[发明专利]训练以学习为基础的缺陷分类器

说明书

本发明提供用于训练以学习为基础的缺陷分类器的方法及系统。一种方法包含使用包含经识别所关注缺陷DOI及经识别扰乱点的缺陷的训练集训练以学习为基础的缺陷分类器。所述训练集中的所述DOI及扰乱点包含在至少一个训练晶片及至少一个检验晶片上识别的DOI及扰乱点。已知所述至少一个训练晶片具有异常高缺陷率且预期所述至少一个检验晶片具有正常缺陷率。

技术领域

本发明大体上涉及用于训练以学习为基础的缺陷分类器的方法及系统。

背景技术

以下描述及实例不因其包含于此段落中而被承认是现有技术。

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例如半导体晶片的衬底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光罩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。多个半导体装置可以某一布置制造于单个半导体晶片上且接着被分成个别半导体装置。

在半导体制造过程期间的各个步骤使用检验过程以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。检验始终是制造半导体装置(例如IC)的重要部分。然而，随着半导体装置的尺寸减小，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引起装置故障。

然而，随着设计规则收缩，半导体制造工艺可更接近对过程的性能能力的限制操作。另外，随着设计规则收缩，较小缺陷可对装置的电参数具有影响，这驱动更灵敏检验。因此，随着设计规则收缩，通过检验检测的潜在良率相关缺陷的群体大幅增长，且通过检验检测的扰乱点缺陷的群体也大幅增加。

相对高扰乱点率是常见问题且防止运行足够热(即，到本底噪声)以寻找实质上小缺陷。由于根本未检测到扰乱点通常是不可能的，所以检验过程的成功可通常取决于寻找用于检验过程的正确扰乱点抑制技术的能力。对在晶片上检测的缺陷执行的扰乱点抑制技术通常被称为扰乱点过滤器，这是因为其经设计以从检验结果滤除扰乱点。寻找扰乱点过滤器的适合参数需要确定扰乱点及实际缺陷(或所关注缺陷)在通过检验系统产生的输出或可从输出确定的经检测缺陷的属性中如何不同。因而，可通过以下者设置干扰点过滤器参数：使用检验系统产生针对扰乱点及实际缺陷(或所关注缺陷)两者的输出；及确定针对扰乱点的输出或从其确定的属性如何不同于针对实际缺陷(或所关注缺陷)的输出或从其确定的属性。

然而，此类方法的一个显著挑战是正确地识别晶片上的扰乱点及实际缺陷及表示可在晶片间发现的经检测缺陷变动的各种扰乱点及实际缺陷。如果使用不充分表示将在晶片上实际上检测的扰乱点及实际缺陷的扰乱点及实际缺陷设置扰乱点过滤器，那么扰乱点过滤器将毫无用处。

因此，开发用于训练以学习为基础的缺陷分类器而不具有上文描述的一或多个缺点的系统及/或方法将是有利的。

发明内容

各个实施例的以下描述绝不应理解为限制所附权利要求书的标的物。

一个实施例涉及一种经配置以训练以学习为基础的缺陷分类器的系统。所述系统包含检验子系统，所述检验子系统包含至少能量源及检测器。所述能量源经配置以产生经引导到晶片的能量。所述检测器经配置以检测来自所述晶片的能量且响应于所述经检测能量而产生输出。所述晶片包含已知具有异常高缺陷率的至少一个训练晶片及预期具有正常缺陷率的至少一个检验晶片。