JPWO2020121739A1 - 画像マッチング方法、および画像マッチング処理を実行するための演算システム - Google Patents

Abstract

本発明は、設計データ上のパターンと、画像上のパターンとの位置合わせを行うための画像マッチング処理に関し、特に機械学習によって構築されたモデルを用いた画像マッチング処理に関する。本方法は、設計データ上の指定されたＣＡＤパターンをＣＡＤ画像（３０１）に変換し、ＣＡＤ画像（３０１）を、機械学習により構築されたモデルに入力し、モデルによって定義されたアルゴリズムに従って計算を実行することで、モデルから疑似画像（３２１）を出力し、画像生成装置（１００）によって生成された画像上の複数のパターンの中から、疑似画像（３２１）上のＣＡＤパターン（３２２）の形状に最も近い形状を有するパターンを決定する。

Description

本発明は、設計データ上のパターンと、画像上のパターンとの位置合わせを行うための画像マッチング処理に関し、特に機械学習によって構築されたモデルを用いた画像マッチング処理に関する。

ダイ・ツー・データベース（Die to Database）技術を用いた半導体デバイスのパターン検査方法が知られている（例えば特許文献１）。代表的なパターン検査方法は、ウェーハ上のパターンの画像を走査電子顕微鏡で生成し、設計データ（ＣＡＤデータともいう）上のＣＡＤパターンと画像上のパターンとを比較して、ウェーハ上のパターンの欠陥を検出することである。このようなパターン検査方法の前処理として、設計データ上のＣＡＤパターンを、画像上のパターンに位置合わせするマッチング処理が行われる。

図１３は、マッチング処理の一例を示す模式図である。マッチング処理は、設計データ上のＣＡＤパターン５０１を、画像上のある領域内にある多数のパターン５０５−１〜５０５−Ｎの１つ１つと比較し、ＣＡＤパターン５０１の形状に最も近いパターン５０５−ｎを決定するというアルゴリズムを実行する。

特開２０１１−１７７０５号公報

しかしながら、上述したマッチング処理は、ＣＡＤパターン５０１を画像上の多数のパターン５０５−１〜５０５−Ｎと比較する必要があるために、処理時間が長くなる。さらに、ＣＡＤパターン５０１に対応する画像上のパターン５０５−ｎは、ウェーハ上にパターンを形成する段階、および／またはウェーハ上のパターンを撮像する段階で変形する。このため、図１４に示すように、ＣＡＤパターン５０１とパターン５０５−ｎとでは、形状に大きな差異があることがある。結果として、マッチング処理に失敗することがあった。

そこで、本発明は、設計データ上のＣＡＤパターンと画像上の対応するパターンとのマッチング処理を正しく行うことができる方法および装置を提供する。

一態様では、設計データ上の指定されたＣＡＤパターンをＣＡＤ画像に変換し、前記ＣＡＤ画像を、機械学習により構築されたモデルに入力し、前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力し、画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のＣＡＤパターンの形状に最も近い形状を有するパターンを決定する方法が提供される。

一態様では、前記モデルは、設計データ上の複数のＣＡＤパターンから変換された複数のＣＡＤ画像と、前記複数のＣＡＤ画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルである。
一態様では、前記訓練データは、訓練用付加情報データをさらに含み、前記訓練用付加情報データは、前記複数のＣＡＤパターンの位置情報、前記複数のＣＡＤパターンの周辺にある複数のＣＡＤパターンから変換された複数の周辺画像、および前記複数のＣＡＤパターンの上または下に存在する複数のＣＡＤパターンから変換された複数のレイヤー画像のうちの少なくとも１つを含む。
一態様では、前記ＣＡＤ画像に加えて、付加情報データを前記モデルに入力し、前記付加情報データは、前記指定されたＣＡＤパターンの位置情報、前記指定されたＣＡＤパターンの周辺にあるＣＡＤパターンから変換された周辺画像、および前記指定されたＣＡＤパターンの上または下に存在するＣＡＤパターンから変換されたレイヤー画像のうちの少なくとも１つを含む。
一態様では、前記方法は、前記モデルから出力された疑似画像上のＣＡＤパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整する工程をさらに含む。

一態様では、画像マッチング処理を実行するための演算システムであって、機械学習により構築されたモデル、およびプログラムが格納された記憶装置と、前記プログラムに従って演算を実行する処理装置を備え、前記演算システムは、設計データ上の指定されたＣＡＤパターンをＣＡＤ画像に変換し、前記ＣＡＤ画像を前記モデルに入力し、前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力させ、画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のＣＡＤパターンの形状に最も近い形状を有するパターンを決定するように動作する、演算システムが提供される。

一態様では、前記モデルは、設計データ上の複数のＣＡＤパターンから変換された複数のＣＡＤ画像と、前記複数のＣＡＤ画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルである。
一態様では、前記訓練データは、訓練用付加情報データをさらに含み、前記訓練用付加情報データは、前記複数のＣＡＤパターンの位置情報、前記複数のＣＡＤパターンの周辺にある複数のＣＡＤパターンから変換された複数の周辺画像、および前記複数のＣＡＤパターンの上または下に存在する複数のＣＡＤパターンから変換された複数のレイヤー画像のうちの少なくとも１つを含む。
一態様では、前記ＣＡＤ画像に加えて、付加情報データを前記モデルに入力し、前記付加情報データは、前記指定されたＣＡＤパターンの位置情報、前記指定されたＣＡＤパターンの周辺にあるＣＡＤパターンから変換された周辺画像、および前記指定されたＣＡＤパターンの上または下に存在するＣＡＤパターンから変換されたレイヤー画像のうちの少なくとも１つを含む。
一態様では、前記演算システムは、前記モデルから出力された疑似画像上のＣＡＤパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整するように動作する。

一態様では、画像マッチング処理を実行するための演算システムであって、機械学習により構築されたモデル、およびプログラムが格納された記憶装置と、前記プログラムに従って演算を実行する処理装置を備え、前記プログラムは、設計データ上の指定されたＣＡＤパターンをＣＡＤ画像に変換するステップと、前記ＣＡＤ画像を前記モデルに入力するステップと、前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力させるステップと、画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のＣＡＤパターンの形状に最も近い形状を有するパターンを決定するステップを前記演算システムに実行させるための指令を含む、演算システムが提供される。

本発明によれば、ディープラーニングなどの機械学習によって構築されたモデルは、設計データ上のＣＡＤパターンから実際のパターンを正確に予測することができる。すなわち、モデルから出力された疑似画像上に現れるＣＡＤパターンは、実際のパターンに近い形状を有していると予想される。したがって、演算システムは、疑似画像上のＣＡＤパターンと、画像生成装置によって生成された画像上のパターンとの位置合わせ（すなわち画像マッチング処理）を正しく行うことができる。

撮像装置の一実施形態を示す模式図である。 機械学習によりモデルを構築する一実施形態を説明するフローチャートである。 ＣＡＤパターンから変換されたＣＡＤ画像の一例を示す模式図である。 走査電子顕微鏡によって生成されたＳＥＭ画像の一例を示す模式図である。 機械学習に使用されるモデルの一例を示す模式図である。 機械学習によって構築されたモデルを用いて、ＣＡＤパターンとＳＥＭ画像上のパターンとの位置合わせ（画像マッチング処理）を行う方法の一実施形態を説明するフローチャートである。 ＣＡＤ画像、ＳＥＭ画像、および疑似画像の例を示す模式図である。 機械学習によりモデルを構築する他の実施形態を説明するフローチャートである。 機械学習によりモデルを構築する他の実施形態を説明するフローチャートである。 周辺画像の一例を示す模式図である。 指定されたＣＡＤパターンに重なる上下層のＣＡＤパターンから変換されたレイヤー画像の一例を示す模式図である。 図９に示すフローチャートに従って作成されたモデルを用いて、ＣＡＤパターンとＳＥＭ画像上のパターンとの位置合わせ（画像マッチング処理）を行う方法の一実施形態を示すフローチャートである。 マッチング処理の一例を示す模式図である。 ＣＡＤパターンと、画像上の対応するパターンを示す模式図である。

以下、本発明の実施形態について図面を参照して説明する。
図１は、撮像装置の一実施形態を示す模式図である。図１に示すように、撮像装置は、走査電子顕微鏡５０および演算システム１５０を備えている。走査電子顕微鏡５０は、画像生成装置の一例である。走査電子顕微鏡５０は、演算システム１５０に接続されており、走査電子顕微鏡５０の動作は演算システム１５０によって制御される。

演算システム１５０は、データベース１６１およびプログラムが格納された記憶装置１６２と、プログラムに従って演算を実行する処理装置１６３を備えている。処理装置１６３は、記憶装置１６２に格納されているプログラムに従って演算を行うＣＰＵ（中央処理装置）またはＧＰＵ（グラフィックプロセッシングユニット）などを含む。記憶装置１６２は、処理装置１６３がアクセス可能な主記憶装置（例えばランダムアクセスメモリ）と、データおよびプログラムを格納する補助記憶装置（例えば、ハードディスクドライブまたはソリッドステートドライブ）を備えている。

演算システム１５０は、少なくとも１台のコンピュータを備えている。例えば、演算システム１５０は、走査電子顕微鏡５０に通信線で接続されたエッジサーバであってもよいし、インターネットなどのネットワークによって走査電子顕微鏡５０に接続されたクラウドサーバであってもよいし、あるいは走査電子顕微鏡５０に接続されたネットワーク内に設置されたフォグコンピューティングデバイス（ゲートウェイ、フォグサーバ、ルーターなど）であってもよい。演算システム１５０は、複数のサーバの組み合わせであってもよい。例えば、演算システム１５０は、インターネットなどのネットワークにより互いに接続されたエッジサーバとクラウドサーバとの組み合わせであってもよい。

走査電子顕微鏡５０は、一次電子（荷電粒子）からなる電子ビームを発する電子銃１１１と、電子銃１１１から放出された電子ビームを集束する集束レンズ１１２、電子ビームをＸ方向に偏向するＸ偏向器１１３、電子ビームをＹ方向に偏向するＹ偏向器１１４、電子ビームを試料であるウェーハ１２４にフォーカスさせる対物レンズ１１５を有する。

集束レンズ１１２および対物レンズ１１５はレンズ制御装置１１６に接続され、集束レンズ１１２および対物レンズ１１５の動作はレンズ制御装置１１６によって制御される。このレンズ制御装置１１６は演算システム１５０に接続されている。Ｘ偏向器１１３、Ｙ偏向器１１４は、偏向制御装置１１７に接続されており、Ｘ偏向器１１３、Ｙ偏向器１１４の偏向動作は偏向制御装置１１７によって制御される。この偏向制御装置１１７も同様に演算システム１５０に接続されている。二次電子検出器１３０と反射電子検出器１３１は画像取得装置１１８に接続されている。画像取得装置１１８は二次電子検出器１３０と反射電子検出器１３１の出力信号を画像に変換するように構成される。この画像取得装置１１８も同様に演算システム１５０に接続されている。

試料チャンバー１２０内に配置される試料ステージ１２１は、ステージ制御装置１２２に接続されており、試料ステージ１２１の位置はステージ制御装置１２２によって制御される。このステージ制御装置１２２は演算システム１５０に接続されている。ウェーハ１２４を、試料チャンバー１２０内の試料ステージ１２１に載置するためのウェーハ搬送装置１４０も同様に演算システム１５０に接続されている。

電子銃１１１から放出された電子ビームは集束レンズ１１２で集束された後に、Ｘ偏向器１１３、Ｙ偏向器１１４で偏向されつつ対物レンズ１１５により集束されてウェーハ１２４の表面に照射される。ウェーハ１２４に電子ビームの一次電子が照射されると、ウェーハ１２４からは二次電子および反射電子が放出される。二次電子は二次電子検出器１３０により検出され、反射電子は反射電子検出器１３１により検出される。検出された二次電子の信号、および反射電子の信号は、画像取得装置１１８に入力され画像に変換される。画像は演算システム１５０に送信される。

ウェーハ１２４の設計データは、記憶装置１６２に予め記憶されている。ウェーハ１２４の設計データは、ウェーハ１２４上に形成されたパターンの頂点の座標、パターンの位置、形状、および大きさ、パターンが属する層の番号などのパターンの設計情報を含む。記憶装置１６２には、データベース１６１が構築されている。ウェーハ１２４の設計データは、データベース１６１内に予め格納される。演算システム１５０は、記憶装置１６２に格納されているデータベース１６１からウェーハ１２４の設計データを読み込むことが可能である。

次に、設計データ上のＣＡＤパターンと、走査電子顕微鏡５０によって生成されたウェーハの画像上のパターンとのマッチング処理について説明する。以下の説明では、画像生成装置である走査電子顕微鏡５０によって生成された実画像を、ＳＥＭ画像という。ウェーハのパターンは、設計データ（ＣＡＤデータともいう）に基づいて形成されている。ＣＡＤは、コンピュータ支援設計（computer-aided design）の略語である。マッチング処理は、機械学習によりモデルを構築する工程と、モデルを用いて生成された疑似画像上のＣＡＤパターンとＳＥＭ画像上のパターンとの位置合わせ（すなわち画像マッチング処理）を実行する工程とに分けられる。

モデルの構築と、画像マッチング処理は、演算システム１５０によって実行される。演算システム１５０は、専用のコンピュータまたは汎用のコンピュータを少なくとも１つ含む。演算システム１５０が第１コンピュータおよび第２コンピュータを含む複数のコンピュータを備える場合は、第１コンピュータは上記モデルを構築する工程を実行し、第２コンピュータは、上記モデル用いて、疑似画像上のＣＡＤパターンとＳＥＭ画像上のパターンとの位置合わせを実行してもよい。第１コンピュータで作成されたモデルは、ＵＳＢフラッシュドライブ（ＵＳＢメモリともいう）などの半導体メモリに一時的に保存された後に、半導体メモリから第２コンピュータに読み込まれてもよい。あるいは、第１コンピュータで作成されたモデルは、インターネットまたはローカルエリアネットワークなどの通信ネットワークを通じて第２コンピュータに送信されてもよい。

図２は、機械学習によりモデルを構築する一実施形態を説明するフローチャートである。
ステップ１−１では、演算システム１５０は、設計データ上のＣＡＤパターンを指定する。設計データは、ウェーハに形成されたパターンの設計情報を含むデータであり、具体的には、パターンの頂点の座標、パターンの位置、形状、および大きさ、パターンが属する層の番号などのパターンの設計情報を含む。設計データ上のＣＡＤパターンは、設計データに含まれるパターンの設計情報によって定義される仮想パターンである。このステップ１−１は、設計データに含まれる複数のＣＡＤパターンから、あるＣＡＤパターンを特定する工程である。このステップ１−１では、複数のＣＡＤパターンが指定されてもよい。

ステップ１−２では、演算システム１５０は、指定されたＣＡＤパターンをＣＡＤ画像に変換する。より具体的には、演算システム１５０は、設計データに含まれるＣＡＤパターンの設計情報（例えば、ＣＡＤパターンの頂点の座標）に基づいて、図３に示すようなＣＡＤパターン１００を描画し、ある面積を持ったＣＡＤ画像１０１を生成する。演算システム１５０は、生成したＣＡＤ画像１０１を、演算システム１５０の記憶装置１６２内に記憶する。

ステップ１−３では、画像生成装置としての走査電子顕微鏡５０は、ステップ１−１で指定されたＣＡＤパターンに基づいて実際に形成されたウェーハ上のパターンのＳＥＭ画像を生成する。図４は、走査電子顕微鏡５０によって生成されたＳＥＭ画像の一例を示す模式図である。図４において、符号１０４はＳＥＭ画像を表し、符号１０５はＳＥＭ画像１０４上に現れたパターンを表している。パターン１０５は、上記指定されたＣＡＤパターン、すなわちＣＡＤ画像１０１上のＣＡＤパターン１００に対応する。演算システム１５０は、ＳＥＭ画像１０４を走査電子顕微鏡５０から取得し、ＳＥＭ画像１０４を記憶装置１６２内に記憶する。

ステップ１−４では、演算システム１５０は、上記ステップ１−２で生成されたＣＡＤ画像と、上記ステップ１−３で生成されたＳＥＭ画像を含む訓練データを作成する。
ステップ１−５では、演算システム１５０は、ＣＡＤ画像とＳＥＭ画像とを含む訓練データを用いて、モデルのパラメータ（重み係数など）を機械学習により決定する。機械学習では、訓練データに含まれるＣＡＤ画像は説明変数として用いられ、訓練データに含まれるＳＥＭ画像は目的変数として用いられる。

演算システム１５０および走査電子顕微鏡５０は、上述したステップ１−１からステップ１−５までの工程を、予め設定された回数だけ繰り返し、機械学習によりモデルを構築する。すなわち、モデルは、設計データ上の複数のＣＡＤパターンから変換された複数のＣＡＤ画像と、これらＣＡＤ画像に対応する複数のＳＥＭ画像を含む訓練データを用いて機械学習により構築される。このように機械学習によって構築されたモデルは、学習済みモデルともいう。演算システム１５０は、モデルを記憶装置１６２内に記憶する。ステップ１−１〜ステップ１−５が繰り返される間、同じ設計データが使用されてもよいし、または複数の設計データが使用されてもよい。

図５は、機械学習に使用されるモデルの一例を示す模式図である。モデルは、入力層２０１と、複数の中間層（隠れ層ともいう）２０２と、出力層２０３を有したニューラルネットワークである。モデルの入力層２０１にはＣＡＤ画像が入力される。より具体的には、ＣＡＤ画像を構成する各ピクセルの数値が入力層２０１に入力される。一例では、ＣＡＤ画像がグレースケール画像である場合は、各ピクセルのグレーレベルを示す数値がモデルの入力層２０１の各ノード（ニューロン）に入力される。出力層２０３は、入力層２０１に入力されたＣＡＤ画像を構成するピクセルにそれぞれ対応するピクセルの数値を出力する。

機械学習のアルゴリズムとしては、ディープラーニングが好適である。ディープラーニングは、中間層が多層化されたニューラルネットワークをベースとする学習法である。本明細書では、入力層と、複数の中間層（隠れ層）と、出力層で構成されるニューラルネットワークを用いた機械学習をディープラーニングと称する。ディープラーニングを用いて構築されたモデルは、様々な因子に起因して変形しうるパターンの形状を正確に予測することができる。

次に、機械学習によって構築されたニューラルネットワークからなる上記モデルを用いて、ＣＡＤパターンとＳＥＭ画像上のパターンとの位置合わせ（すなわち画像マッチング処理）を行う方法の一実施形態について、図６に示すフローチャートを参照して説明する。

ステップ２−１では、演算システム１５０は、設計データ上のＣＡＤパターンを指定する。
ステップ２−２では、走査電子顕微鏡５０は、ステップ２−１で使用された設計データに基づいて実際に形成されたウェーハ上のパターンのＳＥＭ画像（実画像）を生成する。演算システム１５０は、ＳＥＭ画像を走査電子顕微鏡５０から取得し、ＳＥＭ画像を記憶装置１６２内に記憶する。
ステップ２−３では、演算システム１５０は、ステップ２−１で指定されたＣＡＤパターンをＣＡＤ画像に変換する。演算システム１５０は、ＣＡＤ画像を記憶装置１６２内に記憶する。
ステップ２−４では、演算システム１５０は、ステップ２−３で得られたＣＡＤ画像を上記モデルに入力する。
ステップ２−５では、演算システム１５０は、モデルによって定義されたアルゴリズムに従って計算を実行することで、モデルから疑似画像を出力させる。
ステップ２−６では、演算システム１５０は、ステップ２−２で生成されたＳＥＭ画像上の複数のパターンの中から、疑似画像上のＣＡＤパターンの形状に最も近い形状を有するパターンを決定する。ＳＥＭ画像上のパターンと、疑似画像上のＣＡＤパターンとの間の類似性の判断には、位相限定相関法などの公知の技術を使用することができる。

図７は、ＣＡＤ画像、ＳＥＭ画像、および疑似画像の例を示す模式図である。ＣＡＤ画像３０１上のＣＡＤパターン３０２は、設計データに含まれるＣＡＤパターンの各頂点の座標に基づいて作成されるので、ＣＡＤパターン３０２は直線的な線分によって構成されている。これに対し、ＳＥＭ画像３１１上の実際のパターン３１２は、製造工程上および／または撮像工程上の理由により、ＣＡＤパターン３０２に比べて変形している。モデルから出力された疑似画像３２１上のＣＡＤパターン３２２は、ＳＥＭ画像３１１上の実際のパターン３１２に近い形状を有している。

本実施形態によれば、ディープラーニングなどの機械学習によって構築されたモデルは、設計データ上のＣＡＤパターンから実際のパターンを正確に予測することができる。すなわち、モデルから出力された疑似画像上に現れるＣＡＤパターンは、実際のパターンに近い形状を有していると予想される。したがって、演算システム１５０は、疑似画像上のＣＡＤパターンと、画像生成装置によって生成された画像上のパターンとの位置合わせ（すなわち画像マッチング処理）を正しく行うことができる。

演算システム１５０および走査電子顕微鏡５０は、記憶装置１６２に格納されているプログラムに含まれる指令に従って上記ステップ２−１〜２−６を実行する。プログラムは、まず、非一時的な有形物であるコンピュータ読み取り可能な記録媒体に記録され、その後、記録媒体を介して演算システム１５０に提供される。または、プログラムは、インターネットまたはローカルエリアネットワークなどの通信ネットワークを介して演算システム１５０に提供されてもよい。

一実施形態では、マッチングにより適した傾向を持った疑似画像をモデルが出力することを可能とするために、演算システム１５０は、疑似画像上のＣＡＤパターンとＳＥＭ画像上のパターンとのパターンマッチング結果を用いて、モデルのパラメータ（重み係数など）を調整してもよい。以下、この実施形態について図８を参照して説明する。

演算システム１５０は、設計データ上のＣＡＤパターンから変換されたＣＡＤ画像３０１をモデルに入力する。次に、演算システム１５０は、モデルから出力された疑似画像３２１上のＣＡＤパターン３２２と、モデルの構築に使用された訓練データに含まれるＳＥＭ画像（実画像）３１１上のパターン３１２とのパターンマッチングを実行する。このパターンマッチングに使用されるＳＥＭ画像３１１は、モデルに入力されたＣＡＤ画像３０１に対応する。パターンマッチングは、疑似画像３２１上のＣＡＤパターン３２２がＳＥＭ画像３１１上のパターン３１２に合致するか否かを判定する公知のアルゴリズムに従って実行される。

演算システム１５０は、パターンマッチングの結果を出力する。すなわち、モデルから出力された疑似画像３２１上のＣＡＤパターン３２２が、ＳＥＭ画像３１１上のパターン３１２に所定の許容範囲内で合致すれば、演算システム１５０はパターンマッチングが成功したことを示す第１の数値（例えば１）を出力する。一方、モデルから出力された疑似画像３２１上のＣＡＤパターン３２２が、ＳＥＭ画像３１１上のパターン３１２に所定の許容範囲内で合致しなければ、演算システム１５０はパターンマッチングが失敗したことを示す第２の数値（例えば０）を出力する。

演算システム１５０は、第２の数値を出力した場合は、パターンマッチングの結果として第１の数値を出力するように、機械学習を実行してモデルのパラメータを調整し、パターンマッチングを実行する。すなわち、演算システム１５０は、モデルから出力された疑似画像３２１上のＣＡＤパターン３２２が、ＳＥＭ画像３１１上のパターン３１２に所定の許容範囲内で合致するように、機械学習を実行してモデルのパラメータを調整する。このような動作により、モデルは、マッチングにより適した傾向を持った疑似画像３２１を出力することができる。

図９は、機械学習によりニューラルネットワークからなるモデルを構築する他の実施形態を説明するフローチャートである。本実施形態のステップ３−１〜３−３は、図２に示すステップ１−１〜１−３と同じであるので、その重複する説明を省略する。
本実施形態では、疑似画像上のＣＡＤパターンの形状を、ウェーハ上の実際のパターンの形状により近づけるために、モデルの構築に使用される訓練データは、訓練用付加情報データをさらに含んでいる。

すなわち、ステップ３−４では、演算システム１５０は、ステップ３−１で指定されたＣＡＤパターンの位置情報、ステップ３−１で指定されたＣＡＤパターンの周辺にあるＣＡＤパターンから変換された周辺画像、ステップ３−１で指定されたＣＡＤパターンの上または下に存在するＣＡＤパターンから変換されたレイヤー画像のうちの少なくとも１つを含む訓練用付加情報データを作成する。一実施形態では、レイヤー画像は、指定されたＣＡＤパターンの上および下に存在するＣＡＤパターンから変換されたレイヤー画像であってもよい。

ＣＡＤパターンの位置情報は、設計データに含まれている。したがって、演算システム１５０は、指定されたＣＡＤパターンの位置情報を設計データから得ることができる。周辺画像は、演算システム１５０により生成される。より具体的には、演算システム１５０は、指定されたＣＡＤパターンの周囲に存在するＣＡＤパターンの設計情報に基づいて、これらＣＡＤパターンを描画し、ある面積を持った周辺画像を生成する。

図１０は、周辺画像の一例を示す模式図である。図１０において、符号４０１は、ステップ３−１で指定されたＣＡＤパターンを表し、符号４０３は、ステップ３−２で生成されたＣＡＤ画像を表し、符号４０５は、ＣＡＤ画像４０３の周囲に存在するＣＡＤパターンを表し、符号４０６は、ＣＡＤパターン４０５から変換された周辺画像を表している。

レイヤー画像も、演算システム１５０により生成される。より具体的には、演算システム１５０は、指定されたＣＡＤパターンの上および／または下に存在するＣＡＤパターンの設計情報に基づいて、これらＣＡＤパターンを描画し、ある面積を持ったレイヤー画像を生成する。

図１１は、指定されたＣＡＤパターンの上および下に存在するＣＡＤパターンから変換されたレイヤー画像の一例を示す模式図である。図１１において、符号５０１は、ステップ３−１で指定されたＣＡＤパターンを表し、符号５０３は、ステップ３−２で生成されたＣＡＤ画像を表し、符号５０５，５０６は、指定されたＣＡＤパターンに重なる上下層内に存在するＣＡＤパターンを表し、符号５０８，５０９は、上下層のＣＡＤパターン５０５，５０６から変換されたレイヤー画像を表している。

図９に戻り、ステップ３−５では、演算システム１５０は、上記ステップ３−２で生成されたＣＡＤ画像と、上記ステップ３−３で生成されたＳＥＭ画像と、上記ステップ３−４で作成された訓練用付加情報データを含む訓練データを作成する。
ステップ３−６では、演算システム１５０は、上記訓練データを用いて、ニューラルネットワークからなるモデルのパラメータ（重み係数など）を機械学習により決定する。本実施形態に使用されるモデルの構造は、図５に示すモデルと基本的に同じであるが、モデルの入力層は、訓練用付加情報データが入力されるノード（ニューロン）をさらに備えている点で異なっている。

演算システム１５０および走査電子顕微鏡５０は、上述したステップ３−１からステップ３−６までの工程を、予め設定された回数だけ繰り返し、機械学習によりモデルを構築する。すなわち、モデルは、設計データ上の複数のＣＡＤパターンから変換された複数のＣＡＤ画像と、これらＣＡＤ画像に対応する複数のＳＥＭ画像と、訓練用付加情報データを含む訓練データを用いて機械学習により構築される。訓練用付加情報データは、ステップ３−１を繰り返すことで得られた複数のＣＡＤパターンの位置情報、前記複数のＣＡＤパターンの周辺にある複数のＣＡＤパターンから変換された複数の周辺画像、および前記複数のＣＡＤパターンの上または下に存在する複数のＣＡＤパターンから変換された複数のレイヤー画像のうちの少なくとも１つを含む。一実施形態では、複数のレイヤー画像は、前記複数のＣＡＤパターンの上および下に存在するＣＡＤパターンから変換された複数のレイヤー画像であってもよい。

図１２は、図９に示すフローチャートに従って作成されたモデルを用いて、ＣＡＤパターンとＳＥＭ画像上のパターンとの位置合わせ（すなわち画像マッチング処理）を行う方法の一実施形態を示すフローチャートである。

ステップ４−１では、演算システム１５０は、設計データ上のＣＡＤパターンを指定する。
ステップ４−２では、走査電子顕微鏡５０は、ステップ４−１で使用された設計データに基づいて実際に形成されたウェーハ上のパターンのＳＥＭ画像（実画像）を生成する。演算システム１５０は、ＳＥＭ画像を走査電子顕微鏡５０から取得し、ＳＥＭ画像を記憶装置１６２内に記憶する。
ステップ４−３では、演算システム１５０は、ステップ４−１で指定されたＣＡＤパターンをＣＡＤ画像に変換する。演算システム１５０は、ＣＡＤ画像を記憶装置１６２内に記憶する。

ステップ４−４では、演算システム１５０は、ステップ４−１で指定されたＣＡＤパターンに関連する付加情報データを作成する。この付加情報データは、ステップ４−１で指定されたＣＡＤパターンの位置情報、前記指定されたＣＡＤパターンの周辺にあるＣＡＤパターンから変換された周辺画像、および前記指定されたＣＡＤパターンの上または下に存在するＣＡＤパターンから変換されたレイヤー画像のうちの少なくとも１つを含む。一実施形態では、レイヤー画像は、指定されたＣＡＤパターンの上および下に存在するＣＡＤパターンから変換されたレイヤー画像であってもよい。

ＣＡＤパターンの位置情報は、設計データに含まれている。したがって、演算システム１５０は、指定されたＣＡＤパターンの位置情報を設計データから得ることができる。周辺画像は、演算システム１５０により生成される。より具体的には、演算システム１５０は、指定されたＣＡＤパターンの周囲に存在するＣＡＤパターンの設計情報（例えば、ＣＡＤパターンの頂点の座標）に基づいて、これらＣＡＤパターンを描画し、ある面積を持った周辺画像を生成する。レイヤー画像も、演算システム１５０により生成される。より具体的には、演算システム１５０は、指定されたＣＡＤパターンの上および／または下に存在するＣＡＤパターンの設計情報（例えば、ＣＡＤパターンの頂点の座標）に基づいて、これらＣＡＤパターンを描画し、ある面積を持ったレイヤー画像を生成する。

訓練用付加情報データに含まれる周辺画像およびレイヤー画像の上記説明、および図１０および図１１は、付加情報データに含まれる周辺画像およびレイヤー画像にも適用できるので、これらの図示を省略する。

ステップ４−５では、演算システム１５０は、ステップ４−３で得られたＣＡＤ画像、およびステップ４−４で作成された付加情報データを上記モデルに入力する。
ステップ４−６では、演算システム１５０は、モデルによって定義されたアルゴリズムに従って計算を実行することで、モデルから疑似画像を出力させる。
ステップ４−７では、演算システム１５０は、ステップ４−２で生成されたＳＥＭ画像上の複数のパターンの中から、疑似画像上のＣＡＤパターンの形状に最も近い形状を有するパターンを決定する。

ＳＥＭ画像上に現れるパターンの変形傾向は、パターンの位置、パターンの周辺に存在する他のパターン、およびパターンの上および／または下に存在する他のパターンなどの因子に依存して変わりうる。すなわち、これらの因子は、ＳＥＭ画像上のパターンの形状に影響を与えうる。本実施形態によれば、訓練用付加情報データを用いてモデルが構築され、かつ付加情報データがモデルに入力されるので、モデルは、ＣＡＤパターンにより近い形状のパターンを予測することができる。したがって、演算システム１５０は、疑似画像上のＣＡＤパターンと、走査電子顕微鏡５０によって生成された画像上のパターンとの位置合わせ（すなわち画像マッチング処理）をより正しく行うことができる。

図８を参照して説明した実施形態は、図９乃至図１２に示す実施形態にも適用することができる。

上述した実施形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の種々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうる。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲に解釈されるものである。

本発明は、設計データ上のパターンと、画像上のパターンとの位置合わせを行うための画像マッチング処理に関し、特に機械学習によって構築されたモデルを用いた画像マッチング処理に利用可能である。

１００ 走査電子顕微鏡
１１１ 電子銃
１１２ 集束レンズ
１１３ Ｘ偏向器
１１４ Ｙ偏向器
１１５ 対物レンズ
１１６ レンズ制御装置
１１７ 偏向制御装置
１１８ 画像取得装置
１２０ 試料チャンバー
１２１ 試料ステージ
１２２ ステージ制御装置
１２４ ウェーハ
１３０ 二次電子検出器
１３１ 反射電子検出器
１４０ ウェーハ搬送装置
１５０ 演算システム
１６１ データベース
１６２ 記憶装置
１６３ 処理装置

Claims (10)

1. 設計データ上の指定されたＣＡＤパターンをＣＡＤ画像に変換し、
   前記ＣＡＤ画像を、機械学習により構築されたモデルに入力し、
   前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力し、
   画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のＣＡＤパターンの形状に最も近い形状を有するパターンを決定する方法。
2. 前記モデルは、設計データ上の複数のＣＡＤパターンから変換された複数のＣＡＤ画像と、前記複数のＣＡＤ画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルである、請求項１に記載の方法。
3. 前記訓練データは、訓練用付加情報データをさらに含み、
   前記訓練用付加情報データは、前記複数のＣＡＤパターンの位置情報、前記複数のＣＡＤパターンの周辺にある複数のＣＡＤパターンから変換された複数の周辺画像、および前記複数のＣＡＤパターンの上または下に存在する複数のＣＡＤパターンから変換された複数のレイヤー画像のうちの少なくとも１つを含む、請求項２に記載の方法。
4. 前記ＣＡＤ画像に加えて、付加情報データを前記モデルに入力し、
   前記付加情報データは、前記指定されたＣＡＤパターンの位置情報、前記指定されたＣＡＤパターンの周辺にあるＣＡＤパターンから変換された周辺画像、および前記指定されたＣＡＤパターンの上または下に存在するＣＡＤパターンから変換されたレイヤー画像のうちの少なくとも１つを含む、請求項３に記載の方法。
5. 前記モデルから出力された疑似画像上のＣＡＤパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整する工程をさらに含む、請求項１乃至４のいずれか一項に記載の方法。
6. 画像マッチング処理を実行するための演算システムであって、
   機械学習により構築されたモデル、およびプログラムが格納された記憶装置と、
   前記プログラムに従って演算を実行する処理装置を備え、
   前記演算システムは、
   設計データ上の指定されたＣＡＤパターンをＣＡＤ画像に変換し、
   前記ＣＡＤ画像を前記モデルに入力し、
   前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力させ、
   画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のＣＡＤパターンの形状に最も近い形状を有するパターンを決定するように動作する、演算システム。
7. 前記モデルは、設計データ上の複数のＣＡＤパターンから変換された複数のＣＡＤ画像と、前記複数のＣＡＤ画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルである、請求項６に記載の演算システム。
8. 前記訓練データは、訓練用付加情報データをさらに含み、
   前記訓練用付加情報データは、前記複数のＣＡＤパターンの位置情報、前記複数のＣＡＤパターンの周辺にある複数のＣＡＤパターンから変換された複数の周辺画像、および前記複数のＣＡＤパターンの上または下に存在する複数のＣＡＤパターンから変換された複数のレイヤー画像のうちの少なくとも１つを含む、請求項７に記載の演算システム。
9. 前記演算システムは、前記ＣＡＤ画像に加えて、付加情報データを前記モデルに入力するように動作し、
   前記付加情報データは、前記指定されたＣＡＤパターンの位置情報、前記指定されたＣＡＤパターンの周辺にあるＣＡＤパターンから変換された周辺画像、および前記指定されたＣＡＤパターンの上または下に存在するＣＡＤパターンから変換されたレイヤー画像のうちの少なくとも１つを含む、請求項８に記載の演算システム。
10. 前記演算システムは、前記モデルから出力された疑似画像上のＣＡＤパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整するように動作する、請求項６乃至９のいずれか一項に記載の演算システム。

Images