[發明專利]半導體樣品的基于深度學習的檢查的方法及其系統

在審

• 申請號: 201980006809.6
• 申請日: 2019-02-07
• 公開（公告）號: CN111512324A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: O·肖比;D·蘇哈諾夫;A·阿斯巴格;B·科恩
• 申請（專利權）人: 應用材料以色列公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/03;G06K9/46;G06K9/62;G06T7/00;G01N21/95
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 侯穎媖;張鑫

本文提供了一種檢查半導體樣品的方法及其系統。所述方法包括：使用經訓練的深度神經網絡(DNN)來處理制造工藝(FP)樣本，其中FP樣本包括：從(多個)第一檢查模態接收的(多個)第一FP圖像和從(多個)第二檢查模態接收的(多個)第二FP圖像，所述(多個)第二檢查模態與所述(多個)第一檢查模態不同，并且其中所述經訓練的DNN與所述(多個)第二FP圖像分開地處理所述(多個)第一FP圖像；且進一步地通過所述經訓練的DNN來處理此種單獨處理的結果以獲得特定于給定的應用并表征經處理的所述FP圖像中的至少一個FP圖像的檢查相關的數據。當FP樣本進一步包括與所述(多個)FP圖像相關聯的數值數據時，所述方法進一步包括：通過所述經訓練的DNN而與處理所述第一FP圖像和所述第二FP圖像分開地處理數值數據的至少部分。

技術領域

本發明公開的主題總的來說涉及樣本的檢查的領域，并且更具體來說涉及用于樣本的檢查的自動化的方法和系統。

背景技術

對于高密度和高性能的目前的需求(其與所制造的裝置的超大規模集成相關聯)要求次微米特征、增加的晶體管和電路速度，以及改進的可靠度。這些需求要求形成具有高精度和均勻性的器件特征，這些又使得制造工藝的仔細的監控(包括當裝置仍然是半導體晶片的形式時自動地檢查所述器件)成為必要。注意到制造工藝可包括：預制造操作、制造操作、和/或制造后操作。

在此說明書中使用的術語“樣本(specimen)”應被廣泛地解釋為涵蓋用于制造半導體集成電路、磁頭、平板顯示器、以及其他的半導體制造的制品的任何的種類的晶片、掩模、以及其他的結構、組合和/或其部分。

在此說明書中使用的術語“檢查(examination)”應被廣泛地解釋為涵蓋任何種類的計量相關的操作、以及與在樣本的制造期間檢測和/或分類所述樣本中的缺陷相關的操作。在制造待檢查的樣本期間或在制造待檢查的樣本之后，通過使用非破壞性的檢查工具來進行檢查。作為非限制性的示例，檢查工藝可包括：運行時間掃描(在單次或多次掃描中)、采樣、檢查、測量、分類、和/或使用相同的或不同的檢查工具來關于樣本或其部分提供的其他的操作。同樣地，檢查的至少一部分可在制造待檢查的樣本之前進行，并且可包括例如生成(多個)檢查配方、訓練相應的分類器、或其他的機器學習相關的工具和/或其他的設置操作。注意到，除非特別地且另外地聲明，在此說明書中使用的術語“檢查(examination)”或其衍生物不限于分辨率或檢查區域的大小。各種非破壞性的檢查工具包括(作為非限制性的示例)：掃描電子顯微鏡、原子力顯微鏡、光學檢查工具等。

作為非限制性的示例，運行時間檢查可采用兩階段的程序(例如，檢查樣本，然后檢查潛在的缺陷的采樣的位置)。在第一階段期間，在高速下且利用相對低的分辨率來檢查樣本的表面。在第一階段，生成缺陷圖以顯示被懷疑具有高的缺陷機率的樣本上的位置。在第二階段期間，這樣的可疑的位置中的至少一些以相對高的分辨率被更徹底地分析。在某些情況下，兩個階段可通過相同的檢查工具來實施，而在一些其他的情況中，這兩個階段是通過不同的檢查工具來實施的。

在半導體制造期間的各個步驟中使用檢查程序以檢測和分類在樣本上的缺陷。可通過程序中的至少部分的自動化(例如，通過使用自動的缺陷分類(ADC)、自動的缺陷檢查(ADR)等等)來增加檢查的有效性。

發明內容