JP6983944B2 - 画像ベースの測定のための方法および測定システム - Google Patents

Description

記載する実施形態は、計測のシステムおよび方法に関し、より具体的には、改善された散乱測定ベースのオーバーレイ測定および画像ベースの測定のための方法およびシステムに関する。

関連出願の相互参照
本特許出願は、２０１４年１０月１４日に出願された「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｏｆ Ｍｅａｓｕｒｉｎｇ Ｏｖｅｒｌａｙ」と題する米国仮特許出願第６２／０６３，９３２号からの、米国特許法第１１９条の下での優先権を主張し、その主題の全体を本願に引用して援用する。

論理および半導体デバイスなどの半導体デバイスは通常、一連の処理ステップを試料に適用することによって製造される。半導体デバイスの様々な特徴および複数の構造レベルは、これらの処理ステップによって形成される。たとえば、とりわけリソグラフィは、半導体ウエハ上にパターンを生成することを含む１つの半導体製造工程である。半導体製造工程の追加の例としては、限定するものではないが、化学機械研磨、エッチング、成膜、およびイオン注入が含まれる。単一の半導体ウエハ上に複数の半導体デバイスを製造し、次いで個々の半導体デバイスへと分離することができる。

より高い歩留まりを促進するために、半導体製作工程中の様々なステップにおいて、ウエハ上の欠陥を検出するための計測工程が用いられる。光学測定技法は、試料の破壊のリスクのない高いスループットの可能性を提供する。ナノスケール構造の限界寸法、膜厚、組成、オーバーレイ、および他のパラメータを特徴付けるために、散乱測定および反射測定の実装ならびに関連付けられた分析アルゴリズムを含むいくつかの光学測定ベースの技法が、一般に用いられる。

半導体デバイスは多くの場合、基板上に一連の層を成膜することによって製造される。これらの層の一部または全部は、様々なパターン形成された構造を含む。特定の層内のおよび層同士の間の両方における構造の相対位置は、完成した電子デバイスの性能にとって非常に重要である。オーバーレイとは、ウエハの同じまたは異なる層上の、上に重なるかまたは重なり合う構造の相対位置を指す。オーバーレイ誤差とは、上に重なるかまたは重なり合う構造の、公称の（すなわち所望の）相対位置からの逸脱を指す。オーバーレイ誤差が大きくなるほど、構造の位置のずれが大きくなる。オーバーレイ誤差が大き過ぎる場合、製作される電子デバイスの性能が損なわれる場合がある。

オーバーレイ誤差の特徴付けのために、散乱測定オーバーレイ（ＳＣＯＬ）計測技法が適用されてきた。これらの方法は主に、プログラムされたオーバーレイオフセットを各々有するターゲットの対からの回折に対応する光学信号の差分測定に基づく。未知のオーバーレイ誤差が、これらの差分測定に基づいて抽出される。

ほとんどの既存の方法において、オーバーレイ誤差は、構造の非対称性に対する感度の高い計量に基づいて特徴付けられる。１つの例では、既存の角度分解散乱測定オーバーレイ（ＳＣＯＬ）は、オーバーレイ誤差を示す＋１から−１の回折次数の間の非対称性の特徴付けを含む。しかしながら、ラインプロファイルの非対称性またはビーム照射の非対称性などの他の非対称性が結合して、測定信号におけるオーバーレイ生成の非対称性となるので、オーバーレイ誤差の指標として非対称性に依拠することには問題がある。この結果、オーバーレイ誤差の不正確な測定がもたらされる。

既存の方法では、オーバーレイ誤差は通常、リソグラフィツールによってウエハ上の様々な場所に形成される特化されたターゲット構造の測定に基づいて評価される。ターゲット構造は、箱構造における箱など、多くの形態を取り得る。この形態では、ウエハの１つの層上に箱が作り出され、別の層上に第２のより小さい箱が作り出される。局所化されたオーバーレイ誤差は、２つの箱の中心の間の位置合わせを比較することによって測定される。そのような測定は、ウエハ上の、ターゲット構造が利用可能な場所で行われる。

残念ながら、これらの特化されたターゲット構造は多くの場合、電子デバイスを生み出すために採用される特定の半導体製作工程の設計規則に従っていない。このことは、適用可能な設計規則に従って製作される実際のデバイス構造と関連付けられたオーバーレイ誤差の推定における誤差につながる。たとえば、画像ベースのオーバーレイ計測は多くの場合、設計規則の限界寸法を上回る限界寸法を有する太い線を必要とする、光学顕微鏡を用いて解像されることになるパターンを必要とする。別の例では、角度分解ＳＣＯＬは多くの場合、オーバーレイターゲットから＋１および−１の伝播する回折次数で十分な信号を生成するために、大きいピッチのターゲットを必要とする。いくつかの例では、５００〜８００ｎｍの範囲内のピッチ値が用いられる場合がある。一方、論理またはメモリ用途に関する実際のデバイスのピッチ（設計規則寸法）は、はるかに小さい、たとえば１００〜４００ｎｍの範囲内、または１００ｎｍ未満でさえある場合がある。

１つの既存の方法では、＋ｄおよび−ｄのプログラムされたオーバーレイシフトを有する２つの二重格子ターゲットを用いて、両方のターゲットの＋１および−１の回折次数強度を測定する。＋１および−１の回折次数の信号における非対称性が、積層中の層間のオーバーレイシフトの尺度である。測定される非対称性はオーバーレイ誤差に一次比例し、ターゲットの対を用いて比率が計算される。さらなる詳細が、“Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ＡＳＭＬ ＹｉｅｌｄＳｔａｒ ｕＤＢＯ ｏｖｅｒｌａｙ ｔａｒｇｅｔｓ ｆｏｒ ａｄｖａｎｃｅｄ ｌｉｔｈｏｇｒａｐｈｙ ｎｏｄｅｓ Ｃ０２８ ａｎｄ Ｃ０１４ ｏｖｅｒｌａｙ ｐｒｏｃｅｓｓ ｃｏｎｔｒｏｌ，” Ｐｒｏｃ． ＳＰＩＥ ８６８１， Ｍｅｔｒｏｌｏｇｙ， Ｉｎｓｐｅｃｔｉｏｎ， ａｎｄ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ ｆｏｒ Ｍｉｃｒｏｌｉｔｈｏｇｒａｐｈｙ ＸＸＶＩＩ， ８６８１１Ｆ （Ａｐｒｉｌ １８， ２０１３）、および“Ｏｐｔｉｃａｌ Ｓｃａｔｔｅｒｏｍｅｔｒｙ Ｆｏｒ Ｉｎ−Ｄｉｅ Ｓｕｂ−Ｎａｎｏｍｅｔｅｒ Ｏｖｅｒｌａｙ Ｍｅｔｒｏｌｏｇｙ，” ２０１３ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｆｒｏｎｔｉｅｒｓ ｏｆ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ａｎｄ Ｍｅｔｒｏｌｏｇｙ ｆｏｒ Ｎａｎｏｅｌｅｃｔｒｏｎｉｃｓ （ＦＣＭＮ２０１３）， Ｍａｒｃｈ ２５−２８， ２０１３， ＮＩＳＴ， Ｇａｉｔｈｅｒｓｂｕｒｇ， Ｍａｒｙｌａｎｄ， ＵＳＡにおいて記載されている。

この手法の欠点は、＋１および−１の回折次数の信号の測定が、大きいピッチの、設計規則通りでないターゲットを必要とすることである。別の欠点は、測定感度が、計測ターゲットの格子ピッチへの、照射波長の適正な整合に依存することである。利用可能な照射波長は通常限定されているので、このことにより、特に格子間の層が利用可能な波長に関して不透過性であるときに、オーバーレイ感度が限定される。

別の既存の方法では、異なるプログラムされたオーバーレイシフトを各々有する少なくとも３つの二重格子ターゲットが照射され、入射空間の大きい帯域にわたってゼロ次の回折光が収集される。ターゲットのあらゆる対の間の信号の差が計算される。差分信号の結果的な組み合わせは、オーバーレイに比例する。測定されたオーバーレイおよびターゲットの既知のプログラムされたオーバーレイを使用して、オーバーレイ誤差を計算する。“Ｏｖｅｒｌａｙ ｃｏｎｔｒｏｌ ｕｓｉｎｇ ｓｃａｔｔｅｒｏｍｅｔｒｙ ｂａｓｅｄ ｍｅｔｒｏｌｏｇｙ （ＳＣＯＬ（商標）） ｉｎ ｐｒｏｄｕｃｔｉｏｎ ｅｎｖｉｒｏｎｍｅｎｔ，” Ｍｅｔｒｏｌｏｇｙ， Ｉｎｓｐｅｃｔｉｏｎ， ａｎｄ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ ｆｏｒ Ｍｉｃｒｏｌｉｔｈｏｇｒａｐｈｙ ＸＸＩＩ， Ｐｒｏｃ． ｏｆ ＳＰＩＥ Ｖｏｌ． ６９２２， ６９２２２Ｓ， （２００８）において、さらなる詳細が記載されている。この手法の欠点は、ＸおよびＹオーバーレイの両方を測定するために、６つまたは８つのセルターゲットが通常必要とされることである。

いくつかの他の例では、オーバーレイ測定に対するモデルベースの手法が採用される。１つの例では、二重格子ターゲットのモデルが、オーバーレイパラメータを含めてパラメータ記述される。光の散乱の電磁的なモデル化を用いて、二重格子ターゲットから収集される信号をシミュレーションする。測定された信号に対してシミュレーションされた信号の非線形回帰を行って、オーバーレイ誤差を推定する。この手法は、構造および材料特性の正確なモデル化を必要とする。モデル化の取り組みは複雑で時間を要し、結果的な回帰ルーチンは、結果に到達するために大量の演算の労力および時間を必要とする。

向後のオーバーレイ計測の適用は、次第に小さくなる分解要件および次第に高くなるウエハ面積の値に起因して、計測に関して困難を呈する。したがって、改善されたオーバーレイ測定のための方法およびシステムが望まれている。

画像ベースの測定は通常、画像中の特定のターゲット特徴（たとえば線分、箱、等）の認識を含み、これらの特徴に基づいて対象のパラメータが計算される。通常は、特化されたターゲット構造は、画像処理アルゴリズムに特有のものである。たとえば、オーバーレイターゲット（たとえボックスインボックスターゲット、フレームインフレームターゲット、高度画像化計測（ａｄｖａｎｃｅｄ ｉｍａｇｉｎｇ ｍｅｔｒｏｌｏｇｙ）（ＡＩＭ）ターゲット）と関連付けられる線分は、アルゴリズムの詳細に適合するように特定的に設計される。この理由により、従来の画像ベースの計測アルゴリズムは、恣意的なターゲットまたはデバイス構造に関して、高い信頼性で機能することができない。

加えて、アルゴリズムが画像の限られた面積に適用されるので、情報が失われる。分析のための焦点として特定の線縁等を選択することにより、画像中の他の画素によって成されていたであろう寄与が、無視される。

さらに、従来の画像ベースのアルゴリズムは、処理の変動、非対称性、および光学系の誤差に対する感度が高いが、これは、これらのアルゴリズムが、取り込んだ画像上のこれらの誤差源の影響を捕捉するための系統立った方法を欠いていることによる。

半導体製作、および特にパターン形成工程において、特定の専用構造上で計測を行うことによって、工程の制御が可能となる。これらの専用構造を、ダイ同士の間のまたはダイ自体の中の、スクライブライン内に配置することができる。専用の計測構造の使用により、かなりの測定誤差が導入され得る。実際のデバイス構造と専用の計測ターゲットとの間の不一致により、計測データがダイ中の実際のデバイスの特徴の状態を正確に反映する能力が制限される。１つの例では、不一致は、処理負荷、パターン密度、または収差フィールドにおける、場所依存性の差に起因して生じるが、これは、専用の計測ターゲットおよび実際のデバイス構造が並置されていないからである。別の例では、専用の計測構造および実際のデバイス構造の特有の特徴サイズは、多くの場合全く異なる。したがって、専用の計測ターゲットおよび実際のデバイス構造が密に近接していても、サイズの違いから結果的に不一致が生じる。さらに、専用の計測構造は、デバイスのレイアウトにおいて空間を必要とする。サンプリング密度要件が高いとき、専用の計測構造は、実際のデバイス構造を締め出してしまう。

米国特許出願公開第２０１４／０２９７２１１号 米国特許出願公開第２０１４／０２７０４６９号 米国特許出願公開第２０１４／０２３３０３１号

向後の計測の適用は、次第に小さくなる分解要件および次第に高くなるウエハ面積の値に起因して、画像ベースの計測に関して困難を呈する。したがって、改善された画像ベースの測定のための方法およびシステムが望まれている。

連続リソグラフィ処理により基板上に形成された構造間のオーバーレイ誤差を測定するための方法およびシステムが、本明細書において提示される。オーバーレイ誤差は、０次数の散乱測定信号に基づいて測定される。１つの態様では、オーバーレイ測定を行うために、ただ２つのオーバーレイターゲットが採用される。２つのオーバーレイターゲットの各々は、互いと反対の方向にプログラムされたオーバーレイオフセットを各々含む。対称な信号を生み出すために、２つの異なる方位角において各ターゲットから散乱測定データが収集される。対称な信号を用いて、オーバーレイ誤差が決定される。

さらなる態様では、本明細書に記載のオーバーレイ測定技法が、複数の波長を含む散乱測定信号に適用される。

別のさらなる態様では、構造の非対称性に対する測定感度を低減するために、本明細書に記載のオーバーレイターゲットとともに、追加の計測ターゲットが用いられる。実際上は、これらの追加の計測ターゲットから収集された測定データは、オーバーレイ測定に対する非対称性の効果の相関を失わせるために用いられる。

加えて、測定された画像ベースの訓練データ（たとえば実験計画（ＤＯＥ）ウエハから収集された画像）のみに基づく画像ベースの測定モデルを作り出すための方法およびシステムが提示される。訓練された画像ベースの測定モデルはこの場合、他のウエハから収集された測定された画像データから直接、１つ以上の対象のパラメータの値を計算するために用いられる。通常は、計測用途および検査用途に関して異なる測定システムが用いられるが、本明細書に記載の方法およびシステムは、計測用途および検査用途の両方に適用可能である。

１つの態様では、本明細書に記載の訓練された画像ベースの測定モデルは、画像データを入力として直接受信し、１つ以上の対象のパラメータの値を、出力として提供する。測定工程を効率化することによって、予測結果が改善されるとともに、演算時間およびユーザー時間が低減される。

さらなる態様では、デバイス上の構造の画像から、対象のパラメータの値を決定することができる。これらの実施形態では、デバイス上の構造の画像を用いて、本明細書に記載するような画像ベースの測定モデルが訓練される。訓練された画像ベースの測定モデルは次いで、他のウエハから収集された同じデバイス上の構造の画像から直接、１つ以上の対象のパラメータの値を計算するために用いられる。

別のさらなる態様では、計測ターゲットが用いられる。これらの実施形態では、計測ターゲット構造の画像を用いて、本明細書に記載するような画像ベースの測定モデルが訓練される。訓練された画像ベースの測定モデルは次いで、他のウエハから収集された同じ計測ターゲット構造の画像から直接、１つ以上の対象のパラメータの値を計算するために用いられる。計測ターゲットが用いられる場合、単一の画像から複数のターゲットを測定することができ、計測ターゲットは、１つの構造または少なくとも２つの異なる構造を含み得る。

さらに別のさらなる態様では、モデルの構築、訓練、および測定のために、複数の異なる測定技法の組み合わせによって行われた測定から導出された測定データが収集される。

本明細書に記載するように、未加工の画像データのみを用いて画像ベースの測定モデルを作り出すことにより、従来の画像ベースの計測方法と関連付けられる誤差および近似が低減される。加えて、画像ベースの測定モデルは、特定の計測システムから収集された画像データに基づいて訓練され、同じ計測システムから収集された画像に基づいて測定を行うために用いられるので、システム的な誤差、非対称性等に対する感度が高くない。

一般に、本明細書に記載の方法およびシステムは、各画像を全体として分析する。画像中の個々の特徴を認識する代わりに、各画素が、構造パラメータ、処理パラメータ、分散パラメータ、等についての（またはこれらに対する感度の高い）情報を含む、個々の信号として考慮される。

前述の内容は概要であり、したがって、必要に応じて、詳細の簡略化、一般化、および省略を含む。結果として、当業者は、この概要が例示的なものに過ぎずいかなる点においても限定するものではないことを諒解するであろう。本明細書に記載のデバイスおよび／または工程の他の態様、進歩性を有する特徴、および利点は、本明細書に明記する非限定的な詳細な説明において明らかになるであろう。

測定下の試料１０上に配設されたオーバーレイターゲット１００および１１０を描写する図である。 本明細書に記載するようなオーバーレイを測定する方法１２０を示すフローチャートである。 本明細書に提示する例示の方法１２０による、試料から収集された信号からオーバーレイを推定するためのシステム３００を例示する図である。 多層のライン／空間計測ターゲット１３０を例示する図である。 ｘ方向に２つの格子構造のオフセットを有する多層のライン／空間計測ターゲット１４０を例示する図である。 ｙ方向に２つの格子構造のオフセットを有する多層のライン／空間計測ターゲット１５０を例示する図である。 １つの実施形態における、オーバーレイ誤差の既知の変動を示すターゲットのグリッドを有するＤＯＥウエハ１６０を例示する図である。 ２２５度の方位角においてオーバーレイターゲット１００の測定と関連付けられた収集された散乱測定信号１７１、および４５度の方位角においてオーバーレイターゲット１００の測定と関連付けられた散乱測定信号１７２を含む、プロット１７０を描写する図である。 散乱測定信号１７２および散乱測定信号１７１から導出された差分信号１８１のプロット１８０を描写する図である。 ４５度および２２５度の方位角ならびに複数の波長におけるオーバーレイターゲット１００の測定と関連付けられた、加算された差分信号のプロット１９０を描写する図である。 ＤＯＥ測定と関連付けられた差分信号の主成分とフィッティングされた正弦波関数を例示するプロット２００を描写する図である。 処理によって誘起される非対称性を含む底部格子特徴２１１を含むオーバーレイターゲット２１０、および同じ処理によって誘起される非対称性を含むオーバーレイターゲット２１０の近くに配設された計測ターゲット２２０を描写する図である。 処理によって誘起される非対称性を含む頂部格子特徴２１２を含むオーバーレイターゲット２１０、および同じ処理によって誘起される非対称性を含むオーバーレイターゲット２１０の近くに配設された計測ターゲット２３０を描写する図である。 オーバーレイターゲット２１０ならびにオーバーレイターゲット２１０の近くに配設された計測ターゲット２２０および２３０を描写する図である。 本明細書に記載するような画像ベースの測定モデルを訓練する方法４００を示すフローチャートである。 方法４００を参照して記載するような訓練された測定モデルを用いて構造の測定を行う方法４１０を示すフローチャートである。 １つ以上の対象のパラメータの既知の変動を示す構造を含む測定部位のグリッドを有する実験計画ウエハ４２０を描写する図である。 ウエハ４２０の様々な測定部位の例示的な画像４２２〜４２４を描写する図である。 画像４２２と関連付けられた画素のグリッド４２５を例示する図である。 方法４００によるモデルの訓練および測定のために選択された２つの異なる画素の場所を描写する図である。 図２０において例示された画素の場所においてサンプリングされた、測定された強度値のベクトル４３６を描写する図である。 ウエハ４２０の画像の単一の主成分の値の輪郭プロット４４０を例示する図である。 実際のフォーカス誤差をｙ軸上におよび対応する予測されるフォーカス誤差をｘ軸上に示す、シミュレーション結果のプロット４４１を描写する図である。 図２３において描写された各測定点と関連付けられた残留フォーカス誤差値を示すプロット４４２を描写する図である。 対象のパラメータの画像ベースの測定のために有利であり得る９つのセル計測ターゲットを示す図である。 対象のパラメータの画像ベースの測定のために有利であり得る９つのセル計測ターゲットを示す図である。 図２５Ａ〜図２５Ｂにおいて描写された９つのセル計測ターゲットのインスタンスを各々含む、いくつかの測定部位のシミュレーションされた画像４４５を描写する図である。 ６３７ナノメートルでの測定と関連付けられた測定データに関して、実際のフォーカス誤差をｙ軸上でおよび対応する予測されるフォーカス誤差をｘ軸上で示すシミュレーション結果を例示する、プロット４４６を描写する図である。 ５２３ナノメートルでの測定と関連付けられた測定データに関して、実際のフォーカス誤差をｙ軸上でおよび対応する予測されるフォーカス誤差をｘ軸上で示すシミュレーション結果を例示する、プロット４４７を描写する図である。 ４６７ナノメートルでの測定と関連付けられた測定データに関して、実際のフォーカス誤差をｙ軸上でおよび対応する予測されるフォーカス誤差をｘ軸上で示すシミュレーション結果を例示する、プロット４４８を描写する図である。 ６３７ナノメートルでの測定と関連付けられた測定データに関して、実際の線量誤差をｙ軸上でおよび対応する予測される線量誤差をｘ軸上で示すシミュレーション結果を例示する、プロット４４９を描写する図である。 ５２３ナノメートルでの測定と関連付けられた測定データに関して、実際の線量誤差をｙ軸上でおよび対応する予測される線量誤差をｘ軸上で示すシミュレーション結果を例示する、プロット４５０を描写する図である。 ４６７ナノメートルでの測定と関連付けられた測定データに関して、実際の線量誤差をｙ軸上でおよび対応する予測される線量誤差をｘ軸上で示すシミュレーション結果を例示する、プロット４５１を描写する図である。 ４６７、５２３、および４６７ナノメートルでの測定と関連付けられた組み合わされた測定データに関して、実際のフォーカス誤差をｙ軸上でおよび対応する予測されるフォーカス誤差をｘ軸上で示すシミュレーション結果のプロット４５２を描写する図である。 ４６７、５２３、および４６７ナノメートルでの測定と関連付けられた組み合わされた測定データに関して、実際の線量誤差をｙ軸上でおよび対応する予測される線量誤差をｘ軸上で示すシミュレーション結果のプロット４５３を描写する図である。 本明細書に提示する例示の方法４００および４１０による、対象とするパラメータの画像ベースの測定を行うためのシステム５００を例示する図である。

以下では本発明の背景となる例およびいくつかの実施形態を詳細に参照するが、これらの例は添付の図面において例示されている。

連続リソグラフィ処理により基板上に形成された構造間のオーバーレイ誤差を測定するための方法およびシステムが、本明細書において提示される。オーバーレイ誤差は、０次の散乱測定信号に基づいて測定される。１つの態様では、オーバーレイ測定を行うために、ただ２つのオーバーレイターゲットが採用される。対称な信号を生み出すために、２つの異なる方位角において各ターゲットから散乱測定データが収集される。対称な信号を用いて、オーバーレイ誤差が決定される。

図１は、測定下の試料１０上に配設されたオーバーレイターゲット１００および１１０を描写している。オーバーレイターゲット１００は、２つの格子構造１０１および１０５の、オーバーレイ距離ＯＶＥＲＬＡＹ_１分の互いからのオフセットを含む。図１において描写された実施形態では、格子構造１０５が頂部層上に配設され（すなわち露出され）、格子構造１０１が頂部層の下方に配設される（すなわち埋設される）。介在層１０２〜１０４が、格子構造１０５から格子構造１０１を分離する。同様に、オーバーレイターゲット１１０は、２つの格子構造１１１および１１５の、オーバーレイ距離ＯＶＥＲＬＡＹ_２分の互いからのオフセットを含む。図１において描写された実施形態では、格子構造１１５が頂部層上に配設され（すなわち露出され）、格子構造１１１が頂部層の下方に配設される（すなわち埋設される）。介在層１１２〜１１４が、格子構造１１５から格子構造１１１を分離する。

１つの態様では、オーバーレイターゲット１００および１１０は、プログラムされたオーバーレイオフセットを、互いと反対の方向に各々含む。図１において描写されるように、格子構造１０５は、格子構造１０１に関して、合計オーバーレイ距離ＯＶＥＲＬＡＹ_１だけオフセットされる。この距離は、プログラムされたオーバーレイ距離ｄおよび測定されるべきオーバーレイ距離を含む。図１において描写されるように、プログラムされたオーバーレイは、−Ｘ方向に延在する。したがって、格子構造１０５と格子構造１０１との間の実際のオーバーレイＯＶＥＲＬＡＹ_１は、式（１）を参照して記述される。
ＯＶＥＲＬＡＹ_１＝ＯＶＥＲＬＡＹ−ｄ （１）
格子構造１１５は、格子構造１１１に関して、合計オーバーレイ距離ＯＶＥＲＬＡＹ_２だけオフセットされる。この距離は、プログラムされたオーバーレイ距離ｄおよび測定されるべきオーバーレイ距離を含む。図１において描写されるように、プログラムされたオーバーレイは、オーバーレイターゲット１００の方向と反対の、＋Ｘ方向に延在する。したがって、格子構造１１５と格子構造１１１との間の実際のオーバーレイＯＶＥＲＬＡＹ_２は、式（２）を参照して記述される。
ＯＶＥＲＬＡＹ_２＝ＯＶＥＲＬＡＹ＋ｄ （２）

図４は、基板１３１、格子構造１３２、充填層１３３、および第１のパターン形成された構造１３２からｘ方向に空間的にオフセットされる別の格子構造１３４を含む、多層のオーバーレイターゲット１３０を描写している。両方のパターン形成された構造１３２および１３４のピッチは、距離Ｐである。ほとんどの場合、オーバーレイ誤差に対する感度は、オーバーレイが存在しないときにその最小となる。描写された実施形態では、パターン形成された構造１３４は、測定感度を高めるために、パターン形成された構造１３２から、プログラムされたオーバーレイオフセット距離ｄだけオフセットされる。図４において描写された実施形態では、オーバーレイ誤差は、パターン形成された構造１３４の、そのプログラムされたオーバーレイオフセットに対する変位である。

本発明の範囲内で、様々な異なる計測ターゲットが企図され得る。いくつかの実施形態では、計測ターゲットは、従来のライン／空間ターゲットに基づく。いくつかの他の実施形態では、計測ターゲットはデバイス状の構造である。いくつかの他の実施形態では、計測ターゲットは実際のデバイス自体であり、したがって特化された計測ターゲットは採用されない。採用される計測ターゲットの種類に関わらず、本明細書に記載するような２つのターゲットを用いてオーバーレイ測定を行うために、反対方向のオフセットを有するオーバーレイターゲットの組が提供されねばならない。

いくつかの例では、オーバーレイターゲットは、製造ウエハのスクライブラインにおいて配置される。いくつかの他の例では、オーバーレイターゲットは、アクティブなダイ区域内に配置される。いくつかの実施形態では、測定は、実際のデバイスの周期的な領域内で、たとえば小スポットＳＥを用いて１０ｍｍ×１０ｍｍの区域内で行われる。

いくつかの実施形態では、ｘおよびｙの両方向にオフセットパターンを有する格子ターゲットが提供される。たとえば、図５は、図４を参照して記載されるような、２つのオフセット格子構造を有するオーバーレイターゲット１４０を描写している。図５において描写された実施形態では、格子構造はｘ方向にオフセットされている。図６は、図４を参照して記載されるような、２つのオフセット格子構造を有するオーバーレイターゲット１５０を描写している。図６において描写された実施形態では、格子構造はｙ方向にオフセットされている。

いくつかの実施形態では、各ダイにおいて、複数の異なるターゲットの反対の方向および直交する方向におけるオフセットが採用される。このことは、測定正確度に対する下層の影響を最小化するために有利であり得る。

さらなる態様では、２つの異なる方位角において、オーバーレイターゲット１００および１１０から散乱測定信号（たとえばスペクトル）が収集される。図１において描写された実施形態では、４５度の方位角においてオーバーレイターゲット１００から散乱測定信号１０６が収集され、２２５度の方位角においてオーバーレイターゲット１００から散乱測定信号１０７が収集される。同様に、４５度の方位角においてオーバーレイターゲット１１０から散乱測定信号１１６が収集され、２２５度の方位角においてオーバーレイターゲット１１０から散乱測定信号１１７が収集される。

図８は、２２５度の方位角においてオーバーレイターゲット１００の測定と関連付けられた収集された散乱測定信号１７１、および４５度の方位角においてオーバーレイターゲット１００の測定と関連付けられた散乱測定信号１７２を含む、プロット１７０を描写している。図９は、単に散乱測定信号１７２と散乱測定信号１７１との間の差である、差分信号１８１のプロット１８０を描写している。図８において例示されたように、４５°および２２５°の方位角において収集された特定のターゲットからの散乱測定信号は、対称である。図９において例示されたように、これらの信号の間の差は、正弦波形の近似となる。波形の中心の周囲の領域において、差分信号はほぼ線形である。小さいプロセスウィンドウを仮定すると、線形領域中の２つの点によってオーバーレイが推定される。これらの２つの点（たとえば２つの異なる差分信号）は、異なるプログラムされたオーバーレイオフセットを各々有する、２つの異なるターゲット（たとえばオーバーレイターゲット１００および１１０）から収集されたデータから導出される。図１を参照して記載された実施形態では、オーバーレイターゲット１００は、オーバーレイターゲット１１０の同じプログラムされたオフセットｄの方向と反対の方向において、プログラムされたオフセットｄを含む。図８および図９を参照して記載されるように、散乱測定信号１０６および１０７から、差分信号ＤＡが計算される。同様に、散乱測定信号１１６および１１７から、差分信号ＤＢが計算される。オーバーレイターゲット１００および１１０とそれぞれ関連付けられた差分信号ＤＡおよびＤＢに基づいて、等式（３）によって記述されるような未知のオーバーレイが計算される。

図１を参照して記載された測定シナリオおよび図８および図９を参照して記載された結果的な信号は、非限定的な例として提供される。一般に、オフセット距離は異なっていてよく、また測定応答は一般的な数学的関数によって近似され得る。同様に、オーバーレイと差分信号との間の関係も、一般的な数学的関数によって記述され得る。

加えて、図１を参照して記載された測定シナリオは、１つの次元（すなわちｘ方向）におけるオフセットを参照する。ただし一般には、オーバーレイは、２つの次元（たとえばｘおよびｙ方向）においてプログラムされ得る。

前述の例では、オーバーレイターゲットから収集された散乱測定信号は、単一の波長を含んでいた。しかしながら一般には、測定感度を改善するために、様々な波長の範囲にわたって散乱測定信号が収集される。さらなる態様では、本明細書において既に記載したオーバーレイ測定技法が、複数の波長を含む散乱測定信号に適用される。

１つの例では、本明細書において既に記載したように、各波長において差分信号が計算され、結果的な差分信号が加算されて、各オーバーレイターゲットと関連付けられた加算された差分信号に到達する。加算された差分信号を用いて、等式（３）によって記述されるような未知のオーバーレイを計算し、この等式においてＤＡおよびＤＢは、２つのターゲットと関連付けられた加算された差分信号である。図１０は、４５度および２２５度の方位角ならびに複数の波長におけるオーバーレイターゲット１００の測定と関連付けられた、加算された差分信号のプロット１９０を描写している。

別の例では、差分信号は、本明細書において既に記載したように、様々な波長において計算され、結果的な差分信号は、様々な波長上で様々な重みと加算される。１つの例では、これらの重みは、既知のオーバーレイを有するターゲットの組に関する差分信号の主成分の、正弦関数への線形フィッティングに基づいて決定される。

いくつかの実施形態では、オーバーレイの変動が、半導体ウエハ（たとえば実験計画（ＤＯＥ）ウエハ）の表面上のＤＯＥパターンとして編成される。このようにして、測定部位は、様々なオーバーレイ値に対応するウエハ表面上の様々な場所から情報を得る。１つの例では、ＤＯＥパターンは、オーバーレイ誤差パターンである。通常は、オーバーレイ誤差パターンを呈するＤＯＥウエハは、測定部位のグリッドパターンを含む。１つのグリッド方向（たとえばｘ方向）では、オーバーレイはｘ方向において変動し、一方、ｙ方向におけるオーバーレイは一定に保持される。直交するグリッド方向（たとえばｙ方向）では、ｙ方向におけるオーバーレイ誤差は変動し、一方、ｘ方向におけるオーバーレイ誤差は一定に保持される。このようにして、ＤＯＥウエハから収集された散乱測定データは、ｘおよびｙの両方向におけるオーバーレイの既知の変動と関連付けられたデータを含む。図７は、オーバーレイ誤差の既知の変動を示すターゲット（たとえばターゲット１６１）のグリッドを有するＤＯＥウエハ１６０を描写している。ｘ方向のオーバーレイ誤差は、ｘ方向におけるＤＯＥウエハ１６０上の場所の関数として変動する。ｙ方向のオーバーレイ誤差は、ｙ方向におけるＤＯＥウエハ１６０上の場所の関数として変動する。いくつかの例では、ｘおよびｙのオーバーレイ誤差は、−２０ナノメートルから２０ナノメートルまでの範囲にわたる。いくつかの他の例では、ｘおよびｙのオーバーレイ誤差は、−８０から８０ナノメートルまでの範囲にわたる。一般に、本特許文書の範囲内で任意のオーバーレイ誤差範囲が企図され得る。

各波長に設定されたＤＯＥ測定中の訓練ターゲットの各々に対して、差分散乱測定信号が収集される。数学的変換に基づいて、差分信号の各組からいくつかの主要な特徴が抽出される。この変換は、元の信号を、元の測定空間から、低減された信号の組（たとえば主要な座標）によって測定データが正確に表現され得る別の数学的領域へとマッピングする。変換自体は、訓練データ中のオーバーレイの変動に基づいて決定される。測定された信号の各々は、訓練データの組中の異なるオーバーレイ測定に対して変化する、元の信号として扱われる。変換を、差分信号の全て、または差分信号の部分集合に適用することができる。いくつかの例では、分析を受ける差分信号は、無作為に選ばれる。いくつかの他の例では、分析を受ける差分信号は、オーバーレイの変化に対するこれらの比較的高い感度を理由として選ばれる。たとえば、オーバーレイの変化に対する感度の高くない信号は無視され得る。

非限定的な例として、変換は、主成分分析（ＰＣＡ）モデル、カーネルＰＣＡモデル、非線形ＰＣＡモデル、独立成分分析（ＩＣＡ）モデルまたは辞書を用いる他の次元削減方法、離散コサイン変換（ＤＣＴ）モデル、高速フーリエ変換（ＦＦＴ）モデル、ウェーブレットモデル、等のいずれかを用いて達成され得る。

所定の訓練データに関して、線形モデルをオーバーレイの正弦関数にフィッティングするために、測定されたターゲットに関する差分信号の主成分を用いられる。この正弦関数は、等式（４）において示されるように、格子ターゲットのピッチに等しい周期、およびゼロ位相を有する。

ＰＣ_ｉは主成分であり、εは平均ゼロのガウス雑音であり、ａ_ｉは訓練データから学習される線形モデル係数（すなわち既知のオーバーレイ値）である。図１１は、等式（４）による、ＤＯＥ測定値と関連付けられた差分信号の主成分とフィッティングされた正弦波関数を例示するプロット２００を描写している。フィッティング後、等式（５）に基づいて、様々な波長において計算された差分信号の主成分に基づいてオーバーレイが計算される。

本明細書において既に記載した正弦モデルは、非限定的な例として提供される。一般に、オフセット距離は異なっていてよく、また測定応答は一般的な数学的関数によって近似され得る。同様に、主成分を、任意の好適な数学的関数にフィッティングすることができる。

多くの例において、オーバーレイの測定は、オーバーレイに関連しない非対称性によって影響される。これらの非対称性のいくつかは、オーバーレイターゲットの頂部格子または底部格子に適用された処理から結果的に生じる。互いの近くに配置された構造は、同じ処理によって同様に影響され、したがってこれらは、処理によって誘起される構造の変動についての同じ情報を共有する。

さらなる態様では、構造の非対称性に対する測定感度を低減するために、本明細書に記載のオーバーレイターゲットとともに、追加の計測ターゲットが用いられる。実際上は、これらの追加の計測ターゲットから収集された測定データは、オーバーレイ測定に対する非対称性の効果の相関を失わせるために用いられる。

１つの例では、図１を参照して記載されるように、様々な方位角において、オーバーレイターゲットから散乱測定データが収集される。ただし、加えて、同じ方位角において、追加の計測ターゲットから散乱測定データが収集される。計測ターゲットは、オーバーレイ情報を含まないが、オーバーレイターゲットと同じ処理によって誘起される非対称性を呈する底部格子構造は含んでいる。

図１２は、処理によって誘起される非対称性を含む底部格子特徴２１１、および頂部格子特徴２１２を含む、オーバーレイターゲット２１０を描写している。オーバーレイターゲット２１０は、図１を参照して記載されるような２つのターゲットの差分測定に含まれるオーバーレイターゲットのうちの１つである。図１２において描写される例では、オーバーレイターゲット２１０の近くに計測ターゲット２２０が配設され、したがってこれは同様の処理によって誘起される変動を受ける。計測ターゲット２２０は、オーバーレイターゲット２１０の底部格子特徴２１１と同じ処理によって誘起される非対称性を有する底部格子特徴２２１を含む。ただし、計測ターゲット２２０の層２２２は、頂部格子構造を含まない。したがって、計測ターゲット２２０は、どのようなオーバーレイ情報も含まない。

構造の非対称性を誘起する、処理によって誘起される変動が、１つ以上の半導体ウエハ（たとえば実験計画（ＤＯＥ）ウエハ）の表面上のＤＯＥパターンとして編成される。このようにして、測定部位は、様々な処理パラメータ値に対応するウエハ表面上の様々な場所から情報を得る。

各方位角に設定されたＤＯＥ測定中の、計測ターゲット（たとえば計測ターゲット２２０）の各々およびオーバーレイターゲットの各々に対して、様々な測定部位において散乱測定信号が収集される。数学的変換に基づいて、散乱測定信号の各組からいくつかの主要な特徴が抽出される。この変換は、元の信号Ｓ（Ｍ_１）を、元の測定空間中の計測ターゲットから、低減された信号の組（たとえば主要な座標）によって測定データが正確に表現され得る別の数学的領域Ｓ’（Ｍ_１）へとマッピングする。変換Ｆ_１は、式（６）において示されるように、計測ターゲットの元の測定を、主成分の組にマッピングする。
Ｆ_１：Ｓ（Ｍ_１）→Ｓ’（Ｍ_１） （６）
同じ変換Ｆ_１が、元の信号Ｓ（Ｏ）を、元の測定空間中のオーバーレイターゲットのうちの１つ以上から、同じ数学的領域Ｓ’（Ｏ）へとマッピングするために用いられる。変換Ｆ_１は、式（７）において示されるように、計測ターゲットの元の測定を、主成分の組にマッピングする。
Ｆ_１：Ｓ（Ｏ）→Ｓ’（Ｏ） （７）

計測ターゲットの主成分Ｓ’（Ｍ_１）は、線形回帰によってオーバーレイターゲットの信号Ｓ’（Ｏ）にフィッティングされる。このことにより、ターゲット間で共有される共通情報、すなわち処理によって誘起される非対称性が、事実上取り去られる。残りの残留情報Ｓ^＊（Ｏ）は、ターゲット間で共有されないオーバーレイ誤差情報を含む。式（８）は、計測ターゲットの散乱測定信号の、オーバーレイターゲットの信号への線形フィッティングを示す。
Ｓ_ｉ ^＊（Ｏ）＝Ｓ_ｉ’（Ｏ）−ａ_ｉＳ_ｉ’（Ｍ_１）＋ε_ｉ （８）
結果として、Ｓ^＊（Ｏ）はオーバーレイについての情報を含み、一方で、底部格子の非対称性を含む下層の変動の効果が低減される。各方位角に対する結果的なオーバーレイ信号Ｓ^＊（Ｏ）を用いて、本明細書において既に記載したような差分信号を計算する。

別の例では、図１を参照して記載されるように、様々な方位角において、オーバーレイターゲットから散乱測定データが収集される。ただし、加えて、同じ方位角において、追加の計測ターゲットから散乱測定データが収集される。計測ターゲットは、オーバーレイ情報を含まないが、オーバーレイターゲットと同じ処理によって誘起される非対称性を呈する頂部格子構造は含んでいる。

図１３は、底部格子特徴２１１、および処理によって誘起される非対称性を含む頂部格子特徴２１２を含む、オーバーレイターゲット２１０を描写している。オーバーレイターゲット２１０は、図１を参照して記載されるような２つのターゲットの差分測定に含まれるオーバーレイターゲットのうちの１つである。図１３において描写される例では、オーバーレイターゲット２１０の近くに計測ターゲット２３０が配設され、したがってこれは同様の処理によって誘起される変動を受ける。計測ターゲット２３０は、オーバーレイターゲット２１０の頂部格子特徴２１２と同じ処理によって誘起される非対称性を有する頂部格子特徴２３１を含む。ただし、計測ターゲット２２０は、どのようなオーバーレイ情報も含まない。

構造の非対称性を誘起する、処理によって誘起される変動が、１つ以上の半導体ウエハ（たとえば実験計画（ＤＯＥ）ウエハ）の表面上のＤＯＥパターンとして編成される。このようにして、測定部位は、様々な処理パラメータ値に対応するウエハ表面上の様々な場所から情報を得る。

各方位角に設定されたＤＯＥ測定中の、計測ターゲット（たとえば計測ターゲット２２０）の各々およびオーバーレイターゲットに対して、様々な測定部位において散乱測定信号が収集される。数学的変換に基づいて、散乱測定信号の各組からいくつかの主要な特徴が抽出される。この変換は、元の信号Ｓ（Ｍ_２）を、元の測定空間中の計測ターゲットから、低減された信号の組（たとえば主要な座標）によって測定データが正確に表現され得る別の数学的領域Ｓ’（Ｍ_２）へとマッピングする。変換Ｆ_２は、式（９）において示されるように、計測ターゲットの元の測定を、主成分の組にマッピングする。
Ｆ_２：Ｓ（Ｍ_２）→Ｓ’（Ｍ_２） （９）
同じ変換Ｆ_２が、元の信号Ｓ（Ｏ）を、元の測定空間中のオーバーレイターゲットのうちの１つ以上から、同じ数学的領域Ｓ’（Ｏ）へとマッピングするために用いられる。変換Ｆ_２は、式（１０）において示されるように、計測ターゲットの元の測定を、主成分の組にマッピングする。
Ｆ_２：Ｓ（Ｏ）→Ｓ’（Ｏ） （１０）

計測ターゲットの主成分Ｓ’（Ｍ_２）は、線形回帰によってオーバーレイターゲットの信号Ｓ’（Ｏ）にフィッティングされる。このことにより、ターゲット間で共有される共通情報、すなわち処理によって誘起される非対称性が、事実上取り去られる。残りの残留情報Ｓ^＊（Ｏ）は、ターゲット間で共有されないオーバーレイ誤差情報を含む。式（１１）は、計測ターゲットの散乱測定信号の、オーバーレイターゲットの信号への線形フィッティングを示す。
Ｓ_ｉ ^＊（Ｏ）＝Ｓ_ｉ’（Ｏ）−ａ_ｉＳ_ｉ’（Ｍ_２）＋ε_ｉ （１１）
結果として、Ｓ^＊（Ｏ）はオーバーレイについての情報を含み、一方で、頂部格子の非対称性を含む下層の変動の効果が低減される。各方位角に対する結果的なオーバーレイ信号Ｓ^＊（Ｏ）を用いて、本明細書において既に記載したような差分信号を計算する。

さらに別の例では、図１を参照して記載されるように、様々な方位角において、オーバーレイターゲットから散乱測定データが収集される。ただし、加えて、同じ方位角において、２つの追加の計測ターゲットから散乱測定データが収集される。計測ターゲットは、オーバーレイ情報を含まないが、オーバーレイターゲットと同じ処理によって誘起される非対称性を呈する、頂部格子構造および底部格子構造はそれぞれ含んでいる。

このようにして、一方の計測ターゲットは、底部格子の非対称性についての情報をオーバーレイターゲットと共有し、他方の計測ターゲットは、頂部格子の非対称性についての情報をオーバーレイターゲットと共有する。さらに、３つのターゲット全てが、他の処理によって誘起される変動についての情報を共有する。

図１４は、本明細書において既に記載したような、底部格子特徴２１１、および処理によって誘起される非対称性を有する頂部格子特徴２１２を含む、オーバーレイターゲット２１０を描写している。図１４において描写される例では、オーバーレイターゲット２１０の近くに計測ターゲット２２０および２３０が配設され、したがってこれらは同様の処理によって誘起される変動を受ける。計測ターゲット２２０は、オーバーレイターゲット２１０の底部格子特徴と同じ処理によって誘起される非対称性を有する底部格子特徴を含む。計測ターゲット２３０は、オーバーレイターゲット２１０の頂部格子特徴と同じ処理によって誘起される非対称性を有する頂部格子特徴を含む。ただし、いずれの計測ターゲットも、オーバーレイ情報は何ら含まない。この例では、図１２および図１３に関して記載した非対称性低減計算を、任意の順序でまたは一緒に適用して、各方位角に関して低減された処理によって誘起される非対称性を有するオーバーレイ信号に到達することができる。これらの信号は後に、本明細書において既に記載したような差分信号およびオーバーレイを計算するために用いられる。

さらなる態様では、複数の波長に基づいてオーバーレイを推定するための、処理によって誘起される非対称性に対する感度の低減された方法およびシステムを組み合わせて、オーバーレイ測定の正確度を改善する。

図３は、本明細書に提示する例示の方法による、試料の特性を測定するためのシステム３００を例示する図である。図３に示すように、システム３００を用いて、試料３０１の１つ以上の構造の分光偏光解析測定を行うことができる。この態様では、システム３００は、照射器３０２および分光器３０４を装備した分光偏光解析器を含み得る。システム３００の照射器３０２は、選択された波長範囲（たとえば１００〜２５００ｎｍ）の照射を生成し、試料３０１の表面上に配設された構造に向けるように構成される。そして、分光器３０４は、試料３０１の表面から反射された照射を受けるように構成される。照射器３０２から発される光が偏光状態発生器３０７を用いて偏光されて、偏光された照射ビーム３０６が生み出されることが、さらに留意される。試料３０１上に配設された構造によって反射された放射線は、偏光状態分析器３０９を通過して分光器３０４に至る。収集ビーム３０８中の、分光器３０４によって受けられた放射線は、偏光状態に関して分析され、分光器による、分析器を通された放射線のスペクトル分析が可能となる。これらのスペクトル３１１は、構造の分析のために演算システム３３０に渡される。

図３において描写されるように、システム３００は、単一の測定技術（たとえばＳＥ）を含む。ただし一般に、システム３００は、任意の数の異なる測定技術を含み得る。非限定的な例として、システム３００を、分光偏光解析器（ミュラー行列偏光解析法を含む）、分光反射率計、分光散乱計、オーバーレイ散乱計、角度分解型ビームプロファイル反射率計、偏光分解型ビームプロファイル反射率計、ビームプロファイル反射率計、ビームプロファイル偏光解析器、任意の単一もしくは複数波長偏光解析器、またはこれらの任意の組み合わせとして構成することができる。さらに一般には、様々な測定技術により収集され本明細書に記載の方法により分析される測定データを、複数の技術を組み込んだ１つのツールではなく、複数のツールから収集することができる。

さらなる実施形態では、システム３００は、本明細書に記載の方法によるオーバーレイ測定を行うために採用される、１つ以上の演算システム３３０を含み得る。この１つ以上の演算システム３３０を、分光器３０４に通信可能に接続することができる。１つの態様では、１つ以上の演算システム３３０は、試料３０１の構造の測定と関連付けられた測定データ３１１を受信するように構成される。

本開示の全体を通して記載される様々なステップが、単一のコンピュータシステム３３０、あるいは代替として複数のコンピュータシステム３３０によって実行され得ることが、認識されるべきである。さらに、分光偏光解析器３０４などのシステム３００の様々なサブシステムは、本明細書に記載のステップの少なくとも一部を実行するのに好適なコンピュータシステムを含み得る。したがって、前述の説明は、本発明に対する限定としてではなく単なる例示として解釈されるべきである。さらに、１つ以上の演算システム３３０を、本明細書に記載の方法の実施形態のうちのいずれかの、任意の他のステップを行うように構成することができる。

加えて、コンピュータシステム３３０を、当技術分野で知られている任意の手法で、分光器３０４に通信可能に結合することができる。たとえば、１つ以上の演算システム３３０を、分光器３０４と関連付けられた演算システムに結合することができる。別の例では、分光器３０４を、コンピュータシステム３３０に結合された単一のコンピュータシステムによって直接制御することができる。

計測システム３００のコンピュータシステム３３０を、ワイヤ線部分および／またはワイヤレス部分を含み得る伝送媒体によって、システムのサブシステム（たとえば分光器３０４など）からデータまたは情報を受信および／または取得するように構成することができる。このようにして、伝送媒体は、コンピュータシステム３３０とシステム３００の他のサブシステムとの間のデータリンクとしての役割を果たし得る。

コンピュータシステム３３０を、ワイヤ線部分および／またはワイヤレス部分を含み得る伝送媒体によって、他のシステムからデータまたは情報（たとえば測定結果、モデル化入力、モデル化結果、等）を受信および／または取得するように構成することができる。このようにして、伝送媒体は、コンピュータシステム３３０と他のシステム（たとえばメモリオンボード計測システム３００、外部メモリ、または他の外部システム）との間のデータリンクとしての役割を果たし得る。たとえば、演算システム３３０を、データリンクを介して記憶媒体（すなわちメモリ３３２または外部メモリ）から測定データを受信するように構成することができる。たとえば、分光器３０４を用いて得られるスペクトル結果を、永続的または半永続的なメモリデバイス（たとえばメモリ３３２または外部メモリ）に格納することができる。この点に関して、スペクトル結果を、オンボードメモリからまた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。さらに、コンピュータシステム３３０は、データを伝送媒体を介して他のシステムに送ることができる。たとえば、コンピュータシステム３３０によって決定されたオーバーレイ値を通信し、外部メモリに格納することができる。この点に関して、測定結果を別のシステムにエクスポートすることができる。

演算システム３３０は、限定するものではないが、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、画像コンピュータ、並列プロセッサ、または当技術分野で知られている任意の他のデバイスを含み得る。一般に、「演算システム」という用語は、メモリ媒体からの命令を実行する、１つ以上のプロセッサを有する任意のデバイスを包含するように広く定義され得る。

方法を実装するプログラム命令３３４、たとえば本明細書に記載のものなどを、ワイヤ、ケーブル、またはワイヤレス伝送リンクなどの伝送媒体を介して伝送することができる。たとえば、図３において例示されたように、メモリ３３２に格納されたプログラム命令３３４は、バス３３３を介してプロセッサ３３１に伝送される。プログラム命令３３４は、コンピュータ可読媒体（たとえばメモリ３３２）に格納される。例示のコンピュータ可読媒体は、読み取り専用メモリ、ランダムアクセスメモリ、磁気もしくは光学ディスク、または磁気テープを含む。

図２は、本発明の図３において例示される計測システム３００などの、計測システムによる実装のために好適な方法１２０を例示している。１つの態様では、方法１２０のデータ処理ブロックを、演算システム３３０または任意の他の汎用演算システムの１つ以上のプロセッサによって実行される、事前にプログラムされたアルゴリズムを介して実行できることが認識される。本明細書において、計測システム３００の特定の構造態様は限定を表しておらず、例示的なものとしてのみ解釈されるべきであることが認識される。

ブロック１２１において、計測システム３００に、第１の層中に配置された第１の格子構造および続く層中に配置された第２の格子構造を有する、第１のオーバーレイターゲットが設けられる。第２の格子構造は、第１の格子構造から、第１の方向に既知のオフセット距離だけオフセットされる。

ブロック１２２において、計測システム３００に、第１の層中に配置された第１の格子構造および続く層中に配置された第２の格子構造を有する、第２のオーバーレイターゲットが設けられる。第２の格子構造は、第１の方向と反対の第２の方向に既知のオフセット距離だけオフセットされる。

ブロック１２３において、演算システム３３０によって、第１の方位角における第１のオーバーレイターゲットの測定と関連付けられた第１の量の散乱測定データ、および第２の方位角からの第１のオーバーレイターゲットの測定と関連付けられた第２の量の散乱測定データが受信される。

ブロック１２４において、第１の量の散乱測定データと第２の量の散乱測定データとの間の差に基づいて、第１のオーバーレイターゲットに関する第１の差分測定信号が決定される。

ブロック１２５において、演算システム３３０によって、第１の方位角における第２のオーバーレイターゲットの測定と関連付けられた第３の量の散乱測定データ、および第２の方位角からの第２のオーバーレイターゲットの測定と関連付けられ第４の量の散乱測定データが受信される。

ブロック１２６において、第３の量の散乱測定データと第４の量の散乱測定データとの間の差に基づいて、第２のオーバーレイターゲットに関する第２の差分測定信号が決定される。

ブロック１２７において、第１および第２の差分測定信号に少なくとも部分的に基づいて、第１および第２のオーバーレイターゲットの第１の格子構造と第１および第２のオーバーレイターゲットの第２の格子構造との間のオーバーレイ誤差が決定される。

別のさらなる態様では、オーバーレイ測定のために、複数の異なる測定技法の組み合わせによって行われた測定から導出された測定データが収集される。複数の異なる測定技法と関連付けられた測定データの使用により、信号の組み合わされた組における情報内容量が増え、処理または他のパラメータの変動とのオーバーレイの相関が低減される。複数の異なる測定技法の任意の組み合わせにより行われた測定から、測定データを導出することができる。このようにして、オーバーレイ誤差の推定に利用可能な測定情報を向上させるために、複数の異なる測定技法（たとえば光学的ＳＥ、光学的ＳＲ、２Ｄ−ＢＰＲ、等）によって、様々な測定部位を測定することができる。

一般に、本特許文書の範囲内で、任意の測定技法、または２つ以上の測定技法の組み合わせが企図され得るが、これは、測定データがベクトル形態であるためである。本明細書に記載するような技法は、データのベクトルに基づいて動作するので、複数の異なる計測からのデータを、そのデータが２次元データであるか、１次元データであるか、または単一点のデータでさえあるかに関わらず、連結することが可能である。

本明細書に記載の技法による分析のためのデータを提供し得る例示の測定技法は、限定するものではないが、ミュラー行列偏光解析法を含む分光偏光解析法、分光反射率測定、分光散乱測定、散乱計測オーバーレイ、角度分解式および偏光分解式の両方のビームプロファイル反射率測定、ビームプロファイル偏光解析法、単一または複数の個別の波長偏光解析法、透過型ｘ線小角散乱計（ＴＳＡＸＳ）、ｘ線小角散乱（ＳＡＸＳ）、斜入射ｘ線小角散乱（ＧＩＳＡＸＳ）、ｘ線広角散乱（ＷＡＸＳ）、ｘ線反射率（ＸＲＲ）、ｘ線回折（ＸＲＤ）、斜入射ｘ線回折（ＧＩＸＲＤ）、高分解能ｘ線回折（ＨＲＸＲＤ）、ｘ線光電子分光法（ＸＰＳ）、蛍光ｘ線（ＸＲＦ）、斜入射蛍光ｘ線（ＧＩＸＲＦ）、ｘ線断層撮影法、ならびにｘ線偏光解析法を含む。一般に、画像ベースの計測技法を含め、半導体構造のオーバーレイの特徴付けに適用可能な任意の計測技法が、個々にまたは任意の組み合わせで企図され得る。

別のさらなる態様では、複数の計測によって測定された信号を、処理の変動に対する感度を低減し、オーバーレイに対する感度を向上させるように処理することができる。いくつかの例では、様々な計測により測定されるターゲットからの信号が、互いから差し引かれる。いくつかの他の例では、様々な計測により測定されるターゲットからの信号がモデルにフィッティングされ、残りの部分は、本明細書に記載するようなオーバーレイを推定するために用いられる。１つの例では、２つの異なる計測により測定される１つのターゲットからの信号が差し引かれて、各測定結果における処理ノイズの効果を、排除または大きく低減する。一般に、処理の変動に対する感度が低減され対象のパラメータに対する感度が向上した信号を決定するために、様々な計測により測定される信号同士の間に様々な数学的操作を適用することができる。

一般に、複数の測定技法により各々測定される複数のターゲットからの信号により、信号の組み合わされた組における情報内容量が増え、処理または他のパラメータの変動とのオーバーレイの相関が低減される。

別のさらなる態様では、本明細書に記載するようなオーバーレイ測定を行うために採用される計測システム（たとえば計測システム３００）は、赤外線光学測定システムを含む。これらの実施形態では、計測システム３００は、赤外光源（たとえばアークランプ、無電極ランプ、レーザ維持プラズマ（ＬＳＰ）源、または超広帯域源）を備える。光スペクトルの赤外領域において達成可能な出力および明るさがより高いので、従来のランプ源よりも赤外超広帯域レーザ源が好ましい。いくつかの例では、超広帯域レーザにより提供される出力により、不透過性のフィルム層を有するオーバーレイ構造の測定が可能となる。

オーバーレイ測定における潜在的な問題は、底部格子までの光の透過が不十分なことである。多くの例において、頂部格子と底部格子との間に、透明でない（すなわち不透過性の）フィルム層が存在する。そのような不透過性のフィルム層の例は、非晶質炭素、ケイ化タングステン（Ｗｓｉｘ）、タングステン、窒化チタン、非晶質シリコン、ならびに他の金属および非金属の層を含む。多くの場合、可視範囲内およびそれ以下の波長（たとえば２５０ｎｍから７００ｎｍの間）に限定された照射光は、底部格子まで透過しない。しかしながら、赤外スペクトル内およびそれ以上（たとえば７００ｎｍ超）の照射光は多くの場合、不透過性の層をより効果的に透過する。

紫外および可視領域において「不透過性である」ことの運用上の定義は、ＳＣＯＬに関して２５０〜７００ｎｍの波長範囲において予測される精度が、必要とされる精度よりもはるかに劣る、というものである。これは、第１のパターンと第２のパターンとの間の相対位置情報を保有する伝播する回折次数の減衰に起因する。７００ナノメートルよりも大きい（たとえば８００〜１６５０ｎｍ）照射波長を有するＳＣＯＬ信号を測定することにより、吸収が著しく低いときはＳＣＯＬの精度が改善される。７００ナノメートルよりも大きい波長を有する照射光が採用される実施形態では、測定ターゲットの設計ピッチは、使用可能なＳＣＯＬ信号が存在するように選択される。

測定された画像ベースの訓練データ（たとえば実験計画（ＤＯＥ）ウエハから収集された画像）のみに基づく画像ベースの測定モデルを作り出すための方法およびシステムも、本明細書において提示される。訓練された画像ベースの測定モデルはこの場合、他のウエハから収集された測定された画像データから直接、１つ以上の対象のパラメータの値を計算するために用いられる。通常は、計測用途および検査用途に関して異なる測定システムが用いられるが、本明細書に記載の方法およびシステムは、計測用途および検査用途の両方に適用可能である。

１つの態様では、本明細書に記載の訓練された画像ベースの測定モデルは、画像データを入力として直接受信し、１つ以上の対象のパラメータの値を、出力として提供する。測定工程を効率化することによって、予測結果が改善されるとともに、演算時間およびユーザー時間が低減される。

別の態様では、デバイス上の構造の画像から、対象のパラメータの値を決定することができる。いくつかの実施形態では、デバイス上の構造の画像を用いて、本明細書に記載するような画像ベースの測定モデルが訓練される。訓練された画像ベースの測定モデルは次いで、他のウエハから収集された同じデバイス上の構造の画像から直接、１つ以上の対象のパラメータの値を計算するために用いられる。これらの実施形態では、特化されたターゲットの使用が回避される。いくつかの他の実施形態では、計測ターゲットが用いられ、これらのターゲットサイズは、１０ミクロン×１０ミクロン未満とすることができる。計測ターゲットが用いられる場合、単一の画像から複数のターゲットを測定することができ、計測ターゲットは、１つの構造または少なくとも２つの異なる構造を含み得る。

いくつかの例では、画像ベースの測定モデルを、１時間未満で作り出すことができる。加えて、単純化されたモデルを採用することにより、既存の画像ベースの計測方法と比較して、測定時間が低減される。さらなるモデル化の詳細が、米国特許公報第２０１４／０２９７２１１号および米国特許公報第２０１４／０３１６７３０号に記載されており、各々の主題の全体を本願に引用して援用する。

本明細書に記載するように、未加工の画像データのみを用いて画像ベースの測定モデルを作り出すことにより、従来の画像ベースの計測方法と関連付けられる誤差および近似が低減される。加えて、画像ベースの測定モデルは、特定の計測システムから収集された画像データに基づいて訓練され、同じ計測システムから収集された画像に基づいて測定を行うために用いられるので、システム的な誤差、非対称性等に対する感度が高くない。

一般に、本明細書に記載の方法およびシステムは、各画像を全体として分析する。画像中の個々の特徴を認識する代わりに、各画素が、構造パラメータ、処理パラメータ、分散パラメータ、等についての（またはこれらに対する感度の高い）情報を含む、個々の信号として考慮される。

図１５は、本発明の図３１において例示される測定システム５００などの、測定システムによる実装のために好適な方法４００を例示している。１つの態様では、方法４００のデータ処理ブロックを、演算システム５３０または任意の他の汎用演算システムの１つ以上のプロセッサによって実行される、事前にプログラムされたアルゴリズムを介して実行できることが認識される。本明細書において、測定システム５００の特定の構造態様は限定を表しておらず、例示的なものとしてのみ解釈されるべきであることが認識される。

ブロック４０１において、演算システム５３０によって第１の量の画像データが受信される。第１の量の画像データは、半導体ウエハなどの試料の表面上に構築された、いくつかの測定部位の画像を含む。試料の少なくとも１つの対象のパラメータの値が既知である。いくつかの例では、対象のパラメータは、基準計測システム（たとえばＣＤ−ＳＥＭ、ＴＥＭ、ＡＦＭ、または他の信頼できる計測システム）による測定に基づいて既知である。画像データがシミュレーションされる例では、対象のパラメータは、既知のシミュレーションパラメータである。いくつかの例では、厳密結合波解析（ＲＣＷＡ）などの電磁シミュレーションエンジンを用いて、画像データをシミュレーションすることができる。いくつかの他の例では、ＲＣＷＡ、および（米国）カリフォルニア州ＭｉｌｐｉｔａｓのＫＬＡ−Ｔｅｎｃｏｒ Ｃｏｒｐｏｒａｔｉｏｎから入手可能なＰＲＯＬＩＴＨ（登録商標）などの処理シミュレータを用いて、画像データをシミュレーションすることができる。

対象のパラメータは、１つ以上の処理パラメータ、構造パラメータ、分散パラメータ、またはレイアウトパラメータを含む。測定部位の各々は、測定部位の各々の中の同じ公称の場所において、同じ公称の構造を含む。１つの例では、測定部位は、半導体ウエハの、ウエハ表面にわたって繰り返し構築されるフィールド区域を包含する。いくつかの例では、測定部位は、ウエハ表面にわたって繰り返し構築されるダイ区域を包含する。実際には、モデルの訓練の目的で、各測定部位は公称上は同じ構造を含むが、各測定部位は、様々なパラメータ（たとえばＣＤ、側壁角度、高さ、オーバーレイ、等）の変動を含む。

いくつかの例では、第１の量の画像データは、各測定部位の単一の画像を含む。各測定部位の各画像は、各画素と関連付けられた単一の測定信号値を含む。１つの例では、単一の測定値は、測定システム設定（たとえば波長、偏光、入射角、方位角、等）の特定の組において、画像化反射率計によって測定された各画素の場所における反射率である。

いくつかの他の例では、第１の量の画像データは、同じ測定部位の複数の画像を含む。各測定部位の画像の各々は、各画素と関連付けられた単一の測定信号値を含む。したがって、複数の測定信号値が、各画素に関して測定される。一般に、各測定部位の画像の各々が、異なる設定（たとえば波長、偏光、入射角、方位角、等）において同じ測定システムによって、異なる測定技法によって、またはこれらの組み合わせよってのいずれかで、測定される。このようにして、各測定部位の各画素に関して、測定データの多様な組を構成することができる。一般に、光学式画像化システム、顕微鏡、走査型電子顕微鏡、トンネル電子顕微鏡、または他の画像形成システムなどの、任意の画像化ベースのシステムから、画像データを収集することができる。

モデルの訓練の目的で、対象とされるパラメータの変動が、半導体ウエハ（たとえば実験計画（ＤＯＥ）ウエハ）の表面上のＤＯＥパターンとして編成される。このようにして、測定部位は、対象のパラメータの様々な値に対応するウエハ表面上の様々な場所から情報を得る。１つの例では、ＤＯＥパターンは、フォーカス露光マトリクス（ＦＥＭ）パターンである。通常は、ＦＥＭパターンを呈するＤＯＥウエハは、測定部位のグリッドパターンを含む。１つのグリッド方向（たとえばｘ方向）では、フォーカスは変動し、一方、露光は一定に保持される。直交するグリッド方向（たとえばｙ方向）では、露光は変動し、一方、フォーカスは一定に保持される。このようにして、ＤＯＥウエハから収集された画像データは、フォーカスおよび露光の既知の変動と関連付けられたデータを含む。図１７は、対象のパラメータ（たとえばフォーカスおよび露光）の既知の変動を示す構造を含む測定部位（たとえば測定部位４２１）のグリッドを有する、ＤＯＥウエハ４２０を描写している。フォーカスは、ｘ方向におけるＤＯＥウエハ４２０上の場所の関数として変動する。露光は、ｙ方向におけるＤＯＥウエハ４２０上の場所の関数として変動する。

いくつかの実施形態では、画像はデバイス区域を含む。測定部位の特定の画像の各画素は、特定の照射および収集条件下で収集された光の強度、波長、偏光、等を表す。図１８は、ウエハ４２０の様々な測定部位の画像４２２〜４２４を描写している。各画像は、測定部位中のデバイス構造の俯瞰図を表す。測定部位は、そのＸおよびＹ座標によって識別される。

いくつかの他の実施形態では、画像は、対象のパラメータの画像ベースの測定を容易にするように設計された、特定のターゲットを含む。デバイス表現の改善、対象のパラメータ（フォーカス、線量、ＣＤ）に対する感度の最大化、および処理の変動との相関の低減のために、特別に設計されたターゲットを採用することができる。

図２５は、９つのセルターゲット４４３の上面図を描写している。９つのセルの各々のプロファイル４４４が、図２５Ｂにおいて描写されている。構造は、１から９までの数字を付された場所の各々において、異なるピッチ／幅の組み合わせを有する。１つの例では、測定された画像は、３つの特定の波長（６３７ｎｍ、５２３ｎｍ、および４６７ｎｍ）を用いて測定された強度（たとえば反射率）値を含む。

前述の例では、画像データは、フォーカスおよび露光（すなわち線量）の既知の変動を用いて処理されたＤＯＥウエハと関連付けられる。ただし一般に、処理パラメータ、構造パラメータ、分散、等の任意の既知の変動と関連付けられた画像データが企図され得る。ＤＯＥウエハの画像は、各種の対象のパラメータを示すものとされ、また、光学系の誤差（たとえばカメラオフセット）などの各種の他のノイズ源も示すものとされる。

任意選択のブロック４０２において、第１の複数の画像の各々は、各測定部位の共通の基準場所と位置合わせされる。このようにして、各画像からの任意の特定の画素は、画像化された各測定部位上の同じ場所に対応する。１つの例では、収集された画像は、これらがその組の第１の画像に整合するように位置合わせされる。図１９は、画像４２２と関連付けられた画素のグリッド４２５を例示している。いくつかの例では、測定システムは高い精度で動作し、追加の画像位置合わせは必要ない。この意味で、ブロック４０２は任意選択である。

任意選択のブロック４０３において、ブロック１０１において受信された画像の各々は、１つ以上の画像フィルタによってフィルタリングされる。ノイズ低減、コントラスト向上、等のために、画像フィルタを採用することができる。１つの例では、エッジを検出しこれらのエッジおよび近接する領域を除去またはマスクすることによってエッジ効果を低減するために、画像フィルタを採用することができる。このようにして、比較的均質なデバイス領域から、続く画像サンプルが取られる。採用される画像フィルタを、ユーザーがまたは自動手続きによって選択することができる。様々な画像フィルタの数および選択された各フィルタと関連付けられたパラメータは、過度の演算負荷を伴わずに最終的な測定結果を改善するように選ばれる。画像ベースのフィルタの使用は一般に有利であり得るが、必須ではない。この意味で、ブロック４０３は任意選択である。

任意選択のブロック４０４において、モデルの訓練および測定のために、第１の複数の画像の各々と関連付けられた画素の下位の組が選択される。モデルの訓練および測定のために、第１の複数の画像の各々の同じ選択された画素と関連付けられた測定信号値が用いられる。

図２０は、モデルの訓練および測定のために選択された２つの異なる画素の場所を描写している。描写される例では、画素４３０、４３２、および４３４は、画像４２２、４２３、および４２４上の同じ場所に、それぞれ対応する。同様に、画素４３１、４３３、および４３５は、画像４２２、４２３、および４２４上の同じ場所に、それぞれ対応する。モデルの訓練および測定のために、これらの画素の各々と関連付けられた測定信号が用いられる。図２１は、図２０において例示された画素の場所においてサンプリングされた、測定された強度（たとえば反射率）値のベクトル４３６を描写している。モデルの訓練および測定のために、このサンプリングされた画像データが用いられる。図２１において描写される例では、^１Ｉ_{（Ｉ１，Ｊ１）}は画像４２２の画素４３０と関連付けられた強度値であり、^２Ｉ_{（Ｉ１，Ｊ１）}は画像４２３の画素４３２と関連付けられた強度値であり、^ＮＩ_{（Ｉ１，Ｊ１）}は画像４２４の画素４３４と関連付けられた強度値である。同様に、^１Ｉ_{（Ｉ２，Ｊ２）}は画像４２２の画素４３１と関連付けられた強度値であり、^２Ｉ_{（Ｉ２，Ｊ２）}は画像４２３の画素４３２と関連付けられた強度値であり、^ＮＩ_{（Ｉ２，Ｊ２）}は画像４２４の画素４３５と関連付けられた強度値である。このようにして、ベクトル４３６は、画像化された各測定部位の同じ場所における画素からの強度測定信号を含む。

いくつかの例では、画素の場所は無作為に選択される。いくつかの他の例では、画素の場所は、これらの測定感度に基づいて選択される。１つの例では、画像の集団から、各画素の場所と関連付けられた測定信号値の分散が計算される。各画素の場所と関連付けられた分散は、対応する各画素の場所における測定感度を特徴付ける測定基準である。比較的高い分散を有する画素の場所は、より高い測定感度を提供し、さらなる分析のために選択される。比較的低い分散を有する画素の場所は、より低い測定感度を提供し、破棄される。いくつかの例では、分散に関する所定の閾値が選択され、この所定の閾値を上回る分散を有する画素の場所が、モデルの訓練および測定のために選択される。このようにして、最も感度の高い場所のみがサンプリングされる。いくつかの例では、モデルの訓練および測定のために、第１の複数の画像の各々と関連付けられた画素の全てが選択される。この意味で、ブロック４０４は任意選択である。

ブロック４０５において、選択された画像データに基づいて特徴抽出モデルが決定される。特徴抽出モデルは、画像データの次元を削減する。特徴抽出モデルは、元の信号を、新しい低減された信号の組にマッピングする。この変換は、選択された画像中の対象のパラメータの変動に基づいて決定される。各画像の各画素は、異なる画像に対して処理範囲内で変化する、元の信号として扱われる。特徴抽出モデルを、画像画素の全て、または画像画素の下位の組に適用することができる。いくつかの例では、特徴抽出モデルによる分析を受ける画素は、無作為に選ばれる。いくつかの他の例では、特徴抽出モデルによる分析を受ける画素は、対象のパラメータの変化に対するこれらの比較的高い感度を理由として選ばれる。たとえば、対象のパラメータの変化に対する感度の高くない画素は無視され得る。

非限定的な例として、特徴抽出モデルは、主成分分析（ＰＣＡ）モデル、カーネルＰＣＡモデル、非線形ＰＣＡモデル、独立成分分析（ＩＣＡ）モデルまたは辞書を用いる他の次元削減方法、離散コサイン変換（ＤＣＴ）モデル、高速フーリエ変換（ＦＦＴ）モデル、ウェーブレットモデル、等であってよい。

図２２は、ウエハ４２０の画像の単一の主成分の値の輪郭プロット４４０を例示している。例示されるように、この主成分は、画像データの組にわたる系統立った挙動（すなわちフォーカスの変化）の存在を示す。この例では、フォーカスに対する感度の高い画像ベースの測定モデルを訓練するために、この主成分を利用することが好ましい。一般に、主にノイズを反映する主成分が、モデルの構築および続く画像ベースの測定分析の目的で切り詰められる。

典型的な実験計画においては、ウエハ上の場所は、特定の幾何学形状および処理パラメータ値（たとえばフォーカス、線量、オーバーレイ、ＣＤ、ＳＷＡ、Ｈｔ、等）を有するようにプログラムされる。したがって、主成分表現により、１つ以上の信号表現をウエハ全体にわたる処理パラメータの関数としてマッピングすることが可能となる。パターンの性質は、これが含んでいたのが隔離された特徴かまたは密集した特徴かに関わらず、デバイスの本質的な特性を捉える。

ブロック４０６において、画像ベースの測定モデルは、複数の画像から抽出された特徴および少なくとも１つの対象のパラメータの既知の値に基づいて訓練される。画像ベースの測定モデルは、１つ以上の測定部位において計測システムによって生成された画像データを受信するように構造化され、各測定ターゲットと関連付けられた対象のパラメータを直接決定する。いくつかの実施形態では、画像ベースの測定モデルは、ニューラルネットワークモデルとして実装される。１つの例では、ニューラルネットワークのノードの数は、画像データから抽出された特徴に基づいて選択される。他の例では、画像ベースの測定モデルを、線形モデル、多項式モデル、応答曲面モデル、サポートベクトルマシンモデル、または他の種類のモデルとして実装することができる。いくつかの実施形態では、画像ベースの測定モデルは、モデルの組み合わせとして実装され得る。選択されたモデルは、特徴抽出モデルおよび対象のパラメータの既知の変動から決定された、低減された信号の組に基づいて訓練される。モデルは、その出力が、ＤＯＥ画像によって規定されるパラメータ変動空間中の全ての画像に関して、対象のパラメータの規定された変動に適合するように訓練される。

別の態様では、訓練されたモデルは、他のウエハの測定のための測定モデルとして採用される。図１６は、本発明の図３１において例示される計測システム５００などの、計測システムによる実装のために好適な方法４１０を例示している。１つの態様では、方法４１０のデータ処理ブロックを、演算システム５３０または任意の他の汎用演算システムの１つ以上のプロセッサによって実行される、事前にプログラムされたアルゴリズムを介して実行できることが認識される。本明細書において、計測システム５００の特定の構造態様は限定を表しておらず、例示的なものとしてのみ解釈されるべきであることが認識される。

ブロック４１１において、演算システム（たとえば演算システム５３０）によって、半導体ウエハの表面上の複数の部位の画像と関連付けられた、ある量の画像データが受信される。画像データは、方法４００を参照して記載されるような同じ計測技法または測定技法の組み合わせによって行われる測定から導出される。測定信号値は、受信された画像の各々の各画素と関連付けられる。画像データは、方法４００を参照して記載されるような、ただし１つ以上の対象のパラメータの未知の値を有する、同じ種類の構造の画像を含む。

画像データは、方法４００のブロック４０２、４０３、および４０４を参照して記載される同じ位置合わせ、フィルタリング、およびサンプリングのステップの対象とされる。これらのステップのいずれかまたは全ての使用は一般に有利であり得るが、必須ではない。この意味で、これらのステップは任意選択である。

ブロック４１２において、ある量の画像データの少なくとも一部から、画像特徴が抽出される。モデルの訓練のために用いられる同じ特徴抽出モデル（たとえば方法４００のステップ４０５を参照して記載される特徴抽出モデル）を適用することによって、画像データから特徴を抽出するのが好ましい。このようにして、訓練データの次元を削減するために用いられる同じ特徴抽出モデルによって、取得された画像データの次元削減が行われる。

ブロック４１３において、複数の測定部位の各々と関連付けられた少なくとも１つの対象のパラメータの値が、訓練された画像ベースの測定モデル（たとえば、方法４００を参照して記載される訓練された画像ベースの測定モデル）への、抽出された画像特徴のフィッティングに基づいて決定される。このようにして、対象のパラメータは、訓練された画像ベースの測定モデルおよび低減された画像信号の組に基づいて決定される。

ブロック４１４において、対象のパラメータの決定された値がメモリに格納される。たとえば、パラメータ値を、測定システム５００にオンボードで、たとえばメモリ５３２に格納することができるか、または、（たとえば出力信号５４０を介して）外部メモリデバイスに通信することができる。

いくつかの例では、訓練された画像ベースの測定モデルの測定性能は、このモデルを用いて、訓練データの組の一部として関与していないが対象のパラメータの既知の値を有する画像の組を測定することによって、決定される。期待されるオーバーレイと測定されるオーバーレイとの間の差は、モデル性能を示す。

図２３は、実際のフォーカス誤差（すなわち既知のフォーカス誤差値）をｙ軸上に、および対応する予測されるフォーカス誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４４１を描写している。プロット４４１において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。図２３において描写されるように、シミュレーションされた測定結果は、対応する既知の値を用いて緊密にグループ化される。

図２４は、図２３において描写された各測定点と関連付けられた残留フォーカス誤差値を示すプロット４４２を描写する図である。残留フォーカス誤差値は、実際のフォーカス誤差値と予測されるフォーカス誤差値との間の差である。

本明細書において既に記載したように、本明細書に記載の測定方法およびシステムは、特化されたターゲットに制限されない。一般に、本明細書に記載の方法およびシステムによれば、利用可能な画像化システムにより画像化されるときに対象のパラメータに対する感度を示す、任意のターゲットを採用することができる。

しかしながら、いくつかの例では、画像ベースの測定の性能を向上させるために、利用可能な画像化システムにより画像化されるときに対象のパラメータに対する高い感度を示す、特化された測定ターゲットを採用することが有利である。たとえば、本明細書に記載するようなオーバーレイ誤差の測定に信号応答計測が適用されるとき、ｘおよびｙ方向におけるオーバーレイ誤差の変化に起因して変化する画素の数を、最大化することが望ましい。

図２５Ａ〜図２５Ｂは、対象のパラメータの画像ベースの測定のために有利であり得る９つのセル計測ターゲットを示している。

図２６は、図２５Ａ〜図２５Ｂにおいて描写された９つのセル計測ターゲットの１つのインスタンスを各々含むいくつかの測定部位の、シミュレーションされた画像４４５を描写している。９つの各セルターゲットは、画像４４５中のその場所に応じて、異なるフォーカスおよび線量条件下に置かれる。したがって、シミュレーションされた画像４４５内の９つの各セル画像は、フォーカスおよび線量の特定の組み合わせの下での９つのセルターゲットの画像に対応する。図２６において例示されるように、各特定のデバイス構造に対応する強度は、フォーカスおよび線量の関数として、様々に展開する。

方法４００のステップに従って、これらの画像が、線形の画像ベースの測定モデルを訓練するために処理された。シミュレーションされた測定部位は小さいので、強度ベクトルを構築するために、全ての画素がサンプリングされた。この結果、１３の線量値および１１のフォーカス値の範囲に関して収集された、測定信号の９要素（３×３）のベクトルが得られた。

シミュレーションされた画像４４５は、６３７ナノメートルの波長を用いて測定される。ただし、加えて、５２３ナノメートルおよび４６７ナノメートルの照射光を用いて、測定部位の同じ集団が計測された。

図２７Ａは、実際のフォーカス誤差（すなわち既知のフォーカス誤差値）をｙ軸上に、および対応する予測されるフォーカス誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４４６を描写している。プロット４４６において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。この例では、モデルの訓練および測定のために、６３７ナノメートルでの測定と関連付けられた測定データが用いられた。

図２７Ｂは、実際のフォーカス誤差（すなわち既知のフォーカス誤差値）をｙ軸上に、および対応する予測されるフォーカス誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４４７を描写している。プロット４４７において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。この例では、モデルの訓練および測定のために、５２３ナノメートルでの測定と関連付けられた測定データが用いられた。

図２７Ｃは、実際のフォーカス誤差（すなわち既知のフォーカス誤差値）をｙ軸上に、および対応する予測されるフォーカス誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４４８を描写している。プロット４４８において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。この例では、モデルの訓練および測定のために、４６７ナノメートルでの測定と関連付けられた測定データが用いられた。

図２８Ａは、実際の線量誤差（すなわち既知の線量誤差値）をｙ軸上に、および対応する予測される線量誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４４９を描写している。プロット４４９において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。この例では、モデルの訓練および測定のために、６３７ナノメートルでの測定と関連付けられた測定データが用いられた。

図２８Ｂは、実際の線量誤差（すなわち既知の線量誤差値）をｙ軸上に、および対応する予測される線量誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４５０を描写している。プロット４５０において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。この例では、モデルの訓練および測定のために、５２３ナノメートルでの測定と関連付けられた測定データが用いられた。

図２８Ｃは、実際の線量誤差（すなわち既知の線量誤差値）をｙ軸上に、および対応する予測される線量誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４５１を描写している。プロット４５１において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。この例では、モデルの訓練および測定のために、４６７ナノメートルでの測定と関連付けられた測定データが用いられた。

分析のために選択された各波長に関して、実際の値と予測値との間の一致のＲ二乗値は、統計学的に許容できる限度である０．７５を上回る。これらの実験に関して各画像が９つの測定値しか含んでいなかったこと、したがってこれらの結果が生成されている統計学的な能力が、理想的な場合に通常達成されるものよりも低いことが、認識されるべきである。

別の例では、モデルの訓練および測定のために、複数の波長における測定結果が組み合わされる。図２９は、実際のフォーカス誤差（すなわち既知のフォーカス誤差値）をｙ軸上に、および対応する予測されるフォーカス誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４５２を描写している。プロット４５２において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。この例では、モデルの訓練および測定のために、４６７、５２３、および４６７ナノメートルでの測定と関連付けられた測定データが用いられた。図３０は、実際の線量誤差（すなわち既知の線量誤差値）をｙ軸上に、および対応する予測される線量誤差（すなわち訓練された画像ベースの測定モデルによって測定されるような）をｘ軸上に示す、シミュレーション結果のプロット４５３を描写している。プロット４５３において描写された結果は、訓練の組に関与した画像および訓練の組に関与しなかった画像の測定を含む。この例では、モデルの訓練および測定のために、４６７、５２３、および４６７ナノメートルでの測定と関連付けられた測定データが用いられた。

図２７Ａ〜図２７Ｃおよび図２８Ａ〜図２８Ｃにおいて描写された結果を、図２９および図３０の結果と比較すると、複数の波長を組み合わせることが結果的に、対象のパラメータの実際の値により近い予測値をもたらすことは、明らかである。

別のさらなる態様では、画像ベースの測定モデルを訓練するための方法およびシステムは、訓練された画像ベースの測定モデルに到達するために必要とされる要素のいずれかまたは全てを自動化するための最適化アルゴリズムを含む。

いくつかの例では、最適化アルゴリズムは、以下のパラメータのいずれかまたは全てを最適化することによって、（費用関数によって規定される）測定の性能を最大化するように構成される：画像フィルタのリスト、フィルタのパラメータ、画素サンプリング、特徴抽出モデルの種類、選択された特徴抽出モデルのパラメータ、測定モデルの種類、選択された測定モデルのパラメータ。最適化アルゴリズムは、ユーザー定義のヒューリスティックスを含むことができ、入れ子式の最適化（ｎｅｓｔｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ）の組み合わせ（たとえば組み合わせによる連続的な最適化）とすることができる。

さらなる態様では、モデルの構築、訓練、および測定のために、様々なターゲットからの画像データが収集される。異なる構造を有するが同じ処理条件によって形成された複数のターゲットと関連付けられた画像データの使用により、モデル中に埋め込まれる情報が増え、処理または他のパラメータの変動との相関が低減される。特に、１つ以上の測定部位における複数の異なるターゲットの画像を含む訓練データの使用により、対象のパラメータの値のより正確な推定が可能となる。

別のさらなる態様では、複数のターゲットからの信号を、処理の変動に対する感度を低減し対象のパラメータに対する感度を向上させるように、処理することができる。いくつかの例では、様々なターゲットの画像または画像の一部からの信号が、互いから差し引かれる。いくつかの他の例では、様々なターゲットの画像または画像の一部からの信号が、モデルにフィッティングされ、残りの部分は、本明細書に記載するような画像ベースの測定モデルを構築、訓練、および使用するために用いられる。１つの例では、２つの異なるターゲットからの画像信号が差し引かれて、各測定結果における処理ノイズの効果を、排除または大きく低減する。一般に、処理の変動に対する感度が低減され対象のパラメータに対する感度が向上した画像信号を決定するために、様々なターゲット画像またはターゲット画像の一部からの信号同士の間に、様々な数学的操作を適用することができる。

別のさらなる態様では、モデルの構築、訓練、および測定のために、複数の異なる測定技法の組み合わせによって行われた測定から導出された測定データが収集される。複数の異なる測定技法と関連付けられた測定データの使用により、信号の組み合わされた組における情報内容量が増え、処理または他のパラメータの変動との相関が低減される。対象のパラメータの推定に利用可能な測定情報を向上させるために、複数の異なる測定技法（たとえばＣＤ−ＳＥＭ、２−Ｄ ＢＰＲなどの画像化技法、散乱測定、等）によって、様々な測定部位を測定することができる。

一般に、本特許文書の範囲内で、任意の画像ベースの測定技法、または２つ以上の測定技法の組み合わせが企図され得るが、これは、訓練および測定のために特徴抽出モデルおよび画像ベースの測定モデルによって処理されるデータが、ベクトル形態であるためである。本明細書に記載するような信号応答計測技法は、データのベクトルに基づいて動作するので、画像データの各画素は、独立して扱われる。加えて、複数の異なる計測からのデータを、そのデータが２次元画像データであるか、１次元画像データであるか、または単一点のデータでさえあるかに関わらず、連結することが可能である。

本明細書に記載の信号応答計測技法による分析のためのデータを提供し得る例示の測定技法は、限定するものではないが、ミュラー行列偏光解析法を含む分光偏光解析法、分光反射率測定、分光散乱測定、散乱計測オーバーレイ、角度分解式および偏光分解式の両方のビームプロファイル反射率測定、ビームプロファイル偏光解析法、単一または複数の個別の波長偏光解析法、透過型ｘ線小角散乱計（ＴＳＡＸＳ）、ｘ線小角散乱（ＳＡＸＳ）、斜入射ｘ線小角散乱（ＧＩＳＡＸＳ）、ｘ線広角散乱（ＷＡＸＳ）、ｘ線反射率（ＸＲＲ）、ｘ線回折（ＸＲＤ）、斜入射ｘ線回折（ＧＩＸＲＤ）、高分解能ｘ線回折（ＨＲＸＲＤ）、ｘ線光電子分光法（ＸＰＳ）、蛍光ｘ線（ＸＲＦ）、斜入射蛍光ｘ線（ＧＩＸＲＦ）、ｘ線断層撮影法、ならびにｘ線偏光解析法を含む。一般に、半導体構造の特徴付けに適用可能な任意の画像ベースの計測技法が、個々にまたは任意の組み合わせで企図され得る。

別のさらなる態様では、複数の計測によって測定された信号を、処理の変動に対する感度を低減し対象のパラメータに対する感度を向上させるように、処理することができる。いくつかの例では、様々な計測により測定されるターゲットの画像または画像の一部からの信号が、互いから差し引かれる。いくつかの他の例では、様々な計測により測定されるターゲットの画像または画像の一部からの信号が、モデルにフィッティングされ、残りの部分は、本明細書に記載するような画像ベースの測定モデルを構築、訓練、および使用するために用いられる。１つの例では、２つの異なる計測により測定される１つのターゲットからの画像信号が差し引かれて、各測定結果における処理ノイズの効果を、排除または大きく低減する。一般に、処理の変動に対する感度が低減され対象のパラメータに対する感度が向上した画像信号を決定するために、様々な計測によって測定されたターゲット画像またはターゲット画像の一部の信号同士の間に、様々な数学的操作を適用することができる。

一般に、複数の測定技法により各々測定される複数のターゲットからの画像信号により、信号の組み合わされた組における情報内容量が増え、処理または他のパラメータの変動とのオーバーレイの相関が低減される。

図３１は、本明細書に提示する方法４００および４１０による、試料の特性を測定するためのシステム５００を例示している。図３１に示すように、システム５００を用いて、試料５０１の１つ以上の構造の分光偏光解析測定を行うことができる。この態様では、システム５００は、照射器５０２および分光器５０４を装備した分光偏光解析器を含み得る。システム５００の照射器５０２は、選択された波長範囲（たとえば１５０〜８５０ｎｍ）の照射を生成し、試料５０１の表面上に配設された構造に向けるように構成される。そして、分光器５０４は、試料５０１の表面から反射された照射を受けるように構成される。照射器５０２から発される光が偏光状態発生器５０７を用いて偏光されて、偏光された照射ビーム５０６が生み出されることが、さらに留意される。試料５０１上に配設された構造によって反射された放射線は、偏光状態分析器５０９を通過して分光器５０４に至る。収集ビーム５０８中の、分光器５０４によって受けられた放射線は、偏光状態に関して分析され、分光器による、分析器を通された放射線のスペクトル分析が可能となる。これらのスペクトル５１１は、構造の分析のために演算システム５３０に渡される。

図３１において描写されるように、システム５００は、単一の測定技術（たとえばＳＥ）を含む。ただし一般に、システム５００は、任意の数の異なる測定技術を含み得る。非限定的な例として、システム５００を、分光偏光解析器（ミュラー行列偏光解析法を含む）、分光反射率計、分光散乱計、オーバーレイ散乱計、角度分解型ビームプロファイル反射率計、偏光分解型ビームプロファイル反射率計、ビームプロファイル反射率計、ビームプロファイル偏光解析器、任意の単一もしくは複数波長偏光解析器、またはこれらの任意の組み合わせとして構成することができる。さらに一般には、様々な測定技術により収集され本明細書に記載の方法により分析される測定データを、複数の技術を組み込んだ１つのツールではなく、複数のツールから収集することができる。

さらなる実施形態では、システム５００は、本明細書に記載の方法により開発された画像ベースの測定モデルに基づく測定を行うために採用される、１つ以上の演算システム５３０を含み得る。この１つ以上の演算システム５３０を、分光器５０４に通信可能に結合することができる。１つの態様では、１つ以上の演算システム５３０は、試料５０１の構造の測定と関連付けられた測定データ５１１を受信するように構成される。

本開示の全体を通して記載される様々なステップが、単一のコンピュータシステム５３０、あるいは代替として複数のコンピュータシステム５３０によって実行され得ることが、認識されるべきである。さらに、分光偏光解析器５０４などのシステム５００の様々なサブシステムは、本明細書に記載のステップの少なくとも一部を実行するのに好適なコンピュータシステムを含み得る。したがって、前述の説明は、本発明に対する限定としてではなく単なる例示として解釈されるべきである。さらに、１つ以上の演算システム５３０を、本明細書に記載の方法の実施形態のうちのいずれかの、任意の他のステップを行うように構成することができる。

加えて、コンピュータシステム５３０を、当技術分野で知られている任意の手法で、分光器５０４に通信可能に結合することができる。たとえば、１つ以上の演算システム５３０を、分光器５０４と関連付けられた演算システムに結合することができる。別の例では、分光器５０４を、コンピュータシステム５３０に結合された単一のコンピュータシステムによって直接制御することができる。

計測システム５００のコンピュータシステム５３０を、ワイヤ線部分および／またはワイヤレス部分を含み得る伝送媒体によって、システムのサブシステム（たとえば分光器５０４など）からデータまたは情報を受信および／または取得するように構成することができる。このようにして、伝送媒体は、コンピュータシステム５３０とシステム５００の他のサブシステムとの間のデータリンクとしての役割を果たし得る。

計測システム５００のコンピュータシステム５３０を、ワイヤ線部分および／またはワイヤレス部分を含み得る伝送媒体によって、他のシステムからデータまたは情報（たとえば測定結果、モデル化入力、モデル化結果、等）を受信および／または取得するように構成することができる。このようにして、伝送媒体は、コンピュータシステム５３０と他のシステム（たとえばメモリオンボード計測システム５００、外部メモリ、または他の外部システム）との間のデータリンクとしての役割を果たし得る。たとえば、演算システム５３０を、データリンクを介して記憶媒体（すなわちメモリ５３２または外部メモリ）から測定データを受信するように構成することができる。たとえば、分光器５０４を用いて得られるスペクトル結果を、永続的または半永続的なメモリデバイス（たとえばメモリ５３２または外部メモリ）に格納することができる。この点に関して、スペクトル結果を、オンボードメモリからまた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。さらに、コンピュータシステム５３０は、データを伝送媒体を介して他のシステムに送ることができる。たとえば、コンピュータシステム５３０によって決定された訓練された測定モデルまたは試料パラメータ５４０を通信し、外部メモリに格納することができる。この点に関して、測定結果を別のシステムにエクスポートすることができる。

演算システム５３０は、限定するものではないが、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、画像コンピュータ、並列プロセッサ、または当技術分野で知られている任意の他のデバイスを含み得る。一般に、「演算システム」という用語は、メモリ媒体からの命令を実行する、１つ以上のプロセッサを有する任意のデバイスを包含するように広く定義され得る。

方法を実装するプログラム命令５３４、たとえば本明細書に記載のものなどを、ワイヤ、ケーブル、またはワイヤレス伝送リンクなどの伝送媒体を介して伝送することができる。たとえば、図３１において例示されたように、メモリ５３２に格納されたプログラム命令５３４は、バス５３３を介してプロセッサ５３１に伝送される。プログラム命令５３４は、コンピュータ可読媒体（たとえばメモリ５３２）に格納される。例示のコンピュータ可読媒体は、読み取り専用メモリ、ランダムアクセスメモリ、磁気もしくは光学ディスク、または磁気テープを含む。

さらに別の態様では、本明細書に記載の測定結果を用いて、処理ツール（たとえばリソグラフィツール、エッチングツール、成膜ツール、等）に、能動フィードバックを提供することができる。たとえば、本明細書に記載の方法を用いて決定されるオーバーレイ誤差の値を、リソグラフィツールに通信して、リソグラフィシステムが所望の出力を達成するように調節することができる。同様に、測定モデル中には、エッチングツールにまたは成膜ツールに能動フィードバックをそれぞれ提供するために、エッチングパラメータ（たとえばエッチング時間、拡散率、等）または成膜パラメータ（たとえば時間、濃度、等）が含まれ得る。

一般に、本明細書に記載の方法およびシステムを、オフラインまたはオンツール測定の測定モデルを準備する処理の一部として実装することができる。加えて、測定モデルは、１つ以上のターゲット構造、デバイス構造、および測定部位を記述することができる。

本明細書において記載される場合、「限界寸法」という用語は、構造の任意の限界寸法（たとえば底部限界寸法、中間限界寸法、頂部限界寸法、側壁角度、格子高さ、等）、任意の２つ以上の構造の間の限界寸法（たとえば２つの構造の間の距離）、および２つ以上の構造の間の変位（たとえば重なった格子構造の間のオーバーレイ変位、等）を含む。構造は、３次元構造、パターン形成された構造、オーバーレイ構造、等を含み得る。

本明細書において記載される場合、「限界寸法適用」または「限界寸法測定適用」という用語は、任意の限界寸法測定を含む。

本明細書において記載される場合、「計測システム」という用語は、限界寸法計測、オーバーレイ計測、フォーカス／線量計測、および組成計測などの測定適用を含む、少なくとも部分的に何らかの態様において試料を特徴付けるために採用される、任意のシステムを含む。ただし、そのような技術の用語は、本明細書に記載するような「計測システム」という用語の範囲を限定しない。加えて、計測システム１００を、パターン形成されたウエハおよび／またはパターン形成されていないウエハを測定するように構成することができる。計測システムを、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、またはマルチモード検査ツール（１つ以上のプラットフォームからのデータを同時に含む）、および限界寸法データに基づくシステムパラメータの較正から利益を受ける任意の他の計測または検査ツールとして、構成することができる。

試料を処理するために用いることのできる半導体処理システム（たとえば検査システムまたはリソグラフィシステム）のための様々な実施形態が、本明細書において記載される。「試料」という用語は、本明細書において、ウエハ、レチクル、または当技術分野で知られている手段により処理（たとえば印刷または欠陥検査）され得る任意の他の試料を指すように用いられる。

本明細書で使用される場合、「ウエハ」という用語は一般に、半導体または非半導体材料で形成された基板を指す。例としては、限定するものではないが、単結晶シリコン、ヒ化ガリウム、およびリン化インジウムが挙げられる。そのような基板は、半導体製造施設において一般に見られおよび／または処理され得る。いくつかの場合には、ウエハは、基板のみを含み得る（すなわちベアウエハ）。代替として、ウエハは、基板上に形成された様々な材料の１つ以上の層を含み得る。ウエハ上に形成される１つ以上の層に、「パターン形成する」または「パターン形成しない」ことが可能である。たとえば、ウエハは、繰り返し可能なパターン特徴を有する複数のダイを含み得る。

「レチクル」は、レチクル製造工程の任意の段におけるレチクル、または半導体製造施設において使用するために切り離されてもされなくてもよい完成したレチクルであってよい。レチクル、または「マスク」は一般に、実質的に不透過性の領域が上に形成されパターンに構成された、実質的に透明の基板として定義される。この基板はたとえば、非晶質ＳｉＯ_２などのガラス材料を含み得る。レチクルを、リソグラフィ工程の露光ステップ中にレジストに覆われたウエハの上方に配設することができ、このことにより、レチクル上のパターンをレジストに転写することができる。

ウエハ上に形成される１つ以上の層は、パターン形成されてもパターン形成されなくてもよい。たとえば、ウエハは、繰り返し可能なパターン特徴を各々有する、複数のダイを含み得る。そのような材料の層の形成および処理が最終的に、完成したデバイスをもたらし得る。ウエハ上に多くの異なる種類のデバイスを形成することができ、本明細書で使用されるようなウエハという用語は、当技術分野で知られている任意の種類のデバイスが上に製造されているウエハを包含することを意図される。

１つ以上の例示の実施形態では、記載される機能を、ハードウェア、ソフトウェア、ファームウェア、またはこれらの任意の組み合わせにおいて実装することができる。ソフトウェアにおいて実装される場合、機能は、コンピュータ可読媒体上の１つ以上の命令またはコードとして格納または伝送することができる。コンピュータ可読媒体は、ある場所から別の場所へのコンピュータプログラムの移送を容易にする任意の媒体を含む、コンピュータ記憶媒体および通信媒体の両方を含む。記憶媒体は、汎用または専用コンピュータによってアクセスされ得る任意の利用可能な媒体であってよい。限定ではなく例として、そのようなコンピュータ可読媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭまたは他の光学ディスク記憶装置、磁気ディスク記憶装置または他の磁気記憶デバイス、あるいは、命令またはデータ構造の形態で所望のプログラムコード手段を搬送または格納するために使用され得、汎用もしくは専用のコンピュータまたは汎用もしくは専用のプロセッサによってアクセスされ得る、任意の他の媒体を含み得る。また、任意の接続が、コンピュータ可読媒体と適切に呼称される。たとえば、ソフトウェアがウェブサイト、サーバ、または他の遠隔ソースから同軸ケーブル、光ファイバケーブル、より線対、デジタル加入者線（ＤＳＬ）、または赤外、無線、およびマイクロ波などのワイヤレス技術を用いて伝送される場合、同軸ケーブル、光ファイバケーブル、より線対、ＤＳＬ、または赤外、無線、およびマイクロ波などのワイヤレス技術は、媒体の定義に含まれる。本明細書で使用されるディスク（ｄｉｓｋ）およびディスク（ｄｉｓｃ）は、コンパクトディスク（ｄｉｓｃ）（ＣＤ）、レーザディスク（ｄｉｓｃ）、光学ディスク（ｄｉｓｃ）、デジタル多用途ディスク（ｄｉｓｃ）（ＤＶＤ）、フロッピーディスク（ｄｉｓｋ）、およびブルーレイディスク（ｄｉｓｃ）を含み、この場合、ディスク（ｄｉｓｋ）は通常データを磁気的に再生し、一方ディスク（ｄｉｓｃ）はデータをレーザで光学的に再生する。上記の組み合わせも、コンピュータ可読媒体の範囲内に含まれるべきである。

特定の具体的な実施形態が教示の目的で上記されるが、本特許文書の教示は一般的適用可能性を有しており、上記の具体的な実施形態に限定されない。したがって、記載された実施形態の様々な特徴の様々な変形、適合、および組み合わせは、特許請求の範囲に記載の本発明の範囲から逸脱することなく実施され得る。

Claims (18)

1. 少なくとも１つの対象のパラメータの既知の値とともに試料の表面上の第１の複数の測定部位の第１の複数の画像を含む第１の量の画像データを受信することであって、前記測定部位の各々が前記測定部位の各々の中の同じ公称の場所において同じ公称の構造を含み、測定信号値が前記第１の複数の画像の各々の各画素と関連付けられ、前記第１の量の画像データが少なくとも１つの測定技法によって行われる測定から導出される、受信することと、
   前記第１の量の画像データの一部に基づいて特徴抽出モデルを決定することとであって、前記特徴抽出モデルが、前記第１の量の画像データの前記一部の次元を削減する、決定することと、
   前記第１の量の画像データの前記一部から抽出された特徴および前記少なくとも１つの対象のパラメータの前記既知の値に基づいて、画像ベースの測定モデルを訓練することと、
   前記第１の複数の画像の各々と関連付けられた画素の下位の組を選択することであって、前記第１の量の画像データの前記一部が、前記第１の複数の画像の各々の前記選択された画素と関連付けられた測定信号値に基づく、選択することと、
   を含み、
   前記第１の複数の画像の各々と関連付けられた前記画素の前記下位の組の前記選択が、前記第１の複数の画像の各々の画素と関連付けられた前記測定信号値における分散を決定すること、および前記分散が所定の閾値を上回る場合に前記画素を選択することを含む、
   方法。
2. 請求項１に記載の方法であって、
   前記第１の複数の画像の各々を、各測定部位の共通の基準場所に位置合わせすることをさらに含む方法。
3. 請求項１に記載の方法であって、
   前記第１の複数の画像の各々をフィルタリングすることをさらに含む方法。
4. 請求項１に記載の方法であって、前記複数の画像の各画像が、デバイス区域内に配置されたデバイス構造を含む方法。
5. 請求項１に記載の方法であって、前記複数の画像の各画像が、同じ処理条件によって形成された複数の異なる計測ターゲットを含む方法。
6. 請求項１に記載の方法であって、前記少なくとも１つの対象のパラメータの前記既知の値の各々が、処理パラメータ値、構造パラメータ値、分散パラメータ値、およびレイアウトパラメータ値のいずれかである方法。
7. 請求項１に記載の方法であって、前記特徴抽出モデルが、主成分分析（ＰＣＡ）モデル、独立成分分析（ＩＣＡ）モデル、カーネルＰＣＡモデル、非線形ＰＣＡモデル、高速フーリエ変換（ＦＦＴ）モデル、離散コサイン変換（ＤＣＴ）モデル、およびウェーブレットモデルのいずれかである方法。
8. 請求項１に記載の方法であって、前記画像ベースの測定モデルが、線形モデル、多項式モデル、ニューラルネットワークモデル、サポートベクトルマシンモデル、決定木モデル、およびランダムフォレストモデルのいずれかである方法。
9. 請求項１に記載の方法であって、前記第１の量の画像データの画像が、複数の異なる計測技法によって取得される画像または画像の組み合わせを含む方法。
10. 請求項１に記載の方法であって、
    第２の複数の測定部位の第２の複数の画像を含む第２の量の画像データを受信することであって、測定信号値が前記第２の複数の画像の各々の各画素と関連付けられ、前記第２の量の画像データが同じ少なくとも１つの測定技法によって行われる測定から導出される、受信することと、
    前記第２の量の画像データから画像特徴を抽出することと、
    前記訓練された画像ベースの測定モデルへの前記抽出された特徴のフィッティングに基づいて、前記第２の複数の測定部位の各々と関連付けられた少なくとも１つの対象のパラメータの値を決定することと、
    前記少なくとも１つの対象のパラメータの前記値をメモリに格納することと、をさらに含む方法。
11. 試料にある量の照射光を供給するように構成された照射源と、
    少なくとも１つの対象のパラメータの既知の値とともに試料の表面上の第１の複数の測定部位の第１の複数の画像を取り込むように構成された画像化検出器であって、前記測定部位の各々が、前記測定部位の各々の中の同じ公称の場所において同じ公称の構造を含み、測定信号値が前記第１の複数の画像の各々の各画素と関連付けられる、画像化検出器と、
    前記第１の複数の画像を受信し、
    前記第１の複数の画像の一部に基づいて特徴抽出モデルを決定し、前記特徴抽出モデルが前記第１の複数の画像の前記一部の次元を削減し、
    前記第１の複数の画像の前記一部から抽出された特徴および前記少なくとも１つの対象のパラメータの前記既知の値に基づいて、画像ベースの測定モデルを訓練する
    ように構成された演算システムと、
    を含み、
    前記第１の複数の画像の各々と関連付けられた前記画素の下位の組を選択することであって、前記第１の複数の画像の前記一部が、前記第１の複数の画像の各々の前記選択された画素と関連付けられた前記測定信号値に基づく、選択することをさらに含み、
    前記第１の複数の画像の各々と関連付けられた前記画素の前記下位の組の前記選択が、前記第１の複数の画像の各々の画素と関連付けられた前記測定信号値における分散を決定すること、および前記分散が所定の閾値を上回る場合に前記画素を選択することを含む、
    測定システム。
12. 請求項１１に記載の測定システムであって、前記第１の複数の画像の各画像が、デバイス区域内に配置されたデバイス構造を含む測定システム。
13. 請求項１１に記載の測定システムであって、前記第１の複数の画像の各画像が、同じ処理条件によって形成された複数の異なる計測ターゲットを含む測定システム。
14. 請求項１１に記載の測定システムであって、前記少なくとも１つの対象のパラメータの前記既知の値の各々が、処理パラメータ値、構造パラメータ値、分散パラメータ値、およびレイアウトパラメータ値のいずれかである測定システム。
15. 請求項１１に記載の測定システムであって、前記特徴抽出モデルが、主成分分析（ＰＣＡ）モデル、独立成分分析（ＩＣＡ）モデル、カーネルＰＣＡモデル、非線形ＰＣＡモデル、高速フーリエ変換（ＦＦＴ）モデル、離散コサイン変換（ＤＣＴ）モデル、およびウェーブレットモデルのいずれかである測定システム。
16. 請求項１１に記載の測定システムであって、前記画像ベースの測定モデルが、線形モデル、多項式モデル、ニューラルネットワークモデル、サポートベクトルマシンモデル、決定木モデル、およびランダムフォレストモデルのいずれかである測定システム。
17. 請求項１１に記載の測定システムであって、前記第１の複数の画像が、複数の異なる計測技法によって取得される画像または画像の組み合わせを含む測定システム。
18. 請求項１１に記載の測定システムであって、前記画像化検出器が第２の複数の測定部位の第２の複数の画像を取り込むようにさらに構成され、測定信号値が前記第２の複数の画像の各々の各画素と関連付けられ、前記演算システムが、
    前記第２の複数の画像から画像特徴を抽出し、
    前記訓練された画像ベースの測定モデルへの前記抽出された特徴のフィッティングに基づいて、前記第２の複数の測定部位の各々と関連付けられた少なくとも１つの対象のパラメータの値を決定し、
    前記少なくとも１つの対象のパラメータの前記値をメモリに格納するように、さらに構成される測定システム。

Images