KR102544026B1

KR102544026B1 - 제2고조파 발생(ｓｈｇ) 신호 내에서 재료 특성을 해석하는 시스템

Info

Publication number: KR102544026B1
Application number: KR1020177015631A
Authority: KR
Inventors: 빅터 콜디애브; 마크 크리스토퍼 크라이거; 존 폴 챈갈라; 지아닝 시
Original assignee: 펨토매트릭스, 인코포레이티드.
Priority date: 2014-11-12
Filing date: 2015-11-12
Publication date: 2023-06-14
Also published as: US10551325B2; WO2016077617A1; EP3218924A4; EP3218924B1; EP3218924A1; US20160131594A1; KR20170092573A; US20220317060A1; US20200408699A1; US11199507B2; US11988611B2

Abstract

웨이퍼 상의 방사선을 지향시키고, 상기 웨이퍼로부터 제2고조파 생성(SHG) 방사선을 검출하고, 상기 제2고조파 생성(SHG) 신호를 웨이퍼의 하나 이상의 전기적 특성과 상관시키는 것에 기초한 반도체 계측 시스템이 개시된다. 본 발명은 또한 SHG 신호를 파싱하여 두께와 같은 샘플의 하나 이상의 재료 특성으로부터 SHG 신호에 대한 기여를 제거하는 방법을 포함한다. 여기에 기술 된 시스템 및 방법은 웨이퍼의 전기적 특성에 기초하여 웨이퍼로부터 획득 된 SHG 신호 데이터를 자동으로 분류하는 기계 학습 방법론을 포함한다.

Description

제2고조파 발생(ＳＨＧ) 신호 내에서 재료 특성을 해석하는 시스템 {Systems for Parsing Material Properties from within ＳＨＧ Signals}

본 발명은 웨이퍼 검사(wafer inspection), 반도체 계측(semiconductor metrology), 재료 특성화(materials characterization), 표면 특성화(surface characterization), 및/또는 인터페이스 분석(interface analysis)을 위한 시스템에 관한 것이다.

본 출원은 2014년 11월 12일자로 미국 35 USC 119(e) 규정 하에 가 출원 된 "제2고조파 발생(ＳＨＧ) 신호 내에서 재료 특성을 해석하는 시스템" 명칭의 출원번호 62/078,636의 이익을 주장하고, 이는 본원에 참조로서 각각 통합되는 부록의 섹션 I, II, III 및 IV의 각각을 포함하나 이에 한정되지 않는 그 전체가 본원에 참고로 인용된다.

비선형 광학에서는 광선 입력(들)이 상기 입력(들)의 합, 차 또는 고조파 주파수(harmonic frequencies)로 출력된다. 제2고조파 생성(Second Harmonic Generation: SHG)은 입사광 빔의 2배의 주파수로 반사 된 각도에서 물질로부터 빛이 방출되는 비선형 효과이다. 상기 과정은 에너지 E의 2개의 광자를 결합하여 입사하는 방사선의 단일 광자 2E (즉, 주파수의 2배 (2ω) 또는 파장의 절반의 광의 생성)를 생성하는 것으로 간주될 수 있다. 이러한 효과는 서로 다른 주파수에 해당하는 서로 다른 에너지의 광자 결합으로도 일반화할 수 있다.

임의의 특정 이론을 따르지 않고, SHG 공정은 대칭 중심 (즉, 인버전(inversion) 또는 중심 대칭(centrosymmetric) 재료)을 나타내는 대량의 물질 내에서 발생하지 않는다. 이러한 재료의 경우, SHG 공정은 벌크 재료의 인버전 대칭이 파괴되는 표면(surfaces) 및/또는 계면(interfaces)에서만 감지할 수 있다. 따라서 SHG 공정은 표면 및 계면 특성에 고유한 감도를 제공한다.

따라서 SHG 효과는 화학 기상 증착(CVD) 공정에서 웨이퍼 제조 시 계면 특성을 검출하는데 유용할 수 있다. 따라서 SHG 기술은 독특한 비접촉 웨이퍼/기판 검사 기회를 제공할 수 있다.

상기 시스템은 하나의 장치에서 다중 특성화 기술을 사용한다. 즉, SHG 계측 특성화 모듈은 반드시 여기에 제한되지 않지만, 분광 타원계(Spectroscopic Ellipsometer: SE), 반사계(reflectometer), CV-IV 파라메트릭 분석기, 유도 결합 플라스마 질량 분석(Inductively Coupled Plasma Mass Spectrometry: ICPMS), 기상 분해((VPD) -ICPMS), 총 반사 X선 형광(Total Reflection X-Ray Fluorescence: TXRF), 2차 이온 질량 분석법(Secondary Ion Mass Spectrometry: SIMS), 러더퍼드 후방 산란(Rutherford Backscattering: RBS), 스캐닝/터널링 전자 현미경(Scanning/Tunneling Electron Microscope: SEM/TEM), 원자력 현미경(Atomic Force Microscope: AFM), 브라이트 필드/다크 필드 현미경(Brightfield/Darkfield Microscopy), 글로 방전 광 방출 분광법(Glow Discharge Optical Emission Spectroscopy: GD-OES), X선 광전자 분광법(X-Ray Photoelectron Spectroscopy: XPS), 푸리에 변환 적외선 분광법(Fourier Transform Infrared Spectroscopy: FTIR), 혹은 마이크로파 검출된 광 전도 붕괴(μ-PCD) 중 적어도 하나를 포함하는 2차 분석 장치와 통합된다.

본 발명의 요지의 하나의 혁신적인 측면은 샘플을 특성화하기 위한 방법으로 구체화된다. 상기 방법은 광학 소스를 이용하여 전자기 방사선을 샘플에 향하게 하는 단계; 광학 검출기를 사용하여 제2고조파 발생(SHG) 신호를 검출하는 단계로서, 상기 검출 된 SHG 신호는 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 포함하고; 2차 분석 장치를 이용하여 상기 샘플의 하나 이상의 물질 특성을 측정하는 단계; 및 전자 처리 회로의 통제 하에: 상기 검출 된 SHG 신호를 상기 샘플의 상기 측정 된 하나 이상의 물질 특성과 상관시키는 단계; 파싱 된 SHG 신호 데이터를 얻기 위해 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계; 및 상기 파싱 된 SHG 신호 데이터로부터 샘플의 특성을 추정하는 단계를 포함한다.

다양한 실시 예에서, 광학 소스는 레이저 일 수 있다. 다양한 실시 예에서, 상기 2차 분석 장치는, 반사계(reflectometer), 분광 타원계(Spectroscopic Ellipsometer: SE), CV-IV 파라메트릭 분석기, 유도 결합 플라스마 질량 분석(Inductively Coupled Plasma Mass Spectrometry: ICPMS), 기상 분해((VPD) -ICPMS), 총 반사 X선 형광(Total Reflection X-Ray Fluorescence: TXRF), 2차 이온 질량 분석법(Secondary Ion Mass Spectrometry: SIMS), 러더퍼드 후방 산란(Rutherford Backscattering: RBS), 스캐닝/터널링 전자 현미경(Scanning/Tunneling Electron Microscope: SEM/TEM), 원자력 현미경(Atomic Force Microscope: AFM), 브라이트 필드/다크 필드 현미경(Brightfield/Darkfield Microscopy), 글로 방전 광 방출 분광법(Glow Discharge Optical Emission Spectroscopy: GD-OES), X선 광전자 분광법 (X-Ray Photoelectron Spectroscopy: XPS), 푸리에 변환 적외선 분광법(Fourier Transform Infrared Spectroscopy: FTIR), 혹은 마이크로파 검출된 광 전도 붕괴(μ-PCD) 중 적어도 하나를 포함할 수 있다. 상기 샘플의 하나 이상의 물질 특성은 상기 샘플의 하나 이상의 층의 두께 또는 알려진 아티팩트의 존재 중 적어도 하나를 포함할 수 있다. 상기 파싱 된 SHG 신호 데이터로부터 추정 된 상기 샘플의 특성은 상기 샘플의 하나 이상의 전기적 특성을 포함할 수 있다. 상기 샘플의 하나 이상의 전기적 특성은 국부 표면 및 지하 표면 금속; 유기 혹은 무기 오염; 트랩 전하 밀도; 스트레인 혹은 도핑 레벨 중 적어도 하나를 포함할 수 있다. 다양한 실시 예에서, 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계는, 상기 샘플의 상기 측정 된 하나 이상의 물질 특성과 상기 검출 된 SHG 신호 사이의 정량적인 관계를 결정하는 단계; 및 상기 측정 된 하나 이상의 물질 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양에 의해 상기 검출 된 SHG 신호를 조정하는 단계를 포함할 수 있다. 상기 검출 된 SHG 신호를 조절하는 단계는, 상기 측정 된 하나 이상의 재료 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양으로 상기 검출 된 SHG 신호를 분할하는 단계를 포함할 수 있다. 다양한 실시 예에서, 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계는, 상기 샘플의 상기 측정 된 하나 이상의 물질 특성과 상기 검출 된 SHG 신호 사이의 정량적인 관계를 결정하는 단계; 및 상기 측정 된 하나 이상의 물질 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양에 의해 상기 검출 된 SHG 신호를 디컨볼루션하는 단계를 포함할 수 있다.

본 발명의 주제의 또 다른 혁신적인 측면은 샘플을 특성화하기 위한 시스템으로 구현된다. 상기 시스템은, 전자기 방사선의 빔을 샘플에 지향시키도록 구성된 광학 소스; 제2고조파 발생(SHG) 신호를 검출하도록 구성된 광 검출기로서, 상기 검출 된 SHG 신호는 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 포함하며; 상기 샘플의 하나 이상의 물질 특성을 측정하도록 구성된 2차 분석 장치; 및 전자 처리 회로로서를 포함한다. 전자 처리 회로는, 상기 검출 된 SHG 신호를 상기 샘플의 측정 된 하나 이상의 물질 특성과 상관시키는 단계; 파싱 된 SHG 신호 데이터를 얻기 위해 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계; 및 상기 파싱 된 SHG 신호 데이터로부터 상기 샘플의 특성을 추정하는 단계로 구성된다.

다양한 실시 예에서, 상기 2차 분석 장치는, 반사계(reflectometer), 분광 타원계(Spectroscopic Ellipsometer: SE), CV-IV 파라메트릭 분석기, 유도 결합 플라스마 질량 분석(Inductively Coupled Plasma Mass Spectrometry: ICPMS), 기상 분해((VPD) -ICPMS), 총 반사 X선 형광(Total Reflection X-Ray Fluorescence: TXRF), 2차 이온 질량 분석법(Secondary Ion Mass Spectrometry: SIMS), 러더퍼드 후방 산란(Rutherford Backscattering: RBS), 스캐닝/터널링 전자 현미경(Scanning/Tunneling Electron Microscope: SEM/TEM), 원자력 현미경(Atomic Force Microscope: AFM), 브라이트 필드/다크 필드 현미경(Brightfield/Darkfield Microscopy), 글로 방전 광 방출 분광법(Glow Discharge Optical Emission Spectroscopy: GD-OES), X선 광전자 분광법 (X-Ray Photoelectron Spectroscopy: XPS), 푸리에 변환 적외선 분광법(Fourier Transform Infrared Spectroscopy: FTIR), 혹은 마이크로파 검출된 광 전도 붕괴(μ-PCD) 중 적어도 하나를 포함할 수 있다.

다양한 실시 예에서, 상기 샘플의 하나 이상의 물질 특성은 상기 샘플의 하나 이상의 층의 두께 또는 알려진 아티팩트의 존재 중 적어도 하나를 포함한다. 다양한 실시 예에서, 상기 파싱 된 SHG 신호 데이터로부터 추정 된 상기 샘플의 특성은 상기 샘플의 하나 이상의 전기적 특성을 포함할 수 있다. 상기 샘플의 하나 이상의 전기적 특성은, 국부 표면 및 지하 표면 금속; 유기 혹은 무기 오염; 트랩 전하 밀도; 스트레인 혹은 도핑 레벨을 적어도 하나 포함할 수 있다. 다양한 실시 예에서, 상기 전자 처리 회로는, 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계; 상기 샘플의 상기 측정 된 하나 이상의 물질 특성과 상기 검출 된 SHG 신호 사이의 정량적인 관계를 결정하는 단계; 및 상기 측정 된 하나 이상의 물질 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양에 의해 상기 검출 된 SHG 신호를 조정하는 단계로 구성될 수 있다.

다양한 실시 예에서, 상기 검출 된 SHG 신호를 조절하는 단계는, 상기 측정 된 하나 이상의 재료 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양으로 상기 검출 된 SHG 신호를 분할하는 단계를 포함할 수 있다. 다양한 실시 예에서, 상기 전자 처리 회로는, 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계; 상기 샘플의 상기 측정 된 하나 이상의 물질 특성과 상기 검출 된 SHG 신호 사이의 정량적인 관계를 결정하는 단계; 및 상기 측정 된 하나 이상의 물질 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양에 의해 상기 검출 된 SHG 신호를 디컨볼루션하는 단계를 포함할 수 있다.

본 발명의 주제의 또 다른 혁신적인 측면은 샘플의 전기적 특성을 특성화하는 자동화 된 방법으로 구체화된다. 상기 방법은 제2고조파 생성(SHG) 신호를 포함하는 샘플로부터 신호를 수신하는 단계; 하드웨어 컴퓨팅 장치의 제어 하에: 상기 샘플의 전기적 특성과 관련된 상기 SHG 신호로부터 특징들을 추출하기 위해 상기 수신 된 신호를 처리하는 단계로서, 상기 SHG 신호로부터의 특징들은 변환을 이용하여 추출되고; 및 상기 추출 된 특징들을 샘플의 하나 이상의 전기적 특성들과 상관시키는 단계로 구성된다.

다양한 실시 예에서, 상기 추출 된 특징은 상기 SHG 신호의 시공간 강도를 포함할 수 있다. 다양한 실시 예에서, 상기 변환은 푸리에 변환(Fourier transform), 웨이블릿(wavelet), 또는 기계 학습 커널 중 적어도 하나를 포함할 수 있다. 다양한 실시 예에서, 상기 추출 된 특징들을 상관시키는 단계는, 하드웨어 컴퓨팅 장치의 제어 하에: 디코더를 사용하여 상기 추출 된 특징을 디코딩하는 단계; 상기 디코딩 된 추출 된 특징을 결정에 매핑하는 단계; 및 상기 결정에 기초하여 상기 SHG 신호를 분류하는 단계를 포함할 수 있다.

다양한 실시 예에서, 상기 결정은 금속 오염물의 존재 또는 부재를 포함하여 구성될 수 있다. 다양한 실시 예에서, 상기 결정은 금속 오염물의 존재, 금속 오염물의 부재, 오염물의 유형 또는 금속 오염물의 양 중 적어도 하나를 포함할 수 있다. 상기 디코더는 선형 디코더 혹은 비선형 디코더일 수 있다.

다양한 실시 예에서, 상기 디코딩 된 추출 된 특징들을 결정에 매핑하는 단계는, 상기 추출 된 특징을 결정 경계 상에 투사하는 단계를 포함할 수 있다. 상기 결정 경계는 상기 자동화 된 시스템의 트레이닝 단계 중에 얻어질 수 있다. 다양한 실시 예에서, 상기 장동화 된 방법은 상기 하드웨어 컴퓨팅 장치의 제어 하에: 상기 샘플의 하나 이상의 물질 특성에 기인하는 상기 SHG 신호의 일부분을 제거하는 단계를 포함할 수 있다. 다양한 실시 예에서, 상기 샘플의 하나 이상의 물질 특성에 기인하는 상기 SHG 신호의 부분은 상기 SHG 신호로부터 특징들을 추출하기 전에 제거될 수 있다. 다양한 실시 예에서, 상기 샘플의 하나 이상의 물질 특성에 기인하는 상기 SHG 신호의 부분을 제거하는 단계는, 상기 샘플의 하나 이상의 물질 특성과 관련된 데이터를 수신하는 단계; 상기 샘플의 하나 이상의 물질 특성과 관련된 상기 수신 된 데이터와 상기 수신 된 신호 사이의 정량적인 관계를 결정하는 단계; 및 상기 샘플의 하나 이상의 물질 특성에 기인하는 상기 SHG 신호의 부분을 제거하기 위해 상기 수신 된 신호를 정규화 하는 단계를 포함할 수 있다. 다양한 실시 예에서, 상기 샘플의 하나 이상의 물질 특성과 관련된 데이터가 2차 반도체 분석 장치를 사용하여 수신될 수 있다.

도면은 상이한 본 발명의 다양한 실시 예의 다양한 실시 태양의 측면을 개략적으로 도시한다.
도 1a는 SHG 계측 시스템의 일 실시 예의 도면이다. 도 1b 및 도 1c는 SHG 계측 시스템 및 반사계의 실시 예를 사용하여 웨이퍼에 대해 얻어진 결과를 나타낸다. 웨이퍼는 오염되지 않은 200mm 1500/1000nm SOI이다. 도 1b 및 도 1c는 웨이퍼의 층 두께가 도 1c의 초승달 모티프로부터 관찰 된 바와 같이 임의의 주어진 포인트에서 최대 SHG 신호와 강력하고 그리고 직접적인 상관관계가 있음을 나타낸다.
도 2는 층 두께로부터 SHG 신호를 분리하는 방법을 도시한다.
도 3은 디바이스 층 두께와 SHG 최대 신호 사이의 정량적인 관계를 설정하는 플롯을 예시한다. 3차 다항식 곡선은 디바이스 층 두께에 대한 SHG 최대 신호의 분포의 곡률을 설명하기 위해 획득 된 최대 SHG 신호에 적합하다. 디바이스 층 두께에 대한 SHG 최대 신호의 분포는 계수 a=-1.78e-01, b=8.87e+02, c=-1.47e+06, d=8.16e+08를 갖는 3차 다항식 곡선에 의해 표시된 바와 같이 비선형이다.
도 4a는 SHG 계측 시스템 및 반사계의 실시 예를 사용하여 웨이퍼에 걸쳐 획득 된 최대 SHG 신호를 나타낸다. 도 4b는 웨이퍼에 걸친 디바이스 층 두께를 도시한다. 도 4c는 디바이스 층 두께의 변화를 고려하여 얻어진 웨이퍼에 걸친 보정 된 최대 SHG 신호를 도시한다. 상기 보정 된 최대 SHG 신호는 각 점에서의 최대 SHG 신호를 그 점에서 층의 두께가 주어진 지점에서의 예상 최대 SHG 신호로 나눔으로써 얻어 질 수 있다.
도 5a 및 5b는 보정 전후의 최대 SHG 신호의 통계적 비교를 나타낸다. 지도는 웨이퍼가 커다란 복잡함이 없을 것으로 예상됨을 반영한다. 맵은 또한 층 두께에 기인하는 웨이퍼 내 변동이 감소함을 반영한다.
도 6a 내지 도 6d는 표면 Cu 오염의 공지된 수준을 갖는 웨이퍼의 최대 SHG 신호 웨이퍼 맵을 나타낸다. 도 6a는 대조 웨이퍼에 대한 최대 SHG 신호를 나타낸다. 도 6b는 1E10 atoms/cm2의 Cu 오염 수준으로 스핀 코팅(spin-coated) 된 200mm 1500/1000nm SOI 웨이퍼에 대한 최대 SHG 신호를 도시한다. 도 6c는 1E11 atoms/cm2의 Cu 오염 수준으로 핀 코팅(pin-coated) 된 200mm 1500/1000nm SOI 웨이퍼의 최대 SHG 신호를 보여준다. 1E12 atoms/cm2의 Cu 오염 수준으로 핀 코팅 된 200mm 1500/1000nm SOI 웨이퍼의 최대 SHG 신호를 나타낸다.
도 7a 내지 도 7d는 도 6a 내지 도 6c에 도시 된 맵에 대응하는 층 두께 효과를 고려하여 정규화 된 최대 SHG 신호 맵을 도시한다.
도 8은 디바이스 층 두께를 고려하여 SHG 신호를 정규화 하도록 구성된 SHG 계측 특성화 모듈을 포함하는 시스템 아키텍처의 실시 예를 도시한다.
도 9는 반사계와 관련하여 SHG 계측 시스템을 포함하는 시스템의 일 실시 예를 도시한다.
도 10은 SHG 계측 시스템의 일 실시 예로부터 출력을 제공하는 방법을 예시하는 흐름도이다.
도 11은 감독 된 트레이닝 모드에서 SHG 계측 시스템의 실시 예로부터의 출력을 제공하는 방법을 도시하는 흐름도이다.
도 12는 감독 된 테스트 모드에서 SHG 계측 시스템의 실시 예로부터의 출력을 제공하는 방법을 도시하는 흐름도이다.
도 13은 감독되지 않은 훈련 모드에서 SHG 계측 시스템의 실시 예로부터의 출력을 제공하는 방법을 도시하는 흐름도이다.
도 14는 감독되지 않는 테스트 모드에서 SHG 계측 시스템의 실시 예로부터의 출력을 제공하는 방법을 도시하는 흐름도이다.
도 15는 상기 획득 된 SHG 신호 데이터를 분류하는 방법을 나타낸다.
도 16a는 선형 디코더를 포함하는 자동화 된 하드웨어 시스템을 이용하여 획득 된 SHG 신호 데이터를 분류하는 방법을 도시한다.
도 16b는 선형 디코더를 포함하는 자동화 된 하드웨어 시스템의 트레이닝 단계 동안 획득 된 하이퍼 평면(wTx) 상에 투영 된 SHG 데이터 신호들의 결정 경계까지의 거리를 도시한다.
도 17은 신호 검출 이론을 이용하여 SHG 신호 데이터의 분류 정확도를 추정하는 방법을 나타낸다.

도 1a는 본 발명과 관련하여 사용될 수 있는 시스템(2100)의 도면이다. 상기 시스템은 진공 척(2030)에 의해 유지되는 샘플 웨이퍼(2020)에서 전자기 방사선(electro-magnetic radiation)의 제1빔(2012)을 지향시키는 제1레이저(2010)를 포함한다. 척(2030)은 x-스테이지 및 y-스테이지 그리고 선택적으로 방사선이 지향되는 곳에 대해 웨이퍼를 가로질러 샘플 사이트(2022)를 위치시키기 위한 회전 스테이지를 포함하거나 설정한다. 검출기(2040)로 향하는 반사 된 방사선의 제2빔(2014)은 SHG 신호를 포함할 것이다. 상기 검출기는 광전자증 배관(photomultiplier tube), CCD 카메라, 애벌런치 검출기(avalanche detector), 포토다이오드 검출기(photodiode detector), 스트리크 카메라(streak camera) 및 실리콘 검출기(silicon detector) 중 임의의 것일 수 있다. 샘플 사이트(2022)는 하나 이상의 층을 포함 할 수 있다. 샘플 사이트(2022)는 적어도 2개 층을 포함하는 복합 기판을 포함 할 수 있다. 샘플 사이트(2022)는 2개의 상이한 재료들(가령, 2개의 상이한 반도체 재료 사이, 2개의 상이한 도핑된 반도체 재료 사이, 반도체와 산화물 사이, 반도체와 유전 재료 사이, 반도체와 금속 사이, 산화물과 금속 사이, 금속과 금속 사이 또는 금속과 유전체 사이)에 존재할 수 있다.

시스템(2100)의 다양한 실시 예는 하나 이상의 셔터 타입(shutter-type) 장치(2050)를 포함할 수 있다. 이들은 이하의 방법과 관련하여 설명 된 바와 같이 사용된다. 사용되는 셔터 하드웨어의 유형은 레이저 방사선이 차단(block)되거나 덤프(dump)되거나 다른 방법으로 샘플 사이트로부터 멀리 떨어지는 시간 프레임에 따라 달라질 수 있다.

Pockel's Cell 또는 Kerr Cell과 같은 전기 광학 차단 장치(electro-optic blocking device)는 매우 짧은 차단 기간(즉, 10-9초에서 10-12초 정도의 스위칭 시간)을 얻는 데 사용될 수 있다. 보다 긴 차단 시간 간격(가령, 대략 10-5초 및 그 이상)을 위해, 기계식 셔터(mechanical shutters) 또는 플라이휠 초퍼 형 장치(flywheel chopper type devices)가 사용될 수 있다.

전기 광학 차단 장치는 아래의 방법에 따라 테스트 할 수 있는 광범위한 재료를 제공할 수 있다. 매우 작은 시간 간격(전형적으로 피코초 내지 마이크로초 단위)으로 이산적으로 게이팅 할 수 있는 광자 계수 시스템(2044)은 또한 시간-의존성 신호 계수를 해결하기 위해 포함될 수 있다.

시스템(2100)의 다양한 실시 예에서, 추가의 방사선 소스(가령, 발산형 또는 광학적으로 시준 된 또는 집중된 펄스를 방출하는 지향성 빔 또는 UV 플래시 램프를 방출하는 것으로 예시된 레이저)가 "웨이퍼 계측 기술(Wafer Metrology Technologies)"이라는 제목의 "펌프 및 프로브 유형 SHG 계측(Pump and Probe Type SHG Metrology)"이라는 제목의 섹션 I로 지칭되는 2014년 4월 17일자로 출원 된 미국 가출원 제61/980,860호의 부분과 관련하여 상기 언급 된 바와 같은 피처를 제공하기 위해 시스템(2100)에 통합 될 수도 있고, 이는 본원에서 그 전체가 참조로 통합되며, 및/또는 하기 방법에서 초기 충전/포화를 포함한다.

다양한 다른 하드웨어 장치 및 시스템을 사용하여 상기 방법을 더욱 빨라진 시간 프레임으로 밀어 넣을 수 있다. 예를 들어, 시스템(2100)의 다양한 실시 예는 지연 라인 하드웨어(delay line hardware)를 포함할 수 있다. 상기 지연 라인은 가변적인 지연 라인 일 수 있으며, 이는 유리하게도 (다수의 방법론에서는 단지 10-12초의 지연이 필요할 수 있지만) 즉시 수십 나노초 범위의 시간 프레임에서 다중 과도 전하 감쇠 인터로게이션 이벤트(multiple transient charge decay interrogation events)를 허용 할 수 있다. 일부 실시 예들에서, 복수의 설정-시간 지연 라인들 사이의 빔 스플리팅 및 스위칭(또는 셔터링 온/오프)은 다수의 시간 지연된 인터로게이션 이벤트를 허용하기 위해 사용될 수 있다.

시스템(2100)의 다양한 실시 예에서, 레이저(2010)로부터의 빔(2012)은 2개의 광 경로들 사이의 빔 분리기에 의해 분할될 수 있다. 상기 빔 스플리터(beam splitter)는 상기 2개의 광 경로들 사이에서 불균일하게 빔(2012)을 분할하도록 구성될 수 있다. 예를 들어, 빔(2012)의 에너지의 70%는 제1광 경로를 따라 지향될 수 있고, 또한 빔(2012)의 에너지의 30%는 제2광 경로를 따라 지향될 수 있다. 다른 예로서, 빔(2012)의 에너지의 60%는 제1광 경로를 따라 지향될 수 있고 빔(2012)의 에너지의 40%는 제2광 경로를 따라 지향될 수 있다. 또 다른 예로서, 빔(2012)의 에너지의 80%는 제1광 경로를 따라 지향될 수 있고 빔(2012)의 에너지의 20%는 제2광 경로를 따라 지향될 수 있다. 상기 빔 스플리터는 유전체 거울(dielectric mirror), 스플리터 큐브(splitter cube), 금속 코팅 거울(metal coated mirror), 펠리클 거울(pellicle mirror) 또는 도파관 스플리터(waveguide splitter)를 포함 할 수 있다. 빔(2012)이 광 펄스를 포함하는 실시 예에서, 빔 스플리터는 광 펄스가 확장되지 않도록 2개의 광 경로 사이에서 빔(2012)을 분할하는 무시할 수 있는 분산을 갖는 광 구성요소를 포함할 수 있다. 제1 또는 제2광 경로 중 하나를 따라 이동하는 빔은 펌프 빔(pump beam)으로서 구성 될 수 있고, 다른 빔은 프로브 빔(probe beam)으로서 구성될 수 있다. 빔 스플리터가 제1광 경로와 제2광 경로 사이에서 불균일하게 빔(2012)을 분할하도록 구성된 실시 예에서, 더 많은 양의 광 에너지를 갖는 빔은 펌프 빔으로서 구성될 수 있고, 보다 적은 양의 광 에너지가 프로브 빔으로 구성될 수 있다. 프로브 빔이 이동하는 광 경로는 펌프 빔에 대한 도착 타이밍을 변경하기 위해 길어지거나 짧아 질 수 있다. 다양한 실시 예에서, 광 섬유는 제1 또는 제2광 경로에서 사용될 수 있어(가경, 설명을 위해 그 전체가 본원에 참고로 인용된 미국 특허 제6,819,844호에 제시된 바와 같이), 상기 펌프 빔과 상기 프로브 빔 사이에 광 지연을 도입할 수 있다. 다양한 실시 예에서, 제1 및 제2광 경로는 상기 펌프 빔 및 상기 프로브 빔이 상이한 각도로 상기 샘플 웨이퍼에 입사하도록 서로에 대해 경사질 수 있다. 이러한 접근법에 의하여, 펌프 및 프로브 SHG 응답을 별도로 측정하는 것이 용이해 진다. 이러한 경우, 펌프 빔 및 프로브 빔으로부터의 SHG 응답을 검출하기 위해 2개의 검출기가 효과적으로 사용될 수 있다.

도 1a를 참조하면, 검출기(2040) 및/또는 광자 계수 시스템(2044)으로부터의 출력은 전자 장치(2048)에 입력될 수 있다. 전자 장치(2048)는 예를 들어 컴퓨팅 장치(computing device), 컴퓨터(computer), 태블릿(tablet), 마이크로 컨트롤러(microcontroller) 또는 FPGA 일 수 있다. 전자 장치(2048)는 하나 이상의 소프트웨어 모듈을 실행하도록 구성될 수 있는 프로세서 또는 프로세싱 전자 장치를 포함 할 수 있다. 운영 체제를 실행하는 것 이외에, 프로세서는 웹 브라우저(web browser), 전화 애플리케이션(telephone application), 이메일 프로그램(email program) 또는 임의의 다른 소프트웨어 애플리케이션을 포함하는 하나 이상의 소프트웨어 애플리케이션을 실행하도록 구성될 수 있다. 전자 장치(2048)는 RAM, ROM, EEPROM 등과 같은 기계-판독 가능 비-일시적 저장 매체에 포함 된 명령들을 실행함으로써 본 명세서에서 논의 된 방법들을 구현할 수 있다. 전자 장치(2048)는 사용자와 상호 작용하는 디스플레이 장치(display device) 및/또는 그래픽 사용자 인터페이스(graphic user interface)를 포함할 수 있다. 전자 장치(2048)는 네트워크 인터페이스(network interface)를 통해 하나 이상의 장치와 통신할 수 있다. 네트워크 인터페이스는 유선 또는 무선 연결을 통해 통신할 수 있는 송신기(transmitters), 수신기(receivers) 및/또는 송수신기(transceivers)를 포함할 수 있다.

시스템(2100)은 하나 이상의 선택적 광 구성요소를 포함할 수 있다. 예를 들어, 레이저(2010)로부터 직접 반사된 방사선과 동축이 되는 SHG 신호를 선택적으로 통과시키는 다이크로익(dichroic) 반사 또는 굴절 필터(2080)를 포함하는 시스템(2100)이 도시되어 있다. 대안적으로, 프리즘은 더 약한 SHG 신호를 다차원의 더 강한 반사된 제1빔과 구별하기 위해 사용될 수 있다. 다른 옵션에는 회절 격자(diffraction grating) 또는 Pellicle 빔 스플리터의 사용이 포함될 수 있다. 시스템(2100)에 도시 된 바와 같이, 포커싱(focusing) 및 시준(collimating/collimation) 광학계의 광 번들(optical bundle)(2082)이 제공될 수 있다. 시스템(2100)의 다양한 실시 예에서, 예를 들어 하나 이상의 광 필터(optical filters), 줌 렌즈(zoom lens) 및/또는 편광기(polarizers)와 같은 부가적인 광 구성요소가 포함될 수 있다. 또한, 일부 실시 예에서는 (검출기(2040) 및 인라인 광 구성요소에 대한 대응 조정을 가지는) 각 (또는 아크 타입) 회전 조정이 또한 포함될 수 있다.

시스템(2100)을 참조하면, 레이저(2010)는 대략 10kW 내지 1GW 사이의 피크 전력으로 대략 700nm 내지 대략 2000nm의 파장 범위에서 작동하지만 대략 100mW 미만에서는 평균으로 전력을 전달할 수 있다. 다양한 실시 예에서, 10mW 내지 10W의 평균 전력으로 충분해야 한다. 펌프 소스로서 구성된 추가 광원(가령, 다른 레이저 또는 플래쉬 램프)을 포함하는 실시 예는 대략 10mW 내지 10W 사이의 평균 전력을 전달하는 대략 80nm 내지 대략 800nm의 파장 범위에서 작동할 수 있다. 그러나 이 범위를 벗어난 값이 가능하다.

다양한 실시 예에서, SHG 신호는 SHG 신호를 생성하는 반사된 빔과 비교하여 약하기 때문에, SHG 카운트의 신호-대-잡음비를 개선하는 것이 바람직 할 수 있다. 본원에 기술 된 차단 및/또는 지연 프로세스에 대한 광자 계수 게이트 시간이 감소함에 따라, 개선은 훨씬 더 유용하게 된다. 노이즈를 감소시키는 채용 가능한 한 가지 방법은 검출기를 능동적으로 냉각시키는 것이다. 냉각은 열잡음(thermal noise)으로 인해 임의로 생성되는 거짓 양성 광자(false-positive photon)의 검출 횟수를 감소시킬 수 있다. 이것은 액체 질소(liquid nitrogen) 또는 헬륨(helium)과 같은 극저온 유체(cryogenic fluids) 또는 Peltier 장치의 사용을 통한 고체 상태 냉각(solid state cooling)을 사용하여 수행될 수 있다. 개선의 다른 영역에는 셔터 속도와 관련된 마르크스 뱅크 서킷(Marx Bank Circuit: MBC)의 사용이 포함될 수 있다.

SHG 계측 특성화 모듈은 측정된 SHG 신호 내에서 물리적으로 파생된 기계 학습 모델을 통해 보조 기술의 입력을 사용하여 재료 특성을 파싱하면서 공간을 줄이고 비용을 줄이며 처리량을 늘릴 수 있다. 상기 시스템은 해석되지 않은 SHG 신호로부터 독립적인 반도체 및 재료 특성을 추출할 수 있다. 본 명세서의 실시 예는 층 재료, 층 두께 변화, 결함 및 오염물과 같은 독립적인 웨이퍼 특성의 포트폴리오로서 SHG 신호를 해석하기 위해 물리적으로 파생된 기계 학습 모델 세트에 의해 강화된, SHG 계측의 비파괴 특성 결정 능력으로 전술 한 것과 같은 추가적인 특성화 기술의 통합을 이용한다.

SHG 기반 계측 시스템은 제한되지는 않지만, 국부 표면 및 지하 표면 금속 및 유기 오염, 트랩 전하 밀도(trap charge density), 스트레인(strain) 및 도핑 레벨(doping levels)과 같은 반도체 웨이퍼 파라미터를 측정하는데 유용할 수 있다. 샘플 세트는 SHG의 민감도를 평가하고 확인하기 위해 오염도 또는 결함 수준을 조절하여 만들어졌다. 이 맥락에서 SHG 신호 레벨은 제어된 샘플 간의 명확한 대조를 보여준다.

그러나 기존의 SHG 기반 계측 시스템의 SHG 수치는 알 수 없는 유형 및 결함 및 재료 특성 수준의 실제 샘플을 평가할 때 훨씬 더 복잡해 질 수 있다. 예를 들어, 웨이퍼 전체의 SHG 신호의 변화가 전기적 결함 또는 물질 특성 변화로 인한 것인지 여부를 평가하기 위해 측정된 SHG 신호만으로는 상당한 전문가의 해석이 필요하다. 재료 결함 분석을 개선하고 추후 처리를 위한 정확한 웨이퍼를 선택하기 위하여 SHG 신호를 파싱하는 (종종 파괴적인) 추가 작업이 수행된다.

측정 된 SHG 신호 내에서 물질 특성을 파싱하는 시스템을 개발함에 있어서, SHG 신호에 대한 샘플 웨이퍼의 물질 특성(가령, 샘플 웨이퍼의 하나 이상의 층의 두께)의 효과가 예기치 않게 발견되었다. 샘플 웨이퍼의 하나 이상의 층의 두께의 변화는 종종 공업적으로 관련된 오염 및 웨이퍼 결함으로부터 위장 SHG 신호가 변경되어 산업적으로 문제가 되는 물질의 거짓 양성 확인으로 이어진다는 것이 관찰되었다. 수용 가능한 층 변화들로부터의 SHG 신호 편차는 수용할 수 없는 수준의 물질 오염 또는 결함으로부터의 신호 편차와 동일한 정도의 크기 일 수 있다는 것이 관찰되었다. 층 두께 변화에 대한 고려가 없는 재료를 통한 SHG 신호의 분석되지 않은 모니터링은 산업적으로 관련되는 수준의 전기적 활성 오염 또는 구조적 결함으로 인한 SHG 신호의 변화에 비해 층 두께 변화로 인한 SHG 신호의 변화를 감지하고 구별하는 것을 어렵게 할 수 있다.

예를 들어 주요 제조업체의 4개의 SOI 웨이퍼를 다양한 표면 금속의 특성을 규명하는데 있어 SHG의 효능을 보여주기 위해 의도적인 오염으로 선택했다. 웨이퍼가 SHG를 통해 특성화되었을 때, 샘플들 사이에 모호성을 야기하는 웨이퍼들 사이보다 각각의 웨이퍼 내에 SHG 신호의 훨씬 큰 차이가 있었다. 4개의 웨이퍼가 사용되었는데, 1개는 대조군으로, 3개는 1E10, 1E11 및 1E12 원자의 Cu/cm2 수준에서 각각 오염되었다. 도 1b의 경우, 분석되지 않은 SHG 신호 레벨을 사용하면 불량 웨이퍼로부터 양호하다고 판단하기 어렵다.

측정을 처음 수행하고 분석했을 때 실험이 실패한 것으로 생각되었다. 이 문제의 결과로, SHG 신호를 파싱하는 방향으로 이어지는 작업은 실험이 실패가 아니라 다른 발견되지 않은 문제가 있음을 알게 되었다.

테스트를 거친 샘플 웨이퍼와 관련하여 공급 업체가 제공 한 정보는 1500나노미터의 균일한 디바이스 층 두께를 나타낸다. 그러나 반드시 이에 제한되는 것은 아니지만, 2차 분석 장치를 사용하여 얻은 샘플 웨이퍼의 추가 측정이 다음을 포함한다. 분광 타원계(Spectroscopic Ellipsometer: SE), 반사계(reflectometer), CV-IV 파라메트릭 분석기, 유도 결합 플라스마 질량 분석(Inductively Coupled Plasma Mass Spectrometry: ICPMS), 기상 분해((VPD) -ICPMS), 총 반사 X선 형광(Total Reflection X-Ray Fluorescence: TXRF), 2차 이온 질량 분석법(Secondary Ion Mass Spectrometry: SIMS), 러더퍼드 후방 산란(Rutherford Backscattering: RBS), 스캐닝/터널링 전자 현미경(Scanning/Tunneling Electron Microscope: SEM/TEM), 원자력 현미경(Atomic Force Microscope: AFM), 브라이트 필드/다크 필드 현미경(Brightfield/Darkfield Microscopy), 글로 방전 광 방출 분광법(Glow Discharge Optical Emission Spectroscopy: GD-OES), X선 광전자 분광법 (X-Ray Photoelectron Spectroscopy: XPS), 푸리에 변환 적외선 분광법(Fourier Transform Infrared Spectroscopy: FTIR), 혹은 마이크로파 검출된 광 전도 붕괴(μ-PCD) 혹은 마이크로파 검출된 광 전도 붕괴(μ-PCD)는 도 1c에 도시된 바와 같이, 장치 층이 균일하지 않음을 나타냈다. 다양한 실시 예에서, 2차 분석 장치는 SHG 계측 시스템과 분리 및/또는 별개 일 수 있다. 광범위한 층 두께 맵 생성 및 SHG 맵과의 나란한 비교를 통해 SHG 측정에 대한 층 두께 변화의 강한 영향이 발견되었다. 예를 들어, 도 1c의 디바이스 층 두께 맵과 도 1b의 SHG 신호 맵은 모두 초승달 모양을 나타낸다. 이러한 발견은 예기치 않은 것이고, 그러한 큰 SHG 변화가 층 두께의 변화에 의해 야기 된 것은 놀라웠다.

특히 SHG 신호 맵과 디바이스 층 두께 맵을 나란히 비교하면 1500nm 두께의 디바이스 층(단 0.7 % 미만 변화)에서 단지 10nm의 변화는 SHG 신호 레벨에서 30% 이상의 차이와 상관관계가 있음을 알 수 있다. 이것은 800nm 기본 신호의 간단한 박막 간섭 효과에 의해서는 예상되거나 쉽게 설명될 수 없는 매우 큰 변화이다.

실제로, 층 두께 변화는 표면에 1E+10 및 1E+11 원자/cm2의 농도로 구리로 오염 된 웨이퍼 샘플과 도 6a 내지 도 6d를 비교하여 명백한 바와 같이 구리가 첨가되지 않은 대조 웨이퍼 사이의 차이를 기록하는 것은 비현실적이었다. 그러나 도 7a 내지 도 7d에 도시 된 바와 같이, 일단 샘플이 층 두께 효과에 대해 표준화되면, 다양한 오염물 수준과 대조 샘플 간의 차이는 쉽게 가시적으로 그리고 통계적으로 관련이 있게 된다.

도 2에 도시 된 바와 같이, SHG 계측 시스템을 사용하여 얻어진 샘플 웨이퍼로부터의 SHG 신호는 국부 표면 오염, 국부 지하 표면 오염, 트랩 밀도 및/또는 전하 캐리어 정보를 포함하지만 이에 한정되지 않는 샘플 웨이퍼의 전기적 특성으로부터의 기여를 포함할 수 있다. 또한, 전술 한 바와 같이, SHG 신호는 반드시 여기에 제한되지 않으나 샘플 웨이퍼의 하나 이상의 층의 두께 변화 및/또는 공지된 아티팩트의 존재를 포함한 하나 이상의 재료 특성으로부터의 기여도 포함한다. 또한, SHG 신호는 구조적 결함으로부터의 기여도 포함할 수 있다. 본 명세서에 개시된 실시 예는 반드시 여기에 제한되지 않지만 샘플 웨이퍼의 하나 이상의 층의 두께 변화 및/또는 공지된 아티팩트의 존재를 포함하고, 샘플 웨이퍼의 전기적 특성 및/또는 구조적 결함으로부터 SHG 신호에 대한 기여도를 분리하는 단계를 포함하여 샘플 웨이퍼의 하나 이상의 재료 특성으로부터의 기여를 제거하기 위해 획득된 SHG 신호를 파싱하도록 구성된다.

"파싱 된(parsed)" 또는 "디 클로킹 된(de-cloaked)" SHG 측정은 SHG를 통해 동시에 층 두께 측정의 이점을 제공하면서 양질의 웨이퍼 대 후 공정 단계에서 실패할 웨이퍼 상의 오염 수준을 구분할 수 있게 해준다.

따라서 SHG 신호 파싱 또는 결함 디 클로킹의 문제점은 시공간 SHG 신호와 함께 참조되는 층 두께 및 다른 기술에 관한 정보를 통합하는 것을 포함 할 수 있다. 따라서 본 실시 예는 SHG 계측 모듈 내에 부가적인 특성화 기술을 포함시키고, 물리적으로 파생 된 기계 학습 모델을 사용하며, 대응하는 측정치에 기초하여 SHG 신호를 파싱 함으로써 신호 해석의 문제를 해결한다. 이 능력은 분광 타원계(SE), 반사계, CV-IV 파라메트릭 분석기, TXRF, 기상 분해((VPD) -ICPMS), μ-PCD, 러더퍼드 후방 산란(RBS), 스캐닝/터널링 전자 현미경(SEM/TEM), 원자력 현미경(AFM), 브라이트 필드/다크 필드 현미경(Brightfield/Darkfield Microscopy), 글로 방전 광 방출 분광법(GD-OES), X선 광전자 분광법(XPS), 푸리에 변환 적외선 분광법(FTIR), 및, 일반적으로 팹(Fab)이라고 하는 반도체 제조 공장에서 널리 사용되는 도량형에 기반하는 비행시간 시간 이차이온 질량 분석(TOF-SIMS)을 포함하여 다른 재료 특성 및 분석 기술로 확장 될 수 있다:

본 방법은 먼저 통합 하드웨어를 사용하여 문제의 테스트 샘플("스캔")에 대한 측정을 수행한다. 그 후, 이러한 측정 값은 처리되지 않은 SHG 측정 값을 해석하는 수학적 알고리즘 세트과 함께 사용될 수 있다.

도 8은 전체 시스템 아키텍처를 도시한다. SHG 신호는 하드웨어 플랫폼을 사용하여 수집되고, 기계 학습 도구 세트를 사용하여 컴퓨터에서 분석된다. 다른 전통적 계측 도구를 사용하는 신호는 기계 학습 알고리즘에 대한 과외 신호(tutor signals)로 시스템의 성능을 향상시킬 수 있다. 사용 기간 동안, SHG 계측 결과를 이러한 도구와 연관시키면 SHG 계측 도구가 상업적으로 관련된 매개 변수와 관련된 SHG 신호 수(signal counts)의 특성을 "학습"할 수 있다.

일 변형 예에서, 도 9를 참조하면, 반사계(reflectometer)는 SHG 장치와 함께 사용되어 다층 재료의 층 두께 변화에 기반 한 SHG 신호 변동 부분을 식별하고 분리한다. SHG 및 층 두께 맵은 물리적으로 파생 된 기계 학습 모델을 사용하여 결합되어 특정 소재 시스템에 대해 층 두께의 표준 기여도를 확인한다. 도 1a 및/또는 도 9에 도시 된 시스템의 실시 예는, 추가적으로 또는 선택적으로 본 명세서에 기술되고 도 11 내지 도 17에 도시 된 기계 학습 방법 및 기술의 실시 예를 사용하는 하드웨어 컴퓨팅 장치를 포함할 수 있고, 예를 들어, 샘플 웨이퍼의 전기적 특성에 기초하여 SHG 신호 데이터를 분석하거나 분류한다.

1500/1000nm SOI 재료의 경우 반사계 측정 값이 샘플 웨이퍼의 동일한 지점에서 SHG 측정 값과 비교되고, 디바이스 층 두께와 도 3에 도시 된 바와 같이 이러한 동일 지점 각각에서 얻은 최대 SHG 신호 사이에 정량적 관계가 추론된다.

도 3에 도시 된 양적 관계는 층 두께 효과를 제어하고 재료 두께가 변수로서 제거 된 웨이퍼의 SHG 매핑을 생성하기 위해 디바이스 층 두께가 주어진 경우 예상 된 SHG에 의해 각 지점에서 SHG 신호를 분할하는데 사용되었다. 이러한 접근법은 문제 진술에서 기술 된 층 두께의 위장 효과 없이 SHG 신호로부터 물질의 전기적 특성을 결정하기 위한 추가 신호 분석 방법을 허용한다. 물리적으로 파생 된 기계 학습 모델 덕분에 자동화 된 것처럼, 재료는 최소한의 사용자 입력만으로 2차 분석 기법과의 상관관계로 특징지어 질 수 있다.

이러한 물리적으로 파생 된 기계 학습 모델은 반드시 이에 국한되지 않지만, 층 두께(layer thickness), 아티팩트 검출(artifact detection), 아티팩트 식별(artifact identification), 및 아티팩트 정량화(artifact quantification)와 같은 웨이퍼 특성의 다음 측면에 관한 것이다. 또한 인라인 툴의 상업적 필요성은 재료 특성화를 위한 인-시츄 결과를 얻기 위해 효율적인 계산 알고리즘을 요구한다.

도 10은 SHG 특성화 모듈을 나타낸다. 기계 학습을 위한 일반적인 아키텍처는 트레이닝 모듈(training module) 및 테스트 모듈(testing module)로 구성된다. 트레이닝 모듈은 기계 학습 기술의 감독 여부에 따라 SHG 신호 및 과외 신호(선택 사항)를 입력으로 사용한다. 트레이닝 모듈은 결과를 생성하며, 그 결과는 트레이닝 모듈의 성능을 측정하는 신호 검출 이론(signal detection theory)을 사용하여 평가된다. 일정 수준의 만족스러운 성능에 도달 한 후, 새로운 SHG 신호가 테스트 모듈을 통과하여 예측 된 층 두께 및/또는 웨이퍼 결함에 대한 정보를 제공할 수 있다. 선택 된 모듈의 감독 학습 여부에 따라 두 가지 유형의 트레이닝 모듈이 설명된다.

도 11은 감독 된 학습 모드를 도시하며, SHG 신호 및 과외 신호 모두가 입력으로서 SHG 특성화 모듈에 공급된다. SHG 특성화 모듈 내에서 반복 알고리즘이 사용되며, 수치 최적화가 요구된다. 순방향 모델은 과외 신호에 의해 추출될 수 있는 층 두께 및 금속 결함과 같은 SHG 신호와 접지 진리 반응 사이의 관계를 기술하기 위해 고안된다. 손실 함수는 예측 된 응답과 지상 진실 응답(ground truth response) 사이의 불일치에 기초하여 구성된다. 수치 최적화는 손실 함수를 최소화하는 바람직한 모델 파라미터를 얻기 위해 반복적인 절차를 통해 수행된다. 중지 기준은 최적화 절차를 종료하는 데 사용된다. 모델 파라미터에 대한 최적 솔루션에 도달하면 모델 파라미터는 테스트 모드용으로 출력될 수 있다. 도 12에 도시 된 바와 같이, 감독 된 테스트 모드 하에서, 테스팅 모듈은 최적의 모델 파라미터 및 새로운 SHG 신호로부터 입력을 얻고, 층 두께 및 다양한 결함과 같은 출력으로서 웨이퍼 특성에 관한 정보를 파싱한다.

도 13은 트레이닝 모듈이 입력으로서 SHG 신호만을 취하는 무감독 학습 모드(unsupervised learning mode)를 나타낸다. 반복적인 절차가 관리되는데, SHG 신호와 다른 파괴 신호 간의 상관관계가 학습 시스템에 대한 판단이 되는 반면, 순방향 모델이 고안되고 궁극적인 목표가 관심 영역(ROI)과 신호 특성(가령, 단일 곡선 특성화)을 식별하는 것이다. 도 14를 참조하면, 감독되지 않은 테스팅 모드 하에서, 상기 식별 된 ROI 및 특성을 사용하여 새로운 SHG 신호에 대한 정보를 파싱한다.

특히 웨이퍼 특성은 크게 층 두께(layer thickness), 아티팩트 탐지(artifact detection) 및 아티팩트 식별(artifact identification)이라는 세 가지 범주로 분류 할 수 있다. 각 카테고리의 기계 학습 방법은 아래에서 설명하는 것과 다를 수 있다.

층 두께(Layer Thickness) :

감독 학습은 층 두께를 특성화하는 데 사용될 수 있다. SHG 신호는 알려진 두께를 가진 샘플에서 측정되는 반면, 층 두께에 대한 접지 진리는 다른 기존 기술을 통해 얻을 수 있다. 감독 학습 알고리즘은 입력(SHG 신호)과 출력(층 두께) 간의 기능을 매핑하는데 사용된다. 이러한 감독 학습 알고리즘은 선형 회귀(linear regression), 비선형 회귀(nonlinear regression) 및 신경망(neural network)을 포함한다. 알고리즘의 선택은 각기 다른 웨이퍼의 특성과 제조사에 의지한다. 감독 학습 아키텍처는 특정 정확도에 도달할 때까지 훈련되며, 이는 신호 검출 이론, 예를 들어 수신기 운영자 특성(ROC) 곡선을 사용하여 정량화 될 수 있다. 그 후, 새 샘플에서 측정 된 SHG 신호를 기반으로 층 두께를 예측할 수 있다.

아티팩트 감지(Artifact Detection) :

SHG 신호는 트레이닝 목적을 위해 대조 웨이퍼(control wafers)(아티팩트 없음) 및 표적 웨이퍼(target wafers)(아티팩트 포함)로부터 수집될 수 있다. 반드시 여기에 제한되는 것은 아니지만 원래 신호 사용, 푸리에 변환(Fourier transform), 웨이블릿(wavelet), 커널 기반 방법(kernel-based methods), 기계 학습 커널(machine learning kernel)(가령, 피셔(Fisher) 커널, 그래프(graph) 커널, 다항(polynomial) 커널, RBF 커널, 문자열(string) 커널 등) 또는 임의의 특징 추출 기술을 사용하는 등 다양한 변형을 사용하여 SHG 신호에서 특징이 추출될 것이다. 스파스 로지스틱 회귀(sparse logistic regression) 및/또는 스파스 지원 벡터(sparse support vector) 머신이 추출 된 특징을 웨이퍼 상태(아티팩트 또는 아님)와 상관시키기 위해 사용된다. 학습 된 가중치는 향후 예측을 위해 컴퓨터에 저장된다. 트레이닝이 일정한 정확도에 도달하면 SHG 신호가 새 웨이퍼에 대해 수집되고 학습 된 가중치와 입력 SHG 신호를 사용하는 순방향 모델에 기반 한 아티팩트가 있는지 여부에 대한 예측이 수행된다.

아티팩트 식별(Artifact Identification) :

일련의 웨이퍼 샘플은 특정 공지 된 아티팩트를 갖는 산업적 요구에 기초하여 확인되고 구성될 수 있다. 아티팩트 형식(artifact type) 및 공간 위치(spatial location)에 대한 정보가 수집될 것이다. SHG 신호는 이러한 샘플에서 측정된다. 아티팩트 검출과 유사하게 반드시 여기에 제한되는 것은 아니지만 원 신호(original signal), 푸리에 변환(Fourier transform), 웨이블릿(wavelet), 커널 기반 방법(kernel-based methods), 기계 학습 커널(machine learning kernel)(가령, 피셔(Fisher) 커널, 그래프(graph) 커널, 다항식(polynomial) 커널, RBF 커널, 문자열(string) 커널 등) 혹은 임의의 특징 추출 기술 등을 포함하여 다양한 변환을 사용하여 SHG 신호로부터 특징이 추출 될 것이다. 다양한 유형의 아티팩트를 수용하기 위해 다항식 훈련 모델이 사용되며, 다항식 모델을 사용하여 스파스 로지스틱 회귀 및/또는 스파스 벡터 머신이 훈련될 것이다. 이러한 모델은 입력(SHG 신호)에서 출력(아티팩트 형식)으로의 매핑을 학습할 것이다. 학습 된 가중치는 향후 예측을 위해 컴퓨터에 저장될 것이다. 트레이닝이 일정한 정확도에 도달하면 학습 된 가중치 및 입력 SHG 신호를 사용하는 순방향 모델을 기반으로 새 웨이퍼 및 특정 아티팩트 형식에 대한 SHG 신호를 수집할 수 있다.

마지막으로, 본 명세서 또는 본 명세서에서 웨이퍼 특성화를 목표로 하는 기계 학습 방법론(Forward Model Methodology)에 대한 포트폴리오가 아래에 요약되어 있다.

이러한 변형 및 상술 된 다른 것들에 따르면, 장치, 시스템, 방법(특정 동작을 수행하기 위한 소프트웨어 및 관련 하드웨어 포함) 및 UI 특징(레이아웃 및 옵션 및/또는 시스템 사용과 관련된 방법론을 포함)에 따라 많은 구현이 가능하다.

다양한 실시 예에서, 기계 학습 방법론은 파싱 된 SHG 신호 맵을 분류하기 위해 사용될 수 있다. 자동화 된 하드웨어 시스템은 오염 물질의 존재 또는 부존재, 오염 물질의 양 또는 산업적 관점에서 관련성이 있는 기타 전기 및 구조적 특성을 기반으로 다양하게 파싱 된 SHG 신호 맵을 분류하는 데 사용될 수 있다. 이러한 자동화 된 하드웨어 시스템의 실시 예는 반드시 이에 한정되지 않지만 도 1a 및 도 9에 도시 된 시스템의 실시 예를 포함하는 반도체 계측 기반 시스템 및 장치의 실시 예에 추가적으로 또는 선택적으로 포함될 수 있다. 다양한 실시 예에서, 샘플 웨이퍼의 조성에 따라, 웨이퍼로부터 획득 된 SHG 신호의 파싱이 생략 될 수 있고, 상기 획득 된 SHG 신호는 샘플 웨이퍼를 분류하기 위해 자동화 된 하드웨어 시스템에 의해 사용될 수 있다. 예를 들어, 샘플 웨이퍼가 가령 실리콘(Si)과 같은 벌크 물질을 포함하면, 하나 이상의 층의 두께 변화로부터 SHG 신호에 대한 기여도를 제거하기 위해 상기 획득 된 SHG 신호의 파싱이 생략될 수 있다. 그러나 샘플 웨이퍼가 예를 들어 SOI와 같은 이종 계면(hetero-interface) 물질을 포함하면, 상가 획득 된 SHG 신호는 파싱되어 전술 한 바와 같이 하나 이상의 층의 두께 변화로부터 SHG 신호에 대한 기여를 제거할 수 있다. 예를 들어, SOI와 같은 이종 계면 물질로부터의 SHG 신호는, (a) 가령 표면 반사율 SR 또는 SE와 같은 상관 기술을 사용하여 층 두께 데이터를 수집하는 단계에 의하여 혹은 (b) 상기 획득 된 SHG 신호와 상기 층 두께 데이터(가령, 3차 다항식 곡선) 사이에 수학적 관계를 확립하는 단계에 의하여, 층 두께 효과를 제거하기 위해 파싱될 수 있다.

SHG 신호 맵을 분류하는 것은, SHG 신호 맵으로부터 특징을 추출하는 단계; 디코더를 사용하여 상기 추출 된 특징을 디코딩 하는 단계; 상기 디코더의 출력에 기초하여 결정을 내리는 단계; 및 상기 결정에 기초하여 상기 SHG 신호 맵을 분류하는 단계를 포함할 수 있다. 이러한 방법은 도 15에 도시되어 있다.

샘플 웨이퍼의 다양한 부분(여기서는 SHG 신호 맵이라고도 함)에 대한 파싱 된(또는 파싱되지 않은) SHG 신호 출력을 처리하여 트징을 추출할 수 있다. 예를 들어, SHG 신호 맵은 특정 유형의 커널을 통해 공급되어 특징을 추출할 수 있다. 예를 들면, 반드시 여기에 제한되지 않으나 원 신호, 푸리에 변환, 웨이블릿, 커널 기반 방법, 기계 학습 커널(가령, 피셔 커널, 그래프 커널, 다항식 커널, RBF 커널, 문자열 커널 등) 혹은 임의의 특징 추출 기술 등을 비롯한 다양한 변형을 사용하여 특징을 추출할 수 있다. 커널의 타입에 따라, 추출 된 특징은 (도 15에 도시 된 바와 같이) 특징 벡터 또는 특징 매트릭스일 수 있다. 다양한 실시 예에서, 이러한 특징은 SHG 신호의 공간-시간적 강도 일 수 있다. 다른 실시 예에서, 특징들은 SHG 신호의 푸리에 변환에 기초하거나 푸리에 변환으로부터 추출 될 수 있다. 디코더는 신호를 결정에 매핑하기 위해 전술 한 추출 된 특징들에 적용되며, 상기 결정은 데이터의 라벨(label)이다. 예를 들어, 이러한 결정은 웨이퍼에 금속 오염이 있는지 여부를 나타낼 수 있다. 상기 디코더는 애플리케이션에 따라 선형 또는 비선형일 수 있다. 상기 디코더는 트레이닝 라벨들(여기서는 접지 진리라고도 함)과 함께 SHG 신호의 앙상블에 기초하여 트레이닝 될 수 있다. 상기 디코딩 된 추출 된 특징들(여기서는 테스팅 데이터라고도 함)는 디코더를 트레이닝 함으로써 얻어지는 결정 경계 상에 투영될 수 있다. 상기 디코딩 된 추출 된 특징들을 투영함으로써, 트레이닝 라벨들에 대응하는 결정이 이루어질 수 있다. SHG 신호 맵은 상기 결정에 따라 분류 될 수 있다. 예를 들어, 일부 실시 예에서, 트레이닝 라벨은 샘플 웨이퍼에서 금속 오염의 존재 또는 부존재일 수 있다. 그러한 실시 예들에서, 추출 된 특징들의 디코딩에 기초하여, 상기 획득 된 SHG 신호 맵이 금속 오염을 가지거나 금속 오염을 갖지 않는 것으로 분류되어야 하는지 여부가 결정될 수 있다.

신호 검출 이론을 사용하면 참 탐지율(true positive rate) 대 오 탐지율(false positive rate)을 정량화 할 수 있다. 표준 교차 검증을 사용하면 분류 정확도를 평가할 수 있다. 반드시 여기에 제한되는 것은 아니지만 로지스틱 회귀(logistic regression), L1-정규화 된 로지스틱 회귀(L1-regularized logistic regression), 지원 벡터 머신(support vector machine), 스파스 지원 벡터 머신(sparse support vector machine), 신경 네트워크(neural network) 또는 심층 학습(deep learning)을 포함한 다른 모델을 사용하거나 반복적 수축(iterative shrinkage), 그라디언트 디센트(gradient descent), 내부 포인트 방법(interior point method), 하이브리드 반복 축소(hybrid iterative shrinkage) 또는 선형화 된 브레그맨(linearized Bregman)과 같은 다른 해법을 사용하여 디코더를 트레인닝 할 수 있다.

도 16a는 선형 디코더를 포함하는 자동화 된 하드웨어 장치를 이용하여 상기 획득 된 SHG 신호 맵을 분류하는 방법을 도시한다. 일부 실시 예에서, 자동화 된 하드웨어 장치는 대조 샘플과 비교하여 금속 오염물의 특정 양 및/또는 종에 따라 획득 된 SHG 신호 맵을 분류하도록 시스템을 트레이닝 시키는데 사용될 수 있다. 다양한 실시 예들에서, 상기 얻어진 SHG 신호 맵들은 층 두께 변화와 같은 정량화 된 패션 구조적 측면을 고려하고 디콘볼루션(deconvoluting)함으로써 분류될 수 있다. 다양한 실시 예에서, 선형 디코더는 특징 공간에서 초평면으로 기하학적으로 해석될 수 있는 결정 경계에 대해 유익한 특징을 자동으로 선택하는 L1-정규화 된 로지스틱 회귀(L1-regularized logistic regression)로서 모델링 될 수 있다.

전술 한 바와 같이, 상기 획득 된 SHG 신호 맵에서 추출 된 특징들은 자동화 된 시스템을 트레이닝 함으로써 얻어지는 결정 경계 상에 투영된다. 선형 디코더를 포함하는 상기 자동화 된 시스템의 경우, 결정 경계로의 투영은 훈련 된 초평면(hyperplane) wTx로의 투영을 포함한다. 상기 선형 디코더를 포함하는 상기 자동화 된 시스템을 트레이닝함 으로써 얻어지는 상기 결정 경계는 도 16b에서 실선으로 표시되고, 검은 원은 투영 된 데이터를 나타낸다. 상기 결정 경계로부터의 거리를 기반으로 결정을 내릴 수 있다.

다양한 실시 예에서, 상기 획득 된 SHG 신호 데이터는 투사 벡터(projection vector)로 매핑 될 수 있으며, 투사 벡터는 상기 획득 된 SHG 신호를 둘 이상의 결정으로 클러스터(cluster)한다. 신호 검출 이론은 도 17에 도시된 바와 같이 SHG 신호 데이터 분류 정확도를 추정하는데 사용될 수 있다. 예를 들어, 신호 검출 이론은 참 탐지율(true positive rate: TPR) 대 오 탐지율(false positive rate: FPR)을 시각화하는 데 사용할 수 있다. 수신기 작동 특성(receiver operator characteristic: ROC) 곡선 아래의 영역을 사용하여 분류 정확도를 결정할 수 있다.

SHG 신호 데이터로부터 특징들을 추출하고 추출 된 특징들을 샘플 웨이퍼의 하나 이상의 전기적 특성(가령, 오염물의 유무, 오염물의 양 및/또는 종류 등)과 상관시키기 위해 SHG 신호 데이터를 파싱하도록 구성된 자동화 시스템은 다음 동작 중 하나 이상을 수행하도록 구성될 수 있다. 상기 자동화 된 시스템은 샘플 웨이퍼가 예를 들어 SOI와 같은 이종 계면(hetero-interface) 물질을 포함하는 경우 층 두께 효과를 제거하도록 구성 될 수 있다. 층 두께 효과는 분광 타원계(SE), 반사계(reflectometer), CV-IV 파라메트릭 분석기, 유도 결합 플라스마 질량 분석(ICPMS), 기상 분해((VPD) -ICPMS), 총 반사 X선 형광(TXRF), 2차 이온 질량 분석법(SIMS), 러더퍼드 후방 산란(RBS), 스캐닝/터널링 전자 현미경(), 원자력 현미경(Atomic Force Microscope: AFM), 브라이트 필드/다크 필드 현미경(Brightfield/Darkfield Microscopy), 글로 방전 광 방출 분광법(GD-OES), X선 광전자 분광법(XPS), 푸리에 변환 적외선 분광법(FTIR), 혹은 마이크로파 검출된 광 전도 붕괴(μ-PCD)와 같은 2차 분석 장치로부터 수신 된 데이터를 사용함으로써 제거 될 수 있다. 2 차 분석 장치는 SHG 계측 시스템과 별개이거나 분리될 수 있다. 상기 시스템은 특징들을 추출하기 위해 커널(가령, 기계 학습 커널)을 통해 제거 된 층 두께 효과를 기대하거나 기대할 수 없는 SHG 신호를 공급하도록 구성 될 수 있다. 상기 추출 된 특징들은 디코더를 사용하여 디코딩 될 수 있다. 상기 디코더는 선형 또는 비선형 디코더일 수 있다. 상기 디코더는 감독되거나 또는 감독되지 않은 트레이닝 방법을 사용하여 훈련될 수 있다. 예를 들어, 일부 구현 예에서, 선형 디코더는 트레이닝 라벨들(접지 진리)과 함께 SHG 신호들의 앙상블에 기초하여 트레이닝 될 수 있다. 선형 디코더를 트레이닝 시키기 위해 다른 모델(models)뿐만 아니라 다른 해법(solvers)을 사용하여 여러 모델들을 효율적으로 해결할 수 있다. 다른 모델에는 로지스틱 회귀(logistic regression), L1-정규화 된 로지스틱 회귀(L1-regularized logistic regression), 지원 벡터 머신(SVM), 스파스 지원 벡터 머신(sparse support vector machine), 신경 네트워크(Neural network) 및/또는 심층 학습(Deep learning)을 포함할 수 있다. 다른 해법에는 하이브리드 반복 축소(hybrid iterative shrinkage) 또는 선형화 된 브레그맨(linearized Bregman) 접근법이 포함될 수 있다.

상기 자동화 시스템은 SHG 신호 데이터 (이를 테스팅 데이터라고도 함.)의 디코딩 된 기능을 트레이닝에서 얻은 결정 경계에 투영하도록 구성할 수 있다. SHG 신호 데이터는 결정에 따라 분류될 수 있다. 상기 자동화 시스템은 신호 검출 이론을 사용하여 참 탐지율 대 오 탐지율을 정량화 할 수 있다. 일부 실시 예에서, 자동화 시스템은 표준 교차 검증(standard cross validation)을 사용하여 최종 분류 정확도에 액세스하도록 구성 될 수 있다.

여기에 기술 된 다양한 실시 예는 반도체 재료 특성을 분리, 제어 및 측정하는 독특한 능력을 제공한다. 여기에 기술 된 다양한 실시 예는 보완 기술과 결합 된 SHG 신호를 생성하기 위한 하드웨어 시스템뿐만 아니라, 보완 기술과 관련하여 SHG 신호를 분석하기 위한 기계 학습 방법 세트에 관한 것이다. 시간 의존성을 포함하는 SHG 신호는 반드시 여기에 제한되는 것은 아니지만 층 두께, 트랩 밀도, 국부 표면 오염 및 표면 오염을 포함하는 다수의 물질 특성에 관한 정보를 전달한다. 본 시스템을 사용하여 개별 재료 매개 파라미터(individual material parameters)를 추출 할 수 있다.

특징들의 선택에 관한 세부 사항과 함께 다양한 실시 예가 상술되어 있다. 다른 세부 사항에 관해서, 이들은 당해 기술 분야의 당업자에게 일반적으로 공지되거나 인정되는 것뿐만 아니라 위에서 언급 된 특허 및 공보와 관련하여 평가될 수 있다. 공통적으로 또는 논리적으로 사용되는 추가 행위의 측면에서 본 발명의 방법에 기초한 측면과 관련하여 동일하게 적용될 수 있다. 제조 및 사용 방법을 포함하는 그러한 방법에 관해서는 논리적으로 가능한 모든 순서로 진행되고, 열거된 모든 사건 순서로 수행 될 수 있다. 또한, 값의 범위가 제공되는 경우, 그 범위의 상한선과 하한선 사이의 모든 개재 값 및 언급 된 범위 내의 임의의 다른 명시된 또는 개재 된 값이 포함되는 것으로 이해된다. 또한, 설명 된 본 발명의 변형의 임의의 선택적인 특징이 독립적으로 또는 여기에 기술 된 임의의 하나 이상의 특징들과 조합하여 제시되고 청구 될 수 있다는 것이 고려된다.

다양한 실시 예가 몇몇 실시 예를 참조하여 설명되었지만, 선택적으로 다양한 특징을 포함하면서, 이러한 각 변형과 관련하여 설명되거나 지시 된 것으로 제한되지 않는다. 설명 된 실시 예들 중 임의의 것에 변경이 가해질 수 있고 (일부 명료함을 위하여 여기에 열거되거나 포함되지 않더라도) 등가물이 본 발명의 사상 및 범위를 벗어나지 않은 범위 내에서 대체될 수 있다.

여기서 기술 된 다양한 예시적인 프로세스는 범용 프로세서, 디지털 신호 프로세서(DSP), 주문형 집적 회로(ASIC), 필드 프로그래머블 게이트 어레이(FPGA) 또는 다른 프로그램 가능 논리 장치, 개별 게이트 또는 트랜지스터 논리, 이산 하드웨어 구성요소들 또는 이들의 임의의 조합을 포함할 수 있다. 범용 프로세서는 마이크로 프로세서 일 수 있지만, 선택적으로 프로세서는 임의의 종래 프로세서, 제어기, 마이크로 제어기 또는 상태 기계일 수 있다. 상기 프로세서는 사용자 인터페이스와 통신하는 사용자 인터페이스 포트를 가지며 사용자에 의해 입력 된 명령을 수신하고, 적어도 하나의 메모리 (가령, 하드 드라이브 또는 다른 유사한 저장 장치 및 랜덤 액세스 메모리)를 갖는 컴퓨터 시스템의 일부일 수 있고, 이러한 메모리는 프로세서의 제어하에 그리고 사용자 인터페이스 포트를 통한 통신 및 VGA, DVI, HDMI, DisplayPort 또는 VGA와 같은 임의의 종류의 비디오 출력 포맷을 통해 출력을 생성하는 비디오 출력을 포함하는 전자 정보를 저장한다.

프로세서는 또한 컴퓨팅 디바이스들의 조합, 가령 DSP와 마이크로 프로세서의 조합, 복수의 마이크로 프로세서, DSP 코어와 관련된 하나 이상의 마이크로 프로세서, 또는 임의의 다른 이러한 구성으로 구현될 수 있다. 이러한 장치는 여기에 설명 된 바와 같이, 장치의 값을 선택하는 데 사용될 수도 있다.

본 명세서에 개시된 실시 예들과 관련하여 설명 된 방법 또는 알고리즘의 단계들은 하드웨어, 프로세서에 의해 실행되는 소프트웨어 모듈, 또는 이 둘의 조합으로 직접 구현 될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), 플래시 메모리, ROM, EPROM, EEPROM, 레지스터, 하드 디스크, 이동식 디스크, CD-ROM, 또는 당 업계에 공지 된 임의의 다른 형태의 저장 매체에 저장 될 수 있다. 예시적인 저장 매체는 프로세서가 저장 매체로부터 정보를 판독하고 저장 매체에 정보를 기록 할 수 있도록 프로세서에 연결된다. 선택적으로, 저장 매체는 프로세서에 통합될 수 있다. 프로세서 및 저장 매체는 ASIC에 상주할 수 있다. ASIC은 사용자 단말기에 상주할 수 있다. 선택적으로, 프로세서 및 저장 매체는 사용자 단말기에 개별 컴포넌트로서 존재할 수 있다.

하나 이상의 예시적인 실시 예들에서, 기술 된 기능들은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합으로 구현될 수 있다. 소프트웨어로 구현되는 경우, 기능은 컴퓨터 판독 가능 매체 상에 하나 이상의 명령, 코드 또는 다른 정보로서 저장되거나 결과 분석/계산 데이터 출력에 저장되거나 전송될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하는 통신 매체 모두를 포함한다. 저장 매체는 컴퓨터에 의해 액세스 될 수 있는 이용 가능한 임의의 매체 일 수 있다. 예를 들어, 그러한 컴퓨터 판독 가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광 디스크 저장 장치, 자기 디스크 저장 장치 또는 다른 자기 저장 장치, 또는 휴대하기 위해 사용될 수 있는 임의의 다른 매체 또는 지시 또는 데이터 구조의 형태로 원하는 프로그램 코드를 저장하고 컴퓨터에 의해 액세스 될 수 있다. 메모리 저장 장치는 또한 자기 하드 디스크 드라이브, 광 디스크 드라이브 또는 플래시 메모리 기반 저장 드라이브 또는 기타 고체, 자기 또는 광학 저장 장치일 수 있다.

또한, 임의의 접속은 적절하게 컴퓨터 판독 가능 매체라고 지칭된다. 예를 들어 동축 케이블, 광 섬유 케이블, 트위스트 페어, 디지털 가입자 회선(DSL) 또는 적외선, 라디오 및 마이크로파와 같은 무선 기술을 사용하여 웹 사이트, 서버 또는 기타 원격 소스에서 소프트웨어를 전송 한 경우, 동축 케이블, 광 섬유 케이블, 트위스트 페어, DSL 또는 적외선, 무선 및 마이크로파와 같은 무선 기술은 매체의 정의에 포함된다. 본 명세서에서 사용되는 디스크 및 디스크는 CD(compact disc), 레이저 디스크, 광학 디스크, DVD(digital versatile disc), 플로피 디스크 및 Blu-ray 디스크를 포함하며, 디스크(disks)는 일반적으로 데이터를 자기적으로 재생하는 반면, 디스크(discs)는 광학적으로 레이저로 데이터를 재생한다. 상기의 조합은 컴퓨터 판독 가능 매체의 범위 내에 포함되어야 한다.

여기에 설명 된 작업은 웹 사이트에서 또는 웹 사이트를 통해 수행 될 수 있다. 웹 사이트는 서버 컴퓨터 상에서 동작되거나 클라이언트 컴퓨터로 다운로드 되거나 서버 팜을 통해 국부적으로 동작될 수 있다. 상기 웹 사이트는 휴대 전화나 PDA 또는 다른 클라이언트를 통해 액세스 할 수 있다. 상기 웹 사이트는 MHTML 또는 XML과 같은 양식 및 CSS(Cascading Style Sheet) 또는 기타 양식을 통해 HTML 코드를 사용할 수 있다.

또한, 본 발명자들은 "수단"이라는 단어를 사용하는 청구항들만이 수단 기능 형태로 표현된 청구항 중 그 수단을 지원하는 구조물, 재질, 동작 등이 청구항에 기재되지 아니한 청구항을 해석하는데 있어서, 특정 된 기능을 수행하기 위한 모든 수단들이 권리범위에 해당되는 것이 아니라 명세서에 기재된 실시예에 해당하는 구조 또는 물질과 그 균등물까지가 권리범위에 되도록 해석되어야 한다. 또한, 그 제한이 청구 범위에 명시적으로 포함되지 않는 한, 명세서로부터 어떻게든 제한적으로 해석되지 않는다. 여기에 설명 된 컴퓨터는 범용 또는 워크스테이션과 같은 특정 용도의 컴퓨터 일 수 있는 모든 종류의 컴퓨터를 포함할 수 있다. 상기 프로그램은 C, Java, BREW 또는 다른 프로그래밍 언어로 작성 될 수 있다. 프로그램은 가령 자기 또는 광학 등, 컴퓨터 하드 드라이브, 이동식 디스크 또는 메모리 스틱 또는 SD 매체와 같은 매체 또는 다른 제거 가능한 매체 상에 상주할 수 있다. 또한, 프로그램들은 네트워크를 통해 실행될 수 있는데, 예를 들어, 서버 또는 다른 머신이 로컬 머신으로 신호를 전송함으로써, 로컬 머신이 여기서 설명 된 동작들을 수행 할 수 있게 한다.

또한, 여기에 제공된 임의의 실시 예와 관련하여 설명 된 모든 특징, 성분, 구성요소, 기능, 동작 및 단계는 임의의 다른 실시 예로부터의 것들과 자유롭게 조합 가능하고 대체 가능하도록 의도된다. 특정 특징, 성분, 구성요소, 기능 또는 단계가 단지 하나의 실시 예와 관련하여 설명되는 경우, 그 특징, 성분, 구성요소, 기능 또는 단계는 달리 명시 적으로 언급되지 않는 한, 본 발명에 기재된 모든 다른 실시 예와 함께 사용될 수 있다는 것을 이해해야한다. 따라서 이러한 단락은 선행 기준으로 사용되며 청구의 도입을 서면으로 지원하며, 다음의 설명이 특정 경우에 그러한 조합 또는 대체가 가능하다는 것을 명시하지 않더라도, 성분, 구성요소, 기능, 및 다른 실시 예로부터의 단계 또는 단계를 결합하거나, 하나의 실시 예에서 다른 실시 예로의 특징, 성분, 구성요소, 기능 및 단계를 다른 것으로 대체할 수 있다. 모든 가능한 조합의 암송을 표현하고 대체는 지나치게 부담이 되며, 특히 각각의 모든 조합 및 치환의 허용성은 당업자에 의해 용이하게 인식 될 것이라는 점을 고려하면 명백하게 인정된다.

어떤 경우에는 엔티티가 본 발명의 설명에서 다른 엔티티에 연결되는 것으로 설명된다. 용어 "상호 연결", "결합 된" 또는 "접속 된"(또는 이들 형태들 중 임의의 것)은 본 명세서에서 상호 교환적으로 사용될 수 있고, 2개의 엔티티의 직접 결합 (무시할 수 없는, 가령 기생, 중재 엔티티를 포함하지 않고) 및 2개의 엔티티의 간접 결합 (하나 이상의 무시할 수 없는 개입 엔티티를 포함하고)에 일반적이다. 실체가 직접적으로 결합 된 것으로 도시되거나 임의의 개재 실체의 설명 없이 함께 결합 된 것으로 기술 된 경우, 이들 실체가 문맥 상 다르게 지시되지 않는 한 이들 실체는 간접적으로 결합 될 수 있음을 이해해야한다.

단일 항목에 대한 언급은 동일한 항목이 복수 존재할 가능성을 포함한다. 특히, 단수 형태 "하나", 및 "상기"는 본 명세서 및 첨부 된 청구의 범위에서 사용 된 바와 같이 다르게 언급되지 않는 한 복수 대상을 포함한다. 즉, 기사의 사용은 위의 설명과 아래의 주장에서 주제 항목의 "적어도 하나"를 허용한다.

청구 범위는 임의의 선택적인 요소 (가령, 본 발명의 설명에 의해 "전형적", "사용 가능" 또는 "사용할 수 있는" 등으로 지정된 요소)를 배제하기 위해 기재 될 수 있음을 또한 주지한다. 따라서 이러한 진술은 청구항 구성요소의 기재 또는 "부정적인" 청구 제한 언어의 다른 사용과 관련하여 "단독으로", "오직" 등과 같은 배타적인 용어의 사용에 대한 선행 기준으로서의 역할을 하도록 의도된다. 그러한 배타적인 용어의 사용 없이, 청구 범위에서의 "포함하는" 이라는 용어는 주어진 수의 요소가 청구 범위에 열거되는지 또는 특징의 추가는 청구 범위에 기재된 요소의 특성을 변형시키는 것으로 간주 될 수 있는지 여부와 관계없이, 임의의 추가 요소를 허락할 수 있다. 그러나 청구범위에서의 그러한 "포함하는" 용어는 배타적 유형의 "구성된" 언어로 수정될 수 있는 것으로 고려된다. 또한 여기에서 특별히 정의 된 경우를 제외하고는 여기에 사용 된 모든 기술 및 과학 용어는 청구 유효성을 유지하면서 가능한 한 일반적으로 이해되는 의미로 광범위하게 제공되어야한다.

상기 실시 예들은 다양한 변형 및 치환 형태가 가능하지만, 그 특정 예들이 도면에 도시되어 있으며 본 명세서에서 상세히 설명된다. 그러나 이들 실시 예는 개시된 특정 형태에 한정되지 않으며, 반대로, 이들 실시 예는 본 발명의 기술사상 내에 있는 모든 변경, 등가물 및 대안을 포함하는 것으로 이해되어야 한다. 또한, 실시 예의 임의의 특징, 기능, 단계, 또는 요소는 청구 범위에 기재되거나 청구 범위에 추가 될 수 있으며, 또한 기능, 단계 또는 구성 요소에 의해 청구항의 진법 범위를 정의하는 부정적 제한 사항 (위에서 언급 한 것처럼 또는 다른 방식으로)에 추가될 수 있다. 따라서 변형 예 또는 발명 개념의 폭은 제공된 예에 한정되지 않고, 아래 청구항 언어의 범위에 의해서만 제한된다.

Claims

전자기 방사선의 빔을 샘플에 지향 시키도록 구성된 광학 소스;
제2고조파 발생(SHG) 신호를 검출하도록 구성된 광 검출기로서, 상기 검출 된 SHG 신호는 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 포함하며;
상기 샘플의 하나 이상의 물질 특성을 측정하도록 구성된 2차 분석 장치; 및
전자 처리 회로로서:
상기 검출 된 SHG 신호를 상기 샘플의 측정 된 하나 이상의 물질 특성과 상관시키는 단계;
파싱 된 SHG 신호 데이터를 얻기 위해 상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계; 및
상기 파싱 된 SHG 신호 데이터로부터 상기 샘플의 특성을 추정하는 단계로 구성됨을 특징으로 하는 샘플을 특성화 하는 시스템.
제 1 항에 있어서,
상기 2차 분석 장치는, 반사계(reflectometer), 분광 타원계(Spectroscopic Ellipsometer: SE), CV-IV 파라메트릭 분석기, 유도 결합 플라스마 질량 분석(Inductively Coupled Plasma Mass Spectrometry: ICPMS), 기상 분해((VPD) -ICPMS), 총 반사 X선 형광(Total Reflection X-Ray Fluorescence: TXRF), 2차 이온 질량 분석법(Secondary Ion Mass Spectrometry: SIMS), 러더퍼드 후방 산란(Rutherford Backscattering: RBS), 스캐닝/터널링 전자 현미경(Scanning/Tunneling Electron Microscope: SEM/TEM), 원자력 현미경(Atomic Force Microscope: AFM), 브라이트 필드/다크 필드 현미경(Brightfield/Darkfield Microscopy), 글로 방전 광 방출 분광법(Glow Discharge Optical Emission Spectroscopy: GD-OES), X선 광전자 분광법 (X-Ray Photoelectron Spectroscopy: XPS), 푸리에 변환 적외선 분광법(Fourier Transform Infrared Spectroscopy: FTIR), 혹은 마이크로파 검출된 광 전도 붕괴(μ-PCD) 중 적어도 하나를 포함하여 구성됨을 특징으로 하는 시스템.
제 1 항 또는 제 2 항에 있어서,
상기 샘플의 하나 이상의 물질 특성은 상기 샘플의 하나 이상의 층의 두께 또는 알려진 아티팩트의 존재 중 적어도 하나를 포함하여 구성됨을 특징으로 하는 시스템.
제 1 항 또는 제 2 항에 있어서,
상기 파싱 된 SHG 신호 데이터로부터 추정 된 상기 샘플의 특성은 상기 샘플의 하나 이상의 전기적 특성을 포함하는 것을 특징으로 하는 시스템.
제 4 항에 있어서,
상기 샘플의 하나 이상의 전기적 특성은,
국부 표면 및 지하 표면 금속; 유기 혹은 무기 오염; 트랩 전하 밀도; 스트레인 혹은 도핑 레벨을 적어도 하나 포함하여 구성됨을 특징으로 하는 시스템.
제 1 항 또는 제 2 항에 있어서,
상기 전자 처리 회로는,
상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계;
상기 샘플의 상기 측정 된 하나 이상의 물질 특성과 상기 검출 된 SHG 신호 사이의 정량적인 관계를 결정하는 단계; 및
상기 측정 된 하나 이상의 물질 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양에 의해 상기 검출 된 SHG 신호를 조정하는 단계로 구성됨을 특징으로 하는 시스템.
제 1 항 또는 제 2 항에 있어서,
상기 검출 된 SHG 신호를 조절하는 단계는,
상기 측정 된 하나 이상의 재료 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양으로 상기 검출 된 SHG 신호를 분할하는 단계를 포함하는 것을 특징으로 하는 시스템.
제 1 항 또는 제 2 항에 있어서,
상기 전자 처리 회로는,
상기 샘플의 하나 이상의 물질 특성에 기인하는 부분을 제거하는 단계;
상기 샘플의 상기 측정 된 하나 이상의 물질 특성과 상기 검출 된 SHG 신호 사이의 정량적인 관계를 결정하는 단계; 및
상기 측정 된 하나 이상의 물질 특성을 갖는 샘플로부터 기대되는 SHG 신호의 양에 의해 상기 검출 된 SHG 신호를 디컨볼루션하는 단계를 포함하는 것을 특징으로 하는 시스템.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제