KR20230156352A - 렌더링된 설계 이미지를 이용한 설계 케어 영역의 분할 - Google Patents
렌더링된 설계 이미지를 이용한 설계 케어 영역의 분할 Download PDFInfo
- Publication number
- KR20230156352A KR20230156352A KR1020237031299A KR20237031299A KR20230156352A KR 20230156352 A KR20230156352 A KR 20230156352A KR 1020237031299 A KR1020237031299 A KR 1020237031299A KR 20237031299 A KR20237031299 A KR 20237031299A KR 20230156352 A KR20230156352 A KR 20230156352A
- Authority
- KR
- South Korea
- Prior art keywords
- rendered image
- care area
- image
- design
- processor
- Prior art date
Links
- 238000013461 design Methods 0.000 title claims abstract description 71
- 238000007689 inspection Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 55
- 230000007547 defect Effects 0.000 claims abstract description 37
- 239000004065 semiconductor Substances 0.000 claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims description 28
- 238000003384 imaging method Methods 0.000 claims description 17
- 238000013500 data storage Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 12
- 238000010894 electron beam technology Methods 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 description 70
- 235000012431 wafers Nutrition 0.000 description 51
- 238000001514 detection method Methods 0.000 description 30
- 238000005286 illumination Methods 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 15
- 230000035945 sensitivity Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000009877 rendering Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000013450 outlier detection Methods 0.000 description 3
- 238000001433 helium-ion microscopy Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000007704 transition Effects 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
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013041 optical simulation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
렌더링된 이미지가 반도체 디바이스 설계 파일로부터 생성된다. 렌더링된 이미지는 렌더링된 이미지의 그레이 레벨에 기초하여 분할된다. 분할에 기초하여 케어 영역이 결정된다. 케어 영역에서 결함 검사가 수행된다. 이 프로세스는 광자 광학기기 또는 전자 빔 광학기기를 사용하는 웨이퍼 검사 도구에서 수행될 수 있다.
Description
본 개시는 반도체 웨이퍼의 검사에 관한 것이다.
반도체 제조 산업의 진화로 인해 수율 관리, 그리고 특히 계측 및 검사 시스템에 대한 요구가 더 커지고 있다. 임계 치수는 계속 줄어들고 있지만, 산업계는 고수율, 고부가가치 생산을 달성하기 위한 시간을 단축해야 한다. 수율 문제 검출에서부터 문제 해결까지의 총 시간을 최소화하는 것이, 반도체 제조업체에 대한 투자수익률(return-on-investment)을 결정한다.
로직 및 메모리 디바이스와 같은 반도체 디바이스를 제조하는 것은 통상적으로, 반도체 디바이스의 다양한 피처 및 다수의 레벨을 형성하기 위해 많은 수의 제조 프로세스를 사용하여 반도체 웨이퍼를 처리하는 것을 포함한다. 예를 들어, 리소그래피는, 레티클로부터 반도체 웨이퍼 상에 배열된 포토레지스트로 패턴을 전사하는 것을 수반하는 반도체 제조 프로세스이다. 반도체 제조 프로세스의 추가적인 예는, 화학 기계적 연마(CMP; chemical-mechanical polishing), 에칭, 퇴적, 및 이온 주입을 포함하지만, 이에 한정되는 것은 아니다. 단일 반도체 웨이퍼 상에 제조된 다수의 반도체 디바이스의 배열은 개별 반도체 디바이스로 분리될 수 있다.
제조 프로세스에서의 더 높은 수율 및 그에 따른 더 높은 이윤을 추구하도록 웨이퍼 상의 결함을 검출하기 위해 반도체 제조 중의 다양한 단계에서 검사(inspection) 프로세스가 사용된다. 검사는 항상 집적 회로(IC; integrated circuit)와 같은 반도체 디바이스를 제조하는 것의 중요한 부분이었다. 그러나, 반도체 디바이스의 치수가 감소함에 따라, 더 작은 결함이 디바이스를 고장시킬 수 있기 때문에, 검사는 수락가능한 반도체 디바이스의 성공적인 제조에 훨씬 더 중요해졌다. 예를 들어, 반도체 디바이스의 치수가 감소함에 따라, 비교적 작은 결함이라도 반도체 디바이스에서 원치않는 이상을 야기할 수 있기 때문에, 줄어든 크기의 결함의 검출이 필요해졌다.
하지만, 설계 규칙(design rules)이 축소함에 따라, 반도체 제조 프로세스는 프로세스의 수행 능력에 대한 한계에 더 가까이 동작하고 있을 수 있다. 또한, 설계 규칙이 축소함에 따라 더 작은 결함이 디바이스의 전기적 파라미터에 영향을 미칠 수 있으며, 이로 인해 더 민감한 검사가 요구된다. 설계 규칙이 축소함에 따라, 검사에 의해 검출된 잠재적 수율 관련 결함의 파퓰레이션(population)이 급격하게 늘어나고, 검사에 의해 검출된 뉴슨스(nuisance) 결함의 파퓰레이션도 또한 급격하게 증가한다. 따라서, 더 많은 결함이 웨이퍼 상에서 검출될 수 있고, 모든 결함을 없애도록 프로세스를 보정하는 것은 어렵고 비용이 많이 들 수 있다. 결함 중의 어느 것이 실제로 디바이스의 전기적 파라미터 및 수율에 영향을 미치는지 결정하면, 프로세스 제어 방법을 이들 결함에 집중되게 하면서 다른 것들을 대체로 무시하게 할 수 있다. 또한, 설계 규칙이 작을수록, 프로세스가 유도하는 고장은 일부 경우에 체계적인(systematic) 경향이 있다. 즉, 프로세스가 유도하는 고장은 설계 내에서 여러 번 종종 반복되는 미리 결정된 설계 패턴에서 고장나는 경향이 있다. 공간적으로 체계적이고 전기적으로 관련된 결함의 제거는 수율에 영향을 미칠 수 있다.
패터닝된 웨이퍼 검사 도구는 칩 설계 정보를 사용하여 임계(critical) 관심 영역(ROI; regions of interest)을 타겟으로 하고 웨이퍼 상의 비임계(non-critical) 노이즈 영역(noisy region)을 피하며, 이는 임계 영역에서의 결함 검출 감도를 개선한다. 칩 설계 정보는 또한, 감도를 더욱 개선하기 위해 결함 프로세싱 동안 결함 비닝 및 그룹화 목적으로 사용된다. 알려진 임계 및 노이즈 영역은, 케어 영역(CA; care area)의 형태로 검사 동안 검사 도구에 제공될 수 있는 컴퓨터 판독가능 형태로 프로세싱된다. 이러한 케어 영역은 서브픽셀 정렬 전략을 사용하여 웨이퍼 상에 인쇄된 패턴에 정렬된다. 이 기술은 설계 지오메트리에 기초하여 웨이퍼 상의 임계 영역을 식별하고 그리는 데 사용할 수 있으며, 특수화된 전자 설계 자동화(EDA; electronic design automation) 도구를 사용하여 생성될 수 있다.
감도를 최대화하기 위해, 노이즈 영역이 별도의 케어 영역에서 저잡음 영역(low noise region)으로부터 격리될 수 있으며, 이는 이어서 비교적 높은 감도로 검사될 수 있다. 설계 규칙이 축소되고 칩 제조가 발전함에 따라, 검사 동안 생성 및 처리되어야 할 케어 영역의 수가 증가하고 있다. 이로 인해, 웨이퍼 상에 인쇄된 모든 칩에 대해 케어 영역 수가 수백만 개 또는 심지어 수십억 개로 폭발적으로 증가하였는데, 인쇄된 패턴의 피처 치수가 수 나노미터에 불과할 수 있기 때문이다.
칩 설계 데이터는 GDS/OASIS 파일의 형태로 이용가능하다. 이 정보는 반도체 제조 시설에서 웨이퍼 상에 다양한 구조를 인쇄하는 데 사용되는 포토마스크를 만드는 데 사용된다. GDS/OASIS 파일에는 웨이퍼 상에 인쇄되는 것의 청사진이 포함되어 있다. 이 정보를 사용하여 임계 영역을 케어 영역의 형태로 다른 영역과 분리함으로써 타겟으로 삼아 검사 감도를 개선하고 뉴슨스를 감소시키기 위한 다양한 방법이 개발되었다. 웨이퍼의 첫 번째 검사 후에 설계 공간 상의 노이즈 영역 및 저잡음 영역이 식별될 수 있다. 임계 저잡음 영역은 더 높은 감도로 실행되는 반면, 비임계 또는 노이즈 영역은 더 낮은 감도로 실행되어, 관심 결함(DOI)의 캡처를 최대화하는 동시에 전체적인 뉴슨스를 감소시킨다.
GDS 또는 OASIS 파일은 통상적으로 크며, 크기가 수십 GB에 달한다. 상이한 컴포넌트, 재료 및 프로세스 정보가 설계 파일에서 셀, 레이어 및 서브레이어로 분리된다. 각각의 레이어/서브레이어에 대하여, 공간 설계 데이터는 기하학적 형상 또는 다각형으로 저장된다. 케어 영역을 생성하기 위해, 규칙/패턴 기반 검색이 이 다각형 공간에서 임계 영역을 식별하는 데 사용되었다. 임계 영역의 예로는, 예를 들어 타이트하게 이격된 다각형, 날카로운 모서리, 선 끝, 격리된 비아(금속 콘택), 또는 프로세싱 동안 오류가 더 발생하기 쉬운 설계 핫스팟이 있는 밀집된 영역을 포함한다. 이들 임계 영역은 그의 유형 및 중요도에 기초하여 별도의 케어 영역 그룹으로 그룹화되었다. 이러한 케어 영역과 함께, 오류가 발생하기 쉬운 알려진 설계 핫스팟 및 알려진 잡음원 또는 중요도가 낮은 패턴도 또한 별도의 케어 영역으로 간주된다. 이러한 케어 영역은, 웨이퍼 검사 동안 검사 시스템이 쉽게 액세스할 수 있는 컴퓨터 판독가능 형태로 저장된다. 이 케어 영역 준비 프로세스는 웨이퍼가 검사되기 전에 행해진다. 검사 레시피 생성 동안, 웨이퍼의 샘플 섹션은 이러한 케어 영역으로 검사된다. 더 낮은 잡음 및 더 높은 잡음이 있는 케어 영역 그룹이 식별되고 상이한 감도가 할당되어 임계 패턴에 대한 감도를 최대화한다. 검사 레시피를 최적화하는 이 프로세스 동안, 새로운 설계 케어 영역에 대한 필요성이 식별될 수 있는데, 여러 방법 중에 주사 전자 현미경 이미징에 기초하여 실측 자료(ground truth)를 획득하고 설계의 새로운 노이즈 영역을 식별하기 위해 뉴슨스를 그룹화하고 새로운 설계 핫스팟을 식별하기 위해 DOI를 그룹화할 수 있다. 이 경우, 이러한 새로운 케어 영역을 생성하고 추가함으로써 케어 영역 파일이 편집되고 검사 레시피 생성/최적화 프로세스가 반복된다. 도 1은 케어 영역을 생성하기 위한 이전 기술의 예를 예시한다.
설계 규칙이 축소되고 칩 제조가 발전함에 따라, 설계 케어 영역을 생성하기 위해 처리되어야 하는 설계 파일에서의 다각형 수가 증가하였다. 이로 인해 EDA 프로세싱에서 이러한 케어 영역을 생성하기 위한 리드 타임(lead time)이 길어졌다. 케어 영역 설계 파일의 크기도 또한 증가하였고, 이는 결함을 식별하기 위해 웨이퍼 이미지와 함께 이러한 케어 영역을 처리하는 컴퓨터 시스템에 비용을 추가하고 쓰루풋을 감소시킨다. 케어 영역 수의 증가로 인해 이들 케어 영역에 적절한 검사 감도를 할당하는 것도 어려워졌다.
규칙 기반/패턴 기반 검색은 잠재적 결함 유형 및/또는 관심 패턴에 대한 사전 지식이 필요하다. 그러나 이러한 측면은 종종 검사 전에 잘 이해되거나 확립되지 않는 경우가 많을 수 있다. 사용자는 케어 영역을 생성하기 위해 1차 추측을 행하고 케어 영역을 최적화하기 위해 여러 번의 반복을 거쳐야 한다. GDS/OASIS 설계 파일이 점점 더 복잡해지면서, 케어 영역을 추출하기 위해 이러한 반복을 실행하는 데 걸리는 시간이 늘어났다.
규칙 기반/패턴 기반 검색은 케어 영역을 추출하기 위해 오리지널 설계 다각형에 대해 동작한다. 그러나 광학 검사 시스템의 해상도 한계로 인해, 설계에서의 동일한 패턴이 반(half) PSF(point spread function) 떨어져 있는 다른 주변 패턴으로 인해 상이한 잡음 거동을 가질 수 있다. 광학적 특성을 고려하지 않고 설계만으로 생성된 케어 영역은 최적이 아닐 수 있다. 다각형 공간에 광학 물리학을 통합하는 복잡한 규칙을 생성하는 것은 계산 비용이 많이 들고 효율적이지 않을 수 있다.
동일한 설계 패턴 상에 케어 영역을 생성하는 현재 방법은, 동일한 설계 패턴이 주변/하부 레이어 패턴에 기초하여 상이한 잡음을 가질 때 실패할 수 있다. 이러한 복잡성에 대처하도록 케어 영역을 생성하기 위한 방법 및 시스템에 대한 개선이 필요하다.
제1 실시예에서 방법이 제공된다. 방법은, 프로세서를 사용하여, 반도체 디바이스를 포함하는 설계 파일로부터 렌더링된 이미지를 생성하는 것을 포함한다. 렌더링된 이미지는 프로세서를 사용하여 렌더링된 이미지의 그레이 레벨에 기초하여 분할된다(segmented). 분할은 렌더링된 이미지의 밝기 또는 렌더링된 이미지의 픽셀을 둘러싼 진폭 값의 변화를 사용할 수 있다. 프로세서를 사용하여 분할에 기초하여 케어 영역이 결정된다. 웨이퍼 검사 도구를 사용하여 케어 영역에서의 결함 검사가 수행된다.
케어 영역은 유사한 그레이 레벨의 픽셀을 그룹화함으로써 렌더링된 이미지로부터 결정될 수 있다.
방법은 웨이퍼 검사 도구를 사용하여 웨이퍼 상의 반도체 디바이스를 이미징하는 것을 포함할 수 있다. 생성하는 것은, 이미징 후에 발생할 수 있다. 생성하는 것은 또한 이미징 전에, 예컨대 렌더링된 이미지가 전자 데이터 저장 유닛에 저장될 때, 발생할 수 있다.
제2 실시예에서 시스템이 제공된다. 시스템은, 광의 빔을 생성하는 광원, 웨이퍼로부터 반사된 광의 빔을 수신하는 검출기, 및 검출기와 전자 통신하는 프로세서를 포함한다. 프로세서는, 반도체 디바이스를 포함하는 설계 파일로부터 렌더링된 이미지를 생성하고; 렌더링된 이미지의 그레이 레벨에 기초하여 렌더링된 이미지를 분할하고; 분할에 기초하여 케어 영역을 결정하고; 케어 영역에서의 결함 검사를 수행하라는 명령을 보내도록 구성된다. 분할은 렌더링된 이미지의 밝기 또는 렌더링된 이미지의 픽셀을 둘러싼 진폭 값의 변화를 사용할 수 있다.
시스템은 설계 파일을 포함하는 전자 데이터 저장 유닛을 포함할 수 있다. 전자 데이터 저장 유닛은 프로세서와 전자 통신한다. 전자 데이터 저장 유닛은 또한, 렌더링된 이미지를 저장하도록 구성될 수 있다.
케어 영역은 유사한 그레이 레벨의 픽셀을 그룹화함으로써 렌더링된 이미지로부터 결정될 수 있다.
제3 실시예에서 비일시적 컴퓨터 판독가능한 저장 매체가 제공된다. 비일시적 컴퓨터 판독가능한 저장 매체는 하나 이상의 컴퓨팅 디바이스 상에서 단계들을 실행하기 위한 하나 이상의 프로그램을 포함한다. 반도체 디바이스를 포함하는 설계 파일로부터 렌더링된 이미지가 생성된다. 렌더링된 이미지는 렌더링된 이미지의 그레이 레벨에 기초하여 분할된다. 분할은 렌더링된 이미지의 밝기 또는 렌더링된 이미지의 픽셀을 둘러싼 진폭 값의 변화를 사용할 수 있다. 분할에 기초하여 케어 영역이 결정된다. 케어 영역에서의 결함 검사를 수행하라는 명령이 생성된다.
케어 영역은 유사한 그레이 레벨의 픽셀을 그룹화함으로써 렌더링된 이미지로부터 결정될 수 있다.
본 개시의 속성 및 목적의 보다 완전한 이해를 위해, 첨부 도면과 함께 취한 다음의 상세한 설명을 참조하여야 할 것이다.
도 1은 케어 영역 생성을 위한 이전의 기술을 예시한다.
도 2는 본 개시에 따른 방법의 실시예이다.
도 3은 웨이퍼 검사 및 그의 분할 동안 동적 렌더링을 예시한다.
도 4는 웨이퍼 검사 및 그의 분할 동안 렌더링된 이미지가 저장되고 데이터베이스로부터 검색되는 기술을 예시한다.
도 5는 이상치(outlier) 검출 알고리즘을 위한 피처 축을 생성하기 위해 렌더링된 이미지를 사용하는 기술을 예시한다.
도 6은 렌더링된 이미지를 사용한 케어 영역 분할을 예시한다.
도 7은 본 개시에 따른 시스템의 실시예이다.
도 1은 케어 영역 생성을 위한 이전의 기술을 예시한다.
도 2는 본 개시에 따른 방법의 실시예이다.
도 3은 웨이퍼 검사 및 그의 분할 동안 동적 렌더링을 예시한다.
도 4는 웨이퍼 검사 및 그의 분할 동안 렌더링된 이미지가 저장되고 데이터베이스로부터 검색되는 기술을 예시한다.
도 5는 이상치(outlier) 검출 알고리즘을 위한 피처 축을 생성하기 위해 렌더링된 이미지를 사용하는 기술을 예시한다.
도 6은 렌더링된 이미지를 사용한 케어 영역 분할을 예시한다.
도 7은 본 개시에 따른 시스템의 실시예이다.
청구 대상이 특정 실시예에 관련하여 기재될 것이지만, 본원에 서술된 이점 및 특징 전부를 제공하지 않는 실시예를 포함하는 다른 실시예도 또한 본 개시의 범위 내에 속한다. 본 개시의 범위에서 벗어나지 않고서 다양한 구조적, 논리적, 프로세스 단계 및 전자적 변경이 행해질 수 있다. 따라서, 본 개시의 범위는 첨부된 청구항을 참조해서만 정의된다.
검사 도구에 의해 볼 수 있는 광학 이미지와 유사하게 보이도록 렌더링되는 시뮬레이션된 설계 이미지를 사용하여 케어 영역의 생성 및/또는 분할이 제공된다. 본원에 개시된 실시예에서, 설계 케어 영역을 생성하거나 분할하는 것은 광학 시스템의 물리학에 기초한 렌더링된 이미지에 기초한다. 칩 설계 파일은 검사 시스템에 의해 이미징된 웨이퍼 이미지와 거의 일치하도록 렌더링될 수 있다. 이 렌더링된 이미지는 검사 중에 동적으로 생성될 수 있거나, 또는 검사 전에 생성되고 데이터베이스에 저장되어 검사 중에 검색될 수 있다.
도 2는 방법(100)의 실시예이다. 방법(100)의 단계 중 하나 이상은 프로세서를 사용하여 수행될 수 있다. 101에서, 반도체 디바이스를 포함하는 설계 파일로부터 렌더링된 이미지가 생성된다. 실시예에서, 하나 이상의 렌더링된 이미지는, 검사 도구에 의해 생성된 이미지에서 설계의 상이한 부분이 어떻게 나타날 것인지 예시하기 위해 생성될 수 있다. 검사 시스템을 밀접하게 모델링하는 시뮬레이션 모델(예컨대, 광학 시뮬레이션)을 사용함으로써 검사 시스템에 의해 보이는 이미지와 유사한 이미지로 설계가 렌더링된다. 모델은 맥스웰 방정식(Maxwell's equations)으로부터 전개되고/되거나 광학 시스템으로부터 이미지를 생성하기 위해 근사화될 수 있다. 실시예에서, 근거리 필드(near field) 및 광학 검사 서브시스템의 광학 모델에 기초하여 웨이퍼 상에 인쇄된 설계에 대하여 광학 검사 서브시스템에 의해 생성된 이미지의 시뮬레이션인 초기 렌더링된 이미지가 생성된다. 광학 모델링에 대한 입력은 설계 데이터베이스가 아닌 근거리 필드 추정일 수 있다. 예를 들어, 광학 모델은 초기 렌더링된 이미지를 생성하기 위한 입력으로서 추정된 근거리 필드를 입력으로서 사용할 수 있다. 광학 모델은 광학 검사 서브시스템의 수차를 포함하거나 포함하지 않고 모델링할 수 있다. 초기 렌더링된 이미지를 생성하는 것은, 비일관성 모델, 부분 일관성 모델, 부분 일관성-홉킨스 공식, 선형 컨볼루션 모델, 에르미트(Hermitian) 이차 형태의 선형 컨볼루션 모델, 강력한 주성분 분석(Robust PCA; Robust Principal Component Analysis), 아베(Abbe) 이미징 방법, 엄격한 EM 모델, 및 당해 기술 분야에 알려진 임의의 다른 적합한 근사화, 함수 또는 모델을 사용하여 수행될 수 있다. 예를 들어, 렌더링된 이미지를 생성하는 것은 미국 특허 번호 제9,915,625호에 기재되어 있으며, 이는 그 전체 내용이 참조에 의해 포함된다.
모델의 출력을 검사 시스템로부터의 실제 이미지와 비교하고 차이를 최소화함으로써 모델 파라미터가 반복적으로 변경될 수 있으며, 이는 렌더링을 반복적으로 개선한다. 그러면 프로세서는 각각의 타겟에서 설계로부터 이미지를 렌더링할 수 있다. 합리적인 정렬 정확도를 달성하기 위해 설계가 인쇄되거나 형성된 웨이퍼에 대하여 검사 서브시스템에 의해 생성되는 이미지(들)와 실질적으로 유사하게 나타나는 설계로부터 시뮬레이션 이미지를 렌더링함으로써, 광학 이미지(들)와 설계 간의 정렬의 어려움이 최소화될 수 있다. 정확한 렌더링된 이미지를 생성하기 위해, 시뮬레이션은, 칩 설계 및 재료에 대한 3차원 정보로부터 맥스웰 방정식을 푸는 것에 의한 전자기(EM; electromagnetic) 장의 시뮬레이션, 및 이어서 표본(specimen)의 이미지를 형성하는 데 사용되는 검사 서브시스템의 광학(또는 전자 빔) 파라미터의 시뮬레이션을 수반할 수 있다.
렌더링 파라미터를 학습하기 위해, 웨이퍼 이미지 및 웨이퍼 상의 다수의 위치에 대한 설계가 파악되고 처리될 수 있다. 이미지 렌더링 파라미터를 학습하는 것은, 시뮬레이션 모델 또는 방법을 셋업 및/또는 캘리브레이션하는 것과 같은 임의의 적합한 방식으로 수행될 수 있다. 시뮬레이션 모델은 검사 시스템의 광학적 특성의 함수일 수 있다.
렌더링된 이미지는 검사 동안 웨이퍼 상의 그리고 설계에서의 정렬 타겟을 이용해 웨이퍼에 정렬될 수 있다. 정렬 타겟 각각에 대한 하나 이상의 이미지는 웨이퍼에 대한 설계의 대응하는 부분에 정렬될 수 있다. 이러한 이미지를 설계의 해당 부분에 정렬하는 것은 다수의 다양한 방식으로 수행될 수 있다. 예를 들어, 이러한 이미지는 패턴 매칭 또는 임의의 다른 적합한 정렬 방법 및/또는 당업계에 알려진 알고리즘에 의해 설계의 해당 부분에 정렬될 수 있다. 설계의 해당 부분에 정렬되는 하나 이상의 이미지는 본원에 기재된 다양한 유형의 이미지를 포함할 수 있다. 또한, 이 정렬 단계에서 사용되는 설계의 부분은 설계 데이터 자체 또는 본원에 기재된 다른 유형의 설계 정보와 같은 다양한 유형의 정보를 포함할 수 있다. 이 단계는 검사 도구를 이용해 웨이퍼에 대해 수행될 검사 프로세스의 셋업 동안 수행될 수 있다. 웨이퍼의 임의의 이미지가 웨이퍼에 대한 설계에 정렬될 수 있다.
102에서, 렌더링된 이미지는 렌더링된 이미지의 그레이 레벨에 기초하여 분할된다. 렌더링된 이미지 상의 임의의 픽셀의 그레이 레벨은 픽셀을 둘러싼 패턴과 상관될 수 있다. 예를 들어, 조밀하게(densely) 패터닝된 영역에서의 픽셀은 희박하게(sparsely) 패터닝된 영역에 비교하여 더 어두울 수 있다. 그레이 레벨을 분할하는 것은 패턴 밀도에 기초하여 영역을 직접 분리할 수 있다.
렌더링된 이미지 상의 수평 및 수직 밝기 및 거칠기 커널은, 각각 수평 패턴 밀도, 수직 패턴 밀도 및/또는 X 및 Y 방향의 날카로운 전환 영역에 기초하여 위치를 분할하는데 사용될 수 있다. 예를 들어, 분할은 렌더링된 이미지의 밝기(진폭) 또는 렌더링된 이미지의 픽셀이나 픽셀 주변의 진폭 값 변화(거칠기)를 사용할 수 있다. 커널은 진폭의 변화를 결정하기 위해 픽셀 주변 영역을 정의할 수 있다. 커널의 크기 및 형상은 광학 시스템의 점 확산 함수의 크기에 기초하여 선택될 수 있거나 일정한 값으로 설정될 수 있다. 밝기 커널은 패턴 밀도에 기초하여 영역을 분리하는 데 도움이 될 수 있다. 거칠기 커널은 렌더링된 이미지의 거칠기 커널 프로세싱에서 나타나는 피처 및 패턴 에지와 같은 전환 영역을 식별하는 데 도움이 될 수 있다.
103에서, 분할에 기초하여 케어 영역이 결정된다. 이 분할된 픽셀이 그룹화되어 바로 케어 영역으로서 사용될 수 있거나, 또는 다각형 공간에 대한 패턴 기반/규칙 기반 검색에 의해 이미 생성된 설계 케어 영역에 분할이 적용될 수 있다. 실시예에서, 피처 속성은 또한, 이상치(outlier) 검출 알고리즘에서 피처 축으로서 사용될 수 있으며(KLA Corporation으로부터 이용가능한 MDAT(multiple die auto-thresholding) 알고리즘과 같이), 여기서 상이한 피처 값에 대응하는 강도의 이상치(예컨대, 웨이퍼 이미지와 참조 이미지 간의 차이)가 결함으로써 표시된다(flagged). 이러한 케어 영역을 사용하기 위한 이들의 상이한 접근법이 도 3 내지 도 6에 도시된다.
이미지로부터 케어 영역을 생성하는 것은 규칙 기반/패턴 기반 케어 영역을 생성하는 것보다 덜 복잡하다. 렌더링된 이미지 및/또는 밝기 또는 거칠기 이미지에서 유사한 그레이 레벨의 픽셀을 그룹화함으로써 렌더링된 이미지로부터 케어 영역이 생성될 수 있다. 이 그룹화는 K-평균 클러스터링 또는 머신 러닝 접근법과 같은 비지도 알고리즘에 의해 자동으로 달성될 수 있다. 비지도 알고리즘을 사용하는 실시예에서, 알고리즘은 그레이 레벨 값에 기초하여 렌더링된 이미지 상의 모든 픽셀을 N개의 케어 영역 그룹으로 분할할 수 있다. 예를 들어, 렌더링된 이미지에서 1000 그레이 레벨 미만으로 그리고 거칠기 이미지에서 100 내지 400 그레이 레벨로부터 모든 픽셀에 대해 케어 영역 또는 관심 영역이 생성될 수 있지만, 다른 값이 가능하다. 이 접근법은 규칙 기반 접근법에 비교하여 계산 리소스를 감소시키기 때문에 케어 영역의 생성을 단순화한다. 또한, 렌더링된 이미지가 광학 시스템의 물리적 모델에 기초하여 생성되므로, 케어 영역의 관련성이 더 높은 경향이 있다.
104에서, 케어 영역에서의 결함 검사가 수행될 수 있다. 이는 웨이퍼 검사 도구를 사용할 수 있다. 이들 픽셀이 케어 영역으로 그룹화된 후, 결과는 컴퓨터 판독가능 형태로, 예컨대 비일시적 컴퓨터 판독가능 저장 매체 상에 저장될 수 있으며, 이는 웨이퍼 검사 도구가 렌더링된 이미지를 웨이퍼 이미지에 정렬함으로써 검사 동안 적용할 수 있고, 케어 영역을 웨이퍼 이미지에 정렬한다.
도 3은 웨이퍼 검사 및 그의 분할 동안 동적 렌더링을 예시한다. 렌더링된 이미지는 검사 프로세스 중에 즉시 생성될 수 있다. 렌더링된 이미지는 웨이퍼의 검사된 영역을 분할하는 데 사용된다. 렌더링된 이미지는 검사 시스템의 물리적 모델링을 이용해 설계로부터 생성되므로, 세그먼트가 더욱 현실적이고 효과적일 수 있으며, 이는 검사 감도를 개선한다. 이러한 렌더링된 이미지 기반 분할은 설계가 생성한 케어 영역에 적용될 수 있다.
도 3에 도시된 바와 같이, 차이 이미지가 웨이퍼 상의 결함을 식별하는 데 사용될 수 있다. 차이 이미지는 웨이퍼의 촬영된 이미지와 샘플 이미지 또는 또다른 다이의 이미지 간에 이루어질 수 있다. 분할은 차이 이미지에 적용될 수 있는 케어 영역을 생성할 수 있다. 케어 영역 내의 결함은 DOI일 수 있다. 케어 영역 내의 결함은 또한, 어느 것이 DOI인지 결정하기 위해 더 검사될 수 있다.
도 4는 검사 및 그의 분할 동안 렌더링된 이미지가 저장되고 데이터베이스로부터 검색되는 기술을 예시한다. 렌더링된 이미지는 설계로부터 생성되므로, 렌더링된 이미지는 설계 및 설계가 생성한 케어 영역을 등록하는 데 사용될 수 있다. 이러한 렌더링된 이미지는 렌더링 시스템에 의해 전처리 동안 또는 검사 레시피의 생성 동안 생성되고 데이터베이스에 저장된다. 그 다음, 렌더링된 이미지는 검사 영역을 생성하고 분할하는 데 사용된다.
도 5는 이상치 검출 알고리즘을 위한 피처 축을 생성하기 위해 렌더링된 이미지를 사용하는 기술을 예시한다. 렌더링된 이미지를 사용하여 이상치가 식별될 수 있다. 예를 들어, 이상치는 렌더링된 이미지를 나타내는 X 차원에서 찾을 수 있다. Y 차원은 차이 이미지를 나타낼 수 있다. 도 5의 3개의 케어 영역 분포 차트("케어 영역 1", "케어 영역 2" 및 "케어 영역 3")에서, x축은 -100부터 100까지의 차이 축이고 y축은 0에서 4000까지의 피처 축이다.
결함 검출 알고리즘에 의해 차이 이미지 상의 이상치가 잠재적 결함으로서 표시될 수 있다. 테스트 이미지 및 참조 이미지를 감산함으로써 차이 이미지가 생성된다. 테스트 이미지는 검사 중인 위치로부터 가져온 것이다. 참조 이미지는 인접한 다이로부터의 동일한 위치일 수 있거나, 다수의 다이들의 선형 조합에 의해 생성될 수 있거나, 또는 데이터베이스로부터의 저장된 이미지일 수 있다. 테스트 이미지와 참조 이미지 간의 모든 픽셀이 유사할 때, 차이 이미지는 균일하게 0 그레이 레벨일 것이다. 차이가 있을 때, 노이즈 차이 이미지가 될 것이다. 결함은 다른 잡음보다 더 강한 경향이 있으며, 이상치로서 다른 픽셀로부터 눈에 띌 것이다. 약한 결함은 잡음에 섞일 수 있고 구별이 불가능할 수 있다.
예를 들어, 더 작고 더 조밀한 패턴은 제조하기가 더 어려울 수 있으며, 이러한 위치는 잡음이 더 심할 수 있다. 잡음이 더 적고 더 희박한 패턴 영역과 함께 패턴이 검사되는 경우, 더 조밀한 영역으로부터의 잡음이 우세할 수 있기 때문에, 두 영역 모두에서 결함이 검출되지 않을 수 있다. 그러나, 렌더링된 이미지 기반 분할을 사용하여 이 두 유형의 영역이 분할되는 경우, 희박한 영역에서 감도가 증가될 수 있다. 차이 이미지에서의 이상치는 웨이퍼 검사 도구에 의해 표시되는 잠재적 결함이다.
도 6은 렌더링된 이미지를 사용한 케어 영역 분할을 예시한다. 도 6의 피처 분할 차트("피처 분할(Feature Segmentation)"로 표시됨)에서, x축은 0부터 3000까지의 피처 축이고 y축은 0부터 7000까지의 픽셀 카운트이다. 이는, 도 2 또는 도 3의 방법을 사용하는 것과 같은, 렌더링된 이미지 및/또는 피처 이미지로부터 케어 영역이 어떻게 생성될 수 있는지의 예시이다. 피처 이미지는 렌더링된 이미지를 밝기 또는 거칠기 커널을 사용한 컨볼루션에 의해 처리함으로써 생성될 수 있다. 이들 피처 이미지 중 하나 이상에서 이들 픽셀을 그룹화함으로써 케어 영역이 생성될 수 있다. 이미지 공간에 대한 작업은 다각형 공간에 대한 작업보다 더 쉽고 보다 효율적일 수 있다. 설계를 다각형 공간으로부터 이미지 공간으로 변환하고 이미지를 조작하면 감도 향상을 위해 설계 케어 영역을 분할하는 데 도움이 될 수 있다.
시스템(200)의 하나의 실시예가 도 7에 도시되어 있다. 시스템(200)은 광학 기반의 서브시스템(201)을 포함한다. 일반적으로, 광학 기반의 서브시스템(201)은, 표본(specimen)(202)에 광을 지향시키고(또는 그에 대해 광을 스캐닝하고) 표본(202)으로부터의 광을 검출함으로써 표본(202)에 대한 광학 기반의 출력을 생성하도록 구성된다. 하나의 실시예에서, 표본(202)은 웨이퍼를 포함한다. 웨이퍼는 당해 기술 분야에 공지된 임의의 웨이퍼를 포함할 수 있다. 다른 실시예에서, 표본(202)은 레티클을 포함한다. 레티클은 당해 기술 분야에 공지된 임의의 레티클을 포함할 수 있다.
도 7에 도시된 시스템(200)의 실시예에서, 광학 기반의 서브시스템(201)은 표본(202)으로 광을 지향시키도록 구성된 조명 서브시스템을 포함한다. 조명 서브시스템은 적어도 하나의 광원을 포함한다. 예를 들어, 도 7에 도시된 바와 같이, 조명 서브시스템은 광원(203)을 포함한다. 하나의 실시예에서, 조명 서브시스템은, 하나 이상의 경사각 및/또는 하나 이상의 수직각을 포함할 수 있는 하나 이상의 입사각으로, 표본(202)으로 광을 지향시키도록 구성된다. 예를 들어, 도 7에 도시된 바와 같이, 광원(203)으로부터의 광이 광학 요소(204) 그리고 그 다음 렌즈(205)를 통해 표본(202)으로 경사 입사각으로 지향된다. 경사 입사각은, 예를 들어 표본(202)의 특성에 따라 달라질 수 있는 임의의 적합한 경사 입사각을 포함할 수 있다.
광학 기반의 서브시스템(201)은 상이한 때에 상이한 입사각으로 표본(202)에 광을 지향시키도록 구성될 수 있다. 예를 들어, 광학 기반의 서브시스템(201)은, 광이 도 7에 도시된 바와는 상이한 입사각으로 표본(202)으로 지향될 수 있도록, 조명 서브시스템의 하나 이상의 요소의 하나 이상의 특성을 변경하도록 구성될 수 있다. 하나의 이러한 예에서, 광학 기반의 서브시스템(201)은, 광이 상이한 경사 입사각 또는 수직(또는 거의 수직인) 입사각으로 표본(202)으로 지향되도록, 광원(203), 광학 소자(204) 및 렌즈(205)를 움직이도록 구성될 수 있다.
일부 경우에, 광학 기반의 서브시스템(201)은 하나보다 많은 입사각으로 동시에 표본(202)으로 광을 지향시키도록 구성될 수 있다. 예를 들어, 조명 서브시스템은 하나보다 많은 조명 채널을 포함할 수 있고, 조명 채널 중의 하나는 도 7에 도시된 바와 같이 광원(203), 광학 요소(204) 및 렌즈(205)를 포함할 수 있으며, 조명 채널 중의 또다른 것(도시되지 않음)은 동일한 것이거나 상이하게 구성될 수 있는 유사한 요소를 포함할 수 있고, 또는 적어도 광원 그리고 어쩌면 본원에 더 기재된 바와 같은 하나 이상의 다른 컴포넌트를 포함할 수 있다. 이러한 광이 다른 광과 동시에 표본으로 지향되는 경우, 상이한 입사각으로 표본(202)으로 지향된 광의 하나 이상의 특성(예컨대, 파장, 편광 등)이 상이할 수 있고, 그리하여 상이한 입사각으로 표본(202)의 조명으로부터 나오는 광은 검출기(들)에서 서로 구별될 수 있다.
다른 경우에, 조명 서브시스템은 하나의 광원(예컨대, 도 7에 도시된 광원(203))만 포함할 수 있고, 광원으로부터의 광이 조명 서브시스템의 하나 이상의 광학 요소(도시되지 않음)에 의해 상이한 광학 경로로(예컨대, 파장, 편광 등에 기초하여) 분리될 수 있다. 그 다음, 상이한 광학 경로 각각에서의 광이 표본(202)으로 지향될 수 있다. 다수의 조명 채널이, 동시에 또는 상이한 때에(예컨대, 상이한 조명 채널들이 표본을 순차적으로 조명하도록 사용될 때) 표본(202)으로 광을 지향시키도록 구성될 수 있다. 다른 경우에, 동일 조명 채널이 상이한 때에 상이한 특성으로 표본(202)으로 광을 지향시키도록 구성될 수 있다. 예를 들어, 일부 경우에, 광학 요소(204)는 스펙트럼 필터로서 구성될 수 있으며, 상이한 파장의 광이 상이한 때에 표본(202)으로 지향될 수 있도록, 스펙트럼 필터의 특성이 다양한 상이한 방식으로(예컨대, 스펙트럼 필터를 교체함으로써) 변경될 수 있다. 조명 서브시스템은 순차적으로 또는 동시에 상이하거나 동일한 입사각으로 상이하거나 동일한 특성을 갖는 광을 표본(202)에 지향시키기 위해 당해 기술 분야에 공지된 임의의 다른 적합한 구성을 가질 수 있다.
하나의 실시예에서, 광원(203)은 광대역 플라즈마(BBP; broadband plasma) 소스를 포함할 수 있다. 이 방식에서, 광원(203)에 의해 생성되어 표본(202)으로 지향되는 광은 광대역 광을 포함할 수 있다. 그러나, 광원은 레이저와 같은 임의의 다른 적합한 광원을 포함할 수 있다. 레이저는 당해 기술 분야에 공지된 임의의 적합한 레이저를 포함할 수 있고, 당해 기술 분야에 공지된 임의의 적합한 파장 또는 파장들의 광을 생성하도록 구성될 수 있다. 또한, 레이저는 단색 또는 거의 단색인 광을 생성하도록 구성될 수 있다. 이 방식에서, 레이저는 협대역 레이저일 수 있다. 광원(203)은 또한, 복수의 이산 파장 또는 파장대에서의 광을 생성하는 다색성(polychromatic) 광원을 포함할 수 있다.
광학 요소(204)로부터의 광은 렌즈(205)에 의해 표본(202)으로 포커싱될 수 있다. 렌즈(205)는 도 7에서 단일 굴절 광학 요소로서 도시되어 있지만, 실제로, 렌즈(205)는 조합하여 광학 요소로부터의 광을 표본으로 포커싱하는 다수의 굴절 및/또는 반사 광학 요소들을 포함할 수 있다는 것을 이해하여야 할 것이다. 도 7에 도시되고 본원에 기재된 조명 서브시스템은 임의의 다른 적합한 광학 요소(도시되지 않음)를 포함할 수 있다. 이러한 광학 요소의 예는, 편광 컴포넌트(들), 스펙트럼 필터(들), 공간 필터(들), 반사 광학 요소(들), 아포다이저(apodizer)(들), 빔 스플리터(들)(예컨대, 빔 스플리터(213)), 개구(들) 등을 포함하지만, 이에 한정되는 것은 아니며, 당해 기술 분야에 공지된 임의의 이러한 적합한 광학 요소를 포함할 수 있다. 또한, 광학 기반의 서브시스템(201)은 광학 기반의 출력을 생성하기 위해 사용될 조명의 유형에 기초하여 조명 서브시스템의 요소 중의 하나 이상을 변경하도록 구성될 수 있다.
광학 기반의 서브시스템(201)은 또한, 광을 표본(202)에 대해 스캔되게 하도록 구성된 스캐닝 서브시스템을 포함할 수 있다. 예를 들어, 광학 기반의 서브시스템(201)은 광학 기반의 출력 생성 동안 표본(202)이 그 위에 배치되는 스테이지(206)를 포함할 수 있다. 스캐닝 서브시스템은 광이 표본(202)에 대해 스캔될 수 있도록 표본(202)을 움직이도록 구성될 수 있는 임의의 적합한 기계적 및/또는 로봇 어셈블리(스테이지(206)를 포함함)를 포함할 수 있다. 추가적으로 또는 대안으로서, 광학 기반의 서브시스템(201)은, 광학 기반의 서브시스템(201)의 하나 이상의 광학 요소가 표본(202)에 대해 광의 일부 스캐닝을 수행하도록 구성될 수 있다. 광은 구불구불한 형상의 경로 또는 나선형 경로와 같은 임의의 적합한 방식으로 표본(202)에 대해 스캔될 수 있다.
광학 기반의 서브시스템(201)은 하나 이상의 검출 채널을 더 포함한다. 하나 이상의 검출 채널 중의 적어도 하나는, 서브시스템에 의한 표본(202)의 조명으로 인한 표본(202)으로부터의 광을 검출하도록 그리고 검출된 광에 응답하는 출력을 생성하도록 구성된 검출기를 포함한다. 예를 들어, 도 7에 도시된 광학 기반의 서브시스템(201)은 2개의 검출 채널을 포함하며, 하나는 콜렉터(207), 요소(208) 및 검출기(209)에 의해 형성되고, 다른 하나는 콜렉터(210), 요소(211) 및 검출기(212)에 의해 형성된다. 도 7에 도시된 바와 같이, 2개의 검출 채널은 상이한 수렴각에서 광을 수렴 및 검출하도록 구성된다. 일부 경우에, 둘 다의 검출 채널은 산란된 광을 검출하도록 구성되고, 검출 채널은 표본(202)으로부터 상이한 각도로 산란되는 광을 검출하도록 구성된다. 그러나, 검출 채널 중의 하나 이상은 표본(202)으로부터 다른 유형의 광(예컨대, 반사된 광)을 검출하도록 구성될 수 있다.
도 7에 더 도시된 바와 같이, 둘 다의 검출 채널은 종이 평면 내에 위치된 것으로 도시되어 있고 조명 서브시스템도 또한 종이 평면 내에 위치된 것으로 도시되어 있다. 따라서, 이 실시예에서, 둘 다의 검출 채널은 입사 평면 내에 위치되어 있다(예컨대, 중심 위치되어 있음). 그러나, 검출 채널 중의 하나 이상은 입사 평면을 벗어나 위치될 수 있다. 예를 들어, 콜렉터(210), 요소(211), 및 검출기(212)에 의해 형성된 검출 채널은 입사 평면을 벗어나 산란되는 광을 수렴하고 검출하도록 구성될 수 있다. 따라서, 이러한 검출 채널은 일반적으로 "측부(side)" 채널로 지칭될 수 있고, 이러한 측부 채널은 입사 평면에 실질적으로 수직인 평면 내에 중심 위치될 수 있다.
도 7은 2개의 검출 채널을 포함하는 광학 기반의 서브시스템(201)의 실시예를 도시하지만, 광학 기반의 서브시스템(201)은 상이한 수의 검출 채널(예컨대, 하나의 검출 채널만 또는 둘 이상의 검출 채널)을 포함할 수 있다. 하나의 이러한 경우에, 콜렉터(210), 요소(211), 및 검출기(212)에 의해 형성된 검출 채널은 위에 기재된 바와 같이 하나의 측부 채널을 형성할 수 있고, 광학 기반의 서브시스템(201)은 입사 평면의 반대측에 위치되어 있는 또다른 측부 채널로서 형성된 추가의 검출 채널(도시되지 않음)을 포함할 수 있다. 따라서, 광학 기반의 서브시스템(201)은, 콜렉터(207), 요소(208) 및 검출기(209)를 포함하는 검출 채널로서, 입사 평면 내에 중심 위치되어 있고 표본(202) 표면의 수직이거나 수직에 가까운 산란각(들)으로 광을 수렴 및 검출하도록 구성된 검출 채널을 포함할 수 있다. 그러므로 이 검출 채널은 일반적으로 "상부" 채널로 지칭될 수 있고, 광학 기반의 서브시스템(201)은 또한 위에 기재된 바와 같이 구성된 둘 이상의 측부 채널을 포함할 수 있다. 그리하여, 광학 기반의 서브시스템(201)은 적어도 3개의 채널(즉, 하나의 상부 채널 및 2개의 측부 채널)을 포함할 수 있고, 적어도 3개의 채널 각각은 그 각자의 콜렉터를 가지며, 이의 각각은 다른 콜렉터 각각과는 상이한 산락각으로 광을 수렴하도록 구성된다.
위에 더 기재된 바와 같이, 광학 기반의 서브시스템(201)에 포함된 검출 채널의 각각은 산란된 광을 검출하도록 구성될 수 있다. 따라서, 도 7에 도시된 광학 기반의 서브시스템(201)은 표본(202)에 대한 암시야(DF; dark field) 출력 생성을 위해 구성될 수 있다. 그러나, 광학 기반의 서브시스템(201)은 또한 아니면 대안으로서, 표본(202)에 대한 명시야(BF; bright field) 출력 생성을 위해 구성되는 검출 채널(들)을 포함할 수 있다. 다르게 말하자면, 광학 기반의 서브시스템(201)은 표본(202)으로부터 경면 반사된 광을 검출하도록 구성되는 적어도 하나의 검출 채널을 포함할 수 있다. 따라서, 본원에 기재된 광학 기반의 서브시스템(201)은 DF 전용, BF 전용, 또는 DF 및 BF 이미징 둘 다를 위해 구성될 수 있다. 콜렉터의 각각이 도 7에서는 단일 굴절 광학 요소로서 도시되어 있지만, 콜렉터의 각각은 하나 이상의 굴절 광학 다이(들) 및/또는 하나 이상의 반사 광학 요소(들)를 포함할 수 있다는 것을 이해하여야 할 것이다.
하나 이상의 검출 채널은 당해 기술 분야에 공지된 임의의 적합한 검출기를 포함할 수 있다. 예를 들어, 검출기는 PMT(photo-multiplier tube), CCD(charge coupled device), TDI(time delay integration) 카메라 및 당해 기술 분야에 공지된 임의의 다른 적합한 검출기를 포함할 수 있다. 검출기는 또한 비-이미징 검출기 또는 이미징 검출기를 포함할 수 있다. 이 방식에서, 검출기가 비-이미징 검출기인 경우, 검출기의 각각은 산란된 광의 강도와 같은 특정 특성을 검출하도록 구성될 수 있지만, 이미징 평면 내의 위치의 함수로서 이러한 특성을 검출하도록 구성되지 않을 수 있다. 그리하여, 광학 기반의 서브시스템의 검출 채널 각각에 포함된 검출기 각각에 의해 생성되는 출력은 이미지 신호 또는 이미지 데이터가 아니라 신호 또는 데이터일 수 있다. 이러한 경우에, 프로세서(214)와 같은 프로세서는 검출기의 비-이미징 출력으로부터 표본(202)의 이미지를 생성하도록 구성될 수 있다. 그러나, 다른 경우에, 검출기는 이미징 신호 또는 이미지 데이터를 생성하도록 구성되는 이미징 검출기로서 구성될 수 있다. 따라서, 광학 기반의 서브시스템은 다수의 방식으로 본원에 기재된 광학 이미지 또는 다른 광학 기반의 출력을 생성하도록 구성될 수 있다.
도 7은 본원에 기재된 시스템 실시예에 포함될 수 있거나 또는 본원에 기재된 시스템 실시예에 의해 사용되는 광학 기반의 출력을 생성할 수 있는 광학 기반의 서브시스템(201)의 구성을 전반적으로 예시하고자 제공된 것임을 유의하여야 한다. 본원에 기재된 광학 기반의 서브시스템(201) 구성은 상용 출력 획득 시스템을 설계할 때 보통 수행되는 대로 광학 기반의 서브시스템(201)의 성능을 최적화하도록 변경될 수 있다. 또한, 본원에 기재된 시스템은 기존의 시스템을 사용하여 수행될 수 있다(예컨대, 여기에 기재된 기능을 기존의 시스템에 추가함으로써). 일부 이러한 시스템에 대하여, 본원에 기재된 방법은 시스템의 선택적 기능으로서 제공될 수 있다(예컨대, 시스템의 다른 기능에 추가하여). 대안으로서, 본원에 기재된 시스템은 완전히 새로운 시스템으로서 설계될 수 있다.
프로세서(214)는 프로세서(214)가 출력을 수신할 수 있도록 임의의 적합한 방식으로(예컨대, 유선 및/또는 무선 전송 매체를 포함할 수 있는 하나 이상의 전송 매체를 통해) 시스템(200)의 컴포넌트에 연결될 수 있다. 프로세서(214)는 출력을 사용하여 다수의 기능을 수행하도록 구성될 수 있다. 시스템(200)은 프로세서(214)로부터 명령 또는 다른 정보를 수신할 수 있다. 프로세서(214) 및/또는 전자 데이터 저장 유닛(215)은 선택적으로, 추가 정보를 수신하거나 명령을 보내기 위해 웨이퍼 검사 도구, 웨이퍼 계측 도구 또는 웨이퍼 검토 도구(예시되지 않음)와 전자 통신할 수 있다. 예를 들어, 프로세서(214) 및/또는 전자 데이터 저장 유닛(215)은 주사 전자 현미경과 전자 통신할 수 있다.
본원에 기재된 프로세서(214), 기타 시스템(들), 또는 기타 서브시스템(들)은, 개인용 컴퓨터 시스템, 이미지 컴퓨터, 메인프레임 컴퓨터 시스템, 워크스테이션, 네트워크 어플라이언스, 인터넷 어플라이언스, 또는 다른 디바이스를 포함한 다양한 시스템의 일부일 수 있다. 서브시스템(들) 또는 시스템(들)은 또한, 병렬 프로세서와 같이 당해 기술 분야에 공지된 임의의 적합한 프로세서를 포함할 수 있다. 또한, 서브시스템(들) 또는 시스템(들)은 단독형으로든 아니면 네트워킹된 독로서 고속 프로세싱 및 소프트웨어를 갖춘 플랫폼을 포함할 수 있다.
프로세서(214) 및 전자 데이터 저장 유닛(215)은 시스템(200) 또는 또다른 디바이스에 또는 그 일부에 배치될 수 있다. 예에서, 프로세서(214) 및 전자 데이터 저장 유닛(215)은 독립형 제어 유닛의 일부이거나 중앙 집중식 품질 제어 유닛일 수 있다. 다수의 프로세서(214) 또는 전자 데이터 저장 유닛(215)이 사용될 수 있다.
프로세서(214)는 실제로 하드웨어, 소프트웨어, 및 펌웨어의 임의의 조합에 의해 구현될 수 있다. 또한, 여기에 기재된 바와 같은 그의 기능은 하나의 유닛에 의해 수행될 수 있거나, 상이한 컴포넌트 사이에 분배될 수 있으며, 이들의 각각은 이어서 하드웨어, 소프트웨어 및 펌웨어의 임의의 조합에 의해 구현될 수 있다. 프로세서(214)가 다양한 방법 및 기능을 구현할 프로그램 코드 또는 명령어는, 전자 데이터 저장 유닛(215) 내의 메모리 또는 다른 메모리와 같은 판독가능한 저장 매체에 저장될 수 있다.
시스템(200)이 하나보다 많은 프로세서(214)를 포함하는 경우, 상이한 서브시스템들이 서로 연결될 수 있으며, 그리하여 이미지, 데이터, 정보, 명령어 등이 서브시스템들 간에 보내질 수 있다. 예를 들어, 하나의 서브시스템은, 당해 기술 분야에 공지된 임의의 적합한 유선 및/또는 무선 전송 매체를 포함할 수 있는 임의의 적합한 전송 매체에 의해 추가의 서브시스템(들)에 연결될 수 있다. 이러한 서브시스템의 둘 이상은 또한 공유하는 컴퓨터 판독가능한 저장 매체(도시되지 않음)에 의해 효과적으로 연결될 수 있다.
프로세서(214)는 시스템(200)의 출력 또는 다른 출력을 사용하여 다수의 기능을 수행하도록 구성될 수 있다. 예를 들어, 프로세서(214)는 출력을 전자 데이터 저장 유닛(215) 또는 또다른 저장 매체로 보내도록 구성될 수 있다. 프로세서(214)는 여기에 기재된 바와 같이 더 구성될 수 있다.
프로세서(214)는 여기에 기재된 임의의 실시예에 따라 구성될 수 있다. 프로세서(214)는 또한, 시스템(200)의 출력을 사용하여 또는 다른 소스로부터의 이미지 또는 데이터를 사용하여 다른 기능 또는 추가의 단계를 수행하도록 구성될 수 있다.
여기에 개시된 시스템(200) 및 방법의 다양한 단계, 기능, 및/또는 동작은 다음 중의 하나 이상에 의해 수행될 수 있다: 전자 회로, 로직 게이트, 멀티플렉서, 프로그래머블 로직 디바이스, 아날로그 또는 디지털 컨트롤/스위치, 마이크로컨트롤러, 또는 컴퓨팅 시스템. 여기에 기재된 바와 같은 방법을 구현하는 프로그램 명령어는 캐리어 매체를 통해 전송되거나 캐리어 매체 상에 저장될 수 있다. 캐리어 매체는 판독 전용 메모리, 랜덤 액세스 메모리, 자기 또는 고아학 디스크, 비휘발성 메모리, 고체 상태 메모리, 자기 테이프 등과 같은 저장 매체를 포함할 수 있다. 캐리어 매체는 와이어, 케이블, 또는 무선 전송 링크와 같은 전송 매체를 포함할 수 있다. 예를 들어, 본 개시 전반에 걸쳐 기재된 다양한 단계들은 단일 프로세서 또는 대안적으로 다수의 프로세서(214)에 의해 수행될 수 있다. 또한, 시스템(200)의 상이한 서브시스템은 하나 이상의 컴퓨팅 또는 로직 시스템을 포함할 수 있다. 따라서, 상기 기재는 본 개시에 대한 한정으로서 해석되어서는 안되고, 단지 예시를 위한 것이다.
예를 들어, 프로세서(214)는 시스템(200)과 통신하고 있다. 프로세서(214)는, 설계 파일로부터 이미지를 렌더링하고, 렌더링된 이미지를 분할하고, 케어 영역을 결정하고, 시스템(200)을 사용하여 결함 검사를 수행하기 위한 명령을 보내도록 구성된다. 예를 들어, 프로세서(214)는 도 2 내지 도 6의 방법과 같이 본원에 개시된 방법을 수행할 수 있다.
추가의 실시예는 본원에 개시된 바와 같이 결함 검사를 위한 컴퓨터 구현 방법을 수행하기 위해 컨트롤러 상에서 실행가능한 프로그램 명령어를 저장한 비일시적 컴퓨터 판독가능 매체에 관한 것이다. 특히, 도 7에 도시된 바와 같이, 전자 데이터 저장 유닛(215) 또는 다른 저장 매체는 프로세서(214)에서 실행 가능한 프로그램 명령어를 포함하는 비일시적 컴퓨터 판독가능 매체를 포함할 수 있다. 컴퓨터 구현 방법은 방법(100) 또는 도 3 내지 도 6의 실시예를 포함하여 여기에 기재된 임의의 방법(들)의 임의의 단계(들)를 포함할 수 있다.
프로그램 명령어는 무엇보다도 프로시저 기반의 기술, 컴포넌트 기반의 기술, 및/또는 객체 지향 기술을 포함하는 임의의 다양한 방식으로 구현될 수 있다. 예를 들어, 프로그램 명령어는 원하는 바에 따라 ActiveX controls, C++ objects, JavaBeans, MFC(Microsoft Foundation Classes), SSE(Streaming SIMD Extension) 또는 다른 기술 또는 방법을 사용하여 구현될 수 있다.
광학 시스템을 이용해 개시되었지만, 본원에 개시된 실시예는 전자 빔 시스템(예컨대, 주사 전자 현미경), 집속 이온 빔(FIB; focused ion beam) 시스템, 헬륨 이온 현미경(HIM; helium ion microscopy) 시스템 또는 이차 이온 질량 분석(SIMS; secondary ion mass spectroscopy) 시스템과 함께 사용될 수 있다.
본 개시는 하나 이상의 특정 실시예에 관련하여 기재되었지만, 본 개시의 다른 실시예가 본 개시의 범위에서 벗어나지 않고서 이루어질 수 있다는 것을 이해할 것이다. 따라서, 본 개시는 첨부한 청구범위 및 이의 합당한 해석에 의해서만 한정되는 것으로 간주된다.
Claims (17)
- 방법에 있어서,
프로세서를 사용하여, 반도체 디바이스를 포함하는 설계 파일로부터 렌더링된 이미지를 생성하는 단계;
상기 프로세서를 사용하여 상기 렌더링된 이미지의 그레이 레벨에 기초하여 상기 렌더링된 이미지를 분할(segmenting)하는 단계;
상기 프로세서를 사용하여 상기 분할에 기초하여 케어 영역(care area)을 결정하는 단계; 및
웨이퍼 검사 도구를 사용하여 상기 케어 영역에서의 결함 검사를 수행하는 단계
를 포함하는, 방법. - 청구항 1에 있어서,
상기 분할은 상기 렌더링된 이미지의 밝기를 사용하는 것인, 방법. - 청구항 1에 있어서,
상기 분할은 상기 렌더링된 이미지의 픽셀을 둘러싼 진폭 값의 변화를 사용하는 것인, 방법. - 청구항 1에 있어서,
상기 케어 영역은 유사한 그레이 레벨의 픽셀을 그룹화함으로써 상기 렌더링된 이미지로부터 결정되는 것인, 방법. - 청구항 1에 있어서,
상기 웨이퍼 검사 도구를 사용하여 웨이퍼 상의 상기 반도체 디바이스를 이미징하는 단계를 더 포함하는, 방법. - 청구항 5에 있어서,
상기 생성하는 단계는 상기 이미징하는 단계 후에 발생하는 것인, 방법. - 청구항 5에 있어서,
상기 생성하는 단계는 상기 이미징하는 단계 전에 발생하며, 상기 렌더링된 이미지는 전자 데이터 저장 유닛에 저장되는 것인, 방법. - 시스템에 있어서,
광의 빔을 생성하는 광원;
웨이퍼로부터 반사된 상기 광의 빔을 수신하는 검출기; 및
상기 검출기와 전자 통신하는 프로세서
를 포함하고,
상기 프로세서는:
반도체 디바이스를 포함하는 설계 파일로부터 렌더링된 이미지를 생성하고;
상기 렌더링된 이미지의 그레이 레벨에 기초하여 상기 렌더링된 이미지를 분할하고;
상기 분할에 기초하여 케어 영역을 결정하고;
상기 케어 영역에서의 결함 검사를 수행하라는 명령을 보내도록
구성되는 것인, 시스템. - 청구항 8에 있어서,
상기 설계 파일을 포함하는 전자 데이터 저장 유닛을 더 포함하며, 상기 전자 데이터 저장 유닛은 상기 프로세서와 전자 통신하는 것인, 시스템. - 청구항 9에 있어서,
상기 전자 데이터 저장 유닛은 또한, 상기 렌더링된 이미지를 저장하도록 구성되는 것인, 시스템. - 청구항 8에 있어서,
상기 분할은 상기 렌더링된 이미지의 밝기를 사용하는 것인, 시스템. - 청구항 8에 있어서,
상기 분할은 상기 렌더링된 이미지의 픽셀을 둘러싼 진폭 값의 변화를 사용하는 것인, 시스템. - 청구항 8에 있어서,
상기 케어 영역은 유사한 그레이 레벨의 픽셀을 그룹화함으로써 상기 렌더링된 이미지로부터 결정되는 것인, 시스템. - 비일시적 컴퓨터 판독가능한 저장 매체에 있어서,
하나 이상의 컴퓨팅 디바이스 상에서 다음 단계들:
반도체 디바이스를 포함하는 설계 파일로부터 렌더링된 이미지를 생성하고;
상기 렌더링된 이미지의 그레이 레벨에 기초하여 상기 렌더링된 이미지를 분할하고;
상기 분할에 기초하여 케어 영역을 결정하고;
상기 케어 영역에서의 결함 검사를 수행하라는 명령을 생성하는 것
을 실행하기 위한 하나 이상의 프로그램을 포함하는, 비일시적 컴퓨터 판독가능한 저장 매체. - 청구항 14에 있어서,
상기 분할은 상기 렌더링된 이미지의 밝기를 사용하는 것인, 비일시적 컴퓨터 판독가능한 저장 매체. - 청구항 14에 있어서,
상기 분할은 상기 렌더링된 이미지의 픽셀을 둘러싼 진폭 값의 변화를 사용하는 것인, 비일시적 컴퓨터 판독가능한 저장 매체. - 청구항 14에 있어서,
상기 케어 영역은 유사한 그레이 레벨의 픽셀을 그룹화함으로써 상기 렌더링된 이미지로부터 결정되는 것인, 비일시적 컴퓨터 판독가능한 저장 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/203,719 US20220301133A1 (en) | 2021-03-16 | 2021-03-16 | Segmentation of design care areas with a rendered design image |
| US17/203,719 | 2021-03-16 | ||
| PCT/US2021/026086 WO2022197313A1 (en) | 2021-03-16 | 2021-04-07 | Segmentation of design care areas with a rendered design image |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230156352A true KR20230156352A (ko) | 2023-11-14 |
Family
ID=83283781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237031299A KR20230156352A (ko) | 2021-03-16 | 2021-04-07 | 렌더링된 설계 이미지를 이용한 설계 케어 영역의 분할 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20220301133A1 (ko) |
| KR (1) | KR20230156352A (ko) |
| CN (1) | CN117015850B (ko) |
| IL (1) | IL304709A (ko) |
| TW (1) | TW202300900A (ko) |
| WO (1) | WO2022197313A1 (ko) |
Family Cites Families (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3534582B2 (ja) * | 1997-10-02 | 2004-06-07 | 株式会社日立製作所 | パターン欠陥検査方法および検査装置 |
| JP4196845B2 (ja) * | 2003-03-31 | 2008-12-17 | セイコーエプソン株式会社 | 画像処理装置 |
| US7440586B2 (en) * | 2004-07-23 | 2008-10-21 | Mitsubishi Electric Research Laboratories, Inc. | Object classification using image segmentation |
| WO2012148848A2 (en) * | 2011-04-26 | 2012-11-01 | Kla-Tencor Corporation | Method and system for hybrid reticle inspection |
| US8831334B2 (en) * | 2012-01-20 | 2014-09-09 | Kla-Tencor Corp. | Segmentation for wafer inspection |
| US9171364B2 (en) * | 2013-06-21 | 2015-10-27 | Kla-Tencor Corp. | Wafer inspection using free-form care areas |
| US9715725B2 (en) * | 2013-12-21 | 2017-07-25 | Kla-Tencor Corp. | Context-based inspection for dark field inspection |
| US9293298B2 (en) * | 2013-12-23 | 2016-03-22 | Kla-Tencor Corp. | Defect discovery and inspection sensitivity optimization using automated classification of corresponding electron beam images |
| US9454635B2 (en) * | 2014-01-25 | 2016-09-27 | Synopsys, Inc. | Virtual layer generation during failure analysis |
| US10127652B2 (en) * | 2014-02-06 | 2018-11-13 | Kla-Tencor Corp. | Defect detection and classification based on attributes determined from a standard reference image |
| US9478019B2 (en) * | 2014-05-06 | 2016-10-25 | Kla-Tencor Corp. | Reticle inspection using near-field recovery |
| US9262821B2 (en) * | 2014-05-12 | 2016-02-16 | Kla-Tencor Corp. | Inspection recipe setup from reference image variation |
| US9727047B2 (en) * | 2014-10-14 | 2017-08-08 | Kla-Tencor Corp. | Defect detection using structural information |
| KR20160081423A (ko) * | 2014-12-31 | 2016-07-08 | 삼성전자주식회사 | 결함 검출 방법 및 결함 검출 시스템 |
| US10012599B2 (en) * | 2015-04-03 | 2018-07-03 | Kla-Tencor Corp. | Optical die to database inspection |
| US9846934B2 (en) * | 2015-04-13 | 2017-12-19 | Anchor Semiconductor Inc. | Pattern weakness and strength detection and tracking during a semiconductor device fabrication process |
| US9965901B2 (en) * | 2015-11-19 | 2018-05-08 | KLA—Tencor Corp. | Generating simulated images from design information |
| US10074167B2 (en) * | 2015-12-06 | 2018-09-11 | Kla-Tencor Corporation | Reducing registration and design vicinity induced noise for intra-die inspection |
| US9915625B2 (en) * | 2016-01-04 | 2018-03-13 | Kla-Tencor Corp. | Optical die to database inspection |
| US10127651B2 (en) * | 2016-01-15 | 2018-11-13 | Kla-Tencor Corporation | Defect sensitivity of semiconductor wafer inspectors using design data with wafer image data |
| US10600175B2 (en) * | 2017-03-24 | 2020-03-24 | Kla-Tencor Corporation | Dynamic care areas for defect detection |
| US10395362B2 (en) * | 2017-04-07 | 2019-08-27 | Kla-Tencor Corp. | Contour based defect detection |
| WO2019023900A1 (zh) * | 2017-07-31 | 2019-02-07 | 深圳联影医疗科技有限公司 | 在体数据中提取感兴趣区域的方法及系统 |
| US10997710B2 (en) * | 2017-10-18 | 2021-05-04 | Kla-Tencor Corporation | Adaptive care areas for die-die inspection |
| US10572991B2 (en) * | 2017-11-07 | 2020-02-25 | Kla-Tencor Corporation | System and method for aligning semiconductor device reference images and test images |
| US20190279914A1 (en) * | 2018-03-09 | 2019-09-12 | Kla-Tencor Corporation | Region of interest and pattern of interest generation for critical dimension measurement |
| US10832396B2 (en) * | 2018-10-19 | 2020-11-10 | Kla-Tencor Corp. | And noise based care areas |
| US10853932B2 (en) * | 2019-01-16 | 2020-12-01 | Applied Material Israel, Ltd. | Method of defect detection on a specimen and system thereof |
| US10957034B2 (en) * | 2019-01-17 | 2021-03-23 | Applied Materials Israel Ltd. | Method of examination of a specimen and system thereof |
| US10922808B2 (en) * | 2019-02-14 | 2021-02-16 | KLA—Tencor Corp. | File selection for test image to design alignment |
| US11619592B2 (en) * | 2019-07-09 | 2023-04-04 | KLA Corp. | Selecting defect detection methods for inspection of a specimen |
| US11113827B2 (en) * | 2019-09-23 | 2021-09-07 | Kla Corporation | Pattern-to-design alignment for one-dimensional unique structures |
-
2021
- 2021-03-16 US US17/203,719 patent/US20220301133A1/en active Pending
- 2021-03-22 TW TW110110260A patent/TW202300900A/zh unknown
- 2021-04-07 WO PCT/US2021/026086 patent/WO2022197313A1/en active Application Filing
- 2021-04-07 KR KR1020237031299A patent/KR20230156352A/ko active Search and Examination
- 2021-04-07 CN CN202180095160.7A patent/CN117015850B/zh active Active
-
2023
- 2023-07-25 IL IL304709A patent/IL304709A/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| CN117015850A (zh) | 2023-11-07 |
| CN117015850B (zh) | 2024-04-05 |
| TW202300900A (zh) | 2023-01-01 |
| US20220301133A1 (en) | 2022-09-22 |
| WO2022197313A1 (en) | 2022-09-22 |
| IL304709A (en) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111819676B (zh) | 训练用于低分辨率图像中的缺陷检测的神经网络 | |
| CN110494894B (zh) | 基于轮廓的缺陷检测 | |
| TWI731198B (zh) | 用於以迴旋神經網路為基礎之缺陷檢測之資料擴增 | |
| CN108291878B (zh) | 单一图像检测 | |
| US9805462B2 (en) | Machine learning method and apparatus for inspecting reticles | |
| KR102295266B1 (ko) | 내장 타겟을 사용한 설계에 대한 검사의 정렬 | |
| KR102330735B1 (ko) | 패터닝된 웨이퍼들 상의 결함들의 서브-픽셀 및 서브-해상도 로컬리제이션 | |
| TW201824417A (zh) | 用於影像融合之以卷積神經網路為基礎之模式選擇及缺陷分類 | |
| KR20210138116A (ko) | 반도체 응용 분야를 위한 학습 가능한 결함 검출 | |
| TW201928541A (zh) | 用於大型偏移晶粒對晶粒檢測之多步驟影像對準方法 | |
| US10393671B2 (en) | Intra-die defect detection | |
| 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 | |
| US11774371B2 (en) | Defect size measurement using deep learning methods | |
| CN114503155A (zh) | 控制样本检验的工艺 | |
| KR20240004240A (ko) | 반도체 애플리케이션을 위한 딥 생성 모델 기반 정렬 | |
| US10151706B1 (en) | Inspection for specimens with extensive die to die process variation | |
| KR20220104776A (ko) | 노이즈 특성에 기초한 서브케어 영역의 클러스터링 | |
| KR20230003051A (ko) | 노이즈 있는 이미지에 대한 이미지 정렬 | |
| US20220301133A1 (en) | Segmentation of design care areas with a rendered design image | |
| TWI844777B (zh) | 針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |