(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-07-24
(54)【発明の名称】機械学習を用いた半導体オーバーレイ測定
(51)【国際特許分類】
G03F 9/00 20060101AFI20230714BHJP
H01L 21/66 20060101ALI20230714BHJP
【ＦＩ】
G03F9/00 H
H01L21/66 J
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2022579815
(86)(22)【出願日】2021-06-23
(85)【翻訳文提出日】2023-02-21
(86)【国際出願番号】 US2021038563
(87)【国際公開番号】W WO2021262778
(87)【国際公開日】2021-12-30
(31)【優先権主張番号】202041026631
(32)【優先日】2020-06-24
(33)【優先権主張国・地域又は機関】IN
(31)【優先権主張番号】63/063,973
(32)【優先日】2020-08-11
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】17/135,998
(32)【優先日】2020-12-29
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】500049141
【氏名又は名称】ケーエルエー コーポレイション
(74)【代理人】
【識別番号】110001210
【氏名又は名称】弁理士法人ＹＫＩ国際特許事務所
(72)【発明者】
【氏名】ヤティ アルピット
【テーマコード（参考）】
2H197
4M106
【Ｆターム（参考）】
2H197EA20
2H197EB16
2H197HA03
2H197JA23
4M106AA01
4M106AA02
4M106BA02
4M106CA50
4M106DB05
4M106DH24
4M106DH33
(57)【要約】
第１のプロセス層内に１つ以上の構造を有し、第２のプロセス層内に１つ以上の構造を有する半導体チップの一部の画像を取得する。機械学習を使用して、第１の領域は、第１のプロセス層内の構造を少なくとも部分的に含む画像上に定義される。同様に機械学習を用いて、第２の領域は、第２のプロセス層内の構造を少なくとも部分的に含む画像上に定義される。第１のプロセス層内の構造と第２のプロセス層内の構造との間のオーバーレイオフセットは、第１の領域および第２の領域を用いて計算される。
【特許請求の範囲】
【請求項1】
方法であって、第１のプロセス層内の１つ以上の構造および第２のプロセス層内の１つ以上の構造を示す半導体ダイの一部分の画像を取得するステップと、
機械学習を使用して、前記第１のプロセス層内の１つ以上の構造を少なくとも部分的に含む画像上の第１の領域を定義するステップと、
機械学習を使用して、前記第２のプロセス層内の１つ以上の構造を少なくとも部分的に含む画像上の第２の領域を定義するステップと、
前記第１の領域および前記第２の領域を使用して、前記第１のプロセス層内の１つ以上の構造と前記第２のプロセス層内の１つ以上の構造との間のオーバーレイオフセットを計算するステップと、
を備える方法。
【請求項2】
前記画像は走査型電子顕微鏡（ＳＥＭ）画像である請求項１に記載の方法。
【請求項3】
前記第１の領域および前記第２の領域を使用して前記オーバーレイオフセットを計算することは、前記第１の領域と前記第２の領域との間の分離を計算することを含む請求項１に記載の方法。
【請求項4】
前記第１の領域と前記第２の領域との間の分離を計算することは、前記第１の領域の中心と前記第２の領域の中心との間の距離を計算することを含む請求項３に記載の方法。
【請求項5】
前記第１の領域は、第１のボックスであり、前記第２の領域は、第２のボックスである、
請求項３に記載の方法。
【請求項6】
前記第１のボックスは、前記第１のプロセス層内の１つ以上の構造を境界付け、前記第２のボックスは、前記第２のプロセス層内の１つ以上の構造を境界付ける、
請求項５に記載の方法。
【請求項7】
前記第１のプロセス層内の１つ以上の構造は、第１の構造を含み、前記第２のプロセス層内の１つ以上の構造は、第２の構造を含み、
前記第１の領域は、前記第１の構造のエッジの部分を含み、
前記第２の領域は、前記第２の構造のエッジの部分を含み
前記第１の領域および前記第２の領域を使用して前記オーバーレイオフセットを計算するステップは、
前記第１の領域における前記第１の構造のエッジの部分を検出するステップと、
前記第２の領域における前記第２の構造のエッジの部分を検出するステップと、
前記第１の領域における前記第１の構造のエッジの部分と前記第２の領域における前記第２の構造のエッジの部分との間の距離を計算するステップと、
を備える請求項１に記載の方法。
【請求項8】
前記第１の領域は、第１のボックスであり、前記第２の領域は、第２のボックスである、
請求項７に記載の方法。
【請求項9】
前記第１の領域および前記第２の領域を定義することは、機械学習分類器を使用して実行され、前記方法は、それぞれの半導体ダイからの部分のそれぞれのインスタンスの画像を使用して前記機械学習分類器をトレーニングすることをさらに含み、
前記画像は、前記第１の領域および前記第２の領域のそれぞれのインスタンスで注釈付けされる、
請求項１に記載の方法。
【請求項10】
１つ以上のプロセッサによって実行するための１つ以上のプログラムを記憶する、コンピュータ可読記憶媒体であって、１つ以上のプログラムは、第１のプロセス層内の１つ以上の構造および第２のプロセス層内の１つ以上の構造を示す半導体ダイの一部分の画像を取得し、
機械学習を使用して、前記第１のプロセス層内の１つ以上の構造を少なくとも部分的に含む画像上の第１の領域を定義し、
機械学習を使用して、前記第２のプロセス層内の１つ以上の構造を少なくとも部分的に含む画像上の第２の領域を定義し、
前記第１の領域および前記第２の領域を使用して、前記第１のプロセス層内の１つ以上の構造と前記第２のプロセス層内の１つ以上の構造との間のオーバーレイオフセットを計算する
命令を含む、コンピュータ可読記憶媒体。
【請求項11】
前記画像は、走査型電子顕微鏡（ＳＥＭ）画像である請求項１０に記載のコンピュータ可読記憶媒体。
【請求項12】
前記第１の領域および前記第２の領域を使用して前記オーバーレイオフセットを計算する命令は、前記第１の領域と前記第２の領域との間の分離を計算するための命令を含む請求項１０に記載のコンピュータ可読記憶媒体。
【請求項13】
前記第１の領域と前記第２の領域との間の分離を計算するための命令は、前記第１の領域の中心と前記第２の領域の中心との間の距離を計算するための命令を含む請求項１２に記載のコンピュータ可読記憶媒体。
【請求項14】
前記第１の領域は、第１のボックスであり、前記第２の領域は、第２のボックスである、
請求項１２に記載のコンピュータ可読記憶媒体。
【請求項15】
前記第１のボックスは、前記第１のプロセス層内の１つ以上の構造を境界付け、前記第２のボックスは、第２のプロセス層内の１つ以上の構造を境界付ける、
請求項１４に記載のコンピュータ可読記憶媒体。
【請求項16】
前記第１のプロセス層内の１つ以上の構造は、第１の構造を含み、前記第２のプロセス層内の１つ以上の構造は、第２の構造を含み、
前記第１の領域は、前記第１の構造のエッジの部分を含み、
前記第２の領域は、前記第２の構造のエッジの部分を含み、
前記第１の領域および前記第２の領域を使用して前記オーバーレイオフセットを計算する命令は、
前記第１の領域内の前記第１の構造のエッジの部分を検出し、
前記第２の領域内の前記第２の構造のエッジの部分を検出し、
前記第１の領域内の前記第１の構造のエッジの部分と前記第２の領域内の前記第２の構造のエッジの部分との間の距離を計算する
命令を含む、請求項１０に記載のコンピュータ可読記憶媒体。
【請求項17】
前記第１の領域は、第１のボックスであり、前記第２の領域は、第２のボックスである、
請求項１６に記載のコンピュータ可読記憶媒体。
【請求項18】
前記第１の領域および前記第２の領域を定義する命令は、機械学習分類器を使用して前記第１の領域および前記第２の領域を定義する命令を含み、
１つ以上のプログラムは、それぞれの半導体ダイからの部分のそれぞれのインスタンスの画像を使用して前記機械学習分類器をトレーニングする命令をさらに備え、
前記画像は、前記第１の領域および前記第２の領域のそれぞれのインスタンスで注釈付けされる、
請求項１０に記載のコンピュータ可読記憶媒体。
【請求項19】
システムであって、走査型電子顕微鏡（ＳＥＭ）と、
１つ以上のプロセッサと、
前記１つ以上のプロセッサによる実行のための１つ以上のプログラムを記憶するメモリと、
を備え、前記１つ以上のプログラムは、
前記ＳＥＭから、第１のプロセス層内の１つ以上の構造および第２のプロセス層内の１つ以上の構造を示す半導体ダイの一部分のＳＥＭ画像を取得し、
機械学習を使用して、前記第１のプロセス層内の１つ以上の構造を少なくとも部分的に含む第１の領域を前記ＳＥＭ画像上に定義し、
機械学習を使用して、前記第２のプロセス層内の１つ以上の構造を少なくとも部分的に含む第２の領域を前記ＳＥＭ画像上に定義し、
前記第１の領域および前記第２の領域を使用して、前記第１のプロセス層内の１つ以上の構造と前記第２のプロセス層内の１つ以上の構造との間のオーバーレイオフセットを計算する、
命令を含む、システム。
【請求項20】
前記第１の領域および前記第２の領域を使用して前記オーバーレイオフセットを計算する命令は、前記第１の領域と前記第２の領域との間の分離を計算する命令を含む、請求項１９に記載のシステム。
【請求項21】
前記第１の領域と前記第２の領域との間の分離を計算する命令は、前記第１の領域の中心と前記第２の領域の中心との間の距離を計算する命令を含む、請求項２０に記載のシステム。
【請求項22】
前記第１の領域は、第１のボックスであり、前記第２の領域は、第２のボックスである、
請求項２０に記載のシステム。
【請求項23】
前記第１のボックスは、前記第１のプロセス層内の１つ以上の構造を境界付け、前記第２のボックスは、前記第２のプロセス層内の１つ以上の構造を境界付ける、
請求項２２に記載のシステム。
【請求項24】
前記第１のプロセス層内の１つ以上の構造は、第１の構造を含み、前記第２のプロセス層内の１つ以上の構造は、第２の構造を含み、
前記第１の領域は、前記第１の構造のエッジの部分を含み、
前記第２の領域は、前記第２の構造のエッジの部分を含み、
前記第１の領域および前記第２の領域を使用して前記オーバーレイオフセットを計算する命令は、
前記第１の領域内の前記第１の構造のエッジの部分を検出し、
前記第２の領域内の前記第２の構造のエッジの部分を検出し、
前記第１の領域内の前記第１の構造のエッジの部分と前記第２の領域内の前記第２の構造のエッジの部分との間の距離を計算する
命令を含む、請求項１９に記載のシステム。
【請求項25】
前記第１の領域は、第１のボックスであり、前記第２の領域は、第２のボックスである、
請求項２４に記載のシステム。
【請求項26】
前記第１の領域および前記第２の領域を定義する命令は、機械学習分類器を使用して前記第１の領域および前記第２の領域を定義する命令を含み、前記１つ以上のプログラムは、それぞれの半導体ダイからの部分のそれぞれのインスタンスのＳＥＭ画像を使用して前記機械学習分類器をトレーニングする命令をさらに備え、前記ＳＥＭ画像は、前記第１の領域および前記第２の領域のそれぞれのインスタンスで注釈付けされる、請求項１９に記載のシステム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、半導体デバイスのためのオーバーレイ（すなわちオーバーレイオフセット）を測定することに関し、より詳細には、機械学習を用いてオーバーレイオフセットを測定することに関する。
【背景技術】
【0002】
本出願は、２０２０年６月２４日および米国特許仮出願６３／０６３，９７３号（２０２０年８月１１日）に出願されたインド仮特許出願第２０２０４１０２６６３１号の優先権を主張し、その両方は、あらゆる目的のためにその全体が参照により組み込まれる。
【0003】
半導体製造において、プロセス層間のミスアライメントは、別のプロセス層における構造の位置と比較して、あるプロセス層における構造の位置に望ましくないシフティングを引き起こす。そのようなシフト（すなわち、変位）は、オーバーレイ、または同等に、オーバーレイオフセットと称される。これらのシフトを測定することは、オーバーレイ計測と呼ばれる。正確なオーバーレイ計測は、プロセスドリフトを測定するために、したがって特に新しい半導体プロセスおよび／またはデバイスのランプアップ期間中にプロセス制御を確立および維持するために重要である。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】米国特許出願公開第２０１９／００２６８８５号
【発明の概要】
【発明が解決しようとする課題】
【0005】
走査電子顕微鏡（ＳＥＭ）は、高解像度を有し、その形状またはサイズにかかわらず構造を撮像することができるため、オーバーレイ計測のための有用なツールである。しかしながら、オーバーレイ測定のためのＳＥＭ画像において構造（例えば、関心のあるパターン）を識別することは、重大な課題を提示する。プロセス変動は、特にランプアップ期間中に、構造の形状、サイズ、および配向をかなり変動させ得る。結果として、従来のオブジェクト認識アルゴリズムは、オーバーレイが測定されるべき２つの構造上で整合することができない場合がある。
【課題を解決するための手段】
【0006】
オーバーレイ計測は、機械学習を使用して半導体ダイのそれぞれのプロセス層内のそれぞれの構造（または構造のグループ）に対応する領域を定義し、その領域を使用して構造間のオーバーレイオフセットを計算することによって実行され得る。
【0007】
いくつかの実施形態では、方法は、第１のプロセス層内の１つ以上の構造および第２のプロセス層内の１つ以上の構造を示す半導体ダイの一部分の画像を取得するステップを含む。本方法はまた、機械学習を使用して、第１のプロセス層内の１つ以上の構造を少なくとも部分的に含む第１の領域を画像上に定義し、第２のプロセス層内の１つ以上の構造を少なくとも部分的に含む第２の領域を画像上に定義するステップを含む。本方法はさらに、第１の領域および第２の領域を使用して、第１のプロセス層内の１つ以上の構造と第２のプロセス層内の１つ以上の構造との間のオーバーレイオフセットを計算するステップを含む。
【0008】
いくつかの実施形態では、非一時的コンピュータ可読記憶媒体は、１つ以上のプロセッサによって実行するための１つ以上のプログラムを記憶する。１つ以上のプログラムは、上記の方法を実行するための命令を含む。
【0009】
いくつかの実施形態では、システムは、走査電子顕微鏡（ＳＥＭ）と、１つ以上のプロセッサと、１つ以上のプロセッサによる実行のための１つ以上のプログラムを記憶するメモリとを含む。１つ以上のプログラムは、上記の方法を実行するための命令を含む。
【0010】
様々な説明される実装形態をより良く理解するために、以下の図面と併せて、以下の詳細な説明を参照されたい。
【図面の簡単な説明】
【0011】
【図1A】第１のプロセス層における第１の構造および第２のプロセス層における複数の第２の構造を示す半導体ダイの一部分のＳＥＭ画像の図である。
【図1B】いくつかの実施形態による、機械学習を使用して定義され、第１のプロセス層内の第１の構造を境界付ける第１の領域と、機械学習を使用して定義され、第２のプロセス層内の複数の第２の構造を境界付ける第２の領域とを有する、図１ＡのＳＥＭ画像の図である。
【図2A】第１のプロセス層内の構造および第２のプロセス層内の構造を示す、半導体ダイの一部分の別のＳＥＭ画像の図である。
【図2B】いくつかの実施形態による、機械学習を使用して定義された、第１のプロセス層内の構造のうちの１つを境界付ける第１の領域と、機械学習を使用して定義された、第２のプロセス層内の構造を部分的に含む第２の領域とを有する、図２ＡのＳＥＭ画像の図である。
【図3A】第１のプロセス層内の構造および第２のプロセス層内の一対の構造を示す、半導体ダイの一部分のさらに別のＳＥＭ画像の図である。
【図3B】いくつかの実施形態による、機械学習を使用して定義され、第１のプロセス層内の構造を部分的に含む第１の領域と、機械学習を使用して定義され、第２のプロセス層内の構造の対のそれぞれの構造を部分的に含む第２の領域とを有する、図３ＢのＳＥＭ画像の図である。
【図4A】第１のプロセス層内の複数の構造および第２のプロセス層内の構造を示す、半導体ダイの一部分のさらに別のＳＥＭ画像の図である。
【図4B】機械学習を用いて定義され、第１のプロセス層内の複数の構造を境界付ける第１の領域と、機械学習を用いて定義され、第２のプロセス層内の構造を境界付ける第２の領域とを有する図４ＡのＳＥＭ画像の図である。
【図4C】機械学習を用いて定義され、第１のプロセス層における複数の構造のそれぞれの構造を部分的に含む複数の第１の領域と、機械学習を用いて定義され、第２のプロセス層における構造を部分的に含む複数の第２の領域とを有する図４ＡのＳＥＭ画像の図である。
【図5】いくつかの実施形態によるオーバーレイ計測方法を示すフローチャートである。
【図6】いくつかの実施形態による半導体検査システムのブロック図である。
【発明を実施するための形態】
【0012】
ここで、様々な実施形態を詳細に参照し、その例を添付の図面に示す。以下の詳細な説明では、説明される様々な実施形態の完全な理解を提供するために、多数の具体的な詳細が述べられる。しかしながら、当業者には、説明される様々な実施形態がこれらの具体的な詳細なしに実施され得ることが明らかであろう。他の例では、周知の方法、手順、構成要素、回路、およびネットワークは、実施形態の態様を不必要に不明瞭にしないように、詳細には説明されていない。
【0013】
機械学習分類器は、半導体ダイの画像内のそれぞれの構造または構造のグループに対応する領域を定義（画定）するように訓練されてもよい。例えば、画像は、走査型電子顕微鏡（ＳＥＭ）画像である。構造および／または構造のグループは、ダイ上の異なるプロセス層で製作される。領域は、構造間のオーバーレイオフセットを計算するために使用される。
【0014】
図１Ａは、半導体ダイの一部分の走査電子顕微鏡（ＳＥＭ）画像１００の図である。ＳＥＭ画像１００は、構造１０２および複数の構造１０４を含む。構造１０２および／または複数の構造１０４は、導電性（例えば、金属）であってもよい。例えば、構造体１０２及び／又は複数の構造体１０４は、導電性（例えば、金属）プラグであってもよい。いくつかの実施形態では、構造１０２は、第１の対の金属層を導電接続するビアであり、構造１０４は、第２の対の金属層を導電接続するビアであるか、または導電層（例えば、金属層）をシリコンに偶発的に接続するコンタクトである。構造１０２は、複数の構造１０４とは異なる半導体ダイのプロセス層内にあり、いくつかの実施形態では、構造１０２は、第１のビア層内にあり、複数の構造１０４は、第２のビア層（例えば、第１のビア層の下方）またはコンタクト層内にある。他の例も可能である。
【0015】
図１Ｂでは、機械学習（例えば、以下の方法５００のステップ５０２に従って訓練され得る機械学習分類器）を使用して、構造１０２に対応する第１の領域１０６と、複数の構造１０４に対応する第２の領域１０８とを定義している。いくつかの実施形態では、第１の領域１０６は構造１０２を囲み、かつ／または第２の領域１０８は複数の構造１０４を囲む。したがって、第１の領域１０６は、全体が構造１０２を含むように、構造１０２を取り囲んでもよく、第２の領域１０８は、全体が複数の構造１０４を含むように、複数の構造１０４を取り囲んでもよい。例えば、第１の領域１０６は、構造１０２を境界付けるボックス（例えば、矩形ボックス）であってもよく、第２の領域１０８は、複数の構造１０４を境界付けるボックス（例えば、矩形ボックス）であってもよい。構造または複数の構造を境界付けるために機械学習を使用して定義されるボックスは、境界ボックスと呼ばれる。第１の領域１０６および／または第２の領域１０８は、代替として、ボックス以外の他の形状を有するように定義（画定）されてもよい。
【0016】
第１の領域１０６および第２の領域１０８は、構造１０２と複数の構造１０４との間のオーバーレイオフセットを計算するために使用され得る。いくつかの実施形態では、第１の領域１０６と第２の領域１０８との間の分離（例えば、ＳＥＭ画像１００の平面における２次元で、またはＳＥＭ画像１００の平面の水平もしくは垂直のいずれかの次元で）は、オーバーレイオフセットを決定するために計算される。例えば、オーバーレイオフセットは、第１の領域１０６の中心と第２の領域１０８の中心との間の距離として計算され得る。
【0017】
図２Ａは、半導体ダイの一部分の別のＳＥＭ画像２００の図である。ＳＥＭ画像２００は、第１のプロセス層内の第１の構造２０１および第２の構造２０２と、第１のプロセス層の下方にある第２のプロセス層内の第３の構造２０４とを含む。第１の構造体２０１は、水平アーム及び垂直アームを有するＬ字形を有し、第２の構造体２０２は矩形であり、第３の構造体２０４は、第１の構造体２０１の水平アームの下を第１の構造体２０１の垂直アームと平行に走る線である。第３の構造２０４は、第２の構造２０２と第１の構造２０１の垂直アームとの間で垂直に走るが、第１の構造２０１及び第２の構造２０２のプロセス層よりも低いプロセス層にある。いくつかの実施形態では、第１および第２のプロセス層は金属層である。第１の構造２０１および第２の構造２０２は、第１の金属層内の金属構造であり、第３の構造２０４は、第１の金属層の下の第２の金属層内の金属線である。他の例も可能である。
【0018】
図２Ｂでは、機械学習（例えば、以下の方法５００のステップ５０２に従ってトレーニングすることができる機械学習分類器）が、第２の構造２０２に対応する第１の領域２０６と、第３の構造２０４に対応する第２の領域２０８とを定義するために使用されている。いくつかの実施形態では、第１の領域２０６は第２の構造２０２を囲み、かつ／または第２の領域２０８は第３の構造２０４の一部分（すなわち、第３の構造２０４を部分的に含む）を含む。たとえば、第１の領域２０６は、第２の構造２０２を境界付ける境界ボックス（たとえば、長方形の境界ボックス）であり、および／または第２の領域２０８は、第３の構造２０４の一部を取り囲むボックス（たとえば、長方形のボックス）である。第１の領域２０６および／または第２の領域２０８は、代替として、ボックス以外の他の形状を有するように定義（画定）されてもよい。
【0019】
第１の領域２０６および第２の領域２０８は、第２の構造２０２と第３の構造２０４との間のオーバーレイオフセットを計算するために使用されてもよく、いくつかの実施形態では、第１の領域２０６と第２の領域２０８との間の分離（例えば、ＳＥＭ画像２００の水平方向の寸法である）が、オーバーレイオフセットを決定するために計算される。たとえば、オーバーレイオフセットは、第１の領域２０６の中心と第２の領域２０８の中心との間の距離（たとえば、水平距離）として計算され得る。
【0020】
図１Ｂおよび図２Ｂは、オーバーレイオフセットが、機械学習を使用して定義される領域間の分離を使用して計算される実施例を示す。代替として、機械学習を使用して定義される領域は、構造のエッジを検出するための開始領域として使用されてもよく、オーバーレイオフセットは、検出されたエッジ間の測定された距離を使用して計算される。
【0021】
図３Ａは、半導体ダイの一部分のさらに別のＳＥＭ画像３００の図である。ＳＥＭ画像３００は、第１のプロセス層内の構造３０２と、第２のプロセス層内の一対の構造３０４－１および３０４－２とを含む。構造３０２は、丸みを帯びた角を有する線（例えば、金属線）である。構造３０４－１および３０４－２は、構造３０２に接触する導電性プラグ（例えば、金属であってもよい導電性ビアまたはコンタクト）であってもよく、いくつかの実施形態では、構造３０４－１および３０４－２は、金属層である第１のプロセス層のすぐ上（またはすぐ下）のビア層内の金属ビアであってもよい。他の例も可能である。構造３０４－１および３０４－２は、実質的に円形の形状であるが、（例えば、プロセス変動により）ある程度楕円形であってもよい。
【0022】
図３Ｂでは、機械学習（例えば、以下の方法５００のステップ５０２に従ってトレーニングすることができる機械学習分類器）を使用して、構造３０２の一部分に対応しこれを含む（すなわち、構造３０２を部分的に含む）第１の領域３０６と、構造３０４－１の一部分に対応しこれを含む第２の領域３０８とを定義している（すなわち、構造３０４－１を部分的に含む）。第１の領域３０６は、構造３０２のエッジ３０７の一部を含む。図３Ｂの例では、第１の領域３０６は、エッジ３０７の一部が構造３０２のエッジにあるように、構造３０２のエッジを含む。第２の領域３０８は、構造３０４－１のエッジ３０９の一部を含む。図３Ｂの例では、第２の領域３０８は、構造３０４－１の円周の一部分（すなわち、エッジ３０９の部分は、構造３０４－１の円周の部分である）を含む。いくつかの実施形態では、第１の領域３０６および第２の領域３０８は、ボックス（例えば、長方形ボックス）である。第１の領域３０６および／または第２の領域３０８は、代替として、ボックス以外の他の形状を有するように定義されてもよい。
【0023】
第１の領域３０６および第２の領域３０８は、部分３０７および３０９を検出するためにエッジ検出を実行するための開始領域として機能することによって、構造３０２と構造３０４－１との間のオーバーレイオフセットを計算するために使用され得る。部分３０７および３０９が、第１の領域３０６および第２の領域３０８内でそれぞれ検出されると、それらの間の距離３１０が計算される。距離３１０は、構造３０２と構造３０４－１との間のオーバーレイオフセット（例えば、オーバーレイオフセットは、距離３１０に等しいか、又は距離３１０に定数を加えたものに等しい）を与える。
【0024】
図４Ａは、半導体ダイの一部分の別のＳＥＭ画像４００の図である。ＳＥＭ画像４００は、第１のプロセス層内の複数の構造４０２と、第２のプロセス層内の構造４０４とを含む。構造４０４は、水平線（例えば、金属線）である。アレイ状に配置された構造体４０２は、導電性プラグ（例えば、金属であってもよい導電性ビアまたはコンタクトである）であってもよい。いくつかの実施形態では、構造４０２は、ビア層内のビアまたはコンタクト層内のコンタクトであり得る。他の例も可能である。構造４０２は、実質的に円形の形状であるが、（例えば、プロセス変動により）ある程度楕円形であってもよい。構造４０２は、実質的に等間隔であるが、それらの位置は、理想的な等間隔位置からある程度変動し得る（例えば、プロセス変動により）。
【0025】
図４Ｂでは、機械学習（例えば、以下の方法５００のステップ５０２に従ってトレーニングすることができる機械学習分類器）が、複数の構造４０２に対応する第１の領域４０６と、構造４０４に対応する第２の領域４０８とを定義するために使用されている。いくつかの実施形態では、第１の領域４０６は、構造４０２の全てが第１の領域４０６（すなわち、第１の領域４０６は、構造４０２のすべてを含む）内にあるように、複数の構造４０２を境界付ける。いくつかの実施形態では、第２の領域４０８は、構造４０４の全体が第２の領域４０８（すなわち、第２の領域４０８は、構造４０４を含む）内にあるように、構造４０４を境界付ける。たとえば、第１の領域４０６は、複数の構造４０２を境界付ける境界ボックス（たとえば、長方形の境界ボックス）であり、および／または第２の領域４０８は、構造４０４を境界付ける境界ボックス（たとえば、長方形の境界ボックス）である。第１の領域４０６および／または第２の領域４０８は、代替として、ボックス以外の他の形状を有するように定義されてもよい。
【0026】
いくつかの実施形態では、第１の領域４０６と第２の領域４０８との間の分離（例えば、ＳＥＭ画像４００の平面における２次元で、またはＳＥＭ画像４００の平面における垂直もしくは水平次元のいずれかで）が、オーバーレイオフセットを決定するために計算される。たとえば、オーバーレイオフセットは、第１の領域４０６の中心と第２の領域４０８の中心との間の距離（または距離に定数を加えたもの）として計算され得る。
【0027】
図４Ｃでは、機械学習（例えば、以下の方法５００のステップ５０２に従ってトレーニングすることができる機械学習分類器）が、複数の構造４０２（例えば、複数の構造４０２の下の行におけるそれぞれの構造４０２）のそれぞれの構造４０２のそれぞれの部分に対応し、それを含む第１の領域４１０－１～４１０－４を定義するために使用されている。機械学習（例えば、機械学習分類器）はまた、構造４０４のそれぞれの部分に対応し、それを含む第２の領域４１２－１から４１２－４を定義するために使用されている。第１の領域４１０－１から４１０－４の各々は、それぞれの構造４０２のエッジの一部分（例えば、構造４０４に面するエッジ）を含む。第２の領域４１２－１から４１２－４のそれぞれは、構造４０４のエッジ（例えば、構造４０２の上エッジの一部は、それぞれの構造４０２を横切る）のそれぞれの部分を含む。いくつかの実施形態では、第１の領域４１０－１～４１０－４および第２の領域４１２－１～４１２－４は、ボックス（例えば、矩形ボックス）である。第１の領域４１０－１～４１０－４及び／又は第２の領域４１２－１～４１２－４は、ボックス以外の形状を有するように定義されてもよい。
【0028】
第１の領域４１０－１～４１０－４および第２の領域４１２－１～４１２－４は、エッジ検出を実行するための開始領域として機能することによって、それぞれの構造４０２と構造４０４との間のそれぞれのオーバーレイオフセットを計算するために使用され得る。エッジ検出は、第１の領域４１０－１～４１０－４及び第２の領域４１２－１～４１２－４におけるエッジ部分を検出するために行われる。これらのエッジ部分が検出されると、それらの間の距離が計算される。第１の領域４１０－１における構造体４０２のエッジと第２の領域４１２－１における構造体４０４のエッジとの間の第１の距離が計算され、第１の領域４１０－２における構造体４０２のエッジと第２の領域４１０－２における構造体４０４のエッジとの間の第２の距離が計算される。第１の領域４１０－３内の構造４０２のエッジと第２の領域４１２－３内の構造４０４のエッジとの間の第３の距離が計算され、第１の領域４１０－４内の構造４０２のエッジと第２の領域４１２－４内の構造４０４のエッジとの間の第４の距離が計算される（図４Ｃの例では、４つの第１の領域４１０および４つの第２の領域４１２が形成されているが、他の数の領域も可能である）。これらの距離は、距離３１０（図３Ｂ）に類推して計算することができ、それぞれの構造４０２と構造４０４との間のそれぞれのオーバーレイオフセット（例えば、オーバーレイオフセットは、それぞれの距離に等しいか、またはそれぞれの距離に定数を加えたものに等しい）を与える。複数の構造４０２と構造４０４との間の平均オーバーレイオフセットは、これらの距離の実測値を使用して決定され得る。
【0029】
図５は、いくつかの実施形態によるオーバーレイ計測方法５００を示すフローチャートである。方法５００は、コンピュータシステム（例えば、図６の半導体検査システム６００のコンピュータシステムである）によって実行することができる。
【0030】
いくつかの実施形態では、機械学習分類器は、それぞれの半導体ダイからのダイ部分のそれぞれのインスタンスの画像を使用して訓練される（５０２）。画像は、第１の領域および第２の領域のインスタンスに関して注釈が付けられる。例えば、画像は、第１の領域および第２の領域のそれぞれのインスタンスを示すために、グラフィカル描画プログラムを使用してユーザによって注釈付けされている。いくつかの実施形態では、機械学習分類器はニューラルネットワークである。例えば、機械学習分類器は、畳み込みニューラルネットワーク（ＣＮＮ）（例えば、Ｍａｓｋ－Ｒ－ＣＮＮ）である。あるいは、機械学習分類器は、ニューラルネットワーク以外の異なるタイプのニューラルネットワークまたは異なるタイプの機械学習分類器であってもよい。
【0031】
第１のプロセス層における１つ以上の構造および第２のプロセス層における１つ以上の構造を示す半導体ダイの一部分の画像が得られる（５０４）。いくつかの実施形態では、画像はＳＥＭ画像である（５０６）。画像は、イメージングツール（例えば、図６のＳＥＭ６３２）から直接取得されてもよく、または画像が以前に記憶されたメモリから取得されてもよい。画像の例は、画像１００（図１Ａ）、画像２００（図２Ａ）、画像３００（図３Ａ）、又は画像４００（図４Ａ）を含むが、これらに限定されない。
【0032】
機械学習を使用して、第１のプロセス層内の１つ以上の構造を少なくとも部分的に含む第１の領域が画像上に定義される（５０８）。いくつかの実施形態では、第１の領域は、ステップ５０２で訓練された機械学習分類器を使用して定義される（５１０）。第１の領域は、第１のボックス（例えば、矩形ボックス）であってもよい（５１２）。例えば、第１のボックスは、第１のプロセス層内の１つ以上の構造を境界付ける境界ボックス（例えば、図１Ｂの領域１０６；図２Ｂの領域２０６；図４Ｂの領域４０６）である。あるいは、第１の領域は、第１のプロセス層内の１つ以上の構造のうちの１つである第１の構造のエッジ（すなわち、エッジの部分のみであり、エッジ全体ではない）の一部分を含むことができる。例えば、第１の領域は、第１の構造のエッジの部分を含む第１のボックス（例えば、矩形ボックス）（例えば、図３Ｂの領域３０６；図４Ｃの領域４１０－１～４１０－４の１つ）であってもよい。
【0033】
また、機械学習を使用して、第２のプロセス層内の１つ以上の構造を少なくとも部分的に含む第２の領域が画像上に定義される（５１４）。いくつかの実施形態では、第２の領域は、ステップ５０２で訓練された機械学習分類器を使用して定義される（５１６）。第２の領域は、第２のボックス（例えば、矩形ボックス）であってもよい（５１８）。例えば、第２のボックスは、第２のプロセス層内の１つ以上の構造を境界付ける境界ボックス（例えば、図１Ｂの領域１０８；図４Ｂの領域４０８）である。あるいは、第２の領域（例えば、図２Ｂの領域２０８；図３Ｂの領域３０８；図４Ｃの領域４１２－１乃至４１２－４のうちの１つ）は、第２のプロセス層内の１つまたは複数の構造のうちの１つである第２の構造のエッジ（すなわち、エッジの部分のみであり、エッジ全体ではない）の一部を含むことができる。例えば、第２の領域は、第２の構造のエッジの部分を含む第２のボックス（例えば、矩形ボックス）であってもよい。
【0034】
いくつかの実施形態では、ステップ５０８および５１４の機械学習は、ニューラルネットワークを使用して実装される。例えば、畳み込みニューラルネットワーク（ＣＮＮ）（例えば、Ｍａｓｋ－Ｒ－ＣＮＮである）が使用される。他の実施形態では、異なるタイプの機械学習分類器が、ステップ５０８および５１４の機械学習を実施するために使用される。
【0035】
第１の領域および第２の領域を使用して、第１のプロセス層内の１つ以上の構造と第２のプロセス層内の１つ以上の構造との間のオーバーレイオフセットが計算される（５２０）。
【0036】
いくつかの実施形態では、オーバーレイオフセットを計算するために、第１の領域と第２の領域との間の分離（例えば、図１Ｂ、図２Ｂ、および図４Ｂについて説明したように）が計算される（５２２）。例えば、第１の領域の中心と第２の領域の中心との間の距離が計算される（５２４）。距離は、特定の方向であり得る（たとえば、ベクトル差であり得る）。距離は、画像の平面における２次元であってもよく、又は画像の平面における垂直又は水平の次元であってもよい。
【0037】
いくつかの実施形態では、オーバーレイオフセットを計算するために、第１の領域内の第１の構造のエッジの一部分および第２の領域内の第２の構造のエッジの一部分が検出される（５２６）。第１の構造は、第１のプロセス層における１つ以上の構造のうちの１つであり、第２の構造は、第２のプロセス層における１つ以上の構造のうちの１つである。これらのエッジ部分は、第１の領域および第２の領域に対してエッジ検出アルゴリズムを適用することによって検出される。したがって、第１の領域および第２の領域は、エッジ検出（すなわち、エッジを探索する範囲である）を実行するためのそれぞれの探索領域として機能し得る。第１の領域内の第１の構造のエッジの部分と第２の領域内の第２の構造のエッジの部分との間の距離（例えば、距離３１０、図３Ｂ）が計算される（５２８）（例えば、図３Ｂおよび図４Ｃについて説明した通りである）。
【0038】
領域を定義するための機械学習の使用を伴う方法５００は、従来のオブジェクト認識アルゴリズムを使用する技法よりも、オーバーレイ計測に対するよりロバストなアプローチを提供する。したがって、方法５００は、プロセス変動が従来のオブジェクト認識アルゴリズムを使用する技術を失敗させる状況において、オーバーレイ計測が成功裏かつ正確に実行されることを可能にする。
【0039】
オーバーレイオフセットは、プロセス制御を確立または改善するためのプロセス変更を識別するために使用され得る。オーバーレイオフセットはまた、または代替として、ウエハを配置するために使用されてもよく、例えば、ウエハを処理、再加工、またはスクラップし続けるかどうかの決定は、ウエハ上の半導体ダイのためのオーバーレイオフセットに全体的または部分的に基づき得る。
【0040】
図６は、いくつかの実施形態による半導体検査システム６００のブロック図である。半導体検査システム６００は、オーバーレイ計測（例えば、オーバーレイ計測方法５００を実行するための図５）のために使用され得る。半導体検査システム６００は、ＳＥＭ６３２（または他の撮像ツール）と、１つ以上のプロセッサ６０２（例えば、ＣＰＵおよび／またはＧＰＵ）、ユーザインターフェース６０６、メモリ６１０、およびこれらの構成要素を相互接続する通信バス６０４を伴うコンピュータシステムとを含む。いくつかの実施形態では、ＳＥＭ６３２は、１つ以上の有線および／または無線ネットワーク６３０を介してコンピュータシステムに通信可能に結合される。いくつかの実施形態では、半導体検査システム６００は、コンピュータシステム（例えば、１つ以上の有線および／または無線ネットワーク６３０を介する）と通信可能に結合された複数のＳＥＭ６３２（または他の撮像ツール）を含む。
【0041】
ユーザインターフェース６０６は、ディスプレイ６０７および１つ以上の入力デバイス６０８（例えば、キーボード、マウス、ディスプレイ６０７のタッチ感知面など。）を含み得る。ディスプレイ６０７は、機械学習（例えば、図５の方法５００で定義される第１及び第２の領域）を使用して定義されたオーバーレイオフセットおよび／または領域を含む結果を表示することができる。
【0042】
メモリ６１０は、揮発性および／または不揮発性メモリを含む。メモリ６１０（例えば、メモリ６１０内の不揮発性メモリである）は、非一時的なコンピュータ可読記憶媒体を含む。メモリ６１０は、随意に、プロセッサ６０２から遠隔に位置する１つ以上の記憶デバイス、および／または半導体検査システム６００のコンピュータシステムに取り外し可能に挿入される非一時的コンピュータ可読記憶媒体を含む。
【0043】
いくつかの実施形態では、メモリ６１０（例えば、メモリ６１０の持続性コンピュータ可読記憶媒体）は、以下のモジュールおよびデータ、またはそのサブセットもしくはスーパーセットを記憶する。オペレーティングシステム６１２は、様々な基本システムサービスを処理し、ハードウェア依存タスクを実行するための手順と、オーバーレイオフセットが計算されるべき画像６１４（例えば、ＳＥＭ画像）と、機械学習分類器（例えば、図５の方法５００のステップ５０２による）をトレーニングするためのトレーニングモジュール６１６と、画像６１４（例えば、図５の方法５００のステップ５０８及び５１４による）（例えば、トレーニングモジュール６１６によってトレーニングされた機械学習分類器を使用する）上の領域を定義するための機械学習モジュール６２０を含む。オーバーレイオフセット（例えば、図５の方法５００のステップ５２０による）を計算するためのオーバーレイ計算モジュール６２２、および結果を報告するための報告モジュール６２８（例えば、ディスプレイ６０７上に結果を表示する）を含む。いくつかの実施形態では、訓練モジュール６１６は、機械学習分類器を訓練するために使用される注釈付き画像６１８（例えば、注釈付きＳＥＭ画像）を含む。いくつかの実施形態では、トレーニングモジュール６１６は存在せず、機械学習モジュール６２０は、異なるコンピュータシステム上でトレーニングされた機械学習分類器を使用する。いくつかの実施形態では、オーバーレイ計算モジュール６２２は、定義された領域（例えば、図５の方法５００のステップ５２６による）内のエッジを検出するためのエッジ検出モジュール６２４および／または定義された領域（例えば、図５の方法５００のステップ５２２による）間の分離および／または検出されたエッジ（例えば、図５の方法５００のステップ５２８による）間の距離を計算するための分離計算モジュール６２６を含み、メモリ６１０（例えば、メモリ６１０の非一時的なコンピュータ読取可能な記憶媒体）は、方法５００（図５００）の全部または一部を実行するための命令を含み得る。
【0044】
メモリ６１０に記憶されたモジュールの各々は、本明細書で説明する１つ以上の機能を実行するための命令のセットに対応する。別個のモジュールは、別個のソフトウェアプログラムとして実装される必要はない。モジュールおよびモジュールのさまざまなサブセットは、組み合わされるか、さもなければ再構成されてよく、いくつかの実施形態では、メモリ６１０は、上で識別されたモジュールおよび／またはデータ構造のサブセットまたはスーパーセットを記憶する。
【0045】
図６は、構造的概略図としてよりも、半導体検査システムに存在し得る様々な特徴の機能的説明として意図されている。例えば、半導体検査システム６００におけるコンピュータシステムの機能は、複数のデバイス間で分割されてもよい。メモリ６１０に記憶されたモジュールの一部は、代替的に、１つ以上のネットワークを介して半導体検査システム６００のコンピュータシステムと通信可能に結合された１つ以上の他のコンピュータシステムに記憶され得る。
【0046】
前述の説明は、説明の目的のために、特定の実施形態を参照して説明されている。しかしながら、上記の例示的な説明は、網羅的であること、または特許請求の範囲を開示された厳密な形態に限定することを意図するものではない。上記の教示を考慮して、多くの修正及び変形が可能である。実施形態は、特許請求の範囲の基礎をなす原理およびそれらの実際の適用を最良に説明し、それによって、他の当業者が、企図される特定の使用に適した様々な修正とともに実施形態を最良に使用することを可能にすべく選択されたものである。
【図1A】
【図1B】
【図2A】
【図2B】
【図3A】
【図3B】
【図4A】
【図4B】
【図4C】
【図5】
【図6】
【国際調査報告】