TWI836146B - 多成像模式影像對準 - Google Patents

多成像模式影像對準 Download PDF

Info

Publication number
TWI836146B
TWI836146B TW109134021A TW109134021A TWI836146B TW I836146 B TWI836146 B TW I836146B TW 109134021 A TW109134021 A TW 109134021A TW 109134021 A TW109134021 A TW 109134021A TW I836146 B TWI836146 B TW I836146B
Authority
TW
Taiwan
Prior art keywords
image
interest
sample
difference
alignment
Prior art date
Application number
TW109134021A
Other languages
English (en)
Other versions
TW202127555A (zh
Inventor
伯裘恩 布拉爾
佛艾哈福 捷安得
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 TW202127555A publication Critical patent/TW202127555A/zh
Application granted granted Critical
Publication of TWI836146B publication Critical patent/TWI836146B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • 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
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G06V10/7515—Shifting the patterns to accommodate for positional errors
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明提供用於對準運用一成像子系統之不同模式產生的一樣品之影像的方法及系統。一種方法包含將分別運用第一模式及第二模式產生的第一影像及第二影像分開地對準至該樣品之一設計。對於該第一影像中之一所關注位置，該方法包含針對該所關注位置及該第一模式產生一第一差異影像及針對該所關注位置及該第二模式產生一第二差異影像。該方法亦包含使該第一差異影像及該第二差異影像彼此對準及自該對準之結果判定該所關注位置之資訊。

Description

多成像模式影像對準
本發明大體上係關於用於對準運用一成像子系統之不同模式產生的一樣品之影像的方法及系統。
以下描述及實例並未憑藉其等包含於此章節中而被認為係先前技術。
在一半導體製程期間之各個步驟使用檢測程序以偵測晶圓上之缺陷以促進製程中之較高良率及因此較高利潤。檢測始終係製造半導體裝置之一重要部分。然而，隨著半導體裝置之尺寸減小，檢測對於可接受半導體裝置之成功製造而言變得甚至更重要，此係因為較小缺陷可導致裝置故障。
許多檢測工具具有用於該等工具之許多輸出(例如，影像)產生元件之可調整參數。可取決於檢測之樣品之類型及樣品上之所關註缺陷(DOI)之特性而更改一或多個元件(諸如(若干)能量源、(若干)偏光器、(若干)透鏡、(若干)偵測器及類似者)之參數。舉例而言，不同類型之樣品可具有明顯不同特性，此可導致具有相同參數之相同工具以截然不同方式使樣品成像。另外，由於不同類型之DOI可具有明顯不同特性，故適於偵測一個類型之DOI之檢測系統參數可能不適於偵測另一類型之DOI。此外，不同類型之樣品可具有不同雜訊源，其等可以不同方式干擾樣品上之DOI之偵測。
具有可調整參數之檢測工具之開發亦已導致檢測程序之使用增加，其涉及運用參數值(以其他方式被稱為「模式」)之一個以上組合掃描樣品使得可運用不同模式偵測不同缺陷類型。舉例而言，一個模式可具有用於偵測一個類型之缺陷之一較大靈敏度，而另一模式可具有用於偵測另一類型之缺陷之一較大靈敏度。因此，使用兩種模式，一檢測系統可能夠以可接受靈敏度偵測兩個類型之缺陷。
數個當前使用方法可用於光學模式選擇(OMS)以發現最佳檢測模式。當一檢測程序僅使用檢測工具之一模式時，模式選擇可為相對簡單的。舉例而言，可針對各模式比較一效能度量(諸如DOI擷取對擾亂點抑制)以識別具有最佳效能之模式。然而，當一個以上模式用於檢測時，此程序以指數方式變得更複雜且困難。舉例而言，吾人可簡單地比較不同模式之效能度量且接著選擇前兩個或兩個以上模式用於檢測，但其將不一定導致比僅使用前一模式之情況更佳的一檢測程序。
代替地，使用一個以上模式進行檢測之動力通常係檢測相對難以開始，例如，DOI相對難以與雜訊分離及/或擾亂點相對難以抑制。對於此等檢測，理想地，兩個或兩個以上模式將以某一方式互補，例如，使得由一個模式產生的結果可增強由另一模式產生的結果。在一個此實例中，即使由一個模式產生的結果本身並不特別「良好」，在適當情境中，該等結果仍可用於分離由另一模式產生的其他結果中之DOI及擾亂點，藉此增強由另一模式產生的結果。
通常，出於若干原因，難以識別此等互補模式。一個此原因可為一檢測工具上之可變設定之數目相當大，從而導致可評估之大量模式及更大數目個模式組合。一些檢測模式選擇程序旨在藉由在評估開始之前消除一些模式或模式組合而簡化此程序。即便如此，模式及模式組合之數目可過大以致無法對其等全部進行評估。
選擇且使用多個模式進行檢測或其他基於影像之程序(如缺陷檢視及度量衡)之困難亦可由使來自多個模式之影像彼此對準或以其他方式識別對應於樣品上之相同位置之來自不同模式之影像中之位置之困難引起。舉例而言，據本發明者所知，來自一光學檢測器之不同模式之圖塊影像以前從未彼此對準。歸因於來自不同模式之影像中之差異，模式間影像對準亦為困難的(即使並非不可能)。換言之，使其等可用於諸如檢測、缺陷檢視及類似者的應用之來自多個模式之影像之間之差異亦使影像難以彼此對準，使得其等可以一互補方式使用。
因此，開發不具有上文描述之缺點之一或多者的用於對準運用一成像子系統之不同模式產生的一樣品之影像的系統及方法將為有利的。
各項實施例之以下描述絕不應被解釋為限制隨附發明申請專利範圍之標的。
一項實施例係關於一種經組態用於對準運用一成像子系統之不同模式產生的一樣品之影像的系統。該系統包含一成像子系統，該成像子系統經組態以分別運用該成像子系統之第一模式及第二模式產生一樣品之第一影像及第二影像。該系統亦包含一或多個電腦系統，該一或多個電腦系統經組態用於將該第一影像及該第二影像分開地對準至該樣品之一設計。對於該第一影像中之一所關注位置，該一或多個電腦系統亦經組態用於藉由自該所關注位置之該第一影像之一測試影像部分減去該所關注位置之一第一參考影像而產生該所關注位置之一第一差異影像。該一或多個電腦系統進一步經組態用於藉由自該所關注位置之該第二影像之一測試影像部分減去該所關注位置之一第二參考影像而產生該所關注位置之一第二差異影像。另外，該一或多個電腦系統經組態用於使該第一差異影像及該第二差異影像彼此對準且自使該第一差異影像及該第二差異影像彼此對準之結果判定該所關注位置之資訊。可如本文中描述般進一步組態該系統。
另一實施例係關於一種用於對準運用一成像子系統之不同模式產生的一樣品之影像的方法。該方法包含分別運用一成像子系統之第一模式及第二模式產生一樣品之第一影像及第二影像。該方法亦包含上文描述之分開地對準、產生一第一差異影像、產生一第二差異影像、對準及判定資訊步驟，該等步驟由一或多個電腦系統執行。可如本文中進一步描述般進一步執行上文描述之方法之步驟之各者。另外，上文描述之該方法之實施例可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。此外，上文描述之方法可由本文中描述之該等系統之任一者執行。
另一實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體，該等程式指令可在一電腦系統上執行以執行用於對準運用一成像子系統之不同模式產生的一樣品之影像之一電腦實施方法。該電腦實施方法包含上文描述之方法之步驟。可如本文中描述般進一步組態該電腦可讀媒體。可如本文中進一步描述般執行該電腦實施方法之步驟。另外，可針對其等執行該等程式指令之該電腦實施方法可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。
如本文中使用之術語「所關注缺陷(DOI)」被定義為在一樣品上偵測到且實際上係樣品上之實際缺陷的缺陷。因此，DOI係一使用者感興趣的，此係因為使用者通常關心樣品上被檢測之實際缺陷之數目及種類。在一些背景內容中，術語「DOI」用於指代樣品上之全部實際缺陷之一子集，其僅包含一使用者關心之實際缺陷。舉例而言，任何給定樣品上可能存在多個類型之實際缺陷，且相較於一或多個其他類型，其等之一或多者可更受使用者關注。然而，在本文中描述之實施例之背景內容中，術語「DOI」用於指代一樣品上之任何及全部真實缺陷。
如本文中使用之術語「設計」及「設計資料」通常係指一IC之實體設計(佈局)及透過複雜模擬或簡單幾何及布林運算自實體設計導出之資料。實體設計可儲存於一資料結構中，諸如一圖形資料串流(GDS)檔案、任何其他標準機器可讀檔案、此項技術中已知之任何其他適合檔案、及一設計資料庫。一GDSII檔案係用於設計佈局資料之表示之一類檔案之一者。此等檔案之其他實例包含GL1及OASIS檔案及專有檔案格式，諸如倍縮光罩設計檔案(RDF)資料，其為加利福尼亞州，米爾皮塔斯市，KLA專有的。另外，由一倍縮光罩檢測系統擷取之一倍縮光罩之一影像及/或其之衍生物可用作設計之一「代理」或若干「代理」。此一倍縮光罩影像或其之一衍生物在使用一設計之本文中描述之任何實施例中可用作對設計佈局之一替代。設計可包含2009年8月4日頒予Zafar等人之共同擁有之美國專利第7,570,796號及2010年3月9日頒予Kulkarni等人之共同擁有之美國專利第7,676,077號中描述之任何其他設計資料或設計資料代理，該兩個專利宛如全文陳述般以引用之方式併入本文中。另外，設計資料可為標準單元庫資料、整合佈局資料、針對一或多個層之設計資料、設計資料之衍生物及完全或部分晶片設計資料。
本文中描述之「設計」及「設計資料」亦係指在一設計程序中由半導體裝置設計者產生且因此可在將設計印刷於任何實體晶圓上之前良好地用於本文中描述之實施例中之資訊及資料。「設計」或「實體設計」亦可為如將理想地形成於晶圓上之設計。以此方式，一設計可不包含不會印刷於晶圓上之設計之特徵，諸如光學近接校正(OPC)特徵，其等經添加至設計以增強晶圓上之特徵之印刷而實際上本身未印刷。
術語「第一」及「第二」在本文中僅用於指示彼此不同之兩個事物且不用於指示本文中被稱為「第一」及「第二」之元件之任何時間、空間、偏好或其他特性。
現參考圖式，應注意，圖未按比例繪製。特定言之，極大地放大圖之一些元件之比例以強調元件之特性。亦應注意，該等圖未按相同比例繪製。已使用相同元件符號指示可經類似組態之展示於一個以上圖中之元件。除非本文中另有說明，否則所描述且展示之元件之任一者可包含任何適合市售元件。
一般而言，本文中描述之實施例經組態用於對準運用一成像子系統之不同模式產生的一樣品之影像。特定言之，實施例經組態用於使來自多個模式之影像彼此對準。本文中描述之實施例對於用於諸如光學檢測之多模式成像應用之影像對準特別有利。
在一些實施例中，樣品係一晶圓。晶圓可包含半導體技術中已知之任何晶圓。儘管本文中可關於一或若干晶圓描述一些實施例，然實施例不限於可使用其等之樣品。舉例而言，本文中描述之實施例可用於樣品，諸如倍縮光罩、平板、個人電腦(PC)板及其他半導體樣品。
一項實施例係關於一種經組態用於對準運用一成像子系統之不同模式產生的一樣品之影像的系統。圖1中展示此一系統之一項實施例。系統包含成像子系統100，該成像子系統100經組態以分別運用成像子系統之第一模式及第二模式產生一樣品之第一影像及第二影像。成像子系統耦合至一或多個電腦系統102。在圖1中展示之實施例中，成像子系統經組態為一基於光之成像子系統。以此方式，在一些實施例中，成像子系統經組態以使用光來產生第一影像及第二影像。然而，在本文中描述之其他實施例中，成像子系統經組態為一電子束或帶電粒子束成像子系統。以此方式，在其他實施例中，成像子系統經組態以使用電子來產生第一影像及第二影像。
一般而言，本文中描述之成像子系統包含至少一能量源、一偵測器及一掃描子系統。能量源經組態以產生藉由成像子系統引導至一樣品之能量。偵測器經組態以偵測來自樣品之能量且回應於所偵測能量而產生輸出。掃描子系統經組態以改變樣品上之一位置，將能量引導至該位置且自該位置偵測能量。
在本文中描述之基於光之成像子系統中，被引導至樣品之能量包含光，且自樣品偵測之能量包含光。舉例而言，在圖1中展示之系統之實施例中，成像子系統包含經組態以將光引導至樣品14的一照明子系統。照明子系統包含至少一個光源。舉例而言，如圖1中展示，照明子系統包含光源16。在一項實施例中，照明子系統經組態以按可包含一或多個傾斜角及/或一或多個法向角之一或多個入射角將光引導至樣品。舉例而言，如圖1中展示，來自光源16之光按一傾斜入射角引導穿過光學元件18且接著穿過透鏡20而至樣品14。傾斜入射角可包含可取決於(例如)樣品之特性及在樣品上執行之程序而變化之任何適合傾斜入射角。
照明子系統可經組態以在不同時間按不同入射角將光引導至樣品。舉例而言，成像子系統可經組態以更改照明子系統之一或多個元件之一或多個特性，使得可按不同於圖1中展示之一入射角將光引導至樣品。在一個此實例中，成像子系統可經組態以移動光源16、光學元件18及透鏡20，使得按一不同傾斜入射角或一法向(或近法向)入射角將光引導至樣品。
在一些例項中，成像子系統可經組態以在相同時間按一個以上入射角將光引導至樣品。舉例而言，照明子系統可包含一個以上照明通道，該等照明通道之一者可包含如圖1中展示之光源16、光學元件18及透鏡20，且該等照明通道之另一者(未展示)可包含可不同或相同組態之類似元件或可包含至少一光源及可能一或多個其他組件(諸如本文中進一步描述之組件)。若在與其他光相同之時間將此光引導至樣品，則按不同入射角引導至樣品之光之一或多個特性(例如，波長、偏光等)可不同，使得可在(若干)偵測器處將源自按不同入射角照明樣品之光彼此區分。
在另一例項中，照明子系統可僅包含一個光源(例如，圖1中展示之源16)且來自該光源之光可由照明子系統之一或多個光學元件(未展示)分成不同光學路徑(例如，基於波長、偏光等)。接著，可將不同光學路徑之各者中之光引導至樣品。多個照明通道可經組態以在相同時間或不同時間(例如，當使用不同照明通道以依序照明樣品時)將光引導至樣品。在另一例項中，相同照明通道可經組態以在不同時間將具有不同特性之光引導至樣品。舉例而言，在一些例項中，光學元件18可經組態為一光譜濾光器且可以多種不同方式(例如，藉由用另一光譜濾光器調換出一個光譜濾光器)改變光譜濾光器之性質，使得可在不同時間將不同波長之光引導至樣品。照明子系統可具有此項技術中已知之用於依序或同時按不同或相同入射角將具有不同或相同特性之光引導至樣品之任何其他適合組態。
光源16可包含一寬頻電漿(BBP)光源。以此方式，由光源產生且被引導至樣品之光可包含寬頻光。然而，光源可包含任何其他適合光源，諸如一雷射。雷射可包含此項技術中已知之任何適合雷射且可經組態以產生此項技術中已知之(若干)任何適合波長之光。另外，雷射可經組態以產生單色或近單色光。以此方式，雷射可為一窄頻雷射。光源亦可包含產生多個離散波長或波帶之光之一多色光源。
來自光學元件18之光可藉由透鏡20聚焦至樣品14上。儘管透鏡20在圖1中被展示為一單折射光學元件，然實務上，透鏡20可包含組合地將來自光學元件之光聚焦至樣品的若干折射及/或反射光學元件。圖1中展示且本文中描述之照明子系統可包含任何其他適合光學元件(未展示)。此等光學元件之實例包含(但不限於) (若干)偏光組件、(若干)光譜濾光器、(若干)空間濾光器、(若干)反射光學元件、(若干)變跡器、(若干)光束分離器、(若干)光圈及可包含此項技術中已知之任何此等適合光學元件之類似者。另外，系統可經組態以基於待用於成像之照明之類型更改照明子系統之元件之一或多者。
成像子系統亦可包含一掃描子系統，該掃描子系統經組態以改變樣品上之位置(將光引導至該位置且自該位置偵測光)且可能導致光掃描遍及樣品。舉例而言，成像子系統可包含在成像期間在其上安置樣品14的載物台22。掃描子系統可包含可經組態以移動樣品，使得可將光引導至樣品上之不同位置且自樣品上之不同位置偵測光的任何適合機械及/或機器人總成(其包含載物台22)。另外或替代地，成像子系統可經組態使得成像子系統之一或多個光學元件執行光遍及樣品之某一掃描使得可將光引導至樣品上之不同位置且自樣品上之不同位置偵測光。在其中光掃描遍及樣品之例項中，可以任何適合方式(諸如以一蛇形路徑或以一螺旋路徑)使光掃描遍及樣品。
成像子系統進一步包含一或多個偵測通道。(若干)偵測通道之至少一者包含一偵測器，該偵測器經組態以偵測歸因於藉由系統照明樣品而來自樣品之光且回應於所偵測光而產生輸出。舉例而言，圖1中展示之成像子系統包含兩個偵測通道，一偵測通道由集光器24、元件26及偵測器28形成且另一偵測通道由集光器30、元件32及偵測器34形成。如圖1中展示，兩個偵測通道經組態以按不同收集角收集並偵測光。在一些例項中，兩個偵測通道經組態以偵測散射光，且偵測通道經組態以偵測按不同角度自樣品散射之光。然而，偵測通道之一或多者可經組態以偵測來自樣品之另一類型之光(例如，反射光)。
如圖1中進一步展示，兩個偵測通道被展示為定位在紙平面中且照明子系統亦被展示為定位在紙平面中。因此，在此實施例中，兩個偵測通道定位在(例如，居中於)入射平面中。然而，偵測通道之一或多者可定位在入射平面外。舉例而言，由集光器30、元件32及偵測器34形成之偵測通道可經組態以收集並偵測自入射平面散射之光。因此，此一偵測通道通常可被稱為一「側」通道，且此一側通道可居中於實質上垂直於入射平面之一平面中。
儘管圖1展示包含兩個偵測通道之成像子系統之一實施例，然成像子系統可包含不同數目個偵測通道(例如，僅一個偵測通道或兩個或兩個以上偵測通道)。在一個此例項中，由集光器30、元件32及偵測器34形成之偵測通道可形成如上文描述之一個側通道，且成像子系統可包含形成為定位在入射平面之相對側上之另一側通道之一額外偵測通道(未展示)。因此，成像子系統可包含偵測通道，該偵測通道包含集光器24、元件26及偵測器28且居中於入射平面中且經組態以按處於或接近法向於樣品表面之(若干)散射角收集並偵測光。因此，此偵測通道通常可被稱為一「頂部」通道，且成像子系統亦可包含如上文描述般組態之兩個或兩個以上側通道。因而，成像子系統可包含至少三個通道(即，一個頂部通道及兩個側通道)，且該至少三個通道之各者具有其自身集光器，集光器之各者經組態以按不同於其他集光器之各者的散射角收集光。
如上文進一步描述，包含於成像子系統中之偵測通道之各者可經組態以偵測散射光。因此，圖1中展示之成像子系統可經組態用於樣品之暗場(DF)成像。然而，成像子系統可亦或替代地包含經組態用於樣品之明場(BF)成像之(若干)偵測通道。換言之，成像子系統可包含經組態以偵測自樣品鏡面反射之光的至少一個偵測通道。因此，本文中描述之成像子系統可經組態用於僅DF、僅BF或DF及BF成像兩者。儘管在圖1中將集光器之各者展示為單折射光學元件，然集光器之各者可包含一或多個折射光學元件及/或一或多個反射光學元件。
一或多個偵測通道可包含此項技術中已知之任何適合偵測器，諸如光電倍增管(PMT)、電荷耦合裝置(CCD)及延時積分(TDI)相機。偵測器亦可包含非成像偵測器或成像偵測器。若偵測器係非成像偵測器，則偵測器之各者可經組態以偵測散射光之某些特性(諸如強度)，但可未經組態以偵測依據成像平面內之位置而變化之此等特性。因而，由包含於成像子系統之偵測通道之各者中之偵測器之各者產生的輸出可為信號或資料，而非影像信號或影像資料。在此等例項中，一電腦子系統(諸如成像子系統之電腦子系統36)可經組態以自偵測器之非成像輸出產生樣品之影像。然而，在其他例項中，偵測器可組態為經組態以產生成像信號或影像資料之成像偵測器。因此，成像子系統可經組態以依若干方式產生影像。
應注意，本文中提供圖1以大體上繪示可包含於本文中描述之系統實施例中之一成像子系統之一組態。顯然，可更改本文中描述之成像子系統組態以如在設計一商業成像系統時通常執行般最佳化成像子系統之效能。另外，可使用諸如商業上可購自KLA之29xx/39xx系列之工具之一現有系統(例如，藉由將本文中描述之功能性添加至一現有檢測系統)來實施本文中描述之系統。對於一些此等系統，本文中描述之方法可被提供為系統之選用功能性(例如，除系統之其他功能性以外)。替代地，可「從頭開始」設計本文中描述之系統以提供一全新系統。
電腦子系統36可以任何適合方式(例如，經由一或多個傳輸媒體，該一或多個傳輸媒體可包含「有線」及/或「無線」傳輸媒體)耦合至成像子系統之偵測器，使得電腦子系統可接收由偵測器產生的輸出。電腦子系統36可經組態以使用偵測器之輸出來執行若干功能。例如，若系統經組態為一檢測系統，則電腦子系統可經組態以使用偵測器之輸出來偵測樣品上之事件(例如，缺陷及潛在缺陷)。可如本文中進一步描述般執行偵測樣品上之事件。
可如本文中描述般進一步組態成像子系統之電腦子系統。舉例而言，電腦子系統36可為本文中描述之一或多個電腦系統之部分或可經組態為本文中描述之一或多個電腦系統。特定言之，電腦子系統36可經組態以執行本文中描述之步驟。因而，可由作為一成像子系統之部分之一電腦系統或子系統「在工具上」執行本文中描述之步驟。
成像子系統之電腦子系統(以及本文中描述之其他電腦子系統)在本文中亦可被稱為(若干)電腦系統。本文中描述之(若干)電腦子系統或(若干)系統之各者可採取多種形式，包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路設備、網際網路設備或其他裝置。一般而言，術語「電腦系統」可經廣泛定義以涵蓋具有執行來自一記憶體媒體之指令之一或多個處理器之任何裝置。(若干)電腦子系統或(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)電腦子系統或(若干)系統可包含具有高速度處理及軟體之一電腦平台(作為一獨立工具或一網路工具)。
若系統包含一個以上電腦子系統，則不同電腦子系統可彼此耦合，使得可在電腦子系統之間發送影像、資料、資訊、指令等。舉例而言，電腦子系統36可藉由可包含此項技術中已知之任何適合有線及/或無線傳輸媒體之任何適合傳輸媒體耦合至(若干)電腦系統102 (如由圖1中之虛線展示)。兩個或兩個以上此等電腦子系統亦可藉由一共用電腦可讀儲存媒體(未展示)而有效耦合。
儘管上文將成像子系統描述為一光學或基於光之成像子系統，然在另一實施例中，成像子系統經組態為一電子束成像子系統。在一電子束成像子系統中，被引導至樣品之能量包含電子，且自樣品偵測之能量包含電子。在圖1a中展示之一項此實施例中，成像子系統包含電子柱122，且系統包含耦合至成像子系統的電腦子系統124。可如上文描述般組態電腦子系統124。另外，此一成像子系統可以上文描述且圖1中展示之相同方式耦合至另一或多個電腦系統。
亦如圖1a中展示，電子柱包含電子束源126，該電子束源126經組態以產生由一或多個元件130聚焦至樣品128之電子。電子束源可包含(舉例而言)一陰極源或射極尖端，且一或多個元件130可包含(舉例而言)一槍透鏡、一陽極、一束限制孔隙、一閘閥、一束電流選擇孔隙、一物鏡及一掃描子系統，其等全部可包含此項技術中已知之任何此等適合元件。
自樣品返回之電子(例如，二次電子)可由一或多個元件132聚焦至偵測器134。一或多個元件132可包含(舉例而言)一掃描子系統，該掃描子系統可為包含於(若干)元件130中之相同掃描子系統。
電子柱可包含此項技術中已知之任何其他適合元件。另外，電子柱可如以下專利中描述般進一步組態：2014年4月4日頒予Jiang等人之美國專利第8,664,594號、2014年4月8日頒予Kojima等人之美國專利第8,692,204號、2014年4月15日頒予Gubbens等人之美國專利第8,698,093號及2014年5月6日頒予MacDonald等人之美國專利第8,716,662號，該等案宛如全文陳述般以引用之方式併入本文中。
儘管電子柱在圖1a中被展示為經組態使得電子按一傾斜入射角引導至樣品且按另一傾斜角自樣品散射，然電子束可按任何適合角度引導至樣品且自樣品散射。另外，如本文中進一步描述，電子束成像子系統可經組態以使用多種模式來產生樣品之輸出(例如，運用不同照射角度、收集角度等)。電子束成像子系統之多種模式可在成像子系統之任何輸出產生參數方面不同。
電腦子系統124可耦合至偵測器134，如上文描述。偵測器可偵測自樣品之表面返回之電子，藉此形成樣品之電子束影像(或其他輸出)。電子束影像可包含任何適合電子束影像。電腦子系統124可經組態以使用由偵測器134產生的輸出來偵測樣品上之事件，其可如上文描述般或以任何其他適合方式執行。電腦子系統124可經組態以執行本文中描述之(若干)任何額外步驟。可如本文中描述般進一步組態包含圖1a中展示之成像子系統之一系統。
應注意，本文中提供圖1a以大體上繪示可包含於本文中描述之實施例中之一電子束成像子系統之一組態。如同上文描述之光學成像子系統，可更改本文中描述之電子束成像子系統組態以如在設計一商業系統時所通常執行般最佳化成像子系統之效能。另外，可使用諸如商業上可購自KLA之工具之一現有系統(例如，藉由將本文中描述之功能性添加至一現有系統)來實施本文中描述之系統。對於一些此等系統，本文中描述之方法可被提供為系統之選用功能性(例如，除系統之其他功能性以外)。替代地，可「從頭開始」設計本文中描述之系統以提供一全新系統。
儘管上文將成像子系統描述為一光或電子束成像子系統，然成像子系統可為一離子束成像子系統。可如圖1a中展示般組態此一成像子系統，惟電子束源可由此項技術中已知之任何適合離子束源取代除外。另外，成像子系統可包含任何其他適合離子束成像系統，諸如包含於市售聚焦離子束(FIB)系統、氦離子顯微術(HIM)系統及二次離子質譜儀(SIMS)系統中之系統。
如上文進一步所述，成像子系統經組態以具有多個模式。一般而言，可藉由用於產生樣品之輸出之成像子系統之參數值定義一「模式」。因此，不同之模式可在成像子系統之光學或電子束參數(除產生輸出之樣品上之位置以外)之至少一者的值方面有所不同。舉例而言，對於一基於光之成像子系統，不同模式可使用不同波長之光。如本文中進一步描述(例如，藉由針對不同模式使用不同光源、不同光譜濾光器等)，模式可在引導至樣品之光之波長方面有所不同。在另一實施例中，不同模式可使用不同照明通道。舉例而言，如上所述，成像子系統可包含一個以上照明通道。因而，不同照明通道可用於不同模式。
多個模式亦可在照明及/或收集/偵測方面有所不同。舉例而言，如上文進一步描述，成像子系統可包含多個偵測器。因此，偵測器之一者可用於一個模式且偵測器之另一者可用於另一模式。此外，模式可以本文中描述之一個以上方式彼此不同(例如，不同模式可具有一或多個不同照明參數及一或多個不同偵測參數)。成像子系統可經組態以(例如)取決於使用多個模式同時掃描樣品之能力而在相同掃描或不同掃描中運用不同模式掃描樣品。
在不同模式中產生的輸出可彼此對準，如本文中進一步描述。舉例而言，在不同模式中產生的影像可彼此對準，使得在樣品上之相同位置處產生的影像可共同用於檢測。在其他例項中，在不同模式中針對相同位置產生的輸出可彼此對準，使得使用在不同模式中產生的輸出執行之任何缺陷偵測之結果可彼此對準。舉例而言，運用不同模式產生的輸出可彼此對準，使得運用不同模式偵測之缺陷偵測之結果(例如，缺陷候選者)彼此對準。以此方式，對準之結果可容易用於判定跨不同模式在樣品上彼此空間重合之結果。
在一項實施例中，成像子系統係一檢測子系統。以此方式，本文中描述之系統可經組態為檢測系統。然而，本文中描述之系統可經組態為另一類型之半導體相關品質控制類型系統，諸如一缺陷檢視系統及一度量衡系統。舉例而言，在本文中描述且在圖1及圖1a中展示之成像子系統之實施例可在一或多個參數方面進行修改以取決於將使用其等之應用而提供不同成像能力。在一項實施例中，成像子系統經組態為一電子束缺陷檢視子系統。舉例而言，若圖1a中展示之成像子系統將用於缺陷檢視或度量衡而非用於檢測，則其可經組態以具有一較高解析度。換言之，圖1及圖1a中展示之成像子系統之實施例描述一成像子系統之一些一般及各種組態，可以熟習此項技術者將明瞭之若干方式定製該等組態以產生具有或多或少適於不同應用之不同成像能力之成像子系統。
如上所述，成像子系統可經組態用於將能量(例如，光、電子)引導至樣品之一實體版本及/或使能量掃描遍及樣品之一實體版本，藉此產生樣品之實體版本之實際影像。以此方式，成像子系統可經組態為一「實際」成像系統而非一「虛擬」系統。然而，一儲存媒體(未展示)及圖1中展示之(若干)電腦子系統102可經組態為一「虛擬」系統。特定言之，儲存媒體及(若干)電腦子系統並非成像子系統100之部分且不具有用於處置樣品之實體版本之任何能力但可經組態為使用所儲存偵測器輸出來執行類似檢測之功能之一虛擬檢測器、執行類似度量衡之功能之一虛擬度量衡系統、執行類似缺陷檢視之功能之一虛擬缺陷檢視工具等。組態為「虛擬」系統之系統及方法描述於以下專利中：共同受讓之2012年2月28日頒予Bhaskar等人之美國專利第8,126,255號、2015年12月29日頒予Duffy等人之美國專利第9,222,895號及2017年11月14日頒予Duffy等人之美國專利第9,816,939號，該等案宛如全文陳述般以引用之方式併入本文中。可如此等專利中描述般進一步組態本文中描述之實施例。舉例而言，可如此等專利中描述般進一步組態本文中描述之一或多個電腦子系統。
系統包含一或多個電腦系統，該一或多個電腦系統可包含上文描述之(若干)電腦子系統或(若干)系統之任一者的任何組態。一或多個電腦系統經組態用於將第一影像及第二影像分開地對準至樣品之一設計。以此方式，模式間影像對準可利用諸如可購自KLA且描述於Kulkarni之上文引用專利中之對準至設計演算法以將多個模式之影像對準至設計座標系統。亦可如2017年11月27日頒予Bhattacharyya等人之美國專利第9,830,421號及2020年6月30日頒予Brauer等人之美國專利第10,698,325號中描述般執行將第一影像及第二影像對準至設計，該等專利宛如全文陳述般以引用之方式併入本文中。可如此等專利中描述般進一步組態本文中描述之實施例。亦可如本文中進一步描述般執行此步驟。
在一項實施例中，成像子系統經組態以運用第一模式產生樣品之一第一設定影像，且一或多個電腦系統經組態用於：在該第一設定影像中選擇一第一設定對準目標；自該第一設定對準目標之設計產生一第一呈現影像；將該第一呈現影像對準至對應於該第一設定對準目標之該第一設定影像之一部分；及且針對該第一設定對準目標判定一第一設定設計至影像偏移。舉例而言，如圖2a之步驟200中展示，成像子系統可運用一光束(或本文中描述之另一能量源)掃描整個晶粒以產生一第一設定影像。產生第一設定影像可包含掃描整個晶粒或樣品上之任何其他適合重複結構(諸如一場)。可如本文中進一步描述般執行掃描。
接著，一或多個電腦系統可在第一設定影像(第一設定對準目標)中發現獨有目標，如步驟202中展示。獨有目標可以此項技術中已知之任何適合方式為獨有的，此致使目標適用於對準目的。舉例而言，獨有目標可為相較於一預定搜尋窗(諸如一影像圖框或工件)內之其他圖案化特徵具有一獨有形狀之一圖案化特徵、在預定搜尋窗內具有相對於彼此之一獨有空間關係之圖案化特徵等。儘管在第一設定影像中選擇多個獨有目標可為切合實際的，然一般而言，可在第一設定影像中選擇任一或多個獨有目標。獨有目標之各者可以任何獨有方式彼此不同。另外，獨有目標可包含相同獨有目標之一個以上例項。
如步驟204中展示，一或多個電腦系統可接收(若干)獨有目標之各者的設計。一或多個電腦系統可以任何適合方式(諸如藉由基於自第一設定影像收集之(若干)獨有目標之資訊來搜尋樣品之一設計，藉由自含有設計之一儲存媒體或電腦系統請求(若干)獨有目標之(若干)位置處之一設計(例如，一設計剪輯)之一部分等)接收設計。由一或多個電腦系統接收之設計可包含本文中進一步描述之設計、設計資料或設計資訊之任一者。
如步驟206中展示，一或多個電腦系統可自設計產生一第一呈現影像。可以任何適合方式執行產生第一呈現影像。舉例而言，基於來自樣品上之一或多個層之設計資料之(若干)唯一目標之設計剪輯，可呈現(若干)設計層且可如本文中進一步描述般使用所得模擬影像。本文中描述之實施例亦可使用(若干)可能對準目標之呈現影像且將其等與第一設定影像對準目標位置影像進行比較以選擇(若干)獨有目標之最佳子集以供使用，如本文中進一步描述。
可由一或多個組件(諸如由一或多個電腦系統執行之一模型、軟體、硬體及類似者)執行產生第一呈現影像。在一些例項中，一或多個組件可執行在樣品上製造(若干)設計層所涉及之程序之一正向型模擬。舉例而言，模擬影像可包含模擬(若干)設計層在印刷於一樣品上時將呈現之外觀。換言之，呈現或模擬影像可包含產生(若干)設計層印刷於其上之一樣品之一模擬表示。可用於產生一模擬樣品之一憑經驗訓練之程序模型之一個實例包含在商業上可購自北卡羅萊納州，Cary之Coventor, Inc.之SEMulator 3D。一嚴格微影模擬模型之一實例係Prolith，其在商業上可購自KLA且可與SEMulator 3D產品協作使用。然而，可使用自設計產生實際樣品所涉及之(若干)程序之任一者的(若干)任何適合模型來產生模擬樣品。以此方式，可使用設計以模擬已在其上形成(若干)對應設計層之一樣品在樣品空間中將呈現之外觀(未必此一樣品對於一成像系統將呈現之外觀)。因此，樣品之模擬表示可表示樣品在樣品之2D或3D空間中將呈現之外觀。
接著，可使用樣品之模擬表示來產生(若干)呈現影像，其等繪示(若干)獨有目標將如何出現在樣品之第一模式影像中。可使用一模型(諸如WINsim，其在商業上可購自KLA，且其可使用一電磁(EM)波解算器嚴格地模型化一檢測器之回應)來產生此等呈現影像。可使用此項技術中已知之任何其他適合軟體、(若干)演算法、(若干)方法或(若干)系統來執行此等模擬。
在其他例項中，一或多個組件可包含經組態用於自設計推斷(若干)呈現影像的一深度學習(DL)型模型。換言之，一或多個組件可經組態以將一或多個設計檔案變換(藉由推斷)成將運用第一模式針對樣品產生的一或多個呈現影像。一或多個組件可包含此項技術中已知之任何適合DL模型或網路，包含舉例而言一神經網路、一CNN、一生成模型等。亦可如以下者中描述般組態一或多個組件：2017年5月18日發表之Karsenti等人之共同擁有之美國專利申請公開案第2017/0140524號；2017年5月25日發表之Zhang等人之共同擁有之美國專利申請公開案第2017/0148226號；2017年7月6日發表之Bhaskar等人之美國專利申請公開案第2017/0193400號；2017年7月6日發表之Zhang等人之美國專利申請公開案第2017/0193680號；2017年7月6日發表之Bhaskar等人之共同擁有之美國專利申請公開案第2017/0194126號；2017年7月13日發表之Bhaskar等人之共同擁有之美國專利申請公開案第2017/0200260號；2017年7月13日發表之Park等人之共同擁有之美國專利申請公開案第2017/0200264號；2017年7月13日發表之Bhaskar等人之共同擁有之美國專利申請公開案第2017/0200265號；2017年11月30日發表之Zhang等人之共同擁有之美國專利申請公開案第2017/0345140號；2017年12月7日發表之Zhang等人之共同擁有之美國專利申請公開案第2017/0351952號；2018年4月19日發表之Zhang等人之共同擁有之美國專利申請公開案第2018/0107928號；2018年10月11日發表之Gupta等人之共同擁有之美國專利申請公開案第2018/0293721號；2018年11月15日發表之Ha等人之共同擁有之美國專利申請公開案第2018/0330511號；2019年1月3日發表之Dandiana等人之共同擁有之美國專利申請公開案第2019/0005629號；及2019年3月7日發表之He等人之共同擁有之美國專利申請公開案第2019/0073568號，該等公開案宛如全文陳述般以引用之方式併入本文中。可如此等專利申請公開案中描述般進一步組態本文中描述之實施例。另外，本文中描述之實施例可經組態以執行此等專利申請公開案中描述之任何步驟。
如步驟208中展示，一或多個電腦系統可在各獨有目標處執行第一呈現影像及第一設定影像之對準。可如本文中進一步描述般或以此項技術中已知之任何其他適合方式執行第一呈現影像及第一設定影像之對準。如步驟210中展示，一或多個電腦系統可針對各對準圖框(即，含有一對準目標之一例項之各影像圖框)判定一第一設定設計至影像偏移。可以任何適合方式判定第一設定設計至影像偏移且可以任何適合方式(例如，作為一笛卡爾偏移，作為一二維函數等)表達該第一設定設計至影像偏移。
基於第一呈現影像及第一設定影像之對準結果，一或多個電腦系統可判定第一設定對準目標用於本文中描述之實施例中之適合性。舉例而言，若不可能將設定對準目標之一者對準至該設定對準目標之第一呈現影像，則可拒絕該設定對準目標。以此方式，可藉由本文中描述之實施例選擇並考量多個第一設定對準目標，且可僅選擇對準目標之一部分以供使用，如本文中進一步描述。另外，可選擇一個以上設定對準目標以用於本文中描述之實施例中，且可在將對準至如本文中描述之設計之第一影像之各測試影像部分中選擇一或多個設定對準目標。舉例而言，本文中描述之實施例可試圖在第一影像中之每一圖框影像選擇至少一個對準目標。
可由系統針對全部(或兩個或兩個以上)模式執行上文程序，且一或多個電腦系統可針對各模式產生具有對準圖框影像及其等偏移之一資料庫。舉例而言，在一項此實施例中，成像子系統經組態以運用第二模式產生樣品之一第二設定影像，且一或多個電腦系統經組態用於：在該第二設定影像中選擇一第二設定對準目標；自該第二設定對準目標之設計產生一第二呈現影像；將該第二呈現影像對準至對應於該第二設定對準目標之該第二設定影像之一部分；及且針對該第二設定對準目標判定一第二設定設計至影像偏移。可如上文進一步描述般執行此等步驟之各者。以此方式，本文中描述之實施例可經組態用於使用一圖塊至設計方法使不同模式之影像彼此對準。
對於第一影像中之一所關注位置，一或多個電腦系統經組態用於藉由自所關注位置之第一影像之一測試影像部分減去所關注位置之一第一參考影像而產生所關注位置之一第一差異影像。可以任何適合方式自第一影像之測試影像部分減去第一參考影像。第一參考影像可包含任何適合參考影像，諸如由成像子系統在對應於所關注位置之樣品上之一位置處產生的一影像(即，來自樣品上之一鄰近晶粒之一影像)、來自一資料庫或另一儲存媒體之一參考影像、自一設計呈現且儲存於一儲存媒體中之一參考影像及類似者。
在自第一影像之測試影像部分減去第一參考影像之前，第一參考影像及測試影像部分可彼此對準或對準至一共同參考。舉例而言，在一項實施例中，在基於將第一影像分開地對準至設計之結果而產生第一差異影像之前，第一參考影像及第一影像之測試影像部分彼此對準。在一個此實例中，可將自樣品產生的一參考影像對準至如本文中描述之樣品之一設計。因此，當將第一影像對準至如本文中描述之設計時，第一參考影像及第一影像之測試部分對準至一共同參考(設計)且因此基於設計座標彼此有效對準。在另一此實例中，參考影像可為設計之一部分或可自設計呈現且因此固有地對準至設計。以此方式，第一參考影像及第一影像之測試部分亦可經由將第一影像分開地對準至設計而對準至一共同參考(設計)。在一進一步實例中，第一參考影像及第一影像之測試部分可彼此直接對準(此可如本文中描述般執行)，且接著彼此相減。
在一項實施例中，所關注位置係在第一影像中偵測之一缺陷之一位置，且成像子系統經組態為一檢測子系統。舉例而言，若成像子系統係一檢測子系統，且若針對一樣品之檢測執行本文中描述之對準，則可如本文中描述般針對樣品上之複數個所關注位置(例如，樣品上之檢測區域)產生第一差異影像且接著可使用該等第一差異影像來執行缺陷偵測。可如本文中進一步描述般執行缺陷偵測。因此，可在知曉針對其執行本文中描述之步驟之所關注位置之前產生第一差異影像。因此，針對其執行本文中描述之步驟之所關注位置可為使用第一差異影像偵測一缺陷之位置之一者。以此方式，可在識別針對其執行本文中描述之步驟之所關注位置之前產生第一差異影像。另外，可針對多個所關注位置執行本文中描述之步驟，且可在該多個所關注位置之各者處偵測一缺陷。然而，在其他例項(諸如度量衡及缺陷檢視)中，可在產生第一差異影像之前預先(例如，自一度量衡或缺陷檢視取樣計劃)知曉所關注位置。以此方式，可針對先驗已知之一所關注位置產生第一差異影像。如本文中進一步描述，對於如檢測之一些應用，可僅針對針對其產生第一差異影像之一些位置(例如，僅針對在樣品上偵測到之缺陷之位置)執行本文中描述之額外步驟。
在另一實施例中，一或多個電腦系統經組態用於基於第一運行時間設計至影像偏移而判定第一影像之測試影像部分中之一關注區域，在該關注區域中執行缺陷偵測，且將藉由缺陷偵測所偵測之一缺陷之一位置指定為所關注位置。舉例而言，一或多個電腦系統可藉由執行與第一運行時間影像之設計之一對準而判定第一影像之測試影像部分中之關注區域放置。
在一個此實例中，一或多個電腦系統可經組態以執行模式1之一設定對準圖框與一第一影像(運行時間對準圖框)之對準，如圖2b之步驟212中展示。設定對準圖框可為來自第一設定對準目標之一者的位置處之第一設定影像之一圖框影像。可如本文中描述般或以此項技術中已知之任何其他適合方式執行此對準。一或多個電腦系統亦可判定模式1之設定對準圖框與第一影像之間之偏移，如步驟214中展示。另外，一或多個電腦系統可判定模式1之設計與第一影像之間之偏移，如步驟216中展示。此等偏移可以此項技術中已知之任何適合方式進行判定且可具有此項技術中已知之任何格式。
如步驟218中展示，一或多個電腦系統可根據模式1之偏移校正來判定第一影像之一關注區域。判定第一影像之關注區域可包含使用設計中之關注區域之位置(其應自另一方法或系統先驗地已知)及模式1之設計與第一影像之間之偏移以將關注區域放置於第一影像中。換言之，若關注區域之位置在設計座標中已知且第一影像已對準至如上文描述之設計，則可容易判定第一影像中之關注區域之位置。關注區域可為此項技術中已知之任何適合關注區域，可以此項技術中已知之任何適合方式產生，且可具有此項技術中已知之任何適合格式。舉例而言，關注區域可為自設計判定之多個關注區域之一者且可涵蓋一使用者的所關注區域。
接著，一或多個電腦系統可執行一缺陷檢測(晶圓掃描)，如步驟220中展示。可以任何適合方式(諸如藉由將一臨限值應用至差異影像)執行缺陷檢測。差異影像中之大於臨限值之位置或區域可被識別為缺陷(或潛在缺陷)，且差異影像中之小於臨限值之位置或區域可未被識別為潛在缺陷或缺陷。亦可使用此項技術中已知之任何適合缺陷偵測方法或演算法(諸如由在商業上可購自KLA之一些檢測工具使用之MDAT缺陷偵測演算法)來執行缺陷檢測。接著，可以此項技術中已知之任何適合方式判定缺陷之位置(例如，使用差異或測試影像中之缺陷之位置，可基於影像本身或本文中描述之偏移相對於樣品或設計判定缺陷之位置)。接著，可將缺陷或潛在缺陷之一者的一位置指定為本文中描述之步驟之一所關注位置。
一或多個電腦系統進一步經組態用於藉由自所關注位置之第二影像之一測試影像部分減去所關注位置之一第二參考影像而產生所關注位置之一第二差異影像。可如上文進一步描述般僅運用不同測試及參考影像來產生第二差異影像。用於產生第二差異影像之參考影像可為上文描述但針對第二模式而非第一模式產生的參考影像之任一者。換言之，不同參考影像可用於針對不同模式產生差異影像(無關於是否以相同或不同方式產生差異影像)。
在一項實施例中，僅針對對應於藉由缺陷偵測所偵測之缺陷之位置之第二影像之一部分執行將第二影像分開地對準至設計。舉例而言，如步驟222中展示，對於使用模式1之各偵測缺陷，一或多個電腦系統可針對模式2至模式n執行設定至運行時間圖框偏移計算。以此方式，可在一第一模式中偵測缺陷，且可將缺陷之位置指定為如上文描述之所關注位置。接著，對於一缺陷之任一個位置，可僅針對對應於該缺陷之位置之第二影像之部分將第二影像對準至設計，此可如本文中描述般執行。又，儘管分開地對準在本文中被描述為針對一所關注位置執行，然可針對任一或多個所關注位置執行針對運用第二模式產生的影像之分開地對準。
在另一實施例中，一或多個電腦系統經組態用於執行針對第一影像之該分開地對準，判定該第一影像中之所關注位置，且基於該經判定所關注位置執行針對第二影像之分開地對準。舉例而言，可藉由將第一影像對準至如本文中描述之設計且接著使用該第一影像來執行缺陷偵測而執行判定該第一影像中之所關注位置。接著，可僅針對對應於如上文描述般偵測之(若干)缺陷之一或若干所關注位置執行將第二影像對準至設計。(若干)所關注位置亦可不對應於缺陷。舉例而言，在此等實施例中，(若干)所關注位置亦可為執行度量衡之位置、使用第一影像執行之度量衡產生一異常結果之位置、在缺陷檢視期間重新偵測一缺陷之位置及類似者。以此方式，可將運用第一模式產生的第一影像對準至設計，可基於該對準步驟之結果在第一影像中判定一或多個所關注位置，且接著對於所關注位置之任一或多者，可將運用第二模式產生的第二影像對準至設計。可出於本文中描述之若干原因(例如，針對(若干)所關注位置產生差異影像，而且為判定(若干)位置之資訊、在(若干)位置處偵測之一缺陷、量測為(若干)位置之一圖案化特徵及類似者)執行針對(若干)所關注位置將(若干)第二影像對準至設計。
一或多個電腦系統亦經組態用於使第一差異影像及第二差異影像彼此對準。舉例而言，如圖2c之步驟224中展示，一或多個電腦系統可使用模式1至模式n之偏移校正影像。可如本文中描述般產生針對模式之各者的偏移校正影像。一或多個電腦系統亦可自模式1至n之測試及參考影像計算差異影像，如圖2c之步驟226中展示。如圖2c之步驟228中展示，一或多個電腦系統亦可針對各影像集對準模式1及模式2、模式1及模式3、…、模式1及模式n之差異影像以計算對準偏移。以此方式，本文中描述之實施例可經組態用於使用自兩個不同模式產生的差異影像且使其等彼此對準。使差異影像彼此對準可如本文中進一步描述般執行且提供如本文中進一步描述之若干優點。
在一項實施例中，使第一差異影像及第二差異影像彼此對準包含將第一差異影像中之雜訊對準至第二差異影像中之雜訊。舉例而言，運用不同模式產生的原始影像可難以彼此對準，此係因為一些結構可能不存在於多模式影像之各者中，一些結構可能在其等對比度上反相，或具有不同灰階。在一個此實例中，如圖3中展示，模式1之測試影像(300)及模式1之參考影像(302)看似實質上不同於模式2之測試影像(304)及模式2之參考影像(306)。特定言之，可針對一樣品上之相同位置產生圖3中展示之運用模式1產生的測試及參考影像及運用模式2產生的測試及參考影像，但如自圖3可見，該等影像具有反相灰階。特定言之，模式1之測試及參考影像中之具有相對較暗灰階之區域在模式2之測試及參考影像中具有相對較亮灰階。模式1之測試及參考影像中之相對較亮灰階及模式2之測試及參考影像中之相對較暗灰階同樣如此。
然而，當針對多個模式產生差異影像時，針對不同模式產生差異影像之程序實際上可減少或甚至消除使模式間影像對準變得困難之模式影像之間之許多或甚至全部差異。舉例而言，可藉由可如本文中描述般執行之模式1影像減法而自測試影像300及參考影像302產生差異影像308。另外，可藉由可如本文中描述般執行之模式2影像減法而自測試影像304及參考影像306產生差異影像310。如自差異影像308及310可見，已藉由影像減法自差異影像消除模式1及模式2之測試及參考影像中之對應位置處之反相灰階。接著，在此等影像中藉由虛線繪示之差異影像中之剩餘雜訊可用於影像對準。特定言之，兩個差異影像中之剩餘雜訊可用於將來自第一模式之一影像對準至來自第二模式之一影像。因而，差異影像可用於對準不同模式之影像。另外，差異影像雜訊可用於影像對準。差異影像雜訊可如本文中描述般或以任何其他適合方式用於影像對準。舉例而言，可在一影像對準程序中如任何其他影像特徵般處理差異影像雜訊。
在一些實施例中，基於平方差之一正規化總和(NSSD)來執行使第一差異影像及第二差異影像彼此對準。舉例而言，可使用針對各影像集之模式1及模式2、模式1及模式3、…、模式1及模式n之差異影像之NSSD來執行圖2c之步驟228以計算對準偏移。可使用此項技術中已知之任何適合方法、演算法、函數等來執行NSSD。
一或多個電腦系統進一步經組態用於自使第一差異影像及第二差異影像彼此對準之結果判定所關注位置之資訊。舉例而言，存在可自差異影像對準結果判定之各種資訊。如本文中進一步描述，此資訊包含關於模式影像已對準至一設計及因此一共同參考之程度的資訊、自多個差異影像或已藉由差異影像對準驗證及/或校正對準之其他影像判定之所關注位置的資訊、關於可用於模式選擇及配方設定之模式本身的資訊及類似者。
在一項實施例中，判定資訊包含驗證是否精確地執行分開地對準。舉例而言，可使用各模式之差異影像來驗證模式間對準之效能。以此方式，本文中描述之實施例可經組態用於使用差異影像來驗證基於設計之對準。特定言之，如本文中進一步描述，在產生差異影像之前將模式影像對準至一設計。因此，當來自不同模式之差異影像彼此對準時，若設計至影像程序成功，則差異影像之設計座標之間不應存在任何對準偏移。換言之，在差異影像彼此對準之後，差異影像中之對準位置應具有相同設計座標。若差異影像中之對準位置不具有相同設計(或其他共同參考)座標，則針對模式之一或多者的設計至影像對準程序之一或多者中存在一定邊緣性。
當然，實務上，差異影像中之對準位置之間之偏移無需確切為零以將分開地對準驗證為精確的。代替地，差異影像之間之對準偏移中可存在某一可接受公差，在判定驗證時可考量該可接收公差。可藉由本文中進一步描述之臨限值量化此可接受公差。
在一些實施例中，驗證包含判定第一差異影像與第二差異影像之間之一對準偏移及比較該對準偏移與一預定臨限值。舉例而言，如步驟230中展示，一或多個電腦系統可判定對準偏移是否大於一臨限值。可如本文中進一步描述般判定此對準偏移。可基於對準偏移之可接受值來判定預定臨限值。因此，預定臨限值可回應於個別模式特定、設計至影像對準程序中之可接受邊緣性。因而，預定臨限值可取決於諸如樣品之類型、針對其執行對準之應用、對準程序之使用者所需效能及類似者的因素而變化。一適合臨限值之一個實例可大於或等於一個或兩個維度中之一個像素。臨限值可具有此項技術中已知之任何適合格式，其可取決於對準偏移之格式而變化。舉例而言，臨限值可表達為一個或兩個維度中之一函數等。
在另一實施例中，當分開地對準被驗證為精確地執行時，判定資訊包含自第一差異影像及第二差異影像判定所關注位置處之一缺陷之一或多個屬性。舉例而言，如圖2c之步驟232中展示，若對準偏移不大於一臨限值，則一或多個電腦系統可計算基於影像之屬性。以此方式，本文中描述之實施例使缺陷屬性能夠自在某一預定精確度內彼此對準之多模式影像判定。換言之，本文中描述之實施例可基本上確保在多模式影像中之缺陷之實際位置處判定自運用不同模式產生的影像判定之缺陷屬性。自多模式影像判定之缺陷屬性可包含此項技術中已知之任何缺陷屬性，諸如缺陷大小、缺陷形狀、缺陷粗糙度、缺陷定向及類似者。另外，自不同多模式影像判定之缺陷屬性可為相同缺陷屬性或不同缺陷屬性。舉例而言，可自兩個或兩個以上多模式影像之各者分開地判定缺陷大小。在另一實例中，可自兩個或兩個以上多模式影像之一者判定缺陷大小，且可自兩個或兩個以上多模式影像之另一者判定缺陷粗糙度。無論自多模式影像判定相同或不同缺陷屬性，多個缺陷屬性皆可組合用於一或多個應用，諸如缺陷分類、缺陷驗證、缺陷過濾等。
對於除檢測以外之應用，可自不同模式影像分開地判定關於所關注位置之資訊且共同或分開地使用該資訊。例如，對於如度量衡之一應用，當所關注位置成功定位於多模式影像中時，可自兩個或兩個以上多模式影像之各者判定所關注位置之一屬性或特性。舉例而言，可使用模式影像之一者以判定所關注位置處之一圖案化特徵或層之一尺寸，且可使用模式影像之另一者以判定圖案化特徵或層之一粗糙度。
在一額外實施例中，當分開地對準未被驗證為精確地執行時，判定資訊包含判定對將第一影像及第二影像分開地對準至設計及使第一差異影像及第二差異影像彼此對準之至少一者的一或多個校正。舉例而言，若差異影像之間之對準偏移過大(例如，大於預定臨限值)，則其可使用自差異影像對準導出之偏移進行校正。在一個此實例中，如圖2c之步驟234中展示，若對準偏移大於一臨限值，則一或多個電腦系統可調整對準偏移。以此方式，本文中描述之實施例可經組態用於使用差異影像來校正基於設計之對準。另外可以此項技術中已知之任何適合方式執行校正基於設計之對準。
以此方式，本文中描述之實施例可使源自不同模式之兩個(或兩個以上)影像彼此對準。舉例而言，如上文描述，將不同模式之影像分開地對準至一設計理論上應導致來自多個模式之影像對準至一共同參考且因此彼此對準。然而，此對準並非始終成功，特別在諸如檢測、度量衡及檢視之當今應用需要足夠精確度之情況下。不精確性可由此等難以消除來源引起，諸如自設計呈現之影像中之邊緣性、自模式影像選擇(若干)獨有對準目標之困難、對準至設計演算法中之邊緣性等。然而，藉由使自多個模式產生的差異影像彼此對準，本文中描述之實施例可執行一直接差異影像間對準，其如上文描述般可用於：判定是否驗證針對不同模式分開地執行之至設計之對準，對準是否不在可接受精確度要求(如藉由與預定臨限值之比較判定)內，且對準是否未被驗證為足夠精確；對對準結果(例如，對準偏移之一或多者)進行一或多個校正以藉此校正對準精確度。
一或多個電腦系統可經組態以使用缺陷偵測步驟、判定資訊步驟及本文中描述之任何其他步驟之結果來執行樣品、成像子系統或另一樣品、程序或工具之一或多個功能。舉例而言，由本文中描述之一或多個電腦系統產生的結果可包含在樣品上偵測之任何缺陷之資訊(諸如偵測缺陷之定界框之位置等、偵測分數)、關於缺陷分類之資訊(諸如類別標籤或ID、自多個模式之任一者判定之任何缺陷屬性、多模式缺陷影像等)或此項技術中已知之任何此等適合資訊。
可藉由(若干)電腦系統及/或成像子系統以任何適合方式產生缺陷及/或所關注位置之結果。缺陷及/或所關注位置之結果可具有任何適合形式或格式，諸如一標準檔案類型。(若干)電腦系統及/或成像子系統可產生結果且儲存該等結果使得可由(若干)電腦系統及/或另一系統或方法使用該等結果來執行樣品或相同類型之另一樣品之一或多個功能。此等功能包含(但不限於)更改諸如以一回饋方式對樣品執行之一製程或步驟的一程序、更改諸如將以一前饋方式對樣品執行之一製程或步驟的一程序等。舉例而言，歸因於藉由本文中描述之實施例實現之相對較高精確度模式間影像對準，本文中描述之實施例可允許檢測程序及工具以增加之靈敏度偵測某些DOI。對某些DOI之此增加之靈敏度允許使用者改良其等作出正確處理決策之能力。
(若干)電腦系統亦可經組態用於將經判定資訊儲存於任何適合電腦可讀儲存媒體中。資訊可與本文中描述之結果之任一者一起儲存且可以此項技術中已知之任何方式儲存。儲存媒體可包含本文中描述之任何儲存媒體或此項技術中已知之任何其他適合儲存媒體。在已儲存資訊之後，資訊可在儲存媒體中進行存取且由本文中描述之方法或系統實施例之任一者使用、經格式化以對一使用者顯示、由另一軟體模組、方法或系統使用等。舉例而言，本文中描述之實施例可產生一檢測配方，如本文中進一步描述。接著，該檢測配方可經儲存且由系統或方法(或另一系統或方法)使用以檢測樣品或其他樣品以藉此產生樣品或其他樣品之資訊(例如，缺陷資訊)。
本文中描述之實施例亦可用於設定一基於影像之程序，如檢測、缺陷檢視、度量衡等。舉例而言，儘管本文中針對其中先前已選擇且知曉模式之應用描述實施例，然在一些例項中，本文中描述之實施例可用於使來自不同模式之影像彼此對準，使得可評估影像及因此模式對一特定應用之有用性。在一個此實例中，來自不同模式之影像可如本文中描述般彼此對準，且接著可評估影像之各者以瞭解其等對於執行如檢測、缺陷檢視、度量衡等之一程序之有用性。舉例而言，是否可在來自不同模式之已彼此對準之影像之各者中偵測到一特定特徵或缺陷可用於判定不同模式之各者是否可用於缺陷偵測或圖案化特徵量測。另外，可評估來自不同模式之已彼此對準之影像以判定可在一所關注位置處自其等判定之缺陷屬性或圖案化特徵特性。以此方式，可基於模式間影像對準來識別有用及/或彼此互補之模式。如上文描述，模式選擇係一通常繁瑣且困難程序。具有由本文中描述之實施例提供之實質上精確地對準來自不同模式之影像的能力為該程序提供顯著優點，如減少之得到結果之時間、增大之穩健性、所得多模式程序之較佳效能等。
本文中描述之實施例可執行如2018年10月30日頒予Brauer之美國專利第10,115,040號、2020年6月18日之Brauer等人發表之美國專利申請公開案第2020/0193588號及2020年5月26日之由Gaind等人申請之美國專利申請案序號16/883,794中描述之模式選擇，該等案宛如全文陳述般以引用之方式併入本文中。可如此等參考中描述般進一步組態本文中描述之實施例。
上文描述之系統之實施例之各者可一起組合成一項單一實施例。換言之，除非本文中另有所述，否則系統實施例不與任何其他系統實施例互斥。
另一實施例係關於一種用於對準運用一成像子系統之不同模式產生的一樣品之影像的方法。方法包含分別運用一成像子系統之第一模式及第二模式產生一樣品之第一影像及第二影像。方法亦包含上文描述之將第一影像及第二影像分開地對準至一設計、產生一第一差異影像、產生一第二差異影像、使第一差異影像及第二差異影像彼此對準及判定資訊步驟。由可根據本文中描述之實施例之任一者組態之一或多個電腦系統執行步驟。
可如本文中進一步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成像子系統及/或(若干)電腦系統執行之(若干)任何其他步驟。另外，可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。
一額外實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體，該等程式指令可在一電腦系統上執行以執行用於對準運用一成像子系統之不同模式產生的一樣品之影像之一電腦實施方法。圖4中展示一項此實施例。特定言之，如圖4中展示，非暫時性電腦可讀媒體400包含可在電腦系統404上執行之程式指令402。電腦實施方法可包含本文中描述之(若干)任何方法之(若干)任何步驟。
實施諸如本文中描述之方法之方法之程式指令402可儲存於電腦可讀媒體400上。電腦可讀媒體可為一儲存媒體，諸如一磁碟或光碟、一磁帶或此項技術中已知之任何其他適合非暫時性電腦可讀媒體。
可以多種方式(包含基於程序之技術、基於組件之技術及/或物件導向技術等等)之任一者實施程式指令。舉例而言，可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE (串流SIMD延伸)或其他技術或方法論實施程式指令。
可根據本文中所描述之實施例之任一者組態電腦系統404。
鑑於此描述，熟習此項技術者將瞭解本發明之多種態樣之進一步修改及替代實施例。舉例而言，提供用於對準運用一成像子系統之不同模式產生的一樣品之影像的方法及系統。因此，將此描述解釋為僅係闡釋性且係出於向熟習此項技術者教示實行本發明之一般方式之目的。應瞭解，應將本文中展示且描述之本發明之形式視為目前較佳實施例。如熟習此項技術者在受益於本發明之此描述之後將瞭解，元件及材料可替代本文中繪示且描述之該等元件及材料，可顛倒部分及程序，且可獨立利用本發明之某些屬性。可對本文中描述之元件做出改變而不脫離如以下發明申請專利範圍中所描述之本發明之精神及範疇。
14:樣品 16:光源 18:光學元件 20:透鏡 22:載物台 24:集光器 26:元件 28:偵測器 30:集光器 32:元件 34:偵測器 36:電腦子系統 100:成像子系統 102:電腦系統/電腦子系統 122:電子柱 124:電腦子系統 126:電子束源 128:樣品 130:元件 132:元件 134:偵測器 200:步驟 202:步驟 204:步驟 206:步驟 208:步驟 210:步驟 212:步驟 214:步驟 216:步驟 218:步驟 220:步驟 222:步驟 224:步驟 226:步驟 228:步驟 230:步驟 232:步驟 234:步驟 300:模式1之測試影像 302:模式1之參考影像 304:模式2之測試影像 306:模式2之參考影像 308:差異影像 310:差異影像 400:非暫時性電腦可讀媒體 402:程式指令 404:電腦系統
熟習此項技術者在受益於較佳實施例之以下詳細描述之情況下且在參考隨附圖式之後將變得瞭解本發明之進一步優點，其中： 圖1及圖1a係繪示如本文中描述般組態之一系統之實施例之側視圖的示意圖； 圖2a至圖2c係繪示可經執行以對準運用一成像子系統之不同模式產生的一樣品之影像之步驟之實施例的流程圖； 圖3係繪示運用一成像子系統之不同模式產生的一樣品之影像與針對不同模式產生的差異影像之間之差異的一示意圖；及 圖4係繪示儲存用於導致一電腦系統執行本文中描述之一電腦實施方法之程式指令之一非暫時性電腦可讀媒體之一項實施例的一方塊圖。 雖然本發明易於以各種修改及替代形式呈現，但本發明之特定實施例藉由實例在圖式中展示且在本文中詳細描述。圖式可未按比例繪製。然而，應瞭解，圖式及其詳細描述不意欲將本發明限於所揭示之特定形式，而相反，本發明欲涵蓋落於如由隨附發明申請專利範圍界定之本發明之精神及範疇內之全部修改、等效物及替代。
14:樣品
16:光源
18:光學元件
20:透鏡
22:載物台
24:集光器
26:元件
28:偵測器
30:集光器
32:元件
34:偵測器
36:電腦子系統
100:成像子系統
102:電腦系統/電腦子系統

Claims (19)

  1. 一種經組態用於對準運用一成像子系統之不同模式產生的一樣品之影像的系統，其包括：該成像子系統，其經組態以分別運用該成像子系統之一第一模式及一第二模式產生該樣品之一第一影像及一第二影像；及一或多個電腦系統，其經組態用於：將該第一影像及該第二影像分開地對準至該樣品之一設計；對於該第一影像中之一所關注位置，藉由自該所關注位置之該第一影像之一測試影像部分減去該所關注位置之一第一參考影像而產生該所關注位置之一第一差異影像；藉由自該所關注位置之該第二影像之一測試影像部分減去該所關注位置之一第二參考影像而產生該所關注位置之一第二差異影像；使該第一差異影像及該第二差異影像彼此對準；且自該使該第一差異影像及該第二差異影像彼此對準之多個結果判定該所關注位置之資訊，其中判定該資訊包括：驗證是否精確地執行該分開地對準。
  2. 如請求項1之系統，其中使該第一差異影像及該第二差異影像彼此對準包括：將該第一差異影像中之雜訊對準至該第二差異影像中之雜訊。
  3. 如請求項1之系統，其中基於平方差之一正規化總和來執行使該第一差異影像及該第二差異影像彼此對準。
  4. 如請求項1之系統，其中該驗證包括：判定該第一差異影像與該第二差異影像之間之一對準偏移；及比較該對準偏移與一預定臨限值。
  5. 如請求項1之系統，其中在該分開地對準被驗證為精確地執行時，判定該資訊進一步包括自該第一差異影像及該第二差異影像判定該所關注位置處之一缺陷之一或多個屬性。
  6. 如請求項1之系統，其中在該分開地對準未被驗證為精確地執行時，判定該資訊進一步包括判定對該將該第一影像及該第二影像分開地對準至該設計及該使該第一差異影像及該第二差異影像彼此對準之至少一者的一或多個校正。
  7. 如請求項1之系統，其中該所關注位置係在該第一影像中偵測之一缺陷之一位置，且其中該成像子系統進一步經組態為一檢測子系統。
  8. 如請求項1之系統，其中該成像子系統進一步經組態以運用該第一模式產生該樣品之一第一設定影像，且其中該一或多個電腦系統進一步經組態用於：在該第一設定影像中選擇一第一設定對準目標；自該第一設定對準目標之該設計產生一第一呈現影像；將該第一呈現影像對準至對應於該第一設定對準目標之該第一設定影像之一部分；及針對該第一設定對準目標判定一第一設定設計至影像偏移。
  9. 如請求項8之系統，其中該成像子系統進一步經組態以運用該第二模式產生該樣品之一第二設定影像，且其中該一或多個電腦系統進一步經組態用於：在該第二設定影像中選擇一第二設定對準目標；自該第二設定對準目標之該設計產生一第二呈現影像；將該第二呈現影像對準至對應於該第二設定對準目標之該第二設定影像之一部分；及且針對該第二設定對準目標判定一第二設定設計至影像偏移。
  10. 如請求項8之系統，其中該分開地對準包括：將該第一設定對準目標之該第一設定影像中之一設定對準圖框影像對準至該第一影像中之一對應圖框影像；判定該設定對準圖框影像與該對應圖框影像之間之一第一影像間偏移；及基於該第一影像間偏移及該第一設定設計至影像偏移而判定該對應圖框影像與該設計之間之一第一運行時間設計至影像偏移。
  11. 如請求項10之系統，其中該一或多個電腦系統進一步經組態用於基於該第一運行時間設計至影像偏移而判定該第一影像之該測試影像部分中之一關注區域，在該關注區域中執行缺陷偵測，且將藉由該缺陷偵測所偵測之一缺陷之一位置指定為該所關注位置。
  12. 如請求項11之系統，其中僅針對對應於藉由該缺陷偵測所偵測之該缺陷之該位置之該第二影像之一部分執行該將該第二影像分開地對準至該設計。
  13. 如請求項1之系統，其中該一或多個電腦系統進一步經組態用於執行 針對該第一影像之該分開地對準，判定該第一影像中之該所關注位置，且基於該經判定所關注位置而執行針對該第二影像之該分開地對準。
  14. 如請求項1之系統，其中在基於該將該第一影像分開地對準至該設計之結果而產生該第一差異影像之前，該第一差異影像及該第一影像之該測試影像部分彼此對準。
  15. 如請求項1之系統，其中該樣品係一晶圓。
  16. 如請求項1之系統，其中該成像子系統進一步經組態以使用光來產生該第一影像及該第二影像。
  17. 如請求項1之系統，其中該成像子系統進一步經組態以使用電子來產生該第一影像及該第二影像。
  18. 一種非暫時性電腦可讀媒體，其儲存程式指令，該等程式指令可在一電腦系統上執行以執行用於對準運用一成像子系統之不同模式產生的一樣品之影像之一電腦實施方法，其中該電腦實施方法包括：分別運用該成像子系統之一第一模式及一第二模式產生該樣品之一第一影像及一第二影像；將該第一影像及該第二影像分開地對準至該樣品之一設計；對於該第一影像中之一所關注位置，藉由自該所關注位置之該第一影像之一測試影像部分減去該所關注位置之一第一參考影像而產生該所關 注位置之一第一差異影像；藉由自該所關注位置之該第二影像之一測試影像部分減去該所關注位置之一第二參考影像而產生該所關注位置之一第二差異影像；使該第一差異影像及該第二差異影像彼此對準；及自該使該第一差異影像及該第二差異影像彼此對準之多個結果判定該所關注位置之資訊，其中判定該資訊包括：驗證是否精確地執行該分開地對準，及其中由該電腦系統執行該分開地對準、產生該第一差異影像、產生該第二差異影像、對準該第一差異影像及該第二差異影像及判定該資訊。
  19. 一種用於對準運用一成像子系統之不同模式產生的一樣品之影像的電腦實施方法，其包括：分別運用該成像子系統之一第一模式及一第二模式產生該樣品之一第一影像及一第二影像；將該第一影像及該第二影像分開地對準至該樣品之一設計；對於該第一影像中之一所關注位置，藉由自該所關注位置之該第一影像之一測試影像部分減去該所關注位置之一第一參考影像而產生該所關注位置之一第一差異影像；藉由自該所關注位置之該第二影像之一測試影像部分減去該所關注位置之一第二參考影像而產生該所關注位置之一第二差異影像；使該第一差異影像及該第二差異影像彼此對準；及自該使該第一差異影像及該第二差異影像彼此對準之多個結果判定該所關注位置之資訊，其中判定該資訊包括：驗證是否精確地執行該分開 地對準，及其中由一或多個電腦系統執行該分開地對準、產生該第一差異影像、產生該第二差異影像、對準該第一差異影像及該第二差異影像及判定該資訊。
TW109134021A 2019-10-01 2020-09-30 多成像模式影像對準 TWI836146B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962909148P 2019-10-01 2019-10-01
US62/909,148 2019-10-01
US17/030,194 US11580650B2 (en) 2019-10-01 2020-09-23 Multi-imaging mode image alignment
US17/030,194 2020-09-23

Publications (2)

Publication Number Publication Date
TW202127555A TW202127555A (zh) 2021-07-16
TWI836146B true TWI836146B (zh) 2024-03-21

Family

ID=75162103

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109134021A TWI836146B (zh) 2019-10-01 2020-09-30 多成像模式影像對準

Country Status (5)

Country Link
US (1) US11580650B2 (zh)
KR (1) KR102652164B1 (zh)
CN (1) CN114503156A (zh)
TW (1) TWI836146B (zh)
WO (1) WO2021067203A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11328410B2 (en) 2020-08-03 2022-05-10 KLA Corp. Deep generative models for optical or other mode selection
US11644756B2 (en) 2020-08-07 2023-05-09 KLA Corp. 3D structure inspection or metrology using deep learning
US20230075297A1 (en) * 2021-09-03 2023-03-09 Kla Corporation Wafer alignment improvement through image projection-based patch-to-design alignment
US20240095935A1 (en) * 2022-08-22 2024-03-21 Kla Corporation Deep learning model-based alignment for semiconductor applications
WO2024083437A1 (en) * 2022-10-21 2024-04-25 Asml Netherlands B.V. Defect map based d2d alignment of images for machine learning training data preparation

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6614924B1 (en) * 1999-08-02 2003-09-02 Applied Materials, Inc. Adaptive mask technique for defect inspection
US20120296576A1 (en) * 2010-02-10 2012-11-22 Yukihiro Shibata Defect inspection method and device thereof
US20130064442A1 (en) * 2011-09-13 2013-03-14 Kla-Tencor Corporation Determining Design Coordinates for Wafer Defects
US20180052118A1 (en) * 2014-07-22 2018-02-22 Kla-Tencor Corporation Virtual inspection systems with multiple modes

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8165384B1 (en) * 2003-11-19 2012-04-24 Kla-Tencor Corporation Defect classification
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7676077B2 (en) * 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US8698093B1 (en) 2007-01-19 2014-04-15 Kla-Tencor Corporation Objective lens with deflector plates immersed in electrostatic lens field
US8126255B2 (en) 2007-09-20 2012-02-28 Kla-Tencor Corp. Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions
US9824302B2 (en) 2011-03-09 2017-11-21 Siemens Healthcare Gmbh Method and system for model-based fusion of multi-modal volumetric images
US8664594B1 (en) 2011-04-18 2014-03-04 Kla-Tencor Corporation Electron-optical system for high-speed and high-sensitivity inspections
US8692204B2 (en) 2011-04-26 2014-04-08 Kla-Tencor Corporation Apparatus and methods for electron beam detection
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
US10192303B2 (en) 2012-11-12 2019-01-29 Kla Tencor Corporation Method and system for mixed mode wafer inspection
US9092846B2 (en) 2013-02-01 2015-07-28 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific and multi-channel information
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US10429319B2 (en) 2013-03-20 2019-10-01 Kla-Tencor Corporation Inspection system including parallel imaging paths with multiple and selectable spectral bands
KR102079420B1 (ko) 2013-05-14 2020-02-19 케이엘에이 코포레이션 통합된 멀티 패스 검사
US9224660B2 (en) 2013-08-30 2015-12-29 Kla-Tencor Corp. Tuning wafer inspection recipes using precise defect locations
US10127653B2 (en) * 2014-07-22 2018-11-13 Kla-Tencor Corp. Determining coordinates for an area of interest on a specimen
US9702827B1 (en) 2014-11-20 2017-07-11 Kla-Tencor Corp. Optical mode analysis with design-based care areas
US10747830B2 (en) * 2014-11-21 2020-08-18 Mesh Labs Inc. Method and system for displaying electronic information
US9830421B2 (en) 2014-12-31 2017-11-28 Kla-Tencor Corp. Alignment of inspection to design using built in targets
US10186026B2 (en) 2015-11-17 2019-01-22 Kla-Tencor Corp. Single image detection
US9965901B2 (en) 2015-11-19 2018-05-08 KLA—Tencor Corp. Generating simulated images from design information
US11580375B2 (en) 2015-12-31 2023-02-14 Kla-Tencor Corp. Accelerated training of a machine learning based model for semiconductor applications
US9916965B2 (en) 2015-12-31 2018-03-13 Kla-Tencor Corp. Hybrid inspectors
US10416087B2 (en) 2016-01-01 2019-09-17 Kla-Tencor Corporation Systems and methods for defect detection using image reconstruction
US10648924B2 (en) 2016-01-04 2020-05-12 Kla-Tencor Corp. Generating high resolution images from low resolution images for semiconductor applications
US10181185B2 (en) 2016-01-11 2019-01-15 Kla-Tencor Corp. Image based specimen process control
US10043261B2 (en) 2016-01-11 2018-08-07 Kla-Tencor Corp. Generating simulated output for a specimen
US10360477B2 (en) 2016-01-11 2019-07-23 Kla-Tencor Corp. Accelerating semiconductor-related computations using learning based models
US10192302B2 (en) * 2016-05-25 2019-01-29 Kla-Tencor Corporation Combined patch and design-based defect detection
US10395356B2 (en) 2016-05-25 2019-08-27 Kla-Tencor Corp. Generating simulated images from input images for semiconductor applications
US10346740B2 (en) 2016-06-01 2019-07-09 Kla-Tencor Corp. Systems and methods incorporating a neural network and a forward physical model for semiconductor applications
US10496695B2 (en) * 2016-06-06 2019-12-03 Think-Cell Software Gmbh Automated data extraction from scatter plot images
US10769769B2 (en) 2016-07-01 2020-09-08 Kla-Tencor Corporation Dual mode inspector
US10115040B2 (en) 2016-09-14 2018-10-30 Kla-Tencor Corporation Convolutional neural network-based mode selection and defect classification for image fusion
US11580398B2 (en) 2016-10-14 2023-02-14 KLA-Tenor Corp. Diagnostic systems and methods for deep learning models configured for semiconductor applications
US10395362B2 (en) 2017-04-07 2019-08-27 Kla-Tencor Corp. Contour based defect detection
US10733744B2 (en) 2017-05-11 2020-08-04 Kla-Tencor Corp. Learning based approach for aligning images acquired with different modalities
US10769761B2 (en) 2017-06-30 2020-09-08 Kla-Tencor Corp. Generating high resolution images from low resolution images for semiconductor applications
US10699926B2 (en) 2017-08-30 2020-06-30 Kla-Tencor Corp. Identifying nuisances and defects of interest in defects detected on a wafer
US10607119B2 (en) 2017-09-06 2020-03-31 Kla-Tencor Corp. Unified neural network for defect detection and classification
US10698325B2 (en) 2018-05-23 2020-06-30 Kla-Tencor Corporation Performance monitoring of design-based alignment
US10295476B1 (en) 2018-08-14 2019-05-21 Applied Materials Israel Ltd. System and method for multiple mode inspection of a sample
US11010885B2 (en) 2018-12-18 2021-05-18 Kla Corporation Optical-mode selection for multi-mode semiconductor inspection
US10853932B2 (en) * 2019-01-16 2020-12-01 Applied Material Israel, Ltd. Method of defect detection on a specimen and system thereof

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6614924B1 (en) * 1999-08-02 2003-09-02 Applied Materials, Inc. Adaptive mask technique for defect inspection
US20120296576A1 (en) * 2010-02-10 2012-11-22 Yukihiro Shibata Defect inspection method and device thereof
US20130064442A1 (en) * 2011-09-13 2013-03-14 Kla-Tencor Corporation Determining Design Coordinates for Wafer Defects
US20180052118A1 (en) * 2014-07-22 2018-02-22 Kla-Tencor Corporation Virtual inspection systems with multiple modes

Also Published As

Publication number Publication date
TW202127555A (zh) 2021-07-16
KR102652164B1 (ko) 2024-03-27
WO2021067203A1 (en) 2021-04-08
US20210097704A1 (en) 2021-04-01
US11580650B2 (en) 2023-02-14
CN114503156A (zh) 2022-05-13
KR20220073766A (ko) 2022-06-03

Similar Documents

Publication Publication Date Title
TWI836146B (zh) 多成像模式影像對準
TWI698635B (zh) 用於判定將對一試樣執行之一度量程序之參數之系統、方法及非暫時性電腦可讀取媒體
TWI688022B (zh) 於電子束圖像中判定缺陷之位置
TWI668582B (zh) 用於判定由一檢查子系統在設計資料空間中產生之輸出之一位置的系統、方法及非暫時性電腦可讀媒體
TWI679710B (zh) 用於判定樣品上缺陷之系統、非暫時性電腦可讀媒體及方法
TWI686718B (zh) 判定用於樣本上之關注區域之座標
TWI798521B (zh) 選擇一或多個設計檔案以供在測試影像與設計對準中使用之系統及電腦實施之方法，以及非暫時性電腦可讀媒體
TW202201154A (zh) 用於模擬樣本影像之生成對抗網路(GANs)
TW202117312A (zh) 用於選擇用於樣本檢查之缺陷偵測方法之系統和方法
TW202129261A (zh) 控制樣本檢測之程序
US10151706B1 (en) Inspection for specimens with extensive die to die process variation
CN115066604B (zh) 在样本上的阵列区域中检测缺陷
TW202225676A (zh) 設置樣本之檢查
TW202141210A (zh) 使用檢測工具以判定用於樣本之類計量(metrology-like)之資訊
US20240193798A1 (en) Image-to-design alignment for images with color or other variations suitable for real time applications
US20240161272A1 (en) Multimode defect detection
TW202420233A (zh) 多模式缺陷偵測
WO2024129376A1 (en) Image-to-design alignment for images with color or other variations suitable for real time applications
KR20230169951A (ko) 두드러진 특징점 기반 이미지 정렬
TW202300900A (zh) 以經呈現設計影像之設計照護區域之分段
JP2023544275A (ja) 検査および他のプロセスのための試料の位置合わせ