TWI759523B - 減少缺陷分析中之損害的方法及系統,以及電腦程式產品 - Google Patents

減少缺陷分析中之損害的方法及系統,以及電腦程式產品 Download PDF

Info

Publication number
TWI759523B
TWI759523B TW107127369A TW107127369A TWI759523B TW I759523 B TWI759523 B TW I759523B TW 107127369 A TW107127369 A TW 107127369A TW 107127369 A TW107127369 A TW 107127369A TW I759523 B TWI759523 B TW I759523B
Authority
TW
Taiwan
Prior art keywords
axis
defect
intensity map
grayscale intensity
pixel grayscale
Prior art date
Application number
TW107127369A
Other languages
English (en)
Other versions
TW201921317A (zh
Inventor
伯裘恩 布拉爾
軍秦 黃
理升 高
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 TW201921317A publication Critical patent/TW201921317A/zh
Application granted granted Critical
Publication of TWI759523B publication Critical patent/TWI759523B/zh

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10Measuring as part of the manufacturing process
    • H01L22/12Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • G06T2207/10061Microscopic image from scanning electron microscope
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20068Projection on vertical or horizontal image axis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; IC; Wafer

Abstract

揭示提供影像(諸如包括一或多個金屬線之半導體影像)中之損害減少的方法及系統。一潛在缺陷與兩個垂直軸線之像素灰階強度圖相關。沿該兩個軸線判定該潛在缺陷相對於一圖案(諸如一金屬線)的一位置。該潛在缺陷可經分類為一所關注缺陷或損害事件。

Description

減少缺陷分析中之損害的方法及系統,以及電腦程式產品
本發明係關於缺陷分析中之損害減少。
半導體製造行業之演進對於良率管理且尤其對於度量及檢驗系統提出甚至更高的要求。當晶圓大小增加時臨界尺寸收縮。經濟因素正驅動行業減少用於達成高良率、高價值產品的時間。因此,最小化自偵測到良率問題至解決該問題的總時間判定半導體製造商之投資回報率。
製造半導體器件(諸如邏輯及記憶體器件)通常包括使用大量製造工藝加工半導體晶圓,以形成半導體器件的各種特徵及多個層級。舉例而言,微影為半導體製造工藝,其涉及將圖案自倍縮光罩傳遞至佈置於半導體晶圓上之光阻劑。半導體製造工藝之額外實例包括(但不限於)化學機械拋光(CMP)、蝕刻、沈積及離子植入。多個半導體器件可以佈置在單一半導體晶圓上之形式製造且接著分成個別半導體器件。
在半導體製造工藝期間的各個步驟處使用檢驗工藝,以偵測晶圓上之缺陷,從而促使製造工藝中之產率更高且由此具有更高利潤。檢驗始終是半導體器件製造的重要部分。然而,隨著半導體器件之尺寸減小,檢驗對於可接受半導體器件之成功製造變得甚至更加重要,係因為較 小缺陷可能導致器件不合格。舉例而言,隨著半導體器件之尺寸減小,對大小遞減之缺陷的偵測已成為必要的,係因為即使相對較小的缺陷亦可能引起半導體器件中之非所需畸變。
找到所關注缺陷(DOI)可具有挑戰性。高損害率係常見問題。損害事件可誤判為DOI或可導致DOI被不正確地識別為損害。因此,損害事件可使得難以或甚至不可能追蹤DOI或監視偏移。因此,可錯過可危害產率之致命缺陷。
損害事件係包括金屬線或其他材料線之晶圓所共有的。歸因於光學工具之解析度限制,該等線可能顯得模糊。此模糊使得難以判定缺陷是否落在線上。
找到具有金屬線之晶圓上之DOI的先前技術係基於以圖案(情景)為基礎的屬性,諸如藉由使用灰階進行。以圖案為基礎之屬性將圖案之光學影像與損害圖案進行比較。已知損害圖案會引起多個損害事件。此等以圖案為基礎之屬性技術傾向於不太精確而無法利用大與小數目的損害事件對圖案進行分類,係因為此等技術需要較大視場且受限於如何良好地對圖案進行光學解析。使用此等技術之解析通常為一個數量級短。舉例而言,缺陷經識別為±4像素。因此,若每一像素為50nm,則缺陷經識別為±200nm。
另一先前技術係基於定義損害結構周圍的極小注意區域(CA)以濾除損害結構。然而,創建此類CA耗時。當需要創建規則以搜尋此類CA時,執行此技術所需之時間可能極大。
因此,需要用於損害減少之經改良技術及系統。
在第一個例中,提供一種方法。該方法包含提供包括材料線之晶圓之影像。該影像具有x軸及垂直於x軸之y軸。使用處理器,使潛在缺陷與該影像之x軸像素灰階強度圖相關。使用處理器,使潛在缺陷與該影像之y軸像素灰階強度圖相關。使用該處理器,分別基於潛在缺陷在x軸像素灰階強度圖上之點及潛在缺陷在y軸像素灰階強度圖上之點,判定潛在缺陷相對於晶圓上沿x軸及沿y軸之材料線的位置。使用該處理器,基於該潛在缺陷之位置將潛在缺陷分類為所關注缺陷或損害事件。所關注缺陷與沿x軸及y軸兩者之材料線相距一非零距離。損害事件處於沿x軸或y軸中之至少一者之材料線上。材料線可為金屬線或某種其他材料。
x軸像素灰階強度圖及y軸像素灰階強度圖兩者可與潛在缺陷相交。
x軸像素灰階強度圖及y軸像素灰階強度圖兩者可包括臨限值。臨限值可用於判定材料線,諸如材料線之存在及/或位置。
該方法可進一步包括使用處理器識別影像中之潛在缺陷。
該方法可進一步包括使用該處理器判定材料線在影像中之位置。
判定位置可包括內插材料線之位置;內插潛在缺陷之位置;及判定材料線之位置與潛在缺陷之位置之間的距離。
影像可為x軸上之32個像素及y軸上之32個像素,但亦有可能有其他尺寸。
判定位置可基於潛在缺陷之中心。
該方法可進一步包括使用處理器產生x軸像素灰階強度圖及y軸像素灰階強度圖。
在第二個例中,提供一種電腦程式產品。該電腦程式產品包含電腦可讀程式藉以體現的非暫時性電腦可讀儲存媒體。電腦可讀程式經組態以進行第一個例之任何實施例之方法。
在第三個例中,提供一種系統。該系統包含與電子儲存媒體及晶圓檢驗工具電子通信之處理器。處理器經組態以執行以下指令:使潛在缺陷與包括材料線之晶圓之影像的x軸像素灰階強度圖相關;使潛在缺陷與影像之y軸像素灰階強度圖相關;分別基於潛在缺陷在x軸像素灰階強度圖上之點及潛在缺陷在y軸像素灰階強度圖上之點,判定潛在缺陷相對於晶圓上沿x軸及沿y軸之材料線的位置;及基於潛在缺陷之位置將潛在缺陷分類為所關注缺陷或損害事件。該影像具有x軸及垂直於x軸之y軸。所關注缺陷與沿x軸及y軸兩者之材料線相距一非零距離。損害事件處於沿x軸或y軸中之至少一者的材料線上。材料線可為金屬線或某種其他材料。
x軸像素灰階強度圖及y軸像素灰階強度圖兩者可包括臨限值。臨限值可用於判定材料線,諸如材料線之存在及/或位置。
處理器可進一步經組態以執行識別影像中之潛在缺陷之指令。
x軸像素灰階強度圖及y軸像素灰階強度圖兩者可與潛在缺陷相交。
處理器可進一步經組態以執行產生x軸像素灰階強度圖及y軸像素灰階強度圖的指令。
處理器可併入於晶圓檢驗工具中。晶圓檢驗工具可產生影像。舉例而言,晶圓檢驗工具可為掃描電子顯微鏡。
100:方法
101:步驟
102:步驟
103:步驟
104:步驟
200:光學斑塊影像
201:潛在缺陷
202:金屬線
203:x軸像素灰階強度圖
204:y軸像素灰階強度圖
205:潛在缺陷
206:臨限值
300:系統
302:處理器
303:電子儲存媒體
304:晶圓檢驗工具
為更全面理解本發明之性質及目標,應結合隨附圖式參考以下實施方式,在隨附圖式中:圖1為根據本發明之實施例之流程圖;圖2為展現根據本發明之具有DOI之實施例的例示性影像;圖3為展現根據本發明之具有損害事件的實施例的例示性影像;及圖4為根據本發明之系統之方塊圖。
相關申請案之相交參考
本申請案主張2017年8月9日提交申請且經讓渡之美國臨時專利申請案第62/542,970號之優先權,其揭示內容在此以引用之方式併入。
儘管就某些實施例而言將描述所主張之主題,但其他實施例,包括不提供本文所闡述之所有益處及特徵的實施例,亦在本發明之範疇內。可作出各種結構、邏輯、工藝步驟及電子變化而不背離本發明之範疇。因此,僅參考隨附申請專利範圍界定本發明之範疇。
本文中所提供之實施例提供用以提供影像中之損害減少之精確及快速的技術,尤其用於包括一或多個材料線(諸如金屬線)之半導體影像。減少損害事件之數目可改良半導體製造設施中之產率監測。
圖1為方法100之流程圖。提供包括一或多個材料線之晶圓之影像。材料線可具有沿x軸及/或y軸之強投影。該材料線可例如為金屬線、半導體線或絕緣體線。該影像具有x軸及垂直於x軸之y軸。舉例而言,該影像可為在x軸上32個像素及y軸上之32個像素。在其他實例中,該影像可為64×64個像素、128×128個像素、256×256個像素或512×512個 像素,包括所有整數值及在32個像素與512個像素之間的範圍,但有可能有其他影像大小。該影像可為斑塊影像。
可識別影像中之潛在缺陷。產生或接收基於影像之x軸像素灰階強度圖及y軸像素灰階強度圖。x軸像素灰階強度圖及y軸像素灰階強度圖量測跨越該影像之一線上的像素灰階強度。計算沿該線之所有像素之平均灰階。對所有線執行該計算且諸如以投影形式標繪所得數目。
在101處,使潛在缺陷與影像之x軸像素灰階強度圖相關。在102處,使潛在缺陷與影像之y軸像素灰階強度圖相關。在一個例中,可內插準確的缺陷座標。接著可計算投影曲線圖中之此座標與峰值或谷值之間的距離,以提取缺陷與材料線之間的準確距離。
在103處,分別基於潛在缺陷在x軸像素灰階強度圖上之點及潛在缺陷在y軸像素灰階強度圖上之點,判定潛在缺陷相對於沿x軸及沿y軸之一或多個材料線的位置。因此,可基於潛在缺陷落在x軸像素灰階強度圖及y軸像素灰階強度圖上之位置而判定影像中之缺陷與沿x軸及y軸之材料線的距離。x軸像素灰階強度圖及y軸像素灰階強度圖兩者可與潛在缺陷相交。舉例而言,灰階強度圖可沿著含有潛在缺陷的一個像素寬或一個像素高的線進行量測。
x軸像素灰階強度圖及y軸像素灰階強度圖可包括臨限值。臨限值可用於判定在哪一材料線在影像內(例如材料線之存在及/或位置)。舉例而言,影像可包括多個無規結構。利用在影像中之高頻灰階振盪,此類雜訊可能需要藉由演算法與材料線相區分開。
判定潛在缺陷之位置可係相對於潛在缺陷之中心、潛在缺陷之邊緣或潛在缺陷之其他部分。
在104處,基於潛在缺陷之位置(諸如相對於材料線)將潛在缺陷分類為DOI或損害事件。DOI與沿x軸及y軸兩者之材料線相距一非零距離。舉例而言,DOI可在材料線之間。損害事件係佈置於沿x軸或y軸中之至少一者的材料線或該等材料線中之一者上。
在一個例中,若材料線之經內插中心與缺陷之間的距離超出25nm,則該缺陷可被視為DOI。在此個例中,假定出現在材料線上之所有事物被視為損害且唯有在該等材料線之間的缺陷為DOI。當然,其他非零距離(例如1nm、5nm、10nm或50nm)係可能的。在另一個例中,在缺陷出現在材料線上或接近於材料線的情況下,可應用相反分類。
亦可判定一或多個金屬線在影像中之位置。其可基於x軸像素灰階強度圖及/或y軸像素灰階強度圖在沿該影像中之x軸及y軸的一或多個點處的峰值。
判定位置可包括內插材料線之位置;內插潛在缺陷之位置;及判定材料線之位置與潛在缺陷之位置之間的距離。內插可包括線性、雙線性、多項式、拉格朗日、樣條或辛格內插。內插亦可包含點散佈函數或拋物線擬合。
舉例而言,特定數目個資料點g(x)具有隨著灰階強度圖中之x座標變化的灰階(g)。可使用多項式(例如f(x)=ax3+bx2+cx+d),以使得在最佳化參數a、b、c及d之後,f(x)與g(x)之間的均方誤差最小。
方法100之一些或所有步驟可使用處理器執行。
在一實例中,計算斑塊影像內之相關性。基於沿著x軸及y軸之投影,諸如使用以內插或設計為基礎之技術,推導出影像內之某些圖 案(例如頂點、邊緣或中心)之準確位置。圖案可為斑塊影像中之材料線。
以設計為基礎之技術可包括再現設計剪輯及將所再現影像與斑塊影像進行比較以找出該兩者之間的偏差,以及利用可接受之精確性程度預測線之位置。
接著,使用以內插或設計為基礎之技術計算斑塊影像內之潛在缺陷的位置。導出圖案與潛在缺陷之位置之間的距離。此可為圖案之位置與潛在缺陷之位置之間的最小距離。圖案與潛在缺陷之位置之間的距離可用於配置(recipe)調諧。圖案之位置可用於導出圖案之間的距離,該距離亦可用於配置調諧。其可有助於將晶圓上之被檢驗區域分割成不同區段,諸如其中線極其密集之區段及其中線之密度較不密集的另一區段。歸因於此等兩個區段中之不同雜訊或損害統計,分離DOI與損害之切割線可不同。具有使彼等兩個區段能夠以不同方式調諧之屬性可增加靈敏度,係因為自訂調諧可應用於該等區段中之每一者。
若圖案之位置與潛在缺陷之位置之間的距離在有資格作為DOI之使用者定義之範圍內,則潛在缺陷經格化儲存為DOI。若距離在使用者定義之範圍之外,則潛在缺陷經格化儲存為損害。
可執行以設計為基礎之對準以啟用以內插或設計為基礎之座標。
圖1之方法經繪示於圖2及圖3之例示性影像中。圖2及圖3可為光學斑塊影像200,其中之每一者具有沿x軸及y軸兩者延伸之多個金屬線202。金屬線202經展示為具有影線。圖2展示潛在缺陷201,其為DOI。圖3展示潛在缺陷205,其為損害事件。雖然圖2及圖3中所影像展示為清晰的,但解析度限制可導致金屬線202模糊,其在先前使得難以判定 缺陷是否在金屬線上。繪示金屬線202,但圖2及圖3之例示性影像應用於其他材料線。
在圖2及圖3之實例中,光學斑塊影像200之像素灰階值可經投影在x軸及y軸上。在金屬線202(條帶)上偵測到的所有缺陷被視為損害。藉由內插金屬線202之位置及缺陷,可計算潛在缺陷與金屬線202中之一者之間的準確距離。使用者定義之臨限值可用於區分DOI與損害。
圖2及圖3展示x軸像素灰階強度圖203及y軸像素灰階強度圖204。x軸像素灰階強度圖203及y軸像素灰階強度圖204兩者包括臨限值206,其可用於判定金屬線202之存在及/或位置。在x軸像素灰階強度圖203及y軸像素灰階強度圖204上的灰階強度峰值對應於光學斑塊影像200中之金屬線202。可分別沿x軸及y軸在與潛在缺陷201相交的點處對x軸像素灰階強度圖203及y軸像素灰階強度圖204進行採集。
在圖2中,潛在缺陷201為與x軸像素灰階強度圖203及y軸像素灰階強度圖204兩者上之峰值之非零距離。因此,潛在缺陷201經分類為金屬線202之間的DOI。在圖3中,潛在缺陷205為與y軸像素灰階強度圖204上之峰值之非零距離。然而,潛在缺陷205與x軸像素灰階強度圖203上之峰值相交。因此,潛在缺陷205經分類為損害,係因為其在金屬線202上。
使用本文所揭示之實施例,金屬線202之位置可定位至±10nm或±5nm。缺陷之位置亦可定位至±10nm或±5nm。
圖4為系統300之系統圖。系統300包括晶圓檢驗工具304。檢驗工具304可為掃描電子顯微鏡(SEM)。晶圓檢驗工具304亦可為寬頻電漿(BBP)工具、雷射掃描工具、電子束檢驗器或其他檢驗系統。晶圓檢驗 工具304可產生供處理器302使用之一或多個影像。
處理器302及與處理器302電子通信之電子儲存媒體303處於與晶圓檢驗工具304的電子通信中。處理器302可包括微處理器、微控制器或其他器件。
處理器302及電子儲存媒體303可為晶圓檢驗工具304或另一器件之部分。在一實例中,處理器302及電子儲存媒體303可為獨立控制單元之部分或在集中式品質控制單元中。可使用多個處理器302或電子儲存媒體303。
處理器302可藉由硬體、軟體及韌體之任何組合而實際實施。另外,如本文中所描述的其功能可藉由一個單元執行,或在不同組件之間分割,該等組件中之每一者可隨後藉由硬體、軟體及韌體之任何組合實施。處理器302的用以實施各種方法及功能之程式碼或指令可儲存於可讀儲存媒體(諸如電子儲存媒體303中之記憶體或其他記憶體)中。
處理器302可以任何合適的方式(例如經由可包括有線及/或無線傳輸媒體之一或多個傳輸媒體)耦接至系統300之組件,以使得處理器302可接收由系統300產生之輸出。處理器302可經組態以使用該輸出執行多個功能。
本文所描述之處理器302、其他系統或其他子系統可為各種系統之部分,包括個人電腦系統、影像電腦、大型電腦系統、工作站、網路設備、網際網路設備或其他器件。一或多個子系統或一或多個系統亦可包括此項技術中已知的任何合適之處理器,諸如並行處理器。另外,一或多個子系統或一或多個系統可包括具有高速處理及軟體之平台,作為獨立或網路連接工具。
若系統包括多於一個子系統,則不同子系統可彼此耦接,使得影像、資料、資訊、指令等可在該等子系統之間發送。舉例而言,一個子系統可藉由任何合適的傳輸媒體耦接至額外一或多個子系統,該任何合適的傳輸媒體可包括此項技術中已知之任何合適的有線及/或無線傳輸媒體。此等子系統中之兩者或大於兩者亦可藉由共用電腦可讀儲存媒體(圖中未示)有效地耦接。
額外實施例係關於儲存程式指令之非暫時性電腦可讀媒體,該等程式指令可於處理器上執行以用於執行電腦實施之缺陷偵測或晶圓檢驗,如本文中所揭示。詳言之,處理器302可耦接至電子儲存媒體303中之記憶體或其他電子資料儲存媒體以及包括可於處理器302上執行之程式指令的非暫時性電腦可讀媒體。電腦實施之方法可包括本文中所描述的任何一或多種方法之任何一或多個步驟。舉例而言,處理器302可經程式化以執行圖1之一些或所有步驟或本文所揭示之其他實施例。電子儲存媒體303中之記憶體或其他電子資料儲存媒體可為儲存媒體,諸如磁碟或光碟、磁帶,或此項技術中已知之任何其他合適的非暫時性電腦可讀媒體。詳言之,電子資料儲存單元可包括永久性儲存體、隨機存取記憶體或分離資料庫。
程式指令可以各種方式中之任一者實施,該等方式包括以程序為基礎之技術、以組件為基礎之技術及/或面向對象之技術及其他。舉例而言,程式指令可視需要使用ActiveX控件、C++物件、JavaBeans、微軟基礎類別(MFC)、SSE(串流SIMD擴展)或其他技術或方法來實施。
在一個例中,處理器302接收包括材料線(諸如金屬線)之晶圓之影像。該影像具有x軸及垂直於x軸之y軸。處理器302經組態以執行 指令,該等指令使潛在缺陷與影像之x軸像素灰階強度圖相關且使潛在缺陷與影像之y軸像素灰階強度圖相關。使用處理器302,分別基於潛在缺陷在x軸像素灰階強度圖上之點及潛在缺陷在y軸像素灰階強度圖上之點,判定潛在缺陷相對於晶圓上沿x軸及沿y軸之材料線的位置。處理器302基於該潛在缺陷之位置而對該潛在缺陷係DOI抑或損害事件進行分類。DOI可與沿x軸及y軸兩者之材料線相距一非零距離。損害事件可處於沿x軸或y軸中之至少一者的材料線上。x軸像素灰階強度圖及y軸像素灰階強度圖兩者可包括臨限值。x軸像素灰階強度圖及y軸像素灰階強度圖兩者可與潛在缺陷相交。
處理器302可進一步經組態以執行判定材料線在影像中之位置的指令。
處理器302可進一步經組態以執行識別影像中之潛在缺陷之指令。
處理器302可進一步經組態以執行產生x軸像素灰階強度圖及y軸像素灰階強度圖的指令。
方法之步驟中之每一者可如本文所描述而執行。該等方法亦可包括可藉由本文所描述之處理器及/或一或多個電腦子系統或一或多個系統執行的任何其他步驟。該等步驟可藉由一或多個電腦系統執行,該等電腦系統可根據本文中所描述的實施例中之任一者而組態。另外,上文所描述之方法可由本文中所描述之系統實施例中任一者執行。
儘管已關於一或多個特定實施例描述本發明,但應理解,可在不背離本發明之範疇的情況下進行本發明之其他實施例。因此,本發明被視為僅僅藉由所附申請專利範圍及其合理解譯而限制。
200:光學斑塊影像
201:潛在缺陷
202:金屬線
203:x軸像素灰階強度圖
204:y軸像素灰階強度圖
206:臨限值

Claims (19)

  1. 一種減少缺陷分析中之損害的方法,其包含:提供包括一材料線之一晶圓之一影像,其中該影像具有一x軸及垂直於該x軸之一y軸;使用一處理器使一潛在缺陷與該影像之一x軸像素灰階強度圖相關;使用該處理器使該潛在缺陷與該影像之一y軸像素灰階強度圖相關;使用該處理器,分別基於該潛在缺陷在該x軸像素灰階強度圖上之一點及該潛在缺陷在該y軸像素灰階強度圖上之一點,判定該潛在缺陷相對於該晶圓上沿該x軸及沿該y軸之該材料線的一位置,其中該判定該位置包括:內插該材料線之一位置;內插該潛在缺陷之一位置;及判定該材料線之該位置與該潛在缺陷之該位置之間的一距離;及使用該處理器。基於該潛在缺陷之該位置將該潛在缺陷分類為一所關注缺陷或一損害事件,其中該所關注缺陷與沿該x軸及y軸之該材料線相距一非零距離,且其中該損害事件處於沿該x軸及該y軸中之至少一者的該材料線上。
  2. 如請求項1之方法,其中該x軸像素灰階強度圖及該y軸像素灰階強度圖與該潛在缺陷相交。
  3. 如請求項1之方法,其中該x軸像素灰階強度圖及該y軸像素灰階強度 圖兩者包括一臨限值,其中該臨限值判定該材料線。
  4. 如請求項1之方法,其進一步包含使用該處理器來識別該影像中之該潛在缺陷。
  5. 如請求項1之方法,其進一步包含使用該處理器來判定該材料線在該影像中之一位置。
  6. 如請求項1之方法,其中該影像為在該x軸上之32個像素及該y軸上之32個像素。
  7. 如請求項1之方法,其中判定該位置係基於該潛在缺陷之一中心。
  8. 如請求項1之方法,其進一步包含使用該處理器產生該x軸像素灰階強度圖及該y軸像素灰階強度圖。
  9. 如請求項1之方法,其中該材料線為一金屬線。
  10. 一種電腦程式產品,其包含電腦可讀程式藉以體現之一非暫時性電腦可讀儲存媒體,該電腦可讀程式經組態以進行如請求項1之方法。
  11. 一種減少缺陷分析中之損害的系統,其包含:一處理器,其與一電子儲存媒體及一晶圓檢驗工具電子通信,該處 理器經組態以執行以下指令:使一潛在缺陷與包括一材料線之一晶圓之該影像的一x軸像素灰階強度圖相關,其中該該影像具有一x軸及垂直於該x軸之一y軸;使該潛在缺陷與該影像之一y軸像素灰階強度圖相關;分別基於該潛在缺陷在該x軸像素灰階強度圖上之一點及該潛在缺陷在該y軸像素灰階強度圖上之一點,判定該潛在缺陷相對於該晶圓上沿該x軸及沿該y軸之該材料線的一位置,其中該判定該位置包括:內插該材料線之一位置;內插該潛在缺陷之一位置;及判定該材料線之該位置與該潛在缺陷之該位置之間的一距離;及基於該潛在缺陷之該位置將該潛在缺陷分類為一所關注缺陷或一損害事件,其中該所關注缺陷與沿該x軸及y軸兩者之該材料線相距一非零距離,且其中該損害事件處於沿該x軸及該y軸中之至少一者的該材料線上。
  12. 如請求項11之系統,其中該x軸像素灰階強度圖及該y軸像素灰階強度圖兩者包括一臨限值,其中該臨限值判定該材料線。
  13. 如請求項11之系統,其中該處理器進一步經組態以執行識別該影像中之該潛在缺陷的指令。
  14. 如請求項11之系統,其中該x軸像素灰階強度圖及該y軸像素灰階強度圖兩者與該潛在缺陷相交。
  15. 如請求項11之系統,其中該處理器進一步經組態以執行產生該x軸像素灰階強度圖及該y軸像素灰階強度圖的指令。
  16. 如請求項11之系統,其中該材料線為一金屬線。
  17. 如請求項11之系統,其中該處理器併入於該晶圓檢驗工具中。
  18. 如請求項17之系統,其中該晶圓檢驗工具產生該影像。
  19. 如請求項18之系統,其中該晶圓檢驗工具為一掃描電子顯微鏡。
TW107127369A 2017-08-09 2018-08-07 減少缺陷分析中之損害的方法及系統,以及電腦程式產品 TWI759523B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762542970P 2017-08-09 2017-08-09
US62/542,970 2017-08-09
US15/858,511 2017-12-29
US15/858,511 US10600177B2 (en) 2017-08-09 2017-12-29 Nuisance reduction using location-based attributes

Publications (2)

Publication Number Publication Date
TW201921317A TW201921317A (zh) 2019-06-01
TWI759523B true TWI759523B (zh) 2022-04-01

Family

ID=65271429

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107127369A TWI759523B (zh) 2017-08-09 2018-08-07 減少缺陷分析中之損害的方法及系統,以及電腦程式產品

Country Status (5)

Country Link
US (1) US10600177B2 (zh)
KR (1) KR102419307B1 (zh)
CN (1) CN111052178B (zh)
TW (1) TWI759523B (zh)
WO (1) WO2019032414A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020125929A1 (de) * 2020-05-06 2021-11-11 Taiwan Semiconductor Manufacturing Co., Ltd. Verfahren zur nicht destruktiven überprüfung parasitärer ätzabscheidungen auf zellen

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020171051A1 (en) * 2001-04-19 2002-11-21 Hitachi, Ltd. Image classification method, obervation method, and apparatus thereof
TW200307138A (en) * 2002-03-01 2003-12-01 Boxer Cross Inc An apparatus and method for measuring a property of a layer in a multilayered structure
TW200512467A (en) * 2003-06-06 2005-04-01 Yieldboost Tech Inc System and method for classifying defects in and identifying process problems for an electrical circuit
US20150093014A1 (en) * 2012-02-07 2015-04-02 Applied Materials Israel, Ltd. System, a method and a computer program product for cad-based registration

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4711570B2 (ja) 2001-09-14 2011-06-29 株式会社東京精密 パターン検査方法及び検査装置
US7894659B2 (en) 2007-02-28 2011-02-22 Kla-Tencor Technologies Corp. Methods for accurate identification of an edge of a care area for an array area formed on a wafer and methods for binning defects detected in an array area formed on a wafer
JP4616864B2 (ja) 2007-06-20 2011-01-19 株式会社日立ハイテクノロジーズ 外観検査方法及びその装置および画像処理評価システム
US8112241B2 (en) * 2009-03-13 2012-02-07 Kla-Tencor Corp. Methods and systems for generating an inspection process for a wafer
JP5639541B2 (ja) 2011-07-06 2014-12-10 株式会社日立ハイテクノロジーズ 光学式検査装置、検査システムおよび座標管理用ウエハ
US9916653B2 (en) * 2012-06-27 2018-03-13 Kla-Tenor Corporation Detection of defects embedded in noise for inspection in semiconductor manufacturing
US9171364B2 (en) * 2013-06-21 2015-10-27 Kla-Tencor Corp. Wafer inspection using free-form care areas
US9704234B2 (en) 2013-08-08 2017-07-11 Kla-Tencor Corp. Adaptive local threshold and color filtering
CN105389802B (zh) * 2015-10-20 2018-07-03 无锡日联科技股份有限公司 一种基于X-Ray图像的IC元器件缺陷检测方法
US10186028B2 (en) * 2015-12-09 2019-01-22 Kla-Tencor Corporation Defect signal to noise enhancement by reducing die to die process noise

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020171051A1 (en) * 2001-04-19 2002-11-21 Hitachi, Ltd. Image classification method, obervation method, and apparatus thereof
TW200307138A (en) * 2002-03-01 2003-12-01 Boxer Cross Inc An apparatus and method for measuring a property of a layer in a multilayered structure
TW200512467A (en) * 2003-06-06 2005-04-01 Yieldboost Tech Inc System and method for classifying defects in and identifying process problems for an electrical circuit
US20150093014A1 (en) * 2012-02-07 2015-04-02 Applied Materials Israel, Ltd. System, a method and a computer program product for cad-based registration

Also Published As

Publication number Publication date
US10600177B2 (en) 2020-03-24
TW201921317A (zh) 2019-06-01
KR102419307B1 (ko) 2022-07-12
CN111052178A (zh) 2020-04-21
WO2019032414A1 (en) 2019-02-14
US20190050974A1 (en) 2019-02-14
KR20200029597A (ko) 2020-03-18
CN111052178B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
US10600175B2 (en) Dynamic care areas for defect detection
US7369703B2 (en) Method and apparatus for circuit pattern inspection
US10127651B2 (en) Defect sensitivity of semiconductor wafer inspectors using design data with wafer image data
JP4943304B2 (ja) パターン検査装置および方法
US9916653B2 (en) Detection of defects embedded in noise for inspection in semiconductor manufacturing
US20190004504A1 (en) Systems and methods for predicting defects and critical dimension using deep learning in the semiconductor manufacturing process
KR102110634B1 (ko) 자유형의 주의 영역들을 사용한 웨이퍼 검사
JP2005538473A (ja) 座標点からの形状要素の計算における妨害信号の影響を最小とさせる方法
CN110582842B (zh) 依据光学检验结果进行计量导引检验样品成形
TWI759523B (zh) 減少缺陷分析中之損害的方法及系統,以及電腦程式產品
KR102483920B1 (ko) Cd-sem 주사 전자 현미경에 의한 특성화에 대한 방법
CN112292753B (zh) 用于更好的设计对准的目标选择改进
TWI785065B (zh) 基於妨害地圖之寬帶電漿檢查
JP7405959B2 (ja) パターンマッチング方法
KR20230112528A (ko) 시편의 구조적 요소들의 형상 분석에 의한 시편의 제조 프로세스의 안정화
KR20230093247A (ko) 반도체 디바이스 제조 방법 및 반도체 제조 어셈블리를 위한 공정 제어 시스템