用于重复缺陷检测的无监督学习制造技术

为了发现重复缺陷，获得一或多个半导体晶片的光学检验结果。基于所述光学检验结果，识别所述一或多个半导体晶片上的多个缺陷。将所述多个缺陷中的在所述一或多个半导体晶片的多个裸片上具有等同裸片位置的缺陷分类为重复缺陷。基于所述光学检验结果，使用无监督机器学习将所述重复缺陷群集化成多个群集。对所述重复缺陷进行评分。对所述重复缺陷进行评分包含基于所述多个群集中的群集包含相应重复缺陷的多个例子的程度将相应得分分配给所述相应重复缺陷。基于所述相应得分对所述重复缺陷进行排名。陷进行排名。陷进行排名。

【技术实现步骤摘要】
【国外来华专利技术】用于重复缺陷检测的无监督学习
[0001]相关审请案
[0002]本申请案主张于2020年8月21日提出申请的美国临时专利申请案第63/068，380号的优先权，所述申请案出于所有目的以其全文引用方式并入。


[0003]本专利技术涉及半导体缺陷检测，且更具体来说涉及使用无监督学习来检测重复缺陷。

技术介绍

[0004]半导体晶片上的重复缺陷是出现在晶片上的多个裸片上的相同裸片位置处的缺陷。重复缺陷可由光罩(即，光掩模)上的缺陷导致，这致使层将在晶片上的特定裸片上的相同位置处(即，在晶片上的多个裸片上的相同光罩级位置处)被错误地图案化。发现及消除重复缺陷是半导体制作的合格率改进的重要部分。
[0005]可透过晶片的光学检验来识别半导体晶片上的缺陷(包含重复缺陷)。然而，光学检验会识别妨扰缺陷以及所关注缺陷。所关注缺陷是削弱半导体装置的功能性的真正缺陷，而妨扰缺陷由细微工艺变化导致并且不会削弱装置功能性。半导体晶片上所关注缺陷的存在会降低晶片合格率(即，晶片上功能性裸片的数目或百分比)。半导体晶片上妨扰缺陷的存在不会影响合格率。因此，工程师感兴趣的是发现所关注缺陷而不是妨扰缺陷。然而，在现代光学检验中，妨扰缺陷可在数目上比所关注缺陷超出数个数量级。
[0006]可通过执行光学检验及识别具有相同裸片级或光罩级位置的缺陷(例如，通过将多个裸片的图像堆叠)来识别重复缺陷。但此方法遭遇用于发现所关注缺陷的重复缺陷的低信噪比：由于由光学检验识别的大数目的妨扰缺陷，因此使用此方法识别的重复缺陷中的许多重复缺陷结束于妨扰缺陷。

技术实现思路

[0007]因此，存在对用于识别作为所关注缺陷的重复缺陷的更准确方法及系统的需要。
[0008]在一些实施例中，一种发现重复缺陷的方法包含获得一或多个半导体晶片的光学检验结果。基于所述光学检验结果，识别所述一或多个半导体晶片上的多个缺陷。将所述多个缺陷中的在所述一或多个半导体晶片的多个裸片上具有等同裸片位置的缺陷分类为重复缺陷。基于所述光学检验结果，使用无监督机器学习将所述重复缺陷群集化成多个群集。对所述重复缺陷进行评分。对所述重复缺陷进行评分包含基于所述多个群集中的群集包含相应重复缺陷的多个例子的程度将相应得分分配给所述相应重复缺陷。基于所述相应得分对所述重复缺陷进行排名。
[0009]在一些实施例中，一种非暂时性计算机可读存储媒体存储用于由一或多个处理器执行的一或多个程序。所述一或多个程序包含用于执行以上方法的指令。
[0010]在一些实施例中，一种系统包含光学检验工具、一或多个处理器及存储用于由所
述一或多个处理器执行的一或多个程序的存储器。所述一或多个程序包含用于执行以上方法的指令。
[0011]此方法、系统及非暂时性计算机可读存储媒体允许作为将用高信噪比识别的所关注缺陷(即，真正重复缺陷)的重复缺陷。
附图说明
[0012]为了较好地理解各种所描述实施例，应结合以下图式参考下文的具体实施方式。
[0013]图1是展示半导体晶片上的缺陷位置的晶片图。
[0014]图2是根据一些实施例的展示发现重复缺陷的方法的流程图。
[0015]图3A展示根据一些实施例的使用图2的方法中的无监督机器学习来执行的群集化的结果的实例。
[0016]图3B展示根据一些实施例的基于图3A中的群集化的重复缺陷的得分的图表。
[0017]图4展示根据一些实施例的用以选择超参数值的图表。
[0018]图5是根据一些实施例的半导体缺陷识别系统的框图。
[0019]在图式及说明书通篇中，相似元件符号指代对应部分。
具体实施方式
[0020]现将详细参考各种实施例，所述实施例的实例在随附图式中加以图解说明。在以下详细说明中，陈述众多特定细节以便提供对各种所描述实施例的透彻理解。然而，所属领域的技术人员将明了，可在不具有这些特定细节的情况下实践各种所描述实施例。在其它例子中，未详细描述熟知方法、过程、组件、电路及网络以免不必要地模糊实施例的各方面。
[0021]图1是展示半导体晶片100上的缺陷位置的晶片图。半导体晶片100具有多个裸片104，所述多个裸片是使用光刻通过以下操作来制作的：使光罩(即，光掩模)步进跨越晶片100并相继曝光晶片上的相应区域102以将多个裸片104的相应层图案化。每一区域102含有半导体裸片104的阵列。阵列(即，区域102)中的每一半导体裸片104对应于光罩上的相应图案化区域。每一光罩具有名义上等同的图案化区域的阵列，所述图案化区域中的每一者对应于每一区域102的阵列中的相应半导体裸片104。在图1的实例中，每一区域102具有半导体裸片104
‑
1到104
‑
6的2
×
3阵列，且每一光罩具有名义上等同的图案化区域的对应2
×
3阵列。区域102及光罩的阵列大小的其它实例是可能的，晶片100上半导体裸片104的数目的其它实例也是可能的。
[0022]半导体晶片100的晶片图上所展示的缺陷包含重复缺陷106及非重复缺陷108。在图1的实例中，重复缺陷包含重复缺陷106
‑
1、106
‑
2及106
‑
3。重复缺陷106
‑
1出现在半导体裸片104
‑
1的六个例子中的相同裸片级位置处，且因此出现在六个不同裸片中的相同光罩级位置处。重复缺陷106
‑
2出现在半导体裸片104
‑
4的两个例子中的相同裸片级位置处，且因此出现在两个不同裸片中的相同光罩级位置处。重复缺陷106
‑
3出现在半导体裸片104
‑
6的三个例子中的相同裸片级位置处，且因此出现在三个不同裸片中的相同光罩级位置处。非重复缺陷108未出现在多个半导体裸片104中的相同裸片级位置处，且因此未出现在多个半导体裸片104中的相同光罩级位置处。一般来说，如果缺陷位于多个裸片内的相同位置处且如果多个裸片位于区域102中相应阵列中的相同位置处，那么缺陷具有相同光罩级位置。
[0023]图2是根据一些实施例的展示发现重复缺陷(例如，重复缺陷106
‑
1、106
‑
2及/或106
‑
3，图1)的方法200的流程图。方法200可通过通信地耦合到光学检验工具(例如，光学检验工具530，图5)的计算机系统来执行。举例来说，方法200可通过图5的半导体缺陷识别系统500中的计算机系统来执行。
[0024]在方法200中，获得(202)一或多个半导体晶片(例如，半导体晶片100的一或多个例子，图1)的光学检验结果。光学检验结果包含一或多个半导体晶片上的半导体裸片的差异图像。每一差异图像是相应目标图像与参考图像之间的差异：通过比较裸片的目标图像与参考图像(例如，通过从目标图像减去参考图像，或反之亦然)来产生差异图像。通过使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，其包括：获得一或多个半导体晶片的光学检验结果；基于所述光学检验结果，识别所述一或多个半导体晶片上的多个缺陷；将所述多个缺陷中的在所述一或多个半导体晶片的多个裸片上具有等同裸片位置的缺陷分类为重复缺陷；基于所述光学检验结果，使用无监督机器学习将所述重复缺陷群集化成多个群集；对所述重复缺陷进行评分，包括基于所述多个群集中的群集包含相应重复缺陷的多个例子的程度将相应得分分配给所述相应重复缺陷；及基于所述相应得分对所述重复缺陷进行排名。2.根据权利要求1所述的方法，其进一步包括：选择具有满足阈值的相应得分的重复缺陷；及产生规定所述所选择重复缺陷的报告。3.根据权利要求1所述的方法，其中所述分类包括将所述多个缺陷中的在所述一或多个半导体晶片上具有等同光罩级位置的缺陷分类为所述重复缺陷。4.根据权利要求1所述的方法，其中每一得分对应于所述多个群集中的群集中相应重复缺陷的例子的最大百分比。5.根据权利要求1所述的方法，其中每一得分对应于所述多个群集中相应重复缺陷的例子的非零百分比的平均值。6.根据权利要求1所述的方法，其进一步包括从所述光学检验结果提取所述重复缺陷的缺陷属性，其中所述无监督机器学习使用所述缺陷属性。7.根据权利要求6所述的方法，其中所述缺陷属性包括选自由大小、裸片位置、晶片位置及光学强度组成的群组的缺陷属性。8.根据权利要求1所述的方法，其中：所述光学检验结果包括所述一或多个半导体晶片上的裸片的目标图像及所述一或多个半导体晶片上的所述裸片的差异图像，每一差异图像是相应目标图像与参考图像之间的差异；所述识别包括在所述差异图像中识别所述多个缺陷；且使用所述无监督机器学习将所述重复缺陷群集化包括将所述目标图像提供给无监督机器学习算法。9.根据权利要求1所述的方法，其中使用无监督机器学习算法来执行使用所述无监督机器学习将所述重复缺陷群集化，所述无监督机器学习算法未规定群集的预定义数目。10.一种存储用于由一或多个处理器执行的一或多个程序的非暂时性计算机可读存储媒体，所述一或多个程序包含用于以下各项的指令：获得一或多个半导体晶片的光学检验结果；基于所述光学检验结果，识别所述一或多个半导体晶片上的多个缺陷；将所述多个缺陷中的在所述一或多个半导体晶片的多个裸片上具有等同裸片位置的缺陷分类为重复缺陷；基于所述光学检验结果，使用无监督机器学习将所述重复缺陷群集化成多个群集；对所述重复缺陷进行评分，包括基于所述多个群集中的群集包含相应重复缺陷的多个
例子的程度将相应得分分配给所述相应重复缺陷；及基于所述相应得分对所述重复缺陷进行排名。11.根据权利要求10所述的计算机可读存储媒体，所述一或多个程序进一步包括用于以下各项的指令：选择具有满足阈值的相应得分的重复缺陷；及产生规定所述所选择重复缺陷的报告。12.根据权利要求10所述的计算机可读存储媒体，其中所述用于分类的指令包括用于将所述多个缺陷中的在所述一或多个半导体晶片上具有等同光罩级位置的缺陷分类为所述重复缺陷的指令。13.根据权利要求10所述的计算机可读存储媒体，其中每一得分对应于所述多个群集中的群集中相应重复缺陷的例子的最大百分比。14.根据权利要求10所述的计算机可读存储媒体，其中每一得分对应于所述多个群集中相应重复缺陷的例子的非零百分比的平均值。15.根据权利要求10所述的计算机可读存储媒体，所述一或多个程序进一步包括用于从所述光学检验结果提...

【专利技术属性】
技术研发人员：林政宪，郑雯介，
申请(专利权)人：科磊股份有限公司，
类型：发明
国别省市：