JP2022014880A - 半導体試料中のアレイの識別 - Google Patents

半導体試料中のアレイの識別 Download PDF

Info

Publication number
JP2022014880A
JP2022014880A JP2021089920A JP2021089920A JP2022014880A JP 2022014880 A JP2022014880 A JP 2022014880A JP 2021089920 A JP2021089920 A JP 2021089920A JP 2021089920 A JP2021089920 A JP 2021089920A JP 2022014880 A JP2022014880 A JP 2022014880A
Authority
JP
Japan
Prior art keywords
image
areas
array
sub
data
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.)
Pending
Application number
JP2021089920A
Other languages
English (en)
Other versions
JP2022014880A5 (ja
Inventor
コーエン イェフダ
Coen Yehuda
ビストリッツァー ラファエル
Bistritzer Rafael
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.)
Applied Materials Israel Ltd
Original Assignee
Applied Materials Israel Ltd
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 Applied Materials Israel Ltd filed Critical Applied Materials Israel Ltd
Publication of JP2022014880A publication Critical patent/JP2022014880A/ja
Publication of JP2022014880A5 publication Critical patent/JP2022014880A5/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/392—Floor-planning or layout, e.g. partitioning or placement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67271—Sorting devices
    • 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
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Power Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Signal Processing (AREA)
  • Architecture (AREA)
  • Image Analysis (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

Figure 2022014880000001
【課題】半導体試料中のアレイの識別を提供すること。
【解決手段】各々が反復構造要素を含む１つまたは複数のアレイと、各領域が、対応するアレイを少なくとも部分的に囲み、反復構造要素とは異なる特徴部を含む１つまたは複数の領域とを含む半導体試料の画像を取得するように構成された方法およびシステムが提供され、ＰＭＣは、半導体試料の実行時走査中に、相関行列を取得するために、画像のピクセル強度と、反復構造要素のうちの少なくとも１つの情報を与える参照画像のピクセル強度との間の相関分析を実行し、１つまたは複数のアレイに対応する画像の１つまたは複数の第１の区域と１つまたは複数の領域に対応する画像の１つまたは複数の第２の区域を区別するために相関行列を使用し、画像の１つまたは複数の第１の区域の情報を与えるデータを出力するように構成される。
【選択図】図２

Description

本開示の主題は、一般に、試料の試験の分野に関し、より詳細には、試料の試験を自動化することに関する。
製造されたデバイスの超大規模集積に関連する高密度および性能への現在の要求は、サブミクロン特徴部、トランジスタおよび回路速度の向上、信頼性の改善を必要とする。そのような要求は、高い精度および均一性のデバイス特徴部の形成を必要とし、その結果として、デバイスがまだ半導体ウエハの形態である間、デバイスの自動試験を含む製造プロセスの注意深いモニタリングを必要とする。
試料の欠陥を検出および分類するために、試験プロセスが半導体製造中の様々なステップで使用される。試験の有効性は、例えば、自動欠陥分類（ＡＤＣ）、自動欠陥レビュー（ＡＤＲ）などのようなプロセスの自動化によって向上させることができる。
本開示の主題の特定の態様によれば、半導体試料を試験するためのシステムが提供され、このシステムは、各々が反復構造要素を含む１つまたは複数のアレイと、各領域が、対応するアレイを少なくとも部分的に囲み、反復構造要素とは異なる特徴部を含む１つまたは複数の領域とを含む半導体試料の画像を取得するように構成されたプロセッサおよびメモリ回路（ＰＭＣ）を含み、ＰＭＣは、半導体試料の実行時走査中に、相関行列を取得するために、画像のピクセル強度と、反復構造要素のうちの少なくとも１つの情報を与える参照画像のピクセル強度との間の相関分析を実行し、１つまたは複数のアレイに対応する画像の１つまたは複数の第１の区域と１つまたは複数の領域に対応する画像の１つまたは複数の第２の区域を区別するために相関行列を使用し、画像の１つまたは複数の第１の区域の情報を与えるデータを出力するように構成される。
いくつかの実施形態によれば、このシステムは、振幅基準を満たす相関行列の値に対応する画像のサブ区域を決定し、アレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域を１つまたは複数のクラスタにクラスタ化し、１つまたは複数のクラスタに少なくとも基づいて１つまたは複数の第１の区域を決定するように構成される。
いくつかの実施形態によれば、１つまたは複数のアレイは、１つまたは複数の境界によって１つまたは複数の領域から分離され、このシステムは、境界に至るまで少なくとも１つまたは複数のアレイのみを含む画像の１つまたは複数の第１の区域を推定するように構成される。
いくつかの実施形態によれば、このシステムは、画像処理を参照画像に適用するように構成され、画像処理は、参照画像の反復パターンを減衰させる。
いくつかの実施形態によれば、このシステムは、第１の軸に沿ったアレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域を１つまたは複数の第１のクラスタにクラスタ化し、第２の軸に沿ったアレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域を１つまたは複数の第２のクラスタにクラスタ化し、１つまたは複数のアレイに対応する画像の１つまたは複数の第１の区域と１つまたは複数の領域に対応する画像の１つまたは複数の第２の区域を区別するために第１のクラスタおよび第２のクラスタを使用するように構成される。
いくつかの実施形態によれば、このシステムは、クラスタごとに、１つまたは複数のクラスタを囲む多角形を決定し、多角形を画像の第１の区域として出力するように構成される。
いくつかの実施形態によれば、このシステムは、いくつかのサブ区域が閾値を満たすクラスタのみを選択するように構成される。
いくつかの実施形態によれば、このシステムは、半導体試料の実行時試験の前の設定フェーズに振幅基準の情報を与えるデータを取得するように構成される。
いくつかの実施形態によれば、このシステムは、第２の相関行列を取得するために、画像の１つまたは複数の第１の区域のピクセル強度と、反復構造要素のうちの少なくとも１つの情報を与える第２の参照画像のピクセル強度との間の相関分析を実行し、振幅基準を満たす第２の相関行列の値に対応する画像の１つまたは複数の第１の区域のサブ区域を決定し、画像の１つまたは複数の第１の区域中のサブ区域の位置と、アレイ中の反復構造要素の予定位置の情報を与えるデータとに少なくとも基づいて、画像の１つまたは複数の第１の区域と、アレイとの間のゆがみのマップを決定し、ゆがみのマップに基づいて、修正された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よれば、このシステムは、修正された画像中のサブ区域の位置、およびアレイ中の反復構造要素の予定位置の情報を与えるデータが、近接基準を満たすように、修正された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よれば、このシステムは、画像の１つまたは複数の第１の区域のサブ区域の位置と、アレイ中の反復構造要素の予定位置の情報を与えるデータとの間のゆがみＤＦcentralを決定し、少なくともＤＦcentralに適用される補間法に基づいて、画像の１つまたは複数の第１の区域と、半導体試料のアレイとの間のゆがみのマップを決定するように構成される。
いくつかの実施形態によれば、このシステムは、反復構造要素のうちの少なくとも１つの情報を与える参照画像を取得し、第２の参照画像として参照画像のサブセットのみを選択するように構成される。
本開示の主題の他の態様によれば、半導体試料を試験する方法が提供され、この方法は、プロセッサおよびメモリ回路（ＰＭＣ）によって、各々が反復構造要素を含む１つまたは複数のアレイと、各領域が、対応するアレイを少なくとも部分的に囲み、反復構造要素とは異なる特徴部を含む１つまたは複数の領域とを含む半導体試料の画像を取得することと、半導体試料の実行時走査中に、相関行列を取得するために、画像のピクセル強度と、反復構造要素のうちの少なくとも１つの情報を与える参照画像のピクセル強度との間の相関分析を実行することと、１つまたは複数のアレイに対応する画像の１つまたは複数の第１の区域と１つまたは複数の領域に対応する画像の１つまたは複数の第２の区域を区別するために相関行列を使用することと、画像の１つまたは複数の第１の区域の情報を与えるデータを出力することとを含む。
いくつかの実施形態によれば、この方法は、振幅基準を満たす相関行列の値に対応する画像のサブ区域を決定することと、アレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域を１つまたは複数のクラスタにクラスタ化することと、１つまたは複数のクラスタに少なくとも基づいて１つまたは複数の第１の区域を決定することとを含む。
いくつかの実施形態によれば、１つまたは複数のアレイは、１つまたは複数の境界によって１つまたは複数の領域から分離され、この方法は、境界に至るまで少なくとも１つまたは複数のアレイのみを含む画像の１つまたは複数の第１の区域を推定することと、１つまたは複数の領域に対応する１つまたは複数の第２の区域を除くこととを含む。
いくつかの実施形態によれば、この方法は、第１の軸に沿ったアレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域を１つまたは複数の第１のクラスタにクラスタ化することと、第２の軸に沿ったアレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域を１つまたは複数の第２のクラスタにクラスタ化することと、１つまたは複数のアレイに対応する画像の１つまたは複数の第１の区域と１つまたは複数の領域に対応する画像の１つまたは複数の第２の区域を区別するために第１のクラスタおよび第２のクラスタを使用することとを含む。
いくつかの実施形態によれば、この方法は、いくつかのサブ区域が閾値を満たすクラスタのみを選択することを含む。
いくつかの実施形態によれば、この方法は、第２の相関行列を取得するために、画像の１つまたは複数の第１の区域のピクセル強度と、反復構造要素のうちの少なくとも１つの情報を与える第２の参照画像のピクセル強度との間の相関分析を実行することと、強度基準を満たす第２の相関行列の値に対応する画像の１つまたは複数の第１の区域のサブ区域を決定することと、画像の１つまたは複数の第１の区域中のサブ区域の位置と、アレイ中の反復構造要素の予定位置の情報を与えるデータとに少なくとも基づいて、画像の１つまたは複数の第１の区域と、アレイとの間のゆがみのマップを決定することと、ゆがみのマップに基づいて、修正された画像を生成することとを含む。
いくつかの実施形態によれば、この方法は、画像の１つまたは複数の第１の区域のサブ区域の位置と、アレイ中の反復構造要素の予定位置の情報を与えるデータとの間のゆがみＤＦcentralを決定することと、少なくともＤＦcentralに適用される補間法に基づいて、画像の１つまたは複数の第１の区域と、半導体試料のアレイとの間のゆがみのマップを決定することとを含む。
本開示の主題の他の態様によれば、命令を含む非一時的コンピュータ可読媒体であって、命令がＰＭＣによって実行されると、上述のようにＰＭＣに操作を実行させる、非一時的コンピュータ可読媒体が提供される。
本開示の主題の他の態様によれば、半導体試料の試験のシステムが提供され、このシステムは、各々が反復構造要素を含む１つまたは複数のアレイと、各領域が、対応するアレイを少なくとも部分的に囲み、反復構造要素とは異なる特徴部を含む１つまたは複数の領域とを含む半導体試料の画像を取得し、１つまたは複数のアレイおよび１つまたは複数の領域の少なくとも一方のピクセル強度の情報を与えるデータＤthresholdを取得するように構成されたプロセッサおよびメモリ回路（ＰＭＣ）を含み、ＰＭＣは、半導体試料の実行時走査中に、画像の複数の軸に沿ったピクセル強度を表すデータＤX、ＤYを決定し、１つまたは複数のアレイに対応する画像の１つまたは複数の第１の区域と１つまたは複数の領域に対応する画像の１つまたは複数の第２の区域を区別するためにＤX，ＤY、およびＤthresholdを使用し、画像の１つまたは複数の第１の区域の情報を与えるデータを出力するように構成される。
いくつかの実施形態によれば、このシステムは、画像の複数の行（ｌｉｎｅ）の各々に沿ったピクセル強度を表すデータＤXを決定し、画像の複数の列の各々に沿ったピクセル強度を表すデータＤYを決定し、１つまたは複数のアレイに対応する画像の１つまたは複数の第１の区域と１つまたは複数の領域に対応する画像の１つまたは複数の第２の区域を区別するためにＤX，ＤY、およびＤthresholdを使用し、画像の１つまたは複数の第１の区域の情報を与えるデータを出力するように構成される。
いくつかの実施形態によれば、１つまたは複数のアレイの各々は、画像の目視検査によって区別できない構造要素を含む。
いくつかの実施形態によれば、このシステムは、画像の複数の行の各々に沿ったピクセル強度を表すデータＤXを決定し、ＤXが第１の閾値を超えている画像の行を含む画像のサブセットＳLを選択し、サブセットＳLの複数の列の各々に沿ったピクセル強度を表すデータＤY,SLを決定し、ＤY,Lが第２の閾値を超えているＳLの列のサブセットＣSLを決定し、ＣSLに少なくとも基づいて１つまたは複数の第１の区域を決定するように構成される。
いくつかの実施形態によれば、このシステムは、画像の複数の列の各々に沿ったピクセル強度を表すデータＤYを決定し、ＤYが第１の閾値を超えている画像の列を含む画像のサブセットＳCを選択し、サブセットＳCの複数の行の各々に沿ったピクセル強度を表すデータＤX,SCを決定し、ＤX,SCが第２の閾値を超えているＳCの行のサブセットＬSCを決定し、ＬSCに少なくとも基づいて１つまたは複数の第１の区域を決定するように構成される。
いくつかの実施形態によれば、第１の閾値は第２の閾値よりも厳しい。いくつかの実施形態によれば、第１の閾値は第３の閾値よりも厳しい。
いくつかの実施形態によれば、対応する方法（システムを参照して上述したような操作を含む）と、命令を含む非一時的コンピュータ可読媒体であって、前記命令がＰＭＣによって実行されると、対応する操作をＰＭＣに実行させる、非一時的コンピュータ可読媒体が提供される。
いくつかの実施形態によれば、提案する解決策は、半導体試料の画像において、反復構造要素を含むアレイと、反復構造要素とは異なる特徴部を含む周囲領域を区別することを可能にする。いくつかの実施形態によれば、提案する解決策は、効率的であり、半導体試料の実行時走査の間機能する。いくつかの実施形態によれば、アレイの正確な識別が行われ、それにより、アレイと周囲領域を分離するアレイの境界までアレイを抽出することが可能になる。いくつかの実施形態によれば、提案する解決策は、アレイの画像に存在するゆがみの修正を可能にする。特に、効率的で正確な修正が可能である。
本開示を理解し、本開示が実際にどのように実行されるかを知るために、次に、実施形態が、単に非限定的な例として、添付の図面を参照して説明される。
本開示の主題の特定の実施形態による試験システムの一般化されたブロック図である。 試料の画像に反復構造要素を含むアレイを識別する方法の一般化された流れ図である。 反復構造要素をもつアレイと、周囲領域とを含む画像の非限定的な例を示す図である。 図２の方法の動作のあり得る実施態様の一般化された流れ図である。 図２の方法を使用して取得された相関行列の非限定的な例を示す図である。 反復構造要素を含むアレイの非限定的な例を示す図である。 図２の方法を使用して取得された相関行列の別の非限定的な例を示す図である。 図２の方法で使用される参照画像を処理する方法の一般化された流れ図である。 図４の方法の使用の非限定的な例を示す図である。 試料の画像に反復構造要素を含むアレイを識別する別の方法の一般化された流れ図である。 図５の方法の適用の非限定的な例を示す図である。 試料の画像に反復構造要素を含むアレイを識別する方法の別の実施形態の一般化された流れ図である。 図６の方法の適用の非限定的な例を示す図である。 反復構造要素を含むアレイの歪んだ画像の非限定的な例を示す図である。 図７の画像におけるゆがみを修正する方法の一般化された流れ図である。 図８の方法の適用の非限定的な例を示す図である。 図８の方法で使用される参照画像を処理する方法の一般化された流れ図である。 図９の方法の適用の非限定的な例を示す図である。
以下の詳細な説明では、本開示の完全な理解を提供するために、多数の特定の詳細が記載される。しかしながら、本開示の主題は、これらの特定の詳細なしで実践され得ることを当業者は理解するであろう。他の例では、本開示の主題を不明瞭にしないために、よく知られている方法、手順、構成要素、および回路は、詳細には説明されていない。
特に記載のない限り、以下の議論から明らかなように、本明細書の全体にわたって、「処理する」、「取得する」、「選択する」、「決定する」、「生成する」、「出力する」、「使用する」、「実行する」などのような用語を利用する議論は、データを他のデータに操作および／または変換するコンピュータのアクションおよび／またはプロセスを指し、前記データは、電子などの物理的な量として表され、および／または前記データは物理的対象を表すことを理解されたい。「コンピュータ」という用語は、非限定的な例として、本出願で開示されるシステム１０３およびそのそれぞれの部分を含む、データ処理能力をもつあらゆる種類のハードウェアベースの電子デバイスを包含するように広く解釈されるべきである。
本明細書で使用される「非一時的メモリ」および「非一時的記憶媒体」という用語は、本開示の主題に適する任意の揮発性または不揮発性コンピュータメモリを包含するように広く解釈されるべきである。
本明細書で使用される「試料」という用語は、半導体集積回路、磁気ヘッド、フラットパネルディスプレイ、および他の半導体製造品を生産するために使用されるあらゆる種類のウエハ、マスク、および他の構造、それらの組合せおよび／または一部を包含するように広く解釈されるべきである。
本明細書で使用される「試験」という用語は、あらゆる種類の計測学関連操作、ならびに製造中の試料の欠陥の検出および／または分類に関連する操作を包含するように広く解釈されるべきである。試験は、非破壊試験ツールを使用することによって、試験されるべき試料の生産中またはその後に行われる。非限定的な例として、試験プロセスは、同じまたは異なる検査ツールを使用して試料またはその一部に関して行われる実行時走査（単一の走査または多数の走査で）、サンプリング、レビュー、測定、分類、および／または他の操作を含むことができる。同様に、試験は、試験されるべき試料の生産の前に行うことができ、例えば、試験方策および／または他の設定操作を生成することを含むことができる。特に記載のない限り、本明細書で使用される「試験」という用語またはその派生語は、検査区域の解像度またはサイズに関して限定されないことに留意されたい。多種多様な非破壊試験ツールには、非限定的な例として、走査型電子顕微鏡、原子間力顕微鏡、光学検査ツールなどが含まれる。
非限定的な例として、実行時試験は、２つのフェーズの手順、例えば、試料の検査と、それに続く、潜在的な欠陥のサンプリングされた場所のレビューを利用することができる。第１のフェーズ中に、試料の表面が、高速および比較的低い解像度で検査される。第１のフェーズにおいて、欠陥マップが作り出されて、欠陥の高い確率を有する試料の疑わしい場所が示される。第２のフェーズ中に、疑わしい場所の少なくとも一部が、比較的高い解像度でより完全に分析される。両方のフェーズを同じ検査ツールで実施できる場合もあれば、これらの２つのフェーズを異なる検査ツールで実施する場合もある。
本明細書で使用される「欠陥」という用語は、試料上にまたはその中に形成されたあらゆる種類の異常または望ましくない特徴部を包含するように広く解釈されるべきである。
本明細書で使用される「設計データ」という用語は、試料の階層的な物理的設計（レイアウト）を示す任意のデータを包含するように広く解釈されるべきである。設計データは、それぞれの設計者によって提供されてもよく、および／また物理的設計から導出されてもよい（例えば、複雑なシミュレーション、簡単な幾何学的演算およびブール演算などにより）。設計データは、非限定的な例として、ＧＤＳＩＩフォーマット、ＯＡＳＩＳフォーマットなどのような様々なフォーマットで提供されてもよい。設計データは、ベクトルフォーマット、グレイスケール強度画像フォーマット、または他の方法で提示されてもよい。
特に記載のない限り、別個の実施形態の文脈に記載されている本開示の主題の特定の特徴はまた、単一の実施形態に組み合わせて提供されてもよいことを理解されよう。逆に、単一の実施形態の文脈に記載されている本開示の主題の様々な特徴はまた、別々にまたは任意の適切な副組合せで提供されてもよい。以下の詳細な説明では、方法および装置の完全な理解を提供するために、多数の特定の詳細が記載される。
これを念頭に置いて、本開示の主題の特定の実施形態による試験システムの機能ブロック図を示す図１に注目する。図１に示された試験システム１００は、試料製造プロセスの一部として試料（例えば、ウエハおよび／またはその一部の）を試験するために使用することができる。図示の試験システム１００は、試料製造中に取得された画像を使用して計測学関連情報および／または欠陥関連情報を自動的に決定することができるコンピュータベースシステム１０３を含む。システム１０３は、１つまたは複数の低解像度試験ツール１０１、および／または１つまたは複数の高解像度試験ツール１０２、および／または他の試験ツールに動作可能に接続することができる。試験ツールは、画像を捕捉する、および／または捕捉した画像をレビューする、および／または捕捉した画像に関連する測定を可能にするかまたは行うように構成される。システム１０３は、さらに、ＣＡＤサーバ１１０およびデータレポジトリ１０９に動作可能に接続することができる。
システム１０３は、ハードウェアベース入力インタフェース１０５およびハードウェアベース出力インタフェース１０６に動作可能に接続されたプロセッサおよびメモリ回路（ＰＭＣ）１０４を含む。ＰＭＣ１０４は、以下でさらに詳述するように、システム１０３を操作するために必要なすべての処理を行うように構成され（例えば、システム１０３によって少なくとも部分的に実行され得る図２から図５、図６、図８、および図９に記載された方法を参照）、プロセッサ（別個に示されていない）およびメモリ（別個に示されていない）を含む。ＰＭＣ１０４のプロセッサは、ＰＭＣに含まれる非一時的コンピュータ可読メモリに実装されたコンピュータ可読命令に従っていくつかの機能モジュールを実行するように構成することができる。そのような機能モジュールは、以下、ＰＭＣに含まれているとして参照される。ＰＭＣ１０４に含まれる機能モジュールは、ディープニューラルネットワーク（ＤＮＮ）１１２を含む。ＤＮＮ１１２は、試料の画像に基づいてアプリケーション関連データを出力するための機械学習アルゴリズムを使用してデータ処理を可能にするように構成される。
非限定的な例として、ＤＮＮ１１２の層は、畳み込みニューラルネットワーク（ＣＮＮ）アーキテクチャ、回帰型ニューラルネットワークアーキテクチャ、再帰型ニューラルネットワークアーキテクチャ、敵対的生成ネットワーク（ＧＡＮ）アーキテクチャ、または他の方法に従って組織化することができる。オプションとして、層のうちの少なくとも一部は、複数のＤＮＮサブネットワークで組織化することができる。ＤＮＮの各層は、一般に当技術分野で次元、ニューロン、またはノードと呼ばれる多数の基本的な計算要素（ＣＥ）を含むことができる。
一般に、所与の層の計算要素は、先行層および／または後続層のＣＥに接続することができる。先行層のＣＥと後続層のＣＥとの間の各接続は、重み付け値に関連づけられる。所与のＣＥは、それぞれの接続を介して前の層のＣＥから入力を受け取ることができ、各所与の接続は、所与の接続の入力に適用することができる重み付け値に関連づけられる。重み付け値は、接続の相対的強度、したがって、所与のＣＥの出力へのそれぞれの入力の相対的な影響を決定することができる。所与のＣＥは、活性化値（例えば、入力の重み付け和）を計算し、さらに、計算された活性化に活性化関数を適用することによって出力を導き出すように構成することができる。活性化関数は、例えば、恒等関数、確定関数（例えば、線形、シグモイド、閾値など）、確率関数、または他の適切な関数とすることができる。所与のＣＥからの出力は、それぞれの接続を介して後続層のＣＥに送出され得る。同様に、上述のように、ＣＥの出力での各接続は、後続層のＣＥの入力として受け取られる前に、ＣＥの出力に適用することができる重み付け値に関連づけられ得る。重み付け値に付け加えて、接続およびＣＥに関連づけられる閾値（制限機能を含む）がある場合がある。
ＤＮＮ１１２の重み付け値および／または閾値は、最初に、訓練の前に選択することができ、さらに、訓練中に反復して調節または変更して、訓練されたＤＮＮでは重み付け値および／または閾値の最適なセットを達成することができる。各反復の後、ＤＮＮ１１２によって作り出された実際の出力と、それぞれの訓練データセットに関連づけられた目標出力との間の差（損失関数とも呼ばれる）を決定することができる。差はエラー値と呼ばれることもある。エラー値を示すコスト関数または損失関数が所定の値未満であるとき、または反復間の性能の限定された変化が実現されたとき、訓練は完了したと決定することができる。オプションとして、ＤＮＮサブネットワークの少なくとも一部（存在する場合）は、ＤＮＮ全体を訓練する前に別個に訓練されてもよい。
システム１０３は、入力インタフェース１０５を介して、入力データを受け取るように構成される。入力データは、試験ツールによって作り出されたデータ（および／またはその派生物および／またはそれに関連づけられたメタデータ）、および／または１つまたは複数のデータレポジトリ１０９において、および／またはＣＡＤサーバ１１０および／または別の関連するデータレポジトリにおいて作り出されたおよび／または格納されたデータを含むことができる。入力データは、画像（例えば、捕捉画像、捕捉画像から導出された画像、シミュレートされた画像、合成画像など）および関連する数値データ（例えば、メタデータ、手作りの属性など）を含むことができることに留意されたい。画像データは、注目する層に関連するデータ、および／または試料の１つまたは複数の他の層に関連するデータを含むことができることにさらに留意されたい。
システム１０３は、受け取った入力データの少なくとも一部を処理し、出力インタフェース１０６を介して、結果（またはその一部）を、ストレージシステム１０７、試験ツール、結果をレンダリングするためのコンピュータベースグラフィカルユーザインタフェース（ＧＵＩ）１０８、および／または外部システム（例えば、ＦＡＢの歩留り管理システム（ＹＭＳ））に送るようにさらに構成される。ＧＵＩ１０８は、オペレーティングシステム１０３に関連するユーザ指定入力を可能にするようにさらに構成することができる。
非限定的な例として、試料は、１つまたは複数の低解像度試験機１０１（例えば、光学検査システム、低解像度ＳＥＭなど）で試験することができる。試料の低解像度画像の情報を与える結果データ（以下、低解像度画像データ１２１と呼ぶ）は、システム１０３に送出することができる（直接または１つまたは複数の中間システムを介して）。代替としてまたは追加として、試料は、高解像度機１０２で試験することができる（例えば、レビューのために選択された潜在的な欠陥場所のサブセットは、走査型電子顕微鏡（ＳＥＭ）または原子間力顕微鏡（ＡＦＭ）によってレビューすることができる）。試料の高解像度画像の情報を与える結果データ（以下、高解像度画像データ１２２と呼ぶ）は、システム１０３に送出することができる（直接または１つまたは複数の中間システムを介して）。
試料の所望の場所の画像を異なる解像度で捕捉することができることに留意されたい。非限定的な例として、所望の場所のいわゆる「欠陥画像」は、欠陥と偽警報を区別するために使用することができ、一方、所望の場所のいわゆる「クラス画像」は、より高い解像度で取得され、欠陥分類のために使用することができる。いくつかの実施形態では、同じ場所の複数の画像（同じ解像度または異なる解像度による）は、それらの間に登録されているいくつかの画像（例えば、所与の場所から捕捉された複数の画像、および所与の場所に対応する１つまたは複数の参照画像）を含むことができる。
画像データは、それに関連するメタデータ（例えば、ピクセルサイズ、欠陥タイプのテキスト記述、画像捕捉プロセスのパラメータなど）と一緒に受け取られ処理されてもよいことに留意されたい。
入力データ（例えば、低解像度画像データおよび／または高解像度画像データ、オプションとして、例えば設計データ、合成データなどのような他のデータと一緒に）を処理すると、システム１０３は、結果（例えば、命令関連データ１２３および／または１２４）を試験ツールのいずれかに送り、結果（例えば、欠陥属性、欠陥分類など）をストレージシステム１０７に格納し、ＧＵＩ１０８を介して結果をレンダリングし、および／または外部システムに（例えば、ＹＭＳに）に送ることができる。
本開示の主題の教示は図１に示されたシステムによって拘束されず、等価の機能および／または修正された機能は、別の方法で統合または分割されてもよく、ソフトウェアをファームウェアおよび／またはハードウェアと適切に組み合わせて実施されてもよいことを当業者は理解するであろう。
本開示の範囲を決して限定することなしに、試験ツールは、光学イメージング機、電子ビーム検査機などのような様々なタイプの検査機として実現することができることにも留意されたい。いくつかの場合には、同じ試験ツールが、低解像度画像データおよび高解像度画像データを提供することができる。いくつかの場合には、少なくとも１つの試験ツールは、計測学機能を有することができる。
図１に示された試験システムは、分散コンピューティング環境で実現させることができ、図１に示された前記の機能モジュールは、いくつかのローカルおよび／またはリモートデバイスにわたって分散させることができ、通信ネットワークを通してリンクさせることができることに留意されたい。さらに、他の実施形態では、少なくともいくつかの試験ツール１０１および／または１０２、データレポジトリ１０９、ストレージシステム１０７、および／またはＧＵＩ１０８は、試験システム１００の外にあり、入力インタフェース１０５および出力インタフェース１０６を介してシステム１０３とデータ通信して動作できることに留意されたい。システム１０３は、試験ツールに関連して使用され得るスタンドアロンコンピュータとして実現することができる。代替として、システムのそれぞれの機能は、１つまたは複数の試験ツールに少なくとも部分的に統合することができる。
次に、図２に注目する。方法は、試料の画像２５０を取得する（操作２００）ことを含む。いくつかの実施形態によれば、画像２５０は、試料の実行時走査中に試験ツール（試験ツール１０１など）によって獲得される。試料は、１つまたは複数のアレイ２６０を含む。アレイ２６０は、反復構造要素（アレイのうちの１つに参照２６１として表される）を含む。反復構造要素は、例えば、メモリセル（ＳＲＡＭ、ＤＲＡＭ、ＦＲＡＭ、フラッシュメモリなど）、プログラマブル論理セルなどを含む。これらの例は限定的ではない。一般に、反復構造要素は、反復パターンまたは格子に従って各アレイに配列される。例えば、２つの隣接する反復構造要素間の距離（水平軸および垂直軸による）は、様々なアレイの間で一定であるか、または少なくとも実質的に一定である。
試料は、１つまたは複数の領域２６５を含む。各領域２６５は、対応するアレイ２６０を少なくとも部分的に囲む。領域２６５は、アレイ２６０内に存在する反復構造要素を含まない。図２Ａの非限定的な例では、試料は、アレイ２６０を囲む垂直および水平領域２６５を含む。領域２６５は、例えば、スティッチに対応することができる。各領域２６５は、反復構造要素２６０とは異なる特徴部を含む。いくつかの実施形態では、領域２６５は、非反復特徴部、および／または反復構造要素２６０とは異なる反復特徴部を含むことができる。非反復特徴部の例は、例えば、論理を含む。しかしながら、これは限定的ではない。
この方法は、画像２５０のピクセル強度と、反復構造要素のうちの少なくとも１つの情報を与える参照画像のピクセル強度との間の相関分析を実行する（操作２１０）ことをさらに含む。参照画像は、例えば、反復構造要素のうちの１つの画像を含むことができる。参照画像は、「ゴールデンセル」とも呼ばれる。いくつかの実施形態によれば、参照画像は、設計データに基づいて生成される。いくつかの実施形態によれば、参照画像は、（例えば、前の分析から）欠陥がないことが分かっている構造要素の画像から取得される。いくつかの実施形態によれば、参照画像は、試料の実行時試験の前に、設定フェーズ中に取得される。設定フェーズでは、時間および処理の制約はそれほど厳密ではなく、それゆえに、参照画像を構成する反復構造要素のうちの１つの画像を獲得することが可能である。
２１０で実行された相関分析の出力は、複数の値を含む相関行列を含むことができる。各値は、画像２５０のサブ区域に関連づけられ、サブ区域のピクセル強度と参照画像のピクセル強度との間の相関のレベルを示す。
この方法は、１つまたは複数のアレイ２６０に対応する画像２５０の１つまたは複数の第１の区域と１つまたは複数の領域２６５に対応する画像の１つまたは複数の第２の区域を区別するために相関行列を使用する（操作２２０）ことをさらに含むことができる。図２Ａは、１つまたは複数の第１の区域２７０および１つまたは複数の第２の区域２７５の例を示す。いくつかの実施形態では、１つまたは複数の第１の区域２７０に属するとして識別されない画像のすべての区域は、１つまたは複数の第２の区域２７５の一部であると見なされる。
この方法は、画像２５０の１つまたは複数の第１の区域２７０の情報を与えるデータを出力すること２３０をさらに含む。これは、例えば、画像２５０中の１つまたは複数の第１の区域２７０の場所を出力すること、および／または１つまたは複数の第１の区域２７０のみを含む画像２５０の選択されたものを出力することを含むことができる。いくつかの実施形態によれば、この方法は、１つまたは複数の第２の区域２７５の場所を出力すること、および／または１つまたは複数の第２の区域２７５のみを含む画像２５０の選択されたものを出力することを含むことができる
いくつかの実施形態によれば、少なくとも操作２１０、２２０、および２３０は、試料の実行時走査中に実行される。言い換えれば、画像中のアレイを識別する方法は、効率的であり、それゆえに、実行時フェーズ中に実行することができる。
いくつかの実施形態によれば、画像中の１つまたは複数の第１の区域２７０の識別は、試料の実行時走査中に、例えば、アレイの欠陥を表すデータ（例えば、欠陥の場所、欠陥のクラスなど）を決定するように構成されたＰＭＣによって使用される。特に、ＰＭＣは、反復構造要素を含むアレイ中の欠陥を検出するように特別に作られた、欠陥を検出するためのアルゴリズムを実装することができる。
図２Ａに示すように、１つまたは複数のアレイ２６０は、１つまたは複数の境界２６６によって１つまたは複数の領域２６５から分離される。境界２６６は、アレイ２６０と、対応する周囲領域２６５との間の物理的限界を画定する。
いくつかの実施形態によれば、この方法は、境界２６６に至るまで少なくとも１つまたは複数のアレイ２６０のみを含む画像２５０の１つまたは複数の第１の区域２７０を推定することを可能にする。特に、いくつかの実施形態によれば、この方法は、１つまたは複数の領域２６５に対応する１つまたは複数の第２の区域２７５を除いて、境界２６６までアレイ２６０を識別することを可能にする。
操作２１０から操作２３０の非限定的な実施態様を示す図３に注目する。
操作２１０を参照して説明したように、相関行列が取得される。画像２５０の所与の領域で取得された相関行列３６５の非限定的な例が図３Ａに示される。
それゆえに、この方法は、振幅基準を満たす相関行列３６５の値に対応する画像２５０のサブ区域を決定する（操作３００）ことを含むことができる。振幅基準は、例えば、局所的最大相関ピークが識別される（実施形態によっては、絶対閾値を設定することができる）画像２５０のサブ区域が、画像２５０中の反復構造要素の場所に対応することを定義することができる。いくつかの実施形態によれば、試料の実行時試験の前の設定フェーズ中に、反復構造要素のうちの１つを含むサブ区域で取得された相関ピークの振幅の第１の推定が取得され、それは、実行時試験中に使用される振幅基準を決定するために使用することができ、振幅基準には、構造要素が存在することが考慮されている。
図３Ａに示されるように、相関行列３６５は、画像のサブ区域３７５に位置する相関のピーク（極大値）３６７を含む。これらのサブ区域３７５は、反復構造要素の場所の推定に対応する。実際、相関分析は、画像のピクセル強度を、反復構造要素の情報を与える参照画像のピクセル強度と相関させることを含むので、反復構造要素を含む画像のサブ区域は、反復構造要素を含まない画像のサブ区域（領域２６５）と比較して高い相関値を提供することになることが予想される。
この方法は、アレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域３７５を１つまたは複数のクラスタにクラスタ化する（操作３１０）ことをさらに含むことができる。
上記のように、反復構造要素は、一般に、反復パターンまたは格子に従って配列される。それゆえに、アレイ中の２つの連続する構造要素間の距離を取得することが可能である。いくつかの実施形態では、第１の軸（例えば、水平軸、画像の行に対応する）に沿ったアレイ中の反復構造要素３６１間の距離の情報を与えるデータ（図３Ｂの参照３６８を参照）、および第２の軸（例えば、垂直軸、画像の列に対応する）に沿ったアレイ中の反復構造要素間の距離の情報を与えるデータ（図３Ｂの参照３６９を参照）を取得することができる。図示のように、距離は、構造要素の中心間で測定することができる。
いくつかの実施形態によれば、操作３１０は、第１の軸３７２に沿ったアレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域３７５を１つまたは複数の第１のクラスタにクラスタ化することを含むことができる。いくつかの実施形態によれば、所与のクラスタにおいて、サブ区域３７５は、クラスタの別のサブ区域３７５から、第１の軸に沿った反復構造要素間の距離以下の距離に位置する。サブ区域が第１の軸３７２に沿って同じクラスタ３７０に割り当てられる非限定的な例が、図３Ａに示される。図示のように、サブ区域３７４は、各サブ区域からクラスタ３７０までの距離が第１の軸３７２に沿った２つの反復構造要素間の距離を超えているので、クラスタ３７０に割り当てられない。
いくつかの実施形態によれば、操作３１０は、第２の軸３７３に沿ったアレイ中の反復構造要素間の距離の情報を与えるデータに基づいて、サブ区域を１つまたは複数の第２のクラスタにクラスタ化することを含むことができる。いくつかの実施形態によれば、所与のクラスタにおいて、サブ区域は、クラスタの別のサブ区域から、第２の軸３７３に沿った反復構造要素間の距離以下の距離に位置する。サブ区域が第２の軸３７３に沿って同じクラスタ３８１に割り当てられる非限定的な例が、図３Ａに示される。図示のように、サブ区域３８３は、サブ区域３８３からクラスタ３８１までの距離が、第２の軸３７３に沿った２つの反復構造要素間の距離を超えているので、クラスタ３８１に割り当てられない。
この方法は、１つまたは複数のクラスタに少なくとも基づいて、１つまたは複数の第１の区域を決定する（操作３２０）ことを含む。特に、第１のクラスタを使用して、第１の軸３７２に沿った１つまたは複数の第１の区域のサイズおよび場所を決定することができ、第２のクラスタを使用して、第２の軸３７３に沿った１つまたは複数の第１の区域のサイズおよび場所を決定することができる。例えば、クラスタ３７０は、軸３７２に沿った第１の区域のサイズおよび場所を提供し、クラスタ３７０と交差するクラスタ３８１は、軸３７３に沿った同じ第１の区域のサイズおよび場所を提供する。結果として、第１の区域３８４が識別される。これをすべてのクラスタに対して実行することができ、すべてのクラスタを使用して異なる第１の区域の限界が決定される。
いくつかの実施形態によれば、別の操作が、クラスタを使用して第１の区域を識別するために実行される。特に、この方法は、第１の区域を画定するように識別された１つまたは複数のクラスタを囲む多角形（例えば、長方形または正方形）を決定することと、多角形を第１の区域として出力することとを含むことができる。例えば、図３Ａの例では、第１のクラスタ３７０および第２のクラスタ３８１に基づいて識別された第１の区域を包含する長方形３９２を生成することができる。
次に、図３Ｃに注目する。いくつかの実施形態によれば、この方法は、クラスタに存在するいくつかのサブ区域が閾値を満たす（例えば、閾値を超えている）クラスタのみを選択する（操作３３０）ことを含むことができる。これが、図３Ｃに示される。複数のクラスタ３８３1から３８３5が、軸３７２に沿って識別されている。３８３1として参照されるクラスタは、１つのサブ区域３８４のみを含む。アレイは、反復パターン（例えば、格子）に沿って配列された反復構造要素を含むことが分かっているので、サブ区域３８４は、反復パターンが孤立した構造要素を含まないという理由で、構造要素に対応しないと仮定することができる。それゆえに、このクラスタは、操作３２０で１つまたは複数の第１の区域を決定するときに無視または削除することができる。同じことを第２の軸３７３に沿って決定されたクラスタ（第２のクラスタ）に適用することができる。所与のクラスタが、閾値未満であるいくつかのサブ区域を含む場合、所与のクラスタは、操作３２０で１つまたは複数の第１の区域を決定するときに無視される。
次に、図４に注目する。いくつかの実施形態によれば、反復構造要素のうちの少なくとも１つの情報を与える参照画像は、画像処理アルゴリズムを使用して処理することができる。いくつかの実施形態によれば、画像処理アルゴリズムは、参照画像の反復パターンを減衰させる。例えば、部分的白化を参照画像に適用することができる。部分的白化は、例えば、参照画像を周波数ドメインに変換すること（例えば、参照画像のピクセルを示すＸ（ｉ，ｊ）を周波数ドメインのＸ（ｆ）に変換すること）と、高／強力周波数を劣化させること（例えば、
Figure 2022014880000002
 ）と、画像に戻すために逆変換を実行する（例えば、Ｘ’（ｆ）をＸ’（ｉ，ｊ）に変換する）こととを含むことができる。
図４の方法の非限定的な例が、図４Ａに示される。図示のように、アレイ４６０は、反復構造要素４１０および導電性ライン４１１を含む。導電性ライン４１１は、アレイ４６０を囲む領域４６５まで延びる。図４Ｂに示されるように、反復構造要素４１０の情報を与える参照画像４７０が取得される。修正された参照画像４７５を得るために、反復パターンを減衰させる画像処理（例えば、部分的白化）が参照画像４７０に適用される。図示のように、導電性ライン４１１（反復パターンに対応する）と構造要素４１０（やはり反復パターンに対応する）の両方は、修正された参照画像４７５では減衰している。結果として、修正された参照画像４７５と画像との間で相関が実行される（操作２１０を参照して説明したように）とき、サブ区域と領域の両方は、この実施形態では、共通の繰返し特徴部（導電性ライン４１１）を含むが、構造要素に対応するサブ区域は領域に対応するサブ区域よりも高い相関値を提供することになり、それによって、アレイと周囲領域を区別することが容易になる。
いくつかの実施形態によれば、方法は、１つまたは複数のアレイおよび１つまたは複数の周囲領域を含む試料の画像を取得する（操作５００）ことを含むことができる。操作５００は、上述の操作２００と同様である。実施形態によっては、画像は、電子ビーム試験ツールによって獲得される。場合によっては、画像の信号対雑音比が低い場合があり、それゆえに、参照画像との相関を必要とする図２の方法が、必ずしも適用可能とは限らない。低い信号対雑音比は、試料に存在する特徴部のサイズ、帯電効果などに起因する可能性がある。実施形態によっては、低い信号対雑音比に起因して、アレイの構造要素を画像の目視検査によってアレイ内で識別／区別することができない。実施形態によっては、画像のピクセルのサイズが構造要素のサイズよりも大きい場合があり、それゆえに、構造要素を目視検査によって区別することができない。
この方法は、アレイおよび周囲領域の少なくとも一方のピクセル強度の情報を与えるデータＤthresholdを取得する（操作５１０）ことをさらに含む。Ｄthresholdは、試料の実行時試験の前に、特に、設定フェーズ中に取得することができる。例えば、設定フェーズ中に、実行時中の試験下の試料と同様の試料の画像が取得される。演算子または自動アルゴリズム（例えば、Ｋ平均アルゴリズム）が、画像内のアレイおよび周囲領域の場所の最初の推定を提供する。アレイのピクセル強度の平均値Ｐarrayが計算され、周囲領域のピクセル強度の平均値Ｐregionが計算される。これらの２つの値は、アレイおよび周囲領域が異なる構造的特徴を含むので、異なることが予想される。Ｄthresholdは、例えば、ＰarrayおよびＰregionに基づいて計算することができる。Ｄthresholdは、例えば、これらの２つの値の間の平均に対応することができるが、これは限定的ではない。
この方法は、画像の複数の軸に沿ったピクセル強度を表すデータを決定する（操作５２０）ことをさらに含む。これは、特に、画像の複数の行の各々に沿ったピクセル強度を表すデータＤXと、画像の複数の列の各々に沿ったピクセル強度を表すデータＤYとを決定することを含むことができる。データＤX（またはＤY）は、例えば、画像の各行（または列）に沿ったピクセル強度の平均値として計算することができる。
この方法は、１つまたは複数のアレイに対応する画像の１つまたは複数の第１の区域と１つまたは複数の領域に対応する画像の１つまたは複数の第２の区域を区別するために、ＤX、ＤY、およびＤthresholdを使用する（操作５３０）ことをさらに含む。
操作５３０は、ＤXが閾値Ｄthreshold（例えば、設定フェーズ中に取得された）を超えている（または未満である、ピクセル強度がアレイまたは周囲領域に関してより高いかどうかに依存して）である画像の行、およびＤYが閾値Ｄthreshold（例えば、設定フェーズ中に取得された）を超えている画像の列を識別することを含むことができる。識別された行と列との交差により、アレイの場所の識別が行われる。
非限定的な例が、図５Ａに提供される。例えば、設定フェーズ中に、アレイの方が周囲領域よりもピクセル強度が（平均で）高い（ＰarrayがＰregionよりも大きい）ことが決定されていること、およびＤthresholdがＰarrayとＰregionの平均値として設定されていることを仮定する。行に沿ったピクセル強度の情報を与えるデータＤXは曲線５４５として示される（この曲線は、純粋に例示的であり、限定的ではない）。図示のように、アレイ５６２が配置されている画像の行では、曲線が閾値Ｄthreshold（５４８として参照される）を超えている。列に沿ったピクセル強度の情報を与えるデータＤYは、曲線５６１として示される（この曲線は、純粋に例示的であり、限定的ではない）。図示のように、アレイ５６２が配置されている画像の列では、曲線が閾値Ｄthreshold（５４８として参照される）を超えている。
この方法は、画像の１つまたは複数の第１の区域の情報を与えるデータを出力する（操作５４０）ことをさらに含む。操作５４０は、上述の操作２３０と同様である。特に、いくつかの実施形態によれば、曲線５４５が閾値５４８を超えている行と、曲線５６１が閾値５４８を超えている列との間の交差により、アレイの場所に対応する第１の区域の場所が推定される。
いくつかの実施形態によれば、少なくとも操作５１０、５３０、および５４０は、試料の実行時走査中に実行される。言い換えれば、画像中のアレイを識別する方法は、効率的であり、それゆえに、実行時フェーズ中に実行することができる。
次に、図６に注目する。場合によっては、アレイが配置されている画像の行および／または列に沿ったピクセル強度を表すデータは、他の行および／または列に沿ったピクセル強度を表すデータに近いことがある。アレイ６６０が、画像の左下隅に配置され、大きい領域６６５によって囲まれる非限定的な例が、図６Ａに示される。図６の方法は、アレイが配置されている画像の行および列と、他の行および列との区別を改善できるようにする解決策のあり得る実施形態である。
この方法は、画像の複数の行の各々に沿ったピクセル強度（例えば、行に沿ったピクセル強度の平均）を表すデータＤXを決定する（操作６１０）ことを含む。ＤXが、図６Ａに曲線６６８として表されている。第１の閾値Ｄthreshold,1が取得されている（例えば、実行時試験の前の設定フェーズ中に）と仮定する。Ｄthreshold,1は、アレイおよび領域の少なくとも一方のピクセル強度の情報を与える。いくつかの実施形態では、Ｄthreshold,1は、アレイに対応する画像の行と他の行を区別する確率を最大にするために、厳しい閾値（高い閾値）として選択することができる。例えば、設定フェーズ中に（実行時中に試験下にある試料と同様の試料の画像に実行される）、アレイのピクセル強度の平均値Ｐarrayが計算されており、周囲領域のピクセル強度の平均値Ｐregionが計算されている（上述で説明したように）ことを仮定する。例えば、ＰarrayがＰregionよりも高いと仮定する。Ｄthreshold,1をＰregionよりも高い値で選択して、周囲領域に対応する行を除去する確率を最大にすることができる。例えば、Ｄthreshold,1は、以下のように選択することができる。Ｄthreshold,1＝Ｐregion＋Ｎ＊σ（ここで、σは、周囲領域のピクセル強度の標準偏差であり、Ｎは、例えば２に等しい整数である）。
この方法は、ＤXがＤthreshold,1を超えている画像の行を含む画像のサブセットＳL（６８２として表された）を選択することを含む。図示のように、サブセットＳLは、アレイ６６０が配置されている画像の行６８３と、アレイ６６０を含まない画像の追加の行６８４（しかしながら、これらの追加の行のピクセル強度はＤthreshold,1を超えている）とを含む。この方法は、サブセットＳLの複数の列の各々に沿ったピクセル強度（例えば、列に沿ったピクセル強度の平均）を表すデータＤY,SL（図６Ｂの曲線６８６）を決定する（操作６３０）ことをさらに含む。この方法は、ＤY,SLが第２の閾値６９０を超えているＳLの列のサブセットＣSL（６８９として参照される）を決定する（操作６４０）ことを含む。この第２の閾値６９０は、実行時試験の前に、設定フェーズ中に実行された測定値に基づいて取得することができる。例えば、第２の閾値は、Ｐarray（アレイの平均ピクセル強度）とＰregion（周囲領域の平均ピクセル強度）の平均値と等しく設定にすることができる。しかしながら、これは限定的ではない。
列ＣSL（参照６８９）は行軸に沿ったアレイの位置を示す。次いで、画像の列軸（Ｙ軸）に沿ったアレイの位置およびサイズの決定を実行することができ、それにより、画像中のアレイに対応する１つまたは複数の第１の区域がもたらされる（操作６５０）。画像中の１つまたは複数の第１の区域（アレイに対応する）の位置を提供することができ、および／または画像中の１つまたは複数の第２の区域（周囲領域に対応する）（第１の区域として識別されなかったすべての区域に対応する）の位置を提供することができる。
実際、アレイに対応する画像の列６８９が識別された後、そうすると、図６Ｃではっきり分かるように、アレイを含む画像の行と画像の他の行を区別することがより容易である。画像のサブセットＳ’L（図６Ｃで６９２として参照される）が考えられる。このサブセットＳ’Lは、画像のすべての行を含み、前の操作で識別された画像の列６８９に限定される。この方法は、サブセットＳ’L（６９２）の複数の行の各々に沿ったピクセル強度（例えば、平均ピクセル強度）を表すデータ（６９３として参照される）を決定することと、データ６９３が第３の閾値６９５（実施形態によっては、第３の閾値６９５は第２の閾値６９０と等しいが、これは必須ではない）を超えている画像の行６９４を決定することとをさらに含む。図６Ｃではっきり分かるように、今では、ピクセル強度に基づいて、アレイを含む画像の行と他の行を区別することがより容易になる。これらの行６９４は、列６８９とともに、アレイに対応する画像の１つまたは複数の第１の区域を画定する。画像の他の区域は、アレイを囲む領域に対応する画像の第２の区域に対応する。
図６から図６Ｃの例では、この方法は、平均ピクセル強度が閾値を超えている行を含む画像のサブセットＳLを選択することによって開始する。この方法は、最初に列のサブセットを選択することによって同じように実行できることを理解されたい。この場合、この方法は、
－ 画像の複数の列の各々に沿ったピクセル強度を表すデータＤYを決定すること（操作６１０に相当する）と、
－ ＤYが第１の閾値を超えている画像の列を含む画像のサブセットＳCを選択すること（操作６２０に相当する）と、
－ サブセットＳCの複数の行の各々に沿ったピクセル強度を表すデータＤX,SCを決定すること（操作６３０に相当する）と、
－ ＤX,SCが第２の閾値を超えているＳCの行のサブセットＬSCを決定すること（操作６４０に相当する）と、
－ ＬSCに少なくとも基づいてアレイに対応する１つまたは複数の第１の区域を決定すること（操作６５０に相当する － アレイに対応する画像の行が分かっているので、図６Ｃを参照して説明したものと同様に、アレイに対応する画像の列を識別することがより容易になる）とを含むことができる。
いくつかの実施形態によれば、この方法は、さらに、アレイを周囲領域から分離する境界に至るまで少なくとも１つまたは複数のアレイのみを含む画像の１つまたは複数の第１の区域を推定することを可能にする。特に、いくつかの実施形態によれば、この方法は、１つまたは複数の領域に対応する１つまたは複数の第２の区域を除いて、境界までアレイを識別することを可能にする。
次に、図７に注目する。試料の画像が取得されており、各々が反復構造要素７２０を含む１つまたは複数のアレイ７１０に対応する１つまたは複数の第１の区域が識別されていると仮定する。この識別は、例えば、上述の様々な実施形態に依拠することができ、または他の識別方法に依拠することができる。それゆえに、１つまたは複数の第１の区域（アレイに対応する）に限定された画像７００は、１つまたは複数のアレイを囲む領域なしに利用可能である。実施形態によっては、画像７００は、１つまたは複数の第１の区域（アレイに対応する）と１つまたは複数の第２の区域（領域に対応する）の両方を含む。第１の区域の位置は分かっているので、第１の区域のみを操作することが可能である。以下、第１の区域（アレイに対応する）のみを含む画像７００が参照されることになるが、この方法は、画像の第１の区域にのみこの方法を適用することによって、第１の区域と第２の区域の両方を含む画像に同様に適用することができることを理解されたい。
図７ではっきり分かるように、いくつかの実施形態では、アレイの画像７００が歪められている。特に、画像７００においてはっきり分かるアレイ中の構造要素７２０の位置は、アレイ中の予定位置（試料における真の位置）と合致しない。これは、試験ツールなどの測定エラーなどのような様々な要因に起因している可能性がある。
欠陥検出および／または分類などの様々な用途で画像７００を使用しようとする場合、ゆがみは問題になる可能性がある。それゆえに、このゆがみを修正することが必要とされる。図８は、アレイの画像に存在するゆがみを修正する方法の一実施形態を示す。
この方法は、画像７００のピクセル強度と、反復構造要素のうちの少なくとも１つの情報を与える参照画像のピクセル強度との間の相関分析を実行する（操作８００）ことを含む。操作８００で使用される参照画像は、アレイに対応する画像の第１の区域を識別するために操作２１０で使用された参照画像と異なっていてもよい（この場合、操作２１０で使用された第１の参照画像とは異なる第２の参照画像が、操作８００で使用される）。しかしながら、これは必須ではない。相関分析の出力は、第２の相関行列（操作２１０で取得された相関行列とは異なることがある）である。実施形態によっては、操作２１０で取得された相関行列を再使用することが可能である（この場合、１つまたは複数の第１の区域に対応する値のみが使用される）。
この方法は、振幅基準を満たす第２の相関行列の値に対応する画像のサブ区域を決定する（操作８１０）ことをさらに含むことができる。特に、振幅基準は、第２の相関行列の極大値（例えば、局所極大値）に関連する画像のサブ区域が識別されることを要求することができる。
図８Ａに示すように、第２の相関行列８６０は、所与のサブ区域６８５に位置する相関のピーク（極大値）を含む。これらのサブ区域８６５は、反復構造要素の場所の推定に（特に、各構造要素の中央区域に）対応する。実際、相関分析は、画像のピクセル強度を、反復構造要素の情報を与える参照画像のピクセル強度と相関させることを含むので、反復構造要素を含む画像７００のサブ区域は、反復構造要素を含まない画像７００のサブ区域と比較して高い相関値を提供することになることが予想される。
この方法は、画像７００とアレイとの間のゆがみのマップを決定する（操作８２０）ことをさらに含むことができる。ゆがみのマップは、サブ区域の位置（第２の相関行列を使用して決定された）およびアレイ中の反復構造要素の予定位置の情報を与えるデータに基づいて決定することができる。
第２の相関行列の極大値に対応するサブ区域８６５の位置、およびアレイ中の構造要素の予定位置８６６を示す非限定的な例が、図８Ｂに示される。サブ区域ごとに、画像中の構造要素の位置（第２の相関行列の極大値を使用して推定された）と、対応する構造要素の予定位置８６６との間の差を示すゆがみのベクトル８６７を決定することが可能である。
いくつかの実施形態によれば、ゆがみのマップは、画像全体に対して決定することができる。実際、上記のように、画像中のサブ区域８６５の位置と、アレイ中の反復構造要素の予定位置の情報を与えるデータとの間のゆがみ（８６７を参照、以下、「ＤＦcentral」）が決定される。これは、予定位置に対する構造要素の各々の中央部分のゆがみに対応する。画像の他のピクセル（構造要素の中央部分に必ずしも対応していない）のゆがみを決定するために、この方法は、画像にわたりＤＦcentralの値に補間法を適用することを含むことができる。これにより、異なるサブ区域８６５間に位置するすべての他のピクセルのゆがみの推定が行われる。いくつかの実施形態によれば、補間法は、Ｘ軸（画像の行）に沿ったゆがみとＹ軸（画像の列）に沿ったゆがみに別々に適用される。
この方法は、ゆがみのマップに基づいて、修正された画像８８０（図８Ｃを参照）を生成する（操作８３０）ことをさらに含むことができる。これは、ゆがみのマップに基づいて画像のピクセルを移動させることを含むことができ、その結果、修正された画像８８０中のサブ区域８６５の位置（第２の相関行列のピークに対応する）と、アレイ中の反復構造要素の予定位置の情報を与えるデータの位置とは、近接基準（例えば、位置の差が閾値未満である）を満たす。
次に、図９に注目する。いくつかの実施形態によれば、方法は、反復構造要素の少なくとも１つの情報を与える参照画像を取得すること（９００）と、第２の参照画像として参照画像のサブセットのみを選択すること（９１０）とを含むことができる。いくつかの実施形態によれば、サブセットのサイズは妥協に基づく。一方では、サブセットのサイズは、画像の構造要素の位置を識別できるように十分に大きくなければならず、他方では、サブセットのサイズは、十分な数の相関値を取得するために十分に小さくなければならない。
非限定的な例が、図９Ａに示される。
参照画像９２０が取得されている。参照画像９２０のサブセット９３０が選択される。このサブセットは、図８の方法において第２の参照画像として使用することができる。
いくつかの実施形態によれば、サブセット９３０は、例えば設定フェーズ中に反復法を使用して選択することができる。この方法は、第１のサブセット（このサブセットの最大サイズは、例えば、ユーザによって設定され得る）により開始する。図８の方法は、この第１のサブセットを使用して実行される。次いで、解像度が向上され、それは、第１のサブセットのサイズが減少されることを意味する。図８の方法は、この新しいサブセットを使用して再度実行され、出力の性能が前の反復と比較される。性能が改善された場合、この方法は、より小さいサイズの新しいサブセットを用いて繰り返される。性能が改善されない場合、この方法は停止され、前の反復で取得されたサブセットが選択される。
本発明が、その適用において、本明細書に含まれる説明に記載された、または図面に示された詳細に限定されないことを理解されたい。
本発明によるシステムは、少なくとも部分的に、適切にプログラムされたコンピュータで実施され得ることも理解されよう。同様に、本発明は、本発明の方法を実行するためにコンピュータにより読み取り可能なコンピュータプログラムを企図する。本発明は、さらに、本発明の方法を実行するためにコンピュータにより実行可能な命令のプログラムを明白に具現化する非一時的コンピュータ可読メモリを企図する。
本発明は、他の実施形態が可能であり、様々な方法で実践および実行することができる。したがって、本明細書で用いられた語法および用語は、説明のためのものであり、限定と見なされるべきでないことを理解されたい。そのため、当業者は、本開示が基礎とする概念は、本開示の主題のいくつかの目的を実行するための他の構造、方法、およびシステムを設計するための基礎として容易に利用され得ることを理解するであろう。
当業者は、様々な変形および変更が、添付の特許請求の範囲においておよび添付の特許請求の範囲によって定義された範囲から逸脱することなく、前述のような本発明の実施形態に適用され得ることを容易に理解するであろう。
１００ 試験システム
１０１ 低解像度試験ツール
１０２ 高解像度試験ツール
１０３ コンピュータベースシステム、オペレーティングシステム
１０４ プロセッサおよびメモリ回路（ＰＭＣ）
１０５ ハードウェアベース入力インタフェース
１０６ ハードウェアベース出力インタフェース
１０７ ストレージシステム
１０８ グラフィカルユーザインタフェース（ＧＵＩ）
１０９ データレポジトリ
１１０ ＣＡＤサーバ
１１２ ディープニューラルネットワーク（ＤＮＮ）
１２１ 低解像度画像データ
１２２ 高解像度画像データ
１２３ 命令関連データ
１２４ 命令関連データ
２５０ 画像
２６０ 反復構造要素、アレイ
２６５ 領域
２６６ 境界
２７０ 第１の区域
２７５ 第２の区域
３６１ 反復構造要素
３６５ 相関行列
３６７ 相関のピーク（極大値）
３６８ 参照
３６９ 参照
３７０ クラスタ
３７２ 第１の軸
３７３ 第２の軸
３７４ サブ区域
３７５ サブ区域
３８１ クラスタ
３８３1～３８３5 クラスタ
３８３ サブ区域
３８４ サブ区域
３９２ 長方形
４１０ 反復構造要素
４１１ 導電性ライン
４６０ アレイ
４６５ 領域
４７０ 参照画像
４７５ 修正された参照画像
５４５ 曲線
５４８ 閾値
５６１ 曲線
５６２ アレイ
６６０ アレイ
６６５ 大きい領域
６６８ 曲線
６８３ 画像の行
６８４ 画像の追加の行
６８５ サブ区域
６８６ 曲線
６８９ 列
６９０ 第２の閾値
６９２ 画像のサブセット
６９３ データ
６９４ 行
６９５ 第３の閾値
７００ 画像
７１０ アレイ
７２０ 反復構造要素、構造要素
８６０ 第２の相関行列
８６５ サブ区域
８６６ 予定位置
８６７ ゆがみのベクトル
８８０ 修正された画像
９２０ 参照画像
９３０ サブセット

Claims (20)

  1. 半導体試料を試験するためのシステムであって、前記システムが、
    各々が反復構造要素を含む１つまたは複数のアレイと、
    各領域が、対応するアレイを少なくとも部分的に囲み、前記反復構造要素とは異なる特徴部を含む１つまたは複数の領域と
    を含む前記半導体試料の画像を取得する
    ように構成されたプロセッサおよびメモリ回路（ＰＭＣ）
    を含み、
    前記ＰＭＣが、前記半導体試料の実行時走査中に、
    相関行列を取得するために、前記画像のピクセル強度と、前記反復構造要素のうちの少なくとも１つの情報を与える参照画像のピクセル強度との間の相関分析を実行し、
    前記１つまたは複数のアレイに対応する前記画像の１つまたは複数の第１の区域と前記１つまたは複数の領域に対応する前記画像の１つまたは複数の第２の区域を区別するために前記相関行列を使用し、
    前記画像の前記１つまたは複数の第１の区域の情報を与えるデータを出力する
    ように構成される、システム。
  2. 振幅基準を満たす前記相関行列の値に対応する前記画像のサブ区域を決定し、
    前記アレイ中の前記反復構造要素間の距離の情報を与えるデータに基づいて、前記サブ区域を１つまたは複数のクラスタにクラスタ化し、
    前記１つまたは複数のクラスタに少なくとも基づいて前記１つまたは複数の第１の区域を決定する
    ように構成される、請求項１に記載のシステム。
  3. 前記１つまたは複数のアレイが、１つまたは複数の境界によって前記１つまたは複数の領域から分離され、前記システムが、前記境界に至るまで前記少なくとも１つまたは複数のアレイのみを含む前記画像の前記１つまたは複数の第１の区域を推定するように構成される、請求項１に記載のシステム。
  4. 画像処理を前記参照画像に適用するように構成され、前記画像処理が、前記参照画像の反復パターンを減衰させる、請求項１に記載のシステム。
  5. 第１の軸に沿った前記アレイ中の前記反復構造要素間の距離の情報を与えるデータに基づいて、前記サブ区域を１つまたは複数の第１のクラスタにクラスタ化し、
    第２の軸に沿った前記アレイ中の前記反復構造要素間の距離の情報を与えるデータに基づいて、前記サブ区域を１つまたは複数の第２のクラスタにクラスタ化し、
    前記１つまたは複数のアレイに対応する前記画像の１つまたは複数の第１の区域と前記１つまたは複数の領域に対応する前記画像の１つまたは複数の第２の区域を区別するために前記第１のクラスタおよび前記第２のクラスタを使用する
    ように構成される、請求項１に記載のシステム。
  6. クラスタごとに、
    － １つまたは複数のクラスタを囲む多角形を決定し、
    － 前記多角形を前記画像の第１の区域として出力する
    ように構成される、請求項２に記載のシステム。
  7. いくつかのサブ区域が閾値を満たすクラスタのみを選択するように構成される、請求項２に記載のシステム。
  8. 前記半導体試料の実行時試験の前の設定フェーズに前記振幅基準の情報を与えるデータを取得するように構成される、請求項２に記載のシステム。
  9. 第２の相関行列を取得するために、前記画像の前記１つまたは複数の第１の区域のピクセル強度と、前記反復構造要素のうちの少なくとも１つの情報を与える第２の参照画像のピクセル強度との間の相関分析を実行し、
    振幅基準を満たす前記第２の相関行列の値に対応する前記画像の前記１つまたは複数の第１の区域のサブ区域を決定し、
    前記画像の前記１つまたは複数の第１の区域中の前記サブ区域の位置と、前記アレイ中の前記反復構造要素の予定位置の情報を与えるデータとに少なくとも基づいて、前記画像の前記１つまたは複数の第１の区域と、前記アレイとの間のゆがみのマップを決定し、
    前記ゆがみのマップに基づいて、修正された画像を生成する
    ように構成される、請求項１に記載のシステム。
  10. 前記修正された画像中の前記サブ区域の位置、および前記アレイ中の前記反復構造要素の予定位置の情報を与えるデータが、近接基準を満たすように、前記修正された画像を生成するように構成される、請求項９に記載のシステム。
  11. 前記画像の前記１つまたは複数の第１の区域の前記サブ区域の位置と、前記アレイ中の前記反復構造要素の予定位置の情報を与えるデータとの間のゆがみＤＦcentralを決定し、
    少なくともＤＦcentralに適用される補間法に基づいて、前記画像の前記１つまたは複数の第１の区域と、前記半導体試料の前記アレイとの間のゆがみのマップを決定する
    ように構成される、請求項９に記載のシステム。
  12. 前記反復構造要素のうちの少なくとも１つの情報を与える参照画像を取得し、前記第２の参照画像として前記参照画像のサブセットのみを選択するように構成される、請求項９に記載のシステム。
  13. 半導体試料を試験する方法であって、前記方法が、プロセッサおよびメモリ回路（ＰＭＣ）によって、
    各々が反復構造要素を含む１つまたは複数のアレイと、
    各領域が、対応するアレイを少なくとも部分的に囲み、前記反復構造要素とは異なる特徴部を含む１つまたは複数の領域と
    を含む前記半導体試料の画像を取得することと、
    前記半導体試料の実行時走査中に、
    相関行列を取得するために、前記画像のピクセル強度と、前記反復構造要素のうちの少なくとも１つの情報を与える参照画像のピクセル強度との間の相関分析を実行することと、
    前記１つまたは複数のアレイに対応する前記画像の１つまたは複数の第１の区域と前記１つまたは複数の領域に対応する前記画像の１つまたは複数の第２の区域を区別するために前記相関行列を使用することと、
    前記画像の前記１つまたは複数の第１の区域の情報を与えるデータを出力することと
    を含む、方法。
  14. 振幅基準を満たす前記相関行列の値に対応する前記画像のサブ区域を決定することと、
    前記アレイ中の前記反復構造要素間の距離の情報を与えるデータに基づいて、前記サブ区域を１つまたは複数のクラスタにクラスタ化することと、
    前記１つまたは複数のクラスタに少なくとも基づいて前記１つまたは複数の第１の区域を決定することと
    を含む、請求項１３に記載の方法。
  15. 前記１つまたは複数のアレイが、１つまたは複数の境界によって前記１つまたは複数の領域から分離され、前記方法が、前記境界に至るまで前記少なくとも１つまたは複数のアレイのみを含む前記画像の前記１つまたは複数の第１の区域を推定することと、前記１つまたは複数の領域に対応する前記１つまたは複数の第２の区域を除くこととを含む、請求項１３に記載の方法。
  16. 第１の軸に沿った前記アレイ中の前記反復構造要素間の距離の情報を与えるデータに基づいて、前記サブ区域を１つまたは複数の第１のクラスタにクラスタ化することと、
    第２の軸に沿った前記アレイ中の前記反復構造要素間の距離の情報を与えるデータに基づいて、前記サブ区域を１つまたは複数の第２のクラスタにクラスタ化することと、
    前記１つまたは複数のアレイに対応する前記画像の１つまたは複数の第１の区域と前記１つまたは複数の領域に対応する前記画像の１つまたは複数の第２の区域を区別するために前記第１のクラスタおよび前記第２のクラスタを使用することと
    を含む、請求項１３に記載の方法。
  17. いくつかのサブ区域が閾値を満たすクラスタのみを選択することを含む、請求項１３に記載の方法。
  18. 第２の相関行列を取得するために、前記画像の前記１つまたは複数の第１の区域のピクセル強度と、前記反復構造要素のうちの少なくとも１つの情報を与える第２の参照画像のピクセル強度との間の相関分析を実行することと、
    強度基準を満たす前記第２の相関行列の値に対応する前記画像の前記１つまたは複数の第１の区域のサブ区域を決定することと、
    前記画像の前記１つまたは複数の第１の区域中の前記サブ区域の位置と、前記アレイ中の前記反復構造要素の予定位置の情報を与えるデータとに少なくとも基づいて、前記画像の前記１つまたは複数の第１の区域と、前記アレイとの間のゆがみのマップを決定することと、
    前記ゆがみのマップに基づいて、修正された画像を生成することと
    を含む、請求項１３に記載の方法。
  19. 前記画像の前記１つまたは複数の第１の区域の前記サブ区域の位置と、前記アレイ中の前記反復構造要素の予定位置の情報を与えるデータとの間のゆがみＤＦcentralを決定することと、
    少なくともＤＦcentralに適用される補間法に基づいて、前記画像の前記１つまたは複数の第１の区域と、前記半導体試料の前記アレイとの間のゆがみのマップを決定することと
    を含む、請求項１８に記載の方法。
  20. 命令を含む非一時的コンピュータ可読媒体であって、前記命令がＰＭＣによって実行されると、前記ＰＭＣに、
    各々が反復構造要素を含む１つまたは複数のアレイと、
    各領域が、対応するアレイを少なくとも部分的に囲み、前記反復構造要素とは異なる特徴部を含む１つまたは複数の領域と
    を含む前記半導体試料の画像を取得することと、
    前記半導体試料の実行時走査中に、
    相関行列を取得するために、前記画像のピクセル強度と、前記反復構造要素のうちの少なくとも１つの情報を与える参照画像のピクセル強度との間の相関分析を実行することと、
    前記１つまたは複数のアレイに対応する前記画像の１つまたは複数の第１の区域と前記１つまたは複数の領域に対応する前記画像の１つまたは複数の第２の区域を区別するために前記相関行列を使用することと、
    前記画像の前記１つまたは複数の第１の区域の情報を与えるデータを出力することと
    を含む、操作を実行させる、非一時的コンピュータ可読媒体。
JP2021089920A 2020-07-07 2021-05-28 半導体試料中のアレイの識別 Pending JP2022014880A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/922,977 US11645831B2 (en) 2020-07-07 2020-07-07 Identification of an array in a semiconductor specimen
US16/922,977 2020-07-07

Publications (2)

Publication Number Publication Date
JP2022014880A true JP2022014880A (ja) 2022-01-20
JP2022014880A5 JP2022014880A5 (ja) 2024-06-05

Family

ID=79172736

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021089920A Pending JP2022014880A (ja) 2020-07-07 2021-05-28 半導体試料中のアレイの識別

Country Status (5)

Country Link
US (2) US11645831B2 (ja)
JP (1) JP2022014880A (ja)
KR (1) KR20220005988A (ja)
CN (1) CN113919276A (ja)
TW (1) TW202217274A (ja)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL99823A0 (en) * 1990-11-16 1992-08-18 Orbot Instr Ltd Optical inspection method and apparatus
JP3927353B2 (ja) * 2000-06-15 2007-06-06 株式会社日立製作所 比較検査における画像の位置合せ方法、比較検査方法及び比較検査装置
US7505604B2 (en) * 2002-05-20 2009-03-17 Simmonds Precision Prodcuts, Inc. Method for detection and recognition of fog presence within an aircraft compartment using video images
EP1780672A1 (en) * 2005-10-25 2007-05-02 Bracco Imaging, S.P.A. Method of registering images, algorithm for carrying out the method of registering images, a program for registering images using the said algorithm and a method of treating biomedical images to reduce imaging artefacts caused by object movement
US8249331B2 (en) 2008-04-09 2012-08-21 Applied Materials Israel, Ltd. Method and system for evaluating an object
CN101566585B (zh) * 2008-04-22 2014-06-11 以色列商·应用材料以色列公司 评估物体的方法和系统
CN102782708A (zh) * 2009-12-02 2012-11-14 高通股份有限公司 用于图像辨识的描述符小块的快速子空间投影
JP6108684B2 (ja) * 2011-06-08 2017-04-05 エフ・イ−・アイ・カンパニー 局所領域ナビゲーション用の高精度ビーム配置
WO2016207875A1 (en) * 2015-06-22 2016-12-29 Photomyne Ltd. System and method for detecting objects in an image
US11049745B2 (en) * 2018-10-19 2021-06-29 Kla Corporation Defect-location determination using correction loop for pixel alignment

Also Published As

Publication number Publication date
KR20220005988A (ko) 2022-01-14
US20230230349A1 (en) 2023-07-20
US11645831B2 (en) 2023-05-09
US20220012861A1 (en) 2022-01-13
TW202217274A (zh) 2022-05-01
CN113919276A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
KR102422111B1 (ko) 반도체 시편의 검사에 사용가능한 훈련 세트의 생성
KR102176335B1 (ko) 반도체 시편의 시험을 위해 사용 가능한 훈련 세트를 생성하는 방법 및 그 시스템
US20220222806A1 (en) Machine learning-based classification of defects in a semiconductor specimen
CN114219749B (zh) 样本的模拟图像的确定
KR20210150970A (ko) 약한 라벨링을 사용한 반도체 시편들에서의 결함들의 검출
JP7169393B2 (ja) 半導体試料の検査に使用可能な訓練セットの生成
WO2022137224A1 (en) Prediction of electrical properties of a semiconductor specimen
US11636587B2 (en) Inspection of a semiconductor specimen
US11423529B2 (en) Determination of defect location for examination of a specimen
JP2022014880A (ja) 半導体試料中のアレイの識別
US11854184B2 (en) Determination of defects and/or edge roughness in a specimen based on a reference image
KR20230140394A (ko) 반도체 시편의 기계 학습 기반 검사 및 그의 훈련
JP2022013667A (ja) 半導体試料の画像のセグメンテーション

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240528

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240528

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20240528