JP2021064606A - オブジェクト位置特定のための機械学習による低ｋｅＶイオンビーム画像復元 - Google Patents

オブジェクト位置特定のための機械学習による低ｋｅＶイオンビーム画像復元 Download PDF

Info

Publication number
JP2021064606A
JP2021064606A JP2020170634A JP2020170634A JP2021064606A JP 2021064606 A JP2021064606 A JP 2021064606A JP 2020170634 A JP2020170634 A JP 2020170634A JP 2020170634 A JP2020170634 A JP 2020170634A JP 2021064606 A JP2021064606 A JP 2021064606A
Authority
JP
Japan
Prior art keywords
sample
image
kev
ion beam
low
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
JP2020170634A
Other languages
English (en)
Other versions
JP2021064606A5 (ja
JP7544320B2 (ja
Inventor
ヨハネス ペトラス グールツ レムコ
Johannes Petrus Geurts Remco
ヨハネス ペトラス グールツ レムコ
ポトチェク パヴェル
Potocek Pavel
ポトチェク パヴェル
ぺーメン マウリス
Peemen Maurice
ぺーメン マウリス
マチェク オンドレイ
Machek Ondrej
マチェク オンドレイ
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.)
FEI Co
Original Assignee
FEI Co
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 FEI Co filed Critical FEI Co
Publication of JP2021064606A publication Critical patent/JP2021064606A/ja
Publication of JP2021064606A5 publication Critical patent/JP2021064606A5/ja
Application granted granted Critical
Publication of JP7544320B2 publication Critical patent/JP7544320B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
    • H01J37/305—Electron-beam or ion-beam tubes for localised treatment of objects for casting, melting, evaporating, or etching
    • H01J37/3053—Electron-beam or ion-beam tubes for localised treatment of objects for casting, melting, evaporating, or etching for evaporating or etching
    • H01J37/3056—Electron-beam or ion-beam tubes for localised treatment of objects for casting, melting, evaporating, or etching for evaporating or etching for microworking, e. g. etching of gratings or trimming of electrical components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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, image processing or photographic arrangements associated with the tube
    • H01J37/222—Image processing arrangements associated with the tube
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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 object 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
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • 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
    • 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
    • H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
    • H01J37/3002—Details
    • H01J37/3005—Observing the objects or the point of impact on the object
    • 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
    • H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
    • H01J37/304—Controlling tubes by information coming from the objects or from the beam, e.g. correction signals
    • H01J37/3045—Object or beam position registration
    • 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
    • H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
    • H01J37/305—Electron-beam or ion-beam tubes for localised treatment of objects for casting, melting, evaporating, or etching
    • H01J37/3053—Electron-beam or ion-beam tubes for localised treatment of objects for casting, melting, evaporating, or etching for evaporating or etching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • 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
    • H01J2237/22—Treatment of data
    • H01J2237/221—Image processing
    • 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
    • H01J2237/22—Treatment of data
    • H01J2237/226—Image reconstruction
    • 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
    • H01J2237/31735—Direct-write microstructures
    • H01J2237/31737—Direct-write microstructures using ions
    • 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
    • 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
    • H01J2237/31749—Focused ion beam

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Plasma & Fusion (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Sampling And Sample Adjustment (AREA)

Abstract

【課題】低ｋｅＶでのＦＩＢ画像のための画像復元アルゴリズムを使用してＴＥＭ薄板を作成するための方法を提供する。【解決手段】ＴＥＭ薄板を作成する方法は、低ｋｅＶ設定でイオンビームをサンプルに照射することと、イオンビームによる照射から生じる放出に基づいて、サンプルの低ｋｅＶイオンビーム画像を生成することと、その後、復元画像を生成するように、サンプルの低ｋｅＶイオンビーム画像に画像復元モデルを適用することと、を含む。その後、サンプルは、復元画像内で位置特定され、サンプルの低ｋｅＶ平削りは、復元画像内の位置特定サンプルに基づいて、イオンビームで実施される。【選択図】図３

Description

透過型電子顕微鏡（ＴＥＭ）での検査のためのサンプル調整は、より大きなサンプル材料からＴＥＭ薄板（ｌａｍｅｌｌａ）を作成するプロセスである。これは、入射電子ビームからの電子が通過することが可能である厚さを有するＴＥＭ薄板を作成して、ＴＥＭシステムでの評価および／または分析を可能にするように、サンプル材料の領域を平削りすることを伴う。しかしながら、ＴＥＭ薄板に最も近いサンプル材料の領域を平削り取るプロセスは、ＴＥＭ薄板の表面に損傷を引き起こす（例えば、表面特徴の沈着および／または除去を介して）。ＴＥＭ薄板の評価および／または分析に悪影響を与えることからこのような表面損傷を防ぐために、現在のＴＥＭサンプル調整プロトコルにおける最後のステップは、集束イオンビーム（ＦＩＢ）での低ｋｅＶ研磨の適用である。
低ｋｅＶ研磨を均一に適用するには、熟練ユーザーまたはコンピュータ自動化ソフトウェアのいずれかが、ＴＥＭ薄板のエッジを位置特定（ｌｏｃａｌｉｚｅ）されなければならない。残念ながら、現在のＴＥＭシステムにおいてＴＥＭ薄板のエッジを位置決めすることは、低ｋｅＶ ＦＩＢでキャプチャされた低品質画像のため、困難である。さらに、画像キャプチャプロセス中に、ＦＩＢの電圧を上げることは、ＴＥＭ薄板にさらに損傷を起こす。このため、現在のＦＩＢシステムのための不釣合いな量の開発コストは、低ｋｅＶエネルギーでの光学性能を改善するのに費やされる。これは、製造コストを増加させるだけでなく、システムの他の光学性能に向けられることができる、財源を制限する。
低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用してＴＥＭ薄板を作成するための方法およびシステムが、開示される。例示的な方法は、低ｋｅＶ設定でイオンビームをサンプルに照射することと、イオンビームによる照射から生じる放出に基づいて、サンプルの低ｋｅＶイオンビーム画像を生成することと、その後、復元画像を生成するように、サンプルの低ｋｅＶイオンビーム画像に画像復元モデルを適用することと、を含む。その後、サンプルは、復元画像内で位置特定され、サンプルの低ｋｅＶ平削りは、復元画像内の位置特定サンプルに基づいて、イオンビームで実施される。本方法は、画像復元モデル、画像認識モジュール、および／またはそれらのコンポーネント機械学習アルゴリズム（複数可）をトレーニングすることをさらに含み得る。そのようなトレーニングは、類似および／または同一のサンプルの１つ以上のラベル付けされた画像のトレーニングセットに基づいて、処理され得る。
顕微鏡システム内でサンプルを自動的に配向するためのシステムは、サンプルを保持するように構成されたサンプルホルダーと、イオンビームでサンプルを照射するように構成されたイオン源と、イオンビームでの照射に応答してサンプルによって放出された荷電粒子に基づいて、サンプルの画像をキャプチャするように構成された撮像システムと、備える。本開示によるシステムはさらに、１つ以上の処理ユニットと、１つ以上の処理ユニットによって実行されるときに、本開示による低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用してＴＥＭ薄板を作成するための方法を、荷電粒子顕微鏡システムに実施させる、コンピュータ可読命令を格納するメモリと、を含む。
詳細な説明は、添付の図を参照して説明される。図において、参照番号の最も左の桁（複数可）は、参照番号が最初に現れる図を識別する。異なる図の同じ参照番号は、類似または同一の項目を示している。
本発明による、荷電粒子システムにおける低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用するＴＥＭ薄板調製のための例示的な荷電粒子環境を示す。 荷電粒子システムにおける低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用するＴＥＭ薄板調整のための例示的なコンピューティングアーキテクチャを示す概略図を示す。 荷電粒子システムにおける低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用するＴＥＭ薄板調製のためのプロセスを示す、一連の図を示す。 顕微鏡画像におけるサンプルの画像に対して、本発明による低ｋｅＶ画像内のサンプルを配置する、本明細書に開示されるシステムおよび方法の用途を示す、図である。
同様の参照番号は、図面のいくつかの図を通して対応する部分を指す。概して、図において、所与の例において含まれる可能性が高い要素は、実線で示されているのに対し、所与の例において任意選択的である要素は、破線で示されている。しかしながら、実線で示される要素は、本開示の全ての例に必須である訳ではなく、実線で示される要素は、本開示の範囲から逸脱しない限り、特定の例から省略され得る。
低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用してＴＥＭ薄板を作成するための方法およびシステムが、本明細書に開示される。より具体的には、本開示は、低ｋｅＶ ＦＩＢ照射でキャプチャされた画像の鮮明度を改善するように、機械学習アルゴリズムを利用して、改善された方法およびシステムを含む。これは、以前のＴＥＭ薄板調整プロセスよりも薄板の位置特定を容易にして、低ｋｅＶ研磨をより的確にすることを可能にする。以前のＴＥＭ薄板調製システムによって直面したこれらの位置特定および精度の課題を克服することによって、本発明による方法およびシステムはまた、以前は不可能であった、ＴＥＭ薄板調製プロセスの信頼できる自動化を可能にする。しかしながら、これは、本明細書に開示される本発明の特定の用途の例示に過ぎず、方法およびシステムは、他の用途のための低ｋｅＶ ＦＩＢ画像の解像度を改善するように使用され得る。
上記の開示された問題に対する１つの解決策は、ＴＥＭ薄板調整プロセス中に荷電粒子顕微鏡システム内のＴＥＭ薄板の画像をキャプチャするように、低ｋｅＶ ＦＩＢを使用すること、その後、より高い解像度を有する改良された低ｋｅＶ ＦＩＢ画像を作成するように、ニューラルネットワーク画像処理を適用することを含む。その後、ＴＥＭ薄板は、改善された低ｋｅＶ ＦＩＢ画像内に位置特定されることができ、これにより、低ｋｅＶ研磨ステップを、荷電粒子顕微鏡システム内でＴＥＭ薄板に適用することが可能になる。いくつかの実施形態において、改善された低ｋｅＶ ＦＩＢ画像は、ニューラルネットワークアルゴリズムがＴＥＭ薄板を見つけ、その後、低ｋｅＶ研磨パターンを自動的に配置および／または選択することを可能にする。
図１は、本発明による、荷電粒子システム１０２における低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用するＴＥＭ薄板調製のための例示的な荷電粒子環境１００の図である。具体的には、図１は、サンプル１０４の調整、評価、および／または分析のための例示的な荷電粒子システム（複数可）１０２を含むものとして、例示的な荷電粒子環境１００を示す。サンプル１０４は、天然に発生するサンプル（例えば、生物学的サンプル、材料サンプルなど）、または調整されたサンプル（ＴＥＭ薄板、集積回路など）であり得る。例示的な荷電粒子システム（複数可）１０２は、透過型電子顕微鏡システム１０６および集束イオンビームシステム１０８を含む、デュアルビームシステムであるとして示されている。しかしながら、他の実施形態において、システムは、１つ以上の異なるタイプの光学顕微鏡、および／または荷電粒子顕微鏡であり得るか、または含み得る。
透過型電子顕微鏡システム１０６は、放出軸１１４に沿って、かつ加速レンズ１１６に向かって電子ビーム１１２を放出する、電子源１１０を含む。放出軸１１２は、電子源１１０から透過型電子顕微鏡システム１０６の長さに沿って、かつサンプル１０４を通って走る中心軸である。加速レンズ１１６は、電子ビーム１１２を集束カラム１１８に向けて加速／減速、集束、および／または方向付ける。集束カラム１１８は、電子ビーム１１２を集束し、それがサンプル１０４の少なくとも一部分に入射するようにする。いくつかの実施形態において、集束カラム１１８は、開口、走査コイル、および上部対物レンズのうちの１つ以上を含み得る。例えば、集束カラム１１８は、電子源１１０からの電子をサンプル１０４上の小さなスポットに集束させるように構成される。サンプルの異なる位置は、走査コイルを介して電子ビームの方向を調整することによって走査され得る。さらに、集束カラム１１８は、電子ビーム１１２の収差（例えば、幾何学的収差、色収差）を補正および／または調整し得る。
サンプル１０４を通過する電子１２０は、プロジェクタ１２２に入ることができる。一実施形態において、プロジェクタ１２２は、集束カラム１１８とは別個の部品であってもよい。別の実施形態において、プロジェクタ１２２は、集束カラム１１８内のレンズからのレンズ視野の延長部であってもよい。プロジェクタ１２２は、サンプル１０４を通過した直接電子１２０が顕微鏡検出器システム１２２に衝突するように調整され得る。
図１において、顕微鏡検出器システム１２４は、円盤状の明視野検出器および暗視野検出器（複数可）を含むものとして示されている。いくつかの実施形態において、顕微鏡検出器システム１２４は、１つ以上の他の検出器を含み得る。代替的に、または追加的に、顕微鏡検出器システム１２４は、走査型電子顕微鏡検出器システム、集束イオンビーム検出器システム、走査型電子顕微鏡二次電子検出器システム、集束イオンビーム二次電子検出器システム、および光学顕微鏡検出器システムを含み得る。
図１は、イオン放出軸１３０に沿って、かつイオン集束カラム１３０に向かって荷電粒子ビーム１２８を放出するように構成される、荷電粒子源１２６を含むものとして集束イオンビームシステム１０８を示す。イオン放出軸１３０は、荷電粒子源１２６から集束イオンビームシステム１０８の長さに沿って、かつサンプル１０４を通って走る中心軸である。イオン集束カラム１３０は、荷電粒子ビーム１２８がサンプル１０４の領域に入射するように、集束するように構成される。いくつかの実施形態において、イオン集束カラム１３０は、開口、走査コイル、および上部対物レンズのうちの１つ以上を含み得る。例えば、イオン集束カラム１３０は、荷電粒子源１２６からのイオンをサンプル１０４上の小さなスポットに集束させるように構成される。集束イオンビームシステム１０８は、荷電粒子でサンプル１０４に照射および／または平削りするように構成される。サンプル１０４の異なる位置は、走査コイルを介して荷電粒子ビームの方向を調整することによって、照射および／または平削りされ得る。追加的に、照射および／または平削りされるサンプル１０４上のスポットのサイズは、イオン集束カラム１３０によって調整されることができる。集束イオンビームシステム１０８は、低ｋｅＶモード（例えば、集束イオンビームシステム１０８が、２００ｅＶ、５００ｅＶ、１ｋｅＶ、２ｋｅＶ、５ｋｅＶ、８ｋｅＶ、および／または１６ｋｅＶ以下の動作値で動作するように設定されている）、および高ｋｅＶモード（例えば、集束イオンビームシステム１０８が、１６ｋｅＶ、３０ｋｅＶ、および／または５０ｋｅＶ以上の第２の動作値で動作するように設定されている場合）を含む多数の電圧設定で動作することができる。
図１は、サンプルホルダー１３２、サンプル操作プローブ１３４、化学送達ユニット１３６、コンピューティングデバイス１３８、および１つ以上の撮像センサー（複数可）１４０をさらに含む、例示的な荷電粒子システム（複数可）１０２をさらに示す。サンプルホルダー１３２は、サンプル１０４を保持するように構成され、荷電粒子システム１０２に対してサンプル１０４を並進、回転、および／または傾斜させることができる。同様に、サンプル操作プローブ１３４は、サンプル１０４を保持、移送、および／または他の方法で操作するように構成される。撮像センサー（複数可）１４０は、荷電粒子ビーム１２８で照射されるサンプル１０４から生じる放出に基づいて、センサーデータを検出するように構成される。いくつかの実施形態において、サンプルを照射することは、サンプルを横切って移動するように、荷電粒子ビームイメージングをスキャンすることを含む。サンプル１０４（例えば、アトムプローブ、ＴＥＭトモグラフィーサンプル調整、薄板、チャンク（ｃｈｕｎｋ）、ドッグボーン（ｄｏｇｂｏｎｅ）、電話帳（ｐｈｏｎｅｂｏｏｋ）、ＴＥＭ薄板、１つ以上の窓を備えたＴＥＭ薄板など）への損傷を防ぐために、集束イオンビームシステム１０８は、撮像のためにサンプル１０４を照射するときに、低ｋｅＶモードで動作する。その後、コンピューティングデバイス１３８は、撮像センサー（複数可）１４０からのセンサーデータに基づいて、サンプル１０４の画像を生成するように構成される。いくつかの実施形態において、画像は、サンプルの形状および／または材料を示すコントラストを示す、グレースケール画像である。残念ながら、集束イオンビームシステム１０８は、撮像のためにサンプル１０４を照射するときに低ｋｅＶモードで動作するため、コンピューティングデバイス１３８によって生成された画像は、詳細および／または解像度が低い。
本発明によれば、荷電粒子システム１０２は、薄板調製プロセスを介してＴＥＭ薄板を生成および分析するように構成され得る。すなわち、荷電粒子システム１０２は、より大きなソース材料からＴＥＭ薄板を製造するように構成され得る。例えば、集束イオンビームシステム１０８は、ＴＥＭ薄板を取り囲む、ソース材料の部分を平削り取ることができる（すなわち、ＴＥＭ薄板が残るように、ソース材料の部分を除去する）。その後、サンプル操作プローブ１３４は、化学送達ユニット１３６を使用してＴＥＭ薄板に取り付けられ得、集束イオンビームシステム１０８は、ＴＥＭ薄板がもはやソース材料で接続されないように、ソース材料の部分をさらに平削りおよび／または切り取り得る。その後、サンプル操作プローブ１３４は、荷電粒子システム１０２内のＴＥＭ薄板を並進および／または再配向し得る。その後、ＴＥＭ薄板は、研磨および分析のためにサンプルホルダー１３２に取り付けられ得る。代替的に、ＴＥＭ薄板は、サンプル操作プローブ１３４に取り付けられている間に、研磨および／または分析され得る。集束イオンビームシステムは、平削り時に高ｋｅＶモードで動作するため、高エネルギーの荷電粒子ビームは、ソース材料の部分の平削り中に、ＴＥＭ薄板の表面に損傷を与え得る。代替的に、平削りは、ソース材料の部分が平削りされていることに起因して、ＴＥＭ薄板の表面に堆積物を引き起こし得る。
ＴＥＭ薄板を研磨することは、集束イオンビームシステム１０８が、低ｋｅＶモードで動作して、ＴＥＭ薄板から少量の材料を除去するだけの、低電力荷電粒子ビームでＴＥＭ薄板を照射することを含む。このようにして、ＴＥＭ薄板の製造（すなわち、平削り）中に作成される、表面上の損傷した部分および／または堆積物は、除去される。研磨されると、ＴＥＭ薄板は、透過型電子顕微鏡システム１０６で分析され得る。
ＴＥＭ薄板を研磨するプロセスは、ＴＥＭ薄板の位置を特定し、その後、低ｋｅＶモード荷電粒子ビームが対象とされる、領域を識別することを伴う。いくつかの実施形態において、これは、撮像センサー（複数可）１４０からのセンサーデータに基づいて構成されるコンピューティングデバイス１３８によって生成された１つ以上の画像におけるＴＥＭ薄板の位置を識別すること、その後、集束イオンビームシステムが低ｋｅＶモードで動作している間に、動作する１０８ことによって照射される、領域に対応する、画像の領域を選択することを含む。
ＴＥＭ薄板は、ユーザーによって手動でそのような画像内に配置され得るか、またはコンピューティングデバイス１２８、またはそれらの組み合わせによって自動的に検出され得る。例えば、コンピューティングデバイス１２８は、画像内のＴＥＭ薄板の位置を推定し得、その後、推定された位置を識別し、ユーザーに検証を促すグラフィカルユーザーインターフェースをユーザーに提示し得る。画像内のＴＥＭ薄板の位置を決定することは、画像内のＴＥＭ薄板の位置および／または方向を決定することを含み得る。
しかしながら、上で考察されたように、集束イオンビームシステム１０８は、撮像のためにＴＥＭ薄板を照射するときに、低ｋｅＶモードで動作するので、コンピューティングデバイス１３８によって生成された画像は、詳細および／または解像度が低い。これは、生成された画像におけるＴＥＭ薄板の正確な位置を決定することが非常に難しいことを意味する。本明細書に提示されるシステムおよび方法は、画像の復元バージョンを生成するように、１つ以上の画像復元モデルを画像に適用することによって、この困難を克服する。画像復元モデルは、復元画像が詳細および／または解像度を向上されるように、低ｋｅＶモードで動作する集束イオンビームシステム１０８を使用して生成された画像を復元するようにトレーニングされた、機械学習モデル（例えば、人工ニューラルネットワーク、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、教師ありモデル、教師なしモデルなど）に対応する。いくつかの実施形態において、コンピューティングデバイス１３８は、画像の特徴、顕微鏡システム１０２の設定、またはその両方に基づいて、特定の画像に適用するように、最良アルゴリズムおよび／またはアルゴリズムのコレクションを決定するように構成される。画像復元モデルがそのような復元画像を生成すると、コンピューティングデバイス１３８は、画像内の特徴（例えば、影、エッジ、基準、境界、構造、背景特徴、サンプル１０４の特徴など）、復元画像におけるＴＥＭ薄板、またはその両方の位置を識別することができる。例えば、コンピューティングデバイス１３８は、第１に、復元画像内の特徴を識別して、その後、識別された特徴に基づいて、復元画像におけるＴＥＭ薄板の位置を決定し得る。
ＴＥＭ薄板の位置が決定されると、集束イオンビームシステムが動作する１０８ことによって研磨する対象とされる、領域を描写する、復元画像の領域が、決定される。これは、復元画像のそのような領域を低エネルギー平削りマッピングと関連付けることを含み得る。低エネルギー平削りマッピングは、集束イオンビームシステム１０８によって研磨する対象とされる、画像の領域を記載する。いくつかの実施形態において、低エネルギーマッピングは、領域内に含まれる画像のピクセル、領域の境界などを識別する座標に対応する。代替的に、または追加的に、エネルギーマッピングは、ユーザー、コンピュータアルゴリズム、またはそれらの組み合わせによって復元画像上に低オーバーレイされたグラフィックであり得る。例えば、機械学習アルゴリズムは、画像において識別された１つ以上の特徴に基づいて、復元画像の上に低エネルギーマッピンググラフィックをオーバーレイし得る。代替的に、コンピューティングシステム１３８は、ユーザーが復元画像上に低エネルギーマッピンググラフィックを配置すること、または機械学習アルゴリズムによって自動的にオーバーレイされる低エネルギーマッピンググラフィックの配置を承認することを可能にする、グラフィカルユーザーインターフェースを提示し得る。
当業者であれば、図１に図示するコンピューティングデバイス１３８は、単なる例示であり、本開示の範囲を限定することを意図するものではないことを理解するであろう。コンピューティングシステムおよびデバイスは、コンピュータ、ネットワークデバイス、インターネット家電製品、ＰＤＡ、無線電話、コントローラ、オシロスコープ、増幅器等を含む、指定された機能を実行することができるハードウェアまたはソフトウェアの任意の組み合わせを含んでもよい。コンピューティングデバイス１２８はまた、図示されていない他のデバイスに接続されてもよく、または代わりに、スタンドアロンシステムとして動作してもよい。さらに、図示のコンポーネントにより実現される機能は、いくつかの実施態様では、より少ないコンポーネントに組み合わせることができる、または追加のコンポーネントに分散させることができる。同様に、いくつかの実施態様では、図示のコンポーネントのうちいくつかのコンポーネントの機能は実現されなくてもよい、および／または他の追加機能が利用可能であり得る。
コンピューティングデバイス（複数可）１３８は、例示的な荷電粒子システム（複数可）１０２のコンポーネントであり得、ネットワーク通信インターフェースを介して例示的な荷電粒子システム（複数可）１０２と通信する、例示的な荷電粒子システム（複数可）１０２とは別個のデバイスであり得るか、またはそれらの組み合わせであり得ることに留意されたい。例えば、例示的な荷電粒子システム（複数可）１０２は、例示的な荷電粒子システム（複数可）１０２のコンポーネント部分である、第１のコンピューティングデバイス１３８を含み得、これは、例示的な荷電粒子システム（複数可）１０２の動作を駆動する、コントローラとして機能する（例えば、走査コイルを動作させることによって、サンプル１０４上の走査場所を調整する、など）。このような実施形態において、例示的な荷電粒子システム（複数可）１０２はまた、例示的な荷電粒子システム（複数可）１０２とは別のデスクトップコンピュータである第２のコンピューティングデバイス１３８を含み得、それは、撮像センサー（複数可）１４０および顕微鏡検出システム１２４の一方または両方から受信したデータを処理して、サンプル１０４の画像を生成する、および／または他のタイプの分析を実施するように実行可能である。コンピューティングデバイス１３８は、キーボード、マウス、タッチパッド、タッチスクリーンなどを介して、ユーザー選択を受信するように構成され得る。
図２は、荷電粒子システムにおける低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用するＴＥＭ薄板調製のための例示的なコンピューティングアーキテクチャ２００を示す概略図を示す。例示的なコンピューティングアーキテクチャ２００は、本開示で説明される技術を実装するために使用され得るハードウェアおよびソフトウェアコンポーネントの追加の詳細を示している。当業者は、コンピューティングアーキテクチャ２００が単一のコンピューティングデバイスに実現され得るか、または多数のコンピューティングデバイスにわたって実現され得ることを理解するであろう。例えば、コンピューティングアーキテクチャ２００に示される個々のモジュールおよび／またはデータ構成は、異なるコンピューティングデバイスによって実行され、および／または格納され得る。このようにして、本開示による本発明の方法の異なるプロセスステップは、別個のコンピューティングデバイスによって実行および／または実施され得る。
例示的なコンピューティングアーキテクチャ２００では、コンピューティングデバイスは、１つ以上のプロセッサ２０２と、１つ以上のプロセッサ２０２に通信可能に結合されたメモリ２０４とを含む。例示的なコンピューティングアーキテクチャ２００は、メモリ２０４に格納された撮像モジュール２０６、画像復元モジュール２０８、画像認識モジュール２１０、制御モジュール２１２、および任意選択のトレーニングモジュール２１４を含むことができる。例示的なコンピューティングアーキテクチャ２００は、メモリ２０４に格納されたトレーニングセット２１６を任意選択で含むものとしてさらに示される。トレーニングセット２１６は、低ｋｅＶモードで動作するイオンビーム源での照射を介して生成された画像を復元するように、画像復元モジュール２０８および／またはそのコンポーネント機械学習アルゴリズムをトレーニングするように使用されるデータ構（例えば、画像、ファイル、表など）またはデータ構造の集合である。
例えば、トレーニングセット２１６は、低ｋｅＶモードで動作するイオンビーム源での照射を介して生成され、画像の特徴（例えば、影、エッジ、基準、境界、構造、背景特徴、サンプル特徴など））がラベル付けされているサンプル（例えば、ＴＥＭ薄板）の画像を含み得る。追加的に、または代替的例において、トレーニングセット２１６は、低ｋｅＶモードで動作するイオンビーム源での照射を介して生成された、サンプルの画像、および高ｋｅＶモードで動作するイオンビーム源での照射を介して生成された、同じサンプルの画像を含み得る。
本明細書で使用される場合、「モジュール」という用語は、考察の目的で実行可能な命令の例示的な区分を表すように意図されており、あらゆるタイプの要件または必要な方法、方式または編成を表すようには意図されていない。したがって、様々な「モジュール」が説明されているが、それらの機能および／または同様の機能は、異なって配置されることができる（例えば、より少数のモジュールに結合、より多数のモジュールに分割等）。
さらに、特定の機能およびモジュールは、本明細書ではプロセッサ上で実行可能なソフトウェアおよび／またはファームウェアによって実装されるものとして説明されているが、他の例では、任意または全てのモジュールは、説明された機能を実行するようにハードウェア（例えば、特殊な処理ユニット等）によって全体または部分的に実装されることができる。様々な実施態様において上で考察されたように、例示的なコンピューティングアーキテクチャ２００に関連して本明細書で記載されるモジュールは、多数のコンピューティングデバイスにわたって実行され得る。
撮像モジュール２０６は、荷電粒子顕微鏡システム（例えば、荷電粒子システム１０２）の撮像センサーからセンサーデータを受信して、荷電粒子顕微鏡システム内のサンプルの画像を生成するように、プロセッサ２０２によって実行可能であり得る。いくつかの実施形態において、画像は、サンプル（例えば、ＴＥＭ薄板）の形状および／または材料を示すコントラストを示す、グレースケール画像である。センサーデータは、荷電粒子ビームでのサンプルの照射から生じる、検出イベントに基づいて、撮像センサーによって生成される。例えば、センサーデータは、荷電粒子カラム（例えば、集束イオンビームシステム１０８）からのイオンビームで照射されているサンプルからの放出の検出に基づいて、生成され得る。照射中のサンプルへの損傷を防ぐために、荷電粒子カラムは、サンプルを照射するときに、低ｋｅＶモードで動作するように設定され、これにより、サンプルに入射する荷電粒子ビームの強度が低減する。ビーム強度のこの低減は、サンプルへの損傷を低減するが、撮像センサーによって生成される検出イベントの数および／またはセンサーデータの品質も低減する。これは、撮像モジュールによって生成される画像が、概して低品質画像であることを意味する（例えば、低ディテール、ぼやけ、低解像度など）。これは、生成された画像におけるサンプルの正確な位置を決定することが、非常に難しいことを意味する。
画像復元モジュール２０８は、撮像モジュール２０６によって生成された画像の復元バージョンを生成するように、プロセッサ２０２によって実行可能であることができる。復元画像は、サンプル、背景、および／またはその特徴が人間または自動化されたシステムによって識別／位置決めすることができるように、詳細および／または解像度が改善されている、撮像モジュール２０６によって生成された画像のバージョンである。画像復元モジュール２０８は、画像の復元バージョンを生成するように構成される、１つ以上の画像復元モデルを備える。個々のそのような画像復元モデルは、荷電粒子カラムによって照射を介して生成された、サンプル（例えば、ＴＥＭ薄板）の画像を復元するようにトレーニングされた、機械学習モデル（例えば、人工ニューラルネットワーク、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、教師ありモデル、教師なしモデルなど）に対応し、低ｋｅＶモードで動作するように設定される。いくつかの実施形態において、画像復元モジュール２０８は、画像の特徴、関連する荷電粒子顕微鏡システムの設定／特徴、または両方に基づいて、特定の画像に適用するように最良の画像復元モデルおよび／または画像復元モデルのコレクションを決定するように、実行可能である。
画像復元モデル２０８がそのような復元画像を生成すると、画像認識モジュール２１０は、画像内の特徴（例えば、影、エッジ、基準、境界、構造、背景特徴、サンプル特徴など）、復元画像内のサンプルの位置および／または方向、あるいはその両方を識別するように、プロセッサ２０２によって実行可能である。例えば、画像復元モデル２０８は、第１に、復元画像内の特徴を識別し得、その後、識別された特徴に基づいて、復元画像におけるサンプルの位置を決定し得る。
サンプルの位置および／または方向が復元画像において決定されると、画像認識モジュール２１０は、低ｋｅＶモードで動作する荷電粒子カラムを使用して、研磨の対象とされる、領域を描写する、復元画像の領域を識別するように、さらに実行可能であり得る。これは、復元画像のそのような領域を、荷電粒子カラムによって研磨の対象とされる、画像の領域を記述する、低エネルギー平削りルマッピングと関連付けることを含み得る。低エネルギーマッピングは、領域内に含まれる画像のピクセル、領域の境界、などを識別する座標に対応し得る。代替的に、または追加的に、低エネルギーマッピングは、ユーザー、コンピュータアルゴリズム、またはそれらの組み合わせによる復元画像上にオーバーレイされる、グラフィックであり得る。例えば、機械学習アルゴリズムまたは他のタイプのアルゴリズムは、画像において識別された１つ以上の特徴に基づいて、復元画像の上に低エネルギーマッピンググラフィックをオーバーレイし得る。代替的に、画像認識モジュール２１０は、ユーザーが復元画像上に低エネルギーマッピンググラフィックを配置すること、または機械学習アルゴリズムによって自動的にオーバーレイされる低エネルギーマッピンググラフィックの配置を承認することを可能にする、グラフィカルユーザーインターフェースを提示し得る。ユーザーが復元画像上に低エネルギーマッピンググラフィックを配置することを可能にする実施形態において、グラフィカルユーザーインターフェースは、ユーザーが低エネルギーマッピンググラフィックを正しく配置するのを支援するように、１つ以上のオーバーレイグラフィックを提示し得る。例えば、オーバーレイグラフィックスは、復元画像内のサンプルの軸、サンプルのエッジ、サンプルの境界、サンプルの特徴などを含み得る。画像認識モジュール２１０は、復元画像の決定された特徴に基づいて、オーバーレイグラフィックスを自動的に配置するように実行可能であり得る。
制御モジュール２１２は、コンピューティングデバイスおよび／または関連する荷電粒子顕微鏡システム（例えば、荷電粒子システム１０２）に、１つ以上のアクションを実行させるように、プロセッサ２０２によって実行可能であり得る。例えば、制御モジュール２１２は、関連する荷電粒子顕微鏡システムに、サンプルを再配置／配向させ、電子顕微鏡カラムでサンプルを走査し、集束イオンビームカラムでサンプルを照射し、集束イオンビームカラムまたは電子顕微鏡カラムの設定を調整し（例えば、対応するビームの電圧を調整する）、集束イオンビームカラムまたは電子顕微鏡カラムの光学設定を調整するなどを、させ得る。
制御モジュール２１２は、復元画像、低エネルギーマッピング、またはそれらの組み合わせに基づいて、低ｋｅＶモードで動作する荷電粒子カラムを使用して、サンプル（例えば、ＴＥＭ薄板）を研磨させるようにさらに実行可能である。例えば、制御モジュール２１２は、低エネルギーマッピンググラフィックによってオーバーレイされた復元画像の部分に対応するサンプルの領域を照射するように、荷電粒子カラムを低ｋｅＶモードで動作させ得る。
コンピューティングアーキテクチャ２００は、任意選択で、画像復元モデル２０８、画像認識モジュール２１０、および／またはそれらのコンポーネント機械学習アルゴリズム（複数可）をトレーニングするために実行可能な、トレーニングモジュール２１４を含み得る。トレーニングモジュール２１４は、類似および／または同一のサンプルの１つ以上のラベル付き画像のトレーニングセットに基づいて、画像復元モデル２０８、画像認識モジュール２１０、および／またはそれらのコンポーネント機械学習アルゴリズム（複数可）のトレーニングを容易にする。ラベル付けされた画像のラベルは、サンプルの特定のキーポイントに対応する、画像の領域および／またはポイント、特定のクラスのピクセルのグループ化に対応する画像の選択（すなわち、セグメンテーション情報）を含み得る。画像のトレーニングセットは、熟練の人間のオペレータによって、計算アルゴリズムによって、またはそれらの組み合わせによってラベル付けされ得る。
いくつかの実施形態において、トレーニングモジュール２１４は、単一のラベル付けされた画像、モデル、および／またはサンプルのＣＡＤ図面などから１つ以上のラベル付けされた画像のトレーニングセットを生成するように構成され得る。例えば、トレーニングモジュール２１４は、複数のラベル付けされた変態（ｍｏｒｐｈ）画像を形成するように、ラベル付けされた画像、モデル、および／またはＣＡＤ図面に１つ以上の変態操作を実施し得る。トレーニングモジュール２１４は、新しいトレーニングデータで追加のトレーニングを実施し、その後、更新を送信して、画像復元モデル２０８、画像認識モジュール２１０、および／またはそのコンポーネント機械学習アルゴリズム（複数可）のパフォーマンスを向上させるように構成され得る。
上で考察されたように、コンピューティングアーキテクチャ２００は、１つ以上のプロセッサにアクセス可能なメモリ（複数可）２０４中に格納された命令、アプリケーション、またはプログラムを実行するように構成された１つ以上のプロセッサ２０２を含む。いくつかの例では、１つ以上のプロセッサ２０２は、これらに限定されるものではないが、ハードウェア中央処理装置（ＣＰＵ）、グラフィックス処理装置（ＧＰＵ）などを含むハードウェアプロセッサを含むことができる。多くの場合、本技術は、１つ以上のプロセッサ２０２によって実行されるものとして本明細書では説明されているが、場合によっては、本技術は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、複合プログラマブル論理デバイス（ＣＰＬＤ）、特定用途向け集積回路（ＡＳＩＣ）、システムオンチップ（ＳｏＣ）、またはそれらの組み合わせなどの１つ以上のハードウェア論理コンポーネントによって実装されてもよい。
１つ以上のプロセッサ２０２にアクセス可能なメモリ２０４は、コンピュータ可読媒体の例である。コンピュータ可読媒体は、２つのタイプのコンピュータ可読媒体、すなわちコンピュータ記憶媒体および通信媒体を含むことができる。コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータのような、情報を格納する任意の方法または技術で実現される揮発性媒体および不揮発性媒体、着脱可能媒体、および着脱不能媒体を含み得る。コンピュータ記憶媒体は、これらに限定されないが、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、消去可能なプログラマブルリードオンリーメモリ（ＥＥＰＲＯＭ）、フラッシュメモリもしくは他のメモリ技術、コンパクトディスクリードオンリーメモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、もしくは他の光記憶、磁気カセット、磁気テープ、磁気ディスク記憶装置もしくは他の磁気記憶デバイス、または所望の情報を格納するように使用され得、かつコンピューティングデバイスによってアクセスされ得る、任意の他の非伝送媒体を含む。一般に、コンピュータ記憶媒体は、１つ以上の処理ユニットによって実行されるときに、本明細書に記載される様々な機能および／または操作を実施するようにする、コンピュータ実行可能命令を含み得る。対照的に、通信媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、もしくは搬送波のような変調データ信号における他のデータ、または他の伝送機構を具体化する。本明細書において定義されるように、コンピュータ記憶媒体は通信媒体を含まない。
当業者であれば、項目またはその部分が、メモリ管理およびデータ完全性の目的のために、メモリ２０４と他の記憶デバイスとの間で転送され得ることを理解することもできるであろう。代替的に、他の実施態様において、ソフトウェアコンポーネントのいくつかは、または全ては、別のデバイスのメモリで実行し得、コンピューティングデバイスと通信し得る。システムコンポーネントまたはデータ構造のいくつかは、または全ては、非一時的なコンピュータアクセス可能媒体に格納する、または適切なドライブにより読み取られるポータブル製品に格納することもでき（例えば、命令または構造化データとして）、適切なドライブの様々な例は、上に説明されている。いくつかの実施態様において、コンピューティングデバイスとは別個のコンピュータアクセス可能媒体に格納されている命令は、伝送媒体または無線リンク等の通信媒体を介して伝達される電気、電磁、またはデジタル信号等の信号を介して、コンピューティングデバイスに伝送され得る。様々な実施態様は、コンピュータアクセス可能媒体に関するこれまでの記述に従って実現される命令および／またはデータを受信する、送信する、または格納することをさらに含むことができる。
図３は、ハードウェア、ソフトウェア、またはそれらの組み合わせで実現することができる一連の操作を表す論理フローグラフのブロックの集まりとして示された例示的なプロセスのフロー図である。ソフトウェアの状況では、ブロックは、１つ以上のコンピュータ可読記憶媒体に格納されているコンピュータ実行可能命令を表し、コンピュータ実行可能命令が１つ以上のプロセッサにより実行されると、列挙される操作を実行するようになる。一般に、コンピュータ実行可能命令は、特定の機能を実施する、または特定の抽象データタイプを実現するルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。操作が記述される順序は、限定として解釈されるべきではなく、任意の数の記述ブロックは、任意の順序で組み合わせる、および／または同時に行われるように組み合わせてプロセスを実現することができる。
具体的には、図３は、荷電粒子システムにおける低ｋｅＶ ＦＩＢ画像のための画像復元アルゴリズムを使用するＴＥＭ薄板調製のための例示的なプロセス３００の流れ図である。プロセス３００は、環境１００において、および／または１つ以上のコンピューティングデバイス（複数可）１３８によって、および／またはコンピューティングアーキテクチャ２００によって、および／または他の環境において、およびコンピューティングデバイスによって実現され得る。
３０２で、１つ以上の機械学習モデルは、サンプルの低ｋｅＶ画像を復元し、および／または復元画像内でサンプルを位置特定するように、トレーニングされる。具体的には、機械学習モデル（ＣＮＮ、ＧＡＮ、ニューラルネットワークなど）は、類似および／または同一のサンプルの１つ以上のラベル付き画像のトレーニングセットを使用してトレーニングされる。ラベル付けされた画像のラベルは、サンプルの特定のキーポイントに対応する、画像の領域および／またはポイント、特定のクラスのピクセルのグループ化に対応する、画像のセクション（すなわち、セグメンテーション情報）を含み得るが、これらに限定されない。画像のトレーニングセットは、熟練の人間のオペレータによって、計算アルゴリズムによって、またはそれらの組み合わせによってラベル付けされ得る。例えば、トレーニングセットは、単一のラベル付き画像、モデル、および／またはサンプルのＣＡＤ図面から、ソースラベル付き画像／モデル／ＣＡＤ図面を変態および／または変形して複数のラベル付き画像を形成するコンピューティングアルゴリズムによって自動的に生成され得る。いくつかの実施形態において、機械学習モデル（複数可）は、パフォーマンスを改善するために定期的に再トレーニングされ得る。
３０４で、トレーニング済みの機械学習モデル（複数可）は、任意選択で展開される。例えば、中央コンピューティングデバイスによってトレーニングされ得、対応する荷電粒子顕微鏡システムに個別に関連付けられ、本明細書に開示されるシステムおよび方法を実行する、１つ以上の消費者コンピューティングデバイスに配布され得る。追加的に、１つ以上の機械学習モデル（複数可）が定期的に再トレーニングされる場合、更新は、以前に展開された、機械学習モデルのパフォーマンスを改善するように、本明細書に開示されるシステムおよび方法を実行する消費者コンピューティングデバイスに送信され得る。
３０６で、荷電粒子顕微鏡システムの集束イオンビームカラムは、低ｋｅＶ条件に設定される（例えば、ＨＶ＝２ｋｅＶ、Ｉ＝１００ｐＡ）。荷電粒子顕微鏡システムが低ｋｅＶ条件に設定されているときに、荷電粒子顕微鏡システム内のイオンビームシステムは、２００ｅＶ、５００ｅＶ、１ｋｅＶ、２ｋｅＶ、５ｋｅＶ、８ｋｅＶ、および／または１６ｋｅＶ以下の動作値で動作するように設定される。上で考察されたように、荷電粒子カラムは、照射中のサンプルへの損傷を防ぐように、低ｋｅＶ条件で動作するように設定される。すなわち、荷電粒子ビームの入射エネルギー（ｌａｎｄｉｎｇ ｅｎｅｒｇｙ）を低減することによって、照射するときに、荷電粒子ビームを撮像するためのサンプルは、サンプルに構造的損傷を与えることなく、画像センサーによって検出されることができる放出を、サンプルに放出することを引き起こす。しかしながら、荷電粒子ビームのエネルギーが低いため、高エネルギーの荷電粒子ビームで照射したときと比較して、照射によって引き起こされる、放出イベントが少なくなる。
３０８で、荷電粒子顕微鏡システムにおけるサンプルの低ｋｅＶ画像は、荷電粒子顕微鏡システムによって生成される。具体的には、荷電粒子顕微鏡システムの撮像システムは、荷電粒子顕微鏡システム内のサンプルの画像を生成する。様々な実施形態において、サンプルは、ＴＥＭ薄板であることに対応することができるが、これに限定されない。低ｋｅＶ画像は、低ｋｅＶ条件で動作する、集束イオンビームカラムによって照射されるサンプルによって引き起こされる検出された放出イベントから生成されるため、撮像センサーによって生成されるセンサーデータの量および／または質に留意されたい。これは、サンプルの低ｋｅＶ画像が、概して低品質画像（例えば、低ディテール、ぼやけ、低解像度など）である結果になる。例えば、低ｋｅＶにおいて、画像の解像度は、その中のサンプルの正確な位置を決定することが非常に困難であるようなものであり得る。
３１０で、画像復元アルゴリズムは、荷電粒子顕微鏡システムによってサンプルの低ｋｅＶ画像に適用される。具体的には、荷電粒子顕微鏡システムは、サンプル、背景、および／またはその特徴を識別／位置決めできるように、人間または自動化されたシステムによって、詳細および／または解像度が改善された低ｋｅＶ画像の復元バージョンを生成する画像復元アルゴリズムを適用する。画像復元アルゴリズムは、ステップ３０２でトレーニングされたものなど、サンプルの低ｋｅＶ画像を復元するようにトレーニングされた１つ以上の機械学習モデルを含み得る。
３１２で、サンプルは、復元画像において位置特定される。いくつかの実施形態において、サンプルは、荷電粒子顕微鏡システムのユーザーによって位置特定され得る。代替的に、画像復元アルゴリズムは、サンプルを自動的に位置付けし得、および／または復元画像の特徴に基づいて、サンプルを位置付けすることにおいてユーザーを支援し得る。例えば、画像復元アルゴリズムは、復元画像内の特徴（例えば、影、エッジ、基準、境界、構造、背景特徴、サンプル特徴など）を識別し、その後、復元画像におけるサンプルの位置および／または方向を決定するように、さらに実行可能であり得る。ステップ３１２は、方法３００において、３１０とは別のものとして示されているが、いくつかの実施形態において、サンプルは、ステップ３１０において適用される画像復元アルゴリズムと並行して、および／またはそれによって位置特定され得る。
３１４で、平削りパターンは、任意選択で、復元画像内に配置される。例えば、平削りパターンは、ユーザー、コンピュータアルゴリズム、またはそれらの組み合わせによって復元画像にオーバーレイされるグラフィックに対応し得、平削りパターングラフィックがオーバーレイする画像の一部分は、荷電粒子カラムによって研磨の対象とされる画像の領域に対応する。いくつかの実施形態において、平削りパターンは、荷電粒子顕微鏡システムによって、またはそのユーザーによって自動的に配置され得る。例えば、荷電粒子顕微鏡システムは、復元画像の１つ以上の特徴に基づいて、平削りパターンを自動的に配置し得る。代替の実施形態において、荷電粒子顕微鏡システムは、ユーザーが復元画像上に平削りパターングラフィックを配置すること、または機械学習アルゴリズムによって自動的にオーバーレイされる、低エネルギーマッピンググラフィックの配置を承認することを可能にする、グラフィカルユーザーインターフェースを提示し得る。さらに、ユーザーが復元画像上に低エネルギーマッピンググラフィックを配置することを可能にする場合、グラフィカルユーザーインターフェースは、ユーザーが低エネルギーマッピンググラフィックを正しく配置するのを支援するように、１つ以上のオーバーレイグラフィックを提示し得る。
３１６で、平削り操作は、荷電粒子顕微鏡システムによってサンプル上で実施される。これは、サンプルの研磨を含み得るが、これに限定されない。例えば、サンプルの研磨は、サンプルから少量の材料のみを除去する荷電粒子ビームとなるように、低ｋｅＶモードで動作する集束イオンビームシステムでサンプルを照射する荷電粒子顕微鏡システムを含み得る。このようにして、サンプルの製造（すなわち、平削り）中に作成されたサンプルの表面上の損傷した部分および／または堆積物は、除去されることができる。研磨されると、サンプルは、荷電粒子顕微鏡システムによって分析され得る。
図４は、顕微鏡画像におけるサンプルの画像に対して、本発明による低ｋｅＶ画像内のサンプルを配置する、本明細書に開示されるシステムおよび方法の用途４００を示す。図４は、低ｋｅＶモード（例えば、ＨＶ＝２ｋｅＶ、Ｉ＝１００ｐＡ）で動作する集束イオンビームでサンプルを照射することによって生成された、荷電粒子顕微鏡システム内のサンプル１０２の低ｋｅＶ画像４０２を含む。図４において見られ得るように、低ｋｅＶ画像４０２は、非常に低品質であり、したがって、サンプル１０２の正確な境界、またはサンプル１０２が終了し、サンプルホルダー１３２が開始する場所を決定することは困難である。
図４はまた、本発明による荷電粒子顕微鏡システムによって生成された、低ｋｅＶ画像４０４の復元バージョンを示す。見られることができるように、１つ以上の画像復元アルゴリズム（例えば、ＣＮＮ、ＧＡＮ、ニューラルネットワークなど）の適用は、サンプル１０２の境界およびサンプルホルダー１３２がはっきりと見えるように、画像の解像度が拡大された。追加的に、低ｋｅＶ画像４０４の復元バージョンにおいて、低ｋｅＶ画像４０２で完全には検出できない基準４０６が見える。図４は、低ｋｅＶ画像４０４の復元バージョン上にオーバーレイされた、低エネルギーマッピンググラフィック４０８をさらに含む。
本開示による本発明の主題の例は、以下に列挙される段落で説明される。
Ａ１．
低ｋｅＶ設定でイオンビームをサンプルに照射することと、
イオンビームによる照射から生じる放出に基づいて、サンプルの低ｋｅＶイオンビーム画像を生成することと、
復元画像を生成するように、サンプルの低ｋｅＶイオンビーム画像に画像復元モデルを適用することと、
復元画像内でサンプルを位置特定することと、
復元画像内の位置特定サンプルに基づいて、イオンビームでサンプルの低ｋｅＶ平削りを実施することと、を含む、方法。
Ａ１．１．画像復元モデルを適用することが、畳み込みニューラルネットワーク（ＣＮＮ）を適用することを含む、段落Ａ１に記載の方法。
Ａ１．１．１．機械学習モデルが、畳み込みニューラルネットワーク（ＣＮＮ）、敵対的生成ネットワーク（ＧＡＮ）、および／またはニューラルネットワークの１つである段落Ａ１．１に記載の方法。
Ａ１．１．２．機械学習モデルが、サンプルの特徴および復元画像の背景の特徴を認識するようにトレーニングされ、サンプルが、サンプルの特徴および復元画像の背景の特徴の両方に基づいて位置特定される、段落Ａ１．１〜Ａ１．１．１のいずれかに記載の方法。
Ａ１．２．１つ以上の顕微鏡設定に基づいて、一連のアルゴリズムの最良アルゴリズムを決定することをさらに含み、画像復元モデルを適用することが、復元画像を生成するように、サンプルの低ｋｅＶイオンビーム画像に最良アルゴリズムを適用することを含む、段落Ａ１〜Ａ１．１．２のいずれかに記載の方法。
Ａ１．２．１．最良アルゴリズムが、機械学習モデルである、段落Ａ１．２に記載の方法。
Ａ１．２．２．一連のアルゴリズムの各アルゴリズムが、機械学習モデルである、段落Ａ１．２〜Ａ１．２．１のいずれかに記載の方法。
Ａ１．３．１つ以上の顕微鏡設定に基づいて、一連のアルゴリズムからアルゴリズムの組み合わせを決定することをさらに含み、画像復元モデルを適用することが、復元画像を生成するように、サンプルの低ｋｅＶイオンビーム画像にアルゴリズムの組み合わせを適用することを含む、段落Ａ１〜Ａ１．２．２のいずれかに記載の方法。
Ａ２．荷電粒子顕微鏡でサンプルを検査および／または分析することをさらに含む、段落Ａ１〜Ａ１．３のいずれかに記載の方法。
Ａ３．サンプルが、薄板である、段落Ａ１〜Ａ２のいずれかに記載の方法。
Ａ３．１．薄板が基準を含み、サンプルが、基準に少なくとも部分的に基づいて、復元画像内に配置されている、段落Ａ３に記載の方法。
Ａ４．イオンビームを使用してサンプル材料からサンプルを生成することをさらに含み、サンプルを生成することが、
イオンビームでサンプルを成形するように、サンプル材料の領域上に１回以上の平削りステップを実施することと、
サンプルをサンプル操作プローブに取り付けることと、
イオンビームでサンプル材料からサンプルを分離することと、を含む、段落Ａ１〜Ａ３．１のいずれかに記載の方法。
Ａ４．１．１つ以上の平削りステップが、高ｋｅＶ設定で動作するイオンビームで処理される、段落Ａ４に記載の方法。
Ａ４．１．１．高ｋｅＶ設定が、１６ｋｅＶ、３０ｋｅＶ、および／または５０ｋｅＶ以上で第２の動作値で動作するように設定されているイオンビームを含む、段落Ａ４．１に記載の方法。
Ａ４．２．サンプルをサンプルホルダーに取り付けることをさらに含み、サンプルを照射することは、サンプルがサンプルホルダーに取り付けられたときに、低ｋｅＶ設定でイオンビームでサンプルを照射することに対応する、段落Ａ４〜Ａ４．１のいずれかに記載の方法。
Ａ４．３．サンプルが低ｋｅＶ設定でイオンビームで照射されるときに、サンプルの表面が、サンプルの作成中にイオンビームによって引き起こされた損傷を含み、イオンビームでのサンプルの低ｋｅＶ平削りが、サンプルの表面から損傷を取り除く、段落Ａ４〜Ａ４．２のいずれかに記載の方法。
Ａ５．イオンビームの低ｋｅＶ設定を設定することをさらに含む、段落Ａ１〜Ａ４．３のいずれかに記載の方法。
Ａ５．１．低ｋｅＶ設定が、２００ｅＶ、５００ｅＶ、１ｋｅＶ、２ｋｅＶ、５ｋｅＶ、８ｋｅＶ、および／または１６ｋｅＶ以下の動作値で動作するように設定されているイオンビームを含む、段落Ａ１〜Ａ５のいずれかに記載の方法。
Ａ６．復元画像内のサンプルを自動的に識別することをさらに含む、段落Ａ１〜Ａ５．２のいずれかに記載の方法。
Ａ６．１．復元画像の特徴を識別すること、特徴に基づいて、復元画像内のサンプルの位置および／または方向を決定すること、段落Ａ６に記載の方法。
Ａ６．２．復元画像および／または復元画像の識別された特徴をユーザーに提示することをさらに含む、段落Ａ６〜Ａ６．１のいずれかに記載の方法。
Ａ７．復元画像内でサンプルを位置特定することは、サンプルの少なくとも一部分を含む、復元画像の領域を低エネルギー平削りマッピングと関連付けることを含む、段落Ａ１〜Ａ６．２のいずれかに記載の方法。
Ａ７．１．低エネルギー平削りマッピングが、復元画像上に配置される、グラフィックを含み、サンプルの低ｋｅＶ平削りを実施することは、グラフィックによって覆われている、復元画像において示されるようにサンプルの一部分に対応する、サンプルの領域を、イオンビームで低ｋｅＶ平削りに、対象とすることを含む、段落Ａ７に記載の方法。
Ａ７．１．１．グラフィックが、矩形である、段落Ａ７．１に記載の方法。
Ａ７．１．２．グラフィックが、ユーザーインターフェースを介してユーザーによって配置される、段落Ａ７．１〜Ａ７．１．１のいずれかに記載の方法。
Ａ７．１．３．グラフィックが、システムによって自動的に配置される、段落Ａ７．１〜Ａ７．１．２のいずれかに記載の方法。
Ａ７．１．３．１．グラフィックが、追加的機械学習アルゴリズムを使用して配置される、段落Ａ７．１．３に記載の方法。
Ａ７．１．３．２．グラフィックが、エッジ検出アルゴリズムを使用して配置される、段落Ａ７．１．３に記載の方法。
Ａ７．１．３．３．グラフィックが、テンプレートマッチングを使用して配置される、段落Ａ７．１．３に記載の方法。
Ａ７．１．３．４．グラフィックが、特徴ベースマッチングを使用して配置される、段落Ａ７．１．３に記載の方法。
Ａ７．１．３．４．グラフィックユーザーインターフェース上に、システムによって自動的に配置されたグラフィック、および承認のための要求で復元画像を提示することをさらに含み、サンプルの低ｋｅＶ平削りが、承認の了承に少なくとも部分的に基づいて実施される、段落Ａ７．１．３〜Ａ７．１．３．２のいずれかに記載の方法。
Ａ８．イオンビームでサンプルの低ｋｅＶ平削りを実施することは、イオンビームで切断ステップを実施することを含む、段落Ａ１〜Ａ７．１．３．３のいずれかに記載の方法。
Ｂ１．
サンプルを保持するように構成されたサンプルホルダーと、
イオンビームでサンプルを照射するように構成されたイオン源と、
イオンビームでの照射に応答してサンプルによって放出された荷電粒子に基づいて、サンプルの画像をキャプチャするように構成された撮像システムと、
１つ以上の処理ユニットと、
１つ以上の処理ユニットによって実行されるときに、段落Ａ１〜Ａ８のいずれかに記載の方法を、荷電粒子顕微鏡システムに実施させる、コンピュータ可読命令を格納するメモリと、を備える、荷電粒子顕微鏡システム。
Ｃ１．段落Ｂ１の荷電粒子顕微鏡システムの使用。
本明細書に記載のシステム、装置、および方法は、多少なりとも制限的なものとして解釈されるべきではない。代替的に、本開示は、単独で、ならびに相互の様々な組み合わせおよび部分的な組み合わせにおいて、様々な開示された実施形態のすべての新規性および非自明性を有する特徴および態様を対象とする。開示されたシステム、方法、および装置は、任意の特定の態様または特徴もしくはそれらの組み合わせに限定されず、開示されたシステム、方法、および装置は、任意の１つ以上の特定の利点が存在する、または問題が解決されることも必要としない。いずれの動作理論も説明を容易にするためであるが、開示されたシステム、方法、および装置は、そのような動作理論に限定されない。
開示された方法のいくつかの動作は、便宜的な提示のため、特定の順番で記載されているが、以下に記載される具体的な用語によって特定の順序が要求されない限り、この説明様式が並び替えを包含することを理解されるものとする。例えば、順に記載される動作は、いくつかの場合において、並び替えられるかまたは同時に実施され得る。さらに、単純化のために、添付の図面は、開示されたシステム、方法、および装置が、他のシステム、方法、および装置とともに使用され得る様々な方式を示さないことがある。追加的に、記載は、開示された方法を記載するために、「決定する」、「識別する」「製造する」および「提供する」などの用語を使用することがある。これらの用語は、実施される実際の動作の高レベルの抽象化である。これらの用語に対応する実際の動作は、特定の実施態様に応じて、様々であり、当業者には容易に認識可能である。

Claims (15)

  1. 低ｋｅＶ設定でイオンビームをサンプルに照射することと、
    前記イオンビームによる照射から生じる放出に基づいて、前記サンプルの低ｋｅＶイオンビーム画像を生成することと、
    復元画像を生成するように、前記サンプルの前記低ｋｅＶイオンビーム画像に画像復元モデルを適用することと、
    前記復元画像内で前記サンプルを位置特定することと、
    前記復元画像内の前記位置特定したサンプルに基づいて、前記イオンビームで前記サンプルの低ｋｅＶ平削りを実施することと、を含む、方法。
  2. 前記画像復元モデルを適用することが、少なくとも１つの機械学習モデルを適用することを含み、前記少なくとも１つの機械学習モデルが、１つ以上のニューラルネットワークを含む、請求項１に記載の方法。
  3. 前記機械学習モデルが、前記復元画像の特徴を識別するようにトレーニングされ、前記特徴が、前記サンプルの特徴と前記復元画像の背景の特徴とを含む、請求項２に記載の方法。
  4. 前記復元画像の前記特徴を識別することが、前記復元画像の前記特徴に基づいて、前記復元画像内の前記サンプルのための位置および方向を決定することを含む、請求項３に記載の方法。
  5. １つ以上の顕微鏡設定に基づいて、一連のアルゴリズムの最良アルゴリズムを決定することをさらに含み、
    前記画像復元モデルを適用することが、前記復元画像を生成するように、前記サンプルの前記低ｋｅＶイオンビーム画像に前記最良アルゴリズムを適用することを含む、請求項１〜４のいずれかに記載の方法。
  6. １つ以上の顕微鏡設定に基づいて、一連のアルゴリズムからアルゴリズムの組み合わせを決定することをさらに含み、
    前記画像復元モデルを適用することが、前記復元画像を生成するように、前記サンプルの前記低ｋｅＶイオンビーム画像に前記アルゴリズムの組み合わせを適用することを含む、請求項１〜４のいずれかに記載の方法。
  7. 透過型電子顕微鏡で前記サンプルを検査することをさらに含み、前記サンプルが、ＴＥＭ薄板である、請求項１〜６のいずれかに記載の方法。
  8. 前記ＴＥＭ薄板が基準を含み、前記サンプルが、前記基準に少なくとも部分的に基づいて、前記復元画像内に配置されている、請求項７に記載の方法。
  9. 前記イオンビームを使用してサンプル材料から前記サンプルを生成することをさらに含み、前記サンプルを生成することが、
    前記イオンビームで前記サンプルを成形するように、前記サンプル材料の領域上に１回以上の平削りステップを実施することと、
    前記サンプルをサンプル操作プローブに取り付けることと、
    前記イオンビームで前記サンプル材料から前記サンプルを分離することと、を含む、請求項１〜８のいずれかに記載の方法。
  10. 前記１回以上の平削りステップが、高ｋｅＶ設定で前記イオンビームで前記サンプル材料の部分に照射することを含み、
    前記低ｋｅＶ設定が、２００ｅＶ、５００ｅＶ、１ｋｅＶ、２ｋｅＶ、５ｋｅＶ、８ｋｅＶ、および／または１６ｋｅＶ以下で第１の動作値で動作するように設定されている前記イオンビームを含み、
    前記高ｋｅＶ設定が、１６ｋｅＶ、３０ｋｅＶ、および／または５０ｋｅＶ以上で第２の動作値で動作するように設定されている前記イオンビームを含む、請求項９に記載の方法。
  11. 前記サンプルが低ｋｅＶ設定で前記イオンビームで平削りされるときに、前記サンプルの生成中に前記イオンビームによって引き起こされた損傷を含む、前記サンプルの表面が除去される、請求項９〜１０のいずれかに記載の方法。
  12. 前記復元画像内で前記サンプルを位置特定することは、前記サンプルの少なくとも一部分を含む、前記復元画像の領域を低エネルギー平削りマッピングと関連付けることを含む、請求項１〜１１のいずれかに記載の方法。
  13. 前記低エネルギー平削りマッピングが、前記復元画像上に配置されるグラフィックを含み、前記サンプルの前記低ｋｅＶ平削りを実施することは、前記グラフィックによって覆われている、前記復元画像の一部分に対応する、前記サンプルの領域を、前記イオンビームで低ｋｅＶ平削りに供することを含む、請求項１２に記載の方法。
  14. グラフィックユーザーインターフェース上に、システムによって自動的に配置された前記グラフィック、および承認のための要求で前記復元画像を提示することをさらに含み、前記サンプルの前記低ｋｅＶ平削りが、承認の了承に少なくとも部分的に基づいて実施される、請求項１３に記載の方法。
  15. サンプルを保持するように構成されたサンプルホルダーと、
    イオンビームで前記サンプルを照射するように構成されたイオン源と、
    前記イオンビームでの照射に応答して前記サンプルによって放出された荷電粒子に基づいて、前記サンプルの画像をキャプチャするように構成された撮像システムと、
    １つ以上の処理ユニットと、
    前記１つ以上の処理ユニットによって実行されるときに、請求項１〜１４のいずれかに記載の方法を、前記荷電粒子顕微鏡システムに実施させる、コンピュータ可読命令を格納するメモリと、を備える、荷電粒子顕微鏡システム。
JP2020170634A 2019-10-08 2020-10-08 オブジェクト位置特定のための機械学習による低ｋｅＶイオンビーム画像復元 Active JP7544320B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/596,538 2019-10-08
US16/596,538 US11355305B2 (en) 2019-10-08 2019-10-08 Low keV ion beam image restoration by machine learning for object localization

Publications (3)

Publication Number Publication Date
JP2021064606A true JP2021064606A (ja) 2021-04-22
JP2021064606A5 JP2021064606A5 (ja) 2023-10-18
JP7544320B2 JP7544320B2 (ja) 2024-09-03

Family

ID=72811636

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020170634A Active JP7544320B2 (ja) 2019-10-08 2020-10-08 オブジェクト位置特定のための機械学習による低ｋｅＶイオンビーム画像復元

Country Status (4)

Country Link
US (1) US11355305B2 (ja)
EP (1) EP3806131A3 (ja)
JP (1) JP7544320B2 (ja)
CN (1) CN112712473A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024142280A1 (ja) * 2022-12-27 2024-07-04 株式会社日立ハイテク 試料加工方法、及び荷電粒子ビーム装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11462385B2 (en) * 2019-03-25 2022-10-04 Nissin Ion Equipment Co., Ltd. Ion beam irradiation apparatus and program therefor
US11955311B2 (en) 2019-03-25 2024-04-09 Nissin Ion Equipment Co., Ltd. Ion beam irradiation apparatus and program therefor
DE102020211900A1 (de) * 2019-09-25 2021-03-25 Hitachi High-Tech Science Corporation Ladungsträgerstrahlvorrichtung
EP3961670A1 (en) * 2020-08-31 2022-03-02 FEI Company Method of examining a sample using a charged particle beam apparatus
US11703468B2 (en) * 2021-07-01 2023-07-18 Fei Company Method and system for determining sample composition from spectral data
CN115575364B (zh) * 2022-09-30 2023-08-04 中国科学院生物物理研究所 基于光学显微成像的离子束加工方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7809155B2 (en) * 2004-06-30 2010-10-05 Intel Corporation Computing a higher resolution image from multiple lower resolution images using model-base, robust Bayesian estimation
US8912490B2 (en) * 2011-06-03 2014-12-16 Fei Company Method for preparing samples for imaging
US8704176B2 (en) * 2011-08-10 2014-04-22 Fei Company Charged particle microscope providing depth-resolved imagery
US8740209B2 (en) * 2012-02-22 2014-06-03 Expresslo Llc Method and apparatus for ex-situ lift-out specimen preparation
CN104303257B (zh) * 2012-05-21 2018-03-30 Fei 公司 用于tem观察的薄片的制备
EP2873088A4 (en) * 2012-07-16 2015-08-05 Fei Co DEFINITION OF END POINT FOR FOCUSED ION BEAM TREATMENT
US10465293B2 (en) * 2012-08-31 2019-11-05 Fei Company Dose-based end-pointing for low-kV FIB milling TEM sample preparation
EP2787523B1 (en) * 2013-04-03 2016-02-10 Fei Company Low energy ion milling or deposition
US9911573B2 (en) * 2014-03-09 2018-03-06 Ib Labs, Inc. Methods, apparatuses, systems and software for treatment of a specimen by ion-milling
JP6207081B2 (ja) 2014-03-24 2017-10-04 株式会社日立ハイテクサイエンス 集束イオンビーム装置
JP6552383B2 (ja) 2014-11-07 2019-07-31 エフ・イ−・アイ・カンパニー 自動化されたｔｅｍ試料調製
JP6668278B2 (ja) * 2017-02-20 2020-03-18 株式会社日立ハイテク 試料観察装置および試料観察方法
JP6964031B2 (ja) 2018-03-27 2021-11-10 Ｔａｓｍｉｔ株式会社 パターンエッジ検出方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024142280A1 (ja) * 2022-12-27 2024-07-04 株式会社日立ハイテク 試料加工方法、及び荷電粒子ビーム装置

Also Published As

Publication number Publication date
US11355305B2 (en) 2022-06-07
CN112712473A (zh) 2021-04-27
JP7544320B2 (ja) 2024-09-03
US20210104375A1 (en) 2021-04-08
EP3806131A2 (en) 2021-04-14
EP3806131A3 (en) 2021-06-23

Similar Documents

Publication Publication Date Title
JP7544320B2 (ja) オブジェクト位置特定のための機械学習による低ｋｅＶイオンビーム画像復元
JP6505885B2 (ja) 物体を分析する方法およびこの方法を実行するための荷電粒子ビーム装置
JP6188695B2 (ja) 表面高さ属性を用いて瑕疵を分類する方法および装置
JP6814733B2 (ja) 自動化された判定に基づくエネルギー分散型ｘ線測定法及びその装置
WO2014028513A1 (en) Automated inspection scenario generation
EP3702766B1 (en) Crystal orientation map generation device, charged particle radiation device, crystal orientation map generation method, and program
CN103608891B (zh) 带电粒子束装置及样品制作方法
TW201945982A (zh) 圖像處理系統及用於進行圖像處理之電腦程式
EP3716215A1 (en) Artificial intelligence enabled volume reconstruction
WO2010106837A1 (ja) パターン検査装置及びその検査方法
EP4064323A1 (en) Dual speed acquisition for drift corrected, fast, low dose, adaptive compositional charged particle imaging
CN106098518A (zh) 使用定向波束信号分析的粒子大小的自适应扫描
EP3979297A1 (en) Depth reconstruction for 3d images of samples in a charged particle system
US20210374467A1 (en) Correlated slice and view image annotation for machine learning
JP2014240780A (ja) 試料構造分析方法、透過電子顕微鏡およびプログラム
US11282670B1 (en) Slice depth reconstruction of charged particle images using model simulation for improved generation of 3D sample images
EP3719832A2 (en) Using images from secondary microscope detectors to automatically generate labeled images from primary microscope detectors
US20210088770A1 (en) Pose estimation using sematic segmentation
JP2014106388A (ja) 自動合焦点検出装置及びそれを備える荷電粒子線顕微鏡
EP4160537A2 (en) System and method for accelerated convergence of iterative tomographic reconstruction
US20230393083A1 (en) Method and system for indexing electron diffraction patterns
US11499926B2 (en) Method for diffraction pattern acquisition
EP4286825A1 (en) Automatic selection of structures-of-interest for lamella sample preparation
US20240281952A1 (en) 3d volume inspection method and method of configuring of a 3d volume inspection method
US20240110880A1 (en) Dynamic Data Driven Detector Tuning for Improved Investigation of Samples in Charged Particle Systems

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231010

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20231010

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: 20240723

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240808

R150 Certificate of patent or registration of utility model

Ref document number: 7544320

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150