JP2013236087A - トポグラフィック属性を利用した欠陥分類 - Google Patents

Abstract

【課題】検査データに基づいた自動欠陥分類のための改良された方法、システム、及びソフトウェアを提供すること。
【解決手段】分類方法は、パターンが形成された半導体ウェハの対象位置を含む領域の画像を受け取る。対象位置の１つ又はそれ以上の属性に関する少なくとも１つの値は、領域の３次元（３Ｄ）マップの対象位置のトポグラフィックな特徴に基づいて計算される。
【選択図】図２Ａ

Description

（関連出願の相互参照）
本出願は、２０１２年４月１９日出願の米国出願番号１３／４５１，４８６「ＣＡＤベースのコンテクスト属性を使用した欠陥分類」（受領番号０８０９０．４２（Ｌ０２２））に関連する。

（技術分野）
本発明の実施形態は、一般的には自動検査に関し、詳細には製造欠陥の分析技術に関する。

自動欠陥分類（ＡＤＣ）技術は、半導体産業において、パターニングされたウェハ上の欠陥の観察及び計測に幅広く使われている。ＡＤＣ技術は、製造プロセスに対してより詳細なフィードバックを提供すると共に検査員の負担を軽減するために、欠陥の存在を検出すると共に自動的に欠陥をタイプ毎に分類する。例えば、ＡＤＣ技術は、ウェハ表面の粒子状汚染物質から生じる欠陥タイプと集積回路パターン自体の不規則性に関連した欠陥タイプとを識別するために使用され、粒子や不規則性の詳細なタイプを特定することもできる。

現行の欠陥分類手法は、検査中の半導体デバイスの画像と共にコンピュータ支援設計（ＣＡＤ）のデータを使用する。例えば、米国特許７，６２６，１６３号には、走査型電子顕微鏡（ＳＥＭ）像が、比較的低解像度の画像取り込み条件でリソグラフィシミュレーションに基づいて抽出されるプロセスマージンの狭いパターン部分の画像を取り込むことによって得られる、欠陥検査方法が記述されている。結果として得られたＳＥＭ画像は、何らかの異常な部分を抽出するためにＣＡＤデータと比較される。異常として抽出された領域の画像を再度取り込み、結果として得られた高解像度のＳＥＭ画像は、形状変形のような画像の特徴量に基づいた欠陥分類のために、再度ＣＡＤデータと比較される。

米国特許第７，６２６，１６３号明細書

本発明の実施形態は、検査データに基づいた自動欠陥分類のための改良された方法、システム、及びソフトウェアを提供するものである。

例示的なシステムは、対象位置を含む半導体ウェハ領域の３次元（３Ｄ）マップを受け取る。本システムは、マップの対象位置のトポグラフィックな特徴に基づいて、対象位置の１つ又はそれ以上の属性に関して少なくとも１つの属性値を計算する。

１つの実施形態では、対象位置は少なくとも１つの特徴を含んでおり、少なくとも１つの特徴は、欠陥、プロセス変動、及び対象の設計を含む多数の特徴から選択される。

１つの実施形態では、システムは、対象位置にある欠陥を１つ又はそれ以上の属性に関する少なくとも１つ以上の値に基づいて自動的に分類する。

１つの実施形態では、システムは、走査型電子顕微鏡（ＳＥＭ）により取り込まれた画像から導出した３Ｄマップを受け取る。

１つの実施形態では、システムは、対象位置の１つ又はそれ以上の３Ｄ形状パラメータを計算することにより各々の値を算出する。

１つの実施形態では、システムは、３Ｄマップの対象位置に対してパラメトリック曲面を近似させて、近似曲面から３Ｄ形状パラメータを導出することにより、３Ｄ形状パラメータを算出する。

１つの実施形態では、システムは、対象位置の表面に対応する平面の方位を見つけることにより、３Ｄ形状パラメータを算出する。

１つの実施形態では、システムは、対象位置表面の曲率の評価値を見つけることにより、３Ｄ形状パラメータを算出する。

１つの実施形態では、システムは、対象位置の１つ又はそれ以上のテクスチャパラメータを計算することにより、少なくとも１つの値を算出する

１つの実施形態では、システムは、対象位置の表面にわたる勾配を計算し、勾配に基づいて表面の粗さの評価値を見つけることにより、テクスチャパラメータを算出する。

１つの実施形態では、システムは、対象位置における多数のエッジの方向の規則性を計算することにより、テクスチャパラメータを算出する。

付加的な実施形態では、前述の実施形態の動作を実行するための方法が提供される。さらに、本発明の実施形態では、非一時的コンピュータ可読記憶媒体は、前述の実施形態の動作を実行するための方法を記憶する。

本発明の種々の実施形態は、以下の詳細な説明及び本発明の種々の実施形態の添付の図面から十分に理解されるであろう。

本発明の実施形態による、欠陥検査分類システムの概略的な図的説明図である。 本発明の実施形態による、自動欠陥分類（ＡＤＣ）の方法を概略的に説明する流れ図である。 本発明の実施形態による、自動欠陥分類（ＡＤＣ）の方法を概略的に説明する流れ図である。 本発明の実施形態による、自動欠陥分類（ＡＤＣ）の方法を概略的に説明する流れ図である。 本発明の実施形態による、欠陥のＳＥＭベースの高さマップの概略図である。 本発明の実施形態による、図３Ａの高さマップに対する多項式近似の概略図である。 本発明の実施形態による、欠陥コンテクスト属性を説明する、半導体ウェハ上のパターンに重なる欠陥の概略平面図である。 本発明の実施形態による、欠陥コンテクスト属性を説明する、半導体ウェハ上のパターンに重なる欠陥の概略平面図である。 半導体ウェハ上に形成されるパターンの概略平面図である。 本発明の実施形態による、パターンとその下層構造との間の関連を示す、図６Ａのウェハの概略断面図である。 本発明の実施形態による、半導体ウェハ上パターンの異なる要素に重なる欠陥の概略平面図である。 本発明の実施形態による、半導体ウェハ上の多層構造に近接した欠陥の概略平面図である。 本明細書に記載される１つ又はそれ以上の操作を実行する例示的なコンピュータシステムのブロック図である。

自動欠陥分類（ＡＤＣ）システムは、欠陥を特定し、それらの形状や寸法といった欠陥の属性値を計算するために、パターニングされた半導体ウェハの画像のような検査データを処理し、欠陥をこれらの属性値に基づく多次元属性超空間にマッピングする。自動分類器は、この超空間内における各々の欠陥クラスの範囲を学習し、これに応じて欠陥を各クラスに割り当てる。この種のシステムは、例えば、２０１０年７月２７日出願の米国特許出願１２／８４４，７２４号「最適化された品位での欠陥分類」に開示されている。ＡＤＣシステムは、多クラス分類器及び単クラス分類器を含んでおり、検査データに対して複数の異なる分類器を適用する。システムは、未知の又は新しい欠陥の排除率を最大にしながら、分類の品位を最適化するために、分類器のパラメータが訓練及び調整されることを許容するものである。自動分類器により（決定不可能、又は未知のものとして）排除された欠陥は、これらの欠陥を適当なクラスに割り当てる人間検査員のような別の検査方式へ渡される。

ＣＡＤベースのコンテクスト属性及びトポグラフィー属性は、欠陥に付加的な情報を提供し、従って、粒子、薄片、隆起、くぼみ等の特定の欠陥タイプの良好な特徴付けを容易にする。従って、本発明の実施形態は、ＳＥＭ（又はこれらの画像に基づいた他の表現）のような検査システムで取り込まれた画像に現れるような、欠陥の３Ｄ形状、テクスチャ、及びコンテクストに関係する、新しいタイプの欠陥属性を提供するものである。開示される実施形態は、半導体ウェハ上の欠陥に関連することができるが、これらのタイプの属性は、半導体マスクや他の種類のサンプル上に現れる欠陥を分類するために、同様に使用することができる。用語「検査」は、データがウェハ全体に亘って取り込まれるか又は個別の位置で取り込まれるかに関わらず、欠陥の検出及び欠陥の分類において有用な情報を提供することができる任意の種類のデータ取り込みに言及するために、本出願において広く使用される。

本発明の実施形態は、ウェハ又はマスクを走査して疑わしい欠陥位置のリストを提供する検査システムによって特定される欠陥の分析に適用可能である。いくつかの実施形態は、検査ツールによって提供される疑わしい欠陥の位置に基づいて、再検査ツールにより再検出される欠陥の分析に適用できる。本発明は、検査データが生成される技術に限定されるものではない。従って、半導体への応用のために、本発明の実施形態は、ＵＶｉｓｉｏｎ（商標）システムやＡｅｒａ（商標）システムのような光学検査システム、ＳＥＭＶｉｓｉｏｎ（商標）システム（Ａｐｐｌｉｅｄ Ｍａｔｅｒｉａｌ Ｉｎｃ．から入手可能）のような再検査システム、又は本技術分野で公知の他の任意の種類の検査システム又は様式によって生成されるデータの分析に適用することができる。

本明細書に記載の本発明の実施形態では、画像処理システムは、パターンが形成された半導体ウェハの領域の画像を受け取る。この領域は、対象となる画像位置を含むことができる。この位置は、典型的には、欠陥、プロセス変動、又は対象の設計のような、対象となる少なくとも１つの特徴を含んでいる。以下に記載の実施形態は、主に欠陥画像の分類に関係するものであるが、本発明は、対象となる他の特徴の属性を計算する際に同様に適用することができる。また、システムは、パターンに関連するコンピュータ支援設計（ＣＡＤ）データを受け取る。ＣＡＤデータは、対象となる画像位置に対応した、対象となるＣＡＤ位置を含むことができる。システムは、ＣＡＤデータに関して、対象となるＣＡＤ位置のコンテクストに基づいて、対象となる画像位置の１つ又はそれ以上の属性の少なくとも１つの値を計算する。いくつかの実施形態では、ＡＤＣシステムは、欠陥を含むパターニングされたウェハの領域の画像を受け取り、この画像は同じ領域にあるパターンに関連したコンピュータ支援設計（ＣＡＤ）データと共に登録される。画像及びＣＡＤデータは、ＡＤＣシステム自体で登録すること、又は本技術分野では公知の任意の適切な登録方法を利用する別の画像処理ユニットにより事前登録することができる。初期検査の読み取り値は、領域又は位置における特定の種類の異常を示すので、領域（又は領域内の特定位置）は一般に欠陥を含んでいると見なされる。しかしながら、欠陥の分類は、この段階ではまだ確定されなくてもよい（異常にもかかわらず、問題の領域内のパターンの一部が欠陥的でないと最終的に決定される場合もある）。欠陥は、領域内に不規則性があることを示す場合があるウェハの所定の領域又は位置から受け取った異常な検査データを参照することができる。

ＡＤＣシステムは、登録されたパターンに関する欠陥のコンテクストに基づいて、欠陥の１つ又はそれ以上の属性値を計算する際に、ＣＡＤデータを利用する。画像をＣＡＤデータと共に登録することは、ＡＤＣシステムがコンタクトパッドとラインのような、パターンにおける特定の構造を特定することを可能にするので、画像のセグメンテーションが容易になる。次に、システムは、欠陥がパターンの部分と重なるどうか、どの特定部分が重なるか、及びその重なりの程度を示す、欠陥の属性値を計算する。他のタイプのコンテクストベースの属性は、例えば、欠陥と特定パターン又は背景形状との間の交点の数、並びに欠陥が別個のパターン又は背景形状を跨る確率を示すことができる。

ＡＤＣシステムは、画像では見えないがＣＡＤデータでは明らかである特徴の属性を計算する際に、ＣＡＤデータを利用することができる。このような属性は、例えば、特定の欠陥をその下に横たわる下層に関して分析するＺ軸分析から得られる。下層の情報は、一般的には画像では見えないがＣＡＤデータでは入手可能である。

ＡＤＣシステムは、対象の欠陥を含む検査画像領域の外側にある構造を使って、視野外分析のためにＣＡＤデータを利用する。この場合、パターン要素間の短絡又はブリッジを引き起こす可能性のある欠陥は、画像では見えないかもしれないが、ＣＡＤデータでは明らかであろう。従って、視野外分析は、ＣＡＤデータに基づいて、ブリッジ又は他の属性を計算するために利用される。

また、ＣＡＤデータは、例えば、特定のＣＡＤ要素又は特定構造の組み合わせと欠陥との近さに基づいて属性値を計算するために利用することができる。これらのＣＡＤ構造は、欠陥にとって重要な又は欠陥を生じる傾向がある、ウェハ内の高感度領域に関する事前知識を（例えば、オペレータが）利用することにより規定される。この属性の目的は、これらの特定の要素又は構造と欠陥との近さを正確に評価することにある。

ＡＤＣシステムは、ウェハの領域の３次元（３Ｄ）マップから得られる欠陥のトポグラフィックな特徴に基づいて属性を計算する。いくつかの実施形態では、属性は画像平面のＸ方向とＹ方向における、所定の欠陥の形状及び寸法関係する。また、いくつかの実施形態では、属性はさらに高さ（Ｚ）方向での所定の欠陥の形状及び寸法に関係する。高さ情報は、ＳＥＭ画像を使って、３Ｄマッピングにより提供することができる。トポグラフィックな特徴は、例えば、欠陥の３Ｄ形状、及び／又は欠陥のテクスチャに関係することができる。

図１は、本発明の実施形態による、自動欠陥検査及び自動欠陥分類に関するシステム２０の例示的な図的説明である。パターニングされた半導体ウェハ（又は、マスク又はレチクル）のようなサンプルは、検査マシン２４に挿入される。マシン２４は、例えば、走査型電子顕微鏡（ＳＥＭ）、光学検査装置、又は本技術分野で公知の他の任意の適切な種類の検査装置を備えることができる。いくつかの実施形態では、マシン２４は、ウェハ２２の２次元画像を生成するように構成することができる。また、いくつかの実施形態では、マシン２４はウェハ２２の３Ｄマップ生成するように構成することができる。

以下では、説明を簡単にするために、ＡＤＣマシン２６は、検査システム（マシン２４のような）に対して、直接的に又はネットワーク、クラウド、又は中間システムを介して間接的に接続可能な独立型システムとして表すことができる。しかしながら、本発明の実施形態は、検査システム（マシン２４のような）に収容されるか又は統合されるモジュールとして提供できることを理解されたい。

マシン２４は、ウェハ２２の表面（又はウェハ２２表面の特定の部分又はいくつかの部分）を走査することができ、走査結果を感知して処理することができ、ウェハ２２上の欠陥を含む領域の画像及び／又は３Ｄマップを含む検査データを出力できる。検査データは、各々の欠陥に付随する検査特徴の値と一緒に、ウェハ上で見つかった欠陥のリスト及び各々の欠陥の位置を含むことができる。検査特徴は、例えば、寸法、形状、散乱強度、方向性、及び／又はスペクトル特性、並びに本技術分野で公知の他の任意の適当な特徴を含むことができる。用語「検査データ」は、本発明の実施形態では、ＳＥＭ画像と関連するメタデータを参照するために使われるが、この用語は、データを収集するために使用する手段に関わらず、欠陥の特徴を識別するために収集して処理することができる任意の全ての種類の記述的データ及び／又は診断データを参照するように広範に理解されたい。

ＡＤＣマシン２６は、マシン２４から出力された検査データを取得し処理する。マシン２４が、ウェハ２２の画像からすべての関連する欠陥属性値を抽出しない場合には、ＡＤＣマシン２６はこれらの画像処理機能を実行することができる。図１において、ＡＤＣマシン２６は検査マシンの出力に直接接続されるように示されているが、ＡＤＣマシン２６は、検査データを事前に取得して保存することができる。１つの実施形態では、ＡＤＣマシン２６の機能はマシン２４に統合されている。

１つの実施形態では、マシン２４は、検査データをその後でＡＤＣマシンが受け取る３Ｄマップを生成する３Ｄマップ生成装置（図示せず）に転送する。３Ｄマップ生成装置は、独立型システムとすること、又はＡＤＣマシン２６に収容する又は統合されるシステムとすることができる。

ＡＤＣマシン２６は、表示装置３２及び入力装置３４を含むユーザインターフェースに加えて、欠陥情報及び欠陥分類パラメータを保持するための記憶装置３０を有する処理装置２８を備える汎用コンピュータとすることができる。ＡＤＣマシン２６の機能を実行するコンピュータは、ＡＤＣ機能専用とすること、又は付加的な計算機能を実行することもできる。１つの実施形態では、本明細書に記載のＡＤＣ機能の少なくとも一部は、専用の又はプログラム可能なハードウェア論理回路によって実行される。

検査データから関連する属性値を抽出した後、ＡＤＣマシン２６は、各々の欠陥を予め規定されたクラスリストの一つに割り当てようと試みる。この目的のために、ＡＤＣマシン２６は、単クラス分類器及び多クラス分類器を含む複数の分類器を実行することができる。ＡＤＣマシン２６によって十分なレベルの信頼度で分類できない欠陥は、視覚的分類のために人間検査員に送ること、又はさらに進んだ分類結果を可能にする別の検査装置に渡すことができる。以下の実施形態は、説明及び明確化のために、システム２０のＡＤＣマシン２６及び他の構成要素を参照して記載されるが、これらの実施形態の原理は、欠陥分類において属性値を計算して利用する何らかの分類システムでも同様に実現することができる。

図２Ａは、ＡＤＣに関する方法の実施形態の流れ図である。図２Ａの方法は、ハードウェア（電気回路、専用論理回路等）、ソフトウェア（汎用コンピュータシステム又は専用マシンで実行されるような）、又はそれらの組み合わせを備えることができる処理ロジックにより実行される。１つの実施形態では、図２Ａの方法は図１のＡＤＣマシン２６により実行される。

ブロック４０において、処理ロジックは、その値が計算されることになる欠陥属性の定義を受け取る。欠陥属性は、ＡＤＣマシンのオペレータ又はユーザが定義することができ、更に、対象となる欠陥のタイプと経験とに基づいて変更、補足、又は調整することができる。属性は、ＣＡＤ関連のコンテクスト属性、テクスチャ属性、３Ｄ形状属性等を含むことができる。

ＣＡＤ関連のコンテクスト属性は、重複度合、重複層の数、相対的平均濃度値（ＧＬ）、交差、ブリッジング、最近接セグメント、最近接セグメント距離等を含む。重複度合コンテクスト属性は、欠陥と種々の層セグメントとの間の重合度合である。例えば、重複度合コンテクスト属性値０とは、欠陥と種々の層セグメントとが重複していないことを意味し、重複度合コンテクスト属性値１とは、欠陥と種々の層セグメントとが完全に重複していることを意味する。重複層数コンテクスト属性は、欠陥と有意に重複する層数を規定することができる。相対的平均ＧＬコンテクスト属性は、欠陥に対する種々の層セグメントのＳＥＭ画像での各平均濃度値の間の差を規定することができる。交差コンテクスト属性は、欠陥と種々の層セグメントとの間の交差を規定する。ブリッジングコンテクスト属性は、欠陥が異なる層セグメントに跨がる確率を規定する。最近接セグメントコンテクスト属性は、欠陥マスクに対する最近接セグメントのラベルを含むことができる。最近接セグメント距離属性は、最近接セグメントまでの距離（例えば、ナノメートル単位で）を規定する。

テクスチャ属性は、トポグラフィック平均勾配、勾配密度、２Ｄ（２次元）指標、パターン方向、ＲＭＳ（２乗平均平方根）多項式近似等を含んでもよい。トポグラフィック平均勾配テクスチャ属性は、欠陥マスク上の平均的なトポグラフィック勾配の大きさを規定する。勾配密度テクスチャ属性は、欠陥マスク上の大きなトポグラフィック勾配を有する画素の密度を規定する。２Ｄ指標テクスチャ属性は、欠陥領域におけるテクスチャの規則性（同じ方向を向いているエッジ）又は不規則性、又は欠陥表面が１Ｄ（１次元）にどのくらい近いか（例えば、距離）を規定する。例えば、２Ｄ指標テクスチャ属性値１は、欠陥が等方的である、つまり２Ｄであることを意味するのに対して、２Ｄ指標テクスチャ属性のより低い値は、欠陥が１Ｄであることを意味する。パターン方向テクスチャ属性は、欠陥表面の最小変動方向を規定する。ＲＭＳ多項式近似テクスチャ属性は、多項式近似の後に残る、トポグラフィック欠陥表面の平均的な局所変動を規定する。

３Ｄ形状属性は、Ｘ方位、Ｙ方位、最大曲率、平均曲率、山／谷方位、多項式近似曲面からの凹凸、トポグラフィーからの凹凸等を含む。Ｘ方位３Ｄ形状属性は、多項式近似に基づいた、欠陥のトポグラフィック勾配のＸ成分を規定する。Ｙ方位３Ｄ形状属性は、多項式近似に基づいた、欠陥のトポグラフィック勾配のＹ成分である。最大曲率３Ｄ形状属性は、多項式近似に基づいた、トポグラフィック欠陥表面の最大３Ｄ曲率を規定する。平均曲率３Ｄ形状属性は、多項式近似に基づいた、トポグラフィック欠陥表面の平均３Ｄ曲率を規定する。山／谷方位３Ｄ形状属性は、多項式近似に基づいた、トポグラフィック欠陥表面の山の方位を規定する。多項式近似からの凹凸３Ｄ形状属性は、欠陥の凹凸が凹面状か凸面状かを規定する。トポグラフィーからの凹凸３Ｄ形状属性は、欠陥と欠陥周囲（例えば、画素単位で計測される）との平均高さの差を規定する。

ブロック４２において、処理ロジックは、分類されることになる欠陥に対する検査データを（例えば、検査マシン２４から）受け取る。いくつかの実施形態では、検査データは、欠陥の画像を含むこと、及び３Ｄマップの一部に対応する３Ｄ画像を含むことができる。いくつかの実施形態では、画像はＳＥＭ画像である。別の実施形態では、画像は光学画像のような（欠陥及び他の画像の特徴が光学画像処理に適する寸法と仮定すると）、他のタイプの画像である。

ブロック４４において、処理ロジックは、各々の欠陥に対して属性値を計算する。処理ロジックは、種々の画像処理動作を使用して属性値を計算でき、その一部は本技術分野では公知である。属性値は、コンテクスト関連の属性、３Ｄ形状属性、及びテクスチャ属性といった属性に対して計算できる。いくつかの実施形態では、属性値ベクトルは、各々の欠陥に関して計算された属性値から、各々の欠陥に対して生成される。属性値ベクトルは、欠陥を属性超空間内のある位置へマッピングする。

ブロック４５において、処理ロジックは、入力画像に表れている形状のパターンを、パターンを作製する際に使用したＣＡＤデータの対応する形状と一緒に登録することにより、コンテクスト関連の属性に対する属性値を計算する。コンテクスト関連の属性に対する属性値を計算する実施形態は、図４及び５と併せて以下に詳細に説明する。

ブロック４６において、処理ロジックは、欠陥領域の３Ｄマップから、３Ｄ形状属性及びテクスチャ属性に関する属性値を計算する。前述のように、３Ｄマップは、ＳＥＭデータから導出することができる。３Ｄ形状属性及びテクスチャ属性に関する属性値を計算する実施形態は、図３Ａ及び３Ｂと併せて以下に詳細に説明する。

ブロック４８において、処理ロジックは、欠陥に関する属性値ベクトルに基づいて、各々の欠陥を分類する。１つの実施形態では、処理ロジックは、自動的に各々の欠陥を特定のクラスに割り当てる。１つの実施形態では、自動分類が不確定の場合、処理ロジックは欠陥を人間検査員に渡す。

図２Ｂ及び図２Ｃは、本発明の別の実施形態による、ＡＤＣに関する方法を概略的に説明する流れ図である。図２Ｂ及び図２Ｃの方法は、ハードウェア（電気回路、専用論理回路等）、ソフトウェア（汎用コンピュータシステム又は専用マシンで実行されるような）、又はそれらの組み合わせを備えることができる処理ロジックにより実行される。１つの実施形態では、図２Ｂの方法は図１のＡＤＣマシン２６により実行される。１つの実施形態では、図２Ｃの方法は図１のＡＤＣマシン２６により実行される。図２Ｂでは、コンテクスト関連の属性（図２Ａのブロック４５で前述したように）のみが欠陥を分類する際に使用される。図２Ｃでは、形状属性とテクスチャ属性（図２Ａのステップ４６で前述したように）のみが使用される。これらの別の実施形態は、ステップ４５及び４６で計算される属性が、互いに独立して導出して適用できることを示すものである。

図３Ａは、半導体ウェハ上の欠陥の典型的な３Ｄマップを示す。図３Ｂは、半導体ウェハ上の欠陥の３Ｄマップに対して近似された多項式曲面を示す。図３Ａに関して、マップ５０は前述したようにＳＥＭデータから得られる。図３Ｂに関して、曲面５２は、一般形が
である３次多項式によって規定され、係数Ｃｉはマップ５０に対する最小２乗法により計算される。１つの実施形態では、ＡＤＣマシン２６は、パラメトリック曲面を与えるために、一連のルジャンドル多項式の積
の係数を適合させる。別の実施形態では、多項式（何次でもよい）及び他の関数タイプを含む、別のタイプのパラメトリック曲面をマップに適合されることができる。いくつかの実施形態では、本技術分野で公知の他の曲面解析法は、曲面パラメータを抽出するために使用できる。曲面５２は、３つの成分を使って定義することができる。
Ｓ＝Ｐ＋Ｉ＋Ｌ
ここで、
平面（Ｐ）、積分非平面度（Ｉ）、及び局所的非平面度（Ｌ）である。

平面成分は積分３Ｄ方位を規定し、３Ｄ形状属性のＸ方位及び３Ｄ形状属性のＹ方位を判定するために使用される。これらの属性は、例えば、ウェハ上の各パターン要素の間に跨る薄片形状欠陥を特定するために、及びパターンと粒子とを識別するために使用される。

積分非平面度は、全体的なトポグラフィック形状を規定し、最大曲率３Ｄ形状属性、平均曲率３Ｄ形状属性、山／谷方位３Ｄ形状属性、多項式近似からの凹凸３Ｄ形状属性、及びトポグラフィーからの凹凸３Ｄ形状属性を規定するために使用される。積分非平面度は、曲率の大きさ（曲率半径）と曲率軸の方向だけでなく、トポグラフィック形状の凸面性又は凹面性のような情報を含む。これらの特徴は、例えば、隆起部と凹部との識別、及び薄片とより丸みを帯びた粒子との識別をするために使用することができる。

局所的非平面度は、トポロジー的な粗さ及び他のテクスチャ関連の属性を規定し、テクスチャ属性を決定するために使用される。いくつかの実施形態では、非平面度は、実際の欠陥表面（マップ５０）と近似曲面（曲面５２）との差から計算される。表面勾配の平均的大きさは、トポグラフィック平均勾配テクスチャ属性を規定するために使用できる。欠陥領域にわたる勾配密度（エッジとして分類された画素数）は、勾配密度テクスチャ属性を規定するために使用できる。テクスチャ属性は、欠陥のタイプ及び構成についての情報を提供するために使用される。２Ｄ指標テクスチャ属性は、欠陥領域におけるテクスチャの規則性（同じ方向を向くエッジ）又は不規則性を評価するために計算される。

図４は、欠陥の例示的な概略平面図を示す。欠陥６８は、半導体ウェハ６０上の各パターン６２に重なっており、欠陥コンテクスト属性の計算結果を説明している。パターン６２は、１次パターンセグメント６４として言及される導電線、及び２次パターンセグメント６６として言及される下層パターン構成要素のような、機能的な表面要素を含んでいる。いくつかの実施形態では、ＡＤＣマシン（例えば、図１のＡＤＣマシン２６）は、前述のように、ＳＥＭ画像のようなウェハ表面の画像をパターンのレイアウトを規定する対応するＣＡＤデータと共に登録した後に、画像をそれに応じてセグメント化することにより、これらのパターンセグメントを特定する。ＣＡＤデータは、セグメント化されたＳＥＭ画像の各パターンセグメントに関する付加的な機能情報を提供し、この情報は、機能的パターンとの空間的関係により欠陥タイプを特徴づける特定の属性を規定する場合にＡＤＣユーザにより利用される。

自動又は手動による欠陥検出手順は、「欠陥マスク」として言及される、欠陥６８により覆われた領域を識別する。次に、ＡＤＣマシンは、欠陥と近傍のパターンセグメントとの間の空間的関係からコンテクストベースの属性値を得る。１つの実施形態では、ＡＤＣマシンは、ウェハ６０のパターンの無い（背景）領域とは対照的に、欠陥が１次パターンセグメント６４及び２次パターンセグメント６６にどれだけ重複するかを評価する、重複度合コンテクスト属性値を計算する。例えば、欠陥６８は、１次パターンセグメント６４に０．３ｎｍだけ重なること、２次パターン部分６６に０．１ｎｍだけ重なること、及びウェハ６０の背景に０．６ｎｍだけ重なることができる。１つの実施形態では、ＡＤＣマシンは、欠陥に被覆される異なる層数を評価することにより、重複層数コンテクスト属性を評価する。例えば、欠陥６８に関する重複層数は、１次パターンセグメント６４、２次パターンセグメント６６、及びウェハ６０の背景の３層である。

また、ＡＤＣマシンは、相対的平均ＧＬ属性を計算することができる。相対的平均ＧＬ属性値は、パターンコンテクストに対する欠陥の相対的濃度値（ＧＬ）に基づいて計算される。１つの実施形態では、各々の欠陥に関して、ＡＤＣマシンは、各々が欠陥平均濃度値と各パターンセグメント又は画像の背景セグメントの平均濃度値との差に対応する、３つの要素のベクトルを計算することができる。例えば、ベクトルは、欠陥の平均濃度値と１次パターンセグメント６４、２次パターンセグメント６６、及びウェハ６０の背景領域に対する平均濃度値との差を含むことができる。１つの実施形態では、ベクトルは、以下の式を使用して計算される。
ｉ＝１，２，３であり、ここでμ_iはセグメントｉに関する平均濃度値を表す。

一般的には、ＡＤＣマシンは、ＣＡＤデータのセグメントの任意の属性値を計算することができる。図６Ａ、図６Ｂ，図７、及び図８と併せて以下に記載するように、ＣＡＤデータにおけるセグメントは、層に関係する又はパターンに対応する部分、又はパターンに対応する層以外の別の層に関係する部分、並びに画像の視野（ＦＯＶ）の外側にある１つ以上の位置に対応するデータ要素を含むことができる。いくつかの実施形態では、ＡＤＣマシンは、ＣＡＤデータのセグメントに対応する画像の画素に１つ又はそれ以上のラベルを付与することができ、その後、このラベルに基づいて１つ又はそれ以上の画素を選択し、選択された画素に関する各々の特定属性値を計算することができる。

図５は、本発明の更に別の実施形態による、半導体ウェハ７０上の各パターンセグメント７２と重なる欠陥７４及び欠陥７６の概略平面図を示し、他の欠陥コンテクスト属性の計算結果を説明している。交差コンテクスト属性は、欠陥のパターンセグメント７２との交差数である。本実施例では、欠陥７４は、２つのパターンセグメント７２と交差するので、交差コンテクスト属性値は２であるが、欠陥７６は、どのパターンセグメント７２とも交差しないので、交差コンテクスト属性値は０である。

他のコンテクスト属性は、欠陥とパターンの各要素との間の距離に関連することができる。１つの実施形態では、ＡＤＣマシンは、欠陥が２つのパターンセグメントに跨っているので短絡を引き起こしそうな確率を計算することにより、ブリッジングコンテクスト属性を決定する。欠陥７４はパターンセグメント７２の２つと交差しているので、欠陥７４に対するブリッジングコンテクスト属性値は１（又はほぼ１）である。１つの実施形態では、ＡＤＣマシンは、欠陥のエッジと隣接するパターンのエッジとの間の距離（一般にはナノメートル単位）の関数として確率を計算することにより、より小さな欠陥に対するブリッジングコンテクスト属性を決定する。本実施形態では、距離が大きいほどブリッジングの確率は小さくなる。例えば、欠陥７６に対するブリッジングコンテクスト属性値は、欠陥７６のエッジとパターンセグメント７２のエッジとの間の距離が短いので、欠陥７６の右側のパターンセグメント７２に対して１に近い可能性がある。しかしながら、本実施例では、欠陥７６に対するブリッジングコンテクスト属性値は、欠陥７６のエッジとパターンセグメント７２のエッジとの間の距離が短くないので、欠陥７６の左側のパターンセグメント７２に対しては０に近い可能性がある。

ＡＤＣマシンは、欠陥に最も近接したパターンセグメントのタイプを使用して、最近接セグメントコンテクスト属性を決定することができる。最近接セグメント距離コンテクスト属性は、欠陥からパターンセグメントまでの距離を評価する。図６Ａと図６Ｂを参照すると、本発明の実施形態による、所定の領域の画像には見えない特徴に基づいて欠陥属性を計算する際に、ＣＡＤデータを使用する方法の実施形態が概略的に示されている。この方法を説明する目的で、図６Ａは、半導体ウェハ８０上に形成されたコンタクトホール８２のパターンの概略平面図である。図６Ｂは、ウェハ上のパターンとその下層構造との関連性を示す、ウェハ８０の一部の概略断面図である。具体的には、ウェハ８０の上層８４の２つのコンタクトホール８２に関して、左側のホールは一方の下層構造８６に接続するが、右側のホールは別の下層構造８８に接続する。

ウェハ８０表面の下層は、光学検査マシン又はＳＥＭ検査マシンが生成する画像で一般的に提供される種類の表示である図６Ａに示すような平面図では見えない。従って、欠陥が、コンタクトホール８２の１つの内側又はその近くにあるような画像で観察される場合、画像から、この特定のホールがどの下層構造に接触するかを決定することはできない。図６Ｂに表現されるように、欠落した情報は、上層８４と下層８６及び８８とを包含するＣＡＤデータから、ＡＤＣマシンによって得られる。検査画像及びＣＡＤデータを登録すると、ＣＡＤデータは、欠陥が観察されるコンタクトホールが下層構造８６又は８８と連通するか否かを示すことができる。結果的に、ＡＤＣマシンは、欠陥が確認された実際の画像では見えない、ウェハ８０表面より下の構造に基づいた欠陥属性を計算できる。

図７は、半導体ウェハ９０上のライン９２及びライン９４のパターンの例示的な概略平面図であり、本発明の実施形態による、欠陥９６及び欠陥９８がライン９２及びライン９４のパターンの異なる要素に重なって示されている。ライン９２は相互接続しているが、ライン９４は相互に独立している。検査マシンは、領域１００及び領域１０２のような、ウェハ表面の領域画像を取得する。これらの画像内では、画像だけではいずれのラインが相互接続しているのか及びいずれのラインが独立しているかを決定できないので、ライン９２及びライン９４は実質的に識別できない。ライン９２の接続は、領域１００及び領域１０２の画像視野（ＦＯＶ）外にあるので検査データからは見えない。

登録されたＣＡＤデータは、領域１００及び領域１０２の画像の外側にある、ウェハ９０の領域を包含する。従って、ＡＤＣマシンは、画像に表れているライン９２及びライン９４を識別するためにＣＡＤデータを利用して、欠陥９６及び欠陥９８の属性を計算する。例えば、ブリッジング属性は、欠陥９６が２つの独立したライン９４に跨っているので、この欠陥を異なる回路要素の間のブリッジと特定することになる。本実施例では、欠陥９８が交差するライン９２は構造的に相互接続されているので、欠陥９８のブリッジング属性は、非ブリッジングの値（例えば、０に近い）をもつことになる。

図８は、本発明の実施形態による、多層構造１１８付近の欠陥１２０を示す、半導体ウェハ１１０の例示的な概略平面図である。図８において、要素はウェハ表面上に３つの異なる層１１２、１１４、１１６で形成されている。ＣＡＤデータにより、ＡＤＣマシンのオペレータは、欠陥の分析に有意な層１１４及び１１６の要素を備える多層構造１１８を特定できる。多層構造１１８は、近くの欠陥に対して特に敏感で、特に欠陥になる傾向があるという理由で有意である。いくつかの実施形態では、ＡＤＣマシンは、自動的にＣＡＤデータの有意な多層構造を特定する。

構造１１８がＣＡＤデータ上で特定されると、ＡＤＣマシンは、欠陥１２０の構造固有属性を計算することができる。ＡＤＣマシンは、ＣＡＤデータと一緒に登録された画像の対応する構造を特定し、次に、欠陥１２０の画像の構造に対する空間的関連性に基づいて、構造固有属性（例えば、重複度合属性等）を計算する。

前述の実施形態は、特にＳＥＭ画像に基づく欠陥分類に関連するが、本発明の原理は、同様に光学画像のような他の手段による欠陥画像に適用できる。光学検査では、画像内の対象領域は、ＣＡＤ情報により特定でき、次に、より高い検出感度で走査することができる。

図９は、マシンに本明細書で説明した方法論の１つ又はそれ以上を実行させるための命令セットを実行することができるコンピュータシステム９００の例示的な形態のマシンを示す。代替的な実施形態では、マシンは、他のマシンとＬＡＮ、イントラネット、エクストラネット、又はインターネットで接続することができる（例えば、ネットワーク接続）。マシンは、クライアントサーバ環境におけるサーバー又はクライアントマシンとして作動すること、又はピアツーピア（つまり、分散型）のネットワーク環境でピアマシンとして作動することができる。マシンは、パーソナルコンピュータ（ＰＣ）、タブレットＰＣ、セットトップボックス（ＳＴＢ）、携帯型情報端末（ＰＤＡ）、セルラーフォン、ウェブ機器、サーバー、ネットワークルータ、スイッチ回路又はブリッジ回路、又は、マシンが行う動作を特定する命令セット（逐次的又はそうでないもの）を実行する能力をもつ任意のマシンとすることができる。更に、単一のマシンだけを示すが、用語「マシン」、本明細書で説明した方法論の１つ又はそれ以上を実行するための一組（又は多数の組）の命令を、個別で又は一緒に実行するマシンの何らかの集合を含むと見なすべきである。

例示的なコンピュータシステム９００は、処理装置（プロセッサ）９０２、主記憶装置９０４（例えば、読取り専用記憶装置（ＲＯＭ）、フラッシュメモリ、同期式ＤＲＡＭ（ＳＤＲＡＭ）又はダブルデータレートＳＤＲＡＭ（ＤＤＲ ＳＤＲＡＭ）又はラムバスＤＲＡＭ（ＲＤＲＡＭ）等のダイナミックランダムアクセスメモリ（ＤＲＡＭ））、スタティックメモリ９０６（例えば、フラッシュメモリ、スタティックランダムアクセスメモリ（ＳＲＡＭ）等）、又はデータ記憶装置９１８を含み、これらはバス９０８経由で相互に通信を行う。

プロセッサ９０２は、マイクロプロセッサ、中央処理装置等の、１つ又はそれ以上の汎用処理装置を表している。特に、プロセッサ９０２は、複合命令セットコンピューティング（ＣＩＳＣ）マイクロプロセッサ、縮小命令セットコンピューティング（ＲＩＳＣ）マイクロプロセッサ、超長命令語（ＶＬＩＷ）マイクロプロセッサ、又は他の命令セット又は命令セットの組み合わせを実行するプロセッサとすることができる。また、プロセッサ９０２は、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタルシグナルプロセッサ（ＤＳＰ）、ネットワークプロセッサ等の１つ又はそれ以上の専用処理装置とすることができる。プロセッサ９０２は、本明細書で説明する動作又はステップを遂行するための命令９２２を実行するように構成される。

更に、コンピュータシステム９００は、ネットワークインターフェース装置９０８を含むことができる。また、コンピュータシステム９００は、ビデオ表示ユニット（例えば、液晶ディスプレイ（ＬＣＤ）又はブラウン管（ＣＲＴ））、英数字入力装置９１２（例えば、キーボード）、カーソル制御装置（例えば、マウス）、及び信号生成装置９１６（例えば、スピーカ）を含むことができる。

データ記憶装置９１８は、コンピュータ可読記憶媒体９２４を含むことができ、本明細書に記載の１つ又はそれ以上の方法論又は機能を具体化する１つ又はそれ以上の命令セット９２６（例えば、ソフトウェア）が保存される。また、命令９２６は、コンピュータシステム９００による実行時に、完全に又は少なくとも部分的に主記憶装置９０４内及び／又はプロセッサ９０２内に存在することができ、主記憶装置９０４及びプロセッサ９０２はコンピュータ可読記憶媒体を構成する。更に、命令９２６は、ネットワークインターフェース装置９２２を介して、ネットワーク９２０上で送受信することができる。

１つの実施形態では、命令９２６は、ＣＡＤベースコンテクスト属性及び／又はソフトウェアライブラリを使用した欠陥分類に関する命令を含み、ＣＡＤベースコンテクスト属性を使用した欠陥分類のための命令を含むモジュールを呼び出す方法を含む。１つの実施形態では、命令９２６は、ＣＡＤベースコンテクスト属性及び／又はソフトウェアライブラリを使用した欠陥分類に関する命令を含み、ＣＡＤベースコンテクスト属性を使用した欠陥分類のための命令を呼び出す方法を含む。例示的な実施形態では、コンピュータ可読記憶媒体９２４（マシン可読記憶媒体）は、単一の媒体として示されているが、用語「コンピュータ可読記憶媒体」は、１つ又はそれ以上の命令セットを保存する、単一の媒体又は複数の媒体（例えば、集中型データベース又は分散型データベース、及び／又は関連のキャッシュ及びサーバー）を含むと見なすべきである。また、用語「コンピュータ可読記憶媒体」は、マシンによる実行のために命令セットを保存、符号化、又は伝達する能力を有する任意の媒体、及びマシンに対して本発明の１つ又はそれ以上の方法論を実行させることができ任意の媒体を含むと見なすできである。従って、用語「コンピュータ可読記憶媒体」は、半導体メモリ、光学式媒体、及び磁気式媒体を含むと見なすことができるが、これらに限定されるものではない。

前述の説明においで、数多くの詳細内容が説明される。しかしながら、本発明の開示により恩恵を受ける当業者であれば、これらの詳細内容が無くても本発明を実施できることを理解できるはずである。いくつかの実施例では、公知の構造及び装置は、詳細にというよりはむしろ、本発明を不明瞭にしないように、詳細ではなくブロック図で示されている。

詳細な説明の一部は、コンピュータメモリ内のデータビット上の動作アルゴリズム及び記号表現を用いて示されている。これらのアルゴリズム的な説明及び表現は、データ処理の当業者へ作業結果の内容を最も効果的に伝達するために当業者が利用する手段である。本明細書では及び一般的には、アルゴリズムは、所望の結果に通じる自己矛盾の無い一連のステップであると考えられる。このステップは、物理量の物理的操作を必要とするステップである。必須はないが、通常、これらの量は、保存、転送、結合、比較、及び別な方法で操作することができる、電気的又は磁気的信号の形態である。これらの信号に、ビット、値、シンボル、特性、期間、数等としての言及することは、共通使用のために時には好都合であることが分かっている。

しかしながら、これらの用語及び類似の用語の全ては、適切な物理量に関連しており、これらの物理量に付与される単なる便宜上のラベルであることに留意されたい。以下の説明から明らかなように、特別に説明しない限り、明細書全体にわたって、用語「特定する」、「表す」、「更新する」、「決定する」、「実行する」、「提供する」、「受け取る」などを利用する説明は、コンピュータシステムのレジスタ及びメモリ内で物理的（例えば、電子的）な量で表現されるデータを操作して、コンピュータシステムのメモリ又はレジスタ、又は他のそのような情報記憶、転送、又は表示装置内の物理量として同様に表現される他のデータへ変換する、コンピュータシステム又は同様の電子計算装置の動作及びプロセスに言及することを理解されたい。

また、本発明は、本明細書に記載される操作を実行するための装置に関連する。この装置は、意図された目的を実現するように構成すること、又はコンピュータに保存されたコンピュータプログラムによって選択的に起動又は再構成される汎用コンピュータを備えることができる。このコンピュータプログラムは、コンピュータ可読記憶媒体に保存することができ、記憶媒体は、限定されるものではないが、フロッピー（登録商標）ディスク、光学ディスク、ＣＤ−ＲＯＭ、及び光磁気ディスクを含む任意のタイプのディスク、読取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気又は光学カード、又は電子的命令を記憶するのに適した任意のタイプの媒体とすることができる。

前記の説明は例示的であることは意図されており限定的ではないことを理解されたい。当業者であれば、前記の説明を読んで理解することにより、他の多くの実施形態を理解できるはずである。従って、本発明の範囲は、特許請求の範囲及びその均等物の範囲を参照して決定される。

４０：コンテクスト、テクスチャ、及び形状（３Ｄ）を含む属性を規定する
４２：分類のための欠陥を受け取る
４４：属性値を計算する
４５：ＣＡＤからのコンテクスト属性
４６：３Ｄマップからの形状及びテクスチャ属性
４８：欠陥を分類する

Claims (15)

1. 分類方法であって、
   コンピュータシステムにより、対象位置を含む半導体ウェハ領域の３次元（３Ｄ）マップを受け取とる段階と、
   前記コンピュータシステムにより、前記マップの前記対象位置のトポグラフィックな特徴に基づいて、前記対象位置の１つ又はそれ以上の属性に関する少なくとも１つの値を計算する段階と、
   を含む方法。
2. 前記対象位置は、少なくとも１つの特徴を含み、前記少なくとも１つの特徴は、欠陥、プロセス変動、及び対象となる設計を含む多数の特徴から選択され、前記方法は、前記１つ又はそれ以上の属性に関する前記少なくとも１つの値に基づいて、前記対象位置の欠陥を自動的に分類する段階を更に含む、請求項１に記載の方法。
3. 前記少なくとも１つの値を計算する段階は、前記対象位置の１つ以上の３Ｄ形状パラメータを計算する段階と、前記対象位置の表面に対応する平面の方位を見つける段階又はパラメトリック曲面を前記３Ｄマップの前記対象位置に近似させる段階と、前記近似曲面から前記３Ｄ形状パラメータを導出する段階とを含む、請求項１に記載の方法。
4. 前記３Ｄ形状パラメータを計算する段階は、前記対象位置の表面の曲率の評価値を見つける段階を含む、請求項３に記載の方法。
5. 前記少なくとも１つの値を計算する段階は、前記対象位置の１つ又はそれ以上のテクスチャパラメータを計算する段階を含む、請求項１に記載の方法。
6. 前記テクスチャパラメータを計算する段階は、前記対象位置の表面にわたる勾配を計算する段階と、前記勾配に基づいて前記表面の粗さの評価値を見つける段階とを含む、請求項５に記載の方法。
7. 前記１つ又はそれ以上のテクスチャパラメータを計算する段階は、前記対象位置における多数のエッジの方向の規則性を計算する段階を含む、請求項５に記載の方法。
8. メモリと、
   前記メモリに接続される処理装置と、
   を備える装置であって、前記処理装置が、
   対象位置を含む半導体ウェハ領域の３次元（３Ｄ）マップを受け取り、
   前記マップの前記対象位置のトポログラフィックな特徴に基づいて、前記対象位置の１つ又はそれ以上の属性に関する少なくとも１つの値を計算する、
   ように構成されている装置。
9. 前記対象位置が少なくとも１つの特徴を含み、顔少なくとも１つの特徴が、欠陥、プロセス変動、及び対象の設計を含む多数の特徴のグループから選択され、前記処理装置は、前記１つ又はそれ以上の属性に関する前記少なくとも１つの値に基づいて、欠陥を自動的に分類するように更に構成されている、請求項８に記載の装置。
10. 前記少なくとも１つの値は、前記対象位置の１つ又はそれ以上の３Ｄ形状パラメータを含み、前記処理装置は、該対象位置表面に対応する平面の方位を見つけることによって、又はパラメトリック曲面を前記マップの前記対象位置に近似させて、前記近似曲面から前記３Ｄ形状パラメータを導出することによって、前記３Ｄ形状パラメータを計算するように構成される、請求項８に記載の装置。
11. 前記３Ｄ形状パラメータは、前記対象位置の表面の曲率の評価値を含む、請求項１０に記載の装置。
12. 前記少なくとも１つの値は、前記対象位置の１つ又はそれ以上のテクスチャパラメータを含み、前記処理装置は、前記対象位置の表面にわたる勾配を計算し、前記勾配に応答して前記表面の粗さの評価値を見つけることにより、又は前記対象位置におけるエッジの方向の規則性を計算することにより、前記テクスチャパラメータを計算するように構成される、請求項８に記載の装置。
13. 処理装置により実行される場合に、前記処理装置に、
    対象位置を含む半導体ウェハ領域の３次元（３Ｄ）マップを受け取る段階と、
    前記マップの前記該対象位置の１つ又はそれ以上の属性に関する値を計算する段階と、
    を含む操作を実行させる命令を有する非一時的コンピュータ可読記憶媒。
14. 前記対象位置は、少なくとも１つの特徴を含み、前記少なくとも１つの特徴は、欠陥、プロセス変動、及び対象の設計を含む多数の特徴から選択され、前記処理装置は、前記１つ又はそれ以上の属性に関する前記少なくとも１つの値に基づいて、前記対象位置を自動的に分類する段階を更に含む操作を実行する、請求項１３に記載の非一時的なコンピュータ可読記憶媒体。
15. 前記少なくとも１つの値は、１つ又はそれ以上の３Ｄ形状パラメータ又は前記対象位置のテクスチャパラメータを含む、請求項１３に記載の非一時的なコンピュータ可読記憶媒体。