수 있다. 서로 다른 광학 경로의 각각에서의 광은 그 후 표본으로 지향될 수 있다. 다수의 조명 채널은 광을 표본에 동시에 또는 (예컨대, 표본을 순차적으로 조명하기 위해 서로 다른 조명 채널이 사용되는 경우) 서로 다른 시간에 지향시키도록 구성될 수 있다. 다른 사례에서, 동일한 조명 채널은 광을 표본으로 서로 다른 시간에 서로 다른 특성으로 지향시키도록 구성될 수 있다. 예를 들어 일부 사례에서, 광학 요소(18)는 스펙트럼 필터로서 구성될 수 있고, 스펙트럼 필터의 속성은 서로 다른 파장의 광이 서로 다른 시간에 표본에 지향될 수 있도록 다양한 상이한 방식으로 (예컨대, 하나의 스펙트럼 필터를 다른 스펙트럼 필터로 교환함으로써) 변경될 수 있다. 조명 서브 시스템은 상이한 또는 동일한 특성을 갖는 광을 표본으로 상이한 또는 동일한 입사각으로 순차적으로 또는 동시에 지향시키기 위해 본 기술 분야에서 공지된 임의의 다른 적합한 구성을 가질 수 있다.
광원(16)은 광대역 플라즈마(broadband plasma)(BBP) 광원을 포함할 수 있다. 이러한 방식에서, 광원에 의해 생성되고 표본으로 지향되는 광은 광대역 광을 포함할 수 있다. 그러나, 광원은 레이저와 같은 임의의 다른 적합한 광원을 포함할 수 있다. 레이저는 본 기술 분야에서 공지된 임의의 적합한 레이저를 포함할 수 있고, 본 기술 분야에서 공지된 임의의 적합한 파장(들)의 광을 생성하도록 구성될 수 있다. 또한, 레이저는 단색 또는 거의 단색인 광을 생성하도록 구성될 수 있다. 이러한 방식에서, 레이저는 협대역 레이저일 수 있다. 광원은 또한 다수의 개별 파장 또는 파장 대역의 광을 생성하는 다색 광원을 포함할 수 있다.
광학 요소(18)로부터의 광은 렌즈(20)에 의해 표본(14) 상에 포커싱될 수 있다. 렌즈(20)가 단일 굴절성 광학 요소로서 도 1에 도시되어 있지만, 실제로, 렌즈(20)는 광학 요소로부터의 광을 표본에 조합적으로 포커싱하는 다수의 굴절성 및/또는 반사성 광학 요소를 포함할 수 있다. 도 1에 도시되고 본원에 기술된 조명 서브 시스템은 임의의 다른 적합한 광학 요소(도시되지 않음)를 포함할 수 있다. 이러한 광학 요소의 예는 편광 컴포넌트(들), 스펙트럼 필터(들), 공간 필터(들), 반사성 광학 요소(들), 아포다이저(들), 빔 스플리터(들), 애퍼처(들), 및 본 기술 분야에서 알려된 임의의 그러한 적합한 광학 요소를 포함할 수 있는 유사한 것을 포함하지만, 이에 제한되지는 않는다. 또한, 시스템은 이미징에 사용될 조명의 타입에 기반하여 조명 서브 시스템의 하나 이상의 요소를 변경하도록 구성될 수 있다.
이미징 서브 시스템은 또한, 광이 지향되고 광이 검출되는 표본 상의 위치를 변경하고, 가능하게는 광이 표본 위에 스캐닝되게 하도록 구성되는 스캐닝 서브 시스템을 포함할 수 있다. 예를 들어, 이미징 서브 시스템은 이미징 동안 표본(14)이 배치되는 스테이지(22)를 포함할 수 있다. 스캐닝 서브 시스템은, 광이 표본 상의 서로 다른 위치에 지향되고 표본 상의 서로 다른 위치로부터 검출되게 표본을 이동시키도록 구성될 수 있는 (스테이지(22)를 포함한) 임의의 적합한 기계 및/또는 로봇 어셈블리를 포함할 수 있다. 추가로, 또는 대안적으로, 이미징 서브 시스템은, 이미징 서브 시스템의 하나 이상의 광학 요소가 표본 위로의 소정의 광 스캐닝을 수행하여, 광이 표본 상의 서로 다른 위치로 지향되고 표본 상의 서로 다른 위치로부터 검출될 수 있도록, 구성될 수 있다. 광이 표본 위로 스캐닝되는 경우, 광은 구불 구불한 형상의 경로 또는 나선형 경로와 같은 임의의 적합한 방식으로 표본 위로 스캐닝될 수 있다.
이미징 서브 시스템은 하나 이상의 검출 채널을 더 포함한다. 검출 채널(들) 중 적어도 하나는 시스템에 의한 표본의 조명으로 인한 표본으로부터의 광을 검출하고 검출된 광에 응답하여 출력을 생성하도록 구성된 검출기를 포함한다. 예를 들어, 도 1에 도시된 이미징 서브 시스템은 2개의 검출 채널을 포함하는데, 하나는 수집기(24), 요소(26), 및 검출기(28)에 의해 형성되고, 다른 하나는 수집기(30), 요소(32), 및 검출기(34)에 의해 형성된다. 도 1에 도시된 바와 같이, 2개의 검출 채널은 서로 다른 수집 각도에서 광을 수집 및 검출하도록 구성된다. 일부의 경우에, 2개의 검출 채널 모두는 산란된 광을 검출하도록 구성되고, 그 검출 채널은 표본으로부터 서로 다른 각도에서 산란된 광을 검출하도록 구성된다. 그러나, 하나 이상의 검출 채널은 표본으로부터 다른 타입의 광(예컨대, 반사된 광)을 검출하도록 구성될 수 있다.
도 1에 추가로 도시된 바와 같이, 2개의 검출 채널 모두는 종이의 평면에 배치된 것으로 도시되고, 조명 서브 시스템도 또한 종이의 평면에 배치된 것으로 도시된다. 따라서, 이 실시예에서, 2개의 검출 채널 모두는 입사 평면에 (예컨대, 중심에) 배치된다. 그러나, 하나 이상의 검출 채널은 입사 평면 밖에 배치될 수 있다. 예를 들어, 수집기(30), 요소(32), 및 검출기(34)에 의해 형성된 검출 채널은 입사 평면 밖으로 산란되는 광을 수집 및 검출하도록 구성될 수 있다. 따라서, 이러한 검출 채널은 일반적으로 "측면(side)" 채널로 지칭될 수 있고, 이러한 측면 채널은 입사 평면에 실질적으로 수직인 평면에 중심을 둘 수 있다.
도 1은 2개의 검출 채널을 포함하는 이미징 서브 시스템의 실시예를 도시하지만, 이미징 서브 시스템은 다른 개수의 검출 채널(예컨대, 하나의 검출 채널만 또는 2개 이상의 검출 채널)을 포함할 수 있다. 그러한 일 사례에서, 수집기(30), 요소(32), 및 검출기(34)에 의해 형성된 검출 채널은 앞서 기술한 바와 같은 하나의 측면 채널을 형성할 수 있고, 이미징 서브 시스템은 입사 평면의 대향 면에 배치된 다른 측면 채널로서 형성된 추가적인 검출 채널(도시되지 않음)을 포함할 수 있다. 따라서, 이미징 서브 시스템은, 수집기(24), 요소(26), 및 검출기(28)를 포함하고, 입사 평면에 중심을 두고 있으며, 표본 표면에 대한 법선에 있거나 또는 법선에 근접한 산란 각도(들)에서 광을 수집 및 검출하도록 구성된 검출 채널을 포함할 수 있다. 따라서, 이러한 검출 채널은 일반적으로 "상단(top)" 채널로 지칭될 수 있고, 이미징 서브 시스템은 또한 앞서 기술한 바와 같이 구성된 2개 이상의 측면 채널을 포함할 수 있다. 따라서, 이미징 서브 시스템은 적어도 3개의 채널(즉, 하나의 상단 채널 및 2개의 측면 채널)을 포함할 수 있고, 적어도 3개의 채널의 각각은 자체의 수집기를 가지며, 이들 각각은 다른 수집기의 각각과는 서로 다른 산란 각도에서 광을 수집하도록 구성된다.
위에서 추가로 기술된 바와 같이, 이미징 서브 시스템에 포함된 각각의 검출 채널은 산란된 광을 검출하도록 구성될 수 있다. 따라서, 도 1에 도시된 이미징 서브 시스템은 표본의 암시야(dark field)(DF) 이미징을 위해 구성될 수 있다. 그러나, 이미징 서브 시스템은 또한 또는 대안적으로 표본의 명시야(bright field)(BF) 이미징을 위해 구성된 검출 채널(들)을 포함할 수 있다. 다시 말해서, 이미징 서브 시스템은 표본으로부터 정반사된 광을 검출하도록 구성된 적어도 하나의 검출 채널을 포함할 수 있다. 따라서, 본원에 기술된 이미징 서브 시스템은 DF 이미징 전용, BF 이미징 전용, 또는 DF 및 BF 이미징 모두를 위해 구성될 수 있다. 각각의 수집기가 도 1에서 단일 굴절성 광학 요소로서 도시되어 있지만, 각각의 수집기는 하나 이상의 굴절성 광학 요소 및/또는 하나 이상의 반사성 광학 요소를 포함할 수 있다.
하나 이상의 검출 채널은 광전자 증배관(photo-multiplier tube)(PMT), 전하 결합 디바이스(CCD), 및 시간 지연 통합(time delay integration)(TDI) 카메라와 같은 본 기술 분야에서 알려진 임의의 적합한 검출기를 포함할 수 있다. 검출기는 또한 비 이미징 검출기(non-imaging detector) 또는 이미징 검출기를 포함할 수 있다. 검출기가 비-이미징 검출기인 경우, 각각의 검출기는 강도와 같은 산란된 광의 소정의 특성을 검출하도록 구성될 수 있지만, 이미징 평면 내의 위치의 함수로서 그러한 특성을 검출하도록 구성되지 않을 수 있다. 따라서, 이미징 서브 시스템의 각각의 검출 채널에 포함된 각각의 검출기에 의해 생성되는 출력은 신호 또는 데이터일 수 있지만, 이미지 신호 또는 이미지 데이터는 아닐 수 있다. 그러한 사례에서, 이미징 서브 시스템의 컴퓨터 서브 시스템(36)과 같은 컴퓨터 서브 시스템은 검출기의 비 이미징 출력으로부터 표본의 이미지를 생성하도록 구성될 수 있다. 그러나, 다른 사례에서, 검출기는 이미징 신호 또는 이미지 데이터를 생성하도록 구성된 이미징 검출기로 구성될 수 있다. 따라서, 이미징 서브 시스템은 다양한 방식으로 이미지를 생성하도록 구성될 수 있다.
주목할 것은 도 1은 본원에 기술된 시스템 실시예에 포함될 수 있는 이미징 서브 시스템의 구성을 일반적으로 예시하기 위해 본원에 제공된다는 것이다. 분명히, 본원에 기술된 이미징 서브 시스템 구성은 상업적 이미징 시스템을 설계할 때 정상적으로 수행되는 이미징 서브 시스템의 성능을 최적화하도록 변경될 수 있다. 또한, 본원에 기술된 시스템은 KLA로부터 상업적으로 입수 가능한 29xx/39xx 시리즈의 도구와 같은 기존 시스템을 사용하여 (예컨대, 기존 검사 시스템에 본원에 기술된 기능을 추가함으로써) 구현될 수 있다. 이러한 일부 시스템의 경우, 본원에 기술된 방법은 시스템의 선택적 기능으로서 (예컨대, 시스템의 다른 기능에 추가하여) 제공될 수 있다. 대안적으로, 본원에 기술된 시스템은 완전히 새로운 시스템을 제공하도록 "처음부터(from scratch)" 설계될 수 있다.
컴퓨터 서브 시스템(36)은 임의의 적합한 방식으로 (예컨대, "유선" 및/또는 "무선" 전송 매체를 포함할 수 있는 하나 이상의 전송 매체를 통해) 이미징 서브 시스템의 검출기에 연결될 수 있으며, 그에 따라 컴퓨터 서브 시스템은 검출기에 의해 생성된 출력을 수신할 수 있게 된다. 컴퓨터 서브 시스템(36)은 검출기의 출력을 사용하여 다수의 기능을 수행하도록 구성될 수 있다. 예를 들어, 시스템이 검사 시스템으로서 구성된 경우, 컴퓨터 서브 시스템은 검출기의 출력을 사용하여 표본 상의 이벤트(예컨대, 결함 및 잠재적인 결함)를 검출하도록 구성될 수 있다. 표본 상의 이벤트를 검출하는 것은 본원에 추가로 기술된 바와 같이 수행될 수 있다.
이미징 서브 시스템의 컴퓨터 서브 시스템은 본원에 기술된 바와 같이 추가로 구성될 수 있다. 예를 들어, 컴퓨터 서브 시스템(36)은 본원에 기술된 하나 이상의 컴퓨터 시스템의 일부일 수 있거나 본원에 기술된 하나 이상의 컴퓨터 시스템으로서 구성될 수 있다. 특히, 컴퓨터 서브 시스템(36)은 본원에 기술된 단계를 수행하도록 구성될 수 있다. 이와 같이, 본원에 기술된 단계는 이미징 서브 시스템의 일부인 컴퓨터 시스템 또는 서브 시스템에 의해 "도구 상에서(on-tool)" 수행될 수 있다.
이미징 서브 시스템의 컴퓨터 서브 시스템(및 본원에 기술된 다른 컴퓨터 서브 시스템)은 또한 본원에서 컴퓨터 시스템(들)으로 지칭될 수 있다. 본원에 기술된 컴퓨터 서브 시스템(들) 또는 시스템(들)의 각각은 퍼스널 컴퓨터 시스템, 이미지 컴퓨터, 메인프레임 컴퓨터 시스템, 워크스테이션, 네트워크 기기, 인터넷 기기, 또는 다른 디바이스를 포함하는 다양한 형태를 취할 수 있다. 일반적으로, 용어 "컴퓨터 시스템"은 메모리 매체로부터의 명령어를 실행하는 하나 이상의 프로세서를 갖는 임의의 디바이스를 포괄하도록 광범위하게 정의될 수 있다. 컴퓨터 서브 시스템(들) 또는 시스템(들)은 또한 병렬 프로세서와 같은 본 기술 분야에서 알려진 임의의 적합한 프로세서를 포함할 수 있다. 또한, 컴퓨터 서브 시스템(들) 또는 시스템(들)은 독립형 또는 네트워크형 도구로서 고속 프로세싱 및 소프트웨어를 갖는 컴퓨터 플랫폼을 포함할 수 있다.
시스템이 두 개 이상의 컴퓨터 서브 시스템을 포함하는 경우, 이미지, 데이터, 정보, 명령어 등이 컴퓨터 서브 시스템들 간에 전송될 수 있도록 서로 다른 컴퓨터 서브 시스템이 서로 연결될 수 있다. 예를 들어, 컴퓨터 서브 시스템(36)은 임의의 적합한 전송 매체에 의해 도 1에서 파선으로 도시된 바와 같이 컴퓨터 시스템(들)(102)에 연결될 수 있으며, 상기 전송 매체는 본 기술 분야에서 공지된 임의의 적합한 유선 및/또는 무선 전송 매체를 포함할 수 있다. 이러한 컴퓨터 서브 시스템 중 두 개 이상은 또한 공유형 컴퓨터 판독 가능 저장 매체(도시되지 않음)에 의해 효과적으로 연결될 수 있다.
이미징 서브 시스템이 광학 또는 광 기반 이미징 서브 시스템인 것으로 앞서 설명되었지만, 다른 실시예에서, 이미징 서브 시스템은 전자 빔 이미징 서브 시스템으로 구성된다. 전자 빔 이미징 서브 시스템에서, 표본으로 지향되는 에너지는 전자를 포함하고, 표본으로부터 검출되는 에너지는 전자를 포함한다. 도 1a에 도시된 하나의 그러한 실시예에서, 이미징 서브 시스템은 전자 컬럼(122)을 포함하고, 시스템은 이미징 서브 시스템에 연결된 컴퓨터 서브 시스템(124)을 포함한다. 컴퓨터 서브 시스템(124)은 앞서 기술한 바와 같이 구성될 수 있다. 또한, 그러한 이미징 서브 시스템은 도 1에 도시되고 앞서 기술된 것과 동일한 방식으로 다른 하나 이상의 컴퓨터 시스템에 연결될 수 있다.
또한 도 1a에 도시된 바와 같이, 전자 컬럼은 하나 이상의 요소(130)에 의해 표본(128)에 포커싱되는 전자를 생성하도록 구성된 전자 빔 소스(126)를 포함한다. 전자 빔 소스는, 예를 들어, 캐소드 소스 또는 에미터 팁(cathode source or emitter tip)을 포함할 수 있고, 하나 이상의 요소(130)는, 예를 들어, 건 렌즈(gun lens), 애노드(anode), 빔 제한 애퍼처(beam limiting aperture), 게이트 밸브(gate valve), 빔 전류 선택 애퍼처(beam current selection aperture), 대물 렌즈, 및 스캐닝 서브 시스템을 포함할 수 있으며, 이들 모두는 본 기술 분야에서 공지된 임의의 그러한 적합한 요소를 포함할 수 있다.
표본으로부터 리턴되는 전자(예컨대, 2차 전자)는 하나 이상의 요소(132)에 의해 검출기(134)로 포커싱될 수 있다. 하나 이상의 요소(132)는, 예를 들어, 요소(들)(130) 내에 포함된 동일한 스캐닝 서브 시스템일 수 있는 스캐닝 서브 시스템을 포함할 수 있다.
전자 컬럼은 본 기술 분야에서 공지된 임의의 다른 적합한 요소를 포함할 수 있다. 또한, 전자 컬럼은 추가로 2014년 4월 4일에 허여된 지앙(Jiang) 등의 미국 특허 제8,664,594호, 2014년 4월 8일에 허여된 고지마(Kojima) 등의 미국 특허 제8,692,204호, 2014년 4월 15일에 허여된 구벤스(Gubbens) 등의 미국 특허 제8,698,093호, 및 2014년 5월 6일에 허여된 맥도널드(MacDonald) 등의 미국 특허 제8,716,662호에 기술된 바와 같이 구성될 수 있으며, 이들 미국 특허는 마치 그 전체가 본원에 기술된 것처럼 참고로 포함된다.
전자 컬럼이 도 1a에서 전자가 표본에 경사 입사각으로 지향되고 표본으로부터 다른 경사 각도로 산란되도록 구성되는 것으로 도시되어 있지만, 전자 빔은 임의의 적당한 각도로 표본에 지향되고 표본으로부터 임의의 적당한 각도로 산란될 수 있다. 또한, 전자 빔 이미징 서브 시스템은 다수의 모드를 사용하여 (예컨대, 서로 다른 조명 각도, 수집 각도 등으로) 본원에 추가로 기술된 바와 같은 표본을 위한 출력을 생성하도록 구성될 수 있다. 전자 빔 이미징 서브 시스템의 다수의 모드에서는 이미징 서브 시스템의 임의의 출력 생성 파라미터가 다를 수 있다.
컴퓨터 서브 시스템(124)은 앞서 기술한 바와 같은 검출기(134)에 연결될 수 있다. 검출기는 표본의 표면으로부터 리턴되는 전자를 검출하여 표본의 전자 빔 이미지(또는 표본에 대한 다른 출력)를 형성할 수 있다. 전자 빔 이미지는 임의의 적합한 전자 빔 이미지를 포함할 수 있다. 컴퓨터 서브 시스템(124)은 앞서 기술한 바와 같이 또는 임의의 다른 적합한 방식으로 수행될 수 있는 검출기(134)에 의해 생성된 출력을 사용하여 표본 상의 이벤트를 검출하도록 구성될 수 있다. 컴퓨터 서브 시스템(124)은 본원에 기술된 임의의 추가 단계(들)를 수행하도록 구성될 수 있다. 도 1a에 도시된 이미징 서브 시스템을 포함하는 시스템은 본원에 기술된 바와 같이 추가로 구성될 수 있다.
주목할 것은, 도 1a는 본원에 기술된 실시예에 포함될 수 있는 전자 빔 이미징 서브 시스템의 구성을 일반적으로 도시하기 위해 본원에 제공된다는 것이다. 앞서 기술한 광학 이미징 서브 시스템과 마찬가지로, 본원에 기술된 전자 빔 이미징 서브 시스템 구성은 상업적 시스템을 설계할 때 통상적으로 수행되는 이미징 서브 시스템의 성능을 최적화하도록 변경될 수 있다. 또한, 본원에 기술된 시스템은 KLA로부터 상업적으로 입수 가능한 도구와 같은 기존 시스템을 사용하여 (예컨대, 기존 시스템에 본원에 기술되는 기능을 추가함으로써) 구현될 수 있다. 이러한 일부 시스템의 경우, 본원에 기술된 방법은 (예컨대, 시스템의 다른 기능 외에도) 시스템의 선택적 기능으로서 제공될 수 있다. 대안적으로, 본원에 기술된 시스템은 완전히 새로운 시스템을 제공하도록 "처음부터(from scratch)" 설계될 수 있다.
이미징 서브 시스템이 광 또는 전자 빔 이미징 서브 시스템인 것으로 앞서 설명되었지만, 이러한 이미징 서브 시스템은 이온 빔 이미징 서브 시스템일 수 있다. 이러한 이미징 서브 시스템은 전자 빔 소스가 본 기술 분야에서 알려진 임의의 적합한 이온 빔 소스로 대체될 수 있다는 점을 제외하고는 도 1a에 도시된 바와 같이 구성될 수 있다. 또한, 이미징 서브 시스템은 상업적으로 입수 가능한 포커싱된 이온 빔(focused ion beam)(FIB) 시스템, 헬륨 이온 현미경(helium ion microscopy)(HIM) 시스템, 및 2차 이온 질량 분광기(secondary ion mass spectroscopy)(SIMS) 시스템에 포함된 것과 같은 임의의 다른 적합한 이온 빔 이미징 시스템을 포함할 수 있다.
위에서 추가로 언급된 바와 같이, 이미징 서브 시스템은 다수의 모드를 갖도록 구성된다. 일반적으로, "모드"는 표본의 출력을 생성하는 데 사용되는 이미징 서브 시스템의 파라미터의 값에 의해 정의될 수 있다. 따라서, 서로 다른 모드에서는 (출력이 생성되는 표본 상의 위치 이외의) 이미징 서브 시스템의 광학 또는 전자 빔 파라미터 중 적어도 하나에 대한 값이 다를 수 있다. 예를 들어, 광 기반 이미징 서브 시스템의 경우, 서로 다른 모드는 서로 다른 파장의 광을 사용할 수 있다. 이러한 모드들에서는 본원에서 추가로 기술되는 바와 같이 (예컨대, 서로 다른 모드에 대해 서로 다른 광원, 서로 다른 스펙트럼 필터 등을 사용함으로써) 표본으로 지향되는 광의 파장이 다를 수 있다. 다른 실시예에서, 서로 다른 모드는 서로 다른 조명 채널을 사용할 수 있다. 예를 들어, 위에서 언급한 바와 같이, 이미징 서브 시스템은 두 개 이상의 조명 채널을 포함할 수 있다. 따라서, 서로 다른 모드에 대해 서로 다른 조명 채널이 사용될 수 있다.
다수의 모드에서는 또한 조명 및/또는 수집/검출이 다를 수 있다. 예를 들어, 위에서 추가로 기술된 바와 같이, 이미징 서브 시스템은 다수의 검출기를 포함할 수 있다. 따라서, 검출기들 중 하나는 하나의 모드용으로 사용될 수 있고 다른 검출기는 다른 모드용으로 사용될 수 있다. 또한, 이들 모드는 본원에 기술된 두 개 이상의 방식에서 서로 다를 수 있다(예컨대, 서로 다른 모드는 하나 이상의 서로 다른 조명 파라미터 및 하나 이상의 서로 다른 검출 파라미터를 가질 수 있다). 이미징 서브 시스템은, 예컨대, 다수의 모드를 사용하여 표본을 동시에 스캔하는 능력에 따라, 동일한 스캔 또는 상이한 스캔의 서로 다른 모드로 표본을 스캔하도록 구성될 수 있다.
서로 다른 모드에서 생성된 출력은 본원에서 추가로 설명되는 바와 같이 서로 정렬될 수 있다. 예를 들어, 서로 다른 모드에서 생성된 이미지를 서로 정렬하여, 표본 상의 동일한 위치에서 생성된 이미지를 집합적으로 검사에 사용할 수 있다. 다른 사례에서, 동일한 위치에 대해 서로 다른 모드에서 생성된 출력을 서로 정렬할 수 있고, 그에 따라 서로 다른 모드에서 생성된 출력을 사용하여 수행된 임의의 결함 검출 결과를 서로 정렬할 수 있다. 예를 들어, 서로 다른 모드로 생성된 출력을 서로 정렬할 수 있고, 그에 따라 서로 다른 모드로 검출된 결함 검출의 결과(예컨대, 결함 후보)를 서로 정렬할 수 있다. 이러한 방식으로, 정렬 결과는 표본 상에서 서로 다른 모드에 걸쳐 공간적으로 서로 일치하는 결과를 결정하는 데 용이하게 사용될 수 있다.
일 실시예에서, 이미징 서브 시스템은 검사 서브 시스템이다. 이러한 방식으로, 본원에 기술된 시스템은 검사 시스템으로서 구성될 수 있다. 그러나, 본원에 기술된 시스템은 결함 검토 시스템 및 계측 시스템과 같은 다른 타입의 반도체 관련 품질 제어 타입 시스템으로서 구성될 수 있다. 예를 들어, 본원에 설명되고 도 1 및 도 1a에 도시된 이미징 서브 시스템의 실시예에서는 사용될 애플리케이션에 따라 서로 다른 이미징 능력을 제공하기 위해 하나 이상의 파라미터가 수정될 수 있다. 일 실시예에서, 이미징 서브 시스템은 전자빔 결함 검토 서브 시스템으로서 구성된다. 예를 들어, 도 1a에 도시된 이미징 서브 시스템은 검사용이라기보다는 결함 검토 또는 계측용으로 사용되는 경우 더 높은 해상도를 갖도록 구성될 수 있다. 다시 말해서, 도 1 및 도 1a에 도시된 이미징 서브 시스템의 실시예는 이미징 서브 시스템을 위한 몇몇 일반적이고 다양한 구성을 기술하며, 이러한 구성은 본 기술 분야의 기술자에게는 자명한 다수의 방식으로 조정될 수 있어, 서로 다른 애플리케이션에 대해 다소간의 적합한 서로 다른 이미징 능력을 갖는 이미징 서브 시스템을 생성할 수 있다.
위에서 언급한 바와 같이, 이미징 서브 시스템은 에너지(예컨대, 광, 전자)를 물리적 버전의 표본으로 지향시키고/지향시키거나 에너지를 물리적 버전의 표본 위로 스캔하여 물리적 버전의 표본에 대한 실제 이미지를 생성하도록 구성될 수 있다. 이러한 방식으로, 이미징 서브 시스템은 "가상" 시스템이 아닌 "실제" 이미징 시스템으로서 구성될 수 있다. 그러나, 도 1에 도시된 저장 매체(도시되지 않음) 및 컴퓨터 서브 시스템(들)(102)은 "가상" 시스템으로서 구성될 수 있다. 특히, 저장 매체와 컴퓨터 서브 시스템(들)은 이미징 서브 시스템(100)의 일부는 아니며, 물리적 버전의 표본을 처리할 수 있는 어떠한 능력도 가지고 있지 않지만, 검사와 같은 기능을 수행하는 가상 검사기, 계측과 같은 기능을 수행하는 가상 계측 시스템, 저장된 검출기 출력을 사용하여 결함 검토와 같은 기능을 수행하는 가상 결함 검토 도구 등으로서 구성될 수 있다. “가상" 시스템으로서 구성된 시스템 및 방법은 공동 소유의 2012년 2월 28일에 허여된 바스카르(Bhaskar) 등의 미국 특허 제8,126,255호, 2015년 12월 29일에 허여된 더피(Duffy) 등의 미국 특허 제9,222,895호, 및 2017년 11월 14일에 허여된 더피(Duffy) 등의 미국 특허 제9,816,939호에 기술되며, 이들 미국 특허는 마치 그 전체가 본원에 기술된 것처럼 참고로 포함된다. 본원에 기술된 실시예는 이들 특허에 기술된 바와 같이 추가로 구성될 수 있다. 예를 들어, 본원에 기술된 하나 이상의 컴퓨터 서브 시스템은 이들 특허에 기술된 바와 같이 추가로 구성될 수 있다.
시스템은 하나 이상의 컴퓨터 시스템을 포함하며, 이들 컴퓨터 시스템은 앞서 기술된 컴퓨터 서브 시스템(들) 또는 시스템(들) 중 임의의 구성을 포함할 수 있다. 하나 이상의 컴퓨터 시스템은 제1 이미지 및 제2 이미지를 표본에 대한 설계물에 대해 개별적으로 정렬하도록 구성된다. 이러한 방식으로, 모드간 이미지 정렬은, KLA로부터 이용 가능하고 쿨카르니(Kulkarni)의 위 참조 특허에 기술된 것과 같은 정렬-대-설계물 알고리즘(align-to-design algorithm)을 활용하여 다수의 모드의 이미지를 설계물 좌표계에 정렬할 수 있게 된다. 설계물에 대한 제1 이미지 및 제2 이미지의 정렬은 또한 2017년 11월 27일에 발행된 브하타차리야(Bhattacharyya) 등의 미국 특허 제9,830,421호 및 2020년 6월 30일에 허여된 브라우어(Brauer)의 미국 특허 제10,698,325호에 기재된 바와 같이 수행될 수 있고, 이들 특허는 마치 본원에 그 전체가 기술된 것처럼 참고로 포함된다. 본원에 기술된 실시예는 이들 특허에 기술된 바와 같이 추가로 구성될 수 있다. 이 단계는 또한 본원에 추가로 기술된 바와 같이 수행될 수 있다.
일 실시예에서, 이미징 서브 시스템은 제1 모드로 표본에 대한 제1 셋업 이미지를 생성하도록 구성되고, 하나 이상의 컴퓨터 시스템은 제1 셋업 이미지 내의 제1 셋업 정렬 타겟을 선택하고, 제1 셋업 정렬 타겟에 대한 설계물로부터 제1 렌더링된 이미지를 생성하고, 제1 렌더링된 이미지를 제1 셋업 정렬 타겟에 대응하는 제1 셋업 이미지의 일부에 정렬하고, 그리고 제1 셋업 정렬 타겟에 대한 제1 셋업 설계물-대-이미지 오프셋을 결정하도록 구성된다. 예를 들어, 도 2a의 단계 200에 도시된 바와 같이, 이미징 서브 시스템은 광빔(또는 본원에 기술된 다른 에너지원)으로 다이의 전체를 스캔하여 제1 셋업 이미지를 생성할 수 있다. 제1 셋업 이미지를 생성하는 것은 필드와 같은 표본 상의 다이 또는 임의의 다른 적합한 반복 구조물의 전체를 스캔하는 것을 포함할 수 있다. 스캔은 본원에서 추가로 기술되는 바와 같이 수행될 수 있다.
하나 이상의 컴퓨터 시스템은 그 후 단계 202에 도시된 바와 같이, 제1 셋업 이미지 내의 고유 타겟(제1 셋업 정렬 타겟)을 탐색할 수 있다. 고유 타겟은 타겟을 정렬 목적에 적합하게 렌더링하는 기술 분야에서 알려진 임의의 적합한 방식의 고유한 것일 수 있다. 예를 들어, 고유 타겟은 이미지 프레임 등과 같은 미리 결정된 검색 창 내의 다른 패터닝된 피처와 비교하여 고유한 형상을 갖는 패터닝된 피처, 미리 결정된 검색 창 내에서 서로에 대해 고유한 공간 관계를 갖는 패터닝된 피처 등일 수 있다. 제1 셋업 이미지 내에서 다수의 고유 타겟을 선택하는 것이 실용적일 수 있지만, 일반적으로, 제1 셋업 이미지 내에서 임의의 하나 이상의 고유 타겟을 선택할 수 있다. 각각의 고유 타겟은 임의의 고유한 방식으로 서로 다를 수 있다. 또한, 고유 타겟은 동일한 고유 타겟에 대한 두 개 이상의 인스턴스를 포함할 수 있다.
단계 204에 도시된 바와 같이, 하나 이상의 컴퓨터 시스템은 각각의 고유 타겟(들)에 대한 설계물을 수신할 수 있다. 하나 이상의 컴퓨터 시스템은, 예컨대, 제1 셋업 이미지로부터 수집되는 고유 타겟(들)에 대한 정보에 기반하여 표본에 대한 설계물을 검색하거나, 설계물을 포함하고 있는 저장 매체 또는 컴퓨터 시스템으로부터 고유 타겟(들)의 위치(들)에서의 설계물의 일부(예컨대, 설계물 클립)를 요청하는 등에 의해, 설계물을 임의의 적합한 방식으로 수신할 수 있다. 하나 이상의 컴퓨터 시스템으로부터 수신되는 설계물은 설계물, 설계물 데이터, 또는 본원에 추가로 기술되는 설계물 정보 중 임의의 것을 포함할 수 있다.
단계 206에 도시된 바와 같이, 하나 이상의 컴퓨터 시스템은 설계물로부터 제1 렌더링된 이미지를 생성할 수 있다. 제1 렌더링된 이미지를 생성하는 것은 임의의 적합한 방식으로 수행될 수 있다. 예를 들어, 표본 상의 하나 이상의 층에 대한 설계물 데이터로부터의 고유 타겟(들)의 설계물 클립에 기반하여, 설계물 층(들)이 렌더링될 수 있고, 결과적인 시뮬레이션된 이미지가 본원에 추가로 기술되는 바와 같이 사용될 수 있다. 본원에 기술된 실시예는 또한 이용 가능한 정렬 타겟(들)의 렌더링된 이미지를 사용할 수 있고, 이를 제1 셋업 이미지 정렬 타겟 위치 이미지와 비교하여, 본원에 추가로 기술된 바와 같이 사용하기 위한 고유 타겟(들)의 최상의 서브 세트를 선택할 수 있다.
제1 렌더링된 이미지를 생성하는 것은 하나 이상의 컴퓨터 시스템(들)에 의해 실행되는 모델, 소프트웨어, 하드웨어 등과 같은 하나 이상의 컴포넌트에 의해 수행될 수 있다. 일부 사례에서, 하나 이상의 컴포넌트는 표본 상에 설계물 층(들)을 제조하는 것과 관련된 공정의 포워드 타입 시뮬레이션을 수행할 수 있다. 예를 들어, 이미지를 시뮬레이션하는 것은 표본 상에 인쇄될 때 설계물 층(들)이 어떻게 보이는지를 시뮬레이션하는 것을 포함할 수 있다. 다시 말해서, 이미지를 렌더링하거나 시뮬레이션하는 것은 설계물 층(들)이 인쇄된 표본의 시뮬레이션된 표현을 생성하는 것을 포함할 수 있다. 시뮬레이션된 표본을 생성하는 데 사용될 수 있는 경험적으로 트레이닝된 공정 모델의 한 가지 예는 미국 노스캐롤라이나주 캐리에 소재한 Coventor, Inc.에서 상업적으로 입수 가능한 SEMulator 3D를 포함한다. 엄격한 리소그래피 시뮬레이션 모델의 예는, KLA에서 상업적으로 입수 가능하고 SEMulator 3D 제품과 함께 사용될 수 있는 Prolith이다. 그러나, 시뮬레이션된 표본은 설계물로부터 실제 표본을 생산하는 것과 관련된 임의의 공정(들)의 임의의 적합한 모델(들)을 사용하여 생성될 수 있다. 이러한 방식으로, 설계물을 사용하여 해당 설계물 층(들)이 형성된 표본이 표본 공간에서 어떻게 보이는지를 시뮬레이션할 수 있다(그러나 이러한 표본이 이미징 시스템에게 어떻게 보이는지를 반드시 시뮬레이션하는 것은 아니다). 따라서, 표본의 시뮬레이션된 표현은 표본의 2D 또는 3D 공간에서 표본이 어떻게 보이는지를 나타낼 수 있다.
그 후 표본의 시뮬레이션된 표현을 사용하여, 고유 타겟(들)이 표본의 제1 모드 이미지에 나타나는 방식을 설명하는 렌더링된 이미지(들)를 생성할 수 있다. 이들 렌더링된 이미지는 KLA로부터 상업적으로 입수 가능한 WINsim과 같은 모델을 사용하여 생성될 수 있으며, 이들 모델은 전자기(EM) 파동 솔버(wave solver)를 사용하여 검사기의 응답을 엄격하게 모델링할 수 있다. 그러한 시뮬레이션은 본 기술 분야에서 알려진 임의의 다른 적합한 소프트웨어, 알고리즘(들), 방법(들), 또는 시스템(들)을 사용하여 수행될 수 있다.
다른 사례에서, 하나 이상의 컴포넌트는 설계물로부터 렌더링된 이미지(들)를 추론하도록 구성된 심층 학습(deep learning)(DL) 타입 모델을 포함할 수 있다. 다시 말해서, 하나 이상의 컴포넌트는 제1 모드로 표본에 대해 생성될 하나 이상의 설계물 파일을 하나 이상의 렌더링된 이미지로 (추론에 의해) 변환하도록 구성될 수 있다. 하나 이상의 컴포넌트는, 예를 들어, 신경망, CNN, 생산적 모델 등을 포함하는 본 기술 분야에서 알려진 임의의 DL 모델 또는 네트워크를 포함할 수 있다. 하나 이상의 컴포넌트는 또한 공동 소유의 미국 특허 출원 공개 번호 제2017/0140524호(Karsenti 등에 의해 출원되어, 2017년 5월 18일 공개됨), 제2017/0148226호(Zhang 등에 의해 출원되어, 2017년 5월 25일 공개됨), 제2017/0193400호(Bhaskar 등에 의해 출원되어, 2017년 7월 6일 공개됨), 제2017/0193680호(Zhang 등에 의해 출원되어, 2017년 7월 6일 공개됨), 제2017/0194126호(Bhaskar 등에 의해 출원되어, 2017년 7월 6일 공개됨), 제2017/0200260호(Bhaskar 등에 의해 출원되어, 2017년 7월 13일 공개됨), 제2017/0200264호(Park 등에 의해 출원되어, 2017년 7월 13일 공개됨), 제2017/0200265호(Bhaskar 등에 의해 출원되어, 2017년 7월 13일 공개됨), 제2017/0345140호(Zhang 등에 의해 출원되어, 2017년 11월 30일 공개됨), 제2017/0351952호(Zhang 등에 의해 출원되어, 2017년 12월 7일 공개됨), 제2018/0107928호(Zhang 등에 의해 출원되어, 2018년 4월 19일 공개됨), 제2018/0293721호(Gupta 등에 의해 출원되어, 2018년 10월 11일에 공개됨), 제2018/0330511호(Ha 등에 의해 출원되어, 2018년 11월 15일에 공개됨), 제2019/0005629호(Dandiana 등에 의해 출원되어, 2019년 1월 3일에 공개됨), 및 제2019/0073568호(He 등에 의해 출원되어, 2019년 3월 7일 공개됨)에 기술된 바와 같이 구성될 수 있고, 이들 공개물은 마치 본원에 그 전체가 기술된 것처럼 참고로 포함된다. 본원에 기술된 실시예는 이들 특허 출원 공개물에 기술된 바와 같이 추가로 구성될 수 있다. 또한, 본원에 기술된 실시예는 이러한 특허 출원 공개물에 기술된 임의의 단계를 수행하도록 구성될 수 있다.
단계 208에 도시된 바와 같이, 하나 이상의 컴퓨터 시스템은 각각의 고유 타겟에서 제1 렌더링된 이미지와 제1 셋업 이미지의 정렬을 수행할 수 있다. 제1 렌더링된 이미지와 제1 셋업 이미지의 정렬은 본원에 추가로 기술된 바와 같이 또는 본 기술 분야에서 알려진 임의의 다른 적합한 방식으로 수행될 수 있다. 단계 210에 도시된 바와 같이, 하나 이상의 컴퓨터 시스템은 각각의 정렬 프레임(즉, 정렬 타겟의 인스턴스를 포함하는 각각의 이미지 프레임)에 대한 제1 셋업 설계물-대-이미지 오프셋을 결정할 수 있다. 제1 셋업 설계물-대-이미지 오프셋은 임의의 적합한 방식으로 결정될 수 있고, 임의의 적합한 방식(예컨대, 데카르트 오프셋으로서, 2차원 함수로서 등)으로 표현될 수 있다.
제1 렌더링된 이미지와 제1 셋업 이미지의 정렬 결과에 기반하여, 하나 이상의 컴퓨터 시스템은 본원에 기술된 실시예에서 사용하기 위한 제1 셋업 정렬 타겟의 적합성을 결정할 수 있다. 예를 들어, 셋업 정렬 타겟 중 하나를 해당 셋업 정렬 타겟에 대한 제1 렌더링된 이미지에 정렬하는 것이 불가능한 경우, 해당 셋업 정렬 타겟은 거부될 수 있다. 이러한 방식으로, 다수의 제1 셋업 정렬 타겟이 본원에 기술된 실시예에 의해 선택되고 고려될 수 있으며, 정렬 타겟의 일부만이 본원에 추가로 기술되는 바와 같은 사용을 위해 선택될 수 있다. 또한, 본원에 기술된 실시예에서 사용하기 위해 두 개 이상의 셋업 정렬 타겟이 선택될 수 있고, 본원에 기술된 바와 같이 설계물에 정렬될 제1 이미지의 각 테스트 이미지 부분에서 하나 이상의 셋업 정렬 타겟이 선택될 수 있다. 예를 들어, 본원에 기술된 실시예는 제1 이미지의 프레임 이미지당 적어도 하나의 정렬 타겟을 선택하려고 시도할 수 있다.
위의 절차는 모든(또는 둘 이상의) 모드에 대해 시스템에 의해 수행될 수 있으며, 하나 이상의 컴퓨터 시스템은 각 모드에 대한 정렬 프레임 이미지 및 오프셋을 갖는 데이터베이스를 생성할 수 있다. 예를 들어, 하나의 그러한 실시예에서, 이미징 서브 시스템은 제2 모드로 표본에 대한 제2 셋업 이미지를 생성하도록 구성되고, 하나 이상의 컴퓨터 시스템은 제2 셋업 이미지 내의 제2 셋업 정렬 타겟을 선택하고, 제2 셋업 정렬 타겟에 대한 설계물로부터 제2 렌더링된 이미지를 생성하고, 제2 렌더링된 이미지를 제2 셋업 정렬 타겟에 대응하는 제2 셋업 이미지의 일부에 정렬하고, 그리고 제2 셋업 정렬 타겟에 대한 제2 셋업 설계물-대-이미지 오프셋을 결정하도록 구성된다. 이들 단계의 각각은 위에서 추가로 기술된 바와 같이 수행될 수 있다. 이러한 방식으로, 본원에 기술된 실시예는 패치-대-설계물 접근 방식을 사용하여 서로 다른 모드의 이미지를 서로 정렬하도록 구성될 수 있다.
제1 이미지 내의 관심 위치의 경우, 하나 이상의 컴퓨터 시스템은 관심 위치에 대한 제1 이미지의 테스트 이미지 부분으로부터 관심 위치에 대한 제1 참조 이미지를 감산함으로써 관심 위치에 대한 제1 차분 이미지를 생성하도록 구성된다. 제1 참조 이미지는 제1 이미지의 테스트 이미지 부분으로부터 임의의 적합한 방식으로 감산될 수 있다. 제1 참조 이미지는 임의의 적합한 참조 이미지, 예를 들어, 관심 위치에 대응하는 표본 상의 위치에서 이미징 서브 시스템에 의해 생성된 이미지(즉, 표본 상의 인접 다이로부터의 이미지), 데이터베이스 또는 다른 저장 매체로부터의 참조 이미지, 설계물로부터 렌더링되어 저장 매체에 저장된 참조 이미지 등을 포함할 수 있다.
제1 참조 이미지가 제1 이미지의 테스트 이미지 부분으로부터 감산되기 전에, 제1 참조 이미지와 테스트 이미지 부분은 서로 정렬될 수 있거나 공통 기준에 정렬될 수 있다. 예를 들어, 일 실시예에서, 제1 차분 이미지를 생성하기 전에 제1 이미지를 설계물에 개별적으로 정렬한 결과에 기반하여 제1 참조 이미지와 제1 이미지의 테스트 이미지 부분을 서로 정렬한다. 하나의 그러한 예에서, 표본으로부터 생성된 참조 이미지는 본원에 기술된 바와 같이 표본에 대한 설계물에 정렬될 수 있다. 따라서, 제1 이미지가 본원에 기술된 바와 같이 설계물에 정렬될 때, 제1 참조 이미지와 제1 이미지의 테스트 부분은 공통 기준(설계물)에 정렬되고 따라서 설계 좌표에 기반하여 서로 효과적으로 정렬된다. 그러한 또 다른 예에서, 참조 이미지는 설계물의 일부일 수 있거나 설계물로부터 렌더링되고 따라서 본질적으로 설계물에 정렬될 수 있다. 이러한 방식으로, 제1 이미지를 설계물에 개별적으로 정렬함으로써 제1 참조 이미지와 제1 이미지의 테스트 부분을 공통 기준(설계물)에 또한 정렬할 수 있다. 추가 예에서, 제1 참조 이미지와 제1 이미지의 테스트 부분은 서로 직접 정렬될 수 있고(이는 본원에 기술된 바와 같이 수행될 수 있음), 그 후 서로로부터 감산될 수 있다.
일 실시예에서, 관심 위치는 제1 이미지에서 검출된 결함의 위치이고, 이미징 서브 시스템은 검사 서브 시스템으로서 구성된다. 예를 들어, 이미징 서브 시스템이 검사 서브 시스템이고 본원에 기술된 정렬이 표본의 검사를 위해 수행 중인 경우, 표본 상의 복수의 관심 위치(예컨대, 표본 상의 검사 구역)에 대해 본원에 기술된 바와 같이 제1 차분 이미지를 생성할 수 있고, 그 후 제1 차분 이미지를 사용하여 결함 검출을 수행할 수 있다. 결함 검출은 본원에서 추가로 기술되는 바와 같이 수행될 수 있다. 따라서, 본원에 기술된 단계가 수행되는 관심 위치를 알기 전에 제1 차분 이미지가 생성될 수 있다. 따라서 본원에 기술된 단계가 수행되는 관심 위치는 제1 차분 이미지를 사용하여 결함이 검출되는 위치 중 하나일 수 있다. 이러한 방식으로, 본원에 기술된 단계가 수행되는 관심 위치를 식별하기 전에 제1 차분 이미지가 생성될 수 있다. 또한, 본원에 기술된 단계는 다수의 관심 위치에 대해 수행될 수 있고, 결함은 다수의 관심 위치의 각각에서 검출될 수 있다. 그러나, 계측 및 결함 검토와 같은 다른 사례에서, 관심 위치는 제1 차분 이미지를 생성하기 전에 (예컨대, 계측 또는 결함 검토 샘플링 계획으로부터) 미리 알려질 수 있다. 이러한 방식으로, 선험적으로 알려진 관심 위치에 대한 제1 차분 이미지가 생성될 수 있다. 본원에 추가로 기술되는 바와 같이, 검사와 같은 일부 애플리케이션의 경우, 본원에 기술된 추가 단계는 제1 차분 이미지가 생성된 위치 중 일부에 대해서만 (예컨대, 표본 상에서 검출된 결함의 위치에 대해서만) 수행될 수 있다.
다른 실시예에서, 하나 이상의 컴퓨터 시스템은 제1 런타임 설계물-대-이미지 오프셋에 기반하여 제1 이미지의 테스트 이미지 부분 내의 주의 구역(care area)을 결정하고, 주의 구역에서 결함 검출을 수행하고, 그리고 결함 검출에 의해 검출된 결함의 위치를 관심 위치로 지정하도록 구성된다. 예를 들어, 하나 이상의 컴퓨터 시스템은 제1 런타임 이미지의 설계물에 대한 정렬을 수행함으로써 제1 이미지의 테스트 이미지 부분에서 주의 구역 배치를 결정할 수 있다.
하나의 그러한 예에서, 하나 이상의 컴퓨터 시스템은 도 2b의 단계 212에 도시된 바와 같이, 모드 1에 대한 제1 이미지(런타임 정렬 프레임)에 대해 셋업 정렬 프레임의 정렬을 수행하도록 구성될 수 있다. 셋업 정렬 프레임은 제1 셋업 정렬 타겟 중 하나의 위치에서의 제1 셋업 이미지로부터의 프레임 이미지일 수 있다. 이러한 정렬은 본원에서 기술되는 바와 같이 또는 본 기술 분야에서 알려진 임의의 다른 적합한 방식으로 수행될 수 있다. 하나 이상의 컴퓨터 시스템은 또한 단계 214에 도시된 바와 같이, 모드 1에 대한 셋업 정렬 프레임과 제1 이미지 간의 오프셋을 결정할 수 있다. 게다가, 하나 이상의 컴퓨터 시스템은 또한 단계 216에 도시된 바와 같이, 모드 1의 설계물과 제1 이미지 간의 오프셋을 결정할 수 있다. 이들 오프셋은 본 기술 분야에서 알려진 임의의 적합한 방식으로 결정될 수 있고, 본 기술 분야에서 알려진 임의의 포맷을 가질 수 있다.
단계 218에 도시된 바와 같이, 하나 이상의 컴퓨터 시스템은 모드 1에 대한 오프셋 보정에 따라 제1 이미지에 대한 주의 구역을 결정할 수 있다. 제1 이미지에 대한 주의 구역을 결정하는 것은, 다른 방법 또는 시스템으로부터 선험적으로 알려져 있어야 하는 설계물 내의 주의 구역의 위치와, 제1 이미지 내에 주의 구역을 배치하기 위한 모드 1의 설계물과 제1 이미지 간의 오프셋을 사용하는 것을 포함할 수 있다. 다시 말해서, 설계물 좌표에서 주의 구역의 위치를 알고 있고 제1 이미지가 앞서 기술한 바와 같이 설계물에 정렬된 경우, 제1 이미지 내의 주의 구역의 위치를 쉽게 결정할 수 있다. 주의 구역은 본 기술 분야에서 알려진 임의의 적합한 주의 구역일 수 있고, 본 기술 분야에서 알려진 임의의 적합한 방식으로 생성될 수 있고, 본 기술 분야에서 알려진 임의의 적합한 포맷을 가질 수 있다. 예를 들어, 주의 구역은 설계물로부터 결정된 다수의 주의 구역 중 하나일 수 있고 사용자에 대한 관심 구역을 포함할 수 있다.
하나 이상의 컴퓨터 시스템은 단계 220에 도시된 바와 같이, 결함 검사(웨이퍼 스캔)를 수행할 수 있다. 결함 검사는 임의의 적합한 방식으로, 예를 들어, 차분 이미지에 임계치를 적용함으로써 수행될 수 있다. 차분 이미지에서 임계치보다 큰 위치 또는 구역은 결함(또는 잠재적인 결함)으로 식별될 수 있고, 차분 이미지에서 임계치보다 작은 위치 또는 구역은 잠재적인 결함 또는 결함으로 식별되지 않을 수 있다. 결함 검사는 또한 KLA로부터 상업적으로 입수가능한 일부 검사 도구에 의해 사용되는 MDAT 결함 검출 알고리즘과 같은 본 기술 분야에서 알려진 임의의 적합한 결함 검출 방법 또는 알고리즘을 사용하여 수행될 수 있다. 그 후 결함의 위치는 본 기술 분야에서 알려진 임의의 적합한 방식으로 결정될 수 있다(예컨대, 차분 또는 테스트 이미지 내의 결함의 위치를 사용함으로써, 이미지 자체 또는 본원에서 기술된 오프셋에 기반하여 표본 또는 설계물과 관련한 결함의 위치를 결정할 수 있다). 결함 또는 잠재적인 결함 중 하나의 위치는 그 후 본원에 기술된 단계에 대한 관심 위치로 지정될 수 있다.
하나 이상의 컴퓨터 시스템은 추가로 관심 위치에 대한 제2 이미지의 테스트 이미지 부분으로부터 관심 위치에 대한 제2 참조 이미지를 감산함으로써 관심 위치에 대한 제2 차분 이미지를 생성하도록 구성된다. 제2 차분 이미지는 바로 위에서 추가로 기술된 바와 같이 서로 다른 테스트 이미지 및 참조 이미지로 생성될 수 있다. 제2 차분 이미지를 생성하는 데 사용되는 참조 이미지는 앞서 기술한 참조 이미지 중 어느 하나일 수 있지만, 제1 모드가 아닌 제2 모드에 대해 생성될 수 있다. 다시 말해서, 서로 다른 참조 이미지를 사용하여 (차분 이미지를 동일한 방식으로 생성하는지 또는 상이한 방식으로 생성하는지에 관계없이) 서로 다른 모드에 대한 차분 이미지를 생성할 수 있다.
일 실시예에서, 설계물에 제2 이미지를 개별적으로 정렬하는 것은 결함 검출에 의해 검출된 결함의 위치에 대응하는 제2 이미지의 일부에 대해서만 수행된다. 예를 들어, 단계 222에 도시된 바와 같이, 모드 1을 사용하여 검출된 각각의 결함에 대해, 하나 이상의 컴퓨터 시스템은 모드 2 내지 n에 대한 런타임 프레임 오프셋 계산에 대한 셋업을 수행할 수 있다. 이러한 방식으로, 제1 모드에서 결함을 검출할 수 있고, 결함의 위치를 앞서 기술한 바와 같이 관심 위치로 지정할 수 있다. 그 후, 임의의 하나의 결함 위치의 경우, 제2 이미지를 설계물에 정렬할 수 있고, 이러한 정렬은 해당 결함의 위치에 대응하는 제2 이미지의 일부에 대해서만 본원에 기술된 바와 같이 수행될 수 있다. 다시, 개별적인 정렬이 관심 위치에 대해 수행되는 것으로 본원에서 기술되지만, 제2 모드로 생성된 이미지에 대한 개별적인 정렬은 임의의 하나 이상의 관심 위치에 대해 수행될 수 있다.
다른 실시예에서, 하나 이상의 컴퓨터 시스템은 제1 이미지에 대한 상기 개별적인 정렬을 수행하고, 제1 이미지 내의 관심 위치를 결정하고, 그리고 결정된 관심 위치에 기반하여 제2 이미지에 대한 개별적인 정렬을 수행하도록 구성된다. 예를 들어, 제1 이미지 내의 관심 위치를 결정하는 것은, 본원에 기술된 바와 같이 제1 이미지를 설계물에 정렬하고, 그 후 제1 이미지를 사용하여 결함 검출을 수행함으로써, 수행될 수 있다. 그 후 제2 이미지를 설계물에 정렬하는 것은 앞서 기술된 바와 같이 검출된 결함(들)에 대응하는 관심 위치 또는 위치들에 대해서만 수행될 수 있다. 관심 위치(들)는 또한 결함에 대응하지 않을 수 있다. 예를 들어, 그러한 실시예에서, 관심 위치(들)는 또한 계측이 수행되는 위치, 제1 이미지를 사용하여 수행된 계측이 비정상적인 결과를 생성한 위치, 결함 검토 동안 결함이 재검출된 위치 등일 수 있다. 이러한 방식으로, 제1 모드로 생성된 제1 이미지는 설계물에 정렬될 수 있고, 정렬 단계의 결과에 기반하여 제1 이미지 내의 하나 이상의 관심 위치가 결정될 수 있고, 그 후 하나 이상의 관심 위치에 대해, 제2 모드로 생성된 제2 이미지가 설계물에 정렬될 수 있다. 제2 이미지(들)를 관심 위치(들)에 대한 설계물에 정렬하는 것은 본원에 기술된 다수의 이유로 인해, 예컨대, 관심 위치(들)에 대한 차분 이미지를 생성하기 위해 수행될 수 있지만, 또한 위치(들), 위치(들)에서 검출된 결함, 위치(들)로서 측정된 패터닝된 피처 등에 대한 정보를 결정하기 위해 수행될 수 있다.
하나 이상의 컴퓨터 시스템은 또한 제1 차분 이미지와 제2 차분 이미지를 서로 정렬하도록 구성된다. 예를 들어, 도 2c의 단계 224에 도시된 바와 같이, 하나 이상의 컴퓨터 시스템은 모드 1 내지 모드 n의 오프셋 보정된 이미지를 사용할 수 있다. 각각의 모드에 대한 오프셋 보정된 이미지는 본원에 기술된 바와 같이 생성될 수 있다. 하나 이상의 컴퓨터 시스템은 또한 도 2c의 단계 226에 도시된 바와 같이, 모드 1 내지 n에 대한 테스트 및 참조 이미지로부터 차분 이미지를 계산할 수 있다. 도 2c의 단계 228에 도시된 바와 같이, 하나 이상의 컴퓨터 시스템은 또한 정렬 오프셋을 계산하도록 설정된 각 이미지에 대해 모드 1 및 2, 모드 1 및 3, …, 모드 1 및 n의 차분 이미지를 정렬할 수도 있다. 이러한 방식으로, 본원에 기술된 실시예는 2개의 서로 다른 모드로부터 생성된 차분 이미지를 사용하고, 이들을 서로 정렬하도록 구성될 수 있다. 차분 이미지를 서로 정렬하는 것은 본원에 추가로 기술되는 바와 같이 수행될 수 있고, 본원에 추가로 기술되는 바와 같은 다수의 이점을 제공한다.
일 실시예에서, 제1 차분 이미지와 제2 차분 이미지를 서로 정렬하는 것은 제1 차분 이미지 내의 노이즈를 제2 차분 이미지 내의 노이즈에 정렬하는 것을 포함한다. 예를 들어, 서로 다른 모드로 생성된 원본 이미지는 서로 정렬하기가 어려울 수 있는데, 그 이유는 일부 구조가 멀티 모드 이미지 각각에 존재하지 않거나, 일부가 콘트라스트에서 반전되거나, 서로 다른 그레이 레벨을 가질 수 있기 때문일 수 있다. 하나의 그러한 예에서, 도 3에 도시된 바와 같이, 모드 1의 테스트 이미지(300) 및 모드 1의 참조 이미지(302)는 모드 2의 테스트 이미지(304) 및 모드 2의 참조 이미지(306)와는 실질적으로 다르게 나타난다. 특히, 도 3에 도시된 모드 1로 생성된 테스트 및 참조 이미지와 모드 2로 생성된 테스트 및 참조 이미지는 표본 상의 동일한 위치에 대해 생성될 수 있지만, 도 3에서 볼 수 있는 바와 같이, 반전된 그레이 레벨을 가질 수 있다. 특히, 모드 1의 테스트 및 참조 이미지에서 상대적으로 어두운 그레이 레벨을 갖는 구역은 모드 2의 테스트 및 참조 이미지에서 상대적으로 밝은 그레이 레벨을 갖는다. 모드 1의 테스트 및 참조 이미지에서 상대적으로 밝은 그레이 레벨과 모드 2의 테스트 및 참조 이미지에서 상대적으로 어두운 그레이 레벨에 대해서도 마찬가지가 적용된다.
그러나, 다수의 모드에 대한 차분 이미지가 생성될 때, 서로 다른 모드에 대한 차분 이미지를 생성하는 공정은 실제로 모드간 이미지 정렬을 어렵게 만드는 모드 이미지 간의 차이의 대부분 또는 심지어는 모두를 줄이거나 심지어는 제거할 수 있다. 예를 들어, 차분 이미지(308)는 모드 1 이미지 감산에 의해 테스트 이미지(300) 및 참조 이미지(302)로부터 생성될 수 있으며, 이는 본원에 기술된 바와 같이 수행될 수 있다. 추가적으로, 차분 이미지(310)는 모드 2 이미지 감산에 의해 테스트 이미지(304) 및 참조 이미지(306)로부터 생성될 수 있으며, 이는 본원에 기술된 바와 같이 수행될 수 있다. 차분 이미지(308 및 310)에서 알 수 있는 바와 같이, 테스트 및 참조 이미지에서 모드 1 및 2에 대한 해당 위치에서의 반전된 그레이 레벨은 이미지 감산에 의해 차분 이미지로부터 제거되었다. 이러한 차분 이미지에서 점선으로 표시된 차분 이미지 내의 나머지 노이즈는 그 후 이미지 정렬에 사용될 수 있다. 특히, 2개의 차분 이미지 내의 나머지 노이즈는 제1 모드의 이미지를 제2 모드의 이미지로 정렬하는 데 사용될 수 있다. 이와 같이, 차분 이미지를 사용하여 서로 다른 모드의 이미지를 정렬할 수 있다. 추가적으로, 이미지 정렬을 위해 차분 이미지 노이즈를 사용할 수 있다. 차분 이미지 노이즈는 본원에 기술된 바와 같이 또는 임의의 다른 적합한 방식으로 이미지 정렬을 위해 사용될 수 있다. 예를 들어, 차분 이미지 노이즈는 이미지 정렬 공정에서 임의의 다른 이미지 피처처럼 처리될 수 있다.
일부 실시예에서, 제1 차분 이미지와 제2 차분 이미지를 서로 정렬하는 것은 정규화된 차분 제곱합(normalized sum of squared differences)(NSSD)에 기반하여 수행된다. 예를 들어, 도 2c의 단계 228은 정렬 오프셋을 계산하기 위해 설정된 각 이미지에 대해 모드 1 및 2, 모드 1 및 3, …, 모드 1 및 n의 차분 이미지의 NSSD를 사용하여 수행될 수 있다. NSSD는 본 기술 분야에서 알려진 임의의 적합한 방법, 알고리즘, 기능 등을 사용하여 수행될 수 있다.
하나 이상의 컴퓨터 시스템은 제1 차분 이미지와 제2 차분 이미지를 서로 정렬한 결과로부터 관심 위치에 대한 정보를 결정하도록 추가로 구성된다. 예를 들어, 차분 이미지 정렬 결과로부터 다양한 정보가 결정될 수 있다. 본원에 추가로 기술된 바와 같이, 이러한 정보는 모드 이미지가 설계물 및 그에 따른 공통 기준에 얼마나 잘 정렬되었는지에 관한 정보, 다수의 차분 이미지로부터, 또는 정렬이 검증되었고/되었거나 차분 이미지 정렬에 의해 수정된 다른 이미지로부터 결정된 관심 위치에 대한 정보, 모드 선택 및 레시피 셋업에 사용될 수 있는 모드 자체에 관한 정보 등을 포함한다.
일 실시예에서, 정보를 결정하는 것은 개별적인 정렬이 정확하게 수행되는지를 검증하는 것을 포함한다. 예를 들어, 모드간 정렬의 수행은 각 모드의 차분 이미지를 사용하여 검증될 수 있다. 이러한 방식으로, 본원에 기술된 실시예는 차분 이미지를 사용하여 설계물 기반 정렬을 검증하도록 구성될 수 있다. 특히, 본원에 추가로 기술되는 바와 같이, 모드 이미지는 차분 이미지를 생성하기 전에 설계물에 정렬된다. 따라서, 서로 다른 모드로부터의 차분 이미지가 서로 정렬될 때, 설계물-대-이미지 공정이 성공적이었다면, 차분 이미지의 설계물 좌표 간에는 어떠한 정렬 오프셋도 없어야 한다. 다시 말해서, 차분 이미지를 서로 정렬한 후, 차분 이미지 내의 정렬된 위치는 동일한 설계물 좌표를 가져야 한다. 차분 이미지 내의 정렬된 위치에 동일한 설계물(또는 다른 공통 기준) 좌표가 없으면, 하나 이상의 모드에 대한 하나 이상의 설계물-대-이미지 정렬 공정에는 약간의 한계성이 존재한다.
물론 실제로는 개별적인 정렬이 정확한지 검증하기 위해 차분 이미지 내의 정렬된 위치들 간의 오프셋이 정확히 0일 필요는 없다. 대신, 검증을 결정할 때 고려될 수 있는 차분 이미지들 간의 정렬 오프셋에는 허용 가능한 허용 오차가 있을 수 있다. 이러한 허용 가능한 허용 오차는 본원에 추가로 기술된 임계치에 의해 정량화될 수 있다.
일부 실시예에서, 검증은 제1 차분 이미지와 제2 차분 이미지 간의 정렬 오프셋을 결정하는 것과 정렬 오프셋을 미리 결정된 임계치와 비교하는 것을 포함한다. 예를 들어, 단계 230에 도시된 바와 같이, 하나 이상의 컴퓨터 시스템은 정렬 오프셋이 임계치보다 큰지를 결정할 수 있다. 이 정렬 오프셋은 본원에서 추가로 기술되는 바와 같이 결정될 수 있다. 미리 결정된 임계치는 정렬 오프셋의 허용 가능한 값에 기반하여 결정될 수 있다. 따라서, 미리 결정된 임계치는 개별 모드 특정의 설계물-대-이미지 정렬 공정에서 허용 가능한 한계성에 응답할 수 있다. 이와 같이, 미리 정해진 임계치는 표본의 타입, 정렬이 수행되는 애플리케이션, 사용자가 요구하는 정렬 공정의 성능 등과 같은 요인에 따라 달라질 수 있다. 적합한 임계치의 일 예는 1차원 또는 2차원에서의 하나의 픽셀보다 크거나 같을 수 있다. 임계치는 정렬 오프셋의 포맷에 따라 달라질 수 있는 본 기술 분야에서 알려진 임의의 적합한 포맷을 가질 수 있다. 예를 들어, 임계치는 1차원 또는 2차원 등의 함수로 표현될 수 있다.
다른 실시예에서, 개별적인 정렬이 정확하게 수행된 것으로 검증될 때, 정보를 결정하는 것은 제1 차분 이미지 및 제2 차분 이미지로부터 관심 위치에서의 결함의 하나 이상의 속성을 결정하는 것을 포함한다. 예를 들어, 도 2c의 단계 232에 도시된 바와 같이, 정렬 오프셋이 임계치보다 크지 않은 경우, 하나 이상의 컴퓨터 시스템은 이미지 기반 속성을 계산할 수 있다. 이러한 방식으로, 본원에 기술된 실시예를 통해 결함 속성은 어떠한 미리 결정된 정확도 내에서 서로 정렬되는 멀티 모드 이미지로부터 결정될 수 있다. 다시 말해서, 본원에 기술된 실시예는 서로 다른 모드로 생성된 이미지로부터 결정된 결함 속성이 멀티 모드 이미지 내의 실제의 결함 위치에서 결정되는 것을 본질적으로 보장할 수 있다. 멀티 모드 이미지로부터 결정되는 결함 속성은 결함 사이즈, 결함 형상, 결함 거칠기, 결함 방향 등과 같은 본 기술 분야에서 알려진 임의의 결함 속성을 포함할 수 있다. 추가적으로, 서로 다른 멀티 모드 이미지로부터 결정되는 결함 속성은 동일한 결함 속성일 수도 있고 서로 다른 결함 속성일 수도 있다. 예를 들어, 결함 사이즈는 2개 이상의 멀티 모드 이미지 각각으로부터 개별적으로 결정될 수 있다. 다른 예에서, 결함 사이즈는 2개 이상의 멀티 모드 이미지 중 하나로부터 결정될 수 있고, 결함 거칠기는 2개 이상의 멀티 모드 이미지 중 다른 하나로부터 결정될 수 있다. 동일하거나 서로 다른 결함 속성이 멀티 모드 이미지로부터 결정되는지 여부에 관계없이, 다수의 결함 속성은 결함 분류, 결함 검증, 결함 필터링 등과 같은 하나 이상의 애플리케이션에 대해 조합하여 사용될 수 있다.
검사 이외의 애플리케이션의 경우, 관심 위치에 관한 정보는 서로 다른 모드 이미지로부터 개별적으로 결정되고 집합적으로 또는 개별적으로 사용될 수 있다. 예를 들어, 계측과 같은 애플리케이션의 경우, 관심 위치가 멀티 모드 이미지에 성공적으로 위치되면, 관심 위치의 속성 또는 특성이 2개 이상의 멀티 모드 이미지의 각각으로부터 결정될 수 있다. 예를 들어, 모드 이미지 중 하나는 관심 위치에서 패터닝된 피처 또는 층의 치수를 결정하는 데 사용될 수 있고, 모드 이미지 중 다른 하나는 패터닝된 피처 또는 층의 거칠기를 결정하는 데 사용될 수 있다.
추가적인 실시예에서, 개별적인 정렬이 정확하게 수행된 것으로 검증되지 않은 경우, 정보를 결정하는 것은 제1 이미지 및 제2 이미지를 설계물에 개별적으로 정렬하는 것 및 제1 차분 이미지와 제2 차분 이미지를 서로 정렬하는 것 중 적어도 하나에 대한 하나 이상의 보정을 결정하는 것을 포함한다. 예를 들어, 차분 이미지 간의 정렬 오프셋이 너무 크면(예컨대, 미리 결정된 임계치보다 큰 경우), 차분 이미지 정렬로부터 도출되는 오프셋을 사용하여 보정될 수 있다. 하나의 그러한 예에서, 도 2c의 단계 234에 도시된 바와 같이, 정렬 오프셋이 임계치보다 크면, 하나 이상의 컴퓨터 시스템은 정렬 오프셋을 조정할 수 있다. 이러한 방식으로, 본원에 기술된 실시예는 차분 이미지를 사용하여 설계물 기반 정렬을 보정하도록 구성될 수 있다. 설계물 기반 정렬을 보정하는 것은 이와는 달리 본 기술 분야에서 알려진 임의의 적합한 방식으로 수행될 수 있다.
이러한 방식으로, 본원에 기술된 실시예는 서로 다른 모드에서 발생하는 2개(또는 그 이상)의 이미지를 서로 정렬할 수 있다. 예를 들어, 앞서 기술된 바와 같이, 서로 다른 모드의 이미지를 설계물에 개별적으로 정렬하면 이론적으로 다수의 모드로부터의 이미지는 공통 기준에 정렬되고 그에 따라 서로에 정렬되어야 한다. 그러나, 이러한 정렬은 특히, 검사, 계측 및 검토와 같은 오늘날의 애플리케이션에서 요구하는 충분한 정확도로 항상 성공하는 것은 아니다. 부정확도는 설계물로부터 이미지 렌더링의 한계성과 같은 소스를 제거하는 어려움, 모드 이미지로부터 고유한 정렬 타겟(들)을 선택하는 어려움, 정렬-대-설계물 알고리즘의 한계성 등으로부터 발생할 수 있다. 그러나, 다수의 모드로부터 발생되는 차분 이미지를 서로 정렬하게 되면, 본원에 기술되는 실시예는 직접적인 차분 이미지-대-차분 이미지 정렬을 수행할 수 있으며, 이러한 정렬은 앞서 기술된 바와 같이, 서로 다른 모드에 대해 개별적으로 수행된 설계물에 대한 정렬이 검증되는지, 정렬이 허용 가능한 정확도 요구 사항 내에 있지 않는지(미리 결정된 임계치와의 비교에 의해 결정됨), 그리고 정렬이 충분히 정확한 것으로 검증되지 않는지를 결정하는 데 사용되어, 정렬 결과(예컨대, 하나 이상의 정렬 오프셋)에 대한 보정을 수행할 수 있고, 이로써 정렬 정확도를 보정할 수 있다.
하나 이상의 컴퓨터 시스템은 결함 검출 단계, 정보 결정 단계, 및 본원에 기술된 임의의 다른 단계의 결과를 사용하여, 표본에 대한, 이미징 서브 시스템에 대한, 또는 다른 표본, 공정, 또는 도구에 대한 하나 이상의 기능을 수행하도록 구성될 수 있다. 예를 들어, 본원에 기술된 하나 이상의 컴퓨터 시스템에 의해 생성된 결과는, 검출된 결함의 경계 상자의 위치, 검출 스코어 등과 같은, 표본 상에서 검출된 임의의 결함에 대한 정보, 라벨 또는 ID와 같은 결함 분류에 관한 정보, 임의의 멀티 모드, 멀티 모드 결함 이미지 등으로부터 결정된 임의의 결함 속성, 또는 본 기술 분야에서 알려진 임의의 그러한 적합한 정보를 포함할 수 있다.
결함 및/또는 관심 위치에 대한 결과는 컴퓨터 시스템(들) 및/또는 이미징 서브 시스템에 의해 임의의 적합한 방식으로 생성될 수 있다. 결함 및/또는 관심 위치에 대한 결과는 표준 파일 타입과 같은 임의의 적합한 형태나 포맷을 가질 수 있다. 컴퓨터 시스템(들) 및/또는 이미징 서브 시스템은 결과를 생성하고 결과를 저장할 수 있고, 그에 따라 결과는 컴퓨터 시스템(들) 및/또는 다른 시스템 또는 방법에 의해 사용되어, 표본에 대한 또는 동일한 타입의 다른 표본에 대한 하나 이상의 기능을 수행할 수 있게 된다. 이러한 기능은 표본에 대해 피드백 방식으로 수행된 제조 공정 또는 단계와 같은 공정을 변경하는 것, 표본에 대해 피드포워드 방식으로 수행될 제조 공정 또는 단계와 같은 공정을 변경하는 것 등을 포함하지만, 이에 제한되지는 않는다. 예를 들어, 본원에 기술된 실시예는 검사 공정 및 도구가 본원에 기술된 실시예에 의해 가능하게 된 상대적으로 높은 정확도의 모드간 이미지 정렬로 인해 증가된 감도로 특정 DOI를 검출하도록 할 수 있다. 특정 DOI에 대한 이러한 증가된 감도를 통해, 사용자는 올바른 처리 결정을 내리는 자신의 능력을 향상시킬 수 있다.
컴퓨터 시스템(들)은 또한 결정된 정보를 임의의 적합한 컴퓨터 판독 가능 저장 매체에 저장하도록 구성될 수 있다. 이러한 정보는 본원에 기술되는 임의의 결과와 함께 저장될 수 있으며, 본 기술 분야에서 알려진 임의의 방식으로 저장될 수 있다. 저장 매체는 본원에 기술된 임의의 저장 매체 또는 본 기술 분야에서 알려진 임의의 다른 적합한 저장 매체를 포함할 수 있다. 이러한 정보가 저장된 후, 이 정보는 저장 매체에 액세스될 수 있고, 본원에 기술되는 방법 또는 시스템 실시예 중 임의의 것에 의해 사용될 수 있고, 사용자에게 디스플레이되도록 포맷될 수 있고, 다른 소프트웨어 모듈, 방법, 또는 시스템에 의해 사용될 수 있는 등이 가능하다. 예를 들어, 본원에 기술된 실시예는 본원에 추가로 기술된 바와 같은 검사 레시피를 생성할 수 있다. 그 후 검사 레시피는 표본 또는 다른 표본을 검사하는 시스템 또는 방법(또는 다른 시스템 또는 방법)에 의해 저장 및 사용되어, 표본 또는 다른 표본에 대한 정보(예컨대, 결함 정보)를 생성할 수 있다.
본원에 기술된 실시예는 또한 검사, 결함 검토, 계측 등과 같은 이미지 기반 공정을 셋업하는 데 사용될 수 있다. 예를 들어, 본원에 기술된 실시예는 본원에서 모드가 이미 선택되어 알려진 애플리케이션에 대해 기술되었지만, 일부 사례에서, 본원에 기술된 실시예는 이미지의 유용성 및 그에 따른 특정 애플리케이션에 대한 모드가 평가될 수 있도록 서로 다른 모드로부터의 이미지를 서로 정렬하는 데 사용될 수 있다. 하나의 그러한 예에서, 서로 다른 모드로부터의 이미지는 본원에 기술된 바와 같이 서로 정렬될 수 있고, 그 후 각각의 이미지는 검사, 결함 검토, 계측 등과 같은 공정을 수행하는 데 얼마나 유용한지에 대해 평가될 수 있다. 예를 들어, 서로 정렬된 서로 다른 모드로부터의 이미지의 각각에서 특정 피처 또는 결함이 검출될 수 있는지 여부는 서로 다른 모드의 각각이 결함 검출 또는 패터니이된 피처 측정에 사용될 수 있는지 여부를 결정하는 데 사용될 수 있다. 추가적으로, 서로 정렬된 서로 다른 모드로부터의 이미지를 평가하여 이로부터 관심 위치에서 어떤 결함 속성 또는 패터닝된 피처 특성을 결정할 수 있는지를 결정할 수 있다. 이러한 방식으로, 서로에게 유용한 및/또는 보완적인 모드는 모드간 이미지 정렬에 기반하여 식별될 수 있다. 앞서 기술된 바와 같이, 모드 선택은 종종 번거롭고 어려운 공정이다. 본원에 기술된 실시예에 의해 제공되는 서로 다른 모드로부터의 이미지를 실질적으로 정확하게 정렬하는 능력을 갖게 되면, 결과까지의 시간 단축, 강건성 증가, 결과적인 멀티 모드 공정의 더 나은 성능 등과 같은 공정에 대한 상당한 이점이 제공된다.
본원에 기술된 실시예는 2018년 10월 30일에 허여된 브라우어(Brauer)의 미국 특허 제10,115,040호, 2020년 6월 18일에 공개된 브라우어(Brauer) 등의 미국 특허 출원 공개 번호 제2020/0193588호, 및 2020년 5월 26일에 출원된 게인드(Gaind) 등의 미국 특허 출원 번호 제16/883,794호에 기술된 바와 같은 모드 선택을 수행할 수 있으며, 이들은 마치 본원에 그 전체가 기술된 것처럼 참고로 포함된다. 본원에 기술된 실시예는 이들 참고 문헌들에 기술된 바와 같이 추가로 구성될 수 있다.
앞서 기술된 시스템의 각 실시예는 하나의 단일 실시예로 함께 결합될 수 있다. 다시 말해서, 본원에 달리 언급되지 않는 한, 시스템 실시예 중 어느 것도 임의의 다른 시스템 실시예와 상호 배타적이지는 않다.
다른 실시예는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 방법에 관한 것이다. 방법은 이미징 서브 시스템의 제1 모드 및 제2 모드로 표본의 제1 이미지 및 제2 이미지를 각각 생성하는 단계를 포함한다. 방법은 또한 제1 이미지 및 제2 이미지를 설계물에 개별적으로 정렬하는 단계, 제1 차분 이미지를 생성하는 단계, 제2 차분 이미지를 생성하는 단계, 제1 차분 이미지와 제2 차분 이미지를 서로 정렬하는 단계, 및 앞서 기술한 정보 결정 단계를 포함한다. 이들 단계는 본원에 기술된 임의의 실시예에 따라 구성될 수 있는 하나 이상의 컴퓨터 시스템에 의해 수행된다.
방법의 각 단계는 본원에 추가로 기술된 바와 같이 수행될 수 있다. 방법은 또한 본원에 기술된 이미징 서브 시스템 및/또는 컴퓨터 시스템(들)에 의해 수행될 수 있는 임의의 다른 단계(들)를 포함할 수 있다. 추가적으로, 앞서 기술된 방법은 본원에 기술되는 임의의 시스템 실시예에 의해 수행될 수 있다.
추가 실시예는 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 컴퓨터로 구현되는 방법을 수행하기 위해 컴퓨터 시스템 상에서 실행 가능한 프로그램 명령어를 저장한 비일시적 컴퓨터 판독 가능 매체에 관한 것이다. 그러한 일 실시예가 도 4에 도시되어 있다. 특히, 도 4에 도시된 바와 같이, 비일시적 컴퓨터 판독 가능 매체(400)는 컴퓨터 시스템(404) 상에서 실행 가능한 프로그램 명령어(402)를 포함한다. 컴퓨터로 구현되는 방법은 본원에 기술된 임의의 방법(들)의 임의의 단계(들)를 포함할 수 있다.
본원에 기술된 것과 같은 방법을 구현하는 프로그램 명령어(402)는 컴퓨터 판독 가능 매체(400)에 저장될 수 있다. 컴퓨터 판독 가능 매체는 자기 또는 광학 디스크, 자기 테이프, 또는 본 기술 분야에서 알려진 임의의 다른 적합한 비일시적 컴퓨터 판독 가능 매체와 같은 저장 매체일 수 있다.
프로그램 명령어는, 특히, 절차 기반 기법, 컴포넌트 기반 기법, 및/또는 객체 지향 기법을 포함하는 다양한 방식 중 임의의 방식으로 구현될 수 있다. 예를 들어, 프로그램 명령어는 원하는 바에 따라, ActiveX 컨트롤, C++ 객체, JavaBeans, Microsoft Foundation Classes("MFC"), SSE (Streaming SIMD Extension) 또는 다른 기술 또는 방법론을 사용하여 구현될 수 있다.
컴퓨터 시스템(404)은 본원에 기술되는 임의의 실시예에 따라 구성될 수 있다.
본 발명의 다양한 양태에 대한 추가 변형 및 대안의 실시예는 이러한 설명을 고려하면 본 기술 분야의 기술자에게 명백할 것이다. 예를 들어, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 방법 및 시스템이 제공된다. 따라서, 이 설명은 단지 예시적인 것으로만 해석되어야 하며, 본 발명을 수행하는 일반적인 방식을 본 기술 분야의 기술자에게 교시하기 위한 것이다. 본원에 도시되고 기술된 본 발명의 형태는 현재 바람직한 실시예로 간주되어야 한다는 것으로 이해되어야 한다. 본원에 도시되고 기술된 것을 요소 및 재료로 대체할 수 있으며, 부분 및 공정은 역전될 수 있고, 그리고 본 발명의 특정 속성은 독립적으로 이용될 수 있으며, 이들 모두는 본 발명의 이러한 설명의 이점을 얻은 후에 본 기술 분야의 기술자에게는 명백할 것이다. 다음의 청구항에 기술된 바와 같이 본 발명의 사상 및 범위를 벗어나지 않으면서 본원에 기술된 요소에서 변경이 행해질 수 있다.
Claims (20)
- 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템으로서,
이미징 서브 시스템의 제1 모드 및 제2 모드로 표본의 제1 이미지 및 제2 이미지를 각각 생성하도록 구성된 이미징 서브 시스템; 및
하나 이상의 컴퓨터 시스템을 포함하되, 상기 하나 이상의 컴퓨터 시스템은:
상기 제1 이미지 및 상기 제2 이미지를 상기 표본에 대한 설계물에 개별적으로 정렬하고;
상기 제1 이미지 내의 관심 위치의 경우, 상기 관심 위치에 대한 상기 제1 이미지의 테스트 이미지 부분으로부터 상기 관심 위치에 대한 제1 참조 이미지를 감산함으로써 상기 관심 위치에 대한 제1 차분 이미지를 생성하고;
상기 관심 위치에 대한 제2 이미지의 테스트 이미지 부분으로부터 상기 관심 위치에 대한 제2 참조 이미지를 감산함으로써 상기 관심 위치에 대한 제2 차분 이미지를 생성하고;
상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬하고; 그리고
상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬한 결과로부터 상기 관심 위치에 대한 정보를 결정하도록 구성되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬하는 것은 상기 제1 차분 이미지 내의 노이즈를 상기 제2 차분 이미지 내의 노이즈에 정렬하는 것을 포함하는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬하는 것은 정규화된 차분 제곱합(NSSD)에 기반하여 수행되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 정보를 결정하는 것은 상기 개별적으로 정렬하는 것이 정확하게 수행되는지를 검증하는 것을 포함하는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제4항에 있어서,
상기 검증하는 것은 상기 제1 차분 이미지와 상기 제2 차분 이미지 간의 정렬 오프셋을 결정하는 것과 상기 정렬 오프셋을 미리 결정된 임계치와 비교하는 것을 포함하는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제4항에 있어서,
상기 개별적으로 정렬하는 것이 정확하게 수행된 것으로 검증되는 경우, 상기 정보를 결정하는 것은 상기 제1 차분 이미지 및 상기 제2 차분 이미지로부터 상기 관심 위치에서의 결함의 하나 이상의 속성을 결정하는 것을 포함하는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제4항에 있어서,
상기 개별적으로 정렬하는 것이 정확하게 수행된 것으로 검증되지 않은 경우, 상기 정보를 결정하는 것은 상기 제1 이미지 및 상기 제2 이미지를 상기 설계물에 개별적으로 정렬하는 것 및 상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬하는 것 중 적어도 하나에 대한 하나 이상의 보정을 결정하는 것을 더 포함하는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 관심 위치는 상기 제1 이미지에서 검출된 결함의 위치이고, 상기 이미징 서브 시스템은 검사 서브 시스템으로서 추가로 구성되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 이미징 서브 시스템은 상기 제1 모드로 상기 표본에 대한 제1 셋업 이미지를 생성하도록 추가로 구성되고, 상기 하나 이상의 컴퓨터 시스템은 상기 제1 셋업 이미지 내의 제1 셋업 정렬 타겟을 선택하고, 상기 제1 셋업 정렬 타겟에 대한 상기 설계물로부터 제1 렌더링된 이미지를 생성하고, 상기 제1 렌더링된 이미지를 상기 제1 셋업 정렬 타겟에 대응하는 상기 제1 셋업 이미지의 일부에 정렬하고, 그리고 상기 제1 셋업 정렬 타겟에 대한 제1 셋업 설계물-대-이미지 오프셋을 결정하도록 추가로 구성되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제9항에 있어서,
상기 이미징 서브 시스템은 상기 제2 모드로 상기 표본에 대한 제2 셋업 이미지를 생성하도록 추가로 구성되고, 상기 하나 이상의 컴퓨터 시스템은 상기 제2 셋업 이미지 내의 제2 셋업 정렬 타겟을 선택하고, 상기 제2 셋업 정렬 타겟에 대한 상기 설계물로부터 제2 렌더링된 이미지를 생성하고, 상기 제2 렌더링된 이미지를 상기 제2 셋업 정렬 타겟에 대응하는 상기 제2 셋업 이미지의 일부에 정렬하고, 그리고 상기 제2 셋업 정렬 타겟에 대한 제2 셋업 설계물-대-이미지 오프셋을 결정하도록 추가로 구성되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제9항에 있어서,
상기 개별적으로 정렬하는 것은 상기 제1 셋업 정렬 타겟에 대한 상기 제1 셋업 이미지 내의 셋업 정렬 프레임 이미지를 상기 제1 이미지 내의 해당 프레임 이미지에 정렬하는 것, 상기 셋업 정렬 프레임 이미지와 상기 해당 프레임 이미지 간의 제1 이미지-대-이미지 오프셋을 결정하는 것, 및 상기 제1 이미지-대-이미지 오프셋 및 상기 제1 셋업 설계물-대-이미지 오프셋에 기반하여 상기 해당 프레임 이미지와 상기 설계물 간의 제1 런타임 설계물-대-이미지 오프셋을 결정하는 것을 포함하는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제11항에 있어서,
상기 하나 이상의 컴퓨터 시스템은 상기 제1 런타임 설계물-대-이미지 오프셋에 기반하여 상기 제1 이미지의 테스트 이미지 부분 내의 주의 구역을 결정하고, 상기 주의 구역에서 결함 검출을 수행하고, 그리고 상기 결함 검출에 의해 검출된 결함의 위치를 상기 관심 위치로 지정하도록 추가로 구성되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제12항에 있어서,
상기 제2 이미지를 상기 설계물에 개별적으로 정렬하는 것은 상기 결함 검출에 의해 검출된 결함의 위치에 대응하는 상기 제2 이미지의 일부에 대해서만 수행되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 하나 이상의 컴퓨터 시스템은 상기 제1 이미지에 대한 상기 개별적인 정렬을 수행하고, 상기 제1 이미지 내의 관심 위치를 결정하고, 그리고 상기 결정된 관심 위치에 기반하여 상기 제2 이미지에 대한 상기 개별적인 정렬을 수행하도록 추가로 구성되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 제1 차분 이미지를 생성하기 전에 상기 제1 이미지를 상기 설계물에 개별적으로 정렬한 결과에 기반하여 상기 제1 참조 이미지와 상기 제1 이미지의 테스트 이미지 부분을 서로 정렬하는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 표본은 웨이퍼인 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 이미징 서브 시스템은 광을 사용하여 상기 제1 이미지 및 상기 제2 이미지를 생성하도록 추가로 구성되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 제1항에 있어서,
상기 이미징 서브 시스템은 전자를 사용하여 상기 제1 이미지 및 상기 제2 이미지를 생성하도록 추가로 구성되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하도록 구성된 시스템. - 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 컴퓨터로 구현되는 방법을 수행하기 위해 컴퓨터 시스템 상에서 실행 가능한 프로그램 명령어를 저장한 비일시적 컴퓨터 판독 가능 매체로서,
상기 컴퓨터로 구현되는 방법은:
이미징 서브 시스템의 제1 모드 및 제2 모드로 표본의 제1 이미지 및 제2 이미지를 각각 생성하는 단계;
상기 제1 이미지 및 상기 제2 이미지를 상기 표본에 대한 설계물에 개별적으로 정렬하는 단계;
상기 제1 이미지 내의 관심 위치의 경우, 상기 관심 위치에 대한 상기 제1 이미지의 테스트 이미지 부분으로부터 상기 관심 위치에 대한 제1 참조 이미지를 감산함으로써 상기 관심 위치에 대한 제1 차분 이미지를 생성하는 단계;
상기 관심 위치에 대한 제2 이미지의 테스트 이미지 부분으로부터 상기 관심 위치에 대한 제2 참조 이미지를 감산함으로써 상기 관심 위치에 대한 제2 차분 이미지를 생성하는 단계;
상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬하는 단계; 및
상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬한 결과로부터 상기 관심 위치에 대한 정보를 결정하는 단계를 포함하고,
상기 개별적으로 정렬하는 단계, 상기 제1 차분 이미지를 생성하는 단계, 상기 제2 차분 이미지를 생성하는 단계, 상기 제1 차분 이미지와 상기 제2 차분 이미지를 정렬하는 단계, 및 상기 정보를 결정하는 단계는 상기 컴퓨터 시스템에 의해 수행되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 컴퓨터로 구현되는 방법을 수행하기 위해 컴퓨터 시스템 상에서 실행 가능한 프로그램 명령어를 저장한 비일시적 컴퓨터 판독 가능 매체. - 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 컴퓨터로 구현되는 방법으로서,
이미징 서브 시스템의 제1 모드 및 제2 모드로 표본의 제1 이미지 및 제2 이미지를 각각 생성하는 단계;
상기 제1 이미지 및 상기 제2 이미지를 상기 표본에 대한 설계물에 개별적으로 정렬하는 단계;
상기 제1 이미지 내의 관심 위치의 경우, 상기 관심 위치에 대한 상기 제1 이미지의 테스트 이미지 부분으로부터 상기 관심 위치에 대한 제1 참조 이미지를 감산함으로써 상기 관심 위치에 대한 제1 차분 이미지를 생성하는 단계;
상기 관심 위치에 대한 제2 이미지의 테스트 이미지 부분으로부터 상기 관심 위치에 대한 제2 참조 이미지를 감산함으로써 상기 관심 위치에 대한 제2 차분 이미지를 생성하는 단계;
상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬하는 단계; 및
상기 제1 차분 이미지와 상기 제2 차분 이미지를 서로 정렬한 결과로부터 상기 관심 위치에 대한 정보를 결정하는 단계를 포함하고,
상기 개별적으로 정렬하는 단계, 상기 제1 차분 이미지를 생성하는 단계, 상기 제2 차분 이미지를 생성하는 단계, 상기 제1 차분 이미지와 상기 제2 차분 이미지를 정렬하는 단계, 및 상기 정보를 결정하는 단계는 하나 이상의 컴퓨터 시스템에 의해 수행되는 것인, 이미징 서브 시스템의 서로 다른 모드로 생성된 표본의 이미지를 정렬하기 위한 컴퓨터로 구현되는 방법.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962909148P | 2019-10-01 | 2019-10-01 | |
| US62/909,148 | 2019-10-01 | ||
| US17/030,194 | 2020-09-23 | ||
| US17/030,194 US11580650B2 (en) | 2019-10-01 | 2020-09-23 | Multi-imaging mode image alignment |
| PCT/US2020/053170 WO2021067203A1 (en) | 2019-10-01 | 2020-09-29 | Multi-imaging mode image alignment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220073766A true KR20220073766A (ko) | 2022-06-03 |
| KR102652164B1 KR102652164B1 (ko) | 2024-03-27 |
Family
ID=75162103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227012499A KR102652164B1 (ko) | 2019-10-01 | 2020-09-29 | 멀티 이미징 모드 이미지 정렬 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11580650B2 (ko) |
| KR (1) | KR102652164B1 (ko) |
| CN (1) | CN114503156A (ko) |
| TW (1) | TWI836146B (ko) |
| WO (1) | WO2021067203A1 (ko) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11328410B2 (en) | 2020-08-03 | 2022-05-10 | KLA Corp. | Deep generative models for optical or other mode selection |
| US11644756B2 (en) | 2020-08-07 | 2023-05-09 | KLA Corp. | 3D structure inspection or metrology using deep learning |
| US20230075297A1 (en) * | 2021-09-03 | 2023-03-09 | Kla Corporation | Wafer alignment improvement through image projection-based patch-to-design alignment |
| US20240095935A1 (en) * | 2022-08-22 | 2024-03-21 | Kla Corporation | Deep learning model-based alignment for semiconductor applications |
| WO2024083437A1 (en) * | 2022-10-21 | 2024-04-25 | Asml Netherlands B.V. | Defect map based d2d alignment of images for machine learning training data preparation |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8126255B2 (en) * | 2007-09-20 | 2012-02-28 | Kla-Tencor Corp. | Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions |
| US20120296576A1 (en) * | 2010-02-10 | 2012-11-22 | Yukihiro Shibata | Defect inspection method and device thereof |
| KR20170033875A (ko) * | 2014-07-22 | 2017-03-27 | 케이엘에이-텐코 코포레이션 | 다중 모드들을 갖는 가상 검사 시스템 |
| KR20180094111A (ko) * | 2016-01-11 | 2018-08-22 | 케이엘에이-텐코 코포레이션 | 이미지 기반 표본 프로세스 제어 |
Family Cites Families (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6614924B1 (en) | 1999-08-02 | 2003-09-02 | Applied Materials, Inc. | Adaptive mask technique for defect inspection |
| US8165384B1 (en) * | 2003-11-19 | 2012-04-24 | Kla-Tencor Corporation | Defect classification |
| US7570796B2 (en) | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
| US7676077B2 (en) * | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
| US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
| US9824302B2 (en) | 2011-03-09 | 2017-11-21 | Siemens Healthcare Gmbh | Method and system for model-based fusion of multi-modal volumetric images |
| US8664594B1 (en) | 2011-04-18 | 2014-03-04 | Kla-Tencor Corporation | Electron-optical system for high-speed and high-sensitivity inspections |
| US8692204B2 (en) | 2011-04-26 | 2014-04-08 | Kla-Tencor Corporation | Apparatus and methods for electron beam detection |
| US9087367B2 (en) | 2011-09-13 | 2015-07-21 | Kla-Tencor Corp. | Determining design coordinates for wafer defects |
| US8716662B1 (en) | 2012-07-16 | 2014-05-06 | Kla-Tencor Corporation | Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations |
| US10192303B2 (en) | 2012-11-12 | 2019-01-29 | Kla Tencor Corporation | Method and system for mixed mode wafer inspection |
| WO2014149197A1 (en) | 2013-02-01 | 2014-09-25 | Kla-Tencor Corporation | Detecting defects on a wafer using defect-specific and multi-channel information |
| US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
| US10429319B2 (en) | 2013-03-20 | 2019-10-01 | Kla-Tencor Corporation | Inspection system including parallel imaging paths with multiple and selectable spectral bands |
| KR102079420B1 (ko) | 2013-05-14 | 2020-02-19 | 케이엘에이 코포레이션 | 통합된 멀티 패스 검사 |
| US9224660B2 (en) | 2013-08-30 | 2015-12-29 | Kla-Tencor Corp. | Tuning wafer inspection recipes using precise defect locations |
| US10127653B2 (en) * | 2014-07-22 | 2018-11-13 | Kla-Tencor Corp. | Determining coordinates for an area of interest on a specimen |
| US9702827B1 (en) | 2014-11-20 | 2017-07-11 | Kla-Tencor Corp. | Optical mode analysis with design-based care areas |
| US10747830B2 (en) * | 2014-11-21 | 2020-08-18 | Mesh Labs Inc. | Method and system for displaying electronic information |
| US9830421B2 (en) | 2014-12-31 | 2017-11-28 | Kla-Tencor Corp. | Alignment of inspection to design using built in targets |
| US10186026B2 (en) | 2015-11-17 | 2019-01-22 | Kla-Tencor Corp. | Single image detection |
| US9965901B2 (en) | 2015-11-19 | 2018-05-08 | KLA—Tencor Corp. | Generating simulated images from design information |
| US9916965B2 (en) | 2015-12-31 | 2018-03-13 | Kla-Tencor Corp. | Hybrid inspectors |
| US11580375B2 (en) | 2015-12-31 | 2023-02-14 | Kla-Tencor Corp. | Accelerated training of a machine learning based model for semiconductor applications |
| US10416087B2 (en) | 2016-01-01 | 2019-09-17 | Kla-Tencor Corporation | Systems and methods for defect detection using image reconstruction |
| US10648924B2 (en) | 2016-01-04 | 2020-05-12 | Kla-Tencor Corp. | Generating high resolution images from low resolution images for semiconductor applications |
| US10043261B2 (en) | 2016-01-11 | 2018-08-07 | Kla-Tencor Corp. | Generating simulated output for a specimen |
| US10360477B2 (en) | 2016-01-11 | 2019-07-23 | Kla-Tencor Corp. | Accelerating semiconductor-related computations using learning based models |
| US10395356B2 (en) | 2016-05-25 | 2019-08-27 | Kla-Tencor Corp. | Generating simulated images from input images for semiconductor applications |
| US10192302B2 (en) * | 2016-05-25 | 2019-01-29 | Kla-Tencor Corporation | Combined patch and design-based defect detection |
| US10346740B2 (en) | 2016-06-01 | 2019-07-09 | Kla-Tencor Corp. | Systems and methods incorporating a neural network and a forward physical model for semiconductor applications |
| US10496695B2 (en) * | 2016-06-06 | 2019-12-03 | Think-Cell Software Gmbh | Automated data extraction from scatter plot images |
| US10769769B2 (en) | 2016-07-01 | 2020-09-08 | Kla-Tencor Corporation | Dual mode inspector |
| US10115040B2 (en) | 2016-09-14 | 2018-10-30 | Kla-Tencor Corporation | Convolutional neural network-based mode selection and defect classification for image fusion |
| US11580398B2 (en) | 2016-10-14 | 2023-02-14 | KLA-Tenor Corp. | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
| US10395362B2 (en) | 2017-04-07 | 2019-08-27 | Kla-Tencor Corp. | Contour based defect detection |
| US10733744B2 (en) | 2017-05-11 | 2020-08-04 | Kla-Tencor Corp. | Learning based approach for aligning images acquired with different modalities |
| US10769761B2 (en) | 2017-06-30 | 2020-09-08 | Kla-Tencor Corp. | Generating high resolution images from low resolution images for semiconductor applications |
| US10699926B2 (en) | 2017-08-30 | 2020-06-30 | Kla-Tencor Corp. | Identifying nuisances and defects of interest in defects detected on a wafer |
| US10607119B2 (en) | 2017-09-06 | 2020-03-31 | Kla-Tencor Corp. | Unified neural network for defect detection and classification |
| US10698325B2 (en) | 2018-05-23 | 2020-06-30 | Kla-Tencor Corporation | Performance monitoring of design-based alignment |
| US10295476B1 (en) | 2018-08-14 | 2019-05-21 | Applied Materials Israel Ltd. | System and method for multiple mode inspection of a sample |
| US11010885B2 (en) | 2018-12-18 | 2021-05-18 | Kla Corporation | Optical-mode selection for multi-mode semiconductor inspection |
| US10853932B2 (en) * | 2019-01-16 | 2020-12-01 | Applied Material Israel, Ltd. | Method of defect detection on a specimen and system thereof |
-
2020
- 2020-09-23 US US17/030,194 patent/US11580650B2/en active Active
- 2020-09-29 CN CN202080069662.8A patent/CN114503156A/zh active Pending
- 2020-09-29 WO PCT/US2020/053170 patent/WO2021067203A1/en active Application Filing
- 2020-09-29 KR KR1020227012499A patent/KR102652164B1/ko active IP Right Grant
- 2020-09-30 TW TW109134021A patent/TWI836146B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8126255B2 (en) * | 2007-09-20 | 2012-02-28 | Kla-Tencor Corp. | Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions |
| US20120296576A1 (en) * | 2010-02-10 | 2012-11-22 | Yukihiro Shibata | Defect inspection method and device thereof |
| KR20170033875A (ko) * | 2014-07-22 | 2017-03-27 | 케이엘에이-텐코 코포레이션 | 다중 모드들을 갖는 가상 검사 시스템 |
| KR20180094111A (ko) * | 2016-01-11 | 2018-08-22 | 케이엘에이-텐코 코포레이션 | 이미지 기반 표본 프로세스 제어 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202127555A (zh) | 2021-07-16 |
| KR102652164B1 (ko) | 2024-03-27 |
| US11580650B2 (en) | 2023-02-14 |
| CN114503156A (zh) | 2022-05-13 |
| WO2021067203A1 (en) | 2021-04-08 |
| TWI836146B (zh) | 2024-03-21 |
| US20210097704A1 (en) | 2021-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7093828B2 (ja) | 自動式パターン忠実度測定計画生成 | |
| TWI668582B (zh) | 用於判定由一檢查子系統在設計資料空間中產生之輸出之一位置的系統、方法及非暫時性電腦可讀媒體 | |
| KR102652164B1 (ko) | 멀티 이미징 모드 이미지 정렬 | |
| CN114096832B (zh) | 用于选择用于样本检验的缺陷检测方法的系统和方法 | |
| US11416982B2 (en) | Controlling a process for inspection of a specimen | |
| US9702827B1 (en) | Optical mode analysis with design-based care areas | |
| US10151706B1 (en) | Inspection for specimens with extensive die to die process variation | |
| KR102684035B1 (ko) | 검사 및 다른 프로세스를 위한 시료의 정렬 | |
| US11494895B2 (en) | Detecting defects in array regions on specimens | |
| KR20230057462A (ko) | 시료 검사의 셋업 | |
| KR102718646B1 (ko) | 시편 검사를 위한 결함 검출 방법을 선택하기 위한 시스템 및 방법 | |
| US20240193798A1 (en) | Image-to-design alignment for images with color or other variations suitable for real time applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |