[go: up one dir, main page]

TWI688022B - 於電子束圖像中判定缺陷之位置 - Google Patents

於電子束圖像中判定缺陷之位置 Download PDF

Info

Publication number
TWI688022B
TWI688022B TW105125827A TW105125827A TWI688022B TW I688022 B TWI688022 B TW I688022B TW 105125827 A TW105125827 A TW 105125827A TW 105125827 A TW105125827 A TW 105125827A TW I688022 B TWI688022 B TW I688022B
Authority
TW
Taiwan
Prior art keywords
defect
image
electron beam
wafer
generated
Prior art date
Application number
TW105125827A
Other languages
English (en)
Other versions
TW201730999A (zh
Inventor
虎成 李
古維達拉真 薩塔桑達瑞
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 TW201730999A publication Critical patent/TW201730999A/zh
Application granted granted Critical
Publication of TWI688022B publication Critical patent/TWI688022B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2255—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident ion beams, e.g. proton beams
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/02—Details
    • H01J37/22—Optical, image processing or photographic arrangements associated with the tube
    • H01J37/222—Image processing arrangements associated with the tube
    • 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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • H10P74/203—
    • H10P74/23—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/245—Detection characterised by the variable being measured
    • H01J2237/24592—Inspection and quality control of devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/26—Electron or ion microscopes
    • H01J2237/28—Scanning microscopes
    • H01J2237/2813—Scanning microscopes characterised by the application
    • H01J2237/2817—Pattern inspection

Landscapes

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

Abstract

本發明提供用於在一晶圓之一電子束圖像中判定一缺陷之一位置之方法及系統。一個方法包含：基於一缺陷在一差分圖像中之一第一位置而相對於成像於一測試圖像中之圖案判定該缺陷之一第二位置。該方法亦包含：針對該缺陷在一電子束圖像中相對於該等圖案判定該缺陷之一第三位置；及判定該第一位置與該第三位置之間之一關聯。另外，該方法包含：基於另一缺陷在一差分圖像中之一第一位置及該經判定關聯而在一電子束圖像中判定另一缺陷之一位置。

Description

於電子束圖像中判定缺陷之位置
本發明大體上係關於用於在一晶圓之一電子束圖像中判定一缺陷之一位置之方法及系統。
以下描述及實例並不憑藉包含在此段落中而被認為係先前技術。
製造半導體裝置(諸如邏輯及記憶體裝置)通常包含使用大量半導體製程處理一基板(諸如一半導體晶圓)以形成半導體裝置之各種特徵及多個層級。例如，微影係涉及將一圖案自一主光罩轉印至配置於一半導體晶圓上之一光阻劑之一半導體製程。半導體製程之額外實例包含但不限於化學機械拋光(CMP)、蝕刻、沈積及離子植入。可在一單一半導體晶圓上之一配置中製造多個半導體裝置，且接著將其等分離成個別半導體裝置。
在一半導體製程期間之各個步驟使用檢測程序來偵測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(諸如IC)之一重要部分。然而，隨著半導體裝置尺寸之減小，檢測對於可接受半導體裝置之成功製造變得甚至更為重要，此係因為較小缺陷可引起裝置故障。
缺陷檢視通常涉及：再次偵測因而由一檢測程序偵測之缺陷； 及使用一高倍率光學系統或一掃描電子顯微鏡(SEM)依一較高解析度產生關於缺陷之額外資訊。因此，在其中已藉由檢測偵測到缺陷之晶圓上之離散位置處執行缺陷檢視。藉由缺陷檢視針對缺陷產生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、更準確大小資訊等。
為使缺陷檢視提供關於所檢視之缺陷之有用資訊，在針對藉由檢測所偵測之一特定缺陷執行缺陷檢視時，缺陷檢視程序或工具必須能夠確保在缺陷檢視程序期間成像之晶圓上之區域實際上含有所檢視之缺陷。然而，並非可在一光學檢測系統上偵測之全部缺陷皆亦可在一電子束缺陷檢視系統上偵測。例如，可能無法產生由一光學檢測系統偵測之一些實際或真實缺陷(諸如電子束圖像中之先前層缺陷)之圖像。在一項此實例中，通常無法產生在一晶圓之上表面下方之任何事物之電子束圖像，此係因為電子未穿透於晶圓之上表面下方。藉由光學檢測所偵測但在電子束圖像中無法再次偵測之真實缺陷通常稱為SEM非視覺或「SNV」。因此，當試圖在一電子束圖像中再次偵測實際上無法由一電子束工具成像之一缺陷時，可能無法判定是已找到實際缺陷位置但缺陷無法由電子束工具成像，還是因在預測位置中尚未再次偵測到缺陷(即，預測位置不正確)而尚未找到實際缺陷位置。另外，由於許多圖案在形成於晶圓上及有時一晶圓上之一相對較小區域內之設計中重複(如相對較小圖案在晶圓之一些設計之一陣列區各處依實質上小週期重複)，故即使再次偵測到一缺陷，可仍難以判定是否已在一電子束圖像中找到正確缺陷位置(例如，此係因為在其處或附近偵測到一缺陷之(若干)圖案在多個例項中出現在針對經判定缺陷位置產生之相同電子束圖像中)。
目前，不存在基於由一檢測工具偵測之缺陷之位置而在陣列(例如，SRAM)區上之一電子束圖像中自動預測SNV之位置之已知公用程 式。有經驗的使用者可手動執行電子束圖像對光學圖像相關且使用可在電子束圖像中偵測之缺陷之缺陷位置準確度來提出在電子束圖像上對真實SNV之確切位置之一合理預測。
因此，用於在缺陷檢視中再定位藉由檢測所偵測之缺陷之目前使用的方法存在若干缺點。例如，唯若缺陷位於一邏輯區(其中在一相對較小區域中，許多圖案相對於其他圖案係獨有的且因此可用於缺陷再定位)中，或若缺陷信號對於無經驗的使用者而言在一電子束圖像中可見(如SEM真實缺陷)，則目前使用的方法可起作用。程序係完全手動的且耗時的，此需要許多經驗。此外，甚至對於邏輯區，目前方法對於光學圖像失真亦不穩健。
因此，發展用於在一晶圓之一電子束圖像中判定一缺陷之一位置而不具有上文描述之缺點之一或多者之系統及方法將為有利的。
各種實施例之以下描述不應以任何方式解釋為限制隨附技術方案之標的。
一項實施例係關於一種經組態以於一晶圓之一電子束圖像中判定一缺陷之一位置之系統。該系統包含一電子束缺陷檢視子系統，該電子束缺陷檢視子系統包含至少一電子束源及一偵測器。該電子束源經組態以產生引導至一晶圓之電子。該偵測器經組態以偵測來自該晶圓之電子且回應於該等經偵測電子而產生電子束圖像。該系統亦包含耦合至該電子束缺陷檢視子系統之一電腦子系統。該電腦子系統包含執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以於針對該晶圓產生之一差分圖像中判定一缺陷之一第一位置。藉由針對該缺陷定位於其中之該晶圓上之一區域自一測試圖像減去一參考圖像而產生該差分圖像。藉由一光學檢測系統針對該晶圓產生該測試圖像。藉由該光學檢測系統在該晶圓上偵 測該缺陷。該電腦子系統亦經組態以基於該缺陷在該差分圖像中之該第一位置而相對於形成於在晶圓上且成像於測試圖像中之圖案判定該缺陷之一第二位置。另外，該電腦子系統經組態以在由該電子束缺陷檢視子系統針對該晶圓上之該缺陷產生之一電子束圖像中相對於所成像之該等圖案判定該缺陷之一第三位置。該電腦子系統進一步經組態以判定該第一位置與該第三位置之間之一關聯。
該電腦子系統亦經組態以於由該電子束缺陷檢視子系統針對該晶圓上之另一缺陷產生之一電子束圖像中判定該另一缺陷之一位置。基於該另一缺陷在針對該晶圓產生之另一差分圖像中之一第一位置及該經判定關聯而判定該另一缺陷之該位置。藉由該光學檢測系統在該晶圓上偵測該另一缺陷。藉由針對該另一缺陷定位於其中之該晶圓上之一區域自一測試圖像減去一參考圖像而產生該另一差分圖像。藉由該光學檢測系統針對該晶圓產生用來產生該另一差分圖像之該測試圖像。該系統可如本文中描述般進一步組態。
另一實施例係關於一種用於在一晶圓之一電子束圖像中判定一缺陷之一位置之電腦實施方法。該方法包含上文描述之步驟。藉由一電腦系統執行該方法之步驟。上文描述之該方法之步驟之各者可如本文中進一步描述般進一步執行。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，可藉由本文中描述之系統之任一者執行上文描述之該方法。
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在一晶圓之一電子束圖像中判定一缺陷之一位置之一電腦實施方法。該電腦實施方法包含上文描述之方法之步驟。該電腦可讀媒體可如本文中描述般進一步組態。電腦實施方法之步驟可如本文中進一步描述般執行。另外，可針對其執行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‧‧‧成像子系統
14‧‧‧晶圓
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
122‧‧‧電子柱
124‧‧‧電腦子系統
126‧‧‧電子束源
128‧‧‧晶圓
130‧‧‧元件
132‧‧‧元件
134‧‧‧偵測器
300‧‧‧資料庫
302‧‧‧步驟
304‧‧‧訓練資料
306‧‧‧學習步驟
308‧‧‧模型化步驟
310‧‧‧測試資料
312‧‧‧步驟
314‧‧‧缺陷位置
400‧‧‧電子束圖像
500‧‧‧光學圖像
600‧‧‧差分圖像
700‧‧‧圖像
702‧‧‧圖像
704‧‧‧圖像
706‧‧‧圖像
800‧‧‧非暫時性電腦可讀媒體
802‧‧‧程式指令
804‧‧‧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且在參考隨附圖式後將明白本發明之進一步優點，其中：圖1係繪示如本文中描述般組態之一光學檢測系統之一實施例之一側視圖之一示意圖；圖2係繪示如本文中描述般組態之一系統之一實施例之一側視圖之一示意圖；圖3係繪示可由本文中描述之實施例執行以於一晶圓之一電子束圖像中判定一缺陷之一位置之步驟之一流程圖；圖4係針對一晶圓上之一缺陷產生之一電子束圖像之一實例；圖5係針對一缺陷定位於其中之一晶圓上之一區域產生之一測試圖像之一實例；圖6係針對一晶圓產生之一差分圖像之一實例；圖7係針對一晶圓上之一缺陷產生之一電子束圖像及多個圖像之一實例，藉由一光學檢測系統針對晶圓上含有相同圖案之區域產生該多個圖像，且該多個圖像歸因於光學檢測系統之光學特性而具有不同光學失真；及圖8係繪示儲存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，該等程式指令用於引起一電腦系統執行本文中描述之一電腦實施方法。
雖然本發明易受各種修改及替代形式影響，但本發明之特定實施例在圖式中以實例方式展示且在本文中詳細描述。圖式可未按比例。然而，應瞭解，圖式及其詳細描述並不意欲將本發明限於所揭示之特定形式，恰相反，其意欲涵蓋落在如由隨附申請專利範圍定義之本發明之精神及範疇內之全部修改、等效及替代。
如本文中使用之術語「設計」及「設計資料」大體上指代一IC之實體設計(佈局)及透過複雜模擬或簡單幾何及布耳(Boolean)運算而自實體設計導出之資料。實體設計可儲存於一資料結構(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)中。一GDSII檔案係用於表示設計佈局資料之一類檔案之一者。此等檔案之其他實例包含GL1及OASIS檔案及專屬檔案格式(諸如RDF資料)，其為加利福尼亞州米爾皮塔斯市之KLA-Tencor所專屬。另外，由一主光罩檢測系統獲取之一主光罩之一圖像及/或其衍生物可用作設計之一或多個「代理」。此一主光罩圖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設計佈局之一替代。設計可包含在以下各者中描述之任何其他設計資料或設計資料代理：於2009年8月4日授與Zafar等人之共同擁有之美國專利第7,570,796號及於2010年3月9日授與Kulkarni等人之共同擁有之美國專利第7,676,077號，該兩案如全文闡述以引用的方式併入本文中。另外，設計資料可為標準單元庫資料、積體佈局資料、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，來自一晶圓或主光罩之模擬或獲取圖像可用作設計之一代理。圖像分析亦可用作設計分析之一代理。例如，可自印刷於一晶圓及/或主光罩上之一設計之一圖像提取設計中之多邊形，假定依足夠解析度獲取晶圓及/或主光罩之圖像以充分成像設計之多邊形。另外，本文中描述之「設計」及「設計資料」指代由半導體裝置設計者在一設計過程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用於本文中描述之實施例中之資訊及資料。
較佳地，如本文中使用之術語「設計」或「實體設計」指代如 將理想地形成於樣品上之設計。例如，本文中描述之一設計或實體設計較佳將不包含將不印刷於一晶圓上之設計之特徵(諸如光學近接校正(OPC)特徵)，將該等特徵添加至設計以增強特徵於晶圓上之印刷而其等本身實際上並未印刷。以此方式，在一些實施例中，用於本文中進一步描述之步驟之晶圓之設計不包含將不印刷於晶圓上之設計之特徵。
現參考圖式，應注意，圖並未按比例繪製。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，圖並未按相同比例繪製。已使用相同元件符號指示在一個以上圖中展示之可經類似組態之元件。除非本文中另有標明，否則所描述並展示之元件之任一者可包含任何適合市售元件。
一般而言，本文中描述之實施例經組態以識別缺陷之位置，缺陷包含來自電子束圖像(例如，SEM圖像)之掃描電子顯微鏡(SEM)非視覺(SNV)缺陷。特定言之，本文中描述之實施例經組態以針對SNV及缺陷在一電子束圖像上自動識別缺陷信號位置。例如，當對由檢測工具所偵測之缺陷位置執行SEM檢視時，缺陷群體之大部分在SEM圖像上顯示無信號。此等事件稱為SEM非視覺或SNV。SNV通常被視為公害事件，此係因為其等可為先前層缺陷、細微臨界尺寸(CD)變動及表面粗糙度或線邊緣粗糙度，其等並非半導體晶圓製造之致命所關注缺陷(DOI)類型。對於此等情況，瞭解一電子束圖像中真實事件之缺陷信號實際所對應之位置係一不平凡的且艱巨的任務。因此，甚至當SNV在檢測圖像中具有相對良好的信號時，仍極難以針對該等SNV在電子束圖像上可靠地且自動地找到缺陷位置。
在電子束圖像中定位藉由檢測所偵測之事件之缺陷信號在許多額外例項中尤其困難。術語「事件」在本文中大體上定義為藉由檢測所偵測之任何可能缺陷，其通常包含實際或真實缺陷、公害類型缺陷 (或公害事件)及雜訊。例如，當缺陷位於在x及y方向兩者上由重複結構製成之陣列或SRAM區上時，在電子束圖像中定位缺陷信號尤其困難。在另一實例中，當缺陷檢視工具具有一非零偏斜而引起缺陷並未確切位於電子束圖像之中心時，在電子束圖像中定位缺陷信號尤其困難。當檢測像素大小(即，用於偵測晶圓上之缺陷之檢測工具之像素大小)不夠小而無法解析下伏圖案時，在電子束圖像中定位缺陷信號亦尤其困難。另外，當檢測圖像中存在明顯失真及/或雜訊時，在電子束圖像中定位缺陷信號尤其困難。
本文中描述之實施例提供一種機器學習方法論，其具有本文中進一步描述之兩個階段--一訓練階段及一預測階段。如本文中進一步描述，實施例提供一種機器學習系統，其可使用藉由檢測所偵測(即，檢測真實事件)且藉由缺陷檢視所再次偵測(例如，SEM真實缺陷)之缺陷之一訓練資料集來學習檢測偵測之事件與該等缺陷在缺陷檢視圖像中之位置之關聯。本文中描述之實施例亦可使用由實施例執行之學習來可信地預測來自相同檢測結果之全部缺陷(包含SNV)在電子束圖像中之位置。
可針對一個晶圓執行本文中描述之訓練階段，且可應用該訓練中產生之結果在針對其他晶圓產生之電子束圖像中預測缺陷位置。然而，若跨晶圓存在可引起晶圓上之圖案層級變動之程序變動，則可針對不同晶圓各別地執行訓練階段。另外，若用於在不同晶圓上偵測缺陷之光學模式不同，則可針對不同晶圓各別地執行訓練階段。
瞭解公害源(即，公害事件偵測之原因)在調諧檢測配方以抑制公害方面係關鍵的。本文中描述之實施例提供一種用於可靠地且準確地識別檢測結果中之公害源之手段，其可用來調諧檢測配方以消除對該等經識別公害源之偵測。另外或替代地，本文中描述之實施例可經組態以將藉由檢測所偵測之缺陷識別並分類為公害事件或公害缺陷。以 此方式，可從檢測結果消除被分類為公害事件或公害缺陷之經偵測缺陷，藉此有效地提高檢測之靈敏度。因此，實施例可容許光學檢測工具遠更深地運行至雜訊底限中，同時使具有實質上低信號之DOI保持在一合理公害率。因而，本文中描述之實施例容許光學檢測工具以遠更高的靈敏度運行，為最小化公害率或至少將公害率管理在一可接受位準，將必須以其他方式犧牲靈敏度。
一項實施例係關於一種經組態以於一晶圓之一電子束圖像中判定一缺陷之一位置之系統。晶圓可包含此項技術中已知之任何晶圓。
如本文中進一步描述，可藉由一光學檢測系統針對晶圓及缺陷產生光學圖像(諸如測試圖像)。光學檢測系統亦可在一晶圓上偵測缺陷。本文中描述之系統可或可不包含此一光學檢測系統。例如，本文中描述之實施例可自一光學檢測系統或光學檢測系統已將檢測之結果(諸如在一晶圓上偵測之缺陷之圖像及資訊)儲存於其中之一儲存媒體獲取資訊。可依任何適合方式獲取資訊及結果。然而，在其他例項中，除本文中描述之其他組件外，本文中描述之實施例亦可包含一光學檢測系統，藉此為檢測及缺陷檢視提供一完整解決方案。在其中系統包含一光學檢測系統之例項中，光學檢測系統可耦合至系統之一電腦子系統，如本文中進一步描述。
在圖1中展示一光學檢測系統之一項實施例。光學檢測系統包含一成像子系統，該成像子系統包含至少一光源及一偵測器。光源經組態以產生引導至一晶圓之光。偵測器經組態以偵測來自晶圓之光且回應於經偵測光而產生圖像。
在圖1中所示之光學檢測系統之實施例中，成像子系統10包含經組態以將光引導至晶圓14之一照明子系統。照明子系統包含至少一光源。例如，如圖1中所示，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依一或多個入射角(其可包含一或多個傾斜 角及/或一或多個法向角)將光引導至晶圓。例如，如圖1中所示，來自光源16之光經引導穿過光學元件18及接著透鏡20而至光束分離器21，該光束分離器21依一法向入射角將光引導至晶圓14。入射角可包含任何適合入射角，其可取決於例如晶圓之特性及晶圓上待偵測之缺陷而變化。
照明子系統可經組態以在不同時間依不同入射角將光引導至晶圓。例如，光學檢測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，使得光可依不同於圖1中所示之入射角之一入射角引導至晶圓。在一項此實例中，光學檢測系統可經組態以使光源16、光學元件18及透鏡20移動，使得光依一不同入射角引導至晶圓。
在一些例項中，光學檢測系統可經組態以同時依一個以上入射角將光引導至晶圓。例如，照明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中所示之光源16、光學元件18及透鏡20，且該等照明通道之另一者(未展示)可包含可經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)。若此光與其他光同時引導至晶圓，則依不同入射角引導至晶圓之光之一或多個特性(例如，波長、偏光等)可不同，使得源自依不同入射角之晶圓之照明之光可在(若干)偵測器處彼此區別。
在另一例項中，照明子系統可包含僅一個光源(例如，圖1中所示之源16)且來自光源之光可由照明子系統之一或多個光學元件(未展示)分離成不同光學路徑(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晶圓。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來循序照明晶圓時)將光引導至晶圓。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晶圓。例如，在一些例項中，光學元件18可組態為 一光譜濾光片，且光譜濾光片之性質可依多種不同方式(例如，藉由換出光譜濾光片)改變，使得在不同時間可將不同波長之光引導至晶圓。照明子系統可具有此項技術中已知之用於循序或同時依不同或相同入射角將具有不同或相同特性之光引導至晶圓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，由光源產生且引導至晶圓之光可包含寬頻光。在其中光源係或包含一BBP光源之例項中，光學檢測系統可稱為一BBP檢測系統，且由該光學檢測系統執行之檢測可稱為BBP檢測。然而，光源可包含任何其他適合光源，諸如一雷射。雷射可包含此項技術中已知之任何適合雷射且可經組態以產生在此項技術中已知之任一或多個適合波長下之光。另外，雷射可經組態以產生單色或幾乎單色之光。以此方式，雷射可為一窄頻雷射。光源亦可包含產生在多個離散波長或波帶下之光之一多色光源。
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中展示為一單折射光學元件，然應瞭解，實際上透鏡20可包含組合地將來自光學元件之光聚焦至樣品之許多折射及/或反射光學元件。在圖1中展示且在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)光譜濾光片、(若干)空間濾光片、(若干)反射光學元件、(若干)變跡器、(若干)光束分離器、(若干)光圈及類似者，其等可包含此項技術中已知之任何此等適合光學元件。另外，光學檢測系統可經組態以基於待用於成像之照明之類型而更改照明子系統之元件之一或多者。
光學檢測系統亦可包含經組態以引起光在晶圓上方掃描之一掃描子系統。例如，光學檢測系統可包含在檢測期間晶圓14安置於其上 之載物台22。掃描子系統可包含可經組態以使晶圓移動使得光可在晶圓上方掃描之任何適合機械及/或機器人總成(其包含載物台22)。另外或替代地，光學檢測系統可經組態使得光學檢測系統之一或多個光學元件執行光在晶圓上方之某一掃描。光可依任何適合方式在晶圓上方掃描。
光學檢測系統進一步包含一或多個偵測通道。該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光學檢測系統照明晶圓而來自晶圓之光且回應於經偵測光而產生圖像。例如，圖1中所示之光學檢測系統包含兩個偵測通道，一個通道由集光器24、元件26及偵測器28形成，且另一通道由集光器30、元件32及偵測器34形成。如圖1中所示，兩個偵測通道經組態以依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晶圓鏡面反射(例如，散射、繞射等)之光。然而，偵測通道之兩者或更多者可經組態以偵測來自晶圓之相同類型之光(例如，鏡面反射光)。儘管圖1展示包含兩個偵測通道之光學檢測系統之一實施例，然光學檢測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更多個偵測通道)。儘管集光器之各者在圖1中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。例如，偵測器可包含光電倍增管(PMT)、電荷耦合裝置(CCD)、時間延遲積分(TDI)相機，及此項技術中已知之任何其他適合偵測器。偵測器亦可包含非成像偵測器或成像偵測器。以此方式，若偵測器係非成像偵測器，則該等偵測器之各者可經組態以偵測光之特定特性(諸如強度)，但可未經組態以偵測依據在成像平面內之位置而變化之此 等特性。因而，由包含在光學檢測系統之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，而非圖像信號或圖像資料。在此等例項中，一電腦子系統(諸如光學檢測系統之電腦子系統36)可經組態以自偵測器之非成像輸出產生晶圓之圖像。然而，在其他例項中，偵測器可組態為成像偵測器，其等經組態以產生圖像信號或圖像資料。因此，光學檢測系統可經組態以依許多方式產生本文中描述之圖像。
應注意，本文中提供圖1以大體上繪示可包含在本文中描述之一系統中或耦合至該系統之一光學檢測系統之一組態。顯然，如在設計一商業檢測系統時通常執行般，可更改本文中描述之光學檢測系統組態以最佳化光學檢測系統之效能。另外，可使用(例如，藉由將本文中描述之功能性添加至一現有檢測系統)一現有光學檢測系統(諸如商業上可購自加利福尼亞州米爾皮塔斯市之KLA-Tencor之29xx/28xx系列工具)來實施本文中描述之實施例。對於一些此等系統，可提供本文中描述之方法作為系統之選用功能性(例如，除系統之其他功能性外)。或者，可「從頭開始」設計本文中描述之系統以提供一全新系統。
光學檢測系統之電腦子系統36可依任何適合方式(例如，經由一或多個傳輸媒體，其可包含「有線」及/或「無線」傳輸媒體)耦合至光學檢測系統之偵測器，使得電腦子系統可接收在晶圓之掃描期間由偵測器產生之圖像。電腦子系統36可經組態以使用由偵測器產生之圖像來執行許多功能。例如，光學檢測系統之電腦子系統可經組態以使用圖像且依此項技術中已知之任何適合方式(例如，依一單元對單元檢測方法，其中比較針對一晶圓上之一個單元產生之一圖像與針對晶圓上之另一單元產生之一圖像，且可比較該兩個圖像之間之任何差異與一臨限值以判定差異是否對應於晶圓上之缺陷)在晶圓上偵測缺 陷。此電腦子系統可如本文中描述般進一步組態。
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)系統之各者可採取各種形式，包含一個人電腦系統、圖像電腦、主機電腦系統、工作站、網路器具、網際網路器具或其他裝置。一般而言，術語「電腦系統」可廣泛定義為涵蓋具有一或多個處理器之任何裝置，該一或多個處理器執行來自一記憶體媒體之指令。(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，其作為一獨立工具或一網路化工具。
若系統包含一光學檢測系統(除如本文中進一步描述般組態之一電子束缺陷檢視子系統及電腦子系統外)，則該光學檢測系統之電腦子系統可耦合至本文中描述之另一電腦子系統，使得可在該等電腦子系統之間發送圖像、資料、資訊、指令等，如本文中進一步描述。例如，圖1中所示之電腦子系統36可藉由任何適合傳輸媒體(未展示)(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)耦合至圖2中所示之電腦子系統124。此等電腦子系統之兩者或更多者亦可由一共用電腦可讀儲存媒體(未展示)有效地耦合。
儘管上文將檢測系統描述為一基於光學或光之檢測系統，然檢測系統可為一基於電子束之檢測系統。例如，在一項實施例中，在檢測期間引導至晶圓之能量包含電子，且在檢測期間偵測之來自晶圓之能量包含電子。此一基於電子束之檢測系統可如本文中描述般進一步組態，其具有適當改變以將電子束缺陷檢視子系統自經組態用於缺陷檢視修改為經組態用於檢測。
系統包含一電子束缺陷檢視子系統，該電子束缺陷檢視子系統包含至少一電子束源及一偵測器。電子束源經組態以產生引導至一晶 圓之電子，且偵測器經組態以偵測來自晶圓之電子且回應於經偵測電子而產生電子束圖像。在圖2中所示之一項此實施例中，電子束缺陷檢視子系統包含耦合至電腦子系統124之電子柱122。
亦如圖2中所示，電子柱包含經組態以產生由一或多個元件130聚焦至晶圓128之電子之電子束源126。電子束源可包含例如一陰極源或發射器尖端，且一或多個元件130可包含例如一槍透鏡、一陽極、一束限制光圈、一閘閥、一束電流選擇光圈、一物鏡及一掃描子系統，其等之全部可包含此項技術中已知之任何此等適合元件。
自晶圓返回之電子(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，該掃描子系統可為包含在(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，電子柱可如以下各者中描述般進一步組態：於2014年4月4日授與Jiang等人之美國專利第8,664,594號、於2014年4月8日授與Kojima等人之美國專利第8,692,204號、於2014年4月15日授與Gubbens等人之美國專利第8,698,093號，及於2014年5月6日授與MacDonald等人之美國專利第8,716,662號，該等案如全文闡述以引用的方式併入本文中。
儘管電子柱在圖2中展示為經組態使得電子依一傾斜入射角引導至晶圓且依另一傾斜角自晶圓散射，然應瞭解，電子束可依任何適合角引導至晶圓且自晶圓散射。另外，基於電子束之成像子系統可經組態以使用多種模式產生晶圓之圖像(例如，具有不同照明角、收集角等)。電子束缺陷檢視子系統之多種模式在電子束缺陷檢視子系統之任何圖像產生參數方面可不同。
電腦子系統124耦合至電子束缺陷檢視子系統。例如，如上文描述，電腦子系統124可耦合至偵測器134。偵測器可偵測自晶圓之表面返回之電子，藉此形成晶圓之電子束圖像。電子束圖像可包含任何適 合電子束圖像。電腦子系統124可經組態以使用偵測器之輸出及/或電子束圖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)任何額外步驟且可如本文中描述般進一步組態。例如，如本文中進一步描述，電腦子系統包含執行來自一記憶體媒體之指令之一或多個處理器。包含圖2中所示之電子束缺陷檢視子系統之一系統可如本文中描述般進一步組態。
應注意，本文中提供圖2以大體上繪示可包含在本文中描述之實施例中之一電子束缺陷檢視子系統之一組態。如在設計一商業缺陷檢視系統時通常執行般，可更改本文中描述之電子束缺陷檢視子系統組態以最佳化電子束缺陷檢視子系統之效能。另外，可使用(例如，藉由將本文中描述之功能性添加至一現有缺陷檢視系統)一現有缺陷檢視系統(諸如商業上可購自KLA-Tencor之eDR-xxxx系列工具)來實施本文中描述之系統。對於一些此等系統，可提供本文中描述之實施例作為系統之選用功能性(例如，除系統之其他功能性外)。或者，可「從頭開始」設計本文中描述之系統以提供一全新系統。
電腦子系統經組態以於針對晶圓產生之一差分圖像中判定一缺陷之一第一位置。以此方式，電腦子系統可判定來自一差分圖像之一缺陷信號之一位置。針對本文中描述之實施例，此步驟可在一訓練階段期間執行。另外，可在訓練階段期間針對可如本文中描述般產生之一樣本中之各缺陷執行此步驟。
藉由針對缺陷定位於其中之晶圓上之一區域自一測試圖像減去一參考圖像而產生差分圖像。可依此項技術中已知之任何適合方式產生差分圖像。在許多例項中，如上文描述般在一晶圓檢測程序之正常過程中產生差分圖像。因此，可在晶圓之檢測期間藉由光學檢測系統產生本文中描述之差分圖像。
藉由一光學檢測系統針對晶圓產生測試圖像。例如，如本文中 進一步描述，可藉由光學檢測系統針對晶圓獲取測試圖像(例如，藉由用光在晶圓上方掃描且在掃描期間抓取測試圖像)。
參考圖像可為此項技術中已知之任何適合參考圖像。例如，可在形成於一晶圓上之(若干)圖案之一個例項處獲取測試圖像，且可在形成於晶圓上之(若干)圖案之另一例項處獲取參考圖像。因此，可藉由光學檢測系統產生測試圖像及參考圖像。然而，參考圖像可為一不同參考圖像，其可自晶圓之多個獲取圖像、一或多個模擬圖像(例如，自晶圓之設計資料模擬)等產生。因此，光學檢測系統可或可不藉由成像晶圓之一實體版本而產生參考圖像。
藉由光學檢測系統在晶圓上偵測缺陷。可如本文中進一步描述般或依此項技術中已知之任何其他適合方式在晶圓上偵測缺陷。
電腦子系統亦經組態以基於缺陷在差分圖像中之第一位置而相對於形成於在晶圓上且成像於測試圖像中之圖案判定缺陷之一第二位置。以此方式，可在測試圖像中判定缺陷相對於其周圍之圖像圖案之相對位置。例如，由於測試圖像(亦常稱為目標圖像)與其等各自參考圖像對準(具有子像素準確度)且差分圖像係藉由自參考圖像之對應測試圖像減去參考圖像而產生，故差分圖像固有地與其等對應測試圖像對準(具有子像素準確度)。因而，可容易識別對應於在差分圖像內判定之第一位置之測試圖像中之一位置。換言之，差分圖像中之一峰值事件之位置可繼續留到目標圖像以識別缺陷事件之位置。接著，可判定該第一位置相對於測試圖像中之圖案之相對位置且該相對位置係本文中描述之第二位置。可依任何適合方式相對於測試圖像中之圖案判定第二位置，且該第二位置可具有此項技術中已知之任何適合格式。可在訓練階段期間且針對用於訓練之一集合中之各缺陷執行此步驟。
電腦子系統進一步經組態以在由電子束缺陷檢視子系統針對晶圓上之缺陷產生之一電子束圖像中相對於所成像之圖案判定缺陷之一 第三位置。以此方式，可在電子束圖像中判定缺陷相對於其周圍之圖案之相對位置。如本文中進一步描述，可針對識別為SEM真實缺陷之一組缺陷(即，已在由電子束缺陷檢視子系統產生之電子束圖像中成功再次偵測之缺陷)執行此步驟。因此，可容易在不依靠光學檢測圖像及/或一使用者之情況下在電子束圖像中自電子束圖像本身判定用於此步驟之缺陷之第三位置。然而，電腦子系統可接收電子束圖像中之一使用者指定缺陷位置且接著學習該缺陷位置與電子束圖像中之其他圖案之相對位置。可在訓練階段期間且針對用於訓練之一集合中之各缺陷執行此步驟。
電腦子系統亦經組態以判定第一位置與第三位置之間之一關聯。例如，電腦子系統可運用其SEM副本來判定缺陷之一關聯規則。換言之，電腦子系統可判定一光學偵測之缺陷與一電子束偵測之缺陷之一關聯規則。可在訓練階段期間且基於在訓練階段期間執行之步驟之一或多者之結果而執行此步驟。關聯可具有此項技術中已知之任何適合組態。另外，關聯可判定為一關聯規則或任何其他格式，其容許在其等光學圖像及電子束圖像中之缺陷位置彼此相關聯且接著用來基於光學圖像缺陷位置判定電子束圖像缺陷位置，如本文中描述。儘管關聯在本文中可描述為基於一缺陷之第一位置及第三位置而判定，然應瞭解，可分別基於在光學圖像中於晶圓上偵測且在針對晶圓產生之電子束圖像中所再次偵測之許多不同缺陷之第一位置及第三位置來判定關聯。分別基於許多缺陷之第一位置及第三位置判定關聯可提高關聯可用來針對其他缺陷在電子束圖像中預測缺陷位置之準確度。
電腦子系統進一步經組態以於由電子束缺陷檢視子系統針對晶圓上之另一缺陷產生之一電子束圖像中判定該另一缺陷之一位置。基於另一缺陷在針對晶圓產生之另一差分圖像中之一第一位置及經判定關聯而判定另一缺陷之位置。例如，由電腦子系統判定之關聯規則可 應用於在晶圓上偵測之任何其他缺陷之電子束圖像。以此方式，本文中描述之實施例可使用機器學習原理來在由一光學檢測系統所偵測之一或多個事件之電子束圖像中自動識別缺陷位置。另外，本文中描述之實施例使用一機器學習方法來在電子束圖像中定位對應於一光學圖像上之位置之缺陷。特定言之，在此步驟期間，電腦子系統可將關聯規則(在訓練階段中學習)應用於在電子束圖像中可或可不具有任何明顯信號之一缺陷以預測檢測缺陷信號所在之位置。可在一預測階段期間執行此步驟。
藉由光學檢測系統在晶圓上偵測另一缺陷。可依本文中所描述或此項技術中已知之任何適合方式在晶圓上偵測另一缺陷。藉由針對另一缺陷定位於其上之晶圓上之一區域自一測試圖像減去一參考圖像而產生另一差分圖像。差分圖像、參考圖像及測試圖像可如本文中描述般產生且可包含本文中描述之圖像之任一者。藉由光學檢測系統針對晶圓產生用來產生另一差分圖像之測試圖像。可依本文中描述之任何適合方式而針對另一缺陷產生測試圖像。
在一項實施例中，圖案包含重複圖案化特徵。在另一實施例中，圖案對應於晶圓之一設計中之裝置特徵。在一些實施例中，圖案定位於晶圓之一設計之一陣列區中。在又一實施例中，圖案無法用於對準晶圓或針對晶圓產生之圖像。在一些實施例中，另一缺陷定位於其中之晶圓上之區域不含有對準位點。例如，本文中描述之實施例可針對不具有可充當對準位點之顯著錨圖案之SRAM區而在一電子束圖像中定位事件。另外，可有利地使用本文中描述之實施例來預測一陣列區中之缺陷之缺陷位置。如本文中進一步描述，一晶圓之一些區域(諸如陣列區)中之圖案可在x及y兩者上且依一相對較高頻率重複。因此，本文中描述之圖案可包含此等重複圖案且可定位於一晶圓之陣列區中。另外，由於本文中描述之實施例可使用關聯規則而在一電子束 圖像中判定一缺陷之位置，故該等實施例無需使用圖像中用於使一個圖像相對於另一圖像對準及/或作為判定相對缺陷位置之一參考之獨有圖案。以此方式，甚至當缺陷位置處之缺陷在電子束圖像中不可見時，本文中描述之實施例仍無需且並未使用對準位點(或適於對準之圖案)以依相對較高準確度在電子束圖像中判定缺陷位置。此外，相對於其判定本文中描述之相對位置之圖案可包含實際裝置特徵(即，在一晶圓上製造之一裝置之特徵及/或相對於純粹用於對準之特徵而言將用來製造晶圓上之裝置特徵之特徵)而無關於其等獨有性或缺乏，此使能夠針對一晶圓上之任何區域且相對於形成於晶圓上之任何圖案執行本文中描述之實施例。
在一項實施例中，另一缺陷無法由電子束缺陷檢視子系統成像。以此方式，本文中描述之實施例可使用機器學習原理來自動識別由一光學檢測系統所偵測之一或多個事件之缺陷位置，該一或多個事件可包含電子束圖像中之至少一些SNV事件。換言之，如本文中進一步描述，甚至當缺陷在電子束圖像中不可見時，本文中描述之實施例仍可用來依實質上高準確度在電子束圖像中判定缺陷之位置。
在一額外實施例中，另一缺陷可由電子束缺陷檢視子系統成像。例如，儘管本文中描述之實施例對於在電子束圖像中判定SNV之位置尤其有用，然本文中描述之實施例亦可或替代地可用來在電子束圖像中判定非SNV之位置。
在一些實施例中，判定第三位置包含：在針對缺陷產生之電子束圖像中相對於圖案判定缺陷之一初始位置；及針對初始位置與針對缺陷產生之電子束圖像之一中心之偏差校正該初始位置，藉此判定第三位置。初始位置與電子束圖像之中心之偏差可由本文中描述之系統中之許多誤差源(諸如缺陷檢視子系統之偏斜)引起。例如，假設一使用者想要在一位置P(其可為(px,py)(關於晶圓單位為nm))周圍抓取一 電子束圖像。歸因於缺陷檢視子系統之階段不確定性(及其他可能誤差源)，針對位置P抓取之圖像可能未確切居中於(px,py)處，而是將具有一「偏斜」，其可視為相對於(px,py)之一DC偏移。此DC偏移需經校準以確保位置準確度更佳。通常藉由採取強事件(即，具有強缺陷信號(例如，指向型缺陷等)之事件，其等實質上易於定位於電子束圖像上)且接著使用抓取該等圖像同時針對其他位置抓取電子束圖像時所注意之補償偏移來完成此校準。
然而，本文中描述之實施例可經組態以自動地且固有地執行小電子束圖像糾偏。特定言之，電腦子系統可經組態以針對缺陷位置與電子束圖像之中心之小偏差校正電子束圖像糾偏。一旦已針對糾偏校正電子束圖像，即可依任何適合方式且依任何適合格式判定用作電子束圖像中之缺陷位置之初始位置與最終或第三位置之間之差異。另外，電腦子系統可經組態以在電子束圖像中判定缺陷位置之一平均糾偏且接著使用該平均糾偏作為一偏置補償以判定其他缺陷位置。因此，本文中描述之實施例可應用一固有糾偏方法來降低缺陷位置不確定性。在一些例項中，可在一晶粒列基礎上自訓練資料判定電子束缺陷檢視子系統偏斜。接著，糾偏校正可基於其中產生測試資料之晶粒列而應用於測試資料。可在訓練階段期間且針對已針對其執行訓練階段中之步驟之各缺陷執行此步驟。
在一項此實施例中，電腦子系統亦經組態以：於針對另一缺陷產生之電子束圖像中判定該另一缺陷之一或多個額外候選位置；且基於初始位置與第三位置之間之一差異而判定一或多個額外候選位置之一可信度分數。以此方式，本文中描述之實施例可經組態以固有地執行小電子束圖像糾偏且將一可信度分數指派給電子束圖像內之其他可能位置。特定言之，對於陣列區，當存在可能已引起信號之其他可能位置時，電腦子系統可基於在訓練階段期間學習之相對糾偏而指派一 可信度分數。
以此方式，本文中描述之實施例可解析對應於藉由光學檢測所判定之缺陷位置之單元(或其他重複或非獨有圖案)中之不確定性。例如，當缺陷信號在電子束圖像中清晰顯見時，視覺相關相對較簡單且容易。然而，在SNV情況中，且尤其在其中通常存在x及y上之重複圖案之陣列區情況中，缺陷可位於一單元內之各自位置(即，單元相對位置)中之匹配單元之任一者中。然而，本文中描述之實施例使用自訓練資料判定之偏置補償來解析此不確定性且將可信度位準指派給其他可能單元以校正電子束缺陷檢視子系統位置準確度變動。
在另一實施例中，電腦子系統經組態以藉由比較由晶圓檢測系統針對另一缺陷產生之測試圖像與針對晶圓上之一或多個額外區域產生之其他測試圖像而在針對另一缺陷產生之電子束圖像中判定另一缺陷之一或多個額外候選位置，且一或多個額外區域定位於電子束缺陷檢視子系統之一視域(FOV)內，運用該電子束缺陷檢視子系統產生另一缺陷之圖像。例如，除本文中描述之其他功能(例如，於電子束圖像上預測SNV位置)外，作為此等功能之一副產物，本文中描述之實施例亦可指示具有與所選取SNV位置類似之一幾何形狀之其他可能位置(在電子束缺陷檢視子系統FOV內)。來自此等其他位置之光學拼貼圖像可用來與目前SNV圖塊周圍之拼貼圖像比較以預測電子束圖像中之其他可能缺陷位置。此候選缺陷位置判定不同於在電子束圖像上使用晶粒對晶粒比較以定位缺陷像素之目前方法。
在一項此實施例中，電腦子系統經組態以基於針對一或多個額外候選位置處之另一缺陷產生之電子束圖像之部分而對在對應於一或多個額外候選位置之位置處由光學檢測系統偵測之缺陷自動分類。以此方式，電腦子系統可經組態以基於訓練資料對電子束圖像分類。另外，本文中描述之實施例可對實質上大量的電子束圖像分類且定位最 可能公害源。例如，本文中描述之實施例可用來將相對大量的缺陷自動分類為SEM真實及SNV頻格，而非比較電子束圖像與可未產生檢測工具信號所來自之確切相同位置之鄰近晶粒參考(其後接著SEM再次偵測)。此能力將容許光學檢測系統遠更深地運行至雜訊底限中且使具有實質上低缺陷信號之DOI保持在否則將必須犧牲之一合理公害率。
在一項實施例中，缺陷係由藉由光學檢測系統執行之對晶圓之檢測所偵測且由電腦子系統在由電子束缺陷檢視子系統針對晶圓產生之圖像中所再次偵測之一組取樣缺陷中之多個缺陷之一者，電腦子系統經組態以執行以下步驟：針對該組取樣缺陷中之多個缺陷判定第一位置、判定第二位置，及判定第三位置，且判定關聯包含：判定針對取樣組中之多個缺陷判定之第一位置與第三位置之間之關聯。例如，一般而言，可依此項技術中已知之任何適合方式取樣一檢測結果中之許多缺陷(例如，幾千個缺陷)，且可藉由一缺陷檢視工具(諸如本文中進一步描述之缺陷檢視工具)針對該等選定缺陷產生電子束圖像。該等電子束圖像可用來識別SEM真實事件，即，在電子束圖像上顯示一可見缺陷之該等事件。相比之下，SNV係在電子束圖像中並未顯示任何可見缺陷之事件，且通常不確定該事件為何被檢測工具標記為缺陷且此事件之確切位置在電子束圖像內之何處。在訓練階段期間，一使用者可選擇SEM真實缺陷之一相對較小子集(例如，10個至15個缺陷)。對於訓練集中之缺陷之各者，實施例可使用電子束圖像本身來在該等電子束圖像上判定缺陷之位置。
在圖3中所示之一項此實施例中，電腦子系統可獲取電子束圖像及光學圖像之資料庫300。資料庫可具有此項技術中已知之任何適合組態。另外，資料庫可儲存於此項技術中已知之任何適合儲存媒體上，包含本文中進一步描述之儲存媒體之一者。資料庫亦可由此項技 術中已知之任何其他適合儲存結構取代。可如本文中描述般獲取電子束圖像及光學圖像(例如，自電子束缺陷檢視子系統及光學檢測系統)。
如步驟302中所示，電腦子系統可經組態以取樣已針對其等獲取電子束圖像及光學圖像之許多缺陷。特定言之，電腦子系統(或一使用者)可選擇藉由檢測所偵測且亦藉由缺陷檢視所再次偵測之缺陷之一相對較小子集。儘管使用者可在取樣步驟中選擇缺陷之子集，然亦可藉由電腦子系統使用一或多種取樣方法(諸如分集取樣及/或隨機取樣)來自動選擇缺陷之子集。
在步驟302中執行之取樣可針對取樣缺陷(SEM真實缺陷之樣本)產生圖3中所示之訓練資料304。例如，訓練資料可包含藉由檢測產生之光學圖像及取樣缺陷之對應電子束圖像。使用者亦可提供某一檢測對缺陷檢視映射。例如，電腦子系統可經組態以將針對藉由檢測所偵測之一缺陷位置產生之電子束圖像及光學檢測圖像兩者顯示給一使用者。接著，使用者可將藉由檢測產生之光學圖像中之缺陷位置手動映射至電子束圖像。
接著，電腦子系統可基於訓練資料執行圖3中所示之學習步驟306。學習步驟可包含本文中描述之用於判定缺陷之第一、第二及第三位置之步驟，可如本文中進一步描述般執行該等步驟。可針對該組取樣缺陷組之全部缺陷執行學習步驟。學習步驟可包含本文中描述之任何其他步驟(例如，判定一初始位置且接著基於該初始位置判定第三位置，藉此校正電子束圖像偏斜)。接著，電腦子系統可基於學習步驟之結果執行圖3中所示之模型化步驟308。在模型化步驟中，如本文中進一步所描述，電腦子系統判定第一位置與第三位置之間之關聯。用來判定關聯之第一位置及第三位置可包含包含在該組取樣缺陷中之全部缺陷之第一位置及第三位置。
一旦已在步驟308中判定關聯，該關聯即可用於預測步驟312，其中針對可包含藉由檢測所偵測之全部缺陷(包含SNV)之測試資料310判定電子束圖像中之缺陷位置314。可如本文中進一步描述般執行預測電子束圖像中之缺陷位置。
在一項此實施例中，光學檢測系統具有在由光學檢測系統針對晶圓上含有相同圖案之區域產生之至少兩個圖像中引起光學失真之光學特性，且該組取樣缺陷包含定位於其中產生至少兩個圖像之區域中之缺陷，藉此使經判定關聯適於光學失真。以此方式，本文中描述之實施例可於一電子束圖像中判定缺陷之位置，同時克服光學圖像失真。特定言之，本文中描述之實施例提供一種用於使用本文中描述之訓練資料來學習光學圖像失真之方法論。
在一項此實例中，光學失真可引起相同晶圓圖案在由一光學檢測系統產生之不同圖像中具有不同圖像圖案。例如，可針對相同晶圓圖案產生圖像700、702、704及706。圖像700係一電子束圖像，且圖像702、704及706係光學圖像。電子束圖像歸因於電子及光將成像晶圓上之相同圖案之方式之差異而明顯不同於光學圖像。然而，不同光學圖像亦歸因於光學失真而彼此不同。此等差異可由晶圓圖案及/或光學系統之任何特性之失真(或誤差)引起。無關於光學失真在何處或如何引起針對相同晶圓圖案產生之圖像中之變動，圖像變動對電子束圖像及光學圖像之直接相關及對準帶來限制。然而，本文中描述之實施例藉由使用訓練資料學習此等差異而固有地適於此等變動。
在一項實施例中，電腦子系統經組態以執行針對由光學檢測系統在晶圓上偵測之全部缺陷判定一位置之步驟。例如，本文中描述之實施例可使用機器學習原理來在電子束圖像中自動識別由一光學檢測系統所偵測之全部事件(其可包含至少一些SNV事件)之缺陷位置。
在一些實施例中，判定缺陷之第一位置包含：升頻取樣針對缺 陷產生之差分圖像及判定針對缺陷產生之差分圖像中對應於缺陷之一信號之一重心。在一項此實施例中，依子像素準確度判定缺陷之第一位置。如本文中使用之術語「子像素」通常定義為小於一圖像之一像素。以此方式，如本文中使用之術語「子像素準確度」通常可定義為依小於圖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，一缺陷)之位置。
在一項此實例中，針對訓練資料中之各缺陷，電腦子系統可藉由判定並使用升頻取樣差分圖像之重心而在差分圖像上判定缺陷信號之子像素位置。特定言之，可將由一光學檢測系統針對一缺陷產生之光學圖像(例如，一測試圖像)可超解析為電子束圖像之像素大小，此可依此項技術中已知之任何適合方式執行。另外，可將由光學檢測系統針對缺陷產生之另一光學圖像(例如，一差分圖像)超解析為電子束圖像之像素大小，此可依此項技術中已知之任何適合方式執行。在差分圖像中判定一缺陷位置(諸如判定一帶正負號差分圖像之一峰值信號位置)之一些方法可並非確切缺陷位置之一相對良好指示符。相比之下，判定一帶正負號差分圖像之一重心可依子像素準確度提供對信號位置之一穩健估計。因為差分圖像係自測試圖像及一參考圖像產生，所以差分圖像及測試圖像在差分圖像與測試圖像中之位置之間將具有一一對應性。因此，一旦在差分圖像中依子像素準確度判定第一位置，該相同位置即可在其於測試圖像中之對應位置處識別。接著，在測試圖像中依與在差分圖像中判定位置相同之準確度(即，子像素準確度)偵測該位置。
在另一實施例中，電腦子系統經組態以藉由升頻取樣另一差分圖像而判定另一缺陷之第一位置，且判定另一差分圖像中對應於另一缺陷之一信號之一重心。在一項此實施例中，依子像素準確度判定缺陷之第一位置。例如，針對測試資料中之各缺陷，電腦子系統可藉由 判定並使用一升頻取樣光學差分圖像之一重心而在差分圖像中判定缺陷信號之一子像素位置。可如本文中進一步描述般執行此等步驟。
如自本文中提供之實施例之描述可瞭解，該等實施例提供於針對缺陷檢視產生之電子束圖像中判定藉由檢測所偵測之缺陷之位置之許多優點。例如，本文中描述之實施例提供一種處置電子束缺陷檢視與光學檢測之間之層可見性差異之方式。特定言之，簡單歸因於藉由檢測及缺陷檢視所執行之成像之差異，藉由光學檢測針對一晶圓上之一區域產生之圖像與藉由缺陷檢視針對相同區域產生之圖像可能看起來極其不同。然而，不論光學圖像與電子束圖像之間之任何差異，本文中描述之實施例皆可依一穩健方式在針對缺陷檢視產生之電子束圖像中可靠地且準確地判定由光學檢測所偵測之缺陷之位置。
在一項此實例中，圖4包含可由一電子束缺陷檢視子系統針對居中於藉由光學檢測所偵測之一缺陷位置上之一晶圓上之一區域產生之電子束圖像400之一實例。圖5包含晶圓上之該相同區域之光學圖像500。可藉由一光學檢測系統(諸如本文中進一步描述之光學檢測系統)產生光學圖像500。如藉由比較圖4及圖5中所示之圖像可見，使此兩個圖像相關聯為居中於相同缺陷位置上相當具挑戰性(甚至在用人眼觀看時)。挑戰源於以下事實：電子束系統(諸如本文中描述之電子束系統)起初僅看見晶圓之最頂層，而一光學系統(諸如本文中描述之光學系統)可看見晶圓上之最頂層以及形成於最頂層下之一或多個額外層(取決於由光學系統使用之光穿透至晶圓中且以使反射或散射光可由光學系統偵測之一強度自最頂層下之一層反射或散射之能力)。另外，與光如何反射及/或散射相比，電子束通常將不同地反射及/或散射。因此，與圖像圖案之對應光學圖像相比，圖像圖案針對電子束圖像中之相同晶圓位置可相當不同。因此，試圖使一電子束圖像與一光學圖像直接相關(例如，針對像素大小/解析度之差異運用升頻取樣) 將歸因於兩個工具之間之成像方法論之根本差異而常常為一徒勞的練習。
本文中描述之實施例藉由從未試圖使一電子束圖像與其各自光學圖像直接相關而克服此等困難。另外，本文中描述之實施例自訓練資料產生一模型，且僅比較來自電子束圖像之此模型與來自光學圖像之模型。
在另一實例中，本文中描述之實施例可經組態以處置電子束成像方法中之偏斜。例如，在理想情況中，缺陷始終出現在針對缺陷之位置產生之電子束拼貼圖像之中心。在實際情況中，歸因於電子束圖像偏斜，缺陷可位於圖塊內之任何位置。例如，圖6展示針對藉由光學檢測所偵測之一缺陷產生之差分圖像600之一實例。可使用差分圖像且可在差分圖像中所示之兩條黑線之交叉點處判定缺陷位置。可運用如本文中描述之一電子束缺陷檢視子系統針對此缺陷位置產生一電子束圖像。以此方式，假定在差分圖像中判定之缺陷位置將定位於電子束圖像之中心處。例如，缺陷位置將定位於圖4中所示之電子束圖像之中心處。然而，如圖4之電子束圖像中所示，電子束圖像內存在具有與缺陷之假定位置(在電子束圖像之中心之位置處)相對於電子束圖像中之圖案之間之空間關係相同之與電子束圖像中之圖案之空間關係的許多位置。因此，可難以知道該等位置相對於圖案之哪一特定位置係對應於藉由光學檢測報告之缺陷位置之實際位置。然而，本文中描述之實施例可經組態以藉由在如本文中進一步描述般判定第三位置時補償任何糾偏而消除電子束圖像中歸因於偏斜之缺陷位置不確定性。
本文中描述之實施例亦能夠實現於用於缺陷檢視值電子束圖像中判定光學偵測缺陷之位置之子像素準確度。例如，如本文中描述，實施例可經組態以依子像素準確度在光學圖像內定位缺陷信號位置， 此對於依子像素準確度在電子束圖像中定位缺陷係關鍵的。另外，本文中描述之實施例能夠處置藉由晶圓檢測產生之光學圖像中之光學失真。特定言之，不論由光學檢測系統引起之光學圖像中之任何失真，本文中描述之實施例皆可依一穩健方式在針對缺陷檢視產生之電子束圖像中可靠地且準確地判定藉由光學檢測所偵測之缺陷之位置。本文中描述之實施例亦能夠處置否則可降低在電子束圖像中進行缺陷位置判定之準確度之多個不確定性源。例如，本文中描述之實施例可固有地處置層可見性差異、光學檢測工具失真、缺陷檢視工具位置不確定性誤差、光學圖像圖塊內之子像素缺陷位置不確定性等。
在又一實例中，本文中描述之實施例能夠解析光學偵測缺陷之電子束圖像中之預測位置之單元不確定性。此外，本文中描述之實施例能夠可靠地且準確地預測電子束圖像中之SNV之位置。另外，本文中描述之實施例幫助甚至針對SNV在電子束圖像上定位缺陷信號位置。
作為本文中描述之實施例之一替代，存在其中光學檢測系統及缺陷檢視工具兩者皆不具有缺陷位置準確度誤差且光學檢測工具與缺陷檢視工具之間不存在糾偏問題之理想情況。在此情況中，由光學檢測系統所偵測之全部缺陷應出現在電子束圖像(電子束真實缺陷及SNV圖像兩者)上之確切相同位置處，且使用者應能夠預測光學檢測系統在電子束圖像上具有信號之確切位置。然而，實際上，幾乎無法產生像上文描述之理想情況之一情形。特定言之，全部系統及方法皆歸因於在實體現實中可達成之內容限制之而具有固有誤差。此外，嘗試產生上文描述之理想情形將過於昂貴且耗時。因此，無法或可能甚至不期望產生不具有本文中描述之實施例可用來校正之限制或不確定性之一理想情形。
另一實施例係關於一種用於在一晶圓之一電子束圖像中判定一 缺陷之一位置之電腦實施方法。該方法包含上文描述之步驟。
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電子束缺陷檢視子系統及/或(若干)電腦子系統或(若干)系統執行之(若干)任何其他步驟。該等步驟係由可根據本文中描述之實施例之任一者組態之一電腦系統執行。另外，上文描述之方法可由本文中描述之系統實施例之任一者執行。
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執行以執行用於在一晶圓之一電子束圖像中判定一缺陷之一位置之一電腦實施方法。圖8中展示一項此實施例。特定言之，如圖8中所示，非暫時性電腦可讀媒體800包含可在電腦系統804上執行之程式指令802。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802可儲存於電腦可讀媒體800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。
可依各種方式(包含基於程序之技術、基於組件之技術及/或物件導向之技術等)之任一者實施程式指令。例如，如所需，可使用ActiveX控制項、C++物件、JavaBeans、微軟基礎類(「MFC」)、SSE(串流SIMD延伸)或其他技術或方法論來實施程式指令。
電腦系統804可根據本文中描述之實施例之任一者組態。
鑑於此描述，熟習此項技術者將明白本發明之各種態樣之進一步修改及替代實施例。例如，提供用於在一晶圓之一電子束圖像中判定一缺陷之一位置之方法及系統。因此，此描述僅應理解為闡釋性的且係用於教示熟習此項技術者實行本發明之一般方式之目的。應瞭解，本文中所展示並描述之本發明之形式應視為目前較佳實施例。全部如熟習此項技術者在受益於本發明之此描述之後將明白，元件及材 料可替換本文中繪示並描述之元件及材料，部分及程序可顛倒，且可獨立利用本發明之某些特徵。可對本文中描述之元件進行改變，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。
10‧‧‧成像子系統
14‧‧‧晶圓
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

Claims (20)

  1. 一種系統，其經組態以在一晶圓之一電子束圖像中判定一缺陷之一位置，該系統包括：一電子束缺陷檢視子系統，其包括至少一電子束源及一偵測器，其中該電子束源經組態以產生引導至一晶圓之電子，且其中該偵測器經組態以偵測來自該晶圓之電子且回應於該等經偵測電子而產生電子束圖像；及一電腦子系統，其耦合至該電子束缺陷檢視子系統，其中該電腦子系統包括執行來自一記憶體媒體之指令之一或多個處理器，且其中該電腦子系統經組態以：在針對該晶圓產生之一差分圖像中判定一缺陷之一第一位置，其中藉由針對該缺陷定位於其中之該晶圓上之一區域自一測試圖像減去一參考圖像而產生該差分圖像，其中藉由一光學檢測系統針對該晶圓產生該測試圖像，且其中藉由該光學檢測系統在該晶圓上偵測該缺陷；基於該缺陷在該差分圖像中之該第一位置而相對於該測試圖像中之光學圖像圖案(image patterns)判定該缺陷之一第二位置；在由該電子束缺陷檢視子系統針對該晶圓上之該缺陷產生之一電子束圖像中相對於電子束圖像圖案判定該缺陷之一第三位置；判定該第一位置與該第三位置之間之一關聯；及在由該電子束缺陷檢視子系統針對該晶圓上之另一缺陷產生之一電子束圖像中判定另一缺陷之一位置，其中基於該另一缺陷在針對該晶圓產生之另一差分圖像中之一第一位置及 該經判定關聯而判定該另一缺陷之該位置，其中藉由該光學檢測系統在該晶圓上偵測該另一缺陷，其中藉由針對該另一缺陷定位於其中之該晶圓上之一區域自一測試圖像減去一參考圖像而產生該另一差分圖像，且其中藉由該光學檢測系統針對該晶圓產生用來產生該另一差分圖像之該測試圖像。
  2. 如請求項1之系統，其中該等光學圖像圖案及該等電子束圖像圖案包括重複圖案化之特徵。
  3. 如請求項1之系統，其中該等光學圖像圖案及該等電子束圖像圖案對應於該晶圓之一設計中之裝置特徵。
  4. 如請求項1之系統，其中該等光學圖像圖案及該等電子束圖像圖案定位於該晶圓之一設計之一陣列區中。
  5. 如請求項1之系統，其中該另一缺陷定位於其中之該晶圓上之該區域不含有對準位點。
  6. 如請求項1之系統，其中該另一缺陷無法由該電子束缺陷檢視子系統成像。
  7. 如請求項1之系統，其中該另一缺陷可由該電子束缺陷檢視子系統成像。
  8. 如請求項1之系統，其中判定該第三位置包括：在針對該缺陷產生之該電子束圖像中相對於該等電子束圖像圖案判定該缺陷之一初始位置；及針對該初始位置與針對該缺陷產生之該電子束圖像之一中心之偏差而校正該初始位置，藉此判定該第三位置。
  9. 如請求項8之系統，其中該電腦子系統進一步經組態以：在針對該另一缺陷產生之該電子束圖像中判定該另一缺陷之一或多個額外候選位置；及基於該初始位置與該第三位置之間之一差異而判定該一或多個額外候選位置之一可信度分數。
  10. 如請求項1之系統，其中該電腦子系統進一步經組態以：藉由比較由該晶圓檢測系統針對該另一缺陷產生之該測試圖像與針對該晶圓上之一或多個額外區域產生之其他測試圖像而在針對該另一缺陷產生之該電子束圖像中判定該另一缺陷之一或多個額外候選位置，且其中該一或多個額外區域定位於該電子束缺陷檢視子系統之一視域內，運用該電子束缺陷檢視子系統產生該另一缺陷之該圖像。
  11. 如請求項10之系統，其中該電腦子系統進一步經組態以：基於在該一或多個額外候選位置處針對該另一缺陷產生之該電子束圖像之部分而對在對應於該一或多個額外候選位置之位置處由該光學檢測系統偵測之缺陷自動分類。
  12. 如請求項1之系統，其中該缺陷係由藉由該光學檢測系統執行之對該晶圓之檢測所偵測且由該電腦子系統在由該電子束缺陷檢視子系統針對該晶圓產生之該等圖像中所再次偵測之一組取樣缺陷中之多個缺陷之一者，其中該電腦子系統進一步經組態以針對該組取樣缺陷中之該多個缺陷執行該判定該第一位置、判定該第二位置及判定該第三位置，且其中判定該關聯包括判定針對該取樣組中之該多個缺陷判定之該第一位置與該第三位置之間之該關聯。
  13. 如請求項12之系統，其中該光學檢測系統具有在由該光學檢測系統針對該晶圓上含有相同晶圓圖案之區域產生之至少兩個圖像中引起光學失真之光學特性，且其中該組取樣缺陷包括定位於其中產生該至少兩個圖像之該等區域中之缺陷，藉此使該經判定關聯適於該光學失真。
  14. 如請求項1之系統，其中該電腦子系統進一步經組態以：針對由該光學檢測系統在該晶圓上偵測之全部缺陷執行該判定一位 置。
  15. 如請求項1之系統，其中判定該缺陷之該第一位置包括：升頻取樣針對該缺陷產生之該差分圖像；及判定在針對該缺陷產生之該差分圖像中對應於該缺陷之一信號之一重心。
  16. 如請求項15之系統，其中以子像素準確度判定該缺陷之該第一位置。
  17. 如請求項1之系統，其中該電腦子系統進一步經組態以藉由以下步驟而判定該另一缺陷之該第一位置：升頻取樣該另一差分圖像；及判定在該另一差分圖像中對應於該另一缺陷之一信號之一重心。
  18. 如請求項17之系統，其中以子像素準確度判定另一缺陷之該第一位置。
  19. 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在一晶圓之一電子束圖像中判定一缺陷之一位置之一電腦實施方法，其中該電腦實施方法包括：在針對一晶圓產生之一差分圖像中判定一缺陷之一第一位置，其中藉由針對該缺陷定位於其中之該晶圓上之一區域自一測試圖像減去一參考圖像而產生該差分圖像，其中藉由一光學檢測系統針對該晶圓產生該測試圖像，且其中藉由該光學檢測系統在該晶圓上偵測該缺陷；基於該缺陷在該差分圖像中之該第一位置而相對於該測試圖像中之光學圖像圖案判定該缺陷之一第二位置；藉由一電子束缺陷檢視子系統以針對該晶圓上之該缺陷產生一電子束圖像，其中該電子束缺陷檢視子系統包括至少一電子束源及一偵測器，其中該電子束源經組態以產生引導至一晶圓 之電子，其中該偵測器經組態以偵測來自該晶圓之電子且回應於該等經偵測電子而產生電子束圖像，其中該電腦系統耦合至該電子束缺陷檢視子系統，且其中該電腦系統包括執行來自一記憶體媒體之指令之一或多個處理器；在由該電子束缺陷檢視子系統針對該晶圓上之該缺陷產生之該電子束圖像中相對於電子束圖像圖案判定該缺陷之一第三位置；判定該第一位置與該第三位置之間之一關聯；及在由該電子束缺陷檢視子系統針對該晶圓上之另一缺陷產生之一電子束圖像中判定另一缺陷之一位置，其中基於該另一缺陷在針對該晶圓產生之另一差分圖像中之一第一位置及該經判定關聯而判定該另一缺陷之該位置，其中藉由該光學檢測系統在該晶圓上偵測該另一缺陷，其中藉由針對該另一缺陷定位於其中之該晶圓上之一區域自一測試圖像減去一參考圖像而產生該另一差分圖像，其中藉由該光學檢測系統針對該晶圓產生用來產生該另一差分圖像之該測試圖像，且其中判定該等第一、第二及第三位置、該關聯及該位置係由該電腦系統執行。
  20. 一種用於在一晶圓之一電子束圖像中判定一缺陷之一位置之電腦實施方法，其包括：在針對一晶圓產生之一差分圖像中判定一缺陷之一第一位置，其中藉由針對該缺陷定位於其中之該晶圓上之一區域自一測試圖像減去一參考圖像而產生該差分圖像，其中藉由一光學檢測系統針對該晶圓產生該測試圖像，且其中藉由該光學檢測系統在該晶圓上偵測該缺陷；基於該缺陷在該差分圖像中之該第一位置而相對於該測試圖像中之光學圖像圖案判定該缺陷之一第二位置； 藉由一電子束缺陷檢視子系統以針對該晶圓上之該缺陷產生一電子束圖像，其中該電子束缺陷檢視子系統包括至少一電子束源及一偵測器，其中該電子束源經組態以產生引導至一晶圓之電子，其中該偵測器經組態以偵測來自該晶圓之電子且回應於該等經偵測電子而產生電子束圖像；其中一電腦系統耦合至該電子束缺陷檢視子系統，且其中該電腦系統包括執行來自一記憶體媒體之指令之一或多個處理器；在由該電子束缺陷檢視子系統針對該晶圓上之該缺陷產生之該電子束圖像中相對於電子束圖像圖案判定該缺陷之一第三位置；判定該第一位置與該第三位置之間之一關聯；及在由該電子束缺陷檢視子系統針對該晶圓上之另一缺陷產生之一電子束圖像中判定另一缺陷之一位置，其中基於該另一缺陷在針對該晶圓產生之另一差分圖像中之一第一位置及該經判定關聯而判定該另一缺陷之該位置，其中藉由該光學檢測系統在該晶圓上偵測該另一缺陷，其中藉由針對該另一缺陷定位於其中之該晶圓上之一區域自一測試圖像減去一參考圖像而產生該另一差分圖像，其中藉由該光學檢測系統針對該晶圓產生用來產生該另一差分圖像之該測試圖像，且其中判定該等第一、第二及第三位置、該關聯及該位置係由該電腦系統執行。
TW105125827A 2015-08-12 2016-08-12 於電子束圖像中判定缺陷之位置 TWI688022B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201562204314P 2015-08-12 2015-08-12
US62/204,314 2015-08-12
US15/233,971 2016-08-11
US15/233,971 US10211025B2 (en) 2015-08-12 2016-08-11 Determining a position of a defect in an electron beam image

Publications (2)

Publication Number Publication Date
TW201730999A TW201730999A (zh) 2017-09-01
TWI688022B true TWI688022B (zh) 2020-03-11

Family

ID=57984658

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105125827A TWI688022B (zh) 2015-08-12 2016-08-12 於電子束圖像中判定缺陷之位置

Country Status (5)

Country Link
US (1) US10211025B2 (zh)
KR (1) KR102347057B1 (zh)
IL (1) IL256856B (zh)
TW (1) TWI688022B (zh)
WO (1) WO2017027748A1 (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9875536B2 (en) * 2015-03-31 2018-01-23 Kla-Tencor Corp. Sub-pixel and sub-resolution localization of defects on patterned wafers
US10186026B2 (en) * 2015-11-17 2019-01-22 Kla-Tencor Corp. Single image detection
US10204416B2 (en) * 2016-02-04 2019-02-12 Kla-Tencor Corporation Automatic deskew using design files or inspection images
US10043265B2 (en) * 2016-03-17 2018-08-07 Kla-Tencor Corporation System, method and computer program product for identifying fabricated component defects using a local adaptive threshold
US10740888B2 (en) * 2016-04-22 2020-08-11 Kla-Tencor Corporation Computer assisted weak pattern detection and quantification system
US10082471B2 (en) 2017-01-02 2018-09-25 United Microelectronics Corp. Semiconductor structure and method for reviewing defects
US10657638B2 (en) * 2017-04-28 2020-05-19 Mentor Graphics Corporation Wafer map pattern detection based on supervised machine learning
JP6705777B2 (ja) * 2017-07-10 2020-06-03 ファナック株式会社 機械学習装置、検査装置及び機械学習方法
US10620135B2 (en) * 2017-07-19 2020-04-14 Kla-Tencor Corp. Identifying a source of nuisance defects on a wafer
US10522376B2 (en) * 2017-10-20 2019-12-31 Kla-Tencor Corporation Multi-step image alignment method for large offset die-die inspection
KR102507304B1 (ko) * 2017-10-30 2023-03-07 삼성전자주식회사 결함 검사 방법 및 이를 이용한 반도체 소자의 제조 방법
US10755404B2 (en) * 2017-12-07 2020-08-25 International Business Machines Corporation Integrated circuit defect detection using pattern images
US10818005B2 (en) 2018-03-12 2020-10-27 Kla-Tencor Corp. Previous layer nuisance reduction through oblique illumination
KR102055877B1 (ko) * 2018-05-04 2019-12-13 (주) 브릭 반복 패턴 영상의 결함 위치 파악 장치 및 방법
US10698325B2 (en) * 2018-05-23 2020-06-30 Kla-Tencor Corporation Performance monitoring of design-based alignment
US11151711B2 (en) * 2018-06-06 2021-10-19 Kla-Tencor Corporation Cross layer common-unique analysis for nuisance filtering
JP7144244B2 (ja) * 2018-08-31 2022-09-29 株式会社日立ハイテク パターン検査システム
US10923318B2 (en) * 2018-12-20 2021-02-16 Fei Company Optical alignment correction using convolutional neural network evaluation of a beam image
JP7189103B2 (ja) * 2019-08-30 2022-12-13 株式会社日立ハイテク 荷電粒子線装置
JP7536517B2 (ja) * 2019-10-08 2024-08-20 キヤノン株式会社 教師データの生成方法、学習済の学習モデル、及びシステム
CN111128829B (zh) * 2019-12-23 2022-07-19 上海华力微电子有限公司 对准方法及校准方法
KR102889846B1 (ko) * 2020-02-05 2025-11-26 삼성전자주식회사 광학적 근접 효과 보정의 검증 방법
US11494895B2 (en) * 2020-02-14 2022-11-08 KLA Corp. Detecting defects in array regions on specimens
US11494924B2 (en) * 2020-04-28 2022-11-08 KLA Corp. Image alignment for noisy images
US12524867B2 (en) * 2021-05-21 2026-01-13 Kla Corporation System and method for optical wafer characterization with image up-sampling
US12299848B2 (en) * 2021-05-31 2025-05-13 Kla Corporation Deep learning image denoising for semiconductor-based applications
KR102862629B1 (ko) * 2021-11-04 2025-09-22 인하대학교 산학협력단 면형태의 손상 점검을 위한 위치 및 형상 정확도 평가 장치 및 그 방법
US20250046569A1 (en) * 2022-01-28 2025-02-06 Hitachi High-Tech Corporation Inspection device and film quality inspection method
US20230377127A1 (en) * 2022-05-18 2023-11-23 Battelle Memorial Institute Non-destructive verification of integrated circuits
US20240094639A1 (en) * 2022-09-19 2024-03-21 Kla Corporation High-resolution evaluation of optical metrology targets for process control
CN116416160A (zh) * 2023-04-12 2023-07-11 东方晶源微电子科技(上海)有限公司 图像矫正方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8045145B1 (en) * 2007-06-06 2011-10-25 Kla-Tencor Technologies Corp. Systems and methods for acquiring information about a defect on a specimen
US20150179400A1 (en) * 2013-12-23 2015-06-25 Kla-Tencor Corporation Defect Discovery and Inspection Sensitivity Optimization Using Automated Classification of Corresponding Electron Beam Images

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6252412B1 (en) * 1999-01-08 2001-06-26 Schlumberger Technologies, Inc. Method of detecting defects in patterned substrates
JP4312910B2 (ja) * 1999-12-02 2009-08-12 株式会社日立製作所 レビューｓｅｍ
JP3788279B2 (ja) * 2001-07-09 2006-06-21 株式会社日立製作所 パターン検査方法及び装置
US6683316B2 (en) * 2001-08-01 2004-01-27 Aspex, Llc Apparatus for correlating an optical image and a SEM image and method of use thereof
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
KR100846633B1 (ko) * 2006-11-09 2008-07-16 삼성전자주식회사 패턴 결함 검출 방법 및 장치
US8698093B1 (en) 2007-01-19 2014-04-15 Kla-Tencor Corporation Objective lens with deflector plates immersed in electrostatic lens field
JP5105357B2 (ja) 2007-11-01 2012-12-26 エスアイアイ・ナノテクノロジー株式会社 欠陥認識方法、欠陥観察方法、及び荷電粒子ビーム装置
JP5021503B2 (ja) * 2008-01-15 2012-09-12 株式会社日立ハイテクノロジーズ パターン欠陥解析装置、パターン欠陥解析方法およびパターン欠陥解析プログラム
TWI585806B (zh) * 2008-04-11 2017-06-01 荏原製作所股份有限公司 試料觀察方法與裝置，及使用該方法與裝置之檢查方法與裝置
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
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
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
US10712289B2 (en) * 2014-07-29 2020-07-14 Kla-Tencor Corp. Inspection for multiple process steps in a single inspection process
US9727047B2 (en) * 2014-10-14 2017-08-08 Kla-Tencor Corp. Defect detection using structural information
US10393671B2 (en) * 2015-04-29 2019-08-27 Kla-Tencor Corp. Intra-die defect detection

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8045145B1 (en) * 2007-06-06 2011-10-25 Kla-Tencor Technologies Corp. Systems and methods for acquiring information about a defect on a specimen
US20150179400A1 (en) * 2013-12-23 2015-06-25 Kla-Tencor Corporation Defect Discovery and Inspection Sensitivity Optimization Using Automated Classification of Corresponding Electron Beam Images

Also Published As

Publication number Publication date
WO2017027748A1 (en) 2017-02-16
TW201730999A (zh) 2017-09-01
US20170047195A1 (en) 2017-02-16
IL256856A (en) 2018-03-29
KR20180030715A (ko) 2018-03-23
KR102347057B1 (ko) 2022-01-03
US10211025B2 (en) 2019-02-19
IL256856B (en) 2021-08-31

Similar Documents

Publication Publication Date Title
TWI688022B (zh) 於電子束圖像中判定缺陷之位置
US10670535B2 (en) Automated pattern fidelity measurement plan generation
TWI668582B (zh) 用於判定由一檢查子系統在設計資料空間中產生之輸出之一位置的系統、方法及非暫時性電腦可讀媒體
TWI701427B (zh) 經組態以偵測一樣品上之缺陷之系統、用於偵測一樣品上之缺陷之方法及其非暫時性電腦可讀媒體
JP6789920B2 (ja) 被検査物上の関心対象領域の座標決定
IL262464A (en) Systems and methods for automatic correction of deviation between testing and design for a massive model search
US11748871B2 (en) Alignment of a specimen for inspection and other processes
TW202127555A (zh) 多成像模式影像對準
TW202044097A (zh) 用於測試影像與設計對準之設計檔案選擇
KR102721346B1 (ko) 표본 상의 어레이 영역에서의 결함 검출
CN110637356B (zh) 用于重复缺陷分析的相对缺陷位置的高精准度
KR20250121240A (ko) 실시간 애플리케이션에 적합한 컬러 또는 기타 변동이 있는 이미지에 대한 이미지-설계 정렬
CN108475422B (zh) 在电子束图像中确定缺陷的位置
TW202527162A (zh) 用於動態隨機存取記憶體(dram)之穩健的影像轉設計對準