JP2023505152A - 簡略化モデルを用いるトモグラフィ依拠半導体計測 - Google Patents

簡略化モデルを用いるトモグラフィ依拠半導体計測 Download PDF

Info

Publication number
JP2023505152A
JP2023505152A JP2022532855A JP2022532855A JP2023505152A JP 2023505152 A JP2023505152 A JP 2023505152A JP 2022532855 A JP2022532855 A JP 2022532855A JP 2022532855 A JP2022532855 A JP 2022532855A JP 2023505152 A JP2023505152 A JP 2023505152A
Authority
JP
Japan
Prior art keywords
voxel
metrology
voxel model
model
constrained
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
JP2022532855A
Other languages
English (en)
Other versions
JPWO2021113191A5 (ja
JP7431969B2 (ja
Inventor
スティリアン パンデフ
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.)
KLA Corp
Original Assignee
KLA Corp
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 KLA Corp filed Critical KLA Corp
Publication of JP2023505152A publication Critical patent/JP2023505152A/ja
Publication of JPWO2021113191A5 publication Critical patent/JPWO2021113191A5/ja
Application granted granted Critical
Publication of JP7431969B2 publication Critical patent/JP7431969B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic 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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • 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
    • 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
    • G06T2207/10116—X-ray image
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

半導体構造の計測を踏まえトモグラフィ的分解像に係る正則化を改善する方法及びシステムが、本願にて提示される。本願記載の正則化は、既知のプロセス変動を捉える制約付ボクセルモデルのパラメタ化と計測データとに依拠するものである。その制約付ボクセルモデルを、計測下構造を特徴付ける簡略化幾何モデル、プロセスモデル又はその双方に基づき決定する。制約付ボクセルモデルは、無制約ボクセルモデルに比し劇的に少ない自由度を有する。その制約付ボクセルモデルの各ボクセルに係る値は、比較的少数の独立変数に依存する。それら独立変数の精粋が、下地をなす製造プロセス及びその構造についての知識により与えられる。制約付ボクセルモデルに依拠した正則化により、より高速な収束と、被計測構造のより正確な再構築とを、より少ない情報処理労力で以て行うことが可能になる。これにより、半導体計測に関し、データ獲得条件の削減及び計測時間の短縮が可能となる。

Description

記載されている諸実施形態は計量システム及び方法に関し、より具体的には改善された半導体構造計測方法及びシステムに関する。
［関連出願への相互参照］
本件特許出願では、「簡略化モデルを用いるデータドリブンハイブリッドトモグラフィ」(Data Driven Hybrid Tomography Using Simplified Models)と題する２０１９年１２月２日付米国仮特許出願第６２／９４２７３５号に基づき米国特許法第１１９条の規定による優先権を主張し、その暫定特許出願の主題の全容を参照により本願に繰り入れる。
半導体デバイス、例えば論理デバイス及びメモリデバイスを製造する際には、通常、一連の処理工程が試料に適用される。それら半導体デバイスの様々なフィーチャ（外形特徴）及び複数個の階層が、それらの処理工程によって形成される。例えば、その中でもリソグラフィは、半導体ウェハ上でのパターン生成を伴う半導体製造プロセスの一つである。半導体製造プロセスの更なる例としては、これに限られるものではないが化学機械研磨、エッチング、堆積及びイオンインプランテーションがある。複数個の半導体デバイスを単一の半導体ウェハ上に作成した上で、それらを分けて個別の半導体デバイスにすることができる。
計量プロセスが、ウェハ上の欠陥を検出することで歩留まり向上を促進するため、半導体製造プロセス中の様々な工程にて用いられている。光学及びＸ線依拠計量技術には、標本破壊のリスク無しで高いスループットが得られる見込みがある。多数の計量依拠技術、例えばスキャタロメトリ（散乱計測法）、リフレクトメトリ（反射計測法）及びエリプソメトリ（楕円偏向法）の装置並びにそれらに関連する分析アルゴリズムが、限界寸法、膜厚、組成、オーバレイその他、ナノスケール構造のパラメタを解明するため広く用いられている。
多くの計量技術では、間接的な方法により計測下試料の物理特性が計測される。大抵の場合は、生の計測信号を用いて試料の物理特性を直に判別することができない。その代わりに、ある種の計測モデルを反復的に解いて、その生の計測信号にマッチさせることができる。解かれた後は、その計測モデルを利用して、１個又は複数個の注目パラメタの値を推定することができる。
幾つかの例では、トモグラフィック技術を用い画像データを分析することで、トモグラフィック計測モデルが解かれている。幾つかの例では、そのトモグラフィック計測モデルを、ある三次元ボリュームに亘るボクセルのグリッドアレイとし、その中に被計測構造を包み込んでいる。そのアレイを構成するボクセルのサイズ及び間隔は、アプリオリ（先験的）に既知である。トモグラフィ（断層撮像法）は、そのボクセルモデルの各ボクセルに係る特性（例．透明度、電子密度等）の値を決めるのに利用される最適化プロセスである。この最適化プロセスにて、各ボクセルに係る特性の値でありシミュレート画像データ・計測画像データ間差分が最小になる値が求められ、ひいてはその被計測構造が分解ボクセルモデルとして再構築される。
通常の半導体計量アプリケーションでは、被計測構造のボクセルモデル内に多数のボクセル（例．百万個以上のボクセル）を含めることで、注目パラメタ（例．限界寸法、高さ、側壁角等）を正確に推定するのに十分な分解能がもたらされるようにする。そのため、そのトモグラフィック最適化問題が数学的に劣決定的なもの、即ち比較的少数の実計測標本に基づき解くべきボクセルパラメタが百万個以上のものとなる。トモグラフィック最適化問題のこの生来的劣決定性を克服するため、一形式又は複数形式の正則化（整理）がその最適化プロセスの一部として利用されている。
米国特許第７９２９６６７号明細書 米国特許出願公開第２０１５／０１１０２４９号明細書
不運なことに、トモグラフィック分析にて利用されている典型的な一般的正則化（例．全変分正則化、Ｌ１正則化等）では計測性能が制限される。ある種の例では、一般的正則化項の適用が弱いため、その最適化が局所極小解に陥ることや、非現実的で不正確な計測結果につながることがある。ある種の例では、一般的正則化項の適用によって過剰に強い正則化がもたらされ、十分な細部を欠く計測結果につながっている。
将来型計量アプリケーションでは、ますます精細化していく分解能条件、多パラメタ相関、ますます複雑化していく幾何構造、並びに不透明素材の使用の増加を原因とする、計量関係の難題が引き起こされる。半導体計量にて利用されている典型的なトモグラフィック技術では、計測下構造向けに仕立て上げられていない一般的正則化が利用されている。このことが、往々にして、局所極小解での収束や不正確な再構築につながる。即ち、半導体構造のトモグラフィ依拠計測に係る改善された正則化方法及びシステムが望まれている。
半導体構造の計測を踏まえたトモグラフィック分解像に係る改善された正則化方法及びシステムが、本願にて提示される。より具体的には、本願記載の正則化は、データ（例．シミュレートデータ、実データ又はその双方）と、既知のプロセス変動を捉える制約付ボクセルモデルのパラメタ化とに、依拠している。その制約付ボクセルモデルは、計測下構造を特徴付ける簡略化幾何モデル、プロセスモデル又はその双方に基づき決定される。プロセス変動を正確に表す制約付ボクセルモデルに依拠する正則化により、その被計測構造のより正確な再構築に至る収束を、より少ない情報処理労力で以て果たすことが可能になる。これにより、半導体計測に関し、データ獲得条件を削減すること、例えば計測角を少数通りとすること、並びにＭＡＭ(move-acquire-move)時間を縮めることが、可能になる。
三次元ボクセルモデルはボクセル即ち三次元ボリュームのアレイを内包するものであり、それにより計測下構造が内包される。各ボクセルにより、空間内における個別ボリュームの所在個所と、各個別ボリュームを占める素材の特性とが定義される。無制約ボクセルモデルを構成する各ボクセルに係る値は、そのボクセルモデルのその他のボクセルに対し独立である。即ち、無制約ボクセルモデルが有する自由度の個数は、そのボクセルモデルに備わるボクセルの個数に等しい。
ある態様では、トモグラフィック計測エンジンがその計測下構造の制約付ボクセルモデルを受け取る。制約付ボクセルモデルは、前記ボクセルモデルと同じ個数のボクセルを同じ配列で有するものである。それでいて、制約付ボクセルモデルは、前記ボクセルモデルに比し劇的に少ない自由度を有するものである。制約付ボクセルモデルの各ボクセルに係る値は比較的少数の独立変数に依存し、それら独立変数の精粋が、その計測下構造及びその構造を作成するのに利用されたプロセスについての知識により与えられる。
トモグラフィック計測エンジンは、計測下構造の１セットの計測画像であり半導体計測システムによるものをも受け取る。加えて、トモグラフィック計測エンジンは、その半導体計量システムによるその構造の計測について、ボクセルモデルに依拠しシミュレート（模擬導出）する。更に、トモグラフィック計測エンジンは、ボクセルモデルの各ボクセルに係る値を、そのセットの計測画像とそのセットのシミュレート画像との間の差異、並びに前記ボクセルモデルと制約付ボクセルモデルとの間のボクセル毎差異、の両者に基づき更新する。
更なる態様では、トモグラフィック計測エンジンが、その構造の制約付ボクセルモデルを、トモグラフィック最適化を推し進めるフルセットの計測画像、そのフルセットの計測画像のサブセット、別の半導体計測システムによりその計測下構造から収集された一群の計測データ、或いはそれらの組合せをもとに生成する。
ある種の実施形態では、制約付ボクセルモデルを、前記ボクセルモデルを更新するのに利用される最適化に対し独立に合成する。ある種の実施形態では、訓練済制約付ボクセルモデル合成モジュールが、制約付ボクセルモデルを、計測データをもとに直に決定する。ある種の実施形態では、回帰モデル又は訓練済機械学習依拠モデルを利用することで、その計測下構造を特徴付ける１個又は複数個のパラメタの値を、計測データをもとに決定し、訓練済デコーダモデルが、制約付ボクセルモデルを、その１個又は複数個のパラメタの値をもとに生成する。
他のある種の実施形態では、制約付ボクセルモデルを、前記ボクセルモデルを更新するのに利用される最適化の一環として合成する。
別の更なる態様では、トモグラフィック最適化を、その構造の１セットの計測画像と、その構造の各計測を特徴付ける１セットのシミュレート画像であり制約付ボクセルモデルに依拠し生成されたものと、の間の差異により推し進める。
なおも別の更なる態様では、トモグラフィック最適化を、その構造の各計測を特徴付ける１セットのシミュレート画像であり前記ボクセルモデルに依拠し生成されたものと、その構造の各計測を特徴付ける１セットのシミュレート画像であり制約付ボクセルモデルに依拠し生成されたものと、の間の差異により推し進める。
別の更なる態様では、デコーダモデルを幾つかの実施形態に従い利用することで、比較的小さなセットの独立パラメタを、かなり大きな寸法を有するボクセルモデル表現へと変換する。言い換えれば、デコーダモデルにより、少数パラメタ空間からボクセル空間へのマッピングを行う。
ある種の実施形態では、デコーダモデルを、合成生成データ、実計測データ又はユーザ定義データに基づき訓練された、機械学習依拠モデル（例．線形モデル、ニューラルネットワークモデル、畳込みニューラルネットワークモデル等）とする。とはいえ、一般に、デコーダモデルは好適な線形又は非線形モデルであればよい。
以上は概要であり、従って随所に単純化、一般化及び細部省略が含まれているので、本件技術分野に習熟した者（いわゆる当業者）には察せられる通り、この概要は専ら例証的なものであり如何様であれ限定的なものではない。本願記載の装置及び／又はプロセスの他の態様、独創的特徴及び長所については、本願中で説明される非限定的詳細記述にて明らかとされよう。
一実施形態におけるトモグラフィック計測エンジン例１５０を表す図である。 本願提示の諸方法例に係る試料特性計測用小角Ｘ線スキャタロメトリ（ＳＡＸＳ）計量ツールの一実施形態を表す図である。 台形構造の形状を特徴付ける単純な幾何的パラメタ化モデルを表す図である。 台形構造を特徴付ける三次元ボクセルモデルの断面外観を表す図である。 別の実施形態におけるトモグラフィック計測エンジン例を表す図である。 一実施形態における制約付ボクセルモデル合成モジュールを表す図である。 別の実施形態における制約付ボクセルモデル合成モジュールを表す図である。 更に別の実施形態におけるトモグラフィック計測エンジン例を表す図である。 更に別の実施形態におけるトモグラフィック計測エンジン例を表す図である。 一実施形態におけるデコーダ訓練エンジンを表す図である。 別の実施形態におけるデコーダ訓練エンジンを表す図である。 更に別の実施形態におけるデコーダ訓練エンジンを表す図である。 更に別の実施形態におけるデコーダ訓練エンジンを表す図である。 ボクセルモデル及び制約付ボクセルモデルに依拠し注目パラメタ値を推定する方法３００のフローチャートである。
以下、本発明の背景例及びある種の実施形態を詳細に参照し、またその諸例を添付図面に描出する。
半導体構造の計測を踏まえたトモグラフィ的分解像に係り改善された正則化方法及びシステムが、本願にて提示される。より具体的には、本願記載の正則化は、データ（例．シミュレートデータ、実データ又はその双方）と、既知のプロセス変動を捉える制約付ボクセルモデルのパラメタ化とに、依拠するものである。制約付ボクセルモデルは、計測下構造を特徴付ける簡略化幾何モデル、プロセスモデル又はその双方に基づき決定される。プロセス変動を正確に表す制約付ボクセルモデルに依拠する正則化により、その被計測構造のより正確な再構築に至る収束を、より少ない情報処理労力で以て果たすことが可能になる。これにより、半導体計測に関し、データ獲得条件を削減すること、例えば計測角を少数通りとすること、並びにＭＡＭ(move-acquire-move)時間を短縮することが、可能になる。
図１は、一実施形態におけるトモグラフィック計測エンジン例１５０を表す図である。図１に示されている通り、トモグラフィック計測エンジン１５０は最適化モジュール１５１、電磁ソルバモジュール１５２及びパラメタ抽出モジュール１５３を有している。トモグラフィック計測エンジン１５０は、Ｘ線依拠計量システムによる計測下にある半導体構造等、計測下構造を特徴付ける注目パラメタの値１６２を推定する。ある種の実施形態では、それら注目パラメタに注目幾何パラメタ、注目プロセスパラメタ、注目電気パラメタ、注目分散パラメタ等を含める。非限定的な例によれば、注目パラメタの一つをオーバレイ寸法、限界寸法、リソグラフィ焦点、リソグラフィ照射量、エッチング露出時間等とすることができる。
図１に示されている通り、トモグラフィック計測エンジン１５０は半導体計量システム、例えば小角Ｘ線スキャタロメトリ（ＳＡＸＳ）計量システム等による計測の下にある構造の１セットの計測画像１２６を受け取る。ある例では、各計測画像が、その計測下構造にて回折されＳＡＸＳ計量システムの検出器により捕捉されたＸ線光子からなる像となる。そのセットの計測画像１２６には、それぞれ別々の計測インスタンス（事例）に係る複数の回折像が入り込む。各計測インスタンスは、別々の定格入射角、定格アジマス角又はその双方にて行われる計測のことである。このやり方では、そのセットの計測画像１２６のなかに、複数の別々な定格入射角、定格アジマス角又はその双方にて収集された画像が含まれることとなる。
図１に示されている通り、最適化モジュール１５１は、その計測下構造のボクセルモデルの初期値１５４を受け取る。図４に、台形構造１６５を特徴付ける三次元ボクセルモデルの断面外観を示す。図４に示されている通り、ボクセルモデル１６６はボクセル即ち三次元ボリュームのアレイを有しており、各ボクセルが立方体形状を有している。図４に示されている実施形態では、各ボクセルが同じサイズ及び形状である。そのボクセルアレイによって計測下構造が包摂されている。ボクセルの個数はアプリオリに既知であり、トモグラフィック分析の間、一定に保たれる。各ボクセルにより、空間内における個別ボリュームの所在個所と、各個別ボリュームを占める素材の特性とが定義される。Ｘ線依拠計量文脈では、非限定的な例によればその特性を電子密度とすることができる。光学計量文脈では、非限定的な例によればその特性を透明度とすることができる。
図４における描写では、各ボクセルが、各ボクセルに係る素材特性の値に依存し別様に陰影付けされている。例えば、ボクセル１６６Ａが、比較的低い電子密度を有する空気により完全に占められる一方、ボクセル１６６Ｂが、比較的高い電子密度を有する半導体素材により完全に占められている。幾つかのボクセル、例えばボクセル１６６Ｃは、空気により部分的に満たされ且つ半導体素材により部分的に満たされている。即ち、ボクセル１６６Ｃの素材特性の値は、ボクセル１６６Ａに係る値とボクセル１６６Ｂに係る値との間にある。最適化モジュール１５１により受け取られた初期値１５４は、その計測下構造の初期ボクセルモデルを定義するのに利用される。ある種の例によれば、初期値１５４をランダムに選択することができる。別の諸例では、初期値１５４が、その計測下構造の期待形状及び素材特性を最良にモデル化するよう選択される。
ボクセルモデル１５７等、無制約ボクセルモデルの各ボクセルは、そのボクセルモデルの他のボクセルに対し独立である。言い換えれば、そのボクセルモデルのボクセルそれぞれに係る素材値が、そのボクセルモデルの他のボクセルそれぞれに係る値に対し独立である。即ち、そのボクセルモデルが有する自由度の個数が、そのボクセルモデルに備わるボクセルの個数に等しい。ある種の実施形態では、半導体計測に利用されるボクセルモデル内に、１００×１００×１００アレイをなすボクセル群を含める。一般に、半導体計測に利用されるボクセルモデル内には百万個以上のボクセルを含める。
図１に描かれている通り、ボクセルモデル１５７は電磁ソルバモジュール１５２に送られる。電磁ソルバモジュール１５２は、ボクセルモデル１５７により特徴付けられる構造の計測であり各計測インスタンスにて半導体計量システムにより行われるものを、シミュレートする。こうして、電磁ソルバ１５２は、前記セットの計測画像１２６に対応する１セットのシミュレート画像１５９を生成する。
トモグラフィック計測エンジン１５０は、前記セットのシミュレート画像１５９及び計測画像１２６のうち、それぞれ対応しているシミュレート画像と計測画像との間の差分を求める。その差分画像１６０の振幅を、所定の停止基準に照らしチェックする。
その差分が停止基準内である場合、現在のボクセルモデル１５７をパラメタ抽出モジュール１５３に送る。パラメタ抽出モジュール１５３は、その計測下構造を特徴付ける１個又は複数個の注目パラメタの値１６２を、そのボクセルモデル１５７をもとに推定する。図３に、台形構造１６５の形状を特徴付ける単純な幾何パラメタ化モデルを示す。図３に描かれている通り、この幾何モデルでは、台形状構造１６５のサイズ及び形状を、高さパラメタＨ、限界寸法パラメタＣＤ及び側壁角パラメタＳＷＡにより特徴付けている。一般に、どのようなものであれ好適なパラメタ化モデルを利用することで、計測下構造のサイズ及び形状を記述することができる。パラメタ抽出モジュール１５３は、そのパラメタ化モデルのパラメタ例えばＨ、ＣＤ及びＳＷＡの値として、ボクセルモデル１５７により与えられる構造１６５の電子密度マップにより概述されるところの、構造１６５の形状に最良フィットするものを選択する。この要領で、パラメタ抽出モジュール１５３は、注目パラメタ例えばＨ、ＣＤ及びＳＷＡのうち何れかの値を推定する。
差分画像１６０の振幅がその停止基準内でない場合、その差分画像１６０を最適化モジュール１５１に送る。
ある態様では、トモグラフィック計測エンジン１５０がその構造の制約付ボクセルモデル１５５を受け取る。制約付ボクセルモデル１５５は前記ボクセルモデルと同数のボクセルを同配列にて有するもの、即ち同じ場所を占める同じサイズのボクセルを有するものである。それでいて、この制約付ボクセルモデルが有する自由度は、前記ボクセルモデルのそれに比し劇的に少ない。言い換えれば、この制約付ボクセルモデルのボクセルそれぞれに係る素材値は、その制約付ボクセルモデルの他のボクセルそれぞれに係る値に対し独立でない。より具体的には、制約付ボクセルモデルのボクセルそれぞれに係る素材値が比較的少数の独立変数に依存しており、それら独立変数の精粋が、その計測下構造及びその構造を作成するのに利用されたプロセスについての知識により与えられる。
図１に示されている通り、トモグラフィック計測エンジン１５０は、ボクセルモデル１５７・制約付ボクセルモデル１５５間差分１５８を求める。ボクセルモデル１５７・制約付ボクセルモデル１５５間差分１５８はボクセル毎に求める。更に、最適化モジュールが、ボクセルモデル１５７の各ボクセルに係る値を、前記セットの計測画像１２６と前記セットのシミュレート画像１５９との間の差分１６０、並びにボクセルモデル１５７・制約付ボクセルモデル１５５間差分１５８、の双方に基づき更新する。ある例では、最適化モジュール１５１が、ボクセルモデル１５７の各ボクセルに係る値を、等式（１）により表される損失関数が最小になるものへと更新する。
Figure 2023505152000002
等式（１）により表されている通り、損失関数Ｊには、加重係数γ１により加重されたボクセルモデル正則化項ＲｅｇＶが含まれている。このやり方では、最適化が、計測画像Ｉｍｇと前記ボクセルモデルをもとに導出されるシミュレート画像ＥＭＳｏｌｖ（Ｖｏｘ）との差分の二乗により、推し進められる。ある例では、その正則化項ＲｅｇＶが、前記ボクセルモデルＶｏｘと制約付ボクセルモデルＣＶｏｘとの間の差分とされる。加えて、損失関数Ｊに付加的な正則化項、例えば全変分Ｌ１等を含めてもよい。一般に、制約付ボクセルモデルの変数空間が前記ボクセルモデルのそれよりかなり小さく、例えば１００００００ではなく１００オーダの寸法であるため、正則化項ＲｅｇＶによりその最適化プロセスが正則化されることとなる。正則化項ＲｅｇＶにより、その最適化が、効果的に局所極小解から引き離され大域最小解に向かうこととなる。
前述した通り、その計測下構造の前記セットの計測画像１２６を、ＳＡＸＳ計量システムにより生成することができる。図２には、本願提示の諸方法例に係る試料特性計測用ＳＡＸＳ計量ツール１００の一実施形態が描かれている。図２に示されている通り、このシステム１００を用い、試料位置決めシステム１４０上に配された試料１０１の計測エリア１０２内で、構造のＸ線スキャタロメトリ計測を実行することができる。ある種の実施形態では、その計測エリア１０２のスポットサイズが８０μｍ以下とされる。ある種の実施形態では、その計測エリア１０２のスポットサイズが５０μｍ以下とされる。ある種の実施形態では、その計測エリア１０２のスポットサイズが４０μｍ以下とされる。
図示実施形態では、ＳＡＸＳ計量ツール１００が、Ｘ線スキャタロメトリ計測に適したＸ線輻射を生成するＸ線照明源１１０を有している。ある種の実施形態では、そのＸ線照明源１１０にて生成される波長が０．０１ｎｍ～１ｎｍとされる。Ｘ線照明源１１０にて生成されるＸ線ビーム１１７は、試料１０１の検査エリア１０２上に入射する。
一般に、高スループットインライン計量を十分に行える光束レベルにて高輝度Ｘ線を生成しうる何れの好適な高輝度Ｘ線照明源でも、本願記載の通りＸ線スキャタロメトリ計測向けにＸ線照明を供給しうるものと、考えることができる。ある種の実施形態ではＸ線源が可調モノクロメータを有するものとされるので、そのＸ線源により配給されるＸ線輻射の波長を様々に選択することが可能となる。
ある種の実施形態では、１５ｋｅＶ超の光子エネルギで以て輻射を発する１個又は複数個のＸ線源が利用されるため、確と、そのＸ線源から供給される光の波長が、デバイス全体及びウェハ基板を通じ存分な透過が可能なものとなる。非限定的な例によれば、粒子加速器線源、液体アノード線源、回動アノード線源、静止固体アノード線源、マイクロフォーカス線源、マイクロフォーカス回動アノード線源及び逆コンプトン線源の何れも、Ｘ線照明源１１０として利用することができる。ある例によれば、米国カリフォルニア州パロアルト所在のＬｙｎｃｅａｎ Ｔｅｃｈｎｏｌｏｇｉｅｓ，Ｉｎｃ．から入手可能な逆コンプトン線源を、想定することができる。逆コンプトン線源には、ある光子エネルギ域に亘りＸ線を生成でき、ひいてはそのＸ線源により配給されるＸ線輻射の波長を様々に選択することができる、という付加的長所がある。Ｘ線源の例には、固体又は液体ターゲットを砲撃することでＸ線輻射を誘起するよう構成された電子ビーム式線源がある。ある種の実施形態では、Ｘ線照明源１１０が液体金属式Ｘ線照明システムとされる。一種類又は複数種類の元素入りの液体金属ジェットが生成される。非限定的な例によれば、その液体金属ジェットが、アルミニウム、ガリウム、インジウム、スズ、タリウム及びビスマスのうち何れかを含有するものとされる。電子ビーム源（例．電子銃）が電子流を生成し、電子光学系がその電子流を液体金属ジェットへと差し向ける。好適な電子光学系としては、電磁石、永久磁石又は電磁石及び永久磁石の組合せを有し、それによりその電子ビームを集束させてそのビームを液体金属ジェットに差し向けるものがある。それら液体金属ジェット及び電子流の遭遇によりＸ線ビーム１１７が発生し、それが試料１０１の検査エリア１０２上に入射する。こうして、その液体金属ジェットにより、その成分元素に対応するＸ線ラインが生成される。ある実施形態では、その液体金属ジェットが、ガリウム及びインジウムの合金を含有するものとされる。
高輝度液体金属Ｘ線照明生成方法及びシステムが、ＫＬＡ－Ｔｅｎｃｏｒ Ｃｏｒｐ．に対し２０１１年４月１９日付で発行された特許文献１中に記載されているので、参照によりその全容を本願に繰り入れることにする。
ある実施形態では、その入射Ｘ線ビーム１１７が、２４．２ｋｅＶのインジウムｋαラインに位置する。そのＸ線ビームを、Ｘ線スキャタロメトリ計測用の多層Ｘ線光学系を用い、１ｍｒａｄ未満の発散度まで平行化させる。
ある種の実施形態では、本願記載のＸ線散乱計測が、スクリーンをＸ線源・計測下試料間に配置し用いることなく達成される。こうした実施形態によれば、ある入射角域、複数通りの波長又はその双方の組合せに亘る、そのビームの計測強度により十分な情報がもたらされるため、その被計測構造の所望素材特性（例．複素屈折率、電子密度又は吸収率）の分布マップ（即ち画像）を解明することができる。他方、他のある種の例によれば、ピンホールその他のアパーチャを、それが無ければ不透明なスクリーンの上に所在させ、またそのスクリーンをＸ線源・計測下試料間に所在させることで、そのＸ線ビームの平行化具合を改善することができる。その回折パターンの強度は、幾通りかのアパーチャ位置に関し計測される。他のある種の実施形態では、疑似ランダムアパーチャパターンを有するスクリーンが用いられ、その回折パターンが複数枚のスクリーンに関し計測される。これらの手法も、付加的な情報をもたらすことでその被計測構造の所望素材特性の三次元分布を解明するものであると、考えることができる。
ある種の実施形態では、入射Ｘ線ビームのプロファイルが複数個のアパーチャ、スリット又はその組合せにより制御される。更なる実施形態では、そのアパーチャ、スリット又はその双方が、試料の向きと歩調を合わせ回動するよう、ひいては個々の入射角、アジマス角又はその双方に関しその入射ビームのプロファイルが最適化されるよう構成される。
図２に示されている通り、Ｘ線光学系１１５は入射Ｘ線ビーム１１７を整形して試料１０１へと差し向ける。ある種の例ではＸ線光学系１１５がＸ線モノクロメータを有するものとされ、それにより単色化されたＸ線ビームが試料１０１上に入射する。ある例では結晶モノクロメータ、例えばロクスレイ・タナー・ボーエンモノクロメータを利用し、そのＸ線輻射ビームが単色化される。ある種の例では、Ｘ線光学系１１５が、Ｘ線ビーム１１７を平行化し又は試料１０１の検査エリア１０２上へと集束させ、多層Ｘ線光学系を用いその発散度を１ｍｒａｄ未満とする。ある種の実施形態では、Ｘ線光学系１１５が、１個又は複数個のＸ線平行化鏡、Ｘ線アパーチャ、Ｘ線ビームストップ、屈折型Ｘ線光学系、回折光学系例えばゾーンプレート、鏡面Ｘ線光学系例えばかすめ入射楕円体鏡、ポリキャピラリ光学系例えば中空キャピラリＸ線導波路、多層光学系又はシステム、或いはそれらの何らかの組合せを有するものとされる。更なる詳細が特許文献２に記載されているので、参照によりその全容を本願に繰り入れることにする。
一般に、この照明光学システムの焦平面は計測アプリケーション毎に最適化される。その要領でシステム１００を構成することで、計測アプリケーションに依りつつその試料内の様々な深さに焦平面を所在させることができる。
Ｘ線検出器１１６は、試料１０１から散乱されてきたＸ線輻射１２５を収集し、入射Ｘ線輻射に対し感応的な、試料１０１の諸特性を示す出力信号１２６を生成する。ある種の実施形態では、散乱Ｘ線１２５をＸ線検出器１１６により収集する一方で試料位置決めシステム１４０により試料１０１を位置決め及び向き決めすることで、角度分解散乱Ｘ線が生成される。
計量システム１００は、広いダイナミックレンジ（例．１０５超）を有する１個又は複数個の光子計数型検出器と、最小限の寄生後方散乱で以て損傷なしに直接ビーム（即ち０次ビーム）を吸収する厚手な高吸収性結晶基板とを有している。フルビームＸ線スキャタロメトリに適する検出器素材の例としては、テルル化カドミウム（ＣｄＴｅ）、ゲルマニウム（Ｇｅ）及び砒化ガリウム（ＧａＡｓ）の結晶その他がある。ある種の実施形態では、検出器素材が、線源エネルギに対応する狭いエネルギ帯にて高い変換効率がもたらされるよう選択される。
ある種の実施形態では、単一の光子計数型検出器が被検出光子の位置及び個数を検出する。ある種の実施形態では、ＳＮＲを改善すべくデュアル閾値検出器を利用する。
Ｘ線検出器１１６は、一通り又は複数通りのＸ線光子エネルギを分解し、その試料の特性を示すＸ線エネルギ成分毎の信号を生成する。ある種の実施形態では、Ｘ線検出器１１６が、ＣＣＤアレイ、マイクロチャネルプレート、フォトダイオードアレイ、マイクロストリップ型比例計数器、気体充填型比例計数管、シンチレータ及び蛍光素材のうち何れかを有するものとされる。
このやり方では、その検出器内でのＸ線光子相互作用が、画素位置及び計数値に加えエネルギにより弁別される。ある種の実施形態では、それらＸ線光子相互作用の弁別が、そのＸ線光子相互作用のエネルギを所定の上閾値及び所定の下閾値と比較することで行われる。ある実施形態ではその情報が出力信号１２６を媒介にして情報処理システム１３０に送られ、更なる処理及び格納に供される。
高アスペクト比垂直製造構造は、平行化Ｘ線ビームを回折させ諸次回折波をもたらす。各次回折波は予測可能な特定方向に進行する。諸次回折波の角度間隔は、その試料の格子定数を波長により除したものに反比例する。諸次回折波は、ウェハから幾ばくかの距離のところに置かれた検出器アレイによって検出される。その検出器の各画素が、その画素に射突した光子の個数を示す信号を出力する。
図２に示されている通り、ＳＡＸＳ計量システム１００は情報処理システム１３０を有しており、それを利用することで、検出器１１６により生成された信号１２６を獲得しその獲得信号に少なくとも部分的に基づき注目構造の特性を判別することができる。図１、図５、図８及び図９に示されている図解はトモグラフィック計測エンジン１５０の様々な実施形態であり、複合的半導体構造を特徴付ける１個又は複数個の幾何パラメタ、組成パラメタ又はその双方の値を、その複合的半導体構造に係るＸ線スキャタロメトリ計測データに基づき推定するものである。ある種の実施形態では、Ｘ線スキャタロメトリデータ１２６をＸ線スキャタロメトリシステム、例えば図２に示されている計量システム１００によりウェハから収集する。更に、ある種の実施形態では、情報処理システム１３０が、本願記載の通りトモグラフィック計測エンジン１５０として構成される。
更なる態様では、トモグラフィック計測エンジンが、その構造の制約付ボクセルモデルを、トモグラフィック最適化を推し進めるフルセットの計測画像、そのフルセットの計測画像のサブセット、別の半導体計測システムによりその計測下構造から収集された一群の計測データ、或いはそれらの組合せをもとに生成する。
ある種の実施形態では、制約付ボクセルモデル１５５を、フルボクセルモデル１５７を更新するのに利用される最適化とは独立に合成する。図５に、別の実施形態におけるトモグラフィック計測エンジン１５０を示す。図５での図示及び図１を参照しての記載にて同じ番号が付されている要素は、同様のものである。図５に描かれている通り、トモグラフィック計測エンジン１５０は制約付ボクセルモデル合成モジュール１６３を有している。制約付ボクセルモデル合成モジュール１６３は、制約付ボクセルモデル１５５を、計測データ１６４をもとに生成する。ある種の実施形態では計測データ１６４が前記セットの計測画像１２６とされる。他のある種の実施形態では、計測データ１６４が、前記セットの計測画像１２６のサブセット、例えば定格入射角、定格アジマス角又はその双方のサブセットから収集された画像とされる。他のある種の実施形態では、計測データ１６４が、そのトモグラフィック最適化を正則化するのに利用される様々な計測源からの計測信号を含むものとされる。そうした実施形態では、信号情報が、複数通りの計測テクノロジで得られる計測結果を組み入れること、例えば分光エリプソメトリ、分光リフレクトメトリ、軟Ｘ線リフレクトメトリ、その他のイメージング依拠計量例えばハイパースペクトルイメージング計量等によるそれで、増強されることとなる。
ある種の実施形態では、制約付ボクセルモデル合成モジュール１６３に訓練済制約付ボクセルモデル合成モジュールが組み込まれる。その訓練済モデルが、入力たる計測データ１６４を受け取り、出力たる制約付ボクセルモデルを直に決定する。ある種の実施形態では、その訓練済モデルが機械学習依拠計測モデル（例．線形モデル、ニューラルネットワークモデル、畳込みニューラルネットワークモデル等）とされる。こうした実施形態では、そのモデルが、既知値の注目パラメタを有する構造に係り、ひいては既知のボクセルモデル表現を有する構造に係る計測データに基づき、訓練される。その訓練データは、合成生成データ、参照計量システムからの実計測データ、或いはその双方に基づくものとすることができる。
ある種の実施形態では、制約付ボクセルモデル合成モジュール１６３が、その計測下構造を特徴付ける１個又は複数個のパラメタの値を、計測データ１６４をもとに決定し、制約付ボクセルモデルを、その１個又は複数個のパラメタの値をもとに訓練済デコーダモデルに依拠して生成する。
図６に、一実施形態における制約付ボクセルモデル合成モジュール１６３を示す。図６に示されている通り、制約付ボクセルモデル合成モジュール１６３は回帰モジュール１６５及びデコーダモジュール１６６を有している。回帰モジュール１６５は、計測データ１６４を受け取り、その計測下構造を特徴付ける１個又は複数個のパラメタの値１６７を、計測データ１６４を対象とした物理モデル依拠回帰分析により決定する。デコーダモジュール１６６には訓練済デコーダモデルが組み込まれており、それによって、その構造を特徴付ける１個又は複数個のパラメタ例えばＣＤ、ＳＷＡ、Ｈの値が、制約付ボクセルモデル１５５へと変換される。
図７に、別の実施形態における制約付ボクセルモデル合成モジュール１６３を示す。図７に示されている通り、制約付ボクセルモデル合成モジュール１６３は機械学習依拠計測モジュール１６８及びデコーダモジュール１６９を有している。機械学習依拠計測モジュール１６８に備わる訓練済機械学習依拠モデルが、計測データ１６４を受け取り、その計測下構造を特徴付ける１個又は複数個のパラメタの値１７０を直に決定する。デコーダモジュール１６９には訓練済デコーダモデルが組み込まれており、その構造を特徴付ける１個又は複数個のパラメタの値が、それによって制約付ボクセルモデル１５５へと変換される。こうした実施形態では、その機械学習依拠モデルが、その計測下構造を特徴付けるパラメタの値が既知な構造に係る計測データに基づき訓練される。その訓練データは、合成生成データ、参照計量システムからの実計測データ、或いはその双方に基づくものとすることができる。
ある種の実施形態では、前記制約付ボクセルモデル１５５の合成が、フルボクセルモデル１５７を更新するのに利用される最適化の一部として行われる。図８に、更に別の実施形態におけるトモグラフィック計測エンジン１５０を示す。図８における図示及び図１を参照しての記載にて同じ番号が付されている要素は同様のものである。図８に描かれている通り、トモグラフィック計測エンジン１５０はデコーダモジュール１７１を有している。最適化モジュール１５１は、その構造を特徴付ける１個又は複数個のパラメタの値１７２を、前記セットの計測画像１２６と前記セットのシミュレート画像１５９との間の差分１６０、並びにボクセルモデル１５７・制約付ボクセルモデル１５５間差分１５８、の最小化に依拠して決定する。デコーダモジュール１７１には訓練済デコーダモデルが組み込まれており、その構造を特徴付ける１個又は複数個のパラメタの値が、それにより制約付ボクセルモデル１５５へと変換される。
更なる態様では、トモグラフィック最適化が、その構造の１セットの計測画像と、制約付ボクセルモデルに依拠して生成されておりその構造の各計測を特徴付ける１セットのシミュレート画像と、の間の差分により推し進められる。
図９に、更に別の実施形態におけるトモグラフィック計測エンジン１５０を示す。図９での図示並びに図１及び図８を参照しての記載にて同じ番号が付されている要素は同様のものである。図９に描かれている通り、トモグラフィック計測エンジン１５０は１セットの計測画像１７４を受け取る。ある種の実施形態では、そのセットの計測画像１７４が前記セットの計測画像１２６と同一のものとされる。他のある種の実施形態では、そのセットの計測画像１７４が前記セットの計測画像１２６のサブセット、例えば定格入射角、定格アジマス角又はその双方のサブセットから収集された画像とされる。
加えて、ボクセルモデル１５５が電磁ソルバモジュール１５２に送られる。電磁ソルバモジュール１５２は、制約付ボクセルモデル１５５により特徴付けられる構造の計測であり、前記セットの計測画像１７４に含まれる各計測インスタンスにてその半導体計量システムにより行われるものを、シミュレートする。こうして、電磁ソルバ１５２は、前記セットの計測画像１７４に対応する１セットのシミュレート画像１７３を生成する。トモグラフィック計測エンジン１５０は、前記セットのシミュレート画像１７３及び計測画像１７４のうち、それぞれ対応しているシミュレート画像と計測画像との間の差分を求める。その差分画像１７５が最適化モジュール１５１に送られる。最適化モジュール１５１は、その構造のボクセルモデル１５７の各ボクセルに係る値を、部分的に差分画像１７５に基づき更新する。
即ち、ある種の実施形態では、最適化モジュール１５１が、ボクセルモデル１５７の各ボクセルに係る値を、前記セットの計測画像１２６と前記セットのシミュレート画像１５９との間の差分１６０、ボクセルモデル１５７・制約付ボクセルモデル１５５間差分１５８、並びに前記セットの計測画像１７４と前記セットのシミュレート画像１７３との間の差分１７５、の三者に基づき更新する。ある例では、最適化モジュール１５１が、ボクセルモデル１５７の各ボクセルに係る値を、等式（２）により表される損失関数が最小になるものに更新する。
Figure 2023505152000003
等式（２）により表されている通り、損失関数Ｊには等式（１）を参照し記述された諸項が含まれているが、それに加え、その最適化が、１セットの計測画像Ｓと制約付ボクセルモデルをもとに導出されるシミュレート画像ＥＭＳｏｌｖ（ＣＶｏｘ）との間の差分の二乗により、推し進められている。この項によって、その最適化が、大域最小解へと効果的に引き込まれることとなる。
別の更なる態様では、トモグラフィック最適化が、前記ボクセルモデルに依拠し生成されておりその構造の各計測を特徴付ける１セットのシミュレート画像と、制約付ボクセルモデルに依拠し生成されておりその構造の各計測を特徴付ける１セットのシミュレート画像と、の間の差分により推し進められる。
図９に、更に別の実施形態におけるトモグラフィック計測エンジン１５０を示す。図９での図示並びに図１及び図８を参照しての記載にて同じ番号が付されている要素は同様のものである。図９に描かれている通り、トモグラフィック計測エンジン１５０は１セットの計測画像１７４を受け取る。ある種の実施形態では、そのセットの計測画像１７４が１セットの計測画像１２６と同一のものとされる。他のある種の実施形態では、そのセットの計測画像１７４が、前記セットの計測画像１２６のサブセット、例えば定格入射角、定格アジマス角又はその双方のサブセットをもとに収集された画像とされる。
図９に示されている通り、トモグラフィック計測エンジン１５０は、前記セットのシミュレート画像１７３及び計測画像１７４のうち、それぞれ対応しているシミュレート画像と計測画像との間の差分を求める。同様に、トモグラフィック計測エンジン１５０は、前記セットのシミュレート画像１５９及び計測画像１２６のうち、それぞれ対応しているシミュレート画像と計測画像との間の差分を求める。加えて、トモグラフィック計測エンジン１５０は、差分画像１７５・差分画像１６０間差分１７６を求める。その差分画像１７６が最適化モジュール１５１へと遡行的に送られる。最適化モジュール１５１は、その構造のボクセルモデル１５７の各ボクセルに係る値を、部分的に差分画像１７６に基づき更新する。
即ち、ある種の実施形態では、最適化モジュール１５１が、ボクセルモデル１５７の各ボクセルに係る値を、前記セットの計測画像１２６と前記セットのシミュレート画像１５９との間の差分１６０、ボクセルモデル１５７・制約付ボクセルモデル１５５間差分１５８、並びに差分画像１６０・差分画像１７５間差分１７６、に基づき更新する。ある例では、最適化モジュール１５１が、ボクセルモデル１５７の各ボクセルに係る値を、等式（３）により表される損失関数により表される損失関数が最小になるものに更新する。
Figure 2023505152000004
等式（３）により表されている通り、損失関数Ｊには等式（１）を参照し記述された諸項が含まれているが、それに加え、加重係数γ２により加重された画像正則化項ＲｅｇＩが損失関数Ｊに含まれている。正則化項ＲｅｇＩは、計測画像Ｉｍｇと前記ボクセルモデルに依拠し生成された対応するシミュレート画像ＥＭＳｏｌｖ（Ｖｏｘ）との間の差分により生成された差分画像、並びに計測画像Ｓとそれに対応するシミュレート画像ＥＭＳｏｌｖ（ＶＣｏｘ）との間の差分により生成された差分画像、の間の差分である。
更に、ある種の実施形態では、最適化モジュール１５１が、ボクセルモデル１５７の各ボクセルに係る値を、前記セットの計測画像１２６と前記セットのシミュレート画像１５９との間の差分１６０、ボクセルモデル１５７・制約付ボクセルモデル１５５間差分１５８、差分画像１６０・差分画像１７５間差分１７６、並びに前記セットの計測画像１７４と前記セットのシミュレート画像１７３との間の差分１７５、に基づき更新する。ある例では、最適化モジュール１５１が、ボクセルモデル１５７の各ボクセルに係る値を、等式（４）により表される損失関数により表される損失関数が最小になるものに更新する。
Figure 2023505152000005
前述した通り、デコーダモデルを幾つかの実施形態に従い利用することで、比較的小さなセットの独立パラメタが、かなり大きな寸法を有するボクセルモデル表現へと変換される。言い換えれば、デコーダモデルにより、少数パラメタ空間からボクセル空間へのマッピングが行われる。
ある種の実施形態では、デコーダモデルが、合成生成データ、実計測データ又はユーザ定義データに基づき訓練された機械学習依拠モデル（例．線形モデル、ニューラルネットワークモデル、畳込みニューラルネットワークモデル等）とされる。とはいえ、一般に、デコーダモデルは好適な線形又は非線形モデルとするのがよい。
図１０に、一実施形態におけるデコーダ訓練エンジン１８０を示す。ある種の例では、情報処理システム１３０がデコーダ訓練エンジン１８０として構成される。図１０に描かれている通り、デコーダ訓練エンジン１８０はパラメタ化構造化モデル合成モジュール１８１、ボクセルモデル合成モジュール１８２及びデコーダ訓練モジュール１８３を有している。
図１０に描かれている通り、デコーダ訓練エンジン１８０は、計測下構造を特徴付ける１個又は複数個の幾何パラメタの値１８４の実験計画法（ＤＯＥ）セット、その構造を作成するのに利用された半導体製造プロセスを特徴付ける１個又は複数個のプロセスパラメタの値のＤＯＥセット、或いはその双方を受け取る。パラメタ化構造モデル合成モジュール１８１は、その構造の１セットのパラメタ化モデル１８５を、その１個又は複数個の幾何パラメタの値のＤＯＥセット中の個々の値、その１個又は複数個のプロセスパラメタの値のＤＯＥセット中の個々の値、或いはその双方に基づき決定する。ボクセルモデル合成モジュール１８２は、その構造の１セットのボクセルモデル１８６を、その構造の前記セットのパラメタ化モデル１８５それぞれに基づき決定する。デコーダ訓練モジュール１８３は、そのデコーダモデルを、その１個又は複数個の幾何パラメタの値１８４のＤＯＥセット、その１個又は複数個のプロセスパラメタの値のＤＯＥセット、或いはその双方と、前記セットのボクセルモデル１８６のうちそれぞれ対応しているボクセルモデルと、のそれぞれに基づき訓練する。訓練済デコーダモデル１８７はメモリ内、例えばメモリ１３２内に格納される。図１０に描かれている通り、デコーダ訓練モジュールは、パラメタ１８４のＤＯＥセット及びそれに対応するセットのボクセルモデル１８６の双方を訓練に利用する。
図１１に、一実施形態におけるデコーダ訓練エンジン１９０を示す。ある種の例では、情報処理システム１３０がデコーダ訓練エンジン１９０として構成される。図１１に描かれている通り、デコーダ訓練エンジン１９０はパラメタ化構造化モデル合成モジュール１８１、ボクセルモデル合成モジュール１８２及びエンコーダ／デコーダ訓練モジュール１９１を有している。図１１に描かれている通り、エンコーダ／デコーダ訓練モジュール１９１は、前記セットのボクセルモデル１８６を利用し、オートエンコーダ（自己符号化器）及びデコーダの双方を同時訓練する。
図１１に描かれている通り、デコーダ訓練エンジン１９０は、計測下構造を特徴付ける１個又は複数個の幾何パラメタの値１８４の実験計画法（ＤＯＥ）セット、その構造を作成するのに利用された半導体製造プロセスを特徴付ける１個又は複数個のプロセスパラメタの値のＤＯＥセット、或いはその双方を受け取る。パラメタ化構造モデル合成モジュール１８１は、その構造の１セットのパラメタ化モデル１８５を、その１個又は複数個の幾何パラメタの値のＤＯＥセット中の個々の値、その１個又は複数個のプロセスパラメタの値のＤＯＥセット中の個々の値、或いはその双方に基づき決定する。ボクセルモデル合成モジュール１８２は、その構造の１セットのボクセルモデル１８６を、その構造の前記セットのパラメタ化モデル１８５それぞれに基づき決定する。エンコーダ／デコーダ訓練モジュール１９１は、訓練済デコーダに入力として供給されるべきパラメタ空間の所望寸法についての指示１９２を受け取る。例えば、そのパラメタ空間の寸法を１～１００の範囲内の整数とすることができる。エンコーダ／デコーダ訓練モジュール１９１は、前記セットのボクセルモデル１８６の各ボクセルモデルをその所望寸法を有するパラメタ空間の各パラメタの１セットの値へとマッピングするオートエンコーダと、そのセットのパラメタ値をボクセルモデルへとマッピングするデコーダとを、同時に訓練する。この訓練は、ボクセルモデル１８６の各ボクセルモデルと、それに対応するボクセルモデルでありそのオートエンコーダにより求められたパラメタをもとにそのデコーダが求めたボクセルモデルと、の間の差異が最小化されるまで反復される。その訓練済デコーダモデル１９３がメモリ、例えばメモリ１３２内に格納される。図１１に描かれている通り、エンコーダ／デコーダ訓練モジュール１９１は、パラメタ１８４のＤＯＥセットを訓練にて明示的に利用しておらず、寧ろ、前記セットのボクセルモデル１８６に埋め込まれているパラメタ１８４のＤＯＥセットをもとにした情報が、訓練中に利用されている。
ある種の実施形態では、デコーダモデルが実計測データに基づき訓練される。図１２に、一実施形態におけるデコーダ訓練エンジン２００を示す。ある種の例では、情報処理システム１３０がデコーダ訓練エンジン２００として構成される。図１２に描かれている通り、デコーダ訓練エンジン２００はボクセルモデル合成モジュール１８２及びエンコーダ／デコーダ訓練モジュール１９１を有している。
ボクセルモデル合成モジュール１８２は、高信頼参照計量システムに発する計測データから導出されたパラメタ変分２０１を受け取る。１枚又は複数枚の実験計画法（ＤＯＥ）ウェハには、計測下構造の複数個のインスタンス（実施物）が作り込まれている。その構造の各インスタンスには、その構造を特徴付ける１個又は複数個の幾何パラメタ、その構造を作成するのに利用された半導体製造プロセスを特徴付ける１個又は複数個のプロセスパラメタ、或いはその双方の値に、違いがある。高信頼参照計量システムを利用し計測されるのは、その１枚又は複数枚のＤＯＥウェハ上に配された構造の各インスタンスである。その参照計量システムによりもたらされる計測結果は、十分に正確である点で、ユーザにとり信頼の置けるものである。その１個又は複数個の幾何パラメタ、その１個又は複数個のプロセスパラメタ、或いはその双方の値の変分は、高信頼参照計量システムによるその構造の諸インスタンスの計測をもとにして求まる。ボクセルモデル合成モジュール１８２は、その構造の１セットのボクセルモデル１８６を、その１個又は複数個の幾何パラメタ、その１個又は複数個のプロセスパラメタ、或いはその双方の値の変分に基づき決める。
エンコーダ／デコーダ訓練モジュール１９１は、訓練済デコーダに入力として供給されるべきパラメタ空間の所望寸法についての指示１９２を受け取る。エンコーダ／デコーダ訓練モジュール１９１は、前記セットのボクセルモデル１８６の各ボクセルモデルをその所望寸法を有するパラメタ空間の各パラメタの１セットの値へとマッピングするオートエンコーダと、そのセットのパラメタ値をボクセルモデルへとマッピングするデコーダとを、同時に訓練する。この訓練は、ボクセルモデル１８６の各ボクセルモデルと、そのオートエンコーダにより求められたパラメタをもとにそのデコーダが求めた対応するボクセルモデルと、の間の差異が最小化されるまで反復される。その訓練済デコーダモデル１９３がメモリ、例えばメモリ１３２内に格納される。
ある種の実施形態では、デコーダモデルがユーザ定義データに基づき訓練される。図１３に、一実施形態におけるデコーダ訓練エンジン２１０を示す。ある種の例では、情報処理システム１３０がデコーダ訓練エンジン２１０として構成される。図１３に描かれている通り、デコーダ訓練エンジン２１０はエンコーダ／デコーダ訓練モジュール１９１を有している。
エンコーダ／デコーダ訓練モジュール１９１は、その構造の１セットのボクセルモデル２１１をユーザから受け取る。加えて、エンコーダ／デコーダ訓練モジュール１９１は、訓練済デコーダに入力として供給されるべきパラメタ空間の所望寸法についての指示１９２を受け取る。エンコーダ／デコーダ訓練モジュール１９１は、前記セットのボクセルモデル２１１の各ボクセルモデルをその所望寸法を有するパラメタ空間の各パラメタの１セットの値へとマッピングするオートエンコーダと、そのセットのパラメタ値をボクセルモデルへとマッピングするデコーダとを、同時に訓練する。この訓練は、ボクセルモデル２１１の各ボクセルモデルと、そのオートエンコーダにより求められたパラメタをもとにそのデコーダが求めた対応するボクセルモデルと、の間の差異が最小化されるまで反復される。その訓練済デコーダモデル２１２がメモリ、例えばメモリ１３２内に格納される。
本願記載の通り、幾通りかの別々なデータドリブン正則化例を、トモグラフィック最適化を推し進めるのに利用することができる。一般に、それらデータドリブン正則化例の何れの組合せも、トモグラフィック最適化を推し進めるべく同時利用することができる。例えば、複数個の別々な制約付ボクセルモデル、例えば別々な計測源又は別々な組合せの計測源をもとに生成された制約付ボクセルモデルを同時に利用して、ボクセル依拠正則化、画像依拠正則化又はその双方を通じたトモグラフィック最適化を推し進めることができる。その制約付ボクセルモデルを、様々な計測源又は様々な組合せの計測源から導出されたデータをもとに生成することができる。加えて、様々なサイズの独立パラメタ空間を利用する制約付ボクセルモデルを、利用することができる。
ある種の例では、最適化モジュール１５１が、ボクセルモデル１５７の各ボクセルに係る値を、複数個の誤差項、ボクセル依拠正則化項、画像依拠正則化項又はそれらの何らかの組合せを含んでおり等式（５）により表される損失関数が最小になる値に、更新する。
Figure 2023505152000006
図２に示されている通り、システム１００には一通りの計測テクノロジ（即ちＳＡＸＳ）が組み込まれている。しかしながら、一般に、システム１００に幾通りの別々な計測テクノロジを組み込んでもよい。非限定的な例によれば、システム１００を、反射型小角Ｘ線スキャタロメータ（散乱計）、軟Ｘ線リフレクトメータ（散乱計）、分光エリプソメータ（楕円偏向計）（例えばミュラー行列エリプソメトリ）、分光リフレクトメータ、分光スキャタロメータ、オーバレイスキャタロメータ、角度分解ビームプロファイルリフレクトメータ、偏向分解ビームプロファイルリフレクトメータ、ビームプロファイルリフレクトメータ、ビームプロファイルエリプソメータ、何らかの単一又は複数波長エリプソメータ、ハイパースペクトルイメージングシステム、或いはそれらの何らかの組合せとして、構成することができる。更に、一般に、別々な計測テクノロジにより収集され本願記載の諸方法に従い分析される計測データの収集元を、複数個のツールとしても、複数通りのテクノロジが統合された単一のツールとしても、或いはその組合せとしてもよい。
更なる実施形態によれば、システム１００に１個又は複数個の情報処理システム１３０を設け、それを利用することで、構造の計測を実行して本願記載の諸方法に従い注目パラメタ値を推定することができる。その１個又は複数個の情報処理システム１３０を検出器１１６に可通信結合させることができる。ある態様では、その１個又は複数個の情報処理システム１３０が、計測下構造（例．試料１０１上に配された構造）の計測に係る計測データ１２６を受け取るよう構成される。
なおも別の更なる態様によれば、本願記載の諸計測結果を用い、プロセスツール（例．リソグラフィツール、エッチングツール、堆積ツール等）への能動フィードバックを提供することができる。例えば、本願記載の計測方法に依拠し求められた計測パラメタ値をエッチングツールに送り、エッチング時間を調整することで、所望のエッチング深さを達成することができる。同様のやり方で、エッチングパラメタ（例．エッチング時間、拡散率等）や堆積パラメタ（例．時間、濃度等）を計測モデルに組み込み、エッチングツールや堆積ツールそれぞれへの能動フィードバックを提供することができる。ある例によれば、計測されたデバイスパラメタ値に基づきプロセスパラメタに対する補正量を決定し、プロセスツールに送ることができる。ある実施形態では、情報処理システム１３０が１個又は複数個の注目パラメタの値を決定する。加えて、情報処理システム１３０が、その１個又は複数個の注目パラメタの決定値に基づきプロセスコントローラに制御コマンドを送る。それら制御コマンドに従い、プロセスコントローラがプロセスの状態を変化させる（例．エッチングプロセスを停止させる、拡散率を変化させる等）。ある例では、制御コマンドに従い、プロセスコントローラが、リソグラフィシステムの焦点、そのリソグラフィシステムの照射量、或いはその双方を調整する。また、ある例では、制御コマンドに従い、プロセスコントローラが、エッチングレートを変化させることで、ＣＤパラメタの被計測ウェハ均一度を改善する。
ある種の例では、計測モデルが、米国カリフォルニア州ミルピタス所在のＫＬＡ－Ｔｅｎｃｏｒ Ｃｏｒｐｏｒａｔｉｏｎから入手可能なＳｐｅｃｔｒａＳｈａｐｅ（商標）光学限界寸法計量システムの一要素として実現される。このやり方であれば、スペクトルがそのシステムにより収集された直後に、そのモデルが生成され使用準備が整う。
他のある種の例では、計測モデルが、例えば、米国カリフォルニア州ミルピタス所在のＫＬＡ－Ｔｅｎｃｏｒ Ｃｏｒｐｏｒａｔｉｏｎから入手可能なＡｃｕＳｈａｐｅ（登録商標）ソフトウェアを実行する情報処理システムにより、オフライン実現される。それによりもたらされる訓練済モデルを、計測を実行する計量システムによるアクセスが可能なＡｃｕＳｈａｐｅ（登録商標）ライブラリの一要素として、組み込むことができる。
図１４には、少なくとも１個の新規態様に従いボクセルモデル及び制約付ボクセルモデルをもとに１個又は複数個の注目パラメタ値を推定する方法３００が描かれている。方法３００は、本発明の図２に描かれている計量システム１００等、計量システムによる実施に適している。ある態様によれば、認識頂けるように、方法３００の諸データ処理ブロックを、予めプログラミングされているアルゴリズムを情報処理システム１３０又は他の何らかの汎用情報処理システムに備わる１個又は複数個のプロセッサにより実行することを通じ、実行することができる。本願での認識によれば、計量システム１００の具体的な構造的諸側面は限定を表すものではなく、専ら例証として解されるべきである。
ブロック３０１では、一群の照明輻射が第１半導体計測システムの照明源により供給される。その一群の照明輻射が、半導体ウェハ上に配された構造へと差し向けられる。
ブロック３０２では、その一群の照明輻射に応じその構造から散乱されてきた一群の輻射が、第１半導体計測システムの検出器により検出される。
ブロック３０３では、その構造の各計測インスタンスに係りその構造から検出された一群の輻射を特徴付ける１セットの計測画像が、第１半導体計測システムにより生成される。
ブロック３０４では、その構造のボクセルモデルの各ボクセルに係る初期値が決定される。そのボクセルモデルには第１複数個のボクセルを含める。そのボクセルモデルの第１複数個のボクセルそれぞれに係る値は、そのボクセルモデルの第１複数個のボクセルのうちその他のボクセルそれぞれに係る値に対し独立である。そのボクセルモデルが有する自由度の個数はその第１複数に等しい。
ブロック３０５では、第１半導体計測システムによるその構造の各計測を特徴付ける第１セットのシミュレート画像が、そのボクセルモデルに依拠して生成される。
ブロック３０６では、その構造の制約付ボクセルモデルが受け取られる。その制約付ボクセルモデルにおけるボクセルの個数は第１複数に等しいが、その制約付ボクセルモデルが有する自由度の個数は第１複数未満である。
ブロック３０７では、その構造のボクセルモデルの各ボクセルに係る値が、前記セットの計測画像と第１セットのシミュレート画像との間の差異、並びに前記ボクセルモデルと制約付ボクセルモデルとの間の差異、に基づき反復的に更新される。
ブロック３０８では、その計測下構造を特徴付ける１個又は複数個の注目パラメタの値が、前記ボクセルモデルをもとに推定される。
更なる実施形態では、システム１００に備わる１個又は複数個の情報処理システム１３０を利用し、本願記載の諸方法に従い計測データに基づく半導体構造の計測が実行される。その１個又は複数個の情報処理システム１３０を、１個又は複数個の検出器、能動光学素子、プロセスコントローラ等に可通信結合させることができる。
認識されるべきことに、本件開示の随所に記載の１個又は複数個のステップを、単一コンピュータシステム１３０により実行してもよいし、それに代え複数コンピュータシステム１３０により実行してもよい。更に、システム１００の様々なサブシステムに、本願記載のステップのうち少なくとも一部分を実行するのに適したコンピュータシステムを組み込んでもよい。従って、前掲の記述は、本発明に対する限定事項としてではなく、単なる例証として解されるべきである。
加えて、コンピュータシステム１３０を計量システムの他要素に可通信結合させてもよく、その要領を本件技術分野で既知な何れの要領としてもよい。例えば、１個又は複数個の情報処理システム１３０を、検出器と連携する情報処理システムに結合させてもよい。また例えば、その検出器を、コンピュータシステム１３０に結合された単一コンピュータシステムにより直に制御してもよい。
システム１００のコンピュータシステム１３０を、本システムの諸サブシステム（例．検出器等）からのデータ又は情報を伝送媒体、例えば有線及び／又は無線区間を有するそれにより受領及び／又は獲得するよう、構成してもよい。この要領で、その伝送媒体を、コンピュータシステム１３０とシステム１００の他サブシステムとの間のデータリンクとして働かせることができる。
システム１００のコンピュータシステム１３０を、他システムからのデータ又は情報（例．計測結果、モデル化入力、モデル化結果、参照計測結果等）を伝送媒体、例えば有線及び／又は無線区間を有するそれにより受領及び／又は獲得するよう、構成してもよい。この要領で、その伝送媒体を、コンピュータシステム１３０と他システム（例．システム１００のオンボードメモリ、外部メモリ又は他の外部システム）との間のデータリンクとして働かせることができる。例えば、情報処理システム１３０を、データリンクを介し格納媒体（即ちメモリ１３２又は外部メモリ）から計測データを受け取るよう構成することができる。一例としては、本願記載の検出器を用い得られた計測結果を恒久的又は半恒久的メモリデバイス（例．メモリ１３２又は外部メモリ）内に格納させることができる。この構成によれば、その計測結果をオンボードメモリから、或いは外部メモリシステムからインポートすることができる。更に、コンピュータシステム１３０から伝送媒体を介し他システムにデータを送ってもよい。一例としては、コンピュータシステム１３０により決定された推定パラメタ値又は計測モデルを送り、外部メモリ内に格納させることができる。この構成によれば、計測結果を他システムにエキスポートすることができる。
情報処理システム１３０には、これに限られるものではないが、パーソナルコンピュータシステム、メインフレームコンピュータシステム、ワークステーション、イメージコンピュータ、並列プロセッサその他、本件技術分野で既知なあらゆる装置が包含されうる。一般に、語「情報処理システム」は、記憶媒体から得た命令を実行するプロセッサを１個又は複数個有するデバイス全てが包括されるよう、広く定義することができる。
方法例えば本願記載のそれらを実現するプログラム命令１３４を、伝送媒体例えばワイヤ、ケーブル又は無線伝送リンク上で伝送させてもよい。例えば、図２に描かれている通り、メモリ１３２に格納されているプログラム命令１３４を、バス１３３上を経てプロセッサ１３１へと伝送させる。プログラム命令１３４はコンピュータ可読媒体（例．メモリ１３２）内に格納されている。コンピュータ可読媒体の例としては、リードオンリメモリ、ランダムアクセスメモリ、磁気又は光ディスク、並びに磁気テープがある。
本願記載の語「限界寸法」には、構造のあらゆる限界寸法（例．下部限界寸法、中部限界寸法、上部限界寸法、側壁角、格子高さ等々）、任意の２個以上の構造間の限界寸法（例．２個の構造間の距離）、並びに２個以上の構造間のずれ（例．重なり合う格子構造間のオーバレイ位置ずれ等）が包含される。構造の例としては三次元構造、パターン化構造、オーバレイ構造等があろう。
本願記載の語「限界寸法アプリケーション」や「限界寸法計測アプリケーション」にはあらゆる限界寸法計測が包含される。
本願記載の語「計量システム」には、計測アプリケーション例えば限界寸法計量、オーバレイ計量、焦点／照射量計量及び組成計量を初め、その態様を問わず試料の解明に少なくとも部分的に利用されるシステム全てが包含される。とはいえ、こうした技術用語により本願記載の語「計量システム」の範囲が限定されるわけではない。加えて、システム１００をパターン化ウェハの計測向けに構成しても、及び／又は、無パターンウェハの計測向けに構成してもよい。その計量システムを、ＬＥＤ検査ツール、エッジ検査ツール、背面検査ツール、マクロ検査ツール又はマルチモード検査ツール（１個又は複数個のプラットフォームから同時にデータを得るものを含む）その他、本願記載の諸技術から利を受けるどのような計量又は検査ツールとして構成してもよい。
本願では、何らかの半導体処理ツール（例．検査システムやリソグラフィシステム）内で試料を計測するのに使用されうる半導体計測システムに関し様々な実施形態が記述されている。本願で用いられている語「試料」は、本件技術分野で既知な手段により処理（例．印刷又は欠陥検査）されうるウェハ、レティクルその他、あらゆる標本を指している。
本願中の用語「ウェハ」は、総じて、半導体又は非半導体素材で形成された基板のことを指している。その例としては、これに限られるものではないが、単結晶シリコン、ヒ化ガリウム及び燐化インジウムがある。そうした基板は半導体製造設備にて普通に見出すことができ、及び／又は、処理することができる。場合によっては、ウェハが基板のみで構成されていることがある（いわゆるベアウェハ）。そうではなく、ウェハが、基板上に形成された１個又は複数個の異種素材層を有していることもある。ウェハ上に形成された１個又は複数個の層が「パターニング」されていることも「未パターニング」なこともありうる。例えば、ウェハ内に複数個のダイがありそれらが可反復パターンフィーチャを有していることがありうる。
「レティクル」は、レティクル製造プロセスのどの段階にあるレティクルでもよいし、レティクルの完成品でもよいし、また半導体製造設備での使用向けにリリースされていてもいなくてもよい。レティクル或いは「マスク」は、一般に、その上にほぼ不透明な領域が形成されておりその領域がパターンの態で構成されているほぼ透明な基板として、定義される。その基板は、例えば、ガラス素材例えばアモルファスＳｉＯ２を含有するものとすることができる。レジストで覆われたウェハの上方にレティクルを配してリソグラフィプロセスのうち露出工程を行うことで、そのレティクル上のパターンをそのレジストへと転写することができる。
ウェハ上に形成される１個又は複数個の層がパターンをなしていてもよいし、なしていなくてもよい。例えば、ウェハが複数個のダイを有していて、そのそれぞれが可反復パターンフィーチャを有するのでもよい。そうした素材層の形成及び処理によって、最終的にはデバイスの完成品が得られよう。多種多様なデバイスがウェハ上に形成されうるのであり、本願中の用語ウェハの意図は、本件技術分野で既知な何れかの種類のデバイスがその上に作成されるウェハを包括することにある。
１個又は複数個の例示的実施形態では、前述の機能がハードウェア、ソフトウェア、ファームウェア又はそれらの何らかの組合せの態で実現されうる。ソフトウェアでの実現時には、それらの機能が１個又は複数個の命令又はコードとしてコンピュータ可読媒体上に格納され又はその媒体上で伝送されよう。コンピュータ可読媒体にはコンピュータ格納媒体及び通信媒体の双方、例えばコンピュータプログラムをある場所から別の場所へと転送するのに役立つ媒体全てが包含される。格納媒体は、汎用又は専用コンピュータによるアクセスされうる何れの入手可能媒体であってもよい。例えば、限定するものではないが、そうしたコンピュータ可読媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ－ＲＯＭその他の光ディスクストレージ、磁気ディスクストレージその他の磁気格納装置、或いは他の何らかの媒体であり、命令又はデータ構造の形態を採る所望のプログラムコード手段の搬送又は格納に使用することができ、且つ汎用又は専用コンピュータ或いは汎用又は専用プロセッサによりアクセスされうるものを、備えるものとすることができる。また、どのような接続であれコンピュータ可読媒体と称して差し支えない。例えば、そのソフトウェアをウェブサイト、サーバその他のリモートソースから送信するに当たり同軸ケーブル、光ファイバケーブル、ツイストペア、ディジタル加入者線（ＤＳＬ）又は無線テクノロジ例えば赤外線、無線周波数若しくはマイクロ波が用いられるのであれば、それら同軸ケーブル、光ファイバケーブル、ツイストペア、ＤＳＬ又は無線テクノロジ例えば赤外線、無線周波数及びマイクロ波は、媒体の定義に収まる。本願中の用語ディスク(disk/disc)には、コンパクトディスク（ＣＤ）、レーザディスク、光ディスク、ディジタルバーサタイルディスク（ＤＶＤ）、フロッピー（登録商標）ディスク及びブルーレイ（登録商標）ディスクを初め、通常はデータが磁気的に再生されるディスク(disk)及びレーザで以てデータが光学的に再生されるディスク(disc)が包含される。上掲のものの組合せもまたコンピュータ可読媒体の範囲内に包含されるべきである。
ある種の具体的諸実施形態を教示目的で上述したが、本件特許出願の教示は一般的な適用可能性を有するものであり、上述の具体的諸実施形態に限定されるものではない。従って、特許請求の範囲中で説明されている発明の技術的範囲から離隔することなく、上述の諸実施形態の諸特徴につき様々な修正、適合化並びに組合せを実施することができる。

Claims (24)

  1. 第１半導体計測システムの照明源から一群の照明輻射を供給し、半導体ウェハ上に配された構造へと前記一群の照明輻射を差し向け、
    前記一群の照明輻射に応じ前記構造から散乱されてきた一群の輻射を、前記第１半導体計測システムの検出器により検出し、
    前記構造の各計測インスタンスに係り前記構造から検出された前記一群の輻射を特徴付ける１セットの計測画像を、前記第１半導体計測システムにより生成し、
    前記構造のボクセルモデルの各ボクセルに係る初期値を決定し、但し前記ボクセルモデルが第１複数個のボクセルを含み、前記ボクセルモデルの前記第１複数個のボクセルそれぞれに係る値が前記ボクセルモデルの前記第１複数個のボクセルのうちその他のボクセルそれぞれに係る値に対し独立で、前記ボクセルモデルが有する自由度の個数が前記第１複数に等しく、
    前記第１半導体計測システムによる前記構造の各計測を特徴付ける第１セットのシミュレート画像を、前記ボクセルモデルに依拠して生成し、
    前記構造の制約付ボクセルモデルを受け取り、但し前記制約付ボクセルモデルにおけるボクセルの個数が前記第１複数に等しく、前記制約付ボクセルモデルが有する自由度の個数が前記第１複数未満であり、
    前記構造の前記ボクセルモデルの各ボクセルに係る前記値を、前記セットの計測画像と前記第１セットのシミュレート画像との間の差異、並びに前記ボクセルモデルと前記制約付ボクセルモデルとの間の差異、に基づき反復的に更新し、且つ
    前記計測下構造を特徴付ける１個又は複数個の注目パラメタの値を、前記ボクセルモデルをもとに推定する方法。
  2. 請求項１に記載の方法であって、更に、
    前記制約付ボクセルモデルを、前記セットの計測画像、前記セットの計測画像のサブセット、第２半導体計測システムにより前記構造から収集された一群の計測データ、或いはそれらの組合せをもとに決定する方法。
  3. 請求項２に記載の方法であって、前記制約付ボクセルモデルを訓練済制約付ボクセルモデル合成モジュールにより決定する方法。
  4. 請求項２に記載の方法であって、前記制約付ボクセルモデルの前記決定に際し、
    前記構造を特徴付ける１個又は複数個のパラメタの値を、前記セットの計測画像、前記セットの計測画像の前記サブセット、別の半導体計測システムにより前記構造から収集された前記一群の計測データ、或いはそれらの組合せをもとに決定し、且つ
    前記制約付ボクセルモデルを、訓練済デコーダモデルに依拠し前記１個又は複数個のパラメタの前記値をもとに生成する方法。
  5. 請求項４に記載の方法であって、前記構造を特徴付ける前記１個又は複数個のパラメタの前記値の前記決定が、回帰モデル又は訓練済機械学習依拠モデルに依拠するものである方法。
  6. 請求項４に記載の方法であって、前記構造を特徴付ける前記１個又は複数個のパラメタの前記値の前記決定が、前記セットの計測画像と前記セットのシミュレート画像との間の差異、並びに前記ボクセルモデルと前記制約付ボクセルモデルとの間の差異、の最小化に依拠するものである方法。
  7. 請求項１に記載の方法であって、更に、
    前記半導体計測システムによる前記構造の各計測を特徴付ける第２セットのシミュレート画像を、前記制約付ボクセルモデルに依拠して生成する方法であり、前記構造の前記ボクセルモデルの各ボクセルに係る前記値の前記更新も、前記セットの計測画像又は前記セットの計測画像のサブセットと、前記第２セットのシミュレート画像と、の間の差異に基づくものである方法。
  8. 請求項１に記載の方法であって、更に、
    前記半導体計測システムによる前記構造の各計測を特徴付ける第２セットのシミュレート画像を、前記制約付ボクセルモデルに依拠して生成する方法であり、前記構造の前記ボクセルモデルの各ボクセルに係る前記値の前記更新も、前記第１セットのシミュレート画像と、前記第２セットのシミュレート画像と、の間の差異に基づくものである方法。
  9. 請求項４に記載の方法であって、更に、
    前記構造を特徴付ける１個又は複数個の幾何パラメタの値の実験計画法（ＤＯＥ）セット、前記構造を作成するのに利用された半導体製造プロセスを特徴付ける１個又は複数個のプロセスパラメタの値のＤＯＥセット、或いはその双方を生成し、
    前記構造の１セットのパラメタ化モデルを、前記１個又は複数個の幾何パラメタの値の前記ＤＯＥセット中の個々の値、前記１個又は複数個のプロセスパラメタの値の前記ＤＯＥセット中の個々の値、或いはその双方に基づき決定し、
    前記構造の１セットのボクセルモデルを、前記構造の前記セットのパラメタ化モデルそれぞれに基づき決定し、且つ
    前記デコーダモデルを、前記１個又は複数個の幾何パラメタの値の前記ＤＯＥセット、前記１個又は複数個のプロセスパラメタの値の前記ＤＯＥセット、或いはその双方と、前記セットのボクセルモデルと、に基づき訓練する方法。
  10. 請求項４に記載の方法であって、更に、
    前記構造の複数個のインスタンスを有する１枚又は複数枚の実験計画法（ＤＯＥ）ウェハを作成し、但し各インスタンスが、前記構造を特徴付ける１個又は複数個の幾何パラメタ、前記構造を作成するのに利用された半導体製造プロセスを特徴付ける１個又は複数個のプロセスパラメタ、或いはその双方の値が異なるものであり、
    前記１枚又は複数枚のＤＯＥウェハ上に配された前記構造の各インスタンスを、高信頼参照計量システムを用い計測し、
    前記１個又は複数個の幾何パラメタ、前記１個又は複数個のプロセスパラメタ、或いはその双方の値の変分を、前記構造の前記インスタンスについての前記高信頼参照計量システムによる計測を踏まえて推定し、
    前記構造の１セットのボクセルモデルを、前記１個又は複数個の幾何パラメタ、前記１個又は複数個のプロセスパラメタ、或いはその双方の前記変分に基づき決定し、且つ
    前記デコーダモデルを前記セットのボクセルモデルに依拠して訓練する方法。
  11. 請求項４に記載の方法であって、更に、
    前記構造の１セットのボクセルモデルをユーザから受け取り、且つ
    前記デコーダモデルを前記セットのボクセルモデルに依拠して訓練する方法。
  12. 請求項１に記載の方法であって、各計測インスタンスにて前記半導体ウェハの前記表面上の前記計測サイトへと差し向けられる前記一群の照明輻射を、複数の別々な入射角、複数の別々なアジマス角、或いはその双方にて供給する方法。
  13. 請求項１に記載の方法であって、前記１個又は複数個の注目パラメタのなかに、注目幾何パラメタ、注目プロセスパラメタ、注目電気パラメタ及び注目分散パラメタのうち何れかを含める方法。
  14. 請求項１に記載の方法であって、前記１個又は複数個の注目パラメタのなかに、オーバレイ寸法、限界寸法、リソグラフィ焦点及びリソグラフィ照射量のうち何れかを含める方法。
  15. 請求項１に記載の方法であって、前記第１半導体計測システムが小角Ｘ線スキャタロメータである方法。
  16. 請求項２に記載の方法であって、前記第２半導体計測システムが分光エリプソメータ、分光リフレクトメータ、軟Ｘ線リフレクトメータ、イメージングシステム及びハイパースペクトルイメージングシステムのうち何れかである方法。
  17. 第１半導体計測システムの照明源であり、半導体ウェハ上に配された構造に向かう一群の照明輻射を供給するよう構成されている照明源と、
    前記第１半導体計測システムの検出器であり、前記一群の照明輻射に応じ前記構造から散乱されてきた一群の輻射を検出するよう構成されている検出器と、
    命令が格納されている非一時的コンピュータ可読媒体と、を備え、それら命令が１個又は複数個のプロセッサにより実行されたときに、前記１個又は複数個のプロセッサが、
    前記構造の各計測インスタンスに係り前記構造から検出された前記一群の輻射を特徴付ける１セットの計測画像を、前記第１半導体計測システムにより生成し、
    前記構造のボクセルモデルの各ボクセルに係る初期値を決定し、但し前記ボクセルモデルが第１複数個のボクセルを含み、前記ボクセルモデルの前記第１複数個のボクセルそれぞれに係る値が前記ボクセルモデルの前記第１複数個のボクセルのうちその他のボクセルそれぞれに係る値に対し独立で、前記ボクセルモデルが有する自由度の個数が前記第１複数に等しく、
    前記第１半導体計測システムによる前記構造の各計測を特徴付ける第１セットのシミュレート画像を、前記ボクセルモデルに依拠して生成し、
    前記構造の制約付ボクセルモデルを受け取り、但し前記制約付ボクセルモデルにおけるボクセルの個数が前記第１複数に等しく、前記制約付ボクセルモデルが有する自由度の個数が前記第１複数未満であり、
    前記構造の前記ボクセルモデルの各ボクセルに係る前記値を、前記セットの計測画像と前記第１セットのシミュレート画像との間の差異、並びに前記ボクセルモデルと前記制約付ボクセルモデルとの間の差異、に基づき反復的に更新し、且つ
    前記計測下構造を特徴付ける１個又は複数個の注目パラメタの値を、前記ボクセルモデルをもとに推定するシステム。
  18. 請求項１７に記載のシステムであって、前記非一時的コンピュータ可読媒体に更に命令が格納されており、それら命令が前記１個又は複数個のプロセッサにより実行されたときに、前記１個又は複数個のプロセッサが、
    前記制約付ボクセルモデルを、前記セットの計測画像、前記セットの計測画像のサブセット、第２半導体計測システムにより前記構造から収集された一群の計測データ、或いはそれらの組合せをもとに決定するシステム。
  19. 請求項１７に記載のシステムであって、前記非一時的コンピュータ可読媒体に更に命令が格納されており、それら命令が前記１個又は複数個のプロセッサにより実行されたときに、前記１個又は複数個のプロセッサが、
    前記半導体計測システムによる前記構造の各計測を特徴付ける第２セットのシミュレート画像を、前記制約付ボクセルモデルに依拠して生成するシステムであり、前記構造の前記ボクセルモデルの各ボクセルに係る前記値の前記更新も、前記セットの計測画像又は前記セットの計測画像のサブセットと、前記第２セットのシミュレート画像と、の間の差異に基づくものであるシステム。
  20. 請求項１７に記載のシステムであって、前記非一時的コンピュータ可読媒体に更に命令が格納されており、それら命令が前記１個又は複数個のプロセッサにより実行されたときに、前記１個又は複数個のプロセッサが、
    前記半導体計測システムによる前記構造の各計測を特徴付ける第２セットのシミュレート画像を、前記制約付ボクセルモデルに依拠して生成するシステムであり、前記構造の前記ボクセルモデルの各ボクセルに係る前記値の前記更新も、前記第１セットのシミュレート画像と、前記第２セットのシミュレート画像と、の間の差異に基づくものであるシステム。
  21. 半導体計測システムであって、
    半導体ウェハ上に配された構造に向かう一群の照明輻射を供給するよう構成されている照明源と、
    前記一群の照明輻射に応じ前記構造から散乱されてきた一群の輻射を検出するよう構成されている検出器と、
    情報処理システムと、を備え、その情報処理システムが、
    前記構造の各計測インスタンスに係り前記構造から検出された前記一群の輻射を特徴付ける、１セットの計測画像を生成し、
    前記構造のボクセルモデルの各ボクセルに係る初期値を決定し、但し前記ボクセルモデルが第１複数個のボクセルを含み、前記ボクセルモデルの前記第１複数個のボクセルそれぞれに係る値が前記ボクセルモデルの前記第１複数個のボクセルのうちその他のボクセルそれぞれに係る値に対し独立で、前記ボクセルモデルが有する自由度の個数が前記第１複数に等しく、
    前記構造の各計測を特徴付ける第１セットのシミュレート画像を、前記ボクセルモデルに依拠して生成し、
    前記構造の制約付ボクセルモデルを受け取り、但し前記制約付ボクセルモデルにおけるボクセルの個数が前記第１複数に等しく、前記制約付ボクセルモデルが有する自由度の個数が前記第１複数未満であり、
    前記構造の前記ボクセルモデルの各ボクセルに係る前記値を、前記セットの計測画像と前記第１セットのシミュレート画像との間の差異、並びに前記ボクセルモデルと前記制約付ボクセルモデルとの間の差異、に基づき反復的に更新し、且つ
    前記計測下構造を特徴付ける１個又は複数個の注目パラメタの値を、前記ボクセルモデルをもとに推定するよう、
    構成されている半導体計測システム。
  22. 請求項２１に記載の半導体計測システムであって、前記情報処理システムが更に、
    前記制約付ボクセルモデルを、前記セットの計測画像、前記セットの計測画像のサブセット、別の半導体計測システムにより前記構造から収集された一群の計測データ、或いはそれらの組合せをもとに決定するよう構成されている半導体計測システム。
  23. 請求項２１に記載の半導体計測システムであって、前記情報処理システムが更に、
    前記半導体計測システムによる前記構造の各計測を特徴付ける第２セットのシミュレート画像を、前記制約付ボクセルモデルに依拠して生成するよう構成されており、前記構造の前記ボクセルモデルの各ボクセルに係る前記値の前記更新も、前記セットの計測画像又は前記セットの計測画像のサブセットと、前記第２セットのシミュレート画像と、の間の差異に基づくものである半導体計測システム。
  24. 請求項２１に記載の半導体計測システムであって、前記情報処理システムが更に、
    前記半導体計測システムによる前記構造の各計測を特徴付ける第２セットのシミュレート画像を、前記制約付ボクセルモデルに依拠して生成するよう構成されており、前記構造の前記ボクセルモデルの各ボクセルに係る前記値の前記更新も、前記第１セットのシミュレート画像と、前記第２セットのシミュレート画像と、の間の差異に基づくものである半導体計測システム。
JP2022532855A 2019-12-02 2020-12-01 簡略化モデルを用いるトモグラフィ依拠半導体計測 Active JP7431969B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962942735P 2019-12-02 2019-12-02
US62/942,735 2019-12-02
US16/951,933 2020-11-18
US16/951,933 US11610297B2 (en) 2019-12-02 2020-11-18 Tomography based semiconductor measurements using simplified models
PCT/US2020/062630 WO2021113191A1 (en) 2019-12-02 2020-12-01 Tomography based semiconductor measurements using simplified models

Publications (3)

Publication Number Publication Date
JP2023505152A true JP2023505152A (ja) 2023-02-08
JPWO2021113191A5 JPWO2021113191A5 (ja) 2023-09-12
JP7431969B2 JP7431969B2 (ja) 2024-02-15

Family

ID=76091808

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022532855A Active JP7431969B2 (ja) 2019-12-02 2020-12-01 簡略化モデルを用いるトモグラフィ依拠半導体計測

Country Status (5)

Country Link
US (1) US11610297B2 (ja)
JP (1) JP7431969B2 (ja)
KR (1) KR20220110266A (ja)
CN (1) CN114746991B (ja)
WO (1) WO2021113191A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023091313A2 (en) * 2021-11-19 2023-05-25 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Neural network-based prediction of semiconductor device response
WO2024062429A1 (en) * 2022-09-22 2024-03-28 Nova Measuring Instruments Inc. A high brightness primary x-ray source for in-line xps and xrf metrology

Family Cites Families (64)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5608526A (en) 1995-01-19 1997-03-04 Tencor Instruments Focused beam spectroscopic ellipsometry method and system
US6023338A (en) 1996-07-12 2000-02-08 Bareket; Noah Overlay alignment measurement of wafers
US5859424A (en) 1997-04-08 1999-01-12 Kla-Tencor Corporation Apodizing filter system useful for reducing spot size in optical measurements and other applications
US6429943B1 (en) 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
US6787773B1 (en) 2000-06-07 2004-09-07 Kla-Tencor Corporation Film thickness measurement using electron-beam induced x-ray microanalysis
US7541201B2 (en) 2000-08-30 2009-06-02 Kla-Tencor Technologies Corporation Apparatus and methods for determining overlay of structures having rotational or mirror symmetry
US7317531B2 (en) 2002-12-05 2008-01-08 Kla-Tencor Technologies Corporation Apparatus and methods for detecting overlay errors using scatterometry
US7068833B1 (en) 2000-08-30 2006-06-27 Kla-Tencor Corporation Overlay marks, methods of overlay mark design and methods of overlay measurements
US20030002043A1 (en) 2001-04-10 2003-01-02 Kla-Tencor Corporation Periodic patterns and technique to control misalignment
US6716646B1 (en) 2001-07-16 2004-04-06 Advanced Micro Devices, Inc. Method and apparatus for performing overlay measurements using scatterometry
AU2002360738A1 (en) 2001-12-19 2003-07-09 Kla-Tencor Technologies Corporation Parametric profiling using optical spectroscopic systems
US6778275B2 (en) 2002-02-20 2004-08-17 Micron Technology, Inc. Aberration mark and method for estimating overlay error and optical aberrations
CN1495540B (zh) 2002-09-20 2010-08-11 Asml荷兰有限公司 利用至少两个波长的光刻系统的对准系统和方法
US6992764B1 (en) 2002-09-30 2006-01-31 Nanometrics Incorporated Measuring an alignment target with a single polarization state
US7842933B2 (en) 2003-10-22 2010-11-30 Applied Materials Israel, Ltd. System and method for measuring overlay errors
US6937337B2 (en) 2003-11-19 2005-08-30 International Business Machines Corporation Overlay target and measurement method using reference and sub-grids
US7321426B1 (en) 2004-06-02 2008-01-22 Kla-Tencor Technologies Corporation Optical metrology on patterned samples
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
JP4585926B2 (ja) 2005-06-17 2010-11-24 株式会社日立ハイテクノロジーズ パターンレイヤーデータ生成装置、それを用いたパターンレイヤーデータ生成システム、半導体パターン表示装置、パターンレイヤーデータ生成方法、及びコンピュータプログラム
US7567351B2 (en) 2006-02-02 2009-07-28 Kla-Tencor Corporation High resolution monitoring of CD variations
JP4887062B2 (ja) 2006-03-14 2012-02-29 株式会社日立ハイテクノロジーズ 試料寸法測定方法、及び試料寸法測定装置
US7406153B2 (en) 2006-08-15 2008-07-29 Jordan Valley Semiconductors Ltd. Control of X-ray beam spot size
US7729873B2 (en) 2007-08-28 2010-06-01 Tokyo Electron Limited Determining profile parameters of a structure using approximation and fine diffraction models in optical metrology
US7873585B2 (en) 2007-08-31 2011-01-18 Kla-Tencor Technologies Corporation Apparatus and methods for predicting a semiconductor parameter across an area of a wafer
US7929667B1 (en) 2008-10-02 2011-04-19 Kla-Tencor Corporation High brightness X-ray metrology
US8068662B2 (en) 2009-03-30 2011-11-29 Hermes Microvision, Inc. Method and system for determining a defect during charged particle beam inspection of a sample
CN101996398B (zh) * 2009-08-12 2012-07-04 睿励科学仪器（上海）有限公司 用于晶圆对准的图像匹配方法及设备
JP5764380B2 (ja) 2010-04-29 2015-08-19 エフ イー アイ カンパニＦｅｉ Ｃｏｍｐａｎｙ Ｓｅｍ画像化法
US9046475B2 (en) 2011-05-19 2015-06-02 Applied Materials Israel, Ltd. High electron energy based overlay error measurement methods and systems
US10107621B2 (en) 2012-02-15 2018-10-23 Nanometrics Incorporated Image based overlay measurement with finite gratings
US10801975B2 (en) 2012-05-08 2020-10-13 Kla-Tencor Corporation Metrology tool with combined X-ray and optical scatterometers
US10013518B2 (en) 2012-07-10 2018-07-03 Kla-Tencor Corporation Model building and analysis engine for combined X-ray and optical metrology
US9129715B2 (en) 2012-09-05 2015-09-08 SVXR, Inc. High speed x-ray inspection microscope
WO2014062972A1 (en) 2012-10-18 2014-04-24 Kla-Tencor Corporation Symmetric target design in scatterometry overlay metrology
US9581430B2 (en) 2012-10-19 2017-02-28 Kla-Tencor Corporation Phase characterization of targets
JP5974840B2 (ja) 2012-11-07 2016-08-23 ソニー株式会社 シミュレーション方法、シミュレーションプログラム、シミュレータ、加工装置、半導体装置の製造方法
US10769320B2 (en) 2012-12-18 2020-09-08 Kla-Tencor Corporation Integrated use of model-based metrology and a process model
US9291554B2 (en) 2013-02-05 2016-03-22 Kla-Tencor Corporation Method of electromagnetic modeling of finite structures and finite illumination for metrology and inspection
US9826614B1 (en) 2013-03-15 2017-11-21 Kla-Tencor Corporation Compac X-ray source for semiconductor metrology
US10101670B2 (en) 2013-03-27 2018-10-16 Kla-Tencor Corporation Statistical model-based metrology
US9430824B2 (en) * 2013-05-14 2016-08-30 Kla-Tencor Corporation Machine learning method and apparatus for inspecting reticles
US9915522B1 (en) 2013-06-03 2018-03-13 Kla-Tencor Corporation Optimized spatial modeling for optical CD metrology
WO2015006791A1 (en) * 2013-07-18 2015-01-22 A.Tron3D Gmbh Combining depth-maps from different acquisition methods
US10502694B2 (en) 2013-08-06 2019-12-10 Kla-Tencor Corporation Methods and apparatus for patterned wafer characterization
US9846132B2 (en) 2013-10-21 2017-12-19 Kla-Tencor Corporation Small-angle scattering X-ray metrology systems and methods
US9885962B2 (en) 2013-10-28 2018-02-06 Kla-Tencor Corporation Methods and apparatus for measuring semiconductor device overlay using X-ray metrology
WO2015167753A2 (en) 2014-04-03 2015-11-05 Massachusetts Institute Of Technology Compact x-ray source for cd-saxs
US9494535B2 (en) * 2014-04-21 2016-11-15 Kla-Tencor Corporation Scatterometry-based imaging and critical dimension metrology
US10152678B2 (en) 2014-11-19 2018-12-11 Kla-Tencor Corporation System, method and computer program product for combining raw data from multiple metrology tools
US10324050B2 (en) 2015-01-14 2019-06-18 Kla-Tencor Corporation Measurement system optimization for X-ray based metrology
US10545104B2 (en) 2015-04-28 2020-01-28 Kla-Tencor Corporation Computationally efficient X-ray based overlay measurement
US10380728B2 (en) * 2015-08-31 2019-08-13 Kla-Tencor Corporation Model-based metrology using images
US9875534B2 (en) * 2015-09-04 2018-01-23 Kla-Tencor Corporation Techniques and systems for model-based critical dimension measurements
US10352695B2 (en) 2015-12-11 2019-07-16 Kla-Tencor Corporation X-ray scatterometry metrology for high aspect ratio structures
US10775323B2 (en) * 2016-10-18 2020-09-15 Kla-Tencor Corporation Full beam metrology for X-ray scatterometry systems
US10481111B2 (en) 2016-10-21 2019-11-19 Kla-Tencor Corporation Calibration of a small angle X-ray scatterometry based metrology system
US11073487B2 (en) 2017-05-11 2021-07-27 Kla-Tencor Corporation Methods and systems for characterization of an x-ray beam with high spatial resolution
US10727142B2 (en) * 2017-05-30 2020-07-28 Kla-Tencor Corporation Process monitoring of deep structures with X-ray scatterometry
US11333621B2 (en) 2017-07-11 2022-05-17 Kla-Tencor Corporation Methods and systems for semiconductor metrology based on polychromatic soft X-Ray diffraction
US10983227B2 (en) * 2017-08-14 2021-04-20 Kla-Tencor Corporation On-device metrology using target decomposition
CN111837226B (zh) 2018-03-05 2024-03-08 科磊股份有限公司 三维半导体结构的可视化
US11519869B2 (en) 2018-03-20 2022-12-06 Kla Tencor Corporation Methods and systems for real time measurement control
US10902650B2 (en) * 2018-04-19 2021-01-26 Fei Company X-ray beam-hardening correction in tomographic reconstruction using the Alvarez-Macovski attenuation model
US10677586B2 (en) * 2018-07-27 2020-06-09 Kla-Tencor Corporation Phase revealing optical and X-ray semiconductor metrology

Also Published As

Publication number Publication date
CN114746991B (zh) 2023-11-17
CN114746991A (zh) 2022-07-12
US20210166375A1 (en) 2021-06-03
KR20220110266A (ko) 2022-08-05
TW202128083A (zh) 2021-08-01
US11610297B2 (en) 2023-03-21
WO2021113191A1 (en) 2021-06-10
JP7431969B2 (ja) 2024-02-15

Similar Documents

Publication Publication Date Title
JP7486621B2 (ja) Ｘ線スキャトロメトリシステムのフルビーム計測
KR102536604B1 (ko) 다색 연엑스선 회절에 기초한 반도체 계측을 위한 방법 및 시스템
KR102363266B1 (ko) 고 애스펙트비 구조체에 대한 x 선 산란측정법 계측
CN111819675B (zh) 用于实时测量控制的方法及系统
JP2023001192A (ja) 透過型小角ｘ線散乱計量システム
KR102300470B1 (ko) 소각 x선 산란 측정법을 위한 x선 줌 렌즈
JP7431969B2 (ja) 簡略化モデルを用いるトモグラフィ依拠半導体計測
US20230169255A1 (en) Methods And Systems For Data Driven Parameterization And Measurement Of Semiconductor Structures
TWI836166B (zh) 計量方法、計量系統及半導體量測系統

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230901

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230901

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20230901

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230919

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231218

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: 20240109

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240202

R150 Certificate of patent or registration of utility model

Ref document number: 7431969

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150