CN116538951A - 利用几何模型进行3d临界尺寸测量 - Google Patents

利用几何模型进行3d临界尺寸测量 Download PDF

Info

Publication number
CN116538951A
CN116538951A CN202310119183.8A CN202310119183A CN116538951A CN 116538951 A CN116538951 A CN 116538951A CN 202310119183 A CN202310119183 A CN 202310119183A CN 116538951 A CN116538951 A CN 116538951A
Authority
CN
China
Prior art keywords
model
ocd
sample
constructed
images
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
Application number
CN202310119183.8A
Other languages
English (en)
Inventor
J·弗拉纳根
M·吴
E·弗兰肯
D·理查乌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FEI Co
Original Assignee
FEI Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by FEI Co filed Critical FEI Co
Publication of CN116538951A publication Critical patent/CN116538951A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/24Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/23Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • G06T2207/10061Microscopic image from scanning electron microscope
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

方法包括:获取模型样本的体积的一系列图像或光谱;使用一系列图像重建模型样本的体积的3D图像;通过形成重建的3D图像的分割并且将一个或多个原始几何形状拟合到分割来构建模型样本的体积的3D模型;获取测试样本图像或光谱;以及使用构建的3D模型测量测试样本临界尺寸,以指导测试光谱或图像的分析。公开了附加方法和相关系统、光学临界尺寸(OCD)方法和系统。

Description

利用几何模型进行3D临界尺寸测量
技术领域
本领域涉及临界尺寸(CD)测量。
背景技术
半导体制造需要越来越精确的临界尺寸(CD)计量和各种小型结构的材料成分测量,这些小型结构在半导体装置制造中生产并且通过研发进行探索。这样的结构的临界尺寸可以包括沟槽的深度、重复结构的间距、侧壁角度和下面的薄膜厚度等。这些测量由OCD、CD-SEM、(S)TEM、FIB-SEM、EDS和其他方法提供。(S)TEM是直接成像技术,具有最高分辨率,并且因此通常被认为是获得个体签名的CD测量的直接成像技术中质量最好的。然而,(S)TEM的吞吐量低,并且样本制备需要破坏性过程。由于现代半导体制造中的在线计量需要高吞吐量和非破坏性方法,所以(S)TEM已被用作参考计量。光学临界尺寸(OCD)方法和CD-SEM已被用作在线计量方案。随着装置大小不断缩小并且向3D架构发展,CD-SEM只能提供有限的计量数据。OCD可以提供快速、在线和3D计量方案。然而,与任何基于模型的光学计量技术一样,OCD依赖于模型的准确性和可靠性。
建立密集OCD模型的传统方法基于大量光谱的物理计算和回归分析。然后将测量的光谱与模型的模拟光谱进行比较,以找到最佳拟合。为了提高OCD测量的准确性和可靠性,CD-SEM、(S)TEM测量和其他技术的结果被输入OCD工具以验证模型。由于纳米级的n和k限制、表面和边缘粗糙度、材料成分的小偏差以及来自GAA和其他先进装置工艺的新3d架构,所以诸如随着参数相关性和歧义问题的增加,构建准确可靠的模型变得非常具有挑战性。这需要大量的计算能力(成本)和较长的解决时间。机器学习(ML)可以通过反复试验和反馈循环学习来提供更快的方案。但ML从根本上受到数据质量的限制。
因此,仍然需要通过使用直接尺寸和材料成分测量结果的准确可靠的3D建模来缩短OCD测量时间以提供优质方案。
发明内容
根据所公开技术的一方面,方法包括:获取模型样本的体积的一系列图像或光谱;使用一系列图像重建模型样本的体积的3D图像;通过形成重建的3D图像的分割并且将一个或多个原始几何形状拟合到分割来构建模型样本的体积的3D模型;获取测试样本图像或光谱;以及使用构建的3D模型测量测试样本临界尺寸,以指导测试光谱或图像的分析。一些方法示例包括将测量的临界尺寸与构建的3D模型的CD测量进行比较以验证直接CD测量准确性。一些方法示例包括通过测量构建的3D模型的尺寸来测量一系列图像或光谱的模型样本的临界尺寸、形状、轮廓和成分。在一些示例中,获取模型样本的体积的一系列图像或光谱包含,对于一系列图像中的每个图像,调整模型样本处的成像光束的参数和/或支撑模型样本的移动平台的参数,并且在每次调整后使用一个或多个图像传感器收集图像。
根据所公开技术的另一方面,方法包括:从3D图像构建模型样本的体积的3D模型,以形成构建的3D模型;通过将OCD探测光束引导至测试样本并且检测OCD响应光束来获取测试样本的光学临界尺寸(OCD)光谱;以及将获取的OCD光谱与模拟的OCD数据进行比较以确定测试样本的CD、形状、轮廓和成分,其中,模拟的OCD数据对应于OCD探测光束的模拟OCD响应光束特性,OCD探测光束指向对应于构建的3D模型的形状。一些示例还包括使用构建的3D模型和相关联的参数作为模拟的输入和约束,利用数值求解器执行OCD模拟以产生模拟的OCD数据。在一些示例中,模拟包括基于严格耦合波分析(RCWA)、有限元建模(FEM)和/或有限差分时域法(FDTD)对方程组进行数值求解。在一些示例中,模拟的OCD数据包含通过改变3D模型的一个或多个参数迭代的多个数值求解的解中的一个。在一些示例中,3D图像通过以下方式来获得:获取模型样本的体积的一系列图像或光谱;以及使用一系列图像重建模型样本的体积的3D图像;在一些示例中,构建的3D模型通过形成重建的3D图像的分割并且将一个或多个原始几何形状拟合到分割来获得。一些方法示例可以包括:从光学临界尺寸(OCD)系统库中检索构建的3D模型;以及调整构建的3D模型的原始几何形状以对应OCD测试样本的结构。
根据所公开技术的另一方面,一种3D直接计量测量系统包括:移动平台;光束源,其配置为将光束引导至由移动平台支撑的模型样本;传感器,其配置为接收来自模型样本的粒子;以及处理器,其耦合到移动平台和传感器,处理器耦合到或包括代码,当由处理器执行时,代码使系统获取模型样本的体积的一系列图像或光谱;使用一系列图像重建模型样本的体积的3D图像;通过形成重建的3D图像的分割并且将一个或多个原始几何形状拟合到分割来构建模型样本的体积的3D模型;以及通过以下方式测量测试样本的临界尺寸获取测试样本的一个或多个图像,标识与构建的3D模型具有相似性的测试样本的一个或多个图像的一部分,以及从获取的图像测量测试样本的临界尺寸(CD)。在一些示例中,处理器耦合到或包括代码,当由处理器执行时,代码使系统通过以下方式测量测试样本的临界尺寸:获取测试样本的一个或多个图像和/或光谱,标识与构建的3D模型具有相似性的一个或多个图像的一部分,以及从获取的图像和光谱测量测试样本的临界尺寸(CD)、形状、轮廓和材料成分。在一些示例中,处理器耦合到或包括代码,当由处理器执行时,代码使系统在通过测量构建的3D模型的尺寸获取一系列图像和/或光谱的位置处测量模型样本的临界尺寸。在一些示例中,处理器耦合到或包括代码,当由处理器执行时,代码使系统:检索从光学临界尺寸(OCD)模型库中获得的构建的3D模型;以及调整构建的3D模型的原始几何形状以对应OCD测试样本的结构。
根据所公开技术的另一方面,一种光学临界尺寸(OCD)测量系统包括:移动晶片台;OCD探测光束源,其配置为将OCD探测光束引导至由移动平台支撑的测试晶片;传感器,其配置为检测来自测试晶片的OCD响应光束;以及OCD处理器,其耦合到移动平台和传感器,OCD处理器耦合到或包括代码,当由OCD处理器执行时,代码使系统通过将OCD探测光束引导至测试晶片并且检测OCD响应光束来获取测试晶片的光学临界尺寸(OCD)数据;以及将获取的OCD数据与模拟的OCD数据进行比较以确定测试晶片的临界尺寸、形状、轮廓和成分,其中,模拟的OCD数据对应于OCD探测光束的模拟OCD响应光束特性,OCD探测光束指向对应于构建3D模型的形状,其中,构建的3D模型包含拟合到重建的3D图像的分割的一个或多个原始几何形状的布置。在一些示例中,处理器耦合到或包括代码,当由处理器执行时,代码使系统使用构建的3D模型和相关联的参数作为模拟的输入和约束,利用数值求解器执行OCD模拟以产生模拟的OCD数据。在一些示例中,模拟包括包括基于严格耦合波分析(RCWA)、有限元建模(FEM)和/或有限差分时域法(FDTD)对方程组进行数值求解数值求解。
根据所公开技术的进一步方面,计算机可读存储介质包括存储的处理器可执行指令,配置为执行本文所描述的任何方法示例。
所公开技术的上述和其他目标、特征以及优点将根据以下参考附图进行的详细描述而变得更加明显。
附图说明
图1是示出改进临界尺寸(CD)测量性能的示例方法的流程图。
图2是可以用于3D成像的显微镜的示意图。
图3是使用构建的3D模型来改进CD计量的方法的流程图。
图4是光学临界尺寸(OCD)测量系统的示意图。
图5是将通过直接CD获得的构建的3D模型与OCD方法和系统联系起来的方法的流程图。
图6A至图6B是断层摄影方法的侧面透视图。
图7是将3D模型扩展为支架以增强OCD测量的方法的流程图。
图8是示例计算系统的示意图,其中,一些描述的示例可以被实施。
图9是可以结合本文所描述的技术使用的示例云计算环境的示意图。
图10是应用于样本的直通聚焦方法的侧视示意图。
具体实施方式
改进的CD技术的概述
根据公开的技术示例,可以通过从通过直接成像方法获得的3D图像构建3D模型并且使用构建的几何3D模型解释OCD和/或3D(或具有材料成分特性的4D)体积数据,来解决直接和间接临界尺寸(CD)测量技术的许多上述问题。也就是说,通过使用至少三个维度而不是两个维度,OCD配置过程和直接计量测量过程都可以得到改进。此外,所公开的混合示例可以包括直接过程与OCD过程之间的链接以确保这些测量模态之间的一致性。
在所公开的混合计量示例中,3D或4D体积数据用于生成3D几何模型,然后,该几何模型用作生成光谱的模型,以与来自光学临界尺寸(OCD)的测量光谱进行比较,特别是对于新3D架构中的新工艺层。3D模型可以从通过直接3D成像技术(例如电子断层摄影、EDS、切片视图、通焦等)获得的3D图像重建构建。在许多示例中,从3D成像数据构建的3D模型既可以用作要拟合的模型,也可以用作提供几何和/或成分参数以约束OCD拟合。OCD拟合问题不适定,并且需要约束才能获得可接受的拟合。构建的3D模型可以在OCD过程中用作拟合OCD光谱数据的模型,以及为参数拟合提供参数集。参数集可以由模型指定,并且这些自变量用于描述数据。例如,可以从模型中计算OCD数据,并且然后可以改变模型参数,直到计算出的OCD与真实OCD匹配为止,类似于线性回归,其中,‘a’和‘b’在‘y=mx+b’中变化,以拟合数据集。3D模型和与之相关联的CD测量也可以用作参数约束,用于缩小或细化匹配模拟的OCD数据的选择,或以数值方式求解为最佳拟合的模拟迭代的数量和特性。
在许多示例中,构建的3D模型还可以用于解释进一步的体积数据,例如,通过各种直接3D成像技术(例如电子断层摄影、EDS、切片视图、通焦等)获得的体积数据。由于半导体装置变得更加三维,诸如3D NAND、全环绕栅极(GAA)等,这样的装置的计量可以受益于其三维特性与更准确地捕获其特征的3D成像技术之间改进的关联。进一步地,在3D而不是2D中执行计量并从2D切片重建3D测量可以减轻样本制备和计量工作流程的负担。例如,可以获得单个3D体积的图像,而不是要求对多个2D视图进行高准确性切割放置。图6A至图6B示出电子束断层摄影的示例方法600。在传感器608处形成图像606之前,样本602旋转通过各种倾斜角度,并且电子束604在每个倾斜位置传输通过样本。从所获得的一系列图像中获得断层摄影3D图像重建610。
也可以使用标准断层摄影方法的变体。在一些方法中,样本倾斜以在整个可能的倾斜范围内以角度均匀分布的方式成像,例如但不限于0.5度至3度的步长。图像可以通过用聚焦的探测光束扫描(例如,在STEM模式下)或通过使用相机同时用更大的探测光束照亮整个视场(例如,在TEM模式下)来获得。
为了提高断层摄影图像采集过程的速度,可以应用各种增强,这可以称为“稀疏扫描断层摄影”技术。在一些示例中,以有限的或截断的角度数量(例如但不限于大约3至7)(即“稀疏角断层摄影”)获取图像。通过将样本特性的先验知识包括到对应的断层摄影图像重建算法中,可以使用有限量的投影信息获得3D重建。替代的“稀疏扫描断层摄影”技术包括动态调整扫描模式,同时根据所检测到的感兴趣的特征扫描整个视场。
另一种方法可以包括“连续倾斜断层摄影成像”,其中,支撑样本的移动平台以恒定的倾斜速度连续倾斜,同时非常快速地获取相机或检测器数据。这样的方法可以减少数据收集所需的时间(例如,通过消除与旋转台的启动和停止相关联的时间延迟)和由于机械漂移导致稳定所需的延迟,以及启动和停止成像过程的开销。一些稀疏断层摄影过程可能特别适合柱状样本,其中,不存在与平面样本相关联的倾斜约束。
图1示出了可以用于改进CD测量性能的方法100。在102处,使用诸如TEM、STEM、FIB双光束或SEM的粒子束显微镜获得目标体积的一系列图像。通常通过调整显微镜成像参数(例如焦点、偏转光束位置、移动平台平移和/或旋转位置(例如,移动晶片平台)、传感器定时等)顺序地获取图像。在具体的TEM示例中,利用安装在移动平台上的薄片样本,系列中的每个图像可以通过以下布置来获得:调整到达样本的电子束的参数和/或支撑样本的移动平台的参数,将电子束引导到样本,用电子成像传感器检测透射电子,并且通过对光束和/或载物台参数进行小幅调整来重复该过程。
各种成像传感器可以用于检测感兴趣的粒子,包括CMOS传感器、CCD传感器、BSE检测器、PMT、EELS传感器、平板检测器、位置敏感(PoS)检测器等,它们配置为检测所选择的粒子,包括透射电子、散射电子、X射线、光子、离子等。成像参数和使用成像参数获得的一系列图像与兼容的3D成像技术相关联,诸如计算机断层摄影、EDS、切片视图、共焦、通焦、原子探针断层摄影(APT)等,其中,一系列图像可以重建为3D体积图像。在另一示例中,通过聚焦离子束(FIB)铣削产生3D样本体积,以产生柱状薄片。柱状通常不会受到断层摄影引起的缺失楔形伪影的影响。此外,它们相对没有FIB损伤,因为铣削区域与感兴趣的区域不相邻。在获取的数据包括EDS或EELS的进一步的示例中,通过添加材料成分细节,体积可以变成4D。成分信息也可以通过其他检测模态获得或可以先验已知。
在104处,所获得的一系列图像被存储在计算机存储器中并且计算处理器用于使用适合于获取的一系列图像的一种或多种重建算法来重建体积。例如,在一系列图像包含一堆平面图像的情况下,可以使用各种断层摄影重建算法,包括滤波反投影、迭代重建、傅里叶域重建、扇形光束重建和/或深度学习卷积神经网络等。
在106处,使用在104处获得的3D图像重建构建3D模型。例如,可以使用配置为确定3D图像重建的外部和/或内部表面范围的表面分割算法来分析3D图像重建。为了提供分割或在分割之后,可以将体积加载到3D计量包(例如“Avizo”)中,用户可以在其中通过将几何基元拟合到3D分割体积来构建3D几何模型。
在一些示例中,体积表面分割可以通过机器学习或诸如等值面的传统技术来实现。通过表面分割过程标识的分割表面可以通过拟合垂直于强度梯度的表面边缘来进一步细化。从表面提取的点云可以用于拟合几何基元。在许多示例中,基元可以是用户定义的或从CAD模型或GDS(图形设计系统)文件中获得的。示例原始几何形状可以包括立方体、平行六面体、圆柱体、圆锥体、球体或具有各种横截面特征(例如,梯形、正方形、弯曲等)的形状。在其他示例中,可以使用CAD网格划分算法将几何基元库自动拟合到分割的3D体积。要对OCD有用,需要精确的材料成分,并且在各种示例中,材料成分可以先验已知或直接获得,如通过4D体积数据。在4D体数据示例中,对应于一系列图像的检测模态或另外的相关检测模态可以提供3D体的不同位置的成分信息。
构建的3D模型可以多种方式使用,以增强CD测量。在108处,单独地或结合108处的OCD增强,构建的3D模型可以用于执行直接CD测量,包括在3D模型本身上以及通过使用3D模型作为测量棒来与其他图像或为其他样本成像位置获得的相关直接CD测量进行比较。在110处,在本文进一步讨论的许多示例中,构建的3D模型可以用于增强OCD测量过程。例如,在准备好3D几何模型之后,它可以用于解释OCD数据并通过允许稀疏扫描和收集更少的数据点等来提高进一步的3D体积的吞吐量。可以使用其他高通量技术,包括连续倾斜断层摄影和稀疏角断层摄影/构建的3D模型也可以用作支架,以通过将模型拟合到新体积来解释进一步的3D体积,从而允许自动提取计量临界尺寸。
直接CD示例
图2是电子显微镜200,诸如TEM,其可以用于实施本文所描述的各种3D成像技术和/或直接CD方法。应理解,可以使用其他直接测量仪器,并且以下描述可以适用于这样的其他直接测量仪器。另外的仪器可以包括对以下描述的修改或不同于以下描述,例如,其中,成像或测量是通过替代检查光束或检测模态获得的。
显微镜200通常包括配置为响应于成像控制206产生电子(或其他粒子)束204的光束源202。例如,成像控制206可以控制光束源202的定时,诸如发射或光束脉冲的启动和/或停止。样本208耦合到移动平台210(例如移动晶片台)并且被定位来接收电子束204。成像控制206耦合到移动平台210以控制样本208相对于入射电子束204的定位,诸如横向X-Y位置、垂直Z位置和/或倾斜或角度位置。电子束操纵系统212可以包括一个或多个透镜组件、光束偏转器或配置为控制样本208处的电子束204的焦点、位置或其他特性的其他组件。检测器214被定位以接收透射的、反射的、散射的、二次电子、光子或由样本208与电子束204之间的相互作用产生的其他粒子。成像处理器216耦合到检测器214,以例如响应于从检测器214接收到的检测信号处理检测到的图像信息。
在3D成像示例中,成像处理器216或另一处理器可以用于例如基于电子断层摄影或另一3D成像方法在样本208的不同方向和/或位置处收集一系列图像之后形成样本的3D图像重建218。在一些示例中,可以用显微镜200执行直接CD测量,或可以在没有具有3D成像能力的仪器的情况下执行。例如,成像处理器216可以配置为处理2D成像数据或3D图像重建218并且对图像数据执行CD测量。在一些示例中,3D图像重建218、使用3D图像重建218构建的3D模型和/或CD测量220可以包括CD库222,CD库222可由成像处理器216访问,以执行与所选择的结构相关联的CD数据与新收集的成像数据之间的比较。在进一步的示例中,成像控制206可以配置为自动从样本208的各个部分获取图像数据并且执行CD测量和/或比较,以例如直接对样本的多个位置进行采样以在半导体制造过程的一个或多个步骤验证临界尺寸。
图3示出了使用构建的3D模型来促进直接CD计量的方法300。在302处,3D或4D几何模型使用3D成像数据的重建(诸如从模型样本的一系列图像切片进行断层摄影重建)来构建,或如果构建的3D模型已经被构建,则可以例如在后续图像采集步骤之后从存储器获得。在304处,可以为用于生成3D模型的样本或不同的样本获取一个或多个图像,该一个或多个图像根据所采用的计量方法可以是2D或3D的。例如,粒子束可以被引导至测试样本的需要CD计量测量的所选择的区域,并且一个或多个图像使用成像传感器获取。在一些情况下,获得的图像可以包括多个结构,使得仅获取的图像的子集包括感兴趣的结构。因此,在306处,可以标识图像的部分,其中,感兴趣的结构具有与构建的3D模型的形状或图案相似性。在308处,可以使用构建的图像对获得的图像或图像部分执行CD测量以指导测量放置。对应于构建的图像的模型用作支架或模板,以指导新获得的图像的CD测量。例如,如果需要测量长方体的临界尺寸,则需要测量高度、宽度和深度,并且支架可以指导进行测量的位置。此外,构建的模型可以作为稀疏扫描和稀疏断层摄影技术加速3D图像获取的约束。稀疏扫描和稀疏断层摄影涉及收集的数据点少于其他必要的数据点。这是通过添加“填补漏洞”的约束来实现的。约束是从3D模型中获得的。例如,为了确定线性系统的‘n’个未知参数,必须进行‘n’次测量。如果进行了‘n-m’次测量,则系统无法确定,但如果添加‘m’次约束,则可以解决。以这种方式,3D模型用于规范使用稀疏数据重建3D图像。例如,模型可能会排除空隙区域中的密度。
光学临界尺寸(OCD)示例和混合示例
通过OCD过程获取的临界尺寸是照明区域内许多3D结构的高吞吐量平均值,而直接3D体积临界尺寸是单点测量。与3D或4D体积数据相比,OCD数据较差,这允许多个未平均独立单元的丰富计量数据。两种技术相互补充但可以基于本文所公开的示例中的相同基础模型。图4以OCD系统400的形式示出了这样的示例,其可以通过使用通过直接方法获得的3D体积数据来提高OCD测量的丰富度。
系统400包括具有一个或多个成像处理器404的OCD控制器402,OCD控制器402配置为指导系统400的操作。例如,成像处理器404被耦合以控制光束源406的操作,光束源406生成探测光束408并且根据计量测试将探测光束408引导至的样本410。
光学检测器412被定位成响应于探测光束408与样本410的相互作用而从样本410接收响应光束414。响应光束414可以包括各种类型的响应光,诸如衍射光、散射光、反射光和/或偏振光。OCD系统400可以为各种形式,包括散射仪和椭圆偏振仪。OCD控制器402还可以控制支撑样本410的载物台416并且可以被配置为在一个或多个方向上移动样本410以扫描样本410上的探测光束408。在进一步的示例中,样本可以为固定的或可移动的样本410,并且光束源406和光学检测器412可以为可移动的以进行扫描。
检测到的响应光束414的特性(以响应光束数据的形式)可以与样本410的结构和探测光束408的特性密切关联。因此,在OCD过程中,响应光束数据可以用于分析产生所检测到的响应光束414的结构。这种分析可以直接对响应光束数据执行,例如,使用配置为根据各种技术迭代地求解逆非线性优化问题的数值求解器418,这些技术诸如严格耦合波分析(RCWA)、有限元建模(FEM)、有限差分时域法(FDTD)等。替代地,模拟响应光束数据可以通过求解模拟响应光束预期从不同建模形状产生的正向问题来获得。可以将模拟响应光束数据存储在库420中并且可以将检测到的响应光束数据与模拟进行比较以确定匹配。通常,执行并且存储大量模拟,以便可以将它们与响应光束数据进行比较,其中,模拟的数量通常与目标结构中可以变化的结构参数的数量和变化范围相关。示例结构参数可以包括侧壁角度、高度、深度、直径、厚度、材料类型、间距等。根据所公开的示例,还可以模拟和改变与更复杂的3D结构相关联的另外的参数。
然而,由于OCD问题通常是不确定的,即没有唯一解,所以检测到的响应光束414的特性也可以描述与样本410的结构明显不同的许多其他结构。为了避免重建优化(或执行模拟)中的虚假局部最小值,样本结构的一般特性应该是已知的,并且可以参数化变化的结构特性也应该被推断出来。样本的特性可以使用模型来描述,该模型可以存储在库420中。可变参数可以作为约束422存储。随着描述样本410的结构的模型的准确性和可以预期变化的结构参数的信息增加,OCD结果的准确性增加并且获得OCD结果的计算难度降低。
直接CD系统424可以配置有3D成像系统426,诸如电子断层摄影、EDX系统或本文所描述的另一个3D成像系统。3D成像系统424可以收集一系列图像,并且然后形成3D重建,诸如样本410或相关样本上的结构的3D重建。直接CD系统424可以构建成像结构的3D模型428并且还产生3D模型的直接CD测量430。如以上所讨论的,在没有合适的模型和约束来限制正向或反向OCD问题的情况下,OCD测量可能不准确,或相关的数值问题在计算上可能不切实际。构建的3D模型428可以丰富地描述样本410的结构特性。因此,构建的3D模型428可以被发送到OCD系统400,例如,存储在库420中,使得它可以用作产生模拟响应光束数据的模型,以针对收集的OCD响应光束数据进行拟合。进一步地,对构建的3D模型428执行的CD测量430可以用于确定参数约束422。通过将直接CD测量430用作约束422,可以获得库420中用于基于OCD的比较和样本410的对应的OCD测量的改进的一组响应光束数据模拟。例如,通过直接CD测量430获得的参数约束422可以用于响应光束数据选择过程,以缩小或细化模拟响应光束数据集,或数值求解的模拟迭代的数量和特性,以到达准确的CD测量。
图5是OCD测量和链接直接CD和OCD测量系统的示例方法500。在502处,构建样本的3D模型。3D模型可以通过获取样本体积的图像(例如使用电子显微镜)、重建体积以形成3D图像,以及将各种几何基元拟合到样本来构建。在504处,样本的CD可以通过对构建的3D模型或3D图像执行CD测量来估计。在单独的OCD系统中,在506处,获得单独(或相同)样本的OCD响应光束测量。在508处,样本的CD测量可以使用OCD通过分析OCD响应光束测量(例如通过与使用合适的模型和约束获得的模拟OCD响应光束数据进行比较)来获得。在一些验证示例中,在510处,可以任选地将从构建的3D模型获得的CD测量与从OCD系统获得的CD测量进行比较,例如,为了确认基于OCD的CD测量相对于直接获得的CD测量的准确性。在一些示例中,构建的3D模型和/或针对3D模型或3D图像获得的CD测量可以被发送到OCD系统以改进利用OCD系统获得的CD测量。
图7是将构建的3D模型用作用于新结构的OCD测量的支架的另一示例方法700。在702处,用户或自动化过程从OCD系统的模型库中选择构建的3D模型。构建的3D模型可以从3D成像方法获得,诸如电子断层摄影或本文所描述的其他方法。在704处,构建的3D模型可以用作支架以提取进一步的3D模型的临界尺寸测量。例如,构建的3D模型可以拟合进一步的3D模型和通过将构建的模型用作模板测量进一步的模型几何基元(例如平面)之间的距离而提取的临界尺寸测量。在706处,OCD系统可以使用进一步的3D模型来执行OCD测量,例如,作为用于产生模拟OCD响应光束数据或模拟的约束的模型。
图8示出了示例性通焦方法800,其中,用聚焦探测光束804探测样本802。通焦方法是产生3D图像的另一选择。探测光束804沿着z方向轴806被引导至光束深度810处的焦点808(例如,STEM中的交叉位置,其也可以定义光束腰816)。在许多通焦示例中,通过将焦点808移动到沿轴806的不同光束深度位置,可以将光束804沿轴806从表面层812扫描到底层814。在一些示例中,小至1nm或更小的扫描层厚度是可能的,但是应理解,可以使用其他厚度。对于每一层,可以收集各种检测信号,诸如与光束腰816的厚度的积分差分相位衬度(iDPC)。通过通焦,具有在样本802中间的焦点808的图像可以对应于在该深度处沿着光束腰816的光束804的投影势。在一些示例中,3D图像可以通过堆叠单独的层图像来构建。
图9描绘了可以在其中实施所描述的创新的合适的计算系统900的一般化示例。计算系统900并不旨在对本公开的使用范围或功能提出任何限制,因为可以在各种通用或专用计算系统中实施创新。
参考图9,计算系统900包括一个或多个处理单元910、915和存储器920、925。在图9中,该基本配置930包括在虚线内。处理单元910、915执行计算机可执行指令,诸如用于实施图1至图8中所示的计算环境的组件,或提供数据(例如,3D成像数据、CD数据、模拟数据等)输出,如以上所描述。处理单元可以为通用中央处理单元(CPU)、专用集成电路(ASIC)中的处理器或任何其他类型的处理器。在多处理系统中,多个处理单元执行计算机可执行指令以提高处理能力。例如,图9示出中央处理单元910以及图形处理单元或协处理单元915。有形存储器920、925可以为易失性存储器(例如,寄存器、高速缓存、RAM)、非易失性存储器(例如,ROM、EEPROM、闪存等),或两者的某种组合,可由处理单元访问910、915。存储器920、925以适合于由处理单元910、915执行的计算机可执行指令的形式存储实施本文中所描述的一个或多个创新的软件980。
计算系统900可以具有另外的特征。例如,计算系统900包括存储装置940、一个或多个输入装置950、一个或多个输出装置960和一个或多个通信连接970。诸如总线、控制器或网络的互连机构(未示出)互连计算系统900的组件。通常,操作系统软件(未示出)为在计算系统900中执行的其他软件提供操作环境,并协调计算系统900的组件的活动。
有形存储装置940可以为可拆卸的或非可装卸的,并且包括磁盘、磁带或盒式磁带、CD-ROM、DVD或可以用于以非暂时性的方式存储信息并且可以在计算系统900内存取的任何其他介质。存储装置940存储用于实施本文所描述的一项或多项创新的软件980的指令。
输入装置950可以为诸如键盘、鼠标、笔或轨迹球等触摸输入装置、语音输入装置、扫描装置或向计算系统900提供输入的另一装置。输出装置960可以为显示器、打印机、扬声器、CD写入器或提供来自计算系统900的输出的另一装置。
通信连接970使得能够通过通信介质与另一计算实体通信,诸如在直接CD与OCD系统之间通信。通信介质传送信息,诸如计算机可执行指令、音频或视频输入或输出,或调制后的数据信号中的其他数据。调制后的数据信号是其特性中的一个或多个以如在信号中对信息进行编码的方式来设置或改变的信号。作为示例而非限制,通信介质可以使用电、光、RF或其他载体。
图10描绘了可以在其中实施所描述的技术的示例云计算环境1000。云计算环境1000包括云计算服务1010。云计算服务1010可以包含各种类型的云计算资源,诸如计算机服务器、数据存储库、网络资源等。云计算服务1010可以位于中央(例如,由企业或组织的数据中心提供))或为分布式的(例如,由位于不同位置的各种计算资源提供,诸如不同的数据中心和/或位于不同的城市或国家)。云计算服务1010由各种类型的计算装置(例如,客户端计算装置)使用,诸如计算装置1020、1022和1024。例如,计算装置(例如,1020、1022和1024)可以为计算机(例如,台式计算机或膝上型计算机)、移动装置(例如,平板计算机或智能电话)或其他类型的计算装置。例如,计算装置(例如,1020、1022和1024)可以利用云计算服务1010来执行计算操作,例如,数据处理(例如OCD模型模拟/优化和/或3D重建)、数据存储(例如3D图像数据、OCD数据、模型、约束)等。
总体注意事项
除非上下文另外明确规定,否则如本说明书和权利要求书中所使用,单数形式“一(a/an)”和“所述”包括复数形式。另外,术语“包括”意指“包含”。进一步地,术语“耦合”不排除耦合项之间存在中间元件。
本文所描述的系统、设备和方法不应以任何方式被解释为限制性的。实际上,本公开针对各种所公开实施例的所有新颖和非显而易见的特征和方面,无论是个别地还是以彼此形成的各种组合和子组合。所公开的系统、方法和设备不限于任何具体方面或特征或其组合,所公开的系统、方法和设备也不要求存在任何一个或多个具体优点或解决任何一个或多个具体问题。任何操作理论均是为了便于阐释,但所公开的系统、方法和设备不限于这类操作理论。
尽管为了便于呈现而以特定的顺序次序来描述所公开的方法中的一些的操作,但应当理解,除非下文所陈述的具体语言要求特定排序,否则此描述方式涵盖重新布置。例如,在一些情况下,可以重新布置或同时执行按顺序描述的操作。此外,为了简单起见,附图可能没有示出所公开的系统、方法和设备可以与其他系统、方法和设备结合使用的各种方式。另外,本说明书有时使用像“产生”和“提供”的术语来描述公开的方法。这些术语是所执行的实际操作的高水平抽象。对应于这些术语的实际操作将取决于特定实施方案而变化,并且易于由本领域普通技术人员辨别。
在一些示例中,值、过程或设备被称为“最低”、“最佳”、“最小”等。将被认识到的是,这类描述旨在指示可在许多使用的功能替代方案中进行选择,并且这类选择不需要更好、更小或优选于其他选择。
这些创新可以在计算机可执行指令的一般上下文中描述,诸如程序模块中包括的指令,这些指令在目标真实或虚拟处理器上的计算系统中执行。通常,程序模块或组件包括例程、程序、库、对象、类、组件、数据结构等。它们执行特定的任务或实施特定的抽象数据类型。在各种实施例中,程序模块的功能可以根据需要在程序模块之间组合或划分。程序模块的计算机可执行指令可以在本地或分布式计算系统中执行。通常,计算系统或计算装置可以是本地的或分布式的,并且可以包括专用硬件和/或通用硬件与实施本文所描述的功能的软件的任何组合。
在本文所描述的各种示例中,模块(例如,组件或引擎)可以被“编码”以执行某些操作或提供某些功能,表明可以执行该模块的计算机可执行指令以执行此类操作,从而执行此类操作,或以其他方式提供此类功能。尽管关于软件组件、模块或引擎描述的功能可以作为离散的软件单元(例如,程序、函数、类方法)来执行,但它不需要作为离散的单元来实施。也就是说,该功能可以合并到更大或更通用的程序中,诸如更大或通用程序中的一行或多行代码。
为了演示,详细描述使用诸如“确定”和“使用”等的术语来描述计算系统中的计算机操作。这些术语是对计算机执行的操作的高级抽象,并且不应与人类执行的操作相混淆。这些术语对应的实际计算机操作因实施方案而异。
例如,所描述的算法可以体现为由数字计算机执行的软件或固件指令。例如,任何公开的图像处理、3D重建、数值分析和/或自动化技术都可以由一个或多个计算机或作为临界尺寸计量工具的一部分的其他计算硬件来执行。计算机可以是包含一个或多个处理器(处理装置)和有形的、非暂时性的计算机可读介质(例如,一个或多个光学介质盘、易失性存储器装置(诸如DRAM或SRAM),或非易失性存储器或存储装置(诸如硬盘驱动器、NVRAM和固态驱动器(例如闪存驱动器))的计算机系统。一个或多个处理器可以执行存储在有形、非暂时性计算机可读媒体中的一个或多个中的计算机可执行指令,并且由此执行任何所公开的技术。例如,用于执行任何所公开的实施例的软件可以作为计算机可执行指令存储在一个或多个易失性、非暂时性计算机可读介质中,当由一个或多个处理器执行时,这些指令使一个或多个处理器执行任何所公开的技术或技术子集。计算的结果可以存储在一个或多个有形的、非暂时性计算机可读存储介质中和/或也可以输出到用户,例如,通过在显示装置上显示3D图像、3D模型、临界尺寸和/或图像数据。
已经参考所示实施例描述和说明了所公开技术的原理,将认识到,在不脱离这些原理的情况下,可以在布置和细节上修改所示实施例。例如,以软件示出的所示实施例的元件可以用硬件实施,反之亦然。而且,来自任何示例的技术可以与任何其他示例中的一个或多个描述的技术组合。应当理解,如参考所示示例描述的那些过程和功能可以在单个硬件或软件模块中实施,或可以提供单独的模块。提供上述具体布置是为了便于说明,并且可以使用其他布置。
鉴于本公开的技术的原理可施加的许多可能的实施例,应该认识到,所示实施例仅仅为本公开的优选代表性示例并且不应视为限制本公开的范围。在这些部分中具体提到的替代方案仅仅是示例性的,并且不构成对本文所描述的实施例的所有可能的替代方案。例如,本文描述的系统的各个组件可以在功能和用途上组合。因此,我们要求保护所附权利要求范围内的所有内容。

Claims (20)

1.一种方法,其包含:
获取模型样本的体积的一系列图像或光谱;
使用所述一系列图像重建所述模型样本的所述体积的3D图像;
通过形成重建的3D图像的分割并且将一个或多个原始几何形状拟合到所述分割来构建所述模型样本的所述体积的3D模型;
获取测试样本图像或光谱;以及
使用所述构建的3D模型测量测试样本临界尺寸,以指导测试光谱或图像的分析。
2.根据权利要求1所述的方法,还包含将所述测量的临界尺寸与所述构建的3D模型的CD测量进行比较以验证直接CD测量准确性。
3.根据权利要求1所述的方法,还包含通过测量所述构建的3D模型的尺寸来测量所述一系列图像或光谱的所述模型样本的临界尺寸、形状、轮廓和成分。
4.根据权利要求1所述的方法,其中,所述获取所述模型样本的所述体积的所述一系列图像或光谱包含,对于所述一系列图像中的每个图像,调整所述模型样本处的成像光束的参数和/或支撑所述模型样本的移动平台的参数,并且在每次调整后使用一个或多个图像传感器收集所述图像。
5.一种方法,其包含:
从3D图像构建模型样本的体积的3D模型,以形成构建的3D模型;
通过将OCD探测光束引导至所述测试样本并且检测OCD响应光束来获取测试样本的光学临界尺寸(OCD)光谱;以及
将获取的OCD光谱与模拟的OCD数据进行比较以确定所述测试样本的CD、形状、轮廓和成分,其中,所述模拟的OCD数据对应于OCD探测光束的模拟OCD响应光束特性,所述OCD探测光束指向对应于所述构建的3D模型的形状。
6.根据权利要求5所述的方法,还包含使用所述构建的3D模型和相关联的参数作为模拟的输入和约束,利用数值求解器执行OCD模拟以产生所述模拟的OCD数据。
7.根据权利要求6所述的方法,其中,所述模拟包括基于严格耦合波分析(RCWA)、有限元建模(FEM)和/或有限差分时域法(FDTD)对方程组进行数值求解。
8.根据权利要求5所述的方法,其中,所述模拟的OCD数据包含通过改变3D模型的一个或多个参数迭代的多个数值求解的解中的一个。
9.根据权利要求5所述的方法,其中,通过以下方式获得所述3D图像:
获取模型样本的体积的一系列图像或光谱;以及
使用所述一系列图像重建所述模型样本的所述体积的3D图像。
10.根据权利要求9所述的方法,其中,所述构建的3D模型通过形成所述重建的3D图像的分割并且将一个或多个原始几何形状拟合到所述分割来获得。
11.根据权利要求5所述的方法,还包含:
从光学临界尺寸(OCD)系统库中检索所述构建的3D模型;以及
调整所述构建的3D模型的原始几何形状以对应OCD测试样本的结构。
12.一种3D直接计量测量系统,其包含:
移动平台;
光束源,其配置为将光束引导至由所述移动平台支撑的模型样本;
传感器,其配置为接收来自所述模型样本的粒子;以及
处理器,其耦合到所述移动平台和传感器,所述处理器耦合到或包括代码,当由所述处理器执行时,所述代码使所述系统:
获取所述模型样本的体积的一系列图像或光谱;
使用所述一系列图像重建所述模型样本的所述体积的3D图像;
通过形成重建的3D图像的分割并且将一个或多个原始几何形状拟合到所述分割来构建所述模型样本的所述体积的3D模型;以及
通过以下方式测量测试样本的临界尺寸:
获取所述测试样本的一个或多个图像,
标识与所述构建的3D模型具有相似性的所述测试样本的所述一个或多个图像的一部分,以及
从所述获取的图像测量所述测试样本的临界尺寸(CD)。
13.根据权利要求12所述的系统,其中,所述处理器耦合到或包括代码,当由所述处理器执行时,所述代码使所述系统通过以下方式测量测试样本的临界尺寸:
获取所述测试样本的一个或多个图像和/或光谱,
标识与所述构建的3D模型具有相似性的所述一个或多个图像的一部分,以及
从所述获取的图像和光谱测量所述测试样本的临界尺寸(CD)、形状、轮廓和材料成分。
14.根据权利要求12所述的系统,其中,所述处理器耦合到或包括代码,当由处理器执行时,所述代码使所述系统在通过测量所述构建的3D模型的尺寸获取所述一系列图像和/或光谱的位置处测量所述模型样本的临界尺寸。
15.根据权利要求12所述的系统,其中,所述处理器耦合到或包括代码,当由所述处理器执行时,所述代码使所述系统:
检索从光学临界尺寸(OCD)模型库中获得的所述构建的3D模型;以及
调整所述构建的3D模型的所述原始几何形状以对应OCD测试样本的结构。
16.一种光学临界尺寸(OCD)测量系统,其包含:
移动晶片台;
OCD探测光束源,其配置为将OCD探测光束引导至由所述移动平台支撑的测试晶片;
传感器,其配置为检测来自所述测试晶片的OCD响应光束;以及
OCD处理器,其耦合到所述移动平台和所述传感器,所述OCD处理器耦合到或包括代码,当由所述OCD处理器执行时,所述代码使所述系统:
通过将OCD探测光束引导至所述测试晶片并且检测OCD响应光束来获取所述测试晶片的光学临界尺寸(OCD)数据;以及
将获取的OCD数据与模拟的OCD数据进行比较以确定所述测试晶片的临界尺寸、形状、轮廓和成分,其中,所述模拟的OCD数据对应于OCD探测光束的模拟OCD响应光束特性,所述OCD探测光束指向对应于构建3D模型的形状,其中,所述构建的3D模型包含拟合到重建的3D图像的分割的一个或多个原始几何形状的布置。
17.根据权利要求16所述的系统,其中,所述处理器耦合到或包括代码,当由所述处理器执行时,所述代码使所述系统使用所述构建的3D模型和相关联的参数作为模拟的输入和约束,利用数值求解器执行OCD模拟以产生所述模拟的OCD数据。
18.根据权利要求17所述的系统,其中,所述模拟包括基于严格耦合波分析(RCWA)、有限元建模(FEM)和/或有限差分时域法(FDTD)对方程组进行数值求解。
19.一种计算机可读存储介质,包括存储的处理器可执行指令,配置为执行根据权利要求1所述的方法。
20.一种计算机可读存储介质,包括存储的处理器可执行指令,配置为执行根据权利要求5所述的方法。
CN202310119183.8A 2022-02-02 2023-01-31 利用几何模型进行3d临界尺寸测量 Pending CN116538951A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/591,455 2022-02-02
US17/591,455 US20230245334A1 (en) 2022-02-02 2022-02-02 Critical dimension measurement in 3d with geometric models

Publications (1)

Publication Number Publication Date
CN116538951A true CN116538951A (zh) 2023-08-04

Family

ID=87432345

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310119183.8A Pending CN116538951A (zh) 2022-02-02 2023-01-31 利用几何模型进行3d临界尺寸测量

Country Status (3)

Country Link
US (1) US20230245334A1 (zh)
KR (1) KR20230117698A (zh)
CN (1) CN116538951A (zh)

Also Published As

Publication number Publication date
KR20230117698A (ko) 2023-08-09
US20230245334A1 (en) 2023-08-03

Similar Documents

Publication Publication Date Title
US11953451B2 (en) Item inspection by dynamic selection of projection angle
US20210090244A1 (en) Method and system for optimizing optical inspection of patterned structures
TWI668582B (zh) 用於判定由一檢查子系統在設計資料空間中產生之輸出之一位置的系統、方法及非暫時性電腦可讀媒體
US9494535B2 (en) Scatterometry-based imaging and critical dimension metrology
Lawrence et al. Transform-based backprojection for volume reconstruction of large format electron microscope tilt series
CN111971551A (zh) 机器学习中的光学计量以表征特征
KR101993409B1 (ko) 제조 툴을 위한 레시피 생성방법 및 그 시스템
JP2017529684A (ja) 被検査物上の関心対象領域の座標決定
CN111052329A (zh) 使用目标分解的装置上计量
TWI784146B (zh) 用於設計輔助影像重建之系統及方法以及相關的非暫時性電腦可讀媒體
KR20170129892A (ko) 설계에 대한 검사의 서브-픽셀 정렬
WO2016195058A1 (ja) 画像取得装置及び画像取得方法並びに画像補正プログラム
CN113412485B (zh) 用于选择设计文件的系统、计算机可读媒体及实施方法
JP5745573B2 (ja) 製造ツールのレシピを生成する方法及びそのシステム
CN114503155A (zh) 控制样本检验的工艺
CN114096832A (zh) 用于选择用于样本检验的缺陷检测方法的系统和方法
US20230245334A1 (en) Critical dimension measurement in 3d with geometric models
US20230185274A1 (en) Digital twin modeling of ic packaging structure
US20230127194A1 (en) Method to acquire a 3d image of a sample structure
Villarrubia et al. Virtual rough samples to test 3D nanometer-scale scanning electron microscopy stereo photogrammetry
US10345095B1 (en) Model based measurement systems with improved electromagnetic solver performance
TW202225640A (zh) 半導體樣品的三維重建
Brierley Simulation-Based Analysis of Complex Radiographic Images
Calmettes et al. Shape measurements of lattice materials from few X-ray radiographs using the 3D Virtual Image Correlation method
CN116034267A (zh) 用于优化物体测量数据确定的计算机实现方法

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