TWI734720B - 檢查晶圓之系統及方法 - Google Patents
檢查晶圓之系統及方法 Download PDFInfo
- Publication number
- TWI734720B TWI734720B TW105140289A TW105140289A TWI734720B TW I734720 B TWI734720 B TW I734720B TW 105140289 A TW105140289 A TW 105140289A TW 105140289 A TW105140289 A TW 105140289A TW I734720 B TWI734720 B TW I734720B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- registration
- poi
- interest
- wafer
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims description 76
- 238000013461 design Methods 0.000 claims abstract description 79
- 230000000694 effects Effects 0.000 claims abstract description 16
- 235000012431 wafers Nutrition 0.000 claims description 54
- 238000005070 sampling Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 10
- 238000010894 electron beam technology Methods 0.000 claims description 9
- 238000001000 micrograph Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 description 28
- 230000007547 defect Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 15
- 239000004065 semiconductor Substances 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 13
- 238000001878 scanning electron micrograph Methods 0.000 description 13
- 101000799554 Homo sapiens Protein AATF Proteins 0.000 description 8
- 102100034180 Protein AATF Human genes 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 229910003460 diamond Inorganic materials 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 229910002601 GaN Inorganic materials 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- JMASRVWKEDWRBT-UHFFFAOYSA-N Gallium nitride Chemical compound [Ga]#N JMASRVWKEDWRBT-UHFFFAOYSA-N 0.000 description 1
- GPXJNWSHGFTCBW-UHFFFAOYSA-N Indium phosphide Chemical compound [In]#P GPXJNWSHGFTCBW-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052594 sapphire Inorganic materials 0.000 description 1
- 239000010980 sapphire Substances 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- 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
- H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
-
- 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
-
- 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
-
- 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
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
-
- 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)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computer Hardware Design (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Bending Of Plates, Rods, And Pipes (AREA)
- Moulds For Moulding Plastics Or The Like (AREA)
- Golf Clubs (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
減少晶粒內檢查中由所關注圖案(POI)影像配準及POI附近設計圖案所引發之雜訊。藉由接近配準目標之共現將POI分群成若干對準群組。使用接近配準目標之該共現配準該等對準群組。執行藉由投票進行配準,此可量測該等所關注圖案中之每一者係一離群值之一程度。將POI分群成具有相同附近設計效應之至少一個附近群組。
Description
本發明係關於晶圓檢查。
晶圓檢查系統藉由偵測在製造程序期間出現之缺陷而幫助一半導體製造商增加及維持積體電路(IC)晶片良率。檢查系統之一個目的係監視一製造程序是否滿足規格。若製造程序在所確立規範之範疇外,則檢查系統指示問題及/或問題之根源,半導體製造商然後可解決問題。
半導體製造工業之演變對良率管理且特定而言對計量及檢查系統之需求愈來愈大。臨界尺寸在縮小,而晶圓大小在增加。經濟驅動工業減少用於達成高良率高價值生產之時間。因此,最小化自偵測一良率問題至修理該良率問題之總時間判定半導體製造商之投資回報率。
含有所關注圖案(POI)之光學貼片與自一個樣本影像隨機拾取之一模板POI影像之間的一標準化交叉相關(NCC)可用於POI影像配準。每一POI影像與同一模板對準。若隨機挑選之模板係此POI影像族群之一穩健代表,則此方法對於POI配準可係有效的。
然而,NCC晶粒間檢查不考量POI附近設計圖案之效應。此乃因當比較來自兩個毗鄰晶粒之POI影像時,由相同附近導致之共同雜訊消除。此
對於晶粒內檢查可能並不適用,其中POI可在一晶粒內之任何地方出現且可具有不同附近圖案。在彼情形中,POI影像可被不同附近設計圖案污染。因此,分析且減少由附近設計圖案所引發之雜訊可係重要的。
告知用於POI影像配準之NCC方法是否足夠可係困難的,此乃因模板係隨機挑選的。若模板POI影像具有雜訊或缺陷,則將其他POI影像與模板POI影像對準可導致不對準誤差。
針對晶粒間,假定來自毗鄰晶粒之參考影像與測試影像係對準的。若針對POI存在偏移,則該兩者之偏移係相同的。因此,該偏移將不損害差影像。然而,針對晶粒內,每一POI具有在對準時需要驗證之一不同位置及環境。否則,比較係困難的或甚至不可能的。
若POI太小或具有不充足幾何形狀,則其可能並非係一良好配準目標。NCC方法對於要求高之晶粒內比較任務可能會失敗。
在晶粒間檢查中消除POI附近所引發之雜訊,此乃因兩個例項具有相同附近之圖案。然而,此對於晶粒內檢查並不適用,此乃因附近圖案差係其之一額外雜訊源。
因此,需要經改良缺陷再檢測技術及更特定而言經改良晶粒內檢查技術。
在一第一實施例中,揭示一種系統。該系統包括一控制器,該控制器包含一處理器、與該處理器電子通信之一電子資料儲存單元以及與該處理器及該電子資料儲存單元電子通信之一通信埠。該控制器經組態以:使用一對準目標探測器模組藉由接近配準目標之共現將所關注圖案分群成一或多個對準群組;使用與該等所關注圖案偏移一相同量之接近配準目標之
該共現配準每一對準群組;藉由投票進行配準;且將該等所關注圖案分群成具有相同附近設計效應之至少一個附近群組。該藉由投票進行配準包含量測該等所關注圖案中之每一者係一離群值之一程度。該控制器可經組態以執行晶粒內檢查。
該控制器可與一基於設計之方格化伺服器電子通信。該控制器亦可與經組態以產生一晶圓影像之一再檢測工具電子通信。在一例項中,該再檢測工具包含經組態以固持該晶圓之一載台及經組態以產生該晶圓影像之一影像產生系統。該影像產生系統可經組態以使用一電子束、一寬頻電漿或一雷射中之至少一者來產生該晶圓之該影像。在一實例中,該再檢測工具係一掃描電子顯微鏡。
該等所關注圖案可在基於一設計檔案之一再現影像中。該等所關注圖案亦可在一晶圓影像中。在一例項中,該晶圓影像係一掃描電子顯微鏡影像。
該控制器可進一步經組態以在該分群成該一或多個對準群組之前運用一取樣模組執行智慧取樣。
在一第二實施例中,提供一種方法。該方法包括:使用一控制器,使用一對準目標探測器模組藉由接近配準目標之共現將所關注圖案分群成一或多個對準群組;使用該控制器,使用與該等所關注圖案偏移一相同量之接近配準目標之該共現配準每一對準群組;使用該控制器,藉由投票進行配準;及使用該控制器,將該等所關注圖案分群成具有相同附近設計效應之至少一個附近群組。該藉由投票進行配準包含量測該等所關注圖案中之每一者係一離群值之一程度。該方法可係針對晶粒內檢查。
可在該藉由投票進行配準之前發生將具有相同附近設計效應之所關
注圖案分群,在該情形中可對該至少一個附近群組中之每一者執行該藉由投票進行配準。亦可在該藉由投票進行配準之後發生將具有相同附近設計效應之所關注圖案分群。
該等所關注圖案可在基於一設計檔案之一再現影像中。該等所關注圖案亦可在一晶圓影像中。在一例項中,該晶圓影像係一掃描電子顯微鏡影像。
該方法可進一步包括在該分群成該一或多個對準群組之前運用一取樣模組進行智慧取樣。
該等對準群組中之每一者中之接近配準目標之該共現可與該所關注圖案偏移一相同量。
該藉由投票進行配準可經組態以藉由將一穩健平均影像視為一配準模板而使用來自一整個影像族群之資訊。
該藉由投票進行配準可經組態以使用來自該等對準群組中之每一者中之一離群值百分比之資訊。
200:缺陷再檢測系統
201:影像產生系統/成像裝置
202:經聚焦電子束/電子束
203:晶圓
204:載台
205:控制器
206:處理器
207:電子資料儲存單元
208:通信埠
209:基於設計之方格化伺服器
為更全面理解本發明之性質及目的,應參考結合附圖做出之以下詳細說明,在附圖中:圖1係根據本發明之一第一實施例之一流程圖;圖2係根據本發明之一第二實施例之一流程圖;圖3係根據本發明之表示產生一再現影像之一實施例之一圖式;圖4係根據本發明之表示產生一掃描電子顯微鏡(SEM)影像之一實施例之一圖式;圖5係穩健配準之一實例;
圖6係根據本發明之表示將來自一產品晶圓之設計影像分群之一實施例之一圖式;圖7A至圖7B係根據本發明之表示使用來自設計夾及光學貼片之資訊將POI附近分群之圖式;圖8係根據本發明之一實施例之一流程圖,其中係良好對準目標之POI之光學影像經分出且形成其自身之對準群組;圖9係根據本發明之一實施例之一流程圖,其中POI自身並非係一良好對準目標且一設計係可用的;圖10係根據本發明之一實施例之一流程圖,其中POI自身並非係一良好對準目標及/或設計係不可用的,且替代一設計而使用SEM影像;圖11係表示一實施例之一圖式,其中配準兩個群組使得可根據本發明判定POI之位置;圖12係根據本發明之在檢查「運行」期間對準流程之一實施例之一流程圖;圖13係根據本發明之配準之一實施例之一流程圖;及圖14係根據本發明之一系統之一實施例。
本申請案主張對2015年12月6日提出申請且指派為第62/263,665號美國申請案之臨時專利申請案之優先權,該臨時專利申請案之揭示內容據此以引用方式併入。
儘管將就特定實施例而言闡述所主張之標的物,但包含不提供本文中所陳述之全部益處及特徵之實施例的其他實施例亦在本發明之範疇內。
可在不背離本發明之範疇之情況下做出各種結構、邏輯、程序步驟及電子改變。因此,本發明之範疇僅參考隨附申請專利範圍來界定。
本文中所揭示之實施例減少由所關注圖案(POI)影像配準及POI附近設計圖案(諸如在晶粒內檢查期間)所引發之雜訊。晶粒內檢查係指跨越同一晶粒上之同一圖案之多個(亦即,兩個或兩個以上)例項比較彼圖案之方法。晶粒內檢查可集中於由諸如一半導體製造商之一使用者提供之特定所關注區域(AOI)。本文中所揭示之實施例可減少晶粒內POI比較中由POI影像錯誤配準及POI附近設計圖案之差異導致之雜訊。
晶粒內檢查具有優於傳統晶粒間比較檢查方法之數個優點。此等優點包含觀察到晶粒內程序變化雜訊可少於晶粒間程序變化,此乃因相同POI(所關注圖案)位置比在晶粒間中彼此更加靠近,其中相同POI分開一個晶粒節距。此外,在晶粒間比較中無法以與在晶粒內比較中相同之敏感性捕捉系統缺陷,諸如印刷遮罩之一個部分中而非另一部分中之同一圖案之變化性(例如,歸因於遮罩上之一缺陷或掃描機場/焦點之變化)。此乃因在晶粒間比較中,圖案之兩個例項可以同一方式受影響且差信號不展示此異常。晶粒內比較可捕捉此一異常,此乃因同一掃描機場中之圖案之兩個例項可展示一差信號。
然而,晶粒內檢查具有諸多挑戰。與晶粒間(其中一對晶粒之兩個POI影像假定為出現在同一位置處且共用諸多共同雜訊模式)不同,晶粒內檢查需要每一POI影像彼此或與一參考POI之更準確配準。此外,一晶粒中之同一POI之不同例項可在其附近具有不同之設計圖案且因此可將來自其附近區域之信號之不同洩漏量引入至構成POI之區中。
本文中所揭示之技術使用來自整個POI影像族群之資訊來產生一穩健
平均POI影像作為用於配準之模板。一「投票(voting)」方法用於進一步精細化對準。不僅藉由使用一穩健平均POI影像作為模板,而且藉由代替NCC圖譜使用L2範數差圖譜來搜索位置(此乃因L2範數差圖譜具有比NCC圖譜陡之谷/峰),此等技術對於晶粒內檢查係更穩健且準確的。
藉由將具有在POI附近之相同共現(co-occurrence)且良好配準目標之POI影像分群且使用彼等POI影像來正確地定位每一此類群組中之POI而解決NCC技術之問題。本文中所揭示之實施例將具有類似附近所引發之雜訊之POI影像分群使得可單獨分析每一群組以找出離群值。
圖1至圖2中之流程圖展示用於減少配準及設計附近所引發之晶粒內檢查之雜訊源之技術。當不同附近中之影像彼此充分不同時,可需要將具有相同附近設計效應之POI分群以產生「附近群組」。如圖1中所展示,可由針對每一附近群組中之離群值之一特定百分比之一投票程序提供穩健配準。此可使整個配準程序更穩健。
每影像之附近群組之數目可變化。通常可使用五個附近群組中之四者,但其他數目個附近群組亦係可能的。舉例而言,圖7A展示五個附近群組。諸如設計大小、交互作用距離、光學接近校正(OPC)、亞解析度輔助圖形(SRAF)之放置、所涉及之各種材料之電磁性質及光學效應等因素可影響附近群組之數目。
將具有相同共現鄰近配準目標之POI分群以產生可在POI自身不適合用於配準時使用之「對準群組」。如圖2中所展示,可藉由針對每一對準群組中之離群值之一特定百分比之一投票程序提供穩健配準。由於在此處使用穩健配準方法,因此結果一般將不太受不同附近群組影響。在一例項中,執行此分群成若干對準群組之算術模組稱為自動對準目標探測器
(AATF)。
在一例項中,每影像存在自七個至十四個對準群組。然而,其他數目個對準群組亦係可能的。某些對準群組可被一使用者忽略或不予考量。
為判定一族群中之離群值,(諸如)使用2016年4月21日提出申請之第15/135465號美國申請案中所揭示之技術計算彼族群中之影像中之每一者之拒斥分數。具有最高拒斥分數之每一對準群組中之資料之一百分比可假定為離群值。
在一替代實施例中,圖1至圖2可經組合以藉由針對離群值之一特定百分比之投票程序應用穩健配準兩次或兩次以上以使該程序更穩健。
此等實施例可用於晶粒內檢查。本文中揭示在處理或未處理設計資料之情況下用於晶粒內檢查之對準流程。若(舉例而言)執行智慧取樣,則SEM影像可代理設計再現影像。此外,甚至在一半導體製造商不提供完整設計資料時,該半導體製造商可使用POI中之若干形狀之一再現影像規定POI,如圖3中所展示。
可在本文中所揭示之實施例中使用設計夾,包含圖1至圖2中之彼等設計夾。設計資料在可用時可儲存於如圖3中所展示之一伺服器(諸如一基於設計之方格化(design based binning,DBB)伺服器)中。一檢查上具(例如,一寬頻電漿(BBP)工具)可將位置發送至DBB伺服器且DBB伺服器可輸出與一給定層集合之一給定視場(FOV)相交之所有多邊形之一文字檔案。依據此文字檔案,可建構展示以一使用者規定之像素大小再現之所有多邊形之一影像(圖3中稱作再現影像)。圖3中之該再現影像展示此一再現之一實例,其中多邊形內部為白色且背景為黑色。當設計資料可用時,此再現設計稱作一設計夾。
設計資料可係不可用的。此可在一演示或一概念證明(POC)研究期間
當半導體製造商無法共用一敏感設計時發生。在此一情景中,一掃描電子顯微鏡(SEM)可使用作設計夾之晶圓位置成像代替再現影像。圖4中展示此。
不管該等設計夾係再現影像還是SEM影像(其在某些例項中可係大致相同的),BBP工具產生之大量資料及當前SEM再檢測工具收集影像之緩慢可對分析之吞吐量構成一挑戰。為增加吞吐量,可在影像收集委派給SEM再檢測工具之前執行透過智慧取樣減少BBP工具資料。圖4中所展示之取樣模組執行智慧取樣,此可涉及取決於中間分析結果而收集數個樣本群組。舉例而言,參見圖10中之「是」路徑來看NCC分數是否小於一臨限值。
出於產生對準群組之目的,當設計影像自身係不可用時SEM影像可用作設計影像代理。一般需要大量時間來獲取充足品質之一SEM影像。為節省時間,可透過智慧取樣限制所獲取SEM影像之數目。如圖10中所見,若POI之一光學貼片不與其群組之代表良好匹配,則該光學貼片可能屬於不同於該代表之群組之一對準群組,且可獲取對應於彼不匹配光學貼片位置之設計代理(例如,SEM影像)。圖10中關於NCC分數小於臨限值之決定菱形可做出POI之一光學貼片匹配還是不匹配其群組之代表之一決定。其可藉由檢查光學貼片與其代表之間的對準之NCC匹配分數而做出此決定。舉例而言,分數越低,匹配越差。挑選一匹配臨限值(例如,75%),且若其之間的NCC匹配分數降至此臨限值以下則決定菱形決定POI之光學貼片不匹配其代表。然後可傾印輸出所有非匹配(例如,非對準)光學貼片之位置,如圖10中所繪示。隨後,可自此等位置獲取SEM影像。
可通過藉由投票進行穩健配準來減少配準所引發之雜訊。用於POI影
像之傳統NCC配準方法隨機拾取一個樣本作為一模板,其可並非係充分穩健的。可使用藉由將穩健平均影像視為配準模板而獲得來自整個影像族群之資訊之一投票方法。該穩健平均影像係整個族群中之所有「群內值」之平均影像。可藉由計算拒斥分數而判定「群內值」及「離群值」,諸如2016年4月21日提出申請之第15/135465號美國申請案(其以全文引用方式併入)中所闡述。舉例而言,一POI之數位影像資料可轉變成一拒斥分數表。可使用基於排名、基於中值或交叉拒斥得分。
L2範數差圖譜可被視為一雜訊類型,此乃因其包含對準之均方根(RMS)殘餘雜訊。投票方法可使用整個族群來計算穩健平均值作為配準模板,此減少此整體上之配準雜訊。相比之下,傳統NCC方法被迫代替穩健平均值而選擇一隨機樣本作為配準模板。此選擇由於其係相對任意的而可不減少整個族群上之配準雜訊。舉例而言,所選擇之隨機樣本可係族群之一離群值。
可藉由鄰近配準目標之共現將POI分群。隨著POI變得愈來愈小,進行POI影像配準可變得愈來愈困難,尤其當POI並非係一良好配準目標(例如,太平坦一維圖案等)時。在此情形中,可需要其他配準目標以及POI自身用於配準。由AATF模組執行之此技術提供藉由鄰近配準目標之共現將POI分群成不同對準群組之一方式。然後使用與POI偏移相同量之此等共現目標在每一對準群組內進行配準。
在AATF中,使用一系列影像處理啟發法將一POI集合分離成若干對準群組。圖6展示自頂部至底部對準且堆疊之100個POI影像之平均值。平均影像A中存在具有高灰階之數個分量。此等分量對於大量100個POI影像可係共同的。AATF可將POI影像集合劃分成具有共同分量之子集。此之
第一步驟(如影像B中所展示)係,識別由於平均影像A中之高灰階而具有共同分量的標記為1、2及3之區。在一例項中,影像B之區1分離成三個純(例如,在區1內在其自身當中匹配100%)影像集合C1、C2及C3。
作為一配準目標之POI之品質可藉由研究其自相關函數(諸如該目標與其自身之NCC映射)之形狀來評估,其中該目標係模板影像且此模板影像由構成參考影像之一小的零界限填補。在一例項中,評估指示沿x方向及y方向兩者自中心下降之速度之一差量測且若此高於一預設臨限值,則配準目標可被視為良好的。
可減少附近所引發之雜訊。不同附近設計圖案可為POI區貢獻不同雜訊量。此技術經設計以將具有相同或類似附近效應之POI例項分群成同一附近群組且然後將此等POI彼此進行比較。首先,可藉由使用不同類似度臨限值對設計夾進行聚集而找出產生附近群組之多種方式。然後分析標記在POI光學影像上之附近群組效應。最終,選擇一有意義「附近」分群方法以用於每一附近群組內之進一步配準。
包含設計大小、交互作用距離、OPC、SRAF之放置、所涉及之各種材料之電磁性質及光學效應的實體因素可導致可自奈米伸展至微米之附近影響距離。
為將POI分群成若干附近群組,可使用諸如NCC之一類似度量測評估設計夾。然後可藉由確保屬於同一群集之所有設計夾在其之間具有高於一特定預定義臨限值之一類似度量測而執行聚集。可使用基於類似度量測之其他聚集方法。舉例而言,可使用以其全文引用方式併入之Duda及Hart之圖案分類及場景分析(Pattern Classification and Scene Analysis)(1973)之第6章中所揭示之技術。任選地,設計夾群集可使用每一對設計夾群集
中之POI之間的一類似度量測(如NCC)合併至POI之附近群組中。由於設計類似度,對應於一個群集內之所有設計夾之所有POI之附近效應係類似的。然而,兩個不同群集內之設計夾可在其對應POI中具有類似附近效應。
給定在晶粒內檢查中可需要完全晶圓覆蓋,則在對準流程中可存在兩個階段:一設置階段及一運行階段。
在該設置階段中,針對每一POI(包含其子類型)判定含有該POI之相互對準光學影像之一「金色」集合上之一或多個位置。此「金色」集合係彼POI之對準群組之代表。此可稱為彼POI之POI對準群組訓練資料(PAGTD)。該PAGTD由含有POI、其穩健平均值或中值、模板位置等之相互對準光學影像組成。在一POI之PAGTD上識別之一或多個模板位置可用於在晶粒內檢查「運行」期間精確地找到其在含有該POI之任一光學貼片影像(在晶圓上)中所代表之POI之位置。
一POI之一子類型係POI之一空間擴展以涵蓋在其周圍之其他幾何形狀。此子類型之定義可由使用者(例如,半導體製造商)針對每一POI類型建立。此允許每一POI之一進一步細分。
在一對準流程設置中之初始步驟期間,將自身係良好對準目標之POI之光學影像分出。因此,此等POI之影像形成其自身之對準群組。圖8中展示此流程。
可運用一設計(例如,運用設計再現影像)發生對準流程設置。若POI自身並非係一良好對準目標且一設計係可用的,則圖9中展示對應對準流程。在此情形中,藉由AATF模組將一POI分解成若干對準群組,且PAGTD包含POI對準群組之資料。若使用者定義對準目標,則可忽視圖9
中所展示之AATF模組。
亦可不運用一設計(例如,運用SEM影像)發生對準流程設置。假使POI自身並非係一良好對準目標及/或設計係不可用的,且替代一設計而使用SEM影像,則圖10中展示對應對準流程。注意,由於一典型SEM再檢測工具收集影像之緩慢,可訪問POI位置之一子集而非整個集合且收集影像之一樣本。因此,其可成為概率覆蓋之一問題且取樣方案允許更完整覆蓋之一迴圈。此迴圈可確保不錯失設計夾代理影像。由圖10中之決定菱形起始此迴圈,且針對包含不給出良好光學模板匹配分數之位置之一SEM影像建立位置之一新樣本。在此情形中,對準目標可藉由使用一SEM AATF算術模組而在SEM影像中自動找到,或在使用者定義其之情況下手動找到。
可藉由兩個或兩個以上對準群組之間的空間對應性提取POI夾。給定一POI之兩個對準群組,可配準該兩個群組使得可判定POI之位置,且因此可在該兩個群組之間比較其影像。圖11展示此技術之一實例。可按一子像素位準對準代表兩個對準群組之兩個SEM/設計影像中之POI。然後可按一子像素位準定義POI與彼等對準群組之模板目標之偏移。藉由對準群組之SEM/設計影像與其經對準光學貼片代表之間的空間對應性,可判定按一子像素位準之POI在含有POI之所有光學貼片中之位置。
圖12中展示在檢查「運行」期間之一對準流程。其可使用在設置階段期間建立之PAGTD來提取如本文中詳述之POI夾,之後將其發送出以用於進一步分析。
可執行藉由投票進行穩健配準。本文中所揭示之實施例可係更穩健的,此乃因使用一穩健平均POI影像,其係來自整個族群之資訊。可使用
可用於定量地量測每一POI影像係POI影像族群中之一離群值之程度而不必須計算穩健平均影像之一拒斥分數方法。給定一樣本族群,找出離群值且藉由每一POI影像係POI影像族群中之一離群值之程度對該等離群值進行排名及記分。任選地,使用對族群中之離群值之一特定百分比之投票方法重新配準該等影像。因此,可移動影像以降低每一POI影像係POI影像族群中之一離群值之程度。用以改良對準或降低每一POI影像係POI影像族群中之一離群值之程度的移動程度可變化。然而,藉由投票進行配準之一目標可係最小化分數或排名使得儘可能多之點係分配中之群內值。每一POI影像係一離群值之程度可基於(舉例而言)拒斥或偏差得分方法而經計算為一分數。
移動路徑可用於降低每一POI影像係一離群值之程度。當穩健平均模板及參考POI影像不對準時,對應於每一POI影像係參考影像之一離群值之程度之偏差分數係大的。當穩健平均模板及參考POI影像對準時,偏差分數較小。
舉例而言,藉由投票進行配準可計算距每一像素獨立所係之一中值多遠。此可對離群值之位置求和。提供最少離群值之一對準圖案藉由投票配準而可係較佳的。此可計及每一像素之個別貢獻。
藉由投票進行穩健配準可用於改良結果。本文中所揭示之技術可係更穩健的,此乃因每一技術可使用一穩健平均POI影像,其係來自整個族群之資訊。可使用可定量地量測每一POI影像係一離群值之程度而不必須計算穩健平均影像之一拒斥分數方法。可使用對族群中之離群值之一特定百分比之投票技術任選地重新配準該等影像。
可藉由共現鄰近配準目標將POI分群。本文中所揭示之實施例可提供
藉由鄰近配準目標之共現將POI影像分群以在POI自身並非係一良好配準目標時改良配準之能力。舉例而言,可檢查POI附近之共現目標且可僅選擇對於配準係良好之目標。
可減少附近所引發之雜訊。本文中所揭示之技術使用設計及/或光學影像來將POI分群成若干附近群組使得每一群組就針對每一附近群組中之POI上之每一像素之雜訊統計資料(例如,平均及標準偏差)而言展現來自附近區之類似雜訊位準。自一個此類群組至另一群組之雜訊貢獻中可存在一統計上顯著差。此可減少附近所引發之雜訊。低方差可等效於雜訊參數之估計之高置信度,此又可導致針對一附近群組中之POI上之每一像素之離群值(例如,缺陷)之一更準確偵測。
圖7A至圖7B中展示使用來自設計夾及光學貼片之資訊將POI附近分群之一項實例。圖7A展示藉由聚集設計夾進行的類似設計附近之一分群。圖7B展示用於使用因子分析方法預測離群值分數之「附近」分群之重要性。若分群係有意義的,則與諸如晶粒位置及一晶粒內之位置之其他影響因素相比較將看到因子分析圖表中之「附近群組」之重要性。
藉由投票進行穩健配準亦可用於減少配準所引發之雜訊。圖5中展示穩健配準之一項實例。第一列展示一個樣本之投票經重新對準POI影像、穩健平均POI及由傳統NCC配準使用之模板。在第二列上,展示裁剪之前之原始整個光學貼片、L2範數距離圖譜及NCC搜索圖譜。原始光學貼片上之框展示由在晶圓之檢查期間運行之像素與設計對準(PDA)提供之POI之初始位置、使用隨機模板之NCC之配準結果及在投票方法應用至其之後之配準結果。由投票方法產生之POI影像夾比由NCC方法產生之夾更類似於穩健平均POI。
L2範數差圖譜及NCC圖譜兩者皆可用於模板匹配,但以多個方式不同。對於L2範數差圖譜,所使用之匹配統計資料係搜索影像與模板影像之灰階之間的廣義歐式距離(例如,平方差之總和)。可針對一匹配統計資料輸入兩個影像中之一重疊像素集合之灰階值對。針對一模板影像之每一移位(x,y)計算之統計資料之值可寫入至可稱為一圖譜之一陣列。對於NCC,所使用之匹配統計資料係限定在-1與+1之間的皮爾遜相關係數。當匹配統計資料之值對於L2範數差圖譜係0時發生一精確匹配,而當匹配統計資料之值對於NCC係+1時發生一精確匹配。因此,以一L2範數差圖譜之最小值及NCC之一最大值發生最佳匹配。
藉由鄰近配準目標之共現將POI分群亦可用於減少配準所引發之雜訊。圖6中展示將來自一產品晶圓之設計影像分群之一項實例。將一百個影像分群成三個群組。一個群組中之設計影像共用由純度遮罩強調提示之相同共現配準目標。純度遮罩內側之該等共現目標連同POI自身一起可用於較佳配準。
圖13係配準之一實施例之一流程圖。在可用於晶粒內檢查之方法100中,藉由接近配準目標之共現將POI分群101成一或多個對準群組。該等對準群組中之每一者中之接近配準目標之共現可與POI偏移一相同量。POI可在基於一設計檔案之一再現影像中及/或在諸如一SEM影像之一晶圓影像中。分群101可使用一對準目標探測器模組。使用與POI偏移一相同量之接近配準目標之共現配準102每一對準群組。在配準102之後,發生藉由投票進行配準103及將POI分群104成若干附近群組。藉由投票進行配準103可包含量測POI中之每一者係一離群值之一程度。將POI分群104成至少一個附近群組形成具有相同附近設計效應之若干附近群組。
可在藉由投票進行配準103之後發生分群104。亦可在分群104之後發生藉由投票進行配準103,在該情形中對至少一個附近群組中之每一者執行藉由投票進行配準103。
方法100可進一步包含在分群101成一或多個對準群組之前運用一取樣模組進行智慧取樣。
藉由投票進行配準103可藉由將一穩健平均影像視為一配準模板而使用來自一整個影像族群之資訊。藉由投票進行配準103亦可使用來自該等對準群組中之每一者中之一離群值百分比之資訊。
本文中所揭示之實施例經設計以對於POI影像之配準係更穩健且準確的,此可適合用於晶粒內檢查之更嚴格要求。本發明之技術提供用於當POI自身並非係一適合目標模板時POI之配準之一方式。當POI區域變得太小而不能準確地對準時或當POI影像自其附近之不同圖案獲得太多雜訊時此可變得必要的。
本文中所揭示之實施例可將一族群之影像彼此對準,此對於POI族群之晶粒內檢查可係有用的。AATF及附近分群可達成此穩健配準而不管環繞POI之設計之改變及其光學回應之改變。
雖然關於晶粒內檢查經揭示,但本文中所揭示之實施例可與其他應用一起使用。舉例而言,在當前內聯配準方法失敗時晶粒間檢查可使用穩健配準及共現目標配準方法來提供更穩健且準確配準。在同一幾何位置處或附近出現之缺陷之任何檢查後分析可需要在執行此分析之前光學貼片彼此對準(舉例而言)以將缺陷排名以用於取樣。
圖14係根據本發明之一系統之一方塊圖。一控制器205與一缺陷再檢測系統200及/或一基於設計之方格化(DBB)伺服器209電子通信。
缺陷再檢測系統200包含經組態以固持一晶圓203或其他工件之一載台204。載台204可經組態以沿一個、兩個或三個軸線移動或旋轉。缺陷再檢測系統200亦包含經組態以產生晶圓203之一表面之一影像之一影像產生系統201。該影像可係針對晶圓203之一特定層或區域。在此實例中,影像產生系統201產生一電子束202以產生晶圓203之一測試影像。其他影像產生系統201亦係可能的,諸如使用寬頻電漿或雷射掃描之彼等影像產生系統。舉例而言,可由影像產生系統201執行暗場成像或亮場成像。缺陷再檢測系統200及/或影像產生系統201可產生晶圓203之一測試影像。
如本文中所使用,術語「晶圓」一般係指由一半導體或非半導體材料形成之基板。此一半導體或非半導體材料之實例包含但不限於單晶矽、氮化鎵、砷化鎵、磷化銦、藍寶石及玻璃。通常可在半導體製作設施中找到及/處理此等基板。
一晶圓可包含形成於一基板上之一或多個層。舉例而言,此等層可包含但不限於一光阻劑、一介電材料、一導電材料及一半導電材料。此項技術中已知諸多不同類型之此等層,且如本文中所使用之術語晶圓意欲囊括包含所有類型之此等層之一晶圓。
形成於一晶圓上之一或多個層可為經圖案化或未圖案化的。舉例而言,一晶圓可包含複數個晶粒,每一晶粒具有可重複之經圖案化特徵或週期性結構。此等材料層之形成及處理可最終產生完成裝置。可在一晶圓上形成諸多不同類型之裝置,且如本文中所使用之術語晶圓意欲囊括其上製作有此項技術中已知之任何類型之裝置之一晶圓。
在一特定實例中,缺陷再檢測系統200係一掃描電子顯微鏡(SEM)之一部分或係一掃描電子顯微鏡。藉由用一經聚焦電子束202掃描晶圓303
而產生晶圓203之影像。電子用於產生含有關於晶圓203之表面形貌及組合物之資訊之信號。可使電子束202以一光柵掃描圖案掃描,且電子束202之位置可與所偵測到之信號組合以產生一影像。
DBB伺服器209經組態以儲存半導體晶圓或其他工件之設計影像。
缺陷再檢測系統200及DBB伺服器可與控制器205通信。舉例而言,控制器205可與影像產生系統201或缺陷再檢測系統200之其他組件通信。控制器205可包含一處理器206、與處理器206電子通信之一電子資料儲存單元207及與處理器206電子通信之一通信埠208。應瞭解,可在實務中藉由硬體、軟體及韌體之任一組合實施控制器205。而且,如本文中所闡述之其功能可由一個單元執行,或在不同組件間進行分配,其等之每一者又可藉由硬體、軟體及韌體之任一組合來實施。供控制器205實施本文中所闡述之各種方法及功能之程式碼或指令可儲存在諸如電子資料儲存單元207(在控制器205內、在控制器205外部或其組合)中之一記憶體之控制器可讀儲存媒體中。
控制器205可以任何適合方式(例如,經由可包含「有線」及/或「無線」傳輸媒體之一或多個傳輸媒體)耦合至缺陷再檢測系統200之組件或DBB伺服器209使得控制器205可接收由缺陷再檢測系統200產生之輸出(諸如來自成像裝置201之輸出)或由DBB伺服器209產生之輸出。控制器205可經組態以使用輸出執行若干個功能。例如,控制器205可經組態以使用輸出再檢測晶圓203上之缺陷。在另一實例中,控制器205可經組態以將輸出發送至一電子資料儲存單元207或另一儲存媒體而不對輸出執行缺陷再檢測。控制器205可如本文中所闡述進一步經組態(諸如)以執行圖1、2或13之實施例。
本文中所闡述之控制器205、其他系統或其他子系統可採用各種形式,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「控制器」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。子系統或系統亦可包含此項技術中已知之任何適合處理器,諸如一平行處理器。另外,子系統或系統可包含具有高速處理及軟體之一平臺作為一獨立工具或一經網路連線工具。
若該系統包含一個以上子系統,則不同子系統可彼此耦合使得影像、資料、資訊、指令等可在子系統之間發送。舉例而言,一個子系統可藉由任何適合傳輸媒體(其可包含此項技術中已知之任何適合有線及/或無線傳輸媒體)耦合至額外子系統。此等子系統中之兩者或兩者以上亦可藉由一共用電腦可讀儲存媒體(未展示)有效地耦合。
一額外實施例係關於儲存可在一控制器上執行以用於執行一電腦實施之方法以用於識別一晶圓上之異常或偵測順從性/不順從性之程式指令的一非暫時性電腦可讀媒體,如本文中所揭示。特定而言,如圖13中所展示,電子資料儲存單元207或其他儲存媒體可含有包含可在控制器205上執行之程式指令之非暫時性電腦可讀媒體。電腦實施之方法可包含本文中闡述之任何方法之任何步驟。
實施諸如本文中所闡述之彼等方法之方法之程式指令可儲存在電腦可讀媒體上,諸如電子資料儲存單元207中或其他儲存媒體中。該電腦可讀媒體可係一儲存媒體,諸如一磁碟或光碟、一磁帶或此項技術中已知之任何其他適合非暫時性電腦可讀媒體。
可以包含基於程序之技術、基於組件之技術及/或物件導向之技術以
及其他技術之各種方式中之任一者來實施程式指令。舉例而言,可視需要使用ActiveX控件、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE(串流SIMD擴展)或者其他技術或方法來實施程式指令。
控制器205可根據本文中所闡述之實施例中之任一者來組態。舉例而言,控制器205可經程式化以執行圖1、2或13之步驟中之某些或所有步驟。
雖然經揭示為一缺陷再檢測系統之一部分,但本文中所闡述之控制器205可經組態以與檢查系統一起使用。在另一實施例中,本文中所闡述之控制器205可經組態以與一計量系統一起使用。因此,如本文中所揭示之實施例闡述可針對或多或少適合用於不同應用之具有不同成像能力之系統以若干種方式經裁適之某些分類組態。
可如本文中進一步闡述而執行該方法之步驟中之每一者。方法亦可包含可由本文中所闡述之控制器及/或電腦子系統或系統執行之任何其他步驟。該等步驟可由可根據本文中所闡述之實施例中之任一者組態之一或多個電腦系統來執行。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一者來執行。
儘管已關於一或多個特定實施例闡述本發明,但將理解可在不背離本發明之範疇之情況下做出本發明之其他實施例。因而,認為本發明僅受隨附申請專利範圍及其合理闡釋限制。
Claims (18)
- 一種檢查晶圓之系統,其包括:一控制器,其包含一處理器、與該處理器電子通信之一電子資料儲存單元及與該處理器及該電子資料儲存單元電子通信之一通信埠,其中該控制器經組態以:使用一對準目標探測器模組藉由接近配準目標之共現(co-occurrence)將所關注圖案分群成一或多個對準群組;使用與該等所關注圖案偏移一相同量之接近配準目標之該共現配準每一對準群組;藉由投票(voting)進行配準,其中該藉由投票進行配準包含量測該等所關注圖案中之每一者係一離群值之一程度;及將該等所關注圖案分群成具有相同附近設計效應之至少一個附近群組,其中該控制器與經組態以產生一晶圓影像之一再檢測工具電子通信,其中該再檢測工具包含:一載台,其經組態以固持一晶圓;及一影像產生系統,其經組態以產生該晶圓影像,其中該影像產生系統經組態以使用一電子束、一寬頻電漿或一雷射中之至少一者來產生該晶圓之該影像。
- 如請求項1之系統,其中該控制器與一基於設計之方格化伺服器電子通信。
- 如請求項1之系統,其中該再檢測工具係一掃描電子顯微鏡。
- 如請求項1之系統,其中該等所關注圖案之至少一些在基於一設計檔案之一再現影像中。
- 如請求項1之系統,其中該等所關注圖案之至少一些在該晶圓影像中。
- 如請求項5之系統,其中該晶圓影像係一掃描電子顯微鏡影像。
- 如請求項1之系統,其中該控制器進一步經組態以在該分群成該一或多個對準群組之前運用一取樣模組執行智慧取樣。
- 如請求項1之系統,其中該控制器經組態以執行晶粒內檢查。
- 一種檢查晶圓之方法,其包括:在一控制器處,接收來自一再檢測工具之一晶圓影像,其中該再檢測工具經組態以使用一電子束、一寬頻電漿或一雷射中之至少一者來產生在一載台上之一晶圓之該晶圓影像,該載台經組態以固持該晶圓;使用該控制器,使用一對準目標探測器模組藉由接近配準目標之共現(co-occurrence)將所關注圖案分群成一或多個對準群組,其中該等所關注圖案之至少一些在該晶圓影像中; 使用該控制器,使用與該等所關注圖案偏移一相同量之接近配準目標之該共現配準每一對準群組;使用該控制器,藉由投票(voting)進行配準,其中該藉由投票進行配準包含量測該等所關注圖案中之每一者係一離群值之一程度;及使用該控制器,將該等所關注圖案分群成具有相同附近設計效應之至少一個附近群組。
- 如請求項9之方法,其中在該藉由投票進行配準之前發生該將具有相同附近設計效應之所關注圖案分群,且其中對該至少一個附近群組中之每一者執行該藉由投票進行配準。
- 如請求項9之方法,其中在該藉由投票進行配準之後發生該將具有相同附近設計效應之所關注圖案分群。
- 如請求項9之方法,其中該等所關注圖案之至少一些在基於一設計檔案之一再現影像中。
- 如請求項9之方法,其中該晶圓影像係一掃描電子顯微鏡影像。
- 如請求項9之方法,其進一步包括在該分群成該一或多個對準群組之前運用一取樣模組進行智慧取樣。
- 如請求項9之方法,其中該等對準群組中之每一者中之接近配準目標 之該共現與該所關注圖案偏移一相同量。
- 如請求項9之方法,其中該藉由投票進行配準經組態以藉由將一穩健平均影像視為一配準模板而使用來自一整個影像族群之資訊。
- 如請求項9之方法,其中該藉由投票進行配準經組態以使用來自該等對準群組中之每一者中之一離群值百分比之資訊。
- 如請求項9之方法,其中該方法係針對晶粒內檢查。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562263665P | 2015-12-06 | 2015-12-06 | |
US62/263,665 | 2015-12-06 | ||
US15/355,509 US10074167B2 (en) | 2015-12-06 | 2016-11-18 | Reducing registration and design vicinity induced noise for intra-die inspection |
US15/355,509 | 2016-11-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201731004A TW201731004A (zh) | 2017-09-01 |
TWI734720B true TWI734720B (zh) | 2021-08-01 |
Family
ID=58799133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105140289A TWI734720B (zh) | 2015-12-06 | 2016-12-06 | 檢查晶圓之系統及方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10074167B2 (zh) |
KR (1) | KR102449376B1 (zh) |
CN (1) | CN108369915B (zh) |
TW (1) | TWI734720B (zh) |
WO (1) | WO2017100076A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10074167B2 (en) * | 2015-12-06 | 2018-09-11 | Kla-Tencor Corporation | Reducing registration and design vicinity induced noise for intra-die inspection |
US9916965B2 (en) | 2015-12-31 | 2018-03-13 | Kla-Tencor Corp. | Hybrid inspectors |
US10572991B2 (en) * | 2017-11-07 | 2020-02-25 | Kla-Tencor Corporation | System and method for aligning semiconductor device reference images and test images |
US11597156B2 (en) * | 2018-10-29 | 2023-03-07 | Hewlett-Packard Development Company, L.P. | Monitoring additive manufacturing |
US10853932B2 (en) * | 2019-01-16 | 2020-12-01 | Applied Material Israel, Ltd. | Method of defect detection on a specimen and system thereof |
US11113827B2 (en) * | 2019-09-23 | 2021-09-07 | Kla Corporation | Pattern-to-design alignment for one-dimensional unique structures |
US11328435B2 (en) | 2020-06-08 | 2022-05-10 | KLA Corp. | Image alignment setup for specimens with intra- and inter-specimen variations using unsupervised learning and adaptive database generation methods |
US20220301133A1 (en) * | 2021-03-16 | 2022-09-22 | Kla Corporation | Segmentation of design care areas with a rendered design image |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010017878A1 (en) * | 1999-12-02 | 2001-08-30 | Mari Nozoe | Method of inspecting pattern and inspecting instrument |
US20030156749A1 (en) * | 2002-02-15 | 2003-08-21 | Mitsubishi Denki Kabushiki Kaisha | Pattern inspecting apparatus and pattern inspecting method |
US20040111230A1 (en) * | 2002-11-21 | 2004-06-10 | Shogo Kosuge | Method of detecting a pattern and an apparatus thereof |
CN1862597A (zh) * | 2005-05-13 | 2006-11-15 | 英赛特半导体有限公司 | 配准和对齐多个图像的方法 |
US20080199078A1 (en) * | 2007-02-16 | 2008-08-21 | Raytheon Company | System and method for image registration based on variable region of interest |
US20100232697A1 (en) * | 2009-03-16 | 2010-09-16 | Kabushiki Kaisha Toshiba | Image processing apparatus and image processing method |
US20150012900A1 (en) * | 2013-07-08 | 2015-01-08 | Kla-Tencor Corporation | Methods and Systems for Detecting Repeating Defects on Semiconductor Wafers Using Design Data |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6164847A (en) * | 1997-01-28 | 2000-12-26 | Agfa Corporation | Imaging parameter detection |
US6222513B1 (en) * | 1998-03-10 | 2001-04-24 | Xerox Corporation | Charge retention islands for electric paper and applications thereof |
JP2000021738A (ja) * | 1998-06-26 | 2000-01-21 | Nikon Corp | 位置検出装置及び該装置を用いた位置検出方法 |
US6792061B1 (en) * | 2000-08-21 | 2004-09-14 | Bitblitz Communications, Inc. | High-speed bit-pattern detector |
JP4303410B2 (ja) * | 2000-09-29 | 2009-07-29 | 富士通株式会社 | 紋様中心決定装置および紋様方向決定装置並びに紋様位置合わせ装置および紋様照合装置 |
US7109483B2 (en) * | 2000-11-17 | 2006-09-19 | Ebara Corporation | Method for inspecting substrate, substrate inspecting system and electron beam apparatus |
JP2004022797A (ja) * | 2002-06-17 | 2004-01-22 | Nikon Corp | マーク位置検出装置およびマーク位置検出方法 |
US7265894B2 (en) * | 2003-12-18 | 2007-09-04 | Xerox Corporation | Bi-directional printer wiper for printing on bichromal or multi-colored electronic paper |
JP5572973B2 (ja) | 2009-03-16 | 2014-08-20 | 富士通セミコンダクター株式会社 | パターン検証方法、検証装置及びプログラム |
US8559001B2 (en) | 2010-01-11 | 2013-10-15 | Kla-Tencor Corporation | Inspection guided overlay metrology |
US9087367B2 (en) | 2011-09-13 | 2015-07-21 | Kla-Tencor Corp. | Determining design coordinates for wafer defects |
WO2014149197A1 (en) | 2013-02-01 | 2014-09-25 | Kla-Tencor Corporation | Detecting defects on a wafer using defect-specific and multi-channel information |
US9767548B2 (en) | 2015-04-24 | 2017-09-19 | Kla-Tencor Corp. | Outlier detection on pattern of interest image populations |
US10074167B2 (en) * | 2015-12-06 | 2018-09-11 | Kla-Tencor Corporation | Reducing registration and design vicinity induced noise for intra-die inspection |
-
2016
- 2016-11-18 US US15/355,509 patent/US10074167B2/en active Active
- 2016-12-01 WO PCT/US2016/064482 patent/WO2017100076A1/en active Application Filing
- 2016-12-01 CN CN201680070964.0A patent/CN108369915B/zh active Active
- 2016-12-01 KR KR1020187018310A patent/KR102449376B1/ko active IP Right Grant
- 2016-12-06 TW TW105140289A patent/TWI734720B/zh active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010017878A1 (en) * | 1999-12-02 | 2001-08-30 | Mari Nozoe | Method of inspecting pattern and inspecting instrument |
US20030156749A1 (en) * | 2002-02-15 | 2003-08-21 | Mitsubishi Denki Kabushiki Kaisha | Pattern inspecting apparatus and pattern inspecting method |
US20040111230A1 (en) * | 2002-11-21 | 2004-06-10 | Shogo Kosuge | Method of detecting a pattern and an apparatus thereof |
CN1862597A (zh) * | 2005-05-13 | 2006-11-15 | 英赛特半导体有限公司 | 配准和对齐多个图像的方法 |
US20080199078A1 (en) * | 2007-02-16 | 2008-08-21 | Raytheon Company | System and method for image registration based on variable region of interest |
US20100232697A1 (en) * | 2009-03-16 | 2010-09-16 | Kabushiki Kaisha Toshiba | Image processing apparatus and image processing method |
US20150012900A1 (en) * | 2013-07-08 | 2015-01-08 | Kla-Tencor Corporation | Methods and Systems for Detecting Repeating Defects on Semiconductor Wafers Using Design Data |
Also Published As
Publication number | Publication date |
---|---|
CN108369915B (zh) | 2019-11-01 |
US10074167B2 (en) | 2018-09-11 |
WO2017100076A1 (en) | 2017-06-15 |
TW201731004A (zh) | 2017-09-01 |
KR20180081820A (ko) | 2018-07-17 |
US20170161888A1 (en) | 2017-06-08 |
CN108369915A (zh) | 2018-08-03 |
KR102449376B1 (ko) | 2022-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI734720B (zh) | 檢查晶圓之系統及方法 | |
US11295438B2 (en) | Method and system for mixed mode wafer inspection | |
US8045789B2 (en) | Method and apparatus for inspecting defect of pattern formed on semiconductor device | |
TWI686718B (zh) | 判定用於樣本上之關注區域之座標 | |
CN108463875B (zh) | 使用具有晶片图像数据的设计数据改进半导体晶片检验器的缺陷敏感度 | |
US9171364B2 (en) | Wafer inspection using free-form care areas | |
TWI684000B (zh) | 產生檢查配方的方法及其系統 | |
TWI667717B (zh) | 對於關注之圖像群體之圖案之異常偵測 | |
TWI643280B (zh) | 使用結構性資訊之缺陷偵測 | |
JP2017523390A (ja) | 検査のための高解像度フルダイイメージデータの使用 | |
WO2013153891A1 (ja) | 荷電粒子線装置 | |
TWI534646B (zh) | 智慧型弱點圖形診斷方法、系統與電腦可讀取記憶媒體 | |
TW201517192A (zh) | 晶片對資料庫的影像檢測方法 | |
TWI743340B (zh) | 用於偵測缺陷之方法、掃描電子顯微鏡及儲存一程式之非暫時性電腦可讀媒體 | |
TWI798521B (zh) | 選擇一或多個設計檔案以供在測試影像與設計對準中使用之系統及電腦實施之方法,以及非暫時性電腦可讀媒體 | |
JP2016528497A (ja) | フォトマスク欠陥性における変化の監視 | |
WO2021199018A1 (en) | Examination of a semiconductor specimen | |
JP2013140468A (ja) | パターンマッチング装置、検査システム、及びコンピュータプログラム | |
JP2010164333A (ja) | 欠陥検査装置および欠陥検査方法 | |
JP4597509B2 (ja) | パターン検査装置およびパターン検査方法 | |
JP2017096625A (ja) | パターン測定装置、及びコンピュータープログラム | |
JP5744965B2 (ja) | 欠陥検査方法及びその装置 | |
JP2019016776A (ja) | 自動的に設定された検査エリアを有する集積回路パターン検査のための方法および装置 |