JPWO2021038815A5

JPWO2021038815A5 -

Info

Publication number: JPWO2021038815A5
Application number: JP2021541913A
Authority: JP
Filing date: 2019-08-30
Publication date: 2022-04-26
Anticipated expiration: 2039-08-30

Description

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。サンプル画像の例を示す図である。領域分割画像の例を示す図である。教師作成部１によって提供される、サンプル画像１３から教師データ１４を作成するためのユーザインタフェースの構成例を示す図である。学習モデル１１におけるディープニューラルネットワーク構造１７９の例を示す図である。ニューラルネットワーク構造１７９と画像との幾何的な関係について補足説明するための図である。入力画像１２の一例である画像５０を示す図である。グループ化部４の出力の例を示す図である。グループ化部４が実行するグループ化処理の詳細を説明するためのフローチャートである。オーバレイ計測の第１および第２の計測対象のラベルの例を示す図（表）である。オーバレイ計測部５が実行するオーバレイ計測処理の詳細を説明するためのフローチャートである。テンプレートデータ８５の構成例を示す図である。オーバレイ計測の第１と第２の計測対象のラベルの他の例を示す図（表）である。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。サンプル画像の組３０ａおよび３０ｂと、領域分割画像（ラベルが割り振られた教師データ）４０ａおよび４０ｂの例を示す図である。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。サンプル画像２１３の構成例を示す図である。教師データ２１４の構成例を示す図である。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。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。ステップＳ２０４の統計処理による補正の他の例を説明する図である。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。位置情報画像３４０の例を示す図である。位置情報画像３６０の例を示す図である。オーバレイ計測部３０５によるオーバレイ計測処理を説明するためのフローチャートである。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。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。領域分割画像４４０中から小領域７１ｑをレイアウト変更した場合の例を示す図である。領域分割画像４４０中から小領域７１ｑをレイアウト変更した時に遮蔽が生じたときの例（ラベル４３、４１、および４２の順に手前側にあると定めたときの例）を示す図である。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。本実施形態（各実施例共通）による計測システム３１０の概略構成例を示す図である。

（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。

＜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。

（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。

（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。

＜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。

（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）

＜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。

（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。

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。