WO2015156084A1 - 検査装置及び検査条件決定方法 - Google Patents

検査装置及び検査条件決定方法 Download PDF

Info

Publication number
WO2015156084A1
WO2015156084A1 PCT/JP2015/057508 JP2015057508W WO2015156084A1 WO 2015156084 A1 WO2015156084 A1 WO 2015156084A1 JP 2015057508 W JP2015057508 W JP 2015057508W WO 2015156084 A1 WO2015156084 A1 WO 2015156084A1
Authority
WO
WIPO (PCT)
Prior art keywords
inspection
information
scattered light
microroughness
light distribution
Prior art date
Application number
PCT/JP2015/057508
Other languages
English (en)
French (fr)
Inventor
貴則 近藤
神宮　孝広
昌昭 伊東
まさみ 井古田
浜松　玲
渉 長友
Original Assignee
株式会社日立ハイテクノロジーズ
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 株式会社日立ハイテクノロジーズ filed Critical 株式会社日立ハイテクノロジーズ
Publication of WO2015156084A1 publication Critical patent/WO2015156084A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • 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

Definitions

  • the present invention relates to an inspection apparatus for obtaining surface shape information and an inspection condition determination method in the inspection apparatus.
  • Patent Document 1 discloses a technique for obtaining a feature amount relating to microroughness anisotropy of a substrate surface.
  • predetermined inspection conditions capable of inspecting the surface state of a wafer to some extent easily are determined, and first, pre-scanning is performed on the wafer under the inspection conditions. Thereafter, based on the result of the pre-scan, the user determines the inspection condition based on an empirical rule and performs the main inspection.
  • the determination of the inspection conditions is based on the user's rule of thumb, there are cases where the inspection cannot be performed under the optimal inspection conditions for the wafer surface condition.
  • the user may search for an optimum condition while changing the parameter of the inspection condition, and determination of the inspection condition is not easy. As described above, even an experienced user takes time to determine the optimum inspection conditions, and it is desired to facilitate the work of setting the inspection conditions.
  • An object of the present invention is to provide an inspection apparatus and an inspection condition determination method capable of supporting determination of an inspection condition.
  • the present application includes a plurality of means for solving the above-mentioned problems. For example, a stage on which a sample is mounted, an illumination optical system for irradiating the sample with light, and generation from the sample by irradiation with the light.
  • a plurality of detection systems that detect the detected light, a storage device that stores a model for estimating information on optical constants and microroughness from the scattered light distribution, and obtained from the plurality of detection systems
  • An estimated unit that applies the obtained scattered light distribution to the model and estimates information on the optical constant and the microroughness, or information on the estimated optical constant and the microroughness, or the estimated optical constant
  • an inspection condition determination unit that determines an inspection condition using information calculated based on the information on the microroughness. Location is provided.
  • the apparatus includes a stage on which a sample is mounted, an illumination optical system that irradiates light to the sample, and a plurality of detection systems that detect light generated from the sample by irradiation of the light.
  • An inspection condition determination method in an inspection apparatus includes a measurement step for measuring scattered light distribution by the plurality of detection systems, and a model for estimating information relating to optical constants and microroughness from the scattered light distribution by a computer.
  • FIG. 1 shows schematic structure of an inspection apparatus. It is a figure which shows arrangement
  • each apparatus and its connection structure in the manufacturing line of a semiconductor wafer. It is a structure of the process part of the computer in 3rd Example. It is a flow of the process monitor in 3rd Example. It is a 1st example of determination of abnormality in a process monitor. It is a 2nd example of determination of abnormality in a process monitor. It is a 3rd example of determination of abnormality in a process monitor. It is a 4th example of determination of abnormality in a process monitor.
  • the embodiments described below relate to, for example, an inspection apparatus that measures a surface shape using a light scattering method, and the inspection apparatus particularly measures optical constants and microroughness of a wafer surface in a semiconductor device manufacturing process. Do. In the following, a technique for determining inspection conditions optimal for defect inspection in consideration of optical constants and microroughness will be disclosed.
  • the inspection condition is a condition for inspecting a defect
  • the inspection condition includes at least one of an optical system condition, a drive system condition such as a stage, and a detection system condition.
  • the optical system conditions include the power of irradiation light and polarization conditions.
  • the drive system conditions include the rotational speed of the rotary stage.
  • the detection system conditions include detector sensitivity (determination of appropriate sensitivity), polarization conditions, and the like.
  • the optical constants on the wafer surface include refractive index (n: refractive index, k: extinction coefficient), film thickness, and film refractive index (n: refractive index, k: extinction coefficient).
  • FIG. 1A shows a schematic configuration of the inspection apparatus.
  • the inspection apparatus includes, as main components, a stage on which a sample (wafer) is mounted, an illumination optical system that irradiates the sample with light, and a plurality of detection systems that detect light generated from the sample by light irradiation. Prepare.
  • the inspection apparatus includes a chuck 102 that sucks the wafer 101, a rotary stage 103 equipped with the chuck 102, a rectilinear stage 104 on which the rotary stage 103 is mounted, a light source 105, An illumination optical system 106 having a lens, a mirror, etc., a plurality of detection systems 181 to 186 having a lens, a mirror, etc., a signal processing system 107, a control system 108 for controlling various components in the apparatus, and an operation system 109 And a computer 111.
  • the computer 111 is constituted by an information processing device such as a workstation or a personal computer.
  • the computer 111 includes at least a central processing unit, a memory, and an external storage device.
  • the central processing unit is configured by a processor (or a calculation unit) such as a CPU (Central Processing Unit).
  • the external storage device is a hard disk, for example.
  • the operation system 109 includes an input device such as a keyboard and a pointing device (such as a mouse) and an output device such as a display.
  • FIG. 1B shows the arrangement of the detection systems 181 to 186.
  • a beam spot 121 is formed on the surface of the wafer 101 by focusing the illumination light supplied from the illumination optical system 106. Scattered light generated from the beam spot 121 is detected by a plurality of detection systems 181 to 186.
  • the detection systems 181 to 186 are arranged with the same elevation angle and different azimuth angles.
  • FIG. 1C shows a configuration example of the detection system 183 (the same applies to other detection systems).
  • the detection system 183 includes a detection optical system 191 having an optical axis 193 and a photoelectric conversion element 192.
  • a beam spot 121 is formed on the wafer 101 by the illumination light supplied to the wafer 101, and light is scattered from the beam spot 121 at each elevation angle and each azimuth angle.
  • the scattered light is collected by a detection optical system 191 having a certain numerical aperture.
  • the detection optical system 191 includes a plurality of lenses (lens group) and constitutes a so-called condensing optical system or imaging optical system.
  • the condensed scattered light is photoelectrically converted by the photoelectric conversion element 192 after unwanted light is blocked by a spatial filter or a polarizing filter. Since the photoelectrically converted signal is obtained as current or voltage, the signal is AD-converted and then processed by the signal processing system 107.
  • the photoelectric conversion element 192 include a photomultiplier tube, an avalanche photodiode array, and a multi-pixel photon counter.
  • FIG. 1D shows a scanning method of the beam spot 121.
  • the wafer 101 is rotated in the direction of the arrow 132 by the linear stage 104 and rotated as indicated by the arrow 131 by the rotary stage 103.
  • the beam spot 121 scans the entire surface of the wafer 101 by this linear movement and rotation, and the locus thereof is concentric or spiral.
  • the coordinates of the beam spot 121 can be managed by the distance from the center and the rotation angle (so-called polar coordinate system).
  • the rotation angle can be expressed with reference to a virtual reference line 135 (for example, a half line passing through the notch 134 and the wafer center) on the wafer 101.
  • FIG. 1E is a diagram for explaining output signals from the detection systems 181 to 186.
  • the horizontal axis 141 is the coordinate in the same direction as the time or stage rotation direction 131, and the vertical axis 142 is the magnitude of the output signal.
  • Scattered light resulting from the optical constants (refractive index, film thickness, and refractive index of the film) including the microroughness of the wafer 101 is incident on the detection systems 181 to 186, and the waveforms indicated by 143 are respectively shown in the detection systems 181 to 186. can get. This is called a haze signal.
  • the values and coordinates of the haze signal are stored for each of the detection systems 181 to 186.
  • the output signals from the plurality of detection systems 181 to 186 represent the spatial distribution of scattered light generated from the beam spot 121. Information on the output signals from these detection systems 181 to 186 will be described below. This is called the scattered light distribution.
  • the defect signal 144 is separated from the haze signal 143 in the signal processing system 107 by, for example, a high-pass filter (HPF), and the value and coordinates are stored as a defect.
  • HPF high-pass filter
  • the handling of the haze signal 143 and the defect signal 144 will be described.
  • This threshold value can be set in real time from a signal that can be clearly determined to be a haze signal, in addition to being set in advance as a fixed value.
  • a method for obtaining the haze signal there is a method in which the defect signal 144 is not separated from the haze signal 143.
  • a method of averaging (merging) signals from the detection systems 181 to 186 in a certain time or wafer region there is a method in which the six detection systems 181 to 186 are divided into a plurality of groups and averaged for each divided group. More specifically, the detection system 181 and the detection system 186 are the first group, the detection system 182 and the detection system 185 are the second group, and the detection system 183 and the detection system 184 are the third group. It is conceivable to perform the conversion.
  • the detection system to be combined can be arbitrarily set by the operator, but it is desirable that the detection system be a combination that can sharply capture changes due to microroughness.
  • the frequency of the defect signal with respect to the acquisition signal is very small. Therefore, even if the intensity of the defect signal 144 is greater than the intensity of the haze signal 143, the averaged defect signal can be handled as if it were the same as the haze signal.
  • the averaging has an advantage that the processing load on the signal processing system 107 can be reduced. The method for measuring the distribution of scattered light incident on each detection system on the entire wafer surface has been described above.
  • the procedure for obtaining the inspection conditions is roughly divided into (1) a procedure for estimating information and optical constants relating to microroughness from the scattered light distribution, and (2) a procedure for obtaining optimum inspection conditions from information relating to microroughness and the optical constants. .
  • the PSD function which is a microroughness expression method, will be described.
  • the surface shape is expressed by three-dimensional coordinates (X, Y, Z)
  • the height Z is two-dimensional Fourier transformed with respect to (X, Y)
  • the square of the amplitude can be expressed as a spatial frequency spectrum.
  • the spatial frequency spectrum is a function P (fx, fy) having (fx, fy) as a variable, which is the reciprocal of (X, Y).
  • P (fr) representing this P using fr ⁇ (fx ⁇ fx + fy ⁇ fy) is a power spectral density (Power PSD) function.
  • the PSD function has surface roughness magnitude and period information. In other words, obtaining a PSD function can be expressed as substantially equivalent to obtaining information on a surface shape, that is, microroughness.
  • information on microroughness is expressed as a PSD function.
  • the vertical axis 302 is the size of the spatial frequency spectrum, and is a log-log graph.
  • FIG. 3A shows a first PSD function, which is hereinafter referred to as an ABC model.
  • the PSD takes a constant value on the low frequency side, and the PSD becomes small on the high frequency side.
  • the constant value on the low frequency side is A
  • the slope on the high frequency side is -C / 2
  • the spatial frequency at the branch point is 1 / B.
  • FIG. 3B shows a second PSD function, which is hereinafter referred to as a Fractal ABC model.
  • PSD (f) A / (1 + Bf 2 ) C / 2 + K / f M
  • the Fractal ABC model is characterized in that the low frequency side of the ABC model becomes larger with an intercept K and a slope ⁇ M.
  • FIG. 3C shows a third PSD function, which is hereinafter referred to as a double ABC model.
  • PSD (f) A 1 / (1 + B 1 f 2 ) C1 / 2 + A 2 / (1 + B 2 f 2 ) C2 / 2 .
  • the PSD function has been described above, the PSD function is not limited to these, and PSD functions having different waveforms can be defined. As shown in FIGS. 3A-3C, the PSD function is a continuous smooth function.
  • FIG. 2A is an example of the configuration of the computer 111.
  • the computer 111 includes various processing units for obtaining inspection conditions.
  • Various processing units of the computer 111 may be realized by a program that realizes each function. That is, the processing unit of the computer 111 may be realized as a program code stored in a memory and executed by the processor executing each program code.
  • the computer 111 includes a scattered light distribution input unit 201, a screen input unit 202, an estimation unit 203, an inspection condition determination unit 204, a scattered light calculation unit 205, a scattered light distribution calculation unit 206, and a machine learning unit 207. Is provided.
  • the storage device of the computer 111 includes a model storage unit 208 and an inspection condition database 209.
  • the scattered light distribution input unit 201 acquires, for example, measurement results (scattered light distribution) of the detection systems 181 to 186 stored in the storage device, and inputs the scattered light distribution to the estimation unit 203.
  • the screen input unit 202 displays an interface on a display or the like of the operation system 109 and receives input information from the user.
  • the input information from the user includes the material of the target wafer 101, the approximate value of the film thickness, information on the user's request for the inspection conditions, and the like.
  • the estimation unit 203 applies the above scattered light distribution to the model stored in the model storage unit 208, and outputs an optical constant (refractive index, film thickness, and film refractive index) and a PSD function.
  • the inspection condition determination unit 204 determines the inspection condition using the optical constant and the PSD function output from the estimation unit 203.
  • the inspection condition determination unit 204 refers to the inspection condition database 209 using the optical constant and PSD function output by the estimation unit 203 and outputs the inspection condition.
  • the inspection condition database 209 includes a table in which combinations of optical constants and PSD functions are associated with inspection conditions. Therefore, the inspection condition determination unit 204 can output a corresponding inspection condition from the combination of the estimated optical constant and the PSD function using the inspection condition database 209.
  • the inspection condition determination unit 204 calculates information based on the optical constants and the PSD function output by the estimation unit 203 (information regarding scattered light of defects described below). Is displayed on the display. The inspection condition determination unit 204 receives input information from the user and thereby determines the inspection condition.
  • the scattered light calculation unit 205 calculates information on the scattered light of the defect based on the optical constant and PSD function output by the estimation unit 203.
  • Examples of the information regarding the scattered light of the defect include information indicating the intensity of light, the spatial distribution of light, and the polarization state of light.
  • Information about the scattered light of the defect can be calculated by using a light reflection model. As an example, information on the scattered light of the defect can be calculated using BRDF (Bidirectional Reflection Distribution Function).
  • the scattered light distribution calculation unit 206 calculates the scattered light distribution from several sets of combinations of optical constants and PSD functions, and inputs the calculated scattered light distribution to the machine learning unit 207.
  • the machine learning unit 207 is a model (for example, an identification function) for estimating an optical constant and a PSD function from a scattered light distribution by using an SVR (Support Vector Regression) method based on a combination of several optical constants and a PSD function. )
  • the obtained model is stored in the model storage unit 208 of the storage device.
  • the scattered light distribution is measured by the detection systems 181 to 186 by the method described with reference to FIGS. 1A to 1E (221).
  • the scattered light distribution is measured, for example, on the entire wafer surface, and the scattered light distribution on the entire wafer surface may be stored in, for example, the signal processing system 107 or the storage device of the computer 111.
  • the scattered light distribution input unit 201 acquires the stored scattered light distribution and inputs information on the scattered light distribution to the estimation unit 203 (222).
  • the screen input unit 202 displays the interface on the display of the operation system 109 and receives input information from the user (223).
  • the input information from the user is an approximate value of the material and film thickness of the target wafer 101.
  • the refractive index varies depending on the material of the wafer 101 (silicon, oxide film).
  • the material of the wafer 101 and the refractive index value for example, representative value
  • information of the range of the material are stored in association with each other. This information may be used in the optical constant and PSD function step (225) described below. Note that if the approximate value is not used in the subsequent processing, step 223 can be omitted.
  • the estimation unit 203 acquires a machine learning method model stored in the model storage unit 208, applies the scattered light distribution to the model, and calculates optical constants (refractive index, film thickness, and film refraction). Rate) and PSD function are estimated (224). Thereafter, the estimation unit 203 outputs an optical constant (refractive index, film thickness, and film refractive index) and a PSD function (225).
  • the estimation unit 203 may use the information input in step 223. For example, a similar scattered light distribution may be obtained even with different optical constants. That is, when a certain scattered light distribution is obtained, a plurality of candidates may be obtained for the optical constant and the PSD function as an estimation result.
  • the estimation unit 203 uses an optical constant and a PSD function that are close to the approximate value from a plurality of candidates based on the information obtained from the input information input in Step 223 (representative value of refractive index and approximate value of film thickness). May be output. By using the approximate value information, the estimation accuracy in the estimation unit 203 can be further improved. When a plurality of candidates are obtained, these candidates may be used as they are in the subsequent steps. In this case, after the subsequent processing is performed on a plurality of candidates, a plurality of inspection conditions may be output to the display and selected by the user.
  • the inspection condition determination unit 204 refers to the inspection condition database 209 using the optical constant and PSD function output by the estimation unit 203, and outputs the corresponding inspection condition (227).
  • the screen input unit 202 displays an interface on a display or the like of the operation system 109 and accepts user request information for inspection conditions.
  • User requirements include throughput, wafer damage, detector sensitivity information, and the like.
  • the throughput is, for example, information on how much inspection can be performed per unit time, and is related to the inspection condition of the drive system (such as the rotational speed of the rotary stage 103).
  • the damage to the wafer is mainly related to the inspection condition of the optical system (for example, the power of the irradiated light).
  • the sensitivity of the detector is related to the inspection conditions of the detection system. Note that step 228 may be performed at any point in time as long as it is a stage prior to step 229.
  • step 228 can be omitted.
  • the inspection condition output in step 227 may be displayed on the display of the operation system 109, and then the user may select it.
  • the inspection condition determination unit 204 outputs an optimal inspection condition based on the inspection condition output in step 227 and the user request condition (229). For example, when there are a plurality of inspection condition candidates, the inspection condition determination unit 204 may output an inspection condition that satisfies the user's requirements. Further, the inspection condition determination unit 204 may determine whether the inspection condition output in step 227 satisfies the user's requirement condition, and may display the determination result on the interface of the operation system 109 or the like. If the inspection condition output unit 204 outputs one inspection condition, the inspection condition determination unit 204 may output the inspection condition as it is. Finally, defect inspection is started using the determined inspection conditions (232).
  • step 226 If it is selected in step 226 to calculate the scattered light distribution of the defect, the process proceeds to step 230.
  • the scattered light calculation unit 205 calculates information on the scattered light of the defect based on the optical constant and the PSD function output by the estimation unit 203 (230).
  • the scattered light calculation unit 205 outputs information representing the light intensity, the light spatial distribution, and the polarization state of the light using the BRDF described above.
  • the inspection condition determining unit 204 displays these pieces of information on the display of the operation system 109 and the like, accepts the input of the inspection conditions from the user, and thereby determines the inspection conditions (231). Finally, defect inspection is started using the determined inspection conditions (232).
  • the user can determine the inspection condition with reference to the information on the scattered light of the displayed defect.
  • the inspection conditions are determined based on the user's empirical rules.
  • the inspection conditions can be determined with reference to information on the scattered light of the defect. Becomes easier.
  • the inspection condition database 209 of the computer 111 may include a table in which information (scattering light intensity, light spatial distribution, light polarization state, etc.) related to the scattered light of the defect is associated with the inspection conditions.
  • the scattered light calculation unit 205 may output a corresponding inspection condition with reference to the table.
  • step 226 the user selects whether to refer to the database or to calculate the scattered light distribution of the defect.
  • the present invention is not limited to this example.
  • the user can determine the inspection conditions with reference to information on the scattered light of the displayed defect.
  • an SVR (Support Vector Regression) method which is one of machine learning methods that are means for estimating the optical constant and the PSD function from the scattered light distribution, will be described with reference to FIG. 4A. This is used when the output (here, scattered light distribution) for a certain input (here, optical constant and PSD function) is a continuous quantity.
  • FIG. 4A in order to make the concept of the model created from the machine learning method easy to understand, an example of one variable and one output (the horizontal axis is an optical constant and the vertical axis is a scattered light distribution) will be described.
  • the scattered light distribution is calculated for each of several combinations of optical constants and PSD functions.
  • a model 402 (indicated by a dotted line) representing a scattered light distribution corresponding to an optical constant and a PSD function by learning several combinations of optical constants and PSD functions and a plurality of scattered light distributions 401 corresponding thereto as a sample set by the SVR method.
  • optical constants and PSD function variables are 3 to 10 or more, and scattered light distribution measurement values are 3 or more.
  • FIG. 4B is a flow of creating a model representing the scattered light distribution corresponding to the optical constant and the PSD function by the machine learning method.
  • a plurality of combinations of optical constants and PSD functions are prepared.
  • the scattered light distribution calculation unit 206 calculates the scattered light distribution for several types of optical constants and PSD functions (404).
  • the scattered light distribution calculation unit 206 inputs the calculated scattered light distribution to the machine learning unit 207.
  • the machine learning unit 207 learns a combination of several kinds of optical constants and PSD functions and a plurality of scattered light distributions corresponding thereto as a sample set by the SVR method, and scattered light distributions corresponding to the optical constants and the PSD functions. Is created (405).
  • the machine learning unit 207 stores the created model in the model storage unit 208 of the storage device.
  • the SVR method is used as compared with the table reference method (that is, a method in which a table in which the scattered light distribution is associated with the combination of the optical constant and the PSD function is created and the table is referred to).
  • the table reference method that is, a method in which a table in which the scattered light distribution is associated with the combination of the optical constant and the PSD function is created and the table is referred to.
  • the detection systems 181 to 186 have been described as examples including the condensing optical system and the imaging optical system, but are not limited thereto.
  • FIG. 5 shows another configuration example of the detection system 183 (the same applies to other detection systems).
  • the detection system 183 includes a Fourier transform optical system.
  • the detection system 183 includes a detection optical system 901 that sends scattered light as parallel light substantially parallel to the optical axis 193, and a sensor 902 (for example, a CCD) that detects the parallel light.
  • the detection system 183 is a Fourier transform optical system
  • the scattered light from the wafer 101 is collimated by the detection optical system 901 and becomes parallel light substantially parallel to the optical axis 193.
  • the parallel light is photoelectrically converted by a sensor 902 in which a plurality of photoelectric conversion elements are arranged. If a Fourier transform optical system is employed for the detection systems 181 to 186, the spatial distribution of scattered light can be measured with higher resolution, and the accuracy of estimation of optical constants and PSD functions is improved. Further, the same effect can be obtained by increasing the number of detection systems.
  • the inspection condition can be easily determined in the inspection apparatus for obtaining the surface shape information, and the optimal inspection condition can be determined in a shorter time than the conventional case.
  • the corresponding inspection conditions can be automatically output based on the estimated optical constants and PSD functions.
  • the optimum inspection condition can be determined in consideration of the output inspection condition and the user's request condition.
  • the user can determine the inspection condition with reference to the information on the scattered light of the defect. It becomes easy to decide.
  • FIG. 6A shows how all data (scattered light distribution, PSD function parameters, etc.) of each beam spot 1012 (the size of one spot is several ⁇ m 2 ) are managed.
  • management refers to saving the data obtained for each unit area in the signal processing system 107 or the computer 111, and displaying the data obtained for each unit area on a display or the like in the operation system 109. included.
  • a boundary line 1011 can be defined in the radial direction.
  • the interval between the boundary lines 1011 substantially corresponds to the radial length of the beam spot.
  • the region between the two boundary lines 1011 is divided into a plurality of portions in the circumferential direction, and the value is managed for each beam spot 1012. That is, FIG. 6A can be expressed as managing data obtained for each area of the beam spot 1012 substantially.
  • the flow for obtaining the inspection conditions is the same as in FIG. 2B, and the scattered light distribution data input by the scattered light distribution input unit 201 in step 222 is data for each beam spot 1012.
  • the optimum inspection condition can be determined in a fine area for each beam spot 1012.
  • FIG. 6B is a first example in which a wafer is divided into a plurality of regions.
  • the region of the wafer is divided by boundary lines 1021 and 1022 in the radial direction and boundary lines 1023, 1024 and 1025 in the circumferential direction.
  • the distance between the boundary lines 1021 and 1022 is longer than the length in the radial direction of the beam spot, and the distance between the boundary lines 1023, 1024 and 1025 is longer than the length in the circumferential direction of the beam spot. Therefore, the area of the unit region defined by these boundary lines 1021, 1022, 1023, 1024, and 1025 is larger than the area of the beam spot.
  • the data may be managed by averaging the scattered light distribution data.
  • the flow for obtaining the inspection condition is the same as that in FIG. 2B, but the processing content in step 222 is different.
  • the scattered light distribution input unit 201 acquires the stored scattered light distribution, and averages the scattered light distribution data for each unit region shown in FIG. 6B.
  • the scattered light distribution input unit 201 inputs averaged scattered light distribution data to the estimation unit 203. According to this configuration, there is an effect of shortening the processing time compared to the case where data is managed for each beam spot.
  • FIG. 6C is a second example in which the wafer is divided into a plurality of regions.
  • design data for example, die division pattern
  • the unit region 1031 is determined with reference to data (for example, coordinates and dimensions) of a die to be fabricated on the wafer.
  • Data is averaged in the unit area 1031 and the averaged value is managed.
  • the design data may be stored in advance in the memory of the signal processing system 107 or the storage device of the computer 111, or may be downloaded from an external processing device via a network.
  • the flow for obtaining the inspection condition is the same as that in FIG. 2B, but the processing content in step 222 is different.
  • the scattered light distribution input unit 201 acquires the stored scattered light distribution and design data, and averages the scattered light distribution data for each unit region shown in FIG. 6C.
  • the scattered light distribution input unit 201 inputs averaged scattered light distribution data to the estimation unit 203.
  • the inspection condition can be determined according to the division pattern of the die.
  • data can be managed in an arbitrary area designated by the user.
  • the user designates a region 1042 having an arbitrary shape on the wafer map with the mouse pointer 1041 using the input device of the operation system 109, and this region 1042 becomes a unit region.
  • the scattered light distribution input unit 201 acquires the stored scattered light distribution, and averages the scattered light distribution data in the region 1042 shown in FIG. 6D.
  • the scattered light distribution input unit 201 inputs averaged scattered light distribution data to the estimation unit 203. According to this configuration, the inspection condition can be determined for each arbitrary area designated by the user.
  • the user may arbitrarily decide which management method is to be used from FIG. 6A to FIG. 6D.
  • This By managing the optical constant and the PSD function for each region shown in FIGS. 6B to 6D, information on the entire wafer surface can be managed efficiently.
  • by setting optimum inspection conditions in each region defects on the wafer can be inspected with high sensitivity.
  • the third embodiment is an embodiment in which the contents disclosed in the above-described embodiments are applied as a system (so-called process monitor) for monitoring an abnormality in a wafer processing process.
  • FIG. 7A shows an example of each device and its connection configuration in the semiconductor wafer production line.
  • a semiconductor manufacturing apparatus 702 and an inspection apparatus 703 are connected to each other by a data management server 701 and a network 704.
  • the semiconductor manufacturing apparatus 702 is a semiconductor wafer manufacturing apparatus that performs polishing, cleaning, film formation, etching, and the like.
  • the inspection apparatus 703 corresponds to the above-described inspection apparatus of FIG. 1A.
  • the inspection apparatus 703 has a configuration that allows feedback to the semiconductor manufacturing apparatus 2 via the data management server 701.
  • FIG. 7B shows the configuration of the processing unit of the computer 111 in this embodiment.
  • an abnormality determination unit 705 is added to the configuration of FIG. 2A.
  • the abnormality determination unit 705 determines an abnormality in the semiconductor manufacturing apparatus 702 based on the optical constant and the PSD function output by the estimation unit 203.
  • the abnormality determination unit 705 determines an abnormality in the semiconductor manufacturing apparatus 702 based on the foreign object detection result extracted by the inspection under the determined inspection condition.
  • FIG. 8 shows the flow of the process monitor of this embodiment.
  • the wafer is transferred to the semiconductor manufacturing apparatus 702 (1401).
  • a predetermined process is performed on the transferred wafer (1402).
  • the processing includes polishing, cleaning, film formation, and etching of the wafer.
  • the wafer that has been subjected to the predetermined processing in the semiconductor manufacturing apparatus 702 is transferred to the inspection apparatus 703, and the surface of the wafer is measured by the inspection apparatus 703 according to the contents disclosed in the first embodiment or the second embodiment described above (1403). .
  • step 1403 steps 221 to 225 in FIG. 2B are executed.
  • step 225 the optical constant and PSD function are output.
  • the abnormality determination unit 705 determines whether there is an abnormality in the manufacturing apparatus based on the output optical constant information (1404).
  • FIG. 9A is a diagram illustrating a first example of abnormality determination in step 1404.
  • the abnormality determination unit 705 records the value of the refractive index 1409 with respect to the time axis.
  • the refractive index For the refractive index, at least one of an upper limit value and a lower limit value of the specification is set. In FIG. 9A, both the upper limit value and the lower limit value of the specification are set.
  • the abnormality determination unit 705 may determine that there is an abnormality when the refractive index 1409 of the optical constant deviates from the range determined from the upper and lower limits of the specification.
  • FIG. 9B is a diagram for explaining a second example of abnormality determination in step 1404.
  • the abnormality determination unit 705 records the value of the film thickness 1408 with respect to the time axis.
  • both the upper limit value and the lower limit value of the specification are set.
  • the abnormality determination unit 705 may determine that there is an abnormality when the film thickness 1408 of the optical constant deviates from a range determined from the upper limit value and the lower limit value of the specification.
  • FIG. 9C is a diagram for explaining a third example of abnormality determination in step 1404.
  • the abnormality determination unit 705 records a value representing roughness 1407 with respect to the time axis.
  • a value related to microroughness may be adopted as the roughness 1407.
  • both the upper limit value and the lower limit value of the specification are set.
  • the abnormality determination unit 705 may determine that there is an abnormality when the value representing the roughness 1407 deviates from a range determined from the upper limit value and the lower limit value of the specification.
  • steps 221 to 232 in FIG. 2B are executed. Record the number of foreign objects found in step 232 inspection.
  • the abnormality determination unit 705 determines whether there is an abnormality in the manufacturing apparatus based on the number of detected foreign matters (1404).
  • FIG. 9D is a diagram for explaining a fourth example of abnormality determination in step 1404.
  • the abnormality determination unit 705 may determine that there is an abnormality when the foreign object detection count 1406 deviates from the upper limit value of the specification.
  • the abnormality determination unit 705 feeds back the result to the semiconductor manufacturing apparatus 702 (1405).
  • Information fed back includes a change in polishing conditions, a change in cleaning conditions, a change in film formation conditions, and a change in etching conditions. If there is no abnormality, process monitoring ends.
  • information on the optical constant and microroughness estimated by the inspection apparatus, information on the number of detected foreign matters, etc. are managed for the entire wafer surface, and for a plurality of wafers along the time axis.
  • it can be used for early detection of process abnormalities and further investigation of the cause of abnormalities.
  • the numerical value increases or decreases toward the boundary of the specification range from a certain time, or deviates from the specification from a certain time. May show a tendency to continue.
  • the present invention is not limited to the above-described embodiments, and includes various modifications.
  • the above embodiments have been described in detail for easy understanding of the present invention, and are not necessarily limited to those having all the configurations described.
  • a part of the configuration of one embodiment can be replaced with the configuration of another embodiment.
  • the structure of another Example can also be added to the structure of a certain Example.
  • another configuration can be added, deleted, or replaced.
  • the processing means of the computer 111 may be realized by software by interpreting and executing a program that realizes each function by the processor.
  • Information such as programs, tables, and files that realize each function can be stored in a storage device such as a memory, a hard disk, or an SSD (Solid State Drive), or a storage medium such as an IC card, an SD card, or a DVD.
  • the processing means of the computer 111 described above may be realized by hardware by designing a part or all of them, for example, with an integrated circuit.
  • control lines and information lines in the drawings indicate what is considered necessary for the explanation, and not all control lines and information lines on the product are necessarily shown. All the components may be connected to each other.
  • Detection system 182 Detection system 183: Detection system 184 ... Detection system 185 ... Detection system 186 ... Detection system 191 ... Detection optics System 192: photoelectric conversion element 193 ... optical axis 201 ... scattered light distribution input unit 202 ... screen input unit 203 ... estimation unit 204 ... inspection condition determination unit 205 ... scattered light Calculation unit 206 ... Scattered light distribution calculation unit 207 ... machine learning unit 208 ... model storage unit 209 ... inspection condition database 701 ... data management server 702 ... semiconductor manufacturing apparatus 703 ... Inspection equipment 704 ... network 705 ... abnormality determination unit 901 ... detection optical system 902 ... sensor

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

　検査装置は、散乱光分布から光学定数及びマイクロラフネスに関する情報を推定するためのモデルを格納する記憶装置と、複数の検出系から得られた散乱光分布を前記モデルに当てはめ、前記光学定数及び前記マイクロラフネスに関する情報を推定する推定部と、前記推定された前記光学定数及び前記マイクロラフネスに関する情報、または、前記推定された前記光学定数及び前記マイクロラフネスに関する情報を元に計算された情報を用いて検査条件を決定する検査条件決定部と、を備える。

Description

検査装置及び検査条件決定方法
　本発明は、表面の形状の情報を得るための検査装置、及びその検査装置における検査条件決定方法に関する。
　半導体デバイスの微細化に伴い、ベアウェハや膜付ウェハの表面のマイクロラフネスが電気特性に大きな影響を与えるようになってきた。マイクロラフネスは、研磨、洗浄、成膜、熱処理、平坦化などのプロセスで発生するので、デバイスの高性能化及び歩留り向上のためには、それぞれのプロセスごとにマイクロラフネスを計測し、プロセス装置の状態やプロセス条件を適正に管理する必要がある。特許文献１には、基板表面のマイクロラフネスの異方性に関する特徴量を得る技術が開示されている。
国際公開第２０１３／１１８５４３号
　ところで、半導体デバイスの微細化に伴い、ベアウェハや膜付ウェハの表面において、欠陥に対する検出感度の向上が要求されている。したがって、半導体ウェハの欠陥検査において、対象のウェハに最適な検査条件を作成することが必要である。
　従来では、ウェハの表面状態をある程度簡単に検査できる所定の検査条件を決めておき、まず、その検査条件でウェハに対してプレスキャンを行う。その後、プレスキャンの結果を元に、ユーザが経験則によって検査条件を決定し、本検査を行う。
　従来では、検査条件の決定はユーザの経験則によるため、ウェハの表面状態に対して最適な検査条件で検査を行えていない場合があった。また、特定の箇所を詳細に検査するために、ユーザが検査条件のパラメータを変更しながら最適な条件を探す場合もあり、検査条件の決定は容易ではなかった。上記の通り、経験を積んだユーザであっても最適な検査条件を決定するためには時間がかかり、検査条件の設定作業の容易化が望まれている。
　本発明の目的は、検査条件の決定を支援することが可能な検査装置及び検査条件決定方法を提供することにある。
　上記課題を解決する為に、例えば請求の範囲に記載の構成を採用する。本願は上記課題を解決する手段を複数含んでいるが、その一例をあげるならば、試料を搭載するステージと、前記試料に光を照射する照明光学系と、前記光の照射によって前記試料から発生した光を検出する複数の検出系と、を備える検査装置であって、散乱光分布から光学定数及びマイクロラフネスに関する情報を推定するためのモデルを格納する記憶装置と、前記複数の検出系から得られた散乱光分布を前記モデルに当てはめ、前記光学定数及び前記マイクロラフネスに関する情報を推定する推定部と、前記推定された前記光学定数及び前記マイクロラフネスに関する情報、または、前記推定された前記光学定数及び前記マイクロラフネスに関する情報を元に計算された情報を用いて検査条件を決定する検査条件決定部と、を備える検査装置が提供される。
　また、他の例によれば、試料を搭載するステージと、前記試料に光を照射する照明光学系と、前記光の照射によって前記試料から発生した光を検出する複数の検出系と、を備える検査装置における検査条件決定方法が提供される。当該検査条件決定方法は、前記複数の検出系によって散乱光分布を測定する測定ステップと、計算機によって、散乱光分布から光学定数及びマイクロラフネスに関する情報を推定するためのモデルに、前記複数の検出系から得られた散乱光分布を当てはめ、前記光学定数及び前記マイクロラフネスに関する情報を推定する推定ステップと、前記計算機によって、前記推定された前記光学定数及び前記マイクロラフネスに関する情報、または、前記推定された前記光学定数及び前記マイクロラフネスに関する情報を元に計算された情報を用いて検査条件を決定する決定ステップと、を含む。
　本発明によれば、表面の形状の情報を得るための検査装置において容易に検査条件を決定することができる。本発明に関連する更なる特徴は、本明細書の記述、添付図面から明らかになるものである。また、上記した以外の、課題、構成及び効果は、以下の実施例の説明により明らかにされる。
検査装置の概略構成を示す図である。 複数の検出系の配置を示す図である。 検出系の構成例を示す図である。 ビームスポットの走査方法を示す図である。 各検出系からの出力信号を説明する図である。 計算機の構成の一例である。 測定した散乱光分布から光学定数とマイクロラフネスを推定し、最適な検査条件を出力するフローである。 ＰＳＤ関数の第１の例である。 ＰＳＤ関数の第２の例である。 ＰＳＤ関数の第３の例である。 測定した散乱光分布から光学定数とマイクロラフネスを推定するための機械学習法を説明する図である。 機械学習法により光学定数とＰＳＤ関数に対応する散乱光分布を表すモデルを作成するフローである。 フーリエ変換光学系の構成例を示す図である。 散乱光分布のデータをビームスポット毎に管理する例である。 ウェハの領域を複数の領域に分割し、分割した領域毎に散乱光分布のデータを管理する第１の例である。 ウェハの領域を複数の領域に分割し、分割した領域毎に散乱光分布のデータを管理する第２の例である。 ウェハの領域の任意の領域で散乱光分布のデータを管理する例である。 半導体ウェハの製造ラインでの各装置とその接続構成の一例である。 第３実施例における計算機の処理部の構成である。 第３実施例におけるプロセスモニタのフローである。 プロセスモニタにおける異常の判定の第１の例である。 プロセスモニタにおける異常の判定の第２の例である。 プロセスモニタにおける異常の判定の第３の例である。 プロセスモニタにおける異常の判定の第４の例である。
　以下、添付図面を参照して本発明の実施例について説明する。なお、添付図面は本発明の原理に則った具体的な実施例を示しているが、これらは本発明の理解のためのものであり、決して本発明を限定的に解釈するために用いられるものではない。
　以下で説明する実施例は、例えば、光散乱法を用いる表面形状の測定を行う検査装置に関するものであり、検査装置は、特に、半導体デバイス製造工程におけるウェハ表面の光学定数やマイクロラフネスの計測を行う。また、以下では、光学定数とマイクロラフネスを考慮して、欠陥検査に最適な検査条件を決定する技術を開示する。
　ここで、検査条件とは、欠陥を検査するための条件であり、検査条件には、光学系の条件、ステージなどの駆動系の条件、及び検出系の条件の少なくとも１つが含まれる。光学系の条件としては、照射する光のパワー、偏光の条件など挙げられる。駆動系の条件としては、回転ステージの回転速度などが挙げられる。検出系の条件としては、検出器の感度（適切な感度の決定）、偏光の条件などが挙げられる。
　また、ウェハ表面の光学定数としては、屈折率（ｎ：屈折率、ｋ：消衰係数）、膜厚、及び、膜屈折率（ｎ：屈折率、ｋ：消衰係数）が挙げられる。
［第１実施例］
　本実施例では、装置構成と最適な検査条件作成の原理を説明する。図１Ａは、検査装置の概略構成を示す。検査装置は、主な構成要素として、試料（ウェハ）を搭載するステージと、試料に光を照射する照明光学系と、光の照射によって試料から発生した光を検出する複数の検出系と、を備える。
　詳細には、図１Ａに示すように、検査装置は、ウェハ１０１を吸着するチャック１０２と、チャック１０２が装備された回転ステージ１０３と、回転ステージ１０３を搭載した直進ステージ１０４と、光源１０５と、レンズやミラー等を有する照明光学系１０６と、レンズやミラー等を有する複数の検出系１８１～１８６と、信号処理系１０７と、装置内の各種構成要素を制御する制御系１０８と、操作系１０９と、計算機１１１とを備える。
　計算機１１１は、ワークステーションやパーソナルコンピュータなどの情報処理装置によって構成されている。計算機１１１は、中央演算処理装置と、メモリと、外部記憶装置とを少なくとも備える。例えば、中央演算処理装置は、ＣＰＵ（Central Processing Unit）などのプロセッサ（又は演算部ともいう）で構成されている。また、外部記憶装置は、例えばハードディスクである。操作系１０９は、キーボードやポインティングデバイス（マウスなど）などの入力装置と、ディスプレイなどの出力装置を備える。
　図１Ｂは、検出系１８１～１８６の配置を示す。照明光学系１０６から供給される照明光が集束することで、ウェハ１０１の表面にはビームスポット１２１が形成される。ビームスポット１２１から発生した散乱光は複数の検出系１８１～１８６によって検出される。検出系１８１～１８６は、同一の仰角で、異なる方位角をもって配置される。
　図１Ｃは、検出系１８３の構成例を示す（他の検出系についても同様である）。検出系１８３は、光軸１９３を有する検出光学系１９１と、光電変換素子１９２とを有する。ウェハ１０１に供給された照明光によってウェハ１０１上にビームスポット１２１が形成され、ビームスポット１２１から各仰角及び各方位角で光は散乱する。散乱光は、ある開口数を持つ検出光学系１９１によって集光される。検出光学系１９１は、複数のレンズ（レンズ群）を含んでおり、いわゆる集光光学系、又は結像光学系を構成する。集光された散乱光は、空間フィルタや偏光フィルタによって望ましくない光を遮光された上で、光電変換素子１９２によって光電変換される。光電変換された信号は、電流あるいは電圧として得られるので、その信号は、ＡＤ変換され、その後、信号処理系１０７によって処理される。なお、光電変換素子１９２の例としては、光電子増倍管、アバランシェホトダイオードアレイ、マルチピクセルホトンカウンタが挙げられる。
　図１Ｄは、ビームスポット１２１の走査方法を示す。ウェハ１０１は、直進ステージ１０４により矢印１３２の方向に直進しながら、回転ステージ１０３により矢印１３１のように回転する。この直進動作、及び回転動作によってビームスポット１２１はウェハ１０１の全面を走査することになり、その軌跡は同心円状または螺旋状となる。ビームスポット１２１の座標は、中心からの距離と回転角度（いわゆる極座標系）で管理できる。回転角度は、ウェハ１０１上に仮想した基準線１３５（例えば、ノッチ１３４とウェハ中心とを通る半直線）を基準に表現できる。
　図１Ｅは、各検出系１８１～１８６からの出力信号を説明する図である。横軸１４１は時間またはステージの回転方向１３１と同じ方向の座標であり、縦軸１４２は出力信号の大きさである。ウェハ１０１のマイクロラフネスを始め、光学定数（屈折率、膜厚、及び膜の屈折率）に起因する散乱光が検出系１８１～１８６に入射し、検出系１８１～１８６それぞれに１４３に示す波形が得られる。これをヘイズ信号という。このヘイズ信号の値と座標を、検出系１８１～１８６ごとに保存する。なお、複数の検出系１８１～１８６からの出力信号は、ビームスポット１２１から発生した散乱光の空間的な分布を表すものであり、これら検出系１８１～１８６からの出力信号の情報を以下では、散乱光分布と呼ぶ。
　また、ビームスポット１２１が欠陥等を横切ると、特に大きな信号１４４が検出される。この欠陥信号１４４は、信号処理系１０７において、例えば高域通過フィルタ（ＨＰＦ）によってヘイズ信号１４３と分離され、欠陥としてその値と座標が保存される。
　ヘイズ信号１４３と欠陥信号１４４の取扱いについて述べる。ヘイズ信号１４３から欠陥信号１４４を除くためには、先に述べた周波数領域での分離の他に、信号の大きさで判定することも可能である。つまり、ある大きさ（閾値）以下であれば、取得された信号はヘイズ信号であるとする。この閾値は、予め固定値として設定する他、ヘイズ信号であると明らかに判断できる信号から、リアルタイムに設定することも可能である。
　また、ヘイズ信号を取得する方法として、ヘイズ信号１４３から欠陥信号１４４を分離しない方法もある。例えば、ある時間またはウェハ領域において、検出系１８１～１８６からの信号を平均化（マージ）する方法である。平均化の方法としては、６個の検出系１８１～１８６を、複数の集団に分割して、分割した集団毎に平均化を行う方法が挙げられる。より具体的には、検出系１８１と検出系１８６とを第１集団、検出系１８２と検出系１８５とを第２集団、検出系１８３と検出系１８４とを第３集団として、集団毎に平均化を行うという方法が考えられる。いずれの検出系を組み合わせるかは作業者が任意に設定可能であるが、マイクロラフネスに起因する変化を鋭敏に捕捉できる組み合わせとなることが望ましい。散乱光によるセンサ出力の取得間隔が十分細かいとき、取得信号に対する欠陥信号の頻度は非常に小さい。そのため、欠陥信号１４４の強度がヘイズ信号１４３の強度より大きくとも、平均化後の欠陥信号はヘイズ信号と同視して取り扱えるであろうということである。また、平均化を行うと、信号処理系１０７の処理負荷を小さくできるという利点も有する。以上、ウェハ全面における各検出系に入射する散乱光分布の測定方法を述べた。
　次に、測定した散乱光分布から最適な検査条件を求めるための構成及び手順を説明する。検査条件を求める手順は、（１）散乱光分布からマイクロラフネスに関する情報と光学定数を推定する手順と、（２）マイクロラフネスに関する情報と光学定数から最適な検査条件を求める手順に大別される。
　マイクロラフネスの表現方法であるＰＳＤ関数について説明する。表面形状を３次元座標（Ｘ，　Ｙ，　Ｚ）で表現するとき、高さＺを（Ｘ，　Ｙ）に関して２次元フーリエ変換し、その振幅を二乗したものを空間周波数スペクトルと表現することができる。空間周波数スペクトルは（Ｘ，　Ｙ）の逆数である（ｆｘ，　ｆｙ）を変数とする関数Ｐ（ｆｘ，　ｆｙ）となる。このＰをｆｒ＝√（ｆｘ×ｆｘ＋ｆｙ×ｆｙ）を用いて表したＰ（ｆｒ）がパワースペクトル密度（Ｐｏｗｅｒ　Ｓｐｅｃｔｒａｌ　Ｄｅｎｓｉｔｙ：　ＰＳＤ）関数である。ＰＳＤ関数は、表面粗さの大きさと周期の情報を持つ。つまり、ＰＳＤ関数を得るということは表面形状、つまりマイクロラフネスの情報を得ることと実質的に等価であると表現することもできる。以降、マイクロラフネスに関する情報をＰＳＤ関数と表現する。
　次に図３Ａ～図３Ｃを用いて、本実施例で推定するＰＳＤ関数について説明する。横軸３０１は前述したｆ＝ｆｒ、縦軸３０２は空間周波数スペクトルの大きさであり、両対数グラフとしている。
　図３Ａは第１のＰＳＤ関数であり、以降、ＡＢＣモデルと称する。ＡＢＣモデルは、表面粗さの空間周波数ｆに対して、パラメータＡ，　Ｂ，　Ｃを用いてＰＳＤ（ｆ）＝Ａ／（１＋Ｂｆ２）Ｃ／２で表せる。低周波数側でＰＳＤが一定の値をとり、高周波数側でＰＳＤが小さくなる。低周波数側の一定値をＡ、高周波数側の傾きを－Ｃ／２、分岐点の空間周波数を１／Ｂとなる。
　図３Ｂは第２のＰＳＤ関数であり、以降、Ｆｒａｃｔａｌ　ＡＢＣモデルと称する。パラメータＡ，　Ｂ，　Ｃ，　Ｋ，　Ｍを用いてＰＳＤ（ｆ）＝Ａ／（１＋Ｂｆ２）Ｃ／２＋Ｋ／ｆＭで表せる。Ｆｒａｃｔａｌ　ＡＢＣモデルは、ＡＢＣモデルに対して低周波数側が切片Ｋ、傾き－Ｍで大きくなることを特徴とする。
　図３Ｃは第３のＰＳＤ関数であり、以降、Ｄｏｕｂｌｅ　ＡＢＣモデルと称する。パラメータＡ１，　Ｂ１，　Ｃ１，　Ａ２，　Ｂ２，　Ｃ２を用いてＰＳＤ（ｆ）＝Ａ１／（１＋Ｂ１ｆ２）Ｃ１／２＋Ａ２／（１＋Ｂ２ｆ２）Ｃ２／２で表せる。異なる２つのＡＢＣモデルの加算となっている。以上、ＰＳＤ関数について説明したが、ＰＳＤ関数はこれらに限定されず、異なる波形のＰＳＤ関数を定義できる。図３Ａ～図３Ｃに示す通り、ＰＳＤ関数は連続的な滑らかな関数となる。
　次に、検査条件を求めるための構成について説明する。図２Ａは、計算機１１１の構成の一例である。計算機１１１は、検査条件を求めるための各種処理部を備える。計算機１１１の各種処理部は、それぞれの機能を実現するプログラムにより実現されてもよい。すなわち、計算機１１１の処理部は、プログラムコードとしてメモリに格納され、プロセッサが各プログラムコードを実行することによって実現されてもよい。
　計算機１１１は、散乱光分布入力部２０１と、画面入力部２０２と、推定部２０３と、検査条件決定部２０４と、散乱光計算部２０５と、散乱光分布計算部２０６と、機械学習部２０７とを備える。計算機１１１の記憶装置は、モデル格納部２０８と、検査条件データベース２０９とを含む。
　散乱光分布入力部２０１は、例えば記憶装置に格納されている検出系１８１～１８６の測定結果（散乱光分布）を取得し、散乱光分布を推定部２０３に入力する。画面入力部２０２は、操作系１０９のディスプレイなどにインタフェースを表示し、ユーザからの入力情報を受付ける。ユーザからの入力情報としては、対象となるウェハ１０１の材料や膜厚の概算値、検査条件に対するユーザの要求の情報などが含まれる。
　推定部２０３は、上記の散乱光分布をモデル格納部２０８に格納されているモデルに当てはめ、光学定数（屈折率、膜厚、及び、膜屈折率）及びＰＳＤ関数を出力する。検査条件決定部２０４は、推定部２０３によって出力された光学定数及びＰＳＤ関数を用いて検査条件を決定する。
　検査条件の決定方法の第１の例として、検査条件決定部２０４は、推定部２０３によって出力された光学定数及びＰＳＤ関数を用いて検査条件データベース２０９を参照し、検査条件を出力する。検査条件データベース２０９は、光学定数及びＰＳＤ関数の組み合わせと検査条件とが関連付けられたテーブルを備える。したがって、検査条件決定部２０４は、検査条件データベース２０９を用いて、推定された光学定数及びＰＳＤ関数の組み合わせから、対応する検査条件を出力することができる。
　検査条件の決定方法の第２の例として、検査条件決定部２０４は、推定部２０３によって出力された光学定数及びＰＳＤ関数を元に計算された情報（以下で説明する欠陥の散乱光に関する情報）をディスプレイなどに表示する。検査条件決定部２０４は、ユーザからの入力情報を受付け、これにより、検査条件を決定する。
　散乱光計算部２０５は、推定部２０３によって出力された光学定数及びＰＳＤ関数を元に、欠陥の散乱光に関する情報を計算する。欠陥の散乱光に関する情報としては、光の強度、光の空間分布、光の偏光状態を表す情報などが挙げられる。欠陥の散乱光に関する情報は、光の反射モデルを用いることで計算できる。一例として、欠陥の散乱光に関する情報は、ＢＲＤＦ（Ｂｉｄｉｒｅｃｔｉｏｎａｌ　Ｒｅｆｌｅｃｔａｎｃｅ　Ｄｉｓｔｒｉｂｕｔｉｏｎ　Ｆｕｎｃｔｉｏｎ）を用いて計算することができる。
　散乱光分布計算部２０６は、光学定数及びＰＳＤ関数の組み合わせの数種類のセットから散乱光分布を計算し、計算された散乱光分布を機械学習部２０７に入力する。機械学習部２０７は、数種類の光学定数及びＰＳＤ関数の組み合わせを元に、ＳＶＲ（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｒｅｇｒｅｓｓｉｏｎ）法を用いて、散乱光分布から光学定数及びＰＳＤ関数を推定するためのモデル（例えば、識別関数）を求める。求められたモデルは、記憶装置のモデル格納部２０８に格納される。
　次に、図２Ｂを用いて、散乱光分布から光学定数とＰＳＤ関数を推定し、最適な検査条件の決定を支援する手順を説明する。まず、図１Ａ～図１Ｅで説明した方法で、検出系１８１～１８６により散乱光分布を測定する（２２１）。散乱光分布の測定は、例えば、ウェハ全面に対して行われ、ウェハ全面における散乱光分布は、例えば、信号処理系１０７あるいは計算機１１１の記憶装置に保存されていてもよい。次に、散乱光分布入力部２０１は、保存されている散乱光分布を取得し、散乱光分布の情報を推定部２０３に入力する（２２２）。
　次に、画面入力部２０２は、操作系１０９のディスプレイなどにインタフェースを表示し、ユーザからの入力情報を受付ける（２２３）。ユーザからの入力情報としては、対象となるウェハ１０１の材料や膜厚の概算値である。ウェハ１０１の材料（シリコン、酸化膜）によって、屈折率が異なる。計算機１１１の記憶装置には、例えば、ウェハ１０１の材料と、その材料における屈折率の値（例えば、代表値）あるいはその範囲の情報とが関連付けられて格納されている。この情報は、後述する光学定数及びＰＳＤ関数のステップ（２２５）で用いてもよい。なお、以降の処理で概算値を使用しない場合は、ステップ２２３を省略することも可能である。
　次に、推定部２０３は、モデル格納部２０８に格納されている機械学習法のモデルを取得し、そのモデルに上記の散乱光分布を当てはめ、光学定数（屈折率、膜厚、及び、膜屈折率）及びＰＳＤ関数を推定する（２２４）。その後、推定部２０３は、光学定数（屈折率、膜厚、及び、膜屈折率）及びＰＳＤ関数を出力する（２２５）。ここで、推定部２０３は、ステップ２２３で入力された情報を用いてもよい。例えば、異なる光学定数の場合でも、同じような散乱光分布が得られる可能性がある。つまり、ある散乱光分布が得られた場合、推定結果として光学定数及びＰＳＤ関数について複数の候補が得られる可能性がある。したがって、推定部２０３は、ステップ２２３で入力された入力情報から得られた情報（屈折率の代表値や膜厚の概算値）に基づいて、複数の候補から概算値に近い光学定数及びＰＳＤ関数を出力してもよい。概算値の情報を用いることで、推定部２０３での推定の精度をより向上させることができる。なお、複数の候補が得られた場合、それらの候補をそのまま以降のステップで使用してもよい。この場合、複数の候補に対して以降の処理を実施した後、複数の検査条件をディスプレイに出力し、ユーザに選択させるようにしてもよい。
　次に、ユーザが、例えば操作系１０９を介して、データベースの参照を行うか、欠陥の散乱光分布を計算するかを選択する（２２６）。データベースの参照を行う場合、ステップ２２７へ進む。この場合、検査条件決定部２０４は、推定部２０３によって出力された光学定数及びＰＳＤ関数を用いて検査条件データベース２０９を参照し、対応する検査条件を出力する（２２７）。
　次に、ユーザが、操作系１０９を介して検査条件に対するユーザの要求を入力する（２２８）。画面入力部２０２は、操作系１０９のディスプレイなどにインタフェースを表示し、検査条件に対するユーザの要求情報を受付ける。ユーザの要求条件としては、スループット、ウェハへのダメージ、検出器の感度に関する情報などである。スループットは、例えば、単位時間あたりにどれだけ検査できるかの情報であり、駆動系の検査条件（回転ステージ１０３の回転速度など）に関連する。ウェハへのダメージは、主に光学系の検査条件（例えば、照射する光のパワー）に関連する。検出器の感度は、検出系の検査条件に関連する。なお、ステップ２２８は、ステップ２２９より前の段階であれば、どの時点で行われてもよい。
　また、ステップ２２８を省略することも可能である。例えば、ステップ２２７で出力された検査条件を操作系１０９のディスプレイなどに表示し、その後、ユーザに選択させる形式でもよい。
　検査条件決定部２０４は、ステップ２２７で出力された検査条件及びユーザの要求条件に基づいて、最適な検査条件を出力する（２２９）。例えば、検査条件決定部２０４は、複数の検査条件の候補がある場合、ユーザの要求条件を満たす検査条件を出力してもよい。また、検査条件決定部２０４は、ステップ２２７で出力された検査条件がユーザの要求条件を満たすかを判定し、その判定結果も操作系１０９のディスプレイなどにインタフェースに表示するなどしてもよい。なお、検査条件決定部２０４は、ステップ２２７で出力された検査条件が１つであれば、その検査条件をそのまま出力してもよい。最後に、決定した検査条件を用いて欠陥検査を開始する（２３２）。
　ステップ２２６において、欠陥の散乱光分布を計算することを選択した場合、ステップ２３０へ進む。ステップ２３０に進んだ場合、散乱光計算部２０５は、推定部２０３によって出力された光学定数及びＰＳＤ関数を元に、欠陥の散乱光に関する情報を計算する（２３０）。散乱光計算部２０５は、上述したＢＲＤＦを用いて、光の強度、光の空間分布、光の偏光状態を表す情報を出力する。次に、検査条件決定部２０４は、これらの情報を操作系１０９のディスプレイなどに表示し、ユーザからの検査条件の入力を受付け、これにより、検査条件を決定する（２３１）。最後に、決定した検査条件を用いて欠陥検査を開始する（２３２）。ユーザは、表示された欠陥の散乱光に関する情報を参考に、検査条件を決定することができる。従来では、ユーザの経験則で検査条件を決定していたが、これに対して、本実施例では、欠陥の散乱光に関する情報を参考にして検査条件を決定することができ、検査条件の決定が容易になる。
　なお、本例では、欠陥の散乱光に関する情報を参考にユーザ自身が検査条件を決定しているが、別の方法によって検査条件を決定してもよい。例えば、計算機１１１の検査条件データベース２０９が、欠陥の散乱光に関する情報（光の強度、光の空間分布、光の偏光状態など）と検査条件とが関連付けられたテーブルを備えてもよい。この場合、散乱光計算部２０５は、当該テーブルを参照し、対応する検査条件を出力してもよい。
　また、本例では、ステップ２２６において、データベースの参照を行うか、あるいは欠陥の散乱光分布を計算するかをユーザに選択させたが、この例に限定されない。例えば、検査条件データベース２０９の参照ステップを実行し、対応する検査条件が見つからない場合に、欠陥の散乱光に関する情報を計算するフローとしてもよい。この場合、検査条件データベース２０９に一致しない光学定数及びＰＳＤ関数の組み合わせに対しては、表示された欠陥の散乱光に関する情報を参考に、ユーザが検査条件を決定することができる。
　次に、図４Ａを用いて散乱光分布から光学定数とＰＳＤ関数を推定する手段である機械学習法の一つ、ＳＶＲ（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｒｅｇｒｅｓｓｉｏｎ）法を説明する。これは、ある入力（ここでは光学定数とＰＳＤ関数）に対する出力（ここでは散乱光分布）が連続量となる場合に用いられる。
　図４Ａでは、機械学習法から作成されるモデルの概念を分かり易くするために、１変数１出力（横軸を光学定数とし、縦軸を散乱光分布とする）の例で説明する。まず、光学定数及びＰＳＤ関数の数種類の組み合わせを用意する。光学定数及びＰＳＤ関数の数種類の組み合わせのそれぞれに対して散乱光分布を計算する。ここでは、図４Ａにおいて四角で示される複数の散乱光分布４０１が計算されたと仮定する。光学定数及びＰＳＤ関数の数種類の組み合わせと、それに対応する複数の散乱光分布４０１とをサンプル集合としてＳＶＲ法により学習し、光学定数とＰＳＤ関数に対応する散乱光分布を表すモデル４０２（点線で示す関数）を作成する。これにより、例えば、ある散乱光分布４０３が測定された場合に、モデル４０２を用いて、対応する光学定数を出力することが可能となる。なお、一般に、光学定数とＰＳＤ関数の変数は３～１０以上、散乱光分布の測定値は３以上扱うことになる。
　図４Ｂは、機械学習法により光学定数とＰＳＤ関数に対応する散乱光分布を表すモデルを作成するフローである。まず、光学定数及びＰＳＤ関数の組み合わせを複数用意する。散乱光分布計算部２０６は、数種類の光学定数とＰＳＤ関数に対する散乱光分布を計算する（４０４）。散乱光分布計算部２０６は、計算された散乱光分布を機械学習部２０７に入力する。次に、機械学習部２０７は、光学定数及びＰＳＤ関数の数種類の組み合わせと、それに対応する複数の散乱光分布とをサンプル集合としてＳＶＲ法により学習し、光学定数とＰＳＤ関数に対応する散乱光分布を表すモデルを作成する（４０５）。機械学習部２０７は、作成されたモデルを記憶装置のモデル格納部２０８に格納する。
　したがって、本実施例では、テーブル参照法（すなわち、散乱光分布と光学定数及びＰＳＤ関数の組み合わせとを関連付けたテーブルを作成し、そのテーブルを参照するような手法）に比べて、ＳＶＲ法を用いることで、実時間で光学定数とＰＳＤ関数の推定が可能となる。
　なお、検出系１８１～１８６は集光光学系及び結像光学系を含む例として説明したが、これに限定されない。図５は、検出系１８３の別の構成例を示す（他の検出系についても同様である）。検出系１８３はフーリエ変換光学系を含む。検出系１８３は、散乱光を光軸１９３と実質的に平行な平行光で送る検出光学系９０１と、その平行光を検出するセンサ９０２（例えば、ＣＣＤなど）とを備える。検出系１８３がフーリエ変換光学系である場合、ウェハ１０１からの散乱光は検出光学系９０１によってコリメートされ光軸１９３と実質的に平行な平行光となる。平行光は、複数の光電変換素子が配列されたセンサ９０２によって光電変換されることになる。検出系１８１～１８６にフーリエ変換光学系を採用すれば、散乱光の空間分布をより高分解能で測定することが可能となり、光学定数及びＰＳＤ関数の推定精度が向上する。また、検出系の数を増やすことでも同様の効果が得られる。
　上記の実施例によれば、表面の形状の情報を得るための検査装置において容易に検査条件を決定することができ、従来に比べて短い時間で最適な検査条件を決定することができる。特に、検査条件データベース２０９を参照する場合には、推定された光学定数とＰＳＤ関数に基づいて、対応する検査条件を自動的に出力することができる。また、上記の実施例によれば、出力された検査条件とユーザの要求条件とを考慮して、最適な検査条件を決定することもできる。また、推定された光学定数とＰＳＤ関数を元に欠陥の散乱光に関する情報を計算する場合には、ユーザが、欠陥の散乱光に関する情報を参考にして検査条件を決定することができ、検査条件の決定が容易になる。
［第２実施例］
　第１実施例では、ウェハ上のビームスポット１点からの散乱光分布を測定し、光学定数とＰＳＤ関数を推定し、最適な検査条件を求める方法を説明した。本実施例では、ウェハ全面におけるデータの取り扱い方を説明する。
　図６Ａは、各ビームスポット１０１２（１スポットの大きさは数μｍ２）のデータ（散乱光分布、ＰＳＤ関数のパラメータなど）を全て管理する様子を示す。ここで管理とは、ある単位領域毎に得られたデータを信号処理系１０７あるいは計算機１１１に保存すること、ある単位領域毎に得られたデータを操作系１０９内のディスプレイ等に表示することが含まれる。
　図６Ａに示すように、ウェハ面１００１を同心円または螺旋状に走査すると、半径方向に境界線１０１１を定義することができる。境界線１０１１の間隔はビームスポットの半径方向の長さに実質的に対応する。さらに２つの境界線１０１１の間の領域を周方向に複数に分割して、１ビームスポット１０１２ごとに値を管理する。つまり、図６Ａは実質的にビームスポット１０１２の面積毎に得られたデータを管理すると表現することができる。この例において、検査条件を求めるフローは図２Ｂと同様であり、ステップ２２２において散乱光分布入力部２０１が入力する散乱光分布のデータは、１ビームスポット１０１２ごとのデータとなる。この例では、１ビームスポット１０１２ごとの細かな領域で最適な検査条件を決定することができる。
　次に、データをマージする領域について、図６Ｂ～図６Ｄを用いて説明する。例えば、ビームスポットの大きさよりも大きな単位領域毎に得られたデータを管理することも可能である。図６Ｂは、ウェハを複数の領域に分割した第１の例である。この例では、ウェハの領域を、半径方向の境界線１０２１、１０２２と周方向の境界線１０２３、１０２４、１０２５で分割する。境界線１０２１、１０２２の間隔はビームスポットの半径方向の長さよりも長く、境界線１０２３、１０２４、１０２５の間隔はビームスポットの周方向の長さよりも長い。したがって、これらの境界線１０２１、１０２２、１０２３、１０２４、１０２５で定義される単位領域の面積はビームスポットの面積よりも大きくなる。この単位領域毎に、散乱光分布のデータを平均化して値を管理してもよい。
　この例では、検査条件を求めるフローは図２Ｂと同様であるが、ステップ２２２での処理内容が異なる。ステップ２２２では、散乱光分布入力部２０１は、保存されている散乱光分布を取得し、図６Ｂで示す単位領域毎で散乱光分布のデータを平均化する。散乱光分布入力部２０１は、平均化された散乱光分布のデータを推定部２０３に入力する。この構成によれば、ビームスポット毎にデータを管理する場合に比べて、処理時間の短縮の効果がある。
　図６Ｃは、ウェハを複数の領域に分割した第２の例である。図６Ｃに示すように、ウェハ上に形成されるべき所定のパタンの設計データ（例えば、ダイの分割パタン）に従ってデータを管理することも可能である。この例では、ウェハ上に作製するダイのデータ（例えば、座標、寸法）を参照し、単位領域１０３１を決定する。この単位領域１０３１内でデータを平均化し、平均化された値を管理する。この設計データは、信号処理系１０７のメモリあるいは計算機１１１の記憶装置に予め保存しておいてもよいし、ネットワークを経由して外部の処理装置からダウンロードしてもよい。
　この例では、検査条件を求めるフローは図２Ｂと同様であるが、ステップ２２２での処理内容が異なる。ステップ２２２では、散乱光分布入力部２０１は、保存されている散乱光分布及び設計データを取得し、図６Ｃで示す単位領域毎で散乱光分布のデータを平均化する。散乱光分布入力部２０１は、平均化された散乱光分布のデータを推定部２０３に入力する。この構成によれば、ダイの分割パタンに合わせて検査条件を決定することができる。
　さらに、図６Ｄに示すように、ユーザが指定する任意領域においてデータを管理することも可能である。この例では、ユーザが、操作系１０９の入力装置を用いてマウスポインタ１０４１でウェハマップ上の任意形状の領域１０４２を指定し、この領域１０４２が単位領域となる。散乱光分布入力部２０１は、保存されている散乱光分布を取得し、図６Ｄで示す領域１０４２で散乱光分布のデータを平均化する。散乱光分布入力部２０１は、平均化された散乱光分布のデータを推定部２０３に入力する。この構成によれば、ユーザが指定した任意の領域毎で検査条件を決定することができる。
　図６Ａ～図６Ｄまでいずれの管理方法を採用するかは、ユーザが任意に決定すれば良い。図６Ｂ～図６Ｄで示す領域毎に光学定数とＰＳＤ関数を管理することで、ウェハ全面の情報を効率よく管理することができる。また、各領域で最適な検査条件にすることで、ウェハ上の欠陥を高感度に検査することができる。
［第３実施例］
　第３実施例は、上述した実施例で開示される内容を、ウェハ処理工程の異常を監視するシステム（所謂プロセスモニタ）として応用する実施例である。
　図７Ａは、半導体ウェハの製造ラインでの各装置とその接続構成の一例を示す。図７Ａに示すように、半導体製造装置７０２及び検査装置７０３が、データ管理サーバ７０１とネットワーク７０４によって相互に接続されている。半導体製造装置７０２は、研磨、洗浄、成膜、エッチングなどを行う半導体ウェハの製造装置である。検査装置７０３は、上述した図１Ａの検査装置に相当する。本例では、検査装置７０３は、データ管理サーバ７０１を介して半導体製造装置２へのフィードバックが可能な構成である。
　図７Ｂは、本実施例における計算機１１１の処理部の構成である。図７Ｂにおいて、図２Ａの処理部と同じ構成については同じ符号を付し、これらの構成・動作は同じであるため説明を省略する。本実施例では、図２Ａの構成に対して異常判定部７０５が追加されている。異常判定部７０５は、推定部２０３によって出力された光学定数及びＰＳＤ関数を元に、半導体製造装置７０２での異常を判定する。また、異常判定部７０５は、決定された検査条件による検査によって抽出された異物検出結果を元に、半導体製造装置７０２での異常を判定する。
　図８は、本実施例のプロセスモニタのフローを示す。まず、ウェハは半導体製造装置７０２へ搬送される（１４０１）。次に、搬送されたウェハに対して所定の処理が施される（１４０２）。ここで、処理には、ウェハに対する研磨、洗浄、成膜、エッチングが含まれる。
　半導体製造装置７０２で所定の処理が行われたウェハが検査装置７０３に搬送され、検査装置７０３において上述した第１実施例あるいは第２実施例で開示した内容によって表面の計測が行われる（１４０３）。
　ステップ１４０３の第１の例として、図２Ｂの２２１～２２５のステップが実行される。ステップ２２５では、光学定数及びＰＳＤ関数が出力される。次に、異常判定部７０５が、出力された光学定数の情報に基づいて製造装置において異常があるかを判定する（１４０４）。
　図９Ａは、ステップ１４０４での異常の判定の第１の例を説明する図である。例えば、異常判定部７０５は、時間軸に対して屈折率１４０９の値を記録する。屈折率について仕様の上限値及び下限値の少なくとも一方が設定されている。図９Ａでは、仕様の上限値及び下限値の両方が設定されている。異常判定部７０５は、光学定数の屈折率１４０９が仕様の上限値及び下限値から定められる範囲からはずれた場合に、異常があると判定してもよい。
　図９Ｂは、ステップ１４０４での異常の判定の第２の例を説明する図である。例えば、異常判定部７０５は、時間軸に対して膜厚１４０８の値を記録する。図９Ｂでは、仕様の上限値及び下限値の両方が設定されている。異常判定部７０５は、光学定数の膜厚１４０８が仕様の上限値及び下限値から定められる範囲からはずれた場合に、異常があると判定してもよい。
　図９Ｃは、ステップ１４０４での異常の判定の第３の例を説明する図例えば、異常判定部７０５は、時間軸に対して粗さ１４０７を表す値を記録する。粗さ１４０７は例えば、マイクロラフネスに関連する値を採用してもよい。図９Ｃでは、仕様の上限値及び下限値の両方が設定されている。異常判定部７０５は、粗さ１４０７を表す値が仕様の上限値及び下限値から定められる範囲からはずれた場合に、異常があると判定してもよい。
　ステップ１４０３の第２の例として、図２Ｂの２２１～２３２のステップが実行される。ステップ２３２の検査で発見された異物の数を記録する。次に、異常判定部７０５が、異物の検出数に基づいて製造装置において異常があるかを判定する（１４０４）。図９Ｄは、ステップ１４０４での異常の判定の第４の例を説明する図である。異常判定部７０５は、異物検出数１４０６が仕様の上限値からはずれた場合に、異常があると判定してもよい。
　ステップ１４０４で異物があると判定された場合、異常判定部７０５は、その結果を半導体製造装置７０２へフィードバックする（１４０５）。フィードバックされる情報には、研磨条件の変更、洗浄条件の変更、成膜条件の変更、エッチング条件の変更が含まれる。異常がなければプロセスモニタリングは終了する。
　本実施例によれば、検査装置で推定される光学定数やマイクロラフネスに関する情報、及び、異物の検出数の情報などをウェハ全面に対して管理し、かつ、時間軸とともに複数のウェハに対して管理することで、プロセス異常の早期発見、さらには異常の原因究明に活用できる。例えば、図９Ｂ及び図９Ｃに示すように、半導体製造装置７０２で異常が発生したとき、ある時間から数値が仕様範囲の境界部分に向かって上昇あるいは下降したり、あるいは、ある時点から仕様からはずれ続けるなどの傾向を示す場合がある。本実施例では、このような傾向をモニタすることにより、プロセス異常の早期発見が可能となる。
　本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。上記実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることもできる。また、ある実施例の構成に他の実施例の構成を加えることもできる。また、各実施例の構成の一部について、他の構成を追加・削除・置換することもできる。
　上記の計算機１１１の処理手段などは、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイルなどの情報は、メモリやハードディスク、ＳＳＤ（Solid State Drive）などの記憶装置、または、ＩＣカード、ＳＤカード、ＤＶＤなどの記憶媒体に置くことができる。また、上記で説明した計算機１１１の処理手段などは、それらの一部あるいは全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。
　また、図面における制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。
１０１・・・ウェハ
１０２・・・チャック
１０３・・・回転ステージ
１０４・・・直進ステージ
１０５・・・光源
１０６・・・照明光学系
１０７・・・信号処理系
１０８・・・制御系
１０９・・・操作系
１１１・・・計算機
１８１・・・検出系
１８２・・・検出系
１８３・・・検出系
１８４・・・検出系
１８５・・・検出系
１８６・・・検出系
１９１・・・検出光学系
１９２・・・光電変換素子
１９３・・・光軸
２０１・・・散乱光分布入力部
２０２・・・画面入力部
２０３・・・推定部
２０４・・・検査条件決定部
２０５・・・散乱光計算部
２０６・・・散乱光分布計算部
２０７・・・機械学習部
２０８・・・モデル格納部
２０９・・・検査条件データベース
７０１・・・データ管理サーバ
７０２・・・半導体製造装置
７０３・・・検査装置
７０４・・・ネットワーク
７０５・・・異常判定部
９０１・・・検出光学系
９０２・・・センサ

Claims (23)

  1. 　試料を搭載するステージと、
    　前記試料に光を照射する照明光学系と、
    　前記光の照射によって前記試料から発生した光を検出する複数の検出系と、
    を備える検査装置において、
    　散乱光分布から光学定数及びマイクロラフネスに関する情報を推定するためのモデルを格納する記憶装置と、
    　前記複数の検出系から得られた散乱光分布を前記モデルに当てはめ、前記光学定数及び前記マイクロラフネスに関する情報を推定する推定部と、
    　前記推定された前記光学定数及び前記マイクロラフネスに関する情報、または、前記推定された前記光学定数及び前記マイクロラフネスに関する情報を元に計算された情報を用いて検査条件を決定する検査条件決定部と、
    を備えることを特徴とする検査装置。
  2. 　請求項１に記載の検査装置において、
    　前記記憶装置が、前記光学定数及び前記マイクロラフネスに関する情報と前記検査条件とが関連付けられて格納された検査条件データベースをさらに格納しており、
    　前記検査条件決定部は、前記推定された前記光学定数及び前記マイクロラフネスに関する情報を用いて前記検査条件データベースを参照し、対応する検査条件を出力することを特徴とする検査装置。
  3. 　請求項１に記載の検査装置において、
    　表示部と、
    　前記推定された前記光学定数及び前記マイクロラフネスに関する情報を用いて、前記試料上の欠陥の散乱光に関する情報を計算する散乱光計算部と、をさらに備え、
    　前記検査条件決定部は、前記欠陥の散乱光に関する情報を前記表示部に表示し、ユーザからの入力情報に基づいて前記検査条件を決定することを特徴とする検査装置。
  4. 　請求項１に記載の検査装置において、
    　前記光学定数及び前記マイクロラフネスに関する情報の複数の組み合わせから散乱光分布を計算する散乱光分布計算部と、
    　前記複数の組み合わせと、前記散乱光分布計算部によって計算された前記散乱光分布とをサンプル集合として学習し、前記モデルを作成する機械学習部と、
    をさらに備えることを特徴とする検査装置。
  5. 　請求項４に記載の検査装置において、
    　前記機械学習部は、ＳＶＲ（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｒｅｇｒｅｓｓｉｏｎ）法を用いて前記モデルを作成することを特徴とする検査装置。
  6. 　請求項１に記載の検査装置において、
    　前記マイクロラフネスに関する情報は、パワースペクトル密度（Ｐｏｗｅｒ　Ｓｐｅｃｔｒａｌ　Ｄｅｎｓｉｔｙ：ＰＳＤ）関数であることを特徴とする検査装置。
  7. 　請求項１に記載の検査装置において、
    　前記光学定数は、屈折率、膜厚、及び、膜屈折率の少なくとも１つを含むことを特徴とする検査装置。
  8. 　請求項１に記載の検査装置において、
    　前記検査条件は、前記照明光学系の条件、前記ステージの条件、及び前記検出系の条件の少なくとも１つを含むことを特徴とする検査装置。
  9. 　請求項１に記載の検査装置において、
    　前記複数の検出系から得られた散乱光分布を単位領域毎で平均化し、当該平均化された散乱光分布を前記推定部に入力する散乱光分布入力部をさらに備えることを特徴とする検査装置。
  10. 　請求項１に記載の検査装置において、
    　前記推定された前記光学定数及び前記マイクロラフネスに関する情報を用いて、前記試料の製造装置での異常を判定する異常判定部をさらに備えることを特徴とする検査装置。
  11. 　請求項１０に記載の検査装置において、
    　前記異常判定部は、前記検査条件決定部で決定された前記検査条件での検査によって抽出された異物検出数を用いて前記製造装置での異常を判定することを特徴とする検査装置。
  12. 　請求項１に記載の検査装置において、
    　前記検出系は、フーリエ変換光学系を含むことを特徴とする検査装置。
  13. 　試料を搭載するステージと、前記試料に光を照射する照明光学系と、前記光の照射によって前記試料から発生した光を検出する複数の検出系と、を備える検査装置における検査条件決定方法であって、
    　前記複数の検出系によって散乱光分布を測定する測定ステップと、
    　計算機によって、散乱光分布から光学定数及びマイクロラフネスに関する情報を推定するためのモデルに、前記複数の検出系から得られた散乱光分布を当てはめ、前記光学定数及び前記マイクロラフネスに関する情報を推定する推定ステップと、
    　前記計算機によって、前記推定された前記光学定数及び前記マイクロラフネスに関する情報、または、前記推定された前記光学定数及び前記マイクロラフネスに関する情報を元に計算された情報を用いて検査条件を決定する決定ステップと、
    を含むことを特徴とする検査条件決定方法。
  14. 　請求項１３に記載の検査条件決定方法において、
    　前記決定ステップは、
    　前記推定された前記光学定数及び前記マイクロラフネスに関する情報を用いて、前記光学定数及び前記マイクロラフネスに関する情報と前記検査条件とが関連付けられて格納された検査条件データベースを参照し、対応する検査条件を出力することを含む、検査条件決定方法。
  15. 　請求項１３に記載の検査条件決定方法において、
    　前記決定ステップは、
    　前記推定された前記光学定数及び前記マイクロラフネスに関する情報を用いて、前記試料上の欠陥の散乱光に関する情報を計算することと、
    　前記欠陥の散乱光に関する情報を表示部に表示し、ユーザからの入力情報に基づいて前記検査条件を決定することと、
    を含むことを特徴とする検査条件決定方法。
  16. 　請求項１３に記載の検査条件決定方法において、
    　前記計算機によって、前記光学定数及び前記マイクロラフネスに関する情報の複数の組み合わせから散乱光分布を計算する計算ステップと、
    　前記計算機によって、前記複数の組み合わせと、前記計算ステップによって計算された前記散乱光分布とをサンプル集合として学習し、前記モデルを作成する機械学習ステップと、
    をさらに含むことを特徴とする検査条件決定方法。
  17. 　請求項１６に記載の検査条件決定方法において、
    　前記機械学習ステップは、ＳＶＲ（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｒｅｇｒｅｓｓｉｏｎ）法を用いて前記モデルを作成することを含むことを特徴とする検査条件決定方法。
  18. 　請求項１３に記載の検査条件決定方法において、
    　前記マイクロラフネスに関する情報は、パワースペクトル密度（Ｐｏｗｅｒ　Ｓｐｅｃｔｒａｌ　Ｄｅｎｓｉｔｙ：ＰＳＤ）関数であることを特徴とする検査条件決定方法。
  19. 　請求項１３に記載の検査条件決定方法において、
    　前記光学定数は、屈折率、膜厚、及び、膜屈折率の少なくとも１つを含むことを特徴とする検査条件決定方法。
  20. 　請求項１３に記載の検査条件決定方法において、
    　前記検査条件は、前記照明光学系の条件、前記ステージの条件、及び前記検出系の条件の少なくとも１つを含むことを特徴とする検査条件決定方法。
  21. 　請求項１３に記載の検査条件決定方法において、
    　前記計算機によって、前記複数の検出系から得られた散乱光分布を単位領域毎で平均化する平均化ステップをさらに含み、
    　前記推定ステップは、当該平均化された散乱光分布を前記モデルに当てはめ、前記光学定数及び前記マイクロラフネスに関する情報を推定することを特徴とする検査条件決定方法。
  22. 　請求項１３に記載の検査条件決定方法において、
    　前記計算機によって、前記推定された前記光学定数及び前記マイクロラフネスに関する情報を用いて、前記試料の製造装置での異常を判定する異常判定ステップをさらに含むことを特徴とする検査条件決定方法。
  23. 　請求項２２に記載の検査条件決定方法において、
    　前記異常判定ステップは、前記決定ステップで決定された前記検査条件での検査によって抽出された異物検出数を用いて前記製造装置での異常を判定することさらに含むことを特徴とする検査条件決定方法。
PCT/JP2015/057508 2014-04-08 2015-03-13 検査装置及び検査条件決定方法 WO2015156084A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014079551A JP2017122580A (ja) 2014-04-08 2014-04-08 検査装置及び検査条件決定方法
JP2014-079551 2014-04-08

Publications (1)

Publication Number Publication Date
WO2015156084A1 true WO2015156084A1 (ja) 2015-10-15

Family

ID=54287665

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/057508 WO2015156084A1 (ja) 2014-04-08 2015-03-13 検査装置及び検査条件決定方法

Country Status (2)

Country Link
JP (1) JP2017122580A (ja)
WO (1) WO2015156084A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019175533A (ja) * 2018-03-29 2019-10-10 Ｎｅｃプラットフォームズ株式会社 磁気テープ装置及び磁気テープの検査方法
TWI767142B (zh) * 2018-09-06 2022-06-11 日商東京威力科創股份有限公司 基板狀態判斷裝置、基板處理裝置、模型製作裝置及基板狀態判斷方法
US20220307991A1 (en) * 2021-03-26 2022-09-29 Globalwafers Co., Ltd. Wafer surface defect inspection method and apparatus thereof

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7131617B2 (ja) * 2018-03-06 2022-09-06 オムロン株式会社 照明条件を設定する方法、装置、システム及びプログラム並びに記憶媒体
US10872403B2 (en) * 2018-08-10 2020-12-22 Micron Technology, Inc. System for predicting properties of structures, imager system, and related methods
JP7137761B2 (ja) * 2019-03-06 2022-09-15 オムロン株式会社 センサシステム

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003322624A (ja) * 2002-05-01 2003-11-14 Topcon Corp ウエハの表面検査装置
JP2004012302A (ja) * 2002-06-07 2004-01-15 Hitachi Ltd 膜厚分布計測方法及びその装置
JP2004340773A (ja) * 2003-05-16 2004-12-02 Renesas Technology Corp 検査レシピ作成装置
JP2008157638A (ja) * 2006-12-20 2008-07-10 Hitachi High-Technologies Corp 試料表面の欠陥検査装置及びその欠陥検出方法
JP2010002406A (ja) * 2008-05-23 2010-01-07 Hitachi High-Technologies Corp 基板表面の検査方法及び検査装置
JP2011174764A (ja) * 2010-02-23 2011-09-08 Nikon Corp 検査方法および検査装置
JP2011209088A (ja) * 2010-03-30 2011-10-20 Hitachi High-Technologies Corp 検査装置、及び検査方法
WO2013148203A1 (en) * 2012-03-28 2013-10-03 Tokyo Electron Limited Model optimization approach based on spectral sensitivity

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003322624A (ja) * 2002-05-01 2003-11-14 Topcon Corp ウエハの表面検査装置
JP2004012302A (ja) * 2002-06-07 2004-01-15 Hitachi Ltd 膜厚分布計測方法及びその装置
JP2004340773A (ja) * 2003-05-16 2004-12-02 Renesas Technology Corp 検査レシピ作成装置
JP2008157638A (ja) * 2006-12-20 2008-07-10 Hitachi High-Technologies Corp 試料表面の欠陥検査装置及びその欠陥検出方法
JP2010002406A (ja) * 2008-05-23 2010-01-07 Hitachi High-Technologies Corp 基板表面の検査方法及び検査装置
JP2011174764A (ja) * 2010-02-23 2011-09-08 Nikon Corp 検査方法および検査装置
JP2011209088A (ja) * 2010-03-30 2011-10-20 Hitachi High-Technologies Corp 検査装置、及び検査方法
WO2013148203A1 (en) * 2012-03-28 2013-10-03 Tokyo Electron Limited Model optimization approach based on spectral sensitivity

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019175533A (ja) * 2018-03-29 2019-10-10 Ｎｅｃプラットフォームズ株式会社 磁気テープ装置及び磁気テープの検査方法
US11211092B2 (en) 2018-03-29 2021-12-28 Nec Platforms, Ltd. Method of inspecting magnetic recording tape using image sensor
TWI767142B (zh) * 2018-09-06 2022-06-11 日商東京威力科創股份有限公司 基板狀態判斷裝置、基板處理裝置、模型製作裝置及基板狀態判斷方法
US20220307991A1 (en) * 2021-03-26 2022-09-29 Globalwafers Co., Ltd. Wafer surface defect inspection method and apparatus thereof
US12044631B2 (en) * 2021-03-26 2024-07-23 Globalwafers Co., Ltd. Wafer surface defect inspection method and apparatus thereof

Also Published As

Publication number Publication date
JP2017122580A (ja) 2017-07-13

Similar Documents

Publication Publication Date Title
WO2015156084A1 (ja) 検査装置及び検査条件決定方法
JP6043813B2 (ja) 表面計測装置
TWI666420B (zh) 表面拓璞之干涉特徵化
JP5624714B2 (ja) 基板表面の検査方法及び検査装置
US7912658B2 (en) Systems and methods for determining two or more characteristics of a wafer
JP5463943B2 (ja) 画像データ処理方法および画像作成方法
CN112106180B (zh) 基于设计的对准的性能监测
KR20170086061A (ko) 디지털 매칭된 필터를 사용한 향상된 결함 검출을 위한 시스템 및 방법
US10393503B2 (en) Steerable focal adjustment for optical coherence tomography
TW202030475A (zh) 基於設計及雜訊之關注區域
US20200357704A1 (en) Laser triangulation sensor system and method for wafer inspection
TW201925757A (zh) 寬頻晶圓缺陷偵測系統及寬頻晶圓缺陷偵測方法
KR102612474B1 (ko) 반도체 샘플의 자동화 층제거를 위한 적응성 엔드포인트 감지
US20200386534A1 (en) Adjustable depth of field optical coherence tomography
KR102574356B1 (ko) 얕은 딥 러닝을 이용한 차분 필터 및 애퍼처 선택을 위한 시스템 및 방법
TW201810482A (zh) 在邏輯和熱點檢測中使用z層脈絡以用於改善靈敏度及抑制滋擾的系統及方法
TWI751184B (zh) 產生一樣本之三維(3-d)資訊之方法及三維(3-d)量測系統
US10473454B1 (en) Imaging-based height measurement based on known geometric information
US20170045463A1 (en) Volumetric substrate scanner
TWI705510B (zh) 用於使用靈活取樣之程序控制之方法及系統
US10340196B1 (en) Method and system for selection of metrology targets for use in focus and dose applications
WO2024034067A1 (ja) 試料表面品質管理装置
KR102665029B1 (ko) 패턴화된 구조물의 x-선 기반 측정
JP5638098B2 (ja) 検査装置、及び検査条件取得方法
US9658169B2 (en) System and method of characterizing micro-fabrication processes

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15776059

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15776059

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP