TWI648707B - 用於產生一晶圓之一缺陷樣本之電腦實施之方法及系統與非暫時性電腦可讀媒體 - Google Patents
用於產生一晶圓之一缺陷樣本之電腦實施之方法及系統與非暫時性電腦可讀媒體 Download PDFInfo
- Publication number
- TWI648707B TWI648707B TW104134248A TW104134248A TWI648707B TW I648707 B TWI648707 B TW I648707B TW 104134248 A TW104134248 A TW 104134248A TW 104134248 A TW104134248 A TW 104134248A TW I648707 B TWI648707 B TW I648707B
- Authority
- TW
- Taiwan
- Prior art keywords
- defects
- cells
- attributes
- defect
- diversity
- Prior art date
Links
- 230000007547 defect Effects 0.000 title claims abstract description 312
- 238000000034 method Methods 0.000 title claims abstract description 138
- 235000012431 wafers Nutrition 0.000 claims description 98
- 238000007689 inspection Methods 0.000 claims description 72
- 238000005070 sampling Methods 0.000 claims description 47
- 238000012795 verification Methods 0.000 claims description 14
- 238000000926 separation method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 239000013078 crystal Substances 0.000 claims 1
- 230000003287 optical effect Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G01N21/9501—Semiconductor wafers
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- 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
- G01N2021/8854—Grading and classifying of flaws
-
- 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
Abstract
本發明提供用於產生一晶圓之一缺陷樣本之方法及系統。一種方法包含將在一晶圓上偵測之缺陷分離至若干分格中,該等分格在該等缺陷之一或多個第一屬性之一第一集合之值上具有多樣性。該方法亦包含基於該等缺陷之一或多個第二屬性之一第二集合中之多樣性而自該等分格中之一或多者獨立地選擇該等分格內之缺陷。然後,使用該等選定缺陷來建立該晶圓之一缺陷樣本。以此方式,可容易地選擇具有多個屬性之分集化值之缺陷。
Description
本發明一般而言係關於用於產生一晶圓之一缺陷樣本之方法及系統。
以下說明及實例並非由於其包含於此章節中而被認為係先前技術。
在晶圓檢驗處方之設置期間之最重要任務中之一者係識別可在一晶圓上偵測之儘可能多之缺陷類型。由於自動化處方設置及調諧變得較重要,因此對針對此最佳化而自動識別缺陷之一良好集合之需要亦變得愈加重要。在不具有一良好訓練集合之情況下,自動化最佳化無法很好地起作用。另外,在製造斜升期間,當較高且未知缺陷率係一問題時,識別一晶圓上之所有缺陷同樣重要。在此情況下,主要將關注放在危險之缺陷上。
隨著光學檢驗中之挑戰增加,對開發達成最大缺陷類型多樣性之有效取樣演算法之需要已增大。由於所關注缺陷(DOI)之大小縮減,因此光學檢驗盡力維持對此等缺陷之差動靈敏度。為達成所要靈敏度,檢驗往往較少依賴於複雜之缺陷偵測演算法且較多依賴於利用缺陷性質(或屬性)之資源之複雜滋擾(nuisance)濾波器。然而,調諧此等濾波器需要代表所有缺陷類型之一缺陷群體。
當前用以自一群體對缺陷取樣之某些方法之實例闡述於以下各項中:發佈於2001年7月24日之頒予Simmons之美國專利第6,265,232號、發佈於2003年9月2日之頒予Simmons之美國專利第6,613,590號,發佈於2004年9月14日之頒予Hosoya等人之美國專利第6,792,367號、發佈於2005年5月10日之頒予Simmons之美國專利第6,890,775號及發佈於2011年3月22日之頒予Shibuya等人之美國專利第7,912,276號,以及公開於2005年7月21日之頒予Simmons之美國專利申請公開案第2005/0158887號及公開於2008年11月27日之頒予Nehmadi等人之美國專利申請公開案第2008/0295048號,所有該等專利如同全面陳述於本文中一般以引用之方式併入。
因此,開發用於產生可用於上文所闡述之一或多個應用之一晶圓之一缺陷樣本之系統及/或方法將係有利的。
各種實施例之以下說明不應以任何方式解釋為限制隨附申請專利範圍之標的物。
一項實施例係關於一種用於產生一缺陷樣本之電腦實施之方法。該方法包含獲取該晶圓之檢驗結果。該等檢驗結果包含藉由一檢驗程序而在該晶圓上偵測之缺陷之資訊。該資訊至少包含該等缺陷之一或多個第一屬性之一第一集合及該等缺陷之一或多個第二屬性之一第二集合之資訊。該方法亦包含識別該一或多個第一屬性之在該一或多個第一屬性之值中具有最大多樣性之值。另外,該方法包含基於該等所識別值而產生用於該等缺陷之分格之一集合,使得該等分格中之每一者對應於該等值之僅一部分且使得對應於該等分格之該等值在該一或多個第一屬性上具有多樣性。該方法進一步包含基於對應於該等缺陷之該一或多個第一屬性之該等值而將該等缺陷分離至該等分格中。該方法亦包含基於該一或多個第二屬性之值之多樣性而自該等分
格中之一者選擇該等分格中之該一者內之缺陷及針對該等分格中之至少另一者重複該選擇步驟。另外,該方法包含針對該晶圓建立包含選自該等分格中之該一者及該等分格中之該至少另一者之該等缺陷之一缺陷樣本。由一電腦系統執行該等獲取、識別、產生、分離、選擇、重複及建立步驟。
可如本文中進一步所闡述來執行上文所闡述之方法。另外,上文所闡述之方法可包含本文中所闡述之任何其他方法之任何其他步驟。此外,上文所闡述之該方法可藉由本文中所闡述之該等系統中之任一者來執行。
另一實施例係關於一種非暫時性電腦可讀媒體,其儲存可在一電腦系統上執行以執行用於產生一晶圓之一缺陷樣本之一電腦實施之方法之程式指令。該電腦實施之方法包含上文所闡述之該方法之該等步驟。可如本文中所闡述來進一步組態該電腦可讀媒體。可如本文中進一步所闡述來執行該電腦實施之方法之該等步驟。另外,可為其執行該等程式指令之該電腦實施之方法可包含本文中所闡述之任何其他方法之任何其他步驟。
一額外實施例係關於一種經組態以產生一晶圓之一缺陷樣本之系統。該系統包含經組態以獲取該晶圓之檢驗結果之一檢驗子系統。該等檢驗結果包含上文所闡述之該資訊。該系統亦包含經組態以用於執行上文所闡述之該方法之該等識別、產生、分離、選擇、重複及建立步驟之一電腦子系統。可如本文中所闡述來進一步組態該系統。
102‧‧‧集合
104‧‧‧脈絡
106‧‧‧脈絡
108‧‧‧脈絡
110‧‧‧脈絡
120‧‧‧取樣結果/結果
122‧‧‧取樣結果/結果
200‧‧‧電腦可讀媒體
202‧‧‧程式指令
204‧‧‧電腦系統
302‧‧‧檢驗子系統
304‧‧‧晶圓
306‧‧‧源
308‧‧‧收集器
310‧‧‧偵測器
312‧‧‧電腦子系統
314‧‧‧電腦子系統
在閱讀以下詳細說明且在參考附圖後,本發明之其他目標及優點將旋即變得顯而易見,在附圖中:圖1係圖解說明可包含於用於產生一晶圓之一缺陷樣本之一方法之某些實施例中之不同步驟之一示意圖;
圖2係圖解說明一非暫時性電腦可讀媒體之一項實施例之一方塊圖,該非暫時性電腦可讀媒體儲存可在一電腦系統上執行以用於執行本文中所闡述之電腦實施之方法中之一或多者之程式指令;及圖3係圖解說明經組態以產生一晶圓之一缺陷樣本之一系統之一項實施例之一側視圖之一示意圖。
儘管易於對本發明做出各種修改及替代形式,但其特定實施例係在圖式中以實例之方式展示且將在本文中詳細闡述。然而,應理解,圖式及對其之詳細說明並非意欲將本發明限制於所揭示之特定形式,而是相反,本發明意欲涵蓋歸屬於如由隨附申請專利範圍所界定之本發明之精神及範疇內之所有修改、等效形式及替代形式。
現在轉至圖式,應注意各圖並未按比例繪製。特定而言,該等圖之元件中之某些元件之比例被大為放大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。已使用相同元件符號指示可類似地組態之在一個以上圖中展示之元件。除非本文中另外提及,否則所闡述及所展示之元件中之任何元件可包含任何適合可商業購得之元件。
一項實施例係關於一種用於產生一晶圓之一缺陷樣本之電腦實施之方法。一般而言,本文中所闡述之實施例提供可用於諸如缺陷類型之發現之應用中之新穎分集化方法及系統。本文中所闡述之實施例基本上改變可產生用於光學器件模式選擇或其他目的之一缺陷群體之方式。本文中所闡述之實施例可實施為離線方法。舉例而言,本文中所闡述之實施例可以IMPACT(一種經設計用於分類器調諧之離線應用)實施,其可自KLA-Tencor(Milpitas,Calif.)商業購得。
本文中所闡述之實施例提供用於經改良分集化及缺陷發現之動態分格。對一分集化缺陷集合取樣係用於發現一晶圓、尤其具有相對
大數目個缺陷之一個晶圓上之缺陷類型之一強大技術。可用以產生分集化之缺陷樣本之方法及系統之實例闡述於由Plihal等人公開於2014年5月15日之美國專利申請公開案第2014/0133737號中,該專利申請公開案如同全面陳述於本文中一般以引用之方式併入。某些此等方法及系統建立於兩個基本原則上:使用者可選擇特徵空間;及選擇在此空間中儘可能彼此遠離之缺陷。對於缺陷發現,此取樣方案依賴於可有效地用以選擇用於分集化之一相對小特徵空間之領域知識。
雖然上文參考之專利申請案中所闡述之方法及系統提供優於其他缺陷取樣方法及系統之顯著優點,但本文中所闡述之實施例提供對彼專利申請案中所闡述之取樣方案加以改良之取樣方案。舉例而言,彼專利申請案中所闡述之方法之一個潛在問題係隨著分集化目標之數目增加(換言之,當分集化特徵空間之維度增加時),使一樣本有效地分集化之能力減小。當最終目標係達成多個分集化目標(諸如關於其中缺陷發現其本身之脈絡之分集化及關於信號屬性之分集化)時,此可為一問題。嘗試滿足此兩個分集化最終目標同時降低特徵空間且使取樣方案在達成兩個目標中之任一者時較不有效。本文中所闡述之實施例透過一直觀、可組態及可驗證程序來解決此問題。舉例而言,如本文中進一步所闡述,實施例提供可比當前方法及系統更加有效地達成多個分集化目標之方法及系統。另外,如本文中進一步所闡述,實施例提供可較容易由使用者驗證之分集化目標之一較直觀、逐步組態。
方法包含獲取一晶圓之檢驗結果。檢驗結果包含藉由一檢驗程序而在晶圓上偵測之缺陷之資訊,且該資訊至少包含該等缺陷之一或多個第一屬性之一第一集合及該等缺陷之一或多個第二屬性之一第二集合之資訊。一使用者可選擇將在方法中使用之檢驗結果檔案。檢驗結果可包含關於在晶圓上偵測之缺陷之資訊(諸如在晶圓上偵測之缺
陷之位置)及在晶圓上偵測之缺陷之任何其他資訊(諸如針對該等缺陷判定之缺陷屬性及針對該等缺陷產生之影像資料或影像)。
在某些實施例中,一或多個第一屬性包含缺陷之背景或脈絡之一或多個第一屬性。舉例而言,一或多個第一屬性可包含闡述缺陷周圍之脈絡之屬性(諸如其亮度、紋理等)或闡述缺陷周圍之圖案之屬性。此等屬性或其一子集可用以建立可如本文中進一步所闡述用以使關於其中定位缺陷之脈絡之缺陷分集化之動態分格(如本文中進一步所闡述)。一或多個第一屬性亦可包含缺陷之其他非脈絡相關屬性及/或缺陷之一或多個脈絡相關屬性以及一或多個非脈絡相關屬性。
如上文所闡述,可自晶圓之檢驗系統之輸出判定與脈絡相關之第一屬性。換言之,第一屬性可與脈絡在檢驗系統之輸出中如何顯現相關。然而,亦可自其他源(諸如晶圓之設計資料)判定與脈絡相關之第一屬性。舉例而言,可用作第一屬性之某些脈絡相關屬性包含可用以表徵脈絡之基於設計之屬性(諸如圖案密度等)。
此外,第一屬性可包含表徵恰好在缺陷周圍之像素以及缺陷之光學回應特性但不表徵缺陷信號本身之一或多個屬性。因此,此等屬性可與比上文所闡述之脈絡相關屬性小得多的一脈絡相關。此等屬性之實例包含由一缺陷偵測演算法(諸如由可自KLA-Tencor(Milpitas,Calif.)商業購得之某些檢驗系統使用之多晶粒自動定限(MDAT)演算法)判定之灰階(例如,「MDAT_GL」)、用以偵測缺陷之一參考影像之粗糙度(「REFERENCE_Roughness」)、用以偵測缺陷之一參考影像之亮度(「RREFERENCE_Brightness」)及極性(例如,缺陷信號與周圍信號相比係亮的還是暗的)。
在一額外實施例中,一或多個第二屬性包含針對缺陷偵測之一信號之一或多個屬性。舉例而言,一或多個第二屬性可包含光學信號屬性,諸如能量、量值等。第二屬性之額外實例包含由一缺陷偵測演
算法判定之一能量參數(「Energy_Param」)及由缺陷偵測演算法判定之其他參數(例如,「IMX_Param3」、「IMX_Param5」及「SpotLikeness」)。一或多個第二屬性亦可包含缺陷之其他非信號相關屬性及/或缺陷之一或多個信號相關屬性以及一或多個非信號相關屬性。
第一屬性及第二屬性亦可取決於將用於本文中所闡述之實施例中之分集化準則而變化,該分集化準則可取決於使用情形、晶圓、程序步驟等而變化。舉例而言,第一及/或第二屬性之額外實例包含相對於所注意(care)邊緣之缺陷位置、一晶粒中之缺陷位置、缺陷與晶圓邊緣之間的距離等。另外,本文中所闡述之實施例不限於本文中所闡述之第一及第二屬性。換言之,本文中所闡述之實施例可經組態以使用可針對晶圓缺陷判定之任何第一及第二屬性。
方法亦包含識別一或多個第一屬性之在該一或多個第一屬性之值中具有最大多樣性之值。一或多個第一屬性可經選擇以用於本文中所闡述之實施例中,如本文中進一步所闡述。可以多種方式來執行識別第一屬性之具有最大多樣性之值,此取決於第一屬性。另外,由於如本文中進一步所闡述,第一屬性之分集化值將用以定義缺陷之分格,因此可基於經選擇以用於方法中之分格之數目而判定第一屬性之值之多樣性。舉例而言,若經選擇以用於方法中之分格之數目係10,則可識別第一屬性之具有最大多樣性之10個值。在其中第一屬性中之一者之值係離散「值」(與第一屬性中之一者之一連續範圍之值相比)之某些例項中,被識別為具有最大多樣性之值可為彼此最不同之值。亦可針對難以用數字定義之「值」(諸如在第一屬性中之一者與一缺陷之脈絡(或者在一缺陷位置處或在該缺陷位置附近之經圖案化特徵)相關之情況下)定義此多樣性。因此,第一屬性之「值」不限於數字值而是可為定性類型值。在其中第一屬性中之一者之值在一連續值範
圍內之例項中,可以將在方法中使用之分格之數目來劃分總範圍以產生整個範圍內之值之不同非重疊子集。
在一項實施例中,由一使用者選擇第一屬性及包含於如本文中進一步所闡述之集合中之分格之一數目。本文中所闡述之分集化分格之概念係強大的,此乃因分格本身之數目可用以改變分集化最終目標與優先級之間的平衡。自一給定特徵子空間建立之較大數目個分格將促使最終取樣方案對此空間中之分集化較為嚴格,而較少分格將具有相反效應。在某些實施例中,方法可包含向一使用者請求第一屬性及分格之數目。可然後在已接收到資訊時執行方法之步驟。在某些此等例項中,方法可包含將包含於檢驗結果中之所有缺陷屬性顯示給一使用者及請求該使用者選擇缺陷屬性中之一者或全部以用作第一屬性。
方法進一步包含基於所識別值而產生用於缺陷之分格之一集合,使得分格中之每一者對應於該等值之僅一部分且使得對應於分格之值具有第一屬性之多樣性(例如,最大多樣性)。換言之,可基於所識別值來定義將在方法中使用之分格,使得分格中之每一者對應於所識別值中之僅一者。因此,本文中所闡述之實施例利用動態分格之一概念,在考量一特定分集化之情況下透過在一個特徵空間中之一分集化程序達成該動態分格。在某些實施例中,產生分格之集合包含:對具有來自檢驗結果之所識別值中之每一者的缺陷中之至少一者取樣;及基於具有所識別值中之每一者的該等缺陷中之所取樣至少一者而定義分格。舉例而言,可藉由對第一屬性空間中之一分集化缺陷集合取樣且在將所取樣缺陷作為種子之情況下建立最靠近之相鄰分格來實現分集化。可將上文所闡述之分格建立整合至多樣性取樣本身中或可單獨地且獨立於取樣而執行該分格建立。
在某些此等實施例中,如圖1中所展示,方法可包含在某些空間中執行多樣性取樣,如步驟100中所展示。此步驟可經執行以獲得第
一屬性之分集化值,諸如分集化脈絡。舉例而言,脈絡空間(其中一缺陷之脈絡由在缺陷位置處及/或該缺陷位置附近之經圖案化特徵定義)中之分集化取樣可產生一分集化脈絡集合,在圖1中展示為實質上各自彼此不同且因此係分集化之脈絡104、106、108及110之集合102。應注意,圖1中所展示之脈絡僅意在進一步理解本發明且並不意欲展示可形成於任何實際晶圓上之任何實際脈絡。另外應注意,未在此等脈絡中展示缺陷,此乃因本文中所闡述之實施例可用於可在一晶圓上偵測之任何缺陷。此外,圖1中所展示之脈絡展示為其可顯現於一晶圓之一設計中,但用於方法中之脈絡可自晶圓缺陷之影像判定且可因此並非如其將在一設計中顯現一般而是如其將在由晶圓檢驗產生之一晶圓之影像中顯現一般來顯現。此外,雖然脈絡集合在圖1中展示為包含4個不同脈絡,但顯然包含於該集合中之不同脈絡之數目可取決於分格之數目(其可由一使用者選擇)而變化。
圖1中所展示之實施例包含驗證多樣性取樣,如步驟112中所展示。驗證多樣性取樣可包含將第一屬性之分集化值(諸如圖1中所展示之分集化脈絡)顯示給一使用者及向該使用者請求對多樣性取樣之一驗證。以此方式,可至少部分地由一使用者以視覺方式執行驗證多樣性取樣。驗證多樣性取樣亦可包含驗證所取樣缺陷產生第一屬性之一分集化集合(諸如實質上不同之脈絡),及驗證第一屬性之彼此相對接近之值實質上彼此類似。此驗證亦可由一使用者執行。在自一使用者接收關於多樣性取樣結果(其關於第一缺陷屬性)之驗證之輸入後,方法可包含若干個步驟(諸如修改多樣性取樣或執行本文中所闡述之其他步驟)。
方法包含基於第一屬性之對應於缺陷之值而將缺陷分離至分格中。舉例而言,一旦已在將具有第一屬性之所識別值之所取樣缺陷作為種子之情況下如上文所闡述而產生分格,彼等所取樣缺陷即可用以
基於最靠近相鄰者概念而將其餘缺陷分離至分格中。
在另一實施例中,方法及產生步驟不包含調諧將分格彼此分離之切線。因此,據信建立/訓練本文中所闡述之分格之方式係新的。特定而言,代替在分格之建立期間執行切線調諧,建立分格可僅基於使用者定義之特徵選擇,其中樣本大小之選擇判定分格,且分格之品質可藉由透過補片檢驗、散佈圖分佈等以視覺方式驗證多樣性而判定,其可如本文中進一步所闡述而執行。
在某些實施例中,方法包含:基於分離至分格中之缺陷而判定該等分格之一或多個特性、在本文中進一步所闡述之選擇步驟之前將一或多個特性顯示給一使用者及向該使用者請求對一或多個特性之一驗證。以此方式,方法可包含驗證缺陷至分格中之分離。驗證缺陷分格可包含將分格結果顯示給一使用者及向該使用者請求對分格之一驗證。以此方式,可以視覺方式執行驗證多樣性取樣。驗證至分格中之缺陷分離亦可包含驗證建立有所取樣缺陷之一分格內之缺陷變化不多。如圖1之步驟114中所展示,方法亦可包含重複上文所闡述程序直至滿足於分集化為止。換言之,可重複執行以下操作直至一使用者驗證分格之結果及/或方法判定分格結果滿足某些預定準則(其亦可由一使用者提前設定)為止:判定第一屬性之分集化值、產生分格及將缺陷分離至該等分格中。如圖1之步驟116中進一步中所展示,方法可包含將分集化編碼至分格中。舉例而言,當獲得所要分集化時,可將該分集化編碼至以所取樣缺陷為中心之分格(亦即,由所取樣缺陷定義之最靠近之相鄰分格)中。
方法亦包含基於一或多個第二屬性之值之多樣性而自分格中之一者選擇該等分格中之一者內之缺陷及針對該等分格中之至少另一者重複該選擇步驟。在某些實施例中,基於多樣性而執行選擇步驟,使得選自分格中之一者之缺陷在一或多個第二屬性之值上具有最大多樣
性。以此方式,依據跨越離散值之樣本分佈而非一距離量測來定義關於離散特徵(例如,分格或群組)之分集化。換言之,新建立之分格可在最終分集化取樣中用作一缺陷特徵。舉例而言,如圖1之步驟118中所展示,方法可包含使用分格及其他屬性執行取樣。此步驟可包含使用如上文所闡述而建立之分格連同如本文中所闡述之「其他」屬性來組態所要取樣策略並執行取樣。藉由對來自每一離散值之大致相同數目個缺陷取樣而達成一離散屬性(諸如對應於分格中之每一者之第一屬性之離散值)之最佳分集化。如此,在某些實施例中,自從中選擇缺陷之分格中之每一者選擇該相同數目個缺陷。相比而言,藉由對儘可能彼此遠離之缺陷(亦即,基於距離)取樣而達成一連續屬性之最佳分集化。
因此,本文中所闡述之實施例係基於以下操作:在特徵空間之一較小子空間中產生分集化分格以達成一特定類型之分集化,且然後使用彼等分格來達成一不同子空間中之高效同步分集化。實施例亦可使關於額外屬性之缺陷分集化,如本文中進一步所闡述。因此,可透過本文中所闡述之實施例(例如,透過本文中所闡述之使用者可組態程序且藉由組合新建立之分格與其他特徵)將個別分集化策略組合至一單個分集化程序中。第二分集化將使用與第一分集化完全不同之特徵空間,但兩個目標將透過使用分格屬性作為第二分集化中之特徵中之一者而達成。如此,本文中所闡述之實施例可比當前方法及系統更加有效地達成多個分集化目標且提供分集化目標之一較直觀、逐步組態。因此,本文中所闡述之實施例之一優點係此方法提供將分集化程序分割成直觀、可控且可驗證步驟之一直觀方式。可將此等步驟組合至同時且相當好地達成所有部分目標之一綜合分集化策略中。本文中所闡述之實施例亦提供一實質上高效降維,其增加分集化效率(尤其針對相對小之樣本)。另外,本文中所闡述之實施例引入一種用於相
對高維特徵空間中之缺陷樣本分集化之新降維技術。此外,本文中所闡述之實施例提供在實施相對複雜取樣策略時之空前靈活性。
在另一實施例中,針對從中選擇缺陷之分格中之每一者獨立地執行選擇步驟。舉例而言,可將缺陷已分格至其中的子群體中之每一者與缺陷之其他子群體中之每一者單獨地考量。以此方式,可針對每一子群體單獨地考量關於第二屬性之缺陷之多樣性。如此,可藉由組合離散分格屬性與第二分集化空間而自動達成單獨且獨立分集化。舉例而言,可自每一分格選擇大致相同樣本,此繼而使關於第二屬性之分集化針對每一分格基本上係一獨立程序。針對第二屬性之多樣性而自分格中之每一者單獨地選擇缺陷可為重要的,此乃因第二屬性中之缺陷之多樣性可自分格至分格地變化。舉例而言,在第一屬性與缺陷脈絡相關且第二屬性與缺陷信號相關之情形中,一個脈絡中之缺陷可與另一脈絡中之缺陷相比展現缺陷信號之不同多樣性。
在另一實施例中,基於多樣性及一或多個樣本偏向參數而執行選擇步驟。可自本文中所闡述之實施例之一使用者接收一或多個樣本偏向參數。舉例而言,若一使用者具有關於可存在於晶圓上且可受特別關注之缺陷之類型之先前知識,則使用者可基於彼等類型之缺陷之所預期屬性而設定偏向參數,使得比起其他類型之缺陷來較大量地選擇彼等缺陷以包含於缺陷樣本中。在一項此實例中,若一使用者知曉受特定關注之一缺陷類型應在其缺陷信號中具有一特定極性,則偏向參數可經設定以比起具有相反極性之缺陷來,自分格較大量地選擇具有彼極性之缺陷。可以任何適合方式將偏向參數併入至方法及/或用於選擇步驟之演算法中。以此方式,本文中所闡述之實施例可經組態以建立亦朝向某些特定類型之缺陷偏向之分集化樣本。
在一進一步實施例中,方法包含將缺陷被分離至其中的分格之資訊儲存為分離至一分格中之缺陷中之每一者之一分格屬性,且基於
缺陷之分格屬性而執行上文所闡述之選擇及重複步驟。舉例而言,本文中所闡述之實施例可具有設置及執行能力以引入以下能力:以可在最終缺陷取樣中稍後新增至分集化特徵的新缺陷(分格)屬性之形式保存取樣結果。另外,可將所建立分格(或分格屬性)作為新缺陷特徵或一有用資訊源保存至一批次結果(亦即,檢驗結果資料檔案)中,或者該等所建立分格可為僅用於取樣之瞬態特徵或屬性。本文中所闡述之實施例亦可具有設置及執行能力以構造各種預組態取樣方案之一定序器以產生必需資料(分格)並執行最終樣本。
在一項實施例中,第一屬性包含晶圓上之缺陷之一或多個背景屬性(其中該背景係在缺陷補片影像中可見之缺陷後面之圖案)。在另一實施例中,第二屬性包含在檢驗程序中針對缺陷偵測之一信號之一或多個特性。舉例而言,如本文中進一步所闡述,使用者可基於影像補片背景而使一缺陷群體分集化、藉由檢驗所取樣缺陷之補片而驗證分集化之有效性且然後在其樂意時將分集化鎖定至分格中。在第二步驟中,使用者可使用分格來維持關於背景之分集化且新增關於缺陷(信號)屬性等之分集化。以此方式,使用者可關於缺陷脈絡而進行分集化(編碼至新建立之分格中)且然後對來自脈絡中之每一者之相對大能量缺陷取樣。
在一項實施例中,方法包含:判定選自分格之缺陷之一或多個特性、在本文中進一步所闡述之建立步驟之前將一或多個特性顯示給一使用者及向該使用者請求對一或多個特性之一驗證。選自分格之缺陷之一或多個特性可如本文中進一步所闡述而判定且可如本文中進一步所闡述而顯示。另外,可如本文中進一步所闡述而執行向該使用者請求對此等一或多個特性之一驗證。以此方式,可在建立缺陷樣本之前驗證關於至少某些屬性(或屬性中之每一者)之分集化。
在某些實施例中,該方法包含基於分離至分格中之缺陷而判定
分格之一第一特性,該方法亦包含判定選自分格之缺陷之一第二特性,該第一特性與該第二特性不同,且該方法進一步包含在本文中進一步所闡述之建立步驟之前將該等第一及第二特性顯示給一使用者以及向該使用者請求對該等第一及第二特性之一驗證。換言之,取決於用於分集化之屬性,可將分格或取樣之結果顯示給一使用者。如此,可將本文中所闡述之步驟之結果之不同特性顯示給一使用者以用於基於該等步驟中所使用之屬性而驗證。舉例而言,某些分集化可藉由查看影像補片而驗證,而其他分集化可需要透過散佈圖等而驗證。在任何情形中,能夠基於用於分集化之屬性而將結果顯示給一使用者可使得結果可由使用者較容易地驗證。
在圖1中所展示之其中第一屬性與脈絡相關且第二屬性與缺陷信號相關之一項此實例中,可將取樣結果120及122顯示給一使用者。如在此等取樣結果中可見,顯著不同資訊以顯著不同方式傳達至一使用者。舉例而言,結果120係可在用以建立分格之第一屬性與脈絡相關時顯示之結果之一實例。在此顯示中,藉由方法產生並顯示一帕累托(pareto),該帕累托展示分離到不同脈絡相關分格中之缺陷之數目以及自每一分格取樣之缺陷之數目(含有一圖案之條(bar)之部分表示自每一分格取樣之缺陷之部分且不含有一圖案之條之部分展示不自每一分格取樣之缺陷之部分)。雖然自不同脈絡相關分格中之至少某些脈絡相關分格取樣之缺陷之不同部分在圖1中展示為不同的(亦即,自脈絡相關分格至脈絡相關分格而不相同),但相同部分或數目之缺陷可選自脈絡相關分格中之每一者(除非包含於任何一個脈絡相關分格中之缺陷之數目小於自每一分格選擇之缺陷之數目,在該情形中,可選擇包含於分格中之所有缺陷)。以此方式,使用者可自所顯示結果容易地判定是否已徹底對所有分格取樣且是否在樣本中表示所有脈絡。
結果122係可在用以建立分格之第二屬性與缺陷信號相關時顯示
之結果之一實例。在此顯示中,藉由方法產生並顯示一散佈圖,該散佈圖展示在晶圓上偵測到之缺陷之缺陷信號之第二屬性以及在晶圓上偵測到且自整個缺陷群體取樣之缺陷之缺陷信號之第二屬性。特定而言,該圖表中所展示之實心點表示包含於群體中且未經取樣之缺陷,而圖表中之空心正方形展示包含於相同群體中且經取樣之缺陷。因此,使用者可自此等所顯示結果容易地判定是否亦徹底地對缺陷屬性之「其他」空間取樣。如此,藉由將不同結果顯示給一使用者,該使用者可判定是否已達成分集化目標中之兩者(或所有)。因此,如本文中所闡述,實施例可依賴於人輸入及驗證以組態分集化目標之多重性。另外,顯示給一使用者以用於驗證的本文中所闡述之步驟之結果可基於方法中所使用之屬性而包含除圖1中所展示之彼等結果以外之結果。
方法亦包含針對晶圓建立包含選自分格中之一者及分格中之至少另一者之缺陷之一缺陷樣本。換言之,自所有分格取樣之所有缺陷之資訊可一起組合成一單個檔案,藉此建立一缺陷樣本。所建立缺陷樣本可經輸出作為可由任何其他方法或系統使用或可由本文中所闡述之方法及系統使用之一檢驗結果檔案。包含所建立缺陷樣本之該檢驗結果檔案亦可包含由本文中所闡述之實施例針對所建立缺陷樣本產生之任何資訊,該資訊可能與來自包含由本文中所闡述之實施例使用之檢驗結果檔案中之任一者之原始檢驗結果檔案之任何其他資訊組合。
雖然本文中關於缺陷屬性之兩個集合闡述某些實施例,但分集化目標之數目可大於二。在多個分集化最終目標之情形中,分格屬性之多個集合可經建立(一個集合用於每一分集化目標),且用於最終取樣方案中。下文進一步闡述某些此等實施例。然而,僅用實驗方法表徵兩步驟分集化,且彼情況為看到總體分集化之顯著改良之情況。
在某些實施例中,方法包含基於缺陷之一或多個第三屬性之值
之多樣性而自分格中之一者單獨選擇分格中之一者內之缺陷,方法亦包含針對分格中之至少另一者重複單獨選擇步驟,且建立缺陷樣本包含將自分格中之一者及分格中之至少另一者單獨選擇之缺陷新增至缺陷樣本。以此方式,基於第一屬性之多樣性而建立之相同分格可用於關於第三屬性之分集化。換言之,可針對第二屬性之多樣性對分格取樣一次且然後針對第三屬性之多樣性再次對分格取樣。可如本文中進一步闡述來建立包含以此方式取樣之缺陷之一缺陷樣本。可如本文中所闡述來進一步執行此等步驟中之每一者。
在另一實施例中,方法包含基於第二屬性之值而產生從中選擇缺陷之一分格之子分格之一集合,使得子分格中之每一者對應於第二屬性之值之僅一部分且使得對應於子分格之第二屬性之值在第二屬性上具有多樣性。以此方式,在對基於第一屬性之多樣性建立之分格取樣以關於第二屬性分集化之後,可產生不同子分格(以如本文中所闡述而產生分格之相同方式),該等分格然後關於第一屬性及第二屬性分集化。可然後針對第三屬性之多樣性對彼等子分格取樣。舉例而言,在一個此實施例中,方法包含基於缺陷之第三屬性之值之多樣性而自子分格中之一者單獨選擇子分格中之一者內之缺陷,方法亦包含針對子分格中之至少另一者重複該單獨選擇,且建立缺陷樣本包含將自子分格中之一者及子分格中之至少另一者單獨選擇之缺陷新增至缺陷樣本。可如本文中所闡述來進一步執行此等步驟中之每一者。以此方式,所得缺陷樣本可關於屬性之兩個以上集合分集化。
在某些實施例中,針對一或多個其他晶圓執行該方法,且針對晶圓產生之分格之集合不用作該一或多個其他晶圓之分格之一集合。舉例而言,本文中所闡述之實施例未必意欲用以使用一個晶圓設置一缺陷取樣策略且然後針對相同類型之其他晶圓應用彼設定策略。特定而言,本文中所闡述之實施例之一主要目標係提供一種用於尤其在存
在諸多分集化目標時使樣本分集化以及提供實現諸多不同(以及可能複雜)取樣策略之一靈活方式之新方法。然而,本文中所闡述之取樣方案可在一個晶圓上進行設置(包含設置分格),且相同設置可用於其他晶圓上。在此情形中,可在每一晶圓上動態地建立本文中所闡述之分格,亦即,分格之間的邊界可在每一晶圓上之不同位置中。換言之,分格之數目可由一使用者規定,但分格之間的邊界可在一晶圓至晶圓基礎上隨缺陷分佈四處移動。
由可如本文中所闡述經組態之一電腦系統執行上文所闡述之獲取、識別、產生、分離、選擇、重複及建立步驟。
在一項實施例中,方法包含基於缺陷樣本而設置一檢驗處方。以此方式,本文中所闡述之實施例可識別將用於自動或手動處方設置或最佳化之一相對小但實質上分集化缺陷樣本。使用缺陷樣本設置檢驗處方可以此項技術中已知之任何適合方式執行且可包含選擇一或多個硬體參數(例如,光學參數(諸如照射波長及/或入射角))及/或一或多個軟體參數(例如,缺陷偵測參數(諸如一缺陷偵測演算法之臨限值))。舉例而言,可將包含極為分集化之缺陷集合之缺陷樣本發送至一缺陷檢視工具且與晶圓一起用於將所取樣缺陷中之一或多者分類。以此方式,使用者可將所建立樣本中之缺陷中之一或多者分類且使用經分類缺陷連同晶圓以用於處方最佳化。
在某些實施例中,晶圓具有未知缺陷率。舉例而言,本文中所闡述之實施例可識別將用於裝置斜升期間之工程分析之一相對小但實質上分集化缺陷樣本。另外,本文中所闡述之實施例可減少至DOI之時間且改良未知層及裝置上之DOI取樣。此外,未知缺陷率可不僅為一晶圓上之已知所關注缺陷類型之未知位置及數目,亦為未知所關注缺陷類型之未知位置及數目。舉例而言,如上文所闡述,可在一未知層及裝置之裝置斜升期間製作該晶圓。因此,關於哪些種類之缺陷可
存在於晶圓上及可存在於晶圓上之任何缺陷之特性之任何資訊可為未知的。然而,可使用如本文中所闡述而建立之一缺陷樣本獲取此資訊。
上文所闡述之方法之實施例中之每一者可包含本文中所闡述之任何其他方法之任何其他步驟。此外,上文所闡述之方法之實施例中之每一者可藉由本文中所闡述之系統中之任一者執行。
本文中所闡述之所有方法可包含將該等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所闡述之結果中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所闡述之任何儲存媒體或此項技術中已知之任何其他適合之儲存媒體。在已儲存該等結果之後,該等結果可在儲存媒體中存取且由本文中所闡述之方法或系統實施例中之任一者使用、經格式化以顯示給一使用者、由另一軟體模組、方法或系統使用,等等。
一額外實施例係關於儲存可在一電腦系統上執行以執行用於產生一晶圓之一缺陷樣本之一電腦實施之方法之程式指令的一非暫時性電腦可讀媒體。圖2中展示一項此實施例。特定而言,如圖2中所展示,電腦可讀媒體200包含可在電腦系統204上執行之程式指令202。電腦實施之方法包含上文所闡述之方法之步驟。可為其執行該等程式指令之電腦實施之方法可包含本文中所闡述之任何其他步驟。
實施諸如本文中所闡述之彼等方法的方法之程式指令202可儲存於電腦可讀媒體200上。該電腦可讀媒體可為諸如一磁碟或光碟或一磁帶之一儲存媒體,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。
可以包含基於程序之技術、基於組件之技術及/或物件導向之技術以及其他技術之各種方式中之任一者來實施程式指令。舉例而言,可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別
(「MFC」)或其他技術或方法來實施該等程式指令。
該電腦系統可採用各種形式,包含一個人電腦系統、影像電腦、主機電腦系統、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」可廣泛定義為囊括具有一或多個處理器之執行來自一記憶體媒體之指令之任何裝置。電腦系統亦可包含此項技術中已知之任何適合處理器,諸如一平行處理器。另外,電腦系統可包含具有高速處理及軟體之一電腦平台作為一獨立工具或一網路化工具。
一額外實施例係關於經組態以產生一晶圓之一缺陷樣本之一系統。圖3中展示此一系統之一項實施例。該系統包含經組態以為晶圓304獲取檢驗結果之檢驗子系統302。檢驗結果包含藉由一檢驗程序而在晶圓上偵測之缺陷之資訊,且該資訊至少包含該等缺陷之一或多個第一屬性之一第一集合及該等缺陷之一或多個第二屬性之一第二集合之資訊。檢驗結果可包含本文中所闡述之任何此資訊。
檢驗子系統包含可在一光學或基於光之檢驗子系統之情形中包含任何適合光源之源306。雖然本文中將關於一基於光之檢驗子系統進一步闡述檢驗子系統,但檢驗子系統可以任何適合方式加以修改或替換以使其為一基於電子束之檢驗子系統。
可將來自光源之光引導至晶圓304。該光源可耦合至任何其他適合元件(未展示),諸如一或多個聚光透鏡、準直透鏡、中繼透鏡、物鏡、光圈、光譜濾光器、偏光組件及類似物。如圖3中所展示,可將光以一傾斜入射角引導至晶圓。然而,可將光以包含近法向及法向入射之任何適合入射角引導至晶圓。另外,可將光或多個光束以一個以上入射角依序或同時引導至晶圓。
在光被引導至晶圓304時,該晶圓可安置於一載台(未展示)上。該載台可包含任何適合機械或機器人總成且可經組態以在光被引導至
晶圓時在一或多個方向上移動該晶圓,使得可由檢驗子系統在晶圓上方掃描光。然而,檢驗子系統可經組態而以任何適合方式在晶圓上方掃描光。
檢驗子系統亦包含經組態以收集自晶圓散射之光(在一具有暗場能力之檢驗系統之情形中)之收集器308,其經組態以將所收集光引導至經組態以偵測由收集器收集之自晶圓散射之光之偵測器310。收集器可包含任何適合數目及組態之反射及/或折射光學元件。偵測器310可包含任何適合偵測器。偵測器310及收集器308可因此形成檢驗子系統之一偵測子系統之至少一部分。偵測子系統可包含定位於偵測器與晶圓之間的光學路徑中之一或多個其他適合元件(未展示),諸如物鏡、中繼透鏡、放大透鏡、變焦透鏡、光圈、光譜濾光器、光柵及偏光組件。雖然檢驗子系統在圖3中展示為偵測自晶圓散射之光,但檢驗子系統亦可或替代地經組態以用於晶圓之明場(BF)檢驗。檢驗子系統亦可包含可用以同時或順序地偵測來自晶圓之不同光之一個以上偵測器(未展示)。
檢驗子系統可包含經組態以產生本文中所闡述之檢驗結果之電腦子系統312。舉例而言,電腦子系統312可藉由一或多個傳輸媒體(未展示)(其可包含「有線及/或無線」傳輸媒體)而耦合至偵測器310,使得電腦子系統可接收偵測器之輸出。電腦子系統可然後使用該輸出來偵測如本文中所闡述之晶圓上之缺陷且判定該等缺陷之多個屬性中之任一者。可然後由電腦子系統312輸出該電腦子系統產生之呈一檢驗結果檔案之形式之資訊,如本文中進一步所闡述。
檢驗子系統可包含經組態以偵測晶圓上之缺陷之一個電腦子系統,且系統可包含經組態以執行本文中所闡述之方法之步驟之另一不同電腦子系統。舉例而言,系統可包含可耦合至如上文所闡述之電腦子系統312之電腦子系統314,使得電腦子系統314可自電腦子系統312
接收檢驗結果。電腦子系統314經組態以用於執行本文中所闡述之識別、產生、分離、選擇、重複及建立步驟,可如本文中所闡述而執行該等步驟。電腦子系統及系統可經組態以執行本文中所闡述之任何其他步驟且可如本文中所闡述而進一步組態。另外,系統可包含經組態以執行本文中所闡述之所有步驟之僅一個電腦子系統(例如,僅電腦子系統312)。此可為當一檢驗工具經組態以執行本文中所闡述之方法實施例時之情形。舉例而言,圖3中所展示之檢驗子系統可經組態為如本文中所闡述之既偵測晶圓上之缺陷又建立一缺陷樣本之一檢驗工具。
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所闡述之系統實施例中之一檢驗子系統之一個組態。顯然,本文中所闡述之檢驗子系統組態可經變更以最佳化檢驗子系統之效能,如在設計一商業檢驗系統時通常執行。另外,可使用一現有檢驗系統(諸如可自KLA-Tencor商業購得之Puma 90xx、91xx及93xx系列工具)(例如,藉由將本文中所闡述之功能性新增至一現有檢驗系統)來實施本文中所闡述之系統。針對某些此等系統,可將本文中所闡述之方法作為系統之選用功能性(例如,除系統之其他功能性之外)而提供。另一選擇係,本文中所闡述之系統可「從頭開始」設計以提供一全新系統。
鑒於此說明,熟習此項技術者將明瞭本發明之各種態樣之進一步修改及替代實施例。舉例而言,提供用於產生一晶圓之一缺陷樣本之方法及系統。因此,此說明應視為僅係說明性的,且係出於教示熟習此項技術者實施本發明之一般方式之目的。應理解,本文中所展示及所闡述之本發明之形式應視為目前較佳之實施例。如熟習此項技術者在受益於本發明之此說明之後將明瞭,元件及材料可替代本文中所圖解說明及闡述之彼等元件及材料,部件及程序可顛倒,且本發明之特定特徵可獨立地利用。可在不背離如以下申請專利範圍中所闡述之
本發明之精神及範疇之情況下對本文中所闡述之元件做出改變。
Claims (37)
- 一種用於產生一晶圓之一缺陷樣本之電腦實施之方法,其包括:獲取該晶圓之多個檢驗結果,其中該等檢驗結果包括藉由一檢驗程序而在該晶圓上偵測之缺陷之資訊,且其中該資訊包括至少該等缺陷之一或多個第一屬性之一第一集合及該等缺陷之一或多個第二屬性之一第二集合之資訊;識別該一或多個第一屬性之在該一或多個第一屬性之值中具有最大多樣性之值;基於所識別之該等值而產生用於該等缺陷之分格(bin)之一集合,使得該等分格中之每一者對應於該等值之僅一部分且使得對應於該等分格之該等值在該一或多個第一屬性中具有多樣性,其中產生分格之該集合並未包含取樣該等缺陷之任一者,其中該一或多個第一屬性中之分格之該集合之分集化(diversification)係由該集合中之該等分格之一數目控制,且其中該集合中之該等分格之該數目係在產生用於該等缺陷之分格之該集合之步驟之前自一使用者接收;基於對應於該等缺陷之該一或多個第一屬性之該等值而將該等缺陷分離至該等分格中,其中直到分格之該集合已經產生之後才執行將該等缺陷分離至該等分格中;基於該一或多個第二屬性之多個值之多樣性而自該等分格中之一者選擇該等分格中之該一者內之缺陷;針對該等分格中之至少一者重複該選擇;及針對該晶圓建立包括選自該等分格中之該一者及該等分格中之該至少另一者之該等缺陷之一缺陷樣本,其中由一電腦系統執行該獲取、該識別、該產生、該分離、該選擇、該重複及該建立。
- 如請求項1之方法,其中該一或多個第一屬性包括該晶圓上之該等缺陷之一或多個背景屬性。
- 如請求項1之方法,其中該一或多個第二屬性包括在該檢驗程序中針對該等缺陷偵測之一信號之一或多個特性。
- 如請求項1之方法,其中該晶圓具有未知缺陷率。
- 如請求項1之方法,其中由一使用者選擇該一或多個第一屬性。
- 如請求項1之方法,其進一步包括基於分離至該等分格中之該等缺陷而判定該等分格之一或多個特性、在該選擇之前將該一或多個特性顯示給一使用者、及向該使用者請求對該一或多個特性之一驗證。
- 如請求項1之方法,其進一步包括判定選自該等分格之該等缺陷之一或多個特性、在該建立之前將該一或多個特性顯示給一使用者、及向該使用者請求對該一或多個特性之一驗證。
- 如請求項1之方法,其進一步包括基於分離至該等分格中之該等缺陷而判定該等分格之一第一特性、判定選自該等分格之該等缺陷之一第二特性,其中該第一特性與該第二特性不同、在該建立之前將該等第一及第二特性顯示給一使用者、及向該使用者請求對該等第一及第二特性之一驗證。
- 如請求項1之方法,其中基於該多樣性而執行該選擇,使得選自該等分格中之該一者之該等缺陷在該一或多個第二屬性之該等值中具有最大多樣性。
- 如請求項1之方法,其中基於該多樣性及一或多個樣本偏向參數而執行該選擇。
- 如請求項1之方法,其進一步包括基於該等缺陷之一或多個第三屬性之多個值之多樣性而自該等分格中之該一者單獨選擇該等分格中之該一者內之缺陷,該方法進一步包括針對該等分格中之該至少另一者重複該單獨選擇,且其中建立該缺陷樣本包括將自該等分格中之該一者及該等分格中之該至少另一者單獨選擇之該等缺陷新增至該缺陷樣本。
- 如請求項1之方法,其進一步包括基於該一或多個第二屬性之該等值而產生從中選擇該等缺陷之一分格之子分格之一集合,使得該等子分格中之每一者對應於該一或多個第二屬性之該等值之僅一部分且使得對應於該等子分格之該一或多個第二屬性之該等值在該一或多個第二屬性中具有多樣性。
- 如請求項12之方法,其進一步包括基於該等缺陷之一或多個第三屬性之多個值之多樣性而自該等子分格中之一者單獨選擇該等子分格中之該一者內之缺陷,該方法進一步包括針對該等子分格中之至少另一者重複該單獨選擇,且其中建立該缺陷樣本包含將自該等子分格中之該一者及該等子分格中之該至少另一者單獨選擇之該等缺陷新增至該缺陷樣本。
- 如請求項1之方法,其中自從中選擇該等缺陷之該等分格中之每一者選擇相同數目個缺陷。
- 如請求項1之方法,其中針對從中選擇該等缺陷之該等分格中之每一者獨立地執行該選擇。
- 如請求項1之方法,其進一步包括將該等缺陷被分離至其中的該等分格之資訊儲存為分離至一分格中之該等缺陷中之每一者之一分格屬性,其中基於該等缺陷之該等分格屬性而執行該選擇及該重複。
- 如請求項1之方法,其中該方法及該產生不包括調諧將該等分格彼此分離之多個切線。
- 如請求項1之方法,其中針對一或多個其他晶圓執行該方法,且其中針對該晶圓產生之分格之該集合不用作該一或多個其他晶圓之分格之一集合。
- 一種非暫時性電腦可讀媒體,其儲存可在一電腦系統上執行以執行用於產生一晶圓之一缺陷樣本之一電腦實施之方法之程式指令,其中該電腦實施之方法包括:獲取該晶圓之多個檢驗結果,其中該等檢驗結果包括藉由一檢驗程序而在該晶圓上偵測之缺陷之資訊,且其中該資訊包括至少該等缺陷之一或多個第一屬性之一第一集合及該等缺陷之一或多個第二屬性之一第二集合之資訊;識別該一或多個第一屬性之在該一或多個第一屬性之值中具有最大多樣性之值;基於所識別之該等值而產生用於該等缺陷之分格之一集合,使得該等分格中之每一者對應於該等值之僅一部分且使得對應於該等分格之該等值在該一或多個第一屬性中具有多樣性,其中產生分格之該集合並未包含取樣該等缺陷之任一者,其中該一或多個第一屬性中之分格之該集合之分集化係由該集合中之該等分格之一數目控制,且其中該集合中之該等分格之該數目係在產生用於該等缺陷之分格之該集合之步驟之前自一使用者接收;基於對應於該等缺陷之該一或多個第一屬性之該等值而將該等缺陷分離至該等分格中,其中直到分格之該集合已經產生之後才執行將該等缺陷分離至該等分格中;基於該一或多個第二屬性之多個值之多樣性而自該等分格中之一者選擇該等分格中之該一者內之缺陷;針對該等分格中之至少另一者重複該選擇;及針對該晶圓建立包括選自該等分格中之該一者及該等分格中之該至少另一者之該等缺陷之一缺陷樣本。
- 一種經組態以產生一晶圓之一缺陷樣本之系統,其包括:一檢驗子系統,其經組態以獲取該晶圓之多個檢驗結果,其中該等檢驗結果包括藉由一檢驗程序而在該晶圓上偵測之多個缺陷之資訊,且其中該資訊包括至少該等缺陷之一或多個第一屬性之一第一集合及該等缺陷之一或多個第二屬性之一第二集合之資訊;及一電腦子系統,其經組態以用於:識別該一或多個第一屬性之在該一或多個第一屬性之值中具有最大多樣性之值;基於所識別之該等值而產生用於該等缺陷之分格之一集合,使得該等分格中之每一者對應於該等值之僅一部分且使得對應於該等分格之該等值在該一或多個第一屬性中具有多樣性,其中產生分格之該集合並未包含取樣該等缺陷之任一者,其中該一或多個第一屬性中之分格之該集合之分集化係由該集合中之該等分格之一數目控制,且其中該集合中之該等分格之該數目係在產生用於該等缺陷之分格之該集合之步驟之前自一使用者接收;基於對應於該等缺陷之該一或多個第一屬性之該等值而將該等缺陷分離至該等分格中,其中直到分格之該集合已經產生之後才執行將該等缺陷分離至該等分格中;基於該一或多個第二屬性之多個值之多樣性而自該等分格中之一者選擇該等分格中之該一者內之缺陷;針對該等分格中之至少另一者重複該選擇;及針對該晶圓建立包括選自該等分格中之該一者及該等分格中之該至少另一者之該等缺陷之一缺陷樣本。
- 如請求項20之系統,其中該一或多個第一屬性包括該晶圓上之該等缺陷之一或多個背景屬性。
- 如請求項20之系統,其中該一或多個第二屬性包括在該檢驗程序中針對該等缺陷偵測之一信號之一或多個特性。
- 如請求項20之系統,其中該晶圓具有未知缺陷率。
- 如請求項20之系統,其中由一使用者選擇該一或多個第一屬性。
- 如請求項20之系統,其中該電腦子系統進一步經組態以用於基於分離至該等分格中之該等缺陷而判定該等分格之一或多個特性、在該選擇之前將該一或多個特性顯示給一使用者、及向該使用者請求對該一或多個特性之一驗證。
- 如請求項20之系統,其中該電腦子系統進一步經組態以用於:判定選自該等分格之該等缺陷之一或多個特性、在該建立之前將該一或多個特性顯示給一使用者、及向該使用者請求對該一或多個特性之一驗證。
- 如請求項20之系統,其中該電腦子系統進一步經組態以用於基於分離至該等分格中之該等缺陷而判定該等分格之一第一特性、判定選自該等分格之該等缺陷之一第二特性,其中該第一特性與該第二特性不同、在該建立之前將該等第一及第二特性顯示給一使用者、及向該使用者請求對該等第一及第二特性之一驗證。
- 如請求項20之系統,其中基於該多樣性而執行該選擇,使得選自該等分格中之該一者之該等缺陷在該一或多個第二屬性之該等值中具有最大多樣性。
- 如請求項20之系統,其中基於該多樣性及一或多個樣本偏向參數而執行該選擇。
- 如請求項20之系統,其中該電腦子系統進一步經組態以用於基於該等缺陷之一或多個第三屬性之多個值之多樣性而自該等分格中之該一者單獨選擇該等分格中之該一者內之缺陷,其中該電腦子系統進一步經組態以用於針對該等分格中之該至少另一者重複該單獨選擇,且其中建立該缺陷樣本包括將自該等分格中之該一者及該等分格中之該至少另一者單獨選擇之該等缺陷新增至該缺陷樣本。
- 如請求項20之系統,其中該電腦子系統進一步經組態以用於基於該一或多個第二屬性之該等值而產生從中選擇該等缺陷之一分格之子分格之一集合,使得該等子分格中之每一者對應於該一或多個第二屬性之該等值之僅一部分且使得對應於該等子分格之該一或多個第二屬性之該等值在該一或多個第二屬性中具有多樣性。
- 如請求項31之系統,其中該電腦子系統進一步經組態以用於基於該等缺陷之一或多個第三屬性之多個值之多樣性而自該等子分格中之一者單獨選擇該等子分格中之該一者內之缺陷,其中該電腦子系統進一步經組態以用於針對該等子分格中之至少另一者重複該單獨選擇,且其中建立該缺陷樣本包含將自該等子分格中之該一者及該等子分格中之該至少另一者單獨選擇之該等缺陷新增至該缺陷樣本。
- 如請求項20之系統,其中自從中選擇該等缺陷之該等分格中之每一者選擇相同數目個缺陷。
- 如請求項20之系統,其中針對從中選擇該等缺陷之該等分格中之每一者獨立地執行該選擇。
- 如請求項20之系統,其中該電腦子系統進一步經組態以用於將該等缺陷被分離至其中的該等分格之資訊儲存為分離至一分格中之該等缺陷中之每一者之一分格屬性,且其中基於該等缺陷之該等分格屬性而執行該選擇及該重複。
- 如請求項20之系統,其中由該電腦子系統執行之該等步驟不包括調諧將該等分格彼此分離之多個切線。
- 如請求項20之系統,其中針對該晶圓產生之分格之該集合不用作一或多個其他晶圓之分格之一集合。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462065752P | 2014-10-19 | 2014-10-19 | |
US62/065,752 | 2014-10-19 | ||
US14/614,202 US9582869B2 (en) | 2014-10-19 | 2015-02-04 | Dynamic binning for diversification and defect discovery |
US14/614,202 | 2015-02-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201626328A TW201626328A (zh) | 2016-07-16 |
TWI648707B true TWI648707B (zh) | 2019-01-21 |
Family
ID=55749438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104134248A TWI648707B (zh) | 2014-10-19 | 2015-10-19 | 用於產生一晶圓之一缺陷樣本之電腦實施之方法及系統與非暫時性電腦可讀媒體 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9582869B2 (zh) |
JP (1) | JP6570014B2 (zh) |
KR (1) | KR102226225B1 (zh) |
CN (1) | CN106796180B (zh) |
SG (1) | SG11201702921XA (zh) |
TW (1) | TWI648707B (zh) |
WO (1) | WO2016064710A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10679909B2 (en) * | 2016-11-21 | 2020-06-09 | Kla-Tencor Corporation | System, method and non-transitory computer readable medium for tuning sensitivies of, and determining a process window for, a modulated wafer |
US10713534B2 (en) * | 2017-09-01 | 2020-07-14 | Kla-Tencor Corp. | Training a learning based defect classifier |
US11514357B2 (en) * | 2018-03-19 | 2022-11-29 | Kla-Tencor Corporation | Nuisance mining for novel defect discovery |
US10670536B2 (en) | 2018-03-28 | 2020-06-02 | Kla-Tencor Corp. | Mode selection for inspection |
US10620134B2 (en) | 2018-05-11 | 2020-04-14 | Kla-Tencor Corp. | Creating defect samples for array regions |
US11550309B2 (en) | 2019-01-08 | 2023-01-10 | Kla Corporation | Unsupervised defect segmentation |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060265145A1 (en) * | 2004-09-30 | 2006-11-23 | Patrick Huet | Flexible hybrid defect classification for semiconductor manufacturing |
US20060287751A1 (en) * | 2005-06-06 | 2006-12-21 | Mark Dishner | Computer-implemented methods for performing one or more defect-related functions |
CN101120329A (zh) * | 2004-10-12 | 2008-02-06 | 恪纳腾技术公司 | 用于分类样品上的缺陷的计算机实现的方法和系统 |
TW201232288A (en) * | 2010-07-27 | 2012-08-01 | Applied Materials Israel Ltd | Defect classification with optimized purity |
US20140133737A1 (en) * | 2012-11-12 | 2014-05-15 | Kla-Tencor Corporation | Unbiased Wafer Defect Samples |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6265232B1 (en) | 1998-08-21 | 2001-07-24 | Micron Technology, Inc. | Yield based, in-line defect sampling method |
US6792366B2 (en) | 2001-12-11 | 2004-09-14 | Hitachi, Ltd. | Method and apparatus for inspecting defects in a semiconductor wafer |
US7739064B1 (en) * | 2003-05-09 | 2010-06-15 | Kla-Tencor Corporation | Inline clustered defect reduction |
JP2005109056A (ja) * | 2003-09-30 | 2005-04-21 | Matsushita Electric Ind Co Ltd | 半導体素子の検査装置 |
US7844100B2 (en) * | 2004-11-29 | 2010-11-30 | Applied Materials Israel, Ltd. | Method for filtering nuisance defects |
JP4750444B2 (ja) | 2005-03-24 | 2011-08-17 | 株式会社日立ハイテクノロジーズ | 外観検査方法及びその装置 |
US7570796B2 (en) * | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7676077B2 (en) * | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7570800B2 (en) * | 2005-12-14 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for binning defects detected on a specimen |
US7904845B2 (en) * | 2006-12-06 | 2011-03-08 | Kla-Tencor Corp. | Determining locations on a wafer to be reviewed during defect review |
US8194968B2 (en) * | 2007-01-05 | 2012-06-05 | Kla-Tencor Corp. | Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions |
KR100867634B1 (ko) * | 2007-03-09 | 2008-11-10 | 삼성전자주식회사 | 웨이퍼 시료 분석 방법 |
US8799831B2 (en) | 2007-05-24 | 2014-08-05 | Applied Materials, Inc. | Inline defect analysis for sampling and SPC |
US8135204B1 (en) * | 2007-09-21 | 2012-03-13 | Kla-Tencor Technologies Corp. | Computer-implemented methods, carrier media, and systems for creating a defect sample for use in selecting one or more parameters of an inspection recipe |
US8223327B2 (en) * | 2009-01-26 | 2012-07-17 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer |
US9053390B2 (en) * | 2012-08-14 | 2015-06-09 | Kla-Tencor Corporation | Automated inspection scenario generation |
US9310320B2 (en) * | 2013-04-15 | 2016-04-12 | Kla-Tencor Corp. | Based sampling and binning for yield critical defects |
-
2015
- 2015-02-04 US US14/614,202 patent/US9582869B2/en active Active
- 2015-10-19 KR KR1020177013664A patent/KR102226225B1/ko active IP Right Grant
- 2015-10-19 CN CN201580055533.2A patent/CN106796180B/zh active Active
- 2015-10-19 SG SG11201702921XA patent/SG11201702921XA/en unknown
- 2015-10-19 WO PCT/US2015/056169 patent/WO2016064710A1/en active Application Filing
- 2015-10-19 JP JP2017539523A patent/JP6570014B2/ja active Active
- 2015-10-19 TW TW104134248A patent/TWI648707B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060265145A1 (en) * | 2004-09-30 | 2006-11-23 | Patrick Huet | Flexible hybrid defect classification for semiconductor manufacturing |
CN101120329A (zh) * | 2004-10-12 | 2008-02-06 | 恪纳腾技术公司 | 用于分类样品上的缺陷的计算机实现的方法和系统 |
US20060287751A1 (en) * | 2005-06-06 | 2006-12-21 | Mark Dishner | Computer-implemented methods for performing one or more defect-related functions |
TW201232288A (en) * | 2010-07-27 | 2012-08-01 | Applied Materials Israel Ltd | Defect classification with optimized purity |
US20140133737A1 (en) * | 2012-11-12 | 2014-05-15 | Kla-Tencor Corporation | Unbiased Wafer Defect Samples |
Also Published As
Publication number | Publication date |
---|---|
WO2016064710A1 (en) | 2016-04-28 |
CN106796180A (zh) | 2017-05-31 |
US20160110857A1 (en) | 2016-04-21 |
TW201626328A (zh) | 2016-07-16 |
CN106796180B (zh) | 2019-07-26 |
JP2017536708A (ja) | 2017-12-07 |
KR102226225B1 (ko) | 2021-03-09 |
JP6570014B2 (ja) | 2019-09-04 |
KR20170088849A (ko) | 2017-08-02 |
US9582869B2 (en) | 2017-02-28 |
SG11201702921XA (en) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI648707B (zh) | 用於產生一晶圓之一缺陷樣本之電腦實施之方法及系統與非暫時性電腦可讀媒體 | |
TWI608231B (zh) | 無偏差之晶圓缺陷樣本 | |
JP7200113B2 (ja) | 深くスタック化された層を有するウェハにおいて欠陥分類器を訓練して適用するためのシステムと方法 | |
KR102513713B1 (ko) | 결함 분류를 위한 방법 및 시스템 | |
JP6280118B2 (ja) | 自動検査シナリオ生成 | |
JP4750444B2 (ja) | 外観検査方法及びその装置 | |
TWI571946B (zh) | 疊代式缺陷濾除製程 | |
TWI585397B (zh) | 用於自動缺陷分類之不明缺陷拒絕率之最佳化 | |
TWI587157B (zh) | 選擇用於缺陷偵測方法之參數 | |
TW201545253A (zh) | 複合式缺陷分類器 | |
JP2018504768A (ja) | ウェハ欠陥発見 | |
TWI683284B (zh) | 保留可重標準化性之製造樣本成型 | |
US9665795B2 (en) | Method and apparatus for identifying root cause of defect using composite defect map |