TW202001230A - 將用於晶圓雜訊損害識別的掃描式電子顯微鏡及光學影像相關聯 - Google Patents

將用於晶圓雜訊損害識別的掃描式電子顯微鏡及光學影像相關聯 Download PDF

Info

Publication number
TW202001230A
TW202001230A TW108121013A TW108121013A TW202001230A TW 202001230 A TW202001230 A TW 202001230A TW 108121013 A TW108121013 A TW 108121013A TW 108121013 A TW108121013 A TW 108121013A TW 202001230 A TW202001230 A TW 202001230A
Authority
TW
Taiwan
Prior art keywords
images
optical
resolution
modeled
events
Prior art date
Application number
TW108121013A
Other languages
English (en)
Other versions
TWI780336B (zh
Inventor
張強
葛瑞斯 Ｈ 陳
Original Assignee
美商克萊譚克公司
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 美商克萊譚克公司 filed Critical 美商克萊譚克公司
Publication of TW202001230A publication Critical patent/TW202001230A/zh
Application granted granted Critical
Publication of TWI780336B publication Critical patent/TWI780336B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • 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
    • 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
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • 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
    • 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
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8867—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • 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
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal
    • 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
    • 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
    • G01N2223/66—Specific applications or type of materials multiple steps inspection, e.g. coarse/fine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Abstract

本發明揭示用於檢測一半導體樣本之設備及方法。由可操作以獲取光學影像之一光學檢測器提供對應於一半導體樣本上之候選缺陷事件之位置，來自該等光學影像之此等候選缺陷事件跨該樣本偵測於其對應位置處。由該等候選缺陷事件之一高解析度檢測器獲取該樣本上之該等候選缺陷事件之對應位置處之高解析度影像。使已自一組該等獲取高解析度影像模型化之一組模型化光學影像之各者與一組該等獲取光學影像之對應者相關聯以將該組高解析度影像中所展示之表面雜訊事件識別為該組獲取光學影像中之該等對應候選事件之來源。否則，將一次表面事件識別為一對應候選缺陷事件之一可能來源。

Description

將用於晶圓雜訊損害識別的掃描式電子顯微鏡及光學影像相關聯
本發明大體上係關於晶圓檢測系統之領域。更特定而言，本發明係關於使用光學及掃描式電子顯微鏡(SEM)兩種影像或其類似者之缺陷偵測。
一般而言，半導體製造業涉及使用被分層且圖案化至一基板(諸如矽)上之半導體材料來製造積體電路之高度複雜技術。歸因於大規模電路整合及半導體裝置越來越小，所製造之裝置對缺陷越來越敏感。即，引起裝置故障之缺陷變得越來越小。在運送至終端使用者或顧客之前一般要求裝置無故障。
以深UV (紫外線)波長光學檢測圖案化晶圓已成為致命缺陷檢測及程序控制中用於前沿積體電路(IC)製造之主要檢測方案。隨著IC產業不斷使晶圓圖案設計朝向更高裝置密度及更佳效能之更小設計規則推進，在晶圓檢測中發現良率限制缺陷之挑戰亦顯著增大。其中之一最大挑戰在於控制晶圓雜訊損害。
因此，需要不斷改良半導體晶圓檢測系統及技術。
下文呈現本發明之一簡明概要以提供本發明之特定實施例之一基本理解。此概要不是本發明之一廣泛概述且其不識別本發明之關鍵/臨界元件或界定本發明之範疇。其唯一目的係以一簡化形式呈現本文中所揭示之一些概念作為稍後將呈現之更詳細描述之一序言。
在一實施例中，揭示一種檢測一半導體樣本之方法。由可操作以獲取複數個獲取光學影像之一光學檢測器提供對應於一半導體樣本上之複數個候選缺陷事件之位置，來自該複數個獲取光學影像之此等候選缺陷事件跨該樣本偵測於其對應位置處。由諸如一掃描式電子顯微鏡之一高解析度檢測器獲取高解析度影像，該高解析度檢測器可操作以在該樣本上之該複數個候選缺陷事件之對應位置處獲取該複數個候選缺陷事件之此等高解析度影像。使已自該等獲取高解析度影像之一第一子集模型化之一第一組模型化光學影像之各者與一第一組該等獲取光學影像之對應者相關聯以將該第一組高解析度影像中所展示之複數個表面雜訊事件識別為該第一組獲取光學影像中之該等對應缺陷事件之來源。
在另一實例性實施例中，若該等對應模型化及獲取光學影像實質上相同，則使該第一組模型化光學影像之各者相關聯導致將該等表面雜訊事件識別為來源。在此態樣中，使已自該等獲取高解析度影像之一第二子集模型化之一第二組模型化光學影像之各者與一第二組該等獲取光學影像之一對應者相關聯，使得針對該第二組獲取光學影像之該等對應缺陷事件，不將雜訊事件識別為來源，而是將次表面事件識別為來源。
在另一實施方案中，各候選事件表示一表面缺陷事件、一或多個雜訊事件或存在於該樣本上之一次表面事件。在另一態樣中，在使該第一組及該第二組模型化影像與其對應第一組及第二組獲取光學影像相關聯之前，分析該等高解析度影像以將該等候選事件分類成不明確及明確事件。在此態樣中，使該第一組及該第二組高解析度影像之各高解析度影像與一分類不明確事件相關聯，且各明確事件係一橋接、斷裂、突出或其他已知缺陷類型，其中該等不明確事件不可分類為一已知缺陷類型。
在特定實施方案中，訓練一近場(NF)模型使複數個NF影像自對應獲取高解析度影像模型化。在此態樣中，使用對應於明確及分類事件之一組訓練高解析度影像來訓練該NF模型。接著，藉由使用該經訓練NF模型使複數個對應NF影像自獲取該第一組及該第二組獲取高解析度影像模型化且使用該光學檢測器之一光學工具模型使該第一組及該第二組模型化光學影像自該等對應NF影像模型化來模型化該第一組及該第二組模型化光學影像。在另一態樣中，該NF模型經組態以使用複數個光特性參數來模擬自一晶圓圖案反射及散射之光，該晶圓圖案具有表示於該等對應高解析度影像中之一組圖案特性參數，其中藉由以下操作來訓練該NF模型：(i)將該等訓練高解析度影像輸入至該NF模型中以基於該等光及圖案特性度量來模型化對應訓練NF影像；(ii)將自該等訓練高解析度影像模型化之該等訓練NF影像輸入至該光學模型中以模型化對應訓練模型化光學影像；(iii)使該等訓練模型化光學影像與其對應獲取光學影像相關聯；及(iv)調整該等光及圖案特性參數且重複將該等訓練高解析度影像輸入至該NF模型中、將該等訓練NF影像輸入至該光學模型中及使該等訓練模型化光學影像相關聯之操作，直至此相關聯操作導致該等訓練模型化光學影像與其對應獲取光學影像之間的一最大相關聯。
在另一態樣中，在該第一組及該第二組高解析度影像經平滑化以移除由該高解析度檢測器引入之雜訊且由一正規化程序二進位化之後相對於該第一組及該第二組高解析度影像執行模型化該第一組及該第二組模型化光學影像，且在降頻取樣此等第一及第二模型化光學影像使得其等之解析度及/或大小相同於該等對應獲取光學影像之一解析度及大小之後執行使該第一組及該第二組模型化光學影像之各者與對應獲取光學影像相關聯。在又一態樣中，使各模型化光學影像相對於其對應獲取影像移位藉由使該等訓練模型化光學影像之一者與該等獲取影像之一對應者對準來判定之一偏移，且該移位導致來自該第一組高解析度影像之一高解析度影像中之一或多個雜訊事件與該對應獲取光學影像之一對應候選事件準確相關聯。在另一實施例中，在使該第一組及該第二組模型化影像相關聯之後，基於該等高解析度影像、該等分類明確事件及該等識別雜訊及次表面事件(若存在)之複查來判定進一步修復或無修復處理該樣本或捨棄該樣本。
在一替代實施例中，本發明係針對一種用於檢測一半導體樣本之高解析度檢測器系統。此系統包含可操作以執行上述操作之任何組合之至少一處理器及記憶體。
下文將參考圖式來進一步描述本發明之此等及其他態樣。
相關申請案之交叉參考 本申請案主張Qiang Zhang等人在2019年6月19日申請之美國臨時申請案第62/687,192號之優先申請權利，該案之全文以引用的方式併入本文中用於所有目的。
在以下描述中，闡述諸多特定細節以提供本發明之一透徹理解。可在無一些或此等具體細節之情況下實踐本發明。在其他例項中，未詳細描述熟知程序操作以免不必要地使本發明不清楚。儘管將結合特定實施例來描述本發明，但應瞭解，不意欲使本發明受限於該等實施例。
晶圓雜訊事件係由微小晶圓程序變動引起之晶圓上之真實隨機瑕疵，其可包含表面或次表面線邊緣粗糙度、圖案邊緣位移、膜厚度變動、表面粗糙度、圖案CD變動等等。大部分晶圓雜訊假影不影響良率且因此不被視為真實良率影響缺陷。然而，特定雜訊假影會引起光學散射且促成一光學檢測影像之光學雜訊。另外，由於檢測工具之有限光學解析度，分佈於光點擴散函數內之晶圓雜訊可由成像系統整合且形成光學影像中之一單一合併光學突出特徵。當使用一主動偵測臨限來捕獲進階節點中之小缺陷時，統計而言，存在一局部晶圓區域中之一些分佈雜訊源可同相建設性累加以提高光學強度且變得足夠強以被偵測為一候選缺陷之一重大風險。在特定情況中，與晶圓上真實缺陷之數目相比，此等晶圓雜訊損害之數目算是很多的。
已依靠掃描式電子顯微鏡(SEM)複查來辨別損害與真實缺陷，因為SEM工具之解析度優於光學檢測工具。然而，一SEM工具僅有效使晶圓圖案及表面處之缺陷成像。與光學檢測工具不同，SEM歸因於典型無電子構件之短路徑而具有次表面缺陷之一相當有限可見度。因此，SEM工具之操作器通常會困惑於由光學工具擷取但不易於經由一SEM識別之一候選缺陷(所謂之SEM不可視(SNV)事件)。接著，操作器無法確定擷取事件係一重要先前程序層缺陷或僅係晶圓雜訊事件。
圖1係一光學影像102中所擷取之一候選缺陷事件104及該缺陷事件位點之其對應SEM影像122之一圖形表示。例如，光學影像102對應於一10 μm至20 μm視域(FOV)，而SEM影像122對應於一1 μm至2 μm FOV。儘管一相對較大缺陷104存在於光學影像102中，但難以判定對應SEM影像122中此缺陷之來源。例如，缺陷事件104可由位於光學工具之點擴散函數(PSF)內且在光學影像102中無法彼此判別之多個雜訊源形成。例如，可在具有相當於或小於光學工具之PSF之大小之一局部圖案區域中發現包含SEM影像122中所展示之邊緣粗糙度130及邊緣位移126之兩個雜訊源。巧合的是，此等兩個雜訊源被光學整合至光學影像102中之一單一缺陷事件104中。然而，一缺陷分類或複查程序無法輕易將SEM影像122中之此等微小雜訊差異126及130識別為光學影像102中之缺陷事件104之根源。
本文中所描述之特定實施例提供用於使一高解析度(例如SEM)影像之晶圓雜訊資訊(例如晶圓表面處之雜訊事件)與該SEM影像未將其展示為一可清楚識別缺陷之一對應光學影像之擷取缺陷事件(例如一SNV事件)相關聯之定量及有效方法及系統。可藉由比較已自一SEM影像模型化之一光學影像與一對應獲取光學影像來執行此相關聯。此相關聯允許吾人將SEM影像中之特定表面雜訊事件明確識別為光學影像之對應缺陷事件之來源。相反地，若模型化光學影像與獲取光學影像之間的一相關聯無法導致雜訊事件識別為一對應缺陷事件之來源，則吾人可判定存在一次表面事件。本文中所描述之檢測機制允許一工具操作器或自動分類程序明確識別一候選事件係歸因於一缺陷、表面雜訊事件或一次表面缺陷/雜訊事件。因此，接著可引發晶圓及/或後續晶圓之校正缺陷管理程序。
本文中所描述之實例性實施例有時涉及一影像，諸如一光學(獲取或模擬)影像或一高解析度影像。術語「影像」可係指直接自樣本(例如晶圓)獲取之一影像、一經處理或模型化影像或藉由使參考及測試/目標影像彼此相減來獲得之一差異影像。各參考影像一般為對應測試影像之一無缺陷型式，且當此測試影像無缺陷時，各參考影像標稱上相同於其對應測試影像。可相對於任何此等類型之影像或任何其他適合類型之光學及高解析度影像來實施本文中所描述之任何程序。
圖2係繪示根據本發明之一實施例之一檢測程序200的一流程圖。首先，在操作202中，可使用一光學檢測器來成像及偵測一晶圓上對應位置處之潛在缺陷位點。一般而言，光學檢測器獲取一晶圓(或任何適合樣本)之光學影像，比較測試光學影像與參考光學影像以確定差異，且判定此等差異是否對應於候選缺陷。可將高於一預定臨限值之差異事件界定為候選缺陷，且接著由光學工具提供此候選事件及其位置之一對應光學影像。各光學測試影像及其對應光學參考影像可呈兩個相同設計晶粒或晶粒部分、圖元或圖元部分等等之形式。
候選缺陷位點可包含實際缺陷、損害及次表面事件。一般而言，光學檢測器可操作以獲取候選事件位置且將其提供至一高解析度檢測器用於進一步複查及分析。光學影像及位置可直接提供至高解析度檢測器或可存於高解析度檢測器可存取之一單獨影像資料庫中。
接著，在操作204中，可使用一高解析度檢測器來使偵測位點成像。即，一高解析度檢測器擷取/獲取潛在缺陷位點之一組高解析度影像。高解析度檢測器一般擷取對應於一視域(FOV)(其足夠大以容納擬合於光學工具之點擴散函數(PSF)內之一晶圓區域)之影像，且此等高解析度影像將展示存在於成像晶圓區域中之實際圖案形狀及雜訊。高解析度檢測器可呈任何適合形式，諸如掃描式電子顯微鏡(SEM)、氦離子顯微鏡、原子力顯微鏡等等。本文中所描述之實施例可涉及使用一SEM，但亦可考量任何其他適合高解析度檢測器。
接著，在操作206中，分析所獲取之高解析度影像以將潛在缺陷分類成明確及不明確事件。明確事件可包含橋接、斷裂、突出、侵入、CD缺陷、缺失圖案、粒子等等。一般而言，可藉由使用任何適合分類程序(諸如一晶粒對晶粒、圖元對圖元、晶粒對資料庫檢測等等)來分析高解析度影像。一神經網絡、演算法/模型或其他學習演算法可用於學習缺陷及/或損害分類。使用無雜訊參考產生之複雜運算方法之其他方法亦可用作高解析度影像之偵測演算法。另外，利用半導體裝置設計檔案之一偵測演算法亦可用於分類高解析度影像中之事件。
分類技術可包含將具有高於一預定臨限值之大小之事件定限為缺陷。亦可訓練一自動分類程序基於包含此等缺陷類型之訓練影像來辨識特定類別之缺陷，諸如橋接、斷裂、突出、侵入、CD缺陷、缺失圖案及粒子。另外，可使用設計之知識來判定一橋接不該存在於兩個設計特徵之間。接著，可將不可分類為明確事件之剩餘候選缺陷分類為將進一步分析之不明確事件，如本文中所描述。
接著，在操作208中，可處理不明確事件之高解析度影像以產生模型化光學影像。在一實施例中，使用一或多個模型來自各SEM影像模型化一準確光學影像。如本文中將進一步描述，模型化包含用於自SEM影像模型化近場(NF)光學影像之一訓練程序及用於自NF光學影像模型化最終光學影像之一光學工具模型。
接著，在操作210中，針對各不明確事件，可比較實際光學影像(來自光學檢測器)與其對應模型化光學影像以將各不明確事件進一步分類成表面雜訊(或缺陷)事件或次表面事件。若模型化光學影像展示明顯不同於候選缺陷位置處之獲取光學影像之一特徵，則可判定候選事件係一次表面事件，因為SEM無法使次表面事件成像。一次表面事件可呈一下伏層中之一缺陷或雜訊之形式。若模型化及獲取影像實質上相同(例如具有小於一預定百分量之一差異)，則可將候選事件旗標為一表面缺陷或表面雜訊。
例如，可藉由量測及比較差異獲取影像及差異模型化影像兩者之信雜比(SNR)來完成將一候選缺陷分類為表面或次表面事件之判定。在一實施例中，由候選缺陷位置處之信號強度與周圍區域中之RMS雜訊強度之比率計算SNR。若兩個影像具有高於一預定臨限值(例如約3)之SNR值及一類似信號極性，則可將候選事件分類為表面雜訊。若獲取光學影像之SNR高於臨限值而模型化影像之SNR顯著低於臨限值，則可將候選事件分類為一次表面缺陷。
接著，在操作211中，可複查各分類表面事件之一高解析度影像以將此事件進一步分類為一「真實」缺陷或雜訊。當模型化及擷取光學影像相同或實質上相同時，可將一或多個SEM特徵(及對應晶圓特徵)識別為促成任一光學影像中之候選缺陷。如本文中將進一步描述，處理SEM影像以模擬光學影像涉及判定用於使影像對準之一偏移。此偏移亦可用於定位SEM影像中之促成源，接著可複查該等促成源以驗證一候選事件係一真實缺陷或雜訊/粗糙度。因此，吾人可使引起一光學問題之一或多個特徵之一位置相關聯。相關聯結果有助於一操作器更確定(而非猜測)各候選事件之(若干)源事件位置。可使用一操作器或一自動程序(諸如一自動分類程序)來作出此最終分類。一真實缺陷可能會影響良率或裝置功能。相比而言，一損害型缺陷不會影響良率或裝置功能。例如，若一候選缺陷事件未展示其高解析度影像中存在一明確缺陷之清楚指示，但其差異獲取光學影像可如實再現於具有一類似大小、位置及形狀之差異模型化光學影像中，則可驗證候選事件確實為一晶圓雜訊損害。否則，很可能將候選事件歸因於一次表面缺陷。
在分類及複查候選事件之後，可在操作212中判定晶圓是否被通過。若晶圓被通過，則檢測程序可結束。接著，可進一步處理、切割晶圓樣本且使其形成為封裝裝置/系統。若晶圓包含良率影響缺陷，則可判定晶圓未通過檢測。否則，若晶圓未被通過，則可在操作214中修復晶圓(若可行)或捨棄晶圓(若無法修復)，此後，當前晶圓之檢測程序結束。關於修復晶圓，可移除特定材料/結構或將特定材料/結構新增至晶圓以消除特定缺陷之不利效應。接著，可進一步處理、切割經修復晶圓且使其形成為封裝裝置/系統。修復晶圓亦可包含自經切割且封裝為裝置/系統之晶粒移除缺陷晶粒。另外或替代地，可調整一晶圓之製程以免缺陷發生於後續晶圓上。
圖3係根據本發明實施例之一特定實施方案之用於產生模型化光學影像之一詳細學習及相關聯程序300之一圖形表示。首先，可將一光學參考影像302a及光學測試影像302b輸入至訓練程序中。同樣地，將一SEM參考影像306a及一SEM測試影像306b輸入至訓練及相關聯程序中。一般而言，各測試影像對應於受缺陷檢測之晶圓之一區域，而各對應參考影像係在此測試影像無缺陷時相同於其對應測試影像之對應於一晶圓區域之一影像。可藉由使經設計以相同於對應測試區域之晶圓區域之一晶圓區域成像來產生參考影像。
一般而言，訓練程序中使用潛在缺陷位點之一小組(例如5個)光學及對應SEM影像。訓練影像可包含具有已分類為明確缺陷或雜訊事件(諸如橋接、斷裂或其他已知缺陷或雜訊類型等等)之位點之明確影像。可使用任何適合數目個影像來訓練一準確模型自SEM影像產生模型化光學影像。適合數目可包含至少5個、5個至10個、10個至20個、20個至50個或50個至100個，其取決於諸如影像大小、模型參數數目等等之因數。
可使各組之獲取光學參考影像302a及光學測試影像302b相減(304)以產生一差異獲取光學影像302c。當然，此等光學影像在相減之前首先被對準。所得差異光學影像對應於自光學檢測產生之一潛在缺陷或損害位點。
在所繪示之實例中，首先將SEM參考影像306a及SEM測試影像306b輸入至一對準、平滑化及正規化程序308中。對準操作(針對各組之光學及SEM參考及測試影像)可包含基於任何適合技術之對準，諸如相對於彼此移動參考及測試影像，直至完成一最佳化匹配。在此程序之前，可使用晶圓上之一對準標記來使影像相對於彼此粗略對準。
因為以極高解析度(例如1 nm)擷取SEM影像，所以SEM影像已提供實際晶圓圖案之一最佳表示。然而，SEM影像通常會具有由SEM引入之額外假影。使SEM影像平滑化可包含移除由SEM引入之雜訊。即，可過濾影像以移除已知散粒雜訊及已知發生於使用用於使晶圓成像之特定SEM工具來成像時之強度波動。
正規化通常包含正規化參考影像及測試影像兩者之灰階。例如，可二進位化SEM影像以導致影像之圖案輪廓，如圖1之SEM影像122。即，設計結構(例如124及128)可被賦予一「1」值，而周圍場區域(例如132)可被賦予一「0」值，或反之亦然。
在處理SEM影像之後，可對最佳表示實際晶圓區域之所得SEM影像應用模型化以獲得晶圓影像之準確光學影像(無法由SEM成像之下伏特徵除外)。首先，可將SEM影像及已知圖案特性饋送至自輸入模型化SEM近場影像之一近場模型310中。通常由受檢測晶圓提供之已知圖案特性可包含掃描晶圓層之材料組合物，其包含存在於經處理SEM影像之圖案輪廓內外之材料組合物。例如，檢測層之已知組合物可指定SEM影像(例如122)之圖案(例如圖1之124及128)之銅材料及場區域(例如132)之氧化物。成像晶圓部分之已知特性可亦包含表面及下伏層及圖案之已知或近似組合物、拓撲及厚度。
NF模型開始於表示實際晶圓圖案之平滑化及正規化SEM影像且模擬自經處理SEM影像中所表示之晶圓圖案之表面處之不同部分之部分材料反射之光。即，近場模型化模擬自對應SEM影像中所表示之圖案輪廓內外之特定層材料反射之光以接著模擬由經處理SEM影像表示之晶圓圖案之表面附近之一NF影像。在接近樣本之一點處且在反射光通過光學工具之成像路徑而至偵測器上之前模擬近場影像。可使用諸如一克希何夫(Kirchhoff)模型之任何適合NF模型，其包含可經校準以給出最終呈現光學影像與獲取光學影像之間的最佳匹配之參數。
接著，可將所得近場影像輸入至一光學系統模型312中，光學系統模型312在光通過光學器件之後模型化光學工具之偵測器上之光。在實例性實施例中，光學系統模型可包括以下元件之一之多者：用於模型化一部分同調成像系統之一部分同調模型(PCM)、用於模型化具有有限頻寬之一不同調源之一源光譜模型、用於模型化不同光學偏光狀態之一偏光模型等等。一般而言，在此實施例中，光學系統模型使用用於收集實際光學影像之光學工具之參數及特性。可使用具有影響自NF影像通過收集路徑而至偵測器上之光電磁波之值或設定之任何適合參數及特性。舉例而言，此等參數可包含波長之度量、焦點、數值孔徑(NA)、照明及成像孔隙之形狀及存在於光學工具中之像差。
將此等參數輸入至光學模型中以將NF影像變換成一光學強度影像，該光學強度影像係將由開始於NF影像之光學工具成像之影像。即，將高解析度SEM影像轉化成更準確光學影像，該等更準確光學影像接著可直接與對應獲取光學影像比較。
然而，藉由訓練NF模型來獲得具有一最佳準確度之光學影像(光學模型已眾所周知且無需訓練)。可執行僅使用有限數目個SEM及光學影像之訓練一次以完成NF模型。在此訓練之後，可將額外SEM影像變換成無需任何進一步訓練之最終光學影像。
返回至圖3之訓練實例，訓練繼續將自光學系統模型312輸出之光學影像輸入至一降頻取樣程序314。此程序314可操作以將模型化光學影像之解析度及大小改變成相同於光學工具之一解析度及大小。例如，將模型化光學影像之解析度自1 nm (其係高解析度SEM工具之像素大小)改變成50 nm之光學工具之像素大小。在一實施方案中，降頻取樣程序314可移除跨模型化光學影像之像素之一特定分佈。
接著，可將一經降頻取樣光學影像及其對應獲取光學影像饋送至一對準程序315中。在所繪示之實例中，使一測試模型化光學影像及其對應測試獲取光學影像彼此對準。替代地，可使一參考模型化影像，其對應參考獲取光學影像對準。替代地，可使一差異模型化影像及獲取影像對準以判定一偏移。然而，因為測試影像包含潛在缺陷位點，所以較佳使用測試影像。可實施任何適合對準程序。例如，可使影像相對於彼此移位，直至出現一最大匹配。接著，可將所得偏移饋送至一移位程序316中以使模型化光學影像移位，使得其等與獲取光學影像對準。替代地(但非較佳)，可對獲取光學影像執行移位程序。
一般而言，當在一實際光學影像中發現一候選缺陷時，提供此候選缺陷之位置(X0 ,Y0 )以在SEM工具上定位此候選缺陷。即，光學工具記錄各候選缺陷之位置，且SEM工具可理想地操作以以此提供位置為中心(藉助或不藉助操作器)。然而，歸因於光學工具及/或SEM工具之台定位準確度限制，缺陷定位(X0 ,Y0 )準確度可能不達標。例如，在SEM工具上定位候選缺陷之位置誤差可高達500 nm至1 um。另外，因為一些缺陷位置可在光學影像中很清楚但在SEM影像中不清楚，所以可能難以判定SEM影像之哪一部分對應於光學缺陷。本發明之特定實施例允許藉由模型化一對應光學影像來識別SEM影像中之(若干)缺陷源位置，該對應光學影像接著與擷取光學影像對準以提供一移位誤差。接著，此移位誤差(或偏移)可用於定位對應SEM影像中之校正候選缺陷位置。
在判定一偏移且發生一移位之後，可使測試及參考模型化光學影像相減(318)以形成一差異模型化光學影像306c。亦可類似處理其他訓練SEM影像及其對應獲取光學影像以達成整組訓練影像之相關聯結果。若相關聯結果未經最佳化，則一NF參數調整程序322更改NF參數。使訓練SEM影像組重複模型化操作以形成一組新模型化光學影像。繼續調整NF參數，直至模型化光學影像與獲取光學影像最佳相關聯。可依任何適合方式界定最佳相關聯。例如，可將具有R2 ＞90%之一影像強度相關聯界定為校準後最佳。其他最佳相關聯規格可包含模型化光學影像與獲取光學影像之間的差異之RMS值等等。
接著，所得最終NF參數可用於處理具有不明確事件之整組SEM影像。可將各差異模型化光學影像306c及對應差異獲取光學影像302c輸入至一輸出相關聯程序320。另外，接著可使各所得差異模型化光學影像與其對應差異獲取光學影像相關聯以將不明確事件進一步分類為表面雜訊、一表面缺陷或一表面事件(例如210)。
可實施任何適合光學檢測工具以偵測及成像候選事件，如本文中所描述。特定檢測工具實施例提供靈活波長選擇以覆蓋各種晶圓材料性質及結構。另外，檢測工具可操作以提供較短波長且可包含靈活偏光選擇以獲得最佳信號。檢測系統亦可操作以收集一掃描中之不同形式資訊以改良檢測處理量、缺陷分類、損害抑制。
一般而言，適合實施本發明之技術之光學檢測工具可包含用於產生選定波長之一入射光束來偵測不同材料類型及結構類型之缺陷的至少一光源。此一檢測亦可包含用於導引入射光束至關注區域之照明光學器件、用於回應於入射光束而導引自關注區域發射之一輸出光束之收集光學器件、用於偵測一輸出光束且自所偵測之輸出光束產生一影像或信號之一感測器及用於控制檢測工具之組件且促進缺陷偵測之一控制器。實例性工具包含購自KLA Corp. of Milpitas, CA之2930、2935及3900檢測系統。
在一實施例中，一檢測工具包含用於產生及收集寬波長範圍(190 nm至950 nm)內之光之照明及收集模組。檢測器工具亦可提供用於平行及垂直電子場之偏光選項及用於跨波長範圍應用於各長及短波長路徑之一組子頻帶波長濾波器。
圖4係根據本發明之一特定實施方案之一光學檢測系統400之一圖形表示。如圖中所展示，系統400可包含產生照明光405之一寬頻光源(例如照明器404)。光源之實例包含一雷射驅動光源、一高功率電漿光源、一透照光源(例如鹵素或Xe燈)、一濾波燈、LED光源等等。除寬頻光源之外檢測，系統亦可包含任何適合數目及類型之額外光源。
來自光源之入射光束一般可通過用於中繼(例如塑形、聚焦或調整焦點偏移、過濾/選擇波長、過濾/選擇偏光狀態、重調大小、放大、減少失真等等)光束朝向一樣本434之任何數目及類型之透鏡。
照明器404可包含用於產生具有選定波長範圍之一入射光束之任何適合光學元件。例如，照明器404可包含一濾波器輪401，其具有個別插入(或旋轉)至照明路徑中以改變照明光束之波長的可選帶通濾波器。一般而言，可基於最佳化各檢測波長之照明及收集光瞳孔隙形狀、入射及收集路徑之偏光、放大率、像素大小或其等之任何組合來選擇各檢測波長範圍。
照明器亦可包含可用於進一步界定入射光束之光譜之一或多個額外光譜濾波器(例如403)。例如，各光譜濾波器可進一步用於最佳化意欲被擷取之缺陷之敏感度。一單獨偏光濾波器406亦可選擇性定位於入射光束路徑中以進一步最佳化不同波長範圍之檢測敏感度。
一光瞳中繼器(圖中未展示)亦可用於使入射光再成像且將光瞳聚焦至物鏡432處之系統光瞳上。一50-50分束器428可用於將光發送至物鏡432。50-50分束器428亦可經配置以發送自樣本反射或散射之光朝向收集光學器件。與系統光瞳(定位於物鏡處)共軛之一光瞳可用於入射光束路徑中。各光瞳或孔隙可具有用於遮蔽光路徑之部分以最大化選定波長範圍之信號的一特定形狀。
針對用於缺陷偵測之所有可選波長來較佳最佳化物鏡432。例如，物鏡432具有包含透鏡塗層之一組合及用於校正色像差之配置。在一替代實施例中，物鏡432可為一全反射物鏡或折射物鏡或一組合(折反射)組態。
接著，可由另一二向色分束器437接收自樣本反射或散射之所得輸出光束，二向色分束器437可經配置以經由自動聚焦系統435來將一自動聚焦插入至物鏡432中。自動聚焦光束可具有與不同檢測頻帶分離之一波長。可變動自動聚焦之波長，只要其不在選定檢測波長範圍之任何者之檢測波帶中。組件之成本及可用性會影響自動聚焦插入所在之位置。自動聚焦波長帶可為40 nm或更小以最小化歸因於晶圓材料回應之焦平面變化。例如，自動聚焦系統435可使用一LED光源。二向色分束器437可經配置以反射自動聚焦波帶且透射高於及低於該區域之所有光。50-50分束器428亦可經組態以使自動聚焦光高效率通過(例如藉由使用一塗層)。此元件可使自動聚焦之光效率提高近4倍。
若自動聚焦波長遠高於可選檢測波長範圍，則自動聚焦光束會受不同於檢測成像系統之熱誘發聚焦變化影響。系統可包含用於提供關於歸因於環境(溫度、壓力)、透鏡加熱等等之聚焦變化之回饋的機構。舉例而言，此自動聚焦系統435可包含呈溫度及壓力感測器之形式之回饋機構及安裝於晶圓卡盤之側上以評估焦平面變化之一校準晶圓。基於回饋，自動聚焦系統435可調整一或多個透鏡元件(諸如藉由移動透鏡以形成一可調氣隙)以引入聚焦校正或可經由一或多個驅動器408來調整台(及其上之樣本434) z位置。亦可基於此回饋來判定校正之頻率。
系統400可依此項技術中已知之任何掃描模式操作。例如，當照明光束掃描樣本434之整個表面時，系統400可依一行跡模式操作。就此而言，系統400可使一照明光束掃描整個樣本434，同時樣本移動，且掃描方向通常垂直於樣本運動之方向。
可由任何適合數目及類型之收集光學器件(諸如光瞳中繼器(透鏡群組440)及反射鏡438、一偏光器407、孔隙409及用於變焦及聚焦輸出光束至感測器454上之光學元件410及412)導引及塑形輸出光束。舉例而言，感測器454可呈一CCD (電荷耦合裝置)或TDI (時延積分)偵測器、光倍增管(PMT)或其他感測器之形式。
光瞳中繼器440可經設計以形成系統光瞳(在物鏡432處)之一影像以將特定孔隙(409)插入至收集路徑中以最佳化各波長範圍之檢測敏感度。可選擇不同孔隙設定以達成樣本上之不同入射角。一偏光濾波器(405或407)可定位於照明或收集路徑中以亦最佳化檢測敏感度。
樣本434可安置於經組態以在掃描期間支撐樣本434之樣本台414上。在一些實施例中，樣本台414係一可致動台。例如，樣本台414可包含(但不限於)適合於沿一或多個線性方向(例如x方向、y方向及/或z方向)可選地平移樣本434之一或多個平移台。舉另一例而言，樣本台414可包含(但不限於)適合於沿一旋轉方向可選地旋轉樣本434之一或多個旋轉台。舉另一例而言，樣本台414可包含(但不限於)適合於沿一線性方向可選地平移樣本及/或沿一旋轉方向可選地旋轉樣本434之一旋轉台及一平移台。
系統亦可包含一控制器或電腦系統(例如490)。例如，由各偵測器擷取之信號可由控制器490處理，控制器490可包含一信號處理裝置，其具有經組態以將來自各感測器之類比信號轉換成用於處理之數位信號之一類比轉數位轉換器。控制器可經組態以分析感測光束之強度、影像、相位及/或其他特性。控制器可經組態(例如，使用程式化指令)以提供用於顯示所得測試影像及其他檢測特性之一使用者介面(例如，在一電腦螢幕上)，如本文中將進一步描述。控制器亦可包含用於提供使用者輸入(諸如改變波長、偏光、或孔隙組態、觀看偵測結果資料或影像、設定一檢測工具配方)之一或多個輸入裝置(例如一鍵盤、滑鼠、操縱桿)。
可在硬體及/或軟體(諸如控制器490)之任何適合組合中實施本發明之技術。控制器通常具有耦合至輸入/輸出埠之一或多個處理器及經由適當匯流排或其他通信機構之一或多個記憶體。
控制器一般可經組態以控制檢測系統之各種組件。例如，控制器可控制照明源之選擇性啟動、照明或輸出孔隙設定、波長帶、聚焦偏移設定、偏光設定、台及光束轉向等等。控制器亦可經組態以接收由各偵測器產生之影像或信號且分析所得影像或信號以判定樣本上是否存在候選事件(缺陷/損害)、提供候選事件之位置、特徵化存在於樣本上之缺陷或依其他方式特徵化樣本。例如，控制器可包含一處理器、記憶體及經程式化以實施本發明之方法實施例之指令之其他電腦周邊設備。
因為可在一經特殊組態之電腦系統上實施此等資訊及程式指令，所以此一系統包含用於執行本文中所描述之各種操作之程式指令/電腦碼(其可儲存於一電腦可讀媒體上)。機器可讀媒體之實例包含(但不限於)：磁性媒體，諸如硬碟、軟碟及磁帶；光學媒體，諸如CD-ROM光碟；磁光媒體，諸如光碟；及硬體裝置，其經特殊組態以儲存及執行程式指令，諸如唯讀記憶體(ROM)裝置及隨機存取記憶體(RAM)。程式指令之實例包含諸如由一編譯器產生之機器碼及含有可由電腦使用一解譯器來執行之一較高階碼之檔案兩者。
硬體及/或軟體之任何適合組合可用於實施一高解析度檢測器。圖5係根據本發明之一實施例之一掃描式電子顯微鏡(SEM)系統500之一圖形表示。系統500可經組態以使用一電子束504來掃描一樣本506 (諸如(但不限於)其上形成有兩個或兩個以上層之一晶圓(例如半導體晶圓))之各候選事件以擷取SEM影像。
系統500可依此項技術中已知之任何掃描模式操作。例如，當使一電子束504掃描樣本506之一候選缺陷位點時，系統500可依一行跡模式操作。就此而言，系統500可使一電子束504掃描整個樣本506，同時樣本移動，且掃描方向通常垂直於樣本運動之方向。舉另一例而言，當使一電子束504掃描樣本506之整個表面時，系統500可依一步進掃描模式操作。就此而言，系統500可使一電子束504掃描整個樣本506 (其在掃描束504時通常靜止)。
系統500可包含用於產生一或多個電子束504之一電子束源502。電子束源502可包含此項技術中已知之任何電子束源。例如，電子束源502可包含(但不限於)一或多個電子槍。在一些實施例中，一運算系統524或控制器可通信耦合至電子束源502。運算系統524可經組態以經由電子束源502之一控制信號來調整一或多個電子源參數。例如，運算系統524可經由傳輸至電子束源502之控制電路之一控制信號來變動由源502發射之電子束504之束流。
樣本506可安置於經組態以在掃描期間支撐樣本506之一樣本台508上。在一些實施例中，樣本台508係一可致動台。例如，樣本台508可包含(但不限於)適合於沿一或多個線性方向(例如x方向、y方向及/或z方向)可選地平移樣本506之一或多個平移台。舉另一例而言，樣本台508可包含(但不限於)適合於沿一旋轉方向可選地旋轉樣本506之一或多個旋轉台。舉另一例而言，樣本台508可包含(但不限於)適合於沿一線性方向可選地平移樣本及/或沿一旋轉方向可選地旋轉樣本506之一旋轉台及一平移台。
在一些實施例中，運算系統524或控制器通信耦合至樣本台508。運算系統524可經組態以經由傳輸至樣本台508之一控制信號來調整一或多個台參數。運算系統524可經組態以經由傳輸至樣本台508之控制電路之一控制信號來變動樣本掃描速度及/或控制掃描方向。例如，運算系統524可經組態以變動速度及/或控制樣本506相對於電子束504線性平移(例如x方向或y方向)之方向。如本文中將進一步詳細討論，可依相對於形成樣本506上之一疊對度量目標或標記之目標結構之特徵放置傾斜(例如相對於圖案線之一縱軸線垂直或否則傾斜)之一定向掃描樣本506。
系統500可進一步包含一組電子光學元件510。電子光學器件組可包含適合於將電子束504聚焦及/或導引至樣本506之一選定部分上之此項技術中已知之任何適合元件。在一實施例中，電子光學元件組包含一或多個電子光學透鏡。例如，電子光學透鏡可包含(但不限於)用於自電子束源收集電子之一或多個聚光透鏡512。舉另一例而言，電子光學透鏡可包含(但不限於)用於將電子束504聚焦至樣本506之一選定區域上之一或多個物鏡514。在一些實施例中，可依相對於樣本之一受控角導引電子束504至樣本506。因為一晶圓座標系未必與一SEM座標系一致，所以控制一精細掃描角可改良座標系之間的匹配且顯著提高取樣效能/準確度。
在一些實施例中，電子光學元件組包含一或多個電子束掃描元件516。例如，一或多個電子束掃描元件516可包含(但不限於)適合於控制光束相對於樣本506之表面之一位置的一或多個掃描線圈或偏轉器。就此而言，一或多個掃描元件516可用於使電子束504依一選定掃描方向或圖案掃描整個樣本506。例如，可依相對於形成樣本506上之一疊對度量目標或標記之目標結構之特徵放置之傾斜或垂直雙向掃描(例如依雙向方向且與目標線成角度)掃描樣本506。運算系統524或控制器可通信耦合至一或多個電子光學元件510，諸如一或多個掃描元件516。因此，運算系統可經組態以經由傳輸至一或多個通信耦合電子光學元件510之一控制信號來調整一或多個電子光學參數及/或控制掃描方向。
系統500可進一步包含經組態以自樣本506接收電子517之一偵測器總成518。在一些實施例中，偵測器總成518包含一電子收集器520 (例如二次電子收集器)。偵測器總成可進一步包含基於(例如)阻滯場原理之一能量濾波器。就此而言，能量濾波器可經組態以阻擋低能二次電子，同時使高能二次電子(即，回散射電子)通過。若不啟動能量濾波器，則根據偵測系統之收集效率來偵測所有二次電子。可藉由自總電子影像減去高能電子影像來獲得低能二次電子影像。偵測器總成518可進一步包含用於偵測來自樣本表面之電子(例如二次電子)之一偵測器522 (例如閃爍元件及PMT偵測器522)。在一些實施例中，偵測系統522可包含若干電子偵測器，諸如(例如)一或多個明場(BF)偵測器521及一或多個暗場(DF)偵測器523。在一些實施例中，可存在自2個至8個(或甚至更多個) DF偵測器523。BF偵測器521偵測具有低(根據晶圓法線)發射角之電子，而DF偵測器523提供由具有較高發射角之電子攜帶之資訊。在一些實施例中，偵測器總成518之偵測器522包含一光偵測器。例如，偵測器522之一PMT偵測器之陽極可包含一磷光體陽極，其由陽極吸收之PMT偵測器之串接電子激發且可隨後發射光。接著，光偵測器可收集由磷光體陽極發射之光以使樣本506成像。光偵測器可包含此項技術中已知之任何光偵測器，諸如(但不限於)一CCD偵測器或一CCD-TDI偵測器。系統500可包含額外/替代偵測器類型，諸如(但不限於)埃弗哈特-索恩利(Everhart-Thornley)型偵測器。此外，本文中所描述之實施例可應用於單偵測器及多偵測器配置。
在一實施例中，運算系統524或控制器通信耦合至偵測器總成518。運算系統524可經組態以經由傳輸至偵測器總成518之一控制信號來調整一或多個影像形成參數。例如，運算系統可經組態以調整二次電子之提取電壓或提取場強。熟習技術者應瞭解，「運算系統524」可包含一或多個運算系統或控制器，諸如經組態以執行嵌入於由至少一非暫時性信號承載媒體儲存之程式指令中之一或多個指令組之一或多個處理器。運算系統524可控制各種掃描或取樣參數，諸如(但不限於)本文中所描述之掃描或取樣參數。
儘管以上描述聚焦於收集二次電子之背景中之偵測器總成518，但此不應被解譯為本發明之一限制。在此應認識到，偵測器總成518可包含用於以一電子束504特徵化一樣本表面或塊體之此項技術中已知之任何裝置或裝置組合。例如，偵測器總成518可包含經組態以收集回散射電子、歐傑(Auger)電子、傳輸電子或光子(例如回應於入射電子而由表面發射之x射線)之此項技術中已知之任何粒子偵測器。在一些實施例中，基於偵測電子之能階及/或發射角來區分偵測電子(例如二次電子與回散射電子)，且可藉由自總電子影像減去高能電子影像來獲得低能二次電子影像。
運算系統524可經組態以藉由可包含有線及/或無線部分之一傳輸媒體來接收及/或獲取至及來自其他系統之資料或資訊(例如偵測信號/影像、統計結果、參考或校準資料、訓練資料、模型、提取特徵或變換結果、變換資料組、曲線擬合、定性及定量結果等等)。依此方式，傳輸媒體可用作運算系統524與其他系統(例如板上記憶體度量系統、外部記憶體、參考量測源或其他外部系統)之間的一資料鏈路。例如，運算系統524可經組態以經由一資料鏈路來自一儲存媒體(例如內部或外部記憶體)接收量測、成像及位置資料。例如，使用偵測系統所獲得之結果可儲存於一永久或半永久記憶體裝置(例如內部或外部記憶體)中。就此而言，可自板上記憶體或一外部記憶體系統輸入結果。再者，運算系統524可經由一傳輸媒體來將資料發送至其他系統。例如，可傳送由運算系統524判定之定性及/或定量結果(例如模型參數、模型、候選事件之分類、獲取及模型化影像等等)且將其儲存於一外部記憶體中。就此而言，可將分析結果輸出至另一系統。
運算系統524可包含(但不限於)一個人電腦系統、主機電腦系統、工作站、影像電腦、並行處理器或此項技術中已知之任何其他裝置。一般而言，術語「運算系統」可被廣義界定為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。程式指令可儲存於一電腦可讀媒體(例如記憶體)中。例示性電腦可讀媒體包含唯讀記憶體、一隨機存取記憶體、一磁碟或光碟或一磁帶。
在其他實施例中，具有一行陣列系統之一SEM可用於擷取、處理及分析高解析度影像。Grace Chen等人之名稱為「ULTRA-HIGH SENSITIVITY HYBRID INSPECTION WITH FULL WAFER COVERAGE CAPABILITY」之美國專利申請案第16/272,905號中進一步描述若干實例性系統，該申請案以引用方式併入本文中用於所有目的。例如，SEM檢測器包含一線性行陣列及一行跡持續移動精確台。在一實例中，小型化線性探針陣列中之各探針，使得陣列可跨越晶圓。例如，可由微機電系統(MEMS)技術形成探針。當然，可實施其他類型之探針。
在本文所描述之任何系統及技術中，通常針對檢測或度量應用來最佳化運算演算法，其中使用諸如運算硬體之設計及實施、平行化、運算分佈、負載平衡、多服務支援、動態負載最佳化等等之一或多個方法。可在韌體、軟體、FPGA、可程式化光學組件等等中完成演算法之不同實施。
本文所呈現之本發明之特定實施例大體上針對半導體度量及程序控制之領域且不受限於硬體、演算法/軟體實施及架構及上文所概述之使用情況。
儘管已為了清楚理解而較詳細描述本發明，但應明白，可在隨附申請專利範圍之範疇內實施某些改變及修改。應注意，存在實施本發明之程序、系統及設備之諸多替代方式。因此，本發明實施例應被視為繪示而非限制，且本發明不受限於本文中所給出之細節。
102‧‧‧光學影像 104‧‧‧缺陷事件 122‧‧‧掃描式電子顯微鏡(SEM)影像 124‧‧‧設計結構/圖案 126‧‧‧邊緣位移/雜訊差異 128‧‧‧設計結構/圖案 130‧‧‧邊緣粗糙度/雜訊差異 132‧‧‧場區域 200‧‧‧檢測程序 202‧‧‧操作 204‧‧‧操作 206‧‧‧操作 208‧‧‧操作 210‧‧‧操作 211‧‧‧操作 212‧‧‧操作 214‧‧‧操作 300‧‧‧學習及相關聯程序 302a‧‧‧光學參考影像 302b‧‧‧光學測試影像 302c‧‧‧差異獲取光學影像 304‧‧‧相減 306a‧‧‧SEM參考影像 306b‧‧‧SEM測試影像 306c‧‧‧差異模型化光學影像 308‧‧‧對準、平滑化及正規化程序 310‧‧‧近場模型 312‧‧‧光學系統模型 314‧‧‧降頻取樣程序 315‧‧‧對準程序 316‧‧‧移位程序 318‧‧‧相減 320‧‧‧輸出相關聯程序 322‧‧‧近場(NF)參數調整程序 400‧‧‧光學檢測程序 401‧‧‧濾波器輪 403‧‧‧光譜濾波器 404‧‧‧照明器 405‧‧‧照明光 406‧‧‧偏光濾波器 407‧‧‧偏光器/偏光濾波器 408‧‧‧驅動器 409‧‧‧孔隙 410‧‧‧光學元件 412‧‧‧光學元件 414‧‧‧樣本台 428‧‧‧50-50分束器 432‧‧‧物鏡 434‧‧‧樣本 435‧‧‧自動聚焦系統 437‧‧‧二向色分束器 438‧‧‧反射鏡 440‧‧‧透鏡群組/光瞳中繼器 454‧‧‧感測器 490‧‧‧電腦系統/控制器 500‧‧‧SEM系統 502‧‧‧電子束源 504‧‧‧電子束 506‧‧‧樣本 508‧‧‧樣本台 510‧‧‧電子光學元件 512‧‧‧聚光透鏡 514‧‧‧物鏡 516‧‧‧電子束掃描元件 517‧‧‧電子 518‧‧‧偵測器總成 520‧‧‧電子收集器 521‧‧‧明場(BF)偵測器 522‧‧‧偵測器/偵測系統 523‧‧‧暗場(DF)偵測器 524‧‧‧運算系統
圖1係自一光學影像擷取之一候選缺陷事件及其在缺陷事件位點處之對應SEM影像之一圖形表示。
圖2係繪示根據本發明之一實施例之一檢測程序的一流程圖。
圖3係根據本發明實施例之一特定實施方案之用於自SEM影像產生模型化光學影像之一詳細學習及相關聯程序之一圖形表示。
圖4係根據本發明之一特定實施方案之一光學檢測系統之一圖形表示。
圖5係根據本發明之一實施例之一掃描式電子顯微鏡(SEM)系統之一圖形表示。
200‧‧‧檢測程序
202‧‧‧操作
204‧‧‧操作
206‧‧‧操作
208‧‧‧操作
210‧‧‧操作
211‧‧‧操作
212‧‧‧操作
214‧‧‧操作

Claims (20)

  1. 一種檢測一半導體樣本之方法，該方法包括： 由可操作以獲取複數個獲取光學影像之一光學檢測器提供對應於一半導體樣本上之複數個候選缺陷事件之複數個位置，來自該複數個獲取光學影像之此等候選缺陷事件跨該樣本偵測於其對應位置處； 自一高解析度檢測器獲取高解析度影像，該高解析度檢測器可操作以獲取該樣本上之該複數個候選缺陷事件之對應位置處之該複數個候選缺陷事件之此等高解析度影像；及 使已自該等獲取高解析度影像之一第一子集模型化之一第一組模型化光學影像之各者與一第一組該等獲取光學影像之一對應者相關聯以將該第一組高解析度影像中所展示之複數個表面雜訊事件識別為該第一組獲取光學影像中之該等對應候選缺陷事件之來源。
  2. 如請求項1之方法，其中若該等對應模型化及獲取光學影像實質上相同，則使該第一組模型化光學影像之各者相關聯導致將該等表面雜訊事件識別為來源，該方法進一步包括： 使已自該等獲取高解析度影像之一第二子集模型化之一第二組模型化光學影像之各者與一第二組該等獲取光學影像之一對應者相關聯，使得針對該第二組獲取光學影像中之該等對應候選缺陷事件，不將雜訊事件識別為來源，而是將次表面事件識別為來源。
  3. 如請求項2之方法，其中各候選事件表示存在於該樣本上之一表面缺陷事件、一或多個雜訊事件或一次表面事件。
  4. 如請求項2之方法，其進一步包括：在使該第一組及該第二組模型化影像與其等對應第一組及第二組獲取光學影像相關聯之前，分析該等高解析度影像以將該等候選事件分類成不明確事件及明確事件，其中該第一組及該第二組高解析度影像中之各高解析度影像與一分類不明確事件相關聯，其中各明確事件係一橋接、斷裂、突出、侵入或其他已知缺陷類型，其中該等不明確事件不可分類為一已知缺陷類型。
  5. 如請求項4之方法，其進一步包括： 訓練一近場(NF)模型以自對應獲取高解析度影像模型化複數個NF影像，其中使用對應於明確及分類事件之一組訓練高解析度影像及獲取光學影像來訓練該NF模型； 藉由使用該經訓練NF模型自該第一組及該第二組獲取高解析度影像模型化複數個對應NF影像且使用該光學檢測器之一光學工具模型自該等對應NF影像模型化該第一組及該第二組模型化光學影像來模型化該第一組及該第二組模型化光學影像。
  6. 如請求項5之方法，其中該NF模型經組態以使用複數個光特性參數來模擬自一晶圓圖案反射及散射之光，該晶圓圖案具有表示於該等對應高解析度影像中之一組圖案特性參數，其中藉由以下操作來訓練該NF模型： 將該等訓練高解析度影像輸入至該NF模型中以基於該等光及圖案特性度量來模型化對應訓練NF影像； 將自該等訓練高解析度影像模型化之該等訓練NF影像輸入至該光學模型中以模型化對應訓練模型化光學影像； 使該等訓練模型化光學影像與其對應獲取光學影像相關聯；及 調整該等光及圖案特性參數且重複將該等訓練高解析度影像輸入至該NF模型中、將該等訓練NF影像輸入至該光學模型中及使該等訓練模型化光學影像相關聯之操作，直至此相關聯操作導致該等訓練模型化光學影像與其對應獲取光學影像之間的一最大相關聯。
  7. 如請求項5之方法，其中在該第一組及該第二組高解析度影像經平滑化以移除由該高解析度檢測器引入之雜訊且由一正規化程序二進位化之後相對於該第一組及該第二組高解析度影像執行模型化該第一組及該第二組模型化光學影像，且在此等第一模型化光學影像及第二模型化光學影像經降頻取樣使得其等之解析度及/或大小相同於該等對應獲取光學影像之一解析度及大小之後執行使該第一組及該第二組模型化光學影像之各者與對應獲取光學影像相關聯。
  8. 如請求項5之方法，其進一步包括： 使各模型化光學影像相對於其對應獲取影像移位藉由使該等訓練模型化光學影像之一者與該等獲取影像之一對應者對準來判定之一偏移，其中該移位導致來自該第一組高解析度影像之一高解析度影像中之一或多個雜訊事件與該對應獲取光學影像中之一對應候選事件準確相關聯。
  9. 如請求項2之方法，其進一步包括： 在使該第一組及該第二組模型化影像相關聯之後，基於該等高解析度影像、該等分類明確事件及該等識別雜訊及次表面事件(若存在)之複查來判定進一步修復或無修復處理該樣本或捨棄該樣本。
  10. 如請求項1之方法，其中該高解析度檢測器係一掃描式電子(SEM)顯微鏡。
  11. 一種用於檢測一半導體樣本之高解析度檢測器系統，其包括可操作以執行以下操作之至少一處理器及記憶體： 由可操作以獲取複數個獲取光學影像之一光學檢測器提供對應於一半導體樣本上之複數個候選缺陷事件之複數個位置，來自該複數個獲取光學影像之此等候選缺陷事件跨該樣本偵測於其對應位置處； 獲取該樣本上之該複數個候選缺陷事件之對應位置處之該複數個候選缺陷事件之高解析度影像；及 使已自該等獲取高解析度影像之一第一子集模型化之一第一組模型化光學影像之各者與一第一組該等獲取光學影像之一對應者相關聯以將該第一組高解析度影像中所展示之複數個表面雜訊事件識別為該第一組獲取光學影像中之該等對應候選缺陷事件之來源。
  12. 如請求項11之系統，其中若該等對應模型化及獲取光學影像實質上相同，則使該第一組模型化光學影像之各者相關聯導致將該等表面雜訊事件識別為來源，其中該至少一處理器及記憶體可進一步操作以： 使已自該等獲取高解析度影像之一第二子集模型化之一第二組模型化光學影像之各者與一第二組該等獲取光學影像之一對應者相關聯，使得針對該第二組獲取光學影像中之該等對應候選缺陷事件，不將雜訊事件識別為來源，而是將次表面事件識別為來源。
  13. 如請求項12之系統，其中各候選事件表示存在於該樣本上之一表面缺陷事件、一或多個雜訊事件或一次表面事件。
  14. 如請求項12之系統，其中該至少一處理器及記憶體可進一步操作以在使該第一組及該第二組模型化影像與其等對應第一組及第二組獲取光學影像相關聯之前，分析該等高解析度影像以將該等候選事件分類成不明確事件及明確事件，其中該第一組及該第二組高解析度影像中之各高解析度影像與一分類不明確事件相關聯，其中各明確事件係一橋接、斷裂、突出、侵入或其他已知缺陷類型，其中該等不明確事件不可分類為一已知缺陷類型。
  15. 如請求項14之系統，其中該至少一處理器及記憶體可進一步操作以： 訓練一近場(NF)模型以自對應獲取高解析度影像模型化複數個NF影像，其中使用對應於明確及分類事件之一組訓練高解析度影像來訓練該NF模型； 藉由使用該經訓練NF模型自該第一組及該第二組獲取高解析度影像模型化複數個對應NF影像且使用該光學檢測器之一光學工具模型自該等對應NF影像模型化該第一組及該第二組模型化光學影像來模型化該第一組及該第二組模型化光學影像。
  16. 如請求項15之系統，其中該NF模型經組態以使用複數個光特性參數來模擬自一晶圓圖案反射及散射之光，該晶圓圖案具有表示於該等對應高解析度影像中之一組圖案特性參數，其中藉由以下操作來訓練該NF模型： 將該等訓練高解析度影像輸入至該NF模型中以基於該等光及圖案特性度量來模型化對應訓練NF影像； 將自該等訓練高解析度影像模型化之該等訓練NF影像輸入至該光學模型中以模型化對應訓練模型化光學影像； 使該等訓練模型化光學影像與其對應獲取光學影像相關聯；及 調整該等光及圖案特性參數且重複將該等訓練高解析度影像輸入至該NF模型中、將該等訓練NF影像輸入至該光學模型中及使該等訓練模型化光學影像相關聯之操作，直至此相關聯操作導致該等訓練模型化光學影像與其對應獲取光學影像之間的一最大相關聯。
  17. 如請求項15之系統，其中在該第一組及該第二組高解析度影像經平滑化以移除由該高解析度檢測器引入之雜訊且由一正規化程序二進位化之後相對於該第一組及該第二組高解析度影像執行模型化該第一組及該第二組模型化光學影像，且在此等第一模型化光學影像及第二模型化光學影像經降頻取樣以使其等之解析度及/或大小相同於該等對應獲取光學影像之一解析度及大小之後執行使該第一組及該第二組模型化光學影像之各者與對應獲取光學影像相關聯。
  18. 如請求項15之系統，其中該至少一處理器及記憶體可進一步操作以： 使各模型化光學影像相對於其對應獲取影像移位藉由使該等訓練模型化光學影像之一者與該等獲取影像之一對應者對準來判定之一偏移，其中該移位導致來自該第一組高解析度影像之一高解析度影像中之一或多個雜訊事件與該對應獲取光學影像之一對應候選事件準確相關聯。
  19. 如請求項12之系統，其中該至少一處理器及記憶體可進一步操作以： 在使該第一組及該第二組模型化影像相關聯之後，基於該等高解析度影像、該等分類明確事件及該等識別雜訊及次表面事件(若存在)之複查來判定進一步修復或無修復處理該樣本或捨棄該樣本。
  20. 如請求項11之系統，其包括一SEM系統。
TW108121013A 2018-06-19 2019-06-18 將用於晶圓雜訊損害識別的掃描式電子顯微鏡及光學影像相關聯 TWI780336B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862687192P 2018-06-19 2018-06-19
US62/687,192 2018-06-19
US16/394,723 US10697900B2 (en) 2018-06-19 2019-04-25 Correlating SEM and optical images for wafer noise nuisance identification
US16/394,723 2019-04-25

Publications (2)

Publication Number Publication Date
TW202001230A true TW202001230A (zh) 2020-01-01
TWI780336B TWI780336B (zh) 2022-10-11

Family

ID=68840686

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108121013A TWI780336B (zh) 2018-06-19 2019-06-18 將用於晶圓雜訊損害識別的掃描式電子顯微鏡及光學影像相關聯

Country Status (5)

Country Link
US (2) US10697900B2 (zh)
KR (1) KR102514134B1 (zh)
CN (1) CN112219111B (zh)
TW (1) TWI780336B (zh)
WO (1) WO2019245830A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI808444B (zh) * 2020-07-14 2023-07-11 荷蘭商Ａｓｍｌ荷蘭公司 用於產生消除雜訊模型之裝置及方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10697900B2 (en) * 2018-06-19 2020-06-30 Kla-Tencor Corporation Correlating SEM and optical images for wafer noise nuisance identification
JP7144244B2 (ja) * 2018-08-31 2022-09-29 株式会社日立ハイテク パターン検査システム
US10801968B2 (en) * 2018-10-26 2020-10-13 Kla-Tencor Corporation Algorithm selector based on image frames
JP2021026926A (ja) * 2019-08-07 2021-02-22 株式会社日立ハイテク 画像生成方法、非一時的コンピューター可読媒体、及びシステム
TWI714371B (zh) * 2019-11-29 2020-12-21 力晶積成電子製造股份有限公司 晶圓圖的辨識方法與電腦可讀取記錄媒體
US11749569B2 (en) * 2020-05-06 2023-09-05 Taiwan Semiconductor Manufacturing Company, Ltd. Method for non-destructive inspection of cell etch redeposition
CN112419291A (zh) * 2020-11-30 2021-02-26 佛山职业技术学院 一种瓶胚缺陷检测模型的训练方法、存储介质及终端设备
KR102622174B1 (ko) * 2021-01-21 2024-01-09 주식회사 라온솔루션 딥러닝 알고리즘을 적용한 반도체 불량분석용 자동 광학측정장치
WO2023232474A1 (en) * 2022-05-30 2023-12-07 Asml Netherlands B.V. Method of processing data derived from a sample
EP4300087A1 (en) * 2022-06-29 2024-01-03 ASML Netherlands B.V. Method of processing data derived from a sample
US20240094639A1 (en) * 2022-09-19 2024-03-21 Kla Corporation High-resolution evaluation of optical metrology targets for process control

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4014379B2 (ja) 2001-02-21 2007-11-28 株式会社日立製作所 欠陥レビュー装置及び方法
US8514491B2 (en) 2009-11-20 2013-08-20 Pelican Imaging Corporation Capturing and processing of images using monolithic camera array with heterogeneous imagers
US9189844B2 (en) * 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
WO2014134793A1 (en) * 2013-03-06 2014-09-12 Nokia Corporation Apparatus and associated methods
US10502694B2 (en) * 2013-08-06 2019-12-10 Kla-Tencor Corporation Methods and apparatus for patterned wafer characterization
US10410338B2 (en) * 2013-11-04 2019-09-10 Kla-Tencor Corporation Method and system for correlating optical images with scanning electron microscopy images
US10712289B2 (en) 2014-07-29 2020-07-14 Kla-Tencor Corp. Inspection for multiple process steps in a single inspection process
US10186026B2 (en) 2015-11-17 2019-01-22 Kla-Tencor Corp. Single image detection
US10697900B2 (en) * 2018-06-19 2020-06-30 Kla-Tencor Corporation Correlating SEM and optical images for wafer noise nuisance identification

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI808444B (zh) * 2020-07-14 2023-07-11 荷蘭商Ａｓｍｌ荷蘭公司 用於產生消除雜訊模型之裝置及方法

Also Published As

Publication number Publication date
TWI780336B (zh) 2022-10-11
WO2019245830A1 (en) 2019-12-26
US20200292468A1 (en) 2020-09-17
KR102514134B1 (ko) 2023-03-23
US20190383753A1 (en) 2019-12-19
CN112219111A (zh) 2021-01-12
US10697900B2 (en) 2020-06-30
CN112219111B (zh) 2022-06-17
KR20210010948A (ko) 2021-01-28
US10921262B2 (en) 2021-02-16

Similar Documents

Publication Publication Date Title
TWI780336B (zh) 將用於晶圓雜訊損害識別的掃描式電子顯微鏡及光學影像相關聯
TWI774708B (zh) 用於半導體結構之檢驗之方法及系統
KR102303670B1 (ko) 프로세스 윈도우 특성묘사를 위한 가상 검사 시스템
TWI797382B (zh) 在極端紫外光光罩上所檢測到之缺陷處理
JP5865585B2 (ja) ウエハーの層の検査に用いる候補として検査装置の一つ以上の光学モードを同定するためにコンピューターにより実施する方法、コンピューター可読の媒体、および装置
US7747062B2 (en) Methods, defect review tools, and systems for locating a defect in a defect review process
US8045145B1 (en) Systems and methods for acquiring information about a defect on a specimen
KR20190052721A (ko) 반도체 웨이퍼 검사용 3차원 이미징
US9702827B1 (en) Optical mode analysis with design-based care areas
JP7376588B2 (ja) 全ウェハカバレッジ能力を有する超高感度ハイブリッド検査
TW201909303A (zh) 用於高效處理窗口探索之混合檢測系統
KR20160084423A (ko) 계측 최적화 검사
KR20170127549A (ko) 공정 윈도우 결정을 위한 적응형 샘플링
JP2006227026A (ja) パターン検査方法及びパターン検査装置
JP5036889B2 (ja) レビューｓｅｍ
JP4745380B2 (ja) レビューｓｅｍ
US11710227B2 (en) Design-to-wafer image correlation by combining information from multiple collection channels
US20230306579A1 (en) Registration metrology tool using darkfield and phase contrast imaging

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent