[发明专利]用于分类样品上的缺陷的计算机实现的方法和系统

说明书

本申请是2005年10月12日递交的申请号为200580034951.X、发明名称为“用于分类样品上的缺陷的计算机实现的方法和系统”的发明专利申请的分案申请。

技术领域

本发明一般地涉及用于分类样品上的缺陷的计算机实现的方法和系统。一些实施方案涉及这样的计算机实现方法，即，所述方法包括允许用户向缺陷组指派分类，其中，基于在样品上检测到的各个缺陷的一种或更多种性质，所述各个缺陷被指派到所述缺陷组。

背景技术

下面的描述和实施例不因为被包括在本部分中而被认为是现有技术。

晶片检查系统经常在每个芯片上发现数千个异常（普遍被称为“事件”或“缺陷”）。缺陷可以具有很多形式，例如结构瑕疵、工艺残留和可能在半导体晶片制造期间发生的外部污染。随着用于制作晶片的工艺发展，感兴趣的缺陷类型也改变。缺陷的重要性取决于几个因素，例如外观以及诸如尺寸和位置的其他特性。

因此，分类在晶片和其他样品上发现的缺陷已经越来越重要，以便除了将感兴趣的缺陷类型与其他缺陷类型区分开以外，确定什么种类的缺陷出现在晶片上。分类缺陷可以还包括确定缺陷是真正的缺陷还是干扰缺陷（nuisance defect）。干扰缺陷可以被一般地定义为样品的这样的部分，所述部分在检查期间显得是缺陷但并非真正有缺陷的。

一般来说，分类在晶片检查已经完成之后进行。此外，分类通常在缺陷评估（review）期间或缺陷评估之后进行。缺陷评估一般包括使用与曾用于检查的工具不同的工具。例如，缺陷检测通常使用光学检查工具来进行，而缺陷评估通常使用电子束评估工具来进行。然而，缺陷评估可以使用具有比光学检查工具更高的放大率或分辨率的光学评估工具来进行。以这样的方式，缺陷评估工具可以被用来获得关于可能的缺陷的更详细的信息。因此，由缺陷评估工具生成的信息可能尤其适合于缺陷分类。

在过去，已经以几种不同的方式来进行缺陷分类。例如，可以完全由操作者以手动方式来进行缺陷分类。典型地，以一次一个的方式顺序地向操作者呈现缺陷图像或者用于每个缺陷的其他缺陷数据。随后，该操作者基于缺陷外观和可能其他特性（粗糙度）来向缺陷指派分类（例如，凹陷，粒子等等）。有经验的操作者可能在分类晶片上的缺陷方面还算有效率。然而，即使是由最熟练和最有经验的操作者进行的手动缺陷分类也要耗费不可接受地长的时间。例如，操作者一般以一次一个的方式分类各个缺陷。以这种方式，无论操作者多熟练，进行分类所需的时间将必然取决于曾在晶片上检测到多少个缺陷。此外，一个接一个重复地评估很多缺陷图像或其他数据将必然导致操作者疲劳以及注意力不集中。因此，即使是熟练的操作者也可能由于降低的警觉性而错误地分类缺陷。此外，雇用操作者来评估和分类缺陷是相当昂贵的，尤其是因为如上面描述的手动缺陷分类是如此地费时。

因为对于当前使用的用于手动缺陷分类的方法来说存在着相当数量的缺点，所以已经努力使缺陷分类工艺自动化。现在已经有几种完全自动的缺陷分类（ADC）工具可用。典型地，这些工具使用分类“配置（recipe）”来进行缺陷分类。“配置”可以被一般地定义为这样的指令集，所述指令集定义要被工具执行的操作，并且一旦用户请求，所述指令集被提供给所述工具并且在所述工具上运行。典型地，使用之前的关于具体缺陷类别的数据来生成所述配置，所述数据可以被集合在适当的数据库中。在最简单的实现中，ADC工具可以随后将未知的缺陷与被包括在所述具体的缺陷类别中的那些缺陷进行比较，以确定该未知的缺陷最像哪个缺陷类别。显然，ADC工具可以使用复杂得多的算法来确定所述未知缺陷最有可能属于缺陷类别中的哪一个。