TWI775856B - 檢查半導體晶圓的方法及系統 - Google Patents
檢查半導體晶圓的方法及系統 Download PDFInfo
- Publication number
- TWI775856B TWI775856B TW107117467A TW107117467A TWI775856B TW I775856 B TWI775856 B TW I775856B TW 107117467 A TW107117467 A TW 107117467A TW 107117467 A TW107117467 A TW 107117467A TW I775856 B TWI775856 B TW I775856B
- Authority
- TW
- Taiwan
- Prior art keywords
- dies
- image
- images
- imaging
- wafer
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000004065 semiconductor Substances 0.000 title claims description 13
- 235000012431 wafers Nutrition 0.000 claims abstract description 76
- 238000012360 testing method Methods 0.000 claims abstract description 43
- 238000007689 inspection Methods 0.000 claims abstract description 25
- 230000003287 optical effect Effects 0.000 claims abstract description 9
- 238000003384 imaging method Methods 0.000 claims description 62
- 239000011159 matrix material Substances 0.000 claims description 42
- 210000001747 pupil Anatomy 0.000 claims description 36
- 230000007547 defect Effects 0.000 claims description 35
- 238000005286 illumination Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 238000000206 photolithography Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 6
- 238000010894 electron beam technology Methods 0.000 claims description 6
- 238000010884 ion-beam technique Methods 0.000 claims description 6
- 230000010287 polarization Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 abstract description 5
- 238000003860 storage Methods 0.000 description 20
- 238000001514 detection method Methods 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- RPNUMPOLZDHAAY-UHFFFAOYSA-N Diethylenetriamine Chemical compound NCCNCCN RPNUMPOLZDHAAY-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
-
- 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
-
- 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—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
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10148—Varying focus
-
- 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
- G06T2207/30—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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
系統及方法增加晶圓之光學檢查之信雜比以獲得更高檢查靈敏度。計算參考影像可最小化該測試影像及該計算參考影像之差異之一範數。判定該測試影像與一計算參考影像之間之一差異影像。該計算參考影像包含一第二組影像之一線性組合。
Description
本發明係關於半導體晶圓檢查。
製造非常大規模積體電路之經濟情況導致積體電路之臨界尺寸之漸進減少。隨著裝置尺寸減少,可容忍缺陷之大小亦減少,此繼而需要具有更高靈敏度之缺陷檢查設備。
製造半導體裝置(諸如邏輯及記憶體裝置)通常包含使用大量製程來處理一半導體晶圓以形成半導體裝置之各種特徵及多個層級。例如,光微影係涉及將一圖案自一光罩轉印至配置於一半導體晶圓上之一光阻劑之一半導體製程。半導體製程之額外實例包含但不限於化學機械拋光(CMP)、蝕刻、沈積及離子植入。在任何此等製程期間可形成缺陷。因此,在超過一個製程步驟之後,檢查晶圓是否有缺陷。可在一單一半導體晶圓上之一配置中製造多個半導體裝置,且接著將該多個半導體裝置分離成個別半導體裝置或晶粒。
差異影像已經用於缺陷偵測。此通常涉及獲得在一相鄰晶粒處之一參考影像或在多個晶粒處獲得之影像之一中值。已藉由自一目標晶粒之影像減去參考影像而獲得差異影像。然而,一些影像差異通常被不正確地標記為潛在缺陷。工具或晶圓製程條件可逐晶粒變化,此可對差異
影像提供一不期望的貢獻並減少信雜比。此等效應兩者可影響檢查之靈敏度。
即使無缺陷存在,晶粒之影像亦可彼此不同。臨界尺寸(CD)、圖案化特徵之邊緣輪廓或層厚度可跨一晶圓變化。即使當變化在公差內時,此等變化亦可促成一差異影像。
除了不同晶粒上之不同晶圓製程條件之外,一工具自動對焦系統可具有一誤差邊際。焦點變化可導致晶粒之影像不同。此等變化可需要調適以防止誤報。
因此,需要對偵測缺陷之一新系統及方法。
在一第一實施例中,提供一種方法。在一處理器處接收在一晶圓上之一待測試晶粒之一測試影像及一第二組晶粒之影像。使用該處理器來判定該測試影像與一計算參考影像之間之一差異影像。該計算參考影像係自該第二組晶粒之該等影像導出,使得最小化該差異影像之一範數。使用該處理器來偵測該差異影像上之缺陷。
該計算參考影像可為該第二組晶粒之該等影像之一線性組合。該計算參考影像亦可為項之一線性組合,其中各項係具有該第二組晶粒中之該等晶粒之一者之一影像之一可調整濾波之一卷積。
可最小化該差異影像之像素之一平方和。
可在不同成像條件下獲得該第二組晶粒之該等影像。該等不同成像條件可包含用於焦點、照明光瞳形狀、照明偏振、照明波長光譜、成像數值孔徑、成像光瞳形狀、成像光瞳分析器、成像光瞳瓊斯矩陣(jones matrix)、成像光瞳切趾或成像光瞳波前之至少一者之不同參數。
該等不同成像條件亦可包含用於該第二組晶粒之該等影像之各者之該等焦點之不同參數。
該第二組晶粒可在除了具有該待測試晶粒之該晶圓之外之一或多個晶圓上。在一例項中,該第二組晶粒在不同晶圓上且一層之一厚度係逐晶圓地改變。在另一例項中,使用不同光微影曝光劑量來印刷該第二組晶粒。在又另一例項中,使用不同光微影焦點設定來印刷該第二組晶粒。
該第二組晶粒之至少一者可在一晶圓之一邊緣處。
可自一光學顯微鏡、一雷射掃描系統、一近場顯微鏡、一電子束顯微鏡、一離子束顯微鏡、一x射線顯微鏡、一原子力顯微鏡或一重疊關聯成像系統之一者獲得該測試影像之各者及該第二組晶粒之該等影像。
在一例項中,該方法進一步包含形成一資料矩陣,使得該資料矩陣之各列係一晶粒之一對準影像並將該資料矩陣分解成兩個部分。該兩個部分之一第一矩陣係低階的,且該等兩個部分之一第二矩陣具有至少一個非零實體。該第二矩陣包含隔離點缺陷,且該第一矩陣包含該晶圓之一圖案及製程變化。
可使用該處理器自該第二組晶粒之該等影像判定該計算參考影像。
在一第二實施例中,提供一種系統。該系統包含與一電子資料儲存單元及一晶圓檢查工具電通信之一處理器。該處理器經組態以執行判定該測試影像與一計算參考影像之間之一差異影像之指令,且接著使用該差異影像來偵測缺陷。該計算參考影像係自一第二組晶粒之影像導
出,使得最小化該差異影像之一範數。
該晶圓檢查工具可為一光學顯微鏡、一雷射掃描系統、一近場顯微鏡、一電子束顯微鏡、一離子束顯微鏡、一x射線顯微鏡、一原子力顯微鏡或一重疊關聯成像系統之一者。該處理器可為該晶圓檢查工具之部分。
可最小化該差異影像之像素之一平方和。
可在不同成像條件下獲得該第二組晶粒之該等影像之各者。該等不同成像條件可包含用於照明光瞳形狀、照明偏振、照明波長光譜、焦點、成像數值孔徑、成像光瞳形狀、成像光瞳分析器、成像光瞳瓊斯矩陣、成像光瞳切趾或成像光瞳波前之至少一者之不同參數。該等不同成像條件可包含用於該第二組晶粒之該等影像之各者之該等焦點之不同參數。
該處理器可經進一步組態以自該第二組晶粒之該等影像判定該計算參考影像。
100:方法
200:系統
201:處理器
202:電子儲存單元
203:晶圓檢查工具
300:參考影像
301:計算參考影像
302:測試影像
303:差異影像
304:缺陷
305:良性變化
為更全面理解本發明之性質及目的,應結合隨附圖式參考以下詳細描述,其中:圖1係根據本發明之一方法之一實施例之一流程圖;圖2係根據本發明之一系統之一實施例之一方塊圖;及圖3係使用圖1之方法展示例示性影像之一流程圖。
本申請案主張於2017年5月23日申請且讓渡之美國申請案
第62/510,259號之臨時專利申請案之優先權,該案之揭示內容特此以引用的方式併入。
儘管將根據特定實施例描述所主張之標的,然其他實施例(包含未提供本文中闡述之全部優點及特徵之實施例)亦在本發明之範疇內。在不脫離本發明之範疇之情況下,可進行各種結構、邏輯、製程步驟及電子改變。因此,本發明之範疇僅參考隨附申請專利範圍定義。
本發明之實施例可增加晶圓之光學檢查之信雜比。可獲得更高檢查靈敏度。計算參考影像可最小化一測試影像及一計算參考影像之差異之一範數。此可幫助在檢查期間發現缺陷並忽略良性變化。
在本文中揭示之實施例中,自多個參考晶粒處獲得之影像判定一參考影像。假定缺陷在測試晶粒上,且參考晶粒係無缺陷的。在多個參考晶粒處獲得之影像顯露影像如何可以一良性方式逐晶粒改變。此等良性變化可包含但不限於圖案、層厚度、不同區域處之工具焦點、CD、圖案化特徵之邊緣輪廓或跨一晶圓或跨多個晶圓之層厚度。當在本文中揭示之實施例中之測試影像與計算參考影像之間形成差異影像時,可折減參考晶粒之間觀察之差異。測試影像及參考影像可各自自一檢查工具獲得。在一實施例中,成像工具係具有一寬帶電漿(BBP)光源之一光學成像工具。成像工具可經組態於一明場或暗場組態中。在另一實施例中,測試及參考影像係由一雷射掃描系統獲得。在其他實施例中,檢查工具可為一電子束顯微鏡、一離子束顯微鏡、一x射線顯微鏡或一重疊關聯成像系統、一掃描近場顯微鏡或一原子力顯微鏡。
圖1係一方法100之一流程圖。在101處,在一處理器處接收一待測試晶粒之一測試影像。亦可接收一第二組晶粒之影像。
使用處理器,在102處判定測試影像與一計算參考影像之間之一差異影像。計算參考影像係自第二組晶粒之影像導出,使得最小化差異影像之一範數。計算參考影像可包含第二組晶粒之一線性組合。例如,可判定線性組合中之權重,使得最小化差異影像之範數。計算參考影像亦可為項之一線性組合。各項可為具有第二組晶粒中之晶粒之一者之一影像之一可調整濾波之一卷積。
用以下等式繪示圖1之方法。
在此等等式中,(x,y)係一影像中之一像素之一位置(整數值),Idie(x,y)係一特定晶粒之影像之像素(x,y)處之強度,cdie係乘以影像Idie(x,y)之一純量實值係數,Iref係一參考影像(例如,另一晶粒之一影像),且Iref(x,y)係像素(x,y)處之影像之強度。下標「die」係識別晶圓上之一晶粒之整數值標示。標示「test」係待測試晶粒之標示。
在一實施例中,可使用以下等式使各未知係數形成一小未知濾波(例如,7x7)。此實施例可折減小對準誤差及晶粒影像之間之模糊差異。
在一實施例中,範數係差異影像,且最小化算法係一線性最小平方算法。
在一實施例中,最小化差異影像中之像素之一平方和。
可為各測試影像計算一分離參考影像。差異影像可為測試影像減去計算參考影像。差異影像及計算參考影像用於在103處偵測缺陷,且可分類缺陷。
圖3係使用圖1之方法展示例示性影像之一流程圖。一第二組晶粒之三個參考影像300與一線性組合結合以形成計算參考影像301。儘管繪示三個參考影像300,但可使用更多或更少參考影像300。
影像相減用於形成來自計算參考影像301及測試影像302之差異影像303。可判定線性組合中之權重,使得最小化差異影像303之一範數。差異影像303及測試影像302包含一缺陷304。測試影像302亦包含良性變化305。若第二組晶粒之參考影像300之一者與測試影像302一起使用,以使用影像相減來形成差異影像303,則接著一些良性變化305可已呈現於差異影像303中。此等良性變化305可已經不正確地分類為一缺陷。若使用計算參考影像301,則在差異影像303中更可能忽略良性變化305。
在一些應用中,可自不同晶圓獲得測試及參考影像。例如,為判定一光微影光罩(遮罩)是否已經劣化,將一新印刷測試晶圓與一先前印刷參考晶圓相比。若光微影投影儀或檢查工具之成像條件在測試與參考晶圓之間改變,則測試及參考晶圓之比較可能受損。焦點設定係可改
變之成像條件之一者,因為自動對焦系統具有一有限公差。此等改變可產生可干擾偵測缺陷之測試與參考影像之間之良性(擾亂)差異。
為解決此問題,在圖1之方法中,可在檢查系統之不同成像條件下獲得第二組晶粒之影像之各者。例如,可在多個焦點設定處獲得第二組晶粒之影像,以折減差異影像中之焦點波動之效應。除了焦點之外,成像條件包含照明強度、照明光瞳形狀、照明偏振、照明波長光譜、成像數值孔徑、成像光瞳形狀、成像光瞳分析器、成像光瞳瓊斯矩陣、成像光瞳切趾或成像光瞳波前。若此等成像條件之任一者經受漂移,則可在參考晶粒之間刻意調變該等成像條件。在一例項中,針對第二組晶粒之影像之各者焦點係不同的。
第二組晶粒可各自來自與具有測試影像中之晶粒之晶圓或具有測試影像中之晶粒之晶圓之一不同部分不同之一晶圓。例如,在第二組晶粒之影像之各者中經成像的一層之一厚度,經成像的一層之一光微影曝光劑量及經成像的一層之一光微影焦點可為不同的。
在一第一實例中,多個晶圓可經製造成不同層厚度。例如,可在一第一晶圓上沈積一100nm厚層間介電質,且可在一第二晶圓上沈積一105nm厚層間介電質。自第一晶圓及第二晶圓兩者獲得第二組晶粒之影像。自一標稱晶圓獲得測試影像。可保存第二組晶粒之影像之間之差異以用於後續檢查標稱條件下製造之晶圓。
在一第二實例中,製造多個晶圓,其中各晶圓具有具有一不同光微影曝光劑量之一層。自多個晶圓獲得第二組晶粒之影像。自一標稱晶圓獲得測試影像。可保存第二組晶粒之影像之間之差異以用於後續檢查標稱條件下製造之晶圓。
在一第三實例中,製造多個晶圓,其中各晶圓具有具有一不同光微影焦點之一層。自多個晶圓獲得第二組晶粒之影像。自一標稱晶圓獲得測試影像。可保存第二組晶粒之影像之間之差異以用於後續檢查標稱條件下製造之晶圓。
第二組晶粒之至少一者可具一邊緣晶粒。一晶圓之邊緣上之晶粒通常受不同製程條件影響。烘烤板、快速熱退火、蝕刻、沈積、CMP及光微影製程可在晶圓之邊緣處具有變化。歸因於此等製程變化,由晶圓檢查工具獲得之一邊緣晶粒之影像通常不同於其他晶粒之影像。此等變化之多數不被視為缺陷。
自非邊緣晶粒產生一計算參考影像以檢查一邊緣晶粒有時對相關缺陷產生不滿意的靈敏度。差異影像可由製程變化主導,此可使其難以獨立出相關缺陷。在一例項中,平方根(RMS)差異影像在邊緣晶粒處更大。此可由難以自其他晶粒外推至邊緣晶粒或邊緣晶粒上之更高晶圓雜訊而導致。
為解決此等問題,可自晶圓上之所有晶粒(包含邊緣及中心晶粒兩者)產生第二組晶粒之影像。例如,可自多個晶粒(包含除了待測試晶粒之外之至少一個邊緣晶粒(例如,目標晶粒))產生計算參考影像。與其他晶粒一起使用邊緣晶粒可減少邊緣晶粒處之殘留物。在一例項中,邊緣晶粒與中心晶粒線性化分離。
可使用主分量分析(PCA)產生計算參考影像。PCA之一實施例可經總結如下。
在此等等式中,A係一矩陣。A之各列係一晶粒之影像。影像之像素經重新配置為一列向量。U及V各自係一矩陣。U之列係A之左奇異向量。V之列係A之右奇異向量。S係一對角矩陣,其中其對角項係A之奇異值。係U之一子矩陣。上標T指示轉置。「參考」在計算參考影像中。其經配置為一列向量。「目標」係目標晶粒之影像(例如,待測試晶粒)。
若晶粒之一者含有一大量缺陷,則晶粒影像可使用PCA變成一主分量且被視為正常(即,無一缺陷)。以下步驟可避免此。
步驟1)D=[Itar,1 Itar,2...Itar,Ndies]資料矩陣
步驟2)USVT=D
步驟3)判定階r(主分量與雜訊之間之邊界)
步驟4)I dif,n =I tar,n -U(:,1:r)U(:,1:r)^(T Itar,n )
步驟5)發現m,其中RMS(I dif,m)係異常低的,自資料矩陣D棄置I tar,m
步驟6)重複步驟2至4
在步驟1至6中,D類似於上文A。D係一矩陣。D之各列係一晶粒之影像。影像之像素經配置為一列向量。D含有待檢查之所有晶粒之影像。「tar」係目標之簡稱。「tar,1」係第一目標晶粒之標示等。Itar,n係用於第n個晶粒之獲得影像。Idif,n係用於第n個晶粒之差異影像,其可為一計算量。D之大小係p x Ndies。在一實例中,P<<Ndies。p係影像之
一者中之像素之數目。U係大小p x Ndies之矩陣,其中U之列係A之左奇異向量。V係大小Ndies x Ndies之一矩陣,其中V之列係A之右奇異向量。S係大小Ndies之一對角矩陣,該對角矩陣具有係A之奇異值之對角項。一影像之RMS代表一影像之像素值之平方之平均值之平方根。
在另一實施例中,形成一資料矩陣,使得資料矩陣之各列係一晶粒之一對準影像。接著,將資料矩陣分解成兩個部分。兩個部分之一第一矩陣係低階的,且兩個部分之一第二矩陣具有至少一個非零實體。第二矩陣包含隔離點缺陷,且第一矩陣包含晶圓之一圖案及製程變化。
在一實例中,形成一資料矩陣D,使得資料矩陣之各列係一晶粒之一對準影像。一起處理多個晶粒之影像。將資料矩陣D分解成兩個部分L+S,其中矩陣L係低階的,且矩陣S係稀疏的(例如,具有較少非零項)。使用一穩健PCA算法來執行分解。矩陣S含有隔離點缺陷,且晶圓上之圖案及其製程變化經包含於L中。
在圖1之方法之一實例中,其期望為闡釋性的並不期望為限制性的,為各單一晶粒判定一參考影像。接著,測試晶粒與計算參考影像相比以進行缺陷偵測。計算參考影像可包含複數個參考影像之一線性組合,使得線性組合中之權重經判定使得最小化差異影像之一範數。參考影像計算基於所有剩餘晶粒影像。因此,揭示之缺陷偵測技術可抑制雜訊,提高一相關缺陷(DOI)之一信雜比,對逐晶粒之工具對焦變化具有更大公差,且對晶圓色彩變化具有更大公差。
圖2係一系統之一實施例之一方塊圖。系統200包含一處理器201及與處理器201電通信之一電子儲存單元202。處理器201及電子儲存單元202兩者與晶圓檢查工具203電通信。處理器201可包含一微處理
器、一微控制器或其他裝置。可為一光學檢查顯微鏡、一雷射掃描系統、一近場顯微鏡、一電子束顯微鏡、一離子束顯微鏡、一x射線顯微鏡、一原子力顯微鏡或一重疊關聯成像系統之一晶圓檢查工具203可產生由處理器201使用之資訊。處理器201及/或電子儲存單元202視情況可與一晶圓度量工具或晶圓複查工具(未繪示)電通信以接收額外資訊。例如,處理器201及/或電子儲存單元202可與一BBP工具電通信。
處理器201及電子儲存單元202可為晶圓檢查工具203或另一裝置之部分。在一實例中,處理器201及電子儲存單元202可為一獨立控制單元之部分或在一集中式品質控制單元中。可使用多個處理器201或電子儲存單元202。
實際上,可藉由硬體、軟體及韌體之任何組合而實施處理器201。再者,如本文中描述之其之功能可由一個單元執行或在不同組件當中劃分,繼而可藉由硬體、軟體及韌體之任何組合實施各組件之功能。處理器201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(諸如電子儲存單元202中之一記憶體或其他記憶體)中。
處理器201可以任何適合方式(例如,經由一或多個傳輸媒體,其可包含有線及/或無線傳輸媒體)耦合至系統200之組件,使得處理器201可接收輸出。處理器201可經組態以使用該輸出來執行若干功能。
本文中描述之處理器201、(若干)其他系統或(若干)其他子系統可為各種系統之部分,包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路器具、網際網路器具或其他裝置。(若干)子系統或(若干)系統亦可包含此項技術中已知之任何適合處理器,諸如一平行處理器。另外,(若干)子系統或(若干)系統可包含具有高速處理及軟體之一平
台,其作為一獨立工具或一網路連結工具。
若系統包含一個以上子系統,則可將不同子系統彼此耦合使得可在子系統之間發送影像、資料、資訊、指令等。例如,一個子系統可藉由任何適合傳輸媒體(可包含此項技術中已知之任何適合有線及/或無線傳輸媒體)耦合至(若干)額外子系統。亦可藉由一共用電腦可讀儲存媒體(未展示)有效地耦合兩個或更多個此等子系統。
一額外實施例係關於一種儲存可在一處理器上執行以執行缺陷偵測之程式指令之一非暫時性電腦可讀媒體,如本文中揭示。特定言之,處理器201可經耦合至電子儲存單元202中之一記憶體或其他電子資料儲存媒體,其具有包含可在處理器201上執行之程式指令之非暫時性電腦可讀媒體。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。例如,處理器201可經程式化以執行圖1之步驟之一些或所有或本文中揭示之其他實施例。
可以各種方式之任一者實施程式指令,包含基於製程之技術、基於組件之技術及/或物件導向技術,等等。例如,可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別(Microsoft Foundation Classes,「MFC」)、串流SIMD延伸(SSE)或其他技術或方法論來實施程式指令。
在一例項中,處理器201經組態以執行判定一測試影像與一計算參考影像之間之一差異影像之指令。計算參考影像係自一第二組晶粒之影像導出,使得最小化差異影像之範數。接著,可使用差異影像來偵測缺陷。
可最小化差異影像之像素之一平方和。
可在不同成像條件下獲得第二組晶粒之影像之各者。例如,不同成像條件可包含用於照明光瞳形狀、照明偏振、照明波長光譜、焦點、成像數值孔徑、成像光瞳形狀、成像光瞳分析器、成像光瞳瓊斯矩陣、成像光瞳切趾或成像光瞳波前之至少一者之不同參數。不同成像條件亦可包含用於第二組晶粒之影像之各者之焦點之不同參數。
處理器201亦可自複數個參考影像判定計算參考影像。計算參考影像可針對一特定測試影像判定或可基於其他輸入判定。
第二組晶粒之影像可各自來自與測試影像中具有晶粒之晶圓不同之一晶圓。
第二組晶粒之影像之至少一者可具一邊緣晶粒。
實施諸如本文中描述之此等之方法之程式指令可經儲存於電腦可讀媒體上(諸如電子儲存單元202或其他儲存媒體中)。該電腦可讀媒體可係一儲存媒體(諸如一磁碟或一光碟、一磁帶或技術中已知之任何其他適合非暫時性電腦可讀媒體)。例如,電子儲存單元202中之記憶體或其他電子資料儲存媒體可為一儲存媒體(諸如一磁碟或一光碟、一磁帶或技術中已知之任何其他適合非暫時性電腦可讀媒體)。特定言之,電子資料儲存單元202可包含持久儲存、隨機存取記憶體或一分離資料庫。
在一例項中,非暫時性電腦可讀儲存媒體包括用於在一或多個計算裝置上執行步驟之一或多個程式。非暫時性電腦可讀儲存媒體上之步驟可包含圖1之步驟之一些或所有或本文中揭示之其他實施例。
可如本文中描述般執行方法之步驟之各者。方法亦可包含可由本文中描述之處理器及/或(若干)電腦子系統或(若干)系統執行之任何其他(若干)步驟。該等步驟可由一或多個電腦系統執行,該一或多個電腦
系統可根據本文中描述之實施例之任一者組態。另外,可藉由本文中描述之系統實施例之任一者執行上文描述之方法。
儘管已關於一或多個特定實施例描述本發明,然將瞭解,可在不脫離本發明之範疇之情況下進行本發明之其他實施例。因此,本發明被視為僅受限於隨附申請專利範圍及其等之合理解釋。
300:參考影像
301:計算參考影像
302:測試影像
303:差異影像
304:缺陷
305:良性變化
Claims (18)
- 一種檢查半導體晶圓的方法,其包括:在一處理器處,接收在一晶圓上之一待測試晶粒之一測試影像;在該處理器處,接收一第二組晶粒之影像;使用該處理器來判定該測試影像與一計算參考影像之間之一差異影像,其中該計算參考影像係自該第二組晶粒之該等影像導出,使得最小化該差異影像之一範數,其中該計算參考影像係項之一線性組合,各項係具有該第二組晶粒中之該等晶粒之一者之一影像之一可調整濾波之一卷積;及使用該處理器來偵測該差異影像上之缺陷。
- 如請求項1之方法,其中最小化該差異影像之像素之一平方和。
- 如請求項1之方法,其中在不同成像條件下獲得該第二組晶粒之該等影像。
- 如請求項3之方法,其中該等不同成像條件包含用於焦點、照明光瞳形狀、照明偏振、照明波長光譜、成像數值孔徑、成像光瞳形狀、成像光瞳分析器、成像光瞳瓊斯矩陣、成像光瞳切趾或成像光瞳波前之至少一者之不同參數。
- 如請求項4之方法,其中該等不同成像條件包含用於該第二組晶粒之 該等影像之各者之該等焦點之不同參數。
- 如請求項1之方法,其中該第二組晶粒係在除了具有該待測試晶粒之該晶圓之外之一或多個晶圓上。
- 如請求項6之方法,其中該第二組晶粒係在不同晶圓上且一層之一厚度係逐晶圓地改變。
- 如請求項6之方法,其中使用不同光微影曝光劑量來印刷該第二組晶粒。
- 如請求項6之方法,其中使用不同光微影焦點設定來印刷該第二組晶粒。
- 如請求項1之方法,其中該第二組晶粒之至少一者可在一晶圓之一邊緣處。
- 如請求項1之方法,其進一步包括自一光學顯微鏡、一雷射掃描系統、一近場顯微鏡、一電子束顯微鏡、一離子束顯微鏡、一x射線顯微鏡、一原子力顯微鏡或一重疊關聯成像系統之一者獲得該測試影像及該第二組晶粒之該等影像之各者。
- 如請求項1之方法,其進一步包括: 形成一資料矩陣,使得該資料矩陣之各列係一晶粒之一對準影像;及將該資料矩陣分解成兩個部分,其中該兩個部分之一第一矩陣係低階的,且該兩個部分之一第二矩陣具有至少一個非零實體,其中該第二矩陣包含隔離點缺陷,且該第一矩陣包含該晶圓之一圖案及製程變化。
- 如請求項1之方法,其進一步包括使用該處理器自該第二組晶粒之該等影像判定該計算參考影像。
- 一種檢查半導體晶圓的系統,其包括:一處理器,其與一電子資料儲存單元及一晶圓檢查工具電通信,其中該處理器經組態以執行指令:判定該測試影像與一計算參考影像之間之一差異影像,其中該計算參考影像係自一第二組晶粒之影像導出,使得最小化該差異影像之一範數,其中該計算參考影像係項之一線性組合,各項係具有該第二組晶粒中之該等晶粒之一者之一影像之一可調整濾波之一卷積;及使用該差異影像來偵測缺陷。
- 如請求項14之系統,其中該晶圓檢查工具係一光學顯微鏡、一雷射掃描系統、一近場顯微鏡、一電子束顯微鏡、一離子束顯微鏡、一x射線顯微鏡、一原子力顯微鏡或一重疊關聯成像系統之一者。
- 如請求項14之系統,其中最小化該差異影像之像素之一平方和。
- 如請求項14之系統,其中在不同成像條件下獲得該第二組晶粒之該等影像之各者,且其中該等不同成像條件包含用於照明光瞳形狀、照明偏振、照明波長光譜、焦點、成像數值孔徑、成像光瞳形狀、成像光瞳分析器、成像光瞳瓊斯矩陣、成像光瞳切趾或成像光瞳波前之至少一者之不同參數。
- 如請求項14之系統,其中該處理器經進一步組態以自該第二組晶粒之該等影像判定該計算參考影像。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762510259P | 2017-05-23 | 2017-05-23 | |
US62/510,259 | 2017-05-23 | ||
US15/971,536 US11270430B2 (en) | 2017-05-23 | 2018-05-04 | Wafer inspection using difference images |
US15/971,536 | 2018-05-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201901293A TW201901293A (zh) | 2019-01-01 |
TWI775856B true TWI775856B (zh) | 2022-09-01 |
Family
ID=64395976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107117467A TWI775856B (zh) | 2017-05-23 | 2018-05-23 | 檢查半導體晶圓的方法及系統 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11270430B2 (zh) |
KR (1) | KR102576879B1 (zh) |
CN (1) | CN110603626B (zh) |
IL (1) | IL270735B2 (zh) |
TW (1) | TWI775856B (zh) |
WO (1) | WO2018217927A1 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11431976B2 (en) * | 2019-01-28 | 2022-08-30 | Kla Corporation | System and method for inspection using tensor decomposition and singular value decomposition |
US11182929B2 (en) * | 2019-02-25 | 2021-11-23 | Center For Deep Learning In Electronics Manufacturing, Inc. | Methods and systems for compressing shape data for electronic designs |
US11551348B2 (en) | 2019-04-09 | 2023-01-10 | KLA Corp. | Learnable defect detection for semiconductor applications |
US11688067B2 (en) | 2019-07-12 | 2023-06-27 | Bruker Nano, Inc. | Methods and systems for detecting defects in devices using X-rays |
US11042981B2 (en) | 2019-07-12 | 2021-06-22 | SVXR, Inc. | Methods and systems for printed circuit board design based on automatic corrections |
US11615533B2 (en) | 2019-07-12 | 2023-03-28 | Bruker Nano, Inc. | Methods and systems for product failure prediction based on X-ray image re-examination |
US11430118B2 (en) | 2019-07-12 | 2022-08-30 | Bruker Nano, Inc. | Methods and systems for process control based on X-ray inspection |
US20210010953A1 (en) * | 2019-07-12 | 2021-01-14 | SVXR, Inc. | Methods and Systems for Defects Detection and Classification Using X-rays |
US11651492B2 (en) * | 2019-07-12 | 2023-05-16 | Bruker Nano, Inc. | Methods and systems for manufacturing printed circuit board based on x-ray inspection |
CN112466766B (zh) * | 2019-09-09 | 2022-03-01 | 长鑫存储技术有限公司 | 不良涂层类型缺陷的检测方法、装置、设备和存储介质 |
US11120546B2 (en) * | 2019-09-24 | 2021-09-14 | Kla Corporation | Unsupervised learning-based reference selection for enhanced defect inspection sensitivity |
CN111107324A (zh) * | 2019-12-31 | 2020-05-05 | 上海陛通半导体能源科技股份有限公司 | 晶圆传输系统的监控装置及其监控方法 |
US11035803B1 (en) | 2020-02-26 | 2021-06-15 | Applied Materials Israel Ltd. | Multi-perspective examination of a specimen |
US11328411B2 (en) | 2020-05-04 | 2022-05-10 | KLA Corp. | Print check repeater defect detection |
US11803960B2 (en) * | 2020-08-12 | 2023-10-31 | Kla Corporation | Optical image contrast metric for optical target search |
WO2022051551A1 (en) * | 2020-09-02 | 2022-03-10 | Applied Materials Israel Ltd. | Multi-perspective wafer analysis |
US11798828B2 (en) * | 2020-09-04 | 2023-10-24 | Kla Corporation | Binning-enhanced defect detection method for three-dimensional wafer structures |
US11688055B2 (en) | 2021-01-27 | 2023-06-27 | Applied Materials Israel Ltd. | Methods and systems for analysis of wafer scan data |
EP4285316A1 (en) * | 2021-04-19 | 2023-12-06 | KLA Corporation | Edge profile inspection for delamination defects |
US12111355B2 (en) | 2021-11-22 | 2024-10-08 | Onto Innovation Inc. | Semiconductor substrate yield prediction based on spectra data from multiple substrate dies |
IL291350B2 (en) * | 2022-03-14 | 2023-06-01 | Applied Materials Israel Ltd | Mask testing for the production of semiconductor samples |
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 |
CN118096942B (zh) * | 2024-02-26 | 2024-09-06 | 华中科技大学 | 晶圆检测配置参数的优化方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010055415A1 (en) * | 1999-12-16 | 2001-12-27 | Nec Corporation | Pattern inspection method and pattern inspection device |
US20100002930A1 (en) * | 2005-01-05 | 2010-01-07 | Hiroyoshi Miyano | Apparatus for examining pattern defects, a method thereof, and a computer-readable recording medium having recorded therein a program thereof |
US20130070078A1 (en) * | 2010-01-05 | 2013-03-21 | Yuji Takagi | Method and device for testing defect using sem |
TW201504749A (zh) * | 2013-05-14 | 2015-02-01 | Kla Tencor Corp | 用於檢測光罩之機器學習方法及裝置 |
US20150356727A1 (en) * | 2012-12-26 | 2015-12-10 | Hitachi High-Technolofies Corporation | Defect inspection method and defect inspection device |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5917588A (en) * | 1996-11-04 | 1999-06-29 | Kla-Tencor Corporation | Automated specimen inspection system for and method of distinguishing features or anomalies under either bright field or dark field illumination |
JP4533689B2 (ja) * | 2004-07-15 | 2010-09-01 | 株式会社東芝 | パターン検査方法 |
JP4723362B2 (ja) * | 2005-11-29 | 2011-07-13 | 株式会社日立ハイテクノロジーズ | 光学式検査装置及びその方法 |
JP5500871B2 (ja) * | 2009-05-29 | 2014-05-21 | 株式会社日立ハイテクノロジーズ | テンプレートマッチング用テンプレート作成方法、及びテンプレート作成装置 |
JP5544344B2 (ja) * | 2011-09-26 | 2014-07-09 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法及び欠陥観察装置 |
US9070180B2 (en) | 2013-02-21 | 2015-06-30 | Applied Materials Israel, Ltd. | Method, system, and computer program product for detection of defects based on multiple references |
US9098891B2 (en) | 2013-04-08 | 2015-08-04 | Kla-Tencor Corp. | Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology |
US10127652B2 (en) * | 2014-02-06 | 2018-11-13 | Kla-Tencor Corp. | Defect detection and classification based on attributes determined from a standard reference image |
US9494535B2 (en) | 2014-04-21 | 2016-11-15 | Kla-Tencor Corporation | Scatterometry-based imaging and critical dimension metrology |
US9747518B2 (en) | 2014-05-06 | 2017-08-29 | Kla-Tencor Corporation | Automatic calibration sample selection for die-to-database photomask inspection |
US9766187B2 (en) * | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Repeater detection |
US10393671B2 (en) * | 2015-04-29 | 2019-08-27 | Kla-Tencor Corp. | Intra-die defect detection |
US10359705B2 (en) | 2015-10-12 | 2019-07-23 | Asml Netherlands B.V. | Indirect determination of a processing parameter |
-
2018
- 2018-05-04 US US15/971,536 patent/US11270430B2/en active Active
- 2018-05-23 CN CN201880029967.9A patent/CN110603626B/zh active Active
- 2018-05-23 TW TW107117467A patent/TWI775856B/zh active
- 2018-05-23 IL IL270735A patent/IL270735B2/en unknown
- 2018-05-23 WO PCT/US2018/034192 patent/WO2018217927A1/en active Application Filing
- 2018-05-23 KR KR1020197037809A patent/KR102576879B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010055415A1 (en) * | 1999-12-16 | 2001-12-27 | Nec Corporation | Pattern inspection method and pattern inspection device |
US20100002930A1 (en) * | 2005-01-05 | 2010-01-07 | Hiroyoshi Miyano | Apparatus for examining pattern defects, a method thereof, and a computer-readable recording medium having recorded therein a program thereof |
US20130070078A1 (en) * | 2010-01-05 | 2013-03-21 | Yuji Takagi | Method and device for testing defect using sem |
US20150356727A1 (en) * | 2012-12-26 | 2015-12-10 | Hitachi High-Technolofies Corporation | Defect inspection method and defect inspection device |
TW201504749A (zh) * | 2013-05-14 | 2015-02-01 | Kla Tencor Corp | 用於檢測光罩之機器學習方法及裝置 |
Also Published As
Publication number | Publication date |
---|---|
TW201901293A (zh) | 2019-01-01 |
CN110603626B (zh) | 2023-10-20 |
IL270735A (en) | 2020-01-30 |
US20180342051A1 (en) | 2018-11-29 |
IL270735B2 (en) | 2023-09-01 |
KR20200000455A (ko) | 2020-01-02 |
KR102576879B1 (ko) | 2023-09-08 |
US11270430B2 (en) | 2022-03-08 |
CN110603626A (zh) | 2019-12-20 |
WO2018217927A1 (en) | 2018-11-29 |
IL270735B1 (en) | 2023-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI775856B (zh) | 檢查半導體晶圓的方法及系統 | |
US10409171B2 (en) | Overlay control with non-zero offset prediction | |
US9767548B2 (en) | Outlier detection on pattern of interest image populations | |
TWI690006B (zh) | 用於模型化基礎臨界尺寸測量之技術及系統 | |
US8458622B2 (en) | Photo-mask acceptance technique | |
US11010886B2 (en) | Systems and methods for automatic correction of drift between inspection and design for massive pattern searching | |
US8386968B2 (en) | Virtual photo-mask critical-dimension measurement | |
KR20190124319A (ko) | 결함 검출을 위한 동적 케어 영역 | |
TWI723291B (zh) | 度量衡系統及方法與相關之非暫時性電腦可讀媒體 | |
US11431976B2 (en) | System and method for inspection using tensor decomposition and singular value decomposition | |
US11416982B2 (en) | Controlling a process for inspection of a specimen | |
JP2022516405A (ja) | プロセス制御のためのインダイメトロロジ方法及びシステム | |
US20220051380A1 (en) | Optical image contrast metric for optical target search | |
KR102201122B1 (ko) | 민감도 개선 및 뉴슨스 억제를 위해 로직 및 핫스팟 검사에서 z-층 컨텍스트를 사용하는 시스템 및 방법 | |
JP7144262B2 (ja) | パターン検査装置及び参照画像の作成方法 | |
CN109690750B (zh) | 用于散焦检测的方法、非暂时性计算机可读媒体和系统 | |
US20230046682A1 (en) | Mask defect detection | |
WO2022233546A1 (en) | Method for determining a stochastic metric relating to a lithographic process | |
CN116152155A (zh) | 用于半导体样本制造的掩模检查 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent |