单一图像检测制造技术

本发明专利技术提供用于检测样本上的缺陷的方法及系统。一种系统包含产生模型。所述产生模型包含经配置以将输入特征映射集的像素块映射到标签中的非线性网络。所述标签指示所述块的一或多个缺陷相关特性。所述系统将单一测试图像输入到所述产生模型中，所述产生模型基于所述映射确定所述单一测试图像中的像素块的特征且确定所述块的标签。所述系统基于所述经确定标签来检测所述样本上的缺陷。

Single image detection

The present invention provides a method and system for detecting defects on samples. A system contains the generation model. The production model includes a non-linear network configured to map the pixel blocks of the input feature map to the tag. The tag indicates one or more defect related characteristics of the block. The system inputs a single test image into the production model, which determines the feature of the pixel block in the single test image based on the mapping and determines the label of the block. The system detects defects on the sample based on the determined tags.

【技术实现步骤摘要】
【国外来华专利技术】单一图像检测
本专利技术大致上涉及通过单一图像检测检测样本上的缺陷的方法及系统。
技术介绍
以下描述及实例并未凭借其包含于此章节中而被认为是现有技术。制造例如逻辑及存储器装置的半导体装置通常包含使用大量半导体制程处理例如半导体晶片的衬底以形成半导体装置的各种特征及多个层级。例如，光刻是涉及将图案从光罩转印到布置于半导体晶片上的光阻的半导体制程。半导体制程的额外实例包含但不限于化学机械抛光(CMP)、蚀刻、沉积及离子植入。可在单一半导体晶片上的布置中制造多个半导体装置，且接着将其分离成个别半导体装置。在半导体制程期间的各个步骤使用检验程序检测晶片上的缺陷以促进制程中的较高成品率及因此较高利润。检验始终是制造例如IC的半导体装置的重要部分。然而，随着半导体装置尺寸的减小，检验对于可接受半导体装置的成功制造来说变得甚至更为重要，此是因为较小缺陷可引起装置故障。存在用于检测例如晶片及光罩的样本上的缺陷的数种当前使用的方法。例如，在裸片对裸片图像比较中，参考图像及目标图像经对准并相减。接着，将全局阈值应用于相减像素。建立对应于缺陷候选者的二元图。在另一实施例中，在单元对单元图像比较中，就周期性结构(例如，存储器装置)来说，目标图像偏移一个周期且与其自身比较。也可使用更多先进方法来试图将图像分段成不同“同质”区域且优化对特定片段统计量的定限方法。此是实施于商业上可购自加利福尼亚州米尔皮塔斯市(Milpitas)的KLA-Tencor的检验工具上的一些检测方法背后的原理方法，例如分段自动定限(SAT)、中值裸片自动定限(MDAT)、HLAT、基于背景的检验(CBI)及基于目标的检验(TBI)。在扫描电子显微镜(SEM)图像的上下文中，上述方法的变化可用于一些市售电子束检验工具中。定限机制是基于二维直方图表示(散点图)。在此实施方案中，将离群点像素识别为在由参考图像及目标图像的联合直方图形成的主要云外部。在此情况中，使用与参考图像的给定灰值相关联的目标图像的像素值分布来估计优化阈值。然而，存在上述检验方法的若干缺点。例如，裸片对裸片方法需要获取最少两个图像(参考及测试)，此使图像获取时间加倍。明确检测需要最少成像三个裸片(两个参考及一个测试)。另外，在比较之前，需要对准测试图像及参考图像。仅可分析重叠区域。参考图像也可在分析中引入一些噪声，所述噪声始终损害信噪比(SNR)。单独模块可处理缺陷分类部分，但通常归因于缺陷定位问题而导致不良结果。另外，任何基于比较的方法将经受测试图案与参考图案之间的正常差异。此实例是线边缘粗糙度(LER)。典型比较方法归因于标称LER而限制灵敏度。另外，当前使用的方法需要算法团队来设计特征(“手工制作(hand-crafted)”特征)以捕捉任何图像中含有的一些相关信息。团队需要解决一般问题，例如：什么是缺陷对比噪声(defectversusnoise)？；及什么可区别不同缺陷类别？一般假设不断受到读取数据的挑战。为了改进特定层/缺陷类型的性能，团队需要修改算法且需要发布新软件。因此，开发出不具有上文描述的一或多个缺点的用于检测样本上的缺陷的系统及方法将为有利的。
技术实现思路
各种实施例的以下描述不应以任何方式解释为限制随附权利要求书的主题。一个实施例涉及一种经配置以检测样本上的缺陷的系统。所述系统包含经配置以产生样本的图像的成像子系统。所述成像子系统包含经配置以将能量引导到所述样本的至少能量源及经配置以检测来自所述样本的能量的至少检测器。所述系统也包含耦合到所述成像子系统的一或多个计算机子系统。所述一或多个计算机子系统经配置以获取由成像子系统产生的所述样本的部分的单一测试图像。另外，所述系统包含由一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含产生模型。所述产生模型包含经配置以将输入特征映射集(inputfeaturemapvolume)的像素块映射到标签中的非线性网络。所述标签指示块的一或多个缺陷相关特性。所述一或多个计算机子系统经配置以将所述单一测试图像输入到所述产生模型中。所述产生模型经配置以将所述单一测试图像分离成多个像素块。所述产生模型也经配置以针对所述多个像素块中的所述至少一者而基于仅所述多个块中的至少一者中的像素确定所述多个块中的所述至少一者的特征。另外，所述产生模型经配置以基于所述经确定特征及所述输入特征映射集的所述像素的所述块到所述标签的所述映射而针对所述多个块中的所述至少一者选择所述标签中的一者。所述一或多个计算机子系统也经配置以基于所述多个块中的所述至少一者的所述选定标签而检测所述样本的所述部分中的缺陷。所述系统可如本文中描述般进一步配置。另一实施例涉及一种用于检测样本上的缺陷的计算机实施方法。所述方法包含将通过成像子系统针对样本的部分产生的单一测试图像分离成多个像素块。对于所述多个像素块中的至少一者，所述方法包含仅基于所述多个块中的所述至少一者中的像素确定所述多个块中的所述至少一者的特征。通过包含于由一或多个计算机子系统执行的一或多个组件中的产生模型执行所述分离及确定。所述产生模型包含经配置以将输入特征映射集的像素块映射到标签中的非线性网络。所述标签指示所述块的一或多个缺陷相关特性。所述方法也包含基于所述经确定特征及所述输入特征映射集的所述像素的所述块到所述标签的所述映射而针对所述多个块中的所述至少一者选择所述标签中的一者。另外，所述方法包含基于所述多个块中的所述至少一者的所述选定标签而检测所述样本的所述部分中的缺陷。通过所述一或多个计算机子系统执行所述检测。上文描述的方法的步骤中的每一者可如本文中进一步描述般进一步执行。另外，上文描述的方法的实施例可包含本文中描述的任何其它方法的任何其它步骤。另外，可通过本文中描述的任何系统执行上文描述的方法。另一实施例涉及一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可在计算机系统上执行以执行用于检测样本上的缺陷的计算机实施方法。所述计算机实施方法包含上文描述的方法的步骤。所述计算机可读媒体可如本文中描述般进一步配置。计算机实施方法的步骤可如本文中进一步描述般执行。另外，其程序指令可执行的计算机实施方法可包含本文中描述的任何其它方法的任何其它步骤。附图说明所属领域技术人员在受益于优选实施例的以下详细描述的情况下且在参考附图之后将了解本专利技术的进一步优点，其中：图1及1a是说明如本文中描述般配置的系统的实施例的侧视图的示意图；图2是说明可由本文中描述的系统实施例执行的步骤的一个实施例的流程图；图3是说明可由本文中描述的实施例产生的训练数据集的一个实施例的示意图；及图4是说明存储程序指令以使计算机系统执行本文中描述的计算机实施方法的非暂时性计算机可读媒体的一个实施例的框图。虽然本专利技术易于以各种修改及替代形式呈现，但本专利技术的特定实施例在图式中通过实例展示且在本文中详细描述。图式可未按比例。然而，应了解，图式及其详细描述并不意欲将本专利技术限于所揭示的特定形式，而相反，本专利技术欲涵盖落于如由随附权利要求书界定的本专利技术的精神及范围内的全部修改、等效物及替代。具体实施方式如在本文中可互换地使用的术语“设计”、“设计数据”及“设计信息”通常指代IC的物理设计(布局)及通过复杂仿真或简单几何及布尔(Boolean)运算从物本文档来自技高网...

【技术保护点】
1.一种经配置以检测样本上的缺陷的系统，其包括：成像子系统，其经配置以产生样本的图像，其中所述成像子系统包括经配置以将能量引导到所述样本的至少能量源及经配置以检测来自所述样本的能量的至少检测器；一或多个计算机子系统，其耦合到所述成像子系统，其中所述一或多个计算机子系统经配置以获取由所述成像子系统产生的所述样本的部分的单一测试图像；及一或多个组件，其由所述一或多个计算机子系统执行，其中所述一或多个组件包括：产生模型，其中所述产生模型包括经配置以将输入特征映射集的像素块映射到标签中的非线性网络，且其中所述标签指示所述块的一或多个缺陷相关特性；其中所述一或多个计算机子系统进一步经配置以将所述单一测试图像输入到所述产生模型中；其中所述产生模型经配置以：将所述单一测试图像分离成多个像素块；针对所述多个像素块中的至少一者，基于仅所述多个块中的所述至少一者中的像素确定所述多个块中的所述至少一者的特征；及基于所述经确定特征及所述输入特征映射集的所述像素的所述块到所述标签中的所述映射而针对所述多个块中的所述至少一者选择所述标签中的一者；且其中所述一或多个计算机子系统进一步经配置以基于所述多个块中的所述至少一者的所述选定标签来检测所述样本的所述部分中的缺陷。...

【技术特征摘要】
【国外来华专利技术】2015.11.17 US 62/256,601;2016.11.16 US 15/353,2101.一种经配置以检测样本上的缺陷的系统，其包括：成像子系统，其经配置以产生样本的图像，其中所述成像子系统包括经配置以将能量引导到所述样本的至少能量源及经配置以检测来自所述样本的能量的至少检测器；一或多个计算机子系统，其耦合到所述成像子系统，其中所述一或多个计算机子系统经配置以获取由所述成像子系统产生的所述样本的部分的单一测试图像；及一或多个组件，其由所述一或多个计算机子系统执行，其中所述一或多个组件包括：产生模型，其中所述产生模型包括经配置以将输入特征映射集的像素块映射到标签中的非线性网络，且其中所述标签指示所述块的一或多个缺陷相关特性；其中所述一或多个计算机子系统进一步经配置以将所述单一测试图像输入到所述产生模型中；其中所述产生模型经配置以：将所述单一测试图像分离成多个像素块；针对所述多个像素块中的至少一者，基于仅所述多个块中的所述至少一者中的像素确定所述多个块中的所述至少一者的特征；及基于所述经确定特征及所述输入特征映射集的所述像素的所述块到所述标签中的所述映射而针对所述多个块中的所述至少一者选择所述标签中的一者；且其中所述一或多个计算机子系统进一步经配置以基于所述多个块中的所述至少一者的所述选定标签来检测所述样本的所述部分中的缺陷。2.根据权利要求1所述的系统，其中所述产生模型是深度产生模型。3.根据权利要求1所述的系统，其中所述产生模型是机器学习模型。4.根据权利要求1所述的系统，其中所述产生模型是卷积神经网络。5.根据权利要求1所述的系统，其中检测所述缺陷不包括将所述单一测试图像对准到任何其它图像。6.根据权利要求1所述的系统，其中检测所述缺陷不包括比较所述单一测试图像与任何其它图像。7.根据权利要求1所述的系统，其中检测所述缺陷不包括基于统计的缺陷检测。8.根据权利要求1所述的系统，其中所述标签指示所述输入特征映射集中的输入特征是与缺陷相关联还是不与缺陷相关联。9.根据权利要求1所述的系统，其中所述标签指示所述输入特征映射集中的输入特征所相关联的缺陷类型。10.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以基于所述多个块中的所述至少一者的所述选定标签确定所述样本的所述部分中的所述缺陷的类型。11.根据权利要求1所述的系统，其中针对所述多个块中的所述至少一者选择所述标签中的一者包括针对所述多个块的组合选择所述标签中的仅一者。12.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以产生用于训练所述产生模型的训练数据集，且其中所述训练数据集包括所述样本的设计信息的部分与针对所述设计信息的所述部分产生的图像的对的集合。13.根据权利要求12所述的系统，其中针对在所述样本或另一样本上检测到的缺陷产生所述集合中的所述对中的至少一者。14.根据权利要求12所述的系统，其中针对合成缺陷产生所述集合中的所述对中的至少一者。15.根据权利要求12所述的系统，其中针对仿真缺陷产生所述集合中的所述对中的至少一者。16.根据权利要求12所述的系统，其中针对通过工艺窗口认证检测到的缺陷产生所述集合中的所述对中的至少一者。17.根据权利要求12所述的系统，其中所述设计信息包括设计数据。18.根据权利要求12所述的系统，其中所述设计信息包括从设计数据产生的仿真图像。19.根据权利要求12所述的系统，其中所述对中的所述图像中的至少一者包括由所述成像子系统产生的所述样本或另一样本的实际图像。20.根据权利要求12所述的系统，其中所述对中的所述图像中的至少一者包括基于以下各项产生的合成图像：1)所述至少一个图像的所述设计信息，及2)由所述成像子系统针对其它样本产生的其它图像。21.根据权利要求12所述的系统，其中所述对中的所述图像中的至少一者包括基于以下各项产生的仿真图像：1)...

【专利技术属性】
技术研发人员：K·巴哈斯卡尔，约翰·R·约尔丹三世，L·卡尔森迪，桑卡·梵卡泰若曼，Y·卡蒙，
申请(专利权)人：科磊股份有限公司，
类型：发明
国别省市：美国,US