TWI587157B

TWI587157B - 選擇用於缺陷偵測方法之參數

Info

Publication number: TWI587157B
Application number: TW102132837A
Authority: TW
Inventors: 吳肯翁; 克里斯Ｗ李; 萊爾特麥可Ｊ梵; 劉毅
Original assignee: 克萊譚克公司
Priority date: 2012-09-11
Filing date: 2013-09-11
Publication date: 2017-06-11
Also published as: US9310316B2; US20140072203A1; TW201419015A; WO2014043035A1

Description

選擇用於缺陷偵測方法之參數

本發明大體上係關於選擇用於應用於半導體晶圓檢驗之一缺陷偵測方法之一或多個參數。

以下描述及實例並非由於包含於此段落中而被認為係先前技術。

在半導體製程期間之各個步驟使用檢驗處理程序以偵測晶圓上之缺陷。半導體代工廠針對許多無生產線的(fabless)半導體公司製造各種積體電路(IC)產品。不同裝置及層上之缺陷類型係不同的。近來，針對許多不同類型之缺陷之檢驗已變得更加重要。在一些例項中，經組態以偵測不同類型之缺陷之系統可具有可調整靈敏度(或缺陷偵測)參數使得不同參數可用以偵測不同缺陷或避免非所要(擾亂點)事件之源。針對一特定檢驗目標尋找正確靈敏度參數集合之效率對於檢驗配方設置係至關重要的。

儘管具有可調整靈敏度參數之檢驗系統對半導體裝置製造商呈現顯著優勢，然在錯誤靈敏度參數用於檢驗處理程序之情況下，此等檢驗系統基本上係無用的。現今手動執行檢驗靈敏度最佳化。使用者對缺陷進行分類，此用作「實況(ground truth)」；基於分類缺陷指定靈敏度參數；運行檢驗或檢驗模擬(諸如，商業上可購自加利福尼亞州，米爾皮塔斯市，KLA-Tencor之視覺最佳化器(VO))；及接著查看檢驗結果。若結果不滿意，則執行另一回合之參數調諧。VO提供缺陷計數或密度分佈以及檢驗模擬結果之視覺回授。反覆執行此參數調諧處理程序直至結果滿足使用者之目標(其通常藉由所關注之缺陷(DOI)捕捉及擾亂點抑制來量測)。若結果無法滿足偵測目標，則使用者可改變檢驗成像模式，諸如光譜、孔徑、像素尺寸、焦點、掃描速度等。將執行另一回合之靈敏度調諧。此較大迴圈亦係一反覆處理程序。參數調諧迴圈(內迴圈)中反覆之次數係大於兩個外迴圈之組合之數量級。自動分段自動定限(AutoSAT)(其在商業上可購自KLA-Tencor)可自動最佳化SAT檢驗配方。

隨著半導體設計規則縮減，DOI變得愈來愈小。為尋找此等缺陷，需要更尖端缺陷檢驗演算法及更專用光學器件模式。尤其在其中一單個光學器件模式未充分偵測DOI之情況中，一般檢驗工具使用者愈加難以透徹理解及有效調諧演算法。因為此複雜性，所以配方設置時間變得更長且品質更加受制於人類相關的因素(諸如知識、經驗及技能)。無經驗的使用者可容易產生不一致或低品質配方。

多通道及多遍次檢驗挑戰甚至有經驗的使用者。例如，Puma(暗場檢驗工具，其在商業上可購自KLA-Tencor)中存在三個偵測通道。當前，使用者逐通道地設置配方參數。若在一通道中偵測一缺陷，則該缺陷藉由檢驗而偵測。不必在另一通道中偵測相同缺陷。當在當前通道中調諧一參數時，人類使用者幾乎不可能採用逐通道途徑在兩個其他通道中充分利用參數值。此途徑限制使用者利用多通道檢驗之能力。手動調諧一靈敏度配方之各反覆通常需要數分鐘至數小時。為了設置生產配方，使用者可經歷許多反覆，此可需要數天來完成。

AutoSAT首先嘗試解決自動調諧靈敏度配方之問題。AutoSAT在逐段基礎上最佳化臨限值參數。此處，「段」係指在影像灰階範圍內之一像素群組。段參數係在AutoSAT運行之前手動判定。AutoSAT之最佳化引擎無法同時最佳化段及臨限值。由於AutoSAT在全參數集合之許多子空間中窮舉搜尋，故其不解決配方穩定性之問題。當前，AutoSAT限於SAT演算法。AutoSAT無法應用於其他演算法。

相應地，開發不具有上述缺點之一或多者之用於選擇用於一或多個缺陷偵測方法或演算法之一或多個參數之方法及/或系統將係有利的。

各種實施例之下文描述絕不應理解為限制隨附申請專利範圍之標的。

一實施例係關於一種用於選擇用於一缺陷偵測方法之一或多個參數之電腦實施方法。該方法包含獲取一分類缺陷集合之資訊。該等分類缺陷係使用檢驗系統於晶圓上偵測。該等分類缺陷包含所關注之缺陷(DOI)及擾亂點缺陷。該方法亦包含獲取一缺陷偵測方法之一目標。將缺陷偵測方法應用於藉由檢驗系統之一或多個偵測器針對晶圓產生之輸出，以藉此偵測晶圓上之缺陷。該目標係由使用者指定。此外，該方法包含使用一最佳化函數及分類缺陷集合之資訊而選擇缺陷偵測方法之一或多個參數，使得該一或多個參數滿足目標。使用一電腦系統執行獲取資訊、獲取目標及選擇一或多個參數。

可如本文中進一步描述般執行上文所描述之方法。此外，上文所描述之方法可包含本文中描述之任何(若干)其他方法之任何(若干)其他步驟。此外，可藉由本文中描述之任一系統執行上文中所描述之方法。

另一實施例係關於一種電腦可讀媒體，其儲存可在一電腦系統中執行以執行用於選擇用於一缺陷偵測方法之一或多個參數之一電腦實施方法之程式指令。電腦實施方法包含上文所描述之方法之步驟。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。此外，程式指令可執行之電腦實施方法可包含本文中描述之任何(若干)其他方法之任何(若干)其他步驟。

一額外實施例係關於一種經組態以選擇用於一缺陷偵測方法之一或多個參數之系統。該系統包含經組態以偵測一晶圓上之缺陷之一檢驗系統。該系統亦包含經組態以執行上文所描述之方法之步驟之一電腦系統。可如本文中描述般進一步組態該系統。

10‧‧‧最佳化引擎

12‧‧‧共同參數

14‧‧‧多晶粒自動定限(MDTA)參數

16‧‧‧快速適應單一臨限值(FAST)參數

18‧‧‧階層及局部自動定限(HLAT)參數

20‧‧‧設定

22‧‧‧選項

24‧‧‧目標

26‧‧‧最佳化參數

28‧‧‧模擬結果

50‧‧‧電腦可讀媒體

52‧‧‧程式指令

54‧‧‧電腦系統

56‧‧‧光源

58‧‧‧濾光器

60‧‧‧偏光組件

62‧‧‧晶圓

64‧‧‧透鏡

66‧‧‧偏光組件

68‧‧‧孔隙

70‧‧‧偵測器

72‧‧‧透鏡

74‧‧‧偏光組件

76‧‧‧孔隙

78‧‧‧偵測器

80‧‧‧電腦系統

200‧‧‧步驟

202‧‧‧步驟

204‧‧‧步驟

206‧‧‧步驟

208‧‧‧步驟

210‧‧‧步驟

212‧‧‧步驟

214‧‧‧步驟

216‧‧‧步驟

218‧‧‧步驟

220‧‧‧最佳化參數

在閱讀以下詳細描述及參考隨附圖式之後，將明白本發明之其他目的及優點，其中：圖1係圖解說明具有各種輸入、設定及選項以及輸出之一最佳化引擎之一實施例之一方塊圖，該最佳化引擎可用以執行本文中所描述之一電腦實施方法；圖1a係圖解說明用於靈敏度參數最佳化之一方法之一實施例之一流程圖；圖2係圖解說明一電腦可讀媒體之一實施例之一方塊圖，該電腦可讀媒體包含可在一電腦系統上執行以執行本文中所描述之電腦實施方法之一或多者之程式指令；及圖3係圖解說明經組態以選擇用於一缺陷偵測方法之一或多個參數之一系統之一實施例之一側視圖之一示意圖。

儘管本發明易於以各種修改及替代形式呈現，然圖式中藉由實例展示且本文中將詳細描述其特定實施例。然而，應瞭解該等圖式及其詳細描述並非旨在將本發明限於所揭示之特定形式，恰相反，本發明旨在涵蓋落於如藉由隨附申請專利範圍所定義之本發明之精神及範疇內之全部修改、等效物及替代。

現參考圖式，應注意，該等圖並未按比例繪製。特定言之，極大地放大該等圖之一些元件之規模以強調該等元件之特性。亦應注意，該等圖並未按相同比例繪製。已使用相同參考符號指示在一個以上圖中展示之可類似地組態之元件。

一實施例係關於一種用於選擇用於一缺陷偵測方法之一或多個參數之電腦實施方法。該缺陷偵測方法可藉由一缺陷偵測演算法執行。因此，藉由本文中描述之實施例選擇之一或多個參數可係一缺陷偵測演算法之一或多個參數。儘管在本文中關於一演算法描述一些實施例或實例，然應瞭解該等實施例可用以選擇用於使用一演算法或某一(些)其他函數執行之任一缺陷偵測方法之一或多個參數。此外，缺陷偵測方法可藉由一或多個缺陷偵測演算法執行。因此，藉由本文中描述之實施例選擇之一或多個參數可係一或多個缺陷偵測演算法之一或多個參數。除非另有說明，否則本文中描述之全部缺陷偵測演算法可用於晶圓檢驗工具(在商業上可購自加利福尼亞州，米爾皮塔斯市，KLA-Tencor)上及/或可由該等晶圓檢驗工具使用。例如，MDTA代表多晶粒自動定限。HLAT代表階層及局部(Hierarchical and Local)自動定限。FAST代表快速適應單一臨限值。其等係可用於晶圓檢驗工具(在商業上可購自加利福尼亞州，米爾皮塔斯市，KLA-Tencor)上及/或可由該等晶圓檢驗工具使用之缺陷偵測演算法。

該方法包含獲取一分類缺陷集合之資訊。使用一檢驗系統於一晶圓上偵測該等分類缺陷。分類缺陷包含所關注之缺陷(DOI)及擾亂點缺陷。分類缺陷集合較佳包含DOI及擾亂點缺陷兩者(可能與其他缺陷類型組合)，使得在本文中進一步描述之參數選擇中考量全部缺陷類型。DOI可包含所關注之全部缺陷類型。此外，分類缺陷集合可包含使用者想要抑制之缺陷類型(例如，使用者不關心之實際缺陷)及具有未知缺陷類型之缺陷。缺陷可藉由一使用者分類成DOI、實際缺陷及擾亂點缺陷。可如本文中進一步描述般於晶圓上偵測該等缺陷，且可如本文中進一步描述般組態檢驗系統。

可基於來自一使用者之輸入而獲取分類缺陷集合的資訊。例如，使用者可點選用以執行本文中描述之實施例之一圖形使用者介面(GUI)中之一瀏覽按鈕來載入一分類批(lot)結果。該分類批結果可呈各種不同檔案格式(諸如，針對MDTA演算法之defects.bin及SATfeatures.bin)。使用者亦可使用GUI提供若干其他輸入，諸如指定各手動缺陷類別之超級類別碼(superclass code)及權重、區域ID及若干段(僅針對MDTA)。

在一實施例中，獲取資訊包含：選擇待用於晶圓之檢驗系統的一或多個光學器件模式；使用該一或多個光學器件模式偵測晶圓上的缺陷；及對所偵測之缺陷分類以藉此產生分類缺陷集合。如本文中所使用，「模式」或「光學器件模式」通常係指包含若干光學組件之一單個光學組合，該等光學組件包含(但不限於)一波長濾光器、一或多個偏光濾光器、一孔隙及一物鏡組。以此方式，光學器件模式可藉由組合使用或可組合使用以掃描一晶圓從而獲取該晶圓之輸出之檢驗系統之各種光學組件的參數來定義。因此，如本文中描述之一光學器件模式有效地包含用於檢驗一晶圓之一或多個(光學)參數。

在此實施例中，選擇一或多個光學器件模式可使用單步臨限值設置(OSTS)來執行，單步臨限值設置(OSTS)可如Chen等人之美國專利第8,000,922號中所描述般執行且提供一種快速收集執行靈敏度參數之離線調諧所需之資料的使用者易用方法。單步臨限值設置(OSTS)藉由跨偵測空間之範圍收集缺陷事件候選者使得可集體而非每次一個地分析缺陷事件候選者來完成快速收集資料。單步臨限值設置(OSTS)亦有助於移除設定一熱掃描臨限值中所需的許多推測工作，從而產生更一致、完整結果。Auto-OSTS使此方法自動化，使得使用者不必出現在工具上以執行掃描。本文中描述之實施例可包含以上提及的專利 (其以宛如全文闡述引用的方式併入本文中)中所描述之(若干)任何其他方法的(若干)任何其他步驟。此外，本文中描述之實施例藉由使用OSTS掃描結果延伸Auto-OSTS的原始範疇，以驅使靈敏度參數最佳化(經由同步靈敏度調諧(SST))及光學器件選擇(經由運用總體計分(overall scoring)之光學選擇(OS))兩者，其等兩者可如本文中進一步描述般執行。

在此實施例中，可如本文中進一步描述般執行偵測晶圓上之缺陷及對所偵測之缺陷進行分類。

在一此實施例中，使用一或多個光學器件模式偵測晶圓上之缺陷包含使用一或多個光學器件模式及一或多個缺陷偵測演算法對該晶圓執行一熱掃描。「熱掃描」通常係指一晶圓之一掃描/檢驗，其經執行以藉由應用相對積極偵測設定(例如，實質上接近於雜訊底限之臨限值)偵測晶圓上之缺陷。以此方式，可執行熱掃描以收集將用於調諧處理程序(光學器件選擇及演算法調諧)之關於晶圓之檢驗資料。熱掃描之目的在於在(若干)選定模式中偵測晶圓上之全部缺陷及擾亂點類型之一代表性樣本。一般而言，期望熱掃描將尋找多於可用於最佳化之事件且將需要某種智慧型取樣(諸如本文中進一步描述)以減小用於實際最佳化之資料集。

在另一此實施例中，選擇一或多個光學器件模式包含：使用檢驗系統對晶圓執行一熱掃描；對使用熱掃描偵測之缺陷進行分類；及基於使用熱掃描偵測之分類缺陷選擇一或多個光學器件模式，且使用熱掃描偵測之分類缺陷包含DOI及擾亂點缺陷。以此方式，本文中描述之實施例可包含多個熱掃描-一熱掃描用於光學器件選擇，且另一熱掃描(上文所描述)用於參數調諧。針對參數選擇執行之熱掃描可使用經選擇用於晶圓檢驗之(若干)光學模式來執行。在此實施例中，選擇(若干)光學模式可包含運用總體計分進行光學器件選擇，其在尋找 DOI時自動計算指定光學器件模式之一模式或組合之「良好」程度之一單個數字同時抑制一給定缺陷集合之擾亂點。此工具消除跨許多模式逐缺陷手動比較信雜比之繁瑣工作，且顯著減小光學器件選擇時間。可如Lee等人之美國專利申請公開案第2011/0320149中所描述般進一步執行運用總體計分之光學器件選擇，該案以宛如全文闡述引用的方式併入本文中。本文中描述之實施例可包含此專利申請案中描述之(若干)任何方法之(若干)任何步驟。在此實施例中，可如本文中進一步描述般執行偵測缺陷及對缺陷進行分類。

本文中描述之實施例取決於用於最佳化之缺陷樣本。特定言之，本文中進一步描述之最佳化函數使用分類缺陷之一樣本作為輸入。晶圓上之真實缺陷群體之樣本愈具代表性，最佳化之結果在應用於額外晶圓上時將愈可能有效。因此，對於在該領域中工作之此途徑，獲得一良好分類樣本可係至關重要的。

在一實施例中，獲取資訊包含自晶圓上所偵測之全部缺陷取樣分類缺陷集合，使得分類缺陷集合包含實質上跨缺陷偵測方法之整個參數空間之缺陷，且包含來自晶圓上之多個位置最具多樣性之缺陷。以此方式取樣分類缺陷集合通常可稱作為「智慧型多樣性取樣」。可已藉由事件取樣產生缺陷集合(自其取樣分類缺陷)，事件取樣包含自晶圓獲得可用作為至分類取樣級之輸入之一事件清單。可使用涉及在事件樣本中選取表示晶圓上之全部缺陷群體之項目之一子集之分類取樣執行自事件取樣結果取樣分類缺陷集合。智慧型多樣性取樣組合現有智慧型取樣及多樣性取樣(其等之各者係針對不同目的而開發)之優點。智慧型取樣嘗試跨整個檢驗參數空間(亦即，跨檢驗參數值之整個範圍)選擇缺陷樣本。多樣性取樣嘗試跨其他樣本空間獲得缺陷樣本，其主要探討缺陷類型之多樣性。智慧型多樣性取樣將主要探討檢驗參數及缺陷類型兩者，藉此提供用於同步靈敏度調諧之更佳樣本。智慧型及多樣性取樣之組合以對於最佳化目的有意義之一方式選擇反映真實晶圓缺陷群體之熱掃描資料之一子集。在演算法最佳化途徑中取樣步驟係重要的，此係因為取樣步驟判定在最終配方中將尋找到之缺陷類型(若輸入資料中未表示一缺陷類型，則最佳化中將不考量該缺陷類型)。可如共同讓與給Wang等人之美國專利第7,570,797號及由Dishner等人於2005年6月6日申請且於2006年12月21日發表為美國專利申請公開案第2006/0287751號之共同讓與美國專利申請案第11/146,342號中所描述般進一步執行多樣性取樣，該等案以宛如全文闡述引用的方式併入本文中。

該方法亦包含獲取用於一缺陷偵測方法之一物件。缺陷偵測方法待應用於藉由一檢驗系統之一或多個偵測器針對晶圓產生之輸出，以藉此偵測晶圓上之缺陷。缺陷偵測方法待應用於之輸出可包含檢驗系統之任一輸出(舉例而言，藉由檢驗系統之一或多個偵測器或一或多個偵測通道產生之輸出，諸如資料、信號、影像信號等)。

可針對一軟體系統預定義一目標類型集合。目標係藉由一使用者指定。在一實施例中，目標係定義為DOI之檢驗結果及擾亂點缺陷之檢驗結果之一函數。例如，使用者可藉由固定一擾亂點缺陷率或計數及最大化DOI計數而指定最佳化之一類型及一目標。在此情況中，使用者亦指定擾亂點缺陷計數或百分比。替代性地，使用者可選擇最大化(DOI計數-擾亂點計數)作為最佳化目標。或者，使用者可選擇固定DOI計數或DOI率且最大化擾亂點作為最佳化目標。在此情況中，使用者亦指定DOI計數或百分比。使用者可使用上文所描述之GUI來指定最佳化目標。不同目標類型捕捉使用者將用以判定一配方是否「良好」之邏輯。例如，目標根據DOI捕捉及擾亂點缺陷抑制指定缺陷偵測方法之良好程度。可基於藉由執行本文中描述之方法收集之「非直觀」結果識別及特性化額外目標類型或上文所描述之目標之修改。

在一些實施例中，缺陷偵測方法待應用於之輸出係在單遍次中藉由檢驗系統之一或多個偵測器針對晶圓而產生。在另一實施例中，缺陷偵測方法待應用於之輸出係在多遍次中藉由檢驗系統之一或多個偵測器針對晶圓而產生。例如，本文中描述之實施例可應用於單遍次或多遍次檢驗靈敏度最佳化。多遍次檢驗通常係使用一不同靈敏度及光學設定集合檢驗一單個晶圓。多遍次之目的係尋找全部DOI同時抑制擾亂點。此可藉由以下步驟而達成：使用各種缺陷之不同光學參數以允許各遍次尋找一不同缺陷集合且接著將多遍次之結果合併回為單個結果。此合併之部分可包含「後處理」，其中使用來自不同遍次之資料以進一步增強DOI捕捉或抑制擾亂點。

當將本文中描述之實施例用於多遍次晶圓檢驗設置時，可針對最佳化目標同時考量資料之多遍次，以便尋找最能滿足目標之遍次組合。相比之下，當前最佳化途徑趨向於最佳化一單遍次且接著使用額外遍次以添加或減去該遍次之結果。與單遍次最佳化所允許相比，同時途徑允許以更全面的方式藉由一遍次之優勢來彌補另一遍次中之劣勢。此外，因為縱使多遍次檢驗具有全部優點，對於使用者而言，個別及手動最佳化n遍次之艱巨任務趨向於勝過該等優點，所以本文中描述之實施例提供多遍次檢驗之顯著優點。換言之，手動最佳化一單遍次係耗費時間的。執行相同最佳化任務n次需要多於大部分使用者願意做之工作。此外，執行一系列最佳化未必產生一真最佳化之結果，此係因為不可容易手動解決遍次之間之互動。

在一實施例中，缺陷偵測方法待應用於之輸出係藉由檢驗系統之一個以上光學器件模式針對晶圓而產生。隨著DOI變得更小及更難以偵測，使用多個光學器件模式進行晶圓檢驗變得愈來愈常見。在另一實施例中，缺陷偵測方法待應用於之輸出係藉由檢驗系統之一個以上通道針對晶圓而產生。對於運用FAST檢驗演算法之多通道檢驗之一實例，可在整個最佳化處理程序期間自動及同時調諧全部通道之三個FAST臨限值參數及三個最大強度參數。多通道檢驗係多遍次檢驗之一特殊情況。例如，多通道使用在空間上分離之資料，而多遍次使用在時間上分離之資料。

該方法亦包含使用一最佳化函數及分類缺陷集合之資訊來選擇缺陷偵測方法之一或多個參數，使得該一或多個參數滿足目標。以此方式，該方法可使用用於手動配方最佳化途徑中之一些相同的輸入資料。藉由該方法選擇之缺陷偵測方法之參數可包含缺陷偵測方法的任何參數，且可包含多維參數。此外，缺陷偵測方法可使用多個缺陷偵測演算法來執行，且該方法可包含執行該方法以選擇用於多個缺陷偵測演算法之一或多個參數。手動途徑係一次調諧一參數。在一些參數彼此相依之情況下，此係一困難任務。(若干)缺陷偵測方法參數係藉由一全域最佳化演算法來最佳化，該全域最佳化演算法探索全部靈敏度參數之一多維空間，且反覆尋找使用者指定之目標之一更佳參數集合直至滿足一停止條件。以此方式，本文中描述之實施例將同時靈敏度調諧最佳化公式化為跨偵測方法(演算法)、偵測通道及偵測掃描(遍次)之(若干)偵測參數之一全域最佳化，且運用軟體實施來解決最佳化。

使用一電腦系統來執行獲取資訊、獲取目標及選擇一或多個參數。可如本文中進一步描述般組態電腦系統。

用於最佳化之參數可定義一目標「函數」。目標「函數」可涉及多個參數，無法表示為一分析函數且具有許多局部最小值。例如，可藉由(若干)參數經選擇所用於之(若干)缺陷偵測方法或(若干)演算法、所選擇之(若干)參數、分類缺陷、本文中進一步描述之最佳化約束，及使用者選擇之目標來定義目標「函數」。(若干)缺陷偵測方法或(若干)演算法可係用以偵測分類缺陷集合之(若干)方法或(若干)演算法。特定資料結構可用於公式化目標「函數」。在一實施例中，該方法包含目標「函數」之評估。可預處理分類缺陷且可產生一樹狀結構或查找表以用於快速函數評估。可使用一平行機制以同時評估多個缺陷及/或多個演算法。

在一實施例中，所選擇之一或多個參數包含缺陷偵測方法之少於全部參數。例如，雖然本文中描述之實施例可自動最佳化全部靈敏度參數，但仍允許對靈敏度參數之一子集之最佳化。在一此實施例中，使用者可僅選擇三個FAST臨限值參數以進行最佳化。

經最佳化之多個參數可與各種約束相關聯。例如，最佳化約束可係偵測參數之範圍。該範圍係由其等實體意義判定。參數範圍亦可係自用於參數最佳化之全部缺陷及用以偵測此等缺陷之偵測參數導出。在另一實施例中，藉由要求缺陷偵測方法針對檢驗系統之兩個或兩個以上通道的臨限值係相同來約束最佳化函數。在一此實例中，可(例如，針對FAST及HLAT演算法)藉由設定一參數約束而迫使兩個側通道臨限值相同。此外，使用者可使用上文所描述之GUI以選擇諸如抑制未分類缺陷及/或最佳化多個偵測演算法的約束。在一些實施例中，藉由憑藉使用者針對一或多個參數之至少一者選擇的一或多個值範圍來約束最佳化函數。例如，使用者可設定最佳化參數之範圍。以此方式，可藉由一使用者指定各種參數約束。在一此實例中，使用者可設定最佳化參數之上限及下限，且固定段中斷值(僅針對MDTA)。使用者亦可重複本文中描述之各種步驟以運用不同選項來最佳化靈敏度配方。

在另一實施例中，選擇一或多個參數包含同時選擇一或多個參數之兩者或兩者以上。例如，該方法可用以自動及同時最佳化用於晶圓缺陷檢驗之靈敏度配方之多維參數。以此方式，本文中描述之實施例通常可稱作為同時靈敏度調諧(SST)方法及系統。

在一實施例中，最佳化函數係一成本函數。例如，可使用一經良好建立之成本函數最佳化演算法(諸如模擬退火)以解決最佳化問題。演算法藉由以收斂於最低成本之一受控方式透過若干隨機選取解迭代而相對快速及穩健地運作。成本函數可係此項技術中已知之任何其他成本函數。

在另一實施例中，最佳化函數包含針對包含於分類缺陷集合中之不同缺陷類型之不同權重。例如，如上文進一步描述，使用者可指定各缺陷類型之一權重。

在另一實施例中，該方法包含執行該方法以選擇用於一不同缺陷偵測方法之一或多個參數。例如，本文中描述之實施例係通用的且足夠靈活以用於不同配方調諧問題。以此方式，本文中描述之實施例可經執行以選擇用於諸如MDTA、FAST及HLAT檢驗演算法之任何缺陷偵測方法之一或多個參數且可延伸至其他演算法，諸如線內缺陷組織器(inline defect organizer(iDO))規則式(ruled-based)NEF分級器及多遍次檢驗。換言之，本文中描述之實施例不限於一特定檢驗演算法。該方法論用於任何檢驗演算法，只要一使用者目標可以靈敏度參數表達。此外，本文中描述之實施例可延伸至其他晶圓檢驗相關之設置任務(諸如，缺陷併像(binning))。此外，本文中描述之實施例可應用於需要參數最佳化之任何問題，只要可清楚定義最佳化目標。

在一些實施例中，用以產生缺陷偵測方法待應用於之輸出之檢驗系統係一種具有暗場能力、明場能力及其某一組合之基於光之檢驗系統。例如，本文中描述之實施例係通用的且足夠靈活以用於暗場(DF)檢驗系統、明場(BF)檢驗系統及此項技術中已知之任何其他基於光之檢驗系統。可如本文中描述般進一步組態檢驗系統。

SST係稱作「確定性」配方最佳化之一新配方設定典範之一主要組件。確定性配方最佳化之概念允許使用者使用演算法驅動(algorithm-powered)途徑(諸如運用總體計分之光學器件選擇、AutoOSTS、智慧型多樣性取樣及同時靈敏度調諧)進行光學器件選擇、熱掃描、缺陷樣本選擇及配方最佳化。以此方式，可以一確定性方式選擇用於檢驗晶圓之一或多個參數。例如，本文中描述之實施例在其等使用關於一晶圓上之DOI及擾亂點缺陷之累積學習之意義上係確定性的。此外，本文中描述之實施例引進自一分類缺陷集合學習之確定性(相對於機率性)應用。因而，本文中描述之實施例可用於「確定性」檢驗配方設置。

本文中描述之實施例具有勝於當前用以選擇缺陷偵測方法參數之其他方法之若干優點。例如，本文中描述之實施例可改良檢驗靈敏度效能(例如，偵測更多DOI且抑制更多擾亂點缺陷)。本文中描述之實施例亦可減小人類干涉且改良靈敏度效能之一致性。然而，確定性配方最佳化並非旨在取代一專家或在全部情況中產生「最佳」或「最權威」答案。結果旨在向專家提供一起始點以繼續最佳化(例如，執行額外調諧)或取代一般使用者在大部分生產、研究與開發及工程應用設置情況中執行手動最佳化之需要。

歸因於主觀因素(諸如，使用者經驗、知識及技能之不同位準)，本文中描述之實施例亦將減小配方品質之不一致性。因此，大體上改良配方品質。此外，本文中描述之實施例減少用於設定靈敏度配方之時間且因此減少總體配方設置時間。例如，可將用於手動調諧之數小時至數天之最佳化時間減小至數秒至數分鐘(除分類時間以外)。

本文中描述之實施例亦減少達成此改良效能位準所需之使用者訓練及經驗。例如，本文中描述之實施例採用需要相對較高程度之訓練、經驗及時間之一手動處理程序，且將其轉變至事實上不需要特殊訓練及需要相對較少時間之在很大程度上自動化之處理程序。大大減小針對一般使用者之演算法特定訓練要求。例如，本文中描述之實施例自使用者角度將最佳化重新定義為缺陷分類之一者而非參數微調。在一此實例中，本文中描述之實施例提供一特徵集合，一起使用該等特徵將允許使用者使用僅依靠使用者對缺陷進行分類及指定一最佳化目標之能力而非依靠他/她(his/her)解譯複雜信號或雜訊資料及操縱該資料之能力以達成一目的之演算法自光學器件選擇至靈敏度參數選擇最佳化一檢驗配方。以此方式，本文中描述之實施例將晶圓檢驗設置之焦點自基於專家資料分析手動最佳化參數改變至使用演算法方法基於缺陷資料之分類最佳化參數。使用者可僅藉由對缺陷進行分類而非操縱多個演算法參數來開發一品質配方。因此，使用者不必學習檢驗演算法之深奧細節且代替性地可集中於其等所關心之細節--在晶圓上偵測(或抑制)之缺陷類型。

本文中描述之實施例亦提供一種用於以實質上短時間量產生良好結果之完全最佳化多通道及多遍次檢驗之途徑。調諧多通道檢驗不再受限於在完全複雜多通道最佳化空間之一子空間中工作之手動方法(最佳已知方法(BKM))。本文中描述之實施例執行完全最佳化而不限於手動途徑。此外，調諧多遍次檢驗不再受限於人類腦力。代替性地，全部DOI類型之完全最佳化僅受限於電腦能力(computer power)。此外，由於本文中描述之實施例可同時而非如當前所執行般逐通道選擇用於一個以上通道之一或多個參數，故本文中描述之實施例將改良多通道檢驗之配方靈敏度及最佳化效率。

上文描述之方法之實施例之各者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，上文描述之方法之實施例之各者可藉由本文中描述之系統之任一者執行。

本文中描述之全部方法可包含將方法實施例之一或多個步驟之結果儲存於一電腦可讀儲存媒體中。該等結果可包含本文中描述之結果之任一者，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一儲存媒體或此項技術中已知之任何其他適合儲存媒體。在已儲存結果之後，該等結果可存取於儲存媒體中且可藉由本文中描述之方法或系統實施例之任一者使用，可經格式化以對一使用者顯示，可藉由另一軟體模組、方法或系統等使用。例如，在該方法選擇用於缺陷偵測方法之一或多個參數之後，該方法可包含將一檢驗配方中所選擇之(若干)參數儲存於一儲存媒體中。

本文中描述之實施例可使用一最佳化引擎(諸如，圖1中所展示之最佳化引擎10)執行。可將待最佳化之缺陷偵測方法之各種參數輸入至最佳化引擎。例如，可將用以偵測分類缺陷之共同參數12(諸如，缺陷ID、類別碼(class code)、區域ID及偵測參數)輸入至最佳化引擎。此外，可將MDTA參數14(諸如，灰階、偏移及量值)輸入至最佳化引擎。亦可將FAST參數16(諸如，Channel1_FAST Threshold、Channel2_FAST Threshold、Channel3_FAST Threshold、Channel1_intensity、Channel2_intensity及Channel3_intensity)輸入至最佳化引擎。此外，可將HLAT參數18(諸如，Channel1_HLAT Absmin、Channel1_Gradient、Channel1_noise、Channel1_color、Channel2_HLAT Absmin、Channel2_Gradient、Channel2_noise、Channel2_color、Channel3_HLAT Absmin、Channel3_Gradient、Channel3_noise、Channel3_color、Channel1_intensity、Channel2_intensity及Channel3_intensity)輸入至最佳化引擎。可無關於(若干)參數經選擇所用於之缺陷偵測方法而將共同參數輸入至最佳化引擎，而輸入之其他參數可取決於(若干)參數經選擇所用於之缺陷偵測方法而變化。上文描述之參數可藉由軟體自動輸入。

使用者亦可將諸如設定20之各種輸入提供至最佳化引擎，設定20可包含(例如)超級類別碼及權重。使用者亦可將選項22提供至最佳化引擎，選項22可包含(例如)參數上限及下限、段之數目、抑制未知缺陷類型、最佳化最大臨限值、固定段中斷及迫使通道1及2中之值相同。使用者可進一步選擇一目標函數類型且將目標24提供至最佳化引擎，目標24可包含：最大化(DOI計數-擾亂點計數)：固定擾亂點率且最大化DOI計數；或固定DOI計數且最小化擾亂點計數。

最佳化引擎之輸出可包含：最佳化參數26，其可包含本文中描述之(若干)最佳化參數之任一者；及模擬結果28，其可包含所偵測之DOI及擾亂點計數、擾亂點率及歸因於不足輸入無法最佳化之原因。最佳化引擎可經組態以如本文中進一步描述般最佳化(若干)參數。最佳化引擎可儲存於以下各者上或由以下各者使用：一晶圓檢驗系統之一電腦系統、一晶圓缺陷再檢測系統之一電腦系統或一獨立電腦系統(其並非係一檢驗或再檢測系統之部分)。

圖1a圖解說明一靈敏度配方最佳化之一實施例。特定言之，圖1a圖解說明檢驗配方設置中之一內迴圈及其與其他步驟之互動。此係用於單遍次晶圓檢驗之一最佳化處理程序。首先，在步驟200中，使用者選擇一光學器件模式或若干光學器件模式。接著，該方法可包含在步驟202中獲得分類缺陷，此可包含檢驗晶圓及對缺陷進行分類，該等分類缺陷用作為參數最佳化之「實況」。該方法亦包含設定(若干)參數經選擇所用於之(若干)缺陷偵測方法或(若干)演算法及目標，如步驟204中所展示。接著，電腦系統自動指定(若干)靈敏度參數(如步驟206中所展示)，將此等(若干)參數應用於檢驗模擬中(如步驟208中所展示)且檢查是否滿足目標(如步驟210中所展示)。

若不滿足目標，則執行另一回合之參數調諧。額外回合之參數調諧包含判定是否應改變(若干)參數(如步驟212中所展示)。若改變(若干)參數，則可運用(若干)不同參數再次執行步驟206、208及210。步驟206、208、210及212定義該方法之內迴圈。若不改變(若干)參數，則接著該方法可包含判定是否應改變目標(如步驟214中所展示)。若改變目標，則該方法可包含運用一不同目標重新執行步驟204、206、208及210。若不改變參數且不改變目標，則該方法包含判定是否應改變(若干)光學器件模式(如步驟216中所展示)。若改變(若干)光學器件模式，則該方法可包含運用(若干)不同光學器件模式重新執行步驟200、202、204、206、208及210。若不改變(若干)參數、不改變目標且不改變(若干)光學器件模式，則該方法包含判定是否應改變資料(如步驟218中所展示)。若判定不改變(若干)參數、不改變目標、不改變(若干)光學器件模式且不改變資料，則將在步驟206中選定之(若干)參數設定為最佳化參數220。若判定改變資料，則運用不同資料執行步驟202、204、206、208及210。

若在步驟210中滿足目標，則該方法包含在步驟218中判定是否應改變資料。若判定改變資料，則運用不同資料執行步驟202、204、206、208及210。若判定不改變資料，則將在步驟206中選定之(若干)參數設定為最佳化參數220。

以此方式，反覆執行此參數調諧處理程序直至結果滿足使用者之目標，此藉由DOI捕捉及擾亂點抑制而量測。若結果不可滿足偵測目標，則使用者可改變目標、目標「函數」、偵測演算法及光學器件模式。將執行另一回合之靈敏度調諧直至滿足該目標。參數最佳化迴圈(內迴圈)中反覆之次數係大於兩個外迴圈之組合之數量級。圖1a中所展示之方法可藉由本文中描述之任一系統執行且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。

一額外實施例係關於一種非揮發性電腦可讀媒體，其儲存可在一電腦系統中執行以執行用於選擇用於一缺陷偵測方法之一或多個參數之一電腦實施方法之程式指令。圖2中展示一此實施例。特定言之，如圖2中所展示，電腦可讀媒體50包含可在電腦系統54上執行之程式指令52。電腦實施方法包含上文描述之方法之步驟。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)任何其他步驟。

實施諸如本文中描述之該等方法之方法之程式指令52可儲存於電腦可讀媒體50上。電腦可讀媒體可係儲存媒體(諸如唯讀記憶體、隨機存取記憶體、磁碟或光碟或磁帶)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。

程式指令可以各種方式之任一者實施，包含基於程序之技術、基於組件之技術及/或物件導向之技術等。例如，程式指令可視需要使用ActiveX控制項、C++物件、JavaBeans、Microsoft Foundation Classes(「MFC」)或其他技術或方法論實施。

電腦系統可採取多種形式，包含個人電腦系統、影像電腦、大型電腦系統、工作站、網路器具、網際網路器具或其他裝置。一般而言，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。電腦系統亦可包含此項技術中已知之任何適合處理器(諸如，平行處理器)。此外，電腦系統可包含具有高速處理及軟體之一電腦平台(作為獨立工具或網路工具)。

另一實施例係關於一種經組態以選擇用於一缺陷偵測方法之一或多個參數之系統。圖3中展示此一系統之一實施例。該系統包含經組態以偵測一晶圓上之缺陷之一檢驗系統。例如，如圖3中所展示，檢驗系統包含光源56。光源56可包含此項技術中已知之任何適合光源(諸如雷射器)。

檢驗系統可包含濾光器58。如圖3中所展示，光源56可經組態以將光引導至濾光器58，濾光器58可係光譜濾光器或可用以變更或選擇來自光源56之光之(若干)波長之任何其他適合濾光器。此外，檢驗系統可包含一個以上濾光器(未展示)，其等之各者可獨立定位於來自光源之光之路徑中。濾光器之各者可經組態以依不同方式變更來自光源之光之(若干)波長。檢驗系統可經組態以取決於經選擇用於照明晶圓之光之(若干)波長而依任何適合方式將濾光器移入及移出來自光源之光之路徑。

可將來自濾光器58之光引導至偏光組件60，偏光組件60可包含此項技術中已知之任何適合偏光組件。此外，檢驗系統可包含一個以上偏光組件(未展示)，其等之各者可獨立定位於來自濾光器之光之路徑中。偏光組件之各者可經組態以依不同方式變更來自濾光器之光之偏光。檢驗系統可經組態以取決於經選擇用於照明晶圓之偏光設定而依任何適合方式將偏光組件移入及移出來自濾光器之光之路徑。用於照明晶圓之偏光設定可包含任何適當偏光設定，例如，p偏光(P)、s偏光(S)及圓偏光(C)。此外，儘管來自光源56之光在圖3中經展示以通過濾光器58且接著通過偏光組件60，然來自光源之光可在通過濾光器58之前通過偏光組件60。換言之，可顛倒圖3中所展示之在來自光源之光之路徑中之濾光器及偏光組件之位置。

以一傾斜入射角(其可包含任何適合傾斜入射角)將離開偏光組件60之光引導至晶圓62。檢驗系統亦可包含經組態以將光自光源56引導至濾光器58、自濾光器58引導至偏光組件60或自偏光組件60引導至晶圓62之一或多個光學組件(未展示)。該等光學組件可包含此項技術中已知之任何適合光學組件，諸如(但不限於)反射光學組件。此外，光源、濾光器、偏光組件及(視情況)一或多個光學組件可經組態以依一或多個入射角(例如，一傾斜入射角及/或一實質上法向入射角)將光引導至晶圓。檢驗系統可經組態以依任何適合方式掃描晶圓上方之光。

可藉由檢驗系統之多個通道收集及偵測自晶圓62散射之光。例如，可藉由透鏡64收集以相對接近法向之角度自晶圓62散射之光。如圖3中所展示，透鏡64可包含一折射光學元件。此外，透鏡64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。可將藉由透鏡 64收集之光引導至偏光組件66，偏光組件66可包含此項技術中已知之任何偏光組件。此外，檢驗系統可包含一個以上偏光組件(未展示)，其等之各者可獨立定位於藉由透鏡收集之光之路徑中。偏光組件之各者可經組態以依一不同方式變更藉由透鏡收集之光之偏光。檢驗系統可經組態以取決於經選擇用於偵測藉由透鏡64收集之光之偏光設定而依任何適合方式將偏光組件移入及移出藉由透鏡收集之光之路徑。用於偵測藉由透鏡64收集之光之偏光設定可包含任何適合偏光設定(例如，P、S及非偏光(N))。

可將離開偏光組件66之光引導至孔隙68，孔隙68可包含此項技術中已知之任何適合孔隙。此外，檢驗系統可包含一個以上孔隙(未展示)，其等之各者可獨立定位於藉由透鏡收集或離開偏光組件66之光之路徑中。孔隙之各者可經組態以依一不同方式阻擋離開偏光組件之光或藉由透鏡收集之光之一部分。檢驗系統可經組態以取決於所選擇之孔隙而依任何適合方式將孔隙移入及移出離開偏光組件之光或藉由透鏡收集之光之路徑。此外，儘管藉由透鏡64收集之光經展示以通過偏光組件66且接著通過孔隙68，然藉由透鏡收集之光可在通過偏光組件66之前通過孔隙68。換言之，可顛倒圖3中所展示之在藉由透鏡64所收集之光之路徑中之偏光組件及孔隙之位置。

將離開孔隙68之光引導至偵測器70。偵測器70可包含此項技術中已知之任何適合偵測器(諸如，一電荷耦合裝置(CCD)或另一類型之成像偵測器)。偵測器70經組態以產生回應於藉由透鏡64收集且藉由偏光組件66及孔隙68(若定位於所收集之散射光之路徑中)透射之散射光之輸出。因此，透鏡64、偏光組件66(若定位於藉由透鏡64收集之光之路徑中)、孔隙68(若定位於離開偏光組件66之光之路徑中)及偵測器70形成檢驗系統之一通道。檢驗系統之此通道可包含此項技術中已知之任何其他適合光學組件(未展示)，諸如光譜濾光器。

可藉由透鏡72收集以不同角度自晶圓62散射之光。透鏡72可如上文描述般組態。可將藉由透鏡72收集之光引導至偏光組件74，偏光組件74可包含此項技術中已知之任何適合偏光組件。此外，檢驗系統可包含一個以上偏光組件(未展示)，其等之各者可獨立定位於藉由透鏡收集之光之路徑中。偏光組件之各者可經組態以依一不同方式變更藉由透鏡收集之光之偏光。檢驗系統可經組態以取決於經選擇用於偵測藉由透鏡72收集之光之偏光設定而依任何適合方式將偏光組件移入及移出藉由透鏡收集之光之路徑。用於偵測藉由透鏡72收集之光之偏光設定可包含任何適合偏光設定(例如，P、S及N)。

可將離開偏光組件74之光引導至孔隙76，孔隙76可包含此項技術中已知之任何適合孔隙。此外，檢驗系統可包含一個以上孔隙(未展示)，其等之各者可獨立定位於藉由透鏡72收集之光或離開偏光組件74之光之路徑中。孔隙之各者可經組態以依一不同方式阻擋離開偏光組件之光或藉由透鏡收集之光之一部分。檢驗系統可經組態以取決於所選擇之孔隙而依任何適合方式將孔隙移入及移出離開偏光組件之光或藉由透鏡收集之光之路徑中。此外，儘管藉由透鏡72收集之光在圖3中經展示以通過偏光組件74且接著通過孔隙76，然藉由透鏡收集之光可在通過偏光組件74之前通過孔隙76。換言之，可顛倒圖3中所展示之在藉由透鏡72收集之光之路徑中之偏光組件及孔隙之位置。

將離開孔隙76之光引導至偵測器78，偵測器78可如上文所描述般組態。偵測器78亦經組態以產生回應於通過孔隙76(若定位於散射光之路徑中)之所收集之散射光之輸出。因此，透鏡72、偏光組件74(若定位於藉由透鏡72收集之光之路徑中)、孔隙76(若定位於離開偏光組件74之光之路徑中)及偵測器78可形成檢驗系統之另一通道。此通道亦可包含上文所描述之任何其他光學組件(未展示)。在一些實施例中，透鏡72可經組態以收集以自約20度至約70度之極角自晶圓散射之光。此外，可將透鏡72組態為一反射光學組件(未展示)，該反射光學組件經組態以收集以約360度之方位角自晶圓散射之光。

圖3中所展示之檢驗系統亦可包含一或多個其他通道(未展示)。例如，檢驗系統可包含組態為一側通道之一額外通道，該額外通道可包含本文中描述之光學組件之任一者，諸如一透鏡、一或多個偏光組件、一或多個孔隙及一偵測器。可如本文中描述般進一步組態該透鏡、該一或多個偏光組件、該一或多個孔隙及該偵測器。在一此實例中，側通道可經組態以收集及偵測自入射平面散射之光(即，側通道可包含在實質上垂直於入射平面之一平面中居中之一透鏡及經組態以偵測藉由透鏡收集之光之一偵測器)。

在另一實例中，檢驗系統可包含組態為一BF通道之一額外通道(未展示)，該額外通道可包含本文中描述之光學組件之任一者，諸如一透鏡、一或多個偏光組件、一或多個孔隙及一偵測器。可如本文中描述般進一步組態該透鏡、該一或多個偏光組件、該一或多個孔隙及該偵測器。在一此實例中，BF通道可經組態以收集及偵測自晶圓鏡面反射之光。在另一實例中，該系統亦可或可替代性地經組態以依一實質上法向入射角照明晶圓且使用一或多個偵測通道偵測自晶圓散射之光。以此方式，該系統可組態為一法向入射DF檢驗系統。

該系統亦包含電腦系統80。可將藉由偵測器產生之輸出提供至電腦系統80。例如，電腦系統可耦合至偵測器之各者(例如，藉由憑藉圖3中之虛線展示之一或多個傳輸媒體，其可包含此項技術中已知之任何適合傳輸媒體)使得電腦系統可接收藉由偵測器產生之輸出。電腦系統可以任何適合方式耦合至偵測器之各者。

電腦系統經組態以獲取一分類缺陷集合之資訊，此可如本文中進一步描述般執行。分類缺陷係使用檢驗系統偵測於一晶圓上。分類缺陷包含DOI及擾亂點缺陷。電腦系統亦經組態以獲取一缺陷偵測方法之一目標(諸如本文中描述之目標)，此可如本文中進一步描述般執行。將缺陷偵測方法應用於藉由一檢驗系統之一或多個偵測器針對晶圓產生之輸出，以藉此偵測晶圓上之缺陷。目標係藉由一使用者指定。此外，電腦系統經組態以使用一最佳化函數及該分類缺陷集合之資訊而選擇缺陷偵測方法之一或多個參數使得該一或多個參數滿足目標，此可如本文中進一步描述般執行。

電腦系統可經組態以執行本文中描述之(若干)任何方法實施例之(若干)任何其他步驟。可如本文中描述般進一步組態電腦系統。亦可如本文中描述般進一步組態檢驗系統。此外，可如本文中描述般進一步組態該系統。

應注意，本文中提供圖3以大體上圖解說明可包含於本文中描述之系統實施例中之一檢驗系統之一組態。顯然，如在設計一商業檢驗系統時通常所執行般，可變更本文中描述之檢驗系統組態以最佳化檢驗系統之效能。此外，本文中描述之系統可使用一現有檢驗系統(例如，藉由將本文中描述之功能性添加至一現有檢測檢驗系統)實施，諸如商業上可購自KLA-Tencor之28XX、29XX及Puma 9XXX系列之工具。對於一些此等系統，可將本文中描述之方法提供為系統之選用功能性(例如，除系統之其他功能性之外)。或者，本文中描述之系統可「從頭開始」設計以提供一全新系統。

在一些實施例中，經組態以執行本文中描述之電腦實施方法之一或多者之一系統可包含諸如上文所描述之檢驗系統之一檢驗系統。然而，經組態以執行本文中描述之電腦實施方法之一或多者之一系統可不包含一檢驗系統。例如，該系統可包含組態為一獨立工具之一或多個處理器或一或多個電腦系統。在一此實例中，該系統可包含經特定設計(及視情況專用)以執行本文中描述之電腦實施方法之一或多者之一或多個組件。

鑒於此描述，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，提供用於選擇用於一缺陷偵測方法之一或多個參數之電腦實施方法、電腦可讀媒體及系統。相應地，此描述應僅理解為闡釋性，且用於向熟習此項技術者教示實行本發明之一般方式之目的。應瞭解，本文中展示及描述之本發明之形式應視為當前較佳實施例。如熟習此項技術者在受益於本發明之此描述之後將明白般，元件及材料可取代本文中圖解說明及描述之該等元件及材料，可顛倒部件及程序，且可獨立利用本發明之某些特徵。在不脫離如以下申請專利範圍中所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作出改變。