TW202225675A - 雜訊圖案化特徵之檢測 - Google Patents

雜訊圖案化特徵之檢測 Download PDF

Info

Publication number
TW202225675A
TW202225675A TW110124728A TW110124728A TW202225675A TW 202225675 A TW202225675 A TW 202225675A TW 110124728 A TW110124728 A TW 110124728A TW 110124728 A TW110124728 A TW 110124728A TW 202225675 A TW202225675 A TW 202225675A
Authority
TW
Taiwan
Prior art keywords
test image
pixel
pixels
sample
detection
Prior art date
Application number
TW110124728A
Other languages
English (en)
Inventor
濤 羅
永 張
Original Assignee
美商科磊股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 美商科磊股份有限公司 filed Critical 美商科磊股份有限公司
Publication of TW202225675A publication Critical patent/TW202225675A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • 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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • 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
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30136—Metal
    • 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

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明提供用於偵測一樣品上之缺陷之方法及系統。一種系統包含：一檢測子系統，其經組態以產生一樣品之影像；及一或多個電腦子系統，其經組態以用於偵測樣品上之缺陷候選者。偵測缺陷候選者包含：識別包含於樣品之所產生影像中之一測試影像中之一圖案化特徵。偵測缺陷候選者亦包含：針對測試影像中位於圖案化特徵內之至少一個像素，判定該至少一個像素之一特性與測試影像中位於該至少一個像素之一預定窗內之其他像素之該特性之間的一差。另外，偵測缺陷候選者包含：基於所判定差而偵測該至少一個像素處之一缺陷候選者。

Description

雜訊圖案化特徵之檢測
本發明一般而言係關於經組態以用於偵測諸如後端封裝晶圓上之重佈層(RDL)之樣品上之缺陷的方法及系統。
以下說明及實例並不由於其包含於此章節中而被認為係先前技術。
製作半導體裝置(諸如邏輯裝置及記憶體裝置)通常包含使用眾多半導體製作製程來處理一基板(諸如一半導體晶圓)，以形成半導體裝置之各種特徵及多個層級。舉例而言，微影係涉及將一圖案自一倍縮光罩轉印至配置於一半導體晶圓上之一抗蝕劑之一半導體製作製程。半導體製作製程之額外實例包含但不限於化學機械拋光(CMP)、蝕刻、沈積及離子植入。可將多個半導體裝置製作於一單個半導體晶圓上之一配置中，且然後將其分離成個別半導體裝置。
在一半導體製造製程期間在各個步驟處使用檢測製程來偵測晶圓上之缺陷以促成在製造製程中之較高良率及因此較高利潤。檢測一直總是製作半導體裝置之一重要部分。然而，隨著半導體裝置之尺寸減小，檢測對於成功製造出可接受半導體裝置變得更加重要，此乃因較小缺陷便可能會導致裝置出故障。
自積體電路(IC)行業開始以來，晶圓檢測主要基於毗鄰晶粒之間的影像強度差，此乃因微影一般而言涉及印刷「幾乎相同」之毗鄰晶粒。隨著技術演進，形成稱作「黃金參考晶粒」或「標準參考晶粒」之另一技藝以用於檢測具有由遮罩缺陷誘發之常見晶粒缺陷之晶粒。無論是執行晶粒至晶粒還是晶粒至黃金晶粒檢測，常見假設係晶圓上之每一晶粒係幾乎「相同的」。此等傳統檢測方法已在基於微影之晶圓製造製程中非常有效。
在最近IC製造製程中，應用一新的封裝製程，其中藉由透過重佈層(RDL)線連接兩個或多於兩個經切粒且經測試良好子晶粒而組成一最終晶粒單元，如圖2中所展示。特定而言，最終晶粒單元200由藉由複數個RDL線206而連接之子晶粒202及204組成。以此方式，一新的後端先進晶圓級封裝(aWLP)製程自子晶粒而製成一新的晶粒。
由於子晶粒機械地放置於一模具上且RDL線放置於子晶粒之頂部上，因此可在毗鄰晶粒單元之間存在不一致子晶粒移位。由於此種類之不一致性，因此即使毗鄰晶粒單元中之RDL線完全對準，傳統晶粒至晶粒差計算亦將對檢測結果產生大量雜訊。舉例而言，如圖3中所展示，毗鄰所組成晶粒單元可在RDL線下方具有不一致移位。特定而言，圖3展示兩個最終晶粒單元300及302。最終晶粒單元300由藉由RDL線308而連接之子晶粒304及306形成，且最終晶粒單元302由藉由RDL線314而連接之子晶粒310及312形成。如在最終晶粒單元300之分解圖316及最終晶粒單元302之分解圖318中更清晰地展示，不同最終晶粒單元可在RDL線下方之子晶粒之間具有不一致移位。
此外，RDL線主要由金屬(鋁或銅)製成。RDL線中之所關注缺陷(DOI)係線開口缺陷(經斷開連接線)及部分線開口缺陷(亦稱作「鼠齒(mouse-bite)」缺陷)，如圖4及圖5中所展示。特定而言，圖4展示針對一RDL線中之一完整線開口缺陷之測試影像400、參考影像402及差影像404。如在測試影像400之圓圈部分406中清晰可見，線開口缺陷在測試影像中係明顯的。然而，如差影像404 (藉由自測試影像400減去參考影像402而產生)中所展示，無法在與測試影像400之圓圈部分406對應之圓圈部分408中偵測到線開口缺陷，且無法將差影像之對應於線開口缺陷之部分與差影像之其他部分(諸如正方形部分410中所展示之部分)區分開。因此，差影像404無法用於成功地偵測線開口缺陷。
圖5展示針對一RDL線上之另一線開口缺陷之參考影像500、測試影像502及差影像504。如自測試影像502可見，位於測試影像之圓圈部分510中之一部分線開口缺陷在測試影像中係明顯的。然而，如差影像504 (藉由自測試影像502減去參考影像500而產生)中所展示，無法在與測試影像中之圓圈部分510對應之圓圈部分514中偵測到部分線開口缺陷。另外，無法將差影像之對應於部分線開口缺陷之部分與差影像之其他部分(諸如正方形部分512中所展示之部分，其與參考影像之無缺陷部分506及測試影像之無缺陷部分508對應)區分開。如此，差影像504無法用於偵測在測試影像502中可見之部分線開口缺陷。
因此，在圖4及圖5兩者中，顯然測試影像含有明顯線開口或部分線開口缺陷。然而，即使真正缺陷信號存在於測試影像中，金屬RDL線之表面粗糙度亦使得基於強度差之檢測變得極其困難，此乃因差影像中之線開口或部分線開口信號完全埋藏於由測試及參考影像中之對應線中之隨機粗糙度產生之雜訊中。
因此，開發不具有上文所闡述之缺點中之一或多者之用於偵測樣品(諸如後端aWLP樣品)上之RDL線中之缺陷(諸如完整及/或部分線開口缺陷)之系統及方法將係有利的。
對各種實施例之以下說明不應以任何方式被視為限制隨附申請專利範圍之標的物。
一項實施例係關於一種經組態以偵測一樣品上之缺陷之系統。該系統包含：一檢測子系統，其經組態以產生一樣品之影像。該系統亦包含：一或多個電腦子系統，其經組態以用於偵測該樣品上之缺陷候選者。偵測該等缺陷候選者包含：識別包含於該樣品之該等所產生影像中之一測試影像中之一圖案化特徵。偵測該等缺陷候選者亦包含：針對該測試影像中位於該圖案化特徵內之至少一個像素，判定該至少一個像素之一特性與該測試影像中位於該至少一個像素之一預定窗內之其他像素之該特性之間的一差。另外，偵測該等缺陷候選者包含：基於該所判定差而偵測該至少一個像素處之一缺陷候選者。可如本文中所闡述而對該系統進行進一步組態。
另一實施例係關於一種用於偵測一樣品上之缺陷之電腦實施方法。該方法包含：藉由一檢測子系統而識別包含於一樣品之所產生影像中之一測試影像中之一圖案化特徵。該方法亦包含：針對該測試影像中位於該圖案化特徵內之至少一個像素，判定該至少一個像素之一特性與該測試影像中位於該至少一個像素之一預定窗內之其他像素之該特性之間的一差。另外，該方法包含：基於該所判定差而偵測該至少一個像素處之一缺陷候選者。該識別、該判定及該偵測由耦合至該檢測子系統之一或多個電腦子系統執行。
可如本文中所闡述而進一步執行上文所闡述之方法之步驟中之每一者。另外，上文所闡述之該方法之實施例可包含本文中所闡述之任何其他方法之任何其他步驟。此外，上文所闡述之方法可由本文中所闡述之系統中之任何者執行。
另一實施例係關於一種非暫時性電腦可讀媒體，該非暫時性電腦可讀媒體儲存可在一或多個電腦系統上執行以用於執行用於偵測一樣品上之缺陷之一電腦實施方法之程式指令。該電腦實施方法包含上文所闡述之方法之步驟。可如本文中所闡述而對電腦可讀媒體進行進一步組態。可如本文中進一步所闡述而執行該電腦實施方法之步驟。另外，電腦實施方法可包含本文中所闡述之任何其他方法之任何其他步驟，可執行程式指令來達成該電腦實施方法。
現在轉向圖式，應注意，各圖並未按比例繪製。特定而言，各圖之元件中之某些元件之比例被極大地放大以強調元件之特性。亦應注意，各圖並未按相同比例繪製。已使用相同元件符號指示可被類似組態之在多於一個圖中展示之元件。除非本文中另外提及，否則所闡述及所展示之元件中之任何元件可包含任何適合可商業購得元件。
如本文中所使用之術語「設計」及「設計資料」一般係指一IC之實體設計(佈局)以及透過複雜模擬或簡單幾何及布林(Boolean)運算自實體設計導出之資料。實體設計可儲存於諸如一圖形資料串流(GDS)檔案之一資料結構、任何其他標準機器可讀檔案、此項技術中已知的任何其他適合檔案及一設計資料庫中。一GDSII檔案係用於設計佈局資料之表示之一類檔案中之一者。此等檔案之其他實例包含GL1及OASIS檔案以及專有檔案格式，諸如加利福尼亞州苗必達之KLA公司(KLA Corp., Milpitas, Calif)專有之RDF資料。設計可包含在2009年8月4日頒予Zafar等人之共同擁有之美國專利第7,570,796號及2010年3月9日頒予Kulkarni等人之共同擁有之美國專利第7,676,077號中闡述之任何其他設計資料或設計資料代理，該等美國專利兩者如同完全陳述於本文中一般以引用之方式併入。另外，設計資料可為標準單元庫資料、整合式佈局資料、一或多個層之設計資料、設計資料之導出物及全部或部分晶片設計資料。
本文中所闡述之「設計」及「設計資料」亦係指由半導體裝置設計者在一設計製程中產生且因此在將設計印刷於任何實體晶圓上之前可良好地用於本文中所闡述之實施例中之資訊及資料。「設計」或「實體設計」亦可為將理想地形成於晶圓上之設計。
如彼術語在本文中所使用，「滋擾(Nuisance)」係一使用者不關心之缺陷及/或藉由檢測而偵測到但實際上並非係缺陷之事件。可由於一樣品上之非缺陷雜訊源(例如，線邊緣粗糙度(LER)、圖案化特徵中之相對小臨界尺寸(CD)變化、厚度變化、金屬顆粒(grain)雜訊等)及/或由於用於檢測之檢測子系統本身或其組態之邊緣性而偵測到被偵測為事件(或「缺陷候選者」)但實際上並非係缺陷之滋擾。因此，一般而言，檢測之目標並非係偵測樣品(諸如晶圓)上之滋擾。
將如本文中所使用之術語「所關注缺陷(DOI)」定義為在一樣品上被偵測到且真正地係樣品上之實際缺陷之缺陷。因此，DOI係一使用者所關注的，此乃因使用者一般關心在被檢測之樣品上具有多少及何種類之實際缺陷。在某些內容脈絡中，術語「DOI」用於係指樣品上之所有實際缺陷之一子集，該子集僅包含一使用者所關心之實際缺陷。舉例而言，可在任何給定樣品上存在多種類型之DOI，且該等DOI中之一或多者可比一或多個其他類型更受一使用者關注。然而，在本文中所闡述之實施例之內容脈絡中，術語「DOI」用於係指一樣品上之任何及所有真實缺陷。
一項實施例係關於經組態以偵測一樣品上之缺陷之一系統。在一項實施例中，樣品係一晶圓。晶圓可包含半導體技術中已知的任何晶圓。雖然可在本文中關於一或若干晶圓而闡述某些實施例，但實施例並不限於其可用於之樣品。舉例而言，本文中所闡述之實施例可用於諸如倍縮光罩、扁平面板、個人電腦(PC)板及其他半導體樣品之樣品。
在一項實施例中，樣品包含一金屬上部層。在一項此實施例中，該上部層可為一鋁層。鋁層可包含此項技術中已知的任何適合鋁層。樣品之上部層亦可包含一後段製程(BEOL)層，該BEOL層可包含此項技術中已知的任何BEOL層，包含本文中所闡述之BEOL層。在另一實施例中，樣品之上部層可為可具有此項技術中已知的任何適合組態之一重佈層(RDL)。
樣品之上部層亦可包含金屬線。舉例而言，BEOL及RDL層可包含金屬線，該等金屬線形成正在樣品上形成之裝置之各種元件。此等金屬線可產生顯著量之「顆粒」雜訊，其在本文中進一步闡述。如彼術語在本文中所使用，「顆粒」係指一金屬(諸如鋁或銅)之晶體結構中之錯位。本文中所闡述之實施例經組態以用於儘管存在顆粒雜訊仍達成對此等層上之缺陷之偵測。
在某些實施例中，樣品係一後晶粒(post-dice)樣品。一般可將一「後晶粒」樣品定義為一晶圓或其他基板，多個裝置已形成於該晶圓或其他基板上(例如，在不同晶粒或若干晶粒中)且然後以各種方式中之一者彼此分離。一「後晶粒」樣品亦可為已被分離成尚未進入封裝製程之多個晶粒或若干晶粒之一樣品。
在另一實施例中，樣品包含一高雜訊層。如彼術語在本文中所定義，一「高雜訊」層一般係指其雜訊係在層之檢測中之主要障礙之一層。舉例而言，儘管藉由任何檢測工具而檢測之每個晶圓層皆可展示比其他層更多或更少之雜訊(且用於處置此雜訊之偵測之技藝一般必須用於每個晶圓層之檢測中)，但在成功檢測晶圓層時之主要障礙最通常係必須偵測到之缺陷之極小大小。相比而言，本文中所闡述之實施例尤其適合於偵測大小約200 nm及以上之相對較大(「巨觀」)缺陷。因此，在此檢測中之主要障礙未必係必須偵測到之缺陷之大小(此乃因諸多檢測工具組態能夠偵測大多數層上之此等較大缺陷)。而是，本文中所闡述之層一般將在針對該等層而產生之影像中展現如此「高雜訊」位準，使得偵測甚至如此較大大小之缺陷可變得困難(若非不可能的話)。然而，本文中所闡述之實施例已經設計以經由本文中所闡述之缺陷偵測而處置此等雜訊位準。
本文中所闡述之實施例經設計以出於若干個不同原因而對於偵測此等缺陷尤其有效。舉例而言，在傳統前端微影晶圓製作製程中，由於來自毗鄰晶粒之相同影像之有效假設，因此通常藉由毗鄰晶粒之間的影像比較而執行晶圓檢測。利用合理之預處理步驟(例如，透過直方圖重新映射進行之毗鄰晶粒影像對準及灰階均勻性縮放)，通常由異常及因此可能之缺陷導致大於臨限值之差。
在新的先進晶圓級封裝(aWLP)技術中，一所組成晶粒單元可藉由經由RDL線連接子晶粒(已被測試為良好)而製成。在上文進一步闡述之圖2中展示此一所組成晶粒單元之一實例。RDL線與RDL線下方之子晶粒可具有不一致相對空間移位，如上文進一步論述之圖3中所展示。即使相對於RDL線執行毗鄰晶粒之間的對準，RDL線下方之子晶粒結構仍可為不對準的。此不對準使傳統基於晶粒至晶粒差之方法由於來自RDL線下方之結構之不對準雜訊而係實質上困難的。
另外，由於RDL線通常係金屬(銅)，因此RDL線影像之表面粗糙度誘發之隨機光學外觀可使基於強度差之RDL線開口缺陷偵測更具挑戰性，此乃因線開口缺陷信號可完全埋藏於表面粗糙度誘發之雜訊中。在一項此實例中，由於在可由過多金屬顆粒導致之RDL金屬線雜訊內，因此可藉由檢測而偵測到大量雜訊。在另一此實例中，由於由在RDL層上或其下面之透明介電聚合物導致之RDL金屬層間雜訊，因此可藉由檢測而偵測到大量雜訊。
然而，本文中所闡述之實施例提供不受嚴重晶粒至晶粒差雜訊妨礙之RDL線檢測。另外，本文中所闡述之實施例可針對RDL線執行一僅測試影像(亦即，並非晶粒至晶粒)檢測。以此方式，本文中所闡述之實施例可為用於偵測此等缺陷之單晶粒檢測(SDI)或單影像偵測(SID)系統及方法，其將消除檢測中之晶粒至晶粒雜訊源。
在圖1中展示經組態以偵測一樣品上之缺陷之一系統之一項實施例。系統包含檢測子系統10及一或多個電腦子系統(例如，電腦子系統36及電腦子系統102)。檢測子系統10經組態以產生一樣品之輸出(例如，影像)。在一項實施例中，檢測子系統被組態為一光學子系統。舉例而言，在圖1之實施例中，檢測子系統經組態以用於使光對樣品之一實體版本進行掃描或將光引導至該實體版本，同時偵測來自樣品之光以藉此產生樣品之輸出。檢測子系統亦可經組態以利用多種模式來執行掃描(或引導)及偵測。
在一項實施例中，檢測子系統經組態以用於巨觀檢測。因此，本文中所闡述之系統可稱為一巨觀檢測工具。一巨觀檢測工具尤其適合於相對有雜訊BEOL層(諸如RDL)之檢測及後晶粒應用以偵測在存在巨大雜訊(諸如金屬線上之顆粒)之情況下之缺陷。一巨觀檢測工具在本文中定義為未必受繞射限制且具有約200 nm至約2.0微米及以上之一空間解析度之一系統。此空間解析度意味著此等系統可偵測到之最小缺陷具有大於約200 nm之尺寸，該尺寸比現今市場上之最先進檢測工具可偵測到之最小缺陷大得多，因此被稱為「巨觀」檢測器名稱。與現今市場上之最先進檢測工具相比，此等系統往往利用較長光波長(例如，約500 nm至約700 nm)。當DOI具有相對較大大小時且可能亦當需要100個晶圓/小時(wph)或更大之處理量(晶圓處理量此處係指每小時所檢測之300 mm晶圓之數目)時，可使用此等系統。
在圖1中所展示之系統之實施例中，檢測子系統10包含經組態以將光引導至樣品14之一照明子系統。該照明子系統包含至少一個光源。舉例而言，如圖1中所展示，照明子系統包含光源16。照明子系統可經組態以將光以一或多個入射角度(其可包含一或多個傾斜角度及/或一或多個法線角度)引導至樣品。舉例而言，如圖1中所展示，將來自光源16之光穿過光學元件18及然後透鏡20以一傾斜入射角度引導至樣品14。傾斜入射角度可包含任何適合傾斜入射角度，其可取決於(舉例而言)樣品之特性而變化。
檢測子系統可經組態以將光在不同時間以不同入射角度引導至樣品。舉例而言，檢測子系統可經組態以更改照明子系統之一或多個元件之一或多個特性，使得可將光以與圖1中所展示之入射角度不同之一入射角度引導至樣品。在一項此實例中，檢測子系統可經組態以移動光源16、光學元件18及透鏡20，使得將光以一不同傾斜入射角度或一法線(或近法線)入射角度引導至樣品。
檢測子系統可經組態以將光同時以多於一個入射角度引導至樣品。舉例而言，照明子系統可包含多於一個照明通道，該等照明通道中之一者可包含如圖1中所展示之光源16、光學元件18及透鏡20，且該等照明通道中之另一者(未展示)可包含可以不同或相同方式組態之類似元件，或可包含至少一光源以及可能地一或多個其他組件(諸如本文中進一步闡述之組件)。若此光與其他光同時被引導至樣品，則以不同入射角度被引導至樣品之光之一或多個特性(例如，波長、偏光等)可為不同的，使得由以不同入射角度對樣品之照明產生之光可在偵測器處彼此區別開。
在另一例項中，照明子系統可僅包含一個光源(例如，圖1中所展示之源16)，且可藉由照明子系統之一或多個光學元件(未展示)將來自該光源之光分離至不同光學路徑中(例如，基於波長、偏光等)。不同光學路徑中之每一者中之光然後可被引導至樣品。多個照明通道可經組態以將光同時或在不同時間(例如，當不同照明通道用於依序照明樣品時)引導至樣品。在另一例項中，同一照明通道可經組態以將在不同時間具有不同特性之光引導至樣品。舉例而言，在某些例項中，光學元件18可被組態為一光譜濾光器，且光譜濾光器之性質可以多種不同方式(例如，藉由替換光譜濾光器)被改變，使得可在不同時間將不同光波長引導至樣品。照明子系統可具有此項技術中已知的用於將具有不同或相同特性之光以不同或相同入射角度依序或同時引導至樣品之任何其他適合組態。
在一項實施例中，光源16可包含一寬頻電漿(BBP)光源。以此方式，由光源產生且被引導至樣品之光可包含寬頻光。然而，光源可包含任何其他適合光源，諸如一雷射。雷射可包含此項技術中已知的任何適合雷射，且可經組態以產生此項技術中已知的任一或多個適合波長下之光。另外，雷射可經組態以產生單色或近單色之光。以此方式，雷射可為一窄頻雷射。光源亦可包含產生多個離散波長或波段下之光之一多色光源。
可藉由透鏡20將來自光學元件18之光聚焦至樣品14上。雖然在圖1中將透鏡20展示為一單個折射光學元件，但在實踐中，透鏡20可包含以組合方式將來自光學元件之光聚焦至樣品之若干個折射及/或反射光學元件。在圖1中所展示且本文中所闡述之照明子系統可包含任何其他適合光學元件(未展示)。此等光學元件之實例包含(但不限於)偏光組件、光譜濾光器、空間濾光器、反射光學元件、變跡器、分束器、光闌及諸如此類，其可包含此項技術中已知的任何此等適合光學元件。另外，檢測子系統可經組態以基於將用於檢測之照明之類型而更改照明子系統之元件中之一或多者。
檢測子系統亦可包含一掃描子系統，該掃描子系統經組態以致使光對樣品進行掃描。舉例而言，檢測子系統可包含載台22，在檢測期間樣品14安置於該載台上。掃描子系統可包含可經組態以移動樣品使得光可對樣品進行掃描之任何適合機械及/或機器人總成(其包含載台22)。另外或另一選擇係，檢測子系統可經組態使得檢測子系統之一或多個光學元件執行光對樣品之某種掃描。光可以任何適合方式(諸如以一蛇形路徑或以一螺旋路徑)對樣品進行掃描。
檢測子系統進一步包含一或多個偵測通道。一或多個偵測通道中之至少一者包含一偵測器，該偵測器經組態以偵測歸因於對樣品之照明之來自樣品之光且回應於所偵測光而產生輸出。舉例而言，圖1中所展示之檢測子系統包含兩個偵測通道，一個偵測通道由收集器24、元件26及偵測器28形成且另一偵測通道由收集器30、元件32及偵測器34形成。如圖1中所展示，該兩個偵測通道經組態而以不同收集角度來收集並偵測光。在某些例項中，兩個偵測通道經組態以偵測經散射光，且偵測通道經組態以偵測自樣品以不同角度散射之光。然而，偵測通道中之一或多者可經組態以偵測來自樣品之另一類型之光(例如，經鏡面反射光)。
如圖1中進一步所展示，將兩個偵測通道展示為定位於紙張之平面中且亦將照明子系統展示為定位於紙張之平面中。因此，在此實施例中，兩個偵測通道定位於(例如，居中於)入射平面中。然而，偵測通道中之一或多者可定位於入射平面之外。舉例而言，由收集器30、元件32及偵測器34形成之偵測通道可經組態以收集並偵測自入射平面散射出之光。因此，此一偵測通道可通常稱為一「側」通道，且此一側通道可居中於實質上垂直於入射平面之一平面中。
雖然圖1展示包含兩個偵測通道之檢測子系統之一實施例，但檢測子系統可包含不同數目個偵測通道(例如，僅一個偵測通道或者兩個或多於兩個偵測通道)。在一項此例項中，由收集器30、元件32及偵測器34形成之偵測通道可形成如上文所闡述之一個側通道，且檢測子系統可包含形成為定位於入射平面之相對側上之另一側通道之一額外偵測通道(未展示)。因此，檢測子系統可包含偵測通道，該偵測通道包含收集器24、元件26及偵測器28且居中於入射平面中並且經組態以收集並偵測處於法向於或接近法向於樣品表面之散射角度之光。此偵測通道可因此通常稱為一「頂部」通道，且檢測子系統亦可包含如上文所闡述而組態之兩個或多於兩個側通道。如此，檢測子系統可包含至少三個通道(亦即，一個頂部通道及兩個側通道)，且至少三個通道中之每一者具有其自身之收集器，收集器中之每一者經組態以收集處於與其他收集器中之每一者不同之散射角度之光。
如上文進一步所闡述，包含於檢測子系統中之偵測通道中之每一者可經組態以偵測經散射光。因此，圖1中所展示之檢測子系統可經組態以用於樣品之暗場(DF)檢測。然而，檢測子系統亦可或另一選擇係包含經組態以用於樣品之明場(BF)檢測之偵測通道。換言之，檢測子系統可包含經組態以偵測自樣品鏡面反射之光之至少一個偵測通道。因此，本文中所闡述之檢測子系統可經組態以用於僅DF、僅BF或DF及BF成像兩者。雖然在圖1中將收集器中之每一者展示為單個折射光學元件，但收集器中之每一者可包含一或多個折射光學元件及/或一或多個反射光學元件。
一或多個偵測通道可包含此項技術中已知的任何適合偵測器。舉例而言，偵測器可包含光電倍增管(PMT)、電荷耦合裝置(CCD)、時間延遲積分(TDI)相機，及此項技術中已知的任何其他適合偵測器。偵測器亦可包含非成像偵測器或成像偵測器。若偵測器係非成像偵測器，則偵測器中之每一者可經組態以偵測經散射光之特定特性(諸如強度)，但不可經組態以依據在成像平面內之位置而偵測此等特性。如此，由包含於檢測子系統之偵測通道中之每一者中之偵測器中之每一者產生之輸出可為信號或資料，但並非係影像信號或影像資料。在此等例項中，一電腦子系統(諸如電腦子系統36)可經組態以自偵測器之非成像輸出產生樣品之影像。然而，在其他例項中，偵測器可被組態為成像偵測器，該等成像偵測器經組態以產生影像信號或影像資料。因此，檢測子系統可經組態而以若干種方式產生影像。
注意，在本文中提供圖1以一般圖解說明一檢測子系統之一組態，該檢測子系統可包含於本文中所闡述之系統實施例中或可產生由本文中所闡述之系統實施例使用之輸出。顯然，本文中所闡述之檢測子系統組態可經變更以最佳化檢測子系統之效能，如在設計一商業檢測系統時通常執行。另外，可使用諸如可自KLA商業購得之Altair系列工具之一現有系統來實施本文中所闡述之系統(例如，藉由將本文中所闡述之功能性添加至一現有系統)。針對某些此等系統，本文中所闡述之實施例可提供為系統之選用功能性(例如，除系統之其他功能性之外)。另一選擇係，本文中所闡述之檢測子系統可「從頭開始」設計以提供一全新檢測子系統。檢測子系統可如2010年8月24日頒予Mehanian等人之美國專利第7,782,452號(其如同完全陳述於本文中一般以引用之方式併入)中所闡述而進一步組態。
電腦子系統36可以任何適合方式(例如，經由一或多個傳輸媒體，其可包含「有線」及/或「無線」傳輸媒體)耦合至檢測子系統之偵測器，使得電腦子系統可接收在對樣品進行掃描期間由偵測器產生之輸出。電腦子系統36可經組態以使用偵測器之輸出來執行本文中進一步所闡述之若干個功能。
圖1中所展示之電腦子系統(以及本文中所闡述之其他電腦子系統)亦可在本文中稱為電腦系統。本文中所闡述之電腦子系統或系統中之每一者可呈各種形式，包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路器具、網際網路器具或其他裝置。一般而言，術語「電腦系統」可廣泛地定義為囊括具有一或多個處理器之執行來自一記憶體媒體之指令之任何裝置。電腦子系統或系統亦可包含此項技術中已知的任何適合處理器，諸如一並行處理器。另外，電腦子系統或系統可包含具有高速度處理及軟體之一電腦平台作為一獨立工具或一網路連接工具。
若系統包含多於一個電腦子系統，則不同電腦子系統可彼此耦合，使得影像、資料、資訊、指令等可在電腦子系統之間發送。舉例而言，電腦子系統36可藉由任何適合傳輸媒體而耦合至電腦子系統102 (如圖1中之虛線所展示)，該等傳輸媒體可包含此項技術中已知的任何適合有線及/或無線傳輸媒體。此等電腦子系統中之兩者或多於兩者亦可藉由一共用電腦可讀儲存媒體(未展示)而有效地耦合。
雖然在上文中將檢測子系統闡述為係一光學或基於光之檢測子系統，但在某些實施例中，將檢測子系統組態為一電子束子系統。在圖1a中所展示之一項此實施例中，檢測子系統包含耦合至電腦子系統124之電子柱122。亦如圖1a中所展示，電子柱包含經組態以產生電子之電子束源126，該等電子由一或多個元件130聚焦至樣品128。電子束源可包含(舉例而言)一陰極源或發射體尖端，且一或多個元件130可包含(舉例而言)一槍透鏡、一陽極、一束限制光闌、一閘閥、一束電流選擇光闌、一物鏡以及一掃描子系統，所有該等元件可包含此項技術中已知的任何此等適合元件。
自樣品返回之電子(例如，次級電子)可藉由一或多個元件132而聚焦至偵測器134。一或多個元件132可包含(舉例而言)一掃描子系統，該掃描子系統可為包含於元件130中之相同掃描子系統。
電子柱可包含此項技術中已知的任何其他適合元件。另外，可如以下美國專利中所闡述而對電子柱進一步組態：2014年4月4日頒予Jiang等人之美國專利第8,664,594號、2014年4月8日頒予Kojima等人之美國專利第8,692,204號、2014年4月15日頒予Gubbens等人之美國專利第8,698,093號以及2014年5月6日頒予MacDonald等人之美國專利第8,716,662號，該等美國專利如同完全陳述於本文中一般以引用之方式併入。
雖然在圖1a中將電子柱展示為經組態使得電子以一傾斜入射角度被引導至樣品且以另一傾斜角度自該樣品被散射，但電子束可以任何適合角度被引導至樣品及自該樣品被散射。另外，電子束子系統可經組態以使用多種模式來產生如本文中進一步所闡述之樣品之影像(例如，以不同照明角度、收集角度等)。電子束子系統之多種模式可在檢測子系統之任何影像產生參數上不同。
電腦子系統124可耦合至偵測器134，如上文所闡述。偵測器可偵測自樣品之表面返回之電子，藉此形成樣品之電子束影像。該等電子束影像可包含任何適合電子束影像。電腦子系統124可經組態以使用由偵測器134產生之輸出來執行本文中針對樣品進一步所闡述之一或多個功能。電腦子系統124可經組態以執行本文中所闡述之任何額外步驟。包含圖1a中所展示之檢測子系統之一系統可如本文中所闡述而進一步組態。
注意，在本文中提供圖1a以一般圖解說明可包含於本文中所闡述之實施例中之一電子束子系統之一組態。正如上文所闡述之光學子系統，本文中所闡述之電子束子系統組態可經變更以最佳化檢測子系統之效能，如在設計一商業檢測系統時通常執行。另外，可使用諸如可自KLA商業購得之eSxxx及eDR-xxxx系列工具之一現有系統來實施本文中所闡述之系統(例如，藉由將本文中所闡述之功能性添加至一現有系統)。針對某些此等系統，本文中所闡述之實施例可提供為系統之選用功能性(例如，除系統之其他功能性之外)。另一選擇係，本文中所闡述之系統可「從頭開始」設計以提供一全新系統。
雖然上文將檢測子系統闡述為係一光學或電子束子系統，但檢測子系統可為一離子束子系統。可如圖1a中所展示而對此一檢測子系統進行組態，惟電子束源可被替換為此項技術中已知的任何適合離子束源除外。另外，檢測子系統可為任何其他適合離子束子系統，諸如包含於可商業購得之聚焦離子束(FIB)系統、氦離子顯微鏡(HIM)系統及次級離子質譜(SIMS)系統中之離子束子系統。
如上文所述，檢測子系統經組態以用於使能量(例如，光、電子等)對樣品之一實體版本進行掃描，藉此產生樣品之實體版本之輸出。以此方式，檢測子系統可被組態為一「實際」子系統，而非一「虛擬」子系統。然而，一儲存媒體(未展示)及圖1中所展示之電腦子系統102可被組態為經組態以產生一樣品之影像之一「虛擬」檢測子系統。特定而言，儲存媒體及電腦子系統可被組態為如2012年2月28日頒予Bhaskar等人之共同讓與之美國專利第8,126,255號及2015年12月29日頒予Duffy等人之共同讓與之美國專利第9,222,895號(該兩者皆如同完全陳述於本文中一般以引用之方式併入)中所闡述且在本文中所闡述之實施例中用作一檢測子系統之一「虛擬」檢測系統。可如此等專利中所闡述而對本文中所闡述之實施例進行進一步組態。
如上文進一步所提及，檢測子系統可經組態以利用多種模式來產生樣品之輸出。一般而言，一「模式」可由用於產生一樣品之輸出(例如，影像)之檢測子系統之參數值定義。因此，不同之模式由檢測子系統之至少一個參數(除產生輸出之樣品上之位置之外)之不同值定義。舉例而言，在一光學檢測子系統中，不同模式可使用至少一個不同光波長來進行照明。模式可在照明波長上有所不同，如本文中詳盡闡述(例如，藉由針對不同模式使用不同光源、不同光譜濾光器等)。在另一實例中，不同模式可使用檢測子系統之不同照明通道。舉例而言，如上文所述，檢測子系統可包含多於一個照明通道。如此，不同照明通道可用於不同模式。模式亦可或另一選擇係在檢測子系統之一或多個收集/偵測參數上不同。檢測子系統可經組態以(例如)取決於同時使用多種模式來掃描樣品之能力而在同一掃描或不同掃描中利用不同模式來掃描樣品。
如上文所闡述，傳統的純粹基於晶粒至晶粒強度差之缺陷偵測演算法由於圖2至圖5中所展示之原因而在偵測aWLP樣品上之線開口缺陷方面係無效的。主要阻抗係來自由隨機金屬線表面粗糙度及/或不一致空間移位誘發之過多滋擾，亦即，雖然可偵測到基於差之信號，但差信號中之雜訊在灰階強度及幾何大小方面可大於真實線開口缺陷。為了解決線開口缺陷，本文中所闡述之實施例係可以一基於單晶粒之檢測方式執行之用於偵測RDL線上之線開口缺陷之專門檢測方法及系統。
雖然本文中所闡述之實施例尤其適合於偵測RDL線中之線開口缺陷且在本文中關於此等缺陷及樣品而闡述某些實施例，但本文中所闡述之實施例不限於此等缺陷及樣品。舉例而言，本文中所闡述之實施例可有利地用於檢測其他相對高雜訊圖案化特徵中之缺陷及/或其中缺陷及圖案化特徵在一檢測影像中具有實質上不同特性之情況。
電腦子系統經組態以用於偵測樣品上之缺陷候選者。如彼術語在本文中所使用，將「缺陷候選者」定義為在一樣品上偵測到且未作為滋擾而被濾除之任何事件。舉例而言，在缺陷偵測之後，缺陷候選者可包含在一樣品上偵測到之所有事件且可包含實際缺陷(或DOI)及滋擾兩者。在滋擾濾波之後，缺陷候選者將包含並未藉由滋擾濾波而消除之所有所偵測缺陷候選者。在滋擾濾波之後的缺陷候選者是否僅包含DOI取決於滋擾濾波在DOI與滋擾之間進行區分之良好程度。在執行所有滋擾濾波之後，可將剩餘缺陷候選者指定為所偵測缺陷，即使所指定缺陷中之一或多者實際上係滋擾。
偵測缺陷候選者包含識別包含於樣品之所產生影像中之一測試影像中之一圖案化特徵。測試影像可為由檢測子系統產生之任何測試、目標或圖框影像。測試影像可具有任何適合大小且可為一相對小的片塊影像，其大小可取決於檢測子系統之組態及/或對由檢測子系統產生之輸出之電腦處理而變化。
在一項實施例中，圖案化特徵包含一RDL層上之一線。在另一實施例中，圖案化特徵由金屬形成。舉例而言，如本文中進一步所闡述，本文中所闡述之實施例可針對其而偵測缺陷之樣品可包含由金屬形成之RDL線。如此，電腦子系統可經組態以識別測試影像中之RDL線，使得可針對線開口缺陷而檢測該等RDL線，如本文中進一步所闡述。以一類似方式，電腦子系統可經組態以識別由金屬形成之其他圖案化特徵來進行檢測。
在某些實施例中，識別圖案化特徵包含將一遮罩施加至測試影像，該遮罩分離測試影像中在圖案化特徵內之像素與測試影像中之所有其他像素。換言之，識別測試影像中之圖案化特徵可包含識別測試影像中之與圖案化特徵對應之像素。用於進行此識別之一種尤其適合之方式係藉由將一遮罩施加至測試影像。遮罩可具有與圖案化特徵對應及不與圖案化特徵對應之清晰界定且指定之區。舉例而言，遮罩可包含與被識別之圖案化特徵對應之清透區及不與圖案化特徵對應之不透明區(不透明區可包含並非係所關注之圖案化特徵、下伏或非圖案化區等)。一般而言，遮罩可具有此項技術中已知的任何適合組態。將遮罩施加至測試影像可包含將遮罩覆疊於測試影像上且然後將測試影像對準至遮罩。此覆疊及對準可以此項技術中已知的任何適合方式執行。
雖然在本文中關於一圖案化特徵而闡述識別步驟，但識別步驟可實際上包含在同一測試影像中識別可具有相同特性或不同特性之一個以上所關注圖案化特徵(例如，具有相同特性之兩個或多於兩個RDL線、其中之至少某些具有彼此不同之形狀、定向、大小等之兩個或多於兩個RDL線)。換言之，關於一圖案化特徵而闡述識別步驟以簡化並闡明對本發明之理解。然而，可同時或依序地針對一個以上圖案化特徵執行識別步驟。以一類似方式，雖然可在本文中為清晰及簡單起見而關於一測試影像闡述本發明，但可依序或同時地針對一個以上測試影像執行本文中所闡述之步驟。測試影像可包含在樣品上之一或多個晶粒中之相同晶粒內位置處或者在樣品上之一或多個晶粒中之不同晶粒內位置處產生之測試影像，此意味著測試影像可並非含有彼此相同之圖案化特徵。測試影像可進一步包含上文所闡述且使用檢測子系統之一或多種模式產生之測試影像中之任何者。
在一項此實施例中，一或多個電腦子系統經組態以用於根據樣品之一設計而產生遮罩。以此方式，本文中所闡述之實施例可利用設計資訊來進行RDL線遮罩產生。舉例而言，由於可自KLA商業購得之Kronos™ 1080晶圓級封裝檢測系統，因此FlexPoint™演算法架構(其係隨著自Altair產品線引入Kronos™ 1080產品之用於自適應檢測之一特徵)提供基於中值強度之分段以用於分離RDL線及線之間的空間。FlexPoint™極大地改良針對Altair檢測工具之敏感度-滋擾折衷、尤其係在其中影像強度通常相對安靜之空間區中，使得容易地偵測到RDL線之間的橋接件。然而，發明人亦發現可由於RDL LER而難以產生清透線遮罩。可自KLA商業購得之某些89xx工具將包含允許使用者基於可由使用者提供之設計資訊(例如，GDS檔案)而產生FlexPoint™遮罩(針對RDL線/空間)之一特徵。與自樣品影像產生遮罩相比，此等遮罩之產生有利地更快、更清潔且不受RDL LER影響。利用基於設計之FlexPoint™遮罩，除RDL空間中之橋接件之外，亦可藉由本文中所闡述之實施例而偵測到RDL線開口。使用設計資訊之FlexPoint™遮罩產生可如由Zhang等人在2020年6月15日提出申請之共同讓與之美國專利申請案第16/901,102號(其如同完全陳述於本文中一般以引用之方式併入)中所闡述而執行，且特徵將作為DesignWise™特徵可用於可自KLA商業購得之89xx工具上。可如此專利申請案中所闡述而對本文中所闡述之實施例進行進一步組態。
對於處置RDL線中之線開口缺陷之偵測，本文中所闡述之實施例可受益於基於設計之RDL線及空間遮罩之相對迅速且容易的產生。使用基於設計之FlexPoint™遮罩產生之一直接優點係實施例不依賴於純粹的總影像強度來執行片塊至遮罩對準(PMA)，其係FlexPoint™特徵中之用以將一遮罩準確地放置於一影像上之一組件。因此，來自RDL至先前層移位(如圖3中所展示)之模糊或混淆將不會影響對準程序。
在另一此實施例中，遮罩將圖案化特徵之具有不同定向之部分內之像素分離至不同區域中，且針對不同區域而單獨地執行本文中進一步所闡述之判定及偵測步驟。舉例而言，具有不同定向之RDL線部分可被容易地指派有不同區域遮罩ID，因此可應用不同檢測演算法及相關聯參數。一基於設計之RDL線/空間遮罩可覆疊於可以此項技術中已知的任何適合方式產生之一中值參考晶粒(MRD)影像之頂部上。可使用不同色彩或其他適合標記來表示不同區域ID。不具有一經著色遮罩或其他標記之像素可屬於未經檢測區域，亦即，不關注之區域或不關心之區。
如圖6中所展示，在具有設計資訊之情況下，除RDL線之間的空間之外，亦可容易地將連續RDL線分離成具有不同定向(例如，水平、垂直、45度對角線及135度對角線)之不同區域。特定而言，圖6展示不同圖案化特徵600、602、604及606之實例，其中將圖案化特徵之具有不同定向之部分分離成不同區域。圖案化特徵600包含具有水平定向之部分608、612及616、具有一45度對角線定向之部分610，及具有一135度對角線部分之部分614。圖案化特徵602包含具有一水平定向之部分618、622及626、具有一45度對角線定向之部分620，及具有一135度對角線定向之部分624。圖案化特徵604包含具有一垂直定向之部分628、632及636、具有一135度對角線定向之部分630，及具有一45度對角線定向之部分634。圖案化特徵606包含具有一垂直定向之部分638、642及646、具有一135度對角線定向之部分640，及具有一45度對角線定向之部分644。
可將圖案化特徵之具有相同定向之部分分離至同一區域中，且可將圖案化特徵之具有不同定向之部分分離至不同區域中。在一項此實例中，可將圖案化特徵600之部分608、612及616中之像素分離至一第一區域中，可將圖案化特徵600之部分610中之像素分離至一第二區域中，且可將圖案化特徵600之部分614中之像素分離至一第三區域中。可以一類似方式分離圖6中所展示之其他圖案化特徵之部分中之像素，其中針對每一圖案化特徵單獨地產生區域。
可將多個圖案化特徵之具有相同定向之部分中之像素分離至同一區域中。舉例而言，可將圖案化特徵600之部分608、612及616中之像素以及圖案化特徵602之部分618、622及626中之像素分離至一第一區域中。可將圖案化特徵600之部分610中之像素、圖案化特徵602之部分620中之像素、圖案化特徵604之部分634中之像素及圖案化特徵606之部分644中之像素分離至一第二區域中。可將圖案化特徵600之部分614中之像素、圖案化特徵602之部分624中之像素、圖案化特徵604之部分630中之像素及圖案化特徵606之部分640中之像素分離至一第三區域中。可將圖案化特徵604之部分628、632及636中之像素以及圖案化特徵606之部分638、642及646中之像素分離至一第四區域中。
可針對整個RDL線之不同線分段而定義不同區域ID，且可藉由如圖6中所展示之不同填充圖案或以另一方式(諸如利用不同遮罩色彩)表示該等不同區域ID。一或多個電腦子系統可使用適當RDL提取規則腳本利用DesignWise™特徵容易地產生並使用如本文中所闡述之遮罩。可在處方設置時間期間執行遮罩之設置。
針對測試影像中位於圖案化特徵內之至少一個像素，偵測缺陷候選者包含判定至少一個像素之一特性與測試影像中位於至少一個像素之一預定窗內之其他像素之特性之間的一差且基於所判定差而偵測該至少一個像素處之一缺陷候選者。此等步驟探索並利用RDL線/空間中之結構連續性/不連續性及RDL線/空間特定雜訊統計資料來偵測諸如線開口缺陷之缺陷。此等步驟中之一目標可為藉助於如上文所闡述之RDL線遮罩而偵測線開口缺陷。如上文所闡述，由於RDL線粗糙度，因此來自晶粒至晶粒或其他測試至參考比較之差強度將產生過多雜訊。然而，藉由查看測試影像本身，顯然存在線開口缺陷信號。舉例而言，圖7包含清晰地展示線開口缺陷之測試影像。特定而言，測試影像700展示相對小的線開口缺陷702。測試影像704展示在參考影像710中不可見之褪色線缺陷706及相對大的丟失線缺陷708 (以一線之一對角線分段及該線之另一水平分段兩者)。此等影像中之線之粗糙度亦係極清晰的。
本文中所闡述之實施例使用結構連續性/不連續性之特性來偵測線開口缺陷。存在與本文中所闡述之步驟相關之RDL線結構之兩個觀察。一個觀察係，對於線開口缺陷區中之像素，彼等像素「屬於」通常在BF模式中具有比線更低及/或更均勻強度之空間。第二觀察係，對於靠近RDL線之邊緣之像素，強度通常具有一下降，亦即，該強度低於線之內部中之像素之強度但高於空間中之像素之強度。
如上文所闡述，在一項實施例中，遮罩將圖案化特徵之具有不同定向之部分內之像素分離至不同區域中，且在某些此等實施例中，針對不同區域而單獨地執行本文中進一步所闡述之判定及偵測步驟。舉例而言，藉助基於設計之FlexPoint™遮罩(基於原生檢測像素)之便利，本文中所闡述之實施例可以+/-1像素之一準確度容易地識別一圖框中之一像素是否屬於水平RDL線、垂直RDL線、135度RDL線、45度RDL線、RDL線之間的空間、具有不同定向之RDL線之間的空間、不關心之區等。可然後針對線及空間之具有不同定向之不同區域、可能利用一或多個不同參數(諸如不同預定窗大小、不同臨限值、不同敏感度等)單獨地執行本文中所闡述之步驟。舉例而言，可利用一第一預定窗大小及形狀以及一第一臨限值或敏感度來檢測線之具有一垂直定向之區域，且可利用一第二預定窗大小及形狀以及一第二臨限值或敏感度來檢測線之具有一水平定向之區域。可類似地使本文中所闡述之步驟之其他參數變化。亦可針對本文中所闡述之其他圖案化結構及定向而使參數變化。
在一項此實施例中，一或多個電腦子系統經組態以用於獨立地判定用於針對不同區域而單獨執行之判定步驟之預定窗之一或多個特性。舉例而言，可在針對不同RDL線分段之檢測處方中定義用於判定空間不連續性之預定窗大小。每一類型之線分段可具有其自身之特定窗大小定義。可在一處方設置階段中判定窗大小定義。
圖11展示針對不同RDL線分段之不同預定窗大小定義。在此等影像中藉由以白色勾勒之區而展示預定窗。舉例而言，影像1100展示針對一水平線分段之一預定窗大小定義。影像1102展示針對一垂直線分段之一預定窗大小定義。影像1104展示針對一135度對角線RDL線分段之一預定窗大小定義，且影像1106展示針對一45度對角線RDL線分段之一預定窗大小定義。
在一項實施例中，判定差包含判定預定窗內之至少一個像素及其他像素之特性之一範圍，該範圍係預定窗內之至少一個像素及其他像素之特性之最大值與最小值之間的一差，且偵測缺陷候選者包含將一臨限值應用於該範圍。本文中闡述用於基於單晶粒之檢測之方法之兩個實施例。此方法使用基於空間範圍窗(亦即，預定窗)之一空間連續性度量。基於以上兩個觀察，對於一RDL線上之每一像素，可想出以RDL線分段上之像素為中心之一空間窗且計算範圍(最大強度像素與最小強度像素之間的差)。
圖8展示此方法可如何成功地偵測RDL線上之缺陷。特定而言，圖8展示使用範圍作為一度量來偵測由於一水平RDL線中之一線開口缺陷引起之結構不連續性之實例800，及使用範圍作為一度量來偵測一對角線RDL線中之一線開口缺陷之結構不連續性之實例810。實例800包含線802及空間804以及覆疊於線中之一者之不同部分上之兩個預定窗806及808之影像。預定窗806及808僅係展示為以線中之一者內之不同像素為中心之相同預定窗之兩個例項。實例810包含線812及空間814以及覆疊於線中之一者上之兩個預定窗816及818之影像。如上，預定窗816及818僅係展示為以線中之一者內之不同像素為中心之相同預定窗之兩個例項。針對居中於預定窗806及816中之像素而判定之範圍值將係相對低的，此乃因此等預定窗中之像素全部位於一相對低強度且安靜之空間中。相比而言，在預定窗808及818中判定之範圍值係相對高的。舉例而言，基於用於檢測影像之檢測子系統之亮度級設定，範圍可為明線結構及暗空間背景之一最大值。
圖8展示利用此預定窗，本文中所闡述之實施例可以相對低的計算成本來偵測RDL不連續性。當然，藉以偵測此等RDL線開口缺陷之敏感度取決於窗大小。若窗大小過大，則其可錯過某些實質上小的線開口。若窗大小過小，則其可引入滋擾。然而，此偵測方法本身未必針對於以零或極低滋擾率達成實質上較高捕獲率。而是，此偵測方法可用作「一廉價且公平」之RDL線開口偵測方法。可執行本文中所闡述之其他步驟以將所偵測缺陷候選者分離成滋擾及缺陷。
在另一此實施例中，一或多個電腦子系統亦經組態以用於基於缺陷候選者之一或多個特性而判定缺陷候選者是否係一缺陷。舉例而言，此一偵測方法可與某些形態學後處理組合以移除相對小的線開口滋擾及/或與透過iDO (其係可用於可自KLA商業購得之某些工具上之一缺陷分類模組)而指派最終缺陷分類組合，或與基於深度學習(DL)之分級(binning)組合以移除過多滋擾並保留真實線開口DOI。可如本文中進一步所闡述而執行此形態學後處理及缺陷分類或分級。
在一項此實施例中，缺陷候選者包含圖案化特徵中之一完整開口。舉例而言，上文所闡述之第一方法係相對簡單且快速的並且將偵測比用於RDL線檢測之其他當前所使用方法及系統少的滋擾，但其效能對於完整線開口係良好的而對於部分線開口未必係良好的。
第二方法係基於像素強度相對於一圖案化特徵中且可能每一晶粒圖框中之同一對應RDL線分段中之平均強度之差(其可在本文中簡單地稱為「單晶粒Diff-to-Mean」或「SDDifftMean」)。舉例而言，在另一實施例中，判定差包含判定至少一個像素之特性與預定窗內之至少一個像素及其他像素之特性之一平均值之間的一差。可以任何適合方式判定平均值以及像素之特性與平均值之間的差。
在一項此實施例中，預定窗囊括測試影像中之圖案化特徵之一整體。舉例而言，不同於第一方法，在其內判定差之預定窗可包含測試影像中之圖案化特徵之一整體。特定而言，可判定所識別圖案化特徵中之所有像素之特性(例如，強度)之平均值，且然後可判定彼圖案化特徵中之任何一個像素之特性與彼平均值之間的差並將該差用於本文中所闡述之偵測步驟。當測試影像中之圖案化特徵之整體具有一單個定向(如圖8之實例800中所展示之線)時，此一實施例可為適合的。
在另一此實施例中，預定窗囊括測試影像中之圖案化特徵之一整體以及測試影像中之一或多個其他整個圖案化特徵，且一或多個其他整個圖案化特徵具有與圖案化特徵相同之一類型及定向。舉例而言，若一測試影像包含具有相同類型及定向之多於一個圖案化特徵(例如，圖8之實例800中所展示之線)，則可判定測試影像中之所有彼等圖案化特徵中之所有像素之特性之平均值，且然後可判定彼等圖案化特徵中之任何一個像素之特性與彼平均值之間的差並將該差用於本文中所闡述之偵測步驟。自一測試影像中之具有相同類型及定向之圖案化特徵中之多於一個(或所有)圖案化特徵判定平均值可為本文中所闡述之偵測步驟提供優點，例如，平均值可較穩定且較少地回應於圖案化特徵中之雜訊。另外，僅自測試影像中之一或若干圖案化特徵(且並不自針對樣品而產生之任何其他影像，諸如其他測試影像或一參考影像)判定平均值可有利地減少非缺陷樣品內或跨越樣品之變化對平均值之影響。
可針對圖案化特徵之具有不同定向且被分離成不同像素區域之不同部分而使預定窗類似地變化。舉例而言，可自一測試影像中之RDL線之水平定向分段中之所有像素判定一平均值，可自測試影像中之RDL線之垂直定向分段中之所有像素判定另一平均值等。可然後基於像素所定位之RDL線之分段而選擇用於判定針對任何一個像素之一差之平均值。換言之，若一測試影像中之一像素位於一RDL線之一垂直定向分段中，則可選擇自測試影像中之RDL線之垂直定向分段中之所有(或至少某些)垂直定向分段判定之平均值並將該平均值用於判定針對該像素之差。
在另一此實施例中，偵測缺陷候選者包含判定與預定窗內之至少一個像素及其他像素之平均值及特性之一標準偏差、藉由將差除以標準偏差而判定一信號強度，及將一臨限值應用於信號強度。概念係相對簡單的：可針對每一圖框中之每一組線分段(例如，水平、垂直、135度對角線及45度對角線RDL分段)而計算平均強度及強度之標準偏差。然後，檢測僅係尋找每一像素之相對強度，如在用於對應線分段之以下方程式中所闡述：
信號_強度= (像素_強度-平均_強度) /標準_偏差。
若信號強度大於規定臨限值(特定於極性，暗缺陷及亮缺陷具有其不同臨限值)，則像素係異常的。此方法在概念上係簡單的但在計算上可為相對昂貴的。舉例而言，此方法可包含兩個圖框像素訪問遍次，第一遍次係用於收集每一區域或群組中之雜訊統計資料(例如，平均值及標準偏差)，而第二遍次係用於相對強度計算及異常偵測。可以此項技術中已知的任何適合方式另外判定平均值及標準偏差。
在一項此實施例中，一或多個電腦子系統進一步經組態以用於自針對測試影像而產生之一中值參考影像判定平均值及標準偏差。舉例而言，可使用RDL空間分段遮罩及下方之MRD影像來自動計算空間分段中之平均強度範圍之對應參數。可以此項技術中已知的任何適合方式產生一MRD影像。可在處方設置時間期間執行此步驟。
在取決於處理量最佳化而執行之一選用步驟中，在自RDL線分段設計多邊形產生遮罩之後(意味著RDL多邊形之設計已與MRD影像中之RDL線結構對準)，計算水平、垂直、45度及135度對角線RDL線分段之像素強度之平均值及標準偏差，且可針對RDL線分段之間的空間分段中之彼等像素而執行類似計算。可在處方設置時間期間執行此等步驟。
在另一此實施例中，一或多個電腦子系統經組態以用於自測試影像判定平均值及標準偏差。舉例而言，平均值及標準偏差可如上文所闡述自一單個測試影像而判定且將提供上文所闡述之相同優點。以此方式，本文中所闡述之實施例可提供真正單晶粒影像(SDI)缺陷偵測。
在某些實施例中，識別圖案化特徵包含將一遮罩施加至測試影像(該遮罩分離測試影像中在圖案化特徵內之像素與測試影像中之所有其他像素)且預處理施加遮罩之結果以識別超出圖案化特徵之一或多個邊緣之一或多個像素並自圖案化特徵內之像素移除所識別一或多個像素。在另一實施例中，識別圖案化特徵包含將一遮罩施加至測試影像(該遮罩分離測試影像中在圖案化特徵內之像素與測試影像中之所有其他像素)且後處理施加遮罩之結果以識別超出圖案化特徵之一或多個邊緣之一或多個像素並自圖案化特徵內之像素移除所識別一或多個像素。在此等實施例中，可將遮罩施加至測試影像(如上文進一步所闡述)且可將預處理或後處理(或甚至此兩者)應用於遮罩施加之結果以解決彼步驟中之任何邊緣性。舉例而言，由於系統限制，因此遮罩放置準確度可針對大多數系統係約+/- 1.5像素。如下文進一步所闡述之圖9中可見，在縮放層級處，可存在包含於RDL線分段中之額外空間像素。彼等額外空間像素將促成過多滋擾偵測。因此，一較穩健預處理或後處理將對於減輕彼滋擾偵測係有利的。存在用以解決此等額外空間像素之兩種方式：(1)預處理RDL線分段遮罩以移除線分段中之空間像素；及(2)後處理以移除具有較低強度之過多空間像素。無論哪種方式，操作皆涉及比本文中所闡述之第一方法更昂貴之一計算。可以此項技術中已知的任何適合方式另外執行預處理步驟及後處理步驟。
特定而言，圖9展示針對一樣品而產生之兩個測試影像900及908。測試影像900包含兩個RDL線902及904，其中在RDL線904中具有線開口缺陷906。測試影像908亦包含兩個RDL線910及912，該兩者皆不包含一線開口缺陷。然而，如本文中所闡述針對此等影像而判定之相對信號強度將導致對測試影像900中之線開口DOI及RDL線邊緣914處之滋擾兩者進行偵測。換言之，用於RDL線開口偵測之SDDifftMean方法提供對線開口及部分線開口缺陷之有效偵測但亦可偵測RDL線邊緣處之像素之過多滋擾。因此，上文所闡述之預處理步驟及後處理步驟可為用於本文中所闡述之實施例之重要滋擾減少技藝。
在另一實施例中，缺陷候選者包含圖案化特徵中之一完整或部分開口。舉例而言，SDDifftMean方法能夠偵測完整線開口缺陷及亦相對較大部分線開口(如圖10中所展示)兩者。特定而言，SDDifftMean方法能夠偵測完整線開口缺陷(諸如圖9之測試影像900中所展示之線開口缺陷906)以及部分線開口缺陷(諸如圖10中所展示之測試影像1000之圓圈部分1002中所展示之部分線開口缺陷)兩者。以此方式，藉由SDDifftMean方法而判定之相對信號強度可偵測部分線開口。
在某些實施例中，一或多個電腦子系統經組態以用於藉由對偵測步驟之結果執行一形態影像運算而判定缺陷候選者是否係一缺陷。舉例而言，本文中所闡述之實施例可使用一形態影像運算來移除相對少數候選像素集團。在本文中所闡述之兩種基於單晶粒之RDL線開口候選者偵測方法中，不可避免地兩種方法將不會僅提供DOI捕獲。與傳統基於晶粒至晶粒差之檢測方法相比，兩種方法提供較佳DOI捕獲率對滋擾率。該等傳統基於晶粒至晶粒差之檢測方法通常以巨大滋擾偵測來壓倒檢測，使得對真實DOI之偵測變得不可能。新的基於單晶粒之方法(基於空間不連續性或基於相對信號強度)將在低得多之滋擾率下給出好得多之捕獲率。然而，對於有生產價值之晶圓檢測，較佳地進一步減少滋擾。對此滋擾之一個觀察係其通常零星地傳播且具有相對較小像素計數集團。如此，可執行一形態影像運算以移除相對較小大小之滋擾。此基於形態影像運算之滋擾濾波可在檢測後處理階段處減少實質滋擾量。可以任何適合方式另外執行分析缺陷候選者之形態性質及使用彼等形態性質來分離可能之滋擾與可能之DOI。
在一額外實施例中，一或多個電腦子系統經組態以用於藉由基於測試影像對缺陷候選者進行分級而判定缺陷候選者是否係一缺陷。在另一實施例中，一或多個電腦子系統經組態以用於藉由將一基於深度學習(DL)之分類器應用於測試影像而判定缺陷候選者是否係一缺陷。舉例而言，實施例可使用基於iDO之分級或基於DL之分級來進一步移除滋擾。在一項此實例中，存在在空間尺寸上相對較大但可因其外觀而在視覺上被識別為滋擾之某些結構，舉例而言，RDL線邊緣粗糙度對部分線開口，或線彎曲。可使用iDO線內分級來濾除每一並行處理單元層級處之可能滋擾。若DOI及滋擾係視覺上可區分的，則使用缺陷候選片塊之DL分級可具有比iDO分類器更佳之一滋擾減少結果。基於DL之分級可如2020年3月31日頒予He等人之美國專利第10,607,119號中所闡述而執行，該美國專利如同完全陳述於本文中一般以引用之方式併入。基於DL之滋擾濾波可如由Huang等人在2019年10月24日提出申請之美國專利申請案第16/663,283號中所闡述而執行，該美國專利申請案如同完全陳述於本文中一般以引用之方式併入。本文中所闡述之實施例可如此專利及專利申請案中所闡述而進一步組態。
在一項實施例中，在不具有一參考影像之情況下執行判定及偵測步驟。換言之，偵測缺陷候選者可包含單個影像缺陷偵測，而非需要如在晶粒至晶粒檢測中之兩個晶粒影像或如在晶粒至參考檢測中之一測試及參考影像。舉例而言，金屬顆粒係後端晶圓檢測中之主要滋擾。由於金屬顆粒跨越樣品(諸如晶圓) (例如，跨越一晶圓上之所有晶粒)而隨機分佈，因此金屬顆粒無法由晶粒至晶粒差抵消。特定而言，藉由金屬層之晶粒至晶粒減法而產生之差影像將包含無法由該等減法抵消且可被偵測為事件之顆粒雜訊。事實上，基於晶粒至晶粒差之方法可放大來自金屬顆粒之雜訊，藉此使得不可能偵測到DOI。因此，用於偵測及分級之當前所使用晶粒至晶粒缺陷方法將不適用於此等樣品。如此，本文中所闡述之實施例可經組態以用於在不使用任何參考晶粒(無論是來自毗鄰晶粒還是一標準參考晶粒)之情況下對一個晶粒中之缺陷進行偵測及分類。本文中所闡述之實施例可偵測DOI候選者且透過DL或以本文中進一步闡述之另一方式藉由單晶粒缺陷片塊影像而分離真正DOI與金屬顆粒滋擾。
圖12圖解說明可被執行以用於如本文中所闡述而偵測缺陷之步驟之一項實施例。可在兩個不同階段中執行步驟：設置階段1200及運行時間階段1202。在設置階段期間，一或多個電腦子系統可使用設計資料1204 (例如，一GDS檔案)作為用於再現及放置步驟1206之輸入，可以此項技術中已知的任何適合方式執行該再現及放置步驟。在設置階段中，一或多個電腦子系統亦可執行參考產生步驟1208，其可包含產生用於樣品檢測之一MRD或另一類型之參考。參考產生步驟以及再現及放置步驟之結果可由電腦子系統用於分段遮罩產生步驟1210，該分段遮罩產生步驟可包含產生本文中所闡述之分段遮罩中之一者。電腦子系統亦可使用參考產生步驟1208輸出來進行錨定位點尋找步驟1212，其中在所產生參考中選擇錨定位點。錨定位點可然後用於檢測程序中以將由檢測子系統產生之影像對準至一共同參考。
在檢測之運行時間，可將處方參數向下發送至正運行檢測之每一CPU核心。在運行時間階段中，可將與不同RDL線/空間分段相關聯之額外處方參數向下發送至檢測電腦以及供用於檢測中之遮罩。在運行時間階段中，一或多個電腦子系統使用錨定位點尋找步驟之輸出來執行片塊至遮罩對準步驟1214，在該片塊至遮罩對準步驟中，將由檢測子系統產生之影像對準至遮罩，使得可藉由在經掃描影像上放置遮罩步驟1216而如本文中進一步所闡述識別影像中之圖案化特徵。如步驟1218中所展示，一或多個電腦子系統然後執行基於分段之基於晶粒至晶粒(DtD)差強度之檢測或單晶粒(SD)檢測，如本文中所闡述。舉例而言，在運行時間階段中，基於分段之基於DtD/SD目標強度之檢測步驟可包含利用分段遮罩之傳統晶粒至晶粒檢測或者利用本文中進一步所闡述之如下兩種方法中之一者執行新的分段遮罩導引之單晶粒檢測：(1)針對結構連續性之空間窗；及/或(2)同一分段中之像素強度與其平均強度之間的差可能由同一分段之標準偏差正規化。
圖13圖解說明可由本文中所闡述之實施例執行以用於基於「空間連續性」之單晶粒RDL線開口偵測之步驟的一實施例。如圖13中所展示，步驟在兩個階段中執行：偵測路徑階段1300及後處理階段1302。一或多個電腦子系統執行預處理步驟1304，其可包含本文中所闡述之預處理步驟中之任何者。在完成預處理步驟之後，偵測路徑可以判定是否完成像素迴圈開始，如步驟1306中所展示。執行一「像素迴圈」意指循環通過(訪問)一工作圖框、片塊影像、測試影像等中之每一像素。若完成像素迴圈，則一或多個電腦子系統繼續進行至後處理階段。
若判定未完成像素迴圈，則一或多個電腦子系統判定一像素是否在RDL線n上，如步驟1308中所展示。若像素不在一RDL線上，則一或多個電腦子系統重複步驟1306。若判定像素在一RDL線上，則電腦子系統判定像素之一強度是否在一範圍(n)內，如步驟1310中所展示。可將在範圍內之一像素強度定義為大於範圍設定之一最小值且小於範圍設定之一最大值之一強度。若像素不在範圍(n)內，則一或多個電腦子系統返回至步驟1306。若判定像素強度在範圍(n)內，則一或多個電腦子系統判定單晶粒像素窗範圍是否小於一臨限值，如步驟1312中所展示。小於一臨限值之一單晶粒像素窗範圍意指相鄰像素之最大強度-相鄰像素之最小強度小於一臨限值設定。若單晶粒像素窗範圍不小於臨限值，則一或多個電腦子系統返回至步驟1306。若判定單晶粒像素窗範圍小於臨限值，則一或多個電腦子系統將像素標記為有缺陷的，如步驟1314中所展示。在步驟1314之後，一或多個電腦子系統返回至步驟1306。
當一或多個電腦子系統在步驟1306中判定完成像素迴圈時，一或多個電腦子系統在後處理階段1302之步驟1316中產生有缺陷斑點。一或多個電腦子系統然後在步驟1318中判定是否完成有缺陷斑點迴圈。若判定未完成有缺陷斑點迴圈，則一或多個電腦子系統判定斑點中之有缺陷像素之數目是否大於一臨限值，如步驟1320中所展示。若斑點中之有缺陷像素之數目不大於臨限值，則一或多個電腦子系統返回至步驟1318。若斑點中之有缺陷像素之數目大於臨限值，則一或多個電腦子系統產生一缺陷，如步驟1322中所展示。在一或多個電腦子系統產生一缺陷之後，一或多個電腦子系統返回至步驟1318。當一或多個電腦子系統判定完成有缺陷斑點迴圈時，一或多個電腦子系統執行後處理步驟1324，其可包含本文中所闡述之後處理步驟中之任何者。一或多個電腦子系統然後執行返回結果步驟1326，其中將由電腦子系統執行之步驟中之任何者之結果輸出作為一檢測結果檔案或另一適合檔案。
圖14圖解說明可由本文中所闡述之實施例執行以用於基於「經正規化相對強度與平均值」之單晶粒RDL線開口偵測之步驟的一實施例。如圖14中所展示，步驟可在兩個階段中執行：雜訊收集路徑階段1400及偵測路徑階段1402。在開始雜訊收集路徑之前，一或多個電腦子系統執行預處理1404，其可包含本文中所闡述之預處理步驟中之任何者。在完成預處理步驟之後，一或多個電腦子系統藉由判定是否完成第一像素迴圈而開始雜訊收集路徑，如步驟1406中所展示。若未完成第一像素迴圈，則一或多個電腦子系統判定一像素是否在RDL線n或空間m上，如步驟1408中所展示。若判定像素不在RDL線n或空間m上，則一或多個電腦子系統返回至步驟1406。若判定像素在RDL線n或空間m上，則一或多個電腦子系統收集線(n)及/或空間(m)之分段之強度之平均值及標準偏差(std)，如步驟1410中所展示。在一或多個電腦子系統執行步驟1410之後，一或多個電腦子系統返回至步驟1406。
當一或多個電腦子系統在步驟1406中判定完成第一像素迴圈時，一或多個電腦子系統藉由在步驟1412中判定是否完成第二像素迴圈而開始偵測路徑1402。若一或多個電腦子系統判定未完成第二像素迴圈，則一或多個電腦子系統判定一像素是否在RDL線n或空間m上，如步驟1414中所展示。若判定像素不在RDL線n或空間m上，則一或多個電腦子系統返回至步驟1412。若判定像素在RDL線n或空間m上，則一或多個電腦子系統利用(pixel_intensity - mean[n])/std[n]來計算像素之信號強度，如步驟1416中所展示。在一或多個電腦子系統計算像素之信號強度之後，一或多個電腦子系統判定像素之信號強度是否大於一臨限值，如步驟1418中所展示。若像素之信號強度不大於臨限值，則一或多個電腦子系統返回至步驟1412。若像素信號強度大於臨限值，則電腦子系統將像素標記為有缺陷的，如步驟1420中所展示。
當一或多個電腦子系統在步驟1412中判定完成第二像素迴圈時，一或多個電腦子系統開始後處理階段1422。在此實施例中執行之後處理階段可與圖13中所展示之後處理階段相同。
上文所闡述且在圖12至圖14中所展示之步驟之實施例可藉由本文中所闡述之系統實施例中之任何者執行。另外，在此等圖中所闡述及展示之步驟之實施例可如本文中進一步所闡述而執行且與本文中所闡述之任何其他步驟組合。
在本文中所闡述之第一方法與第二方法之間存在某些差異及類似性，該等差異及類似性可用於選擇該等方法中之哪一者對於任何特定使用情形係最佳的。舉例而言，基於第一像素範圍之方法僅需要訪問一圖框中之每一像素之一個偵測遍次，此使得其與第二方法相比在計算上成本較低，該第二方法可包含圖框像素訪問之兩個遍次，一個遍次用於雜訊統計資料收集(每一分段中之強度之平均值及標準偏差)且一個遍次用於檢測。另外，基於第一像素範圍之方法以相對低成本偵測完整線開口缺陷，而基於第二平均值之方法可除了完整線開口缺陷之外亦偵測RDL部分線開口缺陷。為減少基於第二平均值之方法之成本，實施例可在設置階段中計算一MRD或另一適合參考上之平均值及標準偏差，如本文中所闡述。以此方式，實施例可避免針對每一像素執行兩個遍次，但使用此一參考可較不能夠適應不同晶粒中之晶圓尺度局部製程變化。兩種方法之後處理階段可為相同的。兩種方法中之後處理步驟可包含本文中所闡述之後處理步驟中之任何者，諸如基於iDO之滋擾減少及基於DL分級之滋擾減少。
本文中所闡述之實施例具有優於用於偵測RDL線及其他雜訊圖案化特徵上之缺陷之其他當前所使用系統及方法之若干個優點。舉例而言，本文中所闡述之實施例可利用用於偵測(部分)線開口缺陷之基於單晶粒強度之特徵，其克服由RDL線之相對粗糙金屬表面在晶粒至晶粒強度差中導致的過多雜訊之問題。另外，使用基於設計之遮罩允許實施例解決RDL線與RDL線下方之子晶粒結構之間的不一致移位。本文中所闡述之實施例亦可幫助改良針對aWLP使用情形藉由現有後端檢測工具而捕獲RDL線開口之敏感度。
本文中所闡述之實施例以達成上文所闡述之優點之若干種重要方式與用於偵測RDL線及其他雜訊圖案化特徵上之缺陷之當前所使用系統及方法不同。舉例而言，本文中所闡述之實施例能夠進行避免基於晶粒至晶粒差之檢測中之過多雜訊之基於單晶粒強度之檢測。另外，本文中所闡述之實施例提供一新的基於空間連續性之度量以用於RDL線開口偵測。本文中所闡述之實施例亦提供一新的基於相對強度之度量以用於RDL線開口偵測。此外，本文中所闡述之實施例可經組態以使用設計多邊形資訊來簡化並促進將RDL線之不同分段(例如，水平、垂直、135度對角線、45度對角線)分離至不同區域中，此對於其中傳統基於強度之遮罩產生變得不可能之情形係尤其重要的。本文中所闡述之實施例亦可使用基於DL之分級以藉由移除自基於強度之偵測方法通過之滋擾而在滋擾與DOI之間較佳地進行區分。
一或多個電腦子系統可經組態以用於產生所偵測缺陷候選者及/或所偵測缺陷之結果。缺陷候選者及/或缺陷之結果可包含本文中所闡述之結果中之任何者，諸如所偵測缺陷之邊界框之資訊(例如，位置等)、偵測得分、關於缺陷分類之資訊(諸如類別標籤或ID等)或此項技術中已知的任何此適合資訊。缺陷候選者及/或缺陷之結果可由電腦子系統以任何適合方式產生。缺陷候選者及/或缺陷之結果可具有任何適合形式或格式，諸如一標準檔案類型。電腦子系統可產生結果並儲存結果，使得該等結果可由電腦子系統及/或另一系統或方法使用來執行樣品或相同類型之另一樣品之一或多個功能。此等功能包含但不限於以一回饋方式更改諸如一製作製程之一製程或對樣品執行之步驟、以一前饋方式更改諸如一製作製程之一製程或將對樣品執行之步驟等。
上文所闡述之系統中之每一者之實施例中之每一者可一起組合成一個單項實施例。
另一實施例係關於用於偵測一樣品上之缺陷之一電腦實施方法。該方法包含：藉由一檢測子系統而識別包含於一樣品之所產生影像中之一測試影像中之一圖案化特徵。該方法亦包含：針對測試影像中位於圖案化特徵內之至少一個像素，判定至少一個像素之一特性與測試影像中位於至少一個像素之一預定窗內之其他像素之特性之間的一差。另外，該方法包含：基於所判定差而偵測至少一個像素處之一缺陷候選者。識別、判定及偵測步驟由耦合至檢測子系統之一或多個電腦子系統執行。
可如本文中進一步所闡述而執行該方法之步驟中之每一者。該方法亦可包含可由本文中所闡述之系統、電腦子系統及/或檢測子系統執行之任何其他步驟。檢測子系統及一或多個電腦子系統可根據本文中所闡述之實施例中之任何者(例如，分別檢測子系統10以及電腦子系統36及102)而組態。另外，上文所闡述之方法可由本文中所闡述之系統實施例中之任何者執行。
一額外實施例係關於儲存程式指令之一非暫時性電腦可讀媒體，該等程式指令可在一或多個電腦系統上執行以用於執行用於偵測一樣品上之缺陷之一電腦實施方法。在圖15中展示一項此實施例。特定而言，如圖15中所展示，非暫時性電腦可讀媒體1500包含可在電腦系統1504上執行之程式指令1502。電腦實施方法可包含上文所闡述之任何方法之任何步驟。
實施諸如本文中所闡述之方法之方法之程式指令1502可儲存於電腦可讀媒體1500上。電腦可讀媒體可為諸如一磁碟或光碟、一磁帶之一儲存媒體，或者此項技術中已知的任何其他適合之非暫時性電腦可讀媒體。
可以各種方式中之任一者來實施程式指令，該等方式包含基於程序之技藝、基於組件之技藝及/或面向物件之技藝以及其他。舉例而言，可按需要使用ActiveX控件、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE (串流化SIMD擴展)或者其他技藝或方法來實施程式指令。
電腦系統1504可根據本文中所闡述之實施例中之任何者而組態。
鑒於此說明，熟習此項技術者將明瞭本發明之各種態樣之其他修改及替代實施例。舉例而言，提供用於偵測一樣品上之缺陷之系統及方法。因此，此說明應被視為僅具說明性，且係出於教示熟習此項技術者實施本發明之一般方式之目的。應理解，本文中所展示及所闡述之本發明之形式應被視為目前較佳實施例。如熟習此項技術者在受益於對本發明之此說明之後將全部明瞭，元件及材料可替代本文中所圖解說明及闡述之彼等元件及材料，零件及製程可顛倒，且本發明之特定特徵可獨立地利用。可在不背離如隨附申請專利範圍中所闡述之本發明之精神及範疇之情況下對本文中所闡述之元件做出改變。
10:檢測子系統 14:樣品 16:光源/源 18:光學元件 20:透鏡 22:載台 24:收集器 26:元件 28:偵測器 30:收集器 32:元件 34:偵測器 36:電腦子系統 102:電腦子系統 122:電子柱 124:電腦子系統 126:電子束源 128:樣品 130:元件 132:元件 134:偵測器 200:最終晶粒單元 202:子晶粒 204:子晶粒 206:重佈層線 300:最終晶粒單元 302:最終晶粒單元 304:子晶粒 306:子晶粒 308:重佈層線 310:子晶粒 312:子晶粒 314:重佈層線 316:分解圖 318:分解圖 400:測試影像 402:參考影像 404:差影像 406:圓圈部分 408:圓圈部分 410:正方形部分 500:參考影像 502:測試影像 504:差影像 506:無缺陷部分 508:無缺陷部分 510:圓圈部分 512:正方形部分 514:圓圈部分 600:圖案化特徵 602:圖案化特徵 604:圖案化特徵 606:圖案化特徵 608:部分 610:部分 612:部分 614:部分 616:部分 618:部分 620:部分 622:部分 624:部分 626:部分 628:部分 630:部分 632:部分 634:部分 636:部分 638:部分 640:部分 642:部分 644:部分 646:部分 700:測試影像 702:線開口缺陷 704:測試影像 706:褪色線缺陷 708:丟失線缺陷 710:參考影像 800:實例 802:線 804:空間 806:預定窗 808:預定窗 810:實例 812:線 814:空間 816:預定窗 818:預定窗 900:測試影像 902:重佈層線 904:重佈層線 906:線開口缺陷 908:測試影像 910:重佈層線 912:重佈層線 914:重佈層線邊緣 1000:測試影像 1002:圓圈部分 1100:影像 1102:影像 1104:影像 1106:影像 1200:設置階段 1202:運行時間階段 1204:設計資料 1206:再現及放置步驟 1208:參考產生步驟 1210:分段遮罩產生步驟 1212:錨定位點尋找步驟 1214:片塊至遮罩對準步驟 1216:在經掃描影像上放置遮罩步驟 1218:步驟 1300:偵測路徑階段 1302:後處理階段 1304:預處理步驟 1306:步驟 1308:步驟 1310:步驟 1312:步驟 1314:步驟 1316:步驟 1318:步驟 1320:步驟 1322:步驟 1324:後處理步驟 1326:返回結果步驟 1400:雜訊收集路徑階段 1402:偵測路徑階段/偵測路徑 1404:預處理 1406:步驟 1408:步驟 1410:步驟 1412:步驟 1414:步驟 1416:步驟 1418:步驟 1420:步驟 1422:後處理階段 1500:非暫時性電腦可讀媒體/電腦可讀媒體 1502:程式指令 1504:電腦系統
在受益於對較佳實施例之以下詳細說明之情況下且在參考隨附圖式之後，熟習此項技術者將明瞭本發明之其他優點，在隨附圖式中： 圖1及圖1a係圖解說明如本文中所闡述地組態之一系統之實施例之側視圖的示意圖； 圖2係圖解說明由多個子晶粒形成之一晶粒之一項實例之一平面圖的一示意圖，重佈層(RDL)線形成於該多個子晶粒之頂部上； 圖3係圖解說明由多個子晶粒構造而成之晶粒之實例之一平面圖的一示意圖，該多個子晶粒在形成於其上之RDL線下方相對於彼此具有不一致移位； 圖4及圖5包含針對RDL線中之不同線開口缺陷之測試影像、參考影像及差影像之實例； 圖6係圖解說明具有不同定向之不同圖案化特徵之部分之一項實例之一平面圖的一示意圖； 圖7包含圖解說明RDL線中之不同類型之缺陷之實例的影像； 圖8係圖解說明具有覆疊於其上之預定窗之圖案化特徵之實例之一平面圖的一示意圖，在該等預定窗內，可如本文中所闡述而判定一差且該差用於偵測圖案化特徵中之缺陷候選者； 圖9及圖10包含針對可如本文中所闡述而被偵測之不同缺陷之測試影像之實例； 圖11包含不同圖案化特徵之測試影像之實例及覆疊於該等不同圖案化特徵上之預定窗之實施例，該等預定窗取決於不同圖案化特徵之定向而具有不同特性； 圖12至圖14係圖解說明可由本文中所闡述之實施例執行以用於偵測一樣品上之缺陷之步驟之實施例的流程圖；且 圖15係圖解說明儲存程式指令之一非暫時性電腦可讀媒體之一項實施例之一方塊圖，該等程式指令用於致使一或多個電腦系統執行本文中所闡述之一電腦實施方法。 儘管易於對本發明做出各種修改及替代形式，但其特定實施例係以實例方式展示於圖式中且將在本文中詳細地闡述。該等圖式可未按比例繪製。然而，應理解，圖式及對圖式之詳細說明並不意欲將本發明限制於所揭示之特定形式，而是相反，本發明意欲涵蓋在由隨附申請專利範圍所界定之本發明之精神及範疇內之所有修改、等效形式及替代形式。
1200:設置階段
1202:運行時間階段
1204:設計資料
1206:再現及放置步驟
1208:參考產生步驟
1210:分段遮罩產生步驟
1212:錨定位點尋找步驟
1214:片塊至遮罩對準步驟
1216:在經掃描影像上放置遮罩步驟
1218:步驟

Claims (29)

  1. 一種經組態以偵測一樣品上之缺陷之系統，其包括： 一檢測子系統，其經組態以產生一樣品之影像；及 一或多個電腦子系統，其經組態以用於偵測該樣品上之缺陷候選者，其中偵測該等缺陷候選者包括： 識別包含於該樣品之該等所產生影像中之一測試影像中之一圖案化特徵； 針對該測試影像中位於該圖案化特徵內之至少一個像素，判定該至少一個像素之一特性與該測試影像中位於該至少一個像素之一預定窗內之其他像素之該特性之間的一差；及 基於該所判定差而偵測該至少一個像素處之一缺陷候選者。
  2. 如請求項1之系統，其中該圖案化特徵包括位於一重佈層上之一線。
  3. 如請求項1之系統，其中該圖案化特徵由金屬形成。
  4. 如請求項1之系統，其中在不具有一參考影像之情況下執行該判定步驟及該偵測步驟。
  5. 如請求項1之系統，其中該識別包括將一遮罩施加至該測試影像，該遮罩分離該測試影像中在該圖案化特徵內之像素與該測試影像中之所有其他像素。
  6. 如請求項5之系統，其中該一或多個電腦子系統進一步經組態以用於根據該樣品之一設計而產生該遮罩。
  7. 如請求項5之系統，其中該遮罩將該圖案化特徵之具有不同定向之部分內之像素分離至不同區域中，且其中針對該等不同區域而單獨地執行該判定步驟及該偵測步驟。
  8. 如請求項7之系統，其中該一或多個電腦子系統進一步經組態以用於獨立地判定用於針對該等不同區域而單獨地執行之該判定步驟的該預定窗之一或多個特性。
  9. 如請求項1之系統，其中判定該差包括判定該至少一個像素及該預定窗內之該等其他像素之該特性之一範圍，其中該範圍係該至少一個像素及該預定窗內之該等其他像素之該特性之最大值與最小值之間的一差，且其中偵測該缺陷候選者包括將一臨限值應用於該範圍。
  10. 如請求項9之系統，其中該缺陷候選者包括該圖案化特徵中之一完整開口。
  11. 如請求項9之系統，其中該一或多個電腦子系統進一步經組態以用於基於該缺陷候選者之一或多個特性而判定該缺陷候選者是否係一缺陷。
  12. 如請求項1之系統，其中判定該差包括判定該至少一個像素之該特性與該至少一個像素及該預定窗內之該等其他像素之該特性之一平均值之間的一差。
  13. 如請求項12之系統，其中該預定窗囊括該測試影像中之該圖案化特徵之一整體。
  14. 如請求項12之系統，其中該預定窗囊括該測試影像中之該圖案化特徵之一整體及該測試影像中之一或多個其他整個圖案化特徵，且其中該一或多個其他整個圖案化特徵具有與該圖案化特徵相同之一類型及定向。
  15. 如請求項12之系統，其中偵測該缺陷候選者包括判定與該至少一個像素及該預定窗內之該等其他像素之該平均值及該特性之一標準偏差、藉由將該差除以該標準偏差而判定一信號強度，及將一臨限值應用於該信號強度。
  16. 如請求項15之系統，其中該一或多個電腦子系統進一步經組態以用於自針對該測試影像而產生之一中值參考影像判定該平均值及該標準偏差。
  17. 如請求項15之系統，其中該一或多個電腦子系統進一步經組態以用於自該測試影像判定該平均值及該標準偏差。
  18. 如請求項12之系統，其中該識別包括：將一遮罩施加至該測試影像，該遮罩分離該測試影像中在該圖案化特徵內之像素與該測試影像中之所有其他像素；及預處理施加該遮罩之結果以識別超出該圖案化特徵之一或多個邊緣之一或多個像素並自該圖案化特徵內之該等像素移除所識別的該一或多個像素。
  19. 如請求項12之系統，其中該識別包括：將一遮罩施加至該測試影像，該遮罩分離該測試影像中在該圖案化特徵內之像素與該測試影像中之所有其他像素；及後處理施加該遮罩之結果以識別超出該圖案化特徵之一或多個邊緣之一或多個像素並自該圖案化特徵內之該等像素移除所識別的該一或多個像素。
  20. 如請求項12之系統，其中該缺陷候選者包括該圖案化特徵中之一完整或部分開口。
  21. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態以用於藉由對該偵測之結果執行一形態影像運算而判定該缺陷候選者是否係一缺陷。
  22. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態以用於藉由基於該測試影像對該缺陷候選者進行分級而判定該缺陷候選者是否係一缺陷。
  23. 如請求項1之系統，其中該一或多個電腦子系統進一步經組態以用於藉由將一基於深度學習之分類器應用於該測試影像而判定該缺陷候選者是否係一缺陷。
  24. 如請求項1之系統，其中該檢測子系統進一步經組態以用於巨觀檢測。
  25. 如請求項1之系統，其中該檢測子系統進一步被組態為一電子束子系統。
  26. 如請求項1之系統，其中該檢測子系統進一步被組態為一光學子系統。
  27. 如請求項1之系統，其中該樣品係一晶圓。
  28. 一種非暫時性電腦可讀媒體，其儲存可在一或多個電腦系統上執行以用於執行用於偵測一樣品上之缺陷之一電腦實施方法之程式指令，其中該電腦實施方法包括： 藉由一檢測子系統而識別包含於一樣品之所產生影像中之一測試影像中之一圖案化特徵； 針對該測試影像中位於該圖案化特徵內之至少一個像素，判定該至少一個像素之一特性與該測試影像中位於該至少一個像素之一預定窗內之其他像素之該特性之間的一差；及 基於該所判定差而偵測該至少一個像素處之一缺陷候選者。
  29. 一種用於偵測一樣品上之缺陷之電腦實施方法，其包括： 藉由一檢測子系統而識別包含於一樣品之所產生影像中之一測試影像中之一圖案化特徵； 針對該測試影像中位於該圖案化特徵內之至少一個像素，判定該至少一個像素之一特性與該測試影像中位於該至少一個像素之一預定窗內之其他像素之該特性之間的一差；及 基於該所判定差而偵測該至少一個像素處之一缺陷候選者，其中該識別、該判定及該偵測由耦合至該檢測子系統之一或多個電腦子系統執行。
TW110124728A 2020-08-02 2021-07-06 雜訊圖案化特徵之檢測 TW202225675A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/945,922 2020-08-02
US16/945,922 US11631169B2 (en) 2020-08-02 2020-08-02 Inspection of noisy patterned features

Publications (1)

Publication Number Publication Date
TW202225675A true TW202225675A (zh) 2022-07-01

Family

ID=80003148

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110124728A TW202225675A (zh) 2020-08-02 2021-07-06 雜訊圖案化特徵之檢測

Country Status (8)

Country Link
US (1) US11631169B2 (zh)
EP (1) EP4222483A1 (zh)
JP (1) JP2023536597A (zh)
KR (1) KR20230044257A (zh)
CN (1) CN115698687A (zh)
IL (1) IL299797A (zh)
TW (1) TW202225675A (zh)
WO (1) WO2022031442A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11921494B2 (en) * 2020-10-08 2024-03-05 Raymond H Scherzer Rapid automation system and method for line clearance

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4071866B2 (ja) 1998-07-31 2008-04-02 イビデン株式会社 配線パターン検査装置
US7558419B1 (en) 2003-08-14 2009-07-07 Brion Technologies, Inc. System and method for detecting integrated circuit pattern defects
EP1605403A1 (en) * 2004-06-08 2005-12-14 STMicroelectronics S.r.l. Filtering of noisy images
JP2006098151A (ja) 2004-09-29 2006-04-13 Dainippon Screen Mfg Co Ltd パターン検査装置およびパターン検査方法
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7676077B2 (en) 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US8698093B1 (en) 2007-01-19 2014-04-15 Kla-Tencor Corporation Objective lens with deflector plates immersed in electrostatic lens field
US8611639B2 (en) * 2007-07-30 2013-12-17 Kla-Tencor Technologies Corp Semiconductor device property extraction, generation, visualization, and monitoring methods
US20090040343A1 (en) * 2007-08-06 2009-02-12 Mediatek Inc. Methods and apparatuses for defective pixel detection and correction
US7782452B2 (en) 2007-08-31 2010-08-24 Kla-Tencor Technologies Corp. Systems and method for simultaneously inspecting a specimen with two distinct channels
US8126255B2 (en) 2007-09-20 2012-02-28 Kla-Tencor Corp. Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions
US8664594B1 (en) 2011-04-18 2014-03-04 Kla-Tencor Corporation Electron-optical system for high-speed and high-sensitivity inspections
US8692204B2 (en) 2011-04-26 2014-04-08 Kla-Tencor Corporation Apparatus and methods for electron beam detection
US9092842B2 (en) * 2011-08-04 2015-07-28 Sharp Laboratories Of America, Inc. System for defect detection and repair
US8716662B1 (en) 2012-07-16 2014-05-06 Kla-Tencor Corporation Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US9704234B2 (en) * 2013-08-08 2017-07-11 Kla-Tencor Corp. Adaptive local threshold and color filtering
US10533953B2 (en) * 2016-04-04 2020-01-14 Kla-Tencor Corporation System and method for wafer inspection with a noise boundary threshold
JP6750966B2 (ja) 2016-06-01 2020-09-02 株式会社ニューフレアテクノロジー パターン検査装置及びパターン検査方法
CN107966453B (zh) 2016-10-20 2020-08-04 上海微电子装备（集团）股份有限公司 一种芯片缺陷检测装置及检测方法
US10049308B1 (en) * 2017-02-21 2018-08-14 A9.Com, Inc. Synthesizing training data
US10402963B2 (en) * 2017-08-24 2019-09-03 Kla-Tencor Corporation Defect detection on transparent or translucent wafers
US10607119B2 (en) * 2017-09-06 2020-03-31 Kla-Tencor Corp. Unified neural network for defect detection and classification
US10522376B2 (en) * 2017-10-20 2019-12-31 Kla-Tencor Corporation Multi-step image alignment method for large offset die-die inspection
US11087449B2 (en) 2019-10-24 2021-08-10 KLA Corp. Deep learning networks for nuisance filtering
US11127136B2 (en) 2019-12-05 2021-09-21 Kla Corporation System and method for defining flexible regions on a sample during inspection

Also Published As

Publication number Publication date
KR20230044257A (ko) 2023-04-03
US20220036528A1 (en) 2022-02-03
EP4222483A1 (en) 2023-08-09
CN115698687A (zh) 2023-02-03
US11631169B2 (en) 2023-04-18
JP2023536597A (ja) 2023-08-28
IL299797A (en) 2023-03-01
WO2022031442A1 (en) 2022-02-10

Similar Documents

Publication Publication Date Title
US10670535B2 (en) Automated pattern fidelity measurement plan generation
KR101674698B1 (ko) 웨이퍼 상의 결함들 검출
JP5225297B2 (ja) ウエハー上に形成されたダイに於けるアレイ領域の認識方法、ならびに係る方法の設定方法
US8213705B2 (en) Methods for accurate identification of an edge of a care area for an array area formed on a wafer and methods for binning defects detected in an array area formed on a wafer
US9171364B2 (en) Wafer inspection using free-form care areas
US20120316855A1 (en) Using Three-Dimensional Representations for Defect-Related Applications
JP2011047724A (ja) 欠陥検査装置およびその方法
CN112740383B (zh) 在晶片上检测缺陷的***、计算机实施方法及可读媒体
US10818005B2 (en) Previous layer nuisance reduction through oblique illumination
US10304177B2 (en) Systems and methods of using z-layer context in logic and hot spot inspection for sensitivity improvement and nuisance suppression
TW202225675A (zh) 雜訊圖案化特徵之檢測
US11494895B2 (en) Detecting defects in array regions on specimens
US11114324B2 (en) Defect candidate generation for inspection
TW202316105A (zh) 設置用於檢查樣品之關注區域