CN116368377A - 多视角晶片分析 - Google Patents
多视角晶片分析 Download PDFInfo
- Publication number
- CN116368377A CN116368377A CN202180067312.2A CN202180067312A CN116368377A CN 116368377 A CN116368377 A CN 116368377A CN 202180067312 A CN202180067312 A CN 202180067312A CN 116368377 A CN116368377 A CN 116368377A
- Authority
- CN
- China
- Prior art keywords
- sub
- region
- regions
- scan data
- covariance
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims description 29
- 238000000034 method Methods 0.000 claims abstract description 103
- 230000007547 defect Effects 0.000 claims abstract description 95
- 238000012351 Integrated analysis Methods 0.000 claims abstract description 25
- 238000005286 illumination Methods 0.000 claims description 79
- 230000010287 polarization Effects 0.000 claims description 57
- 230000005855 radiation Effects 0.000 claims description 57
- 239000013598 vector Substances 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000007405 data analysis Methods 0.000 claims description 33
- 230000002950 deficient Effects 0.000 claims description 26
- 238000001228 spectrum Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 10
- 235000012431 wafers Nutrition 0.000 description 155
- 210000001747 pupil Anatomy 0.000 description 59
- 230000003287 optical effect Effects 0.000 description 35
- 238000013461 design Methods 0.000 description 13
- 230000015654 memory Effects 0.000 description 11
- 238000010894 electron beam technology Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000005670 electromagnetic radiation Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 238000004630 atomic force microscopy Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010079 rubber tapping Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本文中公开了一种用于检测样本上的缺陷的方法。所述方法包括以下步骤:获得多重视角中的样本的区域的扫描数据;以及执行对获得的扫描数据的整合分析。整合分析包括:基于获得的扫描数据来计算跨视角协方差,和/或估计跨视角协方差;以及在考虑到跨视角协方差的情况下,确定区域中的缺陷的存在。
Description
技术领域
本公开内容总体涉及晶片分析。
背景技术
随着设计规则缩小,相应地需要晶片分析工具检测越来越小的缺陷。以前,缺陷检测主要受到激光功率和检测器噪声的限制。目前,现有技术晶片分析工具主要受到由于从晶片表面漫反射而引起的晶片噪声的限制:晶片上由蚀刻图案的粗糙度构成的表面不规则性通常表现为扫描图像中的亮点(散斑)。这些亮点可能很类似缺陷的“指印”(特征标记)。因此,需要改进的区分缺陷与晶片噪声的技术。
发明内容
根据本公开内容的一些实施例的本公开内容的各方面涉及用于晶片分析的方法和***。更具体地,但非排他地,根据本公开内容的一些实施例的本公开内容的各方面涉及用于多视角(multi-perspective)晶片分析的方法和***,其中使来自多个视角的测量数据经受整合分析。
因此,根据一些实施例的一方面,提供了一种用于检测样本(例如晶片或光学掩模)上的缺陷的方法。所述方法包括以下步骤:
-获得多重视角中的样本的第一区域(例如表面上)的扫描数据。
-执行对获得的扫描数据的整合分析。所述整合分析包括:
■基于获得的扫描数据来计算跨视角协方差(即不同视角之间的协方差),和/或估计跨视角协方差。
■在考虑到跨视角协方差的情况下,确定第一区域中的缺陷的存在。
根据所述方法的一些实施例,样本是图案化的晶片。
根据所述方法的一些实施例,样本是裸晶片。
根据所述方法的一些实施例,多重视角包括以下项目中的两者或更多者:一个或多个照射射束的一个或多个入射角、一个或多个收集的射束的一个或多个收集角、一个或多个照射射束的至少一个强度、一个或多个收集的射束的至少一个强度,以及上述项目的兼容组合。
根据所述方法的一些实施例,所述方法是基于光学的、基于扫描电子显微术的和/或基于原子力显微术的。
根据所述方法的一些实施例,所述方法是基于光学的,并且多重视角包括以下项目中的两者或更多者:一个或多个照明角、照明辐射的强度、照明偏振、照明波前、照明光谱、照明光束的一个或多个焦点偏移、一个或多个收集角、收集的辐射的强度、收集偏振、一个或多个收集的射束的相位、亮场(brightfield)通道、灰场(grayfield)通道、返回的光的傅里叶滤波、以及选自强度、相位或偏振的感测类型,以及上述项目的兼容组合。
根据所述方法的一些实施例,所述整合分析包括:
-针对第一区域的多个子区域中的每一者,基于多重视角中的每一者中的第一区域的获得的扫描数据和对应的参考数据,来产生多重视角中的每一者中的差异值。(即产生差异值集合,其中所述集合中的每个差异值与不同的视角相对应。)
-至少基于与子区域和相邻于所述子区域的子区域相对应的差异值以及与子区域和相邻的子区域相对应的噪声值(即噪声值集合),来确定多个子区域中的每一者是否有缺陷。噪声值包括来自跨视角协方差的对应协方差。
根据所述方法的一些实施例,所述方法进一步包括以下步骤:基于获得的扫描数据和参考数据来产生多重视角中的每一者中的第一区域的差异图像。与来自多个子区域的每个子区域相对应的差异值是从差异图像的与所述子区域相对应的子图像导出的和/或表征所述子图像。(使得给定N个差异图像,N个子图像(即N个子图像的集合)与每个子区域相对应。更具体地,N个子图像(N个差异图像中的每一者一个子图像)和N个对应的差异值与每个子区域相对应。)
根据所述方法的一些实施例,噪声值是至少基于差异值来计算的。
根据所述方法的一些实施例,确定多个子区域中的每一者是否有缺陷的步骤包括:
-产生协方差矩阵,所述协方差矩阵包括与子区域和相邻于所述子区域的子区域相对应的噪声值。
-将包括与子区域和相邻的子区域相对应的差异值的第一向量乘以协方差矩阵的逆(inverse),以获得第二向量。
-计算第二向量与第三向量的标量积,第三向量的分量包括表征一个或多个缺陷的值。
-如果标量积大于预定阈值,则将子区域标记(指定)为有缺陷。
根据所述方法的一些实施例,多个子区域中的至少一者具有与单个(图像)像素相对应的尺寸。
根据所述方法的一些实施例,跨视角协方差是至少基于在样本的初步扫描时获得的扫描数据来估计的,在初步扫描中对样本的区域(例如表面上的区域)进行取样。每个取样的区域代表样本的区域群组,其中取样的区域中的至少一者代表第一区域。
根据所述方法的一些实施例,所述方法进一步包括以下步骤:在确定了缺陷的存在时,确定缺陷是否是感兴趣的缺陷,并且可选地,在缺陷被确定为是感兴趣的时候,对缺陷进行分类。
根据所述方法的一些实施例,关于多个附加区域中的每一者重复所述方法,以便扫描样本的由第一区域和附加区域形成的较大区域(例如所述样本的表面上的较大区域)。
根据一些实施例的一方面,提供了一种用于获得和分析样本(例如晶片或光学掩模)的多视角扫描数据的计算机化***。所述计算机化***被配置为实施上述方法。
根据一些实施例的一方面,提供了一种存储指令的非暂时性计算机可读存储介质,所述指令使计算机化分析***(例如晶片分析***)实施上述方法。
根据一些实施例的一方面,提供了一种用于获得和分析样本的多视角扫描数据的计算机化***。所述***包括:
-扫描设备,所述扫描设备被配置为扫描多重视角中的样本的区域(例如表面上的区域)。
-扫描数据分析模块(包括一个或多个处理器和存储器部件),所述扫描数据分析模块被配置为执行对扫描中所获得的扫描数据的整合分析,其中所述整合分析包括:
■基于获得的扫描数据来计算跨视角协方差,和/或估计跨视角协方差。
■在考虑到跨视角协方差的情况下,确定区域中的缺陷的存在。
根据所述***的一些实施例,所述***被配置为用于分析图案化的晶片的扫描数据。
根据所述***的一些实施例,所述***被配置为用于分析裸晶片的扫描数据。
根据所述***的一些实施例,多重视角包括以下项目中的两者或更多者:一个或多个照射射束的一个或多个入射角、一个或多个收集的射束的一个或多个收集角、一个或多个照射射束的至少一个强度和一个或多个收集的射束的至少一个强度。
根据所述***的一些实施例,扫描设备包括基于光学的成像器。
根据所述***的一些实施例,扫描设备包括扫描电子显微镜。
根据所述***的一些实施例,扫描设备包括原子力显微镜。
根据所述***的一些实施例,多重视角包括以下项目中的两者或更多者:一个或多个照明角、照明辐射的强度、照明偏振、照明波前、照明光谱、照明光束的一个或多个焦点偏移、一个或多个收集角、收集的辐射的强度、收集偏振、一个或多个收集的射束的相位、亮场通道、灰场通道、返回的光的傅里叶滤波、以及选自强度、相位或偏振的感测类型,以及上述项目的兼容组合。
根据所述***的一些实施例,所述整合分析包括:
-针对第一区域的多个子区域中的每一者,基于多重视角中的每一者中的第一区域的获得的扫描数据和对应的参考数据,来产生多重视角中的每一者中的差异值。
-至少基于与子区域和相邻于所述子区域的子区域相对应的差异值以及与子区域和相邻的子区域相对应的噪声值,来确定多个子区域中的每一者是否有缺陷。噪声值包括来自跨视角协方差的对应协方差。
根据所述***的一些实施例,扫描数据分析模块被进一步配置为:基于获得的扫描数据和参考数据来产生多重视角中的每一者中的第一区域的差异图像,其中与来自多个子区域的每个子区域相对应的差异值是从差异图像的与所述子区域相对应的子图像导出的和/或表征所述子图像。
根据所述***的一些实施例,扫描数据分析模块被配置为至少基于差异值来计算噪声值。
根据所述***的一些实施例,确定多个子区域中的每一者是否有缺陷的步骤包括:
-产生协方差矩阵,所述协方差矩阵包括与子区域和相邻于所述子区域的子区域相对应的噪声值。
-将包括与子区域和相邻的子区域相对应的差异值的第一向量乘以协方差矩阵的逆(inverse),以获得第二向量。
-计算第二向量与第三向量的标量积,第三向量的分量包括表征一个或多个缺陷的值。
-如果标量积大于预定阈值,则将子区域标记为有缺陷。
根据所述***的一些实施例,多个子区域中的至少一者具有与单个(图像)像素相对应的尺寸。
根据所述***的一些实施例,扫描数据分析模块被配置为至少基于在样本的初步扫描时获得的扫描数据来估计跨视角协方差,在初步扫描中对样本的区域(例如表面上的区域)进行取样。每个取样的区域代表样本的区域群组,其中取样的区域中的至少一者代表第一区域。
根据所述***的一些实施例,扫描数据分析模块被进一步配置为:在确定了缺陷的存在之后,进一步确定缺陷是否是感兴趣的缺陷,并且可选地,在缺陷被确定为是感兴趣的时候,对缺陷进行分类。
根据所述***的一些实施例,所述***被进一步配置为关于多个附加区域中的每一者重复扫描和整合分析,以便扫描样本的由第一区域和附加区域形成的较大区域(例如表面上的较大区域)。
根据一些实施例的一方面,提供了一种存储指令的非暂时性计算机可读存储介质,所述指令使计算机化分析***(例如晶片分析***)进行以下操作:
-扫描多重视角中的样本(例如晶片或光学掩模)的区域(例如表面上的区域)。
-执行对扫描中所获得的扫描数据的整合分析,所述整合分析包括:
■基于获得的扫描数据来计算跨视角协方差,和/或估计跨视角协方差。
■在考虑到跨视角协方差的情况下,确定区域中的缺陷的存在。
根据所述存储介质的一些实施例,样本是图案化的晶片。
根据所述存储介质的一些实施例,样本是裸晶片。
根据所述存储介质的一些实施例,多重视角包括以下项目中的两者或更多者:一个或多个照射射束的一个或多个入射角、一个或多个收集的射束的一个或多个收集角、一个或多个照射射束的至少一个强度和一个或多个收集的射束的至少一个强度。
根据所述存储介质的一些实施例,所述计算机化分析***是基于光学的。
根据所述存储介质的一些实施例,所述计算机化分析***扫描是基于电子显微术的或基于原子力显微术的。
根据所述存储介质的一些实施例,多重视角包括以下项目中的两者或更多者:一个或多个照明角、照明辐射的强度、照明偏振、照明波前、照明光谱、照明光束的一个或多个焦点偏移、一个或多个收集角、收集的辐射的强度、收集偏振、一个或多个收集的射束的相位、亮场通道、灰场通道、返回的光的傅里叶滤波、以及选自强度、相位或偏振的感测类型,以及上述项目的兼容组合。
根据所述存储介质的一些实施例,所述整合分析包括:
-针对第一区域的多个子区域中的每一者,基于多重视角中的每一者中的第一区域的获得的扫描数据和对应的参考数据,来产生多重视角中的每一者中的差异值。
-至少基于与子区域和相邻于所述子区域的子区域相对应的差异值以及与子区域和相邻的子区域相对应的噪声值,来确定多个子区域中的每一者是否有缺陷。噪声值包括来自跨视角协方差的对应协方差。
根据所述存储介质的一些实施例,存储的指令使所述计算机化***的扫描数据分析模块进行以下操作:基于获得的扫描数据和参考数据来产生多重视角中的每一者中的第一区域的差异图像,其中与来自多个子区域的每个子区域相对应的差异值是从差异图像的与所述子区域相对应的子图像导出的和/或表征所述子图像。
根据所述存储介质的一些实施例,存储的指令使扫描数据分析模块至少基于差异值来计算噪声值。
根据所述存储介质的一些实施例,确定多个子区域中的每一者是否有缺陷的步骤包括:
-产生协方差矩阵,所述协方差矩阵包括与子区域和相邻于所述子区域的子区域相对应的噪声值。
-将包括与子区域和相邻的子区域相对应的差异值的第一向量乘以协方差矩阵的逆(inverse),以获得第二向量。
-计算第二向量与第三向量的标量积,第三向量的分量包括表征一个或多个缺陷的值。
-如果标量积大于预定阈值,则将子区域标记为有缺陷。
根据所述存储介质的一些实施例,多个子区域中的至少一者具有与单个(图像)像素相对应的尺寸。
根据所述存储介质的一些实施例,存储的指令使扫描数据分析模块进行以下操作:至少基于在样本的初步扫描时获得的扫描数据来估计跨视角协方差,在初步扫描中对样本的区域(例如表面上的区域)进行取样。每个取样的区域代表样本的区域群组,其中取样的区域中的至少一者代表第一区域。
本公开内容的某些实施例可以包括上述优点中的一些、全部或不包括上述优点。本领域技术人员可以根据包括在本文中的附图、说明和权利要求容易理解一个或多个其他技术优势。而且,虽然上面列举了特定的优点,但各种实施例也可以包括所列举的优点中的全部、一些或不包括上述优点。
除非另有定义,否则本文中所使用的所有技术术语和科学术语都具有与本公开内容所属领域中的普通技术人员所普遍理解的意义相同的意义。如果有冲突,则以包括定义的专利说明书为主。除非上下文另有明确规定,否则如本文中所使用的,不定冠词“一(a)”和“一个(an)”意味着“至少一个”或“一个或多个”。
除非另有具体叙述,否则从本公开内容可以清楚看出,应理解,根据一些实施例,诸如“处理”、“计算”、“确定”、“估计”、“评估”、“计量”等术语可以指计算机或计算***或类似的电子计算装置的动作和/或过程,所述动作和/或过程将在计算***的寄存器和/或存储器内表示为物理(例如电子)量的数据操控和/或转换成在计算***的存储器、寄存器或其他此类信息存储装置、信息传输装置或信息显示装置内类似地表示为物理量的其他数据。
本公开内容的实施例可以包括用于执行本文中的操作的装置。所述装置可以出于期望的目的被特别建构,或可以包括一个或多个通用计算机,所述一个或多个通用计算机被存储在计算机中的计算机程序选择性地激活或重新配置。此类计算机程序可以被存储在计算机可读存储介质中,所述计算机可读存储介质诸如但不限于包括软盘、光盘、CD-ROM、磁光盘的任何类型的盘片、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、电可抹除可编程只读存储器(EEPROM)、磁卡或光学卡、或适于存储电子指令且能够耦接到计算机***总线的任何类型的介质。
本文中所呈现的过程和展示本质上并非关于任何特定计算机或其他装置。可以将各种通用***与根据本文中的教示的程序一起使用,或建构更专门的装置来执行(多个)期望的方法可能会被证明是合宜的。从下面的说明可以看出,各种这些***的(各种)期望结构。此外,并未参照任何特定的编程语言来描述本公开内容的实施例。将理解,可以使用各种编程语言来实施如本文中所述的本公开内容的教示。
可以在由计算机执行的计算机可执行指令(诸如程序模块)的一般上下文中来描述本公开内容的各方面。一般而言,程序模块包括执行特定任务或实施特定抽象数据类型的例程、程序、对象、部件、数据结构等等。还可以在分布式计算环境中实行所公开的实施例,在所述分布式计算环境中,任务由通过通信网络链接的远程处理装置执行。在分布式计算环境中,程序模块可位于包括存储器存储装置的本地的和远程的计算机存储介质两者中。
附图说明
在本文中参照附图描述了本公开内容的一些实施例。说明书和附图一起使得本领域普通技术人员理解可以如何实行一些实施例。附图是为了说明性描述的目的,仅示出用于基本地理解本公开内容的实施例的必要结构细节,并非试图更详细地示出结构细节。为了清楚起见,附图中所描绘的一些对象并非依比例绘制。而且,同一附图中的两个不同的对象可以依不同的比例绘制。特别地,与同一附图中的其他对象相比,一些对象的比例可能被大大地夸大。
在附图中:
图1是根据一些实施例的用于多视角晶片分析的方法的流程图;
图2是根据图1的方法的一些具体实施例的多视角扫描数据的整合分析的操作的流程图;
图3是根据图2的操作的一些具体实施例的用于识别(检测)晶片的扫描区域中的缺陷的子操作的流程图;
图4A-4G呈现根据一些实施例的包括在图3的子操作中的计算中所使用的代数表示;
图5A和图5B呈现根据一些实施例的两种不同的枚举子图像的方式;
图6呈现根据一些实施例的用于获得和分析晶片(其也被描绘)的多视角扫描数据的计算机化***的框图;
图7A示意性地描绘用于获得和分析晶片(其也被描绘)的多视角扫描数据的计算机化***,所描绘的计算机化***是图6的计算机化***的特定实施例;
图7B示意性地描绘根据一些实施例的光线镜像反射离开图7A的晶片;
图8示意性地描绘用于获得和分析晶片(其也被描绘)的多视角扫描数据的计算机化***,所描绘的计算机化***是图6的计算机化***的特定实施例;
图9示意性地描绘用于获得和分析晶片(其也被描绘)的多视角扫描数据的计算机化***,所描绘的计算机化***是图6的计算机化***的特定实施例;以及
图10A-10C呈现展示图1的方法的功效的模拟结果。
具体实施方式
参照随附的说明书和附图,可以更好地理解本文中的教示的原理、用途和实施方式。在阅读本文中呈现的说明和附图之后,本领域技术人员将能够实施本文中的教示,而不需要过度的努力或实验。在附图中,相同的附图标记始终指代相同的部分。
在本申请的说明书和权利要求书中,词语“包括”和“具有”及其形式不限于可能与所述词语相关联的列表中的成员。
如本文中所使用的,术语“约”可以用来将量或参数(例如,元件的长度)的值指定为在给定(阐明)的值附近(并且包括所述给定的值)的连续值范围内。根据一些实施例,“约”可以将参数的值指定为介于给定值的80%与120%之间。例如,声明“元件的长度等于约1m”等同于声明“元件的长度介于0.8m与1.2m之间”。根据一些实施例,“约”可以将参数的值指定为介于给定值的90%与110%之间。根据一些实施例,“约”可以将参数的值指定为介于给定值的95%与105%之间。
如本文中所使用的,根据一些实施例,术语“基本上”和“约”可以是可互换的。
参照附图,在流程图中,可选的操作可以出现在由虚线划定的框内。
如本文中所使用的,术语“多视角晶片分析”用来指采用来自多重视角的扫描数据的晶片分析。例如,不同视角在偏振、收集光瞳段、相位信息、焦点偏移等方面可以彼此不同。(与单个视角相比)由多重视角所提供的额外信息尤其可以用来更高效地应付晶片噪声。来自几个视角的扫描数据可以产生可预测或可自学习的模式,其可与晶片噪声相区分,因此带来改进的缺陷检测率。
如本文中所使用的,根据一些实施例,参照例如晶片上的缺陷而采用的术语“识别”和“检测”及其派生词可以可互换地使用。
如本文中所使用的,根据一些实施例,术语“样本”可以指晶片或光学掩模。晶片可以是图案化的或裸的。
方法
根据一些实施例的一方面,提供了一种用于晶片分析的计算机实施的方法,其中使来自多重视角的扫描数据经受整合分析(如下面所定义和解释地)。图1呈现根据一些实施例的此类方法(方法100)的流程图。
根据一些实施例,方法100包括操作110,在操作110中获得晶片的区域(面积)的多重视角的扫描数据。更具体地,在操作110中,可以获得晶片的扫描区域(例如与图像帧相对应的切片段)的多重视角的多个图像(例如图像帧)。如下面详述,多个图像可以使用配置为以多重视角扫描晶片的扫描设备来获得。特别地,扫描设备可以包括成像器(成像模块或单元),所述成像器被配置为照射(例如照明)晶片的区域并从所述区域收集辐射。根据一些实施例,成像器可以是基于光学的(被配置为以电磁辐射(诸如可见光和/或紫外线(UV)辐射)照明晶片的区域)。根据一些实施例,UV辐射可以是或可以包括深UV辐射和/或极UV辐射。根据一些实施例,可以将成像器配置为以一个或多个带电粒子束(例如电子束)照射晶片的区域。
根据一些实施例,可以将成像器配置为允许同时以多个辐射束照射晶片,由此促进同时扫描晶片的多个区域。
一般而言,可以将视角分类成两个群组:辐射通道视角和收集通道视角。广义地,辐射通道确定入射在晶片上的照射束的一个或多个物理性质,诸如射束的轨迹线、射束的形状和/或射束的偏振(在射束是光束时)。相比之下,收集通道包括感测类型(强度、偏振、相位)以及“滤波器”,滤波器在本文中广义上指配置为允许选择性地收集(和感测)从晶片返回的由某些物理性质表征的辐射的分量的机构(例如分段光瞳、傅里叶滤波器、偏振分束器),所述物理性质诸如返回(反射、散射)角、强度和偏振(在辐射是电磁辐射时)。
根据成像器是基于光学的一些实施例,多重视角可以包括以下项目中的两者或更多者:(多个)照明角(即照明辐射的(多个)入射角)、照明强度(如由照明辐射的幅度所确定)、照明偏振(即照明辐射的偏振)、照明波前(在单色时照明辐射的波前的形状)、照明光谱(即照明辐射的光谱)和照明光束(其可以是稍微失焦的)的一个或多个焦点偏移、(多个)收集角(从而允许选择性地感测以某个角度或角度范围返回的光)、收集的辐射的强度(从而允许选择性地感测以某个强度或强度范围返回的光)、收集偏振、(多个)收集的射束的相位(在(多个)照明射束为单色时)、亮场通道、灰场通道(其可以被进一步细分成暗场(darkfield)和“纯”灰场)、返回光的傅里叶滤波、感测类型(例如幅度、相位和/或偏振)和上面列出的项目的兼容组合。
特别地,要理解,视角可以由来自上面列表中的多于一个项目所表征。也就是说,来自上面列表的项目的组合。例如,视角可以由入射光束撞击在晶片表面上的角度(即照明角)和入射光束的偏振(即照明偏振)所表征。作为另一示例,视角可以由收集角和收集相位(即收集的光束的相位)所表征。进一步地,要理解,视角可以组合来自照明通道和收集通道两者的特性。例如,视角可以由照明偏振和收集偏振所表征。作为另一示例,视角可以由照明角度和偏振以及收集强度和相位所表征。
因此,获取(获得)的图像可以通过选自上面指定的视角列表的至少一个参数而彼此不同。
如本文中所使用的,根据一些实施例,参照包括子列表(其包括多个项目(例如元件或权利要求限定))和不在子列表中的至少一个项目的列表,诸如“……中的两者或更多者”和“……中的至少两者”之类的词语可以仅指子列表的两个元件、子列表的一个元件以及不在子列表中的一个列出的元件、不在子列表中的两个元件等等。例如,根据其中至少一个照明光谱包括两个照明光谱的一些实施例,多重视角可以由这两个照明光谱组成或包括这两个照明光谱。
更一般而言,根据一些实施例,反射的和/或散射的光可以在被检测之前经历傅里叶滤波。傅里叶滤波可以用来增加视角的数量和从其可获得的信息量。根据一些实施例,多重视角可以包括稍微失焦的照明。
根据一些实施例,例如在照明光源是激光器时,照明光谱可以是窄的。根据一些实施例,例如在照明光源自诸如灯之类的不相干光源时,照射光谱可以是宽的。根据一些实施例,至少一个照明光谱包括多个照明光谱。多个照明光谱中的每个照明光谱可以是窄的——并且可选地是相干的(例如在照明光是相干的激光时)——或者是宽的。
根据一些实施例,可以从亮场通道(即亮场反射光)和/或灰场通道(即灰场散射光)获得多视角扫描数据。如本文中所使用的,根据一些实施例,术语“灰场散射光”广义上用来指非亮场反射光。特别地,根据一些实施例,术语“灰场散射光”也可以用来指暗场散射光。
根据一些实施例,可以同时获得或基本上同时获得与不同视角相对应的图像。根据一些实施例,可以连续获得与不同视角相对应的图像。根据一些实施例,可以同时获得或基本上同时获得与不同视角相对应的一些图像,而与其他视角相对应的一些图像则可以在较早或较晚的时间获得。
根据一些实施例,用来在操作110中获得扫描数据的成像器可以包括多个检测器。例如,第一检测器可以被配置为检测返回的光束的强度,而第二检测器可以被配置为检测返回的光束的偏振。
根据其中同时获得所有视角的一些实施例,可以将每个检测器分配(指派)给不同的视角。替代地,根据其中连续(依序)获得所有视角的一些实施例,可以采用单个检测器。根据其中视角中的一些视角是同时获得并且一些视角是连续获得的一些实施例,可以将检测器中的至少一些检测器分配给多重视角的子集,所述子集分别包括视角中的至少两个视角。
根据一些实施例,可以采用分段光瞳,以便根据来自晶片的返回的辐射束的子束的反射角或散射角来分离到达光瞳的返回的辐射束。可以分配不同的检测器以分别检测来自不同光瞳段的辐射(每个光瞳段一个检测器),使得每个光瞳段构成与不同的收集角(和不同的视角)相对应的不同的收集通道。(可以将检测器定位在光瞳平面的共轭平面上,分段光瞳可以定位在所述光瞳平面上。)
根据一些实施例,方法100包括操作120,在操作120中,在操作110中获得的扫描数据经历整合分析以识别(检测)扫描的区域中的缺陷。如本文中所使用的,关于多视角扫描数据(即至少两个不同视角的扫描数据)的分析所采用的术语“整合分析”指的是利用来自多重视角的扫描数据以便获得改进的缺陷检测率的分析。根据一些实施例,整合分析可以考虑到跨视角协方差,即不同视角中的至少一些视角之间的协方差。
可选地,根据一些实施例,方法100可以进一步包括操作125,在操作125中,确定识别的缺陷(即在操作125中所识别的缺陷)是否是感兴趣的(或滋扰)。根据一些此类实施例,可以进一步分类确定为感兴趣的缺陷。即,操作125可以确定引起缺陷的变形类型。一些变形可能是在晶片上制造的某些类型的部件(半导体器件)(诸如芯片或其他部件,例如晶体管)所特有的。分类可以基于多重视角中的识别的缺陷的测得的或导出的特性。
根据一些实施例,方法100进一步包括操作130,在操作130中,可以关于晶片的附加区域(例如关于其他切片段)重复操作110和120(和可选的操作125)。特别地,附加区域可以构成晶片的要被扫描的一个或多个预先定义的较大区域(例如一个或多个管芯)。根据一些实施例,可以重复操作110和120(和可选的操作125),直到完全扫描晶片为止。
根据其中方法100包括操作125和130两者的一些实施例,操作125和130的顺序可以颠倒。
图2呈现操作220的流程图,操作220是操作120的特定实施例。根据一些实施例,操作220可以包括:
-子操作220a,在子操作220a中基于获得的图像(即在操作110中获得的多个图像)和对应的参考数据来产生扫描区域的差异图像的集合。
(差异图像集合中的)每个差异图像与(来自多重视角的)视角中的一者相对应。每个差异图像可以使用与视角相对应的获得的图像以及与视角相对应的(扫描区域的)参考数据中的一者或多者来产生。
子操作220b,在子操作220b中针对集合中的每个差异图像的多个子图像(例如像素)中的每一者,计算(多个)差异值(也称为“(多个)属性”)。与扫描的晶片区域的同一晶片子区域相对应的子图像限定子图像的相应集合,使得子图像的集合中的每个子图像可以与(来自多重视角的)不同的视角相对应。(特别地,在子操作220b中,针对子图像集合(其与同一晶片子区域相对应)中的每个子图像,可以计算相应的差异值,由此产生与晶片子区域(和子图像集合)相对应的差异值集合。)
-子操作220c,在子操作220c中可以至少基于与晶片子区域相对应的差异值集合和相应(对应)的噪声值集合,将与子操作220b的多个子图像相对应的多个晶片子区域中的每一者确定为是有缺陷的(或是没有缺陷的)。
如本文中所使用的,根据一些实施例,子区域(例如其尺寸与像素或小的像素群组相对应)在包括缺陷或缺陷的一部分时被称为“有缺陷的”。
如本文中所使用的,根据一些实施例,在子图像是像素时,关于子图像的术语“(多个)差异值”和关于同一子图像的“(多个)像素值”可以可互换地使用。
根据一些实施例,参考数据可以包括已经例如在扫描晶片时或在扫描制造为具有相同设计的晶片时获得的参考图像,或基于诸如CAD数据之类的晶片的设计数据来产生的参考图像。
如本文中所使用的,术语“差异图像”应以广义的方式来理解,并且可以指通过组合至少两个图像(例如第一图像(例如晶片的扫描区域的图像或从扫描区域的多个图像获得的图像)和第二图像(例如从与扫描区域相关的参考数据导出的参考图像))来获得的任何图像。两个图像的组合可以涉及造成至少一个“差异图像”的对两个图像进行的任何操控,所述至少一个差异图像可以揭示两个图像之间的变化(差异),或更一般而言可以在两个图像之间进行区分(区别)(在差异存在时)。特别地,要理解,关于两个图像的术语“组合”可以比从另一个图像减去一个图像更广义地使用,并且涵盖可以附加于或替代于减法而实施的其他数学运算。进一步地,要理解,在组合两个图像以获得差异图像之前,可以单独地操控(即预处理)这两个图像中的一者或两者。例如,可以相对于第二图像配准第一图像。
如本文中所使用的,应将术语“参考数据”广义地解释为涵盖指示(图案化的)晶片的实体设计的任何数据和/或从实体设计导出(例如通过仿真导出)的数据。根据一些实施例,“参考数据”可以包括晶片的“设计数据”(诸如例如各种格式的CAD数据)或由所述“设计数据”组成。
附加地或替代地,“参考数据”可以包括通过例如在配方设置期间或甚至在运行期(runtime)完全地或部分地扫描晶片来获得的数据或由所述数据组成。例如,在运行期期间的对一个管芯或具有相同架构的多个管芯的扫描可以用作相同架构的另一个管芯的参考数据。进一步地,可以在配方设置期间扫描制造成某个设计的第一晶片,并且可以处理获得的扫描数据以产生用于随后制造的相同设计(与第一晶片相同的设计)的晶片的参考数据或附加参考数据。此类“自产生”的参考数据在设计数据不可用时是必要的,但即使在设计数据可用时也可以是有益的。
更一般而言,要理解,术语“差异图像”可以指通过联合操控以下两个值集合来获得的导出值的任何集合:第一值集合(在扫描期间获得)和第二值集合(从参考数据获得的参考值),使得集合中的每个导出值与晶片上的扫描区域的子区域(例如像素)相对应。联合操控可以涉及对两个值集合进行使得(所得)导出值集合可以揭示两个值集合之间的差异(如果存在差异)或更一般而言可以在两个值集合之间进行区分的任何数学运算。(数学运算可以包括或可以不包括减法。)特别地,联合操控不限于对对应的值对的操控。也就是说,差异值集合中的每个(差异)值可以由对第一集合中的多个值和第二集合中的多个值的联合操控所产生。
根据一些实施例,与子图像相关的差异值集合也可以包括与相邻的子图像相关的扫描数据或基于与相邻的子图像相关的扫描数据来产生的数据。例如,根据其中每个子图像是像素的一些实施例,与像素相对应的像素值(例如强度值)集合也可以包括相邻像素的像素值。如本文中所使用的,根据一些实施例,在(给定图像(例如差异图像)的)两个子图像是“最接近的邻居”时,可以将这两个子图像称为是“邻居”。也就是说,从这两个子图像之间不存在其他子图像的意义上说,这两个子图像彼此相邻。根据一些实施例,不仅在两个像素是最接近的邻居时,而且在两个像素彼此最多被一个像素分离、最多被两个像素分离、最多被三个像素分离、最多被五个像素分离或甚至最多被十个像素分离时,可以将这两个像素称为是“邻居”。每个可能性与不同的实施例相对应。
根据一些实施例,与第一子图像相关(相对应)的差异值集合也包括与相邻的子图像相关的扫描数据,使得第一子图像相对于相邻的子图像定位在中心。
根据其中子图像是像素的一些实施例,与第一像素相关的差异值集合也包括与相邻的像素相关的扫描数据,使得第一像素和相邻的像素构成m×n个像素的区块,其中3≤m≤11且3≤n≤11。更大的n和m的值也是可能的并且可能是需要的,例如在缺陷的尺寸或噪声的关联长度很大的时候。根据一些此类实施例,第一像素可以定位在区块的中心处。特别地,在疑似缺陷的尺寸大于第一像素时(即在第一像素可能仅包括(从描绘的意义上)疑似缺陷的一部分时),可以选择n和m,使得区块(其由第一像素和相邻的第一像素形成)完整描绘疑似缺陷。
根据一些实施例,子操作220c可以包括计算噪声值集合。根据一些实施例,可以基于与子区域相对应的差异值集合来计算噪声值集合。
根据一些实施例,方法100可以包括初步扫描操作,在所述初步扫描操作中部分地扫描晶片。更具体地,可以在扫描晶片的样本区域的意义上对晶片进行“取样”。样本中的每个区域(即来自取样区域的每个区域)代表由某个架构、(多个)部件类型等等所表征的晶片区域。
根据一些实施例,为了减少计算负载和加快晶片分析,可以仅关于初步扫描数据实施某些计算运算。例如,可以(在初步扫描操作中)对来自制造为具有相同设计的管芯群组的一个或多个管芯进行取样。从取样的管芯内的对应区域获得的扫描数据可以稍后(例如在子操作220c中)关于未取样的管芯的对应区域使用。特别地,根据一些此类实施例,可以计算与取样区域相对应的噪声值集合并将其存储在存储器中(即在操作110之前)。噪声值集合可以稍后在子操作220c中用作对扫描区域是否包括缺陷的确定的一部分。
根据一些实施例,操作120可以附加地包括子操作,在所述子操作中,将与不同视角相关且已经在不同时间(特别是相差超过影响晶片分析***(其用来检验晶片)和/或晶片的高频物理效应的典型时间尺度的时间)获得的(同一区域的)图像彼此配准。例如在子操作220a之前(即在根据图2实现操作120的实施例中),可以实施这种“视角对视角”的配准。除了标准的管芯对管芯的配准和/或单元(cell)对单元的配准的以外,还可以实施视角对视角的配准。根据例如其中已知与不同视角相关的不同图像彼此偏移一个子像素、一个像素或甚至多达十个像素的一些实施例,可以采用对准协议。这可以有利地避免应用配准协议的需要,配准协议相对更为麻烦。
根据一些实施例,在子操作220a之前,可以将同一扫描区域的不同视角中的图像彼此配准。配准可以使用从公共通道(其在视角之间切换时不改变)获得的扫描数据来实施。根据一些此类实施例,多视角扫描数据是从亮场通道获得的,而灰场通道则用于将图像彼此配准。替代地,根据一些实施例,多视角扫描数据是从灰场通道获得的,而亮场通道则用于将图像彼此配准。(除了标准的管芯对管芯配准和/或单元对单元配准以外,还可以实施“视角对视角”配准。)根据一些实施例,总是一次获取至少两个视角,其中一个视角是所有获取的视角所共有的。
图3呈现子操作320c的流程图,子操作320c是子操作220c的特定实施例。根据一些实施例,子操作320c可以包括对协方差矩阵(其构成噪声值集合)的计算。根据一些实施例,协方差矩阵的计算可以基于在子操作220b中计算的对应差异值集合和/或在晶片的初步扫描时获得的扫描数据。协方差矩阵中的非对角区块中的项包括跨视角协方差(与不同(相邻)的子区域相对应的子图像之间的跨视角协方差以及与同一子区域相对应的子图像之间的跨视角协方差)。根据一些此类实施例,在子操作220c中确定子区域是否包括缺陷(或缺陷的一部分)可以包括:
-子操作320c1,将第一向量v(其分量包括与子区域相对应的差异值集合中的差异值)乘以对应协方差矩阵C的逆以获得第二向量u。(注意,与子区域相对应的差异值集合也包括与相邻的子区域相关的差异值。)
-子操作320c2,取第二向量u与第三向量k(例如与子区域相对应的预定的核(kernel))的标量积。第三向量k的分量可以表征将会在(理想上)基本上没有晶片噪声的情况下获得的差异图像中出现的特定类型的(多个)缺陷——子区域疑似至少部分地包括所述特定类型的(多个)缺陷——的特征标记(signature)。
-子操作320c3,在子操作320c3中检查标量积是否超过预定阈值B,如果超过,则将子区域标记为包括缺陷(或缺陷的一部分)。
图4A-4G呈现根据一些实施例的图3的子操作中涉及的计算中所使用的代数表示。图4A中示出了对于子图像的数量为n且视角的数量为m的情况的第一向量v。v因此包括n×m个分量。(注意,向量v、u和k中的每一者被定义为列向量。)v的每个分量可以由一对索引i和j来标记,其中索引i=1、2、…、n表示子图像(例如像素),索引j=1、2、…、m表示视角。因此,如图4A中所定义,v的前n个分量(即v11、v12、…、v1n)表示第一视角中的(n个子图像的)差异值。类似地,v的分量n+1到2n(即v21、v22、…、v2n)表示第二视角中的差异值,以此类推。向量v因此由m个图4B中所示的n分量向量vj所“组成”。vj中的每一者与不同的视角(其由索引j标记)相对应。
也参照图5A和图5B,图5A示出了在所考虑的像素pi(i=1、2、…、9)的数量为九的情况下,枚举像素(更一般而言是子图像)的可能方式,并且因此示出v(以及C和k)中的项的顺序。除了中心像素p5(其是要分析的像素)以外,还示出了八个最接近它的像素。(中心像素的)像素值集合不仅包括与中心像素相关的值,也包括与八个周围的像素相关的值。
图5B示出了在所考虑的像素pj(j=1、2、…、5)的数量为五的情况下,枚举像素(更一般而言是子图像)的可能方法,并且因此示出v(以及C和k)中的项的顺序。除了中心像素p1以外,还示出了四个最接近它的像素。(中心像素的)像素值集合不仅包括与中心像素相关的值,也包括与四个最接近的相邻像素相关的值。
图4C中示出了协方差矩阵C。对于上面第一向量v内的分量(即如图4A和图4B中所定义的)的排列选择而言,C采取其中C由m×m个较小的矩阵Cab(a=1、2、…、m;b=1、2、…、m)所“组成”的结构,使得Cab中的每一者是n×n矩阵的协方差矩阵。m Caa(a=1、2、…、m)中的每一者分别与第a个视角相对应,并且在与相同(即第a个)视角相对应的不同子图像之间进行“关联”。“非对角”矩阵Ca,b≠a(即在b≠a时)中的每一者分别在不同视角中(即第a个和第b个视角中)的子图像之间进行“关联”。Cab示于图4D中。
针对相同的情况(即其中子图像的数量为n且视角的数量为m),在图4E中示出了第三向量k。类似于第一向量v,第三向量k由m个图4F中所示的n分量向量kj所“组成”。kj中的每一者与不同的视角(其由索引j标记)相对应。
(在子操作320c1中获得的)第二向量u是(一维矩阵)v与C的逆的矩阵积。在子操作320c3中,检查是否k·u>B。注意,阈值B的值可以取决于预定的核(即取决于子区域所疑似包括或部分包括的(多个)缺陷的特性)。阈值B的值也可以从一个子区域到相邻的子区域变化,这取决于子区域上相应的图案的几何形状。即使在子区域和相邻的子区域各自在尺寸上与像素相对应且各自包括相同缺陷的相应部分时,情况也可能如此。缺陷典型地可以有至少约10nm×10nm的面积,并且可以影响从缺陷周围测量约100nm×100nm(即在给定像素与晶片上约10nm×10nm的面积相对应的情况下与至少约3×3个像素相对应)的区域获得的信号。可以选择阈值B,使得误报(即晶片的没有缺陷的子区域被错误地确定为有缺陷的情况)的百分比不会超过预定义(阈值)比率。
根据一些实施例,为了加速计算,不计算协方差矩阵的非对角项或非对角区块中的一些(例如矩阵Ca,b≠a中的一些)。(如果不计算任何非对角区块,则所涉及的计算相当于计算m个较小的协方差矩阵(例如图4G中针对m=3的情况所示)。m个较小的协方差矩阵中的每一者与视角中的一者相对应,其中m是视角的数量。)
如上所述,第三向量k(即预定的核)表征在没有(或基本上没有)晶片噪声的情况下的缺陷或缺陷家族(即类似缺陷)的特征标记,并且可以通过在存在晶片噪声的情况下将匹配的滤波器应用于缺陷或缺陷家族的特征标记来获得,以便最大化信噪比。根据一些实施例,第三向量k表征子区域所疑似包括(或部分包括)的特定类型的缺陷的特征标记。
根据一些实施例,预定的核可以基于以下项目中的一者或多者来导出:(i)实施在已知包括一个或多个缺陷的晶片区域上的实验测量;(ii)来自缺陷的光散射的计算机仿真;(iii)描述缺陷行为的物理模型;以及(iv)设计为提供优化的核的机器学习算法。
根据一些实施例,可能已知一些视角对展现出比其他视角对更弱的关联性(例如基于初步扫描时获得的扫描数据)。根据一些此类实施例,在子操作320c中,不计算与已知展现出较弱的关联性的视角对相对应的区块中的项以加快分析。
根据一些实施例,除了协方差之外,可以考虑到联合概率分布的较高矩(其与在操作110中由成像器所获得的测得值相关)作为子操作220c中对子区域是否包括(或部分包括)缺陷的确定的一部分。例如,根据一些实施例,可以考虑到偏度和/或峰度。
虽然上面实施例中的一些涉及使用光学扫描来实施方法100,但如已经提及的,根据一些实施例,方法100也可以使用扫描电子显微镜(SEM)来实施。根据一些此类实施例,多重视角包括(多个)照射电子束(e-beam)的至少一个强度、(多个)返回的电子束的至少一个强度、(多个)照射电子束的至少一个自旋、(多个)返回的电子束的至少一个自旋、(多个)照射电子束的一个或多个入射角和(多个)返回的电子束的一个或多个收集角中的两者或更多者。
根据一些替代实施例,方法100可以使用原子力显微镜(AFM)来实施。根据一些此类实施例,多重视角可以包括不同类型的AFM尖端、不同的分接(tapping)模式和/或在不同的谐振频率下应用AFM。
根据其中由成像器所提供的图像分辨率(即像素尺寸)可能高于所需(例如在使用SEM或AFM来实施方法100时)的一些实施例,或者为了加速晶片分析,可以对与差异图像的子图像内的像素相对应的差异值对求平均以获得与子图像相对应的单个(“粗粒度的”)差异值。在此类实施例中,与子区域相对应的差异值集合可以包括多重视角中的每一者中的与子区域的子图像相关的平均差异值以及与相邻子区域的子图像相关的平均差异值。(每个平均差异值是通过对与构成相应的子图像的像素相关的差异值求平均来获得的)。然后,可以基于平均差异值来计算协方差矩阵,由此潜在地允许显著减轻计算负载。
***
根据一些实施例的一方面,提供了一种用于获得和分析晶片的多视角扫描数据的计算机化***。图6是根据一些实施例的此类计算机化***(计算机化***600)的框图。***600包括扫描设备602和扫描数据分析模块604。
扫描设备602被配置为在多重视角(例如上面在方法小节中列出的多重视角)中的每一者中扫描晶片。根据一些实施例,可以同时获得或基本上同时获得与多重视角中的两者或更多者相关的扫描数据。附加地或替代地,根据一些实施例,可以将扫描设备602配置为扫描晶片,一次一个视角(其来自多重视角)。也就是说,可以将扫描设备602配置为在视角之间切换。
扫描数据分析模块604被配置为(i)接收由扫描设备602所获得的多视角扫描数据,以及(ii)执行多视角扫描数据的整合分析,如下面进一步详述。
根据一些实施例,扫描设备602包括平台612、控制器614、成像器616(成像装置)和光学设备618。扫描设备602由双点虚线框划定以指示其中的部件(例如平台612和成像器616)可以彼此分离,例如在不被包括在共同的壳体中的意义上彼此分离。
平台612被配置为在其上安置要检验的样本,诸如晶片620(或光学掩模)。晶片620可以是图案化的,但是技术人员将理解,方法100也可以用来检测裸晶片中的缺陷。根据一些实施例,平台612可以是可移动的,如下面阐述。成像器616可以包括配置为照射晶片620的一个或多个发光器(例如可见光和/或紫外线光源)。进一步地,成像器616可以包括一个或多个光检测器。特别地,成像器616可以应用收集技术,包括亮场收集、灰场收集等等。光学设备618可以包括光学滤波器(例如空间滤波器、偏振滤波器、傅里叶滤波器)、分束器(例如偏振分束器)、反射镜、透镜、棱镜、栅状体、偏转器、反射器、孔径等等,这些设备被配置为允许获得与多个视角相关的扫描数据。根据一些实施例,可以将光学设备618配置为允许在不同视角之间切换扫描设备602。例如,光学设备618可以包括配置为设定发射(照明)的光的偏振和/或选择收集(返回)的光的偏振的偏振滤波器和/或分束器。
更具体地,根据一些实施例,光学设备618可以包括配置成进行以下操作的光学部件的任何布置:确定(设定)来自成像器616的辐射源的辐射束的一个或多个光学性质(诸如形状、扩散、偏振)以及入射辐射束的轨迹线。根据一些实施例,光学设备618可以进一步包括配置成进行以下操作的光学部件的任何布置:在检测一个或多个返回的辐射束(例如由晶片620镜像反射或从晶片620漫射地散射的射束)之前选择(例如通过滤波来选择)一个或多个返回的辐射束的一个或多个光学性质,以及在一个或多个返回的射束从晶片620返回时选择由一个或多个返回的射束所遵循的轨迹线。根据一些实施例,光学设备618可以进一步包括配置为朝向成像器616的检测器引导一个或多个返回的辐射束的光学部件。
控制器614可以在功能上与平台612、成像器616和光学设备618以及扫描数据分析模块604相关联。更具体地,控制器614被配置为在晶片的扫描期间控制和同步上面列出的模块和部件的操作和功能。例如,平台612被配置为支撑检验的样本(诸如晶片620),以及沿着由控制器614所设定的轨迹线机械地平移检验的样本,控制器614也控制成像器616。
扫描数据分析模块604包括计算机硬件(一个或多个处理器,诸如图像和/或图形处理器单元,以及易失性和非易失性的存储器部件;未示出)。计算机硬件被配置为基本上如上面在方法小节中所述地分析晶片620上的区域的从成像器616所接收的多视角扫描数据,以确定缺陷的存在。
扫描数据分析模块604可以进一步包括模数(信号)转换器(ADC)和取帧器(未示出)。可以将ADC配置为从成像器616接收模拟图像信号。每个模拟图像信号可以与来自多重视角的不同视角相对应。可以将ADC进一步配置为将模拟图像信号转换成数字图像信号,并向取帧器传送数字图像信号。可以将取帧器配置为从数字图像信号获得扫描的晶片(例如晶片620)上的扫描区域的数字图像(区块图像或图像帧)。每个数字图像可以处于多重视角中的一者。可以将取帧器进一步配置为向处理器和/或存储器部件中的一者或多者传送数字图像。
更具体地,可以将扫描数据分析模块604配置为:
-基于从成像器616所接收的扫描区域的扫描数据和可以存储在(多个)存储器部件中的对应参考数据来产生多重视角中的每一者中的差异值集合。基本上如上面在方法小节中在图2的说明中所述,每个差异值集合与扫描区域的子区域(例如“像素”)相对应。
-基本上如上面在方法小节中在图2的说明中以及在图3的说明中根据***600的一些实施例所述,针对每个子区域,至少基于对应的差异值集合和相应的噪声值集合来确定子区域是否有缺陷。
根据一些实施例,基本上如上面在方法小节中在图2的说明中以及在图3的说明中根据***600的一些实施例所述,可以将扫描数据分析模块604配置为:针对每个差异值集合且至少基于所述差异值集合,产生对应的噪声值集合。根据一些实施例,噪声值集合的产生可以至少基于晶片的(多个)初步扫描中获得的扫描数据,其中晶片的代表性区域被扫描。
根据一些实施例,对子区域是否有缺陷的确定可以考虑到子区域所疑似包括或部分包括的(多个)缺陷的类型而实施。特别地,所述确定可以涉及计算协方差矩阵,并且可以进一步包括涉及预定的核和对应的阈值的计算,所述预定的核表征在基本上没有晶片噪声的情况下(多个)疑似缺陷类型的特征。
根据附图中未描绘的一些替代实施例,提供了一种用于获得和分析晶片的多视角扫描数据的计算机化***。所述***可以与***600类似,但不同之处至少在于利用(多个)电子束而不是电磁辐射来照射晶片。在此类实施例中,***的成像器可以包括扫描电子显微镜。
根据附图中未描绘的一些替代实施例,提供了一种用于获得和分析晶片的多视角扫描数据的计算机化***。所述***可以与***600类似,但不同之处至少在于利用原子力显微镜而不是基于光学的成像器。
图7A示意性地描绘计算机化***700,计算机化***700是***600的特定实施例。***700包括辐射源722、多个检测器724,辐射源722和多个检测器724一起构成成像器(或形成成像器的一部分),所述成像器是***600的成像器616的特定实施例。***700进一步包括扫描数据分析模块704,扫描数据分析模块704是***600的扫描数据分析模块604的特定实施例。***700进一步包括分束器732和物镜734,分束器732和物镜734一起构成光学设备(或形成光学设备的一部分),所述光学设备是***600的光学设备618的特定实施例。还示出了平台712(其是***600的平台612的特定实施例)和安置在平台712上的晶片720。
还指示了物镜734的光轴O。光轴O与z轴平行地延伸。
在操作中,光由辐射源722发射。朝向分束器732引导光,光中的一些光通过分束器732透射。透射光被物镜734聚焦在晶片720上,以便在晶片720上形成照明点S。返回的光(其经历从晶片720镜像反射)朝向物镜734引导回来,并通过物镜734朝向分束器732折射。返回的光的一部分(其已经经由物镜734折射)被分束器732朝向检测器724反射。
为了便于说明,指示了一对光线的轨迹线。更具体地,第一光线L1和第二光线L2指示由辐射源722发射的光线。第三光线L3和第四光线L4指示在(在从晶片712散射并通过物镜734折射之后)已经从分束器732反射之后朝向检测器724行进的(返回的)光线。第三光线L3构成第一光线L1的一部分,所述部分在通过分束器732透射并且随后被分束器732反射之后仍然存在。第四光线L4构成第二光线L2的一部分,所述部分在通过分束器732透射并且随后被分束器732反射之后仍然存在。
还指示了分段光瞳740(分段孔径,所述分段孔径也形成光学设备的一部分)。分段光瞳740可以定位在光瞳平面上,并且检测器724可以定位在与光瞳平面共轭的平面上。分段光瞳740被分成多个光瞳段(或子孔径)。光瞳的分段允许将到达光瞳的返回的射束(例如从晶片反射的光束)分离成子束,这根据子束中的每一者的相应返回角来进行,使得每个光瞳段将与不同的视角相对应。也就是说,由分段光瞳740所产生的视角中的每一者与不同的收集角相对应。
作为非限制性示例,在图7A中,分段光瞳740被示为分成九个光瞳段740a到740i,它们以正方形阵列布置,并且检测器724包括九个对应的检测器724a到724i。***700被配置为使得到达光瞳段中的每一者的光(其源自辐射源722,并且已经历从晶片720镜像反射)继续从所述光瞳段朝向来自检测器724的相应检测器。也就是说,穿过第一光瞳段740a的光由第一检测器724a感测,穿过第二光瞳段740b的光由第二检测器724b感测,以此类推。因此,检测器724中的每一者分别被配置为感测以不同角度返回的光。
根据一些实施例,光学设备可以进一步包括用于引导穿过光瞳段中的每一者的光的光学引导机构(未示出)。可以将光学引导机构配置为确保穿过光瞳段的光被引导到相应的(目标)检测器(其来自检测器724),而不会“泄漏”到其他的检测器。
根据一些实施例,并且如图7A中所描绘,可以将光学设备配置为使得从辐射源722(直接)到达物镜734的光作为准直光束到达那里。晶片720可以定位在或基本上定位在物镜734的焦平面处,使得入射在晶片720上的光线在晶片720上形成照明点S,照明点S可以小至约100纳米。
来自准直光束的已经通过物镜734折射的不同光线可以以不同的角度入射在晶片720上。第一光线L1的折射部分以第一入射角θ1(即由折射部分与光轴O形成的角度)入射在晶片720上,并且第二光线L2的折射部分以第二入射角θ2入射在晶片720上。为了便于说明,假设θ2等于θ1,使得从物镜734到晶片720的第二光线L2的折射部分所遵循的轨迹线被从晶片720反射之后的第一光线L1的折射部分反向遵循。同样地,从物镜734到晶片720的第一光线L1的折射部分遵循的轨迹线被从晶片720反射之后的第二光线L2的折射部分反向遵循。
因此,在上下文没有歧义时,θ2可以用来指第一光线L1的折射部分离开晶片720的反射(返回)角,而不是指第二光线L2的折射部分在晶片720上的入射角。类似地,在上下文没有歧义时,θ1可以用来指第二光线L2的折射部分离开晶片720的反射(返回)角,而不是第一光线L1的折射部分在晶片720上的入射角。
注意,不仅入射角可以与多视角晶片分析相关,方位角也可以与多视角晶片分析相关,特别是在晶片720是图案化的时候(由于由图案相对于晶片表面引入的一个或多个不对称性)。也就是说,由入射光线在晶片表面上的“投影”与参数化晶片表面(的横向维度)的正交坐标系的x轴形成的角度。在图7B中,指示了入射在晶片720上的光线Li的入射角(或极角)θi和第一方位角还指示了从晶片720反射的光线Lr的反射角(或极角)θr=θi和第二方位角/>
根据一些实施例,***700可以进一步包括用于感测光的基础结构(例如适当地定位的检测器),所述光已经从晶片720漫射地散射(特别地是由物镜734产生的光锥之外的光线)。根据一些实施例,可以将***700配置为使用基于感测的灰场散射光来产生的图像作为(多个)附加视角和/或参考图像以用于视角对视角的配准。
基本上如关于***600的扫描数据分析模块604所描述,扫描数据分析模块704被配置为从检测器724接收扫描数据,并基于所述扫描数据确定扫描区域是否包括一个或多个缺陷。来自检测器724a到724i中的每一者的扫描数据可以分别用来产生差异图像I1到I9,每个差异图像处于不同的视角。
因为在图7A中,分段光瞳740被描绘为包括九个光瞳段,来自检测器724的检测器与所述光瞳段中的每一者相对应,所以视角的数量为九。因此,与晶片上的第一“像素”(即与图像像素相对应的尺寸的子区域)相关联的差异值集合包括9×(N+1)个元素(差异值),其中N是考虑到的相邻像素的数量。也就是说,N是其差异值被包括在与第一像素相关联的差异值集合中的相邻像素的数量。例如,在相邻像素的数量为八时(基本上如图5A中所描绘),差异值集合包括81个元素。(预定的核也包括81个元素)。那么,协方差矩阵是81×81的矩阵。
虽然在图7A中,光瞳段被描绘为具有相等的形状和尺寸,但要理解,一般而言,分段光瞳740的不同光瞳段的形状和/或尺寸可以彼此不同。特别地,根据一些实施例,不同的光瞳段的不同之处可以在于面积(即光瞳段的与zx平面平行的横向维度)以及光瞳段的相应纵向延伸(例如光瞳段的入口和/或出口的y坐标可以从一个光瞳段到另一个光瞳段变化)。
图8示意性地描绘计算机化***800,计算机化***800是***600的特定实施例。***800与***700类似,但不同之处在于包括将从晶片返回的光分离成不同的偏振的光学部件,由此允许使视角数量加倍。更具体地,***800包括辐射源822、第一多个检测器824和第二多个检测器826,辐射源822、第一多个检测器824和第二多个检测器826一起构成成像器(或形成成像器的一部分),所述成像器是***600的成像器616的特定实施例。***800进一步包括扫描数据分析模块804,扫描数据分析模块804是***600的扫描数据分析模块604的特定实施例。***800进一步包括第一分束器832、物镜834、第二分束器836、第一分段光瞳840和第二分段光瞳850,它们一起构成光学设备(或形成光学设备的一部分),所述光学设备是***600的光学设备618的特定实施例。第二分束器836是偏振分束器。还示出了平台812(其是***600的平台612的特定实施例)和安置在平台812上的晶片820。
根据一些实施例,辐射源822可以与辐射源722类似,并且多个检测器824和826中的每一者可以与多个检测器724类似。第一分束器832和物镜834可以与分束器732和物镜734类似,并且分段光瞳840和850中的每一者可以与分段光瞳740类似。
基本上如上面关于***700所述,在操作中,由辐射源822发射的光束的一部分通过第一分束器832透射、由物镜834聚焦(以在晶片820上形成照明点S')、由晶片820返回、再次由物镜834聚焦并从第一分束器832反射。从第一分束器832反射的返回光束的部分朝向第二分束器836行进,并且被第二分束器836分成不同偏振的两道光束(例如s偏振光和p偏振光):第一偏振光束和第二偏振光束。第一偏振光束朝向第一分段光瞳840和第一多个检测器824行进,并且第二偏振光束朝向第二分段光瞳850和第二多个检测器826行进(使得光瞳段与偏振的每个组合都分配有检测器)。
指示由辐射源822发射的光线的轨迹线的箭头未被编号。
基本上如关于***600的扫描数据分析模块604所描述,扫描数据分析模块804被配置为从检测器824和检测器826接收扫描数据,并基于所述扫描数据确定扫描区域是否包括一个或多个缺陷。来自第一检测器824a到824i中的每一者的扫描数据可以分别用来产生差异图像J1到J9,每个差异图像处于不同的视角。来自第二检测器826a到826i中的每一者的扫描数据可以分别用来产生差异图像J10到J18,每个差异图像处于不同的视角(且处于与差异图像J1到J9不同的偏振)。因此,可以从每一对表征从晶片820返回的光线的极角和方位角获得两个不同视角中的两个差异图像:与第一偏振相对应的第一差异图像以及与第二偏振相对应的第二偏振。
因为在图8中,分段光瞳840和850中的每一者被描绘为包括九个光瞳段,来自检测器824和检测器826的检测器分别与所述光瞳段中的每一者相对应,所以视角数量为十八。因此,与晶片上的第一“像素”相关联的差异值集合包括18×(N'+1)个元素(差异值),其中N'是考虑到的相邻像素的数量。例如,在相邻像素的数量为八时,差异值集合包括162个元素。(预定的核也包括162个元素)。那么,协方差矩阵是162×162的矩阵。
图9示意性地描绘计算机化***900,计算机化***900是***600的特定实施例。***900包括辐射源922、第一检测器924、第二检测器926和第三检测器928,它们一起构成成像器(或形成成像器的一部分),所述成像器是***600的成像器616的特定实施例。***900进一步包括扫描数据分析模块904,扫描数据分析模块904是***600的扫描数据分析模块604的特定实施例。***900进一步包括第一分束器932、物镜934、第二分束器936、第三分束器938、第一偏振器942和第二偏振器944,它们一起构成光学设备(或形成光学设备的一部分),所述光学设备是***600的光学设备618的特定实施例。未示出检测器924、926和928中的每一者之前的(未分段)光瞳。还示出了平台912(其是***600的平台612的特定实施例)和安置在平台912上的晶片920。
第一偏振器942定位在第二检测器926之前,并且第二偏振器944定位在第三检测器928之前。第一偏振器942被配置为过滤出第一偏振的光,并且第二偏振器944被配置为过滤出第二偏振的光,第二偏振与第一偏振不同。
基本上如上面关于***700所述,在操作中,由辐射源922发射的光束的一部分通过第一分束器932透射、由物镜934聚焦(以在晶片920上形成照明点S”)、由晶片920返回、再次由物镜934聚焦并从第一分束器932反射。从第一分束器932反射的返回光束的部分朝向第二分束器936行进,并且通过第二分束器936分成第一返回子束和第二返回子束。第一返回子束构成经由第二分束器936透射的返回光束的部分。第二返回子束构成由第二分束器936反射的返回光束的部分。
第一返回子束朝向第一检测器924行进且由第一检测器924感测。第二返回子束朝向第三分束器938行进且由第三分束器938分成透射部分和反射部分。透射部分朝向第一偏振器942行进,并且反射部分朝向第二偏振器944行进。偏振器942和944可以以不同的角度对准,使得第二检测器926和第三检测器928中的每一者感测不同偏振的光。因此,可以将检测器924、926和928配置为提供足以完全表征返回光束(其从晶片920反射)的偏振的读数。
指示由辐射源922发射的光线的轨迹线的箭头未被编号。
基本上如关于***600的扫描数据分析模块604所描述,扫描数据分析模块904被配置为从检测器924、926和928接收扫描数据,并基于所述扫描数据确定扫描区域是否包括一个或多个缺陷。来自检测器924、926和928中的每一者的扫描数据可以分别用来产生差异图像K1、K2和K3,每个差异图像处于不同的视角。
因为不像***700和800的光瞳,***900的光瞳(未示出)是不分段的,所以视角的数量为三(每个检测器一个视角)。因此,与晶片上的第一“像素”相关联的差异值集合包括3×(N″+1)个元素(差异值),其中N″是考虑到的相邻像素的数量。例如,在相邻像素的数量为八时,差异值集合包括27个元素。(预定的核也包括27个元素)。那么,协方差矩阵是27×27的矩阵。
注意,根据一些实施例,可以用单个偏振分束器代替第三分束器938与第一偏振器942和第二偏振器944的组合。
模拟结果
此小节描述模拟结果,其展示上述方法(例如方法100)和***的功效。图10A呈现通过仿真计算机化***(诸如***700)获得的多视角扫描数据。多视角扫描数据包括(仿真的)晶片的正方形区域的九个图像(由罗马数字I到IX列举),每个图像处于不同的视角。除了所述区域的中心中(即中心像素处)的变形(可能由灰尘颗粒所引入)以外,所述区域被认为是均匀的。所述区域的尺度被设定为1μm2。图像I到IX中的每一者是与不同收集角相对应的强度图像(其可以通过分段光瞳(诸如分段光瞳740)的方式来获得)。还指示了在从黑色到白色范围内的强度标度,黑色与零(I=0)或最小强度相对应,白色与最大强度读数(I=Imax)或以上的强度读数相对应。
在图像I到IX中的每一者中,中心像素的强度通常从一个像素到下一个像素变化,而且平均上看起来既不比周围的像素更亮也不比周围的像素更暗。换言之,在图像中的任一者中,缺陷对于肉眼来说都不明显,即使在将图像一起并排观看时也是如此。
如上面解释的,在量sij大于对应的阈值时,可以将像素确定为有缺陷,其中sij=kij·((Cij)-1vij),并且索引i和j标记像素(i和j分别表示像素的行和列)。这里,vij是与第(i,j)个像素相对应的第一向量,Cij是与第(i,j)个像素相对应的协方差矩阵,并且kij是与第(i,j)个像素相对应的第三向量(核)。
图10B是在未考虑到跨视角协方差时与仿真区域相对应的sij的图形表示。这实际上相当于将Cij的非对角区块设定为零。sij根据由i和j所假定的值以正方形阵列来布置。(注意,因为根据其“裸设计”,仿真区域旨在是均匀的,所以可以将所有像素的阈值B取为是相同的,并且通过从sij减去B不会获得额外的信息。)还指示了标度s=k·(C-1v),其在从黑色到白色的范围内,黑色与s=smin相对应,白色与s=smax相对应。
图10C是在有考虑到跨视角协方差(即Cij的所有分量都被计算)时与仿真区域相对应的sij的图形表示。
图10B中围绕中心像素(其与有缺陷的像素相对应)绘制虚线圆圈D,其中中心像素由箭头d所指示。图10C中围绕中心像素绘制虚线圆圈D′,其中中心像素由箭头d′所指示。很容易看出,中心像素看起来在图10C中比在图10B中亮得多,即缺陷信号在图10C中比在图10B中强得多,证明了所公开的方法的改进的缺陷检测能力。考虑跨视角协方差将信噪比从≈0.7增大到≈2.2。
根据一些实施例的一方面,提供了一种用于获得关于样本(例如晶片)的区域的信息的方法。所述方法包括以下步骤:
-通过成像器获得区域的多个图像。多个图像彼此的不同之处可以在于从以下项目选出的至少一个参数:照明光谱、收集光谱、照明偏振、收集偏振、照明角、收集角和感测类型(例如强度、相位、偏振)。获得多个图像的步骤包括照明(照射)区域并收集来自区域的辐射。区域包括多个区域像素(即区域包括多个子区域,子区域中的每一者具有与像素相对应的尺寸)。
-接收或产生多个参考图像。
-通过图像处理器(例如扫描数据分析模块)产生多个差异图像,所述差异图像代表多个图像与多个参考图像之间的差异。
-针对多个区域像素中的每个区域像素(即区域中的每个像素)计算区域像素属性集合(像素值集合)。计算基于多个差异图像的像素来进行。
-基于多个区域像素的多个区域像素属性集合(即基于与多个区域像素中的每一者相对应的像素值集合)来计算噪声属性集合。注意,协方差矩阵(及其逆)是表征噪声的统计性质的数字的集合。那些统计性质一般可以称为“属性”。将协方差矩阵用作统计性质是特定的非限制性实施例。
-基于噪声属性集合与像素的区域像素属性集合之间的关系来针对每个区域像素确定区域像素是否代表缺陷。
根据所述方法的一些实施例,确定区域像素是否代表缺陷的步骤还响应于实际缺陷的属性集合而进行。
根据所述方法的一些实施例,确定区域像素是否代表缺陷的步骤还响应于估计缺陷的属性集合而进行。
根据所述方法的一些实施例,所述方法包括以下步骤:通过计算协方差矩阵来计算噪声属性集合。
根据所述方法的一些实施例,计算协方差矩阵的步骤包括:针对每个区域像素计算协方差值集合,所述协方差值集合代表区域像素的区域像素属性集合的不同属性之间(即不同视角之间)的协方差,以及基于多个区域像素的多个协方差值集合来计算给定的协方差矩阵。
根据所述方法的一些实施例,在计算协方差矩阵之后,将协方差矩阵的逆用于进一步的计算。将协方差矩阵的逆与代表感兴趣的缺陷(而不是噪声)的属性集合相乘。
根据所述方法的一些实施例,所述方法进一步包括以下步骤:针对每个区域像素,通过将以下项目之间的乘法的乘积与阈值(例如阈值B)进行比较来确定区域像素是否代表缺陷:(i)区域像素的属性集合(例如第一向量v)、(ii)与影响区域像素的属性集合的噪声相对应的协方差矩阵的逆(例如矩阵C-1 )、以及(iii)感兴趣的缺陷的属性集合。
根据所述方法的一些实施例,区域像素的像素属性集合包括关于区域像素和区域像素的相邻区域像素的数据。
根据所述方法的一些实施例(例如如图7A和图8中所示),成像器包括用于产生多个图像的多个检测器,并且所述方法进一步包括以下步骤:分配不同的检测器以检测来自(分段光瞳的)多个光瞳段中的不同光瞳段的辐射。
根据所述方法的一些实施例,多个光瞳段中的不同光瞳段超过四个光瞳段。
根据所述方法的一些实施例(例如如图8中所示),成像器包括用于产生多个图像的多个检测器,并且所述方法进一步包括以下步骤:分配不同的检测器来检测来自(a)偏振与(b)多个光瞳段中的不同光瞳段的不同组合的辐射。
根据所述方法的一些实施例,所述方法包括以下步骤:在相同的时间点获得多个图像。
根据所述方法的一些实施例,所述方法包括以下步骤:在不同的时间点获得多个图像。
根据所述方法的一些实施例,所述方法进一步包括以下步骤:对缺陷进行分类。
根据所述方法的一些实施例,所述方法进一步包括以下步骤:确定缺陷是否是感兴趣的缺陷或不是感兴趣的缺陷。
根据一些实施例的一方面,提供了一种用于获得关于样本的区域(例如晶片上的区域)的信息的计算机化***。所述***包括成像器,所述成像器包括光学器件和图像处理器。成像器被配置为获得区域的多个图像。多个图像彼此的不同之处可以在于从以下项目选出的至少一个参数:照明光谱、收集光谱、照明偏振、收集偏振、照明角和收集角。获得多个图像的步骤包括照明区域并收集来自区域的辐射。区域包括多个区域像素。计算机化***被配置为接收或产生多个参考图像。图像处理器被配置为:
-产生代表多个图像与多个参考图像之间的差异的多个差异图像。
-针对多个区域像素中的每个区域像素计算区域像素属性集合。区域像素属性集合是基于多个差异图像的像素来计算的。
-基于多个区域像素的多个区域像素属性集合来计算噪声属性集合。
-针对每个区域像素,基于噪声属性集合与像素的区域像素属性集合之间的关系来确定区域像素是否代表缺陷。
根据一些实施例的一方面,提供了一种存储指令的非暂时性计算机可读介质,所述指令使计算机化***进行以下操作:
-通过(如上所述的)计算机化***的成像器获得对象(例如晶片上的区域)的区域的多个图像。多个图像彼此的不同之处在于从以下项目选出的至少一个参数:照明光谱、收集光谱、照明偏振、收集偏振、照明角、收集角和感测类型。获得多个图像的步骤包括照明区域并收集来自区域的辐射。区域包括多个区域像素。
-接收或产生多个参考图像。
-通过计算机化***的图像处理器产生多个差异图像,所述差异图像代表多个图像与多个参考图像之间的差异。
-针对多个区域像素中的每个区域像素计算区域像素属性集合,其中计算步骤基于多个差异图像的像素来进行。
-基于多个区域像素的多个区域像素属性集合来计算噪声属性集合。
-针对每个区域像素,基于像素的噪声属性集合与区域像素属性集合之间的关系来确定区域像素是否代表缺陷。
虽然本公开内容聚焦于对晶片的扫描和检验,但技术人员将理解,所公开的方法和***也可适用于检测晶片制造中所使用的光学掩模中的不规则性(“掩模检验”)。
如本文中所使用的,根据一些实施例,术语“收集通道”和“检测通道”可以可互换地使用。根据一些实施例,符号“V数据”、“Cov”和“V缺陷”可以分别用来指示第一向量v、协方差矩阵C和第三向量k。
如本文中所使用的,根据一些实施例,术语“群组”可以不仅指多个元素(例如部件、特征),也可以指单个元素。在后一种情况下,群组可以称为“单成员群组”。
应理解,本公开内容的为了清楚起见而在分开的实施例的上下文中描述的某些特征也可以在单个实施例中组合地提供。相反地,本公开内容的为了简明起见而在单个实施例的上下文中描述的各种特征也可以在本公开内容的任何其他描述的实施例中单独地提供或以任何合适的子组合提供或以适当方式提供。在实施例的上下文中所描述的特征都不被认为是所述实施例的必要特征,除非有明确地如此指定。
虽然根据一些实施例的方法的操作可能以特定的序列来描述,但本公开内容的方法也可以包括以不同顺序实现的所述操作中的一些或全部。本公开内容的方法可以包括所述操作中的一些或所有所述操作。所公开的方法中的特定操作都不被认为是所述方法的必要操作,除非有明确地如此指定。
虽然本公开内容是结合其特定实施例描述的,但显然可存在本领域技术人员可以理解的许多替代、修改和变型。相应地,本公开内容包含了落在所附权利要求书的范围内的所有此类替代、修改和变型。要理解,本公开内容在其应用方面不一定限于本文中所阐述的部件和/或方法的构造细节和布置。可以实行其他的实施例,并且可以以各种方式实现实施例。
本文中所采用的措词和术语是出于描述的目的,并且不应被认为是限制性的。本申请中对任何参考的引用或标识不应被解释为承认此类参考可用作本公开内容的现有技术。在本文中使用章节标题来简化对说明书的理解,并且不应被解释为必然的限制。
Claims (20)
1.一种用于检测样本上的缺陷的方法,所述方法包括以下步骤:
获得多重视角中的样本的第一区域的扫描数据;以及
执行对获得的所述扫描数据的整合分析,所述整合分析包括:
基于获得的所述扫描数据来计算跨视角协方差,和/或估计所述跨视角协方差;以及
在考虑到所述跨视角协方差的情况下,确定所述第一区域中的缺陷的存在。
2.如权利要求1所述的方法,其中所述样本是图案化的晶片。
3.如权利要求1所述的方法,其中所述多重视角包括以下项目中的两者或更多者:一个或多个照射射束的一个或多个入射角、一个或多个收集的射束的一个或多个收集角、所述一个或多个照射射束的至少一个强度、以及所述一个或多个收集的射束的至少一个强度,以及上述项目的兼容组合。
4.如权利要求1所述的方法,其中所述方法是基于光学的,并且其中所述多重视角包括以下项目中的两者或更多者:一个或多个照明角、所述照明辐射的强度、照明偏振、照明波前、照明光谱、所述照明光束的一个或多个焦点偏移、一个或多个收集角、所述收集的辐射的强度、收集偏振、所述一个或多个收集的射束的相位、亮场通道、灰场通道、返回的光的傅里叶滤波、以及选自强度、相位或偏振的感测类型,以及上述项目的兼容组合。
5.如权利要求1所述的方法,其中所述整合分析包括:
针对所述第一区域的多个子区域中的每一者,基于所述多重视角中的每一者中的所述第一区域的获得的所述扫描数据和对应的参考数据,来产生所述多重视角中的每一者中的差异值;以及
至少基于与所述子区域和相邻于所述子区域的子区域相对应的所述差异值以及与所述子区域和相邻的所述子区域相对应的噪声值,来确定所述多个子区域中的每一者是否有缺陷,所述噪声值包括来自所述跨视角协方差的对应协方差。
6.如权利要求5所述的方法,进一步包括以下步骤:基于获得的所述扫描数据和所述参考数据来产生所述多重视角中的每一者中的所述第一区域的差异图像,并且其中与来自所述多个子区域的每个子区域相对应的所述差异值是从所述差异图像的与所述子区域相对应的子图像导出的和/或表征所述子图像。
7.如权利要求5所述的方法,其中所述噪声值是至少基于所述差异值来计算的。
8.如权利要求5所述的方法,其中所述确定所述多个子区域中的每一者是否有缺陷的步骤包括:
产生协方差矩阵,所述协方差矩阵包括与所述子区域和相邻于所述子区域的所述子区域相对应的所述噪声值;
将包括与所述子区域和相邻的所述子区域相对应的所述差异值的第一向量乘以所述协方差矩阵的逆,以获得第二向量;
计算所述第二向量与第三向量的标量积,所述第三向量的分量包括表征缺陷的值;以及
如果所述标量积大于预定阈值,则将所述子区域标记为有缺陷。
9.如权利要求5所述的方法,其中所述多个子区域中的至少一者具有与单个像素相对应的尺寸。
10.如权利要求1所述的方法,其中所述跨视角协方差是至少基于在所述样本的初步扫描时获得的扫描数据来估计的,在所述初步扫描中对所述样本的区域进行取样,每个取样的区域代表所述样本的区域群组,其中取样的所述区域中的至少一者代表所述第一区域。
11.如权利要求1所述的方法,进一步包括以下步骤:在确定了缺陷的存在时,确定所述缺陷是否是感兴趣的缺陷,并且可选地,在所述缺陷被确定为是感兴趣的时候,对所述缺陷进行分类。
12.如权利要求1所述的方法,其特征在于,关于多个附加区域中的每一者进行重复,以便扫描由所述第一区域和所述附加区域形成的所述样本的较大的区域。
13.一种用于获得和分析样本的多视角扫描数据的计算机化***,所述***包括:
扫描设备,所述扫描设备被配置为扫描多重视角中的样本的区域;以及
扫描数据分析模块,所述扫描数据分析模块被配置为执行对所述扫描中所获得的扫描数据的整合分析,所述整合分析包括:
基于获得的所述扫描数据来计算跨视角协方差,和/或估计所述跨视角协方差;以及
在考虑到所述跨视角协方差的情况下,确定所述区域中的缺陷的存在。
14.如权利要求13所述的***,其中所述扫描设备包括基于光学的成像器,并且其中所述多重视角包括以下项目中的两者或更多者:一个或多个照明角、所述照明辐射的强度、照明偏振、照明波前、照明光谱、所述照明光束的一个或多个焦点偏移、一个或多个收集角、所述收集的辐射的强度、收集偏振、所述一个或多个收集的射束的相位、亮场通道、灰场通道、返回的光的傅里叶滤波、以及选自强度、相位或偏振的感测类型,以及上述项目的兼容组合。
15.如权利要求13所述的***,其中所述整合分析包括:
针对所述区域的多个子区域中的每一者,基于所述多重视角中的每一者中的所述区域的获得的所述扫描数据和对应的参考数据,来产生所述多重视角中的每一者中的差异值;以及
至少基于与所述子区域和相邻于所述子区域的子区域相对应的所述差异值以及与所述子区域和相邻的所述子区域相对应的噪声值,来确定所述多个子区域中的每一者是否有缺陷,所述噪声值包括来自所述跨视角协方差的对应协方差。
16.如权利要求15所述的***,其中所述扫描数据分析模块被进一步配置为:基于获得的所述扫描数据和所述参考数据来产生所述多重视角中的每一者中的所述区域的差异图像,并且其中与来自所述多个子区域的每个子区域相对应的所述差异值是从所述差异图像的与所述子区域相对应的子图像导出的和/或表征所述子图像。
17.如权利要求15所述的***,其中所述确定所述多个子区域中的每一者是否有缺陷的步骤包括:
产生协方差矩阵,所述协方差矩阵包括与所述子区域和相邻于所述子区域的所述子区域相对应的所述噪声值;
将包括与所述子区域和相邻的所述子区域相对应的所述差异值的第一向量乘以所述协方差矩阵的逆,以获得第二向量;
计算所述第二向量与第三向量的标量积,所述第三向量的分量包括表征缺陷的值;以及
如果所述标量积大于预定阈值,则将所述子区域标记为有缺陷。
18.一种存储指令的非暂时性计算机可读存储介质,所述指令使样本分析***进行以下操作:
扫描多重视角中的样本的区域;以及
执行对所述扫描中所获得的扫描数据的整合分析,所述整合分析包括:
基于获得的所述扫描数据来计算跨视角协方差,和/或估计所述跨视角协方差;以及
在考虑到所述跨视角协方差的情况下,确定所述区域中的缺陷的存在。
19.如权利要求18所述的存储介质,其中所述多重视角包括以下项目中的两者或更多者:一个或多个照明角、所述照明辐射的强度、照明偏振、照明波前、照明光谱、所述照明光束的一个或多个焦点偏移、一个或多个收集角、所述收集的辐射的强度、收集偏振、所述一个或多个收集的射束的相位、亮场通道、灰场通道、返回的光的傅里叶滤波、以及选自强度、相位或偏振的感测类型,以及上述项目的兼容组合。
20.如权利要求18所述的存储介质,其中所述整合分析包括:
针对所述区域的多个子区域中的每一者,基于所述多重视角中的每一者中的所述区域的获得的所述扫描数据和对应的参考数据,来产生所述多重视角中的每一者中的差异值;以及
至少基于与所述子区域和相邻于所述子区域的子区域相对应的所述差异值以及与所述子区域和相邻的所述子区域相对应的噪声值,来确定所述多个子区域中的每一者是否有缺陷,所述噪声值包括来自所述跨视角协方差的对应协方差。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/010,746 US11815470B2 (en) | 2019-01-17 | 2020-09-02 | Multi-perspective wafer analysis |
US17/010,746 | 2020-09-02 | ||
PCT/US2021/048935 WO2022051551A1 (en) | 2020-09-02 | 2021-09-02 | Multi-perspective wafer analysis |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116368377A true CN116368377A (zh) | 2023-06-30 |
Family
ID=80491432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180067312.2A Pending CN116368377A (zh) | 2020-09-02 | 2021-09-02 | 多视角晶片分析 |
Country Status (4)
Country | Link |
---|---|
KR (1) | KR20230056781A (zh) |
CN (1) | CN116368377A (zh) |
TW (1) | TW202221314A (zh) |
WO (1) | WO2022051551A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101171506A (zh) * | 2005-05-06 | 2008-04-30 | 恪纳腾技术公司 | 晶片边缘检测 |
CN107003249A (zh) * | 2014-11-04 | 2017-08-01 | 科磊股份有限公司 | 晶片缺陷发现 |
US20180106723A1 (en) * | 2012-06-26 | 2018-04-19 | Kla-Tencor Corporation | Scanning in angle-resolved reflectometry and algorithmically eliminating diffraction from optical metrology |
US20190304851A1 (en) * | 2018-03-30 | 2019-10-03 | Nanometrics Incorporated | Sample inspection using topography |
CN110603626A (zh) * | 2017-05-23 | 2019-12-20 | 科磊股份有限公司 | 使用差异图像的晶片检验 |
US20200232934A1 (en) * | 2019-01-17 | 2020-07-23 | Applied Materials Israel, Ltd. | Multi-perspective wafer analysis |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8223327B2 (en) * | 2009-01-26 | 2012-07-17 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer |
JP2011047724A (ja) * | 2009-08-26 | 2011-03-10 | Hitachi High-Technologies Corp | 欠陥検査装置およびその方法 |
JP5498189B2 (ja) * | 2010-02-08 | 2014-05-21 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
JP5921990B2 (ja) * | 2012-08-23 | 2016-05-24 | 株式会社ニューフレアテクノロジー | 欠陥検出方法 |
-
2021
- 2021-09-02 WO PCT/US2021/048935 patent/WO2022051551A1/en active Application Filing
- 2021-09-02 TW TW110132620A patent/TW202221314A/zh unknown
- 2021-09-02 CN CN202180067312.2A patent/CN116368377A/zh active Pending
- 2021-09-02 KR KR1020237010768A patent/KR20230056781A/ko unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101171506A (zh) * | 2005-05-06 | 2008-04-30 | 恪纳腾技术公司 | 晶片边缘检测 |
US20180106723A1 (en) * | 2012-06-26 | 2018-04-19 | Kla-Tencor Corporation | Scanning in angle-resolved reflectometry and algorithmically eliminating diffraction from optical metrology |
CN107003249A (zh) * | 2014-11-04 | 2017-08-01 | 科磊股份有限公司 | 晶片缺陷发现 |
CN110603626A (zh) * | 2017-05-23 | 2019-12-20 | 科磊股份有限公司 | 使用差异图像的晶片检验 |
US20190304851A1 (en) * | 2018-03-30 | 2019-10-03 | Nanometrics Incorporated | Sample inspection using topography |
US20200232934A1 (en) * | 2019-01-17 | 2020-07-23 | Applied Materials Israel, Ltd. | Multi-perspective wafer analysis |
Also Published As
Publication number | Publication date |
---|---|
KR20230056781A (ko) | 2023-04-27 |
TW202221314A (zh) | 2022-06-01 |
WO2022051551A1 (en) | 2022-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200232934A1 (en) | Multi-perspective wafer analysis | |
US11815470B2 (en) | Multi-perspective wafer analysis | |
TWI677679B (zh) | 在雷射暗場系統中用於斑點抑制之方法及裝置 | |
JP5199539B2 (ja) | 焦点ずれ検出のためのマルチスペクトル技術 | |
KR101338837B1 (ko) | 결함 검사 방법 및 그 장치 | |
JP5570530B2 (ja) | ウェハー上の欠陥検出 | |
JP6617143B2 (ja) | 構造情報を用いた欠陥検出システム及び方法 | |
JP4996856B2 (ja) | 欠陥検査装置およびその方法 | |
US7664608B2 (en) | Defect inspection method and apparatus | |
JP5182090B2 (ja) | 欠陥検出装置及び欠陥検出方法 | |
US11790510B2 (en) | Material testing of optical test pieces | |
WO2010073453A1 (ja) | 欠陥検査方法及びその装置 | |
TWI497032B (zh) | 缺陷檢查裝置 | |
CN111164646A (zh) | 用于大型偏移裸片对裸片检验的多步骤图像对准方法 | |
WO2012035852A1 (ja) | 欠陥検査方法及びその装置 | |
EP2587313B1 (en) | Optical measurement system and method for measuring critical dimension of nanostructure | |
Liu et al. | Microscopic scattering imaging measurement and digital evaluation system of defects for fine optical surface | |
TWI778258B (zh) | 缺陷偵測之方法、系統及非暫時性電腦可讀媒體 | |
KR20100110321A (ko) | 검사 장치 및 검사 방법 | |
US9702827B1 (en) | Optical mode analysis with design-based care areas | |
TW201945721A (zh) | 結合模擬及光學顯微鏡以判定檢查模式 | |
Yang et al. | Surface defects evaluation system based on electromagnetic model simulation and inverse-recognition calibration method | |
CN116368377A (zh) | 多视角晶片分析 | |
US20220237758A1 (en) | Methods and systems for analysis of wafer scan data | |
US20130250297A1 (en) | Inspection apparatus and inspection system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |