用于评估硅晶片中的边缘缺陷的装置及其方法与流程

本实施例涉及一种用于评估硅晶片中的边缘缺陷的装置及其方法。

背景技术：

1、通常，作为制造硅晶片的一种方法，直拉法(czochralski，以下称为cz)被广泛使用。在cz方法中，多晶硅被装入石英坩埚中，并且通过用石墨加热元件对其进行加热来使其熔化。籽晶被浸入到熔化后形成的硅熔体中，并且在界面处发生结晶。通过在旋转的同时拉动籽晶来生长单晶硅锭。随后，通过切片、蚀刻和抛光将硅锭制成晶片形式。

2、随着半导体工艺的设计规则越来越微型化，硅晶片边缘区域的缺陷管理也变得越来越重要。因此，能够评估硅晶片中的边缘缺陷的技术是重要的。

3、然而，能够评估硅晶片中的边缘缺陷的技术还没有被明确地提出。

4、特别地，由于硅晶片的边缘缺陷的属性没有被明确地分类，因此迫切需要进行技术开发。

技术实现思路

1、技术问题

2、实施例的目的是解决前述和其他问题。

3、实施例的另一目的是提供一种用于评估硅晶片中的边缘缺陷的装置及其方法，该装置和方法能够容易地执行硅晶片的边缘缺陷。

4、实施例的另一目的是提供一种用于评估硅晶片中的边缘缺陷的装置及其方法，该装置和方法能够明确地对硅晶片的边缘缺陷的属性进行分类。

5、实施例的另一目的是提供一种用于评估硅晶片中的边缘缺陷的装置及其方法，该装置和方法是基于能够实现明确分类的学习的装置和方法。

6、实施例的技术问题不限于本节中描述的那些问题，并且包括通过本发明的描述可以理解的那些问题。

7、技术方案

8、根据实施例的第一方面，为了实现上述或其它目的，一种用于评估硅晶片中的边缘缺陷的装置，包括：图像获取单元，所述图像获取单元被配置为获取所述硅晶片的边缘区域的图像数据；数据预处理单元，所述数据预处理单元被配置为当在所获取的所述图像数据中检测到边缘缺陷时，使用测量设备测量所述硅晶片的边缘区域，以确定所检测到的所述边缘缺陷的缺陷属性；以及处理器，其中，所述处理器被配置为：进行控制以对所获取的图像数据进行学习，以输出与所检测到的所述边缘缺陷相对应的缺陷属性，以及基于所确定的边缘缺陷的所述缺陷属性来验证所输出的所述边缘缺陷的所述缺陷属性的准确度。

9、所述测量设备包括3d激光显微镜、sem和tem中的至少一个或多个。

10、所述缺陷属性包括压痕、划痕、颗粒、晶体或esf。

11、所述装置包括学习模型，并且所述学习模型包括层参数计算公式。

12、所述学习模型使用所述层参数计算公式输出与在所获取的所述图像数据中所检测到的所述边缘缺陷相对应的所述缺陷属性。

13、当所述缺陷属性的所述准确度小于或等于阈值时，所述处理器改变所述层参数计算公式。

14、根据本实施例的第二方面，一种用于评估硅晶片中的边缘缺陷的方法，包括：获取所述硅晶片的边缘区域的图像数据；当在所获取的所述图像数据中检测到边缘缺陷时，使用测量设备测量所述硅晶片的边缘区域，以确定所检测到的所述边缘缺陷的缺陷属性；进行控制以对所获取的图像数据进行学习以输出与所检测到的所述边缘缺陷相对应的缺陷属性；以及基于所确定的边缘缺陷的缺陷属性来验证输出的边缘缺陷的缺陷属性的准确度；以及基于所确定的所述边缘缺陷的所述缺陷属性来验证所输出的所述边缘缺陷的所述缺陷属性的准确度。

15、有益效果

16、下面将对根据实施例的一种用于评估硅晶片中的边缘缺陷的装置及其方法的效果进行描述。

17、根据该实施例，通过使用学习模型对由图像获取单元获取的图像数据进行学习，可以准确且容易地识别在硅晶片的边缘区域中检测到的边缘缺陷的缺陷属性。

18、根据一个实施例，缺陷属性的准确度可以通过学习模型每次在大量硅晶片上重复训练时输出的缺陷属性来进行计算。如果缺陷属性的准确度小于或等于阈值，则可以改变学习模型的层参数计算公式。由于以这种方式周期性地改变学习模型的层参数计算公式，从而可以显著地提高从学习模型输出的缺陷属性的准确度。

19、通过在实际生产线中安装如上所述的具有改进准确度的学习模型，可以在没有附加设备的情况下确定从硅晶片获得的边缘缺陷的准确缺陷属性。因此，对于硅晶片的边缘区域的缺陷管理变得更加准确，并且可以通过硅晶片的质量改进来提高可靠性。

20、根据以下详细描述，实施例的进一步适用范围将变得明显。然而，由于本领域技术人员可以清楚地理解在实施例的精神和范围内的各种变化和修改，因此应理解的是，详细的描述和特定实施例(诸如优选的实施例)仅通过示例的方式给出。

技术特征：

1.一种用于评估硅晶片中的边缘缺陷的装置，包括：

2.根据权利要求1所述的装置，其中，所述测量设备包括3d激光显微镜、sem和tem中的至少一个或多个。

3.根据权利要求1所述的装置，其中，所述缺陷属性包括压痕、划痕、颗粒、晶体或esf。

4.根据权利要求1所述的装置，还包括：

5.根据权利要求4所述的装置，其中，所述学习模型使用所述层参数计算公式输出与在所获取的所述图像数据中所检测到的所述边缘缺陷相对应的所述缺陷属性。

6.根据权利要求4所述的装置，其中，当所述缺陷属性的所述准确度小于或等于阈值时，所述处理器改变所述层参数计算公式。

7.一种用于评估硅晶片中的边缘缺陷的方法，包括：

8.根据权利要求7所述的方法，其中，所述测量设备包括3d激光显微镜、sem和tem中的至少一个。

9.根据权利要求7所述的方法，其中，所述缺陷属性包括压痕、划痕、颗粒、晶体或esf。

10.根据权利要求7所述的方法，其中，对于所获取的所述图像数据的学习是通过包括在所述学习模型中的层参数计算公式来执行的。

11.根据权利要求10所述的方法，其中，所述学习模型使用所述层参数计算公式输出与在所获取的所述图像数据中检测到的所述边缘缺陷相对应的所述缺陷属性。

12.根据权利要求10所述的方法，还包括：

技术总结
一种用于评估硅晶片中的边缘缺陷的装置，包括：图像获取单元，图像获取单元被配置为获取硅晶片的边缘区域的图像数据；数据预处理单元，数据预处理单元被配置为当在所获取的图像数据中检测到边缘缺陷时，使用测量设备测量硅晶片的边缘区域，以确定所检测到的边缘缺陷的缺陷属性；以及处理器。处理器进行控制以对所获取的图像数据进行学习，以输出与所检测到的边缘缺陷相对应的缺陷属性，以及基于所确定的边缘缺陷的缺陷属性来验证所输出的边缘缺陷的缺陷属性的准确度。

技术研发人员：申正源
受保护的技术使用者：爱思开矽得荣株式会社
技术研发日：
技术公布日：2024/1/15