JP7355982B2 - 原子顕微鏡で試料位置を認識するための方法及び装置 - Google Patents
原子顕微鏡で試料位置を認識するための方法及び装置 Download PDFInfo
- Publication number
- JP7355982B2 JP7355982B2 JP2021206218A JP2021206218A JP7355982B2 JP 7355982 B2 JP7355982 B2 JP 7355982B2 JP 2021206218 A JP2021206218 A JP 2021206218A JP 2021206218 A JP2021206218 A JP 2021206218A JP 7355982 B2 JP7355982 B2 JP 7355982B2
- Authority
- JP
- Japan
- Prior art keywords
- sample
- target sample
- vision
- atomic microscope
- recognizing
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q30/00—Auxiliary means serving to assist or improve the scanning probe techniques or apparatus, e.g. display or data processing devices
- G01Q30/02—Non-SPM analysing devices, e.g. SEM [Scanning Electron Microscope], spectrometer or optical microscope
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q20/00—Monitoring the movement or position of the probe
- G01Q20/02—Monitoring the movement or position of the probe by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q30/00—Auxiliary means serving to assist or improve the scanning probe techniques or apparatus, e.g. display or data processing devices
- G01Q30/04—Display or data processing devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q30/00—Auxiliary means serving to assist or improve the scanning probe techniques or apparatus, e.g. display or data processing devices
- G01Q30/20—Sample handling devices or methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q40/00—Calibration, e.g. of probes
- G01Q40/02—Calibration standards and methods of fabrication thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q60/00—Particular types of SPM [Scanning Probe Microscopy] or microscopes; Essential components thereof
- G01Q60/02—Multiple-type SPM, i.e. involving more than one SPM techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q60/00—Particular types of SPM [Scanning Probe Microscopy] or microscopes; Essential components thereof
- G01Q60/24—AFM [Atomic Force Microscopy] or apparatus therefor, e.g. AFM probes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Description
以下の項目もまた、開示される。
[項目1]
原子顕微鏡の制御部によって遂行される試料位置を認識するための方法において、
ビジョン部を通して対象試料が含まれたビジョン映像を受信するステップ;
上記ビジョン映像を入力として対象試料領域を出力するように構成された予測モデルを利用して、上記ビジョン映像内で上記対象試料領域を決定するステップ;及び
上記対象試料領域に基づいて上記対象試料の位置を決定するステップを含む、原子顕微鏡の試料位置を認識するための方法。
[項目2]
上記対象試料は、基板上の図形または文字の集合であるパターンを有する対象体と定義され、
上記予測モデルは、上記パターンを学習して対象試料の領域を出力するように学習されたモデルである、項目1に記載の原子顕微鏡の試料位置を認識するための方法。
[項目3]
上記対象試料領域を決定するステップは、
上記予測モデルを利用して、上記パターンに対する特徴(feature)を抽出するステップ、及び
上記特徴に基づいて上記対象試料の領域を決定するステップを含む、項目2に記載の原子顕微鏡の試料位置を認識するための方法。
[項目4]
上記対象試料は、
上記原子顕微鏡のキャリブレーション(calibration)のためのキャリブレーション試料であり、
上記対象試料の位置を決定するステップ以後に、
上記キャリブレーション試料の位置に基づいて上記原子顕微鏡をキャリブレーションするステップをさらに含む、項目1から3のいずれか一項に記載の原子顕微鏡の試料位置を認識するための方法。
[項目5]
上記位置を決定するステップは、
上記対象試料領域の中心座標を算出するステップ、及び
上記中心座標に基づいて上記対象試料の位置を決定するステップを含む、項目1から4のいずれか一項に記載の原子顕微鏡の試料位置を認識するための方法。
[項目6]
上記ビジョン部は、on Axisカメラであり、
上記ビジョン映像は、on Axisカメラ映像である、項目1から5のいずれか一項に記載の原子顕微鏡の試料位置を認識するための方法。
[項目7]
上記受信するステップ以前に、
上記ビジョン部の撮影アングル内に識別因子を配置するステップ;
上記識別因子と離隔された領域に上記対象試料を配置するステップをさらに含み、
上記ビジョン映像を受信するステップは、
上記ビジョン部を通して上記識別因子を認識するステップ、及び
上記識別因子に基づいて上記対象試料に対するビジョン映像を受信するステップを含む、項目1から6のいずれか一項に記載の原子顕微鏡の試料位置を認識するための方法。
[項目8]
上記識別因子は、上記対象試料に対する情報を含む、項目7に記載の原子顕微鏡の試料位置を認識するための方法。
[項目9]
上記識別因子は、QRコード、バーコード、NFCタグ、RFIDタグ及びOCRコードのうち少なくとも一つである、項目7に記載の原子顕微鏡の試料位置を認識するための方法。
[項目10]
ビジョン部の撮影アングル内に識別因子を配置するステップ;
上記識別因子と離隔された領域に対象試料を配置するステップ;
上記ビジョン部を通して上記識別因子を認識するステップ、及び
上記識別因子に基づいて上記対象試料の位置を決定するステップを含む、原子顕微鏡の試料位置を認識するための方法。
[項目11]
上記位置を決定するステップ以後に、
上記対象試料の位置、予め決定されたプローブの種類、予め決定されたスキャンパラメータ及び上記対象試料の種類のうち少なくとも一つの上記対象試料の情報、及び上記識別因子をマッピングするステップをさらに含む、項目10に記載の原子顕微鏡の試料位置を認識するための方法。
[項目12]
上記位置を決定するステップ以後に原子顕微鏡を駆動するステップ、
上記対象試料に対する分析を遂行するステップ、及び
分析結果に基づいて、上記対象試料の情報をアップデートするステップをさらに含む、項目10または11に記載の原子顕微鏡の試料位置を認識するための方法。
[項目13]
ビジョン部を通して対象試料が含まれたビジョン映像を獲得するビジョン部、及び
上記ビジョン部と動作可能に連結された制御部を含み、
上記制御部は、
上記ビジョン映像を入力として対象試料領域を出力するように構成された予測モデルを利用して、上記ビジョン映像内で上記対象試料領域を決定し、
上記対象試料領域に基づいて上記対象試料の位置を決定するように構成された、原子顕微鏡の試料位置を認識するための装置。
[項目14]
上記対象試料は、基板上の図形または文字の集合であるパターンを有する対象体と定義され、
上記予測モデルは、上記パターンを学習して対象試料の領域を出力するように学習されたモデルである、項目13に記載の原子顕微鏡の試料位置を認識するための装置。
[項目15]
上記制御部は、
上記予測モデルを利用して、上記パターンに対する特徴(feature)を抽出し、
上記特徴に基づいて上記対象試料の領域を決定するように構成された、項目14に記載の原子顕微鏡の試料位置を認識するための装置。
[項目16]
上記対象試料は、
上記原子顕微鏡のキャリブレーション(calibration)のためのキャリブレーション試料であり、
上記制御部は、
上記キャリブレーション試料の位置に基づいて上記原子顕微鏡をキャリブレーションするようにさらに構成された、項目13から15のいずれか一項に記載の原子顕微鏡の試料位置を認識するための装置。
[項目17]
上記制御部は、
上記対象試料領域の中心座標を算出し、
上記中心座標に基づいて上記対象試料の位置を決定するようにさらに構成された、項目13から16のいずれか一項に記載の原子顕微鏡の試料位置を認識するための装置。
[項目18]
上記ビジョン部は、on Axisカメラであり、
上記ビジョン映像は、on Axisカメラ映像である、項目13から17のいずれか一項に記載の原子顕微鏡の試料位置を認識するための装置。
[項目19]
上記ビジョン部は、
上記ビジョン部の撮影アングル内に予め配置された識別因子を認識し、
上記識別因子に基づいて、上記識別因子と離隔された領域に予め配置された対象試料に対するビジョン映像を獲得するように構成された、項目13から18のいずれか一項に記載の原子顕微鏡の試料位置を認識するための装置。
110:プローブ
120:ヘッド
122:Zスキャナ
124:プローブアーム
126:光学部
128:光学検出部
130:XYスキャナ
132:試料
140:XYステージ
150:Zステージ
160:固定フレーム
170:ビジョン部
180:制御部
Claims (14)
- 原子顕微鏡の制御部によって遂行される試料位置を認識するための方法において、
ビジョン部を通して対象試料が含まれたビジョン映像を受信するステップ;
前記ビジョン映像を入力として対象試料領域を出力するように構成された予測モデルを利用して、前記ビジョン映像内で前記対象試料領域を決定するステップ;及び
前記対象試料領域に基づいて前記対象試料の位置を決定するステップを含み、
前記予測モデルは、複数の参照映像を予め学習し、新たに入力される前記ビジョン映像から前記対象試料領域を認識するように構成された人工神経網モデルであり、
前記位置を決定するステップは、
前記対象試料領域の中心座標を算出するステップ、及び
前記中心座標に基づいて前記対象試料の位置を決定するステップを含む、原子顕微鏡の試料位置を認識するための方法。 - 前記対象試料は、基板上の図形または文字の集合であるパターンを有する対象体と定義され、
前記予測モデルは、前記パターンを学習して対象試料の領域を出力するように学習されたモデルである、請求項1に記載の原子顕微鏡の試料位置を認識するための方法。 - 前記対象試料領域を決定するステップは、
前記予測モデルを利用して、前記パターンに対する特徴(feature)を抽出するステップ、及び
前記特徴に基づいて前記対象試料の領域を決定するステップを含む、請求項2に記載の原子顕微鏡の試料位置を認識するための方法。 - 前記対象試料は、
前記原子顕微鏡のキャリブレーション(calibration)のためのキャリブレーション試料であり、
前記対象試料の位置を決定するステップ以後に、
前記キャリブレーション試料の位置に基づいて前記原子顕微鏡をキャリブレーションするステップをさらに含む、請求項1から3のいずれか一項に記載の原子顕微鏡の試料位置を認識するための方法。 - 前記ビジョン部は、on Axisカメラであり、
前記ビジョン映像は、on Axisカメラ映像である、請求項1から4のいずれか一項に記載の原子顕微鏡の試料位置を認識するための方法。 - 前記受信するステップ以前に、
前記ビジョン部の撮影アングル内に識別因子を配置するステップ;
前記識別因子と離隔された領域に前記対象試料を配置するステップをさらに含み、
前記ビジョン映像を受信するステップは、
前記ビジョン部を通して前記識別因子を認識するステップ、及び
前記識別因子に基づいて前記対象試料に対するビジョン映像を受信するステップを含む、請求項1から5のいずれか一項に記載の原子顕微鏡の試料位置を認識するための方法。 - 前記識別因子は、前記対象試料に対する情報を含む、請求項6に記載の原子顕微鏡の試料位置を認識するための方法。
- 前記識別因子は、QRコード、バーコード、NFCタグ、RFIDタグ及びOCRコードのうち少なくとも一つである、請求項6に記載の原子顕微鏡の試料位置を認識するための方法。
- ビジョン部を通して対象試料が含まれたビジョン映像を獲得するビジョン部、及び
前記ビジョン部と動作可能に連結された制御部を含み、
前記制御部は、
前記ビジョン映像を入力として対象試料領域を出力するように構成された予測モデルを利用して、前記ビジョン映像内で前記対象試料領域を決定し、
前記対象試料領域に基づいて前記対象試料の位置を決定するように構成され、
前記予測モデルは、複数の参照映像を予め学習し、新たに入力される前記ビジョン映像から前記対象試料領域を認識するように構成された人工神経網モデルであり、
前記制御部は、
前記対象試料領域の中心座標を算出し、
前記中心座標に基づいて前記対象試料の位置を決定するようにさらに構成された、原子顕微鏡の試料位置を認識するための装置。 - 前記対象試料は、基板上の図形または文字の集合であるパターンを有する対象体と定義され、
前記予測モデルは、前記パターンを学習して対象試料の領域を出力するように学習されたモデルである、請求項9に記載の原子顕微鏡の試料位置を認識するための装置。 - 前記制御部は、
前記予測モデルを利用して、前記パターンに対する特徴(feature)を抽出し、
前記特徴に基づいて前記対象試料の領域を決定するように構成された、請求項10に記載の原子顕微鏡の試料位置を認識するための装置。 - 前記対象試料は、
前記原子顕微鏡のキャリブレーション(calibration)のためのキャリブレーション試料であり、
前記制御部は、
前記キャリブレーション試料の位置に基づいて前記原子顕微鏡をキャリブレーションするようにさらに構成された、請求項9から11のいずれか一項に記載の原子顕微鏡の試料位置を認識するための装置。 - 前記ビジョン部は、on Axisカメラであり、
前記ビジョン映像は、on Axisカメラ映像である、請求項9から12のいずれか一項に記載の原子顕微鏡の試料位置を認識するための装置。 - 前記ビジョン部は、
前記ビジョン部の撮影アングル内に予め配置された識別因子を認識し、
前記識別因子に基づいて、前記識別因子と離隔された領域に予め配置された対象試料に対するビジョン映像を獲得するように構成された、請求項9から13のいずれか一項に記載の原子顕微鏡の試料位置を認識するための装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2020-0189823 | 2020-12-31 | ||
KR1020200189823A KR102554224B1 (ko) | 2020-12-31 | 2020-12-31 | 원자 현미경에서 시료 위치를 인식하기 위한 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022105284A JP2022105284A (ja) | 2022-07-13 |
JP7355982B2 true JP7355982B2 (ja) | 2023-10-04 |
Family
ID=82119798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021206218A Active JP7355982B2 (ja) | 2020-12-31 | 2021-12-20 | 原子顕微鏡で試料位置を認識するための方法及び装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11761981B2 (ja) |
JP (1) | JP7355982B2 (ja) |
KR (1) | KR102554224B1 (ja) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001148016A (ja) | 1999-11-22 | 2001-05-29 | Hitachi Ltd | 試料検査装置,試料表示装置、および試料表示方法 |
JP2004205366A (ja) | 2002-12-25 | 2004-07-22 | Japan Science & Technology Agency | 高倍率顕微観測装置 |
JP2005043108A (ja) | 2003-07-23 | 2005-02-17 | Hitachi Kenki Fine Tech Co Ltd | 走査型プローブ顕微鏡の特定パターン検出方法 |
US20090077697A1 (en) | 2007-09-12 | 2009-03-19 | Chanmin Su | Method and apparatus of automatic scanning probe imaging |
JP2014183130A (ja) | 2013-03-18 | 2014-09-29 | Fujitsu Ltd | 半導体装置の製造方法 |
JP2019527375A (ja) | 2016-06-15 | 2019-09-26 | センソヴェイション アー・ゲーSensovation AG | 顕微鏡によって試料をデジタルで撮影するための方法 |
US20200320697A1 (en) | 2019-04-04 | 2020-10-08 | Alibaba Group Holding Limited | Method, system, and device for lung lobe segmentation, model training, model construction and segmentation |
JP2020181582A (ja) | 2020-05-25 | 2020-11-05 | 株式会社日立ハイテク | テンプレートマッチングを用いた検査装置および検査方法 |
US20200356718A1 (en) | 2019-05-10 | 2020-11-12 | Sandisk Technologies Llc | Implementation of deep neural networks for testing and quality control in the production of memory devices |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2706703B2 (ja) * | 1988-11-24 | 1998-01-28 | セイコーインスツルメンツ株式会社 | 標準試料及びこれを用いた位置補正方法並びに複合化測定装置 |
US5298975A (en) * | 1991-09-27 | 1994-03-29 | International Business Machines Corporation | Combined scanning force microscope and optical metrology tool |
JPH05347338A (ja) * | 1992-06-16 | 1993-12-27 | Hitachi Ltd | 微細回路の動作状態検査装置 |
US8595859B1 (en) * | 2011-09-30 | 2013-11-26 | Agilent Technologies, Inc. | Controlling atomic force microscope using optical imaging |
US9564291B1 (en) * | 2014-01-27 | 2017-02-07 | Mochii, Inc. | Hybrid charged-particle beam and light beam microscopy |
DE112019002848T5 (de) * | 2018-06-06 | 2021-04-01 | Cognex Corporation | System und verfahren zum auffinden und klassifizieren von mustern in einem bild mit einem bildverarbeitungssystem |
-
2020
- 2020-12-31 KR KR1020200189823A patent/KR102554224B1/ko active IP Right Grant
-
2021
- 2021-12-20 JP JP2021206218A patent/JP7355982B2/ja active Active
- 2021-12-24 US US17/561,920 patent/US11761981B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001148016A (ja) | 1999-11-22 | 2001-05-29 | Hitachi Ltd | 試料検査装置,試料表示装置、および試料表示方法 |
JP2004205366A (ja) | 2002-12-25 | 2004-07-22 | Japan Science & Technology Agency | 高倍率顕微観測装置 |
JP2005043108A (ja) | 2003-07-23 | 2005-02-17 | Hitachi Kenki Fine Tech Co Ltd | 走査型プローブ顕微鏡の特定パターン検出方法 |
US20090077697A1 (en) | 2007-09-12 | 2009-03-19 | Chanmin Su | Method and apparatus of automatic scanning probe imaging |
JP2014183130A (ja) | 2013-03-18 | 2014-09-29 | Fujitsu Ltd | 半導体装置の製造方法 |
JP2019527375A (ja) | 2016-06-15 | 2019-09-26 | センソヴェイション アー・ゲーSensovation AG | 顕微鏡によって試料をデジタルで撮影するための方法 |
US20200320697A1 (en) | 2019-04-04 | 2020-10-08 | Alibaba Group Holding Limited | Method, system, and device for lung lobe segmentation, model training, model construction and segmentation |
US20200356718A1 (en) | 2019-05-10 | 2020-11-12 | Sandisk Technologies Llc | Implementation of deep neural networks for testing and quality control in the production of memory devices |
JP2020181582A (ja) | 2020-05-25 | 2020-11-05 | 株式会社日立ハイテク | テンプレートマッチングを用いた検査装置および検査方法 |
Also Published As
Publication number | Publication date |
---|---|
US11761981B2 (en) | 2023-09-19 |
JP2022105284A (ja) | 2022-07-13 |
KR102554224B1 (ko) | 2023-07-12 |
KR20220097823A (ko) | 2022-07-08 |
US20220206039A1 (en) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11754392B2 (en) | Distance determination of a sample plane in a microscope system | |
TWI829694B (zh) | 用於提供超解析度成像之精準度回饋及改良超解析度成像之精準度之系統、裝置及方法 | |
CN105210083B (zh) | 用于查验和分析细胞学标本的系统和方法 | |
CN109409398B (zh) | 图像处理装置、图像处理方法以及存储介质 | |
CN102662229B (zh) | 具有触摸屏的显微镜 | |
US10914686B2 (en) | Macro inspection systems, apparatus and methods | |
JP2011214903A (ja) | 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム | |
US8731274B2 (en) | Method and system for wafer registration | |
TWI833822B (zh) | 用於自動映射流動體物體在基板上之方法及系統 | |
JP4776259B2 (ja) | パターン評価方法、パターン位置合わせ方法およびプログラム | |
KR102465302B1 (ko) | 원자 현미경에서 프로브 종류를 인식하기 위한 장치 및 방법 | |
JP7355982B2 (ja) | 原子顕微鏡で試料位置を認識するための方法及び装置 | |
US20230204624A1 (en) | Apparatus and method for identifying target position in atomic force microscope | |
JP3722757B2 (ja) | 欠陥撮像装置 | |
CN112634361A (zh) | 使用语义分段的位姿估计 | |
KR102509460B1 (ko) | 원자 현미경에서 목표 위치를 인식하기 위한 장치 및 방법 | |
KR102252590B1 (ko) | 기계학습 환경에 기초한 테스트 환경을 설정하는 방법 및 장치 | |
TW202242538A (zh) | 用於使用晶片設計資料以改良光學檢測及計量影像品質的方法 | |
WO2023112302A1 (ja) | 教師データ作成支援装置、教師データ作成支援方法 | |
JP2023552585A (ja) | 試料の存在の検出方法及び関連装置 | |
TW202422151A (zh) | 用於自動映射流動體物體在基板上之方法及系統 | |
Monzón et al. | Enhanced RGB Image Processing Method for Automatic 2D and 3D Defect Inspection on Shiny Surfaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211220 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221111 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230704 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230815 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7355982 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |