缺陷观察方法以及缺陷观察装置的制造方法
【技术领域】
[0001]本发明涉及一种观察在半导体晶圆的制造中产生的缺陷的方法及其装置。
【背景技术】
[0002]在半导体晶圆的制造中，为了确保收益，迅速地启动制造工艺，尽早转移到高生产率的量产体制是重要的。
[0003]为了该目的，向制造线导入了各种检查/测量装置。在工艺启动阶段，以尽早决定能够形成希望的电路图案的工艺条件为目的，例如进行以下的操作，即有意地变更工艺条件来制作多个晶圆或芯片，对其进行检查，然后根据其检查结果决定工艺条件。
[0004]另一方面，以工艺监视为目的进行量产阶段的晶圆检查。即，在晶圆制造的途中阶段，抽取检查晶圆，调查在晶圆表面是否没有产生缺陷、或形成在晶圆表面的电路图案是否没有异常等。在检查的结果是检测出缺陷、电路图案的异常的情况下，调查其原因并采取必要的对朿。
[0005]作为这样的在工艺启动或量产阶段使用的代表性的检查装置，有光学式的晶圆检查装置。例如在日本特开2000-105203号公报(专利文献I)中，公开了以下技术，即通过亮场照明拍摄晶圆表面的光学图像，通过与合格品部位的图像(例如相邻芯片的图像)的比较来检查缺陷。但是，这样的光学检查装置受其照明波长的影响，取得图像的分辨率极限为数百纳米左右。由此，关于晶圆上的数十纳米级的缺陷只能检测其有无，在进行详细的缺陷分析的情况下，另外需要摄像分辨率更高的缺陷观察装置等。
[0006]缺陷观察装置是使用检查装置的输出，以高分辨率拍摄晶圆上的缺陷位置并输出图像的装置。半导体制造工艺正在细微化，伴随于此，缺陷大小有时也达到了数十nm的数量级，为了详细地观察缺陷，需要数nm数量级的分辨率。因此，近年来广泛使用了利用扫描型电子显微镜(SEM:Scanning Electron Microscope)的观察装置(以下记载为观察SEM)。在半导体的量产线中希望观察作业的自动化，观察SEM安装了自动收集样本内的缺陷位置处的图像的缺陷观察处理(ADR:Automatic Defect Review(自动缺陷观察))和对通过ADR取得的数百张左右缺陷图像按照其产生原因或外观的特征进行自动分类(ADC:Automatic Defect Classificat1n(自动缺陷分类))的功能。此外，在检查装置输出的缺陷位置坐标(表示样本上的缺陷的位置的坐标信息)中包含误差，因此在ADR中具备以下的功能，即从以检查装置输出的缺陷位置坐标为中心广视野地摄像所得的SEM图像中再检测缺陷，高倍率地拍摄再检测出的缺陷位置。作为根据SEM图像的缺陷检测方法，在日本特开2001-189358号公报(专利文献2)中记载了以下的方法，即以拍摄形成有与缺陷部位相同的电路图案的区域所得的图像为参照图像，对拍摄缺陷部位所得的图像和参照图像进行比较，由此检测缺陷。另外，在日本特开2007-40910号公报(专利文献3)中记载了根据拍摄缺陷部位所得的一张图像检测缺陷的方法。作为自动分类的一个方法，在日本特开平8-21803号公报(专利文献4)中记载了以下方法，即通过图像处理对缺陷部位的外观特征量进行定量化，使用神经网络进行分类。另外，作为在应该分类的缺陷的种类多的情况下也能够容易地对应的方法，在日本特开2007-225531号公报(专利文献5)中记载了组合基于规则的分类方法和示教分类方法来进行分类的方法。
[0007]现有技术文献
[0008]专利文献
[0009]专利文献1:日本特开2000-105203号公报
[0010]专利文献2:日本特开2001-189358号公报
[0011]专利文献3:日本特开2007-40910号公报
[0012]专利文献4:日本特开平8-21803号公报
[0013]专利文献5:日本特开2007-225531号公报
【发明内容】
[0014]发明要解决的问题
[0015]如上述那样，在检查装置输出的缺陷位置坐标中包含有误差，因此在缺陷检查装置中也必须根据摄像图像再检测缺陷位置。在专利文献I中记载了以下方法，即基于检测出的图像信号，针对同一形状的构造物的对应的对应像素或其近旁的像素计算图像信号的偏差，设定与该计算出的偏差对应地判定异物等缺陷的存在的像素的信号水平的判定基准(阈值)，基于该判定基准针对图像信号判定缺陷的存在。
[0016]但是，伴随着半导体制造工艺的细微化/复杂化，缺陷检出率的降低成为问题。例如，伴随着细微化，致命的缺陷大小也微小化，因此难以辨别电路图案的制造公差(例如线边缘粗糙度等)。另外，如果器件为立体构造，则来自下层的信号量变小，因此难以辨别噪声和缺陷信号。
[0017]为了高精度地进行辨别，使用特征量的分析是有效的。具体地说，首先通过浓淡比较提取出缺陷图像和参照图像(合格品图像)之间的浓淡差大的区域作为缺陷候选(作为该方法，可以使用专利文献1、专利文献2、专利文献3所记载的方法)O在缺陷候选中除了真正的缺陷部位以外，还包含错误地检测了制造公差等的部位(以后称为妨扰(nuisance))。因此，对于提取出的各缺陷候选，对从图像得到的特征(例如浓淡值、面积、圆形度等)进行定量化，使用识别器对缺陷和妨扰进行识别。此外，识别器可以使用模式识别的技术通过机械学习来构成。作为模式识别技术，例如可以使用神经网络、SVM(支持向量机)等，也可以自动生成识别规则。
[0018]一般，为了通过机械学习构成高精度的识别器，必须示教许多被标记为“缺陷”和“妨扰”的缺陷候选。但是，对于通过浓淡比较检查而检测出的缺陷候选，用户进行“缺陷”和“妨扰”的标记需要很大的劳力，不现实。因此，本发明的目的在于:提供一种方法和装置，其能够从观察对象样本中容易地提取能够标记为“缺陷”和“妨扰”的缺陷候选，能够容易地调整与观察处理有关的参数。
[0019]用于解决问题的手段
[0020]为了解决上述问题，例如采用权利要求所记载的结构。
[0021]本申请包含多个解决上述问题的手段，但如果列举其一个例子，则其特征在于，包括:根据来自检查装置的缺陷信息拍摄被检查对象物，得到缺陷图像和与该缺陷图像对应的参照图像的摄像步骤；使用根据在上述摄像步骤中拍摄所得的该缺陷图像和该参照图像得到的第一特征量分布、根据该参照图像得到的第二特征量分布，决定用于缺陷提取的第一参数的参数决定步骤；使用在上述参数决定步骤中决定的该第一参数进行观察的观察步骤。
[0022]发明效果
[0023]根据本发明，能够从观察对象样本中容易地提取出能够标记为缺陷和妨扰的缺陷候选。
[0024]通过以下的实施方式的说明来了解上述以外的问题、结构和效果。
【附图说明】
[0025]图1是缺陷观察装置的结构图。
[0026]图2是缺陷观察装置的控制部以及存储部、计算部的结构图。
[0027]图3是用于取得缺陷观察图像的结构图。
[0028]图4是用于取得缺陷观察图像的处理流程。
[0029]图5是表示SEM图像和缺陷候选提取结果的示意图。
[0030]图6是表示特征量空间的示意图。
[0031]图7是用于调整参数的结构图。
[0032]图8是用于调整参数的处理流程。
[0033]图9是使用多张参照图像提取出缺陷的例子。
[0034]图10是使用多张参照图像提取出妨扰的例子。
[0035]图11是用于调整参数的处理流程。
[0036]图12是控制参数调整的执行的处理流程。
[0037]图13是显示参数的调整结果的⑶I。
[0038]图14是用于确认缺陷检测结果的⑶I。
[0039]图15是用于调整参数的处理流程。
【具体实施方式】
[0040]实施例1
[0041]以下，说明与本发明有关的缺陷观察处理。在本实施例中，说明通过具备扫描型电子显微镜(SEM)的摄像装置取得缺陷的观察图像的方法，但与本发明有关的摄像装置也可以是SEM以外，可以是使用了离子等带电粒子束的摄像装置。<