TWI606235B - 用於檢測一光微影光罩之方法、檢測系統及電腦可讀媒體 - Google Patents

用於檢測一光微影光罩之方法、檢測系統及電腦可讀媒體 Download PDF

Info

Publication number
TWI606235B
TWI606235B TW102108364A TW102108364A TWI606235B TW I606235 B TWI606235 B TW I606235B TW 102108364 A TW102108364 A TW 102108364A TW 102108364 A TW102108364 A TW 102108364A TW I606235 B TWI606235 B TW I606235B
Authority
TW
Taiwan
Prior art keywords
defect
group
image
defects
seed
Prior art date
Application number
TW102108364A
Other languages
English (en)
Other versions
TW201341787A (zh
Inventor
李冰
馬偉銘
喬瑟夫Ｍ 布麗雀
Original Assignee
克萊譚克公司
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 克萊譚克公司 filed Critical 克萊譚克公司
Publication of TW201341787A publication Critical patent/TW201341787A/zh
Application granted granted Critical
Publication of TWI606235B publication Critical patent/TWI606235B/zh

Links

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
    • G03F1/82—Auxiliary processes, e.g. cleaning or inspecting
    • G03F1/84—Inspecting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95676—Masks, reticles, shadow masks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Preparing Plates And Mask In Photomechanical Process (AREA)

Description

用於檢測一光微影光罩之方法、檢測系統及電腦可讀媒體 相關申請案交叉參考
本申請案主張以下先前申請案之權益：(i)由Bing Li等人於2012年3月8日申請之標題為「Reticle Defect Inspection with Systematic Defect Filter」之美國臨時申請案第61/608,445號及(ii)由Bing Li等人於2012年4月9日申請之標題為「Reticle Defect Inspection with Systematic Defect Filter」之美國臨時申請案第61/621,725號，該等申請案出於各種目的以全文引用方式併入本文中。
本發明一般而言係關於一光罩檢測領域。更特定而言，本發明係關於一種用以根據光罩缺陷偵測來過濾系統化缺陷之方法。
一般而言，半導體製造行業涉及用於使用經分層且經圖樣化至諸如矽之一基板上之半導體材料來製作積體電路之高度複雜技術。由於大規模之電路整合及大小日益減小之半導體裝置，因此所製作之裝置已變得對缺陷越來越敏感。即，導致裝置中之故障之缺陷正變得越來越小。裝置在裝運至終端使用者或客戶之前係無故障的。
一積體電路通常由複數個光罩製作而成。光罩之產生及對此等光罩之後續光學檢測已成為半導體生產中之標準步驟。首先，電路設計者向一光罩生產系統或光罩刻寫機提供描述一特定積體電路(IC)設 計之電路圖樣資料。電路圖樣資料通常呈所製作之IC裝置之實體層之一代表性佈局之形式。該代表性佈局包含針對該IC裝置之每一實體層之一代表性層(例如，閘極氧化物、多晶矽、敷金屬等)，其中每一代表性層由定義該特定IC裝置之一層之圖樣化之複數個多邊形組成。
光罩刻寫機使用電路圖樣資料來刻寫(例如，通常使用一電子束刻寫機或雷射掃描機來曝光一光罩圖樣)稍後將被用以製作該特定IC設計之複數個光罩。一光罩檢測系統然後可檢測該光罩以找出在該等光罩之生產期間可已出現之缺陷。
一光罩或光遮罩係至少含有透明區域及不透明區域且有時含有半透明區域及相移區域(其共同定義諸如一積體電路之一電子裝置中之共面特徵之圖樣)之一光學元件。光罩在光微影期間用來定義用於蝕刻、離子植入或其他製作程序之一半導體晶圓之規定區域。
在製作每一光罩或光罩群組之後，通常藉由用自一受控照明器發出之光照明每一光罩來檢測該光罩。基於反射、透射或以其他方式引導至一光感測器之光之部分來建構光罩之一部分之一測試影像。此等檢測技術及設備係此項技術中所熟知，且體現於各種商業產品中，諸如可自加利福尼亞州苗必達市之KLA-Tencor公司購得之彼等商業產品中之諸多者。
在一習用檢測處理程序期間，通常比較光罩之測試影像與一基線影像。通常，基線影像係自電路圖樣資料或者自光罩本身上之一毗鄰晶粒產生。不論哪種方式，皆分析測試影像特徵且將其與基線影像之特徵相比較。然後將每一差值與一預定臨限值相比較。若測試影像與基線影像之不同超出該預定臨限值，則定義且報告一缺陷。
在兩個影像之間所偵測之每一差異皆可能導致一可印刷缺陷。相反地，所偵測缺陷中之某些缺陷將對所得積體電路沒有影響。取決於此臨限值係設定得太高還是太低，此技術可能不能擷取小的缺陷且 亦可擷取大量「假」缺陷。
存在對準確地且可靠地偵測光罩或諸如此類上之缺陷同時減小所偵測「假」缺陷之數目之經改良偵測技術之一持續需要。
以下呈現對所揭示內容之一簡化總結，以便提供對本發明之特定實施例之一基本理解。本發明內容並非對所揭示內容之一廣泛概述，且其並不識別本發明之關鍵/重要元素或描繪本發明之範疇。本發明內容唯一目的係以一簡化形式呈現本文中所揭示之某些概念作為稍後呈現之更詳細說明之一前奏。
在一項實施例中，揭示一種檢測一光微影光罩之方法。自一光罩檢測系統接收一缺陷資料串流，其中該缺陷資料識別針對該光罩之複數個不同部分所偵測之複數個缺陷。在查核該缺陷資料以判定該光罩是否通過檢測之前且在繼續接收該缺陷資料串流時，將該等缺陷中之某些缺陷與其他最近一或多個所接收缺陷自動地分群在一起以便形成實質上匹配之缺陷群組。在查核該缺陷資料以判定該光罩是否通過檢測之前且在接收該光罩之所有該缺陷資料之後，自該缺陷資料自動地過濾具有大於一預定臨限值之一數目之該等缺陷群組中之一或多個缺陷群組以便形成經過濾缺陷資料。然後可將該經過濾缺陷資料提供至一查核站以用於判定該光罩是否合格。
在一特定實施方案中，人工地執行查核該缺陷資料以判定該光罩是否通過檢測。在另一實施例中，一次一個缺陷影像地接收該缺陷資料且藉由以下操作達成自動分群：當接收每一缺陷影像時，判定該缺陷影像是否匹配一現有種子群組(若存在)且將此缺陷影像添加至此匹配之現有種子群組。否則，形成包括此缺陷影像之一新種子群組。在另一態樣中，判定每一缺陷影像是否匹配一現有種子群組(若存在)且將此缺陷影像添加至此匹配之現有種子群組係藉由以下操作達成： 若存在匹配則一次一個地比較此缺陷影像與複數個種子群組直至找出一匹配為止。在另一態樣中，若存在匹配則一次一個地比較此缺陷影像與複數個種子群組直至找出一匹配為止係藉由以下操作達成：首先判定此缺陷影像是否具有與該等種子群組中之一者實質上匹配之一形狀，且僅若存在一實質上匹配之形狀則逐像素地比較此缺陷影像與具有該實質上匹配形狀之該種子群組。在另一態樣中，判定當該逐像素比較導致小於一2×2像素差時，將此缺陷影像與該等種子群組中之一特定者分群在一起。
在另一實施方案中，以最後所接收缺陷資料至第一所接收缺陷資料之一時間次序達成自動分群。在另一態樣中，在沒有人為干預之情況下執行自動分群及過濾。在另一實例中，該預定臨限值具有一經調整值，該經調整值取決於環繞此特定群組之缺陷之一區之一均勻性位準。在另一態樣中，該預定臨限值具有一經調整值，該經調整值經設定以使得若一特定群組之缺陷由一實質上空白背景環繞則不過濾此特定群組。在另一態樣中，該預定臨限值具有一經調整值，該經調整值對於具有一維缺陷之一第一群組而言比對於具有二維缺陷之一第二群組而言高。在一特定實施方案中，針對一特定群組之缺陷類型之預定臨限值成比例於1/log(A)，其中A係獨特背景圖樣之一面積。
在特定實施例中，本發明係關於一種用於檢測一光微影光罩之系統。該系統包含經組態以執行上文所闡述操作中之至少某些操作之至少一個記憶體及至少一個處理器。在其他實施例中，本發明係關於其上儲存有用於執行上文所闡述操作中之至少某些操作之指令之電腦可讀媒體。
下文參考圖式來進一步闡述本發明之此等及其他態樣。
200‧‧‧視窗
202‧‧‧視窗
300‧‧‧檢測系統
302‧‧‧輸入/影像資料/所接收影像輸入資料
304a‧‧‧資料散佈系統
304b‧‧‧資料散佈系統
306a‧‧‧影像處理系統/影像處理器
306b‧‧‧影像處理系統/影像處理器
308‧‧‧切換網路/網路
310‧‧‧檢測控制及/或查核站
312‧‧‧自動過濾處理器及記憶體
316‧‧‧選用大容量儲存裝置
400‧‧‧樣本
402‧‧‧幅區/第一幅區/影像資料組/影像組
404‧‧‧幅區/第二幅區
406‧‧‧重疊
502‧‧‧影像
504‧‧‧影像
506‧‧‧影像
508‧‧‧影像
510a‧‧‧重疊區
510b‧‧‧重疊區
510c‧‧‧重疊區
600‧‧‧典型微影系統/微影系統
601‧‧‧數值孔徑/元件
602‧‧‧遮罩平面/平面/光罩平面
603‧‧‧照明源
605‧‧‧照明透鏡
650‧‧‧檢測系統/所繪示檢測系統/系統
651a‧‧‧成像透鏡
651b‧‧‧相對大數值孔徑/數值孔徑
652‧‧‧光罩平面
653‧‧‧成像光學器件/顯微放大光學器件/放大光學元件
654‧‧‧感測器
660‧‧‧照明源
673‧‧‧電腦系統
M‧‧‧光遮罩
W‧‧‧晶圓
圖1A係圖解說明根據本發明之一項實施例之一檢測處理程序之 一流程圖。
圖1B係圖解說明根據本發明之一特定實施方案之一自動系統化缺陷過濾處理程序之一流程圖。
圖1C係圖解說明一項實例性缺陷偵測程序之一流程圖。
圖2圖解說明在過濾之前的一光罩之所偵測缺陷，與同一光罩之經過濾缺陷相比。
圖3係根據本發明之一項實施例之一檢測系統之一圖解表示。
圖4係對應於諸如一光罩之一樣本之兩個「幅區」之兩組影像資料之一圖解表示。
圖5係對應於被劃分成若干截圖(patch)之一幅區之一影像資料組之一圖解表示。
圖6A係根據特定實施例用於將一遮罩圖樣自一光遮罩轉印至一晶圓上之一微影系統之一簡化示意圖。
圖6B提供根據特定實施例之一光遮罩檢測設備之一示意圖。
在以下說明中，陳述眾多特定細節以便提供對本發明之一透徹理解。可在沒有此等特定細節中之某些或全部細節之情況下實踐本發明。在其他例項中，未詳細闡述眾所周知之處理操作以免不必要地模糊本發明。雖然將結合特定實施例來闡述本發明，但應理解，並不意欲將本發明限制於該等實施例。
術語「光罩」一般而言包含諸如玻璃、硼矽酸鹽玻璃及熔融矽石之一透明基板，其上形成有一層不透明材料。不透明區域可由蝕刻至透明基板中之區域替換。
此項技術中已知諸多不同類型之光罩，且如本文中所使用之術語光罩意欲囊括所有類型之光罩。舉例而言，術語光罩係指不同類型之光罩，包含(但不限於)一明場光罩、一暗場光罩、二元光罩、一相 移遮罩(PSM)、一交替PSM、一減光型或半透型PSM及三元減光型PSM。一明場光罩具有透明之場區或背景區，且一暗場光罩具有不透明之場區或背景區。二元光罩係具有透明或不透明之圖樣化區之一光罩。舉例而言，可使用由具有一鉻金屬吸收膜所定義之一圖樣之一透明熔融矽石坯料製成之一光遮罩。二元光罩不同於相移遮罩(PSM)，一種類型之相移遮罩可包含僅部分地透射光之膜，且此等光罩可共同稱為半透型或嵌入式相移遮罩(EPSM)。若在一光罩之交替透明空間上放置一相移材料，則該光罩稱為一交替PSM、一ALT PSM或一Levenson PSM。施加至任意佈局圖樣之一種類型之相移材料稱為一減光型或半透型PSM，其可藉由用一部分透射或「半透型」膜替換該不透明材料來製作。三元減光型PSM係亦包含完全不透明特徵之一減光型PSM。
通常，可將在一缺陷偵測處理程序期間產生之所偵測光罩缺陷分類成三種類型：真實缺陷、顯像處理程序缺陷及光罩檢測處理程序缺陷。真實缺陷對應於光罩之一部分上之實際污染或光罩圖樣之一部分之無意移除。如本文中所使用，術語「真實」或「實際」缺陷係指一光罩之一設計圖樣中之一缺陷，該缺陷可致使一設計圖樣中之一缺陷印刷於使用該光罩之一晶圓上，諸如過度拐角修圓、不合意之尺寸、缺失之特徵、特徵之間的橋接等。光罩檢測處理程序缺陷由檢測處理程序誘發。舉例而言，缺陷偵測處理程序可包含導致在整個光罩影像中找出「假」缺陷之一模型化處理程序。顯像處理程序缺陷由來自光學檢測工具之影響引入。各種光學失真可在光罩影像中引入可被無意地偵測為一缺陷之差異。
假缺陷亦可稱為「系統化」缺陷，此乃因在缺陷偵測處理程序期間通常在系統化圖樣或高數目方面產生兩種類型之假缺陷。舉例而言，模型化引入之假缺陷往往在同一圖樣處反覆發生，諸如高曲率圖 樣或小特徵。相比而言，真實缺陷通常係隨機事件，因此真實缺陷之位置及出現係隨機的且非重複的。
圖1A係圖解說明根據本發明之一項實施例之一檢測處理程序100之一概述之一流程圖。在操作102中，針對一特定光罩偵測缺陷。通常，可藉助本發明之實施例實施任何適合類型及數目之缺陷偵測技術。舉例而言，不同缺陷偵測器可用於偵測不同類型之真實缺陷，諸如針孔缺陷、針點缺陷、不同類型之線邊緣缺陷、線端缺陷、不同大小之缺陷、污染缺陷、半透型缺陷等。
另外，用於偵測一特定類型之缺陷(或光罩上之所有「真實」缺陷)之敏感性可經調整以便擷取實質上所有特定類型之缺陷。一般而言，可製作且然後檢測具有不同類型之缺陷之測試光罩以判定每一缺陷偵測器技術之敏感性。然而，本發明之系統化缺陷過濾處理程序可與任何適合的所偵測缺陷資料一起使用且並不取決於如何產生此資料。
當偵測出一特定光罩之缺陷時，可將一或多個所偵測缺陷資料串流發送至一處理程序以用於在操作104中自所偵測缺陷自動地過濾系統化缺陷。系統化過濾處理程序104一般而言可經組態以在接收缺陷資料時藉由比較一或多個缺陷與先前所接收缺陷來自動地分析該缺陷資料，以便藉由將此等匹配缺陷分群在一起來判定是否偵測到類似缺陷之圖樣。在找出一特定光罩之實質上所有所偵測缺陷資料且將其分群(若匹配)之後，過濾處理程序可隨之如下文進一步闡述自所偵測資料自動地過濾系統化缺陷。
在自所有所偵測缺陷過濾系統化缺陷之後，可隨之在操作106中查核所過濾缺陷。舉例而言，可人工地查核所過濾缺陷以判定剩餘缺陷是否將有可能嚴重影響將藉助所檢查光罩來製作之經製作裝置結構之操作。
然後可在操作108中判定光罩是否合格。此判定可基於任何適合因素，諸如總缺陷(在過濾之後)之數目、特定類型之缺陷之總數目等。若光罩合格，則然後可使用該光罩來製作具有半導體裝置之一晶圓。否則，在操作110中修復或者摒棄該光罩。若修復該光罩，則然後可針對所修復光罩重複缺陷偵測、過濾及查核處理程序。若摒棄該光罩，則基於缺陷結果製造另一經改良光罩，且然後對此經改良光罩執行缺陷偵測、過濾及查核處理程序。
可使用任何適合技術用於自所偵測缺陷資料自動地過濾實質上類似缺陷之圖樣。在一項實施方案中，在一時間順序資料串流中分析缺陷資料以便獲得缺陷群組之一獨特解決方案，然後基於每一群組中之缺陷數目來過濾缺陷群組。當然，可使用其他技術以獲得一組獨特的經分群缺陷。
圖1B係根據本發明之一特定實施方案之一自動系統化缺陷過濾處理程序120之一流程圖。在此實例中，以一時間次序分群缺陷資料。首先，在操作122中自一檢測系統接收一第一缺陷影像。在此實施例中，當找出每一缺陷時，藉由一自動過濾處理程序獲得缺陷影像(或信號或資料)。如下文進一步闡述，可掃描光罩以獲得複數個影像，該複數個影像由分析影像以偵測缺陷之複數個影像處理器個別地處理。當找出每一缺陷時，過濾處理程序可隨之接收對應於此所找出缺陷之一缺陷影像。
在接收一第一缺陷影像之後，可隨之在操作124中判定所接收缺陷影像是否匹配任何現有種子缺陷群組。由於此係第一缺陷影像，因此判定不存在匹配。然後在操作126中基於當前缺陷影像產生一新種子群組。然後可在操作128中判定是否仍存在任何缺陷。換言之，判定是否已自缺陷偵測系統接收所有缺陷資料。
若存在更多缺陷，則在操作122中自檢測系統接收下一缺陷影 像。然後可在操作124中判定該缺陷是否匹配任何現有種子缺陷群組。在接收複數個缺陷影像且針對其分析匹配之後，可已產生複數個不同種子群組。為獲得一獨特解決方案，可以一時間次序分析現有種子群組，諸如針對與最後所接收缺陷影像之一可能匹配(或具有最後所接收缺陷)分析最後所接收種子群組，且然後分析該最後所接收種子群組之下一者等，直至找出一匹配為止。
每一群組可具有一經定義種子缺陷，諸如添加至此群組之第一(或最後)所接收缺陷，可相對於其來比較其他新近接收的缺陷。即，可在新近接收的缺陷影像與一群組之僅種子缺陷(而非已經分群至此群組中之缺陷中之每一者)之間進行一比較。當然，該比較可包含對每一群組之所有缺陷及一新近接收的缺陷影像之一分析，但至少在當今之處理速度下此技術可係顯著低效的。
可以任何適合方式執行一新近接收的缺陷影像與一種子群組之間的比較。在一項實施方案中，該比較包含預篩選缺陷以判定其是否具有一類似形狀。若新近接收的缺陷與一種子缺陷具有一類似形狀，則進一步分析該兩個缺陷以判定兩個缺陷是否以其他方式(例如，位置、形狀、大小、定向等)匹配。即，可以逐像素為基礎來彼此對準及比較兩個缺陷。當兩個缺陷具有小於一預定臨限準則之一差(例如，諸如一2×2殘差)時可將其定義為匹配。然而，可使用測試光罩調整此臨限值以判定一最佳臨限值，以使得缺陷資料映射至相關數目及類型個分級箱(例如，「真實」缺陷對「系統化」缺陷)中。分群之敏感性可實質上高於偵測缺陷之檢測敏感性。
若存在一匹配，則可在操作127中將當前缺陷添加至匹配群組。 否則，可在操作126中針對當前缺陷產生一新種子群組。因此，當一傳入缺陷不匹配任一現有種子群組之缺陷時形成一新種子群組。因此，每一種子群組將包含複數個實質上匹配之缺陷影像。
在將一特定光罩之所有缺陷匹配至特定種子群組之後，可分析該等種子群組以用於過濾。在一項實施例中，可一次一個地分析該等種子群組。在其他實施例中，可並行分析該等種子群組。在所圖解說明之實例中，可在操作130中獲得一第一種子群組。然後在操作132中，若此當前種子群組中之缺陷數目大於一預定臨限值，則可過濾此當前種子群組。
可使用任何適合數目個不同過濾臨限值。在一項實施方案中，針對每一缺陷群組之不同背景圖樣使用不同臨限值。即，檢查缺陷及其如何與周圍區相關以判定自複數個不同臨限值選擇哪一臨限值。舉例而言，若一群組之缺陷係由一幾乎空白區環繞之一點缺陷或微粒缺陷(例如，一零維或0D缺陷)，則此缺陷可能係一「真實」微粒缺陷，且將計數臨限值設定至實際上無窮大以使得不管缺陷計數如何高皆保留所有此群組之缺陷。在另一實例中，若缺陷係一維或1D缺陷(例如，諸如一線)，則將計數臨限值設定至一特定值X以在圖樣類型缺陷對「真實」缺陷之間進行區分(例如，或以達成該群組中之缺陷係真實缺陷之50%之一機率)。可將一2D缺陷之計數臨限值設定得低於一1D缺陷之計數臨限值。在一特定實施方案中，所選擇臨限值N成比例於1/log(A)，其中A係獨特背景圖樣之面積。在此實施例中，將不過濾具有一簡單背景之一0D缺陷，此乃因不存在獨特背景區(亦即，所有背景像素皆一致)。同樣地，可將(例如)一0D缺陷之一恆定背景定義為具有一面積1，此導致計數臨限值無窮大以使得存留一0D缺陷群組中之所有缺陷。具有較大獨特背景區之缺陷導致相對較低之計數臨限值。
不同使用者可容易地為不同缺陷類型選擇不同計數臨限值。舉例而言，不同製作程序可需要不同計數臨限值以達成系統化缺陷對真實缺陷之相關分級。可以任何適合方式完成對此等計數臨限值之選 擇，諸如經由一組態檔案或一圖形使用者介面。
在針對是否自缺陷資料過濾一特定種子群組之缺陷分析此群組之後，可隨之在操作134中判定是否存在任何其他種子群組。若不存在更多種子群組，則步驟120結束。否組，在操作130中獲得下一種子群組且過濾處理程序繼續直至已針對過濾或不過濾分析所有種子群組為止。
特定自動過濾實施例可提供一組較清潔缺陷以供一查核工具操作者查核。圖2圖解說明在視窗200中之在過濾之前的一光罩之所偵測缺陷，與在視窗202中之同一光罩之經過濾缺陷相比。如所展示，在過濾之後的缺陷計數實質上減小。每一視窗之直方圖展示每一基於幾何圖樣之缺陷類型(透明/半透型、EdgeToLE(邊緣至線端)、LEOrCorner(線邊緣或拐角)、僅半透型、IsoEdge(孤立邊緣)、僅透明等)中之缺陷數目，其中每一缺陷類型係根據缺陷之大小(小、中等、大或超大)。可見，當關閉系統化過濾時，缺陷圖由於系統化缺陷之存在而展示一泛用多晶粒佈局。當開啟系統化過濾時，僅保留真實缺陷，而過濾出彼等系統化缺陷。
上文所闡述技術之特定實施例包含在沒有先前缺陷模板之情況下根據重複缺陷之重複性及隨機性以及自動識別對假缺陷之過濾。此等過濾技術亦可克服使用並行處理器來處理一經掃描光罩之個別「截圖」部分之截圖級影像處理之一限制性。如下文進一步闡述，限制於一截圖之侷限之截圖級處理固有地缺乏處於板級之缺陷之全域視圖。 另一方面，一過濾技術之特定實施例可基於缺陷之全域視圖做出決策。
自動系統化缺陷過濾可在難以獲得進一步處方最佳化及演算法改良之諸多情形中顯著地減小假缺陷之數目。系統化缺陷過濾亦可達成一較高敏感性檢測，以便捕捉較小缺陷同時減少對於最佳化特定幾 何分類之敏感性設定之需要。
另外，特定實施例可提供一機制以在缺陷到達一查核站之前自動地過濾此等缺陷。由於已過濾出定義為系統化缺陷之缺陷群組，因此查核操作者僅面對一小子組缺陷來查核。相比而言，自動缺陷分類技術提供亦包含系統化缺陷之大量缺陷分類。即使經分類缺陷可允許一操作者僅查核每一分類中之一個缺陷以判定整個缺陷分類是否表示重要缺陷，操作者亦將必須繁瑣地查核較大數目個缺陷分類以判定哪些缺陷分類僅包含系統化缺陷對哪些缺陷分類僅包含實際光罩缺陷。 當在操作者查核之前自動地過濾出整個群組時，操作者面對排除系統化缺陷之經過濾缺陷。
可使用任何適合的缺陷偵測來將缺陷資料輸入至本文中所闡述之自動系統化缺陷過濾技術。圖1C係圖解說明一項實例性缺陷偵測程序150之一流程圖。首先，在操作152中提供待檢測之一光罩。然後可在操作154中掃描該光罩以獲得該光罩之複數個測試影像且將每一測試影像發送至一缺陷處理器。
然後可在操作158中相對於每一測試影像之對應參考影像對準該測試影像。參考影像可自另一光罩影像獲得，另一光罩影像可自光罩本身(晶粒對晶粒)獲得或藉由對光罩設計圖樣模擬一光罩製作及檢測處理程序而自光罩設計資料庫(晶粒對資料庫)獲得。在操作160中，亦可使用一高敏感性來分析每一測試影像及參考影像以便擷取實質上所有實際光罩缺陷以及假系統化缺陷。
在找出每一所偵測影像之後，可隨之在操作162中將每一所偵測缺陷影像發送至一自動系統化缺陷過濾處理程序。亦可在操作164中判定光罩掃描是否係完全的。若光罩掃描係完全的，則步驟150結束。否則，該程序繼續使用一高敏感性來掃描光罩及偵測缺陷。
圖3係根據本發明之一項實施例之一檢測系統300之一圖解表 示。該檢測系統可自一檢測工具或掃描機(未展示)、一資料散佈系統(例如，304a及304b)、一影像處理系統(例如，306a及306b)、一或多個自動過濾處理器及記憶體(例如，312)、一網路(例如，切換網路308)、一選用大容量儲存裝置316及一或多個檢測控制及/或查核站(例如，310)接收輸入302。每一處理器通常可包含一或多個微處理器積體電路，且亦可含有介面及/或記憶體積體電路且另外可耦合至一或多個共用及/或全域記憶體裝置。
檢測系統300可經配置以自一掃描機或資料擷取系統(未展示)接收輸入302。掃描機可係用於獲得一樣本之一影像之任何適合儀器。 舉例而言，掃描機可基於反射、透射或以其他方式引導至一或多個光感測器之光之一部分來建構樣本之一部分之一光學影像。另一選擇係，掃描機可利用一電子束(e-束)或其他方法用於獲得樣本之一影像。
可自任何適合樣本類型獲得影像資料。即，樣本可係導致相對大量影像資料之任何事物。儘管本文中所闡述之經圖解說明實例係關於呈其上具有大量精細圖樣之一光罩之形式之一樣本，但本發明之技術亦可應用於採用一半導體裝置或材料、一背側薄膜或一電腦磁碟之形式之一樣本。
影像資料302可採用任何適合形式以用於表示樣本之一影像。舉例而言，影像資料通常包含各自表示樣本之一部分或一截圖之複數個影像或影像部分。可掃描樣本之該等部分以形成影像資料。此等樣本部分及對應影像可取決於特定系統及應用要求而係任何大小及形狀。 可藉由以任何適合方式掃描樣本來獲得影像。以實例方式，可藉由光柵掃描樣本來獲得影像。另一選擇係，可藉由以任何適合圖樣(諸如一圓形或螺旋形圖樣)掃描樣本來獲得影像。當然，在掃描期間感測器可必須以不同方式(例如，以一圓形圖樣)配置及/或樣本可以不同方 式移動(例如，旋轉)以便自樣本掃描一圓形或螺旋形形狀。
在下文所圖解說明之實例中，當樣本移動經過感測器時，樣本之一矩形區域(本文中稱為一「幅區」)轉換成一組影像。在此實施例中，以一矩形圖樣配置掃描機之感測器。針對此實例，感測器經配置以自樣本接收光且自其產生對應於樣本之一幅區之一組資料，該幅區可係(舉例而言)大約1百萬像素寬且大約1000至2000像素高。
圖4係根據本發明之實施例之對應於諸如一光罩之一樣本400之兩個「幅區」402及404之兩組影像資料之一圖解表示。每一組影像資料可對應於樣本400之一「幅區」。在圖4之實例中，一第一組影像資料對應於樣本400之一第一幅區402，且一第二組影像資料對應於樣本400之一第二幅區404。
每一組影像資料可藉由以一盤旋或光柵圖樣自樣本順序地掃描幅區而獲得。舉例而言，藉由一影像擷取系統自左至右地掃描樣本400之第一幅區402來獲得一第一組影像資料。然後自右至左地掃描第二幅區404以獲得一第二組影像資料。
在一較佳實施例中，在每一組影像資料與下一組影像資料之間存在對應於樣本上之一重疊之一重疊406。此重疊允許處理樣本400上之特定圖樣之更多靈活性。舉例而言，此重疊確保由重疊幅區覆蓋之表面部分上之任何地方之任何圖樣將完全含納於至少一個幅區內，只要圖樣之高度小於或等於重疊區之高度即可。大多數演算法不能正確地偵測一圖樣中之一缺陷，除非整個圖樣存在於該演算法正檢查之影像部分中。
回到圖3，可由資料散佈系統經由網路308接收影像資料302。資料散佈系統可與用於保持所接收影像資料302之至少一部分之一或多個記憶體裝置(諸如RAM緩衝器)相關聯。較佳地，整個記憶體足夠大以保持影像資料之一整個幅區。舉例而言，1GB之記憶體良好地適 用於1百萬×1000像素之一幅區。
資料散佈系統(例如，304a及304b)亦可控制將所接收影像輸入資料302之部分散佈至影像處理器(例如，306a及306b)。舉例而言，資料散佈系統可將一第一影像路由至影像處理器306a，且可將一第二影像路由至影像處理器306b。
影像處理器可接收對應於樣本之至少一部分或一截圖之一影像。影像處理器亦可各自耦合至一或多個記憶體裝置(未展示)或與其整合在一起，該一或多個記憶體裝置(諸如DRAM裝置)提供諸如保持影像資料部分之本端記憶體功能。較佳地，記憶體足夠大以保持對應於樣本之一截圖之一影像。舉例而言，8百萬位元組之記憶體良好地適用於對應於512×1024像素之一截圖之一影像。另一選擇係，影像處理器可共用記憶體。
每一組影像資料302可對應於樣本之一幅區。一或多組影像資料可儲存於該資料散佈系統之記憶體中。此記憶體可由該資料散佈系統內之一或多個處理器控制，且該記憶體可被劃分成複數個分割區。舉例而言，該資料散佈系統可將對應於一幅區之一部分之一影像接收至一第一記憶體分割區(未展示)中，且該資料散佈系統可將對應於另一幅區之另一影像接收至一第二記憶體分割區(未展示)中。較佳地，該資料散佈系統之該等記憶體分割區中之每一者僅保持待路由至與此記憶體分割區相關聯之一處理器之影像資料之部分。舉例而言，該資料散佈系統之第一記憶體分割區可保持一第一影像且將其路由至影像處理器306a，且第二記憶體分割區可保持一第二影像且將其路由至影像處理器306b。
資料散佈系統亦可劃分所接收影像資料之部分且將其路由至影像處理器。可藉由資料散佈系統以任何適合方式劃分影像資料以供促進資料分析。舉例而言，可將影像資料劃分成各自對應於樣本之一 「截圖」之影像。圖5係對應於劃分成若干截圖之一幅區之一影像資料組402之一圖解表示。
如所展示，影像組402包含複數個影像502、504、506及508，且每一影像對應於一樣本之截圖。如同對應於重疊幅區之該等組影像資料，一特定組影像資料內之影像亦可重疊。如所展示，影像502與504之間存在一重疊區510c，影像504與506之間存在一重疊區510b，且影像506與508之間存在一重疊區510a。
如上文針對重疊幅區影像所闡述，截圖影像之重疊亦促進可靠之處理。舉例而言，重疊區使得可能在部分地或完全地位於重疊區內之一完整結構之寬度小於重疊寬度時處理該結構。當存在一重疊時，亦可消除在使用迴旋及其他區域鄰域操作時發生於截圖邊緣處之資料侵蝕或損失。
該資料散佈系統可基於該影像資料之任何適合參數來定義及散佈該影像資料之每一影像。舉例而言，可基於該截圖在該樣本上之對應位置來定義及散佈該等影像。在一項實施例中，每一幅區與對應於該幅區內之像素之水平位置之一系列行位置相關聯。舉例而言，幅區之行0至行256可對應於一第一截圖，且此等行內之像素將包括路由至一或多個葉處理器之第一影像。同樣地，幅區之行257至行512可對應於一第二截圖，且此等行中之像素將包括路由至不同葉處理器之第二影像。
系統實例
圖6A係根據特定實施例可用以將一遮罩圖樣自一光遮罩M轉印至一晶圓W上之一典型微影系統600之一簡化示意圖。此等系統之實例包含掃描機及步進機，更特定而言，可自荷蘭費爾德霍芬市之ASML購得之PAS 5500系統。一般而言，一照明源603將一光束引導穿過一照明透鏡605至位於一遮罩平面602中之一光遮罩M上。照明透 鏡605在彼平面602處具有一數值孔徑601。數值孔徑601之值影響該光遮罩上之哪些缺陷是微影顯著缺陷及哪些缺陷不是。通過光遮罩M之光束之一部分形成一圖樣化光學信號，該圖樣化光學信號經引導穿過成像光學器件653且至一晶圓W上以起始圖樣轉印。
圖6B提供根據特定實施例之具有一成像透鏡651a之一檢測系統650之一示意圖，該成像透鏡在一光罩平面652處具有一相對大的數值孔徑651b。所繪示檢測系統650包含經設計以提供(舉例而言)60X至200X或以上之放大率以用於增強之檢測之顯微放大光學器件653。在檢測系統之光罩平面652處之數值孔徑651b通常明顯大於微影系統600之光罩平面602處之數值孔徑601，此將導致測試檢測影像與實際印刷影像之間的差異。
本文中所闡述之檢測技術可實施於各種經特別組態之檢測系統上，諸如圖6B中示意性地圖解說明之檢測系統。系統650包含產生一光束之一照明源660，該光束經引導穿過照明光學器件651至光罩平面652中之一光遮罩M上。光源之實例包含雷射或過濾燈。在一項實例中，該源係一193nm雷射。如上文所闡釋，檢測系統650在光罩平面652處具有可大於對應微影系統之一光罩平面數值孔徑(例如，圖6A中之元件601)之一數值孔徑651b。將待檢測之光遮罩M放置於光罩平面652處且曝露至該源。
將來自遮罩M之圖樣化影像引導穿過一些放大光學元件653，該等放大光學元件將圖樣化影像投影至一感測器654上。適合之感測器包含電荷耦合裝置(CCD)、CCD陣列、時間延遲積分(TDI)感測器、TDI感測器陣列、光電倍增管(PMT)及其他感測器。在一反射系統中，光學元件將引導及擷取經反射影像。
可由一電腦系統673或更一般而言由一信號處理裝置處理由感測器654擷取之信號，該信號處理裝置可包含經組態以將來自感測器654 之類比信號轉換成數位信號以用於處理之一類比轉數位轉換器。電腦系統673可經組態以分析所感測光束之強度、相位及/或其他特性。電腦系統673可經組態(例如，藉助程式化指令)以提供用於顯示所得測試影像及其他檢測特性之一使用者介面(例如，在一電腦螢幕上)。電腦系統673亦可包含用於提供使用者輸入(諸如改變偵測臨限值)之一或多個輸入裝置(例如，一鍵盤、滑鼠、搖桿)。在特定實施例中，電腦系統673經組態以實施下文所詳細說明之檢測技術。電腦系統673通常具有經由適當匯流排或其他通信機構耦合至輸入/輸出埠及一或多個記憶體之一或多個處理器。
由於此等資訊及程式指令可實施於一經特別組態之電腦系統上，因此此一系統包含可儲存於一電腦可讀媒體上之用於執行本文中所闡述之各種操作之程式指令/電腦程式碼。機器可讀媒體之實例包含(但不限於)：磁性媒體，諸如硬磁碟、軟磁碟及磁帶；光學媒體，諸如CD-ROM磁碟；磁光媒體，諸如光碟；及經特別組態以儲存及執行程式指令之硬體裝置，諸如唯讀記憶體裝置(ROM)及隨機存取記憶體(RAM)。程式指令之實例包含機器程式碼(諸如由一編譯器產生)及含有可由該電腦使用一解譯器來執行之更高階程式碼之檔案兩者。
在特定實施例中，用於檢測一光遮罩之一系統包含經組態以執行本文中所闡述之技術之至少一個記憶體及至少一個處理器。一檢測系統之一項實例包含可自加利福尼亞州苗必達市之KLA-Tencor購得之一經特別組態之TeraScanTM DUV檢測系統。
儘管為清楚理解起見已相當詳細地闡述了上述發明，但應明瞭可在隨附申請專利範圍之範疇內實踐特定改變及修改。應注意，存在實施本發明之處理程序、系統及設備之諸多替代方式。因此，本發明實施例應被視為說明性而非約束性，且本發明不應限於本文中所給出之細節。

Claims (26)

  1. 一種檢測一光微影光罩之方法，該方法包括：自一光罩檢測系統接收一缺陷資料串流，其中該缺陷資料識別針對該光罩之複數個不同部分所偵測之複數個缺陷；在查核該缺陷資料以判定該光罩是否通過檢測之前且在繼續接收該缺陷資料串流時，將該等缺陷中之某些缺陷與其他最近一或多個所接收缺陷自動地分群在一起以便形成匹配之缺陷群組；在查核該缺陷資料以判定該光罩是否通過檢測之前且在接收該光罩之所有該缺陷資料之後，自該缺陷資料自動地過濾具有大於一預定臨限值之一數目之該等缺陷群組中之一或多個缺陷群組以便形成經過濾缺陷資料；及將該經過濾缺陷資料提供至一查核站以用於判定該光罩是否合格，其中該預定臨限值具有一經調整值，該經調整值取決於環繞此特定群組之缺陷之一區之一均勻性位準。
  2. 如請求項1之方法，其中人工地執行查核該缺陷資料以判定該光罩是否通過檢測。
  3. 如請求項1之方法，其中一次一個缺陷影像地接收該缺陷資料且藉由以下操作達成自動分群：當接收每一缺陷影像時，判定此缺陷影像是否匹配一現有種子群組(若存在)且將此缺陷影像添加至此匹配之現有種子群組，否則，形成包括此缺陷影像之一新種子群組。
  4. 如請求項3之方法，其中判定每一缺陷影像是否匹配一現有種子群組(若存在)且將此缺陷影像添加至此匹配之現有種子群組係藉 由以下操作達成：若存在匹配，則一次一個地比較此缺陷影像與複數個種子群組直至找出一匹配為止。
  5. 如請求項3之方法，其中若存在匹配則一次一個地比較此缺陷影像與複數個種子群組直至找出一匹配為止係藉由以下操作達成：首先判定此缺陷影像是否具有與該等種子群組中之一者匹配之一形狀，且僅若存在一匹配之形狀則逐像素地比較此缺陷影像與具有該匹配形狀之該種子群組。
  6. 如請求項1之方法，其中以最後所接收缺陷資料至第一所接收缺陷資料之一時間次序達成自動分群。
  7. 如請求項1之方法，其中在沒有人為干預之情況下執行自動分群及過濾。
  8. 如請求項1之方法，其中該預定臨限值具有一經調整值，該經調整值經設定以使得若一特定群組之缺陷由一空白背景環繞則不過濾此特定群組。
  9. 如請求項8之方法，其中該預定臨限值具有一經調整值，該經調整值對於具有一維缺陷之一第一群組而言比對於具有二維缺陷之一第二群組而言高。
  10. 如請求項1之方法，其中針對一特定群組之缺陷類型之預定臨限值成比例於1/log(A)，其中A係獨特背景圖樣之一面積。
  11. 如請求項1之方法，其中該預定臨限值係經選定以導致過濾掉具有系統化類型缺陷的該一或多個缺陷群組。
  12. 如請求項5之方法，其中判定當該逐像素比較導致小於一2×2像素差時，將此缺陷影像與該等種子群組中之一特定者分群在一起。
  13. 一種用於檢測一光微影光罩之檢測系統，該系統包括經組態以執行以下操作之至少一個記憶體及至少一個處理器： 自一光罩檢測系統接收一缺陷資料串流，其中該缺陷資料識別針對該光罩之複數個不同部分所偵測之複數個缺陷；在查核該缺陷資料以判定該光罩是否通過檢測之前且在繼續接收該缺陷資料串流時，將該等缺陷中之某些缺陷與其他最近一或多個所接收缺陷自動地分群在一起以便形成匹配之缺陷群組；在查核該缺陷資料以判定該光罩是否通過檢測之前且在接收該光罩之所有該缺陷資料之後，自該缺陷資料自動地過濾具有大於一預定臨限值之一數目之該等缺陷群組中之一或多個缺陷群組以便形成經過濾缺陷資料；及將該經過濾缺陷資料提供至一查核站以用於判定該光罩是否合格，其中該預定臨限值具有一經調整值，該經調整值取決於環繞此特定群組之缺陷之一區之一均勻性位準。
  14. 如請求項13之檢測系統，其中一次一個缺陷影像地接收該缺陷資料且藉由以下操作達成自動分群：當接收每一缺陷影像時，判定該缺陷影像是否匹配一現有種子群組(若存在)且將此缺陷影像添加至此匹配之現有種子群組，否則，形成包括此缺陷影像之一新種子群組。
  15. 如請求項14之檢測系統，其中判定每一缺陷影像是否匹配一現有種子群組(若存在)且將此缺陷影像添加至此匹配之現有種子群組係藉由以下操作達成：若存在匹配則一次一個地比較此缺陷影像與複數個種子群組直至找出一匹配為止。
  16. 如請求項14之檢測系統，其中若存在匹配則一次一個地比較此缺陷影像與複數個種子群組直至找出一匹配為止係藉由以下操作達成：首先判定此缺陷影像是否具有與該等種子群組中之一 者匹配之一形狀，且僅若存在一匹配的形狀則逐像素地比較此缺陷影像與具有該匹配形狀之該種子群組。
  17. 如請求項14之檢測系統，其中判定每一經接收之缺陷影像是否匹配一現有種子群組(若存在)且將此經接收之缺陷影像添加至此匹配之現有種子群組係藉由以下操作達成：一次一個地比較此缺陷影像與來自複數個種子群組之每一者的一特定種子缺陷直至在該現有種子群組之特定種子缺陷之一者與此經接收缺陷影像的一差異小於一預定第二臨限值為止。
  18. 如請求項17之檢測系統，其中該預定第二臨限值係使用一或多個測試光罩而選定，使得該等經接收之缺陷影像與具有不同缺陷類型之不同種子群組的一特定數目匹配。
  19. 如請求項17之檢測系統，其中來自每一種子群組之該特定種子缺陷係最後被接收至此每一種子群組。
  20. 如請求項13之檢測系統，其中以最後所接收缺陷資料至第一所接收缺陷資料之一時間次序達成自動分群。
  21. 如請求項13之檢測系統，其中該預定臨限值具有一經調整值，該經調整值經設定以使得若一特定群組之缺陷由一空白背景環繞則不過濾此特定群組。
  22. 如請求項21之檢測系統，其中該預定臨限值具有一經調整值，該經調整值對於具有一維缺陷之一第一群組而言比對於具有二維缺陷之一第二群組而言高。
  23. 如請求項13之檢測系統，其中針對一特定群組之缺陷類型之預定臨限值成比例於1/log(A)，其中A係獨特背景圖樣之一面積。
  24. 如請求項13之檢測系統，其中自動地分群及過濾係在沒有人為干預之情況下執行。
  25. 如請求項16之檢測系統， 其中判定當該逐像素比較導致小於一2×2像素差時，將此缺陷影像與該等種子群組中之一特定者分群在一起。
  26. 一種其上儲存有用於執行以下操作之指令之用於檢測一光微影光罩之非過渡電腦可讀媒體：自一光罩檢測系統接收一缺陷資料串流，其中該缺陷資料識別針對該光罩之複數個不同部分所偵測之複數個缺陷；在查核該缺陷資料以判定該光罩是否通過檢測之前且在繼續接收該缺陷資料串流時，將該等缺陷中之某些缺陷與其他最近一或多個所接收缺陷自動地分群在一起以便形成匹配之缺陷群組；在查核該缺陷資料以判定該光罩是否通過檢測之前且在接收該光罩之所有該缺陷資料之後，自該缺陷資料自動地過濾具有大於一預定臨限值之一數目之該等缺陷群組中之一或多個缺陷群組以便形成經過濾缺陷資料；及將該經過濾缺陷資料提供至一查核站以用於判定該光罩是否合格，其中該預定臨限值具有一經調整值，該經調整值取決於環繞此特定群組之缺陷之一區之一均勻性位準。
TW102108364A 2012-03-08 2013-03-08 用於檢測一光微影光罩之方法、檢測系統及電腦可讀媒體 TWI606235B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261608445P 2012-03-08 2012-03-08
US201261621725P 2012-04-09 2012-04-09
US13/486,253 US8718353B2 (en) 2012-03-08 2012-06-01 Reticle defect inspection with systematic defect filter

Publications (2)

Publication Number Publication Date
TW201341787A TW201341787A (zh) 2013-10-16
TWI606235B true TWI606235B (zh) 2017-11-21

Family

ID=49114168

Family Applications (2)

Application Number Title Priority Date Filing Date
TW102108364A TWI606235B (zh) 2012-03-08 2013-03-08 用於檢測一光微影光罩之方法、檢測系統及電腦可讀媒體
TW106134678A TWI654427B (zh) 2012-03-08 2013-03-08 用於檢測一光微影光罩之方法、檢測系統及電腦可讀媒體

Family Applications After (1)

Application Number Title Priority Date Filing Date
TW106134678A TWI654427B (zh) 2012-03-08 2013-03-08 用於檢測一光微影光罩之方法、檢測系統及電腦可讀媒體

Country Status (7)

Country Link
US (2) US8718353B2 (zh)
EP (1) EP2823355B1 (zh)
JP (3) JP2015512051A (zh)
KR (1) KR102084809B1 (zh)
CN (1) CN104272185B (zh)
TW (2) TWI606235B (zh)
WO (1) WO2013134609A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI769371B (zh) * 2018-03-14 2022-07-01 美商克萊譚克公司 用於半導體裝置之檢測方法及系統，以及其非暫時性電腦可讀媒體

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9002497B2 (en) * 2003-07-03 2015-04-07 Kla-Tencor Technologies Corp. Methods and systems for inspection of wafers and reticles using designer intent data
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US9659670B2 (en) 2008-07-28 2017-05-23 Kla-Tencor Corp. Computer-implemented methods, computer-readable media, and systems for classifying defects detected in a memory device area on a wafer
US8718353B2 (en) 2012-03-08 2014-05-06 Kla-Tencor Corporation Reticle defect inspection with systematic defect filter
US9367911B2 (en) * 2012-06-13 2016-06-14 Applied Materials Israel, Ltd. Apparatus and method for defect detection including patch-to-patch comparisons
TW201430336A (zh) * 2013-01-23 2014-08-01 Huang Tian Xing 缺陷檢測方法、裝置及系統
US9235885B2 (en) * 2013-01-31 2016-01-12 Applied Materials Israel Ltd System, a method and a computer program product for patch-based defect detection
US9607371B2 (en) 2013-04-01 2017-03-28 Kla-Tencor Corporation Mesoscopic defect detection for reticle inspection
US9865512B2 (en) 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
US9310320B2 (en) * 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
JP6339807B2 (ja) * 2014-01-16 2018-06-06 株式会社ニューフレアテクノロジー 露光用マスクの製造方法、露光用マスクの製造システム、及び半導体装置の製造方法
US9286675B1 (en) * 2014-10-23 2016-03-15 Applied Materials Israel Ltd. Iterative defect filtering process
US10436720B2 (en) * 2015-09-18 2019-10-08 KLA-Tenfor Corp. Adaptive automatic defect classification
US10068323B2 (en) * 2016-04-10 2018-09-04 Kla-Tencor Corporation Aware system, method and computer program product for detecting overlay-related defects in multi-patterned fabricated devices
DE102018105322A1 (de) 2018-03-08 2019-09-12 Carl Zeiss Smt Gmbh Verfahren zum Betreiben einer industriellen Maschine
JP2022043365A (ja) * 2018-11-19 2022-03-16 株式会社日立ハイテク 検査装置、検査方法、欠陥検出プログラム
US10910081B2 (en) 2018-12-17 2021-02-02 Micron Technology, Inc. Management of test resources to perform reliability testing of memory components
US11101015B2 (en) 2018-12-17 2021-08-24 Micron Technology, Inc. Multi-dimensional usage space testing of memory components
US10990019B2 (en) * 2019-04-09 2021-04-27 Kla Corporation Stochastic reticle defect dispositioning
JP6788291B1 (ja) * 2019-06-03 2020-11-25 株式会社イクシス 点検支援システム
US11314164B2 (en) * 2019-12-31 2022-04-26 Taiwan Semiconductor Manufacturing Company Ltd. Structure and method of reticle pod having inspection window
KR20240011719A (ko) * 2021-05-25 2024-01-26 에이에스엠엘 네델란즈 비.브이. 마스크 규칙 체크 위반 및 마스크 디자인 결정

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1167620A1 (ru) 1984-02-24 1985-07-15 Ленинградский Институт Авиационного Приборостроения Устройство дл контрол планарных структур
RU1786406C (ru) 1989-12-12 1993-01-07 Научно-Техническое Кооперативное Предприятие "Акцент" Способ контрол дефектов на плоской отражающей поверхности и устройство дл его осуществлени
US6987873B1 (en) * 1998-07-08 2006-01-17 Applied Materials, Inc. Automatic defect classification with invariant core classes
RU2141647C1 (ru) 1998-11-30 1999-11-20 Войналович Александр Владимирович Способ контроля анализируемой поверхности и сканирующий анализатор поверхности
US7283659B1 (en) * 2002-01-09 2007-10-16 Kla-Tencor Technologies Corporation Apparatus and methods for searching through and analyzing defect images and wafer maps
JP3647416B2 (ja) * 2002-01-18 2005-05-11 Ｎｅｃエレクトロニクス株式会社 パターン検査装置及びその方法
US9002497B2 (en) * 2003-07-03 2015-04-07 Kla-Tencor Technologies Corp. Methods and systems for inspection of wafers and reticles using designer intent data
US7729529B2 (en) 2004-12-07 2010-06-01 Kla-Tencor Technologies Corp. Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle
JP4413767B2 (ja) * 2004-12-17 2010-02-10 株式会社日立ハイテクノロジーズ パターン検査装置
JP2007053166A (ja) * 2005-08-16 2007-03-01 Toshiba Corp 出来栄え予測装置、出来栄え予測方法及び半導体装置の製造方法
JP4776308B2 (ja) * 2005-09-05 2011-09-21 株式会社東京精密 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法
US7676077B2 (en) * 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
KR20180088924A (ko) * 2005-11-18 2018-08-07 케이엘에이-텐코 코포레이션 검사 데이터와 조합하여 설계 데이터를 활용하는 방법 및 시스템
US7962864B2 (en) * 2007-05-24 2011-06-14 Applied Materials, Inc. Stage yield prediction
US7975245B2 (en) * 2007-08-20 2011-07-05 Kla-Tencor Corp. Computer-implemented methods for determining if actual defects are potentially systematic defects or potentially random defects
US8355562B2 (en) * 2007-08-23 2013-01-15 Hitachi High-Technologies Corporation Pattern shape evaluation method
JP4799574B2 (ja) * 2008-02-29 2011-10-26 株式会社東芝 線状パターンの検知方法および装置
JP5369643B2 (ja) * 2008-06-10 2013-12-18 富士通セミコンダクター株式会社 欠陥検査装置
JP4862031B2 (ja) * 2008-10-20 2012-01-25 株式会社ニューフレアテクノロジー マスク欠陥レビュー方法及びマスク欠陥レビュー装置
US8718353B2 (en) 2012-03-08 2014-05-06 Kla-Tencor Corporation Reticle defect inspection with systematic defect filter

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI769371B (zh) * 2018-03-14 2022-07-01 美商克萊譚克公司 用於半導體裝置之檢測方法及系統，以及其非暫時性電腦可讀媒體

Also Published As

Publication number Publication date
KR102084809B1 (ko) 2020-03-04
CN104272185A (zh) 2015-01-07
WO2013134609A1 (en) 2013-09-12
KR20140141648A (ko) 2014-12-10
EP2823355A1 (en) 2015-01-14
TWI654427B (zh) 2019-03-21
JP6598889B2 (ja) 2019-10-30
US20140205179A1 (en) 2014-07-24
US9224195B2 (en) 2015-12-29
US20130236084A1 (en) 2013-09-12
EP2823355B1 (en) 2018-01-31
CN104272185B (zh) 2019-05-07
JP2015512051A (ja) 2015-04-23
TW201341787A (zh) 2013-10-16
EP2823355A4 (en) 2015-11-04
JP6437146B2 (ja) 2018-12-12
JP2018084587A (ja) 2018-05-31
US8718353B2 (en) 2014-05-06
JP2018084588A (ja) 2018-05-31
TW201802463A (zh) 2018-01-16

Similar Documents

Publication Publication Date Title
TWI606235B (zh) 用於檢測一光微影光罩之方法、檢測系統及電腦可讀媒體
US7729529B2 (en) Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle
KR102485553B1 (ko) 임계 치수 균일도 강화 기술들 및 장치
KR102100007B1 (ko) 레티클들을 검사하기 위한 머신 학습 방법 및 장치
US7711177B2 (en) Methods and systems for detecting defects on a specimen using a combination of bright field channel data and dark field channel data
US20090290784A1 (en) Methods and systems for binning defects detected on a specimen
TW201602565A (zh) 使用高解析度全晶粒圖像資料進行檢查
CN105917455B (zh) 通过利用交替失效模式的标称特性的图案失效发现
US10140698B2 (en) Polygon-based geometry classification for semiconductor mask inspection
KR20140112047A (ko) 데이터베이스 관련 재인정 레티클 검사를 위한 방법 및 장치