用于分集化及缺陷发现的动态分格的制作方法

本发明一般来说涉及用于产生晶片的缺陷样本的方法及系统。

背景技术：

以下描述及实例并非由于其包含于此章节中而被认为是现有技术。

在晶片检验处方的设置期间的最重要任务中的一者是识别可在晶片上检测的尽可能多的缺陷类型。由于自动化处方设置及调谐变得较重要，因此对针对此优化而自动识别缺陷的良好集合的需要也变得越来越重要。在不具有良好训练集合的情况下，自动化优化无法很好地起作用。另外，在制造斜升期间，当高的且未知的缺陷率是问题时，识别晶片上的所有缺陷同样重要。在此情况下，主要将关注放在危险的缺陷上。

随着光学检验中的挑战增加，对开发实现最大缺陷类型分集的有效取样算法的需要已增大。由于所关注缺陷(DOI)的大小缩减，因此光学检验尽力维持对这些缺陷的差分灵敏度。为实现所要灵敏度，检验往往较少依赖于复杂的缺陷检测算法且较多依赖于利用缺陷性质(或属性)的资源的复杂滋扰(nuisance)滤波器。然而，调谐此类滤波器需要代表所有缺陷类型的缺陷群体。

当前用以从群体对缺陷取样的一些方法的实例描述于以下各项中：发布于2001年7月24日的颁予西蒙斯(Simmons)的美国专利第6,265,232号、发布于2003年9月2日的颁予西蒙斯的美国专利第6,613,590号，发布于2004年9月14日的颁予细谷(Hosoya)等人的美国专利第6,792,367号、发布于2005年5月10日的颁予西蒙斯的美国专利第6,890,775号及发布于2011年3月22日的颁予涩谷(Shibuya)等人的美国专利第7,912,276号，以及公开于2005年7月21日的颁予西蒙斯的美国专利申请公开案第2005/0158887号及公开于2008年11月27日的颁予内马蒂(Nehmadi)等人的美国专利申请公开案第2008/0295048号，所有所述专利如同全面陈述于本文中一般以引用的方式并入。

因此，开发用于产生可用于上文所描述的一或多个应用的晶片的缺陷样本的系统及/或方法将为有利的。

技术实现要素：

各种实施例的以下描述不应以任何方式解释为限制所附权利要求书的标的物。

一个实施例涉及一种用于产生缺陷样本的计算机实施的方法。所述方法包含获取所述晶片的检验结果。所述检验结果包含通过检验过程而在所述晶片上检测的缺陷的信息。所述信息至少包含所述缺陷的一或多个第一属性的第一集合及所述缺陷的一或多个第二属性的第二集合的信息。方法还包含识别一或多个第一属性的在所述一或多个第一属性的值中具有最大分集的值。另外，所述方法包含基于所述所识别值而产生用于所述缺陷的分格的集合，使得所述分格中的每一者对应于所述值的仅一部分且使得对应于所述分格的所述值在所述一或多个第一属性上具有分集。所述方法进一步包含基于对应于所述缺陷的所述一或多个第一属性的所述值而将所述缺陷分离到所述分格中。方法还包含基于一或多个第二属性的值的分集而从分格中的一者选择所述分格中的一者内的缺陷及针对所述分格中的至少另一者重复所述选择步骤。另外，所述方法包含针对所述晶片创建包含选自所述分格中的所述一者及所述分格中的所述至少另一者的所述缺陷的缺陷样本。由计算机系统执行所述获取、识别、产生、分离、选择、重复及创建步骤。

可如本文中进一步所描述来执行上文所描述的方法。另外，上文所描述的方法可包含本文中所描述的任何其它方法的任何其它步骤。此外，上文所描述的所述方法可通过本文中所描述的所述系统中的任一者来执行。

另一实施例涉及一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可在计算机系统上执行以执行用于产生晶片的缺陷样本的计算机实施的方法。所述计算机实施的方法包含上文所描述的所述方法的所述步骤。可如本文中所描述来进一步配置所述计算机可读媒体。可如本文中进一步所描述来执行所述计算机实施的方法的所述步骤。另外，可为其执行所述程序指令的所述计算机实施的方法可包含本文中所描述的任何其它方法的任何其它步骤。

额外实施例涉及经配置以产生晶片的缺陷样本的系统。所述系统包含经配置以获取所述晶片的检验结果的检验子系统。所述检验结果包含上文所描述的所述信息。所述系统还包含经配置以用于执行上文所描述的所述方法的所述识别、产生、分离、选择、重复及创建步骤的计算机子系统。可如本文中所描述来进一步配置所述系统。

附图说明

在阅读以下详细描述且在参考附图后，本发明的其它目标及优点将即刻变得显而易见，在附图中：

图1是图解说明可包含于用于产生晶片的缺陷样本的方法的一些实施例中的不同步骤的示意图；

图2是图解说明存储程序指令的非暂时性计算机可读媒体的一个实施例的框图，所述程序指令可在计算机系统上执行以用于执行本文中所描述的计算机实施的方法中的一或多者；且

图3是图解说明经配置以产生晶片的缺陷样本的系统的一个实施例的侧视图的示意图。

尽管易于对本发明做出各种修改及替代形式，但其特定实施例是在图式中以实例方式展示且将在本文中详细描述。然而，应理解，图式及对其的详细描述并非打算将本发明限制于所揭示的特定形式，而是相反，本发明打算涵盖归属于如由所附权利要求书界定的本发明的精神及范围内的所有修改、等效形式及替代形式。

具体实施方式

现在转到图式，应注意，各图并未按比例绘制。特定来说，所述图的元件中的一些元件的比例被大为放大以强调所述元件的特性。还应注意，所述图并未按相同比例绘制。已使用相同参考编号指示可类似地配置的在一个以上图中展示的元件。除非本文中另外提及，否则所描述及所展示的元件中的任何元件可包含任何适合可商业购得的元件。

一个实施例涉及一种用于产生晶片的缺陷样本的计算机实施的方法。一般来说，本文中所描述的实施例提供可用于例如缺陷类型的发现的应用中的新颖分集化方法及系统。本文中所描述的实施例基本上改变可产生用于光学器件模式选择或其它目的的缺陷群体的方式。本文中所描述的实施例可实施为离线方法。举例来说，本文中所描述的实施例可以IMPACT(一种经设计用于分类器调谐的离线应用)实施，其可从加利福尼亚州苗必达(Milpitas)的科磊公司(KLA-Tencor)商业购得。

本文中所描述的实施例提供用于经改进分集化及缺陷发现的动态分格。对分集化缺陷集合取样是用于发现晶片、尤其具有相对大数目个缺陷的一个晶片上的缺陷类型的强大技术。可用于产生分集化的缺陷样本的方法及系统的实例描述于由帕利霍尔(Plihal)等人公开于2014年5月15日的美国专利申请公开案第2014/0133737号中，所述专利申请公开案如同全面陈述于本文中一般以引用的方式并入。一些此类方法及系统创建于两个基本原则上：用户可选择特征空间；及选择在此空间中尽可能彼此远离的缺陷。对于缺陷发现，此取样方案依赖于可有效地用于选择用于分集化的相对小特征空间的领域知识。

虽然上文参考的专利申请案中所描述的方法及系统提供优于其它缺陷取样方法及系统的显著优点，但本文中所描述的实施例提供对所述专利申请案中所描述的取样方案加以改进的取样方案。举例来说，所述专利申请案中所描述的方法的一个潜在问题是随着分集化目标的数目增加(换句话说，当分集化特征空间的维度增加时)，使样本有效地分集化的能力减小。当最终目标是实现多个分集化目标(例如关于其中缺陷发现其本身的情境的分集化及关于信号属性的分集化)时，此可为一问题。尝试满足此两个分集化最终目标同时降低特征空间且使取样方案在实现两个目标中的任一者时较不有效。本文中所描述的实施例通过直观、可配置及可验证过程来解决此问题。举例来说，如本文中进一步所描述，实施例提供可比当前方法及系统更加有效地实现多个分集化目标的方法及系统。另外，如本文中进一步所描述，实施例提供可较容易由用户验证的分集化目标的较直观、逐步配置。

方法包含获取晶片的检验结果。检验结果包含通过检验过程而在晶片上检测的缺陷的信息，且所述信息至少包含所述缺陷的一或多个第一属性的第一集合及所述缺陷的一或多个第二属性的第二集合的信息。用户可选择将在方法中使用的检验结果文件。检验结果可包含关于在晶片上检测的缺陷的信息(例如在晶片上检测的缺陷的位置)及在晶片上检测的缺陷的任何其它信息(例如针对所述缺陷确定的缺陷属性及针对所述缺陷产生的图像数据或图像)。

在一些实施例中，一或多个第一属性包含缺陷的背景或情境的一或多个第一属性。举例来说，一或多个第一属性可包含描述缺陷周围的情境的属性(例如其亮度、纹理等)或描述缺陷周围的图案的属性。这些属性或其子集可用于创建可如本文中进一步所描述用以使关于其中定位缺陷的情境的缺陷分集化的动态分格(如本文中进一步所描述)。一或多个第一属性还可包含缺陷的其它非情境相关属性及/或缺陷的一或多个情境相关属性以及一或多个非情境相关属性。

如上文所描述，可从晶片的检验系统的输出确定与情境相关的第一属性。换句话说，第一属性可与情境在检验系统的输出中如何显现相关。然而，还可从其它源(例如晶片的设计数据)确定与情境相关的第一属性。举例来说，可用作第一属性的一些情境相关属性包含可用于表征情境的基于设计的属性(例如图案密度等)。

此外，第一属性可包含表征恰好在缺陷周围的像素以及缺陷的光学响应特性但不表征缺陷信号本身的一或多个属性。因此，此类属性可与比上文所描述的情境相关属性小得多的情境相关。此类属性的实例包含由缺陷检测算法(例如由可从加利福尼亚州苗必达的科磊公司商业购得的一些检验系统使用的多裸片自动阈值确定(MDAT)算法)确定的灰度级(例如，“MDAT_GL”)、用于检测缺陷的参考图像的粗糙度(“REFERENCE_Roughness”)、用于检测缺陷的参考图像的亮度(“REFERENCE_Brightness”)及极性(例如，缺陷信号与周围信号相比是亮的还是暗的)。

在额外实施例中，一或多个第二属性包含针对缺陷检测的信号的一或多个属性。举例来说，一或多个第二属性可包含光学信号属性，例如能量、量值等。第二属性的额外实例包含由缺陷检测算法确定的能量参数(“Energy_Param”)及由缺陷检测算法确定的其它参数(例如，“IMX_Param3”、“IMX_Param5”及“SpotLikeness”)。一或多个第二属性还可包含缺陷的其它非信号相关属性及/或缺陷的一或多个信号相关属性以及一或多个非信号相关属性。

第一属性及第二属性还可取决于将用于本文中所描述的实施例中的分集化准则而变化，所述分集化准则可取决于使用情形、晶片、过程步骤等而变化。举例来说，第一及/或第二属性的额外实例包含相对于所注意(care)边缘的缺陷位置、裸片中的缺陷位置、缺陷与晶片边缘之间的距离等。另外，本文中所描述的实施例不限于本文中所描述的第一属性及第二属性。换句话说，本文中所描述的实施例可经配置以使用可针对晶片缺陷确定的任何第一属性及第二属性。

方法还包含识别一或多个第一属性的在所述一或多个第一属性的值中具有最大分集的值。一或多个第一属性可经选择以用于本文中所描述的实施例中，如本文中进一步所描述。可以多种方式来执行识别第一属性的具有最大分集的值，此取决于第一属性。另外，由于如本文中进一步所描述，第一属性的分集化值将用于定义缺陷的分格，因此可基于经选择以用于方法中的分格的数目而确定第一属性的值的分集。举例来说，如果经选择以用于方法中的分格的数目是10，那么可识别第一属性的具有最大分集的10个值。在其中第一属性中的一者的值是离散“值”(与第一属性中的一者的连续范围的值相比)的一些实例中，被识别为具有最大分集的值可为彼此最不同的值。还可针对难以用数字定义的“值”(例如在第一属性中的一者与缺陷的情境(或者在缺陷位置处或在所述缺陷位置附近的经图案化特征)相关的情况下)定义此分集。因此，第一属性的“值”不限于数字值而是可为定性类型值。在其中第一属性中的一者的值在连续值范围内的实例中，可以将在方法中使用的分格的数目来划分总范围以产生整个范围内的值的不同非重叠子集。

在一个实施例中，由用户选择第一属性及包含于如本文中进一步所描述的集合中的分格的数目。本文中所描述的分集化分格的概念为强大的，这是因为分格本身的数目可用于改变分集化最终目标与优先级之间的平衡。从给定特征子空间创建的较大数目个分格将促使最终取样方案对此空间中的分集化较为严格，而较少分格将具有相反效应。在一些实施例中，方法可包含向用户请求第一属性及分格的数目。可接着在已接收到信息时执行方法的步骤。在一些此类实例中，方法可包含将包含于检验结果中的所有缺陷属性显示给用户及请求所述用户选择缺陷属性中的一者或全部以用作第一属性。

方法进一步包含基于所识别值而产生用于缺陷的分格的集合，使得分格中的每一者对应于所述值的仅一部分且使得对应于分格的值具有第一属性的分集(例如，最大分集)。换句话说，可基于所识别值来定义将在方法中使用的分格，使得分格中的每一者对应于所识别值中的仅一者。因此，本文中所描述的实施例利用动态分格的概念，在考量特定分集化的情况下通过在一个特征空间中的分集化过程实现所述动态分格。在一些实施例中，产生分格的集合包含：对具有来自检验结果的所识别值中的每一者的缺陷中的至少一者取样；及基于具有所识别值中的每一者的所述缺陷中的所取样至少一者而定义分格。举例来说，可通过对第一属性空间中的分集化缺陷集合取样且在将所取样缺陷作为种子的情况下创建最靠近的相邻分格来实现分集化。可将上文所描述的分格创建集成到分集取样本身中或可单独地且独立于取样而执行所述分格创建。

在一些此类实施例中，如图1中所展示，方法可包含在一些空间中执行分集取样，如步骤100中所展示。此步骤可经执行以获得第一属性的分集化值，例如分集化情境。举例来说，情境空间(其中缺陷的情境由在缺陷位置处及/或所述缺陷位置附近的经图案化特征定义)中的分集化取样可产生分集化情境集合，在图1中展示为基本上各自彼此不同且因此为分集化的情境104、106、108及110的集合102。应注意，图1中所展示的情境仅意在进一步理解本发明且并不打算展示可形成于任何实际晶片上的任何实际情境。另外应注意，未在这些情境中展示缺陷，这是因为本文中所描述的实施例可用于可在晶片上检测的任何缺陷。此外，图1中所展示的情境展示为其可显现于晶片的设计中，但用于方法中的情境可从晶片缺陷的图像确定且可因此并非如其将在设计中显现一般而是如其将在由晶片检验产生的晶片的图像中显现一般来显现。此外，虽然情境集合在图1中展示为包含4个不同情境，但显然包含于所述集合中的不同情境的数目可取决于分格的数目(其可由用户选择)而变化。

图1中所展示的实施例包含验证分集取样，如步骤112中所展示。验证分集取样可包含将第一属性的分集化值(例如图1中所展示的分集化情境)显示给用户及向所述用户请求对分集取样的验证。以此方式，可至少部分地由用户以视觉方式执行验证分集取样。验证分集取样还可包含验证所取样缺陷产生第一属性的分集化集合(例如基本上不同的情境)，及验证第一属性的彼此相对接近的值基本上彼此类似。此验证还可由用户执行。在从用户接收关于分集取样结果(其关于第一缺陷属性)的验证的输入后，方法可包含若干个步骤(例如修改分集取样或执行本文中所描述的其它步骤)。

方法包含基于第一属性的对应于缺陷的值而将缺陷分离到分格中。举例来说，一旦已在将具有第一属性的所识别值的所取样缺陷作为种子的情况下如上文所描述而产生分格，那些所取样缺陷便可用于基于最靠近相邻者概念而将其余缺陷分离到分格中。

在另一实施例中，方法及产生步骤不包含调谐将分格彼此分离的切线。因此，据信创建/训练本文中所描述的分格的方式为新的。特定来说，代替在分格的创建期间执行切线调谐，创建分格可仅基于用户定义的特征选择，其中样本大小的选择确定分格，且分格的质量可通过经由补片检验、散布图分布等以视觉方式验证分集而确定，其可如本文中进一步所描述而执行。

在一些实施例中，方法包含：基于分离到分格中的缺陷而确定所述分格的一或多个特性、在本文中进一步所描述的选择步骤之前将一或多个特性显示给用户及向所述用户请求对一或多个特性的验证。以此方式，方法可包含验证缺陷到分格中的分离。验证缺陷分格可包含将分格结果显示给用户及向所述用户请求对分格的验证。以此方式，可以视觉方式执行验证分集取样。验证到分格中的缺陷分离还可包含验证创建有所取样缺陷的分格内的缺陷变化不多。如图1的步骤114中所展示，方法还可包含重复上文所描述过程直到满足于分集化为止。换句话说，可重复执行以下操作直到用户验证分格的结果及/或方法确定分格结果满足一些预定准则(其还可由用户提前设定)为止：确定第一属性的分集化值、产生分格及将缺陷分离到所述分格中。如图1的步骤116中进一步所展示，方法可包含将分集化编码到分格中。举例来说，当获得所要分集化时，可将所述分集化编码到以所取样缺陷为中心的分格(即，由所取样缺陷定义的最靠近的相邻分格)中。

方法还包含基于一或多个第二属性的值的分集而从分格中的一者选择所述分格中的一者内的缺陷及针对所述分格中的至少另一者重复所述选择步骤。在一些实施例中，基于分集而执行选择步骤，使得选自分格中的一者的缺陷在一或多个第二属性的值上具有最大分集。以此方式，依据跨越离散值的样本分布而非距离测量来定义关于离散特征(例如，分格或群组)的分集化。换句话说，新创建的分格可在最终分集化取样中用作缺陷特征。举例来说，如图1的步骤118中所展示，方法可包含使用分格及其它属性执行取样。此步骤可包含使用如上文所描述而创建的分格连同如本文中所描述的“其它”属性来配置所要取样策略并执行取样。通过对来自每一离散值的大致相同数目个缺陷取样而实现离散属性(例如对应于分格中的每一者的第一属性的离散值)的最佳分集化。如此，在一些实施例中，自从中选择缺陷的分格中的每一者选择所述相同数目个缺陷。相比来说，通过对尽可能彼此远离的缺陷(即，基于距离)取样而实现连续属性的最佳分集化。

因此，本文中所描述的实施例是基于以下操作：在特征空间的较小子空间中产生分集化分格以实现特定类型的分集化，且接着使用那些分格来实现不同子空间中的高效同步分集化。实施例还可使关于额外属性的缺陷分集化，如本文中进一步所描述。因此，可通过本文中所描述的实施例(例如，通过本文中所描述的用户可配置过程且通过组合新创建的分格与其它特征)将个别分集化策略组合到单个分集化过程中。第二分集化将使用与第一分集化完全不同的特征空间，但两个目标将通过使用分格属性作为第二分集化中的特征中的一者而实现。如此，本文中所描述的实施例可比当前方法及系统更加有效地实现多个分集化目标且提供分集化目标的较直观、逐步配置。因此，本文中所描述的实施例的优点是此方法提供将分集化过程分割成直观、可控且可验证步骤的直观方式。可将这些步骤组合到同时且相当好地实现所有部分目标的综合分集化策略中。本文中所描述的实施例还提供基本上高效降维，其增加分集化效率(尤其针对相对小的样本)。另外，本文中所描述的实施例引入一种用于相对高维特征空间中的缺陷样本分集化的新降维技术。此外，本文中所描述的实施例提供在实施相对复杂取样策略时的空前灵活性。

在另一实施例中，针对从中选择缺陷的分格中的每一者独立地执行选择步骤。举例来说，可将缺陷已分格到其中的子群体中的每一者与缺陷的其它子群体中的每一者单独地考量。以此方式，可针对每一子群体单独地考量关于第二属性的缺陷的分集。如此，可通过将离散分格属性与第二分集化空间组合而自动实现单独且独立分集化。举例来说，可从每一分格选择大致相同样本，此继而使关于第二属性的分集化针对每一分格基本上为独立过程。针对第二属性的分集而从分格中的每一者单独地选择缺陷可为重要的，这是因为第二属性中的缺陷的分集可从分格到分格地变化。举例来说，在第一属性与缺陷情境相关且第二属性与缺陷信号相关的情形中，一个情境中的缺陷可与另一情境中的缺陷相比展现缺陷信号的不同分集。

在另一实施例中，基于分集及一或多个样本偏向参数而执行选择步骤。可从本文中所描述的实施例的用户接收一或多个样本偏向参数。举例来说，如果用户具有关于可存在于晶片上且可受特别关注的缺陷的类型的先前知识，那么用户可基于那些类型的缺陷的所预期属性而设定偏向参数，使得比起其它类型的缺陷来较大量地选择那些缺陷以包含于缺陷样本中。在一个此实例中，如果用户知晓受特定关注的缺陷类型应在其缺陷信号中具有特定极性，那么偏向参数可经设定以比起具有相反极性的缺陷来，从分格较大量地选择具有所述极性的缺陷。可以任何适合方式将偏向参数并入到方法及/或用于选择步骤的算法中。以此方式，本文中所描述的实施例可经配置以创建还朝向一些特定类型的缺陷偏向的分集化样本。

在又一实施例中，方法包含将缺陷被分离到其中的分格的信息存储为分离到分格中的缺陷中的每一者的分格属性，且基于缺陷的分格属性而执行上文所描述的选择及重复步骤。举例来说，本文中所描述的实施例可具有设置及执行能力以引入以下能力：以可在最终缺陷取样中稍后新增到分集化特征的新缺陷(分格)属性的形式保存取样结果。另外，可将所创建分格(或分格属性)作为新缺陷特征或有用信息源保存到批次结果(即，检验结果数据文件)中，或者所述所创建分格可为仅用于取样的瞬态特征或属性。本文中所描述的实施例还可具有设置及执行能力以构造各种预配置取样方案的定序器以产生必需数据(分格)并执行最终样本。

在一个实施例中，第一属性包含晶片上的缺陷的一或多个背景属性(其中所述背景是在缺陷补片图像中可见的缺陷后面的图案)。在另一实施例中，第二属性包含在检验过程中针对缺陷检测的信号的一或多个特性。举例来说，如本文中进一步所描述，用户可基于图像补片背景而使缺陷群体分集化、通过检验所取样缺陷的补片而验证分集化的有效性且接着在其乐意时将分集化锁定到分格中。在第二步骤中，用户可使用分格来维持关于背景的分集化且新增关于缺陷(信号)属性等的分集化。以此方式，用户可关于缺陷情境而进行分集化(编码到新创建的分格中)且接着对来自情境中的每一者的相对大能量缺陷取样。

在一个实施例中，方法包含：确定选自分格的缺陷的一或多个特性、在本文中进一步所描述的创建步骤之前将一或多个特性显示给用户及向所述用户请求对一或多个特性的验证。选自分格的缺陷的一或多个特性可如本文中进一步所描述而确定且可如本文中进一步所描述而显示。另外，可如本文中进一步所描述而执行向所述用户请求对这些一或多个特性的验证。以此方式，可在创建缺陷样本之前验证关于至少一些属性(或属性中的每一者)的分集化。

在一些实施例中，所述方法包含基于分离到分格中的缺陷而确定分格的第一特性，所述方法还包含确定选自分格的缺陷的第二特性，所述第一特性与所述第二特性不同，且所述方法进一步包含在本文中进一步所描述的创建步骤之前将所述第一特性及第二特性显示给用户以及向所述用户请求对所述第一特性及第二特性的验证。换句话说，取决于用于分集化的属性，可将分格或取样的结果显示给用户。如此，可将本文中所描述的步骤的结果的不同特性显示给用户以用于基于所述步骤中所使用的属性而验证。举例来说，一些分集化可通过查看图像补片而验证，而其它分集化可需要通过散布图等而验证。在任何情形中，能够基于用于分集化的属性而将结果显示给用户可使得结果可由用户较容易地验证。

在图1中所展示的其中第一属性与情境相关且第二属性与缺陷信号相关的一个此实例中，可将取样结果120及122显示给用户。如在这些取样结果中可见，显著不同信息以显著不同方式传达给用户。举例来说，结果120是可在用于创建分格的第一属性与情境相关时显示的结果的实例。在此显示中，通过方法产生并显示帕累托(pareto)，所述帕累托展示分离到不同情境相关分格中的缺陷的数目以及从每一分格取样的缺陷的数目(含有图案的条(bar)的部分表示从每一分格取样的缺陷的部分且不含有图案的条的部分展示不从每一分格取样的缺陷的部分)。虽然从不同情境相关分格中的至少一些情境相关分格取样的缺陷的不同部分在图1中展示为不同的(即，从情境相关分格到情境相关分格而不相同)，但相同部分或数目的缺陷可选自情境相关分格中的每一者(除非包含于任何一个情境相关分格中的缺陷的数目小于从每一分格选择的缺陷的数目，在所述情形中，可选择包含于分格中的所有缺陷)。以此方式，用户可从所显示结果容易地确定是否已彻底对所有分格取样且是否在样本中表示所有情境。

结果122是可在用于创建分格的第二属性与缺陷信号相关时显示的结果的实例。在此显示中，通过方法产生并显示散布图，所述散布图展示在晶片上检测到的缺陷的缺陷信号的第二属性以及在晶片上检测到且从整个缺陷群体取样的缺陷的缺陷信号的第二属性。特定来说，所述图表中所展示的实心点表示包含于群体中且未经取样的缺陷，而图表中的空心正方形展示包含于相同群体中且经取样的缺陷。因此，用户可从这些所显示结果容易地确定是否还彻底地对缺陷属性的“其它”空间取样。如此，通过将不同结果显示给用户，所述用户可确定是否已实现分集化目标中的两者(或所有)。因此，如本文中所描述，实施例可依赖于人输入及验证以配置分集化目标的多重性。另外，显示给用户以用于验证的本文中所描述的步骤的结果可基于方法中所使用的属性而包含除图1中所展示的那些结果以外的结果。

方法还包含针对晶片创建包含选自分格中的一者及分格中的至少另一者的缺陷的缺陷样本。换句话说，从所有分格取样的所有缺陷的信息可一起组合成单个文件，借此创建缺陷样本。所创建缺陷样本可经输出作为可由任何其它方法或系统使用或可由本文中所描述的方法及系统使用的检验结果文件。包含所创建缺陷样本的所述检验结果文件还可包含由本文中所描述的实施例针对所创建缺陷样本产生的任何信息，所述信息可能与来自包含由本文中所描述的实施例使用的检验结果文件中的任一者的原始检验结果文件的任何其它信息组合。

虽然本文中关于缺陷属性的两个集合描述一些实施例，但分集化目标的数目可大于二。在多个分集化最终目标的情形中，分格属性的多个集合可经创建(一个集合用于每一分集化目标)且用于最终取样方案中。下文进一步描述一些此类实施例。然而，仅用实验方法表征两步骤分集化，且所述情况是看到总体分集化的显著改进的情况。

在一些实施例中，方法包含基于缺陷的一或多个第三属性的值的分集而从分格中的一者单独选择分格中的一者内的缺陷，方法还包含针对分格中的至少另一者重复单独选择步骤，且创建缺陷样本包含将从分格中的一者及分格中的至少另一者单独选择的缺陷新增到缺陷样本。以此方式，基于第一属性的分集而创建的相同分格可用于关于第三属性的分集化。换句话说，可针对第二属性的分集对分格取样一次且接着针对第三属性的分集再次对分格取样。可如本文中进一步描述来创建包含以此方式取样的缺陷的缺陷样本。可如本文中所描述来进一步执行这些步骤中的每一者。

在另一实施例中，方法包含基于第二属性的值而产生从中选择缺陷的分格的子分格的集合，使得子分格中的每一者对应于第二属性的值的仅一部分且使得对应于子分格的第二属性的值在第二属性上具有分集。以此方式，在对基于第一属性的分集创建的分格取样以关于第二属性分集化之后，可产生不同子分格(以如本文中所描述而产生分格的相同方式)，所述分格接着关于第一属性及第二属性分集化。可接着针对第三属性的分集对那些子分格取样。举例来说，在一个此实施例中，方法包含基于缺陷的第三属性的值的分集而从子分格中的一者单独选择子分格中的一者内的缺陷，方法还包含针对子分格中的至少另一者重复所述单独选择，且创建缺陷样本包含将从子分格中的一者及子分格中的至少另一者单独选择的缺陷新增到缺陷样本。可如本文中所描述来进一步执行这些步骤中的每一者。以此方式，所得缺陷样本可关于属性的两个以上集合分集化。

在一些实施例中，针对一或多个其它晶片执行所述方法，且针对晶片产生的分格的集合不用作所述一或多个其它晶片的分格的集合。举例来说，本文中所描述的实施例未必打算用于使用一个晶片设置缺陷取样策略且接着针对相同类型的其它晶片应用所述设定策略。特定来说，本文中所描述的实施例的主要目标是提供一种用于尤其在存在许多分集化目标时使样本分集化以及提供实现许多不同(以及可能复杂)取样策略的灵活方式的新方法。然而，本文中所描述的取样方案可在一个晶片上进行设置(包含设置分格)，且相同设置可用于其它晶片上。在此情形中，可在每一晶片上动态地创建本文中所描述的分格，即，分格之间的边界可在每一晶片上的不同位置中。换句话说，分格的数目可由用户规定，但分格之间的边界可在晶片到晶片基础上随缺陷分布四处移动。

由可如本文中所描述经配置的计算机系统执行上文所描述的获取、识别、产生、分离、选择、重复及创建步骤。

在一个实施例中，方法包含基于缺陷样本而设置检验处方。以此方式，本文中所描述的实施例可识别将用于自动或手动处方设置或优化的相对小但基本上分集化缺陷样本。使用缺陷样本设置检验处方可以此项技术中已知的任何适合方式执行且可包含选择一或多个硬件参数(例如，光学参数(例如照射波长及/或入射角))及/或一或多个软件参数(例如，缺陷检测参数(例如缺陷检测算法的阈值))。举例来说，可将包含极为分集化的缺陷集合的缺陷样本发送到缺陷检视工具且与晶片一起用于将所取样缺陷中的一或多者分类。以此方式，用户可将所创建样本中的缺陷中的一或多者分类且使用经分类缺陷连同晶片以用于处方优化。

在一些实施例中，晶片具有未知缺陷率。举例来说，本文中所描述的实施例可识别将用于装置斜升期间的工程分析的相对小但基本上分集化缺陷样本。另外，本文中所描述的实施例可减少到DOI的时间且改进未知层及装置上的DOI取样。此外，未知缺陷率可不仅是晶片上的已知所关注缺陷类型的未知位置及数目，还是未知所关注缺陷类型的未知位置及数目。举例来说，如上文所描述，可在未知层及装置的装置斜升期间制作所述晶片。因此，关于哪些种类的缺陷可存在于晶片上及可存在于晶片上的任何缺陷的特性的任何信息可为未知的。然而，可使用如本文中所描述而创建的缺陷样本获取此信息。

上文所描述的方法的实施例中的每一者可包含本文中所描述的任何其它方法的任何其它步骤。此外，上文所描述的方法的实施例中的每一者可通过本文中所描述的系统中的任一者执行。

本文中所描述的所有方法可包含将所述方法实施例的一或多个步骤的结果存储于计算机可读存储媒体中。所述结果可包含本文中所描述的结果中的任一者且可以此项技术中已知的任何方式存储。存储媒体可包含本文中所描述的任何存储媒体或此项技术中已知的任何其它适合的存储媒体。在已存储所述结果之后，所述结果可在存储媒体中存取且由本文中所描述的方法或系统实施例中的任一者使用、经格式化以显示给用户、由另一软件模块、方法或系统使用，等等。

额外实施例涉及存储程序指令的非暂时性计算机可读媒体，所述程序指令可在计算机系统上执行以执行用于产生晶片的缺陷样本的计算机实施的方法。图2中展示一个此实施例。特定来说，如图2中所展示，计算机可读媒体200包含可在计算机系统204上执行的程序指令202。计算机实施的方法包含上文所描述的方法的步骤。可为其执行所述程序指令的计算机实施的方法可包含本文中所描述的任何其它步骤。

实施例如本文中所描述的那些方法的方法的程序指令202可存储于计算机可读媒体200上。所述计算机可读媒体可为例如磁盘或光盘或者磁带的存储媒体，或此项技术中已知的任何其它适合非暂时性计算机可读媒体。

可以包含基于程序的技术、基于组件的技术及/或对象导向的技术以及其它技术的各种方式中的任一者来实施程序指令。举例来说，可视需要使用ActiveX控制项、C++对象、JavaBeans、微软基础类别(“MFC”)或者其它技术或方法来实施所述程序指令。

所述计算机系统可采用各种形式，包含个人计算机系统、图像计算机、主机计算机系统、工作站、网络器具、因特网器具或其它装置。一般来说，术语“计算机系统”可广泛定义为囊括具有一或多个处理器的执行来自存储器媒体的指令的任何装置。计算机系统还可包含此项技术中已知的任何适合处理器，例如平行处理器。另外，计算机系统可包含具有高速处理及软件的计算机平台作为独立工具或网络化工具。

额外实施例涉及经配置以产生晶片的缺陷样本的系统。图3中展示此系统的一个实施例。所述系统包含经配置以为晶片304获取检验结果的检验子系统302。检验结果包含通过检验过程而在晶片上检测的缺陷的信息，且所述信息至少包含所述缺陷的一或多个第一属性的第一集合及所述缺陷的一或多个第二属性的第二集合的信息。检验结果可包含本文中所描述的任何此信息。

检验子系统包含可在光学或基于光的检验子系统的情形中包含任何适合光源的源306。虽然本文中将关于基于光的检验子系统进一步描述检验子系统，但检验子系统可以任何适合方式加以修改或替换以使其为基于电子束的检验子系统。

可将来自光源的光引导到晶片304。所述光源可耦合到任何其它适合元件(未展示)，例如一或多个聚光透镜、准直透镜、中继透镜、物镜、光圈、光谱滤光器、偏光组件及诸如此类。如图3中所展示，可将光以倾斜入射角引导到晶片。然而，可将光以包含近法向及法向入射的任何适合入射角引导到晶片。另外，可将光或多个光束以一个以上入射角依序或同时引导到晶片。

在光被引导到晶片304时，所述晶片可安置于载台(未展示)上。所述载台可包含任何适合机械或机器人组合件且可经配置以在光被引导到晶片时在一或多个方向上移动所述晶片，使得可由检验子系统在晶片上方扫描光。然而，检验子系统可经配置而以任何适合方式在晶片上方扫描光。

检验子系统还包含经配置以收集从晶片散射的光(在具有暗场能力的检验系统的情形中)的收集器308，所述收集器经配置以将所收集光引导到经配置以检测由收集器收集的从晶片散射的光的检测器310。收集器可包含任何适合数目及配置的反射及/或折射光学元件。检测器310可包含任何适合检测器。检测器310及收集器308可因此形成检验子系统的检测子系统的至少一部分。检测子系统可包含定位于检测器与晶片之间的光学路径中的一或多个其它适合元件(未展示)，例如物镜、中继透镜、放大透镜、变焦透镜、光圈、光谱滤光器、光栅及偏光组件。虽然检验子系统在图3中展示为检测从晶片散射的光，但检验子系统还可或替代地经配置以用于晶片的明场(BF)检验。检验子系统还可包含可用于同时或依序检测来自晶片的不同光的一个以上检测器(未展示)。

检验子系统可包含经配置以产生本文中所描述的检验结果的计算机子系统312。举例来说，计算机子系统312可通过一或多个发射媒体(未展示)(其可包含“有线及/或无线”发射媒体)而耦合到检测器310，使得计算机子系统可接收检测器的输出。计算机子系统可接着使用所述输出来检测如本文中所描述的晶片上的缺陷且确定所述缺陷的多个属性中的任一者。可接着由计算机子系统312输出所述计算机子系统产生的呈检验结果文件的形式的信息，如本文中进一步所描述。

检验子系统可包含经配置以检测晶片上的缺陷的一个计算机子系统，且系统可包含经配置以执行本文中所描述的方法的步骤的另一不同计算机子系统。举例来说，系统可包含可耦合到如上文所描述的计算机子系统312的计算机子系统314，使得计算机子系统314可从计算机子系统312接收检验结果。计算机子系统314经配置以用于执行本文中所描述的识别、产生、分离、选择、重复及创建步骤，可如本文中所描述而执行所述步骤。计算机子系统及系统可经配置以执行本文中所描述的任何其它步骤且可如本文中所描述而进一步配置。另外，系统可包含经配置以执行本文中所描述的所有步骤的仅一个计算机子系统(例如，仅计算机子系统312)。此可为当检验工具经配置以执行本文中所描述的方法实施例时的情形。举例来说，图3中所展示的检验子系统可经配置为如本文中所描述的既检测晶片上的缺陷又创建缺陷样本的检验工具。

应注意，本文中提供图3以大体上图解说明可包含于本文中所描述的系统实施例中的检验子系统的一个配置。显然，本文中所描述的检验子系统配置可经变更以优化检验子系统的性能，如在设计商业检验系统时通常执行。另外，可使用现有检验系统(例如可从科磊公司商业购得的Puma 90xx、91xx及93xx系列工具)(例如，通过将本文中所描述的功能性新增到现有检验系统)来实施本文中所描述的系统。针对一些此类系统，可将本文中所描述的方法作为系统的任选功能性(例如，除系统的其它功能性之外)而提供。替代地，本文中所描述的系统可“从头开始(from scratch)”设计以提供全新系统。

鉴于此说明，所属领域的技术人员将明了本发明的各种方面的其它修改及替代实施例。举例来说，提供用于产生晶片的缺陷样本的方法及系统。因此，此描述应视为仅为说明性的，且是出于教示所属领域的技术人员实施本发明的一般方式的目的。应理解，本文中所展示及所描述的本发明的形式应视为目前优选的实施例。如所属领域的技术人员在受益于本发明的此描述之后将明了，元件及材料可替代本文中所图解说明及描述的那些元件及材料，部件及过程可颠倒，且本发明的特定特征可独立地利用。可在不背离如所附权利要求书中所描述的本发明的精神及范围的情况下对本文中所描述的元件做出改变。