TW201732979A - 光學晶粒對資料庫檢查 - Google Patents

光學晶粒對資料庫檢查 Download PDF

Info

Publication number
TW201732979A
TW201732979A TW106100114A TW106100114A TW201732979A TW 201732979 A TW201732979 A TW 201732979A TW 106100114 A TW106100114 A TW 106100114A TW 106100114 A TW106100114 A TW 106100114A TW 201732979 A TW201732979 A TW 201732979A
Authority
TW
Taiwan
Prior art keywords
wafer
image
optical
rendered image
design
Prior art date
Application number
TW106100114A
Other languages
English (en)
Other versions
TWI706485B (zh
Inventor
理升 高
濤 羅
凱斯 威爾斯
李曉春
Original Assignee
克萊譚克公司
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 克萊譚克公司 filed Critical 克萊譚克公司
Publication of TW201732979A publication Critical patent/TW201732979A/zh
Application granted granted Critical
Publication of TWI706485B publication Critical patent/TWI706485B/zh

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • 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
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明提供用於偵測一晶圓上之缺陷之方法及系統。一個系統包含經組態以基於用於印刷於該晶圓上之一設計之資訊而產生一呈現影像之一或多個電腦子系統。該呈現影像係由一光學檢查子系統針對印刷於該晶圓上之該設計所產生之一影像之一模擬。產生該呈現影像包含一或多個步驟，且該(等)電腦子系統經組態用於藉由實行一生成模型而執行該一或多個步驟之至少一者。該(等)電腦子系統亦經組態用於比較該呈現影像與由該光學檢查子系統產生之該晶圓之一光學影像。使用一倍縮光罩將該設計印刷於該晶圓上。另外，該(等)電腦子系統經組態用於基於該比較之結果偵測該晶圓上之缺陷。

Description

光學晶粒對資料庫檢查
本發明大體上係關於用於藉由光學晶粒對資料庫檢查而偵測一晶圓上之缺陷之方法及系統。
以下描述及實例並未憑藉其包含於此章節中而被認為係先前技術。 製造諸如邏輯及記憶體裝置之半導體裝置通常包含使用大量半導體製程處理諸如一半導體晶圓之一基板以形成半導體裝置之各種特徵及多個層級。舉例而言，微影係涉及將一圖案自一倍縮光罩轉印至配置於一半導體晶圓上之一光阻之一半導體製程。半導體製程之額外實例包含但不限於化學機械拋光(CMP)、蝕刻、沈積及離子植入。可在一單一半導體晶圓上之一配置中製造多個半導體裝置，且接著將其分離成個別半導體裝置。 在一半導體製程期間之各個步驟使用檢查程序偵測晶圓上之缺陷以促進製程中之較高良率及因此較高利潤。檢查始終係製造諸如IC之半導體裝置之一重要部分。然而，隨著半導體裝置之尺寸減小，檢查對於半導體裝置之成功製造而言變得更為重要。 許多倍縮光罩檢查方法使用晶粒對資料庫類型比較來偵測倍縮光罩上之缺陷。此檢查通常涉及獲取一倍縮光罩之一顯微鏡影像。從描述倍縮光罩上之預期圖案之一資料庫，可計算或模擬檢查顯微鏡期望觀察之該倍縮光罩之一影像。接著，可比較所獲取之光學影像與計算或模擬之影像以偵測倍縮光罩上之缺陷。此等倍縮光罩檢查方法已證實可用於若干用途。然而，此等倍縮光罩檢查方法無法發現程序引發之缺陷(即，歸因於在倍縮光罩與將該倍縮光罩印刷於一晶圓上之程序之間之相互作用而將印刷於該晶圓上之缺陷)。 使用已使用倍縮光罩印刷之晶圓來執行一些倍縮光罩檢查。以此方式，可使用晶圓上偵測之缺陷以判定用來印刷晶圓之倍縮光罩上是否存在缺陷。在光學平台上藉由比較一檢查之影像圖框與一參考圖框而執行一些此等檢查，其中參考圖框係自晶圓產生之影像之一樣本。參考影像圖框之實例係：來自相鄰晶粒之影像；來自相同晶圓或一不同晶圓上之一標準參考晶粒之影像；及來自相鄰單元(在一陣列結構中)之影像。 當前，針對晶圓執行之晶粒對資料庫檢查僅存在於一掃描電子顯微鏡(SEM)檢查平台上。然而，歸因於處理能力約束(例如，歸因於電子束工具之物理學)，僅可檢查實質上少量位置(即，並非整個晶圓及並非晶圓上之全部晶粒)。另外，由晶圓之電子束檢查執行之檢查太緩慢而無法檢定需要合格性檢定之每一倍縮光罩之合格性。此外，隨著多圖案化步驟微影程序的到來，且作為針對一單一微影程序需要多個倍縮光罩合格性檢定之結果，必須執行合格性檢定之倍縮光罩之數目應實質上增加。 涉及比較晶圓影像與一參考晶圓影像以偵測一晶圓上之缺陷之當前可用之光學檢查方法論無法滿足執行此檢查之一些使用情況。舉例而言，此等當前使用之光學檢查無法偵測使用一單一晶粒倍縮光罩印刷之晶粒內之中繼器缺陷。此一使用情況之一實例係用於極紫外線(EUV)遮罩合格性檢定。特定言之，歸因於缺乏一護膜，當遮罩上之粒子印刷於晶圓上時，該等粒子變為晶圓上之中繼器缺陷。因此，此等缺陷將在晶粒間比較中彼此抵消且未經偵測。另外，此等當前使用之光學檢查無法用於設計意圖檢查。舉例而言，自一晶圓之部分產生之一參考影像含有程序變動。因此，比較此一參考影像與一不同晶圓影像將抵消兩個影像中之程序變動，從而呈現不可偵測的程序變動。此外，在程序變得成熟之前，難以發現一「黃金」參考晶粒。舉例而言，一使用者可能不知道哪一晶粒或哪些晶粒可用作一「黃金」參考晶粒以用於與一晶圓上之其他晶粒進行比較。 因此，開發用於偵測一晶圓上之缺陷之無上文描述之一或多個缺點之系統及/或方法將係有利的。
多項實施例之以下描述絕不應理解為限制隨附發明申請專利範圍之標的。 一項實施例係關於一種經組態以偵測一晶圓上之缺陷之系統。該系統包含一光學檢查子系統，該光學檢查子系統包含至少一光源及一偵測器。該光源經組態以產生引導至一晶圓之光。該偵測器經組態以偵測來自該晶圓之光且回應於所偵測光而產生輸出。該系統亦包含經組態以基於用於印刷於該晶圓上之一設計之資訊產生一呈現影像之一或多個電腦子系統。該呈現影像係由該光學檢查子系統針對印刷於該晶圓上之設計產生之一影像之一模擬。產生該呈現影像包含一或多個步驟。該一或多個電腦子系統經組態用於藉由實行一生成模型而執行一或多個步驟之至少一者。該(等)電腦子系統亦經組態用於比較該呈現影像與由該光學檢查子系統產生之該晶圓之一光學影像。使用一倍縮光罩將該設計印刷在該晶圓上。該(等)電腦子系統進一步經組態用於基於該比較之結果偵測該晶圓上之缺陷。可如本文中描述般進一步組態該系統。 另一實施例係關於一種用於偵測一晶圓上之缺陷之電腦實施方法。該方法包含針對上文描述之一或多個電腦子系統之功能之各者之步驟。該方法之該等步驟由一或多個電腦系統執行。可如本文中進一步描述般執行該方法。另外，該方法可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。此外，該方法可由本文中描述之任何系統執行。 一額外實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體，該等程式指令可實行於一電腦系統上以執行用於偵測一晶圓上之缺陷之一電腦實施方法。該電腦實施方法包含上文描述之方法之步驟。可如本文中描述般進一步組態電腦可讀媒體。可如本文中進一步描述般執行電腦實施方法之步驟。另外，程式指令可實行之電腦實施方法可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。
如本文中使用之術語「設計」及「設計資料」通常係指一IC之實體設計(佈局)及透過複雜模擬或簡單幾何及布林運算自實體設計導出之資料。設計可包含2009年8月4日頒予Zafar等人之共同擁有之美國專利第7,570,796號及2010年3月9日頒予Kulkarni等人之共同擁有之美國專利第7,676,077號中描述之任何其他設計資料或設計資料代理，該兩個專利以宛如全文陳述引用之方式併入本文中。另外，設計資料可係標準單元庫資料、整合佈局資料、對於一或多個層之設計資料、設計資料之衍生物及完全或部分晶片設計資料。 然而，一般言之，設計資訊或資料無法藉由使用一晶圓檢查系統使一晶圓成像而產生。舉例而言，形成於晶圓上之設計圖案不可精確表示用於晶圓之設計且晶圓檢查系統不能夠以足夠解析度產生形成於晶圓上之設計圖案之影像使得影像可用於判定關於晶圓之設計之資訊。因此，一般言之，無法使用一實體晶圓產生設計資訊或設計資料。另外，本文中描述之「設計」及「設計資料」係指在一設計程序中由一半導體裝置設計者產生之資訊及資料且因此該資訊及資料可在將設計印刷於任何實體晶圓上之前良好地用於本文中描述之實施例中。 現參考圖式，應注意，圖未按比例繪製。特定言之，在很大程度上放大圖之一些元件之尺度以強調元件之特性。亦應注意，該等圖未按相同比例繪製。已使用相同元件符號指示可經類似組態之展示於一個以上圖中之元件。除非本文中另有說明，否則所描述且展示之任何元件可包含任何適合市售元件。 一項實施例係關於一種經組態以偵測一晶圓上之缺陷之系統。一般言之，本文中描述之實施例經組態用於使用一深度學習(DL)技術執行之晶圓之光學晶粒對資料庫(DB)檢查。換言之，本文中描述之實施例通常經組態用於比較使用一倍縮光罩印刷之一晶圓之一光學影像與使用一或多個DL引擎自一DB產生之一呈現影像以偵測該晶圓上之缺陷。 晶圓可包含此項技術中已知之任何晶圓。使用一倍縮光罩將設計印刷在晶圓上。可使用倍縮光罩以此項技術中已知之任何適合方式(例如，藉由在一晶圓上沈積一或多個材料且對晶圓執行一微影程序以將設計自倍縮光罩轉印至晶圓)將設計印刷在晶圓上。晶圓亦可係一短迴路晶圓，意謂其上未執行最終形成一作用裝置所需之全部程序步驟之一晶圓。換言之，晶圓可係或可不係一全迴路晶圓。舉例而言，晶圓可係其上僅執行本文中描述之程序步驟(例如，沈積、微影及可能蝕刻)之一晶圓。因而，晶圓可不包含形成於經檢查之晶圓之層下方之一或多個層(圖案化及/或未圖案化)。以此方式，在本文中描述之檢查之前對晶圓執行之程序步驟可僅包含將用於晶圓之一設計自一倍縮光罩轉印至晶圓所需之程序步驟。倍縮光罩可包含此項技術中已知之任何倍縮光罩，諸如經組態用於與極紫外線(EUV)光或另一適合類型之光一起使用之倍縮光罩。 圖1中展示此一系統之一項實施例。系統包含一光學檢查子系統，該光學檢查子系統包含至少一光源及一偵測器。光源經組態以產生引導至一晶圓之光。偵測器經組態以偵測來自晶圓之光且回應於所偵測光而產生輸出。 在圖1中展示之系統之實施例中，光學檢查子系統10包含經組態以將光引導至晶圓14之一照明子系統。照明子系統包含至少一光源。舉例而言，如圖1中展示，照明子系統包含光源16。在一項實施例中，照明子系統經組態以按可包含一或多個傾斜角及/或一或多個法向角之一或多個入射角將光引導至晶圓。舉例而言，如圖1中展示，引導來自光源16之光穿過光學元件18且接著穿過透鏡20而至光束分離器21，光束分離器21以一法向入射角將光引導至晶圓14。入射角可包含可取決於(例如)晶圓之特性及待在晶圓上偵測之缺陷而變動之任何適合入射角。 照明子系統可經組態以在不同時間按不同入射角將光引導至晶圓。舉例而言，檢查子系統可經組態以更改照明子系統之一或多個元件之一或多個特性使得可按不同於圖1中展示之一入射角將光引導至晶圓。在一個此實例中，檢查子系統可經組組態以移動光源16、光學元件18及透鏡20使得按一不同入射角將光引導至晶圓。 在一些例項中，檢查子系統可經組態以在相同時間按一個以上入射角將光引導至晶圓。舉例而言，照明子系統可包含一個以上照明通道，照明通道之一者可包含如圖1中展示之光源16、光學元件18及透鏡20，且照明通道之另一者(未展示)可包含可不同或相同組態之類似元件或可包含至少一光源及可能一或多個其他組件(諸如本文中進一步描述之組件)。若在與其他光相同之時間將此光引導至晶圓，則按不同入射角引導至晶圓之光之一或多個特性(例如，波長、偏光等)可不同，使得可在(若干)偵測器處將源自按不同入射角照明晶圓之光彼此區分。 在另一例項中，照明子系統可僅包含一光源(例如，圖1中展示之源16)且來自該光源之光可由照明子系統之一或多個光學元件(未展示)分成不同光學路徑(例如，基於波長、偏光等)。接著，可將不同光學路徑之各者中之光引導至晶圓。多個照明通道可經組態以在相同時間或不同時間(例如，當使用不同照明通道以依序照明晶圓時)將光引導至晶圓。在另一實例中，相同照明通道可經組態以在不同時間將具有不同特性之光引導至晶圓。舉例而言，在一些例項中，光學元件18可經組態為一光譜濾光器且可以多種不同方式(例如，藉由調換出光譜濾光器)改變光譜濾光器之性質使得可在不同時間將不同波長之光引導至晶圓。照明子系統可具有此項技術中已知之用於依序或同時按不同或相同入射角將具有不同或相同特性之光引導至晶圓之任何其他適合組態。 在一項實施例中，光源16可包含一寬頻電漿(BBP)光源。以此方式，由光源產生且引導至晶圓之光可包含寬頻光。然而，光源可包含任何其他適合光源(諸如一雷射)。雷射可包含此項技術中已知之任何適合雷射且可經組態以產生任何適合波長或此項技術中已知之波長之光。另外，雷射可經組態以產生單色或近單色光。以此方式，雷射可係一窄頻雷射。光源亦可包含產生多個離散波長或波帶之光之一多色光源。 來自光學元件18之光可藉由透鏡20聚焦至光束分離器21。雖然透鏡20在圖1中展示為一單折射光學元件，但應理解，實務上，透鏡20可包含組合地將來自光學元件之光聚焦至晶圓之若干折射及/或反射光學元件。圖1中展示且本文中描述之照明子系統可包含任何其他適合光學元件(未展示)。此等光學元件之實例包含(但不限於) (若干)偏光組件、(若干)光譜濾光器、(若干)空間濾光器、(若干)反射光學元件、(若干)變跡器、(若干)光束分離器、(若干)光圈及可包含此項技術中已知之任何此等適合光學元件之類似者。另外，系統可經組態以基於用於檢查之照明之類型更改照明子系統之元件之一或多者。 檢查子系統亦可包含經組態以導致光掃描遍及晶圓之一掃描子系統。舉例而言，檢查子系統可包含在檢查期間在其上安置晶圓14之載物台22。掃描子系統可包含可經組態以移動晶圓使得光可掃描遍及晶圓之任何適合機械及/或機器人總成(包含載物台22)。另外或替代地，檢查子系統可經組態使得檢查子系統之一或多個光學元件執行遍及晶圓之光之某一掃描。可以任何適合方式使光掃描遍及晶圓。 檢查子系統進一步包含一或多個偵測通道。一或多個偵測通道之至少一者包含一偵測器，該偵測器經組態以偵測歸因於藉由檢查子系統照明晶圓而來自晶圓之光且回應於所偵測光而產生輸出。舉例而言，圖1中展示之檢查子系統包含兩個偵測通道，一偵測通道由集光器24、元件26及偵測器28形成且另一偵測通道由集光器30、元件32及偵測器34形成。如圖1中展示，兩個偵測通道經組態以按不同收集角收集且偵測光。在一些例項中，一偵測通道經組態以偵測鏡面反射光且另一偵測通道經組態以偵測並非自晶圓鏡面反射(例如，散射、繞射等)之光。然而，兩個或兩個以上偵測通道可經組態以偵測來自晶圓之相同類型之光(例如，鏡面反射光)。雖然圖1展示包含兩個偵測通道之檢查子系統之一實施例，但檢查子系統可包含不同數目個偵測通道(例如，僅一個偵測通道或兩個或兩個以上偵測通道)。雖然在圖1中將各集光器展示為單折射光學元件，但應理解，各集光器可包含一或多個折射光學元件及/或一或多個反射光學元件。 一或多個偵測通道可包含此項技術中已知之任何適合偵測器。舉例而言，偵測器可包含光電倍增管(PMT)、電荷耦合裝置(CCD)及延時積分(TDI)相機。偵測器亦可包含此項技術中已知之任何其他適合偵測器。偵測器亦可包含非成像偵測器或成像偵測器。以此方式，若偵測器係非成像偵測器，則各偵測器可經組態以偵測散射光之某些特性(諸如強度)但不可經組態以偵測依據成像平面內之位置而變化之此等特性。因而，由包含於檢查子系統之各偵測通道中之各偵測器產生之輸出可係信號或資料，而非影像信號或影像資料。在此等例項中，一電腦子系統(諸如系統之電腦子系統36)可經組態以自偵測器之非成像輸出產生晶圓之影像。然而，在其他例項中，偵測器可經組態為經組態以產生成像信號或影像資料之成像偵測器。因此，系統可經組態以依若干方式產生本文中描述之輸出。 應注意，本文中提供圖1以大體上圖解說明可包含於本文中描述之系統實施例中之一檢查子系統之一組態。顯然，可更改本文中描述之檢查子系統組態以如在設計一商業檢查系統時通常執行般最佳化系統之效能。另外，可使用諸如商業上可購自KLA-Tencor之28xx及29xx系列之工具之一現有檢查系統(例如，藉由將本文中描述之功能性添加至一現有檢查系統)實施本文中描述之系統。對於一些此等系統，本文中描述之方法可提供為系統之選用功能性(例如，除了系統之其他功能性之外)。替代地，可「從頭開始」設計本文中描述之系統以提供一全新系統。 圖1中展示之光學檢查子系統亦可藉由更改檢查子系統之一或多個參數(例如，增大檢查子系統之解析度)而經組態為一光學缺陷再檢測子系統，其可以此項技術中已知之任何適合方式執行。以此方式，本文中描述之系統可經組態以使用比較(諸如本文中描述之彼等比較)來執行缺陷再檢測及/或分類。可以其他方式依此項技術中已知之任何適合方式執行缺陷再檢測及/或分類。 系統之電腦子系統36可以任何適合方式(例如，經由一或多個傳輸媒體，該一或多個傳輸媒體可包含「有線」及/或「無線」傳輸媒體)耦合至檢查子系統之偵測器使得電腦子系統可接收在晶圓之掃描期間由偵測器產生之輸出。電腦子系統36可經組態以使用如本文中描述之偵測器之輸出執行若干功能及本文中進一步描述之任何其他功能。可如本文中描述般進一步組態此電腦子系統。 此電腦子系統(以及本文中描述之其他電腦子系統)在本文中亦可稱為(若干)電腦系統。本文中描述之(若干)電腦子系統或(若干)系統之各者可採取多種形式，包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路設備、網際網路設備或其他裝置。一般言之，術語「電腦系統」可經廣泛定義以涵蓋具有執行來自一記憶體媒體之指令之一或多個處理器之任何裝置。(若干)電腦子系統或(若干)系統亦可包含此項技術中已知之任何適合處理器(諸如一平行處理器)。另外，(若干)電腦子系統或(若干)系統可包含具有高速度處理及軟體之一電腦平台(作為一獨立工具或一網路工具)。 若系統包含一個以上電腦子系統，則不同電腦子系統可彼此耦合使得可在電腦子系統之間發送影像、資料、資訊、指令等，如本文中進一步描述。舉例而言，電腦子系統36可藉由可包含此項技術中已知之任何適合有線及/或無線傳輸媒體之任何適合傳輸媒體耦合至(若干)電腦子系統102 (如由圖1中之虛線展示)。兩個或兩個以上此等電腦子系統亦可藉由一共用電腦可讀儲存媒體(未展示)而有效耦合。 上文描述之一或多個電腦子系統經組態以基於用於印刷於晶圓上之一設計之資訊而產生一呈現影像。呈現影像係藉由光學檢查子系統針對印刷於晶圓上之設計所產生之一影像之一模擬。產生呈現影像包含一或多個步驟，且一或多個電腦子系統經組態用於藉由實行一生成模型而執行一或多個步驟之至少一者。舉例而言，如圖2中所展示，(若干)電腦子系統可經組態以獲取設計資料庫200，該設計資料庫200可包含設計多邊形202或本文中描述之其他設計資訊。(若干)電腦子系統可使用(若干)生成模型204以從設計資料庫200產生呈現影像206。各生成模型可使用一深度學習技術來執行影像呈現。(若干)生成模型及(若干)深度學習技術可包含本文中進一步描述之任何生成模型及深度學習技術。以此方式，可應用一深度學習方法以自設計產生一呈現影像。因此，(若干)電腦子系統可使用設計多邊形202作為輸出呈現影像206之(若干)生成模型之輸入，呈現影像206之實例之一者在圖2中展示為呈現影像208。 以此方式，(若干)電腦子系統經組態用於從設計產生一模擬光學檢查影像。另外，(若干)電腦子系統經組態以使用一或多個生成模型執行在產生一模擬影像時涉及之一或多個步驟而自設計產生該模擬光學影像。可以本文中進一步描述之若干不同方式執行生成模型化。舉例而言，(若干)電腦子系統可使用一生成模型以憑藉估計近場及一精確或近似光學系統模型自設計(多邊形)模型化。在另一實例中，(若干)電腦子系統可使用一生成模型以自幾何形狀及材料資訊之一堆疊模型化以計算或估計近場且學習並使用一精確或近似光學系統模型。 該(等)電腦子系統亦經組態用於比較呈現影像與由光學檢查子系統產生之晶圓之一光學影像且基於比較之結果偵測晶圓上之缺陷。使用一倍縮光罩將設計印刷在晶圓上。舉例而言，如圖2中展示，可使用倍縮光罩用晶圓之設計印刷實體晶圓210。在一個此實例中，可將設計212印刷於晶圓210上。接著，成像硬體214 (即，如本文中描述之一光學檢查子系統)可產生實體晶圓之光學影像216。此一光學影像之一實例在圖2中展示為光學影像218。接著，該(等)電腦子系統可藉由比較呈現影像206與光學影像216且基於比較結果偵測缺陷而執行比較及偵測，如步驟220中展示。舉例而言，該(等)電腦子系統可自光學影像218減去呈現影像208，藉此產生差異影像222。以此方式，該(等)電腦子系統可經組態用於比較光學晶圓影像與來自設計之一呈現影像。 接著，該(等)電腦子系統可使用差異影像以任何適合方式偵測晶圓上之缺陷。舉例而言，該(等)電腦子系統可將一或多個缺陷偵測演算法及/或方法應用至差異影像。在一個此實例中，該(等)電腦子系統可比較差異影像222中之信號或資料與一臨限值。高於臨限值之任何信號或資料可識別為缺陷或潛在缺陷，而低於臨限值之任何信號或資料不會識別為缺陷或潛在缺陷。當然，此項技術中已知許多其他缺陷偵測演算法及方法，且本文中描述之實施例不限於任一缺陷偵測演算法或方法。換言之，本文中描述之比較之結果可輸入至此項技術中已知之任何適合缺陷偵測演算法及/或方法。 在一些實施例中，一或多個電腦子系統進一步經組態用於基於所偵測缺陷判定倍縮光罩是否通過合格性檢定。可以此項技術中已知之任何適合方式執行基於在晶圓上偵測之缺陷判定倍縮光罩是否通過合格性檢定。本文中描述之實施例之一優點係其可執行晶粒至DB檢查用於EUV遮罩合格性檢定。不同於正常光學遮罩，由於缺乏光化EUV遮罩檢查系統，因此一EUV遮罩合格性檢定系統當前不可用。然而，本文中描述之實施例可用於此項技術中已知之任何類型之倍縮光罩之倍縮光罩合格性檢定。以此方式，可透過在本文中描述為倍縮光罩合格性檢定之部分之晶粒至DB光學晶圓檢查而驗證晶圓上之倍縮光罩之印刷適性。 本文中描述之實施例亦可經組態用於執行程序窗口合格性檢定(process window qualification；PWQ)，諸如2005年6月7日頒予Peterson等人之美國專利第6,902,855號；2008年8月26日頒予Peterson等人之美國專利第7,418,124號；2010年8月3日頒予Kekare等人之美國專利第7,769,225號；2011年10月18日頒予Pak等人之美國專利第8,041,106號及2012年7月3日頒予Peterson等人之美國專利第8,213,704號中描述之程序窗口合格性檢定，該等案以宛如全文陳述引用之方式併入於本文中。本文中描述之實施例可包含此等專利中描述之(若干)任何方法之(若干)任何步驟且可如此等專利中描述般進一步組態。可如此等專利中描述般印刷一PWQ晶圓。 在另一實施例中，一或多個電腦子系統經組態用於基於所偵測缺陷判定對晶圓執行之一或多個程序步驟之一效能。在一項此類實施例中，其晶圓係一短迴路晶圓。舉例而言，可僅使用將形成於晶圓上之全部層之一子集製造一短迴路晶圓以製造一完全作用之裝置。此等晶圓可用於僅檢查諸如一微影步驟及/或一蝕刻步驟之特定程序步驟。可以任何適合方式基於所偵測缺陷判定對晶圓執行之一或多個程序步驟之效能。一旦已判定一或多個程序步驟之效能，便可以任何適合方式(例如，藉由基於一或多個程序步驟之所判定效能而判定並更改該一或多個程序步驟之一或多個參數以藉此校正該一或多個程序步驟之效能，例如，使該一或多個程序步驟之效能回至規範)更改該一或多個程序步驟。 本文中描述之用於光學晶圓檢查之晶粒對DB係新技術。特定言之，當前不存在可用於晶圓檢查之光學晶粒對DB方法論。另外，用於光學晶圓檢查之晶粒對DB具有優於用於偵測晶圓上之缺陷之其他當前可用方法之若干重要優點。舉例而言，本文中描述之實施例可偵測晶粒間中繼器缺陷及自設計之變動。另外，本文中描述之實施例不依賴於使用自一實體晶圓產生之一標準參考晶粒以用作與晶圓晶粒影像比較之DB。舉例而言，標準參考晶粒可用作用於偵測晶粒間中繼器缺陷之代理。然而，有時，不知道哪一晶粒適合用作一標準參考晶粒。此外，不存在如今可用於檢查設計意圖之檢查技術。 當前可用針對晶圓之掃描電子顯微鏡(SEM)晶粒對DB檢查。SEM晶粒對DB如今普遍用於若干使用情況，諸如用於臨界尺寸(CD)變動之偵測，其中靈敏度需要可小至2 nm。然而，SEM晶粒對DB未足夠快以滿足晶圓檢查之需要。舉例而言，當前，歸因於處理能力約束(歸因於SEM成像程序之物理學)，僅可檢查實質上少量位置。相比之下，本文中描述之光學晶粒對DB檢查可在一可接受時間段內檢查一整個晶圓。以此方式，可遠快於SEM晶粒對DB執行本文中描述之光學晶粒對DB檢查。另外，本文中描述之晶粒對DB檢查可針對此項技術中已知之任何晶圓執行且用於檢定此項技術中已知之任何倍縮光罩之合格性。因此，本文中描述之實施例使使用者能夠完成任何新的倍縮光罩之整合除錯，使用當前電子束解決方案，使用者無時間完成此。另外，由於SEM具有比光學檢查工具實質上更高之解析度且僅使一晶圓之頂層成像，因此自設計呈現一SEM影像相對容易。舉例而言，SEM影像可看似實質上類似於設計，惟隅角可經修圓除外。另外，SEM晶粒對DB檢查可具有對於擾亂點問題之偵測之挑戰。 相比之下，歸因於解析度之光學限制及所需之精確度及模擬以產生一實際產品之處理能力，光學晶粒對DB係比SEM晶粒對DB更難之一問題。歸因於其技術困難，用於晶圓檢查之光學晶粒對DB當前不可用於產業中。 一些倍縮光罩檢查方法使用一近場近似法用於偵測倍縮光罩上之缺陷。舉例而言，可基於一薄膜假定及關於倍縮光罩檢查子系統之光學路徑之資訊近似計算倍縮光罩平面處之近場。此薄膜假定假定倍縮光罩平面處之近場接近設計(用於僅微影一層)，當波長及特徵大小近似相同時該假定適用。使用如今之設計規則，甚至針對倍縮光罩(其中特徵大小係晶圓上之特徵大小之4倍)，特徵大小遠小於波長。因此，倍縮光罩平面近場近似法在倍縮光罩檢查中變得愈來愈具挑戰性。在晶圓上，歸因於特徵大小之4倍縮小，其更具挑戰性。 生成模型可係一深度學習(DL)類型模型。以此方式，本文中描述之實施例可經組態用於使用(若干)深度學習技術之光學晶粒對DB晶圓檢查。 在一項實施例中，生成模型經組態為一卷積神經網路(CNN)。以此方式，可使用一CNN作為一DL引擎。在圖2a中展示可用於本文中描述之實施例中之一CNN組態之一項實施例。如此圖中所展示，可將輸入影像224輸入至CNN之第一層226 (層1)。如層1中所展示，層1可包含各種核心，諸如卷積核心228、整流及對比度正規化核心230及匯集核心232。可將層1之輸出輸入至CNN之第二層234 (層2)。此層亦可包含卷積核心236、整流及對比度正規化核心238及匯集核心240。可將此層之輸出輸入至一或多個額外層(在圖中藉由省略號示意性地展示)，直至緊鄰最後層(圖2a中未展示)之輸入輸入至CNN之最終層242 (層n)。最終層242可包含卷積核心244、整流及對比度正規化核心246及匯集核心248。此最終層之輸出可係可與目標影像252比較之輸出影像250，目標影像252可係由光學檢查子系統藉由使一實際晶圓成像而獲取之一光學影像。 成本函數254可用來判定輸出影像與目標影像之間之差異且基於該等差異修改CNN之一或多個層之一或多個參數。可用於CNN之訓練之成本函數之實例包含歐幾里德距離、交叉熵及此項技術中已知之任何其他適合成本函數。一反向傳播演算法可最小化成本函數且收斂至一最佳網路。 以此方式，CNN可將一輸入影像轉換為一輸出影像。每一層含有一卷積核心，其中卷積核心集合對該層之輸入影像操作，且整流/對比度正規化及匯集層係選用的。圖2b展示可包含在用於本文中描述之實施例中之一CNN中之每一層之細節之一實例。(圖2b已從CVPR 2014，「Tutorial on Deep Learning for Vision」中之一圖摘錄，其以宛如全文陳述引用的方式併入本文中。可如此文件中描述般進一步組態本文中描述之生成模型。)如圖2b中所展示，一CNN之每一層可包含影像258輸入至之濾波器組256。濾波器組256對輸入影像執行卷積以產生子影像集合260。將子影像輸入至產生子影像集合264之整流及對比度正規化核心262。接著，可將由整流及對比度正規化核心產生之子影像輸入至匯集核心266。接著，可將匯集層之輸出268提供至CNN中之下一層。包含在各層中之核心可具有此項技術中已知之任何適合組態。另外，CNN可包含此項技術中已知之任何適合數目個層。 在另一實施例中，生成模型經組態為一自動編碼器。自動編碼器可具有此項技術中已知之任何適合組態。另外，DL引擎可具有任何適用DL架構及其變動或實施方案。 在一項實施例中，藉由實行生成模型及一額外生成模型而執行至少一個步驟。舉例而言，一DL呈現引擎可與單個及/或多個DL引擎一起用於模型化步驟之多個組合中或用於每一單個步驟中。在一項此實施例中，一或多個步驟包含一第一步驟及一第二步驟，且一或多個電腦子系統經組態用於藉由實行生成模型而執行第一步驟且藉由實行額外生成模型而執行第二步驟。以此方式，不同生成模型可用於經執行以產生呈現影像之不同步驟。不同生成模型之組態將取決於其將用於之(若干)步驟。在一個此實例中，一不同生成模型可用於本文中描述之經執行以產生一呈現影像之各步驟。以此方式，可將一個生成模型之輸出輸入至一不同生成模型。然而在一些例項中，可使用一或多個生成模型及一或多個非生成模型之一組合來執行本文中描述之步驟。在一個此例項中，一生成模型可用來執行在產生呈現影像時所涉及之一個步驟，而一非生成模型可用來執行在產生呈現影像時所涉及之一不同步驟。非生成模型可包含可經組態以執行本文中描述之一或多個步驟之任何適合模型，在本文中進一步描述其之一些實例。 在另一此實施例中，一或多個電腦子系統經組態用於單獨訓練生成模型及額外生成模型。舉例而言，一DL呈現引擎可在單個或多個訓練之情況下與單個及/或多個DL引擎一起用於模型化步驟之多個組合中或用於每一單個步驟中。如本文中進一步描述，在訓練生成模型及/或一或多個額外模型時，可比較(若干)呈現影像與(若干)光學影像以判定彼等影像之間之差異且使用該等差異來訓練生成模型及/或一或多個額外模型。在訓練(若干)生成模型時，可使用一成本函數執行被訓練之生成模型之比較及/或修改，該成本函數可包含任何適合成本函數，諸如(但不限於)歐幾里德距離及交叉熵。 可藉由實行一生成模型或一個以上生成模型而執行之一或多個步驟可包含本文中描述之任何(若干)步驟。舉例而言，如本文中進一步描述，該一或多個步驟包含自設計模型化一光學檢查影像，其可使用本文中描述之一或多個生成模型運用DL來執行。另外，如本文中進一步描述，該一或多個步驟可包含自設計(多邊形)模型化以從一檢查工具產生光學影像，其可使用本文中描述之一或多個生成模型運用DL來執行。亦如本文中進一步描述，該一或多個步驟可包含使用本文中描述之一或多個生成模型透過一DL方法自幾何形狀及材料資訊之一堆疊模型化以估計近場及/或一光學系統模型。 在一項實施例中，該一或多個步驟包含將用於設計之資訊中之多邊形轉換成一灰階影像。舉例而言，如圖3中展示，可藉由DB光柵304而將設計多邊形300 (諸如設計多邊形302)轉換成灰階影像306。特定言之，DB光柵可將多邊形300轉換成一灰階影像。可以任何適合方式執行DB光柵。舉例而言，可使用設計多邊形以產生一中間二進制影像。接著可對中間二進制影像執行降低取樣頻率及去頻疊以產生灰階影像。以此方式，灰階影像306可係一原始灰階影像。原始灰階影像中之特徵可具有等於原始設計尺寸之尺寸(例如，CD)。 在一項此實施例中，以子像素精確度執行轉換多邊形。換言之，該(等)電腦子系統可以子像素精確度將設計中之多邊形轉換成一灰階影像。子像素精確度意謂灰階影像應能夠表示具有小於一個像素之尺寸(例如，寬度或高度)之多邊形。舉例而言，若存在具有0.31個像素之一高度之一多邊形，則應在灰階影像中適當反映該高度(為0.31個像素)。另外，灰階影像應以子像素精確度反映多邊形位置。舉例而言，若一第一多邊形定心在31.3個像素且一第二多邊形定心在42.7個像素，則灰階影像應能夠表示多邊形之間之非整數距離，其為11.4個像素(42.7個像素 ﹣31.3個像素)。相比之下，如今使用之許多DB光柵方法僅可處置具有為整數個像素之大小之多邊形。 在另一此實施例中，該一或多個步驟包含藉由將偏置校正及隅角修圓應用至灰階影像而產生一經修改灰階影像。舉例而言，如圖3中展示，DB模型308可使用灰階影像306作為輸入以產生經修改灰階影像310。藉由將偏置校正及隅角修圓應用至灰階影像，經修改灰階影像中展示之特徵可具有與灰階影像中展示之特徵不同之尺寸及隅角修圓。舉例而言，經常歸因於微影程序誤差，晶圓上之實際圖案大小不同於如設計之CD。此等差異在此項技術中通常稱為「偏置」。因此，藉由修改灰階影像以考量此偏置，如本文中描述般產生之呈現影像將更精確地模擬將由檢查子系統產生之光學影像。可以任何適合方式(例如，實驗性或經驗性)自任何適合源獲取適當偏置校正及隅角修圓。亦可以任何適合方式(例如，作為一恆定偏置之一常數或作為一非線性偏置之一函數)表示偏置。 在一些此等實施例中，該一或多個步驟亦包含基於經修改灰階影像及用於印刷於晶圓上之設計之資訊估計晶圓之一近場。舉例而言，如圖3中展示，近場估計312可使用經修改灰階影像310作為輸入以產生經估計近場314。用於近場估計之設計之資訊可包含材料參數、三維(3D)效應、波長及角度相依性等。晶圓之經估計近場係將藉由晶圓上之材料及其幾何形狀與由光學檢查子系統引導至晶圓之光之相互作用而在晶圓之頂表面處或附近(即，在晶圓平面處)產生之一電磁(EM)場之一模擬。經估計近場可包含如經估計近場314之左側中展示之振幅及如經估計近場314之右側中展示之相位。經估計近場亦可係或包含複數。可以若干不同方式估計經估計近場。舉例而言，可藉由克希何夫(Kirchhoff)/薄遮罩近似法、厚遮罩近似法、嚴格EM模擬(例如，有限差分時域(FDTD))、嚴格EM模擬加上薄遮罩近似法及任何其他適合近似法、函數或此項技術中已知之模型估計近場。 在一項此實施例中，該一或多個步驟包含基於近場及光學檢查子系統之一光學模型產生一初始呈現影像，該初始呈現影像係由光學檢查子系統針對印刷於晶圓上之設計產生之影像之另一模擬。因此，在本文中描述之實施例中，光學模型化之輸入係近場估計且非設計資料庫。舉例而言，如圖3中展示，光學模型316可使用經估計近場314作為輸入以產生初始呈現影像318。光學模型可在具有及不具有光學檢查子系統之像差之情況下模型化。可使用一非同調模型、一部分同調模型、部分同調-霍普金斯(Hopkins)配方、一線性捲積模型、具有赫米特(Hermitian)二次式之一線性捲積模型、穩健主成分分析(穩健PCA)、一阿貝(Abbe)成像方法、一嚴格EM模型及此項技術中已知之任何其他適合近似法、函數或模型執行產生初始呈現影像。 在一進一步實施例中，該一或多個步驟亦包含藉由修改初始呈現影像以最小化初始呈現影像與由光學檢查子系統產生之光學影像之間之差異而自初始呈現影像產生呈現影像。舉例而言，如圖3中展示，由該(等)電腦子系統執行之動態補償320可修改初始呈現影像318以產生呈現影像322，呈現影像322之一實例在圖3中展示為呈現影像324。可執行動態補償以補償呈現影像與一光學影像之間之差異，諸如影像之增益及偏移(例如，針對影像之間之色調失配及相對小未對準)及歸因於光學檢查子系統之像差之影像之差異。另外，由於本文中描述之模擬可有意不完全嚴格，且由於印刷於晶圓上之特徵之材料/尺寸可以不可預測之方式自設計變動，因此可執行運行時間補償以減少呈現影像與光學影像之間之差異。呈現影像與光學影像之間之較小差異意謂呈現影像較類似於光學影像。以此方式，藉由執行本文中描述之動態補償將偵測顯著更少之妨害及錯誤缺陷。 在一個此實例中，一呈現影像之灰階可稍微小於一光學影像之灰階及/或呈現影像可不與光學影像良好地對準。因此，僅僅比較呈現影像與光學影像且基於比較結果偵測缺陷可產生顯著數目個妨害缺陷。因此，可設計本文中描述之動態補償以減少呈現影像與光學影像之間之此等系統差異。可使用此項技術中已知之任何適合模型、演算法或函數動態補償灰階及/或對準之此等差異。在另一此實例中，光學成像中之工具像差可導致實際光學影像不同於預期光學影像。此等工具像差之實例包含(但不限於)透鏡偏心及晶圓失焦。全部像差可導致橫跨成像透鏡之出射光瞳之相位誤差(相較於預期理想相位分佈)。到目前為止，描述光學成像系統中之像差之最常見方式係使用任尼克(Zernike)多項式。因此，本文中描述之動態補償可使用像差之一描述(諸如任尼克多項式或此項技術中已知之光學成像系統像差之任何其他適合描述)以修改呈現影像以藉此最小化呈現影像與光學影像之間之差異。可使用此項技術中已知之任何適合模型、演算法或函數執行此修改。 如圖3中進一步展示，可由該(等)電腦子系統自檢查子系統(或其中儲存影像之一電腦可讀儲存媒體)獲取光學影像326 (其之一實例在圖3中展示為光學影像328)且比較光學影像326與呈現影像322。此等比較可產生差異影像330。可執行呈現影像與光學影像之間之比較用於缺陷偵測，此可如本文中進一步描述般執行。亦可或替代地執行呈現影像與光學影像之間之比較用於一或多個其他目的。舉例而言，在一些例項中，可比較對應於設計之相同(或實質上相同)部分之呈現影像與光學影像用於呈現影像(及因此設計)至光學影像之對準。可針對若干原因執行此對準，包含設定光學晶粒對DB檢查；以及其他原因，諸如設定或修改用於動態補償320之一或多個參數。 如上文所描述，可使用一或多個生成模型來執行經執行以產生呈現影像之一或多個步驟。在一個此實例中，一或多個生成模型可用於圖3中展示之近場估計312。在此情況中，一或多個DL引擎可學習晶圓之表面上之EM場，其取決於材料參數、3D效應、照明波長及角度等。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖3中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像322與光學影像326且修改用於近場估計之(若干) DL引擎之一或多個參數。一或多個其他模型可用於圖3中展示之全部其他步驟，且彼等一或多個其他模型可或可不係生成模型。 在另一此實例中，一或多個生成模型可用於圖3中展示之光學模型316。在此情況中，(若干) DL引擎可學習具有及不具有來自系統之像差之光學模型。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖3中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像322與光學影像326且修改用於光學模型化之(若干) DL引擎之一或多個參數。一或多個其他模型可用於圖3中展示之全部其他步驟，且彼等一或多個其他模型可或可不係生成模型。 在一額外此實例中，一或多個生成模型可用於圖3中展示之近場估計312及光學模型316。在此情況中，一或多個DL引擎可學習晶圓之表面上之EM場(其取決於材料參數、3D效應、照明波長及角度等)以及具有及不具有來自系統之像差之光學模型兩者。以此方式，圖3中展示之步驟312及316可不作為單獨步驟執行，但可作為其輸入係經修改灰階影像310且其輸出係初始呈現影像318之一單個步驟執行。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖3中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像322與光學影像326且修改用於近場估計及光學模型化之(若干) DL引擎之一或多個參數。一或多個其他模型可用於圖3中展示之全部其他步驟，且彼等一或多個其他模型可或可不係生成模型。 在一進一步實例中，一或多個生成模型可用於圖3中展示之DB模型308。在此情況中，(若干) DL引擎可學習印刷於晶圓上之圖案自設計之偏置。偏置步驟之應用在最終晶粒對DB比較中係使用情況相依的。舉例而言，偵測CD變動無需偏置校正，或對標準晶圓之偏置校正。粒子偵測較佳地包含偏置校正以減小妨害。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖3中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像322與光學影像326且修改用於DB模型之(若干) DL引擎之一或多個參數。一或多個其他模型可用於圖3中展示之全部其他步驟，且彼等一或多個其他模型可或可不係生成模型。 在又另一此實例中，一或多個生成模型可用於圖3中展示之DB光柵304及DB模型308。在此情況中，一或多個DL引擎產生包含偏置校正之呈現設計作為EM及光學模擬之輸入(即，步驟312及316)。以此方式，圖3中展示之步驟304及308可不作為單獨步驟執行，但可作為其輸入係設計多邊形300且其輸出係經修改灰階影像310之一單個步驟執行。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖3中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像322與光學影像326且修改用於DB光柵304及DB模型308之(若干) DL引擎之一或多個參數。一或多個其他模型可用於圖3中展示之全部其他步驟，且彼等一或多個其他模型可或可不係生成模型。 在又另一此實例中，一或多個生成模型可用於圖3中展示之DB光柵304、DB模型308、近場估計312及光學模型316。在此情況中，一或多個DL引擎模擬整個影像呈現程序。以此方式，圖3中展示之步驟304、308、312及316可不作為單獨步驟執行，但可作為其輸入係設計多邊形300且其輸出係初始呈現影像318之一單個步驟執行。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖3中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像322與光學影像326且修改用於DB光柵、DB模型、近場估計及光學模型之(若干) DL引擎之一或多個參數。 該(等)電腦子系統可在三個階段中使用DL來執行一般晶圓檢查及/或後處理。舉例而言，該(等)電腦子系統可使用來自晶圓上之選定樣本/位點之影像訓練(若干) DL引擎。在一個此實例中，該(等)電腦子系統可執行如圖4中展示之離線訓練400。可針對晶圓上之選定位點執行此訓練。接著，該(等)電腦子系統可針對一整個晶粒或預選擇區域/位置使用(若干)經訓練DL引擎自設計或設計幾何形狀及/或材料之一堆疊呈現影像。舉例而言，該(等)電腦子系統可執行如圖4中展示之離線呈現418。可針對一整個晶粒或在預選擇晶粒位置處執行離線呈現。另外，該(等)電腦子系統可在針對整個晶圓(或具有預定義關照區域之取樣晶粒)之呈現及光學影像比較中、在即時檢查中或對來自檢查器或再檢測工具之輸出影像應用動態補償(例如，增益/偏移及像差)。該(等)電腦子系統亦可經組態用於在一呈現影像與來自一檢查及/或再檢測工具之一影像之間之一最終比較中應用動態補償(增益/偏移及像差)。該(等)電腦子系統可進一步經組態用於在熱點及/或小塊上之一呈現影像與來自檢查及/或再檢測工具之一影像之間之一最終比較中應用動態補償(增益/偏移及像差)。舉例而言，如圖4中所展示，該(等)電腦子系統可執行檢查432。可線上或對自一檢查及/或再檢測工具輸出之影像執行檢查。換言之，可或可不線上執行檢查。若離線執行檢查，則可使用藉由一檢查及/或再檢測工具產生且藉由該檢查及/或再檢測工具儲存在一儲存媒體中之光學影像來執行檢查。可以任何適合方式自儲存媒體獲取光學影像。 本文中使用之術語「離線」意欲指示在一晶圓之一檢查期間未執行(例如，在藉由一檢查子系統掃描晶圓時未執行)離線執行之(若干)步驟、(若干)程序、(若干)流程等。相比之下，本文中使用之術語「線上」意欲指示在一晶圓之一檢查期間執行(例如，在藉由一檢查子系統掃描晶圓時執行)線上執行之(若干)步驟、(若干)程序、(若干)流程等。 在一個此實例中，在一些實施例中，一或多個電腦子系統經組態以基於以下各者訓練用於產生呈現影像之生成模型及/或一或多個額外模型：藉由針對一或多個其他晶圓上之一或多個選定位點執行產生呈現影像而產生針對該一或多個選定位點之一或多個額外呈現影像；及由光學檢查子系統針對一或多個其他晶圓上之一或多個選定位點產生之一或多個光學影像。舉例而言，如圖4中展示，離線訓練400可使用設計多邊形402作為DB光柵404之輸入，此可如上文中描述般執行。由DB光柵404產生之一灰階影像可輸入至DB模型406，DB模型406可輸出一經修改灰階影像，如本文中進一步描述。由DB模型406產生之經修改灰階影像可輸入至近場估計408，近場估計408可針對晶圓產生一經估計近場，如本文中進一步描述。經估計近場可輸入至光學模型410，光學模型410可輸出一初始呈現影像，如本文中進一步描述。初始呈現影像可輸入至動態補償412，動態補償412可輸出呈現影像414。接著，該(等)電腦子系統可執行呈現影像與一光學影像之間之一比較，如步驟416中展示。 可使用一成本函數來執行步驟416中之呈現影像與光學影像之比較且判定呈現影像相較於光學影像之誤差(例如，平方誤差之總和(SSE))。成本函數可經組態以使用彼等誤差來訓練由該(等)電腦子系統執行之(若干)步驟之一或多者之一或多個參數。舉例而言，可使用誤差以訓練DB模型406之一或多個參數，諸如用於偏置校正及/或隅角修圓之參數。另外，可使用誤差以訓練光學模型410之一或多個參數。此外，DB模型與光學模型之間之箭頭意欲指示基於呈現影像與光學影像之間之比較執行之學習可係針對由該(等)電腦子系統執行之整體模型化之一非線性/遞迴程序。另外，可使用誤差以調整用於動態補償之一或多個參數(例如，以考量可在每天之基礎上影響光學影像之一或多個特性之光學檢查子系統之(若干)參數之每天漂移)。 在一項此類實施例中，針對印刷於晶圓上之設計中之一整個晶粒(或在預選擇晶粒位置處)產生初始呈現影像。舉例而言，該(等)電腦子系統可執行離線呈現418，如圖4中展示。此種離線呈現可包含使用設計多邊形420作為DB光柵422之輸入，此可如上文中描述般執行。由DB光柵422產生之一灰階影像可輸入至DB模型424，DB模型424可輸出一經修改灰階影像，如本文中進一步描述。用於離線呈現之DB模型424可係在離線訓練400中訓練之DB模型。由DB模型424產生之經修改灰階影像可輸入至近場估計426，近場估計426可針對晶圓產生一經估計近場，如本文中進一步描述。經估計近場可輸入至光學模型428，光學模型428可輸出離線呈現影像430，離線呈現影像430可係一初始呈現影像，如本文中進一步描述。用於離線呈現之光學模型428可係在離線訓練400中訓練之光學模型。 針對整個晶粒之離線呈現影像430可由組合橫跨晶圓上之整個晶粒之多個較小呈現影像組成。舉例而言，可針對一晶粒之不同部分單獨執行本文中描述之模擬步驟，且接著可以任何方式組合模擬步驟之結果以針對晶粒之一較大部分(例如，一副掃描帶或一掃描帶)或針對整個晶粒產生模擬結果。替代地，可針對整個晶粒之全部設計執行模擬步驟使得由任一模擬步驟產生之結果係針對一晶圓上之一整個晶粒。 在一些此等實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行近場估計408之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於近場估計426。 在額外此等實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行光學模型410之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於光學模型428。 在一進一步此實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行近場估計408及光學模型410之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於近場估計426及光學模型428。 在一些此等實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行DB模型406之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於DB模型424。 在另一此實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行DB光柵404及DB模型406之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於DB光柵422及DB模型424。 在又另一此實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行DB光柵404、DB模型406、近場估計408及光學模型410之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於DB光柵422、DB模型424、近場估計426及光學模型428。 在一項此實施例中，產生呈現影像包含修改一初始呈現影像以最小化初始呈現影像與由光學檢查子系統產生之光學影像之間之差異，離線產生初始呈現影像且線上執行產生呈現影像。舉例而言，可如圖4中之離線呈現418中展示般離線產生初始呈現影像。另外，可如檢查432中展示般執行產生呈現影像，可針對整個晶圓線上執行檢查432。特定言之，如圖4中展示，離線呈現影像434 (其可係藉由離線呈現418產生之離線呈現影像(即，離線呈現影像430))可輸入至動態補償436，動態補償436可係在離線訓練400中訓練之動態補償且可如本文中進一步描述般執行。動態補償436可產生呈現影像438，接著可比較呈現影像438與一光學影像用於缺陷偵測及/或本文中描述之另一目的。因此，動態補償可修改離線產生之初始呈現影像以最小化初始呈現影像與由檢查子系統產生之光學影像之間之差異，藉此產生呈現影像，且可線上(例如，在晶圓之一檢查期間)執行動態補償。 在另一此實施例中，針對印刷於晶圓上之設計中之一整個晶粒產生初始呈現影像，且針對晶圓之一整體線上執行產生呈現影像。舉例而言，如上文中描述，可針對晶圓上之一整個晶粒執行離線呈現418而可針對晶圓之一整體線上執行檢查432，意謂必須針對晶圓之一整體(即，晶圓上之全部晶粒)產生呈現影像。 如上文中描述，在一些實施例中，可藉由估計晶圓之近場而產生呈現影像。在一些例項中，若全堆疊幾何形狀及材料資訊可用於一晶圓，則可由一近場計算取代近場估計。在一項實施例中，一或多個步驟包含基於用於印刷於晶圓上之設計之資訊計算晶圓之一近場，且用於印刷於晶圓上之設計之資訊包含幾何形狀及材料特性。舉例而言，如圖5中展示，幾何形狀及材料資訊500可輸入至近場計算502。幾何形狀及材料資訊可係針對晶圓之幾何形狀及材料資訊(例如，呈一技術電腦輔助設計(TCAD)格式)之一堆疊。用於近場計算之設計之資訊亦可包含設計幾何形狀、材料參數、波長及角度相依性等。可以若干方式執行近場計算。舉例而言，當已知晶圓設計之3D堆疊之幾何形狀及材料兩者時，可藉由求解麥克斯韋(Maxwell)之方程式(嚴格耦合波分析(RCWA)或FDTD方法)而計算晶圓平面處之近場。近場計算可產生近場504。晶圓之經計算近場係將藉由晶圓之材料及幾何形狀與由光學檢查子系統引導至晶圓之光之互動而在晶圓之頂表面處或附近(即，在晶圓平面處)產生之一EM場之一模擬。經計算近場可包含如經計算近場504之左側中展示之振幅及如經計算近場504之右側中展示之相位。經計算近場亦可係或包含複數。 在一項此實施例中，一或多個步驟亦包含基於近場及光學檢查子系統之一光學模型產生一初始呈現影像，該初始呈現影像係由光學檢查子系統針對印刷於晶圓上之設計產生之影像之另一模擬。舉例而言，如圖5中展示，光學模型506可使用經計算近場504作為輸入以產生初始呈現影像508。光學模型可在具有及不具有光學檢查子系統之像差之情況下模型化。可基於檢查器之光學特性使用本文中描述之近似法、函數或模型之任一者模擬初始呈現影像。 在一進一步實施例中，一或多個步驟包含藉由修改初始呈現影像以最小化初始呈現影像與由光學檢查子系統產生之光學影像之間之差異而自初始呈現影像產生呈現影像。舉例而言，如圖5中展示，由該(等)電腦子系統執行之動態補償510可修改初始呈現影像508以產生呈現影像512，呈現影像512之一實例在圖5中展示為呈現影像514。如本文中進一步描述般執行動態補償。 如圖5中進一步展示，可如本文中描述般由該(等)電腦子系統獲取光學影像516 (其之一實例在圖5中展示為光學影像518)且比較光學影像516與呈現影像512。此等比較可產生差異影像520。可執行呈現影像與光學影像之間之比較以用於缺陷偵測，其可如本文中進一步描述般執行。亦可或替代地執行呈現影像與光學影像之間之比較用於本文中描述之一或多個其他目的。 如上文所描述，可使用一或多個生成模型來執行經執行以產生呈現影像之一或多個步驟。在一個此實例中，一或多個生成模型可用於圖5中展示之近場計算502。在此情況中，一或多個DL引擎可如上文描述般估計晶圓之表面上之EM場。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖5中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像512與光學影像516且修改用於近場估計之(若干) DL引擎之一或多個參數。一或多個其他模型可用於圖5中展示之全部其他步驟，且彼等一或多個其他模型可或可不係生成模型。 在另一此實例中，一或多個生成模型可用於圖5中展示之估計光學模型506。在此情況中，一或多個DL引擎可如上文描述般估計系統之光學模型。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖5中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像512與光學影像516且修改用於估計光學模型之(若干) DL引擎之一或多個參數。一或多個其他模型可用於圖5中展示之全部其他步驟，且彼等一或多個其他模型可或可不係生成模型。 在一額外此實例中，一或多個生成模型可用於圖5中展示之近場計算502及光學模型506之估計。在此情況中，一或多個DL引擎模擬整個影像呈現程序。以此方式，圖5中展示之步驟502及506可不作為單獨步驟執行，但可作為其輸入係幾何形狀及材料資訊500且其輸出係初始呈現影像508之一單個步驟執行。在訓練及呈現期間，動態補償係選用的。另外，在訓練期間，可使用一成本函數(圖5中未展示) (諸如本文中進一步描述之成本函數之一者)來比較呈現影像512與光學影像516且修改用於近場估計及估計光學模型之(若干) DL引擎之一或多個參數。 如同其中該(等)電腦子系統估計晶圓之近場之例項，當該(等)電腦子系統計算近場時，該(等)電腦子系統可在三個相位中執行晶圓檢查。舉例而言，該(等)電腦子系統可自選定位點估計模型化參數。在一個此實例中，該(等)電腦子系統可執行離線訓練600 (針對選定位點)，如圖6中展示。接著，該(等)電腦子系統可針對一整個晶粒或在預選擇晶粒位置處呈現影像。舉例而言，如圖6中所展示，該(等)電腦子系統可執行離線呈現614 (針對晶圓上之一整個晶粒或在預選擇晶粒位置處)。另外，該(等)電腦子系統可在針對整個晶圓(或取樣晶粒)之即時檢查中應用動態補償(例如，增益/偏移及像差)。舉例而言，如圖6中所展示，該(等)電腦子系統可執行檢查624。如本文中進一步所描述，可線上或對自一檢查及/或再檢測工具輸出之影像執行檢查。可針對一整個晶圓、一整個晶粒或在預選擇晶粒位置處執行檢查。 在一些實施例中，一或多個電腦子系統經組態以基於以下各者訓練用於產生呈現影像之生成模型及/或一或多個額外模型：藉由針對一或多個其他晶圓上之一或多個選定位點執行產生呈現影像而產生之針對一或多個選定位點之一或多個額外呈現影像；及由光學檢查子系統針對一或多個其他晶圓上之一或多個選定位點產生之一或多個光學影像。舉例而言，如圖6中展示，離線訓練600 (針對選定位點)可使用可包含本文中描述之任何此資訊之幾何形狀及材料資訊602作為近場計算604之輸入，近場計算604可針對晶圓產生一經計算近場，如本文中進一步描述。經計算近場可輸入至光學模型606，光學模型606可輸出一初始呈現影像，如本文中進一步描述。初始呈現影像可輸入至動態補償608，動態補償608可輸出呈現影像610。接著，該(等)電腦子系統可執行呈現影像與一光學影像之間之一比較，如步驟612中展示。 可使用一成本函數來執行步驟612中之呈現影像與光學影像之比較且判定呈現影像相較於光學影像比較之誤差(例如，平方誤差之總和(SSE))。成本函數可經組態以使用彼等誤差來訓練藉由該(等)電腦子系統執行之(若干)步驟之一或多者之一或多個參數。舉例而言，可使用成本函數來訓練光學模型606之一或多個參數。另外，可使用成本函數來調整用於動態補償之一或多個參數(例如，以考量可在每天之基礎上影響光學影像之一或多個特性之光學檢查子系統之(若干)參數之每天漂移)。 在一項此實施例中，針對印刷於晶圓上之設計中之一整個晶粒產生初始呈現影像。舉例而言，該(等)電腦子系統可執行離線呈現(針對一整個晶粒) 614，如圖6中展示。此離線呈現可包含使用幾何形狀及材料資訊616(其可包含本文中描述之任何此資訊)作為近場計算618之輸入，近場計算618可針對晶圓產生一經計算近場，如本文中進一步描述。經計算近場可輸入至光學模型620，光學模型620可輸出離線呈現影像622，離線呈現影像622可係一初始呈現影像，如本文中進一步描述。用於離線呈現614之光學模型620可係在離線訓練600中訓練之光學模型。可如本文中進一步描述般以其他方式針對整個晶粒產生離線呈現影像。 在一些此等實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行近場計算604 (或估計)之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於近場計算618 (或估計)。 在額外此等實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行光學模型606之估計之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於光學模型620估計。 在另一此實施例中，在離線訓練期間，成本函數可經組態用於訓練經組態以執行近場計算604 (或估計)及光學模型606之估計之一或多個生成模型之一或多個參數。可如本文中進一步描述般執行此訓練。在此一實施例中，在離線呈現期間，具有經訓練一或多個參數之一或多個生成模型可用於近場估計618及光學模型620之估計。 在一項此實施例中，產生呈現影像包含修改一初始呈現影像以最小化初始呈現影像與由光學檢查子系統產生之光學影像之間之差異，離線產生初始呈現影像且線上執行產生呈現影像。舉例而言，可如圖6中之離線呈現614中展示般離線產生初始呈現影像。另外，可如可針對整個晶圓線上執行之檢查624中展示般執行產生呈現影像。特定言之，如圖6中展示，離線呈現影像626 (其可係藉由離線呈現614產生之離線呈現影像(即，離線呈現影像622))可輸入至動態補償628，動態補償628可係在離線訓練600中訓練之動態補償且可如本文中進一步描述般執行。動態補償628可產生呈現影像630，接著可比較呈現影像630與一光學影像用於缺陷偵測及/或本文中描述之任何其他目的。因此，動態補償可修改離線產生之初始呈現影像以最小化初始呈現影像與由檢查子系統產生之光學影像之間之差異，藉此產生呈現影像，且可線上(例如，在晶圓之一檢查期間)執行動態補償。以此方式，可線上執行產生呈現影像。 在另一此實施例中，針對印刷於晶圓上之設計中之一整個晶粒產生初始呈現影像，且針對晶圓之一整體線上執行產生呈現影像。舉例而言，如上文中描述，可針對晶圓上之一整個晶粒執行離線呈現614而可針對晶圓之一整體線上執行檢查624，意謂可針對晶圓之一整體(例如，晶圓上之全部晶粒)產生呈現影像。 在一項實施例中，僅針對印刷於晶圓上之設計中之一或多個區域執行產生呈現影像使得未針對設計之一整體執行產生呈現影像。(若干)區域在本文中亦稱為「熱點」或「小塊」。本文中使用之該等術語區域、熱點及小塊可定義為在一晶粒上重複多次之電路結構之一單元。區域、熱點及小塊之一例示性大小係約500 nm x 約500 nm。以此方式，本文中描述之實施例可僅針對一晶粒之一些部分而非整體執行本文中描述之步驟。可以任何適合方式識別及/或選擇熱點及/或小塊。舉例而言，熱點及/或小塊可係其中執行檢查之設計中之關注區域。另外或替代地，熱點及/或小塊可係在設計內重複兩次或兩次以上之設計之相對小部分。以此方式，可僅針對一小塊執行產生初始呈現影像，但可動態補償(可能以不同方式)相同初始呈現影像且接著比較該初始呈現影像與在印刷於晶圓上之設計之相同小塊之不同例項處產生之多個光學影像。可如本文中描述般(例如，如圖3及圖5中展示)以其他方式執行僅針對一或多個區域產生呈現影像。 該(等)電腦子系統可經組態用於在三個相位中之熱點或小塊晶圓檢查。舉例而言，該(等)電腦子系統可自選定位點估計模型化參數。在一此實例中，該(等)電腦子系統可執行其中使用選定熱點及/或小塊位點取代選定位點之圖4中展示之離線訓練400及圖6中展示之離線訓練600。該(等)電腦子系統亦可針對一晶粒之全部熱點/小塊呈現影像。舉例而言，該(等)電腦子系統可執行圖4中展示之離線呈現418及圖6中展示之離線呈現614，但代替性地針對整個晶粒執行離線呈現，針對一晶粒中之全部熱點及/或小塊執行離線呈現。另外，該(等)電腦子系統可在一整個晶圓(或取樣晶粒)中之全部熱點/小塊之即時或離線檢查中應用動態補償(例如，針對增益/偏移及像差)。舉例而言，該(等)電腦子系統可經組態用於執行如圖4中展示之檢查432及如圖6中展示之檢查624，惟代替針對整個晶圓執行檢查，僅針對整個晶圓上之熱點及/或小塊執行檢查除外。 在一實施例中，該(等)電腦子系統經組態以基於以下各者訓練用於產生呈現影像之生成模型及/或一或多個額外模型：藉由針對一或多個其他晶圓上之兩個或兩個以上區域執行產生呈現影像而產生之針對兩個或兩個以上區域之一或多個額外呈現影像；及由光學檢查子系統針對該一或多個其他晶圓上之該兩個或兩個以上區域產生之兩個或兩個以上光學影像。可如本文中描述般執行此等步驟(如圖4中展示之離線訓練400及圖6中展示之離線訓練600中展示)，其中選定位點係兩個或兩個以上區域(例如，兩個或兩個以上熱點及/或小塊)。 與針對兩個或兩個以上區域之一第一者執行之訓練不同地執行針對兩個或兩個以上區域之一第二者執行之訓練。以此方式，若用於檢查或後處理之關注區域係用於在一晶粒內重複多次之熱點或小塊(具有約300 nm×約300 nm之一例示性大小)，則可針對每一熱點/小塊類型或類型群組客製化本文中描述之(若干) DL引擎及(若干)其他模型。舉例而言，若一第一熱點包含具有第一特性(例如，密集線)之設計之一第一部分且一第二熱點包含具有不同於第一特性之第二特性(例如，稀疏接觸孔)之設計之一第二部分，則第一熱點及第二熱點可不同地印刷於晶圓上(例如，具有不同偏置及隅角修圓)且可由光學檢查子系統不同地成像(例如，具有不同解析度、對比度等)。因此，較佳將客製化用於針對不同熱點產生呈現影像之一或多個模型(例如，DB模型及/或光學模型)以考量在產生不同熱點之實際光學影像中涉及之程序中之此等差異。因此，離線訓練可基於對應於熱點(或小塊)(針對其訓練(若干)模型)之(若干)呈現影像及(若干)光學影像產生(若干)熱點(或小塊)特定模型。可如本文中描述般以其他方式執行此訓練。 在一此實施例中，產生呈現影像包含修改一初始呈現影像以最小化初始呈現影像與由光學檢查子系統產生之光學影像之間之差異，離線產生初始呈現影像且線上執行產生呈現影像。可如本文中進一步描述且在圖4及圖6中展示般執行此等步驟。舉例而言，可針對一個晶粒或預選擇位置上之熱點及/或小塊執行圖4及圖6中展示之離線呈現，且可針對熱點及/或小塊或對自一檢查及/或再檢測工具輸出之影像執行圖4及圖6中展示之檢查。 在另一此實施例中，針對印刷於晶圓上之設計中之一晶粒中之兩個或兩個以上區域之全部產生初始呈現影像，且針對晶圓之一整體中之兩個或兩個以上區域之全部進一步線上執行產生呈現影像。舉例而言，如上文中描述，可針對一晶粒上之全部熱點及/或小塊執行初始呈現影像之離線呈現。另外，如本文中進一步描述，可針對一整個晶圓上之全部熱點及/或小塊執行線上檢查。 可以多種不同方式組態用於執行本文中描述之準備、設定及檢查(或最終比較)之軟體及硬體之基礎設施。舉例而言，在一項實施例中，一或多個電腦子系統包含兩個或兩個以上電腦子系統，且兩個或兩個以上電腦子系統之至少一者並非包含光學檢查子系統之一工具之部分。以此方式，該(等)電腦子系統可包含並非光學檢查工具之部分之至少一電腦子系統(例如，圖1中展示之電腦子系統102)及係光學檢查工具之部分之至少一電腦子系統(例如，圖1中展示之電腦子系統36)。當更適合離線(例如，使用電腦子系統102)執行本文中描述之(若干)步驟之一些步驟而更適合線上(例如，使用電腦子系統36)執行其他步驟時，此一組態可係有利的。 在一進一步實施例中，一或多個電腦子系統包含通常亦稱為一虛擬檢查器(VI)之至少一虛擬檢查系統。一VI通常可定義為可儲存由一檢查子系統針對一晶圓產生之大量輸出使得可以模仿輸出之即時獲取(在此期間可僅使用所儲存輸出針對晶圓執行一虛擬檢查)之一方式「播放」輸出之一電腦系統。此等虛擬檢查器之實例圖解說明於2012年2月28日頒予Bhaskar等人之美國專利第8,126,255號及2015年12月29日頒予Duffy等人之美國專利第9,222,895號中，該等專利以宛如全文陳述引用之方式併入於本文中。可如此等專利中描述般進一步組態本文中描述之該(等)電腦子系統。 在本文中描述之實施例中，一VI可尤其用於執行設定期間之一或多個離線步驟及/或用於儲存在本文中描述之實施例中產生及/或使用之多種資訊及/或影像。舉例而言，一VI可尤其用於設定本文中描述之晶粒對DB檢查。在一此實例中，一VI可經組態用於自一設計DB或檔案提取設計剪輯(即，一晶圓上之一晶粒之一整個設計之相對小部分)。另外，一VI可經組態用於產生本文中描述之初始呈現影像且儲存初始呈現影像。另外，由於VI可能夠儲存針對實體晶圓(即，實際晶圓)產生之大量影像，故VI可尤其適合於使用模擬影像及實際晶圓影像兩者來調諧(若干)生成模型及/或本文中描述之一或多個額外模型之一或多個參數。 一VI亦可經組態用於線上執行本文中描述之一或多個步驟。舉例而言，一VI可經組態以線上(以及離線)執行晶粒對DB檢查(即，本文中描述之影像比較及缺陷偵測步驟)。此外，由於一VI可包含多個影像電腦節點，因此本文中描述之任何步驟之效能可跨多個影像電腦節點分佈，藉此針對處理能力提供優點。此外，呈現影像可儲存於VI上且接著傳送至一或多個其他電腦子系統(例如，作為一光學檢查工具之部分之一電腦子系統)，因為該等(若干)其他電腦子系統需要呈現影像(例如，用於線上光學晶粒對DB檢查)。 該(等)電腦子系統可包含用於訓練之一準備站及用於呈現之一處理單元。準備站及處理單元可係相同實體單元或單獨單元。該(等)電腦子系統亦可包含用於設計剪輯及影像呈現準備之一準備站，其具有CPU/GPU/FPGA叢集及儲存器之單個或多個核心。對於一檢查使用情況，處理單元可係檢查工具(例如，一光學檢查子系統及耦合至該光學檢查子系統之至少一個電腦子系統之一組合)。對於後處理使用情況，處理單元可係CPU/GPU/FPGA叢集及儲存器之單個或多個核心，其可與準備站相同或不同。另外，電腦子系統可藉由準備站與處理單元(例如，檢查工具之一電腦子系統)之間之一網路耦合以傳送呈現影像。該(等)電腦子系統亦可包含準備站或檢查工具/處理單元上之一基於設計/TCAD之離線影像呈現引擎。該(等)電腦子系統可進一步包含準備站或檢查工具/處理單元上之一基於設計/TCAD之離線訓練引擎。準備站、處理單元及/或檢查工具硬體可經最佳化以使(若干) DL引擎加速。 在一些此等實施例中，用於準備設計DB之基礎設施可包含其中儲存設計資訊(例如，一或多個倍縮光罩設計檔案(RDF))之一DB及耦合至DB之一伺服器及(若干)影像電腦及/或(若干) VI。伺服器及/或(若干)影像電腦及/或(若干) VI可自DB提取設計剪輯，藉此準備設計DB以由本文中描述之實施例使用。(若干)影像電腦及/或(若干) VI可將可具有此項技術中已知之任何適合格式之經提取設計剪輯儲存在一設計剪輯DB中。 用於設計呈現之基礎設施可包含經組態用於準備設計資料之基礎設施之(若干)影像電腦及/或(若干) VI。(若干)影像電腦及/或(若干) VI可經組態以(例如，自儲存於設計剪輯DB中之設計剪輯)呈現設計以產生本文中描述之呈現影像。另外，(若干)影像電腦及/或(若干) VI可將可具有此項技術中已知之任何適合格式之呈現影像儲存在一呈現影像DB中。 經組態用於執行晶粒對DB檢查之基礎設施可包含(若干)影像電腦，該(等)影像電腦可不同於包含於經組態用於準備設計DB之基礎設施中之(若干)影像電腦及包含於經組態用於設計呈現之基礎設施中之(若干)影像電腦。包含於用於執行晶粒對DB檢查之基礎設施中之(若干)影像電腦可經組態以自呈現影像DB獲取呈現影像。此等(若干)影像電腦亦可獲取由光學檢查子系統產生之光學影像且使用呈現影像及光學影像執行一或多個步驟(諸如像素至設計對準(PDA)及缺陷偵測)。以此方式，(若干)影像電腦可使用一呈現晶粒影像執行檢查。 經組態用於檢查之基礎設施亦可包含一或多個使用者介面(UI)，該一或多個UI耦合至(若干)影像電腦使得由(若干)影像電腦產生之結果可透過一或多個UI而提供至一使用者及/或使得可透過一或多個UI而自使用者接收輸入及/或指令。(若干) UI可包含此項技術中已知之任何適合UI (例如，諸如由市售檢查工具使用且經組態以具有本文中描述之能力之一UI)。 可根據本文中描述之(若干)任何其他實施例進一步組態本文中描述之系統之各實施例。亦可如以下各者中描述般進一步組態本文中描述之各實施例：Wells等人於2016年3月31日申請之美國專利申請案第15/088,081號、Zhang等人於2016年6月7日申請之美國專利申請案第15/176,139號及Bhaskar等人於2016年11月16日申請之美國專利申請案第15/353,210號，該等申請案以宛如全文陳述引用的方式併入本文中。 另一實施例係關於一種用於偵測一晶圓上之缺陷之電腦實施方法。該方法包含用於上文描述之(若干)電腦子系統之各功能之步驟。如本文中描述般組態光學檢查子系統。 可如本文中進一步描述般執行方法之步驟之各者。方法亦可包含可由本文中描述之檢查子系統及/或(若干)電腦子系統或系統執行之(若干)任何其他步驟。方法之步驟由一或多個電腦系統執行，可根據本文中描述之實施例之任何者組態該一或多個電腦系統。另外，可由本文中描述之系統實施例之任何者執行上文中描述之方法。 一額外實施例係關於一種非暫時性電腦可讀媒體，其儲存可在一電腦系統上執行以執行用於偵測一晶圓上之缺陷之一電腦實施方法之程式指令。在圖7中展示一此實施例。特定言之，如圖7中展示，非暫時性電腦可讀媒體700包含可在電腦系統704上執行之程式指令702。電腦實施方法可包含本文中描述之(若干)任何方法之(若干)任何步驟。 實施諸如本文中描述之方法之程式指令702可儲存於電腦可讀媒體700上。電腦可讀媒體可係一儲存媒體，諸如一磁碟或光碟、一磁帶或此項技術中已知之任何其他適合非暫時性電腦可讀媒體。 可以多種方式(包含基於程序之技術、基於組件之技術及/或物件導向技術等等)之任何者實施程式指令。舉例而言，可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE (資料流SIMD延伸)或其他技術或方法論實施程式指令。 可根據本文中所描述之實施例之任何者組態電腦系統704。 本文中描述之全部方法可包含將方法實施例之一或多個步驟之結果儲存於一電腦可讀儲存媒體中。結果可包含本文中描述之結果之任何者且可以此項技術中已知之任何方式儲存。儲存媒體可包含本文中描述之任何儲存媒體或此項技術中已知之任何其他適合儲存媒體。在已儲存結果之後，結果可在儲存媒體中存取且由本文中所描述之方法或系統實施例之任何者使用、經格式化以對一使用者顯示、由另一軟體模組、方法或系統等使用。 鑑於此描述，熟習此項技術者將瞭解本發明之多種態樣之進一步修改及替代實施例。舉例而言，提供用於偵測一晶圓上之缺陷之方法及系統。因此，將此描述理解為僅係闡釋性且係出於向熟習此項技術者教示實行本發明之一般方式之目的。應瞭解，應將本文中展示且描述之本發明之形式視為目前較佳實施例。如熟習此項技術者在受益於本發明之此描述之後將瞭解，元件及材料可替代本文中圖解說明且描述之彼等元件及材料，可顛倒部分及程序且可獨立利用本發明之某些特徵。可對本文中描述之元件做出改變而不脫離如以下發明申請專利範圍中所描述之本發明之精神及範疇。
10‧‧‧光學檢查子系統
14‧‧‧晶圓
16‧‧‧光源
18‧‧‧光學元件
20‧‧‧透鏡
21‧‧‧光束分離器
22‧‧‧載物台
24‧‧‧集光器
26‧‧‧元件
28‧‧‧偵測器
30‧‧‧集光器
32‧‧‧元件
34‧‧‧偵測器
36‧‧‧電腦子系統
102‧‧‧電腦子系統
200‧‧‧設計資料庫
202‧‧‧設計多邊形
204‧‧‧生成模型
206‧‧‧呈現影像
208‧‧‧呈現影像
210‧‧‧實體晶圓
212‧‧‧設計
214‧‧‧成像硬體
216‧‧‧光學影像
218‧‧‧光學影像
220‧‧‧步驟
222‧‧‧差異影像
224‧‧‧輸入影像
226‧‧‧第一層
228‧‧‧卷積核心
230‧‧‧整流及對比度正規化核心
232‧‧‧匯集核心
234‧‧‧第二層
236‧‧‧卷積核心
238‧‧‧整流及對比度正規化核心
240‧‧‧匯集核心
242‧‧‧最終層
244‧‧‧卷積核心
246‧‧‧整流及對比度正規化核心
248‧‧‧匯集核心
250‧‧‧輸出影像
252‧‧‧目標影像
254‧‧‧成本函數
256‧‧‧濾波器組
258‧‧‧影像
260‧‧‧子影像集合
262‧‧‧整流及對比度正規化核心
264‧‧‧子影像集合
266‧‧‧匯集核心
268‧‧‧輸出
300‧‧‧設計多邊形
302‧‧‧設計多邊形
304‧‧‧資料庫(DB)光柵/步驟
306‧‧‧灰階影像
308‧‧‧資料庫(DB)模型/步驟
310‧‧‧經修改灰階影像
312‧‧‧近場估計/步驟
314‧‧‧估計近場
316‧‧‧光學模型/步驟
318‧‧‧初始呈現影像
320‧‧‧動態補償
322‧‧‧呈現影像
324‧‧‧呈現影像
326‧‧‧光學影像
328‧‧‧光學影像
330‧‧‧差異影像
400‧‧‧離線訓練
402‧‧‧設計多邊形
404‧‧‧資料庫(DB)光柵
406‧‧‧資料庫(DB)模型
408‧‧‧近場估計
410‧‧‧光學模型
412‧‧‧動態補償
414‧‧‧呈現影像
416‧‧‧步驟
418‧‧‧離線呈現
420‧‧‧設計多邊形
422‧‧‧資料庫(DB)光柵
424‧‧‧資料庫(DB)模型
426‧‧‧近場估計
428‧‧‧光學模型
430‧‧‧離線呈現影像
432‧‧‧檢查
434‧‧‧離線呈現影像
436‧‧‧動態補償
438‧‧‧呈現影像
500‧‧‧幾何形狀及材料資訊
502‧‧‧近場計算
504‧‧‧近場
506‧‧‧光學模型
508‧‧‧初始呈現影像
510‧‧‧動態補償
512‧‧‧呈現影像
514‧‧‧呈現影像
516‧‧‧光學影像
518‧‧‧光學影像
520‧‧‧差異影像
600‧‧‧離線訓練
602‧‧‧幾何形狀及材料資訊
604‧‧‧近場計算
606‧‧‧光學模型
608‧‧‧動態補償
610‧‧‧呈現影像
612‧‧‧步驟
614‧‧‧離線呈現
616‧‧‧幾何形狀及材料資訊
618‧‧‧近場計算
620‧‧‧光學模型
622‧‧‧離線呈現影像
624‧‧‧檢查
626‧‧‧離線呈現影像
628‧‧‧動態補償
630‧‧‧呈現影像
700‧‧‧非暫時性電腦可讀媒體
702‧‧‧程式指令
704‧‧‧電腦系統
在閱讀以下詳細描述且參考隨附圖式之後便將瞭解本發明之其他目標及優點，其中： 圖1係圖解說明如本文中描述般組態之一系統之一實施例之一側視圖之一示意圖； 圖2係圖解說明可藉由本文中描述之一或多個電腦子系統執行之步驟之一項實施例之一流程圖； 圖2a至圖2b係圖解說明可包含在本文中描述之實施例中及/或由本文中描述之實施例使用之一生成模型之各種實施例之示意圖； 圖3至圖6係圖解說明可由本文中描述之一或多個電腦子系統執行之步驟之多項實施例之流程圖；及 圖7係圖解說明儲存可在一電腦系統上實行以用於執行本文中描述之一或多個電腦實施方法之程式指令之一非暫時性電腦可讀媒體之一項實施例之一方塊圖。 雖然本發明易於以多種修改及替代形式呈現，但本發明之特定實施例藉由實例而以圖式展示且將在本文中詳細描述。然而，應瞭解，圖式及其詳細描述不意欲將本發明限於所揭示之特定形式，而相反，本發明欲涵蓋落於如由隨附發明申請專利範圍界定之本發明之精神及範疇內之全部修改、等效物及替代。
10‧‧‧光學檢查子系統
14‧‧‧晶圓
16‧‧‧光源
18‧‧‧光學元件
20‧‧‧透鏡
21‧‧‧光束分離器
22‧‧‧載物台
24‧‧‧集光器
26‧‧‧元件
28‧‧‧偵測器
30‧‧‧集光器
32‧‧‧元件
34‧‧‧偵測器
36‧‧‧電腦子系統
102‧‧‧電腦子系統

Claims (35)

  1. 一種經組態以偵測一晶圓上之缺陷之系統，其包括： 一光學檢查子系統，其包括至少一光源及一偵測器，其中該光源經組態以產生引導至一晶圓之光，且其中該偵測器經組態以偵測來自該晶圓之光且回應於該所偵測光而產生影像；及 一或多個電腦子系統，其經組態用於： 基於用於印刷於該晶圓上之一設計之資訊而產生一呈現影像，其中該呈現影像係藉由該光學檢查子系統針對印刷於該晶圓上之該設計所產生之一影像之一模擬，其中產生該呈現影像包括一或多個步驟，且其中該一或多個電腦子系統進一步經組態用於藉由實行一生成模型而執行該一或多個步驟之至少一者； 比較該呈現影像與由該光學檢查子系統產生之該晶圓之一光學影像，其中使用一倍縮光罩將該設計印刷於該晶圓上；及 基於該比較之結果偵測該晶圓上之缺陷。
  2. 如請求項1之系統，其中藉由實行該生成模型及一額外生成模型而進一步執行該至少一個步驟。
  3. 如請求項2之系統，其中該一或多個步驟包括一第一步驟及一第二步驟，且其中該一或多個電腦子系統進一步經組態用於藉由實行該生成模型而執行該第一步驟且藉由實行該額外生成模型而執行該第二步驟。
  4. 如請求項2之系統，其中該一或多個電腦子系統進一步經組態用於單獨訓練該生成模型及該額外生成模型。
  5. 如請求項1之系統，其中該生成模型經組態為一卷積神經網路。
  6. 如請求項1之系統，其中該生成模型經組態為一自動編碼器。
  7. 如請求項1之系統，其中該一或多個步驟包括將用於該設計之該資訊中之多邊形轉換為一灰階影像。
  8. 如請求項7之系統，其中使用子像素精確度執行該轉換該等多邊形。
  9. 如請求項7之系統，其中該一或多個步驟進一步包括藉由將偏置校正及隅角修圓應用於該灰階影像而產生一經修改灰階影像。
  10. 如請求項9之系統，其中該一或多個步驟進一步包括基於該經修改灰階影像及用於印刷於該晶圓上之該設計之該資訊而估計該晶圓之一近場。
  11. 如請求項10之系統，其中該一或多個步驟進一步包括基於該近場及該光學檢查子系統之一光學模型而產生一初始呈現影像，該初始呈現影像係由該光學檢查子系統針對印刷於該晶圓上之該設計所產生之該影像之另一模擬。
  12. 如請求項11之系統，其中該一或多個步驟進一步包括藉由修改該初始呈現影像以最小化該初始呈現影像與由該光學檢查子系統產生之該光學影像之間之差異而自該初始呈現影像產生該呈現影像。
  13. 如請求項1之系統，其中該一或多個步驟包括基於用於印刷於該晶圓上之該設計之該資訊計算該晶圓之一近場，且其中用於印刷於該晶圓上之該設計之該資訊包括幾何形狀及材料特性。
  14. 如請求項13之系統，其中該一或多個步驟進一步包括基於該近場及該光學檢查子系統之一光學模型而產生一初始呈現影像，該初始呈現影像係由該光學檢查子系統針對印刷於該晶圓上之該設計所產生之該影像之另一模擬。
  15. 如請求項14之系統，其中該一或多個步驟進一步包括藉由修改該初始呈現影像以最小化該初始呈現影像與由該光學檢查子系統產生之該光學影像之間之差異而自該初始呈現影像產生該呈現影像。
  16. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態以基於以下各者訓練該生成模型：藉由針對一或多個其他晶圓上之一或多個選定位點執行該產生而產生之針對該一或多個選定位點之一或多個額外呈現影像；及由該光學檢查子系統針對該一或多個其他晶圓上之該一或多個選定位點產生之一或多個光學影像。
  17. 如請求項16之系統，其中產生該呈現影像進一步包括修改一初始呈現影像以最小化該初始呈現影像與由該光學檢查子系統產生之該光學影像之間之差異，其中離線產生該初始呈現影像，且其中線上執行產生該呈現影像。
  18. 如請求項17之系統，其中針對印刷於該晶圓上之該設計中之一整個晶粒產生該初始呈現影像，且其中針對該晶圓之一整體進一步線上執行產生該呈現影像。
  19. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態以基於以下各者訓練用於該產生之一或多個額外模型：藉由針對一或多個其他晶圓上之一或多個選定位點執行該產生而產生之針對該一或多個選定位點之一或多個額外呈現影像；及由該光學檢查子系統針對該一或多個其他晶圓上之該一或多個選定位點產生之一或多個光學影像。
  20. 如請求項19之系統，其中產生該呈現影像進一步包括修改一初始呈現影像以最小化該初始呈現影像與由該光學檢查子系統產生之該光學影像之間之差異，其中離線產生該初始呈現影像，且其中線上執行產生該呈現影像。
  21. 如請求項20之系統，其中針對印刷於該晶圓上之該設計中之一整個晶粒產生該初始呈現影像，且其中針對該晶圓之一整體進一步線上執行產生該呈現影像。
  22. 如請求項1之系統，其中僅針對印刷於該晶圓上之該設計中之一或多個區域執行該產生使得未針對該設計之一整體執行該產生。
  23. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態以基於以下各者訓練該生成模型：藉由針對一或多個其他晶圓上之兩個或兩個以上區域執行該產生而產生之針對該兩個或兩個以上區域之兩個或兩個以上額外呈現影像；及由該光學檢查子系統針對該一或多個其他晶圓上之該兩個或兩個以上區域產生之兩個或兩個以上光學影像，且其中與針對該兩個或兩個以上區域之一第一者執行之該訓練不同地執行針對該兩個或兩個以上區域之一第二者執行之該訓練。
  24. 如請求項23之系統，其中產生該呈現影像進一步包括修改一初始呈現影像以最小化該初始呈現影像與由該光學檢查子系統產生之該光學影像之間之差異，其中離線產生該初始呈現影像，且其中線上執行產生該呈現影像。
  25. 如請求項24之系統，其中針對印刷於該晶圓上之該設計中之一晶粒中之該兩個或兩個以上區域之全部產生該初始呈現影像，且其中針對該晶圓之一整體中之該兩個或兩個以上區域之全部進一步線上執行產生該呈現影像。
  26. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態以基於以下各者訓練用於該產生之一或多個額外模型：藉由針對一或多個其他晶圓上之兩個或兩個以上區域執行該產生而產生之針對該兩個或兩個以上區域之兩個或兩個以上額外呈現影像；及由該光學檢查子系統針對該一或多個其他晶圓上之該兩個或兩個以上區域產生之兩個或兩個以上光學影像，且其中與針對該兩個或兩個以上區域之一第一者執行之該訓練不同地執行針對該兩個或兩個以上區域之一第二者執行之該訓練。
  27. 如請求項26之系統，其中產生該呈現影像進一步包括修改一初始呈現影像以最小化該初始呈現影像與由該光學檢查子系統產生之該光學影像之間之差異，其中離線產生該初始呈現影像，且其中線上執行產生該呈現影像。
  28. 如請求項27之系統，其中針對印刷於該晶圓上之該設計中之一晶粒中之該兩個或兩個以上區域之全部產生該初始呈現影像，且其中針對該晶圓之一整體中之該兩個或兩個以上區域之全部進一步線上執行產生該呈現影像。
  29. 如請求項1之系統，其中該一或多個電腦子系統包括兩個或兩個以上電腦子系統，且其中該兩個或兩個以上電腦子系統之至少一者並非包含該光學檢查子系統之一工具之部分。
  30. 如請求項1之系統，其中該一或多個電腦子系統包括至少一虛擬檢查系統。
  31. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態用於基於該等所偵測缺陷判定該倍縮光罩是否通過合格性檢定。
  32. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態用於基於該等所偵測缺陷判定對該晶圓執行之一或多個程序步驟之一效能。
  33. 如請求項32之系統，其中該晶圓係一短迴路晶圓。
  34. 一種非暫時性電腦可讀媒體，其儲存可在一電腦系統上實行以執行用於偵測一晶圓上之缺陷之一電腦實施方法之程式指令，其中該電腦實施方法包括： 基於用於印刷於一晶圓上之一設計之資訊產生一呈現影像，其中該呈現影像係由一光學檢查子系統針對印刷於該晶圓上之該設計所產生之一影像之一模擬，其中該光學檢查子系統包括至少一光源及一偵測器，其中該光源經組態以產生引導至該晶圓之光，其中該偵測器經組態以偵測來自該晶圓之光且回應於該所偵測光而產生影像，其中產生該呈現影像包括一或多個步驟，且其中藉由實行一生成模型而執行該一或多個步驟之至少一者； 比較該呈現影像與由該光學檢查子系統產生之該晶圓之一光學影像，其中使用一倍縮光罩將該設計印刷在該晶圓上；及 基於該比較之結果偵測該晶圓上之缺陷，其中該產生、該比較及該偵測係由一或多個電腦子系統執行。
  35. 一種用於偵測一晶圓上之缺陷之電腦實施方法，其包括： 基於用於印刷於一晶圓上之一設計之資訊產生一呈現影像，其中該呈現影像係由一光學檢查子系統針對印刷於該晶圓上之該設計所產生之一影像之一模擬，其中該光學檢查子系統包括至少一光源及一偵測器，其中該光源經組態以產生引導至該晶圓之光，其中該偵測器經組態以偵測來自該晶圓之光且回應於該所偵測光而產生影像，其中產生該呈現影像包括一或多個步驟，且其中藉由實行一生成模型而執行該一或多個步驟之至少一者； 比較該呈現影像與由該光學檢查子系統產生之該晶圓之一光學影像，其中使用一倍縮光罩將該設計印刷在該晶圓上；及 基於該比較之結果偵測該晶圓上之缺陷，其中該產生、該比較及該偵測係由一或多個電腦子系統執行。
TW106100114A 2016-01-04 2017-01-04 光學晶粒對資料庫檢查 TWI706485B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662274724P 2016-01-04 2016-01-04
US62/274,724 2016-01-04
US15/391,753 2016-12-27
US15/391,753 US9915625B2 (en) 2016-01-04 2016-12-27 Optical die to database inspection

Publications (2)

Publication Number Publication Date
TW201732979A true TW201732979A (zh) 2017-09-16
TWI706485B TWI706485B (zh) 2020-10-01

Family

ID=59235475

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106100114A TWI706485B (zh) 2016-01-04 2017-01-04 光學晶粒對資料庫檢查

Country Status (6)

Country Link
US (1) US9915625B2 (zh)
KR (1) KR102424804B1 (zh)
CN (1) CN108431937B (zh)
IL (1) IL259821B (zh)
TW (1) TWI706485B (zh)
WO (1) WO2017120094A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI703514B (zh) * 2018-05-24 2020-09-01 牧德科技股份有限公司 人工智慧複檢系統及其方法
TWI729391B (zh) * 2019-05-16 2021-06-01 國立陽明交通大學 半導體製程中增進類神經網路模型預測結果之方法
TWI796431B (zh) * 2018-02-07 2023-03-21 以色列商應用材料以色列公司 半導體樣品的基於深度學習的檢查的方法及其系統

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10012599B2 (en) * 2015-04-03 2018-07-03 Kla-Tencor Corp. Optical die to database inspection
US9915625B2 (en) * 2016-01-04 2018-03-13 Kla-Tencor Corp. Optical die to database inspection
KR102011628B1 (ko) * 2016-12-06 2019-08-16 미쓰비시덴키 가부시키가이샤 검사 장치 및 검사 방법
US10565702B2 (en) * 2017-01-30 2020-02-18 Dongfang Jingyuan Electron Limited Dynamic updates for the inspection of integrated circuits
US11557022B2 (en) 2017-07-27 2023-01-17 Nvidia Corporation Neural network system with temporal feedback for denoising of rendered sequences
US11861811B2 (en) 2017-07-27 2024-01-02 Nvidia Corporation Neural network system with temporal feedback for denoising of rendered sequences
US11475542B2 (en) 2017-07-27 2022-10-18 Nvidia Corporation Neural network system with temporal feedback for adaptive sampling and denoising of rendered sequences
CA3070850A1 (en) 2017-07-31 2019-02-07 Smiths Detection Inc. System for determining the presence of a substance of interest in a sample
US11022966B1 (en) * 2017-12-15 2021-06-01 Synopsys, Inc. Method of modeling e-beam photomask manufacturing process using image-based artificial neural networks
TWI653605B (zh) * 2017-12-25 2019-03-11 由田新技股份有限公司 利用深度學習的自動光學檢測方法、設備、電腦程式、電腦可讀取之記錄媒體及其深度學習系統
US11257207B2 (en) * 2017-12-28 2022-02-22 Kla-Tencor Corporation Inspection of reticles using machine learning
DE102018207876A1 (de) * 2018-05-18 2019-06-06 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zum Erzeugen von Bildern für photolithographische Masken aus Designdaten
US10621301B2 (en) 2018-06-06 2020-04-14 International Business Machines Corporation Coordinates-based variational autoencoder for generating synthetic via layout patterns
US10866197B2 (en) * 2018-09-20 2020-12-15 KLA Corp. Dispositioning defects detected on extreme ultraviolet photomasks
CN109596638B (zh) * 2018-10-26 2022-05-06 中国科学院光电研究院 有图形晶圆及掩模版的缺陷检测方法及装置
TW202115390A (zh) * 2019-06-06 2021-04-16 日商東京威力科創股份有限公司 基板檢查裝置、基板檢查系統及基板檢查方法
US11880193B2 (en) 2019-07-26 2024-01-23 Kla Corporation System and method for rendering SEM images and predicting defect imaging conditions of substrates using 3D design
KR20220051216A (ko) * 2019-09-20 2022-04-26 에이에스엠엘 네델란즈 비.브이. 머신 러닝을 사용한 웨이퍼 검사용 예측 이미지 생성 시스템 및 방법
US11328411B2 (en) * 2020-05-04 2022-05-10 KLA Corp. Print check repeater defect detection
US20230222764A1 (en) * 2020-06-16 2023-07-13 Hitachi High-Tech Corporation Image processing method, pattern inspection method, image processing system, and pattern inspection system
JP7440354B2 (ja) 2020-06-26 2024-02-28 株式会社ニューフレアテクノロジー パターン検査装置及びパターン検査方法
US11328410B2 (en) * 2020-08-03 2022-05-10 KLA Corp. Deep generative models for optical or other mode selection
US11776108B2 (en) * 2020-08-05 2023-10-03 KLA Corp. Deep learning based defect detection
US11704772B2 (en) * 2020-11-19 2023-07-18 Raytheon Company Image classification system
US20230408932A1 (en) * 2020-12-03 2023-12-21 Applied Materials, Inc. Deep learning based adaptive alignment precision metrology for digital overlay
US11829077B2 (en) 2020-12-11 2023-11-28 Kla Corporation System and method for determining post bonding overlay
JP6961846B1 (ja) * 2021-01-08 2021-11-05 レーザーテック株式会社 Ｅｕｖマスク検査装置、ｅｕｖマスク検査方法、ｅｕｖマスク検査プログラム及びｅｕｖマスク検査システム
US20220301133A1 (en) * 2021-03-16 2022-09-22 Kla Corporation Segmentation of design care areas with a rendered design image
US11782411B2 (en) 2021-07-28 2023-10-10 Kla Corporation System and method for mitigating overlay distortion patterns caused by a wafer bonding tool
US20240112326A1 (en) * 2022-09-30 2024-04-04 Kla Corporation Inspection of adaptive patterned workpieces with dynamic design and deep learning-based rendering

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6470489B1 (en) * 1997-09-17 2002-10-22 Numerical Technologies, Inc. Design rule checking system and method
US6966047B1 (en) * 2002-04-09 2005-11-15 Kla-Tencor Technologies Corporation Capturing designer intent in reticle inspection
JP4597859B2 (ja) 2002-07-15 2010-12-15 ケーエルエー−テンカー コーポレイション マイクロリソグラフパターンの製作におけるパターンの認定、パターン形成プロセス、又はパターン形成装置
US6902855B2 (en) 2002-07-15 2005-06-07 Kla-Tencor Technologies Qualifying patterns, patterning processes, or patterning apparatus in the fabrication of microlithographic patterns
KR100492159B1 (ko) * 2002-10-30 2005-06-02 삼성전자주식회사 기판 검사 장치
US20040225488A1 (en) * 2003-05-05 2004-11-11 Wen-Chuan Wang System and method for examining mask pattern fidelity
US7331033B2 (en) * 2004-08-27 2008-02-12 Applied Materials, Israel, Ltd. Simulation of aerial images
US7769225B2 (en) 2005-08-02 2010-08-03 Kla-Tencor Technologies Corp. Methods and systems for detecting defects in a reticle design pattern
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7676077B2 (en) 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US8194968B2 (en) 2007-01-05 2012-06-05 Kla-Tencor Corp. Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions
US7995832B2 (en) * 2007-01-11 2011-08-09 Kla-Tencor Corporation Photomask inspection and verification by lithography image reconstruction using imaging pupil filters
US7564545B2 (en) * 2007-03-15 2009-07-21 Kla-Tencor Technologies Corp. Inspection methods and systems for lithographic masks
US8213704B2 (en) 2007-05-09 2012-07-03 Kla-Tencor Corp. Methods and systems for detecting defects in a reticle design pattern
US8126255B2 (en) 2007-09-20 2012-02-28 Kla-Tencor Corp. Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions
US9710903B2 (en) * 2008-06-11 2017-07-18 Kla-Tencor Corp. System and method for detecting design and process defects on a wafer using process monitoring features
US8041106B2 (en) 2008-12-05 2011-10-18 Kla-Tencor Corp. Methods and systems for detecting defects on a reticle
US8175373B2 (en) * 2009-02-16 2012-05-08 Kla-Tencor Corporation Use of design information and defect image information in defect classification
US9671685B2 (en) * 2009-12-31 2017-06-06 Taiwan Semiconductor Manufacturing Company, Ltd. Lithographic plane check for mask processing
JP5659086B2 (ja) 2011-05-30 2015-01-28 株式会社東芝 反射型マスクの欠陥修正方法
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US9478019B2 (en) 2014-05-06 2016-10-25 Kla-Tencor Corp. Reticle inspection using near-field recovery
US9401016B2 (en) 2014-05-12 2016-07-26 Kla-Tencor Corp. Using high resolution full die image data for inspection
CN106463434B (zh) 2014-06-10 2020-12-22 Asml荷兰有限公司 计算晶片检验
US10012599B2 (en) * 2015-04-03 2018-07-03 Kla-Tencor Corp. Optical die to database inspection
DE102015213045B4 (de) * 2015-07-13 2018-05-24 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zur Positionsbestimmung von Strukturelementen einer photolithographischen Maske
US10186026B2 (en) 2015-11-17 2019-01-22 Kla-Tencor Corp. Single image detection
US9965901B2 (en) 2015-11-19 2018-05-08 KLA—Tencor Corp. Generating simulated images from design information
US9915625B2 (en) * 2016-01-04 2018-03-13 Kla-Tencor Corp. Optical die to database inspection

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI796431B (zh) * 2018-02-07 2023-03-21 以色列商應用材料以色列公司 半導體樣品的基於深度學習的檢查的方法及其系統
TWI703514B (zh) * 2018-05-24 2020-09-01 牧德科技股份有限公司 人工智慧複檢系統及其方法
TWI729391B (zh) * 2019-05-16 2021-06-01 國立陽明交通大學 半導體製程中增進類神經網路模型預測結果之方法

Also Published As

Publication number Publication date
KR102424804B1 (ko) 2022-07-22
US9915625B2 (en) 2018-03-13
US20170191948A1 (en) 2017-07-06
TWI706485B (zh) 2020-10-01
KR20180091944A (ko) 2018-08-16
IL259821B (en) 2021-06-30
IL259821A (en) 2018-07-31
CN108431937A (zh) 2018-08-21
WO2017120094A1 (en) 2017-07-13
CN108431937B (zh) 2020-01-07

Similar Documents

Publication Publication Date Title
CN108431937B (zh) 光学裸片对数据库检查
CN107454980B (zh) 光学裸片到数据库检验
JP7122386B2 (ja) 低解像度画像における欠陥検出のためのニューラルネットワークのトレーニング
JP6893514B2 (ja) ハイブリッドインスペクタ
US9478019B2 (en) Reticle inspection using near-field recovery
KR102295266B1 (ko) 내장 타겟을 사용한 설계에 대한 검사의 정렬
TWI797382B (zh) 在極端紫外光光罩上所檢測到之缺陷處理
TW201903391A (zh) 基於輪廓之缺陷偵測
TW202105264A (zh) 用於半導體應用之可學習缺陷偵測
TWI644169B (zh) 用於使用近場復原之光罩檢測之電腦實施方法、非暫時性電腦可讀媒體及系統
WO2019219826A1 (en) Method and apparatus for evaluating an unknown effect of defects of an element of a photolithography process
CN113412485B (zh) 用于选择设计文件的系统、计算机可读媒体及实施方法
WO2021222152A1 (en) Training a machine learning model to generate higher resolution images from inspection images
CN117015850B (zh) 以经呈现设计图像进行的设计注意区域的分段