详情

原文传递热点缺陷检测方法及热点缺陷检测系统

专利名称：	热点缺陷检测方法及热点缺陷检测系统
摘要：	本发明提供一种热点缺陷检测方法及热点缺陷检测系统。在所述方法中，从半导体产品的设计中提取多个热点以定义包括多个热点群组的热点图，其中将所述设计的同一上下文中生成同一图像内容的多个局部图案定义为同一热点群组。在运行时间期间，获取通过由检验工具对使用所述设计制成的晶片执行热扫描而获得的多个缺陷图像，并将所述热点图与所述缺陷图像中的每一缺陷图像对准以确定所述热点群组的位置。通过将位于所述缺陷图像中的每一缺陷图像中的所述热点群组动态地映射到多个阈值区，并对对应的所述阈值区中的每一热点群组的所述热点的像素值分别执行自动阈限来检测所述缺陷图像中的每一缺陷图像中的所述热点缺陷。
专利类型：	发明专利
国家地区组织代码：	中国台湾;71
申请人：	台湾积体电路制造股份有限公司
发明人：	陈建辉;吴维晨;王世昌;林建安;苏培钊;陈晓萌;张展铭;陈师咏;钟弘毅;陈广行;李立柔;林勇成
专利状态：	有效
申请日期：	2018-11-28T00:00:00+0800
发布日期：	2019-10-29T00:00:00+0800
申请号：	CN201811433395.9
公开号：	CN110389153A
代理机构：	北京派特恩知识产权代理有限公司
代理人：	康艳青;姚开丽
分类号：	G01N25/72(2006.01);G;G01;G01N;G01N25
申请人地址：	中国台湾新竹科学工业园区新竹市力行六路八号
主权项：	1.一种检测热点缺陷的方法，所述方法适用于电子装置，其特征在于，所述方法包括：从半导体产品的设计中提取多个热点以定义包括多个热点群组的热点图，其中将所述设计的同一上下文中生成同一图像内容的多个局部图案定义为同一热点群组；在运行时间期间获取通过由检验工具对使用所述设计制成的晶片执行热扫描而获得的多个缺陷图像，并将所述热点图与所述缺陷图像中的每一者对准，以确定所述缺陷图像中的每一缺陷图像中所述热点群组的位置；以及通过将位于所述缺陷图像中的每一缺陷图像中的所述热点群组动态地映射到多个阈值区，并对对应的所述阈值区中的每一热点群组的所述热点的像素值分别执行自动阈限来检测所述缺陷图像中的每一缺陷图像中的所述热点缺陷。 2.根据权利要求1所述的方法，其特征在于，还包括：获取通过由所述检验工具在多种光学模式下对使用所述设计制成的所述晶片执行热扫描而获得的所述多种光学模式的多个缺陷图像；以及基于所述多种光学模式中的每一种光学模式的所述缺陷图像中缺陷与滋扰的可分离性，从所述多种光学模式中选择用于检测所述热点缺陷的最佳光学模式，其中通过由所述检验工具在所选择的所述最佳光学模式下对使用所述设计制成的所述晶片执行热扫描而获得的所述缺陷图像被获取用于检测所述热点缺陷。 3.根据权利要求2所述的方法，其特征在于，所述选择所述最佳光学模式的步骤包括：将所述热点图与所述多种光学模式中的每一种光学模式的所述缺陷图像对准，以确定所述热点缺陷的位置；在所述多种光学模式中的每一种光学模式的所述缺陷图像中计算所述热点缺陷中的每一者的信号电平及噪声电平；通过对所述热点缺陷的所述信号电平对所述噪声电平的比率进行汇总来计算所述多种光学模式中的每一种光学模式的所述可分离性；以及根据所计算的所述可分离性对所述光学模式进行排序，以选择所述最佳光学模式。 4.根据权利要求2所述的方法，其特征在于，还包括：使用所选择的所述光学模式的所述缺陷图像来训练用于从所述滋扰中分类出所述缺陷的机器学习模型，以评估用于检测所述热点缺陷的最佳过滤器。 5.根据权利要求4所述的方法，其特征在于，所述使用所选择的所述光学模式的所述缺陷图像来训练用于从所述滋扰中分类出所述缺陷的所述机器学习模型，以评估用于检测所述热点缺陷的所述最佳过滤器的步骤包括：使用卷积过滤器创建所述机器学习模型来处理所述缺陷图像；将所选择的所述光学模式的多个缺陷图像馈送到所述机器学习模型，以训练所述机器学习模型从所述缺陷图像中的所述滋扰分类出所述缺陷；以及采用经过训练的所述机器学习模型的所述卷积过滤器作为用于检测所述热点缺陷的所述最佳过滤器，其中在执行所述自动阈限之前，所述最佳过滤器被应用于对应的所述阈值区中的每一热点群组的所述热点的所述像素值。 6.一种检测热点缺陷的系统，其特征在于，包括：连接装置，被配置成连接检验工具；存储介质，被配置成存储由所述连接装置获取的图像；处理器，耦接于所述连接装置及所述存储介质，且被配置成执行指令以实行以下步骤：从半导体产品的设计中提取多个热点以定义包括多个热点群组的热点图，其中将所述设计的同一上下文中生成同一图像内容的多个局部图案定义为同一热点群组；在运行时间期间获取通过由检验工具对使用所述设计制成的晶片执行热扫描而获得的多个缺陷图像，并将所述热点图与所述缺陷图像中的每一者对准，以确定所述缺陷图像中的每一缺陷图像中所述热点群组的位置；以及通过将位于所述缺陷图像中的每一缺陷图像中的所述热点群组动态地映射到多个阈值区，并对对应的所述阈值区中的每一热点群组的所述热点的像素值分别执行自动阈限来检测所述缺陷图像中的每一缺陷图像中的所述热点缺陷。 7.根据权利要求6所述的系统，其特征在于，所述处理器还被配置成执行指令以执行以下步骤：获取通过由所述检验工具在多种光学模式下对使用所述设计制成的所述晶片执行热扫描而获得的所述多种光学模式的多个缺陷图像；以及基于所述多种光学模式中的每一种光学模式的所述缺陷图像中缺陷与滋扰的可分离性，从所述多种光学模式中选择用于检测所述热点缺陷的最佳光学模式，其中通过由所述检验工具在所选择的所述最佳光学模式下对使用所述设计制成的所述晶片执行热扫描而获得的所述缺陷图像被获取用于检测所述热点缺陷。 8.根据权利要求7所述的系统，其特征在于，所述处理器还被配置成执行指令以执行以下步骤：将所述热点图与所述多种光学模式中的每一种光学模式的所述缺陷图像对准，以确定所述热点缺陷的位置；在所述多种光学模式中的每一种光学模式的所述缺陷图像中计算所述热点缺陷中的每一者的信号电平及噪声电平；通过对所述热点缺陷的所述信号电平对所述噪声电平的比率进行汇总来计算所述多种光学模式中的每一种光学模式的所述可分离性；以及根据所计算的所述可分离性对所述光学模式进行排序，以选择所述最佳光学模式。 9.根据权利要求7所述的系统，其特征在于，所述处理器还被配置成执行指令以执行以下步骤：使用所选择的所述光学模式的所述缺陷图像来训练用于从所述滋扰中分类出所述缺陷的机器学习模型，以评估用于检测所述热点缺陷的最佳过滤器，其中包括以下步骤：使用卷积过滤器创建所述机器学习模型来处理所述缺陷图像；将所选择的所述光学模式的多个缺陷图像馈送到所述机器学习模型，以训练所述机器学习模型从所述缺陷图像中的所述滋扰分类出所述缺陷；以及采用经过训练的所述机器学习模型的所述卷积过滤器作为用于检测所述热点缺陷的所述最佳过滤器，其中在执行所述自动阈限之前，所述最佳过滤器被应用于对应的所述阈值区中的每一热点群组的所述热点的所述像素值。 10.一种检测热点缺陷的方法，所述方法适用于电子装置，其特征在于，所述方法包括：获取通过由检验工具在多种光学模式下对使用半导体产品的设计制成的晶片执行热扫描而获得的所述多种光学模式的多个缺陷图像，并基于所述多种光学模式中的每一种光学模式的所述缺陷图像中缺陷与滋扰的可分离性，从所述多种光学模式中选择用于检测所述热点缺陷的最佳光学模式；使用所选择的所述最佳光学模式的所述缺陷图像来训练用于从所述滋扰中分类出所述缺陷的机器学习模型，以评估用于针对所述最佳光学模式来检测所述热点缺陷的最佳过滤器；在运行时间中获取通过由所述检验工具在所述最佳光学模式下对所述晶片执行热扫描而获得的多个缺陷图像，并将包括从所述设计提取出的多个热点群组的热点图与所述缺陷图像中的每一者对准，以确定所述缺陷图像中的每一缺陷图像中所述热点群组的位置；以及通过将位于所述缺陷图像中的每一缺陷图像中的所述热点群组动态地映射到多个阈值区、将所述最佳过滤器应用于对应的所述阈值区中的每一热点群组的所述热点的像素值、并对对应的所述阈值区中的每一热点群组的所述热点的像素值分别执行自动阈限来检测所述缺陷图像中的每一缺陷图像中的所述热点缺陷。
所属类别：	发明专利