KR20230044257A - 노이즈가 있는 패턴화된 피처들의 검사 - Google Patents
노이즈가 있는 패턴화된 피처들의 검사 Download PDFInfo
- Publication number
- KR20230044257A KR20230044257A KR1020237006362A KR20237006362A KR20230044257A KR 20230044257 A KR20230044257 A KR 20230044257A KR 1020237006362 A KR1020237006362 A KR 1020237006362A KR 20237006362 A KR20237006362 A KR 20237006362A KR 20230044257 A KR20230044257 A KR 20230044257A
- Authority
- KR
- South Korea
- Prior art keywords
- test image
- pixel
- specimen
- pixels
- feature
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 152
- 230000007547 defect Effects 0.000 claims abstract description 193
- 238000012360 testing method Methods 0.000 claims abstract description 124
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000001514 detection method Methods 0.000 claims description 70
- 238000013461 design Methods 0.000 claims description 35
- 230000003287 optical effect Effects 0.000 claims description 26
- 229910052751 metal Inorganic materials 0.000 claims description 23
- 239000002184 metal Substances 0.000 claims description 23
- 238000012805 post-processing Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 11
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 235000012431 wafers Nutrition 0.000 description 31
- 238000013459 approach Methods 0.000 description 23
- 238000005286 illumination Methods 0.000 description 21
- 239000004065 semiconductor Substances 0.000 description 17
- 230000008569 process Effects 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000002950 deficient Effects 0.000 description 9
- 238000010894 electron beam technology Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 229910052782 aluminium Inorganic materials 0.000 description 5
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010884 ion-beam technique Methods 0.000 description 4
- 238000001459 lithography Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000003746 surface roughness Effects 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001433 helium-ion microscopy Methods 0.000 description 2
- 238000012858 packaging process Methods 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 2
- 239000000758 substrate Substances 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
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- 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
- 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
- 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
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30136—Metal
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
표본의 결함들을 검출하는 방법들 및 시스템들이 제공된다. 하나의 시스템은 표본의 이미지들을 생성하도록 구성된 검사 서브시스템 및 표본에서 결함 후보들을 검출하도록 구성된 하나 이상의 컴퓨터 서브시스템을 포함한다. 결함 후보들을 검출하는 것은 표본에 대해 생성된 이미지들에 포함된 테스트 이미지에서 패턴화된 피처를 식별하는 것을 포함한다. 결함 후보들을 검출하는 것은 또한 패턴화된 피처 내에 위치된 테스트 이미지의 적어도 하나의 픽셀에 대해, 상기 적어도 하나의 픽셀의 특징과 상기 적어도 하나의 픽셀에 대한 미리 결정된 윈도우 내에 위치된 테스트 이미지의 다른 픽셀들의 상기 특징 사이의 차이를 결정하는 것을 포함한다. 또한, 결함 후보들을 검출하는 것은 상기 결정된 차이에 기초하여 상기 적어도 하나의 픽셀에서 결함 후보를 검출하는 것을 포함한다.
Description
본 발명은 대체로 백엔드 패키징(backend packaging) 웨이퍼 상의 재배선층(redistribution layer, RDL)들과 같은 표본들 상의 결함들을 검출하도록 구성된 방법 및 시스템에 관한 것이다.
다음의 설명 및 예들은 이 섹션에 포함되어 있다는 이유로 선행 기술로 인정되지는 않는다.
로직(logic) 및 메모리 디바이스들과 같은 반도체 디바이스들을 제조하는 것은 전형적으로 반도체 디바이스들의 다양한 피처(feature)들 및 다수의 레벨(level)들을 형성하기 위해 많은 수의 반도체 제조 프로세스들을 사용하여 반도체 웨이퍼와 같은 기판을 프로세싱하는 것을 포함한다. 예를 들어, 리소그래피(lithography)는 레티클(reticle)로부터 반도체 웨이퍼 상에 배열된 레지스트(resist)로 패턴을 전사하는 것을 수반하는 반도체 제조 프로세스이다. 반도체 제조 프로세스의 추가적인 예들은 화학적 기계적 연마(chemical-mechanical polishing, CMP), 에칭(etch), 퇴적(deposition) 및 이온 주입(ion implantation)을 포함하지만 이에 제한되지 않는다. 다수의 반도체 디바이스들은 단일 반도체 웨이퍼 상에 배열(arrangement)로 제조된 후 개별의 반도체 디바이스들로 분리될 수 있다.
제조 프로세스들의 수율을 높여 더 높은 수익을 유도하기 위해, 검사(inspection) 프로세스들이 반도체 제조 프로세스 동안 다양한 단계들에서 사용되어 웨이퍼들 상의 결함들을 검출한다. 검사는 항상 반도체 디바이스 제조의 중요한 부분이었다. 그러나 반도체 디바이스들의 치수가 줄어듦에 따라 더 작은 결함들로 인해 디바이스들이 작동이 안 될 수 있기 때문에, 허용 가능한 반도체 디바이스들의 성공적인 제조에 검사가 더욱 중요해졌다.
리소그래피가 대체로 "거의 동일한(near identical)" 인접한 다이(die)들을 인쇄하는 것을 수반하기 때문에, 집적회로(IC) 산업이 시작된 이래 웨이퍼 검사는 주로 인접한 다이들 간의 이미지 세기 차이(image intensity difference)에 기반해 왔다. 기술이 진화함에 따라 마스크(mask) 결함들로부터 유도되는 일반적인 다이 결함들이 있는 다이들을 검사하기 위해 "골든 레퍼런스 다이(golden reference die)" 또는 "표준 레퍼런스 다이(standard reference die)"라고 하는 또 다른 기법이 만들어졌다. 다이-투-다이(die-to-die) 또는 다이-투-골든 다이(die-to-golden die) 검사가 수행되든, 공통된 가설은 웨이퍼 상의 각각의 다이는 거의 "동일"하다는 것이다. 이러한 전통적인 검사 방법들은 리소그래피 기반 웨이퍼 제조 프로세스들에서 매우 효과적이었다.
최근 IC 제조 프로세스들에서는 도 2에 도시된 바와 같이, 2 개 이상의 다이싱되고(diced) 테스트된 양호한 서브다이(sub-die)들을 재배선층(RDL) 라인들을 통해 연결함으로써 최종 다이 유닛이 구성되는 새로운 패키징 프로세스가 적용되고 있다. 특히, 최종 다이 유닛(200)은 복수의 RDL 라인들(206)에 의해 연결된 서브다이들(202, 204)로 구성된다. 이러한 방식으로, 새로운 백엔드 어드밴스드 웨이퍼 레벨 패키징(advanced wafer level packaging, aWLP) 프로세스가 서브다이들로부터 새로운 다이를 만든다.
서브다이들이 몰드(mold) 상에 기계적으로 배치되고 RDL 라인들이 서브다이들의 상단에 배치되기 때문에, 인접한 다이 유닛들 간에 불일치하는(inconsistent) 서브다이 시프트(shift)들이 있을 수 있다. 이러한 종류의 불일치로 인해, 전통적인 다이-투-다이 차이 계산은 인접한 다이 유닛들에서 RDL 라인들이 완벽하게 정렬된 경우에도 검사 결과에 상당한 양의 노이즈(noise)를 발생시킨다. 예를 들어, 도 3에 도시된 바와 같이, 인접한 조립 다이 유닛(composed die unit)들은 RDL 라인들 아래에서 불일치하는 시프트들을 가질 수 있다. 특히, 도 3은 2 개의 최종 다이 유닛들(300, 302)을 도시한다. 최종 다이 유닛(300)은 RDL 라인들(308)에 의해 연결된 서브다이들(304, 306)로 형성되고, 최종 다이 유닛(302)은 RDL 라인들(314)에 의해 연결된 서브다이들(310, 312)로 형성된다. 최종 다이 유닛(300)의 분해도(316) 및 최종 다이 유닛(302)의 분해도(318)에 보다 명확하게 도시된 바와 같이, 상이한 최종 다이 유닛들은 RDL 라인들 아래의 서브다이들 간에 불일치하는 시프트들을 가질 수 있다.
또한 RDL 라인들은 주로 금속(알루미늄(aluminum) 또는 구리(copper))으로 만들어진다. 도 4 및 도 5에 도시된 바와 같이, RDL 라인들에서 관심 결함(defects of interest, DOI)들은 라인 개방 결함(line opening defect)(연결되지 않은 라인)들과 부분적 라인 개방 결함("마우스-바이트(mouse-bite)" 결함이라고도 함)들이다. 특히, 도 4는 RDL 라인에서 완전한 라인 개방 결함에 대한 테스트 이미지(400), 레퍼런스 이미지(402) 및 차이(difference) 이미지(404)를 도시한다. 테스트 이미지(400)의 원 부분(406)에서 명확하게 보여질 수 있는 바와 같이, 라인 개방 결함이 테스트 이미지에서 명백하다. 그러나, 차이 이미지(404)(테스트 이미지(400)에서 레퍼런스 이미지(402)를 감산함으로써 생성됨)에 도시된 바와 같이, 라인 개방 결함은 테스트 이미지(400)의 원 부분(406)에 대응하는 원 부분(408)에서 검출될 수 없고, 라인 개방 결함에 대응하는 차이 이미지의 부분은 정사각형 부분(410)에 도시된 것과 같은 차이 이미지의 다른 부분들과 구별될 수 없다. 따라서, 차이 이미지(404)는 라인 개방 결함을 성공적으로 검출하는 데 사용될 수 없다.
도 5는 RDL 라인 상의 또 다른 라인 개방 결함에 대한 레퍼런스 이미지(500), 테스트 이미지(502) 및 차이 이미지(504)를 도시한다. 테스트 이미지(502)로부터 보여질 수 있는 바와 같이, 테스트 이미지의 원 부분(510)에 위치된 부분적 라인 개방 결함이 테스트 이미지에서 명백하다. 그러나, 차이 이미지(504)(테스트 이미지(502)에서 레퍼런스 이미지(500)를 감산함으로써 생성됨)에 도시된 바와 같이, 테스트 이미지에서 원 부분(510)에 대응하는 원 부분(514)에서는 부분적 라인 개방 결함이 검출될 수 없다. 또한, 부분적 라인 개방 결함에 대응하는 차이 이미지의 부분은 레퍼런스 이미지의 결함이 없는(non-defective) 부분들(506) 및 테스트 이미지의 508에 대응하는, 사각형 부분(512)에 도시된 것과 같은 차이 이미지의 다른 부분들과 구별될 수 없다. 따라서, 차이 이미지(504)는 테스트 이미지(502)에서 볼 수 있는 부분적 라인 개방 결함을 검출하는 데 사용될 수 없다.
도 4와 도 5 모두에서, 따라서 테스트 이미지들은 명백한 라인 개방 또는 부분적 라인 개방 결함들을 포함하고 있는 것이 분명하다. 그러나 금속 RDL 라인들의 표면 거칠기(roughness)는 테스트 이미지들에서 실제 결함 신호가 존재하더라도 세기 차이 기반 검사를 매우 어렵게 만든다. 이는 차이 이미지들에서 라인 개방 또는 부분적 라인 개방 신호들은 테스트 및 레퍼런스 이미지들에서의 해당 라인들의 무작위 거칠기에 의해 생성된 노이즈에 완전히 묻혀 있기 때문이다.
따라서, 위에서 설명된 단점들 중 하나 이상이 없는 백엔드 aWLP 표본과 같은 표본들 상의 RDL 라인들의 완전한 및/또는 부분적 라인 개방 결함과 같은 결함들을 검출하기 위한 시스템들 및 방법들을 개발하는 것이 유리할 것이다.
다양한 실시예들에 대한 다음의 설명은 어떠한 방식으로든 첨부된 청구범위의 주제를 제한하는 것으로 해석되어서는 안 된다.
일 실시예는 표본 상의 결함들을 검출하도록 구성된 시스템에 관한 것이다. 시스템은 표본의 이미지들을 생성하도록 구성된 검사 서브시스템을 포함한다. 시스템은 또한 표본 상의 결함 후보들을 검출하도록 구성된 하나 이상의 컴퓨터 서브시스템을 포함한다. 결함 후보들을 검출하는 것은 표본에 대해 생성된 이미지들에 포함된 테스트 이미지에서 패턴화된 피처(patterned feature)를 식별하는 것을 포함한다. 결함 후보들을 검출하는 것은 또한, 패턴화된 피처 내에 위치된 테스트 이미지의 적어도 하나의 픽셀에 대해, 상기 적어도 하나의 픽셀의 특징(characteristic)과 상기 적어도 하나의 픽셀에 대한 미리 결정된 윈도우(predetermined window) 내에 위치된 테스트 이미지의 다른 픽셀들의 상기 특징 사이의 차이(difference)를 결정하는 것을 포함한다. 또한, 결함 후보들을 검출하는 것은 상기 결정된 차이에 기초하여 상기 적어도 하나의 픽셀에서 결함 후보를 검출하는 것을 포함한다. 시스템은 또한 본 명세서에 설명된 바와 같이 구성될 수 있다.
또 다른 실시예는 표본 상의 결함들을 검출하기 위한 컴퓨터 구현 방법에 관한 것이다. 방법은 검사 서브시스템에 의해 표본에 대해 생성된 이미지들에 포함된 테스트 이미지에서 패턴화된 피처를 식별하는 단계를 포함한다. 방법은 또한, 패턴화된 피처 내에 위치된 테스트 이미지의 적어도 하나의 픽셀에 대해, 적어도 하나의 픽셀의 특징과 상기 적어도 하나의 픽셀에 대한 미리 결정된 윈도우 내에 위치된 테스트 이미지의 다른 픽셀들의 상기 특징 사이의 차이를 결정하는 단계를 포함한다. 또한, 방법은 상기 결정된 차이에 기초하여 상기 적어도 하나의 픽셀에서 결함 후보를 검출하는 단계를 포함한다. 상기 식별하는 단계, 결정하는 단계 및 검출하는 단계는 검사 서브시스템에 결합된 하나 이상의 컴퓨터 서브시스템에 의해 수행된다.
위에 설명된 방법의 단계들의 각각은 본 명세서에 설명된 바와 같이 또한 수행될 수 있다. 또한, 위에 설명된 방법의 실시예는 본 명세서에 설명된 임의의 다른 방법(들)의 임의의 다른 단계(들)를 포함할 수 있다. 또한, 위에 설명된 방법은 본 명세서에 설명된 시스템들 중 임의의 것에 의해 수행될 수 있다.
또 다른 실시예는 표본 상의 결함들을 검출하기 위한 컴퓨터 구현 방법을 수행하기 위해 하나 이상의 컴퓨터 시스템에서 실행가능한 프로그램 명령을 저장하는 비일시적 컴퓨터 판독가능 매체에 관한 것이다. 컴퓨터 구현 방법은 위에서 설명된 방법의 단계들을 포함한다. 컴퓨터 판독가능 매체는 또한 본 명세서에 설명된 바와 같이 구성될 수 있다. 컴퓨터 구현 방법의 단계들은 본 명세서에서 추가로 설명된 바와 같이 수행될 수 있다. 또한, 프로그램 명령이 실행가능한 컴퓨터 구현 방법은 본 명세서에 설명된 임의의 다른 방법(들)의 임의의 다른 단계(들)를 포함할 수 있다.
본 발명의 추가적인 이점들은 바람직한 실시예들에 대한 다음의 상세한 설명 및 첨부된 도면들을 참조하여 당업자들에게 명백해질 것이다.
도 1a 및 도 1b는 본 명세서에 설명된 바와 같이 구성된 시스템 실시예들에 대한 측면도들을 예시하는 개략도이다.
도 2는 재배선층(RDL) 라인들이 상단에 형성된 다수의 서브다이들로부터 생성된 다이의 일 예에 대한 평면도를 예시하는 개략도이다.
도 3은 상부에 형성된 RDL 라인들의 아래에서 서로에 대해 불일치하는 시프트들을 갖는 다수의 서브다이들로 구성된 다이들의 예들에 대한 평면도를 예시하는 개략도이다.
도 4 및 도 5는 RDL 라인들에 있는 상이한 라인 개방 결함들에 대한 테스트, 레퍼런스 및 차이 이미지들의 예들을 포함한다.
도 6은 상이한 배향(orientation)들을 갖는 상이한 패턴화된 피처들의 부분들에 대한 일 예의 평면도를 예시하는 개략도이다.
도 7은 RDL 라인들에서 상이한 타입들의 결함들에 대한 예들을 예시하는 이미지들을 포함한다.
도 8은 미리 결정된 윈도우들이 상부에 오버레이된(overlaid) 패턴화된 피처들의 예들에 대한 평면도를 예시하는 개략도이고, 상기 윈도우들 내에서 차이가 본 명세서에 설명된 바와 같이 결정될 수 있고 패턴화된 피처들의 결함 후보들을 검출하는 데 사용될 수 있다.
도 9 및 도 10은 본 명세서에 설명된 바와 같이 검출될 수 있는 상이한 결함들에 대한 테스트 이미지들의 예들을 포함한다.
도 11은 상이한 패턴화된 피처들의 테스트 이미지들, 및 상기 상이한 패턴화된 피처들의 배향에 따라 상이한 특징들을 갖는 그 위에 오버레이된 미리 결정된 윈도우들의 실시예들에 대한 예들을 포함한다.
도 12 내지 도 14는 표본 상의 결함들을 검출하기 위해 본 명세서에 설명된 실시예들에 의해 수행될 수 있는 단계들의 실시예들을 예시하는 흐름도들이다.
도 15는 하나 이상의 컴퓨터 시스템들이 본 명세서에 설명된 컴퓨터 구현 방법을 수행하게 하기 위한 프로그램 명령을 저장하는 비일시적 컴퓨터 판독가능 매체의 일 실시예를 예시하는 블록도이다.
본 발명은 다양한 변형들 및 대안적인 형태들이 가능하지만, 그의 특정 실시예들이 도면들에 예로서 도시되고 본 명세서에서 상세히 설명된다. 도면들은 축척에 맞게 되어 있지 않을 수 있다. 그러나, 도면들 및 그에 대한 상세한 설명은 본 발명을 개시된 특정 형태로 제한하고자 하는 것이 아니라, 오히려 첨부된 청구범위에 의해 정의된 바와 같은 본 발명의 사상 및 범위 내에 속하는 모든 수정들, 등가물들 및 대안들을 포괄하는 것으로 의도됨을 이해해야 한다.
도 1a 및 도 1b는 본 명세서에 설명된 바와 같이 구성된 시스템 실시예들에 대한 측면도들을 예시하는 개략도이다.
도 2는 재배선층(RDL) 라인들이 상단에 형성된 다수의 서브다이들로부터 생성된 다이의 일 예에 대한 평면도를 예시하는 개략도이다.
도 3은 상부에 형성된 RDL 라인들의 아래에서 서로에 대해 불일치하는 시프트들을 갖는 다수의 서브다이들로 구성된 다이들의 예들에 대한 평면도를 예시하는 개략도이다.
도 4 및 도 5는 RDL 라인들에 있는 상이한 라인 개방 결함들에 대한 테스트, 레퍼런스 및 차이 이미지들의 예들을 포함한다.
도 6은 상이한 배향(orientation)들을 갖는 상이한 패턴화된 피처들의 부분들에 대한 일 예의 평면도를 예시하는 개략도이다.
도 7은 RDL 라인들에서 상이한 타입들의 결함들에 대한 예들을 예시하는 이미지들을 포함한다.
도 8은 미리 결정된 윈도우들이 상부에 오버레이된(overlaid) 패턴화된 피처들의 예들에 대한 평면도를 예시하는 개략도이고, 상기 윈도우들 내에서 차이가 본 명세서에 설명된 바와 같이 결정될 수 있고 패턴화된 피처들의 결함 후보들을 검출하는 데 사용될 수 있다.
도 9 및 도 10은 본 명세서에 설명된 바와 같이 검출될 수 있는 상이한 결함들에 대한 테스트 이미지들의 예들을 포함한다.
도 11은 상이한 패턴화된 피처들의 테스트 이미지들, 및 상기 상이한 패턴화된 피처들의 배향에 따라 상이한 특징들을 갖는 그 위에 오버레이된 미리 결정된 윈도우들의 실시예들에 대한 예들을 포함한다.
도 12 내지 도 14는 표본 상의 결함들을 검출하기 위해 본 명세서에 설명된 실시예들에 의해 수행될 수 있는 단계들의 실시예들을 예시하는 흐름도들이다.
도 15는 하나 이상의 컴퓨터 시스템들이 본 명세서에 설명된 컴퓨터 구현 방법을 수행하게 하기 위한 프로그램 명령을 저장하는 비일시적 컴퓨터 판독가능 매체의 일 실시예를 예시하는 블록도이다.
본 발명은 다양한 변형들 및 대안적인 형태들이 가능하지만, 그의 특정 실시예들이 도면들에 예로서 도시되고 본 명세서에서 상세히 설명된다. 도면들은 축척에 맞게 되어 있지 않을 수 있다. 그러나, 도면들 및 그에 대한 상세한 설명은 본 발명을 개시된 특정 형태로 제한하고자 하는 것이 아니라, 오히려 첨부된 청구범위에 의해 정의된 바와 같은 본 발명의 사상 및 범위 내에 속하는 모든 수정들, 등가물들 및 대안들을 포괄하는 것으로 의도됨을 이해해야 한다.
이제 도면으로 돌아가서, 도면들은 축척에 맞게 그려지지 않았음이 언급된다. 특히, 도면들의 일부 요소들의 크기는 그 요소들의 특징들을 강조하기 위해 크게 과장되어 있다. 또한 도면들은 동일한 축척으로 그려지지 않았음이 언급된다. 유사하게 구성될 수 있는 하나보다 많은 도면에 도시된 요소들은 동일한 참조 번호를 사용하여 표시되었다. 본 명세서에서 달리 언급되지 않는 한, 설명되고 도시된 요소들 중 임의의 요소는 상업적으로 이용 가능한 임의의 적합한 요소들을 포함할 수 있다.
본 명세서에서 사용되는 용어 "설계(design)" 및 "설계 데이터(design data)"는 대체로 IC의 물리적 설계(레이아웃(layout)) 및 복잡한 시뮬레이션 또는 단순한 기하학적 및 부울 연산(Boolean operation)들을 통해 물리적 설계로부터 파생된 데이터를 지칭한다. 물리적 설계는 그래픽 데이터 스트림(graphical data stream, GDS) 파일, 임의의 다른 표준 기계판독가능 파일, 이 기술 분야에 알려진 임의의 다른 적합한 파일 및 설계 데이터베이스와 같은 데이터 구조에 저장될 수 있다. GDSII 파일은 설계 레이아웃 데이터의 표현에 사용되는 한 클래스(class)의 파일들 중 하나이다. 이러한 파일들의 다른 예들로는 GL1 및 OASIS 파일들과 KLA Corp.(캘리포니아주 밀피타스 소재)의 소유인 RDF 데이터와 같은 독점 파일 포맷들이 있다. 설계는 임의의 다른 설계 데이터 또는 공동 소유된, Zafar 등에게 2009년 8월 4일에 발행된 미국특허 No. 7,570,796 및 Kulkarni 등에게 2010년 3월 9일에 발행된 미국특허 No. 7,676,077에 설명된 설계 데이터 프록시(proxy)들을 포함할 수 있고, 이들 특허 모두는 본 명세서에 완전히 설명된 것처럼 참조로 포함된다. 또한, 설계 데이터는 표준 셀 라이브러리 데이터(standard cell library data), 통합 레이아웃 데이터(integrated layout data), 하나 이상의 층들에 대한 설계 데이터, 설계 데이터의 파생물들 및 전체 또는 부분 칩 설계 데이터일 수 있다.
본 명세서에 설명된 "설계" 및 "설계 데이터"는 또한 설계 프로세스에서 반도체 디바이스 설계자들에 의해 생성되고, 따라서 임의의 물리적 웨이퍼들 상에 상기 설계를 인쇄하기 훨씬 전에 본 명세서에 설명된 실시예들에서의 사용에 이용 가능한 정보 및 데이터를 지칭한다. "설계" 또는 "물리적 설계"는 웨이퍼 상에 이상적으로 형성되는 설계일 수도 있다.
본 명세서에서 사용되는 용어 "뉴슨스(nuisance)들"은 사용자가 상관하지 않는 결함들 및/또는 검사에 의해 검출되지만 실제로는 결함들이 아닌 이벤트(event)들이다. 이벤트들(또는 "결함 후보(defect candidate)들")로 검출되지만 실제 결함들이 아닌 뉴슨스들은 표본 상의 비-결함(non-defect) 노이즈 소스(noise source)들(예를 들어, 라인 에지 거칠기(line edge roughness, LER), 패턴화된 피처들에서의 상대적으로 작은 임계 치수(critical dimension, CD) 변동, 두께 변동들, 금속 그레인 노이즈(metal grain noise) 등) 및/또는 검사 서브시스템 자체 또는 검사에 사용되는 그 구성의 경계성(marginality)들로 인해 검출될 수 있다. 따라서 일반적으로 검사의 목표는 웨이퍼들과 같은 표본들 상의 뉴슨스들을 검출하는 것이 아니다.
본 명세서에서 사용되는 용어 "관심 결함(defects of interest, DOI)들"은 표본 상에서 검출되고 실제로 표본 상의 실제 결함들인 결함들로서 정의된다. 따라서, 사용자들은 일반적으로 검사되고 있는 표본들 상에 실제 결함들이 얼마나 많고 어떤 종류인지에 대해 상관하기 때문에, DOI들은 사용자에게 관심 대상이다. 일부 상황에서, 용어 "DOI"는 사용자가 상관하는 실제 결함들만 포함하는, 표본 상의 모든 실제 결함들 중의 서브세트(subset)를 지칭하는 데 사용된다. 예를 들어, 임의의 주어진 표본 상에는 다수 타입의 DOI들이 있을 수 있으며 그것들 중 하나 이상은 하나 이상의 다른 타입들보다 사용자에게 더 관심 대상일 수 있다. 그러나, 본 명세서에 설명된 실시예들의 맥락에서, 용어 "DOI들"은 표본 상의 임의의 및 모든 실제 결함들을 지칭하는 데 사용된다.
일 실시예는 표본 상의 결함들을 검출하도록 구성된 시스템에 관한 것이다. 일 실시예에서, 표본은 웨이퍼(wafer)이다. 웨이퍼는 반도체 기술분야에서 알려진 임의의 웨이퍼를 포함할 수 있다. 일부 실시예들이 본 명세서에서 웨이퍼 또는 웨이퍼들에 대해 설명될 수 있지만, 실시예들은 그것들이 사용될 수 있는 표본들에 있어서 제한되지 않는다. 예를 들어, 본 명세서에 설명된 실시예들은 레티클들, 평면 패널(flat panel)들, 개인용 컴퓨터(PC) 보드(board)들 및 기타 반도체 표본들과 같은 표본들에 사용될 수 있다.
일 실시예에서, 표본은 금속 상부층을 포함한다. 하나의 그러한 일 실시예에서, 상부층은 알루미늄층일 수 있다. 알루미늄층은 이 기술분야에 알려진 임의의 적합한 알루미늄층을 포함할 수 있다. 표본의 상부층은 또한 백엔드 오브 라인(back end of line, BEOL) 층을 포함할 수 있으며, 이는 본 명세서에 설명된 것을 포함하여 이 기술분야에 알려진 임의의 BEOL 층을 포함할 수 있다. 추가 실시예에서, 표본의 상부층은 재배선층(RDL)일 수 있으며, 이는 이 기술분야에 알려진 임의의 적합한 구성을 가질 수 있다.
표본의 상부층은 또한 금속 라인(metal line)들을 포함할 수 있다. 예를 들어, BEOL 및 RDL 층들은 표본 상에 형성되는 디바이스들의 다양한 요소들을 형성하는 금속 라인들을 포함할 수 있다. 이러한 금속 라인들은 상당한 양의 "그레인" 노이즈를 생성할 수 있으며, 이는 본 명세서에서 더 설명된다. 본 명세서에서 사용되는 용어 "그레인(grain)"은 금속(예를 들어, 알루미늄 또는 구리)의 결정 구조에서의 전위(dislocation)들을 지칭한다. 본 명세서에 설명된 실시예들은 그레인 노이즈에도 불구하고 그러한 층들 상의 결함들의 검출을 가능하게 하도록 구성된다.
일부 실시예들에서, 표본은 포스트-다이스(post-dice) 표본이다. "포스트-다이스" 표본은 일반적으로 위에 다수의 디바이스들이 (예를 들어, 상이한 다이들 또는 다이스(dice)에서) 형성된 후 다양한 방식들 중 하나로 서로 분리된 웨이퍼 또는 기타 기판으로 정의될 수 있다. 또한, "포스트-다이스" 표본은 아직 패키징 프로세스에 들어가지 않은, 다수의 다이들 또는 다이스로 분리된 표본일 수도 있다.
또 다른 실시예에서, 표본은 하이 노이즈(high noise)층을 포함한다. 본 명세서에서 정의된 용어 "하이 노이즈"층은 대체로 그것의 노이즈가 그 층의 검사에서 주된 장애가 되는 층을 지칭한다. 예를 들어, 임의의 검사 툴(tool)로 검사되는 모든 웨이퍼 층은 다른 층들보다 더 많거나 적은 노이즈를 나타낼 수 있지만(그리고 그러한 노이즈의 검출을 처리하는 기술들이 일반적으로 모든 웨이퍼 층의 검사에 사용되어야 하지만), 웨이퍼 층들을 성공적으로 검사하는 데 있어서 주된 장애는 검출되어야 결함들의 극히 작은 크기인 것이 가장 흔하다. 이에 반해, 본 명세서에 설명된 실시예들은 크기가 약 200 nm 이상인 상대적으로 큰("매크로(macro)") 결함들을 검출하는 데 특히 적합하다. 따라서, (많은 검사 툴 구성들이 대부분의 층들에서 그러한 큰 결함들을 검출할 수 있기 때문에) 그러한 검사의 주된 장애는 반드시 검출되어야 하는 결함들의 크기가 되지는 않는다. 대신에, 본 명세서에 설명되는 층들은 층들에 대해 생성된 이미지들에서 대체로 "하이 노이즈" 레벨들을 나타낼 것이어서 그러한 큰 크기의 결함들을 검출하는 것이 불가능하지는 않더라도 어렵게 될 수 있다. 그러나, 본 명세서에 설명된 실시예들은 여기에 설명된 결함 검출을 통해 그러한 노이즈 레벨들을 처리하도록 설계되었다.
본 명세서에 설명된 실시예들은 많은 상이한 이유들로 그러한 결함들을 검출하는 데 특히 효과적이도록 설계되었다. 예를 들어, 인접한 다이들로부터의 동일한 이미지들이라는 유효한 가설 때문에, 전통적인 프런트엔드(front-end) 리소그래피 웨이퍼 제조 프로세스들에서 웨이퍼 검사는 보통 인접한 다이들 간의 이미지 비교에 의해 수행된다. 히스토그램 재매핑(histogram remapping)을 통한 인접한 다이 이미지 정렬 및 그레이 레벨 균일성 스케일링(gray level uniformity scaling)과 같은 합리적인 프리-프로세싱(preprocessing) 단계들을 사용하면, 문턱값보다 큰 차이들은 보통 비정상(abnormality)들 따라서 잠재적 결함들로 인해 발생한다.
새로운 어드밴스드 웨이퍼 레벨 패키지(aWLP) 기술에서는, 조립 다이 유닛이 RDL 라인들을 통해 서브다이들(이미 양호한 것으로 테스트됨)을 연결함으로써 만들어질 수 있다. 그러한 조립 다이 유닛의 예는 위에서 추가로 설명된 도 2에 도시되어 있다. RDL 라인들과 RDL 라인들 아래의 서브다이들은 위에서 추가로 논의된 도 3에 도시된 바와 같이, 불일치하는 상대적인 공간 시프트들을 가질 수 있다. RDL 라인들에 대해 수행된 인접한 다이들 간의 정렬로도, RDL 라인들 아래의 서브다이 구조들은 정렬이 안 될 수 있다. 이러한 정렬 불량(misalignment)은 RDL 라인들 아래의 구조들로부터 발생하는 정렬 불량 노이즈로 인해 전통적인 다이-투-다이 차이 기반 접근방식을 상당히 어렵게 만든다.
또한, RDL 라인들은 보통 금속(구리)이기 때문에, 라인 개방 결함 신호들이 표면 거칠기 유도 노이즈에 완전히 묻혀 있기 때문에, RDL 라인 이미지들의 표면 거칠기 유도 무작위 광학적 외관은 RDL 라인 개방 결함들의 세기 차이 기반 검출을 훨씬 더 어렵게 만들 수 있다. 하나의 그러한 예에서, 과도한 금속 그레인에 의해 유발될 수 있는, RDL 금속 라인 내 노이즈로 인해 상당한 노이즈가 검사에 의해 검출될 수 있다. 또 다른 그러한 예에서, RDL 층 상의 또는 아래의 투명 유전체 폴리머에 의해 유발되는 RDL 금속층 간 노이즈로 인해 상당한 노이즈가 검사에 의해 검출될 수 있다.
그러나 본 명세서에 설명된 실시예들은 심각한 다이-투-다이 차이 노이즈에 의해 방해받지 않는 RDL 라인 검사를 제공한다. 또한, 본 명세서에 설명된 실시예들은 RDL 라인들에 대한 테스트 이미지만의(즉, 다이-투-다이가 아님) 검사를 수행할 수 있다. 이러한 방식으로, 본 명세서에 설명된 실시예들은 그러한 결함들을 검출하기 위한 단일 다이 검사(single die inspection, SDI) 또는 단일 이미지 검출(single image detection, SID) 시스템들 및 방법들일 수 있으며, 이들은 검사에서 다이-투-다이 노이즈 소스를 제거할 것이다.
표본 상의 결함들을 검출하도록 구성된 시스템의 일 실시예가 도 1a에 도시되어 있다. 시스템은 검사 서브시스템(10) 및 하나 이상의 컴퓨터 서브시스템(예를 들어, 컴퓨터 서브시스템(36) 및 컴퓨터 서브시스템(들)(102))을 포함한다. 검사 서브시스템(10)은 표본에 대한 출력(예를 들어, 이미지들)을 생성하도록 구성된다. 일 실시예에서, 검사 서브시스템은 광학 서브시스템으로 구성된다. 예를 들어, 도 1a의 실시예에서, 검사 서브시스템은 표본으로부터 광을 검출하여 표본에 대한 출력을 생성하는 동안 표본의 물리적 버전 위로 광을 스캐닝하거나 표본의 물리적 버전으로 광을 지향시키도록 구성된다. 검사 서브시스템은 또한 다수의 모드들로 스캐닝(또는 지향) 및 검출을 수행하도록 구성될 수 있다.
일 실시예에서, 검사 서브시스템은 매크로 검사를 위해 구성된다. 따라서 여기에 설명된 시스템은 매크로 검사 툴이라고 지칭될 수 있다. 매크로 검사 툴은 RDL과 같은 상대적으로 노이즈가 많은 BEOL 층들의 검사 및 금속 라인들 상의 그레인과 같은 막대한 노이즈가 있는 상태에서 결함들을 검출하기 위한 포스트-다이스 애플리케이션들에 특히 적합하다. 매크로 검사 툴은 여기서 반드시 회절 제한된(diffraction limited)된 것은 아니며 약 200 nm 내지 약 2.0 미크론 이상의 공간 분해능(spatial resolution)을 갖는 시스템으로 정의된다. 이러한 공간 분해능은 그러한 시스템들이 검출할 수 있는 가장 작은 결함들이 약 200 nm보다 큰 치수를 가짐을 의미하며, 이는 오늘날 시장에서 가장 진보한 검사 툴들이 검출할 수 있는 가장 작은 결함들보다 훨씬 크기 때문에, "매크로" 검사자로 지칭된다. 그러한 시스템들은 오늘날 시장에서 가장 진보한 검사 툴들에 비해 더 긴 파장들의 광(예를 들어, 약 500 nm 내지 약 700 nm)을 이용하는 경향이 있다. 이러한 시스템들은 DOI들이 상대적으로 큰 크기를 가질 때 및 가능하게는 또한 시간당 100 개 웨이퍼(wph) 이상의 처리량이 필요할 때 사용될 수 있다(여기서 웨이퍼 처리량은 시간당 검사되는 300 mm 웨이퍼들의 수를 나타냄).
도 1a에 도시된 시스템의 실시예에서, 검사 서브시스템(10)은 광을 표본(14)으로 지향시키도록 구성된 조명 서브시스템을 포함한다. 조명 서브시스템은 적어도 하나의 광원을 포함한다. 예를 들어, 도 1a에 도시된 바와 같이, 조명 서브시스템은 광원(16)을 포함한다. 조명 서브시스템은 하나 이상의 비스듬한 각도 및/또는 하나 이상의 법선 각도를 포함할 수 있는, 하나 이상의 입사각으로 광을 표본으로 지향시키도록 구성될 수 있다. 예를 들어, 도 1a에 도시된 바와 같이, 광원(16)으로부터의 광은 광학 요소(18) 그리고 다음에 렌즈(20)를 통해 비스듬한 입사각으로 표본(14)으로 지향된다. 비스듬한 입사각은 예를 들어, 표본의 특징에 따라 달라질 수 있는 임의의 적합한 비스듬한 입사각을 포함할 수 있다.
검사 서브시스템은 상이한 시간들에서 상이한 입사각들로 광을 표본으로 지향시키도록 구성될 수 있다. 예를 들어, 검사 서브시스템은 광이 도 1a에 도시된 것과 상이한 입사각으로 표본으로 지향될 수 있도록, 조명 서브시스템의 하나 이상의 요소들의 하나 이상의 특징들을 변경하도록 구성될 수 있다. 하나의 그러한 예에서, 검사 서브시스템은 광이 상이한 비스듬한 입사각 또는 법선(또는 거의 법선) 입사각으로 표본으로 지향될 수 있도록, 광원(16), 광학 요소(18) 및 렌즈(20)를 이동시키도록 구성될 수 있다.
검사 서브시스템은 동시에 하나 이상의 입사각으로 광을 표본으로 지향시키도록 구성될 수 있다. 예를 들어, 조명 서브시스템은 하나 이상의 조명 채널을 포함할 수 있고, 조명 채널들 중 하나는 도 1a에 도시된 바와 같이 광원(16), 광학 요소(18) 및 렌즈(20)를 포함할 수 있고 조명 채널들 중 다른 하나(미도시)는 상이하거나 동일하게 구성될 수 있는 유사한 요소들을 포함할 수 있고, 또는 적어도 광원 및 가능하게는 여기에서 추가로 설명되는 것과 같은 하나 이상의 다른 구성요소들을 포함할 수 있다. 그러한 광이 다른 광과 동시에 표본으로 지향되는 경우, 상이한 입사각들로 표본으로 지향되는 광의 하나 이상의 특징들(예를 들어, 파장, 편광 등)이 상이할 수 있으므로 상이한 입사각들에서의 표본의 조명으로 인해 발생하는 광은 검출기(들)에서 서로 구별될 수 있다.
다른 예에서, 조명 서브시스템은 단 하나의 광원(예를 들어, 도 1a에 도시된 광원(16))을 포함할 수 있고 상기 광원으로부터의 광이 조명 서브시스템의 하나 이상의 광학 요소들(도시되지 않음)에 의해 (예를 들어, 파장, 편광 등에 기초하여) 상이한 광 경로(optical path)들로 분리될 수 있다. 상이한 광 경로들의 각각의 광은 그 다음에 표본으로 지향될 수 있다. 다수의 조명 채널들은 동시에 또는 상이한 시간들에(예를 들어, 상이한 조명 채널들이 표본을 순차적으로 비추기 위해 사용되는 경우) 표본에 광을 지향시키도록 구성될 수 있다. 또 다른 예에서, 동일한 조명 채널이 상이한 시간들에서 상이한 특징들을 갖고 표본으로 광을 지향시키도록 구성될 수 있다. 예를 들어, 일부 경우들에서, 광학 요소(18)는 스펙트럼 필터(spectral filter)로 구성될 수 있고 상이한 파장들의 광이 상이한 시간들에서 표본으로 지향될 수 있도록 스펙트럼 필터의 특성이 (예를 들어, 스펙트럼 필터를 교환함으로써) 다양한 상이한 방식들로 변경될 수 있다. 조명 서브시스템은 상이하거나 동일한 특징들을 갖는 광을 상이하거나 동일한 입사각들에서 순차적으로 또는 동시에 표본에 지향시키기 위해 이 기술분야에 알려진 임의의 다른 적합한 구성을 구비할 수 있다.
일 실시예에서, 광원(16)은 광대역 플라즈마(broadband plasma, BBP) 광원을 포함할 수 있다. 이러한 방식으로, 광원에 의해 생성되고 표본으로 지향되는 광은 광대역 광을 포함할 수 있다. 그러나, 광원은 레이저와 같은 임의의 다른 적합한 광원을 포함할 수 있다. 레이저는 이 기술분야에 알려진 임의의 적합한 레이저를 포함할 수 있고 이 기술분야에 알려진 임의의 적합한 파장 또는 파장들의 광을 생성하도록 구성될 수 있다. 또한, 레이저는 단색의(monochromatic) 또는 거의 단색의 광을 생성하도록 구성될 수 있다. 이러한 방식으로, 레이저는 협대역 레이저일 수 있다. 광원은 또한 다수의 이산(discrete) 파장들 또는 파장 대역(waveband)들에서 광을 생성하는 다색(polychromatic) 광원을 포함할 수 있다.
광학 요소(18)로부터의 광은 렌즈(20)에 의해 표본(14) 상으로 집속될 수 있다. 렌즈(20)는 단일 굴절 광학 요소로서 도 1a에 도시되어 있지만, 실제로 렌즈(20)는 조합하여 광학 요소에서 표본으로 광을 집속시키는 다수의 굴절 및/또는 반사 광학 요소들을 포함할 수 있다. 도 1a에 도시되고 여기에 설명된 조명 서브시스템은 임의의 다른 적합한 광학 요소들(도시되지 않음)을 포함할 수 있다. 그러한 광학 요소들의 예들은 편광 구성요소(들), 스펙트럼 필터(들), 공간 필터(들), 반사 광학 요소(들), 아포다이저(apodizer)(들), 빔 스플리터(beam splitter)(들), 애퍼처(aperture)(들) 등을 포함할 수 있고(그러나 이에 제한되지 않음), 이 기술분야에 알려진 임의의 그러한 적합한 광학 요소들을 포함할 수 있다. 또한, 검사 서브시스템은 검사에 사용되는 조명 타입에 기초하여 조명 서브시스템의 요소들 중 하나 이상을 변경하도록 구성될 수 있다.
검사 서브시스템은 또한 광이 표본 위로 스캔되게 하도록 구성된 스캐닝 서브시스템을 포함할 수 있다. 예를 들어, 검사 서브시스템은 검사 동안 표본(14)이 위에 배치되는 스테이지(22)를 포함할 수 있다. 스캐닝 서브시스템은 광이 표본 위로 스캔될 수 있도록 표본을 이동시키도록 구성될 수 있는 임의의 적합한 기계적 및/또는 로봇 조립체(스테이지(22)를 포함)를 포함할 수 있다. 추가로 또는 대안적으로, 검사 서브시스템은 검사 서브시스템의 하나 이상의 광학 요소가 표본 위로 광의 일부 스캐닝을 수행하도록 구성될 수 있다. 광은 구불구불한 경로 또는 나선형 경로와 같은 임의의 적합한 방식으로 표본 위로 스캔될 수 있다.
검사 서브시스템은 하나 이상의 검출 채널을 더 포함한다. 하나 이상의 검출 채널 중 적어도 하나는 표본에 대한 조명으로 인한 표본으로부터의 광을 검출하고 상기 검출된 광에 응답하는 출력을 생성하도록 구성된 검출기를 포함한다. 예를 들어, 도 1a에 도시된 검사 서브시스템은 컬렉터(24), 요소(26) 및 검출기(28)에 의해 형성된 하나와, 컬렉터(30), 요소(32) 및 검출기(34)에 의해 형성된 다른 하나의, 2 개의 검출 채널들을 포함한다. 도 1a에 도시된 바와 같이, 2 개의 검출 채널들은 상이한 수집 각도들에서 광을 수집하고 검출하도록 구성된다. 일부 예들에서는 두 검출 채널들 모두 산란된 광을 검출하도록 구성되고, 검출 채널들은 표본으로부터 상이한 각도들로 산란되는 광을 검출하도록 구성된다. 그러나 검출 채널들 중 하나 이상은 표본으로부터 다른 타입의 광(예를 들어, 정반사된 광)을 검출하도록 구성될 수 있다.
도 1a에 더 도시된 바와 같이, 두 검출 채널들은 모두 지면(plane of the paper)에 포지셔닝된 것으로 도시되고 조명 서브시스템도 지면에 포지셔닝된 것으로 도시되어 있다. 따라서, 이 실시예에서, 두 검출 채널은 모두 입사면에 포지셔닝(예를 들어, 입사면에 중심이 있음)된다. 그러나 검출 채널들 중 하나 이상은 입사면 밖에 포지셔닝될 수 있다. 예를 들어, 컬렉터(30), 요소(32) 및 검출기(34)에 의해 형성된 검출 채널은 입사면 밖으로 산란되는 광을 수집 및 검출하도록 구성될 수 있다. 따라서, 그러한 검출 채널은 보통 "측면(side)" 채널로 지칭될 수 있고, 그러한 측면 채널은 입사면에 실질적으로 수직인 평면에 중심을 둘 수 있다.
도 1a는 2 개의 검출 채널들을 포함하는 검사 서브시스템의 실시예를 도시하지만, 검사 서브시스템은 상이한 수의 검출 채널들(예를 들어, 단 하나의 검출 채널 또는 2 개 이상의 검출 채널들)을 포함할 수 있다. 하나의 그러한 예에서, 컬렉터(30), 요소(32) 및 검출기(34)에 의해 형성된 검출 채널은 위에 설명된 바와 같이 하나의 측면 채널을 형성할 수 있고, 검사 서브시스템은 입사면의 반대쪽에 포지셔닝된 또 다른 측면 채널로서 형성된 추가적인 검출 채널(도시되지 않음)을 포함할 수 있다. 따라서, 검사 서브시스템은 컬렉터(24), 요소(26) 및 검출기(28)를 포함하고 입사면에 중심을 두고 있고 표본 표면에 대해 법선에 있거나 법선에 가까운 산란 각도(들)에서 광을 수집 및 검출하도록 구성된 검출 채널을 포함할 수 있다. 따라서 이 검출 채널은 보통 "상단(top)" 채널로 지칭될 수 있고, 검사 서브시스템은 또한 위에 설명된 바와 같이 구성된 2 개 이상의 측면 채널들을 포함할 수 있다. 이와 같이, 검사 서브시스템은 적어도 3 개의 채널들(즉, 하나의 상단 채널 및 2 개의 측면 채널들)을 포함할 수 있고, 적어도 3 개의 채널들 각각은 그 자신의 컬렉터를 구비하며, 이들 각각은 다른 컬렉터들 각각과 상이한 산란 각도들에서 광을 수집하도록 구성된다.
위에서 더 설명한 바와 같이, 검사 서브시스템에 포함된 검출 채널들 각각은 산란된 광을 검출하도록 구성될 수 있다. 따라서, 도 1a에 도시된 검사 서브시스템은 표본들의 암시야(dark field, DF) 검사를 위해 구성될 수 있다. 그러나, 검사 서브시스템은 표본들의 명시야(bright field, BF) 검사를 위해 구성된 검출 채널(들)을 더 포함하거나 대안적으로 포함할 수 있다. 즉, 검사 서브시스템은 표본으로부터 정반사된 광을 검출하도록 구성된 적어도 하나의 검출 채널을 포함할 수 있다. 따라서, 여기에 설명된 검사 서브시스템들은 DF 전용, BF 전용 또는 DF 및 BF 이미징 모두를 위해 구성될 수 있다. 컬렉터들의 각각이 단일 굴절 광학 요소들로서 도 1a에 도시되어 있지만, 컬렉터들 각각은 하나 이상의 굴절 광학 요소(들) 및/또는 하나 이상의 반사 광학 요소(들)를 포함할 수 있다.
하나 이상의 검출 채널들은 이 기술분야에 알려진 임의의 적합한 검출기들을 포함할 수 있다. 예를 들어, 검출기들은 광전자 증배관(photo-multiplier tube, PMT)들, 전하 결합 소자(charge coupled device, CCD)들, 시간지연적분(time delay integration, TDI) 카메라들 및 이 기술분야에 알려진 임의의 다른 적합한 검출기들을 포함할 수 있다. 검출기들은 또한 비이미징(non-imaging) 검출기들 또는 이미징 검출기들을 포함할 수 있다. 검출기들이 비이미징 검출기들인 경우, 검출기들 각각은 세기와 같은 산란된 광의 특정 특징을 검출하도록 구성될 수 있지만 그러한 특징들을 이미징 평면 내의 포지션(position)의 함수로서 검출하도록 구성되지 않을 수 있다. 이와 같이, 검사 서브시스템의 검출 채널들 각각에 포함된 검출기들의 각각에 의해 생성되는 출력은 신호들 또는 데이터일 수 있지만, 이미지 신호들 또는 이미지 데이터는 아닐 수 있다. 그러한 경우에, 컴퓨터 서브시스템(36)과 같은 컴퓨터 서브시스템이 검출기들의 비이미징 출력으로부터 표본의 이미지들을 생성하도록 구성될 수 있다. 그러나, 다른 예들에서, 검출기들은 이미지 신호들 또는 이미지 데이터를 생성하도록 구성된 이미징 검출기들로서 구성될 수 있다. 따라서 검사 서브시스템은 여러 방식으로 이미지들을 생성하도록 구성될 수 있다.
도 1a는 본 명세서에 설명된 시스템 실시예들에 포함될 수 있거나 본 명세서에 설명된 시스템 실시예들에 의해 사용되는 출력을 생성할 수 있는 검사 서브시스템의 구성을 전반적으로 예시하기 위해 본 명세서에서 제공된다는 점이 언급된다. 명백하게, 여기에서 설명된 검사 서브시스템 구성은 상용 검사 시스템을 설계할 때 통상 수행되는 바와 같이 검사 서브시스템의 성능을 최적화하기 위해 변경될 수 있다. 또한, 여기세서 설명된 시스템들은 KLA로부터 상업적으로 이용 가능한 툴들의 Altair 시리즈와 같은 기존 시스템을 사용하여(예를 들어, 여기에 설명된 기능성을 기존 시스템에 추가함으로써) 구현될 수 있다. 일부 그러한 시스템의 경우, 여기에서 설명된 실시예들은 (예를 들어, 시스템의 다른 기능성에 부가하여) 시스템의 선택적인 기능성으로 제공될 수 있다. 대안적으로, 여기에서 설명된 검사 서브시스템은 완전히 새로운 검사 서브시스템을 제공하기 위해 "맨 처음부터" 설계될 수 있다. 검사 서브시스템은 또한 Mehanian 등에게 2010년 8월 24일에 발행된 미국특허 No. 7,782,452에 설명된 바와 같이 구성될 수 있으며, 이 특허는 본 명세서에 완전히 설명된 것처럼 참조로 포함된다.
컴퓨터 서브시스템(36)은 표본을 스캔하는 동안 검출기들에 의해 생성되는 출력을 컴퓨터 서브시스템이 수신할 수 있도록, 임의의 적합한 방식으로(예를 들어, "유선" 및/또는 "무선" 전송 매체를 포함할 수 있는 하나 이상의 전송 매체를 통해) 검사 서브시스템의 검출기들에 결합될 수 있다. 컴퓨터 서브시스템(36)은 검출기들의 출력을 사용하여 본 명세서에서 더 설명되는 여러 기능들을 수행하도록 구성될 수 있다.
(본 명세서에 설명된 다른 컴퓨터 서브시스템들 뿐만 아니라) 도 1a에 도시된 컴퓨터 서브시스템들은 본 명세서에서 컴퓨터 시스템(들)이라고도 지칭될 수 있다. 본 명세서에 설명된 컴퓨터 서브시스템(들) 또는 시스템(들) 각각은 개인용 컴퓨터 시스템, 이미지 컴퓨터, 메인프레임(mainframe) 컴퓨터 시스템, 워크스테이션(workstation), 네트워크 기기, 인터넷 기기 또는 기타 디바이스를 포함하는 다양한 형태들을 취할 수 있다. 대체로, 용어 "컴퓨터 시스템"은 메모리 매체로부터의 명령을 실행하는 하나 이상의 프로세서들을 구비하는 임의의 디바이스를 포함하도록 광범위하게 정의될 수 있다. 컴퓨터 서브시스템(들) 또는 시스템(들)은 또한 병렬 프로세서와 같은 이 기술분야에 알려진 임의의 적합한 프로세서를 포함할 수 있다. 또한, 컴퓨터 서브시스템(들) 또는 시스템(들)은 독립형 또는 네트워크화된 툴로서, 고속 프로세싱 및 소프트웨어를 갖춘 컴퓨터 플랫폼을 포함할 수 있다.
시스템이 하나보다 많은 컴퓨터 서브시스템을 포함하는 경우, 컴퓨터 서브시스템들 간에 이미지들, 데이터, 정보, 명령 등이 전송될 수 있도록, 상이한 컴퓨터 서브시스템들은 서로 결합될 수 있다. 예를 들어, 컴퓨터 서브시스템(36)은 이 기술분야에서 알려진 임의의 적합한 유선 및/또는 무선 전송 매체를 포함할 수 있는 임의의 적절한 전송 매체에 의해 도 1a에서 점선으로 도시된 바와 같이 컴퓨터 서브시스템(들)(102)에 결합될 수 있다. 그러한 컴퓨터 서브시스템들 중 2 개 이상은 또한 공유 컴퓨터 판독가능 저장매체(도시되지 않음)에 의해 효과적으로 결합될 수 있다.
위에서 검사 서브시스템은 광학(optical) 또는 광(light) 기반 검사 서브시스템인 것으로 설명되었지만, 일부 실시예들에서 검사 서브시스템은 전자빔(electron beam) 서브시스템으로 구성된다. 도 1b에 도시된 하나의 그러한 실시예에서, 검사 서브시스템은 컴퓨터 서브시스템(124)에 결합된 전자 컬럼(electron column)(122)을 포함한다. 또한 도 1b에 도시된 바와 같이, 전자 컬럼은 하나 이상의 요소(130)에 의해 표본(128)으로 집속되는 전자들을 생성하도록 구성된 전자빔 소스(126)를 포함한다. 전자빔 소스는 예를 들어 캐소드 소스(cathode source) 또는 이미터 팁(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, 대물 렌즈 및 스캐닝 서브시스템을 포함할 수 있고, 이들 모두는 이 기술분야에 알려진 임의의 그러한 적합한 요소들을 포함할 수 있다.
표본으로부터 되돌아온 전자들(예를 들어, 2 차 전자들)은 하나 이상의 요소들(132)에 의해 검출기(134)로 집속될 수 있다. 하나 이상의 요소들(132)은 예를 들어 스캐닝 서브시스템을 포함할 수 있으며, 이는 요소(들)(130)에 포함된 동일한 스캐닝 서브시스템일 수 있다.
전자 컬럼은 이 기술분야에 알려진 임의의 다른 적합한 요소들을 포함할 수 있다. 또한, 전자 칼럼은 Jiang 등에게 2014년 4월 4일 발행된 미국특허 No. 8,664,594, Kojima 등에게 2014년 4월 8일 발행된 8,692,204, Gubbens 등에게 2014년 4월 15일에 발행된 미국특허 No. 8,698,093, MacDonald 등에게 2014년 5월 6일에 발행된 미국특허 No. 8,716,662에 설명된 바와 같이 또한 구성될 수 있고, 이들 특허는 본 명세서에 완전히 설명된 것처럼 참조로 포함된다.
도 1b에서 전자 칼럼은 전자들이 비스듬한 입사각으로 표본으로 지향되고 또 다른 비스듬한 각도로 표본에서 산란되도록 구성된 것으로 도시되어 있지만, 전자빔은 임의의 적합한 각도들로 표본으로 지향 및 표본에서 산란될 수 있다. 또한, 전자빔 서브시스템은 본 명세서에서 추가로 설명된 바와 같이 (예를 들어, 상이한 조명 각도들, 수집 각도들 등으로) 표본의 이미지들을 생성하기 위해 다수의 모드들을 사용하도록 구성될 수 있다. 전자빔 서브시스템의 다수의 모드들은 검사 서브시스템의 임의의 이미지 생성 파라미터들에서 상이할 수 있다.
컴퓨터 서브시스템(124)은 위에 설명된 바와 같이 검출기(134)에 결합될 수 있다. 검출기는 표본의 표면에서 되돌아온 전자들을 검출하여 표본의 전자빔 이미지들을 형성할 수 있다. 전자빔 이미지들은 임의의 적합한 전자빔 이미지들을 포함할 수 있다. 컴퓨터 서브시스템(124)은 검출기(134)에 의해 생성된 출력을 사용하여 표본에 대해 본 명세서에서 추가로 설명되는 하나 이상의 기능들을 수행하도록 구성될 수 있다. 컴퓨터 서브시스템(124)은 본 명세서에 설명되는 임의의 추가적인 단계(들)를 수행하도록 구성될 수 있다. 도 1b에 도시된 검사 서브시스템을 포함하는 시스템이 본 명세서에 설명되는 바와 같이 또한 구성될 수 있다.
도 1b는 본 명세서에 설명된 실시예들에 포함될 수 있는 전자빔 서브시스템의 구성을 전반적으로 예시하기 위해 본 명세서에 제공된다는 점이 언급된다. 위에 설명된 광학 서브시스템에서와 같이, 여기서 설명된 전자빔 서브시스템 구성은 상용 검사 시스템을 설계할 때 통상 수행되는 바와 같이 검사 서브시스템의 성능을 최적화하기 위해 변경될 수 있다. 또한, 여기에서 설명된 시스템들은 KLA로부터 상업적으로 이용 가능한 툴들의 eSxxx 및 eDR-xxxx 시리즈와 같은 기존 시스템을 사용하여(예를 들어, 여기에 설명된 기능성을 기존 시스템에 부가함으로써) 구현될 수 있다. 일부 그러한 시스템의 경우, 여기에서 설명된 실시예들은 (예를 들어, 시스템의 다른 기능성에 부가하여) 시스템의 선택적인 기능성으로 제공될 수 있다. 대안적으로, 여기에서 설명된 시스템은 완전히 새로운 시스템을 제공하기 위해 "맨 처음부터" 설계될 수 있다.
검사 서브시스템이 광학 또는 전자빔 서브시스템인 것으로 위에서 설명되었지만, 검사 서브시스템은 이온빔(ion beam) 서브시스템일 수 있다. 그러한 검사 서브시스템은 전자빔 소스가 이 기술분야에 알려진 임의의 적합한 이온빔 소스로 대체될 수 있다는 점을 제외하고는 도 1b에 도시된 바와 같이 구성될 수 있다. 또한, 검사 서브시스템은 상업적으로 이용 가능한 집속 이온빔(focused ion beam, FIB) 시스템들, 헬륨 이온 현미경(helium ion microscopy, HIM) 시스템들 및 2차 이온 질량 분광법(secondary ion mass spectroscopy, SIMS) 시스템들에 포함된 것과 같은 임의의 다른 적합한 이온빔 서브시스템일 수 있다.
위에서 언급된 바와 같이, 검사 서브시스템은 표본의 물리적 버전 위에 에너지(예를 들어, 광, 전자들 등)를 스캐닝하여 표본의 물리적 버전에 대한 출력을 생성하도록 구성된다. 이러한 방식으로, 검사 서브시스템은 "가상의(virtual)" 서브시스템이 아닌, "실제의(actual)" 서브시스템으로 구성될 수 있다. 그러나, 저장 매체(도시되지 않음) 및 도 1a에 도시된 컴퓨터 서브시스템(들)(102)은 표본의 이미지들을 생성하도록 구성된 "가상의" 검사 서브시스템으로 구성될 수 있다. 특히, 저장 매체 및 컴퓨터 서브시스템(들)은 공동 양도된, Bhaskar 등에게 2012년 2월 28일 발행된 미국특허 No. 8,126,255 및 Duffy 등에게 2015년 12월 29일에 발행된 미국특허 No. 9,222,895에 설명된 바와 같이 "가상의" 검사 시스템으로 구성될 수 있으며, 이들은 모두 본 명세서에 완전히 설명된 것처럼 참조로 포함되고 본 명세서에 설명된 실시예들에서 검사 서브시스템으로 사용된다. 본 명세서에 설명된 실시예들은 또한 이들 특허에 설명된 바와 같이 구성될 수 있다.
위에서 더 언급된 바와 같이, 검사 서브시스템은 다수의 모드들로 표본에 대한 출력을 생성하도록 구성될 수 있다. 대체로, "모드(mode)"는 표본에 대한 출력(예를 들어, 이미지들)을 생성하는 데 사용되는 검사 서브시스템의 파라미터들의 값들에 의해 정의될 수 있다. 따라서 상이한 모드들은 검사 서브시스템의 적어도 하나의 파라미터(출력이 생성되는 표본 상의 포지션 제외)에 대해 상이한 값들에 의해 정의된다. 예를 들어, 광학 검사 서브시스템에서 상이한 모드들은 조명에 대해 적어도 하나의 상이한 파장의 광을 사용할 수 있다. 모드들은 여기에서 더 설명되는 바와 같이 (예를 들어, 상이한 모드들에 대해, 상이한 광원들, 상이한 스펙트럼 필터들 등을 사용함으로써) 조명 파장들에서 상이할 수 있다. 다른 예에서, 상이한 모드들은 검사 서브시스템의 상이한 조명 채널들을 사용할 수 있다. 예를 들어, 위에 언급된 바와 같이, 검사 서브시스템은 하나보다 많은 조명 채널을 포함할 수 있다. 따라서, 상이한 모드들에 대해 상이한 조명 채널들이 사용될 수 있다. 모드들은 또한, 또는 대안적으로 검사 서브시스템의 하나 이상의 수집/검출 파라미터들에서 상이할 수 있다. 검사 서브시스템은 예를 들어 동시에 표본을 스캔하기 위해 다수의 모드들을 사용하는 능력에 따라, 동일한 스캔 또는 상이한 스캔들에서 상이한 모드들로 표본을 스캔하도록 구성될 수 있다.
위에 설명된 바와 같이, 전통적인 순수한 다이-투-다이 세기 차이 기반 결함 검출 알고리즘들은 도 2 내지 도 5에 도시된 이유들 때문에 aWLP 표본들 상의 라인 개방 결함들을 검출하는 데 효과적이지 않다. 주된 방해는 무작위한 금속 라인 표면 거칠기 및/또는 불일치하는 공간 시프트로부터 유도된 과도한 뉴슨스에서 비롯된다. 즉, 차이 기반 신호가 검출될 수 있지만, 실제 라인 개방 결함들보다 상기 차이 신호에서의 노이즈가 그레이 레벨 세기와 기하학적 크기에서 더 클 수 있다. 라인 개방 결함들을 처리하기 위해, 본 명세서에서 설명되는 실시예들은 단일 다이 기반 검사 방식으로 수행될 수 있는, RDL 라인들 상의 라인 개방 결함들을 검출하기 위한 특수화된 검사 방법들 및 시스템들이다.
본 명세서에 기술된 실시예들은 RDL 라인들에서 라인 개방 결함들의 검출에 특히 적합하고 일부 실시예들은 그러한 결함들 및 표본들에 관하여 본 명세서에 설명되어 있지만, 설명된 실시예들은 그러한 결함들 및 표본들에 제한되지 않는다. 예를 들어, 본 명세서에 설명된 실시예들은 다른 상대적으로 높은 노이즈의 패턴화된 피처들에서의 결함들의 검사 및/또는 결함과 패턴화된 피처가 검사 이미지에서 실질적으로 상이한 특징들을 갖는 경우에 유리하게 사용될 수 있다.
컴퓨터 서브시스템(들)은 표본 상에서 결함 후보들을 검출하도록 구성된다. 본 명세서에서 사용된 용어 "결함 후보들"은 표본 상에서 검출된 임의의 이벤트로 정의되며 뉴슨스들로 걸러지지(filtered out) 않는다. 예를 들어, 결함 검출 후에, 결함 후보들은 표본 상에서 검출된 이벤트들 모두를 포함할 수 있으며, 실제 결함들(또는 DOI들) 및 뉴슨스 모두를 포함할 수 있다. 뉴슨스 필터링 후, 결함 후보들은 뉴슨스 필터링으로 제거되지 않은 검출된 결함 후보들 모두를 포함할 것이다. 뉴슨스 필터링 후 결함 후보들이 DOI들만을 포함하는지 여부는 뉴슨스 필터링이 DOI들과 뉴슨스들을 얼마나 잘 구별하는지에 달려 있다. 뉴슨스 필터링이 모두 수행된 후, 남아있는 결함 후보들은 검출된 결함들로 지정될 수 있고, 지정된 결함들 중 하나 이상이 실제로 뉴슨스(들)인 경우에도 그러하다.
결함 후보들을 검출하는 것은 표본에 대해 생성된 이미지들에 포함된 테스트 이미지에서 하나의 패턴화된 피처를 식별하는 것을 포함한다. 테스트 이미지는 검사 서브시스템에 의해 생성된 임의의 테스트, 타깃 또는 프레임 이미지일 수 있다. 테스트 이미지는 임의의 적합한 크기를 가질 수 있고 검사 서브시스템의 구성 및/또는 검사 서브시스템에 의해 생성된 출력에 대한 컴퓨터 프로세싱에 따라 그 크기가 달라질 수 있는 비교적 작은 패치 이미지(patch image)일 수 있다.
일 실시예에서, 상기 패턴화된 피처는 RDL 층 상의 라인을 포함한다. 또 다른 실시예에서, 패턴화된 피처는 금속으로 형성된다. 예를 들어, 여기서 더 설명되는 바와 같이, 본 명세서에서 설명되는 실시예들이 결함들을 검출할 수 있는 표본은 금속으로 형성된 RDL 라인들을 포함할 수 있다. 따라서, 여기서 더 설명되는 바와 같이 RDL 라인들이 라인 개방 결함들에 대해 검사될 수 있도록, 컴퓨터 서브시스템(들)은 테스트 이미지에서 RDL 라인들을 식별하도록 구성된다. 유사한 방식으로, 컴퓨터 서브시스템(들)은 검사를 위해 금속으로 형성된 다른 패턴화된 피처들을 식별하도록 구성될 수 있다.
일부 실시예들에서, 패턴화된 피처를 식별하는 것은 테스트 이미지에 있는 패턴화된 피처 내의 픽셀들을 테스트 이미지에 있는 모든 다른 픽셀들로부터 분리하는 마스크를 테스트 이미지에 적용하는 것을 포함한다. 즉, 테스트 이미지에서 패턴화된 피처를 식별하는 것은 패턴화된 피처에 대응하는 테스트 이미지의 픽셀들을 식별하는 것을 포함할 수 있다. 이러한 식별을 수행하는 데 특히 적합한 하나의 방법은 테스트 이미지에 마스크를 적용하는 것이다. 마스크는 패턴화된 피처에 대응하는 명확하게 정의되고 지정된 에어리어(area)(들)을 구비할 수 있으며, 그렇지 않은 에어리어(들)을 구비할 수 있다. 예를 들어, 마스크는 식별되고 있는 패턴화된 피처에 대응하는 투명(clear) 에어리어(들)과 패턴화된 피처에 대응하지 않는 불투명(opaque) 영역(들)을 포함할 수 있다(불투명 에어리어(들)은 관심 대상이 아닌 패턴화된 피처들, 밑에 있는(underlying) 또는 비패턴화된 에어리어들 등을 포함할 수 있음). 대체로, 마스크는 이 기술분야에 알려진 임의의 적합한 구성을 구비할 수 있다. 테스트 이미지에 마스크를 적용하는 것은 테스트 이미지에 마스크를 오버레이하고 그 다음에 테스트 이미지를 마스크에 정렬하는 것을 포함할 수 있다. 이러한 오버레이 단계 및 정렬 단계는 이 기술분야에 알려진 임의의 적합한 방식으로 수행될 수 있다.
여기에서는 식별 단계가 하나의 패턴화된 피처와 관련하여 설명되지만, 식별 단계는 실제로 동일한 테스트 이미지에서 동일한 특징들 또는 상이한 특징들(예를 들어, 동일한 특징들을 갖는 2 개 이상의 RDL 라인들, 적어도 일부는 서로 상이한 형상들, 배향들, 크기들 등을 가질 수 있는 2 개 이상의 RDL 라인들)을 가질 수 있는 관심 있는 하나보다 많은 패턴화된 피처를 식별하는 것을 포함할 수 있다. 즉, 식별 단계는 본 발명의 이해를 단순화하고 명확하게 하기 위해 하나의 패턴화된 피처에 대해 설명된다. 그러나, 식별 단계는 하나보다 많은 패턴화된 피처에 대해 동시에 또는 순차적으로 수행될 수 있다. 유사한 방식으로, 본 발명은 여기서 명료함과 단순함을 위해 하나의 테스트 이미지와 관련하여 설명될 수 있지만, 여기서 설명되는 단계들은 하나보다 많은 테스트 이미지에 대해 순차적으로 또는 동시에 수행될 수 있다. 테스트 이미지들은 표본 상의 하나 이상의 다이들에서 동일한 다이 내 포지션들(within die positions) 또는 표본 상의 하나 이상의 다이들에서 상이한 다이 내 포지션들에서 생성된 테스트 이미지들을 포함할 수 있고, 이는 테스트 이미지들이 서로와 동일한 패턴화된 피처들을 포함하지 않을 수 있다는 것을 의미한다. 테스트 이미지들은 위에서 설명되고 검사 서브시스템의 하나 이상의 모드들을 사용하여 생성된 테스트 이미지들 중 임의의 것을 더 포함할 수 있다.
하나의 그러한 실시예에서, 하나 이상의 컴퓨터 서브시스템은 표본에 대한 설계로부터 마스크를 생성하도록 구성된다. 이러한 방식으로, 본 명세서에 기술된 실시예들은 RDL 라인 마스크 생성을 위해 설계 정보를 이용할 수 있다. 예를 들어, KLA로부터 상업적으로 이용 가능한 Kronos™ 1080 웨이퍼-레벨 패키징 검사 시스템 이래로, FlexPoint™ 알고리즘 아키텍처(Altair 제품 라인에서 Kronos™ 1080 제품을 도입함으로써 적응적 검사를 위한 피처임)는 RDL 라인들과 라인들 사이의 공간들을 분리하기 위해 중앙값 세기 기반 세그멘테이션(median intensity-based segmentation)을 제공한다. FlexPoint™는 RDL 라인들 간의 브릿지(bridge)들이 쉽게 검출되도록, 특히 이미지 세기들이 보통 상대적으로 단조로운(quiet) 공간 에어리어에서, Altair 검사 툴들에 대해 감도-뉴슨스 트레이드오프(trade-off)를 크게 개선했다. 그러나 본 발명자들은 또한 RDL LER로 인해 명확한 라인 마스크들을 생성하는 것이 어려울 수 있음을 발견했다. KLA로부터 상업적으로 이용 가능한 일부 89xx 툴들은 사용자들이 사용자들에 의해 제공될 수 있는 설계 정보(예를 들어, GDS 파일들)를 기반으로 FlexPoint™ 마스크(RDL 라인/공간용)를 생성하도록 허용하는 피처를 포함할 것이다. 이러한 마스크의 생성은 유리하게도 표본 이미지들로부터 마스크들을 생성하는 것보다 훨씬 빠르고 깨끗하며 RDL LER의 영향을 받지 않는다. 설계 기반 FlexPoint™ 마스크들을 사용하여 RDL 공간들에서의 브릿지들에 부가하여 RDL 라인 개방부들이 본 명세서에 설명된 실시예들에 의해 검출될 수 있다. 설계 정보를 사용하는 FlexPoint™ 마스크 생성은 공동 양도된, 2020년 6월 15일에 출원된 Zhang 등에 의한 미국 특허출원 No.16/901,102에 설명된 바와 같이 수행될 수 있으며, 이 출원은 본 명세서에서 완전히 설명된 것처럼 참조로 포함되며, 상기 피처는 DesignWise™ 피처로서 KLA로부터 상업적으로 이용 가능한 89xx 툴들에서 이용 가능하다. 여기에 설명된 실시예들은 또한 이 특허 출원에 설명된 바와 같이 구성될 수 있다.
RDL 라인들에서 라인 개방 결함들에 대한 검출을 처리하기 위해, 본 명세서에 설명된 실시예들은 설계 기반 RDL 라인 및 공간 마스크들의 비교적 빠르고 용이한 생성으로부터 이익을 얻을 수 있다. 설계 기반 FlexPoint™ 마스크 생성을 사용하는 것의 즉각적인 이점은 실시예들이 마스크를 이미지 상에 정확하게 배치하기 위한 FlexPoint™ 피처의 구성요소인 패치-투-마스크 정렬(patch-to-mask alignment, PMA)을 수행하기 위해 순수한 전체 이미지 세기에 의존하지 않는다는 것이다. 따라서, (도 3에 도시된 바와 같은) RDL 내지 이전 층 시프트로부터의 모호성 또는 혼란은 정렬 프로세스에 영향을 미치지 않을 것이다.
또 다른 이러한 실시예에서, 마스크는 상이한 배향들을 갖는 패턴화된 피처의 부분들 내의 픽셀들을 상이한 영역들로 분리하고, 본 명세서에서 추가로 설명되는 결정 및 검출 단계들이 상기 상이한 영역들에 대해 개별적으로 수행된다. 예를 들어, 상이한 배향들을 갖는 RDL 라인 부분들은 상이한 영역 마스크 ID들이 쉽게 할당될 수 있고, 따라서 상이한 검사 알고리즘들 및 연관 파라미터들이 적용될 수 있다. 설계 기반 RDL 라인/공간 마스크는 이 기술분야에서 알려진 임의의 적합한 방식으로 생성될 수 있는 중앙값 레퍼런스 다이(median reference die, MRD) 이미지 위에 오버레이될 수 있다. 상이한 영역 ID들을 표현하기 위해 상이한 색상들이나 다른 적합한 표시들이 사용될 수 있다. 색상 있는 마스크나 다른 표시들이 없는 픽셀들은 검사되지 않는 영역들, 즉 관심 영역이 아니거나 상관하지 않는 에어리어들일 수 있다.
도 6에 도시된 바와 같이, 설계 정보를 사용하여 RDL 라인들 사이의 공간에 부가하여, 연속한 RDL 라인들을 상이한 배향들(예를 들어, 수평, 수직, 45도 대각선 및 135도 대각선)을 갖는 상이한 영역들로 쉽게 분리할 수 있다. 특히, 도 6은 상이한 영역들로 분리된 상이한 배향들을 갖는 패턴화된 피처들의 부분들이 있는 상이한 패턴화된 피처들(600, 602, 604, 606)의 예들을 도시한다. 패턴화된 피처(600)는 수평 배향들을 갖는 부분들(608, 612, 616), 45도 대각선 배향을 갖는 부분(610), 및 135도 대각선 부분을 갖는 부분(614)을 포함한다. 패턴화된 피처(602)는 수평 배향을 갖는 부분들(618, 622, 626), 45도 대각선 배향을 갖는 부분(620), 및 135도 대각선 배향을 갖는 부분(624)을 포함한다. 패턴화된 피처(604)는 수직 배향을 갖는 부분들(628, 632, 636), 135도 대각선 배향을 갖는 부분(630), 및 45도 대각선 배향을 갖는 부분(634)을 포함한다. 패턴화된 피처(606)는 수직 배향을 갖는 부분들(638, 642, 646), 135도 대각선 배향을 갖는 부분(640), 및 45도 대각선 배향을 갖는 부분(644)을 포함한다.
동일한 배향을 갖는 패턴화된 피처(들)의 부분들은 동일한 영역으로 분리될 수 있고, 상이한 배향들을 갖는 패턴화된 피처(들)의 부분들은 상이한 영역들로 분리될 수 있다. 하나의 그러한 예에서, 패턴화된 피처(600)의 부분들(608, 612, 616)에 있는 픽셀들은 제1 영역으로 분리될 수 있고, 패턴화된 피처(600)의 부분(610)에 있는 픽셀들은 제2 영역으로 분리될 수 있으며, 패턴화된 피처(600)의 부분(614)에 있는 픽셀들은 제3 영역으로 분리될 수 있다. 도 6에 도시된 다른 패턴화된 피처들의 부분들에 있는 픽셀들은 각각의 패턴화된 피처에 대해 개별적으로 생성되고 있는 영역들과 유사한 방식으로 분리될 수 있다.
동일한 배향을 갖는 다수의 패턴화된 피처들의 부분들의 픽셀들은 동일한 영역들로 분리될 수 있다. 예를 들어, 패턴화된 피처(600)의 부분들(608, 612, 616) 및 패턴화된 피처(602)의 부분들(618, 622, 626)에 있는 픽셀들은 제1 영역으로 분리될 수 있다. 패턴화된 피처(600)의 부분(610), 패턴화된 피처(602)의 부분(620), 패턴화된 피처(604)의 부분(634) 및 패턴화된 피처(606)의 부분(644)에 있는 픽셀들은 제2 영역으로 분리될 수 있다. 패턴화된 피처(600)의 부분(614), 패턴화된 피처(602)의 부분(624), 패턴화된 피처(604)의 부분(630) 및 패턴화된 피처(606)의 부분(640)에 있는 픽셀들은 제3 영역으로 분리될 수 있다. 패턴화된 피처(604)의 부분들(628, 632, 636) 및 패턴화된 피처(606)의 부분들(638, 642, 646)에 있는 픽셀들은 제4 영역으로 분리될 수 있다.
상이한 영역 ID들이 전체 RDL 라인들에 대한 상이한 라인 세그먼트들에 대해 정의될 수 있으며, 그것들은 도 6에 도시된 바와 같이 상이한 채우기(fill) 패턴들로 표현되거나 상이한 마스크 색상들과 같은 또 다른 방식으로 표현될 수 있다. 하나 이상의 컴퓨터 서브시스템은 적절한 RDL 추출 규칙 스크립트(script)들을 사용하여 DesignWise™ 피처로 여기에 설명된 마스크들을 쉽게 생성하고 사용할 수 있다. 마스크 설정은 레시피(recipe) 설정 시간 중에 수행될 수 있다.
패턴화된 피처 내에 위치된 테스트 이미지의 적어도 하나의 픽셀에 대해, 결함 후보들을 검출하는 것은 상기 적어도 하나의 픽셀의 특징과 상기 적어도 하나의 픽셀에 대한 미리 결정된 윈도우 내에 위치된 테스트 이미지의 다른 픽셀들의 상기 특징 사이의 차이를 결정하고, 상기 결정된 차이에 기초하여 상기 적어도 하나의 픽셀에서 결함 후보를 검출하는 것을 포함한다. 이러한 단계들에서는 라인 개방 결함들과 같은 결함들을 검출하기 위해, RDL 라인들/공간들에서의 구조적 연속성/불연속성 및 RDL 라인/공간 특정 노이즈 통계를 탐색하고 이용한다. 이러한 단계들의 목표는 위에서 설명한 바와 같이 RDL 라인 마스크들의 도움으로 라인 개방 결함들을 검출하는 것일 수 있다. 위에 설명된 바와 같이, 다이-투-다이 또는 기타 테스트-투-레퍼런스 비교들로부터의 차이 세기는 RDL 라인 거칠기로 인해 너무 많은 노이즈를 생성할 것이다. 그러나 테스트 이미지 자체를 살펴보면 라인 개방 결함 신호가 있음이 명확하다. 예를 들어, 도 7은 라인 개방 결함들을 명확하게 보여주는 테스트 이미지들을 포함한다. 특히, 테스트 이미지(700)는 상대적으로 작은 라인 개방 결함(702)을 보여준다. 테스트 이미지(704)는 라인의 대각선 세그먼트와 라인의 또 다른 수평 세그먼트 모두에서 희미한 라인 결함(706)과 상대적으로 큰 손실된 라인 결함(708)을 보여주며, 이는 레퍼런스 이미지(710)에서는 눈에 보이지 않는다. 이 이미지들에서는 라인들의 거칠기도 매우 명확하다.
본 명세서에 설명된 실시예들은 라인 개방 결함들을 검출하기 위해 구조적 연속성/불연속성의 특징들을 사용한다. 여기에 설명된 단계들와 관련된 RDL 라인 구조에는 두 가지가 관찰된다. 한 가지 관찰은 라인 개방 결함 에어리어에 있는 픽셀들의 경우, 그 픽셀들은 보통 라인들보다 BF 모드에서 더 낮거나 더 균일한 세기를 갖는 공간들에 "속한다"는 것이다. 두 번째 관찰은 RDL 라인들의 에지 근처에 있는 픽셀들의 경우, 그 세기는 보통 딥(dip) - 즉, 라인들 내부에 있는 픽셀들의 세기보다 낮지만 공간들에 있는 픽셀들의 세기보다 높음 - 을 갖는다는 것이다.
위에 설명된 바와 같이, 일 실시예에서, 마스크는 상이한 배향들을 갖는 패턴화된 피처의 부분들 내의 픽셀들을 상이한 영역들로 분리하고, 일부 그러한 실시예들에서는, 본 명세서에서 추가로 설명되는 결정 및 검출 단계들이 상이한 영역들에 대해 개별적으로 수행된다. 예를 들어, 설계 기반 FlexPoint™ 마스크(네이티브(native) 검사 픽셀 기반)의 편리함으로, 여기에 설명된 실시예들은 프레임의 픽셀이 수평 RDL 라인들, 수직 RDL 라인들, 135도 RDL 라인들, 45도 RDL 라인들, RDL 라인들 사이의 공간들, 상이한 배향들을 갖는 RDL 라인들 사이의 공간들, 상관하지 않는 에어리어들 등에 속하는지 여부를 +/-1 픽셀의 정확도로 용이하게 식별할 수 있다. 여기서 설명되는 단계들은 그 다음에 상이한 배향들을 갖는 라인들 및 공간들의 상이한 영역들에 대해 개별적으로 수행될 수 있으며, 가능하게는 상이한 미리 결정된 윈도우 크기들, 상이한 문턱값들, 상이한 감도(sensitivity)들 등과 같은 하나 이상의 상이한 파라미터들을 사용하여 수행될 수 있다. 예를 들어, 수직 배향을 갖는 라인들의 영역들은 제1 미리 결정된 윈도우 크기 및 형상 및 제1 문턱값 또는 감도로 검사될 수 있고, 수평 배향을 갖는 라인들의 영역들은 제2 미리 결정된 윈도우 크기 및 형상 및 제2 문턱값 또는 감도로 검사될 수 있다. 여기에 설명된 단계들의 기타 파라미터들은 유사하게 변경될 수 있다. 파라미터들은 또한 여기에 설명되는 다른 패턴화된 구조들 및 배향들에 대해 변경될 수 있다.
하나의 그러한 실시예에서, 하나 이상의 컴퓨터 서브시스템은 상이한 영역들에 대해 개별적으로 수행되는 결정 단계에 대해 사용되는 미리 결정된 윈도우의 하나 이상의 특징들을 독립적으로 결정하도록 구성된다. 예를 들어, 공간적 불연속성을 결정하는 데 사용되는 미리 결정된 윈도우 크기는 상이한 RDL 라인 세그먼트들에 대한 검사 레시피에서 정의될 수 있다. 라인 세그먼트의 각각의 타입은 그 자신의 특정 윈도우 크기 정의를 가질 수 있다. 윈도우 크기 정의들은 레시피 설정 단계에서 결정될 수 있다.
도 11은 상이한 RDL 라인 세그먼트들에 대한 상이한 미리 결정된 윈도우 크기 정의들을 도시한다. 미리 결정된 윈도우들은 이 이미지들에서 흰색 윤곽선으로 표시된 에어리어들로 도시된다. 예를 들어, 이미지(1100)는 수평 라인 세그먼트에 대한 미리 결정된 윈도우 크기 정의를 도시한다. 이미지(1102)는 수직 라인 세그먼트에 대한 미리 결정된 윈도우 크기 정의를 도시한다. 이미지(1104)는 135도 대각선 RDL 라인 세그먼트에 대한 미리 결정된 윈도우 크기 정의를 도시하고, 이미지(1106)는 45도 대각선 RDL 라인 세그먼트에 대한 미리 결정된 윈도우 크기 정의를 도시한다.
일 실시예에서, 차이를 결정하는 것은 상기 적어도 하나의 픽셀과 상기 미리 결정된 윈도우 내의 상기 다른 픽셀들의 특징의 범위를 결정하는 것을 포함하고, 상기 범위는 상기 적어도 하나의 픽셀과 상기 미리 결정된 윈도우 내의 상기 다른 픽셀들의 특징의 최대값 및 최소값 사이의 차이이며, 결함 후보들을 검출하는 것은 상기 범위에 문턱값을 적용하는 것을 포함한다. 여기서 접근방식들에 대한 2 가지 실시예가 단일 다이 기반 검사에 대해 설명된다. 이 접근방식은 공간 범위 윈도우(즉, 미리 결정된 윈도우)에 기반한 공간 연속성 메트릭(spatial continuity metric)을 사용한다. 위의 두 가지 관찰을 기반으로, RDL 라인 상의 각각의 픽셀에 대해 RDL 라인 세그먼트들 상의 픽셀을 중심으로 하는 공간 윈도우를 고안하고 상기 범위(최대 세기 픽셀과 최소 세기 픽셀 간의 차이)를 계산할 수 있다.
도 8은 이 접근방식이 어떻게 RDL 라인들 상의 결함들을 성공적으로 검출할 수 있는지 도시한다. 특히, 도 8은 수평 RDL 라인에서 라인 개방 결함으로 인한 구조적 불연속성을 검출하기 위한 메트릭으로서 범위를 사용하는 예(800) 및 대각선 RDL 라인에서 라인 개방 결함의 구조적 불연속성을 검출하기 위한 메트릭으로서 범위를 사용하는 예(810)를 도시한다. 예(800)는 라인들(802) 및 공간들(804)의 이미지들과, 라인들 중 하나의 상이한 부분들 상에 오버레이된 2 개의 미리 결정된 윈도우들(806, 808)을 포함한다. 미리 결정된 윈도우들(806, 808)은 라인들 중 하나 내의 상이한 픽셀들을 중심으로 도시된 동일한 미리 결정된 윈도우에 대한 두 개의 인스턴스들일 뿐이다. 예(810)는 라인들(812) 및 공간들(814)의 이미지들과, 라인들 중 하나 상에 오버레이된 2 개의 미리 결정된 윈도우들(816, 818)을 포함한다. 위와 같이, 미리 결정된 윈도우들(816, 818)은 라인들 중 하나 내의 상이한 픽셀들을 중심으로 도시된 동일한 미리 결정된 윈도우에 대한 두 개의 인스턴스들일 뿐이다. 미리 결정된 윈도우들(806, 816)에 중심이 있는 픽셀들에 대해 결정되는 범위 값들은 이러한 미리 결정된 윈도우들에 있는 픽셀들이 모두 상대적으로 낮은 세기와 단조로운 공간에 있기 때문에 상대적으로 낮을 것이다. 대조적으로, 미리 결정된 윈도우들(808, 818)에서 결정되는 범위 값들은 상대적으로 높다. 예를 들어 검사 이미지들에 사용되는 검사 서브시스템의 광 레벨 설정에 기반하여 상기 범위들은 밝은 라인 구조와 어두운 공간 배경의 최대값이 될 수 있다.
도 8은 이러한 미리 결정된 윈도우를 이용하여, 본 명세서에 설명된 실시예들이 상대적으로 낮은 계산 비용으로 RDL 불연속성을 검출할 수 있음을 보여준다. 물론 그러한 RDL 라인 개방 결함들이 검출되는 감도는 윈도우 크기에 따라 달라진다. 윈도우 크기가 너무 크면 일부 상당히 작은 라인 개방부들을 놓칠 수 있다. 윈도우 크기가 너무 작으면 뉴슨스들이 도입될 수 있다. 그러나, 이 검출 방법 자체는 0 또는 극히 낮은 뉴슨스 비율(rate)을 갖는 상당히 높은 캡처율(capture rate)을 반드시 목표로 하는 것은 아니다. 그 대신, 이 검출 접근방식은 "저렴하고 타당한" RDL 라인 개방 검출 방법으로서 사용될 수 있다. 여기에 설명되는 다른 단계들이 검출된 결함 후보들을 뉴슨스들 및 결함들로 분리하기 위해 수행될 수 있다.
또 다른 그러한 실시예에서, 하나 이상의 컴퓨터 서브시스템은 또한 결함 후보의 하나 이상의 특징에 기초하여 결함 후보가 결함인지를 결정하도록 구성된다. 예를 들어, 그러한 검출 방법은 상대적으로 작은 라인 개방 뉴슨스들을 제거하기 위한 일부 형태학적 포스트-프로세싱(morphological postprocessing) 단계 및/또는 KLA로부터 상업적으로 이용 가능한 일부 툴들에서 이용 가능한 결함 분류 모듈인 iDO를 통한 최종 결함 분류들을 할당하는 단계, 또는 과도한 뉴슨스를 제거하고 실제의 라인 개방 DOI를 유지하기 위한 딥 러닝(deep learning) 기반 비닝(binning) 단계와 결합될 수 있다. 그러한 형태학적 포스트-프로세싱 및 결함 분류 또는 비닝은 여기에서 추가로 설명되는 바와 같이 수행될 수 있다.
하나의 그러한 실시예에서, 결함 후보는 패턴화된 피처에서의 완전한 개방부를 포함한다. 예를 들어, 위에 설명된 첫 번째 접근방식은 상대적으로 간단하고 빠르며 RDL 라인 검사에 현재 사용되는 다른 방법들 및 시스템들보다 뉴슨스들을 덜 검출할 것이지만, 그 성능은 완전한 라인 개방부들에 대해 양호하고, 그러나 부분적 라인 개방부들에는 반드시 양호한 것은 아니다.
두 번째 접근방식은 패턴화된 피처 및 가능하게는 각각의 다이 프레임에서 동일한 해당 RDL 라인 세그먼트에서의 평균(mean) 세기에 대한 픽셀 세기의 차이를 기반으로 한다(이는 여기서 간단히 "Single Die Diff-to-Mean" 또는 “SDDifftMean”이라고 함). 예를 들어, 또 다른 실시예에서, 차이를 결정하는 것은 상기 적어도 하나의 픽셀의 특징과, 상기 적어도 하나의 픽셀과 미리 결정된 윈도우 내의 다른 픽셀들의 특징의 평균 사이의 차이를 결정하는 것을 포함한다. 상기 평균과, 픽셀의 특징과 평균 사이의 차이는 임의의 적합한 방식으로 결정될 수 있다.
하나의 그러한 실시예에서, 미리 결정된 윈도우는 테스트 이미지에서 패턴화된 피처 전체를 둘러싼다. 예를 들어, 첫 번째 접근방식과 달리, 차이가 결정되는 상기 미리 결정된 윈도우는 테스트 이미지에서 패턴화된 피처 전체를 포함할 수 있다. 특히, 식별된 패턴화된 피처의 픽셀들 모두의 특징들, 예를 들어 세기들의 평균(mean)이 결정될 수 있고, 그 다음에 그 패턴화된 피처에서 임의의 하나의 픽셀의 특징과 그 평균 사이의 차이가 결정되고 본 명세서에 설명되는 검출 단계를 위해 사용될 수 있다. 이러한 실시예는 도 8의 예(800)에 도시된 라인들과 같이, 테스트 이미지에서 패턴화된 피처 전체가 단일 배향을 가질 때 적합할 수 있다.
또 다른 그러한 실시예에서, 미리 결정된 윈도우는 테스트 이미지에서 상기 패턴화된 피처 전체와, 테스트 이미지에서 하나 이상의 다른 전체 패턴화된 피처들을 둘러싸고, 상기 하나 이상의 다른 전체 패턴화된 피처들은 상기 패턴화된 피처와 동일한 타입 및 배향을 갖는다. 예를 들어, 테스트 이미지가 동일한 타입 및 배향을 갖는 하나보다 많은 패턴화된 피처를 포함하면(예를 들어, 도 8의 예(800)에 도시된 라인들), 테스트 이미지에서 그 패턴화된 피처들 모두에 있는 픽셀들 모두의 특징들의 평균이 결정될 수 있고, 그 다음에 그 패턴화된 피처들에 있는 임의의 하나의 픽셀의 특징과 그 평균 사이의 차이가 결정될 수 있고 본 명세서에 설명된 검출 단계를 위해 사용될 수 있다. 동일한 타입 및 배향을 갖는 테스트 이미지에서의 패턴화된 피처들 중 하나보다 많은(또는 모든) 피처로부터 평균을 결정하는 것은 본 명세서에 설명된 검출 단계들에 이점을 제공할 수 있다. 예를 들어, 평균은 더 안정적이고 패턴화된 피처들에서의 노이즈에 덜 반응할 수 있다. 또한, 테스트 이미지에 있는 패턴화된 피처 또는 피처들로부터만(그리고 다른 테스트 이미지들 또는 레퍼런스 이미지와 같이 표본에 대해 생성된 임의의 다른 이미지들로부터가 아님) 평균을 결정하는 것은 표본 내의 또는 표본에 걸친 비-결함 변동이 평균에 영향을 미치는 것을 유리하게 감소시킬 수 있다.
미리 결정된 윈도우는 상이한 배향들을 갖고 픽셀들의 상이한 영역들로 분리된 패턴화된 피처들의 상이한 부분들에 대해 유사하게 변경될 수 있다. 예를 들어, 하나의 평균이 테스트 이미지에서 RDL 라인들의 수평으로 배향된 세그먼트들에 있는 모든 픽셀들로부터 결정될 수 있고, 또 다른 평균은 테스트 이미지에서 RDL 라인들의 수직으로 배향된 세그먼트들에 있는 모든 픽셀들로부터 결정되는 등 결정될 수 있다. 그 다음에 임의의 하나의 픽셀에 대한 차이를 결정하기 위해 사용되는 평균은 상기 픽셀이 위치된 RDL 라인의 세그먼트에 기초하여 선택될 수 있다. 즉, 테스트 이미지에서 픽셀이 RDL 라인의 수직으로 배향된 세그먼트에 위치되면, 테스트 이미지에서 RDL 라인들의 수직으로 배향된 세그먼트들 모두(또는 적어도 일부)로부터 결정된 평균이 선택되고 상기 픽셀에 대해 차이를 결정하는 데 사용될 수 있다.
추가적인 그러한 실시예에서, 결함 후보를 검출하는 것은 평균과, 적어도 하나의 픽셀과 미리 결정된 윈도우 내의 다른 픽셀들의 특징으로부터 표준 편차(standard deviation)를 결정하는 단계, 상기 차이를 표준 편차로 나눔으로써 신호 강도(signal strength)를 결정하는 단계, 신호 강도에 문턱값을 적용하는 단계를 포함한다. 개념은 비교적 간단하다: 평균 세기 및 세기의 표준 편차는 각각의 프레임의 라인 세그먼트들(예를 들어, 수평, 수직, 135도 대각선 및 45도 대각선 RDL 세그먼트들)의 각각의 그룹에 대해 계산될 수 있다. 그 다음에, 검사는 해당 라인 세그먼트들에 대해 다음의 식에 기술된 바와 같이 단순히 각각의 픽셀의 상대 강도(relative strength)를 찾는 것이다.
신호_강도 = (픽셀_세기 - 평균_세기) / 표준_편차
신호 강도가 규정된 문턱값보다 크면(극성(polarity)에 특유하게, 어두운 결함들과 밝은 결함들은 상이한 문턱값들을 가짐) 픽셀은 비정상이다. 이 방법은 개념적으로는 간단하지만 계산 비용이 상대적으로 많이 들 수 있다. 예를 들어, 이 방법은 2 번의 프레임 픽셀 방문 통과(visiting passes)를 포함할 수 있으며, 첫 번째 통과는 각각의 영역 또는 그룹에서 노이즈 통계(예를 들어, 평균 및 표준 편차)를 수집하기 위한 것이고, 한편 두 번째 통과는 상대 강도 계산 및 이상(anomaly) 검출을 위한 것이다. 그 외 평균 및 표준 편차는 이 기술분야에 알려진 임의의 적합한 방식으로 결정될 수 있다.
하나의 그러한 실시예에서, 하나 이상의 컴퓨터 서브시스템은 또한 테스트 이미지에 대해 생성된 중앙값 레퍼런스 이미지(median reference image)로부터 평균 및 표준 편차를 결정하도록 구성된다. 예를 들어, 공간 세그먼트들에서 평균 세기의 범위에 대한 대응 파라미터는 RDL 공간 세그먼트 마스크와 아래의 MRD 이미지를 사용하여 자동으로 계산될 수 있다. MRD 이미지는 이 기술분야에 알려진 임의의 적합한 방식으로 생성될 수 있다. 이 단계는 레시피 설정 시간 중에 수행될 수 있다.
처리량 최적화에 따라 수행되는 선택적 단계에서, RDL 라인 세그먼트 설계 다각형들로부터 마스크가 생성된 후(RDL 다각형들의 설계가 이미 MRD 이미지의 RDL 라인 구조와 정렬되어 있음을 의미), 수평, 수직, 45도 및 135도 대각선 RDL 라인 세그먼트들의 픽셀 세기에 대한 평균 및 표준 편차가 계산되고, RDL 라인 세그먼트들 사이의 공간 세그먼트들에 있는 그 픽셀들에 대해 유사한 계산들이 수행될 수 있다. 이러한 단계들은 레시피 설정 시간 중에 수행될 수 있다.
다른 그러한 실시예에서, 하나 이상의 컴퓨터 서브시스템은 테스트 이미지로부터 평균 및 표준 편차를 결정하도록 구성된다. 예를 들어, 평균 및 표준 편차는 단일 테스트 이미지로부터 위에 설명된 바와 같이 결정될 수 있으며 위에 설명된 동일한 이점들을 제공할 것이다. 이러한 방식으로, 본 명세서에 설명된 실시예들은 진정한 단일 다이 이미지(single die image, SDI) 결함 검출을 제공할 수 있다.
일부 실시예에서, 패턴화된 피처를 식별하는 단계는 테스트 이미지에 있는 패턴화된 피처 내의 픽셀들을 테스트 이미지에 있는 모든 다른 픽셀들로부터 분리하는 마스크를 테스트 이미지에 적용하는 단계, 및 패턴화된 피처의 하나 이상의 에지들을 넘는 하나 이상의 픽셀들을 식별하고 패턴화된 피처 내의 픽셀들로부터 상기 식별된 하나 이상의 픽셀들을 제거하기 위해 상기 마스크를 적용하는 단계의 결과들을 프리-프로세싱하는 단계를 포함한다. 다른 실시예에서, 패턴화된 피처를 식별하는 단계는 테스트 이미지에 있는 패턴화된 피처 내의 픽셀들을 테스트 이미지에 있는 모든 다른 픽셀들로부터 분리하는 마스크를 테스트 이미지에 적용하는 단계, 및 패턴화된 피처의 하나 이상의 에지들을 넘는 하나 이상의 픽셀들을 식별하고 패턴화된 피처 내의 픽셀들로부터 상기 식별된 하나 이상의 픽셀들을 제거하기 위해 상기 마스크를 적용하는 단계의 결과들을 포스트-프로세싱하는 단계를 포함한다. 이러한 실시예들에서, 마스크는 위에서 더 설명한 바와 같이 테스트 이미지에 적용될 수 있고 프리-프로세싱 또는 포스트-프로세싱 중 하나(또는 심지어 둘 모두)가 마스크 적용의 결과들에 적용되어 그 단계에서의 임의의 경계성들을 해결할 수 있다. 예를 들어, 시스템 제한으로 인해 마스크 배치 정확도는 대부분의 시스템들에서 약 +/- 1.5 픽셀일 수 있다. 아래에 더 설명되는 도 9에서 보여지는 바와 같이, 확대된 레벨에서는, RDL 라인 세그먼트들에 포함된 추가의(extra) 공간 픽셀들이 있을 수 있다. 이러한 추가의 공간 픽셀들은 과도한 뉴슨스 검출에 기여할 것이다. 따라서, 보다 강건한 프리-프로세싱 또는 포스트-프로세싱이 그 뉴슨스 검출을 완화하는 데 유리할 것이다. 이러한 추가의 공간 픽셀들을 처리하는 두 가지 방법이 있다: (1) 라인 세그먼트들에서 공간 픽셀들을 제거하기 위해 RDL 라인 세그먼트 마스크를 프리-프로세싱하는 것; 및 (2) 더 낮은 세기를 갖는 과도한 공간 픽셀들을 제거하기 위해 포스트-프로세싱하는 것. 어느 방법이든, 그 작업은 여기에 설명된 첫 번째 접근방식보다 비용이 많이 드는 계산을 포함한다. 프리-프로세싱 및 포스트-프로세싱 단계들은 이 기술분야에 알려진 임의의 적합한 방식으로 그 외 수행될 수 있다.
특히, 도 9는 표본에 대해 생성된 2 개의 테스트 이미지들(900, 908)을 도시한다. 테스트 이미지(900)는 2 개의 RDL 라인들(902, 904)을 포함하고, RDL 라인(904)에 라인 개방 결함(906)이 있다. 테스트 이미지(908)는 또한 2 개의 RDL 라인들(910, 912)을 포함하고, 이들 중 어느 것도 라인 개방 결함을 포함하지 않는다. 그러나, 본 명세서에 설명된 바와 같이 이들 이미지에 대해 결정된 상대 신호 강도는 테스트 이미지(900)에서의 라인 개방 DOI 및 RDL 라인 에지(914)에서의 뉴슨스들 모두의 검출을 결과로 발생시킬 것이다. 즉, RDL 라인 개방 검출을 위한 SDDifftMean 방법은 라인 개방 및 부분적 라인 개방 결함들에 대한 효과적인 검출을 제공하지만, RDL 라인 에지의 픽셀들에 대해 과도한 뉴슨스 검출을 할 수도 있다. 따라서, 위에 설명된 프리-프로세싱 및 포스트-프로세싱 단계들이 여기에서 설명된 실시예들에 대해 중요한 뉴슨스 감소 기술들이 될 수 있다.
추가 실시예에서, 결함 후보는 패턴화된 피처에 완전한 또는 부분적 개방부를 포함한다. 예를 들어, SDDifftMean 방법은 도 10에 도시된 바와 같이 완전한 라인 개방 결함들 및 또한 상대적으로 큰 부분적 라인 개방부들 모두를 검출할 수 있다. 특히, SDDifftMean 방법은 도 10에 도시된 테스트 이미지(1000)의 원 부분(1002)에 도시된 것과 같은 부분적 라인 개방 결함들뿐만 아니라, 도 9의 테스트 이미지(900)에 도시된 라인 개방 결함(906)과 같은 완전한 라인 개방 결함들 모두를 검출할 수 있다. 이러한 방식으로, SDDifftMean 방법에 의해 결정된 상대 신호 강도는 부분적 라인 개방부들을 검출할 수 있다.
일부 실시예들에서, 하나 이상의 컴퓨터 서브시스템은 검출 단계의 결과들에 형태학적 연산(morphological operation)을 수행함으로써 결함 후보가 결함인지를 결정하도록 구성된다. 예를 들어, 본 명세서에 설명되는 실시예들은 상대적으로 적은 수의 후보 픽셀 클릭(clique)들을 제거하기 위해 형태학적 연산을 사용할 수 있다. 본 명세서에 설명된 두 가지 단일-다이-기반 RDL 라인 개방 후보 검출 방법들에서는, 두 방법들 모두 DOI만의 캡처를 제공하지 않을 것이라는 것이 불가피하다. 두 방법들 모두 전통적인 다이-투-다이 차이-기반 검사 방법들보다 더 양호한 DOI 캡처율 대(vs.) 뉴슨스 비율을 제공한다. 후자는 보통 거대한 뉴슨스 검출로 검사를 압도하여 실제 DOI 검출이 불가능해진다. 공간적 불연속성 기반 또는 상대 신호 강도 기반의 새로운 단일 다이-기반 방법들은 훨씬 더 낮은 뉴슨스 비율로 훨씬 더 양호한 캡처율을 제공할 것이다. 그러나 생산 가치가 있는 웨이퍼 검사를 위해 뉴슨스를 더 줄이는 것이 바람직하다. 그러한 뉴슨스에 대한 한 가지 관찰은 그것들은 보통 산발적으로 확산되어 있고 상대적으로 적은 픽셀 카운트 클릭들로 존재한다는 것이다. 따라서 상대적으로 작은 크기의 뉴슨스들을 제거하기 위해 형태학적 연산을 수행될 수 있다. 이러한 형태학적 연산 기반의 뉴슨스 필터링은 검사 포스트-프로세싱 스테이지에서 상당한 양의 뉴슨스를 줄일 수 있다. 형태학적 특성에 대해 결함 후보들을 분석하고 이러한 형태학적 특성을 사용하여 가능한(probable) DOI들로부터 가능한 뉴슨스들을 분리하는 것은 그 외 임의의 적합한 방식으로 수행될 수 있다.
추가적인 실시예에서, 하나 이상의 컴퓨터 서브시스템은 테스트 이미지에 기반하여 결함 후보를 비닝(binning)함으로써 결함 후보가 결함인지를 결정하도록 구성된다. 다른 실시예에서, 하나 이상의 컴퓨터 서브시스템은 딥 러닝(deep learning, DL) 기반 분류자(classifier)를 테스트 이미지에 적용함으로써 결함 후보가 결함인지 결정하도록 구성된다. 예를 들어, 실시예들은 뉴슨스를 추가로 제거하기 위해 iDO 기반 비닝 또는 DL 기반 비닝을 사용할 수 있다. 하나의 그러한 예에서, 공간적 치수에서 상대적으로 크지만, RDL 라인 에지 거칠기 대(vs.) 부분적 라인 개방 또는 라인 벤딩(bending)과 같이 외관상 시각적으로 뉴슨스로 식별될 수 있는 일부 구조들이 있다. iDO 인라인 비닝(inline binning)이 각각의 병렬 프로세싱 유닛 레벨에서 잠재적인 뉴슨스를 걸러내는 데 사용될 수 있다. DOI와 뉴슨스가 시각적으로 구별가능하면, 결함 후보 패치(patch)들을 사용하는 DL 비닝이 iDO 분류자보다 더 나은 뉴슨스 감소 결과를 가질 수 있다. DL 기반 비닝은 2020년 3월 31일에 He 등에게 발행된 미국특허 No. 10,607,119에 설명된 바와 같이 수행될 수 있고, 이 특허는 본 명세서에 완전히 명시된 것처럼 참조로 포함된다. DL 기반 뉴슨스 필터링은 2019년 10월 24일에 출원된 Huang 등에 의한 미국 특허출원 No. 16/663,283에 설명된 바와 같이 수행될 수 있고, 이 특허출원은 본 명세서에 완전히 명시된 것처럼 참조로 포함된다. 본 명세서에 설명된 실시예들은 또한 이 특허 및 특허 출원에 설명된 바와 같이 구성될 수 있다.
일 실시예에서, 결정 및 검출 단계들은 레퍼런스 이미지 없이 수행된다. 즉, 결함 후보들을 검출하는 것은 다이-투-다이 검사에서와 같이 2 개의 다이 이미지들을 필요로 하거나 다이-투-레퍼런스 검사에서와 같이 테스트 및 레퍼런스 이미지를 필요로 하는 것이 아니라, 단일 이미지 결함 검출을 포함할 수 있다. 예를 들어, 금속 그레인은 백엔드(back end) 웨이퍼 검사에서 주된 뉴슨스이다. 금속 그레인은 웨이퍼들과 같은 표본들을 가로질러(예를 들어, 웨이퍼 상의 모든 다이들을 가로질러) 무작위로 분포되기 때문에, 금속 그레인은 다이-투-다이 차이에 의해 상쇄될(canceled) 수 없다. 특히, 금속층들에 대한 다이-투-다이 감산에 의해 생성된 차이 이미지들은 그 감산에 의해 상쇄될 수 없고 이벤트들로 검출될 수 있는 그레인 노이즈를 포함할 것이다. 실제로 다이-투-다이 차이 기반 접근방식은 금속 그레인으로부터의 노이즈를 증폭하여 DOI를 검출할 수 없게 만들 수 있다. 따라서 검출 및 비닝을 위해 현재 사용되는 다이-투-다이 결함 접근방식들은 그러한 표본들에 대해서는 작용하지 않을 것이다. 따라서, 본 명세서에 설명되는 실시예들은 인접한 다이들로부터든 표준 레퍼런스 다이로부터든, 어떠한 레퍼런스 다이들도 사용하지 않고 하나의 다이에서 결함들을 검출하고 분류하도록 구성될 수 있다. 본 명세서에 설명되는 실시예들은 DOI 후보들을 검출하고 DL을 통한 단일 다이 결함 패치 이미지들에 의해 또는 여기서 추가로 설명되는 또 다른 방식에 의해 금속 그레인 뉴슨스로부터 진정한 DOI를 분리할 수 있다.
도 12는 본 명세서에 설명된 바와 같이 결함들을 검출하기 위해 수행될 수 있는 단계들에 대한 일 실시예를 예시한다. 단계들은 2 개의 상이한 페이즈(phase)들, 즉 설정(setup) 페이즈(1200) 및 런 타임(run time) 페이즈(1202)로 수행될 수 있다. 설정 페이즈 동안, 하나 이상의 컴퓨터 서브시스템은 설계 데이터(1204), 예를 들어 GDS 파일을 이 기술분야에 알려진 임의의 적합한 방식으로 수행될 수 있는 렌더링(rendering) 및 배치 단계(1206)를 위한 입력으로서 사용할 수 있다. 설정 페이즈에서, 하나 이상의 컴퓨터 서브시스템은 또한 레퍼런스 생성 단계(1208)를 수행할 수 있으며, 이는 표본 검사를 위한 MRD 또는 또 다른 타입의 레퍼런스를 생성하는 것을 포함할 수 있다. 레퍼런스 생성 단계와, 렌더링 및 배치 단계의 결과들은 세그먼트 마스크 생성 단계(1210)를 위해 컴퓨터 서브시스템(들)에 의해 사용될 수 있으며, 세그먼트 마스크 생성 단계(1210)는 본 명세서에 설명된 세그먼트 마스크들 중 하나를 생성하는 것을 포함할 수 있다. 컴퓨터 서브시스템(들)은 또한 생성된 레퍼런스에서 앵커 사이트(anchor site)들이 선택되는 앵커 사이트 찾기 단계(1212)를 위해 레퍼런스 생성 단계(1208) 출력을 사용할 수 있다. 앵커 사이트들은 그 다음에 검사 서브시스템에 의해 생성된 이미지들을 공통 레퍼런스에 정렬하기 위해 검사 프로세스에서 사용될 수 있다.
검사의 런 타임에서, 레시피 파라미터들은 검사를 실행하고 있는 각각의 CPU 코어로 전송될 수 있다. 런타임 페이즈에서 상이한 RDL 라인/공간 세그먼트들과 연관된 추가적인 레시피 파라미터들이 검사에 사용하기 위해 마스크와 함께 검사 컴퓨터로 전송될 수 있다. 런타임 페이즈에서, 하나 이상의 컴퓨터 서브시스템은 앵커 사이트 찾기 단계의 출력을 사용하여 검사 서브시스템에 의해 생성된 이미지들이 마스크에 정렬되는 패치-투-마스크 정렬 단계(1214)를 수행하여, 이미지들에 있는 패턴화된 피처들이 스캔된 이미지 상에 마스크를 배치하는 단계(1216)에 의해 여기서 더 설명되는 바와 같이 식별될 수 있도록 한다. 단계(1218)에 도시된 바와 같이, 하나 이상의 컴퓨터 서브시스템은 그 다음에 본 명세서에 설명된 바와 같이 세그먼트 기반 다이-투-다이(DtD) 차이 세기 기반 검사 또는 단일 다이(SD) 검사를 수행한다. 예를 들어, 런타임 페이즈에서 세그먼트 기반 DtD/SD 타깃 세기 기반 검사 단계는 세그먼트 마스크를 사용한 전통적인 다이-투-다이 검사 또는 여기에 추가로 설명되는 다음의 두 가지 접근방식 중 하나를 사용한 새로운 세그먼트 마스크 가이드된 단일 다이 검사를 수행하는 것을 포함할 수 있다: (1) 구조적 연속성을 위한 공간적 윈도우; 및/또는 (2) 동일한 세그먼트의 표준 편차에 의해 정규화될 수 있는 동일한 세그먼트에서 픽셀 세기와 그것의 평균 세기 사이의 차이.
도 13은 "공간 연속성" 기반 단일 다이 RDL 라인 개방 검출을 위해 본 명세서에 설명된 실시예들에 의해 수행될 수 있는 단계들의 실시예를 도시한다. 도 13에 도시된 바와 같이, 단계들은 검출 경로(defection path) 페이즈(1300) 및 포스트-프로세싱 페이즈(1302)의 두 페이즈로 수행된다. 하나 이상의 컴퓨터 서브시스템은 본 명세서에 설명된 프리-프로세싱 단계들 중 임의의 단계를 포함할 수 있는 프리-프로세싱 단계(1304)를 수행한다. 프리-프로세싱 단계가 완료된 후, 검출 경로는 단계(1306)에 도시된 바와 같이 픽셀 루프가 완료되었는지를 결정하는 것으로 시작할 수 있다. "픽셀 루프(pixel loop)"를 수행하는 것은 작업 프레임, 패치 이미지, 테스트 이미지 등의 각각의 픽셀을 통해 순환 이동(loop through)하는 것(방문)을 의미한다. 픽셀 루프가 완료되면, 하나 이상의 컴퓨터 서브시스템은 포스트-프로세싱 페이즈로 진행한다.
픽셀 루프가 완료되지 않은 것으로 결정되면, 하나 이상의 컴퓨터 서브시스템은 단계(1308)에 도시된 바와 같이 픽셀이 RDL 라인(n) 상에 있는지를 결정한다. 픽셀이 RDL 라인 상에 있지 않으면, 하나 이상의 컴퓨터 서브시스템은 단계(1306)를 반복한다. 픽셀이 RDL 라인 상에 있는 것으로 결정되면, 컴퓨터 서브시스템(들)은 단계(1310)에 도시된 바와 같이 픽셀의 세기가 범위(n) 내에 있는지를 결정한다. 범위 내의 픽셀 세기는 범위 설정의 최소값보다 크고 범위 설정의 최대값보다 작은 세기로 정의될 수 있다. 픽셀이 범위(n) 내에 있지 않으면, 하나 이상의 컴퓨터 서브시스템은 단계(1306)으로 리턴한다. 픽셀 세기가 범위(n) 내에 있는 것으로 결정되면, 단계(1312)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 단일 다이 픽셀 윈도우 범위가 문턱값 미만인지 결정한다. 문턱값 미만의 단일 다이 픽셀 윈도우 범위는 이웃 픽셀들의 최대 세기 - 이웃 픽셀들의 최소 세기가 문턱값 설정 미만임을 의미한다. 단일 다이 픽셀 윈도우 범위가 문턱값보다 작지 않은 경우, 하나 이상의 컴퓨터 서브시스템은 단계(1306)로 리턴한다. 단일 다이 픽셀 윈도우 범위가 문턱값 미만인 것으로 결정되면, 단계(1314)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 상기 픽셀을 결함이 있는 것으로 마킹한다. 단계(1314) 후에, 하나 이상의 컴퓨터 서브시스템은 단계(1306)로 리턴한다.
단계(1306)에서 하나 이상의 컴퓨터 서브시스템이 픽셀 루프가 완료되었다고 결정하는 경우, 포스트-프로세싱 페이즈(1302)의 단계(1316)에서 하나 이상의 컴퓨터 서브시스템은 결함 블롭(defective blob)들을 생성한다. 그 다음에 단계(1318)에서 하나 이상의 컴퓨터 서브시스템은 결함 블롭들 루프가 완료되었는지를 결정한다. 결함 블롭들 루프가 완료되지 않은 것으로 결정되면, 단계(1320)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 블롭 내의 결함 픽셀들의 수가 문턱값을 초과하는지를 결정한다. 블롭 내의 결함 픽셀들의 수가 문턱값을 초과하지 않으면, 하나 이상의 컴퓨터 서브시스템은 단계(1318)로 리턴한다. 블롭 내의 결함 픽셀들의 수가 문턱값을 초과하면, 단계(1322)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 결함을 생성한다. 하나 이상의 컴퓨터 서브시스템이 결함을 생성한 후, 하나 이상의 컴퓨터 서브시스템은 단계(1318)로 리턴한다. 하나 이상의 컴퓨터 서브시스템이 결함 블롭들 루프가 완료되었다고 결정하는 경우, 하나 이상의 컴퓨터 서브시스템은 포스트-프로세싱 단계(1324)를 수행하며, 이는 본 명세서에 설명된 포스트-프로세싱 단계들 중 임의의 것을 포함할 수 있다. 그 다음에 하나 이상의 컴퓨터 서브시스템은 결과를 리턴하는 단계(1326)를 수행하고, 여기서 컴퓨터 서브시스템(들)에 의해 수행된 단계들 중 임의의 단계의 결과들이 검사 결과 파일 또는 또 다른 적합한 파일로서 출력된다.
도 14는 "평균에 대해 정규화된 상대 강도(normalized relative strength to mean)" 기반 단일 다이 RDL 라인 개방 검출에 대해 본 명세서에 설명된 실시예들에 의해 수행될 수 있는 단계들에 대한 실시예를 예시한다. 도 14에 도시된 바와 같이, 단계들은 노이즈 수집 경로 페이즈(1400) 및 검출 경로 페이즈(1402)의 두 페이즈로 수행될 수 있다. 노이즈 수집 경로를 시작하기 전에, 하나 이상의 컴퓨터 서브시스템은 본 명세서에서 설명된 프리-프로세싱 단계들 중 임의의 것을 포함할 수 있는 프리-프로세싱(1404)을 수행한다. 프리-프로세싱 단계(들)이 완료된 후, 단계(1406)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 제1 픽셀 루프가 완료되었는지를 결정함으로써 노이즈 수집 경로를 시작한다. 제1 픽셀 루프가 완료되지 않은 경우, 단계(1408)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 픽셀이 RDL 라인(n) 또는 공간(m) 상에 있는지를 결정한다. 픽셀이 RDL 라인(n) 또는 공간(m) 상에 있지 않은 것으로 결정되면, 하나 이상의 컴퓨터 서브시스템은 단계(1406)로 리턴한다. 픽셀이 RDL 라인(n) 또는 공간(m) 상에 있는 것으로 결정되면, 단계(1410)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 라인(n) 및/또는 공간(m)의 세그먼트들에 대한 세기의 평균 및 표준 편차(std)를 수집한다. 하나 이상의 컴퓨터 서브시스템은 단계(1410)를 수행한 후, 하나 이상의 컴퓨터 서브시스템은 단계(1406)로 리턴한다.
하나 이상의 컴퓨터 서브시스템이 단계(1406)에서 제1 픽셀 루프가 완료되었다고 결정하는 경우, 하나 이상의 컴퓨터 서브시스템은 단계(1412)에서 제2 픽셀 루프가 완료되었는지를 결정함으로써 검출 경로(1402)를 시작한다. 하나 이상의 컴퓨터 서브시스템이 제2 픽셀 루프가 완료되지 않았다고 결정하면, 단계(1414)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 픽셀이 RDL 라인(n) 또는 공간(m) 상에 있는지를 결정한다. 픽셀이 RDL 라인(n) 또는 공간(m) 상에 있지 않은 것으로 결정되면, 하나 이상의 컴퓨터 서브시스템은 단계(1412)로 리턴한다. 픽셀이 RDL 라인(n) 또는 공간(m) 상에 있는 것으로 결정되면, 단계(1416)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 (픽셀_세기 - 평균[n])/std[n] 으로 픽셀의 신호 강도를 계산한다. 하나 이상의 컴퓨터 서브시스템이 픽셀의 신호 강도를 계산한 후, 단계(1418)에 도시된 바와 같이 하나 이상의 컴퓨터 서브시스템은 픽셀의 신호 강도가 문턱값을 초과하는지를 결정한다. 픽셀의 신호 강도가 문턱값을 초과하지 않으면, 하나 이상의 컴퓨터 서브시스템은 단계(1412)로 리턴한다. 픽셀 신호 강도가 문턱값을 초과하면, 단계(1420)에 도시된 바와 같이 컴퓨터 서브시스템(들)은 픽셀을 결함이 있는 것으로 마킹한다.
하나 이상의 컴퓨터 서브시스템은 단계(1412)에서 제2 픽셀 루프가 완료되었다고 결정하는 경우, 하나 이상의 컴퓨터 서브시스템은 포스트-프로세싱 페이즈(1422)를 시작한다. 이 실시예에서 수행되는 포스트-프로세싱 페이즈는 도 13에 도시된 포스트-프로세싱 페이즈와 동일할 수 있다.
위에서 설명되고 도 12 내지 도 14에 도시된 단계들의 실시예들은 본 명세서에 설명된 시스템 실시예들 중 임의의 것에 의해 수행될 수 있다. 또한, 이들 도면에서 설명되고 도시된 단계들에 대한 실시예들은 여기서 추가로 설명된 바와 같이 수행될 수 있고 여기서 설명되는 임의의 다른 단계들과 결합될 수 있다.
임의의 특정 사용 사례에 대해 어떤 접근방식이 가장 좋은지 선택하는 데 사용될 수 있는 본 명세서에 설명된 첫 번째 접근방식과 두 번째 접근방식 사이에는 약간의 차이점과 유사점이 있다. 예를 들어, 첫 번째 픽셀 범위 기반 접근방식은 프레임의 각각의 픽셀을 방문하는 하나의 검출 통과(detection pass)만 필요하고, 이는 노이즈 통계 수집(각각의 세그먼트에서 세기의 평균 및 표준편차)을 위한 한 번과 검사를 위한 한 번의 두 번의 프레임 픽셀 방문 통과를 포함할 수 있는 두 번째 접근방식보다 계산 비용이 덜 든다. 또한, 첫 번째 픽셀 범위 기반 접근방식은 상대적으로 낮은 비용으로 완전한 라인 개방 결함들을 검출하는 반면, 두 번째 평균 기반 접근방식은 완전한 라인 개방 결함들에 부가하여 RDL의 부분적 라인 개방 결함들을 검출할 수 있다. 두 번째 평균 기반 접근방식의 비용을 줄이기 위해, 실시예들은 본 명세서에 설명된 바와 같이 설정 페이즈에서 MRD 또는 다른 적합한 레퍼런스에 대한 평균 및 표준 편차를 계산할 수 있다. 이러한 방식으로, 실시예들은 각각의 픽셀에 대해 2 번의 통과를 수행하는 것을 피할 수 있지만, 이러한 레퍼런스를 사용하는 것은 상이한 다이들에서 웨이퍼 규모의 국부적인 프로세스 변동들에 대응하는 능력이 더 낮을 수 있다. 두 접근방식들의 포스트-프로세싱 페이즈는 동일할 수 있다. 두 접근 방식들에서 포스트-프로세싱 단계(들)는 iDO 기반 뉴슨스 감소 및 DL 비닝 기반 뉴슨스 감소와 같은 본 명세서에 설명된 포스트-프로세싱 단계(들) 중 임의의 것을 포함할 수 있다.
본 명세서에 설명된 실시예들은 RDL 라인들 및 기타 노이즈가 있는 패턴화된 피처(noisy patterned feature)들 상의 결함들을 검출하기 위해 현재 사용되는 시스템들 및 방법들에 비해 많은 이점들을 갖는다. 예를 들어, 본 명세서에 설명된 실시예들은 (부분적) 라인 개방 결함들을 검출하기 위해 단일 다이 세기 기반 피처를 이용할 수 있고, 이는 RDL 라인들의 상대적으로 거친 금속 표면들에 의한 다이-투-다이 세기 차이들에서 발생하는 과도한 노이즈 문제들을 극복한다. 또한, 설계 기반 마스크를 사용하는 것은 실시예들이 RDL 라인들과 RDL 라인들 아래의 서브다이 구조들 사이의 불일치하는 시프트들을 우회하여 작업할 수 있게 한다. 본 명세서에 설명된 실시예들은 또한 aWLP 사용 사례들에 대해 기존의 백엔드 검사 툴들에 의한 RDL 라인 개방부들을 캡처하는 감도를 개선하는 데 도움이 될 수 있다.
본 명세서에 설명된 실시예들은 위에 설명된 이점들을 가능하게 하는 많은 중요한 방식들에서 RDL 라인들 및 기타 노이즈가 있는 패턴화된 피처들 상의 결함들을 검출하기 위해 현재 사용되는 시스템들 및 방법들과 상이하다. 예를 들어, 본 명세서에 설명된 실시예들은 다이-투-다이 차이 기반 검사에서의 과도한 노이즈를 회피하는 단일 다이 세기 기반 검사가 가능하다. 또한, 본 명세서에 설명된 실시예들은 RDL 라인 개방 검출을 위한 새로운 공간 연속성 기반 메트릭을 제공한다. 본 명세서에 설명된 실시예들은 또한 RDL 라인 개방 검출을 위한 새로운 상대 강도 기반 메트릭을 제공한다. 또한, 본 명세서에 설명된 실시예들은 (예를 들어, 수평, 수직, 135도 대각선, 45도 대각선의) RDL 라인들의 상이한 세그먼트들을 상이한 영역들로 분리하는 것을 단순화하고 용이하게 하기 위해 설계 다각형 정보를 사용하도록 구성될 수 있으며, 이는 특히 전통적인 세기 기반 마스크 생성이 불가능해지는 상황들에 중요하다. 본 명세서에 설명된 실시예들은 또한 세기 기반 검출 접근방식으로부터 통과된 뉴슨스를 제거함으로써 뉴슨스와 DOI 사이의 더 양호한 구별을 위한 DL 기반 비닝을 사용할 수 있다.
하나 이상의 컴퓨터 서브시스템은 검출된 결함 후보들 및/또는 검출된 결함들에 대한 결과들을 생성하도록 구성될 수 있다. 결함 후보들 및/또는 결함들에 대한 결과들은 검출된 결함들의 경계 박스들에 대한 위치 등과 같은 정보, 검출 스코어, 클래스 라벨들 또는 ID들 등과 같은 결함 분류들에 대한 정보, 또는 이 기술분야에 알려진 임의의 이러한 적합한 정보와 같은 본 명세서에 설명된 결과들 중 임의의 것을 포함할 수 있다. 결함 후보들 및/또는 결함들에 대한 결과들은 컴퓨터 서브시스템(들)에 의해 임의의 적절한 방식으로 생성될 수 있다. 결함 후보들 및/또는 결함들에 대한 결과들은 표준 파일 타입과 같은 임의의 적합한 형식(form) 또는 포맷(format)을 가질 수 있다. 컴퓨터 서브시스템(들)은 결과들을 생성하고, 그 결과들이 컴퓨터 서브시스템(들) 및/또는 상기 표본 또는 동일한 타입의 또 다른 표본에 대해 하나 이상의 기능들을 수행하기 위한 또 다른 시스템 또는 방법에 의해 사용될 수 있도록 그 결과들을 저장할 수 있다. 그러한 기능들은 피드백 방식으로 표본에 수행된 제조 프로세스 또는 단계와 같은 프로세스를 변경하는 것, 피드포워드 방식으로 표본에 수행될 제조 프로세스 또는 단계와 같은 프로세스를 변경하는 것 등을 포함하지만 이에 제한되는 것은 아니다.
위에 설명된 시스템들 각각에 대한 실시예들 각각은 하나의 단일 실시예로 함께 결합될 수 있다.
또 다른 실시예는 표본 상의 결함들을 검출하기 위한 컴퓨터 구현 방법에 관한 것이다. 방법은 검사 서브시스템에 의해 표본에 대해 생성된 이미지에 포함된 테스트 이미지에서 패턴화된 피처를 식별하는 단계를 포함한다. 방법은 또한 패턴화된 피처 내에 위치된 테스트 이미지의 적어도 하나의 픽셀에 대해, 상기 적어도 하나의 픽셀의 특징과 상기 적어도 하나의 픽셀에 대한 미리 결정된 윈도우 내에 위치된 테스트 이미지의 다른 픽셀들의 상기 특징 사이의 차이를 결정하는 단계를 포함한다. 또한, 방법은 상기 결정된 차이에 기초하여 상기 적어도 하나의 픽셀에서 결함 후보를 검출하는 단계를 포함한다. 식별 단계, 결정 단계 및 검출 단계들은 검사 서브시스템에 연결된 하나 이상의 컴퓨터 서브시스템들에 의해 수행된다.
방법의 단계들 각각은 본 명세서에서 추가로 설명된 바와 같이 수행될 수 있다. 방법은 또한 본 명세서에 설명된 시스템, 컴퓨터 서브시스템(들) 및/또는 검사 서브시스템들에 의해 수행될 수 있는 임의의 다른 단계(들)를 포함할 수 있다. 검사 서브시스템 및 하나 이상의 컴퓨터 서브시스템들, 예를 들어 각각 검사 서브시스템(10) 및 컴퓨터 서브시스템(들)(36, 102)은 본 명세서에 설명된 실시예들 중 임의의 실시예에 따라 구성될 수 있다. 또한, 위에 설명된 방법은 본 명세서에 설명된 시스템 실시예들 중 임의의 것에 의해 수행될 수 있다.
추가적인 실시예는 표본 상의 결함들을 검출하기 위한 컴퓨터 구현 방법을 수행하기 위해 하나 이상의 컴퓨터 시스템에서 실행 가능한 프로그램 명령을 저장하는 비일시적 컴퓨터 판독가능 매체에 관한 것이다. 하나의 그러한 실시예가 도 15에 도시되어 있다. 특히, 도 15에 도시된 바와 같이, 비일시적 컴퓨터 판독가능 매체(1500)는 컴퓨터 시스템(들)(1504)에서 실행 가능한 프로그램 명령(1502)을 포함한다. 컴퓨터 구현 방법은 본 명세서에서 설명된 임의의 방법(들)의 임의의 단계(들)을 포함할 수 있다.
본 명세서에 설명된 것들과 같은 방법들을 구현하는 프로그램 명령(1502)은 컴퓨터 판독가능 매체(1500)에 저장될 수 있다. 컴퓨터 판독가능 매체는 자기(magnetic) 또는 광(optical) 디스크, 자기 테이프, 또는 이 기술분야에 알려진 임의의 다른 적합한 비일시적 컴퓨터 판독가능 매체와 같은 저장 매체일 수 있다.
프로그램 명령은 무엇보다도 절차 기반 기법들, 컴포넌트 기반 기법들, 및/또는 오브젝트 지향 기법들을 포함하는 다양한 방식들 중 임의의 것으로 구현될 수 있다. 예를 들어, 프로그램 명령은 필요에 따라 ActiveX 컨트롤(ActiveX controls), C++ 오브젝트(C++ objects), 자바빈(JavaBeans), 마이크로소프트 파운데이션 클래스(Microsoft Foundation Classes)("MFC"), SSE(Streaming SIMD Extension) 또는 기타 기술들이나 방법론들을 사용하여 구현될 수 있다.
컴퓨터 시스템(들)(1504)은 본 명세서에 설명된 실시예들 중 임의의 실시예에 따라 구성될 수 있다.
본 발명의 다양한 양태들에 대한 추가 수정들 및 대안적인 실시예들이 본 설명을 고려하여 당업자에게 명백할 것이다. 예로서 표본 상의 결함들을 검출하기 위한 방법들 및 시스템들이 제공되어 있다. 따라서, 이 설명은 단지 예시적인 것으로 해석되어야 하며 본 발명을 수행하는 전반적인 방식을 당업자에게 교시할 목적을 위한 것이다. 본 명세서에 도시되고 설명된 본 발명의 형태들은 현재의 바람직한 실시예들로서 취해져야 함을 이해해야 한다. 요소들 및 재료들은 본 명세서에 예시 및 설명된 것들에 대해 대체될 수 있고, 부분들 및 프로세스들은 반전될(reversed) 수 있으며, 본 발명의 특정 피처들은 독립적으로 이용될 수 있으며, 모두 본 발명의 이 설명의 혜택을 받은 후에는 당업자에게 명백할 것이다. 다음 청구범위에 기재된 바와 같은 본 발명의 사상 및 범위를 벗어나지 않고 본 명세서에 설명된 요소들에 변경들이 이루어질 수 있다.
Claims (29)
- 표본 상의 결함들을 검출하도록 구성된 시스템으로서,
표본의 이미지들을 생성하도록 구성된 검사 서브시스템; 및
상기 표본 상의 결함 후보들을 검출하도록 구성된 하나 이상의 컴퓨터 서브시스템
을 포함하고,
상기 결함 후보들을 검출하는 것은,
상기 표본에 대해 생성된 이미지들에 포함된 테스트 이미지에서 패턴화된 피처(patterned feature)를 식별하는 단계;
상기 패턴화된 피처 내에 위치된 상기 테스트 이미지의 적어도 하나의 픽셀에 대해, 상기 적어도 하나의 픽셀의 특징(characteristic)과 상기 적어도 하나의 픽셀에 대한 미리 결정된 윈도우(predetermined window) 내에 위치된 상기 테스트 이미지의 다른 픽셀들의 상기 특징 사이의 차이(difference)를 결정하는 단계; 및
상기 결정된 차이에 기초하여 상기 적어도 하나의 픽셀에서 결함 후보를 검출하는 단계
를 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 패턴화된 피처는 재배선층(redistribution layer) 상의 라인(line)을 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 패턴화된 피처는 금속으로 형성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 결정하는 단계 및 검출하는 단계는 레퍼런스 이미지(reference image) 없이 수행되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 식별하는 단계는 상기 테스트 이미지에 있는 상기 패턴화된 피처 내의 픽셀들을 상기 테스트 이미지에 있는 모든 다른 픽셀들로부터 분리하는 마스크를 상기 테스트 이미지에 적용하는 단계를 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제5 항에 있어서,
상기 하나 이상의 컴퓨터 서브시스템은 또한 상기 표본에 대한 설계로부터 상기 마스크를 생성하도록 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제5 항에 있어서,
상기 마스크는 상이한 배향(orientation)들을 갖는 상기 패턴화된 피처의 부분들 내의 픽셀들을 상이한 영역들로 분리하고, 상기 결정하는 단계 및 검출하는 단계는 상기 상이한 영역들에 대해 개별적으로 수행되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제7 항에 있어서,
상기 하나 이상의 컴퓨터 서브시스템은 또한 상기 상이한 영역들에 대해 개별적으로 수행되는 상기 결정하는 단계에 사용되는 상기 미리 결정된 윈도우의 하나 이상의 특징들을 독립적으로 결정하도록 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 차이를 결정하는 단계는 상기 적어도 하나의 픽셀과 상기 미리 결정된 윈도우 내의 상기 다른 픽셀들의 특징의 범위(range)를 결정하는 것을 포함하고, 상기 범위는 상기 적어도 하나의 픽셀과 상기 미리 결정된 윈도우 내의 상기 다른 픽셀들의 특징의 최대값과 최소값 사이의 차이이고, 상기 결함 후보를 검출하는 단계는 상기 범위에 문턱값을 적용하는 것을 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제9 항에 있어서,
상기 결함 후보는 상기 패턴화된 피처에서 완전한 개방부(complete opening)를 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제9 항에 있어서,
상기 하나 이상의 컴퓨터 서브시스템은 또한 상기 결함 후보의 하나 이상의 특징들에 기초하여 상기 결함 후보가 결함인지를 결정하도록 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 차이를 결정하는 단계는 상기 적어도 하나의 픽셀의 특징과, 상기 적어도 하나의 픽셀과 상기 미리 결정된 윈도우 내의 상기 다른 픽셀들의 특징의 평균(mean) 사이의 차이를 결정하는 것을 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제12 항에 있어서,
상기 미리 결정된 윈도우는 상기 테스트 이미지에 있는 상기 패턴화된 피처의 전체를 둘러싸는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제12 항에 있어서,
상기 미리 결정된 윈도우는 상기 테스트 이미지에 있는 상기 패턴화된 피처의 전체 및 상기 테스트 이미지에 있는 하나 이상의 다른 전체의 패턴화된 피처들을 둘러싸고, 상기 하나 이상의 다른 전체의 패턴화된 피처들은 상기 패턴화된 피처와 동일한 타입 및 배향을 가지는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제12 항에 있어서,
상기 결함 후보를 검출하는 단계는 상기 적어도 하나의 픽셀과 상기 미리 결정된 윈도우 내의 상기 다른 픽셀들의 상기 특징 및 상기 평균으로부터 표준 편차를 결정하는 단계, 상기 차이를 상기 표준 편차로 나누어 신호 강도(signal strength)를 결정하는 단계, 및 상기 신호 강도에 문턱값을 적용하는 단계를 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제15 항에 있어서,
상기 하나 이상의 컴퓨터 서브시스템은 또한 상기 테스트 이미지에 대해 생성된 중앙값 레퍼런스 이미지(median reference image)로부터 상기 평균 및 상기 표준 편차를 결정하도록 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제15 항에 있어서,
상기 하나 이상의 컴퓨터 서브시스템은 또한 상기 테스트 이미지로부터 상기 평균 및 상기 표준 편차를 결정하도록 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제12 항에 있어서,
상기 식별하는 단계는 상기 테스트 이미지에 있는 상기 패턴화된 피처 내의 픽셀들을 상기 테스트 이미지에 있는 모든 다른 픽셀들로부터 분리하는 마스크를 상기 테스트 이미지에 적용하는 단계 및 상기 패턴화된 피처의 하나 이상의 에지를 넘는 하나 이상의 픽셀을 식별하고 상기 식별된 하나 이상의 픽셀을 상기 패턴화된 피처 내의 픽셀들에서 제거하기 위해 상기 마스크를 적용한 결과들을 프리-프로세싱(pre-processing)하는 단계를 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제12 항에 있어서,
상기 식별하는 단계는 상기 테스트 이미지에 있는 상기 패턴화된 피처 내의 픽셀들을 상기 테스트 이미지에 있는 모든 다른 픽셀들로부터 분리하는 마스크를 상기 테스트 이미지에 적용하는 단계 및 상기 패턴화된 피처의 하나 이상의 에지를 넘는 하나 이상의 픽셀을 식별하고 상기 식별된 하나 이상의 픽셀을 상기 패턴화된 피처 내의 픽셀들에서 제거하기 위해 상기 마스크를 적용한 결과들을 포스트-프로세싱(post-processing)하는 단계를 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제12 항에 있어서,
상기 결함 후보는 상기 패턴화된 피처에 있는 완전한 또는 부분적 개방부를 포함하는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 하나 이상의 컴퓨터 서브시스템은 또한 상기 검출 결과들에 대해 형태학적 연산(morphological operation)을 수행함으로써 상기 결함 후보가 결함인지를 결정하도록 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 하나 이상의 컴퓨터 서브시스템은 또한 상기 테스트 이미지에 기초하여 상기 결함 후보를 비닝(binning)함으로써 상기 결함 후보가 결함인지를 결정하도록 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 하나 이상의 컴퓨터 서브시스템은 또한 딥 러닝(deep learning) 기반 분류자를 상기 테스트 이미지에 적용함으로써 상기 결함 후보가 결함인지를 결정하도록 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 검사 서브시스템은 또한 매크로(macro) 검사를 위해 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 검사 서브시스템은 또한 전자빔 서브시스템으로서 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 검사 서브시스템은 또한 광학 서브시스템으로서 구성되는 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 제1 항에 있어서,
상기 시료는 웨이퍼인 것인, 표본 상의 결함들을 검출하도록 구성된 시스템. - 표본 상의 결함들을 검출하기 위한 컴퓨터 구현 방법을 수행하기 위해 하나 이상의 컴퓨터 시스템에서 실행 가능한 프로그램 명령을 저장하는 비일시적 컴퓨터 판독가능 매체로서, 상기 컴퓨터 구현 방법은:
검사 서브시스템에 의해, 표본에 대해 생성된 이미지들에 포함된 테스트 이미지에서 패턴화된 피처를 식별하는 단계;
상기 패턴화된 피처 내에 위치된 상기 테스트 이미지의 적어도 하나의 픽셀에 대해, 상기 적어도 하나의 픽셀의 특징과 상기 적어도 하나의 픽셀에 대한 미리 결정된 윈도우 내에 위치된 상기 테스트 이미지의 다른 픽셀들의 특징 사이의 차이를 결정하는 단계; 및
상기 결정된 차이에 기초하여 상기 적어도 하나의 픽셀에서 결함 후보를 검출하는 단계
를 포함하는 것인, 비일시적 컴퓨터 판독가능 매체. - 표본 상의 결함들을 검출하기 위한 컴퓨터 구현 방법으로서,
검사 서브시스템에 의해, 표본에 대해 생성된 이미지들에 포함된 테스트 이미지에서 패턴화된 피처를 식별하는 단계;
상기 패턴화된 피처 내에 위치된 상기 테스트 이미지의 적어도 하나의 픽셀에 대해, 상기 적어도 하나의 픽셀의 특징과 상기 적어도 하나의 픽셀에 대한 미리 결정된 윈도우 내에 위치된 상기 테스트 이미지의 다른 픽셀들의 특징 사이의 차이를 결정하는 단계; 및
상기 결정된 차이에 기초하여 상기 적어도 하나의 픽셀에서 결함 후보를 검출하는 단계
를 포함하고,
상기 식별하는 단계, 상기 결정하는 단계 및 상기 검출하는 단계는 상기 검사 서브시스템에 결합된 하나 이상의 컴퓨터 서브시스템에 의해 수행되는 것인, 표본 상의 결함들을 검출하기 위한 컴퓨터 구현 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/945,922 US11631169B2 (en) | 2020-08-02 | 2020-08-02 | Inspection of noisy patterned features |
| US16/945,922 | 2020-08-02 | ||
| PCT/US2021/042668 WO2022031442A1 (en) | 2020-08-02 | 2021-07-21 | Inspection of noisy patterned features |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230044257A true KR20230044257A (ko) | 2023-04-03 |
Family
ID=80003148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237006362A KR20230044257A (ko) | 2020-08-02 | 2021-07-21 | 노이즈가 있는 패턴화된 피처들의 검사 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US11631169B2 (ko) |
| EP (1) | EP4222483A1 (ko) |
| JP (1) | JP2023536597A (ko) |
| KR (1) | KR20230044257A (ko) |
| CN (1) | CN115698687A (ko) |
| IL (1) | IL299797A (ko) |
| TW (1) | TW202225675A (ko) |
| WO (1) | WO2022031442A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11921494B2 (en) * | 2020-10-08 | 2024-03-05 | Raymond H Scherzer | Rapid automation system and method for line clearance |
Family Cites Families (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4071866B2 (ja) | 1998-07-31 | 2008-04-02 | イビデン株式会社 | 配線パターン検査装置 |
| US7558419B1 (en) | 2003-08-14 | 2009-07-07 | Brion Technologies, Inc. | System and method for detecting integrated circuit pattern defects |
| EP1605403A1 (en) * | 2004-06-08 | 2005-12-14 | STMicroelectronics S.r.l. | Filtering of noisy images |
| JP2006098151A (ja) | 2004-09-29 | 2006-04-13 | Dainippon Screen Mfg Co Ltd | パターン検査装置およびパターン検査方法 |
| US7676077B2 (en) | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
| US7570796B2 (en) | 2005-11-18 | 2009-08-04 | 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 |
| US8611639B2 (en) * | 2007-07-30 | 2013-12-17 | Kla-Tencor Technologies Corp | Semiconductor device property extraction, generation, visualization, and monitoring methods |
| US20090040343A1 (en) * | 2007-08-06 | 2009-02-12 | Mediatek Inc. | Methods and apparatuses for defective pixel detection and correction |
| US7782452B2 (en) | 2007-08-31 | 2010-08-24 | Kla-Tencor Technologies Corp. | Systems and method for simultaneously inspecting a specimen with two distinct channels |
| 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 |
| 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 |
| US9092842B2 (en) * | 2011-08-04 | 2015-07-28 | Sharp Laboratories Of America, Inc. | System for defect detection and repair |
| 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 |
| US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
| US9704234B2 (en) * | 2013-08-08 | 2017-07-11 | Kla-Tencor Corp. | Adaptive local threshold and color filtering |
| US10533953B2 (en) * | 2016-04-04 | 2020-01-14 | Kla-Tencor Corporation | System and method for wafer inspection with a noise boundary threshold |
| JP6750966B2 (ja) | 2016-06-01 | 2020-09-02 | 株式会社ニューフレアテクノロジー | パターン検査装置及びパターン検査方法 |
| CN107966453B (zh) | 2016-10-20 | 2020-08-04 | 上海微电子装备（集团）股份有限公司 | 一种芯片缺陷检测装置及检测方法 |
| US10049308B1 (en) * | 2017-02-21 | 2018-08-14 | A9.Com, Inc. | Synthesizing training data |
| US10402963B2 (en) * | 2017-08-24 | 2019-09-03 | Kla-Tencor Corporation | Defect detection on transparent or translucent wafers |
| US10607119B2 (en) * | 2017-09-06 | 2020-03-31 | Kla-Tencor Corp. | Unified neural network for defect detection and classification |
| US10522376B2 (en) * | 2017-10-20 | 2019-12-31 | Kla-Tencor Corporation | Multi-step image alignment method for large offset die-die inspection |
| US11087449B2 (en) | 2019-10-24 | 2021-08-10 | KLA Corp. | Deep learning networks for nuisance filtering |
| US11127136B2 (en) | 2019-12-05 | 2021-09-21 | Kla Corporation | System and method for defining flexible regions on a sample during inspection |
-
2020
- 2020-08-02 US US16/945,922 patent/US11631169B2/en active Active
-
2021
- 2021-07-06 TW TW110124728A patent/TW202225675A/zh unknown
- 2021-07-21 JP JP2023507276A patent/JP2023536597A/ja active Pending
- 2021-07-21 KR KR1020237006362A patent/KR20230044257A/ko active Search and Examination
- 2021-07-21 IL IL299797A patent/IL299797A/en unknown
- 2021-07-21 CN CN202180043614.6A patent/CN115698687A/zh active Pending
- 2021-07-21 EP EP21853664.7A patent/EP4222483A1/en active Pending
- 2021-07-21 WO PCT/US2021/042668 patent/WO2022031442A1/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023536597A (ja) | 2023-08-28 |
| CN115698687A (zh) | 2023-02-03 |
| WO2022031442A1 (en) | 2022-02-10 |
| EP4222483A1 (en) | 2023-08-09 |
| US11631169B2 (en) | 2023-04-18 |
| US20220036528A1 (en) | 2022-02-03 |
| TW202225675A (zh) | 2022-07-01 |
| IL299797A (en) | 2023-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102330735B1 (ko) | 패터닝된 웨이퍼들 상의 결함들의 서브-픽셀 및 서브-해상도 로컬리제이션 | |
| KR101674698B1 (ko) | 웨이퍼 상의 결함들 검출 | |
| US8775101B2 (en) | Detecting defects on a wafer | |
| KR102369848B1 (ko) | 관심 패턴 이미지 집단에 대한 이상치 검출 | |
| US9727047B2 (en) | Defect detection using structural information | |
| US20140185919A1 (en) | Detecting Defects on a Wafer | |
| US10393671B2 (en) | Intra-die defect detection | |
| US9702827B1 (en) | Optical mode analysis with design-based care areas | |
| TWI778258B (zh) | 缺陷偵測之方法、系統及非暫時性電腦可讀媒體 | |
| TW201721483A (zh) | 用於半導體遮罩檢測之基於多邊形之幾何分類 | |
| CN112740383B (zh) | 在晶片上检测缺陷的系统、计算机实施方法及可读媒体 | |
| CN111837227B (zh) | 用于确定在晶片上所检测到的缺陷位于上面的层的系统 | |
| US10304177B2 (en) | Systems and methods of using z-layer context in logic and hot spot inspection for sensitivity improvement and nuisance suppression | |
| KR20230044257A (ko) | 노이즈가 있는 패턴화된 피처들의 검사 | |
| JP5744965B2 (ja) | 欠陥検査方法及びその装置 | |
| CN113677980B (zh) | 用于检验的缺陷候选生成 | |
| US11494895B2 (en) | Detecting defects in array regions on specimens | |
| CN115943301A (zh) | 设置样本的检验 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination |