TW202004936A - 用於檢查之模式選擇 - Google Patents

用於檢查之模式選擇 Download PDF

Info

Publication number
TW202004936A
TW202004936A TW108111058A TW108111058A TW202004936A TW 202004936 A TW202004936 A TW 202004936A TW 108111058 A TW108111058 A TW 108111058A TW 108111058 A TW108111058 A TW 108111058A TW 202004936 A TW202004936 A TW 202004936A
Authority
TW
Taiwan
Prior art keywords
modes
sample
separability
defects
inspection
Prior art date
Application number
TW108111058A
Other languages
English (en)
Other versions
TWI791806B (zh
Inventor
馬丁 普莉霍爾
沙瑞維南 普瑞瑪西文
安基特 簡恩
普拉山堤 俄帕魯里
瑞海文 庫努如
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 TW202004936A publication Critical patent/TW202004936A/zh
Application granted granted Critical
Publication of TWI791806B publication Critical patent/TWI791806B/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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8845—Multiple wavelengths of illumination or detection
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37224—Inspect wafer
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & 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)
  • Oscillators With Electromechanical Resonators (AREA)
  • Transition And Organic Metals Composition Catalysts For Addition Polymerization (AREA)
  • Electrotherapy Devices (AREA)

Abstract

本發明提供用於選擇用於檢查一樣品之一模式之方法及系統。一種方法包含判定在一樣品上所偵測到之所關注缺陷(DOI)及滋擾於一檢查子系統之一或多個模式中的可分離性如何。該等DOI及滋擾之該等模式的可分離性係用於選擇該等模式之一子集以用於檢查相同類型的其他樣品。該等模式之執行的其他特性可與該可分離性組合使用以選擇該等模式。基於該可分離性而選擇之該模式子集亦可係一初始模式子集，針對該初始模式子集執行額外分析以判定該等模式之最後子集。

Description

用於檢查之模式選擇
本發明一般而言係關於用於選擇用於檢查一樣品之一模式之方法及系統。
以下說明及實例並不由於其包含於此章節中而被認為係先前技術。
在一半導體製造程序期間在各種步驟處使用檢查程序來偵測晶圓上之缺陷以促進在製造程序中之較高良率且因此促進較高利潤。檢查始終係製作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，檢查對可接受半導體裝置之成功製造變得甚至更加重要，此乃因較小缺陷可導致裝置不合格。舉例而言，隨著半導體裝置之尺寸減小，對減小大小之缺陷之偵測變得有必要，此乃因甚至相對小缺陷亦可在半導體裝置中造成非想要之像差。
諸多不同類型之檢查系統具有可調整輸出獲取(例如，資料、信號及/或影像獲取)參數使得可使用不同參數來偵測不同缺陷或避免非想要(滋擾)事件之來源。儘管具有可調整輸出獲取參數之一檢查系統向一半導體裝置製造者呈現顯著優點，但此等檢查系統在將不正確輸出獲取參數用於一檢查程序之情況下基本上無用。另外，由於晶圓上之缺陷、程序條件及雜訊可顯著變化(且由於晶圓本身之特性可顯著變化)，因此用於偵測一特定晶圓上之缺陷之最佳輸出獲取參數可難以預測(若並非不可能的)。因此，儘管使用正確輸出獲取參數將會對檢查之結果具有一顯著效應，但可設想諸多檢查程序目前正用不正確或非最佳化輸出獲取參數來執行。
光學模式選擇前面係缺陷探索，該缺陷探索為光學選擇器(OS)工作階段提供一缺陷與滋擾集。現今，藉由以光學模式(通常大約10個)與「熱偵測臨限值」之一相對多樣集掃描一設置樣品而執行缺陷探索以改良探索所有缺陷類型之機會。探索本身很大程度上依賴於對個別熱掃描執行之多樣性取樣。
在探索結束時，為OS工作階段選擇最重要所關注缺陷(DOI)與敏感度限制滋擾之一集。通常由一人類專家藉由選擇最小DOI實例(基於掃描電子顯微鏡(SEM)影像)及基於光學貼片及缺陷屬性而展示與DOI之類似性之滋擾來執行此選擇。
亦可使用所學習最佳已知方法(BKM)以很大程度上偶然之方式來選擇用於OS之模式集，該等模式之某些理論規則應提供在探索期間識別之缺陷之良好信號以及人執行OS分析之經驗及直覺。
然而，OS之現用方法及系統存在若干個缺點。舉例而言，現用方法係完全手動的且主觀的。現用方法及系統既非系統性的亦非詳盡性的，且其係實質上耗時的。現用系統及方法之另一缺點係其不考量缺陷與滋擾可分離性。另外，現用系統及方法依賴於人類專家篩選實質上大量資料以找出最相關缺陷集(對其執行光學模式選擇分析)之一能力。此外，在現用方法及系統中，人類專家不具有處理所有資訊或資料量以做出最佳決策之能力。此外，在現用方法及系統中，僅有限有用資訊對於使用者做出決策係可用的。
因此，開發不具有上文所闡述之缺點中之一或多者之用於選擇用於檢查一樣品之一模式之方法及/或系統將係有利的。
各種實施例之以下說明不應以任何方式被視為限制所附申請專利範圍之標的物。
一項實施例係關於一種經組態以選擇用於檢查一樣品之一模式之系統。該系統包含一檢查子系統，該檢查子系統經組態以用於藉由利用能量掃描一樣品且在該掃描期間偵測來自該樣品之能量而產生針對該樣品之輸出。該檢查子系統亦經組態以用於利用由用於產生該輸出之該檢查子系統之至少一個參數之不同值定義之多個模式來產生該輸出。該系統亦包含一或多個電腦子系統，該一或多個電腦子系統經組態以用於判定該多個模式中之一或多者中之每一者之一可分離性得分藉此產生一或多個可分離性得分。該一或多個模式中之每一者之該可分離性得分係由針對使用利用該多個模式中之一者產生之該輸出在該樣品上所偵測到之具有一第一所關注缺陷(DOI)類型之缺陷的一分類器之結果與針對使用利用該多個模式中之該一者產生之該輸出在該樣品上所偵測到之滋擾的該分類器之該等結果之間的一差而定義。該(等)電腦子系統亦經組態以用於基於該一或多個可分離性得分而選擇該檢查子系統之該多個模式之一子集以用於檢查與該樣品相同之類型之其他樣品。可如本文中所闡述而進一步組態該系統。
另一實施例係關於一種用於選擇用於檢查一樣品之一模式之電腦實施之方法。該方法包含針對上文所闡述之一或多個電腦子系統之功能中之每一者之步驟。該方法之該等步驟由一或多個電腦子系統執行。可如本文中進一步闡述而執行該方法。另外，該方法可包含本文中所闡述之任何其他方法之任何其他步驟。此外，該方法可由本文中所闡述之系統中之任一者執行。
一額外實施例係關於一種儲存程式指令之非暫時電腦可讀媒體，該等程式指令在一電腦系統上執行以用於執行一電腦實施之方法以用於選擇用於檢查一樣品之一模式。該電腦實施之方法包含上文所闡述之方法之步驟。可如本文中所闡述而進一步組態該電腦可讀媒體。可如本文中進一步闡述而執行該電腦實施之方法之步驟。另外，可為其執行該等程式指令之該電腦實施之方法可包含本文中所闡述之任何其他方法之任何其他步驟。
現在轉至圖式，應注意，各圖並未按比例繪製。特定而言，該等圖之元件中之某些元件之比例大大放大以強調該等元件之特性。亦應注意，該等圖並未按相同比例繪製。已使用相同元件符號指示可類似地組態之在一個以上圖中所展示之元件。除非本文中另外提及，否則所闡述及所展示之元件中之任何元件可包含任何適合可商購元件。
一項實施例係關於一種經組態以選擇用於檢查一樣品之一模式之系統。儘管可在本文中關於光學(亦即，基於光)模式闡述某些實施例，但應理解，本文中所闡述之實施例可用於選擇任何其他模式(例如，電子束、離子束、x射線等)來檢查諸如一晶圓或倍縮光罩之一樣品。在一項實施例中，該樣品包含一晶圓。在另一實施例中，該樣品包含一倍縮光罩。該晶圓及該倍縮光罩可包含此項技術中已知之任何晶圓及倍縮光罩。另外，儘管在本文中闡述用於選擇用於檢查之一模式之某些實施例，但應理解，該等實施例可選擇最終用於檢查中之一或多個模式。
選擇用於檢查子系統(諸如包含於基於寬頻電漿(BBP)之工具中之彼等檢查子系統)之將最佳化最重要所關注缺陷(DOI)之偵測且降低檢查中之滋擾比率之光學模式係在一檢查處方設置期間最重要且具挑戰性任務中之一者。在一理想情景中，光學選擇器(OS)之目標係找出具有缺陷之最高信噪比(S/N)、可靠地偵測缺陷而且在檢查中看到最少滋擾量之最佳光學模式。在當今執行此程序時，此程序係重度手動的且主觀的。其依賴於完備之最佳已知方法(BKM)且依賴於模式選擇之一階層式方法(焦點偏移→光譜及光圈→像素大小及速度)。其亦需要對光充足性等等之非平凡分析以保證對光學模式之分析係可靠的。OS之輸入通常係用於導引使用者朝向最佳光學模式之缺陷之一清單。同樣地，該輸入取決於使用者而係實質上主觀的。通常，一使用者看著缺陷之掃描電子顯微鏡(SEM)影像且選擇哪些缺陷將用於OS。
本文中所闡述之實施例與用於OS之現用方法及系統具有若干個重要差異。舉例而言，本文中所闡述之實施例基於自適應探索之結果而提供經改良光學模式選擇。本文中所闡述之實施例亦引入缺陷探索掃描之定量分析從而以若干種方式導引用於OS工作階段之光學模式選擇。舉例而言，如本文中所闡述，實施例將缺陷與滋擾可分離性且視情況將探索效率添加至每一缺陷類型(或一或多個缺陷類型)及每一探索光學模式(或一或多個探索光學模式)。本文中所闡述之實施例亦可連同現有準則一起使用此等度量來為一OS工作階段選擇最佳缺陷集。另外，對於每一DOI類型，本文中所闡述之實施例可為探索模式提供缺陷與滋擾可分離性趨勢。
如本文中所使用之術語「滋擾」係一使用者不在意之缺陷及/或經偵測到但實際上並非缺陷之事件。可由於一樣品上之非缺陷雜訊源(例如，線邊緣粗糙度(LER)、經圖案化特徵之相對小臨界尺寸(CD)變化、厚度變化等)及/或由於檢查系統本身中之邊緣性或其用於檢查之組態而偵測到經偵測為事件但實際上並非缺陷之滋擾。因此，一般而言，檢查目標並非係偵測諸如晶圓之樣品上之滋擾。
選擇用於檢查之最佳模式係使檢查(BBP檢查)達到其靈敏度權利之最關鍵步驟之一，且改良為每一缺陷類型找出最佳模式之能力具有顯著增強檢查工具之價值之可能性。現今，光學模式選擇係一實質上乏味手動程序，且其遠非詳盡無遺的。本文中所闡述之實施例將不僅改良OS之得出結果之時間，其亦將改良模式選擇之品質及全面性。
在圖1中展示此一系統之一項實施例。該系統包含一檢查子系統，該檢查子系統經組態以用於藉由利用能量掃描一樣品且在該掃描期間偵測來自該樣品之能量而產生針對該樣品之輸出。如本文中進一步闡述，該檢查子系統經組態以用於利用由用於產生該輸出之該檢查子系統之至少一個參數之不同值定義之多個模式來產生該輸出。該檢查子系統可包含至少一能量源及一或多個偵測器。該能量源經組態以產生在該掃描期間經引導至該樣品之能量。該一或多個偵測器經組態以在該掃描期間偵測來自該樣品之能量且回應於該所偵測到之能量而產生該輸出。
在一項實施例中，對該樣品進行掃描之該能量包含光，且自該樣品偵測到之該能量包含光。舉例而言，在圖1中所展示之系統之實施例中，檢查子系統10包含經組態以將光引導至樣品14之一照射子系統。該照射子系統包含至少一個光源。舉例而言，如在圖1中所展示，該照射子系統包含光源16。在一項實施例中，該照射子系統經組態以依一或多個入射角(其可包含一或多個傾斜角及/或一或多個法向角)將光引導至樣品。舉例而言，如在圖1中所展示，來自光源16之光經引導穿過光學元件18及然後透鏡20到達分束器21，分束器21依一法向入射角將光引導至樣品14。入射角可包含任何適合入射角，其可取決於(例如)樣品以及將在樣品上偵測到之缺陷之特性而變化。
照射子系統可經組態以在不同時間依不同入射角將光引導至樣品。舉例而言，檢查子系統可經組態以更改照射子系統之一或多個元件之一或多個特性，使得可依不同於圖1中展示之入射角之一入射角將光引導至樣品。在一項此類實例中，檢查子系統可經組態以使光源16、光學元件18及透鏡20移動使得依一不同入射角將光引導至樣品。
在某些例項中，檢查子系統可經組態以同時依一個以上入射角將光引導至樣品。舉例而言，照射子系統可包含一個以上照射通道，該等照射通道中之一者可包含如圖1中所展示之光源16、光學元件18及透鏡20，且該等照射通道中之另一者(未展示)可包含可不同地或相同地經組態之類似元件，或可包含至少一光源以及可能地一或多個其他組件(諸如本文中進一步闡述之彼等組件)。若此類光與其他光同時經引導至樣品，則依不同入射角經引導至樣品之光之一或多個特性(例如，波長、偏光等)可係不同的使得由依不同入射角之對樣品之照射引起之光可在偵測器處彼此區別開。
在另一例項中，照射子系統可包含僅一個光源(例如，圖1中展示之源16)，且來自光源之光可藉由照射子系統之一或多個光學元件(未展示)分離至不同光學路徑中(例如，基於波長、偏光等)。不同光學路徑中之每一者中之光然後可經引導至樣品。多個照射通道可經組態以同時或在不同時間(例如，當不同照射通道用以依序照射樣品時)將光引導至樣品。在另一例項中，相同照射通道可經組態以將在不同時間具有不同特性之光引導至樣品。舉例而言，在某些例項中，光學元件18可經組態為一光譜濾波器，且該光譜濾波器之性質可以各種不同方式改變(例如，藉由置換光譜濾波器)，使得可在不同時間將不同波長之光引導至樣品。照射子系統可具有此項技術中已知之用於依不同或相同入射角依序或同時將具有不同或相同特性之光引導至樣品之任何其他適合組態。
在一項實施例中，光源16可包含一BBP光源。以此方式，由光源產生且經引導至樣品之光可包含寬頻光。然而，光源可包含任何其他適合光源，諸如一雷射，其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在此項技術中已知之任何適合波長下之光。另外，該雷射可經組態以產生係單色或幾乎單色之光。以此方式，該雷射可係一窄頻雷射。光源亦可包含產生在多個分立波長或波段下之光之一個多色光源。
來自光學元件18之光可藉由透鏡20聚焦至分束器21。儘管透鏡20在圖1中展示為一單個折射光學元件，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樣品之若干個折射及/或反射光學元件。在圖1中所展示且在本文中所闡述之照射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偏光組件、光譜濾波器、空間濾波器、反射光學元件、切趾器、分束器、光闌以及類似者，其等可包含此項技術中已知之任何此等適合光學元件。另外，該系統可經組態以基於將用於檢查之照射之類型而更改照射子系統之元件中之一或多者。
檢查子系統亦可包含經組態以致使光對樣品進行掃描之一掃描子系統。舉例而言，檢查子系統可包含載台22，在檢查期間將樣品14安置於載台22上。掃描子系統可包含可經組態以使樣品移動使得光可對樣品進行掃描之任何適合機械及/或機器人總成(其包含載台22)。另外或另一選擇係，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光對樣品之某一掃描。光可以任何適合方式對樣品進行掃描。
檢查子系統進一步包含一或多個偵測通道。一或多個偵測通道中之至少一者包含一偵測器，該偵測器經組態以藉由檢查子系統偵測歸因於對樣品之照射而來自樣品的光，且回應於該所偵測到之光而產生輸出。舉例而言，圖1中所展示之檢查子系統包含兩個偵測通道，其中一者係由集光器24、元件26及偵測器28形成，且另一者係由集光器30、元件32及偵測器34形成。如圖1中所展示，該兩個偵測通道經組態以依不同收集角度收集且偵測光。在某些例項中，一個偵測通道經組態以偵測經鏡面反射光，且另一偵測通道經組態以偵測不自樣品鏡面反射(例如，散射、繞射等)的光。然而，偵測通道中之兩者或兩者以上可經組態以偵測來自樣品之同一類型的光(例如，經鏡面反射光)。儘管圖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)。儘管集光器中之每一者在圖1中展示為單個折射光學元件，但應理解，集光器中之每一者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，諸如光電倍增管(PMT)、電荷耦合裝置(CCD)，及時間延遲積分(TDI)相機。該等偵測器亦可包含非成像偵測器或成像偵測器。若該等偵測器係非成像偵測器，則該等偵測器中之每一者可經組態以偵測光之某些特性(諸如強度)，但不可經組態以偵測隨在成像平面內之位置而變之此等特性。如此，藉由經包含於檢查系統之偵測通道中之每一者中之偵測器中之每一者產生的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樣品的影像。然而，在其他例項中，偵測器可被組態為成像偵測器，該等成像偵測器經組態以產生影像信號或影像資料。因而，該系統可經組態以依若干種方式產生本文中所闡述之輸出。
應注意，圖1在本文中經提供以大體圖解說明可被包含於本文中所闡述之系統實施例中之一檢查子系統之一組態。顯然地，可更改本文中所闡述之檢查子系統組態以最佳化系統之效能，如在設計一商業檢查系統時通常所執行。另外，可使用諸如可自KLA, Milpitas, Calif (加利福尼亞州苗必達市)購得之28xx/29xx系列之工具之一現有檢查子系統(例如，藉由將本文中所闡述之功能性添加至一現有檢查系統)來實施本文中所闡述的系統。針對某些此等系統，本文中所闡述之方法可作為系統之選用功能性(例如，除系統之其他功能性之外)而提供。另一選擇係，可「從零開始」設計本文中所闡述之系統以提供一全新系統。
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，其可包含「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對樣品之掃描期間由偵測器產生之輸出。電腦子系統36可經組態以執行如在本文中所闡述之使用偵測器之輸出之若干個功能以及本文中進一步闡述之任何其他功能。可如本文中所闡述而進一步組態此電腦子系統。
此電腦子系統(以及本文中所闡述之其他電腦子系統)亦可在本文中稱為電腦系統。本文中所闡述之電腦子系統或系統中之每一者可採用各種形式，包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路器具、網際網路器具或其他裝置。一般而言，術語「電腦系統」可廣義地定義為囊括具有一或多個處理器之執行來自一記憶體媒體之指令之任何裝置。電腦子系統或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，電腦子系統或系統可包含具有高速度處理及軟體之一電腦平臺作為一獨立工具或一經網路連線工具。
若該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影像、資料、資訊、指令等可在電腦子系統之間發送，如本文中進一步闡述。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而耦合至電腦子系統102 (如圖1中之虛線所展示)。此類電腦子系統中之兩者或兩者以上亦可藉由一共用電腦可讀儲存媒體(未展示)而有效地耦合。
儘管檢查子系統在上文闡述為一光學或基於光之檢查子系統，但該檢查子系統可係一基於電子束之檢查子系統。舉例而言，在一項實施例中，對樣品進行掃描之能量包含電子，且自樣品所偵測到之能量包含電子。以此方式，能量源可係一電子束源。在於圖2中所展示之一項此類實施例中，檢查子系統包含電子柱122，其耦合至電腦子系統124。
亦如圖2中所展示，電子柱包含電子束源126，電子束源126經組態以產生藉由一或多個元件130聚焦至樣品128之電子。電子束源可包含(舉例而言)一陰極源或發射體尖端，且一或多個元件130可包含(舉例而言)一槍透鏡、一陽極、一限束孔徑、一閘閥、一束電流選擇孔徑、一物鏡以及一掃描子系統，所有該等元件皆可包含此項技術中已知之任何此類適合元件。
自樣品返回之電子(例如，次級電子)可藉由一或多個元件132而聚焦至偵測器134。一或多個元件132可包含(舉例而言)一掃描子系統，該掃描子系統可係包含於元件130中之相同掃描子系統。
電子柱可包含此項技術中已知之任何其他適合元件。另外，電子柱可如Jiang等人2014年4月4日發佈之第8,664,594號美國專利、Kojima等人2014年4月8日發佈之第8,692,204號美國專利、Gubbens等人2014年4月15日發佈之第8,698,093號美國專利及MacDonald等人2014年5月6日發佈之第8,716,662號美國專利中所闡述而進一步經組態，該等美國專利好似完全陳述於本文中似得以引用方式併入。
儘管電子柱在圖2中展示為經組態使得電子以一傾斜入射角經引導至樣品且以另一傾斜角自該樣品偵測到，但電子束可以任何適合角度經引導至樣品及自該樣品偵測到。另外，基於電子束之子系統可經組態以使用多個模式來產生樣品之影像(例如，依不同照射角度、收集角度等)。電子束子系統之多個模式在子系統之任何影像產生參數方面可係不同的。
電腦子系統124可如上文所闡述而耦合至偵測器134。偵測器可偵測自樣品之表面返回之電子，藉此形成樣品之電子束影像。該等電子束影像可包含任何適合電子束影像。電腦子系統124可經組態以使用偵測器之輸出及/或電子束影像執行本文中所闡述之功能中之任何者。電腦子系統124可經組態以執行本文中所闡述之任一(任何)額外步驟。可如本文中所闡述而進一步組態包含圖2中所展示之檢查子系統之一系統。
本文中提供圖2以大體上圖解說明可包含於本文中所闡述之實施例中之一電子束檢查子系統之一組態。正如上文所闡述之光學檢查子系統，可更改本文中所闡述之電子束檢查子系統組態以最佳化檢查子系統之效能，如在設計一商業檢查系統時通常所執行。另外，本文中所闡述之系統可使用一現有檢查系統來實施(例如，藉由將本文中所闡述之功能性添加至一現有檢查系統)。針對某些此等系統，可將本文中所闡述之方法作為系統之選用功能性(例如，除系統之其他功能性之外)而提供。另一選擇係，可「從零開始」設計本文中所闡述之系統以提供一全新系統。
儘管檢查子系統在上文中闡述為一基於光或基於電子束之檢查子系統，但該檢查子系統可係一基於離子束之檢查子系統。此一檢查子系統可如圖2中所展示而經組態，除了電子束源可被替換為此項技術中已知之任何適合離子束源以外。另外，檢查子系統可係任何其他適合基於離子束之子系統，諸如包含於可商業購得之聚焦離子束(FIB)系統、氦離子顯微鏡(HIM)系統以及次級離子質譜學(SIMS)系統中之基於離子束之子系統。
如上所述，檢查子系統經組態以用於使能量(例如，光、電子等)對樣品之一實體版本進行掃描，藉此產生樣品之該實體版本之實際輸出或影像。以此方式，檢查子系統可組態為一「實際」工具，而非一「虛擬」工具。一儲存媒體(未展示)及圖1中所展示之電腦子系統102可組態為一「虛擬」工具。在共同受讓之Bhaskar等人於2012年2月28日發佈之第8,126,255號美國專利及Duffy等人於2015年12月29日發佈之第9,222,895號美國專利中闡述組態為「虛擬」檢查工具之系統及方法，該兩個美國專利好似完全陳述於本文中似得以引用方式併入。可如此等專利中所闡述而進一步組態本文中所闡述之實施例。舉例而言，可如此等專利中所闡述而進一步組態本文中所闡述之一或多個電腦子系統。
如上文進一步所述，檢查子系統經組態以利用多個模式產生針對樣品之輸出。一般而言，一「模式」可由用於產生針對一樣品之輸出(例如，影像)之檢查子系統之參數值定義。因此，不同模式之值針對檢查子系統之成像參數中之至少一者可係不同的。舉例而言，在一光學檢查子系統中，不同模式可使用至少一個不同波長之光來進行照射。該等模式在如本文中針對不同模式而進一步闡述之照射波長方面可係不同的(例如，藉由使用不同光源、不同光譜濾波器等)。在另一實施例中，不同模式使用檢查子系統之不同照射通道。舉例而言，如上所述，檢查子系統可包含一個以上照射通道。如此，不同照射通道可用於不同模式。而且或另一選擇係，該等模式在檢查子系統之一或多個收集/偵測參數方面可係不同。檢查子系統可經組態以在同一掃描或不同掃描中以不同模式掃描樣品，例如，取決於同時使用多個模式來掃描樣品之能力。
本文中所闡述之實施例提供一新光學模式選擇設置分析器(OMSSA)。該新OMSSA經組態以具有現今缺失之一或多個關鍵能力。舉例而言，實施例依據探索掃描提供對光學模式之定量分析。
該一或多個電腦子系統經組態以用於判定該多個模式中之一或多者中之每一者之一可分離性得分藉此產生一或多個可分離性得分。該一或多個模式中之每一者之該可分離性得分係由針對使用利用該多個模式中之一者產生之該輸出在該樣品上所偵測到之具有一第一所關注缺陷(DOI)類型之缺陷的一分類器之結果與針對使用利用該多個模式中之該一者產生之該輸出在該樣品上所偵測到之滋擾的該分類器之該等結果之間的一差而定義。因此，本文中所闡述之實施例可使用一缺陷-滋擾可分離性得分作為一OS度量。
可針對一DOI類型與一光學模式之每一組合(或一或多個組合)判定一可分離性得分。可針對諸如橋形件之僅一個DOI類型(而非其他DOI類型，諸如殘留物、缺失特徵等)判定每一可分離性得分，或可針對一個以上DOI類型(例如，具有任何類型之所有DOI)判定每一可分離性得分。因此，該(等)所判定可分離性得分可包含針對一第一缺陷類型與一第一光學模式、該第一缺陷類型與一第二光學模式、…、該第一缺陷類型與一第n個光學模式之一可分離性得分以及可能其他可分離性得分，諸如針對一第二缺陷類型與該第一光學模式、該第二缺陷類型與該第二光學模式等等之一可分離性得分。另外或另一選擇係，該(等)可分離性得分可包含針對所有DOI與一第一光學模式、所有該等DOI與一第二光學模式等之一可分離性得分。
該(等)電腦子系統可藉由訓練一分類器(或滋擾過濾器)且然後判定該分類器針對DOI-滋擾分離所具有之「裕度」而判定該(等)可分離性得分。該「裕度」可被視為在分類(或滋擾過濾器)空間中DOI距滋擾之「平均距離」。該裕度亦可以另一方式來量化，諸如中位數、平均值、穩健平均數等、在分類(或滋擾過濾器)空間中DOI與滋擾之間的距離。在一項實例中，可依據分類置信度來量測此距離(分類器將滋擾分類為滋擾且將DOI分類為DOI之置信度愈大，裕度愈高)。換言之，分類置信度量測至分類界限之垂直距離(以某些任意但一致單位)，此將一個事件(經判定為DOI之彼等事件)群組與另一所偵測事件(經判定為滋擾之彼等事件)群組分離。
在一特定實例中，分類器可經組態使得若置信度= 0，則彼意味一事件經判定為具有高置信度之一滋擾，且若置信度= 1，則彼意味一事件經判定為具有高置信度之一DOI。在此實例中，該(等)電腦子系統可找出所有DOI (特定類型)之平均置信度且自出現滋擾基底之置信度值減去彼平均置信度值(此通常展現為在一特定置信度值下之一相對急劇缺陷率開始)。其將係該(等)電腦子系統將跨越光學模式追蹤之此差之值。該值愈高，可分離性愈高。取決於分類器之組態，該(等)電腦子系統可替代置信度而考量一信號屬性集(在缺陷分割之後)，但在其他方面，該(等)電腦子系統可如本文中所闡述而執行此步驟。
在某些實施例中，該(等)電腦子系統經組態以用於使用在該掃描期間利用該多個模式產生之該輸出偵測該樣品上之事件且用於將該等事件輸入至該分類器中以藉此將該等事件分離成該等缺陷及該等滋擾。舉例而言，本文中所闡述之實施例可經組態以執行一或多個探索掃描(亦即，意欲「探索」樣品上之缺陷及滋擾的樣品之掃描)。該(等)探索掃描可包含一或多個掃描(亦即，具有光學模式1之一掃描、…、具有光學模式n之一掃描)。可使用本文中所闡述之檢查子系統之實施例中之任一者來如本文中進一步闡述而執行該等掃描。
該一或多個電腦子系統可經組態以用於基於由該檢查子系統之一或多個偵測器在該掃描期間利用該多個模式產生之該輸出而偵測該樣品上之事件。可以任何適合方式在該樣品上偵測該等事件(例如，藉由將一臨限值施加至該輸出且將具有高於該臨限值之一或多個值之輸出識別為一事件且不將具有低於該臨限值之一或多個值之輸出識別為一事件)。在該樣品上所偵測到之該等事件所分離成之該等缺陷及滋擾可包含此項技術中已知之任何缺陷及滋擾。
現今，藉由以光學模式(通常大約10個)與「熱偵測臨限值」之一相對多樣集掃描一設置樣品而執行缺陷探索以改良探索所有缺陷類型之機會。探索本身很大程度上依賴於對個別熱掃描執行之多樣性取樣。一「熱」臨限值可一般定義為在由檢查子系統針對樣品產生之輸出之雜訊基底處、在該雜訊基底內或實質上在該雜訊基底附近之一臨限值。以此方式，事件偵測可比通常將針對一經調諧檢查處方所執行的更激進(更熱)，使得與在一經調諧檢查中所期望的相比較而偵測到包含缺陷及滋擾事件之更多事件。以此方式，此等掃描由於實質上高滋擾缺陷偵測而通常將不可用於生產監測。
在一項實施例中，分類器組態為一滋擾過濾器。舉例而言，分類器可組態為一滋擾過濾器及/或缺陷分類器。分類器之組態可取決於檢查及/或針對其執行OS之樣品而變化。分類器可將所偵測事件標記為實際缺陷、滋擾及非實際缺陷(例如，雜訊)。若分類器係一滋擾過濾器，則分類器可將所偵測事件標記為實際缺陷及滋擾(其一般可如本文中進一步闡述而定義為使用者實際上不在意之雜訊及/或實際缺陷)。若分類器係一缺陷分類器，則分類器可用指示不同類型之缺陷(諸如橋形件、顆粒、刮痕、缺失特徵、粗糙度等)之缺陷ID (例如，類別碼)來標記所偵測事件。缺陷分類器亦可標記具有一特定缺陷類型之缺陷且亦將該等缺陷與滋擾分離藉此用作一缺陷分類器與滋擾過濾器。
分類器及/或滋擾過濾器可包含各種類型之分類器及滋擾過濾器。舉例而言，分類器或滋擾過濾器可組態為一決策樹或一隨機森林類型分類器。分類器及滋擾過濾器亦可係分類器或滋擾過濾器之一機器學習類型。以此方式，分類器及滋擾過濾器可係一機器學習模型。分類器及滋擾過濾器亦可包含此項技術中已知之任何其他類型之自動缺陷分類器(ADC)。在Plihal之2015年9月10日公開之第2015/0254832號美國專利申請公開案、Konuru之2015年9月17日公開之第2015/0262038號美國專利申請公開案、Liang等人之2016年9月8日公開之第2016/0258879號美國專利申請公開案及He等人之2017年3月23日公開之第2017/0082555號美國專利申請公開案中闡述可在本文中所闡述之實施例中用作分類器及滋擾過濾器之分類器之額外實例，該等美國專利申請公開案好似完全陳述於本文中似得以引用方式併入。可如此等公開案中所闡述而進一步組態本文中所闡述之分類器。
該機器學習模型可包含此項技術中已知之任何深度學習模型，包含(舉例而言)一神經網路、一迴旋神經網路、一生成模型等。可在本文中所闡述之實施例中用作分類器之適合機器學習模型之實例闡述於共同擁有之Karsenti等人之2017年5月18日公開之第2017/0140524號美國專利申請公開案、Zhang等人之2017年5月25日公開之第2017/0148226號美國專利申請公開案、Bhaskar等人之2017年7月6日公開之第2017/0193400號美國專利申請公開案、Zhang等人之2017年7月6日公開之第2017/0193680號美國專利申請公開案、Bhaskar等人之2017年7月6日公開之第2017/0194126號美國專利申請公開案、Bhaskar等人之2017年7月13日公開之第2017/0200260號美國專利申請公開案、Park等人之2017年7月13日公開之第2017/0200264號美國專利申請公開案、Bhaskar等人之2017年7月13日公開之第2017/0200265號美國專利申請公開案、Zhang等人之2017年11月30日公開之第2017/0345140號美國專利申請公開案、Zhang等人之2017年12月7日公開之第2017/0351952號美國專利申請公開案、Zhang等人之2018年4月19日公開之第2018/0107928號美國專利申請公開案、Gupta等人之2018年10月11日公開之第2018/0293721號美國專利申請公開案、Ha等人之2018年11月15日公開之第2018/0330511號美國專利申請公開案、Dandiana等人之2019年1月3日公開之第2019/0005629號美國專利申請公開案及He等人之2019年3月7日公開之第2019/0073568號美國專利申請公開案中，該等美國專利申請公開案好似完全陳述於本文中似得以引用方式併入。可如此等公開案中所闡述而進一步組態本文中所闡述之實施例。另外，本文中所闡述之實施例可經組態以執行此等公開案中所闡述之任何步驟。
在一項實施例中，該(等)電腦子系統經組態以用於：使用在該掃描期間利用該多個模式產生之該輸出作為至一缺陷偵測方法之輸入來偵測該樣品上之事件；將該等事件輸入至該分類器中以藉此將該等事件分離成該等缺陷及該等滋擾；更改該缺陷偵測方法之一或多個參數；以該缺陷偵測方法之該一或多個經更改參數重複該偵測該等事件步驟；及將藉由該偵測步驟及該重複該偵測步驟而偵測到之該等事件輸入至該分類器中以藉此將該等事件分離成該等缺陷及該等滋擾。以此方式，可在事件偵測期間在一種原位或回饋迴路中更改事件偵測(及藉此缺陷偵測)，例如，以偵測更多事件、缺陷及滋擾及/或嘗試偵測不同種類之事件、缺陷及滋擾。
本文中所闡述之實施例因此可經組態以用於自適應探索。該(等)電腦子系統可對每一模式獨立地執行自適應探索同時將所探索缺陷交叉自動標記至所有模式。交叉自動標記可包含標記由該等模式中之兩個或兩個以上模式在同一位置(在該位置處將一缺陷偵測為缺陷影像)處產生之所有影像。舉例而言，若一第一模式偵測位置x處之一缺陷，則該(等)電腦子系統可將在位置x處以任何其他模式產生之任何其他影像標記為缺陷影像而不管彼等其他模式是否偵測位置x處之缺陷。自適應探索使用主動學習及一分類器。在探索結束時，自適應探索可產生可作為一滋擾過濾器以對應光學模式施加至檢查之一收斂分類器。
可執行自適應探索及/或找出樣品上之缺陷及滋擾以供在本文中所闡述之實施例中使用，如He等人之上文所引用公開案中所闡述。另外，本文中所闡述之實施例可經組態以用於探索及/或找出可作為一訓練集用於本文中所闡述之額外步驟之缺陷與滋擾，如Plihal等人之2014年5月15日公開之第2014/0133737號美國專利申請公開案、Plihal等人之2015年10月1日公開之第2015/0276618號美國專利申請公開案、Plihal等人之2016年4月21日公開之第2016/0110857號美國專利申請公開案、Chen等人之2016年5月5日公開之第2016/0123898號美國專利申請公開案及Plihal等人之2018年4月19日公開之第2018/0106732號美國專利申請公開案中所闡述，該等美國專利申請公開案好似完全陳述於本文中似得以引用方式併入。可如此等公開案中所闡述而進一步組態本文中所闡述之實施例。
在一項此類實施例中，更改該缺陷偵測方法之一或多個參數包含：識別該多個模式之一部分，該多個模式之該部分預期(或已知)能夠偵測數目比該多個模式之另一部分多的缺陷；及僅選擇在利用該多個模式之該經識別部分執行之掃描期間所產生之輸出作為至該缺陷偵測方法的輸入。該多個模式之該「部分」可包含該多個模式中之一或多者，且在此情形中少於該多個模式之全部。該(等)電腦子系統可執行此識別及選擇，以在具有偵測該等缺陷之能力的模式中將缺陷探索程序驅動至收斂及資料充足性。舉例而言，一或多個電腦子系統可分析關於每一模式之分類器收斂。另外，該一或多個電腦子系統可分析重要缺陷類型中之每一者的資料充足性。舉例而言，分類器(諸如本文中進一步闡述之機器學習分類器)之效能隨著訓練集之大小高達一特定點(超過該特定點，分類器達到關於資料之其最佳效能)而改良。因此，提供「充足」訓練資料以達到分類器之此最佳效能係有利的。彼點通常可稱為「資料充足性」。該(等)電腦子系統可藉由監測分類器之「收斂」來量測資料充足性，此乃因該(等)電腦子系統使訓練集增加。可以此項技術中已知之任何適合方式來判定且監測分類器之「收斂」。該(等)電腦子系統可監測且更改探索程序以滿足資料充足性臨限值，此乃因當比較不同模式之DOI與滋擾可分離性時，宜藉由已收斂以獲得實質上準確資料以用於使用該資料執行之其他步驟(OS)之一分類器來將DOI及滋擾分類。
如上文進一步闡述，在某些實施例中，該(等)電腦子系統經組態以用於使用在該掃描期間利用該多個模式產生之該輸出來偵測該樣品上的事件，且用於將該等事件輸入至該分類器中以藉此將該等事件分離成該等缺陷及該等滋擾。在一項此類實施例中，該(等)電腦子系統經組態以用於向一使用者顯示該等缺陷及該等滋擾，且自該使用者接收該等缺陷中之一或多者及該等滋擾中之一或多者之一選擇。舉例而言，在探索分析器(OMSSA)階段期間，該(等)電腦子系統可經組態以用於探索結果之診斷及可視化。在探索結果之診斷及可視化階段期間，一使用者可識別重要DOI類型。
該(等)電腦子系統可使用任何適合顯示器裝置(未展示)上之任何適合圖形使用者介面(GUI)來向使用者顯示缺陷及滋擾。該(等)電腦子系統亦可以各種不同方式顯示缺陷及滋擾，例如，基於哪一模式偵測缺陷及滋擾而以群組方式顯示缺陷及滋擾、顯示具有一或多個類似特性(諸如大小、樣品之一設計中之位置、形狀、紋理、灰階強度等)之缺陷及滋擾的子群組。一般而言，該(等)電腦子系統可顯示針對缺陷及滋擾而產生之任何結果(包含貼片影像(亦即，在缺陷及滋擾之位置處抓取之相對小影像)及由該(等)電腦子系統或分類器判定的缺陷及滋擾之任何特性)。該(等)電腦子系統可藉助諸如一鍵盤、滑鼠、觸控螢幕、電子筆等之任何適合輸入裝置(未展示)自使用者接收缺陷及滋擾之選擇。該(等)電腦子系統亦可為使用者顯示一或多個選項，諸如可指派給缺陷或滋擾以指示哪些缺陷或滋擾係重要的及哪些係不重要的之一或多個標籤或標記。
在某些此類實施例中，該(等)電腦子系統經組態以用於自使用者接收指示缺陷中之一或多者中之哪一者具有同一類型之輸入。此輸入可由該(等)電腦子系統以與上文所闡述相同之方式接收(例如，使用由使用者可能藉助顯示於顯示器裝置中之一或多個選項操縱之一輸入裝置)。在探索結果之診斷及可視化階段中，一使用者可識別重要DOI類型且基於類似性而將其分組。一般而言，一DOI 「群組」可與一DOI 「類型」相同。然而，使用者未必必須在此步驟中按類型組織DOI。舉例而言，使用者可基於類似性而將DOI分組(例如，對於一使用者而言其看起來有多類似及/或若使用者認為其可具有同一DOI類型)，但使用者亦可選擇(有意地或無意地)將在某些方面類似(即使其具有不同DOI類型)之DOI分組。以此方式，術語「DOI群組」可與術語DOI類型互換使用，其某些實例包含垂直翼展橋形件、水平開口、殘留物等。然而，當涉及到手動分組時，指派給缺陷之(手動)分類不始終與OS之類型對準。在任一情形中，本文中所闡述之實施例可經組態以允許使用者以其願意之任何方式將缺陷分組且可分析如本文中所闡述之任何此等缺陷分組。當使用者指派之群組中之缺陷輸入至分類器時，由使用者輸入之缺陷分組亦可由分類器修改。使用者亦可或可不指示滋擾中之哪些滋擾具有同一類型及/或可將滋擾中之一或多者分組。滋擾類型或群組可包含(舉例而言)使用者不在意之使用者標記為實際缺陷之一滋擾群組、使用者標記為雜訊之一滋擾群組等。在本文中所闡述之實施例中之任一者中，使用者亦可為OS工作階段影像抓取組態所要數目個缺陷(及可能滋擾)。以此方式，使用者可執行「類型類似性」分組且然後決定哪一(些)缺陷類型應在OS中用於選擇模式。
在另一此類實施例中，該(等)電腦子系統經組態以用於判定由該使用者選擇之該等缺陷中之該一或多者中之每一者之另一可分離性得分藉此產生一或多個其他可分離性得分，且其中該等缺陷中之該一或多者中之每一者之該其他可分離性得分由針對由該使用者選擇且使用利用該多個模式中之該一者產生之該輸出在該樣品上所偵測到之該等缺陷中之一者的該分類器之該等結果與針對使用利用該等模式中之該一者產生之該輸出在該樣品上所偵測到之該等滋擾的該分類器之該等結果之間的一差定義。舉例而言，該(等)一或多個電腦子系統可判定由該使用者關於每一模式所選擇之每一重要DOI類型之一可分離性得分。換言之，可在一DOI至DOI基礎上(或每DOI)且針對該等不同模式中之每一者判定本文中所闡述之可分離性得分。如此，針對如本文中所闡述而感興趣及/或經選擇之DOI與光學模式之諸多組合，可針對在一第一光學模式中所偵測到之一第一DOI、在一第二光學模式中所偵測到之該第一DOI等等判定一可分離性得分，且可針對在該第一光學模式中所偵測到之一第二DOI、在該第二光學模式中所偵測到之該第二DOI等等判定該可分離性得分。
亦可針對一或多個DOI與利用其中偵測該一或多個DOI之一模式所偵測到之所有滋擾相比較來判定本文中所闡述之此等及其他可分離性得分。舉例而言，為了使一光學模式能夠偵測其可偵測到之所有(或諸多) DOI例項，在彼模式中，DOI例項中之每一者(或至少許多)必須可與所有滋擾分離(否則當檢查係針對彼模式而設置時，將不可能在未偵測到滋擾之情況下偵測出DOI且不會在不遺漏DOI之情況下偵測出任何滋擾)。因此，可針對一或多個DOI與在和該等DOI (針對其而判定可分離性得分)相同之模式中所偵測到之所有滋擾相比較來判定本文中所闡述之可分離性得分。
在一項此類實施例中，該(等)電腦子系統經組態以用於基於該一或多個其他可分離性得分而選擇由該使用者選擇之該等缺陷中之該一或多者之一子集以藉此選擇具有該一或多個其他可分離性得分之最低值之該等缺陷中之該一或多者中之至少一者，且基於該一或多個可分離性得分與該一或多個其他可分離性得分之組合而執行選擇該多個模式之該子集。該等缺陷中之該一或多者之該子集可包含一單個缺陷、該等缺陷中之一或多者、該等缺陷之一部分或甚至該等缺陷之一實質性部分。舉例而言，基於該等其他可分離性得分，該(等)電腦子系統可產生每一重要DOI 群組之最佳缺陷候選者之一經排名清單。特定而言，用於OS之最佳DOI通常將係具有係DOI之一相對低置信度(亦即，低可分離性(置信度)值)之缺陷。可選擇此等缺陷以供在OS中使用，此乃因彼等缺陷係相對難以與滋擾分離之缺陷。此等缺陷趨向於係難以偵測到(例如，由於相對弱信號)之相對較小缺陷。因此將彼等缺陷包含於在OS期間考量之缺陷中將係有利的，使得最大化關於彼等缺陷之信號(及/或此等缺陷與滋擾之可分離性)之一光學模式可存在於OS中。另外，基於其他可分離性得分，該(等)電腦子系統可按光學模式產生DOI實例與敏感度限制滋擾實例之一更詳細分解情形(亦即，不同滋擾源在不同模式中限制對DOI之敏感度)。以此方式，該(等)電腦子系統可經組態以執行對使用者選定DOI類型之一全面分析以自探索掃描識別針對所有候選模式之最佳DOI與滋擾事件集。
以此方式，本文中所闡述之實施例可為OS工作階段選擇最佳缺陷集(或子集)。如本文中進一步闡述，OMSSA亦可將用於將OS分析之光學模式中之一或多者排名。選定缺陷(及可能滋擾)集連同選定光學模式集(或子集)可用於OS，如本文中進一步闡述。在本文中所闡述之實施例中，該(等)電腦子系統可執行完全自動化缺陷選擇及模式排名。然而，亦可以一更互動方法實施本文中所闡述之實施例以用於調整搜尋準則及輸出(搜尋準則係指為OS選擇缺陷之自動化方式)。另外，OMSSA與OS之整合可不同於本文中所闡述(例如，使得其完全經整合以無縫地一起用作一單個單元(如在一單個軟體封裝或模組中)，其經緊密地整合使得其似乎用作一單個單元(即使其係不同單元)，或其可較鬆弛地整合使得其似乎用作不同單元及/或組態為不同單元)。舉例而言，OMSSA與OS影像收集流程之間可存在一或多或少互動且自適應鏈接。
在一項實施例中，該(等)電腦子系統經組態以用於判定多個模式中之一或多者中之每一者之一探索效率藉此產生一或多個探索效率，且一或多個模式中之每一者之探索效率係由使用利用該等模式中之一者產生之輸出所擷取之DOI之一數目定義。如本文中所使用之術語「探索效率」因此亦可定義為在探索程序結束時在該模式中實際上擷取多少DOI。因此，以一方式，探索效率及可分離性可係並進的(例如，達成比其他模式好之一DOI-滋擾分離之一模式一般亦將具有比其他模式高之一探索效率)。另外，該(等)電腦子系統可基於在自適應探索期間產生之資料而使用探索效率得分來進行OS之缺陷選擇且將光學模式排名，此可如本文中進一步闡述而執行。
在某些實施例中，該(等)電腦子系統經組態以用於針對該多個模式之至少一部分判定一或多個可分離性得分之一特性。舉例而言，該特性可係本文中所闡述之定量量測中之一或多者之一趨勢。舉例而言，該特性可係透過重要DOI類型中之每一者之可分離性強度(DOI-滋擾可分離性)及視情況探索效率來量化之一光學模式趨勢。在另一實例中，該(等)電腦子系統可為一或多個DOI類型提供模式可分離性趨勢及/或可分離性趨勢。此等趨勢可用於輔助OS工作階段之模式選擇。另外，該(等)電腦子系統可依據信號、DOI-滋擾可分離性及探索效率為每一DOI群組提供光學模式趨勢。可基於本文中所闡述之得分或定量量測中之一或多者作為模式之一函數之一改變而表達或量化該等趨勢。因此，該等趨勢可展示一得分或量測在模式之間改變多少。該等趨勢亦可展示一得分或量測在模式之間在一特定方向上(自最高至最低或反之亦然)改變多少。取決於它們係什麼，可在不同方向上表達或量化不同得分或量測。舉例而言，趨勢可用於藉由展示自最高至最低DOI-滋擾可分離性及/或最高至最低探索效率之趨勢而表徵自最好至最糟糕之光學模式，但情形並非始終如此。在一項此類實例中，可基於自最低至最高之得分或定量量測而判定表徵自最好至最糟糕之光學模式之一趨勢(例如，若針對在光學模式中所偵測到之滋擾量之趨勢而檢查光學模式)。可以任何適合方式(例如，以圖形方式、以清單形式在一資料結構中經排序等)產生、闡述、證明、量化等該等趨勢。
該一或多個電腦子系統進一步經組態以用於基於該一或多個可分離性得分而選擇該檢查子系統之該多個模式之一子集以用於檢查與該樣品相同之類型之其他樣品。可如本文中進一步闡述而執行選擇將實際上用於檢查其他樣品之多個模式之子集。舉例而言，OMSSA產生可用於OS之輸出，且OS之輸出可係用於檢查之檢查子系統之多個模式之子集。來自探索分析之輸出可包含用於OS分析之缺陷(DOI)與對應敏感度限制滋擾實例之一清單。另外，輸出可包含在探索模式之間的信號、可分離性及探索效率趨勢以輔助OS分析之模式選擇。可然後以任何適合方式且如本文中進一步闡述而執行OS。
該(等)電腦子系統亦可基於可分離性及探索效率得分而選擇模式(及/或將模式排名)。舉例而言，在一項實施例中，基於一或多個可分離性得分與一或多個探索效率之組合而執行選擇該多個模式之該子集。特定而言，如本文中進一步闡述，由該(等)電腦子系統判定之得分或其他定量量測中之任一者可用於判定光學模式之趨勢或其他特性。取決於得分或量測，該等趨勢亦可經判定為模式之間的一改變，例如，自最好至最糟糕或自最糟糕至最好。因此，該等趨勢可基於自最好至最糟糕或反之亦然之彼等趨勢而有效地將光學模式排名。在一項此類實例中，光學模式基於一個得分或量測之趨勢及/或排名可與另一得分或量測組合使用以然後基於一個以上得分或排名而將光學模式重新排名。然後該(等)電腦子系統可基於該等光學模式之經修改排名而為OS工作階段選擇該等光學模式。
在另一實施例中，該(等)電腦子系統經組態以用於判定該多個模式中之一或多者中之每一者之一總體度量藉此產生一或多個總體度量，且該一或多個模式中之每一者之總體度量定義為該等模式中之一者之可分離性得分及探索效率之一函數。舉例而言，探索效率及可分離性度量可合併成一個經組合度量。在一項此類實例中，總體度量可經判定為不同量測或得分之一總和(例如，總體度量 = 探索效率 + 可分離性得分)。然而，可基於可分離性得分、探索效率、本文中所闡述之任何其他得分或定量量測、趨勢、排名等之任何其他適合函數而判定總體度量。舉例而言，此等函數可包含一經加權總和、一差、一乘積、一多項式、一平均值及諸如此類。
在一項此類實施例中，基於該一或多個總體度量而執行選擇該多個模式之該子集藉此亦基於該一或多個可分離性得分而選擇該多個模式之該子集。可如本文中進一步闡述而執行基於該一或多個總體度量而選擇該多個模式之該子集。該子集可係該等模式中之僅一者或該等模式中之一者以上。
在一項實施例中，選擇該多個模式之該子集包含：基於該一或多個可分離性得分而選擇該多個模式之一初始子集；利用該多個模式之該初始子集執行該掃描；針對該多個模式之該初始子集重複該判定該可分離性得分步驟；及基於針對該多個模式之該初始子集所判定之該一或多個可分離性得分而選擇該多個模式之一最後子集以用於檢查與該樣品相同之類型之其他樣品。舉例而言，在OMSSA或OS工作階段之後，OMSSA或OS可輸出幾個(例如，3個至5個)頂部模式。若此等頂部模式由OMSSA輸出，則該(等)電腦子系統可使用檢查子系統來以自適應探索執行另一個或另一些樣品掃描，此可如本文中進一步闡述而執行。此自適應探索可包含已經存在於實施例之OMSSA階段中之缺陷。該(等)電腦子系統然後可重複OMSSA中之可分離性分析以達到頂部模式。彼一或若干頂部模式然後可指定為多個模式之最後子集且用於檢查其他樣品。舉例而言，每一缺陷類型可具有其自身之最佳模式，此又可導致多遍次(多光學模式)檢查。
本文中所闡述之實施例具有優於用於模式選擇之其他現用方法及系統之若干個優點。舉例而言，本文中所闡述之實施例基於在自適應探索期間產生之資訊而針對每一缺陷類型及光學模式定義新缺陷-滋擾可分離性及探索效率度量。此類型之定量評分方法現今在OS設置工作階段期間係不可用的。另外，亦可挖掘在自適應探索期間產生之資料以做出關於哪些缺陷應在OS工作階段中使用及哪些模式不應進一步探查或根本不應探查之更全面且更準確判定。此外，本文中所闡述之實施例為OS提供比當前可用的更加精細之資訊。OMSSA之分析功率將使得可能識別最佳滋擾事件以跨越所有模式針對每一缺陷類型進行分析。每一光學模式可具有限制對DOI之敏感性之一不同滋擾類型。OMSSA可找出所有光學模式所需要之所有滋擾事件之聯合。另外，本文中所闡述之實施例減少得出結果之時間且增加使用OS之容易性(與用於OS之現用及其他可能方法及系統相比較)。舉例而言，本文中所闡述之實施例之一個替代方案係完全消除OS影像抓取及分析且替代地以更多模式執行探索。然而，OS影像抓取係實質上昂貴的，例如，花費大約5個小時至8個小時之工具時間，然後進行手動分析。替代地，在本文中所闡述之實施例中，此時間可用於更詳盡探索。
本文中所闡述之系統之實施例中之每一者可與本文中所闡述之系統之任何其他實施例組合。
另一實施例係關於一種用於選擇用於檢查一樣品之一模式之電腦實施之方法。該方法包含判定一檢查子系統之多個模式中之一或多者中之每一者之一可分離性得分藉此產生該等可分離性得分中之一或多者。如本文中所闡述而定義該一或多個模式中之每一者之該可分離性得分。如本文中所闡述而組態該檢查子系統。該方法亦包含基於該一或多個可分離性得分而選擇該檢查子系統之該多個模式之一子集以用於檢查與該樣品相同之類型之其他樣品。該判定該可分離性得分步驟及該選擇該子集步驟由該電腦系統執行。
可如本文中進一步闡述而執行該方法之步驟中之每一者。該方法亦可包含可由本文中所闡述之檢查子系統及/或電腦子系統或系統執行之任何其他步驟。由一或多個電腦子系統執行該方法之該等步驟，該一或多個電腦子系統可根據本文中所闡述之實施例中之任一者而組態。另外，可藉由本文中所闡述之系統實施例中之任一者來執行上文所闡述之方法。
一額外實施例係關於一種儲存程式指令之非暫時電腦可讀媒體，該等程式指令在一電腦系統上執行以用於執行一電腦實施之方法以用於選擇用於檢查一樣品之一模式。在圖3中展示一項此類實施例。特定而言，如圖3中所展示，非暫時性電腦可讀媒體300包含可在電腦系統304上執行之程式指令302。該電腦實施之方法可包含本文中所闡述之任何方法之任何步驟。
實施諸如本文中所闡述之方法之方法之程式指令302可儲存於電腦可讀媒體300上。該電腦可讀媒體可係諸如一磁碟或光碟、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之一儲存媒體。
可以包含基於程序之技術、基於組件之技術及/或面向對象之技術以及其他技術的各種方式中之任一者來實施程式指令。舉例而言，可視需要使用ActiveX控件、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE (串流化SIMD擴展)或其他技術或方法來實施該等程式指令。
電腦系統304可根據本文中所闡述之實施例中之任一者而經組態。
本文中所闡述之所有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。該等結果可包含本文中所闡述之結果中之任一者且可以此項技術中已知之任一方式來儲存。該儲存媒體可包含本文中所闡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。在已儲存該等結果之後，該等結果可在儲存媒體中經存取且由本文中所闡述之方法或系統實施例中之任一者使用，經格式化以顯示給一使用者，由另一軟體模組、方法或系統等使用。舉例而言，用於選定模式之資訊可儲存於一檢查處方中，使得當利用檢查處方針對其他樣品執行檢查時，選定模式將用於產生針對其他樣品之輸出。
鑒於此說明，熟習此項技術者將明瞭本發明之各種態樣之額外修改及替代實施例。舉例而言，提供用於選擇用於檢查一樣品之一模式之方法及系統。因此，此說明應視為僅為說明性的，且係出於教示熟習此項技術者實施本發明之一般方式之目的。應理解，本文中所展示及所闡述之本發明之形式應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說明之後將全部明瞭，元件及材料可替代本文中所圖解說明及闡述之彼等元件及材料，可顛倒部件及程序，且可獨立地利用本發明之特定特徵。可在不背離如所附申請專利範圍中所闡述之本發明之精神及範疇之情況下對本文中所闡述之元件做出改變。
10‧‧‧檢查子系統 14‧‧‧樣品 16‧‧‧光源/源 18‧‧‧光學元件 20‧‧‧透鏡 21‧‧‧分束器 22‧‧‧載台 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 122‧‧‧電子柱 124‧‧‧電腦子系統 126‧‧‧電子束源 128‧‧‧樣品 130‧‧‧元件 132‧‧‧元件 134‧‧‧偵測器 300‧‧‧非暫時性電腦可讀媒體/電腦可讀媒體 302‧‧‧程式指令 304‧‧‧電腦系統
在閱讀以下詳細說明且在參考附圖時，本發明之其他目標及優點將變得顯而易見，在圖式中： 圖1及圖2係圖解說明如本文中所闡述而組態之一系統之實施例之側視圖之示意圖；及 圖3係圖解說明一非暫時性電腦可讀媒體之一項實施例之一方塊圖，該非暫時性電腦可讀媒體儲存可在一電腦系統上執行以用於執行本文中所闡述之電腦實施之方法中之一或多者之程式指令。 雖然本發明易發生各種修改及替代形式，但其特定實施例係在圖式中以實例之方式展示且將在本文中詳細闡述。然而，應理解，圖式及對其之詳細說明並非意欲將本發明限制於所揭示之特定形式，而是相反，本發明將涵蓋歸屬於如由所附申請專利範圍所界定的本發明之精神及範疇內之所有修改、等效形式及替代形式。
10‧‧‧檢查子系統
14‧‧‧樣品
16‧‧‧光源/源
18‧‧‧光學元件
20‧‧‧透鏡
21‧‧‧分束器
22‧‧‧載台
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 (20)

  1. 一種經組態以選擇用於檢查一樣品之一模式之系統，其包括： 一檢查子系統，其經組態以用於藉由利用能量掃描一樣品且在該掃描期間偵測來自該樣品之能量來產生針對該樣品之輸出，其中該檢查子系統進一步經組態以用於利用由用於產生該輸出之該檢查子系統之至少一個參數之不同值定義的多個模式來產生該輸出；及 一或多個電腦子系統，其經組態以用於： 判定該多個模式中之一或多者中之每一者之一可分離性得分，藉此產生一或多個可分離性得分，其中該一或多個模式中之每一者之該可分離性得分係由針對使用利用該多個模式中之一者所產生之該輸出在該樣品上所偵測到之具有一第一所關注缺陷類型之缺陷之一分類器之結果與針對使用利用該多個模式中之該一者所產生之該輸出在該樣品上所偵測到之滋擾的該分類器之該等結果之間之一差來定義；及 基於該一或多個可分離性得分來選擇該檢查子系統之該多個模式之一子集，以用於檢查與該樣品相同類型的其他樣品。
  2. 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用於判定該多個模式中之該一或多者中之每一者之一探索效率，藉此產生一或多個探索效率，且其中該一或多個模式中之每一者之該探索效率係由使用利用該等模式中之一者產生之該輸出所擷取之所關注缺陷之一數目來定義。
  3. 如請求項2之系統，其中基於該一或多個可分離性得分與該一或多個探索效率之組合而進一步執行選擇該多個模式之該子集。
  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以用於判定該多個模式中之該一或多者中之每一者之一總體度量，藉此產生一或多個總體度量，且其中該一或多個模式中之每一者之該總體度量被定義為該等模式中之一者之該可分離性得分及該探索效率之一函數。
  5. 如請求項4之系統，其中基於該一或多個總體度量來執行選擇該多個模式之該子集，藉此亦基於該一或多個可分離性得分來選擇該多個模式之該子集。
  6. 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用於使用在該掃描期間利用該多個模式產生之該輸出來偵測該樣品上的事件，且用於將該等事件輸入至該分類器中以藉此將該等事件分離成該等缺陷及該等滋擾。
  7. 如請求項6之系統，其中該一或多個電腦子系統進一步經組態以用於向一使用者顯示該等缺陷及該等滋擾，且自該使用者接收該等缺陷中之一或多者及該等滋擾中之一或多者之一選擇。
  8. 如請求項7之系統，其中該一或多個電腦子系統進一步經組態以用於自該使用者接收指示該等缺陷中之該一或多者中的哪一些具有相同類型的輸入。
  9. 如請求項7之系統，其中該一或多個電腦子系統進一步經組態以用於判定由該使用者選擇之該等缺陷中之該一或多者中之每一者的另一可分離性得分，藉此產生一或多個其他可分離性得分，且其中該等缺陷中之該一或多者中之每一者之該其他可分離性得分係由針對由該使用者選擇且使用利用該多個模式中之該一者產生之該輸出在該樣品上所偵測到之該等缺陷中之一者之該分類器的該等結果與針對使用利用該等模式中之該一者產生之該輸出在該樣品上所偵測到之該等滋擾之該分類器的該等結果之間的一差來定義。
  10. 如請求項9之系統，其中該一或多個電腦子系統進一步經組態以用於基於該一或多個其他可分離性得分而選擇由該使用者選擇之該等缺陷中之該一或多者之一子集，以藉此選擇具有該一或多個其他可分離性得分之最低值之該等缺陷中之該一或多者中的至少一者，且基於該一或多個可分離性得分與該一或多個其他可分離性得分之組合來執行選擇該多個模式之該子集。
  11. 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用於針對該多個模式之至少一部分判定該一或多個可分離性得分之一特性。
  12. 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用於：使用在該掃描期間利用該多個模式產生之該輸出作為至一缺陷偵測方法的輸入來偵測該樣品上的事件；將該等事件輸入至該分類器中，以藉此將該等事件分離成該等缺陷及該等滋擾；更改該缺陷偵測方法之一或多個參數；以該缺陷偵測方法之該一或多個經更改參數重複該偵測該等事件步驟；及將藉由該偵測步驟及該重複該偵測步驟而偵測到之該等事件輸入至該分類器中，以藉此將該等事件分離成該等缺陷及該等滋擾。
  13. 如請求項12之系統，其中更改該缺陷偵測方法之該一或多個參數包含：識別該多個模式之一部分，該多個模式之該部分預期能夠偵測數目比該多個模式之另一部分多之該等缺陷；及僅選擇在利用該多個模式之該經識別部分執行之該掃描期間所產生之該輸出作為至該缺陷偵測方法之該輸入。
  14. 如請求項1之系統，其中選擇該多個模式之該子集包括：基於該一或多個可分離性得分來選擇該多個模式之一初始子集；利用該多個模式之該初始子集來執行該掃描；針對該多個模式之該初始子集，重複該判定該可分離性得分步驟；及基於針對該多個模式之該初始子集所判定之該一或多個可分離性得分來選擇該多個模式之一最後子集，以用於檢查與該樣品相同類型的其他樣品。
  15. 如請求項1之系統，其中該分類器經組態為一滋擾過濾器。
  16. 如請求項1之系統，其中該樣品包括一晶圓。
  17. 如請求項1之系統，其中對該樣品進行掃描之該能量包括光，且其中自該樣品偵測到之該能量包括光。
  18. 如請求項1之系統，其中對該樣品進行掃描之該能量包括電子，且其中自該樣品偵測到之該能量包括電子。
  19. 一種儲存程式指令之非暫時性電腦可讀媒體，該等程式指令係在一電腦系統上執行以用於執行一電腦實施之方法，以用於選擇用於檢查一樣品之一模式，其中該電腦實施之方法包括： 判定一檢查子系統之多個模式中之一或多者中之每一者之一可分離性得分，藉此產生一或多個可分離性得分，其中該一或多個模式中之每一者之該可分離性得分係由針對使用由該多個模式中之一者產生之輸出在一樣品上所偵測到之具有一第一所關注缺陷類型之缺陷之一分類器的結果與針對使用由該多個模式中之該一者產生之該輸出在該樣品上所偵測到之滋擾之該分類器的該等結果之間的一差來定義，其中該檢查子系統經組態以用於藉由利用能量掃描該樣品且在該掃描期間偵測來自該樣品之能量來產生針對該樣品之該輸出，且其中該檢查子系統進一步經組態以用於利用由用於產生該輸出之該檢查子系統之至少一個參數之不同值所定義之該多個模式來產生該輸出；及 基於該一或多個可分離性得分來選擇該檢查子系統之該多個模式之一子集以用於檢查與該樣品相同類型的其他樣品，其中由該電腦系統執行判定該可分離性得分步驟及選擇該子集步驟。
  20. 一種用於選擇用於檢查一樣品之一模式之電腦實施之方法，其包括： 判定一檢查子系統之多個模式中之一或多者中之每一者之一可分離性得分，藉此產生一或多個可分離性得分，其中該一或多個模式中之每一者之該可分離性得分係由針對使用由該多個模式中之一者產生之輸出在一樣品上所偵測到之具有一第一所關注缺陷類型之缺陷之一分類器的結果與針對使用由該多個模式中之該一者產生之該輸出在該樣品上所偵測到之滋擾之該分類器的該等結果之間的一差來定義，其中該檢查子系統經組態以用於藉由利用能量掃描該樣品且在該掃描期間偵測來自該樣品之能量來產生針對該樣品之該輸出，且其中該檢查子系統進一步經組態以用於利用由用於產生該輸出之該檢查子系統之至少一個參數之不同值所定義之該多個模式來產生該輸出；及 基於該一或多個可分離性得分來選擇該檢查子系統之該多個模式之一子集以用於檢查與該樣品相同類型的其他樣品，其中由一或多個電腦子系統執行判定該可分離性得分步驟及選擇該子集步驟。
TW108111058A 2018-03-28 2019-03-28 用於檢查之模式選擇 TWI791806B (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
IN201841011800 2018-03-28
IN201841011800 2018-03-28
US201862728705P 2018-09-07 2018-09-07
US62/728,705 2018-09-07
US16/364,098 2019-03-25
US16/364,098 US10670536B2 (en) 2018-03-28 2019-03-25 Mode selection for inspection

Publications (2)

Publication Number Publication Date
TW202004936A true TW202004936A (zh) 2020-01-16
TWI791806B TWI791806B (zh) 2023-02-11

Family

ID=68057078

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108111058A TWI791806B (zh) 2018-03-28 2019-03-28 用於檢查之模式選擇

Country Status (5)

Country Link
US (1) US10670536B2 (zh)
KR (1) KR102472309B1 (zh)
CN (1) CN111837228B (zh)
TW (1) TWI791806B (zh)
WO (1) WO2019191342A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10867108B2 (en) 2018-09-18 2020-12-15 Taiwan Semiconductor Manufacturing Co., Ltd. Optical mode optimization for wafer inspection
US10801968B2 (en) 2018-10-26 2020-10-13 Kla-Tencor Corporation Algorithm selector based on image frames
US11379969B2 (en) * 2019-08-01 2022-07-05 Kla Corporation Method for process monitoring with optical inspections
US11415531B2 (en) * 2019-10-11 2022-08-16 KLA Corp. Statistical learning-based mode selection for multi-mode inspection
KR20210134129A (ko) * 2020-04-29 2021-11-09 삼성전자주식회사 웨이퍼 검사 장치 및 방법
US20230345115A1 (en) * 2020-09-21 2023-10-26 Molecular Devices, Llc Method and system of developing an imaging configuration to optimize performance of a microscopy system
DE102021207130A1 (de) * 2021-07-07 2023-01-12 Zf Friedrichshafen Ag System, Verfahren und Computerprogramm zur automatisierten Befundung wenigstens eines Bauteils

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002303586A (ja) * 2001-04-03 2002-10-18 Hitachi Ltd 欠陥検査方法及び欠陥検査装置
EP1697729B1 (en) * 2003-09-04 2010-11-10 KLA-Tencor Corporation Methods for inspection of a specimen using different inspection parameters
EP1766363A2 (en) 2004-07-12 2007-03-28 Negevtech Ltd. Multi mode inspection method and apparatus
US7570797B1 (en) * 2005-05-10 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for generating an inspection process for an inspection system
US8698093B1 (en) 2007-01-19 2014-04-15 Kla-Tencor Corporation Objective lens with deflector plates immersed in electrostatic lens field
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
US8331669B2 (en) * 2009-08-25 2012-12-11 Siemens Aktiengesellschaft Method and system for interactive segmentation using texture and intensity cues
US8664594B1 (en) 2011-04-18 2014-03-04 Kla-Tencor Corporation Electron-optical system for high-speed and high-sensitivity inspections
US8692204B2 (en) 2011-04-26 2014-04-08 Kla-Tencor Corporation Apparatus and methods for electron beam detection
US8716662B1 (en) 2012-07-16 2014-05-06 Kla-Tencor Corporation Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations
US8948494B2 (en) 2012-11-12 2015-02-03 Kla-Tencor Corp. Unbiased wafer defect samples
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US9310320B2 (en) * 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
US9638644B2 (en) 2013-08-08 2017-05-02 Camtek Ltd. Multiple mode inspection system and method for evaluating a substrate by a multiple mode inspection system
US9430743B2 (en) 2014-03-06 2016-08-30 Kla-Tencor Corp. Composite defect classifier
US9613411B2 (en) 2014-03-17 2017-04-04 Kla-Tencor Corp. Creating defect classifiers and nuisance filters
US10338004B2 (en) 2014-03-27 2019-07-02 KLA—Tencor Corp. Production sample shaping that preserves re-normalizability
US9816939B2 (en) 2014-07-22 2017-11-14 Kla-Tencor Corp. Virtual inspection systems with multiple modes
US9582869B2 (en) 2014-10-19 2017-02-28 Kla-Tencor Corp. Dynamic binning for diversification and defect discovery
US9518934B2 (en) * 2014-11-04 2016-12-13 Kla-Tencor Corp. Wafer defect discovery
US9835566B2 (en) * 2015-03-03 2017-12-05 Kla-Tencor Corp. Adaptive nuisance filter
US20170069075A1 (en) * 2015-09-04 2017-03-09 Canon Kabushiki Kaisha Classifier generation apparatus, defective/non-defective determination method, and program
US10436720B2 (en) 2015-09-18 2019-10-08 KLA-Tenfor Corp. Adaptive automatic defect classification
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
US11580375B2 (en) 2015-12-31 2023-02-14 Kla-Tencor Corp. Accelerated training of a machine learning based model for semiconductor applications
US9916965B2 (en) 2015-12-31 2018-03-13 Kla-Tencor Corp. Hybrid inspectors
US10648924B2 (en) 2016-01-04 2020-05-12 Kla-Tencor Corp. Generating high resolution images from low resolution images for semiconductor applications
US10043261B2 (en) 2016-01-11 2018-08-07 Kla-Tencor Corp. Generating simulated output for a specimen
US10181185B2 (en) 2016-01-11 2019-01-15 Kla-Tencor Corp. Image based specimen process control
US10360477B2 (en) 2016-01-11 2019-07-23 Kla-Tencor Corp. Accelerating semiconductor-related computations using learning based models
US10395356B2 (en) 2016-05-25 2019-08-27 Kla-Tencor Corp. Generating simulated images from input images for semiconductor applications
US10346740B2 (en) 2016-06-01 2019-07-09 Kla-Tencor Corp. Systems and methods incorporating a neural network and a forward physical model for semiconductor applications
US11580398B2 (en) 2016-10-14 2023-02-14 KLA-Tenor Corp. Diagnostic systems and methods for deep learning models configured for semiconductor applications
US10267748B2 (en) 2016-10-17 2019-04-23 Kla-Tencor Corp. Optimizing training sets used for setting up inspection-related algorithms
US10395362B2 (en) 2017-04-07 2019-08-27 Kla-Tencor Corp. Contour based defect detection
US10733744B2 (en) 2017-05-11 2020-08-04 Kla-Tencor Corp. Learning based approach for aligning images acquired with different modalities
US10769761B2 (en) 2017-06-30 2020-09-08 Kla-Tencor Corp. Generating high resolution images from low resolution images for semiconductor applications
US10607119B2 (en) 2017-09-06 2020-03-31 Kla-Tencor Corp. Unified neural network for defect detection and classification
US10748271B2 (en) * 2018-04-25 2020-08-18 Applied Materials Israel Ltd. Method of defect classification and system thereof

Also Published As

Publication number Publication date
KR102472309B1 (ko) 2022-11-29
CN111837228B (zh) 2021-11-30
KR20200127259A (ko) 2020-11-10
TWI791806B (zh) 2023-02-11
WO2019191342A1 (en) 2019-10-03
US10670536B2 (en) 2020-06-02
US20190302031A1 (en) 2019-10-03
CN111837228A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
TWI791806B (zh) 用於檢查之模式選擇
JP7116106B2 (ja) 多重モードを備えた検査システム及び方法
JP7026719B2 (ja) 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング
JP5619776B2 (ja) ウエハの検査のための１つまたは複数のパラメータの選択方法
KR102083706B1 (ko) 반도체 검사 레시피 생성, 결함 리뷰 및 계측을 위한 적응적 샘플링
CN109844919B (zh) 优化用于设置检验相关算法的训练组
TW201725381A (zh) 於樣品上判定所關注圖案之一或多個特性
KR102629852B1 (ko) 다중-모드 검사를 위한 통계적 학습-기반 모드 선택
TW202030475A (zh) 基於設計及雜訊之關注區域
CN111563870B (zh) 图像处理方法和设备、检测方法和装置、存储介质
TW202104878A (zh) 用於檢測之缺陷候選的產生