TWI844736B - 等概率缺陷偵測 - Google Patents
等概率缺陷偵測 Download PDFInfo
- Publication number
- TWI844736B TWI844736B TW109133484A TW109133484A TWI844736B TW I844736 B TWI844736 B TW I844736B TW 109133484 A TW109133484 A TW 109133484A TW 109133484 A TW109133484 A TW 109133484A TW I844736 B TWI844736 B TW I844736B
- Authority
- TW
- Taiwan
- Prior art keywords
- detection
- image
- probability
- processor
- detection thresholds
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 125
- 230000007547 defect Effects 0.000 title claims description 32
- 238000009826 distribution Methods 0.000 claims abstract description 38
- 239000004065 semiconductor Substances 0.000 claims abstract description 30
- 235000012431 wafers Nutrition 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 52
- 230000003287 optical effect Effects 0.000 claims description 37
- 238000013450 outlier detection Methods 0.000 claims description 18
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 29
- 238000007689 inspection Methods 0.000 abstract description 26
- 238000005286 illumination Methods 0.000 description 18
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000013500 data storage Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 3
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 229920002120 photoresistant polymer Polymers 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- GPXJNWSHGFTCBW-UHFFFAOYSA-N Indium phosphide Chemical compound [In]#P GPXJNWSHGFTCBW-UHFFFAOYSA-N 0.000 description 1
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Abstract
針對半導體檢測影像,可基於在一像素強度下之概率密度函數判定偵測臨限值。可接著將該等偵測臨限值應用至一影像。此可藉由估計基礎資料之概率分佈且調適該等偵測臨限值而在全部像素強度位準下以一固定概率尋找離群點。可基於該等偵測臨限值最佳化雷射功率。
Description
本發明係關於半導體晶圓之檢測。
半導體製造產業之演進對良率管理且尤其對度量衡及檢測系統提出更高要求。臨界尺寸繼續縮小,而產業需要減少用於達成高良率、高價值生產之時間。最小化自偵測到一良率問題至解決該問題之總時間判定一半導體製造商之投資回報率。
製造諸如邏輯及記憶體裝置之半導體裝置通常包含使用大量製造程序處理一半導體晶圓以形成半導體裝置之各種特徵及多個層級。例如,微影係涉及將一圖案自一倍縮光罩轉印至配置於一半導體晶圓上之一光阻劑之一半導體製造程序。半導體製造程序之額外實例包含(但不限於)化學機械拋光(CMP)、蝕刻、沈積及離子植入。製造於一單一半導體晶圓上之多個半導體裝置之一配置可被分成個別半導體裝置。
在半導體製造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造程序中之更高良率及因此更高利潤。檢測始終係製造半導體裝置(諸如積體電路(IC))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變得甚至更重要,此係因為較小缺陷可引起裝置失效。例如,隨著半導體裝置之尺寸減小,具有減小大小之缺陷之偵測已變得必要,此係因為甚至相對小缺陷可引起半導體裝置中之非所要像差。
然而,隨著設計規則縮小,半導體製造程序可依更接近對程序之效能能力之限制操作。另外,隨著設計規則縮小,較小缺陷可對裝置之電參數具有一影響,此驅動更靈敏檢測。隨著設計規則縮小,藉由檢測偵測之潛在良率相關缺陷之群體大幅增長,且藉由檢測偵測之擾亂點缺陷之群體亦大幅增加。因此,可在晶圓上偵測更多缺陷,且校正程序以剔除全部缺陷可係困難且昂貴的。判定哪些缺陷實際上對裝置之電參數及良率具有一影響可容許程序控制方法聚焦於該等缺陷而大體上忽略其他缺陷。此外,在較小設計規則下,在一些情況中,程序引發之失效趨於係系統性的。亦即,程序引發之失效趨於在通常在設計內重複許多次之預定設計型樣下失效。空間系統、電相關缺陷之剔除可對良率具有一影響。
在檢測期間,先前方法在各像素強度下應用一固定臨限值以進行分段。若基礎資料係高斯(Gaussian)分佈的,則此產生離群點偵測之一固定概率。使用預處理方法(諸如基於強度之影像分段)以克服基礎分佈在全部強度位準下不相同之問題。接著在不同片段處使用不同臨限值用於缺陷偵測,此增加配方設定時間。歸因於演算法參數之延長手動調諧,先前缺陷偵測方法不適合用於基於檢測之雷射功率設定之自動化程序中。
圖1顯示在1600之像素強度下之差異影像之一直方圖且圖2顯示在2624之像素強度下之差異影像之一直方圖。像素強度可係一12位元灰階。例如,像素強度可具有0至4095之一範圍。虛線曲線表示實際資料且實線曲線表示與資料擬合之一般化高斯密度。圖1中之標繪圖係接近正常(高斯)分佈且圖2中之標繪圖係次正常(接近拉普拉斯(Laplacian))分佈。若如在一先前缺陷偵測方法中,使用基於標準偏差之一固定臨限值以偵測在此等像素強度下之離群點,則將在2624之強度下以比在1600之強度下更高之一概率偵測更多缺陷。為了克服此缺點,設定基於強度之分段且在2624片段中使用比在1600片段中更高之一臨限值。然而,此需要額外使用者配方設定時間,此對於尋找最佳雷射功率之自動化程序係非所要的。
因此,需要檢測之經改良系統及方法。
在一第一實施例中,提供一種系統。該系統包括:一光源,其產生一光束(例如,一雷射);一載物台,其經組態以固持一晶圓;一偵測器,其接收自該晶圓反射之該光束;及一處理器,其與該偵測器電子通信。該處理器經組態以基於在一晶粒之一像素強度或複數個晶粒之一中值像素強度下之概率密度函數判定偵測臨限值。該處理器亦經組態以將該等偵測臨限值應用至至少一個影像。該影像係使用來自該偵測器之資料產生。
該等偵測臨限值可進一步基於經估計形狀參數及/或離群點偵測之概率。
該處理器可進一步經組態以判定使用來自該偵測器之該資料產生之差異影像之一分佈。在一例項中,該處理器經組態以基於該分佈調適該等偵測臨限值。
在一第二實施例中提供一種方法。該方法包括:使用一光學檢測系統使一晶圓成像,藉此形成至少一個影像;使用一處理器基於在一晶粒之一像素強度或複數個晶粒之一中值像素強度下之概率密度函數判定偵測臨限值;及使用該處理器將該等偵測臨限值應用至至少一個影像。
可在一熱掃描期間產生該等影像。
該等影像之各者可係該晶圓上之一晶粒之影像。
該光學檢測系統可使用一雷射。
該判定可進一步基於經估計形狀參數及/或離群點偵測之概率。
可存在複數個該等影像,且該方法可進一步包含自該複數個該等影像判定差異影像之一分佈。在一例項中,基於該分佈調適該等偵測臨限值。
該方法可進一步包含在應用該等偵測臨限值之後執行缺陷偵測。
該方法可進一步包含基於該等偵測臨限值最佳化雷射功率。
在一第三實施例中提供一種非暫時性電腦可讀儲存媒體。該非暫時性電腦可讀儲存媒體包括用於對一或多個運算裝置執行以下步驟之一或多個程式。該等步驟包含:接收一半導體晶圓之至少一個影像;基於在一晶粒之一像素強度或複數個晶粒之一中值像素強度下之概率密度函數判定偵測臨限值;及將該等偵測臨限值應用至至少一個影像。
該判定可進一步基於經估計形狀參數及/或離群點偵測之概率。
可存在複數個該等影像。該等步驟可進一步包含:自該複數個該等影像判定差異影像之一分佈;及基於該分佈調適該等偵測臨限值。
相關申請案之交叉參考
本申請案主張2019年9月27日申請且被指定為美國申請案第62/906,999號之臨時專利申請案之優先權,該案之揭示內容藉此以引用的方式併入。
雖然將依據特定實施例描述所主張標的物,但其他實施例(包含不提供本文中闡述之全部益處及特徵之實施例)亦在本發明之範疇內。可做出各種結構、邏輯、程序步驟及電子改變而不脫離本發明之範疇。因此,本發明之範疇僅藉由參考隨附發明申請專利範圍定義。
本文中揭示之實施例提供用於在半導體晶圓檢測期間之缺陷偵測之一統計演算法。所揭示演算法可用於在一晶圓檢測工具上尋找最佳及/或安全雷射功率之一自動化程序中。一個目的係在使用者不進行顯著配方設定之情況下偵測各種晶圓上之異常/缺陷。此係藉由憑藉估計基礎資料之概率分佈且調適偵測臨限值而在全部像素強度位準下以一固定概率尋找離群點而達成。此等偵測臨限值與可在檢測期間識別之缺陷之數目及類型有關。
可估計差異影像(背景)之分佈且可基於經估計分佈調適偵測臨限值。此容許對於具有更少使用者干預之自動化檢測策略中所需之不同資料之經改良調適。因此,本文中揭示之實施例可在缺陷發現程序期間用於「智慧型」熱掃描且可減少用於設定影像之基於強度之分段所需之時間。
本文中揭示之實施例可在雷射功率位準之基於檢測之最佳化期間使用。使用臨限值之一缺陷偵測演算法可1)使用最少或不使用配方調諧,2)報告歸因於晶圓損壞之任何漂移,及/或3)可用於來自不同層及製造商之晶圓。一個目的係在全部光位準下且針對不同層及/或製造商但不以高靈敏度偵測相對強缺陷。
圖3係一方法100之一流程圖。在101,使用一光學檢測系統使一晶圓成像,此形成至少一個影像。影像可在一熱掃描期間產生且可係晶圓上之個別晶粒之影像。在一例項中,光學檢測系統使用一雷射來產生引導至晶圓處之一光束。
在102,使用一處理器基於在一晶粒之一像素強度或多個晶粒之中值像素強度下之概率密度函數判定偵測臨限值。可在檢測配方中設定定義偵測之概率之一標稱偵測臨限值。可基於在一像素強度下之概率密度函數調整在一像素強度下應用之實際偵測臨限值。一概率密度函數係其在樣本空間中之一樣本(或點)處之值(藉由隨機變數獲取之可能值集)可被解釋為提供隨機變數之值等於該樣本之一可能性之一函數。雖然由於存在一無限可能值集,一連續隨機變數採用任何特定值之絕對可能性係0,但在兩個不同樣本處之概率密度函數之值可用於推斷在隨機變數之任何特定抽取中,相較於另一樣本,隨機變數將等於一個樣本之可能性大多少。概率密度函數可用於指定隨機變數落在值之一特定範圍內而非採用任何一個值之概率。此概率由此變數之概率密度函數在該範圍內之積分給定。因此,此概率由在密度函數下方但在水平軸上方且在範圍之最小值與最大值之間之面積給定。概率密度函數處處為非負,且其在整個空間上方之積分等於1。
偵測臨限值之此判定可進一步基於像素概率密度函數之經估計形狀參數及/或在檢測配方中設定之離群點偵測之概率。在一實例中,概率密度函數藉由一形狀參數特性化。演算法可基於資料估計形狀參數。形狀參數之判定可係基於影像像素之資料統計。可在檢測配方中設定離群點偵測之概率。在一像素強度下應用之一實際偵測臨限值可由以下項判定:(1)在配方中設定之離群點偵測之一概率;及(2)密度函數之一經估計形狀參數。
在103,使用處理器將偵測臨限值應用至至少一個影像。可在應用偵測臨限值之後執行缺陷偵測。
可基於方法100最佳化雷射功率位準。最佳雷射功率判定可係一系統級任務。可在不同雷射功率下掃描晶圓上之晶粒之一小樣本且比較該小樣本與一基線掃描結果。可將一最高功率位準(高於該位準,掃描結果展示自基線結果之變動)視為最佳功率位準。可在無任何檢測配方設定之情況下促進在不同功率位準下之此等掃描。
在一例項中,存在複數個影像。在另一例項中,使用一單晶粒檢測方法。可自複數個影像判定差異影像之一分佈且可基於該分佈調適偵測臨限值。本文中揭示之實施例可用於模型化來自影像(其等來自多個晶粒)之不同強度分佈或來自一個晶粒影像之多個圖塊之差異之統計。雖然揭示一差異影像以估計基礎密度,但亦可使用差異影像之平均值或差異影像之乘積。
針對差異影像之一分佈,可首先形成落在一給定中值強度下之差異影像像素之直方圖。基於此直方圖,可估計概率分佈函數。
方法100假定基礎資料屬於一概率分佈族,即,一般化高斯密度。密度函數係藉由可表示不同密度函數之一形狀參數參數化。例如,形狀=2表示高斯分佈且形狀=1表示拉普拉斯分佈。在圖4中描繪晶粒影像,其在一個檢測區域內具有1500至3000之大強度範圍。圖4中之此晶粒影像可用於繪示方法100。
一使用者(例如,一應用工程師)可設定如表1中列舉之三個不同基於強度之分段,其展示圖4中之典型基於片段之檢測參數。在圖4中,片段0 (使用影線展示)趨於比片段1具有更少雜訊且片段2趨於比片段1具有更多雜訊。
通常言之,在較高強度位準下設定較高偵測臨限值以將缺陷計數保持為合理數目。若差異影像之基礎分佈在全部像素強度位準下確實係高斯,則一固定偵測臨限值應以偵測之固定概率偵測離群點。
表1
片段 ID | 強度範圍 | 現有方法之偵測臨限值 |
0 | I < 2020 | 14 |
1 | 2020 <= I < 2750 | 15.5 |
2 | I >= 2750 | 17 |
在表1中,I表示針對三個晶粒在一給定像素位置處之強度之一中值。
差異影像分佈可在不同像素強度值下變動。可首先形成落在一給定中值強度下之差異影像像素之直方圖。基於此直方圖,可估計概率分佈函數。
在一例項中,臨限值係基於密度形狀參數。可使用(例如)一般化高斯密度模型化不同強度之分佈。此等密度函數可藉由三個參數特性化,該三個參數之一者係形狀。在圖5中顯示在各片段中之若干像素強度值下之分佈之經量測形狀參數。在圖5中之垂直軸上之形狀係可影響分佈之一形狀參數之一實例。在圖6中繪製近似10^-15之離群點偵測之固定概率之對應偵測臨限值。
在此實例中,分佈在片段0中之最低強度下接近正常,在片段1中之中等強度範圍中次正常且在片段2中之高強度範圍處高度次正常(即,大約拉普拉斯),如在表2中在不同像素強度下之經估計密度函數中概述。
表2
片段 ID | 密度形狀參數 | 密度描述符 | 偵測臨限值 |
0 | 1.6 - 2.0 | 接近正常 | 8 – 10 |
1 | 1.2 - 1.7 | 次正常 | 10 - 20 |
2 | < 1.2 | 高度次正常 | 20 - 25 |
可基於在一給定像素強度下之經估計概率密度函數指派偵測臨限值。可在檢測配方參數中設定離群點偵測之一概率。此概率值可轉譯為不同一般化高斯密度之不同偵測臨限值。在一給定像素下,實際偵測臨限值可由一般化高斯密度(由形狀給定)及離群點偵測之概率判定。
藉由使用經估計形狀參數及在演算法配方中設定之離群點偵測之概率而導出偵測臨限值。在上文實例中,針對10^-15之概率,偵測臨限值在片段0、1及2中分別在(8-12)、(10-20)及(20-25)之範圍中。此等臨限值之意義不同於表1中列舉之臨限值。如在表1中之使用者設定配方中,偵測臨限值隨著像素強度增加。
在一實施例中,可在各像素處估計分佈。可擷取離群點。
缺陷偵測可基於基礎資料分佈調適偵測臨限值。可手動地或自動地設定偵測臨限值。
針對安全功率最佳化任務,可基於不同晶圓上之特性化判定離群點之一固定概率,此導致無配方檢測(零旋鈕演算法)。亦可為了調諧目的提供指定偵測之概率之一單一旋鈕(單旋鈕演算法)。藉由調諧,一使用者可視需要改變在配方參數中設定之預設離群點偵測概率值。
雷射掃描晶圓檢測工具可具有多個檢測通道,此實現用於缺陷偵測之通道影像融合方法。本文中揭示之實施例可應用至影像融合方法。零旋鈕及單旋鈕通道影像融合演算法亦可實施為安全功率自動化特徵之部分。因此,本文中揭示之實施例可與一個通道或多個通道一起使用。雷射掃描(LS)晶圓檢測工具可具有在任何給定晶圓位置處產生影像之多個複本之不只一個成像通道。
如在此實例中展示,1)可以高擷取率偵測大缺陷(>=100 nm),2)歸因於晶圓上之高雷射功率,方法可偵測缺陷計數之任何漂移,且3)一個預設配方臨限值(離群點偵測之固定概率)可用於不同晶圓(包含直接步進晶圓(DSW)及其他類型之晶圓)上。
可在使用本文中揭示之實施例之判定之後調整圖4之圖式上之片段。因此,在完成方法100之後,片段可在晶粒上移動或重新分佈。
方法100可用於使用一雷射之一光學檢測系統中。可判定用於檢測之最佳光位準或雷射功率。此判定可係自動化的。例如,此可用於使在晶圓檢測、智慧型熱掃描、低端暗場工具處之無配方檢測或其他應用中尋找最佳雷射功率自動化。此可減少演算法配方設定時間。
在圖7中展示一系統200之一項實施例。系統200包含基於光學之子系統201。一般言之,基於光學之子系統201經組態用於藉由將光引導至樣品202 (或將光掃描遍及樣品202)且偵測來自樣品202之光而產生樣品202之基於光學之輸出。在一項實施例中,樣品202包含一晶圓。晶圓可包含此項技術中已知之任何晶圓。在另一實施例中,樣品202包含一倍縮光罩。倍縮光罩可包含此項技術中已知之任何倍縮光罩。
在圖7中展示之系統200之實施例中,基於光學之子系統201包含經組態以將光引導至樣品202之一照明子系統。照明子系統包含至少一個光源。例如,如圖7中展示,照明子系統包含光源203。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202。例如,如圖7中展示,按一傾斜入射角引導來自光源203之光穿過光學元件204且接著穿過透鏡205至樣品202。傾斜入射角可包含可取決於(例如)樣品202之特性而變化之任何適合傾斜入射角。
基於光學之子系統201可經組態以在不同時間按不同入射角將光引導至樣品202。例如,基於光學之子系統201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7中展示之入射角之一入射角將光引導至樣品202。在一個此實例中,基於光學之子系統201可經組態以移動光源203、光學元件204及透鏡205,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202。
在一些例項中,基於光學之子系統201可經組態以在相同時間按不只一個入射角將光引導至樣品202。例如,照明子系統可包含不只一個照明通道,照明通道之一者可包含如圖7中展示之光源203、光學元件204及透鏡205,且照明通道之另一者(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)。若與其他光同時將此光引導至樣品,則按不同入射角引導至樣品202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202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7中展示之光源203)且可由照明子系統之一或多個光學元件(未展示)將來自該光源之光分成不同光學路徑(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202。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202。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202。例如,在一些例項中,光學元件204可經組態為一光譜濾波器且可以各種不同方式(例如,藉由調換出光譜濾波器)改變光譜濾波器之性質,使得可在不同時間將不同波長之光引導至樣品202。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202之任何其他適合組態。
在一項實施例中,光源203可包含一寬頻電漿(BBP)源。以此方式,由光源203產生且引導至樣品202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,雷射可係一窄頻雷射。光源203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204之光可藉由透鏡205聚焦至樣品202上。雖然透鏡205在圖7中展示為一單折射光學元件,但應理解,實務上,透鏡205可包含將來自光學元件之光組合地聚焦至樣品之數個折射及/或反射光學元件。圖7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)光譜濾波器、(若干)空間濾波器、(若干)反射光學元件、(若干)變跡器、(若干)光束分離器(諸如光束分離器213)、(若干)孔隙及類似者,其(等)可包含此項技術中已知之任何此等適合光學元件。另外,基於光學之子系統201可經組態以基於用於產生基於光學之輸出之照明類型更改照明子系統之一或多個元件。
基於光學之子系統201亦可包含經組態以引起光掃描遍及樣品202之一掃描子系統。例如,基於光學之子系統201可包含在基於光學之輸出產生期間在其上安置樣品202之載物台206。掃描子系統可包含可經組態以移動樣品202,使得光可掃描遍及樣品202之任何適合機械及/或機器人總成(其包含載物台206)。另外或替代地,基於光學之子系統201可經組態使得基於光學之子系統201之一或多個光學元件執行光遍及樣品202之某一掃描。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202。
基於光學之子系統201進一步包含一或多個偵測通道。一或多個偵測通道之至少一者包含一偵測器,該偵測器經組態以歸因於藉由子系統照明樣品202而自樣品202偵測光且回應於所偵測光產生輸出。例如,圖7中展示之基於光學之子系統201包含兩個偵測通道,一個偵測通道由集光器207、元件208及偵測器209形成且另一偵測通道由集光器210、元件211及偵測器212形成。如圖7中展示,兩個偵測通道經組態以按不同收集角收集且偵測光。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202散射之光。然而,一或多個偵測通道可經組態以自樣品202偵測另一類型之光(例如,反射光)。
如圖7中進一步展示,兩個偵測通道經展示為定位於紙平面中且照明子系統亦經展示定位於紙平面中。因此,在此實施例中,兩個偵測通道定位(例如,居中)於入射平面中。然而,一或多個偵測通道可定位於入射平面外。例如,由集光器210、元件211及偵測器212形成之偵測通道可經組態以收集且偵測自入射平面散射出之光。因此,此一偵測通道可通常稱為一「側」通道,且此一側通道可在實質上垂直於入射平面之一平面中居中。
雖然圖7展示包含兩個偵測通道之基於光學之子系統201之一實施例,但基於光學之子系統201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210、元件211及偵測器212形成之偵測通道可如上文描述般形成一個側通道,且基於光學之子系統201可包含形成為定位於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,基於光學之子系統201可包含偵測通道,該偵測通道包含集光器207、元件208及偵測器209且在入射平面中居中且經組態以按法向於或接近法向於樣品202表面之(若干)散射角收集且偵測光。因此,此偵測通道可通常稱為一「頂部」通道,且基於光學之子系統201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,基於光學之子系統201可包含至少三個通道(即,一個頂部通道及兩個側通道),且至少三個通道之各者具有其自身之集光器,各集光器經組態以按與各其他集光器不同之散射角收集光。
如上文進一步描述,包含於基於光學之子系統201中之各偵測通道可經組態以偵測散射光。因此,圖7中展示之基於光學之子系統201可經組態用於樣品202之暗場(DF)輸出產生。然而,基於光學之子系統201可亦或替代地包含經組態用於樣品202之明場(BF)輸出產生之(若干)偵測通道。換言之,基於光學之子系統201可包含經組態以偵測自樣品202鏡面反射之光之至少一個偵測通道。因此,本文中描述之基於光學之子系統201可經組態用於僅DF成像、僅BF成像或DF成像及BF成像兩者。雖然在圖7中將各集光器展示為單折射光學元件,但應理解,各集光器可包含一或多個折射光學晶粒及/或一或多個反射光學元件。
該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。例如,該等偵測器可包含光電倍增管(PMT)、電荷耦合裝置(CCD)、延時積分(TDI)攝影機及此項技術中已知之任何其他適合偵測器。該等偵測器亦可包含非成像偵測器或成像偵測器。以此方式,若偵測器係非成像偵測器,則各偵測器可經組態以偵測散射光之某些特性(諸如強度)但可不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,由包含於基於光學之子系統之各偵測通道中之各偵測器產生之輸出可係信號或資料,而非影像信號或影像資料。在此等例項中,一處理器(諸如處理器214)可經組態以自偵測器之非成像輸出產生樣品202之影像。然而,在其他例項中,偵測器可經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,基於光學之子系統可經組態以依數個方式產生本文中描述之光學影像或其他基於光學之輸出。
應注意,本文中提供圖7以大體上繪示可包含於本文中描述之系統實施例中或可產生由本文中描述之系統實施例使用之基於光學之輸出之一基於光學之子系統201之一組態。可更改本文中描述之基於光學之子系統201組態以如在設計一商業輸出擷取系統時通常執行般最佳化基於光學之子系統201之效能。另外,可使用一現有系統(例如,藉由將本文中描述之功能性添加至一現有系統)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,除了系統之其他功能性之外)。替代地,可將本文中描述之系統設計為一全新系統。
處理器214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)耦合至系統200之組件,使得處理器214可接收輸出。處理器214可經組態以使用輸出執行數個功能。系統200可自處理器214接收指令或其他資訊。處理器214及/或電子資料儲存單元215視情況可與一晶圓檢測工具、一晶圓度量衡工具或一晶圓檢視工具(未繪示)電子通信以接收額外資訊或發送指令。例如,處理器214及/或電子資料儲存單元215可與一SEM電子通信。
本文中描述之處理器214、(若干)其他系統或(若干)其他子系統可係各種系統之部分,包含一個人電腦系統、影像電腦、大型電腦系統、工作站、網路設備、網際網路設備或其他裝置。(若干)子系統或(若干)系統亦可包含此項技術中已知之任何適合處理器(諸如一平行處理器)。另外,該(等)子系統或該(等)系統可包含具有高速處理及軟體之一平台(作為一獨立工具或一網路工具)。
處理器214及電子資料儲存單元215可經安置於系統200或另一裝置中或以其他方式作為系統200或另一裝置之部分。在一實例中,處理器214及電子資料儲存單元215可係一獨立控制單元之部分或在一集中式品質控制單元中。可使用多個處理器214或電子資料儲存單元215。
實務上,處理器214可藉由硬體、軟體及韌體之任何組合實施。又,如本文中描述之其功能可由一個單元執行或在不同組件當中劃分,該等不同組件之各者可繼而藉由硬體、軟體及韌體之任何組合實施。供處理器214實施各種方法及功能之程式碼或指令可儲存於可讀儲存媒體(諸如電子資料儲存單元215中之一記憶體或其他記憶體)中。
若系統200包含不只一個處理器214,則不同子系統可彼此耦合,使得可在子系統之間發送影像、資料、資訊、指令等。例如,一個子系統可藉由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)額外子系統。兩個或兩個以上此等子系統亦可藉由一共用電腦可讀儲存媒體(未展示)有效地耦合。
處理器214可經組態以使用系統200之輸出或其他輸出執行數個功能。例如,處理器214可經組態以將輸出發送至一電子資料儲存單元215或另一儲存媒體。可如本文中描述般進一步組態處理器214。
可根據本文中描述之任何實施例組態處理器214。處理器214亦可經組態以使用系統200之輸出或使用來自其他源之影像或資料執行其他功能或額外步驟。
系統200之各種步驟、功能及/或操作及本文中揭示之方法由以下項之一或多者實行:電子電路、邏輯閘、多工器、可程式化邏輯裝置、ASIC、類比或數位控制件/開關、微控制器或運算系統。實施諸如本文中描述之方法之方法之程式指令可經由載體媒體傳輸或儲存於載體媒體上。載體媒體可包含一儲存媒體,諸如一唯讀記憶體、一隨機存取記憶體、一磁碟或光碟、一非揮發性記憶體、一固態記憶體、一磁帶及類似者。一載體媒體可包含一傳輸媒體,諸如一導線、電纜或無線傳輸鏈路。例如,貫穿本發明描述之各種步驟可藉由一單一處理器214或替代地多個處理器214實行。再者,系統200之不同子系統可包含一或多個運算或邏輯系統。因此,上文描述不應被解釋為對本發明之一限制而僅為一圖解。
在一例項中,處理器214與系統200通信。處理器214經組態以基於在一晶粒之一像素強度或複數個晶粒之一中值像素強度下之概率密度函數判定偵測臨限值且接著將偵測臨限值應用至至少一個影像。該影像係使用來自該偵測器之資料產生。偵測臨限值亦可基於經估計形狀參數及/或離群點偵測之概率。處理器214可進一步經組態以判定使用來自偵測器之資料產生之差異影像之一分佈且基於該分佈調適偵測臨限值。可基於偵測臨限值最佳化雷射功率。
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控制器上執行以執行用於晶圓檢測之一電腦實施方法,如本文中揭示。特定言之,如圖7中展示,電子資料儲存單元215或其他儲存媒體可含有包含可在處理器214上執行之程式指令之非暫時性電腦可讀媒體。電腦實施方法可包含本文中描述之(若干)任何方法(包含方法100)之(若干)任何步驟。步驟可包含:接收一半導體晶圓之至少一個影像;基於在一晶粒之一像素強度或複數個晶粒之一中值像素強度下之概率密度函數判定偵測臨限值;及將偵測臨限值應用至至少一個影像。偵測臨限值亦可基於經估計形狀參數及/或離群點偵測之概率判定。可存在複數個影像,且步驟可進一步包含:自複數個影像判定差異影像之一分佈;及基於該分佈調適偵測臨限值。可基於偵測臨限值最佳化雷射功率。
可以各種方式(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)之任何者實施程式指令。例如,可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別(MFC)、串流SIMD延伸(SSE)或其他技術或方法論實施程式指令。
可如本文中描述般執行方法之各步驟。方法亦可包含可由本文中描述之處理器及/或(若干)電腦子系統或(若干)系統執行之(若干)任何其他步驟。步驟可由一或多個電腦系統執行,該一或多個電腦系統可根據本文中描述之任何實施例組態。另外,上文描述之方法可由本文中描述之任何系統實施例執行。
如貫穿本發明使用,術語「晶圓」大體上係指由一半導體或非半導體材料形成之基板。例如,一半導體或非半導體材料可包含(但不限於)單晶矽、砷化鎵及磷化銦。一晶圓可包含一或多個層。例如,此等層可包含(但不限於)一光阻劑、一介電材料、一導電材料及一半導電材料。許多不同類型之此等層在此項技術中已知,且如本文中使用之術語晶圓旨在涵蓋其上可形成全部類型之此等層之一晶圓。形成於一晶圓上之一或多個層可經圖案化或未經圖案化。例如,一晶圓可包含各具有可重複圖案化特徵之複數個晶粒。此等材料層之形成及處理可最終產生完成裝置。許多不同類型之裝置可形成於一晶圓上,且如本文中使用之術語晶圓旨在涵蓋其上製造此項技術中已知之任何類型之裝置之一晶圓。
為了本發明之目的,術語「多通道」可係指一單一檢測系統之兩個或兩個以上檢測通道或一第一檢測系統之一第一檢測通道及一額外檢測系統之一額外檢測通道。在此方面,術語「多通道」不應被解釋為對一單一檢測系統之一限制。
雖然已關於一或多個特定實施例描述本發明,但應理解,可製作本發明之其他實施例而不脫離本發明之範疇。因此,將本發明視為僅由隨附發明申請專利範圍及其等之合理解釋限制。
100:方法
101:步驟
102:步驟
103:步驟
200:系統
201:基於光學之子系統
202:樣品
203:光源
204:光學元件
205:透鏡
206:載物台
207:集光器
208:元件
209:偵測器
210:集光器
211:元件
212:偵測器
213:光束分離器
214:處理器
215:電子資料儲存單元
為了更全面理解本發明之性質及目標,應參考結合隨附圖式進行之以下詳細描述,其中:
圖1係展示在1600之一像素強度下之一差異直方圖之一圖表;
圖2係展示在2624之一像素強度下之一差異直方圖之一圖表;
圖3係根據本發明之一方法之一流程圖;
圖4係展示在一影像中之片段之一圖式;
圖5係展示自資料量測之密度形狀參數之一圖表;
圖6係展示在近似10^-15之概率下用於偵測之對應臨限值之一圖表;及
圖7係根據本發明之一系統之一圖式。
100:方法
101:步驟
102:步驟
103:步驟
Claims (20)
- 一種檢測半導體晶圓之系統,其包括:一光源,其產生一光束;一載物台,其經組態以固持一晶圓;一偵測器,其接收自該晶圓反射之該光束;及一處理器,其與該偵測器電子通信,其中該處理器經組態以:基於在一晶粒之一像素強度或複數個晶粒之一中值像素強度下之概率密度函數判定偵測臨限值;且將該等偵測臨限值應用至至少一個影像,其中該影像係使用來自該偵測器之資料產生。
- 如請求項1之系統,其中該光源係一雷射。
- 如請求項1之系統,其中該等偵測臨限值係進一步基於經估計形狀參數。
- 如請求項1之系統,其中該等偵測臨限值係進一步基於離群點偵測之概率。
- 如請求項1之系統,其中該處理器進一步經組態以判定使用來自該偵測器之該資料產生之差異影像之一分佈。
- 如請求項5之系統,其中該處理器進一步經組態以基於該分佈調適該等偵測臨限值。
- 一種檢測半導體晶圓之方法,其包括:使用一光學檢測系統使一晶圓成像,藉此形成至少一個影像;使用一處理器基於在一晶粒之一像素強度或複數個晶粒之一中值像素強度下之概率密度函數判定偵測臨限值;及使用該處理器,將該等偵測臨限值應用至至少一個影像。
- 如請求項7之方法,其中在一熱掃描期間產生該等影像。
- 如請求項7之方法,其中該等影像之各者係該晶圓上之一晶粒之影像。
- 如請求項7之方法,其中該光學檢測系統使用一雷射。
- 如請求項7之方法,其中該判定係進一步基於經估計形狀參數。
- 如請求項7之方法,其中該判定係進一步基於離群點偵測之概率。
- 如請求項7之方法,其中存在複數個該等影像,且其進一步包括自該複數個該等影像判定差異影像之一分佈。
- 如請求項13之方法,其進一步包括基於該分佈調適該等偵測臨限值。
- 如請求項7之方法,其進一步包括在應用該等偵測臨限值之後執行缺陷偵測。
- 如請求項7之方法,其進一步包括基於該等偵測臨限值最佳化雷射功率。
- 一種非暫時性電腦可讀儲存媒體,其包括用於對一或多個運算裝置執行以下步驟之一或多個程式:接收一半導體晶圓之至少一個影像;基於在一晶粒之一像素強度或複數個晶粒之一中值像素強度下之概率密度函數判定偵測臨限值;及將該等偵測臨限值應用至至少一個影像。
- 如請求項17之非暫時性電腦可讀儲存媒體,其中該判定係進一步基於經估計形狀參數。
- 如請求項17之非暫時性電腦可讀儲存媒體,其中該判定係進一步基於離群點偵測之概率。
- 如請求項17之非暫時性電腦可讀儲存媒體,其中存在複數個該等影 像,其中該等步驟進一步包含自該複數個該等影像判定差異影像之一分佈及基於該分佈調適該等偵測臨限值。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962906999P | 2019-09-27 | 2019-09-27 | |
US62/906,999 | 2019-09-27 | ||
US17/029,372 US11410292B2 (en) | 2019-09-27 | 2020-09-23 | Equi-probability defect detection |
US17/029,372 | 2020-09-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202124945A TW202124945A (zh) | 2021-07-01 |
TWI844736B true TWI844736B (zh) | 2024-06-11 |
Family
ID=
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170178980A1 (en) | 2015-12-18 | 2017-06-22 | Ultratech, Inc. | Full-wafer inspection methods having selectable pixel density |
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170178980A1 (en) | 2015-12-18 | 2017-06-22 | Ultratech, Inc. | Full-wafer inspection methods having selectable pixel density |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112740021B (zh) | 通过生成对抗网络的超分辨率缺陷重检图像生成 | |
TWI816922B (zh) | 用於半導體晶圓檢測演算法選擇的系統及方法,以及非暫時性電腦可讀儲存媒體 | |
KR20200141524A (ko) | 반도체 웨이퍼의 리피터 결함 포착 | |
CN114402192B (zh) | 用于晶片缺陷检测的基于变化的分段 | |
CN114341630B (zh) | 等概率缺陷检测 | |
TW202137355A (zh) | 基於雜訊特性而叢集次管理區域 | |
TWI844736B (zh) | 等概率缺陷偵測 | |
CN111386596B (zh) | 最小化场大小以减少非所要的杂散光 | |
KR20220041126A (ko) | 광학 검사를 이용한 프로세스 모니터링 방법 | |
US11610296B2 (en) | Projection and distance segmentation algorithm for wafer defect detection | |
TWI843894B (zh) | 用於半導體晶圓檢測之系統及方法,及電腦可讀儲存媒體 | |
TWI844712B (zh) | 檢查半導體晶圓之方法及系統 | |
TW202301191A (zh) | 用於導出及改善成像條件之影像對比度量 | |
US20230122514A1 (en) | Laser Anneal Pattern Suppression | |
US20240046446A1 (en) | Methods to automatically adjust one or more parameters of a camera system for optimal 3d reconstruction of features formed within/on a semiconductor substrate | |
JP2024525262A (ja) | 結像条件を推定し改善するための画像コントラストメトリック |