摘要
对电子设备、智能设备和物联网的需求不断增长，构成了集成电路关键尺寸减小和电路复杂度增加的主要驱动力。
然而，随着 10 纳米以下大批量制造成为主流，人们越来越意识到原始设备制造商组件引入的缺陷会影响产量和制造成本。在 10 纳米节点及以下节点，识别、定位和分类这些缺陷（包括随机粒子和系统缺陷）变得越来越具有挑战性。
最近，传统光学缺陷检测与纳米光子学、光学涡旋、计算成像、定量相位成像和深度学习等新兴技术的结合为该领域带来了新的可能性。
因此，在缺陷检测方法领域以往的优秀综述的基础上，进行全面的综述以揭示新的观点和令人兴奋的趋势是极其必要的。在本文中，我们全面回顾了过去十年中出现的课题，重点关注三个特定领域：（a）缺陷可检测性评估，（b）多样化的光学检测系统，以及（c）后处理算法。
我们希望这项工作对于该领域的新手和寻求将其用于跨学科工作的人们都具有重要意义。
. 简介
智能手机、平板电脑、数字电视、无线通信基础设施、网络硬件、计算机和电子医疗设备的需求不断增长，刺激了全球对半导体芯片的需求 [1]。此外，物联网 (IoT)（又称连接设备的互联网）尚处于起步阶段，但从长远来看，它将对半导体芯片的需求做出重大贡献，智能电网、智能城市和自动化智能制造的发展也将如此。
这些迫切的需求，加上对降低单片晶圆成本和能耗的无尽追求，构成了沿着减小临界尺寸 (CD) 和增加电路复杂度的道路前进的主要驱动力 [1]。
最近，台湾半导体制造公司及其研究联盟合作伙伴宣布了 3 纳米技术的突破 [2]，这为提供在当今领先的 5 纳米芯片上具有显着改进的芯片提供了一条途径。
这对于晶圆厂和制造商而言是一个巨大的胜利，因为 5 纳米工艺只需两年时间就能完全进入市场，但对于整个工艺控制领域而言，这也是一场噩梦，尤其是对于晶圆缺陷检测而言：这些图案中特征和空间的尺寸不断减小，极大地限制了所有当前解决方案在平衡灵敏度、特异性、处理速度和捕获率方面的能力。
随着双重图案化、三重图案化甚至四重图案化紫外 (UV) 光刻技术的广泛使用，检测步骤的数量随着图案化步骤的增加而增加，这可能会降低吞吐量并增加设备故障的风险，因为错过的缺陷检测事件将转移到最终工艺。
更糟糕的是，现在采用极其复杂的鳍式场效应晶体管和环栅纳米线器件来减少漏电流并提高 22 纳米技术节点以外的器件稳定性 [3]，这导致这种三维 (3D) 架构中感兴趣的关键缺陷通常位于表面下（尤其是空隙）、埋在堆栈中或高深宽比结构中的残留物 [4]。
总体而言，随着行业开始大规模亚 10 纳米大批量制造，人们越来越意识到原始设备制造商组件引入的缺陷会影响产量和制造成本。
毫无疑问，这一巨大挑战影响了整个半导体制造供应链。因此，晶圆缺陷检测系统对晶圆厂变得越来越重要。
晶圆缺陷检测系统检测晶圆上的物理缺陷和图案缺陷，并获得缺陷的位置坐标。
缺陷可分为两类，即随机缺陷和系统缺陷 [5]。随机缺陷主要由附着在晶圆表面的颗粒引起，因此无法预测其位置。
晶圆缺陷检测系统的主要作用是检测和定位晶圆上的缺陷。系统性缺陷主要由掩模和曝光工艺的变化引起，并将出现在所有投影芯片电路图案的相同位置。它们出现在曝光条件非常困难且需要精细调整的位置。
通常，晶圆缺陷检测系统通过比较相邻芯片的电路图案图像来检测缺陷[6]。因此，有时无法使用传统的晶圆缺陷检测系统检测到系统性缺陷。
根据检查是在图案化工艺晶圆上还是在裸晶圆上进行，晶圆缺陷检测系统具有不同的配置。对于裸晶圆，光学检测系统，尤其是暗场显微镜[7]，是主力，因为主要缺陷（即晶圆上的颗粒和划痕）在其高频散射分量下具有高灵敏度。
而对于图案化晶圆，由于晶圆上图案的复杂形貌和各种材料，缺陷检测更加复杂且具有挑战性[8]。因此，精密的仪器以及先进的建模和后处理算法在图案化晶圆缺陷检测中发挥着越来越重要的作用。
一般来说，检查图案化晶圆上缺陷的最直接方法就是观察它们。事实上，目前有相当多的工具能够分辨亚 10 纳米结构：扫描近场光学显微镜有可能获得极大的分辨率增益，例如分辨率可低至 λ/20 [9, 10]。
近场显微镜的潜在缺点是该技术对堆栈内缺陷信号的灵敏度未知，并且对于比传统远场显微镜具有更严格景深 (DOF) 的技术而言，工作距离控制要求很高。
与传统远场成像相比，多光子和荧光显微镜技术提供了截然不同的对比机制，并广泛应用于生物显微镜 [11, 12]，但这两种技术的光子产额都很低且 DOF 未知，这可能给系统和源工程带来重大挑战。
最重要的是，由于需要荧光染料和液体环境，它们会污染晶圆。
原子力显微镜（AFM）是一种非接触式解决方案，但由于探针制造难以深入 10 纳米以下的沟槽，而且由于扫描模式导致检测率低，阻碍了其在缺陷检测中的应用 [13, 14]。
透射电子显微镜（TEM）可以分辨原子结构 [15, 16]，但它需要真空环境和横截面采样；因此，它在半导体行业中仅被广泛用作标记数据的参考工具。
因此，今天，只有两种基本工具技术可用于在晶圆厂中查找图案化缺陷：电子束和光学远场晶圆检测 [17, 18]。
电子束检测，也称为扫描电子显微镜 (SEM) 的一种，可以定位和表征特征尺寸小至 1 纳米的微小缺陷 [19]。然而，超小的视场限制了它的吞吐量，从而阻碍了它的在线应用。为了解决这个问题，最近开发了多列电子束检测技术 [20]，该技术通过电子束阵列而不是单束来提高扫描速度，作为在线检测的潜在候选技术。
然而，电子彼此之间并不喜欢，电子束阵列的间距不能任意小，因此图像拼接和精确对准在系统中至关重要。据我们所知，最先进的电子束检测仍然比光学检测慢得多。
光学远场检测本质上是明场显微镜，具有大视场和低剂量曝光。尽管受到瑞利极限 [21] 的限制，缺陷检测的关键不是分辨率，而是信噪比 (SNR) 和对比度 [22]。在瑞利散射中，对于大小为 d 的散射，可检测远场信号的 d6/λ4 缩放是不可避免的 [23, 24]。
来自成像元件侧的噪声（如镜头缺陷、机械不稳定性以及相机传感器中的散粒噪声和读出噪声）和样品侧的噪声（如背景纳米图案的线边缘粗糙度和线宽粗糙度）会降低图像对比度，并淹没相对于纳米级缺陷的散射信号 [25–27]。
幸运的是，瑞利散射建立在粒子被均匀介质包围的假设之上，而图案化晶圆上的缺陷显然不满足该条件。
事实上，缺陷-基底耦合可能产生比瑞利散射更强的信号[28]，这表明在低损耗曝光条件下对个位数节点的缺陷检测是可能的。
这里我们使用“可能”和“可能”这两个词，因为描述缺陷-基底耦合的解析公式仍未准备好，而且需要严格的数值建模来确定散射信号[29–31]，尽管从静电近似的角度已经有大量研究[32]。
因为缺陷的材料（尤其是系统性缺陷）通常与图案的材料相同，并且图案和缺陷的CD远小于照明波长，所以缺陷对比度增强与信噪比增强同样重要。
为了增强缺陷对比度，通常会将一个芯片的电路图案图像从其相邻芯片的图像中减去，但这可能会抹去系统缺陷的信号，使差异图像中只剩下随机缺陷。
相反，基于深度扫描的成像显微镜[33–35]通过检测系统缺陷沿光轴引起的局部波前和振幅扰动来检查系统缺陷。由于系统缺陷在形貌和尺寸上不同于其相邻图案，因此其沿光轴的离焦散射场也不同于图案。这就是为什么深度扫描技术可以实现无参考系统缺陷（即无参考芯片）检查的原因，特别是对于存储器阵列的缺陷检查[36]。
后处理算法起着从原始光学图像中提取缺陷信息的作用，这也很重要，因为缺陷检查本质上是信噪比和对比度的问题。差分、高斯滤波、卷积和许多其他传统算法已广泛应用于缺陷检测，更不用说最近蓬勃发展的深度学习了。
然而，使用最先进的深紫外 (DUV) 光源和先进的后处理算法进行光学远场检测的灰色区域介于 20 纳米至 10 纳米之间 [37]，将技术延伸到 10 纳米甚至 5 纳米以下的极限将增加误报和漏检事件的数量。
虽然业界正在从瑞利散射（即波长越短，散射越强）的角度为极紫外 (EUV) 缺陷检测系统做准备 [38, 39]，但真空室的要求增加了技术的复杂性和难度，更不用说材料在较短波长下的吸收率增加了。
出于所有这些原因，我们确实认为，图案化晶圆上的光学缺陷检测仍将是一个具有挑战性但有趣的课题，迫切需要解决。
此外，由于传统的光学缺陷检测遇到了障碍，我们确实认为，在以前的优秀评论的基础上，从学术的角度进行彻底的审查以揭示新的观点和令人兴奋的趋势，对于该领域的新进入者和寻求在跨学科工作中使用它的人来说都具有重要意义。
2. 缺陷可检测性评估
灵敏度是光学缺陷检测系统能够识别的缺陷的最小尺寸，被广泛用作该领域的主要评估指标。显然，灵敏度在很大程度上取决于缺陷的信噪比和图像对比度。
深亚波长缺陷的散射信号可以用瑞利公式 [40] 定性表示，即
其中θ为入射角，R为观察点与球面散射点之间的距离，λ为光的波长，N和d分别为物体的复折射率和直径，I0为入射光的强度。
对于由非双折射材料构成的高级设计规则（DR）图案，其散射信号强度可以通过具有形式双折射性质的分层结构的反射和偏振响应来近似估计[41]。
相应地，散射信号I图案取决于P偏振的有效折射率N P 和S偏振的有效折射率NS，如公式（2）所示，
其中，N1 和 N2 分别为图案中线条和空间的复折射率。a 和 b 分别为线条和空间的宽度。
根据公式 (1) 和 (2)，SNR 取决于波长、缺陷材料和图案材料的复折射率以及缺陷和图案的大小。而图像对比度主要取决于平台的光学分辨率以及缺陷和图案的复折射率之差。
由于检测平台的光学分辨率 R = 0.61λ/NA、复折射率之差 DiffN = |N 缺陷 − N 背景 | 以及图案结构的散射特性在很大程度上取决于光波长，因此检测波长已成为调整图像对比度的最重要参数之一。
此外，为确保高 SNR 和适当的图像对比度而选择的检测波长主要取决于材料的复折射率和图案结构的形貌。因此，研究材料和晶圆图案的形貌对缺陷灵敏度和对比度的影响至关重要。
2.1 材料对缺陷可检测性的影响
基于衍射极限 0.61λ/NA 和瑞利散射近似 [42]，将检测波长从 DUV 光谱扩展到真空紫外光谱，甚至 EUV 光谱以增强图像对比度和 SNR 是很自然的。
然而，由于缺陷和背景图案之间的折射率对比度依赖于波长，因此缺陷可检测性并不与照明波长成线性比例。
图 1 初步总结了广泛用于集成电路 (IC) 器件的典型块体材料的复折射率 N = n − i∙k、法向入射下的反射率 R 和穿透深度 δ。复折射率引自 [43, 44]。
对于隐藏在背景图案中的缺陷，公式（1）和（2）只能定性地说明折射率和缺陷尺寸对信噪比和图像对比度的影响。
事实上，由于缺陷埋藏在背景图案内部，且图案尺寸远小于波长，因此缺陷和背景图案之间的图像对比度差异主要由材料的光学性质差异决定，即折射率和反射率。
换言之，图 1（c）所示的缺陷材料和图案材料之间的反射率对比度有助于寻找最佳检测光谱。
如图 1（c）所示，不同的材料通常在大多数波长下表现出不同的反射率，但在几个特定的波长点也会表现出相同的反射率。
例如，在λ = 390 nm 处，体Si 与Cu 的反射率相同，在λ = 330 nm 处，体Si 与Co 的反射率相同，在λ = 170 nm 处，体Si3N4 与Cu 的反射率相同，在λ = 310 nm 处，体Si 与Ni 的反射率相同，等等。
相应地，在反射率曲线的交点附近，上述这些材料组合之间的反射率对比度较小。如果缺陷与背景图案的材料分别是Si和Cu，则缺陷散射信号的信噪比会较弱，图像对比度也会较小。相反，如果检测光谱远离这些交点，则可以将缺陷与背景图案清楚地区分开来。
例如，在28 nm 节点及以后的金属互连层（M1 层很可能是Si 衬底上的Cu或Co 图案结构）中广泛使用Cu和Co。由于 430–500 nm 波段的反射率对比度较大，因此在 430–500 nm 范围内缺陷比在 360–430 nm 范围内更容易被检测到。
此外，在 290–340 nm 范围内，Si 衬底上的 Cu 图案中的缺陷比 Si 衬底上的 Co 图案中的缺陷更容易被检测到。因此，材料成分对缺陷检测灵敏度有显著的影响。
由于实际 IC 芯片中每个图案化层的厚度不是无限的，因此在模型中使用薄膜而不是块体的反射率来估计反射率更为合适。考虑到图案化的层的反射率高度依赖于折射率、消光系数和厚度，评估它们对缺陷可检测性的影响非常重要，如图 1(a)、(b) 和 (d) 所示。
同时，在图1(d)所示的某些波长点上，某种材料的穿透深度变化很大，即该材料既可以是不透明的，也可以是透明的。相应地，通过选择500nm以上的波长，由于广泛使用的Si衬底几乎是透明的，由Si衬底或Si图案引起的背景信号和晶圆噪声可以被抑制，因此可以大大提高缺陷的信噪比。
这里，我们以Si衬底上的Cu图案为例来寻找最佳波段。如图2所示，对应于360–450nm范围的缺陷可检测性可能比对应于470–580nm光谱的缺陷可检测性差。
的确，较短的波长会带来更好的光学分辨率和更强的散射信号，但是图像对比度会变得非常弱，这导致几乎无法从背景中检测到缺陷。
此外，根据图2所示的仿真结果，当起始波长固定为360nm时，随着终止波长从360nm增加到710nm，归一化信号先减小然后增大。
此外，归一化信号的局部最小值位于λ= 450nm，对应的归一化信号小于时间延迟积分相机中由散粒噪声决定的可检测性阈值。例如，如果选定起始波长为λ = 410 nm，则归一化信号随终止波长线性增加，且所有信号均高于可检测性阈值。
因此，如图1所示，结果证实了基于光学特性差异分析方法的有效性。因此，值得一提的是，缩短检测光谱并不一定会提高检测灵敏度。Barnes 等人 [45] 也报告了类似的结果。
在他们的结果中，λ = 47 nm 处的缺陷灵敏度优于λ = 13 nm 处的缺陷灵敏度，这可归因于波长缩短时图像对比度的恶化。结果再次表明，缺陷可检测性不仅受光学分辨率的影响，还受图像对比度的影响。
在这里我们应该提醒读者，光学缺陷检测的主要目标是识别和定位缺陷，而不是清楚地“看到”缺陷。因此，找到一个图像对比度和灵敏度足够高的最佳光谱范围比提高光学分辨率更重要。这在先进的技术节点上尤其重要[3]。
上述分析表明，缺陷材料、周围的图案材料和基底材料将通过调整图像对比度来影响缺陷的可检测性。通过合理选择最佳光谱范围，即使在10纳米技术节点及以后，也有可能实现高灵敏度。
2.2 形貌对缺陷可检测性的影响
对于图案化晶圆检测，信噪比和图像对比度主要受缺陷尺寸和类型的影响。
图 3 展示了周期性线/空间纳米结构中的几种典型缺陷，这种结构在存储器件中很常见。八个子图依次展示了切割、边缘水平桥接缺陷、侵入、锯齿状桥接、线内水平桥接、颗粒、突起和垂直桥接缺陷的示意图。
到目前为止，形貌对缺陷可检测性的影响已被广泛研究 [46–49]，这通常与缺陷检测配置的优化有关。例如，水平和垂直桥接都对照明光束的偏振相当敏感 [46]。在相同的缺陷检测配置下，不同类型的缺陷（如桥接和线切割）呈现出不同的缺陷可检测性 [47]。
当然，缺陷和图案的大小也会直接影响缺陷的可检测性 [48]。因此，为了阐明带缺陷图案的形貌对缺陷可检测性的影响，需要考虑以下两个方面：缺陷的大小和类型。
通常，人们普遍认为缺陷的大小通常与设计规则保持平衡[49]。在我们的讨论中，当缺陷尺寸等于图案的CD尺寸时，将考虑缺陷检测灵敏度对缺陷尺寸的依赖性。
图4显示了使用内部开发的基于Hopkins成像理论[50–52]的模拟工具计算出的具有桥接缺陷的Si衬底上Cu图案的空间图像和相应的差分图像。在模拟中，桥接缺陷的尺寸从90nm到10nm不等，波段从120nm到220nm选择，物镜的数值孔径（NA）为0.90，探测配置为常规照明孔径。为了评估缺陷的可检测性，我们提出了缺陷检测的标准，即。
其中，Imagediff和Imagenon分别为无缺陷图案的差分像和空间像。Noiseshot和FWC分别为光学远场检测平台所用相机的散粒噪声和满阱容量。SNRdefect表示缺陷信号的信噪比。如果SNRdefect大于1，则光学系统可以检测到缺陷。
对于图4所示的桥接缺陷，SNRdefect分别为25.4、11.0、3.9和0.3。根据公式（3）中的判定标准，光学系统可以检测到所有尺寸大于22纳米的桥接缺陷。
此外，在常规照明和集光瞳配置下，可以可靠地检测到尺寸大于15纳米的桥接缺陷。如果使用环形照明和常规集光瞳，尺寸大于10纳米的缺陷的SNRdefect大于1.4，这表明缺陷也可以被可靠地检测到。
这些结果清楚地表明，缺陷尺寸会强烈影响缺陷的可检测性。随着缺陷尺寸的缩小，缺陷的可检测性急剧下降。Meshulach 等人报道了颗粒、桥接缺陷和线切割缺陷的尺寸对缺陷散射信号的类似影响 [53]。
理论上，缺陷的散射截面 (SCS) 大约与 d6/λ4 成正比，因此缺陷的散射信号会随着缺陷尺寸的缩小而减小。同时，随着 CD 尺寸的缩小，与背景图案的高阶散射角会变大 [54]。因此，缺陷散射信号的信噪比会随着缺陷尺寸的缩小而降低。
大量文献报道了缺陷类型对缺陷可检测性的影响 [55–59]。Barnes 等人使用光学体积检测实验来验证相同尺寸的水平和垂直桥接缺陷的不同可检测性 [55]。Silver 等人利用有限差分时域 (FDTD) 模拟和检测实验比较了中心颗粒和角点延伸的不同可检测性 [56]。结果表明，角点延伸散射信号的信噪比大于中心颗粒的信噪比。Fujii 等人利用光学模拟工具讨论了多层图案中短路和开路缺陷的不同可检测性 [57]。
他们的结果表明，短路缺陷比开路缺陷更容易被检测到。依靠内部开发的模拟工具，我们比较了 Si 基板上 Cu 图案中桥接、切割和颗粒缺陷的可检测性，每个缺陷的归一化信号如图 5 所示。
图 5 所示的结果表明，在常规照明配置下可以检测到尺寸分别大于 15 nm、24 nm 和 37 nm 的桥接缺陷、切割缺陷和颗粒。如果采用环形照明配置代替传统照明配置，桥接缺陷、切割缺陷和颗粒的可检测最小尺寸可分别缩小至 10 nm、13 nm 和 17 nm。因此，缺陷类型对缺陷可检测性具有不可忽略的影响。
（待续）
