CN121153007A

CN121153007A - 用于改进计算引导采样的性能的基于上下文的量测插补

Info

Publication number: CN121153007A
Application number: CN202480029664.2A
Authority: CN
Inventors: 林晨希; 王智焕; 邹毅
Original assignee: ASML Holding NV
Current assignee: ASML Holding NV
Priority date: 2023-05-04
Filing date: 2024-04-04
Publication date: 2025-12-16
Also published as: IL324015A; WO2024227555A1

Abstract

公开了一种使用检查工具用计算模型进行扫描来标识晶片上的位置的方法。更具体而言，公开了一种将量测数据和上下文数据相关联以插补训练以及应用用于引导检查的计算模型所必需的缺失量测数据的方法。公开了一种计算概率预测模型，以生成具有改进的准确性和通用性的缺陷管芯概率估计，从而引导不同的晶片进行检查。

Description

用于改进计算引导采样的性能的基于上下文的量测插补

相关申请的交叉引用

本申请要求于2023年5月4日提交的美国申请第63/464,047号的优先权，该申请的全部内容通过引用并入本文。

技术领域

本文所提供的实施例涉及用计算模型标识晶片上的位置，并且更具体而言，涉及一种将量测数据和上下文数据相关联以插补晶片的缺失量测数据的方法，以训练计算引导检查模型并且提高模型性能。

背景技术

在集成电路（IC）的制造过程中，检查未完成或已完成的电路组件，以确保它们是按照设计制造的并且无缺陷。可以采用利用光学显微镜或带电粒子（例如，电子）束显微镜的检查系统，诸如扫描电子显微镜（SEM）。随着IC组件的物理大小不断缩小，缺陷检测的准确性和产率变得更加重要。开发了各种量测工具，并且用于检查IC的制造是否正确。为了提高缺陷检查性能，可以使用计算引导检查（CGI）机器学习模型，通过指示要检查的晶片区域来辅助工具。

发明内容

本文所提供的实施例公开了一种使用计算模型标识晶片上的位置的方法，并且更具体而言，公开了一种将晶片数据相关联以插补缺失量测数据以训练计算模型以用于改进缺陷管芯概率建模的方法。

一些实施例提供了一种用于使用计算缺陷概率模型来标识在检查期间晶片上的要扫描的位置的装置，该装置包括存储指令集的存储器和至少一个处理器，该至少一个处理器被配置为执行该指令集以使该装置执行使用计算缺陷概率模型标识在检查期间晶片上的要扫描的位置的方法。该方法包括：获得针对多个初始晶片的初始量测数据和初始上下文数据，将针对多个初始晶片中每个晶片的初始量测数据和初始上下文数据相关联，基于后续晶片的上下文数据和多个初始晶片的初始上下文数据，将后续晶片和多个初始晶片相关联，以及基于相关性，使用检查工具选择后续晶片上的位置进行扫描。

在一些实施例中，提供了一种非暂态计算机可读介质，该非暂态计算机可读介质包括指令集，该指令集可由计算设备的一个或多个处理器执行，以使计算设备执行用于标识在检查期间晶片上的要扫描的位置的方法。该方法包括获得针对多个晶片的初始量测数据和初始上下文数据，将针对多个晶片中每个晶片的初始量测数据和初始上下文数据相关联，使用相关联的初始量测数据和初始上下文数据对来自多个晶片的缺失数据进行插补，以及用经插补的缺失数据和多个晶片的初始量测数据和初始上下文数据训练计算缺陷概率模型。

从以下结合附图的描述中，本公开的其他优势将变得显而易见，其中通过图示和示例的方式阐述了本公开的某些实施例。

附图说明

通过结合附图对示例性实施例的描述，本公开的上述和其他方面将变得更加明显。

图1是图示与本公开的实施例一致的示例带电粒子束检查系统的示意图。

图2是图示与本公开的实施例一致的示例多束工具的示意图，该工具可作为图1的示例带电粒子束检查系统的部分。

图3是图示与本公开的实施例一致的生成输入数据的生产率的示意块图。

图4是图示使用初始训练数据集训练CGI模型的示例块图。

图5是图示在晶片批次级别下采样以获取CGI模型的输入量测数据的示例图。

图6是图示与本公开的实施例一致的用于训练计算模型的系统的示例块图。

图7A和图7B是与本公开的实施例一致的晶片的插补信息的示例图示。

图8是图示与本公开的实施例一致的应用经训练的计算模型来引导晶片检查的系统的示例块图。

图9是图示与本公开的实施例一致的生成上下文链接模型的方法的示例流程图，该上下文链接模型用于插补缺失输入数据以训练CGI模型，并且使用CGI模型生成晶片检测的采样计划。

具体实施方式

现在将详细参考示例性实施例，其示例在附图中图示。以下描述涉及附图，其中不同附图中的相同数字代表相同或相似的元件，除非另有说明。示例性实施例的以下描述中阐述的实施方式并不代表所有的实施方式。相反，它们仅仅是与所附权利要求中所叙述的公开实施例相关的方面一致的装置和方法的示例。例如，尽管在利用电子束的背景下描述了一些实施例，但是本公开不限于此。可以类似地应用其他类型的带电粒子束（例如，包括质子、离子、μ子或任何其他携带电荷的粒子）。此外，可以使用其他成像系统，诸如光学成像、光子检测、x射线检测、离子检测等。

电子设备由一片称为衬底的半导体材料上形成的电路构成。半导体材料可以包括例如硅、砷化镓、磷化铟或硅锗等。许多电路可以一起被形成在同一块硅片上，并且称为集成电路或IC。这些电路的大小已经显著减小，因此更多的电路可装配在衬底上。电子设备的增强的计算能力，同时减小设备的物理大小，可以通过显著增加IC芯片上诸如晶体管、电容器、二极管等电路组件的封装密度来实现。例如，拇指指甲大小的智能电话的IC芯片可以包括超过20亿个晶体管，每个晶体管的大小小于人类头发的1/1000。

IC可使用光刻来制造，光刻是一种涉及在沉积于衬底上的掩模上绘制复杂电路图案的制造过程。光刻可以通过光刻装置来执行，光刻装置是将辐射源（例如，光或X射线）施加到衬底的目标部分上以形成期望的图案的机器。衬底的目标部分可以用图案设备（例如，掩模）覆盖，该图案设备可以在暴露于辐射源之后被消除或显影。这种将期望的图案转移到衬底上的过程称为图案化过程。图案化过程可以包括将图案从图案设备（例如，掩模）转移到衬底的图案化步骤。还可以有一个或多个相关的图案处理步骤，诸如通过显影装置进行掩模显影、使用烘烤工具烘烤衬底、使用蚀刻装置将图案蚀刻到衬底上，或者在衬底上制作图案时涉及的其他化学和物理处理步骤。实验参数的变化（例如，由于检查工具或图案处理工具引起的随机变化、误差或噪声）可以潜在地限制IC的大批量制造（HVM）或过程产率的光刻实施方式，并且在IC结构中引入缺陷。

在使用光刻装置制造IC时，典型地执行许多光刻图案化步骤，从而在衬底上的连续层中形成功能性特征部。因此，光刻装置性能的一个关键方面是相对于先前层中放置的特征部正确和精确地放置所施加的图案的能力。为此目的，衬底被设置有一组或多组对准标记。每个标记是具有位置的结构，该位置可以在以后使用例如电子束检查工具来测量。可以出现缺陷，其中所应用的图案结构或图案层相对于参考标记放置不正确，或者当制造条件不理想时。参考标记或布局定义了期望的结构、结构尺寸以及IC结构（例如，栅极、电容器等）或互连线之间的距离。这可以确保IC设备或线路不会以不期望的方式相互作用。参考布局提供的结构限制典型地被称为临界尺寸。电路的临界尺寸可以被定义为线或孔的最小宽度，或者两条线或两个孔之间的最小间距。因此，临界尺寸决定了所设计IC的整体大小和封装密度。IC制造的一个目标是在衬底上忠实地复制原始的IC设计。如果在制造期间出现错误，其中所创建的IC设计图案与参考设计不匹配，这可以造成IC结构中的缺陷，并且使IC不可操作。

制造具有极小结构或组件的这些集成电路是复杂、耗时并且昂贵的过程，通常涉及数百个单独的步骤。甚至一个步骤中的错误均有可能极大地影响最终产品的功能。即使一个“致命缺陷”也会造成设备故障。制造过程的目标是提高过程的整体产率。例如，为了使50步过程达到75%的产率，每个单独步骤的产率必须大于99.4%，并且如果单独步骤的产率为95%，则整个过程的产率下降至7%。

虽然在IC芯片制造设施中需要高处理产率，但是维持高晶片生产率（定义为每小时处理的晶片数目）也很必要。缺陷的存在会影响高处理产率和高晶片生产率，特别是如果需要操作员干预来检查缺陷的话。因此，需要对微米和纳米大小的缺陷进行高生产率检测和标识。提高过程产率和晶片生产率的一个因素是监控IC制造过程，以确保生产出期望数目的无缺陷IC。监控制造过程的一种方法是在制造的各个阶段检查芯片电路结构。使用工具的检查，诸如带电粒子束检查工具，可以用于这种效果，以维持高处理产率和高晶片生产率。使用电子束检查工具检查晶片可以生成晶片的图像来测量IC结构尺寸。测量的尺寸可以与没有任何缺陷的参考结构进行比较，以确定成像结构中缺陷的存在。如果结构有缺陷，则可以调整制造过程，因此缺陷不太可能再次出现。然而，由于晶片可以包含多达10亿个IC结构，用于缺陷检测的IC检查通常是耗时的过程，并且可以无法在正确的位置检查晶片以标识缺陷。

计算引导检查（CGI）过程将检查工具引导到晶片上缺陷概率较高的位置。基于机器学习的CGI模型接收来自各种数据源的输入，诸如晶片特性数据（可以包括扫描仪数据、量测数据和制造过程数据），以用检查结果训练模型。CGI机器学习模型可以被建立并且用于输出采样计划，该采样计划指示在晶片处理步骤之后可能形成缺陷的晶片上的位置，因此检查工具将前往采样位置以比基于经验（例如，在扫描期间检测到的先前缺陷的历史）检查晶片位置更高的效率进行检查。CGI过程与晶片制造在线进行，并且通过以高于基线值的发现缺陷的捕获率提高在晶片上发现缺陷的准确性来提高检查工具的效率。检查结果可用于确认在整个制造过程中维持令人满意的晶片产率，并且预计生产结束时的故障率或每个晶片的管芯损失。该预计故障率可以与晶片探针测试的结果进行比较，该结果确定了在晶片上制造的每个管芯的故障率。CGI模型用例的最终度量可以是晶片的估计的与测量的管芯缺陷之间的R²相关性得分。

CGI模型可以应用于特性晶片数据，以估计晶片上每个管芯的缺陷概率。然后，采样计划优化器或采样计划生成器合计晶片上每个管芯的估计的缺陷管芯概率，以生成缺陷管芯概率图或采样计划。可以根据定义预定晶片区域定义和每个晶片区域的采样预算的输入信息来生成采样计划。然后，可以使用采样计划将检查工具（例如，扫描电子显微镜SEM或光学工具）引导到晶片上的区域，在该区域中，采样计划具有要检查的设定数目的管芯（例如，采样预算）。经由采样计划获得的检查结果指示实际存在的缺陷管芯的数目，并且然后检查结果可以用于预计晶片的估计的管芯损失。因此，用于引导检查的CGI生成的采样计划可以被称为“经验证的采样计划”。由CGI模型采样计划提供的缺陷管芯投射的R²相关性得分可以通过收集晶片的“真值（ground truth）”结果来确定。“真值”结果指示生产结束时晶片的实际缺陷管芯结果，并且对应于完全完成的晶片的探针测试结果。因此，探针测试结果为晶片上的每个管芯提供了准确的缺陷标识。CGI模型的最终度量可以是由CGI模型确定的预计的估计的管芯损失与由探针测试结果确定的实际管芯损失之间的相关性R²得分。

一般而言，在HVM期间，选择用于获取量测信息的晶片在晶片/批级别下采样。换句话说，在每个处理步骤之后，只有一批25个晶片中的若干个晶片可以被测量以获得量测数据。因此，可用作CGI模型的输入数据的量测数据可以是稀疏的。更重要的是，不能保证在HVM经过不同的处理步骤后，相同的晶片会被采样进行量测。因此，在晶片制造期间，不同晶片在所有处理步骤中的量测信息可以会有不同程度的缺失。作为结果，可以没有足够或不完整的输入数据集可用于训练CGI模型。这可以对CGI缺陷位置预测模型的准确性和鲁棒性产生负面影响，并且造成HVM期间的次优晶片产率。

本公开的实施例可以提供一种为CGI模型插补输入数据并且提高缺陷预测准确性的方法。在一些实施例中，本公开可以提供插补缺失量测信息的方法。在一些实施例中，本公开可以提供将量测信息与用于插补的上下文信息链接的方法。在一些实施例中，没有可用量测数据的晶片可以与具有可用量测数据的晶片相关联，并且相关联的数据可以用于优化用于引导检查工具的位置选择。因此，可以提高R²相关性得分。

为了清晰起见，图中组件的相对尺寸可以被放大。在附图的以下描述中，相同或相似的附图标号指代相同或相似的组件或实体，并且仅描述了关于各个实施例的差异。如本文所用，除非另有明确说明，术语“或（or）”包括所有可能的组合，除非不可行。例如，如果规定一个组件可以包括A或B，那么，除非另有具体说明或不可行，否则该组件可以包括A或B，或者A和B。作为第二示例，如果规定一个组件可以包括A、B或C，那么，除非另有具体说明或不可行，否则该组件可以包括A或B或C，或者A和B，或者A和C，或者B和C，或者A和B和C。

图1图示了与本公开的实施例一致的示例电子束检查（EBI）系统100。EBI系统100可以用于成像。如图1所示，EBI系统100包括主室101、装载/锁定室102、束工具104和设备前端模块（EFEM）106。束工具104位于主室101内。EFEM 106包括第一装载端口106a和第二装载端口106b。EFEM 106可以包括（一个或多个）附加的装载端口。第一装载端口106a和第二装载端口106b接收包含待检查的晶片（例如，半导体晶片或由（一种或多种）其他材料制成的晶片）或样品（晶片和样品可以互换使用）的晶片前开口统一盒（FOUP）。“批次”是可以作为一批装载用于晶片处理的多个晶片。

EFEM 106中的一个或多个机械臂（未示出）可将晶片输送到装载/锁定室102。装载/锁定室102连接到装载/锁定真空泵系统（未示出），该系统去除装载/锁定室102中的气体分子，以达到低于大气压的第一压力。在达到第一压力后，一个或多个机械臂（未示出）可以将晶片从装载/锁定室102输送到主室101。主室101连接到主室真空泵系统（未示出），该主室真空泵系统去除主室101中的气体分子，以达到低于第一压力的第二压力。在达到第二压力后，晶片受到束工具104的检查。束工具104可以是单束系统或多束系统。

控制器109电连接到束工具104。控制器109可以是被配置为执行EBI系统100的各种控制的计算机。虽然控制器109在图1中被示出为在包括主室101、装载/锁定室102和EFEM106的结构的外部，但是应当理解控制器109可以是该结构的部件。

在一些实施例中，控制器109可以包括一个或多个处理器（未示出）。处理器可以是能够操纵或处理信息的通用或专用电子设备。例如，处理器可以包括任意数目的中央处理单元（或“CPU”）、图形处理单元（或“GPU”）、光学处理器、可编程逻辑控制器、微控制器、微处理器、数字信号处理器、知识产权（IP）核、可编程逻辑阵列（PLA）、可编程阵列逻辑（PAL）、通用阵列逻辑（GAL）、复杂可编程逻辑设备（CPLD）、现场可编程门阵列（FPGA）、片上系统（SoC）、专用集成电路（ASIC）以及能够进行数据处理的任何类型的电路的任意组合。处理器也可以是虚拟处理器，该虚拟处理器包括分布在经由网络耦合的多个机器或设备上的一个或多个处理器。

在一些实施例中，控制器109还可以包括一个或多个存储器（未示出）。存储器可以是能够存储由处理器可访问的代码和数据（例如，经由总线）的通用或专用电子设备。例如，存储器可以包括任意数目的随机存取存储器（RAM）、只读存储器（ROM）、光盘、磁盘、硬盘驱动器、固态驱动器、闪存驱动器、安全数字（SD）卡、记忆棒、压缩闪存（CF）卡或任意类型的存储设备的任意组合。代码和数据可以包括操作系统（OS）和用于特定任务的一个或多个应用程序（或“app”）。存储器也可以是虚拟存储器，该虚拟存储器包括分布在经由网络耦合的多个机器或设备上的一个或多个存储器。

图2图示了与本公开的实施例一致的示例多束工具104（本文也称为装置104）和图像处理系统290的示意图，该图像处理系统可以被配置用于EBI系统100（图1）。

束工具104包括带电粒子源202、枪孔径204、聚光透镜206、从带电粒子源202发射的初级带电粒子束210、源转换单元212、初级带电粒子束210的多个束波214、216和218、初级投射光学系统220、机动晶片载物台280、晶片固持器282、多个次级带电粒子束236、238和240、次级光学系统242和带电粒子检测设备244。初级投射光学系统220可以包括束分离器222、偏转扫描单元226和物镜228。带电粒子检测设备244可以包括检测子区域246、248和250。

带电粒子源202、枪孔径204、聚光透镜206、源转换单元212、束分离器222、偏转扫描单元226和物镜228可以与装置104的主光轴260对准。次级光学系统242和带电粒子检测设备244可以与装置104的次级光轴252对准。

带电粒子源202可以发射一种或多种带电粒子，诸如电子、质子、离子、μ子或任何其他携带电荷的粒子。在一些实施例中，带电粒子源202可以是电子源。例如，带电粒子源202可以包括阴极、提取器或阳极，其中初级电子可以从阴极发射并且被提取或加速以形成具有交叉点（虚拟或真实）208的初级带电粒子束210（在这种情况下，初级电子束）。为了便于解释而不引起歧义，在本文的一些描述中使用电子作为示例。然而，应当注意，任何带电粒子均可以用于本公开的任何实施例中，不限于电子。初级带电粒子束210可以被视为从交叉点208发射。枪孔径204可以阻挡初级带电粒子束210的外围带电粒子，以减少库仑效应。库仑效应可以造成探针斑点大小的增加。

源转换单元212可以包括成像元件阵列和束限制孔径阵列。成像元件阵列可以包括微偏转器或微透镜阵列。图像形成元件阵列可以与初级带电粒子束210的多个束波214、216和218形成交叉点208的多个平行图像（虚拟或真实的）。束限制孔径阵列可以限制多个束波214、216和218。虽然图2中示出了三个束波214、216和218，但是本公开的实施例不限于此。例如，在一些实施例中，装置104可以被配置为生成第一数目的束波。在一些实施例中，第一数目的束波可以在从1至1000的范围内。在一些实施例中，第一数目的束波可以在200-500的范围内。在示例性实施例中，装置104可以生成400个束波。

聚光透镜206可聚焦初级带电粒子束210。源转换单元212下游的束波214、216和218的电流可以通过调整聚光透镜206的聚焦能力或者通过改变束限制孔径阵列内对应束限制孔径的径向大小来改变。物镜228可以将束波214、216和218聚焦到晶片230上以进行成像，并且可以在晶片230的表面上形成多个探针斑点270、272和274。

束分离器222可以是生成静电偶极子场和磁偶极子场的维恩过滤器型束分离器。在一些实施例中，如果静电偶极子场被施加，则由静电偶极子场施加在束波214、216和218的带电粒子（例如，电子）上的力可以与由磁偶极子场施加在带电粒子上的力大小基本上相等而方向相反。因此，束波214、216和218可以零偏转角直接穿过束分离器222。然而，由束分离器222生成的束波214、216和218的总色散也可以是非零的。束分离器222可以将次级带电粒子束236、238和240与束波214、216和218分离，并且将次级带电粒子束236、238和240引导向次级光学系统242。

偏转扫描单元226可以偏转束波214、216和218，以在晶片230的表面区域上扫描探针斑点270、272和274。响应于束波214、216和218在探针斑点270、272和274处的入射，次级带电粒子束236、238和240可以从晶片230发射。次级带电粒子束236、238和240可以包括具有能量分布的带电粒子（例如，电子）。例如，次级带电粒子束236、238和240可以是次级电子束，该次级电子束包括次级电子（能量≤ 50 eV）和反向散射电子（能量在50 eV与束波214、216和218的着陆能量之间）。次级光学系统242可以将次级带电粒子束236、238和240聚焦到带电粒子检测设备244的检测子区域246、248和250上。检测子区域246、248和250可以被配置为检测相应的次级带电粒子束236、238和240，并且生成对应的信号（例如，电压、电流等），用于重建晶片230的表面区域之上或下面的结构的SCPM图像。

所生成的信号可以代表次级带电粒子束236、238和240的强度，并且可以提供给与带电粒子检测设备244、初级投射光学系统220和机动晶片载物台280通信的图像处理系统290。机动晶片载物台280的移动速度可以与由偏转扫描单元226控制的束偏转同步和协调，使得扫描探针斑点（例如，扫描探针斑点270、272和274）的移动可以有序地覆盖晶片230上的感兴趣区域。可以调整这类同步和协调的参数，以适应晶片230的不同材料。例如，晶片230的不同材料可以具有不同的阻容特性，这可以造成对扫描探针斑点的移动的不同信号灵敏度。

次级带电粒子束236、238和240的强度可以根据晶片230的外部或内部结构而相异，并且因此可以指示晶片230是否包括缺陷。此外，如上所述，束波214、216和218可以被投射到晶片230的顶表面的不同位置，或者晶片230局部结构的不同侧面，以生成具有不同强度的次级带电粒子束236、238和240。因此，通过将次级带电粒子束236、238和240的强度映射到晶片230的区域，图像处理系统290可以重建反映晶片230的内部或外部结构的特性的图像。

在一些实施例中，图像处理系统290可以包括图像获取器292、存储装置294和控制器296。图像获取器292可以包括一个或多个处理器。例如，图像获取器292可以包括计算机、服务器、大型主机、终端、个人计算机、任何种类的移动计算设备等或其组合。图像获取器292可以通过诸如电导体、光缆、便携式存储介质、IR、蓝牙、互联网、无线网络、无线电或其组合的介质通信地被耦合到束工具104的带电粒子检测设备244。在一些实施例中，图像获取器292可以从带电粒子检测设备244接收信号，并且可以构建图像。图像获取器292因此可以获取晶片230的SCPM图像。图像获取器292还可以执行各种后处理功能，诸如生成轮廓、在获取的图像上叠加指示符等。图像获取器292可以被配置为对获取的图像的亮度和对比度进行调整。在一些实施例中，存储装置294可以是存储介质，诸如硬盘、闪存驱动器、云存储装置、随机存取存储器（RAM）、其他类型的计算机可读存储器等。存储装置294可以与图像获取器292耦合，并且可以用于将扫描的原始图像数据保存为原始图像和后处理图像。图像获取器292和存储装置294可以连接到控制器296。在一些实施例中，图像获取器292、存储装置294和控制器296可以被集成在一起作为一个控制单元。

在一些实施例中，图像获取器292可以基于从带电粒子检测设备244接收的成像信号获取晶片的一个或多个SCPM图像。成像信号可以对应于用于进行带电粒子成像的扫描操作。获取的图像可以是包括多个成像区域的单个图像。单个图像可以被存储在存储装置294中。单个图像可以是被分为多个区域的原始图像。区域中的每个区域可以包括一个包含晶片230的特征部的成像区域。获取的图像可以包括在一个时间序列上多次采样的晶片230的单个成像区域的多个图像。多个图像可以被存储在存储装置294中。在一些实施例中，图像处理系统290可以被配置为对晶片230的相同位置的多个图像执行图像处理步骤。

在一些实施例中，图像处理系统290可以包括测量电路（例如，模数转换器），以获得检测到的次级带电粒子（例如，次级电子）的分布。在检测时间窗口期间收集的带电粒子分布数据，结合入射到晶片表面上的束波214、216和218的对应扫描路径数据，可以用于重建被检查的晶片结构的图像。所重建的图像可用于揭示晶片230的内部或外部结构的各种特征部，从而可用于揭示晶片中可以存在的任何缺陷。

在一些实施例中，带电粒子可以是电子。当初级带电粒子束210的电子被投射到晶片230的表面（例如，探针斑点270、272和274）上时，初级带电粒子束210的电子可以穿透晶片230的表面一定深度，与晶片230的粒子相互作用。初级带电粒子束210的一些电子可以与晶片230的材料弹性地相互作用（例如，以弹性散射或碰撞的形式），并且可以被反射或弹回晶片230的表面。弹性相互作用保存相互作用的物体（例如，初级带电粒子束210的电子）的总动能，其中相互作用的物体的动能不会转换为其他形式的能量（例如，热能、电磁能等）。这类由弹性相互作用生成的反射电子可以被称为反向散射电子（BSE）。初级带电粒子束210的一些电子可以与晶片230的材料非弹性地相互作用（例如，以非弹性散射或碰撞的形式）。非弹性相互作用不守恒相互作用物体的总动能，其中相互作用物体的动能中的部分或全部转换为其他形式的能量。例如，通过非弹性相互作用，初级带电粒子束210的一些电子的动能可以引起材料的电子激发和原子跃迁。这类非弹性相互作用也可以生成离开晶片230表面的电子，该电子可以被称为次级电子（SE）。BSE和SE的产率或发射率尤其取决于例如被检查的材料和着陆在材料表面上的初级带电粒子束210的电子的着陆能量。初级带电粒子束210的电子能量可以部分地由其加速电压（例如，图2中的带电粒子源202的阳极与阴极之间的加速电压）赋予。BSE和SE的数量可以比初级带电粒子束210的注入电子更多或更少（或者甚至相同）。

由SCPM生成的图像可以用于缺陷检查。例如，捕获晶片的测试设备区域的生成图像可以与捕获相同测试设备区域的参考图像进行比较。参考图像可以是预定的（例如，通过模拟）并且不包括已知的缺陷。如果生成的图像与参考图像之间的差异超过容差水平，则可以标识出潜在的缺陷。对于另一示例，SCPM可以扫描晶片的多个区域，每个区域包括设计相同的测试设备区域，并且生成捕获制造的那些测试设备区域的多个图像。多个图像可以彼此比较。如果多个图像之间的差异超过容差水平，则可以标识出潜在的缺陷。

尽管本公开可以参考IC，但是应当理解，本公开可适用于其他可能的应用或设计。例如，本公开可以应用于集成光学系统、磁畴存储器、液晶显示面板、薄膜磁头和其他纳米级结构。还应当理解，术语“管芯”、“结构”和“IC结构”在本公开中可互换使用。

现在参考图3，图3是与本公开的实施例一致的用于生成输入数据的示例块图。可以使用如图3所示的两个步骤来生成输入数据。光刻投射装置301可以用于在恒定的制造条件下制造晶片（例如，辐射源的焦点和剂量）。检查工具302（例如，图1中的EBI系统100或图2中的多束工具104）可以用于测量由光刻投射装置301生成的形成在晶片上的结构的量测信息。量测信息可以包括但不限于颈缩、线拉回、线细化、临界尺寸、边缘位置、重叠、抗蚀剂顶部损失、抗蚀剂底切、缺失缺陷和晶片上IC结构的桥接缺陷。具有存储器的处理器303（例如，图1中的控制器109）可以通信地连接到检查工具302，以存储测量的量测信息。

由检查工具302生成的图像可以用于晶片检查。例如，捕获晶片的测试设备区域的生成图像可以与捕获相同测试设备区域的参考图像进行比较。参考图像可以是预定的（例如，通过模拟）并且不包括已知的缺陷。如果生成的图像与参考图像之间的差异超过容差水平，则可以标识出潜在的缺陷。对于另一示例，检查工具302可以扫描晶片的多个区域，每个区域包括设计相同的测试设备区域，并且生成捕获制造时的那些测试设备区域的多个图像。多个图像可以彼此比较。如果多个图像之间的差异超过容差水平，则可以标识出潜在的缺陷。

在一些实施例中，处理器303可以是能够操纵或处理信息的通用或专用电子设备。例如，处理器303可以包括任意数目的中央处理单元（或“CPU”）、图形处理单元（或“GPU”）、光学处理器、可编程逻辑控制器、微控制器、微处理器、数字信号处理器、知识产权（IP）核、可编程逻辑阵列（PLA）、可编程阵列逻辑（PAL）、通用阵列逻辑（GAL）、复杂可编程逻辑设备（CPLD）、现场可编程门阵列（FPGA）、片上系统（SoC）、专用集成电路（ASIC）以及能够进行数据处理的任何类型的电路的任意组合。处理器303也可以是虚拟处理器，该虚拟处理器包括分布在经由网络耦合的多个机器或设备上的一个或多个处理器。

在一些实施例中，处理器303还可以包括一个或多个存储器（未示出）。存储器可以是能够存储处理器可访问的代码和数据（例如，经由总线）的通用或专用电子设备。例如，存储器可以包括任意数目的随机存取存储器（RAM）、只读存储器（ROM）、光盘、磁盘、硬盘驱动器、固态驱动器、闪存驱动器、安全数字（SD）卡、记忆棒、压缩闪存（CF）卡或任意类型的存储设备的任意组合。代码和数据可以包括操作系统（OS）和用于特定任务的一个或多个应用程序（或“app”）。存储器也可以是虚拟存储器，该虚拟存储器包括分布在经由网络耦合的多个机器或设备上的一个或多个存储器。

常规计算引导检查（CGI）过程将检查工具引导到晶片上缺陷概率较高的位置。如上所述，基于机器学习的CGI模型接收来自各种数据源的输入，包括晶片特性数据，诸如扫描仪数据、量测数据和制造过程数据，以用检查结果训练模型。CGI机器学习模型可以被建立并且用于输出晶片上的采样位置，因此检查工具将前往采样位置以比基于经验（例如，在扫描期间检测到的给定位置的先前缺陷的历史）检查晶片位置更高的效率进行检查。因此，CGI模型可以使用来自参考晶片的输入数据（例如，根据制造或晶片处理步骤的参考图案、量测信息等），从而引导在HVM期间处理的晶片的未来检查。CGI模型通过以高于基线值的发现缺陷的捕获率提高在晶片上发现缺陷的准确性来提高检查工具的效率。然而，为了有效和准确的缺陷预测能力，CGI模型需要晶片的全套输入数据。这可以包括晶片的每个处理步骤之后的量测信息。如上所述，在批次/晶片级别的晶片的常规下采样可以造成为晶片收集的量测数据量不足以供应给和训练CGI模型。

图4是图示与本公开的各种实施例一致的使用初始训练数据集训练CGI模型401的示例块图。在CGI模型401可用于生成晶片预测之前，可以必须使用初始训练数据集405来训练CGI模型401。初始训练数据集405可以是标记数据集，该标记数据集包括“n”个衬底的过程相关数据410a-n和检查结果415a-n。例如，对于晶片“A”，初始训练数据集405可以包括与衬底“A”相关联的过程相关数据410a和检查结果415a。过程相关数据410a可以包括如上所述的量测数据，或者其他可以造成缺陷的这类数据。检查结果415a可以包括经检查位置的图像（例如，SEM图像）、经检查位置的位置信息（例如，（x，y）坐标）以及该位置被发现有缺陷还是无缺陷。标记数据集可以从各种来源获得，包括图3的光刻投射装置301和检查工具302。

CGI模型401可以包括位置预测模型450和置信度模型455，两者均可以是机器学习模型。CGI模型401的训练可以是迭代过程，其中每次迭代可以包括分析与晶片相关联的过程相关数据410，确定成本函数，以及基于成本函数更新CGI模型401的配置。CGI模型401可以按“批”方式训练，而不是作为迭代过程。例如，可以共同输入具有“n”个衬底的过程相关数据410a-n和检查结果415a-n的训练数据集405。在输入过程相关数据410a和检查结果415a之后，位置预测模型450为晶片“A”上的“x”个位置生成预测425a1-ax，并且置信度模型455分别为预测425a1-ax分配置信度得分430a1-ax。CGI模型401然后将预测结果与检查结果415a进行比较，以确定CGI模型401的成本函数460，该成本函数可以指示预测结果425a1-ax与实际检查结果415a之间的偏差。CGI模型401可以基于成本函数460或其他参考反馈信息（例如，用户准确性指示、参考标签或其他信息）来更新其配置（例如，权重、偏差或位置预测模型450或置信度模型455的其他参数）以最小化成本函数460。在每次迭代中，利用与不同衬底相关联的过程相关数据和检查结果，重复上述过程，直到满足终止条件。终止条件可以包括预定义的迭代次数、成本函数满足指定的阈值或其他这样的条件。在满足终止条件之后，CGI模型401可以被认为是“经训练的”，并且可以用于标识或预测新晶片（例如，还没有使用CGI模型401进行分析的晶片）中的缺陷位置。

现在参考图5，图5是图示在批次/晶片级别下采样以获取CGI模型的输入量测数据的示例图。图5指示了根据晶片处理步骤501、晶片处理步骤502和晶片处理步骤503在HVM期间处理的一批示例晶片。每个晶片处理步骤可以对应于应用于晶片A、晶片B、晶片C、晶片D和晶片E中的每个晶片的量测。例如，晶片处理步骤501可以是沉积处理步骤，晶片处理步骤502可以是光刻处理步骤，并且晶片处理步骤503可以是蚀刻步骤。粗实线代表在晶片处理步骤之后被选择用于量测的晶片，并且虚线代表在晶片处理步骤之后未被选择用于量测的晶片。例如，在晶片处理步骤501和晶片处理步骤503之后，晶片A被选择用于量测。因此，与晶片处理步骤501和晶片处理步骤503相对应的量测信息对于晶片A是可用的，但是对应于晶片处理步骤502的量测信息是不可用的。作为结果，晶片A的输入数据可以不被供应给CGI模型，因为晶片A的输入数据集（例如，量测信息）不完整或不充分。如图5所示，对于所有的晶片处理步骤，没有一个晶片A-E被测量。因此，根据常规方法，该批中的晶片A-E均不包含足够的量测信息数据集来训练CGI模型并且随后生成采样计划来引导晶片检查。

本公开的实施例可以提供一种插补缺失量测信息和填补CGI模型输入数据的缺口的方法。如图5所示，在批次/晶片级别的下采样可以造成CGI模型可用的量测信息缺失。本公开的实施例可以利用在晶片处理期间可用于每个被处理晶片的晶片制造上下文信息。“制造上下文信息”或“上下文信息”可以指HVM期间每个晶片的制造或处理信息。在晶片处理期间使用的每件器具或装置（例如，图3中的光刻投射装置301）具有关于用于处理每个晶片的参数和逻辑的信息日志。例如，图5中的晶片A可以在晶片处理步骤501中根据上下文ID（例如，工具ID或室ID）并且根据过程设置（例如，温度、压力、气体混合物等）进行处理，并且可以在晶片处理步骤502中根据上下文ID并且根据过程设置进行处理。在制造数据库中，对于在HVM期间处理的每个晶片，所有这样的上下文信息均是可用的，并且制造数据库可以被提供给CGI模型。CGI模型可以与制造数据库通信，其中可以查询上下文信息并且将其供应给CGI模型平台，并且然后与晶片的可用量测信息链接。CGI模型可以通过诸如电导体、光缆、便携式存储介质、IR、蓝牙、互联网、无线网络或无线电的介质通信地连接到制造数据库。

现在参考图6，图6是图示与本公开的实施例一致的具有各种模块的系统600的示例块图，这些模块可以生成上下文量测指纹数据库并且训练计算模型。图6中的系统600中的模块可以经由图1中的控制器109来应用。图2中的控制器290或图3中的处理器303。上下文量测指纹数据库可以被存储在HVM期间处理的晶片的链接上下文信息和量测信息。图6所示的指纹数据库也可以被称为指纹库。计算模型可以是CGI模型。

CGI模型可以从量测工具获得输入量测信息601。输入量测信息601可以从不同类型的量测工具获得。示例量测工具可以包括但不限于散射测量工具或检查工具（例如，图1中的束工具104或图3中的检查工具302）。输入量测信息601可以是为根据晶片处理步骤（例如，图5中晶片处理步骤501之后的晶片A-E）处理的一个晶片或一批晶片收集的图像。该图像可以包含在晶片处理步骤之后可用于晶片的量测信息。CGI模型还可以从制造数据库获得输入上下文信息602。当根据晶片处理步骤进行处理时，输入上下文信息602可对应于工具ID/路由信息和/或应用于晶片或一批晶片的制造条件或参数。应当理解，输入上下文信息602在制造数据库中对于根据HVM期间的晶片处理而处理的每个晶片均是可用的。输入量测信息601和输入上下文信息602可以被供应给上下文链接器603，其中CGI模型评估根据输入上下文信息602处理的晶片或一批晶片的输入量测信息601。

上下文链接器603可以经由数据映射标识输入量测信息601中的平均指纹，该平均指纹是输入上下文信息602的特性。例如，输入量测信息601可以是蚀刻处理步骤之后的一批晶片的图像。输入上下文信息602可以对应地是工具ID或蚀刻装置上的蚀刻室的过程参数（在蚀刻处理步骤中处理该批晶片）。上下文链接器603可标识可直接造成输入量测信息601的结果的蚀刻室的平均上下文变量。因此，上下文链接器603输出将输入上下文信息602链接到输入量测信息601中的量测结果或检查结果的模型。上下文链接器603可以是可用于晶片的每种量测信息（例如，蚀刻、CD、覆盖等）输出上下文链接模型604。可针对可用于根据晶片处理而处理的一批晶片的每种类型的量测信息生成上下文链接模型，以生成上下文链接模型库，该上下文链接模型库将特定量测结果链接至HVM期间的晶片处理步骤。如果根据处理步骤处理的晶片的上下文信息是已知的，则先前由上下文链接器603生成的上下文链接模型可以应用于插补晶片缺失量测结果。

为了执行插补，量测插补器605读取输入量测信息601或输入上下文信息602，并且应用来自所生成的上下文链接模型库的对应上下文链接模型604。量测插补器605可以执行示例插补605_1来插补晶片数据集的缺失信息（例如，量测信息）。如示例插补605_1所示，虚线圆代表具有缺失信息（例如，量测信息）的晶片，并且实线圆代表具有可用信息（例如，量测信息和上下文信息）的晶片。量测插补器605可通过读取由虚线圆代表的晶片的可用信息（例如，输入上下文信息602）并且应用对应的上下文链接模型（例如，上下文链接模型604）来插补缺失信息（例如，输入量测信息601）来执行示例插补605_1。量测插补器605然后将插补的完整的晶片数据集供应给计算模型606。由量测插补器605供应的插补数据集可以用于训练计算模型606。因此，插补数据集可以被称为训练数据集。训练计算模型606可以如上文针对图4所述。

输入量测信息601可以可选地在经由指纹汇总601_1被提供给上下文链接器603之前被处理。输入量测信息601可以包含过量的高频噪声，该高频噪声可以与上下文信息602无关。指纹汇总601_1是一种技术，该技术用于减少输入量测信息601中的噪声，并且从输入量测信息601中滤除高频噪声或随机变化（例如，一批晶片中的晶片到晶片的变化），并且保持输入量测信息601中系统性、上下文引起的变化。指纹汇总601_1的非限制性示例可以包括主组分分析（PCA）、因子分析、使用Zernike多项式的晶片图建模、边缘模型分析或其他维度减少方法，以减少数据中的高频噪声或随机变化。

现在参考图7A，图7A是与本公开的实施例一致的为在晶片处理步骤后未测量的晶片插补量测信息的示例图示。具有实线轮廓的圆圈、正方形和三角形代表被处理到某个晶片处理步骤或处理设备（例如，上下文信息）并且被测量（例如，可用的量测信息）的晶片。例如，晶片701和晶片702可以根据蚀刻处理步骤进行处理，晶片703和晶片704可以根据沉积处理步骤进行处理，晶片705和晶片706可以根据覆盖处理步骤进行处理，并且可以获得晶片701-706的量测信息。如上文在图6中所述，可以为每组晶片计算上下文平均指纹或上下文链接模型。然后，量测插补器（例如，图6中的量测插补器605）将上下文平均指纹707应用于晶片708，该晶片708根据与晶片701和晶片702相同的处理步骤进行处理但未被测量（例如，没有可用的量测信息），以插补“缺失”晶片708的量测信息。量测插补器还可以将上下文平均指纹709应用于晶片710，并且将上下文平均指纹711应用于晶片712，以分别插补“缺失”晶片710和“缺失”晶片712的量测信息。图7A所示的过程可以被称为“基于上下文的插补”。“缺失”晶片708、710和712的插补量测信息和晶片701-706的量测信息可以作为训练数据集被供应给CGI模型。然后，CGI模型可以将插补应用于在HVM期间没有测量的后续晶片，以生成采样计划，从而使用所建立的上下文链接模型来引导晶片检查。晶片701-706也可以代表根据不同的过程设置制造的晶片。例如，晶片701和晶片702可以在晶片处理步骤701中在温度、压力、气体混合物或其他连续变量下制造。晶片703和晶片704可以在晶片处理步骤702中在另一温度、压力、气体混合物或其他连续变量下制造。CGI模型可以应用如图7A所示的基于上下文的插补，以根据可用于晶片701-706的这类过程设置的上下文平均值来插补缺失晶片708、710和712的量测信息。

现在参考图7B，图7B是与本公开的实施例一致的使用全局插补为晶片插补缺失信息的示例图示。在一些实施例中，用于训练CGI模型的晶片可以不具有量测信息，而可以具有新的上下文信息。例如，“缺失”晶片714（例如，没有量测信息）可以已经由与晶片701-706不同的处理室的处理。由于晶片714的上下文信息没有用于建立上下文量测指纹数据库，因此上下文平均指纹不能用于插补“缺失”晶片714的缺失量测信息。因此，可以计算所有晶片701-706的全局平均指纹713，并且用于插补“缺失”晶片714的量测信息。在一些实施例中，晶片714可以没有量测信息，并且制造数据库（例如，上述制造数据库）中可以缺少上下文信息。因此，上下文平均指纹不能用于插补“缺失”晶片714的缺失量测信息。相反，可以为所有晶片701-706计算全局平均指纹713，并且用于插补“缺失”晶片714的缺失量测信息。

现在参考图8，图8是图示与本公开的实施例一致的系统800的示例块图，该系统应用经训练的计算模型来生成晶片的采样计划并且引导晶片检测。如图8所示，晶片输入信息801可以被供应给量测插补器605。

晶片输入信息801可以包括图6的训练数据集中未使用的晶片的量测信息或上下文信息，并且晶片输入信息801可以不完整（例如，缺少量测信息）。上下文链接模型604也可以被供应给量测插补器605，并且量测插补器605可以插补完整的晶片输入信息802。如上所述，上下文链接模型604可以标识晶片输入信息801的对应上下文信息，并且量测插补器605可以从晶片输入信息801中插补缺失信息（例如，缺失量测信息）。完整的晶片输入信息802然后可以被供应给经训练的计算模型803，并且经训练的计算模型803可以使用完整的晶片输入信息802来确定晶片的每个管芯的缺陷管芯概率。然后可以生成采样计划804并且将其供应给检查工具805（例如，图1中的EBI系统、图2中的多束工具104或图3中的检查工具302）以引导晶片的晶片检查。

现在参考图9，图9是图示与本公开的实施例一致的方法900的示例流程图，该方法生成上下文链接模型以插补CGI模型的缺失输入数据，并且使用CGI模型生成晶片检测的采样计划。方法900的步骤可以由计算设备执行，诸如图1的控制器109、图2的控制器290或图3的处理器303。应当理解，所示方法900可以被改变以修改步骤的顺序并且包括附加的步骤。

方法900的步骤901至904可以被视为训练阶段900_1，并且方法900的步骤905至908可以被视为应用阶段900_2。训练阶段900_1可以由图6中的系统600执行，并且应用阶段900_2可以由图8中的系统800执行。在一些实施例中，同一系统可以执行训练阶段900_1和应用阶段900_2。

在步骤901中，获取输入数据并且将其供应给CGI模型（例如，CGI模型401）。输入数据可以是在晶片处理步骤后测量的一批晶片的可用量测信息。量测信息（例如，图6的输入量测信息601）可以可选地被处理以减少数据集的维度，如上所述（例如，指纹汇总）。该批晶片中的每个晶片均具有上下文信息（例如，图6的输入上下文信息602）。如上所述，CGI模型可以从制造数据库获取上下文信息。

在步骤902中，计算关系以链接输入数据。该关系可以是上下文链接模型（例如，图6的上下文链接模型604），该上下文链接模型将晶片的上下文信息链接到在晶片处理步骤之后收集的量测数据中的特定指纹或残差。例如，上下文链接模型可以标识在对晶片应用蚀刻处理步骤之后存在的量测数据中的特性。量测数据中的特性可以是例如量测数据的特性空间指纹。上下文链接模型可以是上下文平均指纹（例如，图7A的上下文平均指纹707、709或711）或全局平均指纹（例如，图7B的全局平均指纹713）。计算上下文平均指纹以将根据相同的晶片处理步骤处理的所有晶片与可用的量测信息链接（例如，具有相同的上下文信息）。计算全局平均指纹以将所有晶片与可用的量测信息链接。生成上下文链接模型库，该上下文链接模型库将所有可用的量测信息与上下文信息链接。

在步骤903中，使用计算出的关系来插补来自输入数据的缺失数据。缺失数据可以是具有已知上下文信息的晶片的量测信息，该量测信息在晶片处理步骤后未被测量，并且可以使用上下文平均指纹来插补。缺失数据可以是在晶片处理步骤之后没有测量的具有未知上下文信息的晶片的量测信息。可以使用全局平均指纹来插补缺失量测信息。

在步骤904中，用输入数据和插补数据训练CGI模型。训练CGI模型可以如上文针对图4所述。

在步骤905中，向CGI模型提供晶片的输入数据。输入数据可以是如图8所示的晶片输入信息801，并且可以是不完整的（例如，缺少量测信息或量测信息和上下文信息）。在步骤906中，使用在步骤902中确定的计算关系来插补来自晶片输入数据的缺失数据。

在步骤907中，晶片的插补数据和输入数据被供应给经训练的CGI模型，经训练的CGI模型确定晶片的每个管芯的缺陷管芯概率。在步骤908中，使用在步骤907中计算出的每个管芯的缺陷管芯概率来生成采样计划。在步骤909中，所生成的采样用于引导晶片的晶片检查，并且根据检查结果预计管芯损失。

现在参考表1，表1显示了应用于12个晶片的数据集（例如，本公开的方法900）的上下文平均插补和全局平均插补的R²相关性得分和受试者操作性下面积（AUC）得分。具体而言，数据集包括一批十二个晶片，根据本公开的方法900，生成该批十二个晶片的采样计划以引导检查。CGI模型通过应用上下文平均插补或全局平均插补生成采样计划，以生成晶片的缺失数据。计算预计的管芯损失，并且从数据集的十二个晶片中获得探针测试结果。

表1. 当应用上下文平均插补或全局平均插补时，量化CGI模型的R²相关性和AUC得分。

本公开的实施例提供的益处可以是提高了预测HVM期间制造的晶片中有缺陷管芯的准确性。在一些实施例中，使用统计数据插补技术来估计来自晶片制造信息的缺失量测测量结果。在一些实施例中，提供了一种计算模型，该计算模型可以进一步提高CGI生成的预计的管芯损失和R²相关性得分的准确性。本公开的一些实施例可以提供一种方法来改进CGI模型性能和通用性以引导晶片检查。本公开的一些实施例可以提供一种方法来提高缺陷检查准确性和整个HVM的无缺陷晶片的产率。

可以提供一种非暂态计算机可读介质，该非暂态计算机可读介质可以存储用于控制器（例如，图1的控制器109）的处理器的指令，以执行图像检查、图像获取、载物台定位、束聚焦、电场调整、束弯曲、聚光透镜调整、激活带电粒子源、束偏转等，存储用于光刻投射装置（例如，图3的光刻投射装置301）和检查工具（例如，图3的检查工具302）的处理器的指令，以确定样本的输入数据，执行图9的方法900，以及与标识晶片上的位置以在HVM期间进行检查相关的其他可执行功能。非暂态介质的常见形式包括，例如，软盘、柔性盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、光盘只读存储器（CD-ROM）、任何其他光学数据存储介质、任何具有孔图案的物理介质、随机存取存储器（RAM）、可编程只读存储器（PROM）和可擦除可编程只读存储器（EPROM）、FLASH-EPROM或任何其他闪存、非易失性随机存取存储器（NVRAM）、高速缓存、寄存器、任何其他存储芯片或盒式存储器及其网络版本。

可以使用以下条款进一步描述实施例：

1. 一种使用计算缺陷概率模型来标识在检查期间晶片上的要扫描的位置的方法，所述方法包括：

获得针对多个初始晶片的初始量测数据和初始上下文数据；以及

将针对所述多个初始晶片中的每个晶片的所述初始量测数据和所述初始上下文数据相关联；

基于后续晶片的上下文数据和所述多个初始晶片的所述初始上下文数据，将所述后续晶片与所述多个初始晶片相关联；以及

基于所述相关性，使用检查工具选择所述后续晶片上的要扫描的位置。

2. 根据条款1所述的方法，其中将所述多个晶片的所述初始量测数据和所述初始上下文数据相关联确定了所述初始量测数据与所述初始上下文数据之间的链接。

3. 根据条款1或2所述的方法，其中所述初始量测数据是量测结果或检查结果。

4. 根据条款1或2所述的方法，其中所述初始上下文数据是与晶片处理步骤相关联的晶片制造数据。

5. 根据条款1至4中任一项所述的方法，其中基于与所述多个初始晶片的所述相关性，为所述后续晶片插补量测数据。

6. 根据条款1至5中任一项所述的方法，其中所述检查工具是扫描带电粒子显微镜或光学工具。

7. 根据条款1至6中任一项所述的方法，其中所述计算缺陷概率模型是计算引导检查模型。

8. 一种标识在检查期间晶片上的要扫描的位置的方法，所述方法包括：

获得针对多个晶片的初始量测数据和初始上下文数据；

将针对所述多个晶片中的每个晶片的所述初始量测数据和所述初始上下文数据相关联；

使用相关联的所述初始量测数据和所述初始上下文数据对来自所述多个晶片的缺失数据进行插补；以及

用经插补的所述缺失数据和所述多个晶片的所述初始量测数据和所述初始上下文数据训练计算缺陷概率模型。

9. 根据条款8所述的方法，其中将所述多个晶片的所述初始量测数据和所述初始上下文数据相关联确定了所述初始量测数据与所述初始上下文数据之间的链接。

10. 根据条款8或9所述的方法，其中所述初始量测数据是量测结果或检查结果。

11. 根据条款8或9所述的方法，其中所述初始上下文数据是与晶片处理步骤相关联的晶片制造数据。

12. 根据条款8至11中任一项所述的方法，其中针对所述多个晶片的插补的所述缺失数据是量测数据。

13. 根据条款8所述的方法，还包括：

向经训练的所述计算缺陷概率模型提供晶片的输入数据；

使用所述多个晶片的相关联的所述初始量测数据和所述初始上下文数据对所述晶片的缺失数据进行插补；

使用经训练的所述计算缺陷概率模型，根据经插补的所述缺失数据和所述晶片的输入数据，确定所述晶片的每个管芯的缺陷管芯概率；

生成所述晶片的采样计划；以及

使用所述采样计划来引导用于所述晶片的晶片检查的检查工具。

14. 根据条款13所述的方法，其中针对所述晶片的插补的所述缺失数据是量测数据。

15. 根据条款14所述的方法，其中所述量测数据是量测结果或检查结果。

16. 根据条款13至15中任一项的方法，其中针对所述晶片的所述输入数据是量测数据或上下文数据。

17. 根据条款13至16中任一项的方法，其中所述检查工具是扫描带电粒子显微镜或光学工具。

18. 根据条款8至17中任一项的方法，其中所述计算缺陷概率模型是计算引导检查模型。

19. 一种用于使用计算缺陷概率模型来标识在检查期间晶片上的要扫描的位置的装置，包括：

存储器，存储指令集；以及

至少一个处理器，被配置为执行所述指令集以使所述装置执行操作，所述操作包括：

获得针对多个初始晶片的初始量测数据和初始上下文数据；

20. 根据条款19所述的装置，其中将所述多个晶片的所述初始量测数据和所述初始上下文数据相关联确定了所述初始量测数据与所述初始上下文数据之间的链接。

21. 根据条款19或20所述的装置，其中所述初始量测数据是量测结果或检查结果。

22. 根据条款19或20所述的装置，其中所述初始上下文数据是与晶片处理步骤相关联的晶片制造数据。

23. 根据条款19至22中任一项所述的装置，其中基于与所述多个初始晶片的所述相关性，为所述后续晶片插补量测数据。

24. 根据条款19至23中任一项所述的装置，其中所述检查工具是扫描带电粒子显微镜或光学工具。

25. 根据条款19至24中任一项所述的装置，其中所述计算缺陷概率模型是计算引导检查模型。

26. 一种用于使用计算缺陷概率模型来标识在检查期间晶片上的要扫描的位置的装置，包括：

存储器，存储指令集；以及

获得针对多个晶片的初始量测数据和初始上下文数据；

27. 根据条款26所述的装置，其中将所述多个晶片的所述初始量测数据和所述初始上下文数据相关联确定了所述初始量测数据与所述初始上下文数据之间的链接。

28. 根据条款26或27所述的装置，其中所述初始量测数据是量测结果或检查结果。

29. 根据条款26或27所述的装置，其中所述初始上下文数据是与晶片处理步骤相关联的晶片制造数据。

30. 根据条款26至29中任一项所述的装置，其中所述多个晶片的插补的缺失数据是量测数据。

31. 根据条款26所述的装置，其中所述操作还包括：

向经训练的所述计算缺陷概率模型提供针对晶片的输入数据；

使用针对所述多个晶片的相关联的所述初始量测数据和所述初始上下文数据对所述晶片的缺失数据进行插补；

使用经训练的所述计算缺陷概率模型，根据经插补的所述缺失数据和所述晶片的输入数据，确定针对所述晶片的每个管芯的缺陷管芯概率；

生成针对所述晶片的采样计划；以及

使用所述采样计划来引导针对所述晶片的晶片检查的检查工具。

32. 根据条款31所述的装置，其中针对所述晶片的插补的所述缺失数据是量测数据。

33. 根据条款32所述的装置，其中所述量测数据是量测结果或检查结果。

34. 根据条款31至33中任一项所述的装置，其中针对所述晶片的所述输入数据是量测数据或上下文数据。

35. 根据条款31至34中任一项所述的装置，其中所述检查工具是扫描带电粒子显微镜或光学工具。

36. 根据条款26至35中任一项所述的装置，其中所述计算缺陷概率模型是计算引导检查模型。

37. 一种非暂态计算机可读介质，所述非暂态计算机可读介质包括指令集，所述指令集能够由计算设备的一个或多个处理器执行，以使所述计算设备执行用于使用计算缺陷概率模型来标识在检查期间晶片上的要扫描的位置的操作，所述操作包括：

获得针对多个晶片的初始量测数据和初始上下文数据；

38. 根据条款37所述的非暂态计算机可读介质，其中将所述多个晶片的所述初始量测数据和所述初始上下文数据相关联确定了所述初始量测数据与所述初始上下文数据之间的链接。

39. 根据条款37或38所述的非暂态计算机可读介质，其中所述初始量测数据是量测结果或检查结果。

40. 根据条款37或38所述的非暂态计算机可读介质，其中所述初始上下文数据是与晶片处理步骤相关联的晶片制造数据。

41. 根据条款37至40中任一项所述的非暂态计算机可读介质，其中基于与多个初始晶片的相关性，为所述后续晶片插补量测数据。

42. 根据条款37至41中任一项所述的非暂态计算机可读介质，其中所述检查工具是扫描带电粒子显微镜或光学工具。

43. 根据条款37至42中任一项所述的非暂态计算机可读介质，其中所述计算缺陷概率模型是计算引导检查模型。

44. 一种非暂态计算机可读介质，所述非暂态计算机可读介质包括指令集，所述指令集能够由计算设备的一个或多个处理器执行，以使所述计算设备执行用于标识在检查期间晶片上的要扫描的位置的操作，所述操作包括：

获得针对多个晶片的初始量测数据和初始上下文数据；

45. 根据条款44所述的非暂态计算机可读介质，其中将所述多个晶片的所述初始量测数据和所述初始上下文数据相关联确定了所述初始量测数据与所述初始上下文数据之间的链接。

46. 根据条款44或45所述的非暂态计算机可读介质，其中所述初始量测数据是量测结果或检查结果。

47. 根据条款44或45所述的非暂态计算机可读介质，其中所述初始上下文数据是与晶片处理步骤相关联的晶片制造数据。

48. 根据条款44至47中任一项所述的非暂态计算机可读介质，其中针对所述多个晶片的插补的缺失数据是量测数据。

49. 根据条款44所述的非暂态计算机可读介质，其中所述操作还包括：

生成针对所述晶片的采样计划；以及

50. 根据条款49所述的非暂态计算机可读介质，其中针对所述晶片的插补的缺失数据是量测数据。

51. 根据条款50所述的非暂态计算机可读介质，其中所述量测数据是量测结果或检查结果。

52. 根据条款49至51中任一项所述的非暂态计算机可读介质，其中针对所述晶片的输入数据是量测数据或上下文数据。

53. 根据条款49或52中任一项所述的非暂态计算机可读介质，其中所述检查工具是扫描带电粒子显微镜或光学工具。

54. 根据条款44至53中任一项所述的非暂态计算机可读介质，其中所述计算缺陷概率模型是计算引导检查模型。

55. 一种使用计算模型来标识在检查期间晶片上的要扫描的位置的检查系统，所述检查系统包括：

一个或多个处理器，被配置为执行指令以使检查系统执行：

将针对所述多个初始晶片中的每个晶片的初始量测数据和初始上下文数据相关联；

基于后续晶片的上下文数据和所述多个初始晶片的初始上下文数据，将所述后续晶片与多个初始晶片相关联；以及

基于所述相关性，使用检查工具选择所述后续晶片上的位置进行扫描。

图中的块图可以图示根据本公开的各种示例性实施例的系统、方法和计算机硬件或软件产品的可能实施方式的架构、功能性和操作。在这点上，示意图中的每个块可以代表可以使用诸如电子电路的硬件实施方式的特定算术或逻辑运算处理。块还可以代表包括一个或多个用于实施指定逻辑功能的可执行指令的模块、代码段或代码部分。应当理解，在一些另选实施方式中，块中指示的功能可以不按照图中所示的顺序发生。例如，连续示出的两个块可以基本上同时执行或实施，或者两个块有时可以按相反的顺序执行，这取决于所涉及的功能性。一些块也可以被省略。还应当理解，块图的每个块以及块的组合可以由执行指定功能或动作的基于专用硬件的系统来实施，或者由专用硬件和计算机指令的组合来实施。

应当理解，本公开的实施例不限于上文所描述及附图所图示的确切结构，在不脱离其范围的情况下，可进行各种修改和变更。已经结合各种实施例描述了本公开，并且考虑到本文所公开的技术的说明书和实践，其他实施例对于本领域技术人员来说将是显而易见的。说明书和示例仅被认为是示例性的，本公开的真实范围和精神由所附权利要求指示。

Claims

1. 一种用于使用计算缺陷概率模型来标识在检查期间晶片上的要扫描的位置的装置，包括：

存储器，存储指令集；以及

获得针对多个初始晶片的初始量测数据和初始上下文数据；

2.根据权利要求1所述的装置，其中将所述多个晶片的所述初始量测数据和所述初始上下文数据相关联确定了所述初始量测数据与所述初始上下文数据之间的链接。

3.根据权利要求1所述的装置，其中所述初始量测数据是量测结果或检查结果。

4.根据权利要求1所述的装置，其中所述初始上下文数据是与晶片处理步骤相关联的晶片制造数据。

5.根据权利要求1所述的装置，其中基于与所述多个初始晶片的所述相关性，为所述后续晶片插补量测数据。

6.根据权利要求1所述的装置，其中所述检查工具是扫描带电粒子显微镜或光学工具。

7.根据权利要求1所述的装置，其中所述计算缺陷概率模型是计算引导检查模型。

8.一种非暂态计算机可读介质，所述非暂态计算机可读介质包括指令集，所述指令集能够由计算设备的一个或多个处理器执行，以使所述计算设备执行用于标识在检查期间晶片上的要扫描的位置的操作，所述操作包括：

获得针对多个晶片的初始量测数据和初始上下文数据；

9.根据权利要求8所述的非暂态计算机可读介质，其中将所述多个晶片的所述初始量测数据和所述初始上下文数据相关联确定了所述初始量测数据与所述初始上下文数据之间的链接。

10.根据权利要求8所述的非暂态计算机可读介质，其中所述初始量测数据是量测结果或检查结果。

11.根据权利要求8所述的非暂态计算机可读介质，其中所述初始上下文数据是与晶片处理步骤相关联的晶片制造数据。

12.根据权利要求8所述的非暂态计算机可读介质，其中针对所述多个晶片的插补的所述缺失数据是量测数据。

13.根据权利要求8所述的非暂态计算机可读介质，其中所述操作还包括：

生成针对所述晶片的采样计划；以及

14.根据权利要求13所述的非暂态计算机可读介质，其中针对所述晶片的插补的所述缺失数据是量测数据。

15.根据权利要求14所述的非暂态计算机可读介质，其中所述量测数据是量测结果或检查结果。