TW201921541A - 使用基於形狀之分組引導缺陷集中改進缺陷定位精度 - Google Patents
使用基於形狀之分組引導缺陷集中改進缺陷定位精度Info
- Publication number
- TW201921541A TW201921541A TW107129875A TW107129875A TW201921541A TW 201921541 A TW201921541 A TW 201921541A TW 107129875 A TW107129875 A TW 107129875A TW 107129875 A TW107129875 A TW 107129875A TW 201921541 A TW201921541 A TW 201921541A
- Authority
- TW
- Taiwan
- Prior art keywords
- defects
- wafer
- processor
- design
- defect
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
- G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2813—Scanning microscopes characterised by the application
- H01J2237/2817—Pattern inspection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
可使用具有基於圖案之缺陷集中之基於形狀之分組來增加缺陷定位精度。可執行一晶圓上之缺陷之基於設計之分組。可判定該晶圓上之至少一個結構(諸如一預測熱點)周圍之該等缺陷之一空間分佈。可判定該結構周圍之一位置之至少一個基於設計之缺陷性質。可對該結構之一x方向臨限值及一y方向臨限值內之該等缺陷排定優先級。
Description
本發明係關於半導體缺陷偵測。
可使用一方法或系統(諸如電子設計自動化(EDA)、電腦輔助設計(CAD)及其他IC設計軟體)來開發一積體電路(IC)設計。此等方法及系統可用於自IC設計產生電路圖案資料庫。電路圖案資料庫包含表示IC之各種層之複數個佈局之資料。電路圖案資料庫中之資料可用於判定複數個光罩之佈局。一光罩之一佈局大體上包含在光罩上以一圖案界定特徵之複數個多邊形。各光罩係用以製造IC之各種層之一者。IC之層可包含(例如)一半導體基板中之一接面圖案、一閘極介電質圖案、一閘極電極圖案、一層間介電質中之一接觸件圖案及一金屬化層上之一互連件圖案。
製造半導體裝置(諸如邏輯及記憶體裝置)通常包含使用大量半導體製程處理一基板(如一半導體晶圓)以形成半導體裝置之各種特徵及多個層級。例如,光微影係涉及將一圖案自一光罩轉印至配置於一半導體晶圓上之一光阻劑之一半導體製程。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。多個半導體裝置可經製造為一單一半導體晶圓上之一配置,且接著分離成個別半導體裝置。
檢測半導體晶圓以偵測缺陷之程序對半導體製造商係重要的。缺陷導致晶圓良率下降,從而導致整個半導體製造成本增加。晶圓檢測系統藉由偵測在製程期間發生之缺陷而幫助一半導體製造商增加並維持IC晶片良率。檢測系統之一個目的係監測一製程是否符合規範。若製程在既定規範之範疇外,則檢測系統指示問題及/或問題之來源,接著,半導體製造商可解決問題及/或問題之來源。例如,可由製造商藉由改變其等設計或製程之一或多者而消除此等缺陷。
隨著半導體裝置尺寸減小,檢測對於成功製造可接受的半導體裝置變得甚至更加重要,此係因為較小缺陷可導致裝置故障。然而,隨著設計規則縮小,半導體製程可更靠近對製程之效能能力之限制操作。另外,隨著設計規則縮小,較小缺陷可對裝置之電參數具有一影響,此驅使更為靈敏的檢測。因此,隨著設計規則縮小,藉由檢測偵測到的潛在良率相關缺陷之族群急劇增長,且藉由檢測偵測到的擾亂點(nuisance)缺陷之族群亦急劇增長。因此,可在晶圓上偵測到愈來愈多的缺陷,且校正程序以消除全部缺陷可為困難的且昂貴的。
在一檢測程序之後,藉由稱為基於設計之分組(DBG)之一方法而將缺陷位置處之局部設計(藉由檢測返回)分組。取決於此等群組之統計,選擇來自各群組之一或多個位置進行查核取樣。DBG對各邊角及周圍幾何形狀採用一編碼方案。此資訊用於快速地找到精確與一給定圖案匹配之所有圖案。
藉由其語言及編碼機制之定量性質,使用者難以用DBG來寫「規則」。此能力可為重要的,因為一使用者自經驗瞭解層上可能導致缺陷之脆弱位置。在此等位置處出現之缺陷可為稀少的但是災難性的,且若對樣品尺寸設定限制,則僅依賴於統計之基於DBG之查核取樣可錯過此微小族群。DBG方法論亦不明確指示導致系統性缺陷之設計違例及弱點。其僅藉由基於彼等圖案編碼之缺陷頻率之圖案之實例來如此做。
DBG分組係藉由執行精確匹配而實行,此意謂若其等設計精確匹配,則兩個位置處於一DBG群組中,且看起來類似,但在數值上不同的兩個位置之設計圖案落於不同群組中。此可產生太多群組。因此,依賴於DBG群組之一取樣可錯過一重要缺陷類型,或其可取樣過多相同類型。此等DBG缺陷無法導致有效查核取樣。
在一實例中,運行晶圓之一「熱」檢測。一熱檢測係其中將用以判定一像素是否有缺陷之偵測臨限值(例如,逐晶粒灰階之最小差異)被設定至一低值之檢測。因此,此一偵測配方將找到大量「缺陷」。可調諧臨限值以僅捕獲真實缺陷並濾除諸如雜訊或擾亂點缺陷之錯誤偵測。使用DBG來對所得缺陷位置進行分組。判定含有所關注缺陷對擾亂點缺陷之群組,接著(例如,使用一圖案搜尋工具)找到晶粒上存在此等所關注圖案之所有位置且在此等位置處產生檢測靈敏度區域以用於隨後檢測配方。此技術依賴於一均勻熱檢測來發現弱區域。不幸的是,DBG等級(bin)之所得數目可為過量的,且就一掃描電子顯微鏡(SEM)查核工具上之查核時間而言,對各等級進行充分取樣可能太麻煩。捨棄來自查核之含有太少缺陷之DBG等級可導致錯過一關鍵缺陷類型。再者,此一查核取樣策略通常最終查核過量數目之擾亂點缺陷(諸如歸因於膜厚度變化、邊緣粗糙度或其他特徵而由跨晶粒之色彩改變引起之缺陷)。此大量擾亂點缺陷可導致樣品組錯過存在於彼等等級中之關鍵缺陷。DBG不組合具有相同雜訊值之結構,此產生大量群組(等級),該等群組(等級)無法由一使用者處置以單獨調諧其等。不對一個晶粒及群組內之所有結構進行雜訊底限計算,此可歸因於有限統計使其不穩定。其亦不考慮一特定結構之雜訊。
在另一實例中,用以改進可製造性設計(DFM)及晶圓良率之缺陷檢測及分析可為非常大規模積體(VLSI)晶片製造之一重要部分。此分析找到重複缺陷類型故障。重複缺陷之根本原因可不同,但可與設計及圖案化組合表達。因此,重複缺陷係關於停止晶片或限制良率之特定或多個圖案類型。
然而,儘管用於查核及檢測之工具能力進步,但缺陷位置之不確定性持續係一棘手問題。光學解析度限制、其他硬體限制及縮小關鍵尺寸(CD)全部促成此不確定性。此不確定性限制缺陷之有效分級,且尤其是圖案重複缺陷。
設計資訊當前用於使用三種技術特徵化缺陷族群。首先,DBG基於報告缺陷位置之相關接近度內之圖案來對缺陷進行分組。其次,基於設計之分類(DBC)根據已知圖案之庫對缺陷進行分類,前提是在缺陷之相關接近度內找到彼等圖案。第三,計算自設計導出之缺陷位準屬性。此等屬性包含如「設計圖案密度」或「設計關鍵性指數」之屬性,此等屬性基於各缺陷之報告位置來計算。此等現存技術係基於如由晶圓檢測工具所報告之圖案類似性(例如,圖案搜尋)或缺陷屬性。
自關鍵性之角度來看,現存技術均沒有能力來特徵化或描述圖案。現存技術亦遭受晶圓檢測工具有關精確計算任何基於設計之性質之缺陷位置不精確性的影響。因此,存在將故障圖案之關鍵性與缺陷屬性關聯之一差距,但晶圓檢測工具之位置不精確性阻止任何此分析。
現存技術遭受其他缺點。設計資訊幾乎唯一地用於將缺陷族群分組成藉由在報告缺陷位置之相關接近度內之某處之相同圖案特徵化之等級。自一潛在故障機制之角度來看,無法描述或特徵化此等等級(圖案)。關於基礎圖案之缺陷位置精度係受晶圓檢測工具解析度限制。相關接近度係由缺陷位置精度(DLA)界定,以考慮工具解析度限制。然而,DLA愈差,接近度愈大,且在任何分析中之誤差及雜訊源愈大。
因此,需要用於查核缺陷之改進之系統及技術。
在一第一實施例中,提供一種方法。使用一處理器,執行一晶圓上之缺陷的基於設計之分組。使用該處理器來判定該晶圓上之至少一個結構周圍之該等缺陷之一空間分佈。判定該結構周圍之一位置之至少一個基於設計之缺陷性質。使用該處理器來對該結構之一x方向臨限值及一y方向臨限值內之該等缺陷排定優先級。該結構可為該晶圓上之一預測熱點。可在該處理器處自一晶圓檢測工具接收該晶圓之影像。
可用一晶圓檢測工具來檢測該晶圓。
該基於設計之分組可包含將該等缺陷與一基礎圖案相關聯,藉此在該等缺陷之一接近度內具有一相同基礎圖案之該等缺陷處於一相同群組中。
可使用該處理器來評估該等缺陷之一者是否係一擾亂點。
可使用該處理器來找到該晶圓上之一故障之一位置。
可使用該處理器來識別該結構上之多個故障機制。
該方法可進一步包含使用該處理器來使用一可能缺陷位置之基於形狀之分組預測校正位置。可使用該處理器將基於形狀之分組預測與藉由空間分佈分析判定之位置進行比較。可使用該處理器來指派該結構周圍之位置之一關鍵性。
在一第二實施例中,提供一種系統。該系統包括與一電子資料儲存單元及一晶圓檢測工具電子通信之一處理器。該處理器經組態以:執行一晶圓上之缺陷之基於設計之分組;判定該晶圓上之至少一個結構周圍之該等缺陷之一空間分佈;判定該結構周圍之一位置之至少一個基於設計之缺陷性質;及對該結構之一x方向臨限值及一y方向臨限值內之該等缺陷排定優先級。該基於設計之分組係基於來自一晶圓檢測工具之該晶圓之影像。該晶圓檢測工具可為一掃描電子顯微鏡。該處理器可經進一步組態以自該晶圓檢測工具接收該晶圓之該等影像。該結構可為該晶圓上之一預測熱點。
該基於設計之分組可包含將該等缺陷與一基礎圖案相關聯,藉此在該等缺陷之一接近度內具有一相同基礎圖案之該等缺陷處於一相同群組中。
該處理器可經進一步組態以評估該等缺陷之一者是否係一擾亂點。
該處理器可經進一步組態以在該晶圓上找到一故障之一位置。
該處理器可經進一步組態以識別該結構上之多個故障機制。
該處理器可經進一步組態以:使用一可能缺陷位置之基於形狀之分組預測校正位置;將該基於形狀之分組預測與藉由空間分佈分析判定之位置進行比較;及指派該結構周圍之位置之一關鍵性。
在一第三實施例中,提供一種包括一或多個程式之一非暫時性電腦可讀儲存媒體。該等程式係用於在一或多個運算裝置上執行步驟。該等步驟包含執行一晶圓上之缺陷之基於設計之分組;判定該晶圓上之至少一個結構周圍之該等缺陷之一空間分佈;判定該結構周圍之一位置之至少一個基於設計之缺陷性質;及對該結構之一x方向臨限值及一y方向臨限值內之該等缺陷排定優先級。該結構可為該晶圓上之一預測熱點。
相關申請案之交叉參考 本申請案主張2017年9月1日申請並讓與印度申請案第201741030984號之專利申請案,及主張2017年10月16日申請並讓與美國申請案第62/572,789號之臨時專利申請案之優先權,其等之揭示內容特此以引用的方式併入。
儘管將依據特定實施例描述所主張之標的,然其他實施例(包含未提供本文中闡述之全部優點及特徵之實施例)亦在本發明之範疇內。在不脫離本發明之範疇之情況下,可進行各種結構、邏輯、程序步驟及電子改變。因此,本發明之範疇僅參考隨附發明申請專利範圍定義。
本文中揭示之實施例使用具有基於圖案之缺陷集中之基於形狀之分組(SBG)來增加DLA。此組合使用設計及缺陷屬性,並有助於定位超過晶圓檢測工具之能力之缺陷位置。例如,可以一概率方式使用設計及缺陷屬性。
可特徵化缺陷周圍之圖案,此可實現根據故障之可能性或其他特徵來搜尋故障機制中之類似性及對圖案排定優先級。此亦可解決缺陷位置不精確性,且因此在識別及特徵化相關圖案時達成更佳精度。使用一特定熱點之所學習之空間分佈可改進熱點監測能力並可改進擾亂點事件抑制。
SBG可使用基於可能缺陷導致機制之一模糊搜尋。本文中揭示之實施例可在一規則窗內搜尋特定多邊形組合。由SBG標記之區域呈現一更高缺陷發生概率。此提供至少兩個益處。首先,其可藉由移除具有零概率或低概率之故障之所有彼等區域而減少擾亂點。其次,其可藉由預測可能故障位置而最小化位置不確定性。圖1展示描繪具有SBG熱點預測之一晶片設計之一例示性示意圖。圖1中之星形表示由一晶圓檢測工具報告之缺陷位置。用正方形繪示SBG熱點預測。
DBG可基於重複圖案之頻率來對缺陷進行分組。例如,DBG可將在相同圖案中故障之缺陷分組到不同群組中。然而,DLA在缺陷之位置中產生一抖動(諸如通過階段不精確性、缺陷尺寸效應或像素取樣)。若堆疊一DBG等級內之所有缺陷片段,則可繪製此位置不確定性並將其與由SBG預測之位置進行比較。在圖2及圖3中繪示此等標繪圖。當堆疊缺陷片段時,可使用圖案周圍之報告缺陷位置之分佈來取得實際缺陷位置之更佳估計。例如,分佈之一平均值將為單峰分佈之估計位置。此外,可將分佈之不確定性與工具之已知座標精度(DLA)進行比較,以估計DBG族群是否對應於真實缺陷或擾亂點。擾亂點通常將具有更隨機分佈。接著,可將估計位置與SBG預測位置進行比較以評估關鍵性。
圖4係一方法100之一實施例之一流程圖。可使用一處理器來執行方法100中之一些或所有步驟。在步驟101之前,可(諸如使用一晶圓檢測工具)檢測一晶圓,及/或可在處理器處接收來自一晶圓檢測工具之晶圓之影像。
在101處,執行一晶圓上之缺陷之DBG。DBG可包含將缺陷(事件)與一基礎圖案或若干圖案相關聯,藉此在缺陷之一接近度內具有一相同基礎圖案之缺陷處於一相同群組中。
在102處判定晶圓上之至少一個結構周圍之缺陷之一空間分佈。結構可為晶圓上之一預測熱點或另一類型之結構。通常,DBG片段圍繞一缺陷集中。因此,若所有缺陷經中心堆疊或彼此上下堆疊,則判定缺陷相對於設計之空間分佈。可評估缺陷之一或多者是否可能係一擾亂點或一真實缺陷。若缺陷全部分散在大於系統之DLA之一區域中,則DBG等級無缺陷之概率較高或缺陷可能非基於設計系統。
可找到晶圓上之一故障之一位置。晶圓檢測工具可基於晶圓座標來提供位置。此可導致找到一實際故障之一更精確位置,而非依賴於具有由一工具之DLA限制給定之不確定性之個別例項。DBG等級中之報告位置之集體分佈可實現缺陷之一更精確位置之判定。若相同結構在晶粒中及跨晶圓之許多不同位置中故障,則由晶圓檢測工具偵測之故障發生之各者將依一些位置誤差報告。然而,所有此等出現將被分組成相同DBG等級。分佈之分析能實現誤差的減少(例如,座標平均化)。此外,若存在,則可識別結構上之多個故障機制。可執行對故障圖案之一搜尋以評估在第二通過檢測期間其是否展現其他故障類型。
在103處針對結構周圍之一位置判定至少一個基於設計之缺陷性質。某些設計更易於故障,此可因為疊對問題(例如,多圖案化)、弱OPC、不恰當子解析度輔助特徵放置,不符合DRC規則或其他性質。
在104處對結構之一x方向臨限值及一y方向臨限值內之缺陷排定優先級。x方向及y方向臨限值內之缺陷可能係系統性缺陷,且x方向及y方向臨限值之外之缺陷可為擾亂點。可基於該設計之缺陷族群資料之一統計平均值來圍繞一位置設定臨限值。可使用該特定DBG等級之最常見晶種頂點位置。
可使用可能缺陷位置之SBG預測校正一缺陷位置,並將其與藉由空間分佈分析判定之位置進行比較。可指派結構周圍之位置(諸如由空間分佈分析判定之一位置)之一關鍵性。基於SBG之預測可用於判定可能故障位置。SBG可為現存缺陷雲提供理論驗證。
可分析一結構內之熱點及擾亂點之分佈,以改進熱點監測之有效性。在一例項中,可藉由一神經網路來學習此分佈以改進預測。
可(諸如使用DBG)識別具有相同或幾乎相同圖案之位置。可透過使用用於將檢測輸出與具有實質上高精度之設計資料(例如,子像素)對準之一技術或系統(包含切換偵測演算法)在局部區域中選擇性地改進缺陷偵測靈敏度。例如,可在偵測缺陷時使用來自KLA-Tencor公司之Nanopoint。本文中描述之實施例藉由將基於資料庫索引之超快圖案搜尋能力併入於偵測流程中而實現此等及其他能力。本文中描述之超快圖案搜尋能力可提供其他檢測改進。
本文中使用之術語「設計資料」一般係指一IC之實體設計(佈局)及透過複雜模擬或簡單幾何及布林(Boolean)運算自實體設計導出之資料。
本文中揭示之技術可用於熱點發現及用於驅動一更有效取樣。特定言之,此等技術可用於程序窗口合格性檢定(process window qualification,PWQ)晶圓及其他實驗設計(DOE)晶圓。然而,本文中揭示之技術可用於熱點監測或與其他類型之晶圓一起使用。
圖5係描繪具有集中於一熱點上之一片段之一晶片設計之一例示性示意圖,且圖6係描繪具有分離達距離r<σd
之兩個故障結構之一晶片設計之一例示性示意圖。在圖5中,若結構在多個位置或多個晶粒中故障,則報告缺陷將不完全在相同位置中。星形表示報告效應之假設位置,且虛線部分方塊展示疊加於真實熱點之片段上之彼等缺陷之若干者之片段。方塊表示由結構周圍之缺陷之平均位置界定之故障結構之估計位置。交叉點之中心通常將不與平均位置重合,因為其由更不規則異常值之位置界定。預測熱點周圍之陰影方形表示Δx及Δy之臨限值。臨限值可為一工具規範或可使用其他技術來設定。
圖7係一系統實施例之一方塊圖。系統200包含一處理器201及與處理器201電子通信之一電子儲存單元202。處理器201及電子儲存單元202兩者與晶圓檢測工具203電子通信。處理器201可包含一微處理器、一微控制器或其他裝置。可為一SEM之一晶圓檢測工具203可產生由處理器201使用之資訊。處理器201及/或電子儲存單元202視情況可與一晶圓度量工具或晶圓查核工具(未繪示)電子通信以接收額外資訊。
處理器201及電子儲存單元202可為晶圓檢測工具203或另一裝置之部分。在一實例中,處理器201及電子儲存單元202可為一獨立控制單元之部分或在一集中式品質控制單元中。可使用多個處理器201或電子儲存單元202。
實際上,可藉由硬體、軟體及韌體之任何組合實施處理器201。再者,如本文中描述之其之功能可由一個單元執行或在不同組件當中劃分,不同組件之各者繼而可藉由硬體、軟體及韌體之任何組合而實施。供處理器201實施各種方法及功能之程式碼或指令可經儲存於可讀儲存媒體(諸如電子儲存單元202中之一記憶體或其他記憶體)中。
處理器201可以任何適合方式(例如,經由一或多個傳輸媒體,其可包含有線及/或無線傳輸媒體)耦合至系統200之組件,使得處理器201可接收輸出。處理器201可經組態以使用輸出來執行若干功能。
本文中描述之處理器201、(若干)其他系統或(若干)其他子系統可為各種系統之部分,包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路器具、網際網路器具或其他裝置。(若干)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)子系統或(若干)系統可包含具有高速處理及軟體之一平台,其作為一獨立工具或一網路化工具。
若系統包含一個以上子系統,則可將不同子系統彼此耦合,使得可在子系統之間發送影像、資料、資訊、指令等。例如,一個子系統可藉由任何適合傳輸媒體(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)耦合至(若干)額外子系統。亦可藉由一共用電腦可讀儲存媒體(未展示)有效地耦合兩個或更多個此等子系統。
一額外實施例係關於一種儲存可執行於一處理器上以執行如本文中揭示之缺陷偵測之程式指令之一非暫時性電腦可讀媒體。特定言之,處理器201可經耦合至電子儲存單元202中之一記憶體或其他電子資料儲存媒體,其具有包含可在處理器201上執行之程式指令之非暫時性電腦可讀媒體。電腦實施方法可包含本文中描述之任何(若干)方法之任何(若干)步驟。例如,處理器201可經程式化以執行圖4或本文中所揭示之其他實施例之一些或全部步驟。
可以各種方式之任一者實施程式指令,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。例如,可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別庫(MFC)、串流SIMD延伸(SSE)或其他技術或方法論來實施程式指令。
在一例項中,處理器201經組態以執行一晶圓上之缺陷之基於設計之分組;判定晶圓上之至少一個結構周圍之缺陷之一空間分佈;判定結構周圍之一位置之至少一個基於設計之缺陷性質;及對結構之一x方向臨限值及一y方向臨限值內之缺陷排定優先級。基於設計之分組可基於來自一晶圓檢測工具之晶圓之影像。晶圓檢測工具可為一SEM。結構可為晶圓上之一預測熱點。
基於設計之分組可包含將缺陷與一基礎圖案相關聯,藉此在缺陷之一接近度內具有一相同基礎圖案之缺陷處於一相同群組中。
在一例項中,處理器201經進一步組態以自一晶圓檢測工具接收晶圓之影像。
在一例項中,處理器201經進一步組態以評估缺陷之一者是否係一擾亂點。
在一例項中,處理器201經進一步組態以找到晶圓上之一故障之一位置。透過由DBG群組界定之各圖案周圍之缺陷位置分佈之分析,位置可為一更精確位置。
在一例項中,處理器201經進一步組態以識別結構上之多個故障機制。
在一例項中,處理器201經進一步組態以使用一可能缺陷位置之基於形狀之分組預測校正位置;將基於形狀之分組預測與藉由空間分佈分析判定之位置進行比較;及指派結構周圍之位置之一關鍵性。
實施諸如本文中描述之彼等方法之方法之程式指令可經儲存於電腦可讀媒體上(諸如電子儲存單元202或其他儲存媒體中)。電腦可讀媒體可為一儲存媒體(諸如一磁碟或一光碟、一磁帶或技術中已知之任何其他適合非暫時性電腦可讀媒體)。例如,電子儲存單元202中之記憶體或其他電子資料儲存媒體可為一儲存媒體(諸如一磁碟或一光碟、一磁帶或技術中已知之任何其他適合非暫時性電腦可讀媒體)。特定言之,電子資料儲存單元202可包含永久儲存器、隨機存取記憶體或一分離資料庫。
在一例項中,非暫時性電腦可讀儲存媒體包括用於在一或多個運算裝置上執行以下步驟之一或多個程式。非暫時性電腦可讀儲存媒體上之步驟可包含執行一晶圓上之缺陷之基於設計之分組;判定晶圓上之至少一個結構周圍之缺陷之一空間分佈;判定結構周圍之一位置之至少一個基於設計之缺陷性質;及對結構之一x方向臨限值及一y方向臨限值內之缺陷排定優先級。結構可為晶圓上之一預測熱點。非暫時性電腦可讀儲存媒體上之步驟亦可包含圖4或本文中揭示之其他實施例之一些或所有步驟。
可如本文中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處理器及/或(若干)電腦子系統或(若干)系統執行之任何其他(若干)步驟。步驟可由一或多個電腦系統執行,該一或多個電腦系統可根據本文中描述之實施例之任一者組態。另外,可藉由本文中描述之系統實施例之任一者執行上文描述之方法。
儘管已關於一或多個特定實施例描述本發明,然將瞭解,可在不脫離本發明之範疇之情況下製作本發明之其他實施例。因此,本發明被視為僅受限於隨附發明申請專利範圍及其等之合理解釋。
100‧‧‧方法
101‧‧‧步驟
102‧‧‧步驟
103‧‧‧步驟
104‧‧‧步驟
200‧‧‧系統
201‧‧‧處理器
202‧‧‧電子資料儲存單元
203‧‧‧晶圓檢測工具
為更全面理解本發明之性質及目的,應結合隨附圖式參考以下詳細描述,其中: 圖1係描繪具有基於形狀之分組熱點預測之一晶片設計之一例示性示意圖; 圖2係描繪具有集中的報告缺陷之一晶片設計之一例示性示意圖; 圖3係描繪具有分散的報告缺陷之一晶片設計之一例示性示意圖; 圖4係根據本發明之一方法之一實施例之一流程圖; 圖5係描繪具有集中於一熱點上之一片段之一晶片設計之一例示性示意圖; 圖6係描繪具有分離達距離r<σd
之兩個故障結構之一晶片設計之一例示性示意圖;及 圖7係繪示根據本發明之一系統之一實施例之一方塊圖。
Claims (20)
- 一種方法,其包括: 使用一處理器來執行一晶圓上之缺陷之基於設計之分組; 使用該處理器來判定該晶圓上之至少一個結構周圍之該等缺陷之一空間分佈; 使用該處理器來判定該結構周圍之一位置之至少一個基於設計之缺陷性質;及 使用該處理器來對該結構之一x方向臨限值及一y方向臨限值內之該等缺陷排定優先級。
- 如請求項1之方法,其進一步包括用一晶圓檢測工具檢測該晶圓。
- 如請求項1之方法,其中該結構係該晶圓上之一預測熱點。
- 如請求項1之方法,其中該基於設計之分組包含將該等缺陷與一基礎圖案相關聯,藉此在該等缺陷之一接近度內具有一相同基礎圖案之該等缺陷處於一相同群組中。
- 如請求項1之方法,其進一步包括使用該處理器來評估該等缺陷之一者是否係一擾亂點。
- 如請求項1之方法,其進一步包括使用該處理器來找到該晶圓上之一故障之一位置。
- 如請求項1之方法,其進一步包括使用該處理器來識別該結構上之多個故障機制。
- 如請求項1之方法,其進一步包括: 使用該處理器來使用一可能缺陷位置之基於形狀之分組預測校正位置; 使用該處理器來將該基於形狀之分組預測與藉由空間分佈分析判定之位置進行比較;及 使用該處理器來指派該結構周圍之該位置之一關鍵性。
- 如請求項1之方法,其進一步包括在該處理器處自一晶圓檢測工具接收該晶圓之影像。
- 一種系統,其包括: 一處理器,其與一電子資料儲存單元及一晶圓檢測工具電子通信,其中該處理器經組態以: 執行一晶圓上之缺陷之基於設計之分組,其中該基於設計之分組基於來自一晶圓檢測工具之該晶圓之影像; 判定該晶圓上之至少一個結構周圍之該等缺陷之一空間分佈; 判定該結構周圍之一位置之至少一個基於設計之缺陷性質;及 對該結構之一x方向臨限值及一y方向臨限值內之該等缺陷排定優先級。
- 如請求項10之系統,其中該晶圓檢測工具係一掃描電子顯微鏡。
- 如請求項10之系統,其中該處理器經進一步組態以自該晶圓檢測工具接收該晶圓之該等影像。
- 如請求項10之系統,其中該結構係該晶圓上之一預測熱點。
- 如請求項10之系統,其中該基於設計之分組包含將該等缺陷與一基礎圖案相關聯,藉此在該等缺陷之一接近度內具有一相同基礎圖案之該等缺陷處於一相同群組中。
- 如請求項10之系統,其中該處理器經進一步組態以評估該等缺陷之一者是否係一擾亂點。
- 如請求項10之系統,其中該處理器經進一步組態以找到該晶圓上之一故障之一位置。
- 如請求項10之系統,其中該處理器經進一步組態以識別該結構上之多個故障機制。
- 如請求項10之系統,其中該處理器經進一步組態以: 使用一可能缺陷位置之基於形狀之分組預測校正位置; 將該基於形狀之分組預測與由空間分佈分析判定之位置進行比較;及 指派該結構周圍之該位置之一關鍵性。
- 一種非暫時性電腦可讀儲存媒介,其包括用於在一或多個運算裝置上執行以下步驟之一或多個程式: 執行一晶圓上之缺陷之基於設計之分組; 判定該晶圓上之至少一個結構周圍之該等缺陷之一空間分佈; 判定該結構周圍之一位置之至少一個基於設計之缺陷性質;及 對該結構之一x方向臨限值及一y方向臨限值內之該等缺陷排定優先級。
- 如請求項19之非暫時性電腦可讀儲存媒介,其中該結構係該晶圓上之一預測熱點。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201741030984 | 2017-09-01 | ||
IN201741030984 | 2017-09-01 | ||
US201762572789P | 2017-10-16 | 2017-10-16 | |
US62/572,789 | 2017-10-16 | ||
US15/904,379 | 2018-02-25 | ||
US15/904,379 US11119060B2 (en) | 2017-09-01 | 2018-02-25 | Defect location accuracy using shape based grouping guided defect centering |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201921541A true TW201921541A (zh) | 2019-06-01 |
Family
ID=65517256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107129875A TW201921541A (zh) | 2017-09-01 | 2018-08-28 | 使用基於形狀之分組引導缺陷集中改進缺陷定位精度 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11119060B2 (zh) |
TW (1) | TW201921541A (zh) |
WO (1) | WO2019046665A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI826703B (zh) * | 2019-07-09 | 2023-12-21 | 美商科磊股份有限公司 | 用於選擇用於樣本檢查之缺陷偵測方法之系統和方法 |
TWI833980B (zh) * | 2019-08-07 | 2024-03-01 | 美商科磊股份有限公司 | 結合光學及電子束檢查之半導體熱點及製程窗之發現 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113227905B (zh) * | 2018-12-26 | 2024-06-11 | Asml荷兰有限公司 | 用于检查晶片的系统和方法 |
CN110516726A (zh) * | 2019-08-19 | 2019-11-29 | 上海华力微电子有限公司 | 一种自动识别晶圆空间图案分布的分类方法 |
US20220270212A1 (en) * | 2021-02-25 | 2022-08-25 | Kla Corporation | Methods for improving optical inspection and metrology image quality using chip design data |
WO2022266833A1 (zh) * | 2021-06-22 | 2022-12-29 | 华为技术有限公司 | 一种根因分析方法及相关设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7760347B2 (en) | 2005-05-13 | 2010-07-20 | Applied Materials, Inc. | Design-based method for grouping systematic defects in lithography pattern writing system |
US8041103B2 (en) | 2005-11-18 | 2011-10-18 | Kla-Tencor Technologies Corp. | Methods and systems for determining a position of inspection data in design data space |
US7570796B2 (en) | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7962864B2 (en) | 2007-05-24 | 2011-06-14 | Applied Materials, Inc. | Stage yield prediction |
JP5297261B2 (ja) | 2009-04-28 | 2013-09-25 | 株式会社日立ハイテクノロジーズ | 観察欠陥選択処理方法、欠陥観察方法、観察欠陥選択処理装置、欠陥観察装置 |
US8312401B2 (en) | 2011-01-13 | 2012-11-13 | Elitetech Technology Co., Ltd. | Method for smart defect screen and sample |
US9965848B2 (en) | 2015-12-23 | 2018-05-08 | Kla-Tencor Corporation | Shape based grouping |
-
2018
- 2018-02-25 US US15/904,379 patent/US11119060B2/en active Active
- 2018-08-28 TW TW107129875A patent/TW201921541A/zh unknown
- 2018-08-31 WO PCT/US2018/048992 patent/WO2019046665A1/en active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI826703B (zh) * | 2019-07-09 | 2023-12-21 | 美商科磊股份有限公司 | 用於選擇用於樣本檢查之缺陷偵測方法之系統和方法 |
TWI833980B (zh) * | 2019-08-07 | 2024-03-01 | 美商科磊股份有限公司 | 結合光學及電子束檢查之半導體熱點及製程窗之發現 |
Also Published As
Publication number | Publication date |
---|---|
US11119060B2 (en) | 2021-09-14 |
US20190072505A1 (en) | 2019-03-07 |
WO2019046665A1 (en) | 2019-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11119060B2 (en) | Defect location accuracy using shape based grouping guided defect centering | |
TWI694343B (zh) | 基於製作風險評定之半導體製作製程控制 | |
TWI706376B (zh) | 用於缺陷檢測之系統、方法及非暫時性電腦可讀儲存媒體 | |
CN110770886B (zh) | 用于使用半导体制造工艺中的深度学习预测缺陷及临界尺寸的系统及方法 | |
JP5425779B2 (ja) | 実際の欠陥が潜在的にシステム的な欠陥であるか、または潜在的にランダムな欠陥であるかを判断する、コンピューターに実装された方法 | |
IL290018B2 (en) | Monitoring the production of integrated circuits on a semiconductor board | |
US8150140B2 (en) | System and method for a semiconductor lithographic process control using statistical information in defect identification | |
US8139844B2 (en) | Methods and systems for determining a defect criticality index for defects on wafers | |
KR20150082576A (ko) | 혼합 모드 웨이퍼 검사를 위한 방법 및 시스템 | |
TW201250503A (en) | Design based device risk assessment | |
CN110892516B (zh) | 识别晶片上的干扰缺陷的来源 | |
KR20180088485A (ko) | 형상 기반 그루핑 | |
JP2012155179A (ja) | 欠陥検査支援装置、欠陥検査支援方法 | |
Milor | A survey of yield modeling and yield enhancement methods | |
TWI758533B (zh) | 設計關鍵性分析擴充之製程窗合格取樣 | |
TW201941080A (zh) | 用於臨界尺寸量測之所關注區域及所關注圖樣產生 | |
WO2019006222A1 (en) | SYSTEMS AND METHODS FOR PREDICTING DEFECTS AND CRITICAL DIMENSION USING DEEP LEARNING IN A SEMICONDUCTOR MANUFACTURING PROCESS |