JP7445057B2 - 学習装置、検査装置、アライメント装置および学習方法 - Google Patents

Description

本発明は、表面上にパターンを有する基板における、当該パターンの画像と設計データとの関係を学習する技術に関する。

従来、半導体基板やプリント配線基板等の製造工程では、基板の良否を判定する外観検査が行われている。半導体基板の外観検査では、例えば、１枚の基板上に設けられた複数のダイ同士を比較して欠陥を検出することが行われている。具体的には、１つのダイを撮像して得られた画像を参照画像とし、他のダイを撮像して得られた画像を被検査画像とし、被検査画像を参照画像と比較して差異を検出する。しかしながら、当該検査では、複数のダイに存在する同一の欠陥を検出することはできない。また、フォトマスクやレチクル等の基板には、比較する同一のパターンが存在しない場合もある。

そこで、特許文献１では、半導体ウエハの基板上に形成される回路パターンについて、回路パターンを走査型電子顕微鏡（ＳＥＭ）により撮像したＳＥＭ画像と、回路パターンの設計データ（ＣＡＤデータ）から作成したＣＡＤ画像とを比較することにより、ＳＥＭ画像上の欠陥を検出する技術が提案されている。

特開２０１５－７５６３号公報

ところで、上述のように設計データから参照画像を生成する場合、参照画像を短時間で容易に生成すること重要である。しかしながら、特許文献１では、外観検査の参照画像であるＣＡＤ画像の作成について、ＣＡＤデータからＣＡＤＰｌｏｙデータを作成してＣＡＤ画像を作成すると記載されているが、具体的な作成方法については記載されていない。

また、技術者がＣＡＤデータから参照画像を作成しようとすると、ＣＡＤデータが示す様々なパターンのそれぞれについて、熟練した技術者が経験に基づいて作成ロジックを組む必要があり、参照画像の作成開始までに多大な時間（例えば、数ヶ月～数年）が必要となる。さらに、作成された参照画像の質は、技術者の熟練度に左右される。

請求項１に記載の発明は、表面上にパターンを有する基板における、前記パターンの画像と設計データとの関係を学習する学習装置であって、前記基板上に形成された、欠陥を有しないパターンを撮像して得られた学習用画像と、前記学習用画像に対応する部分領域に含まれる設計データとの組み合わせである学習用データを入力する入力部と、前記学習用データの集合である学習用データセットを用いたディープラーニングにより、前記パターンの設計データと学習用画像との関係を学習させて学習済みモデルを作成する学習部と、を備える。

請求項２に記載の発明は、請求項１に記載の学習装置であって、前記学習用データセットは、一の学習用データと、前記一の学習用データの設計データと前記一の学習用データの学習用画像の輝度またはコントラストを変更した学習用画像との組み合わせである他の学習用データとを含む。

請求項３に記載の発明は、請求項１または２に記載の学習装置であって、前記学習用データセットは、一の学習用データと、前記一の学習用データの設計データを回転または反転させた設計データと前記一の学習用データの学習用画像を前記設計データと同様に回転または反転させた学習用画像との組み合わせである他の学習用データとを含む。

請求項４に記載の発明は、請求項１ないし３のいずれか１つに記載の学習装置であって、前記学習用データセットの各学習用データは、前記基板上において前記パターンが設けられているパターン領域の一部である部分領域における前記パターンの設計データと学習用画像との組み合わせであり、前記パターン領域における前記各学習用データの前記部分領域の位置はランダムに決定される。

請求項５に記載の発明は、請求項１ないし４のいずれか１つに記載の学習装置であって、前記学習用データセットの各学習用データは、前記基板上において前記パターンが設けられているパターン領域の一部である部分領域における前記パターンの設計データと学習用画像との組み合わせであり、前記パターン領域の各位置は、前記学習用データセットのいずれかの学習用データに対応する前記部分領域に含まれる。

請求項６に記載の発明は、請求項１ないし５のいずれか１つに記載の学習装置であって、前記基板上に、前記パターンがそれぞれ設けられている複数のパターン領域が配置されており、前記学習用データセットは、前記複数のパターン領域のそれぞれにおける前記パターンの設計データと学習用画像との組み合わせである複数の学習用データを含む。

請求項７に記載の発明は、請求項１ないし６のいずれか１つに記載の学習装置であって、前記学習用データセットは、前記パターンを表面上に有する複数の基板のそれぞれにおける前記パターンの設計データと学習用画像との組み合わせである複数の学習用データを含む。

請求項８に記載の発明は、表面上にパターンを有する基板を検査する検査装置であって、基板上のパターンを撮像して被検査画像を取得する撮像部と、前記パターンの設計データを、請求項１ないし７のいずれか１つに記載の学習装置により生成された学習済みモデルに入力し、参照画像を生成する参照画像生成部と、前記被検査画像を前記パターンの設計データから生成された前記参照画像と比較して、前記基板における欠陥の有無を検査する検査部とを備える。

請求項９に記載の発明は、表面上にパターンを有する基板の位置を調節するアライメント装置であって、基板上のパターンを撮像して対象画像を取得する撮像部と、前記パターンの設計データを、請求項１ないし７のいずれか１つに記載の学習装置により生成された学習済みモデルに入力し、参照画像を生成する参照画像生成部と、前記対象画像を前記パターンの設計データから生成された前記参照画像と比較して前記基板の位置を取得するアライメント部と、前記アライメント部により取得された前記基板の位置に基づいて、前記基板を相対移動して位置を調節する基板移動機構とを備える。

請求項１０に記載の発明は、表面上にパターンを有する基板における、前記パターンの画像と設計データとの関係を学習する学習方法であって、ａ）前記基板上に形成された、欠陥を有しないパターンを撮像して得られた学習用画像と、前記学習用画像に対応する部分領域に含まれる設計データとの組み合わせである学習用データを入力する工程と、ｂ）前記学習用データの集合である学習用データセットを用いたディープラーニングにより、前記パターンの設計データと学習用画像との関係を学習させて学習済みモデルを作成する工程と、を備える。

請求項１１に記載の発明は、請求項１０に記載の学習方法であって、前記学習用データセットは、一の学習用データと、前記一の学習用データの設計データと前記一の学習用データの学習用画像の輝度またはコントラストを変更した学習用画像との組み合わせである他の学習用データとを含む。

請求項１２に記載の発明は、請求項１０または１１に記載の学習方法であって、前記学習用データセットは、一の学習用データと、前記一の学習用データの設計データを回転または反転させた設計データと前記一の学習用データの学習用画像を前記設計データと同様に回転または反転させた学習用画像との組み合わせである他の学習用データとを含む。

請求項１３に記載の発明は、請求項１０ないし１２のいずれか１つに記載の学習方法であって、前記学習用データセットの各学習用データは、前記基板上において前記パターンが設けられているパターン領域の一部である部分領域における前記パターンの設計データと学習用画像との組み合わせであり、前記パターン領域における前記各学習用データの前記部分領域の位置はランダムに決定される。

請求項１４に記載の発明は、請求項１０ないし１３のいずれか１つに記載の学習方法であって、前記学習用データセットの各学習用データは、前記基板上において前記パターンが設けられているパターン領域の一部である部分領域における前記パターンの設計データと学習用画像との組み合わせであり、前記パターン領域の各位置は、前記学習用データセットのいずれかの学習用データに対応する前記部分領域に含まれる。

請求項１５に記載の発明は、請求項１０ないし１４のいずれか１つに記載の学習方法であって、前記基板上に、前記パターンがそれぞれ設けられている複数のパターン領域が配置されており、前記学習用データセットは、前記複数のパターン領域のそれぞれにおける前記パターンの設計データと学習用画像との組み合わせである複数の学習用データを含む。

請求項１６に記載の発明は、請求項１０ないし１５のいずれか１つに記載の学習方法であって、前記学習用データセットは、前記パターンを表面上に有する複数の基板のそれぞれにおける前記パターンの設計データと学習用画像との組み合わせである複数の学習用データを含む。

検査装置の構成を示す図である。 第１コンピュータの構成を示す図である。 第１コンピュータにより実現される機能構成を示す図である。 第２コンピュータの構成を示す図である。 第２コンピュータにより実現される機能構成を示す図である。 参照画像の生成の流れを示す図である。 基板の検査の流れを示す図である。 アライメント装置の構成を示す図である。 第１コンピュータにより実現される機能構成を示す図である。

図１は、本発明の第１の実施の形態に係る検査装置１の構成を示す図である。検査装置１は、例えば、半導体基板９（以下、単に「基板９」とも呼ぶ。）の外観を検査する装置である。基板９の表面上には、パターンが形成されている。

検査装置１は、基板９を撮像する装置本体２と、第１コンピュータ３と、第２コンピュータ４とを備える。第１コンピュータ３および第２コンピュータ４はそれぞれ、演算部を含む処理装置である。第１コンピュータ３は、検査装置１の全体動作の制御も行う。第２コンピュータ４は、後述する参照画像を生成する参照画像生成装置である。装置本体２は、撮像部２１と、基板９を保持するステージ２２と、ステージ移動機構２３とを有する。撮像部２１は、基板９上のパターンを撮像して画像を取得する。当該画像は、例えば、多階調のカラー画像である。ステージ移動機構２３は、撮像部２１に対してステージ２２を相対的に移動する。

撮像部２１は、照明光を出射する照明部２１１と、光学系２１２と、撮像デバイス２１３とを有する。光学系２１２は、基板９に照明光を導くとともに基板９からの光を撮像デバイス２１３に導く。撮像デバイス２１３は、光学系２１２により結像された基板９の像を電気信号に変換する。照明部２１１は、ＬＥＤや電球等のランプと、ランプからの光を整えるレンズや反射部材等の光学要素とを含む。光学系２１２は、複数のレンズやハーフミラー等の光学要素を含む。撮像デバイス２１３は、例えば、２次元のイメージングセンサである。撮像デバイス２１３は１次元のイメージングセンサであってもよく、この場合、ステージ２２を移動しながら撮像が行われる。

ステージ移動機構２３はボールねじ、ガイドレール、モータ等により構成される。もちろん、ステージ移動機構２３として様々な機構が採用可能であり、例えば、リニアモータが利用可能である。第１コンピュータ３がステージ移動機構２３および撮像部２１を制御することにより、ステージ２２が水平方向に移動して基板９上の所望の領域が撮像される。ステージ２２は基板９を保持する保持部である。基板９の保持は様々な方法で行われてよい。例えば、ステージ２２に溝が形成され、溝内に形成された吸引口から吸引が行われることにより、基板９がステージ２２上に吸着される。ステージ２２に多数の吸引口が形成されて基板９が吸着されてもよい。ステージ２２を多孔質材料にて形成し、多孔質材料から吸引が行われてもよい。ステージ２２は機械的な機構により基板９を保持してもよい。

図２は、第１コンピュータ３の構成を示す図である。第１コンピュータ３は、ＣＰＵ３１と、ＲＯＭ３２と、ＲＡＭ３３と、固定ディスク３４と、ディスプレイ３５と、入力部３６と、読取装置３７と、通信部３８と、ＧＰＵ３９と、バス３０とを含む一般的なコンピュータシステムの構成を有する。ＣＰＵ３１は、各種演算処理を行う。ＧＰＵ３９は、画像処理に関する各種演算処理を行う。ＲＯＭ３２は、基本プログラムを記憶する。ＲＡＭ３３は、各種情報を記憶する。固定ディスク３４は、情報記憶を行う。ディスプレイ３５は、画像等の各種情報の表示を行う。入力部３６は、操作者からの入力を受け付けるキーボード３６ａおよびマウス３６ｂを備える。読取装置３７は、光ディスク、磁気ディスク、光磁気ディスク、メモリカード等のコンピュータ読み取り可能な記録媒体８１から情報の読み取りを行う。ディスプレイ３５、キーボード３６ａ、マウス３６ｂおよび読取装置３７は、インターフェイスＩ／Ｆを介してバス３０に接続される。通信部３８は、検査装置１の他の構成、および、外部の装置との間で信号を送受信する。バス３０は、ＣＰＵ３１、ＧＰＵ３９、ＲＯＭ３２、ＲＡＭ３３、固定ディスク３４、ディスプレイ３５、入力部３６、読取装置３７および通信部３８を接続する信号回路である。

第１コンピュータ３では、事前に読取装置３７を介して記録媒体８１からプログラム８１１が読み出されて固定ディスク３４に記憶されている。プログラム８１１はネットワークを介して固定ディスク３４に記憶されてもよい。ＣＰＵ３１およびＧＰＵ３９は、プログラム８１１に従ってＲＡＭ３３や固定ディスク３４を利用しつつ演算処理を実行する。ＣＰＵ３１およびＧＰＵ３９は、第１コンピュータ３において演算部として機能する。ＣＰＵ３１およびＧＰＵ３９以外に演算部として機能する他の構成が採用されてもよい。

図３は、第１コンピュータ３がプログラム８１１に従って演算処理等を実行することにより実現される機能構成を示す図である。これらの機能構成には、記憶部３０１と、検査部３０２と、制御部３０３とが含まれる。これらの機能の全部または一部は専用の電気回路により実現されてもよい。また、複数のコンピュータによりこれらの機能が実現されてもよい。図３に示す機能構成のうち、検査部３０２および制御部３０３は、ＣＰＵ３１、ＧＰＵ３９、ＲＯＭ３２、ＲＡＭ３３、固定ディスク３４およびこれらの周辺構成により実現される。また、記憶部３０１は、主としてＲＡＭ３３および固定ディスク３４により実現される。

記憶部３０１は、撮像部２１により取得された基板９上のパターンの画像（以下、「被検査画像」とも呼ぶ。）、および、基板９の検査に使用される参照画像等を記憶する。当該参照画像は、実質的に欠陥を有しない基板９上のパターンを示す画像であり、後述するように、第２コンピュータ４により生成される。検査部３０２は、被検査画像を参照画像と比較して、基板９における欠陥の有無を検査する。制御部３０３は、撮像部２１およびステージ移動機構２３、並びに、各機能構成の動作を制御する。

図４は第２コンピュータ４の構成を示す図である。第２コンピュータ４は、第１コンピュータ３と略同様に、ＣＰＵ４１と、ＲＯＭ４２と、ＲＡＭ４３と、固定ディスク４４と、ディスプレイ４５と、入力部４６と、読取装置４７と、通信部４８と、ＧＰＵ４９と、バス４０とを含む一般的なコンピュータシステムの構成を有する。ＣＰＵ４１は、各種演算処理を行う。ＧＰＵ４９は、画像処理に関する各種演算処理を行う。ＲＯＭ４２は、基本プログラムを記憶する。ＲＡＭ４３は、各種情報を記憶する。固定ディスク４４は、情報記憶を行う。ディスプレイ４５は、画像等の各種情報の表示を行う。入力部４６は、操作者からの入力を受け付けるキーボード４６ａおよびマウス４６ｂを備える。読取装置４７は、光ディスク、磁気ディスク、光磁気ディスク、メモリカード等のコンピュータ読み取り可能な記録媒体８２から情報の読み取りを行う。ディスプレイ４５、キーボード４６ａ、マウス４６ｂおよび読取装置４７は、インターフェイスＩ／Ｆを介してバス４０に接続される。通信部４８は、検査装置１の他の構成、および、外部の装置との間で信号を送受信する。バス４０は、ＣＰＵ４１、ＧＰＵ４９、ＲＯＭ４２、ＲＡＭ４３、固定ディスク４４、ディスプレイ４５、入力部４６、読取装置４７および通信部４８を接続する信号回路である。

第２コンピュータ４では、事前に読取装置４７を介して記録媒体８２からプログラム８２１が読み出されて固定ディスク４４に記憶されている。プログラム８２１はネットワークを介して固定ディスク４４に記憶されてもよい。ＣＰＵ４１およびＧＰＵ４９は、プログラム８２１に従ってＲＡＭ４３や固定ディスク４４を利用しつつ演算処理を実行する。ＣＰＵ４１およびＧＰＵ４９は、第２コンピュータ４において演算部として機能する。ＣＰＵ４１およびＧＰＵ４９以外に演算部として機能する他の構成が採用されてもよい。

図５は、第２コンピュータ４がプログラム８２１に従って演算処理等を実行することにより実現される機能構成を示す図である。これらの機能構成には、入力部４０１と、学習部４０２と、参照画像生成部４０３と、記憶部４０４とが含まれる。これらの機能の全部または一部は専用の電気回路により実現されてもよい。また、複数のコンピュータによりこれらの機能が実現されてもよい。図５に示す機能構成のうち、入力部４０１、学習部４０２および参照画像生成部４０３は、ＣＰＵ４１、ＧＰＵ４９、ＲＯＭ４２、ＲＡＭ４３、固定ディスク４４およびこれらの周辺構成により実現される。また、記憶部４０４は、主としてＲＡＭ４３および固定ディスク４４により実現される。

入力部４０１は、学習用データを記憶部４０４へと入力する。記憶部４０４は、多数の学習用データの集合である学習用データセットを記憶する。当該学習用データは、基板９上のパターンの設計データと、基板９上に形成されたパターンで実質的に欠陥を有していないものを撮像して得られた学習用画像との組み合わせである。学習用データに含まれる学習用画像は、例えば、基板９上に配置された複数のダイ（すなわち、それぞれに上記パターンが設けられている複数のパターン領域）のうち、１つのダイの一部である所定の大きさの部分領域の画像である。この場合、学習用データに含まれる設計データは、上記パターンのうち学習用画像に対応する部分領域に含まれる部位の設計データである。当該設計データは、例えば、ベクトルデータであるＣＡＤデータ、ＣＡＤデータから生成された頂点画像データ、または、頂点画像データをラスタライズして生成されたランレングスデータである。設計データは、他の形式のデータであってもよい。

学習部４０２は、上述の学習用データセットを用いたディープラーニング（例えば、ＧＡＮ（敵対生成ネットワーク））により、基板９上のパターンの設計データと学習用画像との関係を初期モデルに学習させて学習済みモデルを作成する。学習済みモデルは記憶部４０４に格納される。学習用データセットの詳細については、後述する。参照画像生成部４０３は、記憶部４０４に記憶された学習済みモデルを利用して、パターンの設計データから参照画像（すなわち、実質的に欠陥を有しない良品のパターンを示す画像）を生成する。当該参照画像は、第１コンピュータ３の記憶部３０１に格納される。

図６は、第２コンピュータ４における参照画像の生成の流れを示す図である。参照画像の生成では、まず、多数の学習用データの集合である学習用データセットが準備される（ステップＳ１１）。上述のように、各学習用データは、基板９上のパターンの設計データと、当該パターンを撮像して得られた学習用画像との組み合わせである。学習用データセットに含まれる学習用データの数は限定されないが、例えば、約１００００である。

学習用データセットに含まれる複数の学習用データは、例えば、下記の方法にて準備される。まず、検査装置１において、実質的に欠陥を有しない良品の基板９（すなわち、学習用の基板９）がステージ２２により保持される。そして、基板９上に配置された複数のダイのうち１つのダイが選択され、選択されたダイ上のパターン全体が撮像部２１により撮像される。撮像部２１による撮像は、例えば、スキャンまたはステップアンドリピートにより行われる。撮像部２１により撮像されたダイの画像は、第１コンピュータ３の記憶部３０１に格納される。

続いて、第１コンピュータ３において、当該ダイの画像が、マトリクス状に縦横に並ぶ所定の大きさ（例えば、５１２画素×５１２画素）の複数の部分画像に等分割され、各部分画像が学習用画像とされる。そして、当該学習用画像が、上述のダイの設計データのうち学習用画像に対応する領域（すなわち、部分領域）のデータと組み合わされることにより、学習用データが作成される。上述の複数の学習用画像は、隣接する学習用画像と重複することなくマトリクス状に配置され、１つのダイの画像全体を構成する。換言すれば、当該ダイ上の各位置は、当該複数の学習用画像のいずれかに対応する部分領域に含まれている。したがって、ダイ上のパターン全体を学習用データセットに含めることができる。なお、当該複数の学習用画像はそれぞれ、縦横に隣接する他の学習用画像と部分的に重複していてもよい。また、上述の部分画像の大きさは、適宜変更されてよい。

第１コンピュータ３において準備された学習用データセット（すなわち、複数の学習用データの集合）は、第２コンピュータ４に送られ、入力部４０１により記憶部４０４に入力される（ステップＳ１２）。なお、撮像部２１により撮像されたダイの画像は第２コンピュータ４に送られ、第２コンピュータ４において学習用データの作成（すなわち、学習用データセットの準備）が行われてもよい。

続いて、第２コンピュータ４の学習部４０２において、上記学習用データセットを用いたディープラーニングにより、参照画像生成用の初期モデルの学習が行われる。学習部４０２では、パターンの設計データと、当該パターンの学習用画像との関係を初期モデルに学習させることにより、学習済みモデルが作成される（ステップＳ１３）。当該学習済みモデルは、記憶部４０４に格納される。記憶部４０４には、検査装置１において検査が予定されている基板９上のパターンの設計データも予め記憶されている。

学習済みモデルの作成が終了すると、参照画像生成部４０３において、記憶部４０４に記憶されている上記設計データから、学習済みモデルを利用して参照画像が生成される（ステップＳ１４）。ステップＳ１４にて生成された参照画像は、第２コンピュータ４から第１コンピュータ３へと送られ、記憶部３０１に格納される。当該参照画像は、第１コンピュータ３の検査部３０２による基板９の検査に利用される。

第２コンピュータ４では、学習部４０２におけるディープラーニングによる学習（ステップＳ１３）、および、参照画像生成部４０３における参照画像の生成（ステップＳ１４）は、例えば、Ｐｉｘ２Ｐｉｘ、ＰｏｉｎｔＮｅｔ、または、これらの組み合わせにより行われる。ステップＳ１３では、ディープラーニングにおける内部パラメータの更新方法として、例えば、Ａｄａｍ（Adaptive moment estimation）および誤差逆伝播法が用いられる。また、出力画像と元画像との誤差の基準として、例えば、Ｌ１誤差（すなわち、各画素値の差の絶対値和）、Ｌ２誤差（すなわち、各画素値の差の二乗和）、または、交差エントロピー誤差が用いられる。内部パラメータの更新は、例えば、ミニバッチ学習法を用いて行われる。ミニバッチの単位、および、エポック数は限定されないが、例えば、４枚および５０である。内部パラメータの更新は、必ずしも所定回数繰り返される必要はなく、誤差の値や推移から更新終了が決定されてもよい。

図７は、検査装置１における基板９の検査の流れを示す図である。検査装置１では、まず、検査対象である基板９がステージ２２により保持される。そして、基板９上に配置された複数のダイのうち１つのダイが選択され、選択されたダイ上のパターン全体が撮像部２１により撮像される（ステップＳ２１）。撮像部２１による撮像は、例えば、スキャンまたはステップアンドリピートにより行われる。撮像部２１により撮像されたダイの画像（すなわち、被検査画像）は、第１コンピュータ３の記憶部３０１に格納される。

そして、検査部３０２により、記憶部３０１に記憶されている被検査画像（すなわち、パターンの画像）が上述の参照画像と比較され、有意な差異が存在する被検査画像は「欠陥有り」に分類され、それ以外の被検査画像は「欠陥無し」に分類される（ステップＳ２２）。「欠陥有り」に分類された基板９では、欠陥の位置、大きさ、および、欠陥画像データ等が取得され、ディスプレイ３５（図２参照）等に表示される。被検査画像と参照画像との比較は、公知の様々な方法（例えば、差分比較法やゆすらせ比較法）により行われてよい。検査装置１では、基板９上の複数のダイについて、上記検査が順次行われる。また、１枚の基板９の検査が終了すると、次の基板９の検査が行われる。

検査装置１では、上述の参照画像の生成（ステップＳ１１～Ｓ１４）において、上記例示の学習用データ以外に、様々な学習用データが学習用データセットに含まれてよい。例えば、ステップＳ１１では、複数の学習用画像は、必ずしもダイの画像をマトリクス状に等分割したものである必要はなく、ダイの画像から所定の大きさ（例えば、５１２画素×５１２画素）で適宜切り出された部分画像が、上述の学習用画像とされてもよい。この場合、複数の学習用画像の切り出し位置（すなわち、各学習用画像に対応する部分領域のダイ上における位置）は、ランダムに決定されてもよい。これにより、ダイ上のパターンに含まれる様々なパターン要素について、学習用画像上におけるパターン要素の位置や学習用画像に含まれるパターン要素の組み合わせが異なる複数の学習用データを、学習用データセットに含めることができる。なお、複数の学習用画像の切り出し位置は、規則的に決定されてもよい。

学習用画像の切り出し位置がランダムに決定される場合、例えば、ダイの左上の１つの頂点を原点として、ｘ座標およびｙ座標（すなわち、左右方向および上下方向の位置）が乱数等を用いてランダムに決定される。続いて、決定されたｘ座標およびｙ座標を左上原点として、上記所定の大きさの部分領域がダイの画像上に設定される。当該部分領域の全体がダイ（すなわち、パターン領域）に含まれている場合、部分領域に対応する部分画像が学習用画像として切り出される。そして、切り出された学習用画像と、当該部分領域に対応する設計データとが組み合わされて学習用データが作成される。

一方、当該部分領域がダイからはみ出している場合、部分領域に対応する部分画像は学習用画像として切り出されず、学習用データは作成されない。あるいは、当該部分領域の全体がダイに含まれるように部分領域の位置が縦方向および／または横方向にシフトされた後、部分領域に対応する部分画像が学習用画像として切り出されてもよい。この場合、部分領域の縦方向および横方向におけるシフト量は、できるだけ小さくされることが好ましい。そして、切り出された学習用画像と、当該部分領域に対応する設計データとが組み合わされて学習用データが作成される。

また、ステップＳ１１では、設計データと学習用画像との組み合わせである一の学習用データが作成されると、当該一の学習用データを利用して、新たな学習用データが作成されてもよい。

例えば、当該一の学習用データの学習用画像の輝度およびコントラストの少なくとも一方を変更した新たな学習用画像が作成され、当該新たな学習用画像と、上記一の学習用データの設計データとを組み合わせて、新たな学習用データが作成される。学習用画像の輝度の変更、および、コントラストの変更は、公知の様々な方法により行われてよい。新たな学習用データは、上記一の学習用データと共に、学習用データセットに含められる。これにより、撮像条件（例えば、撮像部の個体差や、気温および気圧等の外的要因）が画像に与える影響、並びに、ダイまたは基板の個体差（例えば、プロセス条件の微妙な変化により生じる差）による画像の差等を考慮した、ロバスト性が高い参照画像を生成することができる。その結果、ステップＳ２１において得られた被検査画像の輝度やコントラストが変動する場合であっても、ステップＳ２２における被検査画像と参照画像との比較を高精度に行うことができる。

また、例えば、上述の一の学習用データの学習用画像を回転または反転させた新たな学習用画像が作成され、また、当該一の学習用データの設計データを、上記学習用画像と同様に回転または反転させた新たな設計データが作成される。そして、新たな設計データと新たな学習用画像とを組み合わせて、新たな学習用データが作成される。設計データおよび学習用画像の回転および反転は、公知の様々な方法により行われてよい。新たな学習用データは、上記一の学習用データと共に、学習用データセットに含められる。これにより、様々な方向を向くパターンに高精度に対応して参照画像を生成可能な学習済みモデルを作成することができる。

ステップＳ１１では、基板９上の複数のダイについて撮像部２１による撮像が行われ、複数のダイの画像のそれぞれから学習用画像が取得されて複数の学習用データが作成されてもよい。換言すれば、学習用データセットは、複数のダイ（すなわち、複数のパターン領域）のそれぞれにおけるパターンの設計データと学習用画像との組み合わせである複数の学習用データを含む。これにより、基板上の位置が異なる複数のダイから、同一の設計データに対応する複数の学習用画像を取得することができる。その結果、１つの設計データと、輝度、コントラスト、パターン要素の線幅等が異なる複数の学習用画像とがそれぞれ組み合わされた複数の学習用データを作成することができる。

また、ステップＳ１１では、複数の基板９について撮像部２１による撮像が行われ、複数の基板の画像のそれぞれから学習用画像が取得されて複数の学習用データが作成されてもよい。換言すれば、学習用データセットは、複数の基板９のそれぞれにおけるパターンの設計データと学習用画像との組み合わせである複数の学習用データを含む。これにより、製造時のプロセス条件等が微妙に変化している可能性がある複数の基板９から、同一の設計データに対応する複数の学習用画像を取得することができる。その結果、１つの設計データと、輝度、コントラスト、パターン要素の線幅等が異なる複数の学習用画像とがそれぞれ組み合わされた複数の学習用データを作成することができる。

以上に説明したように、第２コンピュータ４は、参照画像を生成する参照画像生成装置である。当該参照画像は、表面上にパターンを有する基板９の製造工程（上記例では、検査工程）において、パターンの画像との比較に使用される。当該参照画像生成装置は、入力部４０１と、学習部４０２と、参照画像生成部４０３とを備える。入力部４０１は、基板９上のパターンの設計データと、当該パターンを撮像して得られた学習用画像との組み合わせである学習用データを入力する。学習部４０２は、学習用データの集合である学習用データセットを用いたディープラーニングにより、パターンの設計データと学習用画像との関係を学習させて学習済みモデルを作成する。参照画像生成部４０３は、学習済みモデルを利用してパターンの設計データから参照画像を生成する。

これにより、技術者が設計データから参照画像を生成するためのロジックを組む場合（作業期間：数ヶ月～数年）に比べて、ごく短期間（例えば、１日）で参照画像生成の準備を完了することができる。すなわち、参照画像生成までのリードタイムを大幅に短縮することができる。その結果、参照画像を短時間で容易に生成することができる。

上述の参照画像生成方法は、基板９上のパターンの設計データと当該パターンを撮像して得られた学習用画像との組み合わせである学習用データを入力する工程（ステップＳ１２）と、学習用データの集合である学習用データセットを用いたディープラーニングにより、パターンの設計データと学習用画像との関係を学習させて学習済みモデルを作成する工程（ステップＳ１３）と、当該学習済みモデルを利用してパターンの設計データから参照画像を生成する工程（ステップＳ１４）と、を備える。これにより、上記と同様に、参照画像生成までのリードタイムを大幅に短縮することができる。

上述のように、学習用データセットは、一の学習用データと、当該一の学習用データの設計データと当該一の学習用データの学習用画像の輝度またはコントラストを変更した学習用画像との組み合わせである他の学習用データと、を含むことが好ましい。上記輝度変更により、撮像部２１の照明部２１１の照度ムラ、撮像デバイス２１３の感度特性の差、および、気温や気圧の変動等に起因する、学習用画像の輝度変動を考慮した学習が可能となる。また、上記コントラスト変更により、パターンの膜厚変動等に起因する学習用画像におけるパターン要素間のコントラスト変動およびパターン要素と背景との間のコントラスト変動を考慮した学習が可能となる。したがって、上述のように、ロバスト性が高く、比較結果の均一性を向上可能な参照画像を生成することができる。また、１つの学習用画像から複数の学習用データを作成することができるため、学習用データセットに含まれる学習用データの数を容易に増大させることができる。その結果、高精度な参照画像を生成することができる。

上述のように、学習用データセットは、一の学習用データと、当該一の学習用データの設計データを回転または反転させた設計データと当該一の学習用データの学習用画像を設計データと同様に回転または反転させた学習用画像との組み合わせである他の学習用データと、を含むことが好ましい。これにより、様々な方向を向くパターンに高精度に対応して参照画像を生成可能な学習済みモデルを作成することができる。また、１つの学習用画像から複数の学習用データを作成することができるため、学習用データセットに含まれる学習用データの数を容易に増大させることができる。その結果、高精度な参照画像を生成することができる。

上述のように、学習用データセットの各学習用データは、基板９上においてパターンが設けられているパターン領域（上記例では、ダイ）の一部である部分領域におけるパターンの設計データと学習用画像との組み合わせであり、当該パターン領域における各学習用データの部分領域の位置は、ランダムに決定されることが好ましい。これにより、パターン領域上のパターンに含まれる様々なパターン要素について、学習用画像上におけるパターン要素の位置や組み合わせが異なる複数の学習用データを、学習用データセットに含めることができる。その結果、ロバスト性が高く、比較結果の均一性を向上可能な参照画像を生成することができる。

上述のように、学習用データセットの各学習用データは、基板９上においてパターンが設けられているパターン領域（上記例では、ダイ）の一部である部分領域におけるパターンの設計データと学習用画像との組み合わせであり、当該パターン領域の各位置は、学習用データセットのいずれかの学習用データに対応する部分領域に含まれることが好ましい。これにより、パターン領域のいずれの部位との比較も好適に実施可能な参照画像を生成することができる。

上述のように、基板９上に、パターンがそれぞれ設けられている複数のパターン領域（上記例では、ダイ）が配置されている場合、学習用データセットは、当該複数のパターン領域のそれぞれにおけるパターンの設計データと学習用画像との組み合わせである複数の学習用データを含むことが好ましい。これにより、基板上の位置が異なる複数のパターン領域から、同一の設計データに対応する複数の学習用画像を取得することができる。したがって、１つの設計データと、輝度、コントラスト、パターン要素の線幅等が異なる複数の学習用画像とがそれぞれ組み合わされた複数の学習用データを作成することができる。その結果、ロバスト性が高く、比較結果の均一性を向上可能な参照画像を生成することができる。

上述のように、学習用データセットは、パターンを表面上に有する複数の基板９のそれぞれにおけるパターンの設計データと学習用画像との組み合わせである複数の学習用データを含むことが好ましい。これにより、製造時のプロセス条件等が微妙に変化している可能性がある複数の基板９から、同一の設計データに対応する複数の学習用画像を取得することができる。したがって、１つの設計データと、輝度、コントラスト、パターン要素の線幅等が異なる複数の学習用画像とがそれぞれ組み合わされた複数の学習用データを作成することができる。その結果、ロバスト性が高く、比較結果の均一性を向上可能な参照画像を生成することができる。

上述のように、検査装置１は、撮像部２１と、検査部３０２とを備える。撮像部２１は、基板９上のパターンを撮像して被検査画像を取得する。検査部３０２は、当該被検査画像を上述の参照画像生成装置（すなわち、第２コンピュータ４）により生成されたパターンの参照画像と比較して、基板９における欠陥の有無を検査する。上述のように、当該参照画像生成装置は、参照画像生成までのリードタイムを短縮することができる。したがって、検査装置１において、基板９の欠陥検査を迅速に行うことができる。また、当該参照画像生成装置は、ロバスト性が高く、比較結果の均一性を向上可能な参照画像を生成することができる。したがって、検査装置１において、基板９の欠陥検査を精度良く行うことができる。

検査装置１では、検査対象である基板９のロットが変更される際に、学習済みモデルの再学習が行われてもよい。学習済みモデルの再学習では、例えば、新しく検査されるロットの中から良品である基板９が抽出され、当該基板９を撮像して新たな学習用データセットが準備される（図６：ステップＳ１１）。そして、上述のステップＳ１２～Ｓ１４と略同様の手順により、学習済みモデルの再学習が行われる。これにより、基板９の欠陥検査をさらに精度良く行うことができる。次に述べるアライメント装置１ａにおいても同様である。

図８は、本発明の第２の実施の形態に係るアライメント装置１ａの構成を示す図である。アライメント装置１ａは、表面上にパターンを有する基板９の位置を調節する装置である。アライメント装置１ａは、例えば、基板９に対する様々な処理を行う処理装置に含まれる。当該処理装置は、例えば、１枚の基板９上に設けられた複数のダイ同士を比較して欠陥を検出する検査装置、または、基板９に光を照射して描画を行う描画装置である。当該処理装置は、例えば、基板９に対する様々な処理を行う処理ヘッドを備える。

アライメント装置１ａでは、第１コンピュータ３により実現される機能構成が異なる点を除き、検査装置１と略同様の構成を備える。以下の説明では、検査装置１の各構成に対応するアライメント装置１ａの構成に同符号を付す。アライメント装置１ａは、装置本体２と、第１コンピュータ３と、第２コンピュータ４とを備える。装置本体２、第１コンピュータ３および第２コンピュータ４の構成、並びに、第２コンピュータ４により実現される機能構成は、図１、図２、図４および図５に示すものと略同じである。

図９は、アライメント装置１ａの第１コンピュータ３がプログラム８１１（図２参照）に従って演算処理等を実行することにより実現される機能構成を示す図である。これらの機能構成には、記憶部３０１と、アライメント部３０４と、制御部３０３とが含まれる。これらの機能の全部または一部は専用の電気回路により実現されてもよい。また、複数のコンピュータによりこれらの機能が実現されてもよい。図９に示す機能構成のうち、アライメント部３０４および制御部３０３は、ＣＰＵ３１、ＧＰＵ３９、ＲＯＭ３２、ＲＡＭ３３、固定ディスク３４（図２参照）およびこれらの周辺構成により実現される。また、記憶部３０１は、主としてＲＡＭ３３および固定ディスク３４により実現される。

記憶部３０１は、撮像部２１（図８参照）により取得された基板９上のパターンの画像（以下、「対象画像」とも呼ぶ。）、および、基板９のアライメントに使用される参照画像等を記憶する。当該参照画像は、アライメントに使用される基板９上のパターン（以下、「アライメントパターン」とも呼ぶ。）の画像であり、後述するように、第２コンピュータ４により生成される。アライメントパターンは、基板９上の回路パターン等の一部であってもよく、アライメント専用の目印であってもよい。アライメント部３０４は、対象画像を参照画像と比較して、基板９の位置を取得する。制御部３０３は、撮像部２１およびステージ移動機構２３、並びに、各機能構成の動作を制御する。

第２コンピュータ４では、上記と同様に、学習用データ（すなわち、アライメントパターンの設計データと学習用画像との組み合わせ）の集合である学習用データセットを用いたディープラーニングにより学習済みモデルが作成される。そして、学習済みモデルを利用して、アライメントパターンの設計データから参照画像が生成される（ステップＳ１１～Ｓ１４）。ステップＳ１１～Ｓ１４では、アライメントパターンの参照画像（すなわち、アライメントテンプレート画像）を設計データから生成することができるため、パターンを撮像して得た画像からアライメントパターンの画像を選択および抽出する場合に比べて、容易に参照画像を取得することができる。当該参照画像は、第２コンピュータ４から第１コンピュータ３へと送られ、記憶部３０１に格納される。

第１コンピュータ３では、アライメント部３０４により、記憶部３０１に記憶されている上記対象画像と参照画像とが比較され、参照画像のアライメントパターンと対応するアライメントパターンが対象画像から抽出される。続いて、対象画像におけるアライメントパターンの位置が取得される。そして、対象画像におけるアライメントパターンの位置と、所望のアライメントパターンの位置（すなわち、設計位置）とのずれが求められる。制御部３０３は、当該ずれに基づいてステージ移動機構２３を制御することにより、基板９上のアライメントパターンが所望の位置に位置するように基板９を移動させる。なお、ステージ移動機構２３は、必ずしも基板９を移動する必要はなく、基板９に処理を行う上述の処理ヘッドを移動してもよい。すなわち、ステージ移動機構２３は、基板９を当該処理ヘッドに対して相対移動して基板９の相対位置を調節する基板移動機構である。

以上に説明したように、アライメント装置１ａは、撮像部２１と、アライメント部３０４と、基板移動機構（上記例では、ステージ移動機構２３）とを備える。撮像部２１は、基板９上のパターンを撮像して対象画像を取得する。アライメント部３０４は、当該対象画像を上述の参照画像生成装置（すなわち、第２コンピュータ４）により生成されたパターンの参照画像と比較して、基板９の位置を取得する。基板移動機構は、アライメント部３０４により取得された基板９の位置に基づいて、基板９を相対移動して位置を調節する。上述のように、当該参照画像生成装置は、参照画像生成までのリードタイムを短縮することができる。したがって、アライメント装置１ａにおいて、基板９のアライメントを迅速に行うことができる。また、当該参照画像生成装置は、ロバスト性が高く、比較結果の均一性を向上可能な参照画像を生成することができる。したがって、アライメント装置１ａにおいて、基板９のアライメントを精度良く行うことができる。

上述の参照画像生成装置、参照画像生成方法、検査装置１およびアライメント装置１ａでは、様々な変更が可能である。

例えば、ステップＳ１１において準備される学習用データセットは、学習用画像の取得も含めて検査装置１の外部において作成され、記録ディスクやネットワークを介して検査装置１に入力されてもよい。アライメント装置１ａについても同様である。

上述の学習用データセットは、必ずしも、複数の基板９のそれぞれにおける学習用データを含む必要はない。また、上述の学習用データセットは、必ずしも、基板９上の複数のパターン領域（上記例では、ダイ）のそれぞれにおける学習用データを含む必要はない。なお、上記複数のパターン領域はダイ以外であってもよい。また、基板９上には、必ずしも複数のパターン領域が配置されている必要はない。

上述の学習用データセットでは、パターン領域の各位置は、必ずしもいずれかの学習用データに対応する部分領域（すなわち、パターン領域の一部である領域）に含まれる必要はない。また、各学習用データは、必ずしも、パターン領域の部分領域におけるパターンの設計データと学習用画像との組み合わせである必要はない。例えば、パターン領域の全体におけるパターンの設計データと学習用画像との組み合わせが、１つの学習用データとして学習用データセットに含まれてもよい。

上述の学習用データセットは、必ずしも、学習用画像の輝度またはコントラストを変更した学習用データを含む必要はない。また、学習用データセットは、必ずしも、学習用画像を回転または反転させた学習用データを含む必要はない。

上述の参照画像生成装置、検査装置１およびアライメント装置１ａで取り扱われる基板９は、半導体基板には限定されず、液晶表示装置または有機ＥＬ（Electro Luminescence）表示装置等の平面表示装置（Flat Panel Display）に使用されるガラス基板、あるいは、他の表示装置に使用されるガラス基板であってもよい。また、基板９は、光ディスク用基板、磁気ディスク用基板、光磁気ディスク用基板、フォトマスク用基板、セラミック基板および太陽電池用基板等であってもよい。

検査装置１およびアライメント装置１ａでは、第１コンピュータ３および第２コンピュータ４は、装置本体２の筐体の中に収納されてもよい。

第２コンピュータ４は、検査装置１およびアライメント装置１ａ以外の装置に含まれてもよい。また、第２コンピュータ４は、参照画像生成装置として単独で使用されてもよい。

上記実施の形態および各変形例における構成は、相互に矛盾しない限り適宜組み合わされてよい。

１ 検査装置
１ａ アライメント装置
４ 第２コンピュータ
９ 基板
２１ 撮像部
２３ ステージ移動機構
３０２ 検査部
３０４ アライメント部
４０１ 入力部
４０２ 学習部
４０３ 参照画像生成部
Ｓ１１～Ｓ１４，Ｓ２１～Ｓ２２ ステップ

Claims (16)

1. 表面上にパターンを有する基板における、前記パターンの画像と設計データとの関係を学習する学習装置であって、
   前記基板上に形成された、欠陥を有しないパターンを撮像して得られた学習用画像と、前記学習用画像に対応する部分領域に含まれる設計データとの組み合わせである学習用データを入力する入力部と、
   前記学習用データの集合である学習用データセットを用いたディープラーニングにより、前記パターンの設計データと学習用画像との関係を学習させて学習済みモデルを作成する学習部と、
   を備えることを特徴とする学習装置。
2. 請求項１に記載の学習装置であって、
   前記学習用データセットは、
   一の学習用データと、
   前記一の学習用データの設計データと前記一の学習用データの学習用画像の輝度またはコントラストを変更した学習用画像との組み合わせである他の学習用データと、
   を含むことを特徴とする学習装置。
3. 請求項１または２に記載の学習装置であって、
   前記学習用データセットは、
   一の学習用データと、
   前記一の学習用データの設計データを回転または反転させた設計データと前記一の学習用データの学習用画像を前記設計データと同様に回転または反転させた学習用画像との組み合わせである他の学習用データと、
   を含むことを特徴とする学習装置。
4. 請求項１ないし３のいずれか１つに記載の学習装置であって、
   前記学習用データセットの各学習用データは、前記基板上において前記パターンが設けられているパターン領域の一部である部分領域における前記パターンの設計データと学習用画像との組み合わせであり、
   前記パターン領域における前記各学習用データの前記部分領域の位置はランダムに決定されることを特徴とする学習装置。
5. 請求項１ないし４のいずれか１つに記載の学習装置であって、
   前記学習用データセットの各学習用データは、前記基板上において前記パターンが設けられているパターン領域の一部である部分領域における前記パターンの設計データと学習用画像との組み合わせであり、
   前記パターン領域の各位置は、前記学習用データセットのいずれかの学習用データに対応する前記部分領域に含まれることを特徴とする学習装置。
6. 請求項１ないし５のいずれか１つに記載の学習装置であって、
   前記基板上に、前記パターンがそれぞれ設けられている複数のパターン領域が配置されており、
   前記学習用データセットは、前記複数のパターン領域のそれぞれにおける前記パターンの設計データと学習用画像との組み合わせである複数の学習用データを含むことを特徴とする学習装置。
7. 請求項１ないし６のいずれか１つに記載の学習装置であって、
   前記学習用データセットは、前記パターンを表面上に有する複数の基板のそれぞれにおける前記パターンの設計データと学習用画像との組み合わせである複数の学習用データを含むことを特徴とする学習装置。
8. 表面上にパターンを有する基板を検査する検査装置であって、
   基板上のパターンを撮像して被検査画像を取得する撮像部と、
   前記パターンの設計データを、請求項１ないし７のいずれか１つに記載の学習装置により生成された学習済みモデルに入力し、参照画像を生成する参照画像生成部と、
   前記被検査画像を前記パターンの設計データから生成された前記参照画像と比較して、前記基板における欠陥の有無を検査する検査部と、
   を備えることを特徴とする検査装置。
9. 表面上にパターンを有する基板の位置を調節するアライメント装置であって、
   基板上のパターンを撮像して対象画像を取得する撮像部と、
   前記パターンの設計データを、請求項１ないし７のいずれか１つに記載の学習装置により生成された学習済みモデルに入力し、参照画像を生成する参照画像生成部と、
   前記対象画像を前記パターンの設計データから生成された前記参照画像と比較して前記基板の位置を取得するアライメント部と、
   前記アライメント部により取得された前記基板の位置に基づいて、前記基板を相対移動して位置を調節する基板移動機構と、
   を備えることを特徴とするアライメント装置。
10. 表面上にパターンを有する基板における、前記パターンの画像と設計データとの関係を学習する学習方法であって、
    ａ）前記基板上に形成された、欠陥を有しないパターンを撮像して得られた学習用画像と、前記学習用画像に対応する部分領域に含まれる設計データとの組み合わせである学習用データを入力する工程と、
    ｂ）前記学習用データの集合である学習用データセットを用いたディープラーニングにより、前記パターンの設計データと学習用画像との関係を学習させて学習済みモデルを作成する工程と、
    を備えることを特徴とする学習方法。
11. 請求項１０に記載の学習方法であって、
    前記学習用データセットは、
    一の学習用データと、
    前記一の学習用データの設計データと前記一の学習用データの学習用画像の輝度またはコントラストを変更した学習用画像との組み合わせである他の学習用データと、
    を含むことを特徴とする学習方法。
12. 請求項１０または１１に記載の学習方法であって、
    前記学習用データセットは、
    一の学習用データと、
    前記一の学習用データの設計データを回転または反転させた設計データと前記一の学習用データの学習用画像を前記設計データと同様に回転または反転させた学習用画像との組み合わせである他の学習用データと、
    を含むことを特徴とする学習方法。
13. 請求項１０ないし１２のいずれか１つに記載の学習方法であって、
    前記学習用データセットの各学習用データは、前記基板上において前記パターンが設けられているパターン領域の一部である部分領域における前記パターンの設計データと学習用画像との組み合わせであり、
    前記パターン領域における前記各学習用データの前記部分領域の位置はランダムに決定されることを特徴とする学習方法。
14. 請求項１０ないし１３のいずれか１つに記載の学習方法であって、
    前記学習用データセットの各学習用データは、前記基板上において前記パターンが設けられているパターン領域の一部である部分領域における前記パターンの設計データと学習用画像との組み合わせであり、
    前記パターン領域の各位置は、前記学習用データセットのいずれかの学習用データに対応する前記部分領域に含まれることを特徴とする学習方法。
15. 請求項１０ないし１４のいずれか１つに記載の学習方法であって、
    前記基板上に、前記パターンがそれぞれ設けられている複数のパターン領域が配置されており、
    前記学習用データセットは、前記複数のパターン領域のそれぞれにおける前記パターンの設計データと学習用画像との組み合わせである複数の学習用データを含むことを特徴とする学習方法。
16. 請求項１０ないし１５のいずれか１つに記載の学習方法であって、
    前記学習用データセットは、前記パターンを表面上に有する複数の基板のそれぞれにおける前記パターンの設計データと学習用画像との組み合わせである複数の学習用データを含むことを特徴とする学習方法。

Images