TWI707139B - 使用影像重建以用於缺陷偵測之系統及方法 - Google Patents

使用影像重建以用於缺陷偵測之系統及方法 Download PDF

Info

Publication number
TWI707139B
TWI707139B TW105144282A TW105144282A TWI707139B TW I707139 B TWI707139 B TW I707139B TW 105144282 A TW105144282 A TW 105144282A TW 105144282 A TW105144282 A TW 105144282A TW I707139 B TWI707139 B TW I707139B
Authority
TW
Taiwan
Prior art keywords
image
sample
inspection system
illumination
test image
Prior art date
Application number
TW105144282A
Other languages
English (en)
Other versions
TW201734441A (zh
Inventor
張晶
傑瑞米 奈斯比特
葛瑞斯 淑玲 陳
理察 威靈福德
Original Assignee
美商克萊譚克公司
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 美商克萊譚克公司 filed Critical 美商克萊譚克公司
Publication of TW201734441A publication Critical patent/TW201734441A/zh
Application granted granted Critical
Publication of TWI707139B publication Critical patent/TWI707139B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • G—PHYSICS
    • 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
    • G01N2021/8883—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 involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明提供一種檢查系統，其包含一照明子系統、一收集子系統及一控制器。該照明子系統包含：一照明源，其經組態以產生一照明光束；及一組照明光學裝置，其等用來將該照明光束引導至一樣本。該收集子系統包含：一組收集光學裝置，其等用來收集從該樣本發射之照明；及一偵測器，其經組態以從該樣本接收該經收集照明。該控制器經組態以：獲取該樣本之一測試影像；重建該測試影像以增強該測試影像之解析度；及基於該經重建測試影像偵測該樣本上之一或多個缺陷。

Description

使用影像重建以用於缺陷偵測之系統及方法
本發明大體上係關於缺陷偵測，且更特定言之係關於基於經重建影像偵測缺陷。
檢查系統對半導體晶圓上之缺陷進行識別及分類以在一晶圓上產生一缺陷群體。一給定半導體晶圓可包含數百個晶片，各晶片含有數千個所關注組件，且各所關注組件可在一晶片之一給定層上具有數百萬個實例。因此，檢查系統可在一給定晶圓上產生大量資料點(例如，針對一些系統之數千億個資料點)。此外，對不斷縮小裝置之需求導致對檢查系統之經增大需求。需求包含需要在不犧牲檢查速度或敏感度之情況下增大解析度及容量。 另外，諸多半導體裝置具有小於一檢查系統之解析度之尺寸，其造成由檢查系統產生之影像顯得模糊。在極端情況下，由檢查系統產生之影像可並不非常類似於晶圓上之特徵之實際圖案。因此，缺陷信號之信雜比可變差且可負面地影響效能。因此，將需要提供一種用於解決諸如上文指出之該等缺點的缺點之系統及方法。
根據本發明之一或多項闡釋性實施例揭示一種檢查系統。在一項闡釋性實施例，該系統包含一照明子系統。在另一闡釋性實施例，該照明子系統包含經組態以產生一照明光束之一照明源。在另一闡釋性實施例，該照明子系統包含用來將該照明光束引導至一樣本之一組照明光學裝置。在另一闡釋性實施例，該系統包含一收集子系統。在另一闡釋性實施例，該收集子系統包含用來收集從該樣本發射之照明之一組收集光學裝置。在另一闡釋性實施例，該收集子系統包含經組態以從該樣本接收該經收集照明之一偵測器。在另一闡釋性實施例，該系統包含通信地耦合至該偵測器之一控制器。在另一闡釋性實施例，該控制器包含一記憶體裝置及一或多個處理器。在另一闡釋性實施例，該控制器經組態以獲取該樣本之一測試影像。在另一闡釋性實施例，該控制器經組態以重建該測試影像以增強該測試影像之解析度。在另一闡釋性實施例，該控制器經組態以基於該經重建測試影像偵測該樣本上之一或多個缺陷。 根據本發明之一或多項闡釋性實施例揭示一種檢查系統。在一項闡釋性實施例，該系統包含一照明子系統。在另一闡釋性實施例，該照明子系統包含經組態以產生一照明光束之一照明源。在另一闡釋性實施例，該照明子系統包含用來將該照明光束引導至一樣本之一組照明光學裝置。在另一闡釋性實施例，該系統包含一收集子系統。在另一闡釋性實施例，該收集子系統包含用來收集從該樣本發射之照明之一組收集光學裝置。在另一闡釋性實施例，該收集子系統包含經組態以從該樣本接收該經收集照明之一偵測器。在另一闡釋性實施例，該系統包含通信地耦合至該偵測器之一控制器。在另一闡釋性實施例，該控制器包含一記憶體裝置及一或多個處理器。在另一闡釋性實施例，該控制器經組態以獲取該樣本之一測試影像。在另一闡釋性實施例，該控制器經組態以基於該測試影像偵測該樣本上之一或多個缺陷。在另一闡釋性實施例，該控制器經組態以產生與該樣本上之該一或多個經偵測缺陷相關聯之一或多個區塊影像。在另一闡釋性實施例，該控制器經組態以重建該一或多個區塊影像以增強該一或多個區塊影像之解析度。在另一闡釋性實施例，該控制器經組態以基於該一或多個經重建區塊影像對該一或多個缺陷分類。 根據本發明之一或多項闡釋性實施例揭示一種多模式檢查系統。在一項闡釋性實施例，該系統包含一照明子系統。在另一闡釋性實施例，該照明子系統包含經組態以產生兩種或更多種照明模式之一照明源。在另一闡釋性實施例，該照明子系統包含用來將該照明光束引導至一樣本之一組照明光學裝置。在另一闡釋性實施例，該系統包含一收集子系統。在另一闡釋性實施例，該收集子系統包含用來收集從該樣本發射之照明之一組收集光學裝置。在另一闡釋性實施例，該收集子系統包含用來產生兩種或更多種收集模式之一可調整收集孔徑。在另一實施例，該照明子系統包含由該兩種或更多種照明模式及該兩種或更多種收集模式形成之兩種或更多種系統模式。在另一闡釋性實施例，該收集子系統包含經組態以從該樣本接收該經收集照明之一偵測器。在另一闡釋性實施例，該系統包含通信地耦合至該偵測器之一控制器。在另一闡釋性實施例，該控制器包含一記憶體裝置及一或多個處理器。在另一闡釋性實施例，該控制器經組態以基於該兩種或更多種系統模式獲取該樣本之兩個或更多個測試影像。在另一闡釋性實施例，該控制器經組態以估計該檢查系統之一點擴散函數。在另一闡釋性實施例，該控制器經組態以基於該經估計點擴散函數重建該兩個或更多個測試影像以增強該兩個或更多個測試影像之解析度。在另一闡釋性實施例，該控制器經組態以基於該兩個或更多個經重建測試影像識別該樣本上之一或多個缺陷。 根據本發明之一或多項闡釋性實施例揭示一種檢查系統。在一項闡釋性實施例，該系統包含一照明子系統。在另一闡釋性實施例，該照明子系統包含經組態以產生一照明光束之一照明源。在另一闡釋性實施例，該照明子系統包含用來將該照明光束引導至一樣本之一組照明光學裝置。在另一闡釋性實施例，該系統包含一收集子系統。在另一闡釋性實施例，該收集子系統包含用來收集從該樣本發射之照明之一組收集光學裝置。在另一闡釋性實施例，該收集子系統包含經組態以從該樣本接收該經收集照明之一偵測器。在另一闡釋性實施例，該系統包含通信地耦合至該偵測器之一控制器。在另一闡釋性實施例，該控制器包含一記憶體裝置及一或多個處理器。在另一闡釋性實施例，該控制器經組態以組態一缺陷偵測配方。在另一闡釋性實施例，該控制器經組態以基於該缺陷偵測配方偵測該樣本上之一或多個缺陷。 應理解，前文概述及下文詳細描述兩者僅係例示性且解釋性的且未必限制如所主張的本發明。併入本說明書中且構成本說明書之一部分的隨附圖式繪示本發明之實施例且連同概述一起用來解釋本發明之原理。
相關申請案之交叉參考 本申請案依據35 U.S.C. § 119(e)主張2016年1月1日申請、標題為「APPLICATION OF SUPER-RESOLUTION TO IMPROVE WAFER INSPECTION」、指定Jing Zhang、Jeremy Nesbitt、Grace Chen及Dick Wallingford為發明者之美國臨時申請案第62/274,169號之權利，該案之全文以引用方式併入本文中。 現將詳細參考隨附圖式中繪示之所揭示標的。已關於某些實施例及其特定特徵具體展示及描述本發明。本文中陳述之實施例被視為闡釋性而非限制性。一般技術者應容易明白，可在不背離本發明之精神及範疇之情況下於形式及細節方面作出各種變更及修改。 大體上參考圖1A至圖14，揭示用於使用超解析度影像重建檢查一樣本之缺陷之系統及方法。本發明之實施例旨在重建一或多個影像以促進缺陷偵測。影像重建可提供但不限於提供經增強解析度或缺陷之一經增強信雜比(SNR)。本發明之實施例旨在重建單個影像(例如，樣本之一測試影像)。本發明之額外實施例旨在重建多個影像用於缺陷偵測。例如，可單獨地重建樣本之一測試影像以及樣本之一參考影像。此外，可產生基於經重建測試影像及經重建參考影像之一差異影像用於缺陷偵測。 本文中應認知，半導體晶圓上之特徵大小可顯著小於用來偵測晶圓上之缺陷之光學檢查系統之解析度。換言之，製成特徵以及任何潛在缺陷之大小可顯著小於一光學檢查系統之一偵測波長。據此，一晶圓之一光學檢查系統可不完全解析諸多樣本特徵，使得由檢查系統產生之一影像可顯得模糊。例如，由一光學檢查系統產生之一影像可缺乏樣本上之設計圖案之許多高空間頻率內容。此外，檢查系統之一照明光束與樣本上之特徵的互動可導致可進一步影響影像之散射及光學干擾效應。 本文中進一步應認知，可利用影像重建技術(諸如但不限於影像內插或反捲積)來增強一模糊影像。例如，可利用影像內插來按比例放大一影像以增大一影像之解析度。藉由另一實例，可使用反捲積(例如，影像解模糊)以藉由反轉由成像系統引發之已知或經估計失真來恢復一影像的形狀內容。成像系統之失真可藉由一點擴散函數(PSF)描述，該點擴散函數(PSF)描述一光學系統對一點源之回應(例如，一檢查系統之脈衝回應)。因此，由一檢查系統提供之一影像可特徵化為實際影像場(例如，一經圖案化半導體晶圓)及PSF之一捲積。據此，影像反捲積可反轉藉由運用PSF對影像反捲積引發之光學失真以產生一增強的經重建影像。此外，可基於PSF之知識對反捲積技術分類。非盲目反捲積技術利用基於成像系統之先前知識之一已知(或經估計) PSF，而盲目反捲積技術基於影像自身之分析估計PSF。 大體言之，精確地判定一成像系統之PSF係不切實際的。例如，PSF可基於影像場中之一點源之位置及/或一點源之深度(例如，失焦程度)而變化。另外，一物件之運動或系統之抖動可進一步影響與一特定影像相關聯之PSF。據此，非盲目反捲積技術通常利用一經估計PSF。 在具有小於檢查系統之解析度之特徵之一樣本上進行缺陷偵測之背景中，真實PSF可係樣本之局域設計之一函數，使得可不界定將應用於任何任意設計圖案之影像之一全域PSF。然而，可可能無需一樣本上之實際特徵之一完整重建來偵測樣本上之缺陷。本發明之實施例利用一經估計全域PSF來增強樣本之一影像之解析度用於缺陷偵測。就此而言，一經重建影像可提供缺陷之一經增強信雜比(SNR)。 本發明之額外實施例係關於使用正則化反捲積之影像重建。就此而言，影像重建可利用包含一或多個正則化項作為基於已知或所預期結果之先前知識之約束的迭代反捲積步驟來收斂於一可能解。據此，與反捲積相關聯之一成本函數中之正則化項可避免不可能解及/或避免影像假影，諸如但不限於振鈴假影。本發明之實施例利用稀疏分佈正則化項來重建具有經稀疏分佈缺陷之影像。本發明之進一步實施例利用影像約束正則化項以基於樣本之一影像之一或多個態樣之先前知識重建影像。例如，影像約束正則化項可包含但不限於影像梯度正則化項(例如，全變數、Tikhonov-Miller、雙向或類似者)。 反捲積技術大體上描述於Starck, J.L.等人之「Deconvolution in Astronomy: A Review」，Publications of the Astronomical Society of the Pacific，114:1051–1069 (2002年)，其全文以引用方式併入本文中。影像解模糊化大體上描述於Wang, R等人之「Recent Progress in Image Debluring」，arXiv:1409.6838 [cs.CV] (2014年)，其全文以引用方式併入本文中。用於影像恢復之基於貝葉斯定理之迭代方法大體上描述於Richardson, WH之「Bayesian-based iterative method of image restoration」，Journal of the Optical Society of America 62(1):55-59 (1972年)，其全文以引用方式併入本文中。一迭代矯正技術大體上描述於Lucy, LB之「An iterative technique for the rectification of observed distributions」，The astronomical journal 79:745-754 (1974年)，其全文以引用方式併入本文中。結合全變數正則化使用Richardson-Lucy演算法之三維反捲積技術大體上描述於Dey, N.等人之「3D Microscopy Deconvolution using Richardsion-Lucy Algorithm with Total Variation Regularization」，Institut National de Recherche en Informatique et en Automatique，N. 5272 (2004年)，其全文以引用方式併入本文中。漸進式標度間及標度內非盲目影像反捲積大體上描述於Yuan, L.等人之「Progressive Inter-scale and Intra-scale Non-blind Image Deconvolution」，ACM Transactions on Graphics (TOG) - Proceedings of ACM SIGGRAPH 2008，24(3)，Art. 74 (2008年)，其全文以引用方式併入本文中。 本文中應認知，典型缺陷偵測系統可藉由比較一測試影像與一或多個參考影像(例如，藉由產生一或多個差異影像或類似者)來偵測缺陷。一參考影像可與另一晶粒(例如，晶粒至晶粒偵測或類似者)或另一單元(例如，單元至單元偵測或類似者)相關聯。例如，一樣本晶粒中之缺陷可藉由比較樣本晶粒之一影像與一參考晶粒之一影像(例如，晶粒至晶粒(D2D)檢查、標準參考晶粒(SRD)檢查或類似者)或比較樣本晶粒之一影像與基於設計特性之一影像(例如，晶粒至資料庫(D2DB)檢查)而特徵化。使用永久性資料(例如，經儲存資料)之檢查系統大體上描述於2012年2月28日發佈之美國專利第8,126,255號，該專利之全文以引用方式併入本文中。使用一樣本之設計資料來促進檢查之檢查系統大體上描述於2010年3月9日發佈之美國專利第7,676,077號及2000年11月28日發佈之美國專利第6,154,714號，該等專利之全文以引用方式併入本文中。本發明之實施例係關於在產生一差異影像之前重建一測試影像及一參考影像。例如，可透過運用檢查系統之一經估計PSF進行反捲積來重建測試影像及參考影像兩者。可使用一影像約束正則化項(例如，一影像梯度約束正則化項或類似者)對測試影像及/或參考影像反捲積以避免不可能解且避免假影。另外，可將一稀疏分佈正則化項進一步併入至測試影像之反捲積中。就此而言，可突出測試影像與參考影像之間的差異(例如，待偵測缺陷信號)。 本發明之額外實施例係關於重建多個測試影像。例如，可單獨地重建運用多種照明模式(例如，多個照明角度或類似者)取得之一樣本之測試影像並分析缺陷。此外，多個經重建測試影像可經組合以形成適於缺陷偵測之一經組合影像。藉由另一實例，可重建與一樣本上之經偵測缺陷周圍之局域化區域相關聯之區塊影像。例如，一檢查系統可產生一或多個區塊影像用於缺陷分類，各區塊影像具有一所預期缺陷及環繞缺陷之影像的一部分。就此而言，區塊影像之重建可提供經增強缺陷分類或一缺陷相對於經設計樣本圖案(例如，在區塊影像中未解析)之位置判定。 本發明之額外實施例係關於重建經抗頻疊測試影像。例如，一檢查系統可利用大像素大小(例如，相對於樣本特徵)來改良處理量或最佳地利用與一照明源相關聯之亮度級。然而，此等影像可遭受頻疊雜訊。據此，檢查系統可利用一抗頻疊技術(例如，一抗頻疊濾波器之應用、影像獲取期間之有意模糊化或類似者)。本發明之額外實施例係關於重建經抗頻疊影像以復原受抗頻疊影響之一缺陷信號之部分。 本發明之額外實施例係關於重建由檢查系統產生用於判定運行時間影像獲取參數(例如，一配方)以用於一特定樣本上之缺陷偵測之組態影像。例如，由檢查系統產生之一樣本之一組態影像可經重建以促進判定與輻射系統相關聯之參數(例如，在基於組態影像之動態範圍之測試影像獲取期間之一亮度級或類似者)、判定樣本上之一或多個關照區域來詢問或訓練基於設計之檢查演算法(例如，像素-設計對準(PDA)、基於背景之成像(CBI)、基於模板之成像(TBI)或類似者)。 如貫穿本發明使用，術語「樣本」通常指代由一半導體或非半導體材料形成之一基板(例如，一晶圓或類似者)。例如，一半導體或非半導體材料可包含但不限於單晶矽、砷化鎵及磷化銦。一樣本可包含一或多個層。例如，此等層可包含但不限於一光阻劑、一介電材料、一導電材料及一半導體材料。此項技術中已知此等層之諸多不同類型，且如本文中使用之術語樣本旨在涵蓋其上可形成此等層之所有類型之一樣本。形成於一樣本上之一或多個層可經圖案化或未經圖案化。例如，一樣本可包含複數個晶粒，各晶粒具有可重複經圖案化特徵。此等材料層之形成及處理可最終導致完成的裝置。諸多不同類型之裝置可形成於一樣本上，且如本文中使用之術語樣本旨在涵蓋其上製造此項技術中已知之任何類型之裝置之一樣本。此外，出於本發明之目的，術語樣本及晶圓應被解釋為可互換。另外，出於本發明之目的，術語圖案化裝置、遮罩及主光罩應被解釋為可互換。 圖1A係繪示根據本發明之一或多項實施例之一檢查系統100之一概念圖。在一項實施例中，檢查系統100包含用來詢問一樣本104之一檢查量測子系統102。例如，檢查量測子系統102可偵測樣本104上之一或多個缺陷。 本文中應注意，檢查量測子系統102可係此項技術中已知適於偵測一樣本104上之缺陷之任何類型之檢查系統。例如，檢查量測子系統102可包含一粒子束檢查子系統。據此，檢查量測子系統102可將一或多個粒子束(例如，電子束、離子束或類似者)引導至樣本104，使得可基於從樣本104發射之經偵測輻射(例如，二次電子、經反向散射電子、發光或類似者)偵測一或多個缺陷。作為另一實例，檢查量測子系統102可包含一光學檢查子系統。據此，檢查量測子系統102可將光學輻射引導至樣本104，使得可基於從樣本104發射之經偵測輻射(例如，經反射輻射、經散射輻射、經繞射輻射、發光輻射或類似者)偵測一或多個缺陷。 檢查量測子系統102可在一成像模式或一非成像模式中操作。例如，在一成像模式中，個別物件(例如，缺陷)可在樣本上之經照明點內(例如，作為一亮場影像、一暗場影像、一相位對比度影像或類似者之部分)解析。在一非成像操作模式中，由一或多個偵測器收集之輻射可與樣本上之單個經照明點相關聯且可表示樣本104之一影像之單個像素。就此而言，可藉由從一樣本位置陣列獲取資料來產生樣本104之一影像。此外，檢查量測子系統102可操作為一基於散射量測之檢查系統，其中在一光瞳平面處分析來自樣本之輻射以特性化來自樣本104之輻射之角度分佈(例如，與由樣本104散射及/或繞射輻射相關聯)。 在另一實施例中，檢查系統100包含耦合至檢查量測子系統102之一控制器106。就此而言，控制器106可經組態以從檢查量測子系統102接收資料，包含但不限於檢查資料。在另一實施例中，控制器106包含一或多個處理器108。例如，一或多個處理器108可經組態以執行維持於一記憶體裝置110或記憶體中之一程式指令集。一控制器106之一或多個處理器108可包含此項技術中已知之任何處理元件。在此意義上，一或多個處理器108可包含經組態以執行演算法及/或指令之任何微處理器類型裝置。此外，記憶體裝置110可包含此項技術中已知適於儲存可由相關聯之一或多個處理器108執行之程式指令之任何儲存媒體。例如，記憶體裝置110可包含一非暫時性記憶體媒體。作為一額外實例，記憶體裝置110可包含但不限於一唯讀記憶體、一隨機存取記憶體、一磁性或光學記憶體裝置(例如，磁碟)、一磁帶、一固態磁碟及類似者。進一步應注意，記憶體裝置110可與一或多個處理器108一起容置於一共同控制器外殼中。 圖1B係繪示根據本發明之一或多項實施例之檢查量測子系統102之一概念圖。在一項實施例中，檢查量測子系統102包含用來產生一照明光束114之一照明源112。在一進一步實施例中，照明源112係經組態以產生一單獨照明光束114之一單獨照明源。照明光束114可包含一或多個選定光波長，包含但不限於紫外線(UV)輻射、可見輻射或紅外線(IR)輻射。 在另一實施例中，照明源112經由一照明路徑116將照明光束114引導至樣本104。照明路徑116可包含一或多個透鏡118。此外，照明路徑116可包含適於修改及/或調節照明光束114之一或多個額外光學組件120。例如，一或多個光學組件120可包含但不限於一或多個偏光器、一或多個濾波器、一或多個光束分裂器、一或多個漫射器、一或多個均質器、一或多個切趾器、或一或多個光束整形器。在一項實施例中，照明路徑116包含一光束分裂器122。在另一實施例中，檢查量測子系統102包含用來將照明光束114聚焦至樣本104上之一物鏡124。 在另一實施例中，檢查量測子系統102包含經組態以透過一收集路徑128捕捉從樣本104發射之輻射之一或多個偵測器126。收集路徑128可包含用來引導及/或修改由物鏡124收集之照明之多個光學元件，包含但不限於一或多個透鏡130、一或多個濾波器、一或多個偏光器、一或多個光束擋塊、或一或多個光束分裂器。 例如，一偵測器126可接收由收集路徑128中之元件(例如，物鏡124、一或多個透鏡130或類似者)提供之樣本104之一影像。藉由另一實例，一偵測器126可接收從樣本104反射或散射(例如，經由鏡面反射、漫反射及類似者)之輻射。藉由另一實例，一偵測器126可接收由樣本產生之輻射(例如，與照明光束114之吸收相關聯之發光及類似者)。藉由另一實例，一偵測器126可從樣本104接收一或多個繞射階之輻射(例如，0階繞射、±1階繞射、±2階繞射及類似者)。此外，本文中應注意，一或多個偵測器126可包含此項技術中已知適於量測從樣本104接收之照明之任何光學偵測器。例如，一偵測器126可包含但不限於一CCD偵測器、一TDI偵測器、一光電倍增管(PMT)、一雪崩光電二極體(APD)或類似者。在另一實施例中，一偵測器126可包含適於識別從樣本104發射之輻射之波長之一光譜偵測器。此外，檢查量測子系統102可包含多個偵測器126 (例如，與由一或多個光束分裂器產生以促進由檢查量測子系統102進行的多個計量量測(例如，多個計量工具)之多個光束路徑相關聯)。 在另一實施例中，檢查量測子系統102通信地耦合至檢查系統100之控制器106。就此而言，控制器106可經組態以接收資料，包含但不限於檢查資料(例如，檢查量測結果、目標影像、光瞳影像及類似者)或計量度量(例如，精度、工具引發之偏移、敏感度、繞射效率、離焦斜率、側壁角度、臨界尺寸及類似者)。 在另一實施例中，樣本104安置於適於在掃描期間固定樣本104之一樣本台132上。在另一實施例中，樣本台132係一可致動台。例如，樣本台132可包含但不限於適於可選擇性地沿一或多個線性方向(例如，x方向、y方向及/或z方向)平移樣本104之一或多個可平移台。藉由另一實例，樣本台132可包含但不限於適於可選擇性地沿一可旋轉方向旋轉樣本104之一或多個可旋轉台。藉由另一實例，樣本台132可包含但不限於適於可選擇性地沿一線性方向平移樣本及/或沿一可旋轉方向旋轉樣本104之一可旋轉台及一可平移台。 圖1C係繪示根據本發明之另一實施例之一檢查量測子系統102之一概念圖。在一項實施例中，照明路徑116及收集路徑128含有單獨元件。例如，照明路徑116可利用一第一聚焦元件134以將照明光束114聚焦至樣本104上且收集路徑128可利用一第二聚焦元件136以從樣本104收集輻射。就此而言，第一聚焦元件134及第二聚焦元件136之數值孔徑可不同。此外，本文中應注意，圖1C中描繪之檢查量測子系統102可促進樣本104及/或一個以上照明源112 (例如，耦合至一或多個額外偵測器126)之多角度照明。就此而言，圖1C中描繪之檢查量測子系統102可執行多個計量量測。在另一實施例中，一或多個光學組件可安裝至繞樣本104樞轉之一可旋轉臂(未展示)，使得可藉由可旋轉臂之位置控制樣本104上照明光束114之入射角度。 圖2係繪示根據本發明之一或多項實施例之在用於偵測一樣本中之缺陷之一方法200中執行之步驟之一流程圖。申請人強調，本文先前在系統100之背景中描述之實施例及實現技術應被解釋為擴展至方法200。然而，進一步應注意，方法200不限於系統100之架構。 可如本文中進一步描述般執行方法200之各步驟。可由可根據本文中描述之任何實施例組態之一或多個控制器(例如，控制器106或類似者)執行步驟。另外，可由本文中描述之任何系統實施例執行上文描述之方法。方法200亦可包含可由本文中描述之控制器或任何系統實施例執行之一或多個額外步驟。 在一項實施例中，方法200包含獲取一測試影像之一步驟202。測試影像可係待被檢查缺陷之(例如，樣本104)之一影像。此外，可藉由此項技術中已知之任何方法形成測試影像。例如，可但無需至少部分使用檢查量測子系統102產生測試影像。據此，測試影像可對應於一光學影像、一掃描電子顯微鏡影像、一粒子束影像或類似者。藉由另一實例，可由檢查系統100儲存測試影像。例如，測試影像可儲存於控制器106之記憶體裝置110內。就此而言，檢查系統100可操作為一虛擬檢查系統。藉由另一實例，可從一外部源(例如，一資料儲存系統、一伺服器、一額外檢查系統或類似者)擷取測試影像。 在另一實施例中，方法200包含重建測試影像以增強測試影像之解析度之一步驟204。步驟204可包含使用此項技術中已知之任何方法或方法組合重建測試影像以增強缺陷之偵測。在另一實施例中，方法200包含基於經重建測試影像偵測樣本上之一或多個缺陷之一步驟206。例如，步驟206可包含基於經重建測試影像使用此項技術中已知之任何技術偵測缺陷。例如，可分析經重建測試影像之部分並比較其等與測試影像之經重複部分、一參考影像、設計資料或類似者用於偵測測試影像內之缺陷。 在一項實施例中，步驟204包含藉由影像內插重建測試影像。步驟204可包含使用此項技術中已知之任何內插技術重建測試影像，諸如但不限於雙線性內插、三次內插、Lanczos內插、最近相鄰內插、B樣條內插或正弦內插。例如，步驟204可包含內插測試影像以使測試影像之解析度增大(例如，按比例放大影像)超過由檢查系統提供之解析度。例如，步驟204可包含內插測試影像以將像素大小及/或間隔修改至處於或低於樣本上之特徵之尺寸的尺寸。就此而言，與經偵測缺陷相關聯之位置資訊可與相關樣本特徵關聯。 在另一實施例中，步驟204包含藉由反捲積重建影像。 圖3係繪示根據本發明之一或多項實施例之在方法200之步驟204中執行之步驟之一流程圖。在一項實施例中，步驟204包含估計檢查系統(例如，檢查量測子系統102或類似者)之PSF之一步驟302。在另一實施例中，步驟204包含基於經估計PSF對測試影像反捲積之一步驟304。 成像系統(諸如檢查系統)通常提供作為一樣本之一失真表示之一影像。失真源可包含但不限於由成像系統之組件之繞射、成像系統之組件之像差、干擾效應、樣本之運動、成像系統之運動、或湍流。在一般意義上，可藉由一點擴散函數(PSF)描述由成像系統之系統失真。PSF可由成像系統特徵化為一點源之一影像，其通常係一模糊圖案。就此而言，可將由一成像系統提供之一影像模型化為真實分佈(例如，一理想影像)及PSF之一捲積。例如，可將一影像
Figure 02_image001
模型化為：
Figure 02_image003
，                                                                       (1) 其中
Figure 02_image005
係理想影像且
Figure 02_image007
係PSF。 影像
Figure 02_image001
可進一步經模型化以包含雜訊
Figure 02_image010
之分佈之假定。例如，對於一高斯雜訊分佈，可將影像
Figure 02_image001
模型化為：
Figure 02_image012
(2) 藉由另一實例，對於泊松或脈衝雜訊分佈，可將影像
Figure 02_image001
模型化為：
Figure 02_image014
。                                                                  (3) 如本文中先前描述，歸因於失真源之性質，通常極其難以界定與由一成像系統產生一特定影像相關聯之確切PSF。此外，PSF可依據成像系統之視場中之一物件點之空間位置以及物件之深度兩者而變化。據此，步驟302可包含產生檢查系統之PSF之一估計，其近似檢查系統之所預期失真。 另外，在其中經成像之樣本上之特徵小於檢查系統之解析度的缺陷檢查之背景中，PSF可係局域設計圖案之一函數。就此而言，界定適於對一樣本之一任意影像反捲積之一全域PSF可係不切實際的。據此，完全重建樣本之一影像以非常類似於樣本上之特徵之實際圖案可係不切實際的。然而，情況可能是，出於缺陷偵測之目的，完全重建一影像以非常類似於樣本上之特徵之實際圖案可並非必需。相反地，反捲積之一現實目標可係增大缺陷信號之信雜比。例如，反捲積可促進一影像中之缺陷信號與非缺陷信號之間的對比度。就此而言，步驟302中之一全域PSF之一估計可提供一可接受且實際的經重建影像。 在另一實施例中，基於檢查系統之孔徑之一組合(例如，一線性組合)之一傅立葉變換估計一全域PSF。例如，步驟302可包含基於照明系統之照明孔徑(例如，對應於由照明源112提供之照明之一空間分佈)與收集孔徑之一線性組合之一傅立葉變換產生PSF之一估計。 圖4A至圖4E繪示基於一照明孔徑與收集孔徑之一線性組合估計一檢查系統之PSF。圖4A係根據本發明之一或多項實施例之一檢查系統之一照明孔徑之一圖表400。例如，照明源112可具有對應於圖表400之一照明輪廓。在一項實施例中，照明孔徑包含兩個照明極402。在一個實例中，兩個照明極402在投射至一樣本104上時可提供離軸照明。圖4B係根據本發明之一或多項實施例之一檢查系統之一收集孔徑之一圖表404。例如，檢查量測子系統102之物鏡124可具有對應於圖表404之一圓形收集孔徑406，其對應於(例如，物鏡124之) 0.9 NA。本文中應注意，照明孔徑及收集孔徑可對應於檢查系統之光瞳平面。就此而言，照明孔徑或收集孔徑中之一特定空間位置可對應於以一特定角度進入或離開系統之照明。據此，圖表400及404可描繪根據入射角或出射角傳播穿過檢查系統之光之相對強度。 圖4C係根據本發明之一或多項實施例之圖表400之照明孔徑與圖表404之收集孔徑的一線性組合之一圖表408。例如，圖表408可繪示加權達0.8之圖表400之照明孔徑與加權達0.2之圖表404之收集孔徑的總和。然而，應理解，照明孔徑及收集孔徑內之例示性圖案以及與圖4A至圖4C相關聯之加權因數之值僅出於闡釋目的而提供且不應被解釋為限制性。在一般意義上，照明孔徑及收集孔徑可具有任何圖案。此外，照明孔徑及收集孔徑可包含對應於孔徑之一透射率之灰階值。另外，可運用分配相對貢獻之權重之任何組合對照明孔徑與收集孔徑之線性組合加權。本文中應注意，相對於收集孔徑對照明孔徑重加權可提供傳遞穿過檢查系統之光瞳的照明之角度之分佈之一估計。在另一實施例中，可基於檢查系統(例如，檢查量測子系統102或類似者)之參數(諸如但不限於數值孔徑(NA)或照明角度)從一客製化函數產生加權參數。 圖4D係根據本發明之一或多項實施例之依基於圖4C中繪示之照明孔徑與收集孔徑之線性組合之一2D傅立葉變換之一線性標度的檢查系統之一經估計PSF之一圖表410。圖4E係根據本發明之一或多項實施例之依基於圖4C中繪示之照明孔徑與收集孔徑之線性組合之一2D傅立葉變換之一對數標度的檢查系統之經估計PSF之一圖表412。例如，圖4D及圖4E中繪示之PSF可表示檢查系統對一點源之回應之一估計。 反捲積(例如，如步驟304或類似者中執行)通常係一病態求逆問題，因為可不存在唯一解。可藉由此項技術中已知適於增強一樣本之一影像(例如，一測試影像)中之缺陷之偵測之任何反捲積技術判定由一成像系統產生之影像之一經重建版本
Figure 02_image016
。 在一些實施例中，可在傅立葉域(例如，使用一待重建影像之空間傅立葉變換)中執行一或多個處理步驟。在一項實施例中，方程式(1)可表示為：
Figure 02_image018
，                                                                                         (4) 其中
Figure 02_image020
係理想影像(
Figure 02_image022
)之傅立葉變換，
Figure 02_image024
係經觀察影像(
Figure 02_image026
)之傅立葉變換，且
Figure 02_image028
係PSF (例如，光學轉移函數(OTF))之傅立葉變換。 在一項實施例中，藉由對OTF直接求逆來產生一經重建影像
Figure 02_image030
：
Figure 02_image032
。                                                                                       (5) 此外，可將一小常數
Figure 02_image034
添加至方程式(5)以避免奇異性。例如，可根據下列方程式產生一經重建影像
Figure 02_image030
：
Figure 02_image036
。                                                                                (5) 在另一實施例中，可基於已知或所預期頻率相依信雜比(SNR(f))判定逆矩陣
Figure 02_image038
：
Figure 02_image040
，                                                                                 (6) 其中
Figure 02_image042
表示
Figure 02_image044
之複共軛。就此而言，逆矩陣
Figure 02_image046
可表示基於信雜比過濾空間頻率之一維納濾波器。例如，影像之高空間頻率通常可具有相對較大信雜比且可因此被維納濾波器更強地過濾。 在另一實施例中，可基於一最大似然計算重建一影像。例如，最小化最小平方差之一影像可特徵化為：
Figure 02_image048
。                                                                        (7) 在另一實施例中，一或多個正則化因數可包含於一最小化中以強制執行先前知識，約束解及/或避免放大雜訊。例如，正則化因數可基於平滑度、稀疏度、一梯度或類似者約束影像。在一個實例中，最小化受正則化約束之最小平方差之一影像可特徵化為：
Figure 02_image050
，                                                             (8) 其中
Figure 02_image052
係一正則化參數且
Figure 02_image054
係一約束函數。 在另一實施例中，可使用收斂於一最大似然解之一迭代技術產生一經重建影像。例如，步驟204可包含但不限於使用一Richardson-Lucy反捲積技術重建一影像。例如，一Richardson-Lucy反捲積可基於一泊松雜訊分佈之一假定提供收斂於一最大似然影像(例如，經重建影像
Figure 02_image056
)之一迭代解。就此而言，給定一理想影像
Figure 02_image058
及一PSF
Figure 02_image060
，一經觀察影像
Figure 02_image062
之一似然概率可特徵化為：
Figure 02_image064
，                                                  (9) 其中
Figure 02_image066
表示影像
Figure 02_image068
及
Figure 02_image070
之空間座標。此外，藉由最小化負對數似然
Figure 02_image072
(例如，一成本函數)來最大化方程式(9)之似然概率：
Figure 02_image074
。                              (10) 接著一最大似然估計可特徵化為：
Figure 02_image076
(11) 且可發現經重建影像之一迭代解為：
Figure 02_image078
，                                                                   (12) 其中
Figure 02_image080
係表示迭代次數之一整數，
Figure 02_image082
係經重建影像之第k次迭代。 圖5A至圖5C繪示對一影像應用Richardson-Lucy反捲積。圖5A係根據本發明之一或多項實施例之(例如，由一檢查系統獲取之)一樣本之一經觀察影像500。該影像包含未清楚解析之一系列線性特徵502。圖5B係根據本發明之一或多項實施例之對應於藉由Richardson-Lucy捲積之10次迭代產生之經觀察影像500之一經重建版本之一經重建影像504。經重建影像504展現經增強解析度。例如，線性特徵502之邊緣在經觀察影像500中更清晰，但其等未被清楚界定。此外，線性特徵502之位置未相對於圖5A變更。就此而言，經重建影像504可在用於缺陷偵測時提供優越效能。例如，相對於經觀察影像500，使用經重建影像504，經識別缺陷之位置可更精確地被判定且與樣本上之特徵關聯。然而，Richardson-Lucy反捲積可在影像中產生假影，其可負面地影響缺陷偵測。例如，振鈴假影506(例如，與一邊緣附近之一振幅振盪或類似者相關聯)不存在於經觀察影像500中且進一步不代表樣本。據此，振鈴假影506之存在可負面地影響缺陷偵測效能。圖5C係根據本發明之一或多項實施例之對應於藉由Richardson-Lucy捲積之100次迭代產生之經觀察影像500之一經重建版本之一經重建影像508。在經重建影像508中，線性特徵之邊緣比使用10次迭代獲得之經重建影像504更清晰。然而，亦放大振鈴假影506。在一些應用中，藉由反捲積程序引入之假影(例如，振鈴假影506及類似者)可抵消藉由反捲積獲得之缺陷偵測中的優勢。 在另一實施例中，步驟304包含使用一正則化反捲積技術重建一經觀察影像，其中一或多個正則化參數約束所得影像。就此而言，可減輕與反捲積程序相關聯之假影。步驟304中利用之一正則化參數可係此項技術中已知之任何類型之正則化參數。例如，一正則化參數可約束根據先前知識之影像之一或多個態樣(例如，與理想影像相關聯之已知或經估計約束)。例如，影像約束正則化參數可包含但不限於對影像內之梯度或平滑度之約束。 在另一實施例中，步驟304包含一最大後驗(MAP)分析。例如，一經重建影像可特徵化為
Figure 02_image084
Figure 02_image086
，其中
Figure 02_image088
表示根據貝葉斯法則之後驗概率。 在另一實施例中，步驟304包含使用正則化Richardson-Lucy (RRL)反捲積重建一影像。例如，與一正則化Richardson-Lucy反捲積相關聯之一成本函數
Figure 02_image090
可特徵化為：
Figure 02_image092
，                             (13) 其中
Figure 02_image094
係一正則化因數且
Figure 02_image096
係對理想影像
Figure 02_image098
評估之一正則化函數。正則化Richardson-Lucy反捲積之對應迭代解可表達為：
Figure 02_image100
。                                                               (14) 在一個實例中，一正則化因數包含一全變數因數，其可表達為：
Figure 02_image102
。                                                                              (15) 在另一實例中，一正則化因數包含一Tikhonov-Miller因數，其可表達為：
Figure 02_image104
。                                                                            (16) 在另一實例中，一正則化因數包含一雙向因數，其可表達為：
Figure 02_image106
。                            (17) 應理解，本文中描述之正則化因數之實例僅出於闡釋目的而提供且不應被解釋為限制性。經執行之一反捲積可包含此項技術中已知之任何類型之正則化因數，包含但不限於最大後驗反捲積。 圖5D至圖5F繪示對一影像應用正則化Richardson-Lucy反捲積。圖5D係根據本發明之一或多項實施例之結合一全變數正則化因數使用正則化Richardson-Lucy反捲積產生之一經重建影像510。圖5E係根據本發明之一或多項實施例之結合一Tikhonov-Miller正則化因數使用正則化Richardson-Lucy反捲積產生之一經重建影像512。圖5F係根據本發明之一或多項實施例之結合一雙向正則化因數使用正則化Richardson-Lucy反捲積產生之一經重建影像514。本文中應注意，不同正則化參數提供相對於經觀察影像(例如，圖5A)之經增強解析度，但不同正則化參數可提供不同權衡。例如，不同正則化參數可提供線性特徵502之邊緣之清晰度與假影(諸如振鈴假影506)之強度、相關聯於較弱信號之假影之強度、計算時間或類似者之間的不同權衡。就此而言，可(例如，由檢查系統100之控制器106或類似者)選擇一正則化參數以促進基於特定效能度量及/或一樣本上之一特定特徵圖案偵測缺陷。例如，可透過來自一檢查系統之影像(例如，測試影像及/或參考影像)之重建改良缺陷偵測之效能特性(諸如但不限於缺陷顯著性、缺陷位置(例如，相對於樣本特徵))或一檢查配方中之關照區域之判定。 情況可能是，由一檢查系統提供之一或多個影像之重建可不完全復原與樣本上之特徵圖案相關聯、起初未被檢查系統捕捉之一些空間頻率。然而，重建可藉由增大與一影像中之缺陷相關聯之信雜比及/或對比度來促進缺陷偵測。 圖6A至圖6C繪示基於三次影像內插之影像重建與基於正則化Richardson-Lucy反捲積之影像重建之間的一比較。圖6A係根據本發明之一或多項實施例之使用三次內插重建之一樣本之一影像602。圖6B係根據本發明之一或多項實施例之使用正則化Richardson-Lucy反捲積重建之樣本之相同部分之一影像604。圖6C係一圖示606，其繪示根據本發明之一或多項實施例之與圖6A之影像602與圖6B之影像604兩者之一片斷相關聯之灰階。在圖表606中，對於兩種重建方法，特徵之相對位置保持恆定。就此而言，可精確地判定經重建影像中觀察到之缺陷之位置。此外，如圖表606中所見，使用正則化Richardson-Lucy反捲積之影像重建可提供影像中之經增大對比度(例如，與影像特徵相關聯之經增大峰至谷信號強度)及影像特徵之形狀之更清晰界定(例如，與影像特徵相關聯之更陡峭斜率及/或更窄峰)兩者。 如本文中先前描述，一檢查系統(例如，檢查系統100或類似者)可藉由產生受檢查樣本之一測試影像與一參考影像(例如，基於受檢查樣本上之額外晶粒或單元之一或多個影像或一參考影像)之間的一差異影像來偵測一樣本上之缺陷。圖7係繪示根據本發明之一或多項實施例之在用於基於使用一經重建測試影像與一經重建參考影像產生之一差異影像偵測缺陷之方法200之步驟206中執行之步驟之一流程圖。在一項實施例中，步驟206包含獲取樣本之一參考影像之一步驟702。例如，可但無需至少部分使用檢查量測子系統102產生參考影像。據此，參考影像可對應於一光學影像、一掃描電子顯微鏡影像、一粒子束影像或類似者。此外，可藉由(例如，具有相同特徵圖案之晶粒及/或單元之)影像之一組合及/或設計資料產生參考影像。藉由另一實例，可由檢查系統100儲存參考影像。例如，參考影像可儲存於控制器106之記憶體裝置110內。就此而言，檢查系統100可操作為一虛擬檢查系統。藉由另一實例，可從一外部源(例如，一資料儲存系統、一伺服器、一額外檢查系統或類似者)擷取參考影像。 在另一實施例中，步驟206包含基於點擴散函數重建參考影像之一步驟704。例如，可使用任何技術重建參考影像，諸如但不限於內插、反捲積或正則化反捲積。在另一實施例中，步驟206包含產生經重建測試影像與經重建參考影像之間的一差異影像之一步驟706。在另一實施例中，步驟206包含基於差異影像偵測樣本上之一或多個缺陷之一步驟708。例如，缺陷可歸因於經重建測試影像與經重建參考影像之間的差異。 圖8包含根據本發明之一或多項實施例之一經重建測試影像、一經重建參考影像及一經重建差異影像，該經重建差異影像繪示基於一經重建測試影像及一經重建參考影像產生一差異信號。影像802表示使用正則化Richardson-Lucy反捲積產生的特徵之一所要圖案之一參考影像之一經重建版本。影像804表示使用正則化Richardson-Lucy反捲積產生之待被檢查缺陷之樣本之一測試影像之一經重建版本。情況可能是，檢查系統未完全解析樣本之特徵之特定態樣，使得影像即使在重建之後仍顯得模糊。影像806表示基於影像802與影像804之間的一差異之具有10X之一增益之一差異影像。此外，差異影像806具有14.2之一信雜比且適於缺陷偵測。然而，情況可能是，與反捲積相關聯之殘餘假影可存在於差異影像中且因此負面地影響缺陷偵測效能。例如，儘管正則化趨向於減輕在一經重建影像中產生假影(例如，參見圖5A至圖5F)，但情況可能是，經重建影像含有一些假影808。此外，歸因於所關注缺陷之測試影像與參考影像之間的差異可相對於參考影像修改測試影像中之假影之分佈。據此，差異影像(例如，影像806)可含有可見假影，該等可見假影可負面地影響基於差異影像之缺陷偵測。 在另一實施例中，當缺陷偵測基於一差異影像時，運用一額外稀疏分佈正則化項重建測試影像。本文中應認知，在缺陷偵測之背景中，一測試影像及一參考影像有意地類似，惟測試影像中可能存在缺陷除外。此外，測試影像中之缺陷信號通常稀疏地分佈於空間域中。據此，將一稀疏分佈正則化參數併入至測試影像(而非參考影像)之重建中可增強缺陷信號且減輕與重建程序相關聯之假影(例如，參見圖8)。 例如，可但無需基於包含一稀疏分佈正則化項之一成本函數使用稀疏度啟發式正則化Richardson-Lucy (SRRL)反捲積重建一測試影像：
Figure 02_image108
，           (18) 其中
Figure 02_image110
係一稀疏分佈正則化因數且
Figure 02_image112
。 圖9包含根據本發明之一或多項實施例之基於一稀疏分佈正則化參數之不同值使用一經重建參考影像及一經重建測試影像產生的差異影像。例如，影像902至908係運用範圍從0.0015至0.0045之(例如，方程式(18)之)值
Figure 02_image114
而產生，
Figure 02_image116
，且展現從16.2增大至18.5之信雜比。就此而言，隨著稀疏分佈正則化參數
Figure 02_image114
增大，與正則化Richardson-Lucy反捲積相關聯之殘餘假影愈發被抑制而在影像中無明顯形狀失真。據此，可更清楚地偵測信號中之缺陷。 在另一實施例中，在產生或不產生一差異影像之情況下(例如，藉由方法200)基於一經重建測試影像偵測之缺陷之位置與樣本上之特徵關聯。例如，基於一經重建測試影像偵測之缺陷之位置可與設計資料關聯。就此而言，基於影像重建之缺陷偵測可促進缺陷之局域化至子像素準確度(例如，基於與由檢查系統獲得之一經觀察測試影像之單個像素相關聯之一樣本區域)。 圖10係繪示根據本發明之一或多項實施例之基於設計資料之樣本特徵1002圖之一影像1000，該等樣本特徵1002與基於一差異影像偵測之缺陷1004重疊，該差異影像係結合一稀疏分佈正則化參數使用一經重建參考影像及一經重建測試影像產生。在一項實施例中，缺陷信號1004精確地定位於小於用來產生測試影像及/或參考影像之檢查系統之解析度之特徵1002之背景內。 如本發明中使用之術語「設計資料」通常指代一積體電路之實體設計及透過複雜模擬或簡單幾何運算及布林運算從實體設計導出之資料。另外，由一主光罩檢查系統及/或其衍生物獲取之一主光罩之一影像可用作設計資料之一代理或諸代理。此一主光罩影像或其衍生物可用作本文中描述之使用設計資料之任何實施例中之設計佈局之一替代物。設計資料及設計資料代理描述於：2010年3月9日發佈之Kulkarni之美國專利第7,676,007號；2011年5月25日申請之Kulkarni之美國專利申請案第13/115,957號；2011年10月18日發佈之Kulkarni之美國專利第8,041,103號；及2009年8月4日發佈之Zafar等人之美國專利第7,570,796號，其等之所有以引用方式併入本文中。此外，將設計資料用於引導檢查程序大體上描述於2012年2月17日申請之Park之美國專利申請案第13/339,805號中，該案之全文以引用方式併入本文中。 設計資料可包含樣本104上之個別組件及/或層(例如，一絕緣體、一導體、一半導體、一阱、一基板或類似者)之特性、樣本104上之層之間的一連接關係或樣本104上之組件及連接(例如，導線)之一實體佈局。就此而言，設計資料可包含對應於樣本104上之印刷圖案元素之複數個設計圖案元素。 本文中應注意，設計資料可包含所謂的「平面佈置圖」，該平面佈置圖含有樣本104上之圖案元素之放置資訊。本文中進一步應注意，可從通常以GDSII或OASIS檔案格式儲存之一晶片之實體設計提取此資訊。結構行為或程序-設計互動可依據一圖案元素之背景(環境)。藉由使用平面佈置圖，所提出分析可識別設計資料內之圖案元素，諸如描述待建構於一半導體層上之特徵之多邊形。此外，所提出方法可提供此等重複區塊之協調資訊以及背景資料(例如，相鄰結構之位置或類似者)。 在一項實施例中，設計資料包含圖案元素之一或多個圖示(例如，視覺表示、符號表示、圖形表示或類似者)。例如，設計資料可包含組件之實體佈局之一圖示(例如，對應於製造於樣本104上之印刷圖案元素之一或多個多邊形之描述)。此外，設計資料可包含一樣本設計之一或多個層(例如，製造於樣本104上之印刷圖案元素之一或多個層)或一或多個層之間的連接性之一圖示。作為另一實例，設計資料可包含樣本104上之組件之電連接性之一圖示。就此而言，設計資料可包含與樣本相關聯之一或多個電路或子電路之一圖示。在另一實施例中，設計資料包含含有樣本104之一或多個部分之圖示之一或多個影像檔案。 在另一實施例中，設計資料包含樣本104之圖案元素之連接性之一或多個文字描述(例如，一或多個清單、一或多個表、一或多個資料庫或類似者)。例如，設計資料可包含但不限於網表資料、電路模擬資料或硬體描述語言資料。網表可包含此項技術中已知用於提供一電路之連接性之一描述之任何類型之網表，包含但不限於實體網表、邏輯網表、基於實例之網表或基於網之網表。此外，一網表可包含用來描述一樣本104上之電路及/或子電路之一或多個子網表(例如，在一階層組態中)。例如，與一網表相關聯之網表資料可包含但不限於節點(例如，網、一電路之組件之間的導線或類似者)之一清單、埠(例如，端子、接腳、連接器或類似者)之一清單、網之間的電組件(例如，電阻器、電容器、電感器、電晶體、二極體、電源或類似者)之一描述、與電組件相關聯之值(例如，一電阻器之以歐姆為單位之一電阻值、一電源之以伏特為單位之一電壓值、一電壓源之頻率特性、組件之初始條件或類似者)。在另一實施例中，設計資料可包含與一半導體程序流程之特定步驟相關聯之一或多個網表。例如，可(例如，由檢查系統100)在一半導體程序流程中之一或多個中間點處檢查一樣本104。據此，用來產生關照區域之設計資料可特定於在半導體程序流程中之一當前點處之樣本104之佈局。就此而言，可從組合一技術檔案之實體設計佈局(層連接性、各層之電性質及類似者)或與一樣本104之一最終佈局相關聯之一網表導出(例如，提取或類似者)與一半導體程序流程中之一特定中間點相關聯之一網表，以在半導體程序流程之特定中間點處包含僅存在於晶圓上之組件。 在另一實施例中，影像重建應用於由檢查系統產生之一或多個區塊影像。例如，區塊影像可經產生以促進由檢查系統偵測之缺陷之分類。 圖11係繪示根據本發明之一或多項實施例之在用於基於經重建區塊影像對一樣本中之缺陷分類之一方法1100中執行之步驟之一流程圖。申請人強調，本文先前在系統100之背景中描述之實施例及實現技術應被解釋為擴展至方法1100。然而，進一步應注意，方法1100不限於系統100之架構。 可如本文中進一步描述般執行方法1100之各步驟。可由可根據本文中描述之任何實施例組態之一或多個控制器(例如，控制器106或類似者)執行步驟。另外，可由本文中描述之任何系統實施例執行上文描述之方法。方法1100亦可包含可由本文中描述之控制器或任何系統實施例執行之一或多個額外步驟。 在一項實施例中，方法1100包含獲取樣本之一測試影像之一步驟1102。在另一實施例中，方法1100包含基於測試影像偵測樣本上之一或多個缺陷之一步驟1104。例如，步驟1104可包含基於一參考影像(例如，基於與測試影像及參考影像相關聯之一差異影像或類似者)偵測樣本上之一或多個缺陷。藉由另一實例，步驟1104可包含基於設計資料偵測樣本上之一或多個缺陷。 在另一實施例中，方法1100包含產生與樣本上之一或多個經偵測缺陷相關聯之一或多個區塊影像之一步驟1106。例如，一區塊影像可包含環繞步驟1104中偵測之一缺陷之測試影像之一部分。一區塊影像可係適於描繪測試影像之一缺陷及相關特徵之任何大小。 在另一實施例中，方法1100包含重建一或多個區塊影像以增強一或多個區塊影像之解析度之一步驟1108。例如，可使用此項技術中已知之任何技術重建一或多個區塊影像，諸如但不限於內插或反捲積。在一個實例中，使用正則化反捲積(例如，正則化Richardson-Lucy反捲積或類似者)重建一或多個區塊影像。 在另一實施例中，方法1100包含基於一或多個經重建區塊影像對一或多個缺陷分類之一步驟1110。例如，可基於經重建區塊影像根據此項技術中已知之任何分類方案對缺陷分類。在一個實例中，基於缺陷之類型(例如，接地電短路、橋接缺陷或類似者)對缺陷分類。在另一實例中，基於接近於缺陷之樣本特徵對缺陷分類。在另一實施例中，可根據分類對缺陷分級以產生缺陷之一帕雷托分佈。 在另一實施例中，影像重建應用於多個測試影像。例如，一檢查系統可使用多種照明模式產生樣本之多個測試影像。本文中應認知，一成像系統之空間解析度取決於從樣本捕捉之照明之角度(例如，與物件之各種空間頻率內容相關聯之照明之繞射階)。此外，由收集孔徑收集之照明之繞射階可取決於光照明樣本之角度。依法線入射之照明可趨向於導致相對少繞射階之收集且因此提供具有相對低空間解析度之一影像。相比之下，依大角度之照明可趨向於導致相對多繞射階之收集且因此提供具有相對高空間解析度之一影像。 在樣本處(例如，穿過一固定照明孔徑)同時引導多個照明角度之情況下，收集光學裝置有效地組合與多個照明角度相關聯之各種繞射階以產生影像。在本發明之另一實施例中，一檢查系統運用不同照明模式(例如，朝向樣本引導之照明之不同入射角度)產生多個測試影像。各測試影像可經重建以增強測試影像之解析度。此外，經重建測試影像可組合為單個經組合影像用於缺陷偵測。在另一實施例中，可至少部分基於個別經重建測試影像偵測缺陷。 圖12係繪示根據本發明之一或多項實施例之在用於偵測一樣本中之缺陷之方法1200中執行之步驟之一流程圖。申請人強調，本文先前在系統100之背景中描述之實施例及實現技術應被解釋為擴展至方法1200。然而，進一步應注意，方法1200不限於系統100之架構。 在一項實施例中，該方法包含基於兩種或更多種照明模式獲取樣本之兩個或更多個測試影像之一步驟1202。與步驟1202相關聯之照明模式可具有此項技術中已知適於客製化樣本上之照明之角度分佈之任何分佈。圖13係根據本發明之一或多項實施例之經定向以從不同方向照明樣本之四種邊緣對比度照明模式之一概念圖。在一項實施例中，一第一照明孔徑1302包含一第一照明模式1304。在另一實施例中，一第二照明孔徑1306包含一第二照明模式1308。在另一實施例中，一第三照明孔徑1310包含一第三照明模式1312。在另一實施例中，一第四照明孔徑1314包含一第四照明模式1316。例如，一檢查系統(例如，檢查量測子系統102或類似者)可運用四個照明孔徑1302、1306、1310、1314之各者循序地照明樣本且產生與各照明孔徑相關聯之一測試影像。 在另一實施例中，方法1200包含估計檢查系統之一PSF之一步驟1204。例如，步驟1204可包含基於用來產生測試影像之對應照明孔徑估計各測試影像之一單獨PSF。 在另一實施例中，方法1200包含基於經估計點擴散函數重建兩個或更多個測試影像以增強兩個或更多個測試影像之解析度之一步驟1206。例如，步驟1206可包含使用步驟1204中產生之經估計PSF重建各測試影像。可使用任何方法重建測試影像，諸如但不限於內插或反捲積。在一個實例中，可使用正則化反捲積(例如，正則化Richardson-Lucy反捲積或類似者)重建測試影像。 在另一實施例中，方法1200包含基於兩個或更多個經重建測試影像識別樣本上之一或多個缺陷之一步驟1208。例如，步驟1208可包含基於步驟1206中產生之經重建測試影像產生一經組合影像(例如，一經融合影像)且基於經組合影像偵測缺陷。可藉由此項技術中已知之任何方法產生經組合影像，諸如但不限於加法組合或乘法組合。藉由另一實例，步驟1208可包含至少部分基於任何個別經重建影像偵測缺陷。 在另一實施例中，使用影像重建來復原受抗頻疊技術影響之一缺陷信號之部分。例如，通常至少部分基於處理量或光預算考量選擇一檢查系統之一像素大小。例如，相對較大像素大小與相對較小像素大小相比可提供經增大處理量且需要來自照明源(例如，照明源112或類似者)之更小照明強度(例如，一更低亮度級)。然而，較大像素大小可遭受頻疊雜訊。一檢查系統可利用一抗頻疊技術來減輕任何頻疊雜訊。例如，一檢查系統可有意地將模糊引入至經產生影像中，其減輕頻疊雜訊。在一個實例中，一檢查系統可透過一抗頻疊濾波器之使用引入模糊。在另一實例中，一檢查系統可在影像獲取程序期間直接引入模糊。基於TDI之成像中之一抗頻疊方法大體上描述於2015年2月3日發佈之美國專利第8,947,521號，該專利之全文以引用方式併入本文中。 在另一實施例中，利用影像重建來改良使用經抗頻疊影像產生之影像中之缺陷可偵測性。就此而言，影像重建可增強一經抗頻疊影像之解析度以復原受抗頻疊技術影響之空間頻率之一部分。 圖14包含繪示根據本發明之一或多項實施例之經抗頻疊影像中之缺陷可偵測性之增強之影像。例如，影像1402包含遭受頻疊雜訊之一差異影像(例如，一經頻疊差異影像)。一缺陷1404在影像1402中係可見的，但歸因於1.2之一信雜比而具有一低對比度。影像1406包含一經抗頻疊差異影像。經抗頻疊差異影像具有2.0之一信雜比，使缺陷1404可比經頻疊差異影像更清楚地偵測。影像1408包含一經重建差異影像，其具有2.4之一信雜比，使缺陷1404可比在影像1402、1406中更清楚地偵測。使用Lanczos內插重建圖14之影像1408。然而，應理解，可利用任何重建技術來增強經抗頻疊影像之缺陷可偵測性，諸如但不限於正則化反捲積。在一項實施例中，藉由下列步驟產生經重建差異影像：運用正則化反捲積重建一參考影像以最小化假影及結合一額外稀疏分佈正則化參數使用正則化反捲積重建一經頻疊測試影像。 在另一實施例中，利用影像重建來組態一檢查系統之一偵測配方。可藉由下列步驟判定一運行時間參數(諸如但不限於照明源(例如，照明源112或類似者)之亮度級)：獲取一樣本之一組態影像；重建組態影像(例如，以增強適於缺陷偵測之組態影像之對比度)；量測動態範圍；及基於經量測動態範圍調整亮度級。藉由另一實例，可透過影像重建增強關照區域(例如，待檢查樣本之局域化部分)之界定。例如，樣本之一組態影像可由檢查系統產生且接著重建。就此而言，可以一高準確度及精度(例如，如圖10中繪示之子像素精度或類似者)界定關照區域。 在另一實施例中，影像重建可促進與基於設計之偵測演算法(諸如但不限於像素-設計分析(PDA)、基於背景之成像(CBI)或基於模板之成像(TBI))相關聯之配方之設置及/或訓練。 再次參考圖1，檢查系統100可包含此項技術中已知之任何檢查子系統。 一控制器106之一或多個處理器108可包含此項技術中已知之任何處理元件。在此意義上，一或多個處理器108可包含經組態以執行演算法及/或指令之任何微處理器類型裝置。在一項實施例中，一或多個處理器108可由下列項組成：一桌上型電腦、主機電腦系統、工作站、影像電腦、平行處理器或經組態以執行一程式(其經組態以操作檢查系統100)之任何其他電腦系統(例如，網路化電腦)，如貫穿本發明描述。進一步應認知，術語「處理器」可被廣泛定義為涵蓋具有執行來自一非暫時性記憶體裝置110之程式指令之一或多個處理元件之任何裝置。此外，可由單個控制器106或替代地多個控制器實行貫穿本發明描述之步驟。另外，控制器106可包含容置於一共同外殼中或多個外殼內之一或多個控制器。以此方式，任何控制器或控制器組合可單獨封裝為適於整合至檢查系統100中之一模組。此外，控制器106可分析從偵測器126接收之資料且將資料饋送至記憶體裝置110內或檢查系統100外部之額外組件。 記憶體裝置110可包含此項技術中已知適於儲存可由相關聯一或多個處理器108執行之程式指令之任何儲存媒體。例如，記憶體裝置110可包含一非暫時性記憶體媒體。藉由另一實例，記憶體裝置110可包含但不限於一唯讀記憶體、一隨機存取記憶體、一磁性或光學記憶體裝置(例如，磁碟)、一磁帶、一固態磁碟及類似者。進一步應注意，記憶體裝置110可與一或多個處理器108一起容置於一共同控制器外殼中。在一項實施例中，記憶體裝置110可相對於一或多個處理器108及控制器106之實體位置遠端地定位。例如，控制器106之一或多個處理器108可存取可透過一網路(例如，網際網路、內聯網路及類似者)存取之一遠端記憶體(例如，伺服器)。因此，上文描述不應被解釋為限制本發明而是應被解釋為僅係一闡釋。 在另一實施例中，檢查系統100可包含一顯示器(未展示)。在另一實施例中，顯示器通信地耦合至控制器106。例如，顯示器可通信地耦合至控制器106之一或多個處理器108。就此而言，一或多個處理器108可將本發明之各種結果之一或多者顯示於顯示器上。 顯示裝置可包含此項技術中已知之任何顯示裝置。在一項實施例中，顯示裝置可包含但不限於一液晶顯示器(LCD)。在另一實施例中，顯示裝置可包含但不限於一基於有機發光二極體(OLED)之顯示器。在另一實施例中，顯示裝置可包含但不限於一CRT顯示器。熟習此項技術者應認知，各種顯示裝置可適於本發明中之實施方案且顯示裝置之特定選擇可取決於各種因素，包含但不限於形狀因數、成本及類似者。在一般意義上，能夠與一使用者介面裝置(例如，觸控螢幕、面板安裝介面、鍵盤、滑鼠、軌跡墊及類似者)整合之任何顯示裝置適於本發明中之實施方案。 在另一實施例中，檢查系統100可包含一使用者介面裝置(未展示)。在一項實施例中，使用者介面裝置通信地耦合至控制器106之一或多個處理器108。在另一實施例中，可由控制器106利用使用者介面裝置以接受來自一使用者之選擇及/或指令。在本文中進一步描述之一些實施例中，可使用顯示器以向一使用者顯示資料。繼而，一使用者可回應於經由顯示裝置向使用者顯示之檢查資料輸入選擇及/或指令(例如，檢查區域之一使用者選擇)。 使用者介面裝置可包含此項技術中已知之任何使用者介面。例如，使用者介面可包含但不限於一鍵盤、一小鍵盤、一觸控螢幕、一槓桿、一旋鈕、一滾輪、一軌跡球、一開關、一刻度盤、一滑桿、一捲桿、一滑件、一手柄、一觸控墊、一踏板、一方向盤、一操縱桿、一面板輸入裝置或類似者。在一觸控螢幕介面裝置之情況中，熟習此項技術者應認知，大量觸控螢幕介面裝置可適於本發明中之實施方案。例如，顯示裝置可與一觸控螢幕介面整合，諸如(但不限於)一電容性觸控螢幕、一電阻性觸控螢幕、一基於表面聲波之觸控螢幕、一基於紅外線之觸控螢幕或類似者。在一般意義上，能夠與顯示裝置105之顯示部分整合之任何觸控螢幕介面適於本發明中之實施方案。在另一實施例中，使用者介面可包含但不限於一面板安裝介面。 此外，系統100可組態為一「真實」或一「虛擬」檢查系統。例如，系統100可產生實際影像或與樣本104相關聯之其他輸出資料。就此而言，系統100可組態為一「真實」檢查系統而非一「虛擬」系統。藉由另一實例，本文中描述之一儲存媒體(未展示)及控制器106可組態為一「虛擬」檢查系統。據此，系統100可不對一實體樣本操作，而是猶如掃描一實體樣本般複製及/或串流傳輸經儲存資料(例如，儲存於一記憶體媒體110中之資料或類似者)。就此而言，一「偵測器」之輸出可係先前由一實際檢查系統之一或多個偵測器(例如，一偵測器126)在一先前步驟中產生之資料(例如，與一電壓恆定影像相關聯之所有灰階值或類似者)。組態為「虛擬」檢查系統之系統及方法描述於共同讓與的2012年2月28日發佈之美國專利第8,126,255號及2015年12月29日發佈之美國專利申請案第9,222,895號，該專利及該專利申請案兩者之全文以引用方式併入。 缺陷及故障源之判定大體上描述於2005年7月19日發佈之美國專利第6,920,596號、2015年6月5日發佈之美國專利第8,194,968號及2006年2月7日發佈之美國專利第6,995,393號，該等專利之全文以引用方式併入本文中。裝置性質提取及監測大體上描述於2013年12月17日發佈之美國專利第8,611,639號。用於一經充電基板之中和之雙能電子泛溢之使用大體上描述於2005年8月16日發佈之美國專利第6,930,309號，該專利之全文以引用方式併入本文中。檢查系統中主光罩之使用大體上描述於2003年3月4日發佈之美國專利第6,529,621號、2004年6月8日發佈之美國專利第6,748,103號及2005年11月15日發佈之美國專利第6,966,047號，該等專利之全文以引用方式併入本文中。產生一檢查程序或檢查目標大體上描述於2004年2月10日發佈之美國專利第6,691,052號、2005年7月26日發佈之美國專利第6,921,672號及2012年2月7日發佈之美國專利第8,112,241號，該等專利之全文以引用方式併入本文中。半導體設計資料之臨界區域之判定大體上描述於2005年9月20日發佈之美國專利第6,948,141號，該專利之全文以引用方式併入本文中。 本文中描述之標的有時闡釋含於其他組件內或與其他組件連接之不同組件。應瞭解，此等所描繪架構僅係例示性的，且事實上可實施實現相同功能之諸多其他架構。在概念意義上，用來實現相同功能之組件之任何配置有效地「相關聯」，使得所要功能被實現。因此，在本文中經組合以實現一特定功能之任何兩個組件可被視為彼此「相關聯」，使得所要功能被實現而無關於架構或中間組件。同樣地，如此相關聯之任何兩個組件亦可視為彼此「連接」或「耦合」以實現所要功能，且能夠如此相關聯之任何兩個組件亦可視為彼此「可耦合」以實現所要功能。可耦合之特定實例包含但不限於可實體互動及/或實體互動組件、及/或可無線互動及/或無線互動組件、及/或可邏輯互動及/或邏輯互動組件。 據信將藉由前文描述理解本發明及諸多其伴隨優點，且將明白，可在不背離所揭示標的或不犧牲所有其材料優點之情況下在組件之形式、構造及配置方面作出各種變更。所描述形式僅係解釋性的且下文發明申請專利範圍旨在涵蓋且包含此等變更。此外，應理解，本發明係由隨附發明申請專利範圍界定。
100‧‧‧檢查系統102‧‧‧檢查量測子系統104‧‧‧樣本106‧‧‧控制器108‧‧‧處理器110‧‧‧記憶體裝置/記憶體媒體112‧‧‧照明源114‧‧‧照明光束116‧‧‧照明路徑118‧‧‧透鏡120‧‧‧光學組件122‧‧‧光束分裂器124‧‧‧物鏡126‧‧‧偵測器128‧‧‧收集路徑130‧‧‧透鏡132‧‧‧樣本台134‧‧‧第一聚焦元件136‧‧‧第二聚焦元件200‧‧‧方法202‧‧‧步驟204‧‧‧步驟206‧‧‧步驟302‧‧‧步驟304‧‧‧步驟400‧‧‧圖表402‧‧‧照明極404‧‧‧圖表406‧‧‧圓形收集孔徑408‧‧‧圖表410‧‧‧圖表412‧‧‧圖表500‧‧‧經觀察影像502‧‧‧線性特徵504‧‧‧經重建影像506‧‧‧振鈴假影508‧‧‧經重建影像510‧‧‧經重建影像512‧‧‧經重建影像514‧‧‧經重建影像602‧‧‧影像604‧‧‧影像606‧‧‧圖表702‧‧‧步驟704‧‧‧步驟706‧‧‧步驟708‧‧‧步驟802‧‧‧影像804‧‧‧影像806‧‧‧差異影像808‧‧‧假影902‧‧‧影像904‧‧‧影像906‧‧‧影像908‧‧‧影像1000‧‧‧影像1002‧‧‧樣本特徵1004‧‧‧缺陷/缺陷信號1100‧‧‧方法1102‧‧‧步驟1104‧‧‧步驟1106‧‧‧步驟1108‧‧‧步驟1110‧‧‧步驟1200‧‧‧方法1202‧‧‧步驟1204‧‧‧步驟1206‧‧‧步驟1208‧‧‧步驟1302‧‧‧第一照明孔徑1304‧‧‧第一照明模式1306‧‧‧第二照明孔徑1308‧‧‧第二照明模式1310‧‧‧第三照明孔徑1312‧‧‧第三照明模式1314‧‧‧第四照明孔徑1316‧‧‧第四照明模式1402‧‧‧影像1404‧‧‧缺陷1406‧‧‧影像1408‧‧‧影像
熟習此項技術者可藉由參考隨附圖更佳地理解本發明之眾多優點，其中： 圖1A係根據本發明之一或多項實施例之一檢查系統之一概念圖。 圖1B係根據本發明之一或多項實施例之檢查量測子系統之一概念圖。 圖1C係根據本發明之另一實施例之一檢查量測子系統之一概念圖。 圖2係繪示根據本發明之一或多項實施例之在用於偵測一樣本中之缺陷之一方法中執行之步驟之一流程圖。 圖3係繪示根據本發明之一或多項實施例之一缺陷偵測方法之子步驟之一流程圖。 圖4A係根據本發明之一或多項實施例之一檢查系統之一照明孔徑之一圖表。 圖4B係根據本發明之一或多項實施例之一檢查系統之一收集孔徑之一圖表。 圖4C係根據本發明之一或多項實施例之照明孔徑與收集孔徑之一線性組合之一圖表。 圖4D係根據本發明之一或多項實施例之依基於圖4C中繪示之照明孔徑與收集孔徑之線性組合之一2D傅立葉變換之一線性標度的檢查系統之一經估計PSF之一圖表。 圖4E係根據本發明之一或多項實施例之依基於圖4C中繪示之照明孔徑與收集孔徑之線性組合之一2D傅立葉變換之一對數標度的檢查系統之經估計PSF之一圖表。 圖5A係根據本發明之一或多項實施例之一樣本之一經觀察影像。 圖5B係根據本發明之一或多項實施例之對應於藉由Richardson-Lucy捲積之10次迭代產生的經觀察影像之一經重建版本之一經重建影像。 圖5C係根據本發明之一或多項實施例之對應於藉由Richardson-Lucy捲積之100次迭代產生的經觀察影像之一經重建版本之一經重建影像。 圖5D係根據本發明之一或多項實施例之結合一全變數正則化因數使用正則化Richardson-Lucy反捲積產生的一經重建影像。 圖5E係根據本發明之一或多項實施例之結合一Tikhonov-Miller正則化因數使用正則化Richardson-Lucy反捲積產生的一經重建影像。 圖5F係根據本發明之一或多項實施例之結合一雙向正則化因數使用正則化Richardson-Lucy反捲積產生的一經重建影像。 圖6A係根據本發明之一或多項實施例之使用三次內插重建的一樣本之一影像。 圖6B係根據本發明之一或多項實施例之使用正則化Richardson-Lucy反捲積重建的樣本之相同部分之一影像。 圖6C係繪示根據本發明之一或多項實施例之與圖6A及圖6B兩者之一片斷相關聯之灰階之一圖表。 圖7係繪示根據本發明之一或多項實施例之用於基於使用一經重建測試影像及一經重建參考影像產生之一差異影像偵測缺陷之一方法之子步驟之一流程圖。 圖8包含根據本發明之一或多項實施例之一經重建測試影像、一經重建參考影像及一經重建差異影像，其繪示基於一經重建測試影像及一經重建參考影像產生一差異信號。 圖9包含根據本發明之一或多項實施例之基於一稀疏分佈正則化參數之不同值使用一經重建參考影像及一經重建測試影像產生的差異影像。 圖10係根據本發明之一或多項實施例之繪示基於設計資料之樣本特徵之一圖之一影像，該等樣本特徵與基於一差異影像偵測之缺陷重疊，該差異影像係結合一稀疏分佈正則化參數使用一經重建參考影像及一經重建測試影像而產生。 圖11係繪示根據本發明之一或多項實施例之在用於基於經重建區塊影像對一樣本中之缺陷分類之一方法中執行之步驟之一流程圖。 圖12係繪示根據本發明之一或多項實施例之在用於偵測一樣本中之缺陷之方法中執行之步驟之一流程圖。 圖13係根據本發明之一或多項實施例之經定向以從不同方向照明樣本之四種邊緣對比度照明模式之一概念圖。 圖14包含根據本發明之一或多項實施例之繪示經抗頻疊影像中之缺陷可偵測性之增強之影像。
102‧‧‧檢查量測子系統
104‧‧‧樣本
106‧‧‧控制器
108‧‧‧處理器
110‧‧‧記憶體裝置/記憶體媒體
112‧‧‧照明源
114‧‧‧照明光束
116‧‧‧照明路徑
118‧‧‧透鏡
120‧‧‧光學組件
122‧‧‧光束分裂器
124‧‧‧物鏡
126‧‧‧偵測器
128‧‧‧收集路徑
130‧‧‧透鏡
132‧‧‧樣本台

Claims (35)

  1. 一種檢查系統，其包括：一照明子系統，其包括：一照明源，其經組態以產生一照明光束；及一組照明光學裝置，其等用來將該照明光束引導至一樣本；一收集子系統，其包括：一組收集光學裝置，其等用來收集從該樣本發射之照明；及一偵測器，其經組態以從該樣本接收該經收集照明；以及一控制器，其通信地耦合至該偵測器，該控制器包含一記憶體裝置及經組態以執行程式指令之一或多個處理器，該等程式指令經組態以造成該一或多個處理器：獲取該樣本之一測試影像；依據該檢查系統之一照明孔徑與一收集孔徑之一組合之一變換估計該檢查系統之一點擴散函數；基於該經估計之點擴散函數以重建該測試影像以增強該測試影像之解析度；及基於該經重建測試影像偵測該樣本上之一或多個缺陷。
  2. 如請求項1之檢查系統，其中該依據該檢查系統之一照明孔徑與一收集孔徑之一組合之一變換估計該檢查系統之一點擴散函數包括：依據該檢查系統之該照明孔徑與該收集孔徑之一線性組合之一傅立葉變換估計該檢查系統之該點擴散函數。
  3. 如請求項1之檢查系統，其中重建該測試影像包括：基於該經估計點擴散函數對該測試影像反捲積(deconvolving)。
  4. 如請求項3之檢查系統，其中對該測試影像反捲積包括：使用下列項之至少一者對該測試影像反捲積：直接求逆、一維納(Wiener)濾波器、最大似然反捲積或最大後驗反捲積。
  5. 如請求項4之檢查系統，其中使用最大似然反捲積對該測試影像反捲積包括：使用具有一高斯分佈或一泊松分佈之至少一者之雜訊對該測試影像反捲積。
  6. 如請求項5之檢查系統，其中使用最大似然反捲積對該測試影像反捲積包括：基於該經估計點擴散函數使用Richardson-Lucy反捲積對該測試影像反捲積。
  7. 如請求項4之檢查系統，其中使用最大後驗反捲積對該測試影像反捲積包括：使用具有一高斯分佈或一泊松分佈之至少一者之雜訊對該測試影像反捲積。
  8. 如請求項3之檢查系統，其中與對該測試影像反捲積相關聯之一成本函數包含一稀疏分佈正則化參數。
  9. 如請求項8之檢查系統，其中與對該測試影像反捲積相關聯之一成本函數進一步包含一影像梯度正則化參數。
  10. 如請求項9之檢查系統，其中該影像梯度正則化參數包括：一全變數正則化參數、一Tikhonov-Miller正則化參數或一雙向正則化參數之至少一者。
  11. 如請求項9之檢查系統，其中基於該經重建測試影像偵測該樣本上之一或多個缺陷包括：獲取該樣本之一參考影像；基於該點擴散函數對該參考影像反捲積；產生該經反捲積測試影像與該經反捲積參考影像之間的一差異影像；及基於該差異影像偵測該樣本上之一或多個缺陷。
  12. 如請求項11之檢查系統，其中與對該參考影像反捲積相關聯之一成本函數包含該影像梯度分佈正則化參數。
  13. 如請求項1之檢查系統，其中獲取該樣本之該測試影像包含使用一抗頻疊技術獲取該樣本之該測試影像，其中該抗頻疊技術抑制該測試影像中 之頻疊雜訊，其中重建該測試影像以增強該測試影像之該解析度復原與受該抗頻疊技術影響之該樣本相關聯之一或多個空間頻率。
  14. 如請求項13之檢查系統，其中重建該測試影像包括：內插該測試影像。
  15. 如請求項14之檢查系統，其中內插該測試影像包括：使用下列項之至少一者內插該測試影像：雙線性內插、三次內插、Lanczos內插、最近相鄰內插、B樣條內插或正弦內插。
  16. 如請求項13之檢查系統，其中重建該測試影像包括：基於該經估計點擴散函數對該測試影像反捲積。
  17. 如請求項1之檢查系統，其中基於該經重建測試影像偵測該樣本上之一或多個缺陷包含報告該樣本上之該一或多個缺陷之一或多個位置。
  18. 一種檢查系統，其包括：一照明子系統，其包括：一照明源，其經組態以產生一照明光束；及一組照明光學裝置，其等用來將該照明光束引導至一樣本；一收集子系統，其包括：一組收集光學裝置，其等用來收集從該樣本發射之照明；及一偵測器，其經組態以從該樣本接收該經收集照明；以及 一控制器，其通信地耦合至該偵測器，該控制器包含一記憶體裝置及經組態以執行程式指令之一或多個處理器，該等程式指令經組態以造成該一或多個處理器：獲取該樣本之一測試影像；基於該測試影像偵測該樣本上之一或多個缺陷；產生與該樣本上之該一或多個經偵測缺陷相關聯之一或多個區塊影像；依據該檢查系統之一照明孔徑與一收集孔徑之一組合之一變換估計該檢查系統之一點擴散函數；基於該經估計之點擴散函數以重建該一或多個區塊影像以增強該一或多個區塊影像之解析度；及基於該一或多個經重建區塊影像對該一或多個缺陷分類。
  19. 如請求項18之檢查系統，其中重建該測試影像包括：基於該經估計點擴散函數對該一或多個區塊影像反捲積。
  20. 一種多模式檢查系統，其包括：一照明子系統，其包括：一照明源，其經組態以產生兩種或更多種照明模式；及一組照明光學裝置，其等用來將該兩種或更多種照明模式循序地引導至一樣本；一收集子系統，其包括：一組收集光學裝置，其等用來收集從該樣本發射之照明，其中該 組收集光學裝置包含一可調整收集孔徑，其中該可調整收集孔徑經組態以產生兩種或更多種收集模式，其中該照明子系統包含由該兩種或更多種照明模式及該兩種或更多種收集模式形成之兩種或更多種系統模式；及一偵測器，其經組態以從該樣本接收該經收集照明；以及一控制器，其通信地耦合至該偵測器，該控制器包含一記憶體裝置及經組態以執行程式指令之一或多個處理器，該等程式指令經組態以造成該一或多個處理器：基於該兩種或更多種系統模式獲取該樣本之兩個或更多個測試影像；依據該檢查系統之一照明孔徑與一收集孔徑之一組合之一變換估計該檢查系統之一點擴散函數；基於該經估計點擴散函數重建該兩個或更多個測試影像以增強該兩個或更多個測試影像之解析度；及基於該兩個或更多個經重建測試影像識別該樣本上之一或多個缺陷。
  21. 如請求項20之多模式檢查系統，其中估計該檢查系統之一點擴散函數包括：依據該檢查系統之一照明孔徑與一收集孔徑之一線性組合之一傅立葉變換估計該檢查系統之該點擴散函數。
  22. 如請求項20之多模式檢查系統，其中重建該兩個或更多個測試影像 包括：基於該經估計點擴散函數對該兩個或更多個測試影像反捲積。
  23. 如請求項22之多模式檢查系統，其中對該測試影像反捲積包括：基於該經估計點擴散函數使用Richardson-Lucy反捲積對該兩個或更多個測試影像反捲積。
  24. 如請求項23之多模式檢查系統，其中與對該兩個或更多個測試影像反捲積相關聯之一成本函數包含一稀疏分佈正則化參數。
  25. 如請求項23之多模式檢查系統，其中與對該兩個或更多個測試影像反捲積相關聯之一成本函數進一步包含一影像梯度正則化參數。
  26. 如請求項25之多模式檢查系統，其中該影像梯度正則化參數包括：一全變數正則化參數、一Tikhonov-Miller正則化參數或一雙向正則化參數之至少一者。
  27. 如請求項26之多模式檢查系統，其中基於該兩個或更多個經重建測試影像偵測該樣本上之該一或多個缺陷包括：將該兩個或更多個經重建測試影像組合成一組合的經重建測試影像；及基於該組合的經重建測試影像偵測該一或多個缺陷。
  28. 如請求項24之多模式檢查系統，其中基於該兩個或更多個經重建測試影像識別該樣本上之一或多個缺陷包括：基於該兩個或更多個經重建測試影像偵測該樣本上之一或多個缺陷。
  29. 如請求項28之多模式檢查系統，其中基於該兩個或更多個經重建測試影像識別該樣本上之一或多個缺陷進一步包括：產生與該樣本上之該一或多個經偵測缺陷相關聯之一或多個區塊影像；及基於該一或多個區塊影像對該一或多個缺陷分類。
  30. 一種檢查系統，其包括：一照明子系統，其包括：一照明源，其經組態以產生一照明光束；及一組照明光學裝置，其等用來將該照明光束引導至一樣本；一收集子系統，其包括：一組收集光學裝置，其等用來收集從該樣本發射之照明；及一偵測器，其經組態以從該樣本接收該經收集照明；以及一控制器，其通信地耦合至該偵測器，該控制器包含一記憶體裝置及經組態以執行程式指令之一或多個處理器，該等程式指令經組態以造成該一或多個處理器：組態一缺陷偵測配方；其中組態該缺陷偵測配方包括： 獲取該樣本之一組態影像；依據該檢查系統之一照明孔徑與一收集孔徑之一組合之一變換估計該檢查系統之一點擴散函數；及基於該經估計之點擴散函數以重建該樣本之該組態影像以增強該組態影像之解析度；及基於該缺陷偵測配方偵測該樣本上之一或多個缺陷。
  31. 如請求項30之檢查系統，其中組態該缺陷偵測配方進一步包括：基於該經重建組態影像界定待檢查之該樣本上之一或多個關照區域。
  32. 如請求項30之檢查系統，其中組態該缺陷偵測配方進一步包括：量測該經重建組態影像之一動態範圍；及基於該經重建組態影像之該經量測動態範圍調整該照明源之一運行時間參數。
  33. 如請求項32之檢查系統，其中該運行時間參數包括：該照明源之一亮度級。
  34. 如請求項30之檢查系統，其中組態該缺陷偵測配方進一步包括：訓練一基於設計之缺陷偵測技術。
  35. 如請求項34之檢查系統，其中該基於設計之缺陷偵測技術包括： 一像素-設計對準技術、一基於背景之成像技術或一基於模板之成像技術的至少一者。
TW105144282A 2016-01-01 2016-12-30 使用影像重建以用於缺陷偵測之系統及方法 TWI707139B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662274169P 2016-01-01 2016-01-01
US62/274,169 2016-01-01
US15/357,888 US10416087B2 (en) 2016-01-01 2016-11-21 Systems and methods for defect detection using image reconstruction
US15/357,888 2016-11-21

Publications (2)

Publication Number Publication Date
TW201734441A TW201734441A (zh) 2017-10-01
TWI707139B true TWI707139B (zh) 2020-10-11

Family

ID=59225879

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105144282A TWI707139B (zh) 2016-01-01 2016-12-30 使用影像重建以用於缺陷偵測之系統及方法

Country Status (5)

Country Link
US (1) US10416087B2 (zh)
KR (1) KR102439388B1 (zh)
CN (1) CN108431938B (zh)
TW (1) TWI707139B (zh)
WO (1) WO2017117152A1 (zh)

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017046799A1 (en) 2015-09-17 2017-03-23 S.D. Sight Diagnostics Ltd Methods and apparatus for detecting an entity in a bodily sample
WO2017168411A1 (en) 2016-03-30 2017-10-05 S.D. Sight Diagnostics Ltd Image processing device for identifying blood parasites
US11307196B2 (en) 2016-05-11 2022-04-19 S.D. Sight Diagnostics Ltd. Sample carrier for optical measurements
US10346740B2 (en) 2016-06-01 2019-07-09 Kla-Tencor Corp. Systems and methods incorporating a neural network and a forward physical model for semiconductor applications
EP3297018B1 (en) * 2016-09-19 2019-03-27 FEI Company Tomographic imaging method
KR102550175B1 (ko) * 2016-10-21 2023-07-03 삼성전기주식회사 카메라 모듈 및 이를 포함하는 전자 기기
JP6241576B1 (ja) * 2016-12-06 2017-12-06 三菱電機株式会社 検査装置及び検査方法
JP7214729B2 (ja) 2017-11-14 2023-01-30 エス．ディー．サイト ダイアグノスティクス リミテッド 光学測定用試料収容器
US10755405B2 (en) * 2017-11-24 2020-08-25 Taiwan Semiconductor Manufacturing Co., Ltd. Method and system for diagnosing a semiconductor wafer
US10846824B2 (en) * 2017-12-08 2020-11-24 Tata Consultancy Services Limited Systems and methods for reconstructing super-resolution images under total aliasing based upon translation values
US10386233B2 (en) * 2018-01-06 2019-08-20 Kla-Tencor Corporation Variable resolution spectrometer
US10643313B2 (en) * 2018-01-19 2020-05-05 Bae Systems Information And Electronic Systems Integration Inc. Methods for image denoising and deblurring
US10599951B2 (en) * 2018-03-28 2020-03-24 Kla-Tencor Corp. Training a neural network for defect detection in low resolution images
JP2019178941A (ja) * 2018-03-30 2019-10-17 リコーエレメックス株式会社 検査システムおよび検査方法
US10796065B2 (en) * 2018-06-21 2020-10-06 Kla-Tencor Corporation Hybrid design layout to identify optical proximity correction-related systematic defects
US10957035B2 (en) * 2018-11-30 2021-03-23 Kla Corporation Defect classification by fitting optical signals to a point-spread function
US11431976B2 (en) * 2019-01-28 2022-08-30 Kla Corporation System and method for inspection using tensor decomposition and singular value decomposition
CN109816654B (zh) * 2019-01-30 2021-12-17 哈尔滨工业大学 一种太阳能电池暗场锁相热成像分层微缺陷精准表征系统与方法
EP3719831A1 (en) 2019-04-05 2020-10-07 ASML Netherlands B.V. Systems and methods for image enhancement for a multi-beam charged-particle inspection system
US11650164B2 (en) 2019-05-15 2023-05-16 Getac Technology Corporation Artificial neural network-based method for selecting surface type of object
CN112038254A (zh) * 2019-05-15 2020-12-04 天津科技大学 基于机器视觉技术的晶圆自动检测与标记装置及设计方法
JP7271358B2 (ja) * 2019-07-25 2023-05-11 株式会社日立ハイテク 電気特性を導出するシステム及び非一時的コンピューター可読媒体
US11575865B2 (en) 2019-07-26 2023-02-07 Samsung Electronics Co., Ltd. Processing images captured by a camera behind a display
US10915992B1 (en) * 2019-08-07 2021-02-09 Nanotronics Imaging, Inc. System, method and apparatus for macroscopic inspection of reflective specimens
CN110609039B (zh) * 2019-09-23 2021-09-28 上海御微半导体技术有限公司 一种光学检测装置及其方法
US11580650B2 (en) 2019-10-01 2023-02-14 KLA Corp. Multi-imaging mode image alignment
US11798153B2 (en) * 2019-10-02 2023-10-24 Kla Corporation Frequency domain enhancement of low-SNR flat residue/stain defects for effective detection
CN111062895B (zh) * 2019-11-29 2022-07-12 宁波永新光学股份有限公司 一种基于多视场分割的显微图像复原方法
CN110874827B (zh) * 2020-01-19 2020-06-30 长沙超创电子科技有限公司 湍流图像复原方法、装置、终端设备及计算机可读介质
CN111340732B (zh) * 2020-02-28 2022-10-14 新疆大学 一种低照度视频图像增强方法及装置
KR102436786B1 (ko) * 2020-04-16 2022-08-26 주식회사 에이비에이치 인공지능 기반 외관 표면 품질 검사 장치 및 방법
US20210342991A1 (en) * 2020-04-29 2021-11-04 University Of Southern California Ml-enabled assured microelectronics manufacturing: a technique to mitigate hardware trojan detection
EP3942518B1 (en) * 2020-06-08 2022-10-05 Guangzhou Computational Super-resolution Biotech Co., Ltd. Systems and methods for image processing
US11803960B2 (en) 2020-08-12 2023-10-31 Kla Corporation Optical image contrast metric for optical target search
CN111968095B (zh) * 2020-08-19 2022-08-02 成都数之联科技股份有限公司 一种产品表面缺陷检测方法及系统及装置及介质
DE102020123669A1 (de) * 2020-09-10 2022-03-10 Carl Zeiss Microscopy Gmbh Verfahren zur SIM-Mikroskopie
US20220114438A1 (en) * 2020-10-09 2022-04-14 Kla Corporation Dynamic Control Of Machine Learning Based Measurement Recipe Optimization
US12100131B2 (en) * 2020-10-26 2024-09-24 University Of Florida Research Foundation, Incorporated Knowledge-based object localization in images for hardware assurance
US11798139B2 (en) * 2020-11-17 2023-10-24 GM Global Technology Operations LLC Noise-adaptive non-blind image deblurring
KR20220095472A (ko) 2020-12-30 2022-07-07 삼성전자주식회사 패턴 분석 시스템 및 상기 시스템을 이용한 반도체 장치 제조 방법
US11721001B2 (en) 2021-02-16 2023-08-08 Samsung Electronics Co., Ltd. Multiple point spread function based image reconstruction for a camera behind a display
US20220270212A1 (en) * 2021-02-25 2022-08-25 Kla Corporation Methods for improving optical inspection and metrology image quality using chip design data
US11722796B2 (en) 2021-02-26 2023-08-08 Samsung Electronics Co., Ltd. Self-regularizing inverse filter for image deblurring
US11308615B1 (en) * 2021-07-01 2022-04-19 Maurice Nessim Systems and processes for improving medical diagnoses
KR102670531B1 (ko) * 2021-10-01 2024-05-30 삼성전자주식회사 반도체 웨이퍼 검사 방법 및 시스템, 및 이를 이용한 반도체 소자의 제조 방법
KR102635483B1 (ko) * 2021-10-07 2024-02-08 한국표준과학연구원 하전입자선 장치의 영상을 디컨볼루션하여 복원하는 방법, 영상 처리 장치 및 영상 처리 장비를 구비한 하전입자선 장치
CN115100167B (zh) * 2022-07-07 2023-04-07 北京理工大学 基于特征分段神经网络的防护材料瑕疵检测方法及系统
CN115436427B (zh) * 2022-08-22 2023-10-17 电子科技大学 基于Tikhonov正则化的涡流热成像缺陷重构方法
WO2024158866A1 (en) * 2023-01-24 2024-08-02 Schlumberger Technology Corporation Automated resolution assessment of an optical imaging system
CN116167948B (zh) * 2023-04-21 2023-07-18 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 一种基于空变点扩散函数的光声图像复原方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005037166A (ja) * 2003-07-16 2005-02-10 Semiconductor Leading Edge Technologies Inc マスク欠陥検査装置及びマスク欠陥検査方法
US20060069460A1 (en) * 2003-02-03 2006-03-30 Kla- Tencor Technologies Corporation Defect detection using multiple sensors and parallel processing
US20080279444A1 (en) * 2007-05-07 2008-11-13 Verlyn Fischer Computer-implemented methods, computer-readable media, and systems for identifying one or more optical modes of an inspection system as candidates for use in inspection of a layer of a wafer
US20130114085A1 (en) * 2011-10-27 2013-05-09 Kla-Tencor Corporation Dynamically Adjustable Semiconductor Metrology System
US20140212021A1 (en) * 2013-01-31 2014-07-31 Applied Materials Israel Ltd. System, a method and a computer program product for patch-based defect detection
US20150029324A1 (en) * 2013-07-26 2015-01-29 Hoya Corporation Substrate inspection method, substrate manufacturing method and substrate inspection device

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6154714A (en) 1997-11-17 2000-11-28 Heuristic Physics Laboratories Method for using wafer navigation to reduce testing times of integrated circuit wafers
US6529621B1 (en) 1998-12-17 2003-03-04 Kla-Tencor Mechanisms for making and inspecting reticles
US6528818B1 (en) 1999-12-14 2003-03-04 Kla-Tencor Test structures and methods for inspection of semiconductor integrated circuits
US6995393B2 (en) 2000-08-25 2006-02-07 Kla-Tencor Technologies Corporation Apparatus and methods for semiconductor IC failure detection
US6603541B2 (en) * 2001-06-28 2003-08-05 Kla-Tencor Technologies Corporation Wafer inspection using optimized geometry
US6948141B1 (en) 2001-10-25 2005-09-20 Kla-Tencor Technologies Corporation Apparatus and methods for determining critical area of semiconductor design data
US6920596B2 (en) 2002-01-22 2005-07-19 Heuristics Physics Laboratories, Inc. Method and apparatus for determining fault sources for device failures
US6691052B1 (en) 2002-01-30 2004-02-10 Kla-Tencor Corporation Apparatus and methods for generating an inspection reference pattern
US6966047B1 (en) 2002-04-09 2005-11-15 Kla-Tencor Technologies Corporation Capturing designer intent in reticle inspection
US7061625B1 (en) * 2002-09-27 2006-06-13 Kla-Tencor Technologies Corporation Method and apparatus using interferometric metrology for high aspect ratio inspection
US6930309B1 (en) 2004-03-26 2005-08-16 Kla-Tencor Technologies Corporation Dual-energy electron flooding for neutralization of charged substrate
US7084970B2 (en) * 2004-05-14 2006-08-01 Photon Dynamics, Inc. Inspection of TFT LCD panels using on-demand automated optical inspection sub-system
US7676077B2 (en) 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
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
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
JP5110977B2 (ja) * 2007-06-22 2012-12-26 株式会社日立ハイテクノロジーズ 欠陥観察装置及びその方法
US8611639B2 (en) 2007-07-30 2013-12-17 Kla-Tencor Technologies Corp Semiconductor device property extraction, generation, visualization, and monitoring methods
US8126255B2 (en) 2007-09-20 2012-02-28 Kla-Tencor Corp. Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions
JP5466377B2 (ja) * 2008-05-16 2014-04-09 株式会社日立ハイテクノロジーズ 欠陥検査装置
US8702566B2 (en) 2008-12-23 2014-04-22 Paul Mazzanobile Speed and/or agility training devices and systems and methods for use thereof
US8112241B2 (en) 2009-03-13 2012-02-07 Kla-Tencor Corp. Methods and systems for generating an inspection process for a wafer
US8947521B1 (en) * 2011-08-08 2015-02-03 Kla-Tencor Corporation Method for reducing aliasing in TDI based imaging
JP5604402B2 (ja) * 2011-10-26 2014-10-08 株式会社日立ハイテクノロジーズ 欠陥検査方法及び欠陥検査装置
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
EP2989607B1 (en) * 2013-04-25 2019-01-09 Thomson Licensing Method and device for performing super-resolution on an input image
JP6239985B2 (ja) * 2014-01-15 2017-11-29 日本放送協会 画像処理装置、画像処理プログラム及び撮像装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060069460A1 (en) * 2003-02-03 2006-03-30 Kla- Tencor Technologies Corporation Defect detection using multiple sensors and parallel processing
JP2005037166A (ja) * 2003-07-16 2005-02-10 Semiconductor Leading Edge Technologies Inc マスク欠陥検査装置及びマスク欠陥検査方法
US20080279444A1 (en) * 2007-05-07 2008-11-13 Verlyn Fischer Computer-implemented methods, computer-readable media, and systems for identifying one or more optical modes of an inspection system as candidates for use in inspection of a layer of a wafer
US20130114085A1 (en) * 2011-10-27 2013-05-09 Kla-Tencor Corporation Dynamically Adjustable Semiconductor Metrology System
US20140212021A1 (en) * 2013-01-31 2014-07-31 Applied Materials Israel Ltd. System, a method and a computer program product for patch-based defect detection
US20150029324A1 (en) * 2013-07-26 2015-01-29 Hoya Corporation Substrate inspection method, substrate manufacturing method and substrate inspection device

Also Published As

Publication number Publication date
US20170191945A1 (en) 2017-07-06
TW201734441A (zh) 2017-10-01
US10416087B2 (en) 2019-09-17
CN108431938A (zh) 2018-08-21
WO2017117152A1 (en) 2017-07-06
KR20180090382A (ko) 2018-08-10
KR102439388B1 (ko) 2022-09-01
CN108431938B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
TWI707139B (zh) 使用影像重建以用於缺陷偵測之系統及方法
TWI706485B (zh) 光學晶粒對資料庫檢查
CN108291878B (zh) 单一图像检测
JP6975799B2 (ja) 低解像度検査画像から高分解能点拡がり関数を再構築するシステム及び方法
JP6873129B2 (ja) 領域適応的欠陥検出を行うシステムおよび方法
CN108508028B (zh) 在晶片检验期间确定定位于收集孔隙中的光学元件的配置
KR102100007B1 (ko) 레티클들을 검사하기 위한 머신 학습 방법 및 장치
US9478019B2 (en) Reticle inspection using near-field recovery
TW201702587A (zh) 光學晶粒至資料庫檢測
JP2010014635A (ja) 欠陥検査方法及び欠陥検査装置
TWI784146B (zh) 用於設計輔助影像重建之系統及方法以及相關的非暫時性電腦可讀媒體
KR20160045859A (ko) 블록-투-블록 레티클 검사
US9747670B2 (en) Method and system for improving wafer surface inspection sensitivity
CN113168695B (zh) 使用浅层深度学习的差值滤波器及孔径选择的系统与方法
TWI751233B (zh) 用於從低解析度檢測影像重建高解析度點擴散函數之系統及方法
Wei et al. Parameter retrieval methods in ptychography
TW202300900A (zh) 以經呈現設計影像之設計照護區域之分段
US10088345B1 (en) Haze and defect distribution and aperture configuration in surface metrology inspectors
CN117561539A (zh) 用于基于半导体应用的无监督或自我监督的深度学习