[发明专利]用于三维半导体结构的检验的缺陷发现及配方优化有效
申请号: | 201780071387.1 | 申请日: | 2017-11-30 |
公开(公告)号: | CN109964116B | 公开(公告)日: | 2022-05-17 |
发明(设计)人: | S·巴塔查里亚;D·夏尔马;C·马厄;华波;P·梅斯热;R·达南 | 申请(专利权)人: | 科磊股份有限公司 |
主分类号: | G01N21/95 | 分类号: | G01N21/95;G01N21/88;G01N21/01 |
代理公司: | 北京律盟知识产权代理有限责任公司 11287 | 代理人: | 刘丽楠 |
地址: | 美国加利*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 三维 半导体 结构 检验 缺陷 发现 配方 优化 | ||
1.一种半导体检验的方法,其包括:
根据多种光学模式中的每一者在安置于半导体晶片上的多个垂直堆叠结构中的每一者内的多个聚焦平面中的每一者处于多个缺陷位置处将一定量的照射光提供到所述半导体晶片;
根据所述多种光学模式中的每一者响应于所述多个聚焦平面中的每一者处的所述多个缺陷位置中的每一者处的所述照射光量而对来自所述垂直堆叠结构中的每一者的一定量的光进行成像;
从所述多个缺陷位置选择一或多个缺陷位置;
根据所述多种光学模式产生贯穿所述垂直堆叠结构的所述多个聚焦平面中的不同聚焦平面处的所述选定缺陷位置中的每一者处的多个图像;
选择所述多个聚焦平面的一子组用于基于多个经产生图像中的经测量缺陷图征或所述多个聚焦平面内的缺陷位置而在所述选定缺陷位置处进一步缺陷检查,其中所述多个聚焦平面中的所述子组包含比所述多个聚焦平面更少的聚焦平面且排除所述多个聚焦平面中的至少一些聚焦平面;及
根据所述多种光学模式中的每一者存储在所述多个聚焦平面的所述选定子组中的每一者处的所述选定缺陷位置中的每一者处的图像用于进一步缺陷分析。
2.根据权利要求1所述的方法,其进一步包括:
调整与所述多种光学模式中的每一者相关联的缺陷检测算法的一或多个参数值,以将在所述多种光学模式中的每一者下所测量的晶片级图征与预期晶片级图征进行拟合;
基于与所述多种光学模式中的每一者相关联的所述拟合的优度而选择所述多种光学模式的一子组以供进一步考虑。
3.根据权利要求1所述的方法,其进一步包括:
估计与所述多种光学模式中的每一者相关联的信噪比;及
基于与所述多种光学模式中的每一者相关联的所述所估计信噪比而选择所述多种光学模式的一子组以供进一步考虑。
4.根据权利要求1所述的方法,其进一步包括:
在不对所述半导体晶片进行逆向处理的情况下在所述选定缺陷位置中的一或多者处执行扫描电子显微镜SEM测量;及
基于所述SEM测量而选择所述多种光学模式的一子组以供进一步考虑。
5.根据权利要求1所述的方法,其进一步包括:
验证掩埋于安置在所述半导体晶片上的所述多个垂直堆叠结构中的一或多者内的一或多个缺陷;
根据所述多种光学模式中的每一者将所述经验证缺陷中的每一者映射到所述多个聚焦平面的所述选定子组中的每一者处的缺陷位置的对应图像;及
基于所述经验证缺陷及所述对应图像而训练三维扰乱筛选程序以筛除扰乱缺陷。
6.根据权利要求5所述的方法,其中所述训练是基于所述经验证缺陷的图像和所述对应图像或与所述经验证缺陷相关联的特征向量和与所述对应图像相关联的特征向量。
7.根据权利要求5所述的方法,其中所述训练涉及训练机器学习网络以筛除扰乱缺陷。
8.根据权利要求5所述的方法,其中所述训练涉及训练基于离焦特征的自动分类程序。
9.根据权利要求5所述的方法,其中所述训练涉及基于人工产生的规则而训练基于规则的树分类程序。
10.根据权利要求5所述的方法,其进一步包括:
利用所述所训练三维扰乱筛选程序根据所述多种光学模式中的每一者而筛选所述多个聚焦平面的所述选定子组中的每一者处的所述多个缺陷位置中的每一者处的所述图像中的每一者;及
基于与所述多种光学模式中的每一者相关联的真正缺陷俘获率及扰乱缺陷俘获率而从所述多种光学模式选择一种光学模式。
11.根据权利要求10所述的方法,其中所述选择涉及调整与所述多种光学模式中的每一者相关联的缺陷检测算法的一或多个参数值以实现预定扰乱俘获率,从而针对所述预定扰乱俘获率选择实现最高真正缺陷俘获率的光学模式。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科磊股份有限公司,未经科磊股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201780071387.1/1.html,转载请声明来源钻瓜专利网。