使用深度学习的3D结构检验或计量的制作方法

本发明大体上涉及经配置用于确定样品的信息的方法及系统。特定实施例涉及用于使用深度学习(dl)人工智能(ai)进行凸块高度三维(3d)检验及/或计量的方法及系统。

背景技术：

1、以下描述及实例不因其包含于此章节中而被承认是现有技术。

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半导体制造工艺处理衬底(例如半导体晶片)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抗蚀剂的半导体制造工艺。半导体制造工艺的额外实例包含(但不限于)化学机械抛光(cmp)、蚀刻、沉积及离子植入。多个半导体装置可制造于单个半导体晶片上的布置中且接着被分成个别半导体装置。

3、在半导体制造工艺期间的各个步骤使用检验工艺来检测晶片上的缺陷以促进制造工艺中的更高良率及因此更高利润。检验始终为制造半导体装置(例如ic)的重要部分。然而，随着半导体装置尺寸的减小，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能引起装置故障。

4、缺陷检查通常涉及再检测由检验工艺检测为缺陷的缺陷及使用高放大率光学系统或扫描电子显微镜(sem)以较高分辨率产生关于缺陷的额外信息。因此，在晶片上的已通过检验检测到缺陷的离散位置处执行缺陷检查。由缺陷检查产生的缺陷的较高分辨率数据更适于确定缺陷的属性，例如轮廓、粗糙度、更准确大小信息等。

5、还在半导体制造工艺期间的各个步骤使用计量工艺来监测且控制工艺。计量工艺不同于检验工艺，这是因为不同于其中在晶片上检测缺陷的检验工艺，计量工艺用于测量无法使用当前使用的检验工具确定的晶片的一或多个特性。例如，计量工艺用于测量晶片的一或多个特性(例如在工艺期间形成于晶片上的特征的尺寸(例如，线宽、厚度等))，使得可从所述一或多个特性确定工艺的性能。另外，如果晶片的一或多个特性是不可接受的(例如，在特性的预定范围之外)，那么晶片的一或多个特性的测量可用于更改工艺的一或多个参数，使得由工艺制造的额外晶片具有可接受特性。

6、计量工艺不同于缺陷检查工艺还因为：不同于其中在缺陷检查中重访由检验检测到的缺陷的缺陷检查工艺，可在尚未检测到缺陷的位置处执行计量工艺。换句话说，不同于缺陷检查，在其处对晶片执行计量工艺的位置可与对晶片执行的检验工艺的结果无关。特定来说，可独立于检验结果选择在其处执行计量工艺的位置。另外，由于可独立于检验结果选择晶片上在其处执行计量的位置，因此不同于缺陷检查(其中在晶片的检验结果产生且可供使用之前，可能无法确定晶片上将在其处执行缺陷检查的位置)，可在已对晶片执行检验工艺之前确定在其处执行计量工艺的位置。

7、归因于大规模的电路集成及半导体装置的尺寸减小，分划板及经制造装置已变得对特征变化(例如临界尺寸(cd)、高度、膜厚度及组合物等)越来越敏感。在特定实例中，通常在半导体工业中使用三维(3d)检验及计量例如用于评估tsv(穿硅通路)及凸块结构或颗粒形状(大小及高度)。高度变化(如果未经校正)可能引起最终装置归因于电气时序误差而未能满足所要性能。更糟的是，其可能引起最终装置故障且不利地影响良率。

8、测量3d结构的高度且基于高度确定此类结构是否有缺陷可存在不同于其它结构测量及缺陷检测的问题。例如，经设计用于检验及测量晶片以及其它半导体技术相关样品的许多系统及方法可用于通过在不同焦点偏移下使样品成像，且接着基于哪一焦点偏移产生呈现为最佳聚焦的结构的图像确定结构的高度，而测量高度及检测高度相关缺陷。特定来说，当结构在不同焦点设置下产生的数个图像中的一个图像中看起来聚焦时，此大体上意味着所成像的结构的表面与对应于用于产生所述一个图像的焦点设置的焦平面的位置重合。接着，可基于所述焦点设置确定所述表面的高度。

9、因此，用于测量3d结构的高度及/或基于高度检测缺陷的系统及方法可存在数个明显缺点。特定来说，在一些此类系统及方法中，可同时产生在不同焦点偏移下的样品的图像，且虽然此当然可行，但此类系统的硬件趋于相对复杂且不同于现今使用的大多数检验及计量工具。因此，测量高度或确定高度相关缺陷可需要相对昂贵的工具及特定于此类测量及检验的工具(即，不同于可更普遍用于检验及计量的工具)。避免此复杂及昂贵工具硬件的一种方式是执行样品的多个扫描，每一扫描在不同焦点设置下。然而，此类方法将具有其自身的缺点，包含明显增加的成本及在执行多个扫描而非仅一个扫描时涉及的时间。

10、无论是否在仅一个扫描或多个扫描中在不同焦点偏移下产生图像，此类系统及方法还不利地依赖于对应于用于成像的焦点偏移中的一者的焦平面位置中的一者将与所测量或检验的结构的高度重合的可能性。显然，大多数此类系统及方法将出于实用性目的而使用有限数目个焦点偏移，且因此，焦平面是否碰巧对应于所测量或检验的高度可影响测量的准确程度及检验的灵敏程度。用于此类方法的焦点偏移的明智选择可有助于最大化其准确度及/或灵敏度，但无法完全消除归因于焦点偏移选择的测量及检验误差的可能性。

11、因此，开发出用于确定形成于样品上的3d结构的信息且不具有上文描述的缺点中的一或多者的系统及方法将为有利的。

技术实现思路

1、各个实施例的以下描述绝不应理解为限制随附权利要求书的主题。

2、一个实施例涉及一种经配置以确定样品的信息的系统。所述系统包含经配置以产生样品的图像的成像子系统。一或多个三维(3d)结构形成于所述样品上。所述系统还包含一或多个计算机系统及由所述一或多个计算机系统执行的一或多个组件。所述一或多个组件包含经配置用于基于所述图像中的一或多者预测所述一或多个3d结构的高度的深度学习(dl)模型。所述一或多个计算机系统经配置用于基于所述一或多个3d结构的所述经预测高度确定所述样品的信息。所述系统可如本文中描述般进一步配置。

3、另一实施例涉及一种用于确定样品的信息的计算机实施方法。所述方法包含运用成像子系统产生样品的图像。一或多个3d结构形成于所述样品上。所述方法还包含通过将所述图像中的一或多者输入到包含于由一或多个计算机系统执行的一或多个组件中的dl模型中而基于所述图像中的所述一或多者预测所述一或多个3d结构的高度。另外，所述方法包含基于所述一或多个3d结构的所述经预测高度确定所述样品的信息。所述确定由所述一或多个计算机系统执行。

4、可如本文中描述般进一步执行上文描述的方法的步骤中的每一者。另外，上文描述的方法的实施例可包含本文中描述的任何其它方法的任何其它步骤。此外，上文描述的方法可由本文中描述的系统中的任何者执行。

5、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，所述程序指令可在一或多个计算机系统上执行以执行用于确定样品的信息的计算机实施方法。所述计算机实施方法包含上文描述的方法的步骤。计算机可读媒体可如本文中描述般进一步配置。可如本文中进一步描述般执行计算机实施方法的步骤。另外，程序指令可执行的计算机实施方法可包含本文中描述的任何其它方法的任何其它步骤。