TWI726169B - 用於偵測一倍縮光罩上之缺陷之系統、非暫時性電腦可讀媒體及電腦實施方法 - Google Patents
用於偵測一倍縮光罩上之缺陷之系統、非暫時性電腦可讀媒體及電腦實施方法 Download PDFInfo
- Publication number
- TWI726169B TWI726169B TW106138913A TW106138913A TWI726169B TW I726169 B TWI726169 B TW I726169B TW 106138913 A TW106138913 A TW 106138913A TW 106138913 A TW106138913 A TW 106138913A TW I726169 B TWI726169 B TW I726169B
- Authority
- TW
- Taiwan
- Prior art keywords
- defects
- wafer
- recurring
- defect
- defect detection
- Prior art date
Links
- 230000007547 defect Effects 0.000 title claims abstract description 814
- 238000000034 method Methods 0.000 title claims abstract description 135
- 238000001514 detection method Methods 0.000 claims abstract description 228
- 238000012545 processing Methods 0.000 claims abstract description 121
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 94
- 238000007689 inspection Methods 0.000 claims abstract description 72
- 235000012431 wafers Nutrition 0.000 claims description 305
- 230000009467 reduction Effects 0.000 claims description 112
- 230000015654 memory Effects 0.000 claims description 61
- 238000003860 storage Methods 0.000 claims description 61
- 238000012360 testing method Methods 0.000 claims description 54
- 238000013461 design Methods 0.000 claims description 47
- 230000003252 repetitive effect Effects 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 35
- 239000013078 crystal Substances 0.000 claims description 17
- 238000001459 lithography Methods 0.000 claims description 14
- 230000009897 systematic effect Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 claims 3
- 238000004458 analytical method Methods 0.000 description 34
- 230000003287 optical effect Effects 0.000 description 25
- 238000010894 electron beam technology Methods 0.000 description 18
- 238000005286 illumination Methods 0.000 description 17
- 230000035945 sensitivity Effects 0.000 description 17
- 230000008901 benefit Effects 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000002950 deficient Effects 0.000 description 6
- 238000012805 post-processing Methods 0.000 description 6
- 208000022417 sinus histiocytosis with massive lymphadenopathy Diseases 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010884 ion-beam technique Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 229920002120 photoresistant polymer Polymers 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 101100310062 Drosophila melanogaster Sep1 gene Proteins 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001900 extreme ultraviolet lithography Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 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
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- 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
- 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
- G01N2021/95676—Masks, reticles, shadow masks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本發明提供用於偵測一倍縮光罩上之缺陷之系統及方法。一種系統包含:(若干)電腦子系統,其包含一或多個影像處理組件,其等獲取藉由一檢測子系統針對一晶圓產生之影像;一主使用者介面組件,其將針對該晶圓及該倍縮光罩產生之資訊提供至一使用者且接收來自該使用者之指令;及一介面組件,其提供該一或多個影像處理組件與該主使用者介面之間的一介面。不同於當前使用之系統,該一或多個影像處理組件經組態用於藉由將一重複出現的缺陷偵測演算法應用至由該一或多個影像處理組件獲取之該等影像而執行重複出現的缺陷偵測,且該重複出現的缺陷偵測演算法經組態以使用一熱臨限值來偵測該晶圓上之缺陷且識別係重複出現的缺陷之該等缺陷。
Description
本發明大體係關於用於高敏感度重複出現的缺陷偵測之系統及方法。
以下描述及實例不憑藉其等包含在此章節中而認為係先前技術。
在一半導體製程期間之各個步驟使用檢測程序以偵測晶圓上之缺陷以促進製程中之更高良率及因此更高利潤。檢測通常係製造半導體裝置(諸如IC)之一重要部分。然而,隨著半導體裝置之尺寸減小,檢測對於成功製造可接受半導體裝置變得更加重要,此係因為較小缺陷可導致裝置故障。
一些當前檢測方法偵測晶圓上之重複出現的缺陷以藉此偵測倍縮光罩上之缺陷。例如,若在對應於一倍縮光罩上之相同位置之一晶圓上之多個位置處反覆地偵測到一缺陷(「一重複出現的缺陷(repeater defect)」),則缺陷可由倍縮光罩自身引起。因此,可分析重複出現的缺陷以判定其等是否由倍縮光罩缺陷而非一些其他原因引起。
一般言之,將重複出現的缺陷偵測(RDD)執行為一晶圓後處理(PP)操作。例如,檢測工具可執行正常晶粒對晶粒缺陷偵測(DD),且在報告所有晶圓缺陷之後,可在一後處理步驟中在一使用者介面中而非在檢測工具之一不同電腦組件中執行RDD。重複出現的缺陷經定義為定位在若干晶粒中之相同位置(在一特定容限內)之缺陷。
然而,用於RDD之當前使用方法及系統存在若干缺點。例如,為找到弱重複出現的缺陷,需要執行一實質上熱缺陷偵測。大多數經偵測事件並非重複缺陷且藉由RDD濾波。問題在於,歸因於(檢測工具之內部網路之)頻寬及磁碟空間,工具對儲存於批結果中之缺陷具有一有限容量。位置係一實質上強濾波器,其消除批結果中之大多數事件,但對於弱重複缺陷,檢測無法足夠熱地運行以保存所有候選缺陷。
因此,開發不具有上文描述之缺點之一或多者之用於偵測一晶圓上之重複出現的缺陷之系統及方法將係有利的。
各種實施例之下列描述絕不應解釋為限制隨附發明申請專利範圍之標的物。
一項實施例係關於一種經組態以偵測一倍縮光罩上之缺陷之系統。該系統包含經組態以掃描一晶圓以藉此產生該晶圓之影像之一檢測子系統。在一微影術程序中使用一倍縮光罩以將特徵印刷於該晶圓上。該系統亦包含一或多個電腦子系統,其包含經組態用於獲取藉由該檢測子系統針對該晶圓產生之該等影像之一或多個影像處理組件。該一或多個電腦子系統亦包含一主介面組件,其經組態用於將針對該晶圓及該倍縮光罩產生之資訊提供至一使用者且用於接收來自該使用者之指令。另外,該(等)電腦
子系統包含一介面組件,其經組態用於提供該一或多個影像處理組件與該主使用者介面組件之間的一介面且用於控制該檢測子系統之一或多個硬體元件。該一或多個影像處理組件經組態用於藉由將一重複出現的缺陷偵測演算法應用至藉由該一或多個影像處理組件獲取之該等影像而執行重複出現的缺陷偵測。該重複出現的缺陷偵測演算法經組態以使用一熱臨限值來偵測該晶圓上之缺陷且識別係重複出現的缺陷之缺陷。另外,該一或多個影像處理組件經組態用於將包含僅該等重複出現的缺陷之資訊之檢測結果發送至該介面組件。該(等)電腦子系統經組態用於基於該晶圓上偵測到之該等重複出現的缺陷識別該倍縮光罩上之缺陷。可如本文中描述般進一步組態該系統。
另一實施例係關於一種用於偵測一倍縮光罩上之缺陷之電腦實施方法。該方法包含獲取藉由一檢測子系統針對一晶圓產生之影像。在一微影術程序中使用一倍縮光罩以將特徵印刷於該晶圓上。藉由包含於一或多個電腦子系統中之一或多個影像處理組件執行該獲取。該一或多個電腦子系統包含一主使用者介面,其經組態用於將針對該晶圓及該倍縮光罩產生之資訊提供至一使用者且用於接收來自該使用者之指令。該一或多個電腦子系統亦包含一介面組件,其經組態用於提供該一或多個影像處理組件與該主使用者介面組件之間的一介面且用於控制該檢測子系統之一或多個硬體元件。該方法亦包含藉由將一重複出現的缺陷偵測演算法應用至藉由該一或多個影像處理組件獲取之該等影像而執行重複出現的缺陷偵測。該重複出現的缺陷偵測演算法經組態以使用一熱臨限值來偵測該晶圓上之缺陷且識別係重複出現的缺陷之缺陷。藉由該一或多個影像處理組件執行該重複出現的缺陷偵測。該方法進一步包含將來自該一或多個影像處理組件之包
含僅該等重複出現的缺陷之資訊之檢測結果發送至該介面組件。另外,該方法包含基於該晶圓上偵測到之該等重複出現的缺陷識別該倍縮光罩上之缺陷。藉由該一或多個電腦子系統執行識別該倍縮光罩上之該等缺陷。
可如本文中描述般進一步執行該方法之步驟之各者。另外,該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。此外,可藉由本文中描述之該等系統之任一者執行該方法。
另一實施例係關於一種非暫時性電腦可讀媒體,其儲存可在一電腦系統上實行以執行用於偵測一倍縮光罩上之缺陷之一電腦實施方法之程式指令。該電腦實施方法包含上文描述之方法之步驟。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,該電腦實施方法(可針對其執行該等程式指令)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:成像系統
14:樣本
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
122:電子柱
126:電子束源
128:樣本
130:元件
132:元件
134:偵測器
300:電腦子系統
302:影像處理組件(IMC)
304:檢測子系統
305:主使用者介面組件(UI)
306:介面
308:IMC處理組件
310:IMC處理組件
312:IMC儲存器
314:IMC缺陷分類軟體(SW)
316:虛擬檢測器
400:缺陷
500:平均值
502:差異影像
600:晶粒
602:平均值
700:晶粒
700a:晶粒列
702:晶圓
704:掃描帶
704a:掃描帶
706:步驟
708:省略號
710:步驟
800:步驟
802:缺陷
804:晶粒列
806:晶粒列
808:圖塊影像
810:設計剪輯
812:經呈現設計
814:步驟
816:差異影像
818:節點中重複缺陷分析
820:增強型提取
822:步驟
824:節點中重複缺陷分析
826:步驟
828:無缺陷位置
830:有缺陷位置
832:步驟
834:節點中重複缺陷分析步驟
836:測試間及/或晶圓間重複缺陷分析
900:步驟
902:步驟
904:步驟
906:步驟
908:步驟
910:步驟
1000:電腦可讀媒體
1002:程式指令
1004:電腦系統
熟習此項技術者在獲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明白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係繪示可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之一項實施例之一方塊圖;圖4至圖8係繪示可藉由本文描述之系統實施例執行之步驟之各種實施例之示意圖;圖9係繪示可藉由本文描述之系統實施例執行之步驟之一項實施例之一流程圖;及
圖10係繪示儲存可在一電腦系統上實行以執行本文中描述之電腦實施方法之一或多者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。
雖然本發明易受各種修改及替代形式影響,但在圖式中藉由實例展示且將在本文中詳細描述其之特定實施例。圖式可不按比例繪製。然而,應理解,圖式及其等之實施方式並不意欲將本發明限於所揭示之特定形式,而相反地,意圖係涵蓋如落入隨附發明申請專利範圍定義之本發明之精神及範疇內之所有修改、等效物及替代物。
現參考圖式,應注意,該等圖不按比例繪製。特定言之,該等圖之一些元件之比例經極大放大以強調元件之特性。亦應注意,該等圖不按相同比例繪製。已使用相同元件符號指示可經類似組態之在一個以上圖中展示之元件。除非在本文中另外提及,否則所描述及展示之元件之任一者可包含任何適當市售元件。
一項實施例係關於一種經組態以偵測一倍縮光罩上之缺陷之系統。本文描述之實施例改良(若干)重複出現的缺陷偵測(RDD)演算法之敏感度。存在處理RDD之敏感度改良之若干方式。其等皆基於共同原則:吾人需要能夠首先找到且保存相對大量之缺陷候選者且此後應用一晶粒座標濾波器。歸因於頻寬限制,當前無法在一臨時批結果中報告所有缺陷候選者,故在本文描述之實施例中,所有缺陷候選者之臨時儲存器經移動更靠近缺陷偵測硬體(HW)(即在檢測工具之一或多個影像處理組件中)。一標準缺陷偵測演算法(例如,多晶粒自動臨限值(MDAT),其可用於可購自KLA-Tencor,Milpitas,Calif.之一些檢測工具上)亦實質上可能無法設定
足夠熱,故一不同缺陷偵測演算法(例如,nanoMDAT或固定臨限值,其等亦可用於可購自KLA-Tencor之一些檢測工具上)可用於提供缺陷之一實質上高密度。如下文進一步論述,對當前使用之方法及系統之此等改變提供優於重複出現的缺陷偵測之先前使用之系統及方法之數個優勢。
一般言之,缺陷偵測工具本質上以一階層方式執行資料處理:一偵測演算法(在一影像電腦中)看見藉由一檢測系統之一偵測器產生之一晶圓之每一影像之每一像素;一後處理演算法(在一影像電腦中)僅看見標記為有缺陷之像素;缺陷分類軟體(SW)僅看見缺陷而非像素;且一使用者介面處理一明顯縮減之資料集。因此,任何偵測程序步驟可經描述為實質上減小提供至下一偵測程序步驟之資訊內容量之一濾波器。在各步驟中,移除雜訊/無關資訊且僅保留有用資訊。
當前,重複缺陷偵測經執行為此資料縮減程序之最後一步驟且藉由最高層級(即,主使用者介面)執行。由於容易首先找到重複缺陷候選缺陷,此對強缺陷(即,產生一強缺陷信號之缺陷)係有效的。隨著偵測到之缺陷/重複缺陷愈來愈弱,出現一問題:RDD自身係一非常強之濾波器。因此,為最後處理階段保留最強可用濾波器並無意義。吾人寧願以其開始。除此「哲學」問題外,存在另一非常實際之問題:系統之高階層經設計以僅處置有限量之資料。若貴方希望找到弱重複出現的缺陷,則貴方需要透過RDD程序運行弱缺陷。如本文中使用之術語「弱缺陷」一般定義為具有相對弱之缺陷信號或資料(例如,使用一正常臨限值無法偵測到,僅可使用一熱臨限值偵測到且甚至在使用一熱臨限值的情況下使用實質上接近(僅略高於)用於缺陷偵測之臨限值之信號或資料可少量偵測到之信號或資料)之缺陷。然而,晶圓上之弱缺陷之數目係巨大的(檢測工具之敏感
度被推至絕對極限)。主使用者介面及中間層無法處置此大小之資料。因此,本文描述之實施例致力於將RDD移動至影像處理組件(檢測工具計算之下階層/最低階層)。
在圖1中展示此一系統之一項實施例。系統包含經組態以掃描一晶圓以藉此產生晶圓之影像之一檢測子系統。一般言之,本文描述之檢測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經引導至一晶圓之能量。偵測器經組態以自晶圓偵測能量且回應於經偵測之能量產生輸出(例如,影像)。
在一項實施例中,引導至晶圓之能量包含光,且自晶圓偵測之能量包含光。例如,在圖1中展示之系統之實施例中,檢測子系統10包含經組態以將光引導至樣本14之一照明子系統。照明子系統包含至少一個光源。例如,如在圖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一或多個入射角將光引導至晶圓,該等入射角可包含一或多個傾斜角及/或一或多個法線角。例如,如在圖1中展示,來自光源16之光經引導穿過光學元件18且接著穿過透鏡20而至光束分離器21,該光束分離器21按一法線入射角將光引導至晶圓14。入射角可包含任何適當入射角,其可取決於(例如)晶圓及晶圓上待偵測之缺陷之特性而變化。
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晶圓。例如,檢測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,使得光可按不同於圖1中展示之入射角之一入射角引導至晶圓。在一個此實例中,檢測子系統可經組態以移動光源16、光學元件18及透鏡20,使得光按一不同入射角引導至晶圓。
在一些例項中,檢測系統可經組態以在相同時間按一個以上入射角
將光引導至晶圓。例如,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在圖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)可包含類似元件(其等可經不同或相同組態),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)。若此光與另一光同時引導至晶圓,則按不同入射角引導至晶圓之光之一或多個特性(例如,波長、偏光等等)可係不同的,使得源自按不同入射角照明晶圓之光可在(若干)偵測器處彼此區分。
在另一例項中,照明子系統可包含僅一個光源(例如,圖1中展示之源16)且來自光源之光可藉由照明子系統之一或多個光學元件(未展示)分離為不同光學路徑(例如,基於波長、偏光等)。不同光學路徑之各者中之光可接著被引導至晶圓。多個照明通道可經組態以在相同時間或在不同時間將光引導至晶圓(例如,當不同照明通道用於循序照明晶圓時)。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晶圓。例如,在一些例項中,光學元件18可經組態為一光譜濾波器且光譜濾波器之性質可以各種不同方式(例如,藉由交換光譜濾波器)改變,使得不同波長之光可在不同時間引導至晶圓。照明子系統可具有此項技術中已知用於按不同或相同入射角將具有不同或相同特性之光循序或同時引導至晶圓之任何其他適當組態。
在一項實施例中,光源16可包含一寬頻帶電漿(BBP)光源。以此方式,藉由光源產生且被引導至晶圓之光可包含寬頻帶光。然而,光源可包含任何其他適當之光源,諸如一雷射。雷射可包含此項技術中已知的任何適當雷射且可經組態以產生此項技術中已知的任何適當波長或若干波長之光。另外,雷射可經組態以產生單色或近單色之光。以此方式,雷射可係
一窄頻帶雷射。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。儘管透鏡20在圖1中展示為一單一折射光學元件,但應理解,實際上,透鏡20可包含組合地將來自光學元件之光聚焦至晶圓之數個折射及/或反射光學元件。在圖1中展示且在本文中描述之照明子系統可包含任何其他適當光學元件(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)光譜濾波器、(若干)空間濾波器、(若干)反射光學元件、(若干)變跡器、(若干)光束分離器、(若干)孔徑及類似物,其等可包含此項技術中已知之任何此等適當光學元件。另外,系統可經組態以基於待用於檢測之照明類型更改照明子系統之一或多個元件。
檢測子系統亦包含一掃描子系統,其經組態以使光掃描遍及晶圓。例如,檢測子系統可包含載物台22,在檢測期間晶圓14經安置於載物台22上。掃描子系統可包含可經組態以移動晶圓使得光可掃描遍及晶圓之任何適當機械及/或機器人總成(其包含載物台22)。另外,或替代地,檢測子系統可經組態使得檢測子系統之一或多個光學元件執行光遍及晶圓之某種掃描。光可以任何適當方式掃描遍及晶圓。
檢測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檢測子系統照明樣本而來自晶圓之光且回應於經偵測光而產生輸出。例如,在圖1中展示之檢測子系統包含兩個偵測通道:一個通道由集光器24、元件26及偵測器28形成,且另一個通道由集光器30、元件32及偵測器34形成。如在圖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,一個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從晶圓鏡面反射(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晶圓之相同類型之光(例如,鏡面反射光)。儘管圖1展示包含兩個偵測通道之檢測子系統之一實施例,但檢測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)。儘管集光器之各者在圖1中展示為單折射光學元件,但應理解,集光器之各者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當偵測器。例如,偵測器可包含光電倍增管(PMT)、電荷耦合裝置(CCD)及時延積分(TDI)相機。偵測器亦可包含此項技術中已知之任何其他適當偵測器。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,則偵測器之各者可經組態以偵測散射光之特定特性(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,由包含於檢測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,而非影像信號或影像資料。在此等例項中,一電腦子系統(諸如系統之本文進一步描述之一影像處理組件(未在圖1中展示))可經組態以從偵測器之非成像輸出產生晶圓之影像。然而,在其他例項中,偵測器可經組態為成像偵測器,該等成像偵測器經組態以產生成像信號或影像資料。因此,系統可經組態而以數個方式產生本文描述之影像。
應注意,在本文中提供圖1以大體繪示可包含於本文中描述之系統實施例中之一檢測子系統之一組態。顯然,可更改本文中描述之檢測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系統之效能。另外,
可使用一現有檢測系統實施本文中描述之系統(例如,藉由將本文中描述之功能性新增至一現有檢測系統)(諸如可購自KLA-Tencor,Milpitas,Calif之29xx/28xx系列工具)。對於一些此等系統,本文中描述之方法可經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)。或者,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(若干)電腦子系統300可以任何適當方式(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)耦合至檢測子系統之偵測器,使得(若干)電腦子系統可接收在晶圓掃描期間由偵測器產生之輸出。(若干)電腦子系統300可經組態以使用如本文描述之偵測器之輸出執行數個功能及本文中進一步描述之任何其他功能。(若干)電腦子系統300可如本文中描述般進一步組態。
(若干)電腦子系統300(以及本文中描述之其他電腦子系統)亦可在本文中稱為(若干)電腦系統。本文中描述之(若干)電腦子系統或(若干)系統之各者可採用各種形式,包含根據本文描述之各種實施例調適之一個人電腦系統、影像電腦、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的任何適當處理器,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SW之一電腦平台(作為一獨立工具或一網路工具)。
(若干)電腦子系統之各種組件可經耦合至彼此使得影像、資料、資訊、指令等可在如本文中進一步描述之各種組件之間發送。例如,不同組件可藉由任何適當傳輸媒體耦合至彼此,該等傳輸媒體可包含此項技術中
已知之任何適當有線及/或無線傳輸媒體。此等組件之兩者或兩者以上亦可藉由一共用電腦可讀儲存媒體(未展示)有效耦合。
雖然檢測子系統在上文描述為一基於光學或光之檢測子系統,但該檢測子系統可係一基於電子束之檢測子系統。例如,在一項實施例中,經引導至晶圓之能量包含電子,且自晶圓偵測到之能量包含電子。以此方式,能量源可係一電子束源。在圖2中展示之一項此實施例中,檢測子系統包含耦合至(若干)電腦子系統300之電子柱122。
如在圖2中亦展示,電子柱包含電子束源126,其經組態以產生藉由一或多個元件130聚焦至樣本128之電子。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的任何此等適當元件。
可藉由一或多個元件132將自樣本返回之電子(例如,二次電子)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,其可為包含於(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的任何其他適當元件。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號中描述般進一步組態電子柱,該等專利以宛如全文陳述引用的方式併入本文中。
儘管電子柱在圖2中展示為經組態使得電子依一傾斜入射角引導至晶圓且依另一傾斜角自晶圓散射,然應瞭解,電子束可依任何適當角度引導
至晶圓及自晶圓散射。另外,基於電子束之子系統可經組態以使用多個模式產生晶圓之影像(例如,運用不同照明角度、收集角度等)。基於電子束之子系統之多個模式可在子系統之任何影像產生參數上不同。
(若干)電腦子系統300可如上文描述般耦合至偵測器134。偵測器可偵測自晶圓之表面返回之電子,藉此形成晶圓之電子束影像。電子束影像可包含任何適當電子束影像。(若干)電腦子系統300可經組態以使用偵測器之輸出及/或電子束影像來執行本文中描述之功能之任一者。(若干)電腦子系統300可經組態以執行本文中描述之(若干)任何額外步驟。包含圖2中展示之檢測子系統之一系統可如本文描述般進一步組態。
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檢測子系統之一組態。如同上文描述之光學檢測子系統,可更改本文中描述之基於電子束之檢測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檢測子系統之效能。另外,可使用一現有檢測系統(例如,藉由將本文中描述之功能性新增至一現有檢測系統)來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。
雖然檢測子系統在上文描述為一基於光或基於電子束之檢測子系統,但該檢測子系統可係一基於離子束之檢測子系統。可如圖2中展示般組態此一檢測子系統,惟可使用此項技術中已知之任何適當離子束源取代電子束源除外。另外,檢測子系統可為任何其他適當基於離子束之子系統,諸如包含在市售聚焦離子束(FIB)系統、氦離子顯微鏡(HIM)系統及二次離子質譜儀(SIMS)系統中之檢測子系統。
如上文提及,檢測子系統經組態以使能量(例如,光或電子)掃描遍及晶圓之一實體版本,藉此產生晶圓之實體版本之實際影像。以此方式,檢測子系統可經組態為一「實際」工具,而非一「虛擬」工具。例如,一儲存媒體(未展示)及(若干)電腦子系統(未展示)可經組態為一「虛擬」工具。特定言之,一虛擬工具之儲存媒體及(若干)電腦子系統並非檢測子系統10之部分且不具有用於處置晶圓之實體版本之任何能力。換言之,在經組態為虛擬工具之工具中,其之一或多個「偵測器」之輸出可為先前藉由一實際工具之一或多個偵測器產生且儲存於虛擬工具中之輸出,且在「掃描」期間,虛擬工具可如同掃描晶圓般播放所儲存輸出。以此方式,使用一虛擬工具掃描晶圓可看似相同於使用一實際工具掃描一實體晶圓,而實際上,「掃描」涉及以相同於可掃描晶圓之方式播放針對晶圓之輸出。在共同受讓之以下專利中描述經組態為「虛擬」檢測工具之系統及方法:於2012年2月28日頒予Bhaskar等人之美國專利第8,126,255號及於2015年12月29日頒予Duffy等人之美國專利第9,222,895號,該等案之兩者以宛如全文闡述引用的方式併入本文中。可如在此等專利中描述般進一步組態本文中描述之實施例。例如,本文中描述之一或多個電腦子系統可包含如在此等專利中描述般組態之一虛擬檢測器。另外,可如在上文參考之Duffy之專利中描述般執行將一或多個虛擬系統組態為一中央計算及儲存(CCS)系統。本文中描述之永久儲存機構可具有分佈式計算及儲存器(諸如CCS架構),但本文中描述之實施例不限於該架構。
如上文進一步提及,檢測子系統可經組態以使用多個模式產生晶圓之輸出。一般言之,可藉由用於產生一晶圓之輸出之檢測子系統之參數值定義一「模式」。因此,不同之模式可在檢測子系統之成像參數之至少一
者之值上不同。例如,在一基於光學之檢測子系統之一項實施例中,多個模式之至少一者使用用於照明之光之至少一個波長,其不同於用於多個模式之至少一其他者之照明之光之至少一個波長。該等模式在用於不同模式之如本文中進一步描述之照明波長上可不同(例如,藉由使用不同光源、不同光譜濾波器等等)。在另一實施例中,多個模式之至少一者使用檢測子系統之一照明通道,其不同於用於多個模式之至少一其他者之檢測子系統之一照明通道。例如,如上文提及,檢測子系統可包含一個以上照明通道。因而,不同照明通道可用於不同模式。
在一微影程序中使用一倍縮光罩以將特徵印刷於該晶圓上。該微影程序可包含任何適當微影程序。一般言之,一微影程序使用某一形式之能量(例如,光、電子等)以將形成於一倍縮光罩上之一圖案轉印至一晶圓上之一材料。晶圓上之材料可為某一形式之光阻劑,其之一或多個性質在曝露於用於微影程序中之能量之後改變。以此方式,可將能量之一圖案(光、電子等等)從一倍縮光罩或透過倍縮光罩引導至一晶圓上之一光阻劑以藉此將圖案從倍縮光罩轉印至光阻劑。可對光阻劑執行一或多個額外步驟(例如,曝光後烘烤、顯影等等)以完成圖案轉印程序。因此,如自微影程序之此大體描述清晰可見,在微影程序中,存在於一倍縮光罩上之缺陷可經轉印至一晶圓,此係明顯不利的。如本文進一步描述,如在一倍縮光罩檢測程序中,有時不可直接檢測一倍縮光罩。在此等例項中,將倍縮光罩印刷於一晶圓上,檢測晶圓之缺陷,且使用該等晶圓缺陷來判定該等缺陷是否由倍縮光罩引起。可如本文中進一步描述般執行此等判定。
一或多個電腦子系統包含經組態用於獲取藉由檢測子系統針對晶圓產生之影像之一或多個影像處理組件。為簡短起見,一或多個影像處理組
件在本文中亦大體且統稱為「IMC」。因而,當本文中使用術語「IMC」時,其意謂定義為本文描述之一或多個影像處理組件之實施例之任一者。在圖3中展示之一項此實施例中,(若干)電腦子系統300包含IMC 302。可使用本文中描述之檢測子系統之一者執行(例如,藉由將光或一電子束引導至晶圓且自晶圓分別偵測光或一電子束)獲取影像。例如,如在圖3中展示,檢測子系統304可經耦合至IMC 302,使得藉由檢測子系統產生之影像可發送至IMC 302及/或藉由IMC 302自檢測子系統獲取。以此方式,可使用實體晶圓自身及某種成像HW來執行獲取影像。可根據本文中描述之實施例之任一者組態檢測子系統304。
如在圖3中進一步展示,IMC 302可包含數個組件,包含IMC處理組件308及310、IMC儲存器312及IMC SW 314。IMC處理組件308及310可具有彼此相同之組態且可並行操作。例如,在藉由檢測子系統304執行之掃描期間,可藉由IMC處理組件308獲取藉由檢測子系統產生之一些影像且可藉由IMC處理組件310獲取由檢測子系統產生之其他影像。一般言之,一SW組件(諸如IMC SW 314)可控制發送哪些影像至不同IMC處理組件(且因此藉由該等處理組件獲取該等影像)。IMC處理組件可接著對其等同時獲取之影像執行相同程序。IMC處理組件308及310可因此經組態為平行處理組件。另外,IMC可經組態為一伺服器叢集,其從檢測子系統之偵測器獲取晶圓資料且排程影像處理演算法之並行處理。儘管在圖3中展示兩個IMC處理組件,但應理解,IMC可包含如所需般多或少之IMC處理組件。可如本文中描述般進一步組態IMC處理組件308及310。
IMC儲存器312可在本文中一般稱為一共用記憶體且可經組態為可針對藉由一或多個影像處理組件執行之多個程序進行存取之一共用非暫時性
電腦可讀儲存媒體。例如,IMC中之缺陷偵測可經實施為並行處理,其中多個中央處理單元(CPU)對輸入資料串流並行運作。每一SW程序可具有其自身之記憶體空間。此使系統更穩健,但對不同程序之間的資料傳送產生問題。共用記憶體為所有程序可用之IMC中之一記憶體。可如本文中描述般進一步組態此非暫時性電腦可讀儲存媒體。在一些例項中,IMC儲存器312可如在圖3中展示般組態,使得IMC處理組件308及310發送結果至IMC儲存器。然而,IMC儲存器312亦可或替代地經組態以視需要、請求或指示而接收或獲取來自檢測子系統之影像且將該等影像發送至各種IMC處理組件。取決於本文描述之各種實施例之組態,IMC儲存器312亦可包含如本文中進一步描述之具有各種不同特性(例如,大小)之各種不同類型之記憶體。
IMC SW 314可經組態用於從包含於如本文進一步描述之一或多個電腦子系統中之其他組件接收指令且用於控制或指示IMC處理組件308及310及/或IMC儲存器312,使得此等組件執行本文進一步描述之各個步驟或功能。以此方式,IMC SW可運行IMC自身及藉由IMC執行之影像處理演算法。取決於本文描述之步驟或功能,IMC SW可具有各種組態。
(若干)電腦子系統亦包含一主使用者介面組件,其經組態用於將針對晶圓及倍縮光罩產生之資訊提供至一使用者且用於接收來自使用者之指令。為簡短起見,主使用者介面組件在本文中亦簡稱為「主UI」。如圖3中展示,在一項此實施例中,(若干)電腦子系統包含主UI 305。取決於藉由主UI及本文描述之系統執行之功能及/或步驟,主UI可具有各種不同組態。然而,一般言之,主UI可包含:一或多個顯示組件(未展示),其等經組態用於對一使用者顯示資訊,用於提示一使用者輸入,用於為一使用者
提供用於鍵入輸入之一構件等;及一或多個處理元件(未展示),其等經組態用於執行一或多個功能或步驟,諸如如本文進一步描述為由一主UI執行及/或請求由一使用者執行之功能或步驟。可使用可經調適以執行本文描述之主UI之(若干)功能之任何HW、SW、程式碼等來實施主UI。
(若干)電腦子系統進一步包含一介面組件,其經組態用於提供一或多個影像處理組件與主使用者介面組件之間的一介面且用於控制檢測子系統之一或多個HW元件。例如,如在圖3中展示,(若干)電腦子系統300包含介面306。介面組件可經組態以發送指令至檢測子系統304之一或多個HW元件(未在圖3中展示),該等元件可包含圖1及圖2中展示之檢測子系統之HW元件之任一者。介面組件可經耦合至如本文進一步描述之檢測子系統,使得介面組件可控制及/或更改檢測子系統之一或多個HW元件之一或多個參數。
如在圖3中展示,介面組件亦經耦合至IMC。介面及IMC可如本文進一步描述般耦合,使得可在介面與IMC之間發送指令、資訊、結果、影像等。介面亦可如圖3中展示般以一類似方式耦合至主UI 305,使得可在介面與主UI之間發送類似資訊。因此,介面306提供IMC 302與主UI 305之間的一介面。另外,介面306可為晶圓檢測器SW之機器控制組件且可本質上經組態為主UI之一下階層。介面306可包含各種HW及/或SW組件,其等可經組態以執行本文進一步描述之介面組件之功能及/或步驟。可如本文描述般進一步組態介面306。
因此,晶圓檢測器HW/SW可經組態為一多層HW/SW系統,其中不同階層包含:IMC,其係最低層級且「最靠近」檢測子系統之HW;介面,其係中間層級且在IMC與主UI之間;及主UI,其係最高層級,最遠
離檢測子系統HW且「最靠近」使用者。
一或多個影像處理組件經組態用於藉由將一重複出現的缺陷偵測(RDD)演算法應用至藉由一或多個影像處理組件獲取之影像而執行RDD。因此,不同於當前使用之方法及系統,本文描述之實施例經組態用於在IMC中執行RDD。可以本文進一步描述之各種不同方式執行RDD。相比於當前如何執行RDD,將RDD移動至IMC中提供如本文進一步描述之顯著優點。
RDD演算法經組態以使用一熱臨限值來偵測晶圓上之缺陷且識別係重複出現的缺陷之缺陷。術語「重複缺陷(repeaters)」在本文中可與術語「重複出現的缺陷(repeater defects)」互換使用。一「熱臨限值」可大體定義為用於偵測潛在缺陷及缺陷之一臨限值,其經有意設定在或設定為實質上接近由掃描產生之影像之雜訊底限。通常執行使用一熱臨限值執行之「熱掃描」以偵測儘可能多之潛在缺陷及實際缺陷來確保擷取多數缺陷或全部所關注缺陷及/或確保擷取具有相對弱信號之缺陷。可應用熱臨限值至晶圓之影像,高於熱臨限值之任何信號影像或資料可被識別為潛在缺陷,且不高於熱臨限值之信號或資料未被識別為潛在缺陷。
在一項實施例中,RDD演算法經組態以藉由使不同缺陷之晶粒內缺陷座標彼此比較而識別係重複出現的缺陷之缺陷。例如,如本文進一步描述,IMC藉由識別以某種方式重複之缺陷執行資料簡化中之第一步驟。一般言之,在此步驟,RDD演算法將偵測係晶粒重複缺陷之缺陷,儘管晶粒重複缺陷對於本文描述之實施例並非受關注的。例如,在已經藉由RDD演算法識別晶粒重複缺陷之後,可分析晶粒重複缺陷以判定哪些晶粒重複缺陷係倍縮光罩重複缺陷。以此方式,可由IMC中之RDD演算法
藉由使晶粒內缺陷座標彼此比較而識別係重複出現的缺陷之缺陷。接著,可將具有相同晶粒內缺陷座標(或「晶粒相對缺陷座標」)之缺陷識別為隨晶粒重複之缺陷。該等缺陷接著可為經傳遞用於進一步重複缺陷分析之唯一缺陷。
在一些例項中,不會藉由IMC在晶粒相對座標中報告缺陷。換言之,當IMC偵測到一缺陷時,無法藉由IMC相對於其中偵測到缺陷之一晶粒判定該缺陷之位置之座標。以此方式,藉由IMC判定之缺陷之座標可藉由IMC轉譯為晶粒座標。可以數種不同方式轉譯座標,在本文中詳細描述一些方式。例如,一個相對簡單方式係將針對缺陷報告之座標轉譯為為晶圓及晶粒所共有之一參考(諸如晶圓之一設計)。在一個此實例中,藉由檢測子系統針對缺陷產生之影像可與晶圓之設計對準。一旦判定缺陷之設計座標,則該等座標可基於設計與晶粒之間的已知關係而轉譯為晶粒座標。接著可使針對各缺陷判定之晶粒座標彼此比較,且可將具有實質上相同晶粒座標之缺陷識別為晶粒重複缺陷。
可藉由使用定義兩個晶粒座標必須多接近以判定為晶粒重複缺陷之位置之某一重複缺陷距離臨限值識別實質上相同晶粒座標。例如,在晶圓上印刷設計之最小誤差、檢測子系統之定位元件等可使兩個相同之晶粒內位置具有針對其等判定之略微或稍微不同之晶粒座標。以此方式,使用一容限來判定哪些晶粒內座標可被視為相同可係有用的。可以用於判定此一容限之常用方式之任一者且至少基於上文描述之資訊判定該容限之特定值。
一或多個影像處理組件經組態用於將包含僅重複出現的缺陷之資訊之檢測結果發送至介面組件。例如,IMC可僅傳回晶粒重複缺陷。特定言
之,儘管IMC可偵測未被判定為重複缺陷之缺陷(此係因為本文描述之系統組態之所關注缺陷(DOI)係重複出現的缺陷),但偵測到之非重複出現的缺陷之資訊可在其等被判定為非重複缺陷之後摒棄。以此方式,IMC將執行缺陷偵測,接著進行第一資料簡化(或濾波)步驟,其中針對非重複缺陷對缺陷偵測資訊濾波。
IMC可以任何適當方式將檢測結果發送至藉由本文中進一步描述之組態啟用之介面組件。另外,IMC組件可以任何適當格式將僅重複出現的缺陷之資訊發送至介面組件。包含於檢測結果中且發送至介面組件之僅重複出現的缺陷之資訊可包含藉由IMC針對重複出現的缺陷產生之任何資訊,其等可包含(但不限於)缺陷座標、圖塊影像、缺陷屬性等。此外,如本文進一步描述,在一些實施例中,(若干)電腦子系統包含或利用一分離資料庫(DB),其中將缺陷之不同資訊儲存於不同記憶體媒體中。以此方式,IMC可僅將檢測結果之一部分發送至介面組件,而將檢測結果之另一部分發送至一不同組件。另外,檢測結果之兩個部分將僅包含重複出現的缺陷之結果且不會包含非重複缺陷之結果。
一或多個電腦子系統經組態用於基於晶圓上偵測到之重複出現的缺陷識別倍縮光罩上之缺陷。例如,可藉由主UI執行進一步重複缺陷分析以抑制晶粒重複缺陷且保持倍縮光罩重複缺陷。儘管可選擇主UI作為用於執行倍縮光罩重複缺陷之識別之最有利組件,但(若干)電腦子系統之其他組件可經組態且用於此步驟。例如,若(若干)電腦子系統包含一虛擬檢測器(VI),則VI可用於識別重複出現的缺陷。另外,其他組件(諸如IMC及介面組件)可經組態以執行此識別。
為本文描述之應用之目的,使用者希望僅保持倍縮光罩重複缺陷。
應自最終報告移除既為倍縮光罩重複缺陷又為晶粒重複缺陷之重複缺陷。特定言之,針對其中使用者尋找歸因於倍縮光罩(光罩)之問題產生之重複出現的缺陷之應用產生本文描述之實施例。存在於相同倍縮光罩上之不同晶粒中之相同位置之缺陷最有可能由晶圓處理引起,而非由倍縮光罩自身引起。
換言之,出現在一單一倍縮光罩之多個晶粒中之實質上相同位置處之晶圓上之缺陷可能不係歸因於實際倍縮光罩缺陷,諸如一損壞圖案化特徵、一顆粒或雜質及類似物。代替地,若一缺陷在一倍縮光罩中之多個晶粒中之一晶圓上重複,則在晶粒中重複之晶圓上之缺陷可能係歸因於倍縮光罩、晶圓及程序之間的一相互作用問題(例如,歸因於一設計/程序相互作用問題而失效之一邊際設計)。雖然此等晶粒重複出現的缺陷可在一些使用情況中係受關注的,但已針對偵測隨經印刷倍縮光罩例項重複且因此可假定為由倍縮光罩缺陷引起之缺陷特定產生本文描述之實施例。
在一項實施例中,一或多個電腦子系統經組態用於藉由以下步驟來識別倍縮光罩上之缺陷:判定哪些重複出現的缺陷在晶圓上之倍縮光罩之兩個或兩個以上經印刷例項中重複;及將在晶圓上之倍縮光罩之兩個或兩個以上經印刷例項中重複之重複出現的缺陷識別為倍縮光罩上之缺陷。例如,如在本文進一步描述,針對本文描述之系統及方法受關注之缺陷係相對於倍縮光罩重複且因此可合理地歸因於倍縮光罩自身而非印刷晶圓所涉及之某一其他元件之重複缺陷。因此,若晶圓上偵測到之一個以上缺陷出現在相同倍縮光罩內座標(相對於倍縮光罩而非晶圓、檢測系統等之座標)處,則可將缺陷判定為可由在缺陷之倍縮光罩內座標處之倍縮光罩上之一缺陷在晶圓上引起之倍縮光罩重複缺陷。
在一些例項中,不會藉由IMC在倍縮光罩座標中報告缺陷。換言之,當IMC偵測到一缺陷時,無法藉由IMC相對於一晶粒判定該缺陷之位置之座標。以此方式,藉由IMC判定之缺陷之座標可藉由IMC或更有可能藉由識別倍縮光罩重複出現的缺陷之組件(例如,主UI)轉譯為倍縮光罩座標。可以數種不同方式轉譯座標,在本文中詳細描述一些方式。例如,一個相對簡單方式係將針對缺陷報告之座標轉譯為為晶圓及倍縮光罩所共有之一參考(諸如晶圓及倍縮光罩之一設計)。在一個此實例中,藉由檢測子系統針對缺陷產生之影像可對準於晶圓之設計。一旦判定缺陷之設計座標,便可基於設計與倍縮光罩之間的已知關係而將該等座標轉譯為倍縮光罩座標。接著可使針對各缺陷判定之倍縮光罩座標彼此比較,且可將具有實質上相同倍縮光罩座標之缺陷視為倍縮光罩重複缺陷。
可藉由使用定義兩個倍縮光罩座標必須多接近以判定為倍縮光罩重複缺陷之位置之某一重複缺陷距離臨限值識別實質上相同倍縮光罩座標。例如,在晶圓上印刷設計之最小誤差、檢測子系統之定位元件等可使兩個相同之倍縮光罩內位置具有針對其等判定之略微或稍微不同之倍縮光罩座標。以此方式,使用一容限來判定哪些倍縮光罩座標可被視為相同可係有用的。可以用於判定此一容限之常用方式之任一者且至少基於上文描述之資訊判定該容限之特定值。
在一些實施例中,一或多個影像處理組件經組態用於儲存所有經偵測缺陷之資訊。以此方式,不同於當前使用之系統及方法,本文描述之實施例可經組態用於將所有缺陷保存於IMC記憶體中,直至晶圓檢測結束。所有經偵測缺陷之資訊可包含藉由IMC針對經偵測缺陷產生之資訊之任一者。可以任何適當方式儲存所有經偵測缺陷之資訊。另外,如本文進一步
描述,實施例可經組態以按各種不同方式(例如,使用包含於IMC中之一分離DB)儲存經偵測缺陷之所有資訊。
IMC較佳儲存所有經偵測缺陷之資訊,使得所有經偵測缺陷之資訊可用於RDD。一旦藉由IMC執行RDD,便可在將針對未被判定為重複缺陷之缺陷儲存之資訊發送至(若干)電腦子系統之一或多個其他組件之前自經儲存資訊消除該資訊。
在一進一步實施例中,執行RDD僅針對晶圓上之一單一掃描帶執行。以此方式,本文描述之實施例可經組態用於作業級(job-level)RDD。在此實施例中,可對偵測碼自身中之單一掃描帶級執行RDD。此RDD容許初步缺陷候選者之極高密度,但將錯失未在晶圓上之一晶粒列中重複之缺陷。
在作業級RDD中,圖框間對準在一個作業內部實質上係準確且精確的,故可以實質上嚴格容限(例如,小於一像素)在IMC上進行重複缺陷偵測作為後處理(PP)。為從圖框間對準獲得最大益處,作業大小可從當前最大值12個圖框增大至一全晶粒列(即,晶圓上之一單一列及/或多個掃描帶中之所有晶粒)。然而,不需要使用所有晶粒來進行特徵影像(中值)計算。代替地,針對此等計算,12個圖框應係足夠的。歸因於工作平衡之任何處理量降低不應係很大的。IMC將僅傳回晶粒重複缺陷且可藉由主UI執行進一步重複缺陷分析以抑制晶粒重複缺陷且保持倍縮光罩重複缺陷。
此解決方案之優勢係低實施方案努力(僅IMC碼)、無額外HW要求及相對高之處理量。因此,可相對便宜且快速地實施此實施例。此解決方案之一個潛在劣勢在於其無法實質上偵測到軟重複缺陷(例如,若重複缺陷如此軟以致其等不在一晶粒列中重複,則此解決方案將錯失所有重複缺
陷)。本文描述之其他實施例可更適用於偵測相對小之弱重複出現的缺陷。
在另一實施例中,一或多個影像處理組件經組態為一虛擬檢測器,且一或多個電腦子系統經組態用於在自檢測子系統獲取影像之後且在執行RDD之前將虛擬檢測器與檢測子系統斷開連接。以此方式,本文描述之實施例可經組態用於基於圖塊之虛擬檢測器(VI)方法。在此等實施例中,可將所有缺陷資料及缺陷圖塊儲存於VI上,且將僅在VI上運行之一新的應用程式(檢測工具自由運行下一檢測)用於RDD。經偵測重複出現的缺陷可報告為VI上之一新批結果。
如上文描述,基於圖塊之VI方法涉及將所有缺陷候選者保存於基於圖塊之VI上。計畫VI容量可係相對高的(例如,每圖框150個缺陷)。另外,容量受磁碟空間而非資料傳送率限制(至少在當前使用之VI組態中,即時記錄資料)。亦不需要保持缺陷候選者達任何明顯時間量(例如,記錄來自一個檢測之候選者,處理其等且移除資料)。因此,最有可能的是,應可運行甚至更熱之檢測。憑藉相對高之缺陷密度,可較佳地將整個晶圓影像保存於VI上且如本文進一步描述般將缺陷座標保持在一平行DB中。RDD僅需要缺陷座標,且稍後可僅針對重複缺陷提取缺陷圖塊。
在實施方案方面,上文描述之實施例合理地係直截了當的:運行熱檢測,將所有缺陷候選者保存於VI上,將檢測工具與VI斷開連接使得檢測工具可用於下一檢測,在VI上起始RDD之與一新的檢測類型,使用缺陷座標(其等經保存為圖塊記錄之部分)尋找重複缺陷,且將缺陷位置、屬性及圖塊(已經計算且預保存於VI上之任何事物)傳回至主UI。上文描述之實施例之另一優勢在於工具處理量相對高且開發努力實質上係合理的。在
一些情況中,若系統尚未包含一VI,則實施例可增大所有權成本(CoO)。
在一額外實施例中,一或多個影像處理組件經組態用於藉由將一缺陷偵測演算法應用至由檢測子系統針對晶圓上之多個晶粒列中之相同單一掃描帶產生之影像而執行單一掃描帶多晶粒列缺陷偵測且用於將單一掃描帶多晶粒列缺陷偵測之結果發送至介面組件,且介面組件或主使用者介面組件對單一掃描帶多晶粒列缺陷偵測之結果執行RDD。以此方式,本文中描述之實施例可經組態用於一特殊掃描帶佈局方法。例如,代替循序以掃描帶掃描(swathing)整個晶圓,檢測子系統可掃描每一晶粒列中之一個掃描帶,接著檢測子系統可返回至第一晶粒列以掃描下一掃描帶等等。
以此方式,此實施例可藉由改變掃描帶掃描序列而降低由(若干)電腦子系統保存之缺陷數目:代替循序掃描帶掃描每一晶粒列,可掃描每一晶粒列之每一第一掃描帶且可報告所有缺陷,接著每一晶粒列之每一第二掃描帶等等。例如,取決於重複出現的缺陷之類型,重複出現的缺陷依據定義發生在每一晶粒或倍縮光罩中之相同位置中。因此,為執行RDD,吾人不需要來自整個晶圓之缺陷。代替地,具有來自晶圓之某一部分之所有缺陷係足夠的(例如,每一晶粒列之每一第一掃描帶、每一晶粒列之每一第二掃描帶等等)。(若干)電腦子系統可對此等缺陷執行RDD,報告其等且接著以其他區域繼續。另外,當同時並行處理針對多個掃描帶產生之影像時,在進行至下一晶粒列之前可掃描每一晶粒列中之多個掃描帶。
所有缺陷候選者可經保存於介面組件中之一臨時緩衝器中或經報告至主UI。在每一反覆之後,介面組件或主UI可執行RDD且僅報告及/或保持重複出現的缺陷。例如,介面組件可以一正常方式接收掃描結果,執行作業間、子掃描帶間合併且在發送缺陷至主UI之前,以零像素座標容限運
行RDD(即,像素與設計對準起作用)。例如,IMC可使用稱為作業之特定資料塊(影像)執行缺陷偵測。為了在無間隙的情況下執行缺陷偵測,吾人需要鄰近作業所見之影像之間的某一重疊。因此,一些缺陷可從IMC報告兩次。此等經報告缺陷應藉由更高階SW(例如,介面組件)合併為一單一缺陷。亦存在稱為「合併距離」之一配方參數,其中分開小於一合併距離之兩個可見不同缺陷應報告為一單一缺陷。此合併程序可在IMC中(作業間合併)且在作業與子掃描帶(作業間/子掃描帶)合併之間藉由介面組件執行。
或者,可將所有缺陷報告至將在保存缺陷至磁碟之前運行RDD之主UI。基於介面之解決方案係較佳的,此係由於其降低網路負載。當然,介面組件將需要額外記憶體來保持所有此等缺陷,但此需要並不過高。針對一典型晶圓,可存在20個晶粒列。故將保持在20個掃描帶中偵測到之缺陷。
上文描述之實施例之優勢包含適度記憶體需求及相對局部化之SW改變。設定此一組態可涉及缺陷偵測碼中之最小改變且不涉及介面組件中之改變。然而,設定此組態涉及介面組件涉入、掃描帶控制之顯著改變、缺陷後處理及主UI掃描帶進程更新及缺陷處置。因此,此組態可具有一顯著開發努力成本且不具有新的HW成本。此系統組態可歸因於Y上之額外載物台行進而具有一經降低處理量(相較於本文描述之其他實施例),且缺陷候選者密度仍可歸因於可用記憶體之限制而係不足夠的。亦非常可能的是,運行時間對準(RTA)歸因於無先前掃描帶歷史而具有嚴重問題。例如,歸因於損壞(不可用)之RTA歷史,可存在潛在RTA問題。
雖然特殊掃描帶佈局方法對於實際解決方案最有可能係不足夠的,
但其可尤其用作測試之一快速且簡單之代理。例如,其可用於使用一極小取樣計畫來運行一熱檢測且在主UI中產生約兩百萬個缺陷候選者。此後,可使用極小之重複缺陷容限(檢測應使用像素與設計對準)且判定是否可以此方式達成足夠敏感度而在主UI中執行RDD。
以此方式,對於一個應用或另一應用,本文描述之系統及方法之一些組態可更有用。因而,在一些例項中,本文描述之系統及方法能夠具有本文描述之多個組態以因此取決於應用提供用於執行RDD之多個選項可係有利的。
在一實施例中,一或多個影像處理組件包含可針對由一或多個影像處理組件執行之多個程序存取之一共用非暫時性電腦可讀儲存媒體,且RDD演算法經組態以偵測晶圓之整個經檢測區域上之缺陷,將所有經偵測缺陷儲存於共用非暫時性電腦可讀儲存媒體中,且使用晶圓之整個經檢測區域之所有經儲存之偵測缺陷識別係重複出現的缺陷之缺陷。以此方式,本文描述之實施例可經組態用於基於IMC之RDD。例如,IMC中之一共用記憶體可用於保持所有缺陷候選者(針對整個晶圓)。在完成所有掃描帶之後,可運行特殊作業以執行RDD且將重複缺陷報告至更高階之SW。此一組態可需要IMC中之經安裝實體記憶體之一顯著增大。
因此,在上文描述之實施例中,在IMC中進行RDD之最大部分。在此情況中,雖然可涉及介面組件側上之某一工作,但大部分工作將藉由IMC完成。幾乎不涉及主UI。特定言之,主要理念係在IMC記憶體中累積所有缺陷候選者直至晶圓檢測結束。可運行一正常缺陷偵測。可將一「無缺陷」結果緩衝器返回至介面組件,且可將所有缺陷候選者保存於共用記憶體中。
此實施例之一個優勢在於記憶體可輕易擴縮以容納每圖框、掃描帶、晶粒列、晶粒、晶圓等之任何所要數目個缺陷候選者。不同類型之記憶體在此實施例中亦可用於儲存缺陷資訊及其他結果,諸如固態磁碟機(SSD)儲存器(快閃記憶體)、動態隨機存取記憶體(DRAM)等。另外,可視需要藉由丟棄缺陷圖塊影像及降低針對缺陷保持之資料結構之大小而將缺陷候選者密度增大一數量級。
在上文描述之實施例中,在執行缺陷偵測且所有缺陷候選者在共用記憶體中之後,介面組件可開始一新程序或(較佳地)將新作業(具有新的作業類型)提交給(若干)影像處理組件。IMC碼可使用可用之缺陷候選者來執行作業間缺陷合併及RDD。由於可藉由掃描帶子掃描帶數目組織共用記憶體中之資料,故可以一非常簡單之方式執行負載平衡:僅將待處理之掃描帶子掃描帶數目指派給CPU核心(當CPU包含多個核心時)。共用記憶體管理及負載平衡(例如,將掃描帶指派至核心)可藉由介面組件以及新的作業類型佇列及提交而執行。在執行RDD之後,IMC可能夠在一正常結果緩衝器中傳回重複出現的缺陷,藉此最小化介面組件側上之改變。
注意,RDD可係基於晶粒座標(在應用所有載物台校正的情況下)。此等座標現今在IMC中係不可用的。可使用現有機構傳送座標。迄今為止,座標已被視為對IMC程序係不必要的。使此資訊在演算法中可用最有可能意謂IMC將開始傳回晶圓中之缺陷位置而非掃描帶座標(即,一般言之,工具架構之顯著改變)。最終,可針對所有檢測類型改變座標報告系統以避免混淆。掃描帶間合併可藉由當前執行之介面組件執行,但可在IMC中執行將座標轉譯為晶圓座標系統。
因此,一般言之,上文描述之基於IMC之實施例可具有一顯著開發
努力成本、一適度HW成本(針對記憶體)及低處理量效應。上文描述之基於IMC之實施例之一優勢係實質上高處理量。
在一些實施例中,一或多個影像處理組件經組態用於藉由將一缺陷偵測演算法應用至由檢測子系統針對晶圓上的多個晶粒列中之相同單一掃描帶產生之影像而執行單一掃描帶多晶粒列缺陷偵測且將單一掃描帶多晶粒列缺陷偵測之結果儲存於可針對由一或多個影像處理組件執行之多個程序存取之一或多個影像處理組件中之一共用非暫時性電腦可讀儲存媒體中,且RDD演算法經組態以偵測多個晶粒列中之相同單一掃描帶之整個經檢測區域中之缺陷,將所有經偵測缺陷儲存於共用非暫時性電腦可讀儲存媒體中,且針對多個晶粒列中之相同單一掃描帶之整個經檢測區域使用所有經儲存之經偵測缺陷識別係重複出現的缺陷之缺陷。以此方式,實施例可組合本文進一步描述之兩個理念:即,與基於IMC之RDD組合之特殊掃描帶佈局。
此方法解決任何IMC記憶體問題,此係由於不需要保持共用記憶體中之所有候選者直至檢測結束。RTA問題仍可出現且可在一些例項中係嚴重的。可共同處理之掃描帶之數目可在不損及可保持之缺陷數目的情況下取決於掃描帶之長度(例如,相較於較長晶粒列,對於較短晶粒列及因此較短掃描帶,可一起處理更多掃描帶)而變化。取決於晶粒列及因此掃描帶之長度更改檢測之參數可針對處理量最佳化掃描帶掃描且減少在檢測期間執行之Y方向載物台運動之數目。另外,如本文描述之其他實施例,在此實施例中,記憶體之數目及類型可取決於保持用於處理之缺陷之數目而變化。
亦可藉由不儲存缺陷圖塊而共同保持且處理更多缺陷及掃描帶,此
可部分解決損壞RTA歷史之問題。例如,為執行晶粒間比較(缺陷偵測),影像需要自不同晶粒配準(對準)。此程序稱為RTA且藉由專用HW/SW執行。此為利用先前掃描帶之對準歷史之一相當複雜之程序。因此,所提出之掃描方案可使RTA無法使用歷史且其可導致對準品質降級。
與基於IMC之RDD組合之特殊掃描帶佈局係上文描述之兩個方法之一組合且容許極端缺陷候選者密度及可能本文描述之實施例之最高敏感度。理念在於針對所有晶粒列對每一第一掃描帶(或當足夠並行計算係可用時每n個掃描帶)執行缺陷候選者偵測,從而將所有缺陷候選者保持於IMC共用記憶體中,針對此等缺陷候選者執行RDD且將結果傳回至介面組件及主UI而不收集晶圓之其餘部分之資料。處理量減少將類似於在第一方法中,但吾人將能夠針對晶圓之此小部分使用整個共用記憶體,此容許成比例地增大缺陷候選者密度。
在另一實施例中,一或多個影像處理組件包含可針對由一或多個影像處理組件執行之多個程序存取之一共用非暫時性電腦可讀儲存媒體,一或多個電腦子系統包含一虛擬檢測器,一或多個影像處理組件經組態用於將由RDD演算法產生之結果之僅一第一部分儲存於共用非暫時性電腦可讀儲存媒體中且將由RDD產生之結果之僅一第二部分儲存於虛擬檢測器中,第一部分僅包含晶圓上偵測到之缺陷之缺陷座標,第二部分僅包含晶圓上偵測到之缺陷之缺陷屬性及圖塊影像,RDD演算法經組態以僅使用結果之第一部分來識別重複出現的缺陷,且一或多個影像處理組件經組態用於從虛擬檢測器擷取重複出現的缺陷之缺陷屬性及圖塊影像且藉由組合藉由識別重複出現的缺陷產生之資訊與經擷取之缺陷屬性及圖塊影像而產生檢測結果。以此方式,本文描述之實施例可經組態用於與基於IMC之
RDD組合之永久性儲存器(包含基於圖塊之VI或本端(在IMC上)儲存器)。
此方法可利用一「分離」或「分佈式」DB。例如,重複缺陷偵測係僅基於晶粒(倍縮光罩)缺陷座標,使得吾人可將缺陷座標保持於IMC上之共用記憶體中且將缺陷屬性及圖塊影像保存於某一臨時儲存器中(如一VI或一本端硬碟機(HDD)/SDD,其中在此內容脈絡中「本端」意謂此等裝置經安裝於IMC中且可用於在IMC上運行之SW,但是VI及本端儲存器兩者可為HDD或SSD)。例如,如在圖3中展示,(若干)電腦子系統300可視情況包含虛擬檢測器316,其可如本文中進一步描述般組態。
換言之,IMC可運行一缺陷偵測。缺陷座標可經保存於IMC DB中。缺陷影像及屬性經保存於永久性儲存器(SSD/HDD/RAID DB,即,駐留於某種類型之永久儲存器:硬碟機、固態儲存器等上之一DB)中。兩個DB可使用相同密鑰。小型且快速DB僅保持座標,而大型半永久DB保持缺陷影像及特徵/屬性。以此方式,為執行RDD,(缺陷之)一些資料需要經保存以用於進一步處理。此資料之一些部分由RDD本身使用且應係可輕易存取的(用於快速存取以便足夠快速地執行RDD)。缺陷資訊之其他部分未由RDD使用,但將經報告至一使用者及/或主UI。此資訊可保存於具有明顯更慢之存取速度之一不同位置中(且其可具有更大之大小,此係由於其可經保存於更便宜之儲存裝置上)。
在執行晶圓掃描之後,可針對RDD運行特殊作業且可擷取來自儲存器之相關缺陷候選者資料。例如,包含缺陷座標之基於DRAM之DB可用於重複缺陷分析。重複缺陷分析可產生重複缺陷座標,其等可用於從第二DB(儲存於第二永久性儲存器中)提取影像及特徵。可組合缺陷座標與經提取影像及特徵以產生僅包含重複缺陷之批結果。此時可摒棄其餘缺陷候
選者。估計展示在無額外實體記憶體的情況下,可保持高達每圖框1900個缺陷候選者。可需要高達每節點3TB之儲存來保持臨時資料。以此方式,本文描述之實施例可經組態以分離用於RDD之及缺陷屬性計算/報告缺陷資料。
上文描述之方法係基於以下事實:RDD僅需要缺陷座標,圖塊或屬性皆係不必要的。因而,可針對每一缺陷候選者將缺陷結構保存於VI或本端IMC儲存器上且可將缺陷候選者儲存於共用記憶體中。因此,用於RDD之缺陷結構之大小可減小至邊界框座標(例如,4個整數),且晶粒列、一晶粒列中之掃描帶、圖框數目(或類似物)及整個缺陷在共用記憶體緩衝器中僅採用8個整數。因而,可儲存更多缺陷,而不增大當前使用之記憶體容量。在執行RDD之後,對應圖塊影像及缺陷屬性可從儲存器上載(實質上小量資料)且以一標準方式發送至介面組件及主UI(結果緩衝器之一些改變,即,仍可製成用於將結果從IMC傳送至介面組件之記憶體)。
因此,在上文描述之實施例中,所提出之操作序列可:運行一實質上熱全晶圓檢測;將缺陷保存於永久性儲存器上且將缺陷候選者保存於共用記憶體中;介面組件發出具有新類型之作業(RDD作業),且IMC找到所有重複出現的缺陷;從儲存器讀取對應缺陷記錄;及將結果傳回至介面組件或主UI。緊接在檢測之後可釋放儲存器。若需要,可基於待儲存之缺陷候選者之數目及所要處理量更改(例如,藉由改變儲存器類型)用於將缺陷候選者保存至儲存器之可用頻寬(寫入速度)。I/O最有可能可與資料處理並行工作。此等實施例之優勢包含其等應針對RDD提供實質上高敏感度且其等應具有對處理量之相對低效應。
IMC外加永久性儲存器選項可針對RDD提供具有實質上弱缺陷及軟重複出現的缺陷以及對新HW之實質上適度要求之最全面的解決方案。架構之改變包含收集共用記憶體中之所有缺陷座標及永久性儲存器上之全缺陷資訊,其等可重用於其他應用(例如,IMC中之缺陷分類、缺陷取樣等)。
在一額外實施例中,一或多個影像處理組件包含可針對由一或多個影像處理組件執行之多個程序存取之一共用非暫時性電腦可讀儲存媒體,一或多個影像處理組件經組態用於將由RDD演算法產生之結果之僅一第一部分儲存於共用非暫時性電腦可讀儲存媒體中,第一部分僅包含晶圓上偵測到之缺陷之缺陷座標,RDD演算法經組態以僅使用結果之第一部分來識別重複出現的缺陷,介面組件經組態用於控制檢測子系統之一或多個HW元件以藉此僅掃描經識別重複出現的缺陷之晶圓上之位置,且一或多個影像處理組件經組態用於組合僅經識別重複出現的缺陷之晶圓上之位置之掃描中產生之影像與結果之第一部分以藉此產生發送至介面組件之檢測結果。
以此方式,本文描述之實施例可經組態用於兩遍次RDD。此方法利用分離DB之一半。可偵測缺陷候選者且僅將其等之座標儲存於共用記憶體中。特定言之,在一第一遍次中,未將缺陷傳回至主UI。代替地,將缺陷候選者及一些額外資訊保存於共用記憶體中。共用記憶體含有所有缺陷之座標。此資料用於RDD。特定言之,可使用一新的可執行項以使用經保存之座標執行RDD。將重複出現的缺陷之座標保存於共用記憶體中。因此,共用記憶體在該步驟將含有重複出現的缺陷座標。
為獲得缺陷影像及計算屬性,僅在其中找到重複缺陷之位置中第二
次掃描晶圓。例如,在第二遍次中,(若干)電腦子系統之一或多個組件將從共用記憶體讀取重複出現的缺陷座標。一或多個組件接著可將此等位置轉換為「強制缺陷」。IMC接著可計算缺陷屬性,提取圖塊影像,應用一妨害濾波器且將晶粒重複缺陷返回至主UI。主UI接著可如本文進一步描述般執行倍縮光罩級重複出現的缺陷分析且指派重複缺陷ID。以此方式,本文描述之實施例可經組態以分離用於RDD及缺陷屬性計算/報告之缺陷資料。
上文描述之實施例藉由以處理量減小來折衷HW成本而最小化HW成本。此解決方案可對生產有價值配方及系統之開發係最有利的。另外,兩遍次檢測組態可為用於(使用一VI實施方案)證實/測試可部署於使用者位點處之敏感度之一較佳解決方案。
上文描述之實施例類似於「分離DB」(IMC與永久性儲存器)方法,但略過儲存候選者資料。缺陷偵測作業將缺陷座標保存於共用記憶體中且一起略過圖塊提取及缺陷屬性計算。在執行晶圓掃描帶掃描之後,作業管理器SW可發出將找到經保存之缺陷候選者中之重複出現的缺陷之RDD作業。將重複出現的缺陷座標傳回至介面組件(及最有可能主UI)且針對此等位置發出「離散位置檢測」或「強制缺陷」作業。IMC可傳回重複缺陷位置之缺陷圖塊影像及缺陷屬性。系統亦可藉由將RDD作業結果保存於共用記憶體中且針對第二遍次使用正常缺陷偵測作業而簡化。在此情況中,IMC將讀取具有重複缺陷座標之對應檔案且將缺陷偵測作業轉換為強制缺陷作業或返回空結果緩衝器。
在一進一步實施例中,RDD演算法經組態以將出現在晶圓上之倍縮光罩之兩個或兩個以上印刷例項中之相同位置處之缺陷識別為重複出現的
缺陷。可如本文進一步描述般執行識別出現在倍縮光罩之兩個或兩個以上印刷例項中之相同位置處之缺陷。例如,RDD演算法可基於缺陷之倍縮光罩座標而如本文進一步描述般識別出現在晶圓上之倍縮光罩之印刷例項中之相同位置處之缺陷。當在晶圓上之倍縮光罩之不同印刷例項中之相同倍縮光罩內座標處在晶圓上偵測到兩個或兩個以上缺陷時,可將缺陷判定為倍縮光罩重複出現的缺陷。
在一些實施例中,藉由包含於一或多個電腦子系統中之主使用者介面組件執行識別倍縮光罩上之缺陷。例如,如在本文進一步描述,(若干)電腦子系統之主UI可經組態以識別倍縮光罩上之缺陷。然而,取決於系統之特定組態及預期用途,(若干)電腦子系統之一或多個其他組件可經組態以執行此識別步驟。
因此,上文描述之實施例具有優於針對RDD之當前使用方法及系統之數個優勢。例如,上文描述之新的方法容許針對重複出現的缺陷之增大敏感度。RDD之增大敏感度對數個應用係重要的。在一個實例中,將極紫外線(EUV)微影程序引入半導體製造中需要頻繁遮罩檢測(此等遮罩更易受缺陷影響,此係因為遮罩不具有薄膜且可在操作期間曝光)且將操作從遮罩檢測器(不存在具有針對EUV之光化光之遮罩檢測器)移動至晶圓檢測器。期望針對EUV之重複出現的缺陷實質上係小的及/或弱的,且可僅印刷於晶圓上之若干晶粒上。為找到此等缺陷,晶圓檢測器必須處理大量候選者缺陷,此無法使用當前方法完成。另外,引入EUV微影術提升重複出現的缺陷之穩健偵測之必要性。
在另一實例中,7nm設計規則(DR)之可印刷系統性缺陷實質上係小的(例如,約3nm缺陷),故為捕獲此等缺陷,檢測必須實質上較熱地運
行。重複缺陷偵測(座標匹配)係一實質上強濾波器,其可用於將妨害密度降低至可管理位準,但問題係在主UI中執行當前RDD演算法且在運行RDD之前,必須收集所有晶圓缺陷。遮罩合格性檢定所需之熱檢測導致數百萬個缺陷候選者(在RDD之前),其等在將結果從IMC傳送至介面組件且從介面組件傳送至主UI時引起工具阻塞及丟棄缺陷。RDD經受與隨機缺陷偵測檢測相同之缺陷及缺陷密度之最大數目之限制,但是DOI(重複缺陷)之最終數目可合理地小。應注意,許多重複出現的缺陷係「軟」重複缺陷,其等歸因於程序變動而未印刷於每一倍縮光罩中。此意謂吾人無法使用作業中RDD且必須能夠分析整個晶圓結果。本文描述之實施例提供RDD之若干新機構,藉此克服此等限制。
本文描述之實施例亦係基於可用於執行RDD之缺陷位置之實質上高精確度(例如,比+/- 0.5像素更佳之精確度)且假定子像素精確度對準。假定,重複缺陷座標可用作一實質上強濾波器,其將在容許使用實質上低臨限值之一實質上熱檢測中抑制大多數隨機缺陷。進一步假定,可藉由可用缺陷偵測演算法之至少一者偵測重複缺陷。當然,若缺陷深處雜訊底限中,則問題從RDD偏移至正常缺陷偵測空間。本文描述之實施例亦經組態用於多晶粒倍縮光罩檢測。若倍縮光罩係一單一晶粒倍縮光罩,則應使用標準參考晶粒(SRD)檢測,此係由於在此情況中,重複出現的缺陷將印刷於每一晶粒中且無法藉由晶粒對晶粒比較找到。
可藉由增大主UI電腦之內部網路頻寬、結果儲存空間及計算能力而達成類似於本文中描述之結果之結果。然而,此等變通解決方案並未提供本文描述之許多優勢。
如上文及本文進一步描述,實施例提供實質上高敏感度重複缺陷分
析,此改良缺陷偵測敏感度。當前用於缺陷偵測之方法使用雙重偵測來偵測缺陷,此係由於找出缺陷是否在測試影像中或參考影像中係關鍵的。參考影像係有缺陷晶粒之相鄰晶粒。當前重複缺陷分析技術受限於無法足夠熱地運行(此限制敏感度)。因此,當前使用方法太不敏感。另外,若一參考影像具有過多缺陷,則完全不會偵測到缺陷。
在一項實施例中,RDD演算法經組態以藉由以下各者偵測缺陷:藉由從測試圖框減去三個或三個以上參考圖框而分別產生針對晶圓產生之影像之各測試圖框之三個或三個以上差異影像;將至少一個臨限值應用至三個或三個以上差異影像;及在將至少一個臨限值應用至三個或三個以上差異影像之兩個或兩個以上之結果指示存在一缺陷時判定在測試圖框中存在一缺陷。以此方式,可比較各圖框與若干參考圖框,例如比較各圖框與六個參考圖框而非當前兩個圖框。若至少兩個差異圖框暗示存在一缺陷,則可將候選圖框假定為具有缺陷。
圖4展示可如何執行此缺陷偵測之一實施例。在此圖中展示之圖框F0、F1、F2、F3、F4、F5及F6表示可藉由本文描述之一檢測子系統針對一晶圓產生之不同影像圖框。在當前實施方案中,在一雙重偵測方案中,可比較圖框之一者與另兩個圖框,且若在比較之兩個結果中偵測到一缺陷,則判定存在一缺陷。例如,可藉由自圖框F3減去圖框F2而產生一第一差異影像(在圖4中展示之Diff1)。另外,可藉由自圖框F3減去圖框F4而產生一第二差異影像(在圖4中展示之Diff2)。因此,在此等比較中,圖框F3係測試圖框,且圖框F2及F4用作參考圖框。若此兩個差異影像用於缺陷偵測,則不會偵測到缺陷400。特定言之,如在圖4中展示,圖框F3中之缺陷400出現在Diff1而非Diff2中,此係因為圖框F4不同於圖框F2及F3
之雜訊特性。以此方式,雙重偵測的當前實施方案將丟失該缺陷,此係因為未在兩個差異影像中雙重偵測該缺陷。
然而,在本文描述之實施例中,若圖框F3為測試圖框,則可比較圖框F3與圖4中展示之其他圖框之各者,且此等比較之各者之結果可用於判定一缺陷是否存在於圖框F3中。例如,如同當前使用之方法,一第一差異影像(在圖4中展示之Diff 1)可藉由從圖框F3減去圖框F2而產生,且一第二差異影像(在圖4中展示之Diff 2)可藉由從圖框F3減去圖框F4而產生。然而,在此實施例中可產生包含藉由從圖框F3減去圖框F1而產生之一第三差異影像(在圖4中展示之Diff3)及藉由從圖框F3減去圖框F5而產生之一第四差異影像(在圖4中展示之Diff4)之額外差異影像。另外,一第五差異影像(在圖4中展示之Diff5)可藉由從圖框F3減去圖框F0而產生,且一第六差異影像(在圖4中展示之Diff6)可藉由從圖框F3減去圖框F6而產生。若差異影像之兩個或兩個以上者中之一缺陷信號高於一臨限值,則可判定在測試圖框中存在一缺陷。例如,臨限值可經設定為1。在此情況中,如在圖4中展示,Diff1、Diff4及Diff6具有大於1之一信雜比(SNR),而Diff2、Diff3及Diff5不具有大於1之一SNR。因此,由於差異影像之兩個或兩個以上者(在此情況中為三個差異影像)具有高於臨限值之一SNR,故判定在測試圖框中存在一缺陷。
在一進一步實施例中,RDD演算法經組態以藉由比較針對晶圓產生之影像之各測試圖框與多個參考圖框之一平均值而偵測缺陷。以此方式,可比較各圖框與多個參考圖框之一平均值(例如,一穩健平均值)。圖5展示可如何執行此缺陷偵測之一實施例。在此圖中展示之圖框F0、F1、F2、F3、F4、F5及F6表示可藉由本文描述之一檢測子系統針對一晶圓產
生之不同影像圖框且相同於圖4中所展示。
在當前實施方案中,在一雙重偵測方案中,可比較圖框之一者與另兩個圖框,且若在比較之兩個結果中偵測到一缺陷,則判定存在一缺陷。例如,可藉由自圖框F3減去圖框F2而產生一第一差異影像(在圖5中展示之Diff1)。另外,可藉由自圖框F3減去圖框F4而產生一第二差異影像(在圖5中展示之Diff2)。因此,在此等比較中,圖框F3係測試圖框,且圖框F2及F4用作參考圖框。若此兩個差異影像用於缺陷偵測,則不會偵測到缺陷400(在圖4中展示相同缺陷)。特定言之,如在圖5中展示,圖框F3中之缺陷400出現在Diff1而非Diff2中,此係因為圖框F4不同於圖框F2及F3之雜訊特性。以此方式,雙重偵測的當前實施方案將丟失該缺陷,此係因為未在兩個差異影像中雙重偵測該缺陷。
然而,在本文描述之實施例中,可產生圖框F0、F1、F2、F4、F5及F6之在圖5中展示之平均值500。以此方式,可從所有可用之參考圖框(例如,除在圖5中展示之實施例中用作測試圖框之圖框F3外之所有圖框)產生一平均圖框。接著,可從測試圖框F3減去平均圖框以產生差異影像502。接著,可將一臨限值應用至如本文進一步描述之差異影像以藉此偵測缺陷400。因而,在此實施例中,可比較一候選或測試圖框與參考圖框之一平均值且可使用比較結果來偵測候選或測試圖框中之缺陷。
在一額外實施例中,RDD演算法經組態以藉由產生對應於印刷在晶圓上之各倍縮光罩例項內之相同位置之針對晶圓產生之影像之多個圖框之一平均數且從來自印刷在晶圓上之各倍縮光罩例項內之不同位置處之晶圓上之晶粒之參考圖框減去平均數。以此方式,在硬重複出現的缺陷(其等出現在晶圓上之每一倍縮光罩上)之情況中,可計算各倍縮光罩內之相同
位置之若干影像圖框之平均數且從來自在倍縮光罩內之不同位置處之晶粒之參考圖框減去該平均數。例如,如在圖6中展示,可將一倍縮光罩之不同例項(在此情況中為一多晶粒倍縮光罩)印刷於一晶圓上。一倍縮光罩之該等印刷例項在圖6中指示為倍縮光罩1、倍縮光罩2、倍縮光罩3及倍縮光罩4,其等之各者為晶圓上之相同倍縮光罩之一不同印刷例項。如在圖6中進一步展示,經印刷倍縮光罩例項之各者包含多個晶粒600,其等之全部通常係相同的。在此情況中,各倍縮光罩包含三個晶粒,其等之各者針對倍縮光罩之各例項印刷於晶圓上。
可針對倍縮光罩之此等印刷例項產生平均值602(或平均值)。例如,可從如在圖6中展示之所有倍縮光罩1至4產生平均值602。可從晶圓上之倍縮光罩之所有印刷例項判定平均倍縮光罩。然而,可從晶圓上之倍縮光罩之少於所有印刷例項判定平均倍縮光罩。接著,可從許多不同、對應參考圖框減去倍縮光罩之平均值中之圖框。以此方式,平均倍縮光罩中之一測試圖框可取代圖4中之測試圖框3,且接著可針對平均倍縮光罩中之測試圖框執行本文關於圖4描述之步驟。若差異影像之至少兩者具有大於1之一SNR,則測試圖框可被視為含有一缺陷。平均倍縮光罩中之所有測試圖框可以相同方式用於缺陷偵測。
在一項實施例中,RDD演算法經組態以藉由產生對應於印刷在晶圓上之各倍縮光罩例項內之相同位置之針對晶圓產生之影像之多個圖框之一平均數且從來自印刷在晶圓上之多個倍縮光罩例項內之不同位置處之其他晶粒之參考圖框之一平均數減去該平均數。以此方式,在硬重複出現的缺陷(其等出現在晶圓上之每一倍縮光罩上)之情況中,可計算各倍縮光罩內之相同位置之若干影像圖框之平均數且從來自倍縮光罩內之不同位置處之
其他晶粒之參考圖框之一平均數減去該平均數。在此實施例中,可如在以上實施例中描述般產生平均數。接著,可從不同、對應參考圖框之一平均數或中值減去倍縮光罩之平均值中之圖框。以此方式,平均倍縮光罩中之一測試圖框可取代圖5中之測試圖框,且接著可針對平均倍縮光罩中之測試圖框執行本文關於圖5描述之步驟。若差異影像具有大於1之一SNR,則其可被視為含有一缺陷。平均倍縮光罩中之所有測試圖框可以相同方式用於缺陷偵測。
在另一實施例中,RDD演算法經組態以藉由下列步驟而識別係重複出現的缺陷之缺陷:新增對應於印刷在晶圓上之倍縮光罩之多個例項中之一經偵測缺陷之一位置之影像圖框;比較經新增之影像圖框與一臨限值;及在經新增之影像圖框高於臨限值時判定缺陷為一重複出現的缺陷。例如,在軟重複出現的缺陷(其等僅出現在印刷於晶圓上之一些倍縮光罩例項上)的情況中,可新增候選圖框(若干倍縮光罩內之相同位置)之組合,例如,在一個案例中新增倍縮光罩1、4及5,在另一案例中新增倍縮光罩1、3及6等。可以逐圖框方式執行新增倍縮光罩,其中新增各(或2個以上)倍縮光罩中之原始圖框。新增候選圖框可包含新增候選圖框之原始像素輸出。若一個組合具有擁有一足夠高(例如,高於一偵測臨限值)之SNR之一像素,則可推斷存在一重複出現的缺陷。例如,如在圖6中展示,可將一倍縮光罩之不同例項(例如,倍縮光罩1、2、3及4)印刷於一晶圓上。接著可新增此等印刷例項之差異用於缺陷偵測。
在一些實施例中,RDD演算法經組態以a)藉由將出現在印刷於晶圓上之倍縮光罩之第一數目個例項中之相同位置處之缺陷識別為重複出現的缺陷而在僅一第一掃描帶中偵測缺陷且識別係重複出現的缺陷之缺陷,及
b)隨後藉由將出現在印刷於晶圓上之倍縮光罩之第二數目個例項中之相同位置處之缺陷識別為重複出現的缺陷而在其他掃描帶中偵測缺陷且識別係重複出現的缺陷之缺陷,且第二數目高於第一數目。以此方式,在相對低信號重複出現的缺陷(針對其等,吾人需要實質上熱地運行)之情況中,可執行一兩遍次重複缺陷分析。第一遍次係基於一個單一掃描帶以將缺陷數目降低至一合理數目,且第二遍次對所有掃描帶操作(例如,使用所有掃描帶之一較高重複缺陷臨限值執行重複缺陷分析),所有掃描帶針對整個晶圓經過遍次1。
在一個此實例中,最初,每個掃描帶偵測到一百萬個缺陷,但大多數缺陷不具有相同倍縮光罩座標。可藉由僅對此掃描帶執行一倍縮光罩重複缺陷分析而降低缺陷數目,且濾除未在相同倍縮光罩座標(在本文中進一步描述之相同重複缺陷半徑或「容限」內)處出現至少兩次之所有缺陷。最後,每掃描帶保留實質上較少數目個缺陷(例如,僅10,000個缺陷),此顯著降低所需之儲存空間。
在已經對每一掃描帶執行此重複缺陷分析之後,可使用一較高重複缺陷臨限值執行一全晶圓重複缺陷分析(例如,具有相同倍縮光罩座標之20個重複缺陷)以進一步降低經報告之重複缺陷之數目。例如,如圖7中所展示,多個晶粒700可形成於晶圓702上。在檢測子系統(未在圖7中展示)掃描遍及晶圓藉此針對晶圓產生影像時,針對晶圓產生影像之掃描帶704。一般言之,影像資料之掃描帶在圖7中展示為與其等在晶圓上之對應位置覆疊。以此方式,雖然掃描帶僅為藉由一偵測器針對晶圓上之某一區域產生之影像,但掃描帶通常被稱為一晶圓上之掃描帶,即使其等實際上並不在晶圓上。在任何情況中,一般逐掃描帶掃描晶圓上待檢測之區
域,直至已經針對整個檢測區域產生影像。然而,可在已獲取影像資料之所有掃描帶之前處理影像資料之掃描帶。
例如,如在圖7中展示且在上文進一步描述,可在晶圓702上之第一晶粒列700a中獲取掃描帶704a。在掃描掃描帶時或在已獲取此掃描帶之後且在已獲取其他掃描帶之前,如在步驟706中展示,IMC可運行基於掃描帶之重複缺陷分析,且保持每掃描帶至少兩次出現在相同倍縮光罩內位置之所有缺陷。接著,如在圖7中之省略號708展示,可針對晶圓上之所有其他掃描帶執行此步驟。在已針對基於掃描帶之重複缺陷分析處理所有掃描帶(或視需要許多掃描帶)之後(如在步驟710中展示),可對從基於掃描帶之重複缺陷分析保留之所有缺陷運行重複缺陷分析。
在一項此實施例中,RDD演算法經組態以藉由濾除出現在第一掃描帶中之印刷於晶圓上之倍縮光罩之每一例項中及第一掃描帶中之印刷於晶圓上之倍縮光罩之各晶粒例項中之相同位置處之系統性雜訊而降低第一掃描帶中之雜訊。例如,可藉由濾除出現在每一倍縮光罩中及每一晶粒中之相同位置處之系統性雜訊而達成第一遍次重複缺陷分析中之額外雜訊降低。在一個此實例中,若雜訊始終出現在確切相同之結構(例如,一特定多邊形之一邊緣)上或每一晶粒中之相同位置處,則其被稱為系統性雜訊。相比而言,重複出現的缺陷每倍縮光罩僅出現一次,但每晶粒出現不止一次或每晶粒出現多次。
在一項實施例中,RDD演算法經組態以藉由比較印刷於晶圓上之倍縮光罩例項之影像圖框與從一不同晶圓產生之一標準影像圖框而偵測缺陷。例如,可比較一候選晶圓上之每一倍縮光罩之影像圖框與印刷在一清潔晶圓上之一標準倍縮光罩。可以任何適當方式獲取印刷在一清潔晶圓上
之標準倍縮光罩之影像。可以任何適當方式將標準倍縮光罩影像判定為來自一清潔晶圓。例如,可藉由找到實質上不含缺陷之一倍縮光罩影像獲取標準倍縮光罩影像。在一些例項中,可藉由在具有相同於將使用一已知良好程序(已知在針對一程序之程序窗內運作之該程序)藉由本文描述之實施例檢測之類型之一晶圓上印刷倍縮光罩而獲取標準倍縮光罩影像。接著,可如在一標準缺陷偵測程序中針對缺陷檢查晶圓上之倍縮光罩之各種例項。接著,可將發現不含缺陷之倍縮光罩之一例項用作標準倍縮光罩。可如本文描述般比較印刷於晶圓上之倍縮光罩例項之影像圖框與標準影像圖框(例如,藉由彼此相減),且可將一缺陷偵測臨限值應用至比較結果(例如,差異影像)以藉此偵測晶圓上之缺陷。
在另一實施例中,RDD演算法經組態以藉由比較印刷於晶圓上之倍縮光罩例項之影像圖框與從一不同晶圓產生之一中值影像圖框而偵測缺陷。例如,可比較一候選晶圓上之每一倍縮光罩之影像圖框與印刷在一清潔晶圓上之一中值倍縮光罩。清潔晶圓可為具有相同於藉由使用一已知良好程序(已知在針對一程序之程序窗內運作之該程序)及倍縮光罩之一無缺陷版本印刷之本文描述之實施例檢測之晶圓類型之一晶圓。如本文進一步描述,可從不同晶圓產生中值影像圖框。如本文進一步描述,可比較影像圖框與中值影像圖框。另外,此等比較結果可如本文進一步描述般用於偵測晶圓上之缺陷。
在一額外實施例中,RDD演算法經組態以藉由比較印刷於晶圓上之倍縮光罩例項之影像圖框與從一經呈現設計而偵測缺陷。例如,可比較一候選晶圓上之每一倍縮光罩之影像圖框與經呈現設計。經呈現設計可為繪示印刷於晶圓上之倍縮光罩將如何出現在由檢測子系統產生之影像中之倍
縮光罩之一模擬影像。因此,經呈現設計可使用晶圓之設計產生作為至微影程序及檢測子系統成像程序之一模型之輸入。經呈現設計亦可如在以下者中描述般產生:Verma等人在2010年3月30日發佈之美國專利案第7,689,966號、Zhang等人在2017年5月25日發表之美國專利申請公開案第2017/0148226號、Zhang等人在2017年7月6日發表之美國專利申請公開案第2017/0193680號、Bhaskar等人在2017年7月6日發表之美國專利申請公開案第2017/0194126號、Bhaskar等人在2017年7月13日發表之美國專利申請公開案第2017/0200260號及Bhaskar等人在2017年7月13日發表之美國專利申請公開案第2017/0200265號及Zhang等人在2017年5月23日申請之美國專利申請案第15/603,249號、Zhang等人在2017年9月1日申請之美國專利申請案第15/694,719號及He等人在2017年9月6日申請之美國專利申請案第15/697,426號,該等案以宛如全文闡述引用的方式併入本文。可在此等公開案及申請案中描述般進一步組態本文描述之實施例。可如本文進一步描述般比較影像圖框與經呈現設計,且比較結果可用於如本文進一步描述般偵測缺陷。
在一進一步實施例中,熱臨限值包含一局部多晶粒適應性臨限值。例如,為實質上熱地運行,可使用一局部多晶粒適應性臨限值演算法。局部多晶粒適應性臨限值演算法可包含此項技術中已知之任何適當此演算法,包含可用於商業上可自KLA-Tencor購得之一或多個檢測系統上之多晶粒自動定限(MDAT)演算法及nanoMDAT演算法。
在一項實施例中,一或多個影像處理組件經組態用於將經偵測缺陷之資訊儲存在一或多個影像處理組件之每節點共用之記憶體中。例如,為非常熱地運行,可使用節點中重複缺陷分析,此意謂在不報告經偵測缺陷
的情況下在內部處理缺陷之資訊且最後僅報告重複缺陷。在此組態中,缺陷可經保存於每IMC節點(共用)之記憶體中。可保留應容許儲存一億個以上缺陷之每節點一特定儲存空間。
在一項此實施例中,如在圖9中展示,一或多個電腦子系統可設定具有一熱臨限值之一配方,如在步驟900中展示。可以此項技術中已知之任何適當方式執行設定具有熱臨限值之配方。如在步驟902中展示,IMC可接著偵測晶圓上之缺陷且將缺陷保持在IMC節點之共用記憶體中。可如本文進一步描述般執行此步驟。如在步驟904中展示,IMC可接著進行節點中重複缺陷分析(其可如本文進一步描述般執行)。
在一項此實施例中,儲存在共用記憶體中之經偵測缺陷之資訊包含僅在晶圓上之一或多個第一晶粒列中偵測到之缺陷之資訊。第一晶粒列為首先掃描之晶粒列。以此方式,第一晶粒列之缺陷可經保存於共用記憶體中。例如,如在圖8中展示,IMC可將缺陷保存於共用記憶體中以用於記憶體中重複缺陷分析,如在步驟800中展示。保存於共用記憶體中以用於記憶體中重複缺陷分析之缺陷可包含在晶圓1上測試1中偵測到之缺陷802。保存於共用記憶體中之缺陷亦可包含僅在晶圓上之單一晶粒列804中或晶圓上之多個晶粒列804及806中偵測到之缺陷。雖然單一晶粒列展示為晶圓上之一特定晶粒列,但單一晶粒列可包含晶圓上之任何單一晶粒列。另外,晶圓上之多個晶粒列可包含晶圓上之所有晶粒列或晶圓上之僅一些晶粒列(例如,晶圓上之兩個或兩個以上晶粒列)。
在圖9中展示之實施例可包含本文描述之任何其他步驟。例如,如在步驟906中展示,針對弱及/或硬重複缺陷,IMC可比較影像圖框與作為增強型提取之一參考之設計呈現圖塊。可如本文進一步描述般執行此步驟。
在一項此實施例,如圖8中所展示,可針對晶圓1獲取圖塊影像808。可針對對應於圖塊影像之設計之部分獲取設計剪輯810。以此方式,在該設計剪輯中之任何設計特徵應對應於形成於獲取圖塊影像之晶圓之部分上之設計特徵。設計剪輯可接著經呈現以藉此產生經呈現設計812,其模擬設計剪輯將如何形成在晶圓上且接著由檢測子系統成像。可以此項技術中已知的任何適當方式執行此等模擬。以此方式,經呈現設計應等效於由晶圓之一部分(其中形成設計剪輯中之設計特徵)之檢測子系統產生之一影像。因而,經呈現設計等效於對應於設計剪輯之晶圓之部分之一無缺陷影像。因此,經呈現設計可用作用於與一測試影像(例如,圖塊影像808)比較之一參考以偵測測試影像中之缺陷。例如,如在步驟814中,可藉由從圖塊影像808減去經呈現設計812而比較經呈現設計與圖塊影像,藉此產生差異影像816。可針對節點中重複缺陷分析818執行此等步驟以用於弱及/或硬重複出現的缺陷之增強型提取820。
在一些此等實施例中,RDD演算法經組態以藉由下列步驟而識別係重複出現的缺陷之缺陷:將在相同晶粒相對位置處之一或多個第一晶粒列中之相鄰晶粒中偵測到之缺陷識別為重複出現的缺陷;及將在相同晶粒相對位置處之一或多個第一晶粒列中之相鄰晶粒中未偵測到之缺陷識別為非重複出現的缺陷。以此方式,將比較來自在相同(或接近容限內)晶粒相對位置處之相同晶粒列中之相鄰晶粒之缺陷且將標記重複缺陷及獨有缺陷。可如本文進一步描述般執行此等步驟。
在一項此實施例中,RDD演算法經組態以藉由下列步驟而識別係重複出現的缺陷之缺陷:將在相同晶粒相對位置處之晶圓上之其他晶粒列中之相鄰晶粒中偵測到之缺陷識別為重複出現的缺陷;及將在相同晶粒相對
位置處之其他晶粒列中之相鄰晶粒中未偵測到之缺陷識別為非重複出現的缺陷。例如,將比較後續晶粒列中之缺陷,且將標記重複缺陷及獨有缺陷。例如,後續晶粒列中之缺陷可在其等之晶粒座標方面進行比較。若晶粒座標對於特定數目個缺陷係相同的,則可將該等缺陷指定為重複出現的缺陷。可如本文進一步描述般執行此等步驟。
在一項此實施例中,RDD演算法經組態以藉由下列步驟而識別係重複出現的缺陷之缺陷:提取在與非重複出現的缺陷相同之晶粒相對位置處之針對晶圓產生之影像之部分;及將一局部缺陷偵測演算法應用至影像之經提取部分以藉此判定未偵測到之缺陷是否在與非重複出現的缺陷相同之晶粒相對位置處重複。例如,針對獨有缺陷,可應用一額外(局部)缺陷偵測演算法以從其他晶粒/晶粒列之相同位置提取弱缺陷信號。在一個此實施例中,如在圖9中展示,IMC可執行步驟908,其中針對所有重複缺陷及獨有缺陷,針對其他晶粒/晶粒列進行一局部搜尋以提取低信號缺陷。
在此步驟中,如在圖8中展示,在晶圓1上之晶粒列804中偵測到之缺陷802之一者之一缺陷位置可用作用於局部搜尋之一缺陷位置,如在步驟822中展示。可對節點中重複缺陷分析824執行此步驟,其中如在步驟826中展示,針對所有重複缺陷及獨有缺陷,對其他晶粒及/或晶粒列執行一局部搜尋。以此方式,可提取相對低信號缺陷。另外,藉由檢查對應於一缺陷位置之多個(所有)位置,IMC可判定x%之無缺陷位置828及(100-x)%之有缺陷位置830。此等百分比可用於判定關於缺陷之資訊(其等係軟重複缺陷?,其等係硬重複缺陷?其等係弱軟重複缺陷?等)。
如在圖9中之步驟910中展示,IMC可運行其他測試/檢測且比較位置以用於測試間及晶圓間重複缺陷分析。例如,如在圖8之步驟832中展
示,具有由針對晶圓1執行之測試1產生之影像之由增強型提取820偵測之缺陷可用於比較具有影像及/或由測試n在晶圓m上偵測到之缺陷之位置。以本文中描述之任何其他方式偵測到之缺陷亦可用於此等比較。接著,該等比較可用於節點中重複缺陷分析步驟834,針對測試間及/或晶圓間重複缺陷分析836執行步驟834。以此方式,本文描述之實施例可用於判定缺陷是否隨對相同晶圓執行之測試及/或隨晶圓而在相同位置處重複。
在本文描述之實施例中,吾人可累積IMC記憶體中之所有缺陷候選者直至晶圓檢測結束。可運行正常缺陷偵測,可將一「無缺陷」結果緩衝器返回至介面組件,且可將所有缺陷候選者儲存於共用記憶體中。例如,當前,報告經偵測每一缺陷。然而,此處,在執行重複缺陷分析之前不報告任何缺陷係更有效的,此為儲存缺陷座標之一實質上有效方式。另外,可運行熱檢測從而將所有缺陷候選者保存在一VI上。在VI上,可運行檢測以使用缺陷座標尋找重複缺陷且將缺陷位置、屬性及圖塊傳回至主UI。此外,如本文進一步描述,可僅保存重複缺陷座標而不保存圖塊影像。
在另一實施例中,RDD演算法經組態以按子像素精確度將針對晶圓產生之影像與晶圓之一設計對準。例如,基於設計之子像素精確度對準容許使用容許實質上有效之妨害濾波之一實質性小重複缺陷半徑。可如在以下各者中描述般執行按子像素精確度將針對晶圓產生之影像與一設計對準:Kulkarni等人在2010年3月9日發佈之美國專利案第7,676,077號、Kulkarni等人在2011年10月18日發佈之美國專利案第8,041,103號、Kulkarni等人在2012年3月20日發佈之美國專利案第8,139,843號及Ramachandran等人在2015年9月15日發佈之美國專利案第9,134,254號及Bhattacharyya等人在2016年6月30日發表之美國專利申請公開案第
2016/0188784號,該等案以宛如全文闡述引用的方式併入本文。可在此等申請案及公開案中描述般進一步組態本文描述之實施例。
在一進一步實施例中,RDD演算法經組態以使用基於重複出現的缺陷之屬性、對應於重複出現的缺陷之影像之性質或其等之一組合執行之一機器學習技術來判定哪些重複出現的缺陷係所關注缺陷且哪些重複出現的缺陷係妨害。例如,可藉由使用利用現有缺陷屬性或基於影像之性質以分離所關注缺陷(DOI)與妨害之機器學習類型技術來分離DOI與妨害而達成進一步妨害減少。在以下各者中描述此等機器學習類型技術之實例:Zhang等人在2017年5月25日發表之美國專利申請公開案第2017/0148226號、Zhang等人在2017年7月6日發表之美國專利申請公開案第2017/0193680號、Bhaskar等人在2017年7月6日發表之美國專利申請公開案第2017/0194126號、Bhaskar等人在2017年7月13日發表之美國專利申請公開案第2017/0200260號及Bhaskar等人在2017年7月13日發表之美國專利申請公開案第2017/0200265號及Zhang等人在2017年5月23日申請之美國專利申請案第15/603,249號、Zhang等人在2017年9月1日申請之美國專利申請案第15/694,719號及He等人在2017年9月6日申請之美國專利申請案第15/697,426號,該等案以宛如全文闡述引用的方式併入本文。可在此等公開案及專利申請案中描述般進一步組態本文描述之實施例。
在一額外實施例中,RDD演算法經組態以藉由下列步驟而使針對晶圓產生之影像彼此對準:將由RDD演算法處理之影像之兩個部分中之一共同對準目標分別識別為兩個不同作業;使用共同對準目標使兩個不同作業彼此對準;基於對準結果判定一對準偏移;及將對準偏移應用至其他作業以藉此將其他作業與兩個不同作業對準。在一項此實施例中,兩個不同
作業經定位於晶圓上之不同晶粒列中。例如,若一設計檔案歸因於智能性質約束或其中不存在足夠良好之對準目標而無法用於對準,則一個作業可延伸至一整個晶粒列,即在從晶圓之左側至右側之範圍中之一個單一掃描帶。以此方式,具有相同晶粒座標之所有影像圖框可在一個單一掃描帶內彼此良好對準。當前,一個作業可含有至多最大數目個圖框,12個圖框。故延伸作業可包含針對一作業使用更多圖框,使得一個晶粒列內之所有圖框彼此對準。例如,若存在25個圖框(意謂一個掃描帶中存在25個晶粒),則所有此等圖框將彼此良好地對準。另外,可藉由以下步驟使不同晶粒列之兩個作業相對於彼此對準:找到兩個作業檔案中之一共同對準物件;使其等彼此對準;及將經計算之偏移應用至作業內之所有位點。可以任何適當方式執行此等步驟。
因此,本文描述之實施例具有優於當前使用之方法及系統之數個優勢。例如,本文描述之實施例提供高於當前使用之方法及系統之敏感度。在一個此實例中,藉由使用各種參考圖框組合及容許更多運行至雜訊底限中之一缺陷儲存模型而增強重複缺陷偵測之敏感度。另外,本文描述之實施例不具有當對全晶圓執行重複缺陷分析時歸因於可由系統或方法處置之缺陷之總數之限制而受限之一敏感度。本文描述之實施例亦容許在有雜訊晶圓上找到具有相對低信號之缺陷。此外,在檢測期間使用本文描述之實施例將改良對關鍵DOI之敏感度。在另一實例中,本文描述之實施例能夠比當前使用之方法及系統更熱地運行。在一額外實例中,本文描述之實施例實現不限於僅一個參考之比較。在一進一步實例中,本文描述之實施例提供低於當前使用之方法及系統之一妨害率。
本文描述之系統之實施例之各者可與本文描述之系統之任何其他實
施例組合。
另一實施例係關於一種用於偵測在一倍縮光罩上之缺陷之電腦實施方法。該方法包含獲取藉由一檢測子系統針對一晶圓產生之影像。在一微影程序中使用一倍縮光罩以將特徵印刷於該晶圓上。藉由包含於一或多個電腦子系統中之一或多個影像處理組件執行該獲取。該一或多個電腦子系統包含一主使用者介面,其經組態用於將針對該晶圓及該倍縮光罩產生之資訊提供至一使用者且用於接收來自該使用者之指令。該一或多個電腦子系統亦包含一介面組件,其經組態用於提供該一或多個影像處理組件與該主使用者介面組件之間的一介面且用於控制該檢測子系統之一或多個HW元件。該方法亦包含藉由將一RDD演算法應用至藉由該一或多個影像處理組件獲取之該等影像而執行RDD。RDD演算法經組態以使用一熱臨限值來偵測晶圓上之缺陷且識別係重複出現的缺陷之該等缺陷。藉由該一或多個影像處理組件執行RDD。另外,該方法包含將來自該一或多個影像處理組件之包含僅該等重複出現的缺陷之資訊之檢測結果發送至該介面組件。該方法進一步包含基於該晶圓上偵測到之該等重複出現的缺陷識別該倍縮光罩上之缺陷。藉由該一或多個電腦子系統執行識別該倍縮光罩上之該等缺陷。
可如本文進一步描述般執行方法之步驟之各者。方法亦可包含可藉由本文描述之檢測子系統及/或(若干)電腦子系統或(若干)系統執行之任何其他(若干)步驟。藉由如本文進一步描述之一或多個電腦子系統之各種組件(例如,一或多個影像處理組件、主使用者介面及介面組件)執行方法之步驟且其等可根據本文描述之實施例之任一者組態。另外,可藉由本文描述之系統實施例之任一者執行上文描述之方法。
一額外實施例係關於一種非暫時性電腦可讀媒體,其儲存在一電腦系統上實行以執行用於偵測一倍縮光罩上之缺陷之一電腦實施方法之程式指令。在圖10中展示一項此實施例。特定言之,如圖10中所展示,非暫時性電腦可讀媒體1000包含可在電腦系統1004上執行之程式指令1002。電腦實施方法可包含本文中描述之任何(若干)方法之任何(若干)步驟。
可將實施諸如本文描述之方法之程式指令1002儲存於電腦可讀媒體1000上。電腦可讀媒體可為一儲存媒體,諸如磁碟或光碟、磁帶或此項技術中已知的任何其他適當非暫時性電腦可讀媒體。
程式指令可以各種方式之任一者實施,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。例如,可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE(串流SIMD延伸)或其他技術或方法實施程式指令。
電腦系統1004可根據本文描述之實施例之任一者組態。
本文描述之所有方法可包含將方法實施例之一或多個步驟之結果儲存於一電腦可讀儲存媒體中。結果可包含本文描述之結果之任一者且可以此項技術中已知的任何方式儲存。儲存媒體可包含本文描述之任何儲存媒體或此項技術中已知的任何其他適當儲存媒體。在已儲存結果之後,該等結果可在儲存媒體中存取且由本文描述之方法或系統實施例之任一者使用,經格式化以顯示給一使用者,由另一SW模組、方法或系統使用等。例如,在倍縮光罩上偵測到之缺陷可用於控制及/或更改一倍縮光罩修復或清洗程序,其中目標係移除或修復一或多個倍縮光罩缺陷以藉此防止此等倍縮光罩缺陷印刷於其他晶圓上。在一個此實例中,在倍縮光罩上偵測到之缺陷之資訊可藉由本文描述之一或多個電腦子系統、另一系統(例
如,一倍縮光罩修復系統)或另一方法(例如,一倍縮光罩修復方法)使用以判定應在一倍縮光罩上執行一倍縮光罩修復或清洗程序之位置。在倍縮光罩上偵測到之缺陷之資訊亦可用於判定此一程序之一或多個參數,諸如將在其上執行程序之區域、執行程序之時間長度、在程序中應使用之化學品或氣體等。以此方式,經更改之倍縮光罩可用於在微影程序中將倍縮光罩上之晶粒印刷在其他晶圓上。經更改之倍縮光罩亦可在其已經重新引入至微影程序之後之另一時間使用本文描述之實施例重新檢測。
鑒於此描述,熟習此項技術者將明白本發明之各種態樣之進一步修改及替代實施例。例如,提供用於偵測一倍縮光罩上之缺陷之系統及方法。因此,此描述應解釋為僅係繪示性且係出於教示熟習此項技術者執行本發明之一般方式之目的。將理解,本文展示及描述之本發明之形式將視為當前較佳實施例。如熟習此項技術者在獲得本發明之此描述之益處之後將明白,元件及材料可取代本文繪示及描述之元件及材料,部分及程序可顛倒,且可單獨利用本發明之某些特徵。在不脫離如在以下發明申請專利範圍中描述之本發明之精神及範疇之情況下可對本文中之元件作出改變。
300:電腦子系統
302:影像處理組件(IMC)
304:檢測子系統
305:主使用者介面組件(UI)
306:介面
308:IMC處理組件
310:IMC處理組件
312:IMC儲存器
314:IMC缺陷分類軟體(SW)
316:虛擬檢測器
Claims (35)
- 一種經組態以偵測一倍縮光罩上之缺陷之系統,其包括:一檢測子系統,其經組態以掃描一晶圓以藉此產生該晶圓之影像,其中一倍縮光罩用於在一微影程序中將特徵印刷於該晶圓上;及一或多個電腦子系統,其包括:一或多個影像處理組件,其經組態用於獲取藉由檢測子系統針對該晶圓產生之該等影像;一主使用者介面組件,其經組態用於將針對該晶圓及該倍縮光罩產生之資訊提供至一使用者且用於接收來自該使用者之指令;及一介面組件,其經組態用於提供該一或多個影像處理組件與該主使用者介面組件之間的一介面且用於控制該檢測子系統之一或多個硬體元件;其中該一或多個影像處理組件經進一步組態用於藉由將一重複出現的缺陷偵測演算法應用至由該一或多個影像處理組件獲取之該等影像而執行重複出現的缺陷偵測,且其中該重複出現的缺陷偵測演算法經組態以使用一熱臨限值來偵測該晶圓上之缺陷且識別係重複出現的缺陷之缺陷;其中該一或多個影像處理組件經進一步組態用於將包括僅該等重複出現的缺陷之資訊之檢測結果發送至該介面組件;及其中該一或多個電腦子系統經組態用於基於該晶圓上偵測到之該等重複出現的缺陷識別該倍縮光罩上之缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由使不同缺陷之晶粒內缺陷座標彼此比較而識別係重複出現的缺陷之該等缺陷。
- 如請求項1之系統,其中該一或多個影像處理組件經進一步組態用於儲存所有該等經偵測缺陷之資訊。
- 如請求項1之系統,其中執行該重複出現的缺陷偵測僅針對該晶圓上之一單一掃描帶予以執行。
- 如請求項1之系統,其中該一或多個影像處理組件經進一步組態為一虛擬檢測器,且其中該一或多個電腦子系統經進一步組態用於在自該檢測子系統獲取該等影像之後且在執行該重複出現的缺陷偵測之前將該虛擬檢測器與該檢測子系統斷開連接。
- 如請求項1之系統,其中該一或多個影像處理組件經進一步組態用於藉由將一缺陷偵測演算法應用至由該檢測子系統針對該晶圓上之多個晶粒列中之相同單一掃描帶產生之該等影像而執行單一掃描帶多晶粒列缺陷偵測且用於將該單一掃描帶多晶粒列缺陷偵測之結果發送至該介面組件,且其中該介面組件或該主使用者介面組件對該單一掃描帶多晶粒列缺陷偵測之該等結果執行重複出現的缺陷偵測。
- 如請求項1之系統,其中該一或多個影像處理組件包括可針對由該一 或多個影像處理組件執行之多個程序存取之一共用非暫時性電腦可讀儲存媒體,且其中該重複出現的缺陷偵測演算法經進一步組態以:偵測該晶圓之整個經檢測區域上之該等缺陷;將所有該等經偵測缺陷儲存於該共用非暫時性電腦可讀儲存媒體中;及針對該晶圓之該整個經檢測區域使用所有該等經儲存之經偵測缺陷識別係重複出現的缺陷之該等缺陷。
- 如請求項1之系統,其中該一或多個影像處理組件經進一步組態用於藉由將一缺陷偵測演算法應用至由該檢測子系統針對該晶圓上之多個晶粒列中之相同單一掃描帶產生之該等影像而執行單一掃描帶多晶粒列缺陷偵測且將該單一掃描帶多晶粒列缺陷偵測之結果儲存於可針對由該一或多個影像處理組件執行之多個程序存取之該一或多個影像處理組件中之一共用非暫時性電腦可讀儲存媒體中,且其中該重複出現的缺陷偵測演算法經進一步組態以;偵測該等多個晶粒列中之相同單一掃描帶之該整個經檢測區域中之該等缺陷;將所有該等經偵測缺陷儲存於該共用非暫時性電腦可讀儲存媒體中;及針對該多個晶粒列中之相同單一掃描帶之該整個經檢測區域使用所有該等經儲存之經偵測缺陷識別係重複出現的缺陷之該等缺陷。
- 如請求項1之系統,其中該一或多個影像處理組件包括可針對由該一或多個影像處理組件執行之多個程序存取之一共用非暫時性電腦可讀儲存媒體,其中該一或多個電腦子系統進一步包括一虛擬檢測器,其中該一或多個影像處理組件經進一步組態用於將由該重複出現的缺陷偵測演算法產生之結果之僅一第一部分儲存於該共用非暫時性電腦可讀儲存媒體中且將由該重複出現的缺陷偵測演算法產生之該等結果之僅一第二部分儲存於該 虛擬檢測器中,其中該第一部分僅包括該晶圓上偵測到之該等缺陷之缺陷座標,其中該第二部分僅包括該晶圓上偵測到之該等缺陷之缺陷屬性及圖塊影像,其中該重複出現的缺陷偵測演算法經進一步組態以僅使用該等結果之該第一部分來識別該等重複出現的缺陷,且其中該一或多個影像處理組件經進一步組態用於從該虛擬檢測器擷取該等重複出現的缺陷之該等缺陷屬性及圖塊影像且藉由組合藉由識別該等重複出現的缺陷產生之資訊與該等經擷取之缺陷屬性及圖塊影像而產生該等檢測結果。
- 如請求項1之系統,其中該一或多個影像處理組件包括可針對由該一或多個影像處理組件執行之多個程序存取之一共用非暫時性電腦可讀儲存媒體,其中該一或多個影像處理組件經進一步組態用於將由該重複出現的缺陷偵測演算法產生之結果之僅一第一部分儲存於該共用非暫時性電腦可讀儲存媒體中,其中該第一部分僅包括該晶圓上偵測到之該等缺陷之缺陷座標,其中該重複出現的缺陷偵測演算法經進一步組態以僅使用該等結果之該第一部分來識別該等重複出現的缺陷,其中該介面組件經進一步組態用於控制該檢測子系統之該一或多個硬體元件以藉此僅掃描該等經識別重複出現的缺陷之該晶圓上之位置,且其中該一或多個影像處理組件經進一步組態用於組合僅該等經識別重複出現的缺陷之該晶圓上之該等位置之該掃描中產生之影像與該等結果之該第一部分以藉此產生發送至該介面組件之該等檢測結果。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以將出現在該晶圓上之該倍縮光罩之兩個或兩個以上印刷例項中之相同位 置處之該等缺陷識別為該等重複出現的缺陷。
- 如請求項1之系統,其中該一或多個電腦子系統經進一步組態用於藉由判定哪些該等重複出現的缺陷在該晶圓上之該倍縮光罩之兩個或兩個以上印刷例項中重複且將在該晶圓上之該倍縮光罩之兩個或兩個以上印刷例項中重複之該等重複出現的缺陷識別為該倍縮光罩上之該等缺陷而識別該倍縮光罩上之該等缺陷。
- 如請求項1之系統,其中藉由包含於該一或多個電腦子系統中之該主使用者介面組件執行識別該倍縮光罩上之該等缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由以下偵測該等缺陷:藉由從測試圖框減去三個或三個以上參考圖框而分別產生針對該晶圓產生之該等影像之各測試圖框之三個或三個以上差異影像;將至少一個臨限值應用至該三個或三個以上差異影像;及在該將該至少一個臨限值應用至該三個或三個以上差異影像之兩者或兩者以上之結果指示存在一缺陷時判定一缺陷存在於該測試圖框中。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由比較針對該晶圓產生之該等影像之各測試圖框與多個參考圖框之一平均值而偵測該等缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態 以藉由產生對應於印刷於該晶圓上之各倍縮光罩例項內之相同位置之針對該晶圓產生之該等影像之多個圖框之一平均數且從來自印刷於該晶圓上之多個倍縮光罩例項內之不同位置處之該晶圓上之晶粒之參考圖框減去該平均數而偵測該等缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由產生對應於印刷於該晶圓上之各倍縮光罩例項內之相同位置之針對該晶圓產生之該等影像之多個圖框之一平均數且從來自印刷於該晶圓上之多個倍縮光罩例項內之不同位置處之其他晶粒之參考圖框之一平均數減去該平均數而偵測該等缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由以下而識別係該等重複出現的缺陷之該等缺陷:新增對應於印刷在該晶圓上之該倍縮光罩之多個例項中之一經偵測缺陷之一位置之影像圖框;比較該等經新增之影像圖框與一臨限值;及在該經新增之影像圖框高於該臨限值時判定該缺陷為一重複出現的缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以:a)藉由將出現在印刷於該晶圓上之該倍縮光罩之第一數目個例項中之相同位置處之該等缺陷識別為該等重複出現的缺陷而在僅一第一掃描帶中偵測該等缺陷且識別係該等重複出現的缺陷之該等缺陷;及b)隨後藉由將出現在印刷於該晶圓上之該倍縮光罩之第二數目個例項中之相同位置處之該等缺陷識別為該等重複出現的缺陷而在其他掃描帶中偵測該等缺陷且識 別係該等重複出現的缺陷之該等缺陷,且其中該第二數目高於該第一數目。
- 如請求項19之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由濾除出現在該第一掃描帶中之印刷於該晶圓上之該倍縮光罩之每一例項中及該第一掃描帶中之印刷於該晶圓上之該倍縮光罩之各晶粒例項中之相同位置處之系統性雜訊而降低該第一掃描帶中之雜訊。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由比較印刷於該晶圓上之倍縮光罩例項之影像圖框與從一不同晶圓產生之一標準影像圖框而偵測該等缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由比較印刷於該晶圓上之倍縮光罩例項之影像圖框與從一不同晶圓產生之一中值影像圖框而偵測該等缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由比較印刷於該晶圓上之倍縮光罩例項之影像圖框與一經呈現設計而偵測該等缺陷。
- 如請求項1之系統,其中該熱臨限值包括一局部多晶粒適應性臨限值。
- 如請求項1之系統,其中該一或多個影像處理組件經進一步組態用於將該等經偵測缺陷之資訊儲存在該一或多個影像處理組件之每節點之共用記憶體中。
- 如請求項25之系統,其中儲存在該共用記憶體中之該等經偵測缺陷之該資訊包含僅在該晶圓上之一或多個第一晶粒列中偵測到之缺陷之資訊。
- 如請求項26之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由將在相同晶粒相對位置處之該一或多個第一晶粒列中之相鄰晶粒中偵測到之缺陷識別為該等重複出現的缺陷且將在該相同晶粒相對位置處之該一或多個第一晶粒列中之該等相鄰晶粒中未偵測到之缺陷識別為非重複出現的缺陷而識別係該等重複出現的缺陷之該等缺陷。
- 如請求項27之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由將在該相同晶粒相對位置處之該晶圓上之其他晶粒列中之相鄰晶粒中偵測到之缺陷識別為該等重複出現的缺陷且將在該相同晶粒相對位置處之該等其他晶粒列中之該等相鄰晶粒中未偵測到之缺陷識別為非重複出現的缺陷而識別係該等重複出現的缺陷之該等缺陷。
- 如請求項28之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由提取在與該等非重複出現的缺陷相同之晶粒相對位置處之針對該晶圓產生之該等影像之部分且將一局部缺陷偵測演算法應用至該等影像之 該等經提取部分以藉此判定未偵測到之缺陷是否在與該等非重複出現的缺陷相同之晶粒相對位置處重複而識別係該等重複出現的缺陷之該等缺陷。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以按子像素精確度將針對該晶圓產生之該等影像與該晶圓之一設計對準。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以使用基於該等重複出現的缺陷之屬性、對應於該等重複出現的缺陷之該等影像之性質或其等之一組合執行之一機器學習技術來判定哪些該等重複出現的缺陷係所關注缺陷且哪些該等重複出現的缺陷係妨害。
- 如請求項1之系統,其中該重複出現的缺陷偵測演算法經進一步組態以藉由以下而使針對該晶圓產生之該等影像彼此對準:將由該重複出現的缺陷偵測演算法處理之該等影像之兩個部分中之一共同對準目標分別識別為兩個不同作業;使用該共同對準目標使兩個不同作業彼此對準;基於該對準結果判定一對準偏移;及將該對準偏移應用至其他作業以藉此將該等其他作業與該兩個不同作業對準。
- 如請求項32之系統,其中該兩個不同作業定位於該晶圓上之不同晶粒列中。
- 一種非暫時性電腦可讀媒體,其儲存在一或多個電腦子系統上實行以執行用於偵測一倍縮光罩上之缺陷之一電腦實施方法之程式指令,其中 該電腦實施方法包括:獲取藉由一檢測子系統針對一晶圓產生之影像,其中一倍縮光罩用於在一微影程序中將特徵印刷於該晶圓上,且其中該獲取藉由包含於該一或多個電腦子系統中之一或多個影像處理組件執行;其中該一或多個電腦子系統包括一主使用者介面,其經組態用於將針對該晶圓及該倍縮光罩產生之資訊提供至一使用者且用於接收來自該使用者之指令;及其中該一或多個電腦子系統進一步包括一介面組件,其經組態用於提供該一或多個影像處理組件與該主使用者介面組件之間的一介面且用於控制該檢測子系統之一或多個硬體元件;藉由將一重複出現的缺陷偵測演算法應用至由該一或多個影像處理組件獲取之該等影像而執行重複出現的缺陷偵測,其中該重複出現的缺陷偵測演算法經組態以使用一熱臨限值來偵測該晶圓上之缺陷且識別係重複出現的缺陷之該等缺陷,且其中藉由該一或多個影像處理組件執行該重複出現的缺陷偵測;將來自該一或多個影像處理組件之包括僅該等重複出現的缺陷之資訊之檢測結果發送至該介面組件;及基於該晶圓上偵測到之該等重複出現的缺陷識別該倍縮光罩上之缺陷,其中藉由該一或多個電腦子系統執行識別該倍縮光罩上之該等缺陷。
- 一種用於偵測一倍縮光罩上之缺陷之電腦實施方法,其包括:獲取藉由一檢測子系統針對一晶圓產生之影像,其中一倍縮光罩用於在一微影程序中將特徵印刷於該晶圓上,且其中該獲取藉由包含於一或 多個電腦子系統中之一或多個影像處理組件執行;其中該一或多個電腦子系統包括一主使用者介面,其經組態用於將針對該晶圓及該倍縮光罩產生之資訊提供至一使用者且用於接收來自該使用者之指令;及其中該一或多個電腦子系統進一步包括一介面組件,其經組態用於提供該一或多個影像處理組件與該主使用者介面組件之間的一介面且用於控制該檢測子系統之一或多個硬體元件;藉由將一重複出現的缺陷偵測演算法至應用由該一或多個影像處理組件獲取之該等影像而執行重複出現的缺陷偵測,其中該重複出現的缺陷偵測演算法經組態以使用一熱臨限值來偵測該晶圓上之缺陷且識別係重複出現的缺陷之該等缺陷,且其中藉由該一或多個影像處理組件執行該重複出現的缺陷偵測;將來自該一或多個影像處理組件之包括僅該等重複出現的缺陷之資訊之檢測結果發送至該介面組件;及基於該晶圓上偵測到之該等重複出現的缺陷識別該倍縮光罩上之缺陷,其中藉由該一或多個電腦子系統執行識別該倍縮光罩上之該等缺陷。
Applications Claiming Priority (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662420409P | 2016-11-10 | 2016-11-10 | |
US62/420,409 | 2016-11-10 | ||
US201762443810P | 2017-01-09 | 2017-01-09 | |
US62/443,810 | 2017-01-09 | ||
US201762455948P | 2017-02-07 | 2017-02-07 | |
US62/455,948 | 2017-02-07 | ||
US15/804,980 | 2017-11-06 | ||
US15/804,980 US10395358B2 (en) | 2016-11-10 | 2017-11-06 | High sensitivity repeater defect detection |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201830134A TW201830134A (zh) | 2018-08-16 |
TWI726169B true TWI726169B (zh) | 2021-05-01 |
Family
ID=62064714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106138913A TWI726169B (zh) | 2016-11-10 | 2017-11-10 | 用於偵測一倍縮光罩上之缺陷之系統、非暫時性電腦可讀媒體及電腦實施方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10395358B2 (zh) |
KR (1) | KR102295269B1 (zh) |
CN (1) | CN109964115B (zh) |
IL (1) | IL265905B (zh) |
SG (1) | SG11201903715XA (zh) |
TW (1) | TWI726169B (zh) |
WO (1) | WO2018089459A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI750514B (zh) * | 2018-10-23 | 2021-12-21 | 荷蘭商Asml荷蘭公司 | 電子束檢測設備、用於對準一晶圓影像與一參考影像之方法及相關之非暫時性電腦可讀媒體 |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6549644B2 (ja) * | 2017-06-27 | 2019-07-24 | ファナック株式会社 | 機械学習装置、ロボット制御システム及び機械学習方法 |
US10748271B2 (en) | 2018-04-25 | 2020-08-18 | Applied Materials Israel Ltd. | Method of defect classification and system thereof |
JP6675433B2 (ja) * | 2018-04-25 | 2020-04-01 | 信越化学工業株式会社 | 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法 |
DE102018207880A1 (de) * | 2018-05-18 | 2019-11-21 | Carl Zeiss Smt Gmbh | Verfahren und Vorrichtung zum Bewerten einer unbekannten Auswirkung von Defekten eines Elements eines Photolithographieprozesses |
US11151711B2 (en) * | 2018-06-06 | 2021-10-19 | Kla-Tencor Corporation | Cross layer common-unique analysis for nuisance filtering |
JP2022043365A (ja) | 2018-11-19 | 2022-03-16 | 株式会社日立ハイテク | 検査装置、検査方法、欠陥検出プログラム |
US11138722B2 (en) * | 2018-12-21 | 2021-10-05 | Kla-Tencor Corporation | Differential imaging for single-path optical wafer inspection |
US10957034B2 (en) * | 2019-01-17 | 2021-03-23 | Applied Materials Israel Ltd. | Method of examination of a specimen and system thereof |
US11276161B2 (en) * | 2019-02-26 | 2022-03-15 | KLA Corp. | Reference image generation for semiconductor applications |
US11120546B2 (en) | 2019-09-24 | 2021-09-14 | Kla Corporation | Unsupervised learning-based reference selection for enhanced defect inspection sensitivity |
US11551344B2 (en) * | 2019-12-09 | 2023-01-10 | University Of Central Florida Research Foundation, Inc. | Methods of artificial intelligence-assisted infrastructure assessment using mixed reality systems |
KR20210094314A (ko) | 2020-01-21 | 2021-07-29 | 삼성전자주식회사 | 반도체 장치의 제조 방법 |
US11328411B2 (en) * | 2020-05-04 | 2022-05-10 | KLA Corp. | Print check repeater defect detection |
US11150200B1 (en) | 2020-06-15 | 2021-10-19 | Mitutoyo Corporation | Workpiece inspection and defect detection system indicating number of defect images for training |
US11430105B2 (en) | 2020-06-15 | 2022-08-30 | Mitutoyo Corporation | Workpiece inspection and defect detection system including monitoring of workpiece images |
US11410417B2 (en) * | 2020-08-17 | 2022-08-09 | Google Llc | Modular system for automatic hard disk processing and verification |
US11810284B2 (en) | 2020-08-21 | 2023-11-07 | Kla Corporation | Unsupervised learning for repeater-defect detection |
JP2022103692A (ja) * | 2020-12-28 | 2022-07-08 | 京セラドキュメントソリューションズ株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
US11614480B2 (en) * | 2021-06-08 | 2023-03-28 | Kla Corporation | System and method for Z-PAT defect-guided statistical outlier detection of semiconductor reliability failures |
EP4148499A1 (en) * | 2021-09-09 | 2023-03-15 | ASML Netherlands B.V. | Patterning device defect detection systems and methods |
US11756186B2 (en) | 2021-09-15 | 2023-09-12 | Mitutoyo Corporation | Workpiece inspection and defect detection system utilizing color channels |
TWI832180B (zh) * | 2022-03-23 | 2024-02-11 | 鴻海精密工業股份有限公司 | 瑕疵檢測方法及系統 |
US11922619B2 (en) | 2022-03-31 | 2024-03-05 | Kla Corporation | Context-based defect inspection |
US20230314336A1 (en) | 2022-03-31 | 2023-10-05 | Kla Corporation | Multi-mode optical inspection |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201435330A (zh) * | 2013-01-02 | 2014-09-16 | Kla Tencor Corp | 偵測晶圓上之缺陷 |
TW201504739A (zh) * | 2013-06-11 | 2015-02-01 | 克萊譚克公司 | 具有改良穩定度之連續波深紫外光雷射 |
TW201546926A (zh) * | 2014-05-12 | 2015-12-16 | Kla Tencor Corp | 由參考影像改變之檢測方式設定 |
TW201721483A (zh) * | 2015-08-10 | 2017-06-16 | 克萊譚克公司 | 用於半導體遮罩檢測之基於多邊形之幾何分類 |
TW201721736A (zh) * | 2015-09-23 | 2017-06-16 | 蘭姆研究公司 | 用以決定處理速率之方法及設備 |
TW201732858A (zh) * | 2015-12-24 | 2017-09-16 | Asml荷蘭公司 | 用於檢測的方法和設備 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4351522B2 (ja) | 2003-11-28 | 2009-10-28 | 株式会社日立ハイテクノロジーズ | パターン欠陥検査装置およびパターン欠陥検査方法 |
JP4904034B2 (ja) | 2004-09-14 | 2012-03-28 | ケーエルエー−テンカー コーポレイション | レチクル・レイアウト・データを評価するための方法、システム及び搬送媒体 |
US8041103B2 (en) | 2005-11-18 | 2011-10-18 | Kla-Tencor Technologies Corp. | Methods and systems for determining a position of inspection data in design data space |
US7676077B2 (en) * | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
EP1955225A4 (en) * | 2005-11-18 | 2009-11-04 | Kla Tencor Tech Corp | METHOD AND SYSTEMS FOR USE OF DESIGN DATA IN COMBINATION WITH TEST DATA |
US7369236B1 (en) | 2006-10-31 | 2008-05-06 | Negevtech, Ltd. | Defect detection through image comparison using relative measures |
US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
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 |
DE102009045008A1 (de) * | 2008-10-15 | 2010-04-29 | Carl Zeiss Smt Ag | EUV-Lithographievorrichtung und Verfahren zum Bearbeiten einer Maske |
JP5619776B2 (ja) * | 2009-02-06 | 2014-11-05 | ケーエルエー−テンカー コーポレイション | ウエハの検査のための1つまたは複数のパラメータの選択方法 |
US8559001B2 (en) * | 2010-01-11 | 2013-10-15 | Kla-Tencor Corporation | Inspection guided overlay metrology |
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 |
JP5771561B2 (ja) | 2012-05-30 | 2015-09-02 | 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 |
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 |
JP6025489B2 (ja) * | 2012-10-11 | 2016-11-16 | 株式会社ニューフレアテクノロジー | 検査装置および検査装置システム |
US10192303B2 (en) * | 2012-11-12 | 2019-01-29 | Kla Tencor Corporation | Method and system for mixed mode wafer inspection |
US9134254B2 (en) * | 2013-01-07 | 2015-09-15 | Kla-Tencor Corp. | Determining a position of inspection system output in design data space |
JP5948262B2 (ja) * | 2013-01-30 | 2016-07-06 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法および欠陥観察装置 |
US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
US9183624B2 (en) * | 2013-06-19 | 2015-11-10 | Kla-Tencor Corp. | Detecting defects on a wafer with run time use of design data |
US9518935B2 (en) * | 2013-07-29 | 2016-12-13 | Kla-Tencor Corporation | Monitoring changes in photomask defectivity |
CN104465433B (zh) * | 2013-09-23 | 2017-05-17 | 中芯国际集成电路制造(上海)有限公司 | 重复性缺陷的分析方法 |
US10127652B2 (en) * | 2014-02-06 | 2018-11-13 | Kla-Tencor Corp. | Defect detection and classification based on attributes determined from a standard reference image |
CN104022050A (zh) * | 2014-04-22 | 2014-09-03 | 上海华力微电子有限公司 | 一种晶圆批次中重复位置缺陷的检测方法 |
CN104103541B (zh) * | 2014-08-01 | 2019-07-09 | 上海华力微电子有限公司 | 一种对缺陷进行选择性检测的方法 |
US9766186B2 (en) * | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Array mode repeater detection |
US9766187B2 (en) | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Repeater detection |
US9830421B2 (en) | 2014-12-31 | 2017-11-28 | Kla-Tencor Corp. | Alignment of inspection to design using built in targets |
US9965901B2 (en) | 2015-11-19 | 2018-05-08 | KLA—Tencor Corp. | Generating simulated images from design information |
US9916965B2 (en) | 2015-12-31 | 2018-03-13 | Kla-Tencor Corp. | Hybrid inspectors |
US10648924B2 (en) | 2016-01-04 | 2020-05-12 | Kla-Tencor Corp. | Generating high resolution images from low resolution images for semiconductor applications |
US10360477B2 (en) | 2016-01-11 | 2019-07-23 | Kla-Tencor Corp. | Accelerating semiconductor-related computations using learning based models |
US10043261B2 (en) | 2016-01-11 | 2018-08-07 | Kla-Tencor Corp. | Generating simulated output for a specimen |
-
2017
- 2017-11-06 US US15/804,980 patent/US10395358B2/en active Active
- 2017-11-08 CN CN201780068950.XA patent/CN109964115B/zh active Active
- 2017-11-08 SG SG11201903715XA patent/SG11201903715XA/en unknown
- 2017-11-08 WO PCT/US2017/060589 patent/WO2018089459A1/en active Application Filing
- 2017-11-08 KR KR1020197016303A patent/KR102295269B1/ko active IP Right Grant
- 2017-11-10 TW TW106138913A patent/TWI726169B/zh active
-
2019
- 2019-04-08 IL IL265905A patent/IL265905B/en active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201435330A (zh) * | 2013-01-02 | 2014-09-16 | Kla Tencor Corp | 偵測晶圓上之缺陷 |
TW201504739A (zh) * | 2013-06-11 | 2015-02-01 | 克萊譚克公司 | 具有改良穩定度之連續波深紫外光雷射 |
TW201546926A (zh) * | 2014-05-12 | 2015-12-16 | Kla Tencor Corp | 由參考影像改變之檢測方式設定 |
TW201721483A (zh) * | 2015-08-10 | 2017-06-16 | 克萊譚克公司 | 用於半導體遮罩檢測之基於多邊形之幾何分類 |
TW201721736A (zh) * | 2015-09-23 | 2017-06-16 | 蘭姆研究公司 | 用以決定處理速率之方法及設備 |
TW201732858A (zh) * | 2015-12-24 | 2017-09-16 | Asml荷蘭公司 | 用於檢測的方法和設備 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI750514B (zh) * | 2018-10-23 | 2021-12-21 | 荷蘭商Asml荷蘭公司 | 電子束檢測設備、用於對準一晶圓影像與一參考影像之方法及相關之非暫時性電腦可讀媒體 |
Also Published As
Publication number | Publication date |
---|---|
CN109964115A (zh) | 2019-07-02 |
IL265905B (en) | 2021-02-28 |
CN109964115B (zh) | 2021-04-13 |
WO2018089459A1 (en) | 2018-05-17 |
KR20190069597A (ko) | 2019-06-19 |
KR102295269B1 (ko) | 2021-08-27 |
SG11201903715XA (en) | 2019-05-30 |
TW201830134A (zh) | 2018-08-16 |
US20180130199A1 (en) | 2018-05-10 |
US10395358B2 (en) | 2019-08-27 |
IL265905A (en) | 2019-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI726169B (zh) | 用於偵測一倍縮光罩上之缺陷之系統、非暫時性電腦可讀媒體及電腦實施方法 | |
KR102438824B1 (ko) | 3차원 반도체 구조체들의 검사를 위한 결함 발견 및 레시피 최적화 | |
CN108291878B (zh) | 单一图像检测 | |
TWI701427B (zh) | 經組態以偵測一樣品上之缺陷之系統、用於偵測一樣品上之缺陷之方法及其非暫時性電腦可讀媒體 | |
TWI679710B (zh) | 用於判定樣品上缺陷之系統、非暫時性電腦可讀媒體及方法 | |
KR102019534B1 (ko) | 결함 특유의, 다중 채널 정보를 이용한 웨이퍼 상의 결함 검출 | |
KR102096136B1 (ko) | 정밀 결함 위치들을 사용한 웨이퍼 검사 레시피들 튜닝 | |
TW201937159A (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 | |
KR20140141648A (ko) | 체계적 결함 필터를 갖는 레티클 결함 검사 | |
US11204332B2 (en) | Repeater defect detection | |
US20160093040A1 (en) | Integrated Multi-Pass Inspection | |
US11328411B2 (en) | Print check repeater defect detection | |
TWI730133B (zh) | 在邏輯和熱點檢測中使用z層脈絡以用於改善靈敏度及抑制滋擾的系統及方法 | |
KR102557194B1 (ko) | 검사를 위한 결함 후보 생성 |