[發明專利]基于機器學習的樣本缺陷檢測

在審

• 申請號: 202010953251.7
• 申請日: 2020-09-11
• 公開（公告）號: CN113066044A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: R·巴達內斯;R·施萊恩;B·科恩;I·皮萊格;D·蘇哈諾夫;O·什塔利德
• 申請（專利權）人: 應用材料以色列公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08;G06N3/00;G06N3/12
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 汪駿飛;侯穎媖

公開了基于機器學習的樣本缺陷檢測。提供了一種在樣本上進行缺陷檢測的方法及其系統。所述方法包括：獲得表示樣本的至少一部分的運行時圖像；使用受監督模型處理所述運行時圖像以獲得指示在所述運行時圖像上第一缺陷的估計存在的第一輸出；使用無監督模型部件處理所述運行時圖像以獲得指示在所述運行時圖像上第二缺陷的估計存在的第二輸出；使用一個或多個優化參數組合所述第一輸出和所述第二輸出以獲得所述樣本的缺陷檢測結果。

技術領域

本公開的主題總體涉及樣本檢驗領域，并且更具體地，涉及用于樣本的缺陷檢測的方法和系統。

背景技術

當前對與所制造的器件的超大規模集成相關聯的高密度和性能的需求要求亞微米特征、增大的晶體管和電路速度以及提高的可靠性。這種需求要求形成具有高精確度和均勻性的器件特征，這又必需仔細地監視制造工藝，包括在器件仍然是半導體晶片的形式時自動地檢驗該器件。要注意，制造工藝可包括制造前、制造和/或制造后操作。

本說明書中使用的術語“樣本”應廣義地解釋為涵蓋用來制造半導體集成電路、磁頭、平板顯示器和其他半導體制造的制品的任何種類的晶片、掩模和其他結構、以上項的組合和/或以上項的部分。

本說明書中使用的術語“檢驗”應廣義地解釋為涵蓋任何種類的計量相關操作以及與在樣本的制造期間該樣本中的缺陷的檢測和/或分類有關的操作。檢驗是通過在要檢驗的樣本的制造期間或之后使用非破壞性檢驗工具來進行。作為非限制性示例，檢驗工藝可包括使用相同或不同檢驗工具進行運行時掃描(以單次掃描或以多次掃描)、采樣、查驗、測量、分類和/或關于樣本或其部分提供的其他操作。同樣，至少部分檢驗可在制造要檢驗的樣本之前進行，并且可包括例如生成檢驗配方、訓練各自的分類器或其他機器學習相關工具和/或其他設置操作。要注意，除非另外具體地陳述，否則本說明書中使用的術語“檢驗”或其衍生詞在分辨率或在檢查區域的大小方面不受限制。作為非限制性示例，多種非破壞性檢驗工具包括掃描電子顯微鏡、原子力顯微鏡、光學檢查工具等。

作為非限制性示例，運行時檢驗可采用兩階段過程，例如，先是檢查樣本，接著查驗潛在缺陷的采樣位置。在第一階段期間，以高速度和相對低分辨率檢查樣本的表面。在第一階段中，產生缺陷圖以示出在樣本上疑似高概率有缺陷的位置。在第二階段期間，以相對高分辨率更徹底地分析此類可疑位置中的至少一些。在一些情況下，兩個階段都可由相同檢查工具實施，并且在一些其他情況下，這兩個階段由不同檢查工具實施。

在半導體制造期間的各個步驟處都使用了檢驗工藝以檢測樣本上的缺陷并將其分類。檢驗一般涉及通過將光或電子引導到晶片并檢測來自晶片的光或電子來針對晶片生成某種輸出(例如，圖像、信號等)。一旦已經生成輸出，就典型地通過將缺陷檢測方法和/或算法應用到輸出來執行缺陷檢測。最通常地，檢驗的目的是提供對感興趣缺陷的高靈敏度，而抑制晶片上的損害和噪聲的檢測。

發明內容

根據當前所公開的主題的某些方面，提供了一種在樣本上進行缺陷檢測的方法，所述方法通過處理器和存儲器電路(PMC)執行，所述方法包括：獲得表示所述樣本的至少一部分的運行時圖像；使用受監督模型部件處理所述運行時圖像以獲得指示在所述運行時圖像上第一缺陷的估計存在的第一輸出，其中使用第一訓練集訓練所述受監督模型部件，所述第一訓練集包括至少多個第一圖像和指示在所述第一圖像上的第一缺陷分布的對應標簽數據，每個第一圖像表示所述樣本的至少一部分；使用無監督模型部件處理所述運行時圖像以獲得指示在所述運行時圖像上第二缺陷的估計存在的第二輸出，其中使用第二訓練集訓練所述無監督模型，所述第二訓練集包括多個第二圖像，每個第二圖像表示所述樣本的至少一部分，每個第二圖像是第一圖像的參考圖像；以及使用一個或多個優化參數組合所述第一輸出和所述第二輸出以獲得所述樣本的缺陷檢測結果。

除了以上特征之外，根據當前所公開的主題的這一方面的方法可以技術上可能的任何所期望的組合或置換包括以下列出的特征(i)至(xiii)中的一個或多個：

(i).可在使用第三訓練集訓練期間獲得所述優化參數。