KR102498820B1 - 빔 이미지의 컨벌루션 신경망 평가를 이용한 광 정렬 교정 - Google Patents

빔 이미지의 컨벌루션 신경망 평가를 이용한 광 정렬 교정 Download PDF

Info

Publication number
KR102498820B1
KR102498820B1 KR1020190168199A KR20190168199A KR102498820B1 KR 102498820 B1 KR102498820 B1 KR 102498820B1 KR 1020190168199 A KR1020190168199 A KR 1020190168199A KR 20190168199 A KR20190168199 A KR 20190168199A KR 102498820 B1 KR102498820 B1 KR 102498820B1
Authority
KR
South Korea
Prior art keywords
images
spot
training
neural network
ion beam
Prior art date
Application number
KR1020190168199A
Other languages
English (en)
Other versions
KR20200077429A (ko
Inventor
갈렌 글레드힐
모스타파 마주즈
개빈 미치슨
Original Assignee
에프이아이 컴파니
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 에프이아이 컴파니 filed Critical 에프이아이 컴파니
Publication of KR20200077429A publication Critical patent/KR20200077429A/ko
Application granted granted Critical
Publication of KR102498820B1 publication Critical patent/KR102498820B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
    • H01J37/304—Controlling tubes by information coming from the objects or from the beam, e.g. correction signals
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/29—Measurement performed on radiation beams, e.g. position or section of the beam; Measurement of spatial distribution of radiation
    • G01T1/2914—Measurement of spatial distribution of radiation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2255—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident ion beams, e.g. proton beams
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/02—Details
    • H01J37/04—Arrangements of electrodes and associated parts for generating or controlling the discharge, e.g. electron-optical arrangement, ion-optical arrangement
    • H01J37/045—Beam blanking or chopping, i.e. arrangements for momentarily interrupting exposure to the discharge
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/02—Details
    • H01J37/04—Arrangements of electrodes and associated parts for generating or controlling the discharge, e.g. electron-optical arrangement, ion-optical arrangement
    • H01J37/147—Arrangements for directing or deflecting the discharge along a desired path
    • H01J37/1471—Arrangements for directing or deflecting the discharge along a desired path for centering, aligning or positioning of ray or beam
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/02—Details
    • H01J37/22—Optical or photographic arrangements associated with the tube
    • H01J37/222—Image processing arrangements associated with the tube
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
    • H01J37/305—Electron-beam or ion-beam tubes for localised treatment of objects for casting, melting, evaporating or etching
    • H01J37/3053—Electron-beam or ion-beam tubes for localised treatment of objects for casting, melting, evaporating or etching for evaporating or etching
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
    • H01J37/31—Electron-beam or ion-beam tubes for localised treatment of objects for cutting or drilling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/30—Accessories, mechanical or electrical features
    • G01N2223/303—Accessories, mechanical or electrical features calibrating, standardising
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/50—Detectors
    • G01N2223/505—Detectors scintillation
    • G01N2223/5055—Detectors scintillation scintillation crystal coupled to PMT
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/30—Electron or ion beam tubes for processing objects
    • H01J2237/304—Controlling tubes
    • H01J2237/30405—Details
    • H01J2237/30427—Details using neural networks or fuzzy logic
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/30—Electron or ion beam tubes for processing objects
    • H01J2237/304—Controlling tubes
    • H01J2237/30433—System calibration
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/30—Electron or ion beam tubes for processing objects
    • H01J2237/317—Processing objects on a microscale
    • H01J2237/31749—Focused ion beam

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Plasma & Fusion (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electron Sources, Ion Sources (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

컨볼루션 신경망을 트레이닝시키는 데에 이용되는 트레이닝 이미지들의 세트를 형성하기 위해, 다양한 이온 빔 컬럼 설정에서 빔 스팟들을 기판 내에 밀링하는 데에 집속 이온 빔(FIB)이 이용된다. 신경망이 트레이닝된 이후, 신경망으로 처리되는 스팟 이미지를 획득함으로써 이온 빔이 조절될 수 있다. 신경망은 초점 이탈의 크기 및 방향, 개구 위치, 렌즈 조절, 또는 다른 이온 빔 설정이나 이온 빔 컬럼 설정을 제공할 수 있다. 일부 경우, 조절은 신경망에 의해 이루어지지 않고, 이온 빔 및 연관된 이온 컬럼이 안정적으로 작동하고 부가적인 조절이 필요하지 않다는 것을 나타내는 역할을 한다.

Description

빔 이미지의 컨벌루션 신경망 평가를 이용한 광 정렬 교정{OPTICAL ALIGNMENT CORRECTION USING CONVOLUTIONAL NEURAL NETWORK EVALUATION OF A BEAM IMAGE}
본 개시는 이온 빔 정렬 방법 및 장치에 관한 것이다.
이온 빔은 반도체 및 다른 기판의 처리에 많이 적용된다. 그러나, 많은 응용들에서는 이온 빔 배치에 대한, 그리고 이온 빔 시간 및 공간 특성들에 대한 정확한 제어가 필요하다. 주사 전자 현미경(Scanning Electron Microscopy, SEM) 및 저전류 집속 이온 빔(focused ion beam, FIB) 응용들에서 이용되는 이미징-기반 빔 정렬 방법은 플라즈마 FIB(plasma FIB, PFIB) 밀링(milling)과 같은 고전류 FIB 밀링에 성공적으로 적용되어 오지 않았다. 통상적인 접근법에서는, PFIB 빔이 수동으로 정렬되지만, 이러한 수동 정렬은 시간 소모적인 경향이 있고, 이온 빔 컬럼(column)의 적절한 조절을 제공하지 못하여, 정렬 후에도 이온 빔이 특정 응용에 적절하지 않게 유지되거나, 또는 FIB 처리를 저하시키는 바람직하지 않은 특징을 나타낸다. 개선된 접근 방식이 필요하다.
방법은 복수의 트레이닝 스팟 이미지들을 획득하기 위해 기판을 이온 빔에 노출시키는 단계를 포함하는데, 상기 트레이닝 스팟 이미지들 각각은 적어도 하나의 이온 빔 컬럼 특성과 연관된다. 컨벌루션 신경망은 신경망이 적어도 하나의 이온 빔 컬럼 특성을 나타내게 구성되도록 개별적인 트레이닝 스팟 이미지에 기초하여 정의된다. 일부 실시예에서, 트레이닝 스팟 이미지들은 이온들을 이용하여 기판 내로 밀링되는 빔 스팟들의 이미지들이다. 특정 실시예에서, 밀링된 빔 스팟들은 어레이 내에 배열되고, 상기 어레이는 트레이닝 스팟 이미지들을 생성하도록 분할된다. 부가적인 실시예에서, 신경망을 이용하여 작동 노출 스팟 이미지가 획득되고 처리된다. 상기 처리에 기초하여, 이온 빔 컬럼이 조절된다.
전형적인 실시예에서, 신경망의 초기 레이어는 컨벌루션 레이어이고, 트레이닝 스팟 이미지는 컨벌루션 레이어에 연결된다. 일부 실시예에 따르면, 적어도 하나의 이온 빔 컬럼 특성은 렌즈 초점, 이온 빔 전류, 빔 한정 조리개의 위치, 또는 비점수차 조절기(stigmator) 중 적어도 하나이다. 일부 대안에서, 신경망은 초기 컨벌루션 레이어, 및 하나 이상의 부가적인 컨벌루션 레이어 및 풀링 레이어를 포함한다. 다른 대안들에 따르면, 트레이닝 스팟 이미지들은 신경망을 트레이닝시키기 위해 제시되는 이미지 스택(stack) 내에 배열된다. 일부 실시예에서, 트레이닝 스팟 이미지들은 H1 픽셀 폭 × H2 높이이고, 신경망의 초기 컨벌루션 레이어는 트레이닝 스팟 이미지들을 J × J × N의 데이터 스택으로 맵핑하는 N개의 컨벌루션 커널들을 포함하고, 여기서 H, J, 및 N은 양의 정수들이며, J는 H 보다 작다. 또 다른 실시예에서, 개별적인 트레이닝 스팟 이미지들은 복수의 컨벌루션 커널들을 정의하도록 처리된다. 또 다른 실시예에서, 적어도 하나의 이온 빔 컬럼 특성은 이온 빔 형상 또는 이온 빔 스팟 크기를 포함한다. 일부 실시예에 따르면, 적어도 하나의 이온 빔 컬럼 파라미터는 트레이닝 스팟 이미지들이 적어도 하나의 이온 빔 컬럼 파라미터와 연관된 적어도 하나의 이온 빔 컬럼 특성과 연관되도록 변화된다.
시스템은 하전 입자 빔 소스 및 하전 입자 빔 컬럼을 포함한다. 프로세서는 하전 입자 빔 컬럼에 연결되고, 하전 입자 빔 소스 및 하전 입자 빔 컬럼을 이용하여 얻어진 스팟 이미지를 신경망으로 처리하여, 하전 입자 빔 소스 및 하전 입자 빔 컬럼의 적어도 하나의 조절을 결정하도록 구성된다. 일부 실시예에서, 컴퓨터 판독가능 저장장치는 신경망을 정의하는 컴퓨터 실행가능 명령들을 저장한다. 부가적인 실시예에서, 프로세서는 상기 결정된 조절에 기초하여 하전 입자 빔 소스 및 하전 입자 빔 컬럼 중 적어도 하나를 조절하도록 더 구성된다. 부가적인 실시예에서, 프로세서는, 하전 입자 빔 및 하전 입자 빔 컬럼과 연관된 복수의 트레이닝 스팟 이미지들을 수신하고, 트레이닝 스팟 이미지들에 기초하여 신경망을 정의하도록 구성된다.
전형적인 실시예에서, 복수의 트레이닝 스팟 이미지들은 하전 입자 빔에 대한 기판의 노출에 기초하여 얻어진다. 부가적인 실시예에서, 프로세서는 복수의 트레이닝 스팟 이미지들을 생성하기 위해 적어도 하전 입자 빔 컬럼을 조절하도록 연결된다. 다른 실시예에서, 프로세서는 밀링된 빔 스팟들의 어레이의 이미지들로서 복수의 트레이닝 스팟 이미지들을 생성하도록 구성되고, 여기서 밀링된 빔 스팟들의 어레이의 각각의 밀링된 빔 스팟은 대응하는 하전 입자 빔 컬럼 설정들과 연관된다. 다른 예시적인 실시예에서, 프로세서는 밀링된 빔 스팟들의 어레이의 이미지를 분할하고, 신경망에 개별 트레이닝 스팟 이미지들의 스택으로서 트레이닝 스팟 이미지들을 제공하도록 구성된다.
부가적인 방법들은 대응하는 초점 설정들에서 테스트 기판에 생성된 빔의 복수의 이미지들을 획득하는 단계를 포함한다. 컨벌루션 신경망은 복수의 이미지들을 이용하여 트레이닝된다. 집속된 빔의 작동 이미지가 획득되고, 상기 작동 이미지가 처리되어 초점 조절이 결정된다. 일부 실시예에서, 빔 초점은 결정된 조절에 기초하여 조절된다. 특정 실시예에서, 빔은 하전 입자 빔 또는 광학 빔이다.
개시된 기술의 상기 및 다른 특징들과 이점들은 첨부된 도면들을 참조하여 진행되는 이하의 상세한 설명으로부터 더욱 명백해질 것이다.
도 1은 이온 빔 또는 이온 빔 컬럼을 성능 확인하거나 조절하기 위한 신경망 기반 컨트롤러를 포함하는 예시적인 집속 이온 빔(FIB) 시스템을 도시한다.
도 2a는 복수의 선택된 이온 빔 컬럼 설정들을 이용하여 이온 빔으로 테스트 기판을 밀링함으로써 형성될 수 있는 예시적인 빔 스팟 어레이를 도시한다.
도 2b는 신경망 트레이닝 세트를 형성하기 위해 이용될 수 있는 도 2a의 빔 스팟 어레이에 대응하는 빔 스팟 이미지들을 도시한다.
도 3은 이온 빔 시스템의 제어에 이용하기에 적절한, 예시적인 컨벌루션 신경망을 도시한다.
도 4는 신경망 기반의 기구 제어 및 조절을 설정하기 위한, 예시적인 조합된 FIB/스캐닝 전자 현미경(SEM) 시스템 및 트레이닝 세트 데이터의 획득을 예시한다.
도 5는 FIB 시스템을 위한 트레이닝 세트를 생성하는 예시적인 방법을 도시한다.
도 6은 본원에 개시된 신경망 기반 방법 및 장치의 구현 및 트레이닝을 위한 예시적인 컴퓨팅 환경을 도시한다.
고전류 이온 빔들, 또는 다른 하전 입자 빔(charged particle beam, CPB)들이나 광학 빔들을 포함하는, 집속 이온 빔들과 같은 빔들의 자동화된 정렬 및 검증을 가능하게 하는 방법 및 장치가 본원에 개시된다. 편의상, 일부 실시예는 집속 이온 빔(FIB)을 참조하여 설명된다. FIB 및 다른 CPB들은 일반적으로 CPB 컬럼(column)을 이용하는 타겟 또는 다른 기판에 관한 것이다. 본원에서 이용되는 바와 같이, CPB 컬럼은 렌즈들(예를 들어, 자기 또는 정전기 렌즈들), 빔 편향기들, 빔 조리개들, 비점수차 조절기들, 또는 CPB를 형성하고 지향하도록 제어할 수 있는 다른 구성요소들을 포함할 수 있다. 이 실시예에서, 신경망을 트레이닝시키는 데에 이용하기 위해, CPB 컬럼을 이용하여 CPB에 기판을 노출한 이미지들이 획득된다. 본원에 이용된 바와 같이, 이미지는, 타겟 노출의 시각적 이미지, 또는 실제 또는 모의 타겟 노출의 저장되거나 저장가능한 수치적 표현을 지칭한다. 일부 실시예에서, FIB와 같은 CPB들은 예를 들어 FIB 밀링에 의해 기판 위에 스팟 패턴들을 인쇄하기 위해 이용되고, 이러한 스팟 패턴들의 이미지들은, 스팟 특성들을 식별하는 데에 사용될 수 있고 CPB 컬럼 조절이 임의의 오-조절을 교정 또는 보상하게 하거나 또는 CPB 컬럼 및 CPB 소스 특성들을 수정하는 데에 향후 이용될 수 있는 신경망을 정의하기 위한 트레이닝 스팟 패턴들로서 이용된다. 조절들은 CPB 렌즈들에 에너지를 공급하기 위해, 또는 렌즈 수차들 또는 오정렬(misalignments)을 교정 또는 보상하기 위해 인가되는 전류, 전압, 또는 다른 전기 신호들과 관련될 수 있다. 다른 실시예에서, 구성요소들의 위치들은 조리개들의 위치들과 같이, 조절될 수 있다. 또 다른 실시예에서, 빔 및 컬럼 성능은 조절 없이도 스팟 형상과 같은 빔 스팟 속성을 확인시키도록 평가된다. 다른 실시예에서, 적절한 조절들을 결정하기 위해, 광학 빔들 및 연관된 광학 빔 포커싱 및 제어 구성요소들이 유사하게 평가될 수 있다. 전형적인 실시예에서, 스팟 이미지들은 2차원 이미지이지만, 바람직하게는 1, 2, 또는 3차원 이미지가 이용될 수 있다.
본 출원 및 청구범위에서 이용된 바와 같이, 단수 형태 "한(a)", "하나의(an)" 및 "상기(the)"는 문맥상 명백하게 달리 지시되지 않는 한 복수 형태를 포함한다. 또한, "포함한다(include)"라는 용어는 "포함한다(comprise)"를 의미한다. 또한, "연결된"이라는 용어는 연결된 항목들 사이에 중간 요소의 존재를 배제하지 않는다.
본원에 기술된 시스템, 장치 및 방법은 어떤 방식으로든 제한하는 것으로 해석되어서는 안된다. 대신에, 본 개시 내용은, 단독적인 또는 서로의 다양한 조합 및 하위 조합의, 다양한 개시된 실시예의 모든 신규한 그리고 자명하지 않은 특징부들 및 양태들에 관한 것이다. 개시된 시스템, 방법, 및 장치는 임의의 특정 양태 또는 특징 또는 이들의 조합으로 제한되지 않고, 또한 개시된 시스템, 방법, 및 장치는 임의의 하나 이상의 특정 이점이 존재하거나 문제들이 해결될 것을 요구하지도 않는다. 모든 작동 이론은 설명을 용이하게 하기 위한 것이나, 개시된 시스템, 방법 및 장치는 그러한 작동 이론으로 제한되지 않는다.
개시된 방법 중 일부의 동작이 제시의 편의를 위해 특정, 순차적인 순서로 기술되지만, 후술되는 특정 문구에 의해 특정 순서가 요구되지 않는 한, 이러한 방식의 기술은 순서 변경을 포함하는 것으로 이해되어야 한다. 예를 들어, 순차적으로 기술된 동작들은 경우에 따라 순서가 바뀌거나 동시에 실시될 수도 있다. 또한, 간략화를 위해, 첨부된 도면들은 개시된 시스템, 방법, 및 장치가 다른 시스템, 방법, 장치와 함께 이용될 수 있는 다양한 방식을 도시하지 않을 수도 있다. 또한, 설명에서, 개시된 방법을 기술하기 위해서 "생성한다(produce)" 및 "제공한다(provide)"와 같은 용어들을 종종 이용한다. 이러한 용어들은 실시되는 실제 동작들의 상위 수준의 추상적 개념이다. 이러한 용어들에 상응하는 실제 동작들은 특정 구현예에 따라 달라질 수 있고 통상의 기술자는 이를 쉽게 인식할 수 있을 것이다.
일부 실시예에서, 값, 절차, 또는 장치는 "최저", "최상", "최소" 등으로 지칭된다. 이러한 설명은 다수의 이용된 기능적 대안들 중에서 선택이 이루어질 수 있으며, 그러한 선택이 다른 선택에 대해 더 양호하거나, 더 적거나, 또는 다른 방식으로 바람직할 필요는 없음을 나타내도록 의도되는 것으로 이해될 것이다. 실시예들은 "위에", "아래에", "상부에", 하부에" 등과 같이 표시된 방향을 참조하여 설명된다. 이들 용어는 설명의 편의를 위해 이용되지만, 임의의 특정한 공간적 방위를 암시하지는 않는다.
일부 실시예는 컴퓨터 판독가능 저장 매체 및/또는 저장장치들을 지칭한다. 본원에서 이용되는 바와 같이, 이러한 매체 및 저장장치는 각각 비-일시적인 저장 매체 및 장치를 지칭한다.
이하 개시된 실시예는 밀링(milling)에 이용되는 이온 빔들을 포함하는 다양한 빔 타입들의 빔 조절 및 정렬을 가능하게 할 수 있다. 밀링 빔의 경우, 대개, 기판 밀링 이전에 빔 정렬 및 조절이 처리되어야 할 수 있는데, 그러한 이온 빔은 비가역적이므로, 빔 품질의 불량은 기판이 폐기되어야 하는 결과를 초래할 수 있다. 빔 정렬 및 조절이 프로세싱을 촉진하도록 자동화될 수 있고, 이러한 정렬 및 조절이 현저한 사전 프로세싱 없이도 노출된 기판들 또는 다른 기판들 상에서 수행될 수 있다면 유리할 수 있다. 위에서 언급한 바와 같이, 고전류 이온 빔의 경우, 빔 전류 분포의 꼬리(tail)가 중요할 수 있으며, 임의의 정렬 및 조절은 바람직하게는 이러한 꼬리를 고려한다. 개시된 방법 및 장치는 또한, 예를 들어 빔 파라미터들이 타겟 값들로부터 안정되거나 불변함을 확인시키도록, 이온 빔 시스템의 객관적인 평가를 가능하게 한다.
설명의 편의를 위해 집속 이온 빔들을 이용하는 구현예들이 이하 설명되지만, 다른 CPB 시스템들 또한 이용될 수 있다. 예를 들어, 트레이닝 이미지들은 트레이닝 세트로서 이용될 수 있고, 집속 이온 빔을 이용한 스팟들의 형성이 전형적으로 요구되지는 않는다. 이러한 트레이닝 이미지들은 다양한 CPB들을 이용하여 형성될 수 있다. 예를 들어, CPB 패턴들(예를 들어, 빔 스팟들), 기판의 전자 빔 이미지들, 또는 다른 CPB 분포들은 신틸레이터 및 고체촬상소자나 다른 어레이 검출기와 같은 CPB 검출기 또는 검출 시스템을 이용하여 이미지들로서 획득될 수 있다.
실시예 1
도 1을 참조하면, 예시적인 CPB 장치(100)는 FIB(105)를 기판 스테이지(108)에 의해 유지되는 기판(106)에 지향하기 위해 이온 빔 광학 컬럼(104)에 연결되는 FIB 소스와 같은 이온 빔 소스(102)를 포함한다. 기판 스테이지(108)는 프로세싱을 위한 또는 이온 빔 평가나 이온 빔 컬럼 평가를 위한 바람직한 위치로 기판(106)을 선택적으로 이동시키는 스테이지 컨트롤러(110)에 연결된다. 예를 들어, 기판(106)은 이온 빔 소스(102)의 성능이나 이온 빔 컬럼(104)의 성능의 평가, 교정 또는 검증에 이용하기 위해, 또는 신경망(114)을 트레이닝시키는 데에 이용되는 빔 스팟들을 생성하기 위해, 빔 스팟들의 어레이와 같은 복수의 빔 스팟들이 기판(106)에 형성될 수 있도록, 이동될 수 있다.
CPB 시스템 컨트롤러(112)는 대개, 프로세서, ASIC, 또는 다른 프로세싱 하드웨어와, 컴퓨터 판독가능 매체 또는 장치에 저장된 적절한 컴퓨터 실행가능 명령들을 포함한다. 다른 실시예에서, 이러한 명령들을 위한 컴퓨터 실행가능 명령들 및/또는 저장장치는 근거리 통신망 또는 광역 통신망과 같은 네트워크를 통해 제공될 수 있다. CPB 시스템 컨트롤러(112)는 대개, 이온 빔 소스(102), 이온 빔 광학 컬럼, 기판 스테이지, 또는 CPB 장치(100)의 다른 부분들에 대한 하나 이상의 구성요소들의 특성을 제공하는 신경망을 구현하는 컴퓨터 실행가능 명령들을 포함하는, RAM, ROM, 하드디스크, 또는 다른 저장장치와 같은 컴퓨터 판독가능 메모리를 포함한다. 이하 상세히 설명되는 바와 같이, 신경망(114)은, 신경망(114)을 설정하기 위한 트레이닝 세트로서 이온 빔 조사에 응답하여 생성된 다수의 스팟 이미지들을 수신할 수 있다. 일단 설정되면, 하나 이상의 빔 스팟 이미지들은 CPB 장치(100)가 조절되도록 상기 신경망에 의해 처리될 수 있다.
전술한 바와 같이, 이온 빔 광학 컬럼(104)은 하나 이상의 이온 빔 렌즈, 빔 편향기, 빔 조리개, 비점수차 조절기, 또는 다른 구성요소들을 포함할 수 있다. 이러한 구성요소들의 조절은 인가된 전압들 또는 전류들과 같은 전기 신호들, 또는 병진이동들 및 회전들과 같은 기계적인 이동들을 이용하여 수행될 수 있다.
실시예 2
도 2a 및 도 2b는 도 1에 도시된 것과 같은 이온 빔을 이용하여 형성된 빔 스팟들을 도시하지만, 다른 실시예에서, 빔 스팟들은 적절한 다른 CPB들 또는 광학 빔들로 형성될 수 있다. 도 2a를 참조하면, 빔 스팟 영역들(205-207, 215-217, 225-227)이 기판(200) 상에 형성된다. 빔 스팟 영역들(205-207, 215-217, 225-227) 각각은 이온 빔에 의한 기판(200)의 조사에 응답하여 형성된 각각의 빔 스팟(201-203, 211-213, 221-223)을 포함한다. 도 2a의 실시예에서, 각각의 빔 스팟 영역들은 H1 × H2의 크기를 가진다. 특정한 경우에, H1=H2로 빔 스팟 영역들을 정의하는 것이 편리하지만, 임의의 크기 및 형상의 빔 스팟 영역들이 이용될 수 있다. 또한, 9개의 빔 스팟 영역들이 도 2a에 도시되어 있지만, 그보다 적거나 그보다 많은 영역들이 이용될 수 있으며, 대개는, 신경망을 위한 트레이닝 세트를 정의하는 빔 스팟들을 제공하기 위해 더 많은 영역들이 이용된다.
빔 스팟 영역들(205-207, 215-217, 225-227)은 빔 스팟을 생성하는 데에 적용되는 빔 변위에 기초한 미리 결정된 크기 및 위치를 가질 수 있다. 일부 응용에서, 중앙 부분으로부터 멀리 떨어진 FIB의 부분들이 프로세싱에 영향을 줄 수 있기 때문에, 크기는 인가된 빔의 "꼬리(tail)"를 포함하도록 선택된다. 다른 실시예에서, 빔 스팟 영역 크기들은 빔 스팟의 측정된 간격으로부터 결정될 수 있다.
대개, 빔 스팟 영역들 각각의 이미지들은 빔 스팟들을 생성하는 데에 이용되는 FIB를 제공하는 FIB 시스템과 관련된 전자 현미경을 이용하여 얻어진다. 이미지들은, 관련되지 않은 전자 현미경 시스템 또는 다른 이미징 시스템과 같은 다른 방식으로 얻어질 수 있다. 이러한 이미지들은 다양한 포맷들로 저장될 수 있고, 128 픽셀들 × 128 픽셀들의 이미지 크기들이 일반적이지만, 더 작거나 큰 이미지들이 이용될 수 있다. 빔 스팟들(205-207, 215-217, 225-227)의 이미지들(255-257, 265-267, 275-277)은 도 2b에 도시된 바와 같은 스택(250)에 배열된 것으로 컴퓨터 판독가능 매체에 저장될 수 있다. 예를 들어, 각각의 이미지들(255-257, 265-267, 275-277)은 h1 및 h2 크기를 가진 이미지 강도 I들의 픽셀 어레이를 포함할 수 있는데, 여기서, h1 및 h2는 양의 정수, 즉, 강도 I(i, j)의 값들이며, i, j는 각각, 1과 h1 사이의 정수, 및 1과 h2 사이의 정수이다. 이러한 표현을 이용하여, 이미지 스택(250)은 I(i, j, k)로서 표현될 수 있는데, 여기서 k는 특정 이미지를 나타내는 정수이다. 다른 실시예에서, 이미지들은 컬러 값들 또는 의사-컬러 값들과 같은 복수의 값들, 또는 빔 스팟들의 속성들과 연관된 다른 값들을 포함할 수 있다. 이하 설명되는 바와 같이, 이미지들 및 연관된 이미지 값들 I(i, j, k) 각각은 대개, 하나 이상의 빔 또는 테스트 기판 설정들과 연관된다.
실시예 3
도 3을 참조하면, 빔 스팟 이미지를 처리하기에 적절한 예시적인 신경망(300)은 컨벌루션 레이어(302, 304)와 같은 하나 이상의 컨벌루션 레이어와, 풀링 레이어, 정규화 레이어, 완전 연결된 레이어, 또는 다른 유형의 레이어일 수 있는 레이어(306, 308)와 같은 하나 이상의 부가적인 레이어를 포함한다. 필요에 따라, 레이어들은 시그모이드(sigmoid) 함수, 아크 탄젠트 함수, 쌍곡 탄젠트 함수와 같은 다양한 활성화 함수들, 및 다양한 바이어스 값들을 이용할 수 있다. 신경망(300)은 1 내지 N 요소를 갖는 컬럼 벡터로서 도 3에 도시된 값들(310)의 세트로서 입력 빔 스팟 이미지의 특성을 제공하지만, 다른 배열들이 이용될 수 있다.
신경망(300)은 빔 스팟 이미지들의 스택을 이용하여 트레이닝될 수 있다. 예를 들어, 실리콘 기판과 같은 테스트 기판을 밀링(milling)하거나 또는 노출시킴으로써 빔 스팟 그리드가 생성된다. 이후, 빔 스팟 그리드는 스택으로 배열될 수 있는 빔 스팟 이미지들을 형성하도록 처리되며, 각각의 빔 스팟 이미지는 각각의 초점 이탈(defocus)과 연관된다. 예를 들어, 빔 스팟들은 공칭 초점을 ±10, 20, 50, 100, 150, 200 μm의 범위나, 그 이하 또는 그 이상의 범위에 걸쳐 조절함으로써 형성될 수 있다. 초점은 빔 초점 파라미터들(예를 들어, CPB 렌즈 또는 편향기 구동 전압들)을 변화시킴으로써, 또는 공칭 빔 초점에 대한 테스트 기판 위치를 조절함으로써 조절될 수 있다. 따라서, 각각의 빔 스팟 이미지는 특정한 빔 초점 이탈과 연관된다.
컨벌루션 레이어(302)는, h × h 픽셀 이미지들의 스택(350)이, 이후 컨벌루션 레이어(304)에 제공되고 그 이후의 부가적인 레이어들(306, 308)을 이용한 처리를 위해 제공되는 I × I × M의 데이터 스택(352)으로 변환되도록, 빔 스팟 이미지들에 적용되는 M개의 컨볼루션 커널들을 포함한다. 예시적인 실시예에서, 컬럼 벡터 내의 값들은 초점에 대한, 그리고 이온 빔 컬럼 축을 따르는 빔 정렬에 대한, 샘플 높이에 대응한다. 예를 들어, 요소(3101)는 초점 위치로부터의 빔 스팟 변위의 크기 및 방향에 대응할 수 있고, 요소(3102)는 이온 빔 컬럼 축으로부터의 빔 스팟 변위의 크기 및 방향에 대응할 수 있으며, 요소(3103)는 빔 단면의, 원형으로부터의 편차와 같은 빔 스팟 형상에 대응할 수 있다.
신경망(302)은 역전달을 이용하여, 또는, 신경망 출력 값들 및 트레이닝 세트 관련 값들 사이의 차이를 감소시키도록 원하는 신경망 출력을 생성하기 위해 레이어 파라미터들을 조절하는 다른 접근법을 이용하여 정의될 수 있다. 예를 들어, 컨벌루션 커널들은 이러한 차이들을 고려하여 결정될 수 있다. 레이어들의 개수, 타입 및 배열은 신경망 출력 값들 및 트레이닝 세트 관련 값들 사이에 허용가능한 차이를 생성하도록 선택될 수 있다.
트레이닝 세트를 위한 빔 스팟 이미지들은 다양한 초점 조건들을 이용하여 획득될 수 있지만, 각각의 빔 스팟 영역들은 트레이닝 세트를 생성하기 위해 선택된 제어 파라미터들의 세트 하에서의 빔 노출과 연관될 수 있다. 예를 들어, 빔 한정 조리개(beam defining aperture, BDA)의 위치, 하나 이상의 렌즈들의 출력, 빔 편향 크기, 비점수차 조절기 설정, 기판 스테이지 변위, 빔 전류, 또는 다른 파라미터들 중 하나 이상이 변화될 수 있다. FIB 시스템들의 경우, 빔 스팟들은 FIB 밀링된 영역들로서 생성되지만, 스팟 이미지들은 다른 방식들로 얻어질 수 있다. 일부 실시예에서, 이온 빔 컬럼 파라미터들은 밀링된 스팟들을 생성하지 않고 스팟 이미지들의 트레이닝 세트를 생성하기 위해, 이온 빔 컬럼의 컴퓨터 기반 모델 내에서 변화된다. 복수의 파라미터들은, 신경망이 FIB와 관련 이온 빔 컬럼 및 시편 스테이지의 여러 설정들의 표시를 제공할 수 있도록, 트레이닝 세트의 이미지들에서 변경될 수 있다.
일단 트레이닝되면, 신경망(300)에 빔 스팟 이미지(360)가 제공되어 임의의 바람직한 조절이 이루어질 수 있거나, 또는 기기 성능이 만족할 만한 수준인 것으로 확인될 수 있다. 도 3에 도시된 바와 같이, 작동 빔 스팟 이미지(360)는 컨벌루션 레이어(302)에 의해 처리되어 빔 스팟 이미지(360)의 h × h 픽셀들이 I × I 어레이(362)로 감소되고, 이어서 나머지 신경망 레이어들을 이용하여 후속 처리된다. 작동 빔 스팟 이미지(360)의 처리는 트레이닝 세트(350)에서 제공된 이온 빔 관련 성능 값들 또는 이온 빔 컬럼 특성 및 설정을 나타내는 작동 컬럼 벡터를 생성한다.
실시예 4
도 4를 참조하면, 조합된 FIB/SEM 시스템(400)은 기판(406)과 상호작용하도록 위치된 FIB 시스템(402) 및 SEM(404)을 포함한다. FIB 시스템(402)은 이온 빔 소스(408), 시준 렌즈로 지칭되는 제1 렌즈(410)(L1), 빔 한정 조리개 판(412), 및 기판(406)으로 전달하기 위한 집속 이온 빔(416)을 생성하는 제2 렌즈(414)(L2)를 포함한다. 컨트롤러(420)는 이온 빔 소스(408), 제1 렌즈(410), 조리개 판(412), 및 제2 렌즈(414)뿐만 아니라, 렌즈(410, 414)에 인가되는 전기 신호들과 조리개 판(412) 및 기판(406)의 위치를 조절하기 위한 기판 스테이지(418)에 연결된다.
프로세서(430)는 컨트롤러(420)에 연결되고, 메모리(432)에 저장될 수 있는 트레이닝 세트를 획득하는 데에 이용될 파라미터 범위들을 제공할 수 있다. 트레이닝 세트의 수신에 응답하여, 신경망을 실행하기 위한 그리고 신경망 파라미터들을 설정하는 연관된 역전파 방법을 실행하기 위한 프로세서-실행가능 명령들과 함께, 컨벌루션 커널들, 가중치들, 바이어스들 및 다른 신경망 정의 파라미터들이 메모리(436) 내에 저장된다. 도 4에 도시된 바와 같이, 메모리(432)는 스팟 이미지들의 트레이닝 세트를 획득하기 위해 밀링된 빔 스팟들을 생성하는 데에 이용될 수 있는 이온 빔 전류(I1), 제1 렌즈(L1)의 초점, 및 제2 렌즈(L2)의 초점과 연관된 값들의 어레이들을 포함한다.
실시예 5
도 5를 참조하면, 예시적인 방법(500)은 단계(502)에서 이온 빔 컬럼과 같은 CPB 컬럼의 사양을 획득하는 단계를 포함한다. 단계(504)에서는, 예시적인 오정렬 또는 다른 관심 파라미터의 값이 선택되고, 단계(506)에서는, 대응하는 빔 스팟 이미지가 획득된다. 전술한 바와 같이, FIB 시스템의 경우, 밀링된 빔 스팟들이 이용될 수 있지만, 밀링 없이 CPB 검출기에 의해 얻어지는 스팟 이미지들 또한 이용될 수 있다. 단계(508)에서는, 연관된 빔 스팟 이미지가 저장된다. 연관된 부가적인 파라미터들이 이용될 경우, 프로세싱은 단계(504)로 되돌아간다. 그렇지 않으면, 단계(512)에서, 트레이닝 세트로서 이용하기 위해, 저장된 빔 스팟들 및 연관된 파라미터들이 제공된다. 대개, 만족스러운 트레이닝 세트를 제공하기 위해 다수의 빔 스팟 이미지들이 얻어진다.
실시예 6
도 6 및 이하의 설명은 개시된 신경망 기반 방법들이 구현될 수 있는 예시적인 컴퓨팅 환경의 간략하고 일반적인 설명을 제공하기 위한 것이다. 필수적인 것은 아니지만, 개시된 기술은 개인 컴퓨터(PC)에 의해 실행되는 프로그램 모듈들과 같은 컴퓨터 실행가능 명령들의 일반적인 맥락에서 설명된다. 일반적으로, 프로그램 모듈들은 특정 작업들을 수행하거나 특정한 추상 데이터 유형들을 구현하는 루틴, 프로그램, 객체, 컴포넌트, 데이터 구조 등을 포함한다. 또한, 개시된 기술은 핸드헬드(hand held) 장치, 멀티프로세서 시스템, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 네트워크 PC, 미니컴퓨터, 메인프레임 컴퓨터 등을 포함하는 다른 컴퓨터 시스템 구성으로 구현될 수 있다. 개시된 기술은 또한 통신 네트워크를 통해 연결되는 원격 처리 장치에 의해 작업들이 수행되는, 분산 컴퓨팅 환경에서 실시될 수도 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈들은 로컬 및 원격 메모리 저장장치에 모두 위치할 수 있다. 다른 실시예에서, 전용 프로세서들, 주문형 반도체(ASIC), 또는 FPGA가 이용될 수도 있다.
도 6을 참조하면, 개시된 기술을 구현하기 위한 예시적인 시스템은 하나 이상의 프로세싱 유닛(602)과, 시스템 메모리(604)와, 시스템 메모리(604)를 포함한 다양한 시스템 구성요소들을 하나 이상의 프로세싱 유닛(602)에 연결하는 시스템 버스(606)를 포함하는, 예시적인 통상적인 PC(600) 형태의 범용 컴퓨팅 장치를 포함한다. 시스템 버스(606)는 메모리 버스 또는 메모리 컨트롤러, 주변 장치 버스, 및 다양한 버스 아키텍처들 중 임의의 것을 이용하는 로컬 버스를 포함하는, 여러 유형의 버스 구조들 중 임의의 것일 수 있다. 예시적인 시스템 메모리(604)는 랜덤 액세스 메모리(RAM)(610) 및 읽기 전용 메모리(ROM)(608)를 포함한다. 작동 빔 스팟 이미지의 수신에 응답하여 신경망을 실행하기 위한 명령들과 함께, 신경망을 트레이닝시키기 위한 프로세서-실행가능 명령들과, 가중치, 활성화 함수, 및 컨벌루션 커널과 같은 신경망 파라미터들은 RAM(610)에 저장될 수 있거나, 또는 특정한 다른 로컬 또는 원격 위치에 저장될 수 있다. PC(600) 내의 구성요소들 간의 정보 전송에 도움이 되는 기본 루틴들을 포함하는 기본 입력/출력 시스템(BIOS)(612)은 ROM(608)에 저장된다.
예시적인 PC(600)는, 하드디스크에 읽고 쓰기 위한 하드디스크 드라이브, 착탈식 자기디스크에 읽고 쓰기 위한 자기디스크 드라이브, 및 (예를 들어 CD-ROM 또는 다른 광학 매체와 같은) 착탈식 광디스크에 읽고 쓰기 위한 광디스크 드라이브와 같은, 하나 이상의 저장장치(630)를 더 포함한다. 그러한 저장장치들은 각각, 하드디스크 드라이브 인터페이스, 자기디스크 드라이브 인터페이스, 및 광디스크 드라이브 인터페이스에 의해 시스템 버스(606)에 연결될 수 있다. 드라이브들 및 그와 연관된 컴퓨터 판독가능 매체는 PC(600)를 위한 컴퓨터 판독가능 명령들, 데이터 구조들, 프로그램 모듈들, 및 다른 데이터의 비휘발성 스토리지를 제공한다. 예시적인 운영 환경에서, 자기 카세트, 플래시 메모리 카드, 디지털 비디오디스크, CD, DVD, RAM, ROM 등과 같은, PC에 의해 액세스될 수 있는 데이터를 저장할 수 있는 다른 유형의 컴퓨터 판독가능 매체가 이용될 수도 있다.
신경망, 다른 프로그램 모듈들 및 프로그램 데이터(필요한 경우, 트레이닝 세트 데이터를 포함함)를 정의, 트레이닝 또는 실행하는 데에 이용되는 것과 같은 하나 이상의 응용 프로그램들과 운영체제를 포함하여, 다수의 프로그램 모듈들이 저장장치(630)에 저장될 수 있다. 사용자는 키보드 및 마우스 같은 포인팅 장치와 같은 하나 이상의 입력 장치(640)를 통해 PC(600)에 명령들 및 정보를 입력할 수 있다. 다른 입력 장치들은 디지털 카메라, 마이크, 조이스틱, 게임 패드, 위성 안테나, 스캐너 등을 포함할 수 있다. 이들 및 다른 입력 장치들은 종종, 시스템 버스(606)에 연결되는 직렬 포트 인터페이스를 통해 하나 이상의 프로세싱 유닛(602)에 연결되지만, 병렬 포트, 게임 포트, 또는 USB(universal serial bus)와 같은 다른 인터페이스에 의해 연결될 수도 있다. 모니터(646) 또는 다른 유형의 디스플레이 장치 또한, 비디오 어댑터와 같은 인터페이스를 통해 시스템 버스(606)에 연결된다. 스피커 및 프린터(도시되지 않음)와 같은 다른 주변 출력 장치가 포함될 수 있다. 본원에서 이용되는 바와 같이, 저장장치 및 메모리는 비일시적인 저장장치 및 메모리를 지칭한다. FIB 또는 다른 시스템의 임의의 필요한 조절들 또는 안정적인 작동 확인을 나타내는, 신경망 처리의 결과들을 나타내기 위해 모니터(646) 또는 다른 디스플레이 장치들이 이용될 수 있다.
PC(600)는 원격 컴퓨터(660)와 같은 하나 이상의 원격 컴퓨터에 대한 논리적 연결을 이용하는 네트워크화된 환경에서 동작할 수 있다. 일부 실시예에서, 하나 이상의 네트워크 또는 통신 연결들(650)이 포함된다. 도 6에는 메모리 저장장치(662)만 도시되어 있지만, 원격 컴퓨터(660)는 또다른 PC, 서버, 라우터, 네트워크 PC, 또는 피어 장치 또는 다른 공통 네트워크 노드일 수 있으며, PC(600)와 관련하여 전술된 구성요소들 중 다수 또는 전부를 일반적으로 포함한다. 개인 컴퓨터(600) 및/또는 원격 컴퓨터(660)는 근거리 통신망(LAN) 및 광역 통신망(WAN)에 연결될 수 있다. 이러한 네트워킹 환경은 사무실, 전사적 컴퓨터 네트워크, 인트라넷 및 인터넷에서 흔하다.
LAN 네트워킹 환경에서 이용될 때, PC(600)는 네트워크 인터페이스를 통해 LAN에 연결된다. WAN 네트워킹 환경에서 이용될 때, PC(600)는 대개, 인터넷과 같이 WAN을 통한 통신을 설정하기 위한 모뎀 또는 다른 수단을 포함한다. 네트워크 연결된 환경에서, 개인 컴퓨터(600) 또는 그 일부와 관련하여 도시된 프로그램 모듈들은 원격 메모리 저장장치 또는 LAN 또는 WAN상의 다른 위치에 저장될 수 있다. 도시된 네트워크 연결은 예시적이며, 컴퓨터들 간의 통신 링크를 설정하는 다른 수단이 이용될 수 있다.
도시된 실시예들을 참조하여 본 개시의 원리들을 설명하고 예시하였지만, 도시된 실시예들은 그러한 원리들로부터 벗어나지 않고 배열 및 세부사항이 수정될 수 있음을 이해할 것이다. 예를 들어, 소프트웨어로 도시된 예시된 실시예의 구성요소들은 하드웨어로 구현될 수 있고, 그 반대도 마찬가지이다. 또한, 임의의 실시예로부터의 기술들은 하나 이상의 다른 실시예들 중 임의의 것에서 설명된 기술들과 조합될 수 있다. 도시된 실시예는 예시적이며 본 개시의 범위를 제한하는 것으로 간주되어서는 안된다는 것을 이해해야 한다. 따라서, 본 발명은 첨부된 청구항들의 범위 및 사상 내에 있는 모든 주제를 청구한다. 이상의 실시예들에서 특별히 다루어지는 대안들은 단지 예시적인 것이며, 본원에 설명된 실시예들에 대한 모든 가능한 대안들을 구성하지는 않는다.

Claims (28)

  1. 방법으로서,
    각각이 적어도 하나의 하전 입자 빔(CPB) 컬럼 특성과 관련되는 복수의 트레이닝 이미지들을 획득하기 위하여, 기판을 CPB에 노출시키는 단계;
    신경망이 상기 적어도 하나의 CPB 컬럼 특성을 나타내게 구성되도록, 상기 트레이닝 이미지들에 기초하여 상기 신경망을 정의하는 단계를 포함하고,
    상기 CPB는 이온 빔이고, 상기 트레이닝 이미지들은 상기 기판을 상기 이온 빔에 노출시킴으로써 생성되는 트레이닝 스팟 이미지들이며,
    상기 기판을 상기 이온 빔에 노출시킴으로써 형성된 빔 스팟을 포함하는 빔 스팟 영역들 각각의 크기는 인가된 빔의 꼬리(tail)를 포함하도록 선택되며, 상기 트레이닝 스팟 이미지들은 상기 빔 스팟 영역들의 이미지들에 대응되는, 방법.
  2. 제1항에 있어서, 상기 트레이닝 이미지들은 신틸레이터 및 광검출기 어레이를 이용하여 CPB 이미지들을 검출함으로써 획득되는, 방법.
  3. 제1항에 있어서,
    복수의 상기 트레이닝 스팟 이미지들을 분할하여 개별 트레이닝 스팟 이미지들을 형성하는 단계를 더 포함하되, 상기 신경망은 상기 신경망이 적어도 하나의 이온 빔 컬럼 특성을 나타내도록 상기 개별 트레이닝 스팟 이미지들에 기초하는, 방법.
  4. 제3항에 있어서,
    상기 이온 빔의 상기 적어도 하나의 이온 빔 컬럼 특성과 관련된 노출 스팟 이미지를 획득하는 단계;
    정의된 상기 신경망을 이용하여 상기 노출 스팟 이미지를 처리하는 단계; 및
    상기 처리에 기초하여 상기 이온 빔 컬럼을 조절하는 단계를 더 포함하는, 방법.
  5. 제3항에 있어서, 상기 신경망은 컨벌루션 레이어를 포함하고, 상기 트레이닝 스팟 이미지들은 상기 컨벌루션 레이어에 연결되는, 방법.
  6. 제3항에 있어서, 상기 적어도 하나의 이온 빔 컬럼 특성은 렌즈 초점, 이온 빔 전류, 빔 한정 조리개의 위치, 또는 비점수차 조절기 중 적어도 하나인, 방법.
  7. 제3항에 있어서, 상기 적어도 하나의 이온 빔 컬럼 특성은 적어도 하나의 빔 형상 또는 빔 편향 요소의 설정과 연관되는, 방법.
  8. 제7항에 있어서, 상기 적어도 하나의 이온 빔 컬럼 특성은 이온 빔 형상 또는 이온 빔 스팟 크기인, 방법.
  9. 제3항에 있어서, 상기 신경망은 초기 컨벌루션 레이어 및 하나 이상의 부가적인 레이어를 포함하는, 방법.
  10. 제3항에 있어서, 상기 트레이닝 스팟 이미지들은 어레이 내에 배열되는, 방법.
  11. 제10항에 있어서, 상기 트레이닝 스팟 이미지들은 H1 픽셀폭 × H2 픽셀폭이고, 상기 신경망의 컨벌루션 레이어는 상기 트레이닝 스팟 이미지들을 J1 × J2 × N의 스택으로 맵핑하는 N개의 컨벌루션 커널들을 포함하며, H1, H2, J1, J2 및 N은 양의 정수이고, J1 및 J2는 각각 H1 및 H2 보다 작은, 방법.
  12. 제11항에 있어서, 상기 컨벌루션 커널들이 J × J 트레이닝 스팟 이미지들을 H × H × N 스택으로 맵핑하도록, J=J1=J2이고, H=H1=H2인, 방법.
  13. 제3항에 있어서, 상기 개별 트레이닝 스팟 이미지들에 기초하여 상기 신경망을 정의하는 단계는 복수의 컨벌루션 커널들을 정의하는 단계를 포함하는, 방법.
  14. 제3항에 있어서, 상기 이온 빔을 이용하여 복수의 밀링된 빔 스팟들을 형성하는 단계를 더 포함하고, 상기 트레이닝 스팟 이미지들은 상기 밀링된 빔 스팟들의 이미지들인, 방법.
  15. 제3항에 있어서, 상기 이온 빔을 이미징함으로써 상기 트레이닝 스팟 이미지들을 더 획득하는, 방법.
  16. 시스템으로서,
    하전 입자 빔 소스;
    하전 입자 빔 컬럼; 및
    상기 하전 입자 빔 컬럼에 연결된 프로세서를 포함하고,
    상기 프로세서는 상기 하전 입자 빔 소스 및 상기 하전 입자 빔 컬럼을 이용하여 획득된 스팟 이미지를 신경망으로 처리하여, 상기 하전 입자 빔 소스 및 상기 하전 입자 빔 컬럼의 적어도 하나의 조절을 결정하도록 연결되며,
    상기 하전 입자 빔은 이온 빔이고,
    빔 스팟을 포함하는 빔 스팟 영역의 크기는 인가된 빔의 꼬리(tail)를 포함하도록 선택되며, 상기 스팟 이미지는 상기 빔 스팟 영역의 이미지에 대응되는, 시스템.
  17. 제16항에 있어서, 상기 신경망을 정의하는 컴퓨터 실행가능 명령들이 저장된 컴퓨터 판독가능 저장장치를 더 포함하는, 시스템.
  18. 제17항에 있어서, 상기 프로세서는 결정된 상기 조절에 기초하여 상기 하전 입자 빔 소스 및 상기 하전 입자 빔 컬럼 중 적어도 하나를 조절하도록 더 구성되는, 시스템.
  19. 제18항에 있어서, 상기 프로세서는 상기 결정된 조절에 기초하여 상기 하전 입자 빔 컬럼을 조절하도록 더 구성되는, 시스템.
  20. 제16항에 있어서, 상기 프로세서는 상기 하전 입자 빔 및 상기 하전 입자 빔 컬럼과 관련된 복수의 트레이닝 스팟 이미지들을 수신하고, 상기 트레이닝 스팟 이미지들에 기초하여 상기 신경망을 정의하도록 구성되는, 시스템.
  21. 제20항에 있어서, 상기 복수의 트레이닝 스팟 이미지들은 상기 하전 입자 빔에 대한 기판의 노출에 기초하는, 시스템.
  22. 제16항에 있어서, 상기 프로세서는, 기판 상의 밀링된 빔 스팟들의 처리에 기초하여 복수의 트레이닝 스팟 이미지들을 생성하기 위해 적어도 상기 하전 입자 빔 컬럼을 조절하도록 연결되는, 시스템.
  23. 제22항에 있어서, 상기 프로세서는 상기 복수의 트레이닝 스팟 이미지들을 어레이로서 생성하도록 구성되고, 상기 어레이의 트레이닝 스팟 이미지들은 대응하는 하전 입자 빔 컬럼 설정과 연관되는, 시스템.
  24. 제23항에 있어서, 상기 프로세서는 상기 트레이닝 스팟 이미지들의 어레이를 분할하고, 상기 트레이닝 스팟 이미지들을 개별 트레이닝 스팟 이미지들의 스택으로서 상기 신경망에 제공하도록 구성되는, 시스템.
  25. 방법으로서,
    대응하는 초점 설정들에서, 테스트 기판에 생성된 집속된 빔의 복수의 이미지들을 획득하는 단계;
    상기 복수의 이미지들을 이용하여 컨벌루션 신경망을 트레이닝시키는 단계;
    상기 집속된 빔의 작동 이미지를 획득하는 단계; 및
    상기 집속된 빔의 상기 작동 이미지를 처리하여, 초점 조절을 결정하는 단계를 포함하며,
    상기 집속된 빔은 이온 빔이고,
    빔 스팟을 포함하는 빔 스팟 영역들 각각의 크기는 인가된 빔의 꼬리(tail)를 포함하도록 선택되며, 상기 복수의 이미지들은 상기 빔 스팟 영역들의 이미지들에 대응되는, 방법.
  26. 제25항에 있어서, 결정된 상기 조절에 기초하여 빔 초점을 조절하는 단계를 더 포함하는, 방법.
  27. 삭제
  28. 삭제
KR1020190168199A 2018-12-20 2019-12-16 빔 이미지의 컨벌루션 신경망 평가를 이용한 광 정렬 교정 KR102498820B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/228,201 2018-12-20
US16/228,201 US10923318B2 (en) 2018-12-20 2018-12-20 Optical alignment correction using convolutional neural network evaluation of a beam image

Publications (2)

Publication Number Publication Date
KR20200077429A KR20200077429A (ko) 2020-06-30
KR102498820B1 true KR102498820B1 (ko) 2023-02-10

Family

ID=71096894

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190168199A KR102498820B1 (ko) 2018-12-20 2019-12-16 빔 이미지의 컨벌루션 신경망 평가를 이용한 광 정렬 교정

Country Status (3)

Country Link
US (1) US10923318B2 (ko)
KR (1) KR102498820B1 (ko)
CN (1) CN111352148B (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11264206B2 (en) * 2014-03-10 2022-03-01 D2S, Inc. Methods and systems for forming a pattern on a surface using multi-beam charged particle beam lithography
US20220128899A1 (en) * 2020-10-22 2022-04-28 D2S, Inc. Methods and systems to determine shapes for semiconductor or flat panel display fabrication
JP7407846B2 (ja) 2022-01-20 2024-01-04 日本電子株式会社 集束イオンビーム装置及びイオンビームの視野ズレ補正方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3959063B2 (ja) * 2001-10-10 2007-08-15 アプライド マテリアルズ イスラエル リミテッド 荷電粒子ビームカラムのアライメント方法および装置
JP2008226742A (ja) 2007-03-15 2008-09-25 Hitachi High-Technologies Corp 画像形成方法、及び電子顕微鏡
JP2013030278A (ja) 2011-07-26 2013-02-07 Hitachi High-Technologies Corp 荷電粒子線装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6272392B1 (en) * 1998-12-04 2001-08-07 Advanced Micro Devices, Inc. Methodology for extracting effective lens aberrations using a neural network
KR20070093053A (ko) * 2004-11-15 2007-09-17 크레던스 시스템스 코포레이션 집속 이온 빔 데이터 분석에 관한 시스템 및 방법
US9530613B2 (en) * 2011-02-18 2016-12-27 Applied Materials Israel, Ltd. Focusing a charged particle system
KR102347057B1 (ko) * 2015-08-12 2022-01-03 케이엘에이 코포레이션 전자 빔 이미지에서의 결함 위치 결정
US9965901B2 (en) * 2015-11-19 2018-05-08 KLA—Tencor Corp. Generating simulated images from design information
US10043261B2 (en) * 2016-01-11 2018-08-07 Kla-Tencor Corp. Generating simulated output for a specimen
US10346740B2 (en) * 2016-06-01 2019-07-09 Kla-Tencor Corp. Systems and methods incorporating a neural network and a forward physical model for semiconductor applications
IL280067B1 (en) * 2018-07-13 2024-03-01 Asml Netherlands Bv Systems and methods for SEM image enhancement
US20200312611A1 (en) * 2019-03-29 2020-10-01 Fei Company Artificial intelligence enabled volume reconstruction

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3959063B2 (ja) * 2001-10-10 2007-08-15 アプライド マテリアルズ イスラエル リミテッド 荷電粒子ビームカラムのアライメント方法および装置
JP2008226742A (ja) 2007-03-15 2008-09-25 Hitachi High-Technologies Corp 画像形成方法、及び電子顕微鏡
JP2013030278A (ja) 2011-07-26 2013-02-07 Hitachi High-Technologies Corp 荷電粒子線装置

Also Published As

Publication number Publication date
CN111352148B (zh) 2022-12-20
US20200203122A1 (en) 2020-06-25
KR20200077429A (ko) 2020-06-30
US10923318B2 (en) 2021-02-16
CN111352148A (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
KR102498820B1 (ko) 빔 이미지의 컨벌루션 신경망 평가를 이용한 광 정렬 교정
TWI735458B (zh) 用於晶圓邊緣檢測及查核之方法及系統
JP5063035B2 (ja) 荷電粒子ビーム描画方法及び荷電粒子ビーム描画装置
JP6278553B2 (ja) ２次電子光学系及び検出デバイス
US10497539B2 (en) Multi charged particle beam writing apparatus and multi charged particle beam writing method
JP5188846B2 (ja) 走査型透過電子顕微鏡の収差補正装置及び収差補正方法
TWI749498B (zh) 確定質量粒子束波前的方法和裝置
JP5025964B2 (ja) 荷電粒子ビーム描画方法及び荷電粒子ビーム描画装置
JP4207232B2 (ja) 荷電ビーム露光装置
JP4156862B2 (ja) 電子ビーム露光装置及び電子ビーム処理装置
JP7400106B2 (ja) 低クロストークを有する多重荷電粒子ビーム装置
EP3552222A1 (en) Method and system for aberration correction in electron beam system
JP3355604B2 (ja) 荷電粒子リソグラフィのための曲線軸セットアップ
US20220230844A1 (en) Charged particle beam apparatus and method for controlling charged particle beam apparatus
US6974960B2 (en) Exposure system and exposure method
US20240112884A1 (en) Distortion reduction in a multi-beam imaging system
TWI773020B (zh) 用於色像差減輕之系統及方法
JP7411521B2 (ja) 荷電粒子ビーム調整方法、荷電粒子ビーム描画方法、および荷電粒子ビーム照射装置
JP7326480B2 (ja) パターン検査装置及びパターン検査方法
CN111542907B (zh) 消除在电子束分离器中的热诱导束漂移的方法
JP2006351994A (ja) 荷電粒子ビーム描画装置のビーム補正方法および荷電粒子ビーム描画装置
JP2018026516A (ja) マルチ荷電粒子ビーム描画装置及びその調整方法
US6087668A (en) Charged-particle-beam projection method and apparatus
JP2023118434A (ja) マルチ荷電粒子ビーム装置の光学系調整方法及びプログラム
JPH10308341A (ja) 電子ビーム露光方法及び電子ビーム露光装置

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant