CN110969598A 晶圆检查方法以及晶圆检查系统 （台湾积体电路制造股份有限公司）

本公开涉及使用机器学习技术来对晶圆缺使用机器学习技术来处理粗略扫描电子显微镜2比较所述第一显微镜图像与所述参考图像以确定所述第一显微镜图像以及所述参考3缺陷。当检查将晶圆标识为有缺陷时，将通过例如自动缺陷复查(automaticdefectreview；ADR)过程的缺陷复查过程和/或例如自动缺陷分类(automaticdefect45案仅拍摄目标晶圆的一个粗略分辨率数字显微镜图像(例如，扫描电子显微镜(scanning[0066]传统上，对晶圆拍摄至少两个SEM图像(粗略SEM图像和精细SEM图像)以分别标识缺陷或对缺陷进行分类。在各种实施例中公开的技术仅拍摄一个粗略SEM图像并分析粗略标识缺陷进行分类或标识缺陷的更多细节以用于缺陷分析目的。粗略SEM图像可具有与在[0067]在实施例中，将第一SEM图像与参考图像进行比较来确定缺陷区内的缺陷或缺陷模拟和/或其它技术来将晶圆设计数据转换成呈粗略SEM图像形式的晶圆表面的参考图像。6[0068]将目标晶圆的第一SEM图像与参考图像进行比较以在缺陷区内定位缺陷区域或缺像是粗略图像。第二机器学习单元将ROI的第二粗略图像与具有更高分辨率的图像特征细中，可多次进行第二粗略图像的分割和进行分割部分与图像补丁的映射以生成ROI的精细用于第二粗略图像上的两个相邻分割部分的两个图像补丁彼此不一致(例如，两个图像补[0070]在实施例中，在选择或过滤图像补丁时应用规则以生成将用于生成精细ROI图像[0071]在实施例中，第二机器学习单元的特征映射可包含对应于分割部分的不同层级第一尺度图像分辨率。所映射的第一层图像补丁可进一步分割以获得第二层特征标识符。7[0074]第二机器学习单元的特征映射可用可供第二机器学习单元使用的精细分辨率SEMROI的精细分辨率图像相比来确定生成的精细分辨率图像是否匹配实际精细分辨率SEM图择的图像补丁不符合实际精细分辨率图像，那么可更新图像补丁选择/生成算法或所存储入、硅化物形成以及双应力衬里形成。MOL过程包含栅极接触件和/或源极/漏极接触件形连各个器件。金属化层通过介电层分隔，所述介电层即层间介电(“inter-layer[0076]晶圆检查系统120可为晶圆制造现场系统110的集成部分或可配置成作为独立器或晶圆处理的其它阶段。晶圆检查系统120可使用相同或不同检查器件以在晶圆制造系统8[0077]晶圆检查系统120配置成在半导体制造过程的任何阶段处检查晶圆的缺陷。缺陷可包含任何缺陷，例如，金属化缺陷、扩散缺陷、钝化层缺陷、划割缺陷、玻璃钝化[0078]如果晶圆检查系统120确定晶圆包含缺陷，那么将晶圆作为目标晶圆呈现给缺陷通常具有在约1微米到约10微米范围内的直[0079]缺陷复查系统130可包含成像器件，例如扫描电子显微镜(scanningelectron130配置成从由晶圆检查系统120标识为有缺陷的目标晶圆的缺陷区标识缺陷或缺陷区域元210、参考图像单元220、ROI确定单元230、粗略ROI图像单元240以及精细ROI图像单元统130的组件中的一个或多个可驻留在相同物理计算器件上并通过网络通信与其它组件通缺陷分类系统140的图像分辨率要求或如本文中所描述的ROI的更精细分辨率图像中的一9[0084]在实施例中，第一粗略SEM图像存储在耦合到成像单元210的所检查图像数据库机以步进和重复的方式工作，其中掩模版上的图案在栅格中的晶圆的表面上重复地曝光。晶圆台之间的相对位置偏移和/或旋转偏移将影响在晶圆上形成的相应特征的尺寸。这类制造过程信息可通过第一机器学习单元获得[0087]第一机器学习单元可从所检查图像数据库或图形数据库系统(“graphic模拟来生成。模拟过程使用GDS数据来模拟实际制造过程在衬底上方形成结构特征时的影360对应于缺陷区310，且参考图像350的部分370对应于图3A的第一SEM图像的非缺陷区[0091]ROI确定单元230配置成比较第一SEM图像与参考图像350以确定缺陷或缺陷覆盖第一SEM图像上的与参考图像上对应的区域并不匹配的区。可使用任何准则来确定第[0092]粗略ROI图像单元240配置成基于第一SEM图像来生成ROI的粗略图像。在实施例像的裁剪操作，所以粗略ROI图像可能进一步损失一些细节并具有比第一SEM图像更低/更[0093]图4A绘示实例粗略ROI图像400，其由目标晶圆的第一部分300的第一SEM图像生[0094]精细ROI图像单元250配置成基于ROI310的粗略图像400来生成ROI310的更精细的映射。基于尺度间相互依赖性和尺度内相互依赖性中的一个或多个来递归地学习映射。度中所提出或映射的特征细节以进一步学习或优化前一尺度的所提出特征细节。举例来尺度下的相邻分割部分的所提出特征细节应彼此一致且递[0097]从ROI的粗略SEM图像获得的特征标识符和对应于特征标识符的所映射特征细节尺度精细图像进一步分割成用于与第二尺度特征细节进行映射的分割部分(称为“第二尺学习中所提出的第二尺度特征细节递归地用作对第一尺度学习的所提出特征细节的参考。部分获得第二尺度特征标识符且通过分割包含第一尺度特征细节的第一尺度精细图像来的更新并因此引起其特征标识符的更新。更新的第一尺度机器学习将生成ROI的更新的第度内相互依赖性规则的这类递归应用使每一尺度上的特征细节的学三尺度学习可基于第二尺度精细图像和(在一些情况下)ROI的第一尺度精细图像或粗略[0102]第一机器学习单元和第二机器学习单元可各自为卷积神经网络或超分辨率卷积或非线性回归方程/算法以将特征标识符与特征细节或图像补丁相关联。最后所提出的特[0103]图4B绘示基于图4A的粗略ROI图像400来生成的实例精细ROI图像450。精细ROI图率ROI图像来将ROI的缺陷分配到相应类别。缺陷分类系统140将存储在规则引擎数据库中合适的自动缺陷分类(automaticdefectclassification；ADC)算法应用于ROI的精细分[0105]图5为晶圆缺陷管理系统100的实例操作500的流程图。参看图5，在实例操作510[0106]在实例操作520处，缺陷复查系统130的成像单元210获得目标晶圆或晶圆的缺陷[0107]在实例操作530处，参考图像生成单元220生成对应于目标晶圆的缺陷区310(图[0108]在实例操作540中，ROI确定单元230比较缺陷区的粗略图像与参考图像以确定感[0109]在实例操作550中，粗略ROI图像单元240从缺陷区的粗略图像获得ROI的粗略图[0110]在实例操作560中，精细ROI图像单元250基于ROI的粗略图像来生成ROI的精细分细节需要彼此一致且需要符合电路设计数据和[0111]在实例操作570中，缺陷分类系统140基于生成的ROI的精细分辨率图像为目标晶分将在处理器可执行指令或逻辑(例如由一个或多个处理器执行的程序应用模块、对象或器件、多处理器系统、基于微处理器或可编程消费型电子装置、个人计算机(personal含一个或多个处理器606、系统存储器608以及将包含系统存储器608的各种系统组件耦合惠普公司(Hewlett-PackardCompany)的PA-RISC系列微处理器、来自摩托罗拉公司(MotorolaCorporation)的68xx[0115]处理器606可为任何逻辑处理单元，例如一个或多个中央处理单元(central用集成电路(application-specificintegratedcircuit；ASIC)、现场可编程门阵列[0116]系统总线610可采用任何已知的总线结构或架构，包含具有存储器控制器的存储入/输出系统(basicinput/outputsystem；BIOS)616含有有助于例如在启动期间在以处[0117]以处理器为基础的器件604还可包含一个或多个固态存储器，例如快闪存储器或用于参考图像单元220的可执行指令可实施本文中所描述的第一机器学习单元/过程以基细ROI图像单元250的可执行指令可实施如本文中所描述的第二机器学习单元/过程，以基[0119]程序模块可存储在系统存储器608中，例如操作系统630、一个或多个应用程序摇/滚动逻辑可包含(但不限于)确定用户界面元素中的至少一个元素应表现出移动的方向显示器或来自计算机鼠标或轨迹球或其它用户界面器[0121]系统存储器608还可包含通信程序640，例如用于允许以处理器为基础的器件604或如下所描述的其它网络)交换数据的服务器和/或Web客户端或浏览器。在所描绘实施例HTML)、可扩展标记语言(ExtensibleMarkupLanguage；XML)或无线标记语言(Wireless加利福尼亚的摩斯拉公司(MozillaCorporation)和华盛顿的微软(Microsoft)的服务器经由控制光标的计算机鼠标或轨迹球644c的触摸屏648的输入器件。其它输入器件可包含[0124]以处理器为基础的器件604使用逻辑连接中的一个或多个在联网环境中操作，以[0125]在联网环境中使用时，以处理器为基础的器件604可包含一个或多个网络接口尺度的特征细节的特征细节数据库668或存储各种学习尺度和不同电路设计的规则组的规[0129]前述具体实施方式已经由使用框图、示意图以及实例来阐述器件和/或过程的各一个或多个计算机上运行的一个或多个计算机程序(例如，作为在一个或多个计算机系统[0130]本领域的技术人员将认识到，本文中阐述的方法或算法中的许多可采用额外动辨率图像生成高分辨率图像，所述高分辨率图像使用深度学习架构来训练所检查(低分辨尺度特征标识符与第一尺度特征细节进行映射；以及通过将所述第一尺度特征细节修补将所述所标识第一尺度特征标识符与所述第一尺度特征细节进行映射包含对规则进行应尺度特征细节用作更新所述所标识第一尺度特征标识符与第一尺度特征细节的所述映射晶圆检查方法进一步包括基于所述第二部分的所捕获精细分辨率扫描电子显微镜图像来所述从所述第一显微镜图像获得所述晶片晶圆的所述第二部分的所述第二图像包含裁剪述晶片晶圆的所述第一部分的所述参考图像包含基于从第二数据库检索的所检查晶片晶[0141]本文中的公开提供用于实施所描述的主