CN117726663A - 样品的基于非破坏性sem的深度剖析 - Google Patents
样品的基于非破坏性sem的深度剖析 Download PDFInfo
- Publication number
- CN117726663A CN117726663A CN202311190280.2A CN202311190280A CN117726663A CN 117726663 A CN117726663 A CN 117726663A CN 202311190280 A CN202311190280 A CN 202311190280A CN 117726663 A CN117726663 A CN 117726663A
- Authority
- CN
- China
- Prior art keywords
- sample
- under test
- sample under
- electron
- electron beam
- 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
- 238000010894 electron beam technology Methods 0.000 claims abstract description 181
- 238000012360 testing method Methods 0.000 claims abstract description 170
- 238000013461 design Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 48
- 230000001066 destructive effect Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 172
- 238000013528 artificial neural network Methods 0.000 claims description 128
- 238000004422 calculation algorithm Methods 0.000 claims description 106
- 239000000126 substance Substances 0.000 claims description 69
- 238000001514 detection method Methods 0.000 claims description 67
- 238000012549 training Methods 0.000 claims description 65
- 239000013076 target substance Substances 0.000 claims description 63
- 238000005259 measurement Methods 0.000 claims description 40
- 238000007405 data analysis Methods 0.000 claims description 35
- 230000000149 penetrating effect Effects 0.000 claims description 10
- 230000001747 exhibiting effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 239000000523 sample Substances 0.000 description 345
- 238000005094 computer simulation Methods 0.000 description 26
- 239000002245 particle Substances 0.000 description 25
- 239000004065 semiconductor Substances 0.000 description 22
- 230000006870 function Effects 0.000 description 19
- 239000000463 material Substances 0.000 description 14
- 238000009826 distribution Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 238000012417 linear regression Methods 0.000 description 7
- 230000035515 penetration Effects 0.000 description 7
- 229920013655 poly(bisphenol-A sulfone) Polymers 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004627 transmission electron microscopy Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000012351 Integrated analysis Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本文公开了一种用于样品的非破坏性深度剖析的系统。所述系统包括:(i)电子束源,所述电子束源用于将电子束以多个着陆能量中的每一者投射在被检样品上;(ii)电子传感器,所述电子传感器用于获得有关所述着陆能量中的每一者的经测量的电子强度集;以及(iii)处理电路,所述处理电路用于基于所述经测量的电子强度集并考虑指示所述被检样品的预期设计的参考数据来确定表征所述被检样品的内部几何形状和/或组成的结构参数集。
Description
技术领域
本公开内容总体涉及样品的基于非破坏性扫描电子显微镜的深度剖析。
背景技术
“三维”结构越来越多地用于半导体行业中,特别是用于逻辑和存储器部件的制造中。因此,获得样品的结构数据的和分析所获得的数据以提取样品的三维特性的能力已经变得至关重要。目前,大多数深度剖析技术是破坏性的,典型地涉及透射电子显微镜(TEM)和/或从样品提取薄片或刮走切片并对其进行后续分析。开发非破坏性深度剖析技术仍是挑战,这将允许大批量制造(HVM)。
发明内容
根据本公开内容的一些实施例,本公开内容的方面涉及样品的基于非破坏性扫描电子显微镜的深度剖析。更具体地但非排他地,根据本公开内容的一些实施例,本公开内容的方面涉及半导体结构的基于(至少)反向散射电子的感测的非破坏性深度剖析。甚至,更具体地但非排他地,根据本公开内容的一些实施例,本公开内容的方面涉及存储器和逻辑部件(诸如栅极堆叠)中的一种或多种物质的浓度的基于(至少)反向散射电子的感测的验证。
因此,根据一些实施例的方面,提供了一种用于样品的非破坏性深度剖析的基于计算机的方法。所述方法包括:
-测量操作,该测量操作包括通过针对经选择以便允许探测被检样品达多个深度的多个着陆能量中的每一者执行以下子操作来获得经测量的电子强度集:
■将电子束投射到被检样品上,该电子束穿透被检样品并引起电子从被检样品的由着陆能量确定的相应体积散射。
■通过感测从被检样品返回的电子(例如,反向散射电子)来测量电子强度。
-数据分析操作,该数据分析操作包括基于经测量的电子强度集并考虑指示被检样品的预期设计的参考数据来确定表征被检样品的内部几何形状和/或组成的结构参数集。
根据所述方法的一些实施例,参考数据包括被检样品的设计数据和/或具有与被检样品相同的预期设计的其他样品的地面真值(GT)数据和/或表现出相对于预期设计的选定变化的特殊制备的样品的GT数据。
根据所述方法的一些实施例,该结构参数集指定被检样品的浓度图。
根据所述方法的一些实施例,浓度图量化被检样品包括的目标物质的浓度至少对深度的依赖性。也就是说,在每个(多个)图坐标处,浓度图指定目标物质的密度。根据一些这种实施例,将密度指定为在来自多个密度范围的相应密度范围内。
根据所述方法的一些实施例,该结构参数集指定有关被检样品中包括的多种目标物质的多个浓度图。
根据所述方法的一些实施例,在每个(多个)图坐标处,浓度图指定被检样品包括的多种物质中具有关于(多个)图坐标的最高密度的物质。
根据所述方法的一些实施例,密度是质量密度、粒子密度(例如,原子密度),或者是质量密度和粒子密度的函数。
根据所述方法的一些实施例,该结构参数集包括以下项中的一者或多者:(i)被检样品包括的一种或多种物质的相应一个或多个总浓度;以及(ii)被嵌入被检样品中的至少一个结构的相应至少一个宽度;以及附加地或替代地,当被检样品包括多个层时:(iii)多个层中的至少一者的相应至少一个厚度;(iv)多个层中的至少一些的组合厚度;以及(v)多个层中的至少一者的相应至少一个质量密度。
根据所述方法的一些实施例,在测量操作中,投射电子束,以便在被检样品上的可控地可选的横向位置中的每一者处入射在被检样品上,并且在数据分析操作中,考虑分别针对横向位置中的每一者获得的经测量的电子强度集来生成结构参数集。
根据所述方法的一些实施例,(i)在测量操作中,投射电子束,以便在被检样品上的可控地可选的横向位置中的每一者处入射在被检样品上,(ii)浓度图是三维的,并且(iii)在数据分析操作中,考虑分别针对横向位置中的每一者获得的经测量的电子强度集来生成浓度图。
根据所述方法的一些实施例,所感测的电子包括反向散射电子。根据一些这种实施例,所感测的电子进一步包括二次电子。
根据所述方法的一些实施例,被检样品是半导体试样。
根据所述方法的一些实施例,样品是图案化晶片。
根据所述方法的一些实施例,样品包括半导体结构。
根据所述方法的一些实施例,在数据分析操作中,为了确定结构参数集,执行经训练的算法。经训练的算法被配置为接收原始或在初始处理后的经测量的电子强度集作为输入。每个强度可由相应引起的电子束的着陆能量标记。根据一些这种实施例,其中寻求被检样品的三维信息,每个强度进一步由相应引起的电子束所投射于的侧向位置的横向坐标标记。
根据所述方法的一些实施例,初始处理可包括隔离或至少放大由所投射的电子束引起的反向散射电子对原始的经测量的电子强度集的贡献。
根据所述方法的一些实施例,通过使用参考数据以及以下两者进行训练来确定经训练的算法的权重:(i)具有与被检样品相同的预期设计的其他样品的经测量的电子强度集,和/或(ii)通过模拟用电子束以多个着陆能量中的每一者入射具有与被检样品相同的预期设计的样品获得的经模拟的电子强度集。
根据所述方法的一些实施例,经训练的算法是或包括神经网络(NN)。
根据所述方法的一些实施例,经训练的算法是或包括线性模型结合算法。也就是说,经训练的算法是或包括线性回归模型或结合有线性回归模型作为子算法。
根据所述方法的一些实施例,NN选自卷积NN和全连接NN。
根据所述方法的一些实施例,NN是回归NN。
根据所述方法的一些实施例,NN是分类NN。
根据所述方法的一些实施例,分类NN是卷积NN、AlexNet、残差NN(ResNet)或VGGNN,或者包括VAE。
根据所述方法的一些实施例,其中在每个(多个)图坐标处,浓度图指定样品包括的多种物质中具有关于(多个)图坐标的最高密度的物质,NN是分类NN。
根据所述方法的一些实施例,其中在每个(多个)图坐标处,浓度图将样品包括的一种或多种物质的密度指定为在来自多个密度范围的相应密度范围内,NN是分类NN。
根据所述方法的一些实施例,测量操作包括分别感测以两个或更多个返回角中的每一者返回的电子。
根据所述方法的一些实施例,电子的感测包括对于电子图像传感器上的多个像素中的每一者,测量返回到其(即,入射在像素上)的电子的相应强度。
根据所述方法的一些实施例,对于每个着陆能量,来自电子束的电子与被检样品之间的弹性相互作用(引起来自电子束的电子的反向散射)基本上限于被检样品内的相应体积,该相应体积基本上以随着陆能量的增加而增大的深度为中心且其大小随着陆能量的增加而增大。
根据一些实施例的一方面,提供了一种用于样品的非破坏性深度剖析的系统。该系统包括:
-电子束源,该电子束源用于将电子束以多个着陆能量中的每一者投射在被检样品上。
-电子传感器(或者,更一般地,电子感测模块,该电子感测模块可包括多个电子传感器),该电子传感器用于获得有关着陆能量中的每一者的经测量的电子强度集。
-处理电路(也可称为“计算模块”),该处理电路用于基于经测量的电子强度集并考虑指示被检样品的预期设计的参考数据来确定表征被检样品的内部几何形状和/或组成的结构参数集。
根据该系统的一些实施例,其中电子束中的每一者被配置为穿透被检样品达由相应着陆能量确定的相应深度,使得在期望深度范围内探测被检样品。
根据该系统的一些实施例,其中电子传感器被配置为感测从被检样品返回的电子(由此获得经测量的电子强度集)。
根据该系统的一些实施例,参考数据包括被检样品的设计数据和/或具有与被检样品相同的预期设计的其他样品的地面真值(GT)数据和/或表现出相对于预期设计的选定变化的特殊制备的样品的GT数据。
根据该系统的一些实施例,该结构参数集指定被检样品的浓度图。
根据该系统的一些实施例,浓度图量化被检样品包括的目标物质的浓度至少对深度的依赖性。也就是说,在每个(多个)图坐标处,浓度图指定目标物质的密度。根据一些这种实施例,密度被指定为在来自多个密度范围的相应密度范围内。
根据该系统的一些实施例,该结构参数集指定有关被检样品中包括的多种目标物质的多个浓度图。
根据该系统的一些实施例,在每个(多个)图坐标处,浓度图指定被检样品包括的多种物质中具有关于(多个)图坐标的最高密度的物质。
根据该系统的一些实施例,密度是质量密度、粒子密度(例如,原子密度),或者是质量密度和粒子密度的函数。
根据该系统的一些实施例,该结构参数集包括以下项中的一者或多者:(i)被检样品包括的一种或多种物质的相应一个或多个总浓度;以及(ii)被嵌入被检样品中的至少一个结构的相应至少一个宽度;以及附加地或替代地,当被检样品包括多个层时:(iii)多个层中的至少一者的相应至少一个厚度;(iv)多个层中的至少一些的组合厚度;以及(v)多个层中的至少一者的相应至少一个质量密度。
根据该系统的一些实施例,该系统被进一步配置为允许投射电子束,以便在被检样品上的可控地可选的横向位置中的每一者处入射在被检样品上,并且处理电路配置为在确定该结构参数集时,考虑由电子传感器针对横向位置中的每一者获得的经测量的电子强度集。
根据该系统的一些实施例,(i)该系统被进一步配置为允许投射电子束,以便在被检样品上的可控地可选的横向位置中的每一者处入射在被检样品上,(ii)浓度图是三维的,并且(iii)处理电路被配置为在生成浓度图时,考虑由电子传感器针对横向位置中的每一者获得的经测量的电子强度集。
根据该系统的一些实施例,该经测量的电子强度集中的每个强度由相应引起的电子束的着陆能量标记。
根据该系统的一些实施例,其中寻求被检样品的三维信息,经测量的电子强度集中的每一者由相应引起的电子束所投射于的横向位置标记。
根据该系统的一些实施例,所感测的电子包括反向散射电子。根据一些这种实施例,所感测的电子进一步包括二次电子。
根据该系统的一些实施例,电子传感器是反向散射电子(BSE)检测器。
根据该系统的一些实施例,电子传感器是电子传感器阵列(也可称为“电子感测模块”)的部分,该系统包括该电子传感器阵列,并且该电子传感器阵列被配置为感测分别以两个或更多个返回角中的每一者返回的反向散射电子。根据一些这种实施例,电子传感器阵列包括多个BSE检测器。
根据该系统的一些实施例,被检样品是半导体试样。
根据该系统的一些实施例,被检样品是图案化晶片。
根据该系统的一些实施例,被检样品包括半导体结构。
根据该系统的一些实施例,为了确定该结构参数集,处理电路被配置为执行经训练的算法(使用机器学习(ML)工具导出的算法,也称为“ML导出的算法”)。经训练的算法被配置为接收原始或在由处理电路进行初始处理后的经测量的电子强度集作为输入。每个强度可由相应引起的电子束的着陆能量标记。根据一些这种实施例,其中寻求被检样品的三维信息,每个强度进一步由相应引起的电子束所投射于的横向位置的横向坐标标记。
根据该系统的一些实施例,初始处理可包括隔离或至少放大由所投射的电子束引起的反向散射电子对原始的经测量的电子强度集的贡献。
根据该系统的一些实施例,通过使用参考数据以及以下两者进行训练来确定经训练的算法的权重:(i)具有与被检样品相同的预期设计的其他样品的经测量的电子强度集,和/或(ii)通过模拟用电子束以多个着陆能量中的每一者入射具有与被检样品相同的预期设计的样品获得的经模拟的电子强度集。
根据该系统的一些实施例,经训练的算法是或包括神经网络(NN)。
根据该系统的一些实施例,经训练的算法是或包括线性模型结合算法。也就是说,经训练的算法是或包括线性回归模型或结合有线性回归模型作为子算法。
根据该系统的一些实施例,NN选自卷积NN和全连接NN。
根据该系统的一些实施例,NN是回归NN。
根据该系统的一些实施例,NN是分类NN。
根据该系统的一些实施例,分类NN是卷积NN、AlexNet、残差NN(ResNet)或VGG NN,或者包括VAE。
根据该系统的一些实施例,其中在每个(多个)图坐标处,浓度图指定样品包括的多种物质中具有关于(多个)图坐标的最高密度的物质,NN是分类NN。
根据该系统的一些实施例,其中在每个(多个)图坐标处,浓度图将样品包括的一种或多种物质的密度指定为在来自多个密度范围的相应密度范围内,NN是分类NN。
根据该系统的一些实施例,电子传感器是电子图像传感器器。
根据该系统的一些实施例,对于每个着陆能量,来自电子束的电子与被检样品之间的弹性相互作用(引起来自电子束的电子的反向散射)基本上限于被检样品内的相应体积,该相应体积基本上以随着陆能量的增加而增大的深度为中心且其大小随着陆能量的增加而增大。
根据该系统的一些实施例,电子束源和电子传感器形成扫描电子显微镜(SEM)的部分。
根据一些实施例的一方面,提供了一种用于训练神经网络(NN)来对样品进行非破坏性深度剖析的方法。所述方法包括以下操作:
-生成NN的经模拟的训练数据,该NN被配置为(i)接收通过将电子束以多个着陆能量中的每一者投射在样品上获得的有关样品的电子强度集作为输入,以及(ii)通过以下子操作输出表征样品的内部几何形状和/或组成的结构参数集:
■对于多个地面真值(GT)样品中的每一者,通过以下项来生成校准数据:
□通过分别将多个电子束以第一多个着陆能量投射在GT样品上并感测从样品返回的电子(例如,反向散射电子)来获得经测量的电子强度集。
□获得表征GT样品的GT数据。
■使用校准数据来校准计算机模拟,该计算机模拟被配置为接收表征样品的GT数据和电子束的着陆能量作为输入,并且输出对应的经模拟的电子强度集。
■使用经校准的计算机模拟来生成对应于其他样品(即,其他GT)和/或附加着陆能量的附加的经模拟的电子强度集。
-至少使用经模拟的训练数据来训练NN。
根据该训练方法的一些实施例,经测量的GT数据指定GT样品中的每一者标称地包括的一种或多种物质的浓度图。
根据该训练方法的一些实施例,该结构参数集指定来自一种或多种物质的目标物质的浓度图。
根据该训练方法的一些实施例,校准计算机模拟,使得对于输入到计算机模拟中的每对(i)在生成校准数据的子操作中获得的经测量的GT数据,以及(ii)在生成校准数据的子操作中使用的着陆能量,由计算机模拟输出的经模拟的强度与经测量的强度在所需精度内一致。
根据该训练方法的一些实施例,感测到的电子包括反向散射电子。根据一些这种实施例,感测到的电子进一步包括二次电子。
根据该训练方法的一些实施例,在校准子操作之前,该计算机模拟至少针对第一多个着陆能量中的每一者指定初始点扩散函数(PSF)。在校准子操作中,校准初始PSF,由此获得经校准的PSF。
根据该训练方法的一些实施例,作为初始PSF的校准的部分,初始PSF中的每一者作为GT样品标称地包括的目标物质的密度的函数而分段地线性化。
根据该训练方法的一些实施例,给定经测量的GT数据并从初始PSF开始,通过约最大化获得感测到的电子数据集的可能性,获得经校准的PSF。根据一些这种实施例,作为最大化的部分,使用正则化。
根据该训练方法的一些实施例,应用经修改的Richardson-Lucy算法来从初始PSF获得经校准的PSF。
根据该训练方法的一些实施例,使用可调整U-Net深度学习NN来从初始PSF获得经校准的PSF。当使用相应经校准的PSF(该相应经校准的PSF是使用U-Net深度学习NN从初始PSF获得的)时,相应地在从经测量的GT数据获得经测量的电子强度集的约束下优化U-Net深度学习NN的参数。
根据该训练方法的一些实施例,其他样品具有与多个GT样品的(多个)不同预期设计。
根据该训练方法的一些实施例,所述方法可进一步包括当附加校准数据可用时,重新应用(即,再次执行)生成经模拟的训练数据的子操作和训练NN的操作。
根据该训练方法的一些实施例,经模拟的电子强度集的数量与经测量的电子强度集的数量的比率在约100与约1,000之间。
根据该训练方法的一些实施例,通过对从多个样品中的每一者提取的薄片和/或从其刮走的切片进行剖析来获得GT数据。
根据该训练方法的一些实施例,使用透射电子显微镜和/或扫描电子显微镜执行对薄片和/或切片的剖析。
根据该训练方法的一些实施例,多个GT样品中的每一者是或包括半导体试样。
根据该训练方法的一些实施例,多个GT样品中的每一者是图案化晶片。
根据该训练方法的一些实施例,多个GT样品中的每一者包括半导体结构。
根据该训练方法的一些实施例,NN是分类NN。(由NN输出的)浓度图在每个(多个)图坐标处指定被检样品中包括的多种物质中具有关于(多个)图坐标的最高密度的物质。
根据该训练方法的一些实施例,NN是分类NN。(由NN输出的)浓度图在每个(多个)图坐标处将被检样品包括的目标物质的密度指定为在多个密度范围中的一者内。根据一些这种实施例,NN被配置为输出有关被检样品包括的多种目标物质的多个浓度图。
根据该训练方法的一些实施例,分类NN是卷积NN、AlexNet、残差NN(ResNet)或VGGNN,或者包括VAE。
根据该训练方法的一些实施例,密度是质量密度、粒子密度(例如,原子密度),或者是质量密度和粒子密度的函数。
根据该训练方法的一些实施例,NN是选自卷积NN和全连接NN的回归NN。
根据该训练方法的一些实施例,生成校准数据的子操作包括感测以两个或更多个散射角返回的电子。
根据该训练方法的一些实施例,NN被配置为(i)接收针对引起的电子束分别入射于的被检样品上的多个横向位置中的每一者获得的经测量的电子强度集作为输入,以及(ii)输出被检样品的三维浓度图。经测量的电子强度集中的每一者由分别引起的电子束入射在被检样品上的横向位置标记。在校准数据的生成中,多个电子束投射在GT样品中的每一者上的多个横向位置处。
根据一些实施例的一方面,提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储指令,该指令使用于样品的非破坏性深度剖析的系统(诸如上文所述的系统)实施上文所述的用于样品的非破坏性深度剖析的方法。
本公开内容的某些实施例可包括以上优点的一些、全部或不包括这些优点。从本文包括的附图、说明书和权利要求书中,本领域技术人员可易于清楚一个或多个其他技术优点。此外,尽管上文已经列举具体优点,但是各种实施例可包括所列举的优点中的全部、一些或不包括这些优点。
除非另有定义,否则本文所用的所有技术和科学术语具有与本公开内容所属领域普通技术人员通常理解的相同含义。在矛盾的情况下,以专利说明书(包括定义)为准。如本文所用,除非上下文另有清楚规定,否则不定冠词“一(a)”和“一个(an)”意指“至少一个”或“一个或多个”。
除非另外具体陈述,否则如从本公开内容中显而易见,将了解,根据一些实施例,诸如“处理”、“计算(computing)”、“计算(calculating)”、“确定”、“估计”、“评价”、“量测”等之类的术语可指计算机或计算系统、或者类似电子计算设备的将表示为计算系统的寄存器和/或存储器内的物理(例如,电子)量的数据操纵和/或变换为类似地表示为计算系统的存储器、寄存器或其他这种信息存储、传输或显示设备内的物理量的其他数据的动作和/或过程。
本公开内容的实施例可包括用于执行本文的操作的装置。该装置可被专门地构造用于期望目的或可包括由存储在计算机中的计算机程序选择性地激活或重新配置的(多个)通用计算机。这种计算机程序可存储在计算机可读存储介质中,该计算机可读存储介质诸如但不限于任何类型的磁盘,包括软盘、光盘、CD-ROM、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁卡或光卡、闪存存储器、固态驱动器(SSD)或适合于存储电子指令并能够耦接到计算机系统总线的任何其他类型的介质。
本文呈现的工艺和显示内容并非固有地与任何特定计算机或其他装置相关。可根据本文的教导将各种通用系统与程序一起使用,或者可证明构造更专用的装置来执行(多个)期望方法是方便的。用于各种这些系统的(多个)期望结构从以下描述中出现。另外,未参考任何特定编程语言来描述本公开内容的实施例。将了解,可使用各种编程语言来实施如本文所述的本公开内容的教导。
本公开内容的方面可在计算机可执行指令(诸如程序模块)正在由计算机执行的一般上下文中进行描述。一般来讲,程序模块包括例程、程序、对象、部件、数据结构等,其执行特定任务或实施特定抽象数据类型。还可在分布式计算环境中实践所公开的实施例,在该分布式计算环境中,任务由通过通信网络链接的远程处理设备执行。在分布式计算环境中,程序模块可位于本地和远程计算机存储介质(包括存储器存储设备)两者中。
附图说明
本文参考所附附图描述本公开内容的一些实施例。说明书连同附图一起使本领域普通技术人员清楚可如何实践一些实施例。附图是出于例示性描述的目的,并且并未尝试比本公开内容的基本理解所需的更详细地示出实施例的结构细节。为了清楚起见,附图所绘的一些对象未按比例绘制。此外,同一附图中的两个不同对象可按不同比例绘制。特别地,一些对象的比例与同一附图中的其他对象相比可能被极大地夸大。
在附图中:
图1呈现了根据一些实施例的样品的基于非破坏性扫描电子显微镜的深度剖析的方法的流程图;
图2A至图2D示意性地描绘了根据一些实施例的根据图1的方法经历深度剖析的样品;
图3呈现了样品的基于非破坏性扫描电子显微镜的深度剖析的方法的流程图,其对应于图1的方法的具体实施例,其中该深度剖析是三维的;
图4A和图4B示意性地描绘了根据一些实施例的根据图3的方法经历深度剖析的样品;
图5示意性地描绘了根据一些实施例的根据图3的方法经历深度剖析的样品;
图6示意性地描绘了根据一些实施例的样品的基于非破坏性扫描电子显微镜的深度剖析的系统;
图7示意性地描绘了电子辐射和感测组件,该电子辐射和感测组件对应于图6的系统的电子辐射和感测组件的具体实施例;并且
图8呈现了根据一些实施例的用于训练神经网络以从自样品获得的反向散射电子数据导出其浓度图的方法。
具体实施方式
参考所附描述和附图,可更好地理解本文的教导的原理、用途和实施方式。在仔细地阅读本文呈现的描述和附图后,本领域技术人员将无需过度努力或实验就能够实施本文的教导。在附图中,相同的附图标记在全文中是指相同的部分。
如本文所用,缩写词“SEM”和“BSE”分别代表“扫描电子显微镜”和“反向散射电子”。“电子束(E-beam)”代表“电子束(electron beam)”。
根据本申请的一些实施例,本申请涉及用于基于BSE测量对样品的非破坏性深度剖析的方法和系统:电子束以多个着陆能量中的每一者投射在样品上。每个电子束穿透到样品中并引起电子从样品内的相应体积(也称为“探测区”)的反向散射。着陆能量越大,作为探测区的中心的深度越大。
本申请教导了如何可联合地处理来自分别以多个深度为中心的多个探测区的BSE测量数据以确定样品的结构参数集。特别地,本申请教导了如何可联合地处理来自分别以多个深度为中心的多个探测区的BSE测量数据以生成样品的(多个)高分辨率浓度图。根据一些实施例,处理涉及利用经训练的算法,诸如(经训练的)神经网络或(经训练的)线性模型结合算法(在下文中定义)。有利地,本申请进一步公开了可借以训练神经网络以从地面真值数据的小集中开始执行这种处理的方法。更精确地,本申请教导了如何放大(经测量的)地面真值数据和相关联的实际BSE测量数据的小训练集以获得可用于训练算法的经模拟的“地面真值”数据和相关联的经模拟的BSE测量数据的任意更大的训练集。
深度剖析方法
根据一些实施例的一方面,提供了一种用于样品(例如,半导体结构)的基于扫描电子显微镜的非破坏性深度剖析的计算机化方法。图1呈现了根据一些实施例的这种方法(即方法100)的流程图。方法100包括:
-测量操作110,该测量操作包括获得经测量的电子强度集(即,多个经测量的电子强度)。该经测量的电子强度集通过针对电子束的经选择以便探测被检查的样品(也称为“被检样品”)至多个深度的多个着陆能量中的每一者执行以下子操作来获得:
■子操作110a,其中将电子束投射在被检样品上。电子束穿透被检样品并在由着陆能量确定的相应深度处引起电子从被检样品的相应体积(也称为“探测区”)的反向散射。
■子操作110b,其中测量从被检样品返回的散射电子(例如,反向散射电子)的强度。
-数据分析操作120,其中基于该经测量的电子强度集(即,通过在子操作110b的实施中的每一者中感测散射电子来获得的测量数据的全体)并考虑指示被检样品的预期设计的参考数据来确定被检样品的结构参数集。该结构参数集表征被检样品的内部几何形状和/或(材料)组成。
方法100可使用系统诸如以下在图6的描述中描述的系统或与其类似的系统来实施。
根据一些实施例,并且如下文详细地所述,数据分析操作120可以涉及利用算法,该算法被配置为:(i)接收(至少)经测量的电子强度集作为输入(任选地,在处理之后,如下文详细地所述),以及(ii)输出该结构参数集。根据一些实施例,使用训练数据来训练算法,该训练数据包括参考数据或从参考数据导出。如本文所用,术语“参考数据”可指初始可用的(即,在实施方法100之前)并且指定或指示被检样品的标称内部几何形状和/或标称组成的结构信息。结构信息可包括:(i)被检样品的设计数据;和/或(ii)地面真值(GT)数据,该GT数据指示被检样品的预期设计。这种GT数据可通过对与被检样品相同的预期设计的其他样品(也称为“GT样品”)进行潜在破坏性剖析(例如,使用扫描电子显微镜或透射电子显微镜)来获得。根据一些实施例,GT数据可指定GT样品中标称地包括的一种或多种物质(化合物和/或元素)的密度分布。需注意,GT数据典型地与设计数据在附加地反映生产缺陷方面略有不同。根据一些实施例,结构信息可包括“经模拟的”GT数据,特别是有关与被检样品有相同预期设计但彼此略有不同(例如,如将因制造缺陷而预期的那样)的“经模拟的”样品的结构信息。
根据一些实施例,可特殊地制备GT样品,以便反映结构参数的变化范围(从结构参数的选定最小值到其选定最大值)。
更具体地,根据一些实施例,训练数据可包括参考数据和相关联的实际(即,经测量的)电子强度集(任选地,在电子强度的初始处理之后)和/或经模拟的电子强度集。实际电子强度集可通过相对于与被检样品有相同预期设计的其他样品(即,GT样品)和/或表现出相对于预期设计(即,标称设计)的(多个)选定变化的特殊制备的样品而实施测量操作110来导出。该经模拟的电子强度集可通过模拟相对于与被检样品有相同预期设计但彼此略有不同(例如,如将因制造缺陷而预期的那样)的“经模拟的”样品而应用测量操作110来导出。需注意,在其中在数据分析操作120中,测量数据(即,经测量的电子强度集)在输入算法中之前经受初始处理的实施例中,经模拟的电子强度集被配置为在其初始处理之后模拟所获得的测量数据。可采用对经测量的电子强度集的初始处理,以便考虑噪声,并且更一般地,放大反向散射电子对经测量的电子强度集的贡献。
如本文所用,术语“结构参数”将以宽泛方式理解并涵盖几何参数(诸如分层样品的层的厚度)和组成参数(诸如样品中包括的物质的(总)浓度)两者。特别地,根据一些实施例,术语“结构参数集”可用于指指定被检样品中包括的至少一种目标物质的相应至少一个密度分布(质量分布或粒子分布)的参数集和/或函数。如本文所用,根据一些实施例,术语“集”可指多个元素,而根据一些其他实施例,术语“集”可指单个元素。前一情况的具体实例是当集由函数构成时。根据一些实施例,集的每个元素可表示一个数据(例如,参数的值)或多个数据(例如,多个参数的值)。
如本文所用,根据一些实施例,术语“目标物质”是指被检样品中包括的且其密度分布将使用方法100来确定的物质。
根据一些实施例,被检样品是图案化晶片、图案化晶片的部分或任选地在图案化晶片的制造阶段中的一者中被包括在图案化晶片中(例如,嵌入在该图案化晶片中或上)的半导体器件。根据一些实施例,被检样品是或包括包含一种或多种半导体材料的结构。根据一些实施例,结构可作为半导体器件和/或半导体器件的(多个)部件的制造工艺的部分被构造。根据一些实施例,结构可以是辅助结构,其作为半导体器件和/或半导体器件的(多个)部件的制造工艺的部分被构造。根据一些实施例,被检样品任选地在其制造阶段中的一者中可以是或包括一个或多个逻辑部件(例如,鳍式FET(FinFET)和/或全环绕栅极(GAA)FET)和/或存储器部件(例如,动态RAM和/或垂直NAND(V-NAND))。根据一些实施例,被检样品是分层的(即,包括多个层)。根据一些这种实施例,结构参数集包括表征多个层中的至少一些中的每一者的多个参数。
根据一些实施例,结构参数集指定被检样品的(多个)浓度图。根据一些实施例,浓度图是量化(i)目标物质的质量密度或相对质量密度(即,每单位体积的重量百分比)或(ii)目标物质的粒子密度(例如,原子密度)或相对粒子密度(例如,每单位体积的原子百分比)至少对深度的依赖性的密度分布。如本文所用,当关于物质采用时,术语“粒子”是指组成物质的一种或多种类型的原子和/或一种或多种类型的分子。当关于第一物质采用时,术语“相对粒子密度”是指每单位体积的(构成第一物质的)粒子数量与每单位体积的(即,被检样品中包括的所有物质的)粒子总数的比率。根据一些替代实施例,浓度图可表征作为质量密度和粒子密度两者的函数的深度依赖性(或至少深度依赖性)。
根据一些实施例,结构参数集指定被检样品中包括的多种目标物质的相应多个密度分布。
根据一些实施例,其中结构参数集指定浓度图,在每个(多个)图坐标处,该浓度图指定所有物质中具有最高密度的物质或在(多个)图坐标附近存在(即,出现)的预定义物质集。更精确地,在一维情况下,对于每个竖直图坐标,或者等效地,对于被检样品的每个薄横向层,浓度图可指定具有最高密度的物质。在三维情况下,对于图坐标的每个三元组(例如,竖直坐标和两个横向(即,水平)坐标),或者等效地,对于被检样品的每个体素,浓度图可指定具有最高密度的物质。因此,在一维情况下的每个薄层和在三维情况下的每个体素可根据表现出最高浓度(例如粒子密度)的物质分类。
根据其中结构参数集指定浓度图的一些实施例,在每个(多个)图坐标(即,在一维情况下指定深度的单个坐标和在三维情况下的三个坐标)处,浓度图将(样品包括的)目标物质的密度指定为在来自多个密度范围的相应密度范围内。也就是说,密度可由非负整数指定,使得对于(非负)整数的任何给定的具体值i,密度被确定为范围[i·Δξ,(i+1)·Δξ]。这里Δξ是范围(中的每一者)的大小(即,粒子或质量密度分辨率,如所采用的方法100的具体实施例所提供)。替代地,根据一些实施例,在每个(多个)图坐标处,目标物质的密度可根据来自连续数值范围的数值进行指定。
需注意,方法100可用于验证被检样品内的一种或多种物质的密度分布。更具体地,方法100可用于量化被检样品中的目标物质的标称密度分布(由设计意图指定)的微小变化(例如,在1%、3%或甚至5%内)。根据一些实施例,在每个(多个)图坐标处,浓度图可指定目标物质的密度相对于该目标物质的标称密度(其可关于质量密度、相对质量密度、粒子密度或相对粒子密度进行指定)的差值。根据一些这种实施例,在每个(多个)图坐标处,该差值可被指定为在来自多个差值间隔(密度范围)的相应差值间隔内。根据一些实施例,在每个(多个)图坐标处,浓度图可指定目标物质的实际密度(其可关于质量密度、相对质量密度、粒子密度或相对粒子密度进行指定),即,在数据分析操作120中计算的密度。根据一些这种实施例,在每个(多个)图坐标处,实际密度可被指定为在来自多个密度范围的相应密度范围内。
根据一些实施例,其中(i)结构参数集指定被检样品中包括的两种不同物质(例如,轻元素和重元素)的相应两个浓度图,以及(ii)关于质量对密度进行指定,这两种物质的密度分辨率可不同:第一物质的质量密度可被指定为第一质量密度分辨率Δξ1,第二物质的质量密度可被指定为第二质量密度分辨率Δξ2,其中Δξ2≠Δξ1(反映两种物质之间的BSE产率或等效地是BSE系数的差异)。
附加地或替代地,根据一些实施例,结构参数集可包括以下项中的一者或多者:(i)被检样品包括的至少一种物质的相应至少一个平均密度(即,总质量浓度和/或总粒子浓度);以及(ii)嵌入被检样品中的至少一个目标结构的相应至少一个宽度。在其中被检样品分层(即,包括多个层)的实施例中,结构参数集可包括或附加地包括:(iii)层中的至少一者的相应至少一个厚度;(iv)层中的至少一些的组合厚度;(v)层中的至少一者的相应至少一个平均密度(质量和/或粒子);以及(vi)被检样品包括的至少一种物质(即,材料)在层中的至少一者中的至少一个平均密度(质量和/或粒子)。更一般地,结构参数集可包括被检样品的任何几何参数和/或组成参数,该几何参数和/或组成参数的修改影响经测量的电子强度集(在子操作110b的实施中获得),以便允许基于经测量的电子强度集来确定参数的值。
需注意,确定(被检样品中包括的)目标物质的总浓度的任务相比确定目标物质的密度分布可能不太麻烦。这适用于以下两者:测量操作110,其中根据一些实施例,可能需要相对更少的着陆能量(即,子操作110a和110b的更少实施);以及数据分析操作120,其中根据一些实施例,所涉及的数据处理可能相对不太麻烦。
根据一些实施例,结构参数中的每一者或结构参数中的至少一些可被指定为来自可互补的相应多个非重叠范围的相应(值的)范围。例如,在其中结构参数集包括层的厚度的实施例中,在数据分析操作120中,厚度可由整数(根据一些实施例,其可以是负数)确定,使得对于整数的任何给定具体值i,厚度被确定为范围[t+i·Δt,t+(i+1)·Δt]。这里Δt是范围(中的每一者)的大小(即,厚度分辨率,如所采用的方法100的具体实施例所提供)。
根据一些实施例,结构参数中的每一者或结构参数中的至少一些可关于来自相应连续数值范围的相应数值进行指定。
在子操作110a的实施中的每一者中,分别投射的电子束的参数(特别是其着陆能量)被选择,以便引起电子束中的电子从以被检样品内的相应深度为中心的体积(探测区)中的物质的反向散射。着陆能量的数量以及最小着陆能量和最大着陆能量可被选择,以确保在深度范围内探测被检样品。根据一些这种实施例,着陆能量的数量以及最小着陆能量和最大着陆能量可被选择,以确保被检样品沿被检样品的深度维度全部都被探测。
子操作110b可使用电子传感器(诸如图6的电子传感器)来实施。根据一些实施例,电子传感器可被配置为测量入射到其上的电子(例如,反向散射电子)的强度。根据一些实施例,电子传感器可以是电子图像传感器(例如,BSE图像检测器)。也就是说,电子传感器可被配置为获得二维图像(其指定分别入射在电子传感器上的每个像素上的电子的强度)。在这种实施例中,经测量的电子强度集至少包括在子操作110b的实施中的每一者中由电子传感器上的每个像素测量的强度。根据一些实施例,子操作110b可使用两个或更多个电子传感器来实施。例如,第一电子传感器(例如,第一BSE检测器)可被定位以便收集以约180°的散射角返回的反向散射电子,而第二电子传感器(例如,第二BSE探测器)可被定位以便收集以约170°、约160°或约150°的散射角返回的反向散射电子。每个可能性对应于单独实施例。在这种实施例中,经测量的电子强度集至少包括在子操作110b的实施中的每一者中由电子传感器中的每一者测量的强度。
根据一些实施例,在子操作110b中,除了反向散射电子之外,还感测(从被检样品返回的)二次电子,由此获得有关二次电子的附加测量数据。在这种实施例中,在数据分析操作120中,在确定结构参数集时还考虑附加测量数据。
方法100可用于提供被检样品的一维浓度图或被检样品的三维浓度图(或被检样品的二维浓度图)。每个可能性对应于单独实施例。在后一情况下(即,在其中方法100用于被检样品的三维剖析的实施例中),并且如以下在图3至图5的描述中详细地描述的,测量操作110可相对于相应电子束在被检样品上(例如,被检样品的顶表面上)入射到的多个横向位置中的每一者顺序地实施。本领域技术人员将容易地意识到,通过对被检样品上的相应电子束入射的多个横向位置中的每一者顺序地实施测量操作110,可检测到目标物质的平均浓度(在深度维度上平均的(局部)密度)的横向变化。所谓“横向变化”是指在假定z坐标量化深度的情况下平行于xy平面的变化。因此,方法100可用于获得被检样品包括的目标物质的平均浓度(在深度维度上平均)的二维图。
更一般地,通过相对于被检样品上的多个横向位置中的每一者顺序地实施测量操作110,并且应用数据分析操作120,可检测结构参数的值的变化(超出一种或多种目标物质的局部浓度或一种或多种目标物质的在深度维度上平均的平均浓度)。例如,当被检样品是分层的时,可检测层的厚度的横向变化(例如,由于工艺变化)。因此,层的厚度的横向变化可关于将厚度指定为横向(即,水平)坐标的函数的二维厚度图进行呈现。
首先,详细地描述一维情况(即,无横向表征的纯深度剖析)。为此,另外参考图2A至图2D。图2A至图2D示意性地描绘了根据方法100的一些实施例的所述方法的测量操作110的实施,其中寻求被检样品的一维信息。为了通过使其更具体来便于描述,假定采用方法100来生成被检样品(例如,半导体样品)中包括的目标物质的一维浓度图。然而,本领域技术人员将易于掌握对其他任务的概括,该任务诸如以上提及的任务(例如,确定分层样品中的层的厚度、确定一种或多种目标物质的在深度维度上平均的平均浓度或确定嵌入被检样品中的目标结构的横向尺寸)。
图2A示出了根据测量操作110由电子束探测的样品20的横截面图。作为非限制性说明性示例,假定样品20包括多个横向(即,水平)层22,其中层22中的至少一些在组成方面彼此不同(即,在组分方面不同,或者当包括相同组分时,在组分浓度方面不同)。根据一些实施例,层22中的至少一些的厚度可彼此不同。
作为非限制性示例,在图2A至2D中,样品20被示出为包括彼此堆叠地设置的三个层:第一层22'(来自层22)、第二层22"(来自层22)和第三层22"'(来自层22)。第一层22'设置在第二层22"上方。第二层22"被夹在第一层22'与第三层22"'之间。第一层22'的顶表面构成样品20的外表面24。还示出了电子束源202和由此产生以便入射(例如,垂直入射)在外表面24上的电子束205。电子束源202可被配置为以多个着陆能量中的每一者投射电子束(一次一个),由此实施子操作110a。
电子束205的着陆能量越大,来自电子束205的电子将(平均)穿透到样品20中的深度越大。另外,电子束205的着陆能量越大,探测区越大,即样品20内其中来自电子束205的电子与样品20中的物质弹性相互作用以便散射的体积越大。这在图2A中经由三个探测区26举例说明:第一探测区26a对应于样品20的体积,其中发生几乎所有(例如,至少80%、至少90%或至少95%)弹性相互作用,该弹性相互作用引起具有第一着陆能量E1的穿透电子束中的电子的反向散射。第二探测区26b对应于样品20的体积,其中发生几乎所有弹性相互作用,该弹性相互作用引起具有第二着陆能量E2的穿透电子束中的电子的反向散射。第三探测区26c对应于样品20的体积,其中发生几乎所有弹性相互作用,该弹性相互作用引起具有第三着陆能量E3的穿透电子束中的电子的反向散射。第一探测区26a以在深度dA处的第一点PA为中心,第二探测区26b以在深度dB处的第二点PB为中心,并且第三探测区26c以在深度dC处的第三点PC为中心。E1<E2<E3。因此,dA<dB<dC。根据一些实施例,并且如图2A所示,第三探测区26c的大小大于第二探测区26b的大小,该第二探测区的大小大于第一探测区26a的大小。
根据一些实施例,特别是其中在数据分析操作120中利用NN来获得浓度图的实施例,浓度图的所需深度分辨率规定着陆能量的数量。特别地,所需深度分辨率越大,利用的着陆能量的数量越多。(探测被检样品所达的最小深度和最大深度分别由最小着陆能量和最大着陆能量确定。)因此,在这种实施例中,连续探测区的中心之间的距离(例如,PA与PB之间的距离dB-dA、PB与PC之间的距离dC-dB)由浓度图的所需分辨率规定。根据一些实施例,深度分辨率被选择为足够高以检测和“准确指出”目标物质的浓度变化。例如,在样品20的深度剖析中,深度分辨率可被选择为大于层22中的最薄者的厚度。需注意,这同样也可适用于其他结构参数。例如,根据一些实施例,确定分层样品的层的厚度所达的准确度可规定着陆能量的数量。
替代地,根据一些实施例,其中可在数据分析操作120中采用线性模型结合算法来获得浓度图(并且,更一般地,结构参数集),采用的着陆能量的数量可相对少得多。也就是说,可探测被检样品达预选和/或随机深度的小集合中的每一者(例如,以捕获工艺变化)。如本文所用,术语“线性模型结合算法”可指线性回归模型,或更一般地指结合有两个或更多个子算法的算法,其中子算法中的一者由线性回归模型构成。
图2B示出了入射在样品20上的由电子束源202产生并具有第一着陆能量E1的第一电子束205a。还描绘了第一探测区26a(几乎所有感测到的反向散射电子都从该第一探测区返回)。箭头215a指示反向散射电子。箭头215a'指示到达电子传感器204的反向散射电子的一小部分(即,部分)。
图2C示出了入射在样品20上的由电子束源202产生并具有第二着陆能量E2的第二电子束205b。还描绘了第二探测区26b(几乎所有感测到的反向散射电子都从该第二探测区返回)。箭头215b指示反向散射电子。箭头215b'指示到达电子传感器204的反向散射电子的一小部分。
图2D示出了入射在样品20上的由电子束源202产生并具有第三着陆能量E3的第三电子束205c。还描绘了第三探测区26c(几乎所有感测到的反向散射电子都从该第三探测区返回)。箭头215c指示反向散射电子。箭头215c'指示到达电子传感器204的反向散射电子的一小部分。
根据一些实施例,电子传感器204是BSE检测器。根据一些实施例,图2B至图2D中未描绘,除了电子传感器204,还可使用一个或多个附加电子传感器来感测返回电子。
对于每个着陆能量(例如,着陆能量E1、E2和E3),由电子传感器204测量从样品20返回到电子传感器204上的电子(例如,反向散射电子)的相应强度,由此实施子操作110b。从探测区返回的反向散射电子的强度指示探测区的(材料)组成。通过感测由足够大量的多个电子束中的每一者分别以多个(不同)着陆能量引起的反向散射电子并使由此获得的感测到的电子数据集进行联合分析(例如,使用如下所述的训练算法),可提取组成对深度的依赖性(在数据分析操作120中)。更具体地,由于每种物质的存在和空间分布通常通过探测样品达多个深度(通过用不同着陆能量的电子束一次一个地入射在样品上)来产生对(差分)弹性散射横截面的独特贡献,可获得指示因变于深度的样品的组成的信息。
参考数据分析操作120,根据一些实施例,并且如上文所提及,结构参数集可作为经训练的算法(即,使用机器学习(ML)工具导出的算法,也称为“ML导出的算法”)的输出获得,所述经训练的算法诸如(经训练的)神经网络(NN),或者根据一些实施例,(经训练的)线性模型结合算法。该算法被配置为任选地在初始处理之后(例如,在数据分析操作120的开始处)接收经测量的电子强度集(在测量操作110中获得)作为输入,如上所述。强度中的每一者可由相应电子束的着陆能量标记。因此,在一维情况下,/>的分量的数量等于着陆能量的数量。
一般来讲,数据分析操作120可涉及使用经训练的NN来获得结构参数集。然而,当BSE强度(即,反向散射电子的强度)基本上线性地取决于要确定的(一个或多个)结构参数(中的每一者)时,可替代地采用经训练的线性模型结合算法。将理解,线性依赖性不一定是绝对的,而是在结构参数(例如,由于制造缺陷)预期变化的范围内,BSE强度在统计上表现出对结构参数的显著线性依赖性就足够了:例如,在内。矢量/>指定结构参数集。三角括号表示在/>内平均。/>是指定/>分量中的每一者的标准偏差的矢量。在这方面,需注意,第一参数是否在统计上表现出在(多个)第二参数预期变化的(多个)范围内对(多个)第二参数的基本上线性依赖性,这取决于确定(多个)第二参数要达到的所需准确度。作为非限制性示例,第一参数可对应于由于具有着陆能量E的电子束入射在被检样品上而从被检样品返回的反向散射电子的强度,并且(多个)第二参数可对应要使用方法100确定的(多个)结构参数。特别地,当需要第一准确度时,相同行为可被认为是基本上线性的(并且因此近似为线性的),而当需要高于第一准确度的第二准确度时,相同行为可被认为是非线性的(并且因此不适合使用基于线性模型的算法进行处理)。
根据其中线性模型被配置为接收结构参数集作为输入并输出电子强度集的一些实施例,线性模型结合算法可以涉及优化算法(例如,最小二乘法)的执行。根据一些这种实施例,经确定的结构参数集/>可作为/>的解获得。双竖括号表示范数(例如,L2)。/>的每个分量可以是/>的分量中的一者或多者的线性函数。最一般地,/>的每个分量可以是/>的分量的多变量函数。另外,术语“线性模型”将被理解为不限于使用最小二乘法来确定权重的线性函数。根据一些实施例,可利用其他范数来固定权重,诸如L1范数或Mahalanbois距离。根据一些实施例,(多个)正则化项可被添加到范数/>以稳定解或作为(多个)约束,其反映了关于反向散射电子的行为和/或测量设置(例如,电子传感器)的一些先验知识。如本文所用,术语“线性模型”和“线性回归模型”是可互换的。
更具体地,可在其中经测量的电子强度任选地在处理(例如,以考虑噪声)之后预期表现出对结构参数的实质线性依赖性(至少在结构参数的预期变化的范围内)的实施例中采用线性模型结合算法。线性模型(即,线性模型结合算法或其子算法)可描述一个或多个内部几何参数和/或一个或多个浓度参数对BSE辐射的影响。因此,在训练线性模型(即,学习BSE强度对(多个)内部几何参数和/或(多个)浓度参数的依赖性)之后,可测量来自被检样品的BSE辐射并可估计被检样品的一个或多个结构参数。在生成目标物质的浓度图的上下文中,可在其中目标物质的密度足够小以使得因目标物质的存在而发射的BSE辐射的强度表现出对目标物质的密度的显著线性依赖性的实施例中采用线性模型结合算法。特别地,如果目标物质在深度d处的密度以因子α增大,则对因在深度d处存在的目标物质造成的BSE强度(即,反向散射电子的强度)的贡献将以因子α显著增大。
典型地,训练线性模型所需的不同GT的数量可能比训练NN所需的少一到两个数量级。为此,根据其中BSE强度预期表现出对结构参数(的值)的依赖性(不接近线性)的一些实施例,实际GT和相关联的实际(即,经测量的)BSE强度任选地在处理之后可通过模拟来放大以获得大模拟训练集(用于训练NN)。以下训练方法小节描述了可借以实现这种放大的方法。
如上所述,根据一些实施例,可以获得结构参数集(例如,浓度图)作为算法(诸如NN或线性模型结合算法)的输出。该算法可以被配置为接收经测量的电子强度集(在测量操作110中获得)作为输入,其中强度中的每一者由分别引起的电子束的着陆能量标记。
根据一些实施例,其中结构参数集指定目标物质的浓度图,使得在每个(多个)图坐标处,目标物质的密度被指定为在相应密度范围内(来自多个密度范围),并且使用NN来实施数据分析操作120,该NN可以是分类NN。根据一些实施例,其中结构参数集指定目标物质的浓度图,使得在每个(多个)图坐标处,目标物质的密度被指定为在相应密度范围内,并且使用线性模型结合算法来实施数据分析操作120,该线性模型结合算法可涉及实施线性分类器。根据一些实施例,结构参数集可指定有关多种目标物质的多个这种浓度图。根据一些实施例,密度范围在联合构成连续密度范围的意义上可以是互补的。
根据一些实施例,其中结构参数集指定浓度图,该浓度图在每个(多个)图坐标处指定被检样品中标称地包括的一些或所有物质中具有关于(多个)图坐标的最高密度的相应物质,NN(当使用NN来实施数据分析操作120时)可以是分类NN。根据一些实施例,其中结构参数集指定浓度图,该浓度图在每个(多个)图坐标处指定具有关于(多个)图坐标的最高密度的相应物质,线性模型结合算法(当使用线性模型结合算法来实施数据分析操作120时)可涉及实施线性分类器。
根据一些实施例,其中结构参数集中的每一者将被确定为(单个)数值而不是范围(例如,当该浓度图在每个(多个)图坐标处将目标物质的密度指定为相应数值时),NN(当使用NN来实施数据分析操作120时)可以是回归NN。
根据一些实施例,其中使用NN来实施数据分析操作120,NN可以是深度NN(DNN),诸如卷积NN(CNN)或全连接NN。根据一些实施例,NN可以是生成对抗网络(GAN)。根据其中NN是分类NN的一些实施例,NN可以是卷积NN(CNN)。根据其中NN可以是分类NN的一些实施例,NN可由变分自动编码器(VAE)和分类器(例如,支持向量机(SVM)或深度NN)组成。在这种实施例中,没有标记的经测量的电子强度集(任选地,在初始处理之后)可输入VAE中,该VAE被配置为从中提取潜在变量。各自由相应着陆能量标记的潜在变量用作分类器的输入,该分类器被配置为输出(经确定的)结构参数集(例如,浓度图)。替代地,根据一些实施例,NN可以是多头VAE。根据其中NN是分类NN的一些实施例,NN可以是AlexNet、VGG NN或ResNet。
以下训练方法小节描述了可借以训练算法(诸如NN)来从被检样品的经测量的电子强度集确定被检样品的结构参数集的各种方式,经测量的电子强度集分别有关多个电子束着陆能量(即,电子束的着陆能量)。
图3呈现了用于样品的三维深度剖析的方法300的流程图。方法300对应于方法100的具体的实施例。方法300包括:
-测量操作310,其中对于从1至的每个(整数)k,并且对于电子束的相应多个着陆能量中的每一者(即,不同k可分别具有与其相关联的可在值和/或数量方面不同的不同多个着陆能量),通过以下操作来获得相应经测量的电子强度集:
■子操作310a,其中将电子束投射在被检样品上的第k横向位置上,以便穿透到被检样品中并在由电子束的着陆能量确定的深度处引起电子从被检样品的相应体积(也称为“探测区”)的后向散射。
■子操作310b,其中测量从被检样品返回的散射电子(例如,反向散射电子)的强度。
-数据分析操作320,其中基于经测量的电子强度集(即,通过在子操作310b的实施中感测电子来获得的测量数据的全体)并考虑指示被检样品的预期设计的参考数据来确定被检样品的结构参数集。结构参数集表征被检样品的内部几何形状和/或(材料)组成。
本领域技术人员将易于理解,以上操作和子操作的列出次序不是唯一的。本公开内容还涵盖其他适用次序。例如,根据一些实施例,数据分析操作320可在测量操作310结束之前开始。
方法300可使用根据其一些实施例的系统(诸如以下在图6的描述中描述的系统)或与其类似的系统来实施。
根据一些实施例,结构参数集指定被检样品中包括的目标物质的三维浓度图。技术人员将理解,方法300还可用于获得被检样品中的目标物质的二维(由深度维度和横向维度定义)浓度图。
根据一些实施例,结构参数集指定二维图,该二维图绘出被检样品中包括的目标物质的平均浓度(其中在深度维度上取平均值)的横向变化。根据一些实施例,结构参数集指定二维图,该二维图在每对横向图坐标处指定被检样品中包括的所有物质或预定义物质集中具有最高平均浓度(其中在深度维度上取平均值)的物质。根据一些实施例,其中被检样品是分层的,结构参数集指定二维图,该二维图绘出被检样品的层的厚度的横向变化。
根据一些实施例,其中将生成被检样品的三维浓度图,在数据分析操作320中,可对经测量的电子强度集进行整合分析:除了有关第一横向位置的经测量的电子强度集之外,在确定在第一横向位置下方的图性质时还附加地考虑有关其他横向位置的其他经测量的电子强度集。作为非限制性示例,为了确定目标物质在第一横向位置下方的密度分布,除了有关第一横向位置的经测量的电子强度集之外,可附加地考虑有关最靠近该第一横向位置的多个横向位置的其他经测量的电子强度集。因此,在测量操作310中,根据一些实施例,个横向位置的密度可由浓度图的所需(多个)侧向分辨率规定。根据一些实施例,在进行整合分析之前,经测量的电子强度集可经历初始处理,例如,如上文关于数据分析操作120所述。
子操作310b可使用一个或多个电子传感器(例如,其可以构成或形成电子传感器的一部分,诸如图6的电子传感器)来实施。根据一些实施例,电子传感器是电子图像传感器(例如,BSE图像检测器)。在这种实施例中,在子操作310b的相应实施中,感测到的电子数据集中的每一者至少包括入射在电子图像传感器上的每个像素上的电子的经测量的强度。根据一些实施例,可使用两个或更多个电子传感器和/或电子图像传感器来实施子操作310b。在这种实施例中,在子操作310b的相应实施中,经测量的电子强度集中的每一者至少包括由电子传感器中的每一者或由每个电子图像传感器中的每一者上的每个像素测量的电子的强度。
需注意,方法300可用于验证样品内一种或多种物质的密度分布,尤其是如在方法100的描述中所述。
为了便于描述,除了图3之外,还参考图4A和图4B,其示意性地描绘了根据所述方法的一些实施例的方法300的实施。图4A示出了根据测量操作310由电子束探测的样品40的透视图。样品40可包括多个层42。为了便于描述,假定层42中的至少一些在(材料)组成上彼此不同。根据一些实施例,层42中的至少一些在其尺寸方面可彼此不同。根据一些实施例,层42中的至少一些在其内部几何形状方面可彼此不同。根据一些实施例,包括相同成分(即,物质)的层42中的至少一些在其中的成分分布方面彼此不同。根据一些这种实施例,其中层42被成形为或标称地成形为水平设置的板件,层42中的至少一些在厚度方面可彼此不同。
作为非限制性示例,在图4A中,样品40被示出为包括彼此堆叠地设置的三个层:第一层42a(来自第一层42)、第二层42b(来自第二层42)和第三层42c(来自第三层42)。第一层42a设置在第二层42b上方。第二层42b夹在第一层42a与第三层42c之间。第一层42a的顶表面构成样品40的外表面44。
如图4A和图4B所描绘,第二层42b在设计上可能是不均匀的并可包括两种类型的节段:第一节段42b1和第二节段42b2(并非其中所有节段都在图4A和图4B中编号)。第一节段42b1中的每一者和第二节段42b2中的每一者平行于y轴延伸。第一节段42b1和第二节段42b2交替地设置。根据一些实施例,第一节段42b1与第二节段42b2在其组成方面不同,无论是在组分方面(即,其中包含的物质)和/或在相同组分的密度方面。根据一些实施例,第一节段42b1可由第一半导体材料(即,半导体物质)构成,并且第二节段42b2可由第二半导体材料构成。
类似地,并且如图4A和图4B所描绘,第三层42c在设计上可能是不均匀的并可包括两种类型的节段:第三节段42c1和第四节段42c2(并非其中所有节段都在图4A和图4B中被编号)。第三节段42c1中的每一者和第四节段42c2中的每一者平行于y轴延伸。第三节段42c1和第四节段42c2交替地设置。根据一些实施例,第三节段42c1与第四节段42c2在(材料)组成方面不同,无论是在组分方面和/或在相同组分的密度方面。根据一些实施例,第三节段42c1可由第三半导体材料构成,并且第四节段42c2可由第四半导体材料构成。根据一些实施例,并且如图4A和图4B所示,第三节段42c1分别位于第一节段42b1下方,并且第四节段42c2分别位于第二节段42b2下方。
还示出了电子束源402。电子束源402可被配置为将电子束(一次一个地)投射到外表面44上的多个(横向)位置48(并非其中所有位置都被编号)中的每一者上。例如,在图4A中,示出了电子束源402产生电子束405,该电子束在位置48'(来自位置48)处入射(例如,垂直入射)在外表面44上。投射在同一位置上的电子束中的至少一些在着陆能量方面彼此不同,使得在多个深度处探测样品40(在位置48'下方)。根据一些实施例,位置48可如此分布,以便限定网格,例如方形网格。
还参考图4B,图4B呈现了根据方法300并特别是测量操作310的一些实施例的样品40的横截面图,该横截面图示出了其中的探测区46。作为旨在通过使其更具体而便于描述的非限制性示例,在图4B中,在位置48中的每一者处,施加五个着陆能量下的电子束。根据一些实施例,探测区46a中的每一者对应于相应体积,几乎所有(例如,至少80%、至少90%或至少95%)反向散射电子由于相应电子束以相应第一着陆能量经由来自位置48的相应位置穿透到样品40中而从所述相应体积反射。例如,第一探测区46a'对应于几乎所有反向散射电子由于电子束以第一着陆能量E1'经由位置48'(来自位置48)穿透到样品40中而从中反射的体积。
探测区46b中的每一者对应于相应体积,几乎所有反向散射电子由于电子束以相应第二着陆能量(大于相应第一着陆能量)经由来自位置48的相应位置穿透到样品40中而从所述相应体积反射。例如,第二探测区46b'对应于几乎所有反向散射电子由于电子束以第二着陆能量E2'>E1'经由位置48'穿透到样品40中而从中反射的体积。
探测区46c中的每一者对应于相应体积,几乎所有反向散射电子由于电子束以相应第三着陆能量(大于相应第二着陆能量)经由来自位置48的相应位置穿透到样品40中而从所述相应体积反射。例如,第三探测区46c'对应于几乎所有反向散射电子由于电子束以第三着陆能量E3'>E2'经由位置48'穿透到样品40中而从中反射的体积。
探测区46d中的每一者对应于相应体积,几乎所有反向散射电子由于电子束以相应第四着陆能量(大于第三着陆能量)经由来自位置48的相应位置穿透到样品40中而从所述相应体积反射。例如,第四探测区46d'对应于几乎所有反向散射电子由于电子束以第四着陆能量E4'>E3'经由位置48'穿透到样品40中而从中反射的体积。
探测区46e中的每一者对应于相应体积,几乎所有反向散射电子由于电子束以第五着陆能量(大于第四着陆能量)经由来自位置48的相应位置穿透到样品40中而从所述相应体积反射。例如,第五探测区46e'对应于几乎所有反向散射电子由于电子束以第五着陆能量E5>E4经由位置48'穿透到样品40中而从中反射的体积。
第一探测区46a'以深度bA处的第一点QA为中心,第二探测区46b'以深度bB处的第二点QB为中心,第三探测区46c'以深度bC处的第三点QC为中心例如,第四探测区46d'以深度bD处的第四点QD为中心,并且第五探测区46e'以深度bE处的第五点QE为中心。E1'<E2'<E3'<E4'<E5'。因此,bA<bB<bC<bD<bE。根据一些实施例,并且如图4B所描绘,第五探测区46e'的大小大于第四探测区46d'的大小,该第四探测区的大小大于第三探测区46c'的大小,该第三探测区的大小大于第二探测区46b'的大小,该第二探测区的大小大于第一探测区46a'的大小。
还指示了位置48"和位置48"'(来自位置48)。位置48'和48"'中的每一者与位于其间的位置48"相邻。来自探测区46a的探测区46a"对应于几乎所有反向散射电子由于电子束以相应第一着陆能量经由位置48"穿透到样品40中而从中反射的体积。来自探测区46e的探测区46e"对应于几乎所有反向散射电子由于电子束以相应第五着陆能量经由位置48"穿透到样品40中而从中反射的体积。来自探测区46a的探测区46a'"对应于几乎所有反向散射电子由于电子束以相应第一着陆能量经由位置48”'穿透到样品40中而从中反射的体积。来自探测区46e的探测区46e”'对应于几乎所有反向散射电子由于电子束以相应第五着陆能量经由位置48”'穿透到样品40中而从中反射的体积。
需注意,由于样品40沿由x轴限定的方向不均匀,因此施加在其x坐标不同的位置处的电子束的着陆能量集可不同。因此,例如,根据一些实施例,由于位置48'定位在第一节段42b1中的一者和第三节段42c1中的一者上方,而位置48"'定位在第二节段42b2中的一者和第四节段42c2中的一者上方,是对应于经由位置48"'施加的电子束的着陆能量集(并且/>是对应于经由位置48'施加的电子束的着陆能量集)。
其中着陆能量集可取决于电子束所投射于的相应横向位置选择为彼此不同的示例实施例是当第一节段42b1比第二节段42b2更密集时,使得为了穿透第一节段42b1达与第二节段42b2相同的深度,可能需要更大的着陆能量。另外,如果第三节段42c1比第四节段42c2更密集,则为了确保探测样品40达在位置48'和48"'中的每一者下方的几乎相同深度,对于每个i,Ei'可大于Ei”'。其中着陆能量集可取决于电子束所投射于的相应横向位置选择为彼此不同的其他示例实施例是当第一节段42b1和第三节段42c1的导电性分别比第二节段42b2和第四节段42c2差时。
相邻位置与位置48之间的距离(以及因此横向相邻的探测区的中心之间的距离)基于所需的横向分辨率(可能等于或可能不等于所需的竖直分辨率)来选择。需注意,虽然在图4B中,取决于所需横向分辨率,横向相邻的探测区被示出为是重叠的,但是根据一些其他实施例,一些横向相邻的探测区(以更小深度为中心)或甚至所有横向相邻的探测区都可不重叠。根据一些实施例,横向分辨率被选择为足够高,以检测和“准确指出”(多个)经剖析的组分的浓度变化。因此,相邻横向位置(来自横向位置48)之间的距离可被选择为小于第一节段42b1的宽度以及第二节段42b2的宽度。
尽管在图4A和图4B中,外表面44被描绘为平坦的,但是将理解,方法300可应用于不具有平坦顶表面的样品。特别地,方法300可应用于其顶表面包括在不同高度处的区域的样品。图5描绘了根据一些实施例的对这种样品(即,样品50)实施方法300。作为非限制性示例,样品50被示出为包括彼此堆叠地设置的第一层52a、第二层52b和第三层52c。样品50进一步包括伸出结构55,该伸出结构定位在第一层51的顶部上并沿负z轴的方向从其伸出。伸出结构55共同具有比第一层52a更小的横向尺寸,使得由外表面54构成的样品50的顶表面包括不同高度的两个(不连续)横向表面:第一表面54a和第二表面54b。第一表面54a构成第一层52a的顶外表面。第二表面54b包括伸出结构55的顶表面。根据一些实施例,伸出结构55可具有与层52a、52b和52c中的任一者不同的材料组成。
还示出了电子束源502和由此产生以便入射(例如,垂直入射)在外表面54上的电子束505。第一表面54a上的第一横向位置58a(并非全部都被编号)指示在操作310中由电子束源502投射的电子束撞击第一表面54a(以便探测其下方的层52a、52b和52c)的位置。第二表面54b上的第二横向位置58b指示在操作310中由电子束源502投射的电子束撞击第二表面54b(以便探测其下方的伸出结构55和层52a、52b和52c)的位置。具有第一着陆能量集的电子束可分别被引导到第一横向位置58a中的每一者,并且具有第二着陆能量集的电子束可分别被引导到第二横向位置58b中的每一者。为了探测样品50达其在第一表面54a和第二表面54b两者下方的整个深度并达相同分辨率,第二着陆能量集通常可大于第一着陆能量集(即,第二集中的着陆能量的数量通常可大于第一集中的着陆能量的数量)。
因此,图5中描绘了(i)中心在来自第一横向位置58a的横向位置58a'下方的五个探测区56a1、56a2、56a3、56a4和56a5,以及(ii)中心在(来自伸出结构55的)伸出结构55'上的横向位置58b'(来自第二横向位置58b)下方的七个探测区56b1、56b2、56b3、56b4、56b5、56b6和56b7。未描绘在第一横向位置58a和第二横向位置58b的其余部分下方的探测区。探测区56b1被约束在伸出结构55'内,而探测区56b2穿透到第一层52a中但其中心位于伸出结构55'内。探测区56b3、56b4、56b5、56b6和56b7的中心位于层52a、52b和52c中的相应一者内。
将理解,方法100和300的适用性不限于包括标称平坦层的样品。(材料)组成(无论是在组分方面还是在包括相同成分时在组分的浓度方面)彼此不同的区原则上可以是任意形状的。特别地,方法100可在样品上执行,该样品的特征在于样品中包括的物质中的一种或多种因变于深度坐标(即,竖直坐标)的持续变化的浓度。类似地,方法300可在样品上执行,该样品的特征在于样品中包括的物质中的一种或多种因变于深度坐标和/或横向坐标中的一者或两者的持续变化的浓度。另外,技术人员将易于理解方法100并且特别是方法300可应用于包括空腔和/或孔的样品(即,对该样品执行)。
深度剖析系统
根据一些实施例的一方面,提供了一种用于样品(例如,图案化晶片和/或其中或其上的半导体结构)的深度剖析的计算机化系统。图6示意性地呈现了根据一些实施例的这种系统,即计算机化系统600。如从系统600的描述中显而易见的,该系统可用于实施方法100和300中的每一者。特别地,系统600可用于验证被检样品中的一种或多种物质的(标称)密度分布,如以上在系统100和300的描述中所述。
系统600包括电子束源602(例如,电子枪)、电子传感器604、处理电路606(也称为“计算机硬件”)和控制器608。根据一些实施例,系统600可进一步包括电子光学器件612,该电子光学器件被配置为引导和/或聚焦由电子束源602产生的电子束,和/或引导因电子束辐射样品而从样品散射的电子(例如,到电子传感器604上)。根据一些实施例,并且如图6所描绘,电子束源602、电子传感器604、电子光学器件612和控制器608可构成SEM 620的部件。根据一些实施例,系统600可进一步包括工作台624(例如,xyz工作台),该工作台被配置为容纳(被检)样品60(例如,图案化晶片)。需注意,样品60不形成系统600的部分。
元件之间的虚线指示元件之间的功能或通信关联。
由电子束源602产生的电子束605被示出为入射在样品60上。由于电子束605入射到样品60上,并且电子束605穿透到样品60中,反向散射电子以及二次电子从样品60返回。箭头615指示在电子传感器604的方向上从样品60散射的反向散射的电子以及二次电子。根据一些实施例,电子传感器604可被配置为感测相对于电子束605的入射方向以180°返回的电子。箭头615a(来自箭头615)指示相对于电子束605的入射方向以180°返回的电子。
根据一些实施例,电子传感器604可以是BSE检测器,即被配置为至少感测从样品60返回的反向散射电子。根据一些实施例,电子传感器604可以是被配置为获得BSE图像的BSE图像检测器。电子传感器604被配置为将由此收集的数据直接地或任选地(并且如图6所描绘)经由控制器608间接地中继到处理电路606。根据一些实施例,除了电子传感器604之外,系统600还可包括附加电子传感器(例如,第二BSE检测器)。
根据一些实施例,电子光学器件612可包括(多个)静电透镜和(多个)磁偏转器,其可用于引导和操纵由电子束源602产生的电子束和/或将因电子束穿透到样品60中而产生的至少反向散射电子导向到电子传感器604上。
根据一些实施例,电子光学器件612可包括能量滤波器(未示出),该能量滤波器被配置为将具有高于阈值能量的能量的电子从中传输到电子传感器604上。更具体地,仅能量高于能量阈值的电子通过能量滤波器并到达电子传感器604,由此确保基本上只有从样品中的物质弹性散射的电子被电子传感器604感测到。根据一些实施例,以下在图7的描述中描述了这种滤波器的非限制性示例。根据一些替代实施例,电子光学器件612可包括维恩滤波器。
根据一些实施例,SEM 620和工作台624可被容纳在真空腔室630内。
控制器608可功能上与电子束源602和任选地工作台624相关联。更具体地,控制器608被配置为在探测被检样品期间控制和同步系统600的以上列出的部件的操作和功能。例如,根据一些实施例,其中工作台624可移动的,工作台624可被配置为沿由控制器608设定的轨迹机械地平移放置在其上的被检样品(例如,样品60),由此允许被检样品的三维剖析。
处理电路606包括一个或多个处理器(即,(多个)处理器640),并且任选地包括RAM和/或非易失性存储器部件(未示出)。(多个)处理器640被配置为执行存储在非易失性存储器部件中的软件指令。通过执行软件指令,处理被检样品(例如,样品60)的一个或多个经测量的电子强度集(例如,由电子传感器604测量)以确定表征被检样品的结构参数集,基本上如上文在深度剖析方法小节的描述中所述。根据一些实施例,该结构参数集指定被检样品的浓度图。根据一些实施例,在每个(多个)图坐标(即,在一维情况下是竖直坐标,而在三维情况下是一个竖直坐标和两个横向坐标)处,浓度图指定具有关于(多个)图坐标的最高密度的物质,如上文在深度剖析方法小节中所述。根据一些实施例,在每个(多个)图坐标处,浓度图指定被检样品中包括的目标物质的密度。根据一些这种实施例,在每个(多个)图坐标处,浓度图将目标物质的密度指定为在相应密度范围内,如上文在深度剖析方法小节中所述。也就是说,在这种实施例中,处理电路606可被配置为将(多个)图坐标(即,在一维情况下是竖直坐标,而在三维情况下是一个竖直坐标和两个侧向坐标)附近的子区中的目标物质的密度指派到来自多个或相应多个(互补)密度范围的相应密度范围。在一维情况下,子区中的每一者对应于以相应竖直坐标为中心的相应薄横向层。在三维情况下,子区中的每一者对应于以相应竖直坐标和横向坐标为中心的体素。替换地,根据一些实施例,在每个(多个)图坐标处,浓度图关于(单个)数值指定目标物质的密度,如上文在深度剖析方法小节中所述。
根据一些实施例,结构参数集可指定两个或更多个浓度图,该两个或更多个浓度图分别指定两种或更多种目标物质的密度分布。
根据一些实施例,结构参数集可附加地或替代地指定被检样品的一个或多个层的厚度(在其中被检样品分层的一些实施例中)和/或被检样品中包括的一种或多种目标物质的总浓度(即,平均密度)中的一者或多者。
根据一些实施例,(多个)处理器640可被配置为执行(多个)经训练的算法。(多个)经训练的算法被配置为任选地在对(多个)经测量的电子强度集(例如,由系统600获得)的初始处理之后接收被检样品的(多个)经测量的电子强度集作为输入,并且输出被检样品的浓度图,如上文在深度剖析方法小节中所述。根据一些实施例,其中经训练的算法被配置为在其初始处理之后接收(多个)经测量的电子强度集,(多个)处理器640可被进一步配置为执行初始处理。经训练的算法(例如,其权重)可取决于指示被检样品的预期设计的参考数据,至少在已经使用参考数据(例如,设计数据和/或GT数据)和相关联的测量数据和/或模拟数据进行训练的意义上是这样的。相关联的测量数据(例如,经测量的电子强度集)可有关与被检样品有相同预期设计的其他样品和/或分别与被检样品中的对应部分有相同预期设计的样品的部分。模拟数据可从模拟将电子束以多个着陆能量中的每一者入射在(经模拟的)样品上(例如,如方法100和300所规定)导出,该样品与被检样品有相同预期设计。
预期设计可指定被检样品的几何和/或组成参数的标称值或标称范围。根据一些实施例,(经测量的电子强度集中的)每个经测量的强度可由对应着陆能量标记。根据一些这种实施例,其中要确定包括“二维”和/或“三维”结构参数的结构参数集,每个经测量的电子强度集可由电子束入射在样品上的横向位置的坐标标记。三维浓度图提供了“三维”结构参数集的非限制性示例。“二维”结构参数集的非限制性示例由一个或多个二维图提供,该一个或多个二维图将分层样品中的层厚度指定为横向坐标的函数。
根据一些实施例,经训练的算法可以是(经训练的)NN,诸如DNN(例如,CNN或全连接NN)。替代地,根据一些实施例,经训练的算法可以是线性模型结合算法。可考虑被检样品的预期设计、结构参数预期变化的范围和确定结构参数要达到的准确度来选择算法的类型及其架构。在这方面,需注意,经测量的BSE强度是否表现出对结构参数的线性依赖性将典型地取决于结构参数变化的范围:除非依赖性是纯线性的,否则结构参数变化的范围越大,与线性依赖性的偏差就越大。例如,根据一些实施例,其中较低的准确度就足够了并且结构参数的预期变化的范围足够小,可采用线性模型结合算法。相比之下,根据一些其他实施例,其中需要高准确度,结构参数的预期变化的范围足够大,并且有足够大的计算资源可用,可采用NN。
根据一些实施例,该算法可用于不同预期设计的样品的剖析分析,其中该算法被配置为除了(多个)经测量的电子强度集之外,还接收被检样品的设计数据作为输入,并且更一般地,根据一些实施例,接收被检样品的参考数据作为输入。
根据一些实施例,其中,在每个(多个)图坐标处,浓度图指定具有最高浓度(即,密度)的物质,NN可以是分类NN。根据一些这种实施例,NN可以是CNN、AlexNet、VGG NN、ResNet,或者可包括VAE。
根据一些实施例,其中浓度图将目标物质的浓度指定为在密度范围内,NN可以是分类NN。根据一些这种实施例,NN可以是CNN、AlexNet、VGGNN、ResNet或VAE(如深度剖析方法小节中所述)。
根据一些实施例,其中浓度图关于(单个)数值指定目标物质的密度,NN可以是回归NN。
根据一些实施例,电子束源602可横向地和/或竖直地平移。根据一些实施例,电子束源602可被配置为允许以相对于样品60的多个入射角中的任一者投射电子束。特别地,根据一些这种实施例,电子束源602可被配置为允许电子束不仅垂直于样品60的顶表面64(即,以0°的入射角)而且相对于该样品倾斜地(例如,以约10°、约20°或约30°的入射角)投射。在这种实施例中,经训练的算法(可由处理电路606执行)可被配置为在计算结构参数集(例如,浓度图)时考虑电子束中的每一者的入射角。
根据一些实施例,电子传感器604(或其一个或多个部件)可以是可横向和/或竖直平移的,由此允许控制收集角(即,感测以期望返回角从样品60返回的反向散射电子)。根据一些实施例,可分别以不同返回角感测由不同着陆能量的电子束产生的反向散射电子。在这种实施例中,经训练的算法(可由处理电路606执行)可被配置为在计算结构参数集(例如,浓度图)时考虑电子束的返回角。
根据一些实施例,电子传感器604可包括多个电子传感器,该多个电子传感器被配置为以多个返回角(等效地,散射角)中的每一者感测反向散射的电子。例如,第一电子传感器(例如,第一BSE检测器)可被定位以便测量以约180°的散射角返回的反向散射电子,而第二电子传感器(例如,第二BSE检测器)可被定位以便测量以约170°、约160°或约150°的散射角返回的反向散射电子。在这种实施例中,经训练的算法(可由处理电路606执行)可被配置为接收由相应返回角标记的分别由电子传感器中的每个电子传感器感测(测量)的反向散射电子的强度作为输入。
根据一些实施例,其中电子光学器件612包括能量滤波器,如上所述,经训练的算法(可由处理电路606执行)可被配置为接收经测量的电子强度集作为输入,该经测量的电子强度集包括针对能量滤波器的不同阈值能量获得的测量数据。在这种实施例中,除了由着陆能量标记之外,测量数据(中的至少一些)可进一步由阈值能量标记。
图7示意性地描绘了根据一些实施例的SEM 720。SEM 720对应于(系统600的)SEM620的具体实施例,其中SEM 620包括两个电子传感器。SEM 720包括电子枪702、第一电子传感器704a和第二电子传感器704b。电子枪702对应于电子源602的具体实施例。第二电子传感器704b可包括用于由SEM 720准备的电子束从中通过的孔760。SEM 720附加地包括偏转组件712(例如,包括多个磁体和/或磁线圈)。偏转组件712可被包括在SEM 720的电子光学器件(未示出其所有部件)中或构成该电子光学器件,这对应于电子光学器件612的具体实施例。图7中未示出SEM 720的控制器。
SEM 720进一步包括能量滤波器752。能量滤波器752被配置为对具有高于可选择阈值能量的能量的电子进行滤波。根据一些实施例,如图7所示,能量滤波器752可包括定位在第一电子传感器704a下方的至少一个导电栅格756(即,至少一个穿孔金属板)。栅格756可维持在可选择(电)势,使得仅具有高于阈值能量的能量的电子可穿过栅格756并到达第一电子传感器704a。
还示出了工作台724和安装在其上的样品70。工作台724和样品70分别对应于工作台624和样品60的具体实施例。
根据一些实施例,并且如图7所描绘,在操作中,由电子枪702产生的电子束701垂直地入射在样品70上。电子束701被偏转组件712横向地偏移(即,横向移位),由此准备入射电子束705。箭头715指示返回电子(例如,反向散射电子),返回电子是由于电子束705撞击在样品70上并且特别是由于其穿透到该样品中产生的。箭头715a(来自箭头715)指示以180°反向散射的电子(即,相对于电子束705的入射方向以180°返回的电子)。箭头715b(来自箭头715)指示反向散射电子,该反向散射电子以不同于180°的散射角返回并由第二电子传感器704b感测。
以180°反向散射的电子(即,由箭头715a指示的电子)穿过偏转组件712并由此横向地偏移,之后,由箭头725a指示的电子的一部分通过能量滤波器752进行滤波并由第一电子传感器704a感测。通过改变栅格756所维持于的电势,由箭头725a指示的部分中的电子的最小能量相应地改变。
因此,SEM 720被配置为获得对应于多个散射角的经测量的电子强度集,并且可通过返回电子束中的电子的能量来“解析”经测量的电子强度集。
根据一些实施例,电子光学器件可进一步包括复合透镜762,该复合透镜被配置为将电子束705聚焦在样品70上。为此,复合透镜762可包括磁透镜和静电透镜(未示出)。根据一些实施例,第二电子传感器704b可设置在复合透镜762与样品70之间。
训练方法
根据一些实施例的方面,提供了一种用于训练用于深度剖析并更具体地用于实施方法100的数据分析操作120或方法300的数据分析操作320的算法(例如,NN)的方法800。该算法被配置为:(i)接收任选地预处理的被检样品(例如,诸如样品60或70)的经测量的电子强度集作为输入,以及(ii)输出表征被检样品的内部几何形状和/或组成的结构参数集。算法被配置为输出的结构参数集的非限制性示例在以上深度剖析方法小节和深度剖析系统小节中列出。经测量的电子强度集中的强度中的每一者通过将电子束以来自多个着陆能量的相应着陆能量投射在被检样品上并测量从被检样品返回的电子(例如,反向散射电子)的强度而获得。根据一些实施例,该算法可被配置为在其初始处理(即,预处理)之后接收经测量的电子强度集,如以上在深度剖析方法小节和深度剖析系统小节中所述。因此,可采用方法800来训练算法以执行方法100的数据分析操作120或方法300的数据分析操作320。因此,该算法可以是上文关于方法100和300所述的算法中的任一者。如下所述,方法800有利地被配置为放大成对地面真值(GT)数据和相关联的测量数据的小集合以获得经模拟的训练数据的大集合以用于训练算法。GT数据可包括小量多个样品中一种或多种物质的经测量的浓度图。任选地,在初始处理之后,相关联的测量数据可包括对应经测量的电子强度集(相对于多个样品获得的,其中每个强度由相应着陆能量标记。方法800包括:
-操作810,其中通过执行以下操作来生成用于(可训练的)算法(例如,NN)的经模拟的训练数据:
■子操作810a,其中通过针对来自Ns≥1个样品(也称为“GT样品”)的每个样品执行来生成校准数据:
□子操作810al,通过将电子束以第一多个着陆能量中的每个着陆能量投射在GT样品上(例如,一次一个地)并感测从GT样品返回的电子(例如,反向散射电子)(例如,使用电子传感器测量其强度)来获得有关GT样品的经测量的电子强度集。
□子操作810a2,获得表征GT样品的GT数据。
■子操作810b,其中校准数据用于校准计算机模拟(例如,估计器)。计算机模拟被配置为(i)接收样品的GT数据和电子束的着陆能量(的值)作为输入,以及(ii)输出对应经模拟的电子强度集(即,有关分别通过模拟获得的着陆能量中的每一者的强度)。
■子操作810c,其中使用经校准的计算机模拟来生成对应于其他样品(即,其他GT)和/或附加(电子束)着陆能量的经模拟的电子强度集。
-操作820,其中使用(至少)经模拟的训练数据来训练算法。
校准数据可包括任选地在初始处理之后的Ns个经测量的电子强度集(如上文在深度剖析方法小节和深度剖析系统小节中所述),以及Ns个GT样品的经测量的GT数据。更具体地,校准数据可包括有关子操作810a的Ns个GT样品中的每一者的经测量的数据集。每个经测量的数据集包括有关Ns个GT样品中的一者的经测量的GT数据和强度由相应引起的电子束的着陆能量标记的相应经测量的电子强度集(任选地,在初始处理之后)。需注意,GT数据可能比(要训练的)算法要输出的结构参数集更丰富。例如,根据一些实施例,其中算法被配置为输出不同组成的层的厚度,GT数据不仅可指定GT样品中的每一者中的层的厚度,而且可指定层中的每一者中分别包括的一种或多种物质的总浓度。最一般地,GT数据可分别指定GT样品中的每一者中包括的一种或多种物质的浓度图和/或任何信息,这些信息可使用剖析技术、特别是破坏性剖析技术获得,并且可用于改进计算机模拟的校准。破坏性剖析技术的非限制性示例包括剖析技术,该剖析技术涉及使用SEM和/或TEM来剖析从GT样品提取的薄片。
需注意,在其中要经历训练的算法被配置为输出样品中包括的(多个)目标物质的(多个)浓度图的实施例中,在子操作810a2中,获得(多个)目标物质的浓度图。然而,根据其中要经历训练的算法被配置为输出与浓度图指定的相比相对不太详细的信息(例如,样品中包括的物质的总浓度)的一些实施例,GT数据可能不太详细。
根据一些实施例,GT样品包括具有相同预期设计的样品,并且特别是与通过方法800将算法训练用于深度剖析的样品具有相同预期设计的样品。附加地或替代地,根据一些实施例,可特殊制备GT样品中的至少一些,以便反映结构参数的变化范围(从结构参数的选定最小值到其选定最大值)。
经模拟的训练数据可包括(例如,反向散射电子的)经模拟的电子强度集和相关联的结构参数集。相关联的结构参数集中的每一者可由有关相应样品的GT数据构成或从中导出。更具体地,经模拟的训练数据可包括分别有关多个样品中的每一者的数据集。每个数据集包括有关多个样品中的样品中的一者的结构参数集作为输出集并包括由引起的电子束的着陆能量标记的相应经模拟的电子强度集作为输入集。多个样品中的每个样品可有关或可不有关实际样品(例如,在子操作810a中剖析的Ns个GT样品中的一者)。前一情况的示例是当经校准的计算机模拟用来模拟电子束撞击一个或多个(经模拟的)样品(其由在子操作810a2中测量的实际GT数据表征)时,其中(经模拟的)电子束具有与在子操作810a1中应用的电子束不同的着陆能量。(即,子操作810a1的第一多个着陆能量中不包括模拟电子束的着陆能量中的任一者)。后一情况的示例是当经校准的计算机模拟用来模拟电子束撞击由GT数据(例如,经模拟的密度分布)表征的一个或多个(经模拟的)样品时,该GT数据不同于在子操作810a2中测量的Ns个GT样品的实际GT数据(例如,实际密度分布)。
根据一些实施例,其中(i)算法被配置为在其初始处理之后接收经测量的电子强度集(相对于多个着陆能量而获得)作为输入,以及(ii)计算机模拟被配置为输出结构参数集,子操作810b可包括初始子操作,其中(原始的)经测量的电子强度集(在子操作810al中获得)经历初始处理。初始处理可包括分别隔离或至少放大由投射的电子束引起的反向散射电子对(原始的)经测量的电子强度集的贡献,例如,如上文在深度剖析方法小节中所述。
根据一些实施例,经模拟的电子强度集的数量与经测量的电子强度集的数量的比率(或者,等效地,Ns,即样品的数量)在约100与约1000之间。
根据一些实施例,除了经模拟的训练数据之外,训练集还可包括非模拟训练数据。非模拟训练数据可包括由在子操作810al的实施中获得的经测量的电子强度集(任选地,在初始处理之后)构成的经测量输入集,以及由在子操作810a2中获得的经测量的GT数据构成或从中导出的对应的结构参数输出集。经测量的电子强度集中的每个强度可由相应引起的电子束的着陆能量标记。
根据一些实施例,子操作810b的计算机模拟针对特定预期设计进行定制。根据一些实施例,计算机模拟可被配置为接收(i)特定预期设计的样品的GT数据和(ii)投射在样品上的电子束(例如,经模拟的电子束)的着陆能量作为输入,并且输出相应(任选地,经处理器的)经测量的电子强度集。替代地,根据一些实施例,特别是其中在子操作810c中其他样品中的至少一些可具有不同预期设计的实施例,计算机模拟可被配置为附加地接收样品的预期设计作为输入。
根据一些实施例,在子操作810b中,可校准计算机模拟,使得对于Ns个GT样本中的每一者,当相应GT数据输入到计算机模拟中时,由计算机模拟输出的经模拟的电子强度集与相应经测量的电子强度集在所需精度方面一致。
根据一些实施例,(要使用方法800训练的)算法可以是NN。根据一些实施例,NN可以是DNN,诸如CNN或全连接NN,或者可包括VAE和分类器或多头,如以上在方法100和300的描述中详细地描述的。根据一些实施例,NN可以是GAN。
根据一些实施例,NN可以是分类NN。根据一些这种实施例,NN可以是CNN、AlexNet、VGG NN、ResNet,或者可包括VAE。根据一些实施例,其中算法被配置为生成被检样本的浓度图,分类NN的输出针对每个(多个)图坐标指定具有关于(多个)图坐标的最高密度的物质(来自被检样本中包括的多种物质)。替代地,根据一些实施例,对于每个(多个)图坐标,分类NN的输出将关于(多个)图坐标的目标物质的密度指定为在来自多个互补密度范围的相应密度范围内。
根据一些实施例,NN可以是回归NN。根据一些这种实施例,其中算法被配置为生成被检样本的浓度图,对于每个(多个)图坐标,回归NN的输出关于相应(单个)数值指定关于(多个)图坐标的物质的密度。
子操作810a1可如以上在深度剖析方法小节中的方法100的测量操作110和方法300的子操作310的描述中指定的那样实施。特别地,使用不同着陆能量的电子束允许获得源于分别以不同深度为中心的不同体积(即,样品的探测区)的反向散射电子的(经测量的)强度。
子操作810a2可通过对从Ns个GT样本提取的薄片和/或从其刮走的切片中的每一者进行剖析来实施。根据一些实施例,可使用SEM和/或TEM来执行剖析。
根据一些实施例,算法的输出是被检样品的三维浓度图,并且在子操作810a2的Ns个实施中获得的经测量的GT数据指定、包括或指示Ns个样品中的每一者中包括的一种或多种物质的三维浓度图。在这种实施例中,(i)在子操作810al的每个实施中,可将电子束投射在相应GT样品上的多个侧向位置中的每一者处,以及(ii)在子操作810c中,可针对多个横向位置中的每一者生成经模拟的电子强度集(无论是原始的还是经处理的)。根据一些这种实施例,在操作820中,用作在训练算法时的输入的经模拟的电子强度集(无论是原始的还是经处理的)中的每一者进一步由相应(经模拟的)电子束入射在相应样品上的横向位置标记。
根据一些实施例,算法被配置为输出(a)指定分层样品中的层的厚度的横向变化的一个或多个二维图,和/或(b)指定样品中包括的一种或多种目标物质的平均浓度(在竖直维度上平均)的横向变化的一个或多个二维图。在这种实施例中,(i)在子操作810al的每个实施中,可将电子束在相应GT样品上的多个横向位置中的每一者处透射在相应GT样品上,以及(ii)在子操作810c中,可针对多个横向位置中的每一者生成经模拟的电子强度集(无论是原始的还是经处理的)。根据一些这种实施例,在操作820中,用作在训练算法时的输入的经模拟的电子强度集(无论是原始的还是经处理的)中的每一者进一步由相应(经模拟的)电子束入射在相应样品上的横向位置标记。
根据一些实施例,计算机模拟的校准涉及点扩散函数(PSF)的校准。根据一些这种实施例,可应用经修改的Richardson-Lucy算法来从初始PSF获得经校准的PSF(由此校准计算机模拟)。
更具体地,根据一些实施例,初始地(即,在子操作810b中的计算机模拟的校准之前),计算机模拟指定初始点扩散函数(PSF)集其中NE是着陆能量的数量。(表示集的大括号上的索引在本文中用于指示该索引通常是运行索引。)/>中的每一者对应于来自着陆能量集的相应着陆能量(如由下标E指示),该着陆能量集包括第一多个着陆能量以及任选地其他着陆能量。对于每个着陆能量E,对应初始PSF指定因变于样品内的深度的电子的强度(如由计算机模拟所确定),该电子将(a)因相应电子束(即,具有着陆能量E)的穿透而造成每粒子或单位质量散射(例如,弹性反向散射),以及(b)由所采用的电子传感器(例如,BSE检测器)检测。在三维情况下,每个着陆能量、以及电子束入射在样本上的横向位置对应于初始PSF,该初始PSF不仅因变于样本内的深度坐标,也因变于样本内的水平坐标。
可通过第二计算机模拟来获得初始PSF集。计算机模拟对电子束撞击和穿透经模拟的样品以及电子束中的电子与经模拟的样品中的物质的弹性相互作用进行建模。经模拟的样品与将使用方法100(或方法300)进行深度剖析的样品有相同预期设计。在子操作810b中,校准初始PSF集中的每一者,由此获得经校准的PSF集/>上标i(代表“初始”)和c(代表“经校准的”)用于区分这两个集。
用于生成经模拟的电子强度集。特别地,根据一些实施例,/>可用于从“经模拟的”GT数据获得经模拟的电子强度集。经模拟的GT数据可构成在子操作810a2的Ns个实施中获得的GT数据的微小变化。
需注意,在一维情况下(即,当要获得样品的一维浓度图并可至少在几微米的小范围内假定沿横向方向的均匀性时),初始PSF和经校准的PSF中的每一者将取决于深度z和(一维,例如粒子)密度ρ(z)。更具体地,HE(ρ(z),z)给出了坐标z处的目标物质对反向散射电子(由于将电子束以着陆能量E入射在样品上而产生)的强度的贡献。一般来讲,HE,(ρ(z),z))在要进行剖析的被检样品的区域上)的密度ρ可能是高度非线性的。在这种实施例中,为了导出在近似在z的不同且互补的区间上有支持的密度ρ的线性函数的和的意义上是“分段线性化”的。
更精确地,样品(或其要剖析的一部分)可“分解”成多个节段,在多个节段中的每一者上,基本上呈现出线性。需注意,通常,节段可在厚度方面不同。另外,节段的厚度可取决于着陆能量E而变化。为了简单起见,以下假定对于每个着陆能量,样品分解成K个节段Δzk=(zk-1,zk),其中zk-1<zk,1≤k≤K,z0=0,并且zK=z最大。因此,并且假定目标物质的浓度足够小,对于每个k,在第k间隔上,HE(ρ(z),z)→HE,k(z)·ρ(z)。对于每个k,相应PSF(即,HE,k(z))仅在第k间隔内非零(即,对于z<zk-1和z>zk,HE,k(Z)=0)。因此,对于电子束K的每个着陆能量E,校准K个初始PSF(即,集/>更一般地,当目标物质的浓度更大时,对于每个k,在第k间隔上,/>这里,Δρk(z)量化围绕第k间隔中的基线浓度的空间波动Δzk。
作为非限制性示例,假定散射电子的经测量的强度是高斯分布的,在线性状态下,在给定实际(即,符合所需的准确度)HE,k(z)的情况下测量强度IE的概率由下式给出:N是归一化因子。预期最大化可能性/>添加的下标s表示GT样品(来自子操作810a的Ns个GT样品)。IE,s是在子操作810a1的Ns个实施中测量的强度,并且ρs(z)分别是Ns个GT样品中的每一者的目标物质的密度。将HE,k(z)离散化,使得对于每个k,HE,k(z)由其在/>上的平均值近似,/>(或者更精确地,其离散化/>)可通过求解优化问题(方程1)来推导:/>这里,/>是NE×K矩阵,其中NE是着陆能量的数量。也就是说,/>的行由/>构成,其中,对于每个着陆能量E. 帽状符号在本文中用来指示矩阵。/>是K×Ns矩阵,使得/>是NE×Ns矩阵。对于每个1≤.j≤Ns,/>的第j列指定关于K个深度中的每一者的第j个GT样品中的目标物质的密度的平均值,即,对于每个j和k,/>的第(j,k)分量等于(ρj(z)是第j个GT样品中的目标物质的密度)。/>是NE×Ns矩阵。对于每个1≤j≤Ns,的第j列指定当关于第j个GT样本应用时,在子操作810a1的实施中测量的多个着陆能量中的每一者的相应散射电子的(总)强度。/>的行由(行)向量/>构成,这些向量通过将离散化而获得。(对于每个着陆能量/>其中对于每个k,下标F指示Frobenius范数。γ是超参数,其值可被“手动地”调整以优化或至少改进/>的(以及由此HE(z)的)估计。类似地,离散化程度(即,K的大小)可基于所需的准确度来选择。优化问题可迭代地解决,例如使用经修改的Richardson-Lucy算法,其中作为第一近似,将/>取为等于/>根据一些实施例,NE≥K。
需注意,以上优化问题是未定的,并且因此没有唯一解。因此,不能绝对保证推导的将与实际HE(z)密切匹配。然而,如果初始模拟的PSF(即,/>)足够接近实际HE(z),,则优化问题的解很可能与实际HE(z)密切匹配。
如果要对多于一种物质进行剖析,则可关于经剖析的物质中的每一者执行以上优化程序。示例包括(i)当经训练的算法要输出指定具有关于每个(多个)图坐标的最高密度的浓度图时,或者(ii)当经训练的算法要输出指定被检样本中包括的另外两种目标物质的相应密度分布的两个或更多个浓度图时。
在三维情况下(例如,当要获得样品中的的经剖析的物质的三维浓度图时),优化问题(方程1)可用泛化到三维的和/>求解。更具体地,PSF中的每一者是三变量函数并进一步由相应电子束在样品上撞击到(即,入射到)的横向位置的坐标/>索引。因此,在这种实施例中,在子操作810c中:/>其中/>并且/>指示因变于/>的经剖析的物质的密度。
根据一些实施例,为了导出要进行深度剖析的样品或其部分可“分解”成小体积,在该小体积中的每一者上,/>表现出基本线性。为了简单起见,以下假定对于每个(电子束)着陆能量E和电子束撞击位置/>剖析区分解成K=Kx×Ky×Kz个体积/>对于每个/>体积/>由在x中的间隔/>在y中的间隔和在z中的间隔/>定义,其中1≤kx≤Kx,1≤ky≤Ky,1≤kz≤Kz。因此,对于每个着陆能量E和电子束撞击位置/>K个初始PSF(即,集/>)被校准。
对于每个E和可通过具有K个分量的K分量(行)向量/>来近似, 是在由在x中的第kx间隔、在y中的第ky间隔和在z中的第kz间隔定义的体积/>上所取的/>的平均值。/>的行由/>构成。因此,/>是矩阵,其中/>是电子束撞击样品上的位置的次数。/>现在是R×Ns矩阵(体积中的每一者中的密度/>的平均值),使得/>是/>矩阵。/>是/>矩阵。对于每个1≤j≤Ns,/>的第j列指定当剖析第j个GT样品时,在子操作810a中检测到的感测到的电子的强度(/>个入射位置中的每一者和多个着陆能量中的每一者一个)。根据一些实施例,/>
根据一些实施例,在子操作810c中,其他样品具有与子操作810a的Ns个GT样品不同的预期设计。
根据一些实施例,当相关新校准数据变得可用时,可重新应用子操作810b和810c以及操作820。更具体地,即使在算法已经进行训练(并且可用于实施方法100的数据分析操作120)之后,由于新校准数据(特别是有关新设计意图的新校准数据)变得可用,可重新应用子操作810b和810c以及操作820以扩展方法100的适用性和/或提高其准确度。新设计意图的非限制性示例可能是相关的,包括新内部几何形状和/或不同组分浓度,以及任选地包括(例如,标称地不被包括在Ns个GT样品中的)新组分。
根据一些实施例,其中在子操作810c中,针对或也针对其他样品生成经模拟的电子强度集,在操作820中,用作在训练算法时的输入的经模拟的电子数据集中的每一者进一步由经模拟的电子数据被获得的样品标记。其他样品由其他GT而不是操作810a的GT样品的GT或甚至不同预期设计表征。
根据一些实施例,操作820包括可以是无监督的初始训练子操作,其中提取表征经模拟的电子数据集的潜在变量。
根据一些替代实施例,可使用U-Net深度学习NN来校准也就是说,/> 其中UF(θ)即U-Net是CNN,并且符号/>表示将UF(θ)应用在/>上。θ表示U-Net的可调整参数集。UF(θ)从经测量的GT数据和相关联的经测量的电子强度集上施加的约束获得,其可紧凑地表示为/>需注意,由于UF(θ)是非线性的,与上述基于最大似然的校准方法不同,通过离散化从中获得/>的/>无需分解成表现出线性行为的节段。
根据一些实施例,术语“浓度图”和“密度分布”可以可互换地使用。
如本文所用,术语“测量”和“感测”可以可互换地使用。
在本申请的说明书和权利要求书中,词语“包括”和“具有”及其形式不限于词语可关联的列表中的成员。
如本文所用,术语“约”可用于将量或参数(例如,元件的长度)的值指定为在接近(和包括)给定值(陈述值)的值的连续范围内。根据一些实施例,“约”可将参数的值指定为在给定值的80%与120%之间。例如,陈述“元件的长度等于约1m”等同于陈述“元件的长度在0.8m与1.2m之间”。根据一些实施例,“约”可将参数的值指定为在给定值的90%与110%之间。根据一些实施例,“约”可将参数的值指定为在给定值的95%与105%之间。
如本文所用,根据一些实施例,术语“基本上”和“约”可以是可互换的。
根据一些实施例,估计量或估计参数当落在其最佳值的5%、10%或甚至20%内时可说成是“约优化的”或“约最佳的”。每个可能性对应于单独实施例。
特别地,表达“约优化的”或“约最佳的”还涵盖其中估计量或估计参数等于量或参数的最佳值的情况。原则上,最佳值可使用数学优化软件获得。因此,例如,估计的(例如,估计余值)当其值不大于量的最佳值的101%、105%、110%或120%(或一些其他预定义阈值百分比)时可说成是“约最小化的”或“约最小的/最小值”。每个可能性对应于单独实施例。
为了易于描述,在附图中的一些中,引入三维笛卡尔坐标系(具有正交轴线x、y和z)。需注意,坐标系相对于所描绘对象的取向在附图间可不同。另外,符号⊙可用来表示指向“页面外”的轴线,而符号可用来表示指向“页面内”的轴线。
在框图中,连接元件的虚线可用于表示在连接元件之间的功能关联或至少单向或双向通信关联。
将了解,还可在单个实施例中组合地提供本公开内容的为清楚起见而在单独实施例的上下文中描述的某些特征。相反地,还可单独地提供或以任何合适的子组合或如本公开内容的任何其他所述的实施例中合适的那样提供本公开内容的为简洁起见而在单个实施例的上下文中描述的各种特征。在实施例的上下文中描述的特征都不将被认为是该实施例的基本特征,除非明确指出如此。
尽管可以具体序列描述根据一些实施例的方法操作,但是本公开内容的方法可包括以不同次序进行的所述的操作中的一些或全部。特别地,将理解,所述的方法中的任一者的操作和子操作的次序可重新排序,除非上下文清楚指出并非如此,例如当在后操作要求在前操作的输出作为输入时或当在后操作要求在前操作的结果时。本公开内容的方法可包括所述的操作中的几个或所述的操作的全部。所公开的方法中的任何特定操作都不将被认为是所述方法的基本操作,除非明确指出如此。
尽管已经结合本公开内容的具体的实施例描述了本公开内容,但是需清楚,众多替代、修改和变化对本领域技术人员将显而易见。因此,本公开内容涵盖落入所附权利要求书的范围内的所有这种替代、修改和变化。将理解,本公开内容在其应用上不一定限于本文阐述的部件和/或方法的构造和布置的细节。可实践其他实施例,并且可以各种方式进行实施例。
本文采用的措辞和术语是出于描述性目的,并且不应当被视为是限制性的。在本申请中引述或标识任何参考文献不应当被解释为承认这种参考文献可用作本公开内容的现有技术。小节标题在本文中用来易于理解说明书,并且不应当被解释为一定是限制性的。
Claims (20)
1.一种用于样品的非破坏性深度剖析的系统,所述系统包括:
电子束源,所述电子束源用于将电子束以多个着陆能量中的每一者投射在被检样品上;
电子传感器,所述电子传感器用于获得有关所述着陆能量中的每一者的经测量的电子强度集;以及
处理电路,所述处理电路用于基于所述经测量的电子强度集并考虑指示所述被检样品的预期设计的参考数据来确定表征所述被检样品的内部几何形状和/或组成的结构参数集。
2.根据权利要求1所述的系统,其中所述电子束中的每一者被配置为穿透所述被检样品达由相应着陆能量确定的相应深度,使得在期望深度范围内探测所述被检样品。
3.根据权利要求1所述的系统,其中所述参考数据包括所述被检样品的设计数据和/或具有与所述被检样品相同的预期设计的其他样品的地面真值(GT)数据和/或表现出相对于所述预期设计的选定变化的特殊制备的样品的GT数据。
4.根据权利要求1所述的系统,其中所述结构参数集指定一个或多个浓度图,所述一个或多个浓度图量化所述被检样品中包括的一种或多种物质的相应一个或多个浓度至少对深度的依赖性。
5.根据权利要求1所述的系统,其中所述结构参数集包括以下项中的一者或多者:
所述被检样品包括的一种或多种物质的相应一个或多个总浓度;以及
被嵌入所述被检样品中的至少一个结构的相应至少一个宽度;和/或当所述被检样品包括多个层时,包括以下项中的一者或多者:
所述多个层中的至少一者的相应至少一个厚度;
所述多个层中的至少一些的组合厚度;以及
所述多个层中的至少一者的相应至少一个质量密度。
6.根据权利要求4所述的系统,其中所述系统被进一步配置为允许投射所述电子束,以便在所述被检样品上的可控地可选的横向位置中的每一者处入射在所述被检样品上;
其中所述浓度图是三维的;并且
其中所述处理电路被配置为在生成所述浓度图时,考虑由所述电子传感器针对所述横向位置中的每一者获得的经测量的电子强度集。
7.根据权利要求1所述的系统,其中所述电子传感器被配置为感测从所述被检样品返回的电子,由此获得所述经测量的电子强度集。
8.根据权利要求1所述的系统,其中为了确定所述结构参数集,所述处理电路被配置为执行经训练的算法,所述经训练的算法被配置为接收原始或在由所述处理电路进行初始处理后的所述经测量的电子强度集作为输入;并且
其中所述经测量的电子强度集的所述初始处理包括隔离或至少放大由所投射的电子束引起的反向散射电子对所述原始的经测量的电子强度集的贡献。
9.根据权利要求8所述的系统,其中通过使用所述参考数据以及以下两者进行训练来确定所述经训练的算法的权重:(i)具有与所述被检样品相同的预期设计的其他样品的经测量的电子强度集,和/或(ii)通过模拟用电子束以多个着陆能量中的每一者入射具有与所述被检样品相同的预期设计的样获得的经模拟的电子强度集。
10.根据权利要求8所述的系统,其中所述经训练的算法是或包括神经网络,或者其中所述经训练的算法是或包括线性模型结合算法。
11.根据权利要求8所述的系统,其中所述结构参数集指定浓度图,所述浓度图在每个图坐标处将(i)所述被检样品包括的多种物质中具有关于所述图坐标的最高密度的物质,和/或(ii)所述被检样品包括的目标物质的密度指定为在来自多个密度范围的相应密度范围内;并且
其中所述经训练的算法是或包括分类神经网络。
12.一种用于样品的非破坏性深度剖析的基于计算机的方法,所述方法包括:
测量操作,所述测量操作包括通过针对经选择以便允许探测被检样品达多个深度的多个着陆能量中的每一者执行以下子操作来获得经测量的电子强度集:
将电子束投射到所述被检样品上,所述电子束穿透所述被检样品并引起电子从所述被检样品的由所述着陆能量确定的相应体积散射;以及
通过感测从所述被检样品返回的反向散射电子来测量电子强度;以及数据分析操作,所述数据分析操作包括基于所述经测量的电子强度集并考虑指示所述被检样品的预期设计的参考数据来确定表征所述被检样品的内部几何形状和/或组成的结构参数集。
13.根据权利要求12所述的方法,其中所述参考数据包括所述被检样品的设计数据和/或具有与所述被检样品相同的预期设计的其他样品的地面真值(GT)数据和/或表现出相对于所述预期设计的选定变化的特殊制备的样品的GT数据。
14.根据权利要求12所述的方法,其中所述结构参数集指定浓度图,所述量化所述被检样品包括的目标物质的浓度至少对所述深度的依赖性。
15.根据权利要求12所述的方法,其中所述结构参数集包括以下项中的一者或多者:
所述被检样品包括的一种或多种物质的相应一个或多个总浓度;以及
被嵌入所述被检样品中的至少一个结构的相应至少一个宽度;和/或当所述被检样品包括多个层时,包括以下项中的一者或多者:
所述多个层中的至少一者的相应至少一个厚度;
所述多个层中的至少一些的组合厚度;以及
所述多个层中的至少一者的相应至少一个质量密度。
16.根据权利要求14所述的方法,其中在所述测量操作中,投射所述电子束,以便在所述被检样品上的可控地可选的横向位置中的每一者处入射在所述被检样品上;
其中所述浓度图是三维的;并且
其中在所述数据分析操作中,考虑分别针对所述横向位置中的每一者获得的经测量的电子强度集生成所述浓度图。
17.根据权利要求12所述的方法,其中在所述数据分析操作中,为了确定所述结构参数集,执行的是经训练的算法,所述经训练的算法被配置为接收原始或在初始处理后的所述经测量的电子强度集作为输入,所述初始处理包括隔离或至少放大由所投射的电子束引起的所述反向散射电子对所述原始的经测量的电子强度集的贡献。
18.根据权利要求17所述的方法,其中通过使用所述参考数据以及以下两者进行训练确定所述经训练的算法的权重:(i)具有与所述被检样品相同的预期设计的其他样品的经测量的电子强度集,和/或(ii)通过模拟用电子束以多个着陆能量中的每一者入射具有与所述被检样品相同的预期设计的样品获得的经模拟的电子强度集。
19.根据权利要求17所述的方法,其中所述经训练的算法是或包括神经网络,或者其中所述经训练的算法是或包括线性模型结合算法。
20.根据权利要求17所述的方法,其中所述结构参数集指定浓度图,所述浓度图在每个图坐标处将(i)所述样品包括的多种物质中具有关于所述图坐标的最高密度的物质和/或(ii)所述样品包括的目标物质的密度指定为在来自多个密度范围的相应密度范围内;并且
其中所述经训练的算法是或包括分类神经网络。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/947,481 | 2022-09-19 | ||
US18/237,854 US20240096591A1 (en) | 2022-09-19 | 2023-08-24 | Non-destructive sem-based depth-profiling of samples |
US18/237,854 | 2023-08-24 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117726663A true CN117726663A (zh) | 2024-03-19 |
Family
ID=90200470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311190280.2A Pending CN117726663A (zh) | 2022-09-19 | 2023-09-14 | 样品的基于非破坏性sem的深度剖析 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117726663A (zh) |
-
2023
- 2023-09-14 CN CN202311190280.2A patent/CN117726663A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
De Backer et al. | Atom counting in HAADF STEM using a statistical model-based approach: Methodology, possibilities, and inherent limitations | |
JP3870044B2 (ja) | パターン検査方法及びパターン検査装置 | |
Juarez et al. | Multi-frequency local wavenumber analysis and ply correlation of delamination damage | |
Cala et al. | Identification of microstructural properties of shale by combined use of X-ray micro-CT and nanoindentation tests | |
Wisner et al. | The use of nondestructive evaluation methods in fatigue: A review | |
Farahani et al. | A railway tunnel structural monitoring methodology proposal for predictive maintenance | |
TW201407654A (zh) | 歐傑元素識別演算法 | |
CN112798648B (zh) | 基于生成核主成分热影像分析的复合材料缺陷检测方法 | |
JP2019139912A (ja) | 検査システム、画像処理装置、および検査方法 | |
Civera1a et al. | A novel approach to damage localisation based on bispectral analysis and neural network | |
KR101810436B1 (ko) | 라인 패턴의 형상 평가 방법 및 그 장치 | |
JP5710997B2 (ja) | 疲労限度特定システムおよび疲労限度特定方法 | |
CN107729596A (zh) | 一种用于材料损伤计算的方法 | |
JP5187810B2 (ja) | 膜厚測定方法及び試料作製方法、並びに、膜厚測定装置及び試料作製装置 | |
Lee et al. | Thermographic inspection of CLP defects on the subsurface based on binary image | |
Ghassemieh et al. | Microstructural analysis of non-woven fabrics using scanning electron microscopy and image processing. Part 1: development and verification of the methods | |
Šejnoha et al. | Modeling glulams in linear range with parameters updated using Bayesian inference | |
CN117726663A (zh) | 样品的基于非破坏性sem的深度剖析 | |
US20240096591A1 (en) | Non-destructive sem-based depth-profiling of samples | |
CA3004218C (en) | X-ray based fatigue inspection of downhole component | |
TW202413939A (zh) | 樣品的基於非破壞性sem的深度剖析 | |
US20240094150A1 (en) | Non-destructive sem-based depth-profiling of samples | |
JP6612423B2 (ja) | 試料の透過度を測定するためのアセンブリ | |
US20240085351A1 (en) | Depth-profiling of samples based on x-ray measurements | |
US11282670B1 (en) | Slice depth reconstruction of charged particle images using model simulation for improved generation of 3D sample images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |