TWI695221B - 圖案特徵的識別方法 - Google Patents
圖案特徵的識別方法 Download PDFInfo
- Publication number
- TWI695221B TWI695221B TW108104043A TW108104043A TWI695221B TW I695221 B TWI695221 B TW I695221B TW 108104043 A TW108104043 A TW 108104043A TW 108104043 A TW108104043 A TW 108104043A TW I695221 B TWI695221 B TW I695221B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- pattern
- feature
- features
- pattern features
- Prior art date
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
一種圖案特徵的識別方法,其識別結果應用於光學鄰近效應校正,所述圖案特徵的識別方法包括提供多個具有參考圖案特徵的參考影像,再藉由影像辨識裝置對參考影像進行辨識與分類,並儲存辨識結果。然後,藉由影像辨識裝置將具有實際圖案特徵的影像與儲存的辨識結果進行比對,以將具有實際圖案特徵的影像進行辨識與分類。藉由影像辨識裝置根據分類的結果來計算實際圖案特徵的角度特徵值及/或距離特徵值,以得到圖案特徵的識別結果。
Description
本發明是有關於一種識別結果可應用於光學鄰近效應校正的圖案特徵的識別方法。
半導體元件製程中,通常稱最小線寬為關鍵尺寸(critical dimension,CD)。隨著設計法則(design rule)及關鍵尺寸的微縮,在佈局上有時需要特別的斜角度(tilt)或彎曲(wiggle shape)之圖案設計。此外,受限於微影製程與蝕刻製程的限制,通常會使用光學鄰近效應校正(optical proximity correction, OPC)來修正光罩的圖案,以形成精準的圖案。
目前,在進行光學鄰近效應校正之前,通常會藉由人工的方式針對由掃瞄式電子顯微鏡(Scanning Electron Microscope, SEM)所獲得的圖案影像來量測圖案的特徵值(例如圖案彎曲的角度、相鄰圖案之間的距離等)。之後,將所量測的特徵值應用至光學鄰近效應校正中作為補償值,以製作可形成精準圖案的光罩。
然而,利用人工方式來量測圖案的特徵值十分耗時且容易存在人為判斷誤差,因而影響最終所形成的圖案的精準度。
本發明提供一種圖案特徵的識別方法,其利用影像辨識裝置來得到圖案特徵的識別結果。
本發明的一種圖案特徵的識別方法,其識別結果應用於光學鄰近效應校正,所述圖案特徵的識別方法包括提供多個具有參考圖案特徵的參考影像,再藉由影像辨識裝置對參考影像進行辨識與分類,並儲存辨識結果。然後,藉由影像辨識裝置將具有實際圖案特徵的影像與儲存的辨識結果進行比對,以將具有實際圖案特徵的影像進行辨識與分類。並且,藉由影像辨識裝置根據分類的結果來計算實際圖案特徵的角度特徵值及/或距離特徵值,以得到圖案特徵的識別結果。
基於上述,在本發明中,利用影像辨識裝置來得到圖案特徵的識別結果,可避免人為判斷誤差的發生。並且,藉由影像辨識裝置對具有實際圖案特徵的影像進行比對及分類,可一次性的計算影像中多個角度特徵值及/或距離特徵值,進而有效提升半導體元件製程的效率。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
在本文中,所謂「圖案特徵」是指彎曲圖案所具有的角度及/或相鄰圖案之間的距離等。舉例來說,彎曲圖案所具有的角度為彎曲圖案的轉折處(頂點)所呈現的角度,其可為鈍角、直角或銳角。並且,圖案特徵的識別結果例如可應用於計算光學鄰近效應校正時所需的補償值。
圖1是依照本發明一實施例的圖案特徵的識別方法的流程圖。
請參照圖1,首先,進行步驟S100,提供多個具有參考圖案特徵的參考影像。在本實施例中,所謂「參考圖案特徵」為現有的元件的淺溝渠隔離(shallow trench isolation,STI)圖案、形成接觸窗所需的開孔圖案或是線路設計所需的導線圖案等圖案,然而本發明不以此為限。在本實施例中,參考影像為由掃描式電子顯微鏡針對現有的元件進行拍攝而得的影像,其中掃描式電子顯微鏡例如為關鍵尺寸掃描式電子顯微鏡(critical dimension scanning electron microscope,CD-SEM)。
然後,進行步驟S102,將所述多個參考影像提供至影像辨識裝置。在影像辨識的過程中,影像辨識裝置先將每一個參考影像分割為多個次影像。一般來說,掃描式電子顯微鏡照片的尺寸例如為960×960畫素(pixel),因此,在本實施例中,以960×960畫素的參考影像200為例,影像辨識裝置將參考影像200以10×10畫素為單位進行分割,可得到96×96個次影像210,如圖2所示。藉此,後續可藉由影像辨識裝置對其中一個次影像210進行辨識與分類,以進行後續的辨識步驟。
一般而言,掃描式電子顯微鏡照片由於半導體元件的表面結構的不同,使得掃描式電子顯微鏡接收到的二次電子訊號改變,進而於二次電子訊號不平整處產生如圖2所示的白邊(white wall)。在本實施例中,如圖2所示,參考影像200的白邊216呈現彎曲波浪狀圖案,且白邊216包含邊界212及頂點214,其中頂點214為彎曲波浪狀圖案的轉折處,且兩相鄰的頂點214之間為邊界212。經分割後,參考影像200包括含有邊界212的次影像210a、含有頂點214的次影像210b、與其餘的次影像210c。
接著,進行步驟S104,藉由影像辨識裝置將包含有參考圖案特徵的邊界或頂點的次影像分類為第一類,以及將其餘的次影像分類為第二類。在本實施例中,藉由影像辨識裝置將次影像210a與次影像210b分類為第一類,以及將次影像210c分類為第二類。在本實施例中,第二類被視為影像的雜訊而不予以參考。換句話說,在後續的辨識步驟中,主要以第一類作為辨識圖案特徵的分析依據。在本實施例中,影像辨識裝置例如藉由K均值群聚演算法(K-Means cluster)進行上述的影像辨識與分類。
然後,進行步驟S106,儲存辨識結果。具體來說,經上述步驟對參考影像200進行辨識與分類後,將辨識結果(包括分類結果)進行儲存。據此,可藉由上述第一類與第二類的次影像210進行後續的辨識步驟,以代替工程人員的主觀判斷,進而避免人為判斷誤差的發生。
接著,進行步驟S108,將具有實際圖案特徵的影像與儲存的辨識結果進行比對與辨識。在本實施例中,所謂「實際圖案特徵」類似於上述參考圖案特徵,可為實際的元件的淺溝渠隔離圖案、形成接觸窗所需的開孔圖案或是線路設計所需的導線圖案等圖案,然而本發明不以此為限。在本實施例中,具有實際圖案特徵的影像例如包括由掃描式電子顯微鏡對實際的元件進行拍攝而得的影像,其中掃描式電子顯微鏡例如為關鍵尺寸掃描式電子顯微鏡(CD-SEM)。
在此步驟中,藉由影像辨識裝置將具有實際圖案特徵的影像與第一類的次影像進行比對,即例如利用步驟S106所儲存的辨識結果中第一類的次影像的邊界或頂點擬合(fitting)具有實際圖案特徵的影像。
然後,根據具有實際圖案特徵的影像的擬合結果,辨識具有實際圖案特徵的影像,將具有封閉式圖案特徵的具有實際圖案特徵的影像分類為第一類影像,以及將具有開放式圖案特徵的具有實際圖案特徵的影像分類為第二類影像。舉例來說,若具有實際圖案特徵的影像呈現方形、圓形等封閉式圖案,則此實際圖案特徵視為封閉式圖案特徵;相反地,則此實際圖案特徵視為開放式圖案特徵。在本實施例中,封閉式圖案特徵為開孔圖案或開口圖案,開放式圖案特徵為導線圖案。之後,即可藉由影像辨識裝置根據分類的結果來計算實際圖案特徵的角度特徵值及/或距離特徵值,以得到圖案特徵的識別結果。下文將對角度特徵值與距離特徵值作詳細的定義。
以下,將分別針對計算第一類影像或第二類影像中的實際圖案特徵的角度特徵值及/或距離特徵值作說明。
若具有實際圖案特徵的影像被分類為第一類影像,則進行下述步驟,來計算實際圖案特徵的角度特徵值及距離特徵值。
請同時參照圖1與圖3A,進行步驟S110,找出各個封閉式圖案特徵的重心。舉例來說,可利用影像辨識裝置中的計算單元、或外接於影像辨識裝置的計算單元來找出第一類影像300中各個封閉式圖案特徵的重心310,然而本發明不以此為限。在本實施例中,第一類影像300的封閉式圖案特徵以呈現橢圓形圖案為例,且各個橢圓形圖案例如以彼此交錯的方式排列。在其他實施例中,也可以呈現圓形圖案、方形圖案等,或是以不同的方式排列,然本發明不以此為限。
請同時參照圖1與圖3B,進行步驟S112,計算相鄰的兩個封閉式圖案特徵的重心之間的連線的斜率。在本實施例中,如圖3B所示將彼此交錯且相鄰的重心312與重心314相連而得到連線316,並利用上述計算單元計算連線316的斜率。並且,藉由計算而得的連線316的斜率對封閉式圖案特徵進行分類。舉例來說,若連線316的斜率大於0,則具有重心312的封閉式圖案特徵與具有重心314的封閉式圖案特徵被分類為第一群;若連線316的斜率小於或等於0,則具有重心312的封閉式圖案特徵與具有重心314的封閉式圖案特徵被分類為第二群。也就是說,將斜率大於0的相鄰的兩個封閉式圖案特徵分類為第一群,以及將斜率小於或等於0的相鄰的兩個封閉式圖案特徵分類為第二群。
接著,挑選第一群或第二群來計算後續步驟中的特徵值,以避免重複計算。舉例來說,在同一群斜率的情況下,藉由挑選任兩個斜率不超過一定的偏差值(threshold)來計算後續步驟中的特徵值,而可降低計算的誤差。在一實施例中,一定的偏差值為0.01,然而本發明不以此為限。在本實施例中,如圖3B所示例如是挑選斜率小於0的相鄰的兩個封閉式圖案特徵,即第二群,來進行計算。
之後,進行步驟S114,計算相鄰的兩個封閉式圖案特徵的重心之間的距離。在本實施例中,如圖3B所示,藉由計算單元來計算連線316的長度,即重心312與重心314之間的距離D1。
並進行步驟S116,根據距離D1來計算角度特徵值θ1與距離特徵值D2、D3。在本實施例中,利用計算單元計算相鄰的兩個封閉式圖案特徵的角度特徵值θ1,並藉由上述計算而得的重心312與重心314之間的距離D1以及角度特徵值θ1,根據反三角函數法來獲得距離特徵值D2、D3。在本實施例中,距離特徵值D2實質上等於重心312與重心314之間的水平距離,距離特徵值D3實質上等於重心312與重心314之間的垂直距離。換句話說,距離D1與距離特徵值D2、D3大致上為構成直角三角形的三邊的邊長,而角度特徵值θ1例如為直角三角形中的其中一個夾角。在本實施例中,角度特徵值θ1與距離特徵值D2、D3即為可應用於光學鄰近效應校正的圖案特徵的識別結果。
以上為方便說明,是以計算一組角度特徵值與距離特徵值為例。在其他實施例中,可以藉由影像辨識裝置同時對多組封閉式圖案特徵進行計算,便可以一次性的獲得第一類影像中的實際圖案特徵中多個角度特徵值及/或距離特徵值,進而有效提升半導體元件製程的效率。
在另一實施例中,若是計算第二類影像中的實際圖案特徵的特徵值,則如圖1、圖4A與圖4B所示進行步驟S118,計算實際圖案特徵的角度特徵值。
請同時參照圖1與圖4A,在本實施例中,第二類影像400的開放式圖案特徵以呈現彎曲波浪狀圖案為例,且各個彎曲波浪狀圖案以彼此平行的方式排列。在其他實施例中,也可以呈現其他的導線圖案,或是以不同的方式排列,然而本發明不以此為限。
舉例來說,藉由影像辨識裝置將第二類影像400與第一類的次影像進行比對,即例如利用步驟S106所儲存的辨識結果中第一類的次影像的邊界或頂點擬合第二類影像400,以更明顯地標示出第二類影像400的開放式圖案特徵的邊界或頂點,而可代替工程人員的主觀判斷,進而避免人為判斷誤差的發生。
請同時參照圖1與圖4B,藉由影像辨識裝置中的計算單元、或外接於影像辨識裝置的計算單元來計算相鄰的兩個邊界以及使兩個邊界相連的頂點之間所呈現的角度,以獲得第二類影像400的開放式圖案特徵的角度特徵值θ2。在其他實施例中,可以藉由影像辨識裝置同時對多組開放式圖案特徵進行計算,便可一次性的計算開放式圖案特徵的多個角度特徵值,進而有效提升半導體元件製程的效率。在本實施例中,角度特徵值θ2即為可應用於光學鄰近效應校正方法的圖案特徵的識別結果。
在一實施例中,可藉由影像辨識裝置同時對第二類影像中的開放式圖案特徵的多組角度特徵值進行計算,並可如圖5所示自動標示於影像中。
綜上所述,藉由影像辨識裝置根據分類的結果來計算多組角度特徵值及/或距離特徵值,可避免人為判斷誤差的發生。另外,將多組角度特徵值及/或距離特徵值應用於光學鄰近效應校正,並藉由反三角函數法等方法推得光學鄰近效應校正所需的補償值,以校正光罩的圖案,進而形成精準的圖案。如此一來,可避免人為判斷誤差的發生,且有效提升半導體元件製程的效率。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
200:參考影像
210、210a、210b、210c:次影像
212:邊界
214:頂點
216:白邊
300:第一類影像
310、312、314:重心
316:連線
400:第二類影像
S100、S102、S104、S106、S108、S110、S112、S114、S116、S118:步驟
θ1、θ2:角度特徵值
D1:距離
D2、D3:距離特徵值
圖1是依照本發明一實施例的圖案特徵的識別方法的流程圖。
圖2是經分割的參考影像的掃瞄式電子顯微鏡(SEM)照片。
圖3A是第一類影像的掃瞄式電子顯微鏡(SEM)照片。
圖3B是表示第一類影像的示意圖。
圖4A是第二類影像的掃瞄式電子顯微鏡(SEM)照片。
圖4B是表示第二類影像的示意圖。
圖5是表示圖案特徵的識別結果的掃瞄式電子顯微鏡(SEM)照片。
S100、S102、S104、S106、S108、S110、S112、S114、S116、S118:步驟
Claims (9)
- 一種圖案特徵的識別方法,其識別結果應用於光學鄰近效應校正,所述圖案特徵的識別方法包括: 提供多個具有參考圖案特徵的參考影像; 藉由影像辨識裝置對所述參考影像進行辨識與分類,並儲存辨識結果; 藉由所述影像辨識裝置將具有實際圖案特徵的影像與儲存的所述辨識結果進行比對,以將所述具有實際圖案特徵的影像進行辨識與分類;以及 藉由所述影像辨識裝置根據分類的結果來計算所述實際圖案特徵的角度特徵值及/或距離特徵值,以得到所述圖案特徵的識別結果。
- 如申請專利範圍第1項所述的圖案特徵的識別方法,其中對所述參考影像進行辨識與分類包括: 將所述參考影像分割為多個次影像;以及 將包含有所述參考圖案特徵的邊界或頂點的所述次影像分類為第一類,以及將其餘的所述次影像分類為第二類。
- 如申請專利範圍第2項所述的圖案特徵的識別方法,其中將所述具有實際圖案特徵的影像進行比對與分類包括: 藉由所述影像辨識裝置將所述具有實際圖案特徵的影像與所述第一類的所述次影像進行比對,以辨識所述具有實際圖案特徵的影像,並將具有封閉式圖案特徵的所述具有實際圖案特徵的影像分類為第一類影像以及將具有開放式圖案特徵的所述具有實際圖案特徵的影像分類為第二類影像。
- 如申請專利範圍第3項所述的圖案特徵的識別方法,其中所述封閉式圖案特徵包括開孔圖案或開口圖案,所述開放式圖案特徵包括導線圖案。
- 如申請專利範圍第3項所述的圖案特徵的識別方法,其中計算所述第一類影像中的所述實際圖案特徵的特徵值包括: 找出各個所述封閉式圖案特徵的重心; 計算相鄰的兩個所述封閉式圖案特徵的重心之間的距離;以及 根據所述距離來計算所述角度特徵值與所述距離特徵值。
- 如申請專利範圍第5項所述的圖案特徵的識別方法,其中在找出各個所述封閉式圖案特徵的重心之後且在計算所述距離之前,更包括: 計算相鄰的兩個所述封閉式圖案特徵的重心之間的連線的斜率;以及 將所述斜率大於0的相鄰的兩個所述封閉式圖案特徵分類為第一群,以及將所述斜率小於或等於0的相鄰的兩個所述封閉式圖案特徵分類為第二群,且 在計算所述角度特徵值與所述距離特徵值時,挑選所述第一群或所述第二群來進行計算。
- 如申請專利範圍第3項所述的圖案特徵的識別方法,其中計算所述第二類影像中的所述實際圖案特徵的特徵值包括: 計算所述實際圖案特徵的所述角度特徵值。
- 如申請專利範圍第1項所述的圖案特徵的識別方法,其中所述參考影像包括由掃描式電子顯微鏡拍攝而得的影像。
- 如申請專利範圍第1項所述的圖案特徵的識別方法,其中所述具有實際圖案特徵的影像包括由掃描式電子顯微鏡拍攝而得的影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108104043A TWI695221B (zh) | 2019-02-01 | 2019-02-01 | 圖案特徵的識別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108104043A TWI695221B (zh) | 2019-02-01 | 2019-02-01 | 圖案特徵的識別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI695221B true TWI695221B (zh) | 2020-06-01 |
TW202030544A TW202030544A (zh) | 2020-08-16 |
Family
ID=72176074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108104043A TWI695221B (zh) | 2019-02-01 | 2019-02-01 | 圖案特徵的識別方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI695221B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1547762A (zh) * | 2001-08-28 | 2004-11-17 | 数字技术股份有限公司 | 识别在掩模层上的虚拟特征的系统和方法 |
TW201602565A (zh) * | 2014-05-12 | 2016-01-16 | 克萊譚克公司 | 使用高解析度全晶粒圖像資料進行檢查 |
TW201629905A (zh) * | 2014-10-21 | 2016-08-16 | 克萊譚克公司 | 臨界尺寸一致性增強技術及裝置 |
US20170357911A1 (en) * | 2014-12-18 | 2017-12-14 | Asml Netherlands B.V. | Feature search by machine learning |
-
2019
- 2019-02-01 TW TW108104043A patent/TWI695221B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1547762A (zh) * | 2001-08-28 | 2004-11-17 | 数字技术股份有限公司 | 识别在掩模层上的虚拟特征的系统和方法 |
TW201602565A (zh) * | 2014-05-12 | 2016-01-16 | 克萊譚克公司 | 使用高解析度全晶粒圖像資料進行檢查 |
TW201629905A (zh) * | 2014-10-21 | 2016-08-16 | 克萊譚克公司 | 臨界尺寸一致性增強技術及裝置 |
US20170357911A1 (en) * | 2014-12-18 | 2017-12-14 | Asml Netherlands B.V. | Feature search by machine learning |
Also Published As
Publication number | Publication date |
---|---|
TW202030544A (zh) | 2020-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115147414B (zh) | 一种双极型功率晶体管表面击穿缺陷检测方法 | |
JP6227466B2 (ja) | 荷電粒子線装置および検査装置 | |
JP5429869B2 (ja) | パターン検査装置および方法 | |
US7090949B2 (en) | Method of manufacturing a photo mask and method of manufacturing a semiconductor device | |
US8340393B2 (en) | Advanced roughness metrology | |
JP5500858B2 (ja) | パターン測定装置 | |
TWI708304B (zh) | 晶圓設計影像分析方法、系統與非暫態電腦可讀取媒體 | |
KR102507304B1 (ko) | 결함 검사 방법 및 이를 이용한 반도체 소자의 제조 방법 | |
US20120198404A1 (en) | Defect inspection supporting apparatus and defect inspection supporting method | |
JP5677356B2 (ja) | マスクパターンの生成方法 | |
JP2011191296A (ja) | パターン検査装置および方法 | |
CN116402808B (zh) | 一种电缆夹板模具制造智能化检测方法 | |
US9336587B2 (en) | Semiconductor circuit pattern measuring apparatus and method | |
US9031810B2 (en) | Methods and systems of object based metrology for advanced wafer surface nanotopography | |
US10916006B2 (en) | Recognition method of pattern feature | |
TWI695221B (zh) | 圖案特徵的識別方法 | |
TWI553309B (zh) | Pattern measuring device, and computer program | |
WO2022058264A1 (en) | Defect detection for semiconductor structures on a wafer | |
CN111580338B (zh) | 图案特征的识别方法 | |
JP2005285898A (ja) | パターン画像判定方法及びその方法を用いたパターン画像判定装置 | |
TW202011255A (zh) | 輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體 | |
CN115829951A (zh) | 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置 | |
US11455715B2 (en) | Epitaxy metrology in fin field effect transistors | |
TWI697972B (zh) | 檢測鰭片移除之方法 | |
CN113192045A (zh) | 一种焊缝图像的缺陷尺寸分析方法 |