TWI759574B - 使用電子顯微法之半導體度量衡及缺陷分類 - Google Patents

使用電子顯微法之半導體度量衡及缺陷分類 Download PDF

Info

Publication number
TWI759574B
TWI759574B TW108100139A TW108100139A TWI759574B TW I759574 B TWI759574 B TW I759574B TW 108100139 A TW108100139 A TW 108100139A TW 108100139 A TW108100139 A TW 108100139A TW I759574 B TWI759574 B TW I759574B
Authority
TW
Taiwan
Prior art keywords
electron microscope
microscope images
semiconductor
wafers
simulated
Prior art date
Application number
TW108100139A
Other languages
English (en)
Other versions
TW201937625A (zh
Inventor
史帝藍 潘戴夫
亞歷山大 庫茲尼斯夫
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 TW201937625A publication Critical patent/TW201937625A/zh
Application granted granted Critical
Publication of TWI759574B publication Critical patent/TWI759574B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

在一些實施例中，從一第一源獲得一半導體結構之各自例項之第一複數個電子顯微鏡影像。該第一複數個電子顯微鏡影像展示一或多個半導體製造參數之不同值。訓練一模型，該模型指定該第一複數個電子顯微鏡影像與該一或多個半導體製造參數之該等值之間的一關係。收集一或多個半導體晶圓上之該半導體結構之各自例項之第二複數個電子顯微鏡影像。該一或多個半導體晶圓相異於該第一源。使用該模型預測該第二複數個電子顯微鏡影像之該一或多個半導體製造參數之值。

Description

使用電子顯微法之半導體度量衡及缺陷分類
本發明係關於半導體檢測，且更特定言之係關於使用電子顯微鏡影像之半導體度量衡及/或缺陷分類。
可藉由在電子顯微鏡影像中明確地量測半導體結構之尺寸而執行半導體度量衡。例如，為量測線間距(即，節距)，對如一臨界尺寸掃描電子顯微鏡(CD-SEM)影像中展示之線邊緣求平均值且判定連續平均值之間的距離。然而，此等量測可能係有雜訊且不精確的，且難以對任意或複雜結構執行。難以使用此等量測判定非幾何參數(例如，微影焦點及劑量)，一些幾何參數(例如，疊對、膜厚度及側壁角)亦如此。此等量測亦無法利用所量測特徵外部之影像中之資訊。
因此，需要使用電子顯微鏡影像判定半導體製造參數之值之改良方法及系統。
在一些實施例中，在一電腦系統中執行監測半導體製造之一第一方法，該電腦系統包含一或多個處理器及儲存由該一或多個處理器執行之指令之記憶體。在該第一方法中，從一第一源獲得一半導體結構之各自例項之第一複數個電子顯微鏡影像。該第一複數個電子顯微鏡影像展示一或多個半導體製造參數之不同值。訓練一模型，該模型指定該第一複數個電子顯微鏡影像與該一或多個半導體製造參數之該等值之間的一關係。收集一或多個半導體晶圓上之該半導體結構之各自例項之第二複數個電子顯微鏡影像。該一或多個半導體晶圓相異於該第一源。使用該模型預測該第二複數個電子顯微鏡影像之該一或多個半導體製造參數之值。
在一些實施例中，在一電腦系統中執行監測半導體製造之一第二方法，該電腦系統包含一或多個處理器及儲存由該一或多個處理器執行之指令之記憶體。在該第二方法中，從一第一源獲得一半導體結構之各自例項之第一複數個電子顯微鏡影像。該第一複數個電子顯微鏡影像展示一或多個半導體製造參數之不同值。使該第一複數個電子顯微鏡影像與各自缺陷類別相關聯。訓練一模型，該模型指定該第一複數個電子顯微鏡影像與該等缺陷類別之間的一關係。收集一或多個半導體晶圓上之該半導體結構之各自例項之第二複數個電子顯微鏡影像。該一或多個半導體晶圓相異於該第一源。使用該模型預測該一或多個半導體晶圓上之缺陷之一或多個缺陷類別。
在一些實施例中，在一電腦系統中執行監測半導體製造之一第三方法，該電腦系統包含一或多個處理器及儲存由該一或多個處理器執行之指令之記憶體。在該第三方法中，獲得一半導體結構之各自模型化例項之模擬電子顯微鏡影像。該第一複數個電子顯微鏡影像展示一或多個半導體製造參數之不同值。收集一或多個半導體晶圓上之該半導體結構之各自例項之複數個電子顯微鏡影像。使用該等模擬電子顯微鏡影像預測該複數個電子顯微鏡影像之該一或多個半導體製造參數之值。預測該等值包含執行該複數個電子顯微鏡影像與該等模擬電子顯微鏡影像之間的一迴歸分析。
在一些實施例中，一電腦系統包含一或多個處理器及儲存由該一或多個處理器執行之一或多個程式之記憶體。該一或多個程式包含用於執行上文第一方法、第二方法及/或第三方法之指令。在一些實施例中，一非暫時性電腦可讀儲存媒體儲存經組態以由一電腦系統執行之一或多個程式。該一或多個程式包含用於執行上文第一方法、第二方法及/或第三方法之指令。
相關申請案
本申請案主張2018年1月5日申請之標題為「Method for Metrology and Defect Detection on Device Like Structures Using CD-SEM Images」之美國臨時專利申請案第62/613,946號之優先權，該案之全部內容出於所有目的以引用的方式併入本文中。
現將詳細參考各種實施例，附圖中繪示該等實施例之實例。在以下實施方式中，陳述數個特定細節以提供對各種所描述實施例之一透徹理解。然而，一般技術者將明白，可在無此等特定細節之情況下實踐各種所描述實施例。在其他例項中，並未詳細描述眾所周知的方法、程序、組件、電路及網路以免不必要地混淆該等實施例之態樣。
圖1展示根據一些實施例之監測半導體製造之一方法100之一流程圖。可在一電腦系統(例如，圖7之半導體檢測系統700之電腦系統)中執行方法100。方法100中之步驟可組合或分解。
在方法100中，從一第一源獲得(102)一半導體結構之各自例項之第一複數個電子顯微鏡影像。第一複數個電子顯微鏡影像展示一或多個半導體製造參數之不同值。例如，第一複數個電子顯微鏡影像之各者或第一複數個電子顯微鏡影像之各自群組可展示一或多個半導體製造參數之一不同值集。第一複數個電子顯微鏡影像可為掃描電子顯微鏡(SEM)影像(例如，CD-SEM影像)或透射電子顯微鏡(TEM)影像。
一或多個半導體製造參數可包含一或多個幾何參數(例如，臨界尺寸、疊對、邊緣放置誤差、側壁角等)。替代地或另外，一或多個半導體製造參數可包含一或多個非幾何參數。非幾何參數可包含與一半導體製程中之一或多個步驟相關之參數(例如，一光微影步驟、蝕刻步驟、沈積步驟等)。例如，一或多個半導體製造參數可包含一光微影步驟之焦點及/或劑量。一光微影步驟之劑量參數量化提供至半導體晶圓(例如，提供至半導體晶圓中之一特定場，其中每次照明一單一場)之照明量及因此光子數目。
半導體結構可為一半導體晶圓上之任何任意結構。例如，半導體結構可為經設計以特性化一半導體製程之效能之一測試結構或可為一半導體裝置之部分(例如，一半導體晶圓上之一晶粒)。在已執行一半導體製程之一或多個步驟之後但在半導體製程完成之前，可形成半導體結構，且獲得電子顯微鏡影像。
圖6展示根據一些實施例之使用雙重圖案化光微影(即，使用一第一光微影步驟，其後接著一第二光微影步驟)製造之具有複數根線602 (例如，金屬線)之一半導體結構之影像600-1、600-2及600-3之預示性實例。影像600-1、600-2及600-3係第一複數個電子顯微鏡影像之實例且可為真實或模擬電子顯微鏡影像。第一光微影步驟與第二光微影步驟之間的疊對針對影像600-1、600-2及600-3而變化，從而導致各影像600之不同程度之節距誤差。影像600-1未展示節距誤差，影像600-2展示一第一程度之節距誤差(例如，量測為一百分比)，且影像600-3展示大於第一程度之一第二程度之節距誤差。
在一些實施例中，第一源包含(104)一實驗設計(DOE)晶圓，其中不同場經製造為具有不同值。從DOE晶圓之各自場獲得第一複數個電子顯微鏡影像之各自影像。晶圓被稱為一DOE晶圓，此係因為其係基於一實驗設計(例如，一「實驗設計」或DOE)而製造，使得其具有不同場之不同值。各場可經製造為具有一或多個半導體製造參數之不同值，或場之各自群組可經製造使得各群組具有一或多個半導體製造參數之不同值。(亦可發生場之間及場內之參數值之非有意變化。)
在一些實施例中，第一源包含(106)複數個DOE晶圓，其中不同晶圓經製造為具有不同值。從複數個DOE晶圓之各自晶圓獲得第一複數個電子顯微鏡影像之各自影像。晶圓被稱為DOE晶圓，此係因為其等係基於一實驗設計而製造，使得不同晶圓具有不同值。各晶圓可經製造為具有一或多個半導體製造參數之不同值，或晶圓之各自群組可經製造使得各群組具有一或多個半導體製造參數之不同值。(亦可發生晶圓之間及一晶圓上之參數值之非有意變化。)
在一些實施例中，第一複數個電子顯微鏡影像包含(108)模擬電子顯微鏡影像。例如，第一複數個電子顯微鏡影像全部可為模擬電子顯微鏡影像。可使用方法400 (圖4)或500 (圖5)獲得模擬電子顯微鏡影像，如下文描述。
在一些實施例中，使用一參考度量衡工具(例如，拍攝第一複數個影像之電子顯微鏡)判定(110)第一複數個電子顯微鏡影像之一或多個半導體製造參數之值。參考度量衡工具可為用於在步驟114 (下文)中收集影像之相同工具或工具類型或可為一不同(例如，更精確但更慢)工具或工具類型。若參考度量衡工具係用於步驟114中之相同工具或工具類型，則工具設定可相同於用於步驟114中之設定或可為不同的(例如，更精確但更慢)。
訓練(112)一模型，該模型指定第一複數個電子顯微鏡影像與一或多個半導體製造參數之值之間的一關係。在一些實施例中，模型係一神經網路。在一些實施例中，使用監督式學習訓練模型。
收集(114)一或多個半導體晶圓上之半導體結構之各自例項之第二複數個電子顯微鏡影像。一或多個半導體晶圓相異於第一源。第二複數個電子顯微鏡影像可為與第一複數個電子顯微鏡影像相同類型之電子顯微鏡影像，且因此可為SEM影像(例如，CD-SEM影像)或TEM影像。雖然第一複數個電子顯微鏡影像可為實際或模擬電子顯微鏡影像，但第二複數個電子顯微鏡影像係實際影像。
使用模型預測(116)第二複數個電子顯微鏡影像之一或多個半導體製造參數之值。
在一些實施例中，至少部分基於預測值調整(118)用於製造一或多個半導體晶圓之一製程。例如，若預測指示預測值與各自目標值相差達滿足(例如，超過，或等於或超過)一臨限值之一量，則調整程序，使得未來晶圓之值將在目標值之範圍內(例如，將不滿足臨限值差異)。在一些實施例中，至少部分基於預測值處置(120)一或多個半導體晶圓。處置一各自晶圓可包含在繼續處理各自晶圓、重加工各自晶圓或棄置各自晶圓之間進行選擇。在一些實施例中，至少部分基於預測值估計(122)一或多個半導體晶圓上之半導體裝置之效能。方法100可不包含步驟118、120及122，包含其等之一或多者或全部。
圖2展示根據一些實施例之監測半導體製造之另一方法200之一流程圖。如同方法100，方法200可在一電腦系統(例如，圖7之半導體檢測系統700之電腦系統)中執行。方法200中之步驟可組合或分解。
在方法200中，執行步驟102，如上文針對方法100 (圖1)描述。在一些實施例中，步驟102包含步驟104、106或108。根據一些實施例，針對步驟108，可使用方法400 (圖4)或500 (圖5)。
使第一複數個電子顯微鏡影像與各自缺陷類別相關聯(210)。在一些實施例中，各自缺陷類別包含(211) DOE晶圓(針對包含步驟104之實施例)或複數個DOE晶圓(針對包含步驟106之實施例)上之缺陷類別。各自缺陷類別可對應於在第一複數個影像之各自影像中不可見但存在於在其上拍攝影像之各自晶圓或晶圓場上之缺陷。例如，一第一缺陷類別對應於在其上拍攝一第一影像之一第一晶圓或晶圓場上可見之一第一缺陷類型，且其他缺陷類別、晶圓或晶圓場及影像依此類推。在一些實施例中，各自缺陷類別對應於在第一複數個影像之各自影像中不可見但已知與對應於各自影像之半導體製造參數之一或多個各自值相關聯之缺陷(例如，在一指定程度內匹配各自影像中展示之值)。在一些實施例中，各自缺陷類別對應於在第一複數個影像之各自影像中可見之缺陷。
訓練(212)一模型，該模型指定第一複數個電子顯微鏡影像與缺陷類別之間的一關係。在一些實施例中，模型係一神經網路。
在一些實施例中，在獲得第一複數個電子顯微鏡影像時，未指定(例如，未知)缺陷類別之缺陷類型。為訓練模型，可使用非監督式學習判定第一複數個電子顯微鏡影像與缺陷類別之間的關係而未指定缺陷類別之缺陷類型。在已判定關係且已指定(例如，已知)缺陷類別之缺陷類型之後，用指定缺陷類別之缺陷類型之標籤標記缺陷類別。替代地，在步驟212之前(例如，在獲得第一複數個電子顯微鏡影像時)指定(例如，已知)缺陷類別之缺陷類型，且使用監督式學習訓練模型。
收集(114)一或多個半導體晶圓上之半導體結構之各自例項之第二複數個電子顯微鏡影像，如上文針對方法100 (圖1)描述。
使用模型預測(216)一或多個半導體晶圓上之缺陷之一或多個缺陷類別。因此使用模型分類一或多個半導體晶圓上之缺陷。
在一些實施例中，至少部分基於所預測之一或多個缺陷類別調整(218)用於製造一或多個半導體晶圓之一製程。在一些實施例中，至少部分基於所預測之一或多個缺陷類別處置(220)一或多個半導體晶圓。處置一各自晶圓可包含在繼續處理各自晶圓、重加工各自晶圓或棄置各自晶圓之間進行選擇。方法200可不包含步驟218及220，包含其等之一者或全部。
圖3展示根據一些實施例之監測半導體製造之又另一方法300之一流程圖。如同方法100及/或200，方法300可在一電腦系統(例如，圖7之半導體檢測系統700之電腦系統)中執行。方法300中之步驟可組合或分解。
在方法300中，獲得(302)一半導體結構之各自模型化例項之模擬電子顯微鏡影像。模擬電子顯微鏡影像展示一或多個半導體製造參數之不同值。例如，各模擬電子顯微鏡影像或模擬電子顯微鏡影像之各自群組可展示一或多個半導體製造參數之一不同值集。模擬電子顯微鏡影像可為模擬SEM影像(例如，模擬CD-SEM影像)或模擬TEM影像。在一些實施例中，可使用方法400 (圖4)或500 (圖5)獲得模擬電子顯微鏡影像。
關於方法100及200 (圖1至圖2)中之步驟102，半導體結構可為任何任意結構(例如，一測試結構或一半導體裝置之部分) (例如，圖6之複數根線602)。半導體結構可為若實際製造則將在已執行一半導體製程之一或多個步驟之後但在整個半導體製程完成之前形成之一結構。
收集(304)一或多個半導體晶圓上之半導體結構之各自例項之複數個電子顯微鏡影像。複數個電子顯微鏡影像因此包含實際(而非模擬)電子顯微鏡影像。
使用模擬電子顯微鏡影像預測(306)複數個電子顯微鏡影像之一或多個半導體製造參數之值。作出此預測包含執行複數個電子顯微鏡影像與模擬電子顯微鏡影像之間的一迴歸分析。迴歸分析可使在步驟304中收集之複數個電子顯微鏡影像與在步驟302中獲得之模擬電子顯微鏡影像之間的一信號差異最小化。不同於方法100，方法300因此不涉及步驟112及116 (圖1)之模型。
在一些實施例中，執行步驟118、120及/或122，如上文針對方法100 (圖1)描述。
圖4展示根據一些實施例之獲得模擬電子顯微鏡影像之一方法400之一流程圖。在方法400中，產生(402)半導體結構之一幾何模型。用一或多個半導體製造參數(其等可為幾何參數)參數化幾何模型。變化(404)幾何模型之一或多個半導體製造參數以產生具有一或多個半導體製造參數之不同值之幾何模型之變化(即，產生半導體結構之各自模型化例項)。使用幾何模型之各自變化(即，使用各自模型化例項)產生(406)模擬電子顯微鏡影像。例如，基於幾何模型之一相異變化產生各模擬影像。使用接收變化作為輸入之一影像模擬器(例如，圖7之影像模擬模組718)執行影像模擬。
圖5展示根據一些實施例之獲得模擬電子顯微鏡影像之另一方法500之一流程圖。在方法500中，使用用程序參數參數化之一程序模擬器產生(502)半導體結構之一基於程序之模型。變化程序模擬器之程序參數以產生具有一或多個半導體製造參數之不同值之半導體結構之各自模擬例項。例如，用不同程序參數值執行程序模擬之各自反覆以產生半導體結構之各自模擬例項。程序參數指定關於如何執行一或多個程序步驟(例如，光微影、蝕刻、沈積等)之細節且因此並非幾何參數。例如，程序參數可包含一或多個光微影步驟之焦點及/或劑量。各自程序參數可相異於步驟102 (圖1至圖2)及302 (圖3)之一或多個半導體製造參數或替代地可為相同的。使用半導體結構之各自模擬例項產生(504)模擬電子顯微鏡影像，其等作為輸入提供至一影像模擬器(例如，圖7之影像模擬模組718)。例如，基於由程序模擬器提供之半導體結構之一相異例項產生各模擬影像。
圖7係根據一些實施例之一半導體檢測系統700之一方塊圖。半導體檢測系統700包含一電子顯微鏡742及一電腦系統，該電腦系統具有一或多個處理器702 (例如，CPU)、使用者介面706、記憶體710及使此等組件互連之一或多個通信匯流排704。電腦系統可透過一或多個網路740而與電子顯微鏡742通信地耦合。電腦系統可進一步包含用於與電子顯微鏡742及/或遠端電腦系統通信之一或多個網路介面(有線及/或無線，未展示)。電子顯微鏡742可為一SEM (例如，一CD-SEM)或一TEM。
使用者介面706可包含一顯示器707及一或多個輸入裝置708 (例如，一鍵盤、滑鼠、顯示器707之觸敏表面等)。顯示器707可報告方法100、200及/或300之結果(例如，可報告一處置、一效能估計、一缺陷類別預測、一製程調整之細節等)。
記憶體710包含揮發性及/或非揮發性記憶體。記憶體710 (例如，記憶體710內之非揮發性記憶體)包含一非暫時性電腦可讀儲存媒體。記憶體710視情況包含遠離於處理器702定位之一或多個儲存裝置及/或可移除地插入至伺服器系統700中之一非暫時性電腦可讀儲存媒體。在一些實施例中，記憶體710 (例如，記憶體710之非暫時性電腦可讀儲存媒體)儲存以下模組及資料或其等之一子集或超集：一作業系統712，其包含用於處理各種基本系統服務及用於執行硬體相依任務之程序；一結構模型化模組714，其用於產生半導體結構之幾何模型(例如，如用於圖4之方法400)；一程序模擬模組716 (例如，用於圖5之方法500)；一影像模擬模組718，其用於產生模擬電子顯微鏡影像(例如，根據圖1至圖2之步驟108、圖4之步驟406及/或圖5之步驟504)；一模型訓練模組720 (例如，用於圖1至圖2之步驟112及/或212)；一值預測模組722 (例如，用於圖1之步驟116及/或圖3之步驟306)；一缺陷分類模組724 (例如，用於圖2之步驟216)；一程序調整模組726 (例如，用於圖1至圖3之步驟118及/或218)；一晶圓處置模組728 (例如，用於圖1至圖3之步驟120及/或220)；一效能估計模組730 (例如，用於圖1及圖3之步驟122)；及電子顯微鏡影像732 (真實及/或模擬)。
記憶體710 (例如，記憶體710之非暫時性電腦可讀儲存媒體)因此包含用於執行方法100 (圖1)、200 (圖2)及/或300 (圖3)之指令。因而，記憶體710可包含用於執行方法400 (圖4)及/或500 (圖5)之指令。儲存於記憶體710中之模組之各者對應於用於執行本文中描述之一或多個功能之一指令集。單獨模組無需被實施為單獨軟體程式。模組及模組之各種子集可組合或以其他方式重新配置。在一些實施例中，記憶體710儲存上文識別之模組及/或資料結構之一子集或超集。
圖7更旨在作為可存在於一半導體檢測系統中之各種特徵之一功能描述而非作為一結構示意圖。例如，可在多個裝置之間分割半導體檢測系統700中之電腦系統之功能性。儲存於記憶體710中之模組之一部分可替代地儲存於透過一或多個網路而與半導體檢測系統700之電腦系統通信地耦合之一或多個其他電腦系統中。
出於說明之目的，已參考特定實施例描述前述描述。然而，上文闡釋性論述不旨在為窮盡性的或將發明申請專利範圍之範疇限於所揭示之精確形式。鑑於上文教示，許多修改及變化係可行的。實施例經選擇以最佳地說明發明申請專利範圍之基本原理及其等之實際應用，以藉此使熟習此項技術者能夠最佳地使用具有適合於特定預期用途之各種修改之實施例。
100‧‧‧方法 102‧‧‧步驟 104‧‧‧步驟 106‧‧‧步驟 108‧‧‧步驟 110‧‧‧步驟 112‧‧‧步驟 114‧‧‧步驟 116‧‧‧步驟 118‧‧‧步驟 120‧‧‧步驟 122‧‧‧步驟 200‧‧‧方法 210‧‧‧步驟 211‧‧‧步驟 212‧‧‧步驟 216‧‧‧步驟 218‧‧‧步驟 220‧‧‧步驟 300‧‧‧方法 302‧‧‧步驟 304‧‧‧步驟 306‧‧‧步驟 400‧‧‧方法 402‧‧‧步驟 404‧‧‧步驟 406‧‧‧步驟 500‧‧‧方法 502‧‧‧步驟 504‧‧‧步驟 506‧‧‧步驟 600-1‧‧‧影像 600-2‧‧‧影像 600-3‧‧‧影像 602‧‧‧線 700‧‧‧半導體檢測系統 702‧‧‧處理器 704‧‧‧通信匯流排 706‧‧‧使用者介面 707‧‧‧顯示器 708‧‧‧輸入裝置 710‧‧‧記憶體 712‧‧‧作業系統 714‧‧‧結構模型化模組 716‧‧‧程序模擬模組 718‧‧‧影像模擬模組 720‧‧‧模型訓練模組 722‧‧‧值預測模組 724‧‧‧缺陷分類模組 726‧‧‧程序調整模組 728‧‧‧晶圓處置模組 730‧‧‧效能估計模組 732‧‧‧電子顯微鏡影像 740‧‧‧網路 742‧‧‧電子顯微鏡
為更好地理解各種所描述實施方案，應結合以下圖式參考下文實施方式。
圖1至圖3展示根據一些實施例之監測半導體製造之各自方法之流程圖。
圖4及圖5展示根據一些實施例之獲得模擬電子顯微鏡影像之各自方法之流程圖。
圖6展示具有變化疊對值及因此變化程度之節距誤差之複數個電子顯微鏡影像。
圖7係根據一些實施例之一半導體檢測系統之一方塊圖。
相同元件符號係指貫穿圖式及說明書之對應零件。
100‧‧‧方法
102‧‧‧步驟
104‧‧‧步驟
106‧‧‧步驟
108‧‧‧步驟
110‧‧‧步驟
112‧‧‧步驟
114‧‧‧步驟
116‧‧‧步驟
118‧‧‧步驟
120‧‧‧步驟
122‧‧‧步驟

Claims (22)

  1. 一種監測半導體製造之方法，其包括，在包括一或多個處理器及儲存由該一或多個處理器執行之指令之記憶體之一電腦系統中： 從一第一源獲得一半導體結構之各自例項之第一複數個電子顯微鏡影像，其中該第一複數個電子顯微鏡影像展示一或多個半導體製造參數之不同值； 訓練一模型，該模型指定該第一複數個電子顯微鏡影像與該一或多個半導體製造參數之該等值之間的一關係； 收集一或多個半導體晶圓上之該半導體結構之各自例項之第二複數個電子顯微鏡影像，其中該一或多個半導體晶圓相異於該第一源；及 使用該模型預測該第二複數個電子顯微鏡影像之該一或多個半導體製造參數之值。
  2. 如請求項1之方法，其中該一或多個半導體製造參數包含疊對、臨界尺寸(CD)、側壁角或邊緣放置誤差之至少一者。
  3. 如請求項1之方法，其中該一或多個半導體製造參數包含一光微影程序步驟之焦點或劑量之至少一者。
  4. 如請求項1之方法，其中該第一複數個電子顯微鏡影像及該第二複數個電子顯微鏡影像係臨界尺寸SEM (CD-SEM)影像。
  5. 如請求項1之方法，其中： 使用一製程製造該一或多個半導體晶圓；且 該方法進一步包括至少部分基於該等預測值調整該製程。
  6. 如請求項1之方法，其中： 該方法進一步包括至少部分基於該等預測值處置該一或多個半導體晶圓；且 處置該一或多個半導體晶圓包括在繼續處理該一或多個半導體晶圓之一各自晶圓、重加工該各自晶圓或棄置該各自晶圓之間進行選擇。
  7. 如請求項1之方法，其中該方法進一步包括至少部分基於該等預測值估計該一或多個半導體晶圓上之半導體裝置之效能。
  8. 如請求項1之方法，其中： 該第一源包括一實驗設計(DOE)晶圓，其中不同場經製造為具有該等不同值； 從該DOE晶圓之各自場獲得該第一複數個電子顯微鏡影像之各自影像；且 該方法進一步包括在該獲得之後且在該訓練之前，使用一參考度量衡工具判定該第一複數個電子顯微鏡影像之該一或多個半導體製造參數之該等值。
  9. 如請求項1之方法，其中： 該第一源包括複數個DOE晶圓，其中不同晶圓經製造為具有該等不同值； 從該複數個DOE晶圓之各自晶圓獲得該第一複數個電子顯微鏡影像之各自影像；且 該方法進一步包括在該獲得之後且在該訓練之前，使用一參考度量衡工具判定該第一複數個電子顯微鏡影像之該一或多個半導體製造參數之該等值。
  10. 如請求項1之方法，其中： 該第一複數個電子顯微鏡影像包括模擬電子顯微鏡影像；且 從該第一源獲得該第一複數個電子顯微鏡影像包括： 產生該半導體結構之一幾何模型，其中用該一或多個半導體製造參數參數化該幾何模型； 變化該幾何模型之該一或多個半導體製造參數以產生具有一或多個半導體製造參數之該等不同值之該幾何模型之變化；及 使用該幾何模型之各自變化產生該等模擬電子顯微鏡影像。
  11. 如請求項1之方法，其中： 該第一複數個電子顯微鏡影像包括模擬電子顯微鏡影像； 從該第一源獲得該第一複數個電子顯微鏡影像包括： 使用用程序參數參數化之一程序模擬器產生該半導體結構之一基於程序之模型，包括變化該程序模擬器之該等程序參數以產生具有一或多個半導體製造參數之該等不同值之該半導體結構之各自模擬例項；及 使用該半導體結構之該等各自模擬例項產生該等模擬電子顯微鏡影像；且 該方法進一步包括在該訓練之前，判定該等模擬電子顯微鏡影像之該一或多個半導體製造參數之該等值。
  12. 一種監測半導體製造之方法，其包括，在包括一或多個處理器及儲存由該一或多個處理器執行之指令之記憶體之一電腦系統中： 從一第一源獲得一半導體結構之各自例項之第一複數個電子顯微鏡影像，其中該第一複數個電子顯微鏡影像展示一或多個半導體製造參數之不同值； 使該第一複數個電子顯微鏡影像與各自缺陷類別相關聯； 訓練一模型，該模型指定該第一複數個電子顯微鏡影像與該等缺陷類別之間的一關係； 收集一或多個半導體晶圓上之該半導體結構之各自例項之第二複數個電子顯微鏡影像，其中該一或多個半導體晶圓相異於該第一源；及 使用該模型預測該一或多個半導體晶圓上之缺陷之一或多個缺陷類別。
  13. 如請求項12之方法，其進一步包括至少部分基於該所預測之一或多個缺陷類別執行選自由以下步驟組成之群組之一措施： 調整用於製造該一或多個半導體晶圓之一製程；及 處置該一或多個半導體晶圓，包括在繼續處理該一或多個半導體晶圓之一各自晶圓、重加工該各自晶圓或棄置該各自晶圓之間進行選擇。
  14. 如請求項12之方法，其中： 該第一源包括一實驗設計(DOE)晶圓，其中不同場經製造為具有該等不同值； 從該DOE晶圓之各自場獲得該第一複數個電子顯微鏡影像之各自影像；且 該等各自缺陷類別包括該DOE晶圓上之缺陷類別。
  15. 如請求項12之方法，其中： 該第一源包括複數個DOE晶圓，其中不同晶圓經製造為具有該等不同值； 從該複數個DOE晶圓之各自晶圓獲得該第一複數個電子顯微鏡影像之各自影像；且 該等各自缺陷類別包括該複數個DOE晶圓上之缺陷類別。
  16. 如請求項12之方法，其中訓練該模型包括： 使用非監督式學習判定該第一複數個電子顯微鏡影像與該等缺陷類別之間的該關係而未指定該等缺陷類別之缺陷類型；及 在使用非監督式學習判定該關係之後，用指定該等缺陷類別之該等缺陷類型之標籤標記該等缺陷類別。
  17. 如請求項12之方法，其中： 該第一複數個電子顯微鏡影像包括模擬電子顯微鏡影像；且 從該第一源獲得該第一複數個電子顯微鏡影像包括： 產生該半導體結構之一幾何模型，其中用該一或多個半導體製造參數參數化該幾何模型； 變化該幾何模型之該一或多個半導體製造參數以產生具有一或多個半導體製造參數之該等不同值之該幾何模型之變化；及 使用該幾何模型之各自變化產生該等模擬電子顯微鏡影像。
  18. 如請求項12之方法，其中： 該第一複數個電子顯微鏡影像包括模擬電子顯微鏡影像；且 從該第一源獲得該第一複數個電子顯微鏡影像包括： 使用用程序參數參數化之一程序模擬器產生該半導體結構之一基於程序之模型，包括變化該程序模擬器之該等程序參數以產生具有一或多個半導體製造參數之該等不同值之該半導體結構之各自模擬例項；及 基於該半導體結構之該等各自模擬例項產生該等模擬電子顯微鏡影像。
  19. 一種監測半導體製造之方法，其包括，在包括一或多個處理器及儲存由該一或多個處理器執行之指令之記憶體之一電腦系統中： 獲得一半導體結構之各自模型化例項之模擬電子顯微鏡影像，其中該等模擬電子顯微鏡影像展示一或多個半導體製造參數之不同值； 收集一或多個半導體晶圓上之該半導體結構之各自例項之複數個電子顯微鏡影像；及 使用該等模擬電子顯微鏡影像預測該複數個電子顯微鏡影像之該一或多個半導體製造參數之值，包括執行該複數個電子顯微鏡影像與該等模擬電子顯微鏡影像之間的一迴歸分析。
  20. 如請求項19之方法，其中獲得該等模擬電子顯微鏡影像包括： 產生該半導體結構之一幾何模型，其中用該一或多個半導體製造參數參數化該幾何模型； 變化該幾何模型之該一或多個半導體製造參數以產生該半導體結構之該等各自模型化例項；及 使用該半導體結構之該等各自模型化例項產生該等模擬電子顯微鏡影像。
  21. 如請求項19之方法，其中： 獲得該等模擬電子顯微鏡影像包括： 使用用程序參數參數化之一程序模擬器產生該半導體結構之一基於程序之模型，包括變化該程序模擬器之該等程序參數以產生該半導體結構之該等各自模型化例項；及 使用該半導體結構之該等各自模擬例項產生該等模擬電子顯微鏡影像；且 該方法進一步包括在該訓練之前，判定該等模擬電子顯微鏡影像之該一或多個半導體製造參數之該等值。
  22. 如請求項19之方法，其進一步包括至少部分基於該等預測值執行選自由以下步驟組成之群組之一措施： 調整用於製造該一或多個半導體晶圓之一製程； 處置該一或多個半導體晶圓，包括在繼續處理該一或多個半導體晶圓之一各自晶圓、重加工該各自晶圓或棄置該各自晶圓之間進行選擇；及 估計該一或多個半導體晶圓上之半導體裝置之效能。
TW108100139A 2018-01-05 2019-01-03 使用電子顯微法之半導體度量衡及缺陷分類 TWI759574B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862613946P 2018-01-05 2018-01-05
US62/613,946 2018-01-05
US16/198,658 2018-11-21
US16/198,658 US10580673B2 (en) 2018-01-05 2018-11-21 Semiconductor metrology and defect classification using electron microscopy

Publications (2)

Publication Number Publication Date
TW201937625A TW201937625A (zh) 2019-09-16
TWI759574B true TWI759574B (zh) 2022-04-01

Family

ID=67144483

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108100139A TWI759574B (zh) 2018-01-05 2019-01-03 使用電子顯微法之半導體度量衡及缺陷分類

Country Status (8)

Country Link
US (1) US10580673B2 (zh)
JP (1) JP7097447B2 (zh)
KR (1) KR102445989B1 (zh)
CN (1) CN111566789B (zh)
DE (1) DE112018006771T5 (zh)
IL (1) IL275718B2 (zh)
TW (1) TWI759574B (zh)
WO (1) WO2019136015A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3796230B1 (en) * 2019-09-17 2022-03-09 Imec VZW A method for determining process limits of a semiconductor process
US11761969B2 (en) * 2020-01-21 2023-09-19 Kla Corporation System and method for analyzing a sample with a dynamic recipe based on iterative experimentation and feedback
US20220114438A1 (en) * 2020-10-09 2022-04-14 Kla Corporation Dynamic Control Of Machine Learning Based Measurement Recipe Optimization
US11868119B2 (en) * 2021-09-24 2024-01-09 Tokyo Electron Limited Method and process using fingerprint based semiconductor manufacturing process fault detection
US20240175824A1 (en) * 2022-11-30 2024-05-30 Applied Materials, Inc. Substrate defect analysis
CN118588219B (zh) * 2024-08-07 2024-10-18 烟台国工智能科技有限公司 一种基于电镜图像识别的高分子材料性能分析方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007218711A (ja) * 2006-02-16 2007-08-30 Hitachi High-Technologies Corp 電子顕微鏡装置を用いた計測対象パターンの計測方法
US20120126117A1 (en) * 2007-01-19 2012-05-24 Kenji Nakahira Scanning electron microscope and method for processing an image obtained by the scanning electron microscope
US20140316730A1 (en) * 2013-04-19 2014-10-23 Kla-Tencor Corporation On-device metrology
US20170193680A1 (en) * 2016-01-04 2017-07-06 Kla-Tencor Corporation Generating high resolution images from low resolution images for semiconductor applications
US20170200265A1 (en) * 2016-01-11 2017-07-13 Kla-Tencor Corporation Generating simulated output for a specimen

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5608526A (en) 1995-01-19 1997-03-04 Tencor Instruments Focused beam spectroscopic ellipsometry method and system
US5859424A (en) 1997-04-08 1999-01-12 Kla-Tencor Corporation Apodizing filter system useful for reducing spot size in optical measurements and other applications
US6429943B1 (en) 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
US7330279B2 (en) * 2002-07-25 2008-02-12 Timbre Technologies, Inc. Model and parameter selection for optical metrology
DE10329107B4 (de) * 2002-12-23 2015-05-28 Mattson Thermal Products Gmbh Verfahren zum Bestimmung wenigstens einer Zustandsvariablen aus einem Modell eines RTP-Systems
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
US7567351B2 (en) 2006-02-02 2009-07-28 Kla-Tencor Corporation High resolution monitoring of CD variations
US7873585B2 (en) * 2007-08-31 2011-01-18 Kla-Tencor Technologies Corporation Apparatus and methods for predicting a semiconductor parameter across an area of a wafer
US20130110477A1 (en) 2011-10-31 2013-05-02 Stilian Pandev Process variation-based model optimization for metrology
WO2014062972A1 (en) 2012-10-18 2014-04-24 Kla-Tencor Corporation Symmetric target design in scatterometry overlay metrology
US10769320B2 (en) 2012-12-18 2020-09-08 Kla-Tencor Corporation Integrated use of model-based metrology and a process model
US9291554B2 (en) 2013-02-05 2016-03-22 Kla-Tencor Corporation Method of electromagnetic modeling of finite structures and finite illumination for metrology and inspection
US10101670B2 (en) 2013-03-27 2018-10-16 Kla-Tencor Corporation Statistical model-based metrology
US9915522B1 (en) 2013-06-03 2018-03-13 Kla-Tencor Corporation Optimized spatial modeling for optical CD metrology
US10935893B2 (en) 2013-08-11 2021-03-02 Kla-Tencor Corporation Differential methods and apparatus for metrology of semiconductor targets
US9518916B1 (en) 2013-10-18 2016-12-13 Kla-Tencor Corporation Compressive sensing for metrology
US10152654B2 (en) * 2014-02-20 2018-12-11 Kla-Tencor Corporation Signal response metrology for image based overlay measurements
US10151986B2 (en) 2014-07-07 2018-12-11 Kla-Tencor Corporation Signal response metrology based on measurements of proxy structures
US10210606B2 (en) 2014-10-14 2019-02-19 Kla-Tencor Corporation Signal response metrology for image based and scatterometry overlay measurements
US9710728B2 (en) 2014-10-28 2017-07-18 Kla-Tencor Corporation Image based signal response metrology
US10030965B2 (en) 2015-05-08 2018-07-24 Kla-Tencor Corporation Model-based hot spot monitoring
EP3290911A1 (en) * 2016-09-02 2018-03-07 ASML Netherlands B.V. Method and system to monitor a process apparatus
EP3321737A1 (en) * 2016-11-10 2018-05-16 ASML Netherlands B.V. Method for determining an optimized set of measurement locations for measurement of a parameter of a lithographic process, metrology system
EP3336608A1 (en) * 2016-12-16 2018-06-20 ASML Netherlands B.V. Method and apparatus for image analysis

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007218711A (ja) * 2006-02-16 2007-08-30 Hitachi High-Technologies Corp 電子顕微鏡装置を用いた計測対象パターンの計測方法
US20120126117A1 (en) * 2007-01-19 2012-05-24 Kenji Nakahira Scanning electron microscope and method for processing an image obtained by the scanning electron microscope
US20140316730A1 (en) * 2013-04-19 2014-10-23 Kla-Tencor Corporation On-device metrology
US20170193680A1 (en) * 2016-01-04 2017-07-06 Kla-Tencor Corporation Generating high resolution images from low resolution images for semiconductor applications
US20170200265A1 (en) * 2016-01-11 2017-07-13 Kla-Tencor Corporation Generating simulated output for a specimen

Also Published As

Publication number Publication date
TW201937625A (zh) 2019-09-16
CN111566789B (zh) 2021-12-03
IL275718B2 (en) 2023-04-01
IL275718A (en) 2020-08-31
IL275718B (en) 2022-12-01
CN111566789A (zh) 2020-08-21
US10580673B2 (en) 2020-03-03
JP7097447B2 (ja) 2022-07-07
WO2019136015A1 (en) 2019-07-11
US20190214285A1 (en) 2019-07-11
JP2021509772A (ja) 2021-04-01
KR20200096992A (ko) 2020-08-14
KR102445989B1 (ko) 2022-09-21
DE112018006771T5 (de) 2020-09-17

Similar Documents

Publication Publication Date Title
TWI759574B (zh) 使用電子顯微法之半導體度量衡及缺陷分類
TWI769371B (zh) 用於半導體裝置之檢測方法及系統，以及其非暫時性電腦可讀媒體
JP7216822B2 (ja) 画素レベル画像定量のための深層学習式欠陥検出及び分類方式の使用
TWI751376B (zh) 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷
TWI708301B (zh) 透過異常值偵測之特徵選擇及自動化製程窗監控
TWI784018B (zh) 用於使用半導體製造程序中之深度學習預測缺陷及臨界尺寸之系統及方法
TWI720227B (zh) 用於工具狀況監視及匹配之系統及方法
TWI451336B (zh) 預測模型之建模樣本的篩選方法及其電腦程式產品
KR102637430B1 (ko) 계측을 위한 신호-도메인 적응
JP6096455B2 (ja) 製造ツールのレシピを生成する方法及びそのシステム
JP6893549B2 (ja) 高次元変数選択モデルを使用した重要なパラメータの決定システム
CN105074896A (zh) 图案测定装置以及半导体测量系统
JP5745573B2 (ja) 製造ツールのレシピを生成する方法及びそのシステム
TW202227838A (zh) 半導體試樣的電屬性的預測
TW202240637A (zh) 基於半導體製程之晶圓層級分析及根本原因分析之資料驅動預測與失效模式識別
TWI750368B (zh) 光學檢驗結果之計量導引檢驗樣品成形
WO2019006222A1 (en) SYSTEMS AND METHODS FOR PREDICTING DEFECTS AND CRITICAL DIMENSION USING DEEP LEARNING IN A SEMICONDUCTOR MANUFACTURING PROCESS
KR20240130651A (ko) 기계 학습 기반 수율 예측