TWI395944B - 於一樣品之帶電粒子束檢測中判定缺陷之方法以及系統 - Google Patents

Description

於一樣品之帶電粒子束檢測中判定缺陷之方法以及系統

本發明是有關一種判定資料集裏異常之方法及其應用，特別是一種於一樣品之帶電粒子顯微影像中判定缺陷之方法及其應用。

樣品在帶電粒子束檢測期間，從樣品被主要帶電粒子束轟擊所釋放出的二次帶電粒子形成一帶電粒子顯微影像。藉由分析帶電粒子顯微影像可以獲得欲取得之被檢測樣品之物理以及電氣特徵資訊。舉例而言，帶電粒子束成像技術應用於半導體裝置的檢測，並藉由分析所獲得的半導體裝置影像，可判定相關的裝置中所存在的缺陷。

圖1顯示一種根據習知之技藝於一樣品之帶電粒子顯微影像中判定缺陷之方法。首先，藉由處理一擷取自被檢測樣品所放射出來的二次帶電粒子訊號之影像資料串流，獲得一帶電粒子顯微影像1。接著，從影像1中找出如圖示之鑰匙形狀的圖案11a以及12a。找出圖案11a以及12a是依據某些預先定義的規則。舉例而言，選擇一用以定義資料(包含圖案11a以及12a之資訊)之形狀之規則，以從影像資料串流中直接找到表現出這類圖案的資料。接著，找出的圖案11a、12a在影像中重現，並與一參考資料庫圖案比較以判定在圖案11a以及12a中所存在的缺陷(例如圖1所示之標號122)。

參考的資料庫圖案會呈現與影像1相對應之圖案佈局，舉例而言，參考資料庫圖案可為圖形資料系統(Graphic Data System，GDS)或開放式作品系統交換標準(Open Artwork System Interchange Standard，OASIS)等呈現影像1之樣品區域的資料檔案。於此實施例中，參考資料庫圖案包含分別對應圖案11a以及12a之參考圖案11b以及12b。如圖1所示，圖案11a以及12a的邊緣111a以及121a是與參考圖案11b以及12b中的對應邊緣111b以及121b匹配以及比較，以估計製造的圖案與原始設計間的偏離。舉例而言，邊緣121a以及121b間之距離可以比較邊緣上個別的點，或者是藉由統計方法進行整體的比較，以判定所存在的缺陷122。需注意者，為了清楚說明，圖1所示之圖案11a、12a以及相對應參考圖案11b、12b間有明顯的偏移。

前述之習知技術中，圖案11a、12a是依據某些預先定義的規則直接從影像1的資料串流中所找出的。然而，實現這類方法有許多的困難。舉例而言，一些用以找出呈現圖案資料的規則會比較像是哪些資料區段需要注意的指南，而不是選擇資料區段的精確指標。因此，被找出的呈現圖案資料事實上可能是表現不正確的圖案，而不是真實感興趣的圖案。

綜上所述，習知於帶電粒子束檢測中判定缺陷的方法普遍不可信賴。因此，從帶電粒子顯微影像中更精確地判定缺陷的方法便是目前極需努力的目標。

本發明提供一種於一樣品之帶電粒子束檢測中判定缺陷之方法及其應用。本發明之方法是依據與涉及的帶電粒子顯微影像相對應之資料庫圖案，直接從帶電粒子顯微影像中找出至少一檢測區域，並僅判定檢測區域中缺陷。

本發明一實施例之於一樣品之帶電粒子束檢測中判定缺陷之方法，包含：提供至少一樣品之帶電粒子顯微影像；將每一帶電粒子顯微影像與其相對應之樣品之資料庫圖案作匹配；從每一帶電粒子顯微影像中，參考相對應涉及之帶電粒子顯微影像的資料庫圖案找出至少一檢測區域，其中找出之每一檢測區域關於至少一樣品之元件，每一元件具有至少一特徵；使用至少一點回應評估器，以從涉及的點之一預先定義之鄰近區域中全體地處理至少一像素回應值的方式，為找出之檢測區域中的每一點，產生至少一點回應值；以及應用至少一決策樹運算器於所產生涉及的點之點回應值，判定涉及的點的位置所存在的缺陷。

本發明另一實施例揭露一種於一樣品之帶電粒子束檢測中判定缺陷之運算代理器。所提出之運算代理器包含一輸入構件以及一運算構件。輸入構件與一用以成像樣品之帶電粒子束顯微系統耦合，並從帶電粒子束顯微系統接收樣品之帶電粒子顯微影像。運算構件與輸入構件耦合，用以從輸入構件接收影像。運算構件包含一電腦可讀取之媒體，其記錄有一電腦程式，其中電腦程式執行之步驟至少包含：將每一接收之影像與其相對應之樣品之資料庫圖案作匹配；從每一影像中，參考相對應之資料庫圖案找出至少一檢測區域，其中找出之每一檢測區域涉及至少一樣品之元件，且每一涉及的元件具有至少一共有的特徵；使用至少一點回應評估器，以從涉及的點之一預先定義之鄰近區域中全體地處理至少一像素回應值的方式，為找出之檢測區域中的每一點，產生至少一點回應值；以及應用至少一決策樹運算器於所產生涉及的點之點回應值，判定涉及的點的位置所存在的缺陷。

本發明又一實施例揭露一種用以檢測一樣品之帶電粒子束檢測系統，其包含一帶電粒子束探針產生器、一帶電粒子束偏向模組、一影像形成裝置以及一缺陷判定模組。帶電粒子束探針產生器用以產生一帶電粒子速探針。帶電粒子束偏向模組用以將帶電粒子束探針掃描樣品之一表面。影像形成裝置用以偵測經帶電粒子束探針轟擊而從該樣品放射出之二次帶電粒子，並相對應形成至少一樣品之帶電粒子顯微影像。缺陷判定模組記錄有一用以判定所存在之一缺陷之電腦程式，並與影像形成裝置耦合，其中，電腦程式執行以下步驟：從該影像形成裝置取得至少一該樣品之帶電粒子顯微影像；將每一帶電粒子顯微影像與其相對應之樣品之資料庫圖案作匹配；從每一帶電粒子顯微影像中，參考相對應涉及的帶電粒子顯微影像之資料庫圖案找出至少一檢測區域，其中找出之每一檢測區域關於至少一樣品之元件，每一元件具有至少一共有的特徵；使用至少一點回應評估器，以從涉及的點之一預先定義之鄰近區域中全體地處理至少一像素回應值的方式，為找出之檢測區域中的每一點，產生至少一點回應值；以及應用至少一決策樹運算器於所產生涉及的點之點回應值，判定涉及的點在涉及的檢測區域中的位置所存在的缺陷。

以下藉由具體實施例配合所附的圖式詳加說明，當更容易瞭解本發明之目的、技術內容、特點及其所達成之功效。

圖2以及圖3分別說明本發明之一實施例之從一樣品之帶電粒子顯微影像中判定缺陷之方法。樣品可為一半導體裝置，例如晶圓、製造完成的晶片、光罩等等。首先，提供至少一樣品之帶電粒子顯微影像3(S21)，且每一帶電粒子顯微影像3與其相對應之樣品的資料庫圖案匹配(S22)。此資料庫圖案可為圖形資料系統(Graphic Data System，GDS)檔案、開放式作品交換標準(Open Artwork System Interchange Standard，OASIS)檔案等、或以上之組合。需注意者，帶電粒子顯微影像3可顯示樣品表面的結構，及/或樣品表面下的結構。影像3是由多個像素30所組成。需注意者，為了能夠檢測次像素(sub-pixel)的缺陷，像素30能夠以插入原始影像3的方式獲得。

接著，參考相對應於帶電粒子顯微影像3之資料庫圖案，找出帶電粒子顯微影像3中至少一檢測區域(S23)。於一實施例中，此步驟可視為利用樣品之資料庫圖案(例如GDS)作為地圖，“盲目地”探索影像3的影像資料串流。舉例而言，考慮一種情況，就是以帶電粒子束檢測來檢測樣品中感興趣元件的缺陷。首先，找出並記錄參考資料庫圖案中感興趣元件的資訊，例如感興趣元件之點的座標位置。接著，在帶電粒子顯微影像中標示出這些以找出的座標所指出的精確點。整體而言，這些標示的點稱為檢測區域。需注意者，依據資料庫圖案的提示，能夠輕易地識別並找出檢測區域。因此，檢測區域結果能落在感興趣的元件或是其附近。換言之，在欲檢測之顯微影像中找出的檢測區域或其附近可找到感興趣的元件。

在習知技術中，應用某些規則顯示在影像3之影像資料串流中的資料區段包含感興趣元件的資訊，例如一感興趣的圖案。然而，這些規則經常是不可信賴的。舉例而言，某些規則是基於經驗，而它們無法涵蓋目標圖案的所有差異以及選擇，尤其是在快速改變的積體電路設計(IC design)環境。此外，獲得的影像資料串流中所存在不可避免的雜訊可能降低這些識別的規則準確性。

然而，此實施例所揭露的方法排除此困擾以找到正確呈現圖案的資料區段。所揭露的方法識別資料庫圖案中感興趣元件，並在獲得的影像資料串流中簡單地標示相同的位置作為檢測區域。換言之，在提供的帶電粒子顯微影像中每一識別並找出的檢測區域可以涉及至少一欲檢測缺陷的感興趣元件。

如圖3(a)所示，影像3包含欲檢測缺陷的感興趣圖案31a以及32a(實線所示)。因此，針對感興趣的圖案31a，參考資料庫圖案之參考圖案31b(虛線所示)，識別並找出至少一檢測區域33，且針對感興的圖案32a，參考資料庫圖案之參考圖案32b(虛線所示)，識別並找出至少一檢測區域35。如圖3(b)所示，用以檢測圖案31a中感興趣的邊緣311a(實線)的檢測區域33，其是位於影像3中以參考圖案31b的邊緣311b(虛線)所標示的位置。在此可看到，檢測區域33只在感興趣邊緣311a的附近，而不是準確落在感興趣邊緣311a的位置。而且，顯示的檢測區域33包含多個檢測區域像素331。如圖3(c)所示，用以檢測圖案32a中感興趣的邊緣321a(實線)的檢測區域35，其是位於影像3中參考圖案32b的邊緣321b(虛線)的位置。在此可看到，檢測區域35準確落在感興趣邊緣321a的位置。而且，顯示的檢測區域35包含多個檢測區域像素351。

於一實施例中，選定來檢測的每一感興趣元件能夠以至少一共有的特徵作為其特徵。舉例而言，元件的特徵包含感興趣的元件在樣品中的位置、感興趣的元件的物理性質、感興趣的元件的電氣性質、感興趣的元件所連接的其它特定元件、感興趣的元件的大小、感興趣的元件的組成材料等等，或是以上之組合。這些元件特徵對熟悉此項技術者而言是顯而易知的。以下僅提供一些舉例性的說明作為更為實質且可實施的揭露。

舉例而言，在進行帶電粒子束檢測時，當相同的元件位於一樣品的不同位置，其周圍的元件可能改變與涉及的元件的互相影響而引起環境變化。這可能造成涉及的元件邊緣的灰階值的變化，其有時是背景灰階值所造成的影響。元件特徵的另一實例是元件的物理性質，例如物理形狀或結構。考慮擷取立方體俯視圖的情況。立方體的側壁因此沿著影像平面的垂直方向延伸。如果側壁是陡峭的，三個像素可能足以適當顯示側壁在影像中的灰階值對比。然而，對於較平緩的側壁而言，由於側壁的平面投影面積增加，可能需要四個或更多個像素才能適當顯示灰階值對比。電氣性質也是一重要的元件特徵。舉例而言，導線的灰階值對比的評估可能因其PN接面(PN junction)而不同。相似的概念應用於考量元件的材料也是成立。概括來說，當選擇多個感興趣元件進行檢測，在這些元件中會有至少一共有的元件特徵。

接著，評估找出的檢測區域33、35中的每一點，以產生至少一點回應值(S24)。這點可為單一的像素30、像素30的群集、像素30的次像素或這些次像素的群集。於一實施例中，點回應值是利用至少一點反應評估器，從涉及的點之一預先定義的鄰近區域整體地處理(例如結合或平均)一像素回應值所產生。舉例而言，考慮單一像素30的點，預先定義的鄰近區域可選擇以涉及的點為中心的3x3陣列，因此其包含涉及的點本身以及其周圍的8個像素。個別的點回應評估器可為單一涉及的點產生至少一點回應值。

於一實施例中，帶電粒子顯微影像3為一電壓對比影像。於此例中，點/像素的灰階值作為一基礎點回應值，其可加以應用或是進一步處理以產生其它型式的點回應值，例如灰階值的梯度向量、兩點間之距離(例如獲得的影像中涉及的點以及其相對應資料庫圖案的對應點間的距離)、涉及的點(例如在邊緣的點)的灰階曲率等等。依據欲檢測之缺陷的型態，使用不同型式的點回應值。

點回應值的評估有助於改善涉及的帶電粒子顯微影像與參考資料庫圖案未準確匹配(S22)的容許誤差。舉例而言，如圖3所示，檢測區域35落在感興趣的邊緣321a，亦即參考邊緣321b在資料庫圖案的位置與感興趣邊緣321a在影像3中的位置重疊。因此，檢測區域像素351包含感興趣邊緣321a。如此，選擇針對回應值評估的“點”定義為單一像素，例如檢測區域像素351，且藉由觀測所產生的點回應值的變化，可以偵測出在邊緣321a所存在的異常。

另一方面，如圖3所示，檢測區域33未落在邊緣311a，而是落在邊緣311a的附近。換言之，參考邊緣311b在資料庫圖案的位置偏離感興趣邊緣311a在影像3的位置。如此，感興趣邊緣311a是由鄰近像素341所包含，而不是由檢測區域像素331所包含。在此例中，若選擇針對回應值評估的“點”定義為兩個沿著垂直方向連續的像素，亦一個點可包含一檢測區域像素331以及一鄰近像素341，接著藉由觀測產生的點回應值的變化，仍可以偵測出邊緣311a上所存在的異常。

於一實施例中，當感興趣元件上的點針對點回應進行評估，點回應評估器可依據前述的元件特徵進行選擇。於另一實施例中，考慮選擇點回應評估器的其它因素是欲檢測的缺陷的型態。舉例而言，圖3所示之圖案32a中的缺陷321為一突出的物理性缺陷。為了檢測這類缺陷的存在，可針對涉及的點觀測灰階值梯度向量的方向。需注意者，在參考資料庫圖案識別並找出檢測區域之後，遵循一預先定義的方向執行點回應的評估。參考資料庫圖案也可以選擇預先定義的方向。舉例而言，當從右側接近缺陷321時，如箭號39所示，點在檢測區域35的梯度方向可能朝向上(12點鐘方向)。然而，一旦達到突出的缺陷321時，梯度方向可能改變成相對於12點鐘方向傾斜，例如沿著2點鐘方向。同樣的原理可應用於空隙的物理性缺陷。另一實例為顆粒或針孔的缺陷。針對這兩種缺陷型態，除了灰階值的梯度方向改變之外，檢測區域中的點的灰階值本身在到達缺陷之前以及之後可能有大幅的改變。舉例而言，若一顆粒缺陷發生在陷缺321的位置，當從右側再次接近顆粒缺陷時，如箭號39所示，檢測區域35中的點的灰階值在到達顆粒缺陷前可能看起來相似。

其它實例包含偏移缺陷(shift defect)，其是製造的邊緣偏離在資料庫圖案中所指定的位置；粗糙缺陷(roughness defect)，其是製造的圖案邊緣不平滑；關鍵尺寸變動缺陷(critical dimension variation defect)，其是製造的圖案的關鍵尺寸不一致；架橋缺陷(bridge defect)，其是在兩個製造的元件之間發生非預期的物理性連接；缺漏缺陷(missing defect)，其是元件因錯誤而根本沒有製造，或者是電性缺陷(electrical defect)，例如斷路缺陷(open defect)、漏電缺陷(leakage defect)或短路缺陷(short defect)。因此，針對欲檢測的不同型態缺陷，可選擇使用不同的點回應評估器。

請再參照圖2，最後，於步驟S25，應用至少一決策樹運算器來評估所產生的點回應值，以判定檢測區域33/35中涉及的點的位置是否存在缺陷。舉例而言，使用一統計工具，一組點回應值能夠一起比較以判定是否得到可接受的平均值或誤差。若否，則被檢測的點可能被判定為缺陷。

於一實施例中，決策樹運算器可依據所選擇的點回應評估器及/或欲檢測的缺陷的型態來選擇。舉例而言，決策樹運算器能夠以貝氏統計法(Bayesian statistical method)、定限法(threshold method)、規則法(rule-based method)等等，或以上之組合所實現。

於一實施例中，決策知識包含決策結果以及與判定工作有關的參數(例如欲檢測的元件、欲檢測的缺陷型態、所選擇的點回應評估器、其參數以及其值、所選擇的決策樹運算器、其參數以及其值等等)。決策知識可記錄下來並應用於其它判定工作，以使知識可被傳遞下去並加以累積，藉此持續改進判定的正確性以及精確性。舉例而言，從包含複雜元件組成的檢測區域中收集到的知識可記錄下來並用以協助其它相同或相似檢測區域的檢測。

於一實施例中，決策知識也可用於所偵測的缺陷的分類。舉例而言，如前所述，針對一個涉及的點，利用一個或多個點回應評估器可產生多種型態以及型式的點回應值。在這個涉及的點的檢測結束之後(例如步驟S25)，如果有偵測到的缺陷，即藉由所產生的點回應值的行為與例如多個參考點回應值行為模式配對來找出。需注意者，這些參考點回應值行為模式能夠以經驗為基礎。舉例而言，參考點回應值行為模式可從先前的判定工作所累積的決策知識中形成。於是識別出用以產生配對的點回應值的點回應評估器，且點回應評估器的選擇是部分或完全依據欲檢測的缺陷的型態，所找到的缺陷的型態因此被識別出來。於一實施例中，這種與知識相關的缺陷型態可作為決策知識的一部分而傳遞下去。

由於製造的不準確或錯誤，在帶電粒子顯微影像3中之圖案31a、32a可能偏移它們在資料庫圖案中所指定的位置。因此，參考資料庫圖案所選擇的檢測區域33/35可能遠離圖案31a、32a，且覆蓋到根本沒有圖案的空白區域。在此例中，點回應值的分析結果可能看起來完美，亦即似乎沒有缺陷存在於檢測區域33/35，其結果顯然不正確。為了避免這樣的情形，於一實施例中，可同時選擇多個包含多個相同感興趣元件及/或它們的相同組成或佈局的檢測區域來進行檢測。在一感興趣元件上的多個點彼此進行比較，以及與同樣要檢測的樣品上別處感興趣元件中相對應的點進行比較。這些被比較的點可在相同的影像或是不同的影像。此外，於一實施例中，樣品之間的比較也是允許的。

所揭露判定缺陷的方法能夠以純軟體、純硬體、純韌體或是以上之組合所實現。舉例而言，本方法可寫成一電腦程式，並記錄於電腦可讀取之媒體中，且電腦程式能夠執行伴隨圖2以及圖3所述之實施例之細節。於一實施例中，本方法可記錄於一嵌入式運算裝置或為資料處理系統之一部分。或者，本方法能夠寫成一應用軟體，並執行於相容的運算裝置，例如大型電腦(mainframe host)、終端機(terminals)、個人電腦、任何類型之行動運算裝置或以上之組合。

需注意者，就電腦程式觀點而言，為了實現前述知識學習特徵，步驟S25可更包含產生一決策知識訊號，其儲存決策結果以及參與判定工作的參數，例如欲檢測的元件、欲檢測缺陷的型態、所選擇的點回應評估器、其參數以及其值、所選擇的決策樹運算器、其參數以及其值等等。此決策知識訊號可傳遞至其後的缺陷判定工作，藉以更新其後選用的決策樹運算器的參數以及其值。

需注意者，伴隨圖2以及圖3所述之於一樣品之帶電粒子顯微影像中判定缺陷之方法能夠以運算代理器實現，運算代理器能夠與用以形成涉及的帶電粒子顯微影像之帶電粒子顯微系統通訊。此運算代理器能夠以純硬體(例如獨立的積體電路)、韌體或純電腦程式的方式實現，舉例而言，其能夠以記錄有電腦程式的電腦可讀取媒體加以實現，其中，此程式能夠執行伴隨圖2以及圖3所述之方法之細節。於一實施例中，運算代理器能夠以下例方式實現：大型電腦、終端機、個人電腦、任何類型之行動運算裝置或以上之組合。

於一實施例中，運算代理器包含至少一輸入構件、一運算構件以及一輸出構件。輸入構件能夠與帶電粒子束顯微系統耦合，用以從帶電粒子束顯微系統接收影像資料串流。於一實施例中，輸入構件與帶電粒子束顯微系統耦合是經由選自以下之媒體：纜線、光纖纜線、可攜式儲存媒體、紅外線傳輸、藍芽、人工輸入、內部網路、網路網路、無線網路、無線射頻或以上之組合。於一實施例中，運算代理器內建於帶電粒子束顯微系統中。運算構件與輸入構件耦合，藉以從輸入構件接收影像資料串流，以實現伴隨圖2以及圖3所述之步驟或動作。

如前所述，為了執行所揭露之方法，必須可取得欲檢測之樣品的參考資料庫圖案。於一實施例中，參考資料庫圖案能夠由使用者經由設置於運算代理器之使用輸入工具輸入。或者，所使用的參考資料庫圖案能夠從載入圖案的涉及的帶電粒子束顯微系統(例如經由設置的使用者輸入工具)挑選。又，得自運算代理器以及帶電粒子束顯微系統的參考資料庫圖案能夠同時混合使用。於一實施例中，參考資料庫圖案能夠預先儲存於設置在運算代理器之儲存媒體。

如前所述，在運算構件在運算結束時，將可判定檢測的影像中所存在的缺陷。輸出構件與運算構件耦合，用以接收判定結果，例如以訊號的型式，並輸出判定結果供使用者參考。

請參照圖4，其說明本發明一實施例之帶電粒子束檢測系統4。帶電粒子束檢測系統4用以檢測位於一樣品台49上之樣品48，並包含一帶電粒子束產生器41、一聚集鏡模組42、一探針形成物鏡模組43、一帶電粒子束偏向模組44、一二次帶電粒子偵測模組45、一影像形成模組46以及一缺陷判定模組47。帶電粒子束產生器41用以產生一初級帶電粒子束401。聚集鏡模組42用以聚集初級帶電粒子束401。探針形成物鏡模組43用以聚焦已聚集的初級帶電粒子束401成為一帶電粒子束探針402。帶電粒子束偏向模組44用以將所形成的帶電粒子束探針402掃描固定於樣品台49上之樣品48的表面。於一實施例中，帶電粒子束產生器41、聚集鏡模組42以及探針形成物鏡模組43或其均等的設計、替代物或以上之組合共同形成一帶電粒子束探針產生器，其用以產生掃描用的帶電粒子速探針402。

二次帶電粒子偵測模組45用以偵測經帶電粒子束探針402轟擊而從樣品表面放射之二次帶電粒子403(可能伴隨從樣品表面反射或散射的帶電粒子)，並相對應地產生一二次帶電粒子偵測訊號404。影像形成模組46與二次帶電粒子偵測模組45電性耦合，以接收來自二次帶電粒子偵測模組45的二次帶電粒子偵測訊號404，並相對應地形成至少一帶電粒子顯微影像。影像形成模組46可為一大型電腦、終端機、個人電腦、任何類型之行動運算裝置或以上之組合。另外，影像形成模組46與二次帶電粒子偵測模組45連接可經由選自以下之媒體：纜線、光纖纜線、可攜式儲存媒體、紅外線傳輸、藍芽、內部網路、網路網路、無線網路、無線射頻或以上之組合。於一實施例中，二次帶電粒子偵測模組45以及影像形成模組46，或其均等的設計、替代物或以上之組合共同形成一影像形成裝置，其偵測經該帶電粒子束探針402轟擊而從樣品48放射出之二次帶電粒子，以形成一帶電粒子顯微影像。

上述之帶電粒子束檢測系統之構件為所屬技術領域者所熟知，且在此並示用以限制本發明之範圍。這些構件之替代物、均等物以及修改仍屬於本發明所揭露的範圍。

缺陷判定模組47與影像形成裝置之影像形成模組46電性耦合，用以判定接收自影像形成模組46之帶電粒子顯微影像中所存在的缺陷。於一實施例中，陷判定模組47與影像形成裝置連接與存取是經由選自以下之媒體：纜線、光纖纜線、可攜式儲存媒體、紅外線傳輸、人工輸入、藍芽、內部網路、網路網路、無線網路、無線射頻或以上之組合。另外，陷判定模組47可由選自以下其中之一所實現：一大型電腦、終端機、個人電腦、任何類型之行動運算裝置或以上之組合。於一實施例中，用以判定缺陷之電腦程式記錄於缺陷判定模組47中之一電腦可讀取之媒體，以使缺陷判定模組47能夠執行伴隨圖2以及圖3所述之缺陷判定步驟。需注意者，於一實施例中，缺陷判定模組47是以前述之運算代理器所實現。

綜合上述，本發明實施例之於一樣品之帶電粒子顯微影像中判定缺陷之方法以及其應用已揭露。一帶電粒子束檢測系統能夠執行所揭露的方法，以參考與涉及的帶電粒子顯微影像相對應之資料庫圖案的方式，直接找出所獲得之帶電粒子顯微影像中之至少一檢測區域。找出的檢測區域至少關於一欲檢測的感興趣元件，以及可能部分或全部包含感興趣的元件。檢測區域也能完全遠離感興趣的元件。接著，評估找出的檢測區域中的點。此評估為每一檢測的點產生一點回應。接著分析這些點回應值以判定欲檢測的點的位置所存在的缺陷。

以上所述之實施例僅是為說明本發明之技術思想及特點，其目的在使熟習此項技藝之人士能夠瞭解本發明之內容並據以實施，當不能以之限定本發明之專利範圍，即大凡依本發明所揭示之精神所作之均等變化或修飾，仍應涵蓋在本發明之專利範圍內。

1．．．帶電粒子顯微影像

11a、12a．．．圖案

111a、121a．．．邊緣

11b、12b．．．參考圖案

111b、121b．．．邊緣

122．．．缺陷

3．．．帶電粒子顯微影像

30．．．像素

31a、32a．．．感興趣圖案

311a、321a．．．感興趣邊緣

31b、32b．．．參考圖案

311b、321b．．．參考邊緣

321．．．缺陷

33、35．．．檢測區域

331、351．．．檢測區域像素

341．．．鄰近像素

39．．．箭號

4．．．帶電粒子束檢測系統

401．．．初級帶電粒子束

402．．．帶電粒子束探針

403．．．二次帶電粒子

404．．．二次帶電粒子偵測訊號

41．．．帶電粒子束產生器

42．．．聚集鏡模組

43．．．探針形成物鏡模組

44．．．帶電粒子束偏向模組

45．．．二次帶電粒子偵測模組

46．．．影像形成模組

47．．．缺陷判定模組

48．．．樣品

49．．．樣品台

S21~S25．．．判定缺陷之步驟

圖1為一示意圖，顯示習知於一樣品之帶電粒子束檢測中判定缺陷的方法。

圖2為一流程圖，顯示本發明一實施例之於一樣品之帶電粒子束檢測中判定缺陷的方法。

圖3為一示意圖，顯示本發明一實施例之於一樣品之帶電粒子束檢測中判定缺陷的方法。

圖4為一示意圖，顯示本發明一實施例之帶電粒子束檢測系統。

S21~S25．．．判定缺陷之步驟

Claims (19)

1. 一種於一樣品之帶電粒子束檢測中判定缺陷之方法，包含：提供該樣品之至少一帶電粒子顯微影像；將每一該影像與其相對應之該樣品之資料庫圖案作匹配；從每一該影像中，參考相對應之該資料庫圖案找出至少一檢測區域，每一找出之該檢測區域關於至少一該樣品之元件，每一涉及的該元件具有至少一特徵；使用至少一點回應評估器，以從涉及的該點之一預先定義之鄰近區域中全體地處理至少一像素回應值的方式，為找出之該檢測區域中的每一點，產生至少一點回應值；以及應用至少一決策樹運算器於所產生涉及的該點之該點回應值，判定涉及的該點的位置所存在的缺陷。
2. 如請求項1所述之方法，其中從找出的每一該檢測區域中涉及的該元件具有至少一共有的特徵。
3. 如請求項1所述之方法，其中選擇該點回應評估器是依據涉及的該元件之該特徵及/或欲檢測之該缺陷的型態。
4. 如請求項1所述之方法，其中涉及的該元件之該特徵包含涉及的該元件在該樣品中的位置、涉及的該元件的物理性質、涉及的該元件的電氣性質、涉及的該元件所連接的其它特定元件、涉及的該元件的大小、涉及的該元件的組成材料或以上之組合。
5. 如請求項1所述之方法，其中選擇該決策樹運算器是依據所選擇的該點回應評估器及/或欲檢測之該缺陷的型態。
6. 如請求項1所述之方法，更包含產生一決策知識，其包含欲檢測之涉及的該元件的訊息、欲檢測之該缺陷的型態、所選擇的該點回應評估器、其參數以及其值、所選擇的該決策樹運算器、其參數以及其值，其中，該決策知識傳遞至其後的判定步驟以更新在其後所選擇的該決策樹運算器所使用的該參數以及其值。
7. 如請求項1所述之方法，其中該決策樹運算器是以貝氏統計法(Bayesian statistical method)、定限法(threshold method)、規則法(rule-based method)或以上之組合所實現。
8. 如請求項1所述之方法，其中該點回應值包含涉及的該點的灰階值、涉及的該點的灰階值梯度向量、兩個涉及的該點間之距離、涉及的該點的灰階曲率或以上之組合。
9. 如請求項1所述之方法，更包含依據所選擇的該點回應評估器將所判定的缺陷分類。
10. 一種於一樣品之帶電粒子束檢測中判定缺陷之運算代理器，包含：一輸入構件，其與一用以成像該樣品之帶電粒子束顯微系統耦合，並從帶電粒子束顯微系統接收該樣品之帶電粒子顯微影像；以及一運算構件，其與該輸入構件耦合，用以從該輸入構件接收該影像，其中，該運算構件包含一電腦可讀取之媒體，其記錄有一電腦程式，該電腦程式執行之步驟至少包含：將每一接收之該影像與其相對應之該樣品之資料庫圖案作匹配；從每一該影像中，參考相對應之該資料庫圖案找出至少一檢測區域，每一找出之該檢測區域關於至少一該樣品之元件，每一涉及的該元件具有至少一共有的特徵；使用至少一點回應評估器，以從涉及的該點之一預先定義之鄰近區域中全體地處理至少一像素回應值的方式，為找出之該檢測區域中的每一點，產生至少一點回應值；以及應用至少一決策樹運算器於所產生涉及的該點之該點回應值，判定涉及的該點的位置所存在的缺陷。
11. 如請求項10所述之運算代理器，其中涉及的該元件之該特徵包含涉及的該元件在該樣品中的位置、涉及的該元件的物理性質、涉及的該元件的電氣性質、涉及的該元件所連接的其它特定元件、涉及的該元件的大小、涉及的該元件的組成材料或以上之組合。
12. 如請求項10所述之運算代理器，其中該電腦程式更執行一產生一決策知識之步驟，該決策知識包含欲檢測之涉及的該元件的訊息、欲檢測之該缺陷的型態、所選擇的該點回應評估器、其參數以及其值、所選擇的該決策樹運算器、其參數以及其值，其中，該決策知識傳遞至其後的判定步驟以更新在其後所選擇的該決策樹運算器所使用的該參數以及其值。
13. 如請求項10所述之運算代理器，其中該電腦程式更執行依據所選擇的該點回應評估器將所判定的缺陷分類之步驟。
14. 如請求項10所述之運算代理器，其中該輸入構件與該帶電粒子束顯微系統耦合是經由選自以下之媒體：纜線、光纖纜線、可攜式儲存媒體、紅外線傳輸、藍芽、人工輸入、內部網路、網路網路、無線網路、無線射頻或以上之組合。
15. 一種用以檢測一樣品之帶電粒子束檢測系統，包含：一帶電粒子束探針產生器，用以產生一帶電粒子速探針；一帶電粒子束偏向模組，用以將該帶電粒子束探針掃描該樣品之一表面；一影像形成裝置，用以偵測經該帶電粒子束探針轟擊而從該樣品放射出之二次帶電粒子，並相對應形成至少一該樣品之帶電粒子顯微影像；以及一缺陷判定模組，其記錄有一用以判定該樣品中所存在之一缺陷之電腦程式，該缺陷判定模組與該影像形成裝置耦合，其中，該電腦程式執行以下步驟：從該影像形成裝置取得至少一該樣品之帶電粒子顯微影像；將每一該影像與其相對應之該樣品之資料庫圖案作匹配；從每一該影像中，參考相對應之該資料庫圖案找出至少一檢測區域，每一找出之該檢測區域關於至少一該樣品之元件，每一涉及的該元件具有至少一共有的特徵；使用至少一點回應評估器，以從涉及的該點之一預先定義之鄰近區域中全體地處理至少一像素回應值的方式，為找出之該檢測區域中的每一點，產生至少一點回應值；以及應用至少一決策樹運算器於所產生涉及的該點之該點回應值，判定涉及的該點的位置所存在的缺陷。
16. 如請求項15所述之帶電粒子束檢測系統，其中涉及的該元件之該特徵包含涉及的該元件在該樣品中的位置、涉及的該元件的物理性質、涉及的該元件的電氣性質、涉及的該元件所連接的其它特定元件、涉及的該元件的大小、涉及的該元件的組成材料或以上之組合。
17. 如請求項15所述之帶電粒子束檢測系統，其中該缺陷判定模組更執行一產生一決策知識之步驟，該決策知識包含欲檢測之涉及的該元件的訊息、欲檢測之該缺陷的型態、所選擇的該點回應評估器、其參數以及其值、所選擇的該決策樹運算器、其參數以及其值，其中，該決策知識傳遞至其後的判定步驟以更新在其後所選擇的該決策樹運算器所使用的該參數以及其值。
18. 如請求項15所述之帶電粒子束檢測系統，其中該缺陷判定模組更執行依據所選擇的該點回應評估器將所判定的缺陷分類之步驟。
19. 如請求項15所述之帶電粒子束檢測系統，其中該缺陷判定模組與該影像形成裝置耦合是經由選自以下之媒體：纜線、光纖纜線、可攜式儲存媒體、紅外線傳輸、人工輸入、藍芽、內部網路、網路網路、無線網路、無線射頻或以上之組合。