样本检验的方法及其系统与流程
本公开的主题整体涉及样本检验领域，并且更具体地，涉及在样本上的缺陷检测的方法和系统。
背景技术：
当前对与所制造的器件的超大规模集成相关联的高密度和性能的需求要求亚微米特征、增大的晶体管和电路速度以及提高的可靠性。随着半导体工艺发展，图案尺寸(诸如线宽)和其他类型的临界尺寸不断地缩减。这也称为设计规则。这种需求要求形成具有高精确度和均匀性的器件特征，这又必需监视制造工艺，包括在器件仍然是半导体晶片(包括成品器件和/或非成品器件)的形式时对器件的频繁且详细的检查。
本说明书中使用的术语“样本”应当广泛地解释为覆盖用于制造半导体集成电路、磁头、平板显示器和其他半导体制造的制品的任何种类的晶片、掩模和其他结构、以上项的组合和/或部分。
除非另外具体地说明，否则本说明书中使用的术语“检验”应当广泛地解释为覆盖对对象中的缺陷的任何种类的检测和/或分类。检验是通过在待检验的对象的制造期间或之后使用例如非破坏性检验工具来提供。作为非限制性示例，检验工艺可以包括使用一个或多个检验工具进行扫描(以单次扫描或多次扫描)、采样、查验、测量、分类和/或关于对象或对象的部分提供的其他操作。同样地，检验可以在待检验的对象的制造之前提供并可以包括例如生成检验方案。将注意，除非另外具体地说明，否则本说明书中使用的术语“检验”或“检验”的衍生词不受限于检验区域的大小、扫描的速度或分辨率或检验工具的类型。作为非限制性示例，多种非破坏性检验工具包括光学工具、扫描电子显微镜、原子力显微镜等。
检验工艺可以包括多个检验步骤。在制造工艺期间，检验步骤可以执行多次，例如在制造或处理某些层之后等。另外地或另选地，每个检验步骤可以重复多次，例如针对不同晶片位置或针对在不同检验设定下的相同晶片位置。
作为非限制性示例，运行时检验可以采用两步骤式过程，例如，先是检查样本，接着查验所采样的缺陷。在检查步骤期间，典型地以相对高的速度和/或低的分辨率扫描样本或样本的一部分(例如，感兴趣的区域、热点等)的表面。分析所捕获的检查图像，以便检测缺陷并获得所述缺陷的位置和其他检查属性。在查验步骤处，典型地以相对低的速度和/或高的分辨率捕获在检查阶段期间检测到的缺陷中的至少一些的图像，从而使得能够对缺陷中的至少一些进行分类和任选地进行其他分析。在一些情况下，两个阶段都可以由相同检查工具实现，并且在一些其他情况下，这两个阶段由不同检查工具实现。
检验一般涉及通过将光或电子引导到晶片并检测来自晶片的光或电子来为晶片生成某种输出(例如，图像、信号等)。一旦已经生成输出，典型地通过将缺陷检测方法和/或算法应用到输出来执行缺陷检测。最通常地，检验目的是对感兴趣的缺陷提供高灵敏度，而同时抑制对晶片上的危害和噪声的检测。
本领域中需要的是提高缺陷检测的灵敏度。
技术实现要素：
根据本公开的主题的某些方面，提供了一种用于样本检验的计算机化系统，所述系统包括：检验工具，所述检验工具被配置为捕获所述样本的管芯(die)的检查图像并使用一个或多个参考图像生成指示所述检查图像上的缺陷候选分布的缺陷图；以及处理单元，所述处理单元可操作地连接到所述检验工具，所述处理单元包括存储器和可操作地耦接到所述存储器的处理器，所述处理单元被配置为：根据预限定的标准从所述缺陷图选择多个缺陷候选；以及对于所述多个缺陷候选中的每个，生成相应修改后的检查图像图块，从而产生对应于所述多个缺陷候选的多个修改后的检查图像图块，其中所述生成包括对于所述多个缺陷候选中的给定缺陷候选：分别从所述检查图像以及所述一个或多个参考图像中的每个提取在所述给定缺陷候选的位置周围的图像图块，从而产生包括对应于所述给定缺陷候选的检查图像图块和一个或多个参考图像图块的一组图像图块；以及修改所述检查图像图块以获得修改后的检查图像图块，包括：使用所述一组图像图块估计表示所述检查图像图块上的强度变化的噪声，所述噪声包括表示所述检查图像图块的像素值与所述参考图像图块中的至少一些中的对应像素值之间的多项式关系的第一类型的噪声、以及表示相对于所述参考图像图块中的至少一些的所述检查图像图块中的空间异常的存在的第二类型的噪声；以及基于所估计的噪声来从所述检查图像图块去除所述第一类型的噪声和所述第二类型的噪声中的至少一种；其中所述修改后的检查图像图块和/或所述所估计的噪声可用于所述样本的进一步检验。
除了以上特征之外，根据本公开的主题的这一方面所述的系统可以以技术上可能的任何期望的组合或置换包括以下列出的特征(i)至(ix)中的一个或多个。
(i)所述处理单元还可以被配置为相对于所述一个或多个参考图像图块使用所述多个修改后的检查图像图块对所述样本执行缺陷检测，从而产生更新后的缺陷图。
(ii)所述处理单元还可以被配置为使用表征所述缺陷候选的一组属性执行缺陷候选聚类，所述一组属性包括所述所估计的噪声的至少一个或多个属性。
(iii)所述估计可以包括：估计所述空间异常的空间大小和相对于所述一个或多个参考图像图块中的每个的所述多项式关系的一个或多个系数，从而产生所述空间大小和对应于所述一个或多个参考图像图块的所述系数的一个或多个估计；以及基于所述一个或多个估计中的至少一些执行所述去除。
(iv)所述估计还可以包括：组合所述空间大小的所述一个或多个估计以生成所述空间异常的复合估计；将所述复合估计与已知的缺陷模型进行比较以确定所述复合估计是否表示在所述检查图像图块上存在所述已知的缺陷模型，并且其中所述去除包括响应于确定存在所述已知的缺陷模型，基于所述复合估计来从所述检查图像图块去除所述第二类型的噪声。
(v)所述估计还可以包括组合所述系数的所述一个或多个估计以生成所述多项式关系的复合估计，并且其中所述去除包括基于所述复合估计来从所述检查图像图块去除所述第一类型的噪声。
(vi)对于所述一个或多个参考图像图块中的给定参考图像图块，所述估计空间大小可以包括：
提供所述空间大小的不同估计，每个估计包括所述空间异常的长度、宽度和幅值，以及提供与所述空间异常共存的潜在缺陷的幅值的不同缺陷估计；
使用所述空间大小的所述不同估计与所述不同缺陷估计之间的多个组合来计算多个所估计的误差，每个所估计的误差指示预期修改后的检查图像图块与所述给定参考图像图块之间的残差，其中预期所述修改后的检查图像图块可通过使用相应组合修改所述检查图像图块来获得；以及
在所述多个所估计的误差中提供最小所估计的误差的所述多个组合中选择一个组合，其中所述选定组合包括所述空间大小的选定估计。
(vii)所述一个或多个系数可以包括所述多项式关系的增益和偏移。
(viii)所述所估计的噪声的所述一个或多个属性可以包括所述空间大小和所述系数的一个或多个估计。
(ix)所述检验工具是光学检查工具。
根据本公开的主题的另一方面，提供了一种样本检验的计算机化方法，所述方法包括：由检验工具捕获所述样本的管芯的检查图像并使用一个或多个参考图像生成指示所述检查图像上的缺陷候选分布的缺陷图；由可操作地连接到所述检验工具的处理单元根据预限定的标准从所述缺陷图选择多个缺陷候选；以及由所述处理单元对于所述多个缺陷候选中的每个，生成相应修改后的检查图像图块，从而产生对应于所述多个缺陷候选的多个修改后的检查图像图块，其中所述生成包括对于所述多个缺陷候选中的给定缺陷候选：分别从所述检查图像以及所述一个或多个参考图像中的每个提取在所述给定缺陷候选的位置周围的图像图块，从而产生包括对应于所述给定缺陷候选的检查图像图块和一个或多个参考图像图块的一组图像图块；以及修改所述检查图像图块以获得修改后的检查图像图块，包括：使用所述一组图像图块估计表示所述检查图像图块上的强度变化的噪声，所述噪声包括表示所述检查图像图块的像素值与所述参考图像图块中的至少一些中的对应像素值之间的多项式关系的第一类型的噪声、以及表示相对于所述参考图像图块中的至少一些的所述检查图像图块中的空间异常的存在的第二类型的噪声；以及基于所述所估计的噪声来从所述检查图像图块去除所述第一类型的噪声和所述第二类型的噪声中的至少一种；其中所述修改后的检查图像图块和/或所述所估计的噪声可用于所述样本的进一步检验。
本公开的主题的这一方面可以以技术上可能的任何期望的组合或置换包括以上关于系统列出的特征(i)至(ix)中的一个或多个并加以必要的变更。
根据本公开的主题的另一方面，提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质有形地体现当由计算机执行时致使所述计算机执行样本检验的方法的指令程序，所述方法包括：由检验工具捕获所述样本的管芯的检查图像并使用一个或多个参考图像生成指示所述检查图像上的缺陷候选分布的缺陷图；由可操作地连接到所述检验工具的处理单元根据预限定的标准从所述缺陷图选择多个缺陷候选；以及由所述处理单元对于所述多个缺陷候选中的每个，生成相应修改后的检查图像图块，从而产生对应于所述多个缺陷候选的多个修改后的检查图像图块，其中所述生成包括对于所述多个缺陷候选中的给定缺陷候选：分别从所述检查图像以及所述一个或多个参考图像中的每个提取在所述给定缺陷候选的位置周围的图像图块，从而产生包括对应于所述给定缺陷候选的检查图像图块和一个或多个参考图像图块的一组图像图块；以及修改所述检查图像图块以获得修改后的检查图像图块，包括：使用所述一组图像图块估计表示所述检查图像图块上的强度变化的噪声，所述噪声包括表示所述检查图像图块的像素值与所述参考图像图块中的至少一些中的对应像素值之间的多项式关系的第一类型的噪声、以及表示相对于所述参考图像图块中的至少一些的所述检查图像图块中的空间异常的存在的第二类型的噪声；以及基于所估计的噪声来从所述检查图像图块去除所述第一类型的噪声和所述第二类型的噪声中的至少一种；其中所述修改后的检查图像图块和/或所述所估计的噪声可用于所述样本的进一步检验。
本公开的主题的这一方面可以以技术上可能的任何期望的组合或置换包括以上关于系统列出的特征(i)至(ix)中的一个或多个并加以必要的变更。
附图说明
为了理解本发明并知晓在实践中如何实施本发明，现在将参考附图仅通过非限制性示例来描述实施方式，其中：
图1示出了根据本公开的主题的某些实施方式的样本检验的系统的框图；
图2示出了根据本公开的主题的某些实施方式的样本检验的概括性流程图；
图3示出了根据本公开的主题的某些实施方式的图像图块提取的示意图；
图4示出了根据本公开的主题的某些实施方式的解释检查图像图块的像素与参考图像图块的对应像素之间的多项式关系的示意图；
图5示出了根据本公开的主题的某些实施方式的示出与参考图像图块相比在检查图像图块上存在第一类型的噪声、第二类型的噪声、以及缺陷的示意图；
图6示出了根据本公开的主题的某些实施方式的示出对应于多个参考图像图块的缺陷和空间异常的多个估计的示意图；
图7示出了根据本公开的主题的某些实施方式的已知的缺陷模型和空间异常的像素分布的示例图；
图8示出了根据本公开的主题的某些实施方式的在缺陷重新检测之前生成的缺陷图和在重新检测之后生成的对应的更新后的缺陷图的示例；以及
图9示出了根据本公开的主题的某些实施方式的对应于图8中的错误警报808的检查图像图块的示例性修改。
具体实施方式
在以下详述中，阐述了许多具体细节，以便提供对本发明的透彻理解。然而，本领域的技术人员将理解，本公开的主题可以在没有这些具体细节的情况下实践。在其他情况下，没有详细地描述所熟知的方法、过程、部件和电路，以免模糊本公开的主题。
除非另外具体地说明，否则如从以下讨论中显而易见，将了解，贯穿本说明书讨论，利用术语诸如“检验”、“捕获”、“生成”、“选择”、“提取”、“修改”、“估计”、“去除”、“执行”、“组合”、“比较”、“确定”、“提供”、“计算”是指计算机的操纵数据和/或将数据变换为成其他数据的计算机的动作和/或处理，所述数据被表示为物理(诸如电子)量和/或所述数据表示物理对象。术语“计算机”应当广泛地解释为覆盖具有数据处理能力的任何种类的基于硬件的电子装置，作为非限制性示例，包括本申请中公开的样本检验的计算机化系统或计算机化系统的部分以及在计算机化系统中的处理单元。
本文使用的术语“非暂态存储器”和“非暂态存储介质”应当广泛地解释为覆盖适合本公开的主题的任何易失性或非易失性计算机存储器。
本说明书中使用的术语“缺陷”应当广泛地解释为覆盖在样本上或样本内形成的任何种类的异常或不期望的特征或空隙。
本说明书中使用的术语“设计数据”应当广泛地解释为覆盖指示样本的分层物理设计(布局)的任何数据。设计数据可以由相应设计者提供和/或可以从物理设计导出(例如，通过复杂模拟、简单几何和布尔操作等)。设计数据可以以不同格式提供，作为非限制性示例，如gdsii格式、oasis格式等。设计数据可以以矢量格式、灰度级强度图像格式或以其他方式呈现。
将了解，除非另外具体地说明，否则在单独的实施方式的上下文中描述的本公开的主题的某些特征也可以在单一实施方式中组合地提供。相反，在单一实施方式的上下文中描述的本公开的主题的各种特征也可以单独地提供或以任何合适的子组合提供。在以下详述中，阐述了许多具体细节，以便提供对方法和设备的透彻理解。
考虑到这一点，将注意力放到图1，示出了根据本公开的主题的某些实施方式的样本检验的系统的框图。
图1中所示的系统100可以用于样本(例如，晶片、晶片上的管芯和/或晶片的部分)检验。如上所述，本说明书中使用的术语“样本”应当广泛地解释为覆盖用于制造半导体集成电路、磁头、平板显示器和其他半导体制造的制品的任何种类的晶片、掩模、掩模版和其他结构、以上项的组合和/或部分。根据某些实施方式，本文中所用的样本可以选自包括以下项的组：晶片、掩模版、掩模、集成电路和平板显示器(或以上项的至少一部分)。
仅出于说明目的，关于管芯和晶片提供以下描述的某些实施方式。实施方式同样地适用于样本的其他类型、大小和表示。
根据某些实施方式，系统100可以包括、或可操作地连接到一个或多个检验工具120。本文使用的术语“检验工具”应当广泛地解释为涵盖可用于检验相关工艺的任何工具，通过非限制性示例，包括成像、扫描(以单次扫描或多次扫描)、采样、查验、测量、分类和/或关于样本或样本的部分提供的其他工艺。一个或多个检验工具120可以包括一个或多个检查工具和/或一个或多个查验工具。在一些情况下，检验工具120中的至少一个可以是被配置为扫描样本(例如，整个晶片、整个管芯或上述的一部分)以捕获检查图像(典型地以相对高的速度和/或低的分辨率)来检测潜在缺陷的检查工具。在一些情况下，检验工具120中的至少一个可以是查验工具，所述查验工具被配置为捕获检查工具检测到的缺陷中的至少一些的查验图像以确定潜在缺陷是否确实是缺陷。这种查验工具通常被配置为一次检查一个管芯的片段(典型地以相对低的速度和/或高的分辨率)。检查工具和查验工具可以是位于相同或不同位置的不同工具，或以两种不同模式操作的单一工具。在一些情况下，至少一种检验工具可以具有计量能力。
在不以任何方式限制本公开的范围的情况下，还应当注意，检验工具120可以被实现为各种类型的检查机器，诸如光学成像机器、电子束检查机器等。
根据某些实施方式，检验工具120可以被配置为捕获样本的管芯的检查图像。检验工具120还可以被配置为使用一个或多个参考图像来生成指示检查图像上的缺陷候选分布的缺陷图。检查图像可以从不同检验模态产生，并且本公开不受用于生成图像的检查和计量技术限制。在一些实施方式中，检验工具120可以是被配置为扫描样本以捕获图像的检查工具。在一些情况下，可以处理样本的所捕获的图像(例如，通过图像处理模块的功能性可以集成在检验工具120内或处理单元102内、或被实现为独立计算机的图像处理模块)，以便生成指示缺陷候选分布(即，样本上的很有可能是感兴趣的缺陷(doi)的可疑位置)的缺陷图，如将关于图2更详细地描述。
本文所用的术语“感兴趣的缺陷(doi)”是指要检测的用户感兴趣的任何真实缺陷。例如，如与危害类型的缺陷相比，可能导致成品率损失的任何“致命”缺陷可以被指示为doi，这也是真实缺陷，但是不会影响成品率，因此应当忽略。
本文所用的术语“噪声”应当广泛地解释为包括任何不想要的或不感兴趣的缺陷(也被称为非doi或危害)、以及在检查期间由不同变化(例如，工艺变化、颜色变化、机械和电变化)导致的随机噪声。
系统100可以包括可操作地连接到i/o接口126和检验工具120的处理单元102。处理单元102是被配置为提供操作系统100所需的所有处理的处理电路，这在下面参照图2更详细地描述。处理单元102包括处理器(未单独地示出)和存储器(未单独地示出)。处理单元102的处理器可以被配置为根据在包括在处理单元中的非暂态计算机可读存储器上实现的计算机可读指令来执行若干功能模块。此类功能模块在下面被称为包括在处理单元102中。
处理单元102中包括的功能模块可以包括图块提取模块104和图块修改模块106，它们可操作地彼此连接。图块修改模块106可以包括彼此可操作地连接的噪声估计模块108和噪声去除模块110。处理单元102可以被配置为：根据预限定的标准从缺陷图选择多个缺陷候选；以及对于多个缺陷候选中的每个，生成相应修改后的检查图像图块，从而产生对应于多个缺陷候选的多个修改后的检查图像图块。
具体地，对于多个缺陷候选中的给定缺陷候选，图块提取模块104可以被配置为分别从检查图像以及一个或多个参考图像中的每个提取在给定缺陷候选的位置周围的图像图块，从而产生包括对应于给定缺陷候选的检查图像图块和一个或多个参考图像图块的一组图像图块。图块修改模块106可以被配置为修改检查图像图块以获得修改后的检查图像图块。根据某些实施方式，可以如下执行检查图块的修改：噪声估计模块108可以被配置为使用一组图像图块估计表示检查图像图块上的强度变化的噪声，所述噪声包括表示检查图像图块的至少一些像素与参考图像图块中的至少一些中的对应像素之间的多项式关系的第一类型的噪声、以及表示相对于参考图像图块中的至少一些的检查图像图块上的空间异常的存在的第二类型的噪声，并且噪声去除模块110可以被配置为基于所估计的噪声来从检查图像图块去除第一类型的噪声和第二类型的噪声中的至少一种。
根据某些实施方式，修改后的检查图像图块和/或所估计的噪声可用于样本的进一步检查。作为示例，可以将修改后的检查图像图块提供给检验工具120和/或任何其他检验工具和/或处理单元102(在这种情况下，处理单元102还可以包括缺陷检测模块(图1中未示出))以供用于相对于一个或多个参考图像图块对样本执行缺陷检测，从而产生更新后的缺陷图。在一些实施方式中，可以将修改后的检查图像图块发送到基于计算机的图形用户界面(gui)124以呈现结果。作为另一个示例，可以将表征所估计的噪声的一个或多个属性提供给检验工具120和/或任何其他检验工具和/或处理单元102以供用作表征缺陷候选的一组属性的一部分，其中所述组属性可以用于执行缺陷候选聚类，如将在下面参考图2更详细地描述。
根据某些实施方式，系统100可以包括存储单元122。存储单元122可以被配置为存储操作系统100所需的任何数据，例如，与系统100的输入和输出有关的数据，以及由系统100生成的中间处理结果。作为示例，存储单元122可以被配置为存储由检验工具120产生的一个或多个图像和/或图像的衍生物(例如，对应于图像的缺陷图)。因此，可以从存储单元122检索一个或多个图像和/或缺陷图并所述一个或多个图像和/或缺陷图提供给处理单元102以进行进一步处理。另外地或另选地，存储单元122可以被配置为存储一组图像图块、所估计的噪声(及所估计的噪声的属性)和/或修改后的检查图像图块，它们可以从存储单元检索并提供给检验工具120和/或任何其他检验工具和/或处理单元102以进行进一步处理。
在一些情况下，系统100可以可操作地连接到一个或多个外部数据储库(图1中未示出)，所述外部数据储库被配置为存储由检验工具120和/或处理单元102产生的数据(和/或数据的衍生物)。
在一些实施方式中，系统100可以任选地包括基于计算机的图形用户界面(gui)124，所述基于计算机的图形用户界面被配置为启用与系统100有关的用户指定的输入。例如，可以向用户呈现样本的视觉表示(例如，通过形成gui124的部分的显示器)，诸如针对样本的管芯捕获的检查图像和/或对应缺陷图。可以通过gui向用户提供限定某些操作参数的选项。用户还可以在gui上查看一些处理结果，诸如像修改后的图像图块和/或所估计的噪声，以及其他操作结果。
应当注意，尽管图1中示出了检验工具120被实现为系统100的一部分，但是在某些实施方式中，系统100的功能性可以被实现为独立计算机并可以可操作地连接到检验工具120以与检验工具120一起操作。在这种情况下，可以直接地或经由一个或多个中间系统从检验工具120接收样本的缺陷图，并且可以将所述缺陷图提供给处理单元102以进行进一步处理。在一些实施方式中，系统100的相应功能性可以至少部分地与一个或多个检验工具120集成在一起，从而促进和增强在检查相关工艺中检验工具120的功能性。在这种情况下，系统100的部件或系统100的至少一部分可以形成检验工具120的部分。作为一个示例，图块提取模块104和/或图块修改模块106可以被实现或集成为检验工具120的部分。作为另一个示例，处理单元102和存储单元122可以分别形成检验工具120的处理单元和存储装置的部分；并且检验工具120的i/o接口和gui可以用作i/o接口126和gui124。
本领域的技术人员将容易地理解，本公开的主题的教导不受图1中所示的系统束缚；等效和/或修改的功能性可以以另一种方式合并或划分并可以以软件与固件和硬件的任何适当的组合来实现。
将注意，图1中所示的系统可以在分布式计算环境中实现，其中图1中所示的前述功能模块可以分布在若干本地和/或远程装置上，并且可以通过通信网络进行链接。还将注意，尽管检验工具120、存储单元122和gui124在图1中被示出为是系统100的一部分，但是在一些其他实施方式中，前述单元中的至少一些可以被实现为在系统100的外部并可以配置为经由i/o接口126与系统100进行数据通信。
现在参照图2，示出了根据本公开的主题的某些实施方式的样本检验的概括性流程图。
可以捕获样本的管芯的检查图像(202)(例如，通过检验工具120)，并且可以使用一个或多个参考图像来生成指示检查图像上的缺陷候选分布的缺陷图。如上所述，检查图像可以从不同检验模态产生，并且本公开不受用于生成图像的检查和计量技术限制。在一些实施方式中，检验工具可以是被配置为扫描样本以捕获检查图像的光学检查工具。
可以以各种方式生成(例如，通过检测模块和/或图像处理模块，图像处理模块的功能性可以集成在检验工具120内或处理单元102内)缺陷图。在一些实施方式中，可以通过将检测阈值直接地应用于所捕获的检查图像的像素值来生成缺陷图。在一些其他实施方式中，还可以处理检查图像，以便生成缺陷图。可以将不同检查和检测方法应用于处理检查图像并生成缺陷图，并且本公开不受限于在其中使用的具体检测技术。仅出于说明目的，现在描述基于检查图像的缺陷检测和缺陷图生成的几个非限制性示例。
在一些实施方式中，对于每个检查图像，可以使用一个或多个参考图像用于缺陷检测。可以以各种方式获得参考图像，并且本文所用的参考图像的数量和获得这种图像的方式决不应当被理解为对本公开进行限制。在一些情况下，可以从同一个样本的一个或多个管芯(例如，检查管芯的相邻管芯)捕获一个或多个参考图像。在一些其他情况下，一个或多个参考图像可以包括从另一个样本(例如，与目前样本不同但共享相同设计数据的第二样本)的一个或多个管芯捕获的一个或多个图像。作为示例，在管芯历史(d2h)检查方法中，可以在目前时间(例如，t＝t')从目前样本捕获检查图像，并且一个或多个参考图像可以包括在基线时间(例如，先前时间t＝0)从第二样本上的一个或多个管芯捕获的一个或多个先前图像。在一些其他实施方式中，一个或多个参考图像可以包括表示一个或多个管芯中的给定管芯的至少一个模拟图像。作为示例，可以基于管芯的设计数据(例如，cad数据)生成模拟图像。
在一些实施方式中，可以基于检查图像的像素值与从一个或多个参考图像导出的像素值之间的差值来生成至少一个差值图像。任选地，还可以基于至少一个差值图像来生成至少一个等级图像。在一些情况下，等级图像可以由像素构成，像素具有基于差值图像中的对应像素值和预限定的差值归一化因子来计算出的值。可以基于像素值的正态群体的行为来确定预限定的差值归一化因子，并且可以将所述预限定的差值归一化因子用于归一化差值图像的像素值。作为示例，可以将像素的等级计算为差值图像的对应像素值与预限定的差值归一化因子之间的比率。可以通过使用检测阈值基于至少一个差值图像或至少一个等级图像来确定可疑缺陷的位置来生成缺陷图。
在一些实施方式中，所生成的缺陷图可以指示缺陷分布，所述缺陷分布包括通过检测工艺在缺陷图上显露的缺陷候选的一个或多个缺陷特征，诸如像缺陷候选的位置、强度和大小等。
可以根据预限定的标准从缺陷图选择多个缺陷候选(204)(例如，通过处理单元102)。作为示例，预限定的标准可以包括选择预确定的数量的最高等级的缺陷候选(例如，根据等级图像中的等级的排名)。作为另一个示例，预限定的标准可以包括选择等级高于选择阈值的缺陷候选。作为又一个示例，预限定的标准可以包括基于表征参考图像中的至少一些或对应设计数据(例如，cad)的一个或多个预限定的属性/参数来选择缺陷候选。例如，属性可以包括要在图像或cad中检查的特定感兴趣的图案。在一些情况下，预限定的标准可以是上述标准中的一个或多个的组合。
对于多个缺陷候选中的每个，可以(例如，通过处理单元102)生成相应修改后的检查图像图块(206)，从而产生对应于多个缺陷候选的多个修改后的检查图像图块。具体地，对于多个缺陷候选中的给定缺陷候选，对应修改后的检查图像图块的生成可以包括下面如将参考框208描述的图像图块提取和将如参考框210描述的图像图块修改。
具体地，可以分别从检查图像以及一个或多个参考图像中的每个提取在给定缺陷候选的位置周围的图像图块(208)(例如，通过图块提取模块104)，从而产生包括对应于给定缺陷候选的检查图像图块和一个或多个参考图像图块的一组图像图块。
现在参照图3，示出了根据本公开的主题的某些实施方式的图像图块提取的示意图。
当前检查图像302由检验工具捕获。可以使用一个或多个参考图像306(标为参考1至参考n)对检查图像302执行缺陷检测，并且可以生成指示检查图像302上的缺陷候选的缺陷图(为了简化说明，图3中未单独地示出)。可以根据预限定的标准从缺陷图选择多个缺陷候选。对于选定候选中的每个，可以分别从检查图像302以及参考图像306中的每个提取周围图像图块。作为示例，对于缺陷候选305，可以从检查图像302提取在缺陷候选周围的具有方形形状的检查图像图块304。检查图像图块304与对应一个或多个参考图块307一起构成针对缺陷候选305生成的一组图像图块。因此，对于每个选定缺陷候选(假设有m个选定候选)，生成一组对应图像图块308(图3中示出了对应于m个选定候选的m组图像图块)。每组图像图块将提供为图像图块修改工艺的输入，如将在下面参考框210所述。
继续图2的描述，可以修改检查图像图块(210)(例如，通过图块修改模块106)以获得修改后的检查图像图块。具体地，可以使用一组图像图块来估计表示检查图像图块上的强度变化的噪声(例如，通过噪声估计模块108)(212)。
强度变化可以是指在样本的检查图像之间的像素强度差值，这可以由任何类型的变化引起，包括(但不限于)工艺变化和颜色变化等。工艺变化可以是指由样本的制作工艺的变化导致的变化。作为示例，制造工艺可能导致样本厚度变化，从而影响反射率，进而影响所得的检查图像的灰度级。例如，管芯间材料厚度变化可能造成在两个管芯之间的反射率不同，从而引起两个管芯的图像具有不同背景灰度级。作为另一个示例，制造工艺可能导致在不同检查图像之间的某些结构/图案的轻微移位/缩放，这在缺陷检测中造成噪声。颜色变化可能是由工艺变化和/或用于检查样本的检查工具导致的。作为示例，检查工具的变化，诸如检查工具的不同设定(例如，光学模式、检测器等)可能导致不同检查图像中的灰度级差异。
因此，由于灰度级值分布的变化，从检查图像和参考图像计算出的某些缺陷属性是不同的，如上所述，从而导致检查不稳定和检查结果不一致。在这种情况下，doi可能掩埋在噪声中，从而影响检测灵敏度。
通过有效地估计表示这种强度变化的噪声并将所述噪声从检查图像/参考图像去除/消除，本公开可以实现噪声降低，并且由此大大地提高缺陷检测灵敏度。
仅出于说明目的，关于检查图像图块的修改(通过检查图像图块上的噪声估计和去除)提供了本公开的某些实施方式。实施方式同样地适用于对应参考图像图块的修改(通过以类似方式在参考图像上应用这样的噪声估计和去除)。
根据本公开的主题的某些实施方式，表示强度变化的噪声可以用两种类型的噪声模型表示：表示检查图像图块的像素值与参考图像图块中的至少一些中的对应像素值之间的多项式关系的第一类型的噪声，以及表示相对于参考图像图块中的至少一些的在检查图像图块中的空间异常的存在的第二类型的噪声。第一类型的噪声一般表示像素值从一个图像图块到另一个图像图块的系统性变换(如多项式关系所表示)，如将在下面参考图4和图5更详细地说明。这种类型的噪声的一个示例可以是两个图像图块之间的背景灰度级变化。第二类型的噪声一般表示通常构成空间图案/结构的一组像素的像素值的空间移位/缩放(在图像图块之间)，如将在下面参考图5更详细地说明。
现在参照图4，示出了根据本公开的主题的某些实施方式的解释检查图像图块的像素与参考图像图块的对应像素之间的多项式关系的示意图。
图4中的x轴示出了参考图像图块中的像素中的至少一些的灰度级，并且y轴示出了当前检查图像图块中的对应像素的灰度级。检查图像图块对应于参考图像图块。多项式关系可以用n次(n＝1、2、3…)的多项式函数表示。多项式函数通常可以用变量和系数表达，诸如像
将注意，图4中示出的示例仅出于说明目的，并且不应当被视为以任何方式限制本公开。出于表示第一类型的噪声目的，可以使用任何其他类型/次的多项式函数来代替上述函数。
参照图5，图5示出了根据本公开的主题的某些实施方式的示出与参考图像图块相比在检查图像图块上存在第一类型的噪声、第二类型的噪声、以及缺陷的示意图。
图5中的左图示出了参考图像图块(由502示出)的像素值(以梯度图案)和检查图像图块(由504示出)的对应像素值。在两个图像图块中都有线结构(在参考图像图块中示出为506，而在检查图像图块中示出为508)。另外，在检查图像图块中，在线结构508的顶部上存在缺陷510。出于清楚地说明在对应像素值之间的关系目的，右图示出了在坐标中的像素值，其中x轴示出了参考图像图块中的像素值的灰度级，而y轴示出了当前检查图像图块中的对应像素值的灰度级，如图4中类似地示出。从右图可以看出，检查图像图块中的像素值是通过以下多项式函数从参考图像图块变换的：增益*梯度+偏移(如圆圈503所示)。另外，在检查图像图块中存在空间异常，即，与参考图像图块相比构成检查图像图块中的线结构的像素的空间移位(如方形505所示，方形505偏离于多项式变换503)。从左图也可以清楚地看出，其中检查图像图块中的线结构508的像素值相对高于参考图像图块中的线结构506的像素值(除了多项式变换所引起的差异之外)。与在线结构上空间异常共存的缺陷(如三角形507所示)表明在空间异常和多项式变换的顶部还存在另外偏差。
根据某些实施方式，参考框212的噪声估计可以包括估计空间异常的空间大小和相对于一个或多个参考图像图块中的每个的多项式关系的一个或多个系数，从而产生空间大小和对应于一个或多个参考图像图块的系数的一个或多个估计，并且参考框214的噪声去除可以基于一个或多个估计中的至少一些。
作为示例，在一些情况下，可以如下执行空间异常的空间大小的估计：对于一个或多个参考图像图块中的给定参考图像图块，提供空间大小的不同估计，所述估计包括空间异常的长度、宽度和幅值，以及提供与空间异常共存的潜在缺陷的幅值的不同缺陷估计；使用空间大小的不同估计与不同缺陷估计之间的多个组合来计算多个所估计的误差，每个所估计的误差指示预期修改后的检查图像图块与给定参考图像图块之间的残差，其中预期修改后的检查图像图块可通过使用相应组合修改检查图像图块来获得；以及在多个所估计的误差中提供最小所估计的误差的多个组合中选择一个组合，选定组合包括空间大小的选定估计。
根据某些实施方式，假设空间异常和潜在缺陷两者都定位在图像图块的中心处并具有相应分布(如下面参照图7更详细地示出和描述)，可以尝试参数(例如，空间异常的长度、宽度和幅值，以及潜在缺陷的幅值)的估计的不同组合并可以计算对应所估计的误差。作为示例，可以通过根据所估计的第一类型的噪声和第二类型的噪声计算预期修改后的检查图像图块来估计误差，例如，通过从检查图像图块减去所估计的空间异常(使用所估计的长度、宽度和幅值)并执行逆多项式变换，然后从预期修改后的检查图像图块减去参考图像图块以得到可用作所估计的误差的残差。在一些情况下，所估计的误差可以是残差的平方(在这种情况下，也被称为平方误差)。将注意，在估计误差时，执行所估计的空间异常的减法和逆多项式变换的次序不限制本公开的范围。例如，在一些情况下，可以首先执行逆多项式变换，并且然后执行所估计的空间异常的减法。从多个所估计的误差中，可以识别最小所估计的误差，并且可以选择估计的对应组合。选定组合包括空间大小的估计，所述估计可以被选择为相对于给定参考图像图块的检查图像中的空间异常的空间大小的最佳估计。
在一些实施方式中，可以将多项式关系的一个或多个系数与空间异常的空间大小的估计一起进行估计。作为示例，当如上所述计算所估计的误差时，必需逆多项式变换，以便计算残差。因此，需要多项式关系的系数(例如，增益和偏移)才能执行计算。类似地，在执行计算时，可以提供系数的不同估计，并且可以选择对应于最小所估计的误差的所估计的系数。
根据某些实施方式，一旦获得空间大小和对应于一个或多个参考图像图块的系数的一个或多个估计(即，最佳估计)，就可以组合空间大小的一个或多个估计以生成空间异常的复合估计。可以将复合估计与已知的缺陷模型进行比较以确定复合估计是否表示在检查图像图块上存在已知的缺陷模型。响应于确定存在已知的缺陷模型，可以基于复合估计来从检查图像图块去除第二类型的噪声。
现在参照图6，示出了根据本公开的主题的某些实施方式的示出对应于多个参考图像图块的缺陷和空间异常的多个估计的示意图。
图的x轴是指参考图像图块编号(标为“参考id”，在本示例中，参考id的范围为从1至6)。图的y轴分别示出缺陷幅值(标为“缺陷高度”)、空间异常的幅值(标为“异常高度”)、空间异常的长度(标为“异常长度x”)、空间异常的宽度(标为“异常长度y”)和所估计的误差(标为“平方误差”)。对于每个参考图像图块1至6，根据上述计算，这些图示出了对应于最小所估计的误差的空间大小和缺陷幅值的选定最佳估计。作为示例，对于参考图像图块1，最佳估计包括在-4处的缺陷的幅值(例如，具有负幅值的缺陷可以指示所述缺陷是凹痕)、在-7处的空间异常的幅值、在2*2.5处的空间异常的大小，并且对应于最佳估计的最小所估计的误差为200，这是六个参考中的最小所估计的误差。作为另一个示例，对于参考图像图块2，最佳估计包括在0.5处的缺陷幅值、在2处的空间异常的幅值、在0.9*0.9处的空间异常的大小，并且对应于最佳估计的最小所估计的误差为700，这是六个参考中的最大所估计的误差。
可以组合对应于六个参考图像图块的六个最佳估计以生成复合估计。例如，空间大小的估计可以被求平均或加权平均，其中应用于每个估计的权重与所述权重对应的所估计的误差相关，例如，所估计的误差的倒数。可以将复合估计与已知的缺陷模型进行比较以确定复合估计是否表示在检查图像图块上存在已知的缺陷模型。
现在参照图7，示出了根据本公开的主题的某些实施方式的已知的缺陷模型和空间异常的像素分布的示例图。
如图所示，图702和图704示出了已知的缺陷模型的两个像素分布。示例性缺陷模型具有固定大小的点扩散函数的形状(所述形状是先验的)，因为它通常可以与检查工具的细节(诸如像检查工具的光学器件)有关。例如，图702示出了3像素×3像素(或5像素×5像素)的大小的示例性像素值分布。示出了像素值从中心像素到与中心像素相邻的像素的逐渐变化。图704示出了具有不同大小的类似分布。相比之下，图706和图708示出了空间异常的两个像素分布。示例性空间异常具有未知幅值和大小的高斯形状。如图所示，至少在某些维度上，空间异常相对于缺陷模型是相对更大的。作为示例，假设空间异常的复合估计具有为20的幅值和13*4的大小，而缺陷模型被设定为具有在10-100之间的幅值和3*3的大小，通过两者之间的比较，可以确定存在空间异常，但是因估计所指示的异常大小而不是缺陷。在这种情况下，可以基于空间异常所估计的空间大小来从检查图像图块去除空间异常。
根据某些实施方式，可以组合系数的一个或多个估计以生成多项式关系的复合估计。在这种情况下，可以通过基于多项式关系的复合估计来从检查图像图块去除第一类型的噪声来执行噪声去除。
将注意，在一些情况下，噪声去除可以仅包括第一类型的噪声或第二类型的噪声的去除，而在一些其他情况下，噪声去除可以包括这两种类型的噪声的去除。本公开不受本公开的具体实现方式限制。
一旦对对应于给定缺陷候选的检查图像图块执行噪声估计和噪声去除，就会生成修改后的检查图像图块。因此，对于多个缺陷候选，可以生成多个对应修改后的检查图像图块。在一些实施方式中，在噪声估计工艺期间获得的多个修改后的检查图像图块和/或所估计的噪声可以用于样本的进一步检验。
作为示例，可以相对于一个或多个参考图像图块使用多个修改后的检查图像图块对样本执行缺陷检测，从而产生更新后的缺陷图。考虑到已经执行先前的缺陷检测并如上面参考框202所述的那样生成先前的缺陷图，更新后的缺陷检测也可以被称为缺陷重新检测。作为示例，在一些情况下，可以使用修改后的检查图像图块与检查图像的未修改的部分一起形成更新后的检查图像。可以使用一个或多个参考图像对更新后的检查图像执行缺陷重新检测。作为另一个示例，缺陷重新检测工艺可以从处理修改后的检查图像图块开始，以便生成更新后的差值图像图块和更新后的等级图像图块。然后，可以使用更新后的等级图像图块与来自先前的等级图像的未更新的部分一起形成更新后的等级图像。可以将检测阈值应用于更新后的等级图像，以便生成具有新的缺陷候选的更新后的缺陷图。
如上所述，由于本公开可以从检查图像有效地去除表示强度变化的噪声，因此使用修改后的检查图像执行的缺陷重新检测可以极大地提高缺陷检测灵敏度，并且更多doi可以被显露出。
现在参照图8，示出了根据本公开的主题的某些实施方式的在缺陷重新检测之前生成的缺陷图和在重新检测之后生成的对应的更新后的缺陷图的示例。
如图所示，示出了在应用噪声去除和缺陷重新检测之前基于等级图像生成的缺陷图802。选择缺陷候选并用方形标记，其中806是doi，其余的是错误警报，包括错误警报808。可以看出，错误警报808(除其他外)与doi806相比具有非常强的信号强度，并且缺陷图显得非常嘈杂。因此，在一些情况下，doi可能被掩埋在噪声中，而相反，错误警报中的一些可能被检测到。在如上所述在检查图像中应用噪声去除并进行缺陷重新检测之后，生成更新后的缺陷图804，其中错误警报中的一些被去除(诸如错误警报808)，并且一些具有较弱信号强度，而doi806保持相同信号强度。更新后的缺陷图804与缺陷图802相比相对更安静(具有更高信噪比(snr))，由此使得更容易检测doi806(即，更高检测灵敏度)。
现在参照图9，示出了根据本公开的主题的某些实施方式的对应于图8中的错误警报808的检查图像图块的示例性修改。
如图所示，示出了对应于错误警报808的检查图像图块902、参考图像图块904、以及基于检查图像图块902和参考图像图块904生成的差值图像图块906。差值图像图块906示出了对应于空间结构(例如，样本中的线结构)的可能的错误警报907。这可能是由于检查图像图块和参考图像图块中的灰度级差异、尤其是线条结构的位置的差异而导致的。通过如上所述应用噪声估计，检测到在检查图像图块902中的线结构的位置处存在空间异常908。在从检查图像图块去除空间异常后，获得修改后的检查图像图块910。每次在使用修改后的检查图像图块进行缺陷重新检测时，都会生成更新后的差值图像图块912，从中可以看到已经去除如先前所出现的错误警报907。
根据一些实施方式，所估计的噪声可以用作一个或多个属性，可以与表征缺陷候选的其他属性一起用来执行缺陷候选聚类或聚集。作为示例，所估计的噪声的一个或多个属性可以包括空间大小和系数的一个或多个估计。本文所用的缺陷聚类是指基于表征缺陷候选的一组属性在属性空间中对缺陷候选(如缺陷图所显露)进行分组，使得同一组(集群)中的缺陷候选与其他集群中的那些相比彼此更类似。这可以用于检测与多数群体不符的异常/异常值，它们更可能是doi。在一些实施方式中，可以使用机器学习实现聚类。
将注意，在一些情况下，本公开可以用于缺陷重新检测(例如，使用修改后的检查图像图块)，或在一些其他情况下，用于缺陷候选聚类(例如，使用所估计的噪声)。在一些其他情况下，可以执行缺陷重新检测和缺陷候选聚类两者，以便进一步改进检测结果。作为示例，可以执行缺陷重新检测以得到具有新的缺陷候选的更新后的缺陷图，并且可以对新的候选执行缺陷候选聚类，由此提高检测的准确性和灵敏度。
还将注意，尽管参考系统100的元件来描述图2中所示的流程图，但是这绝不是进行束缚，并且可以由除本文所述的那些之外的元件执行操作。
将理解，本发明的应用不限于在本文包含的描述中阐述或在附图中示出的细节。本发明能够具有其他实施方式并能够以各种方式进行实践或实施。因此，将理解，本文中所用的措辞和术语是出于描述目的，并且不应当被视为限制性的。因此，本领域的技术人员将了解，本公开所基于的概念可以容易地用作设计用于实施本公开的主题的若干目的的其他结构、方法和系统的基础。
还将理解，根据本发明的系统可以至少部分地在实施在合适地编程的计算机上。同样地，本发明设想了计算机程序，所述计算机程序可由计算机读取以执行本发明的方法。本发明还设想了非暂态计算机可读存储介质，所述非暂态计算机可读存储介质有形地体现可由计算机执行以执行本发明的方法的指令程序。
本领域的技术人员将容易地了解，在不脱离本发明的在所附权利要求书中并由所附权利要求书限定的范围的情况下，可以对如上所述的本发明的实施方式应用各种修改和改变。
- 还没有人留言评论。精彩留言会获得点赞！