TW202413926A - 具有先前步驟刪減之檢測 - Google Patents
具有先前步驟刪減之檢測 Download PDFInfo
- Publication number
- TW202413926A TW202413926A TW112112377A TW112112377A TW202413926A TW 202413926 A TW202413926 A TW 202413926A TW 112112377 A TW112112377 A TW 112112377A TW 112112377 A TW112112377 A TW 112112377A TW 202413926 A TW202413926 A TW 202413926A
- Authority
- TW
- Taiwan
- Prior art keywords
- images
- image
- sample
- difference image
- test
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 173
- 230000007547 defect Effects 0.000 claims abstract description 97
- 238000012360 testing method Methods 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims description 101
- 238000005286 illumination Methods 0.000 claims description 52
- 238000003384 imaging method Methods 0.000 claims description 37
- 238000010801 machine learning Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 description 17
- 239000002245 particle Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000005855 radiation Effects 0.000 description 10
- 229920002120 photoresistant polymer Polymers 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005530 etching Methods 0.000 description 4
- 238000012634 optical imaging Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 3
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000008021 deposition Effects 0.000 description 3
- 238000010884 ion-beam technique Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- GPXJNWSHGFTCBW-UHFFFAOYSA-N Indium phosphide Chemical compound [In]#P GPXJNWSHGFTCBW-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005424 photoluminescence Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Abstract
一種檢測系統可在一第一程序步驟之後產生多個樣本區之第一步驟影像且在一第二程序步驟之後產生該等樣本區之第二步驟影像,其中該第二程序步驟在該等樣本區之至少一者中修改該樣本。該系統可進一步將該等樣本區之一者識別為一測試區且將剩餘樣本區之至少一些者識別為比較區,其中該測試區之該第二步驟影像係一測試影像且該等比較區之該等第二步驟影像係比較影像。該系統可進一步藉由自該測試影像刪減該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之一組合而產生一多步驟差異影像。該系統可進一步基於該多步驟差異影像識別與該第二程序步驟相關聯之該測試區中之缺陷。
Description
本發明大體上係關於缺陷檢測,且更特定言之,係關於使用與一先前程序步驟相關聯之一影像在一當前程序步驟之缺陷檢測期間補償雜訊。
通常在半導體製造程序中使用檢測系統以識別可導致一經製造裝置之效能降級或失效之製造程序之缺陷。隨著經製造特徵大小繼續縮小,製造缺陷之大小亦縮小。此導致與此等缺陷相關聯之更弱可量測信號及缺陷檢測期間之更低信雜比(SNR)。因此,需要開發用於解決上文之缺陷之系統及方法。
根據一或多項闡釋性實施例,揭示一種檢測系統。在一項闡釋性實施例中,該系統包含一控制器以在一第一程序步驟之後接收複數個樣本區之第一步驟影像,且在一第二程序步驟之後接收該複數個樣本區之第二步驟影像,其中該第二程序步驟在該複數個樣本區之至少一者中修改該樣本。在另一闡釋性實施例中,該控制器進一步將該複數個樣本區之一者識別為一測試區且將剩餘樣本區之至少一些者識別為比較區,其中該測試區之該第二步驟影像係一測試影像且該等比較區之該等第二步驟影像係比較影像。在另一闡釋性實施例中,該控制器藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之一組合自該測試影像之一加權刪減而產生一多步驟差異影像。在另一闡釋性實施例中,該控制器基於該多步驟差異影像識別與該第二程序步驟相關聯之該測試區中之缺陷。
根據一或多項闡釋性實施例,揭示一種檢測方法。在一項闡釋性實施例中,該方法包含在一第一程序步驟之後產生複數個樣本區之第一步驟影像。在另一闡釋性實施例中,該方法包含在一第二程序步驟之後產生該複數個樣本區之第二步驟影像,其中該第二程序步驟在該複數個樣本區之至少一者中修改該樣本。在另一闡釋性實施例中,該方法包含將該複數個樣本區之一者識別為一測試區且將剩餘樣本區之至少一些者識別為比較區,其中該測試區之該第二步驟影像係一測試影像且該等比較區之該等第二步驟影像係比較影像。在另一闡釋性實施例中,該方法包含藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之一組合自該測試影像之一加權刪減而產生一多步驟差異影像。在另一闡釋性實施例中,該方法包含基於該多步驟差異影像識別與該第二程序步驟相關聯之該測試區中之缺陷。
根據一或多項闡釋性實施例,揭示一種檢測系統。在一項闡釋性實施例中,該系統包含一成像子系統,該成像子系統包含一照明源及經組態以對一樣本成像之一偵測器。在另一闡釋性實施例中,該系統包含一控制器。在另一闡釋性實施例中,該控制器在一第一程序步驟之後接收來自該成像子系統之複數個樣本區之第一步驟影像。在另一闡釋性實施例中,該控制器在一第二程序步驟之後接收該複數個樣本區之第二步驟影像,其中該第二程序步驟在來自該成像子系統之該複數個樣本區之至少一者中修改樣本。在另一闡釋性實施例中,該控制器將該複數個樣本區之一者識別為一測試區且將剩餘樣本區之至少一些者識別為比較區,其中該測試區之該第二步驟影像係一測試影像且該等比較區之該等第二步驟影像係比較影像。在另一闡釋性實施例中,該控制器藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之一組合自該測試影像之加權刪減而產生一多步驟差異影像。在另一闡釋性實施例中,該控制器基於該多步驟差異影像識別與該第二程序步驟相關聯之該測試區中之缺陷。
應理解,前文概述及下文詳細描述兩者僅係例示性及說明性的且未必限制如主張之本發明。併入本說明書中且構成本說明書之一部分之隨附圖式繪示本發明之實施例且與概述一起用於解釋本發明之原理。
相關申請案之交叉參考
本申請案根據35 U.S.C. § 119(e)規定主張2022年3月31日申請之美國臨時申請案第63/326,268號之權利,該案之全文以引用的方式併入本文中。
現將詳細參考在隨附圖式中繪示之所揭示標的物。已關於某些實施例及其等之特定特徵特別展示且描述本發明。將本文中闡述之實施例視為闡釋性而非限制性。一般技術者應容易瞭解,可作出形式及細節上之各種改變及修改而不脫離本發明之精神及範疇。
本發明之實施例係關於用於在一當前程序步驟進行缺陷檢測之系統及方法,其中自當前程序步驟之一對應差異影像刪減代表與一先前程序步驟相關聯之雜訊之一差異影像。以此方式,待針對缺陷分析之一影像(在本文中被稱為一檢測差異影像)之雜訊可具有一高信雜比(SNR)。
半導體裝置通常係使用一系列程序步驟製造,諸如(但不限於)程序層及/或光阻劑之沈積、使用一所要圖案之光阻劑曝光、光阻劑及/或下伏程序層之蝕刻、拋光或類似者。此等程序之任一者之變動可單獨或組合導致經製造樣本特徵之變動。在一般意義上,一些樣本變動可係可接受的且被視為擾亂點,而其他樣本變動可導致不可接受效能降級或裝置失效且被視為所關注缺陷(DOI)。
可在選定程序步驟之後使用檢測工具以針對缺陷檢測一樣本。例如,一檢測工具可在一特定所關注程序步驟之後產生一所關注樣本區(例如,一晶粒、一單元或類似者)之一影像,其在本文中被稱為一測試影像。一檢測工具可接著藉由比較此測試影像與一參考影像而識別此樣本區中之缺陷。作為一圖解,可基於自測試影像刪減參考影像(或反之亦然)以產生一差異影像而產生一差異影像,其中差異影像中之特徵對應於樣本變動。接著可將此等樣本變動分類為DOI或擾亂點。可基於具有一共同設計及/或設計資料之額外樣本區(例如,在相同或一不同樣本上之額外晶粒、單元或類似者)產生此等參考影像。在2022年3月8日發佈之美國專利第11,270,430號中大體上描述差異影像之產生,該專利以全文引用的方式併入本文中。
與任何特定程序步驟相關聯之此等測試及參考影像可使用任何適合技術產生且可對應於經獨立產生影像或一或多個較大影像之部分(例如,可對應於一或多個較大影像之子影像)。作為一圖解,一測試影像可與代表樣本上之多個晶粒之一較大影像之一部分相關聯。以此方式,測試影像可為代表在一特定時間針對缺陷檢測之一所關注區(例如,一特定晶粒)之一子影像。作為另一圖解,可基於與樣本上之不同區(例如,額外晶粒)相關聯之較大影像之一或多個不同部分產生一參考影像。例如,一參考影像可對應於與樣本上之一或多個額外晶粒相關聯之子影像之一平均。在此組態中,在一特定程序步驟下之一差異影像可對應於檢測子影像與參考影像(例如,子影像之一組合)之間之一差異。
此外,一測試影像或一參考影像之定義可取決於特定所關注區且可隨著時間改變。例如,一特定晶粒之一影像可在識別該特定晶粒上之缺陷時被用作一測試影像且可在識別一不同晶粒上之缺陷時被用作一參考影像(或被用作經組合以形成一參考影像之若干影像之一者)。
已開發各種類型之檢測工具,包含基於使用一光源之照明產生一影像之光學檢測工具或基於使用一粒子射束(例如,電子射束(e-beam)、離子射束或類似者)之照明產生一影像之粒子射束檢測工具。歸因於相對高處理能力,光學檢測工具通常用於在線檢測。此外,許多檢測工具藉由跨樣本在多個掃描帶中掃描一射束(例如,一光射束或一粒子射束)且完全或部分基於掃描帶建立樣本之一影像而產生影像。
各種條件可降低檢測期間之缺陷信號之信雜比(SNR)且因此限制準確度或可靠性。例如,隨著經製造裝置特徵之大小縮小,導致經降級效能或裝置失效之相關聯程序缺陷之大小亦縮小。甚至在理想條件下,在特徵及/或缺陷大小接近一檢測裝置之解析度限制時,此導致降低之SNR。此外,一樣本上之各種程序層及/或光阻劑層通常至少部分對一檢測工具,尤其對光學檢測工具透明。換言之,檢測工具通常可至少部分成像至樣本之體積中。此透明度對於偵測子表面缺陷係有益的。
然而,本文中設想,來自與先前程序步驟相關聯之經製造特徵之信號可貢獻於一當前程序步驟之檢測期間之雜訊或擾亂點信號。例如,一光學檢測工具可經組態以提供一淺景深,其中與在檢測下之一當前程序步驟相關聯之特徵聚焦且具有相對高對比度,而與任何數目個先前聚焦步驟相關聯之特徵可為模糊的且可被視為一測試影像中之雜訊或擾亂點信號。此等信號之存在可進一步限制與小及/或弱缺陷相關聯之SNR且因此限制檢測之準確度及/或可靠性。
在一些實施例中,藉由對一多步驟差異影像執行缺陷檢測而增加檢測SNR,其中基於自一測試影像刪減與當前及先前層兩者相關聯之參考影像而產生多步驟差異影像。在此內容脈絡中,使用術語參考影像以描述與不同於在一特定時間被視為一測試影像之區之一區相關聯之任何影像(或其部分)。
本文中設想,可以在本發明之精神及範疇內之不同方式建構一多步驟差異影像。在一些實施例中,藉由自與一當前程序步驟下之一所關注區(例如,一晶粒)相關聯之一測試影像刪減當前程序步驟及一先前程序步驟兩者下之其他區之多個影像而形成一多步驟差異影像。在一些實施例中,藉由自與一當前程序步驟下之一所關注區(例如,一晶粒)相關聯之一測試影像刪減當前程序步驟及一先前程序步驟兩者下之其他區之影像之一加權差而形成一多步驟差異影像。在此組態中,權重可藉由一最佳化演算法(例如,經設計以最小化多步驟差異影像之像素值)判定。
本文中應進一步設想,與利用來自先前程序層之資料之先前技術相比,本文中揭示之系統及方法可更有效地降低影像雜訊且改良偵測靈敏度。例如,在2019年12月10日發佈之美國專利第10,504,213號中大體上描述藉由跨層之影像刪減之晶圓雜訊降低,該專利之全文以引用的方式併入本文中。
本文中設想,本文中揭示之系統及方法可對於但不限於其中一當前程序步驟之影響係如由檢測出工具量測之一相對溫和光學擾動之應用尤其有利。換言之,本文中揭示之系統及方法可對於但不限於其中惟針對所關注經製造特徵之外,當前及先前步驟下之測試影像(例如,一原始測試影像)相對不變之應用尤其有利。例如,本文中揭示之系統及方法可對於但不限於通孔、遮罩蝕刻(例如,硬遮罩蝕刻)、衝孔缺陷、孔特徵、線特徵、劃痕、凹坑或殘餘材料之檢測尤其有利。
本發明之一些實施例係關於用於基於刪減與先前層特徵相關聯之雜訊而進行缺陷檢測之方法。本發明之一些實施例係關於經組態以基於刪減與先前層特徵相關聯之雜訊而執行缺陷檢測之檢測系統。
本發明之一些實施例係關於一種用於基於刪減與先前層特徵相關聯之雜訊而進行缺陷檢測之檢測配方。例如,一檢測配方可定義與對一樣本成像相關聯之各種參數及/或與基於一或多個影像識別樣本上之缺陷之程序步驟。
現參考圖1A至圖4,根據本發明之一或多項實施例更詳細描述用於缺陷檢測之系統及方法。
圖1A係根據本發明之一或多項實施例之一檢測系統100之一方塊圖。
在一項實施例中,檢測系統100包含經組態以產生一樣本104之一或多個影像之一成像子系統102。例如,成像子系統102可包含經組態以使用來自一照明源110之照明108 (例如,一照明射束)照明樣本104之一照明子系統106及經組態以使用一偵測器116使用自樣本發出之輻射(例如,樣本輻射114)產生樣本104之一影像之一集光子系統112。
在一些實施例中,樣本104可包含由一半導體或非半導體材料形成之一基板(例如,一晶圓或類似者)。例如,一半導體或非半導體材料可包含但不限於單晶矽、砷化鎵及磷化銦。樣本104可進一步包含安置於基板上之一或多個層。例如,此等層可包含但不限於一抗蝕劑、一介電材料、一導電材料及/或一半導電材料。許多不同類型之此等層在此項技術中已知,且如本文中使用之術語樣本意欲涵蓋其上可形成全部類型之此等層之一樣本。形成於一樣本上之一或多個層可經圖案化或未經圖案化。例如,一樣本可包含各具有可重複圖案化特徵之複數個晶粒。此等材料層之形成及處理最終可導致完成裝置。許多不同類型之裝置可形成於一樣本上,且如本文中使用之術語樣本意欲涵蓋在其上製造此項技術中已知之任何類型之裝置之一樣本。
成像子系統102可使用此項技術中已知之任何技術產生樣本104之一或多個影像。在一些實施例中,成像子系統102係一光學成像子系統102,其中照明源110係經組態以依光之形式產生照明108之一光學源,且其中集光子系統112基於自樣本104發出之光對樣本104成像。在一些實施例中,成像子系統102係一粒子成像子系統102,其中照明源110係經組態以依粒子之形式產生照明108之一粒子源。例如,粒子照明108可呈一電子射束(e-beam)、一離子射束(例如,一聚焦離子射束)或一中性粒子射束之形式。此外,集光子系統112可基於自樣本104發出之粒子(例如,反向散射電子或類似者)對樣本104成像。在一些情況中,一粒子檢測系統100亦可基於回應於入射粒子照明108而自樣本104發出之光(例如,基於光致發光或類似者)對樣本104成像。
圖1B係根據本發明之一或多項實施例之一光學成像子系統102之一簡化示意圖。
照明源110可包含此項技術中已知之適用於產生可呈一或多個照明射束之形式之一光學照明108之任何類型之照明源。此外,照明108可具有任何光譜,諸如(但不限於)極紫外光(EUV)波長、紫外光(UV)波長、可見光波長或紅外光(IR)波長。此外,照明源110可為一寬頻源、一窄頻源及/或一可調諧源。
在一些實施例中,照明源110包含一寬頻電漿(BBP)照明源。在此方面,照明108可包含由一電漿發射之輻射。例如,一BBP照明源110可包含(但不需要包含)一或多個泵浦源(例如,一或多個雷射),其經組態以聚焦至一氣體體積中,從而引起能量由氣體吸收以便產生或維持適用於發射輻射之一電漿。此外,電漿輻射之至少一部分可用作照明108。
在另一實施例中,照明源110可包含一或多個雷射。例如,照明源110可包含此項技術中已知之能夠發射在電磁光譜之紅外光、可見光或紫外光部分中之輻射之任何雷射系統。
照明源110可進一步產生具有任何時間輪廓之照明108。例如,照明源110可產生連續波(CW)照明108、脈衝照明108或經調變照明108。另外,照明108可經由自由空間傳播或導引光(例如,一光纖、一光導管或類似者)自照明源110遞送。
照明子系統106可包含用於將照明108引導至樣本104之各種組件,諸如(但不限於)透鏡118、鏡或類似者。此外,此等組件可為反射性元件或透射性元件。以此方式,圖1B中將透鏡118描繪為透射性元件僅係闡釋性的且非限制性。照明子系統106可進一步包含用於修改及/或調節相關聯光學路徑中之光之一或多個光學元件120,諸如(但不限於)一或多個偏光器、一或多個濾波器、一或多個射束分裂器、一或多個漫射器、一或多個均質器、一或多個變跡器或一或多個射束塑形器。
在一些實施例中,檢測系統100包含用於在成像期間固定及/或定位樣本104之一平移載物台122。例如,平移載物台122可包含線性致動器、旋轉致動器或角度致動器之任何組合以使用任何數目之自由度定位樣本104。
成像子系統102可包含用於收集自樣本104發出之樣本輻射114輻射(例如,在一光學成像子系統102之情況中,樣本光)之至少一部分且將樣本光之至少一部分引導至一偵測器116以用於產生一影像之各種組件。由檢測系統100產生之一影像可為此項技術中已知之任何類型之影像,諸如(但不限於)一明場影像、一暗場影像、一相位對比度影像或類似者。
成像子系統102可包含用於將樣本輻射114引導至偵測器116之各種組件,諸如(但不限於)透鏡124、鏡或類似者。此外,此等組件可為反射性元件或透射性元件。以此方式,圖1B中將透鏡118描繪為透射性元件僅係闡釋性的且非限制性。成像子系統102可進一步包含用於修改及/或調節相關聯光學路徑中之光之一或多個光學元件126,諸如(但不限於)一或多個偏光器、一或多個濾波器、一或多個射束分裂器、一或多個漫射器、一或多個均質器、一或多個變跡器或一或多個射束塑形器。
偵測器116可包含此項技術中已知之適用於量測樣本光之任何類型之感測器。例如,一偵測器116可包含一多像素感測器,諸如(但不限於)一電荷耦合裝置(CCD)、一互補金屬氧化物半導體(CMOS)裝置、一線感測器或一延時積分(TDI)感測器。作為另一實例,一偵測器116可包含兩個或更多個單像素感測器,諸如(但不限於)一光電二極體、一崩潰光電二極體、一光電倍增管或一單光子偵測器。
照明子系統106及成像子系統102可以在本發明之精神及範疇內之各種方式組態。在一些實施例中,如圖1B中繪示,檢測系統100包含為照明子系統106及成像子系統102之光學路徑所共有之至少一個射束分裂器128。以此方式,照明子系統106及成像子系統102兩者可共用一共同物鏡130且可皆利用由物鏡130提供之完整可用光瞳或數值孔徑(NA)。在一些實施例中,雖然未展示,但照明子系統106及成像子系統102可具有單獨光學路徑而無共同元件。
檢測系統100可使用此項技術中已知之任何技術對樣本104進一步成像。在一些實施例中,檢測系統100在一掃描模式中藉由以下步驟產生樣本104之一影像:將照明108聚焦至樣本104上作為一光點或一線;捕獲一點或線影像;及掃描樣本104以建立二維影像。例如,檢測系統100可跨樣本104在可部分重疊之各種掃描帶中掃描照明108。在此組態中,掃描可藉由(例如,使用平移載物台122)相對於照明108移動樣本104,藉由(例如,使用可致動鏡或類似者)相對於樣本104移動照明108或其等之一組合而達成。在一些實施例中,檢測系統100在一靜態模式中藉由在二維視場中將照明108引導至樣本104且直接使用偵測器116捕獲二維影像而產生樣本104之一影像。
在一些實施例中,對由成像子系統102產生之資料執行各種對準及/或拼接操作以形成樣本104之一或多個影像。作為一實例,在一掃描系統之情況中,可將與多個掃描帶或其部分相關聯之資料對準及/或拼接以形成整個樣本104或僅其之一部分之一影像。以此方式,在本文中使用術語影像以廣泛地描述代表樣本104之一部分之任何像素陣列且不意欲賦予與成像技術相關聯之限制。因此,一影像可對應於由成像子系統102提供之一完整資料集,可對應於此資料之一子集(例如,一子影像),或可對應於被拼接(且適當地對準)之多個資料集。
如本文中先前描述,可以各種方式使用樣本104或其部分之影像。例如,對應於一特定區(例如,一特定晶粒、單元或類似者)之樣本104之一影像可在識別此特定區中之缺陷時用作一測試影像且可在識別樣本104之其他區中之缺陷時用作一參考影像(或用於連同其他區之影像一起產生一參考影像)。
在一些實施例中,檢測系統100包含可與成像子系統102或其中之任何組件通信地耦合之一控制器132。控制器132可包含經組態以執行維持於一記憶體136 (例如,一記憶體媒體)上之程式指令之一或多個處理器134。在此方面,控制器132之一或多個處理器134可經組態以執行貫穿本發明描述之各種程序步驟之任一者。例如,控制器132可執行諸如(但不限於)以下之步驟:開發及/或實施一檢測配方;接收來自成像子系統102之針對任何數目個處理步驟與樣本104或其部分之影像相關聯之資料;執行對準及/或拼接操作;產生或識別與樣本104之選定部分相關聯之影像作為測試影像或參考影像;產生檢測與參考影像之間之差異影像;基於與任何數目個程序步驟相關聯之檢測、參考或差異影像之任何組合識別一樣本104上之缺陷;或對經識別缺陷分類。
控制器132之一或多個處理器134可包含此項技術中已知之任何處理元件。在此意義上,一或多個處理器134可包含經組態以執行演算法及/或指令之任何微處理器類型裝置。在一項實施例中,一或多個處理器134可由一桌上型電腦、主機電腦系統、工作站、影像電腦、平行處理器或經組態以執行一程式(其經組態以操作檢測系統100)之任何其他電腦系統(例如,網路連結電腦)組成,如貫穿本發明所描述。應進一步認知,術語「處理器」可經廣泛定義以涵蓋具有執行來自一非暫時性記憶體136之程式指令之一或多個處理元件之任何裝置。
記憶體136可包含此項技術中已知之適用於儲存可由相關聯之一或多個處理器134執行之程式指令之任何儲存媒體。例如,記憶體136可包含一非暫時性記憶體媒體。藉由另一實例,記憶體136可包含但不限於一唯讀記憶體、一隨機存取記憶體、一磁性或光學記憶體裝置(例如,磁碟)、一磁帶、一固態硬碟及類似者。應進一步注意,記憶體136可與一或多個處理器134一起容置於一共同控制器外殼中。在一項實施例中,記憶體136可相對於一或多個處理器134及控制器132之實體位置遠端定位。例如,控制器132之一或多個處理器134可存取可透過一網路(例如,網際網路、內部網路及類似者)存取之一遠端記憶體(例如,伺服器)。因此,上文描述不應解譯為對本發明之一限制而僅為一圖解。
檢測系統100可根據一檢測配方進一步組態,該檢測配方可在運行時間期間實施(例如,藉由控制器132、照明子系統106、成像子系統102或任何其他組件)。在一些實施例中,一檢測配方包含用於組態檢測系統100以對樣本104成像之參數,諸如(但不限於)用於控制照明108之參數,諸如(但不限於)波長、偏光、光點大小、入射角或用於產生一影像之掃描帶之一圖案。在一些實施例中,一檢測配方包含用於控制樣本輻射114之一收集之參數,諸如(但不限於)波長、偏光、收集角或偵測器116之操作參數。在一些實施例中,一檢測配方包含在選定程序步驟之後對樣本104成像之方向。在一些實施例中,一檢測配方包含與基於影像識別缺陷相關聯之各種處理步驟。
現參考圖2至圖4,根據本發明之一或多項實施例更詳細描述基於自先前程序步驟刪減信號之缺陷檢測。
圖2係繪示根據本發明之一或多項實施例之在一檢測方法200中執行之步驟之一流程圖。申請者指出,本文中先前在檢測系統100之內容脈絡中描述之實施例及實現技術應被解譯為擴展至方法200。然而,應進一步注意,方法200不限於檢測系統100之架構。在一些實施例中,方法200或其步驟係一檢測配方(例如,用於一檢測系統100)之部分。
圖2參考與在一多步驟程序中製造一裝置相關聯之各種程序步驟。特定言之,圖2參考一第一程序步驟及一第二程序步驟。在此框架中,第二程序步驟可對應於一當前程序步驟,其中在將此當前程序步驟應用至樣本104之後偵測所關注缺陷,且其中第一程序步驟可係指在當前程序步驟之前之任何程序步驟。在一些實施例中,依序執行第一及第二程序步驟。在一些實施例中,一或多個中間程序步驟可在第一與第二程序步驟之間執行。以此方式,術語第一程序步驟及第二程序步驟僅用於指示操作之一相對順序,但不以其他方式限制方法200。此外,第一及第二程序步驟可與任何類型之程序步驟相關聯,諸如(但不限於)程序層及/或光阻劑之沈積、使用一所要圖案之光阻劑曝光、光阻劑及/或下伏程序層之蝕刻、拋光或類似者。
圖2亦參考各種影像。應理解,此等影像可為在一個步驟中由檢測系統100或其部分直接產生之影像,或藉由拼接由檢測系統100產生之子影像而形成之複合影像。此外,可視需要裁切或以其他方式修改影像。以此方式,本文中對影像之引用僅係闡釋性的且不限制可由檢測系統100產生之影像之類型。
在一些實施例中,方法200包含在一第一程序步驟(例如,一先前程序步驟)之後產生一樣本104之多個樣本區302之第一步驟影像之一步驟202。樣本區302可包含樣本104上之將針對缺陷檢測之任何區。例如,樣本區302可包含晶粒或晶粒之部分(例如,單元)。在一些實施例中,方法200包含在一第二程序步驟(例如,一當前程序步驟)之後產生樣本104之多個樣本區302之第二步驟影像之一步驟204。
例如,步驟202及204可包含在兩個程序步驟(例如,第一或先前程序步驟及第二或當前程序步驟)之後產生相同樣本區302 (例如,相同晶粒、單元或類似者)之影像。第一及第二程序步驟(例如,先前及當前程序步驟)可對應於任何程序步驟,諸如(但不限於)一微影步驟或一蝕刻步驟。此外,第二程序步驟可在至少一些樣本區302中修改樣本104。
可使用此項技術中已知之任何技術產生第一步驟影像及第二步驟影像。例如,第一步驟及第二步驟影像可(但不需要)與在對準及/或拼接(例如,藉由控制器132)之相關聯程序步驟之後來自一掃描成像子系統102之多個掃描帶(或其等部分)之資料相關聯。
在一些實施例中,方法200包含將複數個樣本區302之一者識別為一測試區且將剩餘樣本區302之至少一些者識別為比較區之一步驟206,其中測試區之第二步驟影像係一測試影像且比較區之第二步驟影像係比較影像。
圖3係根據本發明之一或多項實施例之描繪可針對缺陷檢測之一系列樣本區302之一樣本104之一部分之一簡化示意圖。在圖3中,一個樣本區302’被識別為一測試區,而剩餘樣本區被識別為比較區。以此方式,一測試區可對應於在一特定時間針對缺陷檢測之樣本區302之一者,而比較區可對應於具有相同或類似設計之額外樣本區302。在一些實施例中,比較區用於產生一參考影像。如本文中先前描述,任何樣本區302可在方法200之任何反覆中被識別為一測試區且在方法200之另一反覆中被進一步識別為一比較區。以此方式,可重複方法200 (或其部分)以提供多個樣本區302中之缺陷識別。
在一些實施例中,方法200包含藉由第二步驟比較影像之至少一者及第一步驟影像之至少兩者之一組合自測試影像之一加權刪減而產生一多步驟差異影像之一步驟208。
本文中設想,第一步驟影像可包含或可具有與第二步驟影像中之雜訊或擾亂點信號相關聯之資料。例如,情況可係,第二步驟影像中之某些強度變動可與在第二程序步驟之前製造之結構相關聯。在一些情況中,第二步驟影像中之某些強度變動可與定位於成像子系統102之一焦深之外之離焦特徵相關聯。本文中應進一步設想,類似強度變動亦可存在於第一步驟影像中。第一步驟及第二步驟影像中之強度變動相關之程度可取決於第二程序步驟對樣本104之影響。在許多製造程序中,第二程序步驟提供樣本之局部隔離修改(例如,選定特徵之蝕刻或類似者)或樣本之均勻修改(例如,一或多個膜之沈積或類似者)。
因此,自第二步驟影像刪減第一步驟影像可有益地移除可歸因於雜訊或擾亂點信號之共同強度變動,此可改良與DOI相關聯之SNR。
在一些實施例中,方法200包含基於多步驟差異影像識別與第二程序步驟相關聯之樣本104上之缺陷之一步驟210。可使用任何適合技術以自多步驟差異影像識別缺陷。此外,可使用本文中揭示之系統及方法識別任何類型之缺陷(或不同類型之缺陷)。例如,一缺陷可包含藉由第二程序步驟製造之一特徵之一形狀、大小或定向之至少一者之偏差。作為另一實例,一缺陷可包含意欲藉由第二程序步驟製造之一特徵之缺乏。作為另一實例,一缺陷可包含在第二程序步驟之後在檢測區中之一劃痕、一凹坑或殘餘材料之至少一者。作為另一實例,一缺陷可包含藉由第二程序步驟製造之兩個特徵之間之一非預期橋接或藉由第二程序步驟製造之一特徵中之一非預期斷裂之至少一者。
在一些實施例中,步驟210包含基於將一臨限值應用至多步驟差異影像而識別缺陷。例如,大於或等於一選定臨限值之像素值可特性化為一缺陷,而低於臨限值之像素值可特性化為一非缺陷(例如,背景、擾亂點、雜訊或類似者)。
在一些實施例中,步驟210包含使用一機器學習技術偵測缺陷,該機器學習技術可為非監督式、監督式或其等之一組合。例如,可將多步驟差異影像作為一輸入提供至適用於識別缺陷之一監督式或非監督式機器學習演算法。作為一圖解,機器學習演算法可提供樣本之選定部分作為擾亂點或缺陷(在任何數目個缺陷類別中)之硬分類或具有樣本之選定部分可被分類為擾亂點或缺陷(在任何數目個缺陷類別中)之概率之軟分類。作為另一實例,可使用具有已知(例如,經標記)缺陷之多步驟差異影像訓練一監督式機器學習演算法。接著可在運行時間期間使用此一經訓練機器學習演算法以基於新樣本(例如,測試樣本)之多步驟差異影像識別新樣本中之缺陷。在一些實施例中,步驟210可包含利用一多晶粒自動定限(MDAT)技術。在以下專利中大體上描述MDAT技術:美國專利第10,535,131號;第10,395,358號;第10,557,802號;第10,801,968號;第9,518,934號;第11,120,546號;第11,416,982號;第11,494,924號;第10,943,838號;第9,613,411號;第9,619,876號;第10,599,944號;第10,535,131號;第11,551,348號;第11,550,309號;第9,518,934號;第10,923,317號及美國專利公開案第2021/0010945號,該等專利之全部之全文以引用的方式併入本文中。作為一圖解,一MDAT技術可包含基於二維點雲(其基於多步驟差異影像及測試影像產生)之一叢集化分析。
在一些情況中,在步驟210中識別之一缺陷可包含DOI或擾亂點之任何組合。因此,可除方法200之外亦利用或與方法200組合利用額外步驟或技術。
在一些實施例中,方法200進一步包含將至少一些缺陷分類成一或多個類別之一步驟。例如,類別可包含但不限於不同類型之缺陷或具有對裝置效能之不同影響之缺陷。
現根據本發明之一或多項實施例更詳細描述產生一多步驟差異函數之步驟208。
本文中設想,僅自第二步驟影像刪減第一步驟影像可不足以移除非所要信號且增加DOI之SNR。實情係,可期望組合利用與當前及先前程序步驟相關聯之多個影像(例如,多個第一步驟及第二步驟影像)以增加DOI之SNR。此外,可利用第一步驟及第二步驟影像之不同組合以在本發明之精神及範疇內產生多步驟差異影像。
在一些實施例中,可基於來自當前及先前步驟兩者之多個影像之一組合產生多步驟差異影像。例如,多步驟差異影像可對應於來自與第一及第二程序步驟相關聯之多個樣本區之影像之一加權差(例如,一加權刪減):
其中索引
及
係指樣本位置(例如,晶粒、單元或類似者),且其中
及
係指相關聯影像之權重。此外,下標
及
分別係指第一步驟影像(例如,在步驟202中產生)及第二步驟影像(例如,在步驟204中產生)。在此組態中,測試區可對應於樣本區
使得測試影像(例如,在步驟206中識別)可對應於項
。接著可將剩餘樣本區特性化為比較區使得項
可係指比較區之第二步驟影像或第二步驟比較影像。
在一些實施例中,用於產生多步驟差異影像之第一步驟及第二步驟影像之一數目係相等的。例如,
之值出現在與比較區之第二步驟影像相關聯之項
及與第一步驟影像相關聯之項
兩者中。此外,由於測試影像
係一第二步驟影像,故第二步驟影像之數目(例如,與項
及
組合相關聯之影像之數目)等於第一步驟影像之數目(例如,與項
相關聯之影像之數目)。換言之,用於產生多步驟差異影像之第一步驟影像之數目(例如,與項
相關聯之影像之數目)可比用於產生多步驟差異影像之第二步驟比較影像之數目大壹。
可使用任何適合技術判定權重
及
。在一些實施例中,基於與相關聯樣本位置中之樣本104相關聯之度量及/或與相關聯影像相關聯之影像品質度量(諸如(但不限於)曝光、對比度或雜訊)判定權重。在一些實施例中,藉由一最佳化技術判定權重。例如,可基於一擬合技術判定權重以最小化多步驟差異影像中之像素強度(
)。例如,可基於一迴歸技術判定權重以最小化多步驟差異影像中之像素強度(
)。作為另一實例,可使用一缺陷偵測演算法(諸如(但不限於)一多色自適應定限(MCAT)技術)判定權重。在以下專利中大體上描述MCAT技術:美國專利第11,270,430號;第11,120,546號;第11,416,982號;第11,494,924號;第10,801,968;及美國專利申請公開案第2021/0010945號,該等案之全部之全文以引用的方式併入本文中。作為另一實例,可使用一機器學習技術(例如,一非監督式及/或一監督式機器學習技術)判定權重。
可以各種方式(例如,藉由控制器132)特性化及/或實施方程式(1)。在一些實施例中,在一單一步驟中使用儲存於記憶體(例如,記憶體136)中之各種影像基於方程式(1)產生一多步驟差異影像。在一些實施例中,產生一或多個中間影像。例如,項
可對應於在第二程序步驟之後使用除測試區外之額外樣本區(例如,晶粒、單元或類似者)之影像產生之一第二步驟參考影像。以此方式,項
可對應於一第二步驟差異影像。此外,項
可對應於在第一程序步驟之後使用任何適合樣本區之影像產生之一第一步驟參考影像。
本文中設想,當識別藉由第二程序步驟產生之缺陷時,此第一步驟參考影像可視情況包含在第一程序步驟之後之測試區之一影像(例如,
,包含其中
之一例項),此係因為第一步驟係在第二步驟之前且相關聯樣本區可在此第一程序步驟中被視為等效。另外,在一些實施例中,可調整方程式(1)以提供以類似於第二步驟差異影像之一方式產生一第一步驟差異影像。在此組態中,一第一步驟參考影像可基於不同於測試區之各種樣本區產生(例如,針對
,
)且自測試區之一第一步驟影像刪減(例如,
):
此外,可將額外權重應用至此等差異影像。例如,可藉由以下方程式產生多步驟差異影像:
其中
係應用至第一步驟參考影像之一額外權重。在一般意義上,可使用任何適合技術(包含但不限於上文針對判定權重
及/或
揭示之技術)判定權重
。在一些實施例中,單獨判定權重
及
且接著判定權重
。例如,可在一第一步驟中(例如,藉由一最佳化技術)判定權重
及
,其後接著為判定
(例如,藉由另一最佳化技術)之一額外步驟。本文中設想,與一些其他方法相比,此一方法可相對更簡單、更有效及/或利用更少運算資源。在一些實施例中,在一單一步驟(例如,一單一最佳化步驟)中判定權重
、
及
。
此外,雖然未明確展示,但將一額外權重給予項
(例如,對應於測試區之第一步驟影像)。更一般言之,權重(例如,
、
、
或類似者)之任一者可針對任何區具有任何值或任何正負號(例如,正或負)。
現描述多步驟差異影像之額外變動。
在一些實施例中,在第一及第二程序步驟兩者之後,全部樣本區302具有一共同設計。例如,樣本區302可對應於具有相同設計及因此理想地,相同經製造特徵之不同晶粒。因此,各樣本區302可用作測試區或比較區(例如,用於產生參考影像),如上文描述。此外,在此組態中產生之一多步驟差異影像可不包含任何有意製造之特徵。
在一些實施例中,在第一程序步驟之後但不在第二程序步驟之後,除測試區之外之樣本區302 (例如,使用方程式(1)至(3)之命名法,樣本區302
)可具有與測試區(例如,
)共同之一設計。例如,第二程序步驟可在測試區(
)中但不在額外樣本區302
中產生特徵(例如,通孔、蝕刻圖案、經製造結構或類似者)。在此組態中,一多步驟差異影像可包含經製造特徵。此一組態可適用於但不限於比較經製造特徵與設計規範(例如,以識別遺漏特徵、經不適當製造特徵或類似者)。
此外,大體上參考方程式(1)至(3),用於產生一多步驟差異影像之第一步驟影像及第二步驟影像通常可具有相同或不同樣本區302。
現參考圖4,描述方法200之應用之一非限制性實例。圖4係描繪根據本發明之一或多項實施例之與方法200之各種步驟相關聯之一樣本104之經模擬影像之一流程圖。特定言之,圖4包含一第一步驟差異影像402、一第二步驟差異影像404及一多步驟差異影像406。
例如,可基於第二程序步驟之後之一所關注樣本區(例如,一測試區)之一第二步驟測試影像與一參考影像之間之一差異產生第二步驟差異影像404,其中可基於額外樣本區之一或多個影像產生第二步驟差異影像。使用來自方程式(1)至(3)之命名法,第二步驟差異影像404可特性化為
。在此模擬中,第二步驟差異影像404包含在第二程序步驟期間產生之埋藏於影像中之雜訊內之一經模擬缺陷408。例如,基於121之一信號振幅及134之一雜訊振幅,第二步驟差異影像404之SNR係0.9。
可類似地基於測試區之一第一步驟測試影像與一第一步驟參考影像之間之一差異產生第一步驟差異影像402,其中可基於額外樣本區之一或多個影像產生第一步驟參考影像。再次使用來自方程式(1)至(3)之命名法,第一步驟差異影像402可特性化為
。第一步驟差異影像402不包含經模擬缺陷408,此係因為此經模擬缺陷408係在後續第二程序步驟中產生。此外,此經模擬影像具有低於後續第二步驟差異影像404之雜訊位準(121)之N=103之一雜訊位準,但保持一類似分佈。如本文中先前描述,第一步驟差異影像402及第二步驟差異影像404中(或更一般言之,第一步驟與第二步驟影像之間)之雜訊之共同分佈可係基於可使用檢測系統100觀察之樣本104上之共同實體結構。
多步驟差異影像406可接著對應於第二步驟差異影像404與第一步驟差異影像402之間之一差異。繼續方程式(1)至(3)之命名法,因此,此多步驟差異影像406可藉由方程式(2)特性化:
。清楚地觀察到,多步驟差異影像406展現實質上小於第二步驟差異影像404之雜訊及因此一實質上更大SNR,使得可清楚地觀察到經模擬缺陷408。特定言之,相較於第二步驟差異影像404之N=134之一雜訊振幅及0.9之一SNR,多步驟差異影像406具有N=19.4之一雜訊振幅及6.2之一SNR。
本文中描述之標的物有時繪示其他組件內含有或與其他組件連接之不同組件。應理解,此等所描繪之架構僅僅係例示性的,且事實上可實施達成相同功能性之許多其他架構。在一概念意義上,用於達成相同功能性之組件之任何配置有效「相關聯」使得達成所要功能性。因此,在本文中組合以達成一特定功能性之任何兩個組件可被視為彼此「相關聯」使得達成所要功能性而無關於架構或中間組件。同樣地,如此相關聯之任何兩個組件亦可被視為彼此「連接」或「耦合」以達成所要功能性,且能夠如此相關聯之任何兩個組件亦可被視為彼此「可耦合」以達成所要功能性。可耦合之特定實例包含但不限於可實體互動及/或實體互動組件及/或可無線互動及/或無線互動組件及/或可邏輯互動及/或邏輯互動組件。
據信本發明及許多其伴隨優點將藉由前述描述理解,且將明白,可對組件之形式、構造及配置做出多種改變而不脫離所揭示之標的物或不犧牲全部其材料優點。所描述之形式僅僅係解釋性,且以下發明申請專利範圍之意圖係涵蓋且包含此等改變。此外,應理解,本發明由隨附發明申請專利範圍界定。
100:檢測系統
102:成像子系統
104:樣本
106:照明子系統
108:照明
110:照明源
112:集光子系統
114:樣本輻射
116:偵測器
118:透鏡
120:光學元件
122:平移載物台
124:透鏡
126:光學元件
128:射束分裂器
130:物鏡
132:控制器
134:處理器
136:記憶體
200:檢測方法
202:步驟
204:步驟
206:步驟
208:步驟
210:步驟
302:樣本區
302':樣本區
402:第一步驟差異影像
404:第二步驟差異影像
406:多步驟差異影像
408:經模擬缺陷
熟習此項技術者藉由參考附圖可更佳理解本發明之若干優點。
圖1A係根據本發明之一或多項實施例之一檢測系統之一方塊圖。
圖1B係根據本發明之一或多項實施例之一光學成像子系統之一簡化示意圖。
圖2係繪示根據本發明之一或多項實施例之在一檢測方法中執行之步驟之一流程圖。
圖3係根據本發明之一或多項實施例之描繪可針對缺陷檢測之一系列樣本區之一樣本之一部分之一簡化示意圖。
圖4係描繪根據本發明之一或多項實施例之與圖2之方法之各種步驟相關聯之一樣本之經模擬影像之一流程圖。
402:第一步驟差異影像
404:第二步驟差異影像
406:多步驟差異影像
408:經模擬缺陷
Claims (38)
- 一種檢測系統,其包括: 一控制器,其包含一或多個處理器,該一或多個處理器經組態以執行程式指令,從而引起該一或多個處理器藉由以下實施一檢測配方: 在一第一程序步驟之後接收複數個樣本區之第一步驟影像; 在一第二程序步驟之後接收該複數個樣本區之第二步驟影像,其中該第二程序步驟在該複數個樣本區之至少一者中修改樣本; 將該複數個樣本區之一者識別為一測試區且將該等剩餘樣本區之至少一些者識別為比較區,其中該測試區之該第二步驟影像係一測試影像且該等比較區之該等第二步驟影像係第二步驟比較影像; 藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之一組合自該測試影像之一加權刪減而產生一多步驟差異影像;及 基於該多步驟差異影像識別與該第二程序步驟相關聯之該測試區中之缺陷。
- 如請求項1之檢測系統,其中用於產生該多步驟差異影像之該等第一步驟影像之一數目比該等第二步驟比較影像之一數目大壹,以提供基於相同數目個該等第一步驟影像及該等第二步驟影像產生該多步驟差異影像。
- 如請求項2之檢測系統,其中用於產生該多步驟差異影像之第一步驟影像之該數目係至少三個。
- 如請求項1之檢測系統,其進一步包括: 將該等缺陷之至少一些者分類為一擾亂點或一所關注缺陷之至少一者。
- 如請求項1之檢測系統,其中藉由一擬合技術判定與該加權刪減相關聯之權重。
- 如請求項1之檢測系統,其中藉由一迴歸技術判定與該加權刪減相關聯之權重。
- 如請求項1之檢測系統,其中藉由一多色自適應定限(MCAT)技術判定與該加權刪減相關聯之權重。
- 如請求項1之檢測系統,其中藉由一機器學習技術判定與該加權刪減相關聯之權重。
- 如請求項1之檢測系統,其中藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之該組合自該測試影像之該加權刪減而產生該多步驟差異影像包括: 基於方程式 產生該多步驟差異影像 ,其中 對應於該測試影像, 對應於該等第二步驟比較影像之該至少一者,且 對應於該等第一步驟影像之該至少兩者,其中下標 及 對應於該等樣本區,其中 及 對應於權重。
- 如請求項1之檢測系統,其中藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之該組合自該測試影像之該加權刪減而產生該多步驟差異影像包括: 基於方程式 產生該多步驟差異影像 ,其中 對應於該測試影像, 對應於該等第二步驟比較影像之該至少一者,且 對應於該等第一步驟影像之至少一者,其中下標 及 對應於該等樣本區,其中 及 對應於權重。
- 如請求項1之檢測系統,其中藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之該組合自該測試影像之該加權刪減而產生該多步驟差異影像包括: 基於方程式 產生該多步驟差異影像 ,其中 對應於該測試影像, 對應於該等第二步驟比較影像之該至少一者,且 對應於該等第一步驟影像之該至少一者,其中下標 及 對應於該等樣本區,其中 、 及 對應於權重。
- 如請求項1之檢測系統,其中基於該多步驟差異影像偵測該樣本上之缺陷包括: 將檢測差異影像提供至一機器學習演算法;及 基於該機器學習演算法之一輸出偵測該樣本上之缺陷。
- 如請求項1之檢測系統,其中基於該多步驟差異影像偵測該樣本上之缺陷包括: 使用一多晶粒自適應定限(MDAT)技術基於該多步驟差異影像偵測該樣本上之缺陷。
- 如請求項1之檢測系統,其中該等缺陷包括: 藉由該第二程序步驟製造之一特徵之一形狀、大小或定向之至少一者之一偏差。
- 如請求項1之檢測系統,其中該等缺陷包括: 意欲藉由該第二程序步驟製造之一特徵之一缺乏。
- 如請求項1之檢測系統,其中該等缺陷包括: 在該第二程序步驟之後在該檢測區中之一劃痕、一凹坑或殘餘材料之至少一者。
- 如請求項1之檢測系統,其中該等缺陷包括: 藉由該第二程序步驟製造之兩個特徵之間之一非預期橋接或藉由該第二程序步驟製造之一特徵中之一非預期斷裂之至少一者。
- 一種檢測方法,其包括: 在一第一程序步驟之後產生複數個樣本區之第一步驟影像; 在一第二程序步驟之後產生該複數個樣本區之第二步驟影像,其中該第二程序步驟在該複數個樣本區之至少一者中修改樣本; 將該複數個樣本區之一者識別為一測試區且將剩餘樣本區之至少一些者識別為比較區,其中該測試區之該第二步驟影像係一測試影像且該等比較區之該等第二步驟影像係比較影像; 藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之一組合自該測試影像之一加權刪減而產生一多步驟差異影像;及 基於該多步驟差異影像識別與該第二程序步驟相關聯之該測試區中之缺陷。
- 如請求項18之檢測方法,其中用於產生該多步驟差異影像之該等第一步驟影像之一數目比該等第二步驟比較影像之一數目大壹,以提供基於相同數目個該等第一步驟影像及該等第二步驟影像產生該多步驟差異影像。
- 如請求項19之檢測方法,其中用於產生該多步驟差異影像之第一步驟影像之該數目係至少三個。
- 如請求項18之檢測方法,其進一步包括: 將該等缺陷之至少一些者分類為一擾亂點或一所關注缺陷之至少一者。
- 如請求項18之檢測方法,其中藉由一擬合技術判定與該加權刪減相關聯之權重。
- 如請求項18之檢測方法,其中藉由一迴歸技術判定與該加權刪減相關聯之權重。
- 如請求項18之檢測方法,其中藉由一多色自適應定限(MCAT)技術判定與該加權刪減相關聯之權重。
- 如請求項18之檢測方法,其中藉由一機器學習技術判定與該加權刪減相關聯之權重。
- 如請求項18之檢測方法,其中藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之該組合自該測試影像之該加權刪減而產生該多步驟差異影像包括: 基於方程式 產生該多步驟差異影像 ,其中 對應於該測試影像, 對應於該等第二步驟比較影像之該至少一者,且 對應於該等第一步驟影像之該至少兩者,其中下標 及 對應於該等樣本區,其中 及 對應於權重。
- 如請求項18之檢測方法,其中藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之該組合自該測試影像之該加權刪減而產生該多步驟差異影像包括: 基於方程式 產生該多步驟差異影像 ,其中 對應於該測試影像, 對應於該等第二步驟比較影像之該至少一者,且 對應於該等第一步驟影像之至少一者,其中下標 及 對應於該等樣本區,其中 及 對應於權重。
- 如請求項18之檢測方法,其中藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之該組合自該測試影像之該加權刪減而產生該多步驟差異影像包括: 基於方程式 產生該多步驟差異影像 ,其中 對應於該測試影像, 對應於該等第二步驟比較影像之該至少一者,且 對應於該等第一步驟影像之該至少一者,其中下標 及 對應於該等樣本區,其中 、 及 對應於權重。
- 如請求項18之檢測方法,其中基於該多步驟差異影像偵測該樣本上之缺陷包括: 將檢測差異影像提供至一機器學習演算法;及 基於該機器學習演算法之一輸出偵測該樣本上之缺陷。
- 如請求項18之檢測方法,其中基於該多步驟差異影像偵測該樣本上之缺陷包括: 使用一多晶粒自適應定限(MDAT)技術基於該多步驟差異影像偵測該樣本上之缺陷。
- 如請求項18之檢測方法,其中該等缺陷包括: 藉由該第二程序步驟製造之一特徵之一形狀、大小或定向之至少一者之一偏差。
- 如請求項18之檢測方法,其中該等缺陷包括: 意欲藉由該第二程序步驟製造之一特徵之一缺乏。
- 如請求項18之檢測方法,其中該等缺陷包括: 在該第二程序步驟之後在該檢測區中之一劃痕、一凹坑或殘餘材料之至少一者。
- 如請求項18之檢測方法,其中該等缺陷包括: 藉由該第二程序步驟製造之兩個特徵之間之一非預期橋接或藉由該第二程序步驟製造之一特徵中之一非預期斷裂之至少一者。
- 一種檢測系統,其包括: 一成像子系統,其包含一照明源及經組態以對一樣本成像之一偵測器;及 一控制器,其通信地耦合至該成像子系統,該控制器包含一或多個處理器,該一或多個處理器經組態以執行程式指令,從而引起該一或多個處理器藉由以下實施一檢測配方: 在一第一程序步驟之後接收來自該成像子系統之複數個樣本區之第一步驟影像; 在一第二程序步驟之後接收該複數個樣本區之第二步驟影像,其中該第二程序步驟在來自該成像子系統之該複數個樣本區之至少一者中修改樣本; 將該複數個樣本區之一者識別為一測試區且將剩餘樣本區之至少一些者識別為比較區,其中該測試區之該第二步驟影像係一測試影像且該等比較區之該等第二步驟影像係比較影像; 藉由該等第二步驟比較影像之至少一者及該等第一步驟影像之至少兩者之一組合自該測試影像之一加權刪減而產生一多步驟差異影像;及 基於該多步驟差異影像識別與該第二程序步驟相關聯之該測試區中之缺陷。
- 如請求項35之檢測系統,其中用於產生該多步驟差異影像之該等第一步驟影像之一數目比該等第二步驟比較影像之一數目大壹,以提供基於相同數目個該等第一步驟影像及該等第二步驟影像產生該多步驟差異影像。
- 如請求項35之檢測系統,其中該成像子系統包括: 一明場成像子系統。
- 如請求項35之檢測系統,其中該成像子系統包括: 一暗場成像子系統。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/326,268 | 2022-03-31 | ||
US18/128,203 | 2023-03-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202413926A true TW202413926A (zh) | 2024-04-01 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI809243B (zh) | 利用自動產生缺陷特徵檢測半導體結構之方法及系統 | |
JP6957579B2 (ja) | ウエハ上の欠陥を検出するためのシステムおよび方法 | |
CN110383441B (zh) | 使用经预测的计量图像的计量配方产生 | |
KR102557180B1 (ko) | 극자외선 포토마스크 상에서 검출되는 결함의 처리 | |
JP2019530117A (ja) | 画像融合のための畳込みニューラルネットワークベースのモード選択および欠陥分類 | |
KR101495987B1 (ko) | 결함 검사 장치 | |
KR102550474B1 (ko) | 자율 결함 세그먼트화 | |
CN115516293A (zh) | 模式选择及缺陷检测训练 | |
TW202413926A (zh) | 具有先前步驟刪減之檢測 | |
US11921052B2 (en) | Inspection with previous step subtraction | |
US20230351553A1 (en) | Shot noise reduction using frame averaging | |
US11922619B2 (en) | Context-based defect inspection | |
US11557031B2 (en) | Integrated multi-tool reticle inspection | |
US20220244648A1 (en) | Sensitivity improvement of optical and sem defection inspection | |
CN118119839A (zh) | 使用帧平均化的散粒噪声降低 | |
TW202314887A (zh) | 用於基於半導體之應用的深度學習影像去除雜訊 |