TW202104884A - 偵測稀有隨機缺陷的系統與方法 - Google Patents

偵測稀有隨機缺陷的系統與方法 Download PDF

Info

Publication number
TW202104884A
TW202104884A TW109105785A TW109105785A TW202104884A TW 202104884 A TW202104884 A TW 202104884A TW 109105785 A TW109105785 A TW 109105785A TW 109105785 A TW109105785 A TW 109105785A TW 202104884 A TW202104884 A TW 202104884A
Authority
TW
Taiwan
Prior art keywords
pattern
dense
defect
functional
rare
Prior art date
Application number
TW109105785A
Other languages
English (en)
Other versions
TWI836015B (zh
Inventor
蓋 寇罕
Original Assignee
以色列商應用材料以色列公司
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 以色列商應用材料以色列公司 filed Critical 以色列商應用材料以色列公司
Publication of TW202104884A publication Critical patent/TW202104884A/zh
Application granted granted Critical
Publication of TWI836015B publication Critical patent/TWI836015B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
    • 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
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
    • 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
    • H01J37/02—Details
    • H01J37/22—Optical or photographic arrangements associated with the tube
    • H01J37/222—Image processing arrangements associated with the tube
    • 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
    • H01J2237/245—Detection characterised by the variable being measured
    • H01J2237/24592—Inspection and quality control of devices

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

一種用於偵測稀有隨機缺陷之方法，方法可包括在基板之密集圖案中搜尋稀有隨機缺陷，其中稀有隨機缺陷(a)為奈米級的，(b)以低於10-9 之缺陷密度出現在基板之功能性圖案中，及(c)以高於10-7 之缺陷密度出現在密集圖案中；其中密集圖案為功能性圖案之密集表示，其不同於功能性圖案，不同之處在於(a)密集圖案之特徵之間的距離以及(b)密集圖案之特徵的寬度中之至少一者；以及基於搜尋之結果來估計功能性圖案內稀有隨機缺陷之發生率。

Description

偵測稀有隨機缺陷的系統與方法
本申請案主張2019年2月25日提交之美國臨時申請案第62/810,116號之權益，出於所有目的將該案之全部內容以引用方式併入本文中。
本揭示案係關於用於偵測稀有隨機缺陷之系統及方法。
極紫外線(extreme ultra violet; EUV)微影會產生稀有隨機缺陷。每個基板僅可允許少數稀有隨機缺陷。可以各種方式並藉由各種實體（例如，基板之製造商、消費者、基板之設計者，及其類似者）來定義每個基板所允許之稀有隨機缺陷的數目。
比率稀少之隨機缺陷可具有不超過10-9 之缺陷密度。稀有隨機缺陷為奈米級的（具有奈米級尺寸），且可能包括切口、線條之間非所要的橋、缺失斑點、斑點之間非所要的橋，及其類似者。
稀有隨機缺陷為奈米級的，且太小而難以藉由光學工具偵測到。稀有隨機缺陷之稀有本質需要帶電粒子束工具來掃描整個基板，以便偵測稀有隨機缺陷，因為預計每個晶圓僅存在少數稀有隨機缺陷。掃描整個基板耗時且不切實際。
愈來愈需要提供一種高效、快速且可靠的方式來偵測稀有隨機缺陷。
一種用於偵測稀有隨機缺陷之方法，該方法包括：在基板之密集圖案中搜尋稀有隨機缺陷，其中稀有隨機缺陷(a)為奈米級的，(b)以低於10-9 之缺陷密度出現在基板之功能性圖案中，及(c)以高於10-7 之缺陷密度出現在密集圖案中；其中密集圖案為功能性圖案之密集表示，其不同於功能性圖案，不同之處在於(a)密集圖案之特徵之間的距離以及(b)密集圖案之特徵的寬度中之至少一者；以及基於搜尋之結果來估計功能性圖案內稀有隨機缺陷之發生率。
一種電腦可讀媒體，該電腦可讀媒體為非暫時性的且儲存用於在基板之密集圖案中搜尋稀有隨機缺陷的指令，其中稀有隨機缺陷以低於10-9 之缺陷密度出現在基板之功能性圖案中且以高於10-7 之缺陷密度出現在密集圖案中；其中密集圖案為功能性圖案之密集表示，其不同於功能性圖案，不同之處在於(a)密集圖案之特徵之間的距離以及(b)密集圖案之特徵的寬度中之至少一者；以及基於搜尋之結果來估計功能性圖案內稀有隨機缺陷之發生率。
一種用於偵測稀有隨機缺陷之系統，該系統包括：成像器，該成像器經配置以藉由帶電粒子束照射基板之密集圖案並產生密集圖案之影像；處理器，該處理器經配置以：基於密集圖案之照射的結果來搜尋密集圖案中之稀有隨機缺陷，其中稀有隨機缺陷以低於10-9 之缺陷密度出現在基板之功能性圖案中且以高於10-7 之缺陷密度出現在密集圖案中；其中密集圖案為功能性圖案之密集表示，其不同於功能性圖案，不同之處在於(a)密集圖案之特徵之間的距離以及(b)密集圖案之特徵的寬度中之至少一者；以及基於搜尋之結果來估計功能性圖案內稀有隨機缺陷之發生率。
在以下詳細描述中，為了提供對本發明的透徹理解，闡述諸多特定細節。然而，熟習此項技術者將理解，可在無此些特定細節的情況下實踐本發明。在其他情形下，未詳細描述熟知方法、程序及部件，以免混淆本發明。
在本說明書之結論部分中特別指出並明確主張被視為本發明之標的。然而，當結合隨附圖式閱讀時，關於組織及操作方法，連同其目標、特徵以及優勢，可藉由參考以下詳細描述最佳地理解本發明。
將了解，為了說明的簡單及清楚，諸圖中所示之元件未必按比例繪製。舉例而言，為了清楚，該等元件中之一些的尺寸可能相對於其他元件而言被放大。另外，在認為適當的情況下，可在諸圖中重複元件符號，以指示對應的或類似的元件。
因為本發明之所示實施例的大部分可使用熟習此項技術者所已知之電子部件及電路來實現，所以為了理解並了解本發明之基本概念且以免混淆或分散本發明之教示，將不以比如以上所示被視為必要之程度更大的程度來解釋細節。
說明書中對方法之任何引用應在經必要修改後應用於能夠執行該方法之系統，且應在經必要修改後應用於電腦可讀媒體，該電腦可讀媒體為非暫時性的且儲存有用於執行該方法之指令。
說明書中對系統之任何引用應在經必要修改後應用於可由該系統執行之方法，且應在經必要修改後應用於電腦可讀媒體，該電腦可讀媒體為非暫時性的且儲存有可由該系統執行之指令。
說明書中對非暫時性之電腦可讀媒體之任何引用應在經必要修改後應用於當執行儲存在該電腦可讀媒體中之指令時可應用的方法，且應在經必要修改後應用於經配置以執行儲存在該電腦可讀媒體中之指令的系統。
可提供用於偵測稀有隨機缺陷之系統、方法及電腦可讀媒體。
稀有隨機缺陷具有與所考慮的圖案之大小（例如，線條或間隔的寬度，或孔或柱的外徑）成正比的統計值（發生機率）。
基板可為半導體晶圓。
基板可被製造成包括一或更多個靶，每一靶包括一或更多個密集圖案。密集圖案之密度極大地增加了在一或更多個靶中發生比率隨機缺陷的機會，且因此，極大地增加了偵測一或更多個靶中之比率隨機缺陷的機會。
表1圖示圖案寬度與缺陷密度之間的關係之實例（該關係為隨機缺陷之發生機率的函數，且可反映出每個區域、每個圖案及其類似者之缺陷數目）。圖案可包括多個特徵（特徵可為線條、斑點及其類似者），且表1中所列出之寬度可為(a)特徵之寬度，或(b)相鄰特徵之間的距離。
圖案寬度[奈米] 缺陷密度
30 10-14
29 10-13
28 10-12
27 10-11
26 10-10
25 10-9
24 10-8
23 10-7
22 10-6
21 10-5
20 10-4
表1
舉例而言，假設期望的圖案寬度為30奈米且缺陷密度（在功能性圖案中—為期望寬度之圖案）不應超過10-13 ，則在包括寬度為20奈米之密集圖案的靶上，缺陷密度不應超過10-5 。
因此，藉由將圖案寬度自30奈米改變為20奈米，找出缺陷之機率增大了約108 倍。
一或更多個靶可覆蓋整個基板之很小一部分（低於百分之一、低於百分之十，及其類似者），且可藉由帶電粒子工具在合理的時間量內掃描一或更多個靶。
靶之圖案可為任何形狀，例如，線條（或其他結構）的陣列，其足夠大以收集缺陷之有意義的統計值，其中間隔寬度減小了一定的百分比。
第1圖圖示基板10，第一類型的功能性圖案11、第二類型的功能性圖案12、第一類型的靶（諸如，密集線條之陣列）13及第二類型的靶（諸如，斑點之陣列）14。
第2圖圖示不同類型之稀有隨機缺陷。
第2圖包括不同圖案之部分，該等不同圖案包括稀有隨機缺陷。
第一圖案41的一部分包括線條51之陣列的一部分以及非所想要的橋61。
第二圖案42的一部分包括線條51之陣列的一部分以及切口62。
第三圖案43的一部分包括斑點55之陣列的一部分以及缺失斑點63。
第四圖案44的一部分包括斑點55之陣列的一部分以及非所想要的橋64。
第五圖案45的一部分包括線條52之陣列的一部分以及非所想要的橋65。
第六圖案46的一部分包括線條53之陣列的一部分以及切口66。
第七圖案47的一部分包括斑點56之陣列的一部分以及缺失斑點67。
第八圖案48的一部分包括斑點57之陣列的一部分以及非所想要的橋68。
第3圖圖示包括一系列步驟之方法20。該等步驟可包括： ○步驟22：在密集圖案之靶中搜尋隨機缺陷。該等密集圖案比位於該等靶外部之功能性圖案更密集。功能性意謂該圖案在晶粒之操作期間被使用。該等靶通常專用於測試。 ○步驟24：基於步驟22之結果來估計在靶外部稀有隨機缺陷之發生率。 ○步驟26：回應該估計，例如，基於步驟24之估計而將基板定義為有缺陷基板或無缺陷基板。舉例而言，比較已估計之缺陷密度與可允許之缺陷閾值並確定基板為可接受的還是有缺陷的。
第4圖圖示用於偵測稀有隨機缺陷之方法100。
方法100可以在基板之密集圖案中搜尋稀有隨機缺陷之步驟110開始，其中稀有隨機缺陷(a)為奈米級的，(b)以低於10-9 之缺陷密度出現在基板之功能性圖案中，及(c)以高於10-6 之缺陷密度出現在密集圖案中。
步驟110可包括藉由帶電粒子束照射密集圖案且產生密集圖案之影像（影像可覆蓋整個密集圖案之至少一部分）。
或者，步驟110可包括接收（例如，藉由不屬於帶電粒子系統之遠端電腦）關於密集圖案之資訊。該資訊可包括密集圖案之一或更多個影像。
密集圖案為功能性圖案之密集表示。密集圖案應包括相同特徵且可具有可與功能性圖案不同之佈置，不同之處在於(a)密集圖案之特徵之間的距離以及(b)密集圖案之特徵的寬度中之至少一者。
假設功能性圖案包括線條之陣列，則對應的密集圖案將包括線條之更密集陣列。密集圖案之線條的寬度可小於功能性圖案之線條的寬度。另外或其他，密集圖案之相鄰線條之間的距離可小於功能性圖案之相鄰線條之間的距離。
假設功能性圖案包括斑點之陣列，則對應的密集圖案將包括斑點之更密集陣列。密集圖案之斑點的寬度可小於功能性圖案之斑點的寬度。另外或其他，密集圖案之相鄰斑點之間的距離可小於功能性圖案之相鄰斑點之間的距離。
密集圖案及功能性圖案可為線條之陣列。
步驟110可包括搜尋線條內之切口以及線條之間的非所想要的橋中之至少一者。
密集圖案及功能性圖案可為斑點之陣列。
步驟110可包括搜尋缺失斑點以及斑點之間的非所想要的橋中之至少一者。
步驟110之後可為基於搜尋之結果來估計功能性圖案內稀有隨機缺陷之發生率的步驟120。
該估計可包括確定跨越基板或跨越基板的一或更多個部分之功能性圖案內的稀有隨機缺陷之缺陷密度。
步驟120可包括：步驟122，確定密集圖案中的稀有隨機缺陷之缺陷密度；以及步驟124，基於(a)密集圖案中的稀有隨機缺陷之缺陷密度以及(b)密集圖案及功能性圖案內的稀有隨機缺陷之缺陷密度之間的關係來確定功能性圖案中的稀有隨機缺陷之缺陷密度。在表1中圖示出該關係之實例。
步驟120之後可為回應步驟120之結果的步驟130。
步驟130可包括基於功能性圖案內稀有隨機缺陷之發生率來評估基板之品質。
步驟130可包括當功能性圖案內的稀有隨機缺陷之缺陷密度超過預定義閾值時取消基板的資格。該預定義閾值可由基板之製造商、消費者及其類似者來定義。
雖然關於測試圖案及稀有隨機缺陷圖示出方法100，但可針對多個密集圖案應用該方法，且該搜尋可包括搜尋不同類型的稀有隨機缺陷。應注意，可在單個密集圖案中搜尋不同的稀有隨機缺陷。
舉例而言，可搜索線條之密集圖案（在步驟110期間）以尋找線條內之切口及/或尋找線條之間的非所想要的橋。
對於另一實例而言，可搜索斑點之密集圖案（在步驟110期間）以尋找缺失斑點及/或尋找斑點之間的非所想要的橋。
舉例而言，步驟130之後可為選擇另一密集圖案並重複步驟110、120及130以尋找一或更多個其他稀有隨機缺陷。
因此，在方法100之下一次重複期間，步驟110可包括在基板之另一密集圖案中搜尋另一稀有隨機缺陷；其中另一稀有隨機缺陷以低於10-9 之缺陷密度出現在基板之另一功能性圖案中且以高於10-6 之缺陷密度出現在另一密集圖案中；其中搜尋包括藉由帶電粒子束照射另一密集圖案；其中另一密集圖案為另一功能性圖案之密集表示，其與另一功能性圖案不同，不同之處在於(a)另一密集圖案之特徵之間的距離以及(b)另一密集圖案之特徵的寬度中之至少一者；其中另一稀有隨機缺陷在類型上與稀有隨機缺陷不同。
在方法100之下一次重複期間，步驟120將包括基於搜尋另一稀有隨機缺陷之結果來估計另一功能性圖案內另一稀有隨機缺陷之發生率。
步驟110可藉由可為帶電粒子系統之系統來執行。應注意，步驟120及130可藉由該系統或藉由另一系統（例如，藉由遠端電腦）來執行。
第5圖圖示系統200之實例。
圖200包括成像器210及處理器220。
成像器210可為電子束成像器、電子束顯微鏡、離子顯微鏡、離子成像器及其類似者。電子束顯微鏡可為掃描電子顯微鏡、透射電子顯微鏡，及其類似者。
系統200可經配置以執行方法20，且另外或其他可經配置以執行方法100。
舉例而言，成像器210可經配置以藉由帶電粒子束照射基板之密集圖案並產生密集圖案之影像。
處理器220可經配置以： ○基於對密集圖案之照射結果來搜尋密集圖案中之稀有隨機缺陷，其中稀有隨機缺陷以低於10-9 之缺陷密度出現在基板之功能性圖案中且以高於10-7 之缺陷密度出現在密集圖案中。密集圖案為功能性圖案之密集表示，其可與功能性圖案不同，不同之處在於(a)密集圖案之特徵之間的距離以及(b)密集圖案之特徵的寬度中之至少一者。 ○基於搜尋之結果來估計功能性圖案內稀有隨機缺陷之發生率。
在前述說明書中，已參考本發明之實施例的特定實例描述了本發明。然而，顯而易見，可在不脫離如在附加申請專利範圍中所闡述的本發明之更廣泛精神及範疇的情況下在其中作出各種修改及改變。
此外，在描述中及在申請專利範圍中，術語「前」、「後」、「頂部」、「底部」、「之上」、「下方」及其類似術語（若存在的話）是用於描述性目的而未必用於描述永久性相對位置。應理解，在適當情況下，如此使用之術語為可互換的，以使得本文所述之本發明的實施例（例如）能夠以不同於本文所圖示或以其他方式描述之定向的定向進行操作。
如本文所論述之連接可為適合於（例如）經由中間設備自相應節點、單元或設備傳送訊號或向相應節點、單元或設備傳送訊號之任何類型的連接。因此，除非另有暗指或說明，否則連接可為（例如）直接連接或間接連接。可參考為單個連接、複數個連接、單向連接或雙向連接來圖示或描述該等連接。然而，不同的實施例可改變連接之實施。舉例而言，可使用單獨的單向連接而不是雙向連接，且反之亦然。又，可以串列地或以分時多工方式傳送多個訊號之單個連接來替代複數個連接。同樣，承載多個訊號之單個連接可被分離成承載此些訊號之子集的各種不同連接。因此，存在許多用於傳送訊號之選項。
有效地將用以實現相同功能之部件的任何佈置「相關聯」，以使得實現所期望之功能。因而，可將本文中相組合以實現特定功能之任何兩個部件視為彼此「相關聯」，以使得實現所期望之功能，而與架構或中間部件無關。同樣，亦可將如此相關聯之任何兩個部件視為彼此「可操作地連接」或「可操作地耦接」以實現所期望之功能。
另外，熟習此項技術者將認識到，上述操作之間的界限僅為說明性的。可將多個操作組合成單個操作，可將單個操作分佈在額外操作中，且可在時間上至少部分重疊地執行操作。此外，替代實施例可包括特定操作之多個個例，且在各種其他實施例中可改變操作之次序。
又，例如，在一個實施例中，可將所示實例實施為位於單個積體電路上或在同一設備內之電路系統。或者，可將實例實施為以適當方式彼此互連之任何數目個單獨積體電路或單獨設備。
然而，其他修改、變化及替代亦為可能的。因此，應在說明性含義上而非限制性含義上來考慮說明書及圖式。
在申請專利範圍中，放在括號之間的任何參考符號皆不應被解釋為限制申請專利範圍。詞「包括」不排除除了申請專利範圍中所列出之元件或步驟以外的其他元件或步驟的存在。另外，如本文中所使用，術語「一(a)」或「一(an)」被定義為一個或多於一個。又，在申請專利範圍中使用諸如「至少一個」及「一或更多個」之介紹性片語不應被解釋為暗指由不定冠詞「一(a)」或「一(an)」介紹另一請求項要素將含有此已介紹的請求項要素之任何特定請求項限於僅含有一個此種要素的發明，即使同一請求項包括介紹性片語「一或更多個」或「至少一個」以及不定冠詞（諸如，「一(a)」或「一(an)」）。定冠詞之使用亦為如此。除非另有說明，否則術語「第一」及「第二」用以任意地在此些術語所描述之要素之間進行區分。因此，此些術語未必意欲指示此些要素的時間或其他優先級。在互不相同之請求項中列舉出某些措施的事實並不指示無法有利地使用此些措施之組合。
雖然本文中已圖示並描述了本發明之某些特徵，但一般熟習此項技術者現能想到許多修改、替換、改變及等效物。因此，應理解，附加申請專利範圍意欲涵蓋如在本發明之真正精神之內的所有此些修改及改變。
10:基板 11:第一類型的功能性圖案 12:第二類型的功能性圖案 13:第一類型的靶 14:第二類型的靶 20:方法 22:步驟 24:步驟 26:步驟 41:第一圖案 42:第二圖案 43:第三圖案 44:第四圖案 45:第五圖案 46:第六圖案 47:第七圖案 48:第八圖案 51:線條 52:線條 53:線條 55:斑點 56:斑點 57:斑點 61:橋 62:切口 63:缺失斑點 64:橋 65:橋 66:切口 67:缺失斑點 68:橋 100:方法 110:步驟 120:步驟 122:步驟 124:步驟 200:系統 210:成像器 220:處理器
在本說明書之結論部分中特別指出並明確主張被視為本發明之標的。然而，當結合隨附圖式閱讀時，關於組織及操作方法，連同其目標、特徵以及優勢，可藉由參考以下詳細描述最佳地理解本發明，在該等圖式中：
第1圖圖示基板之實例；
第2圖圖示不同類型之稀有隨機缺陷；
第3圖圖示方法之實例；
第4圖圖示方法之實例；以及
第5圖圖示系統之實例。
國內寄存資訊(請依寄存機構、日期、號碼順序註記) 無 國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記) 無
20:方法
22:步驟
24:步驟
26:步驟

Claims (19)

  1. 一種用於偵測一稀有隨機缺陷之方法，該方法包括以下步驟： 在一基板之一密集圖案中搜尋一稀有隨機缺陷，其中該稀有隨機缺陷(a)為奈米級的，(b)以低於10-9 之一缺陷密度出現在該基板之一功能性圖案中，及(c)以高於10-7 之一缺陷密度出現在該密集圖案中；其中該密集圖案為該功能性圖案之一密集表示，其不同於該功能性圖案，不同之處在於(a)該密集圖案之特徵之間的一距離以及(b)該密集圖案之該等特徵的一寬度中之至少一者；以及 基於該搜尋之一結果來估計該功能性圖案內該稀有隨機缺陷之一發生率。
  2. 如請求項1所述之方法，其中該估計之步驟包括以下步驟： 確定該密集圖案中的該稀有隨機缺陷之一缺陷密度；以及 基於(a)該密集圖案中的該稀有隨機缺陷之該缺陷密度以及(b)密集圖案及功能性圖案內的該稀有隨機缺陷之缺陷密度之間的一關係來確定該功能性圖案中的該稀有隨機缺陷之一缺陷密度。
  3. 如請求項1所述之方法，其中該密集圖案及該功能性圖案為線條之陣列。
  4. 如請求項3所述之方法，其中該稀有隨機缺陷之該搜尋之步驟包括以下步驟：搜尋一線條內之一切口及線條之間的一非所需要的橋中之至少一者。
  5. 如請求項1所述之方法，其中該密集圖案及該功能性圖案為斑點之陣列。
  6. 如請求項5所述之方法，其中該稀有隨機缺陷之該搜尋之步驟包括以下步驟：搜尋一缺失斑點及斑點之間的一非所需要的橋中之至少一者。
  7. 如請求項1所述之方法，包括以下步驟：基於該功能性圖案內該稀有隨機缺陷之該發生率來評估該基板之一品質。
  8. 如請求項7所述之方法，其中該基板之該品質的該評估之步驟包括以下步驟：當該功能性圖案內的該稀有隨機缺陷之一缺陷密度超過一預定義閾值時取消一基板的資格。
  9. 如請求項1所述之方法，包括以下步驟：回應該功能性圖案內該稀有隨機缺陷的該發生率。
  10. 如請求項11所述之方法，其中該搜尋之步驟包括以下步驟：藉由一帶電粒子束來照射該密集圖案。
  11. 如請求項1所述之方法，包括以下步驟： 在該基板之另一密集圖案中搜尋另一稀有隨機缺陷；其中該另一稀有隨機缺陷以低於10-9 之一缺陷密度出現在該基板之另一功能性圖案中且以高於10-7 之一缺陷密度出現在該另一密集圖案中；其中該另一密集圖案為該另一功能性圖案之一密集表示，其與該另一功能性圖案不同，不同之處在於(a)該另一密集圖案之特徵之間的一距離以及(b)該另一密集圖案之特徵的一寬度中之至少一者；其中該另一稀有隨機缺陷在類型上與稀有隨機缺陷不同；以及 基於該搜尋該另一稀有隨機缺陷之一結果來估計該另一功能性圖案內該另一稀有隨機缺陷的該發生率。
  12. 如請求項11所述之方法，其中該搜尋之步驟包括以下步驟：藉由一帶電粒子束來照射該另一密集圖案。
  13. 一種電腦可讀媒體，該電腦可讀媒體為非暫時性的且儲存指令，該等指令用於 在一基板之一密集圖案中搜尋一稀有隨機缺陷，其中該稀有隨機缺陷以低於10-9 之一缺陷密度出現在該基板之一功能性圖案中且以高於10-7 之一缺陷密度出現在該密集圖案中；其中該密集圖案為該功能性圖案之一密集表示，其不同於該功能性圖案，不同之處在於(a)該密集圖案之特徵之間的一距離以及(b)該密集圖案之該等特徵的一寬度中之至少一者；以及 基於該搜尋之一結果來估計該功能性圖案內該稀有隨機缺陷之一發生率。
  14. 一種用於偵測一稀有隨機缺陷之系統，該系統包括： 一成像器，該成像器經配置以藉由一帶電粒子束照射一基板之一密集圖案並產生該密集圖案之影像； 一處理器，該處理器經配置以： 基於該密集圖案之該照射的一結果來搜尋該密集圖案中之一稀有隨機缺陷，其中該稀有隨機缺陷以低於10-9 之一缺陷密度出現在該基板之一功能性圖案中且以高於10-7 之一缺陷密度出現在該密集圖案中；其中該密集圖案為該功能性圖案之一密集表示，其不同於該功能性圖案，不同之處在於(a)該密集圖案之特徵之間的一距離以及(b)該密集圖案之該等特徵的一寬度中之至少一者；以及 基於該搜尋之一結果來估計該功能性圖案內該稀有隨機缺陷之一發生率。
  15. 如請求項14所述之系統，其中該處理器經配置以： 確定該密集圖案中的該稀有隨機缺陷之一缺陷密度；以及 基於(a)該密集圖案中的該稀有隨機缺陷之該缺陷密度以及(b)密集圖案及功能性圖案內的該稀有隨機缺陷之缺陷密度之間的一關係來確定該功能性圖案中的該稀有隨機缺陷之一缺陷密度。
  16. 如請求項14所述之系統，其中該處理器經配置以基於該功能性圖案內該稀有隨機缺陷之該發生率來評估該基板之一品質。
  17. 如請求項15所述之系統，其中該基板之一品質的一評估包括當該功能性圖案內的該稀有隨機缺陷之一缺陷密度超過一預定義閾值時取消一基板的資格。
  18. 如請求項14所述之系統，其中該處理器經配置以回應該功能性圖案內該稀有隨機缺陷的該發生率。
  19. 如請求項14所述之系統，其中該成像器經配置以藉由該帶電離子束來照射該基板之另一密集圖案並產生該另一密集圖案之影像；以及 其中該處理器經配置以： 在該基板之另一密集圖案中搜尋另一稀有隨機缺陷；其中該另一稀有隨機缺陷以低於10-9 之一缺陷密度出現在該基板之另一功能性圖案中且以高於10-7 之一缺陷密度出現在該另一密集圖案中；其中該另一密集圖案為該另一功能性圖案之一密集表示，其與該另一功能性圖案不同，不同之處在於(a)該另一密集圖案之特徵之間的一距離以及(b)該另一密集圖案之該等特徵的一寬度中之至少一者；其中該另一稀有隨機缺陷在類型上與稀有隨機缺陷不同；以及 基於該搜尋該另一稀有隨機缺陷之一結果來估計該另一功能性圖案內該另一稀有隨機缺陷的該發生率。
TW109105785A 2019-02-25 2020-02-24 偵測稀有隨機缺陷的系統與方法與電腦可讀媒體 TWI836015B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962810116P 2019-02-25 2019-02-25
US62/810,116 2019-02-25

Publications (2)

Publication Number Publication Date
TW202104884A true TW202104884A (zh) 2021-02-01
TWI836015B TWI836015B (zh) 2024-03-21

Family

ID=72239814

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109105785A TWI836015B (zh) 2019-02-25 2020-02-24 偵測稀有隨機缺陷的系統與方法與電腦可讀媒體

Country Status (6)

Country Link
US (1) US11860551B2 (zh)
JP (1) JP2022522433A (zh)
KR (1) KR20210122307A (zh)
CN (1) CN113424107B (zh)
TW (1) TWI836015B (zh)
WO (1) WO2020176270A1 (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6171737B1 (en) * 1998-02-03 2001-01-09 Advanced Micro Devices, Inc. Low cost application of oxide test wafer for defect monitor in photolithography process
US20080099438A1 (en) * 2006-11-01 2008-05-01 Yijian Chen Wavefront modulation methods for EUV maskless lithography
NL2009982A (en) * 2012-01-10 2013-07-15 Asml Netherlands Bv Source mask optimization to reduce stochastic effects.
JP6078234B2 (ja) * 2012-04-13 2017-02-08 株式会社日立ハイテクノロジーズ 荷電粒子線装置
CN104062305B (zh) * 2014-07-28 2017-10-03 上海华力微电子有限公司 一种集成电路缺陷的分析方法
US10262408B2 (en) * 2017-04-12 2019-04-16 Kla-Tencor Corporation System, method and computer program product for systematic and stochastic characterization of pattern defects identified from a semiconductor wafer
US10599046B2 (en) * 2017-06-02 2020-03-24 Samsung Electronics Co., Ltd. Method, a non-transitory computer-readable medium, and/or an apparatus for determining whether to order a mask structure
US11403453B2 (en) * 2017-07-12 2022-08-02 Asml Netherlands B.V. Defect prediction
WO2020100180A1 (ja) * 2018-11-12 2020-05-22 株式会社日立ハイテク 欠陥の発生を推定するシステム、及びコンピューター可読媒体

Also Published As

Publication number Publication date
CN113424107A (zh) 2021-09-21
KR20210122307A (ko) 2021-10-08
TWI836015B (zh) 2024-03-21
CN113424107B (zh) 2023-09-19
US20210373441A1 (en) 2021-12-02
WO2020176270A1 (en) 2020-09-03
JP2022522433A (ja) 2022-04-19
US11860551B2 (en) 2024-01-02

Similar Documents

Publication Publication Date Title
US10672588B1 (en) Using deep learning based defect detection and classification schemes for pixel level image quantification
US8750597B2 (en) Robust inspection alignment of semiconductor inspection tools using design information
US6909092B2 (en) Electron beam apparatus and device manufacturing method using same
CN112219111B (zh) 使用于晶片噪声公害识别的扫描式电子显微镜及光学图像相关
JP6141353B2 (ja) ウェーハを検査しかつ／または分類するシステム
Patterson et al. Detection of sub-design rule physical defects using E-beam inspection
US7739065B1 (en) Inspection plan optimization based on layout attributes and process variance
KR100648201B1 (ko) 기판 검사 방법 및 이를 수행하기 위한 기판 검사 장치
KR20160022377A (ko) 자유형의 주의 영역들을 사용한 웨이퍼 검사
JP2019008599A (ja) 順伝播型ニューラルネットワークを用いた画像ノイズ低減方法
IL281403B2 (en) Characterization of defects revealed by extreme ultraviolet light
KR20120052323A (ko) 설계 및 결함 데이터를 사용한 스캐너 성능 비교 및 매칭
TWI750368B (zh) 光學檢驗結果之計量導引檢驗樣品成形
TW202104884A (zh) 偵測稀有隨機缺陷的系統與方法
US10380731B1 (en) Method and system for fast inspecting defects
US9779910B1 (en) Utilization of voltage contrast during sample preparation for transmission electron microscopy
Srivastava et al. In-line inspection of DRC generated Hotspots
TW202011121A (zh) 用於較佳設計對準之目標選擇改良
Blauberg et al. Understanding process and design systematics: Case study on monitoring strategy and understanding root cause of fin defectivity
JP4388045B2 (ja) パターン検査方法
Chiu et al. Critical Defect Detection at 3nm Technology Node: Enhanced Detection Using DUV Optical Inspection Technology With AI-Based Algorithm
Kazmiruk et al. Optimization of e-beam systems for wafer defect inspection and for die-to-database verification
Andrade et al. Targeted Defect Analysis for Yield Improvement
Sheridan et al. Mask qualification of a shifted gate contact issue by physical e-beam inspection and high landing energy SEM review: DI: Defect Inspection and Reduction
Singh et al. Random defect limited yield using a deterministic model