JP2019522897A5

JP2019522897A5 -

Info

Publication number: JP2019522897A5
Application number: JP2018561506A
Authority: JP
Filing date: 2017-05-24
Publication date: 2020-07-02
Anticipated expiration: 2037-05-24

Claims

入力画像からシミュレーション画像を生成するように構成されたシステムであって、
標本にエネルギーを向け、前記標本からのエネルギーを前記標本自身及び撮像ハードウェアを用いて検出することで前記標本の画像を取得するように構成された１つ以上のコンピュータサブシステムと、
前記１つ以上のコンピュータサブシステムによって実行される１つ以上の構成要素と
を備え、前記１つ以上の構成要素は、
ニューラルネットワークを備え、前記ニューラルネットワークは、
前記標本のための画像の特徴部を決定するように構成され、前記画像は前記標本の低解像度画像である、２つ以上のエンコーダ層と、
決定された前記特徴部から１つ以上のシミュレーション画像を生成するように構成された２つ以上のデコーダ層であって、前記１つ以上のシミュレーション画像は、前記標本の１つ以上の高解像度画像であり、前記ニューラルネットワークは、深層生成的モデルとして構成され、前記ニューラルネットワークが、全結合層を備えず、それにより前記２つ以上のエンコーダ層に入力される画像のサイズに対する制約を除去する、２つ以上のデコーダ層と、を備えるシステム。
請求項１に記載のシステムであって、前記ニューラルネットワークは、さらに、完全畳み込みモデルとして構成されているシステム。
請求項１に記載のシステムであって、前記ニューラルネットワークは、さらに、生成的敵対的モデルとして構成されているシステム。
請求項１に記載のシステムであって、前記ニューラルネットワークは、さらに、条件付き生成的敵対的ネットとして構成されているシステム。
請求項１に記載のシステムであって、前記ニューラルネットワークは、さらに、生成的敵対的ネットワークおよび変分オートエンコーダとして構成されているシステム。
請求項１に記載のシステムであって、前記ニューラルネットワークの一部分は、さらに、畳み込みニューラルネットワークとして構成されているシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステム、前記１つ以上の構成要素、および前記ニューラルネットワークは、前記２つ以上のエンコーダ層に入力される前記画像をクロッピングしないシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステム、前記１つ以上の構成要素、および前記ニューラルネットワークは、２つ以上のクロッピングされた画像から前記１つ以上のシミュレーション画像を再構築しないシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステムは、さらに、前から存在するニューラルネットワーク内の全結合層を畳み込み層のグループで置き換え、それにより前記ニューラルネットワークを作成することによって、前記ニューラルネットワークを設定するように構成されているシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステムは、境界効果を変更するためにｆｏｖｙ減衰重み付け損失関数を使用して前記ニューラルネットワークをトレーニングするように構成されているシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステムは、各々が同じ任意サイズを有するトレーニング画像のバッチを使用して前記ニューラルネットワークをトレーニングするように構成されているシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステムは、トレーニング画像のバッチを使用して前記ニューラルネットワークをトレーニングするように構成され、前記バッチ内の前記トレーニング画像のうちの２つ以上は、異なる任意サイズを有するシステム。
請求項１に記載のシステムであって、前記２つ以上のエンコーダ層に入力される前記画像は、前記標本のために生成された全体フレーム画像であるシステム。
請求項１に記載のシステムであって、前記２つ以上のエンコーダ層に入力される前記画像は、前記標本のための全体ダイ画像であるシステム。
請求項１に記載のシステムであって、前記２つ以上のエンコーダ層に入力される前記画像は、電子ビームベースの撮像システムによって生成されるシステム。
請求項１に記載のシステムであって、前記２つ以上のエンコーダ層に入力される前記画像は、光学ベースの撮像システムによって生成されるシステム。
請求項１に記載のシステムであって、前記２つ以上のエンコーダ層に入力される前記画像は、検査システムによって生成されるシステム。
請求項１に記載のシステムであって、前記２つ以上のエンコーダ層に入力される前記画像は、計測システムによって生成されるシステム。
請求項１に記載のシステムであって、前記標本がウェハであるシステム。
請求項１に記載のシステムであって、前記標本がレチクルであるシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステムは、前記１つ以上のシミュレーション画像に基づいて前記標本上の欠陥を検出するように構成されているシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステムは、前記２つ以上のエンコーダ層に入力される前記画像または前記１つ以上のシミュレーション画像内で検出された欠陥を分類するように構成されており、前記分類は、前記１つ以上のシミュレーション画像に基づいて実施されるシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステムは、前記標本の１つ以上の特徴部、または前記１つ以上のシミュレーション画像に基づいて前記標本上で検出された欠陥を測定するように構成されているシステム。
請求項１に記載のシステムであって、前記１つ以上のコンピュータサブシステムは、前記１つ以上のシミュレーション画像を前記２つ以上のエンコーダ層に入力される前記画像と実質的に同じにレンダリングする前記特徴部の値を決定することによって、前記標本上の１つ以上の構造の表現を学習するように構成されているシステム。
入力画像からシミュレーション画像を生成するように構成されたシステムであって、
標本にエネルギーを向け、前記標本からのエネルギーを前記標本自身及び撮像ハードウェアを用いて検出することで前記標本の画像を生成するように構成され、前記画像は前記標本の低解像度画像である、撮像サブシステムと、
前記画像を取得するように構成された１つ以上のコンピュータサブシステムと、
前記１つ以上のコンピュータサブシステムによって実行される１つ以上の構成要素と
を備え、前記１つ以上の構成要素は、
ニューラルネットワークを備え、前記ニューラルネットワークは、
前記画像の特徴部を決定するように構成された２つ以上のエンコーダ層と、
決定された前記特徴部から１つ以上のシミュレーション画像を生成するように構成された２つ以上のデコーダ層であって、前記１つ以上のシミュレーション画像は、前記標本の１つ以上の高解像度画像であり、前記ニューラルネットワークは、深層生成的モデルとして構成され、前記ニューラルネットワークが、全結合層を備えず、それにより前記２つ以上のエンコーダ層に入力される画像のサイズに対する制約を除去する、２つ以上のデコーダ層と、を備えるシステム。
入力画像からシミュレーション画像を生成するためのコンピュータ実装の方法を実施するための１つ以上のコンピュータシステムに対して実行可能なプログラム命令を格納する非一時的なコンピュータ可読媒体であって、前記コンピュータ実装の方法は、
標本にエネルギーを向け、前記標本からのエネルギーを前記標本自身及び撮像ハードウェアを用いて検出することで前記標本のための画像を取得することと、
前記画像をニューラルネットワークの２つ以上のエンコーダ層に入力することによって前記標本のための前記画像の特徴部を決定することであり、前記画像は前記標本の低解像度画像であり、前記ニューラルネットワークは、深層生成的モデルとして構成され、前記ニューラルネットワークが、全結合層を備えず、それにより前記２つ以上のエンコーダ層に入力される画像のサイズに対する制約を除去する、決定することと、
決定された前記特徴部から１つ以上のシミュレーション画像を生成することであって、前記１つ以上のシミュレーション画像は、前記標本の１つ以上の高解像度画像であり、前記１つ以上のシミュレーション画像を生成することは、前記ニューラルネットワークの２つ以上のデコーダ層によって実施され、前記取得すること、前記決定すること、および前記生成することは、前記１つ以上のコンピュータシステムによって実施され、１つ以上の構成要素は、前記１つ以上のコンピュータシステムによって実行され、前記１つ以上の構成要素は、前記ニューラルネットワークを備える、生成することと、を含む非一時的なコンピュータ可読媒体。
入力画像からシミュレーション画像を生成するためのコンピュータ実装の方法であって、
標本にエネルギーを向け、前記標本からのエネルギーを前記標本自身及び撮像ハードウェアを用いて検出することで前記標本のための画像を取得することと、
前記画像をニューラルネットワークの２つ以上のエンコーダ層に入力することによって前記標本のための前記画像の特徴部を決定することであり、前記画像は前記標本の低解像度画像であり、前記ニューラルネットワークは、深層生成的モデルとして構成され、前記ニューラルネットワークが、全結合層を備えず、それにより前記２つ以上のエンコーダ層に入力される画像のサイズに対する制約を除去する、決定することと、
決定された前記特徴部から１つ以上のシミュレーション画像を生成することであって、前記１つ以上のシミュレーション画像を生成することは、前記ニューラルネットワークの２つ以上のデコーダ層によって実施され、前記１つ以上のシミュレーション画像は、前記標本の１つ以上の高解像度画像であり、前記取得すること、前記決定すること、および前記生成することは、前記１つ以上のコンピュータシステムによって実施され、１つ以上の構成要素は、前記１つ以上のコンピュータシステムによって実行され、前記１つ以上の構成要素は、前記ニューラルネットワークを備える、生成することと、を含むコンピュータ実装の方法。