CN112074937A - 半导体晶片上的重复缺陷的捕捉 - Google Patents

Abstract

第一阈值处的重复缺陷分析识别重复缺陷。所述重复缺陷定位于每一光罩上的相同坐标处。接收所述坐标处的半导体晶片的每一光罩上的图像，且获得多个带正负号差值图像。计算带正负号差值图像的重复缺陷阈值，还计算极性的一致性。将所述阈值应用于所述图像且确定每个重复缺陷保留的缺陷数目。可将辅助重复缺陷阈值应用于干扰过滤。

Description

半导体晶片上的重复缺陷的捕捉

相关申请案的交叉参考

本申请案主张2018年5月9日申请且转让的第62/669,361号的美国申请案的临时专利申请案的优先权，所述申请案的揭示内容特此以引用的方式并入本文中。

技术领域

本发明涉及缺陷检测。

背景技术

半导体制造业的发展对良率管理且尤其对度量及检验系统提出越来越高要求。关键尺寸不断缩小，但行业需要减少实现高良率、高价值生产的时间。最少化从检测良率问题到将其修复的总时间决定了半导体制造商的投资回报率。

制造半导体装置(例如逻辑及存储器装置)通常包含使用大量制造工艺来处理半导体晶片以形成各种特征及半导体装置的多个层级。例如，光刻是涉及将图案从光罩转印到布置于半导体晶片上的光致抗蚀剂的半导体制造工艺。半导体制造工艺的额外实例包含(但不限于)化学机械抛光(CMP)、蚀刻、沉积及离子植入。可在单个半导体晶片上以某一布置制造多个半导体装置且接着将其分离成个别半导体装置。

高级设计规则的缺陷重检可搜索相当小的对象(例如，用于检测10nm范围内的缺陷)，因此可运行热扫描以捕获此类缺陷。“热扫描”大体上是指经执行以通过应用相对激进检测设置(例如大体上接近噪声底限的阈值)来检测缺陷或对晶片采取措施的晶片的测量/检验。以此方式，可执行热扫描以收集关于将用于调谐过程(例如光学器件选择及算法调谐)的晶片的检验或测量数据。热扫描的目标可为在选定模式中在晶片上检测到所有缺陷及干扰类型的代表性样品。

重复缺陷是半导体制造商关注的问题。重复缺陷是以某一规则周期性出现于晶片上且展示与光罩上的裸片布局或晶片上的阶梯图案的某一固定关系的缺陷。光罩缺陷是重复缺陷的常见原因。可引起重复缺陷的光罩缺陷包含(例如)掩模板上的额外铬图案、掩模板上的缺失铬、掩模板上或光罩上的微粒及护膜的损坏。

重复缺陷过滤(例如，使用坐标匹配)可为可使干扰密度达到可管理水平的强过滤器。然而，掩模鉴定所需的热检验会导致数十亿缺陷候选者。应注意，重复缺陷可为“软”重复缺陷。归因于工艺变化，无法在每一光罩中印刷软重复缺陷。这意味着无法既使用现有重复缺陷检测(RDD)，同时又能够分析整个晶片的结果。

由于特征缩小及光学晶片检验工具的潜在分辨率限制，用于印刷检查的主要候选检验工具是电子束检验工具，例如扫描电子显微镜(SEM)。然而，电子束检验工具具有处理量缺点。就多个光束/柱选项的最佳方案来说，一个光罩的估计检验时间超过八小时。宽带等离子体(BBP)工具具有远远更高的处理量，且因此具有远远更高的覆盖范围。在当前BBP工具设计中，重复缺陷分析是高级缺陷检测控制器中后处理步骤的部分，且RDD的当前实施方案支持高达100亿个缺陷用于初始缺陷检测。

当前缺陷检测算法以时间顺序方式执行缺陷检测，这意味着算法逐幅带(swath)检验且永不返回到先前幅带以将新幅带的学习成果应用于旧幅带。当前方法(例如多裸片适应性阈值(MDAT)、标准参考裸片(SRD)或NanoMDAT)具有类似缺点。首先，干扰率较高且重复缺陷捕捉率较低。其次，这些技术无法使用缺陷是重复缺陷的信息来提高可检测性。此外，需要使用许多参数用于耗时干扰调谐。

与个别算法相比，这三种先前技术还具有缺点。MDAT及NanoMDAT两者需要双检测用于需要检测的每一额外缺陷的单个裸片间比较。SRD及MDAT两者计算来自整个图像帧(其通常为1k×1k像素²)的噪声。噪声可具有信噪比，因为图像帧内可存在许多噪声源。

因此，需要新的重复缺陷检测技术及系统。

发明内容

在第一实施例中，提供一种方法。所述方法包含在第一阈值处使用处理器来对半导体晶片执行重复缺陷分析以移除非重复缺陷且识别重复缺陷。所述重复缺陷定位于每一光罩上的相同坐标处。在所述处理器处接收所述坐标处的所述半导体晶片的每一光罩上的图像。使用所述处理器来获得多个带正负号差值图像。所述带正负号差值图像中的每一者用于所述坐标处的所述图像中的一者。使用所述处理器来计算所述带正负号差值图像的平均归一化值。使用所述处理器来评估所述带正负号差值图像的极性的一致性。使用所述处理器来将重复缺陷阈值应用于所述图像。使用所述处理器来确定在应用所述重复缺陷阈值之后保留于所述坐标处的缺陷数目。使用所述处理器来设置所述重复缺陷阈值以借此对干扰提供过滤。

所述方法可进一步包含执行所述半导体晶片的热扫描。所述热扫描的结果用于所述重复缺陷分析。

获得所述差值图像可包含单检测算法。获得所述差值图像还可包含双检测算法。就双检测算法来说，所述带正负号差值图像与每坐标的较高绝对重复缺陷阈值一起使用。

可使用等式

来计算所述平均归一化值。如果重复缺陷阈值是最大值，那么缺陷是明极性缺陷。如果所述重复缺陷阈值是最小值，那么缺陷是暗极性缺陷。

所述方法可进一步包含使用所述处理器来发送指令以使所述重复缺陷的位置处的所有所述光罩成像。

所述方法可进一步包含使用所述处理器来过滤使用所述设置重复缺陷阈值的所述图像。

计算所述重复缺陷阈值可包含评估具有明极性的缺陷数目及具有暗极性的缺陷数目。具有明极性的所述缺陷数目及具有暗极性的所述缺陷数目的较大者可与所述重复缺陷阈值一起使用。

可提供一种非暂时性计算机可读媒体，其存储经配置以指示处理器执行第一实施例的实例的程序。

在第二实施例中，提供一种系统。所述系统包括宽带等离子体工具及与所述宽带等离子体工具电子通信的处理器。所述宽带等离子体工具包含：载物台，其经配置以固持半导体晶片；光源，其经配置以引导光到所述半导体晶片处；及检测器，其经配置以接收从所述半导体晶片反射的光且产生图像。所述处理器经配置以：在第一阈值处对半导体晶片执行重复缺陷分析以移除非重复缺陷且识别重复缺陷；接收坐标处的所述半导体晶片的每一光罩上的图像；获得多个带正负号差值图像；计算所述带正负号差值图像的平均归一化值；评估所述带正负号差值图像的极性的一致性；将所述重复缺陷阈值应用于所述图像；确定在应用所述阈值之后保留于所述坐标处的缺陷数目；及设置重复缺陷阈值以借此对干扰提供过滤。所述重复缺陷定位于每一光罩上的相同坐标处。所述带正负号差值图像中的每一者用于所述坐标处的所述图像中的一者。

所述光源可为深紫外光源、紫外光源或可变照明光谱源中的一者。

获得所述差值图像可包含单检测算法。获得所述差值图像还可包含双检测算法。就所述双检测算法来说，所述带正负号差值图像与每坐标的较高绝对重复缺陷阈值一起使用。

可使用等式

来计算所述平均归一化值。所述重复缺陷阈值可为最大值，且缺陷可为明极性缺陷。

可使用等式

来计算所述平均归一化值。所述重复缺陷阈值可为最小值，且缺陷可为暗极性缺陷。

所述处理器可经配置以发送指令来使所述重复缺陷的位置处的所有所述光罩成像。

所述处理器可经配置以使用所述设置重复缺陷阈值来过滤所述图像。

附图说明

为较完全理解本发明的本质及目的，应参考结合附图的以下详细描述，其中：

图1是说明根据本发明的方法的实施例的流程图；

图2是每光罩包含三个裸片的光罩的晶片图及光罩堆叠；

图3是每光罩包含1个裸片的光罩的晶片图及光罩堆叠；

图4展示十八个光罩的示范性组；及

图5是根据本发明的系统实施例的图式。

具体实施方式

尽管将根据特定实施例来描述主张标的物，但其它实施例(其包含未提供本文中所阐述的所有益处及特征的实施例)也在本发明的范围内。可在不背离本发明的范围的情况下作出各种结构、逻辑、工艺步骤及电子改变。因此，仅通过参考所附权利要求书来界定本发明的范围。

本文中所揭示的重复缺陷检测的实施例可包含双算法方法。首先，使用(例如)MDAT或SRD算法来执行热扫描且分析结果。接着，可在所有潜在重复缺陷位置处收集图像数据以执行统计分析。单检测可使用两个参考减去候选图像对的最大差。可执行极性一致性分析。因此，仅保留以较大数目捕捉的重复缺陷(即，明或暗)。

图1是方法100的流程图。方法100的一或多个步骤可使用处理器。

在101中，在第一阈值处对半导体晶片执行重复缺陷分析。第一阈值移除非重复缺陷且识别重复缺陷。重复缺陷位于每一光罩上的相同坐标处。可识别软重复缺陷。

可执行半导体晶片的热扫描。热扫描的结果可用于重复缺陷分析。例如，MDAT或SRD可用于分析来自热扫描的数据。重复缺陷分析后的唯一重复缺陷的数目可表示为n。

在例子中，可使用稳健平均算法(例如用于逻辑区域或裸片到裸片检验的阵列中重复缺陷(RIA)或标准参考裸片(SRD))来找到重复缺陷位置。稳健平均算法计算特定数目个参考帧的平均值且移除例如单像素噪声的异常值。稳健平均算法可允许运行比裸片到裸片检验热的扫描，但仍可使用裸片到裸片检验。RIA平均化阵列内的许多单元且比较其与候选图像。SRD计算参考晶片上的黄金(例如参考或空白)裸片上的参考图像。接着，这可与检验晶片上的图像比较，且将计算差值图像。

在102中，接收重复缺陷的光罩坐标处的半导体晶片的每一光罩上的图像。可发送指令以使重复缺陷的位置处的所有光罩成像。这可由晶片检验工具(例如SEM)或BBP工具执行。

例如，来自101的重复缺陷可用于收集所有缺陷的所有记录光罩(计数表示为r)的相同光罩位置处的32×32像素²图像数据。此假定光罩是对准的。这导致MDAT的n×r×3个图像。倍数3存在的原因是每一位点存在1个缺陷图像及2个参考图像。这导致SRD的n×r×2个图像。倍数2存在的原因是每一位点存在1个缺陷图像及1个参考图像。重复缺陷分析之后的唯一重复缺陷的数目可表示为n，且具有相同重复缺陷标识符的缺陷可表示为r。

在103中，获得多个带正负号差值图像。在每一位点处获得一或多个带正负号差值图像。每一带正负号差值图像可用于重复缺陷的坐标处的图像。获得带正负号差值图像可包含单检测算法或双检测算法。应注意，SRD仅存在1个参考图像，因此仅存在1个带正负号差值图像。

术语“带正负号”用于区分常用程序以计算差值图像，其中从参考图像的灰阶减去候选图像的灰阶且报告每一像素的绝对值。缺失含有有价值信息的差值的符号。即，这可缺失候选图像中的缺陷比参考图像中的缺陷明亮或暗淡。对于重复缺陷，预期相同重复缺陷的所有位点具有完全相同符号。这可称为极性。如果不同光罩的给定重复缺陷的符号变化，那么此指示其可能为干扰。此一致性可用于极性中以滤除干扰事件。

可使用双检测，因为如果候选者与1个参考比较，那么无法知道缺陷是在候选或参考中。如果使用第二参考且候选与参考之间存在相同差值信号，那么缺陷必须在候选中。

当已知参考无缺陷时，使用单检测。例如，在SRD中使用空白参考。“空白”意味着是否存在与此空白(即，黄金)参考比较的任何额外缺陷是确定的唯一信息。如果从若干参考图像的中值计算参考，那么还使用单检测，因为在此情况中，中值图像计算不会在其中具有缺陷，因为中值在移除此类异常值。

在104中，计算带正负号差值图像的平均归一化值。在例子中，可通过将信号(即，缺陷值)减去平均数的差值除以标准偏差来执行归一化。在此例子中，平均数及标准偏差是带正负号差值图像。如果缺陷是明极性缺陷，那么平均归一化值可为最大值。如果缺陷是暗极性缺陷，那么平均归一化值可为最小值。关于暗缺陷及明缺陷，导致每位点的较大绝对值的等式可用于进一步分析。

可使用以下等式来计算平均归一化值。

在此等式中，如果缺陷是明极性缺陷，那么平均归一化值可为最大值。如果缺陷是暗极性缺陷，那么平均归一化值还可为最小值。

除平均归一化值等式之外，还可执行其它计算以确定是否存在信号。例如，可使用可基于图块图像来计算的原始信号(例如差值灰阶)或其它缺陷属性。可计算缺陷形状或缺陷大小。在另一实例中，基于所关注缺陷(DOI)及干扰实例来训练神经网络。此神经网络可使用导出属性(例如罗吉特值)来确定给定收集图块图像中是否存在缺陷。

在105中，对于具有相同重复缺陷标识符的缺陷(每一r个重复缺陷)，可在应用将预定义阈值应用于平均归一化值之后评估具有暗极性及明极性的缺陷的数目。可根据哪个计数较大来使用暗极性或明极性缺陷。预定义阈值可由用户设置。

在106中，评估带正负号差值图像的极性的一致性。如果每重复缺陷存在更多明极性缺陷，那么明极性缺陷的计数将用于进一步分析。如果每重复缺陷存在更多暗极性缺陷，那么暗极性缺陷的计数将用于进一步分析。

在107中，将重复缺陷阈值应用于图像。在实施例中，可基于每重复缺陷捕捉的缺陷的数目来将所有重复缺陷分类。接着，例如，选择具有最高捕捉率的1000个重复缺陷用于SEM重检。

在108中，确定在应用重复缺陷阈值之后保留于坐标处的缺陷数目。缺陷数目可以据每一重复缺陷。例如，可设置重复缺陷阈值且可报告每重复缺陷识别保留的缺陷数目。可使用SEM来重检每重复缺陷识别具有最高重复缺陷计数的重复缺陷以确定所述重复缺陷是关注或干扰缺陷。

例如，在小于50％的光罩中捕捉5000个重复缺陷，在50到60％的光罩中捕捉600个重复缺陷，且在超过60％的光罩中捕捉400个重复缺陷。取决于SEM重检预算，用户可将阈值设置为60％捕捉。用户还可具有1000个重复缺陷的SEM重检预算，且用户可重检前1000个重复缺陷，在此情况中，所述重复缺陷全部为通常超过50％的时间捕捉的重复缺陷。

重复缺陷阈值可由用户在109中设置且可基于来自步骤108的结果。重复缺陷阈值可在图像组之间改变或甚至在将重复缺陷阈值应用于图像之后改变。这可对干扰提供过滤。干扰事件将具有比所关注缺陷低的重复缺陷捕捉率。调谐重复缺陷阈值可降低干扰率。这可因为(例如)干扰事件不太可能发生于跨多个光罩的相同位置处。

重复缺陷阈值对于个别晶片来说可为唯一的或可应用于具有类似设计的其它晶片。

方法100的实施例仅需要单检测，这提高了敏感度。局部(例如，基于图块图像)信号可用于分析。可仅考虑具有相同极性的缺陷。在例子中，大多数缺陷图像比参考图像明亮或暗淡。

方法100的实施例可与SRD兼容且可有助于提高单裸片光罩重复缺陷捕捉率。

方法100的实施例可实现较高重复缺陷捕捉率及较低干扰率，因为如果重复缺陷位置具有足够局部一致显著信号，那么并非每一重复缺陷位置均需要通过第一检测阈值。此外，干扰调谐较不耗时，因为通常仅需要调整重复缺陷阈值。

图2是每光罩包含3个裸片的光罩的晶片图及光罩堆叠。标记为X的所有缺陷定位于相同光罩坐标处且是重复缺陷。标记为O的所有缺陷出现于不同光罩位置处且不是重复缺陷。在图2的实例中，如MDAT的检测算法在热扫描中检测缺陷。如果缺陷具有相同光罩坐标，那么缺陷被视作重复缺陷。在所有光罩的相同位置处收集图像数据(例如，使具有重复缺陷的坐标成像)。此标记有点。

图3是每光罩包含一个裸片的光罩的晶片图及光罩堆叠。标记为X的所有缺陷定位于相同光罩坐标处且是重复缺陷。标记为O的所有缺陷出现于不同光罩位置处且不是重复缺陷。在图3的实例中，如SRD的检测算法在热扫描中检测缺陷。如果缺陷具有相同光罩坐标，那么缺陷被视作重复缺陷。在所有光罩的相同位置处收集图像数据(例如，使具有重复缺陷的坐标成像)。此标记有点。

方法100不受限于本文中所说明的每光罩的裸片数目。方法100可与用于半导体工业中的每光罩的任何整数个裸片一起使用。因此，方法100可与每光罩一个、两个、四个、十六个或其它数目个裸片一起使用。

图4是展示十八个光罩的实例。表展示每一光罩的差值图像(“Diff image”)，其中中心缺陷位于晶片上的十八个光罩的相同光罩位置处。缺陷是图像中心的黑色(强信号)或灰色(弱信号)圆。例如，在MDAT检测到十八个光罩中的至少两者中的一些重复缺陷之后收集图像。

MDAT本身仅捕获十八个重复缺陷中的三者。具有方法100的重复缺陷阈值的MDAT(称为“MDAT+AlgoR”)在运行初始MDAT热扫描时检测到相同三个缺陷，接着获知这些是重复缺陷，且收集所有十八个光罩中的相同光罩坐标的图像数据。在此实例中，使用具有方法100的重复缺陷阈值的MDAT+AlgoR来捕捉12个缺陷。此展示为指示是否使用特定方法来捕捉缺陷的是(“Y”)及否(“N”)表值。如果所有关注缺陷展示此行为，那么可使用12的重复缺陷阈值来滤除干扰。这将导致干扰率降低。

图5中展示系统200的一个实施例。系统200包含基于光学的子系统201。一般来说，基于光学的子系统201经配置以通过将光引导到(或使光扫描)样本202且检测来自样本202的光来产生样本202的基于光学的输出。在一个实施例中，样本202包含晶片。晶片可包含所属领域中已知的任何晶片。在另一实施例中，样本包含光罩。光罩可包含所属领域中已知的任何光罩。

在图5所展示的系统200的实施例中，基于光学的子系统201包含经配置以引导光到样本202的照明子系统。照明子系统包含至少一个光源。例如，如图5中所展示，照明子系统包含光源203。在一个实施例中，照明子系统经配置以以一或多个入射角(其可包含一或多个倾斜角及/或一或多个垂直角)引导光到样本202。例如，如图5中所展示，来自光源203的光以倾斜入射角引导穿过光学元件204且接着穿过透镜205而到样本202。倾斜入射角可包含可根据(例如)样本202的特性来变化的任何合适倾斜入射角。

基于光学的子系统201可经配置以在不同时间按不同入射角引导光到样本202。例如，基于光学的子系统201可经配置以改动照明子系统的一或多个元件的一或多个特性，使得光可以不同于图5中所展示的入射角的入射角引导到样本202。在一个此实例中，基于光学的子系统201可经配置以移动光源203、光学元件204及透镜205，使得光以不同倾斜入射角或垂直(或近垂直)入射角引导到样本202。

在一些例子中，基于光学的子系统201可经配置以同时以一个以上入射角引导光到样本202。例如，照明子系统可包含一个以上照明通道，照明通道中的一者可包含光源203、光学元件204及透镜205(如图5中所展示)，且照明通道中的另一者(未展示)可包含类似元件(其可以不同或相同方式配置，或可包含至少光源及可能一或多个其它组件，例如本文中进一步所描述的组件)。如果此光与另一光同时引导到样本，那么以不同入射角引导到样本202的光的一或多个特性(例如波长、偏振等等)可不同，使得由以不同入射角照射样本202所致的光可在检测器处彼此区别。

在另一例子中，照明子系统可仅包含一个光源(例如图5中所展示的光源203)且来自光源的光可由照明子系统的一或多个光学元件(未展示)分离成不同光学路径(例如，基于波长、偏振等等)。接着，可引导不同光学路径中的每一者中的光到样本202。多个照明通道可经配置以在相同时间或不同时间引导光到样本202(例如，当使用不同照明通道来循序照射样本时)。在另一例子中，相同照明通道可经配置以在不同时间引导光到具有不同特性的样本202。例如，在一些例子中，光学元件204可经配置为光谱滤波器，且光谱滤波器的性质可以各种不同方式(例如，通过换出光谱滤波器)来改变，使得不同波长的光可在不同时间引导到样本202。照明子系统可具有所属领域中已知的任何其它合适配置用于以不同或相同入射角循序或同时引导具有不同或相同特性的光到样本202。

在一个实施例中，光源203可包含宽带等离子体(BBP)源。以此方式，由光源203产生且引导到样本202的光可包含宽带光。然而，光源可包含例如激光的任何其它合适光源。激光可包含所属领域中已知的任何合适激光且可经配置以产生所属领域中已知的一或若干任何合适波长的光。另外，激光可经配置以产生单色光或近单色光。以此方式，激光可为窄频带激光。光源203还可包含产生多个离散波长或波带的光的多色光源。

来自光学元件204的光可由透镜205聚焦到样本202上。尽管透镜205在图5中展示为单个折射光学元件，但应理解，透镜205实际上可包含数个折射及/或反射光学元件，其组合将光从光学元件聚焦到样品。图5中所展示且本文中所描述的照明子系统可包含任何其它合适光学元件(未展示)。此类光学元件的实例包含(但不限于)偏振组件、光谱滤光器、空间滤波器、反射光学元件、变迹器、分光器(例如分光器213)、孔隙及其类似者，其可包含所属领域中已知的任何此类合适光学元件。另外，基于光学的子系统201可经配置以基于用于产生基于光学的输出的照明类型来改动照明子系统的一或多个元件。

基于光学的子系统201还可包含经配置以引起光扫描样本202的扫描子系统。例如，基于光学的子系统201可包含在基于光学的输出产生期间将样本202安置于其上的载物台206。扫描子系统可包含任何合适机械及/或机器人总成(其包含载物台206)，其可经配置以移动样本202，使得光可扫描样本202。另外或替代地，基于光学的子系统201可经配置使得基于光学的子系统201的一或多个光学元件执行针对样本202的某一光扫描。光可以任何合适方式(例如沿蛇形路径或螺旋路径)扫描样本202。

基于光学的子系统201进一步包含一或多个检测通道。一或多个检测通道中的至少一者包含检测器，其经配置以归因于由子系统照射样本202而检测来自样本202的光且响应于检测光而产生输出。例如，图5中所展示的基于光学的子系统201包含两个检测通道：检测通道由集光器207、元件208及检测器209形成且另一检测通道由集光器210、元件211及检测器212形成。如图5中所展示，两个检测通道经配置以收集及检测不同收集角的光。在一些例子中，两个检测通道经配置以检测散射光，且检测通道经配置以检测从样本202以不同角度散射的光。然而，一或多个检测通道可经配置以检测来自样本202的另一类型的光(例如反射光)。

如图5中进一步所展示，两个检测通道展示成定位于纸面中且照明子系统还展示成定位于纸面中。因此，在此实施例中，两个检测通道定位于(例如，居中定位于)入射面中。然而，一或多个检测通道可定位于入射面外。例如，由集光器210、元件211及检测器212形成的检测通道可经配置以收集及检测从入射面散射出的光。因此，此检测通道通常可称为“侧”通道，且此侧通道可居中定位于大体上垂直于入射面的平面中。

尽管图5展示包含两个检测通道的基于光学的子系统201的实施例，但基于光学的子系统201可包含不同数目个检测通道(例如仅一个检测通道或两个或两个以上检测通道)。在一个此例子中，由集光器210、元件211及检测器212形成的检测通道可形成上文所描述的侧通道，且基于光学的子系统201可包含形成为定位于入射面的相对侧上的另一侧通道的额外检测通道(未展示)。因此，基于光学的子系统201可包含检测通道，其包含集光器207、元件208及检测器209且居中定位于入射面中且经配置以收集及检测垂直于或接近垂直于样本202表面的散射角的光。因此，此检测通道通常可称为“顶部”通道，且基于光学的子系统201还可包含如上文所描述那样配置的两个或两个以上侧通道。因而，基于光学的子系统201可包含至少三个通道(即，一个顶部通道及两个侧通道)，且至少三个通道中的每一者自身具有集光器，其中的每一者经配置以收集不同于其它每一集光器的散射角的光。

如上文进一步所描述，包含于基于光学的子系统201中的每一检测通道可经配置以检测散射光。因此，图5中所展示的基于光学的子系统201可经配置而用于样本202的暗场(DF)输出产生。然而，基于光学的子系统201还可或替代地包含经配置而用于样本202的明场(BF)输出产生的检测通道。换句话说，基于光学的子系统201可包含经配置以检测从样本202镜面反射的光的至少一个检测通道。因此，本文中所描述的基于光学的子系统201可经配置而用于仅DF、仅BF或DF及BF两者成像。尽管每一集光器在图5中展示为单个折射光学元件，但应理解，每一集光器可包含一或多个折射光学裸片及/或一或多个反射光学元件。

一或多个检测通道可包含所属领域中已知的任何合适检测器。例如，检测器可包含光电倍增管(PMT)、电荷耦合装置(CCD)、时间延迟积分(TDI)照相机及所属领域中已知的任何其它合适检测器。检测器还可包含非成像检测器或成像检测器。以此方式，如果检测器是非成像检测器，那么每一检测器可经配置以检测散射光的某些特性(例如强度)，但无法经配置以检测依据成像面内的位置而变化的特性。因而，由包含于基于光学的子系统的每一检测通道中的每一检测器产生的输出可为信号或数据，但并非图像信号或图像数据。在此类例子中，处理器(例如处理器214)可经配置以从检测器的非成像输出产生样本202的图像。然而，在其它例子中，检测器可经配置为经配置以产生成像信号或图像数据的成像检测器。因此，基于光学的子系统可经配置以以多种方式产生本文中所描述的光学图像或其它基于光学的输出。

应注意，本文中所提供的图5大体上说明基于光学的子系统201的配置，基于光学的子系统201可包含于本文中所描述的系统实施例中或可产生由本文中所描述的系统实施例使用的基于光学的输出。本文中所描述的基于光学的子系统201配置可经改动以优化基于光学的子系统201的性能，如通常在设计商用输出采集系统时所执行。另外，本文中所描述的系统可使用现有系统来实施(例如，通过将本文中所描述的功能添加到现有系统)。对于一些此类系统，本文中所描述的方法可提供为系统的选用功能(例如，除系统的其它功能之外)。替代地，本文中所描述的系统可设计为全新系统。

处理器214可以任何合适方式耦合到系统200的组件(例如，经由可包含有线及/或无线传输媒体的一或多个传输媒体)，使得处理器214可接收输出。处理器214可经配置以使用输出来执行若干功能。系统200可从处理器214接收指令或其它信息。处理器214及/或电子数据存储单元215可任选地与晶片检验工具、晶片度量工具或晶片重检工具(未说明)电子通信以接收额外信息或发送指令。例如，处理器214及/或电子数据存储单元215可与SEM电子通信。

本文中所描述的处理器214、其它系统或其它子系统可为包含个人计算机系统、图像计算机、大型计算机系统、工作站、网络设备、因特网设备或其它装置的各种系统的部分。子系统或系统还可包含所属领域中已知的任何合适处理器，例如并行处理器。另外，子系统或系统可包含具有高速处理及软件的平台作为单机或联网工具。

处理器214及电子数据存储单元215可安置于系统200或另一装置中或否则为系统200或另一装置的部分。在实例中，处理器214及电子数据存储单元215可为独立控制单元的部分或在集中质量控制单元中。可使用多个处理器214或电子数据存储单元215。

处理器214实际上可由硬件、软件及固件的任何组合实施。此外，本文中所描述的其功能可由一个单元执行或在不同组件之间划分，每一组件又可由硬件、软件及固件的任何组合实施。使处理器214实施各种方法及功能的程序代码或指令可存储于可读存储媒体(例如电子数据存储单元215中的存储器或其它存储器)中。

如果系统200包含一个以上处理器214，那么不同子系统可彼此耦合，使得可在子系统之间发送图像、数据、信息、指令等等。例如，子系统可通过任何合适传输媒体(其可包含所属领域中已知的任何合适有线及/或无线传输媒体)来耦合到额外子系统。此类子系统中的两者或两者以上还可由共享计算机可读存储媒体(未展示)有效耦合。

处理器214可经配置以使用系统200的输出或其它输出来执行若干功能。例如，处理器214可经配置以将输出发送到电子数据存储单元215或另一存储媒体。处理器214可如本文中所描述那样进一步配置。

如果系统包含一个以上子系统，那么不同子系统可彼此耦合，使得可在子系统之间发送图像、数据、信息、指令等等。例如，子系统可通过任何合适传输媒体(其可包含所属领域中已知的任何合适有线及/或无线传输媒体)来耦合到额外子系统。此类子系统中的两者或两者以上还可由共享计算机可读存储媒体(未展示)有效耦合。

处理器214可根据本文中所描述的实施例中的任何者来配置。处理器214还可经配置以使用系统200的输出或使用来自其它源的图像或数据来执行其它功能或额外步骤。

系统200的各种步骤、功能及/或操作及本文中所揭示的方法由以下中的一或多者实施：电子电路、逻辑门、多路复用器、可编程逻辑设备、ASIC、模拟或数字控制/开关、微控制器或计算系统。实施方法(例如本文中所描述的方法)的程序指令可通过载体媒体传输或存储于载体媒体上。载体媒体可包含存储媒体，例如只读存储器、随机存取存储器、磁盘或光盘、非易失性存储器、固态存储器、磁带及其类似者。载体媒体可包含传输媒体，例如电线、电缆或无线传输链路。例如，本发明中所描述的各种步骤可由单处理器214或替代地多个处理器214实施。此外，系统200的不同子系统可包含一或多个计算或逻辑系统。因此，以上描述不应被解释为本发明的限制，而是仅为说明。

在例子中，处理器214与系统200通信，系统200可使用BBP。光源是深紫外光源、紫外光源或可变照明光谱源中的一者。处理器214经配置以在第一阈值处对半导体晶片执行重复缺陷分析以移除非重复缺陷且识别重复缺陷。重复缺陷定位于每一光罩上的相同坐标处。处理器214还经配置以接收坐标处的半导体晶片的每一光罩上的图像。处理器214还经配置以获得多个带正负号差值图像。每一带正负号差值图像用于坐标处的图像。处理器214还经配置以：计算带正负号差值图像的平均归一化值，评估带正负号差值图像的极性的一致性，将重复缺陷阈值应用于图像，确定在应用阈值之后保留于坐标处的缺陷数目，且设置重复缺陷阈值以借此对干扰提供过滤。

获得差值图像可包含单检测算法或双检测算法。对于双检测算法，带正负号差值图像与较高绝对平均归一化值一起使用。

可使用等式

来计算平均归一化值。如果缺陷是明极性缺陷，那么平均归一化值可为最大值。如果缺陷是暗极性缺陷，那么平均归一化值还可为最小值。

处理器214可经配置以发送指令以使重复缺陷的位置处的所有光罩成像。

可(例如)使用处理器214来过滤使用设置重复缺陷阈值的图像。

额外实施例涉及非暂时性计算机可读媒体，其存储可在控制器上执行的程序指令，所述控制器用于执行计算机实施方法以确定样本202的表面上的照射区域的高度，如本文中所揭示。特定来说，如图5中所展示，电子数据存储单元215或其它存储媒体可含有非暂时性计算机可读媒体，其包含可在处理器214上执行的程序指令。计算机实施方法可包含本文中所描述的任何方法(其包含方法100)的任何步骤。

实施方法(例如本文中所描述的方法)的程序指令可存储于计算机可读媒体上，例如存储于电子数据存储单元215或其它存储媒体中。计算机可读媒体可为存储媒体，例如磁盘或光盘、磁带或所属领域中已知的任何其它合适非暂时性计算机可读媒体。

可以各种方式中的任何者实施程序指令，其尤其包含基于程序的技术、基于组件的技术及/或面向对象技术。例如，可根据需要使用ActiveX控件、C++对象、JavaBeans、微软基础类别(“MFC”)、流式传输SIMD扩展(SSE)或其它技术或方法来实施程序指令。

可如本文中所描述那样执行方法的每一步骤。方法还可包含可由本文中所描述的处理器及/或计算机子系统或系统执行的任何其它步骤。步骤可由可根据本文中所描述的实施例中的任何者来配置的一或多个计算机系统执行。另外，上文所描述的方法可由本文中所描述的系统实施例中的任何者执行。

尽管已相对于一或多个特定实施例来描述本发明，但应理解，可在不背离本发明的范围的情况下进行本发明的其它实施例。因此，可认为本发明仅受限于所附权利要求书及其合理解释。

Claims (20)

1.一种方法，其包括：

在第一阈值处使用处理器来对半导体晶片执行重复缺陷分析以移除非重复缺陷且识别重复缺陷，其中所述重复缺陷定位于每一光罩上的相同坐标处；

在所述处理器处接收所述坐标处的所述半导体晶片的每一光罩上的图像；

使用所述处理器来获得多个带正负号差值图像，其中所述带正负号差值图像中的每一者用于所述坐标处的所述图像中的一者；

使用所述处理器来计算所述带正负号差值图像的平均归一化值；

使用所述处理器来评估所述带正负号差值图像的极性的一致性；

使用所述处理器来将重复缺陷阈值应用于所述图像；

使用所述处理器来确定在应用所述重复缺陷阈值之后保留于所述坐标处的缺陷数目；及

使用所述处理器来设置所述重复缺陷阈值以借此对干扰提供过滤。

2.根据权利要求1所述的方法，其进一步包括执行所述半导体晶片的热扫描，其中所述热扫描的结果用于所述重复缺陷分析。

3.根据权利要求1所述的方法，其中获得所述差值图像包含单检测算法。

4.根据权利要求1所述的方法，其中获得所述差值图像包含双检测算法。

5.根据权利要求4所述的方法，其中所述带正负号差值图像与每坐标的较高绝对重复缺陷阈值一起使用。

6.根据权利要求1所述的方法，其中使用等式

来计算所述平均归一化值。

7.根据权利要求6所述的方法，其中所述重复缺陷阈值是最大值，且其中所述缺陷是明极性缺陷。

8.根据权利要求6所述的方法，其中所述重复缺陷阈值是最小值，且其中所述缺陷是暗极性缺陷。

9.根据权利要求1所述的方法，其进一步包括使用所述处理器来发送指令以使所述重复缺陷的位置处的所有所述光罩成像。

10.根据权利要求1所述的方法，其进一步包括使用所述处理器来过滤使用所述设置重复缺陷阈值的所述图像。

11.根据权利要求1所述的方法，其中计算所述重复缺陷阈值包含评估具有明极性的缺陷数目及具有暗极性的缺陷数目，且其中具有明极性的所述缺陷数目及具有暗极性的所述缺陷数目的较大者与所述重复缺陷阈值一起使用。

12.一种非暂时性计算机可读媒体，其存储经配置以指示处理器执行根据权利要求1所述的方法的程序。

13.一种系统，其包括：

宽带等离子体工具，其包含：

载物台，其经配置以固持半导体晶片；

光源，其经配置以引导光到所述半导体晶片处；及

检测器，其经配置以接收从所述半导体晶片反射的光且产生图像；

处理器，其与所述宽带等离子体工具电子通信，其中所述处理器经配置以：

在第一阈值处对半导体晶片执行重复缺陷分析以移除非重复缺陷且识别重复缺陷，其中所述重复缺陷定位于每一光罩上的相同坐标处；

接收所述坐标处的所述半导体晶片的每一光罩上的图像；

获得多个带正负号差值图像，其中所述带正负号差值图像中的每一者用于所述坐标处的所述图像中的一者；

计算所述带正负号差值图像的平均归一化值；

评估所述带正负号差值图像的极性的一致性；

将所述重复缺陷阈值应用于所述图像；

确定在应用所述阈值之后保留于所述坐标处的缺陷数目；及

设置重复缺陷阈值以借此对干扰提供过滤。

14.根据权利要求13所述的系统，其中所述光源是深紫外光源、紫外光源或可变照明光谱源中的一者。

15.根据权利要求13所述的系统，其中获得所述差值图像包含单检测算法。

16.根据权利要求13所述的系统，其中获得所述差值图像包含双检测算法，其中所述带正负号差值图像与每坐标的较高绝对重复缺陷阈值一起使用。

17.根据权利要求13所述的系统，其中使用等式

来计算所述平均归一化值，其中所述重复缺陷阈值是最大值，且其中所述缺陷是明极性缺陷。

18.根据权利要求13所述的系统，其中使用等式

来计算所述平均归一化值，其中所述重复缺陷阈值是最小值，且其中所述缺陷是暗极性缺陷。

19.根据权利要求13所述的系统，其中所述处理器经配置以发送指令以使所述重复缺陷的位置处的所有所述光罩成像。

20.根据权利要求13所述的系统，其中所述处理器经配置以过滤使用所述设置重复缺陷阈值的所述图像。

Images