CN114556515A - 多带电粒子束检查中的串扰消除 - Google Patents
多带电粒子束检查中的串扰消除 Download PDFInfo
- Publication number
- CN114556515A CN114556515A CN202080071919.3A CN202080071919A CN114556515A CN 114556515 A CN114556515 A CN 114556515A CN 202080071919 A CN202080071919 A CN 202080071919A CN 114556515 A CN114556515 A CN 114556515A
- Authority
- CN
- China
- Prior art keywords
- image
- secondary electron
- electron beam
- pattern
- image signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 56
- 239000002245 particle Substances 0.000 title abstract description 19
- 238000010894 electron beam technology Methods 0.000 claims abstract description 291
- 238000001514 detection method Methods 0.000 claims abstract description 235
- 238000000034 method Methods 0.000 claims abstract description 84
- 238000011109 contamination Methods 0.000 claims abstract description 67
- 230000002708 enhancing effect Effects 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims description 85
- 238000010801 machine learning Methods 0.000 claims description 40
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000009467 reduction Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 93
- 239000000523 sample Substances 0.000 description 88
- 238000003384 imaging method Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 27
- 230000003287 optical effect Effects 0.000 description 21
- 230000007246 mechanism Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 239000003638 chemical reducing agent Substances 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 8
- 230000004075 alteration Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 125000003821 2-(trimethylsilyl)ethoxymethyl group Chemical group [H]C([H])([H])[Si](C([H])([H])[H])(C([H])([H])[H])C([H])([H])C(OC([H])([H])[*])([H])[H] 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000001878 scanning electron micrograph Methods 0.000 description 2
- 238000004626 scanning electron microscopy Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/22—Optical or photographic arrangements associated with the tube
- H01J37/222—Image processing arrangements associated with the tube
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/77—
-
- G06T5/80—
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/244—Detectors; Associated components or circuits therefor
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/07—Investigating materials by wave or particle radiation secondary emission
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/418—Imaging electron microscope
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/50—Detectors
- G01N2223/507—Detectors secondary-emission detector
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/22—Treatment of data
- H01J2237/221—Image processing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/22—Treatment of data
- H01J2237/226—Image reconstruction
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/244—Detection characterized by the detecting means
- H01J2237/2448—Secondary particle detectors
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/244—Detection characterized by the detecting means
- H01J2237/24495—Signal processing, e.g. mixing of two or more signals
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2803—Scanning microscopes characterised by the imaging method
- H01J2237/2806—Secondary charged particle
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2809—Scanning microscopes characterised by the imaging problems involved
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2813—Scanning microscopes characterised by the application
- H01J2237/2817—Pattern inspection
Abstract
公开了一种用于增强图像的改进装置和方法,更具体地,公开了一种用于通过多带电粒子束检查中的串扰消除来增强图像的装置和方法。一种用于增强图像的方法包括从多束检查系统的检测器获取多个图像信号的第一图像信号。第一图像信号对应于来自检测器的第一区域的检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在该第一区域上。该方法还包括使用第一图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束的串扰污染。该方法还包括在减少后,生成对应于第一二次电子束的第一图像。
Description
相关申请的交叉引用
本申请要求于2019年8月14日提交的美国申请62/886,882的优先权,其全部内容以引用的方式并入本文。
技术领域
本文提供的实施例涉及图像增强技术,更具体地涉及多带电粒子束检查中的串扰消除。
背景技术
在集成电路(IC)的制造过程中,检查未完成或完成的电路组件以确保它们是根据设计而制造的并且没有缺陷。可以采用利用光学显微镜或带电粒子(例如电子)束显微镜、诸如扫描电子显微镜(SEM)的检查系统。随着IC组件的物理尺寸不断缩小,缺陷检测的准确性和成品率变得更加重要。尽管可以使用多条电子束来增加生产量,但带电粒子检测器接收到的成像信号保真度的限制可能会限制可靠缺陷检测和分析所需的成像分辨率,使得检查工具不足以达到其预期目的。
发明内容
本文提供的实施例公开了粒子束检查装置,更具体地,公开了一种使用多条带电粒子束的检查装置。
在一些实施例中,一种用于增强图像的方法包括从多束检查系统的检测器获取多个图像信号的第一图像信号。第一图像信号对应于来自检测器的第一区域的检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在第一区域。该方法还包括使用第一图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束的串扰污染。该方法还包括减少后生成对应于第一二次电子束的第一图像。
在一些实施例中,图像增强装置包括存储一组指令的存储器和至少一个处理器,该处理器被配置为执行该组指令以使该装置执行从多束检查系统的检测器获取多个图像信号中的第一图像信号。第一图像信号对应于来自检测器的第一区域的检测信号,其中该第一区域上入射有第一二次电子束的电子和第二二次电子束的电子。至少一个处理器还被配置为执行该组指令以使该装置还利用第一图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束的串扰污染。至少一个处理器还被配置为执行该组指令以使装置在减少之后还执行生成对应于第一二次电子束的第一图像。
在一些实施例中,非暂态计算机可读介质存储一组指令,该一组指令能够由计算设备的至少一个处理器执行以使得执行用于增强图像的方法。该方法包括从多束检查系统的检测器获取多个图像信号中的第一图像信号。第一图像信号对应于来自检测器的第一区域的检测信号,其中该第一区域上入射有第一二次电子束的电子和第二二次电子束的电子。该方法还包括使用第一图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束的串扰污染。该方法还包括减少后生成对应于第一二次电子束的第一图像。
在一些实施例中,用于减少多束检查系统中的串扰污染的方法包括通过多束检查系统分别获取样本上的第一区和第二区的第一图像和第二图像。第一图像是基于来自多束检查系统的第一检测区域的第一检测信号生成的,第二图像是基于来自多束检查系统的第二检测区域的第二检测信号生成的。该方法还包括通过使用对应于第一区的第一参考图像来确定源自第一二次电子束的第一图像的主图案。该方法还包括通过使用对应于第二区的第二参考图像来确定第一图像是否包括源自第二二次电子束的重影图案。该方法还包括确定第一检测信号与第一二次电子束和第二二次电子束的束强度之间的关系。该方法还包括基于所确定的关系减少来自来自第一检测区域的第三检测信号的串扰污染。
在一些实施例中,一种用于增强图像的方法包括从多束检查系统的检测器获取第一图像。第一图像是基于来自检测器的第一区域的第一检测信号生成的,其中该第一区域上入射有第一二次电子束的电子和第二二次电子束的电子。该方法还包括基于第一图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束的串扰污染。
本公开的实施例的其他优点将从以下结合附图的描述中变得显而易见,其中通过说明和示例的方式阐述了本发明的某些实施例。
附图说明
图1是示出了与本公开的实施例一致的示例性电子束检测(EBI)系统的示意图。
图2是示出了与本公开的实施例一致的可以是图1的示例性电子束检测系统的一部分的示意图。
图3A至图3C分别是具有第一图案的电子束图像、具有第二图案的电子束图像和具有串扰污染的电子束图像的示例。
图4是与本公开的实施例一致的示例性图像增强装置的框图。
图5是与本公开的实施例一致的图1的示例性图像增强装置的示例性变换函数提供器的框图。
图6是与本公开的实施例一致的用于从电子束图像提取图像块的示例。
图7是表示与本公开的实施例一致的用于增强多束检查系统中的图像的示例性方法的工艺流程图。
图8是表示与本公开的实施例一致的用于生成减少来自电子束检测信号中的串扰污染的变换函数的示例性方法的工艺流程图。
具体实施方式
现在将详细参考示例性实施例,其示例在附图中示出。以下描述参考附图,其中不同附图中的相同的数字表示相同或相似的元件,除非另有说明。在示例性实施例的以下描述中阐述的实施方式并不代表所有实施方式。相反,它们仅仅是与如所附权利要求中所述的公开实施例相关的方面一致的装置和方法的示例。例如,尽管在使用电子束的背景下描述了一些实施例,但本公开不限于此。可以类似地应用其他类型的带电粒子束。此外,可以使用其他成像系统,诸如光学成像、光检测、X射线检测等。
电子设备由在称为衬底的一块硅上形成的电路构成。许多电路可以一起形成在同一块硅上,称为集成电路或IC。这些电路的尺寸已显著减小,因此更多的电路可以安装在衬底上。例如,智能手机中的IC芯片可以像缩略图一样小,但可能包括超过20亿个晶体管,每个晶体管的大小不到人类头发大小的1/1000。
制造这些极小的IC是一个复杂、耗时且昂贵的过程,通常涉及数百个单独的步骤。即使是一个步骤中的错误也有可能导致成品IC出现缺陷,使其无用。因此,制造工艺的一个目标是避免此类缺陷,以最大限度地增加工艺中制造的功能IC的数量,即提高工艺的整体产率。
提高产率的一个组成部分是监控芯片制造过程以确保它在生产足够数量的功能集成电路。监控该过程的一种方法是在其形成的各个阶段检查芯片电路结构。可以使用扫描电子显微镜(SEM)进行检查。SEM可以用于对这些极小的结构进行成像,实际上是对这些结构进行“拍照”。该图像可以用于确定结构是否正确形成以及是否在正确位置形成。如果结构有缺陷,则可以调整过程,使缺陷不太可能再次发生。
尽管多带电粒子束成像系统(诸如多束SEM)可以用于增加晶片检查生产量,但多束SEM的成像分辨率可能会受到二次电子检测系统接收和检测到的成像信号质量的限制。由样本表面上的初级子束的相互作用产生的二次带电粒子束(诸如电子束),可以包括具有大约50eV的大能量展宽和相对于样本表面法线大约90°的大发射角范围的二次电子。此类散焦电子束可以在二次电子检测器上具有大的入射点。在传统的多束SEM中,散焦的电子束可以入射在二次电子检测器的多个检测元件上。换言之,多个检测元件中的每一个检测元件都可以从对应的二次电子束和其他相邻束接收二次电子。因此,一个检测元件的成像信号可以包括源自旨在入射在一个检测元件上的相应二次电子束的预期信号(例如,对应于图3A的图像的信号)和源自不旨在入射在这一个检测元件上导致污染图像(例如,图3C的图像)的相邻电子束的一个或多个串扰信号(例如,对应于图3B的图像的信号)。除此之外,串扰污染可能会降低成像信号的保真度。因此,希望最小化多个检测元件之间的二次电子束的串扰,以提高成像分辨率。
为了减少串扰的发生,已经做出了各种努力。然而,通过机械和电子技术完全去除串扰是相当具有挑战性的。此外,即使使用计算方法,也难以检测和去除串扰污染。本公开的实施例可以提供实时减少来自检测信号的串扰污染的技术。在本公开中,可以使用包括特定图像及其周围图像的多个图像来获得变换函数,该变换函数可以从检测信号中去除至少一部分串扰污染,诸如通过使用机器学习。
为清楚起见,附图中部件的相对尺寸可能被夸大。在以下附图描述中,相同或相似的附图标记指代相同或相似的部件或实体,并且仅描述关于各个实施例的不同之处。如本文所用,除非另有明确说明,否则术语“或”涵盖所有可能的组合,除非不可行。例如,如果声明组件可以包括A或B,那么除非另有明确说明或不可行,否则该组件可以包括A、或B、或A和B。作为第二个示例,如果声明组件可以包括A、B或C,则除非另有明确说明或不可行,否则该组件可以包括A、或B、或C、或A和B、或A和C、或B和C、或A和B和C。
现在参考图1,其示出了与本公开的实施例一致的示例性电子束检查(EBI)系统的示意图。如图1所示,带电粒子束检查系统100包括主腔室10、负载锁定腔室20、电子束工具40和设备前端模块(EFEM)30。电子束工具40位于主腔室10内。虽然描述和附图针对电子束,但是应当理解,实施例并不用于将本公开限制于特定的带电粒子。
EFEM 30包括第一装载端口30a和第二装载端口30b。EFEM 30可以包括一个或多个额外的装载端口。第一装载端口30a和第二装载端口30b接收晶片前开式晶圆传送盒(FOUP),晶片前开式晶圆传送盒包含晶片(例如,半导体晶片或由一种或多种其他材料制成的晶片)或待检查的样本(晶片和样本在下文中统称为“晶片”)。EFEM30中的一个或多个机械臂(未示出)将晶片运送到负载锁定腔室20。
负载锁定腔室20连接到负载/锁定真空泵系统(未示出),其去除负载锁定腔室20中的气体分子以达到低于大气压的第一压力。在达到第一压力后,一个或多个机械臂(未示出)将晶片从负载锁定腔室20运送到主腔室10。主腔室10连接到主腔室真空泵系统(未示出),该系统移除主腔室10中的气体分子以达到低于第一压力的第二压力。在达到第二压力之后,晶片经受电子束工具40的检查。在一些实施例中,电子束工具40可以包括单束检查工具。在其他实施例中,电子束工具40可以包括多束检查工具。
控制器50可以电连接到电子束工具40,也可以电连接到其他组件。控制器50可以是配置为执行带电粒子束检查系统100的各种控件的计算机。控制器50还可以包括配置为执行各种信号和图像处理功能的处理电路。虽然控制器50在图1中被示为处于包括主腔室10、负载锁定腔室20和EFEM 30的结构的外部,但是应当理解控制器50可以是该结构的一部分。
虽然本公开提供了容纳电子束检查系统的主腔室10的示例,但是应当注意,本公开的方面在其最广义上不限于容纳电子束检查系统的腔室。相反,可以理解,上述原理也可以应用于其他腔室。
现在参考图2,其示出了示出与本公开的实施例一致的可以是图1的示例性带电粒子束检查系统100的一部分的示例性电子束工具40的示意图。电子束工具40(在本文中也称为装置40)包括电子源101、具有枪孔103的枪孔板171、预子束形成机构172、聚光透镜110、源转换单元120、初级投影光学系统130、样本台(图2中未示出)、二次成像系统150和电子检测设备140。初级投影光学系统130可以包括物镜131。电子检测设备140可以包括多个检测元件140_1、140_2和140_3。光束分离器160和偏转扫描单元132可以放置在主投影光学系统130内。可以理解,可以适当地添加/省略装置40的其他公知组件。
电子源101、枪孔板171、聚光透镜110、源转换单元120、束分离器160、偏转扫描单元132和主投影光学系统130可以与装置100的主光轴100_1对齐。成像系统150和电子检测设备140可以与装置40的第二光轴150_1对齐。
电子源101可以包括阴极、提取器或阳极,其中初级电子可以从阴极发射并被提取或加速以形成初级电子束102,初级电子束102形成交叉(虚拟或真实)101s。初级电子束102可以被可视化为从交叉101s发射。
源转换单元120可以包括成像元件阵列(图2中未示出)、像差补偿器阵列(未示出)、光束限制孔径阵列(未示出)和预弯曲微偏转器阵列(未示出)。成像元件阵列可以包括多个微偏转器或微透镜以与初级电子束102的多个子束形成交叉101s的多个平行图像(虚拟或真实)。图2示出了三个子束102_1、102_2和102_3作为示例,并且应当理解,源转换单元120可以处理任何数量的子束。
在一些实施例中,源转换单元120可以设置有束限制孔径阵列和成像元件阵列(两者均未示出)。束限制孔径阵列可以包括束限制孔径。应当理解,视情况而定可以使用任何数量的孔。束限制孔径可以被配置为限制初级电子束102的子束102_1、102_2和102_3的尺寸。成像元件阵列可以包括成像偏转器(未示出),其被配置为通过改变朝向主光轴100_1的角度偏转子束102_1、102_2和102_3。在一些实施例中,远离主光轴100_1的偏转器可以更大程度地偏转子束。此外,成像元件阵列可以包括多个层(未示出),并且偏转器可以设置在单独的层中。偏转器可以被配置为相互独立地单独控制。在一些实施例中,可以控制偏转器以调整形成在样本1的表面上的探针点(例如,102_1S、102_2S和102_3S)的间距。如本文所述,探针点的间距可以定义为样本1表面上两个紧邻的探针点之间的距离。
位于中心的成像元件阵列的偏转器可以与电子束工具40的主光轴100_1对齐。因此,在一些实施例中,中心偏转器可以被配置为将子束102_1的轨迹保持为直的。在一些实施例中,可以省略中心偏转器。然而,在一些实施例中,初级电子源101可以不必与源转换单元120的中心对齐。此外,应当理解,虽然图2示出了其中子束102_1在主光轴100_1上的装置40的侧视图,但是当从不同侧观察时,子束102_1可能偏离主光轴100_1。也就是说,在一些实施例中,所有的子束102_1、102_2和102_3可以是离轴的。离轴分量可以相对于主光轴100_1偏移。
可以基于一个或多个标准设置偏转子束的偏转角。在一些实施例中,偏转器可以径向向外或远离(未示出)主光轴100_1偏转离轴子束。在一些实施例中,偏转器可以配置为径向向内或朝向主光轴100_1偏转离轴子束。可以设置子束的偏转角,使得子束102_1、102_2和102_3垂直落在样本1上。可以通过调整穿过透镜的子束的路径来减少由于透镜诸如物镜131引起的图像离轴像差。因此,可以设置离轴子束102_2和102_3的偏转角,使得探测点102_2S和102_3S具有小的像差。子束可以被偏转以通过或靠近物镜131的前焦点,从而减少离轴探针点102_2S和102_3S的像差。在一些实施例中,可以设置偏转器以使子束102_1、102_2和102_3垂直落在样本1上,而探针点102_1S、102_2S和102_3S具有小的像差。
聚光透镜110被配置为聚焦初级电子束102。源转换单元120下游的子束102_1、102_2和102_3的电流可以通过调整聚光透镜110的聚焦能力或通过改变束限制孔径阵列内相应束限制孔径的径向尺寸来改变。电流可以通过改变束限制孔径的径向尺寸和聚光透镜110的聚焦能力来改变。聚光透镜110可以是可调聚光透镜,其可以被配置为使得其第一主平面的位置是可移动的。可调聚光透镜可以被配置为磁性的,这可以导致离轴子束102_2和102_3以旋转角度照射源转换单元120。旋转角度可以随着聚焦能力或可调聚光透镜的第一主平面的位置而改变。因此,聚光透镜110可以是防旋转聚光透镜,其可以被配置为在聚光透镜110的聚焦能力改变时保持旋转角度不变。在一些实施例中,聚光透镜110可以是可调防旋转聚光透镜,其中当聚光透镜110的聚焦能力和第一主平面的位置改变时,旋转角度不变。
电子束工具40可以包括预子束形成机构172。在一些实施例中,电子源101可以被配置为发射初级电子并形成初级电子束102。在一些实施例中,枪孔板171可以被配置为阻挡初级电子束102的外围电子以降低库仑效应。在一些实施例中,预子束形成机构172还切割初级电子束102的外围电子以进一步降低库仑效应。初级电子束102可以在通过预子束形成机构172之后被修剪成三个初级电子子束102_1、102_2和102_3(或任何其他数量的子束)。电子源101、枪孔板171、预子束形成机构172和聚光透镜110可以与电子束工具40的主光轴100_1对齐。
预子束形成机构172可以包括库仑孔径阵列。预子束形成机构172的中心孔径(在本文中也称为轴上孔径)和源转换单元120的中心偏转器可以与电子束工具40的主光轴100_1对齐。预子束形成机构172可以设置有多个预修边孔(例如,库仑孔阵列)。在图2中,三个子束102_1、102_2和102_3是在初级电子束102通过三个预微调孔时产生的,并且初级电子束102的许多剩余部分被切断。即,预子束形成机构172可以修剪来自初级电子束102的不形成三个子束102_1、102_2和102_3的许多或大部分电子。在初级电子束102进入源转换单元120之前,预子束形成机构172可以切断最终不会用于形成探针点102_1S、102_2S和102_3S的电子。在一些实施例中,枪孔板171可以靠近电子源101设置以在早期阶段切断电子,而预子束形成机构172也可设置成还切断多个子束周围的电子。尽管图2示出了预子束形成机构172的三个孔,但是应当理解,视情况而定可以有任意数量的孔。
在一些实施例中,预子束形成机构172可以放置在聚光透镜110下方。将预子束形成机构172放置得更靠近电子源101可以更有效地降低库仑效应。在一些实施例中,当预子束形成机构172能够定位成足够靠近源101同时仍可制造时,可以省略枪孔板171。
物镜131可以被配置为将子束102_1、102_2和102_3聚焦到样本1上以供检查,并且可以在样本1的表面上形成三个探针点102_1s、102_2s和102_3s。枪孔板171可以阻挡未使用的初级电子束102的外围电子,以降低库仑相互作用效应。库仑相互作用效应会扩大探针点102_1s、102_2s和102_3s中的每一个的尺寸,因此会降低检测分辨率。
束分离器160可以是维恩过滤器类型的束分离器,包括产生静电偶极子场E1和磁偶极子场B1的静电偏转器(两者均未在图2中示出)。如果施加它们,则静电偶极子场E1施加在子束102_1、102_2和102_3的电子上的力与磁偶极子场B1施加在电子上的力在大小上相等且方向相反。子束102_1、102_2和102_3因此可以以零偏转角直接穿过束分离器160。
偏转扫描单元132可以偏转子束102_1、102_2和102_3以在样本1的表面的一部分中的三个小扫描区域上扫描探针点102_1s、102_2s和102_3s。响应于子束102_1、102_2在探针点102_1、102_2和102_3处的入射,可以从样本1发射三个二次电子束102_1se、102_2se和102_3se。二次电子束102_1se、102_2se和102_3se中的每一个可以包含具有包括以下能量分布的电子:二次电子(能量≤50eV)和反向散射电子(50eV与子束102_1、102_2和102_3的着靶能量之间的能量)。束分离器160可以将二次电子束102_1se、102_2se和102_3se引向二次成像系统150。二次成像系统150可以将二次电子束102_1se、102_2se和102_3se聚焦到电子检测设备140的检测元件140_1、140_2和140_3上。检测元件140_1、140_2和140_3可以检测相应的二次电子束102_1se、102_2se和102_3se并产生用于构建样本1的相应扫描区域的图像的相应信号。
在图2中,由三个探针点102_1S、102_2S和102_3S分别产生的三个二次电子束102_1se、102_2se和102_3se沿主光轴100_1向上朝向电子源101行进,连续穿过物镜131和偏转扫描单元132。三个二次电子束102_1se、102_2se和102_3se被束分离器160(诸如维恩过滤器)转向以沿着二次成像系统150的二次光轴150_1进入二次成像系统150。二次成像系统150将三个二次电子束102_1se-102_3se聚焦到包含三个检测元件140_1、140_2和140_3的电子检测设备140上。因此,电子检测设备140可以同时产生由三个探针点102_1S、102_2S及102_3S分别扫描的三个扫描区域的图像。在一些实施例中,电子检测设备140和二次成像系统150形成一个检测单元(未示出)。在一些实施例中,二次电子束路径上的电子光学元件,诸如但不限于物镜131、偏转扫描单元132、束分离器160、二次成像系统150和电子检测设备140,可以形成一个检测系统。
在一些实施例中,控制器50可以包括图像处理系统,该图像处理系统包括图像获取器(未示出)和存储器(未示出)。图像获取器可以包括一个或多个处理器。例如,图像获取器可以包括计算机、服务器、大型机主机、终端、个人计算机、任何类型的移动计算设备等,或它们的组合。图像获取器可以通过介质(诸如电导体、光纤电缆、便携式存储介质、IR、蓝牙、互联网、无线网络、无线电等或它们的组合)通信地耦合到装置40的电子检测设备140。在一些实施例中,图像采集器可以接收来自电子检测设备140的信号并且可以构建图像。图像获取器因此可以获取样本1的图像。图像获取器还可以执行各种后处理功能,诸如生成轮廓、在获取的图像上叠加指示符等。图像获取器可以被配置为执行获取的图像的亮度和对比度等的调整。在一些实施例中,存储器可以是诸如硬盘、闪存驱动器、云存储、随机存取存储器(RAM)、其他类型的计算机可读存储器等的存储介质。存储器可以与图像获取器耦合,并且可以用于将扫描的原始图像数据保存为原始图像和后处理图像。
在一些实施例中,图像获取器可以基于从电子检测设备140接收的一个或多个成像信号来获取样本的一个或多个图像。成像信号可以对应于用于进行带电粒子成像的扫描操作。获取的图像可以是包括多个成像区域的单个图像或者可以涉及多个图像。单个图像可以存储在存储器中。单个图像可以是可以被划分为多个区域的原始图像。区域中的每一个可以包括包含样本1的特征的一个成像区域。所获取的图像可以包括在时间序列上多次采样的样本1的单个成像区域的多个图像,或者可以包括样本1的不同成像区域的多个图像。多个图像可以存储在存储器中。在一些实施例中,控制器50可以被配置为对样本1的相同位置的多个图像执行图像处理步骤。
在一些实施例中,控制器50可以包括测量电路(例如,模数转换器)以获得检测到的二次电子的分布。在检测时间窗口期间收集的电子分布数据与入射在晶片表面上的每个初级子束102_1、102_2和102_3的相应扫描路径数据相结合,可以用于重建被检查的晶片结构的图像。重建图像可以用于揭示样本1内部或外部结构的各种特征,从而可以用于揭示晶片中可能存在的任何缺陷。
在一些实施例中,控制器50可以控制机动载物台(未示出)以在检查期间移动样本1。在一些实施例中,控制器50可以使机动载物台能够以恒定速度在一个方向上连续移动样本1。在其他实施例中,控制器50可以使机动载物台能够根据扫描过程的步骤随时间改变样本1的移动速度。在一些实施例中,控制器50可以基于二次电子束102_1se、102_2se和102_3se的图像来调整一次投影光学系统130或二次成像系统150的配置。
虽然图2示出了电子束工具40使用三个初级电子束,但是应当理解,电子束工具40可以使用两个或更多数量的初级电子束。本公开不限制装置40中使用的初级电子束的数量。
如关于图2所解释的,在不同位置(诸如探针点102_1S、102_2S和102_3S)通过多个初级电子束或子束102_1、102_2和102_3同时扫描样本1的表面。可以在电子检测设备140上的相应区域检测从样本1发射并分别对应于多个初级电子束102_1、102_2和102_3的多个二次电子束102_1se、102_2se和102_3se。例如,其可以设计为在第一检测元件140_1上检测第一二次电子束102_1se,在第二检测元件140_2上检测第二二次电子束102_2se,在第三检测元件140_3上检测第三二次电子束102_3se。散焦二次电子束生成于但不限于以下原因:由于在二次电子束的投射过程中二次光学系统和电子束工具40的束分离设备的像差和缺陷。此类散焦的二次电子束可以入射在与其对应的检测元件不同的多个检测元件上。因此,一个检测元件的成像信号可以包括源自对应的二次电子束的预期信号和源自相邻电子束的一个或多个串扰信号。因此,由一个检测元件的检测到的图像信号构成的图像可以包含源自预期信号的主图案和源自串扰信号的重影图案。
现在参考图3A至图3C,它们是具有第一图案A的电子束图像、具有第二图案B的电子束图像和具有串扰污染的电子束图像的示例。例如,图3A可以是当除了预期的二次电子束102_1se之外没有串扰信号入射在第一检测元件140_1上时,从来自第一检测元件140_1的电子检测信号重建的图像。这里,图3A所示的来自第一检测元件140_1的图像包含具有点状的图案A。图3B可以是当除了预期的二次电子束102_2se之外没有串扰信号入射在第二检测元件140_2上时,从来自第二检测元件140_2的电子检测信号重建的图像。这里,图3B所示的来自第二检测元件140_2的图像包含具有十字形的图案B。图3C示出了当源自预期的第一二次电子束102_1se之外的第二二次电子束102_2se的串扰信号入射在第一检测元件140_1上时,基于来自第一检测元件140_1的电子检测信号生成的图像的示例。因此,图3C所示的来自第一检测元件140_1的图像包括重影图案B以及主图案A。在SEM图像中的此类重影图案将导致更高的错误缺陷检测率。因此,希望最小化串扰以提高成像分辨率。
由于以下部分或全部原因,难以检测和去除串扰污染,其中包括:(1)在没有外部信息帮助的情况下,难以从检测信号或重建图像中检测和确定串扰污染;(2)从主图案中区分重影伪像(诸如重影图案)和主图案是困难的,因为重影图案和主图案通常具有许多共同的特征,诸如在频域或空间域中;(3)即使在检测或定义了重影图案的区域后,也很难在不破坏原始图案或背景图像的情况下完全去除伪像,因为它需要准确估计伪像信号并且无缝恢复原始图案和底层背景图像;(4)诸如图形数据库系统(GDS)格式的参考图像只能帮助找到重影图案的粗略位置,因此,检测重影图案的精确像素级位置仍然具有挑战性;(5)此外,标识串扰伪像和计算串扰分量的量是耗时且繁重的。本公开的实施例可以提供减少、最小化或去除检测信号中的串扰污染的技术,这可以离线或以批处理方式执行,或者可以实时执行。
图4是与本公开的实施例一致的示例性图像增强装置的框图。应当理解,在各种实施例中,图像增强装置400可以是带电粒子束检查系统(例如,图1的电子束检查系统100)的一部分或可以与带电粒子束检查系统分离。在一些实施例中,图像增强装置400可以是控制器50的一部分并且可以包括图像采集器、测量电路或存储器等。此外,图像增强装置400可以包括图像处理系统并且可以包括图像获取器、存储器等。
在一些实施例中,如图4所示,图像增强装置400可以包括检测信号获取器410、模数转换器(ADC)420、串扰减少器430、变换函数提供器440和图像生成器450。在一些实施例中,图像增强装置400从图2的电子束工具40接收数据。
根据本公开的实施例,检测信号获取器410可以从电子束工具40的电子检测设备140接收检测信号。在一些实施例中,检测信号获取器410可以通过介质(诸如电导体、光纤电缆、便携式存储介质、IR、蓝牙、互联网、无线网络、无线电等或它们的组合)通信地耦合到电子光束工具40的电子检测设备140。如图2所示,电子检测设备140可以包括多个检测元件。尽管图2示出了电子检测设备140包括布置在一条线上的三个检测元件140_1、140_2和140_3,但是应当理解,电子检测设备140可以包括任何数量的任何布置的检测元件。例如,电子检测设备140可以具有m个检测元件,这些检测元件布置在具有k个行和n个列的矩阵中。这里,“k”和“n”可以是等于或大于1的自然数,并且“m”可以是等于或大于2的自然数。因此,在一些实施例中,检测信号获取器410可以接收与m个检测元件140_1至140_m相对应的m个检测信号s1至sm。应当理解,所获取的检测信号s1至sm可以经受各种信号处理,例如放大、噪声消除等。从电子检测设备140获取的检测信号s1至sm可以是模拟信号。
模数转换器(ADC)420被配置为将所获取的模拟检测信号转换为数字检测信号s1至sm。在本公开中,模拟检测信号和对应的数字检测信号用相同的附图标记诸如sm表示。在一些实施例中,ADC 420将模拟检测信号转换为数字检测信号s1至sm以获得检测到的二次电子的分布。在检测时间窗口期间收集的电子分布数据与入射在晶片表面上的初级子束102_1、102_2和102_3中的每一个的相应扫描路径数据相结合,可以用于生成被检查的晶片结构的图像。
如上所述,检测信号s1至sm可以包括除了对应的预期信号之外的串扰信号。例如,根据图2,从第一检测元件140_1检测到的第一检测信号s1可以包括源自第一二次电子束102_1se的预期信号和源自相邻二次电子束102_2se、102_3se或102_2se和102_3se两者的串扰信号。应当理解,来自任何第二二次电子束的电子可以到达第一检测元件140_1,尽管来自与预期信号相邻的二次电子束的电子更可能被污染。类似地,从第二检测元件140_2检测到的第二检测信号s2可以包括源自第二二次电子束102_2se的预期信号和源自其他二次电子束(例如,第一二次电子束102_1se)的串扰信号。类似地,从对应的检测元件140_1至140_m检测到的任何检测信号s1至sm可以包括源自对应的二次电子束的预期信号和源自除了预期的二次电子束之外的二次电子束的串扰信号。
再次参考图4,串扰减少器430可以将串扰污染从检测信号s1减少到sm。根据本公开的实施例,串扰减少器430可以通过使用从变换函数提供器440获得的变换函数来减少从检测信号s1至sm的串扰污染,这将参照图5详细说明。下面用数学方法解释用于减少检测信号s1至sm的串扰污染的原理。
来自每个检测元件的检测信号由si表示,其中i是对应于第i个检测元件140_i的索引号。每个二次电子束的强度由bj表示,其中j是对应于第j个二次电子束102_jse的索引号。假设在本公开中包括m个二次电子束和m个检测元件,这里m是等于或大于2的自然数。在一些实施例中,二次电子束的数量和检测元件的数量可能不同。二次电子束102_1se至102_mse的强度I和来自电子检测设备140的检测信号S可以表示为如下矩阵或向量:
I=(b1…bm)τ (等式1)
S=(s1…sm)T (等式2)
这里,等式1和2中的上标T表示矩阵或向量转置。
二次电子束102_1se至102_mse的束强度I与来自电子检测设备140的检测信号S之间的关系可以表示如下:
这里,R是表示来自第i个检测元件140_i的每个检测信号si与m个二次电子束102_1se至102_mse的束强度之间的关系的响应度矩阵。R包括r11至rmm作为其元素。等式3示出了来自任一检测元件的检测信号可以表示为所有二次电子束的束强度的线性组合。例如,第一检测信号s1可以通过m个二次电子束102_1se至102_mse的束强度的组合表示为s1=r11*b1+r12*b2+···+r1(m-1)*b(m-1)+r1m*bm。第二检测信号s2可以用m个二次电子束102_1se至102_mse的束强度的组合表示为s1=r21*b1+r22*b2+···+r2(m-1)*b(m-1)+r2m*bm。类似地,第i个检测信号si可以用m个二次电子束102_1se至102_mse的束强度的组合表示为si=ri1*b1+ri2*b2+···+ri(m-1)*b(m-1)+rim*bm。
在响应度矩阵R中,串扰贡献率rij(其中i≠j)表示入射在第i个检测元件140_i上的第j个二次电子束102_jse的束强度bj的一部分与第j个二次电子束102_jse的总束强度bj的比率。自贡献率rii表示入射在第i个检测元件140_i上的第i个二次电子束102_ise的束强度bi的一部分与第i个二次电子束102_ise的总射束强度bi的比率。应当理解,在不发生串扰的理想情况下,自贡献率rii的值为1,而串扰贡献率rij(其中i≠j)的值为0。然而,由于电子束工具40的像差和缺陷,二次电子束可能散焦,这可能导致发生串扰。因此,通常自贡献率rii的值不等于1,串扰贡献率rij(其中i≠j)不等于0。
二次电子束102_1se至102_mse的束强度I可以通过将逆响应度矩阵R-1与等式3的两侧相乘来获得,并且可以表示如下:
通过应用等式4,可以从检测信号s1至sm中减少、最小化或去除串扰污染,因此可以获得没有或具有最小串扰污染的二次电子束102_1se至102_mse的束强度b1至bm。
设计响应度矩阵R可逆使得能够根据等式4计算二次电子束102_1se至102_mse的束强度b1至bm。在一些实施例中,通过适当地配置检测元件相对于投射到电子检测设备表面上的二次电子束的点网格的尺寸、形状和位置,可以将响应度矩阵R配置为可逆的。
然而,并非每个响应度矩阵R都可以被制成可逆的。此外,即使响应度矩阵R是可逆的,用数学方法计算逆响应度矩阵R-1也可能非常耗时。因此,从检测信号s1至sm重建SEM图像可能导致涉及大量数据的耗时的计算过程,这可能使得实时去除串扰污染难以实现。
根据本公开的实施例,串扰减少器430可以从变换函数提供器440获取变换函数。这里,变换函数可以对应于等式4的逆响应矩阵R-1。在一些实施例中,变换函数可以是如等式4中的R-1表示的变换矩阵。在一些实施例中,可以通过使用机器学习网络推断变换函数的元素来获得变换函数。在一些实施例中,可以相对于某个电子束工具40或EBI系统100确定变换函数,因为串扰污染是工具或系统本身特有的,而不是操作工具或系统中的错误。因此,根据本公开的实施例,变换函数提供器440可以利用从特定工具40或系统100获取的图像预先计算变换函数,并按需将预先获得的变换函数提供给串扰减少器430。在一些实施例中,从变换函数提供器440获得的变换函数可以存储在存储介质(未示出)中并且可以由串扰减少器430访问。在一些实施例中,当从工具40或系统100获取新图像时,变换函数提供器440可以更新变换函数。在一些实施例中,变换函数提供器440可以周期性地更新变换函数,因为由于工具40或系统100中固有的缺陷导致的散焦程度或水平可以随时间改变。因此,变换函数提供器440可以向串扰减少器430或存储介质提供最新的变换函数。将针对图5详细解释变换函数提供器440的配置和功能。
再次参考图4,串扰减少器430可以通过将检测信号s1至sm与等式4所示的变换函数相乘来减少、最小化或去除检测信号s1至sm的串扰污染。以这种方式,串扰减少器430可以获得没有或具有最小的串扰污染的二次电子束102_1se至102_mse的束强度b1至bm。在一些实施例中,串扰减少器430可以被实现为图像增强装置400中的固件或其他软件。
与本公开的实施例一致,图像生成器450可以构建对应于多个二次电子束102_1se至102_mse的多个图像,这些二次电子束通过减少、最小化或去除来自检测信号s1至sm的串扰污染而获得。在一些实施例中,由图像生成器450构建的多个图像可以是由样本1上的多个探针点(例如,102_1S、102_2S和102_3S)扫描的多个区域的图像,其中生成对应的二次电子束(例如,102_1se、102_2se和102_3se)。在一些实施例中,根据本公开的实施例,图像生成器450可以一次或顺序地生成多个图像。在一些实施例中,从图像生成器450生成的多个图像可以是无串扰伪像的图像。
现在参考图5,其示出了与本公开的实施例一致的图4的示例性图像增强装置400的示例性变换函数提供器440的框图。如图5所示,变换函数提供器440可以包括图案标识器441、图像块提取器442、机器学习网络443和信息文件444。
图案标识器441可以接收从目标设备(诸如但不限于可以用于确定变换函数的工具40或系统100)获取的多个图像IMl至IMn。在一些实施例中,多个图像IMl至IMn可以包括通过对任一样本的一次扫描操作获得的并且对应于样本的多个子区域的多个图像。在一些实施例中,多个图像IMl至IMn可以包括从一个样本的多个扫描操作获得的多组图像。这里,每组图像可以包括通过相应的扫描操作获得的并且对应于样本的多个子区域的多个图像。在一些实施例中,多个图像IMl至IMn可以包括从多个样本的多个扫描操作获得的多组图像。这里,每组图像可以包括对应于对应样本的多个子区域的对应扫描操作获得的多幅图像。
根据本公开的实施例,图案标识器441可以标识输入图像IMl至IMn的图案。图案标识器441可以标识哪个图案是特定图像的主图案以及哪个图案是源自串扰污染的重影图案。在一些实施例中,图案标识器441可以通过参考信息文件444来标识图案,该信息文件444可以在确定由串扰污染导致的主图案和重影图案时提供特定图像的参考信息。在一些实施例中,信息文件444可以包含示出了输入图像IMl至IMn的主图案的参考图像。在一些实施例中,图案标识器441可以确定输入图像IMl至IMn的主图案的形状和位置。例如,信息文件444可以包含与输入图像IMl至IMn相对应的多个参考图像,并且示出如果没有发生串扰污染,则对应的输入图像IMl至IMn意在是什么。在一些实施例中,信息文件444可以包含对应于它们的输入图像IMl至IMn的样本子区域的基准真相图像。在一些实施例中,包含在信息文件444中的参考图像可以是图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、打开艺术品系统交换标准(OASIS)格式、加州理工学院中间格式(CIF)等。在一些实施例中,包含在信息文件441中的参考图像可以包括对应于它们的输入图像IMl至IMn的样本子区域的晶片设计布局。晶片设计布局可以基于用于构造晶片的图案布局。晶片设计布局可以对应于一个或多个光刻掩模或掩模版,用于将特征从光刻掩模或掩模版转移到晶片,例如样本1。在一些实施例中,GDS或OASIS等中的信息文件可以包括以二进制文件格式存储的特征信息,表示平面几何形状、文本和与晶片设计布局相关的其他信息。
为了说明的目的和简单性,将针对图3A至图3C的电子束图像来解释标识图案的过程。例如,假设图案标识器441接收基于第一检测元件140_1的第一检测信号s1生成的第一图像IM1(如图3C所示),以及基于第二检测元件140_2的第二检测信号s2生成的第二图像IM2(未示出)。在该示例中,信息文件441可以包含第一参考图像和第二参考图像,它们对应于图3A和图3B中所示的图像,并且对应于没有串扰污染的从第一检测元件140_1和第二检测元件140_2预期的图像。第一参考图像示出了通过第一检测元件140_1检测的样本1的子区域预期看起来像没有串扰污染,而第二参考图像示出了通过第二检测元件140_2检测的样本1的子区域预期看起来没有串扰污染。在该示例中,图案标识器441可以标识参考第一参考图像和第二参考图像的第一图像IM1的主图案和重影图案。例如,图案标识器441在第一图像IM1中将图案A标识为源自二次电子束102_1se的主图案并且将图案B标识为源自相邻二次电子束102_2se的重影图案。类似地,图案标识器441可以在第二图像IM2中将图案B标识为主图案,并且将图案A标识为重影图案。
再次参考图5,与本公开的实施例一致,图像块提取器442可以基于由图案标识器441标识的图案信息从输入图像IMl至IMn中提取图像块。作为示例,将针对如图3C所示的第一图像IM1来解释用于从输入图像IMl至IMn提取图像块的过程。如图6所示,第一图像包含主图案A和重影图案B。在该示例中,图像块提取器442可以提取三种类型的图像块,诸如但不限于背景块P1、主图案块P2和重影图案块P3。在一些实施例中,背景块P1可以是第一图像IM1的一部分并且仅包括不具有构成主图案A或重影图案B的特征的区。主图案块P2可以是第一图像IM1的一部分,并且仅包括具有构成主图案A但不是重影图案B的特征的区。类似地,重影图案块P3可以是第一图像IM1的一部分并且仅包括具有构成重影图案B但不是主图案A的特征的区。在一些实施例中,可以从第一图像IM1中提取多个背景块P1、多个主要图案块P2和多个重影图案块P3。类似地,可以从第二图像IM2(未示出)中提取一个或多个背景块、一个或多个主图案块以及一个或多个重影图案块。
二次电子束的强度可以根据晶片的扫描区域的外部或内部结构而变化。应当注意,检测信号的值通常可以是恒定的,或者在不具有构成图案(诸如图案A和B)的特征的背景区上可以不突然改变,因为对应于背景区的晶片区域可能具有均匀的结构、材料、形状等。因此,通过提取背景块P1和包括不多于一个图案的其他图案块P2和P3,并将它们用作机器学习网络443的输入,可以显著减少计算数据,并且因此当使用机器学习网络443推断变换函数时,可以提高成本和时间效率。还可以提高变换函数的推断精度。尽管针对如图6所示的仅具有两个图案的图像解释了从电子束图像中提取块,但是应当理解,本公开的实施例可以应用于使用三个或更多个图像IMl至IMn的场景,并且三个或更多个图像IMl至IMn中的每一个包括三个或更多图案。如果基于检测信号生成的图像中存在三个或更多图案,则还可以提取三种类型的块,诸如背景块P1、主图案块P2和重影图案块P3(该示例未在图中示出)。如果图像IM1包含主图案A、第一重影图案B1和第二重影图案B2,则重影图案块P3可以包括两种类型的重影图案块P31和P32。例如,第一类重影图案P31可以是图像的一部分,并且仅包括具有构成第一重影图案B1,而不是主图案A和第二重影图案B2的特征的区。这样,即使图像中的图案数量越来越多,也可以通过使用不多于一个图案的块来降低计算复杂度。在一些实施例中,为了更高的精度,可以将多个图案重叠的区提取为块。例如,当在图像中具有不多于一个图案的区受到限制并且因此用于计算的数据很短时,具有两个或更多个图案的块可以用于计算。
根据本公开的实施例,机器学习网络443可以被配置为获取与目标设备相关联的变换函数,其中从该目标设备中获取多个图像IMl至IMn。与本公开的一些实施例一致,机器学习网络443可以接收从图像块提取器442提取的图像块P1、P2和P3作为其用于推断变换函数的输入。在一些实施例中,机器学习网络443可以从接收到的图像块P1、P2和P3获得信息,以用于推断变换函数。在一些实施例中,用于推断变换函数的信息可以包括但不限于所提取图像块的位置以及对应于所提取图像块的位置的检测信号。
对于仅使用两个初级电子子束诸如第一和第二电子子束102_1和102_2进行扫描时的简化示例的使用,将解释如何选择块以及如何获得对应于所选块的二次电子束强度和检测信号。第一子束102_1和第二子束102_2可以用于在样本1的表面上扫描第一探针点102_1S和第二探针点102_2S。第一探针点102_1S和第二探针点102_2S可以分别对应于第一检测元件140_1和一第二检测元件140_2。在扫描期间,每个子束相对于样本1在样本1的表面上沿特定路径随时间移动,优选地,根据预定时间表。在一些实施例中,第一子束102_1和第二子束102_2可以被设计为在扫描时在其相对应的探针点102_1S和102_2S内彼此平行移动。因此,在用于扫描的时间段中的特定时间点,第一子束102_1和第二子束102_2可以分别被引导至对应的探针点102_1S和102_2S。在用于扫描的时间段期间,子束将在特定时间点入射在对应探测点内的哪个位置可以预先确定,并且是系统已知的。
在用于扫描第一探针点102_1S的时间段期间,可以从与第一子束102_1的移动相关联的样本发射第一二次电子束102_1se。因此,第一二次电子束102_1se的束强度b1可以包括在对应于相同相对时间段期间第一子束102_1在第一探测点102_1S上的移动的时间段内的束强度值(连续或离散)。特定时间的束强度b1的束强度值可以表示对应于在特定时间第一子束102_1所导向的样本1表面上的位置的束强度。在一些实施例中,如果确定了探测点内的位置,则可以通过从束强度诸如b1中找到对应于该位置的时间点处的束强度值来获得该位置的束强度。应当理解,二次电子束102_2se的束强度b2和与第一和第二二次电子束102_1se和102_2se相对应的检测信号s1和s2可以以类似的方式表示。例如,第一检测信号s1可以包括在与用于扫描第一探针点102_1S和第二探针点102_2S的时间段相对应的时间段内的检测信号值(连续的或离散的)。第一检测信号s1在特定时间的检测信号值可以是束强度b1的束强度值和束强度b2的束强度值的组合,束强度b2对应于在特定时间其对应的探测点102_1S和102_2S内的相对位置。在一些实施例中,提取的图像块可以具有小尺寸,使得一个子束可以在特定时间覆盖以获得特定束强度值,该值在特定时间在块区内是不变的。
根据本公开的实施例,机器学习网络443可以获得第一图像IM1中的背景块P1的位置,以及如上所述的与背景块P1的位置相对应的检测信号值。机器学习网络443还已知,背景块P1处的检测信号是与背景块P1的位置相对应的第一二次电子束102_1se的一部分和第二二次电子束102_2se的一部分的总和。这里,在背景块P1的位置处的第一二次电子束102_1se和第二二次电子束102_2se具有与样本1的背景区相对应的相同强度。在同一示例中,机器学习网络443可以获得第一图像IM1中的主图案块P2的位置和与主图案块P2的位置相对应的检测信号值。机器学习网络443还已知,主图案块P2处的检测信号是与主图案的位置相对应的第一二次电子束102_1se的一部分和第二二次电子束102_2se的一部分的总和。这里,在主图案块P的位置,第二二次电子束102_2se可以具有与样本1的背景区相对应的强度。此外,机器学习网络443可以获得第一图像IM1中的重影图案块P3的位置以及与重影图案块P3的位置相对应的检测信号值。机器学习网络443还已知重影图案块P2处的检测信号是与重影图案块P3的位置相对应的第一二次电子束102_1se的一部分和第二二次电子束102_2se的一部分的总和。这里,在用于重影图案块P3的位置处,第一二次电子束102_1se可以具有与样本的背景区相对应的强度。如果二次电子束102_1se和102_2se在样本1的背景区上具有恒定值,则可以减少用于推断变换函数的变量的数量。
在一些实施例中,机器学习网络443可以被配置为使用无监督机器学习算法来学习变换函数的元素。例如,参考等式4,机器学习网络443可以被配置为通过使用从图像块获得的信息作为输入数据并且通过为学习过程设置条件来学习变换函数(对应于R-1)的元素r11至rmm以及元素b1至bm。对于以上示例,变换函数可以具有四个元素r11至r22,信号S可以具有两个元素:来自第一检测元件140_1的第一检测信号s1和来自第二检测元件140_2的第二检测信号s2,并且束强度I可以具有两个元素b1和b2,该两个元素具有对应于背景区的相同值。在这些输入数据和条件下,机器学习网络443可以被配置为推断变换函数的元素和束强度I的元素。在一些实施例中,机器学习网络443可以通过使用的诸如P2和P3的后续图像块来更新先前学习的变换函数和束强度。在一些实施例中,如果满足结束学习过程的条件,机器学习网络443可以生成变换函数。例如,如果迭代次数变为等于特定数值,或者如果变换函数的精度达到特定水平,则该过程可以结束。
在一些实施例中,机器学习网络443可以被配置为使用监督机器学习算法来学习变换函数的元素。例如,参考等式4,机器学习网络443可以被配置为在元素b1至bm对于机器学习网络443已知的条件下,使用从图像块获得的信息作为输入数据来学习变换函数(对应于R-1)的元素r11至rmm。对于以上示例,变换函数可以具有四个元素r11至r22,信号S可以具有两个元素:来自第一检测元件140_1的第一检测信号s1和来自第二检测元件140_2的第二检测信号s2,并且提供了束强度I的两个元素b1和b2。在这些输入和条件下,机器学习网络443可以被配置为推断变换函数的元素。在一些实施例中,机器学习网络443可以通过使用诸如P2和P3的后续图像块以及束强度信息来更新先前学习的变换函数。在一些实施例中,信息文件444可以包括与每个图像块P1至P3相对应的随时间变化的束强度信息,并且可以提供给机器学习网络443。在一些实施例中,可以从模拟、先前实验等中获得束强度信息。
虽然针对图3A至图3C中所示的图像解释了由变换函数提供器440执行的过程,应当理解,本公开的实施例可以应用于涉及使用三个或更多个图像IM1至IMn并且每个图像包括两个或更多个图案的场景。应当注意,随着图像IM1至IMn的数量和图像中包括的图案的增加,用于获得变换函数的计算变得指数级地复杂。因此,预先计算特定于某个设备和系统的变换函数使得能够从检测信号中实时生成重建图像。
图7是表示与本公开的实施例一致的用于增强多束检测系统中的图像的示例性方法的过程流程图。为了说明的目的,将与图2的电子束工具40一起描述用于增强图像的方法。
在步骤S710中,可以获取检测信号。步骤S710可以由例如检测信号获取器410等来执行。在一些实施例中,可以从电子束工具40的电子检测设备140获取检测信号。如图2所示,电子检测设备140可以包括多个检测元件。尽管图2示出了电子检测设备140包括布置在一条线上的三个检测元件140_1、140_2和140_3,但是应当理解,电子检测设备140可以包括任何布置的任何数量的检测元件。例如,电子检测装置140可以具有m个检测元件,这些检测元件布置在具有k个行和n个列的矩阵中。这里,“k”和“n”可以是等于或大于1的自然数,并且“m”可以是等于或大于2的自然数。因此,在一些实施例中,可以获取与m个检测元件140_1至140_m相对应的m个检测信号s1至sm检测信号。应当理解,所获取的检测信号s1至sm可以经受各种信号处理,例如放大、噪声消除等。从电子检测设备140获取的检测信号s1至sm可以是模拟信号。
在步骤S720中,可以将获取的模拟检测信号转换为数字检测信号s1至sm。步骤S710可以由例如模数转换器420等来执行。在一些实施例中,可以将模拟检测信号转换为数字检测信号s1至sm以获得检测到的二次电子的分布。在检测时间窗口期间收集的电子分布数据与入射在晶片表面上的每个初级子束102_1、102_2和102_3的相应扫描路径数据相结合,可以用于生成被检查的晶片结构的图像。
如上所述,检测信号s1至sm可以包含除了对应的预期信号之外的串扰信号。换言之,从对应的检测元件140_1至140_m检测到的检测信号s1至sm可以包括源自对应的二次电子束的预期信号和源自除了预期的二次电子束之外的二次电子束的串扰信号。因此,在步骤S730中,可以从检测信号s1至sm减少、最小化或去除串扰污染。步骤S710可以由例如串扰减少器430等来执行。根据本公开的实施例,可以通过使用变换函数减少检测信号s1至sm的串扰污染,该变换函数可以例如通过图8所示的过程获得并且由图5的变换函数提供器440执行。用于减少来自检测信号s1至sm的串扰污染的原理已针对上述等式1至4进行了说明,因此这里将省略。
根据本公开的实施例,变换函数可以对应于等式4的逆响应矩阵R-1。在一些实施例中,通过将检测信号s1至sm与等式4所示的变换函数相乘来减少、最小化或去除检测信号s1至sm的串扰污染。以这种方式,可以获得没有或具有最小串扰污染的二次电子束102_1se至102_mse的束强度b1至bm。
在步骤S740中,可以生成与通过减少、最小化或去除检测信号s1至sm的串扰污染而获得的多个二次电子束102_1se至102_mse相对应的多个图像,与本公开的实施例一致。步骤S710可以由例如图像生成器440等来执行。在一些实施例中,所生成的多个图像可以是由样本1上的多个探针点(例如,102_1S、102_2S和102_3S)扫描的多个区域的图像,其中在这些区域中生成对应的二次电子束(例如,102_1se、102_2se和102_3se)。根据本公开的实施例,可以一次或顺序地生成多个图像。在一些实施例中,所生成的多个图像可以是无串扰伪像的图像。
尽管已经结合减少或去除检测信号中的串扰污染的实施例描述了本公开,但是将理解,根据本公开的实施例,还可以减少或去除基于检测信号生成的图像中的串扰污染。例如,可以基于从对应的检测元件140_1至140_m检测到的检测信号s1至sm生成多个图像,并且多个图像中的每一个可以包括源自对应的二次电子束的预期图案和源自除了预期的二次电子束之外的二次电子束的重影图案。在该示例中,可以基于变换函数从多个图像中减少或去除诸如重影图案的串扰污染。在一些实施例中,可以基于检测信号和图像的像素值之间的转换关系来修改例如可以通过图8所示的工艺获得并且由图5的变换函数提供器440执行的变换函数,并且修改后的变换函数可以用于从图像中减少或去除重影图案。在一些实施例中,可以通过与图8所示的工艺类似的工艺来获得变换函数,使得变换函数可以直接应用于图像。在一些实施例中,机器学习网络可以以直接应用于图像的形式训练变换函数,例如图像的像素值,以减少或去除串扰污染。这里,变换函数仍然可以基于检测信号与二次电子束的束强度之间的关系。在一些实施例中,一种用于增强图像的方法可以包括从多束检查系统的检测器获取第一图像,其中第一图像基于来自检测器的第一区域的第一检测信号生成,其中该第一区域入射有第一二次电子束的电子和第二二次电子束的电子,并且基于第一检测信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像中减少源自第二二次电子束的串扰图像。
图8是表示与本公开的实施例一致的用于生成减少来自电子束检测信号的串扰污染的变换函数的示例性方法的工艺流程图。在一些实施例中,可以在图7的步骤S730使用由图8的工艺生成的变换函数。
在步骤S810中,可以从目标设备(诸如但不限于可以确定变换函数的工具40或系统100)获取多个图像IMl至IMn。步骤S810可以由例如图案标识器441等来执行。在一些实施例中,多个图像IMl至IMn可以包括通过对任一样本的一次扫描操作获得的并且对应于样本的多个子区域的多个图像。在一些实施例中,多个图像IMl至IMn可以包括从一个样本的多个扫描操作获得的多组图像。这里,每组图像可以包括通过相应的扫描操作获得的并且对应于样本的多个子区域的多个图像。在一些实施例中,多个图像IMl至IMn可以包括从多个样本的多个扫描操作获得的多组图像。这里,每组图像可以包括通过对应的扫描操作获得的并且对应于对应样本的多个子区域的多幅图像。
根据本公开的实施例,在步骤S820中,可以标识输入图像IMl至IMn的图案。步骤S820可以由例如图案标识器441等来执行。可以确定哪个图案是特定图像的主图案以及哪个图案是源自串扰污染的重影图案。在一些实施例中,可以通过参考信息文件(例如图4的444)来标识图案,该信息文件可以在确定由串扰污染导致的主图案和重影图案时提供特定图像的参考信息。在一些实施例中,信息文件444可以包含示出了输入图像IMl至IMn的主图案的图像。在一些实施例中,可以确定输入图像IMl至IMn的主图案的形状和位置。例如,信息文件444可以包含与输入图像IMl至IMn相对应的多个参考图像,并且示出如果没有发生串扰污染,则对应的输入图像IMl至IMn意在是什么。在一些实施例中,信息文件444可以包含与它们的输入图像IMl至IMn相对应的样本子区域的基准真相图像。在一些实施例中,包含在信息文件444中的图像可以是图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、打开艺术品系统交换标准(OASIS)格式、加州理工学院中间格式(CIF)等。在一些实施例中,包含在信息文件441中的图像可以包括与它们的输入图像IMl至IMn相对应的样本子区域的晶片设计布局。晶片设计布局可以基于用于构造晶片的图案布局。晶片设计布局可以对应于一个或多个光刻掩模或掩模版,其用于将特征从光刻掩模或掩模版转移到晶片,例如样本1。在一些实施例中,GDS或OASIS等中的信息文件可以包括以二进制文件格式存储的特征信息,表示平面几何形状、文本和与晶片设计布局相关的其他信息。
为了说明的目的和简单性,将针对图3A至图3C的电子束图像来解释步骤S820的工艺。例如,假设图案标识器441接收到基于第一检测元件140_1的第一检测信号s1生成的第一图像IM1(如图3C所示),以及基于第二检测元件140_2的第二检测信号s2生成的第二图像IM2(未示出)。在该示例中,信息文件441可以包含第一参考图像和第二参考图像,它们对应于图3A和图3B中所示的图像,并且对应于没有串扰污染的从第一检测元件140_1和第二检测元件140_2预期的图像。第一参考图像示出了通过第一检测元件140_1检测的样本1的子区域预期看起来像没有串扰污染,而第二参考图像示出了通过第二检测元件140_2检测的样本1的子区域预期看起来没有串扰污染。在该示例中,可以通过参考第一参考图像和第二参考图像确定第一图像IM1的主图案和重影图案。例如在第一图像IM1中,可以将图案A标识为源自二次电子束102_1se的主图案并且将图案B标识为源自相邻二次电子束102_2se的重影图案。类似地,在第二图像IM2中,可以将图案B标识为主图案并且将图案A标识为重影图案。
在步骤S830中,与本公开的实施例一致,可以基于在步骤S820中标识的图案信息从输入图像IMl至IMn中提取图像块。步骤S830可以由例如图像块提取器442等来执行。作为示例,将针对如图3C所示的第一图像IM1来说明步骤S830的过程。如图6所示,第一图像包含主图案A和重影图案B。在该示例中,可以提取三种类型的图像块,诸如但不限于背景块P1、主图案块P2和重影图案块P3。在一些实施例中,背景块P1可以是第一图像IM1的一部分并且仅包括不具有构成主图案A或重影图案B的特征的区。主图案块P2可以是第一图像IM1的一部分,并且仅包括具有构成主图案A但不是重影图案B的特征的区。类似地,重影图案块P3可以是第一图像IM1的一部分并且仅包括具有构成重影图案B但不是主图案A的特征的区。在一些实施例中,可以从第一图像IM1中提取多个背景块P1、多个主图案块P2和多个重影图案块P3。类似地,可以从第二图像IM2(未示出)中提取一个或多个背景块、一个或多个主图案块以及一个或多个重影图案块。
尽管针对如图6所示的仅具有两个图案的图像解释了从电子束图像中提取块,但是应当理解,本公开的实施例可以应用于使用三个或更多个图像IMl至IMn的场景,并且每个图像包括三个或更多图案。如果基于检测信号生成的图像中存在三个或更多图案,则还可以提取三种类型的块,诸如背景块P1、主图案块P2和重影图案块P3。如果图像IM1包含主图案A、第一重影图案B1和第二重影图案B2,则重影图案块P3可以包括两种类型的重影图案块P31和P32。例如,第一类重影图案P31可以是图像的一部分,并且仅包括具有构成第一重影图案B1,而不是主图案A和第二重影图案B2的特征的区。这样,即使图像中的图案数量越来越多,也可以通过使用不多于一个图案的块来降低计算复杂度。在一些实施例中,为了更高的精度,可以将多个图案重叠的区提取为块。例如,当在图像中具有不多于一个图案的区受到限制并且因此用于计算的数据很短时,具有两个或更多个图案的块可以用于计算。
在步骤S840中,可以生成与从中获取多个图像IM1至IMn的目标设备相关联的变换函数。步骤S840可以由例如图5的机器学习网络443等来执行。与本公开的一些实施例一致,可以通过接收从步骤S830提取的图像块P1、P2和P3作为其输入来推断变换函数。在一些实施例中,可以从接收到的图像块P1、P2和P3中获得用于推断变换函数的信息。在一些实施例中,用于推断变换函数的信息可以包括但不限于所提取图像块的位置以及与所提取图像块的位置相对应的检测信号。
为简单起见,将以仅使用两个初级电子子束(诸如第一子束和电子子子束102_1和102_2)进行扫描为例来说明步骤S830的工艺。如上所述,应当理解,如果确定了探测点或相应检测元件内的相对位置,则可以通过从诸如b1的束强度和诸如s1的检测信号中找到与相对位置相对应的时间点处的束强度值和检测信号值来确定相对位置的束强度和检测信号。根据本公开的实施例,可以获得第一图像IM1中的背景块P1的位置,以及如上所述的与背景块P1的位置相对应的检测信号值。这里,背景块P1处的检测信号是与背景块P1的位置相对应的第一二次电子束102_1se的一部分和第二二次电子束102_2se的一部分的总和。在一些实施例中,在背景块P1的位置处的第一二次电子束102_1se和第二二次电子束102_2se可以具有与样本1的背景区相对应的相同强度。在同一示例中,可以获得第一图像IM1中的主图案块P2的位置和与主图案块P2的位置相对应的检测信号值。这里,主图案块P2处的检测信号可以是与主图案的位置相对应的第一二次电子束102_1se的一部分和第二二次电子束102_2se的一部分的总和。在一些实施例中,在主图案块P的位置处,第二二次电子束102_2se可以具有与样本1的背景区相对应的强度。可以获得在第一图像IM1中的重影图案块P3的位置以及与重影图案块P3的位置相对应的检测信号值。这里,重影图案块P2处的检测信号可以是与重影图案块P3的位置相对应的第一二次电子束102_1se的一部分和第二二次电子束102_2se的一部分的总和。在一些实施例中,在用于重影图案块P3的位置处,第一二次电子束102_1se可以具有与样本的背景区相对应的强度。如果二次电子束102_1se和102_2se在样本1的背景区域上具有恒定值,则可以减少用于推断变换函数的变量的数量。
在一些实施例中,可以使用无监督机器学习算法来学习变换函数。例如,参考等式4,可以通过使用从图像块获得的信息作为输入数据并且通过为学习过程设置条件来学习变换函数(对应于R-1)的元素r11至rmm以及元素b1至bm。对于以上示例,变换函数可以具有四个元素r11至r22,信号S可以具有两个元素:来自第一检测元件140_1的第一检测信号s1和来自第二检测元件140_2的第二检测信号s2,并且束强度I可以具有两个元素b1和b2,该两个元素具有对应于背景区的相同值。在这些输入数据和条件下,可以通过机器学习算法推断出变换函数的元素和束强度I的元素。在一些实施例中,可以通过使用诸如P2和P3的后续图像块来更新先前学习的变换函数和束强度。在一些实施例中,如果满足结束学习过程的条件,可以生成变换函数。例如,如果迭代次数变为等于某个数值,或者如果变换函数的精度达到某个水平,则该过程可以结束。
在一些实施例中,可以使用监督机器学习算法来学习变换函数。例如,参考等式4,在元素b1至bm对于机器学习算法已知的条件下,使用从图像块获得的信息作为输入数据来学习变换函数(对应于R-1)的元素r11至rmm。对于以上示例,变换函数可以具有四个元素r11至r22,信号S可以具有两个元素:来自第一检测元件140_1的第一检测信号s1和来自第二检测元件140_2的第二检测信号s2,并且提供了束强度I的两个元素b1和b2。在这些输入和条件下,机器学习网络443可以被配置为推断变换函数的元素。在一些实施例中,可以通过使用诸如P2和P3的后续图像块以及束强度信息来更新先前学习的变换函数。在一些实施例中,与每个图像块P1至P3相对应的随时间变化的束强度信息可以存储在存储介质中并且可以提供给机器学习算法。在一些实施例中,可以从模拟、先前实验等中获得束强度信息。
虽然针对图3A至图3C中所示的图像解释了图8的工艺,但是应当理解,本公开的实施例可以应用于涉及使用三个或更多个图像IM1至IMn并且每个图像包括两个或更多个图案的场景。应当注意,随着图像IM1至IMn的数量和图像中包括的图案的增加,用于获得变换函数的计算变得指数级地复杂。因此,预先计算特定于特定设备和特定系统的变换函数使得能够从检测信号中实时生成重建图像。
在一些实施例中,可以相对于特定电子束工具40或EBI系统100确定变换函数,因为串扰污染是工具或系统本身特有的,而不是操作工具或系统中的错误。因此,根据本公开的实施例,可以利用从特定工具40或系统100获取的图像预先计算变换函数,并且按需提供以根据检测信号重建图像。在一些实施例中,变换函数可以存储在存储介质(未示出)中并且可以在需要时被访问。在一些实施例中,当从工具40或系统100获取新图像时,可以更新变换函数。在一些实施例中,可以周期性地更新变换函数,因为由于工具40或系统100中固有的缺陷导致的散焦程度或水平可以随时间改变。因此,可以使用最新的变换函数来减少或消除串扰污染。
可以使用以下条款进一步描述实施例:
1.一种用于增强图像的方法,该方法包括:
从多束检查系统的检测器获取多个图像信号中的第一图像信号,其中第一图像信号对应于来自检测器的第一区域的检测信号,第一二次电子束的电子和第二二次电子束的电子入射在该第一区域上;
使用第一图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束的串扰污染;以及
减少后生成对应于第一二次电子束的第一图像。
2.根据条款1所述的方法,其中第三二次电子束还入射在检测器的第一区域上,并且其中减少串扰污染包括使用第一图像信号和与第一二次电子束、第二二次电子束和第三二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束和第三二次电子束的串扰污染。
3.根据条款1或2所述的方法,其中该关系是变换矩阵的形式,并且通过将变换矩阵乘以第一图像信号来执行减少串扰污染。
4.根据条款1至3中任一项所述的方法,其中减少串扰污染是实时执行的。
5.根据条款1至4中任一项所述的方法,还包括:
在获取第一图像之前,基于多束检查系统获取的多个先前图像获得关系。
6.根据条款5所述的方法,其中获得关系还包括:
标识多个先前图像中的每一个中的预期图案和非预期图案;
从多个图像的每一个中提取覆盖预期图案和非预期图案之外的区的第一块、覆盖预期图案的第二块和覆盖非预期图案的第三块;并且使用基于第一块、第二块和第三块的机器学习网络生成关系。
7.根据条款6所述的方法,其中标识预期图案和非预期图案是通过使用包含用于确定多个先前图像的预期图案的信息的参考图像来执行的。
8.根据条款7所述的方法,其中参考图像是图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、打开艺术品系统交换标准(OASIS)格式或加州理工学院中间格式(CIF)。
9.根据条款6至8中任一项所述的方法,其中非预期图案包括多个非预期图案。
10.根据条款1至9中任一项所述的方法,其中第二二次电子束的一部分电子入射在检测器的第一区域上。
11.根据条款1至10中任一项所述的方法,还包括:
获取多个图像信号中的第二图像信号,其中第二图像信号对应于来自检测器的第二区域的检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在第二区域上;
使用第二图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第二图像信号中减少源自第一二次电子束的串扰污染;以及
减少后生成对应于第二二次电子束的第二图像。
12.一种图像增强装置,包括:
存储一组指令的存储器;和至少一个处理器,被配置为执行该组指令以使该装置执行:
从多束检查系统的检测器获取多个图像信号中的第一图像信号,其中第一图像信号对应于来自检测器的第一区域的检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在第一区域上;使用第一图像信号与与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束的串扰污染;以及在减少后,生成对应于第一二次电子束的第一图像。
13.根据条款12所述的装置,其中第三二次电子束还入射在检测器的第一区域上,并且其中减少串扰污染包括使用第一图像信号和与第一二次电子束、第二二次电子束和第三二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束和第三二次电子束的串扰污染。
14.根据条款12或13所述的装置,其中该关系是变换矩阵的形式,并且通过将变换矩阵乘以第一图像信号来执行减少串扰污染。
15.根据条款12至14中任一项所述的装置,其中减少串扰污染是实时执行的。
16.根据条款12至15中任一项所述的装置,其中在获取第一图像之前,至少一个处理器被配置为执行该组指令以使装置还执行:
基于多束检查系统获取的多个先前图像获得关系。
17.根据条款16所述的装置,其中获得关系还包括:
标识多个先前图像中的每一个中的预期图案和非预期图案;
从多个图像的每一个中提取覆盖预期图案和非预期图案之外的区的第一块、覆盖预期图案的第二块和覆盖非预期图案的第三块;并且使用基于第一块、第二块和第三块的机器学习网络生成关系。
18.根据条款17所述的装置,其中标识预期图案和非预期图案是通过使用包含用于确定多个先前图像的预期图案的信息的参考图像来执行的。
19.根据条款18所述的装置,其中参考图像是图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、打开艺术品系统交换标准(OASIS)格式或加州理工学院中间格式(CIF)。
20.根据条款16至19中任一项所述的装置,其中非预期图案包括多个非预期图案。
21.根据条款12至20中任一项所述的装置,其中第二二次电子束的一部分电子入射在检测器的第一区域上。
22.根据条款12至21中任一项所述的装置,其中至少一个处理器被配置为执行该组指令以使装置还执行:
获取多个图像信号中的第二图像信号,其中第二图像信号对应于来自检测器的第二区域的检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在该第二区域上;
使用第二图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第二图像信号中减少源自第一二次电子束的串扰污染;以及
在减少后,生成对应于第二二次电子束的第二图像。
23.非暂态计算机可读介质,存储一组指令,该组指令能够由计算设备的至少一个处理器执行以使得执行用于增强图像的方法,该方法包括:
从多束检查系统的检测器获取多个图像信号中的第一图像信号,其中第一图像信号对应于来自检测器的第一区域的检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在该第一区域上;
使用第一图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束的串扰污染;以及
在减少后,生成对应于第一二次电子束的第一图像。
24.根据条款23所述的计算机可读介质,其中第三二次电子束还入射在检测器的第一区域上,并且其中减少串扰污染包括使用第一图像信号和与第一二次电子束、第二二次电子束和第三二次电子束相关联的束强度之间的关系,从第一图像信号中减少源自第二二次电子束和第三二次电子束的串扰污染。
25.根据条款23或24所述的装置,其中该关系是变换矩阵的形式,并且通过将变换矩阵乘以第一图像信号来执行减少串扰污染。
26.根据条款23至25中任一项所述的计算机可读介质,其中减少串扰污染是实时执行的。
27.根据条款23至26中任一项所述的计算机可读介质,其中在获取第一图像之前,该组指令可由所述计算设备的至少一个处理器执行以使计算设备还执行:
基于多束检查系统获取的多个先前图像获得关系。
28.根据条款27所述的计算机可读介质,其中获得关系还包括:
标识多个先前图像的每一个中的预期图案和非预期图案;从多个图像的每一个中提取覆盖预期图案和非预期图案之外的区的第一块、覆盖预期图案的第二块和覆盖非预期图案的第三块;并且使用基于第一块、第二块和第三块的机器学习网络生成关系。
29.根据条款28所述的计算机可读介质,其中标识预期图案和非预期图案是通过使用包含用于确定多个先前图像的预期图案的信息的参考图像来执行的。
30.根据条款29所述的计算机可读介质,其中参考图像是图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、打开艺术品系统交换标准(OASIS)格式或加州理工学院中间格式(CIF)。
31.根据条款28至30中任一项所述的计算机可读介质,其中非预期图案包括多个非预期图案。
32.根据条款23至31中任一项所述的计算机可读介质,其中第二二次电子束的一部分电子入射在检测器的第一区域上。
33.根据条款23至32中任一项所述的计算机可读介质,其中该组指令可由所述计算设备的至少一个处理器执行以使计算设备还执行:
获取多个图像信号中的第二图像信号,其中第二图像信号对应于来自检测器的第二区域的检测信号,其中该第二区域入射有第一二次电子束的电子和第二二次电子束的电子;
使用第二图像信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第二图像信号中减少源自第一二次电子束的串扰污染;以及
在减少后,生成对应于第二二次电子束的第二图像。
34.一种用于减少多束检查系统中的串扰污染的方法,该方法包括:
通过多束检查系统分别获取样本上的第一区和第二区的第一图像和第二图像,其中第一图像基于来自多束检查系统的第一检测区域的第一检测信号生成,第二图像基于来自多束检查系统的第二检测区域的第二检测信号生成;
通过使用对应于第一区的第一参考图像来确定源自第一二次电子束的第一图像的主图案;
通过使用对应于第二区的第二参考图像来确定第一图像是否包括源自第二二次电子束的重影图案;
确定第一检测信号和与第一二次电子束和第二二次电子束的束强度之间的关系;以及
基于所确定的关系减少来自第一检测区域的第三检测信号的串扰污染。
35.根据条款34的方法,其中在获取第三检测信号之后实时执行减少串扰污染。
36.根据条款34或35所述的方法,其中确定关系是基于分析第一图像的图像块来执行的,其中图像块包括覆盖主图案和重影图案之外的区的第一图像块、覆盖主图案的第二图像块,以及覆盖重影图案的第三个图像块。
37.一种用于增强图像的方法,该方法包括:
从多束检查系统的检测器获取第一图像,其中第一图像对应于来自检测器的第一区域的第一检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在该第一区域上;以及
基于第一检测信号和与第一二次电子束和第二二次电子束相关联的束强度之间的关系,从第一图像中减少源自第二二次电子束的串扰图像。
38.根据条款37所述的方法,其中通过以下步骤获得该关系:
获取多光束检查系统获取的第一先前图像和第二先前图像;
基于包含用于确定第一和第二先前图像的预期图案的信息的参考图像,标识第一和第二先前图像的每一个中的预期图案和非预期图案;
从第一和第二先前图像的每一个中提取覆盖预期图案和非预期图案之外的区的第一块、覆盖预期图案的第二块和覆盖非预期图案的第三块;以及
使用基于第一个块、第二块和第三块的机器学习网络生成关系。
39.根据条款38所述的方法,其中参考图像是图形数据库系统(GDS)格式、图形数据库系统II(GDS II)格式、打开艺术品系统交换标准(OASIS)格式或加州理工学院中间格式(CIF)。
可以提供存储用于控制器(例如,图1的控制器50)的处理器的指令的非瞬态计算机可读介质,以执行图像检查、图像采集、台定位、束聚焦、电场调整、束弯曲、聚光透镜调整、激活带电粒子源、束偏转等。非暂态介质的常见形式包括,例如,软驱、软盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、只读存贮型光盘(CD-ROM)、任何其他光学数据存储介质、具有孔图案的任何物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)和可擦除可编程只读存储器(EPROM)、FLASH-EPROM或任何其他闪存、非易失性随机访问存储器(NVRAM)、高速缓存、寄存器、任何其他存储芯片或盒式存储器以及它们的联网版本。
应当理解,本公开的实施例不限于上面已经描述并在附图中示出的确切结构,并且可以在不脱离其范围的情况下进行各种修改和改变。已经结合各种实施例描述了本公开,考虑到本文公开的本发明的说明书和实践,本发明的其他实施例对于本领域技术人员来说将是显而易见的。说明书和示例旨在仅被视为示例性的,本发明的真实范围和精神由所附权利要求指出。
以上描述旨在说明性而非限制性的。因此,对于本领域的技术人员来说显而易见的是,在不脱离下面阐述的权利要求的范围的情况下,可以进行所描述的修改。
Claims (15)
1.一种用于增强图像的方法,所述方法包括:
从多束检查系统的检测器获取多个图像信号中的第一图像信号,其中所述第一图像信号对应于来自所述检测器的第一区域的检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在所述第一区域上;
使用所述第一图像信号和与所述第一二次电子束和所述第二二次电子束相关联的束强度之间的关系,从所述第一图像信号中减少源自所述第二二次电子束的串扰污染;以及
在减少后,生成对应于所述第一二次电子束的第一图像。
2.一种图像增强装置,包括:
存储器,存储一组指令;和
至少一个处理器,被配置为执行所述一组指令以使所述装置执行:
从多束检查系统的检测器获取多个图像信号中的第一图像信号,其中所述第一图像信号对应于来自所述检测器的第一区域的检测信号,第一二次电子束的电子和第二二次电子束的电子入射在所述第一区域上;
使用所述第一图像信号和与所述第一二次电子束和所述第二二次电子束相关联的束强度之间的关系,从所述第一图像信号中减少源自所述第二二次电子束的串扰污染;以及
在减少后,生成对应于所述第一二次电子束的第一图像。
3.根据权利要求2所述的装置,其中第三二次电子束还入射在所述检测器的所述第一区域上,并且
其中减少串扰污染包括使用所述第一图像信号和与所述第一二次电子束、所述第二二次电子束和所述第三二次电子束相关联的束强度之间的关系,从所述第一图像信号中减少源自所述第二二次电子束和所述第三二次电子束的串扰污染。
4.根据权利要求2所述的装置,其中所述关系是变换矩阵的形式,并且通过将所述变换矩阵乘以所述第一图像信号来执行减少串扰污染。
5.根据权利要求2所述的装置,其中减少所述串扰污染是实时执行的。
6.根据权利要求2所述的装置,其中在获取所述第一图像之前,所述至少一个处理器被配置为执行所述一组指令以使所述装置还执行:
基于由所述多束检查系统所获取的多个先前图像来获得所述关系。
7.根据权利要求6所述的装置,其中获得所述关系还包括:
标识所述多个先前图像中的每一个先前图像中的预期图案和非预期图案;
从所述多个图像中的每一个图像提取覆盖所述预期图案和所述非预期图案之外区域的第一块、覆盖所述预期图案的第二块和覆盖所述非预期图案的第三块;以及
使用机器学习网络、基于所述第一块、所述第二块和所述第三块来生成所述关系。
8.根据权利要求7所述的装置,其中标识所述预期图案和所述非预期图案是通过使用参考图像来执行的,所述参考图像包含用于确定针对所述多个先前图像的预期图案的信息。
9.根据权利要求8所述的装置,其中所述参考图像是图形数据库系统(GDS)格式、图形数据库系统II(GDSII)格式、打开艺术品系统交换标准(OASIS)格式或加州理工学院中间格式(CIF)。
10.根据权利要求7所述的装置,其中所述非预期图案包括多个非预期图案。
11.根据权利要求2所述的装置,其中所述第二二次电子束的一部分电子入射在所述检测器的所述第一区域上。
12.根据权利要求2所述的装置,其中所述至少一个处理器被配置为执行所述一组指令以使所述装置还执行:
获取所述多个图像信号中的第二图像信号,其中所述第二图像信号对应于来自所述检测器的第二区域的检测信号,所述第一二次电子束的电子和所述第二二次电子束的电子入射在所述第二区域上;
使用所述第二图像信号和与所述第一二次电子束和所述第二二次电子束相关联的束强度之间的关系,从所述第二图像信号中减少源自所述第一二次电子束的串扰污染;以及
在减少后,生成对应于所述第二二次电子束的第二图像。
13.一种非暂态计算机可读介质,存储一组指令,所述一组指令能够由计算设备的至少一个处理器执行以使得执行一种用于增强图像的方法,所述方法包括:
从多束检查系统的检测器获取多个图像信号中的第一图像信号,其中所述第一图像信号对应于来自所述检测器的第一区域的检测信号,其中第一二次电子束的电子和第二二次电子束的电子入射在所述第一区域上;
使用所述第一图像信号和与所述第一二次电子束和所述第二二次电子束相关联的束强度之间的关系,从所述第一图像信号中减少源自所述第二二次电子束的串扰污染;以及
在所述减少后,生成对应于所述第一二次电子束的第一图像。
14.根据权利要求13所述的计算机可读介质,其中第三二次电子束还入射在所述检测器的所述第一区域上,并且
其中减少串扰污染包括使用所述第一图像信号和与所述第一二次电子束、所述第二二次电子束和所述第三二次电子束相关联的束强度之间的关系,从所述第一图像信号中减少源自所述第二二次电子束和所述第三二次电子束的串扰污染。
15.根据权利要求13所述的计算机可读介质,其中所述关系是变换矩阵的形式,并且通过将所述变换矩阵乘以所述第一图像信号来执行减少串扰污染。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962886882P | 2019-08-14 | 2019-08-14 | |
US62/886,882 | 2019-08-14 | ||
PCT/EP2020/072332 WO2021028366A1 (en) | 2019-08-14 | 2020-08-08 | Cross-talk cancellation in multiple charged-particle beam inspection |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114556515A true CN114556515A (zh) | 2022-05-27 |
Family
ID=72046893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080071919.3A Pending CN114556515A (zh) | 2019-08-14 | 2020-08-08 | 多带电粒子束检查中的串扰消除 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220301811A1 (zh) |
KR (1) | KR20220032615A (zh) |
CN (1) | CN114556515A (zh) |
TW (2) | TW202223375A (zh) |
WO (1) | WO2021028366A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018124044B3 (de) | 2018-09-28 | 2020-02-06 | Carl Zeiss Microscopy Gmbh | Verfahren zum Betreiben eines Vielstrahl-Teilchenstrahlmikroskops und Vielstrahl-Teilchenstrahlsystem |
WO2023088623A1 (en) * | 2021-11-16 | 2023-05-25 | Asml Netherlands B.V. | Systems and methods for defect detection and defect location identification in a charged particle system |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007106759A2 (en) * | 2006-03-14 | 2007-09-20 | Applied Materials, Inc. | Method to reduce cross talk in a multi column e-beam test system |
EP2019415B1 (en) * | 2007-07-24 | 2016-05-11 | IMS Nanofabrication AG | Multi-beam source |
CN110383415B (zh) * | 2017-02-07 | 2022-10-11 | Asml荷兰有限公司 | 用于带电粒子检测的方法和装置 |
-
2020
- 2020-08-08 WO PCT/EP2020/072332 patent/WO2021028366A1/en active Application Filing
- 2020-08-08 KR KR1020227004924A patent/KR20220032615A/ko not_active Application Discontinuation
- 2020-08-08 CN CN202080071919.3A patent/CN114556515A/zh active Pending
- 2020-08-13 TW TW111107313A patent/TW202223375A/zh unknown
- 2020-08-13 TW TW109127463A patent/TWI758820B/zh active
- 2020-08-20 US US17/633,176 patent/US20220301811A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220301811A1 (en) | 2022-09-22 |
KR20220032615A (ko) | 2022-03-15 |
TW202113349A (zh) | 2021-04-01 |
WO2021028366A1 (en) | 2021-02-18 |
TWI758820B (zh) | 2022-03-21 |
TW202223375A (zh) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111201585B (zh) | 低剂量带电粒子量测系统 | |
CN112889127A (zh) | 用于对准多束检查装置中的电子束的系统和方法 | |
TWI758820B (zh) | 在多重帶電粒子束檢測中之串擾消除 | |
CN114631164A (zh) | 确定由带电粒子束工具获取的图像中的像差的方法、确定带电粒子束工具的设置的方法和带电粒子束工具 | |
US11694312B2 (en) | Image enhancement for multi-layered structure in charged-particle beam inspection | |
US20220392729A1 (en) | Tool for testing an electron-optical assembly | |
CN113632196A (zh) | 用于多射束检查装置中的次级射束的对准的系统和方法 | |
CN115104122A (zh) | 在多带电粒子束检查中根据检查图像的轮廓提取方法 | |
CN113646865A (zh) | 具有单束模式的多束检查设备 | |
TWI811655B (zh) | 用於在帶電粒子束檢測系統中增強檢測影像之方法、影像增強裝置及相關聯非暫時性電腦可讀媒體 | |
TWI749454B (zh) | 以多個帶電粒子束檢測樣本之方法 | |
TW202407741A (zh) | 於檢測期間改善影像品質之系統及方法 | |
NL2024994A (en) | Tool for testing an electron-optical assembly | |
TW202342974A (zh) | 資料處理裝置及方法以及帶電粒子評估系統及方法 | |
TW202412041A (zh) | 用於在檢測期間之失真調整之系統及方法 | |
CN117337446A (zh) | 数据处理设备和方法、带电粒子评估系统和方法 | |
CN117957496A (zh) | 用于在带电粒子系统中通过故障机制的分类和标识进行检查的系统和方法 | |
CN117280380A (zh) | 带电粒子检测中的图像增强 | |
CN117121064A (zh) | 改进的带电粒子图像检测 | |
CN115380252A (zh) | 用于晶片检查的处理参考数据 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |