CN1455900A - 利用散射特征改进结构识别的方法 - Google Patents

利用散射特征改进结构识别的方法 Download PDF

Info

Publication number
CN1455900A
CN1455900A CN01815547A CN01815547A CN1455900A CN 1455900 A CN1455900 A CN 1455900A CN 01815547 A CN01815547 A CN 01815547A CN 01815547 A CN01815547 A CN 01815547A CN 1455900 A CN1455900 A CN 1455900A
Authority
CN
China
Prior art keywords
vector
reference signal
execution
index
remote computer
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.)
Granted
Application number
CN01815547A
Other languages
English (en)
Other versions
CN1215423C (zh
Inventor
理查德·H·克鲁克尔
克里斯托夫·J·雷蒙德
斯科特·R·威尔逊
史蒂夫·W·法勒
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.)
Nanometrics Inc
Original Assignee
Accent Optical Technologies Inc
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 Accent Optical Technologies Inc filed Critical Accent Optical Technologies Inc
Publication of CN1455900A publication Critical patent/CN1455900A/zh
Application granted granted Critical
Publication of CN1215423C publication Critical patent/CN1215423C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1293—Using chemometrical methods resolving multicomponent spectra

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Immunology (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Complex Calculations (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种修剪特征和相应的已知结构参数向量的参考库的方法，每个特征包括参考信号向量，该方法包括：对于给定的参考信号向量，对假设将给定的参考信号向量和与其相对应的参数向量从参考库中删除的参数向量进行插值；若对应的参数向量和插值参数向量间的插值误差小于阈值，删除给定的参考信号向量和对应的参数向量。一种访问特征和相应的已知结构参数向量的索引参考库的方法，每个特征包括参考信号向量，所述库还包括多个参考信号索引向量，所述方法包括：计算未知信号的索引向量；确定未知信号的索引向量和库中的参考信号索引向量间的误差；若误差小于预定阈值，将与参考信号索引向量相对应的参考索引信号向量识别为未知信号的匹配候选者。

Description

利用散射特征改进结构识别的方法
本申请要求2000年9月13日提交的标题为“改进使用散射特征和根据已知结构的散射特征库识别结构的速度的方法”的美国临时申请No.60/232578的优先权，其说明书在此作为参考而引入。
技术领域
本发明涉及对结构中特征的测量和可选择的控制，具体涉及通过推理技术进行测量的方法。
背景技术
测量设备，例如散射仪、光谱反射计、偏振光椭圆率测试仪和电子显微镜用于测量微米和亚微米尺度的结构。散射仪、反射计和偏振光椭圆率测试仪根据测量样品获得的信号来推测结构。多数的电子显微镜直接将测量的信号成像在显示器上，但是近来的研究结果表明通过类似于其它技术中使用的方法可以获得更加精确的结果。M.P.Davidson，等人，“SEM线宽测量中的反向散射方法(An Inverse Scattering Approach to SEMLine Width Measurements)”，Proc.SPIE，Vol.3677，Conference on Metrology，Inspection，and Process Control for Microlithography XIII，pp.640-645(March 1999)。
通过线性预测进行推理是切实可行的，例如Clark等人标题为“检查蚀刻的工件的方法(Method for Inspecting Etched Workpieces)”的美国专利No.5144233；新墨西哥州大学的工学博士论文“使用散射结构分析测量周期结构的临界尺寸的方法(A Methodology for the Use of DiffractedScatter Analysis to Measure the Critical Dimensions of Periodic Structures)”(1993)；Blayo等人标题为“使用分光椭圆光度法测量和控制周期结构的线宽的方法(Measurement and Control of Linewidths in Periodic StructuresUsing Spectroscopic Ellipsometry)”，但是产品测量工具通常不会产生满意的结果质量。通过查找表进行推理已经证明了产品质量结果，但是每次测量需要的时间超过了满足生产量规定所使用的时间。
在将来，对推理技术的需求将更加迫切。线性预测器在更大的数据集合中需要更大的自由度，而查找表需要更大的表。在这种情况下，测量质量将会降低，或者每次测量的时间将会增加。本发明提供一种修剪和插值技术，将极大地提高查找的速度。
发明内容
本发明是一种修剪特征和相应的已知结构参数向量的参考库的系统和方法，所述每个特征包括参考信号向量，包括：对于给定的参考信号向量，对假设将给定的参考信号向量和与其相对应的参数向量从该参考库中删除的参数向量进行插值；和如果对应的参数向量和插值的参数向量之间的插值误差小于阈值，删除给定的参考信号向量和对应的参数向量。在优选实施例中，对于多个给定的参考信号向量重复执行预定次数的插值和删除步骤。步骤的执行最好交给计算机网络上的远程计算机来进行，并且从该远程计算机再现或者返回步骤的结果。最好利用远程计算机上的专用CD-ROM和/或随机盘来执行步骤。步骤的执行和结果的再现最好是自动的或者手动的。
本发明也是一种访问特征和相应的已知结构参数向量的索引参考库的系统和方法，所述每个特征包括参考信号向量，所述的库还包括多个参考信号索引向量，包括：计算未知信号的索引向量；确定未知信号的索引向量和库中的参考信号索引向量之间的误差；和如果该误差小于预定的阈值，将与参考信号索引向量相对应的参考索引信号向量识别为未知信号的匹配候选者。在优选实施例中，采用多台计算机来执行计算、确定和识别步骤，其中每个计算机系统对参考库的离散部分执行步骤。最好针对多个参考信号索引向量执行计算、确定和识别步骤。步骤的执行最好交给计算机网络上的远程计算机来进行，并且从该远程计算机再现或者返回步骤的结果。最好利用远程计算机上的专用CD-ROM和/或随机盘来执行步骤。步骤的执行和结果的再现最好是自动的或者手动的。
本发明也是一种访问特征和相应的已知结构参数向量的索引参考库的系统和方法，所述每个特征包括参考信号向量，所述的库还包括多个参考信号索引向量，包括：计算未知信号的索引向量；从未知信号的索引向量和库中的参考信号索引向量确定绝对差向量；和如果该绝对差向量中的所有值都小于预定的阈值向量中的相应值，将与参考信号索引向量相对应的参考信号向量识别为未知信号的匹配候选者。在优选实施例中，采用多台计算机来执行计算、确定和识别步骤，其中每个计算机系统对参考库的离散部分执行步骤。最好针对多个参考信号索引向量执行计算、确定和识别步骤。步骤的执行最好交给计算机网络上的远程计算机来进行，并且从该远程计算机再现或者返回步骤的结果。最好利用远程计算机上的专用CD-ROM和/或随机盘来执行步骤。步骤的执行和结果的再现最好是自动的或者手动的。
下面将部分地详细说明本发明的目的、优点和新颖性以及应用范围，并且本领域的技术人员审查下面的说明后将清楚这些优点和特征，或者从本发明的实际应用中获知这些优点和特征。本发明的目的和优点可以通过在所附权利要求中具体指出的设备和组件来实现和获得。
具体实施方式
本发明是一种匹配测量的散射信号和库中的参考信号的改进方法和系统。或者通过建模和仿真来产生参考信号库，或者以经验来产生参考信号库。然后通过删除可以由参考集合中的其它信号的插值精确表示的信号来修剪该库。然后通过对每个特征与一个或者多个索引函数进行相关来产生修剪的库的索引，进而按照相关程度对索引进行排序。最后，将索引和库装入计算机，最好装入专用的匹配计算机。通过将未知信号提交给匹配计算机来执行匹配过程，所述的匹配计算机对未知信号和索引函数进行相关，以识别与未知信号表现相似的一个或者多个信号。适当地，在未知信号和最接近的匹配信号之间计算插值。然后从插值中计算产生导致未知结构的结构。该结构的详细情况然后返回到请求者，和/或转发到工厂自动系统等等。
本发明基于这样的事实：从大的参考信号库中查找未知信号的最佳匹配所需要的时间取决于整个库的大小、必须执行的比较的次数、将库装入计算机存储器所需要的时间，以及库是否驻留在计算机存储器中。
本发明下面的说明中提及的向量可以仅具有一个元素。在仅具有一个元素的向量的情况下，它们是标量，并且应该这样对待。
参考信号r是从测量工具获得的测量值的向量(r1，r2，...，rj)，或者可以是从计算模型获得的仿真测量值的向量。每个参考信号都与表示测量时有可能产生参考信号的结构的p相关联，它是参数向量(p1，p2，...，pj)。
未知信号u是与r类似的向量(u1，u2，...，uj)。差别在于关联参数向量p未知。
参考库是参考信号和它们的关联参数的集合。
误差ε(a，b)是表示两个向量之间的差值的标量值。本发明可以采用的误差函数包括：均方差、均方根差、绝对差、马氏距离(Mahalaboisdistance)。如果向量a和b的长度不同，可以对两个向量之一或者同时对二者进行再采样，以便产生等长向量。优选的再采样方法是线性插值。另一个方法是基于频率的离散傅立叶变换(DFT)再采样。也可以使用除DFT的正弦和余弦之外的基本集合。可以再变换空间中计算该误差。变换空间的例子是与DFT相关联的频域表示。
匹配误差是当一个向量是参考信号而另一向量是未知信号时获得匹配误差。
测量误差是当一个向量是参数向量而另一向量包含研究的结构的真实参数的向量时获得的误差。
插值误差是由插值而引入到参数向量中的误差。如果rp和pp是测量向量和库中的关联参数向量，则作为针对该库的未知信号的匹配rp将返回无误差的精确匹配。如果在匹配之前从库中删除rp，并且匹配算法返回关联向量的插值估计pe，则ε(pp，pe)就是插值误差。
根据本发明，通过删除插值误差小于阈值的参考向量来修剪库。
根据本发明，最好通过比较每个参考信号和基础信号以产生值i1r＝f(r，b1)来索引参考库，其中b1是基础向量。通过计算定义为ir＝(i1r，i2r，...，iIr)的索引向量来对库进行复合索引，其中每个索引值被计算为单个索引实例。有许多的基础向量源，并且复合索引方案使用利用N个基础向量的N个索引。傅立叶基础集合是一种可能的基础向量源，也可以是哈达马、离散余弦、小波或者主成分。要注意的是必须首先根据参考库中的信号来计算小波和主成分基础向量。本领域的普通技术人员知晓计算这些基础集合的方法。
以同参考信号相同的方式计算未知信号的索引向量，以产生iu＝(i1u，i2u，...，iIu)。
有两种使用索引向量的方法。在第一种方法中，计算未知信号索引向量和每个参考信号索引向量之间的误差ε(iu，ir)。如果该误差小于一些阈值，则将关联的参考信号识别为匹配候选者，并进行进一步的处理。
第二种使用索引向量的方法是计算未知信号索引向量和每个参考信号索引向量之间的绝对误差，d＝|iu-ir|＝(d1，d2，...，dI)，然后比较差值向量和阈值向量t＝(t1，t2，...，tI)。候选信号是对于每个索引都有dn＜tn的信号。
强力搜索是一种计算候选集合种的每个参考信号和未知信号之间的误差ε(u，ri)的方法。具有最小误差的参考信号可以被返回，作为最佳匹配，或者可以返回通过插值M个最接近的匹配而计算的参数向量，作为最佳匹配。
即使利用诸如本发明提供的最先进的索引方法，库匹配也是一种密集的操作。迄今为止讨论的所有步骤都被用来降低必须执行的浮点计算的次数，以及必须在存储器和计算机CPU之间进行传输的字节数目。通过专用于匹配未知信号和参考信号的网络可达计算机将会产生较为快速的匹配。推荐该方法的一个原因是因为匹配信号处理不会被其它的任务抢先。
匹配计算机将数据从永久性存储器传送到其自身的本机随机存取存储器种的速度可以达到几十秒。有两种技术可以减少或者抑制传输时间。首先，极大的随机盘可以大大降低传送时间，其中，文件系统被复制到计算机的随机存取存储器中。第二，将作为服务器的匹配程序写入客户服务器结构中在多数情况下可以抑制传送时间。这样做的原因是当请求针对该库的匹配时服务器程序才将库载入存储器中。库驻留在存储器中，直到被其它的库代替，或者服务器程序终止。只要服务器程序没有结束，都可以产生任何数目的匹配结果，而不会受传送时间的影响。
运行一个库的不止一个匹配服务器可以进一步降低匹配时间。给定N个匹配服务器，一个库分成N部分，每个部分都小于整个库。库的每一部分都分别匹配，并且与库的其它部分的匹配并行进行。然后收集并处理每个部分中的匹配结果，以产生最终的结果。如果单次匹配时间是t，则，总的来讲，N个计算机进行并行匹配的时间是
Figure A0181554700101
其中o是与并行算法相关联的开销。
尽管已经具体参考这些实施例对本发明进行了详细说明，其它的实施例也可以获得相同的结果。本领域的技术人员知晓本发明的各种变化和修改，并且意欲将所有的这些修改和等同物包括在所附权利要求中。上述公开的参考资料、应用、专利和出版物在此作为参考而引入。

Claims (26)

1.一种修剪特征和对应的已知结构参数向量的参考库的方法，每个所述的特征包括参考信号向量，所述的方法包括以下步骤：
对于给定的参考信号向量，对假设将给定的参考信号向量和与其相对应的参数向量从该参考库中删除的参数向量进行插值；和
如果对应的参数向量和插值的参数向量之间的插值误差小于阈值，删除给定的参考信号向量和对应的参数向量。
2.根据权利要求1所述的方法，其特征在于，还包括对于多个给定的参考信号向量重复执行预定次数的插值和删除步骤。
3.根据权利要求1所述的方法，其特征在于，步骤的执行交给计算机网络上的远程计算机。
4.根据权利要求3所述的方法，其特征在于，从远程计算机再现或者返回步骤的结果。
5.根据权利要求3所述的方法，其特征在于，利用远程计算机上的专用CD-ROM执行步骤。
6.根据权利要求3所述的方法，其特征在于，利用远程计算机上的专用随机盘执行步骤。
7.根据权利要求3所述的方法，其特征在于，自动地进行步骤的执行和结果的再现。
8.根据权利要求3所述的方法，其特征在于，手动地进行步骤的执行和结果的再现。
9.一种访问特征和相应的已知结构参数向量的索引参考库的方法，所述每个特征包括参考信号向量，所述的库还包括多个参考信号索引向量，该方法包括以下步骤：
计算未知信号的索引向量；
确定未知信号的索引向量和库中的参考信号索引向量之间的误差；和
如果该误差小于预定的阈值，将与参考信号索引向量相对应的参考索引信号向量识别为未知信号的匹配候选者。
10.根据权利要求9所述的方法，其特征在于还包括：建立多个计算机系统的步骤，用于执行计算、确定和识别步骤，其中每个计算机系统对参考库的离散部分执行步骤。
11.根据权利要求9所述的方法，其特征在于还包括针对多个参考信号索引向量执行计算、确定和识别的步骤。
12.根据权利要求9所述的方法，其特征在于，步骤的执行交给计算机网络上的远程计算机。
13.根据权利要求12所述的方法，其特征在于，从远程计算机再现或者返回步骤的结果。
14.根据权利要求12所述的方法，其特征在于，利用远程计算机上的专用CD-ROM执行步骤。
15.根据权利要求12所述的方法，其特征在于，利用远程计算机上的专用随机盘执行步骤。
16.根据权利要求12所述的方法，其特征在于，自动地进行步骤的执行和结果的再现。
17.根据权利要求12所述的方法，其特征在于，手动地进行步骤的执行和结果的再现。
18.一种访问特征和相应的已知结构参数向量的索引参考库的方法，所述每个特征包括参考信号向量，所述的库还包括多个参考信号索引向量，该方法包括以下步骤：
计算未知信号的索引向量；
根据未知信号的索引向量和库中的参考信号索引向量确定绝对差向量；和
如果该绝对差向量中的所有值都小于预定的阈值向量中的相应值，将与参考信号索引向量相对应的参考索引信号向量识别为未知信号的匹配候选者。
19.根据权利要求18所述的方法，其特征在于还包括：建立多个计算机系统的步骤，用于执行计算、确定和识别步骤，其中每个计算机系统对参考库的离散部分执行步骤。
20.根据权利要求18所述的方法，其特征在于还包括针对多个参考信号索引向量执行计算、确定和识别的步骤。
21.根据权利要求18所述的方法，其特征在于，步骤的执行交给计算机网络上的远程计算机。
22.根据权利要求21所述的方法，其特征在于，从远程计算机再现或者返回步骤的结果。
23.根据权利要求21所述的方法，其特征在于，利用远程计算机上的专用CD-ROM执行步骤。
24.根据权利要求21所述的方法，其特征在于，利用远程计算机上的专用随机盘执行步骤。
25.根据权利要求21所述的方法，其特征在于，自动地进行步骤的执行和结果的再现。
26.根据权利要求21所述的方法，其特征在于，手动地进行步骤的执行和结果的再现。
CNB018155472A 2000-09-13 2001-09-13 利用散射特征改进结构识别的方法 Expired - Fee Related CN1215423C (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US23257800P 2000-09-13 2000-09-13
US60/232,578 2000-09-13
US09/952,546 2001-09-12
US09/952,546 US6728663B2 (en) 2000-09-13 2001-09-12 Structure identification using scattering signatures

Publications (2)

Publication Number Publication Date
CN1455900A true CN1455900A (zh) 2003-11-12
CN1215423C CN1215423C (zh) 2005-08-17

Family

ID=26926141

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB018155472A Expired - Fee Related CN1215423C (zh) 2000-09-13 2001-09-13 利用散射特征改进结构识别的方法

Country Status (8)

Country Link
US (1) US6728663B2 (zh)
EP (1) EP1323063A4 (zh)
JP (1) JP2004509412A (zh)
KR (2) KR20080021800A (zh)
CN (1) CN1215423C (zh)
AU (1) AU2001289214A1 (zh)
IL (2) IL154843A0 (zh)
WO (1) WO2002023382A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102798342A (zh) * 2012-08-02 2012-11-28 华中科技大学 一种用于光学散射测量的基于拟合误差插值的库匹配方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6483580B1 (en) 1998-03-06 2002-11-19 Kla-Tencor Technologies Corporation Spectroscopic scatterometer system
US7099005B1 (en) * 2000-09-27 2006-08-29 Kla-Tencor Technologies Corporation System for scatterometric measurements and applications
US6900892B2 (en) * 2000-12-19 2005-05-31 Kla-Tencor Technologies Corporation Parametric profiling using optical spectroscopic systems
US7515279B2 (en) * 2001-03-02 2009-04-07 Nanometrics Incorporated Line profile asymmetry measurement
JP4938219B2 (ja) * 2001-12-19 2012-05-23 ケーエルエー−テンカー コーポレイション 光学分光システムを使用するパラメトリック・プロフィーリング
US7119893B2 (en) * 2003-04-10 2006-10-10 Accent Optical Technologies, Inc. Determination of center of focus by parameter variability analysis
US20070091325A1 (en) * 2005-01-07 2007-04-26 Mehrdad Nikoonahad Multi-channel optical metrology
US7467064B2 (en) * 2006-02-07 2008-12-16 Timbre Technologies, Inc. Transforming metrology data from a semiconductor treatment system using multivariate analysis
US7698098B2 (en) * 2008-02-18 2010-04-13 Thermo Electron Scientific Instruments Llc Efficient spectral matching, particularly for multicomponent spectra
JP5841147B2 (ja) * 2011-07-01 2016-01-13 パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 受信装置、送信装置、設定方法、及び特定方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5274714A (en) * 1990-06-04 1993-12-28 Neuristics, Inc. Method and apparatus for determining and organizing feature vectors for neural network recognition
US5241369A (en) 1990-10-01 1993-08-31 Mcneil John R Two-dimensional optical scatterometer apparatus and process
US5114233A (en) 1990-10-09 1992-05-19 At&T Bell Laboratories Method for inspecting etched workpieces
DE69327080T2 (de) 1992-09-08 2000-06-08 Hitachi Ltd Informationsverarbeitungsvorrichtung mit Schlussfolgerung und adaptivem Lernen
US6122403A (en) * 1995-07-27 2000-09-19 Digimarc Corporation Computer system linked by using information in data objects
US5748763A (en) * 1993-11-18 1998-05-05 Digimarc Corporation Image steganography system featuring perceptually adaptive and globally scalable signal embedding
US5703692A (en) 1995-08-03 1997-12-30 Bio-Rad Laboratories, Inc. Lens scatterometer system employing source light beam scanning means
US5739909A (en) 1995-10-10 1998-04-14 Lucent Technologies Inc. Measurement and control of linewidths in periodic structures using spectroscopic ellipsometry
US5867276A (en) 1997-03-07 1999-02-02 Bio-Rad Laboratories, Inc. Method for broad wavelength scatterometry
US6075594A (en) 1997-07-16 2000-06-13 Ncr Corporation System and method for spectroscopic product recognition and identification
US6480299B1 (en) * 1997-11-25 2002-11-12 University Technology Corporation Color printer characterization using optimization theory and neural networks
US20010051856A1 (en) 2000-01-26 2001-12-13 Xinhui Niu Caching of intra-layer calculations for rapid rigorous coupled-wave analyses
WO2002014840A2 (en) 2000-08-10 2002-02-21 Sensys Instruments Corporation Database interpolation method for optical measurement of diffractive microstructures

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102798342A (zh) * 2012-08-02 2012-11-28 华中科技大学 一种用于光学散射测量的基于拟合误差插值的库匹配方法

Also Published As

Publication number Publication date
IL154843A0 (en) 2003-10-31
WO2002023382A1 (en) 2002-03-21
IL154843A (en) 2008-11-03
EP1323063A1 (en) 2003-07-02
KR100851417B1 (ko) 2008-08-08
AU2001289214A1 (en) 2002-03-26
US20020046008A1 (en) 2002-04-18
KR20080021800A (ko) 2008-03-07
US6728663B2 (en) 2004-04-27
KR20030045068A (ko) 2003-06-09
JP2004509412A (ja) 2004-03-25
EP1323063A4 (en) 2006-10-04
CN1215423C (zh) 2005-08-17

Similar Documents

Publication Publication Date Title
US6898596B2 (en) Evolution of library data sets
KR101281212B1 (ko) 광학 계측을 위한 모델 및 파라미터 선택
CN1215423C (zh) 利用散射特征改进结构识别的方法
US6609086B1 (en) Profile refinement for integrated circuit metrology
Zang et al. Combined neural network and reduced FRF techniques for slight damage detection using measured response data
CN106030282B (zh) 用于光学度量衡的自动波长或角度修剪的方法及光学系统
US7487053B2 (en) Refining a virtual profile library
US10386729B2 (en) Dynamic removal of correlation of highly correlated parameters for optical metrology
WO2003102853A1 (en) Selection of wavelengths for integrated circuit optical metrology
Hill et al. The accuracy of extrapolation methods; an automatic Box–Jenkins package Sift
Barnett et al. Significance tests for regression model hierarchies
TW578061B (en) Speed improvements for identifying structures using scattering signatures and a library of scatter signatures from known structures
JP2004227279A (ja) マハラノビス距離を利用した異常原因診断方法及びプログラム
Jbira et al. Reproducibility Experimentation among Computer‐Aided Inspection Software from a Single Point Cloud
Yates et al. An objective comparison of the cost effectiveness of three testing methods
Tew Diffraction of sound by a surface inhomogeneity at a fluid-solid interface
KR101722438B1 (ko) 물성 균질성 판단 장치 및 방법
Nason et al. Package ‘costat’
Stawowy et al. Wawrzy nski, W. Determining Information Quality in ICT Systems. Energies 2021, 14, 5549
Bourdine et al. Simple method for localization of events on traces of group of fibers from the same fiber optic link segment
CN117612603A (zh) 一种蛋白质突变效应预测方法、装置、设备及介质
CN115797503A (zh) 一种基于隐空间操作和文本引导的自适应图像编辑方法
Semoushin et al. Kalman filter identifiability using API approach in control problems
Laca Development of laser diagnostics on a two-terawatt pulsed power accelerator

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20050817

Termination date: 20120913