TW202129261A - 控制樣本檢測之程序 - Google Patents

控制樣本檢測之程序 Download PDF

Info

Publication number
TW202129261A
TW202129261A TW109134346A TW109134346A TW202129261A TW 202129261 A TW202129261 A TW 202129261A TW 109134346 A TW109134346 A TW 109134346A TW 109134346 A TW109134346 A TW 109134346A TW 202129261 A TW202129261 A TW 202129261A
Authority
TW
Taiwan
Prior art keywords
sample
interest
detection
changes
region
Prior art date
Application number
TW109134346A
Other languages
English (en)
Inventor
伯裘恩 布拉爾
虎成 李
相奉 朴
Original Assignee
美商科磊股份有限公司
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 美商科磊股份有限公司 filed Critical 美商科磊股份有限公司
Publication of TW202129261A publication Critical patent/TW202129261A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • 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
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • 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
    • 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
    • G01N2021/8861—Determining coordinates of flaws
    • G01N2021/8864—Mapping zones of 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
    • G01N21/8851—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
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

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

Abstract

本發明提供用於控制一樣本檢測之一程序之方法及系統。一個系統包含一或多個電腦子系統，該一或多個電腦子系統經組態用於判定針對一樣本上之一關注區域之多個例項產生之差異影像之一統計特性且相較於針對一或多個其他樣本上之該關注區域之多個例項產生之差異影像之一統計特性判定該統計特性之變動。另外，該一或多個電腦子系統經組態用於基於該變動判定用於偵測該樣本上之該關注區域中之缺陷之一或多個參數之一或多個改變。

Description

控制樣本檢測之程序
本發明大體上係關於用於控制一樣本檢測之一程序之方法及系統。
以下描述及實例不因其等包含於此段落中而被承認係先前技術。
在一半導體製造程序期間之各個步驟使用檢測程序以偵測倍縮光罩及晶圓上之缺陷以促進製造程序中之更高良率及因此更高利潤。檢測始終係製造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，檢測對於可接受半導體裝置之成功製造變得更為重要，此係因為較小缺陷可引起裝置故障。
如在此項技術中通常提及之「關注區域」係一樣本上針對檢測目的之所關注區域。有時，關注區域用於區分樣本上經檢測之區域與樣本上在一檢測程序中未檢測之區域。另外，關注區域有時用於區分樣本上使用一或多個不同參數檢測之區域。例如，若一樣本之一第一區域比樣本上之一第二區域更關鍵，則可使用高於第二區域之一靈敏度檢測第一區域使得在第一區域中使用一更高靈敏度偵測缺陷。可以一類似方式隨關注區域更改一檢測程序之其他參數。
當前使用檢測關注區域之不同類別。一個類別係傳統上手動繪製之舊型關注區域。在幾乎全部使用者採用設計導引之檢測之情況下，當前使用非常少舊型關注區域。另一類別係基於設計之關注區域。此等係基於對列印於樣本上之晶片設計圖案之直觀推斷導出之關注區域。使用者嘗試查看晶片設計且導出將有助於導出關注區域之方法/指令檔。存在可用於定義此等基於設計之關注區域之多個技術及工具。由於其等係自地面實況(晶片設計)導出，故其等可提供高精確度、實質上微型關注區域且亦容許檢測系統儲存大量關注區域。此等關注區域不僅自一缺陷偵測觀點係重要的，而且其等對於雜訊抑制通常亦係關鍵的。
一些當前使用之檢測方法亦使用關注區域之規則群組，其中具有不同雜訊行為之關注區域被分組在一起且甚至一個單一關注區域可包含具有不同雜訊行為之許多不同結構。為了識別其中雜訊更高之區域，必須反復執行一所謂的基於設計之搜尋之若干反覆。此程序耗費許多時間。
因此，涉及關注區域之用於檢測之當前使用的方法及系統具有數個缺點。例如，得出結果之時間實質上緩慢，此係因為必須執行搜尋具有雜訊之結構之若干反覆。有時，歸因於複雜性，無法手動地識別全部具有雜訊之結構。在此情況中，損及用於檢測具有較少雜訊之區域之靈敏度，此係因為具有較多雜訊之區域落在相同關注區域群組中。此降低之檢測靈敏度可防止發現關鍵所關注缺陷(DOI)。
缺陷偵測通常係基於藉由自一測試影像減去一參考影像而產生之差異影像執行。在一些情況中，直接使用差異影像灰階以產生一二維(2D)直方圖，在此之後，識別離群點。該等離群點可係DOI或擾亂點事件。在一些情況中，將一所謂的差異濾波器應用至差異影像，此意謂將差異影像與差異濾波器之矩陣卷積。一般言之，在使用及不使用一差異濾波器之情況下，可將差異影像之計算視為靜態且在其計算中不考量晶圓之間之差異。
因此，當前使用之檢測方法及系統可具有額外缺點。例如，當樣本製造程序已改變時，損及檢測之靈敏度且必須重新調諧檢測配方。另外，全部屬性用於配方調諧而無關於其等在考量程序變動時如何穩定。此外，在執行缺陷偵測時不考量照明參數(諸如照明及增益)之改變。
因此，開發用於控制一樣本檢測之一程序而無上文描述之一或多個缺點之系統及方法將係有利的。
各項實施例之以下描述絕不應理解為限制隨附發明申請專利範圍之標的。
一項實施例係關於一種經組態用於控制一樣本檢測之一程序之系統。該系統包含經組態以回應於自一樣本偵測之能量而產生輸出之一檢測子系統。該系統亦包含經組態用於藉由自對應於該樣本上之一關注區域之多個例項之該輸出減去一參考而產生該關注區域之該多個例項之差異影像之一或多個電腦子系統。該一或多個電腦子系統亦經組態用於判定該關注區域之該多個例項之該等差異影像之一統計特性。另外，該一或多個電腦子系統經組態用於相較於針對一或多個其他樣本上之該關注區域之多個例項產生之差異影像之一統計特性判定該統計特性之變動。該一或多個電腦子系統進一步經組態用於基於該變動判定用於偵測該樣本上之該關注區域中之缺陷之一或多個參數之一或多個改變。可如本文中描述般進一步組態該系統。
另一實施例係關於一種用於控制一樣本檢測之一程序之電腦實施方法。該方法包含藉由自對應於一樣本上之一關注區域之多個例項之輸出減去一參考而產生該關注區域之該多個例項之差異影像。該輸出係藉由一檢測子系統且係回應於自該樣本偵測之能量產生。該方法亦包含上文描述之藉由一或多個電腦子系統執行之該等判定一統計特性、判定變動及判定一或多個改變步驟。
可如本文中進一步描述般執行上文描述之方法之各步驟。另外，上文描述之方法之實施例可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。此外，上文描述之方法可由本文中描述之任何系統執行。
另一實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體，該等程式指令可在一電腦系統上執行以執行用於控制一樣本檢測之一程序之一電腦實施方法。該電腦實施方法包含上文描述之方法之步驟。可如本文中描述般進一步組態電腦可讀媒體。可如本文中進一步描述般執行電腦實施方法之步驟。另外，程式指令可執行之電腦實施方法可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。
如本文中使用之術語「擾亂點」(其有時可與「擾亂點缺陷」互換地使用)通常被定義為一使用者不關心之缺陷及/或在一樣本上偵測但實際上並非樣本上之實際缺陷之事件。並非實際缺陷之擾亂點可歸因於一樣本上之非缺陷雜訊源(例如，樣本上之金屬線中之增益、來自樣本上之底層或材料之信號、線邊緣粗糙度(LER)、圖案化屬性之相對小臨界尺寸(CD)變動、厚度變動等)及/或歸因於檢測系統自身或用於檢測之其組態中之邊緣性而被偵測為事件。
如本文中使用之術語「所關注缺陷(DOI)」被定義為在一樣本上偵測且實際上係樣本上之實際缺陷之缺陷。因此，DOI為一使用者所關注，此係因為使用者通常關心在經檢測之樣本上之實際缺陷之數量及種類。在一些背景內容中，術語「DOI」用於指代樣本上之全部實際缺陷之一子集，其僅包含一使用者關注之實際缺陷。例如，在任何給定樣本上可存在多個類型之DOI，且一使用者對其等之一或多者可比對一或多個其他類型更關注。然而，在本文中描述之實施例之背景內容中，術語「DOI」用於指代一樣本上之任何及全部真實缺陷。
如本文中使用之術語「設計」及「設計資料」通常係指一IC之實體設計(佈局)及透過複雜模擬或簡單幾何及布林(Boolean)運算自實體設計導出之資料。實體設計可儲存於一資料結構(諸如一圖形資料串流(GDS)檔案、任何其他標準機器可讀檔案、此項技術中已知之任何其他適合檔案及一設計資料庫)中。一GDSII檔案係用於表示設計佈局資料之一種類別之檔案之一者。此等檔案之其他實例包含GL1及OASIS檔案及專屬於加利福尼亞，米爾皮塔斯市(Milpitas)之KLA之專屬檔案格式，諸如RDF資料。另外，由一倍縮光罩檢測系統獲取之一倍縮光罩之一影像及/或其導出物可用作設計之一「代理」或「若干代理」。此一倍縮光罩影像或其之一導出物可在使用一設計之本文中描述之任何實施例中用作對於設計佈局之一取代物。設計可包含2009年8月4日頒予Zafar等人之共同擁有之美國專利第7,570,796號及2010年3月9日頒予Kulkarni等人之共同擁有之美國專利第7,676,077號中描述之任何其他設計資料或設計資料代理，該兩個專利以宛如全文陳述引用之方式併入本文中。另外，設計資料可係標準單元庫資料、整合佈局資料、一或多個層之設計資料、設計資料之導出物及完全或部分晶片設計資料。
在一些例項中，自一晶圓或倍縮光罩模擬或獲取之影像可用作設計之一代理。影像分析亦可用作設計資料之一代理。例如，設計中之多邊形可自列印於一晶圓及/或倍縮光罩上之一設計之一影像提取，假定晶圓及/或倍縮光罩之影像係以足以使設計之多邊形適當地成像之解析度獲取。另外，本文中描述之「設計」及「設計資料」係指由半導體裝置設計者在一設計程序中產生且因此可在將設計列印於任何實體晶圓上之前良好地用於本文中描述之實施例中之資訊及資料。
「設計」或「實體設計」亦可係如將在晶圓上理想地形成之設計。以此方式，一設計可不包含將不列印於晶圓上之設計之特徵，諸如光學近接性校正(OPC)特徵，該等特徵被添加至設計以增強晶圓上之特徵之列印而實際上自身不被列印。
現參考圖式，應注意，圖未按比例繪製。特定言之，在很大程度上放大圖之一些元件之尺度以強調元件之特性。亦應注意，該等圖未按相同比例繪製。已使用相同元件符號指示可經類似組態之展示於一個以上圖中之元件。除非本文中另有說明，否則所描述且展示之任何元件可包含任何適合市售元件。
一項實施例係關於一種經組態用於選擇用於一樣本檢測之缺陷偵測方法之系統。一些實施例係關於用於增強缺陷檢測靈敏度之統計關注區域分組。例如，本文中描述之缺陷檢測中之關注區域細分及統計重新分組可用於增強對DOI之靈敏度，降低擾亂點率，改良晶圓內及晶圓間配方效能穩定性或其等之某一組合。
在一項實施例中，樣本係一晶圓。晶圓可包含半導體技術中已知之任何晶圓。在另一實施例中，樣本係一倍縮光罩。倍縮光罩可包含半導體技術中已知之任何倍縮光罩。雖然本文中關於一晶圓或若干晶圓描述一些實施例，但實施例不限於可使用其等之樣本。例如，本文中描述之實施例可用於諸如倍縮光罩、平板、個人電腦(PC)板及其他半導體樣本之樣本。
在圖1中展示此一系統之一項實施例。在一些實施例中，該系統包含一檢測子系統，該檢測子系統包含至少一能量源及一偵測器。該能量源經組態以產生經引導至一樣本之能量。該偵測器經組態以偵測來自該樣本之能量且回應於該經偵測能量而產生輸出。
在一項實施例中，檢測子系統係一基於光之檢測子系統。例如，在圖1中展示之系統之實施例中，檢測子系統10包含經組態以將光引導至樣本14之一照明子系統。照明子系統包含至少一個光源。例如，如圖1中展示，照明子系統包含光源16。在一項實施例中，照明子系統經組態以按可包含一或多個傾斜角及/或一或多個法向角之一或多個入射角將光引導至樣本。例如，如圖1中展示，來自光源16之光經引導穿過光學元件18且接著穿過透鏡20至光束分離器21，該光束分離器按一法向入射角將光引導至樣本14。入射角可包含任何適合入射角，其可取決於(例如)樣本及欲在樣本上偵測之缺陷之特性而變動。
照明子系統可經組態以在不同時間按不同入射角將光引導至樣本。例如，檢測子系統可經組態以更改照明子系統之一或多個元件之一或多個特性使得可按不同於圖1中展示之入射角之一入射角將光引導至樣本。在一個此實例中，檢測子系統可經組態以移動光源16、光學元件18及透鏡20使得按一不同入射角將光引導至樣本。
在一些例項中，檢測子系統可經組態以在相同時間按一個以上入射角將光引導至樣本。例如，檢測子系統可包含一個以上照明通道，照明通道之一者可包含如圖1中展示之光源16、光學元件18及透鏡20，且照明通道之另一者(未展示)可包含可不同或相同組態之類似元件或可包含至少一光源及可能一或多個其他組件(諸如本文中進一步描述之組件)。若在與其他光相同之時間將此光引導至樣本，則按不同入射角引導至樣本之光之一或多個特性(例如，波長、偏光等)可不同，使得可在(若干)偵測器處將源自按不同入射角照明樣本之光彼此區分。
在另一例項中，照明子系統可僅包含一個光源(例如，圖1中展示之源16)且可由照明子系統之一或多個光學元件(未展示)將來自該光源之光分成不同光學路徑(例如，基於波長、偏光等)。接著，可將不同光學路徑之各者中之光引導至樣本。多個照明通道可經組態以在相同時間或不同時間(例如，當使用不同照明通道以依序照明樣本時)將光引導至樣本。在另一例項中，相同照明通道可經組態以在不同時間將具有不同特性之光引導至樣本。例如，在一些例項中，光學元件18可經組態為一光譜濾波器且可以各種不同方式(例如，藉由調換出光譜濾波器)改變光譜濾波器之性質使得可在不同時間將不同波長之光引導至樣本。照明子系統可具有此項技術中已知之用於依序或同時按不同或相同入射角將具有不同或相同特性之光引導至樣本之任何其他適合組態。
在一項實施例中，光源16可包含一寬頻電漿(BBP)光源。以此方式，由光源產生且引導至樣本之光可包含寬頻光。然而，光源可包含任何其他適合光源(諸如一雷射，其可係此項技術中已知之任何適合雷射)，且可經組態以產生此項技術中已知之(若干)任何適合波長之光。另外，雷射可經組態以產生單色或近單色光。以此方式，雷射可係一窄頻雷射。光源亦可包含產生多個離散波長或波帶之光之一多色光源。
來自光學元件18之光可藉由透鏡20聚焦至光束分離器21。雖然透鏡20在圖1中展示為一單折射光學元件，但實務上，透鏡20可包含將來自光學元件之光組合地聚焦至樣本之數個折射及/或反射光學元件。圖1中展示且本文中描述之照明子系統可包含任何其他適合光學元件(未展示)。此等光學元件之實例包含(但不限於)(若干)偏光組件、(若干)光譜濾波器、(若干)空間濾波器、(若干)反射光學元件、(若干)變跡器、(若干)光束分離器、(若干)孔徑及類似者，其可包含此項技術中已知之任何此等適合光學元件。另外，系統可經組態以基於用於檢測之照明之類型更改照明子系統之一或多個元件。
檢測子系統亦可包含經組態以引起光掃描遍及樣本之一掃描子系統。例如，檢測子系統可包含樣本14在檢測期間安置於其上之載物台22。掃描子系統可包含可經組態以移動樣本使得光可掃描遍及樣本之任何適合機械及/或機器人總成(包含載物台22)。另外或替代地，檢測子系統可經組態使得檢測子系統之一或多個光學元件執行光遍及樣本之某一掃描。可以任何適合方式使光掃描遍及樣本。
檢測子系統進一步包含一或多個偵測通道。一或多個偵測通道之至少一者包含一偵測器，該偵測器經組態以歸因於藉由檢測子系統照明樣本而自樣本偵測光且回應於所偵測光產生輸出。例如，圖1中展示之檢測子系統包含兩個偵測通道，一個偵測通道由集光器24、元件26及偵測器28形成且另一偵測通道由集光器30、元件32及偵測器34形成。如圖1中展示，兩個偵測通道經組態以按不同收集角收集且偵測光。在一些例項中，一個偵測通道經組態以偵測鏡面反射光，且另一偵測通道經組態以偵測未自樣本鏡面反射(例如，散射、繞射等)之光。然而，兩個或兩個以上偵測通道可經組態以自樣本偵測相同類型之光(例如，鏡面反射光)。雖然圖1展示包含兩個偵測通道之檢測子系統之一實施例，但檢測子系統可包含不同數目個偵測通道(例如，僅一個偵測通道或兩個或兩個以上偵測通道)。雖然在圖1中將各集光器展示為單折射光學元件，但各集光器可包含一或多個折射光學元件及/或一或多個反射光學元件。
一或多個偵測通道可包含此項技術中已知之任何適合偵測器，諸如光電倍增管(PMT)、電荷耦合裝置(CCD)及延時積分(TDI)攝影機。該等偵測器亦可包含非成像偵測器或成像偵測器。若偵測器係非成像偵測器，則各偵測器可經組態以偵測散射光之某些特性(諸如強度)但不可經組態以偵測依據成像平面內之位置而變化之此等特性。因而，由包含於各偵測通道中之各偵測器產生之輸出可係信號或資料，而非影像信號或影像資料。在此等例項中，一電腦子系統(諸如系統之電腦子系統36)可經組態以自偵測器之非成像輸出產生樣本之影像。然而，在其他例項中，偵測器可經組態為經組態以產生成像信號或影像資料之成像偵測器。因此，系統可經組態以依數個方式產生影像。
應注意，在本文中提供圖1以大體上繪示可包含於本文中描述之系統實施例中之一檢測子系統之一組態。顯然，可更改本文中描述之檢測子系統組態以如在設計一商業檢測系統時通常執行般最佳化系統之效能。另外，可使用諸如商業上可購自KLA之29xx及39xx系列之工具之一現有檢測系統(例如，藉由將本文中描述之功能性添加至一現有檢測系統)實施本文中描述之系統。對於一些此等系統，可將本文中描述之實施例提供為檢測系統之選用功能性(例如，除了檢測系統之其他功能性之外)。替代地，可「從頭開始」設計本文中描述之檢測子系統以提供一全新檢測系統。
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，該一或多個傳輸媒體可包含「有線」及/或「無線」傳輸媒體)耦合至檢測子系統之偵測器使得電腦子系統可接收由偵測器在樣本之掃描期間產生之輸出。電腦子系統36可經組態以使用偵測器之輸出執行如本文中描述之數個功能及本文中進一步描述之任何其他功能。可如本文中描述般進一步組態此電腦子系統。
此電腦子系統(以及本文中描述之其他電腦子系統)在本文中亦可稱為(若干)電腦系統。本文中描述之(若干)電腦子系統或(若干)系統之各者可採取各種形式，包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路設備、網際網路設備或其他裝置。一般言之，術語「電腦系統」可經廣泛定義以涵蓋具有執行來自一記憶體媒體之指令之一或多個處理器之任何裝置。(若干)電腦子系統或(若干)系統亦可包含此項技術中已知之任何適合處理器(諸如一平行處理器)。另外，該(等)電腦子系統或該(等)系統可包含具有高速處理及軟體之一電腦平台(作為一獨立工具或一網路工具)。
若系統包含一個以上電腦子系統，則不同電腦子系統可彼此耦合使得可在如本文中進一步描述之電腦子系統之間發送影像、資料、資訊、指令等。例如，電腦子系統36可藉由可包含此項技術中已知之任何適合有線及/或無線傳輸媒體之任何適合傳輸媒體耦合至(若干)電腦子系統102 (如由圖1中之虛線展示)。兩個或兩個以上此等電腦子系統亦可藉由一共用電腦可讀儲存媒體(未展示)有效地耦合。
雖然上文將檢測子系統描述為一光學子系統或基於光之子系統，但檢測子系統可係一基於電子之子系統。例如，在一項實施例中，經引導至樣本之能量包含電子，且自樣本偵測之能量包含電子。以此方式，能量源可係一電子束源。在圖2中展示之一個此實施例中，檢測子系統包含電子柱122，該電子柱122耦合至電腦子系統124。
亦如圖2中展示，電子柱包含經組態以產生由一或多個元件130聚焦至樣本128之電子之電子束源126。電子束源可包含(例如)一陰極源或射極尖端，且一或多個元件130可包含(例如)一槍透鏡、一陽極、一限束孔徑、一閘閥、一束電流選擇孔徑、一物鏡及一掃描子系統，其全部可包含此項技術中已知之任何此等適合元件。
自樣本返回之電子(例如，二次電子)可由一或多個元件132聚焦至偵測器134。一或多個元件132可包含(例如)一掃描子系統，該掃描子系統可係包含於(若干)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，可如2014年4月4日頒予Jiang等人之美國專利第8,664,594號、2014年4月8日頒予Kojima等人之美國專利第8,692,204號、2014年4月15日頒予Gubbens等人之美國專利第8,698,093號及2014年5月6日頒予MacDonald等人之美國專利第8,716,662號中所描述般進一步組態電子柱，該等專利以宛如全文陳述引用之方式併入本文中。
雖然在圖2中將電子柱展示為經組態使得電子按一傾斜入射角引導至樣本且按另一傾斜角自樣本散射，但應理解，電子束可按任何適合角度引導至樣本且自樣本散射。另外，電子束子系統可經組態以使用多個模式來產生樣本之影像(例如，具有不同照明角、收集角等)。電子束子系統之多個模式在子系統之(若干)任何影像產生參數方面可係不同的。
電腦子系統124可耦合至偵測器134，如上文描述。偵測器可偵測自樣本之表面返回之電子，藉此形成樣本之電子束影像。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描述之功能之任何者。電腦子系統124可經組態以執行本文中描述之(若干)任何額外步驟。可如本文中描述般進一步組態包含圖2中展示之檢測子系統之一系統。
應注意，在本文中提供圖2以大體上繪示可包含於本文中描述之實施例中之一基於電子之檢測子系統之一組態。如同上文描述之光學子系統，可更改本文中描述之電子束子系統組態以如在設計一商業檢測系統時通常執行般最佳化子系統之效能。另外，可使用一現有檢測系統(例如，藉由將本文中描述之功能性添加至一現有檢測系統)實施本文中描述之系統。對於一些此等系統，可將本文中描述之實施例提供為系統之選用功能性(例如，除了系統之其他功能性之外)。替代地，可「從頭開始」設計本文中描述之系統以提供一全新系統。
雖然上文將檢測子系統描述為一基於光或基於電子束之子系統，但檢測子系統可係一基於離子束之子系統。可如圖2中展示般組態此一檢測子系統，惟可使用此項技術中已知之任何適合離子束源替換電子束源除外。因此，在一項實施例中，經引導至樣本之能量包含離子。另外，檢測子系統可係任何其他適合基於離子束之檢測子系統，諸如包含於市售聚焦離子束(FIB)系統、氦離子顯微鏡(HIM)系統及二次離子質譜儀(SIMS)系統中之檢測子系統。
本文中描述之檢測子系統可經組態以使用多個模式產生樣本之輸出(例如，影像)。一般言之，一「模式」由用於產生一樣本之輸出及/或影像之檢測子系統之參數之值(或用於產生樣本之影像之輸出)定義。因此，(除樣本上產生輸出之位置之外)模式可在檢測子系統之參數之至少一者之值方面不同。例如，在一光學子系統中，不同模式可使用(若干)不同波長之光進行照明。模式可在(若干)照明波長方面不同，如本文中進一步描述(例如，藉由使用用於不同模式之不同光源、不同光譜濾波器等)。在另一實例中，不同模式可使用光學子系統之不同照明通道。例如，如上文提及，光學子系統可包含一個以上照明通道。因而，不同照明通道可用於不同模式。模式亦可或替代地在光學子系統之一或多個收集/偵測參數方面不同。模式可在檢測子系統之任何一或多個可更改參數(例如，(若干)照明偏光、(若干)角度、(若干)波長等、(若干)偵測偏光、(若干)角度、(若干)波長等)方面不同。例如，取決於使用多個模式同時掃描樣本之能力，檢測子系統可經組態以在相同掃描或不同掃描中使用不同模式掃描樣本。
以一類似方式，由電子束子系統產生之輸出可包含由電子束子系統使用電子束子系統之一參數之兩個或兩個以上不同值產生之輸出(例如，影像)。電子束子系統之多個模式可由用於產生一樣本之輸出及/或影像之電子束子系統之參數之值定義。因此，模式可在電子束子系統之至少一個電子束參數之值方面不同。例如，不同模式可使用不同入射角進行照明。
可在一或多個參數方面修改本文中描述且在圖1及圖2中展示之子系統以取決於將使用其等之應用而提供不同輸出產生能力。在一個此實例中，圖1中展示之檢測子系統可經組態以在其用於缺陷檢視或度量衡而非用於檢測之情況下具有一較高解析度。換言之，圖1及圖2中展示之檢測子系統之實施例描述一檢測子系統之某些一般及各種組態，其等可以將對熟習此項技術者顯而易見之數個方式定製以產生具有或多或少適合於不同應用之不同輸出產生能力之檢測子系統。
如上文提及，光學、電子及離子束子系統經組態以將能量(例如，光、電子等)掃描遍及樣本之一實體版本，藉此針對樣本之實體版本產生輸出。以此方式，光學、電子及離子束子系統可經組態為「實際」子系統而非「虛擬」子系統。然而，圖1中展示之一儲存媒體(未展示)及(若干)電腦子系統102可經組態為一「虛擬」系統。特定言之，儲存媒體及(若干)電腦子系統可經組態為一「虛擬」檢測系統，如在共同讓予之以下專利中描述：在2012年2月28日頒予Bhaskar等人之美國專利第8,126,255號及2015年12月29日頒予Duffy等人之美國專利第9,222,895號，該兩個專利以宛如全文陳述引用之方式併入本文中。可如此等專利中描述般進一步組態本文中描述之實施例。
一或多個電腦子系統經組態用於基於一樣本上之多邊形之一特性將樣本上之一關注區域中之多邊形分成初始子群組，使得具有特性之不同值之多邊形被分成不同初始子群組。例如，如圖3之步驟300中展示，(若干)電腦子系統可經組態用於基於樣本上之多邊形之一特性將一關注區域中之多邊形區而分成初始子群組。在本文中進一步描述可用於此步驟之多邊形特性之若干實例。如何定義此等特性之不同值可以數個方式變動。例如，一些特性係定性而非定量的，例如，一正方形形狀不同於一線形狀，該兩個形狀不同於一不規則多邊形形狀。然而，許多特性可係定量地不同，例如，以度為單位描述之定向差異、以nm為單位描述之尺寸、以nm2 為單位描述之面積等。因此，在分離步驟中是否將一特性之兩個值判定為不同可係基於定義不同值對非不同值之值之一預定範圍。值之間之差之預定範圍可以任何適合方式判定，例如，可由一使用者設定一預定範圍，可基於兩個值必須相差多少才能使其等在統計上被視為不同而在統計上判定一預定範圍，一預定範圍基於兩個多邊形必須不同之程度以產生雜訊之統計上不同值或兩個多邊形必須類似之程度以產生雜訊之統計上類似值之一先驗知識等。
雖然本文中關於多邊形之一特性描述實施例，但區分步驟可基於多邊形之一或多個特性(諸如形狀、定向、尺寸等)執行。一些多邊形可基於一個特性(例如，形狀)之值分離，而其他多邊形可基於一不同特性(例如，定向)分離。在一項實施例中，多邊形之特性包含多邊形之一實體特性。在另一實施例中，藉由沿著一個軸線投影多邊形而執行分離。例如，可基於設計多邊形尺寸(諸如多邊形面積、x尺寸及y尺寸、多邊形定向、多邊形形狀、在x方向或y方向上之投影值及關注區域尺寸)將關注區域中之多邊形劃分為初始子群組。以此方式，一關注區域中之多邊形之初始子分組可根據設計多邊形之尺寸/形狀/定向及/或基於投影之群組而執行。
在圖4中展示一關注區域中之多邊形之基於投影之分析之一個實例。圖4展示關注區域400之一設計影像。設計影像展示關注區域之設計中之多邊形。判定此關注區域中之多邊形之一特性可包含沿著y方向之投影，其可產生投影402，從而展示依據沿著x軸之位置而變化之多邊形之數目。可接著將具有相同或類似計數之多邊形指派至相同關注區域初始子群組。換言之，定位於具有基於高投影之計數之一區域中之全部設計多邊形隸屬於關注區域初始子群組1 (CAG1)且其他設計多邊形隸屬於關注區域初始子群組2 (CAG2)。因此，基於圖4中展示之投影，關注區域400中之多邊形404將被分成CAG1且關注區域400中之多邊形402將被分成CAG2。當一關注區域主要包含線及其間具有一些其他多邊形之空間圖案時，多邊形之基於投影之分離可尤其適合。
圖5展示一樣本(諸如一晶圓)之關注區域500之另一實例。如圖5中展示，關注區域包含具有不同特性之多個多邊形。特定言之，一些多邊形係在x方向上延伸之線狀結構，其他多邊形係在y方向上延伸之線狀結構，且一些額外多邊形係正方形狀結構。雖然圖5 (及本文中描述之其他圖)展示包含特定數目個且具有特定特性之多邊形之一關注區域之一實例，但應理解，本文中描述之實施例不限於可針對其執行本文中描述之步驟之具有任何特定特性(大小、形狀、位置等)之任何特定關注區域及/或多邊形。另外，雖然本文中關於一關注區域(可存在其之形成於一樣本上之多個例項)描述實施例，但本文中描述之實施例亦可針對一樣本上之多個關注區域單獨及獨立地執行。
圖5中展示之關注區域中之多邊形可分成不同初始子群組，如本文中進一步描述。例如，圖7展示圖5之關注區域之具有具備不同特性(經展示具有不同填充圖案)之多邊形之版本700。特定言之，在y方向上延伸之線狀結構經展示具有水平線填充圖案，在x方向上延伸之線狀結構經展示具有垂直線填充圖案，且正方形狀結構經展示具有對角線填充圖案。因此，具有相同填充圖案之圖7中展示之多邊形之各者屬於相同初始子群組。換言之，在y方向上延伸之線狀結構可全部分成一第一初始子群組，在x方向上延伸之線狀結構可全部分成一第二初始子群組，且正方形狀結構可全部分成一第三初始子群組。以此方式，圖5之關注區域中展示之多邊形可基於其等形狀、大小、定向等被分成初始子群組。
在一些實施例中，關注區域中之多邊形包含樣本之一個以上層上之多邊形。例如，多邊形不限於多邊形之一個單一層而可延伸至含有多邊形之多個層。一個以上層可包含將被檢測之層及在將在樣本上被檢測之層下方之一層。因此，經檢測層下方之層可不一定在檢測中受關注，但該下伏層及/或形成於其上之多邊形可影響在檢測期間針對樣本產生之輸出。例如，下伏多邊形可影響由一檢測子系統針對一樣本產生之輸出中之雜訊。因此，本文中描述之實施例可考量此等多邊形，此係因為相同經檢測層上之兩個相同多邊形可歸因於不同下伏多邊形而在檢測中具有實質上不同雜訊特性。以此方式，初始子群組可經定義使得將經檢測層上具有特性之不同值之多邊形分成不同初始子群組且使得將經檢測層上具有特性之相同值但定位於具有(若干)多邊形之一特性之不同值之一或多個多邊形上方之多邊形分成不同初始子群組。在一個此實例中，圖5中展示之在x方向上延伸之線狀結構可分成如圖7中展示之一初始子群組，接著可基於線狀結構形成於其上方之多邊形(未展示)將該初始子群組中之多邊形進一步分成子群組。可如本文中描述般自樣本之一設計獲取關於樣本之一個以上層上之多邊形之資訊。定義關注區域初始子群組可接著針對各層獨立地執行或尤其當不同層之設計多邊形重疊時可係一組合。
關注區域初始及最終子群組之產生亦不限於分割原始關注區域但可分別基於如本文中描述之設計多邊形及雜訊之特性產生全新關注區域。例如，雖然為了簡潔起見，關注區域中之設計多邊形及各種子群組中之設計多邊形在本文中展示之實例中相同，但情況不必如此，此係因為關注區域可取決於本文中描述之步驟之結果而生長或收縮。換言之，一關注區域可自其原始定義擴展以涵蓋具有與原始定義關注區域中之多邊形相同之多邊形之特性之值及與原始定義關注區域中之多邊形實質上相同之雜訊之特性之值之其他附近多邊形。以一類似方式，一關注區域可自其原始定義收縮以自原始定義消除一或多個多邊形，可基於本文中描述之初始子分組及最終子分組步驟將該一或多個多邊形移動至另一關注區域或完全自全部關注區域移除。對界定一關注區域之周邊之此擴展、收縮或其他修改可僅基於經檢測層上之多邊形或基於樣本之一個以上層上之多邊形而執行。
在另一實施例中，一或多個電腦子系統進一步經組態用於自樣本之一設計判定樣本上之多邊形之特性。例如，分離步驟可包含藉由使用一基於設計之圖案搜尋而將關注區域群組劃分為初始子群組。在一個此實例中，基於IC設計(例如，圖案密度、線距離等)之邏輯規則可用於判定多邊形之特性且將具有不同特性之多邊形彼此分離。可藉由本文中描述之實施例或藉由使用另一系統或方法(諸如一電子設計自動化(EDA)工具，其可包含此項技術中已知之任何市售EDA工具)以任何適合方式執行。
在一額外實施例中，一或多個電腦子系統進一步經組態用於藉由呈現樣本之一設計而判定樣本上之多邊形之特性。例如，分離步驟可包含其中使用樣本之設計以模擬如將形成於樣本上之多邊形之特性之一基於設計呈現之方法。特定言之，如經設計之多邊形之特性可不同於如形成於樣本上之多邊形之特性。另外，由於如形成於樣本上而不一定如經設計之多邊形之特性將影響檢測系統輸出中之雜訊之特性，故如將形成於樣本上之多邊形之特性可比其等經設計特性更適合用於將多邊形分成初始子群組。
呈現設計可包含模擬在將設計列印或製造於一樣本上時設計之外觀。例如，呈現設計可包含產生在其上列印或形成多邊形之一樣本之一經模擬表示。可用於產生一經模擬樣本之一經經驗訓練之程序模型之一個實例包含SEMulator 3D，其商業上可購自Coventor, Inc., Cary, NC。一嚴格微影模擬模型之一實例係Prolith，其商業上可購自KLA且可與SEMulator 3D產品配合使用。然而，可執行呈現樣本之設計以使用在自設計產生實際樣本中涉及之(若干)程序之任何者之(若干)任何適合模型產生一經模擬樣本。以此方式，可使用設計以模擬已在其上形成設計之一樣本在樣本空間中之外觀(未必此一樣本對於一成像系統之外觀)。因此，設計呈現可產生可表示樣本在樣本之二維(2D)或三維(3D)空間中之外觀之樣本之一經模擬表示。
(若干)電腦子系統亦經組態用於判定在由一檢測子系統之一偵測器針對不同初始子群組中之樣本上之多邊形產生之輸出中之雜訊之一特性。例如，如圖3之步驟302中展示，(若干)電腦子系統可經組態用於判定在由一檢測子系統之一偵測器針對多邊形產生之輸出中之雜訊之一特性。由偵測器產生之輸出可包含本文中描述之任何輸出，例如，影像信號、影像資料、非影像信號、非影像資料等。雜訊之特性可以本文中描述之數個不同方式判定。
在一些例項中，整個關注區域之雜訊之特性可實質上不同於關注區域內之多邊形之不同初始子群組(其等亦可實質上彼此不同)之雜訊之特性。圖6及圖8繪示此等差異且展示自分別自圖5及圖7中展示之設計多邊形導出之關注區域內之結構之一基於晶圓之差異影像導出之2D直方圖。在此等圖中展示之2D直方圖上之軸線係參考灰階及差異灰階。在圖6中，已將圖5之關注區域中之全部多邊形之參考灰階及差異灰階組合在一起。因此，圖6中展示之2D直方圖600為初始關注區域群組(參考灰階超過差異灰階)。多邊形之初始子群組之至少一者係實質上具有雜訊的，此在2D直方圖600中藉由實質上大動態範圍及實質上高雜訊位準展示(其中在此背景內容中使用之「動態範圍」被定義為一參考影像圖框中之最大-最小灰階)。動態範圍可對於本文中描述之實施例中之雜訊之特性尤其有用，此係因為動態範圍通常與針對其產生2D直方圖之區域(例如，相較於僅包含一個類型之多邊形(其等全部在樣本上具有實質上類似特性)之一關注區域，包含不同類型之多邊形(其等之至少一些在樣本上具有一不同特性)之一關注區域在此一2D直方圖中將通常具有一更高動態範圍)中之多邊形之類型相關。例如，若在一參考影像圖框中存在諸多不同圖案(即，具有不同灰階之圖案之一混合)，則2D直方圖可展示一相對高動態範圍。
如上文描述，在識別圖5中展示之關注區域中之全部個別多邊形之後，將多邊形形狀之各者分組成如圖7中展示之三個初始子群組之一者。可接著針對初始子群組之各者產生個別直方圖。可(例如)藉由基於關注區域中產生資料之位置及關注區域中多邊形所處之位置分離資料而自用於產生直方圖600之相同資料產生個別直方圖，可針對多邊形之不同初始子群組分離資料。例如，如圖8中展示，可針對在x方向上延伸之線狀結構產生2D直方圖800，可針對正方形狀結構產生2D直方圖802，且可針對在y方向上延伸之線狀結構產生2D直方圖804。如自圖8可見，藉由針對初始子群組評估個別2D直方圖，2D直方圖802及804展示針對正方形狀多邊形及在y方向上延伸之線狀多邊形之初始子群組相對安靜(例如，具有在相對小動態範圍中之實質上低雜訊值)、具有類似雜訊特性(例如，跨雜訊之實質上類似值之實質上類似雜訊分佈)，而針對在x方向上延伸之線狀多邊形之2D直方圖800實質上具有雜訊(例如，具有一相對大動態範圍)、具有與其他2D直方圖實質上不同之雜訊特性(例如，2D直方圖800中之雜訊分佈實質上不同於2D直方圖802及804中之雜訊分佈)。此等直方圖可接著用於判定多邊形之最終子群組，如本文中進一步描述。
在一項實施例中，由檢測子系統之偵測器產生之用於判定雜訊之特性之輸出係藉由使用檢測子系統掃描樣本而產生。例如，使用關注區域初始子群組之全部，可執行一晶圓檢測運行。因此，一或多個電腦子系統可經組態用於藉由使用本文中描述之檢測子系統之一者(例如，藉由將光或一電子束引導至樣本且自樣本偵測光或一電子束)而獲取用於判定雜訊特性之輸出。以此方式，可使用實體樣本自身及某一種類之檢測(例如，成像)硬體執行獲取輸出。然而，獲取輸出不一定包含使用成像硬體成像或掃描樣本。例如，另一系統及/或方法可產生輸出且可將經產生輸出儲存於一或多個儲存媒體(諸如，如本文中描述之一虛擬檢測系統或本文中描述之另一儲存媒體)中。因此，獲取輸出可包含自其中已儲存輸出之儲存媒體獲取輸出。
在一些實施例中，用於判定雜訊之特性之輸出係針對樣本使用檢測子系統之一個以上模式產生之輸出。例如，多模式雜訊資訊可用於本文中進一步描述之(若干)步驟。當選擇用於多模式檢測之缺陷偵測方法時，使用多模式雜訊可係有益的。檢測子系統之多個模式可包含本文中進一步描述之任何模式。在一些例項中，不同雜訊特性可自在不同模式中產生之輸出判定。例如，不同模式可用於一樣本之相同檢測，且本文中描述之實施例可經組態以針對一個以上模式單獨執行步驟，例如使得針對不同模式判定不同最終子群組，可接著如本文中描述般針對該等不同模式選擇不同缺陷偵測方法。以此方式，當模式已知時，本文中描述之步驟可針對各模式單獨且獨立地執行，且例如，當模式無法同時用於產生樣本之輸出時，用於該等步驟之(若干)偵測器之輸出可在樣本之相同掃描中或樣本之多個掃描中產生。
本文中描述之步驟亦可針對一個以上模式執行以用於模式選擇。例如，本文中描述之步驟可用於藉由針對不同模式執行本文中描述之步驟且接著判定哪一或哪些模式將最適合用於一樣本之檢測(例如，藉由比較針對不同模式判定之最終子群組及在不同模式中針對最終子群組選擇之缺陷偵測方法)而評估不同模式，可識別並選擇可偵測大多數DOI、抑制大多數擾亂點等之模式或模式組合以用於樣本或相同類型之其他樣本之檢測。以此方式，本文中描述之實施例可用於(若干)模式及(若干)演算法兩者之同時選擇。另外，如本文中進一步描述，可獨立地調諧經選擇之缺陷偵測方法之(若干)參數，藉此實現針對各最終子群組之檢測及模式組合之最佳化。亦可藉由本文中描述之實施例針對各模式/最終子群組/缺陷偵測方法組合(例如，擾亂點過濾參數、缺陷分類參數等)獨立地選擇檢測子系統及/或檢測配方之(若干)任何其他參數。可以此項技術中已知之任何適合方式選擇此等其他參數。
在另一實施例中，判定雜訊之特性包含執行輸出之統計分析。例如，可量測雜訊，且可執行計算特性(諸如不同灰階或動態範圍之標準偏差)之一統計分析。另外，判定雜訊之特性可包含執行每一個別關注區域初始子群組之雜訊分佈之一統計分析，例如，在μ +/- 3σ處針對差異灰階設定0之偏移，其中μ係平均值且σ係標準偏差。雜訊之特性可亦或替代地係雜訊相對於非雜訊信號或影像資料之一特性。例如，藉由本文中描述之實施例判定之雜訊之特性可係相對於非雜訊之一特性描述雜訊之一特性之一種共同信雜比。例如，雜訊之特性可包含雜訊及/或離群點(潛在缺陷信號或影像)分佈特性或基於該等雜訊及/或離群點分佈特性而判定。
在一些實施例中，判定雜訊之特性包含判定在由檢測子系統之偵測器針對樣本上之多邊形產生之輸出組合由檢測子系統之偵測器針對另一樣本上之不同初始子群組中之多邊形產生之輸出中之雜訊之特性。例如，可藉由在若干(兩個或兩個以上)晶圓上收集資料而執行針對最終子群組之分組。以此方式，可相對於晶圓間程序變動識別具有雜訊及不具有雜訊之關注區域及多邊形。另外，可相應地對具有相對高晶圓間變動之關注區域群組/子群組進行識別並分組。亦可動態地判定經掃描以產生用於判定雜訊之特性且判定最終子群組之輸出之樣本之數量。例如，若掃描兩個樣本且不同樣本上之相同多邊形展示樣本間雜訊特性之實質上高變動，則可掃描一或多個額外樣本以進一步特性化樣本間由該等多邊形展現之雜訊。另外，經掃描之樣本之數目可以此項技術中已知之任何適合方式判定。
在一額外實施例中，判定雜訊之特性包含判定在由檢測子系統之偵測器針對樣本上之關注區域之一個以上例項中之不同初始子群組中之樣本上之多邊形產生之輸出中之雜訊之特性。例如，雖然在本文中關於一關注區域描述實施例且該等實施例可使用針對一單一關注區域例項產生之輸出執行，但一般言之，用於判定雜訊之特性之輸出可自至少一個樣本上之關注區域之一個以上例項產生。可在樣本上之相同倍縮光罩例項(例如，晶粒、場等)及/或在樣本上之一個以上倍縮光罩例項中形成關注區域之多個例項。另外，用於判定雜訊之特性之關注區域例項跨樣本之分佈可基於(例如)跨樣本之預期程序變動(其可影響檢測子系統輸出)、在一檢測運行期間將被掃描之樣本上之區域等判定。此外，雖然自許多(不止兩個)關注區域例項產生用於判定雜訊特性之輸出可係有利的，但自樣本上之全部關注區域例項產生輸出可不一定合理地特性化來自樣本中之多邊形之雜訊。無關於如何執行掃描或輸出產生，可以任何適合方式(例如，基於關注區域中之多邊形之已知位置、樣本上之關注區域例項之已知或經估計位置及在樣本上產生各種輸出之已知位置)識別針對初始子群組中之多邊形產生之輸出。因此，針對不同多邊形產生之輸出可經分離且用於判定如本文中描述之雜訊之特性。
(若干)電腦子系統經組態用於藉由將具有雜訊之特性之實質上相同值之不同初始子群組之任何兩者或更多者組合成最終子群組之一者而判定多邊形之最終子群組。例如，如圖3之步驟304中展示，(若干)電腦子系統可判定多邊形之最終子群組。取決於雜訊之特性，可組合關注區域初始子群組。如本文中使用之術語「實質上相同」值可與術語「非顯著不同」及「統計上類似」值互換地使用。如本文中使用之術語「統計上類似」值旨在具有在數學及尤其統計學之領域中使用之術語之普遍接受之定義，即，統計上類似被普遍接受為「在誤差容限內」且「不由非偶然因素引起」。此等定義之兩者與本文中之術語之使用一致。例如，可藉由比較值之差異與誤差容限且判定在誤差容限內之差「統計上類似」而判定雜訊特性之值是否係「統計上類似」。
在一個此實例中，可將具有類似動態範圍值、晶粒間(差異)灰階變動等之關注區域初始子群組組合成一個關注區域最終子群組。在圖8中，例如，由於針對在x方向上延伸之線狀多邊形之子群組產生之2D直方圖800實質上不同於分別針對正方形狀多邊形及在y方向上延伸之線狀多邊形產生之2D直方圖802及804，將在x方向上延伸之線狀多邊形與關注區域中之其他多邊形分離看似非常有前景，此係因為吾人可降低其他多邊形之臨限值(圖表中之垂直線)以偵測定位於雜訊分佈之中心部分處之DOI。另外，由於分別針對正方形狀多邊形及在y方向上延伸之線狀多邊形產生之2D直方圖802及804展示此等多邊形具有實質上相同雜訊特性，但可將此等多邊形組合成一個最終子群組。以此方式，判定最終子群組可包含將經判定具有實質上相同雜訊行為之初始子群組組合成一最終子群組。因此，包含在x方向上延伸之線狀結構之具有遠更多雜訊之初始子群組不會與其他多邊形初始子群組組合且將代替性地包含於其自身之單獨最終子群組中。
以此方式，如圖8中展示，由於針對包含在x方向上延伸之線狀結構之初始子群組A產生之2D直方圖800實質上不同於針對其他初始子群組產生之2D直方圖，故在x方向上延伸之線狀結構可包含於一個最終子群組中(在圖8中由元件符號806指示之關注區域群組1)。另外，由於針對包含正方形狀結構之初始子群組B產生之2D直方圖802展示與針對包含在y方向上延伸之線狀結構之初始子群組C產生之2D直方圖804實質上相同之雜訊特性，故可將此等初始子群組組合成一個最終子群組(在圖8中由元件符號808指示之關注區域群組2)。
此等最終子群組亦在圖9中展示，其中在相同最終子群組中之多邊形之圖案填充相同。特定言之，如圖9中展示，由於正方形狀多邊形及在y方向上延伸之線狀多邊形被組合成一最終子群組，但此等多邊形之兩者可使用相同圖案填充(圖9中展示之水平線)指示。另外，由於在x方向上延伸之線狀結構包含於其等自身之最終子群組中，故此等多邊形在圖9中使用不同於關注區域版本900中之全部其他多邊形類型之一圖案填充(垂直線)來展示。
在一項實施例中，判定雜訊之特性及判定最終子群組在一或多個電腦子系統及檢測子系統上實施為一雜訊掃描功能性。在一項此實施例中，一或多個電腦子系統及檢測子系統經組態用於藉由在由檢測子系統之偵測器產生之輸出中收集影像圖框資料且根據一預定演算法計算差異影像圖框而實施雜訊掃描。在另一此實施例中，預定演算法與由自其選擇第一及第二缺陷偵測方法之適用於樣本或另一樣本之檢測之多個缺陷偵測方法之至少一者使用之一預定演算法相同。
以此方式，上述判定雜訊之一特性及判定最終子群組步驟可在其中彼此配合執行兩個步驟之(若干)電腦子系統及/或一檢測子系統上實施為一「雜訊掃描」功能性。換言之，若一使用者在本文中描述之實施例上選擇一「雜訊掃描」選項，則判定雜訊之一特性及判定最終子群組步驟兩者可由本文中描述之實施例執行。接著，共同地，此等步驟可包含收集影像圖框資料及根據一特定演算法計算差異影像圖框(無論是否藉由晶粒間減法、單元間減法、測試影像至標準參考影像減法等)。因而，雜訊掃描可使用所選取之一缺陷偵測演算法執行。理想地，針對雜訊掃描選擇之相同缺陷檢測演算法亦將用於實際缺陷偵測(雖然不一定需要)。選擇正確缺陷偵測演算法之方式可係基於檢測之要求，例如，一些晶圓設定使得必須使用SRD (本文中進一步描述)而其他晶圓設定歸因於嚴重程序變動而可需要MCAT+ (本文中亦進一步描述)等。另外，使用者可決定在雜訊掃描或缺陷偵測中使用哪一類型之演算法且在一些例項中，可選擇演算法之一者(例如，MCAT (本文中進一步描述))作為一預設。可接著將此差異影像圖框與經細分之關注區域初始子群組重疊以鑑於其等個別雜訊行為識別正確最終子分組。
雜訊掃描亦可使用最小化系統雜訊之一演算法執行關注區域分組。例如，藉由基於多邊形之初始子群組之雜訊行為之間之類似性及差異將多邊形之初始子群組組織成最終子群組，本文中描述之實施例可最小化用於缺陷偵測之多邊形之最終子群組內之系統雜訊。因此，使用最終子群組作為用於檢測之關注區域提供顯著優點，此係因為如本文中進一步描述，針對不同最終子群組執行之缺陷偵測可不同且可針對最終子群組之各者及其雜訊行為定製。
雖然組合初始子群組以判定最終子群組可係更常見的，但本文中描述之實施例不僅僅限於此。在一些例項中，判定最終子群組可包含將一初始子群組中之多邊形區分成不同最終子群組。例如，取決於一多邊形例項附近之多邊形、在一多邊形例項下方之多邊形、一多邊形例項在一樣本上(例如，相對於樣本之一邊緣或一中心)所處之位置等，例如，相同多邊形之不同例項可展現不同雜訊行為。因此，在一選用案例中，本文中描述之(若干)電腦子系統可經組態以分析初始子群組之雜訊特性以隨多邊形例項識別具有實質上不同雜訊特性之(若干)初始子群組。
在一個此實例中，(若干)電腦子系統可比較針對初始子群組判定之雜訊特性(諸如動態範圍)與一預定臨限值且判定應評估具有超過預定臨限值之一動態範圍之任何初始子群組以用於分離。(若干)電腦子系統可接著以各種方式(例如，取決於關注區域內位置、取決於樣本內位置、取決於鄰近多邊形、取決於下伏多邊形等)分離多邊形例項。可接著針對此等初始「子子群組」或「中間子群組」判定雜訊特性。取決於該等雜訊特性類似或不同之程度，可將初始子群組中之多邊形例項分成兩個或兩個以上不同最終子群組。
在一假設實例中，若如本文中描述般針對以上文描述之一或多個方式識別之各種中間子群組產生2D直方圖，且全部2D直方圖看似類似於圖6中展示之2D直方圖600 (即，其等全部具有實質上類似且相對大動態範圍)，則可將中間子群組重組成其等原始初始子群組且指定為一單一最終子群組(除非其等與另一初始子群組組合以形成一最終子群組)。相比之下，若如本文中描述般針對以上文描述之一或多個方式識別之兩個中間子群組產生2D直方圖且2D直方圖之一者看似類似於圖8中展示之2D直方圖800且2D直方圖之另一者看似類似於圖8中展示之2D直方圖802，則可將中間子群組指派至不同最終子群組。另外，針對三個或三個以上中間子群組判定最終子群組可包含將一個中間子群組指派至一最終子群組且將兩個或兩個以上中間子群組指派至一不同最終子群組之某一組合。此外，可比較中間子群組雜訊特性與針對其他初始子群組(不僅中間子群組)判定之雜訊特性，且基於雜訊特性之間之類似性及差異，可將一中間子群組與一子群組組合成一最終子群組。以此方式，在樣本上具有相同特性之多邊形之不同子集可與在多邊形特性方面具有其他不類似之多邊形一起包含於最終子群組中。可以其他方式如本文中進一步描述般處理以此一方式產生之最終子群組，從而容許使用不同缺陷偵測方法及/或參數檢測相同多邊形之不同例項。
(若干)電腦子系統進一步經組態用於分別針對最終子群組之一第一者及一第二者基於分別針對最終子群組之第一者及第二者判定之雜訊之特性選擇用於應用至由檢測子系統之偵測器在樣本或相同類型之另一樣本之檢測期間產生之輸出之第一及第二缺陷偵測方法。例如，如圖3之步驟306中展示，(若干)電腦子系統可針對最終子群組選擇缺陷偵測方法。針對其執行檢測之樣本可具有相同類型，因為其等可在對其等執行檢測之前經受相同製造程序。
由於如本文中描述般判定最終子群組使得不同最終子群組展現不同雜訊特性，故一般言之，針對不同最終子群組選擇之缺陷偵測方法將最有可能係不同的(雖然不一定針對全部最終子群組)。例如，第一及第二缺陷偵測方法通常將彼此不同，此係因為不同最終子群組通常將具有不同雜訊特性。然而，在一些例項中，針對兩個或兩個以上最終子群組，可選擇相同缺陷偵測方法。若針對兩個或兩個以上最終子群組選擇相同缺陷偵測方法，則可針對兩個或兩個以上最終子群組之各者獨立且單獨地調諧缺陷偵測方法之參數使得針對不同最終子群組定製缺陷偵測方法。
因此，可針對具有不同雜訊特性之多邊形之最終子群組單獨且獨立地選擇第一及第二缺陷偵測方法，此實現針對各最終子群組使用最靈敏缺陷偵測方法。例如，可針對各最終子群組基於針對各最終子群組判定之雜訊特性獨立地選擇可偵測大多數DOI而無禁止位準之擾亂點偵測之缺陷偵測方法。樣本或相同類型之另一樣本之檢測可接著包含使用關注區域最終子群組之一組合執行之缺陷偵測及針對該等關注區域最終子群組選擇之缺陷偵測方法或演算法。以此方式，本文中描述之實施例藉由關注區域劃分及重新分組而提供靈敏度增強。
經選擇之第一及第二缺陷偵測方法可係完全不同類型之缺陷偵測方法(不僅具有一或多個不同參數(諸如臨限值)之相同缺陷偵測方法)。第一及第二缺陷偵測方法兩者亦可包含此項技術中已知之任何適合缺陷偵測方法，在本文中描述該等方法之一些實例。例如，第一及第二缺陷偵測方法之一者可包含在商業上可購自KLA之一些檢測系統上可用之一多晶粒適應性臨限值(MDAT)演算法。MDAT演算法藉由影像圖框減法執行候選與參考影像比較且在相較於兩個以上圖框之一中值參考圖框時透過雙偵測(比較一候選影像與兩個參考影像)或單一偵測基於信雜比識別離群點。第一及第二缺陷偵測方法之一者亦可或替代地包含在商業上可購自KLA之一些檢測系統上可用之一多運算晶粒適應性臨限值(MDAT)演算法。一般言之，此缺陷偵測演算法類似於MDAT演算法但在執行影像減法之前最佳化參考以類似於測試影像圖框。另外，第一及第二缺陷偵測方法之一者可包含一MCAT+演算法，其亦在來自KLA之一些當前可用檢測系統上可用且係類似於MCAT之一演算法但使用來自跨晶圓之參考。第一及第二缺陷偵測方法之一者可進一步包含在來自KLA之一些市售檢測系統上可用之一單參考晶粒(SRD)缺陷偵測方法或演算法。此缺陷偵測演算法使用來自相同或不同晶圓之一參考晶粒作為一參考(用於自測試影像之減法)。
在一項實施例中，第一及第二缺陷偵測方法之至少一者包含針對在檢測期間由檢測子系統之偵測器產生之輸出產生一維(1D)直方圖。針對偵測器輸出產生一1D直方圖之一缺陷偵測方法可稱為一1D缺陷偵測方法。在一項實施例中，1D直方圖係自從在檢測期間由檢測子系統之偵測器產生之輸出產生之差異影像中之灰階產生。例如，一1D缺陷偵測方法或演算法可使用以差異灰階為x軸之一1D直方圖進行離群點偵測。因此，1D直方圖可展示差異灰階上之缺陷計數。以此方式，本文中描述之實施例可將關注區域修改與1D缺陷偵測(即，基於一1D影像直方圖之臨限值設定)組合。相比之下，如本文中使用之術語「2D缺陷偵測演算法」係使用一2D直方圖(其中一個軸係(例如) n＞1個參考圖框之中值灰階(y軸)且x軸係參考灰階(諸如本文中描述之圖中展示之直方圖))之一演算法。另外，經執行用於判定如本文中描述之雜訊之特性之雜訊掃描可匹配選定缺陷偵測方法(即，其可以與一缺陷偵測方法相同之方式產生差異影像、直方圖等且自該等結果判定雜訊特性)。
如本文中描述般選擇之缺陷偵測方法亦可包含此項技術中已知之任何2D缺陷偵測方法之一1D類比。例如，每一當前使用之2D缺陷偵測演算法具有一1D對應物。在一些此等實例中，本文中提及之缺陷偵測演算法可具有1D及2D版本兩者(例如，1D MDAT及2D MDAT；1D MCAT及2D MCAT；1D MCAT+及2D MCAT+；1D SRD及2D SRD)，且可如本文中描述般選擇哪一版本用於最終子群組之任一者中之缺陷偵測。因此，本文中描述之關注區域修改係1D缺陷偵測之一致能器。
在另一實施例中，第一及第二缺陷偵測方法之一者包含針對在檢測期間由檢測子系統之偵測器產生之輸出產生一1D直方圖，且第一及第二缺陷偵測方法之另一者包含針對在檢測期間由檢測子系統之偵測器產生之輸出產生一2D直方圖。例如，可選擇第一及第二缺陷偵測方法以將用於具有相對高動態範圍之最終關注區域子群組(例如，圖9中展示之群組1)之一2D直方圖缺陷偵測方法與用於具有相對低動態範圍之區域(例如，圖9中展示之群組2)之1D缺陷偵測。換言之，若多邊形可劃分為全部具有一相對低中值灰階範圍之最終子群組且使得每一最終子群組實質上雜訊純，則一缺陷偵測方法之一1D版本可適合與最終子群組一起使用。若情況並非如此或僅一些關注區域最終子群組實質上雜訊純，則(若干)電腦子系統可選擇一缺陷偵測方法之一2D版本用於雜訊「不純」關注區域最終子群組且選擇一缺陷偵測方法之一1D版本用於雜訊「純」關注區域最終子群組。另外，可選擇相同缺陷偵測方法之不同版本用於不同最終子群組。例如，若在一晶圓上之一倍縮光罩之每一經列印例項中存在一重複項缺陷(其係列印檢查晶圓之情況)，則經選擇用於最終子群組之兩者或更多者之缺陷偵測方法可係一SRD方法或演算法，此係因為此缺陷偵測方法具有一「黃金」非缺陷參考。針對為其選擇SRD之兩個或兩個以上最終子群組之各者，可取決於各最終子群組之雜訊純度而針對各最終子群組獨立地選擇演算法之一1D或2D版本。
在一進一步實施例中，一或多個電腦子系統經組態用於單獨調諧第一及第二缺陷偵測方法之一或多個參數。例如，針對各關注區域最終子群組，例如，可基於μ +/- 3*σ定義0之一臨限偏移。在一個此實例中，(若干)電腦子系統可(例如)藉由按差異灰階繪製像素之數目而產生差異影像之一直方圖。(若干)電腦子系統可接著計算此直方圖之統計矩，諸如μ及σ。在大多數情況中，μ應實質上接近零之一差異灰階。若σ值在(例如) 20差異灰階處且臨限值欲設定於σ之3倍處，則此意謂臨限值將在60差異影像灰階處。當然，此僅係一實例且可使用其他統計值以設定臨限值。
使用者可接著指定在執行缺陷偵測時應應用哪一臨限值。例如，若預設設定不足，則使用者可視需要選擇臨限值。使用者可基於使用一特定臨限值偵測之離群點之數目及(例如)是否存在一限制(例如，一擷取率臨限值)而設定臨限值。
作為一替代例，可基於每一個別關注區域最終子群組執行偏移0計算且可將一臨限值應用至全部該等關注區域最終子群組。經設定等於零之偏移係指差異灰階，其中低於該差異灰階之所有事物被視為雜訊且高於該差異灰階之所有事物被視為離群點。取決於所使用之缺陷偵測方法，可代替μ使用此零值。
以此方式，可在檢測期間定義並應用最終關注區域子群組之使用者或自動定義臨限值。另外，可針對不同最終子群組單獨且獨立地執行靈敏度調諧。亦可以此項技術中已知之任何其他適合方式執行靈敏度調諧。
(若干)電腦子系統亦可經組態用於儲存用於樣本或相同類型之另一樣本之檢測中之選定第一及第二缺陷偵測方法之資訊。(若干)電腦子系統可經組態以將資訊儲存於一配方中或藉由產生其中將應用第一及第二缺陷偵測方法之一檢測配方。如本文中使用之術語之一「配方」被定義為可由一工具使用以對一樣本執行一程序之一組指令。以此方式，產生一配方可包含產生關於如何執行一程序之資訊，該資訊可接著用於產生用於執行該程序之指令。由(若干)電腦子系統儲存之第一及第二缺陷偵測方法之資訊可包含可用於識別、存取及/或使用選定缺陷偵測方法之任何資訊(例如，諸如一檔案名稱及其儲存之處)。經儲存之選定缺陷偵測方法之資訊亦可包含用於執行缺陷偵測方法之實際缺陷偵測方法程式碼、指令、演算法等。
(若干)電腦子系統可經組態用於將選定缺陷偵測方法之資訊儲存於任何適合電腦可讀儲存媒體中。資訊可與本文中描述之任何結果一起儲存且可以此項技術中已知之任何方式儲存。儲存媒體可包含本文中描述之任何儲存媒體或此項技術中已知之任何其他適合儲存媒體。在已儲存資訊之後，資訊可在儲存媒體中存取且由本文中描述之任何方法或系統實施例使用，經格式化以顯示給一使用者，由另一軟體模組、方法或系統使用等。例如，本文中描述之實施例可產生如上文描述之一檢測配方。該檢測配方可接著由系統或方法(或另一系統或方法)儲存並使用以檢測樣本或其他樣本以藉此產生樣本或其他樣本之資訊(例如，缺陷資訊)。
藉由對樣本或相同類型之其他樣本執行檢測而產生之結果及資訊可藉由本文中描述之實施例及/或其他系統及方法以各種方式使用。此等功能包含(但不限於)：更改諸如以一回饋或前饋方式對或將對經檢測樣本或另一樣本執行之一製造程序或步驟之一程序。例如，本文中描述之虛擬系統及(若干)其他電腦子系統可經組態以判定對如本文中描述般檢測之一樣本執行之一程序及/或將基於(若干)經偵測缺陷對樣本執行之一程序之一或多個改變。程序之改變可包含程序之一或多個參數之任何適合改變。本文中描述之虛擬系統及/或(若干)其他電腦子系統較佳判定該等改變使得可減少或防止對其執行經修訂程序之其他樣本上之缺陷，可在對樣本執行之另一程序中校正或消除樣本上之缺陷，可在對樣本執行之另一程序中補償缺陷等。本文中描述之虛擬系統及(若干)其他電腦子系統可以此項技術中已知之任何適合方式判定此等改變。
可接著將該等改變發送至一半導體製造系統(未展示)或可供本文中描述之虛擬系統或(若干)其他電腦子系統及半導體製造系統存取之一儲存媒體(未展示)。半導體製造系統可或可不係本文中描述之系統實施例之部分。例如，本文中描述之虛擬系統、(若干)其他電腦子系統及/或檢測子系統可(例如)經由一或多個共同元件(諸如一外殼、一電源供應器、一樣本處置裝置或機構等)耦合至半導體製造系統。半導體製造系統可包含此項技術中已知之任何半導體製造系統，諸如一微影工具、一蝕刻工具、一化學-機械拋光(CMP)工具、一沈積工具及類似者。
因此，如本文中描述，實施例可用於設定一新檢測程序或配方。實施例亦可用於修改一現有檢測程序或配方，無論是否用於樣本或針對一個樣本產生且經調適用於另一樣本之一檢測程序或配方。然而，本文中描述之實施例不僅僅限於檢測配方或程序產生或修改。例如，本文中描述之實施例亦可用於以一類似方式設定或修改用於度量衡、缺陷檢視等之一配方或程序。特定言之，可執行本文中描述之分離多邊形、判定雜訊之一特性及判定最終子群組步驟而無關於經設定或修訂之程序。因此，取決於經設定或更改之程序或配方，可執行選擇步驟以選擇用於不同最終子群組之一或多個輸出處理方法。此等輸出處理方法可包含(例如)用於自由一度量衡系統產生之輸出判定多邊形之一或多個特性之演算法、用於重新偵測由一缺陷檢視系統產生之輸出中之缺陷之缺陷重新偵測方法等。以一類似方式，本文中描述之實施例可用於不僅選擇輸出處理參數及方法而且亦選擇輸出獲取參數或模式(例如，一度量衡系統或一缺陷檢視系統使用其等自一樣本偵測光、電子、離子等)。因此，本文中描述之實施例可不僅僅用於設定或修改一檢測程序而且亦可用於設定或修改對本文中描述之樣本執行之任何品質控制類型程序。
相較於用於設定使用關注區域之檢測程序之先前使用之方法及系統，本文中描述之實施例提供數個優點。例如，本文中描述之實施例提供更快得出結果時間，此係因為可在初始模式/演算法選擇程序期間作出模式-演算法組合決策。另外，本文中描述之實施例可遠更可靠地識別相對具有雜訊之區域且甚至可將相對小、手動難以識別之多邊形正確地細分組。將關注區域組合成展現不同雜訊特性之群組亦改良整體檢測靈敏度，此係因為可針對具有較少雜訊之群組達成增強之靈敏度。此外，本文中描述之實施例提供遠更佳晶圓內遷移及晶圓間程序變動，此係因為受晶圓雜訊變動影響較少之群組更穩定。本文中描述之實施例亦容許增加對某些DOI之靈敏度。此選擇性DOI靈敏度將容許使用者改良其等基於檢測結果作出正確處理決策之能力。
作為本文中描述之實施例之一替代例，檢測設定可包含手動地識別具有雜訊之結構且針對具有雜訊之結構執行基於設計之搜尋以產生新關注區域。此檢測設定亦可包含測試新關注區域設定且尋找額外雜訊源。此等方法可接著包含返回且針對新識別之具有雜訊的結構執行一基於設計之搜尋。然而，不同於本文中描述之實施例，此程序可耗費許多天且太緩慢且在關注區域雜訊純度方面通常不足。
可將上文描述之各系統之各實施例一起組合為一項單一實施例。
另一實施例係關於一種用於選擇用於一樣本檢測之缺陷偵測方法之電腦實施方法。方法包含上文描述之分離多邊形、判定一特性、判定最終子群組及選擇第一及第二缺陷偵測方法步驟。
可如本文中進一步描述般執行方法之各步驟。方法亦可包含可由本文中描述之檢測子系統及/或(若干)電腦子系統或(若干)系統執行之(若干)任何其他步驟。分離多邊形、判定一特性、判定最終子群組及選擇第一及第二缺陷偵測方法步驟由可根據本文中描述之任何實施例組態之一或多個電腦子系統執行。另外，上文描述之方法可由本文中描述之任何系統實施例執行。
一額外實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體，該等程式指令可在一電腦系統上執行以執行用於選擇用於一樣本檢測之缺陷偵測方法之一電腦實施方法。在圖10中展示一項此實施例。特定言之，如圖10中展示，非暫時性電腦可讀媒體1000包含可在電腦系統1004上執行之程式指令1002。電腦實施方法可包含本文中描述之(若干)任何方法之(若干)任何步驟。
實施諸如本文中描述之方法之方法之程式指令1002可儲存於電腦可讀媒體1000上。電腦可讀媒體可係一儲存媒體，諸如一磁碟或光碟、一磁帶或此項技術中已知之任何其他適合非暫時性電腦可讀媒體。
可以各種方式(包含基於程序之技術、基於組件之技術及/或物件導向技術等等)之任何者實施程式指令。例如，可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE (串流SIMD延伸)或其他技術或方法論實施程式指令。
可根據本文中描述之任何實施例組態電腦系統1004。
本文中描述之額外實施例大體上係關於用於(例如)藉由用於緩解歸因於改變一樣本上之製造處理條件之靈敏度之損耗之統計校正而控制樣本檢測之一程序之系統及方法。經組態用於控制一樣本檢測之一程序之一系統之一項實施例包含經組態以回應於自一樣本偵測之能量而產生輸出之一檢測子系統。可如本文中描述般(例如，如由圖1中之檢測子系統10及圖2中展示之檢測子系統展示)進一步組態該檢測子系統。在一項實施例中，檢測子系統係一基於光之檢測子系統。在另一實施例中，檢測子系統係一基於電子之檢測子系統。可如本文中進一步描述般(例如，如圖1及圖2中展示)組態此等檢測子系統。在一項實施例中，樣本係一晶圓。樣本可包含本文中描述之晶圓或其他樣本之任何者。
系統包含可如本文中描述之任何電腦子系統(例如，圖1中展示之電腦子系統36及(若干)電腦子系統102)般經組態之一或多個電腦子系統，該一或多個電腦子系統經組態用於藉由自對應於樣本上之一關注區域之多個例項之輸出減去一參考而產生該關注區域之多個例項之差異影像。可如本文中進一步描述般使用本文中描述或此項技術中已知之任何參考產生差異影像。
在如圖11中展示之一項此實施例中，至一或多個電腦子系統之輸入可包含候選影像1100及參考影像1102 (其等可包含本文中描述之任何候選影像及參考影像)。可將一或多個濾波器應用至各輸入影像。例如，一或多個電腦子系統可將濾波器1104應用至候選影像1100且將濾波器1106應用至參考影像1102。濾波器1104及1106可包含此項技術中已知之任何適合濾波器，諸如強度濾波器。例如，濾波器可對一影像之全部高頻率濾波(如在一高通濾波器中)，對一影像之全部低頻率濾波(如在一低通濾波器中)或對一影像之某些頻率範圍濾波(如在一帶通濾波器中)。濾波器1104及1106亦可經組態以執行具有相同或不同參數之相同類型之濾波，諸如強度濾波。濾波器1104及1106亦係選用的且可不用於一些檢測程序中。
可接著將經濾波候選及參考影像輸入至減法步驟1108，其中自候選影像減去參考影像以藉此產生一初步或初始差異影像。可將減法步驟之結果輸入至選用差異濾波步驟1110。可將差異濾波器應用至初步或初始差異影像，此意謂將初步或初始差異影像與差異濾波器之矩陣卷積。差異濾波器亦可包含此項技術中已知之任何其他適合差異影像濾波器。差異濾波器步驟之結果可係差異影像1112。
在本文中描述之實施例中，可針對樣本上之關注區域之多個例項之各者產生一差異影像或可針對樣本上之關注區域之多個例項(其等可不包含樣本上之關注區域之多個例項之全部)之兩者或兩者以上之各者產生一差異影像。例如，針對本文中描述之實施例，樣本上之全部關注區域例項可用於本文中描述之步驟，或(例如，取決於需要多少差異影像以判定本文中描述之差異影像之一統計特性，取決於所判定之統計特性之變動)可僅選擇及使用樣本上之關注區域例項之一部分用於本文中描述之步驟。因此，為了控制一樣本檢測之一程序之目的，本文中描述之實施例可針對將在程序中檢測之少於全部關注區域例項產生差異影像且可針對將在程序中檢測之少於全部關注區域例項執行本文中描述之其他步驟。可以各種方式判定多少及哪些關注區域例項用於控制一樣本檢測之一程序，諸如可用於執行本文中描述之步驟之經分配時間及其他資源，預期樣本間之變動，檢測程序對於樣本之變動之穩健程度及類似者。
如本文中進一步描述，術語一「關注區域」之「多個例項」係指相同關注區域類型之多個關注區域，且一關注區域類型之多個例項之全部可稱為一「關注區域群組」。例如，相同關注區域類型之一者以上可定位於一樣本上之一晶粒、場或其他倍縮光罩例項中。另外，一個以上類型之關注區域可定位於一樣本上。以此方式，可針對一樣本產生不同關注區域群組，且各關注區域群組可包含一關注區域類型之一或多個例項。如本文中進一步描述，經執行用於控制檢測程序之一些步驟可針對不同關注區域(意謂不同關注區域類型或不同關注區域群組)單獨且獨立地執行。
關注區域可如本文中進一步描述般組態並產生或可包含此項技術中已知之任何其他適合關注區域。例如，在一些實施例中，一或多個電腦子系統經組態用於基於樣本上之多邊形之一特性將關注區域中之多邊形分成初始子群組，使得具有特性之不同值之多邊形被分成不同初始子群組。一或多個電腦子系統亦經組態用於判定在由檢測子系統針對不同初始子群組中之樣本上之多邊形產生之輸出之一特性。另外，一或多個電腦子系統經組態用於藉由將具有特性之實質上相同值之不同初始子群組之任何兩者或兩者以上組合成最終子群組之一者而判定多邊形之最終子群組。在此等實施例中，判定統計特性、判定變動及判定一或多個改變係針對最終子群組之各者單獨執行。可如本文中進一步描述般執行此等步驟之各者。在另一實例中，一或多個電腦子系統可經組態用於設定關注區域，如在2020年3月24日頒予Brauer等人之美國專利第10,600,175號中描述，該專利以宛如全文陳述引用之方式併入本文中。可如此專利中描述般組態本文中描述之實施例。
在一項實施例中，輸出之特性包含為了偵測該等缺陷判定之該輸出之一特性。在另一實施例中，輸出之特性包含輸出中之雜訊之一特性。例如，使用經細分關注區域群組(其等在如本文中描述般產生時，在其等缺陷屬性(諸如2D直方圖之灰階範圍、MDAT/MCAT雜訊等)方面實質上類似)，一或多個電腦子系統可將關注區域組合成關注區域群組。可對設定樣本執行關注區域設定但對一運行時間樣本執行其亦可行。以此方式，一或多個電腦子系統可將具有相同雜訊行為之關注區域例項之子群組組合成相同關注區域群組。另外，不同關注區域群組可包含具有雜訊之特性之統計上不同值(諸如標準偏差)之關注區域例項。
一或多個電腦子系統亦經組態用於判定關注區域之多個例項之差異影像之一統計特性。在一項實施例中，統計特性係在關注區域之多個例項中之輸出之全部像素之灰階之一標準偏差。例如，一或多個電腦子系統可基於各關注區域群組中之全部像素之差異灰階執行一統計分析以計算基於關注區域群組之標準偏差。可使用此項技術中已知之任何適合方法、函數、演算法等執行統計分析。以此方式，本文中描述之實施例可經組態用於計算差異影像之一關注區域群組特定標準偏差。雖然本文中關於差異影像之一標準偏差描述一些實例及實施例，但統計特性可包含此項技術中已知之任何其他適合統計特性。
在另一實施例中，統計特性係回應於在產生輸出之前由對樣本執行之程序之變動引起之樣本之改變。例如，在產生輸出之前對樣本執行之程序可包含可對本文中描述之樣本執行之任何製造程序，諸如微影、蝕刻、化學機械拋光、沈積及類似者。如在程序漂移時，此等程序可無意地引起樣本之特性之樣本間之改變。樣本之特性之改變亦可在有意地改變程序時發生，無論是否以不引起樣本之改變之意圖或係為了刻意地引起樣本之改變控制程序。例如，當將一個工具切換成另一工具時，即使對樣本執行之程序旨在相同，工具可仍不同地執行，藉此引起樣本之改變。在另一實例中，當對一製造程序作出一校準或程序控制調整時，該校準或控制函數可引起經受該製造程序之樣本不同，無論該等差異是否足夠顯著以引起樣本上之實際缺陷。在另一實例中，可改變一製造程序以有意地改變由該程序產生之樣本之一或多個特性。因而，樣本之一或多個特性之有意改變可由一先前設定檢測程序偵測為缺陷，即使其等並非實際缺陷。
因此，由本文中描述之實施例判定之統計特性較佳係回應於在產生輸出之前由對樣本執行之程序之變動引起之樣本之改變。因而，適用於本文中描述之實施例中之統計特性可取決於樣本組態及在檢測之前對其執行之(若干)程序變動。識別且選擇此一統計特性可以此項技術中已知之任何適合方式(例如，實驗上或理論上)執行。
一或多個電腦子系統進一步經組態用於相較於針對一或多個其他樣本上之關注區域之多個例項產生之差異影像之一統計特性判定統計特性之變動。以此方式，經計算統計特性(諸如一標準偏差)可用於追蹤值以研究樣本間程序變動。在一個此實例中，本文中描述之實施例可基於標準偏差偵測一樣本改變。
存在可判定並追蹤樣本間變動之許多方式。例如，圖12展示可用於隨樣本(在此情況中，隨晶圓)追蹤統計特性之晶鬚圖1200之一個實例。為了產生此等結果，使用與晶圓3及4 (使用程序B製造)不同之一程序(程序A)製造晶圓1及2。另外，可自一個單一CA群組(即，樣本上之僅一個CA類型之多個例項)內之像素產生晶鬚圖。
藉由繪製依據平均值及平均值+/- 3 *標準偏差(即，μ + 3σ、μ及μ -3σ)而變化且依據樣本而變化之差異灰階(DGL)而產生圖12中展示之晶鬚圖。曲線圖可接著用於判定依據μ + 3σ、μ及μ -3σ之一或多者而變化之DGL之顯著或有意義的改變。例如，如藉由比較晶圓2及3之μ + 3σ值(即，值1202)所見，在自晶圓2移動至晶圓3時存在一統計上有意義的跳躍，此可在上文描述之程序改變(自用於晶圓1及2之程序A至用於晶圓3及4之程序B)之後發生。在自晶圓2移動至晶圓3時可見μ -3σ之一類似統計上有意義的跳躍(在相反方向上)。因此，在比較晶圓2與晶圓3之μ + 3σ及μ -3σ DGL時可見晶圓間變動。
亦可提取晶鬚圖之部分用於進一步分析。例如，圖12之實例中之各晶鬚含有7個點，其中該等點之一者係來自晶圓之外邊緣(曲線圖中之離群點)。因此，各晶鬚展示一晶圓內之σ之變動。在一個此實例中，分解視圖1204展示具有針對晶圓3判定之μ -3σ資料點之一晶鬚，其包含來自晶圓上之一邊緣晶粒之1個資料點及來自非邊緣晶粒之6個資料點。如自此分解視圖可見，可容易地偵測來自晶圓之邊緣之離群點1206。因此，一晶鬚圖(諸如圖12中展示之晶鬚圖)之個別晶鬚可用於判定一晶圓或其他樣本內或跨一晶圓或其他樣本之統計特性之變動。以此方式，晶鬚圖可用於比較並偵測統計特性之晶圓內及晶圓間變動兩者。
一或多個電腦子系統亦經組態用於基於變動判定用於偵測樣本上之關注區域中之缺陷之一或多個參數之一或多個改變。例如，如圖11中展示，一或多個電腦子系統可使用差異影像1112作為至一關注區域(CA)群組相依程序變動校正步驟1114 (其可包含執行本文中進一步描述之判定統計特性、判定變動及判定一或多個改變步驟)之輸入。以此方式，本文中描述之實施例可經組態用於計算一CA群組特定之程序變動調整參數。
在一項實施例中，一或多個參數包含在使用差異影像以偵測缺陷之前應用至差異影像之一正規化。例如，經計算標準偏差可用於用於缺陷偵測之特徵(諸如DGL)之正規化。本文中描述之實施例亦可判定經執行以產生差異影像之其他程序、步驟、功能等之一或多個參數之一或多個改變。例如，本文中描述之實施例可判定圖11中展示之濾波步驟1104及1106及圖11中展示之差異濾波器1110之一或多個參數之一或多個改變。
以此方式，本文中描述之實施例可經組態用於基於一程序變動參數調整差異影像。換言之，藉由改變用於產生差異影像之一或多個步驟或功能之一或多個參數，實施例可改變差異影像自身。另外，藉由改變用於產生差異影像之(若干)參數，相較於另一樣本，針對一個樣本產生之差異影像之非缺陷變動可減少，且甚至最小化或消除。因此，一樣本之差異影像至針對一或多個先前樣本產生之差異影像之此一正規化可消除改變缺陷偵測程序之(若干)任何其他參數(諸如應用至差異影像中之像素之值或特性以偵測樣本上之缺陷之一臨限值)之需要。然而，如本文中進一步描述，實施例不限於僅改變檢測程序之一個步驟之(若干)參數。例如，本文中描述之實施例可判定應對經執行以產生差異影像之一正規化及/或其他程序步驟以及對差異影像執行以偵測樣本上之缺陷之一或多個功能或步驟兩者作出之一或多個改變。
在另一實施例中，一或多個參數之一或多個改變會改變偵測缺陷之一靈敏度。例如，無論用於偵測缺陷之(若干)參數之一或多個改變是否包含用於產生差異影像之(若干)參數之一或多個改變，(若干)參數之一或多個改變可包含控制在CA例項中偵測缺陷之靈敏度之缺陷偵測方法或演算法之(若干)改變。例如，可藉由更改一缺陷偵測方法或演算法之一臨限值而改變靈敏度。以此方式，若相較於用於設定檢測程序之(若干)樣本，檢測程序輸出歸因於一樣本之改變而具有更多雜訊，則可改變缺陷偵測之靈敏度使得雜訊未被偵測為擾亂點及/或未引起DOI不被偵測。
在一些實施例中，一或多個參數包含用於產生輸出之檢測子系統之一或多個參數。例如，一或多個電腦子系統可考量回應於由一或多個電腦子系統判定之統計特性之變動而改變檢測子系統之一或多個照明參數，諸如照明及增益。一般言之，一或多個參數可包含本文中描述之檢測子系統之任何一或多個參數。例如，可亦或替代地藉由改變偵測子系統之一或多個參數而減少或緩解檢測子系統輸出中之雜訊。檢測子系統之(若干)參數之一或多個改變可以此項技術中已知之任何適合方式(例如，實驗上或理論上)判定。
當然，若一或多個電腦子系統判定在統計特性中不存在、存在最少或可接受變動，則一或多個電腦子系統可判定一或多個改變為空，此意謂一或多個電腦子系統可判定一或多個改變為零或不存在一或多個改變。換言之，判定一或多個改變可包含判定(若干)改變有效地為零。一或多個改變是否為非零可不僅僅包含判定是否存在統計特性之某一非零變動而且亦包含判定統計特性之該非零變動是否足夠大以保證改變一或多個參數。判定統計特性之變動是否足夠大使得應對用於偵測缺陷之一或多個參數作出一或多個改變可以各種方式執行，諸如藉由比較統計特性之變動與基於(例如)檢測程序之參數對於樣本之改變之容限(其可在檢測程序之設定期間判定)判定之一預定臨限值。
一或多個改變可包含對檢測程序之(若干)參數之定量及/或定性改變。例如，一或多個改變可包含一定性改變，諸如自一個光源或照明通道改變至另一光源或照明通道或藉由將一個差異濾波器調換成另一差異濾波器而改變對差異影像執行之濾波。然而，一或多個改變可亦或替代地包含(若干)定量改變，諸如改變用於偵測缺陷之一缺陷偵測演算法中之一臨限值之一值，判定對一照明通道之增益之一定量調整及類似者。此等定性及/或定量改變可以此項技術中已知之任何適合方式另外判定及實施。
因此，本文中描述之實施例可使用一基於統計之校正以緩解歸因於處理條件改變之靈敏度之損耗。例如，當存在在相同程序中檢測之樣本間變動時，變動可因為數個原因而引起靈敏度降低。在一個此實例中，當針對具有相同特性及/或在值之一個範圍中之特性之(若干)樣本設定一檢測程序，且檢測程序接著用於具有不同特性及/或在該值範圍之外之特性之(若干)樣本時，用於設定之樣本及經檢測樣本之間之差異可引起大量擾亂點被偵測及/或遺漏DOI。例如，即使(若干)設定樣本與(若干)經檢測樣本之間之差異不係歸因於(若干)經檢測樣本上之缺陷，該等差異仍可引起檢測程序偵測在檢測程序中藉由檢測子系統產生之輸出中之大量雜訊。該大量雜訊可被偵測為擾亂點及/或引起DOI不被偵測。然而，藉由如本文中描述般針對樣本間改變控制一檢測程序，可更改檢測程序之一或多個參數使得樣本間改變不被偵測為雜訊及/或不引起DOI不被偵測。以此方式，本文中描述之實施例可有利地使缺陷檢測對於製造程序變動更穩健，藉此確保即使在程序改變或已經改變時，檢測仍可產生可靠樣本缺陷密度資料。
在一項實施例中，產生差異影像、判定統計特性、判定變動及判定一或多個改變係針對樣本上之關注區域及另一關注區域單獨執行。例如，即使使用一參考之不用部分以產生不同關注區域類型或群組之差異影像，產生差異影像步驟仍可針對樣本上之不同關注區域類型或群組以相同方式執行。然而，諸如當使用不同強度濾波器、不同差異影像濾波器、不同正規化等以產生不同關注區域類型或群組之差異影像時，可單獨且獨立地執行產生不同關注區域類型或群組之差異影像。然而，可針對不同關注區域類型或群組單獨且獨立地執行本文中描述之其他步驟，此係因為不同關注區域類型或群組可由對樣本執行之(若干)製造程序之改變不同地影響。例如，一個關注區域類型中之圖案化特徵可完全不由一製造程序之一改變影響，而另一關注區域類型中之圖案化特徵可由製造程序之相同改變顯著地更改。因而，即使不同關注區域類型經歷一製造程序之相同變動，針對不同關注區域類型判定之統計特性仍可不同且在樣本間不同地變動且獲益於(若干)檢測程序參數之不同改變。除了單獨且獨立地執行之外，本文中描述之步驟亦可針對不同關注區域類型以本文中描述之相同方式執行。以此方式，本文中描述之實施例可最佳化在一關注區域群組層級上執行之缺陷檢測。
在另一實施例中，用於檢測程序之一配方係在產生差異影像、判定統計特性、判定變動及判定一或多個改變之前設定。換言之，雖然本文中描述之實施例可用於從頭開始設定一檢測程序，但產生實施例主要用於監測一先前設定檢測程序之效能。例如，設定一檢測程序且監測一檢測程序可包含一些相同步驟但一般言之，設定階段將包含比監測階段遠更多之步驟且監測階段中之一些步驟可與設定步驟中不同地執行。在一個此實例中，設定一檢測程序可包含更少樣本上之遠更多之量測，而監測檢測程序可包含遠更多樣本(例如，各經檢測樣本)上之顯著更少量測。以此方式，一檢測程序可基於跨數個樣本之統計變動設定但如本文中描述之檢測程序監測係基於樣本間之統計變動而執行。檢測程序設定及監測可在此等方法之效能方面具有額外差異。因而，檢測程序設定及監測可不僅在所涉及之步驟方面而且在用於執行程序之動機方面有所不同。
在一進一步實施例中，產生差異影像、判定統計特性、判定變動及判定一或多個改變係針對對其執行檢測程序之各樣本執行。例如，本文中描述之實施例可藉由對各樣本執行一統計分析而尤其追蹤晶圓間程序變動。另外，本文中描述之計算可在執行缺陷檢測時之運行時間期間對每一晶圓執行。因此，一旦樣本中之程序變動發生，監測變動且判定一或多個樣本間改變便可偵測且校正該等程序變動。
在一些實施例中，一或多個電腦子系統經組態用於基於變動相較於對一或多個其他樣本執行之製造程序判定對樣本執行之一製造程序之變動。以此方式，經計算統計特性(諸如一標準偏差)可用於追蹤值以研究樣本間程序變動。一或多個電腦子系統可以數個不同方式判定是否存在程序變動。例如，若判定統計特性之變動顯著，則(若干)電腦子系統可僅偵測製造程序之變動已發生。然而，一或多個電腦子系統亦可使用統計特性之經判定變動以判定製造程序之變動之一定量值。例如，在製造程序之設定期間，建立用於製造程序之參數通常涉及判定經處理樣本之特性與參數值之間之某一關係。在一個此實例中，判定用於一微影程序之曝光焦點及劑量之值通常涉及判定焦點及劑量之不同值如何影響樣本之特性。接著，一使用者可接著使此一關係可用於本文中描述之實施例，使得統計特性及關係之變動可用於判定用以製造樣本之參數之值。以此方式，可不僅偵測製造程序之漂移，而且亦可以一可定量方式識別漂移之原因。
在一額外實施例中，一或多個電腦子系統經組態用於判定依據樣本上之關注區域之多個例項之位置而變化之統計特性之額外變動且基於統計特性之額外變動判定對樣本執行之一製造程序之變動。以此方式，一或多個電腦子系統可追蹤經計算統計特性(諸如一標準偏差)以在樣本程序變動內進行研究。例如，如本文中進一步描述，一晶鬚圖(諸如圖12中展示之晶鬚圖)可用於追蹤統計特性之樣本內變動以及統計特性之樣本間變動之改變。
因為數個原因，判定統計特性之樣本內變動或跨樣本變動可係有利的。例如，檢測程序之(若干)參數可基於樣本內變動依據樣本上之位置而控制，此意謂可跨樣本維持檢測程序之靈敏度及效能。另外，跨樣本之統計特性之變動可尤其用於判定對一樣本執行之一製造程序之變動。在一個此實例中，一些製造程序變動可引起由製造程序產生之樣本之(若干)特性中之空間簽章。在一特定實例中，一蝕刻程序之一些改變可引起一樣本之一統計特性之一個類型之空間變動(如同統計特性之自左至右之一線性改變)而蝕刻程序之其他改變可引起樣本之統計特性之另一類型之空間變動(如同跨樣本之一半徑之一非線性改變)。因此，識別樣本之統計特性如何跨樣本變動可增加可偵測製造程序之變動之準確性。
一或多個電腦子系統可進一步經組態用於將一或多個改變應用至用於偵測缺陷之一或多個參數且在已將一或多個改變應用至一或多個參數之後執行缺陷偵測。例如，如圖11之步驟1116中展示，一或多個電腦子系統可使用經改變之一或多個參數執行缺陷偵測且導出缺陷屬性。應用一或多個改變可以數個不同方式執行，諸如引起檢測子系統硬體(例如，一照明及/或偵測子系統)之一或多個改變或作出電腦子系統硬體或軟體之一或多個改變(例如，更改用於缺陷偵測之一演算法)。應用一或多個改變亦可包含對檢測程序之一配方作出一或多個改變，此可接著對樣本及任何其他後續樣本執行。可如本文中描述般執行改變檢測程序之一配方。以此方式，可僅藉由儲存一檢測程序配方之改變而對系統之一或多個元件或藉由一或多個電腦子系統執行之一或多個步驟作出一或多個改變。可以本文中描述之任何方式執行使用經改變檢測程序之缺陷偵測。換言之，一旦已對檢測程序之(若干)參數作出(若干)改變，便可如通常將針對一樣本上之缺陷偵測般執行檢測程序。
在一項實施例中，偵測缺陷包含產生依據差異影像中之像素之灰階而變化之像素計數之一1D直方圖。在另一實施例中，偵測缺陷包含產生依據參考中之像素之灰階及差異影像中之像素之灰階而變化之像素計數之一2D直方圖。以此方式，偵測缺陷可包含可如本文中進一步描述般執行之1D或2D類型之缺陷偵測。以此方式，離群點之偵測不需要基於一2D直方圖(像素計數超過參考灰階及差異灰階)執行而亦可基於一1D直方圖(像素計數超過差異灰階)執行。只要保證各關注區域群組中之純度，1D類型缺陷偵測便係可行的。以此方式，本文中描述之實施例可基於一1D直方圖執行離群點偵測。若否，則通常可基於一2D直方圖執行偵測。
缺陷偵測亦可由本文中描述之實施例執行，如2018年12月11日頒予Bhattacharyya等人之美國專利第10,151,706號、2019年1月29日頒予Bhattacharyya等人之美國專利第10,192,302號及2020年1月14日頒予Brauer等人之美國專利第10,535,131號中描述，該等專利以宛如全文陳述引用之方式併入本文中。可如此等專利中描述般進一步組態本文中描述之實施例。
本文中描述之實施例具有優於用於控制一樣本檢測之一程序之其他方法及系統之數個優點。例如，藉由使用本文中描述之實施例以檢測且控制檢測程序，在晶圓製造程序改變時不需要或僅需要實質上有限的配方重新調諧。在另一實例中，本文中描述之實施例容許更正確DOI計數預測。此外，本文中描述之實施例實現使得缺陷偵測能夠在考量對樣本條件之改變以及照明參數改變之一校正之後執行。當樣本改變時，本文中描述之實施例亦容許增加對某些DOI之靈敏度。此能力將容許使用者改良其等基於經偵測缺陷作出正確處理決策之能力。
可將上文描述之各系統之各實施例一起組合為一項單一實施例。
另一實施例係關於一種用於控制一樣本檢測之一程序之電腦實施方法。該方法包含藉由自對應於一樣本上之一關注區域之多個例項之輸出減去一參考而產生該關注區域之該多個例項之差異影像。該輸出係藉由一檢測子系統且回應於自該樣本偵測之能量而產生。可如本文中進一步描述般組態檢測子系統。該方法亦包含上文描述之判定一統計特性、判定變動及判定一或多個改變步驟。
可如本文中進一步描述般執行方法之各步驟。方法亦可包含可由本文中描述之檢測子系統及/或(若干)電腦子系統或(若干)系統執行之(若干)任何其他步驟。產生差異影像、判定統計特性、判定變動及判定一或多個改變由可根據本文中描述之任何實施例組態之一或多個電腦子系統執行。另外，上文描述之方法可由本文中描述之任何系統實施例執行。
一額外實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體，該等程式指令可在一電腦系統上執行以執行用於控制一樣本檢測之一程序之一電腦實施方法。在圖10中展示一項此實施例。特定言之，如圖10中展示，非暫時性電腦可讀媒體1000包含可在電腦系統1004上執行之程式指令1002。電腦實施方法可包含本文中描述之(若干)任何方法之(若干)任何步驟。可如上文描述般進一步組態電腦可讀媒體、程式指令及電腦系統。
鑑於此描述，熟習此項技術者將明白本發明之各種態樣之進一步修改及替代實施例。例如，提供用於控制一樣本檢測之一程序之方法及系統。因此，此描述應僅解釋為闡釋性且係出於教示熟習此項技術者實行本發明之一般方式之目的。應理解，本文中展示及描述之本發明之形式將視為當前較佳實施例。如熟習此項技術者在獲益於本發明之此描述之後將明白，元件及材料可取代本文中繪示及描述之元件及材料，部分及程序可顛倒，且可獨立利用本發明之特定特徵。在不脫離如在以下發明申請專利範圍中描述之本發明之精神及範疇之情況下可對本文中描述之元件做出改變。
10:檢測子系統 14:樣本 16:光源 18:光學元件 20:透鏡 21:光束分離器 22:載物台 24:集光器 26:元件 28:偵測器 30:集光器 32:元件 34:偵測器 36:電腦子系統 102:電腦子系統 122:電子柱 124:電腦子系統 126:電子束源 128:樣本 130:元件 132:元件 134:偵測器 300:步驟 302:步驟 304:步驟 306:步驟 400:關注區域 402:投影/多邊形 404:多邊形 500:關注區域 600:直方圖 700:版本 800:二維(2D)直方圖 802:二維(2D)直方圖 804:二維(2D)直方圖 806:關注區域群組 808:關注區域群組 900:關注區域版本 1000:非暫時性電腦可讀媒體 1002:程式指令 1004:電腦系統 1100:候選影像 1102:參考影像 1104:濾波器 1106:濾波器 1108:減法步驟 1110:差異濾波器 1112:差異影像 1114:關注區域(CA)群組相依程序變動校正步驟 1116:步驟 1200:晶鬚圖 1202:值 1204:分解視圖 1206:離群點
在受益於較佳實施例之以下詳細描述的情況下且在參考隨附圖式之後，熟習此項技術者將明白本發明之進一步優點，其中：
圖1及圖2係繪示如本文中描述般組態之一系統之實施例之側視圖之示意圖；
圖3係繪示由本文中描述之一或多個電腦子系統執行之步驟之一實施例之一流程圖；
圖4係繪示一樣本上之一關注區域之一個實例之一平面視圖及展示針對關注區域中之多邊形執行之一投影之結果之一圖表之一示意圖；
圖5係繪示一樣本上之一關注區域之一個實例之一平面視圖之一示意圖；
圖6係自從由一檢測子系統之一偵測器針對圖5中展示之關注區域中之多邊形產生之輸出判定之不同值產生之一二維直方圖之一實例；
圖7係繪示具有基於多邊形之一特性而分成初始子群組之關注區域中之多邊形之圖5中展示之關注區域之一平面視圖之一示意圖；
圖8包含自從由一檢測子系統之一偵測器針對圖7中展示之多邊形之初始子群組產生之輸出判定之不同值產生之二維直方圖之實例及二維直方圖之差異；
圖9係繪示具有基於圖8中展示之二維直方圖之類似性及差異而分成最終子群組之關注區域中之多邊形之圖5中展示之關注區域之一平面視圖之一示意圖；
圖10係繪示儲存用於引起一電腦系統執行本文中描述之一電腦實施方法之程式指令之一非暫時性電腦可讀媒體之一項實施例之一方塊圖；
圖11係繪示可藉由本文中描述之用於控制一樣本檢測之一程序之實施例執行之步驟之一項實施例之一流程圖；及
圖12係可藉由本文中描述之用於控制一樣本檢測之一程序之實施例產生之一晶鬚圖之一實例。
雖然本發明易於以各種修改及替代形式呈現，但本發明之特定實施例藉由圖式中之實例展示且在本文中經詳細描述。圖式可不按比例繪製。然而，應理解，圖式及其詳細描述不旨在將本發明限於所揭示之特定形式，相反，本發明欲涵蓋落於如由隨附發明申請專利範圍界定之本發明之精神及範疇內之全部修改、等效物及替代物。
10:檢測子系統
14:樣本
16:光源
18:光學元件
20:透鏡
21:光束分離器
22:載物台
24:集光器
26:元件
28:偵測器
30:集光器
32:元件
34:偵測器
36:電腦子系統
102:電腦子系統

Claims (21)

  1. 一種經組態用於控制一樣本檢測之一程序之系統，其包括： 一檢測子系統，其經組態以回應於自一樣本偵測之能量而產生輸出；及 一或多個電腦子系統，其等經組態用於： 藉由自對應於該樣本上之一關注區域之多個例項之該輸出減去一參考而產生該關注區域之該多個例項之差異影像； 判定該關注區域之該多個例項之該等差異影像之一統計特性； 相較於針對一或多個其他樣本上之該關注區域之多個例項產生之差異影像之一統計特性判定該統計特性之變動；且 基於該變動判定用於偵測該樣本上之該關注區域中之缺陷之一或多個參數之一或多個改變。
  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用於： 基於該樣本上之多邊形之一特性將該關注區域中之該等多邊形分成初始子群組，使得具有該特性之不同值之該等多邊形被分成不同初始子群組； 判定由該檢測子系統之偵測器針對該等不同初始子群組中之該樣本上之該等多邊形產生之該輸出之一特性；且 藉由將具有該特性之實質上相同值之不同初始子群組之任何兩者或兩者以上組合成最終子群組之一者而判定該等多邊形之該等最終子群組，其中判定該統計特性、判定該變動及判定該一或多個改變係針對該等最終子群組之各者單獨執行。
  3. 如請求項2之系統，其中該輸出之該特性包括針對偵測該等缺陷判定之該輸出之一特性。
  4. 如請求項2之系統，其中該輸出之該特性包括該輸出中之雜訊之一特性。
  5. 如請求項1之系統，其中該統計特性係在該關注區域之該多個例項中之該輸出之全部像素之灰階之一標準偏差。
  6. 如請求項1之系統，其中該統計特性係回應於在該輸出之產生之前由對該樣本執行之一程序之變動引起之該樣本之改變。
  7. 如請求項1之系統，其中該一或多個參數包括在使用該等差異影像以偵測該等缺陷之前應用至該等差異影像之一正規化。
  8. 如請求項1之系統，其中該一或多個參數之該一或多個改變會改變偵測該等缺陷之一靈敏度。
  9. 如請求項1之系統，其中該一或多個參數包括用於產生該輸出之該檢測子系統之一或多個參數。
  10. 如請求項1之系統，其中產生該等差異影像、判定該統計特性、判定該變動及判定該一或多個改變係針對該樣本上之該關注區域及另一關注區域單獨執行。
  11. 如請求項1之系統，其中用於該檢測程序之一配方係在產生該等差異影像、判定該統計特性、判定該變動及判定該一或多個改變之前設定。
  12. 如請求項1之系統，其中產生該等差異影像、判定該統計特性、判定該變動及判定該一或多個改變係針對對其執行該檢測程序之各樣本執行。
  13. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態用於基於該變動相較於對該一或多個其他樣本執行之一製造程序判定對該樣本執行之該製造程序之變動。
  14. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態用於判定依據該樣本上之該關注區域之該多個例項之位置而變化之該統計特性之額外變動且基於該統計特性之該額外變動判定對該樣本執行之一製造程序之變動。
  15. 如請求項1之系統，其中偵測該等缺陷包括產生依據該等差異影像中之像素之灰階而變化之像素計數之一一維直方圖。
  16. 如請求項1之系統，其中偵測該等缺陷包括產生依據該參考中之像素之灰階及該等差異影像中之該等像素之灰階而變化之像素計數之一二維直方圖。
  17. 如請求項1之系統，其中該樣本係一晶圓。
  18. 如請求項1之系統，其中該檢測子系統係一基於光之檢測子系統。
  19. 如請求項1之系統，其中該檢測子系統係一基於電子之檢測子系統。
  20. 一種儲存程式指令之非暫時性電腦可讀媒體，該等程式指令可在一電腦系統上執行以執行用於控制一樣本檢測之一程序之一電腦實施方法，其中該電腦實施方法包括： 藉由自對應於一樣本上之一關注區域之多個例項之輸出減去一參考而產生該關注區域之該多個例項之差異影像，其中該輸出係藉由一檢測子系統且回應於自該樣本偵測之能量而產生； 判定該關注區域之該多個例項之該等差異影像之一統計特性； 相較於針對一或多個其他樣本上之該關注區域之多個例項產生之差異影像之一統計特性判定該統計特性之變動；且 基於該變動判定用於偵測該關注區域中之該樣本上之缺陷之一或多個參數之一或多個改變。
  21. 一種用於控制一樣本檢測之一程序之電腦實施方法，其包括： 藉由自對應於一樣本上之一關注區域之多個例項之輸出減去一參考而產生該關注區域之該多個例項之差異影像，其中該輸出係藉由一檢測子系統且回應於自該樣本偵測之能量而產生； 判定該關注區域之該多個例項之該等差異影像之一統計特性； 相較於針對一或多個其他樣本上之該關注區域之多個例項產生之差異影像之一統計特性判定該統計特性之變動；且 基於該變動判定用於偵測該關注區域中之該樣本上之缺陷之一或多個參數之一或多個改變，其中產生該等差異影像、判定該統計特性、判定該變動及判定該一或多個改變係藉由一或多個電腦子系統執行。
TW109134346A 2019-10-01 2020-10-05 控制樣本檢測之程序 TW202129261A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962908838P 2019-10-01 2019-10-01
US62/908,838 2019-10-01
US17/030,277 US11416982B2 (en) 2019-10-01 2020-09-23 Controlling a process for inspection of a specimen
US17/030,277 2020-09-23

Publications (1)

Publication Number Publication Date
TW202129261A true TW202129261A (zh) 2021-08-01

Family

ID=75163606

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109134346A TW202129261A (zh) 2019-10-01 2020-10-05 控制樣本檢測之程序

Country Status (5)

Country Link
US (1) US11416982B2 (zh)
KR (1) KR20220070301A (zh)
CN (1) CN114503155A (zh)
TW (1) TW202129261A (zh)
WO (1) WO2021067202A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11615993B2 (en) * 2019-11-21 2023-03-28 Kla Corporation Clustering sub-care areas based on noise characteristics
US11921052B2 (en) 2022-03-31 2024-03-05 Kla Corporation Inspection with previous step subtraction
US11922619B2 (en) 2022-03-31 2024-03-05 Kla Corporation Context-based defect inspection
CN115711900A (zh) * 2022-11-30 2023-02-24 安测半导体技术(江苏)有限公司 一种基于神经网络的晶圆测试检测方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6516085B1 (en) * 1999-05-03 2003-02-04 Kla-Tencor Apparatus and methods for collecting global data during a reticle inspection
JP2005158780A (ja) * 2003-11-20 2005-06-16 Hitachi Ltd パターン欠陥検査方法及びその装置
US7676077B2 (en) 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7369236B1 (en) * 2006-10-31 2008-05-06 Negevtech, Ltd. Defect detection through image comparison using relative measures
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
US8559001B2 (en) 2010-01-11 2013-10-15 Kla-Tencor Corporation Inspection guided overlay metrology
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
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US10062012B1 (en) * 2014-10-22 2018-08-28 Kla-Tencor Corp. Finding patterns in a design based on the patterns and their surroundings
US10535131B2 (en) 2015-11-18 2020-01-14 Kla-Tencor Corporation Systems and methods for region-adaptive defect detection
US10151706B1 (en) 2016-04-07 2018-12-11 Kla-Tencor Corp. Inspection for specimens with extensive die to die process variation
US10192302B2 (en) 2016-05-25 2019-01-29 Kla-Tencor Corporation Combined patch and design-based defect detection
US10133838B2 (en) 2017-01-30 2018-11-20 Dongfang Jingyuan Electron Limited Guided defect detection of integrated circuits
US10600175B2 (en) 2017-03-24 2020-03-24 Kla-Tencor Corporation Dynamic care areas for defect detection
US10970834B2 (en) 2018-01-05 2021-04-06 Kla-Tencor Corporation Defect discovery using electron beam inspection and deep learning with real-time intelligence to reduce nuisance
US10677742B2 (en) 2018-03-09 2020-06-09 Kla-Tencor Corp. Detecting die repeating programmed defects located in backgrounds with non-repeating features
US10964016B2 (en) 2018-03-13 2021-03-30 Kla-Tencor Corporation Combining simulation and optical microscopy to determine inspection mode

Also Published As

Publication number Publication date
US20210097666A1 (en) 2021-04-01
WO2021067202A1 (en) 2021-04-08
CN114503155A (zh) 2022-05-13
US11416982B2 (en) 2022-08-16
KR20220070301A (ko) 2022-05-30

Similar Documents

Publication Publication Date Title
TWI648533B (zh) 用於相對於一所儲存高解析度晶粒圖像判定檢查資料之一位置之電腦實施方法及經組態以相對於一所儲存高解析度晶粒圖像判定檢查資料之一位置之系統
JP6719462B2 (ja) プロセスウィンドウキャラクタライゼーションのための仮想検査システム
KR102369848B1 (ko) 관심 패턴 이미지 집단에 대한 이상치 검출
TWI826703B (zh) 用於選擇用於樣本檢查之缺陷偵測方法之系統和方法
US10832396B2 (en) And noise based care areas
TW202129261A (zh) 控制樣本檢測之程序
KR102652164B1 (ko) 멀티 이미징 모드 이미지 정렬
IL262464A (en) Systems and methods for automatic correction of deviation between testing and design for a massive model search
US10151706B1 (en) Inspection for specimens with extensive die to die process variation
TW202225676A (zh) 設置樣本之檢查
US11494895B2 (en) Detecting defects in array regions on specimens
KR20210138144A (ko) 검사를 위한 결함 후보 생성
KR20240026446A (ko) 표본 검사를 위한 케어 영역 설정