JP7062563B2 - 輪郭抽出方法、輪郭抽出装置、及びプログラム - Google Patents

Description

本発明の実施形態は、輪郭抽出方法、輪郭抽出装置、及びプログラムに関する。

電子線を用いて得られた画像から対象物の輪郭を抽出する技術が知られている。

特許第５５８４１５９号

本発明の実施形態は、対象物の輪郭を精度よく抽出することができる輪郭抽出方法、輪郭抽出装置、及びプログラムを提供することを目的とする。

実施形態の輪郭抽出方法は、電子線を用いて得られた画像から対象物の輪郭を抽出する輪郭抽出方法であって、後方散乱電子像から前記対象物の輪郭を抽出するステップと、前記後方散乱電子像と同一箇所で得られた二次電子像を前記輪郭と紐づける辞書を作成するステップと、新たに取得した二次電子像に対して前記辞書を参照し、新たに取得した前記二次電子像の複数位置において対象物の輪郭の尤度を算出するステップと、前記複数位置の中から前記尤度の総和が最大となる経路を前記対象物の輪郭とするステップと、を含む。

図１は、実施形態にかかる輪郭抽出装置のハードウェア構成の一例を示すブロック図である。 図２は、実施形態にかかる輪郭抽出装置のソフトウェア構成の一例を示すブロック図である。 図３は、実施形態にかかる輪郭抽出装置が用いる後方散乱電子像および二次電子像について説明する模式図である。 図４は、実施形態にかかる輪郭抽出装置による二次電子像と輪郭との紐づけの手法について説明する図である。 図５は、実施形態にかかる輪郭抽出装置の学習により得られる辞書の一例を示す図である。 図６は、実施形態にかかる輪郭抽出装置における輪郭抽出の手法の概要を説明する図である。 図７は、実施形態にかかる輪郭抽出装置における輪郭スコアの算出手法について説明する図である。 図８は、実施形態にかかる輪郭抽出装置における経路の決定手法について説明する図である。 図９は、実施形態にかかる輪郭抽出装置におけるボックスの設定手法について説明する図である。 図１０は、実施形態にかかる輪郭抽出装置による輪郭抽出処理の手順の一例を示すフロー図である。 図１１は、実施例および比較例により抽出した輪郭の位置を示すグラフである。 図１２は、実施例および比較例により抽出した輪郭の位置の精度を示す図である。

以下に、本発明につき図面を参照しつつ詳細に説明する。なお、下記の実施形態により、本発明が限定されるものではない。また、下記実施形態における構成要素には、当業者が容易に想定できるものあるいは実質的に同一のものが含まれる。

［実施形態］
図１～図１０を用い、実施形態について説明する。

（輪郭抽出装置の構成例）
図１は、実施形態にかかる輪郭抽出装置２００のハードウェア構成の一例を示すブロック図である。

図１に示すように、輪郭抽出装置２００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２０１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２０２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２０３、表示部２０４、入力部２０５を有している。輪郭抽出装置２００では、これらのＣＰＵ２０１、ＲＯＭ２０２、ＲＡＭ２０３、表示部２０４、入力部２０５がバスラインを介して接続されている。

ＣＰＵ２０１は、コンピュータプログラムである輪郭抽出プログラム２０７を用いて対象物における輪郭の抽出を行う。輪郭抽出プログラム２０７は、コンピュータで実行可能な、輪郭の抽出を行うための複数の命令を含むコンピュータ読取り可能な記録媒体を有するコンピュータプログラムプロダクトである。輪郭抽出プログラム２０７では、これらの複数の命令が、輪郭の抽出処理をコンピュータに実行させる。

表示部２０４は、液晶モニタなどの表示装置であり、ＣＰＵ２０１からの指示に基づいて、対象物における輪郭などを表示する。入力部２０５は、マウスやキーボードを備えて構成され、使用者から外部入力される指示情報（輪郭の抽出に必要なパラメータ等）を入力する。入力部２０５へ入力された指示情報は、ＣＰＵ２０１へ送られる。

輪郭抽出プログラム２０７は、ＲＯＭ２０２内に格納されており、バスラインを介してＲＡＭ２０３へロードされる。図１では、輪郭抽出プログラム２０７がＲＡＭ２０３へロードされた状態を示している。

ＣＰＵ２０１はＲＡＭ２０３内にロードされた輪郭抽出プログラム２０７を実行する。具体的には、輪郭抽出装置２００では、使用者による入力部２０５からの指示入力に従って、ＣＰＵ２０１がＲＯＭ２０２内から輪郭抽出プログラム２０７を読み出してＲＡＭ２０３内のプログラム格納領域に展開して各種処理を実行する。ＣＰＵ２０１は、この各種処理に際して生じる各種データをＲＡＭ２０３内に形成されるデータ格納領域に一時的に記憶させておく。

輪郭抽出装置２００で実行される輪郭抽出プログラム２０７は、後述する学習フェーズモジュールや実測フェーズモジュールを含むモジュール構成となっており、これらが主記憶装置上にロードされ、主記憶装置上に生成される。

図２は、実施形態にかかる輪郭抽出装置２００のソフトウェア構成の一例を示すブロック図である。

図２に示すように、輪郭抽出装置２００には、電子像撮像装置１００が相互に通信可能に接続される。輪郭抽出装置２００は、電子像撮像装置１００との間で対象物の電子像、電子像の撮像条件等の授受を行う。

また、輪郭抽出装置２００は、設計データ３００を受信可能に構成される。設計データ３００には、対象物の輪郭が直線状であるか曲線状であるか等の対象物の有する輪郭に関する情報が含まれている。

輪郭抽出装置２００は、輪郭抽出装置２００の機能を実現する構成として、電子像取得部２１１、輪郭抽出部２１２、パターン抽出部２１３、辞書作成部２１４、演算部２１５、および記憶部２１６を備える。これらの構成は、ＣＰＵ２０１がプログラムを実行することにより実現されてもよく、または、専用のハードウェア回路で実現されてもよい。また、記憶部２１６は、ＨＤＤ等により実現されてもよい。

電子像取得部２１１は、電子像撮像装置１００から対象物の電子像を取得する。対象物の電子像には、後方散乱電子の検出により得られる後方散乱電子像と、二次電子の検出により得られる二次電子像とがある。後方散乱電子像は、パターン抽出部２１３による学習およびパターン抽出に用いられる。二次電子像は、学習用または実測用として用いられる。

輪郭抽出部２１２は、電子像取得部２１１により取得された後方散乱電子像から対象物の輪郭を抽出する。対象物の輪郭抽出は、画像認識技術等を用いて行われる。

パターン抽出部２１３は、後方散乱電子像と同一箇所で得られた学習用の二次電子像を後方散乱電子像から抽出された輪郭と比較する反復的な学習を行う。かかる学習は、例えば機械学習を利用して行われる。これにより、パターン抽出部２１３は、後方散乱電子像から抽出された輪郭と、二次電子像との関連性を示すパターンを抽出する。

辞書作成部２１４は、パターン抽出部２１３が抽出したパターンに基づき、二次電子像を、その二次電子像と同一箇所で得られた後方散乱電子像から抽出される輪郭に紐づける辞書を作成する。

演算部２１５は、辞書作成部２１４が作成した辞書を参照し、実測用の二次電子像から対象物の輪郭を抽出する。

記憶部２１６は、電子像取得部２１１が取得した各種電子像データ、設計データ３００、後方散乱電子像から抽出された輪郭データ、パターン抽出部２１３が抽出したパターンデータ、辞書作成部２１４が作成した辞書データ、演算部２１５が抽出した輪郭データ等を記憶する。

（後方散乱電子像および二次電子像）
ここで、図３を用いて、実施形態の輪郭抽出装置２００が用いる後方散乱電子像および二次電子像について説明する。図３は、実施形態にかかる輪郭抽出装置２００が用いる後方散乱電子像および二次電子像について説明する模式図である。

図３に示すように、輪郭抽出の対象物は例えば半導体基板等のウェハＷ上の構造である。図３では、ウェハＷ上に形成された絶縁層（不図示）の溝に埋め込まれた金属配線ＬＮの輪郭Ｃを抽出する例について説明する。金属配線ＬＮは、例えばウェハＷ上に形成される半導体装置の一部であり得る。

後方散乱電子像および二次電子像等の電子像は、例えば、測長用走査型電子顕微鏡（ＣＤ－ＳＥＭ：Ｃｒｉｔｉｃａｌ Ｄｉｍｅｎｓｉｏｎ Ｓｃｃａｎｉｎｇ Ｅｒｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｅ）や、欠陥検出用走査型電子顕微鏡（ＤＲ－ＳＥＭ：Ｄｅｆｅｃｔ Ｒｅｖｉｅｗ Ｓｃｃａｎｉｎｇ Ｅｒｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｅ）等の電子像撮像装置１００により撮像される。

具体的には、電子像撮像装置１００が備える電子銃から、対象物であるウェハＷに向かって電子線ＥＢが照射される。このとき、ウェハＷの表面に電子が衝突し、表面から放出されるのが二次電子（Ｓｅｃｏｎｄａｒｙ Ｅｌｅｃｔｒｏｎ）ＳＥである。また、ウェハＷ内に入射した電子のうち、ウェハＷ内で散乱されて再びウェハＷ外へと放出されたのが後方散乱電子（Ｂａｃｋ－Ｓｃａｔｔｅｒｅｄ Ｅｌｅｃｔｒｏｎ）ＢＳＥである。電子像撮像装置１００では、検出器ＤＴＲによって、これらの二次電子および後方散乱電子等を検出して、それぞれの電子像を得る。

（輪郭抽出装置の学習手法）
次に、図４及び図５を用いて、輪郭抽出装置２００における学習の手法について説明する。図４は、実施形態にかかる輪郭抽出装置２００による二次電子像と輪郭との紐づけの手法について説明する図である。

図４（ａ）は、電子像取得部２１１が、電子像撮像装置１００から取得した後方散乱電子像である。図３の例と同様、ここでは、例えばウェハ上の絶縁層の溝に埋め込まれた金属配線ＬＮの後方散乱電子像が得られたものとする。金属配線ＬＮの後方散乱電子像は、金属配線ＬＮを上方から見た俯瞰像となっている。

図４（ｂ）に示すように、輪郭抽出部２１２は、後方散乱電子像から金属配線ＬＮの輪郭Ｃ（Ｌ），Ｃ（Ｒ）を抽出する。輪郭Ｃ（Ｌ）は、金属配線ＬＮの幅方向の左端部の輪郭である。輪郭Ｃ（Ｒ）は、金属配線ＬＮの幅方向の右端部の輪郭である。輪郭Ｃ（Ｌ），Ｃ（Ｒ）は、画像認識技術等を用い、例えば後方散乱電子像のうち明暗のコントラストが最も顕著に変化する位置を輪郭Ｃ（Ｌ），Ｃ（Ｒ）の位置と定めることにより抽出することができる。

図４（ｃ）は、電子像取得部２１１が、電子像撮像装置１００から取得した二次電子像である。図４（ｃ）の二次電子像は、図４（ａ）の後方散乱電子像と同一箇所の金属配線ＬＮ上で取得されたものであり、輪郭抽出装置２００における学習に用いられる。

図４（ｂ）と図４（ｃ）とにより、図４（ｄ）に示すように、同一箇所での輪郭Ｃ（Ｌ），Ｃ（Ｒ）と二次電子像とが紐づけられた紐づけデータが１つ得られる。パターン抽出部２１３は、このような紐づけデータを複数用い、同一箇所での輪郭Ｃ（Ｌ），Ｃ（Ｒ）と二次電子像とを比較する学習を反復的に行う。このとき、例えば、二次電子像から輝度や輝度の一次微分値等のような定量値を抽出してこれらの統計量を取ることで定量的かつ統計的な比較が可能となる。このような学習は、例えば機械学習を用いて行われてもよい。これにより、パターン抽出部２１３は、学習により、輪郭Ｃ（Ｌ），Ｃ（Ｒ）と二次電子像との関連性をパターン化して抽出する。

図５は、実施形態にかかる輪郭抽出装置２００の学習により得られる辞書の一例を示す図である。

図５に示すように、辞書作成部２１４は、パターン抽出部２１３により抽出されたパターンに基づき、同一箇所での輪郭Ｃ（Ｌ），Ｃ（Ｒ）と二次電子像とが紐づけられた辞書Ｄ（Ｌ），Ｄ（Ｒ）を作成する。辞書Ｄ（Ｌ）は、金属配線ＬＮの幅方向の左端部の輪郭Ｃ（Ｌ）についての辞書である。辞書Ｄ（Ｒ）は、金属配線ＬＮの幅方向の右端部の輪郭Ｃ（Ｒ）についての辞書である。

辞書Ｄ（Ｌ）は、輪郭Ｃ（Ｌ）の近傍をスリット状に抜き出した二次電子像のパターン化された画像データを有する。画像データにおいては、スリット状に抜き出された画像の中央に、スリットに対して垂直方向に延びる輪郭Ｃ（Ｌ）が配置されている。

辞書Ｄ（Ｒ）は、輪郭Ｃ（Ｒ）の近傍をスリット状に抜き出した二次電子像のパターン化された画像データを有する。画像データにおいては、スリット状に抜き出された画像の中央に、スリットに対して垂直方向に延びる輪郭Ｃ（Ｒ）が配置されている。

以上のように作成された辞書Ｄ（Ｌ），Ｄ（Ｒ）は、新たに取得された実測用の二次電子像から輪郭Ｃ（Ｌ），Ｃ（Ｒ）を抽出する際に参照される。

（輪郭抽出装置の輪郭抽出手法）
次に、図６～図９を用いて、輪郭抽出装置２００における輪郭抽出の手法について説明する。図６は、実施形態にかかる輪郭抽出装置２００における輪郭抽出の手法の概要を説明する図である。

図６（ａ）は、電子像取得部２１１が、電子像撮像装置１００から取得した二次電子像である。図６（ａ）の二次電子像は輪郭抽出の実測に用いられる。このとき、実測用の二次電子像は、電子像撮像装置１００による条件を学習時の二次電子像と同一条件として撮像されたものあることが望ましい。

図６（ｂ）に示すように、演算部２１５は、辞書Ｄ（Ｌ）を参照し、図６（ａ）の二次電子像の複数位置に対して輪郭スコア（Ｌ）を算出する。輪郭スコア（Ｌ）は、二次電子像における金属配線ＬＮの幅方向の左端部の輪郭らしさ、つまり、尤度を表す数値である。輪郭スコア（Ｌ）が高いほど、その位置が金属配線ＬＮの輪郭Ｃ（Ｌ）に該当する可能性が高い。

図６（ｃ）に示すように、演算部２１５は、複数位置について算出した輪郭スコア（Ｌ）の総和が最大となる経路を算出し、これを輪郭Ｃ（Ｌ）とする。

図６（ｄ）に示すように、演算部２１５は、辞書Ｄ（Ｒ）を参照し、図６（ａ）の二次電子像の複数位置に対して輪郭スコア（Ｒ）を算出する。輪郭スコア（Ｒ）は、二次電子像における金属配線ＬＮの幅方向の右端部の輪郭らしさ、つまり、尤度を表す数値である。輪郭スコア（Ｒ）が高いほど、その位置が金属配線ＬＮの輪郭Ｃ（Ｒ）に該当する可能性が高い。

図６（ｅ）に示すように、演算部２１５は、複数位置について算出した輪郭スコア（Ｒ）の総和が最大となる経路を算出し、これを輪郭Ｃ（Ｒ）とする。

図７を用い、輪郭スコアの算出手法についてより詳細に説明する。

図７は、実施形態にかかる輪郭抽出装置２００における輪郭スコアの算出手法について説明する図である。図７は、二次電子像における金属配線ＬＮの幅方向の左端部の輪郭スコア（Ｌ）を算出する例を示している。

図７に示すように、演算部２１５は、二次電子像の一部を抜き出すスリット状のボックスＢＸを二次電子像上に設定する。このボックスＢＸの形状およびサイズは、例えば、作成された辞書Ｄ（Ｌ）のスリットと同一のサイズに設定されている。また、スリット状のボックスＢＸが、想定される輪郭Ｃ（Ｌ）の延伸方向に対して垂直方向に延びるよう設定されている。輪郭Ｃ（Ｌ）の延伸方向は、輪郭抽出装置２００が受信した、この金属配線ＬＮの設計データ３００から推定することができる。この例では、二次電子像上で輪郭Ｃ（Ｌ）は略垂直方向に延びており、ボックスＢＸは水平方向に延びるよう設定されている。

図７（ａ）に示すように、演算部２１５は、ボックスＢＸにより抜き出された二次電子像と辞書Ｄ（Ｌ）とを比較して、この位置における輪郭スコア（Ｌ）を算出する。ボックスＢＸにより抜き出された二次電子像と辞書Ｄ（Ｌ）が有するパターンとが類似しているほど両者間の相関度は高く、輪郭スコア（Ｌ）の数値が高く算出される。図７（ａ）の例では、金属配線ＬＮの輪郭Ｃ（Ｌ）はボックスＢＸの右端に位置しており、抜き出された二次電子像と辞書Ｄ（Ｌ）のパターンとの相関度はそれほど高くない。この位置での輪郭スコア（Ｌ）は、例えば１００と算出される。

図７（ｂ）に示すように、演算部２１５は、ボックスＢＸの位置をボックスの延伸方向、つまり、水平方向に、例えば１画素ずらし、そこでの輪郭スコア（Ｌ）を算出する。図７（ｂ）の例では、金属配線ＬＮの輪郭Ｃ（Ｌ）はボックスＢＸの略中央に位置しており、抜き出された二次電子像と辞書Ｄ（Ｌ）のパターンとの相関度はかなり高い。この位置での輪郭スコア（Ｌ）は、例えば２００と算出される。

図７（ｃ）に示すように、演算部２１５は、ボックスＢＸの位置を水平方向にさらに１画素ずらし、そこでの輪郭スコア（Ｌ）を算出する。図７（ｃ）の例では、金属配線ＬＮの輪郭Ｃ（Ｌ）はボックスＢＸのやや左寄りに位置しており、抜き出された二次電子像と辞書Ｄ（Ｌ）のパターンとの相関度はやや高めである。この位置での輪郭スコア（Ｌ）は、例えば１８０と算出される。

このように、演算部２１５は、順次、ボックスＢＸの位置を水平方向に１画素ずつずらしていき、それらの場所での輪郭スコア（Ｌ）を算出していく。つまり、演算部２１５は、所定の水平位置において、例えば二次電子像の左端から右端まで順次、輪郭スコア（Ｌ）を算出する。これを、例えば二次電子像の上端から下端までの水平位置で繰り返していく。

図８を用い、輪郭スコアに基づく経路の決定について説明する。

図８は、実施形態にかかる輪郭抽出装置２００における経路の決定手法について説明する図である。図８は、二次電子像の複数の水平位置Ａ～Ｆにおいて、演算部２１５が算出した輪郭スコアを有するボックスＢＸの一部を示している。図８における１つ１つの矩形はボックスＢＸを表している。ボックスＢＸ内の数値はそのボックスＢＸの有する輪郭スコアである。

図８に示すように、演算部２１５は、それぞれの水平位置Ａ～Ｆにおいて所定のボックスＢＸを選択することで、二次電子像の上から下へと経路Ｒを決定していく。

例えば、演算部２１５は、水平位置Ａにおいて、最も高い輪郭スコア（１８０）を有する中央のボックスＢＸを選択する。

演算部２１５は、水平位置Ｂにおいて、水平位置Ａで選択したボックスＢＸの真下のボックスＢＸ及びその左右の１つずつのボックスＢＸの中から、次のボックスＢＸを選択することができる。演算部２１５は、水平位置Ｂのこれら３つのボックスＢＸのうち、最も高い輪郭スコア（２００）を有する右側のボックスＢＸを選択する。

演算部２１５は、水平位置Ｃにおいて、水平位置Ｂで選択したボックスＢＸの真下のボックスＢＸ及びその左右の１つずつのボックスＢＸの中から、最も高い輪郭スコア（１７０）を有する左側のボックスＢＸを選択する。

同様に、演算部２１５は、水平位置Ｄでは選択可能な３つのボックスＢＸのうち中央のボックスＢＸ（輪郭スコア：１８０）を選択し、水平位置Ｅでは選択可能な３つのボックスＢＸのうち左側のボックスＢＸ（輪郭スコア：２００）を選択し、水平位置Ｆでは選択可能な３つのボックスＢＸのうち右側のボックスＢＸ（輪郭スコア：１７０）を選択する。

演算部２１５は、それぞれの水平位置Ａ～Ｆで上記のように選択したボックスＢＸを繋いで経路Ｒを決定する。この経路Ｒは、それぞれの水平位置Ａ～Ｆで選択可能なボックスＢＸを通る経路のうち、輪郭スコアの総和が最大となる経路である。演算部２１５は、この経路Ｒを輪郭として定める。

以上、抽出する輪郭が略直線状である場合について説明したが、輪郭が曲線を有する場合であっても、同様の手法を用いることができる。以下に、輪郭が直線状ではない場合の幾つかの例について説明する。

図９は、実施形態にかかる輪郭抽出装置２００におけるボックスＢＸの設定手法について説明する図である。演算部２１５は、ボックスＢＸを設定するにあたり、所定の対象物が有する輪郭を設計データ３００から推測する。設計データ３００には、ウェハ上に形成される配線やコンタクト等のデザイン情報が含まれる。演算部２１５は、推測した対象物の輪郭に基づき、その輪郭の延伸方向に対して垂直に伸びるようボックスＢＸの配置を設定する。

図９（ａ）に示す輪郭Ｃ（Ｌ），Ｃ（Ｒ）は一部に屈曲部を有している。このような場合、演算部２１５は、輪郭Ｃ（Ｌ），Ｃ（Ｒ）の直線部においてはボックスＢＸを水平に設定する。また、演算部２１５は、輪郭Ｃ（Ｌ），Ｃ（Ｒ）の屈曲部においては、輪郭Ｃ（Ｌ），Ｃ（Ｒ）の曲線に合わせてボックスＢＸを傾斜させ、曲線状の輪郭Ｃ（Ｌ），Ｃ（Ｒ）に対して垂直方向に延びるよう各ボックスＢＸの配置を設定する。

図９（ｂ）に示す輪郭Ｃ（Ｃ）はサークル状（円形）である。このような場合、演算部２１５は、輪郭Ｃ（Ｃ）の各部の曲線に合わせてボックスＢＸを傾斜させ、サークル状の輪郭Ｃ（Ｃ）に対して垂直方向に延びるよう各ボックスＢＸの配置を設定する。これにより、各ボックスＢＸは放射状に配置されることとなる。

これ以降の輪郭スコアの算出、輪郭スコアに基づく経路の決定、及び輪郭の抽出については、演算部２１５により上述の手法と同様の手法にて行われる。このように抽出された金属配線やコンタクト等の輪郭は、その後、線幅やコンタクト径や輪郭の滑らかさ等の形状を評価され、次の処理に活かされる。

なお、対象物の輪郭を推定するにあたり、対象物の輪郭を示すデータとして設計データ３００を用いる例について説明したが、これに限られない。対象物の輪郭を示すデータとして、例えば、複数の後方散乱電子像から抽出された輪郭のデータを用いてもよい。演算部２１５は、これら複数の後方散乱電子像から抽出された輪郭の形状から、対象物の輪郭を推測することができる。

また、輪郭を推測するための設計データ３００は、パターン抽出部２１３および辞書作成部２１４により、二次電子像をスリット状に抜き出すときに参照されてもよい。

また、上記では絶縁層に埋め込まれた金属配線を例に取ったが、輪郭抽出装置２００による上記手法は、表面が平坦な対象物のみならず、溝や穴の輪郭等、凹凸を有する対象物にも適用可能である。また、ウェハ上に形成された半導体装置のみならず、様々な対象物の輪郭を抽出することが可能である。

（輪郭抽出処理の例）
次に、図１０を用いて、輪郭抽出装置２００による輪郭抽出処理の例について説明する。図１０は、実施形態にかかる輪郭抽出装置２００による輪郭抽出処理の手順の一例を示すフロー図である。

図１０に示すように、輪郭抽出装置２００による輪郭抽出処理には、学習フェーズ（ステップＳ１０３～Ｓ１０６）と実測フェーズ（ステップＳ１０７～Ｓ１０９）とが含まれる。学習フェーズは、電子像を取得して辞書を作成するまでの処理であり、上述の輪郭抽出プログラム２０７のうち学習フェーズモジュールにより実行される。実測フェーズは、実測を目的とする二次電子像から実際に輪郭を抽出する処理であり、上述の輪郭抽出プログラム２０７のうち実測フェーズモジュールにより実行される。

電子像取得部２１１は、電子像撮像装置１００から後方散乱電子像、二次電子像等を取得する（ステップＳ１０１）。二次電子像については、その用途によって扱いが異なる（ステップＳ１０２）。取得した二次電子像が実測用である場合には、ステップＳ１０７に移行する。

取得した二次電子像が学習用である場合には、輪郭抽出部２１２は、その二次電子像と同一箇所で撮像された後方散乱電子像からウェハ上の金属配線等の対象物の輪郭を抽出する（ステップＳ１０３）。パターン抽出部２１３は、抽出された輪郭と二次電子像とを比較する（ステップＳ１０４）。

パターン抽出部２１３が反復学習により輪郭と二次電子像との関連性をパターン化して抽出するまで、ステップＳ１０３～Ｓ１０５の処理が繰り返される（ステップＳ１０５：Ｎｏ→ステップＳ１０３→ステップＳ１０４）。

パターン抽出部２１３がパターンを抽出すると（ステップＳ１０５：Ｙｅｓ）、辞書作成部２１４は、抽出されたパターンに基づいて輪郭と二次電子像とを紐づける辞書を作成する（ステップＳ１０６）。

取得した二次電子像が実測用である場合には、輪郭抽出装置２００は、その二次電子像を取得した対象物の設計データを取得する（Ｓ１０７）。演算部２１５は、設計データから推測される輪郭に基づいて適正なボックスを設定し、作成された辞書を参照しながら二次電子像の複数位置における輪郭スコアを算出する（ステップＳ１０８）。

演算部２１５は、輪郭スコアを算出した複数位置の中から、輪郭スコアの総和が最大となる経路を決定し、これを対象物の輪郭と定める（ステップＳ１０９）。

以上により、輪郭抽出装置２００による輪郭抽出処理が終了する。

（比較例）
対象物の輪郭を抽出して形状評価を行うため、電子線を用いて得られた電子像が用いられることがある。比較例の輪郭抽出手法として、後方散乱電子像または二次電子像を用いることが考えられる。

後方散乱電子は対象物表面の帯電による影響が少なく、実像に近い電子像が得られやすい。また、絶縁層と金属層とのように材質の異なるものとの境界において、はっきりしたコントラストで輪郭を観測することができる。一方で、後方散乱電子は信号量が少なくＳ／Ｎ比が低いため、再現性に劣る。

二次電子は信号量が豊富でＳ／Ｎ比が高く、再現性に優れた電子像が得られる。一方で、二次電子は帯電による影響を受けやすく、得られる電子像には実像とのずれが生じる場合がある。このため、対象物の輪郭がぼやけるなど、精度の高い輪郭抽出が困難となってしまうことがある。

実施形態の輪郭抽出装置２００は、二次電子から得られる二次電子像を同一箇所の後方散乱電子像から抽出された輪郭と紐づける辞書を作成し、実測する際には作成した辞書を参照して二次電子像から輪郭抽出を行う。これにより、対象物の輪郭を精度よく抽出することができる。

［実施例］
図１１及び図１２を用い、実施例について説明する。図１１は、実施例および比較例により抽出した輪郭の位置を示すグラフである。

対象となる輪郭は、絶縁層に埋め込まれた金属配線の幅方向における両端部である。実施例の輪郭は、上述の実施形態と同様の手法により抽出した。比較例の輪郭は、二次電子像から得られる輝度の一次微分値におけるピークとした。

グラフの横軸は、輪郭を抽出した二次電子像における水平方向の位置（Ｘ）である。グラフの縦軸は、二次電子像から得られる輝度または輝度の一次微分値である。グラフ上の破線は、実施例の手法により抽出された輪郭Ｃ（Ｌ），Ｃ（Ｒ）の位置を示している。

図１１（ａ）に示すように、金属配線の左端部を示す実施例の輪郭Ｃ（Ｌ）の位置と比較例の輪郭Ｃ（Ｌ）’の位置とには若干のずれが認められた。

図１１（ｂ）に示すように、金属配線の右端部を示す実施例の輪郭Ｃ（Ｒ）の位置と比較例の輪郭Ｃ（Ｒ）’の位置とには大きなずれが認められた。

図１２は、実施例および比較例により抽出した輪郭の位置の精度を示す図である。

輪郭の位置の精度を算出するにあたっては、後方散乱電子像から抽出された輪郭を真値とした。そして、後方散乱電子像から抽出された輪郭からのずれ量（ピクセル値）に基づき、輪郭の位置の精度を算出した。図１２における数値は、二次電子像および後方散乱電子像１１４組のデータの平均値をとったものである。

図１２に示すように、左端部の輪郭のずれ量は、実施例が０．４５ピクセルであり、比較例が０．４７ピクセルであった。僅かながら実施例の方が勝っていた。右端部の輪郭のずれ量は、実施例が０．４１ピクセルであり、比較例が０．５４ピクセルであった。実施例のほうが遥かに高精度であった。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００…電子像撮像装置、２００…輪郭抽出装置、２０７…輪郭抽出プログラム、２１１…電子像取得部、２１２…輪郭抽出部、２１３…パターン抽出部、２１４…辞書作成部、２１５…演算部、２１６…記憶部、３００…設計データ。

Claims (6)

1. 電子線を用いて得られた画像から対象物の輪郭を抽出する輪郭抽出方法であって、
   後方散乱電子像から前記対象物の輪郭を抽出するステップと、
   前記後方散乱電子像と同一箇所で得られた二次電子像を前記輪郭と紐づける辞書を作成するステップと、
   新たに取得した二次電子像に対して前記辞書を参照し、新たに取得した前記二次電子像の複数位置において対象物の輪郭の尤度を算出するステップと、
   前記複数位置の中から前記尤度の総和が最大となる経路を前記対象物の輪郭とするステップと、を含む、
   輪郭抽出方法。
2. 前記後方散乱電子像および前記後方散乱電子像と同一箇所で得られた前記二次電子像から反復的な学習を行って前記後方散乱電子像から抽出された前記輪郭および前記二次電子像との関連性を示すパターンを抽出するステップを含み、
   前記辞書を作成するステップでは、
   抽出された前記パターンに基づき前記辞書を作成する、
   請求項１に記載の輪郭抽出方法。
3. 前記パターンを抽出するステップでは機械学習が用いられる、
   請求項２に記載の輪郭抽出方法。
4. 前記対象物の輪郭を示すデータから前記輪郭の直線部分と曲線部分とを予測するステップと、
   前記予測に基づき、前記輪郭に交わる方向に並ぶよう前記尤度を算出する前記複数位置を決定するステップと、を含む、
   請求項１乃至請求項３のいずれか１項に記載の輪郭抽出方法。
5. 電子線を用いて得られた画像から対象物の輪郭を抽出する輪郭抽出装置であって、
   後方散乱電子像から前記対象物の輪郭を抽出する輪郭抽出部と、
   前記後方散乱電子像と同一箇所で得られた二次電子像を前記輪郭と紐づける辞書を作成する辞書作成部と、
   新たに取得した二次電子像に対して前記辞書を参照し、新たに取得した前記二次電子像の複数位置において対象物の輪郭の尤度を算出し、前記複数位置の中から前記尤度の総和が最大となる経路を前記対象物の輪郭とする演算部と、を備える、
   輪郭抽出装置。
6. コンピュータに、電子線を用いて得られた画像から対象物の輪郭を抽出するための学習をさせるプログラムであって、
   後方散乱電子像から前記対象物の輪郭を抽出するステップと、
   前記後方散乱電子像と同一箇所で得られた二次電子像を前記輪郭と紐づける辞書を作成するステップと、をコンピュータに実行させるためのプログラム。

Images