JP2024012432A - 検査システム、及び非一時的コンピュータ可読媒体 - Google Patents

検査システム、及び非一時的コンピュータ可読媒体 Download PDF

Info

Publication number
JP2024012432A
JP2024012432A JP2023186099A JP2023186099A JP2024012432A JP 2024012432 A JP2024012432 A JP 2024012432A JP 2023186099 A JP2023186099 A JP 2023186099A JP 2023186099 A JP2023186099 A JP 2023186099A JP 2024012432 A JP2024012432 A JP 2024012432A
Authority
JP
Japan
Prior art keywords
image
sample
learning
inspection system
image acquisition
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
JP2023186099A
Other languages
English (en)
Inventor
大博 平井
Tomohiro Hirai
陽平 嶺川
Yohei Minekawa
哲 高田
Satoru Takada
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.)
Hitachi High Tech Corp
Original Assignee
Hitachi High Tech 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 Hitachi High Tech Corp filed Critical Hitachi High Tech Corp
Publication of JP2024012432A publication Critical patent/JP2024012432A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • G01N23/2252—Measuring emitted X-rays, e.g. electron probe microanalysis [EPMA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/07—Investigating materials by wave or particle radiation secondary emission
    • G01N2223/079—Investigating materials by wave or particle radiation secondary emission incident electron beam and measuring excited X-rays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/646—Specific applications or type of materials flaws, defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/652—Specific applications or type of materials impurities, foreign matter, trace amounts
    • 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
    • G06T2207/10—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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Eye Examination Apparatus (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)

Abstract

【課題】試料にダメージを与える可能性のある異物を短時間で同定する。【解決手段】本開示は、画像取得ツールによって得られたデータから、試料に含まれる元素及び元素の分布の少なくとも一方を推定する検査システムであって、コンピュータシステムと、当該コンピュータシステムが実行する演算モジュールと、を含み、コンピュータシステムは、試料に含まれる元素及び元素分布の少なくとも一方を出力する学習器を備え、学習器は、画像取得ツールによって得られた画像データを入力とし、Ｘ線分析装置によって得られた元素及び元素分布情報の少なくとも１つを出力とする教師データを用いて、あらかじめ学習を実施しており、演算モジュールは、学習器に対して、画像取得ツールによって得られる画像データを入力することにより、元素及び元素分布情報の少なくとも１つを出力する検査システムを提案する。【選択図】図１４

Description

本開示は、検査システム、及び非一時的コンピュータ可読媒体に関し、例えば、ウェハ外周部の検査を行うウェハ検査システム及び非一時的コンピュータ可読媒体に関する。
半導体製造においては、ウェハ外周部の状態を把握することがプロセス管理において重要となっている。例えば、特許文献１には、電子顕微鏡と回転ステージ（θステージ）を備えた装置が開示され、電子ビームをウェハ外周部に照射することによって、ウェハ外周部を検査する検査法が説明されている。更に特許文献２には、ウェハのエッジ部分を検査するために、ウェハ表面にビームを照射する電子ビームカラムとは別に、エッジにビームを照射するビームカラムを設けた検査装置が開示されている。
ＵＳ特許７９１９７６０号公報 特許第５６０８２０８号公報
特許文献２に開示されているように、欠陥の有無や欠陥位置を判定するためには、正常（欠陥がない）な試料領域を示す画像を参照画像として予め登録しておき、エッジ部分へのビーム照射によって得られた画像（検査画像）と、参照画像を比較し、相違が大きな部分を欠陥と判定することになる。
しかしながら、ウェハのサイドウォールに形成された斜面（ベベル）上には、ウェハ上に積層された多層膜の境界が集中し、しかも境界近傍の膜の剥がれ等によって、境界の形状は安定しない。よって、参照画像として適した画像が取得できない場合がある。例えば、参照画像と検査画像との間に、異物や欠陥以外の部分（背景）の相違点があると、その部分を欠陥として見做してしまうことになるため、ベベルから欠陥検出用の参照画像を取得することは困難である。
また、そもそも特許文献１および２は、共に、参照画像に多層膜の境界が含まれる状況に対しては、何ら論じられていない。
また、ベベル上に付着する異物は、材質によっては後の工程で形成された半導体素子にダメージを与える要因となる可能性がある。一方で、Ｘ線スペクトル分析に基づく元素同定は、二次電子や後方散乱電子の検出に基づく画像形成に対して、相対的に処理時間を要する。
本開示は、このような状況に鑑み、試料にダメージを与える可能性のある異物の同定を、短時間で実現可能な元素分析技術を提案する。
上記課題を解決するための一態様として、本開示は、画像取得ツールによって得られたデータから、試料に含まれる元素及び元素の分布の少なくとも一方を推定する検査システムであって、コンピュータシステムと、当該コンピュータシステムが実行する演算モジュールと、を含み、コンピュータシステムは、試料に含まれる元素及び元素分布の少なくとも一方を出力する学習器を備え、学習器は、画像取得ツールによって得られた画像データを入力とし、Ｘ線分析装置によって得られた元素及び元素分布情報の少なくとも１つを出力とする教師データを用いて、あらかじめ学習を実施しており、演算モジュールは、学習器に対して、画像取得ツールによって得られる画像データを入力することにより、元素及び元素分布情報の少なくとも１つを出力する検査システムを提案する。
本開示に関連する更なる特徴は、本明細書の記述、添付図面から明らかになるものである。また、本開示の態様は、要素及び多様な要素の組み合わせ及び以降の詳細な記述と添付される請求の範囲の様態により達成され実現される。
本明細書の記述は典型的な例示に過ぎず、本開示の請求の範囲又は適用例を如何なる意味においても限定するものではないことを理解する必要がある。
上記元素分析技術によれば、試料にダメージを与える可能性のある異物を短時間で同定することができる。
半導体ウェハの欠陥観察システムの一例を示す図。 欠陥観察システムを構成する制御部、記憶部の一例を示す図。演算部の構成の模式図である。 欠陥検査システムの検出器の構成を示す図。 スキャンローテーションによる画像撮像方法を示す図。 欠陥検査工程を説明するためのフローチャート。 観察位置座標と観察位置方位角の関係を示す図。 スキャンローテーション角度調整前後の画像を示す図。 半導体ウェハのベベル部の走査電子顕微鏡画像の一例を示す図。 ベベル検査システムの一例を示す図。 教師データを生成する条件を入力するＧＵＩ（Graphical User Interface）画面の一例を示す図。 学習工程を説明するためのフローチャート。 教師データを生成する条件を入力するＧＵＩ画面の一例を示す図。 学習モデルを用いた推定工程を説明するためのフローチャート。 元素情報推定システムの一例を示す図。 自動でラベリング処理を実行する学習工程を示すフローチャート。 学習器を用いた推定処理工程中に、学習器の再学習を行う工程を示すフローチャート。 元素分析結果を用いて、ＤＯＩ（Defect of Interest）やＮｕｉｓａｎｃｅのラベリング作業を自動化することで、学習処理（工程）の作業効率を向上させる例を説明するためのフローチャート。
以下、図面を参照しながら、ウェハ検査システムの実施形態を説明する。本開示の目的、特徴、利点、及びそのアイデアは、本明細書の記載により、当業者には明らかであり、説明の明確のために、適宜、説明の省略又は簡略化がなされる場合があるが、それでも本明細書の記載から、当業者であれば、容易に本開示を再現できる。以下に記載された実施の形態などは、好ましい実施態様を示すものであり、例示又は説明のために示されているのであって、本開示をそれらに限定するものではない。従って、本開示は他の種々の形態であっても実施可能である。本明細書で開示されている本開示の意図並びに範囲内で、本明細書の記載に基づき、様々な改変並びに修飾ができることは、当業者にとって明らかである。
また、以下の説明では、プログラムを実行して行う処理を説明する場合があるが、プログラムは、プロセッサ（例えばＣＰＵ、ＧＰＵ）によって実行されることで、定められた処理を、適宜に記憶資源（例えばメモリ）および／またはインターフェースデバイス（例えば通信ポート）等を用いながら行うため、処理の主体がプロセッサとされてもよい。同様に、プログラムを実行して行う処理の主体が、プロセッサを有するコントローラ、装置、システム、計算機、ノードであってもよい。プログラムを実行して行う処理の主体は、演算部であれば良く、特定の処理を行う専用回路（例えばＦＰＧＡやＡＳＩＣ）を含んでいてもよい。
プログラム（モジュール）は、プログラムソースから計算機のような装置にインストールされてもよい。プログラムソースは、例えば、プログラム配布サーバまたは計算機が読み取り可能な記憶メディアであってもよい。プログラムソースがプログラム配布サーバの場合、プログラム配布サーバはプロセッサと配布対象のプログラムを記憶する記憶資源を含み、プログラム配布サーバのプロセッサが配布対象のプログラムを他の計算機に配布してもよい。また、以下の説明において、２以上のプログラムが１つのプログラムとして実現されてもよいし、１つのプログラムが２以上のプログラムとして実現されてもよい。
（１）ウェハ検査システム
＜ウェハ検査システムの構成＞
以下にウェハ検査システムの概要について、図面を用いて説明する。図１は、画像取得ツールの一種である走査電子顕微鏡１００の概要を示す図である。
図１に例示する走査電子顕微鏡１００は、ウェハの撮像を行う観察装置１０１と、全体の制御を行う制御部１０２と、磁気ディスクや半導体メモリなどに情報を記憶する記憶部１０３と、プログラムに従い演算を行う演算部（プロセッサなどで構成可能）１０４と、装置に接続された外部の記憶媒体との情報の入出力を行う外部記憶媒体入出力部１０５と、ユーザとの情報の入出力を制御するユーザインターフェース制御部（プロセッサなどで構成可能）１０６、ネットワークを介して欠陥画像分類装置と通信を行うネットワークインターフェース部１０７と、を備える。
また、ユーザインターフェース制御部１０６には、キーボードやマウス、ディスプレイなどから構成される入出力端末１１３が接続されている。観察装置１０１は、試料ウェハ１０８を搭載するためのＸＹ方向に移動可能な可動ステージ１０９と、撮像手段として、試料ウェハ１０８に電子ビームを照射するための電子源１１０、試料ウェハから発生した二次電子や反射電子を検出する検出装置１１１、電子ビームを試料上に収束させる電子レンズ（図示せず）、及び電子ビームを試料ウェハ上で走査するための偏向器１１２と、を備えることができる。
なお、本実施形態では画像取得ツールとして走査電子顕微鏡１００を例に採って説明するが、これに限られることはなく、集束イオンビーム装置等、他の画像取得ツールを採用することも可能である。
更に、図１に例示する走査電子顕微鏡１００には、元素分析のための検出器を別に設けることが可能である。元素分析のために、例えばエネルギー分散型Ｘ線分析（Energy Dispersive X-ray Spectrometry：ＥＤＳ）を用いる場合、検査対象に照射された電子ビームを受けて発生したＸ線を検出する検出器を採用することができる。このとき、制御部１０２は、Ｘ線検出のＯＮ／ＯＦＦの制御を行う。そして、検出されたＸ線スペクトルは、演算部１０４においてスペクトル分析され、含有する元素の情報が抽出される。なお、Ｘ線検出器としてエネルギー分解能の高いＴＥＳ（Transition Edge Sensor）型の検出器を用いることも可能である。
＜内部構成例＞
図２は、制御部１０２、記憶部１０３、及び演算部１０４それぞれの内部構成例を示す図である。
制御部１０２は、例えば、ステージ制御部２０１と、電子ビームスキャン制御部２０２と、検出器制御部２０３と、を含む。ステージ制御部２０１は、ステージの移動や停止の制御を行う。電子ビームスキャン制御部２０２は、所定の視野内において電子ビームが照射されるように偏向器１１２を制御する。検出器制御部２０３は、電子ビームのスキャンに同期して検出装置１１１からの信号をサンプリングし、ゲインやオフセットなどを調整しデジタル画像を生成する。
記憶部１０３は、画像記憶部２０４と、処理パラメータ記憶部２０５と、観察座標記憶部２０６と、を含む。画像記憶部２０４は、生成されたデジタル画像を付帯情報とともに記憶する。処理パラメータ記憶部２０５は、撮像条件や欠陥検出処理パラメータ、分類処理パラメータなどを記憶する。観察座標記憶部２０６は、例えばユーザ（オペレータ）によって入力された、観察対象の欠陥検査座標を記憶する。
演算部１０４は、観察座標方位角導出部２０７と、欠陥検出部２０８と、欠陥画像分類部２０９と、画像処理部２１０と、を含む。観察座標方位角導出部２０７は、ウェハ中心からみた観察座標の方位角を導出する。欠陥検出部２０８は、画像から欠陥部位を検出する。欠陥画像分類部２０９は、欠陥の種類もしくはユーザが指定した分類基準に従って画像を分類する。画像処理部２１０は、平滑化やコントラスト調整などの画像前処理や画像の移動や回転などの変形を行ったり（画像変形手段）、画像記憶部２０４や欠陥検出部２０８やユーザインターフェース制御部１０６に画像処理後の画像を出力したり（画像出力手段）する。
＜検出装置の構成例＞
試料ウェハ１０８から発生した二次電子や反射電子を検出する検出装置の構成や配置は特に限定されず、検出装置が含む電子検出器の構成や数も特に限定されないが、以下では、図３に示す検出装置１１１の一実施形態について詳細に説明する。図３は、検出器３０１～３０５と試料ウェハ１０８の位置関係を模式的に表した図である。図３（Ａ）は投影図であり、図３（Ｂ）および（Ｃ）はそれぞれｚ軸、ｙ軸から見た図である（検出器３０５は図示せず）。
図３において、検出器３０１～３０４は、特定の放出角度（仰角および方位角）をもつ電子を選択的に検出するように構成された検出器である、例えば、試料ウェハ１０８からｙ方向に放出された電子は、主に検出器３０１により検出される。これにより、あたかも検出器方向から光を当てたかのようなコントラストがついた画像を取得することが可能となる。また、例えば、検出器３０５は、主に試料ウェハ１０８から放出された二次電子を検出する検出器である。
＜欠陥検査＞
次に、欠陥検査法の概要について説明する。ここで説明する検査方法は、半導体ウェハを、平面上でＸＹ方向に移動させながら、半導体ウェハのエッジを含んだ複数の部位を撮像する撮像工程と、撮像して得られた複数の各画像について、ウェハのエッジが複数の画像内で、ほぼ平行である画像を出力する出力工程と、出力した画像において、半導体ウェハの欠陥を検出する欠陥検出工程と、を含む。
図４は、画像を撮像する原理を説明するための図である。電子ビームスキャン制御部２０２（図２参照）は、所定の撮像視野内に電子ビームが照射されるように偏向器１１２を制御する。具体的には、電子ビームスキャン制御部２０２は、撮像視野内で一定方向にスキャンしたのち、直行する方向にずらして再度スキャンすることを繰り返し、撮像視野全体に電子ビームを照射するように偏向器１１２を制御する。このとき検出器制御部２０３は、偏向器１１２による電子ビームのスキャンと同期して、検出装置１１１で検出した信号をデジタル変換することにより、画像を得ることができる。
図４（Ａ）は、試料４０１内の撮像視野４０２について電子ビームをスキャンする様子と、得られた画像４０３を模式的に示している。また、図４（Ｂ）は、電子ビームのスキャン方向を制御することで試料４０１の座標系（ｘ，ｙ）において撮像領域に角度をつけた例であり、試料４０１に対し、角度Ｒがついた領域４０４をスキャンする様子と、得られる画像４０５を模式的に示している。得られる画像４０５は、画像４０３に対して回転したものとなる。以降、角度をつけて画像を撮像することをスキャンローテーションと記載し、その際の角度Ｒをスキャンローテーション角度と記載することとする。また、試料の座標系を（ｘ，ｙ）、画像の座標系を（ｕ，ｖ）と記載する。
＜半導体ウェハのエッジの試料観察処理＞
次に、半導体ウェハを、平面上でＸＹ方向に移動させながら、半導体ウェハのエッジを含んだ複数の部位を撮像する撮像処理の一例に関して、図５を用いて説明する。図５は、本実施形態による試料観察処理の詳細を説明するためのフローチャートである。
まず、観察対象となる半導体ウェハをステージ上に設置（あるいは、制御部１０２がロボットアームによる半導体ウェハのステージ１０９への設置を検知）し（ステップ５０１）、制御部１０２が対象半導体ウェハに対応した処理パラメータを記憶部２０５から読み込む（ステップ５０２）。なお、半導体は多数の製造工程により製造されており、各工程において外観が大きく異なる場合がある他、帯電のしやすさなど試料の特性も異なる場合がある。そのため、工程やデバイスごとに撮像条件や処理パラメータを調整し、記憶させるのが一般的である。
制御部１０２は、処理パラメータ読み込み後、もしくは並列して観察を行う位置の座標リスト（観察座標）を記憶部２０６から読み込む（ステップ５０３）。観察座標は、他の欠陥検査装置（図示せず）が出力した欠陥座標でも良いし、ユーザが観察したい座標を入力したものでも良い。
次に、観察装置１０１は、制御部１０２の指示に応答して、半導体ウェハ位置のアライメントを行う（ステップ５０４）。半導体ウェハはロボットアームなどを用いてステージ１０９上に設置されるが、その際に数百ミクロン程度の位置ずれや回転ずれが生じる。そこで、演算部１０４（制御部１０２であってもよい）は、ウェハのエッジ部や位置が既知のユニークパターンを撮像した上で、画像処理により位置ずれ量を算出する。これにより観察座標の補正が行えるほか、ウェハの中心座標を正しく算出することが可能となる。
次に、ｉ番目の観察座標について欠陥部位の画像を取得し、欠陥の種類もしくはユーザが指定した分類基準に従って画像を分類するが、その手順の一実施形態について以下説明する。まず、ステージ制御部２０１は、対象の観察座標について観察装置１０１の視野内に入るようにステージ１０９を移動する（ステップ５０５）。この時、ステージ１０９の移動誤差を吸収するため、ステージ位置の計測が行われ、画像撮像時には移動誤差を打ち消す様にビーム照射位置の調整が行われる。
次に、電子ビームスキャン制御部２０２は、半導体ウェハのエッジが複数の画像内で平行になるように、偏向器１１２を制御することによって電子ビームのスキャン方向を回転させる（ステップ５０６）。その具体的な方法の一例を述べる。例えば、半導体ウェハ中心から見た観察座標の方位角θｉを導出する。図６は、観察座標６０１と半導体ウェハ中心座標６０２を結ぶ直線６０３と、方位角θ６０４を示す図である。画像６０６は領域６０５の拡大画像を示す図である。この定義によれば、半導体ウェハ中心を原点とした観察座標（ｄｘｉ，ｄｙｉ）における方位角θｉは式１により求まる。
θｉ＝ ａｔａｎ（ｄｙｉ，ｄｘｉ）・・・（式１）
なお、関数ａｔａｎ（ｙ，ｘ）はｙ／ｘの逆正接を［－π，π］ラジアンの範囲で返す関数であって、象限は引数（ｙ，ｘ）から適切に求められるものとする。本実施形態では、方位角θを直線６０３とｘ軸の間の角度と定義するが、スキャン方向の回転を規定できるのであれば、他の定義でもかまわない。観察座標の方位角演算は、演算部１０４の観察座標方位角導出部２０７によって実行される。
制御部１０２は、方位角θｉを導出後、画像撮像時のスキャンローテーション角度Ｒｉを下記の式２により決定し、撮像パラメータとして設定する（ステップ５０７）。
Ｒｉ＝θｉ＋α・・・（式２）
αは事前に決められたパラメータであり、半導体ウェハのエッジが複数の画像内でほぼ平行になるように予め決められる。例えば、－π／２ラジアン（－９０度）に設定すれば背景領域が画像上において上側に位置するように調整できる。
続いて、検出器制御部２０３は、設定されたスキャンローテーション角度Ｒｉで撮像視野をスキャンし、画像を取得する（ステップ５０８）。図６の領域６０７は、観察座標６０１を撮像する視野領域であって、スキャンローテーション角度Ｒ６０８が設定されている様子を示したものである。なお、方位角θおよびスキャンローテーション角度Ｒの導出においては、式１および式２による計算を行わずに、観察座標ごとに方位角θもしくはスキャンローテーション角度Ｒを記憶したデータベースを参照するようにしても良い。
画像撮像（ステップ５０８）の後、欠陥検出部２０８は、撮像した画像から欠陥部位を検出し（ステップ５０９）、欠陥画像を分類する（ステップ５１０）。ここで、欠陥部位の検出方法について説明する。図７は、５つの観察座標に対して撮像した画像の模式図であり、画像７０１から７０５はスキャンローテーションを行わずに撮像した画像を示し、画像７０６から７１０はスキャンローテーション角度を設定した上で撮像した画像を示す。また、各画像において黒い領域がウェハ外領域（背景領域）、白い領域がウェハ内領域を表すものである。画像７０１から７０５の画像は、ウェハ内領域と背景領域の位置関係が各画像で異なっており、例えば画像７０１と７０２について（ｕ、ｖ）方向の位置合わせを行っても領域境界の傾きが異なるため適切な解が存在しない。そのため、比較検査による欠陥検出が困難である。一方、画像７０６から７１０の画像は背景領域が画像の上側に来るようにスキャンローテーション角度が調整され撮像されている。
＜ベベル画像が参照画像に適さない理由＞
上述のように、スキャンローテーションを行うことによって、エッジの向きに依らず、エッジの方向に対して同じ方向（エッジに対して垂直な方向）に向かってビームを走査することができる。しかし、ベベルへのビーム走査によって得られる画像は、比較検査のための参照画像に適さない場合がある。その理由を以下に詳述する。
図８は、ベベルの形状とベベルで取得される画像の状態を説明する図である。ベベルとはウェハのサイドウォールに形成される斜面のことである。昨今、半導体ウェハは多層化が進み、複数のレイヤが幾重にも重ねられた構造となっている。そして各レイヤの終端８０１がベベル上に形成されるため、ベベルへのビーム走査によって得られる画像８０２には、図８に例示するように、複数のレイヤの終端が含まれることになる。この終端（境界）の形状は場所ごとに異なることが多く、更に、場所によっては膜の剥がれ等が発生する場合がある。
即ち、欠陥や異物が存在しない場合でも、場所に応じて画像に含まれるエッジ形状が異なるため、ここで取得される画像は、比較検査に用いる参照画像に適さない。
（２）異物等検出システム
以下に参照画像を用いることなく、ベベル上の異物や欠陥等の検出を可能とするシステム（異物等検出システム９００）、及びコンピュータシステムによって実行されるプログラムを格納する非一時的コンピュータ可読媒体について説明する。
図９は、ベベル上の異物等を検出する異物等検出システム９００の一構成例を示す図である。図９に例示するシステムは、１以上のコンピュータシステムで構成されている。本例で説明する検査処理は、観察装置１０１に設けられた演算部１０４で行うようにしても良いし、観察装置１０１と通信可能に接続された外部のコンピュータシステムで行うようにしても良い。図９は機能ブロック図で表現されている。図９に例示するコンピュータシステム９０１は、機械学習システムであり、１以上のプロセッサを含み、所定の記憶媒体に記憶された１以上の演算モジュール（図示せず）を実行するように構成されている。
また、後述するような推定処理を、ＡＩアクセラレータを用いて行うようにしても良い。図９に例示するコンピュータシステム９０１には、学習に供される教師データや推定処理に必要なデータが、ＳＥＭ画像記憶部（記憶媒体）９０２や入出力装置９０３から入力される入力部９０４が備えられている。
コンピュータシステム９０１に内蔵される学習器９０５は、入力部９０４から入力されるベベルの画像データ、及び図示しない画像処理装置等で抽出された画像の特徴の少なくとも一方と、入出力装置９０３から入力されたベベル上の異物、或いは傷に関する情報の組（データセット）を教師データとして受け付ける。
異物欠陥推定部９０７は、学習器９０５によって学習され、学習モデル記憶部９０６に記憶された学習モデルを読み出し、当該学習モデルを用いた推定処理を実行する。
＜教師データ生成条件入力用ＧＵＩの構成例＞
図１０は、教師データを生成するための条件を入力する際に入出力装置９０３の表示画面上に表示されるＧＵＩ（Graphical User Interface）の構成例を示す図である。
図１０に例示するＧＵＩ画面は、ＳＥＭ画像記憶部（記憶媒体）９０２から入力される画像データに関する情報を表示する付帯情報表示欄１００１と、ＳＥＭ画像を表示する画像表示欄１００２と、異物や欠陥の種類を設定する設定欄１００３と、を構成領域として含む。
付帯情報表示欄１００１は、画像表示欄１００２に表示されるＳＥＭ画像の付帯情報であるＳＥＭ画像の取得位置（Location）と、サンプリングナンバーを表示する。なお、図１０の例では図６で説明した方位角を位置情報として表示しているが、ｘ，ｙ座標を表示するようにしても良い。
画像表示欄１００２は、ベベル画像を表示する。ユーザ（オペレータ）は、表示されたベベル画像を見て、設定欄１００３から異物や欠陥の種類の設定ができる。
設定欄１００３は、ベベル上の異物、傷、膜の剥がれ等の設定が可能となっている。また、異物に関しては金属製の異物か、非金属の異物かの選択が可能となっている。ユーザがＳＥＭ画像を目視で見たとき、経験上、金属か非金属かを判別が可能な場合は、その情報を踏まえた選択が可能になるように構成してもよい。その理由として、ＥＵＶ（Extra Ultra Violet）露光によって発生する金属物質が、後工程で生成されるパターン上に付着し、パターン間を導通させることによる素子破壊の原因となる場合がある。このような金属物質がＥＵＶ露光時に発生し、ベベル部に付着した状態で、後工程に持ち込まれたときに、素子破壊の要因となる可能性がある。故に特に金属異物の有無の検査は、半導体デバイスの歩留まりを向上する上で、非常に重要である。
＜学習処理の詳細＞
図１１は、演算部１０４、或いはコンピュータシステム９０１で実行される学習処理（工程）を説明するためのフローチャートである。
まず、観察装置１０１は、ベベルに沿って画像を取得する（ステップ１１０１）。コンピュータシステム９０１等は、図１０に例示するようなＧＵＩ画面に、取得した画像を表示する。そして、ユーザ（オペレータ）は、ＧＵＩ画面上に表示された画像を見て、画像に含まれる異物や欠陥の種類を設定（ラベリング）し、入力部９０４は、そのラベリングされた情報を取得する（ステップ１１０２）。ラベリング工程は、例えば図１０に例示するＧＵＩ画面の設定欄１００３での欠陥種の選択によって、欠陥種を特定する。
学習器９０５等は、その特定された欠陥種データと、画像データ或いは画像データ内で選択されたＲＯＩ（Region Of Interest）の画像データのデータセットを教師データとして、学習モデルを生成し（ステップ１１０３）、当該学習モデルを学習モデル記憶部９０６に記憶させる（ステップ１１０４）。
図１０に例示するＧＵＩ画面の設定欄１００３は、異物の種類として未知の異物の設定が可能となっている。未知の異物を選択した場合、後に未知の異物の元素を特定するために、ＥＤＳ分析を行い、ＥＤＳ分析によって特定された金属、非金属の情報を用いて、教師データを生成することが考えられる。コンピュータシステム９０１では、例えば未知の異物との設定と、そのときの位置情報をもとに検査レシピを生成し、所定の記憶媒体に記憶させることによって、正確な元素同定に基づく教師データを生成することが可能となる。
また、ＧＵＩ画面上で未知の異物と選択された場合に、選択的にＥＤＳ分析を行うような検査レシピを生成するようにしても良い。
更に設定欄１００３は、欠陥ではない膜の境界の選択が可能となっている。ベベル部には、膜の終端１００４が表示されるが、その形状は一定ではない。この膜の終端１００４が画像内に映りこんでしまうことが、比較検査を困難とする要因となっている。ただし、膜の終端１００４は異物や傷ではないので、この構造が正常であることを学習させることによって、推定の信頼性を向上させることが可能となる。
なお、図１０のＧＵＩ画面では、ポインティングデバイス等の操作によって移動するポインター１００５によって、ＲＯＩ１００６を設定し、ＲＯＩ内の欠陥種を設定する例について説明したが、図１２に例示するように、画像データそのものを分類することによって、ラベリングを行うようにしても良い。ＧＵＩ画面１２０１には、ベベル画像１２０２と当該ベベル画像の付帯情報１２０３がセットとなったサムネイル１２０４が複数表示された左蘭１２０５と、欠陥種ごとの入力欄１２０６、１２０７が設けられた右欄１２０８が設けられている。
ユーザ（オペレータ）は、ベベル画像１２０２を見て、異物の有無、異物の種類、傷の有無、膜の剥がれの有無等を判断し、ポインティングデバイス等を用いて右欄１２０８の対応する欠陥種の入力欄に、サムネイル１２０４を移動させることによって、学習データを更新することができる。入力部９０４は、サムネイル１２０４に含まれるベベル画像１２０２を入力、サムネイル１２０４が入力された入力欄の欠陥種を出力とするデータセットを生成し、学習器９０５の教師データとする。
以上のような学習工程を経て生成された学習モデルを用いた推定によって、ベベル上の異物等の有無等を判定することが可能となる。なお、学習モデルは製造工程単位で用意してもよい。その理由として製造工程に応じてベベル部に含まれる境界の数（多層膜の数）が異なるため、製造工程に応じたモデル（膜の数に応じたモデル）を用意しておくことによって、高精度な推定を実現できるからである。また、ベベル画像に加えて工程情報を入力データとすることによって、高精度推定を行うようにしても良い。
＜異物等の制定処理＞
図１３は、生成された学習モデルを用いた異物等の推定処理（工程）を説明するためのフローチャートである。
まずは、図８に例示するように、観察装置（走査電子顕微鏡）１０１を用いてベベルに沿って画像を取得する（ステップ１３０１）。
次に、異物欠陥推定部９０７は、学習工程で得られた学習器９０５を用いて推定処理を実行する（ステップ１３０２）。具体的には、図９に例示する異物欠陥推定部９０７は、学習器９０５によって学習され、学習モデル記憶部９０６に記憶された学習モデルを読み出し、当該学習モデルを用いた推定処理を実行する。異物欠陥推定部９０７は、入出力装置９０３から入力された工程情報に基づいて、当該工程情報と関連付けて記憶された学習モデルを学習モデル記憶部９０６から読み出す。そして、工程情報を入力データとする学習モデルを用いる場合には、異物欠陥推定部９０７は、入力された工程情報とベベル画像を取得することにより、推定処理を実行する。
異物欠陥推定部９０７は、推定結果を、推定結果記憶部９０８、あるいは入出力装置９０３に設けられた表示装置の少なくとも一方に出力する（ステップ１３０３）。
図９に例示するようなコンピュータシステム９０１によれば、ベベル上の異物等を、比較検査のための参照画像を用いることなく、検出することが可能となる。なお、学習器としては、例えば、ニューラルネットワーク、回帰木、ベイズ識別器等を用いることができる。
＜元素分析システム＞
図１に例示する観察装置（走査電子顕微鏡）１０１に取り付けられるＥＤＳ分析装置と、当該ＥＤＳ分析装置に通信可能に接続される１以上のコンピュータシステムを含む元素分析システム１４００（図１４参照）は、走査電子顕微鏡の視野内のマップ分析（面分析）を行うことができる。具体的には、元素分析システム１４００は、視野内を１以上の所定のピクセル（単位領域）に区切り、Ｘ線検出器によって、各ピクセルのＸ線強度を測定することで元素マップデータ（元素の分布の情報）を得ることができる。
元素マップデータは、元素の２次元的な分布の情報を含むデータであり、２次元的な位置（座標）と、各位置でのＸ線の強度の情報を含む。また、各位置でのＸ線の強度を各位置での元素の濃度に変換することで、試料上の位置と、各位置での元素の濃度と、を示す元素マップデータを得ることができる。元素マップデータは、元素ごとに得られる。
上述のようにベベル上に付着する異物は、材質によっては後の工程で形成された半導体素子にダメージを与える要因となる可能性がある。一方で、Ｘ線スペクトル分析に基づく元素同定は、二次電子や後方散乱電子の検出に基づく画像形成に対して、相対的に処理時間を要する。そこで、本実施形態は、以下に、半導体素子にダメージを与える可能性のある異物の同定を、短時間で実現可能な元素分析システム（欠陥検査システム）１４００を提案する。
図１４は、画像取得ツールで得られた画像データに基づいて、元素マップデータを導出するシステム（元素分析システム）１４００の構成例を示す図である。図１４に例示する元素分析システム１４００は、画像取得ツール（観察装置（走査電子顕微鏡）１０１）によって得られたデータから、試料に含まれる元素及び元素の分布の少なくとも一方を推定するシステムである。当該元素分析システム１４００は、コンピュータシステム９０１と、当該コンピュータシステム９０１が実行する演算モジュール（図示せず：例えば、入力部９０４と、学習器９０５と、元素情報推定部１４０６とを含むモジュール）と、を備える。コンピュータシステム９０１は、試料ウェハ１０８に含まれる元素及び元素分布の少なくとも一方を出力する学習器９０５を備え、当該学習器９０５は、画像取得ツールによって得られた画像を入力とし、元素分析システム１４００によって得られた元素及び元素分布情報の少なくとも１つを出力とする教師データを用いて、あらかじめ学習を実施している。演算モジュールは、学習器９０５に対して、画像取得ツールによって得られる画像データを入力することにより、元素及び元素分布情報の少なくとも１つを出力するモジュールである。
荷電粒子ビームの照射によって得られる荷電粒子（特に後方散乱電子）の検出に基づいて形成される画像は、ＥＤＳ分析装置（Ｘ線分析装置１４０５）によって得られる元素マップには劣るものの、元素組成差が輝度差（コントラスト）として表現される。更に、荷電粒子の検出に基づいて形成される画像は、ＥＤＳ分析装置によるＸ線スペクトル分析と比較して、短時間で取得することができる。よって、荷電粒子の検出に基づいて得られる画像（或いは画像から抽出される特徴）を入力、ＥＤＳ分析装置等によって得られる元素情報や元素マップを出力とする教師データを用いて学習された学習器を用いた推定を行うことによって、試料の元素同定を高速に行うことが可能となる。
図１４に例示するシステム１４００では、学習モデルの学習処理（工程）において、電子検出器１４０２から出力された信号に基づいて、画像処理装置１４０３によって画像データを生成すると共に、Ｘ線検出器１４０４によって検出されたＸ線を、Ｘ線分析装置１４０５によってＥＤＳ分析することによって、コンピュータシステム９０１の入力部９０４に入力するデータを生成する。更に、コンピュータシステム９０１は、画像データとＸ線分析結果のデータセットを教師データとして、学習器９０５で学習させる。
また、推定処理（工程）では、元素情報推定部１４０６は、学習モデル記憶部９０６に記憶された学習モデルを用いて、入力される画像データから元素情報を推定する。元素情報とは例えばＥＤＳ分析によって同定された含有元素情報や、元素分布情報である。
以上のような構成及び機能を備える元素分析システム１４００によれば、高速に元素分析を行うことが可能となる。また、元素マップ情報とＳＥＭ画像（二次電子や後方散乱電子の検出に基づいて形成される画像）を入力、注目する元素情報を出力とする教師データによって学習された学習モデルを生成し、当該学習モデルに元素マップ情報や元素情報と、ＳＥＭ画像を入力することによって、学習時のラベリング作業に係る手間を簡素化することが可能となる。このようなラベリング用学習モデルを用意しておくことによって、人手でラベリングを行うことなく、学習モデルの自動更新を行うことが可能となる。更に、機械学習に基づいて推定された欠陥、異物の種類に応じて、選択的にＥＤＳ分析を行うようなシステムとすることによって、検査時間を短縮することが可能となる。
＜ラベリング処理＞
図１５は、自動でラベリングを行う処理（ラベリング処理）を説明するためのフローチャートである。
図１４に例示するような元素分析システム１４００を利用して、ベベル部の複数の位置に電子ビームの視野を位置付け、電子顕微鏡画像を取得すると共にＥＤＳ分析を行う（ステップ１５０１）。
予めＤＯＩ（Defect of Interest）とすべき欠陥の元素情報が、入出力装置９０３等から設定されている。そして、ＤＯＩの対象となる元素がＸ線分析装置１４０５によって検出されたとき、入力部９０５は、電子顕微鏡画像のラベリングを行う（ステップ１５０２）。
コンピュータシステム９０１は、ラベリングされた電子顕微鏡画像に基づいて教師データを生成（ステップ１５０３）し、当該教師データを用いて学習器９０５を学習させ、生成された学習モデルを学習モデル記憶部９０６に記憶させる（ステップ１５０４）。
以上のように生成された学習モデルを用いた推定を行うことによって、相対的に時間を要するＸ線分析を行うことなく、ＤＯＩ、或いはＤＯＩが含まれる座標（視野位置）の検出が可能となる。なお、ＤＯＩとなり得る元素だけではなく、Ｘ線分析装置１４０５で検出可能な他の元素も含めたラベリングを行うようにしても良い。
更に、元素マップと電子顕微鏡画像のデータセットを教師データとするようにしても良い。元素マップの推定が可能な学習器を生成することによって、視野内に含まれるＤＯＩの大きさや位置をも特定することが可能となる。
なお、学習器９０５を用いた推定を行う場合、ＤＯＩの検出精度（accuracy）が低い場合や、明らかにＤＯＩが含まれると推定される場合（accuracyが高い場合）に選択的にＥＤＳ分析を行うことで、機械学習を用いた推定が適正に行われたか否かの評価を行うことができる。つまり、例えば、ＤＯＩの検出精度（accuracy）が低い場合（第１閾値よりも低い場合）には、学習による推定精度を改善させるために再学習の必要性がある。また、ＤＯＩの検出精度（accuracy）が高い場合（第２閾値（＞第１閾値）よりも高い場合）には、学習による制定精度をさらに向上させるために再学習させることができる。
＜再学習処理＞
図１６は、学習器９０５を用いた推定処理中に、必要に応じて再学習を行う再学習処理の詳細を説明するためのフローチャートである。
開始後、まず電子顕微鏡の視野がベベル上に位置付けられるように、電子ビームスキャン制御部２０２は、視野移動を行う（ステップ１６０１）。
次に、検出器制御部２０３は、ビーム走査に基づいて画像を生成し（ステップ１６０２）、画像処理装置１４０３および入力部９０４を介して生成した画像を学習器９０５に入力する。
そして、元素情報推定部１４０６は、学習器９０５を用いて異物等の推定処理（異物等の有無判断）を行う（ステップ１６０３）。ここで用いられる学習器９０５は、予め相応の学習が施されているものとする。
さらに、元素情報推定部１４０６は、このとき学習器９０５から出力されるaccuracy等の指標値を評価（ステップ１６０４）する。accuracyが所定値（第２閾値）以上（または高い）の場合、或いは所定値（第１閾値（＜第２閾値））以下（または低い）場合（ステップ１６０５でＹｅｓの場合）、処理はステップ１６０６に移行する。また、例えば、指標値が第１閾値と第２閾値の間にある場合（ステップ１６０５でＮｏの場合）、処理はステップ１６０９に移行する。
ステップ１６０６では、追加学習を行うべくＸ線分析装置１４０５を用いて元素分析を行う。accuracyが高い場合、その電子顕微鏡画像と元素情報のセットは、教師データとして適していると考えられる。一方でaccuracyが低い場合は、未知の異物や欠陥が含まれていると考えられる。ある特定の条件を満たしたときに、選択的に元素分析を行うことによって、元素分析に要する時間を抑制しつつ、より信頼性の高い推定が可能な学習器となるよう、追加学習を行うことが可能となる。電子顕微鏡画像形成に対し、元素分析装置による分析は相当の時間を要するため、図１６に例示する処理を自動的に実行するシステムによれば、学習器に対する適切な再学習を、検査時間の増加を抑制しつつ行うことができる。なお、異物、傷、膜の剥がれ、膜端等の視野内に存在する可能性のある複数種の対象物を推定するような学習器９０５とすると共に、これらの推定対象のaccuracyがいずれも低いような場合に、視野内に未知の対象物が含まれていると判断し、選択的に元素分析を行うようにしても良い。
続いて、学習器９０５は、元素分析結果（元素名、元素マップ等）と電子顕微鏡画像のデータセットから教師データを生成（ステップ１６０７）し、生成された教師データを用いて、学習器９０５の再学習を実行する（ステップ１６０８）。なお、accuracyに関する所定の条件として、例えば、特定の元素（例えば後の工程に影響を与える金属等）が検出されたときに、選択的に教師データを生成するようにしても良い。また、例えば、マニュアルアシストを可能とすべく、元素分析情報と共に、図１０に例示するようなＧＵＩ画面を表示させ、異物や異物以外のアーティファクトの種類を選択することによって、教師データを生成するようにしても良い。このような差異学習処理に従い、表示装置（入出力装置９０３の表示画面）に元素マップと電子顕微鏡画像を併せて表示させることによって、金属異物のようなクリティカルな異物以外のアーティファクトの特定が可能となり、当該アーティファクトと欠陥の種類のデータセットを教師データとすることによって、クリティカルな金属異物とそれ以外のアーティファクトの識別能力に優れた学習器９０５を生成することが可能となる。
複数の検査点に対し、ステップ１６０１～１６０８までの処理を繰り返すような処理を自動で行うようにプログラムされたシステムによれば、学習器の識別機能を向上させつつ、効率良く異物等の検査を行うことが可能となる（ステップ１６０９→ステップ１６０１）。
なお、ベベル部はウェハ表面と異なり、傾斜面であるため視野位置に応じて、高さが異なる場合がある。高さが異なる場合、視野位置に応じて電子ビームの集束条件が変化する。集束条件が変化すると画質が異なることになるため、集束条件、或いはベベル部の高さと関連して記憶される位置情報に応じたモデルを複数用意し、集束条件や位置情報に応じた学習モデルの選択に基づいて、推定処理を行うようにしても良い。
＜ラベリングの自動化＞
図１７は、元素分析結果を用いて、ＤＯＩ（Defect of Interest）やＮｕｉｓａｎｃｅのラベリング作業を自動化することで、学習処理（工程）の作業効率を向上させる例を説明するためのフローチャートである。
まず、電子ビームスキャン制御部２０２は、観察装置（電子顕微鏡）１０１の視野がベベル上に位置付けられるように、視野移動を行う（ステップ１７０１）。
次に、検出器制御部２０３は、ビーム走査に基づいて画像を生成する（ステップ１７０２）。
欠陥検出部２０８は、欠陥候補検出処理を実行する（ステップ１７０３）。当該欠陥候補検出処理は、学習器９０５を用いて実行してもよい。学習器９０５を用いる場合は、取得した画像を学習器９０５に入力することによって、欠陥候補検出処理が行われる。学習器９０５を用いる場合は、予め相応の学習が施されている必要がある。このとき、詳細分析が必要な欠陥候補を限定することで、元素分析に要する時間を抑制できる。学習精度が高ければ高いほど、欠陥候補を精度よく限定できるので、元素分析に要する時間を抑制できる。
続いて、元素分析システム１４００は、検出した欠陥候補に対しては、元素分析を実行する（ステップ１７０４）。そして、元素分析システム１４００は、元素分析した結果がＤＯＩであればＤＯＩとしてラベリングを行い（ステップ１７０６）、ＮｕｉｓａｎｅｃｅであればＮｕｉｓａｎｃｅとしてラベリングを行う（ステップ１７０７）。元素分析結果には、元素分析した座標・領域が含まれているので、これらをＳＥＭ画像と突き合わせることで、ＳＥＭ画像上で元素分析した領域と元素を自動でラベリングすることができる。元素分析結果を使ってラベリングすることにより、ＳＥＭ画像だけをもとに、オペレータが経験に基づきＤＯＩ/Ｎｕｉｓａｎｃｅを判断するよりも、高精度かつ安定したラベリング結果が期待できる。
学習器９０５は、ラベリング結果の中から、学習に必要なものを使って、学習を実行する（ステップ１７０９）。以上のように、元素分析結果を用いることで、学習処理（工程）におけるラベリング作業を高精度、かつ自動で実行することができる。
１０１ 観察装置
１０２ 制御部
１０３ 記憶部
１０４ 演算部
１０５ 外部記憶媒体入出力部
１０６ ユーザインターフェース制御部
１０７ ネットワークインターフェース部
１０８ 試料ウェハ
１０９ 可動ステージ
１１０ 電子源
１１１ 検出装置
１１２ 偏向器
１１３ 入出力端末
２０１ ステージ制御部
２０２ 電子ビームスキャン制御部
２０３ 検出器制御部
２０４ 画像記憶部
２０５ 処理パラメータ記憶部
２０６ 観察座標記憶部
２０７ 観察座標方位角導出部
２０８ 欠陥検出部
２０９ 欠陥画像分類部
２１０ 画像処理部
３０１～３０５ 検出器
４０１ 試料
４０２ 撮像視野
４０３ 画像
４０４ 角度Ｒがついた領域
４０５ 画像
６０１ 観察座標
６０２ 半導体ウェハ中心座標
６０３ 直線
６０４ 方位角
６０８ スキャンローテーション角度
７０１～７０５ スキャンローテーションを行わずに撮像した画像
７０６～７１０ スキャンローテーション角度を設定した上で撮像した画像
９００ 異物等検出システム
９０１ コンピュータシステム
９０２ ＳＥＭ画像記憶部
９０３ 入出力装置
９０４ 入力部
９０５ 学習器
９０６ 学習モデル記憶部
９０７ 異物欠陥推定部
９０８ 推定結果記憶部
１４００ 元素分析システム
１４０２ 電子検出器
１４０３ 画像処理装置
１４０４ Ｘ線検出器
１４０５ Ｘ線分析装置
１４０６ 元素情報推定部

Claims (12)

  1. 画像取得ツールによって得られたデータから、試料に含まれる元素及び元素の分布の少なくとも一方を推定する検査システムであって、
    コンピュータシステムと、当該コンピュータシステムが実行する演算モジュールと、を含み、
    前記コンピュータシステムは、前記試料に含まれる元素及び元素分布の少なくとも一方を出力する学習器を備え、
    前記学習器は、画像取得ツールによって得られた画像データを入力とし、Ｘ線分析装置によって得られた元素及び元素分布情報の少なくとも１つを出力とする教師データを用いて、あらかじめ学習を実施しており、
    前記演算モジュールは、前記学習器に対して、前記画像取得ツールによって得られる画像データを入力することにより、元素及び元素分布情報の少なくとも１つを出力する検査システム。
  2. 請求項１において、
    前記コンピュータシステムは、前記画像取得ツールから画像データを受け取ると共に、前記Ｘ線分析装置から元素情報を受け取り、前記受け取った画像データに対し、前記受け取った元素情報を用いたラベリング処理を実行する検査システム。
  3. 請求項１において、
    前記コンピュータシステムに通信可能に接続される画像取得ツールを備え、
    前記画像取得ツールは、
    試料に対するビーム照射によって試料から放出されるＸ線を検出するＸ線検出器と、
    前記Ｘ線検出器の出力に基づいて、試料に含まれる含有元素を同定するＸ線分析装置と、を備える検査システム。
  4. 請求項１において、
    前記試料は、半導体ウェハである、検査システム。
  5. 請求項３において、
    前記試料は、半導体ウェハであり、
    前記画像取得ツールは、前記半導体ウェハに付着する異物、或いは前記半導体ウェハに形成された傷の種類に応じて、選択的にＸ線分析装置を用いた分析を実行する、検査システム。
  6. 請求項４において、
    前記コンピュータシステムは、前記半導体ウェハの製造工程に応じた学習モデルを用いて、前記元素及び前記元素分布情報の少なくとも１つを出力する、検査システム。
  7. 請求項４において、
    前記学習器は、前記半導体ウェハの製造工程情報を含む教師データによって学習を実施しており、前記演算モジュールは、前記学習器に対し、試料の製造工程情報を入力することによって、前記元素及び前記元素分布情報の少なくとも１つを出力する、検査システム。
  8. 請求項５において、
    前記画像取得ツールは、前記半導体ウェハの縁部のベベル上に付着した前記異物の前記元素及び前記元素分布情報の少なくとも１つを出力する、検査システム。
  9. 請求項１において、
    前記画像取得ツールは、前記試料に角度をつけて前記試料を撮像することにより前記画像データを取得する、検査システム。
  10. 請求項７において、
    前記コンピュータシステムは、前記学習器による前記異物の有無、或いは前記傷の有無の推定結果の指標値が所定の閾値条件を満たす場合に、前記学習器を再学習する、検査システム。
  11. 請求項１０において、
    前記コンピュータは、所定のアーティファクトを用いて生成された教師データを用いて、前記学習器を再学習する、検査システム。
  12. コンピュータに、画像取得ツールによって得られたデータに基づいて、試料に含まれる元素及び元素の分布の少なくとも一方を推定する処理を実行させるためのコンピュータプログラムを記憶する、非一時的コンピュータ可読媒体であって、
    前記コンピュータプログラムは、
    画像取得ツールによって得られた画像を入力とし、Ｘ線分析装置によって得られた元素及び元素分布情報の少なくとも１つを出力とする教師データを用いて、学習を実施する処理と、
    前記学習の結果を用いて、前記画像取得ツールによって得られる別の画像データに含まれる元素及び元素分布情報の少なくとも１つを出力する処理と、を実行する、
    非一時的コンピュータ可読媒体。
JP2023186099A 2019-10-18 2023-10-31 検査システム、及び非一時的コンピュータ可読媒体 Pending JP2024012432A (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2019190910 2019-10-18
JP2019190910 2019-10-18
JP2021552266A JP7410164B2 (ja) 2019-10-18 2020-09-04 検査システム、及び非一時的コンピュータ可読媒体
PCT/JP2020/033626 WO2021075170A1 (ja) 2019-10-18 2020-09-04 検査システム、及び非一時的コンピュータ可読媒体

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2021552266A Division JP7410164B2 (ja) 2019-10-18 2020-09-04 検査システム、及び非一時的コンピュータ可読媒体

Publications (1)

Publication Number Publication Date
JP2024012432A true JP2024012432A (ja) 2024-01-30

Family

ID=75537823

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2021552266A Active JP7410164B2 (ja) 2019-10-18 2020-09-04 検査システム、及び非一時的コンピュータ可読媒体
JP2023186099A Pending JP2024012432A (ja) 2019-10-18 2023-10-31 検査システム、及び非一時的コンピュータ可読媒体

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2021552266A Active JP7410164B2 (ja) 2019-10-18 2020-09-04 検査システム、及び非一時的コンピュータ可読媒体

Country Status (6)

Country Link
US (1) US20240127417A1 (ja)
JP (2) JP7410164B2 (ja)
KR (1) KR20220062635A (ja)
CN (1) CN114556416A (ja)
TW (1) TWI780490B (ja)
WO (1) WO2021075170A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7565887B2 (ja) * 2021-07-29 2024-10-11 株式会社日立ハイテク 荷電粒子線装置の撮像画像に係る条件決定方法、装置およびプログラム
US20230238290A1 (en) 2022-01-27 2023-07-27 Hitachi High-Tech Corporation Defect observation method, apparatus, and program

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2529695B1 (de) 1975-07-03 1976-01-29 Uni Cardan Ag Gleichlaufdrehgelenk
JPH08201317A (ja) * 1995-01-31 1996-08-09 Kawasaki Steel Corp 試料中の元素分布測定と組成分析方法およびその装置
JP2001343336A (ja) * 2000-05-31 2001-12-14 Nidek Co Ltd 欠陥検査方法及び欠陥検査装置
US6941288B2 (en) * 2002-04-08 2005-09-06 Shih-Jong J. Lee Online learning method in a decision system
JP3993817B2 (ja) * 2002-12-11 2007-10-17 株式会社日立製作所 欠陥組成分析方法及び装置
JP2009063493A (ja) * 2007-09-07 2009-03-26 Tokyo Seimitsu Co Ltd 材料分析装置及び材料分析方法
US7919760B2 (en) 2008-12-09 2011-04-05 Hermes-Microvision, Inc. Operation stage for wafer edge inspection and review
JP2014067863A (ja) * 2012-09-26 2014-04-17 Tokyo Electron Ltd 基板のベベル部の検査方法及び記録媒体
JP5608208B2 (ja) * 2012-11-28 2014-10-15 株式会社日立ハイテクノロジーズ 欠陥レビュー装置
JP6309221B2 (ja) * 2013-08-12 2018-04-11 株式会社ホロン 超高速レビュー装置および超高速レビュー方法
US9696268B2 (en) * 2014-10-27 2017-07-04 Kla-Tencor Corporation Automated decision-based energy-dispersive x-ray methodology and apparatus
JP2018048951A (ja) * 2016-09-23 2018-03-29 東邦チタニウム株式会社 嫌気性・禁水性粒子内部の分析方法
KR102467605B1 (ko) * 2017-06-28 2022-11-16 도쿄엘렉트론가부시키가이샤 열처리 장치, 열처리 장치의 관리 방법 및 기억 매체
JP2019023587A (ja) * 2017-07-24 2019-02-14 住友化学株式会社 欠陥検査システム及び欠陥検査方法
JP6573226B2 (ja) * 2017-12-15 2019-09-11 オムロン株式会社 データ生成装置、データ生成方法及びデータ生成プログラム
US10978331B2 (en) * 2018-03-30 2021-04-13 Taiwan Semiconductor Manufacturing Co., Ltd. Systems and methods for orientator based wafer defect sensing
US20220130027A1 (en) * 2019-02-15 2022-04-28 Hitachi High-Tech Corporation Structure Estimation System and Structure Estimation Program
US20240118508A1 (en) * 2022-10-07 2024-04-11 Kyocera Sld Laser, Inc. Micro led array for optical communication

Also Published As

Publication number Publication date
WO2021075170A1 (ja) 2021-04-22
TW202117315A (zh) 2021-05-01
TWI780490B (zh) 2022-10-11
KR20220062635A (ko) 2022-05-17
JPWO2021075170A1 (ja) 2021-04-22
US20240127417A1 (en) 2024-04-18
JP7410164B2 (ja) 2024-01-09
CN114556416A (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
US10810733B2 (en) Defect classification apparatus and defect classification method
US8237119B2 (en) Scanning type charged particle beam microscope and an image processing method using the same
JP5948138B2 (ja) 欠陥解析支援装置、欠陥解析支援装置で実行されるプログラム、および欠陥解析システム
US7598491B2 (en) Observing method and its apparatus using electron microscope
US8885950B2 (en) Pattern matching method and pattern matching apparatus
JP2024012432A (ja) 検査システム、及び非一時的コンピュータ可読媒体
TWI515813B (zh) Charged particle - ray device
US10971325B2 (en) Defect observation system and defect observation method for semiconductor wafer
TWI697849B (zh) 圖像處理系統、記憶媒體、資訊擷取系統及資料產生系統
JP4974737B2 (ja) 荷電粒子システム
WO2012157160A1 (ja) 欠陥レビュー装置
JP2016507058A (ja) パターン化された欠陥の輪郭ベースのアレイ検査
TW202139133A (zh) 半導體樣本的檢查
JP6033325B2 (ja) 半導体検査装置、及び荷電粒子線を用いた検査方法
JP2004271269A (ja) パターン検査方法及びパターン検査装置
JP6207893B2 (ja) 試料観察装置用のテンプレート作成装置
JP2004271270A (ja) パターン検査方法及びパターン検査装置
WO2015064399A1 (ja) 荷電粒子線装置およびプログラム記録媒体
JP2015203628A (ja) 荷電粒子線装置及び座標補正方法
KR20240026861A (ko) 반도체 시편에 대한 오버레이 측정
TW202424467A (zh) 用於查驗半導體試樣的形狀定位
JP2014067863A (ja) 基板のベベル部の検査方法及び記録媒体

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20231031