TW202208836A - 用於雜訊影像之影像對準 - Google Patents
用於雜訊影像之影像對準 Download PDFInfo
- Publication number
- TW202208836A TW202208836A TW110115280A TW110115280A TW202208836A TW 202208836 A TW202208836 A TW 202208836A TW 110115280 A TW110115280 A TW 110115280A TW 110115280 A TW110115280 A TW 110115280A TW 202208836 A TW202208836 A TW 202208836A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- noised
- reference image
- test image
- sample
- Prior art date
Links
- 238000012360 testing method Methods 0.000 claims abstract description 153
- 238000000034 method Methods 0.000 claims abstract description 121
- 238000003384 imaging method Methods 0.000 claims abstract description 93
- 238000001514 detection method Methods 0.000 claims description 43
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims 2
- 238000010168 coupling process Methods 0.000 claims 2
- 238000005859 coupling reaction Methods 0.000 claims 2
- 230000007547 defect Effects 0.000 description 60
- 238000007689 inspection Methods 0.000 description 42
- 230000003287 optical effect Effects 0.000 description 30
- 238000005286 illumination Methods 0.000 description 26
- 235000012431 wafers Nutrition 0.000 description 26
- 239000004065 semiconductor Substances 0.000 description 25
- 230000008569 process Effects 0.000 description 20
- 238000010894 electron beam technology Methods 0.000 description 19
- 238000004519 manufacturing process Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000010884 ion-beam technique Methods 0.000 description 6
- 238000001878 scanning electron micrograph Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001433 helium-ion microscopy Methods 0.000 description 2
- 238000001459 lithography Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本發明提供用於對準一樣本之影像之方法及系統。一種方法包含減少由一成像子系統針對一樣本產生之一測試影像中的雜訊,藉此產生一經去雜訊測試影像。該方法亦包含偵測至少在一水平方向或一垂直方向上延伸之該經去雜訊測試影像中的一或多個經圖案化特徵。另外,該方法包含將該等所偵測一或多個經圖案化特徵位於其中之該經去雜訊測試影像的一區指定為該經去雜訊測試影像中的一所關注區域。該方法進一步包含:僅使用該經去雜訊測試影像中之該所關注區域及該樣本之一參考影像中之一對應區來將該經去雜訊測試影像與該參考影像對準。
Description
本發明一般而言係關於用於對準包含尤其雜訊樣本影像的一樣本之影像之方法及系統。
以下說明及實例並不鑒於其等包含於此章節中而被視為係先前技術。
製作半導體裝置(諸如,邏輯裝置及記憶體裝置)通常包含:使用大量半導體製作程序來處理一基板(諸如一半導體晶圓)來形成半導體裝置之各種特徵及多個層級。舉例而言,微影係涉及將一圖案自一倍縮光罩轉印至配置於一半導體晶圓上之一抗蝕劑的一半導體製作程序。半導體製作程序之額外實例包含但不限於化學機械拋光(CMP)、蝕刻、沈積及離子植入。可將多個半導體裝置製作於一單個半導體晶圓上之一配置中,且然後將其等分離成個別半導體裝置。
在一半導體製造程序期間在各種步驟處使用檢驗程序來偵測晶圓上之缺陷,以促進製造程序中之較高良率且因此促進較高利潤。檢驗一直以來皆係製作諸如IC之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,檢驗對於成功製造出可接受半導體裝置變得甚至更重要,此乃因較小缺陷可致使裝置發生故障。
缺陷再檢驗通常涉及重新偵測如藉由一檢驗程序所偵測之缺陷,且使用一高放大光學系統或一掃描電子顯微鏡(SEM)在一較高解析度下產生關於缺陷之額外資訊。因此,在已藉由檢驗來偵測缺陷所位於之晶圓上之離散位置處執行缺陷再檢驗。用於藉由缺陷再檢驗來產生之缺陷之較高解析度資料更適合於判定缺陷之屬性,諸如設定檔、粗糙度、更準確大小之資訊等。
亦在一半導體製造程序期間在各種步驟處使用計量程序來監測並控制程序。計量程序與檢驗程序不同之處在於:不像其中偵測一晶圓上之缺陷的檢驗程序,計量程序被用以量測使用當前所使用之檢驗工具無法判定的晶圓之一或多個特性。舉例而言,計量程序被用以量測一晶圓之一或多個特性,諸如在一程序期間形成於晶圓上之特徵之一尺寸(例如,線寬度、厚度等),使得可依據一或多個特性來判定程序之效能。另外,若晶圓之一或多個特性係不可接受的(例如,在特性之一預定範圍之外),則晶圓之一或多個特性之量測可用以變更程序之一或多個參數,使得藉由程序製造之額外晶圓具有可接受特性。
計量程序與缺陷再檢驗程序不同之處亦在於:不像其中在缺陷再檢驗中再次探訪藉由檢驗來偵測之缺陷的缺陷再檢驗程序,可在未偵測到缺陷之位置處執行計量程序。換言之,不像缺陷再檢驗,在一晶圓上執行一計量程序之位置可獨立於對晶圓執行之一檢驗程序之結果。特定而言,可獨立於檢驗結果而選擇執行一計量程序之位置。另外,由於可獨立於檢驗結果而選擇執行計量的晶圓上之位置,因此不像其中無法判定待執行之缺陷再檢驗的晶圓上之位置直至產生針對晶圓之檢驗結果且該結果可供使用的缺陷再檢驗,可在已對晶圓執行一檢驗程序之前判定執行計量程序所位於之位置。
品質控制類型程序(諸如上文所闡述之彼等程序)中之挑戰中之一者係以充足準確度將一個影像與另一影像對準。通常執行影像對準以將一測試影像與一參考影像對準,使得可判定測試影像與參考影像之間的差。接著,此等差可用於在檢驗及缺陷再檢驗之情形中偵測缺陷且在計量之情形中判定相對量測。因此,顯而易見地,若測試影像與參考影像未經準確對準,則對準之誤差可導致藉由此等程序產生之結果中的誤差。
用於在半導體品質控制類型程序中之影像對準的某些當前所使用之方法使用兩個原始影像,且藉助正規化交叉相關(NCC)將其等彼此直接對準。NCC係用於計算兩個樣品之間的相關性之一基於統計學之方法。NCC之最簡單形式係兩個向量a與b之間的角度之餘弦:
當模板(亦即,參考影像)及測試影像具有明顯共同特徵及相對較小雜訊時,此方法係有效且實際的。
然而,用於影像對準之當前所使用之方法及系統存在若干缺點。舉例而言,當前所使用之方法及系統並未考量雜訊對影像中之垂直特徵或水平特徵之影響。另外,在某些影像中,僅存在幾個水平特徵或垂直特徵,且對準位置可被雜訊誤導。
因此,開發不具有上文所闡述之缺點中之一或多者的用於對準一樣本之影像的系統及/或方法將係有利的。
各種實施例之以下說明決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用於對準一樣本之影像之系統。該系統包含一成像子系統,其經組態以產生一樣本之影像。該系統亦包含一或多個電腦子系統,其等經組態以用於減少藉由該成像子系統針對該樣本而產生之一測試影像中之雜訊,藉此產生一經去雜訊測試影像。該一或多個電腦子系統亦經組態以用於偵測至少在一水平方向或一垂直方向上延伸的該經去雜訊測試影像中之一或多個經圖案化特徵。另外,該一或多個電腦子系統經組態以用於將該等所偵測一或多個經圖案化特徵位於其中的該經去雜訊測試影像之一區指定為該經去雜訊測試影像中之一所關注區域(ROI)。該一或多個電腦子系統進一步經組態以用於:僅使用該經去雜訊測試影像中之該ROI及該樣本之一參考影像中之一對應區來將該經去雜訊測試影像與該參考影像對準。該系統可如本文中所闡述地進一步經組態。
另一實施例係關於一種用於對準一樣本之影像之電腦實施方法。該方法包含上文所闡述之該減少雜訊、偵測一或多個經圖案化特徵、指定一區及對準步驟。該方法之該等步驟係藉由耦合至如上文所闡述地組態之一成像子系統的一或多個電腦子系統來執行。
可如本文中進一步所闡述地執行上文所闡述之該方法之該等步驟中之每一者。上文所闡述之該方法之該實施例可包含本文中所闡述之任何其他方法之任何其他步驟。上文所闡述之該方法可藉由本文中所闡述之該等系統中之任一者來執行。
另一實施例係關於一種儲存可在一電腦系統上執行以便執行用於對準一樣本之影像的一電腦實施方法之程序指令的非暫時性電腦可讀媒體。該電腦實施方法包含上文所闡述之該方法之該等步驟。該電腦可讀媒體可如本文中所闡述地進一步經組態。可如本文中進一步所闡述地執行該電腦實施方法之該等步驟。另外,可執行該等程式指令所使用之該電腦實施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。
現在轉至各圖式,應注意,各圖並未按比例繪製。特定而言,各圖之元件中之某些者之比例被極大地放大以強調元件之特性。亦應注意,各圖並未按相同比例繪製。已使用相同元件符號指示可經類似組態的在一個以上圖中展示之元件。除非本文中另外提及,否則所闡述及所展示之元件中之任一者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用於對準一樣本之影像之系統。某些實施例係關於使用去雜訊及所關注區域(ROI)指定來改良影像(諸如掃描電子顯微鏡(SEM)影像)之對準。影像處理領域中之主要挑戰之一係影像對準,尤其當目標係在子像素準確度內對準兩個影像時。當存在具有重複的經圖案化特徵而不具有任何其他(或具有有限)可區分結構的影像(諸如SEM影像)時,該問題變得甚至更具挑戰性。本文中所闡述之實施例引入用於改良影像對準以達到子像素準確度之新方法及系統。
本文中所闡述之實施例可用以改良影像對準程序之準確度,諸如在包含SEM測試及參考影像的測試影像與參考影像之間。如上文所提及,規則SEM影像係相對雜訊的且較佳地在像素準確度內經對準。影像對準中之一個主要挑戰來自以下事實:當影像中存在假訊(亦即,雜訊)時,諸如邊緣之特徵可變成鋸齒狀的且平行線可變得失真。另外,在某些影像中,僅存在幾個水平特徵或垂直特徵,且彼等特徵在諸如正規化交叉相關(NCC)之影像對準程序中可比雜訊具有更小權重。因此,歸因於影像中經圖案化特徵邊緣之粗糙度,使對準失效之機會增加了。
如本文中進一步所闡述,該等實施例提供用於經改良影像對準之新方法。一種方法包含使用一基於結構之去雜訊方法來將影像去雜訊。另一方法係使用奇異值分解(SVD)以藉由僅保留影像之主要特徵來達成所期望結果。在計算預算允許的情況下,此等兩種方法亦可經組合以進一步改良對準。亦如本文中進一步所闡述,該等實施例將本文中所闡述之去雜訊方法中之一者與以下各項組合:偵測影像中之水平特徵或垂直特徵、將該等特徵設定至一所關注區域(ROI)及僅將ROI用作至對準方法(例如NCC)之輸入。
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。儘管本文中可關於一晶圓或若干晶圓闡述某些實施例,但並未將該等實施例限制在其等可用於之樣本中。舉例而言,本文中所闡述之實施例可用於諸如倍縮光罩、扁平面板、個人電腦(PC)板及其他半導體樣本的樣本。
圖1中展示此一系統之一項實施例。在某些實施例中,系統包含經組態以產生一樣本之影像的一成像子系統。成像子系統至少可包含一能量源及一偵測器。能量源經組態以產生被引導至一樣本之能量。偵測器經組態以偵測來自樣本之能量且回應於所偵測能量而產生輸出。
在一項實施例中,成像子系統係一基於光之成像子系統。舉例而言,在圖1中所展示之系統之實施例中,成像子系統10包含經組態以將光引導至樣本14之一照射子系統。照射子系統包含至少一個光源。舉例而言,如圖1中所展示,照射子系統包含光源16。在一項實施例中,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)將光引導至樣本。舉例而言,如圖1中所展示,將來自光源16之光引導穿過光學元件18且然後穿過透鏡20而到達分束器21,分束器21依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,該等入射角可取決於(舉例而言)樣本及樣本上所執行之程序的特性而發生變化。
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本。舉例而言,成像子系統可經組態以變更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中所展示之入射角的一入射角將光引導至樣本。在一項此實例中,成像子系統可經組態以移動光源16、光學元件18及透鏡20,使得依一不同入射角將光引導至樣本。
在某些例項中,成像子系統可經組態以在同一時間依一個以上入射角將光引導至樣本。舉例而言,成像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)可包含可被組態成不同或相同的類似元件,或者可包含至少一光源以及可能地一或多個其他組件(諸如本文中進一步所闡述之彼等組件)。若此光與其他光在同一時間被引導至樣本,則依不同入射角被引導至樣本之光之一或多個特性(例如,波長、偏光等)可有所不同,使得由依不同入射角對樣本進行照射所產生之光可在偵測器處彼此區別開。
在另一例項中,照射子系統可僅包含一個光源(例如,圖1中所展示之源16),且可藉由照射子系統之一或多個光學元件(未展示)將來自該光源之光分離至不同光學路徑中(例如,基於波長、偏光等)。然後,可將不同光學路徑中之每一者中之光引導至樣本。多個照射通道可經組態以在同一時間或在不同時間(例如,當不同照射通道用以依序照射樣本時)將光引導至樣本。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本。舉例而言,在某些例項中,光學元件18可組態為一光譜濾光器,且可以多種不同方式(例如,藉由替換光譜濾光器)改變光譜濾光器之性質,使得可在不同時間將不同光波長引導至樣本。照射子系統可具有此項技術中已知之任何其他適合組態,該等其他適合組態用於依序或同時依不同入射角或相同入射角將具有不同特性或相同特性之光引導至樣本。
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,由光源產生且被引導至樣本之光可包含寬頻光。然而,光源可包含諸如一雷射之任何其他適合光源,該雷射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任何適合波長下之光。另外,該雷射可經組態以產生單色光或幾乎單色之光。以此方式,該雷射可係一窄頻雷射。光源亦可包含產生多個離散波長或波帶下之光的一多色光源。
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本的若干折射及/或反射光學元件。圖1中所展示且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、光譜濾光器、空間濾光器、反射光學元件、切趾器、分束器、光圈以及可包含此項技術中已知之任何此等適合光學元件的類似光學元件。另外,該系統可經組態以基於待用於成像之照射類型而變更照射子系統之一或多個元件。
成像子系統亦可包含經組態以致使光對樣本進行掃描之一掃描子系統。舉例而言,成像子系統可包含載台22,在成像期間將樣本14安置在載台22上。掃描子系統可包含可經組態以移動樣本使得光可對樣本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,成像子系統可經組態使得成像子系統之一或多個光學元件執行光對樣本之某一掃描。光可以任何適合方式對樣本進行掃描。
成像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成像子系統來偵測歸因於樣本之照射的來自樣本之光且回應於所偵測光而產生輸出。舉例而言,圖1中所展示之成像子系統包含兩個偵測通道,一者由集光器24、元件26及偵測器28形成且另一者由集光器30、元件32及偵測器34形成。如圖1中所展示,兩個偵測通道經組態以依不同聚集角度聚集並偵測光。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本鏡面反射(例如,散射、繞射等)之光。然而,偵測通道中之兩者或更多者可經組態以偵測來自樣本之同一類型之光(例如,經鏡面反射光)。儘管圖1展示包含兩個偵測通道之成像子系統之一實施例,但成像子系統可包含不同數目個偵測通道(例如,僅一個偵測通道或者兩個或更多個偵測通道)。儘管圖1中將集光器中之每一者展示為單個折射光學元件,但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。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,則偵測器中之每一者可經組態以偵測散射光之某些特性(諸如強度),但不可組態為依據成像平面內之位置來偵測此等特性。如此,由包含於偵測通道中之每一者中的偵測器中之每一者產生之輸出可係信號或資料,但並非係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,該系統可經組態以用若干種方式來產生影像。
應注意,本文中提供圖1以大體上圖解說明可被包含於本文中所闡述之系統實施例中之一成像子系統之一組態。顯而易見地,可變更本文中所闡述之成像子系統組態以最佳化系統之效能,如在設計一商業成像系統時通常所執行。另外,可使用諸如可商購自KLA之29xx 及 39xx
系列工具之一現有成像系統來實施本文中所闡述之系統(例如,藉由將本文中所闡述之功能性添加至一現有檢驗系統)。對於某些此等系統,本文中所闡述之實施例可被提供為成像系統之選用功能性(例如,除成像系統之其他功能性之外)。另一選擇係,本文中所闡述之成像子系統可係「從頭開始」設計以提供一全新成像系統。
系統之電腦子系統36可係以任何適合方式(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)耦合至成像子系統之偵測器,使得電腦子系統可接收在對樣本進行掃描期間由偵測器產生之輸出。電腦子系統36可經組態以如本文所闡述地使用偵測器之輸出來執行若干功能,且執行本文中進一步所闡述之任何其他功能。此電腦子系統可如本文中所闡述地進一步經組態。
此電腦子系統(以及本文中所闡述之其他電腦子系統)在本文中亦可稱為電腦系統。本文中所闡述之電腦子系統或系統中之每一者可呈各種形式,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,可將術語「電腦系統」寬泛地定義為囊括具有一或多個處理器之任何裝置,該一或多個處理器執行來自一記憶體媒體之指令。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網路連接工具。
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,使得影像、資料、資訊、指令等可在電腦子系統之間發送。舉例而言,電腦子系統36可藉由任何適合傳輸媒體耦合至電腦子系統102 (如圖1中之虛線所展示),該等傳輸媒體可包含此項技術中已知之任何適合有線及/或無線傳輸媒體。此等電腦子系統中之兩者或更多者亦可藉由一共用電腦可讀儲存媒體(未展示)有效地進行耦合。
儘管上文將成像子系統闡述為係一光學子系統或一基於光之子系統,但在另一實施例中,成像子系統係一基於電子之成像子系統。舉例而言,在一項實施例中,被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,能量源可系一電子束源。在圖2中所展示之一項此實施例中,成像子系統包含耦合至電腦子系統124之電子柱122。
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聚焦至樣本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、一物鏡透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等適合元件。
自樣本返回之電子(例如,次級電子)可藉由一或多個元件132聚焦至偵測器134。一或多個元件132可包含(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,電子柱可如以下美國專利中所闡述地進一步經組態:2014年4月4日頒佈之Jiang等人之美國專利第8,664,594號、2014年4月8日頒佈之Kojima等人之美國專利第8,692,204號、2014年4月15日頒佈之Gubbens等人之美國專利第8,698,093號以及2014年5月6日頒佈之MacDonald等人之美國專利第8,716,662號,該等美國專利如被完全陳述那般以引用方式併入本文中。
儘管電子柱在圖2中展示為經組態使得電子依一傾斜入射角被引導至樣本且依另一傾斜角自該樣本散射,但應理解,電子束可依任何適合角度被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種模式來產生樣本之影像(例如,依不同照射角度、不同聚集角度等)。電子束子系統之多種模式在子系統之任何影像產生參數中可有所不同。
電腦子系統124可耦合至偵測器134,如上文所闡述。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。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/或電子束影像來執行本文中所闡述之功能中之任一者。電腦子系統124可經組態以執行本文中所闡述之任何額外步驟。包含圖2中展示之成像子系統的一系統可如本文所闡述地進一步經組態。
應注意,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的一基於電子束之成像子系統之一組態。正如上文所闡述之光學子系統,可變更本文中所闡述之電子束子系統組態以最佳化子系統之效能,如在設計一商業成像系統時通常所執行。另外,可使用一現有成像系統來實施本文中所闡述之系統(例如,藉由將本文中所闡述之功能性添加至一現有成像系統)。對於某些此等系統,本文中所闡述之實施例可提供為系統之選用功能性(例如,除系統之其他功能性之外)。另一選擇係,本文中所闡述之系統可「從頭開始」設計以提供一全新系統。
儘管上文將成像子系統闡述為係一基於光量測子系統或一基於電子束之量測子系統,但該成像子系統可係一基於離子束之子系統。此一成像子系統可如圖2中所展示地經組態,惟電子束源可用此項技術中已知之任何適合離子束源替換。因此,在一項實施例中,被引導至樣本之能量包含離子。另外,成像子系統可係任何其他適合的基於離子束之成像子系統,諸如包含於可商購之聚焦離子束(FIB)系統、氦離子顯微鏡(HIM)系統及次級離子質譜學(SIMS)系統中之彼等子系統。
本文中所闡述之成像子系統可經組態以用多種模式來產生樣本之輸出(例如,影像)。一般而言,一「模式」係由用於產生一樣本之影像(或用以產生樣本之影像之輸出)的成像子系統之參數值定義。因此,成像子系統之參數中之至少一者之值的模式可有所不同(不同於在樣本上產生輸出之位置)。舉例而言,在一光學子系統中,不同模式可使用不同波長之光來進行照射。模式可在照射波長上有所不同(例如,藉由使用不同模式之不同光源、不同光譜濾光器等),如本文中進一步所闡述。在另一實例中,不同模式可使用光學子系統之不同照射通道。舉例而言,如上文所述,光學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。模式在光學子系統之一或多個聚集/偵測參數上亦可或另一選擇係有所不同。模式在成像子系統之任何一或多個可變更參數(例如,照射偏光、照射角度、照射波長等;偵測偏光、偵測角度、偵測波長等)上可有所不同。成像子系統可經組態以在相同掃描或不同掃描中用不同模式掃描樣本,例如,取決於在同一時間使用多種模式來掃描樣本之能力。
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依據電子束子系統之一參數之兩個或更多個不同值來產生之輸出,例如,影像。電子束子系統之多種模式可由用於針對一樣本而產生輸出及/或影像的電子束子系統之參數值定義。因此,模式在電子束子系統之電子束參數中之至少一者之值上可有所不同。舉例而言,不同模式可使用不同入射角進行照射。
取決於本文中所闡述以及圖1及圖2中所展示之子系統將用於之應用,可在一或多個參數上對該等子系統進行修改以提供不同成像能力。在一項此實例中,若圖1中所展示之成像子系統係用於缺陷再檢驗或計量而非用於檢驗,則該成像子系統可經組態以具有一較高解析度。換言之,圖1及圖2中所展示之成像子系統之實施例闡述某些一般組態及各種組態,該等組態可用於以熟習此項技術者將顯而易見之若干種方式來裁適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的成像子系統。
如上文所述,光學子系統、電子子系統及離子束子系統經組態以用於對樣本之一實體版本進行能量(例如,光、電子等)掃描,藉此產生樣本之實體版本之影像。以此方式,光學子系統、電子子系統及離子束子系統可組態為「真實」子系統而非「虛擬」子系統。然而,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」系統。特定而言,儲存媒體及電腦子系統可組態為一「虛擬」成像子系統,如以下美國專利中所闡述:共同轉讓的2012年2月28日頒佈之Bhaskar等人之美國專利第8,126,255號及2015年12月29日頒佈之Duffy等人之美國專利第9,222,895號,該等美國專利如被完全陳述那般以引用方式併入本文中。本文中所闡述之實施例可如此等專利中所闡述地進一步經組態。
一或多個電腦子系統經組態以用於減少藉由成像子系統針對樣本而產生之一測試影像中之雜訊,藉此產生一經去雜訊之測試影像。圖3展示在去雜訊之前及之後的一影像之一實例。特定而言,影像300係一原始SEM測試影像,且影像302係彼SEM測試影像之經去雜訊版本。如可藉由將影像300與影像302進行比較所看到,在去雜訊之後,經去雜訊影像中之經圖案化特徵之邊緣係更平滑的。另外,去雜訊已減少影像之未經圖案化部分中之雜訊(例如,經圖案化特徵之間的相對較大空間),並且使得影像更明亮且在影像中之特徵與背景之間具有經增加對比度。此等改變中之任一改變或所有改變將如本文中所闡述地使得影像對準更容易且更準確。儘管圖3中之影像展示經圖案化特徵之一特定數目、配置、類型、定向、形狀等,但本文中所闡述之實施例並未限制在該等實施例可用於之影像類型、影像中之經圖案化特徵、樣本類型等中。換言之,本文中所闡述之實施例並未限制在該等實施例可用於之影像及樣本中。
在某些實施例中,測試影像包含重複的經圖案化特徵。舉例而言,如圖3中所展示,原始測試影像300中之經圖案化特徵中之某些者在影像內重複。如上文所闡述,在不具有任何其他(或有限)可區分特徵的情況下,當存在重複特徵時,影像對準可更具挑戰性。在圖3中所展示之測試影像實例的情形中,在測試影像中存在可與影像中之所有其他經圖案化特徵區分開的至少一個經圖案化特徵。然而,對於本文中所闡述之程序,保證必須彼此對準之某些影像甚至具有可與影像中之其他經圖案化特徵區分開的一個特徵。然而,本文中所闡述之實施例可用以對準具有極少或甚至沒有經圖案化特徵之影像,該等經圖案化特徵相對於影像中之其他經圖案化特徵係唯一的。
在一項實施例中,減少雜訊包含基於結構之去雜訊。如本文中所使用之術語「基於結構之去雜訊」係用以係指基於並保留影像中可見之結構的影像去雜訊之一個一般術語。一種可用於減少本文中所闡述之影像之雜訊的一適合的基於結構之去雜訊方法之一項實施例係區塊匹配及3D濾波(BM3D)演算法。一般而言,BM3D演算法基於相似度而將影像片段分群。影像片段無需被分離,但確實必須具有相同大小。可藉由將一臨限值應用於一片段與一參考片段之相異度來判定是否將該片段分群。此分群技術通常被稱為區塊匹配。然而,BM3D可將一單個圖框內之巨區塊分群,且接著將一群組中之所有影像片段堆疊以形成3D圓柱狀形狀。接著,BM3D可包含對每個片段群組執行之濾波,後續接著一線性變換。然後,可執行諸如Wiener濾波之一變換域收縮步驟,後續接著將線性變換反轉以再現所有(經濾波)片段。影像接著變回為其2D形式。另外,可對所有重疊影像片段進行權重平均,以確保該等重疊影像片段在濾除雜訊的同時仍保持其等獨特信號。可如由Cheng等人在2016年第12屆國際計算智能及安全會議(2016年12月,IEEE,第147至151頁)之「Image denoising algorithm based on structure and texture part」中所闡述地進一步執行基於結構之去雜訊,該文獻如被完全陳述那般以引用方式併入本文中。本文中所闡述之實施例可如本參考文獻中所闡述地進一步經組態。
在另一實施例中,減少雜訊包含奇異值分解。奇異值分解(SVD)可用以預處理影像(例如SEM影像),且因此改良對準之成功率。SVD將一矩陣分解成正交分量,可藉助該等正交分量來獲得最佳子秩近似值。使用SVD找到之一影像中之最大物件分量通常對應於與最大奇異值相關聯的本徵影像,而影像雜訊對應於與最小奇異值相關聯的本徵影像。因此,在本文中所闡述之實施例中,SVD可係用於將雜訊自經圖案化特徵影像分離之一尤其有用工具。
在某些實施例中,減少雜訊包含:SVD;選擇在由SVD輸出之一或多個矩陣中具有最大值的預定數目個本徵向量;及自所選擇本徵向量重構測試影像,藉此產生經去雜訊測試影像。在一項此實施例中,如圖6中所展示,可分別輸入測試影像600及參考影像602以將SVD步驟604與SVD步驟606分離。在此等步驟中,每一輸入影像可被分解成左矩陣、右矩陣及對角矩陣。可將每一SVD步驟之輸出輸入至一移除較小本徵向量步驟。舉例而言,可將SVD步驟604之輸出輸入至移除較小本徵向量步驟608,且可將SVD步驟606之輸出輸入至移除較小本徵向量步驟610。在該等移除較小本徵向量步驟中,可保持最大本徵向量(EgV)中之僅幾(例如,10)個最大本徵向量且可移除其餘最大本徵向量。以此方式,可移除可對影像之對準具有負面影響的相對較小非必要特徵。
之後,一或多個電腦子系統可重構僅含有相對較大主要結構之影像,且接著將該等影像饋送至主要對準方法中。舉例而言,如圖6中所展示,可將移除較小本徵向量步驟608之輸出輸入至影像重構及ROI步驟612,且可將移除較小本徵向量步驟610之輸出輸入至影像重構及ROI步驟614。可如上文所闡述地執行影像重構,且可如本文作進一步所闡述地執行ROI識別及指定。可將影像重構及ROI步驟之輸出輸入至可如本文中進一步所闡述地執行之對準步驟616。以此方式,本文中所闡述之實施例可在將一對準方法或演算法應用於影像之前採用SVD來移除影像(諸如SEM影像)中之邊緣粗糙度及雜訊。
在又一實施例中,減少雜訊包含基於結構之去雜訊,後續接著奇異值分解。舉例而言,圖6中所展示之輸入影像(亦即,測試影像600及參考影像602)可係先前已藉由根據本文中所闡述之實施例中之任一者執行的基於結構之去雜訊來去雜訊之影像。以此方式,當計算預算允許時,基於結構之去雜訊可與SVD組合,以比任一去雜訊方法單獨提供的進一步改良對準。
一或多個電腦子系統亦經組態以用於至少在一水平方向或一垂直方向上延伸的偵測經去雜訊測試影像中之一或多個經圖案化特徵。如本文中所使用之彼片語「至少在一水平方向或一垂直方向上延伸」意欲意指經圖案化特徵在此等方向中是任一方向上具有某一經延伸橫向尺寸。舉例而言,一樣本(諸如一晶圓)上之一線或溝槽將被視為係至少在一個方向上延伸之一經圖案化特徵,而一接觸孔或其他圓形或正方形結構將不會被視為係至少在一水平方向或一垂直方向上延伸之一經圖案化特徵。以此方式,一般而言,一「至少在一水平方向或一垂直方向上延伸之經圖案化特徵」可係在樣本之x方向或y方向上具有一個尺寸之一經圖案化特徵,該尺寸大於在相反方向上延伸之經圖案化特徵之另一尺寸。一「至少在一水平方向或一垂直方向上延伸之經圖案化特徵」亦可係其之全部至少不在一水平垂直方向上延伸(例如,如當並非一經圖案化特徵之所有部分皆在同一方向上延伸時)及/或在水平方向及垂直方向兩者上延伸(例如,如當一經圖案化特徵之一個部分在一水平方向上延伸且該經圖案化特徵之另一部分在一垂直方向上延伸時)的一經圖案化特徵。
在圖3中之經去雜訊測試影像302之區304中展示至少在一水平方向或一垂直方向上延伸的不同經圖案化特徵之某些實例。特定而言,經圖案化特徵304a係在垂直方向上延伸而並非在水平方向上延伸。經圖案化特徵304b在垂直方向上延伸且可被視為或可不被視為在水平方向上延伸。當一個經圖案化特徵橫穿此經圖案化特徵時,經圖案化特徵304c僅在垂直方向上延伸,且經圖案化特徵304d在垂直方向上、接著在水平方向上且然後再次在垂直方向上延伸。藉由本文中所闡述之實施例,可將所有此等經圖案化特徵判定為至少在一水平方向或一垂直方向上延伸。
可以諸如基於灰階之臨限值、影像投影等的任何適合方式偵測至少在一水平方向上延伸之經圖案化特徵(亦即,「水平經圖案化特徵」)或者在一垂直方向上延伸之經圖案化特徵(亦即,「垂直經圖案化特徵」)。可使用經去雜訊測試影像自身在經去雜訊測試影像中偵測水平經圖案化特徵及/或垂直經圖案化特徵,例如藉由將經去雜訊測試影像輸入至偵測步驟。偵測水平經圖案化特徵及/或垂直經圖案化特徵對於識別適合於在本文中所闡述之對準步驟中使用的特徵可係至關重要的。水平特徵及/或垂直特徵是否被偵測到並用於如本文中所闡述地對準可取決於樣本、在樣本上之成像區中在樣本上形成何種經圖案化特徵以及可能的影像對準演算法而發生變化(例如,當存在水平經圖案化特徵及垂直經圖案化特徵兩者時,哪一個被偵測到並用於對準可取決於何種類型之特徵可用於對準演算法;何時對僅在水平方向或垂直方向上而不是在兩個方向上延伸之經圖案化特徵較佳地執行一對準演算法;等等)。
一或多個電腦子系統進一步經組態以用於將所偵測一或多個經圖案化特徵位於其中的經去雜訊測試影像之一區指定為經去雜訊測試影像中之一所關注區域(ROI)。經去雜訊測試影像中之ROI可僅包含經去雜訊測試影像中之一單個鄰接區。舉例而言,在圖3中所展示之經去雜訊測試影像中,可藉由一或多個電腦子系統將含有至少在水平方向或垂直方向上延伸之經圖案化特徵304a、304b、304c及304d的區304指定為一ROI。另一選擇係,ROI可包含不止一個區,該等區中之某些者係離散的或者係彼此相互排他的。舉例而言,取決於經成像區中針對樣本之設計,可在經去雜訊測試影像中在各個位置處找到水平經圖案化特徵及/或垂直經圖案化特徵。因此,對於某些經成像區,例如,在亦不包含不可用於(或者甚至不利於)對準之經去雜訊測試影像之經圖案化特徵或區的情況下,指定所有(或充足數目個)水平經圖案化特徵及/或垂直經圖案化特徵位於其中的經去雜訊測試影像之一單個鄰接區可係可能的或有利的。
然後在某些此等例項中,可將所指定ROI定義為包含少於所有所偵測水平經圖案化特徵及/或所偵測垂直經圖案化特徵之一區。在其他此等例項中,可定義不止一個所指定ROI,且所指定ROI中之每一者可包含水平經圖案化特徵及/或垂直經圖案化特徵之不同子集。此外,在某些例項中,在於水平方向或垂直方向上延伸之其他經圖案化特徵附近,可存在不在水平方向或垂直方向上延伸之經圖案化特徵。在此等例項中,若使得在計算上有意義,則彼等非水平經圖案化特徵及/或垂直經圖案化特徵連同水平經圖案化特徵及/或垂直經圖案化特徵一起可包含於一ROI中。因此,一般而言,本文中所闡述之實施例可將ROI指定為包含至少一個水平圖案化特徵及/或垂直經圖案化特徵之經去雜訊測試影像中之任一區,並非所有經去雜訊測試影像中所偵測之水平經圖案化特徵及/或垂直經圖案化特徵可包含於ROI中,且該ROI可包含並非水平經圖案化特徵及/或垂直經圖案化特徵之某些經圖案化特徵。
一或多個電腦子系統亦經組態以用於僅使用經去雜訊測試影像中之ROI及參考影像中之一對應區來將經去雜訊測試影像與樣本之一參考影像對準。藉由將經去雜訊測試影像與參考影像對準,電腦子系統將原始測試影像與參考影像有效地對準。指定ROI且僅使用用於對準步驟之ROI對於達成所期望之影像對準之準確度可係至關重要的。舉例而言,本文中所闡述之去雜訊方法可能不能夠移除可經選擇以用於影像對準的所有測試影像中之所有雜訊。僅使用用於影像對準之ROI可減小剩餘雜訊之影響且藉此改良影像對準之準確度。
在某些實施例中,將經去雜訊測試影像與參考影像對準會以子像素準確度將測試影像與參考影像對準。如本文中所使用之彼術語「子像素」一般可被定義為小於由一成像子系統產生之輸出之一像素。以此方式,如本文中所使用之彼術語「子像素準確度」一般可被定義為判定具有小於由成像子系統所獲取之一影像中之一單個像素之大小(自一個側至另一側之距離)的一誤差之某事物(例如影像對準)。去雜訊步驟、所指定ROI及僅使用本文中所闡述之所指定ROI來執行對準使得能夠以子像素準確度來執行影像對準。換言之,可如本文中所闡述地執行去雜訊步驟、指定一ROI步驟及對準步驟,以藉此以子像素準確度將測試影像與參考影像對準。
在又一實施例中,將經去雜訊測試影像與參考影像對準包含正規化交叉相關。可如本文中進一步所闡述地或以此項技術中已知之任何其他方式執行NCC。儘管可由本文中所闡述之系統及方法中之某些者共同使用NCC以執行實際對準步驟,但可使用此項技術中已知之任何其他相關類型演算法或方法來執行本文中所闡述之對準。換言之,儘管NCC係一種用以將本文中所闡述之測試影像與參考影像對準的尤其適合方式,但可將經去雜訊測試參考影像連同其等所指定ROI一起輸入至用於本文中所闡述之對準步驟的任何適合對準方法或演算法。
在某些實施例中,至少在測試影像中之水平方向或垂直方向上延伸的大多數經圖案化特徵在NCC中具有比測試影像中之雜訊小的權重。舉例而言,本文中所闡述的實施例對於對準雜訊的及/或含有極少適合於對準之經圖案化特徵使得對準方法比經圖案化特徵影像更嚴重地依賴於影像中之雜訊的影像,可係尤其有利的。特定而言,甚至在存在顯著測試影像雜訊及/或適合於對準之極少或最少經圖案化特徵的情況下,藉由如本文中所闡述將測試影像去雜訊、在適合於對準中使用之經圖案化特徵位於其中的經去雜訊測試影像中指定一ROI,以及僅使用ROI來進行對準,本文中所闡述的實施例使得影像對準實質上係準確的(例如,以子像素準確度)。
取決於該等參考影像正被使用之應用,本文中所闡述之實施例中所使用之參考影像可係不同類型的參考影像。自程序正被執行所針對之樣本產生某些參考影像。在一項實施例中,參考影像係一經去雜訊參考影像,由成像子系統在樣本上與產生測試影像之一位置對應的一位置處,針對樣本來產生一初始參考影像,且一或多個電腦子系統經組態以用於在對準之前減少初始參考影像中之雜訊,藉此產生經去雜訊參考影像。在一項此實例中,可在一樣本上之不同毗鄰晶粒中且在彼等不同晶粒內之粗略對應的位置處,獲取測試影像及參考影像。當使用樣本來獲取測試影像及參考影像兩者時,測試影像及參考影像兩者可展現相對類似位準之雜訊。因此,若如本文中所闡述地出於對準目的而將測試影像去雜訊,則亦受益於出於對準目的而將參考影像去雜訊係可能的。在此等例項中,可以同一方式,使用相同參數來將測試影像及參考影像兩者去雜訊(歸因於影像中相對類似位準或類型之雜訊,此可係適合的)。可如本文中所闡述地及圖4至圖6中所展示地進一步執行測試影像及參考影像兩者之此去雜訊。
在另一實施例中,不使用樣本來產生參考影像。舉例而言,在本文中所闡述之某些應用中,可以不涉及將樣本成像之一方式來產生參考影像。在一項此實例中,參考影像可係自樣本之一設計再現的一影像,該設計模擬若透過樣本成像將如何顯現參考影像。針對樣本之設計可包含任何適合設計資料或資訊,諸如一圖像資料串流(GDS)檔案。在另一實例中,可自在其上印刷同一設計之另一樣本來產生參考影像。
以此方式,本文中所闡述之實施例中所使用之參考影像可展現或可不展現與測試影像相同之類型及位準之雜訊。舉例而言,自針對樣本之一設計再現之一參考影像可不具有與測試影像相同之類型及位準之雜訊,且因此,可無需執行此一參考影像之去雜訊來達成本文中所闡述之影像對準準確度。在其他例項中,自同一設計之另一樣本產生之一參考影像可具有與測試影像相對類似之位準及類型之雜訊,且因此可出於對準目的而對此一參考影像執行去雜訊。
在某些例項中,產生參考影像之系統或方法可執行參考影像之去雜訊,藉此使得藉由本文中所闡述之實施例對參考影像之去雜訊變得沒有必要。舉例而言,可藉由另一系統或方法來執行將參考影像再現,且在使得參考影像可用於由本文中所闡述之實施例使用之前,彼另一系統或方法可將參考影像去雜訊。因此,本文中所闡述之實施例可能夠在不進行任何額外去雜訊的情況下使用參考影像。
在某些實施例中,參考影像係一經去雜訊參考影像,不使用樣本來產生一初始參考影像,且一或多個電腦子系統經組態以用於在對準之前減少初始參考影像中之雜訊,藉此產生經去雜訊參考影像。舉例而言,本文中所闡述之實施例可經組態以用於在未如上文所闡述地使用實體樣本自身的情況下產生一參考影像(例如,藉由自一設計再現參考影像、藉由使用同一設計之另一樣本來獲取參考影像等)。另外以此項技術中已知之任何適合方式,可執行以此一方式產生一參考影像。接著,在某些此等例項中,可在將樣本成像及產生由本文中所闡述之實施例所使用之測試影像之前產生參考影像。因此,若此一參考影像係尤其雜訊的,則在將經執行以產生測試影像之樣本成像之前,可如本文中所闡述地將參考影像去雜訊。以此方式,當不自測試樣本產生參考影像時,可在一設置階段而非一運行時間階段期間執行將參考影像去雜訊。然而,甚至當使用測試樣本來產生參考影像時,亦可在一設置階段而非一運行時間階段期間執行將參考影像去雜訊。
在一項實施例中,參考影像係一經去雜訊參考影像,由成像子系統在樣本上與產生測試影像之一位置對應的一位置處針對樣本而產生一初始參考影像,一或多個電腦子系統經組態以用於在對準之前減少初始參考影像中之雜訊,藉此產生經去雜訊參考影像,且減少測試影像中之雜訊及減少初始參考影像中之雜訊包含針對測試影像及初始參考影像單獨執行的基於結構之去雜訊。圖4中展示一項此實施例。如圖4中所展示,可分別將測試影像400及參考影像402單獨饋送至不同的基於結構之去雜訊及ROI步驟404及406中。可如本文中進一步所闡述地執行基於結構之去雜訊及ROI步驟。接著,可將具有在彼處所識別之ROI的經去雜訊測試及參考影像輸入至對準步驟408。可如本文中進一步所闡述地在步驟408中執行對準。因此,在此相對簡單之實施例中,在將該兩個影像饋送至主要對準步驟中之前,系統會對兩個影像單獨執行基於結構之去雜訊。
在又一實施例中,參考影像係一經去雜訊參考影像,由成像子系統在樣本上與產生測試影像之一位置對應的一位置處針對樣本而產生一初始參考影像,一或多個電腦子系統經組態以用於在對準之前減少初始參考影像中之雜訊,藉此產生經去雜訊參考影像,且減少測試影像中之雜訊及減少初始參考影像中之雜訊包含將測試影像及初始參考影像同時輸入至基於結構之去雜訊中。因此,在此實施例中,在對測試影像及參考影像執行基於結構之去雜訊之前,電腦子系統可自測試影像及參考影像產生一「堆疊」。舉例而言,如圖5中所展示,電腦子系統可產生測試及參考堆疊500且將影像堆疊輸入至基於結構之去雜訊步驟502。本文中所使用之彼術語將影像「堆疊」不包含以任何方式組合或改變影像。相反,本文中所使用之彼術語「堆疊」意欲指示將多個影像作為不同輸入通道中之不同影像同時饋送至一去雜訊演算法中。可如本文中進一步所闡述地執行此去雜訊步驟。以此方式,在針對主要對準方法而分離測試影像與參考影像之前,電腦子系統可對測試影像與參考影像之一堆疊採用基於結構之去雜訊。
在去雜訊之後,影像可再次被分離且接著被饋送至對準程序中。在一項此實施例中,基於結構之去雜訊同時輸出經去雜訊測試影像及經去雜訊參考影像,且一或多個電腦子系統經組態以用於在偵測之前將經去雜訊測試影像與經去雜訊參考影像分離。舉例而言,如圖5中所展示,可將基於結構之去雜訊502之輸出輸入至將經去雜訊測試影像506自經去雜訊參考影像508分離的分裂步驟504。接著,分別在ROI識別步驟510及512中,可對經去雜訊測試影像506及經去雜訊參考影像508單獨執行ROI識別。然後,可將經去雜訊測試影像及經去雜訊參考影像以及其等所識別ROI輸入至對準步驟514,此可如本文中進一步所闡述地得到執行。
電腦子系統可經組態以用於將對準步驟之結果儲存在任何適合電腦可讀儲存媒體中。該等結果可與本文中所闡述之其他結果中之任一者一起被儲存且可以此項技術中已知之任何方式被儲存。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進行存取且可由本文中所闡述之方法或系統實施例中之任一者使用、可經格式化以顯示給一使用者、可由另一軟體模組、方法或系統使用,等等。
在一項此實例中,本文中所闡述之實施例可經組態以用於針對樣本而執行一檢驗程序。以此方式,可藉由本文中所闡述之實施例將已彼此對準之(原始及/或經去雜訊)影像測試及參考影像輸入至一缺陷偵測方法或演算法。此一缺陷偵測方法或演算法之一項實例可包含自參考影像已對準至之經去雜訊測試影像減去參考影像,藉此產生一差影像,且接著將一缺陷偵測臨限值應用於差影像。舉例而言,可將大於臨限值之差影像中之影像信號或資料指定為缺陷或潛在缺陷,且不可將不大於臨限值之差影像中之影像信號或資料指定為缺陷或潛在缺陷。當然,此僅係可使用本文中所闡述之對準步驟之結果的一缺陷偵測方法或演算法之一簡單實例。一般而言,依賴於一測試影像與一參考影像之間的對準之任何缺陷偵測方法或演算法可使用本文中所闡述之對準步驟之輸出來進行檢驗。
不同檢驗工具可使用不同缺陷偵測方法及演算法。由可自KLA商購之檢驗工具所使用的缺陷偵測演算法之某些實例包含多晶粒適應性臨限值(MDAT)演算法,該演算法藉由影像圖框減法來執行候選影像與參考影像之比較且透過雙偵測(將一候選影像與兩個參考影像比較)或單偵測(當與不止兩個圖框之一中間參考圖框比較時)基於信雜比來識別離群值。另一此缺陷偵測演算法包含經多次計算之晶粒適應性臨限值(MCAT)演算法,該演算法類似於MDAT演算法但在執行影像減法之前會將類似於測試影像圖框的參考影像圖框最佳化。一額外此缺陷偵測演算法包含MCAT+演算法,該演算法係類似於MCAT但使用來自跨越晶圓之參考之一演算法。又一此缺陷偵測演算法係單參考晶粒(SRD)缺陷偵測演算法,該演算法將來自同一晶圓或不同晶圓之一參考晶粒用作一參考(用於自測試影像減去)。
缺陷偵測方法亦可係一個一維(1D)或二維(2D)版本之此等缺陷偵測方法中之任一者。針對偵測器輸出而產生一個1D直方圖之一缺陷偵測方法可被稱為一個「1D缺陷偵測方法」。在一項此實施例中,從自經對準影像產生之差影像中之灰階產生1D直方圖。舉例而言,在於x軸上具有差灰階的情況下,一個1D缺陷偵測方法或演算法可使用一個1D直方圖來進行離群值偵測。因此,1D直方圖可展示差灰階上之缺陷計數。相比而言,本文中所使用之彼術語一個「2D缺陷偵測演算法」係使用一個2D直方圖之一演算法,其中(舉例而言)一個軸係n>1參考圖框(y軸)之中間灰階,且x軸係自如本文中所闡述地對準之影像產生的差影像之差灰階。
在另一此實例中,本文中所闡述之實施例可經組態以用於針對樣本而執行一計量程序。以此方式,可將已彼此對準之(原始及/或去雜訊)測試影像及參考影像輸入至一量測方法或演算法,此可由本文中所闡述之實施例執行。可在計量期間執行將影像彼此對準,以判定將一測試影像中之特徵與一參考影像中之特徵比較之相對特性(諸如相對臨界尺寸(CD))。以此方式,可判定測試影像與參考影像中之特徵之間的差,出於計量目的,該等差可用以監測對樣本執行之一程序之效能、可用以識別此一製作程序中之一問題、可用以判定對此一製作程序之校正等。本文中將進一步闡述此等程序及校正。
在又一實例中,本文中所闡述之實施例可經組態以用於針對樣本而執行一缺陷再檢驗程序。以此方式,如本文中所闡述地已彼此對準之(原始及/或去雜訊)測試影像及參考影像可用於重新偵測檢驗中所偵測之缺陷且可能地判定缺陷之額外資訊,此可由本文中所闡述之實施例執行。舉例而言,一旦已藉由已自一參考影像所對準至之一測試影像減去該參考影像來重新偵測一缺陷,對應於缺陷的測試影像之部分便可用以判定相比於已藉由檢驗所判定的針對該缺陷之額外資訊及/或以比已藉由檢驗所判定的資訊之解析度高的一解析度判定之資訊。在一項此實例中,由於以比檢驗影像高之一解析度產生缺陷再檢驗影像,因此與檢驗相比,可藉由缺陷再檢驗來判定更準確及/或更詳細之資訊。出於此目的,由於可使用經去雜訊測試影像,可自本文中所闡述之測試影像判定之缺陷資訊亦可係更準確及/或更詳細的。在某些例項中,使用原始測試影像及經去雜訊測試影像兩者來判定藉由再檢驗來重新偵測之一缺陷之一或多個特性亦可係有用的。
藉由本文中所闡述之實施例及/或其他系統及方法,可以各種方式使用基於如本文中所闡述地對準之影像藉由針對樣本執行一程序所產生之結果及資訊。此等功能包含但不限於已以或將以一回饋或前饋方式對樣本或另一樣本執行變更一程序,諸如一製作程序或步驟。舉例而言,電腦子系統可經組態以使用所偵測缺陷、量測、經再檢驗缺陷等來判定已對如本文中所闡述地檢驗、量測、缺陷再檢驗之一樣本所執行的一程序及/或將對樣本執行之一程序的一或多個改變。程序之改變可包含程序之一或多個參數之任何適合改變。電腦子系統較佳地判定彼等改變,使得:可在對其執行經修正程序的其他樣本上減少或防止缺陷;可在對樣本執行之另一程序中在樣本上校正缺陷及/或量測;可在對樣本執行之另一程序中補償缺陷及/或量測;等等。電腦子系統可以此項技術中已知之任何適合方式來判定此等改變。
接著,可將彼等改變發送至一半導體製作系統(未展示)或可對電腦子系統及半導體製作系統進行存取之一儲存媒體(未展示)。半導體製作系統可係或可並非係本文中所闡述之系統實施例之一部分。舉例而言,本文中所闡述之其他電腦子系統及/或成像子系統可(例如)經由一或多個共同元件(諸如一殼體、一電力供應器、一樣本處置裝置或機構等)耦合至半導體製作系統。半導體製作系統可包含此項技術中已知之任何半導體製作系統,諸如一微影工具、一蝕刻工具、一化學機械拋光(CMP)工具、一沈積工具及諸如此類。
本文中所闡述之實施例經由先前針對影像對準所使用之方法及系統來提供若干優點。舉例而言,本文中所闡述之實施例使得對先前使用較舊對準方法而具有一相對不良之效能的相對雜訊之影像(諸如SEM影像)進行影像對準成為可能。藉由採用本文中所闡述之基於結構之去雜訊及/或SVD來使得達成對雜訊影像進行較佳影像對準成為可能。在另一實例中,當測試影像及參考影像具有較不明顯共同特徵及/或具有雜訊時,本文中所闡述之實施例可閉合當前影像對準(例如,當前SEM影像對準)中之間隙。藉由偵測水平特徵及/或垂直特徵且將該等特徵設定至ROI作為至可包含NCC或某些其他合適對準方法或演算法之對準步驟的輸入,對於具有相對有限數目個結構之影像,本文中所闡述之實施例能夠勝過較舊對準方法。
可將上文所闡述之系統中之每一者的實施例中之每一者組合在一起成為一項單個實施例。
另一實施例係關於用於對準一樣本之影像之一電腦實施方法。該方法包含上文所闡述之減少雜訊、偵測一或多個經圖案化特徵、指定一區及對準步驟。
可如本文中進一步所闡述地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成像子系統及/或電腦子系統或系統執行之任何其他步驟。藉由耦合至一成像子系統之一或多個電腦子系統來執行減少雜訊、偵測一或多個經圖案化特徵、指定一區及對準步驟,所有此等可根據本文中所闡述之實施例中之任一者來組態。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儲存可在一電腦系統上執行以便執行用於對準一樣本上之影像的一電腦實施方法之程式指令的一非暫時性電腦可讀媒體。圖7中展示一項此實施例。特定而言,如圖7中所展示,非暫時性電腦可讀媒體700包含可在電腦系統704上執行之程式指令702。電腦實施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的方法之程式指令702可儲存於電腦可讀媒體700上。電腦可讀媒體可係諸如一磁碟或光碟、一磁帶之一儲存媒體或者此項技術中已知之任何其他適合之非暫時性電腦可讀媒體。
可以各種方式中之任一者來實施程式指令,該等方式包含基於過程之技術、基於組件之技術及/或面向物件之技術以及其他技術。舉例而言,可使用ActiveX控件、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE (串流化SIMD擴展)或者其他技術或方法來實施該等程式指令。
可根據本文中所闡述之實施例中之任一者來組態電腦系統704。
鑒於此說明,熟習此項技術者將明瞭本發明之各項態樣之進一步修改及替代實施例。舉例而言,提供用於對準一樣本之影像之方法及系統。因此,此說明應被視為僅具說明性的,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被視為目前較佳實施例。如熟習此項技術者在受益於對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元件及材料,可顛倒部件及程序,且可獨立地利用本發明之某些特徵。可在不背離如以下申請專利範圍中所闡述的本發明之精神及範疇的情況下對本文中所闡述之元件做出改變。
10:成像子系統
14:樣本
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:樣本
130:元件
132:元件
134:偵測器
300:影像/原始測試影像
302:影像/經去雜訊測試影像
304:區
304a:經圖案化特徵
304b:經圖案化特徵
304c:經圖案化特徵
304d:經圖案化特徵
400:測試影像
402:參考影像
404:基於結構之去雜訊及所關注區域步驟
406:基於結構之去雜訊及所關注區域步驟
408:對準步驟
500:測試及參考堆疊
502:基於結構之去雜訊步驟
504:分裂步驟
506:經去雜訊測試影像
508:經去雜訊參考影像
510:所關注區域識別步驟
512:所關注區域識別步驟
514:對準步驟
600:測試影像
602:參考影像
604:奇異值分解步驟
606:奇異值分解步驟
608:移除較小本徵向量步驟
610:移除較小本徵向量步驟
612:影像重構及所關注區域步驟
614:影像重構及所關注區域步驟
616:對準步驟
700:非暫時性電腦可讀媒體/電腦可讀媒體
702:程式指令
704:電腦系統
在受益於對較佳實施例之以下詳細說明的情況下且在參考隨附圖式之後,熟習此項技術者將明瞭本發明之進一步優點,其中:
圖1及圖2係圖解說明如本文中所闡述地組態之一系統之實施例之側視圖的示意圖;
圖3包含在去雜訊之前及之後的一測試影像之一實例;
圖4至圖6係圖解說明可藉由本文中所闡述的用於對準一樣本之影像的一或多個電腦子系統來執行的步驟之實施例之流程圖;且
圖7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用於致使一電腦系統執行本文中所闡述之一電腦實施方法之程式指令。
雖然易於對本發明做出各種修改及替代形式,但本發明之特定實施例係以實例方式展示於圖式中且將在本文中詳細闡述。各圖式可未按比例繪製。然而,應理解,圖式及對圖式之詳細說明並不意欲將本發明限制於所揭示之特定形式,而是相反,本發明意欲涵蓋在如由所附申請專利範圍界定的本發明之精神及範圍內之所有修改、等效形式及替代形式。
10:成像子系統
14:樣本
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)
- 一種經組態以用於對準一樣本之影像之系統,其包括: 一成像子系統,其經組態以產生一樣本之影像;及 一或多個電腦子系統,其經組態以用於: 減少由該成像子系統針對該樣本所產生之一測試影像中之雜訊,藉此產生一經去雜訊測試影像; 偵測至少在一水平方向或一垂直方向上延伸之該經去雜訊測試影像中的一或多個經圖案化特徵; 將該等所偵測一或多個經圖案化特徵位於其中之該經去雜訊測試影像之一區指定為該經去雜訊測試影像中之一所關注區域;及 僅使用該經去雜訊測試影像中之該所關注區域及該樣本之一參考影像中之一對應區來將該經去雜訊測試影像與該參考影像對準。
- 如請求項1之系統,其中該參考影像係一經去雜訊參考影像,其中藉由該成像子系統,在該樣本上與產生該測試影像之一位置對應的一位置處,針對該樣本產生一初始參考影像,且其中該一或多個電腦子系統進一步經組態以用於在該對準之前減少該初始參考影像中之雜訊,藉此產生該經去雜訊參考影像。
- 如請求項1之系統,其中不使用該樣本來產生該參考影像。
- 如請求項1之系統,其中該參考影像係一經去雜訊參考影像,其中不使用該樣本來產生一初始參考影像,且其中該一或多個電腦子系統進一步經組態以用於在該對準之前減少該初始參考影像中之雜訊,藉此產生該經去雜訊參考影像。
- 如請求項1之系統,其中該減少雜訊包括基於結構之去雜訊。
- 如請求項1之系統,其中該參考影像係一經去雜訊參考影像,其中藉由該成像子系統,在該樣本上與產生該測試影像之一位置對應的一位置處,針對該樣本產生一初始參考影像,其中該一或多個電腦子系統進一步經組態以用於在該對準之前減少該初始參考影像中之雜訊,藉此產生該經去雜訊參考影像,且其中該減少該測試影像中之雜訊及該減少該初始參考影像中之雜訊包括針對該測試影像及該初始參考影像而單獨執行之基於結構的去雜訊。
- 如請求項1之系統,其中該參考影像係一經去雜訊參考影像,其中藉由該成像子系統,在該樣本上與產生該測試影像之一位置對應的一位置處,針對該樣本產生一初始參考影像,其中該一或多個電腦子系統進一步經組態以用於在該對準之前減少該初始參考影像中之雜訊,藉此產生該經去雜訊參考影像,且其中該減少該測試影像中之雜訊及該減少該初始參考影像中之雜訊包括將該測試影像及該初始參考影像同時輸入至基於結構的去雜訊中。
- 如請求項7之系統,其中該基於結構的去雜訊同時輸出該經去雜訊測試影像及該經去雜訊參考影像,且其中該一或多個電腦子系統進一步經組態以用於在該偵測之前將該經去雜訊測試影像與該經去雜訊參考影像分離。
- 如請求項1之系統,其中該減少雜訊包括奇異值分解。
- 如請求項1之系統,其中該減少雜訊包括:奇異值分解;選擇在藉由該奇異值分解而輸出之一或多個矩陣中具有最大值的預定數目個本徵向量;及依據該等所選擇本徵向量來重構該測試影像,藉此產生該經去雜訊測試影像。
- 如請求項1之系統,其中該減少雜訊包括基於結構的去雜訊,後續接著奇異值分解。
- 如請求項1之系統,其中該將該經去雜訊測試影像與該參考影像對準係以子像素準確度將該測試影像與該參考影像對準。
- 如請求項1之系統,其中該對準包括正規化交叉相關。
- 如請求項1之系統,其中在該測試影像中,至少在該水平方向或該垂直方向上延伸的大多數經圖案化特徵於正規化交叉相關中具有比該測試影像中之雜訊小的權重。
- 如請求項1之系統,其中該測試影像包括重複的經圖案化特徵。
- 如請求項1之系統,其中該樣本係一晶圓。
- 如請求項1之系統,其中該成像子系統係一基於光之成像子系統。
- 如請求項1之系統,其中該成像子系統係一基於電子之成像子系統。
- 一種非暫時性電腦可讀媒體,其儲存可在一電腦系統上執行以便執行用於對準一樣本之影像之一電腦實施方法的程式指令,其中該電腦實施方法包括: 減少由一成像子系統針對一樣本所產生之一測試影像中之雜訊,藉此產生一經去雜訊測試影像; 偵測至少在一水平方向或一垂直方向上延伸之該經去雜訊測試影像中的一或多個經圖案化特徵; 將該等所偵測一或多個經圖案化特徵位於其中之該經去雜訊測試影像之一區指定為該經去雜訊測試影像中之一所關注區域;及 僅使用該經去雜訊測試影像中之該所關注區域及該樣本之一參考影像中之一對應區來將該經去雜訊測試影像與該參考影像對準,其中藉由經耦合至該成像子系統之該電腦系統來執行該減少、偵測、指定及對準。
- 一種用於對準一樣本之影像之電腦實施方法,其包括: 減少由一成像子系統針對一樣本所產生之一測試影像中的雜訊,藉此產生一經去雜訊測試影像; 偵測至少在一水平方向或一垂直方向上延伸之該經去雜訊測試影像中的一或多個經圖案化特徵; 將該等所偵測一或多個經圖案化特徵位於其中之該經去雜訊測試影像之一區指定為該經去雜訊測試影像中之一所關注區域;及 僅使用該經去雜訊測試影像中之該所關注區域及該樣本之一參考影像中之一對應區來將該經去雜訊測試影像與該參考影像對準,其中藉由經耦合至該成像子系統之一或多個電腦子系統來執行該減少、偵測、指定及對準。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063016309P | 2020-04-28 | 2020-04-28 | |
US63/016,309 | 2020-04-28 | ||
US17/094,607 | 2020-11-10 | ||
US17/094,607 US11494924B2 (en) | 2020-04-28 | 2020-11-10 | Image alignment for noisy images |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202208836A true TW202208836A (zh) | 2022-03-01 |
Family
ID=78222570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110115280A TW202208836A (zh) | 2020-04-28 | 2021-04-28 | 用於雜訊影像之影像對準 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11494924B2 (zh) |
KR (1) | KR20230003051A (zh) |
CN (1) | CN115516297B (zh) |
IL (1) | IL297079A (zh) |
TW (1) | TW202208836A (zh) |
WO (1) | WO2021221965A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11922619B2 (en) | 2022-03-31 | 2024-03-05 | Kla Corporation | Context-based defect inspection |
US20230314336A1 (en) | 2022-03-31 | 2023-10-05 | Kla Corporation | Multi-mode optical inspection |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5923430A (en) * | 1993-06-17 | 1999-07-13 | Ultrapointe Corporation | Method for characterizing defects on semiconductor wafers |
US6885775B2 (en) * | 2000-01-21 | 2005-04-26 | Matsushita Electric Industrial Co., Ltd. | Image processing method and image processing apparatus |
US6763142B2 (en) | 2001-09-07 | 2004-07-13 | Nline Corporation | System and method for correlated noise removal in complex imaging systems |
US7295695B1 (en) | 2002-03-19 | 2007-11-13 | Kla-Tencor Technologies Corporation | Defect detection via multiscale wavelets-based algorithms |
JP2006029881A (ja) | 2004-07-14 | 2006-02-02 | Hitachi High-Technologies Corp | パターン欠陥検査方法および装置 |
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 |
KR20100001133A (ko) | 2008-06-26 | 2010-01-06 | 주식회사 하이닉스반도체 | 광 근접 효과 보상 방법 |
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 |
US8995749B2 (en) * | 2013-03-28 | 2015-03-31 | Mitutoyo Corporation | Enhanced edge detection tool for edges of irregular surfaces |
US9442077B2 (en) * | 2013-08-28 | 2016-09-13 | Kla-Tencor Corp. | Scratch filter for wafer inspection |
KR101535010B1 (ko) * | 2014-02-07 | 2015-07-08 | (주) 넥스트칩 | 잡음 제거 장치 및 방법 |
KR102347057B1 (ko) * | 2015-08-12 | 2022-01-03 | 케이엘에이 코포레이션 | 전자 빔 이미지에서의 결함 위치 결정 |
US10186028B2 (en) * | 2015-12-09 | 2019-01-22 | Kla-Tencor Corporation | Defect signal to noise enhancement by reducing die to die process noise |
IL298488B1 (en) * | 2016-09-23 | 2024-04-01 | Curemetrix Inc | Mapping breast artery calcification and prediction of heart disease |
US10504213B2 (en) | 2016-11-22 | 2019-12-10 | Kla-Tencor Corporation | Wafer noise reduction by image subtraction across layers |
WO2019090533A1 (en) * | 2017-11-08 | 2019-05-16 | Shenzhen United Imaging Healthcare Co., Ltd. | System and method for diagnositic and treatment |
US10755404B2 (en) * | 2017-12-07 | 2020-08-25 | International Business Machines Corporation | Integrated circuit defect detection using pattern images |
US10685212B2 (en) * | 2018-06-25 | 2020-06-16 | Texas Instruments Incorporated | Three dimensional (3d) object detection |
US11663700B2 (en) * | 2019-06-29 | 2023-05-30 | Intel Corporation | Automatic elimination of noise for big data analytics |
US11947270B2 (en) * | 2020-02-26 | 2024-04-02 | Fei Company | Metrology of semiconductor devices in electron micrographs using fast marching level sets |
-
2020
- 2020-11-10 US US17/094,607 patent/US11494924B2/en active Active
-
2021
- 2021-04-21 WO PCT/US2021/028265 patent/WO2021221965A1/en active Application Filing
- 2021-04-21 CN CN202180031010.XA patent/CN115516297B/zh active Active
- 2021-04-21 KR KR1020227041282A patent/KR20230003051A/ko active Search and Examination
- 2021-04-21 IL IL297079A patent/IL297079A/en unknown
- 2021-04-28 TW TW110115280A patent/TW202208836A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
KR20230003051A (ko) | 2023-01-05 |
CN115516297B (zh) | 2023-07-14 |
IL297079A (en) | 2022-12-01 |
US11494924B2 (en) | 2022-11-08 |
US20210334989A1 (en) | 2021-10-28 |
WO2021221965A1 (en) | 2021-11-04 |
CN115516297A (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI679710B (zh) | 用於判定樣品上缺陷之系統、非暫時性電腦可讀媒體及方法 | |
KR102369848B1 (ko) | 관심 패턴 이미지 집단에 대한 이상치 검출 | |
TWI812856B (zh) | 用於缺陷偵測之系統及電腦實施方法,非暫時性電腦可讀媒體,及用於產生參考影像之系統 | |
US10365232B2 (en) | High accuracy of relative defect locations for repeater analysis | |
TW202208836A (zh) | 用於雜訊影像之影像對準 | |
TW202129261A (zh) | 控制樣本檢測之程序 | |
WO2020061120A1 (en) | Detecting defects in a logic region on a wafer | |
US11748872B2 (en) | Setting up inspection of a specimen | |
US20240013365A9 (en) | Unsupervised or self-supervised deep learning for semiconductor-based applications | |
US11494895B2 (en) | Detecting defects in array regions on specimens | |
IL289609B (en) | High accuracy of relative defect locations for repeater testing | |
JP2023540747A (ja) | 三次元ウェハ構造向けビニング増強欠陥検出方法 | |
US20220327796A1 (en) | Salient feature point based image alignment | |
US20240161272A1 (en) | Multimode defect detection | |
US20220301133A1 (en) | Segmentation of design care areas with a rendered design image | |
TW202314887A (zh) | 用於基於半導體之應用的深度學習影像去除雜訊 | |
KR20240034691A (ko) | 고속 및 퍼지 패턴 그룹화 |