TWI833980B - 結合光學及電子束檢查之半導體熱點及製程窗之發現 - Google Patents

結合光學及電子束檢查之半導體熱點及製程窗之發現 Download PDF

Info

Publication number
TWI833980B
TWI833980B TW109126164A TW109126164A TWI833980B TW I833980 B TWI833980 B TW I833980B TW 109126164 A TW109126164 A TW 109126164A TW 109126164 A TW109126164 A TW 109126164A TW I833980 B TWI833980 B TW I833980B
Authority
TW
Taiwan
Prior art keywords
modulation
group
process window
doi
defects
Prior art date
Application number
TW109126164A
Other languages
English (en)
Other versions
TW202113652A (zh
Inventor
辰 梁
馬丁 普莉霍爾
沙瑞維南 普瑞瑪西文
尼費帝沙 拉克希米 納拉斯瀚
桑迪普 巴格特
Original Assignee
美商科磊股份有限公司
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 美商科磊股份有限公司 filed Critical 美商科磊股份有限公司
Publication of TW202113652A publication Critical patent/TW202113652A/zh
Application granted granted Critical
Publication of TWI833980B publication Critical patent/TWI833980B/zh

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • 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
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • H01L22/10—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
    • 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
    • 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
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • 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
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • 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
    • G01N2021/8883—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 involving the calculation of gauges, generating models
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/07—Investigating materials by wave or particle radiation secondary emission
    • G01N2223/079—Investigating materials by wave or particle radiation secondary emission incident electron beam and measuring excited X-rays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/646—Specific applications or type of materials flaws, defects
    • 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
    • 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
    • G06T2207/20—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (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)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

為了評估一半導體製造程序，獲得包含被分組成調變組之晶粒之一半導體晶圓。各調變組係使用相異程序參數製造。光學檢查該晶圓以識別缺陷。訓練一擾亂點過濾器以將該等缺陷分類為DOI或擾亂點缺陷。基於該訓練之結果，判定該晶圓之一第一初步製程窗且識別在包圍該第一製程窗之調變組之一第一群組中之具有DOI之晶粒結構。將該經訓練擾亂點過濾器應用至該等經識別缺陷以判定該晶圓之一第二經修正製程窗。基於該第二經修正製程窗內之一或多個調變組中之經指定關照區域之SEM影像判定該晶圓之一第三進一步經修正製程窗。產生指定該第三製程窗之一報告。

Description

結合光學及電子束檢查之半導體熱點及製程窗之發現
本發明係關於半導體製造且更具體言之，係關於執行缺陷檢查及分類以識別一製造製程窗。
為了判定半導體製造之一製程窗，可基於一實驗性設計(即，一「實驗設計」或DOE)製造被稱為一DOE晶圓之一半導體晶圓且針對缺陷檢查該半導體晶圓。DOE晶圓之實例包含製程窗鑑定(process window qualification；PWQ)晶圓及焦距-曝光矩陣(FEM晶圓)。傳統上，在一兩步驟技術中將光學檢查(例如，使用具有一寬頻電漿(BBP)光源之一檢查工具)與大規模掃描電子顯微鏡(SEM)分析結合以判定製程窗。在第一步驟中，識別失效結構。在第二步驟中，判定失效結構之製程窗。此傳統兩步驟技術係冗長的且使用效率低的取樣，此通常限制使用者僅執行技術一次。
因此，需要結合光學檢查(例如，BBP檢查)及SEM檢查以判定一半導體製造製程窗之經改良方法及系統。
在一些實施例中，一種評估一半導體製造程序之方法包含：獲得包含被分組成調變組之複數個晶粒之一半導體晶圓，其中各調變組係使用相異程序參數製造；及光學檢查該半導體晶圓以識別該等調變組中之缺陷。訓練一擾亂點過濾器以將該等經識別缺陷分類為所關注缺陷(DOI)或擾亂點缺陷。訓練該擾亂點過濾器包含執行該等經識別缺陷之一第一樣本之掃描電子顯微鏡(SEM)影像之自動缺陷分類以判定該第一樣本中之各自缺陷是否係DOI或擾亂點缺陷。基於該訓練之結果，判定該半導體晶圓之一第一初步製程窗。該第一製程窗係其各自調變組無DOI之程序參數之一窗。亦基於該訓練之該等結果，在包圍該第一製程窗之調變組之一第一群組中識別具有DOI之晶粒結構。將該經訓練擾亂點過濾器應用至該等經識別缺陷以判定該半導體晶圓之一第二經修正製程窗。判定該第二製程窗包含針對位於該第一製程窗內且具有緊鄰該第一群組之一各自調變組之一程序調變之一各自程序調變之各調變組，判定該調變組是否具有識別為具有該第一群組之該各自調變組中之一所關注缺陷之一結構之一或多個DOI。基於該第二經修正製程窗內之一或多個調變組中之經指定關照區域之SEM影像判定該半導體晶圓之一第三進一步經修正製程窗。產生指定該第三製程窗之一報告。
在一些實施例中，一種半導體檢查系統包含一光學檢查工具、一或多個處理器及儲存用於藉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之方法之指令。在一些實施例中，一種非暫時性電腦可讀儲存媒體儲存經組態用於藉由包含一光學檢查工具之一半導體檢查系統之一或多個處理器執行之一或多個程式。該一或多個程式包含用於執行上文之方法之指令。
相關申請案
本申請案主張2019年8月7日申請之印度(IN)專利申請案第201941031907號之優先權，該案之全文為了全部目的以引用的方式併入。
現將詳細參考各項實施例，在隨附圖式中繪示該等實施例之實例。在以下詳細描述中，闡述多個具體細節以便提供各項所述實施例之一透徹解釋。然而，一般技術者將明白，可在無此等具體細節之情況下實踐各種所述實施例。在其他例項中，未詳細描述熟知方法、程序、組件、電路及網路以免不必要地使本發明之態樣不清楚。
圖1係展示根據一些實施例之評估一半導體製造程序之一方法100之一流程圖。可使用一半導體檢查系統900 (圖9)或其部分執行方法100。
在方法100中，獲得(102)包含被分組成調變組之複數個晶粒之一半導體晶圓。半導體晶圓係一DOE晶圓(例如，一PWQ或FEM晶圓)且各調變組係使用相異程序參數製造。例如，半導體晶圓700 (圖7A至圖7D)包含多個調變組702，該多個調變組702之各者係使用相異程序參數製造。各調變組702包含一或多個半導體晶粒(例如，配置成一陣列之複數個半導體晶粒，其中配置係由用於製造晶粒之對應倍縮光罩上之晶粒層之陣列指定)。在一些實施例中，各調變組702係部分透過憑藉一倍縮光罩僅光微影地曝光一部分且不曝光晶圓之其他部分之一單一例項製造之半導體晶圓之該部分。在一些實施例中，相異程序參數包含(104)一光微影程序步驟之一各自焦距及一各自曝光(即，劑量)，使得針對一特定光微影程序步驟，使用焦距及曝光之一相異結合製造各調變組702。例如，晶圓700上之各行調變組702可使用一相異焦距製造且晶圓700上之各列調變組702可使用一相異曝光製造(或反之亦然)。針對晶圓700，曝光可沿著行單調變動及/或焦距可沿著列單調變動(或反之亦然)。然而，調變組之其他配置可行；一般言之，具有程序參數之特定結合之調變組在晶圓上之位置可係任意的。當執行方法100時，半導體晶圓之製造可係完整抑或不完整的。
光學檢查(106)半導體晶圓以識別調變組中之缺陷。在一些實施例中，使用(108)具有一BBP光源之一光學檢查工具以檢查晶圓。光學檢查可使用一單一光學模式或複數個光學模式(例如，兩個光學模式)執行。各光學模式具有光學特性之一相異結合。在一些實施例中，光學特性包含波長範圍、偏光、焦距、孔徑(例如，照明孔徑中之透射分佈及集光孔徑中之透射分佈)及/或集光孔徑中之相移分佈。一第一光學模式不同於一第二光學模式在於至少一個光學特性之值不同。針對一給定光學模式，可藉由掃描半導體晶圓以產生晶圓上之各自晶粒之目標影像而識別缺陷。在一逐像素基礎上自目標影像減去晶粒之一參考影像(或反之亦然)以產生顯露缺陷之一差異影像。例如，若差異影像中之一特定區域之像素值具有滿足一臨限值之一強度，則將該區域識別為具有一缺陷。掃描可未偵測一些缺陷，此係因為缺陷非常小或不引起入射光之反射率之一改變。
經偵測缺陷包含妨礙裝置功能性之所關注缺陷(DOI)及不妨礙裝置功能性之所謂的擾亂點缺陷。不同於DOI，擾亂點缺陷通常非工程師所關注的。擾亂點缺陷可在數目上超過所關注缺陷。擾亂點缺陷之存在阻止基於光學檢查立即判定一製程窗，光學檢查未偵測到某一DOI之概率亦如此。
圖8A至圖8D展示經受依據程序調變而變化之一系統缺陷之一晶粒結構之一實例。一程序參數藉由實驗設計(例如，根據其上發現晶粒結構之半導體晶圓之一DOE)自圖8A至圖8D單調變動。圖8A展示彼此分離且因此彼此電隔離之金屬線802之一非缺陷對。無橋接存在於金屬線802之間。在圖8B中，一橋804-1已開始形成但不完整，使得金屬線802保持電隔離。橋804-1若被偵測到則可被視為一擾亂點缺陷。在圖8C中，橋接已變得更顯著，使得一橋804-2現在使金屬線802短路。在圖8D中，橋接甚至更顯著，使得一橋804-3 (在其最窄點處寬於橋804-2)使金屬線802短路。橋804-2及804-3若被偵測到則被視為DOI。
為了容許擾亂點缺陷被過濾出且因此在判定製程窗時不被考量，訓練(110)一擾亂點過濾器以將經識別缺陷分類為DOI或擾亂點缺陷。擾亂點過濾器基於在步驟106之光學檢查中偵測之缺陷之像素資料執行此分類。在一些實施例中，擾亂點過濾器不僅將缺陷分類為DOI或擾亂點缺陷，而且亦指派各自缺陷係DOI或擾亂點缺陷之可能性(例如，概率)。訓練擾亂點過濾器包含執行經識別缺陷之一第一樣本之SEM影像之自動缺陷分類以判定第一樣本中之各自缺陷是否係DOI或擾亂點缺陷。此缺陷分類係自動的在於其係在軟體中執行而無使用者檢視或輸入。將各自缺陷標記為DOI或擾亂點缺陷之SEM影像之自動缺陷分類提供一實況，比較該實況與擾亂點過濾器之預測。訓練擾亂點過濾器係根據一些實施例之一反覆程序：對經識別缺陷進行取樣；執行經取樣缺陷之SEM檢視；基於SEM檢視執行經取樣缺陷之自動缺陷分類；相應地改良擾亂點過濾器；及重複程序直至收斂發生。第一樣本可包含在此程序中之全部反覆期間取樣之經識別缺陷。方法200 (圖2，下文描述)係根據一些實施例之擾亂點過濾器訓練之一實例。
在一些實施例中，擾亂點過濾器及/或自動缺陷分類將DOI劃分為不同類型之缺陷(即，不同DOI類別)。
基於訓練之結果(即，基於在步驟110之訓練程序期間獲得之資料，與一旦訓練完成便透過擾亂點過濾器之後續使用而獲得之資料相反) (例如，基於針對SEM影像執行之自動缺陷分類)，判定(112)半導體晶圓之一第一初步製程窗(即，其各自調變組無DOI之程序參數之一窗)。例如，在圖7B中，第一製程窗對應於不包含DOI 706之調變組702，而代替性地僅包含擾亂點缺陷704抑或不包含任何缺陷。第一製程窗由包含一或多個DOI 706且具有緊鄰第一製程窗中之各自調變組之程序調變之程序調變之調變組708之一第一群組所包圍。例如，調變組708-1具有一程序調變，該程序調變與第一製程窗中之一調變組702-1之程序調變相差達DOE中之一單一步長(假定一程序參數沿著調變組之行之單調變動)，且因此緊鄰調變組702-1之程序調變。
同樣基於訓練之結果(例如，基於針對SEM影像執行之自動缺陷分類)，識別(114)在包圍第一製程窗之調變組之一第一群組中之具有DOI之晶粒結構。為了進行此識別，透過被稱為設計群組分級(binning) (DGB)之一程序(其使用指定晶粒佈局之一檔案(例如，一gds檔案))將DOI映射至其上出現DOI之各自晶粒結構。一晶粒可具有一特定結構之一單一例項或多個例項。一特定晶粒結構上之一DOI之存在可指示晶粒結構之失效之一傾向，使得DOI成為系統性的。(替代地，一DOI在一特定晶粒結構上之存在亦可係隨機的。)根據一些實施例，識別具有在調變組之一第一群組中之DOI之晶粒結構之一實例在方法300 (圖3，下文描述)中描述。
將經訓練擾亂點過濾器應用(116)至經識別缺陷以判定半導體晶圓之一第二經修正製程窗。判定第二經修正製程窗包含針對位於第一製程窗內且具有緊鄰第一群組之一各自調變組之一程序調變之一各自程序調變之各調變組，判定調變組是否具有經識別為具有第一群組之各自調變組中之一所關注缺陷之一結構之一或多個DOI。例如，圖7C中之各調變組710在圖7B之製程窗中，具有緊鄰一各自調變組708之一程序調變之一程序調變(假定沿著晶圓700上之調變組之行之單調程序參數變動)，且在各自晶粒結構上具有一或多個DOI 706。(調變組710中之DOI 706在圖7A及圖7B中未展示，此係因為其等在步驟116之前尚未被偵測到。)因此，相對於圖7B中之製程窗(其係較窄的)修正圖7C中之晶圓700之製程窗。根據一些實施例，判定第二經修正製程窗之一實例在方法400 (圖4，下文描述)中描述。
基於第二經修正製程窗內之一或多個調變組中之經指定關照區域之SEM影像判定(118)半導體晶圓之一第三進一步經修正製程窗。SEM影像可顯露其中先前未偵測到DOI之調變組中之DOI，從而引起製程窗經相應地修正。例如，藉由執行SEM影像之自動缺陷分類而識別調變組712 (圖7D)中之先前未偵測DOI 706，且相應地使製程窗變窄(例如，圖7D中之製程窗窄於圖7C中之製程窗(其窄於圖7B中之製程窗))。根據一些實施例，判定第三進一步經修正製程窗之一實例在方法500 (圖5，下文描述)中描述。
在一些實施例中，針對具有DOI之一或多個晶粒結構(例如，針對在包圍第三製程窗之調變組中之具有DOI之全部晶粒結構)量測(120)關鍵尺寸(CD)均勻性。根據一些實施例，量測CD均勻性之一實例在方法600 (圖6，下文描述)中描述。
產生(122)指定第三製程窗之一報告。在一些實施例中，報告指定各自晶粒結構在其處失效(或開始失效)之程序調變(或對應調變組)。在一些實施例中，報告指定在包圍第三製程窗之調變組中之具有DOI之一或多個(例如，全部)晶粒結構。在一些實施例中，報告指定(124)在步驟120中量測之CD均勻性。報告可經顯示(例如，在一顯示器907上，圖9)及/或經傳輸至一遠端裝置(例如，用戶端裝置)以供顯示。報告中之資料可用於識別欲在一半導體裝置之一設計中及/或在一半導體製造程序中作出之改變(例如，一佈局改變；一設計規則改變)。
圖2係展示根據一些實施例之訓練一擾亂點過濾器(例如，如在圖1之方法100之步驟110中)及作出一初始製程窗判定(例如，如在圖1之方法100之步驟112中)之一方法200之一流程圖。可使用一半導體檢查系統900 (圖9)或其部分執行方法200。
在方法200中，對已藉由光學檢查識別之缺陷進行取樣(202) (即，選擇已藉由光學檢查識別之缺陷之一樣本)。在選擇樣本之前抑或之後，使用一擾亂點過濾器對缺陷進行分類。經取樣缺陷可包含(尚未訓練之)擾亂點過濾器預測係DOI 706之缺陷及擾亂點過濾器預測係擾亂點缺陷704之缺陷(圖7A)。可期望選擇不同類型之缺陷以確保擾亂點過濾器之穩健訓練。
檢視經取樣缺陷之SEM影像且執行(204)如SEM影像中展示之缺陷之自動缺陷分類(例如，如針對圖1之方法100之步驟110描述)，其中相應地標記缺陷。
基於缺陷分類訓練(206)擾亂點過濾器。識別步驟202中藉由擾亂點過濾器執行之缺陷分類與步驟204中使用SEM影像之自動缺陷分類之間之差異，且修改擾亂點過濾器以減少(例如，最小化)此等差異。
判定(208)擾亂點過濾器是否已收斂。若步驟206中作出之改變具有不滿足一臨限值(例如，小於，或小於或等於臨限值，使得改變非實質)之一程度，則可將擾亂點過濾器視為已收斂。若擾亂點過濾器尚未收斂(208-否)，則執行步驟202至208之另一反覆。若擾亂點過濾器已收斂(208-是)，則定義(210)初步製程窗(例如，如針對圖1之方法100之步驟112描述)。在一些實施例中，基於步驟204之自動缺陷分類(其用作實況)判定初步製程窗。步驟200中獲得之資料亦可用於在方法100 (圖1)之步驟114中識別具有DOI之晶粒結構。
圖3係展示根據一些實施例之識別具有DOI之晶粒結構(例如，如在圖1之方法100之步驟114中)之一方法300之一流程圖。可使用一半導體檢查系統900 (圖9)或其部分執行方法300。
在方法300中，執行(301)晶粒結構之基於設計之分組。識別(302)包圍第一製程窗之調變組之一第一群組(例如，調變組708，圖7B)。自調變組之第一群組選擇(304)基於訓練之結果預測為DOI之經識別缺陷之一樣本。此選擇可使用步驟301之基於設計之分組之結果執行。
檢視樣本之SEM影像且執行(306) SEM影像之自動缺陷分類。此自動缺陷分類判定來自步驟304之經預測DOI之哪些實際上係DOI，且相應地標記DOI。根據步驟301之基於設計之分組識別(308)調變組之第一群組中之失效晶粒結構(即，具有DOI之晶粒結構)。產生(310)具有失效結構之第一群組中之調變組之一圖。例如，產生圖7B之晶圓圖，該晶圓圖展示調變組708，其中指示失效晶粒結構之位置。
圖4係展示根據一些實施例之製程窗修正(例如，如在圖1之方法100之步驟116中)之一方法之一流程圖。可使用一半導體檢查系統900 (圖9)或其部分執行方法400。
針對位於第一製程窗內且具有緊鄰第一群組之一各自調變組之一程序調變之一各自程序調變之各調變組執行(402)方法400。(第一製程窗在圖1之方法100之步驟112中判定)。此一調變組之一實例係調變組702-1 (圖7B)，其在圖7B之製程窗中且具有緊鄰調變組708-1之程序調變之一程序調變(假定一程序參數沿著圖7B之調變組行之單調變動)。自調變組選擇(404)如使用經訓練擾亂點過濾器判定之具有為DOI之最高概率之經識別缺陷之一樣本。樣本係針對在來自具有臨近程序調變之第一群組之各自調變組中之具有DOI之一或多個結構。因此，樣本可係針對在方法100 (圖1)之步驟114中識別之結構。
檢視步驟404中取樣之缺陷之SEM影像且針對該等SEM影像執行(406)自動缺陷分類，其中相應地標記SEM影像中之缺陷。在一些實施例中，步驟404中檢視之SEM影像係在與方法100 (圖1)之步驟110、方法200 (圖2)之步驟204及/或方法300 (圖3)之步驟306之SEM影像相同之針對相關半導體晶圓之SEM成像之例項中產生。若在步驟406中發現(408-是)一或多個DOI，則方法400之步驟(410)執行至第一製程窗中具有緊鄰步驟404至408之當前反覆中使用之調變組之程序調變之一程序調變之下一調變組，且針對下一調變組執行步驟404至408之一後續反覆。以此方式，方法400搜尋各自結構針對其等不再失效之程序調變。
若在步驟406中未發現DOI (408-否)但當前反覆之調變組之一樣本預算具有可用性(412-是)，則針對當前反覆之調變組，方法400之執行回復至步驟404：在步驟404中對調變組之更多經識別缺陷進行取樣，且針對新樣本重複步驟406及408。若未發現DOI (408-否)且當前反覆之調變組未保留樣本預算(412-否)，則方法400之步驟執行至位於第一製程窗內且具有緊鄰第一群組之一各自調變組之一程序調變之一各自程序調變之下一調變組，且針對該調變組執行步驟404至408之一反覆。若已針對全部此等調變組執行方法400，則方法400之執行結束。
在一些實施例中，方法400導致調變組710 (圖7C)之識別，該調變組710包圍相較於圖7B之製程窗之一經修正、變窄之製程窗。
圖5係展示根據一些實施例之額外製程窗修正(例如，如在圖1之方法100之步驟118中)之一方法500之一流程圖。在一些實施例中，方法500遵循方法400 (圖4)。可使用一半導體檢查系統900 (圖9)或其部分執行方法500。
在方法500中，至少部分基於找到具有DOI之晶粒結構之可能性對第二製程窗(例如，圖7C之製程窗，其由調變組710包圍但不包含調變組710)內之調變組確定優先級(502)用於SEM檢查。(第二製程窗在圖1之方法100之步驟116中判定)。確定優先級可進一步至少部分基於待檢查之晶粒結構之密度。
針對方法500之第一反覆，根據步驟502之確定優先級選擇最高優先級調變組。針對方法500之後續反覆，根據步驟502之確定優先級選擇(504)下一最高優先級調變組。
定義(506)用於SEM檢查之關照區域。關照區域包含經識別為具有在第二製程窗外部之調變組中之DOI之晶粒結構。(根據定義，尚未針對第二製程窗內之調變組識別出DOI。)待檢查之關照區域可特定於一給定調變組，使得針對不同調變組定義不同關照區域。定義特定於一給定調變組之關照區域反映待針對不同調變組檢查不同晶粒結構之事實，此係因為根據一些實施例，懷疑不同晶粒結構在不同調變組中失效。在一些實施例中，一或多個關照區域係使用者指定的(508)。例如，一使用者可基於建議缺陷可能在某些晶粒結構上之程序模擬(例如，光學接近性校正)指定關照區域。
在一些實施例中，藉由將具有來自全部調變組之DOI之全部經偵測晶粒結構堆疊於一單一有效晶粒上而識別用於判定關照區域之晶粒結構。在一些實施例中，此堆疊非針對全部調變組，而係針對調變組之各自群組執行。例如，可將調變組劃分成象限(例如，具有焦距及曝光之各自正/負值之象限)且將具有來自一各自象限之DOI之經偵測晶粒結構堆疊至一單一有效晶粒上，該單一有效晶粒用於識別各自象限中之調變組之關照區域。
獲得(510)選定調變組之關照區域之SEM影像。檢視SEM影像且執行(512)自動缺陷分類以判定先前未偵測缺陷是否存在於關照區域中。因此，步驟512中偵測之缺陷係未透過光學檢查(例如，BBP檢查)偵測抑或經偵測但作為擾亂點缺陷被忽略(dismissed)之缺陷。在一些實施例中，步驟510之SEM影像係在比產生方法100 (圖1)之步驟110、方法200 (圖2)之步驟204及/或方法300 (圖3)之步驟306之SEM影像之SEM成像之例項更晚執行之針對相關半導體之SEM成像之一或多個例項中產生。
若尚未達到用於SEM檢查之一預算(514-否)，則方法500之執行返回至步驟504且執行步驟504至512之另一反覆。否則(514-是)，修正(516)製程窗以排除具有先前未偵測DOI之調變組。例如，調變組712 (圖7D)具有在步驟512中識別之先前未偵測DOI。因此，自圖7D之製程窗排除調變組712。
藉由針對各自調變組執行方法500之重複反覆，可獲得方法100 (圖1)之第二製程窗內之多個經確定優先級調變組之關照區域之SEM影像且可執行此等SEM影像之自動缺陷分類。
在一些實施例中，在方法100 (圖1)之步驟122中產生之報告識別在步驟512中被識別為具有DOI之晶粒結構。
圖6係展示根據一些實施例之量測CD均勻性之一方法600之一流程圖。可使用一半導體檢查系統900 (圖9)或其部分執行方法600。
在方法600中，在一晶粒結構之一各自調變組中量測(602)一CD，該晶粒結構具有該調變組中之一或多個DOI。可在該調變組中之晶粒結構之一無缺陷例項上量測CD。亦量測(604)晶粒結構之一標稱CD。在具有標稱(例如，未修改)程序參數之一或多個晶粒上量測標稱CD。標稱CD可係多個(例如，20個)標稱CD量測之一平均值(例如，均值)。
在指定第三製程窗之報告(例如，在圖1之方法100之步驟122中產生之報告)中提供(606)晶粒結構之經量測CD。報告可指定各自調變組中之CD及標稱CD兩者。
圖9係根據一些實施例之一半導體檢查系統900之一方塊圖。半導體檢查系統900包含一光學檢查工具942 (例如，一BBP檢查工具)、SEM 944及具有一或多個處理器902(例如，CPU)、使用者介面906、記憶體910及將此等組件互連之(若干)通信匯流排904之一電腦系統。在一些實施例中，半導體檢查系統900包含多個光學檢查工具942及/或SEM 944。電腦系統可透過一或多個網路940與(若干)光學檢查工具942及(若干) SEM 944通信地耦合。電腦系統可進一步包含用於與(若干)光學檢查工具942、(若干) SEM 944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)。
使用者介面906可包含一顯示器907及一或多個輸入裝置908 (例如，一鍵盤、滑鼠、顯示器907之觸敏表面等)。顯示器907可顯示在方法100中產生之報告。
記憶體910包含揮發性及/或非揮發性記憶體。記憶體910 (例如，記憶體910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910視情況包含位於處理器902遠端之一或多個儲存裝置及/或可抽換地插入系統900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910 (例如，記憶體910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912，其包含用於處置各種基本系統服務且用於執行硬體相依任務之程序；一光學檢查模組914；一擾亂點過濾器訓練模組916；一SEM檢視/自動缺陷分類模組918；一製程窗判定模組920；一CD均勻性判定模組922；及一報告模組924。因此，記憶體910 (例如，記憶體910之非暫時性電腦可讀儲存媒體)包含用於執行方法100 (圖1)之指令。例如，記憶體910 (例如，記憶體910之非暫時性電腦可讀儲存媒體)包含用於執行方法200、300、400及/或500 (圖2至圖5)之指令。記憶體910可儲存使用擾亂點過濾器訓練模組916訓練之擾亂點過濾器及/或使用報告模組924產生之報告。
儲存於記憶體910中之各模組對應於用於執行本文中描述之一或多個功能之一指令集。單獨模組不需要被實施為單獨軟體程式。可結合或以其他方式重新配置模組及模組之各種子集。在一些實施例中，記憶體910儲存上文識別之模組及/或資料結構之一子集或超集。
相較於作為一功能示意圖，圖9旨在更多地作為可存在於一半導體檢查系統中之各種特徵之一功能描述。例如，半導體檢查系統900中之電腦系統之功能性可在多個裝置之間分割。儲存於記憶體910中之模組之一部分可替代地儲存於透過一或多個網路與半導體檢查系統900之電腦系統通信地耦合之一或多個其他電腦系統中。
為了解釋之目的，已參考特定實施例描述前述描述。然而，上文之闡釋性論述不旨在為窮舉性或將發明申請專利範圍之範疇限於所揭示之精確形式。鑑於上文中之教示，許多修改及變動係可行的。選取實施例以便最佳解釋作為發明申請專利範圍及其等實際應用之基礎之原理以藉此使其他熟習此項技術者能夠最佳地使用具有如適合所預期特定使用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 124:步驟 200:方法 202:步驟 204:步驟 206:步驟 208:步驟 210:步驟 300:方法 301:步驟 302:步驟 304:步驟 306:步驟 308:步驟 310:步驟 400:方法 402:步驟 404:步驟 406:步驟 408:步驟 410:步驟 412:步驟 414:步驟 500:方法 502:步驟 504:步驟 506:步驟 508:步驟 510:步驟 512:步驟 514:步驟 516:步驟 600:方法 602:步驟 604:步驟 606:步驟 700:半導體晶圓 702:調變組 702-1:調變組 704:擾亂點缺陷 706:所關注缺陷(DOI) 708:調變組 708-1:調變組 710:調變組 712:調變組 802:金屬線 804-1:橋 804-2:橋 804-3:橋 900:半導體檢查系統 902:處理器 904:通信匯流排 906:使用者介面 907:顯示器 908:輸入裝置 910:記憶體 912:作業系統 914:光學檢查模組 916:擾亂點過濾器訓練模組 918:掃描電子顯微鏡(SEM)檢視/自動缺陷分類模組 920:製程窗判定模組 922:關鍵尺寸(CD)均勻性判定模組 924:報告模組 940:網路 942:光學檢查工具 944:掃描電子顯微鏡(SEM)
為了更佳理解各種所述實施方案，應結合以下圖式參考下文之實施方式。
圖1係展示根據一些實施例之評估一半導體製造程序之一方法之一流程圖。
圖2係展示根據一些實施例之訓練一擾亂點過濾器且作出一初步製程窗判定之一方法之一流程圖。
圖3係展示根據一些實施例之識別具有DOI之晶粒結構之一方法之一流程圖。
圖4係展示根據一些實施例之製程窗修正之一方法之一流程圖。
圖5係展示根據一些實施例之額外製程窗修正(例如，相對於圖4)之一方法之一流程圖。
圖6係展示根據一些實施例之量測關鍵尺寸(CD)均勻性之一方法之一流程圖。
圖7A至圖7D展示根據一些實施例之具有多個調變組之一半導體晶圓，該多個調變組之各者係使用相異程序參數製造。
圖8A至圖8D展示經受依據程序調變而變化之一系統缺陷之一晶粒結構之一實例。
圖9係根據一些實施例之一半導體檢查系統之一方塊圖。
貫穿圖式及說明書，相同元件符號係指對應零件。
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
124:步驟

Claims (19)

  1. 一種評估一半導體製造程序之方法，其包括：獲得包括被分組成調變組之複數個晶粒之一半導體晶圓，其中各調變組係使用相異程序參數製造；光學檢查該半導體晶圓以識別該等調變組中之缺陷；訓練一擾亂點過濾器以將該等經識別缺陷分類為所關注缺陷(DOI)或擾亂點缺陷，其包括執行該等經識別缺陷之一第一樣本之掃描電子顯微鏡(SEM)影像之自動缺陷分類以判定該第一樣本中之各自缺陷是否係DOI或擾亂點缺陷；基於該訓練之結果，判定該半導體晶圓之一第一製程窗，該第一製程窗係其各自調變組無DOI之程序參數之一窗；基於該訓練之該等結果，識別在包圍該第一製程窗之調變組之一第一群組中之具有DOI之晶粒結構；將該經訓練擾亂點過濾器應用至該等經識別缺陷以判定該半導體晶圓之一第二製程窗，其包括：針對位於該第一製程窗內且具有緊鄰該第一群組之一各自調變組之一程序調變之一各自程序調變之各調變組，判定該調變組是否具有識別為具有該第一群組之該各自調變組中之一所關注缺陷之一結構之一或多個DOI；基於該第二製程窗內之一或多個調變組中之經指定關照區域之SEM影像判定該半導體晶圓之一第三製程窗；及產生指定該第三製程窗之一報告。
  2. 如請求項1之方法，其中該等相異程序參數包括一微影程序步驟之一各自焦距及一各自曝光。
  3. 如請求項1之方法，其中使用包括一寬頻電漿(BBP)光源之一光學檢查工具執行光學檢查該半導體晶圓。
  4. 如請求項1之方法，其中識別具有在調變組之該第一群組中之DOI之該等晶粒結構包括：自調變組之該第一群組選擇基於該訓練之該等結果預測為DOI之該等經識別缺陷之一第二樣本；及執行該第二樣本之SEM影像之自動缺陷分類。
  5. 如請求項1之方法，其中針對位於該第一製程窗內且具有緊鄰該第一群組之一各自調變組之一程序調變之一各自程序調變之各調變組，判定該調變組是否具有識別為具有該第一群組之該各自調變組中之一所關注缺陷之一結構之一或多個DOI包括：自該調變組選擇如使用該經訓練擾亂點過濾器判定之具有為DOI之最高概率之該等經識別缺陷之一第三樣本；及執行該第三樣本之SEM影像之自動缺陷分類。
  6. 如請求項1之方法，其進一步包括定義該等關照區域以包含識別為具有DOI之晶粒結構； 其中該報告指定在包圍該第三製程窗之一或多個調變組中之具有DOI之一或多個晶粒結構。
  7. 如請求項6之方法，其中判定該第三製程窗包括：至少部分基於發現具有DOI之晶粒結構之可能性確定用於SEM檢查之該第二製程窗內之調變組之優先級；獲得該第二製程窗內之經確定優先級調變組之該等關照區域之SEM影像；及執行該第二製程窗內之該等經確定優先級調變組之該等關照區域之該等SEM影像之自動缺陷分類。
  8. 如請求項6之方法，其中該等關照區域之一或多者係使用者指定的。
  9. 如請求項1之方法，其進一步包括量測具有DOI之一或多個晶粒結構之關鍵尺寸均勻性，其中：該報告指定具有DOI之該一或多個晶粒結構之該關鍵尺寸均勻性；且該一或多個晶粒結構包括在包圍該第三製程窗之調變組中之具有DOI之全部晶粒結構。
  10. 一種非暫時性電腦可讀儲存媒體，其儲存用於藉由包括一光學檢查工具之一半導體檢查系統之一或多個處理器執行之一或多個程式，該一或多個程式包含用於進行以下項之指令：對於包括被分組成調變組之複數個晶粒之一半導體晶圓，各調變組 係使用相異程序參數製造，使用該光學檢查工具光學檢查該半導體晶圓以識別該等調變組中之缺陷；訓練一擾亂點過濾器以將該等經識別缺陷分類為所關注缺陷(DOI)或擾亂點缺陷，其包括執行該等經識別缺陷之一第一樣本之掃描電子顯微鏡(SEM)影像之自動缺陷分類以判定該第一樣本中之各自缺陷是否係DOI或擾亂點缺陷；基於該訓練之結果，判定該半導體晶圓之一第一製程窗，該第一製程窗係其各自調變組無DOI之程序參數之一窗；基於該訓練之該等結果，識別在包圍該第一製程窗之調變組之一第一群組中之具有DOI之晶粒結構；將該經訓練擾亂點過濾器應用至該等經識別缺陷以判定該半導體晶圓之一第二製程窗，其包括：針對位於該第一製程窗內且具有緊鄰該第一群組之一各自調變組之一程序調變之一各自程序調變之各調變組，判定該調變組是否具有識別為具有該第一群組之該各自調變組中之一所關注缺陷之一結構之一或多個DOI；基於該第二製程窗內之一或多個調變組中之經指定關照區域之SEM影像判定該半導體晶圓之一第三製程窗；及產生指定該第三製程窗之一報告。
  11. 如請求項10之非暫時性電腦可讀儲存媒體，其中該等相異程序參數包括一微影程序步驟之一各自焦距及一各自曝光。
  12. 如請求項10之非暫時性電腦可讀儲存媒體，其中該光學檢查工具包括一寬頻電漿(BBP)光源。
  13. 如請求項10之非暫時性電腦可讀儲存媒體，其中用於識別具有在調變組之該第一群組中之DOI之該等晶粒結構之該等指令包括用於進行以下項之指令：自調變組之該第一群組選擇基於該訓練之該等結果預測為DOI之該等經識別缺陷之一第二樣本；及執行該第二樣本之SEM影像之自動缺陷分類。
  14. 如請求項10之非暫時性電腦可讀儲存媒體，其中用於針對位於該第一製程窗內且具有緊鄰該第一群組之一各自調變組之一程序調變之一各自程序調變之各調變組，判定該調變組是否具有識別為具有該第一群組之該各自調變組中之一所關注缺陷之一結構之一或多個DOI之該等指令包括用於進行以下項之指令：自該調變組選擇如使用該經訓練擾亂點過濾器判定之具有為DOI之最高概率之該等經識別缺陷之一第三樣本；及執行該第三樣本之SEM影像之自動缺陷分類。
  15. 如請求項10之非暫時性電腦可讀儲存媒體，其中該一或多個程式進一步包括用於定義該等關照區域以包含識別為具有DOI之晶粒結構之指令；其中該報告指定在包圍該第三製程窗之一或多個調變組中之具有DOI 之一或多個晶粒結構。
  16. 如請求項15之非暫時性電腦可讀儲存媒體，其中用於判定該第三製程窗之該等指令包括用於執行該第二製程窗內之經確定優先級調變組之該等關照區域之SEM影像之自動缺陷分類之指令。
  17. 如請求項15之非暫時性電腦可讀儲存媒體，其中該等關照區域之一或多者係使用者指定的。
  18. 如請求項10之非暫時性電腦可讀儲存媒體，其中該一或多個程式進一步包括用於量測具有DOI之一或多個晶粒結構之臨限尺寸均勻性之指令，其中：該報告指定具有DOI之該一或多個晶粒結構之該關鍵尺寸均勻性；且該一或多個晶粒結構包括在包圍該第三製程窗之調變組中之具有DOI之全部晶粒結構。
  19. 一種半導體檢查系統，其包括：一光學檢查工具；一或多個處理器；及記憶體，其儲存用於藉由該一或多個處理器執行之一或多個程式，該一或多個程式包括用於進行以下項之指令：對於包括被分組成調變組之複數個晶粒之一半導體晶圓，各調變組係使用相異程序參數製造，使用該光學檢查工具光學檢查該半導 體晶圓以識別該等調變組中之缺陷；訓練一擾亂點過濾器以將該等經識別缺陷分類為所關注缺陷(DOI)或擾亂點缺陷，其包括執行該等經識別缺陷之一第一樣本之掃描電子顯微鏡(SEM)影像之自動缺陷分類以判定該第一樣本中之各自缺陷是否係DOI或擾亂點缺陷；基於該訓練之結果，判定該半導體晶圓之一第一製程窗，該第一製程窗係其各自調變組無DOI之程序參數之一窗；基於該訓練之該等結果，識別在包圍該第一製程窗之調變組之一第一群組中之具有DOI之晶粒結構；將該經訓練擾亂點過濾器應用至該等經識別缺陷以判定該半導體晶圓之一第二製程窗，其包括：針對位於該第一製程窗內且具有緊鄰該第一群組之一各自調變組之一程序調變之一各自程序調變之各調變組，判定該調變組是否具有識別為具有該第一群組之該各自調變組中之一所關注缺陷之一結構之一或多個DOI；基於該第二製程窗內之一或多個調變組中之經指定關照區域之SEM影像判定該半導體晶圓之一第三製程窗；及產生指定該第三製程窗之一報告。
TW109126164A 2019-08-07 2020-08-03 結合光學及電子束檢查之半導體熱點及製程窗之發現 TWI833980B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
IN201941031907 2019-08-07
IN201941031907 2019-08-07
US16/582,846 2019-09-25
US16/582,846 US11055840B2 (en) 2019-08-07 2019-09-25 Semiconductor hot-spot and process-window discovery combining optical and electron-beam inspection

Publications (2)

Publication Number Publication Date
TW202113652A TW202113652A (zh) 2021-04-01
TWI833980B true TWI833980B (zh) 2024-03-01

Family

ID=74501898

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109126164A TWI833980B (zh) 2019-08-07 2020-08-03 結合光學及電子束檢查之半導體熱點及製程窗之發現

Country Status (5)

Country Link
US (1) US11055840B2 (zh)
KR (1) KR102621486B1 (zh)
CN (1) CN114207795B (zh)
TW (1) TWI833980B (zh)
WO (1) WO2021026282A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11360030B2 (en) 2020-02-04 2022-06-14 Applied Materials Isreal Ltd Selecting a coreset of potential defects for estimating expected defects of interest
US20230175983A1 (en) * 2021-12-08 2023-06-08 Kla Corporation Process window qualification modulation layouts

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160284579A1 (en) * 2015-03-23 2016-09-29 Applied Materials Israel Ltd. Process window analysis
US20170206650A1 (en) * 2016-01-15 2017-07-20 Kla-Tencor Corporation Defect sensitivity of semiconductor wafer inspectors using design data with wafer image data
TW201921542A (zh) * 2017-08-30 2019-06-01 美商克萊譚克公司 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷
TW201921541A (zh) * 2017-09-01 2019-06-01 美商克萊譚克公司 使用基於形狀之分組引導缺陷集中改進缺陷定位精度
TW201931015A (zh) * 2017-09-01 2019-08-01 美商克萊譚克公司 設計關鍵性分析擴充之製程窗合格取樣

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4644613B2 (ja) 2006-02-27 2011-03-02 株式会社日立ハイテクノロジーズ 欠陥観察方法及びその装置
US7904845B2 (en) * 2006-12-06 2011-03-08 Kla-Tencor Corp. Determining locations on a wafer to be reviewed during defect review
US8716662B1 (en) 2012-07-16 2014-05-06 Kla-Tencor Corporation Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations
US9535010B2 (en) * 2014-05-15 2017-01-03 Kla-Tencor Corp. Defect sampling for electron beam review based on defect attributes from optical inspection and optical review
US9286675B1 (en) * 2014-10-23 2016-03-15 Applied Materials Israel Ltd. Iterative defect filtering process
US9518934B2 (en) 2014-11-04 2016-12-13 Kla-Tencor Corp. Wafer defect discovery
US9835566B2 (en) 2015-03-03 2017-12-05 Kla-Tencor Corp. Adaptive nuisance filter
US9891538B2 (en) 2015-03-16 2018-02-13 Kla-Tencor Corp. Adaptive sampling for process window determination
US10436720B2 (en) * 2015-09-18 2019-10-08 KLA-Tenfor Corp. Adaptive automatic defect classification
US10267748B2 (en) 2016-10-17 2019-04-23 Kla-Tencor Corp. Optimizing training sets used for setting up inspection-related algorithms
US10679909B2 (en) * 2016-11-21 2020-06-09 Kla-Tencor Corporation System, method and non-transitory computer readable medium for tuning sensitivies of, and determining a process window for, a modulated wafer
US11047806B2 (en) * 2016-11-30 2021-06-29 Kla-Tencor Corporation Defect discovery and recipe optimization for inspection of three-dimensional semiconductor structures
US10365617B2 (en) * 2016-12-12 2019-07-30 Dmo Systems Limited Auto defect screening using adaptive machine learning in semiconductor device manufacturing flow
US10713534B2 (en) * 2017-09-01 2020-07-14 Kla-Tencor Corp. Training a learning based defect classifier
US11379967B2 (en) * 2019-01-18 2022-07-05 Kla Corporation Methods and systems for inspection of semiconductor structures with automatically generated defect features

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160284579A1 (en) * 2015-03-23 2016-09-29 Applied Materials Israel Ltd. Process window analysis
US20170206650A1 (en) * 2016-01-15 2017-07-20 Kla-Tencor Corporation Defect sensitivity of semiconductor wafer inspectors using design data with wafer image data
TW201921542A (zh) * 2017-08-30 2019-06-01 美商克萊譚克公司 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷
TW201921541A (zh) * 2017-09-01 2019-06-01 美商克萊譚克公司 使用基於形狀之分組引導缺陷集中改進缺陷定位精度
TW201931015A (zh) * 2017-09-01 2019-08-01 美商克萊譚克公司 設計關鍵性分析擴充之製程窗合格取樣

Also Published As

Publication number Publication date
CN114207795A (zh) 2022-03-18
KR102621486B1 (ko) 2024-01-05
TW202113652A (zh) 2021-04-01
WO2021026282A1 (en) 2021-02-11
CN114207795B (zh) 2023-05-23
US20210042908A1 (en) 2021-02-11
KR20220044770A (ko) 2022-04-11
US11055840B2 (en) 2021-07-06

Similar Documents

Publication Publication Date Title
JP7093828B2 (ja) 自動式パターン忠実度測定計画生成
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
TWI588924B (zh) 用於晶圓檢測之方法、裝置及電腦可讀取媒體
US11010886B2 (en) Systems and methods for automatic correction of drift between inspection and design for massive pattern searching
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
KR20200014938A (ko) 반도체 제조 프로세스에서 딥 러닝을 사용하여 결함 및 임계 치수를 예측하기 위한 시스템 및 방법
TWI744540B (zh) 用於高效處理窗口探索之混合檢測系統
TWI833980B (zh) 結合光學及電子束檢查之半導體熱點及製程窗之發現
KR20180034677A (ko) 시편 상의 관심 패턴의 하나 이상의 특성의 결정
JP2006189724A (ja) パターン抽出システム、測定ポイント抽出方法、パターン抽出方法及びパターン抽出プログラム
JP6931084B2 (ja) 光学検査結果に発する計量案内型検査サンプルシェイピング
KR102201122B1 (ko) 민감도 개선 및 뉴슨스 억제를 위해 로직 및 핫스팟 검사에서 z-층 컨텍스트를 사용하는 시스템 및 방법
JP6914249B2 (ja) 自発的計測法及びパターン分類
US20220059316A1 (en) Scanning Electron Microscope Image Anchoring to Design for Array
JP4388045B2 (ja) パターン検査方法
CN109804462B (zh) 用于识别设计文件中的受关注图案的位置的方法及系统