在半导体制造中使用随机故障度量的制作方法

本发明涉及半导体检验及计量。

背景技术：

1、半导体制造产业的演进对良率管理及特定来说，计量及检验系统提出更高要求。临界尺寸继续收缩，而产业需要减少用于实现高良率、高价值生产的时间。最小化从检测到良率问题到解决所述问题的总时间确定半导体制造商的投资回报率。

2、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制造过程处理半导体晶片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分划板转印到布置于半导体晶片上的光致抗蚀剂的半导体制造过程。半导体制造过程的额外实例包含(但不限于)化学机械抛光(cmp)、蚀刻、沉积及离子植入。多个半导体装置可以一布置制造于单个半导体晶片上且接着被分成个别半导体装置。

3、在半导体制造期间的各个步骤使用检验过程以检测晶片上的缺陷以促进制造过程中的更高良率及因此更高利润。检验始终是制造半导体装置(例如集成电路(ic))的重要部分。然而，随着半导体装置的尺寸减小，检验对于可接受半导体装置的成功制造变得更为重要，这是因为较小缺陷可引起装置故障。例如，随着半导体装置的尺寸减小，具有减小的大小的缺陷的检测已变得必要，这是因为相对小缺陷可引起半导体装置中的非所要像差。

4、在半导体制造期间的各个步骤还使用计量过程以监测且控制过程。计量过程与检验过程不同之处在于：不同于其中在晶片上检测缺陷的检验过程，计量过程用于测量无法使用现存检验工具确定的晶片的一或多个特性。计量过程可用于测量晶片的一或多个特性，使得可从所述一或多个特性确定过程的性能。例如，计量过程可测量在过程期间形成于晶片上的特征的尺寸(例如，线宽、厚度等)。另外，如果晶片的一或多个特性是不可接受的(例如，在所述特性的预定范围之外)，那么可使用晶片的一或多个特性的测量以更改过程的一或多个参数使得由工艺制造的额外晶片具有可接受特性。

5、缺陷分类通常无法仅基于由晶片检验工具产生的图像或信息执行。在这些例子中，可使用缺陷检视工具产生额外信息且接着基于所述额外信息确定缺陷分类。在一些此类例子中，由光学缺陷寻找设备寻找的缺陷可使用高分辨率扫描电子显微镜(sem)检视工具检视。然而，缺陷检视还可使用基于光学的系统执行。例如，可执行基于激光的缺陷检视以验证由光学检验检测的缺陷群体。

6、随着曝光剂量减小且抗蚀剂尺寸收缩到小于约一百纳米，随机抗蚀剂效应及临界尺寸扫描电子显微镜对抗蚀剂图像的效应变得不可忽略。减小光刻期间的照明的波长归因于增加的光子能量(例如，照明的光子能量与波长成反比或与频率成正比)而减小使用给定剂量的辐射曝光样品所需的来自照明源的光子的数目。减小入射于样品上的光子的数目可增加光子散粒噪声(psn)，与样品的给定体积中的光子的吸收的不确定性相关的自然发生的现象。psn的影响对于具有与这些光刻过程相关联的较低数目个光子的euv尤其成问题。随着待制造的特征的大小接近抗蚀剂(例如，光酸产生器(pag))中的光敏分子的大小，光敏分子在抗蚀剂中的随机分布可引入与样品的给定体积中的光子的吸收相关联的额外不确定性。因此，与光子吸收相关联的随机噪声可为光子统计学及抗蚀剂相互作用项的复合卷积。因此，即使在标称上相同的制造条件下，某些制造缺陷仍可随机发生。随机缺陷正在变为先进设计规则的问题。随机缺陷本质上是随机的，但其被视为影响具有较高频率的弱图案(或热点)。剂量改变是随机故障趋于最敏感的变量，但其频率可受改变的剂量、光学近接校正(opc)、临界尺寸(cd)、设计或节距影响。当在标称上相同的条件下场内的多个位置处、跨单个晶片上的多个场的给定位置处或跨多个晶片的样品上的给定位置处制造标称上相同的结构时，随机发生的制造缺陷或随机缺陷可以特定概率发生。

7、随机缺陷可提出制造环境中的多个挑战。通常，可假定缺陷为确定性，使得当根据包含待制造于样品上的元件的图案及曝光参数的已知生产配方制造时，已知缺陷将持续存在。例如，工艺窗合格性检定(pwq)通常识别在曝光条件下降到工艺窗之外时始终发生的工艺限制缺陷。例如，工艺窗可界定对沿着光刻工具的光学轴的样品的位置(例如，样品的焦点位置)相关联的散焦或来自曝光期间入射于样品上的照明源的能量的剂量的限制。因此，在给定曝光条件下并非始终发生的随机缺陷的存在可将不确定性引入典型pwq算法中。

8、用于确定随机故障的先前技术使用随机行为的经验特性或识别。这些先前技术手动地比较故障的各个位置且通过比较在高到低剂量调制下的故障率。还需要将非随机性与随机故障手动地分离。这些先前技术能够涵盖较大晶片区域，可仅涵盖有限数目个关键特征且不使用检验系统或良率管理软件的直接输出。将随机故障度量定义为故障关键特征的总数除以经检验关键特征的总数。基于sem图像的脱机分析通常还无法以适时方式涵盖大量关键特征。当确定随机故障时，先前技术还未考虑设计。

9、因此，需要用于确定随机故障的经改进系统及技术。

技术实现思路

1、在第一实施例中提供一种系统。所述系统包括：半导体检验工具或半导体检视工具，其提供输入；及电子数据存储单元，其包含具有已知随机行为及已知过程计量变化的数据库。随机计算引擎与所述电子数据存储单元电子通信且经配置以从所述半导体检验工具或所述半导体检视工具接收所述输入；从所述输入确定异常位置及图案变化；及从所述输入确定随机故障。

2、所述半导体检验工具或所述半导体检视工具可使用电子束或光子束。

3、所述输入可包含计量规则、缺陷规则、设计规则、晶片级数据、良率分析、设备数据、故障诊断或掩模变化的一或多者。

4、所述随机计算引擎可进一步经配置以从所述输入确定故障率。

5、所述随机计算引擎可进一步经配置以从所述输入确定关键特征的故障概率。

6、所述随机计算引擎可进一步经配置以从所述输入确定随机缺陷及非随机故障。

7、所述随机计算引擎可在神经网络上运行。

8、在第二实施例中提供一种方法。所述方法包括在随机计算引擎处从半导体检验工具或半导体检视工具接收输入。使用所述随机计算引擎从所述输入确定异常位置及图案变化。使用所述随机计算引擎从所述输入确定随机故障。

9、所述方法可包含标记与所述随机故障相关联的随机特征。在例子中，执行所述随机特征的检验。此可进一步包含基于所述检验的结果验证所述随机特征。

10、所述方法可包含运用使用电子束的半导体检验工具或半导体检视工具来使半导体晶片成像。

11、所述方法可包含运用使用光子束的半导体检验工具来使半导体晶片成像。

12、所述输入可包含计量规则、缺陷规则、设计规则、晶片级数据、良率分析、设备数据、故障诊断或掩模变化的一或多者。

13、所述方法可包含使用所述随机计算引擎从所述输入确定故障率。

14、所述方法可包含使用所述随机计算引擎从所述输入确定关键特征的故障概率。

15、所述方法可包含使用所述随机计算引擎从所述输入确定随机缺陷及非随机故障。

16、所述随机计算引擎可在神经网络上运行。

17、非暂时性计算机可读媒体可存储经配置以指示处理器执行第二实施例的方法的程序。