用于增强型缺陷检验灵敏度的以无监督学习为基础的参考选择
1.相关申请案的交叉参考
2.本技术案根据35u.s.c.
§
119(e)规定主张名叫比约恩
·
布劳尔(bjorn brauer)及穆罕默德
·
帕特瓦里(nurmohammed patwary)的发明者在2019年9月24日申请的标题为用于增强型缺陷检验灵敏度的以无监督学习为基础的参考选择(unsupervised learning-based reference selection for enhanced defect inspection sensitivity)的序列号为62/904,855的美国临时申请案的权利，所述申请案的全部内容以引用的方式并入本文中。
3.本技术案根据35u.s.c.
§
119(e)规定主张名叫约恩
·
布劳尔、穆罕默德
·
帕特瓦里、桑邦
·
帕克(sangbong park)及李晓春(xiaochun li)的发明者在2020年5月8日申请的标题为通过改进参考计算增强缺陷检验灵敏度的系统及方法(systems and methods to enhance defect inspection sensitivity by improved reference computation)”的序列号为63/021,694的美国临时申请案的权利，所述申请案的全部内容以引用的方式并入本文中。
技术领域
4.本公开大体上涉及半导体晶片及掩模中的缺陷的检测。特定来说，本公开涉及找到合适参考图像来与测试图像比较(例如用于找到参考图像与测试图像之间的差异)。
背景技术：5.为检测样本(例如半导体晶片或光掩模)上的缺陷，照明源照射样本且检测器(例如摄像机)接收从样本反射或散射的照明。检测器产生图像数据，且接着将图像数据传输到计算机系统。
6.为检测缺陷，比较测试图像(即，测试帧)与参考图像(即，参考帧)。参考图像充当理想或无错图像，使得当从参考图像减去测试图像时，差异图像指示问题结构，且执行校正动作(例如通过更改晶片的设计或处理)。可期望改进参考图像的产生以准确检测晶片上的缺陷(例如通过移除非所要噪声)。
技术实现要素：7.根据本公开的一或多个说明性实施例，公开一种光学特性化系统。在一个说明性实施例中，所述光学特性化系统包括经配置以与经配置以从样本接收照明且产生图像数据的一或多个检测器通信地耦合的控制器。所述控制器包含一或多个处理器，其经配置以执行程序指令以致使所述一或多个处理器：接收所述图像数据，其中所述图像数据包括所述样本上的裸片的图像；计算所述图像的所有组合的相异性值；执行集群分析以将所述图像的所述组合分割成两个或更多个集群；使用所述两个或更多个集群中的集群中的所述图像的所述组合中的两者或更多者产生所述集群的参考图像；及通过比较所述集群中的测试图
像与所述集群的所述参考图像来检测所述样本上的一或多个缺陷。
8.根据本公开的一或多个说明性实施例，公开一种光学特性化方法。在一个说明性实施例中，所述光学特性化方法包括：使用一或多个检测器从样本接收照明；产生图像数据；接收所述图像数据，其中所述图像数据包括所述样本上的裸片的图像；计算所述图像的所有组合的相异性值；执行集群分析以将所述图像的所述组合分割成两个或更多个集群；使用所述两个或更多个集群中的集群中的所述图像的所述组合中的两者或更多者产生所述集群的参考图像；及通过比较所述集群中的测试图像与所述集群的所述参考图像来检测所述样本上的一或多个缺陷。
9.根据本公开的一或多个说明性实施例，公开一种光学特性化系统。在一个说明性实施例中，所述光学特性化系统包括经配置以与经配置以从样本接收照明且产生图像数据的一或多个检测器通信地耦合的控制器。所述控制器包含一或多个处理器，其经配置以执行程序指令以致使所述一或多个处理器：接收所述图像数据，其中所述图像数据包括所述样本上的裸片的图像；从所述样本上的裸片的所述图像识别边缘裸片图像；使用来自所述边缘裸片图像的第一边缘裸片图像产生参考边缘裸片图像；计算所述参考裸片图像及所述边缘裸片图像中的其它者的所有组合的相异性值；执行集群分析以将所述图像的所述组合分割成两个或更多个集群；使用所述两个或更多个集群中的集群中的所述图像的所述组合中的两者或更多者产生所述集群的参考图像；及通过比较所述集群中的测试图像与所述集群的所述参考图像来检测所述样本上的一或多个缺陷。
10.根据本公开的一或多个说明性实施例，公开一种光学特性化系统。在一个说明性实施例中，所述光学特性化系统包括经配置以与经配置以从样本接收照明且产生图像数据的一或多个检测器通信地耦合的控制器。所述控制器包含一或多个处理器，其经配置以执行程序指令以致使所述一或多个处理器：接收所述图像数据，其中所述图像数据包括所述样本上的裸片的图像；识别测试图像；计算所述测试图像及所述图像中的其它者的所有组合的相异性值；识别具有低于阈值相异性值的相异性值的所述组合中的两者或更多者；使用所述组合的所述两者或更多者产生参考图像；及通过比较所述参考图像与所述测试图像来检测所述样本上的一或多个缺陷。
11.应了解，以上一般描述及以下详细描述仅仅供例示及说明且未必限制本发明。并入本说明书中且构成本说明书的一部分的附图说明本发明的实施例且与一般描述一起用于阐释本发明的原理。
附图说明
12.所属领域的技术人员可通过参考附图来更好理解本公开的众多优点，其中：
13.图1是说明根据本公开的一或多个实施例的用于收集样本的图像的光学特性化系统的框图。
14.图2a说明根据本公开的一或多个实施例的包含以光学为基础的检验子系统的图1的光学特性化系统。
15.图2b说明根据本公开的一或多个实施例的包含以电子为基础的检验子系统的图1的光学特性化系统。
16.图3是说明根据本公开的一或多个实施例的产生参考图像的方法的流程图。
17.图4a是展示根据本公开的一或多个实施例的相似晶片裸片的集群的树形图。
18.图4b是展示根据本公开的一或多个实施例的图4a的树形图中所识别的集群的晶片图。
19.图5是展示根据本公开的一或多个实施例的识别用作为参考图像的裸片的标记的图4b的晶片图。
20.图6展示说明根据本公开的一或多个实施例的用于参考图像产生的各种方案的晶片图。
21.图7a是展示根据本公开的一或多个实施例的用于参考图像产生的帧的选择的晶片图。
22.图7b是说明根据本公开的一或多个实施例的用于参考图像产生的帧的选择的流程图。
具体实施方式
23.应了解，以上一般描述及以下详细描述仅供例示及说明且未必限制本发明。并入本说明书中且构成本说明书的一部分的附图说明本发明的实施例且与一般描述一起用于阐释本发明的原理。所属领域的一般技术人员应易于明白，可在不背离本公开的精神及范围的情况下对形式及细节作出各种改变及修改。现将详细参考说明于附图中的公开标的物。
24.本文中应注意，术语“帧”及“图像”可被解释为可互换。另外，术语“测试图像”、“候选图像”及“目标图像”可被解释为可互换。另外，术语“计算(computed/calculated)”及“产生”可被解释为可互换。
25.本公开的实施例涉及一种光学特性化系统及其使用方法。光学特性化系统可经配置以检测样本(例如半导体晶片或光掩模)上的一或多个缺陷或检测样本的层之间的失准(例如重叠)。系统可牵涉使用光子或电子照射样本及在一或多个检测器处接收照明(例如从样本反射及/或散射的光子或电子)以产生图像数据。
26.图像数据可传输到控制器(例如图像服务器)。图像数据可包括多个图像(即，帧)，其中每一图像对应于晶片上的裸片。图像可针对裸片间工艺变化对准(例如彼此上下重叠)及校正，且晶片上的所有裸片可经比较以产生晶片图。接着，晶片图可用于识别彼此最相似的裸片且产生参考图像。参考图像可与待测试的裸片的候选图像(即，测试图像)比较。当从候选图像减去参考图像时，差异可指示问题结构或失准，且可执行校正动作(例如通过更改晶片的设计或处理)。本公开的实施例能够识别彼此相似的裸片的图像及使用最相似图像计算参考图像。
27.在常规系统中，晶片上的个别裸片的测试图像与个别裸片的参考图像或裸片图像的线性组合(例如裸片图像的平均值)比较。仅来自相邻裸片的图像用于计算测试图像与参考图像之间的差异图像。
28.使用相邻裸片的图像用于参考图像产生假定相邻裸片的工艺(例如光刻处理)是相似的。然而，此工艺相似性并不总是存在。例如，当考虑晶片的中心中的裸片行时，彼此紧邻的裸片出现于不同径向位置处。第一裸片可与中心相距5mm的半径，第二裸片可与中心相距10mm的半径，且第三裸片可与中心相距15mm的半径，等等。由于许多晶片处理条件晶片径
向相依性，因此第一裸片及第二裸片可被视为不同(第一裸片及第三裸片等等也一样)。当比较靠近晶片的边缘的裸片与晶片的内部分中的裸片时，此径向相依性尤其明显。
29.因此，在常规系统中，彼此紧邻定位(例如在水平行上)的裸片的图像彼此比较。彼此紧邻定位的裸片未必彼此最相似，因此，来自处理的径向相依性的噪声会妨碍裸片之间的差异的准确检测。
30.例如，在常规系统中，可收集来自相同扫描带(即，相同裸片行)的3个到12个裸片的图像。接着，比较图像内的帧。例如，从其它帧的线性组合产生参考图像(例如平均化)。此过程不保证尽可能最好帧组合用于产生参考图像。因此，在许多情况中，假影可能存在于差异图像中(例如来自晶片处理的径向相依性的噪声)。
31.一般来说，半导体制造商往往不关注晶片的径向分布的略微变化，因为变化是处理工具所固有且不限制良率。而是，制造商期望对关键缺陷的尽可能最高检测灵敏度。然而，如果在比较图像帧时存在潜在工艺变化噪声，那么无法保证此灵敏度。仅当此工艺变化噪声最小化时，可增强缺陷检测灵敏度。
32.存在若干方法来产生用于识别晶片上的缺陷的最优化参考图像。此类方法包含(例如)：(a)使用相邻裸片作为参考进行双重检测；(b)使用相同裸片行内靠近候选图像的高达12个裸片计算中值图像(多裸片适应性阈值化[mdat])；(c)通过最小化参考图像与候选图像之间的差的平方和来计算参考图像(多裸片计算参考适应性阈值化[mcat])；(d)平均化晶片上的各种图像(单参考裸片[srd])；或(e)从设计计算参考图像。mcat是最新发展且比mdat显著改进。然而，当测试裸片的噪声特性明显不同于所有参考裸片时，存在改进空间。仅从相同裸片行内的相邻帧选择参考图像限制mcat灵敏度的进一步提高。
[0033]
为克服此问题，本公开的实施例是针对一种以灵活无监督学习为基础的参考图像选择算法。以无监督学习为基础的算法可在整个晶片中找到最相似于测试图像的参考图像，且可接着使用相似参考图像用于参考图像计算(例如mcat参考计算)。
[0034]
图1说明根据本公开的一或多个实施例的光学特性化系统100。特定来说，图1说明用于确定样本(例如半导体晶片、光掩模或光罩)的表面上的缺陷的系统100。系统100可包含(但不限于)一或多个特性化子系统102(即，检验子系统102)。另外，系统100可包含具有一或多个处理器106及存储器108的控制器104及用户接口110。
[0035]
特性化子系统102可包含本技术中已知的任何特性化子系统102，其包含(但不限于)检验子系统(例如经配置以检测样本中的缺陷)。在一些实施例中，特性化子系统102可为重叠计量子系统(例如经配置以测量样本的重叠或对准)。特性化子系统102可包含(但不限于)以光学为基础的检验系统、以带电粒子为基础的检验系统及其类似者。例如，特性化子系统102可包含宽带检验系统(例如宽带等离子体检验系统)或窄带检验系统(例如以激光为基础的检验系统)。在另一例子中，特性化子系统102可包含扫描电子显微镜(sem)检验系统。
[0036]
在一个实施例中，控制器104通信地耦合到一或多个特性化子系统102。控制器104的一或多个处理器106可经配置以产生经配置以调整检验子系统102的一或多个特性的一或多个控制信号。例如，控制器104可经配置以调整固持样本的载台的高度或光的波长。
[0037]
在一个实施例中，控制器104经配置以接收样本的一或多个图像(例如图像数据)。例如，图像数据可包括多个图像(即，帧)。帧中的每一者可对应于样本上的裸片(例如，如果
样本是晶片)。控制器104可经配置以确定指示样本的一或多个缺陷的样本的一或多个特征。在另一实施例中，控制器104可经配置以接收目标样本的一或多个样本特征的一或多个目标图像。
[0038]
图2a说明根据本公开的一或多个实施例的用于特性化样本的系统100的简化示意图。特定来说，图2a中所描绘的系统100包含光学检验子系统102，使得系统100操作为光学检验系统。
[0039]
光学检验子系统102a可包含本技术中已知的任何以光学为基础的检验。例如，检验子系统102a可包含光学暗场检验工具。光学检验子系统102a可包含(但不限于)照明源112、照明分枝111、收集分枝113及检测器组合件126。
[0040]
在一个实施例中，光学检验子系统102a经配置以检验及/或测量安置于载台组合件122上的样本120。照明源112可包含用于产生照明101的本技术中已知的任何照明源，其包含(但不限于)宽带辐射源。在另一实施例中，光学检验子系统102a可包含经配置以将照明101引导到样本120的照明分枝111。应注意，光学检验子系统102a的照明源112可配置于本技术中已知的任何定向上，其包含(但不限于)暗场定向、明场定向等等。例如，一或多个光学元件114、124可经可选择地调整以将检验子系统102a配置于暗场定向、明场定向等等上。
[0041]
样本120可包含本技术中已知的任何样本，其包含(但不限于)晶片、光罩、光掩模等等。在一个实施例中，样本120安置于载台组合件122上以促进样本120的移动。在另一实施例中，载台组合件122是可致动载台。例如，载台组合件122可包含(但不限于)适合于可选择地使样本120沿一或多个线性方向(例如x方向、y方向及/或z方向)平移的一或多个平移载台。通过另一实例的方式，载台组合件122可包含(但不限于)适合于选择性使样本120沿旋转方向旋转的一或多个旋转载台。通过另一实例的方式，载台组合件122可包含(但不限于)适合于可选择地使样本120沿线性方向平移及/或使样本120沿旋转方向旋转的旋转载台及平移载台。在此应注意，系统100可以本技术中已知的任何扫描模式操作。
[0042]
照明分枝111可包含任何数目及类型的本技术中已知的光学组件。在一个实施例中，照明分枝111包含一或多个光学元件114、分束器116及物镜118。据此来说，照明分枝111可经配置以将来自照明源112的照明101聚焦到样本120的表面上。一或多个光学元件114可包含本技术中已知的任何光学元件，其包含(但不限于)一或多个反射镜、一或多个透镜、一或多个偏光器、一或多个分束器、波片、一或多个变迹器及其类似者。
[0043]
在另一实施例中，光学检验子系统102a包含经配置以收集从样本120反射或散射的照明的收集分枝113。在另一实施例中，收集分枝113可经由一或多个光学元件124将反射及散射光引导及/或聚焦到检测器组合件126的一或多个传感器。一或多个光学元件124可包含本技术中已知的任何光学元件，其包含(但不限于)一或多个反射镜、一或多个透镜、一或多个偏光器、一或多个分束器、波片及其类似者。应注意，检测器组合件126可包含用于检测从样本120反射或散射的照明的本技术中已知的任何传感器及检测器组合件。
[0044]
在另一实施例中，光学检验子系统102的检测器组合件126经配置以基于从样本120反射或散射的照明来收集样本120的检验数据。在另一实施例中，检测器组合件126经配置以将所收集/获取的图像及/或计量数据传输到控制器104。
[0045]
如本文先前所提及，系统100的控制器104可包含一或多个处理器106及存储器
108。存储器108可包含经配置以引起一或多个处理器106执行本公开的各种步骤的程序指令。在一个实施例中，程序指令经配置以引起一或多个处理器106调整光学检验子系统102a的一或多个特性以执行样本120的一或多个测量。
[0046]
图2b说明根据本公开的一或多个实施例的用于特性化样本120的系统100的简化示意图。特定来说，图2b中所描绘的系统100包含以电子为基础的子系统102b，使得系统100操作为以电子为基础的检验系统(例如扫描电子显微镜(sem)系统)。
[0047]
在一个实施例中，以电子为基础的检验子系统102b经配置以对样本120执行一或多个测量。据此来说，以电子为基础的检验子系统102b可经配置以获取样本120的一或多个图像。以电子为基础的检验子系统102b可包含(但不限于)电子束源128、一或多个电子光学元件130、一或多个电子光学元件132及包含一或多个电子传感器136的电子检测器组合件134。
[0048]
在一个实施例中，电子束源128经配置以将一或多个电子束129引导到样本120。电子束源128可形成电子光学柱。在另一实施例中，电子束源128包含经配置以将一或多个电子束129聚焦及/或引导到样本120的表面的一或多个额外及/或替代电子光学元件130。在另一实施例中，以电子为基础的检验子系统102b包含经配置以响应于一或多个电子束129而收集从样本120的表面发出的二次及/或反向散射电子131的一或多个电子光学元件132。在此应注意，一或多个电子光学元件130及一或多个电子光学元件132可包含经配置以引导、聚焦及/或收集电子的任何电子光学元件，其包含(但不限于)一或多个偏转器、一或多个电子光学透镜、一或多个聚光透镜(例如磁性聚光透镜)、一或多个物镜(例如磁性聚光透镜)及其类似者。
[0049]
应注意，以电子为基础的检验子系统102b的电子光学组合件不受限于图2b中所描绘的电子光学元件，其仅供说明。应进一步注意，系统100可包含将一或多个电子束129引导/聚焦到样本120上且响应性地使所发出的二次及/或反向散射电子131收集及成像到电子检测器组合件134上所需的任何数目及类型的电子光学元件。
[0050]
例如，系统100可包含一或多个电子束扫描元件(未展示)。例如，一或多个电子束扫描元件可包含(但不限于)适合于控制一或多个电子束129相对于样本120的表面的位置的一或多个电磁扫描线圈或静电偏转器。此外，一或多个扫描元件可用于以选定图案跨样本120扫描一或多个电子束129。
[0051]
在另一实施例中，将二次及/或反向散射电子131引导到电子检测器组合件134的一或多个传感器136。以电子为基础的检验子系统102的电子检测器组合件134可包含适合于检测从样本120的表面发出的反向散射及/或二次电子131的本技术中已知的任何电子检测器组合件。在一个实施例中，电子检测器组合件134包含电子检测器阵列。据此来说，电子检测器组合件134可包含电子检测部分阵列。此外，电子检测器组合件134的检测器阵列的每一电子检测部分可经定位以从样本120检测与入射电子束129中的一者相关联的电子信号。电子检测器组合件134可包含本技术中已知的任何类型的电子检测器。例如，电子检测器组合件134可包含微通道板(mcp)、pin或p-n结检测器阵列，例如(但不限于)二极管阵列或雪崩光二极管(apd)。通过另一实例的方式，电子检测器组合件134可包含高速闪烁器或光电倍增管(pmt)检测器。
[0052]
尽管图2b将以电子为基础的检验子系统102b说明为包含仅包括二次电子检测器
组合件的电子检测器组合件134，但此不应被视为本公开的限制。据此来说，应注意，电子检测器组合件134可包含(但不限于)二次电子检测器、反向散射电子检测器及/或一次电子检测器(例如柱内电子检测器)。在另一实施例中，以电子为基础的检验子系统102可包含多个电子检测器组合件134。例如，系统100可包含二次电子检测器组合件、反向散射电子检测器组合件及柱内电子检测器组合件。
[0053]
在另一实施例中，如本文先前所描述，系统100包含通信地耦合到控制器104的用户接口110。在另一实施例中，用户接口110包含用户输入装置及显示器。用户接口110的用户输入装置可经配置以从用户接收一或多个输入命令，一或多个输入命令经配置以将数据输入到系统100中及/或调整系统100的一或多个特性。在另一实施例中，用户接口110的显示器可经配置以将系统100的数据显示给用户。
[0054]
在一个实施例中，一或多个处理器106可通信地耦合到存储器108，其中一或多个处理器106经配置以执行存储于存储器108a上的一组程序指令。所述组程序指令可经配置以致使一或多个处理器106执行本公开的各种功能及步骤。
[0055]
控制器104可通信地耦合到检验系统102a或102b。控制器104可经配置以从检验子系统102a或102b接收图像数据125且使用图像数据125检测样本120上的一或多个缺陷。
[0056]
在此应注意，系统100的一或多个组件可以本技术中已知的任何方式通信地耦合到系统100的各种其它组件。例如，一或多个处理器106a可经由有线连接(例如铜线、光纤电缆及其类似者)或无线连接(例如rf耦合、ir耦合、wimax、bluetooth、3g、4g、4g lte、5g及其类似者)彼此通信地耦合及通信地耦合到其它组件。通过另一实例的方式，控制器104可经由本技术中已知的任何有线或无线连接通信地耦合到检验子系统102的一或多个组件。
[0057]
在一个实施例中，一或多个处理器106可包含本技术中已知的任一或多个处理元件。据此来说，一或多个处理器106可包含经配置以执行算法及/或指令的任何微处理器型装置。在一个实施例中，一或多个处理器106可为以下各者的组件：桌上型计算机、主机计算机系统、工作站、图像计算机、并行处理器或经配置以执行经配置以操作系统100的程序的其它计算机系统(例如网络计算机)，如本公开中所描述。应认识到，本公开中所描述的步骤可由单一计算机系统或替代地，多个计算机系统(例如在云计算系统中)实施。另外，应认识到，本公开中所描述的步骤可在一或多个处理器106中的任一或多者上实施。一般来说，术语“处理器”可经广义界定以涵盖具有执行来自存储器108的程序指令的一或多个处理元件的任何装置。此外，系统100的不同子系统(例如照明源112、电子束源128、检测器组合件126、电子检测器组合件134、控制器104、用户接口110及其类似者)可包含适合于实施本公开中所描述的步骤的至少一部分的处理器或逻辑元件。因此，以上描述不应被解释为本公开的限制，而是仅为说明。
[0058]
存储器108可包含适合于存储可由相关联的一或多个处理器106执行的程序指令及从检验子系统102接收的数据的本技术中已知的任何存储媒体。例如，存储器108可包含非暂时性存储器媒体。例如，存储器108可包含(但不限于)只读存储器(rom)、随机存取存储器(ram)、磁性或光学存储器装置(例如磁盘)、磁带、固态驱动器及其类似者。应进一步注意，存储器108可与一或多个处理器106分别收容于共同控制器外壳中。在替代实施例中，存储器108可相对于处理器106及控制器104的物理位置远程定位。
[0059]
在一个实施例中，用户接口110通信地耦合到控制器104。在一个实施例中，用户接
口110可包含(但不限于)一或多个桌上型计算机、平板计算机、智能电话、智能手表或其类似者。在另一实施例中，用户接口110包含用于将系统100的数据显示给用户的显示器。用户接口110的显示器可包含本技术中已知的任何显示器。例如，显示器可包含(但不限于)液晶显示器(lcd)、以有机发光二极管(oled)为基础的显示器或crt显示器。所属领域的技术人员应认识到，能够与用户接口110集成的任何显示装置适合于在本公开中实施。在另一实施例中，用户可响应于显示给用户的数据而经由用户接口110的用户输入装置(例如鼠标及键盘)输入选择及/或指令。
[0060]
图3是说明根据本公开的一或多个实施例的产生参考图像的各种方法的流程图。
[0061]
在步骤302，可将图像数据(例如图像数据125)从检验子系统(例如检验子系统102a或102b)传输到控制器(例如控制器104)。图像数据可包括多个图像(即，帧)，其中每一图像对应于晶片上的裸片。
[0062]
在步骤304，可以子像素准确度针对裸片间工艺变化对准(例如重叠到其它图像上)及校正图像。在一些实施例中，图像可使用粗略对准(例如≤5个像素)来对准。在一些实施例中，图像可使用精细校准(例如≤像素)及增益及偏移校正来对准。
[0063]
在步骤306或步骤308，可计算裸片图像的所有对(k组合)之间的相似性测量。步骤306及步骤308是备选步骤，且可执行步骤306或步骤308以计算相似性测量。k组合的总数可界定如下：
[0064][0065]
其中n是裸片图像的总数，k是2，且n及k两者是整数。在一个实例中，如果晶片上存在470个裸片，那么存在图像的c(470,2)＝110,215个可能组合供比较。在此应注意，相似性测量可不受限于晶片上的裸片，且也可应用于其它结构(例如光掩模的分割区域的图像)。应注意，其它方法可用于量化变量之间的相似性(例如最小平方拟合)，且本公开不受限于相对于步骤306及步骤308所描述的相似性计算。
[0066]
特定来说，在步骤306，皮尔森(pearson)相关计算可用于计算相似性测量。对每一像素i的裸片x的图像中的n个像素及裸片y的图像中的n个像素执行皮尔森相关的计算(例如其中来自裸片x的图像的n个像素与来自裸片y的图像的n个像素对准或重叠)。用于执行皮尔森相关的方程式界定如下：
[0067][0068]
其中cov(x,y)是裸片x的图像及裸片y的图像中的像素的协方差矩阵，σ
x
及σy是对应标准方差，xi及yi是裸片x的图像及裸片y的图像中的像素i的相应灰度值，且及是裸片x的图像及裸片y的图像中的所有像素的相应灰度值平均值。如果每一图像中存在(例如)128
×
128个像素，那么i在从像素1到像素16,384的范围内。在一个实施例中，图像中的每一者的子区段可经处理使得针对每一子区段计算相似性测量。接着，每一子区段的相似性测量可针对总相似性测量组合(例如20个子区段，每一3
×
42个像素)。
[0069]
特定来说，在步骤308，可使用正规化差平方和(nssd)计算来计算相似性测量。对裸片x的图像中的m*n个像素及裸片y的图像中的m*n个像素执行nssd的计算(例如其中来自
裸片x的图像的像素与来自裸片y的图像的像素对准或重叠)。用于执行nssd计算的方程式界定如下：
[0070][0071]
其中m及n是图像的每一行及每一列中的像素的相应数目，i是每一行的像素指数，j是每一列的像素指数，x(i,j)是裸片x的图像(例如灰度值的矩阵)，y(i,j)是裸片y的图像(例如灰度值的矩阵)，γ是裸片x的图像与裸片y的图像之间的增益，且k是裸片x的图像与裸片y的图像之间的偏移。
[0072]
在步骤312，可执行集群分析以将裸片图像对分割成集群(即，群组)，其中每一集群内的对具有大体上相似相似性测量。如图4a中所展示，集群分析可采用在纵轴上绘制相异性值及在横轴上绘制晶片上的每一裸片的位置的树形图。可使用层次聚类、k均值聚类(其中k是不受限于任何特定值的集群的数目)或任何其它集群分析方法执行集群分析。本公开不受限于任何特定层次聚类，可采用任何其它类型的层次聚类(例如平均连接、单一连接、完全连接或质心连接)。
[0073]
当使用k均值聚类时，集群通过输入集群的用户界定数目来基于其质心位置隔离。另一方面，层次聚类采用n次观察作为输入且计算此类观察的所有可能组合的c(n,2)成对相异性值。将c(n,2)相关系数汇总成从其导出相关距离(即，相异性)矩阵(1-r
xy
)的相关矩阵。在一个实例中，每一观察包括具有512
×
512个像素的大小的图像的灰度水平值。
[0074]
如图4a的树形图中所展示，在一个实例中，可分割三个集群401、402及403。树形图在纵轴上绘制相异性分数及在横轴上绘制裸片位置。在此应注意，树形图可分割成任何数目个集群(例如两个或更多个集群)，且图4a中所展示的三个集群401、402及403仅为实例。集群可基于用户或预界定分割设置或通过算法分割。在图4a的树形图中，所有叶具有低于1.5的阈值相异性值的相异性值。可预选、用户基于数据选择或通过算法确定阈值相异性值。
[0075]
检验集群之间的所有成对集群间相异性且识别及融合最小相异的集群对。这两个集群之间的相异性指示其中可放置融合的树形图中的高度。为计算集群群组之间的相异性，采用连接的概念。可能连接可包含分别表示最大、最小、平均及质心集群间相异性的完全连接、单一连接、平均连接及质心连接。
[0076]
如图4b中所展示，可建构晶片图，其中树形图中的项目中的每一者对应于晶片上的特定裸片位置。可通过将具有平均连接的层次聚类应用于图4a的树形图来建构图4b的晶片图中所展示的分组。例如，集群401对应于晶片的中心处的区域，集群402对应于晶片的内区域，且集群403对应于晶片的边缘处的区域。每一集群(例如集群401)内的裸片的图像可经彼此比较以提供具有相对低量噪声(例如来自晶片处理的径向相依性)的参考图像。相比来说，比较来自一个集群(例如集群401)的图像与来自另一集群(例如集群402及403)的图像可提供具有相对高的量的噪声的参考图像。因此，可期望仅比较相同集群内的图像。
[0077]
可选择图4a的树形图的底部处的分支来产生具有相对低量噪声的参考图像(因为树形图的底部处的相异性最低)。每一叶表示由行及列值特性化的裸片。至少三个叶可经一起选择以产生参考图像。在一些实施例中，可选择一个集群(例如集群401)中的所有叶(即，裸片图像)来产生参考图像。在一些实施例中，可选择一个集群中的叶的子集(例如具有相
对相似噪声分布的叶)来产生参考图像。
[0078]
图5展示其中经识别裸片对应于树形图的叶的晶片图。可针对参考图像计算来选择裸片501a到501d(其所有在相同集群403中)，因为裸片501a到501d从其噪声特性看相对彼此相似且因此可减少参考图像的噪声(参阅(例如)图5中所展示的树形图分支，其中表示裸片501a到501d的叶具有相对相似相异性分数)。
[0079]
步骤310是步骤306或步骤308的替代步骤。在步骤310，当选择测试图像(即，目标图像)时，可计算仅测试图像与所有其它图像之间(例如而非裸片图像的所有可能组合之间)的nssd。例如，如果存在470个裸片，那么目标图像与所有其它图像之间存在469次比较。在步骤314，在计算目标图像与所有其它图像之间的nssd之后，可识别目标图像与所有其它图像之间的大体上相似参考图像的数目(例如≥2)(例如具有低于阈值的相异性值)。参考图像可基于在与测试图像比较时具有最小ssd的图像来识别。
[0080]
在步骤316，可基于步骤312或步骤314中所识别的图像计算参考图像。可使用(例如)参考图像的线性组合(例如mcat)或通过平均化图像来计算参考图像。参考图像可与待测试的裸片的候选图像(即，测试图像)比较。当从测试图像减去参考图像时，差异可指示问题结构(或重叠失准)，且可对测试裸片的位置执行校正动作(例如通过调整晶片的设计或处理)。待校正的工艺可与(例如)薄膜沉积、蚀刻、抛光等等相关。
[0081]
图6展示说明用于裸片图像选择及参考图像产生的各种方案的晶片图601到603。晶片图601及602说明其中从晶片的预界定区域(例如不基于相似性分数)选择裸片图像的常规方案。相比来说，晶片图603说明其中基于相似噪声分布选择裸片图像的方案，如相对于图3到5所描述。
[0082]
在参考库方案601中，假定晶片径向对称。区域601a及601b与晶片的中心相距相同半径。从区域601a或601b选择待测试的裸片的图像(即，测试图像)。同样地，针对参考图像产生来选择区域601a及/或601b中的裸片的图像，因为假定选定裸片图像的噪声分布相似于测试图像的噪声分布。第10,151,706号美国专利中进一步描述参考库图像，所述专利的全部内容以引用的方式并入本文中。尽管选从区域601a及/或601b的图像可具有相似于来自区域601a或601b的测试图像的噪声分布，但可期望进一步提高噪声分布相似性。
[0083]
在记录过程(por)方案602中，针对参考图像产生来选择行602a中的相邻裸片的图像。影线裸片(例如在行602a的右侧上)表示测试裸片。加粗裸片表示针对参考图像产生所选择的裸片。彼此紧邻定位的裸片的图像未必具有相似噪声分布，因此，来自处理的径向相依性的噪声会妨碍裸片之间的差异的准确检测。可期望进一步提高测试裸片图像与选定裸片图像之间的噪声分布相似性。
[0084]
在灵活工作方案603中，可针对参考图像产生来选择具有相似噪声分布的裸片图像的组合。裸片603a可表示测试裸片，且裸片603b到603g可表示针对参考图像产生所选择的裸片。裸片603b到603g的图像可具有相似于测试裸片603a的图像的噪声分布。因此，可选择裸片603b到603g的图像，不管其相对于测试裸片的物理位置如何(例如使用皮尔森相关计算或nssd计算及聚类，如相对于图3到5所描述)。
[0085]
现参考图7a到7b，描述根据本公开的一或多个实施例的用于基于噪声分布确定参考图像的技术。裸片可基于其噪声分布来分组成两个群组：(1)其中可在运行时间扫描期间补偿裸片间比较中的噪声的裸片(例如归因于测试裸片与相邻裸片之间的小差异)；及(2)
基于显著不同于相邻裸片的噪声特性的裸片。
[0086]
当产生后裸片群组的参考图像时，可期望跨全部晶片选择具有相似噪声分布的裸片。特定来说，后群组可包括可具有显著不同于内裸片的噪声分布(归因于径向相依性噪声)的边缘裸片。在一些实施例中，比较边缘裸片图像与共同参考边缘裸片图像可为有利的。
[0087]
图7a是展示用于参考图像产生的帧的选择的晶片图。群组的边缘裸片1到30可用于参考图像产生。在一些实施例中，一或两个内裸片可使用边缘裸片1到30分组。可利用主对准裸片(mad)，使得所有其它裸片图像与mad对准。除mad之外，也可任选地利用像素与设计对准(pda)裸片以确保经处理裸片与设计图像对准。
[0088]
图7b是说明用于使用图7a的晶片图的参考图像产生的边缘裸片图像的选择的流程图。
[0089]
在步骤701，可将图像数据(例如图像数据125)从检验子系统(例如检验子系统102a或102b)传输到控制器(例如控制器104)。图像数据可包括多个图像(即，帧)，其中每一图像对应于晶片上的裸片。特定来说，边缘裸片及两个相邻内裸片的图像可由控制器控制。
[0090]
在步骤702，可以子像素准确度针对裸片间工艺变化对准(例如重叠到其它图像上)及校正图像。可利用主对准裸片(mad)，使得所有其它裸片图像与mad对准。除mad之外，也可任选地利用像素与设计对准(pda)裸片以确保经处理裸片与设计图像对准。在一些实施例中，图像可使用粗略校准(例如≤5个像素)来对准。在一些实施例中，图像可使用精细校准(例如≤1个像素)及增益及偏移校正来对准。在此应注意，本公开不受限于任何特定对准技术，而是可利用未明确公开的其它对准技术。
[0091]
在步骤703，可高速缓存图像，使得可在未来步骤中快速检索图像。特定来说，可高速缓存边缘裸片及两个相邻内裸片的图像。另外，可产生边缘裸片相对于mad裸片的位置偏移。
[0092]
在步骤704，可针对边缘图像产生来选择第一边缘裸片图像。在步骤705，可从第一边缘裸片图像产生参考边缘裸片图像。在步骤706，为产生噪声分布，可比较边缘裸片图像与参考边缘裸片图像(即，未被选择用于产生参考边缘裸片图像的所有其它边缘裸片图像)。例如，如果选择边缘裸片1的图像作为参考边缘裸片图像，那么可比较边缘裸片1的图像与边缘裸片2到30的图像。可(例如)使用相对于图3的步骤308所描述的nssd计算来执行此比较。在步骤707，可基于比较来产生相似性测量(即，相异性值)。可建构在纵轴上绘制相异性值及在横轴上绘制裸片位置的树形图(例如大体上相似于相对于图4a所描述的树形图)。
[0093]
在步骤708，可对边缘裸片图像执行集群分析。可(例如)使用相对于图3的步骤312所描述的层次聚类来执行此集群分析。集群分析可采用在纵轴上绘制相异性及在横轴上绘制裸片位置的树形图(例如大体上相似于图4a中所展示的树形图)。在步骤709，边缘裸片图像可基于其噪声分布来分割成多个分区。每一分区内的图像可用于产生参考图像(例如通过使用mcat算法)。候选图像可从参考图像减去以产生差异图像。
[0094]
可在产生候选图像的参考图像(例如mcat参考图像)时利用若干技术来减少干扰(例如非所要或误导性噪声)。每一候选图像可具有对应mcat参考图像(例如产生于图7b的流程图的步骤709中)。从mcat参考图像减去候选图像可产生差异图像。在此应注意，参考图
像可为本公开中所描述的任何类型的参考图像，且mcat参考图像经描述为实例。
[0095]
在第一排除干扰技术中，可通过从mcat参考图像减去候选图像来计算mcat差异图像。可计算候选图像与单一参考边缘裸片图像(例如相对于步骤705所描述)之间的第一最小差异(“min-diff”)图像。接着，可计算第一最小差异图像与mcat差异图像之间的第二最小差异图像。接着，可基于第二最小差异图像检测缺陷。
[0096]
在第二排除干扰技术中，可通过从mcat参考图像减去候选图像来计算mcat差异图像。可计算mcat参考图像与单一参考边缘裸片图像(例如相对于步骤705所描述)之间的第二差异图像。可基于第二差异图像检测缺陷，且可针对与缺陷相关联的像素计算信噪比(snr)。如果像素中的一或多者的snr较大，那么像素可与干扰(并非真实缺陷)相关联。
[0097]
最小差异图像计算可为有利的，因为候选图像的裸片及mcat参考图像的裸片中的实际缺陷(或层之间的失准)的位置具有相似灰度值，而随机过程噪声的位置具有各种不同灰度值。因此，实际缺陷的灰度值基本上不受影响，而随机噪声显著减少。
[0098]
据信，本公开及其许多伴随优点将通过以上描述来理解，且应明白，可在不背离本公开或不牺牲其所有材料优点的情况下对组件的形式、建构及布置作出各种改变。所描述的形式仅供说明，且所附权利要求书希望涵盖及包含此类改变。另外，应了解，本公开由所附权利要求书界定。