TWI808266B - 用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的系統、方法及電腦可讀媒體 - Google Patents
用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的系統、方法及電腦可讀媒體 Download PDFInfo
- Publication number
- TWI808266B TWI808266B TW108136514A TW108136514A TWI808266B TW I808266 B TWI808266 B TW I808266B TW 108136514 A TW108136514 A TW 108136514A TW 108136514 A TW108136514 A TW 108136514A TW I808266 B TWI808266 B TW I808266B
- Authority
- TW
- Taiwan
- Prior art keywords
- interest
- region
- sample
- output
- different
- Prior art date
Links
- 238000013461 design Methods 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 103
- 238000007689 inspection Methods 0.000 title claims abstract description 68
- 238000001514 detection method Methods 0.000 claims description 142
- 230000007547 defect Effects 0.000 claims description 130
- 238000000926 separation method Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 19
- 230000035945 sensitivity Effects 0.000 claims description 18
- 230000009897 systematic effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000009472 formulation Methods 0.000 claims description 8
- 238000007619 statistical method Methods 0.000 claims description 4
- 150000002500 ions Chemical class 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 239000002245 particle Substances 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 37
- 230000003287 optical effect Effects 0.000 description 30
- 238000010894 electron beam technology Methods 0.000 description 26
- 238000005286 illumination Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000003556 assay Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000010287 polarization Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000010884 ion-beam technique Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 230000000135 prohibitive effect Effects 0.000 description 3
- 230000009885 systemic effect Effects 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- GHVNFZFCNZKVNT-UHFFFAOYSA-M decanoate Chemical compound CCCCCCCCCC([O-])=O GHVNFZFCNZKVNT-UHFFFAOYSA-M 0.000 description 2
- 238000001433 helium-ion microscopy Methods 0.000 description 2
- 238000001459 lithography Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 241001101988 Proxys Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
- 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
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/302—Contactless testing
- G01R31/308—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
- G03F1/82—Auxiliary processes, e.g. cleaning or inspecting
- G03F1/84—Inspecting
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70591—Testing optical components
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
- H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
-
- 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
- H01L22/34—Circuits for electrically characterising or monitoring manufacturing processes, e. g. whole test die, wafers filled with test structures, on-board-devices incorporated on each die, process control monitors or pad structures thereof, devices in scribe line
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—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 Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Toxicology (AREA)
- Electromagnetism (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Details Of Garments (AREA)
- Golf Clubs (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本發明提供用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的方法及系統。一個系統包含經組態用於產生一樣品之一基於設計之關注區域的一或多個電腦子系統。該(等)電腦子系統亦經組態用於針對該樣品上之該關注區域之多個例項判定一或多個輸出屬性,且從由一輸出擷取子系統針對該多個例項產生之輸出判定該一或多個輸出屬性。該(等)電腦子系統進一步經組態用於將該樣品上之該關注區域之該多個例項分離成不同關注區域子群組,使得該等不同關注區域子群組具有該(等)輸出屬性之統計上不同值且基於該等不同關注區域子群組而選擇該樣品之一檢測配方之一參數。
Description
本發明大體上係關於用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的方法及系統。特定實施例係關於用於諸如晶圓檢測及/或度量衡之應用之基於設計及雜訊之關注區域。
以下描述及實例並未憑藉其等包含於此章節中而被認為係先前技術。
在一半導體製程期間之各個步驟使用檢測程序以偵測倍縮光罩及晶圓上之缺陷以促進製程中之較高良率及因此較高利潤。檢測始終係製造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,檢測對於可接受半導體裝置之成功製造而言變得甚至更重要,此係因為較小缺陷可導致裝置故障。
「關注區域」如其等通常在此項技術中被提及般係一樣品上之出於檢測目的所關注之區域。有時,使用關注區域來區分樣品上之經檢測之區域與樣品上之在一檢測程序中未經檢測之區域。另外,有時使用關注區域來區分樣品上之將用一或多個不同參數檢測之區域。舉例而言,若一樣品之一第一區域比該樣品上之一第二區域更關鍵,則可用比該第二區域更高之一靈敏度來檢測該第一區域,使得用一較高靈敏度在該第一區
域中偵測缺陷。一檢測程序之其他參數可以一類似方式在關注區域間更改。
當前使用不同類別之檢測關注區域。一個類別係傳統上手繪之傳統關注區域。在幾乎大多數使用者採用設計導引檢測的情況下,當前使用極少傳統關注區域。另一類別係基於設計之關注區域。此等係基於關於印刷於樣品上之晶片設計圖案之啟發法所導出之關注區域。使用者試圖查看晶片設計並導出將幫助導出關注區域之方法/指令檔。存在可用於界定此等基於設計之關注區域之多個技術及工具。由於其等源自真實數據(晶片設計),因此其等最終提供高精度、微小關注區域且亦允許檢測系統儲存大量關注區域。此等關注區域不僅從一缺陷偵測角度來看係重要的,而且其等通常對於雜訊抑制而言至關重要。
識別或選擇一樣品上之關注區域用於檢測目的可能並非始終簡單直接的。舉例而言,為使關注區域之檢測可行,類似關注區域通常被分組在一起,使得其等可用相同檢測參數進行檢測。特定言之,樣品檢測之當前使用方法論要求使用者組合不同關注區域類型以形成靈敏度區。現今允許之區之最大數目通常為約30。然而,當前,用於偵測之關注區域分組係通常花費一周或更久之一僅專家手動程序。舉例而言,組合關注區域類型以形成一區通常由一應用工程師執行。具有有限數量之可用雜訊資料之此手動操作可為任意且次優的。另外,通常藉由在一晶粒設計上運行不同規則而獲取關注區域類型。組合關注區域類型可能破壞關注區域類型之設計純度。
用於關注區域分組之程序可亦或替代地包含運行一實質上熱檢測,即,具有一異常低臨限值之一檢測。接著,藉由此一檢測偵測之
事件可基於事件附近之樣品之設計進行分組。由於檢測實質上熱運行,因此所偵測之事件係或多或少完全擾亂點。因此,基於所偵測之事件之基於設計之分組之結果,可識別產生最頻繁偵測之擾亂點事件之設計之部分。可形成含有此等「擾亂點產生」圖案之新的關注區域。然而,形成此等可能係困難及/或耗時的。可重複上文描述之步驟,直至足夠地產生關注區域。
當前,評估意欲用於雜訊分割之關注區域之效能的全部手段需要人為干預及判斷。關注區域最佳化之習知方法係聚焦於缺陷(統計異常事件)之偵測並解釋該等經偵測事件及其等之相關聯影像屬性及設計特性與關注區域之關係。手動資料可視化工具可用於從影像雜訊直方圖資料映射至源影像內之空間位置。雜訊與空間關係之人為解釋使吾等能夠識別帶雜訊事件中之系統行為。將判斷應用於觀察之資料允許使用者對(若干)關注區域產生配方作出改變並反覆,直至結果看起來可接受。
因此,用於產生並使用關注區域之當前使用方法具有若干缺點。舉例而言,將關注區域類型手動組合至區係繁瑣且次優的。另外,組合關注區域類型破壞設計純度。在另一實例中,基於樣品雜訊進行之關注區域類型之進一步分割當前不可行。基於雜訊及背景內容統計資料組合不同關注區域類型之一自動化方式當前亦不可用。在一額外實例中,限制區之數目產生次優資料以進行缺陷偵測(例如,一相對較寬MDAT雜訊雲),藉此將相對較低信號缺陷掩埋於雜訊內之深處,致使其等無法偵測。
因此,開發用於設定具有基於設計及雜訊之關注區域之一樣品之檢測之系統及方法將為有利的,該等系統及方法不具有上文描述之
缺點之一或多者。
各項實施例之以下描述絕不應被解釋為限制隨附發明申請專利範圍之標的。
一項實施例係關於一種經組態用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的系統。該系統包含一輸出擷取子系統,該輸出擷取子系統包含至少一能量源及一偵測器。該能量源經組態以產生被引導至一樣品之能量,且該偵測器經組態以偵測來自該樣品之能量且回應於該所偵測能量而產生輸出。
該系統亦包含一或多個電腦子系統,該一或多個電腦子系統經組態用於基於用於該樣品之一設計而產生該樣品之一關注區域。該關注區域定義含有一所關注圖案(POI)之設計之一部分。該一或多個電腦子系統亦經組態用於針對該樣品上之該關注區域之多個例項判定一或多個輸出屬性。從藉由該輸出擷取子系統針對該多個例項產生之輸出判定該一或多個輸出屬性。另外,該一或多個電腦子系統經組態用於基於該一或多個輸出屬性將該樣品上之該關注區域之該多個例項分離成不同關注區域子群組,使得該等不同關注區域子群組具有該一或多個輸出屬性之統計上不同值。該一或多個電腦子系統進一步經組態用於基於該等不同關注區域子群組而選擇該樣品之一檢測配方之一參數,使得在針對該樣品執行該檢測配方時,用該參數之不同值檢測具有該一或多個輸出屬性之該等統計上不同值之該等不同關注區域子群組。可如本文中描述般進一步組態該系統。
另一實施例係關於一種用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的電腦實施方法。該方法包含上文描述之產生、判
定、分離及選擇步驟。該方法之步驟由一或多個電腦系統執行。
可如本文中進一步描述般進一步執行上文描述之方法之步驟之各者。另外,上文描述之該方法之實施例可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。此外,上文描述之該方法可由本文中描述之該等系統之任一者執行。
另一實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體,該等程式指令可在一電腦系統上執行以執行用於設定具有基於設計及雜訊之關注區域之一樣品之檢測之一電腦實施方法。該電腦實施方法包含上文描述之方法之步驟。可如本文中描述般進一步組態該電腦可讀媒體。可如本文中進一步描述般執行該電腦實施方法之步驟。另外,可針對其等執行該等程式指令之該電腦實施方法可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。
10:輸出擷取子系統
14:樣品
16:光源
18:光學元件
20:透鏡
21:光束分離器
22:載物台
24:集光器
26:元件
28:偵測器
30:集光器
32:元件
34:偵測器
36:電腦子系統
102:電腦子系統
122:電子腔
124:電腦子系統
126:電子束源
128:樣品
130:元件
132:元件
134:偵測器
300:測試影像
302:關注區域
304:參考影像
306:差分影像
400:測試影像
402:關注區域
402a:關注區域例項
402b:關注區域例項
600:分解圖
600a:子關注區域
600b:子關注區域
602:像素
900:圖案化特徵
902:例項
902a:例項
902b:例項
902c:例項
902d:例項
902e:例項
904:方塊
906:圖案化特徵
908:圖案化特徵
910:圖案化特徵
912:圖案化特徵
914:圖案化特徵
916:圖案化特徵
1000:非暫時性電腦可讀媒體
1002:程式指令
1004:電腦系統
熟習此項技術者在受益於較佳實施例之以下詳細描述之情況下且在參考隨附圖式之後將變得瞭解本發明之進一步優點,其中:圖1及圖2係繪示如本文中描述般組態之一系統之實施例之側視圖的示意圖;圖3係繪示一樣品之不同影像中之一關注區域之一個實例之一平面圖的一示意圖;圖4係繪示一樣品之一影像中之一關注區域之多個例項之一個實例之一平面圖的一示意圖;圖5係繪示分離成如本文中描述之不同關注區域子群組之圖4中展示
之關注區域之多個例項之一項實施例之一平面圖的一示意圖;圖6係繪示圖3之差分影像中之關注區域之平面圖及關注區域之一分解圖的一示意圖;圖7係繪示圖3之差分影像中之關注區域之平面圖及圖6之關注區域之分解圖的一示意圖,其中關注區域之分解圖中之位置之一個實例如本文中描述般判定以具有一或多個輸出屬性之統計上不同值;圖8係繪示基於依據位置而變化之一或多個輸出屬性分離成如本文中描述之不同子關注區域之圖7之關注區域之分解圖之一項實施例之一平面圖的一示意圖;圖9係繪示具有不同設計背景內容之一設計中之一所關注圖案之不同例項之一個實例之一平面圖的一示意圖;及圖10係繪示儲存用於導致一電腦系統執行本文中描述之一電腦實施方法之程式指令之一非暫時性電腦可讀媒體之一項實施例的一方塊圖。
雖然本發明易於以各種修改及替代形式呈現,但本發明之特定實施例藉由實例在圖式中展示且在本文中詳細描述。圖式可未按比例繪製。然而,應瞭解,圖式及其詳細描述不意欲將本發明限於所揭示之特定形式,而相反,本發明欲涵蓋落於如由隨附發明申請專利範圍界定之本發明之精神及範疇內之全部修改、等效物及替代。
如本文中使用之術語「設計」及「設計資料」通常係指一IC之實體設計(佈局)及透過複雜模擬或簡單幾何及布林運算自實體設計導出之資料。實體設計可儲存於一資料結構中,諸如一圖形資料串流(GDS)檔案、任何其他標準機器可讀檔案、此項技術中已知之任何其他適合檔
案、及一設計資料庫。一GDSII檔案係用於設計佈局資料之表示之一類檔案之一者。此等檔案之其他實例包含GL1及OASIS檔案及專有檔案格式,諸如RDF資料,其為加利福尼亞州米爾皮塔斯市KLA-Tencor專有的。另外,由一倍縮光罩檢測系統擷取之一倍縮光罩之一影像及/或其之衍生物可用作設計之一「代理」或若干「代理」。此一倍縮光罩影像或其之一衍生物在使用一設計之本文中描述之任何實施例中可用作對設計佈局之一替代。設計可包含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號中描述之任何其他設計資料或設計資料代理,該兩個專利宛如完整陳述般以引用之方式併入本文中。另外,設計資料可係標準單元庫資料、整合佈局資料、針對一或多個層之設計資料、設計資料之衍生物及完全或部分晶片設計資料。
在一些例項中,可使用來自一晶圓或倍縮光罩之模擬或擷取影像作為設計之一代理。亦可使用影像分析作為設計資料之一代理。舉例而言,假定以足夠解析度擷取一晶圓及/或倍縮光罩之影像以使設計之多邊形充分成像,可從印刷於該晶圓及/或倍縮光罩上之一設計之一影像提取設計中之多邊形。另外,本文中描述之「設計」及「設計資料」係指在一設計程序中由半導體裝置設計者產生且因此可在將設計印刷於任何實體晶圓上之前良好地用於本文中描述之實施例中之資訊及資料。
「設計」或「實體設計」亦可為如將理想地形成於晶圓上之設計。以此方式,本文中描述之一設計可不包含將不印刷於晶圓上之設計之特徵,諸如光學近接校正(OPC)特徵,其等經添加至設計以增強晶圓上之特徵之印刷而實際上本身未印刷。
現參考圖式,應注意,圖未按比例繪製。特定言之,極大地放大圖之一些元件之比例以強調元件之特性。亦應注意,該等圖未按相同比例繪製。已使用相同元件符號指示可經類似組態之展示於一個以上圖中之元件。除非本文中另有說明,否則所描述且展示之元件之任一者可包含任何適合市售元件。
一項實施例係關於一種經組態用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的系統。關注區域最佳化在檢測工具上變得愈發困難且重要。為運用由來自KLA-Tencor之一些市售檢測工具使用之缺陷偵測演算法(如同中值晶粒自動臨限值化(MDAT)(具有或不具有運算參考))來達成授權靈敏度,必要的係將關注區域適當地分組。否則,若將具有明顯不同雜訊特徵之關注區域分組在一起,則通常不可能在較安靜關注區域中偵測所關注缺陷(DOI),而無關於檢測運行之「熱」程度(即,如何執行靈敏缺陷偵測)。另外,隨著不同關注區域之數目增加且DOI之信雜比降低,關注區域最佳化變得更困難。本文中描述之實施例自動化且修改關注區域最佳化程序,此將顯著減少產生具有等效或較佳靈敏度效能之結果的時間。
在一項實施例中,樣品包含一晶圓。在另一實施例中,樣品包含一倍縮光罩。晶圓及倍縮光罩可包含此項技術中已知之任何晶圓及倍縮光罩。
圖1中展示此一系統之一項實施例。系統包含一輸出擷取子系統,該輸出擷取子系統包含至少一能量源及一偵測器。能量源經組態以產生被引導至一樣品之能量。偵測器經組態以偵測來自樣品之能量且回應於所偵測能量而產生輸出。
在一項實施例中,被引導至樣品之能量包含光,且自樣品偵測之能量包含光。舉例而言,在圖1中展示之系統之實施例中,輸出擷取子系統10包含經組態以將光引導至樣品14的一照明子系統。照明子系統包含至少一個光源。舉例而言,如圖1中展示,照明子系統包含光源16。在一項實施例中,照明子系統經組態以按可包含一或多個傾斜角及/或一或多個法向角之一或多個入射角將光引導至樣品。舉例而言,如圖1中展示,來自光源16之光被引導穿過光學元件18且接著穿過透鏡20而至光束分離器21,該光束分離器21按一法向入射角將光引導至樣品14。入射角可包含任何適合入射角,其可取決於(例如)樣品之特性、待在樣品上偵測之缺陷、待對樣品執行之量測等而變動。
照明子系統可經組態以在不同時間按不同入射角將光引導至樣品。舉例而言,輸出擷取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,使得可按不同於圖1中展示之一入射角將光引導至樣品。在一個此實例中,輸出擷取子系統可經組態以移動光源16、光學元件18及透鏡20,使得按一不同入射角將光引導至樣品。
在一些例項中,輸出擷取子系統可經組態以在相同時間按一個以上入射角將光引導至樣品。舉例而言,輸出擷取子系統可包含一個以上照明通道,該等照明通道之一者可包含如圖1中展示之光源16、光學元件18及透鏡20且該等照明通道之另一者(未展示)可包含可不同或相同組態之類似元件或可包含至少一光源及可能一或多個其他組件(諸如本文中進一步描述之組件)。若在與其他光同時將此光引導至樣品,則按不同入射角引導至樣品之光之一或多個特性(例如,波長、偏光等)可不同,使得可在(若干)偵測器處將源自按不同入射角照明樣品之光彼此區分。
在另一例項中,照明子系統可包含僅一個光源(例如,圖1中展示之源16)且來自該光源之光可由照明子系統之一或多個光學元件(未展示)分成不同光學路徑(例如,基於波長、偏光等)。接著,可將不同光學路徑之各者中之光引導至樣品。多個照明通道可經組態以同時或在不同時間(例如,當使用不同照明通道以依序照明樣品時)將光引導至樣品。在另一例項中,相同照明通道可經組態以在不同時間將具有不同特性之光引導至樣品。舉例而言,在一些例項中,光學元件18可經組態為一光譜濾光器且可以多種不同方式(例如,藉由調換出光譜濾光器)改變光譜濾光器之性質,使得可在不同時間將不同波長之光引導至樣品。照明子系統可具有此項技術中已知之用於依序或同時按不同或相同入射角將具有不同或相同特性之光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,該雷射可為此項技術中已知之任何適合雷射且可經組態以產生此項技術中已知之(若干)任何適合波長之光。另外,雷射可經組態以產生單色或近單色光。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帶之光之一多色光源。
來自光學元件18之光可藉由透鏡20聚焦至光束分離器21。儘管透鏡20在圖1中被展示為一單折射光學元件,然應瞭解,實務上,透鏡20可包含組合地將來自光學元件之光聚焦至樣品的若干折射及/或反射光學元件。圖1中展示且本文中描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)(若干)偏光組件、(若干)光譜濾光器、(若干)空間濾光器、(若干)反射光學元件、(若干)變跡
器、(若干)光束分離器、(若干)光圈及可包含此項技術中已知之任何此等適合光學元件之類似者。另外,系統可經組態以基於待用於檢測、度量衡等之照明之類型更改照明子系統之一或多個元件。
輸出擷取子系統亦可包含經組態以導致光掃描遍及樣品的一掃描子系統。舉例而言,輸出擷取子系統可包含在檢測、量測等期間在其上安置樣品14的載物台22。掃描子系統可包含可經組態以移動樣品,使得光可掃描遍及樣品的任何適合機械及/或機器人總成(其包含載物台22)。另外或替代地,輸出擷取子系統可經組態使得輸出擷取子系統之一或多個光學元件執行遍及樣品之光之某一掃描。可以任何適合方式使光掃描遍及樣品。
輸出擷取子系統進一步包含一或多個偵測通道。一或多個偵測通道之至少一者包含一偵測器,該偵測器經組態以偵測歸因於藉由輸出擷取子系統照明樣品而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中展示之輸出擷取子系統包含兩個偵測通道,一偵測通道由集光器24、元件26及偵測器28形成且另一偵測通道由集光器30、元件32及偵測器34形成。如圖1中展示,兩個偵測通道經組態以按不同收集角收集並偵測光。在一些例項中,一個偵測通道經組態以偵測鏡面反射光,且另一偵測通道經組態以偵測並非自樣品鏡面反射(例如,散射、繞射等)之光。然而,兩個或兩個以上偵測通道可經組態以偵測來自樣品之相同類型之光(例如,鏡面反射光)。儘管圖1展示包含兩個偵測通道之輸出擷取子系統之一實施例,然輸出擷取子系統可包含不同數目個偵測通道(例如,僅一個偵測通道或兩個或兩個以上偵測通道)。儘管在圖1中將集光器之各者展示為單折射光學元件,然應瞭解,集光器之各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之任何適合偵測器。舉例而言,偵測器可包含光電倍增管(PMT)、電荷耦合裝置(CCD)及延時積分(TDI)相機。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,則偵測器之各者可經組態以偵測散射光之某些特性(諸如強度),但可未經組態以偵測依據成像平面內之位置而變化之此等特性。因而,由包含於偵測通道之各者中之偵測器之各者產生之輸出可為信號或資料,而非影像信號或影像資料。在此等例項中,一電腦子系統(諸如系統之電腦子系統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,偵測器可組態為經組態以產生成像信號或影像資料之成像偵測器。因此,系統可經組態以依若干方式產生影像。
應注意,本文中提供圖1以大體上繪示可包含於本文中描述之系統實施例中之一輸出擷取子系統之一組態。顯然,可更改本文中描述之輸出擷取子系統組態以如在設計一商業檢測、度量衡等系統時通常執行般最佳化系統之效能。另外,可使用諸如商業上可購自KLA-Tencor之29xx及39xx系列之工具、SpectraShape系列之工具、及Archer系列之工具之一現有檢測或度量衡系統(例如,藉由將本文中描述之功能性添加至一現有檢測或度量衡系統)來實施本文中描述之系統。對於一些此等系統,本文中描述之實施例可被提供為檢測或度量衡系統之選用功能性(例如,除檢測或度量衡系統之其他功能性以外)。替代地,可「從頭開始」設計本文中描述之輸出擷取子系統以提供一全新檢測或度量衡系統。
系統之電腦子系統36可以任何適合方式(例如,經由一或多個傳輸媒體,該一或多個傳輸媒體可包含「有線」及/或「無線」傳輸
媒體)耦合至輸出擷取子系統之偵測器,使得電腦子系統可接收在樣品之掃描期間由偵測器產生之輸出。電腦子系統36可經組態以使用如本文中描述之偵測器之輸出執行若干功能及本文中進一步描述之任何其他功能。可如本文中描述般進一步組態此電腦子系統。
此電腦子系統(以及本文中描述之其他電腦子系統)在本文中亦可被稱為(若干)電腦系統。本文中描述之(若干)電腦子系統或(若干)系統之各者可採取多種形式,包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路設備、網際網路設備或其他裝置。一般而言,術語「電腦系統」可經廣泛定義以涵蓋具有執行來自一記憶體媒體之指令之一或多個處理器之任何裝置。(若干)電腦子系統或(若干)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,(若干)電腦子系統或(若干)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工具)。
若系統包含一個以上電腦子系統,則不同電腦子系統可彼此耦合,使得可在電腦子系統之間發送影像、資料、資訊、指令等,如本文中進一步描述。舉例而言,電腦子系統36可藉由可包含此項技術中已知之任何適合有線及/或無線傳輸媒體之任何適合傳輸媒體耦合至(若干)電腦子系統102(如由圖1中之虛線展示)。兩個或兩個以上此等電腦子系統亦可藉由一共用電腦可讀儲存媒體(未展示)而有效耦合。
儘管上文將輸出擷取子系統描述為一光學或基於光之子系統,然輸出擷取子系統可為一基於電子束之子系統。舉例而言,在一項實施例中,被引導至樣品之能量包含電子,且自樣品偵測之能量包含電子。以此方式,能量源可為一電子束源。在圖2中展示之一項此實施例中,輸
出擷取子系統包含耦合至電腦子系統124的電子腔122。
亦如圖2中展示,電子腔包含電子束源126,該電子束源126經組態以產生由一或多個元件130聚焦至樣品128之電子。電子束源可包含(舉例而言)一陰極源或射極尖端,且一或多個元件130可包含(舉例而言)一槍透鏡、一陽極、一束限制孔隙、一閘閥、一束電流選擇孔隙、一物鏡及一掃描子系統,其等全部可包含此項技術中已知之任何此等適合元件。
自樣品返回之電子(例如,二次電子)可由一或多個元件132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(若干)元件130中之相同掃描子系統。
電子腔可包含此項技術中已知之任何其他適合元件。另外,電子腔可如以下專利中描述般進一步組態: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號及2014年5月6日頒予MacDonald等人之美國專利第8,716,662號,該等案宛如完整陳述般以引用之方式併入本文中。
儘管電子腔在圖2中被展示為經組態使得電子按一傾斜入射角引導至樣品且按另一傾斜角自樣品散射,然應瞭解,電子束可按任何適合角度引導至樣品且自樣品散射。另外,電子束子系統可經組態以使用多種模式來產生樣品之影像(例如,運用不同照射角度、收集角度等)。電子束子系統之多種模式可在子系統之(若干)任何影像產生參數方面不同。
電腦子系統124可耦合至偵測器134,如上文描述。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。電子束影
像可包含任何適合電子束影像。電腦子系統124可經組態以使用偵測器之輸出及/或電子束影像來執行本文中描述之功能之任一者。電腦子系統124可經組態以執行本文中描述之(若干)任何額外步驟。可如本文中描述般進一步組態包含圖2中展示之輸出擷取子系統之一系統。
應注意,本文中提供圖2以大體上繪示可包含於本文中描述之實施例中之一基於電子束之輸出擷取子系統之一組態。如同上文描述之光學子系統,可更改本文中描述之電子束子系統組態以如在設計一商業檢測或度量衡系統時所通常執行般最佳化子系統之效能。另外,可使用諸如商業上可購自KLA-Tencor之eDR-xxxx系列之工具之一現有檢測、度量衡或高解析度缺陷檢視系統(例如,藉由將本文中描述之功能性添加至一現有檢測、度量衡或缺陷檢視系統)來實施本文中描述之系統。對於一些此等系統,本文中描述之實施例可被提供為系統之選用功能性(例如,除系統之其他功能性以外)。替代地,可「從頭開始」設計本文中描述之系統以提供一全新系統。
儘管上文將輸出擷取子系統描述為一基於光或基於電子束之子系統,然輸出擷取子系統可為一基於離子束之子系統。可如圖2中展示般組態此一輸出獲取子系統,惟電子束源可由此項技術中已知之任何適合離子束源取代除外。因此,在一項實施例中,被引導至樣品之能量包含離子。另外,輸出擷取子系統可為任何其他適合基於離子束之輸出擷取子系統,諸如包含在市售聚焦離子束(FIB)系統、氦離子顯微術(HIM)系統及二次離子質譜儀(SIMS)系統中之輸出擷取子系統。
本文中描述之輸出擷取子系統可經組態以運用多種模式產生樣品之輸出(例如,影像)。一般而言,藉由用於產生一樣品之影像之輸
出擷取子系統之參數值(或用於產生樣品之影像之輸出)定義一「模式」。因此,不同模式可在輸出擷取子系統之參數之至少一者之值方面不同。以此方式,在一些實施例中,輸出包含由輸出擷取子系統產生之具有輸出擷取子系統之一參數之兩個或兩個以上不同值的影像。舉例而言,在一光學子系統中,不同模式可使用不同波長之光用於照明。如本文中進一步描述(例如,藉由使用不同光源、不同光譜濾光器等),對於不同模式,模式可在(若干)照明波長方面不同。在另一實施例中,不同模式可使用光學子系統之不同照明通道。舉例而言,如上所述,光學子系統可包含一個以上照明通道。因而,不同照明通道可用於不同模式。模式可在輸出擷取子系統之任一或多個可更改參數(例如,(若干)照明偏光、(若干)角度、(若干)波長等、(若干)偵測偏光、(若干)角度、(若干)波長等)方面不同。
以一類似方式,由電子束子系統產生之輸出可包含由電子束子系統產生之具有電子束子系統之一參數之兩個或兩個以上不同值的輸出(例如,影像)。可藉由用於產生一樣品之輸出及/或影像之電子束子系統之參數值定義電子束子系統之多種模式。因此,不同模式可在電子束子系統之電子束參數之至少一者之值方面不同。舉例而言,在一電子束子系統之一項實施例中,不同模式可使用不同入射角用於照明。
本文中描述之輸出擷取子系統可經組態用於檢測、度量衡、缺陷檢視、或對樣品執行之另一品質控制相關程序。舉例而言,在本文中描述且在圖1及圖2中展示之輸出擷取子系統之實施例可在一或多個參數方面經修改以取決於將使用其等之應用而提供不同輸出產生能力。在一個此實例中,若圖1中展示之輸出擷取子系統將用於缺陷檢視或度量衡而非用於檢測,則其可經組態以具有一較高解析度。換言之,圖1及圖2中展
示之輸出擷取子系統之實施例描述一輸出擷取子系統之一些一般及各種組態,該輸出擷取子系統可依熟習此項技術者將明瞭之若干方式定製以產生具有或多或少適於不同應用之不同輸出產生能力之輸出擷取子系統。
如上所述,輸出擷取子系統經組態用於將能量(例如,光、電子)引導至樣品之一實體版本及/或遍及樣品之一實體版本掃描能量,藉此產生樣品之實體版本之實際(即,未模擬)輸出及/或影像。以此方式,輸出擷取子系統經組態為一「實際」工具而非一「虛擬」工具。然而,圖1中展示之(若干)電腦子系統102可包含一或多個「虛擬」系統(未展示),該一或多個「虛擬」系統經組態用於使用針對樣品產生之至少一些實際光學輸出或影像及/或實際電子束輸出或影像來執行一或多個功能,該一或多個功能可包含本文中進一步描述之一或多個功能之任一者。
一或多個虛擬系統無法使樣品安置於其中。特定言之,(若干)虛擬系統並非輸出擷取子系統10或電子腔122之部分且不具有用於處置樣品之實體版本的任何能力。換言之,在一虛擬系統中,其一或多個「偵測器」之輸出可為先前由一實際輸出擷取子系統之一或多個偵測器產生且儲存於虛擬系統中之輸出,且在「成像及/或掃描」期間,虛擬系統可就像樣品正被成像及/或掃描一樣重播所儲存輸出。以此方式,用一虛擬系統使樣品成像及/或掃描樣品可看似就像正用一實際系統使一實體樣品成像及/或掃描一實體樣品一樣,而實際上「成像及/或掃描」涉及以與可使樣品成像及/或掃描樣品相同之方式簡單重播樣品之輸出。
組態為「虛擬」檢測系統之系統及方法描述於以下專利中:共同轉讓之於2012年2月28日頒予Bhaskar等人之美國專利第8,126,255號及於2015年12月29日頒予Duffy等人之美國專利第9,222,895
號,該兩案宛如完整陳述般以引用之方式併入本文中。可如此等專利中描述般進一步組態本文中描述之實施例及一或多個電腦子系統。
包含於系統中之一或多個電腦子系統經組態用於基於樣品之一設計而產生樣品之一關注區域。關注區域定義含有一所關注圖案(POI)之設計之一部分。關注區域僅覆蓋檢測影像之一部分。圖3繪示影像減法及關注區域概念之一簡化視圖。如圖3中展示,測試影像300可包含關注區域302,該關注區域302僅覆蓋測試影像區域之一部分。在檢測中,可從一測試影像(測試影像300)減去一參考影像(參考影像304)以藉此產生一差分影像(差分影像306),該差分影像用於缺陷偵測。特定言之,將在差分影像中繪示測試影像與參考影像之間之任何差異,且該等差異可能經受缺陷偵測。因此,測試影像及參考影像應對應於樣品之設計之相同部分。因而,測試影像中之關注區域將在參考影像及差分影像中具有一對應關注區域。舉例而言,如圖3中展示,關注區域302可定位於測試影像300、參考影像304及差分影像306中之相同位置。
儘管圖3中在測試影像、參考影像及差分影像中之對應位置處展示僅一個關注區域例項,然實際上存在許多關注區域例項及許多不同類型之關注區域,各自包含一或多個關注區域例項。在圖4中展示之一個此實例中,測試影像400可包含關注區域402之多個例項,其等各自具有相同類型。測試影像亦可包含一或多個其他類型之關注區域(未展示)之一或多個例項。一個類型之關注區域之例項有時被稱為一「關注區域群組」,即,皆具有相同關注區域類型之一關注區域例項群組。儘管圖3及圖4(及本文中描述之其他圖)展示呈特定數目且具有特定特性之關注區域之實例,然應瞭解,本文中描述之實施例不限制該等關注區域或具有可產生
且可針對其執行本文中描述之步驟之任何特定特性(大小、形狀、位置等)之關注區域之數目。
在一項實施例中,基於設計產生樣品之關注區域包含在設計中搜尋POI。舉例而言,產生關注區域可包含選擇可用於或可不用於初始或先前設定中之現有基於規則之搜尋(RBS)及/或圖案搜尋配方之一者及接著使用選定配方用於產生關注區域。替代地,(若干)電腦子系統可經組態用於產生一新RBS或圖案搜尋配方且接著使用所產生配方用於產生關注區域。RBS及/或圖案搜尋配方可具有此項技術中已知之任何適合形式。舉例而言,可藉由形成描述POI之特性之規則而產生一RBS配方,其接著可用於在設計中搜尋匹配圖案。一般而言,圖案搜尋可包含比較POI與設計之不同部分以判定設計中是否存在匹配圖案。
在設計中搜尋POI亦可包含執行一模糊的基於設計之分組(DBG)或基於設計之分類(DBC)方法而非要求一精確匹配。舉例而言,可放寬將兩個圖案指定為相同之要求,藉此允許指定模糊度。在一個此實例中,在一設計中搜尋一特定POI可包含比較POI與設計之不同部分及判定POI與設計之不同部分中之圖案之類似程度。接著,可藉由比較由比較判定之類似程度與針對本文中描述之實施例而言被(或可被)認為係實質上類似圖案之內容之一預定臨限值而判定設計之不同部分中之圖案是否被判定為與POI「相同」。適合類似性臨限值之實例可包含80%、90%或甚至95%類似。預定臨限值可由一使用者在於設計中搜尋POI之前設定或可基於比較之結果動態地設定(例如,在針對設計中之不同區域之不同子群體判定之類似性之間存在一明顯分隔的情況下,臨限值可設定為對應於該分隔;基於比較結果之一直方圖等)。
在一項實施例中,一或多個電腦子系統包含一電子設計自動化(EDA)工具之一電腦子系統。舉例而言,對於來自設計之關注區域產生,(若干)電腦子系統可使用EDA實體設計分析工具或將客製演算法應用於實體設計。在一些此等例項中,可使用POI之一設計剪輯或另一表示來分析POI之不同例項之設計。在一個此實例中,對於來自設計之關注區域產生,一演算法可將設計自動分割成含有一POI之不同部分。EDA工具可包含任何適合市售EDA工具。在一些此等實施例中,本文中描述之電腦子系統(例如,(若干)電腦子系統102)之一或多者可經組態為一EDA工具。另外或替代地,可由一EDA工具或使用具有對於本文中描述之能力(及/或對於本文中描述之能力之自動化)之改進之EDA配方來執行本文中描述之一或多個步驟。
由於基於POI產生基於設計之關注區域(即,基於設計產生之關注區域),因此包含於一樣品上之一關注區域之各例項中之至少一些圖案或圖案化特徵已知且在各例項中相同。因此,由於相同圖案或圖案化特徵將以相同方式影響入射於其上之能量(例如,光、電子),因此先前假定一樣品上之相同關注區域之不同例項將展現經量測且用於檢測、度量衡或其他此等目的之類似能量回應(例如,光散射、光反射等)。然而,本發明者現已清楚,一樣品上之一關注區域之不同例項可展現不同能量回應,即使其等含有至少一些相同圖案或僅相同圖案(例如,歸因於樣品上之雜訊源,該等雜訊源在關注區域例項間或至少針對一些關注區域例項變動)。因此,儘管基於設計之關注區域可幫助影像行為之不變態樣,然本文中描述之實施例經組態以解決關注區域之影像行為中之樣品間及樣品內變動。
已形成本文中描述之實施例以回應於來自樣品上之關注區域之能量而處理輸出中之此變動。舉例而言,如本文中進一步描述,實施例可用於針對設計及輸出變動兩者最佳化關注區域及/或最佳化使用關注區域執行之一檢測。亦可使用本文中描述之實施例來驗證關注群組符合均勻雜訊特性之目標。另外,可使用本文中描述之實施例來提供關於如何最佳化一個別關注區域例項及/或不均勻之一關注區域例項群組的線索。此外,本文中描述之實施例最終可使針對雜訊均勻性最佳化之程序自動化。
(若干)電腦子系統經組態用於針對樣品上之關注區域之多個例項判定一或多個輸出屬性。從藉由輸出擷取子系統針對多個例項產生之輸出判定一或多個輸出屬性。多個例項可經定位於樣品上之一個晶粒或樣品上之多個晶粒中。判定一或多個輸出屬性可包含簡單地識別由偵測器或系統之另一元件產生之哪一輸出屬性對應於針對其執行此步驟之關注區域之多個例項之各者。舉例而言,若偵測器或系統之另一元件報告依據像素而變化之灰階強度,則判定步驟可包含識別哪些灰階強度值對應於關注區域之多個例項之任一者。然而,判定(若干)輸出屬性可包含判定未由偵測器或系統之另一元件產生之關注區域例項之一或多個值。舉例而言,(若干)電腦子系統可使用由偵測器產生之輸出來判定可在本文中描述之實施例中有用之該輸出之(若干)任何屬性。本文中進一步描述數個此等實例。
在一項實施例中,一或多個輸出屬性之至少一者係一雜訊屬性。在另一實施例中,(若干)輸出屬性包含針對關注區域之不同例項產生之差分影像中之灰階變動。當將用於偵測樣品上之缺陷之缺陷偵測方法使用差分影像時,使用差分影像之一輸出屬性在本文中描述之實施例中可
為適合的。然而,本文中描述之關注區域最佳化可支援不同缺陷偵測演算法及靈敏度區計數。舉例而言,(若干)電腦子系統可運用偵測作業類型來改變資料庫方案及作業參數(該兩者在本文中進一步描述),此將為判定並儲存不同偵測演算法類型之不同屬性提供靈活性。本文中描述之實施例中使用之(若干)輸出屬性亦可包含由輸出擷取子系統產生之任何輸出或此輸出之任何特性。舉例而言,輸出特性可為可從由輸出擷取子系統產生之輸出判定之任何基於影像之特性。另外,即使本文中可關於「雜訊」或「雜訊行為」或另一類似術語描述一些實施例,仍應瞭解,(若干)任何適當輸出屬性可用於本文中描述之實施例之任一者中。可以任何方式判定雜訊屬性且其可包含輸出之任何雜訊相關屬性。
在另一實施例中,從其判定一或多個輸出屬性之輸出係由偵測器針對樣品產生之輸出。以此方式,(若干)電腦子系統可經組態用於使用檢測器(或另一輸出擷取子系統)來收集一新類型之資料以用於改進/最佳化關注區域之目的。因此,輸出本身可為實際輸出而非模擬輸出(或計算而非使用一實際偵測器產生之輸出)。儘管可運用(或使用)本身模擬或計算(而非運用一實際偵測器及一實體樣品產生)之輸出來執行本文中描述之實施例,然使用本身由一偵測器及一實體樣品產生之輸出對於本文中描述之實施例而言將為最可行且有用的。
一或多個電腦子系統可經組態用於擷取從其判定一或多個輸出屬性之輸出。可使用本文中描述之輸出擷取子系統之一者來執行擷取輸出(例如,藉由將光或一電子束引導至樣品且偵測來自樣品之光或一電子束)。以此方式,可使用實體樣品本身及某種輸出擷取(例如,成像)硬體來執行擷取輸出。然而,擷取輸出不一定包含使用成像硬體使樣品成
像。舉例而言,另一系統及/或方法可產生輸出且可將所產生輸出儲存於一或多個儲存媒體中,諸如如本文中描述之一虛擬檢測系統或本文中描述之另一儲存媒體。因此,擷取輸出可包含從已將輸出儲存於其中之儲存媒體擷取輸出。
在一些實施例中,從其判定一或多個輸出屬性之輸出係運用輸出擷取子系統之一個以上模式針對樣品產生之輸出。舉例而言,多模式雜訊及背景內容資訊可用於本文中進一步描述之(若干)關注區域分割步驟。使用多模式雜訊及背景內容資訊來分割如本文中描述之關注區域對於多模式檢測可為有益的。輸出擷取子系統之多種模式可包含本文中進一步描述之模式之任一者。
在一額外實施例中,(若干)電腦子系統經組態用於藉由對少於樣品上之關注區域之全部多個例項進行取樣而選擇針對其等判定(若干)輸出屬性之關注區域之多個例項。舉例而言,(若干)電腦子系統可藉由迫使以本文中描述之多種方式之一者收集輸出而將關注區域例項之一樣本視為缺陷。(若干)電腦子系統可針對(若干)輸出屬性跨圖框累積統計資料。(若干)電腦子系統可儲存待累積之統計資料作為「被迫事件」之少數屬性。(若干)電腦子系統可不將累積統計資料與輸出(例如,影像)儲存在一起,而僅儲存選定輸出屬性統計資料以便更容易地儲存較高數目個關注區域例項之統計資料。
在各關注區域例項處收集(若干)輸出屬性可為禁止且不必要的。代替地,(若干)電腦子系統可較佳地從少於樣品上之全部關注區域例項判定關注區域例項之行為。可以多種方式執行取樣。舉例而言,(若干)電腦子系統可藉由產生關注區域例項之一初始樣本,消除(若干)輸出
屬性針對其被判定為離群點之關注區域例項之任一者,且從剩餘例項縮減取樣而執行取樣。因此,兩遍次輸出產生可能有意義。可執行第一遍次以進行缺陷或離群點偵測,且可執行第二遍次以進行非缺陷關注區域例項取樣。(若干)電腦子系統可經組態以藉由分析每一晶粒之各關注區域類型之關注區域例項計數及樣品上之晶粒之數目而判定剩餘例項之一初始樣本。樣本較佳地足夠大以允許晶粒級及樣品級雜訊分析兩者。樣本大小估計亦可能相對慷慨(例如,比分析雜訊均勻關注區域所需更多之統計資料)以允許將關注區域例項或一單一關注區域基於雜訊***成子關注區域。(若干)電腦子系統亦可藉由各關注區域內之隨機及空間多樣化取樣之混合而產生樣本本身。可如本文中描述般亦執行取樣或替代地執行取樣。
在一項此實施例中,基於一或多個屬性中之預期晶粒級變動而執行取樣,且(若干)電腦子系統經組態用於基於所判定一或多個輸出屬性而判定關注區域之(若干)輸出屬性中之實際晶粒級變動。舉例而言,樣本較佳地足夠大以允許晶粒級雜訊分析。在一個此實例中,(若干)電腦子系統可基於經驗(先前量測)及/或理論資料(例如,來自模型化)而估計預期晶粒級變動,基於此預期晶粒級變動而判定關注區域樣本之適當特性(例如,頻率、位置、間距等),且接著基於該等特性而從全部關注區域例項選擇關注區域例項。可以任何適合方式執行判定關注區域之(若干)輸出屬性中之實際晶粒級變動。
在另一此實施例中,基於(若干)輸出屬性中之預期樣品級變動而執行取樣,且(若干)電腦子系統經組態用於基於所判定一或多個輸出屬性而判定關注區域之(若干)輸出屬性中之實際樣品級變動。舉例而言,樣本較佳地足夠大以允許樣品級雜訊分析。可如上文關於晶粒級變動
描述般執行此等步驟。
(若干)電腦子系統經組態用於基於一或多個輸出屬性將樣品上之關注區域之多個例項分離成不同關注區域子群組,使得不同關注區域子群組具有一或多個輸出屬性之統計上不同值。如本文中使用之該術語「統計上不同」值可與術語「明顯不同」值可交換地使用。如本文中使用之術語「統計上不同」值意欲具有數學領域及特定言之統計領域中使用之術語之普遍接受定義,即,統計上不同被普遍接受為意謂「超出誤差限度」且「由除偶然以外之某物導致」。此等定義兩者與本文中之術語之使用一致。可(舉例而言)藉由比較值之差與誤差限度且判定超出誤差限度之差為「統計上不同」而判定一或多個輸出屬性之值是否為「統計上不同」。因此,當差在誤差限度內時,一或多個輸出屬性之不同值為「統計上類似」。
可以一監督或無監督方式執行分離關注區域之多個例項。若分離係無監督的,則可取決於使用之演算法而需要預定數目個關注區域子群組作為輸入。
因此,本文中描述之實施例可基於(若干)輸出屬性中之變動而觸發將一現有關注區域之例項***成多個關注區域子群組。舉例而言,當針對關注區域例項判定之(若干)輸出屬性跨一晶粒顯著變動時,可將一樣品上之一關注區域之全部例項***成不同子群組。在另一實例中,如本文中進一步描述,將全部關注區域例項***成不同關注區域子群組可為背景內容驅動的。以此方式,一非最佳化關注區域可包含基於雜訊度量存在之關注區域例項之多個子群體。因此,最佳化關注區域需要基於關注區域雜訊度量將此等子群體分離成其等自身之關注區域子群組。
在一項此實施例中,圖4中之影像400中所展示之關注區域402之多個例項可被分離成不同關注區域子群組,如本文中描述。舉例而言,關注區域例項可被分離成兩個關注區域子群組,且如圖5中展示,一個子群組可包含關注區域例項402a且另一子群組可包含關注區域例項402b。以此方式,包含相同類型之關注區域之多個例項之一個關注區域例項群組被劃分成兩個關注區域子群組,其等之各者包含相同類型之關注區域之一或多個例項。可基於差分影像統計資料或本文中描述之(若干)任何其他輸出屬性而劃分關注區域例項。
在一項實施例中,(若干)電腦子系統經組態用於針對樣品上之關注區域之多個例項之一或多者判定依據關注區域內之位置而變化之(若干)輸出屬性且基於依據位置而變化之一或多個輸出屬性將關注區域分離成兩個或兩個以上不同子關注區域,使得兩個或兩個以上不同子關注區域具有一或多個輸出屬性之統計上不同值。舉例而言,本文中描述之實施例可基於跨一現有關注區域之一單一例項之(若干)輸出屬性中之變動而觸發將該現有關注區域之該單一例項***成多個子關注區域。當存在可能與佈局有關之顯著系統像素級變動時,(若干)電腦子系統可在關注區域例項內執行***。以此方式,一非最佳化關注區域例項可包含基於像素雜訊度量而存在之子關注區域之多個子群體(例如,像素之不同群體)。因此,最佳化一關注區域例項需要將一「不純」關注區域例項***成多個均勻子關注區域。
在一項此實施例中,如圖6中展示,差分影像306包含關注區域302,該兩者可如本文中描述般組態。圖6中展示之關注區域之分解圖600展示關注區域內之不同像素602。換言之,對應於關注區域之差分
影像之部分可包含多個像素。本文中描述之對應於關注區域之其他影像之部分亦可包含多個像素。本文中描述之影像之任一者內之像素之數目可取決於輸出擷取子系統之組態及/或關注區域之大小而變動。舉例而言,影像中之像素可對應於輸出擷取子系統之(若干)偵測器中之像素且關注區域可包含影像中之像素之一部分。以此方式,可針對關注區域中之各像素產生輸出。針對一關注區域例項中之各像素產生之輸出之(若干)屬性可如本文中描述般進行判定且可包含本文中描述之(若干)輸出屬性之任一者。
在一些例項中,一關注區域例項中之不同部分(例如,不同像素)將具有(若干)輸出屬性之統計上不同值。舉例而言,圖7中展示之無陰影像素可被判定為具有(若干)輸出屬性之(若干)值,該(等)值在統計上不同於針對該圖中展示之陰影像素判定之(若干)輸出屬性之(若干)值。另外,圖7中展示之不同陰影像素可被判定為具有統計上不同之(若干)輸出屬性之(若干)值。因此,如圖7中展示,針對一關注區域例項內之不同像素判定之(若干)輸出屬性可具有統計上不同之值。因而,可藉由描述其內之像素之值之統計資料特性化針對一差分影像(或本文中描述之其他影像之任一者)之一關注區域例項。統計資料可包含平均值、範圍、中值、眾數、標準偏差、及本文中描述或此項技術中已知之任何其他統計資料。
由於對應於關注區域之差分影像之部分中之不同像素被判定為具有(若干)輸出屬性之統計上不同值,因此(若干)電腦子系統可將圖7中展示之關注區域分離成多個子關注區域。舉例而言,(若干)電腦子系統可基於針對像素判定之(若干)輸出屬性將關注區域之分解圖600中展示之像素分離成子關注區域600a及子關注區域600b,如圖8中展示。以此方式,若(若干)輸出屬性之統計或其他值指示將一關注區域例項細分成多個
子關注區域將為適當的,則(若干)電腦子系統可按例項級細分關注區域。儘管關注區域在圖8中被展示為被分離成兩個子關注區域,然任何關注區域例項可被分離成任何數目個子關注區域,最高達關注區域中之像素之數目之最大值(其中各像素被指定為一子關注區域)。然而,在細分任一個關注區域例項時,將子關注區域之數目限於一低得多的數目(例如,每一關注區域例項2至4個子關注區域)可為可行的。
在另一實施例中,使用一第一預定方法來執行產生關注區域,且(若干)電腦子系統經組態用於運用一第二預定方法針對POI產生另一關注區域,針對另一關注區域執行判定及分離步驟,且基於針對關注區域及另一關注區域執行之判定及分離步驟之結果而選擇第一或第二預定方法用於產生額外關注區域。舉例而言,(若干)電腦子系統可執行針對足夠性之關注區域之(若干)基於影像之測試。此測試可包含本文中描述之判定及分離步驟以評估關注區域之雜訊均勻性或此測試可包含適於關注區域之任何其他基於影像之測試。在一個此實例中,針對足夠性之基於影像之測試可包含從可能需要改進之預存在關注區域之一樣本收集樣品影像資料,用設計背景內容資料(其可能來自不同/廣泛源)注釋資料,及對樣品及背景內容資料之組合執行統計分析(例如,多維集群)。
若基於影像之測試判定關注區域不足,則(若干)電腦子系統可推斷一EDA配方選擇及/或輸入以供改進。舉例而言,在上文描述之實施例中,(若干)電腦子系統可嘗試一蠻力法,其包含迴歸測試現有EDA配方以查看其等是否解決先前產生之關注區域中之雜訊「污染」(即,不均勻性及/或無法解決的雜訊問題)。可以此項技術中已知之任何適合方式執行迴歸測試。以此方式,(若干)電腦子系統可執行不同現有EDA配方以
產生不同關注區域集,使用本文中描述之判定及分離步驟來評估各關注區域集之基於影像之足夠性,且接著使用樣品之最佳關注區域集及/或經判定為產生最佳關注區域之EDA配方來產生樣品及/或其他樣品之額外關注區域。以此方式,(若干)電腦子系統可經組態用於推斷設計搜尋規則以從影像及設計資料之一統計分析判定關注區域。
在一些實施例中,(若干)電腦子系統經組態用於藉由從針對多個例項判定之一或多個輸出屬性之統計分析推斷方法之一或多個經修改參數而修改用於產生關注區域之一方法。舉例而言,(若干)電腦子系統可執行針對足夠性之關注區域之(若干)基於影像之測試。可如上文描述般執行此測試。若基於影像之測試判定關注區域不足,則(若干)電腦子系統可推斷一EDA配方選擇及/或輸入以供改進。舉例而言,在此實施例中,(若干)電腦子系統可嘗試推斷(若如上文描述之現有配方之測試未發現產生可接受關注區域之一現有EDA配方,則可嘗試該推斷)。在此實施例中,(若干)電腦子系統可將資料挖掘技術應用於一預產生背景內容資料庫以隔離用於關注區域群組***之基礎。可使用此項技術中已知之任何適合機器學習技術來執行資料挖掘技術。機器學習/資料挖掘可將產生之關注區域分割成微小關注區域而無對分割關注區域之最小大小之限制。接著,機器學習可特性化分割關注區域且基於雜訊及設計之類似性將其等相應地集群,藉此形成可用於檢測配方中之關注區域群組。以此方式,(若干)電腦子系統可經組態以使用機器學習模型化技術用於推斷一影像雜訊資料集中存在多個群體。
(若干)電腦子系統可使用可由本文中描述之(若干)電腦子系統產生之關注區域搜尋規則推斷之一資料庫來執行上文描述之資料挖
掘。資料庫可包含關注區域例項ID之一行,其可包含一事件ID及關注區域例項之座標。資料庫亦可包含經驗資料之一或多個行,其之實例包含(但不限於)(若干)檢測屬性、(若干)檢視屬性、及(若干)影像雜訊屬性。資料庫可進一步包含背景內容資料之一或多個行,其可包含一幾何雜湊碼、一基於形狀之分組標籤、一基於設計之分類碼、及一基於規則之搜尋規範ID之一或多者。背景內容資料可包含空間上與關注區域例項之事件ID一致的設計背景內容值。
(若干)電腦子系統亦可使用此一資料庫來對關注區域取樣以用於本文中描述之判定步驟。舉例而言,詳盡地收集每一關注區域例項之雜訊資料可能為禁止的。代替地,(若干)電腦子系統可針對設計及/或設計背景內容中之差異分析設計。基於設計、樣品上之設計之佈局及檢測配方掃描參數,(若干)電腦子系統亦可判定各圖框影像將處於之位置。以此方式,(若干)電腦子系統可將一晶片鑲嵌至圖框中(其中一圖框係同時被共同處理之檢測資料之一部分)。接著,(若干)電腦子系統可選取分析哪些圖框,如本文中描述。(若干)電腦子系統可藉由預測吾等可從其獲悉最佳資訊之圖框而產生圖框之一子樣本。因此,(若干)電腦子系統可僅使用對應於一設計中及/或樣品上之一關注區域之全部例項之全部圖框影像之一部分來判定(若干)輸出屬性,如本文中描述。基於各類型之關注區域之圖框數目,(若干)電腦子系統可藉由選擇針對其等執行判定步驟之關注區域例項之一適當數目及/或分佈而產生統計上穩健的資料。接著,(若干)電腦子系統可使用統計上穩健的資料來預測(例如,外推、內插等)非取樣關注區域例項之(若干)統計上穩健的輸出屬性。另外,關注區域例項取樣可產生關注區域群組後設資料,其可用於從經判定一或多個輸出屬性按圖框
及/或條帶預測關注區域彙總資料。
在一進一步實施例中,基於設計針對樣品產生之另一關注區域定義含有一不同POI之設計之一不同部分,且(若干)電腦子系統經組態用於基於針對關注區域執行之判定及分離之結果而判定是否針對另一關注區域執行判定及分離步驟。可藉由利用基於形狀之分組(SBG)層次結構而執行此步驟。此一層次結構可包含頂部之靈敏度區(相同偵測臨限值)、其後接著複雜度分組(基於類似複雜度來執行)、基於基元分組之頻格(基於類似基元)、及最後基於設計之分組頻格(基於圖案之精確匹配)。若關注區域群組雜訊統計資料不均勻,則SBG層次結構為分解關注區域群組且測試根本原因提供一個自然診斷路徑。若發現關注區域群組雜訊統計資料不均勻性之一源,則(若干)電腦子系統可交叉檢查其餘關注區域群組(類型及/或例項)以查看此學習是否應同樣應用於其等,例如,將經學習規則應用於來自其他關注區域群組之各者之一樣本佈局。
在本文中描述之實施例之任一者中,可藉由細分比一預定大小更大之初始關注區域而產生針對其執行步驟之關注區域(及其他關注區域)。可基於輸出擷取子系統之點擴展函數(PSF)之寬度而判定預定大小。舉例而言,若(在一假設情況中)輸出擷取子系統具有約200nm之一PSF,則可將大於200nm×200nm之任何初始關注區域劃分成具有約200nm×約200nm之大小之關注區域。(若干)輸出屬性可在具有此一大小之一關注區域內相對緩慢地改變,此係此一大小對於在本文中描述之實施例中使用可能有吸引力的原因。當然,可使用小於PSF之關注區域,但告誡可能發生關注區域之過度訓練。
在另一實施例中,(若干)電腦子系統經組態用於基於設計
而產生樣品之另一關注區域,針對另一關注區域執行判定及分離步驟,識別含有具有高於一預定臨限值之類似性之一量度且具有一或多個輸出屬性之統計上類似值之一圖案之關注區域及另一關注區域之不同關注區域子群組,且將經識別不同關注區域子群組中之關注區域及另一關注區域之多個例項組合成一單一關注區域群組。
舉例而言,如本文中進一步描述,(若干)電腦子系統可針對一或多個關注區域類型執行判定步驟(雜訊收集設定步驟)。(若干)電腦子系統可從一單一晶粒或多個晶粒判定每一關注區域之(若干)輸出屬性(例如,雜訊量度)。(若干)輸出屬性可包含中值(背景內容)之平均值及差異(雜訊)之平均值或本文中描述之任何其他輸出屬性,例如,此取決於將搭配關注區域使用之缺陷偵測方法。在此實例中,每一關注區域判定兩個屬性,一個屬性係中值且一個屬性係差異。若一關注區域具有僅一個像素,則判定中值及差異將足夠。然而,若一關注區域具有多個像素(例如,3像素×3像素),則將存在多個中值(例如,9)及多個差異(例如,9)。為將此資料減小至僅兩個屬性,(若干)電腦子系統可判定中值之平均值及差異之平均值且使用該等值作為本文中描述之實施例之一或多個輸出屬性。其他函數亦可用於資料縮減,像最小值、最大值、眾數、中值、標準偏差等。另外,每一關注區域例項可判定兩個以上屬性值,但屬性值之數目將不同且將取決於關注區域之大小,此對於一集群演算法可能為無法接受的,且集群演算法將遭受維度之增大。
(若干)電腦子系統可藉由彙總來自每一關注區域類型之全部關注區域例項之雜訊量度而執行分離步驟且運行無監督分組以將關注區域類型進一步細分為子關注區域類型。視情況,(若干)電腦子系統可基於
雜訊/背景內容量度之類似性而組合來自不同關注區域類型之子關注區域類型。以此方式,本文中描述之實施例可產生純雜訊關注區域群組分割。
在一額外實施例中,關注區域係POI之多個關注區域之一者,且產生關注區域包含識別設計中之POI之不同例項,判定設計中之POI之不同例項之設計背景內容,將具有不同設計背景內容之不同例項分離成不同群組,及將不同群組之一者指派至關注區域。舉例而言,一或多個電腦子系統可經組態用於本文中稱為「關注區域超分割」之行為,其中基於設計背景內容將一關注區域之例項分割成不同關注區域例項群組。在此背景內容中,「關注區域」包含一POI之多個例項,一些例項具有不同設計背景內容。接著,可基於不同設計背景內容而分離該多個例項,且針對其執行本文中描述之其他步驟之「關注區域」包含僅具有相同設計背景內容之全部該多個POI例項之一部分。因此,針對其執行本文中描述之其他步驟之「關注區域」可為由於超分割所致之一關注區域群組。可離線執行關注區域超分割。
在一些例項中,可使用基於設計之分組進一步細分一POI之例項。舉例而言,基於設計中之POI之不同例項之設計背景內容,可執行基於設計之分組以將POI之例項分離成不同群組,各群組對應於不同設計背景內容之一者。
超分割或鄰近感知分組基於各關注區域例項之設計背景內容而分離一POI類型之關注區域例項。出於此目的考量之設計背景內容區域之大小可取決於分析中之系統誤差而變動。在一項實施例中,超分割連同高解析度圖案保真度量測一起用於識別系統微影問題,在該情況中用於超分割之設計背景內容通常將包含關注區域之微影光學系統PSF內之區
域。在另一實施例中,超分割連同差分影像雜訊量測一起用於最佳化用於光學缺陷檢測之影像分割,在該情況中用於超分割之設計背景內容通常將包含關注區域之檢測光學系統PSF內之區域。
為繪示概念,考量圖9中展示之圖案。圖9展示針對含於方塊904中之一POI產生之一關注區域之例項902。在例項902中,存在三個圖案化特徵900,其等為水平定向之線或線之部分。中間圖案化特徵之線端係含於方塊904中之POI。
如圖9中展示,POI之不同例項具有不同設計背景內容。特定言之,例項902a、902b、902c、902d及902e皆具有近接POI之不同設計背景內容。在例項902a中,設計背景內容包含三個水平定向圖案化特徵908,其等包含線或線之部分且其未包含於例項902中。在例項902b中,設計背景內容包含多個垂直定向圖案化特徵,包含具有不同尺寸之圖案化特徵912及914。在例項902c中,設計背景內容包含圖案化特徵906,其可為沿垂直方向定向之一線或一線之一部分。在例項902d中,設計背景內容包含圖案化特徵910,其為一不規則多邊形。在例項902e中,設計背景內容包含圖案化特徵916,其可為沿垂直方向定向之一線或一線之一部分。
因此,如圖9中展示,POI周圍之設計背景內容在各展示例項中不同,且吾等從經驗知道像此之差異可促成系統背景雜訊差異。以此方式,歸因於不同關注區域中展示之設計背景內容之間之差異,即使其等在技術上皆為相同POI之關注區域,針對不同關注區域判定之(若干)輸出屬性仍可為不同的。舉例而言,設計背景內容之形狀、大小、定向、與POI之近接度等可能影響針對關注區域產生之輸出。因此,不同設計背景
內容可能以不同方式影響針對關注區域產生之輸出。
在一項此實施例中,使用幾何雜湊來執行分離不同例項。舉例而言,超分割可使用一幾何雜湊演算法來形成純設計背景內容關注區域群組。可使用使用基於規則之搜尋及圖案搜尋之當前最佳已知方法來形成初始關注區域(幾何雜湊演算法之輸入)。因此,初始關注區域可為使用者定義關注區域且基於設計的。基於該等初始關注區域及設計,可使用幾何雜湊離線超分割初始關注區域。對於各關注區域,(若干)電腦子系統可運算一幾何雜湊碼。具有相同雜湊碼之相同POI之關注區域例項將具有相同設計背景內容,且具有不同雜湊碼之相同POI之關注區域例項將具有不同設計背景內容。因此,對於一個POI,幾何雜湊碼與關注區域例項群組之間存在一對一映射。因此,所得關注區域群組係純設計背景內容的。(若干)電腦子系統可儲存與各關注區域例項相關聯之一關注區域群組ID。
在另一此實施例中,(若干)電腦子系統經組態用於針對樣品上之多個關注區域之另一者之多個例項判定一或多個輸出屬性且在關注區域及多個關注區域之另一者之多個例項之一或多者具有一或多個輸出屬性之統計上相同值時,將關注區域之多個例項之一或多者及多個關注區域之另一者之多個例項之一或多者組合成一單一關注區域群組。可在線執行此關注區域特性化及分組。用於關注區域最佳化之資料收集係收集不同資料之一新型掃描。明確言之,代替收集缺陷(像一典型缺陷偵測掃描),關注區域最佳化收集關於各作業或圖框中之各關注區域之屬性/統計資料。可藉由一或多個電腦子系統形成用以針對每一關注區域群組、每一作業收集之一特性化方案-資料(事件、事件屬性及作業屬性)。(若干)電腦子系統亦可使此方案與一分組演算法耦合。接著,(若干)電腦子系統可運算每一
關注區域群組、每一圖框或作業之關注區域最佳化屬性。此等運算之結果可為具有如藉由分組演算法方案指定之每一關注區域群組、每一作業之資料之一資料庫。另外,一或多個電腦子系統可形成具有關注區域群組統計資料/屬性行之一資料庫,且可藉由基於掃描類型及包含檢測參數旗標之使用案例參數之查找而判定資料庫方案。使用此等統計資料對關注區域進行分組以進行隨後缺陷偵測掃描。舉例而言,對於MDAT,(若干)電腦子系統可將關注區域群組指派至靈敏度區。分組步驟之一輸入可為允許產生之關注區域群組之數目之一上限。因此,分組步驟之結果可為針對檢測最佳化之關注區域(最佳分組之關注區域)。
(若干)電腦子系統經組態用於基於不同關注區域子群組而選擇樣品之一檢測配方之一參數,使得在針對樣品執行檢測配方時,用參數之不同值檢測具有(若干)輸出屬性之統計上不同值之不同關注區域子群組。舉例而言,如本文中描述,雜訊行為可跨任一個樣品(即,依據一單一樣品上之位置而變化)且在樣品間變動。可在初始設定中且在運行中判定此雜訊行為。舉例而言,可在一訓練樣品上擷取並分析跨樣品之變動。另外,如本文中描述,(若干)電腦子系統可藉由針對檢測配方形成期間之一訓練樣品且針對在運行時間檢測之樣品(即,一運行時間、測試或檢測樣品)收集資料或輸出而判定不同關注區域例項(及視情況跨任一個關注區域例項)之(若干)輸出屬性。以此方式,可藉由各樣品上返回之空間(背景內容)動態雜訊處置樣品間變動。
替代地,(若干)電腦子系統可藉由建置在雜訊基底周圍具有足夠限度之多樣品模型而處置樣品間變動。在一個此實例中,若僅收集並分析一樣品上之一局部區域中之關注區域例項之(若干)輸出屬性,則
(若干)輸出屬性可指示一行為良好關注區域。然而,若跨樣品收集並分析關注區域例項之(若干)輸出屬性,則(若干)輸出屬性可展示一不同行為。若針對多個樣品收集並分析關注區域例項之(若干)輸出屬性,則可能同樣如此。(若干)電腦子系統可藉由產生基於針對其他樣品產生之先前結果執行分離步驟之一模型且將檢測配方將以其他方式針對運行時間樣品產生之任何預掃描或預映射資料輸入至模型而處置樣品間變動而未針對運行時間樣品執行本文中描述之判定步驟。基於可指示運行時間樣品之(若干)輸出屬性與先前樣品之(若干)輸出屬性之類似或不同程度的預掃描或預映射資料,模型可調整關注區域子群組及/或子關注區域。
在一項實施例中,檢測配方之參數之不同值包含在檢測配方中用於偵測樣品上之缺陷之一缺陷偵測方法之不同靈敏度。可藉由一靈敏度設定缺陷偵測方法之不同靈敏度,運用該靈敏度從由輸出擷取子系統針對樣品產生之輸出偵測缺陷。可藉由(舉例而言)用於將輸出分離成對應於缺陷之輸出及未對應於缺陷之輸出之一或多個臨限值而控制此一靈敏度。另外或替代地,判定檢測配方之參數可包含最佳化每一關注區域類型之臨限值以獲取期望數目個缺陷。可使用不同關注區域子群組或不同子關注區域之一擷取率(「擷取率(cap rate)」或「擷取率(caprate)」)來設定此一靈敏度。基於一預定擷取率組態缺陷偵測方法避免手動調諧缺陷偵測臨限值之需要。另外,歸因於可藉由本文中描述之實施例產生之實質上大量關注區域子群組及/或子關注區域,缺陷偵測臨限值之手動調諧可能為禁止的。代替地,可指定檢測目標(例如,期望擾亂點率+每一DOI類型之期望DOI擷取率)。亦可使用諸如本文中進一步描述之一DOI與關注區域相容性矩陣自動判定缺陷偵測臨限值。
如本文中描述之檢測配方參數選擇可包含純粹基於設計之關注區域不一定需要的若干其他考量。舉例而言,本文中描述之實施例將最可能增大檢測配方中之關注區域群組、子群組等之數目。隨著不同關注區域群組、關注區域子群組或子關注區域之數目增大,任一個類型之關注區域群組、子群組或子關注區域之數目將減小。因此,用於缺陷偵測之資料足夠性在一些例項中(例如,對於減去參考統計偵測之測試)可能為一挑戰。因此,可基於藉由本文中描述之實施例產生之樣品上之任一個類型之關注區域之例項數目而評估及/或修改用於該一個類型之關注區域之缺陷偵測方法之類型。舉例而言,由於一關注區域類型之較少例項,因此整個解決方案可能需要跨作業之資料累積以用於缺陷偵測。另外,隨著關注區域類型之數目增大,藉此減小任一個關注區域類型之關注區域例項之數目,發現用於訓練及/或調諧檢測配方之DOI實例可能為一挑戰。可使用本文中進一步描述之系統缺陷偵測來增加發現一樣品上之用於訓練及/或調諧之足夠數目個DOI實例的可能性。
如本文中描述之檢測配方參數選擇亦可包含針對可修改之檢測配方之任一或多個參數選擇一值。舉例而言,一旦如本文中描述般判定(若干)臨限值或(若干)靈敏度,便可運行檢測配方,可檢視藉由檢測運行偵測之缺陷,且可使用缺陷檢視之結果來針對檢測配方設定一擾亂點事件過濾器。因此,可選擇檢測配方之一或多個參數,藉此形成一中間配方且接著可選擇中間檢測配方之一或多個其他參數,藉此形成一生產配方。
如本文中描述般選擇之檢測配方之參數亦可不僅包含輸出處理參數(缺陷偵測、擾亂點過濾等),而且或替代地包含輸出產生參數(輸出擷取子系統之任何硬體元件之任何參數,諸如(若干)照明及/或偵測
角度、(若干)偏光、(若干)波長等)。可基於藉由分離步驟產生之關注區域之資訊及針對藉由分離步驟產生之關注區域判定之(若干)輸出屬性之資訊以任何適合方式選擇此等參數。儘管處置藉由分離步驟在(若干)輸出處理參數中產生之關注區域中之差異可能更有效,然處置輸出產生硬體參數中之一些此等差異可能有吸引力。若如此,則用不同輸出產生硬體參數掃描不同關注區域的一種方式可為針對關注區域之不同子集執行不同掃描。在任何情況中,本文中描述之實施例不限制可基於藉由分離步驟產生之關注區域而選擇之檢測配方參數。
在另一實施例中,POI具有一第一POI類型,另一關注區域定義含有具有一第二POI類型之另一POI之設計之另一部分,且分別針對關注區域及另一關注區域執行本文中描述之產生、判定、分離及選擇步驟。以此方式,可分別(在由一或多個電腦子系統執行之步驟中)處理不同關注區域類型(對應於不同POI類型)。然而,可將針對不同關注區域類型分別且獨立選擇之檢測配方參數之各者組合成針對樣品執行之一單一檢測配方。另外,可同時針對多個關注區域類型執行選擇檢測配方參數步驟以藉此針對對應於不同POI類型之多個關注區域類型最佳化檢測配方參數。在任何情況中,可分別處理不同關注區域類型以針對不同關注區域類型獨立地判定(若干)輸出屬性且彼此獨立地分離關注區域類型。
在一額外實施例中,檢測配方包含應用於由輸出擷取子系統針對樣品產生之輸出以藉此偵測樣品上之缺陷的一缺陷偵測方法,且一或多個電腦子系統經組態用於基於相對於樣品之設計判定之缺陷之位置而識別哪些缺陷為系統缺陷。如本文中使用(且此項技術中通常使用)之術語「系統缺陷」係指非隨機的缺陷。代替地,通常以相對較大數目個例項中
之一樣品上之相同圖案或圖案化特徵及/或以一相對較高頻率存在並偵測系統缺陷(每一數目個圖案或圖案化特徵例項之相對較高數目個缺陷)。
系統DOI易感性將可能跨越關注區域邊界。特定言之,基於設計而產生基於設計及基於DOI之關注區域兩者(例如,基於設計之關注區域基於一POI及對POI預期在設計中之位置之瞭解,基於DOI之關注區域基於一DOI及對DOI預期在設計中之位置之瞭解)。相比之下,不同於純粹基於設計之關注區域,基於DOI之關注區域亦基於DOI資訊。然而,藉由本文中描述之實施例產生之多個關注區域類型中(例如,在多個關注區域子群組及/或多個子關注區域中)可能存在一個DOI類型之多個例項,及/或藉由本文中描述之實施例產生之多個關注區域類型(例如,多個關注區域子群組及/或多個子關注區域)可能易受相同類型之DOI之影響。舉例而言,多個關注區域(即,具有不同類型之關注區域)中可能出現相同圖案或圖案化特徵,此接著可能導致在具有不同類型之不同關注區域中偵測到相同DOI。因此,具有一些幾何相依性之DOI類型將可能出現在多個關注區域類型(不同關注區域類型或不同子關注區域之例項)中且實現此等DOI類型之識別對於本文中描述之實施例可能為關鍵的。
可在設定期間考量跨關注區域DOI易感性。舉例而言,(若干)電腦子系統可藉由在每一關注區域類型之樣本設計上運行DOI特定規則而判定一DOI與關注區域相容性矩陣。在第一步驟中,基於故障機制(基於規則或基於熱點)形成關注區域。在第二步驟中,該等關注區域根據其等雜訊特性進一步***。基於雜訊之關注區域之此層次結構形成提供DOI至關注區域之自然映射(僅將基於雜訊之***分組回成其原始關注區域類型)。
在另一實例中,取代基於依據如當前執行之關注區域而變化之缺陷偵測結果判定一DOI或一系統DOI(即,以一系統方式存在於樣品上之一缺陷)之存在,其中偵測到缺陷之關注區域可不用於系統缺陷識別(或可不單獨用於系統缺陷識別中)。代替地,可使用所偵測缺陷相對於設計之位置來判定哪些所偵測缺陷為系統的及/或DOI。
可以若干不同方式執行此系統缺陷偵測。舉例而言,可比較不同缺陷之各者之設計背景內容以判定哪些所偵測缺陷具有相同設計背景內容。設計背景內容可為圍繞缺陷之一預定區域內之一或多個圖案化特徵。因此,所偵測缺陷之設計背景內容可能不同於針對其等產生關注區域之POI及/或針對其等產生關注區域之POI之設計背景內容。定位於相同設計背景內容中且數目或頻率大於某一預定臨限值之缺陷可被識別為系統缺陷。
可從由輸出擷取子系統產生之輸出識別設計背景內容(例如,在樣品之影像中)。替代地,可在樣品之設計中識別設計背景內容。舉例而言,可以若干不同方式(例如,基於由輸出擷取子系統針對樣品產生之輸出與樣品之設計之對準)判定所偵測缺陷之設計座標,且可使用所偵測缺陷之設計座標來判定設計座標處之設計背景內容。以此方式,不同於用於系統缺陷偵測之先前基於關注區域之方法,本文中描述之實施例可不使用關注區域資訊用於系統缺陷偵測而依賴於對應於所偵測缺陷位置之圖案或圖案化特徵以用於系統缺陷識別。
在一項實施例中,(若干)電腦子系統經組態用於對多個樣品執行檢測配方且藉由判定變動且比較該變動與一預定可允許變動而監測針對多個樣品判定之一或多個輸出屬性依據樣品而變化之變動。舉例而
言,(若干)電腦子系統可經組態以聚集每一樣品上之每一關注區域類型之對比度及雜訊統計資料。(若干)電腦子系統亦可經組態用於監測樣品間之一或多個關注區域類型(例如,關鍵關注區域類型(即,具有關鍵幾何形狀之關注區域類型,諸如具有最小寬度、間距等之圖案化特徵))之對比度及雜訊之變動。可以此項技術中已知之任何適合方式對多個樣品執行檢測配方。在樣品間監測其變動之(若干)輸出屬性可為在本文中描述之實施例中判定之(若干)相同輸出屬性,而此並非必需的(例如,可將與用於判定步驟不同之(若干)輸出屬性用於監測)。可以任何適合方式判定及/或設定預定可允許變動。舉例而言,一使用者可基於一關注區域類型之關鍵程度、在檢測之前對樣品執行之製程中可容許或預期之變動量、檢測配方之正常執行中預期之變動量、及類似者而設定預定可允許變動。
在一項此實施例中,(若干)電腦子系統經組態用於基於在對多個樣品之一者執行檢測配方之後判定之變動與預定可允許變動的比較而判定藉由對多個樣品之一者執行檢測配方所產生之結果之一可信度。舉例而言,若一關注區域類型超過一可允許變動,則一或多個電腦子系統可使用此資訊來產生警報:此樣品/關注區域類型足夠不同,使得在靈敏度或缺陷偵測結果(例如,帕累托)準確性方面無法獲得相對較高可信度。可基於針對一樣品判定之變動超過預定可允許變動的量而判定可信度(例如,隨著變動與預定可允許變動之間之差異增大,可信度減小)。可以任何適合方式判定可信度與變動及預定可允許變動之間之差異之間的相關性。每當對一樣品執行檢測配方時,針對樣品判定之變動可與預定可允許變動進行比較,可基於比較之結果而判定一可信度,且在該可信度低於一預定可信度臨限值之情況下可產生一警報。
在另一此實施例中,(若干)電腦子系統經組態用於基於比較變動與預定可允許變動之結果而更改對多個樣品之一者執行之一缺陷檢視程序之一或多個參數。舉例而言,若一關注區域類型超過一可允許變動,則一或多個電腦子系統可使用所偵測偏移來增加用於此樣品/關注區域類型之缺陷檢視(例如,掃描電子顯微鏡(SEM))預算(若預測缺陷更多地掩埋於雜訊基底中)。以此方式,藉由更改如上文描述之缺陷檢視之(若干)參數,可在展現一偏移之一關注區域類型中檢視更多缺陷,此可用於修改關注區域類型之檢測結果及/或提供更多資訊用於判定發生偏移之原因。
缺陷檢視通常涉及重新偵測藉由一檢測程序如此偵測之缺陷及使用一高放大率光學系統或一掃描電子顯微鏡(SEM)以一較高解析度產生關於缺陷之額外資訊。因此,在已藉由檢測偵測到缺陷之樣品上之離散位置處執行缺陷檢視。藉由缺陷檢視產生之缺陷之較高解析度資料更適於判定缺陷之屬性,諸如輪廓、粗糙度、更精確大小資訊等。由於針對藉由檢測在樣品上偵測到之缺陷執行缺陷檢視,因此亦可基於藉由檢測程序判定之缺陷之屬性而判定用於一所偵測缺陷之一位置處之缺陷檢視之參數。
在一額外此實施例中,一或多個電腦子系統經組態用於在針對多個樣品之一者產生之變動超過預定可允許變動時,更改針對多個樣品之一者上之關注區域執行之檢測配方之一或多個參數。舉例而言,若一關注區域類型超過一可允許變動,則一或多個電腦子系統可針對此受影響關注區域類型移除任何擾亂點事件過濾器。以此方式,可保存針對超過可允許變動之關注區域類型偵測之全部事件以供進一步分析(例如,使用全
部所偵測事件來判定發生關注區域中之偏移的原因,對較高數目個所偵測事件取樣以判定哪些事件為擾亂點且哪些為實際缺陷等)。
在一項此實施例中,(若干)電腦子系統經組態用於更改針對多個樣品之一者上之關注區域執行之一缺陷檢視程序之一或多個參數。舉例而言,若一關注區域類型超過一可允許變動,則一或多個電腦子系統可針對此受影響關注區域類型移除任何擾亂點事件過濾器且執行適應性取樣及大規模檢視以判定此關注區域類型之缺陷偵測結果(例如,帕累托)。特定言之,如上文描述,在超過可允許變動之一關注區域類型中偵測之全部事件可被保存而非經擾亂點過濾。接著,可針對關注區域類型執行一適應性取樣方法。取樣可為適應性的,此係因為其適合於實際上在關注區域類型中偵測到而非在檢測配方運行之前設定之事件。接著,可基於適應性產生之樣本而執行針對關注區域類型執行之大規模檢視且該檢視可為大規模的,此係因為其可檢視每一取樣事件或取樣事件之至少大部分(例如,80%或90%)。以此方式,儘管(若干)關注區域類型輸出屬性中存在偏移,關注區域類型中偵測到之實際缺陷仍可與在關注區域類型中偵測到之擾亂點事件準確分離。
在另一實施例中,(若干)電腦子系統經組態用於在針對多個樣品之一者產生之變動超過預定可允許變動時,針對多個樣品之一者運行一缺陷發現配方。舉例而言,若一關注區域類型超過一可允許變動,則一或多個電腦子系統可自動運行一缺陷發現配方(假定當前配方無法在此樣品上有效地運行)。如本文中使用之術語「缺陷發現配方」可通常被定義為其中對一樣品執行一掃描且使用一熱臨限值(即,在輸出之雜訊基底處或中設定之一臨限值)來執行一缺陷偵測方法的一配方。以此方式,缺
陷發現配方可產生大量偵測事件,該等偵測事件接著可經分析(例如,藉由系統缺陷偵測及/或檢視及適應性取樣)以識別哪些偵測事件為實際缺陷或DOI且哪些為擾亂點。以此方式,若一樣品上存在一新DOI類型且藉此歪曲檢測配方之結果,則可藉由本文中描述之實施例識別該新DOI類型。另外,可使用缺陷發現配方之結果來進一步更改在多個樣品上運行之檢測配方之一或多個參數。舉例而言,若缺陷發現配方展示具有一異常變動之關注區域類型中不存在新DOI而代替地變動係歸因於擾亂點事件及/或關注區域類型中之雜訊源之一變動,則如本文中描述般選擇其參數之檢測配方可在相同參數及/或一或多個其他參數值方面進行修改。
在另一實施例中,樣品上之關注區域之多個例項之一者之一部分具有空間上與樣品上之另一關注區域之一例項之一部分之一區域重合的一區域,關注區域及另一關注區域具有不同優先級,且一或多個電腦子系統經組態用於判定針對樣品上之關注區域之多個例項判定之一或多個輸出屬性依據樣品上之多個例項之位置而變化之變動且基於經判定變動而判定區域中之關注區域及另一關注區域之一順序。因此,此一實施例特別適合處置樣品內之程序變動。
在此實施例中,判定步驟可包含針對每一作業按關注區域類型聚集對比度及雜訊統計資料。一或多個電腦子系統亦可監測跨一單一樣品之關鍵關注區域類型之對比度及雜訊。當前,關注區域類型具有從具有與較高優先級關注區域類型相同之像素之關注區域類型移除經檢測區域的順序。簡言之,從較低優先級關注區域移除重疊之區域。可能不存在排列對關注區域進行排序之整體「正確」方式。舉例而言,在一樣品之邊緣處,正確解決方案可為與關注區域2重疊之關注區域1。然而,在樣品之中
心,正確解決方案可為與關注區域1重疊之關注區域2。允許一更高雜訊關注區域有效地從一較低雜訊關注區域移除檢測區域可能負面影響靈敏度。藉由量測對比度及雜訊如何跨樣品偏移,(若干)電腦子系統可對關注區域之最佳順序作出一運行時間決策。
在一額外實施例中,一或多個電腦子系統經組態用於基於不同關注區域子群組而選擇樣品之一度量衡配方之一參數,使得運用度量衡配方之參數之不同值量測具有一或多個輸出屬性之統計上不同值之不同關注區域子群組。舉例而言,本文中描述之實施例不限於設定僅用於檢測之關注區域。代替地或額外地,實施例可用於其他程序,像度量衡。在此等實施例中,可如本文中描述般執行產生、判定及分離步驟,且選定之度量衡配方之參數可包含度量衡配方之任何適合參數,包含硬體及軟體參數。以此方式,度量衡配方之(若干)參數可基於藉由本文中描述之分離步驟產生之關注區域而在關注區域間變動。
在一半導體製程期間之各個步驟使用度量衡程序來監測並控制程序。度量衡程序與檢測程序之不同之處在於:不同於其中在一樣品上偵測到缺陷之檢測程序,使用度量衡程序來量測無法使用當前使用之檢測工具判定之樣品之一或多個特性。舉例而言,使用度量衡程序來量測一樣品之一或多個特性(諸如在一程序期間形成於樣品上之特徵之一尺寸(例如,線寬、厚度等)),使得可從該一或多個特性判定程序之效能。另外,若樣品之一或多個特性係無法接受的(例如,超出(若干)特性之一預定範圍),則可使用樣品之一或多個特性之量測來更改程序之一或多個參數,使得藉由程序製造之額外樣品具有(若干)可接受特性。
度量衡程序與缺陷檢視程序之不同之處亦在於:不同於其
中在缺陷檢視中重新訪問藉由檢測偵測到之缺陷之缺陷檢視程序,可在尚未偵測到缺陷之位置處執行度量衡程序。換言之,不同於缺陷檢視,在一樣品上之執行一度量衡程序之位置可獨立於對樣品執行之一檢測程序之結果。特定言之,可獨立於檢測結果來選擇執行一度量衡程序之位置。另外,由於可獨立於檢測結果來選擇樣品上之執行度量衡之位置,因此不同於其中無法判定樣品上之將執行缺陷檢視之位置,直至產生樣品之檢測結果並可供使用的缺陷檢視,在已對樣品執行一檢測程序之前可判定執行度量衡程序之位置。
在另一實施例中,(若干)電腦子系統經組態用於產生包括判定、分離及選擇步驟之結果之一資料庫且基於針對另一樣品及資料庫產生之一關注區域而選擇用於另一樣品之一檢測配方之一參數。資料庫可具有本文中描述之任何適合格式。另外,可如本文中進一步描述般組態並產生資料庫且該資料庫可包含藉由本文中描述之步驟之任一者產生之資訊及/或結果之任一者。當針對(若干)其他樣品執行步驟時,可將針對(該等)其他樣品執行之步驟之結果添加至資料庫,藉此跨樣品累積結果。
因此,可使用資料庫來執行選擇用於另一樣品之一檢測配方之一參數而針對或未針對該另一樣品執行本文中描述之其他步驟。舉例而言,由(若干)電腦子系統產生之資料庫實現樣品間(及/或裝置間)之學習,使得可在未經歷本文中描述之雜訊資料擷取步驟之情況下最佳化用於一新樣品(或裝置)之一檢測配方,此可提供一顯著操作優勢。亦可如2010年3月9日頒予Kulkarni等人之美國專利第7,676,077號及2011年1月25日頒予Duffy等人之美國專利第7,877,722號中描述般執行此檢測配方設定,該等專利宛如完整陳述般以引用之方式併入本文中。可如此等專利中描述般
進一步組態此實施例。
本文中描述之全部方法可包含將方法實施例之一或多個步驟之結果儲存於一電腦可讀儲存媒體中。結果可包含本文中描述之結果之任一者且可以此項技術中已知之任何方式儲存。儲存媒體可包含本文中描述之任何儲存媒體或此項技術中已知之任何其他適合儲存媒體。
在已儲存結果之後,結果可在儲存媒體中進行存取且由本文中描述之方法或系統實施例之任一者使用、經格式化以對一使用者顯示、由另一軟體模組、方法或系統使用等。舉例而言,可使用如本文中描述般選擇之檢測配方之參數來修改檢測配方且將該經修改檢測配方儲存於一儲存媒體中。接著,可使用所儲存、經修改檢測配方來對樣品及可能相同類型之其他樣品執行檢測。可藉由本文中描述之系統實施例或另一系統運用經修改檢測配方來執行檢測。以一類似方式,一經修改度量衡配方可經儲存且由系統或另一系統用於對樣品或相同設計之其他樣品執行度量衡。
本文中描述之實施例可與用於樣品檢測、度量衡及其他品質控制程序之其他技術及系統組合。2010年3月9日頒予Kulkarni等人之美國專利第7,676,077號、2011年1月25日頒予Duffy等人之美國專利第7,877,722號、2012年2月28日頒予Bhaskar等人之美國專利第8,126,255號、2012年6月29日頒予Bhaskar等人之美國專利第8,204,296號、2013年12月17日頒予Kulkarni等人之美國專利第8,611,639號、2015年11月10日頒予Karsenti等人之美國專利第9,183,624號、及2016年2月16日頒予Shifrin等人之美國專利第9,262,821號、及2017年3月2日由Duffy等人發表之美國專利申請案公開案第2017/0059491號中描述可與本文中描述之
實施例組合之方法及系統之實例,該等案之各者宛如完整陳述般以引用之方式併入本文中。可如此等專利及專利公開案中描述般進一步組態本文中描述之實施例。
本文中描述之實施例提供優於先前使用之基於關注區域之方法及系統之若干優點。舉例而言,本文中描述之實施例實現針對影像雜訊分割最佳化檢測關注區域之一可行手段。實施例亦可使用基於雜訊資料修改之關注區域來對在設計及雜訊方面均勻之區域分組以改良可用於識別離群點像素作為檢測器之信號處理鏈之部分之信雜比。另外,本文中描述之實施例特別地藉由提供關注區域放置之前所未有的體積及準確性而改良獲得權利的時間以用於分割影像雜訊以提高淨檢測靈敏度之目的。
額外優點包含關注區域類型不再經組合以形成有限數目個區。代替地,其等基於從多個晶粒獲取之樣品雜訊及背景內容進一步分割。分割可產生關注區域子群組(其中相同類型之關注區域之多個例項分離成不同子群組)及/或子關注區域(其中一關注區域之一個例項分離成不同子關注區域)。因此,本文中描述之實施例允許關注區域為純雜訊、背景內容及設計的。本文中描述之實施例亦允許基於雜訊統計資料而組合來自不同關注區域類型之不同子群組或不同子關注區域。因此,關注區域子群組及/或子關注區域可為純雜訊、背景內容及設計的。運用已如本文中描述般分割(且視情況組合)之關注區域執行之檢測將具有經改良缺陷偵測。舉例而言,在MDAT缺陷偵測之情況中,MDAT雲將較窄,藉此提高相對較低信號DOI之信雜比。換言之,實現基於子關注區域及/或關注區域子群組之偵測提供一較窄MDAT雲及因此較佳DOI可偵測性。本文中描述之實施例將能夠偵測過去在雜訊基底內之深處之缺陷。
本文中描述之實施例亦提供基於雜訊/背景內容之分割之一自動化方式。另外,本文中描述之實施例提供重組基於雜訊/背景內容分離之關注區域之一自動化方式。舉例而言,本文中描述之實施例將能夠自動1)細分關注區域類型及/或例項及/或2)重組基於樣品及背景內容量度分割之關注區域。因此,本文中描述之實施例之另一優點係將消除歸因於手動關注區域選擇的檢測結果之可變性。由於不存在涉及之手動關注區域程序,因此關注區域分割/組合將為有條理且最佳的。此外,藉由本文中描述之實施例之關注區域設定程序之自動化將顯著改良相對較低信號缺陷之可偵測性。
上文描述之系統之各者之實施例之各者可一起組合成一項單一實施例。
另一實施例係關於一種用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的電腦實施方法。該方法包含上文描述之產生、判定、分離及選擇步驟。
可如本文中進一步描述般執行方法之步驟之各者。方法亦可包含可由本文中描述之輸出擷取子系統及/或(若干)電腦子系統或(若干)系統執行之(若干)任何其他步驟。由可根據本文中描述之實施例之任一者組態之一或多個電腦系統執行產生、判定、分離及選擇步驟。另外,可由本文中描述之系統實施例之任一者執行上文描述之方法。
一額外實施例係關於一種儲存程式指令之非暫時性電腦可讀媒體,該等程式指令可在一電腦系統上執行以執行用於設定具有基於設計及雜訊之關注區域之一樣品之檢測之一電腦實施方法。圖10中展示一項此實施例。特定言之,如圖10中展示,非暫時性電腦可讀媒體1000包含
可在電腦系統1004上執行之程式指令1002。電腦實施方法可包含本文中描述之(若干)任何方法之(若干)任何步驟。
實施諸如本文中描述之方法之方法之程式指令1002可儲存於電腦可讀媒體1000上。電腦可讀媒體可為一儲存媒體,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。
可以多種方式(包含基於程序之技術、基於組件之技術及/或物件導向技術等等)之任一者實施程式指令。舉例而言,可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別(「MFC」)、SSE(串流SIMD擴展)或其他技術或方法論實施程式指令。
可根據本文中所描述之實施例之任一者組態電腦系統1004。
鑑於此描述,熟習此項技術者將瞭解本發明之多種態樣之進一步修改及替代實施例。舉例而言,提供用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的方法及系統。因此,將此描述解釋為僅係闡釋性且係出於向熟習此項技術者教示實行本發明之一般方式之目的。應瞭解,應將本文中展示且描述之本發明之形式視為目前較佳實施例。皆如熟習此項技術者在受益於本發明之此描述之後將瞭解,元件及材料可替代本文中繪示且描述之該等元件及材料,可顛倒部分及程序,且可獨立利用本發明之某些特徵。可對本文中描述之元件做出改變而不脫離如以下發明申請專利範圍中所描述之本發明之精神及範疇。
400:測試影像
402:關注區域
Claims (34)
- 一種經組態用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的系統,該系統包括:一輸出擷取子系統,其包括至少一能量源及一偵測器,其中該能量源經組態以產生被引導至一樣品之能量,且其中該偵測器經組態以偵測來自該樣品之能量且回應於該所偵測能量而產生輸出;及一或多個電腦子系統,其或其等經組態用於:基於該樣品之一設計而產生該樣品之一關注區域,其中該關注區域定義含有一所關注圖案之該設計之一部分;針對該樣品上之該關注區域之多個例項判定一或多個輸出屬性,其中從由該輸出擷取子系統針對該多個例項產生之該輸出判定該一或多個輸出屬性;基於該一或多個輸出屬性將該樣品上之該關注區域之該多個例項分離成不同關注區域子群組,使得該等不同關注區域子群組具有該一或多個輸出屬性之統計上不同值;且基於該等不同關注區域子群組而選擇該樣品之一檢測配方之一參數,使得在針對該樣品執行該檢測配方時,用該參數之不同值檢測具有該一或多個輸出屬性之該等統計上不同值之該等不同關注區域子群組。
- 如請求項1之系統,其中該一或多個輸出屬性之至少一者係一雜訊屬性。
- 如請求項1之系統,其中從其判定該一或多個輸出屬性之該輸出係由該偵測器針對該樣品產生之輸出。
- 如請求項1之系統,其中從其判定該一或多個輸出屬性之該輸出係運用該輸出擷取子系統之一個以上模式針對該樣品產生之輸出。
- 如請求項1之系統,其中基於該設計產生該樣品之該關注區域包括在該設計中搜尋該所關注圖案。
- 如請求項1之系統,其中該檢測配方之該參數之該等不同值包括在該檢測配方中用於偵測該樣品上之缺陷之一缺陷偵測方法之不同靈敏度。
- 如請求項1之系統,其中該所關注圖案具有一第一所關注圖案類型,其中另一關注區域定義含有具有一第二所關注圖案類型之另一所關注圖案之該設計之另一部分,且其中分別針對該關注區域及該另一關注區域執行該產生、判定、分離及選擇。
- 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用於針對該樣品上之該關注區域之該多個例項之一或多者判定依據該關注區域內之位置而變化之該一或多個輸出屬性且基於依據該位置而變化之該一或多個輸出屬性將該關注區域分離成兩個或兩個以上不同子關注區域,使得該兩個或兩個以上不同子關注區域具有該一或多個輸出屬性之統計上不同 值。
- 如請求項1之系統,其中該檢測配方包括應用於由該輸出擷取子系統針對該樣品產生之該輸出以藉此偵測該樣品上之缺陷的一缺陷偵測方法,且其中該一或多個電腦子系統進一步經組態用於基於相對於該樣品之該設計判定之該等缺陷之位置而識別哪些該等缺陷為系統缺陷。
- 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用於藉由對少於該樣品上之該關注區域之全部該多個例項取樣而選擇針對其等判定該一或多個輸出屬性之該關注區域之該多個例項,其中基於該一或多個輸出屬性中之預期晶粒級變動而執行該取樣,且其中該一或多個電腦子系統進一步經組態用於基於該經判定一或多個輸出屬性而判定該關注區域之該一或多個輸出屬性中之實際晶粒級變動。
- 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用於藉由對少於該樣品上之該關注區域之全部該多個例項取樣而選擇針對其等判定該一或多個輸出屬性之該關注區域之該多個例項,其中基於該一或多個輸出屬性中之預期樣品級變動而執行該取樣,且其中該一或多個電腦子系統進一步經組態用於基於該經判定一或多個輸出屬性而判定該關注區域之該一或多個輸出屬性中之實際樣品級變動。
- 如請求項1之系統,其中使用一第一預定方法來執行產生該關注區域,且其中該一或多個電腦子系統進一步經組態用於運用一第二預定方法 針對該所關注圖案產生另一關注區域,針對該另一關注區域執行該判定及該分離步驟,且基於針對該關注區域及該另一關注區域執行之該判定及該分離步驟之結果而選擇該第一或第二預定方法用於產生額外關注區域。
- 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用於藉由從針對該多個例項判定之該一或多個輸出屬性之統計分析推斷一方法之一或多個經修改參數而修改用於產生該關注區域之該方法。
- 如請求項1之系統,其中基於該設計針對該樣品產生之另一關注區域定義含有一不同所關注圖案之該設計之一不同部分,且其中該一或多個電腦子系統進一步經組態用於基於針對該關注區域執行之該判定及分離之結果而判定是否針對該另一關注區域執行該判定及該分離步驟。
- 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用於基於該設計而產生該樣品之另一關注區域,針對該另一關注區域執行該判定及該分離步驟,識別含有具有高於一預定臨限值之類似性之一量度且具有該一或多個輸出屬性之統計上類似值之一圖案之該關注區域及該另一關注區域之該等不同關注區域子群組,且將該等經識別不同關注區域子群組中之該關注區域及該另一關注區域之該多個例項組合成一單一關注區域群組。
- 如請求項1之系統,其中該關注區域係該所關注圖案之多個關注區域之一者,且其中產生該關注區域包括識別該設計中之該所關注圖案之不同 例項,判定該設計中之該所關注圖案之該等不同例項之設計背景內容,將具有不同設計背景內容之該等不同例項分離成不同群組,及將該等不同群組之一者指派至該關注區域。
- 如請求項16之系統,其中使用幾何雜湊來執行分離該等不同例項。
- 如請求項16之系統,其中該一或多個電腦子系統進一步經組態用於針對該樣品上之該多個關注區域之另一者之多個例項判定該一或多個輸出屬性且在該關注區域及該多個關注區域之另一者之該多個例項之該一或多者具有該一或多個輸出屬性之統計上相同值時,將該關注區域之該多個例項之一或多者及該多個關注區域之另一者之該多個例項之一或多者組合成一單一關注區域群組。
- 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用於對多個樣品執行該檢測配方且藉由判定變動且比較該變動與一預定可允許變動而監測針對該多個樣品判定之該一或多個輸出屬性依據樣品而變化之該變動。
- 如請求項19之系統,其中該一或多個電腦子系統進一步經組態用於基於在對該多個樣品之一者執行該檢測配方之後判定之該變動與該預定可允許變動的比較而判定藉由對該多個樣品之一者執行該檢測配方所產生之結果之一可信度。
- 如請求項19之系統,其中該一或多個電腦子系統進一步經組態用於基於比較該變動與該預定可允許變動之結果而更改對該多個樣品之一者執行之一缺陷檢視程序之一或多個參數。
- 如請求項19之系統,其中該一或多個電腦子系統進一步經組態用於在針對該多個樣品之一者產生之該變動超過該預定可允許變動時,更改針對該多個樣品之一者上之該關注區域執行之該檢測配方之一或多個參數。
- 如請求項22之系統,其中該一或多個電腦子系統進一步經組態用於更改針對該多個樣品之一者上之該關注區域執行之一缺陷檢視程序之一或多個參數。
- 如請求項19之系統,其中該一或多個電腦子系統進一步經組態用於在針對該多個樣品之一者產生之該變動超過該預定可允許變動時,針對該多個樣品之一者運行一缺陷發現配方。
- 如請求項1之系統,其中該樣品上之該關注區域之該多個例項之一者之一部分具有空間上與該樣品上之另一關注區域之一例項之一部分之一區域重合的一區域,其中該關注區域及該另一關注區域具有不同優先級,且其中該一或多個電腦子系統進一步經組態用於判定針對該樣品上之該關注區域之該多個例項判定之該一或多個輸出屬性依據該樣品上之該多個例項之位置而變化之變動且基於該經判定變動而判定該區域中之該關注區域及該另一關注區域之一順序。
- 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用於基於該等不同關注區域子群組而選擇該樣品之一度量衡配方之一參數,使得運用該度量衡配方之該參數之不同值量測具有該一或多個輸出屬性之該等統計上不同值之該等不同關注區域子群組。
- 如請求項1之系統,其中該樣品包括一晶圓。
- 如請求項1之系統,其中該樣品包括一倍縮光罩。
- 如請求項1之系統,其中被引導至該樣品之該能量包括光,且其中自該樣品偵測之該能量包括光。
- 如請求項1之系統,其中被引導至該樣品之該能量包括電子,且其中自該樣品偵測之該能量包括電子。
- 如請求項1之系統,其中被引導至該樣品之該能量包括離子。
- 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用於產生包括該判定、該分離及該選擇步驟之結果之一資料庫且基於針對另一樣品及該資料庫產生之一關注區域而選擇用於該另一樣品之一檢測配方之一參數。
- 一種非暫時性電腦可讀媒體,其儲存程式指令,該等程式指令可在一電腦系統上執行以執行用於設定具有基於設計及雜訊之關注區域之一樣品之檢測之一電腦實施方法,其中該電腦實施方法包括:基於一樣品之一設計而產生該樣品之一關注區域,其中該關注區域定義含有一所關注圖案之該設計之一部分;針對該樣品上之該關注區域之多個例項判定一或多個輸出屬性,其中從由一輸出擷取子系統針對該多個例項產生之輸出判定該一或多個輸出屬性,其中該輸出擷取子系統包括至少一能量源及一偵測器,其中該能量源經組態以產生被引導至該樣品之能量,且其中該偵測器經組態以偵測來自該樣品之能量且回應於該所偵測能量而產生該輸出;基於該一或多個輸出屬性將該樣品上之該關注區域之該多個例項分離成不同關注區域子群組,使得該等不同關注區域子群組具有該一或多個輸出屬性之統計上不同值;及基於該等不同關注區域子群組而選擇該樣品之一檢測配方之一參數,使得在針對該樣品執行該檢測配方時,用該參數之不同值檢測具有該一或多個輸出屬性之該等統計上不同值之該等不同關注區域子群組。
- 一種用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的電腦實施方法,該方法包括:基於一樣品之一設計而產生該樣品之一關注區域,其中該關注區域定義含有一所關注圖案之該設計之一部分;針對該樣品上之該關注區域之多個例項判定一或多個輸出屬性,其中從由一輸出擷取子系統針對該多個例項產生之輸出判定該一或多個輸出 屬性,其中該輸出擷取子系統包括至少一能量源及一偵測器,其中該能量源經組態以產生被引導至該樣品之能量,且其中該偵測器經組態以偵測來自該樣品之能量且回應於該所偵測能量而產生該輸出;基於該一或多個輸出屬性將該樣品上之該關注區域之該多個例項分離成不同關注區域子群組,使得該等不同關注區域子群組具有該一或多個輸出屬性之統計上不同值;及基於該等不同關注區域子群組而選擇該樣品之一檢測配方之一參數,使得在針對該樣品執行該檢測配方時,用該參數之不同值檢測具有該一或多個輸出屬性之該等統計上不同值之該等不同關注區域子群組,其中由一或多個電腦系統執行該產生、判定、分離及選擇。
Applications Claiming Priority (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862747893P | 2018-10-19 | 2018-10-19 | |
US62/747,893 | 2018-10-19 | ||
US201862774558P | 2018-12-03 | 2018-12-03 | |
US62/774,558 | 2018-12-03 | ||
US201962792853P | 2019-01-15 | 2019-01-15 | |
US62/792,853 | 2019-01-15 | ||
US16/364,161 | 2019-03-25 | ||
US16/364,161 US10832396B2 (en) | 2018-10-19 | 2019-03-25 | And noise based care areas |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202030475A TW202030475A (zh) | 2020-08-16 |
TWI808266B true TWI808266B (zh) | 2023-07-11 |
Family
ID=70281171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108136514A TWI808266B (zh) | 2018-10-19 | 2019-10-09 | 用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的系統、方法及電腦可讀媒體 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10832396B2 (zh) |
KR (1) | KR102576881B1 (zh) |
CN (1) | CN112840205B (zh) |
IL (1) | IL281900B2 (zh) |
TW (1) | TWI808266B (zh) |
WO (1) | WO2020081748A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11775728B2 (en) * | 2018-12-19 | 2023-10-03 | Asml Netherlands B.V. | Methods for sample scheme generation and optimization |
US11619592B2 (en) | 2019-07-09 | 2023-04-04 | KLA Corp. | Selecting defect detection methods for inspection of a specimen |
US11615993B2 (en) * | 2019-11-21 | 2023-03-28 | Kla Corporation | Clustering sub-care areas based on noise characteristics |
US11769242B2 (en) | 2020-05-21 | 2023-09-26 | Kla Corporation | Mode selection and defect detection training |
US20220301133A1 (en) * | 2021-03-16 | 2022-09-22 | Kla Corporation | Segmentation of design care areas with a rendered design image |
US11887296B2 (en) * | 2021-07-05 | 2024-01-30 | KLA Corp. | Setting up care areas for inspection of a specimen |
US20230013051A1 (en) * | 2021-07-12 | 2023-01-19 | Kla Corporation | Fast and fuzzy pattern grouping |
US11954775B2 (en) * | 2022-02-23 | 2024-04-09 | International Business Machines Corporation | Artboard element positioning in a series of computer-based artboards |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150324965A1 (en) * | 2014-05-12 | 2015-11-12 | Kla-Tencor Corporation | Using High Resolution Full Die Image Data for Inspection |
US20160377561A1 (en) * | 2015-05-28 | 2016-12-29 | Kla-Tencor Corporation | System and Method for Dynamic Care Area Generation on an Inspection Tool |
TW201732275A (zh) * | 2016-02-01 | 2017-09-16 | 克萊譚克公司 | 用於選擇缺陷檢查之配方之方法及系統 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060280358A1 (en) | 2003-06-30 | 2006-12-14 | Akio Ishikawa | Pattern comparison inspection method and pattern comparison inspection device |
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 |
US7877722B2 (en) | 2006-12-19 | 2011-01-25 | Kla-Tencor Corp. | Systems and methods for creating inspection recipes |
US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
US7796804B2 (en) | 2007-07-20 | 2010-09-14 | Kla-Tencor Corp. | Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer |
US8611639B2 (en) | 2007-07-30 | 2013-12-17 | Kla-Tencor Technologies Corp | Semiconductor device property extraction, generation, visualization, and monitoring methods |
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 |
US8112241B2 (en) | 2009-03-13 | 2012-02-07 | Kla-Tencor Corp. | Methods and systems for generating an inspection process for a wafer |
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 |
JP5460662B2 (ja) | 2011-09-07 | 2014-04-02 | 株式会社日立ハイテクノロジーズ | 領域決定装置、観察装置または検査装置、領域決定方法および領域決定方法を用いた観察方法または検査方法 |
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 |
US9183624B2 (en) | 2013-06-19 | 2015-11-10 | Kla-Tencor Corp. | Detecting defects on a wafer with run time use of design data |
US9262821B2 (en) | 2014-05-12 | 2016-02-16 | Kla-Tencor Corp. | Inspection recipe setup from reference image variation |
US9727047B2 (en) | 2014-10-14 | 2017-08-08 | Kla-Tencor Corp. | Defect detection using structural information |
US10359371B2 (en) | 2015-08-24 | 2019-07-23 | Kla-Tencor Corp. | Determining one or more characteristics of a pattern of interest on a specimen |
-
2019
- 2019-03-25 US US16/364,161 patent/US10832396B2/en active Active
- 2019-10-09 TW TW108136514A patent/TWI808266B/zh active
- 2019-10-17 WO PCT/US2019/056626 patent/WO2020081748A1/en active Application Filing
- 2019-10-17 KR KR1020217015059A patent/KR102576881B1/ko active IP Right Grant
- 2019-10-17 IL IL281900A patent/IL281900B2/en unknown
- 2019-10-17 CN CN201980067471.5A patent/CN112840205B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150324965A1 (en) * | 2014-05-12 | 2015-11-12 | Kla-Tencor Corporation | Using High Resolution Full Die Image Data for Inspection |
US20160377561A1 (en) * | 2015-05-28 | 2016-12-29 | Kla-Tencor Corporation | System and Method for Dynamic Care Area Generation on an Inspection Tool |
TW201732275A (zh) * | 2016-02-01 | 2017-09-16 | 克萊譚克公司 | 用於選擇缺陷檢查之配方之方法及系統 |
Also Published As
Publication number | Publication date |
---|---|
US10832396B2 (en) | 2020-11-10 |
CN112840205A (zh) | 2021-05-25 |
IL281900B1 (en) | 2023-06-01 |
KR20210062713A (ko) | 2021-05-31 |
US20200126212A1 (en) | 2020-04-23 |
IL281900A (en) | 2021-05-31 |
CN112840205B (zh) | 2022-08-05 |
KR102576881B1 (ko) | 2023-09-08 |
IL281900B2 (en) | 2023-10-01 |
TW202030475A (zh) | 2020-08-16 |
WO2020081748A1 (en) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI808266B (zh) | 用於設定具有基於設計及雜訊之關注區域之一樣品之檢測的系統、方法及電腦可讀媒體 | |
TWI751376B (zh) | 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷 | |
KR102300550B1 (ko) | 검사를 위한 고해상도 전체 다이 이미지 데이터의 사용 | |
KR102369848B1 (ko) | 관심 패턴 이미지 집단에 대한 이상치 검출 | |
US10127651B2 (en) | Defect sensitivity of semiconductor wafer inspectors using design data with wafer image data | |
KR102386536B1 (ko) | 시편 상의 관심 패턴의 하나 이상의 특성의 결정 | |
US9535010B2 (en) | Defect sampling for electron beam review based on defect attributes from optical inspection and optical review | |
CN114096832B (zh) | 用于选择用于样本检验的缺陷检测方法的***和方法 | |
TW202129261A (zh) | 控制樣本檢測之程序 | |
KR20220104776A (ko) | 노이즈 특성에 기초한 서브케어 영역의 클러스터링 | |
KR102557194B1 (ko) | 검사를 위한 결함 후보 생성 | |
KR20230057462A (ko) | 시료 검사의 셋업 | |
KR20220137759A (ko) | 표본 상의 어레이 영역에서의 결함 검출 | |
US20220301133A1 (en) | Segmentation of design care areas with a rendered design image | |
TW202316105A (zh) | 設置用於檢查樣品之關注區域 |