[go: up one dir, main page]

TWI683103B - 於樣品上判定所關注圖案之一或多個特性 - Google Patents

於樣品上判定所關注圖案之一或多個特性 Download PDF

Info

Publication number
TWI683103B
TWI683103B TW105127142A TW105127142A TWI683103B TW I683103 B TWI683103 B TW I683103B TW 105127142 A TW105127142 A TW 105127142A TW 105127142 A TW105127142 A TW 105127142A TW I683103 B TWI683103 B TW I683103B
Authority
TW
Taiwan
Prior art keywords
output
subsystem
detection system
instances
sample
Prior art date
Application number
TW105127142A
Other languages
English (en)
Other versions
TW201725381A (zh
Inventor
布萊恩 杜菲
艾斯霍克 庫爾卡尼
麥可 里尼克
艾倫 派克
Original Assignee
美商克萊譚克公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 美商克萊譚克公司 filed Critical 美商克萊譚克公司
Publication of TW201725381A publication Critical patent/TW201725381A/zh
Application granted granted Critical
Publication of TWI683103B publication Critical patent/TWI683103B/zh

Links

Images

Classifications

    • H10P74/23—
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • H10P74/235—
    • H10P74/27—
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95676—Masks, reticles, shadow masks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • H10P74/203—

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本發明提供用於判定所關注圖案(POI)之(若干)特性之方法及系統。一個系統經組態以擷取一檢測系統在POI例項處產生之輸出而不偵測該等POI例項處之缺陷。接著使用該輸出以產生該等POI例項之一選擇。該系統接著針對該等經選擇之POI例項自一輸出擷取子系統擷取輸出。該系統亦使用自該輸出擷取子系統擷取之該輸出判定該POI之(若干)特性。

Description

於樣品上判定所關注圖案之一或多個特性
本發明大體上係關於用於於樣品上判定所關注圖案之一或多個特性之方法及系統。
以下描述及實例不因其等包含於此段落中而被承認係先前技術。 在一半導體製造程序期間之各個步驟使用檢測程序以偵測晶圓上之缺陷以促進製造程序中之更高良率及因此更高利潤。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變得更為重要，此係因為較小缺陷可導致裝置故障。 缺陷再檢測通常涉及重新偵測由一檢測程序偵測為缺陷之缺陷且使用一高倍放大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，在其中已由檢測偵測缺陷之晶圓上之離散位置處執行缺陷再檢測。由缺陷再檢測產生之針對缺陷之較高解析度資料更適合於判定缺陷之屬性，諸如輪廓、粗糙度、更精確大小資訊等。 在一半導體製造程序期間之各個步驟亦使用度量衡程序以監測且控制程序。度量衡程序與檢測程序不同之處在於：不同於其中在一晶圓上偵測缺陷之檢測程序，度量衡程序用於量測使用當前使用之檢測工具無法判定之晶圓之一或多個特性。舉例而言，度量衡程序用於量測一晶圓之一或多個特性(諸如在一程序期間形成於晶圓上之特徵之一尺寸(例如，線寬、厚度等))使得可自一或多個特性判定程序之效能。另外，若晶圓之一或多個特性不可接受(例如，在(若干)特性之一預定範圍之外)，則可使用晶圓之一或多個特性之量測以更改程序之一或多個參數使得由程序製造之額外晶圓具有(若干)可接受特性。 度量衡程序與缺陷再檢測程序不同之處亦在於：不同於其中在缺陷再檢測中重訪由檢測偵測之缺陷之缺陷再檢測程序，可在未偵測缺陷之位置處執行度量衡程序。換言之，不同於缺陷再檢測，在一晶圓上執行一度量衡程序之位置可獨立於在晶圓上執行之一檢測程序之結果。特定言之，可獨立於檢測結果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選擇晶圓上執行度量衡之位置，故不同於其中無法判定晶圓上欲執行缺陷再檢測之位置直至產生且可用晶圓之檢測結果之缺陷再檢測，可在晶圓上已執行一檢測程序之前判定執行度量衡程序之位置。 雖然事實是度量衡通常獨立於檢測且主要由對於量測多邊形之形態關鍵或友好之位點驅動且缺陷再檢測通常相依於檢測且由已偵測缺陷之位點驅動，但並非始終如此。舉例而言，在檢測驅動之度量衡之情況中，可使用檢測結果以導引選擇反常於全部可用量測位點之位點。在另一實例中，亦可藉由使用藉由採用模擬或設計驅動位點而選擇之位點且接著使用缺陷再檢測工具僅收集該等指定位點之影像而在無檢測之情況下執行再檢測。在2010年5月4日頒予Park等人之美國專利第7,711,514號及在2013年10月15日頒予Chang等人之美國專利第8,559,001中繪示此等方法及系統之實例，該兩個專利以宛如全文陳述引用之方式併入本文中。 一般言之，使用如上文描述之檢測工具執行缺陷偵測且接著在位置之一固定樣本上執行額外量測(諸如使用一SEM執行之臨界尺寸(CD)量測)。然而，用於產生用於缺陷再檢測或度量衡之一樣本之當前使用之方法及系統存在若干缺點。舉例而言，歸因於CD SEM之實質上低區域及圖案覆蓋及使用定限技術之檢測工具之不足靈敏度，實際上可能無法觀察影響產品電路圖案之良率相關屬性之變動源。 因此，開發用於於樣品上判定所關注圖案之一或多個特性而無上文描述之一或多個缺點之系統及方法將係有利的。
各項實施例之以下描述絕不應理解為限制隨附申請專利範圍之標的。 一項實施例係關於一種經組態以於一樣品上判定一所關注圖案(POI)之一或多個特性之系統。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源及一偵測器。該輸出擷取子系統經組態以將由該能源產生之能量引導至一樣品而該偵測器偵測來自該樣品之能量且回應於該經偵測之能量產生輸出。該系統亦包含一電腦子系統，該電腦子系統包含經組態以實行來自一記憶體媒體之指令之一或多個處理器。該電腦子系統經組態用於擷取由一檢測系統針對該樣品上之一POI之至少大多數例項產生且儲存於一電腦可讀儲存媒體中之該檢測系統之輸出。該檢測系統以低於該輸出擷取子系統之一解析度之一解析度擷取該輸出。無關於該輸出之特性，該檢測系統儲存在該至少大多數例項處擷取之該輸出。該電腦子系統亦經組態用於選擇由該輸出擷取子系統產生該輸出之該至少大多數例項之一或多者。該選擇係基於該檢測系統之該輸出之該等特性執行。另外，該電腦子系統經組態用於擷取由該輸出擷取子系統針對該至少大多數例項之該經選擇一或多者產生之該輸出。在該至少大多數例項之該經選擇一或多者處擷取該輸出之該輸出擷取子系統之該解析度高於該檢測系統之該解析度。該系統進一步經組態用於基於該輸出擷取子系統在該至少大多數例項之該經選擇一或多者處之該輸出判定該POI之一或多個特性。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於一樣品上判定一POI之一或多個特性之電腦實施方法。該方法包含擷取由一檢測系統針對一樣品上之一POI之至少大多數例項產生且儲存於一電腦可讀儲存媒體中之該檢測系統之輸出。該檢測系統以低於一輸出擷取子系統之一解析度之一解析度擷取該輸出。無關於該輸出之特性，該檢測系統儲存在該至少大多數例項處擷取之該輸出。該輸出擷取子系統包含至少一能源及一偵測器。該輸出擷取子系統經組態以將由該能源產生之能量引導至該樣品而該偵測器偵測來自該樣品之能量且回應於該經偵測之能量產生輸出。該方法亦包含選擇由該輸出擷取子系統產生該輸出之該至少大多數例項之一或多者。基於該檢測系統之該輸出之該等特性執行該選擇。另外，該方法包含擷取由該輸出擷取子系統針對該至少大多數例項之該經選擇一或多者產生之該輸出。該輸出擷取子系統在該至少大多數例項之該經選擇一或多者處擷取該輸出之該解析度高於該檢測系統之該解析度。另外，該方法包含基於該輸出擷取子系統在該至少大多數例項之該經選擇一或多者處之該輸出判定該POI之一或多個特性。藉由耦合至該輸出擷取子系統之一電腦子系統執行擷取該檢測系統之該輸出、選擇該至少大多數例項之該一或多者、擷取由該輸出擷取子系統產生之該輸出及判定該一或多個特性。該電腦子系統包含經組態以實行來自一記憶體媒體之指令之一或多個處理器。 可如本文中進一步描述般進一步執行上文描述之方法之各步驟。另外，上文描述之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，上文描述之方法可由本文中描述之該等系統之任何者執行。 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實行以執行用於於一樣品上判定一POI之一或多個特性之一電腦實施方法。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，可針對其實行該等程式指令之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。
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。另外，藉由一倍縮光罩檢測系統擷取之一倍縮光罩之一影像及/或其之導出物可用作用於設計之一「代理」或「若干代理」。此一倍縮光罩影像或其之一導出物可在使用一設計之本文中描述之任何實施例中充當對於設計佈局之一取代物。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，該兩個專利以宛如全文陳述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、一或多個層之設計資料、設計資料之導出物及完全或部分晶片設計資料。 然而，一般言之，無法藉由使用一晶圓檢測系統使一晶圓成像而產生設計資訊或資料。舉例而言，形成於晶圓上之設計圖案無法準確表示晶圓設計且晶圓檢測系統可能無法用足以使得可使用形成於晶圓上之設計圖案之影像來判定關於晶圓設計之資訊之解析度產生該等影像。因此，一般言之，無法使用一實體晶圓產生設計資訊或設計資料。另外，本文中描述之「設計」及「設計資料」係指由一半導體裝置設計者在一設計程序中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。 現參考圖式，應注意，圖未按比例繪製。特定言之，在很大程度上放大圖之一些元件之尺度以強調元件之特性。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任何元件可包含任何適合市售元件。 一項實施例係關於一種經組態以於一樣品上判定一所關注圖案(POI)之一或多個特性之系統。本文中描述之實施例通常經組態用於圖案映射度量衡及支撐基礎設施。舉例而言，本文中描述之實施例通常經組態用於結合自光學資料引伸之一位點樣本之高解析度量測而擷取及分析一半導體晶片內之全部POI例項之一實質部分上之圖案化相關光學信號。此能力與工程師學習(發現)及生產監測相關。 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源及一偵測器。該輸出擷取子系統經組態以將由該能源產生之能量引導至一樣品而偵測器偵測來自該樣品之能量且回應於該經偵測之能量而產生輸出。 在一項實施例中，該樣品係一晶圓。在另一實施例中，該樣品係一倍縮光罩。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。一般言之，本文中描述之實施例可用於樣品，諸如圖案化半導體晶圓或倍縮光罩或需要實質上高精確度圖案化之其他基板。可以任何適合方式圖案化半導體晶圓及倍縮光罩及其他基板。該樣品亦可經受一或多個實驗設計(DOE)。舉例而言，DOE可包含程序窗合格性檢定(PWQ)。可如2005年6月7日頒予Peterson等人之美國專利第6,902,855號、2008年8月26日頒予Peterson等人之美國專利第7,418,124號、2010年8月3日頒予Kekare等人之美國專利第7,769,225號、2011年10月18日頒予Pak等人之美國專利第8,041,106號及2012年7月3日頒予Peterson等人之美國專利第8,213,704號中描述般執行PWQ，該等專利以宛如全文陳述引用之方式併入本文中。本文中描述之實施例可包含此等專利中描述之(若干)任何方法之(若干)任何步驟且可如此等專利中描述般進一步組態。可如此等專利中描述般印刷一PWQ晶圓。 在一項實施例中，能源係一光源，且由偵測器偵測之能量包含光。以此方式，輸出擷取子系統可經組態為一光學或基於光之輸出擷取子系統。在圖1中將此一輸出擷取子系統之一項實施例展示為系統102之輸出擷取子系統100。輸出擷取子系統經組態用於將光引導至一樣品且偵測來自樣品之光。舉例而言，如圖1中展示，輸出擷取子系統包含光源104，光源104可包含此項技術中已知之任何適合光源。在一個實例中，光源可係一寬頻電漿(BBP)光源，其可係此項技術中已知之任何適合此光源。引導至樣品之光可包含單色光、多色光或寬頻光。 可將來自光源之光引導至光束分離器106，該光束分離器106可經組態以將來自光源之光引導至樣品108。光源可耦合至任何其他適合元件(未展示)，諸如一或多個聚光透鏡、準直透鏡、中繼透鏡、物鏡、孔徑、光譜濾波器、偏光組件及類似者。如圖1中展示，可按一法向入射角將光引導至樣品。然而，可按任何適合入射(包含近法向及傾斜入射)角將光引導至樣品。另外，可按一個以上入射角依序或同時將光或多個光束引導至樣品。輸出擷取子系統可經組態以依任何適合方式使光掃描遍及樣品。 可在掃描期間由輸出擷取子系統之一或多個偵測器收集且偵測來自樣品108之光。舉例而言，按相對接近法向之角度自樣品108反射之光(即，當入射為法向時經鏡面反射之光)可穿過光束分離器106至透鏡110。透鏡110可包含如圖1中展示之一折射光學元件。另外，透鏡110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。由透鏡110收集之光可經聚焦至偵測器112。偵測器112可包含此項技術中已知之任何適合偵測器，諸如一電荷耦合裝置(CCD)或另一類型之成像偵測器。偵測器112經組態以產生回應於由透鏡110收集之反射光之輸出。因此，透鏡110及偵測器112形成輸出擷取子系統之一個通道。輸出擷取子系統之此通道可包含此項技術中已知之任何其他適合光學組件(未展示)。偵測器之輸出可包含(例如)影像、影像資料、信號、影像信號或可由適用於一晶圓或倍縮光罩輸出擷取系統中之一偵測器產生之任何其他輸出。 由於圖1中展示之輸出擷取子系統經組態以偵測自樣品鏡面反射之光，故輸出擷取子系統經組態為一明場(BF)輸出擷取子系統。然而，此一輸出擷取子系統亦可經組態用於其他類型之輸出擷取。舉例而言，圖1中展示之輸出擷取子系統亦可包含一或多個其他通道(未展示)。(該等)其他通道可包含經組態為一散射光通道之本文中描述之任何光學組件，諸如一透鏡及一偵測器。可如本文中描述般進一步組態透鏡及偵測器。以此方式，輸出擷取子系統亦可經組態用於暗場(DF)輸出擷取。 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基於光之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輸出擷取系統時通常執行般最佳化輸出擷取子系統之效能。另外，可使用諸如商業上可購自KLA-Tencor之SpectraShape系列之工具及Archer系列之工具之一現有輸出擷取子系統(例如，藉由將本文中描述之功能性添加至一現有輸出擷取系統)而實施本文中描述之系統。對於一些此等系統，本文中描述之方法可提供為系統之選用功能性(例如，除了系統之其他功能性之外)。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。可如本文中描述般進一步組態圖1中展示之系統。 雖然在上文中將系統描述為一光學或基於光之輸出擷取系統，但輸出擷取子系統可係一基於電子束之子系統。在一項此實施例中，能源係一電子束源且由偵測器偵測之能量包含電子。在圖1a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125之電子柱123。 亦如圖1a中展示，電子柱包含經組態以產生由一或多個元件130聚焦至樣品128之電子之電子束源126。電子束源可包含(例如)一陰極源或射極尖端，且一或多個元件130可包含(例如)一電子槍透鏡、一陽極、一光束限制孔徑、一閘閥、一束電流選擇孔徑、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(例如)一掃描子系統，該掃描子系統可係包含於(若干)元件130中之相同掃描子系統。 電子柱可包含此項技術中已知之任何其他適合元件。另外，可如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號中所描述般進一步組態電子柱，該等專利以宛如全文陳述引用之方式併入本文中。 雖然在圖1a中將電子柱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，但應理解，電子束可按任何適合角度引導至樣品且自樣品散射。 電腦子系統125可耦合至偵測器134，如本文中描述。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，該等電子束影像可包含任何適合電子束影像。電腦子系統125可經組態以使用由偵測器134產生之輸出執行本文中描述之一或多個功能。電腦子系統125可經組態以執行本文中描述之(若干)任何額外步驟。 應注意，在本文中提供圖1a以大體上繪示可包含於本文中描述之系統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基於電子束之子系統組態以如在設計一商業輸出擷取系統時通常執行般最佳化輸出擷取子系統之效能。另外，可使用諸如商業上可購自加利福尼亞，米爾皮塔斯(Milpitas)市，KLA-Tencor之eDR-xxxx系列之工具之一現有輸出擷取子系統(例如，藉由將本文中描述之功能性添加至一現有輸出擷取系統)實施本文中描述之系統。對於一些此等系統，可將本文中描述之方法提供為系統之選用功能性(例如，除了系統之其他功能性之外)。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。可如本文中描述般進一步組態圖1a中展示之系統。 雖然在上文中將輸出擷取子系統描述為一基於光或基於電子束之輸出擷取子系統，但輸出擷取子系統可係一基於離子束之輸出擷取子系統。舉例而言，在一項實施例中，能源係一帶電粒子束源且由偵測器偵測之能量包含帶電粒子。可如圖1a中展示般組態此一輸出擷取子系統，惟使用此項技術中已知之任何適合離子束源替代電子束源除外。另外，輸出擷取子系統可係任何其他適合基於離子束之輸出擷取子系統，諸如包含於市售聚焦離子束(FIB)系統、氦離子顯微鏡(HIM)系統及二次離子質譜儀(SIMS)系統中之基於離子束之輸出擷取子系統。 系統包含經組態用於執行本文中進一步描述之若干功能之一電腦子系統。(若干)電腦子系統在本文中亦可稱為(若干)電腦系統。(若干)電腦子系統或(若干)系統可採用各種形式，包含一個人電腦系統、影像電腦、主機電腦系統、工作站、網路設備、網際網路設備或其他裝置。一般言之，術語「電腦系統」可經廣泛定義以涵蓋包含經組態以實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處理及軟體之一電腦平台作為一獨立工具或一網路工具。 電腦子系統可包含於包含輸出擷取子系統之一系統中。舉例而言，電腦子系統可係耦合至圖1中展示之輸出擷取子系統100之電腦子系統114及/或圖1a中展示之電腦子系統125。電腦子系統114可耦合至偵測器112及輸出擷取子系統之任何其他偵測器使得電腦子系統可接收由(若干)偵測器產生之輸出(例如，影像)。以一類似方式，電腦子系統125可耦合至偵測器134及輸出擷取子系統之任何其他偵測器使得電腦子系統可接收由(若干)偵測器產生之輸出(例如，影像)。 電腦子系統亦可或替代地包含一獨立類型之電腦系統。舉例而言，如圖1中展示，電腦子系統可包含電腦子系統116，該電腦子系統116並非包含輸出擷取子系統之一系統之部分。 電腦子系統可進一步包含係一電子設計自動化(EDA)工具之部分之一電腦子系統，且本文中進一步描述之輸出擷取子系統並非EDA工具之部分。舉例而言，如圖1中展示，上文描述之電腦子系統可係包含於EDA工具120中之電腦子系統118。EDA工具及包含於此一工具中之電腦子系統可包含可如本文中描述般組態之任何市售EDA工具。因此，如本文中描述般組態之(若干)電腦子系統可獨立於用於擷取針對樣品之輸出之一輸出擷取系統。 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。舉例而言，電腦子系統114可如由圖1中之虛線展示般藉由任何適合傳輸媒體(其可包含此項技術中已知之任何適合有線及/或無線傳輸媒體)耦合至獨立電腦子系統116及/或EDA工具120之電腦子系統118。兩個或兩個以上此等電腦子系統亦可藉由諸如一工廠資料庫之一共用電腦可讀儲存媒體(未展示)有效耦合。若系統包含多個電腦子系統，則不同電腦子系統可經組態以執行本文中進一步描述之不同功能。替代地，僅一個圖1中展示之電腦子系統可經組態以執行本文中進一步描述之全部功能。 如本文中進一步描述，可基於POI及一POI之一或多個例項執行若干步驟或功能。在一些例項中，本文中描述之實施例可經組態以識別樣品上之POI及POI之例項。然而，在其他例項中，可自另一系統或方法擷取關於樣品上之POI及POI之例項之資訊。在任一情況中，POI之位置可來自一或多個源。POI資訊之源可包含一實體設計(佈局)資料庫或其之導出物(可包含模型化)。POI資訊之另一源可包含其他倍縮光罩或晶圓分析(包含程序窗分析)。POI資訊之一額外源可包含具有相同或類似圖案之晶圓之電測試結果。POI資訊之源亦可包含實體故障分析。亦存在用於決定在本文中描述之實施例中使用之POI之許多其他方法，在2010年3月9日頒予Kulkarni等人之美國專利第7,676,077號及2013年12月17日頒予Kulkarni等人之美國專利第8,611,639號中描述該等方法之實例，該等專利以宛如全文陳述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。 電腦子系統經組態用於擷取由一檢測系統針對樣品上之一POI之至少大多數例項產生且儲存於一電腦可讀儲存媒體中之該檢測系統之輸出。舉例而言，如圖1中展示，檢測系統122可針對一樣品及因此樣品上之POI之例項產生輸出且可將輸出儲存於電腦可讀儲存媒體124中。檢測系統可如本文中進一步描述般(例如，藉由可包含有線及無線傳輸媒體之一或多個傳輸媒體)耦合至電腦可讀儲存媒體。電腦可讀儲存媒體可包含本文中描述之任何電腦可讀儲存媒體。本文中描述之電腦子系統可(例如)藉由一或多個傳輸媒體耦合至如本文中進一步描述之電腦可讀儲存媒體使得電腦子系統可擷取檢測系統之輸出。舉例而言，如圖1中展示，電腦子系統114及116可如由虛線(可包含本文中描述之一或多個傳輸媒體)展示般耦合至電腦可讀儲存媒體124。檢測系統及電腦可讀儲存媒體可以一類似方式耦合至圖1a中展示之電腦子系統125。 可由檢測系統針對一樣品上之POI例項之一實質部分或全部產生光學或電子束信號。以此方式，系統可在一樣品上之POI例項之一實質部分或全部上擷取圖案化相關之光學或電子束信號。由檢測系統儲存之檢測系統之輸出可包含針對樣品產生之影像。以此方式，可將自其產生樣品之特性之影像儲存於一儲存裝置中。電腦子系統接著可自電腦可讀儲存媒體擷取由檢測系統針對至少大多數POI例項產生之輸出。以此方式，電腦子系統可經組態用於自全部POI例項之一實質部分處之光學或電子束信號擷取屬性。雖然可自電腦可讀儲存媒體擷取檢測系統之輸出，但當使用一儲存裝置時，實體樣品可用於進一步分析。 檢測系統以低於輸出擷取子系統之一解析度之一解析度擷取輸出。舉例而言，檢測系統可經組態為一實質上高速光學影像擷取及分析系統(例如，包含一BBP光源之一檢測系統)。檢測系統122可包含任何適合市售檢測系統，諸如商業上可購自KLA-Tencor之29xx/39xx系列之工具或此項技術中已知之任何其他適合檢測系統。另外，檢測系統122可經組態為一光學或基於光之檢測系統或一基於電子束之檢測系統(其可包含此項技術中已知之任何適合基於電子束之檢測系統)。 無關於輸出之特性，檢測系統儲存在至少大多數例項處擷取之輸出。在一項實施例中，檢測系統識別樣品上之POI之至少大多數例項之位置而不偵測樣品上之缺陷。換言之，檢測系統未將一缺陷偵測演算法應用至針對樣品產生之輸出以偵測晶圓上之缺陷，該等缺陷接著被標記為所關注區域或圖案。代替性地，無關於POI例項處之輸出(即，無關於輸出是否高於一缺陷偵測臨限值)，檢測系統可擷取POI例項處之輸出。因此，可將由檢測系統針對POI例項執行之輸出擷取視為未定限，此係因為由檢測系統擷取且儲存之輸出不僅係高於一缺陷偵測臨限值之輸出。以此方式，相較於使用一檢測系統之正常輸出擷取(其中在產生輸出時分析輸出)，可延遲POI例項之分析。另外，可延遲在POI例項處擷取之輸出之分析直至收集針對晶圓之全部輸出。以此方式，輸出擷取程序可不同於由一檢測系統執行之正常輸出擷取，此係因為延遲關於何為一離群點之判斷直至收集針對整個樣品(或樣品之至少一實質部分)之輸出。因此，如本文中描述般擷取且儲存檢測輸出以用於延遲分析提供輸出中之離群點之靈活分析及偵測。另外，針對由檢測系統針對POI例項產生之輸出執行之輸出分析可在x及y上不受約束。 在一項實施例中，圖1中展示之電腦可讀儲存媒體124經組態為一虛擬檢測器(VI)。可如2012年2月28日頒予Bhaskar等人之共同讓與之美國專利第8,126,255號及2014年8月28日由Duffy等人發表之美國專利申請公開案第2014/0241610號及2016年1月28日由Duffy等人發表之美國專利申請公開案第2016/0025648號中描述般組態VI，該等案以宛如全文陳述引用之方式併入本文中。換言之，在一些實施例中，電腦可讀儲存媒體可經組態為一虛擬檢測系統。在此等實施例中，檢測系統之輸出可係先前藉由一光學或電子束檢測系統之一或多個偵測器產生且儲存於虛擬檢測系統中之輸出，且虛擬檢測系統可重播經儲存之輸出，如同正在掃描樣品。以此方式，使用一虛擬檢測系統掃描樣品可看似如同使用一實際檢測系統掃描一實體樣品，而實際上，掃描僅涉及以相同於可掃描樣品之方式重播針對樣品之輸出。可如以引用之方式併入上文中之專利及專利申請案中描述般進一步組態本文中描述之實施例。 由檢測系統產生之輸出量(或資料點)可為幾千億。舉例而言，各POI在一晶片之一給定層上可具有幾百萬個例項。另外，在一晶片之一給定層上可存在幾千個POI類型且每一晶圓存在50至幾百個晶片。可針對不同光學模式中之若干遍次之各者產生此資料量。可預期在約一小時內完成各遍次。另外，雖然關於一POI描述本文中描述之實施例，但應理解，本文中描述之實施例可經組態以針對POI之一個以上類型同時或連續執行本文中描述之功能。以此方式，本文中描述之實施例可經組態以分析一樣品上之全部POI類型。然而，無關於是否針對多個POI類型同時或連續執行分析，可針對各POI類型單獨執行分析(即，當分析一個POI類型時僅可使用針對該一個POI類型之輸出)。 當考量POI (例如，識別檢測系統之輸出中之POI)時，考量POI可如何受其等附近之其他結構影響可係重要的。舉例而言，可存在經考量之一影像擷取系統之光學接近效應。在一個此實例中，放置於晶片佈局中之不同周圍鄰域中之兩個實體相同POI例項可在鄰近結構差異足夠接近以影響由系統擷取之影像(影像擷取系統之光學接近效應)之情況下獲得不同屬性。實務意義係方法論可考量此等效應使得不僅針對各POI而且針對POI外加周圍鄰域將分析分段。在另一實例中，可考量用於製成樣品之程序之接近效應。在一個此實例中，可使用佈局改變修改放置於在已知導致程序光學接近效應(例如，歸因於微影程序)之一距離內之不同周圍鄰近結構之背景內容中之兩個相同(如在設計中繪製) POI例項以努力使所得晶圓上結構相同(此係光學接近校正(OPC))。在一進一步實例中，可考量以相同意圖施加至相同POI之不同例項之OPC變動。在一個此實例中，可藉由不必以一可重複方式執行之軟體實行OPC程序。可具有在OPC程序中歸因於槽(quirk)而經不同更改之兩個相同佈局例項。知道此可係重要的使得不將OPC實行中之差異誤認為程序變動。 在另一實施例中，檢測系統係一光學檢測系統。在一進一步實施例中，檢測系統係一基於電子束之檢測系統。光學或電子束檢測系統亦可係一基於影像之檢測系統。光學或電子束檢測系統可具有一靈活光學可組態性。檢測或電子束系統可包含一實質上高速階段。另外，檢測系統可使用小於工具之光點大小之像素以促進與設計之實質上高準確度及精確度對準。相比之下，在當前使用之系統及方法中，關照區域通常限於樣品之平面處之能源之光點之大小。 電腦子系統亦經組態用於選擇由輸出擷取子系統產生輸出之至少大多數例項之一或多者。基於檢測系統之輸出之特性執行選擇。可針對各目標POI位置計算輸出之特性(例如，影像屬性)。可在一絕對基礎上或藉由與一參考影像(例如，一差異影像)比較而計算一些或全部特性(例如，影像屬性)。可使用樣品或自一儲存裝置擷取參考影像。參考位置之位置準確度亦可如本文中進一步描述般精確(例如，以子像素準確度)。檢測系統之輸出之特性(例如，影像屬性)較佳實質上與一或多個所關注實體屬性相關。可在基於特性選擇一或多個例項之前以某個方式分析特性。特定言之，可(藉由分析針對POI之一個以上例項判定之特性之一組合)共同分析特性。舉例而言，可判定針對一POI之多個例項產生之輸出之一特性之一直方圖且接著可基於經判定之直方圖執行選擇。可根據本文中描述之任何其他實施例執行選擇。 以此方式，電腦子系統可經組態以產生自由檢測系統產生且由電腦子系統擷取之資料引伸之位點之一樣本。因而，用於進一步分析之樣本計劃可取決於檢測系統之結果。換言之，本文中描述之電腦子系統可經組態用於將來自一檢測系統之信號耦合至另一輸出擷取子系統(例如，一掃描電子顯微鏡(SEM))用於適應性量測位置取樣。因此，本文中描述之實施例可充當用於自樣品蒐集額外資料以便引伸更多確定性結論之較高解析度儀器之一指標。 用於較高解析度輸出擷取子系統之取樣可包含組合檢測影像屬性。用於較高解析度分析之取樣可包含檢測系統輸出之空間分析。空間分析可包含階層式晶粒、倍縮光罩、晶圓級屬性模型化(諸如由市售產品(諸如商業上可購自KLA-Tencor之KT分析器)執行之空間分析)。空間分析亦可或替代地包含用於雜訊平均化之資料點(例如，在單元之一固定柵格上)之局部聚集。 所關注位置之數量可包含樣品上之POI例項之一實質部分(例如，至少大多數例項)。另外，POI之至少大多數例項及選擇POI之一或多個例項可跨樣品上覆蓋整個樣品或僅樣品之一部分之一區域。舉例而言，POI之至少大多數例項可包含樣品上之POI之每一單一例項使得POI例項及經選擇之一或多個POI例項橫跨樣品上大約等於樣品上整個區域(或樣品上之整個圖案化區域)之一區域。以此方式，輸出擷取計劃可包含一給定POI之全部例項。替代地，POI之至少大多數例項及經選擇之一或多個POI例項可包含樣品上之少於全部之POI例項且可橫跨樣品上少於整個樣品之一區域。舉例而言，POI之至少大多數例項及經選擇之一或多個POI例項可僅定位於一樣品(諸如一晶圓)上之一單一晶粒內，該樣品包含樣品上之晶粒之許多例項。在另一實例中，POI之至少大多數例項及經選擇之一或多個POI例項可僅定位於樣品之經掃描部分內，該經掃描部分可包含形成於樣品上之(若干)晶粒之一或多個部分中之POI之少於全部之例項。 在一項實施例中，檢測系統識別樣品上之POI之至少大多數例項之位置而不偵測樣品上之缺陷。在一項此實施例中，選擇至少大多數例項之一或多者並非基於在POI之例項處偵測之缺陷而執行。舉例而言，缺陷偵測演算法之性質及定限概念之使用使靈敏度「公開」。藉由使用一非定限方法，可執行更複雜之後處理以選擇位點以使用一相對高解析度工具分析。 在另一實施例中，檢測系統之輸出之特性包含由檢測系統針對POI之至少大多數例項產生之原始影像資料之特性。舉例而言，針對一整個樣品(例如，晶圓)之原始影像資料可壓縮成針對各POI例項之資料點，其中一資料點包含自在各POI例項處收集之像素化影像資料導出之彙總屬性。一個別資料點之基礎可係自一關照區域例項引伸之至少一個彙總屬性。 電腦子系統進一步經組態用於擷取由輸出擷取子系統針對至少大多數例項之經選擇一或多者產生之輸出。在至少大多數例項之經選擇一或多者處擷取輸出之輸出擷取子系統之解析度高於檢測系統之解析度。舉例而言，輸出擷取子系統可經組態為一實質上高解析度量測系統(例如，使用度量衡演算法之一SEM)。輸出擷取子系統可經組態以具有可程式化成像特徵(例如，靈活照明及/或影像擷取能力)。輸出擷取子系統可經組態為一經修改之缺陷檢測系統。替代地，輸出擷取子系統可係一經修改之度量衡系統。經修改之系統可係多用途(例如，用於本文中描述之功能及其他缺陷偵測或度量衡)或專用於本文中描述之功能。另外，輸出擷取子系統可經組態以使用多個成像模式(例如，多個光學或電子束成像模式)以改良由輸出擷取子系統擷取之輸出之可使用信號。本文中描述之實施例亦可受益於量及虛擬多模式方法。由較高解析度系統產生之資料點之量將係來自光學或電子束檢測系統之資料點之一相對小子集。輸出擷取子系統之資料擷取速率可係大約每小時幾千點。 如本文中描述，系統包含輸出擷取子系統。因此，實施例可經組態用於使用一工具之直接資料擷取，該工具針對此目的最佳化。實施例亦可構建於可如本文中描述般組態之一VI之頂部上。此外，實施例可併入至針對此目的擴增之一現有晶圓檢測器之操作中(可與針對樣品執行之其他缺陷偵測串列或並列執行)。 在一項實施例中，由檢測系統以子像素準確度定位樣品上之POI之例項。本文中使用之術語「子像素」通常定義為小於一影像之一像素。以此方式，本文中使用之術語「子像素準確度」可通常定義為以小於影像中之一單一像素之大小(自一側至另一側之距離)之一誤差判定某物(例如，一POI例項)之位置。以此方式，本文中描述之實施例可具有實質上高精確度位置及影像擷取控制使得可使用在一市售檢測系統(諸如可購自KLA-Tencor之檢測系統)上找到之類型之可程式化成像模式(例如，各種光譜輪廓、各種照明孔徑、各種成像孔徑、光瞳塑形選項等)標靶且分析特定POI，其中可在多個模式中串列執行資料收集且在分析之前組合資料收集。舉例而言，位置控制可使用商業上可購自KLA-Tencor之NanoPoint技術。另外，可將POI例項標記為具有對一晶片設計之已知部分之可追溯性之關照區域。此外，關照區域之動機可重疊(即，可針對多個原因將一關照區域標記為一關照區域)。 在另一實施例中，由輸出擷取子系統憑藉以子像素準確度定位至少大多數例項之經選擇一或多者而產生針對至少大多數例項之經選擇一或多者之輸出。以此方式，本文中描述之實施例可具有實質上高精確度位置控制使得可分析特定POI。舉例而言，位置控制可使用商業上可購自KLA-Tencor之NanoPoint技術。以此方式，電腦子系統可以一非定限方式使用NanoPoint技術以迫使在其中關照區域係大約程序接近特性長度(例如，約300 nm) (即，本文中進一步描述之用於在樣品上形成圖案化結構之一程序之光學接近效應)之指定圖案位置(POI)之輸出擷取。針對其他(非微影)程序，亦存在鄰域效應(程序負載效應)，諸如基於程序細節可具有類似影響之化學機械拋光(CMP)及蝕刻。當尋找具有本文中描述之資料之系統變動源時，使用此等特性之已知項可有助於幫助解譯結果。 電腦子系統亦經組態用於基於輸出擷取子系統在至少大多數例項之經選擇一或多者處之輸出而判定POI之一或多個特性。以此方式，本文中描述之實施例可經組態以結合自光學資料引伸之一位點樣本之高解析度量測而擷取且分析針對一樣品上之POI例項之一實質部分或全部產生之圖案化相關輸出(例如，光學信號)。舉例而言，可在樣品之實質部分(至多及包含整個樣品)上執行資料分析。因此，系統可包含用於POI例項之最終安置之一實質上高解析度工具(通常但不必為電子束)。可由電腦子系統以任何適合方式進一步分析且報告POI之經判定一或多個特性。 因此，本文中描述之實施例實現以「百萬分之一」監測圖案。舉例而言，潛在熱點(或POI例項位置)之數目可係幾百萬至幾十億。可擷取關於此等熱點之全部或一實質部分之特性且可過濾熱點之例項。接著，可針對圖案化結構之臨界尺寸(CD)或其他可量化特性再檢測數目可係幾百至幾千之剩餘熱點。以此方式，本文中描述之選擇及判定步驟可基本上涉及取樣及度量衡。 在一些例項中，對於POI之一模型化回應可在資料收集之前可用。舉例而言，可執行當透過本文中描述之實施例之成像系統處理且觀察POI時POI之外觀之模型化。接著可自該影像計算屬性。模型化回應可用於產生屬性及/或用作一參考。此類似於其中自設計模型化參考影像之一晶粒至資料庫檢測。在本實施例中，可模型化影像且接著自該經模型化參考影像計算針對各POI之彙總屬性。結果可觸發後續實體或數學運算(包含模型化)。另外，可應用一信號臨限值。此外，可在分析流程之任何階段將一資料過濾器應用至輸出。 輸出擷取子系統之輸出擷取可係適應性(欲收集之下一資料取決於先前資料)。以此方式，電腦子系統可在輸出擷取子系統針對POI之經選擇例項產生輸出時執行POI之一或多個特性之判定且電腦子系統可基於經判定之一或多個特性控制該輸出產生。舉例而言，可預先知道預期資料之一概率模型。預期資料特性之例外狀況可計入調適因素。可手動或使用不同位準之自動化觸發調適。另外，可自各POI之實體佈局產生較高解析度輸出擷取子系統之分析計劃。 在一項實施例中，在由檢測系統產生之任何輸出中不可偵測基於輸出擷取子系統之輸出判定之POI之一或多個特性。舉例而言，本文中描述之實施例可有利地用於偵測低頻率圖案化誤差，該等低頻率圖案化誤差係良率殺手但落至低於習知光學或電子束檢測之靈敏度且低於電子束檢測(EBI)工具之區域覆蓋預算，從而使該等誤差在先前不可使用當前可用方法及系統進行偵測。另外，本文中描述之實施例可緩解當目標上之相對低頻率度量衡做出關於目標與產品幾何形狀之間之關係以及程序在空間上影響圖案化變動之速率之假定時出現之問題。此外，晶圓上產品晶片結構變動可高於在針對特定高精確度度量衡工具定製之度量衡結構上觀察到的變動。除了專用度量衡結構之典型使用之外，高精確度度量衡工具之處理能力不足以用實質上高可信度擷取晶片上變化。檢測系統之實質上高區域覆蓋(相較於輸出擷取子系統)具有足夠信號至相關程序變動且可利用為用於度量衡工具取樣之一指標。結果係在最高程序變動之情況下選擇相對小數目個位點以用於取樣之進程中可針對幾百萬個候選結構提取檢測系統之輸出。 在另一實施例中，POI之經判定一或多個特性包含POI之一或多個可量化特性。舉例而言，本文中描述之實施例可在所關注結構上量測程序變動(例如，CD變動)。另外，判定POI之一或多個特性可包含使用類度量衡輸出擷取子系統隨晶粒量化可觀察結構幾何形狀。然而，自關於一或多個位置之屬性引伸之結論可係概率性。可使用任何適合方法及/或演算法自輸出判定POI之特性。 在一進一步實施例中，系統經組態為一度量衡系統。舉例而言，本文中描述之進一步分析可包含高解析度輸出擷取(其可包含度量衡)。輸出擷取子系統可經組態用於基於掃描電子光學器件之進一步分析。另外，經組態用於本文中描述之進一步分析之輸出擷取子系統可經組態為一SEM (可能使用度量衡軟體及演算法組態)、透射電子顯微鏡(TEM)、掃描透射電子顯微鏡(STEM)、原子力顯微鏡(AFM)、一聚焦離子束(FIB)系統(例如，成像及/或銑削)、電子束檢測(EBI)系統、一電壓對比電子束系統等。本文中描述之系統可進一步經組態為如在2016年4月28日由Duffy等人發表之美國專利申請公開案第2016/0116420號中描述之一SEM，該案以宛如全文陳述引用之方式併入本文中。本文中描述之系統亦可進一步經組態為一電壓對比電子束系統，在美國專利申請案第15/136,680號中描述電壓對比電子束系統之實例，該案以宛如全文陳述引用之方式併入本文中。另外，輸出擷取子系統可經校準至較高解析度系統以確保資料相關性。 在一些實施例中，基於輸出擷取子系統在至少大多數例項之經選擇一或多者處之輸出結合檢測系統針對POI之至少一個例項產生之輸出執行判定一或多個特性。舉例而言，無關於是否在POI例項處偵測缺陷，本文中描述之實施例可使用經儲存且可供使用之一檢測系統之輸出。因此，本文中描述之實施例本質上可執行檢測系統之輸出之延遲分析。此延遲分析提供離群點之靈活分析及/或偵測。另外，使用檢測系統之輸出執行之輸出分析在x及y上不受約束。此外，本文中描述之實施例藉由延遲輸出安置直至產生輸出之全部或一實質部分而提供空間輸出分析靈活性(不同於一次分析一圖框之一檢測器)。如本文中描述般設計一資料處理及儲存管線以同時應付實質上大量POI之能力可藉由早期在信號分析管線中利用像素級之資料壓縮而促進(例如，如本文中進一步描述，可每一POI關照區域儲存彙總屬性)。另外，由於在分析輸出擷取子系統之輸出之時將可用檢測系統之輸出，故本文中描述之實施例可經組態以判定基於輸出擷取子系統之輸出判定之一或多個特性與檢測系統之輸出或檢測系統之輸出之特性(例如，原始影像資料或原始影像資料之屬性)之間是否存在一相關性。 在另一實施例中，判定一或多個特性包含：基於輸出擷取子系統在至少大多數例項之經選擇一或多者處之輸出結合針對POI之至少一個例項產生之檢測系統之輸出之一第一部分判定POI之一或多個特性之一或多個初始值；及基於一或多個初始值，選擇儲存於電腦可讀儲存媒體中針對POI之至少一個例項產生之檢測系統之輸出之一第二部分且基於輸出擷取子系統在至少大多數例項之經選擇一或多者處之輸出結合針對POI之至少一個例項產生之檢測系統之輸出之第二部分判定POI之一或多個特性。以此方式，對經儲存樣品之進一步分析及光學或電子束分析可在時間上重疊。另外，可使用來自進一步分析之回饋以修改針對經儲存樣品之輸出擷取。來自較高解析度系統之回饋可係手動、半自動或全自動。電腦子系統亦可經組態用於來自任一系統或兩個系統之輸出之統計空間模型化(其可用於程序控制)。以此方式，本文中描述之實施例可經組態用於在使用一VI之情況下與新光學或電子束屬性擷取並列執行SEM分析。 輸出擷取或輸出擷取之隨後應用亦可利用來自其他源之度量衡(及可能其他)資料。度量衡資料可來自樣品上之專用目標。度量衡資料可亦或替代地來自用於圖案化晶圓之(若干)倍縮光罩。另外，可已自針對樣品(例如，測試晶圓)之代理擷取度量衡資料。可亦或替代地電擷取度量衡資料。此外，度量衡資料可包含晶圓(例如，倍縮光罩、基板)幾何形狀資料。 因此，本文中描述之實施例提供處理資料之方法，該等方法容許回答不同於且廣於使用習知檢測及度量衡可回答之一組問題。舉例而言，本文中描述之實施例之使用者可有興趣透過使用來自本文中描述之一或多個高解析度儀器之資料配製及測試假設之一程序結合分析技術(諸如強制排名(關於針對一給定POI之資料分佈之尾部之資訊)、概率預測(不良之%可能性)或分類檢測類分析(良好/不良判定))以若干不同方式反覆詢問光學或電子束資料集。此外，可應用機器學習領域中之先進技術。 在一進一步實施例中，電腦子系統經組態用於判定POI之一或多個特性之一變動且基於變動判定一變動源。舉例而言，電腦子系統可經組態用於以針對度量衡工具進行之方式映射來自一檢測系統在規定位置處之POI之光學或電子束信號以用於變動源分析。正如基於背景之檢測(CBI)改變缺陷偵測之性質，本文中描述之實施例具有改變度量衡及相關聯之程序控制方法之性質之潛力。在一些例項中，可使用POI之一或多個特性之一變動以識別設計之非預期改變(例如，惡意電路改變)。舉例而言，一晶片可旨在具有一千萬個相同結構但可顛覆性改變若干例項。可使用本文中描述之實施例以偵測晶片之設計之此等改變。以此方式，可使用本文中描述之實施例以偵測電路之潛在惡意更改。 在另一實施例中，POI之經判定一或多個特性僅對應於POI之圖案化偏差。舉例而言，不同於當前使用之方法及系統，本文中描述之實施例可經組態以僅找到離群點圖案化偏差(相對於試圖找到一晶圓上之任何類型之缺陷之通用晶圓檢測)。 由電腦子系統基於POI之經判定一或多個特性產生之結果亦可取決於所考量之樣品之類型而改變。舉例而言，若樣品係一PWQ晶圓，則電腦子系統可經組態以針對來自相同POI之SEM及光學或電子束屬性產生PWQ晶圓等高線圖。在一個此實例中，電腦子系統可針對依據聚焦值及曝光值而變化(若在一微影程序之聚焦及曝光中調變晶圓)之CD (其藉由電腦子系統基於由輸出擷取子系統產生之輸出而判定)產生一等高線圖。電腦子系統亦可針對由一檢測系統針對相同晶圓產生之依據聚焦值及曝光值而變化之光學或電子束參數產生一等高線圖。當POI之經判定一或多個特性與由檢測系統針對POI產生之輸出之間存在一相關性時，可憑藉由電腦子系統產生之不同等高線圖之比較而觀察相關性。可在2016年5月26日由Karsenti等人發表之美國專利申請公開案第2016/0150191號中找到針對一樣本執行PWQ之額外實例，該案以宛如全文陳述引用之方式併入本文中。可如此專利申請公開案中描述般進一步組態本文中描述之實施例。 除了等高線圖(其等亦可針對非PWQ晶圓產生(例如，可針對依據x及y上之晶粒位置而變化之光學或電子束信號產生一等高線圖且可針對依據相同晶粒位置而變化之經判定一或多個特性產生一等高線圖))之外，亦可以另一格式(諸如色彩圖、統計量、趨勢及定製報告)輸出判定POI例項之一或多個特性之結果。亦可將判定步驟之結果匯出至其他應用以供進一步分析、報告、追蹤等。 電腦子系統亦可針對POI例項基於由輸出擷取子系統產生之輸出(可能結合由檢測系統或另一系統針對POI例項產生之輸出)執行額外功能。在2013年12月17日頒予Kulkarni等人之美國專利第8,611,639號中描述此等額外功能之實例，該專利以宛如全文陳述引用之方式併入本文中。可如此專利中描述般進一步組態本文中描述之實施例。另外，本文中描述之實施例提供可用於以超過使用一現有檢測系統可達成之圖案之量之一方式執行此專利中描述之功能之方法及系統。亦可如2015年11月10日頒予Karsenti等人之美國專利第9,138,624號中描述般進一步組態本文中描述之實施例，該專利以宛如全文陳述引用之方式併入本文中。 如本文中描述，可藉由利用針對POI例項之一檢測系統之輸出結合由一輸出擷取子系統針對POI例項之一樣本以一較高解析度產生之額外輸出之分析而針對POI產生顯著量之資訊及不用類型之資訊。除了已經描述之資料處理之外，電腦子系統亦可經組態以基於POI例項之一或多個經判定特性而判定額外特性。舉例而言，電腦子系統可經組態以判定一或多個特性(諸如CD)之晶粒級、倍縮光罩級、場級、晶圓級及/或批級變動。在一產品晶粒上，此等計算可專注於被視為在「弱」光譜中之圖案，且可以此項技術中已知之任何適合方式識別此等圖案。另外，如本文中描述，可使用檢測系統以導引輸出擷取子系統功能。以此方式，可使用新掃描類型擴增習知缺陷掃描。亦可基於區域覆蓋(例如，對於程序可變影響之可觀察性)及圖案偏差機制覆蓋(例如，拉回、間隔、寬度等)執行本文中描述之實施例中使用之POI之選擇及關照區域選擇(POI例項)。另外，本文中描述之實施例可經組態用於在輸出擷取子系統上之分層取樣。舉例而言，可視情況將經偵測缺陷取樣為一類別。可每一新度量或隨機取樣POI例項之剩餘部分且電腦子系統可判定隨機取樣與基於度量之取樣之間之邊界。 本文中描述之一些實施例經組態用於多階段資料縮減及取樣。此等實施例提供用於使用一複雜取樣引擎之資料縮減及取樣之架構及方法。本文中描述之實施例涉及複雜的資料縮減、機器學習及使用輸出以驅動回饋及前饋分析中之隨後操作，而非基於若干參數之簡單取樣引擎。隨後分析可包含本文中描述之任何分析，其包含(但不限於)度量衡、SEM再檢測、晶圓檢測及報告。 當前，通常藉由隨機取樣或基於大小、位置或光學或電子束屬性之某個偏差取樣執行用於再檢測之缺陷取樣。雖然此取樣可足夠用於缺陷再檢測，但用於度量衡之取樣需要更複雜的方法。為了解決此等需要，已開發一種新取樣方法及引擎而不增加使用者體驗之複雜性。 當前使用之方法之一缺點係取樣未反應可能具有度量衡問題之位點。細微但重要的圖案變形(諸如CD改變)可能被取樣忽略。圖案之小改變現被視為對於先進節點之裝置效能至關重要，但不存在使用當前可用方法相應地過濾且取樣該等位點之容易的方法。相比之下，本文中描述之實施例可併入機器學習及僅來自相關區域之資料收集兩者。自光學相關區域收集資料且機器學習採用實質上大量資料集。 在一項實施例中，電腦子系統經組態用於判定檢測系統之輸出之一或多個特性與POI之一或多個特性之間之一或多個關係且基於一或多個關係判定用於選擇之一或多個參數。該(等)關係可係回應及獨立變量之間之(若干)相關性。舉例而言，在一項實施例中，檢測系統之輸出之一或多個特性與POI之一或多個特性之間之該(等)關係包含一線性相關性。在另一實施例中，檢測系統之輸出之一或多個特性與POI之一或多個特性之間之該(等)關係包含一非線性相關性。線性及/或非線性相關性可包含此項技術中已知之任何適合此等相關性。該(等)關係可由演算法(諸如隨機森林或扣留)定義。以此方式，本文中描述之實施例可識別用於取樣之臨界參數。舉例而言，使用本文中描述之新取樣，可自實質上大量資料類型(例如，實質上大量晶圓檢測及度量衡資料)選擇相關取樣參數以用一較高可信度改良更多關鍵位點之取樣。在一個此實例中，透過資料分析，可自影響相關性之幾百個潛在候選者識別一參數。舉例而言，可判定相對於晶粒之XY座標未必有用而信號回應之量值可具有與一回應變動之一相對高相關性。然而，關鍵參數清單(定義一相關性之有用參數)自一個資料集至另一資料集並非靜態，且因此系統可針對一給定資料集動態判定關鍵參數。使用本文中描述之實施例及其等新方法，一使用者更有機會識別受不良圖案化影響之圖案類型及位點。識別關鍵參數及有效取樣改良檢測及缺陷再檢測系統兩者之值。 在一些實施例中，使用機器學習執行判定一或多個關係。以此方式，本文中描述之實施例可透過機器學習定義回應及獨立變量之間之關係(相關性)。舉例而言，本文中描述之實施例可使用機器學習以構建定義輸出之(若干)特性與POI之(若干)特性之間之關係之一模型。接著可使用模型進行取樣。因此，本文中描述之實施例可使用機器學習以定義關係。舉例而言，本文中描述之實施例提供使用幾百個輸入候選者識別關鍵參數之一動態方法。以此方式，可基於機器學習及資料特性動態控制取樣。另外，本文中描述之實施例可使用機器學習以在缺乏使用者輸入之情況下自動識別關鍵參數。以此方式，本文中描述之實施例提供一自動複雜取樣引擎。實施例亦提供可用作基於臨界性及相關性產生取樣結果之一「黑箱」之一架構。舉例而言，本文中描述之架構提供並不取決於使用者及對使用者透明之資料縮減及取樣。 在另一實施例中，電腦子系統經組態用於藉由識別至少大多數例項之一第一部分而對用於判定一或多個關係之針對POI之至少大多數例項之檢測系統之輸出執行資料縮減，第一部分包含少於全部之至少大多數例項，且僅基於由檢測系統針對至少大多數例項之第一部分產生之輸出之一或多個特性執行判定一或多個關係。資料縮減可包含分層取樣。舉例而言，在資料縮減之第一步驟中，可使用特定光學或電子束參數(諸如亮度、對比度、極性等)。此可藉由隨機取樣、基於一或多個參數之偏差取樣或跨一或多個參數之分層取樣而執行。特定言之，可藉由亮度對100個資料點排序。吾人接著可採用每第五個點以收集一樣本。以一類似方式，可藉由多個參數之組合對相同資料排序，且可應用分層取樣。以此方式，本文中描述之實施例可經組態用於資料選擇、資料縮減、資料取樣及排定資料之優先級。 在一個此實例中，本文中描述之實施例可產生一樣品級預合格性檢定步驟以使用一多階段取樣引擎判定取樣之可行性。舉例而言，預合格性檢定步驟可包含採用資料之一較小樣本以學習影響一回應變量之相關參數/屬性。一旦建立可行關係，資料集便有資格進行至取樣之下一步驟。 多階段資料取樣可涉及一學習階段，其中判定一初始參數集同時移除非相關資料且接著將學習應用至一較大資料集以用於隨後取樣。另外，此資料選擇、資料縮減、資料取樣及排定資料優先級之結果可向前及向後饋送至機器學習及其他步驟(諸如本文中描述之資料縮減)。以此方式，本文中描述之實施例可包含機器學習以基於藉由資料縮減、排定優先級及關鍵參數之識別產生之資料之一相對小樣本而定義關係。因此，本文中描述之實施例提供容許動態學習資料特性及回應於經學習行為相應地觸發下一操作之具有多階段資料縮減之一複雜取樣引擎。 在一額外實施例中，電腦子系統經組態用於藉由識別光學相關之針對至少大多數例項之檢測系統之輸出之一第一部分而對用於判定一或多個關係之針對POI之至少大多數例項之檢測系統之輸出執行資料縮減且消除非光學相關之針對至少大多數例項之檢測系統之輸出之一第二部分，且檢測系統之輸出之第一部分包含對應於POI之例項中之實際缺陷之檢測系統之輸出。舉例而言，當針對各缺陷收集資料時，可自大於缺陷區域之一區域(例如，32個像素×32個像素)收集信號。因此，可縮減資料之區域。舉例而言，資料可縮減至僅3個像素×3個像素或採用來自中心若干像素之信號對來自一較廣區域之信號之比率以查看信號實際上是否高於背景。因而，本文中描述之實施例可僅使用光學或電子束相關資料以進行資料縮減及取樣，其中光學或電子束相關資料包含針對缺陷之資料，該等缺陷可見且該資料具有針對該等缺陷之光學或電子束信號。換言之，資料縮減可包含識別光學或電子束相關資料。以此方式，本文中描述之實施例可經組態用於資料選擇、資料縮減、資料取樣及排定資料優先級。另外，可將此資料選擇、資料縮減、資料取樣及排定資料優先級之結果向前及向後饋送至機器學習及其他步驟(諸如本文中描述之資料縮減)。在一個此實例中，可採用一初始大量資料且可縮減資料以保持光學或電子束相關資料(諸如實際缺陷、圖案故障等)，接著可將光學或電子束相關資料饋送至機器學習以識別關係。透過機器學習，可自動判定關鍵參數以進一步最佳化資料。因此，可在機器學習之前判定光學或電子束相關資料。因而，本文中描述之實施例提供容許動態學習資料特性及回應於經學習行為相應地觸發下一操作之具有多階段資料縮減之一複雜取樣引擎。 在一些實施例中，電腦子系統經組態用於判定一或多個關係之一或多個特性且基於一或多個關係之一或多個特性執行判定用於選擇之一或多個參數。在一個此實例中，在多階段取樣中，可判定初始學習步驟可或可不證實為有用。若無法建立回應變量(度量衡)與獨立變量(光學或電子束屬性)之間之一有用關係，則系統將判定是否繼續機器學習(模型，諸如隨機森林)或轉移至更簡單模型(諸如線性相關性)或在最差之情況中求助於隨機取樣。舉例而言，若來自學習步驟之相關性實質上不良，則較佳使用隨機取樣。然而，系統可自動判定使用之方法而非一使用者手動判定此。 在另一實施例中，用於選擇之一或多個參數包含待執行之選擇之一類型。舉例而言，當動態方法已失效且針對最有效方法自動調諧時，本文中描述之實施例建立一穩健判定。在一個此實例中，如本文中描述，可執行機器學習以構建描述輸出之(若干)特性與POI之(若干)特性之間之(若干)關係之一模型。可使用該模型構建之結果以判定模型是否足夠解釋實施例可用之資料。若判定模型未足夠解釋資料，則可執行簡化取樣(諸如隨機或基於屬性之取樣)而非使用經構建之模型。若判定模型確實足夠解釋資料，則可執行資料學習以判定對母群體之基於模型之資料縮減及取樣。接著可針對隨後晶圓儲存模型。當隨後資料變得可用時，可將經開發之模型應用至隨後資料以藉此執行基於模型之取樣。 在一進一步實施例中，用於選擇之一或多個參數包含用於選擇之檢測系統之輸出之特性。舉例而言，取樣可執行資料縮減，資料縮減係基於許多屬性，包含(但不限於)頻率、密度、分佈、良率臨界性及裝置影響。特定言之，可存在描述一缺陷之100+個參數。此等較簡單參數係大小、亮度、對比度及類似者。然而，存在經產生之參數/光學(或電子束)屬性之量值且透過本文中描述之新取樣，可由系統選擇影響回應變量之相關參數。 可組合上文描述之各種功能以形成用於產生且使用相對複雜取樣引擎之一綜合策略。舉例而言，如上文進一步描述，電腦子系統可擷取實質上大量資料(例如，一母群體)。電腦子系統接著可採用資料之一較小樣本(其可係基於百分比或計數)以用於初始學習(或一模型之訓練)。電腦子系統接著可判定影響回應變量之參數。若存在不具有足夠信號之資料點，則可並列縮減資料。若訓練提供回應變量與獨立變量之間之一足夠關係，則產生模型。在此步驟中，可使用一機器學習演算法。若存在不足相關性，則系統可選擇一較簡單取樣方法，諸如隨機或較簡單偏差取樣(例如，挑選具有相對高對比度或其他屬性之缺陷)。若模型化展示足夠相關性，則電腦子系統可將模型自動應用至母群體以產生取樣。當由輸出擷取子系統收集資料時自動執行全部學習、模型產生及部署。 本文中描述之實施例提供相對複雜的取樣引擎。舉例而言，可使用實施例以縮減資料量同時增加資料相關性。另外，本文中描述之實施例提供向前饋送有用命令之能力。此外，本文中描述之實施例提供監測且控制經執行之取樣之能力。 作為本文中描述之實施例之一替代例，可使用非整合工具且將資料自一個系統移動至另一系統(其亦需要昂貴的使用者干預)而執行許多反覆手動工作。需要使用者執行全部該分析係不切實際的。 可將上文描述之系統之各實施例組合成一個單一實施例。換言之，除非本文中另有指明，否則系統實施例並不與任何其他系統實施例互斥。 另一實施例係關於一種用於於一樣品上判定一POI之一或多個特性之電腦實施方法。該方法包含擷取由一檢測系統針對一樣品上之一POI之至少大多數例項產生且儲存於一電腦可讀儲存媒體中之該檢測系統之輸出。檢測系統以低於一輸出擷取子系統之一解析度之一解析度擷取輸出。無關於輸出之特性，檢測系統儲存在至少大多數例項處擷取之輸出。輸出擷取子系統包含至少一能源及一偵測器。輸出擷取子系統經組態以將由能源產生之能量引導至樣品而偵測器偵測來自樣品之能量且回應於經偵測之能量產生輸出。 方法亦包含選擇由輸出擷取子系統產生輸出之至少大多數例項之一或多者。基於檢測系統之輸出之特性執行選擇。另外，方法包含擷取由輸出擷取子系統針對至少大多數例項之經選擇一或多者產生之輸出。輸出擷取子系統在至少大多數例項之經選擇一或多者處擷取輸出之解析度高於檢測系統之解析度。另外，方法包含基於輸出擷取子系統在至少大多數例項之經選擇一或多者處之輸出判定POI之一或多個特性。藉由耦合至輸出擷取子系統之一電腦子系統執行擷取檢測系統之輸出、選擇至少大多數例項之一或多者、擷取由輸出擷取子系統產生之輸出及判定一或多個特性。電腦子系統包含經組態以實行來自一記憶體媒體之指令之一或多個處理器。 可如本文中進一步描述般執行方法之各步驟。方法亦可包含可由本文中描述之檢測子系統及/或(若干)電腦子系統執行之(若干)任何其他步驟。另外，上文中描述之方法可由本文中描述之任何系統實施例執行。 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實行以執行用於於一樣品上判定一POI之一或多個特性之一電腦實施方法。在圖2中展示一項此實施例。特定言之，如圖2中展示，非暫時性電腦可讀媒體200儲存可在電腦系統204上執行之程式指令202。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程式指令202可儲存於電腦可讀媒體200上。電腦可讀媒體可係一儲存媒體，諸如一磁碟或光碟、一磁帶或此項技術中已知之任何其他適合非暫時性電腦可讀媒體。 可以各種方式(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)之任何者實施程式指令。舉例而言，可視需要使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類別庫(「MFC」)、SSE (資料流SIMD延伸)或其他技術或方法論實施程式指令。 可根據本文中描述之任何實施例組態電腦系統204。 鑑於此描述，熟習此項技術者將瞭解本發明之各種態樣之進一步修改及替代實施例。舉例而言，提供用於於一樣品上判定一POI之一或多個特性之方法及系統。因此，將此描述理解為僅係闡釋性且係為了教示熟習此項技術者實行本發明之一般方式之目的。應理解，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。在受益於本發明之此描述之後，如熟習此項技術者將瞭解，元件及材料可替代本文中繪示且描述之彼等元件及材料，可顛倒部件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申請專利範圍中描述之本發明之精神及範疇。
100‧‧‧輸出擷取子系統102‧‧‧系統104‧‧‧光源106‧‧‧光束分離器108‧‧‧樣品110‧‧‧透鏡112‧‧‧偵測器114‧‧‧電腦子系統116‧‧‧電腦子系統118‧‧‧電腦子系統120‧‧‧電子設計自動化(EDA)工具122‧‧‧檢測系統123‧‧‧電子柱124‧‧‧電腦可讀儲存媒體125‧‧‧電腦子系統126‧‧‧電子束源128‧‧‧樣品130‧‧‧元件132‧‧‧元件134‧‧‧偵測器200‧‧‧非暫時性電腦可讀媒體202‧‧‧程式指令204‧‧‧電腦系統
在受益於較佳實施例之以下詳細描述的情況下且在參考隨附圖式之後，熟習此項技術者將瞭解本發明之進一步優點，其中： 圖1及圖1a係繪示經組態以於一樣品上判定一所關注圖案(POI)之一或多個特性之一系統之實施例之側視圖之示意圖；及 圖2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之一方塊圖。 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圖式中之實例展示且在本文中經詳細描述。圖式可不按比例繪製。然而，應理解，圖式及其詳細描述不旨在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、等效物及替代物。
100‧‧‧輸出擷取子系統
102‧‧‧系統
104‧‧‧光源
106‧‧‧光束分離器
108‧‧‧樣品
110‧‧‧透鏡
112‧‧‧偵測器
114‧‧‧電腦子系統
116‧‧‧電腦子系統
118‧‧‧電腦子系統
120‧‧‧電子設計自動化(EDA)工具
122‧‧‧檢測系統
124‧‧‧電腦可讀儲存媒體

Claims (27)

  1. 一種經組態以於一樣品上判定一所關注圖案之一或多個特性之系統，其包括：一輸出擷取子系統，其包括至少一能源及一偵測器，其中該輸出擷取子系統經組態以將由該能源產生之能量引導至一樣品而該偵測器偵測來自該樣品之能量且回應於該經偵測之能量產生輸出，且其中該樣品為一晶圓；及一電腦子系統，其包括經組態以實行來自一記憶體媒體之指令之一或多個處理器，其中該電腦子系統經組態用於：擷取由一檢測系統針對形成於該樣品上之一所關注圖案之至少大多數例項產生且儲存於一電腦可讀儲存媒體中之該檢測系統之輸出，其中該檢測系統為一光學或電子束檢測系統，其中當該樣品正由該檢測系統掃描時，該檢測系統之該輸出包括：形成於由該光學或電子束檢測系統之一或多個偵測器所產生之該樣品上之該所關注圖案之影像，其中該光學或電子束檢測系統之該一或多個偵測器以一解析度產生該檢測系統之該輸出，該解析度低於該輸出擷取子系統之該偵測器產生該輸出擷取子系統之該輸出之一解析度，且其中無關於該檢測系統之該輸出之特性，該檢測系統儲存在該至少大多數例項處擷取之該輸出；選擇由該輸出擷取子系統產生該輸出之該至少大多數例項之一或多者，其中該選擇係基於該檢測系統之該輸出之該等特性而執行；擷取由該輸出擷取子系統針對該至少大多數例項之該經選擇一或 多者產生之該輸出，其中在該至少大多數例項之該經選擇一或多者處由該輸出擷取子系統之該偵測器產生之該輸出擷取子系統之該輸出之該輸出擷取子系統之該解析度高於該檢測系統之該一或多個偵測器產生該檢測系統之該輸出之該解析度；且基於該輸出擷取子系統在該至少大多數例項之該經選擇一或多者處之該輸出判定該所關注圖案之一或多個特性。
  2. 如請求項1之系統，其中在由該檢測系統產生之任何輸出中不可偵測基於該輸出擷取子系統之該輸出判定之該所關注圖案之該一或多個特性。
  3. 如請求項1之系統，其中該檢測系統識別該樣品上之該所關注圖案之該至少大多數該等例項之位置而不偵測該樣品上之缺陷，且其中未基於在該所關注圖案之該等例項處偵測之缺陷執行選擇該至少大多數例項之該一或多者。
  4. 如請求項1之系統，其中該樣品上之該所關注圖案之該等例項係由該檢測系統以子像素準確度定位。
  5. 如請求項1之系統，其中針對該至少大多數例項之該經選擇一或多者之該輸出係由該輸出擷取子系統憑藉以子像素準確度定位該至少大多數例項之該經選擇一或多者而產生。
  6. 如請求項1之系統，其中該判定該一或多個特性係基於該輸出擷取子 系統在該至少大多數例項之該經選擇一或多者處之該輸出結合針對該所關注圖案之該等例項之至少一者產生之該檢測系統之該輸出而執行。
  7. 如請求項1之系統，其中該判定該一或多個特性包括基於該輸出擷取子系統在該至少大多數例項之該經選擇一或多者處之該輸出結合針對該所關注圖案之該等例項之至少一者產生之該檢測系統之該輸出之一第一部分而判定該所關注圖案之該一或多個特性之一或多個初始值；及基於該一或多個初始值，選擇儲存於該電腦可讀儲存媒體中針對該所關注圖案之該等例項之至少一者產生之該檢測系統之該輸出之一第二部分；及基於該輸出擷取子系統在該至少大多數例項之該經選擇一或多者處之該輸出結合針對該所關注圖案之該等例項之該至少一者產生之該檢測系統之該輸出之該第二部分而判定該所關注圖案之該一或多個特性。
  8. 如請求項1之系統，其中該電腦子系統進一步經組態用於判定該所關注圖案之該一或多個特性之一變動且基於該變動判定該變動之一源。
  9. 如請求項1之系統，其中該所關注圖案之該經判定一或多個特性僅對應於該所關注圖案中之圖案化偏差。
  10. 如請求項1之系統，其中該檢測系統之該輸出之該等特性包括由該檢測系統針對該所關注圖案之該至少大多數該等例項產生之原始影像資料之特性。
  11. 如請求項1之系統，其中該電腦子系統進一步經組態用於判定該檢測系統之該輸出之該等特性之一或多者與該所關注圖案之該一或多個特性之間之一或多個關係且基於該一或多個關係判定用於該選擇之一或多個參數。
  12. 如請求項11之系統，其中使用機器學習執行判定該一或多個關係。
  13. 如請求項11之系統，其中該電腦子系統進一步經組態用於藉由識別該至少大多數例項之一第一部分而對用於判定該一或多個關係之該所關注圖案之該至少大多數例項之該檢測系統之該輸出執行資料縮減，其中該第一部分包含少於全部該至少大多數該等例項，且其中僅基於由該檢測系統針對該至少大多數例項之該第一部分產生之該輸出之該一或多個特性而執行判定該一或多個關係。
  14. 如請求項11之系統，其中該電腦子系統進一步經組態用於藉由識別光學相關之針對該至少大多數例項之該檢測系統之該輸出之一第一部分而對用於判定該一或多個關係之針對該所關注圖案之該至少大多數該等例項之該檢測系統之該輸出執行資料縮減且消除非光學相關之針對該至少大多數例項之該檢測系統之該輸出之一第二部分，且其中該檢測系統之該輸出之該第一部分包括對應於該所關注圖案之該等例項中之實際缺陷之該檢測系統之該輸出。
  15. 如請求項11之系統，其中該電腦子系統進一步經組態用於判定該一或 多個關係之一或多個特性，且其中基於該一或多個關係之該一或多個特性執行判定用於該選擇之該一或多個參數。
  16. 如請求項15之系統，其中用於該選擇之該一或多個參數包括待執行之該選擇之一類型。
  17. 如請求項11之系統，其中用於該選擇之該一或多個參數包括用於該選擇之該檢測系統之該輸出之該等特性。
  18. 如請求項11之系統，其中該一或多個關係包括該檢測系統之該輸出之該等特性之該一或多者與該所關注圖案之該一或多個特性之間之一線性相關性。
  19. 如請求項11之系統，其中該一或多個關係包括該檢測系統之該輸出之該等特性之該一或多者與該所關注圖案之該一或多個特性之間之一非線性相關性。
  20. 如請求項1之系統，其中該所關注圖案之該經判定一或多個特性包括該所關注圖案之一或多個可量化特性。
  21. 如請求項1之系統，其中該系統進一步經組態為一度量衡系統。
  22. 如請求項1之系統，其中該電腦可讀儲存媒體經組態為一虛擬檢測器。
  23. 如請求項1之系統，其中該能源係一光源，且其中由該偵測器偵測之該能量包括光。
  24. 如請求項1之系統，其中該能源係一電子束源，且其中由該偵測器偵測之該能量包括電子。
  25. 如請求項1之系統，其中該能源係一帶電粒子束源，且其中由該偵測器偵測之該能量包括帶電粒子。
  26. 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實行以執行用於於一樣品上判定一所關注圖案之一或多個特性之一電腦實施方法，其中該電腦實施方法包括：擷取由一檢測系統針對形成於一樣品上之一所關注圖案之至少大多數例項產生且儲存於一電腦可讀儲存媒體中之該檢測系統之輸出，其中該樣品為一晶圓，其中該檢測系統為一光學或電子束檢測系統，其中當該樣品正由該檢測系統掃描時，該檢測系統之該輸出包括：形成於由該光學或電子束檢測系統之一或多個偵測器所產生之該樣品上之該所關注圖案之影像，其中該光學或電子束檢測系統之該一或多個偵測器以一解析度產生該檢測系統之該輸出，該解析度低於一輸出擷取子系統之一偵測器產生該輸出擷取子系統之輸出之一解析度，其中無關於該輸出之特性，該檢測系統儲存在該至少大多數例項處擷取之該輸出，其中該輸出擷取子系統包括至少一能源及該偵測器，且其中該輸出擷取子系統經組態以將由該能源產生 之能量引導至該樣品而該偵測器偵測來自該樣品之能量且回應於該經偵測之能量產生該輸出；選擇由該輸出擷取子系統產生該輸出之該至少大多數例項之一或多者，其中基於該檢測系統之該輸出之該等特性執行該選擇；擷取由該輸出擷取子系統針對該至少大多數例項之該經選擇一或多者產生之該輸出，其中在該至少大多數例項之該經選擇一或多者處由該輸出擷取子系統之該偵測器產生之該輸出擷取子系統之該輸出之該輸出擷取子系統之該解析度高於該檢測系統之該一或多個偵測器產生該檢測系統之該輸出之該解析度；及基於該輸出擷取子系統在該至少大多數例項之該經選擇一或多者處之該輸出判定該所關注圖案之一或多個特性，其中藉由該電腦系統執行擷取該檢測系統之該輸出、選擇該至少大多數例項之該一或多者、擷取由該輸出擷取子系統產生之該輸出及判定該一或多個特性，其中該電腦系統包括經組態以實行來自該非暫時性電腦可讀媒體之該等程式指令之一或多個處理器，且其中該電腦系統耦合至該輸出擷取子系統。
  27. 一種用於於一樣品上判定一所關注圖案之一或多個特性之電腦實施方法，其包括：擷取由一檢測系統針對一樣品上之一所關注圖案之至少大多數例項產生且儲存於一電腦可讀儲存媒體中之該檢測系統之輸出，其中該樣品為一晶圓，其中該檢測系統為一光學或電子束檢測系統，其中當該樣品正由該檢測系統掃描時，該檢測系統之該輸出包括：形成於由該光學或電子束檢測系統之一或多個偵測器所產生之該樣品上之該所關注圖案之影像，其 中該光學或電子束檢測系統之該一或多個偵測器以一解析度產生該檢測系統之該輸出，該解析度低於一輸出擷取子系統之一偵測器產生該輸出擷取子系統之輸出之一解析度，其中無關於該輸出之特性，該檢測系統儲存在該至少大多數例項處擷取之該輸出，其中該輸出擷取子系統包括至少一能源及該偵測器，且其中該輸出擷取子系統經組態以將由該能源產生之能量引導至該樣品而該偵測器偵測來自該樣品之能量且回應於該經偵測之能量產生該輸出；選擇由該輸出擷取子系統產生該輸出之該至少大多數例項之一或多者，其中基於該檢測系統之該輸出之該等特性執行該選擇；擷取由該輸出擷取子系統針對該至少大多數例項之該經選擇一或多者產生之該輸出，其中在該至少大多數例項之該經選擇一或多者處由該輸出擷取子系統之該偵測器產生之該輸出擷取子系統之該輸出之該輸出擷取子系統之該解析度高於該檢測系統之該一或多個偵測器產生該檢測系統之該輸出之該解析度；及基於該輸出擷取子系統在該至少大多數例項之該經選擇一或多者處之該輸出判定該所關注圖案之一或多個特性，其中藉由耦合至該輸出擷取子系統之一電腦子系統執行擷取該檢測系統之該輸出、選擇該至少大多數例項之該一或多者、擷取由該輸出擷取子系統產生之該輸出及判定該一或多個特性，且其中該電腦子系統包括經組態以實行來自一記憶體媒體之指令之一或多個處理器。
TW105127142A 2015-08-24 2016-08-24 於樣品上判定所關注圖案之一或多個特性 TWI683103B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201562209231P 2015-08-24 2015-08-24
US62/209,231 2015-08-24
US15/243,809 2016-08-22
US15/243,809 US10359371B2 (en) 2015-08-24 2016-08-22 Determining one or more characteristics of a pattern of interest on a specimen

Publications (2)

Publication Number Publication Date
TW201725381A TW201725381A (zh) 2017-07-16
TWI683103B true TWI683103B (zh) 2020-01-21

Family

ID=58100884

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105127142A TWI683103B (zh) 2015-08-24 2016-08-24 於樣品上判定所關注圖案之一或多個特性

Country Status (5)

Country Link
US (1) US10359371B2 (zh)
KR (1) KR102386536B1 (zh)
CN (1) CN108352336B (zh)
TW (1) TWI683103B (zh)
WO (1) WO2017035142A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9916965B2 (en) 2015-12-31 2018-03-13 Kla-Tencor Corp. Hybrid inspectors
US10598617B2 (en) 2017-05-05 2020-03-24 Kla-Tencor Corporation Metrology guided inspection sample shaping of optical inspection results
JP6970549B2 (ja) * 2017-07-24 2021-11-24 住友化学株式会社 欠陥検査システム及び欠陥検査方法
JP6959831B2 (ja) * 2017-08-31 2021-11-05 株式会社日立製作所 計算機、処理の制御パラメータの決定方法、代用試料、計測システム、及び計測方法
US10997710B2 (en) * 2017-10-18 2021-05-04 Kla-Tencor Corporation Adaptive care areas for die-die inspection
WO2019194044A1 (ja) * 2018-04-04 2019-10-10 パナソニックＩｐマネジメント株式会社 画像処理装置および画像処理方法
US11151711B2 (en) * 2018-06-06 2021-10-19 Kla-Tencor Corporation Cross layer common-unique analysis for nuisance filtering
US10832396B2 (en) 2018-10-19 2020-11-10 Kla-Tencor Corp. And noise based care areas
US11170475B2 (en) * 2019-01-10 2021-11-09 Kla Corporation Image noise reduction using stacked denoising auto-encoder
US11551348B2 (en) 2019-04-09 2023-01-10 KLA Corp. Learnable defect detection for semiconductor applications
US11619592B2 (en) * 2019-07-09 2023-04-04 KLA Corp. Selecting defect detection methods for inspection of a specimen
IL295078B2 (en) * 2020-02-16 2025-10-01 Orbotech Ltd System and method for testing multiple characteristics of sample objects in the production of electrical circuits
JP7561505B2 (ja) * 2020-03-10 2024-10-04 株式会社アドバンテスト 判定装置、試験システム、判定方法および判定プログラム
US11379972B2 (en) 2020-06-03 2022-07-05 Applied Materials Israel Ltd. Detecting defects in semiconductor specimens using weak labeling
US11232550B2 (en) * 2020-06-29 2022-01-25 Applied Materials Israel Ltd. Generating a training set usable for examination of a semiconductor specimen

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070288219A1 (en) * 2005-11-18 2007-12-13 Khurram Zafar Methods and systems for utilizing design data in combination with inspection data
US20090238441A1 (en) * 2008-03-18 2009-09-24 Advanced Mask Inspection Technology, Inc. Pattern inspection apparatus, pattern inspection method, and computer-readable recording medium storing a program
US8045145B1 (en) * 2007-06-06 2011-10-25 Kla-Tencor Technologies Corp. Systems and methods for acquiring information about a defect on a specimen
US20130016346A1 (en) * 2011-07-12 2013-01-17 Kla-Tencor Corporation Wafer Inspection
US9098891B2 (en) * 2013-04-08 2015-08-04 Kla-Tencor Corp. Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology
US20160305892A1 (en) * 2015-04-17 2016-10-20 Nuflare Technology, Inc. Inspection method and template

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6366690B1 (en) 1998-07-07 2002-04-02 Applied Materials, Inc. Pixel based machine for patterned wafers
US6240208B1 (en) * 1998-07-23 2001-05-29 Cognex Corporation Method for automatic visual identification of a reference site in an image
US6248602B1 (en) 1999-11-01 2001-06-19 Amd, Inc. Method and apparatus for automated rework within run-to-run control semiconductor manufacturing
JP2004509407A (ja) 2000-09-15 2004-03-25 アドバンスト・マイクロ・ディバイシズ・インコーポレイテッド 半導体製造における制御を改良するための適応サンプリング方法
US6902855B2 (en) 2002-07-15 2005-06-07 Kla-Tencor Technologies Qualifying patterns, patterning processes, or patterning apparatus in the fabrication of microlithographic patterns
JP4597859B2 (ja) 2002-07-15 2010-12-15 ケーエルエー−テンカー コーポレイション マイクロリソグラフパターンの製作におけるパターンの認定、パターン形成プロセス、又はパターン形成装置
JP3993817B2 (ja) * 2002-12-11 2007-10-17 株式会社日立製作所 欠陥組成分析方法及び装置
US8498468B1 (en) * 2003-09-30 2013-07-30 Kla-Tencor Corporation Mask inspection
US7487054B2 (en) 2005-05-11 2009-02-03 International Business Machines Corporation Automated dynamic metrology sampling system and method for process control
US7769225B2 (en) 2005-08-02 2010-08-03 Kla-Tencor Technologies Corp. Methods and systems for detecting defects in a reticle design pattern
US7676077B2 (en) 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US8698093B1 (en) 2007-01-19 2014-04-15 Kla-Tencor Corporation Objective lens with deflector plates immersed in electrostatic lens field
US8213704B2 (en) 2007-05-09 2012-07-03 Kla-Tencor Corp. Methods and systems for detecting defects in a reticle design pattern
US8611639B2 (en) 2007-07-30 2013-12-17 Kla-Tencor Technologies Corp Semiconductor device property extraction, generation, visualization, and monitoring methods
US7711514B2 (en) 2007-08-10 2010-05-04 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for generating a metrology sampling plan
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
US8396582B2 (en) 2008-03-08 2013-03-12 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
US8386401B2 (en) 2008-09-10 2013-02-26 Digital Infuzion, Inc. Machine learning methods and systems for identifying patterns in data using a plurality of learning machines wherein the learning machine that optimizes a performance function is selected
US8041106B2 (en) 2008-12-05 2011-10-18 Kla-Tencor Corp. Methods and systems for detecting defects on a reticle
US8223327B2 (en) 2009-01-26 2012-07-17 Kla-Tencor Corp. Systems and methods for detecting defects on a wafer
US8775101B2 (en) 2009-02-13 2014-07-08 Kla-Tencor Corp. Detecting defects on a wafer
US8559001B2 (en) 2010-01-11 2013-10-15 Kla-Tencor Corporation Inspection guided overlay metrology
JP5320329B2 (ja) * 2010-03-15 2013-10-23 株式会社日立ハイテクノロジーズ Ｓｅｍ式欠陥観察装置および欠陥画像取得方法
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
WO2014005185A1 (en) * 2012-07-06 2014-01-09 Bt Imaging Pty Ltd Methods for inspecting semiconductor wafers
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
US9189844B2 (en) * 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
US9138624B2 (en) 2013-01-09 2015-09-22 Christopher Matthew MAUGHAM Golf glove magnetic attachment adaptor
US9222895B2 (en) 2013-02-25 2015-12-29 Kla-Tencor Corp. Generalized virtual inspector
US9619876B2 (en) 2013-03-12 2017-04-11 Kla-Tencor Corp. Detecting defects on wafers based on 2D scatter plots of values determined for output generated using different optics modes
US9183624B2 (en) 2013-06-19 2015-11-10 Kla-Tencor Corp. Detecting defects on a wafer with run time use of design data
US8938695B1 (en) 2014-01-09 2015-01-20 Dmo Systems Limited Signature analytics for improving lithographic process of manufacturing semiconductor devices
US9816939B2 (en) 2014-07-22 2017-11-14 Kla-Tencor Corp. Virtual inspection systems with multiple modes
US10267746B2 (en) 2014-10-22 2019-04-23 Kla-Tencor Corp. Automated pattern fidelity measurement plan generation
US10747830B2 (en) 2014-11-21 2020-08-18 Mesh Labs Inc. Method and system for displaying electronic information
US10539612B2 (en) 2015-05-20 2020-01-21 Kla-Tencor Corporation Voltage contrast based fault and defect inference in logic chips

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070288219A1 (en) * 2005-11-18 2007-12-13 Khurram Zafar Methods and systems for utilizing design data in combination with inspection data
US8045145B1 (en) * 2007-06-06 2011-10-25 Kla-Tencor Technologies Corp. Systems and methods for acquiring information about a defect on a specimen
US20090238441A1 (en) * 2008-03-18 2009-09-24 Advanced Mask Inspection Technology, Inc. Pattern inspection apparatus, pattern inspection method, and computer-readable recording medium storing a program
US20130016346A1 (en) * 2011-07-12 2013-01-17 Kla-Tencor Corporation Wafer Inspection
US9098891B2 (en) * 2013-04-08 2015-08-04 Kla-Tencor Corp. Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology
US20160305892A1 (en) * 2015-04-17 2016-10-20 Nuflare Technology, Inc. Inspection method and template

Also Published As

Publication number Publication date
KR102386536B1 (ko) 2022-04-14
TW201725381A (zh) 2017-07-16
CN108352336B (zh) 2022-07-01
CN108352336A (zh) 2018-07-31
KR20180034677A (ko) 2018-04-04
WO2017035142A1 (en) 2017-03-02
US10359371B2 (en) 2019-07-23
US20170059491A1 (en) 2017-03-02

Similar Documents

Publication Publication Date Title
TWI683103B (zh) 於樣品上判定所關注圖案之一或多個特性
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
TWI710763B (zh) 經組態以偵測一樣品上之缺陷之系統及用於偵測一樣品上之缺陷之電腦實施方法
CN108463874B (zh) 基于图像的样品过程控制
US10402461B2 (en) Virtual inspection systems for process window characterization
KR102905111B1 (ko) 머신 러닝을 사용한 웨이퍼 검사용 예측 이미지 생성 시스템 및 방법
JP6661602B2 (ja) 多重モードを備えた検査システム及び方法
US9601393B2 (en) Selecting one or more parameters for inspection of a wafer
JP5444092B2 (ja) 検査方法およびその装置
US9767548B2 (en) Outlier detection on pattern of interest image populations
JP2022507543A (ja) 画素レベル画像定量のための深層学習式欠陥検出及び分類方式の使用
US10832396B2 (en) And noise based care areas
JP2017523390A (ja) 検査のための高解像度フルダイイメージデータの使用
WO2019199617A1 (en) Shape metric based scoring of wafer locations
US9702827B1 (en) Optical mode analysis with design-based care areas
US20240062356A1 (en) Data-driven prediction and identification of failure modes based on wafer-level analysis and root cause analysis for semiconductor processing
TW202044097A (zh) 用於測試影像與設計對準之設計檔案選擇
TW202117312A (zh) 用於選擇用於樣本檢查之缺陷偵測方法之系統和方法