TWI826123B - 以更高的精度對半導體晶圓進行３ｄ體積檢測的方法和檢測系統 - Google Patents

以更高的精度對半導體晶圓進行３ｄ體積檢測的方法和檢測系統 Download PDF

Info

Publication number
TWI826123B
TWI826123B TW111143898A TW111143898A TWI826123B TW I826123 B TWI826123 B TW I826123B TW 111143898 A TW111143898 A TW 111143898A TW 111143898 A TW111143898 A TW 111143898A TW I826123 B TWI826123 B TW I826123B
Authority
TW
Taiwan
Prior art keywords
cross
sectional
wafer
values
sectional image
Prior art date
Application number
TW111143898A
Other languages
English (en)
Other versions
TW202331244A (zh
Inventor
迪米奇 克拉克寇夫
尤傑 弗卡
詹斯 提摩 紐曼
湯瑪斯 柯柏
亞歷克斯 布克斯包姆
阿莫 艾維夏
章 黃
Original Assignee
德商卡爾蔡司Ｓｍｔ有限公司
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 德商卡爾蔡司Ｓｍｔ有限公司 filed Critical 德商卡爾蔡司Ｓｍｔ有限公司
Publication of TW202331244A publication Critical patent/TW202331244A/zh
Application granted granted Critical
Publication of TWI826123B publication Critical patent/TWI826123B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/706835—Metrology information management or control
    • G03F7/706839—Modelling, e.g. modelling scattering or solving inverse problems
    • 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
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
    • G01N2001/2873—Cutting or cleaving
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • 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

Landscapes

  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本發明實施例提供一種用於增加產出量、體積檢測半導體晶圓的系統及方法。該系統及方法配置用於蝕銑及成像在檢測體積中適當橫截面表面的縮減數量或區域，並根據橫截面表面影像確定該3D物件的檢測參數。該方法及裝置能夠用於半導體晶圓內積體電路的定量計量、缺陷偵測、製程監控、缺陷檢視及檢測。

Description

以更高的精度對半導體晶圓進行3D體積檢測的方法和檢測 系統 [優先權]
本申請案主張美國臨時申請案第63/292,043號的優先權，其內容在此併入本文供參考。
本發明有關一種三維電路圖案檢測在半導體晶圓的檢測點處的檢測體積的方法、電腦程式產品、及一種用於以更高的精度及準確度確定半導體晶圓檢測體積中的如HAR結構的3D物件參數的對應半導體檢測裝置。該方法用於蝕銑(milling)及成像檢測體積中的複數個橫截面表面，並更準確及健全從橫截面表面影像確定該3D物件的檢測參數。該方法、電腦程式產品及裝置可用於半導體晶圓內積體電路的定量計量、缺陷偵測、製程監控、缺陷檢視及檢測。
半導體結構是最精細的人造結構，且極少不完美。這些罕見的不完美是缺陷偵測及缺陷檢視或定量計量裝置正在尋找的特徵。所生成的半導體結構基於先驗知識，例如來自設計資料並由有限數量的材料和製程所生產。此外，半導體結構以平行於矽晶圓基板表面的一序列層製造。例如，在一邏輯類型樣本中，金屬線在金屬層中平行延伸，而高深寬比(High Aspect Ratio，HAR)結構及通孔垂直於金屬層延伸。不同層中的金屬線之間的角度為0°或90°。另一 方面，對於VNAND型結構，已知其橫截面平均為圓形，並配置在垂直於一矽晶圓表面的規則光柵中。在製造過程中，在晶圓中產生大量的三維半導體結構，其中製程受到多種影響。通常，半導體結構的邊緣形狀、區域或覆蓋位置可能受到材料特性、微影曝光或任何其他相關的製造步驟(諸如蝕刻、拋光、沉積或植入)影響。
在積體電路的生產中，特徵尺寸變得越來越小。當前最小特徵尺寸或臨界尺寸在10nm(奈米)以下，例如7nm或5nm，並即將接近3nm以下。因此，測量圖案的邊緣形狀及高精度確定結構尺寸或邊線粗糙度變得具有挑戰性。帶電粒子系統的測量解析度通常受個別影像點的採樣光柵、樣品上每個像素的駐留時間及帶電粒子束直徑的限制。採樣光柵解析度可在成像系統內設定，並可調適樣品上的帶電粒子束直徑。典型的光柵解析度為2nm或更低，但光柵解析度限制在沒有實體限制下能夠減少。帶電粒子束直徑具有一有限尺寸，這取決於所選定帶電粒子類型、帶電粒子束操作條件及所使用的帶電粒子透鏡系統。射束解析度受大約半束直徑的限制。解析度可低於3nm，例如低於2nm，甚至低於1nm。
隨著積體半導體電路的特徵尺寸越來越小，以及對帶電粒子成像系統解析度的要求越來越高，晶圓中三維積體半導體結構的檢測及3D分析變得越來越具挑戰性。一半導體晶圓的直徑為300mm，由複數個位置組成，即所謂的裸晶，每個位置包含至少一積體電路圖案，諸如，例如用於記憶體晶片或處理器晶片。半導體晶圓經過約1000個製程步驟，在半導體晶圓內部形成約100及多個層平行層，包含電晶體層、中段製程層、互連層，且在記憶體裝置中，其更包含複數個記憶單元的3D陣列。
從奈米級的半導體樣品產生3D斷層掃描資料的一常用方法是由例如雙射束裝置實行的所謂切片及成像作法。切片及成像作法描述在專利案WO 2020/244795 A1中。根據專利案WO 2020/244795 A1的方法，從半導體晶圓提取的一檢測樣品處獲得一3D體積檢測。此方法的缺點是必須破壞晶圓才能獲得一 檢測樣品。如專利案WO 2021/180600 A1中所述，藉由在一斜角下使用切片及成像作法進入半導體晶圓的表面已解決此缺點。根據此方法，至少確定一第一檢測點，並且藉由對檢測體積的複數個橫截面進行切片及成像，來獲得一檢測體積的3D體積影像。在一精確測量的第一實例中，產生檢測體積的大量N個橫截面，其中N超過100或甚至更多影像切片。例如，在一橫向尺寸為5μm、一切片距離為5nm的體積中，蝕銑及成像1000個切片。對於橫截面影像切片的對準及對位，已經提出了複數個不同方法。例如，能夠採用參考標記或所謂的基準點，或能夠採用一基於特徵的對準。然而，根據最近要求及在許多應用實例中，結果證明這些方法需要進一步改善複數個橫截面影像切片的對準及對位。
根據多項檢測任務，需要更高準確度的全3D體積影像。在一些應用實例中，某些半導體特徵提供低成像對比度，並且無法經由此特徵正確計算深度映射或對準。在一實例中，檢測的任務是以高精度確定檢測體積內的半導體物件(諸如高深寬比(HAR)結構)的一組特定參數。然而，在某些情況下，專利案WO 2021/180600 A1中描述的方法沒有提供足夠的資訊來確定複雜半導體結構的一組參數。在某些實例中也觀察到，根據專利案WO 2021/180600 A1的方法甚至會產生測量誤差。
因此，本發明之一目的是近一步改善專利案WO 2021/180600 A1的方法。大體而言，本發明之一目的是提供一種更準確及更健全檢測檢測體積中的三維半導體結構之晶圓檢測方法。本發明之另一目的是提供一種能高精度測量在檢測體積中描述三維半導體結構的一組參數之快速且可靠測量方法，即使根據已知深度的第二半導體結構而產生的深度映射不存在或幾乎無法偵測。
藉由申請專利範圍及本發明的具體實施例中給出的實例所描述的發明來解決這些目的。
提供一種具有提升準確度及健全性、對半導體晶圓進行體積檢測的系統及方法。該系統及方法配置用於蝕銑及成像在檢測體積中的複數個橫截面表面，並根據複數個橫截面表面影像確定該3D物件的檢測參數。
本發明提供一種用於3D檢測晶圓中的檢測體積及用於更準確及健全確定檢測體積內部的半導體特徵的一組參數之裝置及方法。該方法及裝置能夠用於半導體晶圓內積體電路的定量計量、缺陷偵測、製程監控、缺陷檢視及檢測。
根據本發明的一具體實施例，提供一種用於在半導體晶圓中產生檢測體積的3D體積影像的方法。該方法包括一第一步驟，藉由以一斜角GF對通過該檢測體積的複數個橫截面表面進行疊代及後續蝕銑成像，以獲得複數J個橫截面影像切片。橫截面影像切片的數量J為J>200、J>1000或J>5000。該方法更包含一第二步驟，用於從該等複數J個橫截面影像切片中，確定假定已知深度的一群結構的一組N個測量橫截面值u1...uN。假定已知深度的結構是例如半導體晶圓中已知深度的選定層中的連接字線。該方法更包含一另外步驟，用於從該組N個測量橫截面值u1...uN中確定假定已知深度的該群結構的一組W個模型橫截面值v1...vW。
從該組W個模型橫截面值v1...vW中，針對每一橫截面影像切片計算一深度映射Zj(x,y)。由此，從複數J個橫截面影像切片及複數個深度映射Zj(x,y)，獲得3D體積影像。利用該組W個模型橫截面值，將測量橫截面值的測量誤差或確定誤差降到最低，且深度映射的計算更能降低誤差。此外，使用該組W個模型橫截面值，內插例如從假定已知深度的結構的低對比橫截面影像中遺失的深度資訊，即使以稀少的測量資訊也能夠確定深度映射。
在一實例中，該等橫截面值之每一者代表假定已知深度的多個結構之一者的邊緣位置或中心位置。該組W個模型橫截面值v1...vW能夠由具有某些R<N參數的參數模型描述，且該組W個模型橫截面值v1...vW的R參數，能夠藉由最小平方優化從該組測量橫截面值v1...vN來確定。能夠根據先備資訊選擇 參數模型，例如考量預期的成像及蝕銑誤差，或者考量層在一半導體晶圓中的預期位置。在一實例中，該組W個模型橫截面值v1...vW是藉由添加一第一參數模型S來描述，該第一參數模型S代表多個影像切片之每一者的假定已知深度的該群結構的橫截面值的橫向位置的偏移誤差。該描述可更包含一根據橫截面表面的蝕銑角GF的局部誤差之第二參數模型T。
在一實例中，該方法更包含以下多個步驟：在複數J個橫截面影像切片中，確定一群重複三維結構的至少一第二組測量橫截面值；及確定該群重複三維結構的特性。使用更健全確定深度映射，能夠更準確及健全確定所專注的重複三維結構組的特性。例如，第二組測量橫截面值能夠代表該群重複三維結構的橫截面的中心位置。
根據一具體實施例，提供一種方法，根據該方法從參考中心位置確定該群重複三維結構的橫截面的中心位置的多個橫向位移。從橫向位移，獲得每一橫截面影像切片的中心位置的一平均橫向位移。隨著平均位移，能夠改善複數個橫截面影像切片的橫向定位對準。因此，可過濾從橫截面影像切片到橫截面影像切片的平均位移的高頻部分，使得重複三維結構的緩慢變化軌跡得以保留。因此能夠更準確測量重複三維結構的軌跡。
根據一進一步具體實施例，提供一種用於在半導體晶圓中產生檢測體積的3D體積影像的檢測系統。檢測系統包含一晶圓載台上用於容置晶圓的晶圓支撐件、及一雙射束系統。雙射束系統包含一聚焦離子束(FIB)，以相對晶圓支撐件的表面呈一斜角GF配置；及一成像帶電粒子束系統，其係以近似垂直晶圓支撐件的該表面的角度配置。一具有記憶體的控制單元，且一處理器配置用於在使用指令期間執行，以執行上述多個方法步驟之任一者。在一實例中，檢測系統更包含一精密干涉儀，用於控制晶圓載台的位置；及一殼體，用於控制殼體內的真空條件，其中精密干涉儀及晶圓載台在殼體內。由此，能夠以甚至更高精度獲得一3D體積。
1:雙射束裝置
2:操作控制單元
4:第一橫截面影像特徵
6.1、6.2:測量點
8:晶圓
12:真空室
15:晶圓支撐台
16:載台控制單元
17:二次電子探測器
19:控制單元
21:位置感測器
40:帶電粒子束(CPB)成像系統
42:成像系統光軸
43:交叉點
44:成像帶電粒子束
48:Fib光軸
50:FIB柱
51:聚焦離子束
52:橫截面表面
53:橫截面表面
55:晶圓頂面
73:第二橫截面影像特徵
77:HAR通道的橫截面影像片段
78:一HAR結構的垂直邊緣
80:一層的水平邊緣
155:晶圓載台
160:檢查量
163:影像資料堆疊
301:橫截面表面
307:HAR結構的測量橫截面影像
309:HAR結構
311:橫截面影像切片
313:橫截面通過字線
315:邊緣表面
317:內圓環
319:外圓環
321:中心位置
325:缺陷或假影
407:假定已知深度的結構的橫截面
409:多層
1000:檢測系統
GE、GF、GFE:角
實例及具體實施例所描述的本發明不限於這些具體實施例，而是可由熟習該項技藝者藉由各種組合或修改來施施。參考以下圖式將更加完全瞭解本發明：圖1示出一晶圓檢測系統用於雙射束裝置的3D體積檢測的說明。
圖2為藉由雙射束裝置以傾斜橫截面蝕銑及成像，在晶圓中進行體積檢測之方法說明。
圖3示意說明橫截面影像切片的兩實例。
圖4示意說明根據第二具體實施例的一方法。
圖5示意說明具有已知深度層的複數個橫截面表面的複數個橫截面。
圖6為橫截面影像切片的實例。
圖7為橫截面影像切片中具有已知深度層的橫截面的實例。
圖8繪示根據第二具體實施例之橫截面影像切片中具有已知深度層的橫截面的參數化模型。
圖9繪示具有複數個HAR結構的複數個橫截面表面的複數個橫截面。
圖10繪示具有初始對準的橫截面影像切片的資料堆疊。
圖11繪示根據第三具體實施例的方法步驟。
圖12繪示低通濾波後之橫截面影像切片的資料堆疊。
圖13繪示提取及確定HAR結構的參數。
在整個附圖及描述中，相同的參考標號用於描述相同或相似的特徵件或組件。選擇晶圓表面55與XY平面重合的坐標系統。
近來，為了研究半導體晶圓中的3D檢測體積，提出一種適用於晶圓內部的檢測體積之切片及成像方法。由此，以所謂的「楔形掏槽」法(“wedge-cut”approach)或楔形掏槽幾何，在晶圓內部的檢測體積處生成3D體積影像，無需從晶圓移除樣品。切片及成像方法適用於尺寸為數μm的檢測體積，例如，在直徑為200mm或300mm的晶圓中的橫向延伸5μm至10μm或高達50μm。在積體半導體晶圓的頂面蝕銑出一V形槽或邊緣，以形成一與頂面呈斜角的橫截面。檢測體積的3D體積影像是在有限數量的測量點獲取，例如裸晶的代表性位置，例如在製程控制監測(process control monitors，PCM)處，或在由其他檢測工具識別的位置。
切片及成像方法僅局部破壞晶圓，其他裸晶可能還能繼續使用，或者晶圓還可繼續進一步加工。根據3D體積影像產生的方法及檢測系統描述在專利案WO 2021/180600 A1中，其整個在此併入本文供參考。本發明是根據3D體積影像產生的方法及檢測系統進行改善及延伸，其需要更高的準確度。提供了一種具統一計算式演算法的改善方法。
半導體裝置的切片及成像方法的多個挑戰之一是從複數個橫截面影像切片中產生3D體積資料。為了獲得高精度或準確度，每一切片不僅必須相對於x及y坐標中的參考位置的橫向位置對準，而且必須導出每一切片的深度映射Zi(x,y)。此外，根據晶圓中傾斜的橫截面表面的一蝕銑或成像條件，每一切片能夠顯示一失真。
所提出的發明特別專注在由具有高深寬比及/或位於裝置內部多層中的半導體元件所組成的半導體裝置。此類裝置的製造高度依賴於在3D中表徵化半導體元件的能力。根據本發明的改善方法及設備的全尺寸3D斷層影像使用一改善的切片及成像技術，並提供關於半導體晶圓的研究體積的最完整資訊。
圖1中繪示本發明的一第一具體實施例。根據第一具體實施例，提供一用於3D體積檢測的改良晶圓檢測系統1000。用於3D體積檢測的改良晶圓檢測系統1000配置使用一雙射束裝置1在楔形掏槽幾何下用於一切片及成像方 法。針對晶圓8，含有測量點6.1及6.2的數個測量點定義在從一檢測工具或設計資訊產生的一位置映射或檢測列表中。晶圓8置放在一晶圓支撐台15上。晶圓支撐台15安裝在具有致動器及位置控制器21的一載台155上。在本領域中已知用於晶圓載台155的致動器及精確控制器21的構件，諸如雷射干涉儀。一控制單元16接收有關晶圓載台155實際位置的資訊，並配置成控制晶圓載台155並調整晶圓8在雙射束裝置1的交叉點43處的一測量點6.1。雙射束裝置1包含一具有FIB光軸48的FIB柱50以及一具有光軸42的帶電粒子束(CPB)成像系統40。在FIB與CPB成像系統的兩光軸的交叉點43處，晶圓表面55與FIB軸48呈一斜角GF配置。FIB軸48及CPB成像系統軸42包括一角GFE，且CPB成像系統軸與晶片表面55的法線形成一角GE。在圖1的坐標系統中，晶圓表面55的法線由z軸給出。聚焦離子束(FIB)51由FIB柱50產生，並以角GF衝擊晶圓8的表面55。在檢測點6.1處、在一預定y位置處約斜角GF下，藉由離子束將傾斜的橫截面表面蝕銑入晶圓，這由載台155及位置控制器21所控制。在圖1的實例中，斜角GF約為30°。由於聚焦離子束(例如鎵離子束)的射束發散，或由於沿橫截面表面蝕銑的材料特性不同，使得傾斜橫截面表面的實際斜角可能偏離斜角GF多達1°至4°。隨著相對於晶圓法線傾斜角GE的帶電粒子束成像系統40，獲取蝕銑表面的影像。在圖1的實例中，角GE約為15°。然而，其他配置也可能，例如GE=GF，使得CPB成像系統軸42垂直於FIB軸48；或是GE=0°，使得CPB成像系統軸42垂直於晶圓表面55。
在成像過程中，一帶電粒子束44由帶電粒子束成像系統40的一掃描單元沿一掃描路徑在測量點6.1處的一晶圓橫截面表面上掃描，並產生二次粒子及反向散射粒子。粒子偵測器17收集至少一些二次粒子及/或反向散射粒子，並與一控制單元19通信粒子計數。也可存在其他種類的交互作用產物(如x射線或光子)的其他偵測器。控制單元19控制FIB柱50的帶電粒子束成像柱40，並連接到一控制單元16，以經由晶圓載台155控制安裝在晶圓支撐台15上的晶圓位置。操作控制單元2與控制單元19通信，其經由晶圓載台移動觸發晶圓8在交叉點43處的測量點6.1的置放及對準(例如)，並觸發FIB蝕銑、影像擷取及載台移 動的重複操作。控制單元19及操作控制單元2包含一用於儲存軟體程式碼形式指令的記憶體及至少一處理器，以在操作期間執行指令，例如執行第二及第三具體實施例中描述的方法。一記憶體還提供成儲存數位影像資料。操作控制單元2可更包含一使用者介面或一與其他通信介面互接的介面，以接收指令及傳送檢測結果。
每一新的相交表面由FIB束51蝕銑，並由帶電粒子成像束44成像，帶電粒子成像束是例如掃描電子束或一氦離子顯微鏡(Helium ion microscope，HIM)的氦離子束。
圖2繪示楔形掏槽幾何中的切片及成像方法的更多細節。藉由重複楔形掏槽幾何中的切片及成像方法，產生複數J個橫截面影像切片，包括橫截面表面52、53.i...53.J的影像切片，並產生在測量點6.1處的晶圓8的一檢測點6.1處的一檢查體積160的3D體積影像。圖2繪示一3D記憶體堆疊實例中的楔形掏槽幾何。橫截面表面53.1...53.J與晶圓表面9呈約30°的角GF，使用一FIB束51蝕銑，但其他角度GF，例如在GF=20°與GF=60°之間也可能。圖2繪示當表面52是由FIB 51最後蝕銑的新橫截面表面時的情況。橫截面表面52是例如由SEM束44掃描，SEM束在圖2的實例中係配置在垂直入射到晶圓表面55處，並產生一高解析度橫截面影像切片。橫截面影像切片包含第一橫截面影像特徵，其由與高深寬比(HAR)結構或通孔相交所形成(例如HAR結構4.1、4.2及4.3的第一橫截面影像特徵)，以及第二橫截面影像特徵，由與層L.1...L.M相交所形成，其中包含例如SiO2、SiN-或鎢線。該等線的一些者也稱為「字線」。層的最大數量M典型上大於50個以上，例如大於100或甚至大於200。HAR結構及層延伸整個晶圓中大部分的檢測體積，但結構或層可能包括間隙。HAR結構典型上直徑小於100nm，例如約80nm，或例如40nm。HAR結構為規則配置，例如六邊形光柵，線距約低於300nm，例如甚至低於250nm。因此，橫截面影像切片含有第一橫截面影像特徵，作為HAR結構在相對XY位置處不同深度(Z)的交叉點或橫截面。在一圓柱形垂直記憶體HAR結構的情況下，獲得的第一橫截面影像特徵是圓形或 橢圓形結構，其深度由結構在傾斜橫截面表面52上的位置而定。記憶體堆疊在垂直於晶圓表面55的Z方向延伸。兩相鄰橫截面影像切片之間的厚度d或最小距離d被調整為典型數nm級的值，例如30nm、20nm、10nm、5nm、4nm或甚至更少。一旦使用FIB移除預定厚度D的一材料層，下一橫截面表面53.i...53.J就會暴露出來，並可使用帶電粒子成像束44進行成像。圖3繪示一實例中的第i及第(i+1)橫截面影像切片。垂直的HAR結構作為第一橫截面影像特徵77出現在橫截面影像切片中，例如第一橫截面影像特徵77.1、77.2及77.3。由於成像帶電粒子束44平行於HAR結構定向，因此例如代表一理想HAR結構的第一橫截面影像特徵將出現在相同的y坐標處。例如，一理想HAR結構的第一橫截面影像特徵77.1及77.2在線80處置中，其第i及第(i+1)影像切片具有相同的Y坐標。橫截面影像切片更包含複數個層(例如層L1至L5)的複數個第二橫截面影像特徵，例如層L4的第二橫截面影像特徵73.1及73.2。層結構在橫截面影像切片中顯示為沿X方向的條紋段。然而，代表複數個層的這些第二橫截面影像特徵的位置，此處顯示為層L1至L5，則係相對於第一橫截面影像特徵，隨著每一橫截面影像切片而改變。當層以增加的深度與影像平面相交時，第二橫截面影像特徵的位置以一預定義方式從影像切片i變為影像切片i+1。例如，由參考標號78.1、78.2指示的層L4的上表面在y方向上位移距離D2。從確定第二橫截面影像特徵的位置，例如78.1及78.2，可確定一橫截面影像的深度映射Zi(x,y)。
由於一晶圓生產涉及的平面生產技術，使得層(例如層L1至L5)在一晶圓的較大面積上處於恆定深度。第一橫截面影像切片的深度映射能夠至少相對於M層中的第二橫截面影像特徵的深度來確定。橫截面影像切片產生深度映射ZJ(x,y)的更多細節在專利案WO 2021/180600 A1中描述。藉由提取第二橫截面影像的特徵，諸如邊緣偵測或質心計算及影像分析，並根據第二橫截面影像特徵的相同或相似深度的假設，因此可確定傾斜橫截面影像切片中的第一橫截面影像特徵的橫向位置以及相對深度。然而，如將在以下更詳細描述，在一些 情況下，在M層中不存在第二橫截面影像特徵，或者其無法足夠準確在複數個截面影像切片中檢測。
以此方式獲取的複數J個橫截面影像切片覆蓋晶圓8在測量點6.1處的一檢測體積，並且用於形成例如10nm以下、較佳為5nm以下的高3D解析度的3D體積影像。檢測體積160(參見圖2)典型上在xy平面中具有LX=LY=5μm至15μm的橫向延伸，及在晶圓表面55下方2μm至15μm的深度LZ。然而，該等延伸也可為更大，並且達到例如50μm。根據專利案WO 2021/180600 A1產生全3D體積影像典型需要將橫截面表面蝕銑到晶圓8的表面55中，在y方向上具有更大延伸(如延伸LY)。在此實例中，藉由蝕銑橫截面53.1至53.J來破壞具有延伸LYO的額外區域。在一典型的實例中，延伸LYO超過20μm。
操作控制單元2(參見圖1)配置成在一晶圓8中的檢測體積160內執行一3D檢測。操作控制單元2進一步配置成從3D體積影像重建所專注的半導體結構特性。在一實例中，所專注的半導體結構的特徵及3D位置，例如HAR結構的位置，則係藉由例如從HAR質心的影像處理方法偵測。在專利案WO 2020/244795 A1中進一步描述一3D體積影像的產生，包含影像處理方法及基於特徵的對準，其併入本文供參考。
根據本發明，改善3D體積影像資料集的精度。改善的一步驟是藉由根據第一具體實施例之用於體積檢測的一改良系統來實現。用於體積檢測之改良系統依賴一改良的位置感測器21，該位置感測器在蝕銑及成像製程中用作一監控系統。在習知技術中，典型上使用低準確度的位置感測器，且基準點的成像用於對準所獲得的影像。由此，即使使用低成本位置感測器也能實現更高的準確度。然而，在第一具體實施例的一實例中，改用高解析度位置感測器21。此高解析度位置感測器21原則上是已知，但需要對系統1000採取某些措施，例如真空室或殼體12內部的真空條件或溫度條件的精確控制單元(未示出)。根據實例，載台位置不能更準確使用位置感測器21來控制。根據實例，在蝕銑及成像製程中需要以數奈米以下的高精度監測控載台位置，例如2nm、1nm、或 甚至更小。由此獲得橫截面表面的橫向及z位置的附加資訊。例如，導致從影像切片到影像切片間的結構位置偏移的橫向載台漂移受到監控，且可在3D體積影像產生中考量。還能夠監控平台漂移或變化引起的z位置的不確定性，並能夠以更高精度獲得由FIB所產生橫截面表面的實際位置及角度。
然而，即使使用一高精度位置感測器21，蝕銑束43及成像束44的位置也可能因系統漂移或晶圓的充電效應、或因蝕銑效應(例如幕簾效應)而惡化。根據第二具體實施例，提供晶圓中一群重複三維結構進行3D檢測的準確又健全的方法。該方法是根據以下步驟在圖4中描述。
在步驟S1中，一晶圓裝載在晶圓支撐台15上，且晶圓坐標藉由本領域已知的方法對位。由操作控制單元2加載一晶圓檢測檔案，並確定一檢測任務的至少一第一檢測點6.1。晶圓表面15處的第一檢測點6.1定位在雙射束裝置1的交叉點43下方。
在步驟S2中，確定檢測體積160的尺寸及通過檢測體積160的複數J個橫截面。對於每一橫截面表面，確定y坐標及選擇性確定一蝕銑角GF。複數J個橫截面表面典型包含在相同或相似角GF，且在2nm與10nm之間的相等距離d通過檢測體積的橫截面表面。在高達10μm的一檢測體積中，數量J可超過1000個以上影像切片，例如J=5000個影像或更多切片。
根據檢測任務，步驟S2中可確定其他變量。例如，能夠確定所專注的一群重複三維結構的特定參數模型。例如，檢測任務包含檢測所專注的一第一群及一第二群重複三維結構。
選擇上，在步驟S2中，在檢測點6.1附近產生對準標記或基準點，用於檢測點6.1的重複對準。
在步驟S3中，實施切片及成像製程，並獲得通過檢測體積160的複數個橫截面表面的複數個J橫截面影像切片。在一第一疊代步驟S3.1中，FIB束51在預定的y位置及預定的角GF處，將一橫截面表面蝕銑到檢測體積160中。在一第二疊代步驟S3.2中，新的橫截面由成像帶電粒子束44進行成像，並獲得一橫 截面影像切片並儲存在控制單元2的記憶體中。重複步驟3.1及3.2直到完成預定系列的J個截面影像切片為止。在這兩步驟中，晶圓8相對於雙射束系統1的位置是由位置感測器21監測，且實際感測器資訊是與多個橫截面影像切片中的每一者一起儲存。
在步驟S4中，確定假定已知深度的一群結構的一組N個測量橫截面值u1...uN。在此確定期間，藉由本領域已知的方法，在J個橫截面影像切片系列中偵測假定已知深度的結構的橫截面影像片段，並且確定橫截面值v1...vN。一橫截面值vi可為一邊緣位置或一中心位置。
在步驟S5中，導出假定已知深度的該群結構的一組W個模型橫截面值v1...vW。在一實例中，數量W大於測量橫截面值的數量N，並內插遺失的測量值。在一實例中，數量W等於N或甚至更小，並藉由平均、內插或過濾來補償測量不準確。通常，該組W個模型橫截面值v1...vW是由一具有R參數的參數化函數描述。在一實例中，參數的數量小於測量橫截面值的數量N，其中R<N。然後，例如藉由將該組W個模型橫截面值v1...vW最小平方優化到該組測量橫截面值v1...vN而導出R參數。
在一實例中，該模型包含一第一參數模型S(A1,...AP)的一第一組P參數A1,...AP、及一第二參數模型T(B1...AP)的一第二組Q參數(B1,...BQ)。第一參數模型S代表每一影像切片中的假定已知深度的該第二群結構的橫截面值的橫向位置的一偏移誤差。第二參數模型T代表根據一橫截面表面的蝕銑角GF的局部誤差，在一橫截面影像切片中的假定已知深度的第二群結構的橫截面值的橫向位置誤差。
然後，例如藉由最小平方優化法將實際參數A及B導出到該組測量橫截面值v1...vN。
在步驟S6中，從假定已知深度的該群結構的第一組W個模型橫截面值v1...vW中，針對複數個橫截面影像切片中的每一者計算一深度映射 Zi(x,y)。利用複數個深度映射Zi(x,y)及複數個橫截面影像切片，產生高準確度的一3D體影像資料集。
在步驟S7中，最終導出檢測體積的3D半導體結構中所專注的參數或特徵。例如，所專注的半導體結構由複數個重複的半導體結構形成，諸如圖2所示的HAR結構。複數個重複的半導體結構中所專注的參數或特徵可例如為這些特徵的體積、橫向位置、尺寸(諸如距離或直徑)、重疊區域、這些特徵的平均值、及一與個別結構的平均值的最大偏差。所專注的參數或特徵最終歸因於檢測點，並儲存在控制單元2的記憶體中或寫入一檢測檔案。
在圖5的實例中更詳細描述根據第二具體實施例的方法。具有檢測體積160的檢測點6.1係對準在帶電粒子成像系統下方，用於與成像帶電粒子束44一起使用時進行成像。複數J個橫截面表面301.1、301.2至301.J是由其蝕銑位置y1至yJ及其蝕銑角度GF來確定。在控制單元19的控制下，橫截面表面301.1、301.2至301.J然後依序蝕銑到檢測體積160中，且每次以FIB束(未示出)蝕銑表面後，由成像帶電粒子束44獲得一對應的橫截面影像切片。複數個層結構409(諸如上述具有數量M層(其中索引m=1、2、...M)的字線)是與複數J個橫截面表面301.i(i=1...J)相交。多個2D橫截面影像切片中的每一者包含多層或多金屬線409的數個橫截面影像407。橫截面表面301.1、301.2至301.J中的可見橫截面影像407是由實心點表示，一些橫截面影像使用標號407表示。每一橫截面影像切片是藉由成像帶電粒子束44掃描獲得，且每一影像切片包含具有假定已知深度的第二群結構的至少一些橫截面，其配置在平行於半導體晶圓表面的複數個M層。金屬線的橫截面影像的總數為N。從N個橫截面影像407中，確定N個橫截面值v1...vN。
層409典型上平行於表面55，但可顯示出與表面55的一些緩慢變化的偏差。橫截面表面301能夠顯示與預定蝕銑角GF的偏差，如橫截面表面301.i的實例所示，其中角GF與301.i+2具有相對於表面55的略微不同斜角GF’。此外，橫截面表面能夠顯示一波紋，如橫截面301.i+1所示。在圖5中高度誇大效果。在 參數模型中考量到層409的這些誤差以及來自蝕銑製程的誤差，例如藉由以下更詳述所分開的誤差貢獻S及T。由此，假設誤差典型上只是從層到層409的切片到切片之間緩慢變化的函數。
根據一實例，索引i的每一橫截面影像切片的模型邊緣位置Y可由近似M*J方程式的函數相依性來描述：
Figure 111143898-A0305-02-0017-1
 Y shift (i)為表徵第i個橫截面表面在Y方向上對應於蝕銑距離d的偏移之項。
α(i)為表徵橫截面表面平均斜率的變化之比例項(Scaling term)。理想情況下，一影像切片中邊緣位置Y的差異係直接與深度或第m層與第一層之間的z位置差異相關，其中m=1及蝕銑角GF(2)(Y 1 m -Y 1 1)=(Z m -Z 1)/tan(GF)
α(i)因此描述此理想關係的一變體。
根據步驟S5，方程式(1)中的函數Y shift (i)及α(i)由具有一有限數量參數的參數模型S及T描述，S=Yshift(i)=Yshift(A1,A2,AP；i)，以及T=α(i)=α(B1,B2,BQ；i)，其中P及Q是參數的對應數量。
參數模型S及T能夠例如藉由低階多項式或B樣條。因此，模型方程式(1)的系統能夠寫成如下式：(3)Y i m =f(Y 1 1 ,Y 1 2 ,...,Y 1 m ,A 1 ,A 2 ,...,A p ,B Q ,i,m)
根據步驟S4，提取並測量假定已知深度的結構的第一組測量橫截面值v1...vN之後，確定一第一組N個測量橫截面值v1...vN。在此實例中，N個測量橫截面值對應於邊緣位置Yn。利用測量橫截面值Yn，能夠藉由例如最小平方優化來解方程式(5)，且能夠在每個位置處的每一影像切片內確定模型邊緣位置Y。只要數值N超過參數數量L+P+Q，且N>=L+P+Q，就能夠解方程式。 即使使用一較小數值N，也能夠獲得一最適配的近似值，例如藉由使用一先驗資訊。
根據具有優化參數A及B的方程式(5)的模型邊緣位置，能夠計算多個影像切片中每一者的深度映射Zi(x,y)，並高準確及健全獲得3D體積影像。
圖6示出由成像帶電粒子束44產生並且對應於第i個橫截面表面301.i的橫截面影像切片311.i。橫截面影像切片311.i包含在邊緣坐標yi處的傾斜橫截面與晶圓的表面55之間的邊緣線315。在邊緣的右側，影像切片311.i示出通過HAR結構的數個橫截面307.1...307.S，這些橫截面與橫截面表面301.i相交。此外，影像切片311.i包含在不同深度或z位置處的數個字線的橫截面313.1至313.3。利用字線313.1至313.3的這些橫截面，產生傾斜橫截面表面301.i的一深度映射Zi(x,y)。圖7繪示橫截面影像切片311.i的一實例，其中移除通過HAR結構的橫截面307.1...307.S，例如藉由影像處理。從此實例中可以看出，並非字線313的所有橫截面都能夠以相同的精度被偵測，且並非所有字線都延伸通過全影像切片。在許多實例中，金屬線的材料還提供一較低的成像對比度。此外，橫截面影像中金屬線的邊緣或輪廓，可能無法以所需的精度(例如低於1nm)明確識別。因此，第一組橫截面值無法總是藉由一自動影像處理在複數個橫截面影像切片中被檢測，其數量足以直接從該組測量橫截面值v1...vN計算深度映射，起根據包含步驟S5的第二具體實施例的方法較佳。圖8繪示根據具有一組優化參數A及B的方程式(3)之從模型函數獲得的一模型橫截面影像的結果。如此實例所繪示，此處遺失金屬線的橫截面影像細節藉由字線的模型橫截面值v1...vW進行內插，此處對應於假定已知深度的第二群結構。此外，例如藉由適當地選擇僅包含低階項的多項式S及T，降低隨機測量假影對確定測量橫截面值u1...uN的影響。因此，根據本發明的方法對測量假影具有健全性，即使當成像條件對假定已知深度的結構僅提供低對比度時也是如此。
在步驟S6中從複數個橫截面影像切片獲得的3D體影像資料集，每一橫截面影像切片都具有已知橫向位置的影像像素、以及深度映射Z(x,y)，使得 每一影像像素的z位置為已知。來自許多影像像素的像素資料能夠在一規則3D光柵中轉換。從3D體積影像，無論是否在一規則3D光柵中，都能夠高準確及高健全計算檢測體積中所專注的結構的特性。
所專注的此類結構典型上由一群重複的3D結構給出，諸如高深寬比(HAR)-記憶體裝置的結構。圖9繪示一檢測體積160內的複數個此類HAR結構309。複數個HAR結構309與上述複數個橫截面表面301.i至301.j相交，且獲得HAR結構的複數個橫截面影像307。利用根據方法步驟S5及S6所確定的深度映射Zi(x,y)，以高精度確定3D體積中的橫截面307的每一位置，包括深度。從3D體積影像中，能夠高準確獲得HAR結構的特性。
特性可為邊緣位置、中心位置、半徑、直徑、離心率、橫截面積、距離、重疊誤差或對此類特性的任何統計評估，像似平均值或偏差，諸如粗糙度。
利用本發明的第二具體實施例，提供一用於產生3D體積影像的健全方法，其對蝕銑及成像製程期間的誤差不敏感，且能夠在不破壞晶圓的情況下進行晶圓檢測。若已知深度的結構，無法藉由根據直接確定橫截面影像切片的Z圖(帶電粒子成像條件所需)獲得，則該方法是有利的。在一第三具體實施例中，提供改善一3D體積影像的產生方法。圖10繪示該方法的改善，其係使用一3D記憶體堆疊中的HAR記憶體通道為例。圖10示出在一斜角GF下通過具有複數個HAR結構309的一檢測體積160的複數個橫截面301.1至301.J。每一橫截面表面與複數個具有橫截面307的HAR結構相交。圖10b示出具有複數個截面影像311.1至311.J的截面影像資料堆疊。偵測HAR結構的橫截面307.jk，並歸因於一個別的HAR結構，且確定每一橫截面的質心。質心通過資料堆疊163形成HAR結構的近似軌跡。每一橫截面影像(例如在基準點或對準標記(未示出)或藉由一精密載台的一第一對準之後對準)仍然會示出橫向位移，由於漂移及以雙射束系統蝕銑或成像的其他影響或晶圓的充電效應。此外，橫截面表面301能夠示出一波紋(例如參見圖10a中的橫截面表面301.i+1)。如圖10b所繪示，即使經 過以對準標記或以高精度監測載台位置的初始對準，這些影響導致波動的質心線309.1或309.2。殘餘未對準包括從影像切片到影像切片的一平均差。根據第三具體實施例的方法，假設切片的殘餘未對準僅由一所選頻率範圍內的特定貢獻組成。該方法如圖11所繪示。
在一第一步驟E1中，描述每一影像切片311.j之索引為n且垂直於晶圓表面55的一HAR質心軌跡的每一橫截面的橫向位置：
Figure 111143898-A0305-02-0020-2
 帶有一橫向位移dx j n ,dy j n 及帶有每一橫截面的一參考位置xref,yref，其中索引n=1...J。參考位置xref,yref可例如是一任意參考橫截面影像切片中的質心位置。
在一第二步驟C2中，分析質心軌跡，並對橫向位移dx j n ,dy j n 應用一過濾。在一實例中，減去切片到切片位移dx j n ,dy j n 的高頻部分。這例如藉由計算在每一橫截面影像切片中的HAR結構的橫截面的平均橫向位移Ax j =Average j (dx j n ；n),Ay j =Average j (dy j n ；n)來實現。然後假設平均橫向位移Axj、Ayj的高頻改變是來自測量的假影。
在步驟E2的另一實例中，藉由將一參數模型S2(C1，C2，...；i)適配到相對於影樣切片的參考位置xref、yref的橫截面質心的平均橫向位移Axj、Ayj，來獲得過濾，其中i=1...J。參數模型的參數代表HAR結構質心的真實位移，而高頻貢獻藉由適配最小平方到參數模型被過濾掉。例如，參數C1、C2、...能夠描述一線性傾斜、一曲率或一低頻諧波函數。
橫截面質心的平均橫向位移Axj、Ayj的參數模型S2(C1,C2,...；i)，能夠與根據第二具體實施例的假定已知深度的結構的橫向偏移的參數模型S(A1,A2,...AP；i)互補。
在步驟E3中，根據平均橫向位移Axj、Ayj的低頻部分，重新對準橫截面影像切片。減去平均橫向位移Axj、Ayj的高頻部分，獲得從切片到切片僅具有低頻偏差的HAR通道軌跡309。結果如圖12所繪示。由於僅對每個影像切 片的一平均位移向量進行過濾，因此影像資料堆疊中保留了如橫截面307.jk的一影像切片內的局部位移。圖12示出在移除影像切片到影像切片的平均高頻位移之後，影像切片311.1到311.J的橫向對準結果。HAR結構的低空間頻率趨勢，如其常見的傾斜或曲率(扭動)，反映結構的真實特性。
圖13繪示從複數個橫截面中提取質心位置的一簡化示例。圖12a示出橫截面影像切片311.1的一段，包括HAR結構的橫截面307.1及307.2，以及字線313.2及313.3的橫截面。橫截面影像切片311.1，還能夠包括一些缺陷或成像假影325.1和325.2。在一第一步驟中，影像被清理且字線313.2及313.3的橫截面藉由過濾技術被移除，例如一閾值過濾或一侵蝕程序。過濾也能夠藉由本領域已知的特徵或圖形辨識方法來實行，例如藉由邊緣偵測，傅立葉過濾或相關技術，包含機器學習方法。清理影像的結果如圖12b所示。HAR結構的橫截面307.1及307.2，然後近似於橫截面的模型，例如兩個圓環317及319(圖12c)。根據這些環，能夠在橫截面影像切片內確定參數，如外環319的直徑Dx、內環317的直徑Dy、或中心位置321.1及321.2(圖12d)。對J個橫截面影像切片系列重複此程序。
具體實施例所描述的發明可藉由以下各項來描述：
第1項：一種在半導體晶圓中產生檢測體積的3D體積影像的方法，其包含：a)藉由以一斜角GF對通過該檢測體積的複數個橫截面表面進行疊代及後續蝕銑成像，以獲得複數J個橫截面影像切片；b)從複數J個橫截面影像切片中，確定假定已知深度的一群結構的一組N個測量橫截面值u1...uN；c)從該組N個測量橫截面值u1...uN中，確定假定已知深度的該群結構的一組W個模型橫截面值v1...vW；d)從該組W個模型橫截面值v1...vW中，針對該等橫截面影像切片之每一者確定一深度映射Zj(x,y)； e)從複數J個橫截面影像切片及該深度映射Zj(x,y)中，確定一3D體積影像。
第2項：如第1項所述之方法，其中該等橫截面值之每一者代表假定已知深度的多個結構之一者的邊緣位置或中心位置。
第3項：如第1項或2所述之方法，其中該組W個模型橫截面值v1...vW藉由一具有某些R<N參數的參數模型描述。
第4項：如第3項所述之方法，其中該組W個模型橫截面值v1...vW的該等R參數藉由最小平方優化從該組測量橫截面值v1...vN來確定。
第5項：如第3或4項所述之方法，其中該組W個模型橫截面值v1...vW是藉由添加以下參數模型來描述：一第一參數模型S，其代表該等影像切片之每一者中的假定已知深度的該群結構的橫截面值的該橫向位置的一偏移誤差；及一第二參數模型T，其是根據一橫截面表面的該蝕銑角GF的局部誤差。
第6項：如第1項至5中任一項所述之方法，其中假定已知深度的該群結構包含平行於該半導體晶圓的一表面的複數個M層中的結構。
第7項：如第1項至6中任一項所述之方法，其更包含以下步驟：在複數J個橫截面影像切片中，確定一群重複三維結構的至少一第二組測量橫截面值、及確定該群重複三維結構的特性。
第8項：如第7項所述之方法，其中該第二組測量橫截面值代表該群重複三維結構的橫截面的中心位置。
第9項：如第8項所述之方法，其更包含下列步驟：從參考中心位置確定該等中心位置的複數個橫向位移；及藉由對每一橫截面影像切片的複數個橫向位移進行平均，確定一平均橫向位移，以及過濾從橫截面影像切片到橫截面影像切片的該平均位移的一高頻部分。
第10項：如第1至9項中任一項所述之方法，其中橫截面影像切片的數量J為J>200、J>1000或J>5000。
第11項：一種在半導體晶圓中產生檢測體積的3D體積影像的檢測系統，其包含：一在晶圓載台上的晶圓支撐件，用於容置一晶圓；一雙射束系統，其具有一聚焦離子束(FIB)，以相對該晶圓支撐件的表面呈一斜角GF配置；及一成像帶電粒子束系統，以近似垂直該晶圓支撐件的該表面的一角度配置；一控制單元，其具有一記憶體及一處理器，用於在使用期間執行指令，以執行如第1至10項所述之多個方法步驟中的任一者。
第12項：如第1項1所述之檢測系統，其更包含：一精密干涉儀，用於控制該晶圓載台的一位置；及一殼體及一控制器，其配置成用於控制該殼體內的一真空條件，其中該精密干涉儀及該晶圓載台配置在該殼體內。
然而，藉由實例及具體實施例所描述的本發明不限於這些前述項，而是可由熟習該項技藝者藉由其各種組合或修改來實施。
1:雙射束裝置
2:操作控制單元
6.1、6.2:測量點
8:晶圓
12:真空室
15:晶圓支撐台
16:載台控制單元
17:二次電子探測器
19:控制單元
21:位置感測器
40:帶電粒子束(CPB)成像系統
42:成像系統光軸
43:交叉點
44:成像帶電粒子束
48:Fib光軸
50:FIB柱
51:聚焦離子束
55:晶圓頂面
155:晶圓載台
1000:檢測系統
GE、GF、GFE:角

Claims (11)

  1. 一種在半導體晶圓中產生檢測體積的3D體積影像的方法，其包含：a)藉由以一斜角GF對通過該檢測體積的複數個橫截面表面進行疊代及後續蝕銑成像，以獲得複數J個橫截面影像切片；b)從複數J個橫截面影像切片中，確定假定已知深度的一群結構的一組N個測量橫截面值u1...uN；c)從該組N個測量橫截面值u1...uN中，確定假定已知深度的該群結構的一組W個模型橫截面值v1...vW；d)從該組W個模型橫截面值v1...vW中，針對該等橫截面影像切片之每一者確定一深度映射Zj(x,y)；e)從複數J個橫截面影像切片及該深度映射Zj(x,y)中，確定一3D體積影像；其中該組W個模型橫截面值v1...vW藉由一具有某些R<N參數的參數模型描述。
  2. 如請求項1所述之方法，其中該等橫截面值之每一者代表假定已知深度的多個結構之一者的邊緣位置或中心位置。
  3. 如請求項1所述之方法，其中該組W個模型橫截面值v1...vW的該等R參數是藉由最小平方優化從該組測量橫截面值v1...vN來確定。
  4. 如請求項1所述之方法，其中該組W個模型橫截面值v1...vW是藉由添加以下參數模型來描述：一第一參數模型S，其代表該等影像切片之每一者 中的假定已知深度的該群結構的橫截面值的該橫向位置的一偏移誤差；及一第二參數模型T，其是根據一橫截面表面的該蝕銑角GF的局部誤差。
  5. 如請求項1所述之方法，其中假定已知深度的該群結構包含平行於該半導體晶圓的一表面的複數個M層中的結構。
  6. 如請求項1所述之方法，更包含下列步驟：在複數J個橫截面影像切片中，確定一群重複三維結構的至少一第二組測量橫截面值；及確定該群重複三維結構的特性。
  7. 如請求項6所述之方法，其中該第二組測量橫截面值代表該群重複三維結構的橫截面的中心位置。
  8. 如請求項7所述之方法，更包含下列步驟：從參考中心位置確定該等中心位置的複數個橫向位移，藉由對每一橫截面影像切片的複數個橫向位移進行平均，以確定平均橫向位移；及過濾從橫截面影像切片到橫截面影像切片的該平均位移的高頻部分。
  9. 如請求項1所述之方法，其中橫截面影像切片的該數量J為J>200、J>1000或J>5000。
  10. 一種在半導體晶圓中產生檢測體積的3D體積影像的檢測系統，包含：一在晶圓載台上的晶圓支撐件，用於容置一晶圓； 一雙射束系統，其具有一聚焦離子束(FIB)，以相對該晶圓支撐件的一表面呈一斜角GF配置；及一成像帶電粒子束系統，以近似垂直該晶圓支撐件的該表面的一角度配置；一控制單元，其具有一記憶體及一處理器，用於在使用期間執行指令，以執行如請求項1至9中的多個方法步驟之任一者。
  11. 如請求項10所述的檢測系統，更包含：一精密干涉儀，用於控制該晶圓載台的一位置；及一殼體及一控制器，該控制器配置成控制該殼體內的一真空條件，其中該精密干涉儀及該晶圓載台配置在該殼體內。
TW111143898A 2021-12-21 2022-11-17 以更高的精度對半導體晶圓進行３ｄ體積檢測的方法和檢測系統 TWI826123B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202163292043P 2021-12-21 2021-12-21
US63/292,043 2021-12-21

Publications (2)

Publication Number Publication Date
TW202331244A TW202331244A (zh) 2023-08-01
TWI826123B true TWI826123B (zh) 2023-12-11

Family

ID=84440140

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111143898A TWI826123B (zh) 2021-12-21 2022-11-17 以更高的精度對半導體晶圓進行３ｄ體積檢測的方法和檢測系統

Country Status (2)

Country Link
TW (1) TWI826123B (zh)
WO (1) WO2023117262A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040250776A1 (en) * 2003-03-26 2004-12-16 Masaki Mizuochi Sample-setting moving stage, manufacturing apparatus for circuit pattern, and inspection apparatus for circuit pattern
TW201421546A (zh) * 2012-10-05 2014-06-01 Fei Co 高「高寬比」結構之分析
US20160079060A1 (en) * 2002-05-24 2016-03-17 Massachusetts Institute Of Technology Patterning of Nanostructures
WO2021180600A1 (en) * 2020-03-13 2021-09-16 Carl Zeiss Smt Gmbh Method of cross-section imaging of an inspection volumes in wafer

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102410666B1 (ko) * 2015-01-09 2022-06-20 삼성전자주식회사 반도체 소자의 계측 방법, 및 이를 이용한 반도체 소자의 제조방법
US10670393B1 (en) * 2018-11-30 2020-06-02 Applied Materials, Inc. Construction of three-dimensional profiles of high aspect ratio structures using top down imaging
CN113950704A (zh) 2019-06-07 2022-01-18 卡尔蔡司Smt有限责任公司 具有改良3d体积图像重建精度的横截面成像
DE102019210452A1 (de) * 2019-07-16 2021-01-21 Carl Zeiss Microscopy Gmbh Verfahren und Vorrichtung zum Erfassen von Volumeninformationen dreidimensionaler Proben
US20210374467A1 (en) * 2020-05-29 2021-12-02 Fei Company Correlated slice and view image annotation for machine learning

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160079060A1 (en) * 2002-05-24 2016-03-17 Massachusetts Institute Of Technology Patterning of Nanostructures
US20040250776A1 (en) * 2003-03-26 2004-12-16 Masaki Mizuochi Sample-setting moving stage, manufacturing apparatus for circuit pattern, and inspection apparatus for circuit pattern
TW201421546A (zh) * 2012-10-05 2014-06-01 Fei Co 高「高寬比」結構之分析
WO2021180600A1 (en) * 2020-03-13 2021-09-16 Carl Zeiss Smt Gmbh Method of cross-section imaging of an inspection volumes in wafer

Also Published As

Publication number Publication date
WO2023117262A1 (en) 2023-06-29
TW202331244A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
US20220392793A1 (en) Methods of cross-section imaging of an inspection volume in a wafer
TWI776163B (zh) 得到積體半導體樣本之立體影像之方法、電腦程式產品、及半導體檢測裝置
TWI767385B (zh) 半導體檢查裝置以及用以分析在一積體半導體裝置內的一組ｈａｒ結構的方法
WO2011013316A1 (ja) パターン形状選択方法、及びパターン測定装置
JP2022548544A (ja) 多走査電子顕微鏡法を使用したウェーハアライメント
TWI835407B (zh) 測定說明半導體晶圓之檢測體積內部三維結構參數之方法、獲取半導體晶圓內深層檢測體積之３ｄ體積影像的切片與成像方法、用於晶圓檢測的檢測裝置、及對晶圓中三維結構進行檢測之方法
TWI826123B (zh) 以更高的精度對半導體晶圓進行３ｄ體積檢測的方法和檢測系統
US10957608B2 (en) Guided scanning electron microscopy metrology based on wafer topography
TW202324557A (zh) 用於切片及影像處理的晶圓傾斜測定
TWI836954B (zh) 具有增加處理量與準確度的半導體晶圓３ｄ體積檢查的方法和裝置
WO2024088923A1 (en) Improved method and apparatus for segmentation of semiconductor inspection images
TWI812091B (zh) 訓練機器學習邏輯及分析高深寬比結構中奈米柱橫截面環之方法、半導體檢測裝置、電腦程式及實體儲存媒體
TW202420369A (zh) 帶電粒子束成像裝置的失真測量和參數設定的方法及對應裝置
TW202418221A (zh) 用於半導體檢查圖像分割的改進方法和裝置
Konno et al. Efficient cross-sectional evaluation method of three-dimensional NAND flash memory by cooperation of coherence scanning interferometry and scanning electron microscopy
TW202407336A (zh) 使用半導體結構的切片和影像斷層成像影像的參數化x射線散射測量
WO2024023116A1 (en) Method for distortion measurement and parameter setting for charged particle beam imaging devices and corresponding devices
WO2022271396A1 (en) 3d metrology from 3d datacube created from stack of registered images obtained during delayering of the sample