写在前面
一片 300 mm 晶圆面积巨大，致命缺陷却可能只有极少数。光学缺陷检测的任务，是在有限时间内扫描大面积、压制正常图形背景，并把值得复查的异常坐标交给后续系统。
一、检测链路
| |
检测器直接获得的是像素或探测通道信号，不是“缺陷真相”。缺陷结果同时取决于光学模式、扫描采样、参考方法和算法阈值。
二、无图形与图形晶圆
无图形晶圆表面背景相对均匀，激光散射系统可以从镜面反射背景中捕获颗粒、凹坑、划伤和雾状异常。检测能力会受材料、表面粗糙度和薄膜干涉影响，同尺寸颗粒在不同表面上的信号并不相同。
图形晶圆的正常结构本身产生强烈信号，系统需要比较：
- Die-to-Die：相同位置的不同裸片；
- Cell-to-Cell：存储阵列中的重复单元；
- Die-to-Database：实测图像与设计或仿真参考。
参考比较能抑制共同背景，但也可能把重复出现的系统性异常一同消除，需要结合其他模式和工艺监控。
三、光学设计的关键权衡
- 短波长与高 NA 有利于空间分辨和小缺陷信号；
- 更大视场和更快扫描有利于吞吐量；
- 多角度、多偏振和多波段有利于区分缺陷与背景；
- 更高照明功率提高信号，但要考虑样品作用、稳定性和热效应。
系统不会只追求一张最清晰的图片，而是追求在量产节拍下最高的目标缺陷捕获能力。
四、算法为什么决定可用性
配准误差、正常工艺变化和边缘粗糙都可能产生差分信号。算法通常包含：
- 几何和灰度校正；
- 亚像素配准；
- 背景建模与差分；
- 噪声估计和自适应阈值；
- 邻近像素合并成 Defect Event；
- 特征提取、分类和去重。
阈值降低能发现更弱信号，也会产生更多 Nuisance。量产 Recipe 的目标不是最大化原始候选数，而是让有限的 Review 能力集中在真正影响良率的异常上。
五、检测结果为什么需要复查
高速光学图像的像素尺寸和信噪比通常不足以确定纳米缺陷真实形貌。Review 会重新定位缺陷，用高倍率光学或电子束观察并分类；必要时再进入 FIB 截面、TEM 或材料分析。
坐标转换必须处理设备坐标、晶圆旋转、Die 布局和局部偏移。捕获了缺陷但 Review 找不到，可能是坐标误差、缺陷消失、表面污染变化或检测误报。
六、评价检测 Recipe
至少要用有代表性的缺陷样本评估：
- Capture Rate：目标缺陷捕获率；
- Nuisance Rate：无关候选比例或数量；
- Repeatability：重复扫描能否再次找到；
- Sizing/Classification Stability：尺寸估计和分类是否稳定；
- Throughput：完整扫描和数据处理时间；
- Spatial Coverage：边缘、关键层和热点是否覆盖。
只拿少量“容易看见”的缺陷调 Recipe，会高估量产能力。
七、小结
- 光学检测是在复杂背景中寻找统计异常，不是简单拍照。
- 无图形与图形晶圆依赖不同的参考和背景抑制方法。
- 灵敏度、Nuisance 和吞吐量构成核心三角权衡。
- 高速检测、Review 和失效分析必须通过坐标与分类闭环协同。