[发明专利]以阶层式分组及过滤来识别晶圆系统性缺陷的系统与方法

说明书

技术领域

本发明与晶圆检测相关，特别关于一种在晶圆检测过程中识别系统性缺陷的方法与系统。

背景技术

半导体的制造需要一个精密且造价不斐的制造环境。随着半导体芯片尺寸变小，其制造成本也随之增加。在现代的晶圆厂中，半导体的制造需要动用到上百台的机器，而每台机器所需的成本分别可以从数千万到数亿美元不等。

制造半导体元件的过程时常需要上百个连续的步骤，而其中每一个步骤都有可能造成良率的损失。因此，为了在半导体制造厂中维持其产品的质量，需要严密控制上百个或是上千个制程中的变数。其中，在目前正在发展的几个关键能力中，如制程监控、制程/设备建模、制程最佳化、制程控制、设备与制程诊断以及参数良率建模，都以高良率、高质量以及低周期为目标发展。

在半导体的制程中，通常是以光源或是电子光束照射半导体晶圆，再分析自半导体晶圆所返回的信号来进行半导体晶圆的检测。随着设计准则的缩小，半导体元件上的电路图样也随之变得小而稠密，而在检测过程中所侦测到的缺陷信号也随之变得极其微弱，并且常常为制造过程中所引起的正常差异。因此，重要的关键缺陷往往容易被错过，或是隐藏在检测结果的候选缺陷清单里的上千或是上万个干扰点中。

图1为一晶圆缺陷分布范例图，其显示晶圆检测中所产生的典型候选缺陷清单上的候选缺陷分布。如图1所示，检测过程所产生的候选缺陷分布于整个晶圆，且其中大部分皆为干扰点。由于电路图样的几何形状非常小，从检测过程中所获得的候选缺陷的影像通常仅会显示一个单一的像素，或是显示完全无法解晰的影像。因此，半导体制造者面临了无法识别候选缺陷为真正的致命缺陷或是非致命的干扰点的难题。此外，由于许多的系统性关键缺陷的特征在检测的结果中与其它的干扰点并无相异，使得晶圆的检测更加的困难。

在晶圆检测中，使用了许多信号与影像的处理技巧以试图消除干扰点，并且识别出可能引起半导体元件故障的真正缺陷。一般来说，从少数晶圆中所获得的检测结果可用来最佳化未来晶圆检测的配方，以使得未来的检测结果能有理想的敏感度以及可接受的总候选缺陷数量，或者可用来培育将真正的缺陷从干扰点中分类出来的样本。

随着半导体技术的进步，半导体元件的尺寸也随之缩小，因此，透过以光源或是电子光束照射晶圆并且分析个别晶圆所返回的信号的已知检测方法已经不敷使用。关键的系统性缺陷纵使存在于晶圆的多个位置，仍然很有可能无法被侦测到；尤其在量产时，排除系统性缺陷更是成为一个巨大的挑战。在量产时，需要能够及早识别新产生的系统性缺陷，以避免失去仍然在产在线或是已完成制造的晶圆。

发明内容

为了克服上述在晶圆检测中识别系统性缺陷所遇到的欠缺与挑战，本发明提供一种识别系统性缺陷的系统以及方法，其利用多个晶圆的检测数据配合制造元件的设计数据，使用阶层式分组与过滤来有效的侦测并且识别系统性缺陷。

根据本发明，利用晶圆检测的过程中取得多数的候选缺陷清单，一般来说，一份候选缺陷清单中包含了非常大数目的候选缺陷，由于现代先进半导体元件的小体积以及高密度的关系，其中大部分的候选缺陷皆为干扰点，仅有少数几个随机或是系统性的缺陷参杂在内。

在本发明的第一较佳实施例中所用的阶层式分组与过滤法包括了两个处理阶段。在第一处理阶段中，本发明使用在晶圆检测过程中所取得以及额外自设计图样剪辑中所推导出的缺陷特征，分别且独立地将自一单一晶圆中所取得的候选缺陷清单进行分组与过滤，其中所用的设计图样剪辑是从设计数据库中为候选缺陷所撷取。

在第一阶段的分组与过滤之后，各个候选缺陷清单产生一第一阶段缺陷清单，因此第一处理阶段完成后会产生多数的第一阶段缺陷清单。接着，在第二处理阶段中，针对所有第一阶段缺陷清单的所有缺陷进行分组与过滤，以产生一最终缺陷清单。由于系统性缺陷之间具有类似或是相同的特征，并且通常会重复发生于多个晶方以及晶圆之中，因此可以藉此对系统性缺陷进行识别以及分组。

在本发明的第二较佳实施例中，检测多个晶圆所取得的候选缺陷清单，首先被分类为多个组别，其中，各个组别包括了自数个晶圆所取得的一定数目的候选缺陷清单。在第一处理阶段中，每一组候选缺陷清单皆被一起进行处理，以产生属于该组的第一阶段缺陷清单。在第二处理阶段中，针对所有第一阶段缺陷清单的所有缺陷进行分组与过滤，以产生一最终缺陷清单。