JP2022076236A - Ｘ線測定装置、ｘ線測定方法及び機械学習方法 - Google Patents

Abstract

【課題】Ｘ線測定装置において、本測定前の予備測定（スクリーニング）の時間を短縮化する。【解決手段】予備測定においては、予備測定点から放出された特性Ｘ線の検出により得られたスペクトルがノイズフィルタ部２２を経由してスペクトル処理部２０へ送られる。本測定においては、本測定点から放出された特性Ｘ線の検出により得られたスペクトルがノイズフィルタ部２２をバイパスしてスペクトル処理部２０へ送られる。ノイズフィルタ部２２は、ＣＮＮ等で構成される機械学習型フィルタを含む。学習過程では、人工的に生成されたノイズを用いて教師データが生成される。【選択図】図１

Description

本発明は、Ｘ線測定装置、Ｘ線測定方法及び機械学習方法に関し、特に、試料から放出される特性Ｘ線の測定に関する。

試料の定性解析又は定量解析で用いられるＸ線測定装置として、特性Ｘ線測定装置が知られている（特許文献１及び特許文献２を参照）。特性Ｘ線測定装置において、特性Ｘ線スペクトルが生成され、特性Ｘ線スペクトルの解析により、試料を構成する各元素が特定され、また、各元素の量が特定される。なお、特性Ｘ線測定機能を備えた走査電子顕微鏡、特性Ｘ線測定機能を備えた電子プローブマイクロアナライザ等も、広い意味において、特性Ｘ線測定装置の一種である。

近年では、例えば数百ｅＶ以下の軟Ｘ線領域に属する特性Ｘ線を測定する装置も実用化されている。軟Ｘ線領域内の特性Ｘ線のスペクトルを解析することにより、原子における価電子帯の状態、特に化学的結合様態を解明することが可能となる。

一般に、試料において本測定を行う箇所を特定するために、本測定に先立って予備測定（本測定点を決定するためのスクリーニング）が実施される。予備測定においては、試料上に複数の予備測定点が設定され、各予備測定点から得られる特性Ｘ線スペクトルが解析される。複数の予備測定点についての複数の解析結果を二次元マッピングすることにより、１又は複数の元素の二次元分布を示すマップが生成される。表示されたマップを観察した検査者により本測定点が決定され、あるいは、生成されたマップの解析により本測定点が自動的に決定される。

特開２０１９－２００１２６号公報 特開２００１－１７６４３９号公報

予備測定つまりスクリーニングにおいて、一定の解析精度を得るため、予備測定点ごとの測定時間を長くし、信号ノイズ比（ＳＮ比）を高めることが望まれる。しかし、予備測定点ごとの測定時間を長くすると、予備測定それ全体として多大なる時間を要してしまう。

本発明の目的は、予備測定時間を短縮化することにある。あるいは、本発明の目的は、予備測定時間を短縮化してもスクリーニングを適切に行えるようにすることにある。

本発明に係るＸ線測定装置は、予備測定において試料上に予備測定点群を設定し、本測定において前記試料上に本測定点を設定する制御部と、前記予備測定において前記予備測定点群から放出されたＸ線群を検出することにより得られた検出信号群に基づいてＸ線スペクトル群を生成し、前記本測定において前記本測定点から放出されたＸ線を検出することにより得られた検出信号に基づいてＸ線スペクトルを生成するスペクトル生成部と、前記予備測定において前記Ｘ線スペクトル群が入力されるノイズフィルタ部と、前記予備測定において前記ノイズフィルタ部から出力された各Ｘ線スペクトルを処理し、前記本測定において前記ノイズフィルタ部をバイパスしたＸ線スペクトルを処理する処理部と、を含むことを特徴とする。

本発明に係るＸ線測定方法は、試料上に設定された予備測定点群から放出された特性Ｘ線群を検出することにより得られた検出信号群に基づいて特性Ｘ線スペクトル群を生成し、前記特性Ｘ線スペクトル群をノイズフィルタ部に入力し、前記ノイズフィルタ部から出力された特性Ｘ線スペクトル群を処理する予備測定工程と、前記試料上に設定された本測定点から放出された特性Ｘ線を検出することにより得られた検出信号に基づいて特性Ｘ線スペクトルを生成し、前記特性Ｘ線スペクトルを前記ノイズフィルタ部に送ることなく処理し又は表示する本測定工程と、を含むことを特徴とする。

本発明に係る機械学習方法は、複数の教師データを生成する工程と、前記複数の教師データを機械学習型フィルタに与えて当該機械学習型フィルタを学習させる工程と、を含み、前記各教師データは、正解データとしての特性Ｘ線スペクトルと、前記特性Ｘ線スペクトルに対して人工的に生成されたノイズを加えることにより生成されたノイズ含有特性Ｘ線スペクトルと、により構成される、ことを特徴とする。

本発明に係るプログラムは、情報処理装置において実行されるプログラムであって、予備測定において試料上に設定された予備測定点群から放出されたＸ線群を検出することにより得られた検出信号群に基づいてＸ線スペクトル群を生成し、本測定において前記試料上に設定された本測定点から放出されたＸ線を検出することにより得られた検出信号に基づいてＸ線スペクトルを生成する機能と、前記予備測定において前記Ｘ線スペクトル群に対してノイズ低減処理を適用する機能と、前記予備測定において前記ノイズ低減処理が適用されたＸ線スペクトル群を処理し、前記本測定において前記ノイズ低減処理をバイパスしたＸ線スペクトルを処理する機能と、を含むことを特徴とする。

本発明によれば、予備測定時間を短縮化できる。あるいは、本発明によれば、予備測定時間を短縮化してもスクリーニングを適切に行える。

実施形態に係るＸ線測定装置を示すブロック図である。 測定部の構成例を示す図である。 予備測定点群及び本測定点を示す図である。 学習方法を説明するための図である 原スペクトルを示す図である。 振幅調整後のスペクトルを示す図である。 ノイズ含有スペクトルの第１例を示す図である。 ノイズ含有スペクトルの第２例を示す図である。 ノイズ含有スペクトルの第３例を示す図である。 動作例を示すフローチャートである。 変形例に係る動作例を示すフローチャートである。 他の学習方法を説明するための図である。 第１表示例を示す図である。 第２表示例を示す図である。

以下、実施形態を図面に基づいて説明する。

（１）実施形態の概要
実施形態に係るＸ線測定装置は、制御部、スペクトル生成部、ノイズフィルタ部、及び、処理部を有する。制御部は、予備測定において試料上に予備測定点群を設定し、本測定において試料上に本測定点を設定する。スペクトル生成部は、予備測定において予備測定点群から放出されたＸ線群を検出することにより得られた検出信号群に基づいてＸ線スペクトル群を生成し、本測定において本測定点から放出されたＸ線を検出することにより得られた検出信号に基づいてＸ線スペクトルを生成する。ノイズフィルタ部は、予備測定においてＸ線スペクトル群が入力される。処理部は、予備測定においてノイズフィルタ部から出力された各Ｘ線スペクトルを処理し、本測定においてノイズフィルタ部をバイパスしたＸ線スペクトルを処理する。

上記構成によれば、予備測定においてノイズフィルタ部が機能する。すなわち、ノイズフィルタ部により、個々のＸ線スペクトルに含まれるノイズが低減される。その後、ノイズフィルタ部から出力された複数のＸ線スペクトル群が処理される。ノイズフィルタ部の作用がノイズを超えてＸ線スペクトル実体に及び、これによりＸ線スペクトルの形態が変化しても、スクリーニングを行える限りにおいて、つまり本測定点を決定できる限りにおいて、そのような形態の変化は許容し得る。予備測定後に本測定が実行される。その際には、基本的に、ノイズフィルタ部は機能せず、本測定で得られたＸ線スペクトルがそのまま処理対象となる。但し、上記ノイズフィルタ部とは異なる一般的なフィルタを、本測定で得られたＸ線スペクトルに適用してもよい。

以上のように、ノイズフィルタ部は、暫定的又は一時的に機能するスクリーニング専用のフィルタ部である。ノイズフィルタ部によるスペクトル処理を前提として、予備測定点ごとの測定時間を短縮化できる。測定時間を短縮化しても、スクリーニングを適切に行える。

上記構成において、当然ながら、予備測定と本測定では、同じ試料が測定対象となる。処理部の概念には解析部、表示処理等が含まれる。予備測定では、予備測定点群の中から順次選択された予備測定点に対して電子ビーム、イオンビーム等が照射される。よって、ノイズフィルタ部は、予備測定において、順次入力されるＸ線スペクトルを順次処理する。測定されるＸ線は、本実施形態において特性Ｘ線であり、特に、軟Ｘ線領域に属する特性Ｘ線である。ノイズフィルタ部の実体は、ハードウエア又はソフトウエアである。

実施形態において、ノイズフィルタ部はノイズ低減作用を発揮する機械学習型フィルタを含む。機械学習型フィルタはＣＮＮ（Convolutional neural network）等の学習器で構成される。機械学習型フィルタの学習過程において、人工的に生成されたノイズを含有するスペクトルが用いられてもよい。

実施形態において、予備測定における予備測定点ごとの測定時間は本測定における本測定点の測定時間よりも短い。この構成によれば、予備測定それ全体の時間を短縮化でき、本測定の開始タイミングを早められる。測定時間は、一般に、露光時間に相当する。

実施形態に係るＸ線測定装置は、Ｘ線スペクトル群の解析結果に基づいて試料の組成分布を示すマップを生成するマップ生成部を含む。マップに基づいて本測定点が決定される。その場合、マップを参照したユーザーにより本測定点が指定されてもよいし、マップの解析により本測定点が自動的に決定されてもよい。

実施形態に係るＸ線測定装置は、選択的に使用される複数の波長分散デバイスを備えて複数の波長分散デバイスの中から選択された波長分散デバイスを用いて特性Ｘ線を検出するＸ線測定部を含む。ノイズフィルタ部は、複数の波長分散デバイスに対応した複数のノイズフィルタを有する。複数のノイズフィルタの中から、選択された波長分散デバイスに対応するノイズフィルタが選択される。複数の波長分散デバイスに対応する複数のノイズフィルタを用意しておけば、使用する波長分散デバイスを切り替えた場合において、ノイズフィルタ部を適切に機能させることが可能となる。この構成は、波長分散デバイスの機能や特性がスペクトルに現れる可能性を考慮したものである。

実施形態に係るＸ線測定方法は、予備測定工程、及び、本測定工程を有する。予備測定工程では、試料上に設定された予備測定点群から放出された特性Ｘ線群を検出することにより得られた検出信号群に基づいて特性Ｘ線スペクトル群が生成され、特性Ｘ線スペクトル群がノイズフィルタ部に入力され、ノイズフィルタ部から出力された特性Ｘ線スペクトル群が解析される。本測定工程では、試料上に設定された本測定点から放出された特性Ｘ線を検出することにより得られた検出信号に基づいて特性Ｘ線スペクトルが生成される。特性Ｘ線スペクトルが、ノイズフィルタ部を経由することなく、解析され又は表示される。測定される特性Ｘ線は、例えば、軟Ｘ線領域に属する特性Ｘ線である。特性Ｘ線は、試料への電子ビーム、イオンビーム、Ｘ線等の照射により生成される。

実施形態に係る機械学習方法は、複数の教師データを生成する工程と、複数の教師データを機械学習型フィルタに与えて当該機械学習型フィルタを学習させる工程と、を含む。各教師データは、正解データとしての特性Ｘ線スペクトルと、特性Ｘ線スペクトルに対して人工的に生成されたノイズを加えることにより生成されたノイズ含有特性Ｘ線スペクトルと、により構成される。この構成によれば、多数の教師データを容易に生成できる。

実施形態に係るプログラムは、生成機能、ノイズ低減機能、及び、処理機能を有する。生成機能は、予備測定において試料上に設定された予備測定点群から放出されたＸ線群を検出することにより得られた検出信号群に基づいてＸ線スペクトル群を生成し、本測定において試料上に設定された本測定点から放出されたＸ線を検出することにより得られた検出信号に基づいてＸ線スペクトルを生成する機能である。ノイズ低減機能は、予備測定においてＸ線スペクトル群に対してノイズ低減処理を適用する機能である。処理機能は、予備測定においてノイズ低減処理が適用されたＸ線スペクトル群を処理し、本測定においてノイズ低減処理をバイパスしたＸ線スペクトルを処理する機能である。

（２）実施形態の詳細
図１には、実施形態に係るＸ線測定装置が開示されている。Ｘ線測定装置は、具体的には、軟Ｘ線測定機能を備えた走査電子顕微鏡である。Ｘ線測定装置の他の例として、軟Ｘ線測定機能を用いた電子プローブマイクロアナライザが挙げられる。

Ｘ線測定装置は、測定部１０及び情報処理部１２を備える。測定部１０は、実施形態において、軟Ｘ線測定器１４を有する。測定部１０の構成については後に図２を用いて詳述する。情報処理部１２は、例えば、コンピュータで構成される。情報処理部１２は、プログラムを実行するプロセッサを有する。図１においては、プロセッサが発揮する複数の機能が複数のブロックにより表現されている。プロセッサは例えばＣＰＵである。

スペクトル生成部１６は、軟Ｘ線測定器１４から出力された検出信号に基づいてスペクトルを生成する。スクリーニングとしての予備測定においては、試料上に予備測定点アレイが設定され、それを構成する予備測定点ごとにそこから放出された特性Ｘ線が検出される。これにより、予備測定点ごとにスペクトルが生成される。予備測定点アレイ全体として、複数のスペクトルにより構成されるスペクトル群が生成される。予備測定後の本測定においては、試料上に本測定点が設定され、本測定点から放出された特性Ｘ線を検出することにより、スペクトルが生成される。そのスペクトルが解析され、又は、そのスペクトルが表示される。

なお、個々の予備測定点及び本測定点が一定の広がりをもった領域であってもよい。本測定において、複数の本測定点が定められてもよい。

予備測定においては、スペクトル生成部１６で生成された複数のスペクトルがノイズフィルタ部２２を介してスペクトル処理部２０へ順次送られる。本測定においては、スペクトル生成部１６で生成されたスペクトルがノイズフィルタ部２２をバイパスしてスペクトル処理部２０へ送られる。

ノイズフィルタ部２２は、上記のように、予備測定において機能するものであり、本測定では機能しない。ノイズフィルタ部２２は少なくとも１つのノイズフィルタを備えている。ノイズフィルタの実体は、学習済みの学習器であり、例えばＣＮＮで構成される。予備測定では、個々のスペクトルに重畳しているノイズがノイズフィルタにより除去される。逆に言えば、そのようなノイズ除去作用が得られるように、学習器に対して学習済みデータ２６が与えられている。学習済みデータ２６は、例えば、ＣＮＮパラメータセットにより構成される。

スペクトル処理部２０は、解析部として機能する。スペクトル処理部２０は、予備測定において個々のスペクトルを解析する。具体的には、試料を構成する各元素を特定し、各元素の量を特定する。スペクトル処理部２０は、本測定において、必要に応じて、試料を構成する各元素をより高精度に特定し、各元素の量をより高精度に特定する。本測定において、スペクトルの形態に基づいて、元素の価電子帯の状態、例えば、化学的結合状態が解析されてもよい。スペクトルに含まれる複数の特性Ｘ線（特定元素のＬ線、Ｋ線等）が解析されてもよい。スペクトル解析方法として各種の方法が挙げられる。

マップ生成部２８は、予備測定において、スペクトル群の解析結果に基づいて、試料中の１又は複数の元素の二次元分布を示すマップを生成する。本測定において、マップが生成されてもよい。

本測定点決定部３０は、マップに基づいて本測定点を自動的に決定するものである。例えば、特定の元素が存在する領域の中心点が特定され、その中心点が本測定点として定められる。マップを画面上に表示し、表示されたマップ上においてユーザーが本測定点を指定してもよい。本測定点の座標情報が本測定点決定部３０から制御部３６へ送られている。

表示処理部１８には、予備測定において、ノイズフィルタ部２２を通過する前のスペクトル群、ノイズフィルタ部２２を通過した後のスペクトル群、信号解析結果、マップ、本測定点の座標、等が与えられている。表示処理部１８には、本測定において、スペクトル、信号解析結果、等が与えられている。表示処理部１８は、表示器３４に表示する画像を生成する。表示処理部１８は、カラー処理機能、画像合成機能等を有する。

記憶部２４は、半導体メモリ等により構成される。記憶部２４には、予備測定において、ノイズフィルタ部２２を通過する前のスペクトル群、ノイズフィルタ部２２を通過した後のスペクトル群、信号解析結果、マップ、等が記憶される。本測定において、記憶部２４には、スペクトル、信号解析結果、マップ、等が記憶される。修正部３２は、予備測定で得られたデータを本測定で得られたデータにより修正するものである。例えば、修正部３２により、予備測定で生成されたスペクトルやマップが本測定結果に従って修正される。

制御部３６は、Ｘ線測定装置を構成する各要素の動作を制御するものである。制御部３６は、予備測定点群及び本測定点を設定する手段、可動ステージを制御する手段、電子線の照射位置を制御する手段、等として機能する。制御部３６には入力器３８が接続されている。入力器３８を用いて本測定点の位置を指定し得る。入力器３８は、キーボード、ポインティングデバイス等により構成される。表示器３４は例えばＬＣＤで構成される。

図２には、測定部１０の構成例が示されている。図示された測定部１０は、鏡筒４０、ハウジング４４、及び、軟Ｘ線測定器１４を有する。鏡筒４０内には、電子銃、レンズ系、偏向器等が収容されている。ハウジング４４の内部が試料室４２である。試料室４２内には、可動ステージ４６が設けられている。可動ステージ４６に対して、試料４８を保持したホルダ５０が固定されている。

電子線５２が試料４８上の測定点（予備測定点又は本測定点）へ照射される。これにより測定点から特性Ｘ線が放出される。例えば、３００ｅＶ以下、２００ｅＶ以下又は１００ｅＶ以下のエネルギーを有する軟Ｘ線が軟Ｘ線測定器１４により測定される。なお、測定範囲の下限は、例えば、数十ｅＶであり、具体的には、２５ｅＶ、５０ｅＶ等である。

軟Ｘ線測定器１４は、波長分散型軟Ｘ線測定器である。軟Ｘ線測定器１４は、波長分散デバイス５８、ＣＣＤ（ＣＣＤカメラ）７２、コントローラ７４、等を有する。波長分散デバイス５８は、複数の回折格子（複数のグレーティング）６０，６１、交換機構６６、等を有する。各回折格子（複数のグレーティング）６０，６１は分光器である。

回折格子６０は、例えば、５０～１７０ｅＶの範囲内において波長分散機能を発揮する。回折格子６１は、例えば、７０～２１０ｅＶの範囲分散機能を発揮する。それらの回折格子６０，６１は、選択的に使用される。交換機構６６は、使用する回折格子６０，６１を選択する機構である。回転運動又は直線運動により、使用する回折格子６０，６１が交換される。

各回折格子６０，６１の表面６０Ａには、収差を抑制するために、非均等間隔で複数の溝が形成されている。入射Ｘ線５６に対して、波長に応じた出射角度で出射Ｘ線６４が生じる。図２においては、入射Ｘ線５６の入射角度がαで示され、出射Ｘ線６４の出射角度がβで示されている。符号６２は表面６０Ａの法線である中心線を示している。なお、表面６０Ａは僅かに湾曲している。

符号６８は交換機構６６の動作を制御する信号を示している。符号７６は検出信号を示している。ＣＣＤ７２は二次元配列された複数の検出素子を有する。波長ごとに、つまり、検出素子列ごとに複数の検出信号が積算される。コントローラ７４から出力される検出信号７６に基づいてスペクトルが生成される。

図３の（Ａ）には、予備測定において試料４８上に設定される観察エリア７８内の予備測定点群（予備測定点アレイ）８０が示されている。図３の（Ｂ）には、本測定において試料４８上に設定される本測定点８６が示されている。具体的には、（Ａ）において、試料４８の表面上には、ｘ方向及びｙ方向に並ぶ複数の予備測定点８２からなる予備測定点群８０が設定される。例えば、予備測定点群８０は、１２８×１２８個の予備測定点８２により構成される。通常、それらの予備測定点８２は密に設定されるが、図３においては、図面簡略化のために複数の予備測定点８２の相互間隔が広がっている。予備測定において生成されるマップに基づいて、例えば特定の部分８４が本測定の対象として選定される。

具体的には、（Ｂ）に示すように、特定の部分８４の中心が本測定点８６として指定される。複数の本測定点が指定されてもよい。マップに基づいて本測定点８６が自動的に設定されてもよい。

個々の予備測定点ごとの測定時間は短時間としての第１時間に設定され、本測定点の測定時間は長時間としての第２時間に設定される。第２時間は、例えば、第１時間の数倍から数十倍に相当し、あるいは数百倍以上に相当する。

良好なＳＮ比を得るために第１時間を第２時間と同じ又はそれに近い時間とすると、予備測定それ全体として多大なる時間を要してしまう。その間における試料劣化、環境変化等が問題となる。実施形態においては、予備測定においてノイズフィルタ部を機能させており、各スペクトル中のノイズがノイズフィルタ部により低減され、見かけ上、ＳＮ比の向上が図られている。これにより第１時間をかなり短くしてもスクリーニング用のマップを生成することが可能である。ノイズフィルタ部の作用により、真のスペクトル実体まで損なわれてしまう可能性があるが、スクリーニングに限っては、そのような若干の不都合は許容され得る。また、後述するように、スクリーニングに適う作用をもったフィルタが構成されればよいので、フィルタの学習段階で必要となる多量の学習用教師データを簡易的に生成することが許容される。なお、試料、加速電圧、観測エネルギー範囲、素子感度等に応じて、第１時間及び第２時間が定められる。

図４には、ノイズフィルタ部に格納する学習済みデータ（ＣＮＮパラメータセット）の生成方法（生成アルゴリズム）が示されている。Ｘ線測定装置内のコンピュータを用いて学習済みデータを生成してもよいし、他のコンピュータを用いて学習済みデータを生成してもよい。図４に示されている複数のブロックは、原スペクトル記憶部９０及び教師データ記憶部１００を除いて、プロセッサが発揮する複数の機能に相当する。

原スペクトル記憶部９０は、原スペクトルを記憶したメモリにより構成される。原スペクトルとして、過去に長時間かけて取得されたノイズの少ないスペクトルを用い得る。スペクトルの波長域は、Ｘ線回折格子の波長域に合わせられる。実際の試料に近い標準試料から得られたスペクトルを原スペクトルとしてもよい。複数の原スペクトルを原スペクトル記憶部９０に格納してもよい。

前処理器９２は、原スペクトル記憶部９０から読み出された原スペクトルに対して、その強度を操作するための係数を乗算するものである。例えば、０．１が原スペクトルに乗算される。これにより、１／１０の測定時間で得られるスペクトルに相当するスペクトルが得られる。乗算する係数として他の数値が利用されてもよい。係数乗算後のスペクトルが基準スペクトルとなり、それは正解スペクトルとして利用される。

ノイズ成分生成器９４は、基準スペクトルに重畳するノイズ（ノイズ成分としての複数のスパイクノイズ）を生成するものである。乱数発生器９６は、基準スペクトルにおける波長（エネルギー）ごとに、強度を中心とするポアソン分布に従う乱数を生成する。複数の波長に対応する複数の乱数によりノイズが構成される。合成器９８は、基準スペクトルに対して上記のように人工的に生成されたノイズを合成し、これによりノイズ含有スペクトルを生成する。

基準スペクトルである正解スペクトルとそこから生成されたノイズ含有スペクトルからなるスペクトルペアが１つの教師データ（１つの訓練データ）を構成する。教師データは教師データ記憶部１００に格納される。ノイズ成分生成器９４においては理論上、無限のノイズを生成することができる。すなわち、十分なる個数の教師データを容易に生成し得る。

学習器１０２は、ＣＮＮで構成され、それに対して多数の教師データを順次与えることにより、学習器１０２それ自身が学習を行う。すなわち、ノイズ含有スペクトルを入力した場合に、学習器１０２の出力が正解スペクトルに近付くように、ＣＮＮパラメータセットが徐々に優良化される。最終的に得られる学習済みデータ２６がＣＮＮで構成されるノイズフィルタ部へ与えられる。

図５には、原スペクトル１０４が例示されている。図６には、基準スペクトル１０６が例示されている。図７には、ノイズ含有スペクトルの第１例が示されている。図８には、ノイズ含有スペクトルの第２例が示されている。図７及び図８において、各ノイズ含有スペクトル１０８，１１０に含まれる基準スペクトルは、原スペクトルに対して係数０．１を乗算することにより生成される。図９には、第３例に係るノイズ含有スペクトル１１２が示されている。それに含まれる基準スペクトルは、原スペクトルに対して係数０．０２を乗算することにより生成される。

図１０には、Ｘ線測定装置の動作例が示されている。Ｓ１０では、予備測定が実施される。個々の予備測定点ごとの測定時間は短時間である。選択された予備測定点に対して電子線が照射され、当該予備測定点から放出される特性Ｘ線が検出される。予備測定ではノイズフィルタ部が機能する。Ｓ１２において、すべての予備測定点についての測定が完了したと判断されるまで、Ｓ１０が繰り返し実行される。各予備測定点から得られたスペクトルはノイズフィルタ部へ送られ、各スペクトルに含まれるノイズが低減される。その上で、個々のスペクトルが解析される。

Ｓ１４では、予備測定点群から得られたスペクトル群の解析結果に基づいてマップが生成され、そのマップが表示される。Ｓ１６において、試料中に詳細測定を行うべき部位が見出され、これにより本測定を行うべきと判断された場合、Ｓ１８において、１又は複数の本測定点が決定される。本測定点の位置は、ユーザーにより指定されあるいはマップに基づいて自動的に決定される。

Ｓ２０では、本測定が実施される。本測定点に対して電子線が照射され、本測定点から放出される特性Ｘ線が検出される。本測定点の測定時間は長時間である。本測定では、スペクトルはノイズフィルタ部には送られず、つまりバイパスされる。複数の本測定点が定められている場合、Ｓ２０が繰り返し実行される。Ｓ２２において、本測定が完了したと判断された場合、Ｓ２４において、本測定結果が表示される。その場合、本測定で得られたスペクトルが表示されてもよいし、そのスペクトルの解析結果が表示されてもよい。

図１１には変形例が示されている。図１０に示した工程と同じ工程には同一の工程番号を付し、その説明を省略する。

Ｓ３０では、予備測定において取得されたスペクトルを表示するか否かが判断される。Ｓ３２では、ユーザーにより選択されたスペクトルが表示される。その際に複数のスペクトルが表示されてもよい。表示されるスペクトルとして、フィルタ処理前のスペクトル又はフィルタ処理後のスペクトルを選択できるようにしてもよい。マップと共にスペクトルを観察することにより、本測定を行うか否かが判断されてもよい。

Ｓ３４では、本測定結果を用いたフィードバックを行うか否かが判断される。フィードバックを行う場合、Ｓ３６において、予備測定において取得されたスペクトルやマップが本測定結果に基づいて修正される。修正後のスペクトル及びマップが表示される。修正方法としては各種の方法が考えられる。

図１２には、変形例に係る構成が示されている。変形例においては、複数のＸ線回折格子に対応して複数のノイズフィルタが用意される。使用するＸ線回折格子に対応するノイズフィルタが選択的に使用される。なお、図１２において、図４に示した要素と同一の要素には同一符号を付しその説明を省略する。

原スペクトル記憶部９０Ａには、第１原スペクトル１１４及び第２原スペクトル１１６が格納されている。第１原スペクトル１１４は、第１回折格子を用いて取得されたスペクトルである。第２原スペクトル１１６は、第２回折格子を用いて取得されたスペクトルである。第１原スペクトル１１４に基づいて第１ノイズ含有スペクトルが生成され、これにより第１教師データが生成される。第２原スペクトル１１６に基づいて第２ノイズ含有スペクトルが生成され、これにより第２教師データが生成される。多数の第１教師データ及び多数の第２教師データが生成され、それら教師データ記憶部１００に記憶される。

教師データ記憶部１００から読み出された多数の第１教師データが学習器１０２Ａに与えられ、学習器１０２Ａの学習が行われる。これにより第１学習済みデータとしての第１パラメータセット１１８が生成される。それはノイズフィルタ部２２Ａに与えられる。それが符号１２２で示されている。教師データ記憶部１００から読み出された多数の第２教師データが学習器１０２Ａに与えられ、学習器１０２Ａの学習が行われる。これにより第２学習済みデータとしての第２パラメータセット１２０が生成される。それはノイズフィルタ部２２Ａに与えられる。それが符号１２４で示されている。

ノイズフィルタ部２２Ａは、２つのノイズフィルタを有し、具体的には、第１パラメータセット１２２及び第２パラメータセット１２４を有する。使用するＸ線回折格子に対応したノイズフィルタつまりパラメータセットが選択される。その選択は制御部において行われる。

図１３には第１表示例が示されている。表示画面１２６内には、予備測定で得られたマップ１２８及び本測定で得られたスペクトル１３０が表示されている。図１４には第２表示例が示されている。表示画面１３２内にはノイズフィルタ部を通過する前のスペクトル１３４とノイズフィルタ部を通過した後のスペクトル１３６とが表示されている。このような表示を行うことにより、ノイズフィルタ部の作用を目視確認することが可能となる。

上記実施形態において、可動ステージの移動及び電子線の移動の両方又は一方により測定点が切り替えられる。本測定で得られたスペクトルの表示に際しては、スペクトル形状についての評価値（化学結合状態を示す指標）を演算し、その評価値を表示してもよい。回折格子に変えて結晶を利用してもよい。ＣＣＤカメラに変えてＣ－ＭＯＳカメラを利用してもよい。原スぺクトルとして、人工的に生成されたスペクトルを利用してもよい。ノイズの発生に際しては上記以外の方法を利用できる。ノイズ幅をランダムに変化させてもよい。

１０ 測定部、１２ 情報処理部、１４ 軟Ｘ線測定器、１６ スペクトル生成部、２０ スペクトル処理部、２２ ノイズフィルタ部、２８ マップ生成部、３０ 本測定点決定部。

Claims (8)

1. 予備測定において試料上に予備測定点群を設定し、本測定において前記試料上に本測定点を設定する制御部と、
   前記予備測定において前記予備測定点群から放出されたＸ線群を検出することにより得られた検出信号群に基づいてＸ線スペクトル群を生成し、前記本測定において前記本測定点から放出されたＸ線を検出することにより得られた検出信号に基づいてＸ線スペクトルを生成するスペクトル生成部と、
   前記予備測定において前記Ｘ線スペクトル群を処理するノイズフィルタ部と、
   前記予備測定において前記ノイズフィルタ部から出力された各Ｘ線スペクトルを処理し、前記本測定において前記ノイズフィルタ部をバイパスしたＸ線スペクトルを処理する処理部と、
   を含むことを特徴とするＸ線測定装置。
2. 請求項１記載のＸ線測定装置において、
   前記ノイズフィルタ部はノイズ低減作用を発揮する機械学習型フィルタを含む、
   ことを特徴とするＸ線測定装置。
3. 請求項１記載のＸ線測定装置において、
   前記予備測定における前記予備測定点ごとの測定時間は前記本測定における前記本測定点の測定時間よりも短い、
   ことを特徴とするＸ線測定装置。
4. 請求項１記載のＸ線測定装置において、
   前記Ｘ線スペクトル群の解析結果に基づいて前記試料の組成分布を示すマップを生成するマップ生成部を含み、
   前記マップに基づいて前記本測定点が決定される、
   ことを特徴とするＸ線測定装置。
5. 請求項１記載のＸ線測定装置において、
   選択的に使用される複数の波長分散デバイスを備え、前記複数の波長分散デバイスの中から選択された波長分散デバイスを用いて特性Ｘ線を検出するＸ線測定部を含み、
   前記ノイズフィルタ部は、前記複数の波長分散デバイスに対応した複数のノイズフィルタを有し、
   前記複数のノイズフィルタの中から前記選択された波長分散デバイスに対応するノイズフィルタが選択される、
   ことを特徴とするＸ線測定装置。
6. 試料上に設定された予備測定点群から放出された特性Ｘ線群を検出することにより得られた検出信号群に基づいて特性Ｘ線スペクトル群を生成し、前記特性Ｘ線スペクトル群をノイズフィルタ部に入力し、前記ノイズフィルタ部から出力された特性Ｘ線スペクトル群を解析する予備測定工程と、
   前記試料上に設定された本測定点から放出された特性Ｘ線を検出することにより得られた検出信号に基づいて特性Ｘ線スペクトルを生成し、前記特性Ｘ線スペクトルを前記ノイズフィルタ部に送ることなく解析し又は表示する本測定工程と、
   を含むことを特徴とするＸ線測定方法。
7. 請求項２記載の機械学習型フィルタの機械学習方法であって、
   複数の教師データを生成する工程と、
   前記複数の教師データを前記機械学習型フィルタに与えて当該機械学習型フィルタを学習させる工程と、
   を含み、
   前記各教師データは、正解データとしての特性Ｘ線スペクトルと、前記特性Ｘ線スペクトルに対して人工的に生成されたノイズを加えることにより生成されたノイズ含有特性Ｘ線スペクトルと、により構成される、
   ことを特徴とする機械学習方法。
8. 情報処理装置において実行されるプログラムであって、
   予備測定において試料上に設定された予備測定点群から放出されたＸ線群を検出することにより得られた検出信号群に基づいてＸ線スペクトル群を生成し、本測定において前記試料上に設定された本測定点から放出されたＸ線を検出することにより得られた検出信号に基づいてＸ線スペクトルを生成する機能と、
   前記予備測定において前記Ｘ線スペクトル群に対してノイズ低減処理を適用する機能と、
   前記予備測定において前記ノイズ低減処理が適用されたＸ線スペクトル群を処理し、前記本測定において前記ノイズ低減処理をバイパスしたＸ線スペクトルを処理する機能と、
   を含むことを特徴とするプログラム。
   

Images