[go: up one dir, main page]

TWI743275B - 使用經預測之度量影像之度量配方產生 - Google Patents

使用經預測之度量影像之度量配方產生 Download PDF

Info

Publication number
TWI743275B
TWI743275B TW106144376A TW106144376A TWI743275B TW I743275 B TWI743275 B TW I743275B TW 106144376 A TW106144376 A TW 106144376A TW 106144376 A TW106144376 A TW 106144376A TW I743275 B TWI743275 B TW I743275B
Authority
TW
Taiwan
Prior art keywords
measurement
metric
predicted
tool
image
Prior art date
Application number
TW106144376A
Other languages
English (en)
Other versions
TW201830340A (zh
Inventor
超 房
馬克 D 史密斯
布萊恩 杜菲
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 TW201830340A publication Critical patent/TW201830340A/zh
Application granted granted Critical
Publication of TWI743275B publication Critical patent/TWI743275B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • H10P74/27—
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G—PHYSICS
    • G06—COMPUTING 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
    • 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
    • H10P74/203—
    • H10P74/235—
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Manufacturing & Machinery (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一種度量系統包含通信地耦合至一度量工具之一控制器。該控制器可：產生一樣本之一個三維模型；基於該三維模型產生對應於運用該度量工具對該樣本進行之一經預測分析之一經預測之度量影像；評估用於自該一或多個經預測之度量影像提取度量量測之兩個或兩個以上候選度量配方；基於一或多個選擇度量自用於自來自該度量工具之結構之一影像提取一度量量測之該兩個或兩個以上候選度量配方選擇一度量配方；基於一經製造結構之一度量量測自該度量工具接收該經製造結構之一輸出度量影像；及基於該度量配方自該輸出度量影像提取與該經製造結構相關聯之該度量量測。

Description

使用經預測之度量影像之度量配方產生
本申請案大體上係關於度量，且更特定言之係關於度量配方之產生。
度量系統通常利用度量配方來執行一樣本之度量。例如，一基於影像之度量系統之一度量配方可包含(但不限於)：使用一度量工具產生具有選定參數之一樣本之一影像；及對該所得影像執行一或多個影像分析步驟以提取一所要度量量測。一度量系統之關鍵效能指標(諸如量測準確度、對樣本及/或環境偏差之敏感度或類似者)可關鍵地取決於用於產生量測之度量配方。然而，針對高度敏感應用(諸如半導體製造)選擇度量配方通常係一耗時及高成本程序，需要使用昂貴設備進行多次實驗。因此，將期望提供一種解決諸如上文所識別之缺點之系統及方法。
根據本發明之一或多項闡釋性實施例揭示一種度量系統。在一闡釋性實施例中，該系統包含通信地耦合至一度量工具之一控制器。在另一闡釋性實施例中，該控制器產生包含待藉由該度量工具分析之一結構之一或多個例項之一樣本之一個三維模型。在另一闡釋性實施例中，該控制器基於該三維模型產生對應於運用該度量工具對該樣本進行之一經預測分析之一經預測之度量影像。在另一闡釋性實施例中，該控制器評估用於自該一或多個經預測之度量影像提取度量量測之兩個或兩個以上候選度量配方。在另一闡釋性實施例中，該控制器基於一或多個選擇指標自用於自來自該度量工具之結構之一影像提取一度量量測之該兩個或兩個以上候選度量配方選擇一度量配方。在另一闡釋性實施例中，該控制器基於一經製造結構之一度量量測自該度量工具接收該經製造結構之一輸出度量影像。在另一闡釋性實施例中，該控制器基於該度量配方自該輸出度量影像提取與該經製造結構相關聯之該度量量測。 根據本發明之一或多項闡釋性實施例揭示一種度量系統。在一闡釋性實施例中，該系統包含一度量工具。在另一闡釋性實施例中，該系統包含通信地耦合至該度量工具之一控制器。在另一闡釋性實施例中，該控制器產生包含待藉由該度量工具分析之一結構之一或多個例項之一樣本之一個三維模型。在另一闡釋性實施例中，該控制器基於該三維模型產生對應於運用該度量工具對該樣本進行之一經預測分析之一經預測之度量影像。在另一闡釋性實施例中，該控制器評估用於自該一或多個經預測之度量影像提取度量量測之兩個或兩個以上候選度量配方。在另一闡釋性實施例中，該控制器基於一或多個選擇指標自用於自來自該度量工具之結構之一影像提取一度量量測之該兩個或兩個以上候選度量配方選擇一度量配方。在另一闡釋性實施例中，該控制器基於一經製造結構之一度量量測自該度量工具接收該經製造結構之一輸出度量影像。在另一闡釋性實施例中，該控制器基於該度量配方自該輸出度量影像提取與該經製造結構相關聯之該度量量測。 根據本發明之一或多項闡釋性實施例揭示一種度量方法。在一闡釋性實施例中，該方法包含產生包含待藉由一度量工具分析之一結構之一或多個例項之一樣本之一個三維模型。在另一闡釋性實施例中，該方法包含基於該三維模型產生對應於運用該度量工具對該樣本進行之一經預測分析之一經預測之度量影像。在另一闡釋性實施例中，該方法包含評估用於自該一或多個經預測之度量影像提取度量量測之兩個或兩個以上候選度量配方。在另一闡釋性實施例中，該方法包含基於一或多個選擇指標自用於自來自該度量工具之結構之一影像提取一度量量測之該兩個或兩個以上候選度量配方選擇一度量配方。在另一闡釋性實施例中，該方法包含執行一經製造結構之一度量量測以產生一輸出度量影像。在另一闡釋性實施例中，該方法包含基於該度量配方自該輸出度量影像提取與該經製造結構相關聯之該度量量測。 應理解，前文概述及下文詳述兩者皆僅為例示性及說明性且並不一定限制如所主張之本發明。併入說明書中且構成說明書之一部分之附圖繪示本發明之實施例，且連同概述一起用於說明本發明之原理。
相關申請案之交叉參考 本申請案根據35 U.S.C. § 119(e)規定主張指定Chao Fang、Mark D. Smith及Brian Duffy為發明者，於2016年12月19日申請之標題為SETTING UP METROLOGY AND INSPECTION RECIPES FROM SIMULATED/GENERATED IMAGES之美國臨時申請案第62/435,977號之權利，該案之全文以引用的方式併入本文中。 現將詳細參考所揭示之標的，該標的係繪示於附圖中。已尤其參考某些實施例及其等之特定特徵來展示及描述本發明。本文中所闡釋之實施例應被視為具闡釋性而非限制性。一般技術者將易於明白，可在不脫離本發明之精神及範疇的情況下做出形式及細節之各種改變及修改。 本發明之實施例係關於制訂一度量配方以藉由以下各項來執行一選定結構之一度量量測：產生包含待分析之一結構之一樣本之一個三維模型；藉由預測該樣本之一度量影像來產生一經預測之度量影像；及基於該經預測之度量影像產生一度量配方。在此方面，可在無需製造及分析測試樣本之時間及支出的情況下產生一度量配方。 本發明之實施例係關於產生用於自基於影像之度量系統提取度量量測之度量配方。基於影像之度量系統(在本發明中被簡稱為度量系統)通常提供一樣本之一影像(例如，一度量影像)及隨後利用包含一或多個影像分析步驟之一度量配方以自該度量影像提取一或多個度量量測。此外，基於影像之度量系統通常可提供廣泛範圍之度量量測。例如，一度量量測可包含指示一樣本上之兩個或兩個以上層之間的相對對準之一疊對量測。藉由另一實例，一度量量測可包含製造於該樣本上之圖案之大小、形狀、側壁角及/或定向之量測。例如，度量量測可包含(但不限於)：關鍵尺寸(CD)量測、側壁角量測、線粗糙度量測或線寬量測。藉由另一實例，度量量測可包含一圖案化樣本或一未圖案化樣本上之偵測缺陷(例如，缺陷檢測)。出於本發明之目的，術語度量系統及檢測系統應被解釋為可互換。 本發明之額外實施例係關於產生包含一選定結構之一或多個例項之一樣本之一經預測之度量影像。該經預測之度量影像可對應於使用運用選定量測參數操作之一選定度量工具之該樣本之一經預測之輸出影像。可以此項技術中已知之任何方式來產生該經預測之度量影像，諸如(但不限於)：使用啟發式模型模擬樣本之一影像；基於模仿選定度量工具之操作(例如，模仿)之嚴格數值模擬；或基於一組訓練影像預測一輸出影像之深度生成模型化(DGM)。 本發明之額外實施例係關於產生樣本之一個三維模型以用作產生經預測之度量影像之一輸入。如貫穿本發明所使用，術語「樣本」可係指適用於一度量系統中之量測之任何物件。例如，一樣本可包含(但不限於)由一半導體或非半導體材料形成之一未圖案化基板(例如，一晶圓或類似者)。一半導體或非半導體材料可包含(但不限於)：單晶矽、砷化鎵及磷化銦。藉由另一實例，一樣本可包含一圖案化晶圓。一樣本可因此包含一或多個層。例如，此等層可包含(但不限於)：一光阻、一介電材料、一導電材料及一半導體材料。許多不同類型之此等層在此項技術中已知，且如本文中所使用之術語樣本旨在涵蓋其上可形成所有類型之此等層之一樣本。藉由另一實例，一樣本可包含一倍縮光罩。此外，出於本發明之目的，術語樣本、晶圓及倍縮光罩應被解釋為可互換。 一半導體裝置通常可形成為多個印刷元件層。可透過一系列加成或減成程序步驟(諸如但不限於：一或多個材料沈積步驟、一或多個微影步驟、一或多個蝕刻步驟或一或多個剝離步驟)來製造一樣本上之與一處理層相關聯之印刷特徵。該樣本之三維模型可因此包含由一或多個印刷元件層形成之一或多個圖案之一表示。此外，該三維模型可包含該一或多個圖案化層之化學、機械、電或光學性質之任何組合。在此方面，經預測之度量影像可基於樣本之已知性質。本發明之進一步實施例係關於藉由預測(例如，經由模擬、模仿、DGM或類似者)與運用選定程序工具使用選定程序條件製造樣本相關聯之一或多個程序步驟來產生三維模型。在此方面，三維模型可為一製成結構之一準確表示。 本發明之額外實施例係關於產生併入有至少一雜訊源之一經預測之度量影像。本文中應認知，使用一選定度量工具對一經製造樣本進行之一度量量測可遭受可使一輸出度量影像降級之各種雜訊源。例如，雜訊源可與可控制現象相關聯，諸如(但不限於)：一成像光束之振動、波動，回應於一入射電子束或離子束之自動帶電，或一成像系統中之像差。藉由另一實例，雜訊源可包含隨機(stochastic) (例如，隨機(random))雜訊，諸如(但不限於)與藉由樣本吸收光子相關聯之光子散粒雜訊、偵測器散粒雜訊或類似者。本文中應進一步認知，不同度量配方對不同類型之雜訊可具有不同敏感度。本發明之進一步實施例係關於選擇一度量配方的一或多項態樣對預計存在之雜訊之類型具有彈性以用於在一選定度量工具中對經製造樣本進行分析。 在此方面，基於經預測之度量影像產生之度量配方在應用於經製造樣本時可提供(例如，在一所要效能規格內之)高度準確度量量測。因此，基於一經預測之度量影像產生度量配方可提供有效度量配方判定，其可轉化為用於半導體製造之所有階段之靈活度量解決方案。此外，本文中所描述之系統及方法可促進基於經預測之度量影像之靈活性及可擴展性產生複雜及/或微調之度量配方。 圖1A係繪示根據本發明之一或多項實施例之一半導體裝置度量系統100之一概念圖。在一項實施例中，該度量系統100包含一度量工具102。例如，該度量工具102可產生一樣本之一或多個部分之一影像。在另一實施例中，度量系統100包含一控制器104。在另一實施例中，該控制器104包含經組態以執行維持於一記憶體裝置108上之程式指令之一或多個處理器106。在此方面，控制器104之該一或多個處理器106可執行貫穿本發明所描述之各種程序步驟之任一者。例如，控制器104可使用此項技術中已知之任何方法自一度量影像(例如，一經預測之度量影像或來自度量工具102之一度量影像)提取任何度量量測(例如，疊對量測、樣本特徵之尺寸、關鍵尺寸(CD)、側壁角、經偵測缺陷或類似者)。 控制器104之一或多個處理器106可包含此項技術中已知之任何處理元件。在此意義上，一或多個處理器106可包含經組態以執行演算法及/或指令之任何微處理器類型裝置。在一項實施例中，一或多個處理器106可由一桌上型電腦、主機電腦系統、工作站、影像電腦、平行處理器或經組態以執行一程式(該程式經組態以操作度量系統100)之任何其他電腦系統(例如，網路電腦)組成，如貫穿本發明所描述。應進一步認知，術語「處理器」可經廣泛定義以涵蓋具有一或多個處理元件之任何裝置，該一或多個處理元件執行來自一非暫時性記憶體裝置108之程式指令。此外，可藉由一單個控制器104或替代性地多個控制器來執行貫穿本發明所描述之步驟。此外，控制器104可包含容置於一共同外殼中或多個外殼內之一或多個控制器。以此方式，任何控制器或控制器組合可被單獨封裝為適於整合至度量系統100中之一模組。此外，控制器104可分析自一偵測器126接收之資料及將該資料饋送至度量工具102內或度量系統100外之額外組件。 記憶體裝置108可包含此項技術中已知之適於儲存可藉由相關聯之一或多個處理器106執行之程式指令的任何儲存媒體。例如，記憶體裝置108可包含一非暫時性記憶體媒體。藉由另一實例，記憶體裝置108可包含(但不限於)一唯讀記憶體、一隨機存取記憶體、一磁性或光學記憶體裝置(例如，磁碟)、一磁帶、一固態硬碟機及類似者。應進一步注意，記憶體裝置108可與一或多個處理器106一起容置於一共同控制器外殼中。在一項實施例中，記憶體裝置108可相對於一或多個處理器106及控制器104之實體位置而遠距離定位。例如，控制器104之一或多個處理器106可存取可透過一網路(例如，網際網路、內部網路及類似者)存取之一遠端記憶體(例如，伺服器)。因此，上文描述不應被解釋為限制本發明而僅為一圖解說明。 現參考圖1B及圖1C，更詳細描述度量系統100之各種組件。 度量工具102可包含此項技術中已知之任何類型之度量裝置。例如，度量工具102可運用一照明光束照明一樣本且可進一步收集回應於該照明光束自該樣本發出之輻射。該照明光束可包含適於探測一樣本之任何類型之照明光束，諸如(但不限於)：一光束(例如，光子)、一電子束或一離子束。此外，自樣本發出之該輻射可包含光子、電子、離子、中性粒子或類似者。因此，度量工具102可包含一光學度量工具、一電子束度量工具、一掃描電子顯微鏡(SEM)、一離子束度量工具或類似者。 度量工具102可進一步在一直接成像模式或一掃描成像模式中操作。例如，在一直接成像模式中操作之度量工具102可照明大於系統解析度之樣本之一部分且在一偵測器上擷取樣本之該經照明部分之一影像。該經擷取影像可為此項技術中已知之任何類型之影像，諸如(但不限於)：一明場影像、一暗場影像、一相位對比影像或類似者。此外，經擷取影像可(例如，藉由度量工具102，藉由控制器104或類似者)拼接在一起以形成樣本之一合成影像。藉由另一實例，在一掃描模式中操作之度量工具102可跨樣本掃描一聚焦光束且捕獲依一或多個量測角度自一或多個偵測器上之樣本發出之輻射及/或粒子。可藉由(例如，使用一振鏡、一壓電鏡或類似者)修改光束路徑及/或藉由平移樣本通過聚焦光束之一聚焦體積而跨該樣本掃描該聚焦光束。可接著(例如，藉由度量工具102，藉由控制器104或類似者)將經擷取輻射拼接在一起以形成樣本之一合成影像。 圖1B係繪示根據本發明之一或多項實施例之一光學度量工具102之一概念圖。在一項實施例中，該度量工具102包含經組態以產生一照明光束112之一照明源110。該照明光束112可包含一或多個選定光波長，包含(但不限於)紫外線(UV)輻射、可見輻射或紅外線(IR)輻射。 照明源110可為此項技術中已知之適於產生一光學照明光束112之任何類型之照明源。在一項實施例中，照明源110包含一寬頻電漿(BBP)照明源。在此方面，照明光束112可包含藉由一電漿發射之輻射。例如，一BBP照明源110可包含(但並非必須包含)一或多個泵浦源(例如，一或多個雷射)，該一或多個泵浦源經組態以將泵浦光聚焦至一氣體之一體積中，引起能量被該氣體吸收以產生或維持適於發射輻射之一電漿。此外，電漿輻射之至少一部分可用作照明光束112。在另一實施例中，照明源110可包含一或多個雷射。例如，照明源110可包含此項技術中已知之能夠發射電磁波頻譜之紅外線、可見或紫外線部分中之輻射之任何雷射系統。 在另一實施例中，照明源110經由一照明路徑118將照明光束112引導至安置於一樣本載台116上之一樣本114。該照明路徑118可包含適於修改及/或調節照明光束112之一或多個透鏡120或額外光學組件122。例如，該一或多個光學組件122可包含(但不限於)：一或多個偏光器、一或多個濾波器、一或多個光束分離器、一或多個擴散器、一或多個均質器、一或多個變跡器或一或多個光束成形器。在另一實施例中，度量工具102包含將照明光束112聚焦至樣本114上之一物鏡124。 在另一實施例中，度量工具102包含經組態以透過一集光路徑128捕獲自樣本114發出之輻射之一偵測器126。例如，一偵測器126可接收藉由該集光路徑128中之元件(例如，物鏡124、一或多個集光透鏡130或類似者)提供之樣本114之一影像。該集光路徑128可進一步包含用以引導及/或修改藉由物鏡124收集之照明之任何數目個集光光學元件132，包含(但不限於)一或多個濾波器、一或多個偏光器或一或多個光束擋塊(beam block)。 偵測器126可包含此項技術中已知之適於量測自樣本114接收之照明之任何類型之光學偵測器。例如，一偵測器126可包含(但不限於)：一CCD偵測器、一TDI偵測器、一光電倍增管(PMT)、一雪崩光電二極體(APD)或類似者。在另一實施例中，一偵測器126可包含適於識別自樣本114發出之輻射之波長之一光譜偵測器。在另一實施例中，度量工具102可包含(例如，與藉由一或多個光束分離器產生以促進藉由度量工具102之多個度量量測之多個光束路徑相關聯之)多個偵測器126。 在一項實施例中，如圖1B中所繪示，度量工具102可包含經定向使得物鏡124可同時將照明光束112引導至樣本114且收集自該樣本114發出之輻射之一光束分離器134。在此方面，度量工具102可依一落射照明(epi-illumination)模式組態。在另一實施例中，照明光束112在樣本114上之入射角係可調整的。例如，照明光束112穿過光束分離器134及物鏡124之路徑可經調整以控制照明光束112在樣本114上之入射角。 在另一實施例中，度量工具102通信地耦合至度量系統100之控制器104。在此方面，控制器104可經組態以接收資料，包含(但不限於)度量影像。 圖1C係根據本發明之一或多項實施例之經組態為一粒子束度量工具之一度量工具102之一概念圖。在一項實施例中，照明源110包含一粒子源(例如，一電子束源、一離子束源或類似者)使得照明光束112包含一粒子束(例如，一電子束、一離子束或類似者)。照明源110可包含此項技術中已知之適於產生一照明光束112之任何粒子源。例如，照明源110可包含(但不限於)一電子槍或一離子槍。在另一實施例中，照明源110經組態以提供具有一可調諧能量之一粒子束。例如，包含一電子源之一照明源110可(但不限於)提供在0.1 kV至30 kV之範圍內之一加速電壓。舉另一實例，包含一離子源之一照明源110可(但並非必須)提供具有在1 keV至50 keV之範圍內之一能量之一離子束。 在另一實施例中，照明路徑118包含一或多個粒子聚焦元件(例如，透鏡120或類似者)。例如，該一或多個粒子聚焦元件可包含(但不限於)：一單個粒子聚焦元件或形成一複合系統之一或多個粒子聚焦元件。在另一實施例中，一或多個粒子聚焦元件包含經組態以將照明光束112引導至樣本114之物鏡124。此外，一或多個粒子聚焦元件可包含此項技術中已知之任何類型之電子透鏡，包含(但不限於)：靜電透鏡、磁透鏡、單電位透鏡或雙電位透鏡。本文中應注意，如圖1C中所描繪之一成像度量工具之描述及上文相關聯描述係僅為闡釋目的而提供且不應被解釋為限制。例如，度量工具102可包含此項技術中已知之適於產生關於一樣本114之度量資料之任何激發源。在另一實施例中，度量工具102包含用於產生兩個或兩個以上粒子束之兩個或兩個以上粒子束源(例如，電子束源或離子束源)。在另一實施例中，度量工具102可包含經組態以施加一或多個電壓至樣本114之一或多個位置之一或多個組件(例如，一或多個電極)。在此方面，度量工具102可產生電壓對比成像資料。 在另一實施例中，度量工具102包含使自樣本114發出之粒子成像或以其他方式偵測自樣本114發出之粒子之一或多個粒子偵測器126。在一項實施例中，該偵測器126包含一電子收集器(例如，一個二次電子收集器、一反向散射電子偵測器或類似者)。在另一實施例中，偵測器126包含用於偵測來自樣本表面之電子及/或光子之一光子偵測器(例如，一光電偵測器、一x射線偵測器、耦合至光電倍增管(PMT)偵測器之一閃爍元件或類似者)。 圖2係繪示根據本發明之一或多項實施例之在用於度量之一方法200中所執行之步驟的一流程圖。申請者注意到，本文中先前在度量系統100之背景內容中所描述之實施例及致能技術應被解釋為擴展至方法200。然而，應進一步注意，方法200並不限於度量系統100之架構。 在一項實施例中，方法200包含產生包含待藉由一度量工具分析之一結構之一或多個例項之一樣本之一個三維模型的一步驟202。例如，該步驟202可包含運用度量系統100之控制器104產生包含待藉由度量工具102分析之一結構之一或多個例項之一樣本的一個三維模型。 待分析之結構可包含適於製造及運用度量工具分析之任何類型之結構。此外，待分析之結構可預期用於任何目的。例如，該結構可包含對一樣本上之兩個或兩個以上層之相對對準敏感之一疊對目標。藉由另一實例，該結構可包含對製造期間之照明能量之劑量敏感之一劑量監測目標。藉由另一實例，該結構可包含對製造期間樣本在一微影工具中之位置敏感之一焦點監測目標。藉由另一實例，該結構可包含適於檢測製造缺陷之任何圖案元件或系列圖案元件。 大體上參考圖3A至圖7B，描述產生用以自一疊對目標提取一疊對度量量測之一度量配方。然而，應理解，圖3A至圖7B連同下文相關聯描述係僅為闡釋目的而提供且不應被解釋為限制。針對所關注之任何類型之樣本上之所關注之任何類型之結構所產生之度量配方係在本發明之精神及範疇內。 圖3A係根據本發明之一或多項實施例之一疊對結構302 (可針對其產生用於提取一疊對度量量測之一度量配方)之一模型之一透視圖。圖3B係根據本發明之一或多項實施例之與圖3A之一橫截面304相關聯之該疊對結構302之一橫截面視圖。 如本文中先前所描述，所關注之一結構(例如，需要一相關聯度量量測之一結構)可包含一樣本上之一或多個圖案化材料層。在一項實施例中，三維模型包含由一或多個圖案化材料層形成之一或多個圖案元件之一表示。例如，三維模型可包含一或多個層上之圖案元件之大小、形狀及/或定向。此外，三維模型可包含圖案化材料層之組合物。 參考圖3A及圖3B，疊對結構302之三維模型可包含：一基板層306 (例如，一半導體晶圓或類似者)，在該基板層306上沈積額外層；一第一組之一或多個圖案元件308，其或其等位於一第一層310上；及一第二組之一或多個圖案元件312，其或其等位於一第二層314上。例如，如圖3A及圖3B中所繪示，該第一組之一或多個圖案元件308可包含(但不限於)一矩形圖案元件且該第二組之一或多個圖案元件312可包含(但不限於)標稱居中於該矩形圖案元件之一開口圓圖案。在此方面，該矩形圖案元件在運用度量工具產生之結構之一影像中可見，且一疊對度量指標可包含該矩形圖案元件相對於該開口圓圖案之一中心位置之一相對位置。應注意，疊對結構302可(但並非必須)適用於使用一電子束度量工具(例如，圖1C中所繪示之度量工具102或類似者)之疊對量測。 三維模型可進一步包含可能未直接與所關注之一度量指標相關聯之樣本層之一或多個部分。例如，三維模型可包含可對結構提供結構支撐之一或多個填充層。例如，如圖3B中所繪示，三維模型可包含位於第一層310中之一第一填充層316及位於第二層314中之一第二填充層318。 在另一實施例中，三維模型包含所關注結構之尺寸。例如，第一組之一或多個圖案元件308及第一填充層316可具有50 nm之一標稱厚度，第二組之一或多個圖案元件312可具有60 nm之一標稱厚度，且第二填充層318可具有70 nm之一厚度。此外，第一組之一或多個圖案元件308可具有18 nm之一標稱寬度，且第二組之一或多個圖案元件312可具有70 nm之一標稱直徑。 在另一實施例中，三維模型包含相關聯材料層之組合物。例如，基板層306及第一組之一或多個圖案元件308可由矽形成，第一填充層316及第二組之一或多個圖案元件312可由二氧化矽形成，且第二填充層318可由一光阻材料製成。在另一實施例中，三維模型包含若干性質，諸如(但不限於)一或多個材料層之化學、機械、電或光學性質。 在另一實施例中，三維模型係基於結構之一設計。例如，三維模型可包含相關聯材料層上之圖案元件之大小、形狀、側壁角、定向、組合物、性質或類似者之標稱設計值。 在另一實施例中，三維模型係基於經預測值。例如，步驟202可包含基於運用一選定程序工具製造結構而預測該結構之一或多項態樣。在此方面，三維模型可考量一經製造結構與設計值之偏差。例如，一樣本上之一經暴露圖案元件可歸因於一微影工具之一有限解析度、像差、紊流、繞射效應、散射效應及類似者而偏離(例如，與一圖案遮罩相關聯之)一經設計圖案元件。藉由另一實例，藉由蝕刻一樣本層之一部分(例如，一經暴露部分或一未暴露部分)而產生之一圖案元件可歸因於該樣本之經暴露部分與未暴露部分之間的一有限蝕刻對比率、擴散效應或類似者而偏離經暴露之圖案元件。因此，步驟202可基於製程之特定考量而預測經製造圖案元件之態樣。 可使用此項技術中已知之任何方法(諸如但不限於，模擬、模仿或機器學習技術)來執行步驟202中之對結構之一或多項態樣之預測。 例如，步驟202可包含模擬用於製造結構之一選定程序工具(或工具組)之一或多個程序步驟。在一項例項中，程序步驟之模擬可包含使用適於在一選定規格內產生結構之一個三維模型之概念模型、啟發法或類似者之模擬。藉由另一實例，步驟202可包含模仿，其中複製一選定程序工具(或工具組)之物理、化學、電及/或光學互動以模仿選定程序工具在一選定規格內之操作。 例如，(例如，與一微影工具相關聯之)一照明光束與一樣本之光學互動可(但並非必須)使用一電磁(EM)解算器予以模型化。此外，該EM解算器可利用此項技術中已知之任何方法，包含(但不限於)：嚴格耦合波分析(RCWA)、有限元素法分析、矩量法分析、一面積分技術、一體積分技術或一有限差分時域分析。一幾何引擎係實施於(例如)由KLA-TENCOR提供之AcuShape軟體中。此外，基於選定程序步驟及相關聯材料組合物形成一結構之多個圖案化堆疊之一個三維模型可實施於(例如)由KLA-TENCOR提供之PROLITH軟體中。 藉由另一實例，步驟202可利用機器學習、神經網路或類似者來基於一組訓練影像預測一經製造結構之一或多項態樣。例如，步驟202可使用深度生成模型化(DGM)產生三維模型。此外，可藉由此項技術中已知之任何方法產生該等訓練影像，諸如(但不限於)在系統地變化之製造條件下具有系統地變化之特性之經製造結構的實際或經模擬影像。 本文中應認知，一些材料之精確組合物及/或性質可取決於製造性質及/或圖案元件之大小而改變。例如，薄膜之組合物及/或性質可基於沈積方法以及該膜之熱歷史(thermal history) (例如，新近沈積、經退火或類似者)而改變。因此，步驟202中之基於運用一選定程序工具製造結構而預測該結構之一或多項態樣可包含經製造結構之高度準確表示。 在另一實施例中，方法200包含基於三維模型產生對應於運用度量工具對樣本進行之一經預測分析之一或多個經預測之度量影像的一步驟204。例如，步驟204可包含運用控制器104基於三維模型產生對應於運用度量工具102對樣本114進行之一經預測分析之一經預測之度量影像。 在一項實施例中，步驟204中產生之一經預測之度量影像包含與基於運用度量工具對樣本進行之一經預測分析之三維模型之一個二維投影之經預測偏差。例如，一經預測之度量影像可包含用以表示運用度量工具對樣本進行之一經預測分析之三維模型之一投影(例如，基於度量工具之各種組件之一特定組態之三維模型之一個二維投影)。三維模型之該投影可因此表示可藉由度量工具產生之一輸出影像之一階預測。此外，三維模型之該投影可表示(但並非必須表示)一理想化經預測影像(例如，一實況(ground truth)影像或類似者)。然而，通常可能係如下情況，來自一度量工具之一實際輸出影像包含各種雜訊源，使得該實際輸出影像可偏離三維模型之投影。因此，步驟204中所產生之一經預測之度量影像可包含與三維模型之投影之經預測偏差。 與三維模型之投影之偏差可經歸類為雜訊。在此方面，步驟204中所產生之一經預測之度量影像可包含多個雜訊源。例如，步驟204中所產生之一經預測之度量影像可包含與藉由度量工具之一度量量測相關聯之經預測之工具雜訊。例如，工具雜訊可包含與度量工具之一有限解析度相關聯之雜訊(例如，表現為模糊)。在另一例項中，工具雜訊可包含與機械振動、大氣紊流、一照明光束之強度波動或類似者相關聯之雜訊。在另一例項中，工具雜訊可包含與運用度量工具對樣本之特定構形進行之分析相關聯之遮蔽假影。遮蔽假影可存在於(例如)基於掃描一照明光束(其跨樣本掃描)而逐點產生一影像之掃描度量工具中，或直接因基於該樣本之寬頻照明使該樣本之一部分成像之成像度量工具而存在。在另一例項中，工具雜訊可包含偵測器雜訊，諸如(但不限於)飽和效應、不足對比度或類似者。 藉由另一實例，步驟204中所產生之一經預測之度量影像可包含與跨樣本之樣本性質(例如，物理性質、構形、化學性質、光學性質或類似者)之變動(其可導致一輸出度量影像與三維模型之投影之偏差)相關聯之經預測之樣本雜訊。例如，樣本構形之變動(例如，緊鄰特徵邊緣及類似者)可引發可表現為影像強度之變動之一電子束度量工具中之跨樣本之不均勻帶電效應。此外，此等帶電效應可取決於度量工具或度量配方之特定特性，諸如(但不限於)一照明光束之一掃描速率、該照明光束之一能量或強度，或一量測期間之視野。可在步驟204中預測此等影像強度變動以提供藉由度量工具產生之一特定樣本之一影像之一準確預測。 此外，樣本雜訊可包含歸因於製程之變動(例如，程序變動)之一經製造樣本與三維模型之經預測偏差。例如，可能係如下情況，經製造結構之一樣本之物理特性(例如，圖案放置誤差、疊對值、層厚度、側壁角或類似者)可跨一晶圓及/或跨不同生產運行而改變。因此，步驟204中所產生之一經預測之度量影像可包含樣本自身與三維模型之一投影之經預測偏差。 藉由另一實例，步驟204中所產生之一經預測之度量影像可包含與製程或度量程序中之任何點相關聯之經預測隨機(stochastic)(例如，隨機(random))雜訊。例如，步驟204中所產生之一經預測之度量影像可包含度量工具中之一偵測器之經預測之散粒雜訊、與在製造及/或度量期間藉由樣本吸收光子相關聯之光子散粒雜訊或類似者。 此外，與結構之製造或一度量工具中之量測相關聯之雜訊源可在該度量工具之一輸出度量影像中依多種方式表現。因此，步驟204中所產生之一經預測之度量影像可包含雜訊的不同表現。此外，可能係如下情況，多個雜訊源可在經預測之度量影像中依相同方式表現。例如，經預測之度量影像可包含表現為光斑之白雜訊。藉由另一實例，經預測之度量影像可包含高斯(Gaussian)雜訊或模糊。藉由另一實例，經預測之度量影像可包含結構之失真，諸如(但不限於)線邊緣粗糙度(LER)、線寬粗糙度(LWR)或圓角。藉由另一實例，經預測之度量影像可包含系統強度雜訊。例如，一SEM影像中之材料帶電可表現為可產生構形變動之一假外觀之較亮像素(例如，增強之灰階強度)。 在步驟204中可透過此項技術中已知之任何方法產生一經預測之度量影像。在一項實施例中，步驟204包含運用步驟202之三維模型之一投影卷積一或多個雜訊分布。在另一實施例中，步驟204基於三維模型及經預測之雜訊源直接產生一或多個經預測之度量影像。在此方面，不需要單獨產生三維模型之一理想投影。 在步驟204中可使用各種技術(諸如但不限於，模擬、模仿或機器學習技術)來產生一或多個經預測之度量影像。 例如，步驟204可包含用於產生經預測之度量影像之度量模擬。在一項例項中，度量工具之模擬可包含適於在一選定規格內提供表示該度量工具之一輸出之一影像之使用概念模型、啟發法或類似者的模擬。藉由另一實例，步驟204可包含模仿，其中複製度量工具與樣本之物理、化學、電及/或光學互動以模仿該度量工具在一選定規格內之操作。 例如，一光學照明光束與一樣本之互動可(但並非必須)使用一電磁(EM)解算器予以模型化。在另一例項中，一粒子照明光束之互動可使用一SEM模擬器(例如，一CD-SEM模擬器或類似者)予以模型化。一SEM模擬器係實施於(例如)由KLA-TENCOR提供之PROLITH軟體中。在另一例項中，一光學照明光束或一粒子照明光束與樣本之互動可藉由此項技術中已知之任何方法實施，包含(但不限於)：嚴格耦合波分析(RCWA)、有限元素法分析、矩量法分析、一面積分技術、一體積分技術或一有限差分時域分析。一幾何引擎係實施於(例如)由KLA-TENCOR提供之AcuShape軟體中。 藉由另一實例，步驟204可利用機器學習、神經網路或類似者來產生一經預測之度量影像。例如，步驟204可使用深度生成模型化(DGM)產生三維模型。此外，可藉由此項技術中已知之任何方法產生訓練影像，諸如(但不限於)具有運用度量工具分析之系統地變化之特性之經製造結構的實際或經模擬影像。 步驟204可包含產生表示度量工具之經預測輸出之任何數目個經預測之度量影像。此外，步驟204中所產生之一經預測之度量影像可包含在步驟202中予以模型化之所關注結構之任何數目個例項。 例如，步驟204可包含一系列影像(作為一合成影像之子影像或作為分離影像)，其中改變製造或度量量測之一或多項態樣。例如，步驟204中所產生之一或多個度量影像可包含相同經製造結構之多個預測(例如，模擬、模仿或類似者)。在此方面，可評估特定雜訊源(諸如但不限於，隨機雜訊源)之效應。在另一例項中，步驟204中所產生之一或多個度量影像可包含所關注結構之多個例項，其中系統地改變該結構之一或多個屬性(例如，疊對值、層厚度、側壁角或類似者)以表示一製程中之系統變動。在此方面，可評估偏差在該製程中之影響。 圖4係根據本發明之一或多項實施例之包含圖3A及圖3B中之疊對結構302之多個例項404之一樣本之一經預測之度量影像402。產生圖4中之該經預測之度量影像402之各例項404，其等具有不同疊對值，或第一組之一或多個圖案元件308之矩形圖案元件與第二組之一或多個圖案元件312之開口圓圖案之間的相對位置。 此外，經預測之度量影像402包含疊加於疊對結構302之例項404上之多個雜訊源。例如，表現為光斑之白雜訊係跨整個影像併入，但可尤其在區域406中觀察到。藉由另一實例，經預測之度量影像402包含定位於第二組之一或多個圖案元件312之開口圓圖案之邊緣408上之帶電雜訊，該帶電雜訊指示在藉由度量工具(例如，圖1C中所繪示之度量工具102)分析期間一電子束之經預測帶電。 在另一實施例中，方法200包含評估用於自一或多個經預測之度量影像提取度量量測之兩個或兩個以上候選度量配方的一步驟206。 一度量配方可包含用於分析結構之一影像以提取該經製造結構之一所要度量量測之一或多個步驟。例如，一度量配方可包含調整一或多個影像參數，諸如(但不限於)對比度或亮度。藉由另一實例，一度量配方可包含製備一影像之一或多個影像處理步驟。例如，一度量配方可包含(但並非必須包含)應用一或多個影像濾波器(例如，一光斑減少濾波器、一高斯模糊濾波器、一銳化濾波器或類似者)、形態學影像處理技術(例如，影像打開、影像閉合或類似者)、邊緣尋找技術、物件辨識技術或類似者。藉由另一實例，一度量配方可包含選擇所關注之一或多個區域用於分析。藉由另一實例，一度量配方可包含分析像素值以判定指示一所要度量量測之圖案、臨限值或類似者。 參考圖5A至圖6B，繪示與用於量測圖4中之經預測之度量影像402之一部分上之疊對之候選度量配方相關聯的可能步驟。然而，應理解，圖5A至圖6B僅為闡釋目的而提供且不應被解釋為限制。例如，步驟206中所產生之一候選度量配方可基於一整個經預測之度量影像或一度量影像之一選定部分而產生。此外，步驟206中所產生之一候選度量配方可包含不同於本文中所繪示之步驟或除本文中所繪示之步驟之外的適於提取一所要度量指標之任何數目個步驟。 圖5A係根據本發明之一或多項實施例之包含疊對結構302之一單個例項之經預測之度量影像402之一部分之一影像502。例如，圖5A包含兩個所關注區域504，其等含有第一組之一或多個圖案元件308之矩形圖案元件及第二組之一或多個圖案元件312之開口圓圖案兩者之用於量測正交方向上之疊對之正交圖塊。圖5B係根據本發明之一或多項實施例之包含圖5A之一修改版本之一影像506，其中已藉由包含一邊緣尋找技術之一或多個影像分析步驟識別第一組之一或多個圖案元件308之矩形圖案元件及第二組之一或多個圖案元件312之開口圓圖案之邊緣。因此，可藉由量測該等邊緣在所關注區域504中之相對位置而在正交方向之各者上判定一疊對度量量測。 本文中應認知，可使用廣泛範圍之度量配方執行一給定度量量測(例如，疊對)以歸類一結構之一給定影像。例如，考量圖5B，可藉由比較第一組之一或多個圖案元件308之矩形圖案元件之一中心像素與第二組之一或多個圖案元件312之開口圓圖案之一中心像素來判定沿著一單條像素線之在水平方向上之一疊對量測。藉由另一實例，可藉由比較針對兩條或兩條以上像素線之第一組之一或多個圖案元件308之矩形圖案元件之一平均中心像素與針對相同兩條或兩條以上像素線之第二組之一或多個圖案元件312之開口圓圖案之一平均中心像素而判定水平方向上之一疊對量測。藉由另一實例，可藉由比較第一組之一或多個圖案元件308之矩形圖案元件之一質心之一(X,Y)位置與第二組之一或多個圖案元件312之開口圓圖案之一質心之一(X,Y)位置來執行一疊對量測。 此外，候選度量配方可基於影像分析步驟內所使用之參數及/或臨限值而不同。圖6A係根據本發明之一或多項實施例之繪示包含第一組之一或多個圖案元件308之矩形圖案元件之一邊緣及第二組之一或多個圖案元件312之開口圓圖案之一邊緣之經預測之度量影像402之一部分的一影像602。圖6B係根據本發明之一或多項實施例之跨圖6A之一單條像素線之像素強度的一標繪圖604。圖6B繪示與第一組之一或多個圖案元件308之矩形圖案元件相關聯之一第一漸變606及與第二組之一或多個圖案元件312之開口圓圖案相關聯之一第二漸變608。 在此方面，步驟206中所產生之一候選度量配方可包含應用於影像分析步驟中以提取度量指標之選定參數。繼續此處實例，可透過選擇用於一邊緣偵測分析之臨限值來判定圖5B之邊緣。例如，第一組之一或多個圖案元件308之矩形圖案元件之邊緣可(但並非必須)基於在類似於圖6B之一橫截面中上升至高於40之像素強度予以界定，如藉由Y軸界定。類似地，第二組之一或多個圖案元件312之開口圓圖案之邊緣可(但並非必須)基於在類似於圖6B之一橫截面中上升至高於100之像素強度予以界定。 步驟206可包含產生適於提取一所要度量指標之兩個或兩個以上候選度量配方。該兩個或兩個以上候選度量配方可包含(但不限於)不同影像處理分析技術(例如，適於產生上文實例中之影像602之不同邊緣尋找技術、不同影像濾波器或類似者)、用於調諧一給定分析技術之不同參數，或用以分析之樣本之不同區域。此外，步驟206可包含評估兩個或兩個以上候選度量配方。在此方面，該兩個或兩個以上候選度量配方可應用於步驟204中所產生之一或多個經預測之度量影像。 在另一實施例中，方法200包含自用於自來自度量工具之結構之一影像提取一度量量測之兩個或兩個以上候選度量配方選擇一度量配方之一步驟208。 在一項實施例中，步驟208包含基於一或多個選擇指標自兩個或兩個以上候選度量配方選擇一度量配方。本文中應認知，不同度量配方可潛在地用於自一影像提取一給定度量量測。然而，並非所有度量配方可具有相同效能位準或對雜訊(例如，工具雜訊、樣本雜訊、程序雜訊或類似者)之相同穩健性程度。因此，可期望基於任何數目個選定選擇指標來選擇提供一所要效能位準之度量配方。 例如，一或多個選擇指標可包含經提取之度量量測(例如，關鍵尺寸、疊對、側壁角或類似者)之一準確度。通常期望一度量配方自一樣本之一影像提取度量指標之一值(其準確反映有關樣本之度量指標之實際值)。 藉由另一實例，一或多個選擇指標可包含經提取之度量量測對一或多個雜訊源之一穩健性。可(例如)藉由產生多個含雜訊的預測之度量影像(或一合成影像之子影像)針對各候選度量配方評估經提取之度量量測對雜訊之該穩健性。指示經提取之度量量測對工具雜訊之穩健性之一選擇指標可接著包含回應於雜訊之經提取之度量量測之值變異之一量測。 例如，繼續上文實例，圖6B之第一漸變606具有相對低於第二漸變608之一斜率。因此，結構之一特定度量影像之(例如，與不同帶電效應408、不同影像對比度或類似者相關聯之)略微偏差，相較於第二漸變608，對來自第一漸變606之經提取邊緣具有更大影響。因此，一度量配方可利用比用於判定第二漸變區域608中之一邊緣之技術更穩健之一技術來判定第一漸變區域606中之一邊緣。 此外，分離選擇指標可(但並非必須)針對不同雜訊源而產生。例如，一選擇指標可包含對與度量工具相關聯之工具雜訊(例如，偵測器中之散粒雜訊、遮蔽假影、帶電假影或類似者)之穩健性。在另一例項中，一選擇指標可包含對與樣本性質之偏差相關聯之樣本雜訊(例如，與製程之偏差相關聯之程序雜訊或類似者)之穩健性。 在一項實施例中，可開發一實驗設計(DOE)來產生具有系統變動的多個經預測之度量影像(例如，在步驟204中)。例如，該等經預測之度量影像可包含具有表示程序偏差之樣本尺寸之系統變動以判定各候選度量配方對該等程序偏差之穩健性之一DOE。藉由另一實例，經預測之度量影像可包含具有藉由度量工具之量測參數(例如，一照明光束之能量、一照明光束之掃描速度或類似者)之系統變動以判定各候選度量配方對確定性工具雜訊(例如，遮蔽假影、帶電假影或類似者)之穩健性之一DOE。藉由另一實例，DOE可包含用以判定各候選度量配方對隨機雜訊(例如，散粒雜訊或類似者)之穩健性之相同經預測之度量影像之多次運行。 在另一實施例中，步驟208中選擇度量配方包括基於兩個或兩個以上選擇指標執行候選度量目標之一多變量分析。該多變量分析可包含此項技術中已知之任何類型之多變量分析，諸如(但不限於)一迴歸分析。在此方面，步驟208中所選擇之一度量配方可藉由平衡多個選擇指標而提供一所要效能位準。 現大體參考圖7A及圖7B，展示其中系統地改變一疊對度量指標之一實驗設計。圖7A包含根據本發明之一或多項實施例之繪示與系統地變化之疊對值相關聯之圖4之經預測之度量影像402之所關注區域(例如，ROI-1至ROI-9)的一系列經修改影像702。此外，各所關注區域包含識別第一組之一或多個圖案元件308之矩形圖案元件之一所關注子區域704。圖7B係根據本發明之一或多項實施例之與圖7A中之所關注區域(ROI-1至ROI-9)之各者相關聯之疊對度量量測(例如，疊對向量)的一標繪圖706。 因此，一經預測之度量影像(例如，經預測之度量影像402)可提供其中可評估各種候選度量配方之一實驗設計。例如，候選度量配方可(例如，在步驟206中)應用於圖7中之各所關注區域(例如，ROI-1至ROI-9)以判定對製程之偏差之一敏感度。此外，可基於經選取之選擇指標來(例如，在步驟208中)選擇一度量配方，該等經選取之選擇指標諸如(但不限於)：疊對量測之準確度及對各種雜訊源(例如，工具雜訊、樣本雜訊、程序雜訊或類似者)之穩健性。 在另一實施例中，方法200包運用度量工具(例如，度量工具102)執行一經製造結構之一度量量測來產生一輸出度量影像的一步驟210。例如，步驟210可包含製造具有在步驟202中予以模型化之結構之一或多個例項之一樣本。 在另一實施例中，方法200包含基於度量配方自輸出度量影像提取與經製造結構相關聯之度量量測的一步驟212。例如，步驟212可包含運用控制器104基於度量配方自輸出度量影像提取與經製造結構相關聯之度量量測。 圖8A係根據本發明之一或多項實施例之繪示所關注區域(例如，ROI-1至ROI-15)之與具有一結構之多個例項之一經製造樣本之分析相關聯的一經修改之輸出度量影像802。此外，各所關注區域包含識別第一組之一或多個圖案元件308之矩形圖案元件之一所關注子區域704。圖8B係根據本發明之一或多項實施例之與圖8A之所關注區域(ROI-1至ROI-15)之各者相關聯之疊對度量量測(例如，疊對向量)的一標繪圖804。在此方面，步驟208中基於步驟202中所產生之三維模型而選擇之一度量配方可應用於經製造樣本。此外，不需要對經製造之測試樣本事先測試度量配方。 本文中所描述之標的有時繪示含在不同其他組件內或與不同其他組件連接之不同組件。應理解，此等所描繪架構係僅例示性的，且實際上可實施達成相同功能性之許多其他架構。在一概念意義上，用以達成相同功能性之組件之任何配置係有效地「相關聯」，使得達成所要功能性。因此，本文中經組合以達成一特定功能性之任何兩個組件可被視為彼此「相關聯」，使得不考慮架構或中間組件而達成所要功能性。同樣地，如此相關聯之任何兩個組件亦可被視為彼此「連接」或「耦合」以達成所要功能性，且能夠如此相關聯之任何兩個組件亦可被視為彼此「可耦合」以達成所要功能性。可耦合之特定實例包含(但不限於)：實體可互動及/或實體互動之組件、及/或無線可互動及/或無線互動之組件、及/或邏輯可互動及/或邏輯互動之組件。 據信，將藉由前文描述理解本發明及許多其伴隨優點，且將明白，可在不脫離所揭示之標的或不犧牲全部其實質性優點之情況下作出組件之形式、構造及配置上之各種改變。所描述之形式僅為說明性的且以下發明申請專利範圍之意圖係涵蓋及包含此等改變。此外，應理解，本發明藉由隨附發明申請專利範圍所定義。
100‧‧‧半導體裝置度量系統/度量系統102‧‧‧度量工具/光學度量工具104‧‧‧控制器106‧‧‧處理器108‧‧‧記憶體裝置/非暫時性記憶體裝置110‧‧‧照明源/寬頻電漿(BBP)照明源112‧‧‧照明光束/光學照明光束114‧‧‧樣本116‧‧‧樣本載台118‧‧‧照明路徑120‧‧‧透鏡122‧‧‧光學組件124‧‧‧物鏡126‧‧‧偵測器/粒子偵測器128‧‧‧集光路徑130‧‧‧集光透鏡132‧‧‧集光光學元件134‧‧‧光束分離器200‧‧‧方法202‧‧‧步驟204‧‧‧步驟206‧‧‧步驟208‧‧‧步驟210‧‧‧步驟212‧‧‧步驟302‧‧‧疊對結構304‧‧‧橫截面306‧‧‧基板層308‧‧‧第一組之一或多個圖案元件310‧‧‧第一層312‧‧‧第二組之一或多個圖案元件314‧‧‧第二層316‧‧‧第一填充層318‧‧‧第二填充層402‧‧‧經預測之度量影像404‧‧‧疊對結構之例項406‧‧‧區域408‧‧‧邊緣/帶電效應502‧‧‧影像504‧‧‧所關注區域506‧‧‧影像602‧‧‧影像604‧‧‧標繪圖606‧‧‧第一漸變/第一漸變區域608‧‧‧第二漸變/第二漸變區域702‧‧‧經修改影像704‧‧‧所關注子區域706‧‧‧標繪圖802‧‧‧經修改之輸出度量影像804‧‧‧標繪圖ROI-1至ROI-15‧‧‧所關注區域
熟習此項技術者藉由參考附圖可更佳理解本發明之許多優點，其中： 圖1A係繪示根據本發明之一或多項實施例之一半導體裝置度量系統之一概念圖。 圖1B係繪示根據本發明之一或多項實施例之一光學度量工具之一概念圖。 圖1C係根據本發明之一或多項實施例之經組態為一粒子束度量工具之一度量工具的一概念圖。 圖2係繪示根據本發明之一或多項實施例之在用於度量之一方法中所執行之步驟的一流程圖。 圖3A係根據本發明之一或多項實施例之一疊對結構(可針對其產生用於提取一疊對度量量測之一度量配方)之一模型之一透視圖。 圖3B係根據本發明之一或多項實施例之與圖3A之一橫截面相關聯之疊對結構之一橫截面視圖。 圖4係根據本發明之一或多項實施例之包含圖3A及圖3B中之疊對結構之多個例項之一樣本之一經預測之度量影像。 圖5A係根據本發明之一或多項實施例之包含疊對結構之一單個例項之經預測之度量影像之一部分之一影像。 圖5B包含根據本發明之一或多項實施例之圖5A之一修改版本，其中已識別一矩形圖案元件及一開口圓圖案之邊緣。 圖6A係根據本發明之一或多項實施例之繪示包含一矩形圖案元件之一邊緣及一開口圓圖案之一邊緣之一經預測之度量影像之一部分的一影像。 圖6B係根據本發明之一或多項實施例之跨圖6A之一單條像素線之像素強度的一標繪圖。 圖7A包含根據本發明之一或多項實施例之繪示與系統地變化之疊對值相關聯之一經預測之度量影像之所關注區域的一系列經修改影像。 圖7B係根據本發明之一或多項實施例之與圖7A中之所關注區域之各者相關聯之疊對度量量測的一標繪圖。 圖8A係根據本發明之一或多項實施例之繪示所關注區域之與具有一結構之多個例項之一經製造樣本之分析相關聯的一經修改之輸出度量影像。 圖8B係根據本發明之一或多項實施例之與圖8A之所關注區域之各者相關聯之疊對度量量測的一標繪圖。
200‧‧‧方法
202‧‧‧步驟
204‧‧‧步驟
206‧‧‧步驟
208‧‧‧步驟
210‧‧‧步驟
212‧‧‧步驟

Claims (42)

  1. 一種度量系統，其包括：一控制器，其包含經組態以執行指令之一或多個處理器，該等指令經組態以使該一或多個處理器：產生包含待藉由一度量工具分析之一結構之一或多個例項之一樣本之一個三維模型；基於該三維模型以產生對應於運用該度量工具對該樣本進行之一經預測分析之一或多個經預測之度量影像，其中該經預測之度量影像包含經預測偏差，其來自基於運用該度量工具對該樣本進行之該經預測分析之該三維模型之一個二維投影；評估用於自該一或多個經預測之度量影像提取一度量量測之兩個或兩個以上候選度量配方；基於一或多個選擇指標以自用於自來自該度量工具之結構之一影像提取一度量量測之該兩個或兩個以上候選度量配方選擇一度量配方；基於一經製造結構之一度量量測以自該度量工具接收該經製造結構之一輸出度量影像；及基於該度量配方以自該輸出度量影像提取與該經製造結構相關聯之該度量量測。
  2. 如請求項1之度量系統，其中該一或多個選擇指標包括：自該一或多個經預測之度量影像之所提取度量量測之一準確度。
  3. 如請求項1之度量系統，其中該一或多個選擇指標包括：該經提取之度量量測對該一或多個經預測之度量影像中之雜訊之一穩健性。
  4. 如請求項3之度量系統，其中該經提取之度量量測對雜訊之該穩健性包括：來自該一或多個經預測之度量影像之經提取之度量量測之一變異。
  5. 如請求項1之度量系統，其中該一或多個經預測之度量影像包含該結構之兩個或兩個以上例項，其中系統地改變該結構之屬性以表示一製程中之偏差。
  6. 如請求項5之度量系統，其中該一或多個選擇指標包括：該經提取之度量量測對該製程中之該等偏差之一穩健性。
  7. 如請求項5之度量系統，其中自該兩個或兩個以上候選度量配方選擇一度量配方包括：基於對該一或多個經預測之度量影像之該等經提取之度量量測之一準確度及該等經提取之度量量測對該製程中之該等偏差之一穩健性之一多變量分析以自該兩個或兩個以上候選度量配方選擇該度量配方。
  8. 如請求項7之度量系統，其中該多變量分析包括：一迴歸分析。
  9. 如請求項1之度量系統，其中產生該經預測之度量影像包括：基於該三維模型以模擬藉由該度量工具對該樣本進行之一度量量測。
  10. 如請求項9之度量系統，其中基於該三維模型以模擬藉由該度量工具對該樣本進行之該度量量測包括：使用一啟發式模擬模型基於該三維模型以模擬藉由該度量工具對該樣本進行之一度量量測。
  11. 如請求項1之度量系統，其中產生該經預測之度量影像包括：基於該三維模型以模仿藉由該度量工具對該樣本進行之一度量量測。
  12. 如請求項1之度量系統，其中產生該經預測之度量影像包括：基於深度生成模型化以產生該經預測之度量影像。
  13. 如請求項12之度量系統，其中基於深度生成模型化以產生該經預測之度量影像包括：運用一組訓練影像訓練一深度生成模型；及 運用該結構之該三維模型作為一輸入基於該深度生成模型以產生該經預測之度量影像。
  14. 如請求項13之度量系統，其中該組訓練影像包括：藉由該度量工具基於實體樣本之度量量測以產生之影像或藉由基於經模型化之樣本模擬該度量工具之該輸出而產生之影像之至少一者。
  15. 如請求項1之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括：與該結構之該製造相關聯之隨機雜訊或與運用該度量工具對該結構進行之該度量量測相關聯之隨機雜訊之至少一者。
  16. 如請求項1之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括：該度量工具之一偵測器之散粒雜訊。
  17. 如請求項1之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括：藉由該樣本吸收該度量工具之一照明光束之光子散粒雜訊。
  18. 如請求項1之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括： 與運用該度量工具對該樣本進行之分析相關聯之遮蔽假影。
  19. 如請求項1之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括：影像模糊。
  20. 如請求項1之度量系統，其中該度量工具包括：一電子束度量工具，其中與該三維模型之該二維投影之該等經預測偏差包括：與運用該電子束度量工具對該樣本進行之分析相關聯之帶電假影。
  21. 如請求項1之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括：高斯雜訊或白雜訊之至少一者。
  22. 如請求項1之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括：線邊緣粗糙度或線寬粗糙度之至少一者。
  23. 如請求項1之度量系統，其中該樣本之該三維模型包括：一或多個圖案化材料層。
  24. 如請求項23之度量系統，其中該樣本之該三維模型進一步包括：該一或多個圖案化材料層之化學、機械、電或光學性質之至少一者。
  25. 如請求項1之度量系統，其中產生該結構之該三維模型包括：模擬運用一選定程序工具製造該結構之一或多個程序步驟。
  26. 如請求項1之度量系統，其中該結構包括：一疊對目標，其中該至少一度量量測包括：一疊對量測。
  27. 如請求項1之度量系統，其中該結構包括：一倍縮光罩，其中該至少一度量量測包括：一倍縮光罩度量量測或一倍縮光罩檢測量測之至少一者。
  28. 如請求項1之度量系統，其中該結構包括：待檢測製造缺陷之一圖案，其中該至少一度量量測包括：一缺陷檢測量測。
  29. 一種度量系統，其包括：一度量工具；及一控制器，其包含經組態以執行指令之一或多個處理器，該等指令經組態以使該一或多個處理器： 產生包含待藉由該度量工具分析之一結構之一或多個例項之一樣本之一個三維模型；基於該三維模型以產生對應於運用該度量工具對該結構進行之一經預測分析之一或多個經預測之度量影像，其中該經預測之度量影像包含經預測偏差，其來自基於運用該度量工具對該樣本進行之該經預測分析之該三維模型之一個二維投影；評估用於自該一或多個經預測之度量影像提取一度量量測之兩個或兩個以上候選度量配方；基於一或多個選擇指標以自用於自來自該度量工具之結構之一影像提取一度量量測之該兩個或兩個以上候選度量配方選擇一度量配方；基於一經製造結構之一度量量測以自該度量工具接收該經製造結構之一輸出度量影像；及基於該度量配方以自該輸出度量影像提取與該經製造結構相關聯之該度量量測。
  30. 如請求項29之度量系統，其中該一或多個選擇指標包括：對該一或多個經預測之度量影像之該等所提取度量量測之一準確度。
  31. 如請求項29之度量系統，其中該一或多個選擇指標包括：該經提取之度量量測對該一或多個經預測之度量影像中之雜訊之一穩健性。
  32. 如請求項29之度量系統，其中該樣本之該三維模型包含該結構之兩個或兩個以上例項，其中系統地改變該結構之一或多個屬性以表示一製程中之偏差。
  33. 如請求項32之度量系統，其中該一或多個選擇指標包括：該經提取之度量量測對該製程中之該等偏差之一穩健性。
  34. 如請求項29之度量系統，其中產生該經預測之度量影像包括：基於該三維模型以模擬藉由該度量工具對該樣本進行之一度量量測。
  35. 如請求項29之度量系統，其中產生該經預測之度量影像包括：基於該三維模型以模仿藉由該度量工具對該樣本進行之一度量量測。
  36. 如請求項29之度量系統，其中產生該經預測之度量影像包括：基於深度生成模型化以產生該經預測之度量影像。
  37. 如請求項29之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括：與該結構之該製造相關聯之隨機雜訊或與運用該度量工具對該結構進行之該度量量測相關聯之隨機雜訊之至少一者。
  38. 如請求項29之度量系統，其中與該三維模型之該二維投影之該等經預測偏差包括：與運用該度量工具對該樣本進行之分析相關聯之遮蔽假影。
  39. 如請求項29之度量系統，其中該度量工具包括：一電子束度量工具，其中與該三維模型之該二維投影之該等經預測偏差包括：與運用該電子束度量工具對該樣本進行之分析相關聯之帶電假影。
  40. 如請求項29之度量系統，其中該樣本之該三維模型包括：一或多個圖案化材料層之化學、機械、電或光學性質之至少一者。
  41. 如請求項29之度量系統，其中產生該結構之該三維模型包括：模擬運用一選定程序工具製造該結構之一或多個程序步驟。
  42. 一種度量方法，其包括：運用一或多個處理器產生包含待藉由一度量工具分析之一結構之一或多個例項之一樣本之一個三維模型；運用一或多個處理器基於該三維模型以產生對應於運用該度量工具對該樣本進行之一經預測分析之一或多個經預測之度量影像，其 中該經預測之度量影像包含經預測偏差，其來自基於運用該度量工具對該樣本進行之該經預測分析之該三維模型之一個二維投影；運用一或多個處理器評估用於自該一或多個經預測之度量影像提取一度量量測之兩個或兩個以上候選度量配方；運用一或多個處理器基於一或多個選擇指標以自用於自來自該度量工具之結構之一影像提取一度量量測之該兩個或兩個以上候選度量配方選擇一度量配方；運用該度量工具基於一經製造結構之一度量量測以執行該經製造結構之一輸出度量影像；及運用一或多個處理器基於該度量配方以自該輸出度量影像提取與該經製造結構相關聯之該度量量測。
TW106144376A 2016-12-19 2017-12-18 使用經預測之度量影像之度量配方產生 TWI743275B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662435977P 2016-12-19 2016-12-19
US62/435,977 2016-12-19
US15/810,898 2017-11-13
US15/810,898 US10496781B2 (en) 2016-12-19 2017-11-13 Metrology recipe generation using predicted metrology images

Publications (2)

Publication Number Publication Date
TW201830340A TW201830340A (zh) 2018-08-16
TWI743275B true TWI743275B (zh) 2021-10-21

Family

ID=62561613

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106144376A TWI743275B (zh) 2016-12-19 2017-12-18 使用經預測之度量影像之度量配方產生

Country Status (6)

Country Link
US (1) US10496781B2 (zh)
EP (1) EP3549158B1 (zh)
KR (1) KR102313413B1 (zh)
CN (1) CN110383441B (zh)
TW (1) TWI743275B (zh)
WO (1) WO2018118663A2 (zh)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11521825B2 (en) 2017-04-13 2022-12-06 Fractilia, Llc System and method for predicting stochastic-aware process window and yield and their use for process monitoring and control
US10488188B2 (en) 2017-04-13 2019-11-26 Fractilia, Llc System and method for removing noise from roughness measurements
US10176966B1 (en) 2017-04-13 2019-01-08 Fractilia, Llc Edge detection system
US11361937B2 (en) 2017-04-13 2022-06-14 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US12142454B2 (en) 2017-04-13 2024-11-12 Fractilla, LLC Detection of probabilistic process windows
US11355306B2 (en) 2017-04-13 2022-06-07 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10664955B2 (en) 2017-04-13 2020-05-26 Fractilia, Llc Edge detection system and its use for machine learning
US10648801B2 (en) 2017-04-13 2020-05-12 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US11380516B2 (en) 2017-04-13 2022-07-05 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control
US10656532B2 (en) 2017-04-13 2020-05-19 Fractilia, Llc Edge detection system and its use for optical proximity correction
US11508546B2 (en) 2017-04-13 2022-11-22 Fractilia, Llc System and method for low-noise edge detection and its use for process monitoring and control
US10522322B2 (en) 2017-04-13 2019-12-31 Fractilia, Llc System and method for generating and analyzing roughness measurements
WO2020043525A1 (en) * 2018-08-28 2020-03-05 Asml Netherlands B.V. Systems and methods of optimal metrology guidance
US11468553B2 (en) * 2018-11-02 2022-10-11 Kla Corporation System and method for determining type and size of defects on blank reticles
CN112969967B (zh) * 2018-11-07 2024-12-03 Asml荷兰有限公司 确定对过程的校正
TWI738009B (zh) * 2019-06-20 2021-09-01 和碩聯合科技股份有限公司 物件偵測系統及物件偵測方法
US11880193B2 (en) * 2019-07-26 2024-01-23 Kla Corporation System and method for rendering SEM images and predicting defect imaging conditions of substrates using 3D design
US11501420B2 (en) * 2019-09-26 2022-11-15 Perkinelmer Cellular Technologies Germany Gmbh Reconstructing phase images with deep learning
CN112735959B (zh) * 2019-10-28 2022-03-18 长鑫存储技术有限公司 晶圆检测方法及晶圆检测装置
US11557031B2 (en) 2019-11-21 2023-01-17 Kla Corporation Integrated multi-tool reticle inspection
US11512948B2 (en) * 2020-05-26 2022-11-29 Kla Corporation Imaging system for buried metrology targets
JP7431694B2 (ja) * 2020-07-28 2024-02-15 キヤノン株式会社 情報処理装置、膜形成装置、物品の製造方法、およびプログラム
US12443840B2 (en) * 2020-10-09 2025-10-14 Kla Corporation Dynamic control of machine learning based measurement recipe optimization
US12196728B2 (en) 2021-02-04 2025-01-14 Chengdu Qinchuan Iot Technology Co., Ltd. Systems and methods for measuring energy of natural gas components
CN112946232A (zh) * 2021-02-04 2021-06-11 成都秦川物联网科技股份有限公司 天然气能量计量数据获取方法和系统
CN113392618B (zh) * 2021-04-23 2022-07-05 武汉大学 一种印刷电路板掩膜线宽补偿量预测方法
CN117916669A (zh) * 2021-09-03 2024-04-19 Asml荷兰有限公司 用于图像检查装置的样品边缘检测和样品定位的方法和系统
US20230326710A1 (en) * 2022-04-06 2023-10-12 Kla Corporation Screening edge placement uniformity wafer stochastics
TW202414489A (zh) * 2022-07-15 2024-04-01 荷蘭商Ａｓｍｌ荷蘭公司 使用帶電粒子檢測設備進行疊對量測的方法及系統
US12067745B2 (en) * 2022-09-27 2024-08-20 Kla Corporation Image pre-processing for overlay metrology using decomposition techniques
US20240169116A1 (en) 2022-11-21 2024-05-23 Kla Corporation Protecting data sources from different entities for semiconductor yield related applications
US20250029847A1 (en) * 2023-07-19 2025-01-23 Tokyo Electron Limited Integrated metrology for process controls in wafer bonding system
US12518423B2 (en) * 2023-11-28 2026-01-06 The Boeing Company Method of training a neural network for vision-based tracking and associated apparatus and system
US12368503B2 (en) 2023-12-27 2025-07-22 Quantum Generative Materials Llc Intent-based satellite transmit management based on preexisting historical location and machine learning
US12510831B2 (en) 2024-03-11 2025-12-30 Kla Corporation Robust and accurate overlay target design for CMP

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080250384A1 (en) * 2006-12-19 2008-10-09 Brian Duffy Systems and methods for creating inspection recipes
US9151712B1 (en) * 2007-05-30 2015-10-06 Kla-Tencor Corporation Rule checking for metrology and inspection
US20160290796A1 (en) * 2015-04-06 2016-10-06 Kla-Tencor Corporation Feed Forward of Metrology Data in a Metrology System

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7363099B2 (en) * 2002-06-07 2008-04-22 Cadence Design Systems, Inc. Integrated circuit metrology
JP4093273B2 (ja) * 2006-03-13 2008-06-04 オムロン株式会社 特徴点検出装置、特徴点検出方法および特徴点検出プログラム
US7873504B1 (en) * 2007-05-07 2011-01-18 Kla-Tencor Technologies Corp. Computer-implemented methods, carrier media, and systems for creating a metrology target structure design for a reticle layout
US8214771B2 (en) 2009-01-08 2012-07-03 Kla-Tencor Corporation Scatterometry metrology target design optimization
JP6173423B2 (ja) 2012-03-19 2017-08-02 ケーエルエー−テンカー コーポレイション 自動検査半導体デバイスのレシピ生成のための方法、コンピュータシステムおよび装置
US9243886B1 (en) * 2012-06-26 2016-01-26 Kla-Tencor Corporation Optical metrology of periodic targets in presence of multiple diffraction orders
US9563946B2 (en) 2014-07-22 2017-02-07 Taiwan Semiconductor Manufacturing Co., Ltd. Overlay metrology method and overlay control method and system
SG11201703585RA (en) * 2014-11-25 2017-06-29 Kla Tencor Corp Analyzing and utilizing landscapes
CN110553602B (zh) * 2014-11-26 2021-10-26 Asml荷兰有限公司 度量方法、计算机产品和系统
US9470639B1 (en) * 2015-02-03 2016-10-18 Kla-Tencor Corporation Optical metrology with reduced sensitivity to grating anomalies
US9971478B2 (en) * 2015-04-10 2018-05-15 Asml Netherlands B.V. Method and apparatus for inspection and metrology
WO2016162228A1 (en) 2015-04-10 2016-10-13 Asml Netherlands B.V. Method and apparatus for inspection and metrology
US11170072B2 (en) * 2015-04-10 2021-11-09 ASML Netherands B.V. Method and apparatus for inspection and metrology
US10345721B1 (en) * 2015-06-16 2019-07-09 Kla-Tencor Corporation Measurement library optimization in semiconductor metrology
US10502692B2 (en) * 2015-07-24 2019-12-10 Kla-Tencor Corporation Automated metrology system selection
US10691863B2 (en) * 2015-10-19 2020-06-23 Asml Netherlands B.V. Method and apparatus to correct for patterning process error
US20180299770A1 (en) * 2015-10-19 2018-10-18 Asml Netherlands B.V. Method and apparatus to correct for patterning process error

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080250384A1 (en) * 2006-12-19 2008-10-09 Brian Duffy Systems and methods for creating inspection recipes
US9151712B1 (en) * 2007-05-30 2015-10-06 Kla-Tencor Corporation Rule checking for metrology and inspection
US20160290796A1 (en) * 2015-04-06 2016-10-06 Kla-Tencor Corporation Feed Forward of Metrology Data in a Metrology System

Also Published As

Publication number Publication date
KR20190089227A (ko) 2019-07-30
KR102313413B1 (ko) 2021-10-14
US10496781B2 (en) 2019-12-03
WO2018118663A3 (en) 2018-08-02
CN110383441B (zh) 2020-09-01
US20180173839A1 (en) 2018-06-21
CN110383441A (zh) 2019-10-25
EP3549158A2 (en) 2019-10-09
EP3549158B1 (en) 2023-08-16
EP3549158A4 (en) 2020-08-12
WO2018118663A2 (en) 2018-06-28
TW201830340A (zh) 2018-08-16

Similar Documents

Publication Publication Date Title
TWI743275B (zh) 使用經預測之度量影像之度量配方產生
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
CN107004038B (zh) 使用内建目标将检验对准到设计
US11353799B1 (en) System and method for error reduction for metrology measurements
TWI594070B (zh) 用於檢驗極紫外線光光罩之裝置及方法
JP2020118696A (ja) 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング
TWI836146B (zh) 多成像模式影像對準
JP2020501358A (ja) 三次元半導体構造の検査用の欠陥発見およびレシピ最適化
JP7037632B2 (ja) 効率的プロセスウィンドウ発見用ハイブリッド検査システム
KR102525830B1 (ko) 테스트 이미지 대 설계물의 정렬을 위한 설계물 파일 선택
TWI840634B (zh) 網線檢查系統
CN119422169A (zh) 具有适合用于实时应用的颜色或其它变动的图像的图像到设计对准
TW202601056A (zh) 影像模型輔助計量學