TWI750363B - 用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品 - Google Patents

用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品 Download PDF

Info

Publication number
TWI750363B
TWI750363B TW107112556A TW107112556A TWI750363B TW I750363 B TWI750363 B TW I750363B TW 107112556 A TW107112556 A TW 107112556A TW 107112556 A TW107112556 A TW 107112556A TW I750363 B TWI750363 B TW I750363B
Authority
TW
Taiwan
Prior art keywords
pattern
defects
pattern defects
defect
systematic
Prior art date
Application number
TW107112556A
Other languages
English (en)
Other versions
TW201842325A (zh
Inventor
艾倫 派克
摩西 普瑞歐
安德魯 詹姆士 克羅斯
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 TW201842325A publication Critical patent/TW201842325A/zh
Application granted granted Critical
Publication of TWI750363B publication Critical patent/TWI750363B/zh

Links

Images

Classifications

    • 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
    • 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
    • G01N21/95—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明提供一種用於自一製造組件識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品。在使用中，識別自一製造組件偵測之複數個圖案缺陷。另外，基於預定義準則來分析該等圖案缺陷之各者之屬性。此外，自該分析判定該複數個圖案缺陷之一第一組之圖案缺陷係系統圖案缺陷，且自該分析判定該複數個圖案缺陷之一第二組之圖案缺陷係隨機圖案缺陷。此外，針對該等經判定系統圖案缺陷執行一第一動作，且針對該等經判定隨機圖案缺陷執行一第二動作。

Description

用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品
本發明係關於製造組件上之圖案缺陷，且更特定言之係關於識別製造組件上之圖案缺陷。
半導體製造之一個態樣係識別遮罩及晶圓兩者上之所有圖案缺陷，以確保先進裝置之足夠良率。歷史上，焦點曝光矩陣(FEM)及程序窗驗證(PWQ)已經成為用於在遮罩已經產生及檢測之後識別晶圓上之缺陷之程序。然而，經識別之缺陷受限於系統圖案缺陷。 系統圖案缺陷通常發生於一給定位置處，且主要歸因於經設計圖案之一弱點或歸因於光學近接校正(OPC)或次解析度輔助特徵(SRAF)實施方案之品質。因此，上文提及之程序合理地良好工作以識別圖案缺陷，直至引入極紫外光微影(EUV)。 歸因於EUV之低光子密度，散粒雜訊效應導致能夠可靠地印刷圖案之不確定性，且因此甚至一相同圖案可能在相同曝光條件下於不同位置處失效。例如，即使使用一相同光學近接校正(OPC)及次解析度輔助特徵(SRAF)，可在晶圓上之一個位置處正確印刷一相同圖案，而另一位置可失效。一給定圖案內之一失效之位置可變化，其被稱為一隨機效應，且識別此等隨機缺陷對於用於識別系統缺陷之先前程序更具挑戰性。雖然吾等可能能夠運用先前程序發現受關注圖案，但存在歸因於位置準確度之風險，且此隨機的性質將導致此等問題之錯誤分類及取樣不足。 因此，需要圖案分組及取樣之新程序，以及用於識別系統缺陷之新程序，特定言之，此係因為在用於積體電路(IC)製造之半導體晶圓處理之良率管理中缺陷檢測起關鍵作用。使用EUV製造之其他組件將類似地如此。 因此需要解決與用於識別製造組件上之圖案缺陷之先前技術相關聯之此等及/或其他問題。
提供一種用於自一製造組件識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品。在使用中，識別自一製造組件偵測之複數個圖案缺陷。另外，基於預定義準則來分析該等圖案缺陷之各者之屬性。此外，自該分析判定該複數個圖案缺陷之一第一組之圖案缺陷係系統圖案缺陷，且自該分析判定該複數個圖案缺陷之一第二組之圖案缺陷係隨機圖案缺陷。此外，針對經判定系統圖案缺陷執行一第一動作，且針對經判定隨機圖案缺陷執行一第二動作。
[相關申請案] 本申請案主張於2017年4月12日申請之美國臨時專利申請案第62/484713號之權利，該案之全部內容以引用的方式併入本文中。 以下描述揭示一種用於自一製造組件識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品。應注意，可在任何整合式及/或分開之電腦及檢測系統(例如晶圓檢測、光罩檢測、雷射掃描檢測系統等)之背景內容中實施包含下文所描述之各種實施例之此系統、方法及電腦程式產品，諸如下文參考圖1A 至圖1B 描述者。 一額外實施例係關於一非暫時性電腦可讀媒體，其儲存用於執行用於自一製造組件識別之圖案缺陷之有系統的及隨機的特徵化之一電腦實施方法之可執於一電腦系統上之程式指令。一項此實施例係展示於圖1A 中。特定言之，如圖1A 中所示，電腦可讀媒體100 包含可執行於電腦系統104 上之程式指令102 。電腦實施方法包含下文參考圖2 描述之方法之步驟。可針對其執行程式指令之電腦實施方法可包含本文中描述之任何其他操作。 實施諸如本文中描述之方法之方法之程式指令102 可儲存於電腦可讀媒體100 上。該電腦可讀媒體可係一儲存媒體(諸如一磁碟或一光碟、或一磁帶或此項技術中已知之任何其他適合非暫時性電腦可讀媒體)。作為一選項，電腦可讀媒體100 可位於電腦系統104 內。 可以各種方式之任一者實施程式指令，包含基於程序之技術、基於組件之技術及/或物件導向技術，等等。例如，可使用ActiveX控制項、C++物件、JavaBeans、Microsoft基礎類別(「MFC」)或者其他技術或方法(視需要)來實施程式指令。 電腦系統104 可採用各種形式，包含一個人電腦系統、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」可經廣義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。電腦系統104 亦可包含此項技術中已知之任何適當處理器(諸如平行處理器)。另外，電腦系統104 可包含具有高速處理及軟體之一電腦平台，作為一獨立工具或一網路工具。 一額外實施例係關於經組態用於自一製造組件識別之圖案缺陷之有系統的及隨機的特徵化之一系統。此一系統之一項實施例經展示於圖1B 中。系統包含檢測系統105 ， 該檢測系統105 經組態以產生針對在一晶圓(或其他裝置)上製造之一組件之輸出，該晶圓(或其他裝置)在此實施例中如本文中所進一步描述般組態。系統亦包含經組態用於執行下文參考圖2 描述之操作之一或多個電腦系統。一或多個電腦系統可經組態以執行根據本文中所描述之實施例之任一者之此等操作。(若干)電腦系統及系統可經組態以執行本文中所描述之任何其他操作且可進一步如本文中所描述般組態。 在圖1B 中所示之實施例中，電腦系統之一者係一電子設計自動化(EDA)工具之部分，且檢測系統及電腦系統之另一者不是EDA工具之部分。此等電腦系統可包含(例如)上文參考圖1A 描述之電腦系統104 。例如，如圖1B 中所示，電腦系統之一者可為包含於EDA工具106 中之電腦系統108 。EDA工具106 及包含於此一工具中之電腦系統108 可包含任何市售EDA工具。 檢測系統105 可經組態以在掃描期間藉由用光掃描晶圓並偵測來自晶圓之光而產生針對在一晶圓上製造之組件之輸出。例如，如圖1B 中所示，檢測系統105 包含光源120 ，該光源120 可包含此項技術中已知之任何適合光源。來自光源之光可經引導至分束器118 ，該分束器118 可經組態以將光自光源引導至晶圓122 。光源120 可耦合至任何其他適合元件(未展示)，諸如一或多個聚光透鏡、準直透鏡、中繼透鏡、物鏡、孔徑、光譜濾光器、偏光組件及類似者。如圖1B 中所示，光可以一垂直入射角引導至晶圓122 。然而，光可以任何適合入射角(包含近垂直入射角及斜入射角)引導至晶圓122 。另外，光或多個光束可以一個以上入射角循序或同時引導至晶圓122 。檢測系統105 可經組態以依任何適合方式掃描光遍及晶圓122 。 可在掃描期間藉由檢測系統105 之一或多個通道而收集並偵測來自晶圓122 之光。例如，依相對接近垂直之角度自晶圓122 反射之光(即，當入射係垂直時之鏡面反射光)可通過分束器118 至透鏡114 。透鏡114 可包含一折射光學元件，如圖1B 中所示。另外，透鏡114 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。由透鏡114 收集之光可經聚焦至偵測器112 。偵測器112 可包含此項技術中已知之任何適當偵測器(諸如一電荷耦合裝置(CCD)或另一類型之成像偵測器)。偵測器112 經組態以產生回應於由透鏡114 收集之反射光之輸出。因此，透鏡114 及偵測器112 形成檢測系統105 之一個通道。檢測系統105 之此通道可包含此項技術中已知之任何其他適合光學組件(未展示)。 由於圖1B 中所示之檢測系統經組態以偵測自晶圓122 鏡面反射之光，故檢測系統105 經組態為一BF檢測系統。然而，此一檢測系統105 亦可經組態以用於其它類型之晶圓檢測。例如，圖1B 中所示之檢測系統亦可包含一或多個其他通道(未展示)。該(等)其它通道可包含經組態為一散射光通道之本文中所描述之光學組件中之任一者(諸如一透鏡及一偵測器)。該透鏡及該偵測器可如本文中所描述般進一步組態。以此方式，檢測系統105 亦可經組態用於DF檢測。 檢測系統105 亦可包含經組態以執行本文中所描述之方法之一或多個步驟之一電腦系統110 。例如，上文所描述之光學元件可形成檢測子系統105 之光學子系統111 ，該檢測子系統105 亦可包含耦合至光學子系統111 之電腦系統110 。以此方式，在掃描期間藉由(若干)偵測器產生之輸出可提供至電腦系統110 。例如，電腦系統110 可(例如，藉由圖1B 中之虛線所示之一或多個傳輸媒體，其可包含此項技術中已知之任何適當傳輸媒體)耦合至偵測器112 ，使得電腦系統110 可接收由偵測器產生之輸出。 檢測系統105 之電腦系統110 可經組態以執行本文中所描述之任何操作。例如，電腦系統110 可經組態用於自一製造組件識別之圖案缺陷之有系統的及隨機的特徵化，如本文中所描述。另外，電腦系統110 可經組態以執行本文中所描述之任何其他步驟。此外，儘管可藉由不同電腦系統而執行本文中所描述之一些操作，但可藉由一單一電腦系統(諸如檢測系統105 之電腦系統或一獨立電腦系統)而執行方法之所有操作。另外，(若干)電腦系統之一或多者可經組態為一虛擬檢測器，諸如2012年2月28日頒發給Bhaskar等人之美國專利案第8,126,255號中所描述，該案宛如全文闡述般以引用的方式併入本文中。 檢測系統105 之電腦系統110 亦可耦合至不是諸如電腦系統108 之檢測系統之部分之另一電腦系統，該電腦系統108 可經包含於諸如上文所描述之EDA工具106 之另一工具中，使得電腦系統110 可接收藉由電腦系統108 產生之輸出，該輸出可包含由該電腦系統108 產生之一設計。例如，兩個電腦系統可藉由一共用電腦可讀儲存媒體(諸如一晶圓廠資料庫)而有效地耦合或可藉由一傳輸媒體(諸如上文所描述)而耦合，使得資訊可在兩個電腦系統之間傳輸。 應注意，本文中提供圖1B 以大體上圖解說明可包含於本文中描述之系統實施例中之一檢驗系統之一組態。顯然，本文中描述之檢測系統組態可經變更，以使如在設計一商用檢測系統時正常執行之檢測系統之效能最佳化。另外，本文中所描述之系統可使用一現有檢驗系統(例如，藉由將本文中所描述之功能性新增至一現有檢驗系統)實施，諸如可自KLA-Tencor商業購得之29xx/28xx系列之工具。對於一些此等系統，本文中所描述之方法可提供為系統之選用功能性(例如，除該系統之其他功能性外)。或者，本文中所描述之系統可「從頭開始」設計以提供一全新系統。 圖2 繪示根據一實施例之具有變動位置處之缺陷之經捕獲圖案影像200 。經捕獲圖案影像200 係自三個不同圖案302 、304 、306 之一製造組件(例如藉由一檢測工具)捕獲之影像。使用提供低光子密度之EUV來建構製造組件。 對於圖案302 、 304 、306 之各者，跨影像之序列之差異指示一缺陷(即，失效)。然而，如所示，至少一些缺陷歸因於隨機效應而針對圖案302 、304 、306 之各者發生於變動位置處，使得此等缺陷不被視為係系統的(即，位置相依的)。針對圖案302 、304 、306 之各者發生於一相同位置處之任何缺陷可被視為系統缺陷。 圖3 繪示根據一實施例之針對系統及隨機缺陷之曝光之衝突的最佳化。如所示，針對系統缺陷，可依一特定最佳曝光調變最小化缺陷之數目。然而，對於隨機缺陷，依其最小化缺陷之最佳曝光調變不同於針對系統缺陷之最佳曝光調變。因此，存在針對系統及隨機缺陷之曝光之一衝突的最佳化。 圖4 繪示根據一實施例之用於自一製造組件識別之圖案缺陷之有系統的及隨機的特徵化之一方法400 。 如操作402 中所示，識別自一製造組件偵測之複數個圖案缺陷。在本描述之背景內容中，製造組件係使用能夠導致組件上之缺陷之一製造程序來建構之任何組件。例如，在一項實施例中，製造組件可為一半導體晶圓上之一晶粒。此外，製造組件可使用極紫外光微影(EUV) (其當使用低劑量之曝光時尤其易於出現隨機缺陷)，或易於出現隨機缺陷之任何其他程序來建構。 如上文提及，識別自製造組件偵測之圖案缺陷。圖案缺陷之各者可為與印刷於製造組件上之一特定圖案相關聯之一缺陷。因此，圖案缺陷可為針對製造組件上之不同圖案偵測之缺陷。 在一項實施例中，可藉由首先接收自製造組件偵測之複數個缺陷之一指示而識別圖案缺陷。例如，可自偵測來自製造組件之複數個缺陷之一檢測系統接收自製造組件偵測之缺陷之指示。可藉由依圖案類型將指示的缺陷分組(即，分級)而進一步識別圖案缺陷，使得各群組表示複數個圖案缺陷之一不同圖案缺陷。 另外，如操作404 中所示，基於預定義準則來分析圖案缺陷之各者之屬性。通常，屬性可為一失效頻率、一位置分佈及一焦點/曝光(即，調變)條件或特定於一EUV程序之其他調變條件。在其中藉由自一相同圖案偵測之一群組之缺陷而表示一圖案缺陷之上文所描述之實施例中，可自包含於群組中之缺陷收集經分析之圖案缺陷之屬性。僅舉實例，可收集缺陷之各者之一位置及缺陷之各者之一焦點/曝光條件。 如上文所提及，基於預定義準則來分析屬性。此可包含對於各圖案缺陷，根據預定義準則將與圖案缺陷相關聯之缺陷分組(即，分級)。預定義準則可包含能夠用於指示經分析之一特定圖案缺陷係一隨機缺陷或一系統缺陷之各種不同準則。 在一項實施例中，預定義準則可包含與特定於圖案缺陷之一圖案內之缺陷之位置之一分佈相關聯之一第一準則。因此，在此實施例中，基於第一準則來分析圖案缺陷之屬性可包含判定由圖案缺陷表示之缺陷之位置之分佈是否超過特定臨限值。視情況，此第一準則可使用偵測缺陷之系統之缺陷位置準確度(DLA)作為臨限值，或作為一基礎來最佳化臨限值。 在另一實施例中，預定義準則可包含與特定於圖案缺陷之圖案內之一缺陷頻率相關聯之一第二準則。因此，在此實施例中，基於第二準則來分析圖案缺陷之屬性可包含判定由圖案缺陷表示之缺陷頻率是否超過一特定臨限值。在各種實施例中，缺陷頻率可針對製造組件之一特定調變設定判定，跨不同調變設定判定，跨包含製造組件之一晶圓判定，及/或跨各自包含製造組件之多個重複晶圓判定。 此外，如操作406 中所示，自分析判定複數個圖案缺陷之一第一組之圖案缺陷係系統圖案缺陷，且自分析判定複數個圖案缺陷之一第二組之圖案缺陷係隨機圖案缺陷。通常，系統圖案缺陷可各自為一位置相依圖案缺陷，而隨機圖案缺陷可各自為一位置不相依圖案缺陷。 在一項實施例中，自分析判定哪些圖案缺陷係系統圖案缺陷及哪些圖案缺陷係隨機圖案缺陷可包含針對圖案缺陷之各者，將至少一個預定義規則應用至分析之一結果，以判定圖案缺陷係一系統圖案缺陷或一隨機圖案缺陷。各規則可考慮藉由其分析圖案缺陷之準則之一組合。 僅舉實例，一個規則可指示，當針對一圖案缺陷之一位置分佈超過一給定臨限值時，且當跨一特定調變之針對該圖案缺陷之一缺陷頻率亦超過一給定臨限值時，該圖案缺陷係一隨機缺陷。作為另一實例，一第二規則可指示，當針對一圖案缺陷之一位置分佈不超過一給定臨限值時，且當跨一特定調變之針對該圖案缺陷之一缺陷頻率超過一給定臨限值時，該圖案缺陷係一系統缺陷。 此外，如操作408 中所示，針對經判定系統圖案缺陷來執行一第一動作，及針對經判定隨機圖案缺陷來執行一第二動作。第一動作及第二動作可至少部分彼此不同。因此，第一動作及第二動作可部分重疊或可根本不重疊。在任何情況中，第一動作及第二動作經執行以最小化或防止隨後建構之製造組件上之圖案缺陷。 在一項實施例中，第一動作可包含最佳化與系統圖案缺陷之各者相關聯之一圖案(例如改變圖案之一形狀或不同OPC特徵)。在另一實施例中，第二動作可包含最佳化與隨機圖案缺陷之各者相關聯之圖案之調變(例如以便在EUV程序期間提供足夠光子密度)。當然，應注意，第一動作可針對各系統圖案缺陷獨立執行，並可基於系統圖案缺陷之屬性來選擇，以便最小化或防止隨後建構的製造組件上之系統圖案缺陷。類似地，第二動作可針對各隨機圖案缺陷獨立執行，並可基於隨機圖案缺陷之屬性來選擇，以便最小化或防止隨後建構的製造組件上之隨機圖案缺陷。 圖5 繪示根據一實施例之偵測來自一製造組件之缺陷之一系統之DLA，及相對於DLA之系統圖案失效對隨機圖案失效之分佈。 如所示，針對任何一個特定系統圖案缺陷偵測之缺陷通常係由針對檢測系統之DLA (DLA係虛線圓，如所示)涵蓋。因此，雖然此等缺陷之位置可變動，但其等通常不變動超出系統之準確度。 然而，針對任何一個特定隨機圖案缺陷偵測之缺陷未由針對檢測系統之DLA涵蓋，但可在大於由系統之準確度提供之一程度上變化。 為此目的，由於DLA通常對於任何特定檢測系統係已知的，故針對一圖案缺陷之缺陷之位置分佈可為用於判定圖案缺陷係一系統圖案缺陷或一隨機圖案缺陷之一個準則。 圖6 繪示根據一實施例之用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之一方法600 。在一項實施例中，可在圖4 之方法400 之背景內容中執行方法600 。當然，亦可在其他背景內容中執行方法600 。應注意，上文給出之定義可同樣適用於本描述。 如操作602 中所示，接收自一半導體晶圓偵測之複數個缺陷之一指示。可自一檢測工具接收此指示，作為對半導體晶圓執行之一檢測程序之一結果。另外，如操作604 中所示，缺陷係依圖案類型分組。因此，自一相同圖案偵測之缺陷可經分組在一起以表示一圖案缺陷。 此外，如操作606 中所示，收集圖案缺陷之屬性。針對任何特定圖案缺陷，可自依相關聯圖案分組之缺陷收集屬性。在操作608 中，選擇圖案缺陷之一者。 接著，在決定610 中判定經選擇圖案缺陷係一系統圖案缺陷或一隨機圖案缺陷。可藉由根據預定義準則分析屬性且接著，將一或多個預定義規則應用至分析之一結果而進行此判定。表1繪示可藉由其分析圖案缺陷屬性之預定義準則之實例。當然，應注意，表1中闡述之實例僅為闡釋性目的。表 1 將共用「y」數量之類似特徵之鄰近距離「x」(即，位置分佈)中之缺陷分組。 在調變內及跨調變運算一給定圖案之缺陷率。可使用來自相同程序條件之一或多者之資料。 使用相對於系統DLA之缺陷位置分佈來識別歸因於隨機效應之缺陷。 比較具有相同程序條件(調變)之照片間之給定圖案之缺陷頻率。 使用與實際缺陷位置及頻率結合之圖案分組(例如基於設計的分級(DBG))以將系統圖案缺陷與隨機缺陷分開。 比較來自低劑量調變與高劑量調變之缺陷之間之缺陷特性。依高調變對比低調變，可見較少隨機失效。 當經選擇圖案缺陷被判定為一系統圖案缺陷時，採取一第一動作，如操作612 中所示。當經選擇圖案缺陷被判定為一隨機圖案缺陷時，採取一第二動作，如操作614 中所示。因此，可取決於圖案缺陷是否經判定為一系統圖案缺陷或一隨機圖案缺陷而採取不同動作。在採取第一動作/第二動作之後，方法600 在決定616 中判定是否存在待分析之另一圖案缺陷。當判定存在待分析之另一圖案缺陷時，方法600 針對該下一個圖案缺陷返回至操作608 。當判定不存在待分析之另一圖案缺陷析時，方法600 終止。 雖然上文已描述各種實施例，但應瞭解其等僅舉例而言提出且非限制。因此，一較佳實施例之寬度及範疇不應由上文描述之例示性實施例限制，而應僅根據以下發明申請專利範圍及其等效物界定。
100‧‧‧電腦可讀媒體102‧‧‧程式指令104‧‧‧電腦系統105‧‧‧檢測系統106‧‧‧EDA工具108‧‧‧電腦系統110‧‧‧電腦系統111‧‧‧光學子系統112‧‧‧偵測器114‧‧‧透鏡118‧‧‧分束器120‧‧‧光源122‧‧‧晶圓200‧‧‧經捕獲圖案影像302‧‧‧圖案304‧‧‧圖案306‧‧‧圖案400‧‧‧方法402‧‧‧操作404‧‧‧操作406‧‧‧操作408‧‧‧操作600‧‧‧方法602‧‧‧操作604‧‧‧操作606‧‧‧操作608‧‧‧操作610‧‧‧決定612‧‧‧操作614‧‧‧操作616‧‧‧決定
圖1A 展示繪示一非暫時性電腦可讀媒體之一項實施例之一方塊圖，其包含用於執行本文中所描述之電腦實施方法之一或多者之可執行於一電腦系統上之程式指令。 圖1B 係繪示經組態以偵測一製造裝置上之缺陷之一檢測系統之一項實施例之一側視圖之一示意圖。 圖2 繪示根據一實施例之具有變動位置處之缺陷之經捕獲圖案影像。 圖3 繪示根據一實施例之針對系統缺陷及隨機缺陷之曝光之衝突的最佳化。 圖4 繪示根據一實施例之用於自一製造組件識別之圖案缺陷之有系統的及隨機的特徵化之一方法。 圖5 繪示根據一實施例之偵測來自一製造組件之缺陷之一系統之缺陷位置準確度(DLA)，及相對於DLA之系統圖案失效對隨機圖案失效之分佈。 圖6 繪示根據一實施例之用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之一方法。
400‧‧‧方法
402‧‧‧操作
404‧‧‧操作
406‧‧‧操作
408‧‧‧操作

Claims (18)

  1. 一種非暫時性電腦可讀媒體，其儲存具有可由一處理器執行以執行一方法之程式碼之一電腦程式產品，該方法包括：識別自一製造組件偵測之複數個圖案缺陷；基於預定義準則來分析該等圖案缺陷之各者之多個屬性，其中該等屬性包含一失效頻率、位置分佈及一焦點/曝光或其他調變條件；自該分析判定該複數個圖案缺陷之一第一組之圖案缺陷係系統圖案缺陷及判定該複數個圖案缺陷之一第二組之圖案缺陷係隨機(stochastic)圖案缺陷；針對該等經判定系統圖案缺陷執行一第一動作；及針對該等經判定隨機圖案缺陷執行一第二動作。
  2. 如請求項1之非暫時性電腦可讀媒體，其中該製造組件係一半導體晶圓上之一晶粒。
  3. 如請求項1之非暫時性電腦可讀媒體，其中使用極紫外光微影(EUV)來建構該製造組件。
  4. 如請求項1之非暫時性電腦可讀媒體，其中該複數個圖案缺陷係由以下識別：接收自該製造組件偵測之複數個缺陷之一指示，依圖案類型將該複數個缺陷分組，其中各群組表示該複數個圖案缺陷 之一不同圖案缺陷。
  5. 如請求項4之非暫時性電腦可讀媒體，其中自偵測來自該製造組件之該複數個缺陷之一檢測系統接收自該製造組件偵測之該複數個缺陷之該指示。
  6. 如請求項4之非暫時性電腦可讀媒體，其進一步包括自該複數個缺陷收集該等圖案缺陷之各者之該等屬性。
  7. 如請求項1之非暫時性電腦可讀媒體，其中該預定義準則包含與特定於該圖案缺陷之一圖案內之缺陷之位置之一分佈相關聯之一第一準則。
  8. 如請求項7之非暫時性電腦可讀媒體，其中該第一準則使用偵測該等缺陷之一系統之缺陷位置準確度(DLA)作為一臨限值。
  9. 如請求項7之非暫時性電腦可讀媒體，其中該預定義準則包含與特定於該圖案缺陷之該圖案內之一缺陷頻率相關聯之一第二準則。
  10. 如請求項9之非暫時性電腦可讀媒體，其中該缺陷頻率係以下之至少一者：針對一特定調變設定判定，跨不同調變設定判定，跨包含該製造組件之一晶圓判定，及 跨包含該製造組件之多個重複晶圓判定。
  11. 如請求項1之非暫時性電腦可讀媒體，其中基於預定義準則來分析該等圖案缺陷之各者之該等屬性包含根據該預定義準則將與該圖案缺陷相關聯之缺陷分級(binning)。
  12. 如請求項1之非暫時性電腦可讀媒體，其中自該分析判定該複數個圖案缺陷之該第一組之圖案缺陷係系統圖案缺陷及判定該複數個圖案缺陷之該第二組之圖案缺陷係隨機圖案缺陷包含，針對該等圖案缺陷之各者：將至少一個預定義規則應用於該分析之一結果以判定該圖案缺陷係一系統圖案缺陷或一隨機圖案缺陷。
  13. 如請求項1之非暫時性電腦可讀媒體，其中該等隨機圖案缺陷之各者係一位置不相依圖案缺陷。
  14. 如請求項1之非暫時性電腦可讀媒體，其中該第一動作係至少部分不同於該第二動作。
  15. 如請求項1之非暫時性電腦可讀媒體，其中該第一動作包含最佳化與該等系統圖案缺陷之各者相關聯之一圖案。
  16. 如請求項1之非暫時性電腦可讀媒體，其中該第二動作包含最佳化與該等隨機圖案缺陷之各者相關聯之該圖案之調變。
  17. 一種識別製造組件上之圖案缺陷的方法，其包括：識別自一製造組件偵測之複數個圖案缺陷；基於預定義準則來分析該等圖案缺陷之各者之多個屬性，其中該等屬性包含一失效頻率、位置分佈及一焦點/曝光或其他調變條件；自該分析判定該複數個圖案缺陷之一第一組之圖案缺陷係系統圖案缺陷及判定該複數個圖案缺陷之一第二組之圖案缺陷係隨機圖案缺陷；針對該等經判定系統圖案缺陷執行一第一動作；及針對該等經判定隨機圖案缺陷執行一第二動作。
  18. 一種識別製造組件上之圖案缺陷的系統，其包括：一電腦處理器，其用於：識別自一製造組件偵測之複數個圖案缺陷；基於預定義準則來分析該等圖案缺陷之各者之多個屬性，其中該等屬性包含一失效頻率、位置分佈及一焦點/曝光或其他調變條件；自該分析判定該複數個圖案缺陷之一第一組之圖案缺陷係系統圖案缺陷及判定該複數個圖案缺陷之一第二組之圖案缺陷係隨機圖案缺陷；針對該等經判定系統圖案缺陷執行一第一動作；及針對該等經判定隨機圖案缺陷執行一第二動作。
TW107112556A 2017-04-12 2018-04-12 用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品 TWI750363B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762484713P 2017-04-12 2017-04-12
US62/484,713 2017-04-12
US15/683,631 US10262408B2 (en) 2017-04-12 2017-08-22 System, method and computer program product for systematic and stochastic characterization of pattern defects identified from a semiconductor wafer
US15/683,631 2017-08-22

Publications (2)

Publication Number Publication Date
TW201842325A TW201842325A (zh) 2018-12-01
TWI750363B true TWI750363B (zh) 2021-12-21

Family

ID=63790822

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107112556A TWI750363B (zh) 2017-04-12 2018-04-12 用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品

Country Status (6)

Country Link
US (1) US10262408B2 (zh)
KR (1) KR102351347B1 (zh)
CN (1) CN110494741B (zh)
IL (1) IL269547B (zh)
TW (1) TWI750363B (zh)
WO (1) WO2018191072A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10818001B2 (en) * 2018-09-07 2020-10-27 Kla-Tencor Corporation Using stochastic failure metrics in semiconductor manufacturing
WO2020176270A1 (en) * 2019-02-25 2020-09-03 Applied Materials Israel Ltd. System and method for detecting rare stochastic defects
KR20220127004A (ko) 2021-03-10 2022-09-19 삼성전자주식회사 확률론적 콘투어 예측 시스템 및 확률론적 콘투어 예측 시스템의 제공 방법 및 확률론적 콘투어 예측 시스템을 이용한 EUV(Extreme Ultra violet) 마스크의 제공 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101852741A (zh) * 2009-04-03 2010-10-06 吕一云 缺陷诊断及管理的方法
TW201329762A (zh) * 2012-01-05 2013-07-16 United Microelectronics Corp 積體電路設計與製造方法
US20150139531A1 (en) * 2012-05-11 2015-05-21 Hitachi High-Technologies Corporation Defect analysis assistance device, program executed by defect analysis assistance device, and defect analysis system

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5425779B2 (ja) * 2007-08-20 2014-02-26 ケーエルエー−テンカー・コーポレーション 実際の欠陥が潜在的にシステム的な欠陥であるか、または潜在的にランダムな欠陥であるかを判断する、コンピューターに実装された方法
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
US20100074515A1 (en) * 2008-02-05 2010-03-25 Kla-Tencor Corporation Defect Detection and Response
JP5393245B2 (ja) * 2009-05-12 2014-01-22 キヤノン株式会社 画像処理装置、画像処理装置の制御方法、ｘ線画像撮影装置およびｘ線画像撮影装置の制御方法
CN102142355B (zh) * 2010-02-02 2013-07-17 吕一云 物体制造缺陷的应用方法
JP5753461B2 (ja) 2011-08-18 2015-07-22 株式会社ニューフレアテクノロジー パターン検査装置及びパターン検査方法
JP5460662B2 (ja) 2011-09-07 2014-04-02 株式会社日立ハイテクノロジーズ 領域決定装置、観察装置または検査装置、領域決定方法および領域決定方法を用いた観察方法または検査方法
NL2009982A (en) * 2012-01-10 2013-07-15 Asml Netherlands Bv Source mask optimization to reduce stochastic effects.
CN103218466B (zh) * 2012-01-18 2016-12-14 联华电子股份有限公司 集成电路设计与制造方法
US8948495B2 (en) * 2012-08-01 2015-02-03 Kla-Tencor Corp. Inspecting a wafer and/or predicting one or more characteristics of a device being formed on a wafer
JP5957357B2 (ja) * 2012-10-15 2016-07-27 株式会社日立ハイテクノロジーズ パターン検査・計測装置及びプログラム
JP6009956B2 (ja) 2013-01-31 2016-10-19 株式会社日立ハイテクノロジーズ 欠陥検査装置および欠陥検査方法
WO2015158444A1 (en) * 2014-04-14 2015-10-22 Asml Netherlands B.V. Flows of optimization for lithographic processes
US9401016B2 (en) * 2014-05-12 2016-07-26 Kla-Tencor Corp. Using high resolution full die image data for inspection
US9395632B2 (en) 2014-06-30 2016-07-19 Taiwan Semiconductor Manufacturing Co., Ltd. Efficient solution for removing EUV native defects
US10712289B2 (en) * 2014-07-29 2020-07-14 Kla-Tencor Corp. Inspection for multiple process steps in a single inspection process
US9766186B2 (en) * 2014-08-27 2017-09-19 Kla-Tencor Corp. Array mode repeater detection
CN106290378B (zh) * 2016-08-23 2019-03-19 东方晶源微电子科技（北京）有限公司 缺陷分类方法和缺陷检查系统
US10223615B2 (en) * 2016-08-23 2019-03-05 Dongfang Jingyuan Electron Limited Learning based defect classification
US10605745B2 (en) * 2018-06-28 2020-03-31 Applied Materials Israel Ltd. Guided inspection of a semiconductor wafer based on systematic defects

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101852741A (zh) * 2009-04-03 2010-10-06 吕一云 缺陷诊断及管理的方法
TW201329762A (zh) * 2012-01-05 2013-07-16 United Microelectronics Corp 積體電路設計與製造方法
US20150139531A1 (en) * 2012-05-11 2015-05-21 Hitachi High-Technologies Corporation Defect analysis assistance device, program executed by defect analysis assistance device, and defect analysis system

Also Published As

Publication number Publication date
KR20190130175A (ko) 2019-11-21
IL269547B (en) 2022-03-01
KR102351347B1 (ko) 2022-01-13
TW201842325A (zh) 2018-12-01
CN110494741B (zh) 2022-03-22
IL269547A (en) 2019-11-28
CN110494741A (zh) 2019-11-22
US10262408B2 (en) 2019-04-16
US20180300870A1 (en) 2018-10-18
WO2018191072A1 (en) 2018-10-18

Similar Documents

Publication Publication Date Title
US9710903B2 (en) System and method for detecting design and process defects on a wafer using process monitoring features
JP2017523390A (ja) 検査のための高解像度フルダイイメージデータの使用
US9922415B2 (en) Inspection method, inspection apparatus, and inspection system
TWI750363B (zh) 用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品
JP2007041600A (ja) レティクル設計パターン内の欠陥を検出するための方法および装置
CN108885185B (zh) 用于校正从目标裸片及参考裸片的比较所产生的差异图像的系统、方法及计算机程序产品
CN107065446B (zh) 用于产生晶片结构的光刻工艺的仿真的方法和装置
US20210398261A1 (en) Design-to-wafer image correlation by combining information from multiple collection channels
TWI781058B (zh) 用於調諧經調變晶圓之敏感度及判定用於經調變晶圓之處理視窗之系統，方法以及非暫時性電腦可讀媒體
TWI717508B (zh) 用於使用目標及參考組件之一致調變偵測經製造目標組件中的缺陷之系統、方法及電腦程式產品
JP6878247B2 (ja) パターン検査方法およびパターン検査装置
CN108885409B (zh) 用于检测多重图案化制造装置中与重叠相关的缺陷的设计感知系统、方法及计算机程序产品
TWI766127B (zh) 優化微影對焦參數的方法
WO2023107229A1 (en) Process window qualification modulation layouts