TWI571946B - 疊代式缺陷濾除製程 - Google Patents

疊代式缺陷濾除製程 Download PDF

Info

Publication number
TWI571946B
TWI571946B TW104134706A TW104134706A TWI571946B TW I571946 B TWI571946 B TW I571946B TW 104134706 A TW104134706 A TW 104134706A TW 104134706 A TW104134706 A TW 104134706A TW I571946 B TWI571946 B TW I571946B
Authority
TW
Taiwan
Prior art keywords
defect
defect candidate
subgroup
classification
additional
Prior art date
Application number
TW104134706A
Other languages
English (en)
Other versions
TW201624580A (zh
Inventor
夏博泰薩爾
凱薩門亞當
瓦奇斯艾米爾
Original Assignee
應用材料以色列公司
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 應用材料以色列公司 filed Critical 應用材料以色列公司
Publication of TW201624580A publication Critical patent/TW201624580A/zh
Application granted granted Critical
Publication of TWI571946B publication Critical patent/TWI571946B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • 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
    • 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
    • G06T2207/20112—Image segmentation details
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Description

疊代式缺陷濾除製程
本發明相關於疊代式缺陷濾除製程。
諸如半導體晶圓、印刷電路板、太陽能面板以及微機電(microelectromechanical；MEMS)裝置的各種物件，係由高度複雜且昂貴的生產製程所生產。
生產製程誤差可造成缺陷而限制良率。係由良率管理系統(Yield Management System；YMS)支援生產。YMS收集並分析來自各種生產階段的各種工具的生產與測試資料。YMS的目標為快速識別影響良率的工具與製程。
通常由應用檢查製程以及隨後的查核製程，來執行缺陷檢測。可由光學檢查工具或電子束檢查工具執行檢查製程，且檢查製程的目標為找到可疑的缺陷。通常由掃描式電子顯微鏡(scanning electron microscope；SEM)執行查核製程，且查核製程的目標為判定哪些可疑缺陷的確是缺陷，且在的確是缺陷時判定這些缺陷屬於哪些缺陷分類(類別)。查核製程包含獲取可疑缺陷的SEM影像，並由分類器處理SEM影像。
通常而言，檢查工具與查核工具經由晶圓廠通訊系統連接，並由YMS控制檢查-查核的流程。例如， YMS將一批半導體晶圓指派至特定的檢查工具(以進行光學檢查或電子束檢查)。檢查結果-代表可能的缺陷的晶圓位置列表，以及相關聯於這些位置的特定檢查屬性-被提供給YMS。YMS以手動、半自動或全自動的方式，識別感興趣的位置。例如，檢查工具及(或)YMS可識別特定結果為「汙穢(nuisance)」或「真實缺陷」；YMS通常選擇「真實缺陷」位置的子集，並將感興趣的位置傳送至所分配的查核工具。查核工具查核感興趣的位置以及他們周圍，並產生額外的資料(例如SEM影像、各別的影像處理屬性、缺陷分類(類型))，並將資料傳回YMS。當前的檢查系統所提供的每物件的可疑缺陷數，可超過一百萬個。查核製程(特別是獲取SEM影像)相當長。將每一個可疑缺陷成像，將使得查核製程不合理地冗長。因此，在技術領域中已知許多用於提升檢查產量、查核產量、檢查結果品質、查核結果品質、YMS作業的技術。
再者，當前的檢查系統利用固定式汙穢濾除器，此濾除器輸出有限的每晶圓可疑缺陷數。固定式汙穢濾除器被在配方建置製程期間內建置，且因此無法適當地隨著時間追蹤發生在生產製程及(或)檢查製程中的產製(production)改變。對每一可疑缺陷計算數個屬性。由於檢查系統的低解析度(相對於SEM而言)，所提供關於可疑缺陷的資訊可不充分。
因此，逐漸需要由晶圓檢測提供出較高敏感度的結果，並與更有效且更精確的濾除機制結合，以在濾除汙穢時維持感興趣的真實缺陷。逐漸需要用於測量最佳化的自動化系統與製程。逐漸要求改良對於半導體製造良率管理的資料解譯。
根據本發明之具體實施例，可提供一種將晶圓的缺陷分類的方法，方法係由電腦化系統執行，方法可包含以下步驟：a.獲取步驟，獲取關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選者的屬性的值；b.選擇步驟，由電腦化系統的處理器選擇所選缺陷候選者子群組，此係回應於至少屬於所選子群組的缺陷候選者的屬性的值；c.分類步驟，將所選子群組的缺陷候選者分類，以提供所選子群組分類結果；d.重複下列步驟，直到滿足停止條件為止：i.額外選擇步驟，回應於以下而選擇額外的所選缺陷候選者子群組：(a)至少屬於額外的所選子群組的缺陷候選者的屬性的值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果；以及 ii.額外分類步驟，將額外的所選子群組的缺陷候選者分類，以提供額外的所選子群組的分類結果。
獲取缺陷候選者資訊的獲取步驟，可包含以下步驟：由光學檢查裝置檢查晶圓，以提供缺陷候選者資訊。
獲取缺陷候選者資訊的獲取步驟，可包含以下步驟：接收來自光學檢查裝置的缺陷候選者資訊。
將所選子群組的缺陷候選者分類的分類步驟，可包含以下步驟：成像步驟，由帶電粒子束成像缺陷候選者，以產生帶電粒子影像；以及處理步驟，由缺陷分類器處理帶電粒子影像，以提供所選子群組的分類結果。
方法可包含以下步驟：提供表示被分類為至少一個缺陷類別之缺陷的缺陷候選者的缺陷資訊。
停止條件的滿足可包含：獲取具有純度位準的分類結果，純度位準超過純度臨限。
方法可包含以下步驟：獲取每一所選子群組的每一缺陷候選者的一或更多個影像；其中停止條件的滿足可包含獲取預定數量的影像。
方法可包含以下步驟：獲取每一所選子群組的每一缺陷候選者的一或更多個影像；其中停止條件的滿足可包含獲取特定缺陷類型的預定數量的影像。
選擇額外的所選子群組的額外選擇步驟，可包含以下步驟：選擇群組的所選部分，此係回應於由將至少一個其他所選子群組分類而獲取的分類結果；以及從群組 的所選部分選出額外的所選子群組，此係回應於屬於群組的部分的缺陷候選者的屬性的值，其中群組的部分可包含額外的所選子群組。
群組的所選部分可未包含屬於任何先前選擇的子群組的缺陷候選者。
方法可包含以下步驟：藉由以下步驟選擇群組的所選部分：計算屬性超空間的區段的區段分數；其中由缺陷候選者表示在該屬性超空間中表示群組的缺陷候選者，缺陷候選者表示指示缺陷候選者的屬性的值；以及回應於區段分數而選擇所選區段；其中群組的所選部分，可包含由屬於所選區段的缺陷候選者表示所表示的缺陷候選者。
方法可包含以下步驟：計算區段的區段分數，此係回應於區段內的缺陷候選者表示分佈的參數。
方法可包含以下步驟：計算區段的區段分數，此係回應於至少一個分類結果，至少一個分類結果相關於具有在區段內的缺陷候選者表示的至少一個缺陷候選者。
方法可包含以下步驟：計算區段的區段分數，此係回應於被分類為缺陷的缺陷候選者的缺陷候選者表示分佈的參數。
缺陷候選者的屬性的值可展成屬性超空間，且方法可包含以下步驟：將屬性超空間分段成區段。
方法可包含以下步驟，將屬性超空間再分段成區段，此係回應於至少一個所選子群組分類結果。
方法可包含以下步驟：執行多個分類疊代，以提供多個分類疊代結果；以及調適可調整式分類臨限並將屬性超空間分段成區段，此係回應於多個分類疊代結果；其中可調整式分類臨限被利用於多個分類疊代期間內。
方法可進一步包含以下步驟：接收來自人的停止條件。
將缺陷候選者分類的分類步驟可包含以下步驟：接收來自人的分類資訊。
方法可包含以下步驟：接收相關於晶圓的區域中的至少一者以及缺陷類別的感興趣位準資訊；且其中選擇所選缺陷候選者子群組的選擇步驟以及將缺陷候選者分類的分類步驟中的至少一個步驟，係可回應於感興趣位準資訊。
電腦化系統的處理器可經由網路耦接至缺陷分類器以及良率管理系統(Yield Management System；YMS)。
電腦化系統的處理器可經由網路耦接至檢查工具與查核工具。
電腦化系統的處理器可經由網路耦接至多個檢查工具與複數個查核工具。
電腦化系統的處理器可被包含在缺陷分類器中。
電腦化系統的處理器可經由網路耦接至缺陷分類器以及良率管理系統(YMS)。
獲取缺陷候選者資訊的獲取步驟，可包含以下步驟：由檢查模組產生缺陷候選者資訊，檢查模組可耦接至電腦化系統的處理器。
根據本發明之具體實施例，可提供一種非暫態性電腦可讀取儲存媒體，非暫態性電腦可讀取儲存媒體儲存指令，指令在由電腦執行時將使電腦執行步驟，該等步驟包含：a.獲取步驟，獲取關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選者的屬性的值；b.選擇步驟，選擇所選缺陷候選者子群組，此係回應於至少屬於所選子群組的缺陷候選者的屬性的值；c.分類步驟，將所選子群組的缺陷候選者分類，以提供所選子群組分類結果；d.重複下列步驟，直到滿足停止條件為止：額外選擇步驟，回應於以下而選擇額外的所選缺陷候選者子群組：(a)至少屬於額外的所選子群組的缺陷候選者的屬性的值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果；以及額外分類作業，將額外的所選子群組的缺陷候選者分類，以提供額外的所選子群組的分類結果。
根據本發明之具體實施例，可提供一種用於將晶圓缺陷分類的電腦化系統，電腦化系統可包含處理器與記憶體單元；其中處理器經設置以至少執行下列階段：a.獲取階段，獲取關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選者的屬性的值；b.選擇階段，選擇所選缺陷候選者子群組，此係回應於至少屬於所選子群組的缺陷候選者的屬性的值；c.分類階段，將所選子群組的缺陷候選者分類，以提供所選子群組分類結果；d.重複下列階段，直到滿足停止條件為止：i.額外選擇階段，回應於以下而選擇額外的所選缺陷候選者子群組：(a)至少屬於額外的所選子群組的缺陷候選者的屬性的值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果；以及ii.額外分類階段，將額外的所選子群組的缺陷候選者分類，以提供額外的所選子群組的分類結果。
根據本發明之具體實施例，可提供一種電腦化系統，電腦化系統可包含處理器與記憶體單元；其中處理器經設置以至少執行下列階段： a.獲取階段，獲取關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選者的屬性的值；b.選擇階段，由電腦化系統的處理器選擇所選缺陷候選者子群組，此係回應於至少屬於所選子群組的缺陷候選者的屬性的值；c.傳送階段，將關於所選缺陷候選者子群組的資訊傳送至缺陷分類器；d.接收來自缺陷分類器的所選子群組分類結果；e.重複下列階段，直到滿足停止條件為止：i.額外選擇階段，回應於以下而選擇額外的所選缺陷候選者子群組：(a)至少屬於額外的所選子群組的缺陷候選者的屬性的值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果；ii.額外傳送階段，將關於額外的所選子群組的資訊傳送至缺陷分類器；以及iii.額外接收階段，接收來自該缺陷分類器的額外的所選子群組的分類結果。
根據本發明之具體實施例，可提供一種用於晶圓檢查、缺陷檢測以及分類的方法，方法可包含以下步驟：a.檢查步驟，由光學檢查裝置檢查晶圓，以提供關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選 者的多個屬性的值；其中多個屬性可包含表示光學檢查裝置的光學檢查參數的屬性；b.獲取步驟，由帶電粒子束工具獲取缺陷候選者群組的部分的缺陷候選者的帶電粒子束影像；c.處理步驟，由缺陷分類器處理帶電粒子束影像，以提供部分分類結果；以及d.輸出步驟，輸出所提供的部分分類結果的至少一部分。
帶電粒子束工具可為SEM、TEM、STEM或離子成像器。
方法可包含以下步驟：防止對光學檢查裝置的操作者顯示缺陷候選者資訊。
缺陷候選者群組的部分可包含多個所選缺陷候選者子群組。
根據本發明之具體實施例，可提供一種用於晶圓檢查、缺陷檢測以及分類的方法，方法可包含以下步驟：a.檢查步驟，由第一工具以第一解析度與第一產量檢查晶圓，以提供關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選者的多個屬性的值；其中多個屬性可包含表示光學檢查裝置的光學檢查參數的屬性； b.獲取步驟，由第二工具以第二解析度與第二產量，獲取缺陷候選者群組的部分的缺陷候選者的第二工具影像；c.處理步驟，由缺陷分類器處理第二工具影像，以提供部分分類結果；以及d.輸出步驟，輸出所提供的部分分類結果的至少一部分。
根據本發明之具體實施例，可提供一種用於晶圓檢查、缺陷檢測以及分類的方法，方法可包含以下步驟：a.檢查步驟，由第一工具以第一解析度與第一產量檢查晶圓，以提供關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選者的多個屬性的值；其中多個屬性可包含表示光學檢查裝置的光學檢查參數的屬性；b.獲取步驟，由第二工具以第二解析度與第二產量，獲取缺陷候選者群組的部分的缺陷候選者的第二工具影像；其中第二解析度高於第一解析度，且第一產量高於第二產量；c.傳送步驟，將第二工具影像傳送至缺陷分類器；d.接收步驟，接收來自缺陷分類器的部分分類結果；以及 e.輸出步驟，輸出所提供的部分分類結果的至少一部分。
根據本發明之具體實施例，可提供一種用於分類晶圓缺陷的方法，方法可由電腦化系統執行，方法可包含以下步驟：a.獲取步驟，獲取關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選者的屬性的值；b.選擇步驟，由電腦化系統的處理器選擇所選缺陷候選者子群組，此係回應於至少屬於所選子群組的缺陷候選者的屬性的值；c.傳送步驟，向缺陷分類器傳送關於所選缺陷候選者群組的資訊；d.接收步驟，接收來自缺陷分類器的所選子群組的分類結果；e.重複下列步驟，直到滿足停止條件為止：i.額外選擇步驟，回應於以下而選擇額外的所選缺陷候選者子群組：(a)至少屬於額外的所選子群組的缺陷候選者的屬性的值；以及(b)由將至少一個其他所選子群組以缺陷分類器分類而獲取的分類結果；ii.額外傳送步驟，向缺陷分類器傳送關於額外的所選子群組的資訊；以及 iii.額外接收步驟，接收來自缺陷分類器的額外的所選子群組的分類結果。
根據本發明之具體實施例，可提供一種非暫態性電腦可讀取儲存媒體，非暫態性電腦可讀取儲存媒體儲存指令，指令一旦由電腦執行將使電腦執行步驟，該等步驟包含：a.獲取步驟，獲取關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊可包含群組的每一缺陷候選者的屬性的值；b.選擇步驟，選擇所選缺陷候選者子群組，此係回應於至少屬於所選子群組的缺陷候選者的屬性的值；c.傳送步驟，向缺陷分類器傳送關於所選缺陷候選者子群組的資訊；d.接收步驟，接收來自缺陷分類器的所選子群組的分類結果；e.重複下列步驟，直到滿足停止條件為止：i.額外選擇步驟，回應於以下而選擇額外的所選缺陷候選者子群組：(a)至少屬於額外的所選子群組的缺陷候選者的屬性的值；以及(b)由將至少一個其他所選子群組以缺陷分類器分類而獲取的分類結果；ii.額外傳送步驟，向缺陷分類器傳送關於額外的所選子群組的資訊；以及 iii.額外接收步驟，接收來自缺陷分類器的額外的所選子群組的分類結果。
100‧‧‧方法
110-173‧‧‧步驟
200’‧‧‧群組
201’‧‧‧所選子群組
202’‧‧‧第一額外的所選子群組
203’‧‧‧第二額外的所選子群組
211’‧‧‧群組第一部分
212’‧‧‧群組第二部分
221’‧‧‧所選子群組分類結果
222’‧‧‧第一額外的所選子群組分類結果
223’‧‧‧第二額外的所選子群組分類結果
301‧‧‧屬性超空間
302‧‧‧區域
303‧‧‧缺陷候選者表示叢集
304‧‧‧區段
305‧‧‧缺陷候選者表示
141‧‧‧步驟
144-146‧‧‧步驟
102‧‧‧方法
110-170‧‧‧步驟
101‧‧‧方法
110-170‧‧‧步驟
200‧‧‧裝置
201‧‧‧記憶體單元
202‧‧‧處理器
210‧‧‧檢查工具
220‧‧‧查核工具
230‧‧‧自動缺陷分類器(ADC)
240‧‧‧網路
250‧‧‧晶圓廠良率管理系統
260‧‧‧檢查與查核工具
265‧‧‧資料處理伺服器
270‧‧‧製程控制工具
272‧‧‧檢查模組
274‧‧‧查核模組
276‧‧‧ADC模組
278‧‧‧濾除器
800‧‧‧方法
810-840‧‧‧階段
210’‧‧‧第一工具
220’‧‧‧第二工具
1100‧‧‧電腦系統
1102‧‧‧處理裝置(處理器)
1104‧‧‧主記憶體
1106‧‧‧靜態記憶體
1108‧‧‧匯流排
1110‧‧‧視頻顯示單元
1112‧‧‧文數字輸入裝置
1114‧‧‧游標控制裝置
1116‧‧‧資料儲存裝置
1120‧‧‧訊號產生裝置
1122‧‧‧網路介面裝置
1124‧‧‧電腦可讀取儲存媒體
1126‧‧‧指令組
視為是本發明的技術主題，被特定地指出且獨特地請求於說明書的最後部分中。然而，參考下面的實施方式並與附加圖式一起閱讀，可最佳地瞭解本發明，不論是組織及作業方法，或是物件、特徵及其優點，在附加圖式中：第1圖根據本發明之具體實施例圖示說明一方法；第2圖根據本發明之具體實施例圖示說明缺陷候選者群組、所選缺陷候選者子群組、第一與第二個額外的所選缺陷候選者子群組、第一與第二個群組部分、所選子群組分類結果、第一個額外的所選子群組分類結果以及第二個額外的所選子群組分類結果；第3圖根據本發明之具體實施例圖示說明屬性超空間、多個屬性超空間區域、多個缺陷候選者表示叢集以及屬性超空間區段；第4圖根據本發明之具體實施例圖示說明第1圖之方法的步驟；第5圖根據本發明之具體實施例圖示說明一方法；第6圖根據本發明之具體實施例圖示說明一方法； 第7A圖根據本發明之具體實施例圖示說明一系統；第7B圖根據本發明之具體實施例圖示說明一系統；第7C圖根據本發明之具體實施例圖示說明一系統；第7D圖根據本發明之具體實施例圖示說明一系統；第7E圖根據本發明之具體實施例圖示說明一系統；第8圖根據本發明之具體實施例圖示說明一方法；第9圖根據本發明之具體實施例圖示說明一系統；第10圖根據本發明之具體實施例圖示說明一系統；且第11圖為根據各種實施例的範例電腦系統的方塊圖，此電腦系統可執行本文所說明的作業之一或更多者。
在下面的實施方式中，闡明數種特定細節以期通透瞭解本發明。然而，在本發明技術領域中具有通常知識者將瞭解到，本發明的實作可無需這些特定細節。在其 他實例中，並未說明熟知的方法、處理程序以及部件的細節，以避免遮蔽本發明。
視為是本發明的技術主題，被特定地指出且獨特地請求於說明書的最後部分中。然而，參考下面的實施方式並與附加圖式一起閱讀，可最佳地瞭解本發明，不論是組織及作業方法，或是物件、特徵及其優點。
將理解到，為了簡要、清楚地圖示說明，圖式中所圖示的元件並非必要地依比例繪製。例如，相對於其他元件，可誇大一些元件的尺寸以期清楚說明。再者，在適當時，可在圖式中重複使用元件編號，以指示對應或類比的元件。
因為所圖示說明的本發明具體實施例，大部分可使用本發明技術領域中具有通常知識者所熟知的電子部件與電路來實施，所以對於細節的解釋程度將不大於必要的程度(如圖示說明於上面)，以期瞭解並理解本發明之下層概念並不模糊或轉移本發明的教示內容。
在說明書中任何對於方法的參照，應經過適當修正後應用至能夠執行方法的系統，且應經過適當修正後應用至儲存指令的非暫態性電腦可讀取媒體，此等指令在由電腦執行時即造成方法執行。
在說明書中任何對於系統的參照，應經過適當修正後應用至可由系統執行的方法，且應經過適當修正後應用至儲存指令的非暫態性電腦可讀取媒體，此等指令可由系統執行。
在說明書中任何對於非暫態性電腦可讀取媒體的參照，應經過適當修正後應用至能夠執行儲存在非暫態性電腦可讀取媒體中之指令的系統，且應經過適當修正後應用至可由電腦執行的方法，此電腦讀取儲存在非暫態性電腦可讀取媒體中的指令。
缺陷候選者群組亦被稱為群組。缺陷候選者群組的部分亦被稱為群組部分。缺陷候選者子群組亦被稱為子群組。
用詞「工具」、「系統」以及「裝置」被以可互換式方式來使用。
用詞「電腦」以及「電腦化裝置」被以可互換式方式來使用。
說明書提供了自動缺陷分類(automatic defect classification；ADC)製程的各種範例。注意到，這些範例僅為非限制性範例，且應用並不限於說明書圖示說明的ADC製程範例。
注意到，任何ADC製程可為全自動的、部分自動的或全手動的。因此，(由ADC製程執行的.)缺陷分類的至少一階段，可回應於人提供的輸入。此人可為說明書圖示說明之裝置及(或)工具之任意者的使用者或操作者。
例如，人可將缺陷分類、界定感興趣的缺陷、界定感興趣的物件區域以及類似者。人可界定兩或更多個 感興趣位準，且不限於僅界定非感興趣區域與感興趣區域。
下面的範例針對檢查工具與查核工具。任何檢查工具與任何查核工具，可使用一或更多個光束及(或)一或更多個帶電粒子束。檢查工具的非限制性範例，可包含紫外線(ultraviolet；UV)檢查工具、極紫外線(extreme UV)檢查工具、深紫外線(deep UV)檢查工具、帶電粒子束檢查工具以及類似者。查核工具的非限制性範例可包含掃描式電子顯微鏡(SEM)、穿透電子顯微鏡(transmission electron microscope；TEM)、掃描穿透電子顯微鏡(STEM)、離子束成像器以及類似者。
說明書中提供的範例之任意者，皆為本發明各種具體實施例的非限制性範例。
第1圖根據本發明具體實施例圖示說明方法100。使用方法100以濾除缺陷候選者。濾除包含僅選擇一些缺陷候選者以經受分類製程。可由自動缺陷分類方法(ADC)執行分類。可在SEM上或在特定伺服器上執行方法100。可在每一缺陷之後或對缺陷群組執行方法100。可忽略未選擇的缺陷候選者。所選出以經受分類製程的缺陷候選者，一些可被分類為非缺陷，一些可被分類至一或更多個感興趣缺陷類別，且一些可被分類至一或更多個非感興趣類別。感興趣類別可由使用者界定，或可被自動界定。
對於要經受分類製程的缺陷候選者的選擇，可由多次疊代完成。根據本發明之具體實施例，係回應於分類製程的結果而進行至少一些疊代。
方法100可由步驟110開始，獲取關於缺陷候選者群組的缺陷候選者資訊。缺陷候選者資訊包含群組的每一缺陷候選者的屬性值。
缺陷候選者資訊的獲取，可包含執行缺陷檢查製程。可執行缺陷檢查製程而不應用固定式汙穢濾除器，或不實質濾除相關於缺陷候選者的屬性。
可不執行缺陷檢查製程即可執行缺陷候選者資訊的獲取。在此情況中，階段110包含接收在檢查製程期間產生的缺陷候選者資訊(或檢查製程的缺陷候選者資訊結果)。
群組的缺陷候選者數量可為非常大一可超過一百個或數百個缺陷候選者、一百萬個或數百萬個缺陷以及類似者。用詞「數(few)」可針對在1與10之間的範圍內的數量。
(每一缺陷候選者的)屬性數量可為非常大，且屬性可包含多個類型的屬性。例如，屬性數量的範圍可在1與1000之間、10與500之間、30與200之間以及類似者。屬性數量可超過1000。
本發明並不受限於用於產生缺陷候選者資訊的檢查製程的類型。檢查製程可包含：(a)照明製程，在照明製程期間由輻射照明物件；(b)收集製程，在收 集製程期間收集來自物件的輻射；(c)檢測製程，在檢測製程期間產生回應於所收集輻射的檢測訊號；以及(d)處理檢測訊號。
缺陷候選者屬性可反映這些製程的任一者或結合者。缺陷候選者屬性可包含關於製程瑕疵、偏置、偏差、光學參數以及類似者。屬性可包含檢查工具屬性、生產製程屬性、設計屬性、良率屬性、以及由一或更多個其他檢查工具所提供的其他檢查屬性。
缺陷候選者屬性可表示下列之至少一者：(a)缺陷候選者像素資訊；(b)關於缺陷候選者附近的資訊；(c)關於感測器的一或更多個感測元件的資訊，此感測器檢測來自缺陷候選者的輻射(例如-感測器中包含多個感測元件的位置、動態範圍、敏感度臨限、偏置以及類似者)；(d)相關於用以獲取缺陷候選者的掃描方案的資訊(例如-掃描方案精確度、相關於掃描線的缺陷候選者的位置、掃描方案機械雜訊、以及類似者)；(e)關於獲取缺陷候選者所應用的照明條件的資訊(例如-光源強度、輻射頻率、光源極性、光斑、物件(或物件周圍)的溫度、物件附近的真空位準、相關於照明路徑光軸的缺陷候選者位置、以及類似者)；(f)關於獲取缺陷候選者所應用的收集條件的資訊(例如-收集路徑的衰減、收集路徑的色差(aberration)、相關於收集路徑光軸的缺陷候選者位置、以及類似者)；(g)設計相關資訊-缺陷位置附近的設計的電腦輔助設計(computer aided design；CAD)結構或典型性質(或這些性質的轉變)。設計相關資訊亦可為由感興趣區域或雜訊測量結果所表示的經處理CAD資料。(h)關於受檢查晶圓生產歷史的資訊，諸如製程步驟、製程工具、微影術以及類似者(i)關於晶圓上以及晶圓間的全域及局部缺陷密度的資訊(簽署、晶粒堆疊等等)。
多個缺陷候選者屬性，可被視為通常不由檢查工具輸出的「內部」屬性。例如-參考前述範例-屬性(d)、(e)、(f)、(h)與(i)可被視為內部或外部的檢查工具資訊。又對於另一範例-在檢測到缺陷之感測器的身分可被視為外部屬性的同時，感測器的參數的至少一些(感測器中包含多個感測元件的位置、動態範圍、敏感度臨限、偏置以及類似者)可被視為內部屬性。又對於另一範例-外部屬性可包含屬性(a)、(b)、(g)以及(i)。又對於另一範例-外部屬性可包含缺陷的訊號對雜訊比(SNR)、灰階差異、形狀以及類似者。
步驟110可由步驟120接續，步驟120選擇所選缺陷候選者子群組，此係回應於至少屬於所選子群組的缺陷候選者屬性值。此為多個所選子群組中的第一個所選子群組。
本發明並不受限於執行回應於屬性值以選擇缺陷候選者的方式。例如，可實施在本發明技術領域中已知的用於從檢查結果中選出缺陷的許多選擇方法，並進行適當的修改，而不脫離本發明的範圍。例如-可回應於感 興趣位準來選擇所選缺陷候選者子群組，可自動界定、半自動界定、或由人(或另一工具)手動界定此感興趣位準。
步驟120可由步驟130接續，步驟130分類所選子群組的缺陷候選者，以提供所選子群組的分類結果。
所選子群組的分類結果，可指示(所選子群組的)哪些缺陷候選者屬於缺陷類別，而哪些缺陷候選者不能被分類至缺陷類別。額外或替代地，所選子群組的分類結果，可指示哪些缺陷候選者不應被視為缺陷，或不應被視為感興趣的缺陷。感興趣的缺陷可屬於被界定為感興趣的一或更多個缺陷類別。
通常而言(但不作為對本發明的限制)；應由自動缺陷分類器(ADC)自動完成分類。ADC可使用訓練規則組以學習數學或統計分類模型，或使用由操作者界定的預定義規則組。本發明並不限於所使用的ADC類型。可使用常用於製造半導體裝置的許多自動缺陷分類器，並進行適當的修改，而不脫離本發明的範圍。
在步驟120與130完成之後，獲取所選第一子群組的分類結果。方法100隨後可進行至步驟140與150，以獲取一或更多個額外的所選子群組分類結果，同時並考慮先前獲取的分類結果。可重複步驟140與150，直到滿足停止準則為止。
步驟130可由步驟140接續，步驟140選擇額外的所選缺陷候選者子群組，此係回應於：(a)至少屬於額外的所選子群組的缺陷候選者的屬性值；以及(b) 由將至少一個其他所選子群組分類所獲取的分類結果。在步驟140的第一疊代期間內，分類結果可為在步驟130期間獲取到的分類結果。
步驟140可由步驟150接續，步驟150將額外的所選缺陷候選者子群組分類，以提供額外的所選子群組分類結果。
每一額外的所選子群組分類結果，可指示(額外的所選子群組的)哪些缺陷候選者屬於缺陷類別，以及哪些缺陷候選者無法被分類至缺陷類別。額外或替代地，每一額外的所選子群組的分類結果，可指示哪些缺陷候選者不應被視為缺陷，或不應被視為感興趣的缺陷。感興趣的缺陷可屬於被界定為感興趣的一或更多個缺陷類別。
步驟150可由步驟160接續，步驟.160查核停止準則是否已被滿足。若是如此-則跳至步驟170。若否-則跳至步驟140。
停止準則可例如在下列之至少一者發生時滿足：
a.抵達預定義的步驟140與150疊代次數。
b.所獲取的分類結果的純度位準超過純度臨限，或拒斥位準低於特定臨限。純度代表被正確分類的剩餘缺陷(被ADC系統認定為可分類且未拒斥)的比例。美國專利第8315453號揭示了最佳化純度的分類器，在此將此美國專利併入本文以做為參考。
c.獲取了預定義數量的感興趣缺陷(defects of interest；DOI)或特定DOI類型的影像。
步驟170可包含回應於在步驟130與150期間內獲取的分類結果。
步驟170可例如包含：
a.提供(171)缺陷資訊，此缺陷資訊表示被分類為缺陷的缺陷候選者。
b.提供(172)缺陷資訊，此缺陷資訊表示被分類為屬於某些缺陷類別的缺陷候選者。例如，屬於一或更多個感興趣的缺陷類別。
c.訓練(173)自動缺陷分類器，諸如可調整式缺陷分類器。訓練(173)可替代性地包含參與此種訓練。此參與可包含傳送分類結果至可調整式缺陷分類器。
缺陷資訊可為缺陷地圖，但可提供其他類型的資訊。此資訊可包含缺陷位置，以及每缺陷的一或更多個缺陷屬性。
根據本發明之具體實施例，步驟140可包含兩個階段：
a.選擇(141)所選群組部分，此係回應於由將至少一個其他所選子群組分類所獲取的分類結果。例如，可選擇所選群組部分，使得所選部分不包含屬於任何先前所選子群組的缺陷候選者。
b.從所選群組部分中選擇(142)出額外的所選子群組，此係回應於屬於群組部分的缺陷候選者的屬性值，其中群組部分包含額外的所選子群組。例如，使用於步驟110中的相同選擇方法，可用於執行選擇步驟142。
應注意到，在不同的分類製程(階段130與150)期間內可使用相同的屬性。亦應注意到，可在不同的分類製程期間內使用不同的屬性。額外或替代地，在分類製程期間內使用的屬性，可包含缺陷候選者資訊包含的所有屬性(步驟110)，或可包含缺陷候選者資訊包含的部分屬性(步驟110)。
第2圖根據本發明之具體實施例，圖示說明群組200’、所選子群組201’、第一與第二額外的所選子群組202’與203’、群組的第一與第二部分211’與212’、所選子群組分類結果221’、第一額外的所選子群組分類結果222’、以及第二額外的所選子群組分類結果223’。
如第1表與第2圖圖示說明，從不同的缺陷候選者組合選擇不同的所選子群組(群組自身、群組部分之任一者)，並獲取不同的所選子群組的分類結果。
對於任何所選子群組的選擇，係可回應於缺陷候選者的屬性值。群組的每一缺陷候選者可在屬性超空間中由缺陷候選者表示來表示，此缺陷候選者表示指示缺陷候選者的屬性值。屬性超空間係由缺陷候選者的屬性展成。
屬性超空間可包含多於兩個維度，但為了簡要解釋，第3圖圖示說明兩維度屬性超空間。所圖示說明的屬性超空間的x軸表示一個屬性值，而y軸表示另一屬性值。
第3圖根據本發明之具體實施例，圖示說明屬性超空間301、多個區域302、缺陷候選者表示305的多個叢集303、以及屬性超空間301的區段304。
第3圖的區段304為區域302與叢集303之間的交會。
假定缺陷候選者表示305表示群組200’的所有缺陷候選者。
屬性超空間301可被以各種方式分段。第3圖圖示說明包含下列階段的三階段分段製程：
a)將屬性超空間劃分成多個區域302。
b)界定及(或)接收缺陷候選者的叢集303。
c)回應於區域302與叢集303而界定區段304。第3圖圖示說明界定為區域302與叢集303之間交會的區段304。
注意到，可應用一個、兩個或多於三個階段的分段製程，以提供多個區段303。
在第3圖中，多個區域302表示群組的缺陷候選者表示的不同的等分量(percentile)。這些等分量反映展成第3圖屬性超空間的(群組的缺陷候選者的)屬性對的值的分佈。
第4圖根據本發明之具體實施例圖示說明方法100的步驟141。
步驟141可包含以下步驟：
a)計算(144)屬性超空間的區段的區段分數。
b)回應於區段分數，選擇(145)一或更多個所選區段。
c)將所選群組部分界定(146)為包含由缺陷候選者表示所表示的缺陷候選者，這些缺陷候選者表示屬於一或更多個所選區段。
步驟144可包含下列之至少一者：
a)計算(144(1))區段的區段分數，此係回應於區段內缺陷候選者表示的分佈參數。此參數可例如反映區段內的缺陷候選者數量。
b)計算(144(2))區段的區段分數，此係回應於至少一個分類結果，此至少一個分類結果相關於具有在區段內的缺陷候選者表示的至少一個缺陷候選者。例如-方法可優先選擇不包含一些缺陷候選者的區段，這些缺陷候選者先前被分類為缺陷、被分類為某些缺陷類別的缺陷、以及類似者。
c)計算(144(3))區段的區段分數，此係回應於被分類為缺陷的缺陷候選者的缺陷候選者表示的分佈參數。此參數可例如為缺陷對缺陷候選者比例。
例如，假定相對於缺陷候選者數量而言感興趣缺陷相當少(例如-在一百萬個缺陷候選者中僅有一百個缺陷候選者表示為感興趣缺陷)，則可將較高的分數分配至較不濃密的區段，並分配至不包含已經檢測到的感興趣缺陷的區段。
可應用任何數學函數，以選擇要選擇的一或更多個區段。
屬性超空間的分段，可包含在方法100中，或可被執行為可由電腦化實體執行的另一方法的部分，此電腦化實體不同於執行方法100的電腦化實體。
根據本發明之具體實施例，分段可隨著時間改變。例如-屬性超空間可回應於分類結果而被再分段成區段。再分段可包含改變缺陷候選者的叢集。
第5圖根據本發明之具體實施例圖示說明方法101。
如將於下文圖示說明的-第5圖的方法101包含了額外的步驟181與182，而不同於第1圖的方法100。
方法101可由步驟110開始，步驟110獲取關於缺陷候選者群組的缺陷候選者資訊。
步驟110可由步驟120接續，步驟120回應於缺陷候選者的屬性值來選擇所選缺陷候選者子群組，此等屬性值係至少屬於所選子群組。
步驟120可由步驟130接續，步驟130將所選子群組的缺陷候選者分類，以提供所選子群組分類結果。
步驟130可由步驟181與140接續。
步驟181可包含將屬性超空間再分段，此係回應於所選子群組分類結果。步驟181可由步驟140接續。例如-若分類製程發現感興趣的缺陷與應忽略的缺陷候選者之間的清楚邊界-則再分段可使得此邊界放置在區段之間，或形成一或更多個區段的邊界。
步驟130可由步驟140接續，步驟140選擇額外的所選缺陷候選者子群組，此係回應於：(a)至少屬於額外的所選子群組的缺陷候選者屬性值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果。
步驟140可由步驟150接續，步驟150將額外的所選子群組的缺陷候選者分類，以提供額外的所選子群組分類結果。
步驟150可由步驟160與182接續。
步驟182可包含將屬性超空間再分段，此係回應於額外的所選分類結果。步驟182可由步驟160接續。
步驟160可包含檢查是否已滿足了停止準則。若滿足-跳至步驟170。若未滿足-跳至步驟140。
步驟170可包含回應於在步驟130與150期間內獲取的分類結果。
注意到，方法101可包含步驟181與182的僅一者。額外或替代地，步驟170可包含步驟181與182的至少一者。
在步驟130及(或)150期間內獲取的分類結果，亦可用於調整分類製程自身。例如-在執行步驟130時獲取的分類結果，可用於調諧要應用在步驟150的一或更多個疊代中的分類製程。又對於另一範例而言，步驟150的第二或較後的疊代，可涉及應用分類製程，此分類製程係回應於在步驟130以及步驟150先前疊代期間內獲取的經計算的分類結果。
分類製程的調整可涉及調整可調整式分類臨限，或執行分類製程的其他(或額外的)調整。
調整分類製程的執行，可作為再分段的額外，或可作為再分段的替換。
第6圖根據本發明之具體實施例圖示說明方法102。
如將圖示說明於下文的-第6圖的方法102包含了額外的步驟191與192，而不同於第1圖的方法100。
方法102可開始於步驟110，步驟110獲取關於缺陷候選者群組的缺陷候選者資訊。
步驟110可由步驟120接續，步驟120回應於缺陷候選者的屬性值來選擇所選缺陷候選者子群組，此等屬性值係至少屬於所選子群組。
步驟120可由步驟130接續，步驟130將所選子群組的缺陷候選者分類，以提供所選子群組分類結果。
步驟130可由步驟191與140接續。
步驟191可包含調整要在步驟150的一或更多個疊代期間內應用的分類製程。步驟191可由步驟140接續。
步驟130可由步驟140接續，步驟140選擇額外的所選缺陷候選者子群組，此係回應於：(a)至少屬於額外的所選子群組的缺陷候選者屬性值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果。
步驟140可由步驟150接續，步驟150將額外的所選子群組的缺陷候選者分類，以提供額外的所選子群組分類結果。
步驟150可由步驟160與192接續。
步驟192可包含調整要在步驟150的一或更多個疊代期間內應用的分類製程。步驟192可由步驟160接續。
步驟160可包含檢查是否已滿足了停止準則。若滿足-跳至步驟170。若未滿足-跳至步驟140。
步驟170可包含回應於在步驟130與150期間內獲取的分類結果。
注意到，方法102可包含步驟191與192的僅一者。額外或替代地，步驟170可包含步驟191與192的至少一者。
注意到，可提供方法100、101與102之任一者的任何結合者。例如，步驟130或150可由下列接續(且步驟170可包含下列步驟)：(a)執行多個分類疊代，以提供多個分類疊代結果；以及(b)調適可調整式分類臨限，並將屬性超空間分段，此係回應於多個分類疊代結果。可調整式分類臨限被利用於多個分類疊代期間內。
第7A圖根據本發明之具體實施例圖示說明裝置200以及裝置200的環境。
第7A圖圖示說明裝置200、檢查工具210、查核工具220、自動缺陷分類器230以及晶圓廠良率管理系統250。
網路240耦合至裝置200、檢查工具210、查核工具220以及自動缺陷分類器(ADC)230。例如，網路240可為晶圓廠通訊系統。為了簡要解釋，僅圖示單 一檢查工具210與單一查核工具220。應注意到，實際上，複數個檢查工具可經由網路240連接至複數個查核工具。為了進一步簡要解釋，圖示單一ADC系統230。應注意到，可使用多於一個ADC系統230。
本發明並不限於提供在各種個體200-250之間的實體通訊與耦接的類型。根據本發明之一個具體實施例，裝置200可經由網路240通訊基礎結構耦接至實體210-250之一或更多者。根據本發明之另一具體實施例，裝置200可經由直接通訊接線耦接至實體210-250之一或更多者。
為了簡要解釋，將裝置200圖示為獨立式電腦系統。注意到，裝置200可為檢查工具210、查核工具220、ADC 230及(或)YMS 250的部分。在這些配置之任意者中，裝置200可直接(並不經由網路240)耦接至其他系統(例如檢查工具210、查核工具220、ADC系統230或YMS)。裝置200的部件可與工具及系統210、220、230與250之任意者的部件整合。根據本發明之具體實施例，裝置200可便利地作為硬體工具，此硬體工具放置在(例如)檢查工具210、查核工具220、ADC工具230或晶圓廠良率管理系統250的電子機架上。根據本發明之具體實施例，裝置200可直接耦接至主機工具的資料分析處理器。根據本發明之具體實施例，裝置200便利地作為由個體210-250之任一者的資料分.析處理器操作的軟體工具。
裝置200可經設置以執行方法100、101與102之任一者，或這些方法的任何步驟的結合者。
裝置200可包含記憶體單元201與處理器202。
記憶體單元201可儲存下列之至少一者：(a)執行方法100-102之一或更多者所需的資訊；(b)執行方法100-102之一或更多者所需的軟體；(c)在方法100-102之一或更多個執行期間內所產生的資訊。
處理器202可執行在方法100-102之一或更多者的任意步驟期間所需的任意作業。
例如，記憶體單元201可經設置以儲存關於缺陷候選者群組的缺陷候選者資訊。
處理器202可經設置以：
a)回應於缺陷候選者的屬性值，而選擇所選缺陷候選者子群組，此等屬性值至少屬於所選子群組。
b)將所選子群組的缺陷候選者分類，以提供所選子群組分類結果。
c)重複，直到滿足停止條件：(i)選擇額外的所選缺陷候選者子群組，此係回應於：(a)至少屬於額外的所選子群組的缺陷候選者的屬性值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果；以及
d)將額外的所選子群組的缺陷候選者分類，以提供額外的所選子群組分類結果。
根據本發明之具體實施例，可自動地、部分自動地或手動地決定停止條件。人可提供停止條件，並可(額外或替代地)決定停止重複，即使無視先前所界定的停止條件。
對於所選缺陷候選者子群組的選擇，係可回應於感興趣的位準。缺陷候選者的感興趣位準，可相關於缺陷候選者的位置。例如-選擇可傾向於選擇位於感興趣區域處的缺陷候選者。
又對於另一範例，處理器202可經設置以提供反映分類製程結果的缺陷資訊。
根據本發明之具體實施例，如第7B圖圖示，裝置200係與ADC系統230整合。ADC 230與裝置200經由網路240並在YMS 250的監督之下，服務多個檢查工具210與複數個查核工具220。
根據本發明之另一具體實施例，如第7D圖圖示說明，ADC 230與裝置200係與查核工具220整合。
根據第7C圖圖示說明的具體實施例，檢查作業與查核作業係由單一平臺提供-檢查與查核工具260。裝置200與ADC 230係由單一平臺幫助-資料處理伺服器265。資料處理伺服器265經由網路240(或直接)耦接至檢查與查核工具260。
第7E圖圖示說明本發明之又另一具體實施例。在此具體實施例中，單一平臺容納檢查模組272；查核模組274；ADC模組276以及濾除器278。
在第7A圖至第7E圖之任一者中，各種工具、裝置與模組，可由已知於發明技術領域中的任何方式來與彼此通訊。例如-通訊可基於現有的結果檔案格式(諸如但不限於KLA Inc.的KLARFTM)、加強結果檔案格式或專屬格式。
第8圖根據本發明之具體實施例圖示說明方法800。方法800可由第7A圖至第7E圖圖示說明的系統實施，以及藉由變異配置來實施。
方法800可由階段810開始，階段810由光學檢查個體(例如檢查工具210或檢查模組272)檢查晶圓，以提供關於缺陷候選者群組的缺陷候選者資訊，其中缺陷候選者資訊包含群組缺陷候選者之每一者的多個屬性值。多個屬性可包含表示光學檢查裝置的光學檢查參數的屬性。
階段810可由階段820接續，階段820由掃描式電子顯微鏡(SEM)(例如查核工具220或查核模組274)，獲取缺陷候選者群組的部份的缺陷候選者的SEM影像。
階段820可由階段830接續，階段830由自動缺陷分類器(例如ADC 230作為獨立式裝置，作為整合工具)處理SEM影像，以提供部分分類結果。
階段830可由階段840接續，階段840輸出所提供之部分分類結果的至少一部分。
階段820至830可由疊代方式執行，在執行期間內成像並分類所選缺陷候選者子群組。因此，方法800可包含執行方法100。
配置7A至7E具有裝置200，而全部不同於先前技術配置。在下文中，將以虛構方式說明個體200至250的作業，而不論及他們的特定硬體配置與促進方式。沒有裝置200提供的新穎功能性且，個體210至250根據先前技術的作業順序與彼此互動：YMS 250產生檢查指令A，並對檢查工具210提供這些檢查指令。檢查工具210基於檢查指令與檢查配方執行檢查，此檢查配方係於配方建置階段期間產生。檢查工具210對YMS 250提供檢查結果。YMS 250基於檢查結果與YMS取樣計畫，對查核工具220提供查核指令。查核工具220基於查核指令與查核配方執行查核，此查核配方係於配方建置階段期間產生。查核工具220與ADC 230通訊，並基於接收到的來自ADC 230的ADC輸出輸入來分析查核結果。查核工具220對YMS 240提供查核結果F。此作業流程通常在每次晶圓檢查時執行。
第9圖根據本發明之具體實施例圖示說明新穎的作業流程。
流程可包含下列步驟：
a)YMS 250對裝置200提供YMS指令G。
b)裝置200對檢查工具210提供檢查指令H。
c)檢查工具210執行檢查，並對裝置200提供檢查結果I。檢查工具210執行的檢查包含缺陷檢測，但不包含汙穢濾除。檢查結果I包含檢查缺陷檢測作業產生的所有結果。
d)裝置200取樣檢查結果I，並對查核工具220提供查核指令J。
e)查核工具220與ADC 230通訊(ADC輸入K)，並基於接收到來自ADC 230的ADC輸出L輸入來分析查核結果。
f)查核工具220對裝置200(及(或)YMS 250)提供查核結果M。
g)YMS 250接收到查核結果M。
可選地，查核結果的分析係由ADC 230完成，且ADC 230將查核結果提供至YMS 250。可選地(未圖示)，ADC 230係與查核工具220整合，而ADC輸入K與ADC輸出L被產生為經整合查核-ADC系統執行的部分。可選地(未圖示)檢查-取樣-查核製程涉及了額外的計算系統。
因此，藉由使用缺陷分類的結果來濾除檢查結果，改良了濾除檢查結果的品質與效率。係由基於大量的檢查結果並與缺陷分類結果結合，執行對於查核感興趣缺陷的適應性選擇，來改良對於查核感興趣缺陷的取樣品質。藉由有利地利用對於查核感興趣缺陷的自動化取樣，達成了額外的改良。
根據本發明之具體實施例，裝置200使用預定義的取樣停止條件，且由疊代方式執行取樣(產生查核指令J)以及查核檢測與分類(產生ADC輸入K、ADC輸出L與查核結果M)，直到達成此預定義取樣停止條件為止。此疊代取樣係於每次晶圓檢查時執行。例如，在一特定檢查循環(例如檢查晶圓編號n)，一特定位置相關聯於真實缺陷；且基於晶圓編號n的查核結果，對於分析晶圓編號n+1的檢查結果，檢查結果係相關聯於汙穢。
根據本發明之具體實施例，裝置200使用檢查與查核輸出(I與M)，以由動態方式更新取樣停止條件。
根據本發明之具體實施例，裝置200對檢查工具210提供檢查配方更新指令。根據本發明之具體實施例，檢查指令包含意圖更新檢查配方設定(例如更新光學設定)的指令。根據本發明之另一具體實施例，檢查指令包含意圖調諧檢測演算法的指令，檢查工具200使用此檢測演算法以進行缺陷檢測。因此，由動態方式在對複數個晶圓的檢查過程中更新光學配置與檢測演算法。因此，可補償由於生產製程變異所造成的改變。此外，亦可補償由於檢查工具製程變異(例如光學部件、電子部件以及機械部件的作業中的改變)所造成的改變。經過一些時間後，可得到最佳化的光學配置與缺陷檢測，從而提升訊號收集與敏感度。
通常而言，檢查工具由缺陷結果檔案的形式提供缺陷候選者屬性。常見用於生產半導體裝置的缺陷檔 案，特徵在於缺陷檔案格式。常見的檢查工具根據缺陷檔案格式產生缺陷候選者屬性，並將缺陷候選者屬性寫入缺陷結果檔案。缺陷檔案共享於晶圓廠內的各種個體之間，諸如共享於檢查工具、查核工具以及晶圓廠良率管理系統之間。根據本發明之具體實施例，某些缺陷候選者屬性可不為缺陷檔案格式屬性。此種屬性可被視為是「內部」檢查工具資訊，在先前技術的檢查工具中此種檢查工具資訊未輸出至檢查工具之外。
根據本發明之具體實施例，回應於缺陷候選者的屬性值而選擇所選缺陷候選者子群組(第1圖圖示說明的步驟120)，及(或)回應於缺陷候選者的屬性值而選擇額外的所選缺陷候選者子群組(第1圖圖示說明的步驟140)，係基於一組屬性來執行，此組屬性不同於先前技術缺陷檔案所界定的屬性組。根據本發明之具體實施例，屬性檔案共享於個體200、210、220、230(以及可選的250)之間。此屬性檔案可為被共享的檢查結果檔案的額外或替換。
因此，由處理許多類型的檢查屬性(包含先前技術缺陷結果檔案經常未提供的屬性)，進一步改良了查核感興趣缺陷的取樣的品質與效率。
注意到，通常由具有第一解析度與第一產量的檢查工具執行檢查製程，同時通常由具有第二解析度與第二產量的查核工具執行查核製程。第一解析度低於(粗糙於)第二解析度，且第一產量高於第二產量。
因此-由檢查工具提供的檢查資料容量，因此遠遠超過查核工具提供的查核資料容量。此亦反映於被檢查工具與查核工具之每一者覆蓋的區域中。通常而言，檢查提供了完全/高度的晶圓區域覆蓋率，同時查核被限制於感興趣位置周圍的特定區域。
注意到，檢查工具與查核工具為兩個評量工具的非限制性範例，這兩個工具彼此在解析度與產量上均有所不同。第一工具可產生可稱為第一工具影像的影像。第二工具可產生可稱為第二工具影像的影像。第二工具影像可例如為SEM影像、STEM影像、TEM影像、離子束影像以及類似者。
諸如濾除與處理裝置的裝置可經設置，以接收第一工具產生的大量警示資訊，並使用從第二工具或另一資訊源獲取的資訊(諸如設計資料)濾除警示資訊。第10圖根據本發明之具體實施例，圖示說明第一工具210’、第二工具220’、網路240、ADC 230以及包含記憶體單元201與處理器202的裝置200。第10圖與第7A圖的不同之處，在於第10圖具有第一工具210’與第二工具220’，而非檢查工具210與查核工具220。相較於第二工具220’提供的關於物件的資訊，第一工具210’由較低解析度與較高產量提供關於物件的資訊。可據此藉由以第一工具210’與第二工具220’(或一第一與第二工具)替換檢查工具210與查核工具220(或一檢查與查核工具)，來修改第7B圖至第7E圖之任一者。
本發明亦可實施於要執行於電腦系統上的電腦程式，此電腦程式至少包含碼部分，碼部分在執行於可編程式設備(諸如電腦系統)上時執行根據本發明之方法的步驟，或致能可編程式設備根據本發明執行裝置或系統的功能。電腦程式可使儲存系統將磁碟機分配至磁碟機群組。
電腦程式為指令列表，諸如特定應用程式及(或)作業系統。電腦程式可例如包含下列之一或更多者：子常式、功能、處理程序、物件方法、物件實施例、可執行式應用、小型應用程式(applet)、伺服小型應用程式(servlet)、原始碼、物件碼、共享資源庫/動態負載資源庫、及(或)設計為在電腦系統上執行的其他指令序列。
電腦程式可被儲存在非暫態性電腦可讀取媒體的內部上。電腦程式的全部或一些，可被提供在永久地、可移除地或遠端地耦接至資訊處理系統的電腦可讀取媒體上。電腦可讀取媒體可例如包含(不作為限制)下列之任意數者：磁性儲存媒體，包含磁碟與磁帶儲存媒體；光學儲存媒體，諸如光碟媒體(例如CD-ROM、CD-R等等)以及數位視頻磁碟儲存媒體；非揮發性記憶體儲存媒體，包含半導體式記憶體單元，諸如FLASH記憶體、EEPROM、EPROM、ROM；鐵磁性數位記憶體；MRAM；揮發性儲存媒體，包含暫存器、緩衝器或快取、主記憶體、RAM等等。
電腦程序通常包含執行中(運行中)的程式或程式部分、當前程式值與狀態資訊、以及作業系統用以管理程序之執行的資源。作業系統(operating system；OS)為管理電腦資源共享，並提供程式設計師用以存取這些資源的介面的軟體。作業系統處理系統資料與使用者輸入，並藉由將工作與內部系統資源作為對於系統使用者與程式的服務來分配與管理，以作為回應。
電腦系統可例如包含至少一個處理單元、相關聯的記憶體以及數個輸入/輸出(I/O)裝置。在執行電腦程式時，電腦系統根據電腦程式處理資訊，並經由I/O裝置產生結果輸出資訊。
第11圖圖示說明為電腦系統1100示例性形式的機器的示意表示，在電腦系統1100中可執行使機器執行本文所討論方法之任一者或更多者的指令組。在替代性的實施例中，機器可連接(例如網路連接)至本地區域網路(LAN)、內部網路、外部網路或網際網路中的其他機器。機器可操作於用戶端-伺服器網路環境中的用戶端或伺服器機器的容量中，或操作為對等式連接(或分散式)網路環境中的節點機器。機器可為個人電腦(personal computer；PC)、平板PC、機上盒(set-top box；STB)、個人數位助理(Personal Digital Assistant；PDA)、蜂巢式電話、網頁器具、伺服器、網路路由器、切換器或橋接器、或能夠(循序或以其他方式)執行指令組的任何機器(指令組指明要由此 機器進行的動作)。再者，雖然僅圖示說明單一機器，但用詞「機器」的使用亦應包含個別或聯合執行指令組(或多個指令組)，以執行本文所討論方法之任一者或更多者的機器集合。
示例性電腦系統1100包含處理裝置(處理器)1102、主記憶體1104(例如唯讀記憶體(read-only memory；ROM)、快閃記憶體、動態隨機存取記憶體(dynamic random access memory；DRAM)，諸如同步DRAM(SDRAM)或Rambus DRAM(RDRAM)等等)、靜態記憶體1106(例如快閃記憶體、靜態隨機存取記憶體(SRAM)等等)以及資料儲存裝置1116，這些裝置經由匯流排1108與彼此通訊。處理器1102表示一或更多個一般用途處理裝置，諸如微處理器、中央處理單元或類似者。更特定而言，處理器1102可為複雜指令集計算(complex instruction set computing；CISC)微處理器、精簡指令集計算(reduced instruction set computing；RISC)微處理器、超長指令字集(very long instruction word；VLIW)微處理器、或實施其他指令組的處理器或實施指令組結合者的多個處理器。處理器1102亦可為一或更多個特別用途處理裝置，諸如特定應用積體電路(application specific integrated circuit；ASIC)、場效可編程式邏輯陣列(field programmable gate array；FPGA)、數位訊號處理器(digital signal processor；DSP)、網路處理器或類似者。處理器1102經配置以執行指令1126以執行本文討論的作業與方塊。
電腦系統1100可進一步包含網路介面裝置1122。電腦系統1100亦可包含視頻顯示單元1110(例如液晶顯示器(liquid crystal display；LCD)、陰極射線管(cathode ray tube；CRT)、或觸控螢幕)、文數字輸入裝置1112(例如鍵盤)、游標控制裝置1114(例如滑鼠)、以及訊號產生裝置1120(例如揚聲器)。
資料儲存裝置1116可包含電腦可讀取儲存媒體1124，電腦可讀取儲存媒體1124上儲存了一或更多個指令組1126(例如內容共享平臺120的部件)，指令組1126體現本文所說明之方法或功能之任一者或更多者。指令1126亦可完全或至少部分地位於主記憶體1104內，及(或)在由電腦系統1100執行指令1126的期間內位於處理器1102內，主記憶體1104與處理器1102亦構成電腦可讀取儲存媒體。指令1126可進一步被經由網路介面裝置1122透過網路1124發送或接收。
儘管電腦可讀取儲存媒體1124在示例性實施例中被圖示為單一媒體，但用詞「電腦可讀取儲存媒體」應被視為包含儲存一或更多個指令組的單一媒體或多個媒體(例如集中式或分散式資料庫，及(或)相關聯的快取與伺服器)。用詞「電腦可讀取儲存媒體」亦應被視為包含能夠儲存、編碼或裝載供機器執行之指令組的任何媒 體，此指令組使機器執行本揭示內容之方法之任一者或更多者。用詞「電腦可讀取儲存媒體」因此應被視為包含(但不限於)固態記憶體、光學媒體以及磁性媒體。
在前述說明書中，已參考本發明之具體實施例的特定範例說明了本發明。然而明顯的是，將可對本發明進行各種修改與改變，而不脫離如附加申請專利範圍所闡明的本發明的較寬廣的精神與範圍。
再者，說明書與申請專利範圍中若存在用詞「前」、「後」、「頂」、「底」、「上」、「下」以及類似用詞，則這些用詞係用於說明性目的，而並非必要地說明永久相對位置。應瞭解到，如此使用的用詞在適當的情境下可互相交換，使得本文所說明的本發明具體實施例能夠(例如)以不同於所圖示說明或於本文其他處說明的指向來作業。
本文所討論的連結，可為適合將訊號傳輸自(至)各別的節點、單元或裝置的任何類型的連結(例如經由中介裝置)。因此，除非另外隱含或說明，連結可例如為直接連結或間接連結。連結可被圖示說明或說明而參照為單一連結、複數個連結、單向性連結、或雙向性連結。然而，不同的具體實施例可改變連結的實施例。例如，可使用分離的單向性連結而非雙向性連結(反之亦然)。再者，可由串列地或以時間多工化方式傳輸多個訊號的單一連結，替換複數個連結。類似的，可將承載多個訊號的單 一連結，分成承載這些訊號之子集的各種不同的連結。因此，存在許多用於傳輸訊號的選項。
雖然在範例中已說明了特定的傳導度類型或電位極性，但將理解到傳導度類型與電位極性可被反轉。
本文所說明的每一訊號可被設計為正邏輯或負邏輯。在為負邏輯訊號的情況中，訊號為低態有效，其中邏輯真態對應於邏輯位準零。在為正邏輯訊號的情況中，訊號為高態有效，其中邏輯真態對應於邏輯位準一。注意到本文所說明之訊號之任意者可被設計為負邏輯訊號或正邏輯訊號。因此在替代性的具體實施例中，被說明為正邏輯訊號的訊號可被實施為負邏輯訊號，而被說明為負邏輯訊號的訊號可被實施為正邏輯訊號。
再者，本文在針對將訊號、狀態位元或類似設備各自顯現為這些訊號、狀態位元或類似設備的邏輯真狀態或邏輯假狀態時，使用用詞「確立」或「設定」與「否定」(或「除確立」或「清除」)。若邏輯真狀態為邏輯位準一，則邏輯假狀態為邏輯位準零。且若邏輯真狀態為邏輯位準零，則邏輯假狀態為邏輯位準一。
在本發明技術領域中具有通常知識者將理解到，邏輯方塊之間的邊界僅為說明性的，且替代性具體實施例可融合邏輯方塊或電路元件，或對各種邏輯方塊或電路元件施加替代的功能性解構。因此，應瞭解到本文繪製的架構僅為示例性，且事實上可實施達成相同功能性的許多其他架構。
達成相同功能性的任何部件設置為等效地「相關聯」，致使達成所需的功能性。因此，本文中的經結合以達成特定功能性的任兩個部件，可被視為「相關聯於」彼此，致使達成所需的功能性，不論架構或中介性部件。類似的，如此相關聯的任兩個部件亦可被視為與彼此「可操作地連接」或「可操作地耦接」，以達成所需的功能性。
再者，在本發明領域中具有通常知識者將理解到，上述作業之間的邊界僅為說明性。可將多個作業結合為單一作業，可將單一作業分散於額外作業中，並可至少部分時間重疊地執行作業。再者，替代性具體實施例可包含特定作業的多個實例，並可在各種其他具體實施例中改變作業次序。
又例如在一個具體實施例中，所圖示說明的範例，可被實施為位於單一積體電路上的電路系統，或實施為位於同一裝置內的電路系統。替代地，可將範例實施為任何數量的個別積體電路或個別裝置，這些積體電路或裝置並以適當的方式與彼此交互連接。
又例如，可將範例(或範例的部分)實施為實體電路系統的軟體或碼表示，或可轉換為實體電路系統的邏輯表示的軟體或碼表示，諸如任何適當類型的硬體描述語言。
此外，本發明不限於在非可編程式硬體中實施的實體裝置或單元，但也可應用於能夠通過按照適合的程式碼操作而執行所需裝置功能的可編程式裝置或單元，諸 如大型主機、迷你電腦、伺服器、工作站、個人電腦、筆記本、個人數位助理、電子遊戲機、汽車和其他嵌入式系統、蜂巢式電話和各種其他無線設備，通常表示在本申請中稱為「計算機系統」。
然而，亦可能存在其他的修改、變異與替代方案。因此，說明書與圖式應被視為說明性而非限制性。
在申請專利範圍中，置於括號之間的任何參考符號不應被解譯為限制申請專利範圍。用詞「包含」並未排除申請專利範圍中列出者以外的其他元件或步驟的存在。再者，本文使用的用詞「一(a)」或「一(an)」，係界定為一個或多於一個。再者，使用於申請專利範圍中的引語，諸如「至少一個」與「一或更多個」，不應被解譯為隱含由不定冠詞「一(a)」或「一(an)」引入的另一申請專利範圍元件將包含依此引入之申請專利範圍元件的任何特定的請求項，限制為僅包含一個此種元件的發明，即使是在相同請求項包含引語「一或更多個」或「至少一個」以及不定冠詞(諸如「一(a)」或「一(an)」)時。對於使用定冠詞而言亦是如此。除非另外說明，否則諸如「第一」與「第二」的用詞，係用於任意分辨此種用詞所說明的元件之間。因此，這些用詞並非必要地意圖為指示此種元件的時序或其他優先順序。在相互不同的權利要求中敘述某些措施的純粹事實，並不表示這些措施的組合不能被有利地使用。
儘管本文已圖示說明及說明了本發明的某些特徵，在本發明技術領域中具有通常知識者現將發現許多修改、替換、改變及均等方案。因此，應瞭解到附加申請專利範圍意圖涵蓋所有落入本發明真實精神內的此種修改與改變。
100‧‧‧方法
110-173‧‧‧步驟

Claims (20)

  1. 一種將一晶圓的缺陷分類的方法，該方法係由一電腦化系統執行，該方法包含以下步驟：獲取步驟，獲取關於一缺陷候選者群組的缺陷候選者資訊，其中該缺陷候選者資訊包含該群組的每一缺陷候選者的屬性的值；選擇步驟，由該電腦化系統的一處理器選擇一所選缺陷候選者子群組，此係回應於至少屬於該所選子群組的缺陷候選者的屬性的值；分類步驟，將該所選子群組的缺陷候選者分類，以提供所選子群組的分類結果；重複下列步驟，直到滿足一停止條件為止：額外選擇步驟，回應於以下而選擇一額外的所選缺陷候選者子群組：(a)至少屬於該額外的所選子群組的缺陷候選者的屬性的值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果；以及額外分類步驟，將該額外的所選子群組的缺陷候選者分類，以提供額外的所選子群組的分類結果。
  2. 如請求項1所述之方法，其中獲取該缺陷候選者資訊的該獲取步驟，包含以下步驟：由一光學檢查裝置檢查該晶圓，以提供該缺陷候選者資訊。
  3. 如請求項1所述之方法，其中獲取該缺陷候選者資訊的該獲取步驟，包含以下步驟：接收來自一光學檢查裝置的該缺陷候選者資訊。
  4. 如請求項1所述之方法，其中將該所選子群組的該等缺陷候選者分類的該分類步驟，包含以下步驟：成像步驟，由一帶電粒子束成像該等缺陷候選者，以產生帶電粒子影像；以及處理步驟，由一缺陷分類器處理該等帶電粒子影像，以提供該等所選子群組的分類結果。
  5. 如請求項1所述之方法，該方法進一步包含以下步驟：提供表示被分類為至少一個缺陷類別之缺陷的缺陷候選者的缺陷資訊。
  6. 如請求項1所述之方法，其中該停止條件的滿足包含：獲取具有一純度位準的分類結果，該純度位準超過一純度臨限。
  7. 如請求項1所述之方法，該方法進一步包含以下步驟：獲取每一所選子群組的每一缺陷候選者的一或更多個影像；其中該停止條件的滿足包含獲取一預定數量的影像。
  8. 如請求項1所述之方法，該方法進一步包含以下步驟：獲取每一所選子群組的每一缺陷候選者的 一或更多個影像；其中該停止條件的滿足包含獲取一特定缺陷類型的一預定數量的影像。
  9. 如請求項1所述之方法，其中選擇該額外的所選子群組的該額外選擇步驟，包含以下步驟：選擇該群組的一所選部分，此係回應於由將該至少一個其他所選子群組分類而獲取的分類結果；以及從該群組的該所選部分選出該額外的所選子群組，此係回應於屬於該群組的該部分的缺陷候選者的屬性的值，其中該群組的該部分包含該額外的所選子群組。
  10. 如請求項9所述之方法，其中該群組的該所選部分未包含屬於任何先前選擇的子群組的缺陷候選者。
  11. 如請求項9所述之方法，該方法包含以下步驟：藉由以下步驟選擇該群組的一所選部分：計算一屬性超空間的區段的區段分數，其中由缺陷候選者表示在該屬性超空間中表示該群組的缺陷候選者，該等缺陷候選者表示指示該等缺陷候選者的該等屬性的該等值；以及回應於該等區段分數而選擇一所選區段，其中該群組的該所選部分，包含由屬於該所選區段的缺陷候選者表示所表示的缺陷候選者。
  12. 如請求項11所述之方法，該方法進一步包 含以下步驟：計算一區段的一區段分數，此係回應於該區段內的一缺陷候選者表示分佈的一參數。
  13. 如請求項11所述之方法，該方法進一步包含以下步驟：計算一區段的一區段分數，此係回應於至少一個分類結果，該至少一個分類結果相關於具有在該區段內的缺陷候選者表示的至少一個缺陷候選者。
  14. 如請求項11所述之方法，該方法進一步包含以下步驟：計算一區段的一區段分數，此係回應於被分類為缺陷的缺陷候選者的一缺陷候選者表示分佈的一參數。
  15. 如請求項9所述之方法，其中缺陷候選者的屬性的值展成一屬性超空間，且其中該方法進一步包含以下步驟：將該屬性超空間分段成區段。
  16. 如請求項15所述之方法，該方法進一步包含以下步驟，將該屬性超空間再分段成區段，此係回應於至少一個所選子群組分類結果。
  17. 如請求項9所述之方法，該方法進一步包含以下步驟：執行多個分類疊代，以提供多個分類疊代結果；以及調適可調整式分類臨限並將一屬性超空間分段成區 段，此係回應於該等多個分類疊代結果；其中該等可調整式分類臨限被利用於該等多個分類疊代期間內。
  18. 如請求項1所述之方法，該方法進一步包含以下步驟：接收相關於該晶圓的區域中的至少一者以及一缺陷類別的感興趣位準資訊，且其中選擇該所選缺陷候選者子群組的該選擇步驟以及將該等缺陷候選者分類的該分類步驟中的至少一個步驟，係回應於該感興趣位準資訊。
  19. 一種非暫態性電腦可讀取儲存媒體，該非暫態性電腦可讀取儲存媒體具有指令，該等指令在由一電腦化系統的一處理裝置執行時使該處理裝置執行作業，該等作業包含：獲取作業，獲取關於一缺陷候選者群組的缺陷候選者資訊，其中該缺陷候選者資訊包含該群組的每一缺陷候選者的屬性的值；選擇作業，由該電腦化系統的該處理裝置選擇一所選缺陷候選者子群組，此係回應於至少屬於該所選子群組的缺陷候選者的屬性的值；分類作業，將該所選子群組的缺陷候選者分類，以提供所選子群組的分類結果；重複下列作業，直到滿足一停止條件為止： 額外選擇作業，回應於以下而選擇一額外的所選缺陷候選者子群組：(a)至少屬於該額外的所選子群組的缺陷候選者的屬性的值；以及(b)由將至少一個其他所選子群組分類而獲取的分類結果；以及額外分類作業，將該額外的所選子群組的缺陷候選者分類，以提供額外的所選子群組的分類結果。
  20. 如請求項19所述之非暫態性電腦可讀取儲存媒體，其中選擇該額外的所選子群組的該額外選擇作業，包含以下作業：選擇該群組的一所選部分，此係回應於由將該至少一個其他所選子群組分類而獲取的分類結果；以及從該群組的該所選部分選出該額外的所選子群組，此係回應於屬於該群組的該部分的缺陷候選者的屬性的值，其中該群組的該部分包含該額外的所選子群組。
TW104134706A 2014-10-23 2015-10-22 疊代式缺陷濾除製程 TWI571946B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US14/522,543 US9286675B1 (en) 2014-10-23 2014-10-23 Iterative defect filtering process

Publications (2)

Publication Number Publication Date
TW201624580A TW201624580A (zh) 2016-07-01
TWI571946B true TWI571946B (zh) 2017-02-21

Family

ID=55450177

Family Applications (3)

Application Number Title Priority Date Filing Date
TW105141185A TWI670781B (zh) 2014-10-23 2015-10-22 疊代式缺陷濾除製程
TW108126736A TWI688025B (zh) 2014-10-23 2015-10-22 疊代式缺陷濾除製程
TW104134706A TWI571946B (zh) 2014-10-23 2015-10-22 疊代式缺陷濾除製程

Family Applications Before (2)

Application Number Title Priority Date Filing Date
TW105141185A TWI670781B (zh) 2014-10-23 2015-10-22 疊代式缺陷濾除製程
TW108126736A TWI688025B (zh) 2014-10-23 2015-10-22 疊代式缺陷濾除製程

Country Status (6)

Country Link
US (3) US9286675B1 (zh)
JP (1) JP6932637B2 (zh)
KR (2) KR20210057207A (zh)
CN (2) CN107004123B (zh)
TW (3) TWI670781B (zh)
WO (1) WO2016064547A1 (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10312091B1 (en) * 2015-10-13 2019-06-04 Multibeam Corporation Secure permanent integrated circuit personalization
US10339262B2 (en) * 2016-03-29 2019-07-02 Kla-Tencor Corporation System and method for defining care areas in repeating structures of design data
EP3522593A4 (en) 2016-09-28 2020-05-13 Mitsubishi Electric Corporation COMMUNICATION SYSTEM
CN109844919B (zh) * 2016-10-17 2020-12-11 科磊股份有限公司 优化用于设置检验相关算法的训练组
US10190991B2 (en) 2016-11-03 2019-01-29 Applied Materials Israel Ltd. Method for adaptive sampling in examining an object and system thereof
US10490463B2 (en) * 2017-07-31 2019-11-26 Taiwan Semiconductor Manufacturing Co., Ltd. Automated inspection tool
DE102018106751A1 (de) * 2017-07-31 2019-01-31 Taiwan Semiconductor Manufacturing Co. Ltd. Automatisiertes inspektionswerkzeug
US10504805B2 (en) * 2017-08-24 2019-12-10 Applied Materials Israel Ltd. Method of examining defects in a semiconductor specimen and system thereof
US10360669B2 (en) 2017-08-24 2019-07-23 Applied Materials Israel Ltd. System, method and computer program product for generating a training set for a classifier
GB2567881B (en) * 2017-10-30 2021-02-10 Imagination Tech Ltd Systems and methods for processing a stream of data values
US10970834B2 (en) * 2018-01-05 2021-04-06 Kla-Tencor Corporation Defect discovery using electron beam inspection and deep learning with real-time intelligence to reduce nuisance
CN108182961A (zh) * 2018-01-12 2018-06-19 江苏华存电子科技有限公司 一种多通道存储系统的坏块处理方法
US10698392B2 (en) * 2018-06-22 2020-06-30 Applied Materials, Inc. Using graphics processing unit for substrate routing and throughput modeling
WO2020011648A1 (en) * 2018-07-13 2020-01-16 Asml Netherlands B.V. Pattern grouping method based on machine learning
US10923317B2 (en) * 2018-09-19 2021-02-16 KLA Corp. Detecting defects in a logic region on a wafer
US10545099B1 (en) 2018-11-07 2020-01-28 Kla-Tencor Corporation Ultra-high sensitivity hybrid inspection with full wafer coverage capability
KR102324622B1 (ko) * 2018-12-12 2021-11-12 어플라이드 머티리얼즈 이스라엘 리미티드 프로세스 모니터링
US11321633B2 (en) * 2018-12-20 2022-05-03 Applied Materials Israel Ltd. Method of classifying defects in a specimen semiconductor examination and system thereof
US11151706B2 (en) * 2019-01-16 2021-10-19 Applied Material Israel, Ltd. Method of classifying defects in a semiconductor specimen and system thereof
US11055840B2 (en) * 2019-08-07 2021-07-06 Kla Corporation Semiconductor hot-spot and process-window discovery combining optical and electron-beam inspection
US11360030B2 (en) * 2020-02-04 2022-06-14 Applied Materials Isreal Ltd Selecting a coreset of potential defects for estimating expected defects of interest
CN117147570A (zh) * 2023-10-30 2023-12-01 深圳硬之城信息技术有限公司 基于机器视觉的制造控制方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050210423A1 (en) * 2004-03-16 2005-09-22 Macronix International Co., Ltd. Method and system for analyzing defects of an integrated circuit wafer
US7198964B1 (en) * 2004-02-03 2007-04-03 Advanced Micro Devices, Inc. Method and apparatus for detecting faults using principal component analysis parameter groupings
US20080032429A1 (en) * 2005-11-09 2008-02-07 Da Chen Methods, defect review tools, and systems for locating a defect in a defect review process

Family Cites Families (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5991699A (en) 1995-05-04 1999-11-23 Kla Instruments Corporation Detecting groups of defects in semiconductor feature space
US5966459A (en) * 1997-07-17 1999-10-12 Advanced Micro Devices, Inc. Automatic defect classification (ADC) reclassification engine
US5862055A (en) * 1997-07-18 1999-01-19 Advanced Micro Devices, Inc. Automatic defect classification individual defect predicate value retention
JP4220595B2 (ja) * 1998-08-10 2009-02-04 株式会社日立製作所 欠陥の分類方法並びに教示用データ作成方法
JP4206192B2 (ja) * 2000-11-09 2009-01-07 株式会社日立製作所 パターン検査方法及び装置
EP2587515A1 (en) * 2000-06-27 2013-05-01 Ebara Corporation Inspection system by charged particle beam and method of manufacturing devices using the system
KR20020063582A (ko) * 2000-10-02 2002-08-03 어플라이드 머티어리얼스, 인코포레이티드 결함 소오스 탐지기
US7693323B2 (en) * 2002-03-12 2010-04-06 Applied Materials, Inc. Multi-detector defect detection system and a method for detecting defects
JP4095860B2 (ja) * 2002-08-12 2008-06-04 株式会社日立ハイテクノロジーズ 欠陥検査方法及びその装置
JP4310090B2 (ja) * 2002-09-27 2009-08-05 株式会社日立製作所 欠陥データ解析方法及びその装置並びにレビューシステム
JP4169573B2 (ja) * 2002-10-23 2008-10-22 株式会社東京精密 パターン検査方法及び検査装置
US7359544B2 (en) * 2003-02-12 2008-04-15 Kla-Tencor Technologies Corporation Automatic supervised classifier setup tool for semiconductor defects
US7602962B2 (en) * 2003-02-25 2009-10-13 Hitachi High-Technologies Corporation Method of classifying defects using multiple inspection machines
US7756320B2 (en) * 2003-03-12 2010-07-13 Hitachi High-Technologies Corporation Defect classification using a logical equation for high stage classification
US7508973B2 (en) * 2003-03-28 2009-03-24 Hitachi High-Technologies Corporation Method of inspecting defects
US6952653B2 (en) 2003-04-29 2005-10-04 Kla-Tencor Technologies Corporation Single tool defect classification solution
US7248353B2 (en) * 2003-05-30 2007-07-24 Ebara Corporation Method and apparatus for inspecting samples, and method for manufacturing devices using method and apparatus for inspecting samples
CN100371939C (zh) * 2003-08-27 2008-02-27 上海宏力半导体制造有限公司 在缺陷管理系统中使用的方法
JP2005158780A (ja) * 2003-11-20 2005-06-16 Hitachi Ltd パターン欠陥検査方法及びその装置
JP2006098151A (ja) * 2004-09-29 2006-04-13 Dainippon Screen Mfg Co Ltd パターン検査装置およびパターン検査方法
JP4374303B2 (ja) * 2004-09-29 2009-12-02 株式会社日立ハイテクノロジーズ 検査方法及びその装置
JP5134188B2 (ja) * 2004-10-15 2013-01-30 ケーエルエー−テンカー コーポレイション 試料上の欠陥を分析する装置
JP2006170809A (ja) * 2004-12-16 2006-06-29 Dainippon Screen Mfg Co Ltd 欠陥検出装置および欠陥検出方法
JP4402004B2 (ja) * 2005-04-15 2010-01-20 株式会社日立ハイテクノロジーズ 検査装置
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570800B2 (en) * 2005-12-14 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for binning defects detected on a specimen
FR2903253A1 (fr) * 2006-06-29 2008-01-04 Thales Sa Procede permettant de determiner des parametres de compression et de protection pour la transmission de donnees multimedia sur un canal sans fil.
US7904845B2 (en) 2006-12-06 2011-03-08 Kla-Tencor Corp. Determining locations on a wafer to be reviewed during defect review
JP5427609B2 (ja) 2006-12-19 2014-02-26 ケーエルエー−テンカー・コーポレーション 検査レシピ作成システムおよびその方法
US8175831B2 (en) 2007-04-23 2012-05-08 Kla-Tencor Corp. Methods and systems for creating or performing a dynamic sampling scheme for a process during which measurements are performed on wafers
US7711514B2 (en) 2007-08-10 2010-05-04 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for generating a metrology sampling plan
US8135204B1 (en) 2007-09-21 2012-03-13 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for creating a defect sample for use in selecting one or more parameters of an inspection recipe
US8351683B2 (en) * 2007-12-25 2013-01-08 Hitachi High-Technologies Corporation Inspection apparatus and inspection method
US7756658B2 (en) 2008-05-14 2010-07-13 Kla-Tencor Corp. Systems and methods for detecting defects on a wafer and generating inspection results for the wafer
US8000922B2 (en) 2008-05-29 2011-08-16 Kla-Tencor Corp. Methods and systems for generating information to be used for selecting values for one or more parameters of a detection algorithm
JP6185693B2 (ja) 2008-06-11 2017-08-23 ケーエルエー−テンカー・コーポレーションＫｌａ−Ｔｅｎｃｏｒ Ｃｏｒｐｏｒａｔｉｏｎ ウェーハー上の設計欠陥および工程欠陥の検出、ウェーハー上の欠陥の精査、設計内の１つ以上の特徴を工程監視特徴として使用するための選択、またはそのいくつかの組み合わせのためのシステムおよび方法
JP5255953B2 (ja) * 2008-08-28 2013-08-07 株式会社日立ハイテクノロジーズ 欠陥検査方法及び装置
US9768082B2 (en) * 2009-02-13 2017-09-19 Hermes Microvision Inc. Method and machine for examining wafers
US8112241B2 (en) * 2009-03-13 2012-02-07 Kla-Tencor Corp. Methods and systems for generating an inspection process for a wafer
JP5537282B2 (ja) * 2009-09-28 2014-07-02 株式会社日立ハイテクノロジーズ 欠陥検査装置および欠陥検査方法
US8559001B2 (en) 2010-01-11 2013-10-15 Kla-Tencor Corporation Inspection guided overlay metrology
US9620426B2 (en) 2010-02-18 2017-04-11 Kla-Tencor Corporation Method and system for providing process tool correctables using an optimized sampling scheme with smart interpolation
US8315453B2 (en) 2010-07-27 2012-11-20 Applied Materials Israel, Ltd. Defect classification with optimized purity
CN105118046B (zh) 2010-07-30 2018-05-18 克拉-坦科股份有限公司 基于区域的虚拟傅里叶滤波器
US8781781B2 (en) 2010-07-30 2014-07-15 Kla-Tencor Corp. Dynamic care areas
JP5608575B2 (ja) * 2011-01-19 2014-10-15 株式会社日立ハイテクノロジーズ 画像分類方法および画像分類装置
CN103582819B (zh) 2011-04-06 2016-09-14 科磊股份有限公司 用于提供经改进过程控制的质量度量的方法及系统
US9087367B2 (en) 2011-09-13 2015-07-21 Kla-Tencor Corp. Determining design coordinates for wafer defects
US8718353B2 (en) * 2012-03-08 2014-05-06 Kla-Tencor Corporation Reticle defect inspection with systematic defect filter
JP6078234B2 (ja) * 2012-04-13 2017-02-08 株式会社日立ハイテクノロジーズ 荷電粒子線装置
US9715723B2 (en) * 2012-04-19 2017-07-25 Applied Materials Israel Ltd Optimization of unknown defect rejection for automatic defect classification
US9607233B2 (en) * 2012-04-20 2017-03-28 Applied Materials Israel Ltd. Classifier readiness and maintenance in automatic defect classification
US9588441B2 (en) 2012-05-18 2017-03-07 Kla-Tencor Corporation Method and device for using substrate geometry to determine optimum substrate analysis sampling
US9310316B2 (en) 2012-09-11 2016-04-12 Kla-Tencor Corp. Selecting parameters for defect detection methods
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US9098891B2 (en) 2013-04-08 2015-08-04 Kla-Tencor Corp. Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology
US9183624B2 (en) 2013-06-19 2015-11-10 Kla-Tencor Corp. Detecting defects on a wafer with run time use of design data
CN103593670B (zh) * 2013-10-14 2016-07-06 浙江工业大学 一种基于在线序列极限学习机的铜板带表面缺陷检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7198964B1 (en) * 2004-02-03 2007-04-03 Advanced Micro Devices, Inc. Method and apparatus for detecting faults using principal component analysis parameter groupings
US20050210423A1 (en) * 2004-03-16 2005-09-22 Macronix International Co., Ltd. Method and system for analyzing defects of an integrated circuit wafer
US20080032429A1 (en) * 2005-11-09 2008-02-07 Da Chen Methods, defect review tools, and systems for locating a defect in a defect review process

Also Published As

Publication number Publication date
WO2016064547A1 (en) 2016-04-28
US20160163038A1 (en) 2016-06-09
JP6932637B2 (ja) 2021-09-08
JP2017537312A (ja) 2017-12-14
TW201624580A (zh) 2016-07-01
KR20210057207A (ko) 2021-05-20
US10818000B2 (en) 2020-10-27
TWI670781B (zh) 2019-09-01
US9286675B1 (en) 2016-03-15
CN107004123B (zh) 2020-11-24
KR102251862B1 (ko) 2021-05-17
CN107004123A (zh) 2017-08-01
TW201712775A (zh) 2017-04-01
US20190012781A1 (en) 2019-01-10
US10049441B2 (en) 2018-08-14
TW201944510A (zh) 2019-11-16
CN112465791A (zh) 2021-03-09
TWI688025B (zh) 2020-03-11
KR20170074932A (ko) 2017-06-30

Similar Documents

Publication Publication Date Title
TWI571946B (zh) 疊代式缺陷濾除製程
JP6905954B2 (ja) 自動欠陥分類のための未知欠陥除去の最適化
JP6758397B2 (ja) 欠陥検出システム及び方法
CN108352339B (zh) 自适应自动缺陷分类
JP7200113B2 (ja) 深くスタック化された層を有するウェハにおいて欠陥分類器を訓練して適用するためのシステムと方法
JP6285640B2 (ja) 自動及び手動欠陥分類の統合
US10628935B2 (en) Method and system for identifying defects of integrated circuits
CN109598698B (zh) 用于对多个项进行分类的系统、方法和非暂时性计算机可读取介质
US11307150B2 (en) Automatic optimization of an examination recipe
KR20220012217A (ko) 반도체 시편에서의 결함들의 기계 학습 기반 분류
JP2022542900A (ja) Ｓｅｍ画像をレンダリングし、３ｄデザインを用いて基板の欠陥撮像条件を予測するためのシステムと方法
JP2020500422A (ja) 検査関連アルゴリズムのセットアップに用いられる訓練集合の最適化
TWI755468B (zh) 用於分類器及藉由光學工具所捕捉之缺陷之診斷方法
US12007335B2 (en) Automatic optimization of an examination recipe
US20220270212A1 (en) Methods for improving optical inspection and metrology image quality using chip design data