TWI634485B - 在半導體裝置製造製程期間之圖案缺陷和強度檢測及追蹤 - Google Patents

在半導體裝置製造製程期間之圖案缺陷和強度檢測及追蹤 Download PDF

Info

Publication number
TWI634485B
TWI634485B TW106137321A TW106137321A TWI634485B TW I634485 B TWI634485 B TW I634485B TW 106137321 A TW106137321 A TW 106137321A TW 106137321 A TW106137321 A TW 106137321A TW I634485 B TWI634485 B TW I634485B
Authority
TW
Taiwan
Prior art keywords
pattern
design
interest
extracted
patterns
Prior art date
Application number
TW106137321A
Other languages
English (en)
Other versions
TW201804365A (zh
Inventor
薩法庫蘭
胡承敏
陳瞱
馬玥
向慶雲
陳志錦
徐遠
威克朗艾比謝
張平
Original Assignee
諳科半導體有限公司
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 諳科半導體有限公司 filed Critical 諳科半導體有限公司
Publication of TW201804365A publication Critical patent/TW201804365A/zh
Application granted granted Critical
Publication of TWI634485B publication Critical patent/TWI634485B/zh

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/418—Imaging electron microscope
    • 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
    • G06T2207/20081—Training; Learning
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Image Analysis (AREA)
  • Geometry (AREA)

Abstract

在一半導體製造製程期間追蹤圖案包含：獲得一製造裝置之一部分之一影像；從該所獲得影像提取該製造裝置之該部分之輪廓；將該所提取輪廓對準至一參考設計之一匹配區段；將該參考設計之該匹配區段分解成一或多個圖案；及以因該分解而產生之該一或多個圖案中之至少一個圖案的資訊來更新一圖案追蹤資料庫。

Description

在半導體裝置製造製程期間之圖案缺陷和強度檢測及追蹤
在半導體裝置製造製程期間，對來自一製造堆之經選擇晶圓執行高速、低解析度晶圓檢查(例如，明場、暗場等等)。通常，此等檢查報告堆內之晶圓上之許多缺陷。從所報告缺陷中選出一小子組(例如，一子樣本)之缺陷用於檢視及缺陷類型分類。可藉由擷取每一取樣缺陷之一高解析度影像、檢查影像以判定所存在缺陷之類型，且接著將一適當分類碼指派至缺陷而完成分類。可使用諸如掃描電子顯微鏡(缺陷-檢視SEM工具)、電子束掃描(電子束工具)等等之技術(來對特定晶圓上之一或多個晶粒之區域擷取晶圓缺陷之高解析度影像。接著，所擷取影像可經選擇性檢視以分類存在於該等影像中之缺陷之類型。 此外，可使用諸如電子束掃描(電子束)之技術直接以高解析度使經選擇晶圓上之一或多個晶粒之相對大部分成像，而不首先依靠一低解析度(高速)檢查程序(例如，明場或暗場)。雖然比低解析度檢查系統慢得多，但此產生一組高解析度影像檔案，其可能覆蓋比檢視SEM影像更大之一區域。 既有影像檢視及分類方法經設計以分類佔據影像之一小子區之一缺陷。歸因於一影像中之特徵之多樣性及正產生之影像之大體積，評估並檢查可能存在之異常可能具有挑戰性。
其他申請案之交叉參考 本申請案主張2015年4月13日申請之標題為「PATTERN WEAKNESS AND STRENGTH DETECTION AND TRACKING DURING A SEMICONDUCTOR DEVICE FABRICATION PROCESS」之美國臨時專利申請案第62/146,572號之優先權，該案出於所有目的而以引用的方式併入本文中。 可以眾多方式實施本發明，該等方式包含：如一程序；一設備；一系統；物質之一組合物；在一電腦可讀儲存媒體上體現之一電腦程式產品；及/或一處理器，諸如經組態以執行儲存在耦合至處理器之一記憶體上及/或藉由該記憶體提供之指令之一處理器。在此說明書中，此等實施方案或本發明可採取之任何其他形式可被稱為技術。一般言之，可在本發明之範疇內改變所揭示程序之步驟之順序。除非另外規定，否則描述為經組態以執行一任務之一組件(諸如一處理器或一記憶體)可經實施作為經暫時組態以在一給定時間執行該任務之一通用組件或經製作以執行該任務之一特定組件。如本文中所使用，術語「處理器」係指經組態以處理資料(諸如電腦程式指令)之一或多個裝置、電路及/或處理核心。 下文連同繪示本發明之原理之隨附圖式提供本發明之一或多個實施例之一詳細描述。結合此等實施例描述本發明，但本發明並不限於任何實施例。僅藉由申請專利範圍限制本發明之範疇且本發明包含眾多替代例、修改及等效物。在下列描述中提出眾多特定細節以便提供對本發明之一詳盡理解。出於實例之目的提供此等細節且可根據申請專利範圍在無一些或所有此等特定細節之情況下實踐本發明。出於清晰之目的，尚未詳細描述在與本發明相關之技術領域中已知之技術材料，使得不會不必要地使本發明變得晦澀。 本文中揭示之技術之實施例大體上係關於半導體裝置製造領域，可在一晶圓製造工廠(或簡稱為「工廠(fab.)」)中實行半導體裝置製造。更特定言之，本文中所描述之技術之實施例係關於在一半導體裝置製造製程期間半導體晶圓上之弱及強設計或佈局圖案之檢測、監測及追蹤。 本文中描述可用來檢測、追蹤且監測在一半導體裝置之製造製程期間可能出現之細微至顯著異常之計算技術。此等計算技術亦能夠判定並報告在一製造製程期間在晶圓上蝕刻或列印之一設計或佈局圖案之強度或缺陷。 本文中描述之技術可用來解決與在半導體裝置製造中檢測、監測且追蹤晶圓上之實體設計或佈局圖案相關之挑戰。代替使用模擬來預測列印圖案之缺陷的是，在一或多個實施例中，本文中揭示之技術使用一實驗或資料驅動方法。在一或多個實施例中，本文中揭示之技術在實際裝置電路上之產品晶粒內操作，儘管該等技術亦可用來在「劃線道」測試結構上操作(其中劃線道測試結構係在存在於一晶圓表面上之實際產品晶粒之間之間隙中製造之專門圖案)。相比於既有/習知技術，本文中所描述之技術提供對一半導體裝置及伴隨的製造製程(諸如光微影及蝕刻處理步驟)之一實體佈局或實體設計之品質之一經改良且更可靠估定。在某些實施例中，追蹤圖案之能力必需含有關於待追蹤佈局圖案之所有相關資訊之一圖案追蹤資料庫之使用。本文中揭示與圖案追蹤資料庫之構造及內容相關之技術。 如此項技術中充分理解，使用一半導體製造製程在一半導體晶圓上製造一半導體裝置(亦被稱為一積體電路)。一實體佈局檔案描述半導體裝置之實體設計或實體佈局。如本文中所使用，可互換地使用術語「實體設計」及「實體佈局」以指代待形成於一半導體晶圓上以建立半導體裝置之功能電路之結構之配置。更明確言之，實體佈局檔案定義在製造製程期間待形成於半導體晶圓中及/或上以形成半導體裝置之所要功能電路之一或多個區域或層之圖案。一半導體裝置之實體設計或佈局以一重複陣列列印在半導體晶圓上，從而形成一二維陣列之晶粒或「產品晶粒」，每一晶粒含有半導體裝置之功能電路。晶圓可包含形成在產品晶粒之間之劃線道測試結構。在完成製造製程時，晶圓經切割以分離晶粒。經分離晶粒片有時被稱為半導體晶片且經封裝以形成積體電路或半導體裝置。 在一半導體裝置製造製程期間，使用適當晶圓檢查設備，可對正被處理之晶圓檢測缺陷(或顯著誤差)。此等缺陷可表示如在缺陷之高解析度影像中所見之列印圖案與如在裝置之原始藍圖(亦被稱為實體佈局檔案)中所見之參考或預期設計之一顯著偏差。此等缺陷可在製造製程中之種種步驟之任意者期間出現且可指示一弱圖案。如本文中所使用，一圖案係指一半導體裝置之一實體佈局圖案或一實體設計圖案。在本發明之實施例中，一圖案包含藉由預處理一半導體裝置之實體佈局檔案或藉由評估在製造製程期間匹配於一晶圓上之晶粒之至少一部分之一高解析度影像之實體佈局檔案的一部分而提取之一或多個特徵。在本發明之實施例中，一特徵係指該影像中之一線或多邊形形狀(除影像之背景外)，其中形狀表示一電子電路之至少一部分。例如且無限制，一特徵可表示一電晶體、一電容器、一電阻器、一電子互連層、一邏輯閘及其他電路之部分或其之一組合。亦可藉由線或多邊形形狀之間之間距定義一特徵。在習知製造製程中，既不藉由晶圓檢查設備檢測亦不藉由晶圓檢查設備追蹤列印圖案之細微變動。此外，通常不藉由習知檢查工具監測「間接」及「關鍵」特徵。作為一個實例，關鍵特徵包含具有以一高可能性影響良率之一傾向之該等特徵。一間接特徵之一實例係需要追蹤及監測之特徵。例如，假設一特徵對良率之影響係未知的。使用本文中描述之技術，此等特徵可經追蹤以判定其良率影響。 如本文中所描述，一弱圖案係在製造製程期間列印至一晶圓上時具有導致與實體佈局檔案中指定之預期圖案充分相異(或不同)之一特徵之一相對較高可能性之一設計圖案。相反地，一強圖案係在製造製程期間列印至一晶圓上時具有導致充分類似(或近似)於實體佈局檔案中指定之預期圖案之一特徵之一相對較高可能性之一設計圖案。圖案之幾何性質(即，線寬度、線間距、圖案複雜性等等)及該等性質與嘗試將圖案呈現至半導體晶圓之表面上之製造製程(即，光微影、蝕刻、化學機械平坦化等等)互相作用之方式影響一圖案之強度或缺陷。因此，每一圖案可取決於幾何性質及該等性質與製造製程互相作用之方式而被分類為一強圖案、一弱圖案或其之一變體。此外，其他因素(諸如在製造期間使用之製程或光罩)亦可影響一給定圖案之強度。 如下文將進一步詳細描述，在各種實施例中，本文中所描述之技術利用每一裝置在其製造期間之實驗資料來執行分析以識別弱及強圖案、追蹤列印圖案中之細微變動(軟誤差)、監測間接及關鍵特徵，且輔助因此檢測到之任何異常之後續特性化。可對包含在實際產品晶粒內之實際圖案以及對製成存在於晶粒之間之劃線道(或間隙)之測試結構執行此分析。如下文將進一步詳細描述，在藉由本發明之系統及方法分析高解析度影像時，關於硬缺陷(顯著誤差)、軟缺陷(細微變動)及間接及關鍵圖案之所有相關資訊被插入且維持在一圖案追蹤資料庫內。在各種實施例中，儲存在圖案追蹤資料庫中之相關資訊包含但不限於：所提取輪廓；來自正在製造之積體電路之實體佈局檔案之對應設計片段(clip)；堆、晶圓及晶粒ID；所報告缺陷之座標；檢查之日期及時間；完成檢查之製作步驟；保真度分數或任何其他度量(視情況而定)。在某些實施例中，一保真度分數係指示一列印特徵/圖案如何匹配於/如何與其預期設計比較(如(例如)藉由一實體佈局藍圖所定義)之一值。換言之，一保真度分數指示一晶圓上之實際列印圖案如何充分地與預期實體佈局設計比較。 在某些實施例中，圖案追蹤資料庫包含存在於定義一積體電路之實體設計之一給定實體佈局檔案中之一組獨特參考圖案。在一項實施例中，藉由預處理用於積體電路之實體佈局檔案提取參考圖案。在另一實施例中，從經判定為匹配於自正製造之晶圓獲取之高解析度影像之實體佈局檔案之區段提取參考圖案。 圖1係繪示用於在一半導體製造製程期間之圖案缺陷及強度檢測及追蹤之一系統之一實施例的一方塊圖。在所展示實例中，系統100包含輪廓提取引擎102、輪廓至設計對準引擎104、特徵識別引擎106、輪廓與設計比較引擎108、尺寸量測引擎110、圖案提取引擎112、資料庫更新引擎114、圖案追蹤資料庫116、佈局分解引擎118、進一步分析引擎120及查詢/報告引擎122。 輪廓提取引擎102經組態以分析一積體電路之製造製程期間之一或多個晶圓之部分之獲取之高解析度影像(124)。輪廓提取引擎102執行來自高解析度影像之特徵之輪廓提取。在某些實施例中，輪廓提取係經執行以分割一影像以提取具有類似性質(諸如光強度或紋理)之一組(閉合)區域之一影像處理操作。影像之分割區域有時被稱為輪廓。在一項實施例中，測試或生產晶圓之高解析度影像經分析且與實體佈局檔案(例如，圖形資料系統(GDS)/開放藝術品系統互換標準(OASIS)檔案)比較。此等影像檔案可跨越晶圓之大或小區域。在一項實施例中，使用電子束工具、SEM (掃描電子顯微鏡)缺陷檢視工具，或能夠產生具有足夠解析度之影像之任何工具來產生高解析度影像。 作為一個實例，一明場檢查工具用來在製造期間(例如，在製造生產詳細目錄時)評估一晶圓。明場工具用來識別並報告缺陷。在某些實施例中，公害事件過濾用來濾除係公害類型之缺陷。此將缺陷群體減少至較小數目之所關注缺陷(DOI)。在此較小DOI組內，執行取樣(諸如隨機取樣及多樣性取樣)。在某些實施例中，多樣性取樣評估每一缺陷(例如，如藉由明場工具所報告)之性質，諸如極性、強度、量值、能量、實體屬性(例如，大小)或每一缺陷之任何其他屬性(視情況而定)。獲取跨此等屬性之所關注缺陷之一不同樣本，且獲得經取樣缺陷之高解析度影像。可視情況而定使用其他樣本計劃。 可使用本文中所描述之技術來處理晶圓缺陷之獲取之高解析度影像以提供(例如)次要晶粒至資料庫缺陷檢測。雖然在上述實例中，高解析度影像自缺陷獲取，但可使用本文中所描述之技術來評估晶圓之任何區段之高解析度影像。即，高解析度影像並不一定必須與缺陷相關或含有缺陷。 在某些實施例中，執行來自一高解析度影像之特徵之輪廓提取包含藉由檢測來自影像之列印圖案且將經檢測圖案轉換成多邊形表示而從影像提取一或多個輪廓。更明確言之，一輪廓指示影像中之一特徵之邊界，其中該特徵係影像之一相異要素(除背景外)。片語「輪廓提取」大體上指代一影像中之所有特徵之邊界之提取。因此，結果係共同表示影像中之所有特徵之一組邊界。可使用習知影像處理技術(諸如邊緣檢測)從一影像提取一輪廓。每一所提取輪廓對應於使用積體電路之實體佈局檔案形成於晶圓上之佈局圖案之一部分。在一項實施例中，可在提取來自高解析度影像之輪廓之前移除添加至該高解析度影像(例如，藉由影像擷取工具)之任何文字或圖形註解。移除註解減少或消除輪廓提取誤差，從而允許所提取輪廓正確匹配於包含在半導體裝置之實體佈局檔案(例如，GDS/OASIS檔案)中之一參考圖案。 輪廓至設計對準引擎104經組態以將提取自高解析度影像之輪廓對準或匹配於藉由實體佈局檔案(126)指定之參考設計。輪廓至參考設計之對準經執行以識別參考設計之匹配高解析度影像之所提取輪廓之一部分，其被稱為一「設計片段」。 下列係執行輪廓至設計對準之一實例實施例。獲得高解析度影像中擷取之晶圓之部分之座標(例如，X-Y、緯度/經度座標等等)。例如，從產生高解析度影像之一檢查/成像工具獲得座標。在某些實施例中，補償座標中之階段誤差、隨機誤差等等。例如，如上文所描述，可針對缺陷獲取高解析度影像。藉由一檢查工具報告之缺陷座標可能歸因於(例如)量測變動/誤差而並非缺陷之真實位置。在某些情況中，檢查工具可為缺陷位置指定最大誤差(例如，+/- 120 nm)。 鑑於高解析度影像之座標(具有固有量測變動/誤差)，識別參考設計中之對應位置。參考設計係指定義被製作之積體電路之實體佈局圖案之實體佈局檔案。執行座標附近內之參考設計之一搜尋。在某些實例中，可在藉由提供座標之檢查工具之量測誤差定義之一半徑/區域內搜尋在高解析度影像之座標上居中之一區域。例如，圍繞設計之X-Y座標移動高解析度影像之所提取輪廓，直至影像之輪廓「按扣」在參考設計之一部分上為止。在某些實例中，一匹配或一最佳適配可用來將影像匹配至參考設計。以此方式，識別參考設計之匹配於高解析度影像中擷取之晶圓之部分之區段。 在一項實例實施例中，位元映射用來判定一參考設計之匹配於一高解析度影像中擷取之晶圓之部分之區段。例如，參考設計呈現為一位元映射。提取自高解析度影像之輪廓亦呈現為一位元映射。高解析度影像之輪廓之位元映射與所呈現設計位元映射進行比較以判定一最佳位元映射至位元映射適配。參考設計之最佳匹配於高解析度影像之輪廓之部分經識別作為設計之匹配區段。在某些實施例中，高解析度影像自身(其亦為一位元映射)與所呈現設計位元映射進行比較以判定一最佳位元映射至位元映射適配。 在另一實例實施例中，向量化用來判定一參考設計之匹配針對高解析度影像中擷取之晶圓之一部分所提取之輪廓之區段。例如，高解析度影像使用上文所描述之輪廓提取方法轉換成一或多個輪廓。以一組數學向量(例如，沿著X及Y維之數學向量)表示提取自影像之每一輪廓。接著，輪廓之向量與對於參考設計而言為原生之數學向量進行比較。高解析度影像之向量化輪廓與參考設計之向量進行比較以判定該參考設計之最佳適配(即，匹配)於高解析度影像中擷取之晶圓之部分之所提取輪廓之一區段。 使用上文所描述之技術之一或多者，識別匹配來自高解析度影像之所提取輪廓之實體佈局檔案之一區段。接著，可從實體佈局檔案提取或「提升」經匹配區段。在本發明之實施例中，經匹配區段表示用於提取自高解析度影像之輪廓之預期或參考圖案。如本文中所使用，經匹配區段亦被稱為經提升區段或經提升設計片段。 特徵識別引擎106經組態以識別實體佈局檔案之經對準/經匹配/經提升設計片段中之所關注特徵。在某些實施例中，針對所關注特徵(例如，間接及關鍵特徵)搜尋對應於高解析度影像之經提升/經匹配參考設計區段。圖案可由各種類型之形狀之多邊形構成，其中一些圖案幾何形狀具有影響良率之一較大傾向。有可能影響良率之一個實例類型之幾何形狀係在一線之尖端靠近另一線之邊緣之處(本文中亦被稱為一「尖端至邊緣」或「t形」特徵)。雖然在參考設計中可預期一尖端與一邊緣之間存在一明顯間隙，但製造變動及不一致性可導致潛在缺陷/誤差，其中尖端及邊緣比預期更靠近。例如，若尖端及邊緣接觸，則此可導致兩條信號線之一潛在電氣短接。 各種技術可用來搜尋所關注特徵，其包含一基於規則之圖案搜尋引擎，其中可指定規則(諸如「最小線寬度」或「最小線間距」)或其他間接及關鍵特徵。在一項實施例中，一所關注特徵(例如，關鍵及/或間接特徵)可為具有小寬度或線之間之小間距之線。例如，一規則可經實施而識別對應於高解析度影像之所提取輪廓之設計片段/經提升區段中之尖端至邊緣特徵之存在。規則可應用於個別層及/或層之組合。一規則之另一實例係評估具有靠近多晶矽線之末端之接觸件之多晶矽(聚)線之規則。例如，在製造期間，當聚線被列印時，線之拉回可能發生，其中可過早地終止線之一或兩個末端，從而導致線之一縮短。若在設計中之一接觸件與聚線之末端之間不存在足夠距離，則一接觸件之一部分可能歸因於聚線之拉回而未被覆蓋。此可阻止或完全阻礙接觸件與聚線之間之電氣連接，從而導致一故障電晶體。形成在兩個互連層之間之通孔可發生相同情況。 可基於從(電腦輔助)模擬獲得之資訊、從實驗技術(諸如「焦點曝光調變」或FEM)獲得之資訊、從歷史/先前製造效能獲得之資訊等等來實施或定義基於規則之圖案搜尋引擎中之規則。在某些實施例中，隨著添加或實施新規則，可使用該等新規則來重新評估設計片段以識別新的所關注特徵。 因此，可藉由執行一基於規則之搜尋而在參考設計之經提升區段中識別所關注特徵(及其位置)。可從匹配於一高解析度影像之經提升區段識別多個所關注特徵。 輪廓與設計比較引擎108經組態以執行參考設計之經提升區段中之每一經識別之所關注特徵與如提取自高解析度影像之特徵之輪廓的一比較，其指示實際如何在晶圓上製造所關注特徵。在某些實施例中，藉由將提取自高解析度影像之經識別之所關注特徵之輪廓與表示特徵之預期設計之經提升設計片段中定義之相同所關注特徵進行比較而執行比較。作為一個實例，所關注特徵之尺寸之預期值係從經匹配設計片段進行判定且接著與實際製造時所關注特徵之經量測尺寸進行比較。可從所關注特徵之輪廓量測尺寸。例如，使用所關注特徵在設計片段中之位置(使用基於規則之搜尋判定)，所關注特徵在影像之所提取輪廓中之對應位置亦可被識別(此係因為輪廓已與參考設計對準)。此允許製造時所關注特徵之輪廓被識別。接著，可進行經識別位置處之輪廓之量測。在某些實施例中，計算預期尺寸與實際經量測尺寸之間之一偏差或一差異、一比較、一差量或一變化。例如，可計算預期特徵之尺寸與一製造特徵之尺寸之間之一偏差量。如下文將進一步詳細描述，經判定偏差可用來判定各種類型之度量並執行各種類型之分析，諸如一缺陷或故障是否已出現。 可使用尺寸量測引擎110來量測一特徵之預期尺寸及列印時特徵之尺寸。作為一個實例，可從參考設計之經提升區段中之特徵之幾何形狀之一分析獲得特徵之預期尺寸。可藉由量測提取自所獲得高解析度影像之特徵之輪廓而獲得用於列印/製造特徵之實際尺寸。例如，假設一尖端至邊緣間隙之預期值係22 nm且提取自高解析度影像之特徵之輪廓之經量測間隙係11 nm。接著，高解析度影像中之特徵之列印尺寸(11 nm)可與如藉由參考設計定義之特徵之預期尺寸(22 nm)進行比較。 在某些實施例中，一所關注特徵(例如，關鍵特徵(諸如具有小寬度或線之間之小間距之線))可經檢查並被指派一保真度分數。在此一實施例中，如下文將進一步詳細描述，可從此等特徵之近鄰直接提升或提取待插入並在圖案追蹤資料庫中追蹤之圖案。針對此等特徵，在所提取輪廓圖案與參考圖案之間之一變化可經判定且用來計算並指派一保真度分數。在另一實施例中，可視情況而定使用圖案之任何幾何性質來計算保真度分數。在一項實施例中，保真度分數係一度量且判定一給定實體佈局檔案中之一給定圖案之可列印性及穩定性。 結合圖7描述基於包含在參考圖案中之一特徵之預期設計與列印時特徵之輪廓之一比較推斷一參考圖案之一保真度分數之一實例實施例。 保真度分數可經計算作為列印尺寸與預期尺寸之間之一差、作為一百分比或比例或分數，或任何其他類型之度量(視情況而定)。在上述尖端至邊緣實例中，於經量測列印間隙係11 nm且預期間隙係22 nm之情況下，可計算50% (11 nm/22 nm*100%)之一保真度分數。換言之，針對此實驗資料點，此特徵在列印時為其預期值之50%。在某些實施例中，判定一保真度分數的方式係取決於其保真度分數正被計算之特徵的類型(例如，不同類型之特徵可與不同類型/格式之保真度分數相關聯)。在某些實施例中，於進行量測的時刻計算保真度分數，或可於一稍後時刻(例如，在查詢時刻)判定保真度分數。 在某些實施例中，特徵分析引擎120使用量測資料來執行缺陷檢測及缺陷分類。可藉由將一製造特徵之量測與其預期尺寸進行比較來判定檢測是否存在由製造製程引起之一缺陷。已出現之缺陷的類型亦可被分類。例如，若一尖端至邊緣參考值經預期為20 nm，但一實際特徵之經量測距離係0 nm，則可判定一硬橋缺陷出現，且因而分類特徵。若製造值匹配於預期值，則無缺陷出現。 在各種實施例中，缺陷分類類型包含一硬中斷、一硬橋、任何其他類型之硬缺陷(視情況而定)、線拉回、部分中斷、部分橋、軟缺陷等等。在某些實施例中，可基於實際量測值與如在參考設計中指定之預期特徵值之一比較來執行判定一缺陷是否已出現。 在某些實施例中，可使用本文中所描述之技術來檢查並追蹤在一半導體製造製程期間之一圖案的強度或缺陷。例如，如上文所描述，可提取從一高解析度影像擷取之列印圖案的輪廓，其中輪廓圖案表示一電子電路之至少一部分。接著，輪廓可使用正在製造之半導體裝置之一實體佈局而匹配於一參考設計。如下文將進一步詳細描述，一旦高解析度影像中擷取之晶圓之部分之輪廓已匹配於參考設計之一區段，則經匹配區段即可被分解成本發明之實施例中可使用圖案追蹤資料庫116追蹤的一或多個圖案。從與提取自高解析度影像之輪廓相關聯之經提升設計片段，可自該經提升設計片段識別或提取圍繞一所關注特徵之一所提取圖案(本文中亦被稱為一「所提取參考圖案」，此係因為其係提取自為參考設計或佈局之一部分之一設計片段之一圖案)。將所提取參考圖案與圖案追蹤資料庫116中之既有參考圖案(本文中亦被稱為「經追蹤參考圖案」)進行比較。若所提取參考圖案匹配來自資料庫之一經追蹤參考圖案，則最近提取圖案之度量可經計算且添加至資料庫作為用於經追蹤參考圖案之一新量測資料點。若最近提取圖案並不匹配於一既有追蹤參考圖案，則該最近提取圖案被插入至資料庫中作為一新追蹤參考圖案，且此提取圖案之度量可經計算且添加至資料庫作為第一量測資料點。隨著時間流逝，許多新追蹤參考圖案被添加至資料庫，且許多量測資料點經添加用於經追蹤參考圖案之各者。當任何追蹤參考圖案已積累「足夠」數目之量測資料點時，可應用統計方法以判定該圖案之強度或缺陷。 在某些實施例中，於進行量測之時刻(例如，在處理高解析度影像之時刻)判定保真度分數之計算、使用量測資料對缺陷之判定或分類、圖案強度或缺陷之判定等等。在其他實施例中，於一稍後時刻(例如，在量測資料被儲存至圖案追蹤資料庫之後)執行使用量測資料之保真度分數計算及缺陷檢測或分類。 圖案提取引擎112經組態以從設計片段提取每一經識別之所關注特徵上居中之一指定半徑之一圖案作為一所提取參考圖案。可提取圍繞所關注特徵之任何適當形狀/尺寸之一區域(例如，一方形、矩形、圓形或任何其他適當多邊形區域)。若從高解析度影像識別多個所關注特徵，則將提取多個對應之所提取參考圖案。如下文將進一步詳細描述，若每一所提取參考圖案並非已存在於資料庫中，則所提取參考圖案可被添加至圖案追蹤資料庫作為一經追蹤參考圖案，諸如藉由使用資料庫更新引擎114。圖案提取操作導致對應於一高解析度影像中擷取之一晶粒之至少一部分之一設計片段分解成一組圖案作為可被追蹤之參考圖案。 在一項實例實施例中，圍繞如下之一所關注特徵提取一參考圖案。識別一特徵之中心點。中心點之一指定半徑(本文中亦被稱為一「圖案半徑」)內之區域經提取作為所提取參考圖案。即，所提取參考圖案經定義以包含距一所關注特徵之中心點之指定半徑內之每個事物。 雖然相同規則可識別處於兩個不同位置之相同(或類似)特徵，但圍繞特徵之參考圖案可不同。例如，考量尖端至邊緣規則。從規則之角度，設計中之兩個位置處之特徵可相同。然而，當半徑圍繞特徵延伸時，兩個所得參考圖案可不同。若兩個所得參考圖案相同，則已在兩個不同位置處識別相同參考圖案。 在某些實施例中，圖案半徑經使用或經定義以補償近接效應。在一t形特徵之實例中，特徵不僅在尖端至邊緣距離之基礎上、而且歸因於可使尖端及邊緣之橋接更可能發生之周圍或緊接環境中之近接效應而可為關鍵的。包含圍繞一所關注特徵或鄰近一所關注特徵之區域之一所提取參考圖案之定義允許此等近接效應被擷取。在各種實施例中，可手動或自動定義半徑。 資料庫更新引擎114經組態以用關於從高解析度影像識別之實驗或觀察列印特徵之資訊來更新圖案追蹤資料庫116。在某些實施例中，更新圖案追蹤資料庫包含判定圍繞一經識別之所關注特徵產生之一所提取參考圖案(如上文所描述，使用圖案提取引擎112)是否已存在於資料庫116中或正在資料庫116中被追蹤。在某些實施例中，使用其自有對應圖案追蹤資料庫來追蹤不同半導體裝置或不同積體電路設計。在其他實施例中，一圖案追蹤資料庫用來跨多個半導體裝置追蹤實驗資料。 在某些實施例中，為確保在資料庫中獨特地追蹤參考圖案(即，確保相同參考圖案並不作為兩個不同參考圖案被追蹤)，提取自最近提升區段之參考圖案與已存在於圖案追蹤資料庫中之既有參考圖案進行比較。 在一項實例實施例中，如上文所描述，提取自一設計片段之一參考圖案之幾何形狀與已被資料庫追蹤之既有參考圖案之幾何形狀進行比較以判定是否存在一匹配。以此方式，系統判定所提取參考圖案是否已在資料庫中被追蹤。 在某些實施例中，當搜尋圖案追蹤資料庫時，一所提取參考圖案居中置於其上之所關注特徵之類型用來過濾搜尋之獨特既有參考圖案組，從而改良判定匹配之速度及效率。例如，假設一所提取參考圖案係包含一尖端至邊緣特徵(已使用一尖端至邊緣規則識別)之圖案。當判定此所提取參考圖案是否已被圖案追蹤資料庫追蹤時，僅針對圖案追蹤資料庫中之與(例如，圍繞)尖端至邊緣特徵相關之該等獨特參考圖案評估所提取參考圖案。此減少需要被執行之比較量。在某些實施例中，經追蹤參考圖案及所提取參考圖案係與指示圍繞其產生圖案之所關注特徵之類型(其可對應於用來識別所關注特徵之規則之類型)之後設資料(例如，一類型識別符)相關聯。 在另一實施例中，一「散列碼」技術用來判定一最近提取參考圖案是否匹配一既有追蹤參考圖案。此係藉由將圖案之幾何形狀資訊減少至獨特地表示該幾何形狀之一單一數值而完成。當所有圖案因此減少至單一數值時，其意指具有一等效數值(即，一等效散列碼)之任何兩個圖案係相同圖案。在此情況中，判定一最近提取參考圖案是否已存在於追蹤資料庫中之任務僅為針對該最近提取參考圖案計算散列碼且比較其與先前針對每一既有追蹤參考圖案計算並儲存於資料庫中之相同碼之一任務。 在某些實施例中，用於從一經提升設計片段提取一圖案之半徑匹配於用來建立既有參考圖案之半徑或與該半徑一致以促進執行比較，但無需如此。例如，若所提取參考圖案及既有參考圖案之半徑並不匹配，則藉由比較兩個圖案中在兩個半徑之較小者內之區域而在該兩者之間進行一比較。此可完成，此係因為在某些實施例中，藉由使用一特徵之中心點作為圖案之中心點而一致地產生圖案(其中從特徵中心點判定半徑)。 若所提取參考圖案匹配於已在資料庫中被追蹤之一既有參考圖案，則關於所提取參考圖案之資訊(例如，如上文描述之量測資料、後設資料)經添加作為至既有參考圖案之另一實驗資料點。例如，資訊可經儲存作為對應於既有參考圖案之一資料庫列中之另一條目。 在某些實施例中，若所提取參考圖案並不匹配於一既有參考圖案，則該所提取參考圖案被添加至圖案追蹤資料庫作為待追蹤之一新參考圖案，且關於所提取參考圖案(及包含在該所提取參考圖案中之所關注特徵)之資訊經添加作為用於被追蹤之新參考圖案之一實驗資料點。 在某些實施例中，關於儲存於資料庫中之一所提取參考圖案之資訊包含與一圖案中之一所關注特徵、製造時一實際所觀察特徵尺寸與如在一參考設計中指定之預期尺寸之間之一偏差量相關聯之(例如，所觀察特徵尺寸之)實驗或原始量測資料。如上文所描述，針對所關注特徵之一保真度分數亦可被儲存。 在某些實施例中，對應於所提取參考圖案之高解析度影像之部分之輪廓亦可被儲存在圖案追蹤資料庫中。在各種實施例中，與對應於所提取參考圖案之所觀察、製造圖案(藉由其輪廓表示)相關聯之其他後設資料可被儲存在圖案追蹤資料庫中，諸如從其獲得實際/觀察圖案之晶圓之堆ID (識別符)、圖案之X、Y座標(例如，圖案之中心點)、與圖案相關聯之一裝置識別符、一層識別符、執行晶圓之檢查之日期/時間(例如，使用一日期/時間戳記)、完成檢查之製作步驟、計算度量等等。可儲存之資訊之其他實例包含藉由其他檢查工具(諸如光學檢查工具，其可(例如)提供一晶圓上發現之缺陷數目)提供之資訊。 在某些實施例中，與一所提取參考圖案相關聯之後設資料資訊包含缺陷資訊，諸如如上文描述之一缺陷類型分類。 在某些實施例中，針對一實驗資料點之後設資料、原始量測資料及計算度量被儲存在圖案追蹤資料庫之一表格中。例如，對應於用於一給定參考圖案之一列中之一特定實驗資料點之單元可包含至包含關於/對應於特定資料點之後設資料之另一表格之一鏈路。在另一實例實施例中，圖案追蹤資料包含一匯總資料分析表格，該表格包含針對每一參考圖案之全部統計或其他資訊之一匯總(例如，基於針對參考圖案之影像輪廓之分析合計)。每一參考圖案涉及一表格，該表格包含針對對應於參考圖案之實驗資料點之更詳盡資料，諸如上文描述之後設資料、原始量測資料及計算度量。 在某些實施例中，一旦已判定匹配於一影像中擷取之一裝置、晶圓或晶粒之至少一部分之設計片段含有來自圖案追蹤資料庫之圖案，此等組成圖案之各者之一保真度分數(或基於不同準則之多個分數)即(例如，如上文所描述)從所提取輪廓計算並添加至圖案追蹤資料庫。作為一實例，假設三個圖案A、B及C提取自設計片段且發現包含在圖案追蹤資料庫中。圖案A、B及C可各自已具有從一或多個先前高解析度影像指派至其之五個保真度分數。在處理新影像之後，一第六分數被插入圖案追蹤資料庫中用於此等圖案之各者。然而，若影像之所提取輪廓含有當前並不存在於圖案追蹤資料庫中之一第四圖案D，則新參考圖案將被插入。此有效地允許隨著時間流逝自動建置圖案追蹤資料庫及追蹤參考圖案。 因此，新參考圖案可基於高解析度影像之一分析(如上文所描述，本文中被稱為「高解析度影像分解」之一程序)而被動態添加至資料庫。如上文所描述，使提取自高解析度影像檔案之輪廓匹配於一設計片段且針對所關注特徵(例如，「間接」及/或「關鍵」特徵)之存在搜尋對應於輪廓之設計片段。從設計片段提取居中置於該等特徵周圍之圖案。若所提取參考圖案尚未被追蹤，則其經添加作為圖案追蹤資料庫中之新參考圖案。因此，圖案追蹤資料庫被動態地更新，且包含基於對高解析度影像自身之一分析判定之獨特參考圖案。因此，每當觀察一特定幾何形狀(包含一所關注特徵)時，保真度分數及任何其他資訊(視情況而定)可相對於一對應參考圖案而添加至資料庫。隨著時間流逝，隨著處理更多高解析度影像，資料庫中之每一參考圖案可與眾多資料點相關聯。接著，如下文將進一步詳細描述，可使用資料來執行各種類型之分析。 在某些實施例中，待追蹤參考圖案被添加至資料庫作為本文中被稱為「實體佈局分解」之一程序之部分，其中(例如)在使用資料庫之前(例如，在製作一主光罩(遮罩)之前)，執行預處理以將實體佈局檔案分解成一規定半徑之一組獨特圖案。接著，使用獨特經識別圖案來預填充圖案追蹤資料庫。在實體佈局分解之一項實例實施例中，使用特徵識別規則(諸如上文描述之該等規則)全面掃掠/評估一完整佈局以識別所關注特徵。藉由提取或擷取特徵之中心點之一特定鄰近或半徑內之區域而針對一所關注特徵之每一出現/位置產生參考圖案，此類似於如上文所描述藉由圖案提取引擎112執行之動作。 在某些實施例中，圖案分組經執行以判定提取之圖案之中之獨特圖案。例如，所有經識別圖案經分組或解複製以僅識別設計中包含所關注特徵之獨特或相異圖案。作為一個實例，假設在實際上分解一完整設計之後，識別關鍵及間接特徵之數百萬次出現。用來搜尋設計之每一規則可導致眾多匹配。例如，假設在運行尖端至邊緣規則之後，識別數百萬尖端至邊緣特徵。當半徑繞尖端至邊緣特徵之各者延伸時，圍繞或囊封經識別特徵之各者之數百萬個圖案產生。對所產生圖案執行圖案分組以識別獨特或相異圖案。例如，所產生圖案彼此進行比較，且判定為相同之圖案被分組在一起。例如，提取之數百萬個尖端至邊緣圖案可最終導致僅兩千個分組，從而指示僅存在具有設計中之尖端至邊緣特徵之兩千個獨特圖案。可藉由基於其幾何形狀匹配圖案而進行比較，諸如藉由將上文所描述方法用於判定從一高解析度影像之分析導出之一圖案是否匹配於圖案追蹤資料庫中之一既有參考圖案。 因此，圖案之重複實例可經識別且分組在一起以判定獨特及相異圖案。接著，獨特參考圖案被添加至圖案追蹤資料庫。如本文中所描述，經填充資料庫可用來追蹤所製造晶圓/裝置中之圖案。在某些實施例中，藉由佈局分解引擎118執行實體佈局分解。 在高解析度影像分解中，基於在製造製程期間(諸如在一檢查步驟期間)從實際晶圓獲取之影像之分析來產生待追蹤參考圖案。當使用高解析度影像分解時，藉由資料庫追蹤之圖案數目與實體佈局分解比較可最初為較低。此係因為添加之圖案將取決於或依靠所獲得並處理之高解析度影像。然而，添加在圖案追蹤資料庫中之每一參考圖案將與針對至少一個實驗資料點之資訊相關聯。另一方面，在實體佈局分解中，以尚未針對其收集資料之參考圖案初始化資料庫，且並未添加參考圖案之實驗資料，直至觀察到包含特定參考圖案之高解析度影像為止。情況可能為將不針對圖案追蹤資料庫中之所有參考圖案獲得實際資料(例如，資料庫中之一些列將為空)。此可能出現，例如，因為一缺陷從未出現在對應於一參考圖案之製造晶圓之部分中，或因為SEM檢視影像之一所獲得子樣本並不包含匹配於既有參考圖案之圖案。然而，隨著時間流逝，隨著製造愈來愈多之晶圓(即，所製造晶圓之數目增長)，愈來愈多之實驗資料經收集且用來填充圖案追蹤資料庫。 在一項實施例中，可藉由實體佈局分解填充圖案追蹤資料庫。在另一實施例中，可藉由高解析度影像分解填充圖案追蹤資料庫。在另一實施例中，可藉由上述技術之一組合填充圖案追蹤資料庫。 下列係一實例案例，其中系統100用來處理一所獲得影像且更新一圖案追蹤資料庫。例如，假設接收一SEM影像。該SEM影像之輪廓經提取且對準至一參考佈局或參考設計之一對應部分。例如，假設SEM影像具有兩微米乘兩微米之一視場。該SEM影像被對準至參考設計以判定該參考設計之哪一部分對應於該SEM影像。來自設計之一匹配之兩微米乘兩微米片段係從實體佈局檔案識別並提升作為經提升設計片段。針對該經提升設計片段運行一基於規則之搜尋。例如，假設在運行尖端至邊緣規則之後，經提升區段中之兩個位置依規則標記為所關注特徵(例如，關鍵及間接)。隨著已執行SEM影像之輪廓提取，可提取對應於此等位置之輪廓。在某些實施例中，所提取輪廓被疊加在經提升設計片段之對應位置上以判定所關注特徵之所提取輪廓中之位置。在其他實施例中，識別設計片段中之所關注特徵之位置(例如，使用藉由基於規則之圖案搜尋提供之座標)。亦識別所提取輪廓(其對準至設計片段)中之特徵之對應位置。經識別之所關注特徵之位置處之所提取輪廓係與其在參考設計中之對應位置進行比較。例如，可量測一特徵之經觀察(例如，列印)尺寸，且計算特徵之預期尺寸(例如，從參考設計)。接著，可判定在所提取輪廓與預期設計之間之偏差。亦可計算保真度分數。亦可判定任何異常。亦可執行缺陷檢測及分類(例如，以判定SEM影像中之位置之一或兩者是否為橋、中斷、拉回等等)。 查詢/報告引擎122經組態以促進儲存於圖案追蹤資料庫中之資料之查詢及報告。例如，當一組新的圖案保真度分數被插入至圖案追蹤資料庫中時(例如，在已分析來自一特定製作步驟處之一特定晶圓之所有高解析度影像之後)，可自動產生並輸出一圖案品質趨勢報告。在一項實施例中，新的圖案及圖案保真度分數組與產生製作或製造流中之高解析度影像之工具聯機插入至圖案追蹤資料庫中。此允許基於藉由本發明之系統計算之圖案保真度度量及圖案保真度趨勢而即時監測及/或控制製作線。輸出報告之實例包含但不限於下列報告：(a)報告可被輸出至工廠之製作執行系統(MES)用於自動化線路控制，(b)報告可被保存至磁碟作為一檔案，(c)報告可經由推送機構(諸如電子郵件)發送至一或多個使用者，及(d)報告可被發表至一網站(例如，一內部網站、一網際網路網站等等)。 亦可使用進一步分析引擎120來執行對經收集且儲存在圖案追蹤資料庫中之實驗資料之進一步分析。例如，如上文所描述，原始量測資料、保真度分數、缺陷檢測/分類及與經識別特徵(其被包含在所提取參考圖案中)相關聯之後設資料可用來計算各種度量以及執行各種類型之分析。例如，使用所儲存資料，可判定所製造晶圓/裝置如何與其預期設計進行比較之一估定。亦可出於預測目的使用所儲存資料(例如)以判定設計之哪些區域對良率具有一影響。 作為一個實例，針對藉由圖案追蹤資料庫追蹤之一給定參考圖案，可基於關於參考圖案之所收集實驗資料來判定合計度量或統計。例如，可使用針對該參考圖案收集之實驗資料來計算針對一給定參考設計圖案之一合計保真度分數。如下文將進一步詳細描述，此資訊可用來估定一圖案之強度/缺陷。合計保真度分數可隨著獲得更多資料點而被更新。在某些實施例中，在接收將利用資料之一查詢之時刻判定合計保真度分數。 作為另一實例，可執行針對參考圖案之實驗資料之一統計分析。例如，可計算各種統計量測，諸如方法、分佈、標準偏差等等。在包含一尖端至邊緣特徵之一圖案之實例中，跨多個實驗資料點之尖端與邊緣之間之經量測間隙之統計分析可經執行以判定(例如)間隙量測之分佈、平均製造間隙為何、間隙之標準偏差等等。作為另一實例，經觀察間隙之一箱線圖或散點圖可經產生且提供作為一報告中之輸出，從而允許針對所關注圖案/特徵之實驗資料之視覺化。 使儲存在圖案追蹤資料庫中之經收集或計算實驗資料可以各種方式進行查詢(例如，經由查詢/報告引擎122)。例如，可提供一圖形使用者介面(GUI)。作為另一實例，命令線指令可用來存取資料。可根據各種屬性(諸如針對與各種參考圖案相關聯之各種資料點儲存之後設資料屬性)查詢/分割資料。作為一個實例，一使用者可查詢關於一特定晶圓之原始資料(例如，藉由晶圓標識)。作為另一實例，使用者可查詢關於一特定日期/時間之原始資料(例如，在一遮罩修正之前及之後)。可視情況而定根據後設資料之任何組合分割資料。 在某些實施例中，儲存在圖案追蹤資料庫中之資訊可用來評估一製作商之製造線之能力以判定(例如)製造之哪些區域弱、哪些區域不弱等等。在某些實施例中，弱圖案係其製造並不重複且不始終緊密匹配於預期設計之圖案，而強圖案係其製造重複且始終緊密匹配於預期設計之圖案。在某些實施例中，基於針對圖案計算之保真度分數來判定一圖案之缺陷/強度。在某些實施例中，一圖案是否為弱或強之判定係基於對應實驗資料之一統計分析。下文結合圖8進一步詳細描述判定圖案之缺陷/強度之一實例。 接著，一使用者可存取圖案強度/缺陷資訊。例如，資料庫可經查詢以返回具有弱分數之所有圖案。作為另一實例，可返回從最弱至最強之一排名參考圖案清單。或者，可查詢針對經追蹤參考圖案之所有或某些實驗資料，且一計算可按需經執行以估定圖案之整體強度或缺陷。接著，具有最弱製造之圖案可(例如)在檢查期間確定優先級。接著，資訊可經回饋以判定待對製造製程作出之修正。例如，資訊可經提供至OPC (光學近接校正)微影組/工程師，使得若需要則其可執行遮罩修正。此強/弱圖案資訊亦可被提供至設計者，從而允許設計者瞭解哪些幾何形狀產生較差。接著，設計者可相應地改變佈局。 作為利用儲存在圖案追蹤資料庫中之資訊之另一實例，為評估遮罩修正之效應，可在遮罩修正之前及之後針對資料查詢圖案追蹤資料庫。例如，可依日期/時間查詢資訊/記錄(例如，使用所儲存之日期/時間戳記後設資料，其指示何時檢查/擷取一實驗資料點)。例如，可根據日期及時間(例如，其中一使用者可指定日期/時間範圍)分組實驗資料。例如，時間戳記可用來在遮罩修正之前及之後計算並觀察與參考圖案相關之度量/統計。例如，在遮罩修正之前及之後之圖案之缺陷/強度(即，圖案產生是較差還是良好)之差異可被視覺化並比較。結合圖10B描述用於估定一遮罩修正之影響之一程序之一實例實施例。 如上文所描述，可基於儲存在圖案追蹤資料庫中之資料來產生報告。可以各種格式(諸如電子表格、逗號分隔值(CSV)檔案、HTML報告等等)輸出報告。可產生之一報告之一個實例列出藉由圖案追蹤資料庫追蹤之所有獨特圖案、圖案之特徵之預期尺寸及從所製造晶圓量測之實際尺寸。在某些實施例中，藉由匯總資訊(例如，其由使用者查詢或請求)產生報告。例如，可產生匯總針對一特定晶圓發生之事物(例如，使用與對應堆及晶圓標識相關聯之圖案資料)之一報告。報告亦可用來提供圖案追蹤資料之視覺化。例如，可產生經執行之統計分析(例如，分佈、方法、標準偏差、直方圖等等之圖/圖表)之一視覺化。下文結合圖8進一步詳細描述此等圖之實例。 一旦圖案追蹤資料庫被建立(且隨著處理新高解析度影像而持續更新)，即可實現資料庫之各種應用。例如，經收集且儲存至圖案追蹤資料庫之資訊可用來提供智慧回饋至如上文描述之製造(及設計)製程之各種階段。下文描述此等應用之進一步實例。 例如，遵循製造製程中之一修改或修正，當光罩(例如，刻有預期實體佈局之玻璃板)及/或製程條件被修正時，該等修正對列印圖案之保真度(或實驗分數)之影響可被估定並追蹤。另外，被認為弱或強之圖案可與一工廠之光微影模擬結果(例如，光學近接校正(OPC)、光學規則檢查(ORC))進行比較以估定其等模擬模型之精確度。 此外，由於OPC及ORC模型可過高預測或=過低預測弱圖案，故與實際實驗資料之一比較提供一更好且更穩定回饋迴路，從而導致一更好模擬模型及因此一經改良光罩或實體佈局。此外，對弱圖案及潛在弱圖案之位置之瞭解可用來將檢查、度量及成像工具引導至該等位置。 作為另一實例，可針對其整體保真度分數低於一指定臨限值之圖案，或其個別保真度分數趨於更低之圖案查詢圖案追蹤資料庫。可出於各種目的使用此資訊，該等目的包含但不限於：(a)產生用於晶圓檢查之關注區域，(b)產生用於經由工具(諸如檢視SEM及電子束工具)之標定高解析度成像之位置，(c)幾何分析弱(或弱化)圖案以識別任何形狀相關之原因，(d)估定可含有此等弱(或弱化)圖案之一或多者之一新裝置之可製作性。 作為另一實例，在一項實施例中，參考圖案及所提取輪廓之分析及覆疊促進判定實體佈局(預期或參考設計)上之一缺陷(如在高解析度影像中所發現)之精確位置。此識別實體佈局中受製作缺陷影響之精確多邊形。此精確資訊開放新良率增加機會。例如，減少或消除來自如藉由檢查設備報告之缺陷之(x,y)位置之量測誤差變得可行。作為另一實例，將來自製作製程結束時之電氣故障診斷結果精確映射至在實際製作製程期間藉由聯機檢查工具擷取之缺陷變得可行。由於電氣故障診斷結果可被轉換至映射至實體佈局檔案之一組「候選網」，故瞭解實體佈局內之網之精確位置，且瞭解相同實體佈局內之製作缺陷之精確位置，判定該兩者之間是否可能存在一因果關變得可行。作為一第三實例，一缺陷在參考設計上之精確位置識別該參考設計之一或多個實際受影響多邊形。接著，可執行一「網跡線」操作以判定關於影響位點之下列類型之資訊之任意者：(a)來自該位點之電氣連接是否歸因於一替代或冗餘電氣連接而仍可行，使得影響位點處之一缺陷將不「剔除」晶片，(b)影響位點處之多邊形是否連接至作用(擴散)層或連接至聚層或連接至任何其他所關注層。對連接端點之瞭解可用來判定藉由在電壓對比(VC)模式下操作之一電子束檢查工具報告之「暗VC」缺陷是否係真缺陷或「不確定」缺陷。 在某些實施例中，藉由系統100執行之處理係聯機執行，且以最小化對製作製程(例如，對記錄之計劃)之改變量之一非侵入方式與製造製程整合(例如，即插即用)。 系統100在圖1中被繪示為一單一邏輯裝置。在某些實施例中，系統100包括標準市售伺服器硬體(例如，一多核處理器、4+十億位元組之RAM，及一或多個十億位元網路介面配接器)且運行典型伺服器類別作業系統(例如，Linux)，以及Java HTTP伺服器軟體堆疊。亦可使用一可擴縮、彈性架構來實施系統100且該系統100可包括數個分佈式組件，其包含藉由一或多個第三方提供之組件。此外，當系統100在本文中被提及為執行一任務(諸如儲存資料或處理資料)時，應瞭解系統100之一子組件或多個子組件(無論個別或與第三方組件合作)可合作以執行該任務。 圖2A係繪示用於在一半導體裝置製造製程期間之圖案追蹤之一程序之一實施例的一流程圖。在某些實施例中，使用圖1之系統100執行程序200。在某些實施例中，程序200可用來從高解析度影像提取輪廓、將該等輪廓對準至實體佈局，且將對應於高解析度影像中擷取之設計之部分之一設計片段分解成用於在一圖案追蹤資料庫中追蹤之圖案。如上文所描述，一圖案包含從實體佈局檔案或從該實體佈局檔案之一部分提取、識別為匹配於晶粒之至少一部分之一高解析度影像之一或多個特徵。在一實施例中，藉由一線或多邊形形狀定義一特徵，其中該形狀表示一電子電路之至少一部分(例如，無限制，電晶體、電容器、電阻器、電子互連層、邏輯閘等等或其之一組合)。亦可藉由線或多邊形形狀之間之間距定義一特徵。 程序在202處，即在獲得製造期間之一晶圓之一高解析度影像時開始。高解析度影像可包含測試或生產晶圓之影像，且可橫跨晶圓之大或小區域。在各種實施例中，使用電子束工具、SEM缺陷檢視工具或能夠產生具有足夠解析度之影像之任何其他工具(視情況而定)來產生高解析度影像。作為一個實例，一檢查工具報告缺陷之座標。座標可含有量測誤差之一程度且缺陷自身可或可不受關注。例如，使用一SEM缺陷檢視工具產生所報告缺陷之一子組之高解析度影像。獲得藉由SEM缺陷檢視工具產生之高解析度影像用於進一步處理。 在204處，對所獲得高解析度影像執行輪廓提取。在某些實施例中，提取影像中擷取之列印圖案之輪廓，其中該等輪廓係形成於影像中擷取之一所製造晶圓上之一電子電路之列印圖案之閉合曲線/邊界。在某些實施例中，輪廓提取包含提取高解析度影像中擷取之列印圖案之邊界之一多邊形表示。如上文所描述，可(例如)基於邊緣檢測識別輪廓。 在某些實施例中，如上文所描述，在提取來自高解析度影像之輪廓之前，移除添加至該高解析度影像(例如，藉由擷取工具)之任何文字或圖形註解。 在206處，高解析度影像之所提取輪廓對準/匹配於一參考設計。在某些實施例中，參考設計係正被製造之一半導體裝置之一實體佈局。實體佈局檔案之實例包含圖形資料系統(GDS)/開放藝術品系統互換標準(OASIS)檔案。 在某些實施例中，將高解析度影像之經提取輪廓對準至參考設計包含判定該參考設計之哪個區段匹配所獲得影像中擷取之列印圖案之經提取輪廓。此可藉由將經提取輪廓與參考設計之各個部分進行比較且識別經提取輪廓與參考設計之一區段之間之一最佳適配而執行。可使用如上文描述之位元映射及/或向量化或任何其他技術(視情況而定)來執行匹配區段之比較或判定。在一項實施例中，從其提取輪廓之高解析度影像之座標被用作用於參考設計中之搜尋之一起點。如上文所描述，可補償座標量測誤差(例如，由檢查工具引入)。一旦輪廓已與參考設計匹配，經匹配區段(即，其中經提取輪廓匹配實體佈局)即被提升(本文中亦被稱為經提升設計片段或經提升區段)。 在208處，經提升設計片段被分解成一或多個參考圖案。在某些實施例中，藉由識別經提升設計片段中之所關注特徵而分解該經提升設計片段。如上文所描述，在某些實施例中，針對經匹配區段運行一基於規則之搜尋以識別所關注特徵，諸如尖端至邊緣或密集細線等等。可在經匹配區段內識別一個以上所關注特徵。 經提升設計片段中之每一所關注特徵與如提取自高解析度影像之所關注特徵之輪廓進行比較。此允許如列印之特徵與如設計或佈局中預期之特徵之一比較。在某些實施例中，執行比較包含判定經提升設計片段中之所關注特徵之尺寸(即，判定如在參考設計中定義之所關注特徵之預期尺寸)及量測所關注特徵之經提取輪廓之尺寸(即，量測在實際製造/列印時所關注特徵之尺寸)。例如，使用所關注特徵在設計片段中之位置(使用基於規則之搜尋判定)，亦可識別所關注特徵在影像之經提取輪廓中之對應位置(此係因為輪廓已與參考設計對準)。此允許識別在製造時所關注特徵之輪廓。 在製造時所關注特徵之經量測尺寸係與如在參考設計中指定之所關注特徵之預期尺寸進行比較。在某些實施例中，計算在預期量測與實際量測之間之一偏差或差異，或比較或差量。在某些實施例中，使用原始量測來計算如上文描述之一保真度分數。在一項實施例中，保真度分數係指示一給定實體佈局檔案中之一給定圖案(其包含所關注特徵)之可列印性及穩定性之一度量。 如下文將進一步詳細描述，在實際或製造特徵之尺寸與特徵之預期尺寸之間的偏差可用來判定一缺陷是否出現。在某些實施例中，如上文所描述，可判定缺陷之類型。亦可基於量測/比較來判定一故障是否出現。如上文所描述，跨隨時間流逝收集之多個實驗資料點合計的量測亦可用來判定圍繞一所關注特徵產生之一圖案是否為強或弱。 結合圖7來描述用以推斷保真度分數之列印特徵對其預期設計之一比較之一實例實施例。 針對經提升設計片段中識別之每一所關注特徵，從該經提升設計片段提取在一給定所關注特徵上居中之一周圍圖案作為經提取參考圖案。如上文所描述，在一項實施例中，從一經識別之所關注特徵之鄰近者直接提升一經提取參考圖案。作為一個實例，判定所關注特徵之位置的中心點。從經提升設計片段，提取所關注特徵之一指定半徑內的區域作為經提取參考圖案。此導致經匹配設計區段分解成圖案。在某些實施例中，亦提取對應於提取自設計片段之圖案之影像之部分的輪廓。 每一經提取參考圖案係與關於該經提取參考圖案居中於其上之所關注特徵的觀察或實驗資訊相關聯。此可包含列印時所關注特徵之尺寸的原始量測、任何計算度量(例如，差量、保真度分數等等)，以及如從所獲得影像導出之列印之所關注特徵的輪廓。一給定之經提取參考圖案亦可同樣與其他對應後設資料(諸如從其收集實驗資料之晶圓之堆ID、經提取參考圖案居中於其上之所關注特徵之X、Y座標(在設計及/或晶圓中)、一裝置識別符、一層識別符、(例如，在執行晶圓之檢查時之)一時間戳記、執行晶圓之檢查之製作步驟等等)相關聯。 在各種實施例中，可以任何順序(視情況而定)執行對居中於一所關注特徵上之周圍圖案之提取及經提升設計片段中之所關注特徵與如提取自高解析度影像之所關注特徵之輪廓之一比較。 在210處，以關於因經提升設計片段之分解之一結果而產生之至少一些圖案的資訊來更新一圖案追蹤資料庫。在某些實施例中，更新資料庫包含針對因上文描述之分解所產生之每一經提取參考圖案來判定該經提取參考圖案是否已在圖案追蹤資料庫中被追蹤(例如，匹配於圖案追蹤資料庫中之一既有參考圖案)。在某些實施例中，此包含將經提取參考圖案的幾何形狀(從高解析度影像導出或轉換)與正在圖案追蹤資料庫中被追蹤之既有參考圖案的幾何形狀進行比較。 若經提取參考圖案已被追蹤(即，發現該經提取參考圖案匹配於圖案追蹤資料庫中之一既有參考圖案)，則關於該經提取參考圖案居中於其上之所關注特徵或與所關注特徵相關聯的資訊被儲存於資料庫中作為用於匹配既有參考圖案的實驗資料。例如，如上文所描述，儲存在圖案追蹤資料庫中的資訊可包含在列印時所關注特徵之經提取輪廓、原始量測資料、保真度分數、後設資料及其他資料。 若經提取參考圖案尚未被追蹤(即，並未發現該經提取參考圖案匹配於圖案追蹤資料庫中之任何既有參考圖案)，則在某些實施例中，該經提取參考圖案被添加至圖案追蹤資料庫作為待追蹤之一新參考圖案。關於經提取參考圖案居中於其上之所關注特徵的資訊(例如，如上文所描述，所關注特徵之對應輪廓、原始量測資料、保真度分數、後設資料等等)亦被儲存作為最近建立之參考圖案的實驗資料。 隨著時間流逝，隨著處理愈來愈多製造晶圓之影像，以與正被圖案追蹤資料庫追蹤之參考圖案相關之更多實驗資料填充該圖案追蹤資料庫。可使用儲存在圖案追蹤資料庫中之資訊來執行各種類型之分析。例如，可執行缺陷檢測及分類。例如，一晶粒之一部分之一影像之經提取輪廓與參考設計比較以判定偏差已出現之位置。可關於該等位置事實上是否係缺陷作出判定。可根據經檢測缺陷之類型(例如，硬或軟缺陷，諸如一硬中斷、一硬橋、線拉回、部分中斷、部分橋等等)分類經檢測缺陷。 接著，可將缺陷類型分類儲存至圖案追蹤資料庫中。例如，一缺陷類型之一代碼或任何其他適當識別符係與針對其在製造中觀察並分類一缺陷之參考圖案相關聯。在某些實施例中，一報告可經提供作為指示已被檢測之缺陷、其類型/分類及缺陷之位置之輸出。 儲存在圖案追蹤資料庫中之資訊可同樣用來執行其他類型之分析，諸如判定圖案之強度及/或缺陷。例如，可藉由分析與針對給定圖案聚集之實驗資料相關聯之所儲存度量而判定一給定圖案之強度或缺陷。例如，對針對給定圖案計算之各種保真度分數之一分析(例如，統計分析)可用來判定圖案缺陷或強度。下文結合圖7及圖8進一步詳細描述使用保真度分數及其他實驗資料來判定圖案強度(或缺陷)之實例實施例。 在某些實施例中，可基於儲存在圖案追蹤資料庫中之資料來產生報告。例如，可產生圖案品質趨勢報告。接著，可輸出所產生報告。可藉由在磁碟上建立檔案、將報告用電子郵件發送至使用者、將報告發表至網站等等而以各種方式將報告輸出(例如)至製作執行系統(MES)。報告之其他實例包含HTML報告、電子表格及儲存在圖案追蹤資料庫中之資料(例如，統計分析、圖表、圖等等)之視覺化。 結合圖4中繪示之實例描述使用程序200執行之處理之一實例。 圖2B係繪示用於在一半導體裝置製造製程期間之圖案追蹤之一程序之一實施例的一流程圖。在某些實施例中，使用圖1之系統100來執行程序250且該程序250係圖2A之程序200之一替代實施例。程序在252處，即在接收正被製造之一晶圓之一高解析度影像時開始。在某些實施例中，使用圖2A之處理步驟202來實施步驟252。在254處，對所接收影像執行輪廓提取。在某些實施例中，使用圖2A之處理步驟204來實施步驟254。在256處，經提取輪廓被對準至一實體設計(258) (諸如藉由一實體佈局檔案所描述)。如上文所描述，在某些實施例中，將影像之輪廓對準至設計導致對應於經提取影像輪廓之設計之一經匹配區段之判定。在某些實施例中，使用圖2A之處理步驟206來實施步驟256。在260處，識別(例如，使用如上文描述之一基於規則之圖案搜尋)設計之經匹配區段中之所關注特徵(例如，關鍵及間接特徵)。在262處，針對經識別之所關注特徵，在列印時(其反映特徵係如何製造的)特徵之輪廓與如根據實體設計或實體佈局檔案預期之特徵進行比較。在264處，針對每一經識別之所關注特徵，使用特徵之輪廓來量測在列印時特徵之尺寸，且判定特徵之預期尺寸(例如，從實體佈局檔案/經匹配區段)。在266處，提取居中於每一經識別之所關注特徵上之周圍圖案(例如，針對每一經識別之所關注特徵提取一所關注特徵之一半徑內之一區域)。在某些實施例中，使用圖2A之處理步驟208來實施處理步驟260至266。在268處，將與經識別之所關注特徵相關聯之量測、度量、後設資料，及圍繞所關注特徵之經提取參考圖案儲存至一圖案追蹤資料庫(例如，如在圖2A之步驟210處所描述，更新圖案追蹤資料庫)。儲存在圖案追蹤資料庫中之資訊可用來執行其他類型之分析。例如，在270處，執行缺陷之缺陷檢測及分類。在272處，將缺陷之分類(例如，藉由一分類代碼識別)儲存在圖案追蹤資料庫中。 結合圖4中繪示之實例描述使用程序250執行之處理之一實例。 圖3係繪示用於執行實體佈局分解之一程序之一實施例的一流程圖。在某些實施例中，使用圖1之系統100之佈局分解引擎118來執行程序300。程序在302處，即在獲得一參考設計時開始。如上文所描述，參考設計之實例包含實體佈局檔案，諸如圖形資料系統(GDS)及開放藝術品系統互換標準(OASIS)檔案。 在304處，在所獲得參考設計中識別所關注特徵。例如，如上文所描述，一基於規則之圖案搜尋引擎(其中指定規則，諸如「最小線寬度」或「最小線間距」或其他間接及關鍵特徵)可在所獲得參考設計上運行以在該所獲得參考設計中識別所關注特徵。 在306處，針對每一經識別之所關注特徵提取一圖案。例如，如上文所描述，從所獲得參考設計提取居中於一經識別之所關注特徵上之一周圍圖案(例如，其在經識別之所關注特徵之一特定半徑內)。 在308處，提取自參考設計之圖案經評估以判定獨特圖案。在某些實施例中，藉由執行提取自參考設計之圖案之圖案分組而判定獨特圖案。例如，相同之經提取參考圖案可被頻格化、分組或叢集在一起，其中每一群組對應於一獨特圖案。 在310處，從提取自參考設計之圖案判定之獨特圖案被添加至一圖案追蹤資料庫作為待追蹤之參考圖案。例如，獨特圖案經添加作為圖案追蹤資料庫中之新條目。作為一個實例，每一獨特圖案係與圖案追蹤資料庫中之一參考圖案表格中之一對應列相關聯。 在於圖案追蹤資料庫中建立待追蹤參考圖案之後，與在製造時所關注特徵相關聯之實驗資料可與圖案追蹤資料庫中之對應參考圖案(例如，如上文所描述，圖案追蹤資料庫中匹配於提取自居中於所關注特徵上之一經提升設計片段之一圖案的參考圖案)相關聯。例如，與從處理一高解析度影像(例如，如上文所描述，使用程序200及250)導出之一圖案相關聯之實驗資料可經添加作為針對圖案追蹤資料庫中之對應參考圖案之列中之一新條目。 圖4繪示一實例之一實施例，其中處理一高解析度影像且更新一圖案追蹤資料庫。在某些實施例中，使用圖1之系統100及圖2A之程序200及/或圖2B之程序250來執行如圖4之實例中展示之高解析度影像之處理。 在402處，展示一高解析度影像中擷取之列印圖案之經提取輪廓之一實例。如在404處所展示，影像之經提取輪廓被對準至一參考設計(例如，對準至實體佈局)。在406處展示與經提取輪廓對準之參考設計之匹配區段。經匹配區段或設計片段係實體佈局之匹配影像之經提取輪廓之部分。如在408處所展示，提升設計之經匹配區段。對經匹配區段408執行一基於規則之搜尋以發現所關注特徵(例如，關鍵及間接特徵)，其中每一經匹配區段中可能存在一個以上所關注特徵。在410處展示經匹配區段408中識別之一所關注特徵之一實例。如在412處所展示，居中於經識別之所關注特徵上之一周圍圖案經提取作為一經提取參考圖案。雖然在一圖案追蹤資料庫中追蹤經提取參考圖案，但在某些實施例中，僅相對於所關注特徵(410)執行度量(諸如一保真度分數)之量測及判定。在某些實施例中，經提取參考圖案之大小係可組態的(例如，藉由一使用者針對圖案定義半徑)，此係因為針對圖案之較佳大小可基於不同情境變化。亦可使用一預設半徑。亦可自動判定一半徑(例如，基於正被評估之特徵之類型)。在展示之實例中，在414處，在影像中列印且擷取時經識別之所關注特徵410之輪廓係與參考設計之經提取參考圖案進行比較以判定一保真度分數(如展示，針對所關注特徵之經提取輪廓被覆疊在所關注特徵之預期設計頂部上)。原始量測資料亦被保存在圖案追蹤資料庫中。在416處展示一圖案追蹤資料庫中之一表格之一實例。參考圖案RP1 (418)至RP＜n＞對應於參考設計之正被圖案追蹤資料庫追蹤之圖案。在展示之實例中，每一參考圖案係與其自己在表格中之對應列相關聯。如在420處所展示，將針對所關注特徵之實驗資料點(例如，原始量測、保真度分數、後設資料等等)儲存至參考圖案列，該等參考圖案列對應於/匹配於圍繞因處理高解析度影像而識別之所關注特徵提取之圖案。例如，若經提取參考圖案412匹配於經追蹤參考圖案RP1 (418)，則針對所關注特徵410 (圍繞其提取圖案412)之原始量測及保真度分數被儲存在經追蹤參考圖案RP1之列處。在某些實施例中，經追蹤參考圖案之列中之每一單元指向包含一對應實驗資料點之後設資料之另一表格。 圖5繪示一圖式500，其描述包括用來記分並追蹤正被製造之一半導體裝置之高解析度影像之參考圖案之一資料庫之一實例實施例。在此實例中，參考圖案1 (RP1) 502可包含表示來自實體佈局檔案之至少一個特徵504之線及/或多邊形形狀。在一項實施例中，資料庫表格506包括展示為例示性圖案RP1、RP2、RP3…RPn之多個參考圖案。在另一實施例中，資料庫表格506亦包含位置之座標，其中在實體佈局檔案及/或晶圓或晶粒中發現參考圖案。在一項實施例中，參考圖案502可被儲存在資料庫508中之一或多個表格中。在某些實施例中，資料庫508係圖1之圖案追蹤資料庫116之一實例。在另一實施例中，任何資料儲存機構(例如，文字檔案、二進位檔案等等)可用來儲存與參考圖案502相關之資料。 圖6A繪示建置圖案追蹤資料庫之一程序之一實例實施例。圖6A繪示一圖式600，其描述從高解析度影像提取輪廓且將來自影像之經提取輪廓與一資料庫中之參考圖案進行比較。在某些實施例中，使用圖1之系統100及圖2A之程序200及/或圖2B之程序250來執行圖6A中繪示之處理。 如繪示，在一檢查工具提供一潛在缺陷之一位置(例如，座標)之後，獲得位置之一高解析度影像602 (例如，SEM影像)。如展示，影像602包括特徵604，特徵604係一電子電路之至少一部分，且藉由線及/或多邊形表示。影像602亦包含藉由擷取工具或藉由任何其他構件添加之圖形或文字註解606。註解一般存在於高解析度影像上，但是在其他實施例中註解可不存在。在一項實施例中，影像602經處理以移除註解。移除註解減少或消除輪廓提取誤差，從而允許經提取輪廓與包含在實體佈局檔案中之參考設計正確匹配。在移除註解606時，可重新建構高解析度影像之背景顏色、圖案及紋理。 藉由提取如在所得影像608中繪示之特徵604之輪廓而處理高解析度影像。例如，如上文所描述，邊緣檢測可用來提取輪廓。一旦已從高解析度影像602提取來自特徵604之輪廓，該等輪廓即被「匹配」至原始設計佈局檔案。由於輪廓係基於列印在一晶圓表面上之圖案之實際影像，且由於將圖案列印在一晶圓表面上之程序可能不完整，故輪廓經受線邊緣粗糙及隅角修圓效應，以及其他可能「假影」。因此，使輪廓匹配於原始實體佈局檔案之程序需要不均勻線及修圓隅角(來自經提取輪廓)與完全筆直線及90度(或其他角度)隅角(來自實體佈局)之一比較。一旦輪廓已以此方式匹配於設計，即提取來自實體佈局之經匹配區段之一片段。此經提升設計片段用作針對輪廓之參考，即，一經提取輪廓應非常類似於其設計參考。此經提升設計片段可被分裂或分解成一組圖案。如上文所描述，藉由提取圍繞(例如)藉由使用如上文描述之一基於規則之圖案搜尋引擎評估經匹配區段所識別之所關注特徵之一區域而從設計片段產生圖案。 接著，經提取參考圖案610及612與已存在於圖5之圖案追蹤資料庫508中之經追蹤參考圖案(其包含表示來自實體佈局檔案之特徵之線及/或多邊形形狀)進行比較。在此實施例中，經提取參考圖案610及612可經判定為分別與既有經追蹤參考圖案1及參考圖案2之一匹配。一旦已判定經提升設計片段614含有分別匹配參考圖案1 (RP1)及2 (RP2)之參考圖案610及612，在一項實施例中，針對圖案610及612之各者之一保真度分數(或基於不同準則之多個分數)從經提取輪廓計算且添加至如616處繪示之圖5之圖案追蹤資料庫508中之一或多個表格。作為一實例，參考圖案1可具有從自高解析度影像之分析產生之先前提取參考圖案指派之兩個優先保真度分數。在處理影像602之後，一第三分數可針對圖案610之最近計算保真度分數插入圖5之圖案追蹤資料庫508中。類似地，針對圖案612之一保真度分數亦可經計算且指派至參考圖案2。因此，藉由將分數儲存在一資料庫中，可隨著時間流逝追蹤圖案。 圖6B繪示建置圖案追蹤資料庫之一程序之另一實例實施例。在某些實施例中，使用圖1之系統100及圖2A之程序200及/或圖2B之程序250來執行圖6B中繪示之處理。 如結合圖6A所論述，若高解析度影像上存在註解，則可在繼續進行輪廓提取之前移除該等註解。在圖6B之實例中，圖式620繪示來自一高解析度影像之經提取輪廓之一實例。該等輪廓含有隅角修圓及線-邊緣粗糙，其係實際列印影像之特性。接著，影像之經提取輪廓對準至實體佈局(參考設計)，且被展示在圖式622中。此處，物項624展示對準至較大設計之一特定部分之輪廓。接著，如圖式626中所展示，此匹配區域(或對準區域)被「提升」。此經提升設計片段係針對經提取輪廓之參考或預期設計。接著，透過一基於規則之搜尋(或圖案匹配搜尋)針對任何關鍵或間接特徵之存在而搜尋經提升設計片段。在圖式628中，作為一實例，執行一「尖端至尖端」搜尋以識別一關鍵特徵630。圍繞此特徵提取一給定半徑之一周圍圖案632。半徑可為使用者指定的或可使用一預設值或半徑可被動態程式化(例如，可自動計算一適當半徑)。 針對關鍵特徵636內之經提取輪廓計算一保真度分數。在一項實施例中，如下判定保真度分數。識別設計片段中之所關注特徵之位置。識別高解析度影像之經提取輪廓中之對應位置(如624處所展示，其已被對準至設計片段)。藉由評估設計片段中之所關注特徵之位置而判定針對所關注特徵之預期尺寸。藉由評估經提取輪廓之對應位置處之所關注特徵之輪廓而量測相同所關注特徵之列印尺寸。雖然一完整影像之輪廓經提取且對準至一參考設計，但僅在一所關注特徵內執行量測。例如，僅比較參考設計及經提取輪廓之交叉描繪所關注特徵之一邊界或區域(例如，箱) (或位於其內)之部分。計算在製造時所關注特徵之經量測尺寸與所關注特徵之預期尺寸之間之一變化。亦可使用所關注特徵之原始量測資料(從所關注特徵之輪廓量測)及預期尺寸來計算一保真度分數。在634處，出於闡釋性目的疊加並覆疊針對在列印時特徵之輪廓及特徵之預期設計。 接著，比較經提取參考圖案632 (提取自設計片段626)與已存在(即，已被追蹤)於圖案追蹤資料庫642中之既有參考圖案638。若提取自設計片段之經提取參考圖案632並不存在於圖案追蹤資料庫642中，則經提取參考圖案被添加至圖案追蹤資料庫作為待追蹤之一新參考圖案。然而，若經提取參考圖案632已存在於圖案追蹤資料庫中(即，匹配於資料庫中之一既有參考圖案)，則最近計算之保真度分數經添加作為針對既有參考圖案之一新資料點640。 圖7繪示一圖式，其描述提取自一影像之輪廓與其對應設計之一比較之一實例實施例以推斷輪廓之保真度分數。可視情況而定使用任何度量來計算保真度分數。在某些實施例中，使用圖1之系統100及圖2A之程序200及/或圖2B之程序250來執行圖7中繪示之處理。 在一項實施例中，參考設計之經提取輪廓及匹配區段之分析及覆疊促進判定影像上之一缺陷之精確位置。藉由將經提取輪廓匹配於實體佈局(即，將輪廓對準至設計)並計算輪廓之哪個部分含有缺陷，可判定實體佈局中受製作缺陷影響之精確多邊形。此精確資訊可提供受益於瞭解實體佈局上之一缺陷之精確位置之新的良率增加機會。 如圖7中所繪示，在一項實施例中，影像A及影像B對應於參考設計之相同部分或設計片段700 (例如，如上文所描述，基於執行輪廓至設計對準)。影像A及B之輪廓(例如，如上文所描述，使用輪廓提取而提取)可被覆疊且與設計片段進行比較。如從影像A及影像B之輪廓可見，在覆疊且與設計片段之特徵進行比較時兩個輪廓中存在一異常(其中例如使用如上文描述之一基於規則之特徵搜尋來識別特徵)。明確言之，列印特徵之輪廓704A及706A可分別看作設計片段之特徵704及706之不完整表示。類似地，藉由輪廓B之704B、706B、708B及710B分別不完整地表示設計片段之特徵704、706、708及710。 在一項實施例中，任何關鍵特徵(例如，具有小寬度或線之間之小間距之線)可經檢查並指派一保真度分數。例如，若特徵(例如，702及704)在列印於晶圓上時具有明顯小於實體佈局檔案中預期之一間距(例如，歸因於製造製程中之一修改/修正)，則此等圖案可呈現為無必需線間距或線寬度之一連續塊體(換言之，特徵702及704可呈現為一單一多邊形形狀)。因此，在此一情況中，以一實際影像之經提取輪廓覆疊設計片段可展示錯誤圖案被製造至晶圓上，且藉此識別一關鍵特徵之一異常。針對此等關鍵特徵，在一特徵之經提取輪廓與其預期設計之間之一變化可經判定且用來計算並指派一保真度分數。在另一實施例中，可視情況而定使用特徵之任何幾何性質來計算保真度分數。在一項實施例中，保真度分數係一度量且判定圍繞特徵之一給定片段設計佈局中之一給定圖案之可列印性及穩定性。 基於特徵之經提取輪廓與其預期設計之此比較，可藉由分析參考與實際之間之變動而執行針對匹配於提取自圍繞一特徵之一設計片段之一圖案之一保真度分數的一實驗計算，其可用來判定列印圖案匹配預期參考圖案之接近程度或拙劣程度。以此方式，可針對一特定實體佈局有效地判定弱及強晶片設計圖案。 圖8繪示圖案追蹤資料庫中追蹤之四個參考圖案之保真度分數之四個取樣頻率圖。在某些實施例中，使用圖1之系統100之特徵分析引擎120產生頻率圖，且可(例如)使用查詢/報告引擎122提供頻率圖作為輸出。 圖式(其可為任何適當類型之圖，諸如一散點圖、一箱線圖、一頻率歷史等等)展示保真度分數之散佈，根據本發明之一項實施例，其中某些圖案具有一較窄散佈(小標準偏差)且其他圖案具有一較寬散佈(較大標準偏差)。一小標準偏差指示一較強圖案，其趨於一致列印。一大標準偏差指示一較弱圖案，其趨於更不規律列印。 在一項實施例中，藉由繪出一度量之標準偏差，可判定基於該度量之圖案之強度或缺陷。如圖8中所繪示，一極小標準偏差802之一曲線圖表示一強圖案。一較小標準偏差指示一半導體裝置上之一參考圖案之一更好穩定性或可重複性。此意指晶圓上之列印或蝕刻圖案(藉由高解析度影像表示)並不過於偏離其參考圖案。一度量之一小標準偏差(如在804中所展示)將表示晶圓上之蝕刻圖案比一極小標準偏差之先前情況偏離其參考圖案稍多一些。因此，在此情況中，參考圖案將比標準偏差802之參考圖案弱。中等標準偏差806將類似地表示比最初兩個情況弱之一圖案，且一大標準偏差808將表示最弱圖案。 圖9繪示描述每一參考圖案之某些統計匯總資料之一表格(900)之一實例實施例。在某些實施例中，使用圖1之系統100之進一步分析引擎120來產生統計匯總，且可(例如)使用查詢/報告引擎122提供統計匯總作為輸出。 根據本發明之一項實施例，此資料可用來快速陳述一圖案之強度或缺陷。在一項實施例中，針對每一參考圖案，一整體度量分數可經計算且連同其標準偏差及圖案之出現頻率及任何額外度量儲存。除含有針對該等參考圖案計算之匯總或整體統計之一匯總資料分析表格之外，在某些實施例中，圖案追蹤資料庫包含一實驗原始資料表格，該表格含有針對與一參考圖案相關聯之實驗資料點之更詳盡原始資料。在各種實施例中，此原始資料包含但不限於諸如堆ID、晶圓ID、晶粒ID、晶粒座標、輪廓自身、針對每一實驗資料點之保真度分數、識別獲取其高解析度影像(從其獲得實驗資料)之缺陷之檢查步驟之日期/時間等等之物項。在某些實施例中，匯總資料分析表格包含對實驗原始資料表格之一參考。 在一項實施例中，至少一組實驗資料之標準偏差可經計算且儲存在一匯總資料分析資料庫表格900中。此一表格可經查詢以判定弱圖案(分別具有中等標準偏差806或大標準偏差808)。此等弱圖案可經提供作為至檢查工具(包含但不限於明場檢查工具、暗場檢查工具、電子束檢查工具等等)之一輸入，且可在製造製程期間於所有堆上監測該等圖案。此等弱圖案亦可被提供至成像工具(諸如但不限於SEM缺陷檢視工具)以便在一週期或非週期基礎上擷取該等位置之影像。 在另一實施例中，表格900亦可提供一光罩修正或一程序修正之影響之全面估定。此可被判定，此係因為實驗資料可在每一程序修正或光罩修正之後計算、監測及追蹤，且後續與在修改之前收集並儲存之資料比較。此等比較可用來判定哪些圖案變得較強(或較弱)且處於哪些位置，且哪些圖案在光罩或程序修正之後保持相同。當以此方式估定對一組廣泛圖案之影響時，其幫助判定遮罩或程序修正是否賦予一凈正影響(及該影響之程度)、一凈負影響(及該影響之程度)或零影響。 認為弱或強之圖案可與製造製程期間之一半導體裝置之光微影模擬(例如，光學近接校正(OPC)、光學規則檢查(ORC))進行比較以估定該等模擬模型之精確性。若圖案具有一小標準偏差，則可進一步判定該等圖案之任一者是否藉由OPC或ORC模擬而標記為弱點。由於具有小標準偏差之圖案被視為強圖案且無(或極小)誤差被預期，故其不應藉由光微影模擬標記。但若其係如此，則其將指示修改或重新校準光微影模擬之需要。類似地，具有一中等或大標準偏差之圖案被預期為弱圖案。因此，若一實驗觀察之弱圖案未藉由光微影模擬標記，則其亦將指示修改或重新校準光微影模擬之需要。此外，由於OPC/ORC模擬模型可過高預測或過低預測弱圖案，故與實際實驗資料之一比較提供一更好且更穩定回饋環圈，從而導致一更好模擬模型及因此一經改良光罩或實體佈局。此外，對弱圖案及潛在弱圖案之位置之瞭解可用來將檢查、度量及成像工具引導至該等位置。 圖10A係繪示用於從高解析度影像提取輪廓、將輪廓對準至一實體佈局之一匹配區段，及將匹配圖案分裂成較小子圖案用於一圖案追蹤資料庫中之追蹤之一程序之一實施例的一流程圖。在某些實施例中，藉由一或多個檢查/成像工具及圖1之系統100執行程序1000。在某些實施例中，程序1000分別係圖2A之程序200及圖2B之程序250之一替代實施例。 在1002處，在一半導體裝置之製造製程期間，一檢查工具報告一晶圓上之缺陷之座標。座標可包含一定程度之量測誤差，且一缺陷自身可或可不為所關注。在1004處，產生(例如，藉由SEM成像工具)所報告缺陷之一經選擇子組之高解析度影像(例如，SEM影像)。在某些實施例中，歸因於SEM工具之相對緩慢處理能力，使所有缺陷成像可能不實際。 在1006處，從所有影像提取輪廓，且針對影像之經提取輪廓匹配於半導體裝置之實體佈局或實體設計。在1008處，在將影像之各者之輪廓匹配於實體設計之後，針對一經匹配區域提取一設計片段。該經提取設計片段在本文中亦被稱為「經提升設計片段」或「經提升區段」。該經提升設計片段係指實體佈局圖案之匹配經提取輪廓之部分。 在1010處，經提升設計片段基於各種啟發法或各種規則而被分解成圖案作為經提取參考圖案。例如，如上文所描述，可使用針對所關注特徵之一基於規則之圖案搜尋及圍繞所關注特徵之圖案之提取。在一圖案追蹤資料庫中查找經識別及經提取參考圖案。在1012處，若一經提取參考圖案存在於資料庫中，則對應於經提取參考圖案之影像之部分之輪廓與經提取參考圖案自身比較以判定一保真度分數且該保真度分數被保存在資料庫中與匹配經提取參考圖案之既有參考圖案相關聯之一列中。若一經提取參考圖案並不存在於資料庫中，則對應於該經提取參考圖案之影像之部分之輪廓與如藉由參考設計定義之經提取參考圖案比較以判定一保真度分數，且該保真度分數經添加作為資料庫中之一新條目。如上文所描述，亦可計算並儲存除保真度分數外之度量。在某些實施例中，比較對應於一經提取參考圖案之影像之部分之輪廓與該經提取參考圖案自身包含比較如上文所描述對應於圍繞其提取經提取參考圖案之特徵之影像之部分之輪廓與預期如何製造特徵(根據參考設計或佈局)。 圖10B係繪示用於估定一光罩修正或程序修正對列印圖案之保真度或品質之影響之一程序之一實施例的一流程圖。在某些實施例中，藉由圖1之系統100執行程序1050。一半導體裝置中之缺陷可歸因於眾多因素而出現。此等因素包含光罩/OPC/ORC問題及製程條件問題。起因於光罩問題之缺陷通常與OPC/ORC之不完整性相關聯，而起因於製程條件問題之缺陷廣泛包含過度蝕刻、不足蝕刻、時間或材料約束、無效化學品、無效處理工具處方、處理設備問題及/或其他問題。估定光罩修正或製程條件修正對列印圖案之保真度或品質之影響，且將一弱圖案或一組弱圖案歸因於一特定光罩或製程條件修正往往係預期的。如圖10B中所繪示，此可藉由比較在一光罩或製程改變之前及之後之圖案保真度資料而完成以判定在作出改變之後圖案是否變得更弱、更強或保持相同。 程序在1052處開始，其中判定在作出一製程或遮罩修正時之日期/時間。在1054處，在經判定日期/時間之前針對用於每一圖案之保真度分數查詢圖案追蹤資料庫。計算標準偏差或其他整體統計。在1056處，在經判定日期/時間之後針對每一圖案之保真度分數查詢圖案追蹤資料庫。計算標準偏差或其他整體統計。在1058處，針對每一圖案，判定在製程或遮罩修正之日期/時間之後標準偏差或整體統計是否已變得更好、更差或保持相同。在各種實施例中，程序1050可經調適以執行在任何其他類型之改變之前及之後之圖案之一比較。 圖11A繪示一圖案追蹤資料庫中之表格之實例實施例。表格1106A包含與不同裝置之間之共同圖案相關之實驗資料。如繪示，表格1102A及1104A包含針對裝置X及Y之層Z之實驗資料。更明確言之，表格1102A包含與裝置X、層Z相關之參考圖案及實驗資料，提供整體度量分數、標準偏差、裝置X內之圖案之頻率等等。表格1104A包含與裝置Y、層Z相關之參考圖案及實驗資料，提供整體度量分數、標準偏差、裝置Y內之圖案之頻率等等。表格1106A提供如藉由比較含在表格1102A及1104A中之參考圖案所判定、為裝置X及裝置Y所共有之圖案。以此方式，共同固持在兩個或更多個裝置之間之圖案之整體強度或缺陷可被評估，且差異被研究。 圖11B係繪示用於藉由使用來自一先前裝置之圖案保真度資訊排名一新半導體裝置之整體可製作性之一程序之一實施例的一流程圖。在某些實施例中，藉由圖1之系統100執行程序1150。程序在1152處開始，其中針對一新裝置之一給定層，半導體裝置之實體設計使用類似於用來分解一初期裝置之啟發法之啟發法(例如，如上文所描述，基於規則之圖案搜尋)分解成一組圖案。在1154處，新裝置之圖案與一先前裝置之圖案追蹤資料庫進行比較以發現為兩個裝置所共有之圖案。在1156處，使用來自先前裝置之圖案保真度資訊，對新裝置之整體可製作性進行排名。此可(例如)藉由使用共同圖案(從先前圖案追蹤資料庫獲取)之保真度分數、搜尋新裝置中之共同圖案之實例之所有位置，並計算一整體加權(保真度)分數而完成。 圖12係繪示用於遞送圖案品質趨勢及問題之自動及聯機報告之一程序之一實施例的一流程圖。在某些實施例中，藉由圖1之系統100執行程序1200。在一項實施例中，此等報告提供可用來快速採取校正動作之圖案問題之及時估定。隨著在1202處處理針對一檢查晶圓之每組高解析度影像，在1204處將結果添加至圖案追蹤資料庫。在某些實施例中，使用圖2A之程序200及/或圖2B之程序250來實施處理步驟1202及1204。使用資料庫中之當前圖案保真度分數及歷史圖案保真度分數，在1206處產生一圖案品質趨勢報告。在另一實施例中，如1208處所展示，以其中通知適當人員以便採取後續動作之一方式輸出1206處產生之報告。在另一實施例中，輸出選項之一者可為將報告之關鍵元素發送至工廠之製作執行系統或MES (1210)，其管理穿過製造工廠之材料流。此可使一「堆」或處理步驟暫停(例如)，或通知適當人員。在另一實施例中，報告經產生作為一檔案1212且輸出至一局部或網路驅動器上之一資料夾。在一項實施例中，如1214處所展示，報告可用電子郵件發送至一組使用者。在一項實施例中，如1216處所展示，報告可被發表至一網站。類似地，亦可視情況而定添加其他通知選項1218。 雖然出於清楚理解之目的已描述前述實施例之某些細節，但本發明並不限於所提供之細節。存在實施本發明之許多替代方式。所揭示實施例係闡釋性而非限制性的。
100‧‧‧系統
102‧‧‧輪廓提取引擎
104‧‧‧輪廓至設計對準引擎
106‧‧‧特徵識別引擎
108‧‧‧輪廓至設計比較引擎
110‧‧‧尺寸量測引擎
112‧‧‧圖案提取引擎
114‧‧‧資料庫更新引擎
116‧‧‧圖案追蹤資料庫
118‧‧‧佈局分解引擎
120‧‧‧進一步分析引擎
122‧‧‧查詢/報告引擎
124‧‧‧高解析度影像
126‧‧‧實體佈局檔案
200‧‧‧程序
202‧‧‧處理步驟
204‧‧‧處理步驟
206‧‧‧處理步驟
208‧‧‧處理步驟
210‧‧‧步驟
250‧‧‧程序
252‧‧‧步驟
254‧‧‧步驟
256‧‧‧步驟
258‧‧‧實體設計
260‧‧‧處理步驟
262‧‧‧處理步驟
264‧‧‧處理步驟
266‧‧‧處理步驟
268‧‧‧步驟
270‧‧‧步驟
272‧‧‧步驟
300‧‧‧程序
302‧‧‧步驟
304‧‧‧步驟
306‧‧‧步驟
308‧‧‧步驟
310‧‧‧步驟
402‧‧‧一高解析度影像中擷取之列印圖案之經提取輪廓之一實例
404‧‧‧影像之經提取輪廓被對準至一參考設計(例如，對準至實體佈局)
406‧‧‧與經提取輪廓對準之參考設計之匹配區段
408‧‧‧經匹配區段
410‧‧‧所關注特徵
412‧‧‧經提取參考圖案
414‧‧‧在影像中列印且擷取時經識別之所關注特徵410之輪廓係與參考設計之經提取參考圖案作比較以判定一保真度分數
416‧‧‧圖案追蹤資料庫中之表格之實例
418‧‧‧參考圖案RP1
420‧‧‧將針對所關注特徵之實驗資料點(例如，原始量測、保真度分數、後設資料等等)儲存至參考圖案列
500‧‧‧圖式
502‧‧‧參考圖案1 (RP1)
504‧‧‧特徵
506‧‧‧資料庫表格
508‧‧‧資料庫
602‧‧‧高解析度影像
604‧‧‧特徵
606‧‧‧圖形或文字註解
608‧‧‧所得影像
610‧‧‧參考圖案
612‧‧‧參考圖案
614‧‧‧經提升設計片段
616‧‧‧圖5之圖案追蹤資料庫508中之一或多個表格
620‧‧‧圖式
622‧‧‧圖式
624‧‧‧物項
626‧‧‧圖式；設計片段
628‧‧‧圖式
630‧‧‧關鍵特徵
632‧‧‧周圍圖案；經提取參考圖案
634‧‧‧出於闡釋性目的疊加並覆疊針對在列印時特徵之輪廓及特徵之預期設計
636‧‧‧關鍵特徵
638‧‧‧既有參考圖案
640‧‧‧資料點
642‧‧‧圖案追蹤資料庫
700‧‧‧設計片段
702‧‧‧特徵
704‧‧‧特徵
704A‧‧‧列印特徵之輪廓
704B‧‧‧輪廓
706‧‧‧特徵
706A‧‧‧列印特徵之輪廓
706B‧‧‧輪廓
708‧‧‧特徵
708B‧‧‧輪廓
710‧‧‧特徵
710B‧‧‧輪廓
802‧‧‧極小標準偏差
804‧‧‧小標準偏差
806‧‧‧中等標準偏差
808‧‧‧大標準偏差
900‧‧‧表格；匯總資料分析資料庫表格
1000‧‧‧程序
1002‧‧‧步驟
1004‧‧‧步驟
1006‧‧‧步驟
1008‧‧‧步驟
1010‧‧‧步驟
1012‧‧‧步驟
1050‧‧‧程序
1052‧‧‧步驟
1054‧‧‧步驟
1056‧‧‧步驟
1058‧‧‧步驟
1102A‧‧‧表格
1104A‧‧‧表格
1106A‧‧‧表格
1150‧‧‧程序
1152‧‧‧步驟
1154‧‧‧步驟
1156‧‧‧步驟
1200‧‧‧程序
1202‧‧‧處理步驟
1204‧‧‧處理步驟
1206‧‧‧步驟
1208‧‧‧步驟
1210‧‧‧步驟
1212‧‧‧步驟
1214‧‧‧步驟
1216‧‧‧步驟
1218‧‧‧步驟
在下列詳細描述及隨附圖式中揭示本發明之各種實施例。 圖1係繪示用於在一半導體製造製程期間之圖案缺陷及強度檢測及追蹤之一系統之一實施例的一方塊圖。 圖2A係繪示用於在一半導體裝置製造製程期間之圖案追蹤之一程序之一實施例的一流程圖。 圖2B係繪示用於在一半導體裝置製造製程期間之圖案追蹤之一程序之一實施例的一流程圖。 圖3係繪示用於執行實體佈局分解之一程序之一實施例之一流程圖。 圖4繪示一實例之一實施例，其中處理一高解析度影像且更新一圖案追蹤資料庫。 圖5繪示一圖式，其描述包括用來記分並追蹤正在製造之一半導體裝置之高解析度影像之參考圖案之一資料庫之一實例實施例。 圖6A繪示建置圖案追蹤資料庫之一程序之一實例實施例。 圖6B繪示建置圖案追蹤資料庫之一程序之另一實例實施例。 圖7繪示一圖式，其描述用以推斷輪廓之保真度分數之提升圖案與參考圖案之輪廓之一比較之一實例實施例。 圖8繪示四個圖案之保真度分數之四個樣本頻率圖。 圖9繪示描述每一參考圖案之一些統計匯總資料之一表格之一實例實施例。 圖10A係繪示用於從高解析度影像提取輪廓、將其對準至一實體佈局，且將所得圖案分裂成較小子圖案以用於追蹤一圖案追蹤資料庫之一程序之一實施例的一流程圖。 圖10B係繪示用於估定一光罩修正或製程修正對列印圖案之保真度或品質之影響之一程序之一實施例的一流程圖。 圖11A繪示一圖案追蹤資料庫中之表格之實例實施例。 圖11B係繪示用於藉由使用來自一先前裝置之圖案保真度資訊對一新裝置之整體可製作性進行排名之一程序之一實施例的一流程圖。 圖12係繪示用於遞送圖案品質趨勢及問題之自動及聯機報告之一程序之一實施例的一流程圖。

Claims (23)

  1. 一種系統，其包括： 一或多個處理器，其經組態以： 接收包括一半導體裝置之一實體佈局(physical layout)檔案之一參考設計； 識別在該經接收之參考設計中之所關注特徵(features of interest)，其中一所關注特徵包括待監測之該半導體裝置之一部分之一表示； 對於經識別之所關注特徵之每一者，從該經接收參考設計提取(extract)在該經識別所關注特徵之一特定半徑中之一圖案； 至少部分地藉由評估從該經接收之參考設計所提取之該等圖案而判定一組相異(distinct)參考圖案；且 將從該經接收參考設計所判定之該組相異參考圖案包含於一圖案追蹤(tracking)資料庫中；及 一記憶體，其經耦合至該一或多個處理器，且經組態以向該一或多個處理器提供指令。
  2. 如請求項1之系統，其中判定該組相異參考圖案包含將從該參考設計所提取之該等圖案分組(grouping)，其中每一分組對應於一相異參考圖案。
  3. 如請求項2之系統，其中至少部分地基於其等之幾何形狀(geometries)經判定以匹配之經提取圖案被分組在一起。
  4. 如請求項1之系統，其中該一或多個處理器進一步經組態以追蹤在該圖案追蹤資料庫中之一參考圖案，其係至少部分地藉由以與經判定以匹配該參考設計之一經列印(printed)圖案相關聯之實驗(empirical)資訊而更新該參考圖案。
  5. 如請求項4之系統，其中至少部分地藉由處理一半導體晶圓之至少一部分之一影像而判定該經列印圖案。
  6. 如請求項4之系統，其中該實驗資訊包括與該經列印圖案相關聯之原始(raw)量測資料。
  7. 如請求項4之系統，其中該實驗資訊包括一保真度分數(fidelity score)，其中該保真度分數指示該經列印圖案如何匹配其預期(intended)設計。
  8. 如請求項4之系統，其中該一或多個處理器進一步經組態以至少部分基於該實驗資訊而偵測一缺陷之一出現(occurrence)。
  9. 如請求項8之系統，其中該一或多個處理器進一步經組態以根據一缺陷類型而分類該經偵測缺陷。
  10. 如請求項4之系統，其中該一或多個處理器進一步經組態以至少部分地基於經列印圖案與該參考圖案偏差(deviation)之一量測而判定該參考圖案之強度或弱度(weakness)之一量測。
  11. 如請求項1之系統，其中該一或多個處理器進一步經組態以： 識別在該經接收參考設計之兩個不同部分中之兩個所關注特徵，其中該兩個所關注特徵係相同或類似之所關注特徵； 從該經接收參考設計提取圍繞在該經接收參考設計之該兩個不同部分中所識別之該相同或類似之兩個所關注特徵之兩個參考圖案；及 判定圍繞在該經識別之兩個相同或類似之所關注特徵之該經提取之兩個參考圖案係不同的參考圖案。
  12. 一種方法，其包括： 接收包括一半導體裝置之一實體佈局檔案之一參考設計； 使用一或多個處理器以識別在該經接收之參考設計中之所關注特徵，其中一所關注特徵包括待監測之該半導體裝置之一部分之一表示； 對於經識別之所關注特徵之每一者，從該經接收之參考設計提取在該經識別所關注特徵之一特定半徑中之一圖案； 至少部分地藉由評估從該經接收之參考設計所提取之該等圖案而判定一組相異參考圖案；及 將從該經接收參考設計所判定之該組相異參考圖案包含於一圖案追蹤資料庫中。
  13. 如請求項12之方法，其中判定該組相異參考圖案包含將從該參考設計所提取之該等圖案分組，其中每一分組對應於一相異參考圖案。
  14. 如請求項13之方法，其中至少部分地基於其等之幾何形狀所判定以匹配之經提取圖案被分組在一起。
  15. 如請求項12之方法，其進一步包括追蹤在該圖案追蹤資料庫中之一參考圖案，其係至少部分地藉由以與經判定以匹配該參考設計之一經列印圖案相關聯之實驗資訊而更新該參考圖案。
  16. 如請求項15之方法，其中至少部分藉由處理一半導體晶圓之至少一部分之一影像而判定該經列印圖案。
  17. 如請求項15之方法，其中該實驗資訊包括與該經列印圖案相關聯之原始量測資料。
  18. 如請求項15之方法，其中該實驗資訊包括一保真度分數，其中該保真度分數指示該經列印圖案如何匹配其預期設計。
  19. 如請求項15之方法，其進一步包括至少部分地基於該實驗資訊偵測一缺陷之一出現。
  20. 如請求項19之方法，其進一步包括根據一缺陷類型分類該經偵測缺陷。
  21. 如請求項15之方法，其進一步包括至少部分地基於從經列印圖案與該參考圖案偏差之一量測而判定該參考圖案之強度或弱度之一量測。
  22. 如請求項12之方法，其進一步包括： 識別在該經接收參考設計之兩個不同部分中之兩個所關注特徵，其中該兩個所關注特徵係相同或類似之所關注特徵； 從該經接收參考設計提取圍繞在該經接收參考設計之該兩個不同部分中所識別之該相同或類似之兩個所關注特徵之兩個參考圖案；及 判定圍繞在該經識別之兩個相同或類似之所關注特徵之該經提取之兩個參考圖案係不同的參考圖案。
  23. 一種電腦程式產品，其被體現(embodied)於一非暫時性電腦可讀儲存媒體中，且包括用於下列操作之電腦指令： 接收包括一半導體裝置之一實體佈局檔案之一參考設計； 識別在該經接收之參考設計中之所關注特徵，其中一所關注特徵包括待監測之該半導體裝置之一部分之一表示； 對於經識別之所關注特徵之每一者，從該經接收之參考設計提取在該經識別所關注特徵之一特定半徑中之一圖案； 至少部分藉由評估從該經接收之參考設計所提取之該等圖案而判定一組相異參考圖案；及 將從該經接收參考設計所判定之該組相異參考圖案包含於一圖案追蹤資料庫中。
TW106137321A 2015-04-13 2016-03-30 在半導體裝置製造製程期間之圖案缺陷和強度檢測及追蹤 TWI634485B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201562146572P 2015-04-13 2015-04-13
US62/146,572 2015-04-13
US15/066,280 2016-03-10
US15/066,280 US9846934B2 (en) 2015-04-13 2016-03-10 Pattern weakness and strength detection and tracking during a semiconductor device fabrication process

Publications (2)

Publication Number Publication Date
TW201804365A TW201804365A (zh) 2018-02-01
TWI634485B true TWI634485B (zh) 2018-09-01

Family

ID=57111349

Family Applications (2)

Application Number Title Priority Date Filing Date
TW106137321A TWI634485B (zh) 2015-04-13 2016-03-30 在半導體裝置製造製程期間之圖案缺陷和強度檢測及追蹤
TW105110109A TWI608427B (zh) 2015-04-13 2016-03-30 在半導體裝置製造製程期間之圖案缺陷和強度檢測及追蹤

Family Applications After (1)

Application Number Title Priority Date Filing Date
TW105110109A TWI608427B (zh) 2015-04-13 2016-03-30 在半導體裝置製造製程期間之圖案缺陷和強度檢測及追蹤

Country Status (3)

Country Link
US (2) US9846934B2 (zh)
KR (1) KR20160122069A (zh)
TW (2) TWI634485B (zh)

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9965848B2 (en) * 2015-12-23 2018-05-08 Kla-Tencor Corporation Shape based grouping
US10127651B2 (en) * 2016-01-15 2018-11-13 Kla-Tencor Corporation Defect sensitivity of semiconductor wafer inspectors using design data with wafer image data
JP2017134596A (ja) * 2016-01-27 2017-08-03 株式会社東芝 画像処理方法及びプロセスシミュレーション装置
US10209628B2 (en) * 2016-05-26 2019-02-19 Kla-Tencor Corporation System and method for defect classification based on electrical design intent
US11010886B2 (en) * 2016-05-17 2021-05-18 Kla-Tencor Corporation Systems and methods for automatic correction of drift between inspection and design for massive pattern searching
US10134124B2 (en) * 2016-08-18 2018-11-20 Dongfang Jingyuan Electron Limited Reference image contour generation
GB2553005B (en) * 2016-08-19 2022-04-13 Apical Ltd Method of line detection
US10055535B2 (en) * 2016-09-27 2018-08-21 Globalfoundries Inc. Method, system and program product for identifying anomalies in integrated circuit design layouts
KR102582665B1 (ko) * 2016-10-07 2023-09-25 삼성전자주식회사 집적 회로의 패턴들을 평가하는 시스템 및 방법
KR102304317B1 (ko) * 2016-12-01 2021-09-24 에이에스엠엘 네델란즈 비.브이. 패턴 구성을 위한 방법 및 시스템
US20180300872A1 (en) * 2017-04-12 2018-10-18 Ngr Inc. Method And Apparatus For Integrated Circuit Pattern Inspection With Automatically Set Inspection Areas
US10402524B2 (en) * 2017-05-08 2019-09-03 Globalfoundries Inc. Prediction of process-sensitive geometries with machine learning
EP3454128B1 (en) * 2017-09-12 2020-01-29 IMEC vzw A method and system for detecting defects of a lithographic pattern
US10783629B2 (en) 2017-09-29 2020-09-22 Align Technology, Inc. Aligner image based quality control system
KR102507304B1 (ko) * 2017-10-30 2023-03-07 삼성전자주식회사 결함 검사 방법 및 이를 이용한 반도체 소자의 제조 방법
US11023648B2 (en) * 2017-12-12 2021-06-01 Siemens Industry Software Inc. Puzzle-based pattern analysis and classification
US10990003B2 (en) 2018-02-18 2021-04-27 Asml Netherlands B.V. Binarization method and freeform mask optimization flow
CN110278366B (zh) * 2018-03-14 2020-12-01 虹软科技股份有限公司 一种全景图像虚化方法、终端及计算机可读存储介质
US10777470B2 (en) * 2018-03-27 2020-09-15 Pdf Solutions, Inc. Selective inclusion/exclusion of semiconductor chips in accelerated failure tests
US10733723B2 (en) * 2018-05-22 2020-08-04 Midea Group Co., Ltd. Methods and system for improved quality inspection
WO2019242922A1 (en) * 2018-06-19 2019-12-26 Asml Netherlands B.V. Method for controlling a manufacturing apparatus and associated apparatuses
US11278375B2 (en) 2018-09-27 2022-03-22 Align Technology, Inc. Aligner damage prediction and mitigation
US11569056B2 (en) * 2018-11-16 2023-01-31 Fei Company Parameter estimation for metrology of features in an image
CN109857881B (zh) * 2019-01-31 2021-01-22 上海华虹宏力半导体制造有限公司 用于opc验证的验证图形的量化分析方法
US10481579B1 (en) * 2019-02-28 2019-11-19 Nanotronics Imaging, Inc. Dynamic training for assembly lines
US11122680B2 (en) * 2019-03-18 2021-09-14 International Business Machines Corporation Passive methods of loose die identification
US11295444B2 (en) 2019-04-01 2022-04-05 Align Technology, Inc. Vision and geometric approaches to detect defects in dental appliances
CN110108712A (zh) * 2019-04-20 2019-08-09 东莞中科蓝海智能视觉科技有限公司 多功能视觉缺陷检测系统
CN110504183B (zh) * 2019-08-27 2021-06-15 上海华力集成电路制造有限公司 自动扩展扫描区域的扫描程式建立方法
US20210073976A1 (en) * 2019-09-09 2021-03-11 Carl Zeiss Smt Gmbh Wafer inspection methods and systems
US11100221B2 (en) 2019-10-08 2021-08-24 Nanotronics Imaging, Inc. Dynamic monitoring and securing of factory processes, equipment and automated systems
US11086988B1 (en) 2020-02-28 2021-08-10 Nanotronics Imaging, Inc. Method, systems and apparatus for intelligently emulating factory control systems and simulating response data
CN113642819A (zh) * 2020-05-11 2021-11-12 上海华力集成电路制造有限公司 连环许容时间区段站点异常时产品自动调度装置和方法
US11379972B2 (en) * 2020-06-03 2022-07-05 Applied Materials Israel Ltd. Detecting defects in semiconductor specimens using weak labeling
US11443095B2 (en) * 2020-07-10 2022-09-13 Taiwan Semiconductor Manufacturing Co., Ltd. Hotspot avoidance method for manufacturing integrated circuits
DE102020213828B4 (de) 2020-11-03 2022-12-01 Volkswagen Aktiengesellschaft Inspektionseinrichtung und Verfahren zum Überprüfen eines mittels eines Sinterverfahrens gefertigten Gegenstands auf mögliche Fehler
US20220301133A1 (en) * 2021-03-16 2022-09-22 Kla Corporation Segmentation of design care areas with a rendered design image
CN115373225A (zh) 2021-05-17 2022-11-22 联华电子股份有限公司 光学邻近修正操作方法与光学邻近修正操作装置
US20230075297A1 (en) * 2021-09-03 2023-03-09 Kla Corporation Wafer alignment improvement through image projection-based patch-to-design alignment
CN114020738B (zh) * 2021-10-25 2024-09-10 上海华力集成电路制造有限公司 结果数据库快速生成opc测试版图的方法和系统、存储介质
US12019507B2 (en) 2022-05-19 2024-06-25 Applied Materials, Inc. Guardbands in substrate processing systems

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6539106B1 (en) * 1999-01-08 2003-03-25 Applied Materials, Inc. Feature-based defect detection
US7142708B2 (en) * 2001-06-22 2006-11-28 Hitachi, Ltd. Defect detection method and its apparatus
US7485858B1 (en) * 2005-12-06 2009-02-03 Hitachi High-Technologies Corporation Inspection method for semiconductor wafer and apparatus for reviewing defects
CN101872173A (zh) * 2009-04-21 2010-10-27 台湾积体电路制造股份有限公司 半导体产品级别控制的方法与系统
US20120185818A1 (en) * 2011-01-13 2012-07-19 Iyun Leu Method for smart defect screen and sample
CN102856214A (zh) * 2011-06-27 2013-01-02 鸿骐新技股份有限公司 电路板置件方法
TW201439986A (zh) * 2013-02-01 2014-10-16 Kla Tencor Corp 使用缺陷特定及多通道資訊檢測晶圓上之缺陷
TW201511157A (zh) * 2013-07-08 2015-03-16 Kla Tencor Corp 使用設計資料於半導體晶圓上偵測重複缺陷之方法及系統
TW201511154A (zh) * 2013-06-19 2015-03-16 Kla Tencor Corp 以運行時設計資料之使用偵測晶圓上之缺陷

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6067163A (en) * 1995-10-31 2000-05-23 Texas Instruments Incorporated Automated substrate pattern recognition system
US6037628A (en) * 1997-06-30 2000-03-14 Intersil Corporation Semiconductor structures with trench contacts
US6011619A (en) * 1997-12-09 2000-01-04 Advanced Micro Devices Semiconductor wafer optical scanning system and method using swath-area defect limitation
JP3892656B2 (ja) * 2000-09-13 2007-03-14 株式会社ルネサステクノロジ 合わせ誤差測定装置及びそれを用いた半導体デバイスの製造方法
US6853143B2 (en) * 2002-01-09 2005-02-08 Ebara Corporation Electron beam system and method of manufacturing devices using the system
US6750974B2 (en) * 2002-04-02 2004-06-15 Gsi Lumonics Corporation Method and system for 3D imaging of target regions
US7197178B2 (en) * 2003-07-14 2007-03-27 Rudolph Technologies, Inc. Photoresist edge bead removal measurement
US7366344B2 (en) * 2003-07-14 2008-04-29 Rudolph Technologies, Inc. Edge normal process
US7536664B2 (en) 2004-08-12 2009-05-19 International Business Machines Corporation Physical design system and method
US7418693B1 (en) * 2004-08-18 2008-08-26 Cadence Design Systems, Inc. System and method for analysis and transformation of layouts using situations
US7611358B2 (en) * 2006-09-08 2009-11-03 Siemens Energy & Automation, Inc. Method of coupling circuit board connectors
KR100877105B1 (ko) * 2007-06-27 2009-01-07 주식회사 하이닉스반도체 반도체소자의 패턴 검증 방법
JP5276854B2 (ja) * 2008-02-13 2013-08-28 株式会社日立ハイテクノロジーズ パターン生成装置およびパターン形状評価装置
US8079005B2 (en) * 2008-09-30 2011-12-13 Cadence Design Systems, Inc. Method and system for performing pattern classification of patterns in integrated circuit designs
US9141730B2 (en) 2011-09-12 2015-09-22 Applied Materials Israel, Ltd. Method of generating a recipe for a manufacturing tool and system thereof
US8832621B1 (en) * 2011-11-28 2014-09-09 Cadence Design Systems, Inc. Topology design using squish patterns
US9401013B2 (en) 2012-02-03 2016-07-26 Applied Materials Israel, Ltd. Method of design-based defect classification and system thereof
US9916653B2 (en) 2012-06-27 2018-03-13 Kla-Tenor Corporation Detection of defects embedded in noise for inspection in semiconductor manufacturing
JP2014035326A (ja) 2012-08-10 2014-02-24 Toshiba Corp 欠陥検査装置
CN105074896B (zh) 2013-02-20 2018-04-27 株式会社日立高新技术 图案测定装置以及半导体测量系统
US9310320B2 (en) 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
TWI534646B (zh) 2013-05-20 2016-05-21 敖翔科技股份有限公司 智慧型弱點圖形診斷方法、系統與電腦可讀取記憶媒體
TWI564741B (zh) 2016-01-25 2017-01-01 敖翔科技股份有限公司 智慧型缺陷分類採樣方法、系統與電腦可讀取儲存媒體

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6539106B1 (en) * 1999-01-08 2003-03-25 Applied Materials, Inc. Feature-based defect detection
US7142708B2 (en) * 2001-06-22 2006-11-28 Hitachi, Ltd. Defect detection method and its apparatus
US7485858B1 (en) * 2005-12-06 2009-02-03 Hitachi High-Technologies Corporation Inspection method for semiconductor wafer and apparatus for reviewing defects
CN101872173A (zh) * 2009-04-21 2010-10-27 台湾积体电路制造股份有限公司 半导体产品级别控制的方法与系统
US20120185818A1 (en) * 2011-01-13 2012-07-19 Iyun Leu Method for smart defect screen and sample
CN102856214A (zh) * 2011-06-27 2013-01-02 鸿骐新技股份有限公司 电路板置件方法
TW201439986A (zh) * 2013-02-01 2014-10-16 Kla Tencor Corp 使用缺陷特定及多通道資訊檢測晶圓上之缺陷
TW201511154A (zh) * 2013-06-19 2015-03-16 Kla Tencor Corp 以運行時設計資料之使用偵測晶圓上之缺陷
TW201511157A (zh) * 2013-07-08 2015-03-16 Kla Tencor Corp 使用設計資料於半導體晶圓上偵測重複缺陷之方法及系統

Also Published As

Publication number Publication date
TW201709108A (zh) 2017-03-01
US10062160B2 (en) 2018-08-28
TWI608427B (zh) 2017-12-11
US20180033132A1 (en) 2018-02-01
US9846934B2 (en) 2017-12-19
US20160300338A1 (en) 2016-10-13
KR20160122069A (ko) 2016-10-21
TW201804365A (zh) 2018-02-01

Similar Documents

Publication Publication Date Title
TWI634485B (zh) 在半導體裝置製造製程期間之圖案缺陷和強度檢測及追蹤
TWI694343B (zh) 基於製作風險評定之半導體製作製程控制
JP6360845B2 (ja) 検査データと組み合わせて設計データを使用するための方法
KR102432428B1 (ko) 웨이퍼 이미지 데이터와 함께 설계 데이터를 사용하는 반도체 웨이퍼 검사기들의 결함 감도 개선
US10483081B2 (en) Self directed metrology and pattern classification
CN103187343B (zh) 智能型缺陷诊断方法
US20150110384A1 (en) Image inspection method of die to database
CN108431936A (zh) 基于形状的分组
CN108694265B (zh) 设计布局的失效风险的智能型预诊断系统及方法
JP5745573B2 (ja) 製造ツールのレシピを生成する方法及びそのシステム
TW201909010A (zh) 設計佈局為主的快速線上缺陷診斷、分類及取樣方法及系統
IL257205A (en) Self-directed metrology and example classification
Hu et al. Pattern-Centric Computational System for Logic and Memory Manufacturing and Process Technology Development