TW202212802A - 針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定 - Google Patents

針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定 Download PDF

Info

Publication number
TW202212802A
TW202212802A TW110120716A TW110120716A TW202212802A TW 202212802 A TW202212802 A TW 202212802A TW 110120716 A TW110120716 A TW 110120716A TW 110120716 A TW110120716 A TW 110120716A TW 202212802 A TW202212802 A TW 202212802A
Authority
TW
Taiwan
Prior art keywords
sample
alignment
images
different
die
Prior art date
Application number
TW110120716A
Other languages
English (en)
Other versions
TWI844777B (zh
Inventor
伯裘恩 布拉爾
金歡
曉春 李
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 TW202212802A publication Critical patent/TW202212802A/zh
Application granted granted Critical
Publication of TWI844777B publication Critical patent/TWI844777B/zh

Links

Images

Classifications

    • 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
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—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
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本發明提供用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數之方法及系統。一種方法包含：判定藉由一成像系統針對一樣品上之兩對或更多對晶粒之各者中之對應位置產生之影像之間之類似性之量測；及基於類似性之該等經判定量測執行叢集分析以識別最彼此類似之該等影像且將最彼此類似之該等影像之不同子集分別指派至不同晶粒叢集。該方法亦包含針對該等不同晶粒叢集之兩者或更多者分開地判定一或多個對準參數。該一或多個對準參數用於將藉由該成像系統針對該樣品或另一樣品產生之影像對準至一共同參考。

Description

針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定
本發明大體上係關於針對具有樣品內及樣品間變異之樣品之影像對準設定。某些實施例係關於用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數之方法及系統。
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。
一積體電路(IC)設計可使用一方法或系統(諸如電子設計自動化(EDA)、電腦輔助設計(CAD)及其他IC設計軟體)開發。此等方法及系統可用於自IC設計產生電路圖案資料庫。電路圖案資料庫包含表示IC之各個層之複數個佈局之資料。電路圖案資料庫中之資料可用於判定複數個倍縮光罩之佈局。一倍縮光罩之一佈局通常包含界定倍縮光罩上之一圖案中之特徵之複數個多邊形。各倍縮光罩用於製造IC之各個層之一者。IC之層可包含(例如)一半導體基板中之一接面圖案、一閘極介電圖案、一閘極電極圖案、一層間介電質中之一接觸件圖案及一金屬化層上之一互連件圖案。
製造諸如邏輯及記憶體裝置之半導體裝置通常包含使用大量半導體製造程序處理一基板(諸如一半導體晶圓)以形成半導體裝置之各種特徵及多個層級。例如，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光阻劑之一半導體製造程序。半導體製造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。多個半導體裝置可以一單一半導體晶圓上之一配置經製造且接著被分成個別半導體裝置。
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(諸如IC)之一重要部分。然而，隨著設計規則縮小，半導體製造程序可依更接近對程序之效能能力之限制操作。另外，隨著設計規則縮小，較小缺陷可對裝置之電參數具有一影響，此驅動更靈敏檢測。因此，隨著設計規則縮小，藉由檢測偵測之潛在良率相關缺陷之群體大幅增長，且藉由檢測偵測之擾亂點缺陷之群體亦大幅增加。
檢測系統及方法日益經設計以關注於缺陷與設計之間之關係，此係因為對一樣品之設計之影響將判定一缺陷是否重要及重要程度。例如，已開發用於對準檢測及設計座標之一些方法。一個此方法取決於與設計之檢測系統座標配準之準確度。另一此方法涉及對檢測影像圖塊及相關聯設計剪輯執行處理後對準。
一些當前使用之方法基於一設定晶圓上之一設定晶粒執行圖塊至設計對準(PDA)訓練，且一基於物理學之模型用於演現影像，如圖10中展示。例如，如圖10之步驟1000中展示，當前使用之方法可掃描一樣品以尋找對準目標。如步驟1002中展示，方法可擷取各目標之設計。使用掃描期間產生之影像及針對各目標擷取之設計，當前使用之方法可自例示性目標學習影像演現參數，如步驟1004中展示。當前使用之方法可接著使用經學習影像演現參數自各目標處之設計演現一影像，如步驟1006中展示。如步驟1008中展示，當前使用之方法可將經演現影像與各目標處之樣品影像對準。當前使用之方法可接著判定各目標之設計至影像偏移，如步驟1010中展示，且將目標及偏移保存至一資料庫以用於運行時間檢測，如步驟1012中展示。可接著以任何適合方式執行運行時間PDA程序。
雖然用於設定且執行PDA之當前使用之方法已證明在數個應用中有用，但此等方法及系統存在數個缺點。例如，在用於設定PDA之當前使用之方法中未考量晶圓內及晶圓間變異。若在運行時間期間存在影像之顯著改變，則對準將失效或產生較不準確結果。
因此，開發用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數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物。
一項實施例係關於一種經組態以判定用於在對一樣品執行之一程序中使用之一或多個對準參數之系統。該系統包含經組態用於判定藉由一成像系統針對一樣品上之兩對或更多對晶粒之各者中之對應位置產生之影像之間之類似性之量測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基於類似性之該等經判定量測執行叢集分析以識別最彼此類似之該等影像且將最彼此類似之該等影像之不同子集分別對準至不同晶粒叢集。針對該等不同晶粒叢集之兩者或更多者，該一或多個電腦子系統經組態用於分開地判定用於將藉由該成像系統針對該樣品或另一樣品產生之影像對準至一共同參考之一或多個對準參數。該一或多個電腦子系統進一步經組態用於儲存針對用於在使用該成像系統對該樣品或該其他樣品執行之一程序中使用之該等不同晶粒叢集之該兩者或更多者判定之該一或多個對準參數。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判定用於在對一樣品執行之一程序中使用之一或多個對準參數之電腦實施方法。該方法包含上文描述之該等判定類似性之量測、執行叢集分析、分開地判定一或多個對準參數及儲存步驟，該等步驟係藉由一或多個電腦系統執行。可如本文中進一步描述般執行方法之各步驟。另外，上文描述之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。此外，方法可由本文中描述之任何系統執行。
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或多個電腦系統上執行以執行用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數之一電腦實施方法。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。
如本文中互換使用之術語「設計」、「設計資料」及「設計資訊」通常係指一IC或其他半導體裝置之實體設計(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。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。此外，本文中描述之「設計」、「設計資料」及「設計資訊」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樣品(諸如倍縮光罩及晶圓)上之前良好地用於本文中描述之實施例中之資訊及資料。
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。
一般言之，當樣品內變異及樣品間變異限制對準品質及因此檢測靈敏度或其他程序效能時，本文中描述之實施例可有利地用於改良基於圖案至設計之對準。例如，本文中描述之實施例可藉由針對如本文中進一步描述般識別之每一晶粒或晶粒叢集產生(若干)對準參數(其(等)可甚至包含一圖塊至設計對準(PDA)資料庫)而適應樣品內及樣品間改變。
一項實施例係關於經組態以判定用於在對一樣品執行之一程序中使用之一或多個對準參數之一系統。在圖1中展示此一系統之一項實施例。系統包含一或多個電腦子系統(例如，電腦子系統36及102)。在一些實施例中，系統亦包含藉由一或多個電腦子系統執行之一或多個組件100。一或多個組件可包含可如本文中進一步描述般組態之深度生成模型104。
在一些實施例中，樣品係一晶圓。晶圓可包含半導體技術中已知之任何晶圓。雖然本文中相對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品。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)板及其他半導體樣品之樣品。
在一些實施例中，該系統包含一成像系統，該成像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品之能量。該偵測器經組態以偵測來自該樣品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，成像系統係一基於光之成像系統。例如，在圖1中展示之系統之實施例中，成像系統10包含經組態以將光引導至樣品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品。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21按一法向入射角引導光至樣品14。入射角可包含任何適合入射角，其可取決於(例如)樣品之特性、欲在樣品上偵測之缺陷、欲對樣品執行之量測而變動。
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品。例如，成像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品。在一個此實例中，成像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品。
在一些例項中，成像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品。例如，成像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品，則按不同入射角引導至樣品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品之光彼此區分。
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)且可藉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光器且可以各種不同方式(例如，藉由調換出光譜濾光器)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)光譜濾光器、(若干)空間濾光器、(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、度量衡等之照明之類型更改照明子系統之一或多個元件。
成像系統亦可包含經組態以引起光掃描遍及樣品之一掃描子系統。例如，成像系統可包含樣品14在檢測、量測等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品使得光可掃描遍及樣品之任何適合機械及/或機器人總成(包含載物台22)。另外或替代地，成像系統可經組態使得成像系統之一或多個光學元件執行光遍及樣品之某一掃描。可以任何適合方式使光掃描遍及樣品。
成像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成像系統照明樣品而自樣品偵測光且回應於所偵測光而產生輸出。例如，圖1中展示之成像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品鏡面反射(例如，散射、繞射等)之光。然而，兩個或更多個偵測通道可經組態以自樣品偵測相同類型之光(例如，鏡面反射光)。雖然圖1展示包含兩個偵測通道之成像系統之一實施例，但成像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更多個偵測通道)。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。
該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。例如，偵測器可包含光電倍增管(PMT)或此項技術中已知之任何其他適合非成像偵測器。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品之影像。
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成像系統之一組態。顯然，可更改本文中描述之成像系統組態以如在設計一商業檢測、度量衡等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加利福尼亞州，米爾皮塔斯市(Milpitas)，KLA Corp.之29xx及39xx系列之工具、SpectraShape系列之工具及Archer系列之工具之一現有檢測或度量衡系統(例如，藉由將本文中描述之功能性新增至一現有檢測或度量衡系統)實施本文中描述之系統。對於一些此等系統，本文中描述之實施例可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」設計本文中描述之成像系統以提供一全新系統。
系統之電腦子系統36可以任何適合方式(例如，經由一或多個傳輸媒體，該一或多個傳輸媒體可包含「有線」及/或「無線」傳輸媒體)耦合至成像系統之偵測器使得電腦子系統可接收由偵測器在樣品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連線工具)。
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)。兩個或更多個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。
雖然上文將成像系統描述為一光學子系統或基於光之子系統，但成像系統可係一電子束系統。例如，在一項實施例中，成像系統係一電子束成像系統。以此方式，能量源可係一電子束源。在圖2中展示之一項此實施例中，成像系統包含電子柱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聚焦至樣品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。
自樣品返回之電子(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品且按另一傾斜角自樣品散射，但應理解，電子束可按任何適合角度引導至樣品且自樣品散射。另外，電子束成像系統可經組態以使用多個模式來產生樣品之影像(例如，具有不同照明角、收集角等)。電子束成像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。偵測器可偵測自樣品之表面返回之電子，藉此產生由(若干)電腦子系統使用以形成樣品之電子束影像(其等可包含任何適合電子束影像)之輸出。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中展示之成像系統之一系統。
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電子束成像系統之一組態。如同上文描述之光學系統，可更改本文中描述之電子束系統組態以如在設計一商業檢測或度量衡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之工具之一現有檢測、度量衡或其他系統(例如，藉由將本文中描述之功能性新增至一現有系統)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。
雖然上文將成像系統描述為一基於光或電子束系統，但成像系統可係一離子束系統。可如圖2中展示般組態此一成像系統，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，經引導至樣品之能量包含離子。另外，成像系統可係任何其他適合基於離子束之成像系統，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)系統中之離子束成像系統。
本文中描述之成像系統可經組態以使用多個模式產生樣品之影像。一般言之，一「模式」由用於產生樣品之影像之成像系統之參數之值定義。因此，(除樣品上產生影像之位置之外)模式可在成像系統之參數之至少一者之值方面不同。例如，在一光學成像系統中，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)照明波長方面針對不同模式係不同的，如本文中進一步描述(例如，藉由使用不同光源、不同光譜濾光器等)。在另一實施例中，不同模式可使用光學成像系統之不同照明通道。例如，如上文提及，光學成像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。模式可在成像系統之任何一或多個可更改參數(例如，(若干)照明偏振、(若干)角度、(若干)波長等、(若干)偵測偏振、(若干)角度、(若干)波長等)方面不同。
以一類似方式，由電子束成像系統產生之影像可包含由電子束成像系統使用電子束成像系統之一參數之兩個或更多個不同值產生之輸出。電子束成像系統之多個模式可由用於產生一樣品之影像之電子束成像系統之參數之值定義。因此，不同模式可在電子束成像系統之至少一個電子束參數之值方面不同。例如，在一電子束成像系統之一項實施例中，不同模式可使用不同入射角以進行照明。
本文中描述之成像系統實施例可經組態用於檢測、度量衡、缺陷再檢測或對樣品執行之另一品質控制相關程序。例如，可在一或多個參數方面修改本文中描述且在圖1及圖2中展示之成像系統之實施例以取決於將使用其等之應用而提供不同成像能力。在一個此實例中，圖1中展示之成像系統可經組態以在其用於缺陷再檢測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中展示之成像系統之實施例描述一成像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成像能力之成像系統。
如上文提及，光學、電子及離子束成像系統經組態以將能量(例如，光、電子等)掃描遍及樣品之一實體版本，藉此針對樣品之實體版本產生影像。以此方式，光學、電子及離子束成像系統可經組態為「實際」成像系統而非「虛擬」成像系統。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，如在共同受讓之以下專利中描述：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以用於判定藉由一成像系統針對一樣品上之兩對或更多對晶粒之各者中之對應位置產生之影像之間之類似性之量測。以此方式，可判定晶粒影像之全部對(k個組合)之間之類似性之一量測。k個組合之一總數可由以下項定義：
Figure 02_image001
其中 n係晶粒影像之一總數， k係2，且 n及 k兩者係整數。例如，若在一晶圓上存在470個晶粒，則存在待比較之影像之C(470, 2)=110,215個可能組合。以此方式，一樣品上之各晶粒可與樣品上之各其他晶粒配對，且可針對各所得對判定一類似性量測。
然而，本文中描述之實施例不一定需要判定一樣品上之每一可能晶粒對之一類似性量測。例如，可基於一樣品上之不同晶粒之影像之預期變異選擇樣品上之全部可能晶粒對之一子集，使得一個晶粒與預期類似於其之晶粒之少於全部及/或預期不同於其之晶粒之少於全部配對。基於針對該等對判定之類似性量測，(若干)電腦子系統可判定晶粒是否應與額外晶粒配對及/或樣品上之另一晶粒應與其配對以檢查類似性之晶粒。在另一實例中，可如本文中描述般且基於一個晶粒類似於其及與其不同之晶粒檢查一樣品上之一個晶粒之全部可能晶粒對，可產生且檢查其他晶粒對。以此方式，雖然在一些情境中針對其等在影像中之類似性檢查一樣品上之每一可能晶粒對可係有利的，但當資源稀缺時此非必要且可在程序之前或在程序期間即時作出關於預期晶粒影像類似性之明智決策。雖然本文中進一步描述用於判定類似性量測之一些尤其有用方法，但可使用其他方法以量化變量之間之類似性(例如，最小平方擬合)，且實施例不限於其等可執行之類似性量測計算。
可通常將一樣品上之兩對或更多對晶粒之各者中之「對應位置」定義為在兩對或更多對晶粒之各者中具有相同晶粒座標之位置。以此方式，針對晶粒中之相同區域產生之影像可用於判定類似性量測。類似性判定可不僅僅針對一樣品上之晶粒判定而且亦可針對其他結構(例如，一光罩之分割區域之影像)判定。例如，可針對使用單晶粒倍縮光罩列印之晶粒、使用多晶粒倍縮光罩列印之晶粒、倍縮光罩場或樣品上之其他重複圖案化區域判定類似性量測。因此，雖然可在本文中相對於晶粒描述步驟及實施例，但相同步驟及實施例可應用至樣品上之其他重複圖案化區域。
在另一實施例中，判定其之類似性之量測之影像包含多個晶粒之每一晶粒之一個圖框影像。例如，圖3展示可在一晶圓分析掃描中執行以尋找類似晶粒之步驟。如圖3之步驟300中展示，一或多個電腦子系統可跨樣品自相同晶粒位置收集圖框影像，例如，每一晶粒一個圖框。可使用如本文中描述之一成像系統執行收集圖框影像。
用於類似性量測之影像圖框可取決於關於晶粒中之結構之資訊而變動。例如，若已經針對樣品程序選擇對準目標，則判定其之類似性量測之影像可包含在晶粒中之對準目標之位置處產生之影像。若尚未針對樣品程序選擇對準目標，則可在疑似適合對準之位置(其等可自樣品之設計資料判定)、樣品上之其他所關注區域(諸如樣品上之關照區域之位置)、其中預期結構對對樣品執行之程序之改變穩健、對對樣品執行之程序之改變靈敏或兩者(其中預期一些結構程序變異穩健而預期其他結構程序變異靈敏)之樣品晶粒中之其他區域或僅任意選取之一區域處選擇在此步驟中使用之影像圖框。
在一項實施例中，一或多個電腦子系統經組態用於在判定類似性之量測之前將藉由成像系統針對對應位置產生之影像彼此對準。例如，如在圖3之步驟302中展示，一或多個電腦子系統可(例如)以子像素準確度將全部影像彼此對準。影像對準可包含準確至數個像素內(例如，≤ 5個像素)之粗糙對準及使用增益及偏移校正至一像素內(例如，≤ 1個像素)之精細對準。可如本文中進一步描述般或以此項技術中已知之任何其他適合方式執行將對應位置之影像彼此對準。
在一些實施例中，使用灰階強度之一皮爾森(Pearson)相關性判定類似性之量測。例如，如圖3之步驟304中展示，一或多個電腦子系統可計算樣品上之全部晶粒對之相同區域之類似性量測，此可使用灰階強度之一皮爾森相關性執行。皮爾森相關性之計算可針對晶粒 X之影像中之 n個像素及晶粒 Y之影像中之 n個像素針對各像素 i執行(例如，其中來自晶粒 X之影像之 n個像素與來自晶粒 Y之影像之 n個像素對準或覆疊)。用於執行皮爾森相關性之方程式如下定義：
Figure 02_image003
其中cov( X, Y)係晶粒 X之影像及晶粒 Y之影像中之像素之協方差矩陣， σ x 及 σ y 係對應標準偏差， x i 及 y i 係晶粒 X之影像及晶粒 Y之影像中之一像素 i之各自灰階值，且
Figure 02_image005
及
Figure 02_image007
係晶粒 X之影像及晶粒 Y之影像中之全部像素之各自灰階值平均值。若在各影像中存在(例如) 128乘128個像素，則
Figure 02_image009
範圍係自像素1至像素16,384。可處理各影像之子區段使得針對各子區段計算一類似性量測。可接著針對一總類似性量測(例如，20個子區段，各3乘42個像素)組合各子區段之類似性量測。
可針對諸如灰階強度之一特性判定類似性量測。然而，可針對任何其他適合影像特性判定類似性量測。另外，雖然一單一影像特性之一單一類似性量測可足以用於如本文中進一步描述之叢集，但本文中描述之實施例不限於針對一單一影像特性之一單一類似性量測。例如，可分別自不同影像特性判定不同類似性量測，如本文中描述，且接著可基於不同類似性量測之全部執行本文中描述之叢集。
一正規化和平方差(NSSD)可用於計算類似性量測。NSSD之計算可針對晶粒X之影像中之 M*N個像素及晶粒Y之影像中之 M*N個像素執行(例如，其中來自晶粒X之影像之像素與來自晶粒Y之影像之像素對準或覆疊)。用於執行NSSD計算之方程式如下定義：
Figure 02_image011
其中 M及 N係影像之各列及各行中之像素之各自數目， i係各列之像素指數， j係各行之像素指數， X(i,j)係晶粒 X之影像(例如，一灰階值矩陣)， Y(i,j)係晶粒 Y之影像(例如，一灰階值矩陣)， y係晶粒 X之影像與晶粒 Y之影像之間之增益，且 K係晶粒 X之影像與晶粒 Y之影像之間之偏移。
一或多個電腦子系統經組態用於基於類似性之經判定量測執行叢集分析以識別最彼此類似之影像且將最彼此類似之影像之不同子集分別指派至不同晶粒叢集。以此方式，可執行叢集分析以將晶粒影像對分割成叢集(即，群組)，其中各叢集內之對具有一實質上類似之類似性量測。叢集自身可識別最彼此類似之影像，且影像之不同子集之何者分別指派至不同晶粒叢集之各者可取決於用於叢集分析之參數(諸如臨限值)而變動。因此，兩個影像必須如何類似以便被視為具有一「實質上類似之類似性量測」可由叢集分析參數定義。
如在圖3之步驟306中展示，一或多個電腦子系統可執行叢集分析以識別最彼此類似之影像圖框且將最彼此類似之影像指派至不同晶粒叢集。因此，本文中描述之實施例使用一基於叢集之方法，該基於叢集之方法使用一晶圓分析掃描以識別「匹配」晶粒(即，藉由成像系統針對其產生之影像實質上類似之針對其可使用(若干)相同對準參數(諸如相同對準資料庫)之晶粒)。
在一項實施例中，叢集分析包含一無監督學習技術。例如，圖3中描述且展示之方法係用於尋找藉由成像系統針對其產生之影像實質上類似之晶粒叢集之一無監督學習方法。以此方式，本文中描述之實施例可經組態以藉由使用無監督學習及適應性資料庫產生方法而用於光學(或其他)影像至IC設計對準。因此，本文中描述之實施例之一個新特徵係(若干)電腦子系統可使用無監督學習以尋找可使用相同PDA資料庫及(若干)其他對準參數用於對準之晶粒叢集。
在一些實施例中，識別最彼此類似之影像包含基於類似性之量測判定相異性分數，且將影像之不同子集指派至不同晶粒叢集包含基於相異性分數及應用至相異性分數之一臨限值產生一階層式叢集樹狀圖。例如，一或多個電腦子系統可藉由使用相異性分數及具有本文中描述之臨限值之一者之一階層式叢集樹狀圖而執行叢集分析。
圖4繪示可藉由本文中描述之一或多個電腦子系統產生之一階層式叢集樹狀圖之一個實例。樹狀圖在垂直軸上繪製相異性值且在水平軸上繪製樣品上之各晶粒之位置。如在階層式叢集樹狀圖400中展示，階層式叢集在此實例中具有經識別之3個叢集，叢集1、叢集2及叢集3。然而，樹狀圖可分割成任何數目個叢集(例如，兩個或更多個叢集)，且圖4中展示之叢集之數目僅係一個實例。
叢集之結果可用於產生向吾人展示晶粒影像在何處最類似之一晶圓或樣品圖。圖5展示晶粒叢集可如何映射至樣品上之晶粒。例如，可建構其中樹狀圖中之項目之各者對應於樣品上之一特定晶粒位置之一樣品圖。可藉由將具有平均鏈之階層式叢集應用至圖4之樹狀圖而建構圖5之晶圓圖中展示之分組。晶圓圖500將晶圓上之各晶粒展示為取決於其屬於何叢集(如圖5中展示之圖鍵中展示)而具有一圖案填充之一正方形。如在圖5中可見，叢集1中之晶粒通常定位於晶圓之邊緣處或附近，而叢集2中之晶粒通常定位於晶圓之中心處或附近。晶圓上之晶粒之剩餘部分係指派至叢集3之晶粒。樣品(諸如晶圓)上之晶粒之此叢集可歸因於發生於此等樣品上之典型程序變異(例如，其中晶圓之邊緣附近之程序條件不同於遠離晶圓之邊緣之程序條件且其中晶圓之中心附近之程序條件不同於與晶圓之中心隔開之程序條件) (此可引起晶圓之影像之變異)而發生。因此，雖然圖5展示其中不同晶粒叢集可通常在一樣品(諸如一晶圓)上之一個實例，但此實例絕非限制性且將取決於影像及其等彼此之類似性而變動。
在一項此實施例中，臨限值係一使用者定義臨限值。在另一實施例中，臨限值係一叢集計數臨限值。以此方式，應用至相異性分數以產生階層式叢集樹狀圖之臨限值可係一使用者設計之相異性分數臨限值或一叢集計數臨限值(即，關於多少影像可指派至一單一叢集之一上限及/或下限)。可基於一使用者或預定義分割設定或以演算法方式分割叢集。在圖4之樹狀圖中，全部分葉具有低於1.5之一臨限相異值之一相異性值。臨限相異性值可經預選擇、使用者基於資料經選擇或以演算法方式經判定。
可檢查叢集當中之全部成對叢集間相異性，且識別並融合最不相異之叢集之(若干)對。此兩個叢集之間之相異性指示樹狀圖中可放置融合之高度。在一些實施例中，叢集分析包含階層式叢集，且階層式叢集包含平均鏈、單一鏈、完整鏈或質心鏈。例如，用於叢集之無監督學習方法可包含具有完整、單一、平均或質心鏈之階層式叢集。為了計算叢集群組之間之相異性，可採用鏈之概念。可能鏈包含分別表示最大、最小、平均及質心叢集間相異性之完整鏈、單一鏈、平均鏈及質心鏈。階層式叢集採取 n個觀察作為輸入且計算此等觀察之全部可能組合之
Figure 02_image013
個成對相異性。各觀察可由大小為 x乘 y個像素之一影像之灰階值組成。當在樣品上存在 n個晶粒時，可如上文描述般判定全部
Figure 02_image013
個組合之皮爾森相關性。
在一進一步實施例中，叢集分析包含k均值叢集。例如，用於叢集之無監督學習方法可包含基於k均值之叢集演算法(其中k係叢集之數目，其不限於任何特定值) (諸如傳統k均值或KMeans++)。k均值嘗試基於其等質心位置(採取一使用者定義數目個叢集作為一輸入)隔離叢集。可以此項技術中已知之任何適合方式執行k均值叢集。
另一方面，階層式叢集採取 n個觀察作為一輸入且計算此等觀察之全部可能組合之 C(n,2)個成對相異性值。在自其導出相關性距離(即，相異性)矩陣(1- r xy )之一相關性矩陣中彙總 C(n,2)個相關性係數。在一個實例中，各觀察包含具有512乘512個像素之一大小之一影像之灰階值。
針對不同晶粒叢集之兩者或更多者，一或多個電腦子系統經組態用於分開地判定用於將藉由成像系統針對樣品或另一樣品產生之影像對準至一共同參考之一或多個對準參數。共同參考可僅係可以此項技術中已知之任何適合方式選擇之晶粒中之一預定對準目標。換言之，將預定對準目標之運行時間影像彼此對準(或至在設定期間產生之預定對準目標之一影像)可用於判定可接著用於將整個晶粒影像彼此對準之晶粒之間之一偏移。可如進一步描述般執行此對準。當晶粒影像恰好彼此對準時可使用此一共同參考。然而，共同參考可係樣品之一設計，且運行時間晶粒影像至設計之對準可經由將設定影像對準至設計且接著將運行時間影像對準至設定影像，藉此將運行時間影像對準至設計(此亦可如本文中描述般執行)而達成。
無關於如何執行至共同參考之對準，針對不同晶粒叢集之各者(或至少兩者)，一或多個電腦子系統分開地判定用於對準之一或多個對準參數。以此方式，(若干)電腦子系統可判定一第一晶粒叢集之(若干)第一對準參數、一第二晶粒叢集之(若干)第二對準參數等。第一對準參數之任何一或多者可不同於第二對準參數之任何一或多者等。例如，如圖3之步驟308中展示，針對不同晶粒叢集之兩者或更多者，一或多個電腦子系統可分開地判定一或多個對準參數。藉由本文中描述之實施例判定之一或多個對準參數可包含本文中進一步描述之對準參數之任何一或多者及此項技術中已知之任何其他可調整對準參數。
本文中描述之步驟可針對一個樣品(即，一設定樣品)執行且接著經判定之(若干)對準參數可用於已對其執行與該一個樣品相同之(若干)程序之一或多個其他樣品(即，(若干)運行時間樣品) (即，相同層之樣品)。當對設定及運行時間樣品執行之(若干)程序不預期在一相對短時間量中改變許多且趨於產生具有相同或實質上類似樣品內變異時，針對運行時間樣品使用運用一設定樣品產生之(若干)對準參數可係適合的。
當情況並非如此時及/或當關於對設定及運行時間樣品執行之(若干)程序已知不多時，可針對各樣品(將針對其執行對準)執行本文中描述之步驟。以此方式，在執行包含對準之程序之前，各樣品可用作其自身之設定樣品(即，各樣品可用於判定如本文中描述之一或多個對準參數，該一或多個對準參數可接著用於該樣品且僅該樣品之影像對準)。在此等實施例中，一樣品設定掃描可在樣品運行時間掃描之前執行。樣品設定掃描之結果可接著用於判定接著用於運行時間掃描之一或多個對準參數。在此等實施例中，用於加速程序之本文中描述之量測可變得尤其有利(例如，以少於全部可能晶粒對之比較開始及可能基於初步比較結果動態地選擇晶粒對用於分析)。
因此，本文中描述之實施例之一個新特徵係其等產生適應樣品內及樣品間變異之PDA方法。因此，實施例提供之優於用於影像對準之其他當前使用之方法及系統之一個顯著改良係甚至針對自設定樣品強烈偏離或展示相對高樣品內變異之樣品，其等仍提供高度準確對準。
在一項實施例中，分開地判定一或多個對準參數包含針對不同晶粒叢集之兩者或更多者之各者分開地產生對準目標影像。針對兩個或更多個不同晶粒叢集之各者判定之一或多個對準參數可包含各相異位點(晶粒)之一PDA參考資料庫，即，用於對準之影像及/或任何其他參數(例如，用於演現用於對準之一影像)。在一個此實例中，當存在如圖4及圖5中展示之藉由叢集分析產生之三個不同叢集時，一或多個電腦子系統可每一叢集產生一個PDA資料庫。換言之，階層式叢集之結果可引起一或多個電腦子系統決定產生用於PDA之三個不同資料庫。
圖6繪示可藉由一或多個電腦子系統執行以產生不同對準參數(諸如不同晶粒叢集之不同對準目標影像)之步驟之一項實施例。以此方式，圖6中展示之步驟可在將在對一樣品執行之一程序期間執行之一對準程序之設定期間執行。如圖6之步驟600中展示，一或多個電腦子系統可將樣品上之晶粒指派至其等不同晶粒叢集，此可如本文中進一步描述般執行。
一或多個電腦子系統可接著在步驟602中使用成像系統以掃描樣品以尋找各不同晶粒叢集之對準目標。以此方式，(若干)電腦子系統可經組態用於自使用成像系統產生之樣品之設定影像選擇(若干)對準目標。(若干)電腦子系統可選擇用於在訓練及運行時間中使用之(若干)對準目標。經選擇用於訓練及運行時間之(若干)對準目標可或可不相同。例如，可使用相同對準目標執行訓練及運行時間，但相較於用於運行時間，使用對準目標之更少例項用於訓練。相反亦係可行的。由(若干)電腦子系統選擇之(若干)對準目標亦可包含具有不同特性之不同對準目標而非僅樣品上或設計中之不同位置。可如本文中進一步描述般或以此項技術中已知之任何其他適合方式選擇(若干)對準目標。
基於設計之對準之實例在2017年11月28日頒予Bhattacharyya等人之美國專利第9,830,421號、2020年4月14日頒予Brauer之美國專利第10,620,135號及2020年6月30日頒予Brauer之美國專利第10,698,325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。本文中描述之實施例可經組態以如在此等專利中描述般選擇對準目標且可如此等專利中描述般經進一步組態。
在圖6之步驟602中，針對不同晶粒叢集之各者，(若干)電腦子系統可掃描一整個晶粒以尋找跨晶粒均勻地分佈之2D獨有目標。在一樣品或一樣品上之另一適合區域上掃描一整個晶粒可如本文中進一步描述般執行。獨有目標可以此項技術中已知之致使目標適合於對準目的之任何適合方式獨有。可以任何適合方式(例如，藉由在不同於窗中之任何其他圖案之圖案之一預定影像窗內搜尋)尋找2D獨有目標。例如，獨有目標可係相較於一預定搜尋窗(諸如一影像圖框或工作)內之其他圖案具有一獨有形狀之一圖案、在預定搜尋窗內相對於彼此具有一獨有空間關係之圖案等。
對準目標較佳係2D的，此係因為其等可用於在x及y方向兩者上執行對準，雖然此非必要的。例如，對準目標可經選擇使得一或多者可僅用於在x方向上之對準且一或多個其他者可僅用於y方向上之對準。
另外，雖然尋找且使用跨樣品上之一晶粒或其他區域均勻分佈之對準目標可係較佳的，但此亦非必要的。換言之，雖然對準目標可如圖6之步驟602中展示般經選擇，但本文中描述之實施例可與此項技術中已知之以此項技術中已知之任何適合方式選擇之任何適合對準目標一起使用。雖然選擇多個獨有目標以在本文中描述之實施例中使用可係實際的，但一般言之，可針對不同晶粒叢集之各者選擇任何一或多個獨有目標。獨有目標之各者可以任何獨有方式彼此不同。另外，獨有目標可包含相同獨有目標之一個以上例項。
如圖6之步驟604中展示，一或多個電腦子系統可擷取在樣品影像中發現之(若干)獨有目標之各者之設計。一或多個電腦子系統可以任何適合方式(諸如藉由基於自藉由掃描產生之影像判定之(若干)獨有目標之資訊搜尋樣品之一設計、藉由自含有設計之一儲存媒體或電腦系統請求(若干)獨有目標之(若干)位置處之一設計(例如，一設計剪輯)之一部分等)擷取設計。藉由一或多個電腦子系統接收之設計可包含本文中進一步描述之設計、設計資料或設計資訊之任何者。
在步驟602中產生之對準目標影像及在步驟604中擷取之對準目標之設計資料可由一或多個電腦子系統使用以產生用於學習各不同晶粒叢集之影像演現參數之一訓練集。例如，在一深度生成模型中，(若干)電腦子系統可經組態用於產生包含使用成像系統產生之樣品之訓練影像及樣品之對應設計資料之一訓練集，且使用訓練集訓練深度生成模型。(雖然在本文中相對於一深度生成模型描述一些實施例，但實施例可使用任何適合模型，諸如模型化成像系統光學器件之基於物理學之正向模型及在用於產生經演現影像以在本文中描述之實施例中使用之影像產生中涉及之任何其他組件)。
產生一訓練集可包含以任何適合方式且使用任何適合格式儲存訓練影像及對應設計資料使得訓練集可用於訓練一深度生成模型。(若干)電腦子系統可將訓練集之資訊儲存於本文中描述之任何電腦可讀儲存媒體中。訓練集可由(若干)電腦子系統以此項技術中已知之任何適合方式使用(包含分離成用於訓練及驗證之子集、隨著時間或當程序改變時更新、修改或替換等)。
在一些實施例中，分開地判定一或多個對準參數包含藉由將樣品上之一對準目標之第一實際資訊輸入至一深度生成模型而分開地判定用於將第一實際資訊自一第一類型之資訊轉換為一第二類型之資訊之一或多個參數。例如，如圖6之步驟606中展示，一或多個電腦子系統可針對各不同晶粒叢集分開地自例示性目標學習影像演現參數。因此，(若干)電腦子系統可針對各不同晶粒叢集(或相同模型之至少不同參數)產生一個模型。以此方式，針對不同晶粒叢集之各者(或至少兩者)，一或多個電腦子系統可分開地訓練用於將設計資料轉換為經模擬樣品影像或用於將樣品影像轉換為經模擬設計資料之一模型(諸如一深度生成模型)。
一或多個電腦子系統可經組態用於藉由將一樣品上之一對準目標之第一實際資訊輸入至深度生成模型而將第一實際資訊自一第一類型之資訊轉換為一第二類型之資訊。一或多個電腦子系統可以任何適合方式將第一實際資訊輸入至深度生成模型中。如本文中使用之該術語「實際資訊」係指未藉由一模型(包含本文中描述之模型)模擬而代替性地自除本文中描述之模型之外之一源擷取之資訊。本文中描述之實施例中之實際資訊之可能源包含一設計資料庫、檔案、儲存媒體等或一樣品成像工具(諸如本文中描述之樣品成像工具)。
在一項此實施例中，當第一類型之資訊係設計資料時，則第二類型之資訊係設計資料。在另一此實施例中，當第一類型之資訊係一樣品影像時，則第二類型之資訊係設計資料。如本文中使用之術語「第一」及「第二」不旨在具有除指示不同事物之外之任何含義。第一及第二類型之資訊係不同類型之資訊，其中一般言之，第一或第二類型之資訊係設計資料且第一及第二類型之資訊之另一者係樣品影像。以此方式，如本文中使用之該術語不同類型之資訊不旨在意謂具有不同特性之相同類型之資訊。例如，如本文中使用之該術語不同類型之資訊不旨在意謂具有不同解析度或其他不同影像特性之相同類型之樣品影像(例如，光學影像)。代替性地，本文中描述之不同類型之資訊在不同域(諸如設計資料空間對樣品影像空間)中。
在一些情況中，深度生成模型可經組態為包含一生成器及鑑別器之一生成對抗網路(GAN)。當第一類型之資訊係設計資料，且第二類型之資訊係樣品影像時，生成器經訓練以產生可無法與真實樣品影像區分之樣品影像。當第一類型之資訊係樣品影像，且第二類型之資訊係設計資料時，生成器經訓練以產生可無法與真實設計剪輯區分之設計剪輯。在任一情況中，經對抗訓練之鑑別器經訓練以在訓練期間在假元組與真實元組之間分類。
一「生成」模型可大體上定義為本質上概率性之一模型。換言之，一「生成」模型非執行正向模擬或基於規則之方法之模型且因而，在產生一實際影像中涉及之程序之一物理學模型非必要。代替性地，可基於一適合訓練資料集學習生成模型(其中可學習其參數)。
深度生成模型可係一GAN、一條件生成對抗網路(cGAN)或此項技術中已知之任何其他適合類型之GAN。GAN及cGAN之一般架構及組態之額外描述可在以下案中找到：由Brauer在2021年1月8日申請之美國專利申請案第17/170,688號；及由Brauer等人在2021年5月5日申請之美國專利申請案第17/308,878號；及Goodfellow等人之「Generative Adversarial Nets」，arXiv:1406.2661，2014年6月10日，9頁；「Semi-supervised Learning with Deep Generative Models」，Kingma等人，NIPS 2014，2014年10月31日，1至9頁；「Conditional Generative Adversarial Nets」，Mirza等人，arXiv:1411.1784，2014年11月6日，7頁；「Adversarial Autoencoders」，Makhzani等人，arXiv:1511.05644v2，2016年5月25日，16頁；及Isola等人之「Image-to-Image Translation with Conditional Adversarial Networks」，arXiv:1611.07004v2，2017年11月22日，17頁，該等案以宛如全文陳述引用之方式併入本文中。可如此等參考案中描述般進一步組態本文中描述之實施例。
因此，在步驟606中，可基於包含具有對應設計剪輯之樣品圖塊影像之一訓練集訓練一深度生成模型。樣品影像是否係訓練輸入且對應設計剪輯是否係訓練輸出或反之亦然將取決於深度生成模型將如何轉換第一實際資訊以及第一實際資訊及第二實際資訊之資訊類型。訓練可包含將訓練輸入輸入至深度生成模型且更改深度生成模型之一或多個參數直至由深度生成模型產生之輸出匹配(或實質上匹配)訓練輸出。訓練可包含更改深度生成模型之任何一或多個可訓練參數。例如，藉由本文中描述之實施例訓練之深度生成模型之一或多個參數可包含具有可訓練權重之深度生成模型之任何層之一或多個權重。在一個此實例中，權重可包含廻旋層而非匯集層之權重。
雖然本文中相對於一模型(例如，一深度生成模型)描述一些實施例，但本文中描述之實施例可包含或使用任何一個晶粒叢集之多個模型(例如，多個深度生成模型)。在一個此實例中，可如本文中描述般分別針對成像系統之不同模式訓練且使用不同深度生成模型。例如，針對一個模式執行之對準可不一定可轉移至另一模式。換言之，藉由針對一個模式執行對準，可並非全部模式可對準之設計(或至少不以充分準確度對準至設計)。在大多數情況中，一檢測或其他成像工具之不同模式將產生以若干可能方式(例如，雜訊位準、對比度、解析度、影像類型(例如，DF對BF、光學對電子束等)及類似者)之一者彼此不同之影像及/或輸出。因此，若針對一工具之一個模式訓練一深度生成模型，則該深度生成模型將可能不適合經訓練以針對工具之另一模式轉換資訊。因而，針對晶粒叢集之各者(或至少一者)，可分開地且獨立訓練多個深度生成模型(一者針對各所關注模式)，且可針對在對一樣品執行之一單一程序中使用之不同模式分開地且獨立地執行影像至設計對準。以此方式，當使用不同模式以產生一樣品之影像時，在一個以上模式中產生之影像可對準至樣品之設計。相同經預訓練深度生成網路可用於各模式，但此非必要的。各經訓練深度生成模型可接著用於執行模式特定轉換。
當第一實際資訊係設計資料時，經輸入至各經不同訓練深度生成模型之第一實際資訊可係相同設計剪輯或相同設計之不同部分，此係因為樣品之設計將不在模式間改變。當第一實際資訊係樣品影像時，則至各經不同訓練深度生成模型之輸入將係不同的。
如圖6之步驟608中展示，針對各不同晶粒叢集，一或多個電腦子系統可使用其經學習影像演現參數自各目標處之設計演現一影像。換言之，一或多個電腦子系統可將各目標之設計輸入至藉由圖6之步驟606產生之經訓練模型中以產生各選定目標之經模擬樣品影像。此步驟可針對各不同晶粒叢集使用其模型運用針對其學習之(若干)影像演現參數分開地執行。圖6中之步驟608展示其中自設計產生經模擬樣品影像之情況，但此步驟可包含其中自實際樣品影像產生經模擬設計資料(此可針對各不同晶粒叢集之各選定目標執行)之反向情況(未展示)。
如圖6之步驟610中展示，針對各不同晶粒叢集，一或多個電腦子系統可將經演現影像與各目標處之樣品影像對準。因此，圖6之步驟610展示其中模型產生接著對準至實際樣品影像之經模擬樣品影像之情況。然而，此步驟可包含其中模型產生接著對準至目標之實際設計資料之經模擬設計資料之反向情境。
可基於一NSSD執行將經演現影像與樣品影像(或將經演現設計資料與實際設計資料)對準。例如，可使用經轉換資訊及實際資訊之NDDS執行圖6之步驟610以計算對準偏移。可使用此項技術中已知之任何適合方法、演算法、函數等執行NSSD。然而，可使用此項技術中已知之任何其他適合對準方法或演算法執行此等對準步驟。
在另一實施例中，分開地判定一或多個對準參數包含針對不同晶粒叢集之兩者或更多者之各者分開地判定對準至設計偏移。例如，如圖6之步驟612中展示，針對各不同晶粒叢集，一或多個電腦子系統可判定各目標之一設計至影像偏移，此可基於針對判定其偏移之晶粒叢集產生之對準之結果執行。此偏移可以任何適合方式判定且可以任何適合方式表達(例如，為一笛卡爾(Cartesian)偏移、為一二維函數等)。此偏移亦可針對將在判定(若干)對準參數之程序中處理之各檢測圖框或其他工作判定。
(若干)電腦子系統亦經組態用於儲存針對用於在使用成像系統對樣品或其他樣品執行之一程序中使用之不同晶粒叢集之兩者或更多者判定之一或多個對準參數。例如，如圖3之步驟310中展示，一或多個電腦子系統可經組態用於儲存針對不同晶粒叢集之兩者或更多者判定之一或多個對準參數。另外，如圖6之步驟614中展示，針對各不同晶粒叢集，一或多個電腦子系統可將目標及偏移(及可能設計)分開地保存至一資料庫用於運行時間檢測。以此方式，可在步驟310及614中儲存針對各目標及各不同晶粒叢集判定之用於對準之(若干)任何參數。例如，一或多個電腦子系統可針對晶粒之各叢集(根據一初始樣品分析不同於其他者)產生新獨立PDA資料庫且接著儲存該等PDA資料庫之各者以在程序中使用。因此，本文中描述之實施例之一個新特徵係其等可產生用於一單一程序之一個以上PDA資料庫。
(若干)電腦自系統可將一或多個對準參數儲存於任何適合電腦可讀儲存媒體中。一或多個對準參數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。在已儲存一或多個對準參數之後，一或多個對準參數可在儲存媒體中存取且藉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、藉由另一軟體模組、方法或系統使用等。
在一項實施例中，儲存一或多個對準參數包含儲存一或多個對準參數以在對樣品執行之程序及對與樣品相同類型之至少一個其他樣品執行之程序中使用。例如，本文中描述之實施例可為一程序配方設定一樣品之對準，此可作為設定、產生、校準或更新配方之部分執行。配方可接著由本文中描述之實施例(及/或另一系統或方法)儲存並使用以對樣品及/或其他樣品執行程序以藉此產生樣品及/或其他樣品之資訊(例如，缺陷資訊)。以此方式，可每一樣品層產生且儲存一或多個對準參數一次，且一或多個對準參數可用於對相同層之多個樣品執行之程序。
當然，如在任何程序中，若更新、校準、修改、重新訓練等對樣品層執行之程序，則亦可以與任何其他程序參數相同之方式更新、校準、修改、重新訓練等一或多個對準參數。可以與本文中描述之用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數之相同方式執行更新、校準、修改、重新訓練等一或多個對準參數。以此方式，本文中描述之實施例可經組態用於在各個時間重複本文中描述之步驟以修改一先前設定程序。
在一項實施例中，程序係一檢測程序。然而，程序可包含本文中描述之程序之任何者，諸如檢測、缺陷再檢測、度量衡及類似者。此等程序可包含此項技術中已知之任何適合此等程序。
因此，如本文中描述，實施例可用於設定一新程序或配方。實施例亦可用於修改一現有程序或配方，無論其係用於樣品或針對一個樣品產生且經調適用於另一樣品之一程序或配方。另外，本文中描述之實施例不限於檢測程序產生或修改。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、缺陷再檢測等之一程序。特定言之，可執行如本文中描述之判定用於在一程序中使用之一或多個對準參數及執行對準而無關於經設定或修正之程序。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品執行之任何品質控制類型程序。
在一項實施例中，一或多個電腦子系統經組態用於判定分別對應於指派至不同晶粒叢集之影像之不同子集之晶粒之不同子集，將晶粒之不同子集分別指派至不同晶粒叢集，且儲存關於樣品上之晶粒之不同子集及晶粒之不同子集已經指派至其以在程序中使用之不同晶粒叢集之位置之資訊。例如，一旦影像已經指派至不同晶粒叢集，便可基於關於在樣品上產生影像之位置之資訊將其中已產生影像之晶粒指派至不同晶粒叢集。因此，整個晶粒而非僅影像可經指派至不同晶粒叢集。如本文中描述，不同晶粒叢集可經指派一名稱(諸如叢集1、叢集2等)，但任何適合命名慣例可用於晶粒叢集且經指派至不同影像及不同晶粒，使得可基於經指派名稱判定一影像或晶粒所屬之晶粒叢集。可以任何適合方式(包含本文中進一步描述之方式)儲存關於樣品上之晶粒之不同子集之位置之資訊。以此方式，當在對樣品執行之程序中檢查一晶粒時，其晶粒叢集可自經儲存資訊經識別且接著針對該晶粒叢集判定之(若干)對準參數可用於針對該晶粒執行之影像對準。
在另一此實施例中，程序包含：藉由比較樣品或其他樣品上之測試晶粒之位置與晶粒之不同子集之位置而將樣品或其他樣品上之測試晶粒指派至不同晶粒叢集；基於測試晶粒經指派至其之不同晶粒叢集將一或多個對準參數指派至測試晶粒；及使用經指派至其中在程序中產生影像之測試晶粒之一或多個對準參數執行將針對樣品或其他樣品產生之影像對準至共同參考。換言之，將對其執行程序之一樣品上之一測試晶粒指派至一叢集可包含：判定其在樣品上之位置；判定在設定樣品之相同位置處之晶粒之晶粒叢集；及接著將該晶粒叢集指派至測試晶粒。判定且比較測試晶粒之位置與經指派至不同晶粒叢集之晶粒之子集之位置可使用關於樣品上之晶粒之不同子集及晶粒之不同子集已經指派至其以在程序中使用之不同晶粒叢集之位置之經儲存資訊以任何適合方式執行。針對一測試晶粒已經指派至其之晶粒叢集判定之(若干)對準參數可接著用於執行該測試晶粒之對準。
在一個此實例中，圖7繪示可藉由一或多個電腦子系統在對一樣品執行之一程序之運行時間期間執行之步驟。如在步驟700中展示，針對其中產生一運行時間影像之一晶粒，一或多個電腦子系統可識別晶粒所屬之晶粒叢集，此可如本文中描述般執行。如在步驟702中展示，一或多個電腦子系統可接著識別晶粒叢集之一或多個對準參數，此亦可如本文中描述般執行。以此方式，一或多個電腦子系統可根據晶圓分析掃描選擇正確PDA資料庫(及(若干)任何其他對準參數)。因而，本文中描述之實施例可使用來自針對用於對準之程序產生之多個PDA資料庫當中之最佳匹配PDA資料庫。可使用針對其中產生一運行時間影像之一晶粒經指派至其之晶粒叢集識別之(若干)對準參數執行圖7中展示之剩餘步驟。
在一項此實施例中，一或多個電腦子系統經組態以使用成像系統對樣品執行程序，且程序包含：將在程序中針對樣品產生之一運行時間對準目標影像對準至設定對準目標影像；基於將運行時間對準目標影像對準至設定對準目標影像之結果判定一運行時間至設定偏移；及基於運行時間至設定偏移及對準至設計偏移來判定一運行時間至設計偏移。例如，如圖7之步驟704中展示，在程序期間，一或多個電腦子系統可將一設定影像對準至各目標處之一運行時間影像。設定影像可係經演現樣品影像且運行時間影像可係實際樣品影像。然而，此步驟可包含其中在程序期間，一或多個電腦子系統可將一設定設計剪輯對準至各目標處之一運行時間設計剪輯之反向情況。因此，在此實施例中，設定影像係實際設計資料，且運行時間影像係自運行時間樣品影像產生之經演現設計資料。可使用本文中描述之任何對準技術執行步驟704中之對準而無關於經對準之影像。如圖7之步驟706中進一步展示，一或多個電腦子系統可針對各檢測圖框判定設定與運行時間之間之偏移。另外，如圖7之步驟708中展示，一或多個電腦子系統可針對各檢測圖框判定設計與運行時間之間之偏移。可如本文中進一步描述般執行此等步驟之全部。
基於運行時間至設定偏移及對準至設計偏移來判定一運行時間至設計偏移可包含藉由或使用運行時間至設定偏移以任何適合方式修改對準至設計偏移。可執行此步驟以針對設定樣品及運行時間樣品至成像系統之對準之任何差及設定樣品與運行時間樣品之間之任何其他差(諸如在不同樣品上之對準目標中之放置差)校正對準至設計偏移。
在另一此實施例中，程序亦包含在對樣品或其他樣品執行之程序期間，基於運行時間至設計偏移來判定藉由成像系統產生之影像中之關照區域。例如，如圖7之步驟710中展示，一或多個電腦子系統可根據偏移校正放置關照區域。如在此項技術中通常提及之「關照區域」係一樣品上針對檢測目的所關注之區域。有時，關照區域用於區分樣品上經檢測之區域與樣品上在一檢測程序中未檢測之區域。另外，關照區域有時用於區分樣品上使用一或多個不同參數檢測之區域。例如，若一樣品之一第一區域比樣品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照區域更改一檢測程序之其他參數。
在此等實施例中，一或多個電腦子系統可在x及y方向上使用0關照區域邊界。例如，由於本文中描述之實施例可以實質上高準確度將樣品影像對準至設計，故關照區域可以實質上高準確度定位於樣品影像中。因此，通常用於人工增加一關照區域以考量關照區域放置之任何誤差之一邊界可藉由本文中描述之實施例有效地消除。由於數個原因(包含可顯著減少樣品上之擾亂點之偵測及可改良樣品上之所關注缺陷(DOI)之偵測)，以此高準確度放置關照區域且消除關照區域邊界係有利的。
圖8繪示可在使用一PDA即時方法之運行時間期間使用如本文中描述般判定之(若干)對準參數之另一方式，其中對準之結果用於判定是否應作出對(若干)對準參數之(若干)修改。在另一實施例中，對準包含：使用一或多個對準參數將在程序中針對樣品或其他樣品產生之影像對準至設定影像；針對影像之至少一者判定對準之結果之一或多個特性；及分別比較一或多個特性與一或多個臨限值。
在一個此實例中，如圖8之步驟800中展示，一或多個電腦子系統可將一設定影像對準至各目標處之一運行時間影像，此可如本文中進一步描述般執行。另外，一或多個電腦子系統可判定對準之結果之(若干)特性，如圖8之步驟802中展示。在一項此實施例中，對準之結果之一或多個特性包含一正規化互相關(NCC)分數。在另一此實施例中，對準之結果之一或多個特性包含一對比度改變。例如，判定步驟802中之結果之(若干)特性可包含基於步驟800中執行之對準之結果計算一NCC分數及/或對比度改變。可以此項技術中已知之任何適合方式執行判定NCC分數及/或對比度改變。
一或多個電腦子系統亦可比較(若干)經判定特性與(若干)特性之(若干)臨限值，如圖8之步驟804中展示。取決於特性，不同臨限值可用於不同特性。例如，NCC分數之一臨限值可將可接受NCC分數與不可接受NCC分數分離。因此，低於臨限值之NCC分數可在NCC分數之一預定容限之外。對比之下，對比度改變之一臨限值可將低於臨限值之可接受對比度改變與高於臨限值之不可接受對比度改變分離。因此，高於臨限值之對比度改變值可在對比度改變之一預定容限之外。
在一些此等實施例中，對準亦包含當比較之結果指示針對影像之至少一者之對準之結果之一或多個特性在一預定容限之外時，更改用於將影像之至少一者對準至設定影像之一對應者之一或多個對準參數之至少一者。例如，如在圖8之步驟806中展示，一或多個電腦子系統可判定(若干)特性是否在一預定容限之外。針對本文中描述之特性，一或多個電腦子系統可判定NCC分數是否低於一臨限值及/或判定對比度改變是否超過一特定臨限值。可針對各目標及/或各晶粒叢集執行此判定。以此方式，可針對已針對對其執行程序之樣品之層產生之任何PDA資料庫執行此等計算。
當一或多個電腦子系統判定該等特性之一或多者在其等預定容限之外時，一或多個電腦子系統可針對此目標執行對準設定，如圖8之步驟808中展示。針對任何一個目標執行之對準設定可包含對目標定位於其中之晶粒(其自設定偏離太多)執行PDA設定步驟。此PDA設定可包含自比較其與樣品影像之設計產生一新經模擬影像。以此方式，可在如藉由其NCC分數及/或相較於設定晶粒之影像對比度改變量測之自設定晶粒偏離之各晶粒之運行時間檢測期間產生一新PDA資料庫。
因此，此實施例將獲益於對於運行時間演現之設計持久性。換言之，如圖6中展示，在步驟604中針對各目標擷取之設計可在步驟614中與設定對準參數(諸如目標及偏移)一起儲存，使得當對準結果指示存在對準效能自設定之偏差時，設計在運行時間可用於演現目標之新影像。
在此步驟中產生之任何新對準參數(例如，一PDA資料庫)可僅應用至針對其等產生該等新對準參數之晶粒。若樣品上之另一晶粒亦具有在其等預定容限之外之(若干)對準結果特性，則可針對其他晶粒分開地執行對準參數判定。以此方式，可基於針對各晶粒產生之對準結果之特性針對樣品上之個別晶粒即時調整PDA設定。可如本文中描述般以其他方式執行針對任何一個目標、晶粒或晶粒叢集執行之對準設定。
在一進一步此實施例中，對準包含當比較之結果指示針對影像之至少一者之對準之結果之一或多個特性在一預定容限內時，基於將影像之至少一者對準至設定影像之一對應者之結果而判定一運行時間至設定偏移且基於運行時間至設定偏移及一對準至設計偏移來判定一運行時間至設計偏移。例如，當一或多個電腦子系統在步驟806中判定(若干)特性在任何一或多個對準目標之其等預定容限之外時，一或多個電腦子系統可藉由針對各檢測圖框判定設定與運行時間之間之偏移而繼續與該(等)對準目標相關聯之檢測圖框之對準，如步驟814中展示，此可如本文中進一步描述般執行。一或多個電腦子系統亦可針對該等檢測圖框之各者判定設計與運行時間之間之偏移，如步驟816中展示，此可如本文中進一步描述般執行。
此等步驟亦可在針對經判定具有在其等預定容限之外之一或多個特性之任何目標執行對準設定之後執行。例如，若一或多個電腦子系統判定一對準結構特性在一目標之其預定容限之外且針對此目標執行對準設定，則一旦已如圖8之步驟808中展示般針對此目標執行對準設定，一或多個電腦子系統便可接著針對與此對準目標相關聯之各檢測圖框判定設定與運行時間之間之偏移，如圖8之步驟814中展示，且針對該等檢測圖框之各者判定設計與運行時間之間之偏移，如圖8之步驟816中展示。將使用在步驟808中判定之(若干)新對準參數(其(等)可包含(若干)設定對準目標影像、(若干)偏移及本文中描述之任何其他對準參數)執行此等步驟。
即時調整(若干)對準參數可使用(若干)基於晶粒叢集之對準參數或一個對準參數集針對樣品上之全部晶粒執行。例如，可如通常般執行程序而不使用類似性量測判定及晶粒叢集，且可如當前進行般將(若干)相同對準參數指派至各晶粒及各目標。接著，可如上文描述般(例如)藉由定限以判定對準是否成功(即，在對於(若干)對準結果特性之一預定容限內)而檢查在晶粒之各者(或至少一者)處執行之對準之結果。可調整具有在預定容限之外之(若干)對準結果特性之任何晶粒之(若干)對準參數且接著可針對具有經調整對準參數之該晶粒重新執行對準。
然而，此相同程序可與(若干)晶粒叢集特定對準參數一起使用。例如，無關於用於一運行時間晶粒影像至一共同參考影像之一初始對準之對準參數，其等是否係整個樣品或僅係樣品上之一單一晶粒叢集之對準參數，可如本文中描述般即時調整(若干)對準參數。當針對屬於一晶粒叢集之一晶粒即時調整(若干)對準參數時，(若干)經調整對準參數可用於恰好在該一個晶粒中產生之影像之重新對準。然而，如本文中進一步描述，當判定一晶粒之(若干)對準參數在預定容限之外時，此可用作一個以上晶粒之(若干)對準參數應可能經重新檢查且可能如本文中描述般調整之一指示。
如本文中進一步描述，各晶粒及各不同晶粒叢集可存在多個對準目標。當針對任何一個目標之設定影像至運行時間影像之對準產生在其等預定容限之外之(若干)特性時，此可指示僅使用該一個目標之一問題或其可指示使用相同晶粒或相同晶粒叢集中之一個以上目標之(若干)對準參數存在問題。以此方式，當針對一個目標執行之對準在其預定容限之外時，一或多個電腦子系統可判定是否應更改目標定位於其中之晶粒叢集之(若干)對準參數之至少一者，如步驟810中展示。此步驟可涉及檢查針對相同晶粒叢集中之目標之至少兩者判定之對準結果特性。當針對相同晶粒叢集中之目標之兩者或更多者產生之對準結構特性超過或甚至接近超過其等預定容限時，(若干)電腦子系統可判定針對晶粒叢集中之目標之全部再次執行設定將係有利的。一或多個對準結果特性可以此方式亦用作用於偵測經產生之樣品之影像中之改變(其等可指示對樣品執行之(若干)程序之一漂移或改變、成像系統之效能或可引起樣品之影像與設定影像足夠不同以引起對準特性在容限之外之任何其他改變)之一種類型之監測工具。
當一或多個電腦子系統判定應更改目標定位於其中之晶粒叢集之(若干)對準參數之至少一者時，一或多個電腦子系統可針對此晶粒叢集執行對準設定，如圖8之步驟812中展示。在步驟812中執行之對準設定可包含本文中描述之用於判定一或多個對準參數之任何步驟。一旦新一或多個對準參數已被判定，其等便可如本文中描述般經儲存且在下一次在步驟800中執行對準時經使用。當一或多個電腦子系統判定不需要更改目標定位於其中之晶粒叢集之(若干)對準參數之至少一者時，接著一或多個電腦子系統可繼續針對佇列中之下一目標執行步驟800。
在另一此實施例中，程序亦包含在對樣品或其他樣品執行之程序期間，基於運行時間至設計偏移來判定藉由成像系統產生之影像中之關照區域。例如，如圖8之步驟818中展示，一或多個電腦子系統可根據偏移校正放置關照區域，此可如本文中進一步描述般執行。
本文中描述之實施例亦可在如上文描述般在運行時間對準樣品之後執行程序。(若干)電腦子系統可經組態用於儲存藉由執行程序而產生之樣品之資訊(諸如任何適合電腦可讀儲存媒體中之經偵測缺陷之資訊)。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藉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、藉由另一軟體模組、方法或系統使用等。
藉由對樣品或相同類型之其他樣品執行本文中描述之程序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樣品或另一樣品執行之一製造程序或步驟之一程序。例如，(若干)電腦子系統可經組態以基於(若干)經偵測缺陷判定對或將對如本文中描述般檢測之一樣品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。(若干)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品上之缺陷，可在對樣品執行之另一程序中校正或消除樣品上之缺陷，可在對樣品執行之另一程序中補償缺陷等。(若干)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(若干)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(若干)電腦子系統及/或成像系統可(例如)經由一或多個共同元件(諸如一外殼、一電源供應器、一樣品處置裝置或機構等)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。
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判定用於在對一樣品執行之一程序中使用之一或多個對準參數之電腦實施方法。方法包含本文中進一步描述之判定類似性之量測、執行叢集分析、分開地判定一或多個對準參數及儲存步驟。此等步驟係藉由一或多個電腦系統執行。
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系統、(若干)電腦系統及/或成像系統執行之(若干)任何其他步驟。(若干)電腦系統可根據本文中描述之任何實施例(例如，(若干)電腦子系統102)經組態。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或多個電腦系統上執行以執行用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數之一電腦實施方法。在圖9中展示一項此實施例。特定言之，如圖9中展示，非暫時性電腦可讀媒體900包含可在(若干)電腦系統904上執行之程式指令902。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902可儲存於電腦可讀媒體900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(若干)電腦系統904。
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，提供用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數之方法及系統。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被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:成像系統 14:樣品 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 100:組件 102:電腦子系統 104:深度生成模型 122:電子柱 124:電腦子系統 126:電子束源 128:樣品 130:元件 132:元件 134:偵測器 300:步驟 302:步驟 304:步驟 306:步驟 308:步驟 310:步驟 400:階層式叢集樹狀圖 500:晶圓圖 600:步驟 602:步驟 604:步驟 606:步驟 608:步驟 610:步驟 612:步驟 614:步驟 700:步驟 702:步驟 704:步驟 706:步驟 708:步驟 710:步驟 800:步驟 802:步驟 804:步驟 806:步驟 808:步驟 810:步驟 812:步驟 814:步驟 816:步驟 818:步驟 900:非暫時性電腦可讀媒體 902:程式指令 904:電腦系統 1000:步驟 1002:步驟 1004:步驟 1006:步驟 1008:步驟 1010:步驟 1012:步驟
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及圖6至圖8係繪示可藉由本文中描述之實施例執行之步驟之實施例之流程圖；
圖4係繪示可藉由本文中描述之實施例產生之一階層式叢集樹狀圖之一實例之一示意圖；
圖5係繪示一晶圓上之晶粒之一個實例及其等基於圖5中展示之階層式叢集樹狀圖經指派之不同晶粒叢集之一平面圖之一示意圖；
圖9係繪示儲存用於引起(若干)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；及
圖10係繪示可藉由當前使用之系統及方法執行之步驟之一流程圖。
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:成像系統
14:樣品
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
100:組件
102:電腦子系統
104:深度生成模型

Claims (28)

  1. 一種經組態以判定用於在對一樣品執行之一程序中使用之一或多個對準參數之系統，其包括： 一或多個電腦子系統，其等經組態用於： 判定藉由一成像系統針對一樣品上之兩對或更多對晶粒之各者中之對應位置產生之影像之間之類似性之量測； 基於類似性之該等經判定量測執行叢集分析以識別最彼此類似之該等影像且將最彼此類似之該等影像之不同子集分別指派至不同晶粒叢集； 針對該等不同晶粒叢集之兩者或更多者，分開地判定用於將藉由該成像系統針對該樣品或另一樣品產生之影像對準至一共同參考之一或多個對準參數；且 儲存針對用於在使用該成像系統對該樣品或該其他樣品執行之一程序中使用之該等不同晶粒叢集之該兩者或更多者判定之該一或多個對準參數。
  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在判定類似性之該等量測之前將藉由該成像系統針對該等對應位置產生之該等影像彼此對準。
  3. 如請求項1之系統，其中判定其之類似性之該等量測之該等影像包括該多個晶粒之每一晶粒之一個圖框影像。
  4. 如請求項1之系統，其中使用灰階強度之一皮爾森相關性判定類似性之該等量測。
  5. 如請求項1之系統，其中該叢集分析包括一無監督學習技術。
  6. 如請求項1之系統，其中識別最彼此類似之該等影像包括基於類似性之該等量測判定相異性分數，且其中將該等影像之該等不同子集指派至該等不同晶粒叢集包括基於該等相異性分數及應用至該等相異性分數之一臨限值產生一階層式叢集樹狀圖。
  7. 如請求項6之系統，其中該臨限值係一使用者定義臨限值。
  8. 如請求項6之系統，其中該臨限值係一叢集計數臨限值。
  9. 如請求項1之系統，其中該叢集分析包括階層式叢集，且其中該階層式叢集包括平均鏈、單一鏈、完整鏈或質心鏈。
  10. 如請求項1之系統，其中該叢集分析包括k均值叢集。
  11. 如請求項1之系統，其中分開地判定該一或多個對準參數包括針對該等不同晶粒叢集之該兩者或更多者之各者分開地產生對準目標影像。
  12. 如請求項1之系統，其中分開地判定該一或多個對準參數包括針對該等不同晶粒叢集之該兩者或更多者之各者分開地判定對準至設計偏移。
  13. 如請求項1之系統，其中分開地判定該一或多個對準參數包括藉由將該樣品上之一對準目標之第一實際資訊輸入至一深度生成模型而分開地判定用於將該第一實際資訊自一第一類型之資訊轉換為一第二類型之資訊之一或多個參數。
  14. 如請求項13之系統，其中當該第一類型之資訊係設計資料時，則該第二類型之資訊係一樣品影像。
  15. 如請求項13之系統，其中當該第一類型之資訊係一樣品影像時，則該第二類型之資訊係一設計資料。
  16. 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分別對應於指派至該等不同晶粒叢集之該等影像之該等不同子集之該等晶粒之不同子集，將該等晶粒之該等不同子集分別指派至該等不同晶粒叢集，且儲存該樣品上之該等晶粒之該等不同子集及該等晶粒之該等不同子集已經指派至其以在該程序中使用之該等不同晶粒叢集之位置之資訊。
  17. 如請求項16之系統，其中該程序包括藉由比較該樣品或該其他樣品上之測試晶粒之位置與該等晶粒之該等不同子集之該等位置而將該樣品或該其他樣品上之該等測試晶粒指派至該等不同晶粒叢集，基於該等測試晶粒經指派至其之該等不同晶粒叢集將該一或多個對準參數指派至該等測試晶粒，及使用經指派至其中在該程序中產生該等影像之該等測試晶粒之該一或多個對準參數執行該將針對該樣品或該其他樣品產生之該等影像對準至該共同參考。
  18. 如請求項1之系統，其中該對準包括：使用該一或多個對準參數將在該程序中針對該樣品或該其他樣品產生之該等影像對準至設定影像；針對該等影像之至少一者判定該對準之結果之一或多個特性；及分別比較該一或多個特性與一或多個臨限值。
  19. 如請求項18之系統，其中該對準之該等結果之該一或多個特性包括一正規化互相關分數。
  20. 如請求項18之系統，其中該對準之該等結果之該一或多個特性包括一對比度改變。
  21. 如請求項18之系統，其中該對準進一步包括：當該比較之結果指示針對該等影像之該至少一者之該對準之該等結果之該一或多個特性在一預定容限之外時，更改用於將該等影像之該至少一者對準至該等設定影像之一對應者之該一或多個對準參數之至少一者。
  22. 如請求項18之系統，其中該對準進一步包括當該比較之結果指示針對該等影像之該至少一者之該對準之該等結果之該一或多個特性在一預定容限內時，基於該將該等影像之該至少一者對準至該等設定影像之一對應者之結果而判定一運行時間至設定偏移且基於該運行時間至設定偏移及一對準至設計偏移來判定一運行時間至設計偏移。
  23. 如請求項22之系統，其中該程序進一步包括在對該樣品或該其他樣品執行之該程序期間，基於該運行時間至設計偏移來判定藉由該成像系統產生之該等影像中之關照區域。
  24. 如請求項1之系統，其中該程序係一檢測程序。
  25. 如請求項1之系統，其中該成像系統係一基於光之成像系統。
  26. 如請求項1之系統，其中該成像系統係一電子束成像系統。
  27. 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或多個電腦系統上執行以執行用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數之一電腦實施方法，其中該電腦實施方法包括： 判定藉由一成像系統針對一樣品上之兩對或更多對晶粒之各者中之對應位置產生之影像之間之類似性之量測； 基於類似性之該等經判定量測執行叢集分析以識別最彼此類似之該等影像且將最彼此類似之該等影像之不同子集分別指派至不同晶粒叢集； 針對該等不同晶粒叢集之兩者或更多者，分開地判定用於將藉由該成像系統針對該樣品或另一樣品產生之影像對準至一共同參考之一或多個對準參數；及 儲存針對用於在使用該成像系統對該樣品或該其他樣品執行之一程序中使用之該等不同晶粒叢集之該兩者或更多者判定之該一或多個對準參數，其中該判定類似性之該等量測、執行該叢集分析、分開地判定該一或多個對準參數及儲存該一或多個對準參數係藉由該一或多個電腦系統執行。
  28. 一種用於判定用於在對一樣品執行之一程序中使用之一或多個對準參數之電腦實施方法，其包括： 判定藉由一成像系統針對一樣品上之兩對或更多對晶粒之各者中之對應位置產生之影像之間之類似性之量測； 基於類似性之該等經判定量測執行叢集分析以識別最彼此類似之該等影像且將最彼此類似之該等影像之不同子集分別指派至不同晶粒叢集； 針對該等不同晶粒叢集之兩者或更多者，分開地判定用於將藉由該成像系統針對該樣品或另一樣品產生之影像對準至一共同參考之一或多個對準參數；及 儲存針對用於在使用該成像系統對該樣品或該其他樣品執行之一程序中使用之該等不同晶粒叢集之該兩者或更多者判定之該一或多個對準參數，其中該判定類似性之該等量測、執行該叢集分析、分開地判定該一或多個對準參數及儲存該一或多個對準參數係藉由一或多個電腦系統執行。
TW110120716A 2020-06-08 2021-06-08 針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定 TWI844777B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063035850P 2020-06-08 2020-06-08
US63/035,850 2020-06-08
US17/334,179 2021-05-28
US17/334,179 US11328435B2 (en) 2020-06-08 2021-05-28 Image alignment setup for specimens with intra- and inter-specimen variations using unsupervised learning and adaptive database generation methods

Publications (2)

Publication Number Publication Date
TW202212802A true TW202212802A (zh) 2022-04-01
TWI844777B TWI844777B (zh) 2024-06-11

Family

ID=

Also Published As

Publication number Publication date
US20210383557A1 (en) 2021-12-09
CN115699279B (zh) 2023-12-15
WO2021252246A1 (en) 2021-12-16
US11328435B2 (en) 2022-05-10
IL298494A (en) 2023-01-01
KR20230020998A (ko) 2023-02-13
CN115699279A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
TWI751376B (zh) 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷
CN113302728B (zh) 利用自动产生缺陷特征检验半导体结构的方法及系统
US11551348B2 (en) Learnable defect detection for semiconductor applications
JP6807844B2 (ja) ビルトインターゲットを用いた検査対デザイン位置揃え
CN115699279B (zh) 针对含样品内及样品间变异的样品使用无监督学习及适应性数据库产生方法的图像对准设置
US9996942B2 (en) Sub-pixel alignment of inspection to design
US11580650B2 (en) Multi-imaging mode image alignment
US11644756B2 (en) 3D structure inspection or metrology using deep learning
KR102525830B1 (ko) 테스트 이미지 대 설계물의 정렬을 위한 설계물 파일 선택
CN116982078A (zh) 用于半导体应用以深度生成模型为基础的对准
TWI844777B (zh) 針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定
KR102685758B1 (ko) 딥 러닝을 사용한 3d 구조물 검사 또는 계측
CN117015850B (zh) 以经呈现设计图像进行的设计注意区域的分段
WO2024129376A1 (en) Image-to-design alignment for images with color or other variations suitable for real time applications