[发明专利]以范围为基础的实时扫描电子显微镜的非视觉分格器

说明书

本发明揭示了一种用于识别例如SEM非视觉缺陷SNV等的非视觉缺陷的技术，所述技术包含：产生晶片的层的图像；使用分类器来评估所述图像的至少一个属性；及识别所述晶片的所述层上的所述非视觉缺陷。控制器可经配置以使用所述分类器来识别所述非视觉缺陷。此控制器可与例如扫描电子显微镜SEM的缺陷重检工具通信。

相关申请案的交叉参考

本申请案要求于2015年8月5日申请且转让给印度申请案第4069/CHE/2015号印度临时专利申请案及于2015年9月23日申请且转让美国申请案第62/222,647号临时专利申请案的优先权，所述申请案的揭示内容据此以引用的方式并入。

技术领域

本发明涉及对缺陷的分类，且更特定地说，涉及对非视觉缺陷的分类。

背景技术

晶片检测系统有助于半导体制造商通过检测在制造过程期间出现的缺陷而增加并维持集成电路(IC)芯片成品率。检测系统的一个目的是监测制造过程是否符合规格。如果制造过程在既定规范的范围外，那么检测系统指示问题及/或问题的来源，接着半导体制造商可解决所述问题。

半导体制造产业的发展对成品率管理及特定地说计量及检测系统的需求越来越大。临界尺寸日益缩小而晶片大小日益增加。经济因素驱使所述产业减少用于实现高成品率、高价值生产的时间。因此，最小化从检测成品率问题到解决所述问题的总时间确定半导体制造商的投资回报。

用于对缺陷进行分类(包含手动分类及以层为基础的自动分类)的先前技术涉及过多的时间及努力。随着装置变得更加复杂，在半导体制造设施中对缺陷进行手动分类需要日益增加的时间及努力。甚至在花费大量时间进行分类之后，归因于人为误差，缺陷分类可能仍为不准确的且不一致的。领域中对缺陷进行自动分类的当前技术需要缺陷的许多实例且有时还需要用于训练分类器的人力资源。此外，针对每一层的每一缺陷类型训练分类器可为繁琐的，这是因为待训练的分类器的总数目将为缺陷类型的数目乘以层的数目。

手动分类涉及：以多个视角手动观察每一缺陷图像、以已知参考缺陷图像集合进行缺陷识别，及针对每一缺陷位点手动分配类别码。对缺陷进行手动分类需要大量时间来完成。这又是极其昂贵的。此外，在分类期间使用人为判断可在结果中引入不准确性及不一致性。

以层为基础的自动分类包含针对每一层建立的自定义分类器，其分离存在的全部临界缺陷类型。可手动或自动建立分类器。以层为基础的自动分类实施对层特定自定义分类器的建立。训练全部层的分类器需要大量资源，像训练数据、人力资源及时间。例如，训练每一层的分类器需要训练数据。训练数据应具有需由分类器分类的每一临界缺陷的足够缺陷实例。所述领域中使用的一些分类器建立方案需要手动分类器建立。连同涉及大量时间投资，归因于判断用于建立所述分类器的最佳属性集时的不准确性，这还带来经建立分类器的性能的不一致性。由于在针对跨特定位点处的层及还跨多个客户位点的相同缺陷类型建立分类器时的巨大重复，大量时间被花费在建立、训练及维护分类器上。

因此，需要一种减少分类晶片缺陷所需的时间及努力的系统及技术。

发明内容

在第一实施例中，提供一种系统。所述系统包括：缺陷重检工具；及控制器，其经配置以与所述缺陷重检工具通信。所述缺陷重检工具具有经配置以夹持晶片的载物台。所述控制器经配置以使用分类器来识别所述晶片的层上的非视觉缺陷。所述缺陷重检工具可为扫描电子显微镜(SEM)。所述非视觉缺陷可为SEM非视觉缺陷(SNV)。

所述控制器可包括：处理器，其经配置以与所述缺陷重检工具通信；存储装置，其与含有所述分类器的所述处理器电子通信；及通信端口，其与所述处理器电子通信以与所述缺陷重检工具通信。

所述控制器可通过使用所述分类器来过滤形貌缺陷、强度属性或能量属性中的至少一者而识别非视觉缺陷。