TWI660249B - 缺陷圖案分組方法及系統 - Google Patents

缺陷圖案分組方法及系統 Download PDF

Info

Publication number
TWI660249B
TWI660249B TW107101929A TW107101929A TWI660249B TW I660249 B TWI660249 B TW I660249B TW 107101929 A TW107101929 A TW 107101929A TW 107101929 A TW107101929 A TW 107101929A TW I660249 B TWI660249 B TW I660249B
Authority
TW
Taiwan
Prior art keywords
polygon
defect
polygons
defect pattern
representative
Prior art date
Application number
TW107101929A
Other languages
English (en)
Other versions
TW201841069A (zh
Inventor
方偉
張海利
陳志超
金生程
Original Assignee
荷蘭商Ａｓｍｌ荷蘭公司
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 荷蘭商Ａｓｍｌ荷蘭公司 filed Critical 荷蘭商Ａｓｍｌ荷蘭公司
Publication of TW201841069A publication Critical patent/TW201841069A/zh
Application granted granted Critical
Publication of TWI660249B publication Critical patent/TWI660249B/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
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32222—Fault, defect detection of origin of fault, defect of product
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本發明揭示一種缺陷圖案分組方法。該缺陷圖案分組方法包含自一樣本之一影像獲得表示一第一缺陷之一第一多邊形、比較該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合及使該第一多邊形與基於該比較所識別之任何一或多個代表性多邊形成組。

Description

缺陷圖案分組方法及系統
本文中所提供之實施例揭示一種顯示方法，且更特定言之，揭示一種用於半導體製造操作程序中之缺陷再檢測之顯示方法。
在半導體製造製程之各種步驟中，圖案缺陷在製造製程期間可出現於晶圓、晶片及/或光罩上，此可在極大程度上降低良率。為了滿足製造製程之高產出率及高良率之需求，操作員需要經由在鑄造設備之顯示器部分中在觀測下顯示物件之各種圖案之圖形使用者介面(GUI)檢視晶圓、晶片及/或光罩；且在最早階段儘可能識別圖案缺陷。
令人遺憾地，識別圖案缺陷可耗費大量操作員之時間，由此對產出量有不良影響。為了解決此問題，自動缺陷分類系統可用以將所識別缺陷分組成各種缺陷類型以供操作員檢視，從而加快缺陷識別程序。
在本發明之一些實施例中，提供一種缺陷圖案分組方法。該方法包含自一樣本之一影像獲得表示一第一缺陷之一第一多邊形、比較該第一多邊形與一缺陷圖案系列之代表性多邊形之一集合及使該第一多邊形與基於該比較所識別之任何一或多個代表性多邊形成組。
在本發明之一些實施例中，該缺陷圖案分組方法使得一缺陷圖案系 列的該集合之代表性多邊形係自一缺陷圖案系列的該集合之代表性多邊形之多邊形圖案獲得。在本發明之一些其他實施例中，該缺陷圖案分組方法使得一缺陷圖案系列的該集合之組代表性多邊形係自一缺陷圖案系列的該集合之代表性多邊形之多邊形圖案的拓樸特性獲得。
在本發明之一些實施例中，揭示一種非暫時性電腦可讀媒體。該電腦可讀媒體儲存指令之一集合，指令之該集合可由一缺陷分類伺服器之一或多個處理器執行以使得該伺服器執行一方法。該方法包含自一樣本之一影像獲得表示一第一缺陷之一第一多邊形、比較該第一多邊形與一缺陷圖案系列之代表性多邊形之一集合及使該第一多邊形與基於該比較所識別之任何一或多個代表性多邊形成組。
100‧‧‧電子束檢測(EBI)系統
102‧‧‧裝載/鎖定腔室
104‧‧‧電子束工具
106‧‧‧設備前端模組(EFEM)
106a‧‧‧第一裝載埠
106b‧‧‧第二裝載埠
200‧‧‧電動載物台
202‧‧‧晶圓固持器
204‧‧‧物鏡總成
204a‧‧‧極片
204b‧‧‧控制電極
204c‧‧‧偏轉器
204d‧‧‧激磁線圈
206‧‧‧電子偵測器
208‧‧‧物鏡孔徑
210‧‧‧聚光透鏡
212‧‧‧射束限制孔徑
214‧‧‧槍孔徑
216‧‧‧陽極
218‧‧‧陰極
220‧‧‧原電子束
222‧‧‧次電子束
300‧‧‧缺陷再檢測系統
310‧‧‧晶圓檢測系統
320‧‧‧自動缺陷分類(ADC)伺服器
322‧‧‧通信介面
324‧‧‧處理器
330‧‧‧知識推薦伺服器
332‧‧‧處理器
334‧‧‧儲存裝置
340‧‧‧人機互動介面
342‧‧‧顯示器
344‧‧‧輸入裝置
400‧‧‧使用者介面
500‧‧‧中心多邊形
610‧‧‧步驟
620‧‧‧步驟
630‧‧‧步驟
640‧‧‧步驟
650‧‧‧步驟
660‧‧‧步驟
800‧‧‧電腦系統/運算系統
802‧‧‧匯流排
804‧‧‧硬體處理器
806‧‧‧主記憶體
808‧‧‧唯讀記憶體(ROM)
810‧‧‧儲存裝置/步驟
812‧‧‧顯示器
814‧‧‧輸入裝置
816‧‧‧游標控制件
818‧‧‧通信介面
820‧‧‧網路鏈路/步驟
822‧‧‧區域網路
824‧‧‧主電腦
826‧‧‧網際網路服務提供者(ISP)
828‧‧‧網際網路
830‧‧‧伺服器/步驟
840‧‧‧步驟
850‧‧‧步驟
860‧‧‧步驟
870‧‧‧步驟
1010‧‧‧步驟
1020‧‧‧步驟
1030‧‧‧步驟
1040‧‧‧步驟
1050‧‧‧步驟
1110‧‧‧多邊形/中心多邊形
1120‧‧‧多邊形/中心多邊形
1130‧‧‧指示符
1140‧‧‧指示符
1210‧‧‧窗口
1220‧‧‧窗口
1230‧‧‧指示符
1240‧‧‧指示符
P1‧‧‧多邊形
P2‧‧‧多邊形
Ref1‧‧‧參考缺陷影像
Ref2‧‧‧參考缺陷斑塊
圖1為說明符合本發明之實施例之例示性電子束檢測(EBI)系統的示意圖。
圖2為說明可符合本發明之實施例的圖1之例示性電子束檢測之一部分的例示性電子束工具之示意圖。
圖3為說明符合本發明之實施例的例示性缺陷再檢測系統之方塊圖。
圖4為說明符合本發明之實施例的用以在缺陷再檢測系統中比較缺陷以供缺陷分組之例示性使用者介面之圖表。
圖5(包括圖5(a)-(c))為說明符合本發明之實施例的用於缺陷分組以供操作員檢視之例示性顯示介面之示意圖。
圖6為說明符合本發明之實施例的例示性多邊形圖案分組程序之圖表。
圖7為說明符合本發明之實施例的將分類至同一群組中的共用相同結 構之多個例示性多邊形之示意圖。
圖8為說明符合本發明之實施例的例示性拓樸圖案分組程序之圖表。
圖9為說明符合本發明之實施例的兩個例示性多邊形及用於判定類似性之重疊影像之示意圖。
圖10為說明符合本發明之實施例的例示性基於區域之類似性中心多邊形分組程序之流程圖。
圖11(包括圖11(a)至(b))為說明符合本發明之實施例的共用相同結構但相鄰圖案資訊不同之兩個例示性多邊形之示意圖。
圖12(包括圖12(a)至(b))為說明符合本發明之實施例的在第二步驟分組之後將分類為不同群組的共用相同結構但相鄰圖案資訊不同之兩個例示性多邊形之示意圖。
圖13為可實施本文中所描述之實施例之例示性電腦系統之方塊圖。
現將詳細參考例示性實施例，其實例說明於附圖中。以下描述參考附圖，其中除非另外表示，否則不同圖式中之相同編號表示相同或類似元件。闡述於例示性實施例之以下描述中之實施並不表示符合本發明的所有實施。實情為，其僅為符合關於所附申請專利範圍中所列舉的本發明之態樣的設備及方法之實例。
為了促進及加速缺陷圖案識別程序，在缺陷再檢測程序期間，自動地識別半導體晶圓上之缺陷且將該等缺陷分類為各種缺陷類型。雖然可自動地執行缺陷分類，但始終需要使用者之干預以確認所識別缺陷經恰當排序及分組。因此，所揭示實施例提供用以高效識別缺陷以供顯示給操作員，由此改良缺陷識別程序之效率及製造製程之產出量的方式。
本文中所描述之實施例提供用以基於其圖形資訊分類晶圓之影像上所識別之缺陷的方法。傳統的缺陷分類方法正常利用灰度影像資訊，此針對例如較大圖案破損、圖案缺失等等一些特定缺陷類型可導致錯誤分類。相反地，由於圖形佈局資訊為完整的，因此此等情境在基於圖形之分類方法中很少出現。
在基於圖形之分類中，每個缺陷具有其自身的圖形斑塊(patch)，此可有助於缺陷分類。每個圖形斑塊可為一組一或多個多邊形。可基於兩個圖形斑塊之間的經判定類似性對圖形斑塊分組。舉例而言，可藉由採用0與1之間的值量測類似性，其中0表示完全不同之斑塊而1表示相同之斑塊。
現參考圖1，其為說明符合本發明之實施例的例示性電子束檢測(EBI)系統之示意圖。圖1說明符合本發明之實施例的例示性電子束檢測(EBI)系統100。如圖1中所示，EBI系統100包括主腔室101、裝載/鎖定腔室102、電子束工具104及設備前端模組(EFEM)106。電子束工具104位於主腔室101內。EFEM 106包括第一裝載埠106a及第二裝載埠106b。EFEM 106可包括額外裝載埠。第一裝載埠106a及第二裝載埠106b收納容納晶圓(例如，半導體晶圓或由其他材料製成之晶圓)或待檢測之樣本的晶圓匣(晶圓及樣本在下文統稱為「晶圓」)。EFEM 106中之一或多個機械臂(未展示)將晶圓運輸至裝載/鎖定腔室102。裝載/鎖定腔室102連接至裝載/鎖定真空泵系統(未展示)，其移除裝載/鎖定腔室102中之氣體分子以達至低於大氣壓之第一壓力。在達至第一壓力之後，一或多個機械臂(未展示)將晶圓自裝載/鎖定腔室102運輸至主腔室101。主腔室101連接至主腔室真空泵系統(未展示)，其移除主腔室101中之氣體分子以達至低於第一 壓力之第二壓力。在達至第二壓力之後，晶圓經受電子束工具104之檢測。
現參考圖2，其為說明符合本發明之實施例的可為圖1之例示性電子束檢測之一部分的例示性電子束工具之示意圖。圖2說明符合本發明之實施例之電子束工具104之例示性組件。如圖2中所展示，電子束工具104包括電動載物台200及晶圓固持器202，該晶圓固持器由電動載物台200支撐以固持待檢測之晶圓203。電子束工具104進一步包括物鏡總成204、電子偵測器206(其包括電子感測器表面206a及206b)、物鏡孔徑208、聚光透鏡210、射束限制孔徑212、槍孔徑214、陽極216及陰極218。在一個實施例中，物鏡總成204可包括經修改擺動物鏡延遲浸沒透鏡(swing objective retarding immersion lens，SORIL)，其包括極片204a、控制電極204b、偏轉器204c及激磁線圈204d。電子束工具104可另外包括能量色散X射線光譜儀(energy dispersive X-ray spectrometer，EDS)偵測器(未展示)以表徵晶圓上之材料。
藉由在陽極216與陰極218之間施加電壓來自陰極218發射原電子束220。原電子束220穿過槍孔徑214及射束限制孔徑212，此兩者可判定進入駐存在射束限制孔徑212下方之聚光透鏡210之電子束的大小。聚光透鏡210在射束進入物鏡孔徑208之前聚焦原電子束220，以在射束進入物鏡總成204之前設定電子束之大小。偏轉器204c偏轉原電子束220以促進晶圓上之射束掃描。舉例而言，在掃描程序中，偏轉器204c可受控制以在不同時間點將原電子束220依序偏轉至晶圓203之頂部表面的不同部位上，以提供用於晶圓203之不同部分的影像重建構之資料。此外，偏轉器204c亦可經控制以在不同時間點將原電子束220偏轉至晶圓203在特定部位處 之不同側上，以提供用於彼部位處之晶圓結構的立體影像重建構之資料。另外，在一些實施例中，陽極216及陰極218可經組態以產生多個原電子束220，且電子束工具104可包括複數個偏轉器204c以同時將多個原電子束220投影至晶圓之不同部分/側，從而為晶圓203之不同部分的影像重建構提供資料。
激磁線圈204d及極片204a產生在極片204a之一端處開始且在極片204a之另一端處終止的磁場。晶圓203之正由原電子束220掃描的部分可浸沒於磁場中且可帶電，此又產生一電場。該電場減少原電子束220在碰撞晶圓之前在靠近晶圓之表面處的撞擊能量。與極片204a電隔離之控制電極204b控制晶圓上之電場，以防止晶圓之微拱起並確保適當射束聚焦。
在接收到原電子束220後，可自晶圓203之部分發射次電子束222。次電子束222可在電子偵測器206之感測器表面206a及206b上形成射束點(例如，射束點240a及240b中之一者)。電子偵測器206可產生表示射束點之強度之信號(例如，電壓、電流等等)，且將信號提供至處理系統(圖2中未展示)。次電子束222及所得射束點之強度可根據晶圓203之外部及/或內部結構而變化。此外，如上文所論述，原電子束220可投影至晶圓之頂部表面的不同部位及/或特定部位處之晶圓之不同側上，以產生具不同強度之次電子束222(及所得射束點)。因此，藉由以晶圓203之部位映射射束點之強度，處理系統可重建反映晶圓203之內部及/或外部結構的影像。
現參考圖3，其為說明符合本發明之實施例的例示性缺陷再檢測系統之方塊圖。一旦獲取晶圓影像，可將晶圓影像傳輸至電腦系統，其中該系統可識別晶圓影像上之缺陷且根據缺陷類型將缺陷分類成各類別。缺陷資訊進一步顯示在人機互動介面之顯示器部分中且可經由人機互動介面之輸 入裝置收集操作員之回饋。
參考圖3，缺陷再檢測系統300包括晶圓檢測系統310、自動缺陷分類(ADC)伺服器320、電耦接至ADC伺服器320之知識推薦伺服器330及電耦接至ADC伺服器320之人機互動介面340。晶圓檢測系統310可為關於圖1所描述之電子束檢測(EBI)系統100。應理解，ADC伺服器320、知識推薦伺服器330及人機互動介面340可為EBI系統100之部分及/或遠離EBI系統100。
晶圓檢測系統310可為可產生晶圓之檢測影像之任何檢測系統。晶圓可為半導體晶圓基板，或具有一或多個磊晶層及/或程序膜之半導體晶圓基板。晶圓檢測系統310可為任何當前可用或開發中之晶圓檢測系統。本發明之實施例並不限制晶圓檢測系統310之特定類型，只要其可產生符合現代半導體鑄造技術的具有足夠高以觀測晶圓上之關鍵特徵之解析度(例如，小於20nm)之晶圓影像。
ADC伺服器320具有電耦接至晶圓檢測系統310以接收晶圓影像之通信介面322。ADC伺服器320亦包括處理器324，其經組態以分析晶圓影像，且藉由使用缺陷知識檔案偵測及分類晶圓影像上出現之晶圓缺陷。缺陷知識檔案可由操作員手動提供至ADC伺服器320。替代地，缺陷知識檔案可藉由知識推薦伺服器330自動地提供至ADC伺服器320，該知識推薦伺服器將在下文詳細描述。
知識推薦伺服器330電耦接至ADC伺服器320。知識推薦伺服器330包括處理器332及儲存裝置334。處理器332經組態以建構複數個缺陷知識檔案，且將該複數個缺陷知識檔案儲存在儲存裝置334中。
該複數個缺陷知識檔案含有與在晶圓製造製程之各個階段期間產生 之各種類型之缺陷相關之資訊。晶圓製造製程之各個階段可包括但不限於微影製程、蝕刻製程、化學機械拋光(CMP)製程及互連形成製程。在微影製程中產生之缺陷可包括但不限於歸因於PR劣化或雜質之光致抗蝕劑(RP)殘餘物缺陷、剝落缺陷、橋接缺陷、氣泡缺陷及歸因於圖案位移之虛設圖案缺失缺陷。在蝕刻製程中產生之缺陷可包括但不限於蝕刻殘餘物缺陷、過度蝕刻缺陷及斷路缺陷。在CMP製程中產生之缺陷可包括但不限於漿料殘餘物缺陷、凹陷缺陷、及歸因於拋光速率之方差之侵蝕缺陷及歸因於拋光之刮擦。在互連形成製程中產生之缺陷可包括但不限於虛線缺陷、空隙缺陷、擠壓缺陷及橋接缺陷。
處理器332經組態以基於複數個缺陷斑塊影像建構複數個缺陷知識檔案。複數個缺陷斑塊影像可藉由晶圓檢測工具產生，諸如圖2中所說明之電子束工具104。缺陷斑塊影像為含有缺陷之晶圓之一部分之小影像(例如，34×34像素)。缺陷斑塊影像在缺陷上通常居中，且包括缺陷之鄰近像素。
人機互動介面340電耦接至ADC伺服器320。人機互動介面340至少包括顯示器342及輸入裝置344。人機互動介面340經建構以在缺陷再檢測系統300與操作員之間交換缺陷及缺陷分類資訊。
一旦選擇知識檔案，ADC伺服器320之處理器324處理自檢測系統310發送之晶圓影像且識別在各種半導體製造製程中產生之缺陷。將所識別缺陷發送至人機互動介面340之顯示器342以用於將缺陷資訊顯示給操作員供審查及確認。若操作員觀測到缺陷之分類之任何偏差或錯誤，則輸入裝置344可用於經由人機互動介面340將回饋缺陷資訊提供至ADC伺服器320。
應瞭解，顯示器342可為展示文字及圖形影像之任何類型之電腦輸出表面及投影機構，包括但不限於陰極射線管(CRT)、液晶顯示器(LCD)、發光二極體(LED)、氣體電漿、觸控式螢幕或其他影像投影技術，以用於將資訊顯示至電腦使用者。亦應瞭解，輸入裝置344可為用於將資料及控制信號自操作員提供至缺陷再檢測系統300之任何類型之電腦硬體設備。輸入裝置344可包括但不限於鍵盤、滑鼠、掃描器、數位相機、操縱桿、軌跡球、游標方向按鍵、觸控式螢幕監視器或音訊/視訊指揮系統等等，以用於將方向資訊及命令選擇傳達至處理器及/或用於控制顯示器上之游標移動。輸入裝置通常具有兩個軸線(第一軸線(例如，x)及第二軸線(例如，y))上之兩個自由度，此允許裝置指定平面中之位置。
現參考圖4，其為說明符合本發明之實施例的用以比較缺陷以用於缺陷再檢測系統中之缺陷分組之例示性使用者介面之圖表。在缺陷再檢測系統中執行出於缺陷分類之目的的缺陷比較。作為實例，使用者介面400可展示於缺陷再檢測系統300之顯示器342中且可顯示多個缺陷(如圖4中所示之三個缺陷)，其中每個缺陷置放於左側之參考缺陷影像(Ref1)與右側之參考缺陷斑塊(Ref2)之間。基本上，可藉由以此方式置放及顯示缺陷影像而進行晶粒與晶粒的缺陷比較。
中間行(缺陷行下方)中所展示之缺陷影像係基於掃描電子顯微法(SEM)影像。SEM影像可藉由EBI系統捕獲且藉由缺陷再檢測系統獲得。SEM影像頂部上為概括表示影像之多個多邊形之線。此等有線多邊形構成SEM影像中所展示之缺陷之圖形斑塊。由於每個缺陷具有其自身的圖形斑塊，因此圖形斑塊可用於識別及分類缺陷。
在檢測下，Ref1行下方及缺陷影像左側展示之晶粒影像可為出於缺 陷比較及分類之目的儲存於缺陷再檢測系統中之相同類型之缺陷之影像。此晶粒影像可為展示其種類之缺陷之典型幾何特性的來自先前識別缺陷之晶粒影像。並排顯示經驗晶粒影像(Ref1行下方)及受檢測之晶粒影像(缺陷行下方)可使得缺陷再檢測程序更容易且更快。此比較被視為晶粒與晶粒的比較。
Ref2行下方及受檢測之缺陷影像之右側展示之有線圖式可為出於缺陷比較及分類之目的儲存於缺陷再檢測系統中之缺陷圖形斑塊影像。此圖形斑塊影像可為一或多個多邊形。並且Ref2行下方展示之塊影像被視為最佳地表示其種類之缺陷之幾何特性之有線影像。並排顯示圖形斑塊影像及受檢測之晶粒影像可使得缺陷再檢測程序更容易且更快。該比較被視為晶粒與資料庫的比較。
現參考圖5，其為說明符合本發明之實施例的用於缺陷分組以供操作員審查之例示性顯示介面之示意圖。並排以線形式展示一個缺陷之三個晶粒影像。影像(a)為圖形斑塊在頂部上對準之受檢測之樣本之一或多個缺陷之SEM影像，影像(b)為與SEM影像缺陷類型相同之一或多個缺陷之圖形斑塊影像，且影像(c)為自圖形圖案資料獲得之缺陷中心多邊形影像。如所提及，圖形斑塊可被視為一組多邊形，在一組多邊形之外的最重要多邊形中之一者為中心多邊形500，由於其為一或多個缺陷之圖案之中心。在一些情境下，更為關注中心多邊形。因此，可首先做出完全基於中心多邊形之分類。應瞭解，圍繞中心多邊形之鄰近多邊形亦可為重要的。在一些實施例中，當鄰近多邊形至關重要時，亦考慮到鄰近圖形資訊，且待進行第二階段分組。
存在在數學上量化圖形斑塊之間的類似性以供準確缺陷分類之多於 一種方式。在本發明之以下實施例中，詳細地揭示多邊形圖案分組、拓樸圖案分組、中心多邊形分組及第二步驟分組。
現參考圖6，其為說明符合本發明之實施例的例示性多邊形圖案分組程序之圖表。
在多邊形圖案分組程序中，與缺陷相關聯之多邊形用於執行缺陷分類。與缺陷相關聯之多邊形可為缺陷之中心多邊形。在程序中，將比較與缺陷相關聯之多邊形與一缺陷圖案系列之代表性多邊形之一集合。並且出於缺陷分類之目的獲得多邊形與該集合之代表性多邊形之間的類似性。藉由多邊形圖案分組設定，可在整個圖形區域或使用者界定掃描區域內進行獨特多邊形搜尋以識別至少具有類似圖形圖案之缺陷。
在步驟610處，接收受檢測之區域之圖形圖案資料。此後，在步驟620處進行根據多邊形圖案對缺陷之搜尋。經由搜尋，識別具有與缺陷相關聯之圖形資訊之多邊形圖案。該多邊形圖案可提供關於與缺陷相關聯之圖形資訊中包括之圖案之一般想法。在步驟630處，比較與缺陷相關聯之所識別多邊形圖案與一缺陷圖案系列之代表性多邊形之一集合。由多個代表性多邊形表示之缺陷圖案之集合可儲存於與缺陷分類伺服器320或缺陷分類伺服器320之儲存裝置/記憶體部分電連接之儲存裝置中。可在先例缺陷分類程序中收集缺陷圖案系列之多個代表性多邊形。
將缺陷分類成缺陷群組可基於所識別多邊形圖案與缺陷圖案系列之代表性多邊形之間的類似性而判定。若所識別多邊形圖案類似於該集合之代表性多邊形中之任一者，此意謂所識別多邊形展示具有代表性多邊形之類似圖形資訊，則在步驟650處將由所識別多邊形圖案表示之缺陷分類至由代表性多邊形表示之缺陷之同一群組中。或若所識別多邊形圖案不類似 於該集合之代表性多邊形中之任一者，則在步驟660處，與受檢測之缺陷相關聯之所識別多邊形圖案被設定為缺陷之種類之代表性多邊形且不同於在步驟630處進行比較之代表性多邊形。
現參考圖7，其為說明符合本發明之實施例的將分類至同一群組中的共用相同結構之多個例示性多邊形之示意圖。
在一些實施例中，若僅將具有與一缺陷圖案系列的代表性多邊形之集合類似之形狀及大小的多邊形圖案分類至同一群組中，則基於具有中心多邊形之缺陷來判定圖形圖案可過度嚴格。在此等實施例中，亦關注缺陷圖案之內部拓樸結構。另外，在一些其他實施例中，僅缺陷之形狀事關緊要，但大小並不緊要。應瞭解，內部拓樸結構可包括側面之數目、側面方向、拓樸方向、骨架等等。側面之數目及側面之方向可被視為重要的內部拓樸結構參數。圖案之大小可包括多邊形之尺寸、長度、寬度、深度/生長等等。然而，可由缺陷再檢測系統之使用者判定內部拓樸結構參數之設定及是否關注大小。此處列舉之參數僅出於解釋目的且既非限制性亦非排他性的。圖7展示以下情境：所有多邊形具有類似結構，例如三個側面及兩個直角，但多邊形中之每一者具有不同大小及不同尺寸之側面或類似者。在一些實施例中，此等多邊形可確定地分類為單個缺陷群組，而在其他實施例中，此等多邊形可分類為不同缺陷群組。
現參考圖8，其為說明符合本發明之實施例的例示性圖形拓樸圖案分組程序之圖表。圖8展示與圖形圖案分組之程序共用幾個類似步驟之圖形拓樸圖案分組程序。
在步驟810處，接收受檢測之區域之圖形資訊。此後，在步驟820處進行根據多邊形圖案對缺陷之搜尋。經由搜尋，識別具有與缺陷相關聯之 圖形資訊之多邊形圖案。在步驟830處，接著進行拓樸分析。獲得所識別多邊形圖案之拓樸特性。多邊形圖案之拓樸特性可提供關於與缺陷相關聯之圖形資訊中包括之圖案之結構之一般想法。接著在步驟840處比較與缺陷相關聯之所識別多邊形圖案的所獲得拓樸特性與一缺陷圖案系列之拓樸群組代表之一集合。由多個拓樸群組代表表示的缺陷圖案系列可儲存於以通信方式與缺陷分類伺服器320連接之儲存裝置或缺陷分類伺服器320之儲存裝置/記憶體部分中。可在先例缺陷分類程序中收集缺陷圖案系列之多個拓樸群組代表。
在步驟850處，計算與缺陷相關聯之所識別多邊形圖案之拓樸特性與該集合之拓樸群組代表之間的類似性比率。缺陷再檢測系統之使用者可在程序之前界定類似性臨限值。若在步驟850處所計算類似性比率經決定大於預設類似性臨限值，則在步驟860處可將所識別缺陷分類至由拓樸群組代表表示之缺陷之同一群組中。或若在步驟870處所計算類似性比率經決定並不大於預設類似性臨限值，則將第二缺陷之拓樸特性設定為其種類之缺陷之拓樸群組代表，其不同於在步驟840處用於比較之拓樸群組代表。
現參考圖9，其為說明符合本發明之實施例的用於判定類似性之兩個例示性多邊形及重疊影像之示意圖。
對於一些實施例，圖形分組方法可造成過多群組，由於該分組方法可極為嚴格。另一方面，圖形拓樸分組可導致較少群組，由於該分組方法因僅考慮圖案形狀而不考量大小及尺寸而過度寬鬆。在一些情境下，為了平衡此等兩個方法，可採用基於區域的分組方法。
為了量化兩個圖形斑塊之間的類似性，藉由圖9中所示之例示性多邊形P1及P2解釋使用在以下實施例中揭示之基於區域之分組方法。首先， P1及P2由於其接近的內部拓樸結構而被分組至同一拓樸群組中。應注意，儘管P1及P2具有非常接近的內部拓樸結構，但其並不具有完全類似的內部拓樸結構，例如相同數目之側面、相同方向之側面等等。同樣，將分類至一個群組中的內部拓樸結構之設定係由缺陷再檢測系統之使用者判定。
其次，藉由在必要時來回位移多邊形中之一者、旋轉、翻轉、或任何其他可能的幾何移動或其組合而獲得具有最大重疊區域之多邊形P1與P2之間的對準。對準步驟在兩個多邊形之間的重疊區域達至其最大值時結束。可將類似性定義為重疊區域與聯合區域之比率，該聯合區域為兩個多邊形在最大限度地對準時所佔據之總體區域。基於區域的類似性比率可為自0至1之任何值。類似性與相異性之間的截止線，亦即類似性臨限值由缺陷再檢測系統之使用者判定且亦可為自0至1之任何值，例如0.7。作為實例，可將具有大於或等於0.7之基於區域之類似性比率的任何兩個多邊形分在同一群組中。
現參考圖10，其為說明符合本發明之實施例的例示性基於區域之類似性中心多邊形分組程序之流程圖。在步驟1010處，第一缺陷經界定為缺陷分類群組1且第一缺陷之圖形資料被設定為代表性圖形資訊。當第二缺陷影像由缺陷再檢測系統接收時，在步驟1020處比較第二缺陷之類似性與第一缺陷之代表性圖形資訊。此外，計算第二缺陷相對於代表性圖形資訊之類似性值且在步驟1030處，判定類似性比率是否大於使用者界定之類似性臨限值。若第二缺陷相對於代表性圖形資訊之類似性值大於類似性臨限值，則將第二缺陷與第一缺陷分在同一群組中且該程序在步驟1050處結束。
若第二缺陷相對於代表性圖形資訊之類似性值等於或小於類似性臨限值，則在步驟1040處將第二缺陷界定為缺陷分類群組2且將第二缺陷之圖形資料設定為群組之代表圖形資料。群組2形成於DGS資料庫中。可重複基於區域的類似性中心多邊形分組程序直至受檢測之區域中所識別之所有缺陷失效為止。應瞭解，在一些實施例中，當第二缺陷相對於代表性圖形資訊之類似性值等於類似性臨限值時，可將第二缺陷與第一缺陷指派至同一群組。
現參考圖11，其為說明符合本發明之實施例的兩個共用相同結構但相鄰圖案資訊不同之圖11(a)之例示性多邊形1110及圖11(b)之例示性多邊形1120之示意圖。在前述實施例中所揭示之圖形圖案分組方法基於中心多邊形。即，可基於該多邊形在晶圓影像之一部分內是否居中或是否被操作員選擇為所聚焦之多邊形而識別中心多邊形。應瞭解，指示符(諸如，指示符1130及1140)可提供影像之該部分之中心點。
有可能屬於同一缺陷群組之兩個中心多邊形(諸如，多邊形1110及1120)可具有不同的相鄰圖案資訊，此係因為該等多邊形僅基於其中心多邊形而分類至同一群組中。舉例而言，圖11(a)之缺陷影像圖形斑塊及圖11(b)之右側缺陷影像圖形斑塊之中心多邊形1110及1120被分類至同一缺陷群組中，儘管環繞中心多邊形之缺陷圖案不同。然而，在此等情境下，第二步驟分組可考量鄰近多邊形。
現參考圖12，其亦為說明共用相同結構但具有不同相鄰圖案資訊之兩個例示性多邊形1110及1120之示意圖。在使用第二步驟分組之實施例中，基於多邊形之不同相鄰圖案資訊將多邊形1110及1120分類至不同群組中。
在中心多邊形分組程序完成之後，對於兩個影像之每個圖形斑塊，可使原始中心指示符1130及1140保持相同，同時產生界定窗口(諸如，圖12(a)之窗口1210及圖12(b)之窗口1220)以判定在第二步驟分組期間待使用之鄰近多邊形以供比較。應瞭解，第二步驟窗口亦可具有在中心多邊形內居中之第二步驟中心指示符(諸如，指示符1230及1240)。
界定窗口內之所有多邊形或多邊形區段可用於執行第二步驟分組。舉例而言，在第二步驟分組中，比較窗口1210內之多邊形及多邊形區段與窗口1220內之多邊形及多邊形區段。第二步驟分組程序與中心多邊形分組程序相同(除了施加至鄰近多邊形及多邊形區段之外)，其在此處並不重複。由於第二步驟分組程序，在中心多邊形分組程序之後將兩個缺陷斑塊放入兩個不同群組而非一個群組。因此，被分類至同一群組中之缺陷斑塊在第二步驟分組程序之後可具有較好相關性，此可節省大量處理時間且由缺陷再檢測系統判定。
現參考圖13，其為上面可實施本文中所描述之實施例之例示性電腦系統之方塊圖。上文所描述之知識推薦伺服器及缺陷分類伺服器中之至少一者可藉由電腦系統800實施。
電腦系統800包括用於傳達資訊之匯流排802或其他通信機構及與匯流排802耦接以用於處理資訊之一或多個硬體處理器804(出於簡單性目的表示為處理器804；例如圖3之知識推薦伺服器330之處理器332或缺陷分類伺服器320之處理器324)。舉例而言，硬體處理器804可為一或多個微處理器。
電腦系統800亦包括耦接至匯流排802以用於儲存待由處理器804執行之資訊及指令之主記憶體806，諸如隨機存取記憶體(RAM)或其他動態儲 存裝置。主記憶體806亦可用於在待由處理器804執行之指令之執行期間儲存暫時變數或其他中間資訊。此類指令在儲存於可由處理器804存取之非暫時性儲存媒體中之後使得電腦系統800呈現為經定製以執行以該等指令指定之操作之專用機器。
電腦系統800進一步包括耦接至匯流排802以用於儲存用於處理器804之靜態資訊及指令之唯讀記憶體(ROM)808或其他靜態儲存裝置。提供儲存裝置810(例如，圖3之知識推薦伺服器330之儲存裝置334)，諸如磁碟、光碟或USB隨身碟(快閃磁碟機)等等且將其耦接至匯流排802以用於儲存資訊及指令。
電腦系統800可經由匯流排802耦接至顯示器812。包括字母數字及其他鍵之輸入裝置814耦接至匯流排802以用於將資訊及命令選擇傳達至處理器804。另一類型之使用者輸入裝置為游標控制件816。
運算系統800可包括用以實施圖形使用者介面(GUI)之使用者介面模組，GUI可作為由一或多個運算裝置執行之可執行軟體程式碼儲存於大容量儲存裝置中。藉助於實例，此及其他模組可包括組件(諸如，軟體組件、物件導向軟體組件、類別組件及任務組件)、處理程序、函式、欄位、程序、副常式、程式碼之片段、驅動程式、韌體、微碼、電路系統、資料、資料庫、資料結構、表、陣列及變數。模組可包括例如圖3中所說明之系統300之一或多個組件。
電腦系統800可使用定製硬佈線邏輯、一或多個ASIC或FPGA、韌體及/或程式邏輯來實施本文中所描述之技術，結合電腦系統之定製硬佈線邏輯、一或多個ASIC或FPGA、韌體及/或程式邏輯致使電腦系統800或使電腦系統800程式化為專用機器。根據一些實施例，回應於處理器804執 行含於主記憶體806中之一或多個指令之一或多個序列，由電腦系統800執行本文中所描述之操作、功能性及技術及其他特徵。可將此類指令自諸如儲存裝置810之另一儲存媒體讀取至主記憶體806中。含於主記憶體806中之指令序列之執行致使處理器804執行本文中所描述之方法步驟(例如，圖6、圖8及/或圖10之程序)。在替代實施例中，可代替或結合軟體指令而使用硬佈線電路系統。
如本文中所使用之術語「非暫時性媒體」指代儲存致使機器以特定方式操作之資料及/或指令之任何非暫時性媒體。此類非暫時性媒體可包含非揮發性媒體及/或揮發性媒體。舉例而言，非揮發性媒體可包括光碟或磁碟，諸如儲存裝置810。揮發性媒體可包括動態記憶體，諸如主記憶體806。非暫時性媒體包括例如軟碟、軟性磁碟、硬碟、固態磁碟機、磁帶或任何其他磁性資料儲存媒體、CD-ROM、任何其他光學資料儲存媒體、具有孔圖案之任何實體媒體、RAM、PROM及EPROM、快閃EPROM、NVRAM、快閃記憶體、暫存器、快取記憶體、任何其他記憶體晶片或匣以及上述者之網路化版本。
非暫時性媒體不同於傳輸媒體但可結合傳輸媒體使用。傳輸媒體可參與在儲存媒體之間傳送資訊。舉例而言，傳輸媒體可包括同軸電纜、銅線及光纖，包括包含匯流排802之電線。傳輸媒體亦可呈聲波或光波形式，諸如在無線電波及紅外資料通信期間產生之聲波或光波。
可在將一或多個指令之一或多個序列攜載至處理器804以供執行時涉及各種形式之媒體。舉例而言，該等指令起初可攜載於遠端電腦之磁碟或固態磁碟機上。遠端電腦可將指令載入至其動態記憶體中，且使用數據機經由電話線而發送指令。在電腦系統800本端之數據機可接收電話線上之 資料，且使用紅外傳輸器以將資料轉換成紅外信號。紅外偵測器可接收紅外信號中攜載之資料且適合的電路系統可將資料置於匯流排802上。匯流排802將資料攜載至主記憶體806，處理器804自該主記憶體擷取及執行該等指令。可視需要在由處理器804執行之前或之後將由主記憶體806接收之該等指令儲存於儲存裝置810上。
電腦系統800亦可包括耦接至匯流排802之通信介面818。通信介面818(例如，圖3之缺陷分類伺服器320之通信介面322或知識推薦伺服器330之任何通信介面(未展示))可將雙向資料通信耦接提供至網路鏈路820，該網路鏈路可連接至區域網路822。舉例而言，通信介面818可為整合服務數位網路(ISDN)卡、電纜數據機、衛星數據機或數據機以將資料通信連接提供至對應類型之電話線。作為另一實例，通信介面818可為區域網路(LAN)卡以提供對相容LAN之資料通信連接。亦可實施無線鏈路。在任何此實施方案中，通信介面818可發送且接收攜載表示各種類型之資訊之數位資料流的電信號、電磁信號或光學信號。
網路鏈路820可通常經由一或多個網路將資料通信提供至其他資料裝置。舉例而言，網路鏈路820可經由區域網路822將一連接提供至主電腦824或由網際網路服務提供者(ISP)826操作之資料設備。ISP 826繼而可經由現在通常被稱作「網際網路」828之世界性封包資料通信網路提供資料通信服務。區域網路822及網際網路828兩者皆使用攜載數位資料流之電信號、電磁信號或光學信號。經由各種網路之信號及網路鏈路820上且經由通信介面818之信號可為實例形式之傳輸媒體，該信號將數位資料攜載至電腦系統800及自電腦系統800攜載數位資料。
電腦系統800可經由網路、網路鏈路820及通信介面818發送消息及接 收資料，包括程式碼。在網際網路實例中，伺服器830可經由網際網路828、ISP 826、區域網路822及通信介面818傳輸用於應用程式之經請求程式碼。
所接收程式碼可在其被接收時由處理器804執行，及/或儲存於儲存裝置810或其他非揮發性儲存器中以供稍後執行。在一些實施例中，伺服器830可提供資訊以供顯示於顯示器上。
根據上述所揭示實施例，缺陷再檢測系統包括知識推薦伺服器，其可將經推薦知識檔案提供至可藉由使用知識檔案對缺陷進行分類之缺陷分類伺服器。相較於其中使用者需要直觀地分析新近獲取晶圓檢測影像之典型缺陷再檢測系統且花費大量時間搜尋用於缺陷分類之知識檔案，亦即一旦在無使用者干預之情況下產生晶圓檢測影像，所揭示實施例之缺陷再檢測系統可在即時情境下執行整個缺陷再檢測程序。因此，提高缺陷再檢測程序之產出率。
另外，典型缺陷再檢測系統依賴於使用者經驗以選擇用於缺陷分類之知識檔案，此可致使不準確的缺陷分類結果。相比之下，所揭示實施例之知識推薦系統基於自缺陷斑塊影像要求之缺陷特徵參數搜尋知識檔案，此可產生更準確結果。
可使用以下條項來進一步描述實施例：
1.一種缺陷圖案分組方法，其包含，自一樣本之一影像獲得表示一第一缺陷之一第一多邊形；比較該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合；及使該第一多邊形與基於該比較所識別之任何一或多個代表性多邊形 成組。
2.如條項1之缺陷圖案分組方法，其進一步包含：獲取具有類似於該第一多邊形之一圖案之一多邊形圖案的一或多個代表性多邊形之集合。
3.如條項2之缺陷圖案分組方法，其進一步包含：將該第一多邊形及該所獲取集合之一或多個代表性多邊形指定為中心多邊形。
4.如條項3之缺陷圖案分組方法，其進一步包含：比較該等中心多邊形之相鄰多邊形資訊。
5.如條項4之缺陷圖案分組方法，其中該相鄰多邊形資訊包括環繞該等中心多邊形之一或多個相鄰多邊形圖案的拓樸特性。
6.如條項2之缺陷圖案分組方法，其進一步包含：獲取具有類似於該第一多邊形之一或多個拓樸特性之一或多個拓樸特性的一或多個代表性多邊形之該集合。
7.如條項2之缺陷圖案分組方法，其中比較該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合進一步包含：判定該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的一類似性。
8.如條項7之缺陷圖案分組方法，其中判定該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的該類似性進一步包含，對準該第一缺陷之多邊形圖案與一缺陷圖案系列的該集合之一或多個代表性多邊形中之一者的該多邊形圖案；及基於該對準來判定該類似性。
9.如條項7及8中任一項之缺陷圖案分組方法，其進一步包含， 回應於該類似性大於一預設類似性臨限值，使該第一多邊形與任何一或多個所獲取的代表性多邊形成組。
10.如條項7及8中任一項之缺陷圖案分組方法，其進一步包含回應於該類似性不大於一預設類似性臨限值，將該第一多邊形分組為一缺陷圖案之一代表性多邊形。
11.一種儲存指令之一集合之非暫時性電腦可讀媒體，指令之該集合可由一缺陷分類伺服器之一或多個處理器執行以使得該伺服器執行一方法，該方法包含，自一樣本之一影像獲得表示一第一缺陷之一第一多邊形；比較該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合；及使該第一多邊形與基於該比較所識別之任何一或多個代表性多邊形成組。
12.如條項11之非暫時性電腦可讀媒體，其中指令之該集合使得該伺服器進一步執行：獲取具有類似於該第一多邊形之一圖案之一多邊形圖案的一或多個代表性多邊形之集合。
13.如條項12之非暫時性電腦可讀媒體，其中指令之該集合使得該伺服器進一步執行：將該第一多邊形及該所獲取集合之一或多個代表性多邊形指定為中心多邊形。
14.如條項12之非暫時性電腦可讀媒體，其中指令之該集合使得該伺服器進一步執行： 比較該等中心多邊形之相鄰多邊形資訊。
15.如條項13之非暫時性電腦可讀媒體，其中該相鄰多邊形資訊包括環繞該等中心多邊形之一或多個相鄰多邊形圖案的拓樸特性。
16.如條項14之非暫時性電腦可讀媒體，其中指令之該集合使得該伺服器進一步執行：獲取具有類似於該第一多邊形之一或多個拓樸特性之一或多個拓樸特性的一或多個代表性多邊形之該集合。
17.如條項12之非暫時性電腦可讀媒體，其中比較該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合進一步包含：判定該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的一類似性。
18.如條項17之非暫時性電腦可讀媒體，其中判定該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的該類似性進一步包含，對準該第一缺陷之多邊形圖案與一缺陷圖案系列的該集合之一或多個代表性多邊形中之一者的該多邊形圖案；及基於該對準來判定該類似性。
19.如條項17及18中任一項之非暫時性電腦可讀媒體，指令之該集合使得該伺服器進一步執行：回應於該類似性大於一預設類似性臨限值，使該第一多邊形與任何一或多個所獲取的代表性多邊形成組。
20.如條項17及18中任一項之非暫時性電腦可讀媒體，指令之該集合使得該伺服器進一步執行： 回應於該類似性不大於一預設類似性臨限值，將該第一多邊形分組為一缺陷圖案之一代表性多邊形。
21.一種缺陷圖案分組系統，其包含：一記憶體，其經組態以儲存指令之一集合；及，一處理器，其經組態以執行指令之該集合以使得該缺陷圖案分組系統：自一樣本之一影像獲得表示一第一缺陷之一第一多邊形；比較該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合；及使該第一多邊形與基於該比較所識別之任何一或多個代表性多邊形成組。
22.如條項21之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：獲取具有類似於該第一多邊形之一圖案之一多邊形圖案的一或多個代表性多邊形之集合。
23.如條項22之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：將該第一多邊形及該所獲取集合之一或多個代表性多邊形指定為中心多邊形。
24.如條項23之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：比較該等中心多邊形之相鄰多邊形資訊。
25.如條項24之缺陷圖案分組系統，其中該相鄰多邊形資訊包括環 繞該等中心多邊形之一或多個相鄰多邊形圖案的拓樸特性。
26.如條項22之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：獲取具有類似於該第一多邊形之一或多個拓樸特性之一或多個拓樸特性的一或多個代表性多邊形之該集合。
27.如條項22之缺陷圖案分組系統，其中該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合之該比較進一步包含對該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的一類似性之一判定。
28.如條項27之缺陷圖案分組系統，其中對該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的該類似性之該判定進一步包含，該第一缺陷之多邊形圖案與一缺陷圖案系列的該集合之一或多個代表性多邊形中之一者的該多邊形圖案之一對準；及基於該對準對該類似性之一判定。
29.如條項27及28中任一項之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：回應於該類似性大於一預設類似性臨限值，使該第一多邊形與任何一或多個所獲取的代表性多邊形成組。
30.如條項27及28中任一項之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：回應於該類似性不大於一預設類似性臨限值，將該第一多邊形分組為一缺陷圖案之一代表性多邊形。
雖然已經結合各種實施例描述本發明，但自本說明書之考量及本文中揭示之本發明之實踐，本發明之其他實施例對於熟習此項技術者將顯而易見。意欲本說明書及實例僅視為例示性的，其中本發明之真正範疇及精神藉由以下申請專利範圍指示。

Claims (15)

  1. 一種缺陷圖案分組方法，其包含，自一樣本之一影像獲得表示一第一缺陷之一第一多邊形；比較該第一多邊形與一缺陷圖案系列(collection)之一或多個代表性多邊形之一集合；及使該第一多邊形與基於該比較所識別之任何一或多個代表性多邊形成組(grouping)。
  2. 如請求項1之缺陷圖案分組方法，其進一步包含：獲取具有類似於該第一多邊形之一圖案之一多邊形圖案的一或多個代表性多邊形之集合。
  3. 如請求項2之缺陷圖案分組方法，其進一步包含：將該第一多邊形及該所獲取集合之一或多個代表性多邊形指定為中心多邊形。
  4. 如請求項2之缺陷圖案分組方法，其進一步包含：比較該等中心多邊形之相鄰多邊形資訊，及/或其中該相鄰多邊形資訊包括環繞該等中心多邊形之一或多個相鄰多邊形圖案的拓樸特性。
  5. 如請求項2之缺陷圖案分組方法，其進一步包含：獲取具有類似於該第一多邊形之一或多個拓樸特性之一或多個拓樸特性的一或多個代表性多邊形之該集合。
  6. 如請求項2之缺陷圖案分組方法，其中比較該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合進一步包含：判定該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的一類似性。
  7. 如請求項6之缺陷圖案分組方法，其中判定該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的該類似性進一步包含，對準該第一缺陷之多邊形圖案與一缺陷圖案系列的該集合之一或多個代表性多邊形中之一者的該多邊形圖案；及基於該對準來判定該類似性。
  8. 如請求項7之缺陷圖案分組方法，其進一步包含，回應於該類似性大於一預設類似性臨限值，使該第一多邊形與任何一或多個所獲取的代表性多邊形成組。
  9. 如請求項7之缺陷圖案分組方法，其進一步包含，回應於該類似性不大於一預設類似性臨限值，將該第一多邊形分組為一缺陷圖案之一代表性多邊形。
  10. 一種缺陷圖案分組系統，其包含：一記憶體，其經組態以儲存指令之一集合；及，一處理器，其經組態以執行指令之該集合以使得該缺陷圖案分組系統：自一樣本之一影像獲得表示一第一缺陷之一第一多邊形；比較該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合；且使該第一多邊形與基於該比較所識別之任何一或多個代表性多邊形成組。
  11. 如請求項10之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：獲取具有類似於該第一多邊形之一圖案之一多邊形圖案的一或多個代表性多邊形之集合，及/或其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：將該第一多邊形及該所獲取集合之一或多個代表性多邊形指定為中心多邊形。
  12. 如請求項11之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：比較該等中心多邊形之相鄰多邊形資訊，及/或其中該相鄰多邊形資訊包括環繞該等中心多邊形之一或多個相鄰多邊形圖案的拓樸特性。
  13. 如請求項11之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：獲取具有類似於該第一多邊形之一或多個拓樸特性之一或多個拓樸特性的一或多個代表性多邊形之該集合。
  14. 如請求項11之缺陷圖案分組系統，其中該第一多邊形與一缺陷圖案系列之一或多個代表性多邊形之一集合之該比較進一步包含對該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的一類似性之一判定，及/或其中對該第一多邊形與一缺陷圖案系列的該集合之一或多個代表性多邊形之間的該類似性之該判定進一步包含，該第一缺陷之多邊形圖案與一缺陷圖案系列的該集合之一或多個代表性多邊形中之一者的該多邊形圖案之一對準；及基於該對準對該類似性之一判定。
  15. 如請求項14之缺陷圖案分組系統，其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：回應於該類似性大於一預設類似性臨限值，使該第一多邊形與任何一或多個所獲取的代表性多邊形成組，及/或其中該處理器經組態以執行指令之該集合以進一步使得該缺陷圖案分組系統：回應於該類似性不大於一預設類似性臨限值，將該第一多邊形分組為一缺陷圖案之一代表性多邊形。
TW107101929A 2017-01-18 2018-01-18 缺陷圖案分組方法及系統 TWI660249B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762447581P 2017-01-18 2017-01-18
US62/447,581 2017-01-18
US201862616420P 2018-01-11 2018-01-11
US62/616,420 2018-01-11

Publications (2)

Publication Number Publication Date
TW201841069A TW201841069A (zh) 2018-11-16
TWI660249B true TWI660249B (zh) 2019-05-21

Family

ID=61094448

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107101929A TWI660249B (zh) 2017-01-18 2018-01-18 缺陷圖案分組方法及系統

Country Status (3)

Country Link
US (1) US11238579B2 (zh)
TW (1) TWI660249B (zh)
WO (1) WO2018134286A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11238579B2 (en) * 2017-01-18 2022-02-01 Asml Netherlands B.V. Defect pattern grouping method and system
US11164302B2 (en) * 2019-08-08 2021-11-02 Canon Kabushiki Kaisha Systems and methods for classifying images of an imprinted film
US20210073976A1 (en) * 2019-09-09 2021-03-11 Carl Zeiss Smt Gmbh Wafer inspection methods and systems
CN113837983B (zh) * 2020-06-08 2023-09-15 长鑫存储技术有限公司 一种晶圆缺陷分析方法、系统、设备和介质
US11861286B2 (en) * 2020-06-30 2024-01-02 Synopsys, Inc. Segregating defects based on computer-aided design (CAD) identifiers associated with the defects
US11443095B2 (en) * 2020-07-10 2022-09-13 Taiwan Semiconductor Manufacturing Co., Ltd. Hotspot avoidance method for manufacturing integrated circuits
CN112114731A (zh) * 2020-09-09 2020-12-22 广东电网有限责任公司 一种变电站巡检设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5129009A (en) * 1990-06-04 1992-07-07 Motorola, Inc. Method for automatic semiconductor wafer inspection
JP2005315792A (ja) * 2004-04-30 2005-11-10 Sony Corp 欠陥検査分類装置
US20100215247A1 (en) * 2008-12-22 2010-08-26 Tadashi Kitamura System And Method For A Semiconductor Lithographic Process Control Using Statistical Information In Defect Identification
US20100226562A1 (en) * 2004-12-07 2010-09-09 Kla-Tencor Technologies Corporation Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle
US20160377561A1 (en) * 2015-05-28 2016-12-29 Kla-Tencor Corporation System and Method for Dynamic Care Area Generation on an Inspection Tool

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7194709B2 (en) * 2004-03-05 2007-03-20 Keith John Brankner Automatic alignment of integrated circuit and design layout of integrated circuit to more accurately assess the impact of anomalies
US7760929B2 (en) * 2005-05-13 2010-07-20 Applied Materials, Inc. Grouping systematic defects with feedback from electrical inspection
US8041103B2 (en) * 2005-11-18 2011-10-18 Kla-Tencor Technologies Corp. Methods and systems for determining a position of inspection data in design data space
US7676077B2 (en) * 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7765515B2 (en) * 2007-02-03 2010-07-27 Anchor Semiconductor, Inc. Pattern match based optical proximity correction and verification of integrated circuit layout
US8607169B2 (en) * 2011-12-28 2013-12-10 Elitetech Technology Co., Ltd. Intelligent defect diagnosis method
US8908957B2 (en) * 2011-12-28 2014-12-09 Elitetech Technology Co.,Ltd. Method for building rule of thumb of defect classification, and methods for classifying defect and judging killer defect based on rule of thumb and critical area analysis
US8831333B2 (en) * 2012-06-13 2014-09-09 Nanya Technology Corporation Mask pattern analysis apparatus and method for analyzing mask pattern
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
US10436720B2 (en) * 2015-09-18 2019-10-08 KLA-Tenfor Corp. Adaptive automatic defect classification
US9965848B2 (en) * 2015-12-23 2018-05-08 Kla-Tencor Corporation Shape based grouping
US10163733B2 (en) * 2016-05-31 2018-12-25 Taiwan Semiconductor Manufacturing Co., Ltd. Method of extracting defects
US11416979B2 (en) * 2017-01-18 2022-08-16 Asml Netherlands B.V. Defect displaying method
US11238579B2 (en) * 2017-01-18 2022-02-01 Asml Netherlands B.V. Defect pattern grouping method and system
WO2019129569A1 (en) * 2017-12-31 2019-07-04 Asml Netherlands B.V. Methods and systems for defect inspection and review
US20190279914A1 (en) * 2018-03-09 2019-09-12 Kla-Tencor Corporation Region of interest and pattern of interest generation for critical dimension measurement
KR102606140B1 (ko) * 2018-07-13 2023-11-24 에이에스엠엘 네델란즈 비.브이. 기계 학습을 기반으로 하는 패턴 그룹화 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5129009A (en) * 1990-06-04 1992-07-07 Motorola, Inc. Method for automatic semiconductor wafer inspection
JP2005315792A (ja) * 2004-04-30 2005-11-10 Sony Corp 欠陥検査分類装置
US20100226562A1 (en) * 2004-12-07 2010-09-09 Kla-Tencor Technologies Corporation Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle
US20100215247A1 (en) * 2008-12-22 2010-08-26 Tadashi Kitamura System And Method For A Semiconductor Lithographic Process Control Using Statistical Information In Defect Identification
US20160377561A1 (en) * 2015-05-28 2016-12-29 Kla-Tencor Corporation System and Method for Dynamic Care Area Generation on an Inspection Tool

Also Published As

Publication number Publication date
US11238579B2 (en) 2022-02-01
US20190333205A1 (en) 2019-10-31
WO2018134286A1 (en) 2018-07-26
TW201841069A (zh) 2018-11-16

Similar Documents

Publication Publication Date Title
TWI660249B (zh) 缺陷圖案分組方法及系統
TWI741244B (zh) 用於缺陷檢測及再檢測的方法及系統
JP5715873B2 (ja) 欠陥分類方法及び欠陥分類システム
TWI688761B (zh) 缺陷顯示方法
JP5107506B2 (ja) 欠陥分析器
JP3993817B2 (ja) 欠陥組成分析方法及び装置
JP5103058B2 (ja) 欠陥観察装置及び欠陥観察方法
JP5325580B2 (ja) Ｓｅｍを用いた欠陥観察方法及びその装置
US20130108147A1 (en) Inspection method and device therefor
JP2003240731A (ja) 欠陥検査方法及びその装置
TW201405685A (zh) 帶電粒子線裝置
KR102357310B1 (ko) 결함 검토를 위한 정보 추천