JP7402061B2 - 試験片の調査の方法およびそのシステム - Google Patents

Description

本開示の主題は、一般に、試験片の調査の分野に関し、より詳細には、試験片上の欠陥検出の方法およびシステムに関する。

現在、製作されたデバイスの超大規模集積に関連して高い密度および性能が求められていることで、特徴をミクロン以下にすること、トランジスタおよび回路の速度を増大させること、ならびに信頼性を改善することが必要とされている。半導体プロセスが進化するにつれて、ライン幅などのパターン寸法および他のタイプの限界寸法も絶えず縮小されている。これは設計ルールとも呼ばれる。そのような要求には、高い精度および均一性を有するデバイス特徴の形成が必要とされ、そのようなデバイス特徴を形成するには、完成したデバイスおよび／または未完成のデバイスの両方を含めて、デバイスが半導体ウエハの形であるときでも、デバイスの頻繁かつ詳細な検査を含む製造プロセスの監視が必要である。

本明細書に使用する「試験片」という用語は、半導体集積回路、磁気ヘッド、フラットパネルディスプレイ、および他の半導体製作品を製造するために使用されるあらゆる種類のウエハ、マスク、および他の構造、これらの組合せおよび／または部分を包含すると広く解釈されたい。

別段の記載がない限り、本明細書に使用する「調査」という用語は、物体内の欠陥のあらゆる種類の検出および／または分類を包含すると広く解釈されたい。調査は、調査すべき物体の製造中または製造後に、たとえば非破壊調査ツールを使用することによって提供される。非限定的な例として、調査プロセスは、１つまたは複数の調査ツールを使用して、物体またはその部分に関連して提供される走査（単一もしくは複数の走査）、サンプリング、再検討、測定、分類、および／または他の動作を含むことができる。同様に、調査は、調査すべき物体の製造前に提供することができ、たとえば調査レシピを生成することを含むことができる。別段の記載がない限り、本明細書に使用する「調査」という用語またはその派生語は、検査される面積のサイズ、走査の速度もしくは分解能、または調査ツールのタイプに関して限定されないことに留意されたい。様々な非破壊調査ツールには、非限定的な例として、光学ツール、走査電子顕微鏡、原子間力顕微鏡などが含まれる。

調査プロセスは、複数の調査ステップを含むことができる。製造プロセス中、これらの調査ステップは、たとえば特定の層の製造または処理後などに、多数回実行することができる。追加または別法として、各調査ステップは、たとえば異なるウエハ位置に対して、または同じウエハ位置に対して異なる調査設定で、複数回繰り返すことができる。

非限定的な例として、ランタイム調査では、２ステップ手順を用いることができ、たとえば試験片の検査に続いて、サンプリングされた欠陥の再検討を行うことができる。検査ステップ中、試験片またはその一部分の表面（たとえば、関心面積、ホットスポットなど）は、典型的に、比較的高速および／または低分解能で走査される。捕捉された検査画像は、欠陥を検出し、その位置および他の検査属性を取得するように分析される。再検討ステップで、検査段階中に検出された欠陥の少なくともいくつかの画像が、典型的に、比較的低速および／または高分解能で捕捉され、それによって欠陥の少なくともいくつかの分類、および任意選択で他の分析を可能にする。いくつかの場合、どちらの段階も同じ検査ツールによって実施することができ、いくつかの他の場合、これら２つの段階は異なる検査ツールによって実施される。

調査は概して、光または電子をウエハへ誘導することによってウエハに対する何らかの出力（たとえば、画像、信号など）を生成し、ウエハからの光または電子を検出することを含む。出力が生成された後、欠陥検出は典型的に、欠陥検出方法および／またはアルゴリズムを出力に適用することによって実行される。ほとんどの場合、調査の目標は、関心欠陥に対する高い感度を提供しながら、ウエハ上の迷惑物およびノイズの検出を抑制することである。

欠陥検出の感度を改善することが、当技術分野で必要とされている。

本明細書に開示する主題の特定の態様によれば、試験片の調査のコンピュータ化システムであって、試験片のダイの検査画像を捕捉し、１つまたは複数の参照画像を使用して検査画像上の欠陥候補分布を示す欠陥マップを生成するように構成された調査ツールと、調査ツールに動作可能に接続された処理ユニットとを備え、処理ユニットは、メモリと、メモリに動作可能に結合されたプロセッサとを備え、処理ユニットは、事前定義された基準に応じて、欠陥マップから複数の欠陥候補を選択し、複数の欠陥候補のそれぞれに対して、それぞれの修正された検査画像パッチを生成して、複数の欠陥候補に対応する複数の修正された検査画像パッチを生じさせるように構成され、生成することは、複数の欠陥候補のうちの所与の欠陥候補に対して、それぞれ検査画像および１つまたは複数の参照画像のそれぞれから所与の欠陥候補の位置を取り囲む画像パッチを抽出して、所与の欠陥候補に対応する検査画像パッチおよび１つまたは複数の参照画像パッチを含む１組の画像パッチを生じさせることと、検査画像パッチを修正して、修正された検査画像パッチを取得することとを含み、取得することは、１組の画像パッチを使用して検査画像パッチ上の強度変動を表すノイズを推定することであり、ノイズが、検査画像パッチの画素値と参照画像パッチの少なくともいくつかの対応する画素値との間の多項式関係を表す第１のタイプのノイズと、参照画像パッチの少なくともいくつかに対する検査画像パッチ内の空間異常の存在を表す第２のタイプのノイズとを含む、推定することと、推定されたノイズに基づいて、第１および第２のタイプのノイズのうちの少なくとも１つを検査画像パッチから除去することとを含み、修正された検査画像パッチおよび／または推定されたノイズは、試験片のさらなる調査のために使用可能である、コンピュータ化システムが提供される。

上記の特徴に加えて、本明細書に開示する主題のこの態様によるシステムは、以下に挙げる特徴（ｉ）～（ｉｘ）のうちの１つまたは複数を、技術的に可能な任意の所望の組合せまたは順列で含むことができる。
（ｉ）処理ユニットは、１つまたは複数の参照画像パッチに対して複数の修正された検査画像パッチを使用して試験片上の欠陥検出を実行し、更新された欠陥マップを生じさせるようにさらに構成することができる。
（ｉｉ）処理ユニットは、欠陥候補を特性化する１組の属性を使用して、欠陥候補クラスタ形成を実行するようにさらに構成することができ、１組の属性は、推定されたノイズの少なくとも１つまたは複数の属性を含む。
（ｉｉｉ）推定することは、１つまたは複数の参照画像パッチのそれぞれに対する空間異常の空間サイズおよび多項式関係の１つまたは複数の係数を推定して、１つまたは複数の参照画像パッチに対応する空間サイズおよび係数の１つまたは複数の推定を生じさせることと、１つまたは複数の推定の少なくともいくつかに基づいて除去を実行することとを含むことができる。
（ｉｖ）推定することは、空間サイズの１つまたは複数の推定を組み合わせて、空間異常の複合推定を生成することと、複合推定を既知の欠陥モデルと比較して、複合推定が検査画像パッチ上の既知の欠陥モデルの存在を表すかどうかを判定することとをさらに含むことができ、除去することは、既知の欠陥モデルの存在の判定に応答して、複合推定に基づいて第２のタイプのノイズを検査画像パッチから除去することを含む。
（ｖ）推定することは、係数の１つまたは複数の推定を組み合わせて、多項式関係の複合推定を生成することをさらに含むことができ、除去することは、複合推定に基づいて第１のタイプのノイズを検査画像パッチから除去することを含む。
（ｖｉ）空間サイズを推定することは、１つまたは複数の参照画像パッチのうちの所与の参照画像パッチに対して、
空間異常の長さ、幅、および振幅をそれぞれ含む空間サイズの異なる推定、ならびに空間異常と同位置にある潜在的な欠陥の振幅の異なる欠陥推定を提供することと、
空間サイズの異なる推定と異なる欠陥推定との間の複数の組合せを使用して、予期の修正された検査画像パッチと所与の参照画像パッチとの間の残留差分をそれぞれ示す複数の推定誤差を計算することであり、予期の修正された画像パッチが、それぞれの組合せを使用して検査画像パッチを修正することによって取得可能である、計算することと、
複数の組合せの中から、複数の推定誤差の中で最小推定誤差を提供する組合せを選択することであり、選択された組合せが空間サイズの選択された推定を含む、選択することとを含むことができる。
（ｖｉｉ）１つまたは複数の係数は、多項式関係の利得およびオフセットを含むことができる。
（ｖｉｉｉ）推定されたノイズの１つまたは複数の属性は、空間サイズおよび係数の１つまたは複数の推定を含むことができる。
（ｉｘ）調査ツールは光学検査ツールとすることができる。

本明細書に開示する主題の別の態様によれば、試験片の調査のコンピュータ化方法であって、調査ツールによって試験片のダイの検査画像を捕捉し、１つまたは複数の参照画像を使用して検査画像上の欠陥候補分布を示す欠陥マップを生成することと、調査ツールに動作可能に接続された処理ユニットによって、事前定義された基準に応じて、欠陥マップから複数の欠陥候補を選択することと、処理ユニットによって、複数の欠陥候補のそれぞれに対して、それぞれの修正された検査画像パッチを生成して、複数の欠陥候補に対応する複数の修正された検査画像パッチを生じさせることとを含み、生成することは、複数の欠陥候補のうちの所与の欠陥候補に対して、それぞれ検査画像および１つまたは複数の参照画像のそれぞれから所与の欠陥候補の位置を取り囲む画像パッチを抽出して、所与の欠陥候補に対応する検査画像パッチおよび１つまたは複数の参照画像パッチを含む１組の画像パッチを生じさせることと、検査画像パッチを修正して、修正された検査画像パッチを取得することとを含み、取得することは、１組の画像パッチを使用して検査画像パッチ上の強度変動を表すノイズを推定することであり、ノイズが、検査画像パッチの画素値と参照画像パッチの少なくともいくつかの対応する画素値との間の多項式関係を表す第１のタイプのノイズと、参照画像パッチの少なくともいくつかに対する検査画像パッチ内の空間異常の存在を表す第２のタイプのノイズとを含む、推定することと、推定されたノイズに基づいて、第１および第２のタイプのノイズのうちの少なくとも１つを検査画像パッチから除去することとを含み、修正された検査画像パッチおよび／または推定されたノイズは、試験片のさらなる調査のために使用可能である、コンピュータ化方法が提供される。

開示する主題のこの態様は、システムに関して上記に挙げた特徴（ｉ）～（ｉｘ）のうちの１つまたは複数を、必要な変更を加えて、技術的に可能な任意の所望の組合せまたは順列で含むことができる。

本明細書に開示する主題の別の態様によれば、コンピュータによって実行されたとき、コンピュータに試験片の調査の方法を実行させる命令のプログラムを有形に実施する非一時的コンピュータ可読記憶媒体であって、この方法は、調査ツールによって試験片のダイの検査画像を捕捉し、１つまたは複数の参照画像を使用して検査画像上の欠陥候補分布を示す欠陥マップを生成することと、調査ツールに動作可能に接続された処理ユニットによって、事前定義された基準に応じて、欠陥マップから複数の欠陥候補を選択することと、処理ユニットによって、複数の欠陥候補のそれぞれに対して、それぞれの修正された検査画像パッチを生成して、複数の欠陥候補に対応する複数の修正された検査画像パッチを生じさせることとを含み、生成することは、複数の欠陥候補のうちの所与の欠陥候補に対して、それぞれ検査画像および１つまたは複数の参照画像のそれぞれから所与の欠陥候補の位置を取り囲む画像パッチを抽出して、所与の欠陥候補に対応する検査画像パッチおよび１つまたは複数の参照画像パッチを含む１組の画像パッチを生じさせることと、検査画像パッチを修正して、修正された検査画像パッチを取得することとを含み、取得することは、１組の画像パッチを使用して検査画像パッチ上の強度変動を表すノイズを推定することであり、ノイズが、検査画像パッチの画素値と参照画像パッチの少なくともいくつかの対応する画素値との間の多項式関係を表す第１のタイプのノイズと、参照画像パッチの少なくともいくつかに対する検査画像パッチ内の空間異常の存在を表す第２のタイプのノイズとを含む、推定することと、推定されたノイズに基づいて、第１および第２のタイプのノイズのうちの少なくとも１つを検査画像パッチから除去することとを含み、修正された検査画像パッチおよび／または推定されたノイズは、試験片のさらなる調査のために使用可能である、非一時的コンピュータ可読記憶媒体が提供される。

開示する主題のこの態様は、システムに関して上記に挙げた特徴（ｉ）～（ｉｘ）のうちの１つまたは複数を、必要な変更を加えて、技術的に可能な任意の所望の組合せまたは順列で含むことができる。

本発明を理解し、本発明を実際にどのように実施することができるかが分かるように、実施形態について、非限定的な例としてのみ、添付の図面を参照して次に説明する。

本明細書に開示する主題の特定の実施形態による試験片の調査のシステムのブロック図である。 本明細書に開示する主題の特定の実施形態による試験片の調査の概略流れ図である。 本明細書に開示する主題の特定の実施形態による画像パッチ抽出の概略図である。 本明細書に開示する主題の特定の実施形態による検査画像パッチの画素と参照画像パッチの対応する画素との間の多項式関係を例示する概略グラフである。 本明細書に開示する主題の特定の実施形態による参照画像パッチと比較した検査画像パッチ上の第１のタイプのノイズ、第２のタイプのノイズ、および欠陥の存在を示す概略グラフである。 本明細書に開示する主題の特定の実施形態による複数の参照画像パッチに対応する欠陥および空間異常の複数の推定を示す概略グラフである。 本明細書に開示する主題の特定の実施形態による既知の欠陥モデルおよび空間異常の画素分布の例示的な図である。 本明細書に開示する主題の特定の実施形態による欠陥再検出前に生成された欠陥マップおよび再検出後に生成された対応する更新された欠陥マップの一例を示す図である。 本明細書に開示する主題の特定の実施形態による図８の誤警報８０８に対応する検査画像パッチの例示的な修正を示す図である。

以下の詳細な説明では、本発明の徹底的な理解を提供するために、多数の特有の詳細について述べる。しかし、本明細書に開示する主題は、これらの特有の詳細がなくても実施することができることが、当業者には理解されよう。他の例では、本明細書に開示する主題を曖昧にしないために、よく知られている方法、手順、構成要素、および回路は詳細に説明しない。

別段の記載がない限り、以下の議論から明らかなように、本明細書の議論全体にわたって、「調査する」、「捕捉する」、「生成する」、「選択する」、「抽出する」、「修正する」、「推定する」、「除去する」、「実行する」、「組み合わせる」、「比較する」、「判定する」、「提供する」、「計算する」などの用語を利用することで、データを他のデータに操作および／または変形するコンピュータの動作および／またはプロセスを指し、そのようなデータは、電子的などの物理的な数量として表され、かつ／またはそのようなデータは、物理的な物体を表すことが理解される。「コンピュータ」という用語は、非限定的な例として、本出願に開示する試験片およびその部分の調査のコンピュータ化システム、ならびにそのシステム内の処理ユニットを含む、データ処理能力を有するあらゆる種類のハードウェアベースの電子デバイスを包含すると広く解釈されたい。

本明細書に使用する「非一時的メモリ」および「非一時的記憶媒体」という用語は、本明細書に開示する主題に好適な任意の揮発性または不揮発性のコンピュータメモリを包含すると広く解釈されたい。

本明細書に使用する「欠陥」という用語は、試験片上または試験片内に形成されたあらゆる種類の異常または望ましくない特徴もしくはボイドを包含すると広く解釈されたい。

本明細書に使用する「設計データ」という用語は、試験片の階層的な物理設計（レイアウト）を示す任意のデータを包含すると広く解釈されたい。設計データは、それぞれの設計者によって提供することができ、かつ／または物理設計（たとえば、複雑なシミュレーション、簡単な幾何およびブール演算などによる）から導出することができる。設計データは、非限定的な例として、ＧＤＳＩＩ形式、ＯＡＳＩＳ形式などの異なる形式で提供することができる。設計データは、ベクトル形式、グレースケール強度画像形式などで提示することができる。

別段の記載がない限り、別個の実施形態の文脈で記載されている本明細書に開示する主題の特定の特徴を、単一の実施形態において組み合わせて提供することもできることが理解される。逆に、単一の実施形態の文脈で記載されている本明細書に開示する主題の様々な特徴を、別個に、または任意の好適な部分的組合せで提供することもできる。以下の詳細な説明では、方法および装置の徹底的な理解を提供するために、多数の特有の詳細について述べる。

これを念頭に、本明細書に開示する主題の特定の実施形態による試験片の調査のシステムのブロック図を示す図１に注目する。

図１に示すシステム１００は、試験片（たとえば、ウエハ、ウエハ上のダイ、および／またはその部分）の調査に使用することができる。上述したように、本明細書に使用する「試験片」という用語は、半導体集積回路、磁気ヘッド、フラットパネルディスプレイ、および他の半導体製作品を製造するために使用されるあらゆる種類のウエハ、マスク、レティクル、および他の構造、これらの組合せおよび／または部分を包含すると広く解釈されたい。特定の実施形態によれば、本明細書に使用する試験片は、ウエハ、レティクル、マスク、集積回路、およびフラットパネルディスプレイ（または少なくともその一部）を含む群から選択することができる。

例示のみを目的として、以下の説明の特定の実施形態は、ダイおよびウエハに関して提供される。実施形態は、同様に、試験片の他のタイプ、サイズ、および表現にも当てはまる。

特定の実施形態によれば、システム１００は、１つもしくは複数の調査ツール１２０を備えることができ、または１つもしくは複数の調査ツール１２０に動作可能に接続することができる。本明細書に使用する「調査ツール」という用語は、非限定的な例として、試験片またはその部分に関連して提供される撮像、走査（単一もしくは複数の走査）、サンプリング、再検討、測定、分類、および／または他のプロセスを含む調査関係プロセスで使用することができるあらゆるツールを包含すると広く解釈されたい。１つまたは複数の調査ツール１２０は、１つもしくは複数の検査ツールおよび／または１つもしくは複数の再検討ツールを含むことができる。いくつかの場合、調査ツール１２０の少なくとも１つは、試験片（たとえば、ウエハ全体、ダイ全体、またはその部分）を走査して、潜在的な欠陥の検出のために検査画像を（典型的に、比較的高速および／または低分解能で）捕捉するように構成された検査ツールとすることができる。いくつかの場合、調査ツール１２０の少なくとも１つは、検査ツールによって検出された欠陥の少なくともいくつかの再検討画像を捕捉して、潜在的な欠陥が実際に欠陥であるかどうかを確認するように構成された再検討ツールとすることができる。そのような再検討ツールは通常、ダイの断片を、一度に１つずつ（典型的に、比較的低速および／または高分解能で）検査するように構成される。検査ツールおよび再検討ツールは、同じ位置もしくは異なる位置に位置する異なるツール、または２つの異なるモードで動作する単一のツールとすることができる。いくつかの場合、少なくとも１つの調査ツールが、計量能力を有することができる。

本開示の範囲を何らかの形で限定するものではないが、調査ツール１２０は、光学撮像機械、電子ビーム検査機械などの様々なタイプの検査機械として実施することができることにも留意されたい。

特定の実施形態によれば、調査ツール１２０は、試験片のダイの検査画像を捕捉するように構成することができる。調査ツール１２０は、１つまたは複数の参照画像を使用して検査画像上の欠陥候補分布を示す欠陥マップを生成するようにさらに構成することができる。検査画像は、異なる調査モダリティから得ることができ、本開示は、画像を生成するために使用される検査および計量技術によって限定されるものではない。いくつかの実施形態では、調査ツール１２０は、試験片を走査して画像を捕捉するように構成された検査ツールとすることができる。図２に関してさらに詳細に説明するように、いくつかの場合、試験片の捕捉された画像は、欠陥候補分布（すなわち、関心欠陥（ＤＯＩ）である確率が高い試験片上の疑わしい位置）を示す欠陥マップを生成するように処理することができる（たとえば、画像処理モジュールによって処理することができ、その機能は、調査ツール１２０もしくは処理ユニット１０２内に組み込むことができ、または独立型のコンピュータとして実施することができる）。

本明細書に使用する「関心欠陥（ＤＯＩ）」という用語は、使用者が関心を持つ検出すべきあらゆる本当の欠陥を指す。たとえば、収率損失を引き起こす可能性のあるあらゆる「キラー」欠陥をＤＯＩとして示すことができ、対照的に迷惑になるタイプの欠陥は、同様に本当の欠陥であるが収率に影響することはなく、したがって無視されるべきである。

本明細書に使用する「ノイズ」という用語は、あらゆる望ましくないまたは関心のない欠陥（非ＤＯＩまたは迷惑物とも呼ばれる）、ならびに検査中の様々な変動（たとえば、プロセスの変動、色の変動、機械的および電気的な変動など）によって引き起こされるランダムノイズを含むと広く解釈されたい。

システム１００は、処理ユニット１０２を備えることができ、処理ユニット１０２は、入出力インターフェース１２６および調査ツール１２０に動作可能に接続される。処理ユニット１０２は、図２を参照して以下でさらに詳述するシステム１００を動作させるために必要なすべての処理を提供するように構成された処理回路である。処理ユニット１０２は、プロセッサ（別個に図示せず）およびメモリ（別個に図示せず）を備える。処理ユニット１０２のプロセッサは、処理ユニット内に含まれる非一時的コンピュータ可読メモリ上で実施されるコンピュータ可読命令に応じて、いくつかの機能モジュールを実行するように構成することができる。以下、そのような機能モジュールは、処理ユニット１０２内に含まれるものとして参照される。

処理ユニット１０２内に含まれる機能モジュールは、互いに動作可能に接続されたパッチ抽出モジュール１０４およびパッチ修正モジュール１０６を備えることができる。パッチ修正モジュール１０６は、互いに動作可能に接続されたノイズ推定モジュール１０８およびノイズ除去モジュール１１０を備えることができる。処理ユニット１０２は、事前定義された基準に応じて、欠陥マップから複数の欠陥候補を選択し、複数の欠陥候補のそれぞれに対して、それぞれの修正された検査画像パッチを生成し、複数の欠陥候補に対応する複数の修正された検査画像パッチを生じさせるように構成することができる。

具体的には、複数の欠陥候補のうちの所与の欠陥候補に対して、パッチ抽出モジュール１０４は、それぞれ検査画像および１つまたは複数の参照画像のそれぞれから所与の欠陥候補の位置を取り囲む画像パッチを抽出して、所与の欠陥候補に対応する検査画像パッチおよび１つまたは複数の参照画像パッチを含む１組の画像パッチを生じさせるように構成することができる。パッチ修正モジュール１０６は、検査画像パッチを修正して、修正された検査画像パッチを取得するように構成することができる。特定の実施形態によれば、検査パッチの修正は、次のように実行することができる。ノイズ推定モジュール１０８は、１組の画像パッチを使用して検査画像パッチ上の強度変動を表すノイズを推定するように構成することができ、ノイズは、検査画像パッチの少なくともいくつかの画素と参照画像パッチの少なくともいくつかの対応する画素との間の多項式関係を表す第１のタイプのノイズと、参照画像パッチの少なくともいくつかに対する検査画像パッチ上の空間異常の存在を表す第２のタイプのノイズとを含み、ノイズ除去モジュール１１０は、推定されたノイズに基づいて、第１および第２のタイプのノイズのうちの少なくとも１つを検査画像パッチから除去するように構成することができる。

特定の実施形態によれば、修正された検査画像パッチおよび／または推定されたノイズは、試験片のさらなる調査のために使用可能とすることができる。例として、修正された検査画像パッチを調査ツール１２０および／または任意の他の調査ツールおよび／または処理ユニット１０２（その場合、処理ユニット１０２は、欠陥検出モジュール（図１には図示せず）をさらに備えることができる）へ提供し、１つまたは複数の参照画像パッチに対する試験片上の欠陥検出を実行して、更新された欠陥マップを生じさせるために使用することができる。いくつかの実施形態では、修正された検査画像パッチは、結果を描画するためにコンピュータベースのグラフィカルユーザインターフェース（ＧＵＩ）１２４へ送ることができる。別の例として、図２を参照して以下でさらに詳細に説明するように、推定されたノイズを特性化する１つまたは複数の属性を、調査ツール１２０および／または任意の他の調査ツールおよび／または処理ユニット１０２へ提供し、欠陥候補を特性化する１組の属性の一部として使用することができ、１組の属性は、欠陥候補クラスタ形成を実行するために使用することができる。

特定の実施形態によれば、システム１００は、記憶ユニット１２２を備えることができる。記憶ユニット１２２は、システム１００を動作させるために必要な任意のデータ、たとえばシステム１００の入力および出力に関係するデータ、ならびにシステム１００によって生成される中間処理結果を記憶するように構成することができる。例として、記憶ユニット１２２は、調査ツール１２０によって作られた１つまたは複数の画像および／またはその派生物（たとえば、これらの画像に対応する欠陥マップ）を記憶するように構成することができる。したがって、１つまたは複数の画像および／または欠陥マップは、記憶ユニット１２２から検索し、処理ユニット１０２へさらなる処理のために提供することができる。追加または別法として、記憶ユニット１２２は、１組の画像パッチ、推定されたノイズ（その属性）、および／または修正された検査画像パッチを記憶するように構成することができ、これらを記憶ユニット１２２から検索し、調査ツール１２０および／または任意の他の調査ツールおよび／または処理ユニット１０２へさらなる処理のために提供することができる。

いくつかの場合、システム１００は、調査ツール１２０および／または処理ユニット１０２によって作られたデータ（および／またはその派生物）を記憶するように構成された１つまたは複数の外部データリポジトリ（図１には図示せず）に動作可能に接続することができる。

いくつかの実施形態では、システム１００は、任意選択で、システム１００に関係する使用者指定入力を可能にするように構成されたコンピュータベースのグラフィカルユーザインターフェース（ＧＵＩ）１２４を備えることができる。たとえば、試験片のダイに対して捕捉された検査画像および／または対応する欠陥マップなど、試験片の視覚表現（たとえば、ＧＵＩ１２４の一部を形成するディスプレイによる）を、使用者に提示することができる。ＧＵＩを介して、特定の動作パラメータを定義する選択肢を使用者に提供することができる。使用者はまた、たとえば修正された画像パッチおよび／または推定されたノイズ、ならびに他の動作結果などのいくつかの処理結果を、ＧＵＩ上で見ることができる。

図１では、調査ツール１２０がシステム１００の一部として実施されることを示すが、特定の実施形態では、システム１００の機能を独立型のコンピュータとして実施することができ、調査ツール１２０とともに動作するように調査ツール１２０に動作可能に接続することができることに留意されたい。そのような場合、試験片の欠陥マップは、調査ツール１２０から直接、または１つまたは複数の中間システムを介して、受け取ることができ、処理ユニット１０２へさらなる処理のために提供することができる。いくつかの実施形態では、システム１００のそれぞれの機能は、少なくとも部分的に、１つまたは複数の調査ツール１２０に組み込むことができ、それによって調査関係プロセスにおける調査ツール１２０の機能を容易にして強化することができる。そのような場合、システム１００の構成要素、またはその少なくとも一部が、調査ツール１２０の一部を形成することができる。一例として、パッチ抽出モジュール１０４および／またはパッチ修正モジュール１０６は、調査ツール１２０の一部として実施することができ、または調査ツール１２０の一部として組み込むことができる。別の例として、処理ユニット１０２および記憶ユニット１２２は、それぞれ調査ツール１２０の処理ユニットおよび記憶ユニットの一部を形成することができ、調査ツール１２０の入出力インターフェースおよびＧＵＩは、入出力インターフェース１２６およびＧＵＩ１２４として機能することができる。

本明細書に開示する主題の教示は、図１に示すシステムによって拘束されるものではなく、同等および／または修正済みの機能を別の形に統合または分割することができ、ソフトウェアとファームウェアおよびハードウェアとの任意の適当な組合せで実施することができることが、当業者には容易に理解されよう。

図１に示すシステムは、分散された演算環境で実施することができ、図１に示す前述の機能モジュールは、いくつかの局所および／または遠隔デバイスに分散させることができ、通信ネットワークを介してリンクすることができることに留意されたい。調査ツール１２０、記憶ユニット１２２、およびＧＵＩ１２４は、図１でシステム１００の一部であるものとして示されているが、いくつかの他の実施形態では、前述のユニットの少なくともいくつかは、システム１００の外部にあるものとして実施することができ、入出力インターフェース１２６を介してシステム１００とデータ通信して動作するように構成することができることにさらに留意されたい。

図２を次に参照すると、本明細書に開示する主題の特定の実施形態による試験片の調査の概略流れ図が示されている。

試験片のダイの検査画像を捕捉することができ（２０２）（たとえば、調査ツール１２０による）、１つまたは複数の参照画像を使用して検査画像上の欠陥候補分布を示す欠陥マップを生成することができる。上述したように、検査画像は、異なる調査モダリティから得ることができ、本開示は、画像を生成するために使用される検査および計量技術によって限定されるものではない。いくつかの実施形態では、調査ツールは、試験片を走査して検査画像を捕捉するように構成された光学検査ツールとすることができる。

欠陥マップは、様々な形で生成することができる（たとえば、検出モジュールおよび／または画像処理モジュールにより、その機能は、調査ツール１２０または処理ユニット１０２内に組み込むことができる）。いくつかの実施形態では、欠陥マップは、捕捉された検査画像の画素値に検出閾値を直接適用することによって生成することができる。いくつかの他の実施形態では、検査画像は、欠陥マップを生成するためにさらに処理することができる。検査画像の処理および欠陥マップの生成に異なる検査および検出方法を適用することもでき、本開示は、本明細書に使用される特有の検出技術によって限定されるものではない。例示のみを目的として、検査画像に基づいた欠陥検出および欠陥マップ生成のいくつかの非限定的な例について次に説明する。

いくつかの実施形態では、各検査画像に対して、１つまたは複数の参照画像を欠陥検出のために使用することができる。参照画像は、様々な形で取得することができ、本明細書に使用する参照画像の数およびそのような画像を取得する方法は、本開示を何らかの形で限定すると解釈されるべきではない。いくつかの場合、１つまたは複数の参照画像は、同じ試験片の１つまたは複数のダイ（たとえば、検査ダイの隣接ダイ）から捕捉することができる。いくつかの他の場合、１つまたは複数の参照画像は、別の試験片（たとえば、現在の試験片とは異なるが同じ設計データを共用する第２の試験片）の１つまたは複数のダイから捕捉された１つまたは複数の画像を含むことができる。例として、ダイ－履歴（Ｄ２Ｈ）検査方法では、現在の時間（たとえば、ｔ＝ｔ’）に現在の試験片から検査画像を捕捉することができ、１つまたは複数の参照画像は、基線時間（たとえば、以前の時間ｔ＝０）に第２の試験片上の１つまたは複数のダイから捕捉された１つまたは複数の以前の画像を含むことができる。いくつかのさらなる実施形態では、１つまたは複数の参照画像は、１つまたは複数のダイのうちの所与のダイを表す少なくとも１つの模擬画像を含むことができる。例として、模擬画像は、ダイの設計データ（たとえば、ＣＡＤデータ）に基づいて生成することができる。

いくつかの実施形態では、検査画像の画素値と１つまたは複数の参照画像から導出された画素値との間の差分に基づいて、少なくとも１つの差分画像を生成することができる。任意選択で、少なくとも１つの差分画像に基づいて、少なくとも１つのグレード画像を生成することもできる。いくつかの場合、グレード画像は、差分画像内の対応する画素値および事前定義された差分正規化係数に基づいて演算された値を有する画素によって構成することができる。事前定義された差分正規化係数は、画素値の正規母集団の挙動に基づいて判定することができ、差分画像の画素値を正規化するために使用することができる。例として、画素のグレードは、差分画像の対応する画素値と事前定義された差分正規化係数との比として計算することができる。欠陥マップは、少なくとも１つの差分画像または少なくとも１つのグレード画像に基づいて、検出閾値を使用して、疑わしい欠陥の位置を判定することによって生成することができる。

いくつかの実施形態では、生成された欠陥マップは、たとえば欠陥候補の位置、強度、およびサイズなど、検出プロセスによって欠陥マップ上で明らかになった欠陥候補の１つまたは複数の欠陥特性を含む欠陥分布を示すことができる。

複数の欠陥候補は、事前定義された基準に応じて、欠陥マップから選択することができる（２０４）（たとえば、処理ユニット１０２による）。例として、事前定義された基準は、上位グレード（たとえば、グレード画像内のグレードの格付けによる）を有する所定の数の欠陥候補を選択することを含むことができる。別の例として、事前定義された基準は、選択閾値を上回るグレードを有する欠陥候補を選択することを含むことができる。さらに別の例として、事前定義された基準は、参照画像または対応する設計データ（たとえば、ＣＡＤ）の少なくともいくつかを特性化する１つまたは複数の事前定義された属性／パラメータに基づいて、欠陥候補を選択することを含むことができる。たとえば、属性は、画像またはＣＡＤ内で検査されるべき特有の関心パターンを含むことができる。いくつかの場合、事前定義された基準は、前述の基準の１つまたは複数の組合せとすることができる。

複数の欠陥候補のそれぞれに対して、それぞれの修正された検査画像パッチを生成して（２０６）（たとえば、処理ユニット１０２による）、複数の欠陥候補に対応する複数の修正された検査画像パッチを生じさせることができる。具体的には、複数の欠陥候補のうちの所与の欠陥候補に対して、対応する修正された検査画像パッチの生成は、以下にブロック２０８を参照して説明する画像パッチ抽出およびブロック２１０を参照して説明する画像パッチ修正を含むことができる。

具体的には、それぞれ検査画像および１つまたは複数の参照画像のそれぞれから所与の欠陥候補の位置を取り囲む画像パッチを抽出して（２０８）（たとえば、パッチ抽出モジュール１０４による）、所与の欠陥候補に対応する検査画像パッチおよび１つまたは複数の参照画像パッチを含む１組の画像パッチを生じさせることができる。

図３を次に参照すると、本明細書に開示する主題の特定の実施形態による画像パッチ抽出の概略図が示されている。

現在の検査画像３０２が、調査ツールによって捕捉される。欠陥検出は、１つまたは複数の参照画像３０６（参照１～参照Ｎとして示す）を使用して、検査画像３０２上で実行することができ、検査画像３０２上の欠陥候補分布を示す欠陥マップ（説明を簡単にするため、図３では別個に図示せず）を生成することができる。複数の欠陥候補は、事前定義された基準に応じて欠陥マップから選択することができる。選択された候補のそれぞれに対して、それぞれ検査画像３０２および参照画像３０６のそれぞれから周辺の画像パッチを抽出することができる。例として、欠陥候補３０５の場合、この欠陥候補を取り囲む正方形の形状を有する検査画像パッチ３０４を、検査画像３０２から抽出することができる。検査画像パッチ３０４は、対応する１つまたは複数の参照パッチ３０７ともに、欠陥候補３０５に対して生成された１組の画像パッチを構成する。したがって、選択された欠陥候補のそれぞれに対して（Ｍ個の選択された候補があると仮定する）、対応する１組の画像パッチ３０８が生成される（図３では、Ｍ個の選択された候補に対応するＭ組の画像パッチが示されている）。ブロック２１０を参照して以下に説明するように、各組の画像パッチは入力として画像パッチ修正プロセスへ提供される。

図２の説明を続けると、検査画像パッチを修正して（２１０）（たとえば、パッチ修正モジュール１０６による）、修正された検査画像パッチを取得することができる。具体的には、１組の画像パッチを使用して検査画像パッチ上の強度変動を表すノイズを推定することができる（２１２）（たとえば、ノイズ推定モジュール１０８による）。

強度変動は、プロセスの変動および色の変動などを含む（それだけに限定されるものではない）あらゆるタイプの変動によって引き起こされる可能性がある試験片の検査画像間の画素強度差を指すことができる。プロセスの変動は、試験片の製造プロセスの変化によって引き起こされる変動を指すことができる。例として、製造プロセスは、試験片の厚さの変動を引き起こすことがあり、これは反射性に影響を及ぼし、したがって結果として得られる検査画像のグレーレベルに影響を及ぼす。たとえば、ダイとダイの材料厚さの変動の結果、２つのダイ同士の間の反射性が異なる可能性があり、それにより２つのダイの画像に対する背景グレーレベル値が異なる。別の例として、製造プロセスは、異なる検査画像間の特定の構造／パターンのわずかな変位／スケーリングを引き起こすことがあり、その結果、欠陥検出にノイズが生じる。色の変動は、プロセスの変動および／または試験片を検査するために使用される検査ツールによって引き起こされる可能性がある。例として、検査ツールの異なる設定（たとえば、光学モード、検出器など）などの検査ツールの変更が、異なる検査画像内にグレーレベル差を引き起こす可能性がある。

したがって、上述したように、グレーレベル値分布の変動のため、検査画像および参照画像から計算される特定の欠陥属性は異なり、それによって不安定な検査および一貫しない検査結果をもたらす。そのような場合、ＤＯＩがノイズ内に埋もれることがあり、したがって検出感度に影響を及ぼすことがある。

そのような強度変動を表すノイズを実質上推定し、それらのノイズを検査画像／参照画像から除去／解消することによって、本開示はノイズの低減を実現し、したがって欠陥検出感度を大幅に改善することができる。

例示のみを目的として、本開示の特定の実施形態は、検査画像パッチの修正（検査画像パッチ上のノイズ推定および除去による）に関して提供される。実施形態は、対応する参照画像パッチの修正にも同様に該当する（そのようなノイズ推定および除去を参照画像上でも同様に適用することによる）。

本明細書に開示する主題の特定の実施形態によれば、強度変動を表すノイズは、検査画像パッチの画素値と参照画像パッチの少なくともいくつかにおける対応する画素値との間の多項式関係を表す第１のタイプのノイズ、および参照画像パッチの少なくともいくつかに対する検査画像パッチ内の空間異常の存在を表す第２のタイプのノイズという２つのタイプのノイズモデルで表すことができる。第１のタイプのノイズは概して、図４および図５を参照して以下でさらに詳細に例示するように、１つの画像パッチから別の画像パッチへの画素値の体系的な変換（多項式関係によって表される）を表す。そのようなタイプのノイズの一例は、２つの画像パッチ間の背景グレーレベルの変動とすることができる。第２のタイプのノイズは概して、図５を参照して以下でさらに詳細に例示するように、通常は空間パターン／構造を構成する１群の画素の画素値の空間変位／スケーリング（画像パッチ間）を表す。

図４を次に参照すると、本明細書に開示する主題の特定の実施形態による検査画像パッチの画素と参照画像パッチの対応する画素との間の多項式関係を例示する概略グラフが示されている。

図４のＸ軸は、参照画像パッチ内の画素の少なくともいくつかのグレーレベルを示し、Ｙ軸は、現在の検査画像パッチ内の対応する画素のグレーレベルを示す。検査画像パッチは、参照画像パッチに対応する。多項式関係は、ｎ（ｎ＝１，２，３．．．）の次数の多項式関数によって表すことができる。多項式関数は通常、たとえば、

などのように、変数および係数によって表すことができ、上式でｘおよびｙは変数であり、ここで係数は、利得または利得係数とも呼ばれるａ^k、およびオフセットと呼ばれるｂを含む。図４は、検査および参照画像パッチ内の画素のグレーレベル間の二次関数４０２（すなわち、次数２の多項式）の一例を示す。理論上、検査画像パッチおよび参照画像パッチの画素値のグレーレベル間に差分／変動がない場合、これらの関係は、４０４に示すように線形表現ｙ＝ｘとして表されるべきであることが理解されよう。４０２と４０４との間の逸脱は、場合により上述したようにプロセスの変動および／または色の変動によって引き起こされる画素値の多項式変位を表す。

図４に示す例は例示のみを目的とし、本開示を何らかの形で限定すると考えられるべきではないことに留意されたい。上記の代わりに、第１のタイプのノイズの表現の目的で、任意の他のタイプ／次数の多項式関数を使用することもできる。

図５を次に参照すると、本明細書に開示する主題の特定の実施形態による参照画像パッチと比較した検査画像パッチ上の第１のタイプのノイズ、第２のタイプのノイズ、および欠陥の存在を示す概略グラフが示されている。

図５の左側のグラフは、参照画像パッチ（５０２によって示す）の画素値（勾配パターン）および検査画像パッチ（５０４によって示す）の対応する画素値を示す。両方の画像パッチ内にライン構造体が存在する（参照画像パッチ内に５０６、検査画像パッチ内に５０８として示す）。追加として、検査画像パッチ内のライン構造体５０８の上に欠陥５１０が位置する。対応する画素値間の関係を明確に示す目的で、図４に同様に示すように、右側のグラフは座標内の画素値を示し、Ｘ軸は参照画像パッチ内の画素値のグレーレベルを示し、Ｙ軸は現在の検査画像パッチ内の対応する画素値のグレーレベルを示す。右側のグラフから、多項式関数：利得＊勾配＋オフセットによって、検査画像パッチ内の画素値が参照画像パッチから変換されていることを見ることができる（円５０３によって示す）。追加として、参照画像パッチに比べて、検査画像パッチ内の空間異常、すなわち検査画像パッチ内のライン構造体を構成する画素の空間変位が存在する（多項式変換５０３から逸脱した正方形５０５によって示す）。これはまた、左側のグラフからも明白であり、検査画像パッチ内のライン構造体５０８の画素値は、参照画像パッチ内のライン構造体５０６の画素値より比較的高い（多項式変換によって引き起こされる差分に加えて）。ライン構造体上の空間異常と同位置にある欠陥（三角形５０７によって示す）は、空間異常および多項式変換の上のさらなる逸脱を実証する。

特定の実施形態によれば、ブロック２１２に関連するノイズ推定は、１つまたは複数の参照画像パッチのそれぞれに対する空間異常の空間サイズおよび多項式関係の１つまたは複数の係数を推定して、１つまたは複数の参照画像パッチに対応する空間サイズおよび係数の１つまたは複数の推定を生じさせることを含むことができ、ブロック２１４に関連するノイズ除去は、１つまたは複数の推定の少なくともいくつかに基づいて実行することができる。

例として、いくつかの場合、空間異常に対する空間サイズの推定は、１つまたは複数の参照画像パッチのうちの所与の参照画像パッチに対して、空間異常の長さ、幅、および振幅を含む空間サイズの異なる推定を提供し、空間異常と同位置にある潜在的な欠陥の振幅の異なる欠陥推定を提供することと、空間サイズの異なる推定と異なる欠陥推定との間の複数の組合せを使用して、予期の修正された検査画像パッチと所与の参照画像パッチとの間の残留差分をそれぞれ示す複数の推定誤差を計算することであり、予期の修正された画像パッチが、それぞれの組合せを使用して検査画像パッチを修正することによって取得可能である、計算することと、複数の組合せの中から、複数の推定誤差の中で最小推定誤差を提供する組合せを選択することであり、この組合せが空間サイズの選択された推定を含む、選択することとによって実行することができる。

特定の実施形態によれば、空間異常および潜在的な欠陥がどちらも、画像パッチの中心に位置決めされ、それぞれの分布を有すると仮定すると（図７を参照して以下でさらに詳細に図示および説明する）、パラメータ（たとえば、空間異常の長さ、幅、および振幅、ならびに潜在的な欠陥の振幅）の推定の異なる組合せを試すことができ、対応する推定誤差を計算することができる。例として、誤差は、推定された第１のタイプのノイズおよび第２のタイプのノイズに応じて予期の修正された検査画像パッチを計算することによって、たとえば、推定された空間異常を検査画像パッチから引いて（推定された長さ、幅、および振幅を使用）、多項式変換の逆を実行し、次いで参照画像パッチを予期の修正された検査画像パッチから引いて、残留差分を得ることによって推定することができ、この残留差分が推定誤差として働くことができる。いくつかの場合、推定誤差は、残留差分の２乗（そのような場合、２乗誤差とも呼ばれる）とすることができる。誤差を推定するときに推定された空間異常の減算および多項式変換の逆を実行する順序は、本開示の範囲を限定しないことに留意されたい。たとえば、いくつかの場合、多項式変換の逆をまず実行することができ、次いで推定された空間異常の減算が実行される。複数の推定誤差から、最小推定誤差を識別することができ、推定の対応する組合せを選択することができる。選択された組合せは、所与の参照画像パッチに関して検査画像内の空間異常に対する空間サイズの最良の推定として選択することができる空間サイズの推定を含む。

いくつかの実施形態では、多項式関係の１つまたは複数の係数は、空間異常に対する空間サイズの推定とともに推定することができる。例として、上述した推定誤差を計算するとき、多項式変換を逆にして残留差分を計算する必要がある。したがって、この計算を実行するために、多項式関係の係数（たとえば、利得およびオフセット）が必要とされる。同様に、計算を実行するとき、係数の異なる推定を提供することができ、最小推定誤差に対応する推定された係数を選択することができる。

特定の実施形態によれば、１つまたは複数の参照画像パッチに対応する空間サイズおよび係数の１つまたは複数の推定（すなわち、最良の推定）が取得された後、空間サイズの１つまたは複数の推定を組み合わせて、空間異常の複合推定を生成することができる。この複合推定を既知の欠陥モデルと比較して、複合推定が検査画像パッチ上の既知の欠陥モデルの存在を表すかどうかを判定することができる。既知の欠陥モデルの存在の判定に応答して、複合推定に基づいて第２のタイプのノイズを検査画像パッチから除去することができる。

図６を次に参照すると、本明細書に開示する主題の特定の実施形態による複数の参照画像パッチに対応する欠陥および空間異常の複数の推定を示す概略グラフが示されている。

グラフのＸ軸は参照画像パッチ番号（「参照ＩＤ」として示し、この例では１～６の範囲である）。グラフのＹ軸はそれぞれ、欠陥振幅（「欠陥高さ」として示す）、空間異常の振幅（「異常高さ」として示す）、空間異常の長さ（「異常長さＸ」として示す）、空間異常の幅（「異常長さＹ」として示す）、および推定誤差（「２乗誤差」として示す）を示す。各参照画像パッチ１～６に対する、これらのグラフは、上述した計算による最小推定誤差に対応する空間サイズおよび欠陥振幅の選択された最良の推定を示す。例として、参照画像パッチ１の場合、最良の推定では、欠陥の振幅は－４であり（たとえば、負の振幅を有する欠陥は、それがくぼみであることを示すことができる）、空間異常の振幅は－７であり、空間異常のサイズは２＊２．５であり、最良の推定に対応する最小推定誤差は２００であり、これは６つの参照の中で最小の推定誤差である。別の例として、参照画像パッチ２の場合、最良の推定では、欠陥の振幅は０．５であり、空間異常の振幅は２であり、空間異常のサイズは０．９＊０．９であり、最良の推定に対応する最小推定誤差は７００であり、これは６つの参照の中で最大の推定誤差である。

６つの参照画像パッチに対応する６つの最良の推定を組み合わせて、複合推定を生成することができる。たとえば、空間サイズの推定を平均または加重平均することができ、各推定に適用される重みは、それに対応する推定誤差、たとえば推定誤差の逆数に関係する。複合推定と既知の欠陥モデルを比較して、複合推定が検査画像パッチ上の既知の欠陥モデルの存在を表すかどうかを判定することができる。

図７を次に参照すると、本明細書に開示する主題の特定の実施形態による既知の欠陥モデルおよび空間異常の画素分布の例示的な図が示されている。

図示のように、グラフ７０２および７０４は、既知の欠陥モデルの２つの画素分布を示す。例示する欠陥モデルは、通常はたとえばその光学系などの検査ツールの詳細に関係する可能性があるために先験的に知られている固定サイズの点像分布関数の形状を有する。たとえば、グラフ７０２は、３画素×３画素（または５画素×５画素）のサイズで例示的な画素値分布を示す。中心の画素からそれに隣接する画素への画素値の段階的な変化が示されている。グラフ７０４は、異なるサイズを有する類似の分布を示す。比較として、グラフ７０６および７０８は、空間異常の２つの画素分布を示す。例示する空間異常は、未知の振幅およびサイズのガウス形状を有する。図示のように、空間異常のサイズは、少なくとも特定の次元において、欠陥モデルより比較的大きい。例として、空間異常の複合推定が２０の振幅および１３＊４のサイズを有するのに対して、欠陥モデルは１０～１００の振幅および３＊３のサイズを有するように設定されていると仮定すると、これらの比較によって、推定によって異常なサイズが示されることで、欠陥は存在しないが空間異常は存在すると判定することができる。そのような場合、空間異常は、その推定された空間サイズに基づいて検査画像パッチから除去することができる。

特定の実施形態によれば、係数の１つまたは複数の推定を組み合わせて、多項式関係の複合推定を生成することができる。そのような場合、多項式関係の複合推定に基づいて、第１のタイプのノイズを検査画像パッチから除去することによって、ノイズ除去を実行することができる。

いくつかの場合、ノイズ除去は、第１のタイプのノイズまたは第２のタイプのノイズの除去のみを含むことができ、いくつかの他の場合、ノイズ除去は両方のタイプのノイズの除去を含むことができることに留意されたい。本開示は、その特有の実装によって限定されるものではない。

ノイズ推定およびノイズ除去が所与の欠陥候補に対応する検査画像パッチ上で実行された後、修正された検査画像パッチが生成される。したがって、複数の欠陥候補に対して、複数の対応する修正された検査画像パッチを生成することができる。いくつかの実施形態では、複数の修正された検査画像パッチおよび／またはノイズ推定プロセス中に取得される推定されたノイズを、試験片のさらなる調査のために使用することができる。

例として、１つまたは複数の参照画像パッチに対して複数の修正された検査画像パッチを使用して試験片上で欠陥検出を実行し、更新された欠陥マップを生じさせることができる。ブロック２０２を参照して上述したように、以前の欠陥検出がすでに実行されており、以前の欠陥マップが生成されていることを考慮して、更新された欠陥検出を欠陥再検出とも呼ぶことができる。例として、いくつかの場合、修正された検査画像パッチを使用して、検査画像の未修正部分ともに、更新された検査画像を形成することができる。欠陥再検出は、１つまたは複数の参照画像を使用して更新された検査画像上で実行することができる。別の例として、欠陥再検出プロセスは、修正された検査画像パッチを処理して、更新された差分画像パッチおよび更新されたグレード画像パッチを生成することから開始することができる。次いで、更新されたグレード画像パッチを使用して、以前のグレード画像からの未更新部分とともに、更新されたグレード画像を形成することができる。更新されたグレード画像に検出閾値を適用して、新しい欠陥候補を有する更新された欠陥マップを生成することができる。

上述したように、本開示は検査画像からの強度変動を表すノイズを実質上除去することができるため、修正された検査画像を使用して実行される欠陥再検出により、欠陥検出感度を大幅に改善することができ、より多くのＤＯＩを明らかにすることができる。

図８を次に参照すると、本明細書に開示する主題の特定の実施形態による欠陥再検出前に生成された欠陥マップおよび再検出後に生成された対応する更新された欠陥マップの一例が示されている。

図示のように、ノイズ除去および欠陥再検出を適用する前にグレード画像に基づいて生成された欠陥マップ８０２が示されている。欠陥候補が選択され、正方形でマークされており、中でも８０６がＤＯＩであり、残りは誤警報８０８を含む誤警報である。誤警報８０８は（特に）、ＤＯＩ８０６に比べて非常に強い信号強度を有し、欠陥マップにノイズが非常に多く現れていることを見ることができる。したがって、いくつかの場合、ＤＯＩがノイズに埋もれて、誤警報のいくつかが代わりに検出される可能性がある。上述したように、検査画像および欠陥再検出でノイズ除去を適用した後、更新された欠陥マップ８０４が生成され、誤警報のいくつかは除去され（誤警報８０８など）、いくつかの信号強度は弱くなっているが、ＤＯＩ８０６は同じ信号強度を有したままである。更新された欠陥マップ８０４は、欠陥マップ８０２に比べて比較的ノイズが少なく（信号対ノイズ比（ＳＮＲ）がより高い）、したがってＤＯＩ８０６を検出することがより容易になる（すなわち、検出感度がより高くなる）。

図９を次に参照すると、本明細書に開示する主題の特定の実施形態による図８の誤警報８０８に対応する検査画像パッチの例示的な修正が示されている。

図示のように、誤警報８０８に対応する検査画像パッチ９０２と、参照画像パッチ９０４と、検査画像パッチ９０２および参照画像パッチ９０４に基づいて生成された差分画像パッチ９０６とが示されている。差分画像パッチ９０６は、空間構造、たとえば試験片内のライン構造体に対応して起こり得る誤警報９０７を示す。これは、検査および参照画像パッチ内のグレーレベルの差、特にライン構造体の位置の差によって引き起こされる可能性がある。上述したノイズ推定を適用することによって、検査画像パッチ９０２内のライン構造体の位置に空間異常９０８が存在することが検出される。空間異常を検査画像パッチから除去したとき、修正された検査画像パッチ９１０が取得される。修正された検査画像パッチを使用した欠陥再検出によって、更新された差分画像パッチ９１２が生成され、この更新された差分画像パッチ９１２から、以前現れていた誤警報９０７が除去されたことを見ることができる。

いくつかの実施形態によれば、推定されたノイズは、欠陥候補クラスタ形成またはクラスタ化を実行するために欠陥候補を特性化する他の属性とともに使用することができる１つまたは複数の属性として働くことができる。例として、推定されたノイズの１つまたは複数の属性は、空間サイズおよび係数の１つまたは複数の推定を含むことができる。本明細書に使用する欠陥クラスタ形成は、他のクラスタ内の欠陥候補より同じグループ（クラスタ）内の欠陥候補が互いに類似するように、欠陥候補を特性化する１組の属性に基づいて、属性空間内で欠陥候補（欠陥マップに現れている）をグループ化することを指す。これは、ＤＯＩである可能性がより高い大部分の母集団と一致しない異常／異常値を検出するために使用することができる。いくつかの実施形態では、クラスタ形成は、機械学習を使用して実施することができる。

いくつかの場合、本開示は、欠陥再検出に使用することができ（たとえば、修正された検査画像パッチを使用）、またはいくつかの他の場合、欠陥候補クラスタ形成に使用することができる（たとえば、推定ノイズを使用）ことに留意されたい。いくつかのさらなる場合、欠陥再検出および欠陥候補クラスタ形成の両方を実行して、検出結果をさらに改善することができる。例として、欠陥再検出を実行して、新しい欠陥候補を有した更新された欠陥マップを得ることができ、新しい候補上で欠陥候補クラスタ形成を実行し、したがって検出の精度および感度を改善することができる。

図２に示す流れ図について、システム１００の要素を参照して説明したが、これは決して拘束するものではなく、それらの動作は、本明細書に記載したもの以外の要素によって実行することができることにも留意されたい。

本発明は、その適用分野において、本明細書に含まれるまたは図面に示される説明に記載の詳細に限定されないことを理解されたい。本発明は、他の実施形態が可能であり、様々な方法で実行および実施することが可能である。したがって、本明細書に用いた用語および術語は説明を目的とし、限定的であるとみなされるべきではないことを理解されたい。したがって、本開示が基づく概念は、本明細書に開示する主題のいくつかの目的を実施するための他の構造、方法、およびシステムを設計するための基本として容易に利用することができることが、当業者には理解されよう。

本発明によるシステムは、少なくとも部分的に好適にプログラムされたコンピュータとして実施することができることも理解されよう。同様に、本発明は、本発明の方法を実行するためにコンピュータによって可読であるコンピュータプログラムも企図する。本発明は、本発明の方法を実行するためにコンピュータによって実行可能である命令のプログラムを有形に実施する非一時的コンピュータ可読記憶媒体もさらに企図する。

添付の特許請求の範囲にそれによって定義される本発明の範囲から逸脱することなく、本明細書に記載する本発明の実施形態に様々な修正および変更を適用することができることが、当業者には容易に理解されよう。

１００ システム
１０２ 処理ユニット
１０４ パッチ抽出モジュール
１０６ パッチ修正モジュール
１０８ ノイズ推定モジュール
１１０ ノイズ除去モジュール
１２０ 調査ツール
１２２ 記憶ユニット
１２４ グラフィカルユーザインターフェース
１２６ 入出力インターフェース
２１０ ブロック
２１２ ブロック
２１４ ブロック
３０２ 検査画像
３０４ 検査画像パッチ
３０５ 欠陥候補
３０６ 参照画像
３０７ 参照パッチ
３０８ 画像パッチ
４０２ 検査および参照画像パッチ内の画素のグレーレベル間の二次関数
４０４ 線形表現ｙ＝ｘ
５０２ 参照画像パッチ
５０３ 円
５０４ 検査画像パッチ
５０５ 正方形
５０６ ライン構造体
５０７ 三角形
５０８ ライン構造体
５１０ 欠陥
７００ 最小推定誤差
７０２ グラフ
７０４ グラフ
７０６ グラフ
７０８ グラフ
８０２ 欠陥マップ
８０４ 欠陥マップ
８０６ ＤＯＩ
８０８ 誤警報
９０２ 検査画像パッチ
９０４ 参照画像パッチ
９０６ 差分画像パッチ
９０７ 誤警報
９０８ 空間異常
９１０ 検査画像パッチ
９１２ 差分画像パッチ

Claims (20)

1. 試験片の調査のコンピュータ化システムであって、
   前記試験片のダイの検査画像を捕捉し、１つまたは複数の参照画像を使用して前記検査画像上の欠陥候補分布を示す欠陥マップを生成するように構成された調査ツールと、
   前記調査ツールに動作可能に接続された処理ユニットとを備え、前記処理ユニットが、メモリと、前記メモリに動作可能に結合されたプロセッサとを備え、前記処理ユニットが、
   事前定義された基準に応じて、前記欠陥マップから複数の欠陥候補を選択し、
   前記複数の欠陥候補のそれぞれに対して、それぞれの修正された検査画像パッチを生成して、前記複数の欠陥候補に対応する複数の修正された検査画像パッチを生じさせるように構成され、前記生成することが、前記複数の欠陥候補のうちの所与の欠陥候補に対して、
   それぞれ前記検査画像および前記１つまたは複数の参照画像のそれぞれから前記所与の欠陥候補の位置を取り囲む画像パッチを抽出して、前記所与の欠陥候補に対応する検査画像パッチおよび１つまたは複数の参照画像パッチを含む１組の画像パッチを生じさせることと、
   前記検査画像パッチを修正して、修正された検査画像パッチを取得することとを含み、前記取得することが、前記１組の画像パッチを使用して前記検査画像パッチ上の強度変動を表すノイズを推定することであり、前記ノイズが、前記検査画像パッチの画素値と前記参照画像パッチの少なくともいくつかの対応する画素値との間の多項式関係を表す第１のタイプのノイズと、前記参照画像パッチの少なくともいくつかに対する前記検査画像パッチ内の空間異常の存在を表す第２のタイプのノイズとを含む、推定することと、前記推定されたノイズに基づいて、前記第１および第２のタイプのノイズのうちの少なくとも１つを前記検査画像パッチから除去することとを含み、
   前記修正された検査画像パッチおよび／または前記推定されたノイズが、前記試験片のさらなる調査のために使用可能である、コンピュータ化システム。
2. 前記処理ユニットが、前記１つまたは複数の参照画像パッチに対して前記複数の修正された検査画像パッチを使用して前記試験片上の欠陥検出を実行し、更新された欠陥マップを生じさせるようにさらに構成される、請求項１に記載のコンピュータ化システム。
3. 前記処理ユニットが、前記欠陥候補を特性化する１組の属性を使用して、欠陥候補クラスタ形成を実行するようにさらに構成され、前記１組の属性が、前記推定されたノイズの少なくとも１つまたは複数の属性を含む、請求項１に記載のコンピュータ化システム。
4. 前記推定することが、前記１つまたは複数の参照画像パッチのそれぞれに対する前記空間異常の空間サイズおよび前記多項式関係の１つまたは複数の係数を推定して、前記１つまたは複数の参照画像パッチに対応する前記空間サイズおよび前記係数の１つまたは複数の推定を生じさせることと、前記１つまたは複数の推定の少なくともいくつかに基づいて前記除去を実行することとを含む、請求項１に記載のコンピュータ化システム。
5. 前記推定することが、前記空間サイズの前記１つまたは複数の推定を組み合わせて、前記空間異常の複合推定を生成することと、前記複合推定を既知の欠陥モデルと比較して、前記複合推定が前記検査画像パッチ上の前記既知の欠陥モデルの存在を表すかどうかを判定することとをさらに含み、前記除去することが、前記既知の欠陥モデルの存在の判定に応答して、前記複合推定に基づいて前記第２のタイプのノイズを前記検査画像パッチから除去することを含む、請求項４に記載のコンピュータ化システム。
6. 前記推定することが、前記係数の前記１つまたは複数の推定を組み合わせて、前記多項式関係の複合推定を生成することをさらに含み、前記除去することが、前記複合推定に基づいて前記第１のタイプのノイズを前記検査画像パッチから除去することを含む、請求項４に記載のコンピュータ化システム。
7. 前記推定することが、前記係数の前記１つまたは複数の推定を組み合わせて、前記多項式関係の複合推定を生成することをさらに含み、前記除去することが、前記多項式関係の前記複合推定に基づいて前記第１のタイプのノイズを前記検査画像パッチから除去することをさらに含む、請求項５に記載のコンピュータ化システム。
8. 前記空間サイズを推定することが、前記１つまたは複数の参照画像パッチのうちの所与の参照画像パッチに対して、
   前記空間異常の長さ、幅、および振幅をそれぞれ含む前記空間サイズの異なる推定、ならびに前記空間異常と同位置にある潜在的な欠陥の振幅の異なる欠陥推定を提供することと、
   前記空間サイズの前記異なる推定と前記異なる欠陥推定との間の複数の組合せを使用して、予期の修正された検査画像パッチと前記所与の参照画像パッチとの間の残留差分をそれぞれ示す複数の推定誤差を計算することであり、前記予期の修正された画像パッチが、それぞれの組合せを使用して前記検査画像パッチを修正することによって取得可能である、計算することと、
   前記複数の組合せの中から、前記複数の推定誤差の中で最小推定誤差を提供する組合せを選択することであり、前記選択された組合せが前記空間サイズの選択された推定を含む、選択することとを含む、請求項４に記載のコンピュータ化システム。
9. 前記１つまたは複数の係数が、前記多項式関係の利得およびオフセットを含む、請求項４に記載のコンピュータ化システム。
10. 前記推定されたノイズの前記１つまたは複数の属性が、前記１つまたは複数の参照画像パッチのそれぞれに対する前記空間異常の空間サイズおよび前記多項式関係の前記係数の１つまたは複数の推定を含む、請求項３に記載のコンピュータ化システム。
11. 前記調査ツールが光学検査ツールである、請求項１に記載のコンピュータ化システム。
12. 試験片の調査のコンピュータ化方法であって、
    調査ツールによって前記試験片のダイの検査画像を捕捉し、１つまたは複数の参照画像を使用して前記検査画像上の欠陥候補分布を示す欠陥マップを生成することと、
    前記調査ツールに動作可能に接続された処理ユニットによって、事前定義された基準に応じて、前記欠陥マップから複数の欠陥候補を選択することと、
    前記処理ユニットによって、前記複数の欠陥候補のそれぞれに対して、それぞれの修正された検査画像パッチを生成して、前記複数の欠陥候補に対応する複数の修正された検査画像パッチを生じさせることとを含み、前記生成することが、前記複数の欠陥候補のうちの所与の欠陥候補に対して、
    それぞれ前記検査画像および前記１つまたは複数の参照画像のそれぞれから前記所与の欠陥候補の位置を取り囲む画像パッチを抽出して、前記所与の欠陥候補に対応する検査画像パッチおよび１つまたは複数の参照画像パッチを含む１組の画像パッチを生じさせることと、
    前記検査画像パッチを修正して、修正された検査画像パッチを取得することとを含み、前記取得することが、前記１組の画像パッチを使用して前記検査画像パッチ上の強度変動を表すノイズを推定することであり、前記ノイズが、前記検査画像パッチの画素値と前記参照画像パッチの少なくともいくつかの対応する画素値との間の多項式関係を表す第１のタイプのノイズと、前記参照画像パッチの少なくともいくつかに対する前記検査画像パッチ内の空間異常の存在を表す第２のタイプのノイズとを含む、推定することと、前記推定されたノイズに基づいて、前記第１および第２のタイプのノイズのうちの少なくとも１つを前記検査画像パッチから除去することとを含み、
    前記修正された検査画像パッチおよび／または前記推定されたノイズが、前記試験片のさらなる調査のために使用可能である、コンピュータ化方法。
13. 前記１つまたは複数の参照画像パッチに対して前記複数の修正された検査画像パッチを使用して前記試験片上の欠陥検出を実行し、更新された欠陥マップを生じさせることをさらに含む、請求項１２に記載のコンピュータ化方法。
14. 前記欠陥候補を特性化する１組の属性を使用して、欠陥候補クラスタ形成を実行することをさらに含み、前記１組の属性が、前記推定されたノイズの少なくとも１つまたは複数の属性を含む、請求項１２に記載のコンピュータ化方法。
15. 前記推定することが、前記１つまたは複数の参照画像パッチのそれぞれに対する前記空間異常の空間サイズおよび前記多項式関係の１つまたは複数の係数を推定して、前記１つまたは複数の参照画像パッチに対応する前記空間サイズおよび前記係数の１つまたは複数の推定を生じさせることと、前記１つまたは複数の推定の少なくともいくつかに基づいて前記除去を実行することとを含む、請求項１２に記載のコンピュータ化方法。
16. 前記推定することが、前記空間サイズの前記１つまたは複数の推定を組み合わせて、前記空間異常の複合推定を生成することと、前記複合推定を既知の欠陥モデルと比較して、前記複合推定が前記検査画像パッチ上の前記既知の欠陥モデルの存在を表すかどうかを判定することとをさらに含み、前記除去することが、前記既知の欠陥モデルの存在の判定に応答して、前記複合推定に基づいて前記第２のタイプのノイズを前記検査画像パッチから除去することを含む、請求項１５に記載のコンピュータ化方法。
17. 前記推定することが、前記係数の前記１つまたは複数の推定を組み合わせて、前記多項式関係の複合推定を生成することをさらに含み、前記除去することが、前記複合推定に基づいて前記第１のタイプのノイズを前記検査画像パッチから除去することを含む、請求項１５に記載のコンピュータ化方法。
18. 前記推定することが、前記係数の前記１つまたは複数の推定を組み合わせて、前記多項式関係の複合推定を生成することをさらに含み、前記除去することが、前記多項式関係の前記複合推定に基づいて前記第１のタイプのノイズを前記検査画像パッチから除去することをさらに含む、請求項１６に記載のコンピュータ化方法。
19. 前記空間サイズを推定することが、前記１つまたは複数の参照画像パッチのうちの所与の参照画像パッチに対して、
    前記空間異常の長さ、幅、および振幅をそれぞれ含む前記空間サイズの異なる推定、ならびに前記空間異常と同位置にある潜在的な欠陥の振幅の異なる欠陥推定を提供することと、
    前記空間サイズの前記異なる推定と前記異なる欠陥推定との間の複数の組合せを使用して、予期の修正された検査画像パッチと前記所与の参照画像パッチとの間の残留差分をそれぞれ示す複数の推定誤差を計算することであり、前記予期の修正された画像パッチが、それぞれの組合せを使用して前記検査画像パッチを修正することによって取得可能である、計算することと、
    前記複数の組合せの中から、前記複数の推定誤差の中で最小推定誤差を提供する組合せを選択することであり、前記選択された組合せが、前記空間サイズの選択された推定を含む、選択することとを含む、請求項１５に記載のコンピュータ化方法。
20. コンピュータによって実行されたとき、前記コンピュータに試験片の調査の方法を実行させる命令のプログラムを有形に実施する非一時的コンピュータ可読記憶媒体であって、前記方法が、
    前記試験片のダイの検査画像を取得し、１つまたは複数の参照画像を使用して前記検査画像上の欠陥候補分布を示す欠陥マップを生成することと、
    事前定義された基準に応じて、前記欠陥マップから複数の欠陥候補を選択することと、
    前記複数の欠陥候補のそれぞれに対して、それぞれの修正された検査画像パッチを生成して、前記複数の欠陥候補に対応する複数の修正された検査画像パッチを生じさせることとを含み、前記生成することが、前記複数の欠陥候補のうちの所与の欠陥候補に対して、
    それぞれ前記検査画像および前記１つまたは複数の参照画像のそれぞれから前記所与の欠陥候補の位置を取り囲む画像パッチを抽出して、前記所与の欠陥候補に対応する検査画像パッチおよび１つまたは複数の参照画像パッチを含む１組の画像パッチを生じさせることと、
    前記検査画像パッチを修正して、修正された検査画像パッチを取得することとを含み、前記取得することが、前記１組の画像パッチを使用して前記検査画像パッチ上の強度変動を表すノイズを推定することであり、前記ノイズが、前記検査画像パッチの画素値と前記参照画像パッチの少なくともいくつかの対応する画素値との間の多項式関係を表す第１のタイプのノイズと、前記参照画像パッチの少なくともいくつかに対する前記検査画像パッチ内の空間異常の存在を表す第２のタイプのノイズとを含む、推定することと、前記推定されたノイズに基づいて、前記第１および第２のタイプのノイズのうちの少なくとも１つを前記検査画像パッチから除去することとを含み、
    前記修正された検査画像パッチおよび／または前記推定されたノイズが、前記試験片のさらなる調査のために使用可能である、非一時的コンピュータ可読記憶媒体。

Images