TWI667717B - 對於關注之圖像群體之圖案之異常偵測 - Google Patents
對於關注之圖像群體之圖案之異常偵測 Download PDFInfo
- Publication number
- TWI667717B TWI667717B TW105112711A TW105112711A TWI667717B TW I667717 B TWI667717 B TW I667717B TW 105112711 A TW105112711 A TW 105112711A TW 105112711 A TW105112711 A TW 105112711A TW I667717 B TWI667717 B TW I667717B
- Authority
- TW
- Taiwan
- Prior art keywords
- sample
- pattern
- interest
- instances
- images
- Prior art date
Links
- 238000013450 outlier detection Methods 0.000 title 1
- 238000003384 imaging method Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000000737 periodic effect Effects 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 239000013078 crystal Substances 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 82
- 238000013461 design Methods 0.000 description 59
- 235000012431 wafers Nutrition 0.000 description 50
- 230000007547 defect Effects 0.000 description 28
- 230000003287 optical effect Effects 0.000 description 27
- 238000007689 inspection Methods 0.000 description 23
- 239000004065 semiconductor Substances 0.000 description 21
- 238000010894 electron beam technology Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 11
- 230000005856 abnormality Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 238000010884 ion-beam technique Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000013077 scoring method Methods 0.000 description 3
- 238000009966 trimming Methods 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000001459 lithography Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001454 recorded image Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 206010070834 Sensitisation Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 230000008313 sensitization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本發明提供用於識別一關注圖案(POI)之多個例項中之異常之方法及系統。一系統包含經組態用於獲取藉由一成像子系統在形成於樣品上之一晶粒內之一POI之多個例項處產生之圖像之一或多個電腦子系統。該多個例項包含定位於該晶粒內之非週期性位置處之兩個或兩個以上例項。該(等)電腦子系統亦經組態用於判定在該POI之該多個例項處產生之該等圖像之各者之一特徵。另外,該(等)電腦子系統經組態用於基於該等所判定特徵識別該POI之該多個例項中之一或多個異常。
Description
本發明大體上係關於用於對於關注之圖像群體之圖案之異常偵測之方法及系統。
以下描述及實例不因其等包含於此段落中而被承認係先前技術。
製造諸如邏輯及記憶體裝置之半導體裝置通常包含使用大量半導體製造程序處理諸如一半導體晶圓之一基板以形成半導體裝置之多種特徵及多個層級。舉例而言,微影係涉及將一圖案自一倍縮光罩轉印至配置於一半導體晶圓上之一光阻劑之一半導體製造程序。半導體製造程序之額外實例包含(但不限於)化學機械拋光(CMP)、蝕刻、沈積及離子植入。多個半導體裝置可以一配置製造於一單一半導體晶圓上且接著被分成個別半導體裝置。
在一半導體製造程序期間之多種步驟處使用檢測程序以偵測晶圓上之缺陷以促進製造程序中之較高良率且因此促進較高利潤。檢測始終係製造諸如IC之半導體裝置之一重要部分。然而,隨著半導體裝置之尺寸減小,檢測對於可接受半導體裝置之成功製造變得更為重要,此係因為較小缺陷可導致裝置故障。
然而,隨著設計規則縮小,半導體製造程序可更接近對程序之
效能能力之限制而操作。另外,隨著設計規則縮小,較小缺陷可影響裝置之電參數,此驅動更多靈敏檢測。因此,隨著設計規則縮小,藉由檢測偵測之潛在良率相關缺陷之群體顯著增長,且藉由檢測偵測之妨害缺陷之群體亦顯著增加。因此,可在晶圓上偵測愈來愈多缺陷,且校正程序以消除全部缺陷可係困難且昂貴的。
最近,檢測系統及方法日益經設計以專注於缺陷與設計之間之關係,此係因為對一晶圓之設計之影響將判定一缺陷是否重要及一缺陷之重要程度。舉例而言,已開發用於將檢測僅專注於印刷於晶圓上之設計之特定部分之一些方法。設計之該等部分可通常稱為「關注圖案」(POI)。
當前,可執行POI監測作為由當前晶圓檢測系統採用以尋找半導體晶圓上之缺陷之晶粒至晶粒差異策略之一延伸。在此策略中,可藉由獲取所謂的參考晶粒及測試晶粒上之POI之間之差異而執行異常偵測。只要所搜尋之缺陷不具有抵消POI之參考圖像與測試圖像之間之差異之一共模,則此係執行異常偵測之一靈敏方式。
然而,用於基於POI之缺陷偵測之上文中描述之方法存在若干缺點。舉例而言,當共模缺陷機制抵消POI之參考圖像與測試圖像之間之差異時,無法執行異常偵測。另外,無法使用分析鄰近晶粒之間之差異之當前方法論(根據定義必須涉及複數個晶粒)執行晶粒內檢測。此外,識別POI及在一特定POI中之設計結構上執行之幾何量測係一耗時之手動任務。
因此,開發用於識別一POI之多個例項中之異常之無上文描述之一或多個缺點之系統及方法將係有利的。
多項實施例之以下描述絕不應理解為限制隨附申請專利範圍之標的。
一項實施例係關於一種經組態以識別一樣品上之一關注圖案(POI)之多個例項中之異常之系統。該系統包含一成像子系統,該成像子系統包含至少一能量源及一偵測器。該能量源經組態以產生引導至一樣品之能量。該偵測器經組態以偵測來自該樣品之能量且回應於所偵測能量產生圖像。該系統亦包含經組態用於獲取藉由該成像子系統在形成於該樣品上之一晶粒內之一POI之多個例項處產生之圖像之一或多個電腦子系統。該多個例項包含定位於晶粒內之非週期性位置處之兩個或兩個以上例項。該一或多個電腦子系統亦經組態用於判定在該POI之該多個例項處產生之該等圖像之各者之一特徵。另外,該一或多個電腦子系統經組態用於基於該等所判定特徵識別該POI之該多個例項中之一或多個異常。可如本文中描述般進一步組態系統。
另一實施例係關於一種用於識別一樣品上之一POI之多個例項中之異常之電腦實施方法。該方法包含上文中描述之步驟。該方法之步驟由一或多個電腦系統執行。可如本文中進一步描述般進一步執行上文中描述之方法之各步驟。另外,上文中描述之方法之實施例可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。此外,上文中描述之方法可由本文中描述之任何系統執行。
另一實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體,該等程式指令可在一電腦系統上執行以執行用於識別一樣品上之一POI之多個例項中之異常之一電腦實施方法。該電腦實施方法包含上文中描述之方法之步驟。可如本文中描述般進一步組態該電腦可讀媒體。可如本文中進一步描述般執行該電腦實施方法之步驟。另外,可針對其執行該等程式指令之電腦實施方法可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。
10‧‧‧成像子系統
14‧‧‧樣品
16‧‧‧光源
18‧‧‧光學元件
20‧‧‧透鏡
21‧‧‧光束分離器
22‧‧‧載物台
24‧‧‧集光器
26‧‧‧元件
28‧‧‧偵測器
30‧‧‧集光器
32‧‧‧元件
34‧‧‧偵測器
36‧‧‧電腦子系統
102‧‧‧電腦子系統
122‧‧‧電子柱
124‧‧‧電腦子系統
126‧‧‧電子束源
128‧‧‧樣品
130‧‧‧元件
132‧‧‧元件
134‧‧‧偵測器
300‧‧‧二進制圖像
302‧‧‧圖像
304‧‧‧圖像
306‧‧‧線
400‧‧‧晶圓
402‧‧‧晶粒
404‧‧‧晶粒
406‧‧‧POI之例項
408‧‧‧晶粒
410‧‧‧POI之例項
412‧‧‧晶粒
414‧‧‧場
416‧‧‧場
418‧‧‧POI之例項
600‧‧‧晶圓
602‧‧‧晶粒
604‧‧‧虛邊界
700‧‧‧非暫時性電腦可讀媒體
702‧‧‧程式指令
704‧‧‧電腦系統
熟習此項技術者在受益於較佳實施例之以下詳細描述之情況下
且在參考隨附圖式之後將瞭解本發明之進一步優點,其中:圖1及圖2係繪示如本文中描述般組態之一系統之實施例之側視圖之示意圖;圖3係繪示一關注圖案(POI)、在形成於一樣品上之POI之一例項處產生之一子圖像及其上覆疊有關於POI之設計之資訊之子圖像之一項實施例之一平面圖之一示意圖;圖4係繪示形成於一樣品上之一晶粒或一倍縮光罩場內之一POI或一個以上POI之多個例項之不同實施例之一平面圖之一示意圖;圖5係展示針對一樣品上之多個晶粒識別如本文中描述之一或多個異常之結果及可如何使用該等結果以識別晶粒中之異常之一實例之一圖表;圖6係繪示形成於一樣品上且定位於樣品上之一區域中之多個晶粒之至少部分之一項實施例之一平面圖之一示意圖;及圖7係繪示儲存用於導致一電腦系統執行本文中描述之一電腦實施方法之程式指令之一非暫時性電腦可讀媒體之一項實施例之一方塊圖。
雖然本發明易於以多種修改及替代形式呈現,但本發明之特定實施例藉由實例而以圖式展示且將在本文中詳細描述。圖式可不按比例繪製。然而,應瞭解,圖式及其詳細描述不意欲將本發明限於所揭示之特定形式,而相反,本發明欲涵蓋落於如由隨附申請專利範圍界定之本發明之精神及範疇內之全部修改、等效物及替代。
如本文中使用之術語「設計」及「設計資料」通常係指一IC之實體設計(佈局)及透過複雜模擬或簡單幾何及布林運算自實體設計導出之資料。實體設計可儲存於一資料結構中,諸如一圖形資料串流(GDS)檔案、任何其他標準機器可讀檔案、此項技術中已知之任何其
他適合檔案及一設計資料庫。一GDSII檔案係用於設計佈局資料之表示之一類檔案之一者。此等檔案之其他實例包含GL1及OASIS檔案及專屬檔案格式(諸如RDF資料),其專屬於加利福尼亞州,米爾皮塔斯市(Milpitas),KLA-Tencor。另外,藉由一倍縮光罩檢測系統獲取之一倍縮光罩之一圖像及/或其之導出物可用作用於設計之一「代理」或「若干代理」。此一倍縮光罩圖像或其之一導出物可在使用一設計之本文中描述之任何實施例中充當對於設計佈局之一取代物。由一高解析度檢視系統(如同一基於掃描電子顯微鏡(SEM)之檢視系統)獲取之一晶圓上之一局部區域之一高解析度圖像及/或其之導出物亦可充當對於該區域中之局部設計之一取代物。設計可包含2009年8月4日頒予Zafar等人之共同擁有之美國專利第7,570,796號及2010年3月9日頒予Kulkarni等人之共同擁有之美國專利第7,676,077號中描述之任何其他設計資料或設計資料代理,該兩個專利以宛如全文陳述引用之方式併入本文中。另外,設計資料可係標準單元庫資料、整合佈局資料、一或多個層之設計資料、設計資料之導出物及完全或部分晶片設計資料。
在一些例項中,來自一晶圓或倍縮光罩之模擬或獲取圖像可用作用於設計之一代理。圖像分析亦可用作用於設計分析之一代理。舉例而言,可自印刷於一晶圓及/或倍縮光罩上之一設計之一圖像提取設計中之多邊形,假定以足夠解析度獲取晶圓及/或倍縮光罩之圖像以使設計之多邊形充分成像。另外,本文中描述之「設計」及「設計資料」係指由半導體裝置設計者在一設計程序中產生且因此可在將設計印刷於任何實體晶圓上之前良好地用於本文中描述之實施例中之資訊及資料。
較佳地,如本文中所使用之術語「設計」或「實體設計」係指如將理想地形成於樣品上之設計-「設計意圖」。舉例而言,本文中描
述之一設計或實體設計較佳將不包含將不印刷於一晶圓上之設計之特徵(諸如光學接近校正(OPC)特徵及子解析度輔助特徵(SRAF)),其等經添加至設計意圖以增強將特徵印刷於晶圓上而不實際印刷其等自身。以此方式,在一些實施例中,用於本文中進一步描述之步驟之樣品之設計不包含將不印刷於樣品上之設計之特徵。
現參考圖式,應注意,圖未按比例繪製。特定言之,在很大程度上放大圖之一些元件之尺度以強調元件之特性。亦應注意,該等圖未按相同比例繪製。已使用相同元件符號指示可經類似組態之展示於一個以上圖中之元件。除非本文中另有說明,否則所描述且展示之任何元件可包含任何適合市售元件。
一般言之,本文中描述之實施例經組態用於對於關注圖案(POI)之圖像群體之異常偵測。本文中描述之實施例可用於透過來自一樣品檢測工具(或其他圖像產生系統)之圖像資料之明智使用結合描述經檢測之樣品(例如,晶圓層)上之電路圖案之設計資料之使用而改良且促進監測一晶圓廠或晶圓代工廠中之一半導體晶圓或另一樣品上之某些良率關鍵及易出故障設計圖案。此檢測將容許晶圓廠及晶圓代工廠尋找與在此等關鍵POI處捕捉之異常資料(即,缺陷)有關之良率問題。假定在此等POI處之缺陷係由故障設計、微影或半導體製造程序導致(相對於外部「落下」缺陷)且若採取適當且權宜對策,則捕捉其等將減少總體生產成本。
因此,一項實施例係關於一種經組態以識別一樣品上之一POI之多個例項中之異常之系統。在一項實施例中,樣品包含一晶圓。在另一實施例中,樣品包含一倍縮光罩。晶圓及倍縮光罩可包含此項技術中已知之任何晶圓及倍縮光罩。
圖1中展示此一系統之一項實施例。系統包含一成像子系統,該成像子系統包含至少一能量源及一偵測器。能量源經組態以產生引導
至一樣品之能量。偵測器經組態以偵測來自樣品之能量且回應於所偵測能量而產生圖像。
在一項實施例中,引導至樣品之能量包含光,且自樣品偵測之能量包含光。舉例而言,在圖1中展示之系統之實施例中,成像子系統10包含經組態以將光引導至樣品14之一照明子系統。照明子系統包含至少一光源。舉例而言,如圖1中展示,照明子系統包含光源16。在一項實施例中,照明子系統經組態以按可包含一或多個傾斜角及/或一或多個法向角之一或多個入射角將光引導至樣品。舉例而言,如圖1中展示,引導來自光源16之光穿過光學元件18且接著穿過透鏡20至光束分離器21,光束分離器21按一法向入射角將光引導至樣品14。入射角可包含可取決於(例如)樣品之特性及待在樣品上偵測之缺陷而變動之任何適合入射角。
照明子系統可經組態以在不同時間按不同入射角將光引導至樣品。舉例而言,成像子系統可經組態以更改照明子系統之一或多個元件之一或多個特性使得可按不同於圖1中展示之一入射角將光引導至樣品。在一此實例中,成像子系統可經組組態以移動光源16、光學元件18及透鏡20使得按一不同入射角將光引導至樣品。
在一些例項中,成像子系統可經組態以在相同時間按一個以上入射角將光引導至樣品。舉例而言,照明子系統可包含一個以上照明通道,照明通道之一者可包含如圖1中展示之光源16、光學元件18及透鏡20,且照明通道之另一者(未展示)可包含可不同或相同組態之類似元件或可包含至少一光源及可能一或多個其他組件(諸如本文中進一步描述之組件)。若在與其他光相同之時間將此光引導至樣品,則按不同入射角引導至樣品之光之一或多個特性(例如,波長、偏光等)可不同,使得可在(若干)偵測器處將源自按不同入射角照明樣品之光彼此區分。
在另一例項中,照明子系統可僅包含一光源(例如,圖1中展示之源16)且來自該光源之光可由照明子系統之一或多個光學元件(未展示)分成不同光學路徑(例如,基於波長、偏光等)。接著,可將不同光學路徑之各者中之光引導至樣品。多個照明通道可經組態以在相同時間或不同時間(例如,當使用不同照明通道以依序照明樣品時)將光引導至樣品。在另一例項中,相同照明通道可經組態以在不同時間將具有不同特性之光引導至樣品。舉例而言,在一些例項中,光學元件18可經組態為一光譜濾光器且可以多種不同方式(例如,藉由調換出光譜濾光器)改變光譜濾光器之性質使得可在不同時間將不同波長之光引導至樣品。照明子系統可具有此項技術中已知之用於依序或同時按不同或相同入射角將具有不同或相同特性之光引導至樣品之任何其他適合組態。
在一項實施例中,光源16可包含一寬頻電漿(BBP)光源。以此方式,由光源產生且引導至樣品之光可包含寬頻光。然而,光源可包含任何其他適合光源(諸如一雷射)。雷射可包含此項技術中已知之任何適合雷射且可經組態以產生任何適合波長或此項技術中已知之波長之光。另外,雷射可經組態以產生單色或近單色光。以此方式,雷射可係一窄頻雷射。光源亦可包含產生多個離散波長或波帶之光之一多色光源。
來自光學元件18之光可藉由透鏡20聚焦至光束分離器21。雖然透鏡20在圖1中展示為一單折射光學元件,但應理解,實務上,透鏡20可包含將來自光學元件之光組合地聚焦至樣品之若干折射及/或反射光學元件。圖1中展示且本文中描述之照明子系統可包含任何其他適合光學元件(未展示)。此等光學元件之實例包含(但不限於)(若干)偏光組件、(若干)光譜濾光器、(若干)空間濾光器、(若干)反射光學元件、(若干)變跡器、(若干)光束分離器、(若干)孔徑及可包含此項
技術中已知之任何此等適合光學元件之類似者。另外,系統可經組態以基於用於成像之照明之類型更改照明子系統之元件之一或多者。
成像子系統亦可包含經組態以導致光掃描遍及樣品之一掃描子系統。舉例而言,成像子系統可包含在成像期間在其上安置樣品14之載物台22。掃描子系統可包含可經組態以移動樣品使得光可掃描遍及樣品之任何適合機械及/或機器人總成(包含載物台22)。另外或替代地,成像子系統可經組態使得成像子系統之一或多個光學元件執行光遍及樣品之某一掃描。可以任何適合方式使光掃描遍及樣品。
成像子系統進一步包含一或多個偵測通道。一或多個偵測通道之至少一者包含一偵測器,該偵測器經組態以偵測歸因於藉由成像子系統照明樣品而來自樣品之光且回應於所偵測光產生圖像。舉例而言,圖1中展示之成像子系統包含兩個偵測通道,一偵測通道由集光器24、元件26及偵測器28形成且另一偵測通道由集光器30、元件32及偵測器34形成。如圖1中展示,兩個偵測通道經組態以按不同收集角收集且偵測光。在一些例項中,一偵測通道經組態以偵測鏡面反射光且另一偵測通道經組態以偵測並非自樣品鏡面反射(例如,散射、繞射等)之光。然而,兩個或兩個以上偵測通道可經組態以偵測來自樣品之相同類型之光(例如,鏡面反射光)。雖然圖1展示包含兩個偵測通道之成像子系統之一實施例,但成像子系統可包含不同數目個偵測通道(例如,僅一個偵測通道或兩個或兩個以上偵測通道)。雖然在圖1中將各集光器展示為單折射光學元件,但應理解,各集光器可包含一或多個折射光學元件及/或一或多個反射光學元件。
一或多個偵測通道可包含此項技術中已知之任何適合偵測器。舉例而言,偵測器可包含光電倍增管(PMT)、電荷耦合裝置(CCD)及延時積分(TDI)相機。偵測器亦可包含此項技術中已知之任何其他適合偵測器。偵測器亦可包含非成像偵測器或成像偵測器。以此方式,
若偵測器係非成像偵測器,則各偵測器可經組態以偵測光之某些特性(諸如強度)但不可經組態以偵測依據成像平面內之位置而變化之此等特性。因而,由包含於成像子系統之各偵測通道中之各偵測器產生之輸出可係信號或資料,而非圖像信號或圖像資料。在此等例項中,一電腦子系統(諸如系統之電腦子系統36)可經組態以自偵測器之非成像輸出產生樣品之圖像。然而,在其他例項中,偵測器可經組態為經組態以產生成像信號或圖像資料之成像偵測器。因此,系統可經組態以依若干方式產生本文中描述之圖像。
應注意,本文中提供圖1以大體上繪示可包含於本文中描述之系統實施例中之一成像子系統之一組態。顯然,可更改本文中描述之成像子系統組態以如在設計一商業檢測系統時通常執行般最佳化成像子系統之效能。另外,可使用諸如商業上可購自加利福尼亞州,米爾皮塔斯市,KLA-Tencor之29xx/28xx系列之工具之一現有成像子系統(例如,藉由將本文中描述之功能性添加至一現有檢測系統)實施本文中描述之系統。對於一些此等系統,本文中描述之方法可提供為系統之選用功能性(例如,除了系統之其他功能性之外)。替代地,可「從頭開始」設計本文中描述之系統以提供一全新系統。
系統之電腦子系統36可以任何適合方式(例如,經由一或多個傳輸媒體,該一或多個傳輸媒體可包含「有線」及/或「無線」傳輸媒體)耦合至成像子系統之偵測器使得電腦子系統可接收在樣品之掃描期間由偵測器產生之圖像。電腦子系統36可經組態以使用由如本文中描述之偵測器產生之圖像執行若干功能及本文中進一步描述之任何其他功能。可如本文中描述般進一步組態此電腦子系統。
此電腦子系統(以及本文中描述之其他電腦子系統)在本文中亦可稱為(若干)電腦系統。本文中描述之(若干)電腦子系統或(若干)系統之各者可採取多種形式,包含一個人電腦系統、圖像電腦、主機電腦
系統、工作站、網路設備、網際網路設備或其他裝置。一般言之,術語「電腦系統」可經廣泛定義以涵蓋具有執行來自一記憶體媒體之指令之一或多個處理器之任何裝置。(若干)電腦子系統或(若干)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,(若干)電腦子系統或(若干)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工具)。
若系統包含一個以上電腦子系統,則不同電腦子系統可彼此耦合使得可在電腦子系統之間發送圖像、資料、資訊、指令等,如本文中進一步描述。舉例而言,電腦子系統36可藉由可包含此項技術中已知之任何適合有線及/或無線傳輸媒體之任何適合傳輸媒體耦合至(若干)電腦子系統102(如由圖1中之虛線展示)。兩個或兩個以上此等電腦子系統亦可藉由一共用電腦可讀儲存媒體(未展示)而有效耦合。
雖然在上文中將成像子系統描述為一光學或基於光之成像子系統,但成像子系統可係一基於電子束之成像子系統。舉例而言,在一項實施例中,引導至樣品之能量包含電子,且自樣品偵測之能量包含電子。以此方式,能量源可係一電子束源。在圖2中展示之一此實施例中,成像子系統包含電子柱122,該電子柱122耦合至電腦子系統124。
亦如圖2中展示,電子柱包含經組態以產生由一或多個元件130聚焦至樣品128之電子之電子束源126。電子束源可包含(例如)一陰極源或射極尖端,且一或多個元件130可包含(例如)一槍透鏡、一陽極、一限束孔徑、一閘閥、一束電流選擇孔徑、一物鏡及一掃描子系統,其等全部可包含此項技術中已知之任何此等適合元件。
自樣品返回之電子(例如,二次電子)可由一或多個元件132聚焦至偵測器134。一或多個元件132可包含(例如)一掃描子系統,該掃描子系統可係包含於(若干)元件130中之相同掃描子系統。
電子柱可包含此項技術中已知之任何其他適合元件。另外,可如2014年4月4日頒予Jiang等人之美國專利第8,664,594號、2014年4月8日頒予Kojima等人之美國專利第8,692,204號、2014年4月15日頒予Gubbens等人之美國專利第8,698,093號及2014年5月6日頒予MacDonald等人之美國專利第8,716,662號中所描述般進一步組態電子柱,該等專利以宛如全文陳述引用之方式併入本文中。
雖然在圖2中將電子柱展示為經組態使得按一傾斜入射角將電子引導至樣品且按另一傾斜角自晶圓散射電子,但應理解,可按任何適合角將電子束引導至樣品且自樣品散射電子束。另外,基於電子束之成像子系統可經組態以使用多個模式以產生樣品之圖像(例如,使用不同照明角、收集角等)。基於電子束之成像子系統之多個模式可在成像子系統之任何圖像產生參數方面不同。
電腦子系統124可耦合至偵測器134,如上文中描述。偵測器可偵測自樣品之表面返回之電子,藉此形成樣品之電子束圖像。電子束圖像可包含任何適合電子束圖像。電腦子系統124可經組態以使用偵測器之輸出及/或電子束圖像執行本文中描述之任何功能。電腦子系統124可經組態以執行本文中描述之(若干)任何額外步驟。可如本文中描述般進一步組態包含圖2中展示之成像子系統之一系統。
應注意,本文中提供圖2以大體上繪示可包含於本文中描述之實施例中之一基於電子束之成像子系統之一組態。如同上文中描述之光學成像子系統,可變更本文中描述之基於電子束之成像子系統組態以如在設計一商業檢測系統時通常執行般最佳化成像子系統之效能。另外,可使用諸如商業上可購自KLA-Tencor之eSxxx系列之工具之一現有檢測系統(例如,藉由將本文中描述之功能性添加至一現有檢測系統)實施本文中描述之系統。對於一些此等系統,本文中描述之方法可提供為系統之選用功能性(例如,除了系統之其他功能性之外)。替
代地,可「從頭開始」設計本文中描述之系統以提供一全新系統。
雖然在上文中將成像子系統描述為一基於光或基於電子束之成像子系統,但成像子系統可係一基於離子束之成像子系統。可如圖2中展示般組態此一成像子系統,惟可使用此項技術中已知之任何適合離子束源替換電子束源除外。另外,成像子系統可係任何其他適合基於離子束之成像子系統,諸如包含於市售聚焦離子束(FIB)系統、氦離子顯微鏡(HIM)系統及二次離子質譜儀(SIMS)系統中之基於離子束之成像子系統。
包含於本文中描述之系統實施例中之一或多個電腦子系統經組態用於獲取由成像子系統在形成於樣品上之一晶粒內之一POI之多個例項處產生之圖像。舉例而言,使用如本文中描述般可包含一晶粒中之各POI之位置之資訊之一配方,成像子系統掃描樣品且在該等位置處記錄來自樣品上之一或多個(或全部)晶粒之圖像。以此方式,成像子系統可在如本文中進一步描述般判定之POI位置處擷取POI圖像資料。接著,藉由如本文中進一步描述之(若干)電腦子系統獲取該圖像資料。由本文中描述之實施例使用之資料可係數位圖像資料(即,其之像素之各者上之數字之二維(2D)陣列)。各圖像可係稱為一樣品(諸如一半導體晶圓)上之POI之一特定圖案之一樣本,且全部圖像可具有相同尺寸。然而,任何形式之圖像、彼此對準之多個模式中之圖像、量測、量測之一向量等可用作圖像或代替本文中描述之圖像。
在圖3中展示一特定POI。圖3中展示之二進制圖像300對照一黑色背景以白色展示一部分多邊形(即,在其側上之一T接面)。在POI位置處自晶圓之設計資訊產生二進制圖像300。檢測之實際層可係一溝渠層,即T表示之金屬線仍使用金屬填充。在其中溝渠線比表面更暗之圖像302中展示此POI之一光學檢測圖像之一樣本。一旦執行精細對準(可如本文中進一步描述般執行),針對此POI之全部樣本可非常類
似於圖3中展示之圖像302。光學圖像上之設計多邊形邊緣之覆疊由覆疊於圖像304上之線306展示。
多個例項包含定位於晶粒內之非週期性位置處之兩個或兩個以上例項。在圖4中展示POI之多個例項之不同實施例。在圖4中將樣品展示為晶圓400。雖然在圖4中關於一晶圓展示實施例,但多個例項亦可如圖4中展示般定位在其他樣品上。多個晶粒經展示以不一定反映晶粒在一實際晶圓上之配置之一方式形成於晶圓上。代替性地,在圖4中展示不同晶粒以僅僅繪示一POI之多個例項在一晶粒內可具有之不同位置。
在一此實例中,在圖4中展示之晶粒402中,展示一種類型之POI之多個例項406。特定言之,本文中描述之各POI可形成於樣品上之一晶粒內之多個位置或「例項」中。另外,樣品上之一晶粒內可存在不同類型之POI,且不同類型之各者可出現於晶粒內之不同(一或多個)位置處。在晶粒402中,多個例項406僅針對一種類型之POI。
如圖4中進一步展示,多個例項406並非定位於晶粒402內之週期性位置處。特定言之,多個例項406並非沿著任一維度(例如,x或y維度)以規則間隔之時間間隔出現。以此方式,POI之多個例項不等效於在x及y兩個維度中形成於週期性位置處之一晶粒之一陣列區域中之單元。另外,POI之多個例項不等效於一晶粒內之場,其中各場大小為若干微米之數量級且預期全部場定位於一晶粒內一維度中之相同座標上。代替性地,POI可遠小於一場大小(例如,晶粒中之一單一特徵或多邊形或甚至僅晶粒中之一單一特徵或多邊形之一部分之數量級)。特定言之,雖然一場大小可為若干微米之數量級,但一典型POI大小可為僅若干奈米之數量級。另外,POI不一定沿著一維度中之相同座標定位在晶粒中。因此,POI之多個例項可貫穿晶粒在兩個維度中隨機定位(雖然POI之多個例項不一定隨機,此係因為其等之位置由晶粒
之設計指示)。
如圖4中進一步展示,多個例項406可定位於樣品上之晶粒402中而非晶粒404中。特定言之,如本文中進一步描述,(若干)電腦子系統可僅針對樣品上之一單一晶粒執行本文中描述之異常偵測。因此,用於識別(若干)異常之一POI之多個例項可僅包含在樣品上之一晶粒(例如,晶粒402)且非樣品上之其他晶粒(例如,非晶粒402)中之一POI之多個例項。然而,可藉由(若干)電腦子系統針對樣品上之不同晶粒(例如,在逐晶粒基礎上)單獨執行本文中描述之異常識別。以此方式,可使用晶粒402中之多個例項406執行異常偵測,接著可使用晶粒404中之多個例項(未展示)執行異常偵測。若針對不同晶粒單獨執行異常偵測,則一POI之多個例項之晶粒座標內之異常偵測可用於各不同晶粒。舉例而言,若基於在晶粒402中之多個例項406處形成之相同類型之POI針對晶粒404執行異常偵測,則多個例項之晶粒位置內之異常偵測可用於針對晶粒404執行之異常偵測。
如本文中進一步描述,可針對不同POI單獨執行異常偵測,且不同POI可定位於相同晶粒中。舉例而言,如圖4中之晶粒408中展示,可針對晶粒408及形成於多個例項406處之一POI類型執行異常偵測。亦可針對晶粒408及形成於多個例項410處之一不同POI類型執行異常偵測。多個例項406可配置於晶粒408內,如本文中進一步描述。第二POI類型之多個例項410可以相同方式配置於晶粒408內,如關於多個例項406所描述(例如,在一個或兩個維度中之週期性位置處、在看似隨機位置處,在由晶粒之設計指示之位置處等)。另外,取決於將針對其等執行異常偵測之不同類型之POI之數目,可針對任一晶粒單獨執行任何次異常偵測。換言之,可針對定位於晶粒中之兩個或兩個以上不同類型之POI單獨執行兩次或兩次以上異常偵測。
如本文中進一步描述,可在一場基礎上執行異常偵測。舉例而
言,如圖4中展示,晶粒412可包含兩個不同場414及416(雖然一晶粒可包含以任何適合配置定位於晶粒內之任何適合數目個場)。可針對各場或僅針對一些場單獨執行異常偵測。舉例而言,如圖4中展示,可針對場414及定位於多個例項418處之一種類型之POI執行異常偵測而可不針對場416執行異常偵測(因此,在場416中未展示多個例項)。可如本文中描述般以其他方式針對場執行異常偵測(例如,在逐POI基礎上使得對於任一場,可針對不同POI單獨執行異常偵測;在逐場基礎上使得針對不同場單獨執行異常偵測等)。
(若干)電腦子系統亦經組態用於判定在POI之多個例項處產生之各圖像之一特徵。特徵可由一單一值組成且可包含多個值之一有序集(即,一向量)。特徵可係(例如)以一光柵順序輸出成一向量之圖像之灰階值。然而,在本文中描述之實施例中可判定且使用任何適合圖像特徵。舉例而言,本文中描述之實施例中可判定且使用之其他特徵包含(但不限於)在x及/或y方向上之灰度值之局部梯度、在像素鄰域上求得之平均值(例如,3像素乘3像素)等。另外,可針對在POI之多個例項處產生之各圖像判定一個以上特徵。
(若干)電腦子系統進一步經組態用於基於所判定特徵識別POI之多個例項中之一或多個異常。識別一或多個異常可包含針對各POI之基於拒斥或偏差計分之異常分析,此可如本文中進一步描述般執行。
在一項實施例中,一或多個電腦子系統經組態用於針對形成於樣品上之晶粒內之一不同POI單獨執行獲取圖像、判定特徵及識別(若干)異常步驟。舉例而言,如本文中進一步描述,在任一晶粒中,可存在一個以上類型之POI。在一晶粒中,亦可存在各類型之POI之一或多個例項。另外,可期望針對一個以上類型之POI執行異常偵測。因此,可針對不同類型之POI單獨執行本文中描述之異常偵測。舉例而言,可針對一第一類型之POI僅使用在第一類型之POI之多個例項
處產生之圖像執行異常偵測,可針對一第二類型之POI僅使用在第二類型之POI之多個例項處產生之圖像執行異常偵測及等等。
在一此實施例中,POI之多個例項及不同POI覆蓋大部分晶粒。舉例而言,一使用者或(若干)電腦子系統可自一晶粒之設計判定足夠覆蓋晶粒之具有大量各POI類型之數個POI。具有此覆蓋範圍使得檢測本質上等效於一全晶粒檢測可係重要的。具有大量各POI類型以提供相對高可信度之異常分析結果亦可係重要的。另外,用於異常偵測之POI之多個例項可包含一晶粒(或針對其執行異常偵測之其他區域)中之POI之每一單一例項或少於晶粒(或其他區域)中之POI之每一單一例項(例如若無需POI之每一例項以提供統計上顯著資訊用於異常偵測)。
在另一實施例中,判定特徵且識別(若干)異常不包含自在POI之多個例項處產生之兩個或兩個以上圖像產生一差異圖像。因此,本文中描述之實施例之一優點係其等可判定在POI圖像之一相對大群體上之異常而不依靠差異化。因此,不同於其中共模缺陷機制在針對一POI之參考圖像與測試圖像之間彼此抵消之方法及系統,POI中之異常之偵測不出現共模抵消之問題。另外,由於本文中描述之實施例可在不針對一POI產生差異圖像之情況下執行異常偵測,因此用於本文中描述之異常偵測之POI圖像之群體無需產生於樣品上之一個以上晶粒中。以此方式,用於本文中描述之異常偵測之POI圖像之群體可僅限於在一單一晶粒內之位置處產生之POI圖像。以此方式,本文中描述之異常可本質上等效於晶粒內檢測。
在一額外實施例中,(若干)電腦子系統經組態用於接收POI之資訊且基於該資訊識別晶粒中之POI之全部多個例項。舉例而言,在分析來自圖像之異常之前,可在一晶圓上之一組晶粒(或一或多個晶粒)、一完整晶圓(即,一晶圓上之全部晶粒)或一批(即,一批中之一
或多個晶圓上之一或多個晶粒)上執行一或多個步驟。在一此實例中,一使用者可在設計佈局上標記POI。可標記複數個POI或不同類型之POI。本文中描述之(若干)電腦子系統可以任何適合方式接收此資訊。接著,(若干)電腦子系統可使用一自動化圖案搜尋軟體工具以尋找晶粒(或針對其執行異常偵測之其他區域)中之各POI之全部位置。接著,可在針對樣品之檢測配方中標記此等位置使得在樣品之掃描期間,在POI位置處獲取圖像。以此方式,本文中描述之實施例提供藉由其自動化識別POI之一方法,該方法有利地耗費比識別POI之耗時手動任務更少之時間。
在一項實施例中,一或多個電腦子系統包含一電子設計自動化(EDA)工具之一電腦子系統。舉例而言,為了POI識別,(若干)電腦子系統可使用EDA實體設計分析工具或將定製演算法應用至實體設計。EDA工具可包含任何適合市售EDA工具。在一些此等實施例中,本文中描述之一或多個電腦子系統(例如,(若干)電腦子系統102)可經組態為一EDA工具。
在一進一步實施例中,(若干)電腦子系統經組態用於針對晶粒內之POI之多個例項及樣品上之至少一額外晶粒內之POI之至少一額外例項之一組合執行獲取圖像、判定特徵及識別(若干)異常。舉例而言,本文中描述之實施例可針對一晶圓上之一個以上晶粒或一完整晶圓(即,晶圓上之全部晶粒)執行本文中描述之功能。
在一些實施例中,一或多個電腦子系統經組態用於針對晶粒內之POI之多個例項及至少一額外樣品上之POI之至少一額外例項之一組合執行獲取圖像、判定特徵及識別(若干)異常。舉例而言,本文中描述之實施例可針對許多晶圓(或任一組一個以上晶圓及一個以上晶圓上之任何一或多個晶粒)執行本文中描述之功能。
在另一實施例中,識別(若干)異常包含:識別且摒棄具有針對各
圖像判定之特徵之一或多個極值之一或多個圖像;針對剩餘圖像判定一集中趨勢量測;基於圖像之特徵值自集中趨勢量測之偏差為全部圖像計分;及基於計分之結果識別一或多個異常。舉例而言,可假定特徵之值具有如同單一多變元高斯分佈之單峰分佈,且可關於此分佈定義異常。因此,可關於此分佈執行異常排名。可用於執行此排名之一程序包含識別且摒棄異常及/或修整極值。接著,可判定針對剩餘資料之一集中趨勢量測(如同平均值或中值)。此可使用穩健回歸執行。接著,可基於資料自集中量測之偏差而為全部資料(包含所摒棄資料)計分。接著,可使用偏差分數進行異常排名,其中愈高偏差分數指示係一異常之一愈大可能性。
接著,可基於識別為(若干)異常之POI之例項之異常排名判定POI之例項。舉例而言,(若干)電腦子系統可經組態以將具有最高偏差分數之預定百分比之POI之例項識別為(若干)異常。替代地,(若干)電腦子系統可經組態以將具有大於一預定臨限值之一偏差分數之POI之例項識別為(若干)異常。可以任何其他適合方式基於偏差分數識別(若干)異常。
在一進一步實施例中,識別(若干)異常包含:基於針對各圖像判定之特徵之一或多個值判定全部圖像之拒斥或修整分數;及藉由將一臨限值應用至拒斥或修整分數而識別一或多個異常。舉例而言,如上文中描述,一些實施例可包含用於識別且摒棄異常及/或修整極值之一步驟。為了識別用於拒斥之異常或用於修整之極值,吾人可使用拒斥/修整分數為全部資料計分且結合拒斥或修整之一臨限值使用此等拒斥分數。若此等拒斥分數之能力可信,則甚至可在判定一穩健集中量測且採用偏差分數之前執行異常排名。換言之,可使用一良好拒斥計分方法以即時偵測異常,且可不必執行偏差計分之隨後步驟。以此方式,本文中描述之實施例可經組態用於針對即時異常分析之拒斥計
分。
在一額外實施例中,(若干)電腦子系統經組態用於在判定特徵之前,減少由成像子系統或樣品導致之所獲取圖像中之圖像假影。舉例而言,(若干)電腦子系統可經組態用於預處理在如本文中描述般識別之POI位置處獲取之POI圖像資料。特定言之,在應用任何異常計分方法之前,可預處理POI中之圖像資料以消除由成像子系統及/或樣品產生之全部(或一或多個)圖像假影。可校準出若干此等圖像假影。此等圖像假影包含(但不限於)本文中進一步描述之圖像假影。
在一此實例中,圖像假影可包含像差/幾何失真。舉例而言,通常在一檢測工具上校準一圖像或其在一特定方向上伸展之一「桶形」或「針墊」失真。若存在此一校準,則可使用一逆幾何變換以藉由重新取樣圖像而校正失真。可以此項技術中已知之任何適合方式執行產生且使用此一校準。
在一額外實例中,圖像假影可包含感測器/輕觸回應非均勻性。舉例而言,記錄成像子系統上之圖像之偵測器(例如,一TDI感測器)之各輕觸或像素可具有其自身之個別增益及偏移設定。雖然校準負責確保此等個別增益及偏移經設定使得當使用相同輸入呈現時來自全部TDI感測器之回應相同,但可存在非均勻性。由於晶粒至鄰近晶粒缺陷偵測機制之共模性質,因此此非均勻性當前可不嚴重影響缺陷偵測。然而,若足夠嚴重,則此非均勻性將影響本文中描述之異常偵測。因此,修改圖像以解決此等圖像假影可對本文中描述之異常偵測結果具有一顯著影響。
在一進一步實例中,圖像假影可包含成像子系統中之焦點漂移。舉例而言,可存在即時識別且校正之成像子系統上之焦點漂移。可以此項技術中已知之任何適合方式校正焦點漂移。
在又一實例中,圖像假影可包含所記錄圖像上之薄膜干擾效
應。舉例而言,樣品上之薄膜干擾效應可導致色彩及極性在所記錄圖像上改變。在演算法上,吾人可藉由調整局部增益及偏移而校正此效應,此可以此項技術中已知之任何適合方式執行。
在一項實施例中,由成像子系統產生之圖像係圖塊圖像(patch image)。舉例而言,由成像子系統產生且由(若干)電腦子系統獲取且使用之圖像可係相對小圖像及由成像子系統在掃描樣品時產生之全部圖像資料之相對小部分。在一此實例中,藉由掃描樣品而產生之圖像之一掃描帶可包含圖像資料之許多圖框。各圖框可包含許多圖塊圖像。舉例而言,圖像資料之一圖框可包含數百個像素(例如,約512個像素乘512個像素)而一圖塊圖像可僅包含數十個像素(例如,少於10個像素乘少於10個像素)。因此,藉由掃描樣品而產生之全部圖像之相對小部分可用作本文中描述之圖像。可以任何適合方式自由成像子系統產生之圖像資料提取在POI之多個例項處產生之圖塊圖像。
在一此實施例中,(若干)電腦子系統經組態用於在判定特徵之前,識別在POI之多個例項之一者處產生之圖塊圖像之一者中之一子圖像;使子圖像對準於在POI之多個例項處產生之圖塊圖像之各者;且基於對準之結果識別在POI之多個例項處產生之圖塊圖像之各者中對應於POI之一子圖像,且僅基於各圖像中之子圖像判定各圖像之特徵。可在異常分析之前執行此等步驟。因此,(若干)電腦子系統可經組態以在異常分析之前針對一POI執行演算步驟。在一此實例中,針對一給定光學圖塊圖像,(若干)電腦子系統可識別圖塊圖像內對應於POI之一子圖像且可自圖塊圖像切出或提取子圖像。可基於POI之設計資訊(例如,包含於POI中之多邊形之資訊)執行識別圖塊圖像內對應於POI之子圖像,可使用該設計資訊以在圖塊圖像中搜尋子圖像。接著,可將此子圖像用作黃金POI圖像。本文中使用術語「黃金」以指代一無缺陷之子圖像,其可用作POI圖像之一群體之一代表且可用
作一模板以在隨後步驟中對準圖像群體之剩餘部分。若POI出現在不同定向中,則可單獨處理各此定向。可在設定期間執行此步驟。
以此方式,(若干)電腦子系統可產生一黃金POI圖像作為模板圖像。在含有POI作為一子圖像之一光學圖塊圖像之情況下,(若干)電腦子系統可藉由執行圖像匹配而判定此POI子圖像在圖塊圖像內之位置。可使用用於各POI定向之一模板。舉例而言,(若干)電腦子系統可經組態用於使用黃金POI圖像對每一圖塊圖像執行模板匹配。在模板匹配之前,(若干)電腦子系統可使用正規化互相關將各圖塊圖像放大一特定尺度至一對應放大黃金POI圖像,此可以此項技術中已知之任何適合方式執行。放大容許子像素校正。模板匹配減少在初始對準之後可剩餘之任何殘餘對準誤差。可使用來自對放大圖像之模板匹配之結果以對圖塊圖像執行子像素內插且自圖塊圖像提取POI之子圖像。可執行子像素內插以使經放大POI圖像返回至其原始大小。子像素內插亦可使POI圖像大小匹配設計像素大小。另外,子像素內插容許一更平滑呈現。
在已提取POI之子圖像之後,可對每一經子像素內插之POI圖像執行本文中描述之任何預處理。可執行此預處理以減少各POI圖像與黃金POI圖像之間之任何變動。藉由可遞性,全部POI圖像將等效。接著,(若干)電腦子系統可執行本文中進一步描述之自POI圖像之特徵提取。如本文中進一步描述,基於拒斥或偏差之異常計分可使用此等特徵以針對該POI產生一拒斥或偏差分數。
在另一實施例中,(若干)電腦子系統經組態用於基於所判定特徵或針對各圖像判定之另一特徵識別具有圍繞POI之不同圖案之POI之多個例項。舉例而言,可藉由本文中描述之實施例完全分析由圍繞一POI之緊鄰幾何形狀之效應導致之「雜訊」。在一此實例中,定位於一晶粒中之兩個不同位置中但具有不同周圍幾何形狀之兩個相同POI可
歸因於不同幾何形狀而具有不同「雜訊」特性。此等差異不可由鄰近晶粒差異分析獲得。然而,本文中描述之實施例將容許此差異之偵測。
可針對數個應用執行識別歸因於不同周圍幾何形狀而具有不同雜訊特性之POI之不同例項。舉例而言,歸因於不同周圍設計圖案之系統「缺陷」機制可由此類分析識別。特定言之,不同周圍圖案可不同地影響相同POI。因此,歸因於此等局部差異而具有顯著改變之POI可展示為異常。
本文中描述之實施例可用於多種檢視及/或度量衡應用。在本文中進一步描述不同方法,藉由該等不同方法選擇異常用於檢視或度量衡且其等繼而可影響異常之選擇。
在一項實施例中,(若干)電腦子系統經組態用於基於識別(若干)異常之結果識別POI中具有比POI中之其他區域更多之雜訊之一或多個區域且基於所判定特徵及所識別之一或多個區域之權重而重複識別(若干)異常。以此方式,本文中描述之實施例可經組態用於關注區域(ROI)敏化POI異常偵測。舉例而言,自由本文中描述之(若干)電腦子系統產生之POI異常偵測結果,可獲得具有相對大雜訊之POI內部之ROI,此可以此項技術中已知之任何適合方式執行。可將此等ROI發送回至一使用者用於檢視(例如,藉由在一顯示裝置上顯示ROI之資訊或藉由將資訊儲存在使用者可存取之一儲存媒體中)。使用者可摒棄該等非關注ROI且可改變一些ROI。(若干)電腦子系統可自使用者接收該等關注ROI,此可以任何適合方式執行。可發送回該等ROI用於一ROI敏化POI異常偵測,其中在異常計分機制中大幅加權有雜訊的像素。以此方式,本文中描述之實施例可經組態用於運用使用者回饋之ROI敏化POI異常偵測。
在一些實施例中,(若干)電腦子系統經組態用於基於識別(若干)
異常之結果識別POI中具有比POI中之其他區域更多之雜訊之一或多個區域且選擇所識別之一或多個區域作為用於在樣品上執行之一度量衡程序之量測位點。舉例而言,本文中描述之實施例可用於尋找一樣品(例如,一晶圓)中之異常趨勢且將一檢視或度量衡工具指向用於檢視或度量衡之一相對小位置子集。以此方式,本文中描述之實施例可經組態用於POI異常分析輔助度量衡。在一此實例中,自POI異常偵測之結果,可獲得具有相對大雜訊之POI中之ROI,此可以此項技術中已知之任何適合方式執行。可將此等ROI發送至一度量衡工具以供分析(例如,藉由將ROI之資訊發送至一度量衡工具)。度量衡工具可包含此項技術中已知之任何適合度量衡工具,諸如商業上可自KLA-Tencor購得之一度量衡工具。
度量衡工具使用者或(若干)電腦子系統可自ROI判定捕捉之量測及捕捉地點。舉例而言,在一此實施例中,(若干)電腦子系統經組態用於基於所識別之一或多個區域判定在度量衡程序期間在量測位點處執行之量測之一或多個參數。以此方式,本文中描述之實施例可經組態用於自動化識別待執行量測之POI且判定欲在一特定POI中之設計結構上執行之幾何量測。因此,本文中描述之實施例可消除識別POI之耗時手動任務及欲在一特定POI中之設計結構上執行之幾何量測。可如2015年10月20日由Duffy等人申請之美國專利申請案第14/918,394號中描述般進一步判定在度量衡程序期間在量測位點處執行之量測之一或多個參數,該申請案以宛如全文陳述引用之方式併入本文中。本文中描述之實施例可經組態以執行由此專利申請案中描述之(若干)任何系統執行之(若干)任何步驟。
在另一實施例中,(若干)電腦子系統經組態用於:判定描述在POI之多個例項處產生之圖像之特徵或另一特徵與在樣品上執行之一度量衡程序之結果之間之一相關性之一函數;及基於特徵或另一特徵
及函數識別POI之多個例項中之一或多個額外異常。其他特徵可包含本文中進一步描述之圖像特徵之任一者。以此方式,本文中描述之實施例可經組態用於度量衡輔助POI異常計分。舉例而言,自度量衡資料之一相對小樣本,可訓練一POI異常計分函數以產生一度量-與一總度量衡分數良好相關之POI圖像資料之一函數。接著,可將此POI異常計分函數用於基於拒斥或偏差之異常計分。換言之,(若干)電腦子系統可判定1)POI圖像資料之某(些)特徵與2)度量衡結果之間之一相關性(或函數)。接著,可使用該相關性(或函數)以僅僅基於POI圖像資料之(若干)特徵識別異常。以此方式,本文中描述之實施例可經組態用於基於來自一度量衡工具之回饋學習且修改POI異常分數。另外,用於藉由本文中描述之實施例基於拒斥或偏差計分偵測異常之(若干)特徵可與用於基於與度量衡結果之一相關性偵測異常之(若干)特徵不同或相同。
在一額外實施例中,判定特徵包含藉由自各圖像減去自形成於樣品上之一不同晶粒產生之一參考圖像而針對各圖像產生差異圖像且自各圖像之對應差異圖像判定各圖像之特徵。舉例而言,本文中描述之實施例不限於任一組特定圖像群體。用於缺陷偵測之當前使用之方法包含分析來自鄰近晶粒之圖像之間之差異。本文中描述之拒斥或偏差計分方法可應用至限於POI之鄰近晶粒差異圖像群體或子群體。
在一進一步實施例中,(若干)電腦子系統經組態用於針對形成於樣品上之一或多個額外晶粒執行獲取圖像、判定特徵及識別(若干)異常且比較針對晶粒及一或多個額外晶粒識別(若干)異常之結果以識別晶粒及一或多個額外晶粒之哪一者係異常。舉例而言,藉由彙總自一晶粒產生之POI圖像之拒斥或偏差分數,可識別晶粒之異常趨勢。如本文中進一步描述,可針對不同POI單獨執行識別(若干)差異。因此,對於任一晶粒,可存在分別針對不同POI產生之不同異常結果。
針對多個晶粒彙總之拒斥或偏差分數可僅包含針對一種類型之POI之拒斥分數。然而,可分別基於針對不同類型之POI之拒斥分數單獨產生不同彙總。因此,可在逐POI基礎上執行彙總使得針對不同類型之POI判定不同彙總拒斥分數。
在圖5中展示此一實驗之結果。在此圖中展示之圖表展示在一半導體晶圓之一行中之一組10個晶粒上之POI拒斥分數之平均值。x軸係表示各晶粒之列索引之一序數。y軸表示該晶粒之POI之拒斥分數之平均值。圖5清楚地展示極端晶粒12之異常行為。以此方式,本文中描述之實施例可經組態用於跨一樣品偵測晶粒間偏差。
在另一實施例中,晶粒係形成於樣品上之多個晶粒之一單一例項,且針對其等執行獲取圖像、判定特徵及識別(若干)異常之多個例項僅定位於多個晶粒之單一例項內。舉例而言,POI圖像之群體可限於一晶粒內。因此,在此等實施例中,本質上判定此群體中之異常等效於執行晶粒內檢測。另外,本文中描述之實施例之主要應用之一者係用於晶粒內檢測。相比之下,當前無法使用分析鄰近晶粒之間之差異之當前方法論執行晶粒內檢測,此係因為該等方法根據定義必須涉及複數個晶粒。晶粒內檢測之重要性係現在可偵測歸因於鄰近晶粒之間存在之共模而未獲得之缺陷。換言之,本文中描述之異常偵測可偵測原本藉由當前使用之晶粒至晶粒偵測另外不可偵測之缺陷。
在一進一步實施例中,晶粒係形成於樣品上之唯一晶粒。舉例而言,由於本文中描述之實施例可執行晶粒內檢測,因此實施例可尤其用於其上僅形成有一單一晶粒之樣品(例如,單一晶粒倍縮光罩)之檢測。
吾人可概括彙總POI圖像之拒斥或偏差分數用於在POI圖像之任何子群體內之異常偵測之概念。舉例而言,方法可係基於晶粒,如本文中描述。然而,在一些實施例中,POI之多個例項僅定位於形成於
樣品上之晶粒內之多個倍縮光罩場之一者內。舉例而言,如圖4中展示,一POI之多個例項418僅定位於形成於樣品400上之晶粒412中之多個倍縮光罩場414及416之一者內。換言之,雖然多個例項可形成於晶粒412中展示之倍縮光罩場之兩者中,但用於本文中描述之異常偵測之POI之多個例項可僅係定位於倍縮光罩場之一者中之例項。舉例而言,子群體可分成疊加於各倍縮光罩場上之一2D柵格。以此方式,可跨一倍縮光罩場觀察設計圖案中之場內偏差。以此方式,本文中描述之實施例可經組態用於跨一倍縮光罩場偵測場內偏差。亦可藉由本文中描述之實施例以相同於關於偵測晶粒間異常所描述之方式偵測場間偏差。
在一額外實施例中,形成於樣品上之晶粒之至少一部分及一額外晶粒之至少一部分定位於樣品上之一區域中,且針對其等執行獲取圖像、判定特徵及識別(若干)異常之POI之多個例項定位於晶粒之至少該部分及額外晶粒之至少該部分中。舉例而言,本文中描述之實施例可係基於樣品位置,例如,針對樣品上之一區段或環形區域。在一此實例中,一化學機械拋光(CMP)刷光假影可導致在一晶圓上產生一環(環形)缺陷訊符,如圖6中展示。特定言之,如圖6中展示,晶圓600可包含形成於其上之數個晶粒602。一缺陷訊符可定位於晶圓600上虛邊界604與晶圓之外邊緣之間之區域中,此界定自晶圓之外邊緣向內延伸之一環形區域或「環」。換言之,缺陷(或顯著更多缺陷)可定位於樣品之環形區域中而不定位於樣品之其他區域中。
如圖6中進一步展示,虛邊界604與晶圓之外邊緣之間之區域可包含晶圓上之多個晶粒之不同部分。因此,當針對異常偵測分析此區域時,用於異常偵測之POI之多個例項可包含定位於邊界604與晶圓之外邊緣之間之晶粒之部分中之POI之任何(或全部)例項。以此方式,用於異常偵測之POI之多個例項可不限於樣品上之任一晶粒或場,但
代替地可包含定位於其中執行異常偵測之樣品上之任何任意關注區域內之POI之任何(或全部)例項。
取決於樣品上之關注區域之組態,用於POI之多個例項之座標可變動。舉例而言,可使用POI拒斥或偏差分數之基於極座標之彙總而偵測圖6中展示之訊符。
以此方式,本文中描述之實施例可經組態用於跨一樣品偵測樣品區段及/或環形偏差。可如本文中進一步描述般以其他方式執行針對樣品上之一區域執行之彙總(例如,可在逐POI基礎上針對不同類型之POI執行不同彙總及/或未將針對一個以上類型之POI之拒斥或偏差分數一起彙總成一單一值)。
另一實施例係關於一種用於識別一樣品上之一POI之多個例項中之異常之電腦實施方法。該方法包含上文中描述之步驟。
可如本文中進一步描述般執行方法之各步驟。方法亦可包含可由本文中描述之成像子系統及/或(若干)電腦子系統或(若干)系統執行之(若干)任何其他步驟。步驟由可根據本文中描述之實施例之任何者組態之一或多個電腦系統執行。另外,上文中描述之方法可由本文中描述之任何系統實施例執行。
一額外實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體,該等程式指令可在一電腦系統上執行以執行用於識別一樣品上之一POI之多個例項中之異常之一電腦實施方法。在圖7中展示一此實施例。特定言之,如圖7中展示,非暫時性電腦可讀媒體700包含可在電腦系統704上執行之程式指令702。電腦實施方法可包含本文中描述之(若干)任何方法之(若干)任何步驟。
實施諸如本文中描述之方法之程式指令702可儲存於電腦可讀媒體700上。電腦可讀媒體可係一儲存媒體,諸如一磁碟或光碟、一磁帶或此項技術中已知之任何其他適合非暫時性電腦可讀媒體。
可以多種方式(包含基於程序之技術、基於組件之技術及/或物件導向技術等等)之任何者實施程式指令。舉例而言,可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別庫(「MFC」)、SSE(資料流SIMD延伸)或其他技術或方法論實施程式指令。
可根據本文中所描述之實施例之任何者組態電腦系統704。
鑑於此描述,熟習此項技術者將瞭解本發明之多種態樣之進一步修改及替代實施例。舉例而言,提供用於識別一關注圖案之多個例項中之異常之方法及系統。因此,將此描述理解為僅係闡釋性且係用於教示熟習此項技術者執行本發明之一般方式之目的。應瞭解,應將本文中展示且描述之本發明之形式視為目前較佳實施例。在受益於本發明之此描述之後,如熟習此項技術者將瞭解,元件及材料可替代本文中繪示且描述之彼等元件及材料,可顛倒部分及程序且可獨立利用本發明之某些特徵。可對本文中描述之元件做出改變而不脫離如以下申請專利範圍中所描述之本發明之精神及範疇。
Claims (30)
- 一種經組態以識別一樣品上之一關注圖案之多個例項中之異常之系統,其包括:一成像子系統,其包括至少一能量源及一偵測器,其中該能量源經組態以產生引導至一樣品之能量,且其中該偵測器經組態以偵測來自該樣品之能量且回應於該所偵測能量產生圖像;及一或多個電腦子系統,其等經組態用於:獲取藉由該成像子系統在形成於該樣品上之一晶粒內之一關注圖案之多個例項處產生之圖像,其中該多個例項包括定位於該晶粒內之非週期性位置處之兩個或兩個以上例項;判定在該關注圖案之該多個例項處產生之該等圖像之各者之一特徵;及基於該等所判定特徵識別該關注圖案之該多個例項中之一或多個異常。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於針對形成於該樣品上之該晶粒內之一不同關注圖案單獨執行該獲取、該判定及該識別。
- 如請求項2之系統,其中該關注圖案之該多個例項及該不同關注圖案覆蓋該晶粒之大部分。
- 如請求項1之系統,其中該判定及該識別不包括自該關注圖案之該多個例項處產生之該等圖像之兩者或兩者以上產生一差異圖像。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於接收該關注圖案之資訊且基於該資訊識別該晶粒中之該關注圖案之該多個例項之全部。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於針對該晶粒內之該關注圖案之該多個例項及該樣品上之至少一額外晶粒內之該關注圖案之至少一額外例項之一組合執行該獲取、該判定及該識別。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於針對該晶粒內之該關注圖案之該多個例項及至少一額外樣品上之該關注圖案之至少一額外例項之一組合執行該獲取、該判定及該識別。
- 如請求項1之系統,其中該識別包括:基於針對該等圖像之各者判定之該特徵之一或多個極值識別且摒棄該等圖像之一或多者;針對剩餘圖像判定一集中趨勢量測;基於該等圖像之特徵值自該集中趨勢量測之偏差為全部該等圖像計分;及基於該計分之結果識別該一或多個異常。
- 如請求項1之系統,其中該識別包括基於針對該等圖像之各者判定之該特徵之一或多個值而針對全部該等圖像判定拒斥或修整分數且藉由將一臨限值應用至該等拒斥或修整分數而識別該一或多個異常。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於在該判定之前減少由該成像子系統或該樣品導致之該等所獲取圖像中之圖像假影。
- 如請求項1之系統,其中由該成像子系統產生之該等圖像係圖塊圖像,其中該一或多個電腦子系統進一步經組態用於在該判定之前,識別在該關注圖案之該多個例項之一者處產生之該等圖塊圖像之一者中之一子圖像,使該子圖像對準於在該關注圖案之該多個例項處產生之該等圖塊圖像之各者,且基於該對準之結果識別在該關注圖案之該多個例項處產生之該等圖塊圖像之各者中對應於該關注圖案之一子圖像,且其中僅基於該等圖像之各者中之該等子圖像判定該等圖像之各者之該特徵。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於基於該等所判定特徵或針對該等圖像之各者判定之另一特徵識別具有圍繞該關注圖案之不同圖案之該關注圖案之該多個例項。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於基於該識別之結果識別該關注圖案中具有比該關注圖案中之其他區域更多之雜訊之一或多個區域且基於該等所判定特徵及該等所識別之一或多個區域之權重重複該識別。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於基於該識別之結果識別該關注圖案中具有比該關注圖案中之其他區域更多之雜訊之一或多個區域且選擇該等所識別之一或多個區域作為用於執行於該樣品上之一度量衡程序之量測位點。
- 如請求項14之系統,其中該一或多個電腦子系統進一步經組態用於基於該等所識別之一或多個區域判定在該度量衡程序期間在該等量測位點處執行之量測之一或多個參數。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於:判定描述在該關注圖案之該多個例項處產生之該等圖像之該特徵或另一特徵與在該樣品上執行之一度量衡程序之結果之間之一相關性之一函數;及基於該特徵或該另一特徵及該函數識別該關注圖案之該多個例項中之一或多個額外異常。
- 如請求項1之系統,其中該判定包括藉由自該等圖像之各者減去自形成於該樣品上之一不同晶粒產生之一參考圖像而針對該等圖像之各者產生差異圖像且自該等圖像之各者之對應差異圖像判定該等圖像之各者之該特徵。
- 如請求項1之系統,其中該一或多個電腦子系統進一步經組態用於針對形成於該樣品上之一或多個額外晶粒執行該獲取、該判定及該識別且比較針對該晶粒及該一或多個額外晶粒之該識別之結果以識別該晶粒及該一或多個額外晶粒之哪一者係異常。
- 如請求項1之系統,其中該關注圖案之該多個例項僅定位於形成於該樣品上之該晶粒內之多個倍縮光罩場之一者內。
- 如請求項1之系統,其中該晶粒係形成於該樣品上之多個晶粒之一單一例項,且其中針對其等執行該獲取、該判定及該識別之該多個例項僅定位於該多個晶粒之該單一例項內。
- 如請求項1之系統,其中該晶粒係形成於該樣品上之唯一晶粒。
- 如請求項1之系統,其中該晶粒之至少一部分及形成於該樣品上之一額外晶粒之至少一部分定位於該樣品上之一區域中,且其中針對其等執行該獲取、該判定及該識別之該關注圖案之該多個例項定位於該晶粒之至少該部分及該額外晶粒之至少該部分中。
- 如請求項1之系統,其中該特徵係由一單一值組成。
- 如請求項1之系統,其中該特徵包括多個有序值。
- 如請求項1之系統,其中該樣品包括一晶圓。
- 如請求項1之系統,其中該樣品包括一倍縮光罩。
- 如請求項1之系統,其中引導至該樣品之該能量包括光,且其中自該樣品偵測之該能量包括光。
- 如請求項1之系統,其中引導至該樣品之該能量包括電子,且其中自該樣品偵測之該能量包括電子。
- 一種儲存程式指令之非暫時性電腦可讀媒體,該等程式指令可在一電腦系統上執行以執行用於識別一樣品上之一關注圖案之多個例項中之異常之一電腦實施方法,其中該電腦實施方法包括:獲取由一成像子系統在形成於該樣品上之一晶粒內之一關注圖案之多個例項處產生之圖像,其中該多個例項包括定位於該晶粒內之非週期性位置處之兩個或兩個以上例項,其中該成像子系統包括至少一能量源及一偵測器,其中該能量源經組態以產生引導至該樣品之能量,且其中該偵測器經組態以偵測來自該樣品之能量且回應於該所偵測能量產生圖像;判定在該關注圖案之該多個例項處產生之該等圖像之各者之一特徵;及基於該等所判定特徵識別該關注圖案之該多個例項中之一或多個異常,其中藉由一或多個電腦子系統執行該獲取、該判定及該識別。
- 一種用於識別一樣品上之一關注圖案之多個例項中之異常之電腦實施方法,其包括:獲取由一成像子系統在形成於該樣品上之一晶粒內之一關注圖案之多個例項處產生之圖像,其中該多個例項包括定位於該晶粒內之非週期性位置處之兩個或兩個以上例項,其中該成像子系統包括至少一能量源及一偵測器,其中該能量源經組態以產生引導至該樣品之能量,且其中該偵測器經組態以偵測來自該樣品之能量且回應於該所偵測能量產生圖像;判定在該關注圖案之該多個例項處產生之該等圖像之各者之一特徵;及基於該等所判定特徵識別該關注圖案之該多個例項中之一或多個異常,其中藉由一或多個電腦子系統執行該獲取、該判定及該識別。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562152472P | 2015-04-24 | 2015-04-24 | |
US62/152,472 | 2015-04-24 | ||
US15/135,465 | 2016-04-21 | ||
US15/135,465 US9767548B2 (en) | 2015-04-24 | 2016-04-21 | Outlier detection on pattern of interest image populations |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201701383A TW201701383A (zh) | 2017-01-01 |
TWI667717B true TWI667717B (zh) | 2019-08-01 |
Family
ID=57143591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105112711A TWI667717B (zh) | 2015-04-24 | 2016-04-22 | 對於關注之圖像群體之圖案之異常偵測 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9767548B2 (zh) |
KR (1) | KR102369848B1 (zh) |
CN (1) | CN107533759B (zh) |
IL (1) | IL255003B (zh) |
TW (1) | TWI667717B (zh) |
WO (1) | WO2016172622A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9477838B2 (en) * | 2012-12-20 | 2016-10-25 | Bank Of America Corporation | Reconciliation of access rights in a computing system |
US9537892B2 (en) | 2012-12-20 | 2017-01-03 | Bank Of America Corporation | Facilitating separation-of-duties when provisioning access rights in a computing system |
US9529629B2 (en) | 2012-12-20 | 2016-12-27 | Bank Of America Corporation | Computing resource inventory system |
US9542433B2 (en) | 2012-12-20 | 2017-01-10 | Bank Of America Corporation | Quality assurance checks of access rights in a computing system |
US9639594B2 (en) | 2012-12-20 | 2017-05-02 | Bank Of America Corporation | Common data model for identity access management data |
US9189644B2 (en) | 2012-12-20 | 2015-11-17 | Bank Of America Corporation | Access requests at IAM system implementing IAM data model |
US10393671B2 (en) | 2015-04-29 | 2019-08-27 | Kla-Tencor Corp. | Intra-die defect detection |
US10074167B2 (en) | 2015-12-06 | 2018-09-11 | Kla-Tencor Corporation | Reducing registration and design vicinity induced noise for intra-die inspection |
US9916965B2 (en) | 2015-12-31 | 2018-03-13 | Kla-Tencor Corp. | Hybrid inspectors |
US10340165B2 (en) * | 2016-03-29 | 2019-07-02 | Kla-Tencor Corporation | Systems and methods for automated multi-zone detection and modeling |
US10761128B2 (en) | 2017-03-23 | 2020-09-01 | Kla-Tencor Corporation | Methods and systems for inline parts average testing and latent reliability defect detection |
US10692690B2 (en) * | 2017-03-27 | 2020-06-23 | Kla-Tencor Corporation | Care areas for improved electron beam defect detection |
US11293970B2 (en) * | 2020-01-12 | 2022-04-05 | Kla Corporation | Advanced in-line part average testing |
US11754625B2 (en) * | 2020-01-30 | 2023-09-12 | Kla Corporation | System and method for identifying latent reliability defects in semiconductor devices |
US11379972B2 (en) * | 2020-06-03 | 2022-07-05 | Applied Materials Israel Ltd. | Detecting defects in semiconductor specimens using weak labeling |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070133860A1 (en) * | 2005-12-14 | 2007-06-14 | Lin Jason Z | Methods and systems for binning defects detected on a specimen |
US20070286473A1 (en) * | 2006-06-08 | 2007-12-13 | Kla-Tencor Technologies Corp. | Methods and Systems for Detecting Defects on a Specimen Using a Combination of Bright Field Channel Data and Dark Field Channel Data |
US20110170091A1 (en) * | 2010-01-11 | 2011-07-14 | Kla-Tencor Corporation | Inspection guided overlay metrology |
US20110276935A1 (en) * | 2008-06-11 | 2011-11-10 | Kla-Tencor Corporation | Systems and methods for detecting design and process defects on a wafer, reviewing defects on a wafer, selecting one or more features within a design for use as process monitoring features, or some combination thereof |
US20140037187A1 (en) * | 2012-08-01 | 2014-02-06 | Kla-Tencor Corporation | Inspecting a Wafer and/or Predicting One or More Characteristics of a Device Being Formed on a Wafer |
TW201423085A (zh) * | 2012-10-15 | 2014-06-16 | Kla Tencor Corp | 使用缺陷特定之資訊-偵測在晶圓上之缺陷 |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3204204B2 (ja) * | 1997-11-21 | 2001-09-04 | 日本電気株式会社 | 論理lsiの製造プロセス診断システム、方法及び記録媒体 |
JP3944439B2 (ja) * | 2002-09-26 | 2007-07-11 | 株式会社日立ハイテクノロジーズ | 電子線を用いた検査方法および検査装置 |
EP1630862B1 (en) * | 2003-05-30 | 2016-01-13 | Ebara Corporation | Sample inspection device and method, and device manufacturing method using the sample inspection device and method |
JP2006220644A (ja) * | 2005-01-14 | 2006-08-24 | Hitachi High-Technologies Corp | パターン検査方法及びその装置 |
US7769225B2 (en) * | 2005-08-02 | 2010-08-03 | Kla-Tencor Technologies Corp. | Methods and systems for detecting defects in a reticle design pattern |
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 |
US8160350B2 (en) | 2006-02-01 | 2012-04-17 | Applied Materials Israel, Ltd. | Method and system for evaluating a variation in a parameter of a pattern |
JP4928862B2 (ja) * | 2006-08-04 | 2012-05-09 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
US7664608B2 (en) * | 2006-07-14 | 2010-02-16 | Hitachi High-Technologies Corporation | Defect inspection method and apparatus |
US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
US7761278B2 (en) | 2007-02-12 | 2010-07-20 | International Business Machines Corporation | Semiconductor device stress modeling methodology |
JP4876019B2 (ja) * | 2007-04-25 | 2012-02-15 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置およびその方法 |
US8213704B2 (en) * | 2007-05-09 | 2012-07-03 | Kla-Tencor Corp. | Methods and systems for detecting defects in a reticle design pattern |
US7711514B2 (en) * | 2007-08-10 | 2010-05-04 | Kla-Tencor Technologies Corp. | Computer-implemented methods, carrier media, and systems for generating a metrology sampling plan |
TWI469235B (zh) * | 2007-08-20 | 2015-01-11 | Kla Tencor Corp | 決定實際缺陷是潛在系統性缺陷或潛在隨機缺陷之由電腦實施之方法 |
JP5174535B2 (ja) * | 2008-05-23 | 2013-04-03 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
WO2009155502A2 (en) * | 2008-06-19 | 2009-12-23 | Kla-Tencor Corporation | Computer-implemented methods, computer-readable media, and systems for determining one or more characteristics of a wafer |
JP5641463B2 (ja) * | 2009-01-27 | 2014-12-17 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置及びその方法 |
JP5537282B2 (ja) * | 2009-09-28 | 2014-07-02 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置および欠陥検査方法 |
US8571299B2 (en) | 2010-08-30 | 2013-10-29 | International Business Machines Corporation | Identifying defects |
JP5553716B2 (ja) * | 2010-09-15 | 2014-07-16 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
JP5417306B2 (ja) * | 2010-11-29 | 2014-02-12 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法および欠陥検査装置 |
US8664594B1 (en) | 2011-04-18 | 2014-03-04 | Kla-Tencor Corporation | Electron-optical system for high-speed and high-sensitivity inspections |
US8692204B2 (en) | 2011-04-26 | 2014-04-08 | Kla-Tencor Corporation | Apparatus and methods for electron beam detection |
US9916653B2 (en) * | 2012-06-27 | 2018-03-13 | Kla-Tenor Corporation | Detection of defects embedded in noise for inspection in semiconductor manufacturing |
US8716662B1 (en) | 2012-07-16 | 2014-05-06 | Kla-Tencor Corporation | Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations |
JP5997039B2 (ja) * | 2012-12-26 | 2016-09-21 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法および欠陥検査装置 |
US9619876B2 (en) * | 2013-03-12 | 2017-04-11 | Kla-Tencor Corp. | Detecting defects on wafers based on 2D scatter plots of values determined for output generated using different optics modes |
US10267746B2 (en) | 2014-10-22 | 2019-04-23 | Kla-Tencor Corp. | Automated pattern fidelity measurement plan generation |
-
2016
- 2016-04-21 US US15/135,465 patent/US9767548B2/en active Active
- 2016-04-22 KR KR1020177033643A patent/KR102369848B1/ko active IP Right Grant
- 2016-04-22 TW TW105112711A patent/TWI667717B/zh active
- 2016-04-22 CN CN201680021409.9A patent/CN107533759B/zh active Active
- 2016-04-22 WO PCT/US2016/029036 patent/WO2016172622A1/en active Application Filing
-
2017
- 2017-10-15 IL IL25500317A patent/IL255003B/en active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070133860A1 (en) * | 2005-12-14 | 2007-06-14 | Lin Jason Z | Methods and systems for binning defects detected on a specimen |
US20070286473A1 (en) * | 2006-06-08 | 2007-12-13 | Kla-Tencor Technologies Corp. | Methods and Systems for Detecting Defects on a Specimen Using a Combination of Bright Field Channel Data and Dark Field Channel Data |
US20110276935A1 (en) * | 2008-06-11 | 2011-11-10 | Kla-Tencor Corporation | Systems and methods for detecting design and process defects on a wafer, reviewing defects on a wafer, selecting one or more features within a design for use as process monitoring features, or some combination thereof |
US20110170091A1 (en) * | 2010-01-11 | 2011-07-14 | Kla-Tencor Corporation | Inspection guided overlay metrology |
US20140037187A1 (en) * | 2012-08-01 | 2014-02-06 | Kla-Tencor Corporation | Inspecting a Wafer and/or Predicting One or More Characteristics of a Device Being Formed on a Wafer |
TW201423085A (zh) * | 2012-10-15 | 2014-06-16 | Kla Tencor Corp | 使用缺陷特定之資訊-偵測在晶圓上之缺陷 |
Also Published As
Publication number | Publication date |
---|---|
US9767548B2 (en) | 2017-09-19 |
IL255003A0 (en) | 2017-12-31 |
CN107533759B (zh) | 2019-04-26 |
CN107533759A (zh) | 2018-01-02 |
KR102369848B1 (ko) | 2022-03-02 |
WO2016172622A1 (en) | 2016-10-27 |
IL255003B (en) | 2019-11-28 |
TW201701383A (zh) | 2017-01-01 |
KR20170139613A (ko) | 2017-12-19 |
US20160314578A1 (en) | 2016-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI667717B (zh) | 對於關注之圖像群體之圖案之異常偵測 | |
TWI665442B (zh) | 用於判定將對一試樣執行之一度量程序之參數之系統、方法及非暫時性電腦可讀取媒體 | |
KR102330735B1 (ko) | 패터닝된 웨이퍼들 상의 결함들의 서브-픽셀 및 서브-해상도 로컬리제이션 | |
TWI688022B (zh) | 於電子束圖像中判定缺陷之位置 | |
US11010886B2 (en) | Systems and methods for automatic correction of drift between inspection and design for massive pattern searching | |
TW201824417A (zh) | 用於影像融合之以卷積神經網路為基礎之模式選擇及缺陷分類 | |
US10393671B2 (en) | Intra-die defect detection | |
US9996942B2 (en) | Sub-pixel alignment of inspection to design | |
JP2017523390A (ja) | 検査のための高解像度フルダイイメージデータの使用 | |
JP6472447B2 (ja) | フォトマスク欠陥性における変化の監視 | |
KR102449376B1 (ko) | 다이 내부 검사에 있어서의 등록 및 설계 주변부에서 야기된 노이즈의 저감 | |
US20150146967A1 (en) | Pattern evaluation device and pattern evaluation method | |
US9702827B1 (en) | Optical mode analysis with design-based care areas | |
US11416982B2 (en) | Controlling a process for inspection of a specimen | |
KR20220031068A (ko) | 시편 검사를 위한 결함 검출 방법을 선택하기 위한 시스템 및 방법 | |
KR102201122B1 (ko) | 민감도 개선 및 뉴슨스 억제를 위해 로직 및 핫스팟 검사에서 z-층 컨텍스트를 사용하는 시스템 및 방법 | |
US11748872B2 (en) | Setting up inspection of a specimen | |
TW202141210A (zh) | 使用檢測工具以判定用於樣本之類計量(metrology-like)之資訊 | |
TW202300900A (zh) | 以經呈現設計影像之設計照護區域之分段 |