JP2021190699A - 半導体画像のための人工知能識別による測定方法 - Google Patents
半導体画像のための人工知能識別による測定方法 Download PDFInfo
- Publication number
- JP2021190699A JP2021190699A JP2021082048A JP2021082048A JP2021190699A JP 2021190699 A JP2021190699 A JP 2021190699A JP 2021082048 A JP2021082048 A JP 2021082048A JP 2021082048 A JP2021082048 A JP 2021082048A JP 2021190699 A JP2021190699 A JP 2021190699A
- Authority
- JP
- Japan
- Prior art keywords
- artificial intelligence
- semiconductor
- image
- original image
- intelligence identification
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q60/00—Particular types of SPM [Scanning Probe Microscopy] or microscopes; Essential components thereof
- G01Q60/24—AFM [Atomic Force Microscopy] or apparatus therefor, e.g. AFM probes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- 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
- G01N23/22—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 measuring secondary emission from the material
- G01N23/225—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 measuring secondary emission from the material using electron or ion
- G01N23/2251—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 measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- 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
- G01N23/22—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 measuring secondary emission from the material
- G01N23/225—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 measuring secondary emission from the material using electron or ion
- G01N23/2255—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 measuring secondary emission from the material using electron or ion using incident ion beams, e.g. proton beams
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- 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
- G06N3/045—Combinations of 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Evolutionary Biology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Analysis (AREA)
Abstract
Description
技術分野
本発明は、概して半導体画像のための測定方法に関し、とくに、半導体画像のための人工知能識別による測定方法に関する。
集積回路のライン幅が徐々に縮小されるにつれて、直前の製造プロセスステップにおける欠陥における半導体画像をいかにして正確に測定するかは、しばしば次のプロセスステップの生産性に大きな影響を及ぼす。したがって、ICの製造プロセス中で、関連する欠陥を正確に発見することは重要な問題である。このため、高速で正確な測定を提供できる半導体画像のための人工知能識別による測定方法が、半導体業界において強く期待されている。
本発明の一態様は、
半導体画像のための人工知能(AI)識別による測定方法を提供することであって、
半導体の原画像を提供するステップと、
人工知能によって前記原画像のタイプおよび/またはカテゴリを識別するステップと、
前記原画像の測定信号を生成するために前記原画像を走査するために、識別された前記タイプおよび/または識別された前記カテゴリに対応する所定の寸法測定モードを導入するステップと、
指定対象物の測定信号および前記原画像の測定信号に基づく演算の後に、前記原画像の具体的物理パラメータを生成するために、前記原画像から前記指定対象物を抽出するステップと、
を備える方法を提供することである。
前記具体的物理パラメータは、前記半導体の指定対象物の、長さ、幅、高さ、ギャップ、角度、および、アーク長からなる群の1つまたはこれらの組み合わせから選択される、
上述の半導体画像のための人工知能識別による測定方法。
半導体の原画像を提供するステップと、
最適画像を生成するために前記原画像を最適化するステップと、
人工知能によって前記最適画像のタイプおよび/またはカテゴリを識別するステップと、
前記最適画像の測定信号を生成するために前記最適画像を走査するために、識別された前記タイプおよび/または識別された前記カテゴリに対応する所定の寸法測定モードを導入するステップと、
指定対象物の測定信号および前記最適画像の測定信号に基づく演算の後に、具体的物理パラメータを生成するために、前記最適画像から前記指定対象物を抽出するステップと、
を備える方法を提供することである。
前記具体的物理パラメータは、前記半導体の指定対象物の、長さ、幅、高さ、ギャップ、角度、および、アーク長からなる群の1つまたはこれらの組み合わせから選択される、
上述の半導体画像のための人工知能識別による別の測定方法。
半導体画像のための人工知能識別による測定方法であって、
半導体の原画像を提供するステップと、
人工知能によって前記原画像のタイプおよび/またはカテゴリを識別するステップと、
前記原画像の測定信号を生成するために前記原画像を走査するために、識別された前記タイプおよび/または識別された前記カテゴリに対応する所定の寸法測定モードを導入するステップと、
指定対象物の測定信号および前記原画像の測定信号に基づく演算の後に、前記原画像の具体的物理パラメータを生成するために、前記原画像から前記指定対象物を抽出するステップと、
を備える方法を提供する。
前記具体的物理パラメータは、前記半導体の指定対象物の、長さ、幅、高さ、ギャップ、角度、および、アーク長からなる群の1つまたはこれらの組み合わせから選択される、
上述の半導体画像のための人工知能識別による測定方法。
半導体画像のための人工知能識別による別の測定方法であって、
半導体の原画像を提供するステップと、
最適画像を生成するために前記原画像を最適化するステップと、
人工知能によって前記最適画像のタイプおよび/またはカテゴリを識別するステップと、
前記最適画像の測定信号を生成するために前記最適画像を走査するために、識別された前記タイプおよび/または識別された前記カテゴリに対応する所定の寸法測定モードを導入するステップと、
指定対象物の測定信号および前記最適画像の測定信号に基づく演算の後に、前記最適画像の具体的物理パラメータを生成するために、前記最適画像から前記指定対象物を抽出するステップと、
を備える方法を提供する。
前記具体的物理パラメータは、前記半導体の指定対象物の、長さ、幅、高さ、ギャップ、角度、および、アーク長からなる群の1つまたはこれらの組み合わせから選択される、
上述の半導体画像のための人工知能識別による別の測定方法。
Claims (15)
- 半導体画像のための人工知能識別による測定方法であって、
半導体の原画像を提供するステップと、
人工知能によって前記原画像のタイプおよび/またはカテゴリを識別するステップと、
前記原画像の測定信号を生成するために前記原画像を走査するために、識別された前記タイプおよび/または識別された前記カテゴリに対応する所定の寸法測定モードを導入するステップと、
指定対象物の測定信号および前記原画像の測定信号に基づく演算の後に、前記原画像の具体的物理パラメータを生成するために、前記原画像から前記指定対象物を抽出するステップと、
を備える方法。 - 半導体の前記原画像は、走査電子顕微鏡(SEM)、トンネル電子顕微鏡(TEM)、原子間力顕微鏡(AFM)、集束イオンビーム(FIB)またはX線回折計(X−ray)によって写真撮影され提供される、請求項1に記載の半導体画像のための人工知能識別による測定方法。
- 前記指定対象物は、前記原画像の、指定される構造、指定される高さ、指定される距離、指定される50%高さ、最小部、最大部、最も底の部分、または最も頂上の部分である、請求項1に記載の半導体画像のための人工知能識別による測定方法。
- 前記具体的物理パラメータは、前記半導体の特定層の、厚さ、幅、平均厚さ、平均幅、厚さの標準偏差、幅の標準偏差、厚さの二乗平均平方根、および、幅の二乗平均平方根からなる群の1つまたはこれらの組み合わせから選択され、および/または、
前記具体的物理パラメータは、前記半導体の指定対象物の、長さ、幅、高さ、ギャップ、角度、および、アーク長からなる群の1つまたはこれらの組み合わせから選択される、
請求項1に記載の半導体画像のための人工知能識別による測定方法。 - 前記測定信号の前記演算は、強度差演算、積分差演算または微分差演算によって進められる、請求項1に記載の半導体画像のための人工知能識別による測定方法。
- 人工知能によって前記原画像のタイプおよび/またはカテゴリを識別する前記ステップは、ニューラルネットワークモジュールによって進められる、請求項1に記載の半導体画像のための人工知能識別による測定方法。
- 前記ニューラルネットワークモジュールは、畳み込みニューラルネットワーク(CNN)モジュールまたはリカレントニューラルネットワーク(RNN)モジュールである、請求項6に記載の半導体画像のための人工知能識別による測定方法。
- 半導体画像のための人工知能識別による測定方法であって、
半導体の原画像を提供するステップと、
最適画像を生成するために前記原画像を最適化するステップと、
人工知能によって前記最適画像のタイプおよび/またはカテゴリを識別するステップと、
前記最適画像の測定信号を生成するために前記最適画像を走査するために、識別された前記タイプおよび/または識別された前記カテゴリに対応する所定の寸法測定モードを導入するステップと、
指定対象物の測定信号および前記最適画像の測定信号に基づく演算の後に、具体的物理パラメータを生成するために、前記最適画像から前記指定対象物を抽出するステップと、
を備える方法。 - 半導体の前記原画像は、走査電子顕微鏡(SEM)、トンネル電子顕微鏡(TEM)、原子間力顕微鏡(AFM)、集束イオンビーム(FIB)またはX線回折計(X−ray)によって写真撮影され提供される、請求項8に記載の半導体画像のための人工知能識別による測定方法。
- 前記最適画像を生成するために前記原画像を最適化する前記ステップは、前記原画像の、明るさ、および/またはコントラスト、および/またはシャープネス、および/または色飽和度、および/またはガンマ補正、および/またはグレースケール、および/または色相、および/または色差分、および/または色温度、および/またはフォーカス、および/または解像度、および/またはノイズ、および/またはエッジ平坦化を最適化する、請求項8に記載の半導体画像のための人工知能識別による測定方法。
- 前記指定対象物は、前記最適画像の、指定される構造、指定される高さ、指定される距離、指定される50%高さ、最小部、最大部、最も底の部分、または最も頂上の部分である、請求項8に記載の半導体画像のための人工知能識別による測定方法。
- 前記具体的物理パラメータは、前記半導体の特定層の、厚さ、幅、平均厚さ、平均幅、厚さの標準偏差、幅の標準偏差、厚さの二乗平均平方根、および、幅の二乗平均平方根からなる群の1つまたはこれらの組み合わせから選択され、および/または、
前記具体的物理パラメータは、前記半導体の指定対象物の、長さ、幅、高さ、ギャップ、角度、および、アーク長からなる群の1つまたはこれらの組み合わせから選択される、
請求項8に記載の半導体画像のための人工知能識別による測定方法。 - 前記測定信号の前記演算は、強度差演算、積分差演算または微分差演算によって進められる、請求項8に記載の半導体画像のための人工知能識別による測定方法。
- 人工知能によって前記原画像のタイプおよび/またはカテゴリを識別する前記ステップは、ニューラルネットワークモジュールによって進められる、請求項8に記載の半導体画像のための人工知能識別による測定方法。
- 前記ニューラルネットワークモジュールは、畳み込みニューラルネットワーク(CNN)モジュールまたはリカレントニューラルネットワーク(RNN)モジュールである、請求項14に記載の半導体画像のための人工知能識別による測定方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109118308A TWI777173B (zh) | 2020-06-01 | 2020-06-01 | 人工智慧辨識之半導體影像量測方法 |
TW109118308 | 2020-06-01 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021190699A true JP2021190699A (ja) | 2021-12-13 |
JP7179909B2 JP7179909B2 (ja) | 2022-11-29 |
Family
ID=78705103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021082048A Active JP7179909B2 (ja) | 2020-06-01 | 2021-05-14 | 半導体画像のための人工知能識別による測定方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11468556B2 (ja) |
JP (1) | JP7179909B2 (ja) |
CN (1) | CN113759148B (ja) |
TW (1) | TWI777173B (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4339624A1 (en) * | 2022-09-15 | 2024-03-20 | Infinitesima Limited | Image data segmentation |
US20240212976A1 (en) * | 2022-12-22 | 2024-06-27 | Applied Materials Israel Ltd. | In-line depth measurements by afm |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009076863A (ja) * | 2007-08-27 | 2009-04-09 | Renesas Technology Corp | 半導体装置の製造方法 |
WO2012098615A1 (ja) * | 2011-01-19 | 2012-07-26 | 株式会社日立ハイテクノロジーズ | 画像分類方法および画像分類装置 |
JP2012242119A (ja) * | 2011-05-16 | 2012-12-10 | Fujitsu Semiconductor Ltd | パターン寸法測定方法及びパターン寸法測定装置 |
JP2019124591A (ja) * | 2018-01-17 | 2019-07-25 | 東京エレクトロン株式会社 | 基板の欠陥検査装置、基板の欠陥検査方法及び記憶媒体 |
US20190287230A1 (en) * | 2018-03-19 | 2019-09-19 | Kla-Tencor Corporation | Semi-supervised anomaly detection in scanning electron microscope images |
US20200143099A1 (en) * | 2018-08-17 | 2020-05-07 | Taiwan Semiconductor Manufacturing Co., Ltd. | Wafer-to-design image analysis (wdia) system |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3788279B2 (ja) * | 2001-07-09 | 2006-06-21 | 株式会社日立製作所 | パターン検査方法及び装置 |
KR100567622B1 (ko) * | 2003-12-29 | 2006-04-04 | 삼성전자주식회사 | 반도체 소자의 패턴 선폭 측정 방법 및 장치 |
US9418413B1 (en) * | 2009-07-06 | 2016-08-16 | Camtek Ltd. | System and a method for automatic recipe validation and selection |
JP5809997B2 (ja) * | 2012-02-14 | 2015-11-11 | 株式会社日立ハイテクノロジーズ | 半導体計測装置及びコンピュータープログラム |
US10115040B2 (en) * | 2016-09-14 | 2018-10-30 | Kla-Tencor Corporation | Convolutional neural network-based mode selection and defect classification for image fusion |
TWM550465U (zh) * | 2017-06-30 | 2017-10-11 | 中華大學 | 半導體晶圓檢測系統 |
TWI716684B (zh) * | 2018-05-09 | 2021-01-21 | 華邦電子股份有限公司 | 臨界尺寸量測方法及用於量測臨界尺寸的影像處理裝置 |
CN110553581B (zh) * | 2018-06-01 | 2022-01-14 | 华邦电子股份有限公司 | 临界尺寸量测方法及用于量测临界尺寸的图像处理装置 |
KR102631031B1 (ko) * | 2018-07-27 | 2024-01-29 | 삼성전자주식회사 | 반도체 장치의 불량 검출 방법 |
CN109357630B (zh) * | 2018-10-30 | 2019-10-18 | 南京工业大学 | 一种多类型工件批量视觉测量系统及方法 |
US11569056B2 (en) * | 2018-11-16 | 2023-01-31 | Fei Company | Parameter estimation for metrology of features in an image |
CN109682298A (zh) * | 2019-01-14 | 2019-04-26 | 明灏科技(北京)有限公司 | 一种基于计算机视觉的测量装置及方法 |
CN110414492A (zh) * | 2019-08-29 | 2019-11-05 | 广东工业大学 | 一种晶体材料图像识别方法及装置 |
CN110910445B (zh) * | 2019-11-26 | 2023-08-04 | 深圳市丰巢科技有限公司 | 一种物件尺寸检测方法、装置、检测设备及存储介质 |
-
2020
- 2020-06-01 TW TW109118308A patent/TWI777173B/zh active
- 2020-08-24 CN CN202010855090.8A patent/CN113759148B/zh active Active
-
2021
- 2021-02-25 US US17/184,594 patent/US11468556B2/en active Active
- 2021-05-14 JP JP2021082048A patent/JP7179909B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009076863A (ja) * | 2007-08-27 | 2009-04-09 | Renesas Technology Corp | 半導体装置の製造方法 |
WO2012098615A1 (ja) * | 2011-01-19 | 2012-07-26 | 株式会社日立ハイテクノロジーズ | 画像分類方法および画像分類装置 |
JP2012242119A (ja) * | 2011-05-16 | 2012-12-10 | Fujitsu Semiconductor Ltd | パターン寸法測定方法及びパターン寸法測定装置 |
JP2019124591A (ja) * | 2018-01-17 | 2019-07-25 | 東京エレクトロン株式会社 | 基板の欠陥検査装置、基板の欠陥検査方法及び記憶媒体 |
US20190287230A1 (en) * | 2018-03-19 | 2019-09-19 | Kla-Tencor Corporation | Semi-supervised anomaly detection in scanning electron microscope images |
US20200143099A1 (en) * | 2018-08-17 | 2020-05-07 | Taiwan Semiconductor Manufacturing Co., Ltd. | Wafer-to-design image analysis (wdia) system |
Also Published As
Publication number | Publication date |
---|---|
JP7179909B2 (ja) | 2022-11-29 |
TWI777173B (zh) | 2022-09-11 |
TW202147244A (zh) | 2021-12-16 |
CN113759148A (zh) | 2021-12-07 |
US20210374927A1 (en) | 2021-12-02 |
US11468556B2 (en) | 2022-10-11 |
CN113759148B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7923703B2 (en) | Sample dimension inspecting/measuring method and sample dimension inspecting/measuring apparatus | |
US9390490B2 (en) | Method and device for testing defect using SEM | |
JP5202071B2 (ja) | 荷電粒子顕微鏡装置及びそれを用いた画像処理方法 | |
JP5604067B2 (ja) | マッチング用テンプレートの作成方法、及びテンプレート作成装置 | |
JP4695239B2 (ja) | 形状特徴に基づく欠陥検出方法及び装置 | |
KR20200026110A (ko) | 패턴 검사 시스템 | |
KR101764658B1 (ko) | 결함 해석 지원 장치, 결함 해석 지원 장치에 의해 실행되는 프로그램 및 결함 해석 시스템 | |
US20130010100A1 (en) | Image generating method and device using scanning charged particle microscope, sample observation method, and observing device | |
US20060145076A1 (en) | High-accuracy pattern shape evaluating method and apparatus | |
JP6391170B2 (ja) | 検査装置 | |
JP2021190699A (ja) | 半導体画像のための人工知能識別による測定方法 | |
US11663713B2 (en) | Image generation system | |
WO2011001635A1 (ja) | 半導体検査装置及びそれを用いた半導体検査方法 | |
TW202046246A (zh) | 圖像處理程式、圖像處理裝置及圖像處理方法 | |
US20050051721A1 (en) | Sample dimension-measuring method and charged particle beam apparatus | |
CN116907381A (zh) | 一种半导体晶圆Bump三维形貌测量方法 | |
US11455715B2 (en) | Epitaxy metrology in fin field effect transistors | |
JP2011179819A (ja) | パターン測定方法及びコンピュータプログラム | |
US20230306580A1 (en) | Machine learning based examination of a semiconductor specimen and training thereof | |
US11995848B2 (en) | Image generation for examination of a semiconductor specimen | |
JP6101445B2 (ja) | 信号処理装置及び荷電粒子線装置 | |
US20240153043A1 (en) | Image denoising for examination of a semiconductor specimen | |
CN108535305B (zh) | 一种基于元素成像的超导纳米线均匀性分析的方法 | |
US20230420308A1 (en) | Examination of a hole formed in a semiconductor specimen | |
TW202418220A (zh) | 圖像處理程式、圖像處理裝置、圖像處理方法及缺陷檢測系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210514 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220427 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220524 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220623 |
|
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: 20221018 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221116 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7179909 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |