JP2021057332A - 荷電粒子ビーム装置 - Google Patents
荷電粒子ビーム装置 Download PDFInfo
- Publication number
- JP2021057332A JP2021057332A JP2020047650A JP2020047650A JP2021057332A JP 2021057332 A JP2021057332 A JP 2021057332A JP 2020047650 A JP2020047650 A JP 2020047650A JP 2020047650 A JP2020047650 A JP 2020047650A JP 2021057332 A JP2021057332 A JP 2021057332A
- Authority
- JP
- Japan
- Prior art keywords
- image
- sample
- sample piece
- charged particle
- particle 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.)
- Granted
Links
- 239000002245 particle Substances 0.000 title claims abstract description 106
- 238000010801 machine learning Methods 0.000 claims abstract description 67
- 230000003287 optical effect Effects 0.000 claims abstract description 38
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 abstract description 10
- 230000005855 radiation Effects 0.000 abstract 2
- 238000012545 processing Methods 0.000 description 60
- 238000000034 method Methods 0.000 description 40
- 238000001878 scanning electron micrograph Methods 0.000 description 35
- 238000010884 ion-beam technique Methods 0.000 description 24
- 238000010521 absorption reaction Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 22
- 238000010894 electron beam technology Methods 0.000 description 18
- 238000012549 training Methods 0.000 description 11
- 150000002500 ions Chemical class 0.000 description 10
- 230000001678 irradiating effect Effects 0.000 description 8
- 239000002131 composite material Substances 0.000 description 7
- 238000005520 cutting process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000000151 deposition Methods 0.000 description 4
- 230000008021 deposition Effects 0.000 description 4
- 239000010408 film Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/20—Means for supporting or positioning the objects or the material; Means for adjusting diaphragms or lenses associated with the support
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/22—Optical or photographic arrangements associated with the tube
- H01J37/222—Image processing arrangements associated with the tube
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/30—Electron or ion beam tubes for processing objects
- H01J2237/317—Processing objects on a microscale
- H01J2237/3174—Etching microareas
- H01J2237/31745—Etching microareas for preparing specimen to be viewed in microscopes or analyzed in microanalysers
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Sampling And Sample Adjustment (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
Description
一方、特許文献2に記載の荷電粒子ビーム装置では、テンプレートマッチングの成功率を向上させるため、スキャン速度を落として高精細な画像を取得していた。
このように従来、自動MSの速度は十分ではなく、自動MSを高速化し、スループットを向上させることが求められていた。
(1)本発明の一態様は、試料から試料片を自動的に作製する荷電粒子ビーム装置であって、荷電粒子ビームを照射する荷電粒子ビーム照射光学系と、前記試料を載置して移動する試料ステージと、前記試料から分離および摘出する前記試料片を保持して搬送する試料片移設手段と、前記試料片が移設される試料片ホルダを保持するホルダ固定台と、第1対象物の第1画像を含む第1情報が学習された機械学習のモデルと、前記荷電粒子ビームの照射によって取得した第2画像を含む第2情報とに基づいて第2対象物に関する位置の制御を行うコンピュータと、を備える荷電粒子ビーム装置である。
荷電粒子ビーム装置では、従来はテンプレートマッチングの成功率を向上させるため、スキャン速度を落として高精細な画像を取得していたが、機械学習では高精細な画像でなくても位置検出が可能であるため、画像取得時のスキャン速度を上げることができ、自動MSが高速化しスループットが向上する。
荷電粒子ビーム装置では、従来は、加工のレシピ作成時にユーザーがマニュアル操作で行っていた作業を自動化することができ、レシピ作成が簡便になる。また、荷電粒子ビーム装置では、サンプルごとにレシピを用意しなくてよいため、形状変化に強いシステム構成になる。
上記(2)に記載の態様に係る複合荷電粒子ビーム装置では、機械学習に基づいて試料台の部分の位置を検出することができるため、自動MSにおいて試料片を試料台の部分に接続する工程を高速化できる。
上記(3)に記載の態様に係る複合荷電粒子ビーム装置では、機械学習に基づいてニードルの先端の位置を検出することができるため、自動MSにおいてニードルを移動させる工程を高速化できる。
上記(4)に記載の態様に係る複合荷電粒子ビーム装置では、機械学習に基づいて、前記試料片を摘出する試料摘出工程において前記試料片に向けて前記試料片移設手段を接近させる位置を検出することができるため、自動MSにおいてニードルを試料片に接近させる工程を高速化できる。
上記(5)に記載の態様に係る複合荷電粒子ビーム装置では、機械学習に基づいて試料から試料片を分離および摘出する位置を検出することができるため、自動MSにおいて試料片をニードルに接続する工程を高速化できる。
上記(6)に記載の態様に係る複合荷電粒子ビーム装置では、第1画像として実際の荷電粒子ビームの照射によって得られる画像が十分な数だけ用意できない場合であっても疑似画像をそれらの画像の代わり用いることができるため、第1情報が学習された機械学習の精度を向上できる。
上記(7)に記載の態様に係る複合荷電粒子ビーム装置では、第2対象物の種類と同じ種類の第1対象物の第1画像を含む第1情報が学習された機械学習に基づいて対象物の位置を検出することができるため、第1対象物の種類と第2対象物の種類とが異なる場合に比べて機械学習を向上できる。
以下、図面を参照しながら本発明の実施形態について詳しく説明する。図1は、本実施形態に係る荷電粒子ビーム装置10と画像処理用コンピュータ30との構成の一例を示す図である。荷電粒子ビーム装置10に備えらえる制御用コンピュータ22は、荷電粒子ビームの照射によって取得した画像データを取得する。制御用コンピュータ22は、画像処理用コンピュータ30とデータの送受信を行う。画像処理用コンピュータ30は、制御用コンピュータ22から受信した画像データに含まれる対象物を機械学習モデルMに基づいて判定する。制御用コンピュータ22は、画像処理用コンピュータ30の判定結果に基づいて、対象物に関する位置の制御を行う。
制御用コンピュータ22は、第1対象物の第1画像を含む第1情報が学習された機械学習のモデルと、荷電粒子ビームの照射によって取得した第2画像を含む第2情報とに基づいて第2対象物に関する位置の制御を行うコンピュータの一例である。
なお、画像処理用コンピュータ30は、荷電粒子ビーム装置10に備えられてもよい。
(荷電粒子ビーム装置)
図2は、実施形態の荷電粒子ビーム装置10の構成の一例を示す図である。荷電粒子ビーム装置10は、試料室11と、試料ステージ12と、ステージ駆動機構13と、集束イオンビーム照射光学系14と、電子ビーム照射光学系15と、検出器16と、ガス供給部17と、ニードル18と、ニードル駆動機構19と、吸収電流検出器20と、表示装置21と、制御用コンピュータ22と、入力デバイス23とを備える。
表示装置21は、検出器16によって検出された二次荷電粒子Rに基づく画像データなどを表示する。
図4は試料片ホルダPの平面図であり、図5は側面図である。試料片ホルダPは、切欠き部41を有する略半円形板状の基部42と、切欠き部41に固定される試料台43とを備えている。基部42は、一例として円形板状の金属で形成されている。試料台43は櫛歯形状であり、離間配置されて突出する複数で、試料片Qが移設される柱状部(以下、ピラーとも言う)44を備えている。
次に図6を参照し、画像処理用コンピュータ30について説明する。図6は、本実施形態に係る画像処理用コンピュータ30の構成の一例を示す図である。画像処理用コンピュータ30は、制御部300と、記憶部305とを備える。
制御部300は、学習データ取得部301と、学習部302と、判定画像取得部303と、判定部304とを備える。
なお、以下の説明において画像に撮像されている、または描画されている対象物を、この画像の対象物という場合がある。
(初期設定工程)
図7は、本実施形態に係る初期設定工程の一例を示す図である。
ステップS10:制御用コンピュータ22は、モード及び加工条件の設定を行う。モードの設定とは、自動シーケンスの開始時に操作者の入力に応じて後述する姿勢制御モードの有無等の設定である。加工条件の設定は、加工位置、寸法、試料片Qの個数等の設定である。
ここでステップS20においては、対象物とは、柱状部44である。以下の工程においても、判定部304が対象物の位置を判定する処理は同様である。
図8及び図9は、本実施形態に係る柱状部44の一例を示す図である。図8及び図9に示す柱状部A0は、柱状部44の設計上の構造の一例である。ここで図8は、柱状部A0の上面図であり、図9は、柱状部A0の側面図である。柱状部A0は、基部A02に段上の構造のピラーA01が接着された構造を有する。
学習画像X11、学習画像X12、学習画像X13では、ピラーA11、ピラーA21、ピラー31の形状はそれぞれ異なっている。一方、学習画像X11、学習画像X12、学習画像X13では、基部A12、基部A22、基部A32の形状は同一である。
学習画像X21、学習画像X22、学習画像X23では、ピラーA51、ピラーA61、ピラー71の形状はそれぞれ異なっている。一方、学習画像X21、学習画像X22、学習画像X23では、基部A52、基部A62、基部A72の形状は同一である。
学習画像の対象物体は、複数の学習画像の対象物体相互間において同じ形状の部位が含まれていることが好ましい。
制御用コンピュータ22は、画像処理用コンピュータ30によって判定された柱状部44の位置を示す位置情報に基づいて、柱状部44の位置を登録する。
なお、柱状部44の学習画像では、柱状部44のうち試料台43の両端に位置する柱状部の画像が含まれることが好ましい。この学習画像を含む学習データを用いて生成された機械学習モデルMに基づいて、画像処理用コンピュータ30は、柱状部44のうち試料台43の両端の柱状部を、両端以外の柱状部と区別して検出する。制御用コンピュータ22は、検出した両端の柱状部の位置から試料片ホルダPの傾きを算出してもよい。制御用コンピュータ22は、算出した傾きに基づいて対象物の位置の座標の値を補正してもよい。
図13は、本実施形態に係る試料片ピックアップ工程の一例を示す図である。ここで、ピックアップとは、集束イオンビームによる加工やニードルによって、試料片Qを試料Sから分離、摘出することを言う。
ここで図14を参照し、制御用コンピュータ22が実行するニードル18の移動のための処理について説明する。図14は、本実施形態に係るニードル18の移動処理の一例を示す図である。図14のステップS510からステップ540は、図13のステップS50に対応する。
ステップS520:制御用コンピュータ22は、ニードル18の先端を検出する。ここで制御用コンピュータ22は、対象物としてニードル18が含まれる吸収電流画像データを画像処理用コンピュータ30に送信する。
図15は、本実施形態に係るニードル18の先端が含まれるSEM画像データの一例を示す図である。図16は、本実施形態に係るニードル18先端が含まれるSIM画像データの一例を示す図である。
ステップS530:制御用コンピュータ22は、試料片Qのピックアップ位置を検出する。ここで制御用コンピュータ22は、対象物として試料片Qが含まれるSIM画像やSEM画像を画像処理用コンピュータ30に送信する。
図19は、本実施形態に係る試料片Qが含まれるSIM画像データの一例を示す図である。図19では、試料片Qの一例として、試料片Q71が、ピックアップ位置を示す円とともに示されている。
一方、機械学習モデルMは、試料片Qのピックアップ位置が含まれた学習画像を用いた機械学習に基づいて生成されるため、機械学習モデルMでは、例えば、試料片Qのピックアップ位置の形状が特徴量として学習されている。そのため、荷電粒子ビーム装置10では、試料片の表面の形状が異なっている場合であっても、試料片Qのピックアップ位置の判定の精度が向上する。
ステップS540:制御用コンピュータ22は、検出したピックアップ位置までニードル18を移動させる。
以上で、制御用コンピュータ22は、ニードル18の移動処理を終了する。
ステップS60:制御用コンピュータ22は、ニードル18と試料片Qとを接続する。ここで制御用コンピュータ22は、デポジション膜を用いて接続を行う。
ステップS70:制御用コンピュータ22は、試料Sと試料片Qとを加工分離する。ここで図21は、加工分離の様子を示しており、本発明の実施形態に係るSIM画像データにおける試料Sおよび試料片Qの支持部Qaの切断加工位置T1を示す図である。
この場合、試料片Q0の加工サイズや形状を示す加工サイズ形状情報が制御用コンピュータ22に入力されていなくても、試料片Q0の摘出及び分離を行うことができる。また、試料片Q0を摘出後、以降の試料片マウント工程は同様に行われてよい。
図22は、本実施形態に係る試料片マウント工程の一例を示す図である。ここで試料片マウント工程とは、摘出した試料片Qを試料片ホルダPに移設する工程のことである。ステップS100:制御用コンピュータ22は、試料片Qの移設位置を判定する。ここで制御用コンピュータ22は、上述のステップS20において登録した特定の柱状部44を、移設位置として判定する。
ステップS120:制御用コンピュータ22は、ニードル18を移動させる。ここで制御用コンピュータ22は、ニードル18をステップS100で判定した試料片Qの移設位置までニードル駆動機構19によってニードル18を移動させる。制御用コンピュータ22は、柱状部44と試料片Qとの間に予め定めた空隙を空けてニードル18を停止させる。
ステップS140:制御用コンピュータ22は、ニードル18と試料片Qとを分離する。ここで制御用コンピュータ22は、ニードル18と試料片Qとを接続するデポジション膜DM2を切断することによって分離を行う。
ステップS150:制御用コンピュータ22は、ニードル18を退避させる。ここで制御用コンピュータ22は、ニードル駆動機構19によってニードル18を試料片Qから所定距離だけ遠ざける。
以下、図面を参照しながら本発明の第2の実施形態について詳しく説明する。
本実施形態では、学習画像として、対象物の種類に応じて生成された疑似画像が用いられたり、対象物の種類に応じて用いられる機械学習モデルが選択されたりする場合について説明をする。
本実施形態に係る荷電粒子ビーム装置10を荷電粒子ビーム装置10aといい、画像処理用コンピュータ30を画像処理用コンピュータ30aという。
制御部300aは、学習データ取得部301と、学習部302と、判定画像取得部303と、判定部304とに加え、学習画像生成部306aと、分類部307aとを備える。
パターン画像PTとは、対象物の内部構造に応じたパターンを示す画像である。パターン画像PTは、荷電粒子ビームの照射によって得られたSIM画像やSEM画像であってもよいし、画像ソフトウェアを用いて描画された画像であってもよい。
図24は、本実施形態に係るベアウェアBWの一例を示す図である。図24では、試料片QのベアウェアBWとして、ベアウェアBW1、ベアウェアBW2、ベアウェアBW3が示されている。ベアウェアBW1、ベアウェアBW2、ベアウェアBW3は、複数のサイズの試料片Qの形状を模した画像である。なお、ベアウェアBW1、ベアウェアBW2、ベアウェアBW3には、ピックアップ位置を示す情報としてニードル18に対応する画像がそれぞれ含まれている。
分類部307aは、分類用学習モデルM2aに基づいて、判定画像取得部303が取得した判定画像を分類する。ここで分類部307aは、必ずしも判定画像を分類しなくてもよい。分類部307aが判定画像を分類するか否かは、例えば、制御用コンピュータ22へ入力される設定に応じて画像処理用コンピュータ30において設定される。
分類用学習モデルM2aは、対象物の種類に応じて、機械学習モデルM1aに含まれる複数のモデルのなかから、判定部304が判定に用いるモデルを選択するためのモデルである。ここで機械学習モデルM1aに含まれる複数のモデルは、モデルの生成に用いられた学習データのセットだけでなく、機械学習のアルゴリズムによっても区別される。
図27は、本実施形態に係るピックアップ位置の検出処理の一例を示す図である。
ステップS310:分類部307aは、分類用学習モデルM2aに基づいて、判定画像取得部303が取得した判定画像を分類する。
ステップS320:分類部307aは、分類した結果に応じて、機械学習モデルM1aに含まれる複数のモデルのなかから、判定部304が判定に用いる機械学習モデルを選択する。
ステップS330:判定部304は、分類部307aが選択した機械学習モデルに基づいて、判定画像取得部303が取得した判定画像に含まれる対象物の位置を判定する。
ここでスキャン速度とは、制御用コンピュータ22が吸収電流画像データを生成する過程において、荷電粒子ビームの照射位置を走査する速度である。第1の速度とは、例えば、従来の荷電粒子ビーム装置が荷電粒子ビームの照射位置を走査する速度である。第2の速度は、第1の速度よりも遅い任意の速度である。第2の速度は、例えば、従来の荷電粒子ビーム装置において、テンプレートマッチングの成功率を向上させるために高精細な画像を取得するために選択されていたスキャン速度である。
解像度とは、画像を構成する画素の密度である。第1の解像度とは、例えば、従来の荷電粒子ビーム装置において生成される吸収電流画像データに含まれるSIM画像、及びSEM画像の解像度である。第2の解像度とは、第1の解像度よりも高い空間周波数を有する任意の解像度である。
以下の説明において、スキャン速度を第2の速度にすることを、例えば、スキャン速度を低速するともいう。また、画像の解像度を第1の解像度から第2の解像度に変換することを、例えば、画像を超解像化するともいう。
判定部304は、機械学習モデルMに基づいて、超解像化した判定画像に含まれる対象物の位置を判定する。判定部304は、判定した対象物の位置を示す位置情報を制御用コンピュータ22に出力する。
また、上述した実施形態における制御用コンピュータ22、画像処理用コンピュータ30、30aの一部、または全部を、LSI(Large Scale Integration)等の集積回路として実現してもよい。制御用コンピュータ22、画像処理用コンピュータ30、30aの各機能ブロックは個別にプロセッサ化してもよいし、一部、または全部を集積してプロセッサ化してもよい。また、集積回路化の手法はLSIに限らず専用回路、または汎用プロセッサで実現してもよい。また、半導体技術の進歩によりLSIに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。
Claims (7)
- 試料から試料片を自動的に作製する荷電粒子ビーム装置であって、
荷電粒子ビームを照射する荷電粒子ビーム照射光学系と、
前記試料を載置して移動する試料ステージと、
前記試料から分離および摘出する前記試料片を保持して搬送する試料片移設手段と、
前記試料片が移設される試料片ホルダを保持するホルダ固定台と、
第1対象物の第1画像を含む第1情報が学習された機械学習のモデルと、前記荷電粒子ビームの照射によって取得した第2画像を含む第2情報とに基づいて第2対象物に関する位置の制御を行うコンピュータと、
を備える荷電粒子ビーム装置。 - 前記第2対象物には、前記試料片ホルダに備えらえる試料台の部分が含まれる
請求項1に記載の荷電粒子ビーム装置。 - 前記第2対象物には、前記試料片移設手段に用いられるニードルが含まれる
請求項1又は請求項2に記載の荷電粒子ビーム装置。 - 前記第2対象物には、前記試料片が含まれ、
前記第1画像は、前記試料片を摘出する試料摘出工程において前記試料片に向けて前記試料片移設手段を接近させる位置が示された画像である
請求項1から請求項3のいずれか一項に記載の荷電粒子ビーム装置。 - 前記第2対象物には、前記試料片が含まれ、
前記第1画像は、前記試料から前記試料片を分離および摘出する位置が示された画像である
請求項1から請求項4のいずれか一項に記載の荷電粒子ビーム装置。 - 前記第1画像は、前記第2対象物の種類に応じて生成された疑似画像である
請求項1から請求項5のいずれか一項に記載の荷電粒子ビーム装置。 - 前記第1対象物の種類と、前記第2対象物の種類とは同じである
請求項1から請求項6のいずれか一項に記載の荷電粒子ビーム装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200106954A KR20210036256A (ko) | 2019-09-25 | 2020-08-25 | 하전 입자 빔 장치 |
TW109131792A TW202129244A (zh) | 2019-09-25 | 2020-09-16 | 帶電粒子束裝置 |
DE102020211900.7A DE102020211900A1 (de) | 2019-09-25 | 2020-09-23 | Ladungsträgerstrahlvorrichtung |
CN202011014963.9A CN112563103A (zh) | 2019-09-25 | 2020-09-24 | 带电粒子束装置 |
US17/030,983 US11361936B2 (en) | 2019-09-25 | 2020-09-24 | Charged particle beam apparatus |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019173888 | 2019-09-25 | ||
JP2019173888 | 2019-09-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021057332A true JP2021057332A (ja) | 2021-04-08 |
JP7413105B2 JP7413105B2 (ja) | 2024-01-15 |
Family
ID=75271097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020047650A Active JP7413105B2 (ja) | 2019-09-25 | 2020-03-18 | 荷電粒子ビーム装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7413105B2 (ja) |
KR (1) | KR20210036256A (ja) |
TW (1) | TW202129244A (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005505899A (ja) * | 2001-10-10 | 2005-02-24 | アプライド マテリアルズ イスラエル リミテッド | 荷電粒子ビームカラムのアライメント方法および装置 |
JP2016157671A (ja) * | 2014-08-29 | 2016-09-01 | 株式会社日立ハイテクサイエンス | 荷電粒子ビーム装置 |
JP2018116860A (ja) * | 2017-01-19 | 2018-07-26 | 株式会社日立ハイテクサイエンス | 荷電粒子ビーム装置 |
JP2018133552A (ja) * | 2016-09-28 | 2018-08-23 | 株式会社ニューフレアテクノロジー | 荷電粒子ビーム装置及び荷電粒子ビームの位置ずれ補正方法 |
JP2018133553A (ja) * | 2016-09-28 | 2018-08-23 | 株式会社ニューフレアテクノロジー | 電子ビーム装置及び電子ビームの位置ずれ補正方法 |
US20180330511A1 (en) * | 2017-05-11 | 2018-11-15 | Kla-Tencor Corporation | Learning based approach for aligning images acquired with different modalities |
JP2019508678A (ja) * | 2015-12-31 | 2019-03-28 | ケーエルエー−テンカー コーポレイション | ハイブリッドインスペクタ |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7043057B2 (ja) | 2017-11-28 | 2022-03-29 | 株式会社日立ハイテクサイエンス | 断面加工観察方法、荷電粒子ビーム装置 |
-
2020
- 2020-03-18 JP JP2020047650A patent/JP7413105B2/ja active Active
- 2020-08-25 KR KR1020200106954A patent/KR20210036256A/ko unknown
- 2020-09-16 TW TW109131792A patent/TW202129244A/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005505899A (ja) * | 2001-10-10 | 2005-02-24 | アプライド マテリアルズ イスラエル リミテッド | 荷電粒子ビームカラムのアライメント方法および装置 |
JP2016157671A (ja) * | 2014-08-29 | 2016-09-01 | 株式会社日立ハイテクサイエンス | 荷電粒子ビーム装置 |
JP2019508678A (ja) * | 2015-12-31 | 2019-03-28 | ケーエルエー−テンカー コーポレイション | ハイブリッドインスペクタ |
JP2018133552A (ja) * | 2016-09-28 | 2018-08-23 | 株式会社ニューフレアテクノロジー | 荷電粒子ビーム装置及び荷電粒子ビームの位置ずれ補正方法 |
JP2018133553A (ja) * | 2016-09-28 | 2018-08-23 | 株式会社ニューフレアテクノロジー | 電子ビーム装置及び電子ビームの位置ずれ補正方法 |
JP2018116860A (ja) * | 2017-01-19 | 2018-07-26 | 株式会社日立ハイテクサイエンス | 荷電粒子ビーム装置 |
US20180330511A1 (en) * | 2017-05-11 | 2018-11-15 | Kla-Tencor Corporation | Learning based approach for aligning images acquired with different modalities |
Also Published As
Publication number | Publication date |
---|---|
KR20210036256A (ko) | 2021-04-02 |
TW202129244A (zh) | 2021-08-01 |
JP7413105B2 (ja) | 2024-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6541161B2 (ja) | 荷電粒子ビーム装置 | |
JP6552383B2 (ja) | 自動化されたtem試料調製 | |
US10453646B2 (en) | Tomography-assisted TEM prep with requested intervention automation workflow | |
KR102657389B1 (ko) | 하전 입자 빔 장치 | |
CN102207472A (zh) | 用于观察特征的自动化片状铣削 | |
JP6013380B2 (ja) | 半導体ウェーハのリアルタイム三次元sem画像化およびビューイングのための装置および方法 | |
US10658147B2 (en) | Charged particle beam apparatus | |
JP2016139467A (ja) | 試料観察方法および試料観察装置 | |
US11361936B2 (en) | Charged particle beam apparatus | |
JP7391735B2 (ja) | 荷電粒子ビーム装置 | |
US9111721B2 (en) | Ion beam device and machining method | |
JP6105530B2 (ja) | 自動試料片作製装置 | |
JP5371928B2 (ja) | 欠陥検査方法及びその装置 | |
JP2008146990A (ja) | 試料固定台、及びそれを備えた荷電粒子線装置、並びに観察/解析対象箇所特定方法 | |
JP2024012432A (ja) | 検査システム、及び非一時的コンピュータ可読媒体 | |
JP7413105B2 (ja) | 荷電粒子ビーム装置 | |
JP6360620B2 (ja) | 荷電粒子線装置、荷電粒子線装置のアライメント方法、アライメントプログラム、及び記憶媒体 | |
JP2002270127A (ja) | 電子線装置用データ処理装置、電子線装置のステレオ測定方法 | |
JPWO2016157403A6 (ja) | 荷電粒子線装置、荷電粒子線装置のアライメント方法、アライメントプログラム、及び記憶媒体 | |
CN112563101A (zh) | 带电粒子束装置 | |
TW202311719A (zh) | 帶電粒子束裝置 | |
JP2020161268A (ja) | 荷電粒子ビーム装置、及び制御方法 | |
JP2005123018A (ja) | 画像表示方法及び画像表示装置 | |
JP2016050854A (ja) | 自動試料片作製装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230620 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231002 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231122 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7413105 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |