具体实施方式

下面的公开内容提供了用于实现本发明的不同特征的许多不同的实施例或示例。下文描述了组件和布置的具体示例以简化本公开。当然，这些仅仅是示例而不意图是限制性的。例如，在下面的说明中，在第二特征上方或之上形成第一特征可以包括以直接接触的方式形成第一特征和第二特征的实施例，并且还可以包括可以在第一特征和第二特征之间形成附加特征，使得第一特征和第二特征可以不直接接触的实施例。此外，本公开在各个示例中可能重复参考标号和/或字母。这种重复是为了简单性和清楚性的目的，并且其本身不指示所讨论的各个实施例和/或配置之间的关系。

此外，本文中可能使用了空间相关术语(例如，“下方”、“之下”、“低于”、“以上”、“上部”等)，以易于描述图中所示的一个要素或特征相对于另外(一个或多个)要素或(一个或多个)特征的关系。这些空间相关术语意在涵盖器件在使用或工作中除了图中所示朝向之外的不同朝向。装置可能以其他方式定向(旋转90度或处于其他朝向)，并且本文中所用的空间相关描述符同样可能被相应地解释。

根据一些实施例，提供了一种用于制造集成电路的热点避免方法。根据一些实施例，示出了用于预测热点并且使用所预测的热点来找到最佳配方的系统和过程。讨论了一些实施例的一些变型。本文所讨论的实施例将提供示例，以使得能够进行或使用本公开的主题，并且本领域普通技术人员将容易理解能够做出的修改，同时保持在不同实施例的预期范围内。贯穿各种视图和说明性实施例，相似的参考编号用于指示相似的元件。虽然方法实施例可能被讨论为以特定顺序执行，但是其他方法实施例可以以任何逻辑顺序执行。

在整个说明书中，术语“热点”是指在集成电路制造工艺中生成的缺陷，而不是与设计有关的缺陷。换句话说，术语“热点”是指工艺相关缺陷。热点的示例是化学机械抛光(CMP)工艺中生成的缺陷，这将参考图1至图4进行详细讨论，同时热点还可以指其他类型的缺陷，包括但不限于与蚀刻工艺有关的缺陷(例如，在蚀刻工艺中想要去除但未能去除的部分)、与沉积工艺有关的缺陷等。

图1至图4示出了一些特征的沉积、CMP工艺、以及由于CMP而产生的几个可能结果。应当理解，图1至图4示出了用于形成金属线的CMP工艺的示例结构，而实际CMP工艺可以施加于不同的结构、不同的材料等。参考图1，提供了晶圆10。晶圆10包括基底层20，该基底层20可以包括例如硅衬底以及上覆的结构和层，并且未示出细节。可以形成延伸到基底层20的电介质层中的多个沟槽。然后进行沉积工艺以沉积胶层22，并且在胶层22之上沉积金属材料24。根据本公开的一些实施例，胶层22可以由钛、氮化钛、钽、氮化钽等形成，或包括钛、氮化钛、钽、氮化钽等。填充材料24可以包括铜、铝铜等。由于基底层20中的沟槽的拓扑，所沉积的金属材料24具有能够反映基底层20的拓扑的非平面顶表面。执行CMP工艺以去除金属材料24的多余部分，产生多个导电特征26(包括26A和26B)，该多个导电特征26可以包括金属线、通孔、接触插塞等，如图2、图3或图4所示。

由于各种因素，例如基底层20的拓扑(例如，沟槽的密度和宽度)、以及CMP工艺的配方，可以实现不同的结果，如图2、图3或图4所示。在整个说明书中，术语“配方”是指工艺条件的集合，例如CMP工艺中的(子)步骤的数量、浆料的类型、浆料的流速、晶圆相对于抛光垫的下压力、修整、旋转速度等。因此，配方包括工艺条件的固定集合。在配方的工艺条件中的一个或多个工艺条件改变时，可视为生成了另一个配方。

图2示出了要实现的理想情况。在图2中，所有所得导电特征26(包括26A和26B)的顶表面是共面的，而与导电特征26的宽度和图案密度无关。

图3示出了实际情况，该实际情况是不理想的，但仍然可接受。由于图案加载效应，金属材料24的具有较高密度和/或较大宽度的部分比金属材料24的具有较低密度和/或较小宽度的部分被抛光得更多，从而产生碟状效应(dishing effect)，生成凹槽。凹槽的深度D1小于设计规范，并且因此不会生成热点。例如，设计规范可以要求碟状深度小于约10nm。因为所有凹槽的深度D1都小于规范，所以结果是可接受的，并且凹槽不是热点。

图4示出了在沟槽较宽和/或沟槽的图案密度较高的情况下生成热点的情况。例如，宽沟槽的凹陷深度D2大于设计规范(例如10nm)。这些不规范的凹槽可能对后续工艺造成问题，取决于具体电路设计，这些问题可以包括电路短路、电路断开等。在整个说明书中，不规范的凹槽被用作示例热点以解释本公开的概念。另外，应当理解，图3和图4示出了CMP工艺中的过度抛光，同时一些部分被抛光较少(因此这些部分高于基底层20的顶表面)的抛光不足也可能发生，并且在所得隆起(hump)不规范时也可能生成热点。热点可能使得生产良率下降，并且需要被消除或被至少减少到规范范围内。

图5示出了根据本公开的一些实施例的集成电路的设计和制造中的示意流程。首先提供电路设计(过程30)，并且设计可以包括电路的示意图。接下来，准备电路的布图(过程32)。根据布图，使用根据本公开的实施例提供的模型来预测热点以及热点在布图中的位置(过程34)。图13中的过程300示出了预测热点的细节。在后续段落中详细讨论了模型的生成、使用和改进。在整个说明书中，模型被称为热点预防模型。

在预测热点之后，基于所预测的热点来选择能够产生最少数量的热点的配方(以下称为所选配方)(过程36)，使得通过使用所选配方来执行CMP，热点的数量被最小化，并且严重性(例如深度D1和D2，如图4所示)被最小化。图15中的过程400示出了选择配方的细节。配方然后被用于在晶圆上制造电路，并且被用于在物理晶圆上执行CMP工艺(过程38)。应当理解的是，直到所选配方被选择的时间点，在实现该特定布图的任何晶圆上可以不执行任何CMP工艺。在CMP工艺之后，可以测试所得的经抛光的晶圆(工艺40)，以验证热点的出现和位置。测试结果还可以用于改进热点预防模型，该改进过程包括在图18所示的过程500中。

在后续段落中，详细讨论了用于构造和改进热点库的过程流程200(图6)，使用热点库来预测电路布图上的热点的过程流程300(图13)，以及用于建议所选配方的过程流程400(图15)。这些过程组合在一起提供了一种解决方案，用于预测和消除(或至少最小化)热点，而无需在物理晶圆上实际执行工艺(例如，CMP工艺)。

参考图6，提供了用于生成和改进热点库的过程流程200。参考过程202，提供了实现电路的芯片的训练布图。芯片布图可以采用图形数据系统(Graphic Data System，GDS)格式、或任何其他适用格式的形式。在整个说明书中，布图可替代地称为GDS文件。应当理解，训练布图可以专门用于生成热点库，但不用于产品的批量生产，或者训练布图可以是将在生产晶圆上实现的生产布图。

然后，制造实验晶圆以实现训练GDS。图8示出了相应晶圆42的示意图，该相应晶圆42包括多个芯片44，其中布图(训练GDS)被实现在每个芯片44中。在执行CMP工艺之后，执行测试以测量晶圆42的表面形貌(surface topography)(图6中的过程204)，并且标识晶圆42中的热点46。记录晶圆42中的热点46的位置，如图6中的过程208所示。因为在过程204中可以找到多个热点46，所以记录了晶圆42中的多个位置。

接下来，如图6中的过程210所示，针对每个找到的热点46，从布图中裁剪图像，该图像可以采用行GDS文件的形式。例如，图9示出了示例裁剪图像。假设在位置48处找到热点46，则从行布图数据中裁剪围绕热点46的图像。图像可以是矩形的，并且可以是正方形的。选择裁剪图像的长度L1和宽度W1，使得热点46周围的围绕环境足够大以包括其图案和密度可能产生热点46的围绕特征，但又不能太大而包括不利于热点46的生成的特征。例如，长度L1和宽度W1可以在约64μm和约512μm之间的范围内。因为在过程204中可能找到单个或多个热点46，所以可以从晶圆42的布图中裁剪单个或多个图像。

参考图6中的过程212，从裁剪图像生成散列值。图7示出了用于从图像生成散列值的示例。因为无法索引且无法搜索图像，所以图像由散列值表示，该散列值是图像的唯一数字表示。散列值和图像是一一对应的，使得相同的图像将生成相同的散列值，而不同的图像将生成不同的散列值。此外，彼此相似的图像将生成相似的散列值，并且可以计算散列值的相似度。散列值的相似度也表示图像的相似度。例如，散列值的相似度可以在0到1之间，其中值0表示图像彼此完全不同，并且值1表示图像相同。可以使用现有算法和工具来执行从图像生成散列值以及计算散列值的相似度。例如，感知散列(pHash)所使用的离散余弦变换(DCT)算法是已知的可用算法。

散列值可以通过由二维矩阵表示的中间值来获得，该中间值然后被转换为由一系列数字和字母表示的散列值。例如，图7示出了三个示例图像，图像A、图像B和图像C。未示出图像的细节。图像A示出一个人穿着厚实的衣服坐在雪地上，雪地中有一棵树。图像B与图像A相似，不同之处在于图像B已经从图像A进行了均衡，调整了颜色和对比度。图像C示出人脸的额头上戴着护目镜，火焰围绕着脸。在图像A、图像B和图像C的每一者的右侧，提供了8×8的二维矩阵，该矩阵是从相应图像和/或二维矩阵生成的。散列值(其包括数字和字母)在各个矩阵的右侧被示出。返回参考图6，当在过程204中找到单个或多个热点46时，裁剪单个或多个图像，并且在过程212中生成单个或多个散列值。

参考图6中的过程214，通过分组算法将多个散列值分组为一个或多个组，其中该分组是根据散列值的相似度进行的，相似的散列值被分组在同一散列组中。使用图10解释示例分组算法。图10示出了在二维空间中示出的多个圆圈，用于视觉上示出散列值，每个圆圈表示从裁剪图像生成的散列值。在分组算法中，多个散列值(其包括作为示例示出的散列值H1至H13)被逐个处理。假设处理的顺序是散列值的序列号(例如，1到13)。在处理散列值H1时，因为没有其他散列值，并且没有先前生成的散列组，所以生成第一散列组G1，并且将散列值H1放入第一组G1中。第一放置的散列值H1被认为是第一组G1的中心。

接下来，处理第二散列值H2。计算散列值H2与组G1的中心(中心为H1)之间的相似度值。假设相似度值大于预定阈值相似度值，则认为散列值H1和H2彼此相似，并且散列值H2属于散列组G1。在整个说明书中，相似度值大于预定阈值相似度值的两个散列值被称为相似散列值。它们的相应图像也被称为相似图像。散列值H2被添加到散列组G1中。根据一些实施例，阈值相似度值为0.9，并且可以使用其他值。

假设下一个处理的散列值是H3，则计算散列值H3与散列组G1的中心H1之间的相似度值。进一步假设相似度值等于或小于预定阈值相似度值，则认为散列值H1和H3不相似，并且散列值H3不属于散列组G1。因此，将生成第二散列组G2，并且将散列值H3放置在散列组G2中。散列值H3是散列组G2的中心。

在后续过程中，剩余的散列值H4到H13中的每一者都被逐个地处理，以计算它们与现有散列组(例如，G1和G2)的中心的相似度，使得可以确定新处理的散列值属于哪个散列组，或者是否应当生成新的散列组。图10示出了示例，在该示例中，散列值H12与任何中心(例如，H1和H3)都不相似，使得生成附加散列组G3，并且将散列值H12放置在散列组G3中。其他散列值H4-H11和H13在散列组G1或G2中。

参考图6中的过程216，获取每个散列组的中心，这些中心可以是最先放置在每个散列组中的散列值。在获取散列组的中心之后，丢弃非中心散列值，因为每个中心都类似于、并且可以表示其组中的其他散列值。换句话说，由同一散列组中的丢弃的散列值表示的裁剪图像类似于由该散列组的中心散列值表示的裁剪图像。不同散列组中的中心散列值的散列值彼此不相似。否则，如果两个中心散列值彼此相似，则这两个中心散列值已将被放置在同一散列组中，并且作为结果，只有其中一个散列值将成为中心，而另一个散列值将被丢弃。

参考图6，在过程218中，为未丢弃的每个散列值组成热点库(其包括数据库)条目，未丢弃的散列值是散列组的中心。根据一些实施例，生成多个配方，如图6中的过程206所示。参考图18讨论了多个配方的生成和改进。多个配方还可以包括已知能够消除某些类型图像的热点的经验配方。多个配方中的每个配方对应于如图18所示的测试GDS，该测试GDS具有其散列值。将散列组的未丢弃的中心的散列值与和配方相对应的GDS文件的散列值进行比较(通过计算相似度值)，并将配方(该配方的相应测试GDS最接近于中心散列值)与各个中心散列值相关联。每个中心散列值将与配方相关联。

除了配方之外，将裁剪图像(相应中心散列值是从该裁剪图像生成的)与中心散列值相关联。同样，如在后续段落中将要讨论的，还将预期的拓扑信息(例如，热点是抛光不足还是过度抛光，以及凹陷深度或隆起高度)与配方相关联(如参考图18将讨论的)。在图18所示的过程中也可以获得预期的拓扑信息。因此，每个热点库条目都包括散列值、相应裁剪图像、相应配方、和相应拓扑信息。生成多个热点库条目。热点库条目的索引可以是散列值。这些热点库条目被保存在热点库222中的数据库中，如图6中的过程220所示。

同样如图6所示，通过过程流程200中的过程，可以构建和更新热点预防模型223。热点预防模型223合并了先前讨论的GDS文件和热点之间的关系，并且使用GDS文件或裁剪图像(或其相应散列值)作为输入参数，并且输出热点作为输出参数。

图11和图12示意性地示出了与散列值一起保存在热点库中的示例裁剪图像。应当理解，图11和图12是示意性的，其中示出了一些较大区域52的轮廓，并且未示出一些较小区域的轮廓。此外，在每个区域的内部，存在诸如平行条带之类的多个图案，并且未示出所示区域52中的图案。所示区域52中的图案的尺寸、形状和密度可以彼此不同。形成围绕热点46的环境的不同图案、图案密度等是热点的原因。例如，在图11中，区域50具有较小线宽，该较小线宽远小于其周围区域52的线宽。区域50还可以具有较高图案密度，该较高图案密度远高于其周围区域52的图案密度。这产生热点46。当在其他GDS文件中找到具有类似环境的类似图像时，预期可能会出现热点。

图12图示了保存在热点库中的裁剪图像。类似地，示出了示出一些较大区域的轮廓的区域52，并且未示出一些较小区域的轮廓。此外，在每个区域52的内部，存在未示出的诸如平行条带之类的多个图案。所示区域52中的图案的尺寸、形状和密度可以彼此不同，从而产生相应热点46。

在先前讨论中，假设在处理流程200开始时，尚未生成热点库222，并且先前没有生成散列组和中心散列值。因此，将生成新散列组，并且将从头开始生成热点库。一旦生成了热点库222，就可以使用新训练GDS文件来不断改进热点库222，该训练GDS文件可以是批量生产GDS文件、或专门用于训练目的而非生产的GDS文件。将对新GDS文件重复图6中的过程202、204、208、210、212和214。相应地，从实现新GDS文件的新制造的晶圆中找到多个新热点，并且因此，裁剪了多个新图像。然后，从新裁剪的图像生成多个新散列值。然后，新生成的散列值被逐个地处理，并且计算新生成的散列值与(存储在热点库222中的)现有中心散列值的相似度。可以理解，此时，所存储的中心散列值在理论上仍然是散列组的中心，除了每个散列组是仅剩一个散列值(其是先前处理的散列组的中心)的单成员组(非中心成员已经被丢弃)之外。计算与热点库222中存储的每个中心散列值的相似度，以确定新处理的散列值是否属于现有散列组。如果新处理的散列值属于现有组之一，则因为热点库222中已经存在相似的热点，所以将丢弃新处理的散列值及其相应裁剪图像、配方、拓扑信息等。如果新处理的散列值不类似于任何存储的中心散列值，则新处理的散列值及其相应裁剪图像、配方、拓扑信息将作为新条目被保存在热点库222中。通过该过程，可以改进热点库222。

图13示出了处理流程300，该处理流程300是使用热点库222来确定新GDS文件(新布图)中的可能热点的处理流程。参考过程302，提供新GDS文件(布图)。接下来，在过程304中，新GDS文件被裁剪为多个裁剪图像，每个裁剪图像的尺寸为L2×W2，如图14所示。例如，图14示出了布图55的设计，该布图55被划分为具有长度L2和宽度W2的图像56的阵列。根据一些实施例，长度L2等于长度L1(图8)，并且宽度W2等于宽度W1。根据其他实施例，长度L2可以大于或小于长度L1(图8)，并且宽度W2可以大于或小于宽度W1。

参考过程306，处理每个裁剪图像56以生成散列值。生成散列值的方法类似于参考图6中的过程212所讨论的方法，并且因此不再重复。

参考图13中的过程308，将保存在热点库222中的(中心)散列值加载到计算机和相应软件中。将每个新生成的散列值与从热点库222加载的每个散列值进行比较，以比较它们的相似度，如过程310中所示。例如，当新生成的散列值与从热点库加载的一个散列值相似时，确定新生成的散列值和相应裁剪图像已经由存储在热点库222中的相似散列值表示(过程312)。还确定在相应裁剪图像中可能生成(一个或多个)热点。因此，标记相应图像在相应GDS文件中的位置(过程314)。例如，当裁剪图像位于从图14中的布图55划分的阵列的第2行和第3列中时，将标记位置(2，3)。通过将所有新生成的(裁剪图像的)散列值与库中的所有散列值进行比较，将生成GDS 55(图14)中的所有热点(如果有的话)的列表，并且在相应GDS中标记每个热点的相应位置。所标记的位置可以在将来使用。例如，在CMP工艺之后，检查芯片中在所标记的位置处的部分，以确定热点是否已经成功被消除或至少被减少。

另一方面，如果新生成的散列值都不类似于从热点库中加载的任何散列值，则确定新生成的散列值和相应裁剪图像未由热点库222中的任何热点库条目表示(过程312)。换句话说，从GDS文件中未找到散列值，并且过程可以结束(过程316)。因此，可以在不关注热点的情况下制造布图。

图15示出了用于确定和建议配方的过程流程400，这些配方用于执行CMP工艺，以便消除或至少减少在如图13所示的过程流程300中找到的热点。参考过程402，获取在过程流程300(图13)中的过程314中生成的热点的列表。如果未找到热点，则过程流程结束。如果找到一个或多个热点，则进行比较以在热点库222中找到与所找到的热点相似的热点。为了执行比较，首先将存储在热点库222中的散列值加载到相应工具和计算机中，并且计算所找到的热点的散列值与热点库中保存的相应散列值之间的相似度值(通过计算相似度值)，如过程406所示。取决于GDS中所找到的热点的总数量，可以有一个或多个相似度值，每个相似度值对应于一个所找到的热点。根据相应相似度值来对热点(其散列值)进行排列(过程406)，其中与具有较低相似度值的热点相比，具有较高相似度值的热点具有较高排列和较高优先级。

参考过程流程400中的过程408，例如，通过索引到热点库222中的相应的存储的中心散列值，从热点库222中找到与经排列的热点相对应的GDS文件、拓扑信息和相应配方。分析拓扑信息，并且选择所找到的配方之一(过程410)。根据一些实施例，所选配方是与最高排列的散列值相对应的配方。根据一些实施例，考虑其他因素，所选配方是与非最高排列的一个散列值相对应的配方。所选配方因此可以被用于对相应的物理晶圆执行CMP工艺。

图16示出了图15中的过程流程400中的过程406和410的图形表示。如图16所示，生成所找到的热点的多个散列值(由其二维矩阵表示)，这对应于图15中的过程404。接下来，进一步根据图15中的过程406，计算所发现的热点与热点库222中的它们的相应代表热点之间的相似度值，并且对所发现的热点(及其散列值)进行排列。如图16所示，所示散列值的顺序被重新布置以显示排列。图16还示出了与经排列的散列值相对应的多个配方和GDS文件。接下来，选择配方之一(过程410)，并且在该示例中所选配方是配方B。在其他实施例中，可以选择具有最高排列的配方(配方A)。

图17示出了用于CMP工艺的示例配方。每个配方可以包括在CMP工艺中执行的(子)步骤，以及每个步骤中要使用的参数。在所示出的示例中，存在四个步骤，步骤1、步骤2、步骤3和步骤4，每个步骤都用多个参数执行，并且参数在步骤之间改变。例如，可以存在头部旋转(head rotation)A、头部旋转B、浆料流A(第一浆料的流速)、浆料流B(第二浆料的流速)、(晶圆头部在抛光垫上的)下压力、修整打开/关闭(打开还是关闭垫调节器)等。X轴表示CMP工艺的时间，Y轴表示参数及其相应值。例如，对于每个值，在任何时刻，当相应条带存在时，相应参数被打开，并且如果该条带较宽(在Y方向中)，则相应参数具有较高值。例如，浆料B在步骤1的初始阶段具有较高流速，并且然后在步骤1的剩余时间中被关闭。浆料B在整个步骤2中具有相对较小流速，并且在整个步骤3和整个步骤4中都被关闭。垫调节器(通过修整打开/关闭来表示)在步骤1和步骤2期间被打开具有相对较小下压力，并且在步骤3和步骤4期间被打开具有相对较高下压力。在整个说明书中，在配方称为被调整时，这表示调整步骤、参数和参数值的组合，这意味着在调整任何参数时，该配方均视为被调整。

图18示出了用于对配方和训练热点预防模型223(图6)的过程进行改进的过程流程500。在整个说明书中，热点预防模型223可以替代地称为机器学习(ML)模型，因为该模型可以通过在过程流程500的改进过程中进行学习来改进。经改进的配方(配方A、B、C和D)可以用作图6中的过程206中的所存储的配方。

参考图18，提供了多个GDS(布图)A、B、C和D。GDS A、B、C和D可以彼此相同，可以彼此略有不同，或者可以彼此完全不同。每个配方改进过程都会通过迭代来改进配方。例如，提供GDS A(过程502)，并且将GDS A馈送到热点预防模型223(图6)，使得通过热点预防模型223生成并且输出可能出现的热点。然后，配方A被建议，并且在过程400(图15)中示出了所建议的(所选)配方A的生成。然后，所选配方A被用于对实现GDS A的物理晶圆执行CMP工艺。然后，在晶圆上执行测量以确定晶圆上的热点和拓扑信息，并且生成晶圆结果(过程506)。在测量中，将检查晶圆上的位置(这些位置在过程314(图13)中被标记)，以确定在过程312(图13)中找到的各个热点是否已经被消除或至少被减少。如果热点被消除或至少被减少，则确定配方是有益的，并且可以或不可以被进一步改进。如果热点没有减少或甚至恶化，则需要其他配方。

取决于晶圆结果，将训练数据508(其可以包括测量结果)反馈到热点预防模型223，并且更新热点预防模型223(过程510)。例如，当测量结果指示找到一些新热点、或一些预期热点不存在时，将更新热点预防模型，使得热点预防模型将输出新找到的热点，而不再输出不存在的模型。

此外，基于测量结果，可以修改配方A，例如，以用于消除剩余的所找到的热点。然后，可以制造另一个晶圆并且使用修改后的配方A执行CMP，并且可以执行测量以确定热点和拓扑信息。这构成迭代，并且迭代可以继续进行，直到结果令人满意为止。

GDS A、B、C、D可以彼此相同，并且初始配方A、B、C、D可以选择为不同，使得可以在不同方向上改进配方，并且最终可以在修改后的配方A、B、C和D(每个配方都在其自己的迭代中被修改)中选择最佳配方。还可以使用彼此不同的GDS A、B、C、D，使得所得模型可以覆盖不同的布图，并且可以针对不同的布图生成更多配方。

图19示意性地示出了用于执行上述任务的工具600，这些任务包括但不限于计算、确定和存储热点库222。例如，过程流程200、300、400和500中所示出的过程都可以使用包括硬件和软件(计算机程序代码)的计算机(处理器)602来执行。工具600的程序代码可以体现在非暂态存储介质上，例如硬盘驱动器、磁盘等。可以在诸如硬盘之类的存储装置中实现的热点库222电连接并且信号连接至计算机602以用于保存和检索。

本公开的实施例具有一些有利特征。通过预测热点并且选择配方以减少/消除预测的热点，无需制造物理晶圆以及测量物理晶圆就可以找到热点。可以使用有望消除潜在热点的配方来制造第一物理晶圆。制造周期可以显著减少，例如，减少三分之一。

根据本公开的一些实施例，一种方法，包括：从集成电路的布图中裁剪多个图像；生成第一多个散列值，其中每一者来自多个图像之一；加载存储在热点库中的第二多个散列值；将第一多个散列值中的每一者与第二多个散列值中的每一者进行比较，其中，比较包括计算第一多个散列值中的每一者与第二多个散列值中的每一者之间的相似度值；将相似度值与预定阈值相似度值进行比较；响应于相似度值大于预定阈值相似度值的结果，记录具有该结果的相应图像的位置，其中，该位置是相应图像在布图中的位置。在实施例中，多个图像形成阵列，并且位置包括相应图像在阵列中的行号和列号。在实施例中，方法还包括：在晶圆上制造集成电路，其中，制造包括对晶圆执行化学机械抛光工艺；以及从该位置找到热点，其中，热点是晶圆中的由于化学机械抛光工艺而产生的缺陷。在实施例中，裁剪多个图像包括：将布图划分为图像的阵列，并且裁剪阵列中的多个图像中的每个图像。在实施例中，预定阈值相似度值为0.9。在实施例中，方法还包括：从附加集成电路的附加布图中裁剪附加的多个图像；生成第三多个散列值，其中每一者来自附加的多个图像之一；将第三多个散列值中的每一者与存储在热点库中的所有散列值进行比较，以找到与第三多个散列值相似的一组散列值；以及对该组散列值的相似度值进行排列。在实施例中，方法还包括选择与该组散列值中的一个散列值相关联的配方。

根据本公开的一些实施例，一种方法，包括：从集成电路的布图中裁剪多个图像；生成多个散列值，每个散列值来自多个图像之一；从热点库中搜索以找到与多个散列值相似的相似散列值，其中，热点库存储索引到具有热点的图像的散列值；以及标记多个图像中的与相似散列值相关联的的一些图像在集成电路的布图上的位置。在实施例中，方法还包括：在晶圆上实现集成电路的布图，其中，实现包括使用配方对晶圆执行化学机械抛光工艺；检查晶圆上的位置以确定该位置处的热点。在实施例中，方法还包括：基于已经找到的相似散列值来确定配方。在实施例中，相似散列值与热点库中的多个配方相关联，并且其中，配方是从多个配方中选择的。在实施例中，配方包括：在化学机械抛光工艺中使用的浆料的第一持续时间和流速，以及在化学机械抛光工艺中使用的修整和下压力的各自的第二持续时间和幅度。在实施例中，多个图像中的每个图像具有正方形，正方形的长度和宽度在约64μm和约256μm之间的范围内。在实施例中，热点库包括多个条目，每个条目包括散列值、图像、配方和拓扑信息。在实施例中，热点库通过散列值来索引。

根据本公开的一些实施例，一种系统，包括：库，存储在有形介质中，该库包括多个条目，每个条目包括：散列值；图像，与散列值关联，其中，该图像包括热点；配方，被配置为减少热点；以及热点的拓扑信息。在实施例中，系统还包括：工具，包括软件，其中，该软件被配置为从图像生成散列值。在实施例中，存储在库中的多个条目中的任何一对散列值的相似度值小于约0.9。在实施例中，热点包括在图像的中心处出现的凹槽或凸起。在实施例中，配方包括被配置为减少热点的工艺条件。

以上概述了若干实施例的特征，使得本领域技术人员可以更好地理解本公开的各方面。本领域技术人员应当理解，他们可以容易地使用本公开作为设计或修改其他工艺和结构以实现本文介绍的实施例的相同目的和/或实现本文介绍的实施例的相同优点的基础。本领域技术人员还应该认识到，这样的等同构造不脱离本公开的精神和范围，并且他们可以在不脱离本公开的精神和范围的情况下在本文中进行各种改变、替换和变更。

示例1.一种制造半导体器件的方法，包括：从集成电路的布图中裁剪多个图像；生成第一多个散列值，其中每一者来自所述多个图像之一；加载存储在热点库中的第二多个散列值；将所述第一多个散列值中的每一者与所述第二多个散列值中的每一者进行比较，其中，所述比较包括计算所述第一多个散列值中的每一者与所述第二多个散列值中的每一者之间的相似度值；将所述相似度值与预定阈值相似度值进行比较；以及响应于所述相似度值大于所述预定阈值相似度值的结果，记录具有所述结果的相应图像的位置，其中，所述位置是所述相应图像在所述布图中的位置。

示例2.根据示例1所述的方法，其中，所述多个图像形成阵列，并且所述位置包括所述相应图像在所述阵列中的行号和列号。

示例3.根据示例1所述的方法，还包括：在晶圆上制造所述集成电路，其中，所述制造包括对所述晶圆执行化学机械抛光工艺；以及从所述位置找到热点，其中，所述热点是所述晶圆中的由于所述化学机械抛光工艺而产生的缺陷。

示例4.根据示例1所述的方法，其中，裁剪所述多个图像包括：将所述布图划分为图像的阵列，并且裁剪所述阵列中的所述多个图像中的每个图像。

示例5.根据示例1所述的方法，其中，所述预定阈值相似度值为0.9。

示例6.根据示例1所述的方法，还包括：从附加集成电路的附加布图中裁剪附加的多个图像；生成第三多个散列值，其中每一者来自所述附加的多个图像之一；将所述第三多个散列值中的每一者与存储在所述热点库中的所有散列值进行比较，以找到与所述第三多个散列值相似的一组散列值；以及对该组散列值的相似度值进行排列。

示例7.根据示例6所述的方法，还包括：选择与该组散列值中的一个散列值相关联的配方。

示例8.一种制造半导体器件的方法，包括：从集成电路的布图中裁剪多个图像；生成多个散列值，每个散列值来自所述多个图像之一；从热点库中搜索以找到与所述多个散列值相似的相似散列值，其中，所述热点库存储索引到具有热点的图像的散列值；以及标记所述多个图像中的与所述相似散列值相关联的一些图像在所述集成电路的布图上的位置。

示例9.根据示例8所述的方法，还包括：在晶圆上实现所述集成电路的布图，其中，所述实现包括使用配方对所述晶圆执行化学机械抛光工艺；和检查所述晶圆上的所述位置以确定所述位置处的热点。

示例10.根据示例9所述的方法，还包括：基于已经找到的所述相似散列值来确定所述配方。

示例11.根据示例10所述的方法，其中，所述相似散列值与所述热点库中的多个配方相关联，并且其中，所述配方是从所述多个配方中选择的。

示例12.根据示例9所述的方法，其中，所述配方包括：在所述化学机械抛光工艺中使用的浆料的第一持续时间和流速，以及在所述化学机械抛光工艺中使用的修整和下压力的各自的第二持续时间和幅度。

示例13.根据示例8所述的方法，其中，所述多个图像中的每个图像具有正方形，所述正方形的长度和宽度在64μm和256μm之间的范围内。

示例14.根据示例8所述的方法，其中，所述热点库包括多个条目，每个条目包括散列值、图像、配方和拓扑信息。

示例15.根据示例14所述的方法，其中，所述热点库通过散列值来索引。

示例16.一种制造半导体器件的系统，包括：库，存储在有形介质中，所述库包括多个条目，每个条目包括：散列值；图像，与所述散列值相关联，其中，所述图像包括热点；配方，被配置为减少所述热点；以及所述热点的拓扑信息。

示例17.根据示例16所述的系统，还包括：工具，该工具包括软件，其中，所述软件被配置为从所述图像生成所述散列值。

示例18.根据示例16所述的系统，其中，存储在所述库中的所述多个条目中的任何一对散列值的相似度值小于0.9。

示例19.根据示例16所述的系统，其中，所述热点包括在所述图像的中心处出现的凹槽或凸起。

示例20.根据示例16所述的系统，其中，所述配方包括被配置为减少所述热点的工艺条件。