JP5212138B2 - パターン検査方法およびパターン検査装置 - Google Patents

Description

本発明は、複数の近似形状の画像パターン同士から欠陥パターンを抽出するパターン検査方法に関する。

近年の半導体ＬＳＩパターンの微細化に伴い、パターン原版としてのフォトマスクも同様に微細化への対応を迫られており、同時に高精度化への要求は非常に厳しい。
従来、フォトマスク品質における重要項目として、欠陥・寸法精度・アライメントの３項目が特に重視されており、半導体の微細化が進む現在ではそれぞれの項目を計測するための高精度なフォトマスク専用検査装置が開発され使用されている。
しかしフォトマスクパターンの微細化による高精度化への要求は、前記３項目以外のあらゆる品質項目（パターン形状、パターンデータ保証、耐久性、クリーン度等）が重要視されるようになってきた。特にパターン形状の精度については、直接、ＬＳＩ回路の精度および性能に関わる。

フォトマスクのパターン形状は、半導体回路のマスクレイアウト設計において設計図面通りのパターンが精度良くマスク上に再現されていることが望ましい。しかし、実際にはリソグラフィ技術を用いてガラス上の金属薄膜に微細なパターンを加工しているため、マスクパターンと設計パターンとは完全に同一形状ではなく、寸法差やコーナー部の丸みなど、微小な違いが存在する。
この違いはマスク上で数十〜数百ナノメートル程度の大きさであることがほとんどであるが、近年の超ＬＳＩの微細化の進展によって、これが半導体回路の特性に影響を与えることが懸念され始めている。すなわち、微細なパターンであるほど、パターン自体に対して前記のパターン形状の違いが相対的に大きくなり、特性値に影響するようになってきたということである。

一般的にフォトマスクのパターン形状の良否を確認する検査では、主に光学式の検査装置が使われている。近年の検査装置は非常に感度が高くなってきており、最先端のフォトマスクにおいては１０ｎｍ以下の非常に微細な欠陥が検出されることも珍しくない。

検査装置で検出された欠陥は走査型電子顕微鏡（以下ＳＥＭ（ｓｃａｎｎｉｎｇ ｅｌｅｃｔｒｏｎ ｍｉｃｒｏｓｃｏｐｅ））などでレビューを実施するが、上記のような先端マスクでは欠陥の大きさが非常に小さいため、ＳＥＭの画像中に複数のパターンが存在する場合には、画像を見てもどれが検査装置で検出された欠陥パターンなのかが判別できない場合がある。また、近年は光近接効果を利用した光近接効果補正（以下ＯＰＣ（Ｏｐｔｉｃａｌ Ｐｒｏｘｉｍｉｔｙ Ｃｏｌｌｅｃｔｉｏｎ））パターンが多くなっており、パターン形状の複雑さが増大するため、余計に欠陥パターンの判別がしづらい状況になっている。

従来は、ＳＥＭ画像中の全てのパターンの特性値（長さや面積など）を手動で測定し、それらを比較することで欠陥パターンを検出していた。また別の方法としては、比較用の基準パターンを用意し、この基準パターンとの重ね合せ比較表示により、欠陥パターンを検出していた。比較用の基準パターンは、設計データ又は正常なパターンの画像を利用することが多い。

一方、２つの近似形状の画像パターン同士を比較することにより、相対的なパターン形状の違いを相関値として数値で評価することが知られている（特許文献１）。

特開平７−１２９７７０号公報

上述のようにＳＥＭ画像中の全てのパターンの特性値を手動で測定する方法では、パターンの数が多くなると非常に時間がかかるという問題点があった。また、パターン形状が複雑になると欠陥が含まれるパターンでも面積などの特性値は正常パターンとほとんど同じ値となることもありえるため、欠陥パターンを検出できない場合があった。

また、比較用の基準パターンと重ね合せ比較する方法では、基準パターンをどのように選定するかが問題となる。ＳＥＭ画像中に複数のパターンが含まれる場合に、従来は定性的な判断で基準パターンを選択していたが、欠陥が含まれているパターンを基準パターンとしてしまう可能性があった。

また、欠陥パターンが複数個検出された場合、ＳＥＭ画像中に欠陥パターンが複数個含まれている。この場合には１枚のＳＥＭ画像から、該当数の欠陥パターンを過不足なく検出し測定することは非常に困難であった。

このため、検査装置で検出された欠陥座標情報を元に、ＳＥＭ画像から欠陥パターンを正確に検出し、なおかつ最適な基準パターンを自動選定することは困難である。

本発明は上記の問題点を鑑みてなされたもので、複数の近似形状の画像パターン同士から欠陥パターンを抽出するパターン検査方法を提供することを目的とする。

請求項１に記載の本発明は、複数の近似形状の画像パターン同士から欠陥パターンを抽出するパターン検査方法であって、一つの画像パターンについて、他の画像パターンとのパターン形状の相関値を算出するパターン形状相関値算出工程と、全ての画像パターンについて、前記パターン形状相関値算出工程を行い、各画像パターン毎にパターン形状相関値を並べた相関値マトリックスを生成する相関値マトリックス生成工程と、前記相関値マトリックスから、各画像パターン毎にパターン形状相関値を合算し、合計相関値を算出する合計相関値算出工程と、抽出する欠陥パターンの抽出数を入力し、前記抽出数の数だけ前記合計相関値が小さい順に画像パターンを選択し、選択された画像パターンを欠陥パターンとして抽出する欠陥パターン抽出工程と、を備えたことを特徴とするパターン検査方法である。
なお、ここで、欠陥パターンの抽出数は任意に設定してよく、１以上の自然数であり、画像パターンの総数より小さい範囲であればよい。
また、本発明では、相関値を算出する手法について、比較するパターン形状同士が近似しているほど大きな数値として評価される一般的な手法を用いたものとするものであり、比較するパターン形状同士が近似しているほど小さな数値として評価される手法を用いた場合は、合計相関値が大きい順に画像パターンを選択するものとする。

請求項２に記載の本発明は、請求項１に記載のパターン検査方法であって、更に、相関値マトリックスから欠陥パターンとした画像パターンに関する相関値データを取り除いた後、各画像パターン毎にパターン形状相関値を合算し合計相関値を算出し、該合計相関値が最も大きい画像パターンを基準パターンとして抽出する基準パターン抽出工程と、前記基準パターンと前記欠陥パターンを比較計測しパターン形状の相関値を算出することにより、欠陥パターンを定量的に評価する欠陥パターン評価工程と、を備えたことを特徴とするパターン検査方法である。

請求項３に記載の本発明は、請求項１または２のいずれかに記載のパターン検査方法を行うパターン検査装置である。

本発明のパターン検査方法は、画像中に含まれる複数の画像パターン同士を各々すべて比較し、相関値マトリックスを生成して合計相関値を比較する。
これにより、複数の近似形状の画像パターン同士から欠陥パターンを自動的に抽出することが可能となり、欠陥パターンの測定を効率良く、高精度に実施することが可能となる。

本発明のパターン検査方法のフロー図である。 欠陥を含むパターンのＳＥＭ画像の一例を示す図である。 ＳＥＭ画像から輪郭線を抽出しラベルを付加した一例を示す図である。 本発明における相関評価値マトリックスの一例である。 相関評価値マトリックスから欠陥パターンの相関値データを除いた一例である。 本発明における基準パターンと欠陥パターンの計測結果の一例を示す図である。

以下、添付図面を参照して本発明の内容を詳述する。
本発明におけるパターン検査方法の手順を図１に示す。まず最初に、パターン検査をするＳＥＭ画像入力処理（Ｓ１）を実施する。
次に、このＳＥＭ画像からパターンの輪郭線を抽出するための輪郭抽出処理（Ｓ２）を行う。抽出された輪郭線の情報からパターン数の取得（Ｓ３）により、ＳＥＭ画像中にいくつパターンがあるかを調べる。

次に、ＳＥＭ画像中の全パターンについて他のパターンとの相関値を計算（Ｓ４）する。このとき、相関値の計算方法としては、パターンの輪郭線の座標データから輪郭の角度変化の一次元信号を作成し、その一次元信号の相関係数を計算するやり方や、対象パターンを含む領域をＳＥＭ画像から切り出して、二次元画像の相関係数を計算する方法などがある。この相関値の計算をＳＥＭ画像内にある全てのパターン同士で実施し、相関値マトリックスの生成処理（Ｓ５）を行う。相関値マトリックスとは、縦軸と横軸にパターン番号（記号）を記載し、直行する欄にパターン間の相関値を入力したものである。

次に、検出する欠陥パターン数Ｎを入力（Ｓ６）する。ＳＥＭによるレビューの前に光学式の検査装置で検出された欠陥数が分かっているので、ＳＥＭ画像中に含まれると思われる欠陥パターン数を入力する。
次に、相関値マトリックスを参照し、相関値マトリックスの合計相関値が小さい順にＮ個のパターンを抽出（Ｓ７）する。合計相関値とは、あるパターンＡに対して画像中の他のパターン（Ｂ〜Ｊ）（パターンが全部で１０個あると仮定）との相関値をそれぞれ計算し、それらの値を全て合算したものである。つまり合計相関値が大きいほど、他のパターンとの相関が高く、逆に合計相関値が小さいほど、他のパターンとの相関が低くなるため、欠陥パターンである可能性が高くなる。従って、Ｓ７で抽出されたＮ個のパターンが欠陥パターンである。

次に、相関値マトリックスからＮ個のパターンの相関値データを除く（Ｓ８）ことにより、欠陥パターンの相関値データを排除した後、相関値マトリックスの合計相関値が最も大きいものを基準パターンとする（Ｓ９）。

最後に、抽出した欠陥パターンと基準パターンとの比較計測（Ｓ１０）を実施し、計測結果を表示（Ｓ１１）する。基準パターンとの比較計測方法としては、対象とするパターンの特性値（縦横長さ、面積、コーナーラウンディング）を測定して比較する手法や、基準パターンと欠陥パターンとを重ね合せ表示して、差分面積やΔＣＤを計測する手法などがある。

以下、本発明のパターン検査方法について具体的な実施例を示す。

本例では、画像パターンとして、マスクパターンのＳＥＭ画像を用いた。マスクパターンの欠陥レビュー時のＳＥＭ画像として、ホールパターンが多数並んだ画像を図２に示す。この領域は光学式の検査装置による検査で欠陥が２箇所検出されている。画像中のパターン形状はどれも似通っており画像を目視で確認しても、どのパターンが欠陥なのかは判別しにくい。

まず、この画像から輪郭線を抽出する。本例では、輪郭線の抽出方法として、本発明者が発明した「輪郭抽出方法及びその装置及びそのプログラム」（特許第０４０８５６３５号明細書）を用いた。輪郭抽出した結果から、対象とする閉図形のホールパターンは１７個である。輪郭線を抽出したパターンにＡからＱまでのラベル付けをした結果を図３に示す。

次に、各パターン同士の相関値を計算する。本例では、ホールパターンの輪郭座標値から角度変化の一次元データに変換することで２つのパターン間の相関係数を算出した。画像中の１７個のパターンについて全ての組み合わせについて相関値を計算した結果を図４の相関値マトリックスに示す。相関値は０から１００までの値となり、２つのパターンが全く同じ場合は１００である。なお、相関値を計算する回数はパターン数によって増加し、ｎ個のパターンのときはｎ×（ｎ−１）／２回の計算を行う。

次に、相関値マトリックスにおいて各パターンの合計相関値を比較して、最も値が小さいものを欠陥パターンとして抽出する。今回は２個の欠陥パターンを抽出するので、合計相関値が小さい順にパターンＭとパターンＥを欠陥パターンとして抽出した。

次に、相関値マトリックスから欠陥パターンの相関値データを削除する。欠陥パターンの相関値データを削除した後の新たな相関値マトリックスを図５に示す。この相関値マトリックスに含まれる残りの１５個のパターンから、基準パターンを抽出する。ここでは、合計相関値が最も大きいパターンＣを基準パターンとする。合計相関値が最も大きいということは、他の１４個のパターンとの平均的な相関が最も高いということである。
以上の処理により、複数パターンが含まれたＳＥＭ画像から２つの欠陥パターンと、基準パターンが抽出された。

最後に、基準パターンと２つの欠陥パターンとの比較計測を行い、欠陥パターンの特性を評価する。今回はパターンの特性値として、面積（ｎｍ^２）と円形度、各コーナーの曲率半径を測定して比較した。ここで円形度とはパターンの丸さ加減を表す指標で、近似円との面積差から算出する。形状が真円に近いほど１に近づく。

計測結果を図６に示す。欠陥パターン２（Ｍ）は基準パターンより面積が６００ｎｍ^２以上小さくなっいることが分かる。従って、このパターンＭは形状が全体的に小さいために欠陥と認識されたと思われる。一方、欠陥パターン１（Ｅ）は面積は基準パターンと変わらないが、円形度が小さくなっている。コーナーの曲率半径を見ると、基準パターンがいずれのコーナーにおいても４０ｎｍ〜５０ｎｍ強の曲率半径であるのに対して、パターンＥは左上の曲率半径だけ３４．３ｎｍと小さくなっていることが分かる。つまりパターンＥは形状が歪になっているために欠陥と認識されたと考えられる。

以上のように本発明の手法を適用することで、欠陥レビュー時の複数パターンを含むＳＥＭ画像から、任意個数の欠陥パターンと最適な基準パターンを抽出することができるため、効率的かつ精度良く欠陥パターンと基準パターンとの比較評価を実施することが可能となる。

本発明のパターン検査方法は、複数の近似形状の画像パターン同士から欠陥パターンを抽出することが求められる広範な分野、つまり規則的な微細パターンを検査する分野全般に利用することが期待される。
例えば、半導体デバイス、光学素子、配線回路、データストレージメディア（ハードディスク、光学メディアなど）、医療用部材（分析検査用チップ、マイクロニードルなど）、バイオデバイス（バイオセンサ、細胞培養基板など）、精密検査機器用部材（検査プローブ、試料保持部材など）、ディスプレイパネル、パネル部材、エネルギーデバイス（太陽電池、燃料電池など）、マイクロ流路、マイクロリアクタ、ＭＥＭＳデバイス、インプリントモールド、フォトマスク、ＥＵＶフォトマスクなどの分野が挙げられる。

Ｓ１・・・ＳＥＭ画像入力処理
Ｓ２・・・輪郭抽出処理
Ｓ３・・・パターン数の取得
Ｓ４・・・全パターンについて他のパターンとの相関値を計算
Ｓ５・・・相関値マトリックスの生成処理
Ｓ６・・・検査する欠陥パターン数Ｎを入力
Ｓ７・・・相関値マトリックスの合計相関値が小さい順にＮ個のパターンを抽出
Ｓ８・・・相関値マトリックスからＮ個のパターンの相関値を除く
Ｓ９・・・相関値マトリックスの合計相関値が最も大きいものを基準パターンとする
Ｓ１０・・・基準パターンとの比較計測
Ｓ１１・・・計測結果を表示

Claims (3)

1. 複数の近似形状の画像パターン同士から欠陥パターンを抽出するパターン検査方法であって、
   一つの画像パターンについて、他の画像パターンとのパターン形状の相関値を算出するパターン形状相関値算出工程と、
   全ての画像パターンについて、前記パターン形状相関値算出工程を行い、各画像パターン毎にパターン形状相関値を並べた相関値マトリックスを生成する相関値マトリックス生成工程と、
   前記相関値マトリックスから、各画像パターン毎にパターン形状相関値を合算し、合計相関値を算出する合計相関値算出工程と、
   抽出する欠陥パターンの抽出数を入力し、前記抽出数の数だけ前記合計相関値が小さい順に画像パターンを選択し、選択された画像パターンを欠陥パターンとして抽出する欠陥パターン抽出工程と、
   を備えたことを特徴とするパターン検査方法。
2. 請求項１に記載のパターン検査方法であって、
   更に、
   相関値マトリックスから欠陥パターンとした画像パターンに関する相関値データを取り除いた後、各画像パターン毎にパターン形状相関値を合算し合計相関値を算出し、該合計相関値が最も大きい画像パターンを基準パターンとして抽出する基準パターン抽出工程と、
   前記基準パターンと前記欠陥パターンを比較計測しパターン形状の相関値を算出することにより、欠陥パターンを定量的に評価する欠陥パターン評価工程と、
   を備えたことを特徴とするパターン検査方法。
3. 請求項１または２のいずれかに記載のパターン検査方法を行うパターン検査装置。