KR20220116421A - 윤곽선 해석 장치, 처리 조건 결정 시스템, 형상 추정 시스템, 반도체 장치 제조 시스템, 탐색 장치 및 그들에 이용하는 데이터 구조 - Google Patents

Abstract

반도체 처리에서 발생할 수 있는 복잡한 형상에 대해서, 고정밀도의 치수 추출을 가능하게 한다.
복수의 타원(100)을 조합해서 생기는 도형의 둘레 상에 시점(110)과 종점(111)을 마련하고, 그 2점을 잇는 둘레 상의 한붓그리기된 곡선(120)을 형상 모델로서 이용함에 의해, 대상 구조의 윤곽선을 기술한다.

Description

윤곽선 해석 장치, 처리 조건 결정 시스템, 형상 추정 시스템, 반도체 장치 제조 시스템, 탐색 장치 및 그들에 이용하는 데이터 구조

본 발명은, 윤곽선 해석 장치, 처리 조건 결정 시스템, 형상 추정 시스템, 반도체 장치 제조 시스템, 탐색 장치 및 그들에 이용하는 데이터 구조에 관한 것이다.

반도체 프로세스에 있어서 적정한 처리 조건에 의해 반도체 시료를 처리함으로써, 바람직한 반도체 가공을 실시할 수 있다. 최근, 디바이스를 구성하는 신재료가 도입됨과 함께 디바이스 구조가 복잡화되고 있어, 반도체 처리 장치의 제어 범위가 확대되고, 많은 제어 파라미터가 추가되어 왔다. 프로세스는 멀티스텝화되어, 미세하며 복잡한 가공이 실현되게 되었다. 반도체 처리 장치를 이용해서 고성능의 디바이스를 생산하기 위해서는, 반도체 시료의 목표의 가공 형상을 실현하는 적정한 처리 조건을 도출하는 프로세스 개발을 행할 필요가 있다.

반도체 처리 장치의 성능을 충분히 끌어내기 위해서는, 다수의 제어 파라미터의 최적화가 불가결하며, 그 실현에는 프로세스 개발의 노하우나 높은 장치 운용 스킬 및 처리 시험의 다수의 시행착오가 필요하다. 따라서, 프로세스 개발에는 대규모의 횟수의 치수 계측을 필요로 한다. 예를 들면 처리 대상으로서 라인 앤드 스페이스(Line and Space, L/S) 패턴의 샘플을 생각했을 경우, 라인 패턴마다의 CD(Critical Dimension)나 깊이 등의 치수를 10개소, 계측하는 라인 패턴수를 10개로 하면, 1시료당 100개의 계측이 필요해진다. 따라서, 가령 100개의 시료를 처리하다고 하면, 합계 10000회의 치수 계측이 필요해진다.

디바이스의 구조가 복잡화될수록 계측 개소수는 늘어나기 때문에, 치수 계측 시간의 장기화에 수반하는 프로세스 개발의 지연이 과제로 된다. 또한, 이들 치수는 구조의 미세화에 수반하여 매년 축소되고 있어, 사람의 손에 의한 치수 추출이 어려워지고 있다. 이 때문에, 반도체 시료의 화상으로부터 대상 구조의 치수를 사람의 손에 의하지 않고, 고속 또한 고정밀도로 추출하는 기술이 필요해진다. 특허문헌 1은 이와 같은 기술을 개시한다.

특허문헌 1에서는, 형상 모델을 이용해서 가상적인 가공 형상을 생성하고, SEM 시뮬레이션을 이용해서 가공 형상과 SEM 신호 파형의 데이터베이스를 작성한다. SEM에서 얻어지는 실제의 신호 파형을 데이터베이스와 대조함으로써, 신호 파형이 가까운 가공 형상을 특정하고, 관찰 중의 가공 형상으로서 추정한다. 이것에 의해, SEM 화상의 윤곽선 검출(에지 검출)이나, 대상 구조의 치수를 추출할 수 있다.

일본국 특개2009-198339호 공보

특허문헌 1의 경우, 실시예에서 나타나 있는 형상 모델이 간소하기 때문에, 복잡한 형상의 인식이 곤란하다고 생각할 수 있다. 또한, 데이터베이스 대조에 의해서 추정을 행하기 때문에 데이터베이스에 없는 형상에 대해서는 추정하는 것이 곤란하다고 생각할 수 있다. 현재, 반도체 디바이스에서는 미세화나 3D화가 진행되고, 또한 양자 컴퓨터 등 다양한 구조가 제안되고 있다. 이것에 수반해서, 사람의 손에 의한 치수 추출이 이후 더 어려워질 것으로 생각되기 때문에, 매뉴얼 조작을 수반하지 않고 복잡 또한 다종의 형상을 단시간에 추출할 필요가 있다.

복잡 또한 다종의 형상의 인식이 어렵다는 과제에 의해서, 예를 들면, 라인 앤드 스페이스 패턴에 있어서 측벽과 저부에서 서로 다른 곡률을 갖는 형상의 인식은 곤란하다. 통상 에칭에서는, 라디칼에 의한 등방적인 에칭과, 이온 어시스트에 의한 이방적인 에칭의 효과가 중첩되기 때문에, 이와 같은 곡률이 서로 다른 가공 결과는 빈번히 발생할 수 있다. 또한, 미지 형상의 인식이 어렵다는 과제를 회피하기 위하여, 팽대한 규모의 데이터베이스를 이용한다고 하면, 현실적인 시간에서의 추정이 곤란해질 가능성이 있다.

복수의 타원을 조합(組合)해서 생기는 도형의 둘레 상(上)에 시점과 종점을 마련하고, 그 2점을 잇는 둘레 상의 한붓그리기된 곡선을 형상 모델로서 이용함에 의해, 대상 구조의 윤곽선을 기술한다.

반도체 처리에서 발생할 수 있는 복잡한 형상에 대해서, 고정밀도의 치수 추출을 가능하게 한다.

그 밖의 과제와 신규의 특징은, 본 명세서의 기술 및 첨부 도면으로부터 명백해질 것이다.

도 1은, 복수의 타원을 이용한 형상 모델.
도 2a는, 마스크 부착 패턴 시료의 단면도.
도 2b는, 마스크 부착 패턴 시료에 에칭 처리를 행한 후의 단면도.
도 2c는, 도 2b의 단면도에 대해서 전형적인 형상 특징량을 예시한 도면.
도 3은, 스캐터로머트리에서 이용되는 가상 형상의 예.
도 4a는, 실시예 1의 치수 추출 시스템의 구성예.
도 4b는, 윤곽선 해석 장치의 하드웨어 구성예.
도 5는, 실시예 1에 있어서의 치수를 추출하는 플로차트.
도 6a는, 도 2b에 나타낸 마스크 부착 패턴 시료의 윤곽선 데이터.
도 6b는, 도 6a의 윤곽선에 대해서 형상 모델을 피팅시키는 모습을 나타내는 도면.
도 6c는, 도 6a의 윤곽선에 피팅시킨 형상 모델을 나타내는 도면.
도 7은, 형상 모델을 이용해서 치수를 산출하는 방법을 설명하기 위한 도면.
도 8은, 형상 모델 데이터베이스의 데이터 구조의 일례.
도 9는, 실시예 2의 처리 조건 결정 시스템의 구성예.
도 10은, 실시예 2에 있어서의 반도체 처리 장치의 처리 조건을 결정하는 플로차트.
도 11은, 입력용 GUI의 예.
도 12는, 출력용 GUI의 예.
도 13은, 실시예 3의 구조 형상 추정 시스템의 구성예.
도 14는, 실시예 3에 있어서의 형상을 추정하는 플로차트.
도 15는, 실시예 4의 윤곽선 검출 시스템의 구성예.
도 16은, 실시예 4에 있어서의 윤곽선을 검출하는 플로차트.
도 17은, 입력용 GUI의 예.
도 18은, 출력용 GUI의 예.

이하, 도면을 이용해서 본 발명의 실시형태를 설명한다. 단, 본 발명은 이하에 나타내는 실시형태의 기재 내용으로 한정해서 해석되는 것은 아니다. 본 발명의 사상 내지 취지로부터 일탈하지 않는 범위에서, 그 구체적 구성을 변경할 수 있는 것은 당업자이면 용이하게 이해된다.

또한, 도면 등에 있어서 나타내는 각 구성의 위치, 크기, 형상, 및 범위 등은, 발명의 이해를 용이하게 하기 위하여, 실제의 위치, 크기, 형상, 및 범위 등을 나타내고 있지 않은 경우가 있다. 따라서, 본 발명에서는, 도면 등에 개시된 위치, 크기, 형상, 및 범위 등으로 한정되지 않는다.

(실시예 1)

도 1 및 도 4a는 각각, 실시예 1에 있어서의 형상 모델 및 치수 추출 시스템의 구성예를 나타내는 도면이다. 실시예 1의 치수 추출 시스템은, SEM 화상 등의, 계측 장치가 취득한 화상으로부터 형상 모델을 이용해서 유저가 원하는 치수(추출하고 싶은 치수)를 추출한다.

도 2a에 반도체 시료의 전형적인 예로서 마스크 부착 패턴 시료의 단면도를 나타낸다. 마스크(200)가 피에칭막(201) 상에 형성되어 있다. 도 2b는, 이 마스크 부착 패턴 시료에 대해서 에칭 처리를 행한 후의 단면도이다. 마스크(200)보다도 피에칭막(201)이 우선적으로 에칭 처리됨으로써 마스크 패턴 사이에 홈이 형성되어 있다. 목표로 하는 단면 형상이 도 3에 나타내는 바와 같은 홈이라고 하면, 유저는 도 2b의 대상 구조의 형상을 파악하여, 반도체 처리 장치의 제어 파라미터를 조정할 필요가 있다. 그러나, 반도체 처리 장치의 제어 파라미터가 적정화되어 있지 않은 상태에서 형성되는 가공 형상은 복잡한 형상을 갖고 있기 때문에, 치수 계측은 수고가 드는 작업이며, 프로세스 개발의 지연의 한 원인으로 되어 있는 것은 전술한 바와 같다.

본 실시예에서는, 도 1에 나타내는 바와 같은 복수의 타원을 이용한 형상 모델을 이용함으로써, 복잡 또한 다종의 형상을 정밀하게 기술하는 것을 가능하게 한다. 타원은 장축이나 단축의 길이를 바꿈으로써 직선부터 곡선까지를 기술할 수 있고, 복수의 타원을 조합함에 의해, 부위마다 곡률이 서로 다른 형상을 기술하는 것을 가능하게 한다. 또한, 특허문헌 1과 같이 데이터베이스 대조가 아닌, 형상 모델을 대상 구조의 윤곽선으로 피팅함으로써, 형상 모델의 파라미터를 추정한다. 피팅에 의해 그럴듯한 파라미터값이 얻어지면, 그것을 형상 모델에 대입함으로써, 대상 구조의 윤곽선을 정밀하게 기술하는 그럴듯한 형상 모델이 얻어진다. 이 그럴듯한 형상 모델을 이용해서, 윤곽선의 다양한 치수를 해석적으로 추출한다.

본 실시예에 있어서는, 도 1에 나타내는 바와 같이, 복수의 타원(100a∼100e)을 조합해서 생기는 도형의 둘레에 시점(110)과 종점(111)을 마련하고, 그 2점을 잇는 둘레 상의 한붓그리기된 곡선을 형상 모델(120)로 한다. 도 1에서는 5개의 타원을 조합한 선대칭의 형상 모델을 나타내고 있지만, 타원의 수는 복수이면 몇 개여도 되고, 또한 비선대칭의 모델이어도 된다.

이하에서는, 형상 모델(120)을 기술하는 모델 파라미터를 형상 모델 파라미터라 한다. 형상 모델 파라미터에는, 도 1의 타원(100b)에 대해서 예시한 바와 같은 각 타원의 중심 좌표(130), 단축 길이(131), 장축 길이(132), 단축의 기울기(133)와 같은 타원의 형상 및 배치에 관한 제1 파라미터나, 한붓그리기의 방법에 관한 제2 파라미터(타원의 내주를 잇는지, 외주를 잇는지 등) 등이 포함된다. 도 1에 나타낸 제1 파라미터의 구체예는 예시이며, 이들 중 적어도 하나 이상을 포함하는 것으로 한다. 타원(100)은, 단축 길이(131)와 장축 길이(132)의 밸런스를 바꿈으로써, 편평(扁平)함을 조정할 수 있다. 이것에 의해, 형상 모델(120)은, 직선에 가까운 윤곽과 곡선적인 윤곽이 조합되어 생기는 복잡한 윤곽선을 기술할 수 있다. 또한, 한붓그리기의 방법을 바꿈으로써, 윤곽선의 요철을 변경할 수 있다.

이와 같이, 형상 모델 파라미터를 조정함으로써, 다양한 형상을 기술할 수 있다. 또, 복수의 타원을 이용하기 때문에, 각 타원에는 제1 타원, 제2 타원··으로 적당한 넘버링을 실시하고, 각각의 형상 모델 파라미터를 제1 타원의 장축 길이, 제2 타원의 장축 길이·· 등이라 한다.

도 4a를 이용해서 형상 모델(120)을 이용하는 치수 추출 시스템을 설명한다. 계측 장치(400)는, 주사 전자현미경 등의 하전 입자선 장치를 이용한 계측 장치이며, 시료의 대상 구조의 정보를 화상 데이터로서 출력한다. 계측 장치(400)는, 시료에 전자 등을 입사시켰을 때에 일어나는 반사, 투과, 간섭 등의 현상을 이용해서 시료의 정보를 화상으로서 취득하는 계측 장치이다. 구체적으로는, 전자현미경을 이용한 계측 장치인 주사 전자현미경(Scanning Electron Microscope), 투과 전자현미경(Transmission Electron Microscope), 주사 투과 전자현미경(Scanning Transmission Electron Microscope) 등이다. 계측 장치(400)에서 취득되는 화상 데이터는, 이와 같은 어느 하전 입자선 장치에서 얻어지는 화상 데이터여도 된다.

윤곽선 검출 장치(410)는, 계측 장치(400)로부터 입력된 화상으로부터 에지(윤곽선)를 검출하는 장치이다. 예를 들면 입력된 SEM(Scanning Electron Microscopy) 화상이나 TEM 화상에 대해서, 그 윤곽선 데이터를 출력한다. 윤곽선의 검출 방법으로서는, 소벨(Sobel)법, 캐니(Canny)법, 라플라시안법 등 화소값의 변화에 의거해서 검출하는 것이나, Open CV 등의 기계 학습을 이용해서 검출하는 것이 있으며, 어느 방법을 이용하는 것이어도 된다. 또, 윤곽선 검출 장치(410)는 후술하는 윤곽선 해석 장치(420)의 일 기능으로서 실현되어도 된다.

도 4b에 윤곽선 해석 장치(420)의 하드웨어 구성예를 나타낸다. 윤곽선 해석 장치(420)는, 프로세서(431), 주기억(432), 보조 기억 장치(433), 입출력 인터페이스(434), 표시 인터페이스(435), 네트워크 인터페이스(436), 입출력(I/O) 포트(437)를 포함하며, 이들은 버스(438)에 의해 결합되어 있다. 입출력 인터페이스(434)는, 키보드나 마우스 등의 입력 장치(440)와 접속되고, 표시 인터페이스(435)는, 디스플레이(439)에 접속되고, GUI(Graphical User Interface)를 실현한다. 네트워크 인터페이스(436)는 네트워크를 통해서 외부 장치와 접속하기 위한 인터페이스이다. 보조 기억 장치(433)는 통상, HDD(Hard Disk Drive)나 SSD(Solid State Drive), 플래시 메모리 등의 불휘발성 메모리로 구성되고, 윤곽선 해석 장치(420)가 실행하는 프로그램이나 프로그램이 처리 대상으로 하는 데이터 등을 기억한다. 주기억(432)은 RAM(Random Access Memory)으로 구성되고, 프로세서(431)의 명령에 의해, 프로그램이나 프로그램의 실행에 필요한 데이터 등을 일시적으로 기억한다. 프로세서(431)는, 보조 기억 장치(433)로부터 주기억(432)에 로드한 프로그램을 실행한다. 윤곽선 해석 장치(420)의 기능은, 보조 기억 장치(433)에 저장된 프로그램이 프로세서(431)에 의해서 실행됨으로써, 정해진 처리를 다른 하드웨어와 협동해서 실현된다. 컴퓨터 등이 실행하는 프로그램, 그 기능, 혹은 그 기능을 실현하는 수단을, 「기능」, 「부」 등이라 하는 경우가 있다. 윤곽선 해석 장치(420)는 예를 들면, PC(Personal Computer)나 서버, 혹은 클라우드 상에 실현되어도 된다.

윤곽선 해석 장치(420)는, 해석부(421), 형상 모델 데이터베이스(422), 형상 모델 설정부(423), 형상 모델 피팅 설정부(424), 치수 추출 설정부(425), 치수 산출 방법 설정부(426)를 갖고 있고, 윤곽선 검출 장치(410)로부터 입력된 윤곽선 데이터로부터, 형상 모델의 파라미터인 형상 모델 파라미터의 값이나, 유저가 추출하고 싶은 치수의 값을 산출하는 장치이다. 이하, 윤곽선 해석 장치(420)에 의해 산출된 형상 모델 파라미터나 추출한 치수를, 각각 그럴듯한 형상 모델 파라미터 및 그럴듯한 치수라 한다.

해석부(421)는, 입력된 윤곽선 데이터에 대하여, 형상 모델의 피팅이나, 그럴듯한 형상 모델 파라미터값의 산출, 그럴듯한 치수값의 산출 등의 해석을 행한다. 산출된 그럴듯한 형상 모델 파라미터값이나 그럴듯한 치수값은, 형상 모델 데이터베이스(422)에 저장된다.

유저는, 형상 모델 설정부(423)에 의해 형상 모델의 사양(형상 모델 사양)을 설정하고, 형상 모델 피팅 설정부(424)에 의해 형상 모델의 피팅 방법을 설정한다. 이들 설정에 의거해서, 해석부(421)는, 윤곽선 검출 장치(410)로부터 입력된 윤곽선 데이터를 이용해서, 형상 모델의 피팅을 행하고, 그럴듯한 형상 모델 파라미터값을 산출한다. 그럴듯한 형상 모델 파라미터값을 대입해서 얻어지는 형상 모델이 그럴듯한 형상 모델이다.

또한, 유저는, 치수 추출 설정부(425)에 의해 추출하고 싶은 치수를 설정하고, 치수 산출 방법 설정부(426)에 의해 추출하고 싶은 치수값의 산출 방법을 설정한다. 이상의 설정에 의거해서, 해석부(421)는, 그럴듯한 형상 모델을 이용해서, 추출하고 싶은 치수에 대한 그럴듯한 치수값을 산출한다.

하전 입자선 장치를 이용한 계측 장치(400)가 취득한 화상 데이터로부터, 도 4a에 나타낸 치수 추출 시스템에 의해서 치수를 추출하는 플로차트를 도 5에 나타낸다. 이하, 도 5를 이용해서, 치수 추출의 방법을 설명한다.

우선, 계측 장치(400)를 이용해서 SEM 화상 등의 화상 데이터를 취득한다(S101). 다음으로, 윤곽선 검출 장치(410)를 이용해서 화상 데이터로부터 윤곽선 데이터를 취득한다(S102). 윤곽선 데이터의 일례로서, 도 6a에 에칭 처리된 마스크 부착 패턴 시료의 단면을 나타내는 윤곽선 데이터(600)를 나타낸다. 마스크(200)보다도 피에칭막(201)이 우선적으로 에칭 처리됨으로써 마스크 패턴 사이에 홈이 형성되어 있다.

형상 모델 설정부(423)에 의해, 형상 모델 사양을 설정한다(S103). 예를 들면, 도 1에 나타낸 바와 같은 「5개의 타원으로 구성되는 선대칭의 형상 모델」과 같이 모델의 종류를 지정하거나, 형상 모델을 기술하는 형상 모델 파라미터의 종류를 지정한다.

계속해서, 형상 모델 피팅 설정부(424)에 의해, 형상 모델을 윤곽선 데이터에 피팅하는 방법을 설정한다(S104). 예를 들면, 피팅에 최소 이승법, 가중 최소 이승법 또는 정규화 최소 이승법을 이용하고, 반복 해법을 이용한 비선형 최적화법이나, 조합 최적화법에 의해서 형상 모델 파라미터의 값을 추정할 수 있다. 또한, 피팅의 종료 조건이나, 최적화 처리 시의 난수 혹은 초기값 생성 방법에 관한 설정도 행한다.

스텝S103, S104의 설정에 의거해서, 윤곽선 검출 장치(410)로부터 입력된 윤곽선 데이터에 대해서, 형상 모델의 피팅을 실시한다(S105). 피팅의 모습을, 도 6b를 이용해서 설명한다. 피팅 전의 형상 모델(601)은 형상 모델 파라미터의 초기값에 대한 형상 모델을 묘화한 것이다. 윤곽선 데이터(600)를 이용해서 피팅을 행함에 의해 형상 모델 파라미터값이 개선되어, 피팅 중의 형상 모델(602)과 같이 형상 모델이 윤곽선(600)에 근접한다. 피팅이 정상적으로 완료되면, 도 6c에 나타내는 바와 같이, 윤곽선(600)에 대해서 그럴듯한 형상 모델 파라미터값이 얻어지고, 이 그럴듯한 형상 모델(603)은 윤곽선 데이터(600)를 잘 재현하는 모델로 된다.

다음으로, 피팅에 관해서 불량의 유무를 판정하고(S106), 불량이 확인된 경우에는 스텝S103으로 되돌아가서, 형상 모델의 사양의 재설정, 형상 모델의 피팅 방법에 관한 재설정을 실시한다. 여기에서 피팅에 관한 불량이란, 피팅이 종료되지 않는 것, 피팅 중에 형상 모델 파라미터값이 국소값으로 빠지는 것, 피팅에서 얻어지는 그럴듯한 형상 모델의 형상에 이상(異常)이 보이는 것 등이다. 형상의 이상의 예는, 계측 장치(400)가 취득한 화상을 유저가 눈으로 보아서 인식되는 형상과 그럴듯한 형상 모델의 형상에 괴리가 있는 경우이다. 스텝S106에 있어서 불량이 확인되지 않은 경우에는, 피팅을 종료하고, 얻어진 그럴듯한 형상 파라미터값을 형상 모델 데이터베이스(422)에 저장한다(S107).

다음으로, 치수 추출 설정부(425)에 의해, 유저가 추출하고 싶은 치수의 종류를 설정한다(S108). 추출하고 싶은 치수의 종류로서, 예를 들면 도 2c에 나타내는 바와 같은 일련의 형상 특징량으로부터 설정한다. 도 2c는, 도 2b의 단면도에 대해서 설정 가능한 형상 특징량을 예시하는 것이다. 프로세스 개발에 기계 학습을 이용하는 경우, 처리 조건을 설명 변수 X, 가공 형상에 관한 특징량(이것을 형상 특징량이라 한다)을 목적 변수 Y로 하는 회귀 등의 상관 모델 Y=f(X)를 구하고, 목표의 형상 특징량을 부여하는 처리 조건에 대하여 상관 모델을 이용해서 추정한다. 또, 반도체 시료의 형상 특징량으로서 무엇을 이용할지 정량적인 지침은 없으며, 유저에 의해 선택 및 추출된 치수 데이터가 이용된다. 도 2c의 홈 형상에서는, 최대폭(210), 깊이(211), 저부의 폭(212), 상부의 폭(213), 중부의 폭(214), 테이퍼 각도(215), 보잉의 각도(216), 저부의 이심률(217) 등 다양한 종류의 형상 특징량을 생각할 수 있다.

계속해서, 치수 산출 방법 설정부(426)에 의해, 추출하고 싶은 치수의 산출 방법을 설정한다(S109). 예를 들면 도 2c에 나타낸 형상 특징량 중, 최대폭(210), 깊이(211), 저부의 폭(212), 저부의 이심률(217)의 산출 방법을 생각할 수 있다. 스텝S108까지의 절차에 따라, 도 2b에 나타낸 시료의 SEM 화상으로부터 윤곽선 데이터를 취득하여, 도 6c에 나타낸 바와 같은 그럴듯한 형상 모델(603)이 얻어져 있다.

도 7을 이용해서, 형상 모델(603)을 이용해서 치수를 산출하는 방법의 예를 설명한다. 여기에서는, 좌표축을 마스크(200)와 피에칭막(201)의 경계를 따라서 x축, 그것에 수직인 방향에 y축을 취하고 있다. 각 타원(604)의 장축 길이에 의해, 저부의 폭(702)을 추정할 수 있다. 각 타원(604)의 장축 길이 및 단축 길이로부터 이심률을 산출할 수 있기 때문에, 저부의 이심률(703)을 추정할 수 있다. 각 타원(604)의 중심 좌표나 장축 길이, 단축 길이, 단축의 기울기로부터, 깊이(701)를 추정할 수 있다. 또한, 각 타원(604)에 대하여, 도 7에 나타내는 바와 같이, y축에 관해서 미분값이 0으로 되는 좌표를 복수 구하고, 그 x좌표 간의 거리를 산출함으로써, 최대폭(700)을 추정할 수 있다. 이와 같이, 형상 모델(603)에 있어서의 미분값이 0인 극값점, 미분 불가능한 점, 미분값이 양으로부터 음으로 바뀌는 변곡점 등의 특이점을 이용함으로써, 추출하고 싶은 치수의 값을 추정할 수 있다. 이와 같은 형상 모델의 특이점을 이용해서 치수를 산출하는 방법을, 특이점 탐색법이라 한다.

산출 방법은 특이점 탐색법으로 한정되지 않는다. 예를 들면 최대폭(700)은, 형상 모델(603) 상의 x좌표를 y축을 따르고 있는 피치폭으로 추출하고, x좌표 간의 거리의 최대값으로서 구할 수도 있다. 이와 같이 특정의 축을 따라서 좌표를 추출함으로써 치수를 산출하는 방법을, 스트라이프 탐색법이라 한다.

스텝S108에서 설정한 추출하고 싶은 치수에 대하여, 스텝S109에서 설정한 산출 방법을 이용해서, 예를 들면, 최대폭(700) 등의 그럴듯한 치수를 산출한다(S110). 추출한 그럴듯한 치수 데이터를 형상 모델 데이터베이스(422)에 저장하고(S111), 종료한다. 도 8에, N개의 시료의 SEM 화상(데이터 번호에 대응한다)에 대해서, 이상의 절차를 적용함으로써 얻어지는 형상 모델 데이터베이스(422)의 데이터 구조의 일례를 나타낸다.

(실시예 2)

도 9는, 실시예 2에 있어서의 처리 조건 결정 시스템의 구성예를 나타내는 도면이다. 실시예 2의 처리 조건 결정 시스템에서는, 반도체 처리 장치의 적정한 처리 조건을 결정한다.

실시예 2는, 기계 학습을 이용한 프로세스 개발을 고속화하는 것을 목적으로 한다. 전술과 같이, 기계 학습을 이용한 프로세스 개발에서는, 일반적으로 처리 조건을 설명 변수 X, 가공 형상에 관한 형상 특징량을 목적 변수 Y로 하는 상관 모델을 이용해서 목표의 형상 특징량을 부여하는 처리 조건의 탐색이 행해진다. 그러나, 형상 특징량으로서 무엇을 이용할지에 대하여 정량적인 지침이 없기 때문에, 용장(冗長)한 형상 특징량을 목적 변수로 채용하거나, 가공 형상을 기술하는 중요한 형상 특징량을 결락시켜 버리는 경우가 발생하고 있다. 전자의 경우에는, 목적 변수의 증가에 수반하여 상관 모델의 학습에 많은 실험 데이터가 필요해지기 때문에, 반도체 처리 장치에 의한 처리 횟수가 증가하여, 프로세스 개발 기간의 장기화가 우려된다. 또한 후자의 경우에는, 상관 모델의 표현력이 약해지기 때문에, 목표의 가공 형상을 실현하는 처리 조건을 예측하는 것이 곤란해져서, 마찬가지로 프로세스 개발의 지연이 우려된다.

본 실시예에서는, 가공 형상을 적절히 기술하는 형상 모델 파라미터를 상관 모델의 목적 변수로 함에 의해, 위에서 서술한 바와 같은 용장한 형상 특징량의 채용이나, 중요한 형상 특징량의 결락을 회피할 수 있다. 이것에 의해, 프로세스 개발을 고속화한다.

여기에서, 계측 장치(400), 윤곽선 검출 장치(410), 윤곽선 해석 장치(420), 해석부(421), 형상 모델 데이터베이스(422), 형상 모델 설정부(423), 형상 모델 피팅 설정부(424)는 실시예 1의 그것과 동(同) 정의로 한다.

처리 조건 결정 장치(900)는, 처리 조건 데이터베이스(901), 학습부(902), 처리 조건 추정부(903), 목표 치수값 설정부(904)를 갖고 있고, 형상 모델 데이터베이스(422) 내의 그럴듯한 형상 모델 파라미터의 데이터와, 처리 조건 데이터베이스(901) 내의 처리 조건에 의거해서 적정한 처리 조건을 결정하는 장치이다. 처리 조건 결정 장치(900)의 하드웨어 구성도 도 4b에 나타낸 윤곽선 해석 장치(420)와 마찬가지이므로, 중복하는 설명을 생략한다.

처리 조건 데이터베이스(901)는, 기득(旣得)의 처리 조건이나, 처리 조건 추정부(903)에 의해서 추정된 처리 조건이 저장되는 데이터베이스이다. 학습부(902)에서는, 형상 모델 데이터베이스(422) 내의 그럴듯한 형상 모델 파라미터와, 처리 조건 데이터베이스(901) 내의 처리 조건의 상관 모델을 학습한다. 목표 치수값 설정부(904)에서는, 그럴듯한 형상 모델에 대하여 유저가 원하는 형상 모델 파라미터값(목표값)이 설정된다. 혹은, 유저가 원하는 형상 치수로부터 그럴듯한 형상 모델의 형상 모델 파라미터값(목표값)을 산출해도 된다. 처리 조건 추정부(903)에서는, 목표 치수값 설정부(904)에서 설정된 형상 모델 파라미터값을 부여하는 처리 조건을, 학습부(902)에서 얻어진 상관 모델을 이용해서 추정한다.

반도체 처리 장치(910)는 반도체 시료에 대한 처리를 행하는 장치이며, 처리 조건 결정 장치(900)에 의해서 결정된 처리 조건을 이용해서, 시료의 처리를 행한다. 반도체 처리 장치(910)에는, 반도체 제조 장치인 리소그래피 장치, 제막 장치, 패턴 가공 장치, 이온 주입 장치, 가열 장치 및 세정 장치 등이 포함된다. 리소그래피 장치로서는, 노광 장치, 전자선 묘화 장치 및 X선 묘화 장치 등이 있다. 제막 장치로서는, CVD(Chemical Vapor Deposition) 장치, PVD(Physical Vapor Deposition) 장치, 증착 장치, 스퍼터링 장치 및 열산화 장치 등이 있다. 패턴 가공 장치로서는, 웨트에칭 장치, 드라이에칭 장치, 전자빔 가공 장치 및 레이저 가공 장치 등이 있다. 이온 주입 장치로서는, 플라스마 도핑 장치 및 이온빔 도핑 장치 등이 있다. 가열 장치로서는, 저항 가열 장치, 램프 가열 장치 및 레이저 가열 장치 등이 있다.

도 9의 처리 조건 결정 시스템에 의해서 반도체 처리 장치의 처리 조건을 결정하는 플로차트를 도 10에 나타낸다. 이하, 도 10을 이용해서, 반도체 처리 장치(910)의 처리 조건의 결정 방법을 설명한다.

도 10의 스텝S201∼S207의 절차는, 각각 도 5의 스텝S101∼S107과 동일하기 때문에 설명을 생략한다.

스텝S207에서 그럴듯한 형상 모델 파라미터를 형상 모델 데이터베이스(422)에 저장한 후, 목표 치수값 설정부(904)에 의해, 유저의 목표의 형상 모델 파라미터값을 설정한다(S208). 다음으로, 스텝S207에서 추정된 그럴듯한 형상 모델 파라미터값이, 목표 치수값 설정부(904)에서 설정된 형상 모델 파라미터값에 가까운지의 여부를 판정한다(S209). 여기에서 값의 가까움을 평가하는 거리는, 유클리드 거리, 맨해튼 거리, 체비셰프 거리, 마할라노비스 거리의 어느 하나를 이용해서 산출된다. 이 산출값이, 유저가 정하는 기준값보다 큰지 작은지를 가지고, 가까운지의 여부를 판정한다.

스텝S209에 있어서, 스텝S207에서 추정된 그럴듯한 형상 모델 파라미터값이, 목표 치수값 설정부(904)에서 설정된 형상 모델 파라미터값에 가깝다고 판단된 경우는, 종료한다. 한편, 스텝S209에 있어서 가깝지 않다고 판단된 경우에는, 학습부(902)는, 처리 조건 데이터베이스(901) 내의 처리 조건과 형상 모델 데이터베이스(422) 내의 그럴듯한 형상 모델 파라미터의 상관 모델을 학습한다(S210). 여기에서, 상관 모델은 회귀나 분류의 모델을 나타내고 있고, 커널법을 이용한 모델, 뉴럴 네트워크를 이용한 모델, 결정목을 이용한 모델 등이 사용된다.

다음으로, 처리 조건 추정부(903)는, 목표 치수값 설정부(904)에서 설정된 형상 모델 파라미터값을 부여하는 처리 조건을, 학습부(902)에서 취득한 상관 모델을 이용해서 추정한다(S211). 추정된 처리 조건은 처리 조건 데이터베이스(901)에 추가되어, 데이터베이스가 갱신된다(S212). 추정된 처리 조건을 이용해서, 반도체 처리 장치(910)에서 새로운 시료에 대한 처리를 실시한다(S213). 처리 후의 시료를 반도체 처리 장치(910)로부터 취출하고, 스텝S201의 절차로 이행한다. 이상의 일련의 절차를, 종료될 때까지 반복한다.

다음으로, 도 11, 12를 이용해서, 실시예 1 및 실시예 2에 관한 GUI를 설명한다.

도 11에 나타내는 입력용 GUI(1100)는, 실시예 1, 2의 윤곽선 해석 장치(420)의 설정을 입력하는 입력 화면의 예이다. 이 입력 화면은, 실시예 1의 경우는 스텝S101의 절차, 실시예 2의 경우는 스텝S201의 절차로 화상을 취득한 후에 제시되는 것으로 한다.

입력용 GUI(1100)는, 윤곽선 검출 설정 박스(1110), 형상 모델 선택 박스(1120), 피팅 설정 박스(1130), 치수 추출 설정 박스(1140), 산출 방법 설정 박스(1150), 유효/비유효 표시부(1160), 결정 버튼(1170)을 갖는다. 윤곽선 검출 설정 박스(1110), 형상 모델 선택 박스(1120), 피팅 설정 박스(1130), 치수 추출 설정 박스(1140), 산출 방법 설정 박스(1150)는, 각각 윤곽선 검출 장치(410), 형상 모델 설정부(423), 형상 모델 피팅 설정부(424), 치수 추출 설정부(425), 치수 산출 방법 설정부(426)에 관한 설정을 행한다.

윤곽선 검출 설정 박스(1110)는, 검출 방법 입력부(1111)와 화상 입력부(1112)를 갖는다. 예를 들면, 검출 방법 입력부(1111)에서는 윤곽선의 검출 방법으로서, 소벨(Sobel)법, 캐니(Canny)법, 라플라시안법 등 화소값의 변화에 의거해서 검출하는 것이나, Open CV 등의 기계 학습을 이용한 것을 선택할 수 있다. 또한, 화상 입력부(1112)에, 실시예 1의 경우는 스텝S101, 실시예 2의 경우는 스텝S201에서 취득된 화상 데이터를 드래그 앤드 드롭함으로써, 화상 데이터를 윤곽선 검출 장치(410)에 입력할 수 있다.

형상 모델 선택 박스(1120)는, 모델 입력부(1121)를 갖는다. 예를 들면, 특정의 개수의 타원으로 구성된 선대칭의 형상 모델이나, 선대칭성을 가정하지 않는 형상 모델 등이 선택된다.

피팅 설정 박스(1130)는, 피팅 방법 입력부(1131)를 갖는다. 예를 들면, 최소 이승법(Least Squared법)을 이용해서 리븐버그 마크워트법(Levenberg-Marquardt법)에 의해 형상 모델 파라미터를 최적화하는 방법, 최소 이승법을 이용해서 시뮬레이티드 어닐링법에 의해 형상 모델 파라미터를 최적화하는 방법, 혹은 가중 최소 이승법(Weighted Least Squared법)을 이용해서 리븐버그 마크워트법에 의해 형상 모델 파라미터를 최적화하는 방법 등이 선택된다. 또, 도 11 중에서는, 이들 방법을 각각 LS-LM법, LS-시뮬레이티드 어닐링법, WSL-LM법으로 약기하고 있다.

치수 추출 설정 박스(1140)는, 치수 입력부(1141)를 가지며, 유저가 원하는 추출하고 싶은 치수가 설정된다. 산출 방법 설정 박스(1150)는, 산출 방법 입력부(1151)를 가지며, 치수 입력부(1141)에서 입력된 추출하고 싶은 치수의 산출 방법을 설정한다. 예를 들면, 실시예 1에서 설명한 특이점 탐색법이나 스트라이프 탐색법을 선택할 수 있다. 또, 실시예 2의 경우는, 치수 추출 설정 박스(1140) 및 산출 방법 설정 박스(1150)는 입력용 GUI(1100)에 불요하다.

이상의 입력이 유효하게 행해졌는지의 여부를, 상기 각 설정 박스가 갖고 있는 유효/비유효 표시부(1160)에 의해 표시한다. 유효/비유효 표시부(1160)가 모두 유효하게 되면, 입력용 GUI(1100)의 결정 버튼(1170)을 누름으로써, 실시예 1의 경우는 스텝S102의 절차, 실시예 2의 경우는 스텝S202의 절차를 개시한다.

입력용 GUI(1100)의 결정 버튼(1170)이 눌려서, 도 5 혹은 도 10의 절차가 실행되고, 실시예 1의 경우는 스텝S106, 실시예 2의 경우는 스텝S206에 있어서 제시되는 출력용 GUI(1200)를 도 12에 나타낸다. 이 GUI는 현재의 스테이터스를 표시하고, 유저에게 다음의 절차로 진행할지의 여부를 선택시키는 것이다. 치수 추출 결과 표시부(1210)는, 그럴듯한 형상 모델 표시부(1211)와, 치수 산출 결과 표시부(1212)를 갖는다. 그럴듯한 형상 모델 표시부(1211)에 의해, 스텝S105 혹은 S205에서 피팅된 형상 모델의 모습이 유저에게 제시된다. 또한, 치수 산출 결과 표시부(1212)에는 그럴듯한 형상 모델 파라미터값이나, 그럴듯한 치수값이 유저에게 제시된다. 유저는, 치수 추출 결과 표시부(1210)에 표시되는 형상 모델의 정보에 의거해서, 유저는 완료/재설정 선택부(1220)에 있어서 완료할지, 재설정할지를 선택할 수 있다. 유저가 피팅에 불량이 없다고 판단했을 때에는, 완료를 선택해서 결정 버튼(1230)을 누름으로써, 실시예 1의 경우는 스텝S107의 절차, 실시예 2의 경우는 스텝S207의 절차로 진행한다. 불량이 있다고 판단했을 때에는, 재설정을 선택해서 결정 버튼(1230)을 누름으로써, 입력용 GUI(1100)의 화면으로 되돌아가서, 재설정이 가능해진다.

(실시예 3)

도 13은, 실시예 3에 있어서의 구조 형상 추정 시스템의 구성예를 나타내는 도면이다. 실시예 3의 구조 형상 추정 시스템에서는, 분광 스펙트럼으로부터 시료의 대상 구조의 형상을 추정한다.

실시예 3은, 복수의 타원을 이용한 형상 모델을 이용해서 스캐터로머트리(Scatterometry, 광파 산란 계측) 등의 광학을 이용한 형상 계측의 고정밀도화를 실현하는 것이다. 스캐터로머트리에서는, 가상적으로 생성한 형상 모델인 CAD(Computer-aided Design) 데이터에 대해서, RCWA(Rigorous Coupled Wave Analysis, 엄밀 결합파 해석) 등의 광학 시뮬레이션을 실시해서 가상적인 분광 스펙트럼의 데이터를 생성한다. 얻어진 가상 형상 모델인 CAD 데이터와 가상 분광 스펙트럼 데이터의 상관 모델을 구하고, 실제로 분광기에서 얻어진 분광 스펙트럼에 가장 가까운 가상 분광 스펙트럼 데이터를 부여하는 가상 형상 모델의 CAD 데이터를, 상관 모델을 이용해서 추정한다. 이것에 의해, 분광기에서 얻어진 분광 스펙트럼으로부터 형상 추정을 행하는 것이다. 종래, 가상 형상은 도 3에서 나타낸 바와 같은 직사각형 등의 조합으로 구성되는 단순한 것이었기 때문에, 곡률이 있는 형상의 추정 정밀도가 낮다는 과제가 있었다. 본 실시예에서는, 복수의 타원을 이용한 형상 모델을 이용함에 의해, 부위마다 다른 곡률이 있는 복잡한 형상을 생성할 수 있어, 형상 추정을 고정밀도화할 수 있다.

가상 형상 데이터 생성 장치(1300)는, 형상 모델 설정부(1301), 생성 방법 설정부(1302), 파라미터 생성부(1303), 가상 치수 데이터베이스(1304), CAD부(1305), 가상 형상 데이터베이스(1306)를 가지며, 가상적인 형상 데이터를 생성하는 장치이다.

유저는 형상 모델 설정부(1301)에 의해 형상 모델 사양을 설정하고, 생성 방법 설정부(1302)에 의해 형상 모델 파라미터값의 세트의 생성 방법을 설정한다. 이들 설정에 의거해서 파라미터 생성부(1303)가 생성한 형상 모델 파라미터의 값의 세트를 가상 치수 데이터베이스(1304)에 저장한다. CAD부(1305)는, 가상 치수 데이터베이스(1304) 내의 형상 모델 파라미터값을 형상 모델에 대입함으로써 얻어지는 형상을, CAD 데이터로서 출력한다. 출력된 CAD 데이터는, 가상 형상 데이터베이스(1306)에 저장된다.

광학 시뮬레이터(1310)는, 가상 형상 데이터베이스(1306) 내의 CAD 데이터(가상 형상 모델)에 대하여, RCWA 등의 광학 시뮬레이션을 실시하는 시뮬레이터이다. 특히, CAD 데이터로 나타나는 기하 구조에 대해서, 스캐터로머트리에 의해서 얻어지는 분광 스펙트럼의 이론값을 산출하는 것이 가능한 시뮬레이터로 한다. 이하, 이 분광 스펙트럼의 이론값을 가상 분광 스펙트럼이라 한다.

분광 스펙트럼 계측 장치(1330)는, 반도체 시료의 대상 구조로부터 발생하는 산란광, 반사광, 간섭광 등의 광으로부터 분광 스펙트럼을 취득하는 장치이다.

광학적 형상 추정 장치(1320)는, 계측된 분광 스펙트럼으로부터 반도체 시료의 대상 구조의 형상을 추정하는 장치이며, 가상 분광 스펙트럼 데이터베이스(1321), 학습부(1322), 형상 추정부(1323)를 갖는다. 가상 분광 스펙트럼 데이터베이스(1321)는, 광학 시뮬레이터(1310)에서 산출된 가상 분광 스펙트럼을 저장하는 데이터베이스이다. 학습부(1322)는, 가상 치수 데이터베이스(1304) 내의 형상 모델 파라미터값과, 가상 분광 스펙트럼 데이터베이스(1321) 내의 가상 분광 스펙트럼의 상관 모델을 학습한다. 형상 추정부(1323)는, 분광 스펙트럼 계측 장치(1330)에서 취득된 분광 스펙트럼에 가장 가까운 가상 분광 스펙트럼을 부여하는 형상 모델 파라미터값을, 학습부(1322)에서 얻어진 상관 모델을 이용해서 추정한다. 또한, 이 형상 모델 파라미터값을 형상 모델에 대입함으로써 얻어지는 형상을 출력한다.

또, 가상 형상 데이터 생성 장치(1300), 광학 시뮬레이터(1310), 광학적 형상 추정 장치(1320)의 하드웨어 구성은, 각각 도 4b에 나타낸 윤곽선 해석 장치(420)와 마찬가지이므로, 중복하는 설명을 생략한다.

분광 스펙트럼 계측 장치(1330)에 의해 계측된 분광 스펙트럼으로부터, 도 13에 나타낸 구조 형상 추정 시스템에 의해서 형상을 추정하는 플로차트를 도 14에 나타낸다. 이하, 도 14를 이용해서, 형상 추정 방법에 대하여 설명한다.

형상 모델 설정부(1301)에 의해 형상 모델 사양을 설정한다(S301). 예를 들면, 「5개의 타원으로 구성되는 선대칭의 형상 모델」과 같이 모델의 종류를 지정하거나, 형상 모델을 기술하는 형상 모델 파라미터의 종류를 지정한다.

다음으로, 생성 방법 설정부(1302)에 의해 형상 모델 파라미터값의 세트의 생성법을 설정한다(S302). 예를 들면, 형상 모델 파라미터의 범위를 지정하고, 그 범위를 등간격으로 분할함으로써 복수의 값을 생성할 수 있다. 이후, 이 간격을 피치폭이라 한다. 여기에서 범위 및 피치폭은, 형상 모델 파라미터의 종류마다 서로 다른 값을 설정해도 된다. 또는, 난수를 이용해서 생성할 수도 있다.

생성 방법 설정부(1302)에서 설정된 생성 방법을 이용해서, 파라미터 생성부(1303)는, 형상 모델 파라미터값의 세트를 생성하고, 생성된 세트를 가상 치수 데이터베이스(1304)에 저장한다(S303). CAD부(1305)는, 가상 치수 데이터베이스(1304) 내의 형상 모델 파라미터값을 형상 모델에 대입함으로써 얻어지는 가상 형상 모델을 CAD 데이터로서 출력한다(S304).

CAD부(1305)는 생성된 CAD 데이터(가상 형상 모델)를 가상 형상 데이터베이스(1306)에 저장하고(S305), 광학 시뮬레이터(1310)를 이용해서 가상 분광 스펙트럼을 산출한다. 산출된 가상 분광 스펙트럼은, 가상 분광 스펙트럼 데이터베이스(1321)에 저장된다(S306). 학습부(1322)는, 가상 분광 스펙트럼 데이터베이스(1321) 내의 가상 분광 스펙트럼과, 가상 치수 데이터베이스(1304) 내의 형상 모델 파라미터의 상관 모델을 학습한다(S307). 여기에서, 상관 모델은 회귀나 분류의 모델을 나타내고 있고, 커널법을 이용한 모델, 뉴럴 네트워크를 이용한 모델, 결정목을 이용한 모델 등이 사용된다.

반도체 시료에 대해서, 분광 스펙트럼 계측 장치(1330)를 이용해서 분광 스펙트럼을 취득한다(S308). 형상 추정부(1323)는, 취득된 분광 스펙트럼에 가장 가까운 가상 분광 스펙트럼을 부여하는 형상 모델 파라미터를, 학습부(1322)가 학습한 상관 모델을 이용해서 추정한다(S309). 여기에서 값의 가까움을 평가하는 거리는, 유클리드 거리, 맨해튼 거리, 체비셰프 거리, 마할라노비스 거리의 어느 하나를 이용해서 산출된다.

계속해서, 형상 추정부(1323)는, 추정된 형상 모델 파라미터를 형상 모델에 대입하여, 얻어진 형상을 출력한다(S310). 이후, 이 형상을 추정 형상이라 한다. 추정 형상에 관해서 불량의 유무를 판정하고(S311), 불량이 확인된 경우는 스텝S301로 되돌아가서, 형상 모델의 사양의 재설정, 형상 모델 파라미터의 생성 방법에 관한 재설정을 실시한다. 여기에서 추정 형상에 관한 불량은, 추정된 형상 모델 파라미터값이 생성 방법 설정부(1302)에서 설정된 형상 모델 파라미터의 범위를 일탈한 경우나, 추정 형상에 결손 부분이 발생하는 경우 등이다. 스텝S311에 있어서 불량이 확인되지 않은 경우는, 종료한다.

(실시예 4)

도 15는, 실시예 4에 있어서의, 윤곽선 검출 시스템의 구성예를 나타내는 도면이다. 실시예 4는, SEM 화상 등의 검사 장치가 취득한 화상의 윤곽선을 검출한다.

실시예 4는, 검사 장치가 취득한 화상으로부터의 윤곽선 검출의 고정밀도화를 목적으로 한다. 특히 기계 학습을 이용한 검출법에 있어서의 검출 정밀도는, 화상과 윤곽선의 학습 데이터의 질 및 양에 크게 의존한다. 본 실시예에서는, 복수의 타원을 이용한 형상 모델을 이용하여, 다양한 형상과 그 윤곽선을 생성함에 의해, 윤곽선 검출을 고정밀도화한다.

여기에서, 계측 장치(400)는 실시예 1의 그것, 가상 형상 데이터 생성 장치(1300)는 실시예 3의 그것과 동 정의로 한다. 또, 본 실시예에서는, CAD부(1305)가 생성하는 CAD 데이터는, 가상 윤곽선 데이터(1500)와 가상 화상 데이터(1501)이다. 가상 윤곽선 데이터(1500)는, 형상 모델에 의해서 얻어지는 대상 구조의 윤곽선을, CAD부(1305)에 의해 CAD 데이터로 한 것이다. 가상 화상 데이터(1501)는, CAD부(1305)에 의해, 형상 모델에 의해서 얻어지는 형상에 대해서 색이나 색조, 밝기나 노이즈양, 배율이나 화면 사이즈 등의 보정을 실시함으로써 획득되는, 실제로 계측 장치(400)에서 취득되는 화상을 모의한 CAD 데이터이다.

윤곽선 추정 장치(1510)는, 가상 형상 데이터 생성 장치(1300)의 가상 형상 데이터베이스(1306)에 의거해서, 계측 장치(400)로부터 입력된 화상 데이터로부터 윤곽선 데이터를 검출하는 장치이다. 윤곽선 추정 장치(1510)는, 학습부(1511)와, 윤곽선 추정부(1512)를 갖는다. 또, 윤곽선 추정 장치(1510)의 하드웨어 구성은, 도 4b에 나타낸 윤곽선 해석 장치(420)와 마찬가지이므로, 중복하는 설명을 생략한다.

학습부(1511)는, 가상 형상 데이터베이스(1306) 내의 가상 윤곽선 데이터(1500)와, 가상 화상 데이터의 상관 모델을 학습한다. 윤곽선 추정부(1512)는, 계측 장치(400)에서 취득된 화상에 가장 가까운 가상 화상 데이터(1501)를 부여하는 가상 윤곽선 데이터(1500)를, 학습부(1511)에서 얻어진 상관 모델을 이용해서 추정한다. 또한, 이 가상 윤곽선 데이터를 출력한다.

계측 장치(400)에서 취득 계측된 화상 데이터로부터, 도 15에 나타낸 윤곽선 검출 시스템에 의해서 윤곽선을 검출하는 플로차트를 도 16에 나타낸다. 이하, 도 16을 이용해서, 윤곽선 검출 방법을 설명한다.

도 16의 스텝S401∼S403의 절차는, 각각 도 14의 S301∼S303과 동일하기 때문에 설명을 생략한다. CAD부(1305)는, 가상 치수 데이터베이스(1304) 내의 형상 모델 파라미터값을 형상 모델에 대입함으로써 얻어지는 형상을 CAD 데이터로 해서, 가상 화상 데이터(1501)와 가상 윤곽선 데이터(1500)를 출력한다(S404). 이들 CAD 데이터는 가상 형상 데이터베이스(1306)에 저장한다(S405). 학습부(1511)는, 가상 형상 데이터베이스(1306) 내의 가상 화상 데이터(1501)와 가상 윤곽선 데이터(1500)의 상관 모델을 학습한다(S406). 여기에서, 상관 모델은 회귀나 분류의 모델을 나타내고 있으며, 커널법을 이용한 모델, 뉴럴 네트워크를 이용한 모델, 결정목을 이용한 모델 등이 사용된다.

계속해서, 계측 장치(400)에서 SEM 화상 등의 화상 데이터를 취득한다(S407). 윤곽선 추정부(1512)는, 취득된 화상 데이터와 가장 가까운 가상 화상 데이터를 부여하는 가상 윤곽선 데이터를, 학습부(1511)에서 얻은 상관 모델을 이용해서 추정한다(S408). 여기에서 화상의 가까움을 평가하는 거리는, 각 픽셀에서의 색이나 색조, 밝기에 관한 수치에 관해서, 유클리드 거리, 맨해튼 거리, 체비셰프 거리, 마할라노비스 거리의 어느 하나를 산출함으로써 얻어진다. 다음으로, 윤곽선 추정부(1512)는, 추정된 가상 윤곽선 데이터를 출력한다(S409). 추정된 가상 윤곽선 데이터에 관해서 불량의 유무를 판정하고(S410), 불량이 확인된 경우는 스텝S401로 되돌아가서, 형상 모델의 사양의 재설정, 형상 모델 파라미터의 생성 방법에 관한 재설정을 실시한다. 여기에서 추정된 가상 윤곽선 데이터에 관한 불량은, 그 가상 윤곽선 데이터를 부여하는 형상 모델 파라미터값이 생성 방법 설정부(1302)에서 설정된 형상 모델 파라미터의 범위를 일탈한 경우나, 가상 윤곽선 데이터에 결손 부분이 발생하는 경우 등이다. 스텝S410에 있어서 불량이 확인되지 않은 경우는, 종료한다.

다음으로, 도 17, 18을 이용해서, 실시예 3 및 4에 관한 GUI를 설명한다.

도 17에 나타내는 입력용 GUI(1700)는, 실시예 3, 4의 가상 형상 데이터 생성 장치(1300)의 설정을 입력하는 입력 화면의 예이다. 이 입력 화면은, 실시예 3의 경우는 스텝S301의 절차 전, 실시예 4의 경우는 스텝S401의 절차 전에 제시되는 것으로 한다.

입력용 GUI(1700)는, 형상 모델 선택 박스(1710), 형상 모델 파라미터 생성 방법 설정 박스(1720), 유효/비유효 표시부(1730), 결정 버튼(1740)을 갖는다. 형상 모델 선택 박스(1710), 형상 모델 파라미터 생성 방법 설정 박스(1720)는, 각각 형상 모델 설정부(1301), 생성 방법 설정부(1302)에 관한 설정을 행한다.

형상 모델 선택 박스(1710)는, 모델 입력부(1711)를 갖는다. 예를 들면, 특정의 개수의 타원으로 구성된 선대칭의 형상 모델이나, 선대칭성을 가정하지 않는 형상 모델 등이 선택된다.

형상 모델 파라미터 생성 방법 설정 박스(1720)는, 범위 입력부(1721)와 피치폭 입력부(1722)를 갖는다. 범위 입력부(1721)에 의해, 형상 모델 파라미터의 범위를 지정한다. 이 범위는 형상 파라미터마다 다른 것을 지정해도 된다. 피치폭 입력부(1722)에 의해, 범위 입력부(1721)에서 입력된 범위를 분할하는 피치폭을 지정한다. 도 17에 나타낸 예에서는, 형상 모델 파라미터의 Parameter 1, 2, 3의 범위를 각각, 100÷1=100, 10÷1=10, 1÷0.1=10개로 분할하는 것으로 된다. 즉, 이 경우 생성되는 형상 모델 파라미터값은, 각각 Parameter 1=(0, 1, 2, ···100), Parameter 2=(0, 1, 2, ···10), Parameter 3=(0, 0.1, 0.2, ···1)로 된다.

이상의 입력이 유효하게 행해졌는지의 여부를, 상기 각 설정 박스가 갖고 있는 유효/비유효 표시부(1730)에 의해 표시한다. 유효/비유효 표시부(1730)가 모두 유효하게 되면, 입력용 GUI(1700)의 결정 버튼(1740)을 누름으로써, 실시예 3의 경우는 스텝S303의 절차, 실시예 4의 경우는 스텝S404의 절차를 개시한다.

입력용 GUI(1700)의 결정 버튼(1740)이 눌려서, 도 14 혹은 도 16의 절차가 실행되고, 실시예 3의 경우는 스텝S304, 실시예 4의 경우는 스텝S404에 있어서 제시되는 출력용 GUI(1800)를 도 18에 나타낸다. 이 GUI는 현재의 스테이터스를 표시하고, 유저에게 다음의 절차로 진행할지의 여부를 선택시키는 것이다. 가상 형상 생성 결과 표시부(1810)는, 가상 형상 데이터 번호 표시부(1811)와, CAD 데이터 표시부(1812)와, 형상 모델 파라미터 표시부(1813)와, 완료/재설정 선택부(1820)를 갖는다.

가상 형상 데이터 번호 표시부(1811)는, 생성한 형상 모델 파라미터의 일련 번호를 표시한다. 형상 모델 파라미터 표시부(1813)는 가상 형상 데이터 번호 표시부(1811)에 표시된 일련 번호를 갖는 형상 모델 파라미터의 세트를 표시한다. 즉, 도 18의 예에서는, 23번째로 생성된 형상 모델 파라미터의 세트를 표시하고 있다. CAD 데이터 표시부(1812)는, 그 형상 모델 파라미터의 세트에 의거해서 CAD부(1305)에 의해 생성된 CAD 데이터를 표시한다.

유저는, 가상 형상 생성 결과 표시부(1810)에 표시되는 가상 형상의 정보에 의거해서, 완료/재설정 선택부(1820)에 있어서 완료할지, 재설정할지를 선택할 수 있다. 유저가 CAD 데이터나 형상 모델 파라미터에 불량이 없다고 판단했을 때에는, 완료를 선택해서 결정 버튼(1830)을 누름으로써, 실시예 3의 경우는 스텝S305, 실시예 4의 경우는 스텝S405의 절차로 진행한다. 불량이 있다고 판단했을 때에는, 재설정을 선택해서 결정 버튼(1830)을 누름으로써, 입력용 GUI(1700)의 화면으로 되돌아가서, 재설정이 가능해진다.

이상, 설명한 실시예 1∼4의 실시태양으로서, 반도체 처리 장치나 계측 장치를 포함하는 라인을 운용 관리하는 어플리케이션을 플랫폼 상에서 실행하는 반도체 장치 제조 시스템을 생각할 수 있다. 이 경우, 윤곽선 검출 장치(410), 윤곽선 해석 장치(420), 처리 조건 결정 장치(900), 가상 형상 데이터 생성 장치(1300), 광학적 형상 추정 장치(1320), 윤곽선 추정 장치(1510)를 플랫폼 상의 어플리케이션으로 해서, 각각의 처리를 실행시킴에 의해 반도체 장치 제조 시스템에 있어서, 실시예 1∼4를 실시하는 것이 가능해진다.

100 : 타원 110 : 시점
111 : 종점 120 : 형상 모델
130 : 중심 좌표 131 : 단축 길이
132 : 장축 길이 133 : 단축의 기울기
200 : 마스크 201 : 피에칭막
210 : 최대폭 211 : 깊이
212 : 저부의 폭 213 : 상부의 폭
214 : 중부의 폭 215 : 테이퍼 각도
216 : 보잉의 각도 217 : 저부의 이심률
400 : 계측 장치 410 : 윤곽선 검출 장치
420 : 윤곽선 해석 장치 421 : 해석부
422 : 형상 모델 데이터베이스 423 : 형상 모델 설정부
424 : 형상 모델 피팅 설정부 425 : 치수 추출 설정부
426 : 치수 산출 방법 설정부 600 : 윤곽선
601, 602 : 형상 모델 603 : 그럴듯한 형상 모델
604 : 타원 700 : 그럴듯한 최대폭
701 : 그럴듯한 깊이 702 : 그럴듯한 저부의 폭
703 : 그럴듯한 저부의 이심률 900 : 처리 조건 결정 장치
901 : 처리 조건 데이터베이스 902 : 학습부
903 : 처리 조건 추정부 904 : 목표 치수값 설정부
910 : 반도체 처리 장치 1100 : 입력용 GUI
1110 : 윤곽선 검출 설정 박스 1111 : 검출 방법 입력부
1112 : 화상 입력부 1120 : 형상 모델 선택 박스
1121 : 모델 입력부 1130 : 피팅 설정 박스
1131 : 피팅 방법 입력부 1140 : 치수 추출 설정 박스
1141 : 치수 입력부 1150 : 산출 방법 설정 박스
1151 : 산출 방법 입력부 1160 : 유효/비유효 표시부
1170 : 결정 버튼 1200 : 출력용 GUI
1210 : 치수 추출 결과 표시부 1211 : 그럴듯한 형상 모델 표시부
1212 : 치수 산출 결과 표시부 1220 : 완료/재설정 선택부
1230 : 결정 버튼 1300 : 가상 형상 데이터 생성 장치
1301 : 형상 모델 설정부 1302 : 생성 방법 설정부
1303 : 파라미터 생성부 1304 : 가상 치수 데이터베이스
1305 : CAD부 1306 : 가상 형상 데이터베이스
1310 : 광학 시뮬레이터 1320 : 광학적 형상 추정 장치
1321 : 가상 분광 스펙트럼 데이터베이스
1322 : 학습부 1323 : 형상 추정부
1330 : 분광 스펙트럼 계측 장치 1500 : 가상 윤곽선 데이터
1501 : 가상 화상 데이터 1510 : 윤곽선 추정 장치
1511 : 학습부 1512 : 윤곽선 추정부
1700 : 입력용 GUI 1710 : 형상 모델 선택 박스
1711 : 모델 입력부
1720 : 형상 모델 파라미터 생성 방법 설정 박스
1721 : 범위 입력부 1722 : 피치폭 입력부
1730 : 유효/비유효 표시부 1740 : 결정 버튼
1800 : 출력용 GUI 1810 : 가상 형상 생성 결과 표시부
1811 : 가상 형상 데이터 번호 표시부
1812 : CAD 데이터 표시부 1813 : 형상 모델 파라미터 표시부
1820 : 완료/재설정 선택부 1830 : 결정 버튼

Claims (19)

1. 하전 입자선 장치를 이용한 계측 장치에 의해 취득된 반도체 시료의 화상 데이터로부터 검출된 대상 구조의 윤곽선 데이터를 해석하는 윤곽선 해석 장치로서,
   복수의 타원의 조합인 도형의 둘레 상에서 한붓그리기된 곡선인 형상 모델의 사양인 형상 모델 사양을 설정하는 형상 모델 설정부와,
   형상 모델의 피팅 방법을 설정하는 형상 모델 피팅 설정부와,
   상기 윤곽선 데이터에 대해서 상기 형상 모델 사양의 형상 모델을 상기 형상 모델 피팅 설정부에서 설정된 피팅 방법에 의해 피팅시킴에 의해, 상기 윤곽선 데이터의 그럴듯한 형상 모델을 구하는 해석부와,
   상기 그럴듯한 형상 모델의 형상 모델 파라미터의 값을 저장하는 형상 모델 데이터베이스를 갖는 것을 특징으로 하는 윤곽선 해석 장치.
2. 제1항에 있어서,
   상기 윤곽선 데이터로부터 추출하고 싶은 치수를 설정하는 치수 추출 설정부와,
   상기 치수 추출 설정부에서 설정한 추출하고 싶은 치수의 산출 방법을 설정하는 치수 산출 방법 설정부를 더 갖고,
   상기 해석부는, 상기 그럴듯한 형상 모델을 이용해서, 상기 치수 산출 방법 설정부에서 설정된 산출 방법에 의해, 상기 치수 추출 설정부에서 설정된 추출하고 싶은 치수의 값을 산출하는 것을 특징으로 하는 윤곽선 해석 장치.
3. 제1항에 있어서,
   상기 형상 모델의 형상 모델 파라미터는, 상기 도형을 구성하는 타원의 형상 및 배치에 관한 파라미터와 상기 한붓그리기의 방법에 관한 파라미터를 포함하는 것을 특징으로 하는 윤곽선 해석 장치.
4. 제1항에 있어서,
   상기 형상 모델 피팅 설정부는, 피팅에 최소 이승법, 가중 최소 이승법, 또는 정규화 최소 이승법이 선택 가능하게 되고, 상기 그럴듯한 형상 모델의 형상 모델 파라미터를 구하기 위해서 반복 해법을 이용한 비선형 최적화법 또는 조합 최적화법이 선택 가능하게 되는 것을 특징으로 하는 윤곽선 해석 장치.
5. 제2항에 있어서,
   상기 치수 추출 설정부는, 상기 형상 모델 상의 특이점을 탐색하고, 상기 특이점의 좌표로부터 상기 치수 추출 설정부에서 설정한 추출하고 싶은 치수를 산출하는 특이점 탐색법을 설정 가능하고,
   상기 특이점으로서, 상기 형상 모델에 있어서의 미분값이 0인 극값점, 미분 불가능점, 미분값의 양음이 바뀌는 변곡점을 포함하는 것을 특징으로 하는 윤곽선 해석 장치.
6. 제1항에 기재된 윤곽선 해석 장치와, 반도체 처리 장치의 처리 조건을 결정하는 처리 조건 결정 장치를 포함하는 처리 조건 결정 시스템으로서,
   상기 반도체 시료는, 상기 반도체 처리 장치에 의해서 처리된 반도체 시료이고,
   상기 처리 조건 결정 장치는,
   상기 반도체 처리 장치의 처리 조건과, 당해 처리 조건에서 상기 반도체 처리 장치에 의해서 처리된 상기 반도체 시료의 화상 데이터로부터 검출된 대상 구조의 윤곽선 데이터의 그럴듯한 형상 모델의 형상 모델 파라미터의 값의 상관 모델을 학습하는 학습부와,
   상기 그럴듯한 형상 모델의 형상 모델 파라미터의 목표값을 설정하는 목표 치수값 설정부와,
   상기 상관 모델을 이용해서, 상기 목표 치수값 설정부에서 설정된 상기 그럴듯한 형상 모델의 형상 모델 파라미터의 목표값을 부여하는 상기 반도체 처리 장치의 처리 조건을 추정하는 처리 조건 추정부를 갖는
   것을 특징으로 하는 처리 조건 결정 시스템.
7. 반도체 시료가 갖는 대상 구조에 관한 가상 형상 데이터를 작성하는 가상 형상 데이터 생성 장치와 계측 장치에 의해 취득된 반도체 시료의 데이터로부터 대상 구조의 형상을 추정하는 형상 추정 장치를 갖는 형상 추정 시스템으로서,
   상기 가상 형상 데이터 생성 장치는,
   복수의 타원의 조합인 도형의 둘레 상에서 한붓그리기된 곡선이며, 상기 반도체 시료의 대상 구조의 형상을 기술하는 형상 모델의 사양인 형상 모델 사양을 설정하는 형상 모델 설정부와,
   상기 형상 모델 설정부에서 설정된 형상 모델 사양에 대하여, 형상 모델 파라미터의 값의 세트를 생성하는 생성 방법을 설정하는 생성 방법 설정부와,
   상기 형상 모델 설정부에서 설정된 형상 모델 사양에 대하여, 상기 생성 방법 설정부에 설정된 생성 방법에 의해, 형상 모델 파라미터의 값의 세트를 생성하는 파라미터 생성부와,
   상기 파라미터 생성부에서 생성된 형상 모델 파라미터의 값의 세트의 어느 하나를 당해 형상 모델 사양에 대입한 형상 모델에 의거해서, 상기 대상 구조의 가상 형상 모델을 생성하는 CAD부를 갖고,
   상기 형상 추정 장치는,
   상기 대상 구조의 가상 형상 모델의 생성에 이용한 형상 모델의 형상 모델 파라미터의 값과, 상기 대상 구조의 가상 형상 모델에 대하여, 상기 계측 장치에 의해 취득되는 것이 기대되는 상기 반도체 시료의 데이터로서 구해진 가상 데이터의 상관 모델을 학습하는 학습부와,
   상기 상관 모델을 이용해서, 상기 계측 장치에 의해 취득된 상기 반도체 시료의 데이터에 가장 가까운 가상 데이터를 부여하는 형상 모델 파라미터의 값을 추정하는 형상 추정부를 갖는
   것을 특징으로 하는 형상 추정 시스템.
8. 제7항에 있어서,
   상기 계측 장치는, 분광 스펙트럼 계측 장치이고,
   상기 대상 구조의 가상 형상 모델에 대해서, 상기 대상 구조에 대해서 스캐터로머트리에 의해서 얻어지는 분광 스펙트럼의 이론값인 가상 분광 스펙트럼을 산출하는 광학 시뮬레이터를 더 갖고,
   상기 형상 추정 장치의 학습부는, 상기 광학 시뮬레이터가 산출한 가상 분광 스펙트럼을 상기 가상 데이터로 하는
   것을 특징으로 하는 형상 추정 시스템.
9. 반도체 시료가 갖는 대상 구조에 관한 가상 형상 데이터를 작성하는 가상 형상 데이터 생성 장치와 계측 장치에 의해 취득된 반도체 시료의 데이터로부터 대상 구조의 형상을 추정하는 형상 추정 장치를 갖는 형상 추정 시스템으로서,
   상기 가상 형상 데이터 생성 장치는,
   복수의 타원의 조합인 도형의 둘레 상에서 한붓그리기된 곡선이며, 상기 반도체 시료의 대상 구조의 형상을 기술하는 형상 모델의 사양인 형상 모델 사양을 설정하는 형상 모델 설정부와,
   상기 형상 모델 설정부에서 설정된 형상 모델 사양에 대하여, 형상 모델 파라미터의 값의 세트를 생성하는 생성 방법을 설정하는 생성 방법 설정부와,
   상기 형상 모델 설정부에서 설정된 형상 모델 사양에 대하여, 상기 생성 방법 설정부에 설정된 생성 방법에 의해, 형상 모델 파라미터의 값의 세트를 생성하는 파라미터 생성부와,
   상기 파라미터 생성부에서 생성된 형상 모델 파라미터의 값의 세트의 어느 하나를 당해 형상 모델 사양에 대입한 형상 모델에 의거해서, 상기 계측 장치에 의해 취득되는 것이 기대되는 상기 반도체 시료의 데이터를 모의해서 구해지는 제1 가상 데이터와 당해 형상 모델로부터 기대되는 상기 대상 구조의 형상에 대한 제2 가상 데이터를 생성하는 CAD부를 갖고,
   상기 형상 추정 장치는,
   상기 CAD부에서 생성된 상기 제1 가상 데이터와 상기 제2 가상 데이터의 상관 모델을 학습하는 학습부와,
   상기 상관 모델을 이용해서, 상기 계측 장치에 의해 취득된 상기 반도체 시료의 데이터에 가장 가까운 상기 제1 가상 데이터를 부여하는 상기 제2 가상 데이터를 추정하는 형상 추정부를 갖는
   것을 특징으로 하는 형상 추정 시스템.
10. 제9항에 있어서,
    상기 계측 장치는, 하전 입자선 장치를 이용한 계측 장치이고, 상기 계측 장치에 의해 취득된 상기 반도체 시료의 데이터는 상기 대상 구조의 화상 데이터이고,
    상기 대상 구조의 형상으로서, 상기 대상 구조의 윤곽선을 추정하는 형상 추정 시스템.
11. 반도체 시료가 갖는 대상 구조의 윤곽선을, 복수의 타원의 조합인 도형의 둘레 상에서 한붓그리기된 곡선인 형상 모델로서 기술하기 위한 데이터 구조로서,
    상기 도형을 구성하는 타원의 형상 및 배치에 관한 제1 파라미터와,
    상기 한붓그리기의 방법에 관한 제2 파라미터를 포함하고,
    상기 데이터 구조는, 상기 대상 구조의 형상에 있어서의 치수의 값을 산출하는 처리에 이용되는 것을 특징으로 하는 데이터 구조.
12. 제11항에 있어서,
    상기 제1 파라미터는, 상기 도형을 구성하는 타원의 중심 좌표, 장축 길이, 단축 길이, 장축의 기울기 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 데이터 구조.
13. 반도체 시료가 갖는 대상 구조의 윤곽선을, 복수의 타원의 조합인 도형의 둘레 상에서 한붓그리기된 곡선인 형상 모델로서 기술하기 위한 데이터 구조로서,
    상기 도형을 구성하는 타원의 형상 및 배치에 관한 제1 파라미터와,
    상기 한붓그리기의 방법에 관한 제2 파라미터를 포함하고,
    상기 반도체 시료는, 반도체 처리 장치에 의해서 처리된 반도체 시료이고,
    상기 데이터 구조는, 상기 반도체 처리 장치의 처리 조건을 추정하는 처리에 이용되는 것을 특징으로 하는 데이터 구조.
14. 제13항에 있어서,
    상기 데이터 구조는, 상기 반도체 처리 장치의 처리 조건과, 당해 처리 조건에서 상기 반도체 처리 장치에 의해서 처리된 상기 반도체 시료의 화상 데이터로부터 검출된 상기 대상 구조의 윤곽선 데이터의 그럴듯한 형상 모델의 형상 모델 파라미터의 값의 상관 모델의 학습 처리에 이용되는 것을 특징으로 하는 데이터 구조.
15. 제13항에 있어서,
    상기 제1 파라미터는, 상기 도형을 구성하는 타원의 중심 좌표, 장축 길이, 단축 길이, 장축의 기울기 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 데이터 구조.
16. 반도체 처리 장치와, 네트워크를 통해서 상기 반도체 처리 장치에 접속되고, 화상을 이용해서 상기 반도체 처리 장치에 의해서 가공된 계측 대상의 치수를 계측하는 치수 계측 처리가 실행되는 플랫폼을 구비하는 반도체 장치 제조 시스템에 있어서,
    상기 치수 계측 처리는,
    복수의 타원의 조합인 도형의 둘레 상에서 한붓그리기된 곡선인 형상 모델의 사양인 형상 모델 사양을 설정하는 스텝과,
    형상 모델의 피팅 방법을 설정하는 스텝과,
    상기 계측 대상의 윤곽선 데이터에 대해서 상기 형상 모델 사양의 형상 모델을 상기 설정된 피팅 방법에 의해 피팅시킴에 의해, 상기 윤곽선 데이터의 그럴듯한 형상 모델을 구하는 스텝과,
    상기 그럴듯한 형상 모델의 형상 모델 파라미터의 값을 저장하는 스텝과,
    상기 윤곽선 데이터로부터 추출하고 싶은 치수를 설정하는 스텝과,
    상기 설정된 추출하고 싶은 치수의 산출 방법을 설정하는 스텝과,
    상기 그럴듯한 형상 모델을 이용해서, 상기 설정된 산출 방법에 의해, 상기 설정된 추출하고 싶은 치수의 값을 산출하는 스텝을 갖는 것을 특징으로 하는 반도체 장치 제조 시스템.
17. 제16항에 있어서,
    상기 치수 계측 처리는, 상기 플랫폼에 구비된 어플리케이션으로 해서 실행되는 것을 특징으로 하는 반도체 장치 제조 시스템.
18. 반도체 처리 장치에 있어서의 목표 처리 형상을 얻기 위한 입력 파라미터값이 탐색되는 탐색 장치에 있어서,
    형상 함수를 이용해서 추정된 형상의 윤곽선을 기초로 하여 계측된 치수 데이터를 학습 데이터로 해서 구해진 추정 모델에 의해 상기 입력 파라미터값이 탐색되는 것을 특징으로 하는 탐색 장치.
19. 제18항에 있어서,
    상기 형상 함수는, 복수의 타원을 이용한 함수인 것을 특징으로 하는 탐색 장치.

Images