KR20240004408A - 푸리에 변환 기반 레이아웃 패턴들의 계층적 클러스터링 - Google Patents

푸리에 변환 기반 레이아웃 패턴들의 계층적 클러스터링 Download PDF

Info

Publication number
KR20240004408A
KR20240004408A KR1020237037448A KR20237037448A KR20240004408A KR 20240004408 A KR20240004408 A KR 20240004408A KR 1020237037448 A KR1020237037448 A KR 1020237037448A KR 20237037448 A KR20237037448 A KR 20237037448A KR 20240004408 A KR20240004408 A KR 20240004408A
Authority
KR
South Korea
Prior art keywords
patterns
fourier transform
features
cohesion
evaluating
Prior art date
Application number
KR1020237037448A
Other languages
English (en)
Inventor
징춘 왕
추앙 예
쉥쳉 진
Original Assignee
에이에스엠엘 네델란즈 비.브이.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에이에스엠엘 네델란즈 비.브이. filed Critical 에이에스엠엘 네델란즈 비.브이.
Publication of KR20240004408A publication Critical patent/KR20240004408A/ko

Links

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/70508—Data handling in all parts of the microlithographic apparatus, e.g. handling pattern data for addressable masks or data transfer to or from different components within the exposure apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
    • G03F7/70433—Layout for increasing efficiency or for compensating imaging errors, e.g. layout of exposure fields for reducing focus errors; Use of mask features for increasing efficiency or for compensating imaging errors
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/7625—Hierarchical techniques, i.e. dividing or merging patterns to obtain a tree-like representation; Dendograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Image Analysis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 장치들, 시스템들, 및 방법들이 개시된다. 일부 실시예들에서, 패턴들을 그룹화하는 방법은 웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계를 포함한다. 또한, 상기 방법은 푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계를 포함한다. 또한, 상기 방법은 각각의 패턴 세트에 대해, 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계를 더 포함한다.

Description

푸리에 변환 기반 레이아웃 패턴들의 계층적 클러스터링
본 명세서에서 제공되는 실시예들은 마스크 검사 또는 웨이퍼 검사를 촉진하기 위한 집적 회로 레이아웃의 기준 데이터(reference data)(예를 들어, 레이아웃 패턴들, GDS 패턴들)를 클러스터링하는 시스템 및 방법에 관한 것이다.
집적 회로(IC)들의 제조 공정들에서, 미완성 또는 완성된 회로 구성요소들은 이들이 디자인에 따라 제조되고 결함이 없을 것을 보장하기 위해 검사된다. 스캐닝 전자 현미경(SEM)과 같은 하전 입자(예를 들어, 전자) 빔 현미경 또는 광학 현미경을 이용하는 검사 시스템들이 채택될 수 있다. IC 구성요소들의 물리적 크기들이 계속해서 축소됨에 따라, 결함 검출의 정확성 및 수율이 더 중요해진다.
스캐닝 전자 현미경(SEM) 또는 투과 전자 현미경(TEM)과 같은 하전 입자(예를 들어, 전자) 빔 현미경은 IC 구성요소들을 검사하기 위한 실용적인 툴의 역할을 할 수 있다. SEM 또는 TEM 이미지로부터 측정되는 패턴들 또는 구조체들의 임계 치수들이 제조된 IC들의 결함들을 검출하는 데 사용될 수 있다. 예를 들어, 패턴들 간의 시프트들 또는 에지 배치 변동들은 결함들의 결정뿐 아니라, 제조 공정들을 제어하는 데에도 유용할 수 있다.
본 발명의 실시예들은 기준 데이터를 그룹화하는 장치들, 시스템들, 및 방법들을 제공한다.
일부 실시예들에서, 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 방법이 제공된다. 상기 방법은 웨이퍼의 부분 상에 형성될 피처(feature)들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계; 푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계; 및 각각의 패턴 세트에 대해, 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계를 포함한다.
일부 실시예들에서, 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 시스템이 제공된다. 상기 시스템은 웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계; 푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계; 및 각각의 패턴 세트에 대해, 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계를 시스템이 수행하게 하도록 구성되는 회로를 포함하는 제어기를 포함한다.
일부 실시예들에서, 시스템이 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적(non-transitory) 컴퓨터 판독가능한 매체가 제공된다. 상기 방법은 웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계; 푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계; 및 각각의 패턴 세트에 대해, 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계를 포함한다.
일부 실시예들에서, 복수의 패턴들을 그룹화하는 방법이 제공된다. 상기 방법은 웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계; 복수의 패턴들로부터 각각 변환된 복수의 주파수 도메인 피처들에 대해 계층적 클러스터링을 수행하는 단계를 포함하며, 계층적 클러스터링을 수행하는 단계는 파라미터의 사용자 선택을 수신하는 단계; 및 파라미터에 기초하여, 각각의 계층적 레벨들에서 대응하는 패턴 세트들을 계속해서 분할할지를 재귀적으로 평가하는 단계를 수행함으로써 복수의 주파수 도메인 피처들을 재귀적으로 분할하는 단계를 포함한다.
일부 실시예들에서, 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 시스템이 제공된다. 상기 시스템은 웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계; 복수의 패턴들로부터 각각 변환된 복수의 주파수 도메인 피처들에 대해 계층적 클러스터링을 수행하는 단계를 시스템이 수행하게 하도록 구성되는 회로를 포함하는 제어기를 포함하며, 계층적 클러스터링을 수행하는 단계는 파라미터의 사용자 선택을 수신하는 단계; 및 파라미터에 기초하여, 각각의 계층적 레벨들에서 대응하는 패턴 세트들을 계속해서 분할할지를 재귀적으로 평가하는 단계를 수행함으로써 복수의 주파수 도메인 피처들을 재귀적으로 분할하는 단계를 포함한다.
일부 실시예들에서, 시스템이 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적 컴퓨터 판독가능한 매체가 제공된다. 상기 방법은 웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계; 복수의 패턴들로부터 각각 변환된 복수의 주파수 도메인 피처들에 대해 계층적 클러스터링을 수행하는 단계를 포함하며, 계층적 클러스터링을 수행하는 단계는 파라미터의 사용자 선택을 수신하는 단계; 및 파라미터에 기초하여, 각각의 계층적 레벨들에서 대응하는 패턴 세트들을 계속해서 분할할지를 재귀적으로 평가하는 단계를 수행함으로써 복수의 주파수 도메인 피처들을 재귀적으로 분할하는 단계를 포함한다.
본 발명의 실시예들의 다른 장점들은 삽화 및 예시의 방식으로 본 발명의 소정 실시예들을 설명하는 첨부된 도면들과 함께 취해진 다음의 설명으로부터 명백해질 것이다.
도 1은 본 발명의 일부 실시예들에 따른, 예시적인 전자 빔 검사(EBI) 시스템을 나타내는 개략적인 다이어그램이다.
도 2는 본 발명의 일부 실시예들에 따른, 도 1의 전자 빔 검사 시스템의 일부일 수 있는 예시적인 전자 빔 툴을 나타내는 개략적인 다이어그램이다.
도 3은 본 발명의 일부 실시예들에 따른, 기준 데이터를 처리하기 위한 예시적인 시스템의 블록 다이어그램이다.
도 4a는 본 발명의 일부 실시예들에 따른, 기준 데이터에 포함된 패턴들의 제 1 레벨 그룹화의 예시적인 프로세스를 나타내는 도면이다.
도 4b는 본 발명의 일부 실시예들에 따른, 기준 데이터에 포함된 패턴들을 클러스터링하는 예시적인 프로세스를 나타내는 도면이다.
도 4c는 본 발명의 일부 실시예들에 따른, 기준 데이터에 포함된 패턴들의 제 2 레벨 그룹화의 예시적인 프로세스를 나타내는 도면이다.
도 4d는 본 발명의 일부 실시예들에 따른, 클러스터링 또는 그룹화 프로세스 동안 두 패턴들을 비교하는 예시적인 다이어그램이다.
도 5a는 본 발명의 일부 실시예들에 따른, 기준 데이터 내의 복수의 패턴들에 대해 푸리에 변환을 수행하는 예시적인 프로세스를 나타내는 도면이다.
도 5b는 본 발명의 일부 실시예들에 따른, 푸리에 변환 기반 기준 이미지들을 벡터들로 전환하는 예시적인 프로세스를 나타내는 도면이다.
도 5c는 본 발명의 일부 실시예들에 따른, 푸리에 변환 기반 피처들을 분할하기 위한 예시적인 계층적 클러스터링 프로세스를 나타내는 다이어그램이다.
도 6a는 본 발명의 일부 실시예들에 따른, 응집도 테스트(cohesion test)에 대한 다이어그램이다.
도 6b는 본 발명의 일부 실시예들에 따른, 재귀적 분할이 계속되는 경우의 다이어그램이다.
도 6c는 본 발명의 일부 실시예들에 따른, 재귀적 분할이 정지되는 경우의 다이어그램이다.
도 7은 본 발명의 일부 실시예들에 따른, 기준 데이터를 처리하는 예시적인 방법을 나타내는 프로세스 흐름도이다.
도 8은 본 발명의 일부 실시예들에 따른, 기준 데이터를 처리하는 예시적인 방법을 나타내는 프로세스 흐름도이다.
이제 예시적인 실시예들을 상세히 언급할 것이며, 그 예시들은 첨부된 도면들에서 나타낸다. 다음 설명은, 달리 나타내지 않는 한 상이한 도면들에서의 동일한 번호들이 동일하거나 유사한 요소들을 나타내는 첨부된 도면들을 참조한다. 예시적인 실시예들의 다음 기재내용에서 설명되는 구현들은 모든 구현들을 나타내지는 않는다. 대신에, 이들은 첨부된 청구항들에서 언급되는 개시된 실시예들과 관련된 실시형태들과 일치하는 장치들 및 방법들의 예시들에 불과하다. 예를 들어, 일부 실시예들이 전자 빔들을 이용하는 것과 관련하여 설명되지만, 본 발명은 그렇게 제한되지 않는다. 다른 타입들의 하전 입자 빔들이 유사하게 적용될 수 있다. 또한, 광학 이미징, 광 검출, x-선 검출 등과 같은 다른 이미징 시스템들이 사용될 수 있다.
전자 디바이스들은 기판이라고 하는 실리콘의 한 부분(piece)에 형성되는 회로들로 구성된다. 많은 회로들이 실리콘의 동일한 부분에 함께 형성될 수 있으며, 집적 회로 또는 IC라고 한다. 이러한 회로들의 크기는 더 많은 회로들이 기판 상에 피팅(fit)될 수 있도록 극적으로 감소하였다. 예를 들어, 스마트 폰의 IC 칩은 엄지손톱만큼 작을 수 있고, 20 억 개가 넘는 트랜지스터들을 포함할 수 있으며, 각각의 트랜지스터의 크기는 사람 머리카락 크기의 1/1000 미만이다.
이러한 극히 작은 IC를 만드는 것은 복잡하고, 시간-소모적이며, 비용이 많이 드는 공정이고, 흔히 수백 개의 개별 단계들을 수반한다. 심지어 한 단계에서의(예를 들어, 디자인 또는 패터닝 시) 오차들도 완성된 IC에서 결함을 유도하여 이를 쓸모없게 만들 잠재력이 있다. 따라서, 제조 공정의 한 가지 목표는 이러한 결함들을 회피하여 공정에서 만들어진 기능 IC들의 수를 최대화하는 것, 즉 공정의 전체 수율을 개선하는 것이다.
수율을 개선하는 한 가지 구성요소는 칩 제조 공정을 모니터링하여 이것이 충분한 수의 기능적 집적 회로들을 생성할 것을 보장하는 것이다. 공정을 모니터링하는 한 가지 방식은 그 형성의 다양한 스테이지들에서 칩 회로 구조체들을 검사하는 것이다. 스캐닝 전자 현미경(SEM)을 사용하여 검사가 수행될 수 있다. SEM은 이러한 극히 작은 구조체들을 이미징하는 데 사용되어, 실제로 구조체들의 "사진"을 찍을 수 있다. 이미지는 구조체가 적절하게 형성되었는지, 및 그것이 적절한 위치에 형성되었는지를 결정하는 데 사용될 수 있다. 구조체에 결함이 있는 경우, 공정은 결함이 다시 발생할 가능성이 적도록 조정될 수 있다. 결함들은 다양한 스테이지들의 반도체 처리 동안 발생될 수 있다. 핫스폿(hotspot)들은 리소그래피 패터닝 또는 에칭 후 결함들을 가질 가능성이 더 높은 영역들이다. 그러므로, 디자인 스테이지에서 조기에 핫스폿들을 식별하고 감소시키거나, 또는 가능한 한 조기에 결함들을 정확하고 효율적으로 식별하는 것이 중요하다.
웨이퍼 검사 프로세스 동안, 웨이퍼 상의 관심 영역들이 결정될 수 있다. 일부 실시예들에서, 관심 영역들은 상이한 형상들, 예컨대 다각형, 정사각형 또는 검사에 적절한 여하한의 다른 규칙적이거나 불규칙한 형상들을 갖는 패턴들을 포함할 수 있다. 검사를 위한 다양한 시스템들 및 프로세스들은, 예를 들어 집적 회로(IC) 상의 엄청난 수의 피처들, 및 IC 또는 IC의 SEM 이미지들의 방대한 데이터 분석의 복잡성으로 인해 문제에 직면할 수 있다. 예를 들어, 패턴 그룹화 또는 클러스터링 프로세스가 시간 소모적일 수 있다. 또한, 그룹들의 수 또는 각각의 그룹 내에서 패턴들이 얼마나 유사할 수 있는지와 같은 그룹화 또는 클러스터링 파라미터들은 미리 정의되고 고정되어 있다. 사용자는 패턴이 분류될 수 있는 그룹들의 수 또는 그룹 내의 패턴들 간의 유사성 정도를 제어할 수 없다.
개시된 실시예들 중 일부는 본 명세서에 개시된 단점들 중 일부 또는 전부를 해결하는 시스템들 및 방법들을 제공한다. 본 발명에서, GDS(graphic database system) 데이터 파일들과 같은 IC 데이터 또는 기준 데이터(기준 이미지 데이터, 디자인 데이터, 표준 데이터, 레이아웃 데이터라고도 함)는 유사한 소정 특성(들)을 갖는 패턴들을 그룹화 또는 클러스터링하도록 처리될 수 있다. 일부 실시예들에서, 검사 효율을 개선하기 위해 검사가 각 그룹의 대표 패턴에 대해 수행될 수 있도록 유사한 패턴들이 그룹화 또는 클러스터링될 수 있다. 일부 실시예들에서, 패턴들은 기하학적 특성들에 기초하여 그룹화된다. 일부 실시예들에서, 패턴들은 주파수 도메인에서 고차원 벡터들을 얻도록 처리되고, 벡터들은 계층적 클러스터링을 사용하여 전체 데이터세트를 복수의 그룹들로 분할하도록 처리된다. 따라서, 핫스폿 분석 또는 웨이퍼 검사가 개선된 효율 및 정확성으로 수행될 수 있다. 또한, 사용자는 1 이상의 파라미터를 조정하여 계층적 클러스터링을 커스터마이징(customize)할 수 있다.
도면들에서, 구성요소들의 상대적인 치수들은 명확함을 위해 과장될 수 있다. 도면들의 다음 설명 내에서, 동일하거나 유사한 참조 번호들은 동일하거나 유사한 구성요소들 또는 개체들을 지칭하며, 개별적인 실시예들에 대한 차이들만이 설명된다. 본 명세서에서 사용되는 바와 같이, 달리 구체적으로 언급되지 않는 한, "또는"이라는 용어는 실행불가능한 경우를 제외하고 모든 가능한 조합들을 포함한다. 예를 들어, 구성요소가 A 또는 B를 포함할 수 있다고 언급되는 경우, 달리 구체적으로 언급되거나 실행불가능하지 않는 한, 구성요소는 A, 또는 B, 또는 A와 B를 포함할 수 있다. 두 번째 예시로서, 구성요소가 A, B 또는 C를 포함할 수 있다고 언급되는 경우, 달리 구체적으로 언급되거나 실행불가능하지 않는 한, 구성요소는 A, 또는 B, 또는 C, 또는 A와 B, 또는 A와 C, 또는 B와 C, 또는 A와 B와 C를 포함할 수 있다.
도 1은 본 발명의 일부 실시예들에 따른 예시적인 전자 빔 검사(EBI) 시스템(100)을 나타낸다. EBI 시스템(100)은 이미징을 위해 사용될 수 있다. 도 1에 나타낸 바와 같이, EBI 시스템(100)은 주 챔버(101), 로드/락 챔버(load/lock chamber: 102), 전자 빔 툴(104), 및 EFEM(equipment front end module: 106)을 포함한다. 전자 빔 툴(104)은 주 챔버(101) 내에 위치된다. EFEM(106)은 제 1 로딩 포트(loading port: 106a) 및 제 2 로딩 포트(106b)를 포함한다. EFEM(106)은 추가적인 로딩 포트(들)를 포함할 수 있다. 제 1 로딩 포트(106a) 및 제 2 로딩 포트(106b)는 검사될 웨이퍼들[예를 들어, 반도체 웨이퍼들 또는 다른 재료(들)로 만들어진 웨이퍼들] 또는 샘플들(웨이퍼 및 샘플은 교환가능하게 사용될 수 있음)을 포함하는 웨이퍼 FOUP(front opening unified pod)들을 수용한다. "로트(lot)"는 뱃치(batch)로서 처리를 위해 로딩될 수 있는 복수의 웨이퍼들이다.
EFEM(106) 내의 1 이상의 로봇 아암(robotic arm: 도시되지 않음)이 로드/락 챔버(102)로 웨이퍼들을 이송할 수 있다. 로드/락 챔버(102)는 대기압 미만의 제 1 압력에 도달하도록 로드/락 챔버(102) 내의 가스 분자들을 제거하는 로드/락 진공 펌프 시스템(도시되지 않음)에 연결된다. 제 1 압력에 도달한 후, 1 이상의 로봇 아암(도시되지 않음)이 로드/락 챔버(102)로부터 주 챔버(101)로 웨이퍼를 이송할 수 있다. 주 챔버(101)는 제 1 압력 미만의 제 2 압력에 도달하도록 주 챔버(101) 내의 가스 분자들을 제거하는 주 챔버 진공 펌프 시스템(도시되지 않음)에 연결된다. 제 2 압력에 도달한 후, 웨이퍼는 전자 빔 툴(104)에 의해 검사를 거친다. 전자 빔 툴(104)은 단일-빔 시스템 또는 멀티-빔 시스템일 수 있다. 본 명세서에서 설명되는 시스템 및 방법은 단일-빔 시스템 및 멀티-빔 시스템 모두에 적용될 수 있다는 것을 이해한다.
제어기(109)가 전자 빔 툴(104)에 전자적으로 연결된다. 제어기(109)는 EBI 시스템(100)의 다양한 제어들을 실행하도록 구성되는 컴퓨터일 수 있다. 또한, 제어기(109)는 다양한 신호 및 이미지 처리 기능들을 실행하도록 구성되는 처리 회로를 포함할 수 있다. 일부 실시예들에서, 제어기(109)는 EBI 시스템(100)과 분리되고 독립적일 수 있다. 예를 들어, 제어기(109)는 EBI 시스템(100)에 통신 연결되는 컴퓨터일 수 있다. 일부 실시예들에서, 제어기(109)는 도 1에서 주 챔버(101), 로드/락 챔버(102), 및 EFEM(106)을 포함하는 구조의 외부에 있는 것으로 도시되지만, 제어기(109)가 구조의 일부일 수 있다는 것을 이해한다.
일부 실시예들에서, 제어기(109)는 1 이상의 프로세서(142)를 포함할 수 있다. 프로세서는 정보를 조작하거나 처리할 수 있는 일반 또는 특정 전자 디바이스일 수 있다. 예를 들어, 프로세서는 여하한 수의 중앙 처리 유닛(또는 "CPU"), 그래픽 처리 유닛(또는 "GPU"), 광학 프로세서, 프로그램가능 논리 제어기, 마이크로제어기, 마이크로프로세서, 디지털 신호 프로세서, 지적 재산(IP) 핵심, 프로그램가능 논리 어레이(PLA), 프로그램가능 어레이 논리(PAL), 일반 어레이 논리(GAL), 복합 프로그램가능 논리 소자(CPLD), 필드 프로그램가능 게이트 어레이(FPGA), 시스템온칩(SoC), 주문형 집적 회로(ASIC) 및 데이터 처리가 가능한 여하한 타입의 회로의 여하한 조합을 포함할 수 있다. 또한, 프로세서는 네트워크를 통해 커플링된 다수 기계들 또는 디바이스들에 걸쳐 분산된 1 이상의 프로세서를 포함하는 가상 프로세서일 수 있다.
일부 실시예들에서, 제어기(109)는 1 이상의 메모리(144)를 더 포함할 수 있다. 메모리는 (예를 들어, 버스를 통해) 프로세서에 의해 액세스가능한 코드들 및 데이터를 저장할 수 있는 일반 또는 특정 전자 디바이스일 수 있다. 예를 들어, 메모리는 여하한 수의 RAM(random-access memory), ROM(read-only memory), 광 디스크, 자기 디스크, 하드 드라이브, 솔리드-스테이트 드라이브, 플래시 드라이브, SD(security digital) 카드, 메모리 스틱, CF(compact flash) 카드, 또는 여하한 타입의 저장 디바이스의 여하한 조합을 포함할 수 있다. 코드들은 운영 체제(OS) 및 특정 작업들을 위한 1 이상의 응용 프로그램(또는 "앱")을 포함할 수 있다. 또한, 메모리는 네트워크를 통해 커플링된 다수 기계들 또는 디바이스들에 걸쳐 분산된 1 이상의 메모리를 포함하는 가상 메모리일 수 있다.
이제 도 2를 참조하며, 이는 본 발명의 일부 실시예들에 따른 도 1의 EBI 시스템(100)의 일부인 멀티-빔 검사 툴을 포함하는 예시적인 전자 빔 툴(104)을 나타내는 개략적인 다이어그램이다. 멀티-빔 전자 빔 툴(104)[본 명세서에서 장치(104)라고도 함]은 전자 소스(201), 쿨롱 어퍼처 플레이트[또는 "건 어퍼처 플레이트(gun aperture plate)"](271), 집속 렌즈(210), 소스 전환 유닛(220), 일차 투영 시스템(230), 전동 스테이지(motorized stage: 209), 및 검사될 웨이퍼(208)를 유지하도록 전동 스테이지(209)에 의해 지지되는 샘플 홀더(207)를 포함한다. 멀티-빔 전자 빔 툴(104)은 이차 투영 시스템(250) 및 전자 검출 디바이스(240)를 더 포함할 수 있다. 일차 투영 시스템(230)은 대물 렌즈(231)를 포함할 수 있다. 전자 검출 디바이스(240)는 복수의 검출 요소들(241, 242, 및 243)을 포함할 수 있다. 빔 분리기(233) 및 편향 스캐닝 유닛(232)이 일차 투영 시스템(230) 내부에 위치될 수 있다.
전자 소스(201), 쿨롱 어퍼처 플레이트(271), 집속 렌즈(210), 소스 전환 유닛(220), 빔 분리기(233), 편향 스캐닝 유닛(232), 및 일차 투영 시스템(230)은 장치(104)의 일차 광축(204)과 정렬될 수 있다. 이차 투영 시스템(250) 및 전자 검출 디바이스(240)는 장치(104)의 이차 광축(251)과 정렬될 수 있다.
전자 소스(201)는 캐소드(cathode: 도시되지 않음) 및 추출기 또는 애노드(anode: 도시되지 않음)를 포함할 수 있으며, 작동 동안 전자 소스(201)는 캐소드로부터 일차 전자들을 방출하도록 구성되고, 일차 전자들은 추출기 및/또는 애노드에 의해 추출 또는 가속되어 일차 빔 크로스오버(가상 또는 실제)(203)를 형성하는 일차 전자 빔(202)을 형성한다. 일차 전자 빔(202)은 일차 빔 크로스오버(203)로부터 방출되는 것으로 시각화될 수 있다.
소스 전환 유닛(220)은 이미지-형성 요소 어레이(도시되지 않음), 수차 보상기 어레이(도시되지 않음), 빔-제한 어퍼처 어레이(beam-limit aperture array: 도시되지 않음), 및 사전-굽힘 마이크로-디플렉터 어레이(pre-bending micro-deflector array: 도시되지 않음)를 포함할 수 있다. 일부 실시예들에서, 사전-굽힘 마이크로-디플렉터 어레이는 빔-제한 어퍼처 어레이, 이미지-형성 요소 어레이, 및 수차 보상기 어레이에 수직으로 들어가도록 일차 전자 빔(202)의 복수의 일차 빔릿(beamlet)들(211, 212, 213)을 편향한다. 일부 실시예에서, 집속 렌즈(210)는 일차 전자 빔(202)을 포커싱하여 평행한 빔이 되게 하고 소스 전환 유닛(220) 상에 수직으로 입사하게 하도록 디자인된다. 이미지-형성 요소 어레이는, 일차 전자 빔(202)의 복수의 일차 빔릿들(211, 212, 213)에 영향을 미치고 일차 빔릿들(211, 212, 및 213) 각각에 대한 일차 빔 크로스오버(203)의 복수의 평행 이미지들(가상 또는 실제)을 형성하기 위해 복수의 마이크로-디플렉터들 또는 마이크로-렌즈들을 포함할 수 있다. 일부 실시예들에서, 수차 보상기 어레이는 필드 곡률 보상기 어레이(field curvature compensator array: 도시되지 않음) 및 비점수차 보상기 어레이(도시되지 않음)를 포함할 수 있다. 필드 곡률 보상기 어레이는 복수의 마이크로-렌즈들을 포함하여 일차 빔릿들(211, 212, 및 213)의 필드 곡률 수차들을 보상할 수 있다. 비점수차 보상기 어레이는 복수의 마이크로-스티그메이터(micro-stigmator)들을 포함하여 일차 빔릿들(211, 212, 및 213)의 비점수차들을 보상할 수 있다. 빔-제한 어퍼처 어레이는 개별적인 일차 빔릿들(211, 212, 및 213)의 직경들을 제한하도록 구성될 수 있다. 도 2는 일 예시로서 3 개의 일차 빔릿들(211, 212, 및 213)을 나타내며, 소스 전환 유닛(220)이 여하한 수의 일차 빔릿들을 형성하도록 구성될 수 있다는 것을 이해한다. 제어기(109)는 소스 전환 유닛(220), 전자 검출 디바이스(240), 일차 투영 시스템(230), 또는 전동 스테이지(209)와 같은, 도 1의 EBI 시스템(100)의 다양한 부분들에 연결될 수 있다. 일부 실시예들에서, 아래에서 더 상세히 설명되는 바와 같이, 제어기(109)는 다양한 이미지 및 신호 처리 기능들을 수행할 수 있다. 또한, 제어기(109)는 하전 입자 빔 검사 시스템의 1 이상의 구성요소의 작동들을 제어하기 위해 다양한 제어 신호들을 생성할 수 있다.
집속 렌즈(210)는 일차 전자 빔(202)을 포커싱하도록 구성된다. 집속 렌즈(210)는 집속 렌즈(210)의 포커싱 파워를 변동시킴으로써 소스 전환 유닛(220)의 하류에 있는 일차 빔릿들(211, 212, 및 213)의 전류들을 조정하도록 더 구성될 수 있다. 대안적으로, 전류들은 개별적인 일차 빔릿들에 대응하는 빔-제한 어퍼처 어레이 내의 빔-제한 어퍼처들의 반경방향 크기들을 변경함으로써 변화될 수 있다. 전류들은 집속 렌즈(210)의 포커싱 파워 및 빔-제한 어퍼처들의 반경방향 크기들을 둘 다 변경함으로써 변화될 수 있다. 집속 렌즈(210)는 제 1 주 평면의 위치가 이동가능하도록 구성될 수 있는 조정가능한 집속 렌즈일 수 있다. 조정가능한 집속 렌즈는 자기적이도록 구성될 수 있고, 이는 오프-액시스 빔릿들(212 및 213)이 회전 각도들로 소스 전환 유닛(220)을 조명하게 할 수 있다. 회전 각도들은 조정가능한 집속 렌즈의 제 1 주 평면의 위치 또는 포커싱 파워에 따라 변화한다. 집속 렌즈(210)는 회전-방지 집속 렌즈일 수 있고, 이는 집속 렌즈(210)의 포커싱 파워가 변화되는 동안 회전 각도들을 변화되지 않게 유지하도록 구성될 수 있다. 일부 실시예들에서, 집속 렌즈(210)는 조정가능한 회전-방지 집속 렌즈일 수 있고, 여기서 회전 각도들은 제 1 주 평면의 위치 및 포커싱 파워가 변동될 때 변화하지 않는다.
대물 렌즈(231)는 검사를 위해 웨이퍼(208) 상에 빔릿들(211, 212, 및 213)을 포커싱하도록 구성될 수 있고, 본 실시예들에서 웨이퍼(208)의 표면 상에 3 개의 프로브 스폿들(221, 222, 및 223)을 형성할 수 있다. 작동 시, 쿨롱 어퍼처 플레이트(271)는 쿨롱 효과(Coulomb effect)를 감소시키기 위해 일차 전자 빔(202)의 주변 전자들을 차단하도록 구성된다. 쿨롱 효과는 일차 빔릿들(211, 212, 213)의 프로브 스폿들(221, 222, 및 223) 각각의 크기를 확대하고, 이에 따라 검사 분해능을 악화시킬 수 있다.
빔 분리기(233)는, 예를 들어 다이폴 자기장(magnetic dipole field) 및 다이폴 정전기장(electrostatic dipole field)을 발생시키는 정전 디플렉터(도 2에 도시되지 않음)를 포함하는 빈 필터(Wien filter)일 수 있다. 작동 시, 빔 분리기(233)는 일차 빔릿들(211, 212, 및 213)의 개별 전자들에 다이폴 정전기장에 의한 정전기력을 가하도록 구성될 수 있다. 정전기력은 빔 분리기(233)의 다이폴 자기장에 의해 개별 전자들에 가해지는 자기력과 크기가 같지만, 방향은 반대이다. 그러므로, 일차 빔릿들(211, 212, 및 213)이 적어도 실질적으로 0(zero) 편향 각도들로 적어도 실질적으로 직선으로 빔 분리기(233)를 통과할 수 있다.
작동 시, 편향 스캐닝 유닛(232)은 일차 빔릿들(211, 212, 및 213)을 편향하여, 웨이퍼(208)의 표면의 섹션 내의 개별적인 스캐닝 영역들에 걸쳐 프로브 스폿들(221, 222, 및 223)을 스캔하도록 구성된다. 일차 빔릿들(211, 212, 및 213) 또는 웨이퍼(208) 상의 프로브 스폿들(221, 222, 및 223)의 입사에 응답하여, 전자들이 웨이퍼(208)로부터 나오고, 3 개의 이차 전자 빔들(261, 262, 및 263)을 발생시킨다. 이차 전자 빔들(261, 262, 및 263) 각각은 전형적으로 이차 전자들(전자 에너지 ≤ 50 eV를 가짐) 및 후방산란된 전자들[일차 빔릿들(211, 212, 및 213)의 랜딩 에너지(landing energy)와 50 eV 사이의 전자 에너지를 가짐]을 포함한다. 빔 분리기(233)는 이차 투영 시스템(250)을 향해 이차 전자 빔들(261, 262, 및 263)을 편향하도록 구성된다. 이차 투영 시스템(250)은 후속하여 이차 전자 빔들(261, 262, 및 263)을 전자 검출 디바이스(240)의 검출 요소들(241, 242, 및 243) 상에 포커싱한다. 검출 요소들(241, 242, 및 243)은 대응하는 이차 전자 빔들(261, 262, 및 263)을 검출하고, 예를 들어 웨이퍼(208)의 대응하는 스캔 영역들의 이미지들을 구성하기 위해 제어기(109) 또는 신호 처리 시스템(도시되지 않음)에 전송되는 대응하는 신호들을 생성하도록 배치된다.
일부 실시예들에서, 검출 요소들(241, 242, 및 243)은 대응하는 이차 전자 빔들(261, 262, 및 263)을 각각 검출하고, 이미지 처리 시스템[예를 들어, 제어기(109)]에 대응하는 세기 신호 출력들(도시되지 않음)을 생성한다. 일부 실시예들에서, 각각의 검출 요소(241, 242, 및 243)는 1 이상의 픽셀을 포함할 수 있다. 검출 요소의 세기 신호 출력은 검출 요소 내의 모든 픽셀들에 의해 생성된 신호들의 합일 수 있다.
도 2에 나타낸 바와 같이, 웨이퍼 검사 시스템(199)[또는 "시스템(199)"]이 소스 전환 유닛(220)에 통신 연결되도록 제공될 수 있다. 예를 들어, 시스템(199)은 서로 통신 연결되는 검사 이미지 획득기(inspection image acquirer: 200), 저장소(130), 기준 데이터 획득기(160)[또는 "기준 데이터 획득기(160)"], 및 제어기(109)를 포함할 수 있다. 일부 실시예들에서, 검사 이미지 획득기(200), 저장소(130), 또는 기준 데이터 획득기(160)는 제어기(109) 또는 시스템(199)의 모듈로서 통합될 수 있거나, 제어기(109) 또는 시스템(199)에서 구현될 수 있는 구성요소를 포함할 수 있다. 일부 실시예들에서, 시스템(199) 또는 제어기(109)는 본 명세서에 개시되는 바와 같이 웨이퍼 상의 IC 레이아웃의 기준 데이터(예를 들어, GDS 데이터)를 얻고 분석할 수 있다. 일부 실시예들에서, 시스템(199) 또는 제어기(109)는 본 명세서에 개시되는 바와 같이 처리된 기준 데이터에 기초하여 하전 입자 멀티-빔 시스템[예를 들어, 시스템(104)]에 의해 수행되는 검사 프로세스를 제어할 수 있다.
검사 이미지 획득기(200)는 1 이상의 프로세서를 포함할 수 있다. 예를 들어, 검사 이미지 획득기(200)는 컴퓨터, 서버, 메인프레임 호스트, 단말기, 개인용 컴퓨터, 여하한 종류의 모바일 컴퓨팅 디바이스 등, 또는 이들의 조합을 포함할 수 있다. 검사 이미지 획득기(200)는 특히 전기 전도체, 광섬유 케이블, 휴대용 저장 매체, IR, 블루투스, 인터넷, 무선 네트워크, 무선 라디오, 또는 이들의 조합과 같은 매체를 통해 장치(104)의 전자 검출 디바이스(240)에 통신 연결될 수 있다. 검사 이미지 획득기(200)는 전자 검출 디바이스(240)로부터 신호를 수신할 수 있고, 이미지를 구성할 수 있다. 이에 따라, 검사 이미지 획득기(200)는 웨이퍼(208)의 이미지들을 획득할 수 있다. 또한, 검사 이미지 획득기(200)는 윤곽들의 생성, 획득된 이미지 상의 표시자 중첩 등과 같은 다양한 후-처리 기능들을 수행할 수 있다. 검사 이미지 획득기(200)는 획득된 이미지들의 밝기 및 콘트라스트 등의 조정들을 수행하도록 구성될 수 있다.
일부 실시예들에서, 이미지 획득기(200)는 전자 검출 디바이스(240)로부터 수신된 이미징 신호에 기초하여 웨이퍼의 이미지 데이터를 획득할 수 있다. 이미징 신호는 하전 입자 이미징을 수행하기 위한 스캐닝 작업에 대응할 수 있다. 획득된 이미지 데이터는 웨이퍼(208)의 다양한 피처들(예를 들어, 본 명세서에 개시되는 바와 같은 반복 셀 패턴들 또는 셀 에지들)을 포함할 수 있는 1 이상의 영역을 포함하는 단일 이미지에 대응할 수 있다. 획득된 이미지 데이터는 저장소(130)에 저장될 수 있다. 단일 이미지는 복수의 구역들로 분할될 수 있는 원본 이미지일 수 있다. 구역들 각각은 웨이퍼(208)의 피처 또는 패턴을 포함하는 하나의 이미징 영역을 포함할 수 있다. 획득된 이미지 데이터는 시간 시퀀스에 걸쳐 여러 번 샘플링되는 웨이퍼(208)의 1 이상의 영역의 다수 이미지들에 대응할 수 있다. 다수 이미지들은 저장소(130)에 저장될 수 있다. 일부 실시예들에서, 제어기(109)는 웨이퍼(208)의 1 이상의 영역의 다수 이미지들과 연계된 검사 이미지 데이터에 대해 본 명세서에 개시되는 바와 같은 이미지 처리 단계들을 수행하도록 구성될 수 있다.
일부 실시예들에서, 제어기(109)는 검출된 이차 전자들의 분포를 얻기 위해 측정 회로들(예를 들어, 아날로그-디지털 변환기들)을 포함할 수 있다. 검출 시간 윈도우 동안 수집되는 전자 분포 데이터는, 웨이퍼 표면 상에 입사하는 일차 빔릿들(211, 212, 및 213) 각각의 대응하는 스캔 경로 데이터와 조합하여, 검사 중인 웨이퍼 구조체들의 이미지들을 재구성하는 데 사용될 수 있다. 재구성된 이미지들은 웨이퍼(208)의 내부 또는 외부 구조체들의 다양한 피처들을 드러내기 위해 사용될 수 있고, 이에 의해 웨이퍼 내에 존재할 수 있는 여하한의 결함들을 드러내기 위해 사용될 수 있다.
기준 데이터 획득기(160)는 1 이상의 프로세서를 포함할 수 있다. 예를 들어, 기준 데이터 획득기(160)는 컴퓨터, 서버, 메인프레임 호스트, 단말기, 개인용 컴퓨터, 여하한 종류의 모바일 컴퓨팅 디바이스 등, 또는 이들의 조합을 포함할 수 있다. 기준 데이터 획득기(160)는 웨이퍼 상의 집적 회로 레이아웃의 디자인 및 검사를 위해 사용되는 기준 데이터(예를 들어, GDS 데이터, 또는 디자인 데이터)를 저장하도록 구성되는 저장소(130) 또는 다른 타입들의 내부 또는 외부 저장소(예를 들어, 디자인 데이터베이스)에 통신 연결될 수 있다. 기준 데이터 획득기(160)는 특히 전기 전도체, 광섬유 케이블, 휴대용 저장 매체, IR, 블루투스, 인터넷, 무선 네트워크, 무선 라디오, 또는 이들의 조합과 같은 매체를 통해 기준 데이터를 획득할 수 있다. 기준 데이터는 웨이퍼 상의 IC 레이아웃의 디자인과 연계될 수 있다. 기준 데이터는 소프트웨어 시뮬레이션, 또는 기하학적 디자인 및 부울 연산을 통해 얻어질 수 있다. 일부 실시예들에서, 기준 데이터는 GDS 데이터 파일과 같은 데이터 구조 또는 여하한의 적절한 데이터 포맷으로 저장될 수 있다.
일부 실시예들에서, 제어기(109)는 기준 데이터 획득기(160)에 의해 획득되는 기준 데이터를 분석할 수 있다. 예를 들어, 본 발명에서 개시되는 바와 같이, 제어기(109)는 셀들의 에지들 및 셀 어레이들에 대응하는 반복 패턴들을 식별하기 위해 GDS 데이터 파일들을 처리할 수 있다. 처리된 GDS 데이터 파일들에 기초하여, 제어기(109)는 또한 사전설정된 파라미터들을 사용하여 웨이퍼(208)의 소정 영역들을 검사하도록 소스 전환 유닛(220) 또는 전자 빔 툴(104)의 다른 구성요소들의 작동들을 제어하기 위해 제어 신호들을 생성할 수 있다. 예를 들어, 제어기(109)에 의해 생성되는 제어 신호들은 식별된 셀 어레이들 또는 셀 에지들에 대응하는 구역들과 같은 웨이퍼(208) 상의 소정 스캐닝 영역들에 걸쳐 프로브 스폿들(221, 222, 및 223)을 스캔하도록 일차 빔릿들(211, 212, 및 213)을 제어하는 데 사용될 수 있다.
저장소(130)는 하드 디스크, RAM(random access memory), 클라우드 저장소, 다른 타입들의 컴퓨터 판독가능한 메모리 등과 같은 저장 매체일 수 있다. 저장소(130)는 검사 이미지 획득기(200)와 커플링될 수 있고, 원본 이미지들로서 스캔된 원시 이미지 데이터, 및 후-처리된 이미지들을 저장하는 데 사용될 수 있다. 또한, 저장소(130)는 기준 데이터 획득기(160)와 커플링되고, 기준 데이터 및 후-처리된 기준 데이터를 저장하는 데 사용될 수 있다.
일부 실시예들에서, 제어기(109)는 웨이퍼(208)의 검사 동안 웨이퍼(208)를 이동시키도록 전동 스테이지(209)를 제어할 수 있다. 일부 실시예들에서, 제어기(109)는 전동 스테이지(209)가 일정한 속도로 계속해서 한 방향으로 웨이퍼(208)를 이동시킬 수 있게 할 수 있다. 다른 실시예들에서, 제어기(109)는 전동 스테이지(209)가 스캐닝 프로세스의 단계들에 따라 시간에 걸쳐 웨이퍼(208)의 이동 속도를 변화시킬 수 있게 할 수 있다.
도 2에 나타낸 바와 같이, 제어기(109)는 전자 빔 툴(104)에 전자적으로 연결될 수 있다. 본 명세서에 개시된 바와 같이, 제어기(109)는 전자 빔 툴(104)의 다양한 제어들을 실행하도록 구성되는 컴퓨터일 수 있다. 일부 실시예들에서, 검사 이미지 획득기(200), 기준 데이터 획득기(160), 저장소(130), 및 제어기(109)는 하나의 제어 유닛으로서 함께 통합될 수 있다.
도 2는 전자 빔 툴(104)이 3 개의 일차 전자 빔들을 사용하는 것을 나타내지만, 전자 빔 툴(104)은 여하한의 적절한 수의 일차 전자 빔들을 사용할 수 있다는 것을 이해한다. 본 발명은 전자 빔 툴(104)에서 사용되는 일차 전자 빔들의 수를 제한하지 않는다. 단일 하전 입자 빔 이미징 시스템("단일-빔 시스템")과 비교하여, 다수 하전 입자 빔 이미징 시스템("멀티-빔 시스템")은 상이한 스캔 모드들에 대해 스루풋을 최적화하도록 디자인될 수 있다. 본 발명의 실시예들은 상이한 스루풋들 및 분해능 요건들에 적응하는 상이한 지오메트리들을 갖는 빔 어레이들을 사용함으로써 상이한 스캔 모드들에 대해 스루풋을 최적화하는 능력을 갖는 멀티-빔 시스템을 제공한다.
도 3은 본 발명의 일부 실시예들에 따른, 기준 데이터(예를 들어, GDS 데이터)를 처리하기 위한 예시적인 시스템(300)의 블록 다이어그램이다. 일부 실시예들에서, 시스템(300)은 기준 데이터 획득기(305), 제 1 레벨 그룹화 구성요소(310), 클러스터링 구성요소(320), 제 2 레벨 그룹화 구성요소(340), 및 패턴들의 클래스(예를 들어, 클러스터, 그룹, 세트, 또는 서브세트 등)를 출력하기 위한 출력 구성요소(345)를 포함한다. 일부 실시예들에서, 클러스터링 구성요소(320)는 푸리에 변환 구성요소(325), 재귀적 분할 구성요소(330), 및 응집도 테스트 구성요소(335)를 더 포함한다. 일부 실시예들에서, 기준 데이터 분석은 제 1 레벨 그룹화 구성요소(310)에 의해 수행되는 제 1 레벨 그룹화 프로세스, 클러스터링 구성요소(320)에 의해 수행되는 클러스터링 프로세스, 이어서 제 2 레벨 그룹화 구성요소(340)에 의해 수행되는 제 2 레벨 그룹화 프로세스를 포함할 수 있다. 일부 실시예들에서, 제 1 레벨 그룹화 또는 제 2 레벨 그룹화 프로세스는 기준 데이터를 처리하기 위해 선택적일 수 있다.
시스템(300)은 하전 입자 빔 검사 시스템[예를 들어, 도 1의 전자 빔 검사 시스템(100)]의 부분들로서 통합되는 1 이상의 구성요소 또는 모듈을 포함할 수 있다는 것을 이해한다. 또한, 시스템(300)은 하전 입자 빔 검사 시스템과 분리되고 통신 연결되는 1 이상의 구성요소 또는 모듈을 포함할 수 있다. 시스템(300)은 1 이상의 프로세서 및 저장 메모리를 포함할 수 있다. 예를 들어, 시스템(300)은 컴퓨터, 서버, 메인프레임 호스트, 단말기, 개인용 컴퓨터, 여하한 종류의 모바일 컴퓨팅 디바이스 등, 또는 이들의 조합을 포함할 수 있다. 일부 실시예들에서, 시스템(300)은 본 명세서에 개시된 바와 같이 제어기(109) 또는 시스템(199)에서 구현될 수 있는 1 이상의 구성요소, 예를 들어 소프트웨어 모듈, 하드웨어 모듈, 또는 이들의 조합을 포함할 수 있다.
도 3에 나타낸 바와 같은 일부 실시예들에서, 시스템(300)은 기준 데이터 획득기(305)를 포함할 수 있다. 기준 데이터 획득기(305)는 시스템(300)에 의해 처리될, 예를 들어 도 4a 내지 도 4d, 도 5a 및 도 5c에 나타낸 바와 같은 복수의 패턴들을 포함하는 기준 데이터를 얻도록 구성될 수 있다. 획득된 기준 데이터 내의 복수의 패턴들은 웨이퍼의 부분(예를 들어, 다이)을 패터닝하는 데 사용되는 마스크 상의 패턴들, 또는 리소그래피 공정을 통해 웨이퍼의 부분(예를 들어, 다이) 상에 프린트된 패턴들에 대응할 수 있다. 일부 실시예들에서, 기준 데이터 획득기(305)는 도 2의 기준 데이터 획득기(160)와 실질적으로 유사할 수 있다. 일부 실시예들에서, 기준 데이터 획득기(305)는 기준 데이터 획득기(160)와 상이할 수 있다. 예를 들어, 기준 데이터 획득기(305)는 하전 입자 빔 검사 시스템과 별개인 컴퓨팅 디바이스에 포함되거나 구현될 수 있다.
일부 실시예들에서, 본 명세서에 개시된 바와 같은 기준 데이터는 GDS(Graphic Database System) 포맷, GDSⅡ(Graphic Database System Ⅱ) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, CIF(Caltech Intermediate Format) 등으로 이루어질 수 있다. 일부 실시예들에서, 기준 데이터는 검사 중인 웨이퍼(208) 상의 IC 디자인 레이아웃을 포함할 수 있다. IC 디자인 레이아웃은 웨이퍼를 구성하기 위한 패턴 레이아웃에 기초할 수 있다. IC 디자인 레이아웃은 포토리소그래피 마스크 또는 레티클로부터 웨이퍼로 피처들을 전사하는 데 사용되는 1 이상의 포토리소그래피 마스크 또는 레티클에 대응할 수 있다. 일부 실시예들에서, 특히 GDS 또는 OASIS의 기준 데이터는 평면 기하학적 형상들, 텍스트, 및 웨이퍼 디자인 레이아웃과 관련된 다른 정보를 나타내는 이진 파일 포맷으로 저장된 피처 정보를 포함할 수 있다.
일부 실시예들에서, GDS 데이터 파일들과 같은 기준 데이터는 웨이퍼 상의 복수의 계층적 층들에 형성될 디자인 아키텍처에 대응할 수 있다. 기준 데이터는 이미지 파일들로 제공될 수 있고, 웨이퍼 상에 형성될 상이한 층들 상의 다양한 패턴들에 대한 특성 정보(예를 들어, 형상, 치수 등)를 포함할 수 있다. 예를 들어, 기준 데이터는 기판, 도핑 구역, 폴리-게이트 층, 저항 층, 유전체 층, 금속 층, 트랜지스터, 프로세서, 메모리, 금속 연결부, 접촉부, 비아(via), 시스템온칩(SoC), 네트워크온칩(NoC), 또는 여하한의 다른 적절한 구조체들을 포함 -이에 제한되지는 않음- 하는 웨이퍼 상에 제작될 다양한 구조체들, 디바이스들 및 시스템들과 관련된 정보를 포함할 수 있다. 기준 데이터는 메모리 블록, 논리 블록, 상호연결부 등의 IC 레이아웃 디자인을 더 포함할 수 있다.
일부 실시예들에서, 시스템(300)은 기준 데이터 획득기(305)로부터 얻어진 기준 데이터를 처리하도록 구성되는 제 1 레벨 그룹화 구성요소(310)를 포함할 수 있다. 일부 실시예들에서, 제 1 레벨 그룹화 구성요소(310)는 1 이상의 패턴을 분석하고 (예를 들어, 패턴 타입, 형상, 수, 밀도 등에 의해) 패턴들을 그룹화할 수 있다. 예를 들어, 제 1 레벨 그룹화 구성요소(310)는 예를 들어 도 4a에 나타낸 바와 같이, 기준 데이터 내의 복수의 패턴들을 비교하여 동일한 그룹(예컨대, 클래스, 카테고리, 빈 등)에서 동일한 패턴들을 분류(예컨대, 카테고리화)할 수 있다. 제 1 레벨 그룹화 구성요소(310)는 기준 데이터로부터 1 이상의 쌍 내에서 패턴들 간의 기하학적 형상 및 특징들을 비교할 수 있다. 일부 실시예들에서, 제 1 레벨 그룹화 구성요소(310)는 도 7을 참조하여 개시되는 바와 같이 1 이상의 단계를 수행하도록 구성될 수 있다. 일부 실시예들에서, 제 1 레벨 그룹화 구성요소(310)는 [예를 들어, 제어기(109) 또는 시스템(199)에서 구현될 수 있는 1 이상의 구성요소 또는 모듈을 포함하는] 하전 입자 빔 검사 시스템의 일부일 수 있다. 일부 실시예들에서, 제 1 레벨 그룹화 구성요소(310)는 하전 입자 빔 검사 시스템과 분리되고 통신 연결되는 컴퓨팅 디바이스에 포함될 수 있다.
일부 실시예들에서, 시스템(300)은 기준 데이터로부터 패턴들을 클러스터링하기 위해 본 명세서에 개시된 바와 같이 1 이상의 클러스터링 알고리즘을 적용하도록 구성되는 클러스터링 구성요소(320)를 포함할 수 있다. 클러스터링 구성요소(320)는 제 1 레벨 그룹화 구성요소(310)로부터 얻어진 그룹화된 패턴들(예를 들어, 도 4b에 나타낸 바와 같은 대표 패턴들) 또는 기준 데이터 획득기(305)에 의해 획득된 기준 데이터 내의 패턴들에 클러스터링 알고리즘들을 적용할 수 있다. 일부 실시예들에서, 도 4b에 나타낸 바와 같이, 클러스터링 구성요소(320)는 2 이상의 패턴들 간의 유사성이 사전설정된 임계치를 초과하는지 여부를 분석하여 패턴들을 동일한 클러스터로 병합할지를 결정하기 위해 (DBSCAN) 알고리즘을 사용할 수 있다.
일부 실시예들에서, 푸리에 변환 구성요소[예를 들어, 클러스터링 구성요소(320)의 푸리에 변환 구성요소(325)]는 복수의 패턴들에 대해 푸리에 변환(예를 들어, 1-D 또는 2-D 푸리에 변환, 푸리에 트랜스포메이션이라고도 함)을 수행하여 주파수 도메인에서 이미지들을 렌더링할 수 있다. 예를 들어, 도 5a에 나타낸 바와 같이, 패턴들(502, 504)이 푸리에 변환 기반 이미지들(예를 들어, 푸리에 도메인 이미지들, 또는 주파수 도메인 이미지들)(512, 514)로 변환될 수 있다. 일부 실시예들에서, 푸리에 변환 구성요소[예컨대, 푸리에 변환 구성요소(325)]는 푸리에 변환 기반 이미지들을 고차원 벡터들로 전환할 수 있다. 예를 들어, 도 5b에 나타낸 바와 같이, 푸리에 변환 기반 이미지(522)는 벡터(526)로 전환될 수 있다. 일부 실시예들에서, 푸리에 변환 구성요소(325)는 푸리에 변환 기반 벡터들의 피처 포인트(feature point)들과 클러스터 센트로이드(cluster centroid) 사이의 거리(예를 들어, 유클리드 거리)를 더 결정할 수 있다. 상기 거리는 도 5a 내지 도 5c 및 도 6a 내지 도 6c에 나타낸 바와 같이 패턴들 간의 유사성을 평가하는 데 사용될 수 있다.
일부 실시예들에서, 클러스터링 구성요소(320)의 재귀적 분할 구성요소(330)는 주파수 도메인에서 푸리에 변환 기반 피처들(예를 들어, 본 명세서에 개시된 이미지들 또는 벡터들)을 분할하기 위한 계층적 클러스터링 프로세스[예를 들어, 프로세스(540)]를 수행하여 복수의 클러스터들을 얻을 수 있다. 일부 실시예들에서, 도 5c에 나타낸 바와 같이, 재귀적 분할 구성요소(330)는 재귀적 분할을 위해 K-평균 클러스터링 알고리즘 또는 여하한의 다른 적절한 클러스터링 알고리즘과 같은 클러스터링 알고리즘을 사용한다. 예를 들어, 재귀적 분할 구성요소(330)는 먼저 패턴들을 소정 수의 그룹들(또는 서브세트들)로 분할할 수 있다. 각각의 그룹 내에서, 재귀적 분할 구성요소(330)는 재귀적 분할을 정지하기 위한 조건 또는 임계치가 충족될 때까지 재귀적 분할을 더 수행한다.
일부 실시예들에서, 클러스터링 구성요소(320)의 응집도 테스트 구성요소(335)는 재귀적 분할을 정지하는 데 사용되는 조건 또는 임계치를 결정할 수 있다. 조건 또는 임계치는 유사성 임계치, 계층적 클러스터링 프로세스의 최대 계층 레벨, 또는 추가 분할 이전의 서브세트에 포함된 벡터들의 최소 수 등과 연계될 수 있다. 일부 실시예들에서, 응집도 테스트 구성요소(335)는 응집도 테스트를 사용할 수 있다. 예를 들어, 도 6a에 나타낸 바와 같이, 응집도 테스트는 카이제곱 분포 응집도 테스트 또는 테스트 원의 반경을 결정하는 데 사용되는 변형 응집도 테스트를 포함할 수 있다. 도 6b 내지 도 6c에 나타낸 바와 같이, 테스트 원은 테스트 원 내에 재귀적 분할을 정지하기에 충분한 데이터포인트들이 있는지를 평가하는 데 사용될 수 있다. 일부 실시예들에서, 사용자는 재귀적 분할 프로세스에서 사용되는 1 이상의 파라미터를 직접 또는 간접적으로 튜닝하기 위해 테스트 원의 크기를 커스터마이징하도록 반경을 조정할 수 있다. 응집도 테스트 구성요소(335)는 응집도 정도(예를 들어, 테스트 원 내부의 데이터포인트들의 수와 총 데이터포인트 수 사이의 비)를 더 결정하고, 응집도 정도를 임계값과 비교하여 재귀적 분할을 정지할지 또는 계속할지를 결정할 수 있다(예를 들어, 도 6b 및 도 6c).
일부 실시예들에서, 클러스터링 구성요소(320)는 도 7을 참조하여 개시되는 바와 같이 1 이상의 단계를 수행하도록 구성될 수 있다. 일부 실시예들에서, 클러스터링 구성요소(320)는 [예를 들어, 제어기(109) 또는 시스템(199)에서 구현될 수 있는 1 이상의 구성요소 또는 모듈을 포함하는] 하전 입자 빔 검사 시스템의 일부일 수 있다. 일부 실시예들에서, 클러스터링 구성요소(320)는 하전 입자 빔 검사 시스템과 분리되고 통신 연결되는 컴퓨팅 디바이스에 포함될 수 있다.
일부 실시예들에서, 시스템(300)은 클러스터링 구성요소(320)로부터 얻어진 그룹화된 패턴들을 더 처리하도록 구성되는 제 2 레벨 그룹화 구성요소(340)를 포함할 수 있다. 제 2 레벨 그룹화 구성요소(340)는 패턴 유사성에 기초하여 더 병합 또는 분할하기 위해 패턴들의 각 그룹들 또는 클러스터들 내에서 및 이들 사이에서 패턴들을 분석할 수 있다(예를 들어, 도 4c). 일부 실시예들에서, 유사성 표준(similarity standard)은 사용자에 의해 커스터마이징될 수 있다. 일부 실시예들에서, 제 2 레벨 그룹화 구성요소(340)는 도 7을 참조하여 개시되는 바와 같이 1 이상의 단계를 수행하도록 구성될 수 있다. 일부 실시예들에서, 제 2 레벨 그룹화 구성요소(340)는 [예를 들어, 제어기(109) 또는 시스템(199)에서 구현될 수 있는 1 이상의 구성요소 또는 모듈을 포함하는] 하전 입자 빔 검사 시스템의 일부일 수 있다. 일부 실시예들에서, 제 2 레벨 그룹화 구성요소(340)는 하전 입자 빔 검사 시스템과 분리되고 통신 연결되는 컴퓨팅 디바이스에 포함될 수 있다.
일부 실시예들에서, 시스템(300)은 예를 들어 웨이퍼 또는 다이 상의 좌표와 같은 지표를 사용하여, 검사 중에 사용될 패턴 그룹들 또는 클러스터들을 출력할 수 있다. 일부 실시예들에서, 출력 구성요소(345)는 [예를 들어, 제어기(109) 또는 시스템(199)에서 구현될 수 있는 1 이상의 구성요소 또는 모듈을 포함하는] 하전 입자 빔 검사 시스템의 일부일 수 있다. 일부 실시예들에서, 출력 구성요소(345)는 하전 입자 빔 검사 시스템과 분리되고 통신 연결되는 컴퓨팅 디바이스에 포함될 수 있다.
도 4a는 본 발명의 일부 실시예들에 따른, 복수의 대표 패턴들(404)을 얻기 위해, 예를 들어 GDS 이미지의 부분에 대응하는 기준 데이터 내의 복수의 패턴들(402)에 대해 제 1 레벨 그룹화 프로세스(400)를 수행하는 예시적인 프로세스이다. 일부 실시예들에서, 복수의 패턴들(402)은 다이와 같은 웨이퍼의 부분을 패터닝하기 위해 사용되는 마스크 상의 패턴들에 대응한다. 일부 실시예들에서, 복수의 패턴들(402)은 리소그래피 공정을 통해 웨이퍼의 부분, 예를 들어 다이에 프린트된 패턴들에 대응한다.
일부 실시예들에서, 제 1 레벨 그룹화 프로세스(400)는 복수의 패턴들(402) 사이의 기하학적 형상들의 비교에 기초하여 수행된다. 예를 들어, 복수의 패턴들(402) 내의 각 패턴 쌍이 비교되고, 비교 결과들에 기초하여 복수의 패턴들(402)은 다수 그룹들로 분리된다. 일부 실시예들에서, 제 1 그룹화 프로세스(400)의 결과로서, 그룹 내의 패턴들은 서로 기하학적으로 동일하며, 하나의 빈에 들어간다. 일부 실시예들에서, 각각의 대표 패턴(404)은 제 1 레벨 그룹화 프로세스로부터 얻어진 대응하는 그룹 내의 동일한 패턴(들)을 나타낸다.
도 4b는 본 발명의 일부 실시예들에 따른, 도 4a에 나타낸 바와 같은 제 1 그룹화 프로세스(400)로부터 얻어진 그룹화 결과들에 대해 클러스터링 프로세스(420)를 수행하는 예시적인 프로세스이다. 일부 실시예들에서, 클러스터링 프로세스(420)는 각 그룹들의 대표 패턴들(404)에 의해 표시되는 기준 데이터 내의 그룹화된 패턴들에 대해 수행된다. 일부 실시예들에서, 도 4a의 프로세스로부터 얻어진 두 빈들의 패턴들이 비교되고, 유사성이 여하한의 적절한 클러스터링 알고리즘을 사용하여 정량화되고 연산될 수 있다. 예를 들어, 클러스터링 프로세스(420)는 DBSCAN(density-based spatial clustering of applications with noise) 알고리즘을 사용할 수 있다. 일부 실시예들에서, 두 대표 패턴들 사이의 유사성이 사전설정된 임계치를 넘는 경우, 예를 들어 새로운 그룹들(또는 빈들)(422 또는 424)에 나타낸 바와 같이 두 빈들이 병합된다. 그렇지 않은 경우, 대표 패턴(426)에 의해 표시되는 그룹은 병합되지 않은 상태로 유지된다. 일부 실시예들에서, 클러스터링 프로세스(420)는 모든 빈들이 평가될 때까지 실행된다.
도 4c는 본 발명의 일부 실시예들에 따른, 도 4b에 나타낸 바와 같은 클러스터링 프로세스(420)로부터 얻어진 클러스터링 결과들에 대해 제 2 레벨 그룹화 프로세스(440)를 수행하는 예시적인 프로세스이다. 일부 실시예들에서, 도 4b의 프로세스(420)에서 얻어진 각각의 빈들로부터의 패턴들은 도 4c의 클래스들(442, 444, 446, 및 448)과 같은 상이한 패턴 클래스들을 얻기 위해 더 분석된다. 일부 실시예들에서, 서로 더 유사한 패턴들은 클래스로 분류되는 반면, 서로 충분히 유사하지 않은 패턴들은 클래스들(442 및 444)로 분할된 빈(422)과 같이 상이한 클래스들로 더 분할된다. 일부 실시예들에서, 프로세스(440)에서 패턴들을 분류하기 위한 유사성 표준은 사용자에 의해 커스터마이징될 수 있다. 제 2 레벨 그룹화 프로세스는 패턴들 간의 유사성을 비교하기 위해 제 1 레벨 그룹화 프로세스와 상이한 표준을 사용할 수 있다. 예를 들어, 제 1 레벨 그룹화에서는 서로 동일한 패턴들이 동일한 그룹(또는 빈)에 배치되는 반면, 제 2 레벨 그룹화에서는, 예를 들어 소정 임계치 이하의 차이들을 갖는 충분히 유사한 패턴들이 동일한 그룹에 배치된다. 일부 실시예들에서, 제 1 레벨 그룹화 또는 제 2 레벨 그룹화 동안 패턴들을 비교하기 위해 사용되는 표준은 패턴들의 기하학적 형상, 크기, 피처 타입, 밀도, 피처 포인트들 사이의 거리 등과 연관될 수 있다. 일부 실시예들에서, 패턴들은 제 2 레벨 그룹화 또는 제 1 레벨 그룹화에서 쌍으로 비교될 수 있다.
이제 도 4d를 참조하며, 이는 본 발명의 일부 실시예들에 따른, 도 4a 내지 도 4c에 나타낸 바와 같은 그룹화 또는 클러스터링 프로세스 동안 두 패턴들을 비교하는 일 예시를 나타내는 다이어그램이다. 일부 실시예들에서, 한 쌍의 패턴들, 예를 들어 패턴들(462 및 464)의 기하학적 형상들이 클러스터링 프로세스(420) 동안 본 명세서에 개시된 DBSCAN 알고리즘과 같은 적절한 클러스터링 알고리즘을 사용하여 비교된다. 일부 실시예들에서, 패턴들의 총 수(예컨대, n) 중 여하한의 두 패턴들이 비교되기 때문에, 프로세스는 n2 번의 비교를 수행할 수 있고, 이는 시간 소모적인 프로세스이다. 또한, 도 4d에 나타낸 바와 같이, 이미지들 간의 차이를 측정하기 위해 두 패턴 이미지들(462 및 464)이 오버랩된다. 하지만, 이 오버랩은 서로에 대한 시프팅 또는 회전으로 인해 2 개의 동일한 패턴들이 상이하게 보일 수 있는 가능성을 간과할 수 있다. 결과로서, 상이한 빈들 또는 클래스들이 중복 패턴들을 포함하여, 검사 시간을 더 증가시키고 리소스 소비를 더 낭비할 수 있다.
도 5a 내지 도 5c, 및 도 6a 및 도 6b는 본 발명의 일부 실시예들에 따른, 푸리에 변환 기반 기준 데이터에 기초한 예시적인 계층적 클러스터링 프로세스를 나타낸다. 도 5a는 본 발명의 일부 실시예들에 따른, (예를 들어, GDS 이미지의 부분에 대응하는) 기준 데이터 내의 복수의 패턴들에 대해 푸리에 변환을 수행하는 예시적인 프로세스(500)를 나타낸다. 패턴들은 제 1 레벨 그룹화 구성요소(310)로부터의 그룹화된 패턴들 또는 기준 데이터 획득기(305)로부터의 기준 데이터로부터 얻어질 수 있다. 일부 실시예들에서, 푸리에 변환 구성요소(325)는 이미지들(512 및 514)로 나타낸 바와 같이, 주파수 도메인에서 이미지들을 렌더링하기 위해 패턴들, 예를 들어 패턴들(502 및 504)에 2-D 푸리에 변환을 적용할 수 있다.
일부 실시예들에서, 주파수 도메인에서의 푸리에 변환 기반 기준 데이터의 피처 포인트들 사이의 거리가 결정될 수 있다. 예를 들어, 이미지들(512 및 514) 사이의 두 피처 포인트들과 클러스터 센트로이드 사이의 유클리드 거리가 결정될 수 있다. 거리는 본 명세서에 개시된 바와 같이 두 패턴들(512 및 514)에 대응하는 벡터들 간의 유사성을 결정하는 데 사용될 수 있다.
도 5b는 본 발명의 일부 실시예들에 따른, 푸리에 변환 기반 기준 이미지들, 예를 들어 푸리에 변환 기반 이미지(522)를 벡터들로 전환하는 예시적인 프로세스(520)를 나타낸다. 일부 실시예들에서, 이미지(522)의 픽셀들이 분석되어, 예를 들어 다이어그램(524)에 나타낸 바와 같이 각각의 픽셀들에 대한 픽셀 값들을 얻는다. 픽셀 정보에 기초하여, 이미지(522)는 주파수 도메인에서 고차원 벡터(526)로 확장된다. 거리는 푸리에 변환 기반 벡터들에 기초하여 계산될 수 있다.
도 5c는 본 발명의 일부 실시예들에 따른, 복수의 클러스터들을 얻기 위해 주파수 도메인에서 푸리에 변환 기반 피처들을 분할하기 위한 예시적인 계층적 클러스터링 프로세스(540)를 나타내는 다이어그램이다. 일부 실시예들에서, 재귀적 분할 구성요소(330)는 k-평균 클러스터링 알고리즘 또는 여하한의 다른 적절한 클러스터링 알고리즘과 같은 클러스터링 알고리즘을 사용하여, 복수의 푸리에 변환 기반 피처들을 복수의 클러스터들로 재귀적으로 분할한다. 일부 실시예들에서, 벡터와 클러스터 센트로이드 사이의 거리는 벡터가 이 클러스터에 포함되는지 여부를 결정하기 위해 사전설정된 임계치와 비교된다. 클러스터 센트로이드에 충분히 가까운, 예를 들어 사전설정된 임계치 내의 거리들을 갖는 벡터들은 대응하는 클러스터에 포함된다. 일부 실시예들에서, 클러스터링 알고리즘은 푸리에 변환 기반 피처들을 분할할 때 사전설정된 수의 클러스터들(예를 들어, 고정된 수의 클러스터들)을 사용한다. 일부 실시예들에서, 계층적 클러스터링 프로세스(540)는 사전설정된 또는 고정된 수의 클러스터들을 설정하지 않는다. 오히려, 프로세스(540)는 stopdivide 함수와 같이 재귀적 분할을 정지하기 위한 조건 또는 임계치를 사용한다.
일부 실시예들에서, 본 명세서에 개시된 계층적 클러스터링 프로세스 동안, 재귀적 분할 구성요소(330)는 먼저 전체 데이터세트를 다수 서브세트들로 분할한다. 일부 실시예들에서, 제 1 분할 레벨은 푸리에 변환된 피처 벡터들의 유사성(예를 들어, 클러스터 센트로이드까지의 거리)에 기초하여 전체 데이터세트를 소정 수의 서브세트들, 예를 들어 2 이상의 서브세트들로 분할하기 위해 k-평균 알고리즘과 같은 적절한 클러스터링 알고리즘을 사용할 수 있다. 예를 들어, 도 5c에 나타낸 바와 같이, 원본 데이터세트(540)는 먼저 k-평균 알고리즘을 사용하여 서브세트(542) 및 또 다른 서브세트(550)로 분할될 수 있으며, 여기서 각각의 서브세트 내의 푸리에 변환된 피처들은 클러스터 센트로이드에 가까운 거리들을 갖는다. 다음으로, 재귀적 분할 구성요소(330)는 다음 레벨(들)에서 각각의 서브세트, 예를 들어 서브세트(550)를 다수 서브세트들, 예를 들어 서브세트들(552 및 554)로 재귀적으로 분할한다. 재귀적 분할을 정지하기 위한 조건 또는 임계치가 예를 들어 서브세트(542)에 대해 충족될 때, 재귀적 분할이 정지된다. 또한, 서브세트들(552 및 554)이 재귀적 분할을 정지하기 위한 조건 또는 임계치가 충족될 때까지 재귀적으로 더 분할된다.
일부 실시예들에서, 조건 또는 임계치는 재귀적 분할을 정지할지 여부를 결정하기 위해 서브세트 내의 푸리에 변환된 피처 벡터들의 유사성과 비교하는 데 사용되는 유사성 임계치와 연계될 수 있다. 일부 실시예들에서, 조건 또는 임계치는 계층적 클러스터링 프로세스의 최대 계층 레벨과 연계될 수 있다. 예를 들어, 재귀적 분할은 서브세트의 레벨이 임계치의 최대 레벨(또는 가장 깊은 레벨)에 도달할 때 정지된다. 일부 실시예들에서, 조건 또는 임계치는 추가 분할 이전의 서브세트에 포함된 벡터들의 최소 수와 연계될 수 있다. 예를 들어, 한 서브세트에서 재귀적 분할은 이 서브세트 내의 벡터들의 수가 최소 수 임계치보다 적을 때 정지된다.
일부 실시예들에서, 도 3의 응집도 테스트 구성요소(335)는 StopDivide 함수에서 응집도 테스트를 사용할 수 있다. 예를 들어, 응집도 테스트는 벡터들이 어떻게 통합되는지 또는 데이터포인트들이 서브세트에서 얼마나 응집되는지를 측정하는 데 사용될 수 있다. 일부 실시예들에서, 도 6a에 나타낸 바와 같이, 응집도 테스트는 클러스터 또는 서브세트의 모든 벡터 차원들의 성분들이 정규 분포(또는 또 다른 적절한 분포 함수)를 따른다는 가정 하에 카이제곱 분포 응집도 테스트를 포함할 수 있다. 도 6a의 각각의 데이터 포인트는 푸리에 변환 기반 피처 이미지에 대응하는 주파수 도메인의 피처 벡터를 나타낸다. 일부 실시예들에서, 클러스터의 데이터세트(V)가 주어지면, 클러스터 센트로이드(cV)가 결정될 수 있고, 클러스터 내의 벡터들과 클러스터 센트로이드(cV) 사이의 각 거리들에 기초하여 데이터세트(V)의 평균적 거리(rV)[예를 들어, 평균(mean) 거리]가 결정될 수 있다. 그 후, 알려진 분포 함수(예를 들어, 정규 분포 또는 데이터세트에 맞는 또 다른 함수)에 기초하여, 일 예시로서 r90을 사용하는 테스트 원에 대한 반경(rt), 예를 들어 90 퍼센트 신뢰도 반경이 계산될 수 있으며, 여기서 r90은 r90의 반경을 갖는 cV를 중심으로 하는 원에 클러스터의 데이터포인트들 중 90 %가 포함된다는 기대에 대응한다. 다음으로, 도 6b 및 도 6c에 개시된 바와 같이, 응집도, 예를 들어 테스트 원에 포함된 데이터포인트들의 실제 수(예를 들어, r90의 반경 rt로 cV를 중심으로 함)와 데이터세트(V) 내의 데이터포인트들의 총 수 사이의 비가 계산될 수 있다. 비는 이러한 데이터세트가 충분히 응집되는지 여부와 이에 따라 재귀적 분할을 정지할지 계속할지 여부를 결정하기 위해 사전설정된 임계치(예를 들어, 90 %)와 비교된다.
일부 실시예들에서, 카이제곱 분포 응집도 테스트는 많은 수의 데이터포인트들을 포함하는 클러스터로 더 잘 작동할 수 있다. 또한, 카이제곱 분포 응집도 테스트는 벡터들과 클러스터 센트로이드 사이의 거리를 고려하지만, 벡터들 사이의 거리들은 고려하지 않을 수 있다. 예를 들어, 클러스터 내의 벡터들이 정규 분포를 따르지만 분산이 허용가능한 임계치보다 큰 경우(예를 들어, 벡터들 간의 거리들이 충분히 가깝지 않거나, 패턴들이 실제로 충분히 유사하지 않은 경우), 카이제곱 응집도 테스트는 이러한 문제를 효과적으로 식별하지 않을 수 있다. 카이제곱 응집도 테스트는 재귀적 분할을 잘못 정지하여, 열악한 클러스터링 품질을 유도할 수 있다.
일부 실시예들에서, 도 6a에 나타낸 바와 같이, 응집도 테스트는 앞선 문제들을 해결하기 위한 변형 응집도 테스트를 포함할 수 있다. 예를 들어, 변형 응집도 테스트는 카이제곱 분포 응집도 테스트에서 사용되는 고정 반경 대신에, 예를 들어 본 명세서에 개시된 r90과 같은 계산된 반경을 조정하도록 0.1 내지 1.0의 사용자 선택 계수(θ)에 기초하여 테스트 원을 정의하는 사용자-커스터마이징가능한 반경(rt')을 제공한다(예를 들어, rt' = θrt). 예를 들어, 사용자는 테스트 원의 반경(rt')을 더 크거나 더 작게 조정하기 위해 소수 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 또는 1.0과 같은 계수(θ)를 선택하거나 입력할 수 있으며, 여기서 테스트 원은 아래에 개시되는 바와 같이 재귀적 분할을 정지하기 위해 테스트 원 내에 충분한 데이터포인트들이 있는지 여부(예를 들어, 데이터세트 V가 분포 함수에 따라 충분히 응집되어 있는지 여부)를 결정하는 데 사용된다. 변형 응집도 테스트는 재귀적 분할 프로세스를 정지할 때를 결정하는 데 사용되는 1 이상의 파라미터(예를 들어, 클러스터에서 벡터들이 얼마나 유사한지)를 커스터마이징하도록 사용자 자유 및 편의를 제공할 수 있다. 일부 실시예들에서, 사용자는 또한 사용자가 클러스터에 포함하기 원하는 벡터들의 최대 수를 선택할 수 있다.
테스트 원을 정의하는 반경을 결정한 후, 응집도가 결정되고 소정 임계치와 비교되어 재귀적 분할을 정지할지 여부를 결정한다. 일부 실시예들에서, 응집도는 테스트 원 내부의 (예를 들어, 푸리에 변환 기반 피처 벡터들에 대응하는) 데이터포인트들의 수와 서브세트(예를 들어, 클러스터) 내의 데이터포인트들(예를 들어, 벡터들)의 총 수 사이의 비이다. 일부 실시예들에서, 임계치는 90 %, 85 %, 또는 80 % 등과 같은 사전설정된 값일 수 있다. 임계치는 테스트 반경에 대응할 수 있으며, 예를 들어 90 %는 r90에 대응한다. 또한, 임계치는 사용자에 의해 선택 또는 조정될 수 있거나, 또는 시스템에 의해 미리 설정될 수 있다.
일부 실시예들에서, 도 6b에 나타낸 바와 같이, 응집도가 소정 임계치를 넘지 않는 경우, 예를 들어 반경(rt)에 의해 정의된 테스트 원 내에 데이터포인트들이 충분하지 않은 경우, 현재 클러스터(또는 현재 서브세트)의 재귀적 분할이 계속된다. 도 6c에 나타낸 바와 같이, 일부 실시예들에서, 응집도가 소정 임계치, 예를 들어 90 %보다 큰 경우에 재귀적 분할이 정지되며, 이는 피처 벡터들을 나타내는 대부분의 데이터포인트들이 클러스터 센트로이드에 충분히 가깝다는 것을 나타낸다.
일부 실시예들에서, 도 5a 내지 도 5c 및 도 6a 및 도 6b에 개시된 계층적 클러스터링 프로세스는 도 4a 및 도 4c에 개시된 바와 같은 제 1 레벨 그룹화 또는 제 2 레벨 그룹화와 같은 다른 그룹화 또는 클러스터링 프로세스들과 독립적으로, 또는 조합하여 수행될 수 있다.
본 명세서에 개시된 바와 같이, 클러스터링 알고리즘에서 사용되는 재귀적 분할은 데이터포인트들의 모든 쌍을 각각 비교할 필요가 없다. 대신에, 계층적 클러스터링 프로세스는 먼저 전체 데이터세트를 다수 서브세트들로 분할한다. 그 후, 서브세트들은 각각 재귀적 분할을 정지하는 조건이 충족될 때까지, 후속 레벨들에서 서브세트들로 재귀적으로 분할된다. 이러한 것으로서, 계층적 클러스터링 프로세스는 덜 시간-소모적일 수 있다. 예를 들어, 도 4d에서 수행된 비교의 N2 번에 비해, 본 명세서에 개시된 계층적 클러스터링 프로세스의 시간 복잡성은 N log(N)이다.
또한, 클러스터링 알고리즘은 주파수 도메인에서의 푸리에 변환 기반 피처들(예를 들어, 이미지들 또는 벡터들)과 연계된 거리와 같은 특성들에 기초하며, 이는 벡터들을 비교할 때 패턴들 사이의 병진 이동 또는 회전과 같은 방향성 편차(orientational deviation) 등을 고려할 수 있다. 이러한 것으로서, 동일한 패턴들을 상이한 클러스터들로 분할하는 것이 회피될 수 있으며, 이에 따라 클러스터링 프로세스가 더 정확하고 효율적일 수 있다.
추가적으로, 사용자는 예를 들어 재귀적 분할을 정지할지 여부를 평가하는 데 사용되는 파라미터, 예를 들어 테스트 원을 정의하기 위한 반경을 조정하거나 선택함으로써 클러스터링 프로세스를 제어하거나 커스터마이징할 수 있다. 반경의 영향을 통해 간접적으로 또는 직접적으로, 사용자는 클러스터 내에서 패턴들이 얼마나 유사한지, 클러스터 내에 포함될 최대 벡터 수, 최대 클러스터 수, 또는 분할의 최대 계층 레벨 등과 같이 재귀적 분할과 연계된 1 이상의 파라미터를 커스터마이징할 수 있다. 본 명세서에 개시된 바와 같이, 사용자는 재귀적 분할 프로세스를 위해 이 파라미터들 중 1 이상을 튜닝하기 위해 테스트 원의 반경을 편리하게 선택할 수 있다.
도 7은 본 발명의 일부 실시예들에 따른, 기준 데이터를 처리하는, 예를 들어 기준 데이터로부터 추출된 패턴들을 그룹화하는 예시적인 방법(700)을 나타내는 프로세스 흐름도이다. 일부 실시예들에서, 도 3의 장치(300), 도 2의 제어기(109) 또는 시스템(199), 또는 도 1의 시스템(100)의 1 이상의 구성요소에 의해 1 이상의 단계가 수행된다. 일부 실시예들에서, 방법(700)은 웨이퍼의 부분(예를 들어, 다이)을 패터닝하기 위한 마스크 상의 복수의 패턴들에 대해 수행된다. 일부 실시예들에서, 방법(700)은 또한 웨이퍼의 부분(예를 들어, 다이) 상에 (예를 들어, 리소그래피를 통해) 프린트된 복수의 패턴들에 대해 수행될 수 있다.
도 7에 나타낸 바와 같이, 단계 710에서, 복수의 패턴들을 포함하는 기준 이미지 데이터와 같은 이미지 데이터가 수신된다. 예를 들어, 이미지 데이터는 도 3의 기준 데이터 획득기(305) 또는 도 2의 기준 데이터 획득기(160)에 의해 얻어질 수 있다. 기준 데이터는 도 2의 저장소(130) 또는 여하한의 다른 적절한 IC 레이아웃 디자인 데이터베이스로부터 얻어질 수 있다. 이미지 데이터는 웨이퍼[예를 들어, 웨이퍼(208)] 상의 복수의 계층적 층들 상에 형성될 IC 디자인 아키텍처에 대응하는 GDS 데이터 파일들과 같이, 본 명세서에 개시된 여하한의 적절한 데이터 포맷일 수 있다. 이미지 데이터는 다이와 같은 웨이퍼의 적어도 일부에 피처들을 형성하는 데 사용될 마스크 상의 패턴들을 포함할 수 있다. 또한, 이미지는 웨이퍼 상에 프린트된 피처들에 대해 수행된 검사로부터 얻어진 패턴들을 포함할 수 있다.
일부 실시예들에서, 푸리에 변환 구성요소(325)는 복수의 패턴들(예를 들어, 패턴들 502, 504, 도 5a)에 대해 푸리에 변환을 수행하여, 주파수 도메인에서 복수의 푸리에 변환 기반 이미지들(예를 들어, 이미지 512, 514, 도 5a)을 얻을 수 있다. 일부 실시예들에서, 푸리에 변환 구성요소(325)는 도 5b에 나타낸 바와 같이 푸리에 변환 기반 이미지들을 고차원 벡터들로 더 전환할 수 있다. 패턴들을 그룹화하기 위해 패턴들 간의 유사성이 평가될 수 있다. 일부 실시예들에서, 푸리에 변환 후의 패턴에 대응하는 각각의 벡터에 대해 거리가 계산될 수 있고, 거리는 각각의 벡터와 클러스터 센트로이드 사이의 유클리드 거리일 수 있다. 일부 실시예들에서, 클러스터 센트로이드에 충분히 가까운 벡터들을 나타내는 데이터포인트들이 동일한 클러스터에 포함될 수 있다.
단계 720에서, 푸리에 변환 및 벡터화를 수행한 후, 복수의 패턴들은 다수 패턴 세트들(예를 들어, 서브세트들 542, 550, 도 5c)로 분리된다. 일부 실시예들에서, 푸리에 변환 기반 이미지들은 k-평균 알고리즘을 사용하여 분리되며, 여기서 각각의 서브세트 내의 푸리에 변환된 피처들은 클러스터 센트로이드에 가까운 거리들을 갖는다.
단계 730에서, 재귀적 분할 구성요소(330)가 각각의 패턴 세트에 대해 계층적 클러스터링을 수행하여, 각각의 패턴 세트와 연계된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻는다. 일부 실시예들에서, 도 5c에 나타낸 바와 같이, 분할 구성요소(330)는 각각의 계층적 레벨들에서 피처들을 재귀적으로 평가한 결과들에 기초하여 각각의 패턴 세트에 대해 재귀적 분할들을 수행한다. 피처는 각각의 패턴 세트 내의 패턴들이 충분히 유사한지 여부에 기초하여 결정되는 응집도와 같이, 각각의 패턴 세트의 패턴들 간의 유사성과 관련될 수 있다.
일부 실시예들에서, 응집도 테스트 구성요소(335)는 도 6a 내지 도 6c에 나타낸 바와 같은 피처들을 평가하는 응집도 테스트를 수행할 수 있다. 응집도 테스트 구성요소(335)는 각각의 패턴 세트의 응집도를 결정할 수 있다. 예를 들어, 응집도는 테스트 원 내부의 데이터포인트들의 수와 총 데이터포인트 수의 비로서 결정될 수 있다(예를 들어, 도 6a). 응집도는 임계값과 비교되어 재귀적 분할을 정지할지 계속할지를 결정할 수 있다(예를 들어, 도 6b 및 도 6c). 예를 들어, 응집도, 예를 들어 비가 도 6b에 나타낸 바와 같이 사전설정된 임계치보다 크지 않은 것으로 결정되는 경우, 현재 클러스터(또는 현재 서브세트)의 재귀적 분할은 계속된다. 응집도가 도 6c에 나타낸 바와 같이 사전설정된 임계치보다 큰 것으로 결정되는 경우, 현재 클러스터(또는 현재 서브세트)의 재귀적 분할은 정지된다.
일부 실시예들에서, 테스트 원의 반경은 도 6a에 나타낸 r90과 같이 카이제곱 응집도 테스트를 사용하여 결정될 수 있다. 일부 실시예들에서, 테스트 원의 반경은 도 6a에 나타낸 바와 같이 변형 응집도 테스트를 사용하여 결정될 수 있으며, 여기서 반경은 사용자-커스터마이징가능한 반경이다.
일부 실시예들에서, 변형 응집도 테스트를 통해, 사용자는 테스트 원의 반경을 더 크거나 더 작게 조정할 수 있다. 본 명세서에 개시된 바와 같이, 사용자에게는 재귀적 분할 프로세스를 정지할 때를 결정하는 데 사용되는 다른 파라미터들을 선택하거나 조정하는 옵션이 제공될 수 있다. 이러한 파라미터들은 반경의 크기, 클러스터 내에서 벡터들이 얼마나 유사한지, 클러스터 내에 포함되는 최대 벡터 수, 재귀적 분할의 최대 계층 레벨, 또는 추가 분할 전 서브세트에 포함되는 최소 벡터 수 등을 포함하며, 이에 제한되지는 않는다. 일부 실시예들에서, 기준 데이터를 그룹화하는 것과 관련하여 본 명세서에 개시된 프로세스들 및 알고리즘들은 웨이퍼 표면을 스캐닝한 후 검사 이미지 데이터를 분석하고 그룹화하는 데 사용될 수도 있다.
도 8은 본 발명의 일부 실시예들에 따른, 기준 데이터로부터 추출된 패턴들을 그룹화하는 것을 포함하는 기준 데이터, 예를 들어 이미지 데이터를 처리하는 예시적인 방법(800)을 나타내는 프로세스 흐름도이다. 일부 실시예들에서, 도 3의 장치(300), 도 2의 제어기(109) 또는 시스템(199), 또는 도 1의 시스템(100)의 1 이상의 구성요소에 의해 1 이상의 단계가 수행된다. 일부 실시예들에서, 방법(800)은 웨이퍼의 부분(예를 들어, 다이)을 패터닝하기 위한 마스크 상의 복수의 패턴들에 대해 수행된다. 일부 실시예들에서, 방법(800)은 또한 웨이퍼의 부분(예를 들어, 다이) 상에 (예를 들어, 리소그래피를 통해) 프린트된 복수의 패턴들에 대해 수행될 수 있다.
도 8에 나타낸 바와 같이, 단계 810에서, 복수의 패턴들을 포함하는 기준 이미지 데이터와 같은 이미지 데이터가 수신된다. 예를 들어, 이미지 데이터는 도 3의 기준 데이터 획득기(305) 또는 도 2의 기준 데이터 획득기(160)에 의해 얻어질 수 있다. 기준 데이터는 도 2의 저장소(130) 또는 여하한의 다른 적절한 IC 레이아웃 디자인 데이터베이스로부터 얻어질 수 있다. 이미지 데이터는 웨이퍼[예를 들어, 웨이퍼(208)] 상의 복수의 계층적 층들 상에 형성될 IC 디자인 아키텍처에 대응하는 GDS 데이터 파일들과 같이, 본 명세서에 개시된 여하한의 적절한 데이터 포맷일 수 있다. 이미지 데이터는 다이와 같은 웨이퍼의 적어도 일부에 피처들을 형성하는 데 사용될 마스크 상의 패턴들을 포함할 수 있다. 또한, 이미지는 웨이퍼 상에 프린트된 피처들에 대해 수행된 검사로부터 얻어진 패턴들을 포함할 수 있다.
일부 실시예들에서, 푸리에 변환 구성요소(325)는 복수의 패턴들(예를 들어, 도 5a의 패턴들 502, 504)에 대해 푸리에 변환을 수행하여, 복수의 주파수 도메인 피처들, 예컨대 푸리에 변환 기반 이미지들(예를 들어, 도 5a의 이미지 512, 514), 또는 도 5b에 나타낸 바와 같은 고차원 벡터들을 얻을 수 있다. 패턴들을 그룹화하기 위해 패턴들 간의 유사성이 평가될 수 있다. 일부 실시예들에서, 푸리에 변환 후의 패턴에 대응하는 각각의 벡터에 대해 거리가 계산될 수 있고, 거리는 각각의 벡터와 클러스터 센트로이드 사이의 유클리드 거리일 수 있다. 일부 실시예들에서, 클러스터 센트로이드에 충분히 가까운 벡터들을 나타내는 데이터포인트들이 동일한 클러스터에 포함될 수 있다. 일부 실시예들에서, 복수의 주파수 도메인 피처들은 다수의 제 1 레벨 패턴 세트들(예를 들어, 도 5c의 서브세트들 542, 550)로 분리된다. 일부 실시예들에서, 푸리에 변환 기반 이미지들과 같은 주파수 도메인 피처들은 k-평균 알고리즘을 사용하여 분리되며, 여기서 각각의 서브세트 내의 푸리에 변환된 피처들은 클러스터 센트로이드에 가까운 거리들을 갖는다.
단계 820에서, 재귀적 분할 구성요소(330)가 복수의 패턴들로부터 각각 변환된 복수의 주파수 도메인 피처들에 대해 계층적 클러스터링을 수행한다. 일부 실시예들에서, 재귀적 분할 구성요소(330)는 복수의 주파수 도메인 피처들을 재귀적으로 분할한다. 일부 실시예들에서, 파라미터의 사용자 선택이 수신된다. 파라미터는 재귀적 분할 동안 복수의 패턴들의 평가와 관련될 수 있다. 예를 들어, 본 명세서에 개시된 바와 같이, 사용자는 변형 응집도 테스트를 통해 테스트 원의 반경을 더 크거나 더 작게 조정할 수 있다. 사용자에게는 재귀적 분할 프로세스를 계속할지 여부를 결정하는 데 사용되는 1 이상의 파라미터를 선택하거나 조정하는 옵션이 제공될 수 있다.
일부 실시예들에서, 도 5c에 나타낸 바와 같이, 분할 구성요소(330)는 각각의 계층적 레벨들에서 피처들을 재귀적으로 평가한 결과들에 기초하여 각각의 패턴 세트에 대해 재귀적 분할들을 수행한다. 피처는 각각의 패턴 세트 내의 패턴들이 충분히 유사한지 여부에 기초하여 결정되는 응집도와 같이, 각각의 패턴 세트의 패턴들 간의 유사성과 관련될 수 있다.
일부 실시예들에서, 도 6a 내지 도 6c에 나타낸 바와 같이, 응집도 테스트 구성요소(335)는 패턴 세트의 응집도를 결정할 수 있다. 예를 들어, 응집도는 테스트 원 내부의 데이터포인트들의 수와 총 데이터포인트 수의 비로서 결정될 수 있다(예를 들어, 도 6a). 응집도는 임계값과 비교되어 재귀적 분할을 정지할지 계속할지를 결정할 수 있다(예를 들어, 도 6b 및 도 6c). 일부 실시예들에서, 테스트 원의 반경은 도 6a에 나타낸 r90과 같이 카이제곱 응집도 테스트를 사용하여 결정될 수 있다. 일부 실시예들에서, 테스트 원의 반경은 도 6a에 나타낸 바와 같이 변형 응집도 테스트를 사용하여 결정될 수 있으며, 여기서 반경은 사용자-커스터마이징가능한 반경이다.
제어기[예를 들어, 도 1 및 도 2의 제어기(109)]의 프로세서가 특히 이미지 검사, 이미지 획득, 스테이지 위치설정, 빔 포커싱, 전기장 조정, 빔 굽힘, 집속 렌즈 조정, 하전-입자 소스 활성화, 빔 편향, 및 방법(700)에 관하여 앞서 설명된 바와 같은 기준 데이터 처리를 수행하기 위한 명령어들을 저장하는 비-일시적 컴퓨터 판독가능한 매체가 제공될 수 있다. 비-일시적 매체의 보편적인 형태들은, 예를 들어 플로피 디스크, 플렉시블 디스크(flexible disk), 하드 디스크, 솔리드 스테이트 드라이브(solid state drive), 자기 테이프, 또는 여하한의 다른 자기 데이터 저장 매체, CD-ROM(Compact Disc Read Only Memory), 여하한의 다른 광학 데이터 저장 매체, 홀들의 패턴들을 갖는 여하한의 물리적 매체, RAM(Random Access Memory), PROM(Programmable Read Only Memory), 및 EPROM(Erasable Programmable Read Only Memory), FLASH-EPROM 또는 여하한의 다른 플래시 메모리, NVRAM(Non-Volatile Random Access Memory), 캐시, 레지스터, 여하한의 다른 메모리 칩 또는 카트리지, 및 이의 네트워크 버전(networked version)들을 포함한다.
본 실시예들은 다음 항목들을 사용하여 더 설명될 수 있다:
1. 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 방법으로서,
웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계;
푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계; 및
각각의 패턴 세트에 대해, 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계를 포함하는 방법.
2. 1 항에 있어서,
복수의 패턴들에 대해 푸리에 변환을 수행하여, 주파수 도메인에서 복수의 푸리에 변환 기반 이미지들을 각각 얻는 단계; 및
복수의 푸리에 변환 기반 이미지들에 각각 기초하여 복수의 벡터들을 얻는 단계를 더 포함하는 방법.
3. 2 항에 있어서,
복수의 벡터들의 거리 피처들에 기초하여 복수의 패턴들의 유사성을 평가하는 단계를 더 포함하는 방법.
4. 1 항 내지 3 항 중 어느 하나에 있어서, 푸리에 변환 후 복수의 패턴들은 거리 피처들에 기초한 k-평균 알고리즘을 사용하여 다수 패턴 세트들로 분리되는 방법.
5. 1 항 내지 4 항 중 어느 하나에 있어서, 계층적 클러스터링을 수행하는 단계는:
각각의 계층적 레벨들에서 피처들을 재귀적으로 평가한 결과들에 기초하여 각각의 패턴 세트에 대해 재귀적 분할들을 수행하는 단계를 포함하는 방법.
6. 1 항 내지 5 항 중 어느 하나에 있어서, 피처들을 평가하는 응집도 테스트를 수행하는 단계를 더 포함하고, 응집도 테스트는:
각각의 패턴 세트의 응집도를 평가하여 평가 결과를 얻는 단계; 및
평가 결과에 따라 재귀적 분할들을 중단할지 여부를 결정하는 단계를 포함하는 방법.
7. 6 항에 있어서,
응집도를 평가하는 것과 연계된 파라미터를 나타내는 사용자 입력을 수신하는 단계를 더 포함하는 방법.
8. 1 항 내지 7 항 중 어느 하나에 있어서, 이미지 데이터는 GDS(Graphic Database System) 포맷, GDSⅡ(Graphic Database System Ⅱ) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, 또는 CIF(Caltech Intermediate Format)인 방법.
9. 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 시스템으로서,
웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계;
푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계; 및
각각의 패턴 세트에 대해, 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계를 시스템이 수행하게 하도록 구성되는 회로를 포함하는 제어기를 포함하는 시스템.
10. 9 항에 있어서, 회로는 시스템이:
복수의 패턴들에 대해 푸리에 변환을 수행하여, 주파수 도메인에서 복수의 푸리에 변환 기반 이미지들을 각각 얻는 단계; 및
복수의 푸리에 변환 기반 이미지들에 각각 기초하여 복수의 벡터들을 얻는 단계를 수행하게 하도록 더 구성되는 시스템.
11. 10 항에 있어서, 회로는 시스템이:
복수의 벡터들의 거리 피처들에 기초하여 복수의 패턴들의 유사성을 평가하는 단계를 수행하게 하도록 더 구성되는 시스템.
12. 9 항 내지 11 항 중 어느 하나에 있어서, 푸리에 변환 후 복수의 패턴들은 거리 피처들에 기초한 k-평균 알고리즘을 사용하여 다수 패턴 세트들로 분리되는 시스템.
13. 9 항 내지 12 항 중 어느 하나에 있어서, 계층적 클러스터링을 수행하는 단계는:
각각의 계층적 레벨들에서 피처를 재귀적으로 평가한 결과들에 기초하여 각각의 패턴 세트에 대해 재귀적 분할들을 수행하는 단계를 포함하는 시스템.
14. 9 항 내지 13 항 중 어느 하나에 있어서, 회로는 시스템이:
피처를 평가하는 응집도 테스트를 수행하는 단계를 수행하게 하도록 더 구성되고, 응집도 테스트는:
각각의 패턴 세트의 응집도를 평가하여 평가 결과를 얻는 단계; 및
평가 결과에 따라 재귀적 분할들을 중단할지 여부를 결정하는 단계를 포함하는 시스템.
15. 14 항에 있어서, 회로는 시스템이:
응집도를 평가하는 것과 연계된 파라미터를 나타내는 사용자 입력을 수신하는 단계를 수행하게 하도록 더 구성되는 시스템.
16. 9 항 내지 15 항 중 어느 하나에 있어서, 이미지 데이터는 GDS(Graphic Database System) 포맷, GDSⅡ(Graphic Database System Ⅱ) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, 또는 CIF(Caltech Intermediate Format)인 시스템.
17. 시스템이 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적 컴퓨터 판독가능한 매체로서,
상기 방법은:
웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계;
푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계; 및
각각의 패턴 세트에 대해, 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
18. 17 항에 있어서, 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 컴퓨팅 디바이스가:
복수의 패턴들에 대해 푸리에 변환을 수행하여, 주파수 도메인에서 복수의 푸리에 변환 기반 이미지들을 각각 얻는 단계; 및
복수의 푸리에 변환 기반 이미지들에 각각 기초하여 복수의 벡터들을 얻는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
19. 18 항에 있어서, 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 컴퓨팅 디바이스가:
복수의 벡터들의 거리 피처들에 기초하여 복수의 패턴들의 유사성을 평가하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
20. 17 항 내지 19 항 중 어느 하나에 있어서, 푸리에 변환 후 복수의 패턴들은 거리 피처들에 기초한 k-평균 알고리즘을 사용하여 다수 패턴 세트들로 분리되는 비-일시적 컴퓨터 판독가능한 매체.
21. 17 항 내지 20 항 중 어느 하나에 있어서, 계층적 클러스터링을 수행하는 단계는:
각각의 계층적 레벨들에서 피처를 재귀적으로 평가한 결과들에 기초하여 각각의 패턴 세트에 대해 재귀적 분할들을 수행하는 단계를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
22. 17 항 내지 21 항 중 어느 하나에 있어서, 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 컴퓨팅 디바이스가:
피처를 평가하는 응집도 테스트를 수행하는 단계를 더 수행하게 하고, 응집도 테스트는:
각각의 패턴 세트의 응집도를 평가하여 평가 결과를 얻는 단계; 및
평가 결과에 따라 재귀적 분할들을 중단할지 여부를 결정하는 단계를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
23. 22 항에 있어서, 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 컴퓨팅 디바이스가:
응집도를 평가하는 것과 연계된 파라미터를 나타내는 사용자 입력을 수신하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
24. 17 항 내지 23 항 중 어느 하나에 있어서, 이미지 데이터는 GDS(Graphic Database System) 포맷, GDSⅡ(Graphic Database System Ⅱ) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, 또는 CIF(Caltech Intermediate Format)인 비-일시적 컴퓨터 판독가능한 매체.
25. 복수의 패턴들을 그룹화하는 방법으로서,
웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계;
복수의 패턴들로부터 각각 변환된 복수의 주파수 도메인 피처들에 대해 계층적 클러스터링을 수행하는 단계를 포함하며, 계층적 클러스터링을 수행하는 단계는:
파라미터의 사용자 선택을 수신하는 단계; 및
파라미터에 기초하여, 각각의 계층적 레벨들에서 대응하는 패턴 세트들을 계속해서 분할할지를 재귀적으로 평가하는 단계를 수행함으로써 복수의 주파수 도메인 피처들을 재귀적으로 분할하는 단계를 포함하는 방법.
26. 25 항에 있어서, 대응하는 계층적 레벨에서 패턴 세트를 계속해서 분할할지를 평가하는 단계는:
패턴 세트 내의 패턴들의 유사성을 평가하는 단계를 포함하는 방법.
27. 25 항 또는 26 항에 있어서,
테스트 원의 반경의 사용자 선택을 수신하는 단계;
패턴 세트의 응집도를 결정하는 단계 -응집도는 테스트 원에 포함되는 패턴들에 대응하는 데이터포인트들의 수와 관련됨- ; 및
응집도와 사전설정된 임계값 사이의 비교에 기초하여 패턴 세트를 계속해서 분할할지를 결정하는 단계를 더 포함하는 방법.
28. 25 항 내지 27 항 중 어느 하나에 있어서, 계층적 클러스터링을 수행하기에 앞서,
복수의 패턴들을 복수의 주파수 도메인 피처들로 변환하는 단계; 및
복수의 주파수 도메인 피처들을 다수의 제 1 레벨 패턴 세트들로 분리하는 단계를 더 포함하는 방법.
29. 복수의 패턴들을 그룹화하는 시스템으로서,
웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계;
복수의 패턴들로부터 각각 변환된 복수의 주파수 도메인 피처들에 대해 계층적 클러스터링을 수행하는 단계를 시스템이 수행하게 하도록 구성되는 회로를 포함하는 제어기를 포함하며, 계층적 클러스터링을 수행하는 단계는:
파라미터의 사용자 선택을 수신하는 단계; 및
파라미터에 기초하여, 각각의 계층적 레벨들에서 대응하는 패턴 세트들을 계속해서 분할할지를 재귀적으로 평가하는 단계를 수행함으로써 복수의 주파수 도메인 피처들을 재귀적으로 분할하는 단계를 포함하는 시스템.
30. 29 항에 있어서, 대응하는 계층적 레벨에서 패턴 세트를 계속해서 분할할지를 평가하는 단계는:
패턴 세트 내의 패턴들의 유사성을 평가하는 단계를 포함하는 시스템.
31. 29 항 또는 30 항에 있어서, 회로는 시스템이:
테스트 원의 반경의 사용자 선택을 수신하는 단계;
패턴 세트의 응집도를 결정하는 단계 -응집도는 테스트 원에 포함되는 패턴들에 대응하는 데이터포인트들의 수와 관련됨- ; 및
응집도와 사전설정된 임계값 사이의 비교에 기초하여 패턴 세트를 계속해서 분할할지를 결정하는 단계를 수행하게 하도록 더 구성되는 시스템.
32. 29 항 내지 31 항 중 어느 하나에 있어서, 회로는 시스템이:
계층적 클러스터링을 수행하기에 앞서,
복수의 패턴들을 복수의 주파수 도메인 피처들로 변환하는 단계; 및
복수의 주파수 도메인 피처들을 다수의 제 1 레벨 패턴 세트들로 분리하는 단계를 수행하게 하도록 더 구성되는 시스템.
33. 시스템이 복수의 패턴들을 그룹화하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적 컴퓨터 판독가능한 매체로서,
상기 방법은:
웨이퍼의 부분 상에 형성될 피처들을 나타내는 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계;
복수의 패턴들로부터 각각 변환된 복수의 주파수 도메인 피처들에 대해 계층적 클러스터링을 수행하는 단계를 포함하며, 계층적 클러스터링을 수행하는 단계는:
파라미터의 사용자 선택을 수신하는 단계; 및
파라미터에 기초하여, 각각의 계층적 레벨들에서 대응하는 패턴 세트들을 계속해서 분할할지를 재귀적으로 평가하는 단계를 수행함으로써 복수의 주파수 도메인 피처들을 재귀적으로 분할하는 단계를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
34. 33 항에 있어서, 대응하는 계층적 레벨에서 패턴 세트를 계속해서 분할할지를 평가하는 단계는:
패턴 세트 내의 패턴들의 유사성을 평가하는 단계를 포함하는 비-일시적 컴퓨터 판독가능한 매체.
35. 33 항 또는 34 항에 있어서,
컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 컴퓨팅 디바이스가:
테스트 원의 반경의 사용자 선택을 수신하는 단계;
패턴 세트의 응집도를 결정하는 단계 -응집도는 테스트 원에 포함되는 패턴들에 대응하는 데이터포인트들의 수와 관련됨- ; 및
응집도와 사전설정된 임계값 사이의 비교에 기초하여 패턴 세트를 계속해서 분할할지를 결정하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
36. 33 항 내지 35 항 중 어느 하나에 있어서,
계층적 클러스터링을 수행하기에 앞서, 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 컴퓨팅 디바이스가:
복수의 패턴들을 복수의 주파수 도메인 피처들로 변환하는 단계; 및
복수의 주파수 도메인 피처들을 다수의 제 1 레벨 패턴 세트들로 분리하는 단계를 더 수행하게 하는 비-일시적 컴퓨터 판독가능한 매체.
본 발명의 실시예들은 앞서 설명되고 첨부된 도면들에 예시된 정확한 구성에 제한되지 않으며, 그 범위를 벗어나지 않고 다양한 수정들 및 변경들이 행해질 수 있음을 이해할 것이다. 본 발명은 다양한 실시예들과 관련하여 설명되었으며, 본 발명의 다른 실시예들이 본 명세서에 개시된 발명의 실행 및 사양을 고려하여 당업자에게 명백할 것이다. 사양 및 예시들은 단지 예시적인 것으로 간주되며, 본 발명의 진정한 범위 및 기술사상은 다음 청구항들에 의해 표시되는 것으로 의도된다.
앞선 서술내용은 예시를 위한 것이지, 제한하려는 것이 아니다. 따라서, 당업자라면 아래에 설명되는 청구항들의 범위를 벗어나지 않고 서술된 바와 같이 변형예가 행해질 수 있음을 분명히 알 것이다.

Claims (15)

  1. 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 시스템으로서,
    상기 시스템이:
    웨이퍼의 부분 상에 형성될 피처(feature)들을 나타내는 상기 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계;
    푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계; 및
    각각의 패턴 세트에 대해, 상기 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계
    를 수행하게 하도록 구성되는 회로를 포함하는 제어기
    를 포함하는, 시스템.
  2. 제 1 항에 있어서,
    상기 회로는 상기 시스템이:
    상기 복수의 패턴들에 대해 푸리에 변환을 수행하여, 주파수 도메인에서 복수의 푸리에 변환 기반 이미지들을 각각 얻는 단계; 및
    상기 복수의 푸리에 변환 기반 이미지들에 각각 기초하여 복수의 벡터들을 얻는 단계를 수행하게 하도록 더 구성되는, 시스템.
  3. 제 2 항에 있어서,
    상기 회로는 상기 시스템이:
    상기 복수의 벡터들의 거리 피처들에 기초하여 상기 복수의 패턴들의 유사성을 평가하는 단계를 수행하게 하도록 더 구성되는, 시스템.
  4. 제 1 항에 있어서,
    상기 푸리에 변환 후 복수의 패턴들은 거리 피처들에 기초한 k-평균 알고리즘을 사용하여 다수 패턴 세트들로 분리되는, 시스템.
  5. 제 1 항에 있어서,
    상기 계층적 클러스터링을 수행하는 단계는:
    각각의 계층적 레벨들에서 상기 피처를 재귀적으로 평가한 결과들에 기초하여 상기 각각의 패턴 세트에 대해 재귀적 분할들을 수행하는 단계를 포함하는, 시스템.
  6. 제 1 항에 있어서,
    상기 회로는 상기 시스템이:
    상기 피처를 평가하는 응집도 테스트(cohesion test)를 수행하는 단계를 수행하게 하도록 더 구성되고, 상기 응집도 테스트는:
    상기 각각의 패턴 세트의 응집도를 평가하여 평가 결과를 얻는 단계; 및
    상기 평가 결과에 따라 재귀적 분할들을 중단할지 여부를 결정하는 단계를 포함하는, 시스템.
  7. 제 6 항에 있어서,
    상기 회로는 상기 시스템이:
    상기 응집도를 평가하는 것과 연계된 파라미터를 나타내는 사용자 입력을 수신하는 단계를 수행하게 하도록 더 구성되는, 시스템.
  8. 제 1 항에 있어서,
    상기 이미지 데이터는 GDS(Graphic Database System) 포맷, GDSⅡ(Graphic Database System Ⅱ) 포맷, OASIS(Open Artwork System Interchange Standard) 포맷, 또는 CIF(Caltech Intermediate Format)인, 시스템.
  9. 시스템이 이미지 데이터로부터 추출된 복수의 패턴들을 그룹화하는 방법을 수행하게 하도록 시스템의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트를 저장하는 비-일시적(non-transitory) 컴퓨터 판독가능한 매체로서,
    상기 방법은:
    웨이퍼의 부분 상에 형성될 피처들을 나타내는 상기 복수의 패턴들을 포함하는 이미지 데이터를 수신하는 단계;
    푸리에 변환 후 복수의 패턴들을 다수 패턴 세트들로 분리하는 단계; 및
    각각의 패턴 세트에 대해, 상기 각각의 패턴 세트 내의 패턴들 간의 유사성과 관련된 피처들을 재귀적으로 평가함으로써 패턴들의 복수의 서브세트들을 얻도록 계층적 클러스터링을 수행하는 단계
    를 포함하는,
    비-일시적 컴퓨터 판독가능한 매체.
  10. 제 9 항에 있어서,
    컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 컴퓨팅 디바이스가:
    상기 복수의 패턴들에 대해 푸리에 변환을 수행하여, 주파수 도메인에서 복수의 푸리에 변환 기반 이미지들을 각각 얻는 단계; 및
    상기 복수의 푸리에 변환 기반 이미지들에 각각 기초하여 복수의 벡터들을 얻는 단계를 더 수행하게 하는,
    비-일시적 컴퓨터 판독가능한 매체.
  11. 제 10 항에 있어서,
    상기 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 컴퓨팅 디바이스가:
    상기 복수의 벡터들의 거리 피처들에 기초하여 상기 복수의 패턴들의 유사성을 평가하는 단계를 더 수행하게 하는,
    비-일시적 컴퓨터 판독가능한 매체.
  12. 제 9 항에 있어서,
    상기 푸리에 변환 후 복수의 패턴들은 거리 피처들에 기초한 k-평균 알고리즘을 사용하여 다수 패턴 세트들로 분리되는,
    비-일시적 컴퓨터 판독가능한 매체.
  13. 제 9 항에 있어서,
    상기 계층적 클러스터링을 수행하는 단계는:
    각각의 계층적 레벨들에서 상기 피처를 재귀적으로 평가한 결과들에 기초하여 상기 각각의 패턴 세트에 대해 재귀적 분할들을 수행하는 단계를 포함하는,
    비-일시적 컴퓨터 판독가능한 매체.
  14. 제 9 항에 있어서,
    컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 컴퓨팅 디바이스가:
    상기 피처를 평가하는 응집도 테스트를 수행하는 단계를 더 수행하게 하고, 상기 응집도 테스트는:
    상기 각각의 패턴 세트의 응집도를 평가하여 평가 결과를 얻는 단계; 및
    상기 평가 결과에 따라 재귀적 분할들을 중단할지 여부를 결정하는 단계를 포함하는,
    비-일시적 컴퓨터 판독가능한 매체.
  15. 제 14 항에 있어서,
    상기 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행가능한 명령어들의 세트는 상기 컴퓨팅 디바이스가:
    상기 응집도를 평가하는 것과 연계된 파라미터를 나타내는 사용자 입력을 수신하는 단계를 더 수행하게 하는,
    비-일시적 컴퓨터 판독가능한 매체.
KR1020237037448A 2021-04-29 2022-04-28 푸리에 변환 기반 레이아웃 패턴들의 계층적 클러스터링 KR20240004408A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163181902P 2021-04-29 2021-04-29
US63/181,902 2021-04-29
PCT/EP2022/061319 WO2022229312A1 (en) 2021-04-29 2022-04-28 Hierarchical clustering of fourier transform based layout patterns

Publications (1)

Publication Number Publication Date
KR20240004408A true KR20240004408A (ko) 2024-01-11

Family

ID=81842110

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237037448A KR20240004408A (ko) 2021-04-29 2022-04-28 푸리에 변환 기반 레이아웃 패턴들의 계층적 클러스터링

Country Status (6)

Country Link
US (1) US20240212317A1 (ko)
JP (1) JP2024519662A (ko)
KR (1) KR20240004408A (ko)
CN (1) CN117222945A (ko)
TW (2) TW202401142A (ko)
WO (1) WO2022229312A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2313847A4 (en) * 2008-08-19 2015-12-09 Digimarc Corp METHODS AND SYSTEMS FOR PROCESSING CONTENT
KR20130098459A (ko) * 2012-02-28 2013-09-05 삼성전자주식회사 노이즈 스펙트럼 추정 장치 및 이를 포함하는 터치 스크린 장치
US8627251B2 (en) * 2012-04-25 2014-01-07 Taiwan Semiconductor Manufacturing Co., Ltd. Systems and methods of automatically detecting failure patterns for semiconductor wafer fabrication processes
US20150112649A1 (en) * 2013-10-18 2015-04-23 International Business Machines Corporation Clustering Lithographic Hotspots Based on Frequency Domain Encoding
EP3392712A1 (en) * 2017-04-21 2018-10-24 IMEC vzw A method for analyzing design of an integrated circuit

Also Published As

Publication number Publication date
CN117222945A (zh) 2023-12-12
TW202401142A (zh) 2024-01-01
TWI817474B (zh) 2023-10-01
US20240212317A1 (en) 2024-06-27
WO2022229312A1 (en) 2022-11-03
JP2024519662A (ja) 2024-05-21
TW202303268A (zh) 2023-01-16

Similar Documents

Publication Publication Date Title
TW201734949A (zh) 使用具有晶圓影像資料之設計資料改良半導體晶圓檢測器之缺陷敏感度
KR20240004408A (ko) 푸리에 변환 기반 레이아웃 패턴들의 계층적 클러스터링
CN117751379A (zh) 带电粒子检查中的图像失真校正
US20230117237A1 (en) Contour extraction method from inspection image in multiple charged-particle beam inspection
US20230139085A1 (en) Processing reference data for wafer inspection
EP4152096A1 (en) System and method for inspection by failure mechanism classification and identification in a charged particle system
US20240183806A1 (en) System and method for determining local focus points during inspection in a charged particle system
TWI807537B (zh) 影像對準方法及系統
US20240212131A1 (en) Improved charged particle image inspection
WO2023156125A1 (en) Systems and methods for defect location binning in charged-particle systems
US20240062362A1 (en) Machine learning-based systems and methods for generating synthetic defect images for wafer inspection
TW202348987A (zh) 改進缺陷分類擾亂率之方法及系統
WO2024083451A1 (en) Concurrent auto focus and local alignment methodology
WO2023194014A1 (en) E-beam optimization for overlay measurement of buried features
WO2024061632A1 (en) System and method for image resolution characterization
TW202420133A (zh) 參數化檢測影像模擬
TW202425040A (zh) 用於影像對準之基於區域密度未對準指數
WO2022197313A1 (en) Segmentation of design care areas with a rendered design image