JPWO2021038815A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021038815A5 JPWO2021038815A5 JP2021541913A JP2021541913A JPWO2021038815A5 JP WO2021038815 A5 JPWO2021038815 A5 JP WO2021038815A5 JP 2021541913 A JP2021541913 A JP 2021541913A JP 2021541913 A JP2021541913 A JP 2021541913A JP WO2021038815 A5 JPWO2021038815 A5 JP WO2021038815A5
- Authority
- JP
- Japan
- Prior art keywords
- image
- shows
- teacher data
- teacher
- unit
- 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.)
- Granted
Links
- 238000005259 measurement Methods 0.000 description 31
- 238000000034 method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000012937 correction Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000006073 displacement reaction Methods 0.000 description 9
- 239000004065 semiconductor Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000013519 translation Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Description
(2)実施例1
図1は、実施例1による教師データ作成からオーバレイ計測までの機能構成の一例を示す図である。教師作成部1、および学習部2の機能は、メイン計算機191のメインプロセッサ190が図示しない記憶部から対応する各処理プログラムを読み込むことによって実現される。また、領域分割部3、グループ化部4、およびオーバレイ計測部5の機能は、メイン計算機191のメインプロセッサ190あるいはサブ計算機191aや191bのサブプロセッサ190aや190bが図示しない記憶部から対応する各プログラムを読み込むことによって実現される。
図1は、実施例1による教師データ作成からオーバレイ計測までの機能構成の一例を示す図である。教師作成部1、および学習部2の機能は、メイン計算機191のメインプロセッサ190が図示しない記憶部から対応する各処理プログラムを読み込むことによって実現される。また、領域分割部3、グループ化部4、およびオーバレイ計測部5の機能は、メイン計算機191のメインプロセッサ190あるいはサブ計算機191aや191bのサブプロセッサ190aや190bが図示しない記憶部から対応する各プログラムを読み込むことによって実現される。
<機能構成の概要>
まず、図1に示される教師データ作成からオーバレイ計測までの機能構成の概要について説明する。サンプル画像13は、事前に収集されたオーバレイ計測の対象とする画像のサンプルである。教師データ14は、オーバレイ計測の計測対象となる半導体中の構造を含むラベルを画像中の各画素に割り振った領域分割画像を、サンプル画像13のそれぞれについて用意したものである。
まず、図1に示される教師データ作成からオーバレイ計測までの機能構成の概要について説明する。サンプル画像13は、事前に収集されたオーバレイ計測の対象とする画像のサンプルである。教師データ14は、オーバレイ計測の計測対象となる半導体中の構造を含むラベルを画像中の各画素に割り振った領域分割画像を、サンプル画像13のそれぞれについて用意したものである。
(iii)ステップS13からS18
オーバレイ計測部5は、ステップS12で選択された小領域毎にステップS14からS17の処理を繰り返し実行する。以下の説明では小領域71aを対象とした場合を例として述べる。
オーバレイ計測部5は、ステップS12で選択された小領域毎にステップS14からS17の処理を繰り返し実行する。以下の説明では小領域71aを対象とした場合を例として述べる。
(3)実施例2
<機能構成例>
図14は、実施例2による教師データ作成からオーバレイ計測までの機能構成例を示す図である。図14において、サンプル画像113は、例えば、撮影条件を変えて半導体ウエハにおける同一箇所を複数回撮影した画像の組である。ここで、撮影条件とは、電子顕微鏡の加速電圧や、反射電子像や二次電子像を撮像することや両者の合成画像を求める際の合成比率等であるが、これに限らない。
<機能構成例>
図14は、実施例2による教師データ作成からオーバレイ計測までの機能構成例を示す図である。図14において、サンプル画像113は、例えば、撮影条件を変えて半導体ウエハにおける同一箇所を複数回撮影した画像の組である。ここで、撮影条件とは、電子顕微鏡の加速電圧や、反射電子像や二次電子像を撮像することや両者の合成画像を求める際の合成比率等であるが、これに限らない。
<機能構成の概要>
図16は、実施例3による教師データ作成からオーバレイ計測までの機能構成例を示す図である。まず実施例3による機能構成例の概要について説明する。
図16は、実施例3による教師データ作成からオーバレイ計測までの機能構成例を示す図である。まず実施例3による機能構成例の概要について説明する。
<教師データ作成処理の詳細>
図17から図19を参照して、教師作成データ処理の詳細について説明する。図17は、サンプル画像213の構成例を示す図である。図18は、教師データ214の構成例を示す図である。図19は、教師作成部201による教師データ作成処理を説明するためのフローチャートである。
図17から図19を参照して、教師作成データ処理の詳細について説明する。図17は、サンプル画像213の構成例を示す図である。図18は、教師データ214の構成例を示す図である。図19は、教師作成部201による教師データ作成処理を説明するためのフローチャートである。
(iii)ステップS204の統計処理による補正は、領域分割画像群243中のラベルに小領域単位の補正とすることができる。ここで、図20を用いて、統計処理による補正について説明する。図20は、ステップS204の統計処理による補正の例を説明するための図である。図20は、領域分割画像群243中のいずれかの領域分割画像40からグループ化部4で求めた補正前のグループ化画像270の例と、補正後のグループ化画像270’の例を示している。
図20において、当該統計処理による補正によって、小領域71hが小領域71h’に平行移動している。小領域71hの平行移動の量は、小領域71hと72hの重心の変位量(ステップS17の方法で求めた変位量)が、他の小領域71iと72i、71jと72j、71kと72kの重心の変位量の平均値と揃うように様に定めることができる。小領域単位の補正は、他にも、ステップS19で求めた変位量の統計量が目標値となるように小領域71h等の全ての小領域を一律に平行移動してもよい。例えば、領域分割画像群243内においてグループ化画像270と半導体ウエハ中の撮影箇所が同じの部分集合において、部分集合中の各要素からステップS19で求めた変位量の統計量を求めた時の平均値を目標値として使うことができる。もしくは、サンプル画像213中の画像のそれぞれを撮影した半導体ウエハが人為的なオーバレイ量を与えて製造(多層の半導体における所定の層の間を人為的なオーバレイ量だけずらして製造)したものであって、かつ人為的なオーバレイ量がわかっている場合には、サンプル画像213中の画像中においてグループ化と人為的なオーバレイ量が画像270と同じものから部分集合を求めてもよい。本明細書においては、人為的なオーバレイ量をオーバレイ量の設計値と呼ぶことがある。
図21において、例えば、オーバレイ量の設計値のX成分をU軸295、オーバレイ量のX成分(上記式1のDx)をV軸296としたグラフ290を考える。このとき、U軸295に対するV軸296の理想値を結んだ直線を297(傾き1かつ切片0直線や、傾きを1として点292a、293b、293cの重心を通る直線、もしくは傾き1を所定の傾きにした直線等)とする。そして、領域分割画像270のオーバレイ量のX成分を示す点292aを直線297に降ろした点294aを目標値のX成分とすることができる。つまり、ベクトル293aを平行移動のXbとすることができる。さらに、図21において、点292bおよび点292cをベクトル293bおよび293cにより点294bおよび点294cに移動するように、領域分割画像群243中の270以外の領域分割画像全てについてのステップS19のオーバレイ量のX成分の目標値を定める。このようにすれば、平行移動の後は領域分割画像群243中におけるオーバレイ量のX成分は全て直線297上に乗る。これは、領域分割画像群243においてオーバレイ計測の感度特性が最良となる条件にあたる。すなわち、点294a、294b、および294c等から回帰直線を求めたときの回帰直線の傾きが直線297に近い、あるいは回帰直線の回帰残差(ベクトル293a、293b、および293c等の平均的な2乗距離にあたる)が最小となる。オーバレイ量のY成分(上記式2に示すDy)についても、グラフ290と同様のグラフからオーバレイ計測の感度特性が最良となる目標値を求めることができる。
(5)実施例4
図22から図25を用いて実施例4について説明する。図22は、実施例4の教師データ作成からオーバレイ計測までの機能構成例を示す図である。
図22から図25を用いて実施例4について説明する。図22は、実施例4の教師データ作成からオーバレイ計測までの機能構成例を示す図である。
図23は、位置情報画像340の例を示す図である。図23において、画像370は、サンプル画像13中の領域分割画像40からグループ化部4によって求めたグループ化画像である。グループ化画像370は、表80(図10参照)に含まれる第1の計測対象のラベルから求められる。位置情報画像340は、グループ化画像370中における小領域71m、71n、71o、および71pに対応する小領域371m、371n、371o、371p内の各画素に位置情報を付与した画像である。小領域371mの範囲は、小領域71mと同一の範囲、もしくは小領域71mから膨張処理をしたり、小領域71mの外接矩形を求める等をした小領域71mの近傍の範囲である。他の小領域371n等の範囲も、小領域71n等と同一もしくは近傍の範囲である。小領域371m内のある画素342mの座標を(Xp,Yp)、代表位置341mの座標を(Xc,Yc)とすると、画素342mには下記式3および式4に従って求めた変位量(Rx,Ry)が割り振られる。この変位量(Rx,Ry)は、画素342mから代表位置341mまでの変位量にあたる。ここで代表位置341mは小領域371mの重心の座標とする。小領域371m内の各々の画素には、画素342mと同様に代表位置341mまでの変位量が割り振られる。
Rx = Xc-Xp ・・・ (式3)
Ry = Yc-Yp ・・・ (式4)
Rx = Xc-Xp ・・・ (式3)
Ry = Yc-Yp ・・・ (式4)
<機能構成の概要>
図26は、実施例5による教師データ作成からオーバレイ計測までの機能構成例を示す図である。教師作成部401は、教師作成部1と同様に、サンプル画像13から教師データ14を作成するとともに、そのためのユーザインタフェースを提供する。また、教師作成部401は、教師データ14中における領域分割画像40のレイアウトを変更させた教師データ414を生成して出力する。さらに、教師作成部401は、領域分割画像40から画像30を推論する機能を備え(以下、この機能を教師作成部401の画像推論機能と呼ぶ)、教師データ414中の領域分割画像40から対応した画像30の各々を推論することにより、サンプル画像413を出力する。なお、学習部2、領域分割部3、グループ化部4、およびオーバレイ計測部5の各機能は実施例1と同じであるので、説明は省略する。つまり、実施例5における学習部2は、教師データ14と教師データ414ならびにサンプル画像13とサンプル画像413を同質のデータをみなして、実施例1と同じ手順で学習モデル11を計算する。
図26は、実施例5による教師データ作成からオーバレイ計測までの機能構成例を示す図である。教師作成部401は、教師作成部1と同様に、サンプル画像13から教師データ14を作成するとともに、そのためのユーザインタフェースを提供する。また、教師作成部401は、教師データ14中における領域分割画像40のレイアウトを変更させた教師データ414を生成して出力する。さらに、教師作成部401は、領域分割画像40から画像30を推論する機能を備え(以下、この機能を教師作成部401の画像推論機能と呼ぶ)、教師データ414中の領域分割画像40から対応した画像30の各々を推論することにより、サンプル画像413を出力する。なお、学習部2、領域分割部3、グループ化部4、およびオーバレイ計測部5の各機能は実施例1と同じであるので、説明は省略する。つまり、実施例5における学習部2は、教師データ14と教師データ414ならびにサンプル画像13とサンプル画像413を同質のデータをみなして、実施例1と同じ手順で学習モデル11を計算する。
(i)図27は、領域分割画像440から推論された画像430の例を示す図である。図27において、画像440は、教師作成部401が提供するユーザインタフェースを用いて作業者によって作成された領域分割画像の例を示し、ラベル41、42、および43から構成されている。また、小領域71qは、グループ化部4によって求められた領域分割画像内のラベル41の小領域の一例を示している。さらに、画像430は、教師作成部401が画像推論機能を用いて、領域分割画像440から推論した画像を示している。ここで、教師作成部401の画像推論機能は、(a)学習部2と同様に、事前に、サンプル画像13と教師データ14のように、任意の画像30と領域分割画像40との組のサンプルを収集しておくこと、および(b)一の領域分割画像40から推論された画像30と、上記任意の画像30と領域分割画像40との組に含まれる画像であって一の領域分割画像40に対応する画像との誤差が最小となるニューラルネットワーク179に類似する構造におけるパラメータを求める学習を実行することにより、実現することができる。ここで、領域分割画像40に対応する画像と推論された画像30との誤差は、各画素の明度差分の絶対和を集計することにより求めることができるが、この方法に限られるものではない。また、教師作成部401の画像推論機能は、上述の方法以外にも、例えば、敵対的生成ネットワークと呼ばれる乱数もしくは記号から画像を生成することに優れた機械学習アルゴリズムを用い、ニューラルネットワーク構造179と類似するネットワーク構造中のパラメータを定めることによっても実現することができる。
(7)実施例6
実施例6は、実施例1から5における教師データ作成処理、学習モデル作成処理、領域分割処理をオーバレイ計測以外の計測処理に適用した場合の実施例について説明する。
実施例6は、実施例1から5における教師データ作成処理、学習モデル作成処理、領域分割処理をオーバレイ計測以外の計測処理に適用した場合の実施例について説明する。
図30は、実施例6による教師データ作成から画像計測検査までの機能構成例を示す図である。図30において、教師作成部501は、実施例1から5による教師作成部1、101、201、301、および401のいずれかに対応する。同様に、教師データ514、学習部502、学習モデル511、領域分割部503は順に、実施例1から5の何れかにおける教師データ、学習部、学習モデル、領域分割部に対応する。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/034050 WO2021038815A1 (ja) | 2019-08-30 | 2019-08-30 | 計測システム、所定の構造を含む半導体の画像計測を行う際に用いる学習モデルを生成する方法、およびコンピュータに、所定の構造を含む半導体の画像計測を行う際に用いる学習モデルを生成する処理を実行させるためのプログラムを格納する記憶媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021038815A1 JPWO2021038815A1 (ja) | 2021-03-04 |
JPWO2021038815A5 true JPWO2021038815A5 (ja) | 2022-04-26 |
JP7341241B2 JP7341241B2 (ja) | 2023-09-08 |
Family
ID=74683410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021541913A Active JP7341241B2 (ja) | 2019-08-30 | 2019-08-30 | 計測システム、所定の構造を含む半導体の画像計測を行う際に用いる学習モデルを生成する方法、およびコンピュータに、所定の構造を含む半導体の画像計測を行う際に用いる学習モデルを生成する処理を実行させるためのプログラムを格納する記憶媒体 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220277434A1 (ja) |
JP (1) | JP7341241B2 (ja) |
KR (1) | KR20220029748A (ja) |
CN (1) | CN114270484A (ja) |
TW (1) | TWI766303B (ja) |
WO (1) | WO2021038815A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11967058B2 (en) | 2020-06-24 | 2024-04-23 | Kla Corporation | Semiconductor overlay measurements using machine learning |
CN112785575B (zh) * | 2021-01-25 | 2022-11-18 | 清华大学 | 一种图像处理的方法、装置和存储介质 |
US20230350394A1 (en) * | 2022-04-27 | 2023-11-02 | Applied Materials, Inc. | Run-to-run control at a manufacturing system using machine learning |
WO2023238384A1 (ja) * | 2022-06-10 | 2023-12-14 | 株式会社日立ハイテク | 試料観察装置および方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7873585B2 (en) | 2007-08-31 | 2011-01-18 | Kla-Tencor Technologies Corporation | Apparatus and methods for predicting a semiconductor parameter across an area of a wafer |
US10650508B2 (en) * | 2014-12-03 | 2020-05-12 | Kla-Tencor Corporation | Automatic defect classification without sampling and feature selection |
US9530199B1 (en) | 2015-07-13 | 2016-12-27 | Applied Materials Israel Ltd | Technique for measuring overlay between layers of a multilayer structure |
WO2017130365A1 (ja) | 2016-01-29 | 2017-08-03 | 株式会社 日立ハイテクノロジーズ | オーバーレイ誤差計測装置、及びコンピュータープログラム |
TW201923776A (zh) * | 2017-10-27 | 2019-06-16 | 美商蝴蝶網路公司 | 超音波影像上的自動化測量及用於自動化測量的收集的品質指示器 |
EP3499459A1 (en) * | 2017-12-18 | 2019-06-19 | FEI Company | Method, device and system for remote deep learning for microscopic image reconstruction and segmentation |
-
2019
- 2019-08-30 JP JP2021541913A patent/JP7341241B2/ja active Active
- 2019-08-30 CN CN201980099234.7A patent/CN114270484A/zh active Pending
- 2019-08-30 US US17/634,805 patent/US20220277434A1/en active Pending
- 2019-08-30 KR KR1020227004040A patent/KR20220029748A/ko not_active Application Discontinuation
- 2019-08-30 WO PCT/JP2019/034050 patent/WO2021038815A1/ja active Application Filing
-
2020
- 2020-07-01 TW TW109122244A patent/TWI766303B/zh active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2021038815A5 (ja) | ||
US11132788B2 (en) | Pattern inspection system | |
JP7341241B2 (ja) | 計測システム、所定の構造を含む半導体の画像計測を行う際に用いる学習モデルを生成する方法、およびコンピュータに、所定の構造を含む半導体の画像計測を行う際に用いる学習モデルを生成する処理を実行させるためのプログラムを格納する記憶媒体 | |
JP7004826B2 (ja) | 寸法計測装置、寸法計測方法及び半導体製造システム | |
JP2021185499A (ja) | 多層構造体の層間のオーバレイを測定する技法 | |
JP2014001927A (ja) | オーバーレイ誤差測定装置、及びコンピュータープログラム | |
JP2006066478A (ja) | パターンマッチング装置及びそれを用いた走査型電子顕微鏡 | |
Shao et al. | From IC layout to die photograph: a CNN-based data-driven approach | |
JP7427744B2 (ja) | 画像処理プログラム、画像処理装置、画像処理方法および欠陥検出システム | |
JP2000089448A (ja) | 露光用パターン表示・検査・修正方法 | |
TWI575307B (zh) | 資料補正裝置,描繪裝置,資料補正方法及描繪方法 | |
CN113920378B (zh) | 基于注意力机制的柴胡种子识别方法 | |
WO2021255819A1 (ja) | 画像処理方法、形状検査方法、画像処理システム及び形状検査システム | |
CN105844686A (zh) | 图像的三维效果显示方法及系统 | |
CN109118439A (zh) | 基于线积分的锥束ct去模糊方法 | |
CN110738677A (zh) | 相机全清晰成像方法、装置与电子设备 | |
JP7164716B2 (ja) | 寸法計測装置、半導体製造装置及び半導体装置製造システム | |
CN108961388B (zh) | 微观结构三维建模方法、装置、设备和计算机存储介质 | |
JP2010156875A (ja) | パターン補正支援方法およびパターン補正支援プログラム | |
TW202137270A (zh) | 影像分析系統及影像分析方法 | |
JP3316445B2 (ja) | 画像合成装置 | |
US6055328A (en) | Analyzing an acquired arrangement of object locations | |
WO2021085522A1 (ja) | 処理条件推定装置、方法及びプログラム | |
CN113554585B (zh) | 影像分析系统及影像分析方法 | |
Lin et al. | Automatic registering and stitching of TEM/STEM image mosaics |