TWI616823B - 使用以cad為基礎之環境背景屬性之缺陷分類 - Google Patents
使用以cad為基礎之環境背景屬性之缺陷分類 Download PDFInfo
- Publication number
- TWI616823B TWI616823B TW102114042A TW102114042A TWI616823B TW I616823 B TWI616823 B TW I616823B TW 102114042 A TW102114042 A TW 102114042A TW 102114042 A TW102114042 A TW 102114042A TW I616823 B TWI616823 B TW I616823B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- defect
- interest
- pattern
- cad
- Prior art date
Links
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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一種用於分類的方法,該方法包括:接收半導體晶圓之區域之圖像,圖案已形成於該半導體晶圓之區域上,區域含有感興趣圖像位置;及接收與圖案有關之電腦輔助設計(computer-aided design;CAD)資料,該CAD資料包含對應於感興趣圖像位置之感興趣CAD位置。基於感興趣CAD位置相對於CAD資料之環境背景計算感興趣圖像位置之一或更多個屬性之至少一個值。
Description
本發明之實施例大體而言係關於自動化檢查,且具體而言係關於用於分析製造缺陷之技術。
自動缺陷分類(Automatic Defect Classification;ADC)技術係廣泛用於檢查及量測半導體工業中圖案化晶圓上之缺陷。ADC技術偵測缺陷之存在以及按類型自動分類缺陷以提供關於生產製程之更詳細反饋,且減少檢查人的工作量。例如,使用ADC技術以辨別各種類型之缺陷,該各種類型之缺陷為由晶圓表面上之顆粒污染物引起之缺陷及與微電路圖案本身的不規則性相關聯之缺陷,且ADC技術亦可識別顆粒及不規則性之具體類型。
缺陷分類之當前方法使用電腦輔助設計(computer-aided design;CAD)資料連同待檢查之半導體元件之圖像。舉例而言,美國專利7,626,163描述一種缺陷複查方法,在該方法中,掃描式電子顯微鏡(scanning electron microscope;SEM)圖像係藉由擷取製程邊限窄(process-margin-narrow)的圖案部分的圖像而得到,該製程
邊限窄的圖案部分的圖像係基於具有相對低解析度之圖像擷取條件之微影術模擬而提取。將所得SEM圖像與CAD資料比較以提取任何異常的部分。再次擷取提取為異常的區域的圖像,且將所得高解析度SEM圖像與CAD資料再次比較用於基於圖像之特徵結構量進行缺陷分類,諸如形狀變形。
本發明之實施例提供改良之方法、系統及軟體用於基於檢查資料之缺陷的自動分類。示例性圖像處理系統接收半導體晶圓之區域之圖像,圖案已形成於半導體晶圓之區域上,該區域含有感興趣圖像位置。圖像處理系統接收與圖案有關之電腦輔助設計(CAD)資料,該CAD資料含有對應於感興趣圖像位置的感興趣CAD位置。圖像處理系統基於感興趣CAD位置相對於CAD資料之環境背景計算對於感興趣圖像位置之一或更多個屬性之至少一個值。
在一個實施例中,感興趣圖像位置含有至少一個特徵結構,該至少一個特徵結構選自由以下各者構成之特徵結構群組:感興趣之缺陷、製程變化及設計。
在一個實施例中,圖像處理系統基於一或更多個屬性值自動分類在感興趣圖像位置處的缺陷。
在一個實施例中,圖像處理系統接收藉由掃描式電子顯微鏡(SEM)擷取之圖像。
在一個實施例中,圖像處理系統藉由自屬性之使用者接受定義計算至少一個值,該屬性與在感興趣圖像位置與藉由CAD資料識別之一或更多個功能區段之間的空間關係有
關。
在一個實施例中,圖像處理系統藉由計算CAD資料中之區段之屬性值而計算至少一個值。
在一個實施例中,在CAD資料中之區段可包括以下之至少一者:與對應於圖案之第一層有關之部分;與第二層有關之部分,其中第二層係與對應於圖案之第一層不同;及對應於一或更多個位置之複數個資料元件,該一或更多個位置係在圖像之視域(field of view;FOV)外部。
在一個實施例中,圖像處理系統應用一或更多個標記至圖像中之像素,該等像素對應於CAD資料中之區段,且圖像處理系統藉由基於標記選擇一或更多個像素計算至少一個值且對於所選擇像素計算屬性的至少一個值。
在一個實施例中,圖像處理系統藉由基於在感興趣圖像位置與藉由CAD資料界定之多層結構之間的空間關係計算屬性值而計算複數個值。
在一個實施例中,圖像處理系統藉由量測在感興趣圖像位置之缺陷與圖案之一或更多個元件之間的重疊而計算至少一個值。
在一個實施例中,圖像處理系統藉由評估在缺陷與圖案之至少一個元件之間的重疊區域而量測重疊。
在一個實施例中,圖像處理系統藉由評估在缺陷與圖案之元件之間的重疊數目而量測重疊。在一個實施例中,圖像處理系統藉由量測在感興趣圖像位置之缺陷與圖案之一或更多個元件之間的鄰近而計算至少一個值。在一個實施例
中,圖像處理系統藉由以下方式計算至少一個值:基於鄰近估計缺陷橋接圖案之兩個元件的可能性及/或識別最接近缺陷之圖案的區段。
在一個實施例中,圖像處理系統藉由比較感興趣圖像位置之灰度級與圖案之一或更多個元件之各別灰度級而計算至少一個值。
在一個實施例中,圖像處理系統藉由基於半導體晶圓之複數個特徵結構計算屬性值而計算至少一個值,其中該複數個特徵結構在圖像中為不可見而在CAD資料中為明顯的。特徵結構可在圖像之視域外部或在低於晶圓表面之下層中。
在一個實施例中,圖像處理系統接收區域之三維(3D)映射,且基於3D映射中之缺陷的複數個表面形貌特徵結構計算缺陷之一或更多個表面形貌屬性值,其中圖像處理系統藉由應用一或更多個表面形貌屬性值來分類缺陷而自動分類缺陷。
在額外實施例中,亦實施用於執行上述實施例之操作的方法。另外,在本發明之實施例中,非臨時電腦可讀取儲存媒體儲存用於執行上述實施例之操作的方法。
20‧‧‧系統
22‧‧‧晶圓
24‧‧‧檢查機
26‧‧‧ADC機器
28‧‧‧處理器
30‧‧‧記憶體
32‧‧‧顯示器
34‧‧‧輸入裝置
40~48‧‧‧方塊
50‧‧‧映射
52‧‧‧表面
60‧‧‧晶圓
62‧‧‧圖案
64、66‧‧‧區段
68‧‧‧缺陷
70‧‧‧晶圓
72‧‧‧區段
74、76‧‧‧缺陷
80‧‧‧晶圓
82‧‧‧接觸孔
84‧‧‧上層
86、88‧‧‧結構
90‧‧‧晶圓
92、94‧‧‧線路
96、98‧‧‧缺陷
100、102‧‧‧區域
110‧‧‧晶圓
112、114、116‧‧‧層
118‧‧‧多層結構
120‧‧‧缺陷
900‧‧‧電腦系統
902‧‧‧處理裝置(處理器)
904‧‧‧主記憶體
906‧‧‧靜態記憶體
908‧‧‧匯流排
910‧‧‧視訊顯示單元
912‧‧‧文數輸入裝置
914‧‧‧游標控制裝置
916‧‧‧訊號產生裝置
918‧‧‧資料儲存裝置
920‧‧‧網路
922‧‧‧網路介面裝置
924‧‧‧電腦可讀取儲存媒體
926‧‧‧指令
本發明之各種實施例將自下文給出之詳細描述及自本發明之各種實施例之隨附圖式而更全面地理解。
第1圖為根據本發明之實施例之缺陷檢查及分類系統之示例性示意圖解;
第2A圖至第2C圖為圖示根據本發明之實施例用於自動缺陷分類(ADC)之方法之實施例的流程圖;第3A圖為根據本發明之實施例之缺陷的基於SEM之高度映射之示意表示;第3B圖為根據本發明之實施例之對第3A圖之高度映射多項式擬合的示意表示;第4圖及第5圖為根據本發明之實施例與半導體晶圓上之圖案重疊之缺陷的示意圖;第6A圖為形成於半導體晶圓上之圖案的示意性俯視圖;第6B圖為根據本發明之實施例之第6A圖之晶圓的示意圖;第7圖為根據本發明之實施例與半導體晶圓上之圖案之不同元件重疊之缺陷的示意圖;第8圖為根據本發明之實施例鄰近於半導體晶圓上之多層結構之缺陷的示意圖;及第9圖為可執行本文所述一或更多個操作之示例性電腦系統之方塊圖。
自動缺陷分類(ADC)系統處理檢查資料(諸如圖案化半導體晶圓之圖像)以識別缺陷且計算缺陷之屬性值,諸如缺陷的形狀及尺寸,且基於該等屬性值將缺陷映射至多維屬性超空間。自動分類器學習每一缺陷類在此超空間內之界限且相應地將各種缺陷指派給各分類。例如,在於2010年7
月27日提出申請之標題為「Defect Classification with Optimized Purity」之美國專利申請案12/844,724中描述此類ADC系統。ADC系統應用多個不同的分類器至檢查資料,包括多類分類器及單類分類器兩者。系統允許訓練且調整分類器之參數以最佳化分類之純度,同時最大化未知缺陷或新缺陷之拒絕率。由自動分類器拒絕之缺陷(作為不可決定的或未知的)傳遞至另一檢查模態,諸如檢查人,該檢查人將該等缺陷指派給適當的分類。
基於CAD之環境背景屬性及表面形貌屬性提供關於缺陷之額外資訊,因此促進某些缺陷類型之更好的特性化,該某些缺陷類型諸如顆粒、薄片、凸塊及凹坑等。因此,本發明之實施例提供新型的缺陷屬性,在缺陷出現於藉由諸如SEM(或基於該等圖像之其他表示)之檢查系統擷取之圖像中時,該等新型的缺陷屬性與缺陷之3D形狀、紋理及環境背景有關。所揭示實施例可與半導體晶圓上之缺陷有關,但該等類型之屬性可類似用於分類出現在其他種類之半導體遮罩或樣本上的缺陷。術語「檢查」廣泛使用在本專利申請案中以指代可提供有用於偵測及分類缺陷之資訊的任何類別之資料擷取,不論資料是在整體晶圓上擷取還是在單獨位置中擷取。
本發明之實施例可應用於分析藉由檢查系統識別之缺陷,該檢查系統掃描晶圓或遮罩且提供可疑缺陷之位置之清單。某些實施例可應用於分析缺陷,該等缺陷係基於藉由檢查工具提供之可疑缺陷之位置而藉由複查工具再偵測。本
發明不受產生檢查資料之技術所限制。因此,對於半導體應用,本發明之實施例可應用於分析藉由諸如UVisionTM系統或AeraTM系統之光學檢查系統或藉由諸如SEMVisionTM系統(可購自應用材料公司)之複查系統或藉由在此領域中熟知的任何其他類別之檢查系統或模態產生之資料。
在本文描述之本發明之實施例中,圖像處理系統接收半導體晶圓之區域之圖像,圖案已形成於半導體晶圓之區域上。區域可含有感興趣圖像位置。位置通常含有至少一個感興趣特徵結構,諸如感興趣之缺陷、製程變化或設計。儘管下文所述之實施例主要與分類缺陷之圖像有關,但本發明可類似應用於計算其他感興趣特徵結構之屬性。系統亦接收與圖案有關之電腦輔助設計(CAD)資料。CAD資料可含有對應於感興趣圖像位置之感興趣CAD位置。系統基於感興趣CAD位置相對於CAD資料之環境背景計算感興趣圖像位置之一或更多個屬性之至少一個值。在某些實施例中,ADC系統接收含有缺陷之圖案化晶圓之區域的圖像,該圖像與關於相同區域內之圖案之電腦輔助設計(CAD)資料對齊。圖像及CAD資料可藉由ADC系統本身而對齊,或圖像及CAD資料可使用在此技術領域熟知的任何合適的對齊方法藉由另一圖像處理單元預對齊。區域(或區域內之具體位置)通常認為是含有缺陷,因為初始檢查讀數指示在區域或位置中之某種異常。然而,缺陷之分類在此階段可能仍不能確定(且最終可決定:雖然異常,但所考慮之區域的圖案部分係沒有缺陷的)。缺陷可指自晶圓之給定區域或位置接收之異常檢查資
料,該異常檢查資料可指示區域中之不規則性。
ADC系統使用CAD資料基於缺陷相對於對齊圖案之環境背景計算缺陷之一或更多個屬性值。對齊圖像與CAD資料促進圖像之分段,以使ADC系統能夠識別圖案中之具體結構,諸如接觸墊及線路。系統可隨後計算缺陷之屬性值,該等屬性值指示缺陷是否重疊部分圖案、哪些特定部分重疊及重疊之程度。其他類型之基於環境背景之屬性可指示,例如,在缺陷與某些圖案或背景形狀之間的相交的數目以及缺陷橋接單獨圖案或背景形狀之概率。
ADC系統可使用CAD資料計算特徵結構之屬性,該等特徵結構在圖像中為不可見但在CAD資料中為明顯的。此等屬性可例如由Z軸分析導出,其中某一缺陷係相對於在缺陷下方之下層而分析。下層資訊通常在圖像中為不可見但可在CAD資料中獲得。
ADC系統可使用CAD資料用於視域(FOV)外分析,此舉使用在含有感興趣缺陷之檢查圖像之區域外部的結構。在此情況下,缺陷可產生短路,或在圖案元件之間的橋接可能在圖像中不可見但在CAD資料中可為明顯。FOV外分析因此可用來基於CAD資料計算橋接或其他屬性。
例如,CAD資料亦可用於基於缺陷與具體CAD元件或具體結構之組合之鄰近而計算屬性。可藉由利用晶圓中之高度靈敏區域之先前知識而(藉由操作員,例如)界定該等CAD結構,該等CAD結構對缺陷更為重要或更傾向於為缺陷。此等屬性之目的可為精確地量測缺陷與該等具體元件
或結構之鄰近。
ADC系統可基於缺陷之表面形貌特徵結構計算屬性值,該表面形貌特徵結構係源於晶圓之區域之三維(3D)映射。在某些實施例中,屬性係與既定缺陷在圖像平面之X方向及Y方向之形狀及尺寸有關。在某些實施例中,屬性進一步與既定缺陷在高度(Z)方向之形狀及尺寸有關。可使用SEM圖像藉由3D映射提供此高度資訊。例如,表面形貌特徵結構可與缺陷之3D形狀及/或紋理有關。
第1圖為根據本發明之實施例用於自動化缺陷檢查及分類之系統20的示例性示意繪圖。諸如圖案化半導體晶圓22(或遮罩或主光罩)之樣本***檢查機24內。機器24可包含,例如,掃描式電子顯微鏡(SEM)或光學檢查裝置或在此技術領域熟知的任何其他合適類別的檢查設備。在某些實施例中,機器24可經設置以產生晶圓22之二維圖像。在某些實施例中,機器24可經設置以產生晶圓22之3D映射。
在下文中,為便於說明,ADC機器26將描述為獨立系統,該獨立系統可經由網路、雲端或經由中間系統直接或間接地連接至檢查系統(諸如機器24)。然而,應理解,本發明之實施例可實施為在檢查系統(諸如機器24)上代管或與檢查系統(諸如機器24)一起整合之模組。
機器24可掃描晶圓22之表面(或晶圓22之表面之某一部分或多個部分)、可感測且處理掃描結果,且可輸出檢查資料,該檢查資料包含含有晶圓22上之缺陷之區域的圖像及/或3D映射。檢查資料可包括晶圓上發現之缺陷清單及
每一缺陷之位置以及與每一缺陷相關聯之檢查特徵結構之值。檢查特徵結構可包括,例如,尺寸、形狀、散射強度、方向性及/或光譜品質以及在此技術領域熟知的任何其他合適的特徵結構。儘管術語「檢查資料」在本實施例中用於指代SEM圖像及關聯之元資料,但此術語應理解為更廣泛地指代任何及全部類別之描述性資料及/或診斷資料,該任何及全部類別之描述性資料及/或診斷資料可經收集及處理以識別缺陷之特徵結構,而不管用來收集資料之手段如何。
ADC機器26可獲得且處理藉由機器24輸出之檢查資料。若機器24不由晶圓22之圖像提取全部相關缺陷屬性值,則ADC機器26可執行該等圖像處理功能。儘管ADC機器26在第1圖中圖示為直接連接至檢查機輸出,但ADC機器26可獲得預先獲取、儲存之檢查資料。在一個實施例中,ADC機器26之功能係整合至機器24內。
在一個實施例中,機器24發送檢查資料至3D映射產生器(未圖示),該3D映射產生器產生隨後藉由ADC機器26接收之3D映射。3D映射產生器可為獨立系統或藉由ADC機器26代管或與ADC機器26一起整合之系統。
ADC機器26可為通用電腦,該ADC機器26包含處理器28,該處理器28具有記憶體30用於保存缺陷資訊及分類參數,以及該ADC機器26包含使用者介面,該使用者介面包含顯示器32及輸入裝置34。實施ADC機器26之功能的電腦可專用於ADC功能,或該電腦也可執行額外的計算功能。在一個實施例中,本文描述之至少一些ADC功能係藉由
專用或可程式化之硬體邏輯而執行。
在自檢查資料提取相關屬性值之後,ADC機器26試圖指派每一缺陷至預先界定類之清單中之一者。為此目的,ADC機器26可執行多個分類器,包括單類分類器及多類分類器兩種。無法由ADC機器26以充分置信水平分類之缺陷可經輸出至檢查人用於目視分類或經傳遞至另一檢查模態以提供進一步分類結果。為了說明及清晰起見,以下之實施例將參閱ADC機器26及系統20之其他元件而描述,但該等實施例之原理可同樣實施在計算且使用缺陷分類之屬性值的任何分類系統中。
第2A圖為用於ADC之方法之實施例的流程圖。第2A圖之方法係藉由處理邏輯執行,處理邏輯可包含硬體(電路系統、專用邏輯等)、軟體(諸如執行於通用電腦系統或專用機器上)或兩者之組合。在一個實施例中,第2A圖之方法係藉由第1圖之ADC機器26執行。
在方塊40,處理邏輯接收待計算其值之缺陷屬性之定義。缺陷屬性可藉由ADC機器之操作員或使用者界定且可基於感興趣之缺陷類型及基於經驗而改變、補充或調整。屬性可包括CAD相關之環境背景屬性、紋理屬性、3D形狀屬性等。
CAD相關之環境背景屬性可包括重疊百分比、重疊層之數目、相對平均灰度級(gray level;GL)、相交、橋接、最接近區段、最接近區段距離等。重疊百分比環境背景屬性可界定在缺陷與各種層區段之間的重疊百分比。舉例而言,重
疊百分比環境背景屬性值0可意指缺陷及各種層區段不重疊,且重疊百分比環境背景屬性值1可意指缺陷及各種層區段為完全重疊。重疊層環境背景屬性之數目可界定與缺陷顯著重疊之層的數目。相對平均GL環境背景屬性可界定在各種層區段與缺陷之SEM圖像之平均灰度級之間的差。相交環境背景屬性可界定在缺陷與各種層區段之間的相交數目。橋接環境背景屬性可界定缺陷橋接不同層區段的概率。最接近區段環境背景屬性可包括與缺陷遮罩最接近區段之標記。最接近區段距離屬性可界定至最接近區段之距離(例如,以奈米計)。
紋理屬性可包括表面形貌平均梯度、梯度密度、2D指數、圖案方向、均方根(root mean square;RMS)多項式擬合等。表面形貌平均梯度紋理屬性可界定缺陷遮罩上之平均表面形貌梯度幅值。梯度密度紋理屬性可界定在缺陷遮罩上具有高表面形貌梯度幅值之像素的密度。2D指數紋理屬性可界定紋理在缺陷區域中之有序(邊緣沿同一方向定向)或無序或缺陷表面與1D的接近程度(例如,至1D的距離)。舉例而言,用於2D指數紋理屬性之值1可意指缺陷為各向同性或2D,而用於2D指數紋理屬性之較低值可意指缺陷為1D。圖案方向紋理屬性可界定缺陷表面之最小變化之方向。RMS多項式擬合紋理屬性可界定在多項式擬合之後剩餘之表面形貌缺陷表面之平均局部變化。
3D形狀屬性可包括X定向、Y定向、最大曲率、平均曲率、脊穀定向、自多項式擬合之凹坑凸塊、自表面形貌
之凹坑凸塊等。X定向3D形狀屬性可界定基於多項式擬合之缺陷之表面形貌坡度的X軸分量。Y定向3D形狀屬性可界定基於多項式擬合之缺陷之表面形貌坡度的Y軸分量。最大曲率3D形狀屬性可界定基於多項式擬合之表面形貌缺陷表面之最大3D曲率。平均曲率3D形狀屬性可界定基於多項式擬合之表面形貌缺陷表面之平均3D曲率。脊穀定向3D形狀屬性可界定基於多項式擬合之表面形貌缺陷表面之脊的定向。自多項式擬合之凹坑凸塊的3D形狀屬性可界定用於缺陷之凹坑凸塊是凹形的還是凸形的。自表面形貌之凹坑凸塊的3D形狀屬性可界定在缺陷之平均高度與缺陷之環境上的差(例如,以像素為單位而量測)。
在方塊42,處理邏輯接收用於待分類之缺陷之檢查資料(例如,自檢查機24)。在某些實施例中,檢查資料包括缺陷之圖像且可包括對應於部分3D映射之3D圖像。在某些實施例中,圖像為SEM圖像。在替代實施例中,圖像為其他類型圖像,諸如光學圖像(假定缺陷及其他圖像特徵結構具有可經受光學成像的尺寸)。
在方塊44,處理邏輯計算每一缺陷之屬性值。處理邏輯可使用各種圖像處理操作計算屬性值,某些圖像處理操作在此技術領域係熟知的。可對於諸如環境背景相關之屬性、3D形狀屬性及紋理屬性之屬性計算屬性值。在某些實施例中,自每一缺陷之所計算屬性值產生每一缺陷之屬性值之向量。屬性值之向量可將缺陷映射至屬性超空間中之位置。
在方塊45,處理邏輯藉由將出現在輸入圖像中之形
狀之圖案與在CAD資料之用於產生圖案的對應形狀對齊而計算環境背景相關之屬性的屬性值。下文連同第4圖及第5圖更詳細地描述計算環境背景相關之屬性的屬性值的實施例。
在方塊46,處理邏輯自缺陷之區域之3D映射計算3D形狀屬性及紋理屬性之屬性值。3D映射可源自於SEM資料,如上所述。下文連同第3A圖及第3B圖更詳細地描述計算3D形狀屬性及紋理屬性之屬性值的實施例。
在方塊48,處理邏輯基於缺陷之屬性值之向量分類每一缺陷。在一個實施例中,處理邏輯自動指派每一缺陷至某一類。在一個實施例中,當自動分類為不確定時,處理邏輯將缺陷傳遞至檢查人。
第2B圖及第2C圖為根據本發明之替代實施例之示意性圖示ADC之方法的流程圖。第2B圖及第2C圖之方法係藉由處理邏輯執行,處理邏輯可包含硬體(電路系統、專用邏輯等)、軟體(諸如執行於通用電腦系統或專用機器上)或兩者之組合。在一個實施例中,第2B圖之方法係藉由第1圖之ADC機器26執行。在一個實施例中,第2C圖之方法係藉由第1圖之ADC機器26執行。在第2B圖中,僅環境背景相關之屬性(如上在第2A圖之方塊45中所述)用於分類缺陷。在第2C圖中,僅使用形狀屬性及紋理屬性(如上在第2A圖之步驟46中所述)。該等替代實施例表明:在步驟45及步驟46中計算之屬性可獨立於彼此而得出及應用。
第3A圖圖示半導體晶圓上之缺陷之示例性3D映射。第3B圖圖示擬合至半導體晶圓上之缺陷之3D映射的多
項式表面。參考第3A圖,映射50可由SEM資料計算,如上所述。參考第3B圖,表面52係藉由通式為之第三階多項式界定,通式的係數Ci係藉由對映射50之最小平方擬合而計算。在一個實施例中,ADC機器26可擬合勒讓德多項式P nm (x,y)=P n-m (x)P m (y)之乘積序列之係數,而給出參數表面。在替代實施例中,可將包括(任何階的)多項式及其他函數類型兩者之其他類型的參數表面擬合至映射。在某些實施例中,如在此技術領域所熟知的其他表面分析方法可用來提取表面參數。
表面52可使用三個分量界定:S=P+I+L,其中平面(P),整體非平面度(I),及局部非平面度(L)。
平面分量界定整體3D定向,整體3D定向可用來量測X定向3D形狀屬性及Y定向3D形狀屬性。例如,該等屬性可用於識別薄片形狀缺陷,該等薄片形狀缺陷橋接在晶圓上之圖案之元件之間且區分圖案與顆粒。
整體非平面度界定整體表面形貌形狀,且可用來界定最大曲率3D形狀屬性、平均曲率3D形狀屬性、脊穀定向3D形狀屬性、自多項式擬合之凹坑凸塊3D形狀屬性及自表面形貌之凹坑凸塊3D形狀屬性。整體非平面度包括資訊,諸如表面形貌形狀之凸度或凹度以及曲率軸之幅值(曲率半徑)
及定向。例如,該等特徵結構可用於區分凸塊與凹坑且區分薄片與更加滾圓的顆粒。
局部非平面度界定形貌粗糙度及其他紋理相關屬性且可用來決定紋理屬性。在某些實施例中,非平面度係由在實際缺陷表面(映射50)與擬合表面(表面52)之間的差而計算。表面梯度之平均幅值可用來界定表面形貌平均梯度紋理屬性。在缺陷區域之上的梯度密度(分類為邊緣之像素的數目)可用來界定梯度密度紋理屬性。紋理屬性可用來提供關於缺陷類型及組成的資訊。2D指數紋理屬性可經計算以量測紋理在缺陷區域中之有序(邊緣沿同一方向定向)或無序。
第4圖圖示缺陷之示例性示意俯視圖。缺陷68與半導體晶圓60上之圖案62重疊,此說明缺陷環境背景屬性之計算。圖案62包括功能表面元件,諸如導線,稱為主要圖案區段64;及下層圖案元件,稱為次要圖案區段66。在某些實施例中,ADC機器(例如,第1圖之ADC機器26)藉由如上所述將諸如SEM圖像之晶圓表面之圖像與界定圖案之佈局的對應CAD資料對齊且隨後相應地分割該圖像而識別該等圖案區段。CAD資料提供關於分割之SEM圖像中之每一圖案區段的額外功能資訊,額外功能資訊可由ADC使用者利用以界定具體屬性,該等具體屬性藉由缺陷類型與該等功能圖案之空間關係特性化缺陷類型。
自動化或手動缺陷偵測程序可識別由缺陷68覆蓋之區域,該區域稱為「缺陷遮罩」。ADC機器可隨後自缺陷與鄰近圖案區段之間的空間關係導出基於環境背景之屬性
值。在一個實施例中,ADC機器計算重疊百分比環境背景屬性,該重疊百分比環境背景屬性量測缺陷68與主要圖案區段64及次要圖案區段66重疊至何程度,與晶圓60之非圖案(背景)區域相反。舉例而言,缺陷68可與主要圖案區段64重疊0.3奈米,缺陷68可與次要圖案區段66重疊0.1奈米,且缺陷68可與晶圓60之背景區域重疊0.6奈米。在一個實施例中,ADC機器藉由量測由缺陷重疊之不同層的數目而量測重疊層環境背景屬性之數目。舉例而言,缺陷68之重疊層之數目為三層:主要圖案區段64、次要圖案區段66及晶圓60之背景區域。
ADC機器亦可計算相對平均GL環境背景屬性。可基於缺陷相對於圖案環境背景之灰度級(GL)計算相對平均GL環境背景屬性值。在一個實施例中,對於每一缺陷,ADC機器可計算三個元件之向量,每一者對應於在缺陷平均灰度級與圖像中之每一圖案或背景區段之平均灰度級之間的差。舉例而言,向量可包括在缺陷平均灰度級與主要圖案區段64、次要圖案區段66及晶圓60之背景區域的平均灰度級之間的差。在一個實施例中,向量係使用以下方程式計算:d i =μ 缺陷-μ i ,i=1、2、3,其中μ表示區段i之平均灰度級。
更大體而言,ADC機器可計算CAD資料中之區段的任何屬性值。CAD資料中之區段可包括與對應於圖案之層有關的部分或與不同於對應於圖案之層的另一層有關的部分以及對應於圖像之視域(FOV)外部之一或更多個位置的資料元件,如下連同第6A圖、第6B圖、第7圖及第8圖所述。
在某些實施例中,ADC機器可應用一或更多個標記至圖像中之像素,該等像素對應於CAD資料中之區段,且ADC機器可隨後基於該等標記選擇一或更多個像素且對於所選擇像素計算某些屬性的各別值。
第5圖圖示根據本發明之進一步實施例缺陷74及缺陷76之示例性示意俯視圖,缺陷74及缺陷76與半導體晶圓70上之圖案區段72重疊,此圖示其他缺陷環境背景屬性之計算。相交環境背景屬性為缺陷與圖案區段72之相交的數目。在此實例中,缺陷74具有相交環境背景屬性值為二,因為缺陷74與兩個圖案區段72相交,而缺陷76具有相交環境背景屬性值為零,因為缺陷76不與任何圖案區段72相交。
其他環境背景屬性可與在缺陷與圖案之元件之間的距離有關。在一個實施例中,ADC機器藉由計算缺陷橋接兩個圖案區段且因此容易引起短路之概率決定橋接環境背景屬性。對於缺陷74,橋接環境背景屬性之值為一(或接近一),因為缺陷74交叉兩個圖案區段72。在一個實施例中,ADC機器藉由計算作為在缺陷邊緣與鄰近圖案邊緣之間的距離(通常以奈米計)的函數的概率而決定對於更小缺陷之橋接環境背景屬性。在此實施例中,距離越大,橋接之概率越小。舉例而言,缺陷76之橋接環境背景屬性對於在缺陷76右邊的圖案區段72而言可接近於一,因為在缺陷76之邊緣與圖案區段72之邊緣之間的距離為接近的。然而,在此實例中,缺陷76之橋接環境背景屬性對於在缺陷76左邊的圖案區段72而言可接近於零,因為在缺陷76之邊緣與圖案區段72之
邊緣之間的距離不接近。
ADC機器可決定使用最接近缺陷之圖案區段類型的最接近區段環境背景屬性。最接近區段距離環境背景屬性量測自缺陷至圖案區段之距離。現在對第6A圖及第6B圖進行參考,第6A圖及第6B圖示意圖示根據本發明之實施例用於基於特徵結構使用CAD資料計算缺陷屬性的方法的實施例,該等特徵結構係在既定區域之圖像中不可見。為圖示此方法之目的,第6A圖為形成於半導體晶圓80上之接觸孔82之圖案的示意性俯視圖。第6B圖為部分晶圓80之示意性截面圖,圖示在圖案與晶圓上之下層結構之間的關聯性。具體而言,在晶圓80之上層84中的兩個接觸孔82中,在左側之孔接入第一下層結構86,而在右側之孔接入不同下層結構88。
在晶圓80之表面下方的層在第6A圖圖示之俯視圖中為不可見,該俯視圖為通常提供在藉由光學或SEM檢查機產生之圖像中的彼種視圖。因此,若在一個接觸孔82內部或附近的此圖像中觀察到缺陷,則不可能由圖像決定此特定孔將接觸何下層結構。如在第6B圖所提供之遺漏資訊係藉由ADC機器自CAD資料導出,該CAD資料既包括上層84又包括下層結構86及下層結構88。一旦已對齊檢查圖像及CAD資料,CAD資料可指示其中觀察到缺陷之接觸孔是否與下層結構86或下層結構88連通。因此,ADC機器可基於晶圓80之表面下方的結構計算缺陷之屬性,該等結構在其中識別缺陷之實際圖像中為不可見。
第7圖為根據本發明之實施例半導體晶圓90上之線
路92及線路94之圖案的示例性示意俯視圖,圖示與線路92及線路94之圖案的不同元件重疊的缺陷96及缺陷98。線路92係互相連接,而線路94為相互獨立。檢查機擷取晶圓表面之區域的圖像,諸如區域100及區域102。在該等圖像內,線路92及線路94實質上難以辨別,因為不可能單獨由圖像決定何線路為互相連接且何線路為獨立。線路92之連接在檢查資料中為不可見,因為線路92之連接係在區域100及區域102之圖像的視域(FOV)外部。
對齊之CAD資料覆蓋在區域100及區域102之圖像外部的晶圓90之區域。因此,ADC機器使用CAD資料區分出現在圖像中之線路92及線路94且用來計算缺陷96及缺陷98之屬性。舉例而言,橋接屬性將識別缺陷96作為在不同電路元件之間的橋接,因為該缺陷橋接兩個獨立線路94。在此實例中,缺陷98之橋接屬性將具有非橋接值(例如,接近0),因為缺陷98交叉之線路92在結構上為互相連接。
第8圖為根據本發明之實施例之半導體晶圓110之示例性示意俯視圖,圖示鄰近於多層結構118之缺陷120。在第8圖中,元件係以三個不同層112、114、116形成於晶圓表面上。CAD資料使ADC機器之操作員能夠識別多層結構118,多層結構118包含在層114及層116中之元件,此對於缺陷分析有重大意義。多層結構118可為重要的,因為多層結構118尤其對鄰近缺陷靈敏,特別有缺陷傾向等。在某些實施例中,ADC機器自動識別CAD資料中之重要多層結構。
一旦在CAD資料中已識別結構118,ADC機器能夠
計算缺陷120之特定於結構之屬性。ADC機器識別與CAD資料對齊之圖像中的對應結構,且隨後基於缺陷120至圖像中之結構的空間關係計算特定於結構之屬性(例如,重疊百分比屬性等)。
儘管上文描述之實施例具體而言與基於SEM圖像之缺陷分類有關,但本發明之原理可同樣應用於用其它手段獲取之缺陷圖像,諸如光學圖像。在光學檢查中,可根據CAD資訊而識別圖像中之感興趣區域且可隨後以較高的偵測靈敏度掃描圖像中之感興趣區域。
第9圖圖示電腦系統900之示例性形式之機器的圖解,在電腦系統900內可執行一組指令以使得機器執行本文論述之方法論中之任何一或更多者。在替代實施例中,機器可連接(例如網路連接)至LAN、內部網路、企業間網路或網際網路中之其他機器。機器可作為客戶端-伺服器網路環境中之伺服器或客戶端機器而操作,或作為同級間(或分散式)網路環境中之同級機器而操作。機器可為個人電腦(personal computer;PC)、平板電腦、機上盒(set-top box;STB)、個人數位助理(Personal Digital Assistant;PDA)、蜂巢式電話、網設備(web appliance)、伺服器、網路路由器、交換器或橋,或能夠執行一組指令(順序的或其他)之任何機器,該組指令指定待藉由彼機器處理之動作。此外,雖然僅圖示單個機器,但術語「機器」亦應視為為包括單獨或共同執行一組(或多組)指令以執行本文論述之方法論中之任何一或更多者之機器之任何集合。
示例性電腦系統900包括處理裝置(處理器)902、主記憶體904(例如,唯讀記憶體(ROM)、快閃記憶體、動態隨機存取記憶體(dynamic random access memory;DRAM)等,DRAM諸如同步DRAM(SDRAM)、雙資料速率SDRAM(DDR SDRAM)或Rambus DRAM(RDRAM)等)、靜態記憶體906(例如,快閃記憶體、靜態隨機存取記憶體(static random access memory;SRAM)等)及資料儲存裝置918,前述各者經由匯流排908而彼此連通。
處理器902表示一或更多個通用處理裝置,諸如微處理器、中央處理單元或類似物。更特定言之,處理器902可為複雜指令集計算(complex instruction set computing;CISC)微處理器、精簡指令集計算(reduced instruction set computing;RISC)微處理器、超長指令字(very long instruction word;VLIW)微處理器,或實施其他指令集之處理器或實施指令集之組合的處理器。處理器902亦可為一或更多個專用處理裝置,諸如特殊應用積體電路(application specific integrated circuit;ASIC)、現場可程式化閘陣列(field programmable gate array;FPGA)、數位訊號處理器(digital signal processor;DSP)、網路處理器或類似物。處理器902係經設置以執行指令926用於執行本文論述之操作及步驟。
電腦系統900可進一步包括網路介面裝置922。電腦系統900亦可包括視訊顯示單元910(例如,液晶顯示器(liquid crystal display;LCD)或陰極射線管(cathode ray tube;CRT))、文數輸入裝置912(例如,鍵盤)、游標控制裝置
914(例如,滑鼠)及訊號產生裝置916(例如,揚聲器)。
資料儲存裝置918可包括電腦可讀取儲存媒體924,指令926之一或更多個集合(例如,軟體)係儲存在該電腦可讀取儲存媒體924上,該等指令926具體化本文所述方法論或功能中之任何一或更多者。在藉由電腦系統900執行指令926期間,指令926亦可完全或至少部分地位於主記憶體904內及/或位於處理器902內,主記憶體904及處理器902亦構成電腦可讀取儲存媒體。指令926可進一步經由網路介面裝置922在網路920上發送或接收。
在一個實施例中,指令926包括用於使用基於CAD之環境背景屬性分類缺陷之指令及/或含有調用模組之方法的軟體庫,該模組包括用於使用基於CAD之環境背景屬性分類缺陷之指令。在一個實施例中,指令926包括用於使用基於CAD之環境背景屬性分類缺陷之指令及/或含有調用指令之方法的軟體庫,該等指令用於使用基於CAD之環境背景屬性分類缺陷。儘管電腦可讀取儲存媒體924(機器可讀取儲存媒體)在示例性實施例中圖示為單媒體,但術語「電腦可讀取儲存媒體」應視為包括任何單媒體或多個媒體(例如,集中或分散式資料庫及/或關聯之快取記憶體及伺服器),該等媒體儲存一或更多個指令集合。術語「電腦可讀取儲存媒體」亦應視為包括任何媒體,該任何媒體能夠儲存、編碼或攜帶用於藉由機器執行之指令集合且使機器執行本發明之方法論中之任何一或更多者。術語「電腦可讀取儲存媒體」相應地應視為包括但不局限於固態記憶體、光學媒體及磁性媒體。
在前述描述中,闡述大量細節。然而,對於享有本揭示案之權益的熟習此項技術者將顯而易見的是,本發明可在無該等具體細節的情況下實踐。在有些情況下,熟知結構及裝置係以方塊圖形式圖示而不是詳細圖示,以避免模糊本發明。
某些部分的詳細描述已依據對電腦記憶體內資料位元之操作的演算法及符號表示來提供。該等演算法描述及表示係藉由熟習資料處理領域者用於最有效傳達熟習資料處理領域者之工作內容至其他熟習此項技術者的手段。在此,演算法係大體經設想為導致期望結果的自相容步驟序列。步驟為要求物理量之物理操作的彼等步驟。通常,但不一定,該等量採取電氣訊號或磁性訊號的形式,該等電氣訊號或磁性訊號能夠經儲存、轉移、組合、比較及其他操作。出於對常見使用的考慮,下列情況已經證實在有些情況下為適宜的:將該等訊號指代為位元、值、元件、符號、字元、項、數字或類似物。
然而,應考慮到,該等術語及類似術語之全部係與適當的物理量相關聯且僅為應用於該等量之方便標記。除非特別說明,否則由下列論述顯而易見,應瞭解,在整個描述中,利用諸如「識別」、「呈現」、「更新」、「決定」、「執行」、「提供」、「接收」等術語之論述係指電腦系統或類似電子計算裝置的動作及處理,該電腦系統或類似電子計算裝置操作表示為電腦系統之暫存器及記憶體內之物理(例如,電子)量的資料且將資料轉換成為同樣表示為電腦
系統記憶體或暫存器或其他此等資訊儲存、傳輸或顯示裝置內之物理量的其他資料。
本發明亦與用於執行本文操作的設備有關。此設備可經構造用於所欲目的,或此設備可包含藉由儲存在電腦中之電腦程式選擇性啟動或重新設置的通用電腦。此電腦程式可儲存在電腦可讀取儲存媒體中,諸如但不限於任何類型的磁碟,包括軟碟、光碟、CD-ROM及磁性光碟、唯讀記憶體(ROM)、隨機存取記憶體(RAM)、EPROM、EEPROM、磁卡或光卡,或適合於儲存電子指令之任何類型之媒體。
應理解,上文描述意欲為說明性而非限制性。對於熟習此項技術者而言,許多其他實施例在閱讀且理解上文描述之後將顯而易見。因此,本發明之範疇應參考隨附申請專利範圍連同申請專利範圍所賦予之等效物之完整範疇一起來決定。
Claims (18)
- 一種用於缺陷分類之方法,包含以下步驟:藉由一電腦系統接收一半導體晶圓之一區域之一圖像,一圖案已形成於該半導體晶圓之該區域上,該區域包含一感興趣圖像位置,該感興趣圖像位置包括選自複數個特徵結構的至少一個特徵結構,該等複數個特徵結構包含感興趣之一缺陷、一製程變化及一設計;藉由該電腦系統接收與該圖案有關之電腦輔助設計(computer-aided design;CAD)資料,該CAD資料包含對應於該感興趣圖像位置之一感興趣CAD位置;藉由該電腦系統基於該感興趣CAD位置相對於該CAD資料之一環境背景計算該感興趣圖像位置之一或更多個屬性之至少一個值;及基於該一或更多個屬性之該至少一個值自動分類在該感興趣圖像位置處之該缺陷。
- 如請求項1所述之方法,其中計算該至少一個值之步驟包含以下步驟:由與一空間關係相關聯之一屬性之一使用者接受一定義,該空間關係在該感興趣圖像位置與藉由該CAD資料識別之一或更多個功能區段之間。
- 如請求項2所述之方法,其中計算該至少一個值之步驟包含以下步驟: 計算該CAD資料中之一區段之一屬性之一值,其中該CAD資料中之該區段包含以下之至少一者:與對應於該圖案之一第一層有關之一部分,與一第二層有關之一部分,其中該第二層係不同於對應於該圖案之該第一層,及對應於一或更多個位置之複數個資料元件,該一或更多個位置係在該圖像之一視域(field of vicw;FOV)外部。
- 如請求項2所述之方法,進一步包含以下步驟:應用一或更多個標記至該圖像中之複數個像素,其中該等複數個像素對應於該CAD資料中之該等區段,且其中計算該至少一個值之步驟包含以下步驟:基於該一或更多個標記選擇該複等數個像素中之一或更多者,且對於該等選擇之像素計算該等複數個屬性之該至少一個值。
- 如請求項2所述之方法,其中計算該至少一個值之步驟包含以下步驟:基於一空間關係計算一屬性之一值,該空間關係在該感興趣圖像位置與藉由該CAD資料界定之一多層結構之間。
- 如請求項2所述之方法,其中計算該至少一個值之步驟包含以下步驟: 量測在該感興趣圖像位置之一缺陷與該圖案之一或更多個元件之間的一重疊,其中量測該重疊之步驟包含以下步驟:評估在該缺陷與該圖案之至少一個元件之間的該重疊之一區域,或評估在該缺陷與該圖案之該等元件之間的一重疊數目。
- 如請求項1所述之方法,其中計算該至少一個值之步驟包含以下步驟:量測在該感興趣圖像位置之一缺陷與該圖案之一或更多個元件之間的一鄰近;及基於該鄰近估計該缺陷橋接該圖案之該等元件中之兩者的一可能性。
- 如請求項1所述之方法,其中計算該至少一個值之步驟包含以下步驟:比較該感興趣圖像位置之一灰度級與該圖案之一或更多個元件之複數個各別灰度級,或基於該半導體晶圓之複數個特徵結構計算一屬性之一值,其中該等複數個特徵結構在該圖像中為不可見且在該CAD資料中為明顯的。
- 如請求項8所述之方法,其中該等複數個特徵結構係在該圖像之一視域外部,或在位於該半導體晶圓之一表面下方的一下層中。
- 如請求項1所述之方法,進一步包含以下步驟: 接收該區域之一三維(3D)映射;及基於該缺陷在該3D映射中之表面形貌特徵結構計算該缺陷之一或更多個表面形貌屬性值,其中自動分類該缺陷之步驟包含以下步驟:應用該一或更多個表面形貌屬性值以分類該缺陷。
- 一種用於缺陷分類之設備,包含:一記憶體;及一處理裝置,與該記憶體耦接,其中該處理裝置係經設置以:接收一半導體晶圓之一區域之一圖像,一圖案已形成於該半導體晶圓之該區域上,該區域含有一感興趣圖像位置,該感興趣圖像位置包括選自複數個特徵結構的至少一個特徵結構,該等複數個特徵結構包含感興趣之一缺陷、一製程變化及一設計;接收與該圖案有關之電腦輔助設計(computer-aided design;CAD)資料,該CAD資料含有對應於該感興趣圖像位置之一感興趣CAD位置;及基於該感興趣CAD位置相對於該CAD資料之一環境背景計算該感興趣圖像位置之一或更多個屬性之至少一個值;及基於該一或更多個屬性之該至少一個值自動分類在該感興趣圖像位置處之該缺陷。
- 如請求項11所述之設備,其中為計算該至少一個值,該處理裝置經進一步設置以:由與一空間關係有關之一屬性之一使用者接受一定義,該空間關係在該感興趣圖像位置與藉由該CAD資料識別之一或更多個功能區段之間。
- 如請求項12所述之設備,其中該處理裝置經設置以:計算該CAD資料中之一區段之一屬性之一值,其中該CAD資料中之該區段包括以下之至少一者:與對應於該圖案之一第一層有關之一部分,與一第二層有關之一部分,其中該第二層係不同於對應於該圖案之該第一層,及對應於一或更多個位置之複數個資料元件,該一或更多個位置係在該圖像之一視域(field of view;FOV)外部。
- 如請求項12所述之設備,其中該處理裝置經進一步設置以:應用一或更多個標記至該圖像中之複數個像素,其中該等複數個像素對應於該CAD資料中之該等區段,且其中計算該至少一個值之步驟包含以下步驟:基於該一或更多個標記選擇該等複數個像素中之一或更多者,且對於該等選擇之像素計算該等複數個屬性之該至少一個值。
- 如請求項12所述之設備,其中該處理裝置經進一步設置以:基於一空間關係計算一屬性之一值,該空間關係在該感興趣圖像位置與藉由該CAD資料界定之一多層結構之間。
- 如請求項11所述之設備,其中該至少一個值包含在該感興趣圖像位置之一缺陷與該圖案之一或更多個元件之間的一重疊之一量測,其中該重疊之該量測指示在該缺陷與該圖案之至少一個元件之間的該重疊之一區域,且其中該重疊之該量測包含在該缺陷與該圖案之該等元件之間的一重疊數目。
- 如請求項11所述之設備,其中該至少一個值包含在該感興趣圖像位置之一缺陷與該圖案之一或更多個元件之間的一鄰近之一量測、該感興趣圖像位置之一灰度級與該圖案之一或更多個元件之複數個各別灰度級的一比較,或基於該半導體晶圓之複數個特徵結構的一屬性之一值,其中該等複數個特徵結構在該圖像中為不可見且在該CAD資料中為明顯的。
- 一種具有指令之非暫態電腦可讀取儲存媒體,當藉由一處理裝置執行該等指令時,該等指令使該處理裝置執行用於缺陷分類之操作,包含:接收一半導體晶圓之一區域之一圖像,一圖案已形成於該半導體晶圓之該區域上,該區域包含一感興趣圖像位置,該感興趣圖像位置包括選自複數個特徵結構的至少一個特徵 結構,該等複數個特徵結構包含感興趣之一缺陷、一製程變化及一設計;接收與該圖案有關之電腦輔助設計(computer-aided design;CAD)資料,該CAD資料包含對應於該感興趣圖像位置之一感興趣CAD位置;基於該感興趣CAD位置相對於該CAD資料之一環境背景計算該感興趣圖像位置之一或更多個屬性之至少一個值;及基於該一或更多個屬性之該至少一個值自動分類在該感興趣圖像位置處之該缺陷。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/451,486 | 2012-04-19 | ||
US13/451,486 US9858658B2 (en) | 2012-04-19 | 2012-04-19 | Defect classification using CAD-based context attributes |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201351305A TW201351305A (zh) | 2013-12-16 |
TWI616823B true TWI616823B (zh) | 2018-03-01 |
Family
ID=49380165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102114042A TWI616823B (zh) | 2012-04-19 | 2013-04-19 | 使用以cad為基礎之環境背景屬性之缺陷分類 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9858658B2 (zh) |
JP (1) | JP6228385B2 (zh) |
KR (1) | KR102132328B1 (zh) |
TW (1) | TWI616823B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7448012B1 (en) | 2004-04-21 | 2008-11-04 | Qi-De Qian | Methods and system for improving integrated circuit layout |
US9858658B2 (en) | 2012-04-19 | 2018-01-02 | Applied Materials Israel Ltd | Defect classification using CAD-based context attributes |
DE102013109915B4 (de) * | 2013-09-10 | 2015-04-02 | Thyssenkrupp Steel Europe Ag | Verfahren und Vorrichtung zur Überprüfung eines Inspektionssystems zur Erkennung von Oberflächendefekten |
US10410338B2 (en) * | 2013-11-04 | 2019-09-10 | Kla-Tencor Corporation | Method and system for correlating optical images with scanning electron microscopy images |
CN105980934B (zh) * | 2014-02-12 | 2018-10-09 | Asml荷兰有限公司 | 过程窗口的优化方法 |
US9715724B2 (en) * | 2014-07-29 | 2017-07-25 | Applied Materials Israel Ltd. | Registration of CAD data with SEM images |
US10312161B2 (en) | 2015-03-23 | 2019-06-04 | Applied Materials Israel Ltd. | Process window analysis |
US11010886B2 (en) * | 2016-05-17 | 2021-05-18 | Kla-Tencor Corporation | Systems and methods for automatic correction of drift between inspection and design for massive pattern searching |
DE102017213060A1 (de) * | 2017-07-28 | 2019-01-31 | Siemens Aktiengesellschaft | Computerimplementiertes Verfahren und Vorrichtung zum automatischen Generieren von gekennzeichneten Bilddaten und Analysevorrichtung zum Überprüfen eines Bauteils |
KR102545141B1 (ko) * | 2017-12-01 | 2023-06-20 | 삼성전자주식회사 | 반도체 소자 및 그의 제조 방법 |
KR102536331B1 (ko) * | 2017-12-31 | 2023-05-26 | 에이에스엠엘 네델란즈 비.브이. | 결함 검사 및 검토를 위한 시스템들 및 방법들 |
US10853697B2 (en) * | 2018-08-28 | 2020-12-01 | Beijing Jingdong Shangke Information Technology Co., Ltd. | System and method for monitoring online retail platform using artificial intelligence and fixing malfunction |
JP7053417B2 (ja) * | 2018-09-13 | 2022-04-12 | キオクシア株式会社 | 欠陥検査装置および欠陥検査方法 |
WO2020061939A1 (zh) * | 2018-09-27 | 2020-04-02 | 西门子股份公司 | 识别设备的方法、装置、***、存储介质、处理器和终端 |
US11561256B2 (en) | 2019-12-31 | 2023-01-24 | Synopsys, Inc. | Correlation between emission spots utilizing CAD data in combination with emission microscope images |
CN111353983B (zh) * | 2020-02-28 | 2023-05-23 | 腾讯科技(深圳)有限公司 | 缺陷检测识别方法、装置、计算机可读介质及电子设备 |
EP3916636A1 (de) * | 2020-05-27 | 2021-12-01 | Siemens Aktiengesellschaft | Verfahren und systeme zum bereitstellen von synthetischen gelabelten trainingsdatensätzen und ihre anwendungen |
US11861286B2 (en) * | 2020-06-30 | 2024-01-02 | Synopsys, Inc. | Segregating defects based on computer-aided design (CAD) identifiers associated with the defects |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6174138B1 (en) * | 1997-09-23 | 2001-01-16 | Spirax-Sargo, Limited | Float operated devices |
US20060078188A1 (en) * | 2004-09-29 | 2006-04-13 | Masaki Kurihara | Method and its apparatus for classifying defects |
Family Cites Families (79)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5923430A (en) | 1993-06-17 | 1999-07-13 | Ultrapointe Corporation | Method for characterizing defects on semiconductor wafers |
US5705301A (en) * | 1996-02-27 | 1998-01-06 | Lsi Logic Corporation | Performing optical proximity correction with the aid of design rule checkers |
US6148099A (en) * | 1997-07-03 | 2000-11-14 | Neopath, Inc. | Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification |
US6174738B1 (en) * | 1997-11-28 | 2001-01-16 | Advanced Micro Devices, Inc. | Critical area cost disposition feedback system |
US6987873B1 (en) * | 1998-07-08 | 2006-01-17 | Applied Materials, Inc. | Automatic defect classification with invariant core classes |
US6353222B1 (en) | 1998-09-03 | 2002-03-05 | Applied Materials, Inc. | Determining defect depth and contour information in wafer structures using multiple SEM images |
US6539106B1 (en) * | 1999-01-08 | 2003-03-25 | Applied Materials, Inc. | Feature-based defect detection |
JP3350477B2 (ja) * | 1999-04-02 | 2002-11-25 | セイコーインスツルメンツ株式会社 | ウエハ検査装置 |
JP2001005166A (ja) * | 1999-06-17 | 2001-01-12 | Nec Corp | パターン検査方法及びパターン検査装置 |
US6577757B1 (en) * | 1999-07-28 | 2003-06-10 | Intelligent Reasoning Systems, Inc. | System and method for dynamic image recognition |
US6999614B1 (en) * | 1999-11-29 | 2006-02-14 | Kla-Tencor Corporation | Power assisted automatic supervised classifier creation tool for semiconductor defects |
US6373053B1 (en) | 2000-01-31 | 2002-04-16 | Advanced Micro Devices, Inc. | Analysis of CD-SEM signal to detect scummed/closed contact holes and lines |
US6510730B1 (en) | 2000-03-31 | 2003-01-28 | Advanced Micro Devices, Inc. | System and method for facilitating selection of optimized optical proximity correction |
JP2001331784A (ja) * | 2000-05-18 | 2001-11-30 | Hitachi Ltd | 欠陥分類方法及びその装置 |
JP2002031525A (ja) * | 2000-07-14 | 2002-01-31 | Seiko Instruments Inc | 半導体ウエハのパターン形状評価方法及び装置 |
JP3743319B2 (ja) | 2001-07-18 | 2006-02-08 | 株式会社日立製作所 | 欠陥検出方法及びその装置 |
US6948141B1 (en) * | 2001-10-25 | 2005-09-20 | Kla-Tencor Technologies Corporation | Apparatus and methods for determining critical area of semiconductor design data |
US6745372B2 (en) * | 2002-04-05 | 2004-06-01 | Numerical Technologies, Inc. | Method and apparatus for facilitating process-compliant layout optimization |
JP4073265B2 (ja) | 2002-07-09 | 2008-04-09 | 富士通株式会社 | 検査装置及び検査方法 |
US6930308B1 (en) | 2002-07-11 | 2005-08-16 | Kla-Tencor Technologies Corporation | SEM profile and surface reconstruction using multiple data sets |
JP3944024B2 (ja) * | 2002-08-20 | 2007-07-11 | 株式会社東芝 | 画像処理方法、半導体装置の製造方法、パターン検査装置およびプログラム |
JP4302965B2 (ja) | 2002-11-01 | 2009-07-29 | 株式会社日立ハイテクノロジーズ | 半導体デバイスの製造方法及びその製造システム |
JP3959355B2 (ja) | 2003-01-17 | 2007-08-15 | 株式会社日立ハイテクノロジーズ | 微細パターンの3次元形状測定方法 |
WO2004068066A2 (en) | 2003-01-28 | 2004-08-12 | Oraxion | Full-filled optical measurements of surface properties of panels, substrates and wafers |
US7508973B2 (en) * | 2003-03-28 | 2009-03-24 | Hitachi High-Technologies Corporation | Method of inspecting defects |
US9002497B2 (en) * | 2003-07-03 | 2015-04-07 | Kla-Tencor Technologies Corp. | Methods and systems for inspection of wafers and reticles using designer intent data |
US7590278B2 (en) | 2003-08-08 | 2009-09-15 | Applied Materials, Inc. | Measurement of corner roundness |
US20050031186A1 (en) * | 2003-08-10 | 2005-02-10 | Luu Victor Van | Systems and methods for characterizing a three-dimensional sample |
JP2005158780A (ja) * | 2003-11-20 | 2005-06-16 | Hitachi Ltd | パターン欠陥検査方法及びその装置 |
JP4742048B2 (ja) | 2003-12-10 | 2011-08-10 | アプライド マテリアルズ イスラエル リミテッド | 高度な粗さ度量衡 |
US7194709B2 (en) * | 2004-03-05 | 2007-03-20 | Keith John Brankner | Automatic alignment of integrated circuit and design layout of integrated circuit to more accurately assess the impact of anomalies |
DE102004040372B4 (de) | 2004-08-20 | 2006-06-29 | Diehl Avionik Systeme Gmbh | Verfahren und Vorrichtung zur Darstellung einer dreidimensionalen Topographie |
US7376269B2 (en) | 2004-11-22 | 2008-05-20 | Xerox Corporation | Systems and methods for detecting image quality defects |
JP4262690B2 (ja) | 2005-03-16 | 2009-05-13 | 株式会社日立ハイテクノロジーズ | 形状測定装置および形状測定方法 |
US7760929B2 (en) * | 2005-05-13 | 2010-07-20 | Applied Materials, Inc. | Grouping systematic defects with feedback from electrical inspection |
US7760347B2 (en) * | 2005-05-13 | 2010-07-20 | Applied Materials, Inc. | Design-based method for grouping systematic defects in lithography pattern writing system |
WO2007000727A2 (en) | 2005-06-28 | 2007-01-04 | Koninklijke Philips Electronics N.V. | Method of reconstructing a surface topology of an object |
JP4776308B2 (ja) * | 2005-09-05 | 2011-09-21 | 株式会社東京精密 | 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法 |
JP4466537B2 (ja) | 2005-11-01 | 2010-05-26 | 株式会社デンソー | 車両用ワイパ制御装置 |
US7570796B2 (en) * | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7764826B2 (en) | 2005-12-07 | 2010-07-27 | Hitachi High-Technologies Corporation | Method and apparatus of reviewing defects on a semiconductor device |
US7570800B2 (en) | 2005-12-14 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for binning defects detected on a specimen |
JP4644613B2 (ja) * | 2006-02-27 | 2011-03-02 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法及びその装置 |
US7684609B1 (en) * | 2006-05-25 | 2010-03-23 | Kla-Tencor Technologies Corporation | Defect review using image segmentation |
JP4791267B2 (ja) * | 2006-06-23 | 2011-10-12 | 株式会社日立ハイテクノロジーズ | 欠陥検査システム |
JP2008041940A (ja) * | 2006-08-07 | 2008-02-21 | Hitachi High-Technologies Corp | Sem式レビュー装置並びにsem式レビュー装置を用いた欠陥のレビュー方法及び欠陥検査方法 |
US8194968B2 (en) | 2007-01-05 | 2012-06-05 | Kla-Tencor Corp. | Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions |
JP5118872B2 (ja) | 2007-03-30 | 2013-01-16 | 株式会社日立ハイテクノロジーズ | 半導体デバイスの欠陥観察方法及びその装置 |
DE102007019057A1 (de) | 2007-04-23 | 2008-10-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Bestimmen eines Kanten-Histogramms, Vorrichtung und Verfahren zum Ablegen eines Bildes in einer Bilddatenbank, Vorrichtung und Verfahren zum Auffinden von zwei ähnlichen Bildern und Computerprogramm |
US7835564B2 (en) | 2007-04-30 | 2010-11-16 | International Business Machines Corporation | Non-destructive, below-surface defect rendering using image intensity analysis |
JP4936985B2 (ja) | 2007-05-14 | 2012-05-23 | 株式会社日立ハイテクノロジーズ | 走査電子顕微鏡およびそれを用いた三次元形状測定装置 |
US8799831B2 (en) * | 2007-05-24 | 2014-08-05 | Applied Materials, Inc. | Inline defect analysis for sampling and SPC |
JP2009092954A (ja) * | 2007-10-09 | 2009-04-30 | Toshiba Corp | パターン評価方法 |
JP5022191B2 (ja) * | 2007-11-16 | 2012-09-12 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及び欠陥検査装置 |
JP5021503B2 (ja) * | 2008-01-15 | 2012-09-12 | 株式会社日立ハイテクノロジーズ | パターン欠陥解析装置、パターン欠陥解析方法およびパターン欠陥解析プログラム |
US7756658B2 (en) | 2008-05-14 | 2010-07-13 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer and generating inspection results for the wafer |
SG164293A1 (en) | 2009-01-13 | 2010-09-29 | Semiconductor Technologies & Instruments Pte | System and method for inspecting a wafer |
JP5641463B2 (ja) | 2009-01-27 | 2014-12-17 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置及びその方法 |
WO2010090152A1 (ja) * | 2009-02-04 | 2010-08-12 | 株式会社日立ハイテクノロジーズ | 半導体欠陥統合投影方法および半導体欠陥統合投影機能を実装した欠陥検査支援装置 |
US8175373B2 (en) | 2009-02-16 | 2012-05-08 | Kla-Tencor Corporation | Use of design information and defect image information in defect classification |
US8112241B2 (en) | 2009-03-13 | 2012-02-07 | Kla-Tencor Corp. | Methods and systems for generating an inspection process for a wafer |
WO2011004534A1 (ja) | 2009-07-09 | 2011-01-13 | 株式会社 日立ハイテクノロジーズ | 半導体欠陥分類方法,半導体欠陥分類装置,半導体欠陥分類プログラム |
JP2011033423A (ja) | 2009-07-31 | 2011-02-17 | Hitachi High-Technologies Corp | パターン形状選択方法、及びパターン測定装置 |
US8473223B2 (en) | 2009-10-07 | 2013-06-25 | Iyun Leu | Method for utilizing fabrication defect of an article |
US8401273B2 (en) | 2010-01-21 | 2013-03-19 | Hitachi, Ltd. | Apparatus for evaluating degradation of pattern features |
US20110242312A1 (en) | 2010-03-30 | 2011-10-06 | Lasertec Corporation | Inspection system and inspection method |
JP4716148B1 (ja) | 2010-03-30 | 2011-07-06 | レーザーテック株式会社 | 検査装置並びに欠陥分類方法及び欠陥検出方法 |
KR101214806B1 (ko) * | 2010-05-11 | 2012-12-24 | 가부시키가이샤 사무코 | 웨이퍼 결함 검사 장치 및 웨이퍼 결함 검사 방법 |
US8315453B2 (en) | 2010-07-27 | 2012-11-20 | Applied Materials Israel, Ltd. | Defect classification with optimized purity |
US8502146B2 (en) | 2011-10-03 | 2013-08-06 | Kla-Tencor Corporation | Methods and apparatus for classification of defects using surface height attributes |
US8604427B2 (en) | 2012-02-02 | 2013-12-10 | Applied Materials Israel, Ltd. | Three-dimensional mapping using scanning electron microscope images |
WO2013140302A1 (en) | 2012-03-19 | 2013-09-26 | Kla-Tencor Corporation | Method, computer system and apparatus for recipe generation for automated inspection semiconductor devices |
US9595091B2 (en) | 2012-04-19 | 2017-03-14 | Applied Materials Israel, Ltd. | Defect classification using topographical attributes |
US9858658B2 (en) | 2012-04-19 | 2018-01-02 | Applied Materials Israel Ltd | Defect classification using CAD-based context attributes |
US10599944B2 (en) | 2012-05-08 | 2020-03-24 | Kla-Tencor Corporation | Visual feedback for inspection algorithms and filters |
US10330608B2 (en) | 2012-05-11 | 2019-06-25 | Kla-Tencor Corporation | Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools |
US8826200B2 (en) | 2012-05-25 | 2014-09-02 | Kla-Tencor Corp. | Alteration for wafer inspection |
US9053390B2 (en) | 2012-08-14 | 2015-06-09 | Kla-Tencor Corporation | Automated inspection scenario generation |
GB2506115A (en) | 2012-09-19 | 2014-03-26 | Dupont Teijin Films Us Ltd | An Interferometric Method for Profiling the Topography of a Sample Surface |
-
2012
- 2012-04-19 US US13/451,486 patent/US9858658B2/en active Active
-
2013
- 2013-04-19 JP JP2013100672A patent/JP6228385B2/ja active Active
- 2013-04-19 TW TW102114042A patent/TWI616823B/zh active
- 2013-04-19 KR KR1020130043524A patent/KR102132328B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6174138B1 (en) * | 1997-09-23 | 2001-01-16 | Spirax-Sargo, Limited | Float operated devices |
US20060078188A1 (en) * | 2004-09-29 | 2006-04-13 | Masaki Kurihara | Method and its apparatus for classifying defects |
Also Published As
Publication number | Publication date |
---|---|
KR102132328B1 (ko) | 2020-07-10 |
US9858658B2 (en) | 2018-01-02 |
JP2013225312A (ja) | 2013-10-31 |
US20130279790A1 (en) | 2013-10-24 |
JP6228385B2 (ja) | 2017-11-08 |
KR20130118278A (ko) | 2013-10-29 |
TW201351305A (zh) | 2013-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI597689B (zh) | 使用表面形貌屬性之缺陷分類 | |
TWI616823B (zh) | 使用以cad為基礎之環境背景屬性之缺陷分類 | |
TWI539150B (zh) | 用於偵測檢查圖像中之缺陷的系統、方法及電腦程式產品 | |
JP4585926B2 (ja) | パターンレイヤーデータ生成装置、それを用いたパターンレイヤーデータ生成システム、半導体パターン表示装置、パターンレイヤーデータ生成方法、及びコンピュータプログラム | |
TW490591B (en) | Pattern inspection apparatus, pattern inspection method, and recording medium | |
JP6629934B2 (ja) | 試験方策を生成する方法およびそのシステム | |
TWI607213B (zh) | 用於包含區塊與區塊比較的缺陷偵測之裝置與方法 | |
TW202105549A (zh) | 對樣本的缺陷檢測的方法及其系統 | |
TW201602565A (zh) | 使用高解析度全晶粒圖像資料進行檢查 | |
KR20150140349A (ko) | 반도체 검사 레시피 생성, 결함 리뷰 및 계측을 위한 적응적 샘플링 | |
JP2013257304A5 (zh) | ||
TW202036475A (zh) | 取樣檢驗的方法及其系統 | |
US9851714B2 (en) | Method of inspecting a specimen and system thereof | |
CN108431936A (zh) | 基于形状的分组 | |
US10296702B2 (en) | Method of performing metrology operations and system thereof | |
JP2015197396A (ja) | 画像検査方法および画像検査装置 | |
TW201512649A (zh) | 偵測晶片影像瑕疵方法及其系統與電腦程式產品 | |
JP4597509B2 (ja) | パターン検査装置およびパターン検査方法 | |
TWI832931B (zh) | 半導體檢測系統與方法及相關的非暫時性電腦可讀儲存媒體 | |
JP4969635B2 (ja) | パターンレイヤーデータ生成方法、及びパターンレイヤーデータ生成装置 | |
EP1146481A2 (en) | Pattern inspection apparatus, pattern inspection method, and recording medium |