缺陷观察方法以及缺陷观察装置的制造方法
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。< br>[0042]图1表示本发明的装置的结构图，具备进行图像的摄像的SEM101、进行整体的控制的控制部102、将信息存储到磁盘、半导体存储器等中的存储部103、依照程序进行计算的计算部104、与连接到装置的外部存储介质进行信息的输入输出的外部存储介质输入输出部105、与用户进行信息的输入输出的用户接口部106、经由网络与其他装置等进行通信的网络接口部107。另外，用户接口部106上连接有具备键盘、鼠标、显示器等而构成的输入输出终端113。SEMlOl除了装载样本晶圆108的可动载物台109、用于向样本晶圆108照射电子束的电子源110、检测从样本晶圆产生的二次电子、反射电子等的检测器111以外，还由将电子束会聚在样本上的电子透镜(未图示)、用于在样本晶圆上扫描电子束的偏向器(未图示)、对来自检测器111的信号进行数字变换而生成数字图像的图像生成部112等构成。此外，它们经由总线114连接，能够相互收发信息。
[0043]图2表示控制部102、存储部103、计算部104的结构。控制部具备控制晶圆的输送的晶圆输送控制部201、进行载物台的控制的载物台控制部202、控制电子束的照射位置的射束偏移控制部203、控制电子束的扫描的射束扫描控制部204、图像取得部205。存储部103具备存储所取得的图像数据的图像存储部206、存储摄像条件(例如加速电压、探测电流、相加帧数、摄像视野大小等)、处理参数等的配方存储部207、存储要观察的位置的坐标的测量坐标存储部208。计算部104具备设定要拍摄的位置的坐标的摄像位置设定部209、对图像进行比较检查的比较检查214、提取缺陷部位的特征量分布的缺陷特征量分布提取部212、分析特征量分布的分布分析部213。另外，比较检查部214具备对图像间的差异进行定量化的图像差异定量化部210、从图像中选择缺陷部位的缺陷部位选择部211。此外，209?213除了可以构成为被设计成进行各计算的硬件以外，也可以构成为作为软件而安装并使用通用计算装置(例如CPU、GPU等)来执行。
[0044]说明用于使用图像取得部205取得所指定的坐标的图像的方法。首先，通过晶圆输送控制部201的控制，将成为测量对象的晶圆108通过机械臂设置在载物台109上。接着，通过载物台控制部202移动载物台109使摄像视野被包含在射束照射范围内。这时，为了吸收载物台的移动误差，进行载物台位置的测量，通过射束偏移控制部203进行射束照射位置的调整使得抵消移动误差。从电子源110照射电子束通过射束扫描控制部204在摄像视野内进行扫描。通过检测器111检测通过射束的照射而从晶圆产生的二次电子、反射电子，通过图像生成部112进行数字图像化。将摄像所得的图像与摄像条件、摄像日期时间等附带信息一起存储在图像存储部206中。
[0045]使用图3和图4说明本发明的缺陷观察方法。首先，从坐标存储部208读入其他缺陷检查装置输出的缺陷位置坐标。既可以将读入的缺陷位置坐标的全部作为观察对象，也可以将根据用户指定条件采样的部分作为观察对象。接着，使用摄像位置设定部209设定参照图像的摄像坐标(S401)。参照图像必须拍摄被设计为形成与缺陷位置周边相同的电路图案的位置。在半导体晶圆中，在晶圆上配置多个被设计为形成同样的电路图案的芯片，因此作为最简单的方法，将从缺陷位置坐标错开了 I个芯片的量的坐标作为参照图像的摄像坐标即可。接着，使用图像取得部205进行参照图像和缺陷图像的摄像(S402、S403)。接着，在图像差异定量化部210中，使用缺陷候选提取部301提取成为缺陷候选的区域，使用特征量计算部302计算各缺陷候选区域的特征量(S404)。接着，使用缺陷选择部211从缺陷候选中选择缺陷(S405)，判定有无选择出的缺陷(S406)，拍摄所选择出的缺陷位置并得到缺陷观察用的图像(S407)。此外，在配方存储部207中存储有各处理的参数，根据需要而读出。例如，在图像取得部205中读出电子光学系统条件(例如探测电流、加速电压等)、相加帧数等(303)。另外，在缺陷候选提取部301中读出比较处理参数(例如检测阈值、图像混合率等)(304)。另外，在特征量计算部302中读出图像处理参数(例如浓淡平滑化程度等)(305)。另外，在缺陷选择部中读出选择条件(例如缺陷和妨扰的识别面、妨扰分布的原点、形状、与距离对应的阈值等)(306)。与这些图像取得部以及缺陷候选提取部、特征量计算部、缺陷选择部相关的处理参数是与观察处理有关的参数。
[0046]使用图5补充说明缺陷候选提取部301。图像501示意地表示缺陷图像，图像502示意地表示参照图像。在图像501中，在坐标(dx，dy)存在缺陷。图像503是缺陷候选的提取结果，用白色表现缺陷图像和参照图像的浓淡差异大的区域。这些提取出的一个一个区域是缺陷候选。在缺陷部位(dx，dy)以外，也提取出了因线边缘粗糙度造成的缺陷候选。在后级的特征量计算部302中，针对各缺陷候选计算特征量。
[0047]使用图6补充说明缺陷选择部211。图6表示在特征量空间中标绘出各缺陷候选的例子。在缺陷选择部211中，根据各缺陷候选的特征量选择缺陷。图6表示使用识别面601对存储在配方存储部207中的缺陷和妨扰进行识别的情况。此外，也可以使用利用识别面进行识别以外的方法来选择缺陷。例如，作为更简单的方法，可以预先将妨扰分布的中心存储在配方存储部207中，将离中心的距离最大的部分判别为缺陷。或者，也可以构成为将上位η个缺陷候选判定为缺陷，取得η张缺陷观察用的图像。另外，不需要使用在特征量计算部302中计算出的全部特征量，可以组合使用特征量选择方法等。
[0048]以上说明了本发明的缺陷观察方法。在本方法中，为了高灵敏度地再检测缺陷，必须适当地设定处理参数。例如，在图像差异定量化部210中将检测阈值设定得比适当值高(灵敏度低)的情况下，在缺陷部位无法提取出缺陷候选(区域)。相反，在将检测阈值设定得低(灵敏度高)的情况下，提取出许多缺陷候选，成为缺陷选择部211的错误识别的原因。另外，在缺陷选择部211中没有适当地设定缺陷和妨扰的识别面的情况下，成为缺陷的遗漏、错误检测的原因。本发明提供用户能够容易地设定图像差异定量化部210和缺陷选择部211中的参数的方法。以后说明具体的方法和装置结构。
[0049]使用图7和图8说明本发明的用于调整处理参数中的缺陷选择部211的参数的结构及其方法。首先，从坐标存储部读入其他检查装置输出的缺陷位置坐标。接着，针对成为对象的缺陷，使用摄像位置设定部209，根据缺陷位置坐标设定拍摄参照图像的η处坐标(S801)。接着，使用图像取得部205拍摄缺陷图像Di (S802)。接着，针对所设定的参照图像的摄像位置，使用图像取得部205取得参照图像R1、j(j = I?R)。接着，计算缺陷的特征量分布。具体地说，在图像差异定量化部701中，从缺陷图像Di和参照图像Ri，j提取缺陷候选(S804)，计算各缺陷候选区域的特征量Fd(i，j) (S805)。接着，使用缺陷特征量分布提取部212提取缺陷的特征量分布Fd(i) (S806)。接着，使用摄像所得的参照图像Ri (i =I?R)的组合(j，k)计算妨扰的特征量分布。具体地说，在图像差异定量化部702中，从参照图像Ri，j(j = I?R)和参照图像Ri，k(k = j+1?R)提取缺陷候选(S807)，计算各缺陷候选区域的特征量Fr (i，j，k) (S808)。
[0050]在摄像位置设定部209中计算被设计为形成与缺陷位置周边相同的电路图案的区域。作为简单的方法，按照从包含缺陷位置坐标的芯片起从近到远的顺序选择R个芯片，计算在各芯片内与缺陷位置对应的坐标即可。只要已知I个芯片的大小，则通过与缺陷位置坐标进行加减运算，就能够容易地计算坐标。此外，也可以使用样本的设计信息，从缺陷位置周边进行搜索。
[0051]使用图9说明缺陷特征量分布提取部212。图像901示意地表示缺陷图像(Di)，图像902?904示意地表示R = 3的情况下的参照图像(Ri，I?Ri，3)。图像908是使用缺陷图像901和参照图像902的缺陷候选提取905的结果，图像909、910也同样是缺陷候选提取906、907的结果。随机产生线边缘粗糙度等制 造公差。因此，如果针对缺陷候选的提取结果908?910只提取共同的区域(911)，则随机产生的缺陷候选被排除，能够只提取缺陷(912)。此外，判定为缺陷的缺陷候选也可以不在全部的缺陷检测结果中相同。即，可以是如果在多个缺陷候选提取结果中的一定数以上的提取结果中一致，则判定为缺陷。另夕卜，也可以根据与缺陷候选提取结果数R对应的比例来指定一定数。可以根据其结果从计算出的特征量Fd(i，j)(j = 1?3)中提取被标记为“缺陷”的特征量FcKi)。此外，提取被标记为“缺陷”的特征量Fd(i)的方法并不限于此，例如也可以提取在特征量空间中接近的分布o
[0052]使用图10补充说明使用摄像所得的参照图像Ri (i = 1?R)的组合(j，k)来计算妨扰的特征量分布的方法。图像1001?1003示意地表示参照图像(Ri，1?Ri，3)。图像1004表示使用参照图像1001和参照图像1002的缺陷候选提取结果，同样图像1005表示使用参照图像1001和参照图像1003的缺陷候选提取结果，图像1006表示使用参照图像1002和参照图像1003的缺陷候选提取结果。从参照图像之间的组合提取出的缺陷候选中不包含缺陷。由此，根据包含在图像1004?1006中的缺陷候选计算出的特征量的分布是被标记为“妨扰”的特征量分布。
[0053]返回到图8继续进行说明。通过针对观察对象的M点的缺陷位置坐标重复执行上述处理S801?S808，得到缺陷的特征量分布Fd(i)和妨扰的特征量分布Fr(i，j，k) (i =1?M，(j，k)是参照图像的组合)。根据所得到的分布，使用分布分析部213学习识别缺陷和妨扰的识别面(S809)。作为学习的方法，使用模式识别的技术即可。具体地说，可以使用神经网络，也可以使用SVM。或者也可以使用自动生成识别规则的算法(例如C4.5等)。或者，也可以不计算识别面，而预先存储标记了的特征量分布，在识别时使用k近似法等进行识别。此外，将计算出的识别面或者识别所需要的参数存储在配方存储部207中。
[0054]以上，说明了用于调整缺陷选择部211的参数的方法。接着，说明调整图像差异定量化部210的参数的方法。如果先说明概要，则使用与图像差异定量化部210有关的参数(例如检测阈值、图像混合率)的组合进行缺陷检测，搜索缺陷检出率高的参数。这时，通过使用多张参照图像，能够计算出可靠性高的缺陷检出率。此后使用图11说明处理的细节。此外，既可以同时并行地进行缺陷选择部211的参数调整、图像差异定量化部210的参数调整，也可以逐次地进行。此外，在逐次地进行的情况下，执行顺序哪个在先都可以。或者，也可以只进行任意一方。
[0055]首先，针对对象缺陷使用摄像位置设定部209设定参照图像的摄像位置(S1101)。使用缺陷取得部205取得缺陷图像Di(S1102)。此外，在缺陷取得部205中，在能够判定为已经拍摄了相应的缺陷ID的缺陷图像的情况下，也可以从图像存储部读入图像。接着，使用图像取得部205取得R张参照图像Ri，j (j = 1?R) (S1103)。接着，使用缺陷图像Di和参照图像Ri，j提取缺陷候选Cd(i，j) (SI 104) o接着，从所得到的多个缺陷候选Cd(i，j)(j = l?R)中提取缺陷候选Cd(i)(S1105)。作为提取的一个方法，如图9所示那样只提取共同的缺陷候选区域即可。通过如上述那样使用多张参照图像的结果，能够将包含在Cd(i)中的缺陷候选假定为缺陷。接着，使用参照图像Ri(i = 1?R)的组合(j，k)提取缺陷候选Cr(i，j，k) (S1106)。由于是使用参照图像彼此的提取结果，所以能够将包含在缺陷候选Cr(i，j，k)中的缺陷候选假定为妨扰。接着，计算检测可靠性DRp(S1107)。DR(p)是表示使用参数组P时的缺陷检测结果的可靠性的指标，例如根据式(1)计算即可。针对搜索对象的参数的组合进行以上的S1101?S1107，求出DR(p)最大的参数。由此，成为妨扰的缺陷候选少，得到缺陷的检出率高的参数。另外，也可以关联地输出参数和DR(p)，使得能够由用户选择。
[0056](式1)
[0057]DR(p)=包含在Cd(i)中的缺陷候选数的总和/包含在(Cr(i，j，k)中的缺陷候选数的总和+1)
[0058]以上，说明了调整图像差异定量化部210和缺陷选择部211中的参数的方法。此夕卜，利用通过利用多张参照图像能够高可靠度地检测出缺陷的情况，能够容易地实现与参数的调整同时地取得缺陷的观察图像。但是，拍摄多张参照图像成为吞吐量低下的原因。因此，理想的是在参数的调整结束后，进行通常(使用了一张参照图像)的观察处理(图4)。
[0059]在图12中表示与参数的可靠性对应地自动切换参数调整处理(图8和图11)和通常的观察处理(图4)的方法。首先，判定存储在配方存储部207中的配方的可靠性
(51201)。此外，在不存在与观察对象的样本对应的配方的情况下也判定为可靠性低。在可靠性低的情况下，使用上述配方调整用处理来调整配方。接着，判定所制作的配方的可靠性
(51202)。为了判定与缺陷选择部211有关的参数的可靠性，进行n分割交叉确认(n-foldCross Validat1n)，评价缺陷检出率的稳定性即可。另外，为了判定与图像差异定量化部212有关的参数的可靠性，根据使用了多张参照图像和缺陷图像的缺陷候选提取处理(S1105)的结果，评价缺陷检出率是否达到了预定的阈值即可。在配方可靠性判定处理中判定为可靠性高的情况下，在观察此后的观察对象样本的情况下，使用调整后的参数进行通常的观察处理(S1204)。此外，也可以预先记录配方制作的日期时间，在配方可靠性判定处理(S1201中从制作配方时开始经过了一定期间的情况下，判断为可靠性低。
[0060]此外，以上说明了根据摄像所得的缺陷图像和参照图像提取缺陷候选的情况下的参数调整方法，但也能够在使用专利文献3所记载的方法等从一张缺陷图像中进行缺陷检测的情况下的参数调整中利用。在该情况下，在提取成为妨扰的缺陷候选的处理(S807、S1106)中，使用根据摄像所得的参照图像合成的参照图像、摄像所得的参照图像提取缺陷候选即可。另外，在从缺陷图像中提取缺陷候选的处理(S804、S1104)中，也可以使用根据摄像所得的参照图像合成的参照图像、摄像所得的缺陷图像提取缺陷候选。由此，在妨扰的特征量分布与参照图像的合成精度对应地变化的情况下也能够对应。另外，还能够调整与参照图像的合成处理有关的参数。
[0061]另外，也可以使用根据样本的设计信息生成的图像作为参照图像。这时，也可以使用使根据设计信息生成图像时的参数变化而生成的多张参照图像。由此，能够调整使用摄像所得的缺陷图像和根据样本的设计信息而生成的图像检测缺陷候选时的参数。
[0062]说明本发明的缺陷观察装置的用户界面。图13是与检测可靠性、缺陷检出数、妨扰检出数对应地一览显不搜索出的参数的一览的GUI的例子。在参数一览的显不部1301中用户能够选择参数。另外，具备按键1302，其调用用于确认使用了选择出的参数的情况下的缺陷检测结果的GUI。图14(a)是用于确认缺陷检测结果的GUI的例子。具备选择缺陷ID的选择部1401、显示图像和计算出的特征量的显示部1402。在显示部1402中，能够通过“图像标签” 1403、“特征量标签” 1404切换显示内容。在图像标签有效的情况下，具备选择显示图像的选择部1405、指定显示图像的检测器(二次电子像、反射电子像)的选择部1406、指定是否在图像中重叠地显示缺陷候选的检测结果的选择部1407、显示图像的显示部1408。另外，也可以通过具备显示图像和计算出的特征量的第二显示部1409，使得能够并排地确认2个图像或特征量。图14(b)是在第二显示部1408中使“特征量标签”有效的情况下的GUI的例子。具备分别指定要显示的特征量空间的横轴和纵轴的指定部1410、显示在特征量空间中标绘出缺陷候选的结果的显示部1411。另外，也可以显示特征量空间中的识别面1412。此外，也可以不显示特征量空间，而显示所指定的特征量的直方图。
[0063]如以上说明的那样，通过使用缺陷图像和多张参照图像， 能够从观察对象样本中提取能够容易地标记为“缺陷”和“妨扰”的缺陷候选。由此，能够容易地调整用于缺陷候选提取的参数、将缺陷候选辨别为缺陷和妨扰的识别面。另外，通过将调整后的参数保存在配方中，能够高灵敏度地再检测缺陷。
[0064]实施例2
[0065]在实施例1中说明了以下方法，根据缺陷图像和多张参照图像，从观察对象样本中提取能够容易地标记为“缺陷”和“妨扰”的缺陷候选，调整缺陷再检测相关的参数。在实施例2中说明以下方法，即根据多张参照图像从观察对象样本中提取能够容易地标记为“妨扰”的缺陷候选，调整缺陷再检测相关的参数。
[0066]本实施例的装置结构与实施例1所示的图1和图2相同。另外，关于用户界面，也具备与图13和图14同样的界面。不同的是与缺陷选择部211的参数调整有关的流程。此后只说明与实施例1不同的部分。
[0067]首先，提取R点被设计为形成同样的电路图案的位置，设定摄像位置(S1501)。这时，根据其他缺陷检查装置输出的缺陷位置坐标设定摄像位置，使得缺陷不包含在摄像图像中。接着，使用图像取得部205取得所设定的摄像位置的图像Ri，j(j = 1?R)(S1502)。接着，针对摄像所得的图像的组合(j，k)，使用图像差异定量化部210提取缺陷候选，计算提取出的缺陷候选的特征量分布Fr(i，j，k)。针对N点重复进行以上的S1501?S1504(S1505)。在取得的图像中不包含缺陷，因此特征量分布Fr(i，j，k)为被标记为“妨扰”的特征量分布。
[0068]由此，通过使用妨扰特征量分布Fr(i，j，k)利用模式识别的技术构成1类识别机，能够得到识别缺陷和妨扰的识别面(S1506)。另外，也可以不求出识别面，而求出妨扰分布的参数(例如原点位置、方差等)。
[0069]如以上说明的那样，通过使用多张参照图像，能够从观察对象样本中提取能够容易地标记为“妨扰”的缺陷候选。由此，能够容易地调整从缺陷候选中辨别妨扰的识别面。另外，通过将调整后的参数保存在配方中，能够高灵敏度地再检测缺陷。
[0070]符号说明
[0071]101:扫描型电子显微镜(SEM) ;112:图像生成部；206:图像存储部；207:配方存储部；208:坐标存储部；209:摄像位置设定部；210:图像差异定量化部；211:缺陷选择部；212:缺陷特征量分布提取部；213:分布分析部；301:缺陷候选提取部；302:特征量计算部；S404:进行缺陷候选的提取和特征量计算的步骤；S405:选择缺陷的步骤；S802:拍摄缺陷图像的步骤；S803:拍摄多张参照图像的步骤；S805:求出参照图像和缺陷图像的比较检查结果的步骤；S808:求出参照图像和参照图像的比较检查结果的步骤；S809:计算识别面的步骤；S1202:调整参数的步骤。
【主权项】
1.一种缺陷观察方法，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而得到的第一特征量分布、根据该参照图像而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；以及 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。2.根据权利要求1所述的缺陷观察方法，其特征在于， 该参照图像有多张， 在上述参数决定步骤中，使用该参照图像的各个的差图像决定该第二特征量分布。3.根据权利要求2所述的缺陷观察方法，其特征在于， 该第二特征量分布是在该参照图像的各个的差图像的任意一个中被判别为缺陷候选的区域的特征量分布。4.根据权利要求1?3的任意一项所述的缺陷观察方法，其特征在于， 该参照图像有多张， 在上述参数决定步骤中，使用该缺陷图像和该参照图像的各个之间的差图像决定该第一特征量分布。5.根据权利要求4所述的缺陷观察方法，其特征在于， 该第一特征量分布是在该缺陷图像和该参照图像的各个之间的差图像中共同被判别为缺陷候选的区域的特征量分布。6.根据权利要求1?5的任意一项所述的缺陷观察方法，其特征在于， 该第一参数是在上述观察步骤中从缺陷候选中辨别缺陷和妨扰的参数。7.根据权利要求1?6的任意一项所述的缺陷观察方法，其特征在于， 在上述参数决定步骤中，进而根据该第一特征量分布以及该第二特征量分布和缺陷检出率，决定用于缺陷提取的第二参数。8.根据权利要求1?7的任意一项所述的缺陷观察方法，其特征在于， 在上述观察步骤中，使用在上述摄像步骤中拍摄所得的该缺陷图像和该参照图像的至少一方。9.根据权利要求1?8的任意一项所述的缺陷观察方法，其特征在于， 该缺陷信息是与缺陷的位置有关的信息。10.根据权利要求1?9的任意一项所述的缺陷观察方法，其特征在于， 该参照图像是拍摄被设计为形成与该缺陷图像的图案相同的图案的该被检查对象物上的区域而得的图像。11.一种缺陷观察装置，其特征在于，包括: 摄像单元，其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； 参数决定单元，其使用根据通过上述摄像单元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；以及 观察单元，其使用通过上述参数决定单元决定的该第一参数进行观察。12.根据权利要求11所述的缺陷观察装置，其特征在于， 该参照图像有多张， 在上述参数决定单元中，使用该参照图像的各个的差图像决定该第二特征量分布。13.根据权利要求12所述的缺陷观察装置，其特征在于， 该第二特征量分布是在该参照图像的各个的差图像的任意一个中被判别为缺陷候选的区域的特征量分布。14.根据权利要求11?13的任意一项所述的缺陷观察装置，其特征在于， 该参照图像有多张， 在上述参数决定单元中，使用该缺陷图像和该参照图像的各个之间的差图像决定该第一特征量分布。15.根据权利要求14所述的缺陷观察装置，其特征在于， 该第一特征量分布是在该缺陷图像和该参照图像的各个之间的差图像的全部中共同被判别为缺陷候选的区域的特征量分布。16.根据权利要求11?15的任意一项所述的缺陷观察装置，其特征在于， 该第一参数是在上述观察单元中从缺陷候选中辨别缺陷和妨扰的参数。17.根据权利要求11?16的任意一项所述的缺陷观察装置，其特征在于， 在上述参数决定单元中，进而根据该第一特征量分布以及该第二特征量分布和缺陷检出率，决定用于缺陷提取的第二参数。18.根据权利要求11?17的任意一项所述的缺陷观察装置，其特征在于， 在上述观察单元中，使用通过上述摄像单元拍摄所得的该缺陷图像和该参照图像的任意一个。19.根据权利要求11?18的任意一项所述的缺陷观察装置，其特征在于， 该缺陷信息是与缺陷的位置有关的信息。20.根据权利要求11?19的任意一项所述的缺陷观察装置，其特征在于， 该参照图像是拍摄被设计为形成与该缺陷图像的图案相同的图案的该被检查对象物上的区域而得的图像。
【专利摘要】本发明的目的在于，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”(错误检测出制造公差等的部位)的缺陷候选，容易地调整与观察处理有关的参数。本发明的缺陷观察方法包括：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。本发明能够应用于观察在半导体晶圆的制造中产生的缺陷的方法。
【IPC分类】G01N21/956, G01N23/225
【公开号】CN104903712
【申请号】CN201380069668
【发明人】原田实, 高木裕治, 中垣亮, 平井大博, 木附洋彦
【申请人】株式会社日立高新技术
【公开日】2015年9月9日
【申请日】2013年12月6日
【公告号】US20150332445, WO2014119124A1
【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。< br>[0042]图1表示本发明的装置的结构图，具备进行图像的摄像的SEM101、进行整体的控制的控制部102、将信息存储到磁盘、半导体存储器等中的存储部103、依照程序进行计算的计算部104、与连接到装置的外部存储介质进行信息的输入输出的外部存储介质输入输出部105、与用户进行信息的输入输出的用户接口部106、经由网络与其他装置等进行通信的网络接口部107。另外，用户接口部106上连接有具备键盘、鼠标、显示器等而构成的输入输出终端113。SEMlOl除了装载样本晶圆108的可动载物台109、用于向样本晶圆108照射电子束的电子源110、检测从样本晶圆产生的二次电子、反射电子等的检测器111以外，还由将电子束会聚在样本上的电子透镜(未图示)、用于在样本晶圆上扫描电子束的偏向器(未图示)、对来自检测器111的信号进行数字变换而生成数字图像的图像生成部112等构成。此外，它们经由总线114连接，能够相互收发信息。
[0043]图2表示控制部102、存储部103、计算部104的结构。控制部具备控制晶圆的输送的晶圆输送控制部201、进行载物台的控制的载物台控制部202、控制电子束的照射位置的射束偏移控制部203、控制电子束的扫描的射束扫描控制部204、图像取得部205。存储部103具备存储所取得的图像数据的图像存储部206、存储摄像条件(例如加速电压、探测电流、相加帧数、摄像视野大小等)、处理参数等的配方存储部207、存储要观察的位置的坐标的测量坐标存储部208。计算部104具备设定要拍摄的位置的坐标的摄像位置设定部209、对图像进行比较检查的比较检查214、提取缺陷部位的特征量分布的缺陷特征量分布提取部212、分析特征量分布的分布分析部213。另外，比较检查部214具备对图像间的差异进行定量化的图像差异定量化部210、从图像中选择缺陷部位的缺陷部位选择部211。此外，209?213除了可以构成为被设计成进行各计算的硬件以外，也可以构成为作为软件而安装并使用通用计算装置(例如CPU、GPU等)来执行。
[0044]说明用于使用图像取得部205取得所指定的坐标的图像的方法。首先，通过晶圆输送控制部201的控制，将成为测量对象的晶圆108通过机械臂设置在载物台109上。接着，通过载物台控制部202移动载物台109使摄像视野被包含在射束照射范围内。这时，为了吸收载物台的移动误差，进行载物台位置的测量，通过射束偏移控制部203进行射束照射位置的调整使得抵消移动误差。从电子源110照射电子束通过射束扫描控制部204在摄像视野内进行扫描。通过检测器111检测通过射束的照射而从晶圆产生的二次电子、反射电子，通过图像生成部112进行数字图像化。将摄像所得的图像与摄像条件、摄像日期时间等附带信息一起存储在图像存储部206中。
[0045]使用图3和图4说明本发明的缺陷观察方法。首先，从坐标存储部208读入其他缺陷检查装置输出的缺陷位置坐标。既可以将读入的缺陷位置坐标的全部作为观察对象，也可以将根据用户指定条件采样的部分作为观察对象。接着，使用摄像位置设定部209设定参照图像的摄像坐标(S401)。参照图像必须拍摄被设计为形成与缺陷位置周边相同的电路图案的位置。在半导体晶圆中，在晶圆上配置多个被设计为形成同样的电路图案的芯片，因此作为最简单的方法，将从缺陷位置坐标错开了 I个芯片的量的坐标作为参照图像的摄像坐标即可。接着，使用图像取得部205进行参照图像和缺陷图像的摄像(S402、S403)。接着，在图像差异定量化部210中，使用缺陷候选提取部301提取成为缺陷候选的区域，使用特征量计算部302计算各缺陷候选区域的特征量(S404)。接着，使用缺陷选择部211从缺陷候选中选择缺陷(S405)，判定有无选择出的缺陷(S406)，拍摄所选择出的缺陷位置并得到缺陷观察用的图像(S407)。此外，在配方存储部207中存储有各处理的参数，根据需要而读出。例如，在图像取得部205中读出电子光学系统条件(例如探测电流、加速电压等)、相加帧数等(303)。另外，在缺陷候选提取部301中读出比较处理参数(例如检测阈值、图像混合率等)(304)。另外，在特征量计算部302中读出图像处理参数(例如浓淡平滑化程度等)(305)。另外，在缺陷选择部中读出选择条件(例如缺陷和妨扰的识别面、妨扰分布的原点、形状、与距离对应的阈值等)(306)。与这些图像取得部以及缺陷候选提取部、特征量计算部、缺陷选择部相关的处理参数是与观察处理有关的参数。
[0046]使用图5补充说明缺陷候选提取部301。图像501示意地表示缺陷图像，图像502示意地表示参照图像。在图像501中，在坐标(dx，dy)存在缺陷。图像503是缺陷候选的提取结果，用白色表现缺陷图像和参照图像的浓淡差异大的区域。这些提取出的一个一个区域是缺陷候选。在缺陷部位(dx，dy)以外，也提取出了因线边缘粗糙度造成的缺陷候选。在后级的特征量计算部302中，针对各缺陷候选计算特征量。
[0047]使用图6补充说明缺陷选择部211。图6表示在特征量空间中标绘出各缺陷候选的例子。在缺陷选择部211中，根据各缺陷候选的特征量选择缺陷。图6表示使用识别面601对存储在配方存储部207中的缺陷和妨扰进行识别的情况。此外，也可以使用利用识别面进行识别以外的方法来选择缺陷。例如，作为更简单的方法，可以预先将妨扰分布的中心存储在配方存储部207中，将离中心的距离最大的部分判别为缺陷。或者，也可以构成为将上位η个缺陷候选判定为缺陷，取得η张缺陷观察用的图像。另外，不需要使用在特征量计算部302中计算出的全部特征量，可以组合使用特征量选择方法等。
[0048]以上说明了本发明的缺陷观察方法。在本方法中，为了高灵敏度地再检测缺陷，必须适当地设定处理参数。例如，在图像差异定量化部210中将检测阈值设定得比适当值高(灵敏度低)的情况下，在缺陷部位无法提取出缺陷候选(区域)。相反，在将检测阈值设定得低(灵敏度高)的情况下，提取出许多缺陷候选，成为缺陷选择部211的错误识别的原因。另外，在缺陷选择部211中没有适当地设定缺陷和妨扰的识别面的情况下，成为缺陷的遗漏、错误检测的原因。本发明提供用户能够容易地设定图像差异定量化部210和缺陷选择部211中的参数的方法。以后说明具体的方法和装置结构。
[0049]使用图7和图8说明本发明的用于调整处理参数中的缺陷选择部211的参数的结构及其方法。首先，从坐标存储部读入其他检查装置输出的缺陷位置坐标。接着，针对成为对象的缺陷，使用摄像位置设定部209，根据缺陷位置坐标设定拍摄参照图像的η处坐标(S801)。接着，使用图像取得部205拍摄缺陷图像Di (S802)。接着，针对所设定的参照图像的摄像位置，使用图像取得部205取得参照图像R1、j(j = I?R)。接着，计算缺陷的特征量分布。具体地说，在图像差异定量化部701中，从缺陷图像Di和参照图像Ri，j提取缺陷候选(S804)，计算各缺陷候选区域的特征量Fd(i，j) (S805)。接着，使用缺陷特征量分布提取部212提取缺陷的特征量分布Fd(i) (S806)。接着，使用摄像所得的参照图像Ri (i =I?R)的组合(j，k)计算妨扰的特征量分布。具体地说，在图像差异定量化部702中，从参照图像Ri，j(j = I?R)和参照图像Ri，k(k = j+1?R)提取缺陷候选(S807)，计算各缺陷候选区域的特征量Fr (i，j，k) (S808)。
[0050]在摄像位置设定部209中计算被设计为形成与缺陷位置周边相同的电路图案的区域。作为简单的方法，按照从包含缺陷位置坐标的芯片起从近到远的顺序选择R个芯片，计算在各芯片内与缺陷位置对应的坐标即可。只要已知I个芯片的大小，则通过与缺陷位置坐标进行加减运算，就能够容易地计算坐标。此外，也可以使用样本的设计信息，从缺陷位置周边进行搜索。
[0051]使用图9说明缺陷特征量分布提取部212。图像901示意地表示缺陷图像(Di)，图像902?904示意地表示R = 3的情况下的参照图像(Ri，I?Ri，3)。图像908是使用缺陷图像901和参照图像902的缺陷候选提取905的结果，图像909、910也同样是缺陷候选提取906、907的结果。随机产生线边缘粗糙度等制 造公差。因此，如果针对缺陷候选的提取结果908?910只提取共同的区域(911)，则随机产生的缺陷候选被排除，能够只提取缺陷(912)。此外，判定为缺陷的缺陷候选也可以不在全部的缺陷检测结果中相同。即，可以是如果在多个缺陷候选提取结果中的一定数以上的提取结果中一致，则判定为缺陷。另夕卜，也可以根据与缺陷候选提取结果数R对应的比例来指定一定数。可以根据其结果从计算出的特征量Fd(i，j)(j = 1?3)中提取被标记为“缺陷”的特征量FcKi)。此外，提取被标记为“缺陷”的特征量Fd(i)的方法并不限于此，例如也可以提取在特征量空间中接近的分布o
[0052]使用图10补充说明使用摄像所得的参照图像Ri (i = 1?R)的组合(j，k)来计算妨扰的特征量分布的方法。图像1001?1003示意地表示参照图像(Ri，1?Ri，3)。图像1004表示使用参照图像1001和参照图像1002的缺陷候选提取结果，同样图像1005表示使用参照图像1001和参照图像1003的缺陷候选提取结果，图像1006表示使用参照图像1002和参照图像1003的缺陷候选提取结果。从参照图像之间的组合提取出的缺陷候选中不包含缺陷。由此，根据包含在图像1004?1006中的缺陷候选计算出的特征量的分布是被标记为“妨扰”的特征量分布。
[0053]返回到图8继续进行说明。通过针对观察对象的M点的缺陷位置坐标重复执行上述处理S801?S808，得到缺陷的特征量分布Fd(i)和妨扰的特征量分布Fr(i，j，k) (i =1?M，(j，k)是参照图像的组合)。根据所得到的分布，使用分布分析部213学习识别缺陷和妨扰的识别面(S809)。作为学习的方法，使用模式识别的技术即可。具体地说，可以使用神经网络，也可以使用SVM。或者也可以使用自动生成识别规则的算法(例如C4.5等)。或者，也可以不计算识别面，而预先存储标记了的特征量分布，在识别时使用k近似法等进行识别。此外，将计算出的识别面或者识别所需要的参数存储在配方存储部207中。
[0054]以上，说明了用于调整缺陷选择部211的参数的方法。接着，说明调整图像差异定量化部210的参数的方法。如果先说明概要，则使用与图像差异定量化部210有关的参数(例如检测阈值、图像混合率)的组合进行缺陷检测，搜索缺陷检出率高的参数。这时，通过使用多张参照图像，能够计算出可靠性高的缺陷检出率。此后使用图11说明处理的细节。此外，既可以同时并行地进行缺陷选择部211的参数调整、图像差异定量化部210的参数调整，也可以逐次地进行。此外，在逐次地进行的情况下，执行顺序哪个在先都可以。或者，也可以只进行任意一方。
[0055]首先，针对对象缺陷使用摄像位置设定部209设定参照图像的摄像位置(S1101)。使用缺陷取得部205取得缺陷图像Di(S1102)。此外，在缺陷取得部205中，在能够判定为已经拍摄了相应的缺陷ID的缺陷图像的情况下，也可以从图像存储部读入图像。接着，使用图像取得部205取得R张参照图像Ri，j (j = 1?R) (S1103)。接着，使用缺陷图像Di和参照图像Ri，j提取缺陷候选Cd(i，j) (SI 104) o接着，从所得到的多个缺陷候选Cd(i，j)(j = l?R)中提取缺陷候选Cd(i)(S1105)。作为提取的一个方法，如图9所示那样只提取共同的缺陷候选区域即可。通过如上述那样使用多张参照图像的结果，能够将包含在Cd(i)中的缺陷候选假定为缺陷。接着，使用参照图像Ri(i = 1?R)的组合(j，k)提取缺陷候选Cr(i，j，k) (S1106)。由于是使用参照图像彼此的提取结果，所以能够将包含在缺陷候选Cr(i，j，k)中的缺陷候选假定为妨扰。接着，计算检测可靠性DRp(S1107)。DR(p)是表示使用参数组P时的缺陷检测结果的可靠性的指标，例如根据式(1)计算即可。针对搜索对象的参数的组合进行以上的S1101?S1107，求出DR(p)最大的参数。由此，成为妨扰的缺陷候选少，得到缺陷的检出率高的参数。另外，也可以关联地输出参数和DR(p)，使得能够由用户选择。
[0056](式1)
[0057]DR(p)=包含在Cd(i)中的缺陷候选数的总和/包含在(Cr(i，j，k)中的缺陷候选数的总和+1)
[0058]以上，说明了调整图像差异定量化部210和缺陷选择部211中的参数的方法。此夕卜，利用通过利用多张参照图像能够高可靠度地检测出缺陷的情况，能够容易地实现与参数的调整同时地取得缺陷的观察图像。但是，拍摄多张参照图像成为吞吐量低下的原因。因此，理想的是在参数的调整结束后，进行通常(使用了一张参照图像)的观察处理(图4)。
[0059]在图12中表示与参数的可靠性对应地自动切换参数调整处理(图8和图11)和通常的观察处理(图4)的方法。首先，判定存储在配方存储部207中的配方的可靠性
(51201)。此外，在不存在与观察对象的样本对应的配方的情况下也判定为可靠性低。在可靠性低的情况下，使用上述配方调整用处理来调整配方。接着，判定所制作的配方的可靠性
(51202)。为了判定与缺陷选择部211有关的参数的可靠性，进行n分割交叉确认(n-foldCross Validat1n)，评价缺陷检出率的稳定性即可。另外，为了判定与图像差异定量化部212有关的参数的可靠性，根据使用了多张参照图像和缺陷图像的缺陷候选提取处理(S1105)的结果，评价缺陷检出率是否达到了预定的阈值即可。在配方可靠性判定处理中判定为可靠性高的情况下，在观察此后的观察对象样本的情况下，使用调整后的参数进行通常的观察处理(S1204)。此外，也可以预先记录配方制作的日期时间，在配方可靠性判定处理(S1201中从制作配方时开始经过了一定期间的情况下，判断为可靠性低。
[0060]此外，以上说明了根据摄像所得的缺陷图像和参照图像提取缺陷候选的情况下的参数调整方法，但也能够在使用专利文献3所记载的方法等从一张缺陷图像中进行缺陷检测的情况下的参数调整中利用。在该情况下，在提取成为妨扰的缺陷候选的处理(S807、S1106)中，使用根据摄像所得的参照图像合成的参照图像、摄像所得的参照图像提取缺陷候选即可。另外，在从缺陷图像中提取缺陷候选的处理(S804、S1104)中，也可以使用根据摄像所得的参照图像合成的参照图像、摄像所得的缺陷图像提取缺陷候选。由此，在妨扰的特征量分布与参照图像的合成精度对应地变化的情况下也能够对应。另外，还能够调整与参照图像的合成处理有关的参数。
[0061]另外，也可以使用根据样本的设计信息生成的图像作为参照图像。这时，也可以使用使根据设计信息生成图像时的参数变化而生成的多张参照图像。由此，能够调整使用摄像所得的缺陷图像和根据样本的设计信息而生成的图像检测缺陷候选时的参数。
[0062]说明本发明的缺陷观察装置的用户界面。图13是与检测可靠性、缺陷检出数、妨扰检出数对应地一览显不搜索出的参数的一览的GUI的例子。在参数一览的显不部1301中用户能够选择参数。另外，具备按键1302，其调用用于确认使用了选择出的参数的情况下的缺陷检测结果的GUI。图14(a)是用于确认缺陷检测结果的GUI的例子。具备选择缺陷ID的选择部1401、显示图像和计算出的特征量的显示部1402。在显示部1402中，能够通过“图像标签” 1403、“特征量标签” 1404切换显示内容。在图像标签有效的情况下，具备选择显示图像的选择部1405、指定显示图像的检测器(二次电子像、反射电子像)的选择部1406、指定是否在图像中重叠地显示缺陷候选的检测结果的选择部1407、显示图像的显示部1408。另外，也可以通过具备显示图像和计算出的特征量的第二显示部1409，使得能够并排地确认2个图像或特征量。图14(b)是在第二显示部1408中使“特征量标签”有效的情况下的GUI的例子。具备分别指定要显示的特征量空间的横轴和纵轴的指定部1410、显示在特征量空间中标绘出缺陷候选的结果的显示部1411。另外，也可以显示特征量空间中的识别面1412。此外，也可以不显示特征量空间，而显示所指定的特征量的直方图。
[0063]如以上说明的那样，通过使用缺陷图像和多张参照图像， 能够从观察对象样本中提取能够容易地标记为“缺陷”和“妨扰”的缺陷候选。由此，能够容易地调整用于缺陷候选提取的参数、将缺陷候选辨别为缺陷和妨扰的识别面。另外，通过将调整后的参数保存在配方中，能够高灵敏度地再检测缺陷。
[0064]实施例2
[0065]在实施例1中说明了以下方法，根据缺陷图像和多张参照图像，从观察对象样本中提取能够容易地标记为“缺陷”和“妨扰”的缺陷候选，调整缺陷再检测相关的参数。在实施例2中说明以下方法，即根据多张参照图像从观察对象样本中提取能够容易地标记为“妨扰”的缺陷候选，调整缺陷再检测相关的参数。
[0066]本实施例的装置结构与实施例1所示的图1和图2相同。另外，关于用户界面，也具备与图13和图14同样的界面。不同的是与缺陷选择部211的参数调整有关的流程。此后只说明与实施例1不同的部分。
[0067]首先，提取R点被设计为形成同样的电路图案的位置，设定摄像位置(S1501)。这时，根据其他缺陷检查装置输出的缺陷位置坐标设定摄像位置，使得缺陷不包含在摄像图像中。接着，使用图像取得部205取得所设定的摄像位置的图像Ri，j(j = 1?R)(S1502)。接着，针对摄像所得的图像的组合(j，k)，使用图像差异定量化部210提取缺陷候选，计算提取出的缺陷候选的特征量分布Fr(i，j，k)。针对N点重复进行以上的S1501?S1504(S1505)。在取得的图像中不包含缺陷，因此特征量分布Fr(i，j，k)为被标记为“妨扰”的特征量分布。
[0068]由此，通过使用妨扰特征量分布Fr(i，j，k)利用模式识别的技术构成1类识别机，能够得到识别缺陷和妨扰的识别面(S1506)。另外，也可以不求出识别面，而求出妨扰分布的参数(例如原点位置、方差等)。
[0069]如以上说明的那样，通过使用多张参照图像，能够从观察对象样本中提取能够容易地标记为“妨扰”的缺陷候选。由此，能够容易地调整从缺陷候选中辨别妨扰的识别面。另外，通过将调整后的参数保存在配方中，能够高灵敏度地再检测缺陷。
[0070]符号说明
[0071]101:扫描型电子显微镜(SEM) ;112:图像生成部；206:图像存储部；207:配方存储部；208:坐标存储部；209:摄像位置设定部；210:图像差异定量化部；211:缺陷选择部；212:缺陷特征量分布提取部；213:分布分析部；301:缺陷候选提取部；302:特征量计算部；S404:进行缺陷候选的提取和特征量计算的步骤；S405:选择缺陷的步骤；S802:拍摄缺陷图像的步骤；S803:拍摄多张参照图像的步骤；S805:求出参照图像和缺陷图像的比较检查结果的步骤；S808:求出参照图像和参照图像的比较检查结果的步骤；S809:计算识别面的步骤；S1202:调整参数的步骤。
【主权项】
1.一种缺陷观察方法，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而得到的第一特征量分布、根据该参照图像而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；以及 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。2.根据权利要求1所述的缺陷观察方法，其特征在于， 该参照图像有多张， 在上述参数决定步骤中，使用该参照图像的各个的差图像决定该第二特征量分布。3.根据权利要求2所述的缺陷观察方法，其特征在于， 该第二特征量分布是在该参照图像的各个的差图像的任意一个中被判别为缺陷候选的区域的特征量分布。4.根据权利要求1?3的任意一项所述的缺陷观察方法，其特征在于， 该参照图像有多张， 在上述参数决定步骤中，使用该缺陷图像和该参照图像的各个之间的差图像决定该第一特征量分布。5.根据权利要求4所述的缺陷观察方法，其特征在于， 该第一特征量分布是在该缺陷图像和该参照图像的各个之间的差图像中共同被判别为缺陷候选的区域的特征量分布。6.根据权利要求1?5的任意一项所述的缺陷观察方法，其特征在于， 该第一参数是在上述观察步骤中从缺陷候选中辨别缺陷和妨扰的参数。7.根据权利要求1?6的任意一项所述的缺陷观察方法，其特征在于， 在上述参数决定步骤中，进而根据该第一特征量分布以及该第二特征量分布和缺陷检出率，决定用于缺陷提取的第二参数。8.根据权利要求1?7的任意一项所述的缺陷观察方法，其特征在于， 在上述观察步骤中，使用在上述摄像步骤中拍摄所得的该缺陷图像和该参照图像的至少一方。9.根据权利要求1?8的任意一项所述的缺陷观察方法，其特征在于， 该缺陷信息是与缺陷的位置有关的信息。10.根据权利要求1?9的任意一项所述的缺陷观察方法，其特征在于， 该参照图像是拍摄被设计为形成与该缺陷图像的图案相同的图案的该被检查对象物上的区域而得的图像。11.一种缺陷观察装置，其特征在于，包括: 摄像单元，其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； 参数决定单元，其使用根据通过上述摄像单元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；以及 观察单元，其使用通过上述参数决定单元决定的该第一参数进行观察。12.根据权利要求11所述的缺陷观察装置，其特征在于， 该参照图像有多张， 在上述参数决定单元中，使用该参照图像的各个的差图像决定该第二特征量分布。13.根据权利要求12所述的缺陷观察装置，其特征在于， 该第二特征量分布是在该参照图像的各个的差图像的任意一个中被判别为缺陷候选的区域的特征量分布。14.根据权利要求11?13的任意一项所述的缺陷观察装置，其特征在于， 该参照图像有多张， 在上述参数决定单元中，使用该缺陷图像和该参照图像的各个之间的差图像决定该第一特征量分布。15.根据权利要求14所述的缺陷观察装置，其特征在于， 该第一特征量分布是在该缺陷图像和该参照图像的各个之间的差图像的全部中共同被判别为缺陷候选的区域的特征量分布。16.根据权利要求11?15的任意一项所述的缺陷观察装置，其特征在于， 该第一参数是在上述观察单元中从缺陷候选中辨别缺陷和妨扰的参数。17.根据权利要求11?16的任意一项所述的缺陷观察装置，其特征在于， 在上述参数决定单元中，进而根据该第一特征量分布以及该第二特征量分布和缺陷检出率，决定用于缺陷提取的第二参数。18.根据权利要求11?17的任意一项所述的缺陷观察装置，其特征在于， 在上述观察单元中，使用通过上述摄像单元拍摄所得的该缺陷图像和该参照图像的任意一个。19.根据权利要求11?18的任意一项所述的缺陷观察装置，其特征在于， 该缺陷信息是与缺陷的位置有关的信息。20.根据权利要求11?19的任意一项所述的缺陷观察装置，其特征在于， 该参照图像是拍摄被设计为形成与该缺陷图像的图案相同的图案的该被检查对象物上的区域而得的图像。
【专利摘要】本发明的目的在于，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”(错误检测出制造公差等的部位)的缺陷候选，容易地调整与观察处理有关的参数。本发明的缺陷观察方法包括：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。本发明能够应用于观察在半导体晶圆的制造中产生的缺陷的方法。
【IPC分类】G01N21/956, G01N23/225
【公开号】CN104903712
【申请号】CN201380069668
【发明人】原田实, 高木裕治, 中垣亮, 平井大博, 木附洋彦
【申请人】株式会社日立高新技术
【公开日】2015年9月9日
【申请日】2013年12月6日
【公告号】US20150332445, WO2014119124A1
最新回复(0)