KR20240028968A - 컴퓨터 시스템, 치수 계측 방법, 및 반도체 장치 제조 시스템 - Google Patents

컴퓨터 시스템, 치수 계측 방법, 및 반도체 장치 제조 시스템 Download PDF

Info

Publication number
KR20240028968A
KR20240028968A KR1020237021080A KR20237021080A KR20240028968A KR 20240028968 A KR20240028968 A KR 20240028968A KR 1020237021080 A KR1020237021080 A KR 1020237021080A KR 20237021080 A KR20237021080 A KR 20237021080A KR 20240028968 A KR20240028968 A KR 20240028968A
Authority
KR
South Korea
Prior art keywords
measurement
data
coordinate information
image data
points
Prior art date
Application number
KR1020237021080A
Other languages
English (en)
Inventor
유타카 오쿠야마
다케시 오모리
Original Assignee
주식회사 히타치하이테크
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 주식회사 히타치하이테크 filed Critical 주식회사 히타치하이테크
Publication of KR20240028968A publication Critical patent/KR20240028968A/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • G01B15/04—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • 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
    • G06N20/00—Machine learning
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
    • G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
    • 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
    • G01N2223/40—Imaging
    • G01N2223/418—Imaging electron microscope
    • 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
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Manufacturing & Machinery (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
  • Image Analysis (AREA)

Abstract

화상 데이터로부터, 상기 화상 데이터의 패턴의 소망 개소의 치수를 계측하기 위한 기점의 좌표 정보를 추출하고, 당해 기점의 좌표 정보를 이용해서 상기 치수를 계측하는 기능을 제공하는 컴퓨터 시스템으로서, 학습기에 이용하는 학습 데이터 세트에 있어서, 기점의 좌표를 모두 기재하고 있는 샘플과 일부의 기점의 좌표 밖에 기재하고 있지 않은 샘플이 혼재하는 경우여도, 일부의 기점의 좌표값 밖에 기재하고 있지 않은 샘플에 대해서는, 어노테이션 데이터에 있어서 부족한 당해 기점을 부족 계측 개소로 하고, 화상 데이터에 대해서는 당해 부족 계측 개소를 차폐하는 것에 의해, 모든 샘플을 합쳐서 학습시킬 수 있는 전처리부를 구비하고, 상기 전처리부는, 적어도 2개의 상기 기점의 좌표 정보를 학습 결과로서 출력하는 자세 추정 모델이 실장된 상기 학습기를 구비하고, 상기 학습기는, 상기 화상 데이터를 입력으로 하고, 상기 적어도 2개의 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용해서 미리 학습이 실시되어 있고, 상기 전처리부는, 상기 학습기에 대해서 입력된 신규 화상 데이터에 대하여, 상기 적어도 2개의 기점의 좌표 정보 및 상기 치수를 추출하는, 컴퓨터 시스템을 제공한다.

Description

컴퓨터 시스템, 치수 계측 방법, 및 반도체 장치 제조 시스템
본 개시는, 디바이스 가공 결과를 나타내는 화상으로부터 치수를 계측하는 컴퓨터 시스템, 치수 계측 방법, 및 반도체 장치 제조 시스템에 관한 것이다.
최근, 반도체 디바이스의 성능 향상을 위해, 반도체 디바이스에 신재료가 도입되고, 동시에 반도체 디바이스의 구조가 입체화·복잡화되고 있다. 또한, 현재의 첨단 반도체 디바이스의 가공에서는, 나노미터 레벨의 정밀도가 요구된다. 이 때문에, 반도체 처리 장치는 다종의 재료를 각종의 형상으로 극히 고정밀도로 가공 가능할 필요가 있으며, 필연적으로 다수의 제어 파라미터(입력 파라미터)를 구비한 장치로 되어 있다.
대표적인 가공 장치인 에칭 장치에서는, 플라스마 방전을 제어하기 위한 설정 항목수는 30 이상이다. 이들의 설정값을 고정했을 때의 방전을 1 스텝으로 하면, 서로 다른 설정값을 갖는 스텝을 차례로 전환하면서 가공이 진행된다. 첨단 프로세스에서는, 하나의 가공 공정에 있어서 통상이어도 10 스텝 이상, 많은 경우에는 30 스텝 이상이 이용되고 있으며, 스텝의 조합 및 스텝 내의 모든 설정값을 최적화하기 위해서 수백 조건의 가공 시험이 행해지고 있다. 장치 성능을 인출하기 위한 노하우와 높은 장치 운용 스킬을 갖는 엔지니어의 수는 한정되어 있어, 향후에는 조건 도출이나 장치 운용이 예정대로 진행되지 않는 케이스가 늘어날 것으로 예상된다.
특히, 소망의 구조를 실현하는 프로세스를 단기간에 구축하기 위해서는, 기존의 팽대한 실험 데이터 중에서 유사한 구조를 검색하고 그것을 출발점으로 해서 프로세스 구축할 필요가 있지만, 그때에는 SEM(Scanning Electron Microscope) 화상으로부터 치수를 계측해 둘 필요가 있다. 현재는 치수 계측을 수작업에 의해 행하는 경우가 많지만, 첨단 프로세스에 적용할 경우에는 구조가 복잡해져, 화상 1매당의 측정점 수도 증가하므로, 사람의 손에 의해 행하는 치수 추출은 한계에 달하여 있다. 또한, 수동에 의한 계측에서는 계측값에 조작자 의존성이 발생한다. 또한, 라인/스페이스의 단위 패턴이 반복되고 있는 화상이어도, 개개의 패턴마다 하나하나 계측하기 때문에, 계측값의 통계량에는 프로세스 편차 이외에 인적(人的) 오차도 가산되는 등의 과제가 있다.
이들 과제에 대하여, 특허문헌 1은, 화상의 휘도값으로부터 윤곽선을 구하고, 패턴 단면의 상부와 하부의 2점의 좌표값을 이용해서, SEM 화상 특유의 백색 섀도우 부분의 신호를 수동으로 제거하는 것에 의해, 측벽 각도를 정밀하게 구하는 측정 방법 및 측정 장치를 개시하고 있다.
특허문헌 2는, SEM 화상의 휘도값의 변화로부터 에지 포인트를 구하고, 패턴의 각 변을 근사하는 직선을 산출하는 것에 의해, 조작자 의존을 줄여서 각 변의 각도·길이를 추출하는 측정 방법 및 측정 시스템을 개시하고 있다.
특허문헌 3은, 심층 학습에 의한 화상 인식 기술의 일종인 물체 검출과 시맨틱·세그멘테이션을 이용해서, 영역 분할과 반복 단위 패턴의 분할을 행하는 것에 의해, 계측에 필요한 계측점이 존재하는 윤곽선을 검출시키고, 치수를 계측하는 계측 방법 및 계측 시스템을 개시하고 있다.
일본국 특개2012-68138호 공보 일본국 특개2002-350127호 공보 일본국 특허제6872670호
특허문헌 1 및 2에 기재된 계측 방법은 휘도값을 이용한 에지 검출법에 의거함으로써, 문턱값 등의 파라미터 튜닝이나 목시(目視) 판단에 의한 계면 위치의 지정 등의 조작이 화상마다 필요하여, 자동 계측에 적합한 방법이라고는 할 수 없다. 목시에 의한 조정이 불필요한 자동 계측을 실현하기 위해서는, 국소적인 휘도 분포가 아닌, 화상에 찍혀 있는 개개의 물체의 영역을 인식함에 의해 타당한 물체의 윤곽을 추출할 필요가 있다. 이와 같은 목시와 동등 혹은 그 이상의 성능을 갖는 화상 인식은, 기계 학습, 특히 심층 학습을 이용한 화상 인식 기술을 응용하는 것에 의해 실현할 수 있는 것으로 생각할 수 있다.
특허문헌 3의 방법은 자동 계측을 실현할 수 있지만, 단위 패턴에의 분리용으로 물체 검출 모델을 필요로 하여 합계 2개의 모델을 학습시킬 필요가 있는 것, 계측에 필요한 계측점 좌표는 윤곽선 데이터를 기초로 후처리에서 구할 필요가 있는 것 등의 과제가 있다.
발명자는, 화상 인식 기술의 하나인 인물 자세 추정(HPE：Human Pose Estimation)을 반도체 화상의 패턴 인식에 적용함으로써, 상술한 과제를 해결할 수 있음을 발견했다. HPE 모델은, 화상 중의 인물의 자세를 추정하기 위한 기계 학습 모델이며, 종래, 자동 운전차에 있어서의 보행자의 동작 인식이나, 게임 기기나 애니메이션에 있어서의 오브젝트 처리 등이 주된 용도였다.
HPE 모델에서는, 인물의 자세는, 골격으로 불리는 길이나 기울기가 서로 다른 복수의 선분의 결합에 의해 표현되며, 골격을 기술하기 위해서 각 선분의 양단의 기점(키포인트)의 좌표가 사용된다. 따라서, HPE 모델의 골격을 반도체 패턴의 치수 계측 개소의 패턴 형상에 맞춰서 적절하게 설정하면, 상술한 키포인트를 패턴의 치수 계측 시의 기점으로서 이용하는 것이 가능하다. 한편, HPE 모델에서는 계측 개소를 학습 전에 가르칠 필요가 있으므로, 모델의 학습 후에 계측 개소를 추가할 필요가 생겼을 경우에는, 학습 데이터 세트에 포함되는 모든 샘플에 대해서, 추가하는 계측 개소를 기재할 필요가 있는 것이 새로운 과제로 된다. 샘플 수가 많을 경우에는, 이 수정의 공수(工數)는 큰 부담이 된다. 이 과제에 관하여, HPE 모델에 이용되는 데이터 세트의 구성을 고찰한 결과, 발명자는, 일부의 샘플에 대해서 수정을 행하면, 다른 샘플과 함께 모델의 학습을 행할 수 있는, 전처리 방법을 발견했다. 이 전처리에 의해, 상술한 HPE 모델의 과제를 해결할 수 있다. 또한, 계측 개소 수가 서로 다른 복수의 학습 데이터 세트를 혼합시켜서 데이터 세트의 규모를 확대하는 것에 의해, 모델의 정밀도를 향상시키는 것도 가능해진다.
본 개시는, 치수 계측 방법에 있어서, 계측 개소를 추가할 때에 발생하는 데이터 세트 수정의 공수를 저감하는 컴퓨터 시스템, 치수 계측 방법, 및 반도체 장치 제조 시스템을 제공하는 것을 과제로 한다.
상기 과제를 해결하기 위해서, 본 발명에 있어서는, 패턴의 화상 데이터로부터, 당해 패턴의 소망 개소의 치수를 계측하기 위한 기점의 좌표 정보를 추출하고, 당해 기점의 좌표 정보를 이용해서 상기 치수를 계측하는 컴퓨터 시스템으로서, 학습기에 사용하는 학습 데이터 세트에 있어서, 기점의 좌표를 모두 기재하고 있는 샘플과 일부의 기점의 좌표 밖에 기재하고 있지 않는 샘플이 혼재하는 경우, 일부의 기점의 좌표값 밖에 기재하고 있지 않은 샘플에 대해서는, 어노테이션(annotation) 데이터에 있어서 부족한 당해 기점을 부족 계측 개소로 하고, 화상 데이터에 대해서는 당해 부족 계측 개소를 차폐하는 것에 의해, 모든 샘플을 합쳐서 학습시키는 전처리부를 구비하며, 상기 전전처리부는, 적어도 2개의 상기 기점의 좌표 정보를 학습 결과로서 출력하는 자세 추정 모델이 실장된 학습기를 구비하고, 상기 학습기는, 상기 화상 데이터를 입력으로 하고, 적어도 2개의 상기 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용해서 미리 학습이 실시되어 있고, 상기 컴퓨터 시스템은, 상기 학습기에 대해서 입력된 신규 화상 데이터에 대하여, 상기 적어도 2개의 기점의 좌표 정보 및 상기 치수를 추출하는 컴퓨터 시스템을 제공한다.
또한, 상기 과제를 해결하기 위해서, 본 발명에 있어서는, 컴퓨터 시스템에 의해서, 화상 데이터의 소망 개소의 치수를 계측하기 위한 기점의 좌표 정보를 추출하고, 당해 기점의 좌표 정보를 이용해서 상기 치수를 계측하는 치수 계측 방법으로서, 학습 데이터 세트에 계측 개소 수가 다른 학습 데이터가 포함되는 경우, 계측 개소 수가 부족한 데이터의 화상에 대해서는, 부족한 당해 기점을 부족 계측 개소로 하고, 당해 부족 계측 개소로 상정되는 영역을 차폐하는 것에 의해, 통합해서 학습시킬 수 있는 전처리부를 구비하고, 상기 전처리부가 상기 화상 데이터의 적어도 2개의 상기 기점을 키포인트로서 포함하는 골격을 자동 설계하며, 또한 당해 키포인트의 좌표 정보를 출력하도록 학습된 자세 추정 모델에, 계측 대상의 화상 데이터를 입력해서, 당해 입력한 화상 데이터의 키포인트의 좌표 정보를 생성하고, 상기 계측 대상의 화상 데이터의 상기 키포인트의 좌표 정보를 이용해서 상기 치수를 계측하고, 상기 자세 추정 모델은, 상기 화상 데이터를 입력으로 하고, 상기 적어도 2개의 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용해서 학습된 것인 치수 계측 방법을 제공한다.
또한, 화상 데이터의 소망 개소의 치수를 계측하기 위한 기점의 좌표 정보를 추출하고, 당해 기점의 좌표 정보를 이용해서 상기 치수를 계측하기 위한 애플리케이션이 실장된 플랫폼을 구비하는 반도체 장치 제조 시스템으로서, 학습 데이터 세트에 계측 개소 수가 다른 학습 데이터가 포함되는 경우, 계측 개소가 부족한 데이터의 화상에 대해서는, 부족한 당해 기점을 부족 계측 개소로 하고, 당해 부족 계측 개소로 상정되는 영역을 차폐하는 것에 의해, 통합해서 학습시키는 스텝과, 상기 화상 데이터의 적어도 2개의 상기 기점을 키포인트로서 포함하는 골격을 자동 설계하고, 또한 당해 키포인트의 좌표 정보를 출력하도록 학습된 자세 추정 모델에, 계측 대상의 화상 데이터를 입력하고, 당해 입력한 화상 데이터의 키포인트의 좌표 정보를 생성하는 스텝과, 상기 계측 대상의 화상 데이터의 상기 키포인트의 좌표 정보를 이용해서 상기 치수를 계측하는 스텝이 상기 애플리케이션에 의해 실행되고, 상기 자세 추정 모델은, 상기 화상 데이터를 입력으로 하고, 상기 적어도 2개의 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용해서 학습된 것인 반도체 장치 제조 시스템을 제공한다.
치수 계측을 행하기 위한 기계 학습 모델을 학습한 후에, 계측 개소를 추가하는 경우에도, 모든 샘플을 수정할 필요가 없어지며, 수정 공수가 크게 대푹 저감 가능하다. 또한, 과거의 데이터 세트 자산을 통합해서 학습시킬 수 있다. 상기 이외의 과제, 구성 및 효과는, 실시예의 설명에 의해 명백해진다.
도 1은 실시예 1의 치수 계측 시스템의 구성도.
도 2는 실시예 1의 치수 계측 시스템에서 사용되는 서버의 내부 구성예를 나타내는 도면.
도 3은 실시예 1의 기계 학습 모델의 구성예를 나타내는 모식도.
도 4는 실시예 1에서 계측 대상으로 하는 반도체 패턴에 있어서의 계측 개소의 예를 나타내는 도면.
도 5는 실시예 1의 기계 학습 모델의 학습 과정을 나타내는 플로우차트.
도 6은 학습의 초기 과정에서 실시되는 수동 계측에 의해 사용되는 화상 해석 툴의 GUI(Graphical User Interface) 화면을 나타내는 모식도.
도 7은 계측 조건 데이터의 기술예.
도 8은 어노테이션 데이터의 기술예를 나타내는 도면.
도 9는 실시예 1의 HPE 모델에서 사용되는 골격과 키포인트를 나타내는 도면.
도 10은 실시예 1의 HPE 모델에서 사용되는 골격 구 정의 데이터를 나타내는 도면.
도 11은 실시예 1의 신규 계측 개소를 추가한 도면.
도 12는 실시예 1에서 계측 개소를 추가한 경우에 작성되는 계측 조건 데이터의 기술예.
도 13은 (a) 계측 개소를 추가한 샘플과 (b) 계측 개소를 추가하지 않은 샘플에 대한 어노테이션 데이터의 기술예를 나타내는 도면.
도 14는 실시예 1의 기지(旣知) 키포인트 좌표로부터 신규 키포인트 좌표를 구하는 회귀식을 이용해서 추정한 좌표값((a)는 x좌표, (b)는 y좌표)와 수동 실측값의 관계.
도 15는 실시예 1의 신규 계측 개소에 대응하는 키포인트가 존재하는 것으로 추정되는 위치에 국소 차폐 마스크를 맞댄 단면 SEM 화상.
도 16은 실시예 1의 계측 개소를 추가한 경우에 HPE 모델에서 사용되는 골격과 키포인트를 나타내는 도면.
도 17은 실시예 1의 계측 개소를 추가한 경우에 HPE 모델에서 사용되는 골격 정의 데이터를 나타내는 도면.
도 18은 실시예 1에 있어서, 데이터 세트에서 계측 개소를 수정한 샘플 수의 비율과 수정 공수 및 계측 실패율의 관계를 나타내는 계산기 실험의 결과.
도 19는 모델의 학습을 행할 때에, 단말 PC에 표시되는 GUI 화면의 구성예를 나타내는 도면.
도 20은 학습 완료 모델을 이용해서 치수를 계측할 때에, 단말 PC에 표시되는 GUI 화면의 구성예를 나타내는 도면.
도 21은 학습 완료 모델에 대하여 화상을 입력하고, 치수값을 출력시키는 과정을 나타내는 플로우차트.
도 22는 학습 완료 모델에 화상 데이터를 신규 입력해서 얻어진 골격 구조와 키포인트를 화상 데이터 상에 표시한 결과를 설명하기 위한 도면.
도 23은 학습 완료 모델에 화상 데이터를 신규 입력해서 얻어진 치수 계측값을 화상 데이터 상에 표시한 결과를 설명하기 위한 도면.
도 24는 실시예 2의 하전 입자선 장치를 이용한 반도체 장치 제조 시스템의 일 구성예를 나타내는 도면.
도 25는 실시예 2의 시스템 중의 화상 해석 툴의 GUI 화면의 구성예를 나타내는 도면.
이하, HPE 모델을 이용한 반도체 패턴의 화상 데이터의 치수 계측의 구체예에 대하여 설명한다. 또, 본 명세서에 있어서는, HPE 모델을 단순히 자세 추정 모델이라고도 한다.
(A) 실시예 1
본 실시예에서는, 기계 학습 모델로서 HPE 모델을 실장한 치수 계측 시스템의 구성예에 대하여 설명한다. 본 실시예의 치수 계측 시스템에서는, 기계 학습 모델의 학습 데이터는, 치수 계측 대상물의 화상 데이터인 단면 SEM 화상, 당해 단면 SEM 화상의 계측 개소의 기점(키포인트)의 좌표를 기술한 어노테이션 데이터로 이루어진다. 사전의 학습 스텝에서는, 상술한 학습 데이터를 골격 정의 파일과 함께, HPE 모델에 부여해서 키포인트 위치를 학습시킨다. 여기에서 골격은 계측 개소와 동일한 것으로는 한정하지 않지만, 골격의 양단은 반드시 키포인트이다.
추론 스텝에서는, 부여된 입력 화상에 대하여, 학습 완료 HPE 모델에서 키포인트를 추정한다. 계측 스텝에서는, 추정한 키포인트 좌표 그룹으로부터 각 계측 개소의 양단의 키포인트 좌표를 구하고, 사전에 지정한 계측 개소의 치수를 자동으로 계측한다.
<치수 계측 시스템의 구성예>
우선, 치수 계측 시스템의 구성에 대하여 설명한다. 도 1은, 치수 계측 시스템의 구성예를 나타내는 도면이다. 치수 계측 시스템(110)은, 평가 장치(100)와, 서버(101)와, 데이터베이스(102)와, 1대 이상의 입출력 장치(103)를 갖고, 각각이 네트워크에 의해서 접속되어 있다. 처리 장치(111)는, 네트워크에 의해 연결되어 있어도 되고 연결되어 있지 않아도 된다. 네트워크에 접속되어 있는 경우, 처리 장치(111)는, 네트워크를 통해서 평가 장치(100)에 가공 조건 데이터 등을 송신한다.
입출력 장치(103)는, 디스플레이와 키보드를 구비한 단말 혹은 기억 매체를 내장한 PC나 태블릿이며, 도시되어 있는 바와 같이, 평가 장치(100)를 사용하는 계측 엔지니어나 처리 장치(111)를 사용하는 프로세스 엔지니어, 혹은 서버(101)나 데이터베이스(102)를 사용하는 프로그래머 등의 시스템 조작자가 사용한다. 또, 이하의 설명에 있어서, 「입출력 장치(103)」로 기재한 경우, 「입출력 장치(103)」는 입출력 장치(103-1), 입출력 장치(103-2) 및 입출력 장치(103-3)의 총칭인 것을 의미하며, 모든 입출력 장치에 공통되는 특징의 설명인 것으로 한다.
처리 장치(111)는, 반도체 또는 반도체를 포함하는 반도체 디바이스를 처리하는 장치이다. 처리 장치(111)의 처리의 내용은 특별히 한정되지 않는다. 예를 들면, 리소그래피 장치, 성막 장치, 패턴 가공 장치를 포함한다. 리소그래피 장치로는, 예를 들면, 노광 장치, 전자선 묘화 장치, X선 묘화 장치를 포함한다. 성막 장치는, 예를 들면 CVD(Chemical Vapor Deposition), PVD(Physical Vapor Deposition), 증착 장치, 스퍼터링 장치, 열산화 장치를 포함한다. 패턴 가공 장치는, 예를 들면, 웨트 에칭 장치, 드라이 에칭 장치, 전자빔 가공 장치, 레이저 가공 장치를 포함한다.
평가 장치(100)는, 처리 장치(111)에서 가공한 웨이퍼로부터 얻어지는 시료에 대하여 평가 결과인 단면 화상을 출력하는 장치이며, 예를 들면 SEM, TEM(Transmission Electron Microscope), 광학식 모니터를 이용한 가공 치수 계측 장치 혹은 FIB 장치를 포함한다. 웨이퍼로부터 얻어지는 시료의 형상으로서는, 웨이퍼를 할단(割斷)해서 일부를 잘라낸 시료(쿠폰)여도 되고 웨이퍼 전체여도 된다. 또한, 처리 장치(111)로부터 평가 장치(100)로 웨이퍼를 운반하는 도중에 라멜라 제작 장치를 설치하고, 당해 장치에 의해 반도체 또는 반도체 디바이스의 일부를 단편으로서 추출하고, 추출된 시료를 계측 대상 시료로 해도 된다.
서버(101)는, 통상의 컴퓨터에 의해 구성할 수 있으며, OS, 심층 학습의 계산에 필요한 프레임워크, 라이브러리, 프로그램 언어, 모델 등이 인스톨되어 있다. 모델의 학습을 단시간에 행하기 위해서 고성능의 GPU(Graphics Processing Unit)를 구비하고 있는 것이 바람직하다. 모델의 학습 및 추론은 입출력 장치(103)로부터 서버(101)에 로그인해서 행한다. 수동 계측에 이용하는 화상 해석 툴은, 서버(101)에 인스톨되어 있어도 되고 입출력 장치(103)의 어느 하나 또는 전부에 인스톨되어 있어도 된다. 화상 해석 툴이 서버(101)에 인스톨되어 있는 경우, 당해 툴의 조작은 입출력 장치(103)로부터 행한다.
데이터베이스(102)는, 입력 데이터인 촬영한 단면 화상, 어노테이션 테이터, 골격 정의 테이터, 학습 완료 모델을 나타내는 모델 파라미터, 계측 결과 등을 저장하는 외부 기억 장치이다.
계측 엔지니어는, 데이터베이스(102)에 저장되어 있는 평가 장치(100)에서 얻어진 화상에 대하여, 입출력 장치(103)로부터 화상 해석 툴을 이용해서 치수를 계측함과 함께, 계측 결과를 데이터베이스(102)에 저장한다. 또한, 프로세스 엔지니어가, 입출력 장치(103)에서 상기 계측 결과를 기초로 서버(101) 상에서 모델의 학습을 행한다. 모델을 학습한 후에는, 평가 장치(100)에서 얻어진 화상이 직접 서버(101) 상의 학습 완료 모델에 입력 되고, 치수가 자동 계측된다. 필요에 따라, 프로그래머가 입출력 장치(103)에서 프로그램의 수정 등을 행한다.
이상의 각 작업을 계측 엔지니어, 프로세스 엔지니어 및 프로그래머에 의해 분담할 필요는 반드시 없으며, 1인의 시스템 조작자가 단독으로 실행해도 되는 것은 물론이다.
<치수 계측 기능이 실장된 서버(101)의 내부 구성예>
도 2는, 본 실시예의 치수 계측 기능이 실장된 서버(101)의 내부 구성예를 나타내는 도면이다. 서버(101)의 케이스 내에는, 인터페이스(115), 프로세서(116), 불휘발성 메모리(ROM)(117), 휘발성 메모리(RAM)(118), 스토리지(126) 등이 저장되어 있다. 서버(101)에의 화상 데이터나 학습 데이터의 입력 혹은 치수 계측 결과의 출력은, 인터페이스(115)를 통해서 입출력 장치(103)에 의해 실행된다. 입력 데이터인 화상 데이터, 어노테이션 데이터, 골격 정의 데이터, 학습 완료 모델을 나타내는 모델 파라미터, 및 계측 결과는, 데이터베이스(102)에 저장되며, 필요할 때에 판독된다. 도시는 생략했지만, 입출력 장치(103)에는, 수동 화상 해석 툴(127)의 GUI 화면을 조작하기 위한 마우스나 각종의 설정값을 입력하기 위한 키보드 등, 입출력 디바이스가 구비되어 있다.
스토리지(126)는, 화상 해석 툴(127)이나 본 실시예의 치수 계측 기능을 구비한 치수 계측 소프트웨어(128)를 저장하고 있다. 당해 치수 계측 소프트웨어(128)는, 필요에 따라서 RAM(118)에 전개된다. 프로세서(116)는, 그것을 실행하는 것에 의해, 본 실시예의 치수 계측 기능을 실현한다. 화상 해석 툴(127)은, 학습 데이터를 구성하는 어노테이션 데이터 작성에 필요한 계측 조건 데이터를 출력하는 툴이며, 픽셀의 연산 처리에 의해 화상의 특정 개소의 좌표를 계산하거나, 좌표 간의 거리를 계산하는 기능을 구비한다.
또한, 본 실시예의 치수 계측 소프트웨어(128)는, 주로 데이터 변환부(123), HPE 모델부(124)와 치수 계측부(125)에 의해 구성되어 있으며, 이들은 소프트웨어 모듈의 형태로 치수 계측 소프트웨어(128)에 도입되어 있다. 도 2는 데이터 변환부(123), HPE 모델부(124)와 치수 계측부(125)가 RAM(118)에 전개된 상태를 나타내고 있다.
<HPE 모델의 일례>
도 3은, 서버(101)에서 이용하는 HPE 모델의 일례를 나타내는 도면이다. 도 3의 HPE 모델은, 뉴럴 네트워크 구조(10)를 가지며, 입력층에 입력된 화소 정보가, 중간층, 출력층으로 순서대로 전파되어 연산되는 것에 의해, 키포인트의 좌표가 출력층으로부터 출력된다. 중간층은 컨볼루션층, 풀링층 등이 다수층 반복된 구조를 구비한다. 이상은, 본 실시예의 HPE 모델의 기본 구조이지만, 더 구체적인 층 구조는 채용하는 모델의 상세에 따라 다르다.
HPE 모델의 학습 시에는, 출력된 키포인트의 좌표와 정해(正解)인 어노테이션 데이터의 오차가 최소로 되도록 중간층의 파라미터가 조정된다. 도 3에 나타내는 HPE 모델은, 도 2의 HPE 모델부(124)에 실장되어 있고, 치수 계측 소프트웨어(128)의 본체 그 자체는 도 2의 스토리지(126)에 저장되어 있다. 도 3의 HPE 모델은, 학습 시나 추론 시에는 RAM(118)에 전개되고, 프로세서(116)에 의해 실행된다.
이하의 설명에서 학습기라 하는 경우, 소프트웨어 모듈로서 치수 계측 소프트웨어(128)에 도입된 HPE 모델부(124)를 의미하지만, 소프트웨어 모듈 이외의 실장 형태도 적용 가능하다. 또한, 본 실시예에서는, 뉴럴 네트 워크(10)를 이용해서 HPE 모델을 구성했지만, 이것으로 한정되지 않으며, Pictorial Structure Model 등의 기계 학습의 모델을 이용할 수도 있다.
우선, HPE 모델을 학습시킬 때까지의 수순을 설명한다.
<HPE 모델의 학습 세트 작성 수순>
우선, 도 4를 이용해서 계측 개소의 지정 방법을 설명한다. 도 4는 계측 대상인 반도체의 단면 SEM 화상으로부터, 계측 개소의 설명을 위해서, 일부를 잘라낸 반도체 패턴의 화상이다. 당해 단면 SEM 화상의 대상 구조는, 실리콘 기판부(substrate)(41) 상에 산화 실리콘으로 이루어지는 마스크부(mask)(40)를 형성 후, 트렌치 패턴이 형성된 구조를 구비한다. 동(同) 도면에 있어서는, 계측 개소의 예로서, mask height(43), trench depth(44), line top(45), CD necking(46)의 4개소를 나타내고 있다. 도면 중에 8개 있는 백색 동그라미(42)는 계측 개소의 양단에 맞댄 기점이며, 이하, 키포인트라고도 한다. 도면 중의 좌표는 각 키포인트의 좌표값이며, 좌표축은 횡방향으로 x축을, 종방향으로 y축을 취하고 있다.
HPE 모델의 학습을 행하기 위해서는, 각 화상에 포함되는 키포인트의 명칭과 키포인트의 좌표값을 기재한 「계측 조건 데이터」와 골격의 정의를 기재한 「골격 정의 데이터」를 작성할 필요가 있다. 계측 조건 데이터는 그 후, HPE 모델이 판독될 수 있는 형태의 어노테이션 데이터로 변환된다.
도 5는, 실시예 1에 있어서, 서버(101)에 의해서 실행되는, 입력 화상을 판독한 다음에 모델을 학습시킬 때까지의 처리를 설명하기 위한 플로우차트이다. S301부터 S303까지의 스텝만 수동에 의한 조작을 수반하고, S304 이후, 화상 해석 툴 혹은 그래픽 툴 등 어떠한 소프트웨어를 이용해서 각 키포인트의 좌표값을 구하고, 키포인트 명칭을 병기해서 「계측 조건 데이터」를 작성한다. 이하, 화상 해석 툴에 의해 행하는 예를 제시하여, 계측 조건 데이터의 작성 방법을 설명한다.
도 6은 화상 해석 툴에 표시되는 패널의 구성예이다. 도 6의 상단의 로드 버튼(20)을 누르면, 화상의 후보가 GUI 상에 썸네일 표시되고, 시스템 조작자는 그 중에서 수동 계측하는 화상을 선택한다. 화상 소거 버튼(21)은 선택한 화상을 캔슬하고 싶은 경우에 이용한다. 배율 셀(22)에는 화상 촬영 시의 배율을 입력한다. 이 값은 계측한 치수를 픽셀 단위로부터 실제 치수로 환산하기 위해서 이용된다. 이상의 조작이 도 5의 S301에 해당한다.
다음으로, S302에 해당하는 조작을 나타내기 위해서, 도 6의 중단(中段)에 나와있는 각종 버튼에 대하여 설명한다. 도 6 중단의 버튼은, 화상 해석 툴의 계측 환경을 설정하는「계측 개소 설정 데이터」를 작성 시에 사용된다. 계측 개소 설정 데이터란, 이하의 조작에 의해 작성하는 계측 개소의 명칭, 단위, 표시에 사용되는 색의 대응 관계가 저장된 데이터이다. 신규 작성 버튼(23)에 의해 신규 계측 개소 설정 데이터의 작성, 로드 버튼(24)에 의해 작성 완료 계측 개소 설정 데이터의 로드, 저장 버튼(25)에 의해 작성한 계측 개소 설정 데이터의 저장을 행한다. 신규로 계측 개소 설정 데이터를 작성하는 경우, 우선, 명칭 셀(26)에 계측 개소의 명칭을 입력하고, 다음으로 단위 셀(27)에 치수의 단위를 입력한다. 색 셀(28)에는 사용되고 있지 않은 색이 후보로서 자동으로 설정된다. 생성 버튼(29)을 누르면, 작성한 계측 개소가 계측값 리스트(31)에 등록된다. 계측 개소를 삭제하고 싶을 때는, 계측값 리스트(31) 내에서 대응하는 행을 선택 후, 계측 개소 삭제 버튼(30)을 누른다. 계측값 리스트(31)에는 표시 색, 명칭, 단위, 계측 개수, 치수의 평균값, 치수의 표준 편차 등이 표시된다.
다음으로, 수동 계측의 수순을 설명한다. 화상 로딩 버튼(20)에 의해서 소망의 화상을 표시시키고 나서, 조작자는 도 6 중단에 나와있는 각종 버튼과 마우스를 조작해서, 화상 중의 계측 개소의 치수를 계측해 나가게 된다. 수동 계측하는 개소는 화상에 반영되어 있는 모든 개소를 대상으로 해도 되고, 또한 소정의 개수만을 계측하는 것도 된다.
처음으로 신규 작성 버튼(23)을 누르면, 명칭 셀(26)과 단위 셀(27)이 액티베이트되어 입력 가능한 상태로 되고, 계측 개소의 명칭과 치수 단위를 입력한다. 다음으로, 마우스를 조작하여, 표시 화상의 임의의 시점과 종점에 커서 또는 포인터를 이동하고, 이들 2 개소에서 마우스를 클릭한다. 첫 번째의 마우스 클릭 이벤트가 검출되면, 클릭한 개소의 좌표를 픽셀 단위에서 시점으로 판단하고, 두 번째의 마우스 클릭 이벤트가 검출되면, 클릭한 개소의 좌표를 픽셀 단위에서 종점으로 판단한다. 2개의 좌표 간의 거리로부터 시점과 종점 간의 치수를 계산하고, 계측값 리스트(31) 내에 표시한다. 표시 후, 조작자가 생성 버튼(29)을 누르면, 계산된 치수값 혹은 계측값 리스트(31) 내의 개수, 평균값, 표준 편차의 값이 계측값 리스트(31)에 등록된다. 시점과 종점을 새롭게 추가할 때마다, 계측값 리스트(31) 내의 개수, 평균값, 표준 편차의 값은 갱신된다.
신규 화상을 계측할 경우는, 초기에는 계측값 리스트(31)의 수치는 공란으로 되어 있지만, 2매째 이후의 화상에 대해서는, 계측값 리스트(31)로부터 목적의 계측 개소의 이름을 선택 후, 화상 상에서 계측 개소의 시점과 종점을 클릭하면 된다. 계측을 종료할 때에는, 하단의 저장 버튼(32)을 누른다. 계측값 리스트에 대응한 「계측값 데이터」(CSV 파일)와 「계측 조건 데이터」(텍스트 파일)가 출력된다. 이전에 저장한 계측값 데이터를 참조 혹은 수정하기 위해서는, 로드 버튼(33)을 눌러서 호출한다. 이상이 도 5의 S302에서 행하는 조작이다. 전체 화상에 대해서 수동 계측 작업이 완료되어 있으면, 계측 조건 데이터의 작성 작업은 종료되며, 남아 있으면, S301로 되돌아간다(S303). 이상의 조작은, 계측 엔지니어가 입출력 장치(103)로부터 화상 해석 툴(127)을 사용해서 행한다.
다음으로, S304에 있어서, 시스템이, 작성한 모든 계측 조건 데이터를 판독하고, 모든 샘플에 대하여, 계측 개소가 공통인지 여부를 판정한다. 먼저, 계측 개소가 모두 공통인 경우의 플로우를 설명한다. 도 7은, 도 4의 계측 개소에 대해서 수동 계측을 행한 것에 의해, 수동 화상 해석 툴이 출력한 계측 조건 데이터의 예이다. 이 예에서는 JSON 형식의 서식을 채용하고 있지만, 다른 서식이어도 된다. 이 파일에 있어서, 「name」은 계측 툴에 의해 입력한 계측 개소의 명칭이다. 그 다음에 있는 「measurement List」에는, 계측명이 「measurementName」로, 시점 및 종점의 좌표값이 「positionList」에 열거되어 있다. 그 중의 L1, L2 등은 계측 개소를 구별하기 위해서 수동 화상 해석 툴이 자동적으로 할당된 명칭이고, HPE 모델의 학습에 이용하는 어노테이션 데이터에는 사용되지 않는다.
다음으로, 판독된 계측 조건 데이터가, HPE 모델이 대응하고 있는 포맷의 어노테이션 데이터로 변환된다(S305). 변환은 도 2의 데이터 변환부(123)가 자동으로 행한다. 도 8에 그 어노테이션 데이터의 예를 나타낸다. 본 실시예에서는, 인물 자세 추정용 데이터 세트에서 통상 사용되는 JSON 형식의 포맷을 상정하고 있다. 마스크부와 기판부는 별개의 오브젝트로서 기재되어 있다. 이 포맷에서는, 오브젝트마다 키포인트의 번호순으로 「x좌표」, 「y좌표」, 「가시(可視)도」를 열거한다. 키포인트 번호는 일의적으로 결정할 필요가 있지만, 여기에서는, 종방법의 계측 개소를 먼저, 횡방향의 계측 개소를 나중에, 시점을 먼저, 종점을 나중에 나열하는 룰을 이용하고 있다. 즉, 도 4의 예에서는, 계측 개소의 순번은, mask height, trench depth, line top, CD necking으로 된다. 가시도는, 키포인트가 완전히 보이면 2, 전혀 보이지 않으면 0이다. id는 오브젝트를 구별하는 번호이며, 화상 매수와 각 화상에 포함되는 오브젝트수에 따라서 자동으로 연번(連番)에 의해 부여된다. 인물 자세 모델에서는, 복수 종류의 오브젝트를 취급할 수 없으므로, 마스크부와 기판부를 모두 8개의 키포인트를 갖는 오브젝트로서 취급하며, 그 대신에 존재하지 않는 키포인트를 불가시(不可視)로 하고 있다. 예를 들면, id=1000의 마스크부에 대해서는, 2~7번의 키포인트는 불가시로 하고, 좌표에는 더미값(여기에서는 0을 사용)을 기재하고 있다. 전체 화상에 대한 이상의 정보를 화상 파일명과 함께 나열해서 기재한 파일이 어노테이션 데이터로 된다.
다음으로, 도 5의 S302에 있어서 단면 SEM 화상에서 소정 개수의 계측 개소만을 수동 계측하고 있던 경우에는, S306에 있어서 화상 중의 비(非)계측 영역을 차폐하는 마스크를 부가한다. 이것은 화상과 어노테이션 데이터가 모순되지 않도록 하기 위한 조치이다. 마스크의 형상은 임의여도 되지만, 비계측 영역 전체를 덮는 직사각형 마스크라면 영역 지정이 용이하다.
차폐 마스크를 부가한 단면 SEM 화상과 도 8에 나타낸 어노테이션 데이터로부터 학습 데이터 세트가 구성된다(S307).
학습 데이터 세트의 구성과 병행해서, S308에 있어서, 부여된 키포인트의 세트에 대응한 골격을 설계하고, 「골격 정의 데이터」를 작성한다. 도 9는, 도 7의 계측 조건 데이터로부터 자동 설계한 골격 구조의 일례이다. 또, 이 도면 자체를 모델의 학습에 사용하는 것이 아니라, 후술하는 텍스트 파일인 골격 정의 데이터를 사용한다. 도면 중의 키포인트(42)끼리를 잇는 백색 직선(50)을 「골격」이라고 한다. 키포인트끼리를 잇는 방법(이하, 골격 설계 룰이라고 함)은 임의이지만, 후술하는 국소 마스크를 부가했을 때에 골격 구조가 분리되는 것을 방지하기 위해서, 마스크부(키포인트 0과 1로 이루어짐)와 기판부(키포인트 2~7로 이루어짐) 각각에 있어서, 어느 하나의 키포인트로부터 다른 모든 키포인트로 잇는 방사형의 구조를 채용하고 있다. 기점인 키포인트는, 마스크부와 기판부로 구성되는 단위 패턴마다 8개가 있고, 골격은 6개 설정되어 있다. 키포인트와 골격에는 각각 일련 번호 0~7, (0)~(5)가 자동적으로 부여된다. 이상의 자동 설계와 골격 정의 데이터 작성도, 도 2의 데이터 변환부(123)가 골격 설계 룰에 의거해서 자동으로 행한다.
도 10은, 도 9에 나타낸 골격을 기술하는 골격 정의 데이터이고, 사전 형식으로 기술한 경우의 예이다. 키 limbs_point에 대응한 6세트의 숫자는 골격 번호 순서로 나열한 골격의 시점과 종점의 키포인트 번호이고, 키 joint_indices에 대응한 8개의 숫자는 키포인트 번호이다.
HPE 모델의 학습 시(S314)에는, S307에서 구성한 학습 데이터 세트와 S308에서 작성한 골격 정의 데이터를 모델에 입력한다. 학습은 소정의 반복 횟수에 도달하면, 종료된다(S315).
이상이, 0부터 학습용 데이터 세트를 만들 때까지의 플로우이며, 계측 대상으로 되는 디바이스 혹은 계측 개소의 변경이 있을 때마다, 이 플로우를 최초로부터 행하게 된다. 한편, 대상으로 되는 디바이스는 동일하지만, 모델을 학습시킨 후에, 당초 설정하고 있던 계측 개소보다도 계측 개소를 늘릴 필요가 생길 수 있다. 도 11은, 종래의 계측 개소가 도 4에 나타내는 개소였던 경우에, 신규의 계측 개소로서 line bottom(47)을 추가하는 예를 나타내고 있다. 도 11의 계측 개소에 대응한 모델을 학습시키기 위해서는, 기존의 계측 조건 데이터를 수정할 필요가 있으며, 도 6에 나타낸 화상 해석 툴의 계측값 리스트(31)에 line bottom을 추가해서, 전체 화상에 대해서 계측 조건 데이터를 수정하는 것이, 통상적인 방법이다. 이러한 방법은 확실하지만, 화상 매수 분의 수정 공수를 요한다.
본 실시예에서는, 이 계측 조건 데이터의 수정에 요하는 공수를 저감시키기 위하여, 전체 화상이 아니라, 일부의 화상만에 대해서 계측 조건 파일을 수정하고, 그 밖의 화상에 대해서는 기존의 계측 조건 데이터를 사용하는 것을 가능하게 하는 기능을 시스템에 도입했다. 이하, 도 5의 S304에 있어서, 계측 개소가 공통이 아닌 것으로 판정했을 경우에 시스템이 행하는 처리에 대하여 설명한다.
우선, 도 5의 S309에 있어서, 어노테이션 데이터를 작성한다. 도 12는 계측 개소 line bottom을 추가한 경우에 화상 해석 툴에 의해서 작성되는 계측 조건 데이터의 예이다. 종래의 데이터와 비교하면, line bottom에 관한 정보가 추가되어 있다. 한편, 계측 개소가 추가되지 않은 샘플에 대해서는, 계측 조건 데이터는 도 7 그대로이며, line bottom에 관한 정보는 누락되어 있다. 양자를 통합할 때에는, 계측 개소가 많은 도 12의 서식으로 열거할 필요가 있다.
도 13의 (a)에는 계측 개소를 추가한 샘플을 기술하는 어노테이션 데이터의 부분을, (b)에는 계측 개소를 추가하지 않은 샘플을 기술하는 어노테이션 데이터의 부분을 나타낸다. 계측 개소를 추가한 샘플은, 추가한 계측 개소에 관한 정보(도면 중에 굵은 문자로 표시)를 계측 조건 파일(도 12)로부터 취득할 수 있다. 한편, 계측 개소를 추가하지 않은 샘플에 있어서는, 추가되는 계측 개소에 관한 정보(도면 중에 굵은 문자로 표시)는 미지(未知)이므로, 대응하는 키포인트의 좌표값에 더미의 값(도면의 예에서는 0을 사용)을 넣고, 가시의 정도를 0으로 설정한다.
다음으로, 어노테이션 데이터의 기재와 정합시키기 위해서, 계측 개소가 추가되지 않은 샘플의 단면 SEM 화상에는, 추가되어야 할 키포인트가 존재하는 것으로 상정되는 영역을 차폐하기 위한 국소적 마스크를 부가한다. 즉, 인위적으로 장애물을 놓아서, 추가되어야 할 키포인트가 화상 중에 보이지 않게 한다. 이것은 비계측 영역을 차폐하는 것과 목적은 동일하다. 단, 추가되어야 할 키포인트의 좌표는 미지이므로, 회귀식에 의한 추정을 행한다(S310). 회귀식으로서는, 선형 회귀, 기계 학습 모델, 뉴럴 네트워크 등 어느 것이어도 된다. 회귀식의 작성에는, 우선, 계측 개소를 추가한 샘플의 계측 조건 파일로부터 전체 키포인트의 좌표값을 수집해서 학습 데이터로 하고, 기존의 키포인트의 좌표를 입력, 추가한 키포인트의 좌표를 출력으로 하는 회귀식을 학습시킨다. 얻어진 회귀식을, 계측 개소가 추가되지 않은 샘플에 대해서 적용하고, 기존 키포인트의 좌표로부터, 미지의 키포인트의 좌표를 추정한다.
도 14는, 학습시킨 회귀식을 계측 개소를 추가하지 않은 샘플에 적용해서 추정한 좌표값을, 수동으로 계측한 좌표값과 비교한 결과이다. (a)는 x좌표, (b)는 y좌표이다. 수동 계측값과 매우 양호하게 일치하는 추정값이 얻어진다. 이와 같은 정밀도가 좋은 추정이 가능한 이유는, 단면 SEM 화상의 계측에서는, 계측 대상이 유사한 형상뿐이며, 키포인트 좌표 간의 상관이 비교적 크기 때문이다. 도 14의 예에서는, y좌표에 비해서 x좌표 쪽이 추정 오차는 크지만, 최대로 10 픽셀 정도이다.
도 15는, 도 5의 S311에 있어서, 계측 개소를 추가하지 않은 샘플의 단면 SEM 화상에 대하여, 추가 키포인트로서 추정한 좌표값을 중심으로 국소 마스크를 부가한 화상이다. 화상의 양단의 검은색 영역은, 수동 계측 시에 계측되지 않았던 영역이다. 국소 마스크의 형상은 임의이며, 원형, 정사각형, 직사각형 중 어느 것이어도 되지만, 여기에서는 원형의 예를 나타내고 있다. 원형의 크기는, 회귀식 추정 오차보다 큰 값(도 15에서는 반경 15 픽셀을 사용)이 바람직하다. 계측 개소를 추가하지 않은 샘플에 대해서는, 이 국소 마스크를 부가한 화상이 학습 데이터 세트로서 사용된다. 한편, 계측 개소를 추가한 샘플의 단면 SEM 화상에는 국소 마스크는 부가되지 않고, 비계측 영역을 차폐하기 위한 화상 양단의 직사각형 마스크만이 부가된다. 차폐용 마스크를 부가한 단면 SEM 화상과 도 13의 어노테이션 데이터로부터 학습 데이터 세트가 구성된다(S312).
병행해서, S313에 있어서, 골격 정의 데이터를 작성한다. 도 16은 계측 개소를 추가한 도 11에 대응하는 골격 구조이다. 도 9와 비교하면, 키포인트(51, 52)와 골격(53, 54)이 추가되어 있다. 통합한 데이터 세트에서는 계측 개소의 개수가 많은 쪽에 합칠 필요가 있으므로, 골격 정의 파일로서, 도 16에 대응한 도 17이 작성된다. 추가 전의 도 10과 비교하면, 키 lmbs_point에는 골격이 2개 추가되고, 키 joint_indices에는 키포인트가 2개 추가되어 있다.
HPE 모델의 학습(S314)에서는, S312에서 구성한 학습 데이터 세트와 S313에서 작성한 골격 정의 데이터를 모델에 입력한다. 학습은 소정의 반복 횟수에 도달하면, 종료된다(S315).
또, 본 실시예에서 설명한 시스템에서 계측 개소를 새롭게 추가할 경우, 계측 조건 파일을 수정하는 샘플이 1매여도 학습을 행할 수 있지만, 당연히 학습 완료 모델의 정밀도는 낮아진다. 허용되는 수정 샘플 수의 비율을 조사하기 위해서, 수정하는 비율을 여러가지로 바꿔서 계산기 실험을 행한 결과를 도 18에 나타낸다. 도 18은, 계측 조건 파일을 모든 샘플에 대해서 수정하는 경우의 공수를 100% 기준으로 했을 때의 공수와 계측의 실패율(전체 계측 개수에 대한 계측할 수 없었던 개소 수의 비)의 수정하는 비율(수정비)에 대한 관계이다. 수정 공수와 계측 실패율은 수정비에 관해서 트레이드오프 관계에 있다. 이 예에서는, 실용적인 실패율(예를 들면 1% 미만)을 생각하면, 수정비는 1/4까지 저감 가능하다. 즉, 모든 샘플의 1/4 정도의 계측 조건 파일을 수정하면, 충분한 정밀도의 모델을 학습시키는 것이 가능해진다. 또, 국소 마스크를 부가하지 않는 경우에는, 실패율이 더욱 증가하는 결과도 얻어졌으므로, 국소 마스크 부가는 필수이다.
다시 도 5의 플로우차트로 되돌아가서, 이상 설명한 S305~S315까지의 일련의 처리는, 프로세스 엔지니어가 입출력 장치(103)의 GUI 화면으로부터 나타낸 지시에 따라, 시스템이 자동으로 행하게 된다. 도 19는, 본 실시예에 있어서 HPE 모델을 학습 시에 필요한 조작을 행하기 위한 GUI 화면의 일례를 나타내는 도면이고, 입출력 장치(103)에 표시된다. 도 19에 나타낸 GUI 화면은, 학습 시에 이용하는 학습 화면과, 계측 실행 시에 이용하는 계측 화면이 탭에 의해 전환 가능하게 구성되어 있고, 「train」으로 표시된 학습 탭(200)을 선택하면 본 화면이 표시된다. 상단에 모듈의 실행과 모델 학습을 지시하기 위한 버튼 그룹이 배치되어 있고, 하단에는 터미널 출력 화면(터미널 윈도우)(206)이 배치되어 있다.
우선, 학습 데이터를 저장하고 있는 폴더를 지정하기 위해서, 입력 버튼(학습 데이터 저장 폴더 지정 버튼)(210)을 눌러서 폴더를 지정한다. 지정한 폴더명은 폴더명 셀(213)에 표시된다. 다음으로, 학습 후에 학습 완료 모델을 저장하는 폴더를 지정하기 위해서, 출력 버튼(211)을 눌러서 폴더를 지정한다. 지정한 폴더명은 폴더명 셀(214)에 표시된다. 지정한 폴더명을 변경하기 위해서는, 클리어 버튼(212)을 누른다. 모델의 학습을 개시할 때는 학습 개시 버튼(204)을 누른다. 학습 개시 버튼(204)의 옆에는 상태를 나타내는 상태 셀(205)이 표시된다. 상태 셀(205)에 「Done」이 표시되면, 스텝 S306의 학습 스텝은 종료된다. 또, 도 9에 표시되어 있는 변환 모듈 실행 버튼(202)이나 골격 자동 설계 모듈 실행 버튼(203)의 의미에 대해서는 실시예 2 또는 3에서 설명하지만, 본 실시예의 치수 계측 시스템에 있어서는 각 버튼의 처리를 실현되는 기능 블록이 치수 계측 소프트웨어(128)에 도입되어 있지 않기 때문에, 각 버튼을 눌러도 동작하지 않는다.
<학습 모델을 이용한 치수의 자동 계측 처리>
다음으로, 학습 완료 모델에 신규 화상을 입력해서 치수 계측을 행하는 방법에 대하여 설명한다. 이후의 설명은, 미계측의 단면 SEM 화상이 스토리지(126)의 폴더 내에 이미 저장되어 있는 것으로 한다. 신규 화상에 대한 치수 계측은, 서버(101)에 의해 실행된다. 학습이 완료된 HPE 모델에 있어서는, 도 3에 나타내는 뉴럴 네트워크(10)의 각층을 구성하는 파라미터가 최적화되어 있고, 최적화된 파라미터는 서버(101) 내의 스토리지(126)에 저장되어 있다. 추론 실행 시에는 파라미터가 RAM(118)에 전개되고, 프로세서(116)에 의해 참조되는 것에 의해, 계측의 기점으로 되는 키포인트 좌표와, 치수값이 산출된다.
도 20은, 모델의 학습 완료 후, 자동 계측을 행할 때에, 도 1의 입출력 장치(103)에 표시되는 자동 계측 툴의 GUI 화면의 예이다. 도 20의 GUI 화면은, 화면 우측 상부의 입력 패널(345), 화면 우측 하부의 출력 패널(353) 및 화면 좌측에 배치된 각종의 조작 버튼(341, 342, 343, 344, 351, 352의 각 버튼)에 의해 구성되어 있다. 입력 패널(345)에는 선택한 화상 혹은 폴더의 정보가 표시되고, 출력 패널(353)에는 계측 결과가 표시된다. GUI 화면은, 학습 시에 이용하는 학습 화면과, 계측 실행 시에 이용하는 계측 화면이 탭에 의해 전환 가능하게 구성되어 있고, 「measure」로 표시된 계측 탭(201)을 선택하면 도 20의 화면이 표시된다.
각종의 조작 버튼에 있어서, 매뉴얼 버튼(341)은 계측하고 싶은 화상을 1매씩 선택하는 경우에 이용한다. 배치(batch) 버튼(342)은 폴더 내에 있는 전체 화상에 대하여 한 번에 계측하는 경우에 폴더를 지정하기 위해서 이용한다. 계측 개시 버튼(343)을 누르면 계측이 개시되고, 종료되면 계측 결과가 자동으로 저장된다. 화상의 선택을 다시 하는 경우에는, 클리어 버튼(344)을 눌러서, 입력 패널(345)에 표시되어 있는 정보를 소거한다. 계측 결과 로드 버튼(351)을 누르면, 계측 결과가 로드되어 표시되고, 계측 결과 표시 클리어 버튼(352)을 누르면 표시는 소거된다.
입력 패널(345)에 있어서, 폴더명 셀(346)에는 대상으로 하는 화상을 저장하는 폴더명이 표시된다. 파일명 셀(347)에는, 매뉴얼 버튼(341)을 누른 경우에는 지정한 화상의 명칭이, 배치 버튼(342)을 누른 경우에는, 1매째의 화상명이 표시된다. 지정한 폴더명, 파일명을 변경하는 경우에는, 클리어 버튼(344)을 눌러서 소거하고 나서 재차 다시 지정한다. 정의 윈도우(계측 개소 정의 리스트)(349)에는, 폴더에 저장되어 있는 화상에 부여되어 있는 계측 개소의 정의 정보가 표시된다. 입력 화상 패널(350)에는, 매뉴얼 버튼(341)을 누른 경우에는 지정한 화상명이, 배치 버튼(342)을 누른 경우에는, 1매째의 화상명이 표시된다.
출력 패널(353)에 있어서, 폴더명 셀(354)에는 대상으로 하는 화상을 저장하는 폴더명이 표시된다. 파일명 셀(355)에는, 매뉴얼 버튼(341)을 누른 경우에는 지정한 화상명이, 배치 버튼(342)을 누른 경우에는, 1매째의 화상명이 표시된다. 자세 검출 화면(자세 추정 결과 표시 패널)(356)에는 검출한 골격 구조가 입력 화상 상에 표시되고, 치수 계측 결과 표시 패널(계측 화면)(357)에는 계측한 치수값이 입력 화면 상에 표시된다. 자세 검출 화면(356)과 계측 화면(357)에는, 배치 버튼(342)을 누른 경우에는, 1매째의 화상에 대한 결과가 표시된다. 치수 계측 결과 셀(358)에는, 각 계측 개소에 대한 개수, 평균값, 표준 편차가 표시된다. 매뉴얼 버튼(341)을 누른 경우에는 지정한 화상에 대한 결과가, 배치 버튼(342)을 누른 경우에는, 1매째의 결과가 표시된다.
도 21에는, 학습 완료 모델에 신규 화상을 입력해서 치수 계측을 행하는 과정의 플로우차트를 나타낸다. 시스템 조작자가 도 20의 개시 버튼(343)을 누르면, 프로세서(116)는 도 21의 플로우차트에 따른 처리를 실행 개시한다.
(i) 스텝 S1001 내지 스텝 S1003
치수 계측부(125)는, 조작자에 의해서 부여된 치수 계측시키고 싶은 화상을 판독하고(스텝 S1001), 당해 화상과 학습 시에 작성한 골격 정의 데이터(스텝 S1002)를 학습 완료 모델(스텝 S1003)에 입력한다. 치수 계측부(125)가 취득하는(조작자에 의해서 부여된) 화상은, 도 10의 매뉴얼 버튼(341)을 누른 경우는 1매이고, 배치 버튼(342)을 누른 경우는 도 20의 폴더명 셀(346)에 표시된 이름의 폴더에 저장된 화상 파일(복수매 통합해서 입력됨)로 된다.
(ii) 스텝 S1004
치수 계측부(125)는, 화상의 입력 후, 학습 완료 모델은 추론 결과인 키포인트 좌표와 골격 구조를 출력한다(스텝 S1004).
(iii) 스텝 S1005 및 S1006
치수 계측부(125)는, 키포인트 좌표를 기초로, 각 계측 개소의 치수를 계산한다(스텝 S1005).
(iv) 스텝 S1006
치수 계측부(125)는, 통계 데이터를 포함하는 계측 결과를 입출력 장치(103)의 GUI 화면 상에 표시하고, 또한 소정의 파일 형식으로 출력한다(스텝 S1006).
(v) 스텝 S1007
치수 계측부(125)는, 골격 구조나 계측값을 입력 화상에 중첩하고, 당해 중첩 표시한 화상 데이터를 출력한다(스텝 S1007). 출력된 계측 결과 파일이나 화상 데이터는, 스토리지(126) 내의 소정의 폴더 내에 저장된다. 도 20의 GUI 화면의 예에서는, 「trench」라는 이름의 폴더에 저장된다.
<중첩 표시한 화상 데이터의 예>
도 22는, 학습 완료 모델의 추정한 골격을 입력 화상에 중첩 표시한 화상 데이터의 예를 나타내는 도면이다. 또한, 도 23은, 계측값을 도 22와 동일한 입력 화상에 중첩 표시한 화상 데이터의 일례를 나타내는 도면이다.
이상, 본 실시예의 치수 계측 시스템 또는 치수 계측 방법에 의해, 계측 개소를 추가하게 되어도, 종래 기술보다도 수정 공수를 저감하여 기계 학습 모델의 학습을 행하는 것이 가능해진다.
본 실시예에 있어서는, 단면 SEM 화상을 이용한 반도체 패턴 계측에 대해서 HPE 모델을 적용한 구성예에 대하여 설명을 행했지만, 본 개시의 기술은 평면 SEM 화상이나 평면 TEM 화상, 단면 TEM 화상, 평면의 FIB(Focused Ion Beam) 화상 혹은 단면의 FIB 화상에 대해서도 적용 가능하다. 단, 단면 SEM 화상이나 단면 TEM 화상 또는 단면의 FIB 화상에는, 1) 밝기가 화상마다 서로 다르고, 2) 치수 계측에는 불필요한 안쪽의 구조가 찍혀 있고, 3)치수를 계측하고 싶은 이종(異種) 재료 계면의 경계가 불명료하다는, 평면의 SEM, TEM 및 FIB 화상에는 없는 계측의 곤란함이 있어, 본 실시예에 기재된 기술을 적용했을 경우의 효과는, 단면 SEM 화상, 단면 TEM 화상 또는 단면의 FIB 화상의 편이 보다 크다고 할 수 있다.
(B) 실시예 2
본 실시예에서는, 주사 전자 현미경, 투과 전자 현미경 혹은 집속 이온빔 장치 등의 촬상 장치와 당해 촬상 장치에 접속된 조작 단말(2002)에 의해 구성되는 하전 입자선 장치에 본 실시예를 적용한 경우의 구성예에 대하여 설명한다.
<하전 입자선 장치의 설치 환경>
도 24는, 본 실시예의 하전 입자선 장치(2000)가 설치되는 반도체 장치 제조 시스템의 시스템 환경의 일례를 나타내는 도면이다. 하전 입자선 장치(2000)는, 촬상 장치(2001)와, 조작 단말(2002)과, 수동 화상 해석 툴(127)을 구비한다. 즉, 반도체 장치 제조 시스템은, 화상 데이터의 소망 개소의 치수를 계측하기 위한 기점의 좌표 정보를 추출하고, 당해 기점의 좌표 정보를 이용해서 상기 치수를 계측하기 위한 애플리케이션이 실장된 플랫폼을 구비한 반도체 장치 제조 시스템으로서, 학습 데이터 세트에 계측 개소 수가 다른 학습 데이터가 포함되는 경우, 계측 개소 수가 부족한 데이터의 화상에 대해서는, 부족한 당해 기점을 부족 계측 개소로 하고, 당해 부족 계측 개소로 상정되는 영역을 차폐하는 것에 의해, 통합해서 학습시키는 스텝과, 상기 화상 데이터의 적어도 2개의 상기 기점을 키포인트로서 포함하는 골격을 자동 설계하고, 또한 당해 키포인트의 좌표 정보를 출력하도록 학습된 자세 추정 모델에, 계측 대상의 화상 데이터를 입력해서, 당해 입력한 화상 데이터의 상기 키포인트의 좌표 정보를 생성하는 스텝과, 상기 계측 대상의 화상 데이터의 키포인트의 좌표 정보를 이용해서 상기 치수를 계측하는 스텝이 상기 애플리케이션에 의해 수행되고, 상기 자세 추정 모델은, 상기 화상 데이터를 입력으로 하고, 상기 적어도 2개의 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용해서 학습된 것이다.
촬상 장치(2001)는, SEM이나 TEM, FIB 장치 혹은 FIB-SEM 등이다. 조작 단말(2002)은, 키보드, 마우스, 디스플레이 등의 입출력 디바이스를 구비하고, 하드디스크 등의 기억 매체가 내장된 PC(서버(101)로부터 봤을 때 외부의 컴퓨터가 됨)이며, 인터넷 등의 공중 회선망(네트워크)(2003)을 통해서 서버(101)(실시예 3과 같은 것)와 접속되어 있다. 도시하고 있지 않지만, 서버(101)의 주위에는 도 15와 마찬가지의 평가 장치(100)나 처리 장치(111) 등이 배치되어 있고, HPE 모델을 학습 가능한 환경이 갖추어져 있다. 또한, 서버(101)에 저장되어 있는 HPE 모델은 이미 학습이 완료되어 있는 것으로 한다. 조작 단말(2002)의 하드디스크 내에는 수동 화상 해석 툴(127)이 인스톨되어 있고, GUI가 디스플레이 상에 표시된다. 예를 들면, 조작 단말(2002)의 조작자(유저)는, 치수 계측을 행하고 싶은 화상 데이터(신규의 데이터)를 판독하고, 네트워크(2003)를 통해서 당해 화상 데이터(신규의 계측 대상)를 서버(101)에 송신한다.
서버(101)는, 전술한 바와 같이, 당해 화상 데이터를 학습 완료 모델(자세 추정 모델)에 적용하고, 키포인트 좌표의 정보 및 골격 데이터를 생성한 후, 치수 계측을 행한다. 그리고, 서버(101)는, 네트워크(2003)를 통해서, 당해 치수 계측 결과를 조작 단말(2002)에 송신한다. 또, 화상 해석 툴(127)의 기능이나 조작 방법은 지금까지의 실시예에서 설명한 내용과 마찬가지이고, 화상 해석 툴은, 소망 개소의 좌표 정보를 출력하고, 컴퓨터 시스템은, 자세 추정 모델의 학습 시, 좌표 정보를 포함하는 화상 해석 툴의 출력 데이터를 데이터의 어노테이션 데이터로 변환한다. 또한, 컴퓨터 시스템은, 자세 추정 모델의 학습 시, 좌표 정보를 포함하는 출력 데이터와 미리 입력된 룰 정보를 이용해서, 자세 추정 모델의 골격 구조의 정의 데이터를 생성한다. 또한, 골격 구조는, 하나의 기점으로부터 다른 모든 기점에 잇는 방사형의 구조이다.
<화상 해석 툴의 구성예>
도 25는, 본 실시예의 화상 해석 툴(127)의 GUI 상에 표시되는 대시보드의 구성예를 나타내는 도면이다. 도 25에 나타내는 대시보드(400)는, 계측 상황 표시 패널(401), 계측 결과 일람 패널(402), 모델 개변 이력 표시 패널(403), 계측 진척 상황 패널(404), 진척 상황 패널(405), 및 표준 편차 추이 표시 패널(406) 등을 포함해서 구성되어 있다. 이들 패널에 표시되는 정보는, 서버(101)에 저장된 HPE 모델의 학습 진척 상태나 학습 완료의 HPE 모델을 이용한 치수 계측의 이상 등을 원격 감시할 때 매우 유효하다.
조작 단말(2002)의 디스플레이에 표시되는 도 20에 나타낸 GUI에는, 도 25의 대시보드를 호출하기 위한 예를 들면 아이콘이 표시된다. 당해 아이콘을 클릭하면, 조작 단말(2002)로부터 대시보드 호출의 http(hyper text transfer protocol) 리퀘스트가 송신되고, 대시보드를 구성하는 콘텐츠 데이터가 암호화되어 서버(101)로부터 송신된다. 콘텐츠 데이터 자체는 송신하지 않고 콘텐츠 열람 사이트의 url(uniform resource locator)을 서버(101)로부터 송신해도 된다.
이상, 조작 단말 (2002)에 대시보드를 표시시키는 구성에 대하여 설명하였지만, 촬상 장치(2001)에서 취득된 화상을 조작 단말(2002)로부터 서버 (101)에 송신하면, 촬상 장치(2001)의 취득 화상에 대해서 치수 계측을 행하는 것도 가능하다. 서버(101)에서 행한 치수 계측 결과는, 암호화되어 조작 단말(2002)에 회신된다. 학습 완료의 HPE 모델이 저장된 기억 매체(하드디스크나 레이드 어레이 등)를 조작 단말(2002)에 접속해도, 촬상 장치(2001)의 취득 화상에 대한 치수 계측이 가능하다. 이에 따라, 본 실시예에 의한 치수 계측 기능을 구비한 하전 입자선 장치가 실현된다.
서버(101)는, 네트워크를 통해서 리모트 접속하지 않고 조작 단말(2002)에 직접 접속해도 되고, 혹은 리모트 접속된 서버(101)와는 별개의 서버를 조작 단말(2002)에 직접 접속하고, 당해 서버(101)의 미러 서버로서 설치해도 된다. 이들의 접속 형태이면, 신규 화상에 대한 치수 계측뿐만 아니라, 취급 데이터양이 커서 정보 처리 및 데이터 전송에의 부하가 큰, 촬상 장치(2001)의 취득 화상을 이용한 HPE 모델의 학습을 실행할 수 있는 하전 입자선 장치를 실현하는 것이 가능하다.
전술한 바와 같이 본 발명의 실시예에 대하여 구체적으로 설명했지만, 본 개시에 의한 권리 범위는 전술한 실시예에 한정되는 것은 아니며, 첨부한 청구범위의 취지 내에 있어서의 다양한 변형예 및 동등한 구성이 포함된다. 예를 들면, 전술한 실시예는 본 개시의 기술을 알기 쉽게 설명하기 위하여 상세히 설명한 것이며, 본 개시의 기술은, 설명한 모든 구성을 구비하는 것으로 반드시 한정되지 않는다. 실시예의 구성의 일부에 대하여, 다른 구성을 추가, 삭제, 또는 치환해도 된다.
또한, 전술한 각 구성, 기능, 처리부, 처리 수단 등은 하드웨어에 의해 실현해도 되고, 소프트웨어에 의해 실현해도 된다. 하드웨어에 의해 실현하는 경우란, 예를 들면 전술한 각 구성, 기능, 처리부, 처리 수단 등의 일부 또는 전부를 집적 회로에 의해 설계하는 경우 등이고, 소프트웨어에 의해 실현하는 경우란, 예를 들면 프로세서가 각각의 기능을 실현하는 프로그램을 해석하여 실행하는 경우 등이다. 각 기능을 실현하는 프로그램, 테이블, 파일 등의 정보는, 메모리, 하드디스크, SSD(Solid State Drive) 등의 기억 장치(기억 매체), 또는, IC(Integrated Circuit) 카드, SD 카드, DVD(Digital Versatile Disc)의 기록 매체(기억 매체)에 저장할 수 있다.
또한, 제어선이나 정보선은 설명상 필요하다고 생각할 수 있는 것을 나타내고 있으며, 실장상 필요한 모든 제어선이나 정보선을 나타내고 있는 것으로는 한정하지 않는다. 실제로는, 거의 모든 구성이 상호 접속되어 있는 것으로 생각해도 된다.
또한, 이상의 설명에 있어서는, 컴퓨터 시스템과, 치수 계측 방법, 및 반도체 장치 제조 시스템을 중심으로 설명했지만, 본 개시에는 이하에 나타내는 기억 매체도 개시하고 있다.
컴퓨터에, 반도체 패턴의 화상 데이터로부터, 당해 반도체 패턴의 소망 개소의 치수를 계측하기 위한 기점의 좌표 정보를 추출하고, 당해 좌표 정보를 이용해서 상기 치수를 계측하는 치수 계측 기능을 실현시키기 위한 프로그램을 기억하는 기억 매체로서,
학습 데이터 세트에 계측 개소 수가 다른 학습 데이터가 포함되는 경우, 계측 개소 수가 부족한 데이터의 화상에 대해서는, 부족한 당해 기점을 불가시(不可視)로 하면서, 당해 부족 계측 개소로 상정되는 영역을 차폐하는 것에 의해, 통합해서 학습시킬 수 있는 전처리부를 구비하고,
상기 프로그램은,
적어도 2개의 상기 기점의 좌표 정보를 학습 결과로서 출력하는 자세 추정 모델을 기술하는 학습기를 실현하는 프로그램 코드를 포함하고,
상기 학습기는, 상기 반도체 패턴의 화상 데이터를 입력으로 하는 입력층과, 상기 적어도 2개의 기점의 좌표 정보를 출력하는 출력층을 구비하고,
상기 자세 추정 모델은, 상기 반도체 패턴의 화상 데이터를 입력으로 하고, 상기 적어도 2개의 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용한 학습이 가능한, 기억 매체.
상기 기억 매체로서,
상기 프로그램은, 상기 좌표 정보를 포함하는 화상 해석 툴의 출력 데이터를, 상기 학습 데이터의 어노테이션 데이터로 변환하는 프로그램 코드를 갖고,
상기 화상 해석 툴은, GUI 상에서 지정된 상기 화상 데이터의 소정 개소 간의 거리를 픽셀 연산에 의해 산출하는 기능을 구비하는, 기억 매체.
상기 기억 매체로서,
상기 프로그램은, 상기 좌표 정보를 포함하는 화상 해석 툴의 출력 데이터와, 미리 입력된 룰 정보를 이용해서, 상기 자세 추정 모델의 골격 구조의 정의 데이터를 생성하는 프로그램 코드를 갖고, 상기 화상 해석 툴은, GUI 상에서 지정된 상기 화상 데이터의 소정 개소 간의 거리를 화소 연산에 의해 산출하는 기능을 구비하는, 기억 매체.
상기에 있어서는, 본 발명의 바람직한 실시예에 대하여 설명했지만, 본 발명은 상기 실시예에 한정되는 것은 아니며, 발명의 요지를 일탈하지 않는 범위에서 구성 요소를 변형해도 된다.
10: 인물 자세 추정용 네트워크 모델 15: 애드인 윈도우
20: 로드 버튼 21: 화상 소거 버튼
22: 배율 셀 23: 특성 신규 작성 버튼
24: 특성 로드 버튼 25: 특성 저장 버튼
26: 계측 개소 명칭 셀 27: 단위 셀
28: 색 셀 29: 계측 개소 생성 버튼
30: 계측 개소 소거 버튼 31: 계측값 리스트
32: 계측 결과 저장 버튼 33: 계측 결과 로드 버튼
40: 마스크부 41: 기판부(실리콘 기판부)
42: 키포인트 43: 계측 개소(mask height)
44: 계측 개소(trench depth) 45: 계측 개소(line top)
46: 계측 개소(CD necking) 47: 계측 개소(line bottom)
50: 골격 51: 키포인트
52: 키포인트 53: 골격
54: 골격 100: 평가 장치
101: 서버 102: 데이터베이스
103: 입출력 장치(단말 혹은 PC) 110: 치수 계측 시스템
111: 처리 장치 115: 인터페이스
116: 프로세서 117: ROM
118: RAM 124: HPE 모델부
125: 치수 계측부 126: 스토리지
127: 화상 해석 툴 128: 치수 계측 소프트웨어
129: 입력 데이터 130: 자동 계측 결과
131: 전달 데이터 132: 입력 데이터
133: 입력 데이터 200: 학습 탭
201: 계측 탭 202: 변환 모듈 실행 버튼
203: 골격 자동 설계 모듈 실행 버튼 204: 학습 개시 버튼
205: 상태 셀 206: 터미널 윈도우
210: 학습 데이터 저장 폴더 지정 버튼
211: 학습 완료 모델 저장 폴더 지정 버튼
212: 클리어 버튼
213: 학습 데이터 저장 폴더명 셀
214: 학습 완료 모델 저장 폴더명 셀
341: 매뉴얼 버튼(개별 계측 버튼)
342: 배치 버튼(일괄 계측 버튼) 343: 계측 개시 버튼
344: 클리어 버튼 345: 입력 패널
346: 폴더명 셀 347: 파일명 셀
349: 계측 개소 정의 리스트 350: 입력 화상 패널
351: 계측 결과 로드 버튼
352: 계측 결과 표시 클리어 버튼 353: 출력 패널
354: 폴더명 셀 355: 파일명 셀
356: 자세 검출 화면(자세 추정 결과 표시 패널)
357: 치수 계측 결과 표시 패널 358: 치수 계측 결과 셀
400: 대시보드 401: 계측 상황 표시 패널
402: 계측 결과 일람 패널 403: 모델 개변 이력 표시 패널
404: 계측 진척 상황 패널 405: 진척 상황 패널
406: 표준 편차 추이 표시 패널 2000: 하전 입자선 장치
2001: 촬상 장치 2002: 조작 단말
2003: 공중 회선망(네트워크)

Claims (15)

  1. 패턴을 포함하는 화상 데이터로부터, 당해 패턴의 소망 개소의 치수를 계측하기 위한 기점(基点)의 좌표 정보를 추출하고, 당해 기점의 좌표 정보를 이용해서 상기 치수를 계측하는 기능을 제공하는 컴퓨터 시스템으로서, 학습 데이터 세트에 있어서, 기점의 좌표를 모두 기재하고 있는 샘플과 일부의 기점의 좌표 밖에 기재하고 있지 않은 샘플이 혼재하는 경우, 일부의 기점의 좌표값 밖에 기재하고 있지 않은 샘플에 대해서는, 어노테이션(annotation) 데이터에 있어서 부족한 화상 데이터에 대해서는 당해 부족한 기점으로 추정되는 영역을 국소적으로 차폐(遮蔽)하는 것에 의해, 모든 샘플을 합쳐서 학습시킬 수 있는 전처리부를 구비하며,
    상기 전처리부는, 적어도 2개의 상기 기점의 좌표 정보를 학습 결과로서 출력하는 자세 추정 모델이 실장된 학습기를 구비하고,
    상기 학습기는, 상기 화상 데이터를 입력으로 하고, 상기 적어도 2개의 상기 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용해서 미리 학습이 실시되어 있고,
    상기 학습기에 대해서 입력된 신규 화상 데이터에 대하여, 상기 적어도 2개의 기점의 좌표 정보 및 상기 치수를 추출하는,
    것을 특징으로 하는 컴퓨터 시스템.
  2. 제1항에 있어서,
    국소적으로 차폐되는 영역의 좌표값은, 다른 기지(旣知)의 기점의 좌표값으로부터 추정하는 회귀식 모델을 작성하는 것에 의해서 더 구하는, 것을 특징으로 하는 컴퓨터 시스템.
  3. 제1항에 있어서,
    GUI 상에서 지정된 상기 화상 데이터의 소정 개소 간의 거리를 픽셀 연산에 의해 산출하는 기능과, 상기 소망 개소의 좌표 정보를 출력하는 기능을 구비한 화상 해석 툴이 인스톨된 기억 매체를 더 구비하는, 것을 특징으로 하는 컴퓨터 시스템.
  4. 제3항에 있어서,
    상기 좌표 정보를 포함하는 상기 화상 해석 툴의 출력 데이터를, 상기 학습 데이터를 구성하는 어노테이션 데이터로 변환하는 제1 소프트웨어 모듈을 더 구비하는, 것을 특징으로 하는 컴퓨터 시스템.
  5. 제3항에 있어서,
    상기 좌표 정보를 포함하는 상기 화상 해석 툴의 출력 데이터와 미리 입력된 룰(rule) 정보를 이용해서, 상기 자세 추정 모델의 골격 구조의 정의 데이터를 생성하는 제2 소프트웨어 모듈을 더 구비하는, 것을 특징으로 하는 컴퓨터 시스템.
  6. 제1항에 있어서,
    상기 화상 데이터를 표시하는 유저 인터페이스로서 기능하는 표시부를 더 구비하고,
    상기 표시부는, 상기 유저 인터페이스에, 상기 화상 테이터와 상기 추출된 상기 적어도 2개의 기점이 중첩된 데이터를 표시하는, 것을 특징으로 하는 컴퓨터 시스템.
  7. 제6항에 있어서,
    상기 표시부는, 상기 유저 인터페이스에, 상기 적어도 2개의 기점을 잇는 선분의 복수의 결합에 의해서 구성되는 상기 화상 데이터의 골격 구조를, 더 중첩해서 표시하는, 것을 특징으로 하는 컴퓨터 시스템.
  8. 제1항에 있어서,
    상기 화상 데이터는, 하전 입자선 장치에 의해서 얻어지는 단면(斷面) 화상인, 것을 특징으로 하는 컴퓨터 시스템.
  9. 컴퓨터 시스템에 의해서, 화상 데이터의 소망 개소의 치수를 계측하기 위한 기점의 좌표 정보를 추출하고, 당해 기점의 좌표 정보를 이용해서 상기 치수를 계측하는 치수 계측 방법으로서,
    학습 데이터 세트에 계측 개소 수가 다른 학습 데이터가 포함되는 경우, 계측 개소 수가 부족한 데이터의 화상에 대해서는, 부족한 당해 기점을 부족 계측 개소로 하고, 당해 부족 계측 개소로 상정되는 영역을 차폐하는 것에 의해, 통합해서 학습시킬 수 있는 전처리부를 구비하며,
    상기 전처리부가, 상기 화상 데이터의 적어도 2개의 상기 기점을 키포인트로서 포함하는 골격을 자동 설계하고, 또한 당해 키포인트의 좌표 정보를 출력하도록 학습된 자세 추정 모델에, 계측 대상의 화상 데이터를 입력해서, 당해 입력한 화상 데이터의 키포인트의 좌표 정보를 생성하고,
    상기 계측 대상의 화상 데이터의 상기 키포인트의 좌표 정보를 이용해서 상기 치수를 계측하고,
    상기 자세 추정 모델은, 상기 화상 데이터를 입력으로 하고, 상기 적어도 2개의 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용해서 학습된 것인,
    것을 특징으로 하는 치수 계측 방법.
  10. 제9항에 있어서,
    상기 컴퓨터 시스템은, GUI 상에서 지정된 상기 화상 데이터의 소정 개소 간의 거리를 픽셀 연산에 의해 산출하는 화상 해석 툴을 이용해서, 상기 적어도 2개의 기점의 좌표 정보를 참조해서 상기 치수를 계측하는,
    것을 특징으로 하는 치수 계측 방법.
  11. 제10항에 있어서,
    상기 화상 해석 툴은, 상기 소망 개소의 좌표 정보를 출력하고,
    상기 컴퓨터 시스템은, 상기 자세 추정 모델의 학습 시, 상기 좌표 정보를 포함하는 상기 화상 해석 툴의 출력 데이터를 상기 학습 데이터의 어노테이션 데이터로 변환하는,
    것을 특징으로 하는 치수 계측 방법.
  12. 제9항에 있어서,
    상기 컴퓨터 시스템은, 상기 자세 추정 모델의 학습 시, 상기 좌표 정보를 포함하는 출력 데이터와 미리 입력된 룰 정보를 이용해서, 상기 자세 추정 모델의 골격 구조의 정의 데이터를 생성하는,
    것을 특징으로 하는 치수 계측 방법.
  13. 제12항에 있어서,
    상기 골격 구조는, 하나의 기점으로부터 그 밖의 모든 기점으로 잇는 방사형 구조인,
    것을 특징으로 하는 치수 계측 방법.
  14. 제9항에 있어서,
    상기 컴퓨터 시스템이, 네트워크를 통해서, 외부 컴퓨터로부터 신규의 상기 계측 대상의 화상 데이터를 수신하고,
    상기 컴퓨터 시스템이, 상기 신규의 계측 대상의 화상 데이터에 포함되는 패턴의 상기 치수의 계측을 행하고, 당해 치수의 계측 결과를 상기 외부 컴퓨터에 송신하는 것,
    을 더 포함하는,
    것을 특징으로 하는 치수 계측 방법.
  15. 화상 데이터의 소망 개소의 치수를 계측하기 위한 기점의 좌표 정보를 추출하고, 당해 기점의 좌표 정보를 이용해서 상기 치수를 계측하기 위한 애플리케이션이 실장된 플랫폼을 구비하는 반도체 장치 제조 시스템으로서,
    학습 데이터 세트에 계측 개소 수가 다른 학습 데이터가 포함되는 경우, 계측 개소 수가 부족한 데이터의 화상에 대해서는, 부족한 당해 기점을 부족 계측 개소로 하고, 당해 부족 계측 개소로 상정되는 영역을 차폐하는 것에 의해, 통합해서 학습시키는 스텝과,
    상기 화상 데이터의 적어도 2개의 상기 기점을 키포인트로서 포함하는 골격을 자동 설계하고, 또한 당해 키포인트의 좌표 정보를 출력하도록 학습된 자세 추정 모델에, 계측 대상의 화상 데이터를 입력하고, 당해 입력한 화상 데이터의 상기 키포인트의 좌표 정보를 생성하는 스텝과,
    상기 계측 대상의 화상 데이터의 상기 키포인트의 좌표 정보를 이용해서 상기 치수를 계측하는 스텝이 상기 애플리케이션에 의해 실행되고,
    상기 자세 추정 모델은, 상기 화상 데이터를 입력으로 하고, 상기 적어도 2개의 기점의 좌표 정보를 출력으로 하는 학습 데이터를 이용해서 학습된 것인,
    것을 특징으로 하는 반도체 장치 제조 시스템.
KR1020237021080A 2022-08-26 2022-08-26 컴퓨터 시스템, 치수 계측 방법, 및 반도체 장치 제조 시스템 KR20240028968A (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/032199 WO2024042702A1 (ja) 2022-08-26 2022-08-26 コンピュータシステム、寸法計測方法、および半導体装置製造システム

Publications (1)

Publication Number Publication Date
KR20240028968A true KR20240028968A (ko) 2024-03-05

Family

ID=90012869

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237021080A KR20240028968A (ko) 2022-08-26 2022-08-26 컴퓨터 시스템, 치수 계측 방법, 및 반도체 장치 제조 시스템

Country Status (4)

Country Link
KR (1) KR20240028968A (ko)
CN (1) CN117940738A (ko)
TW (1) TW202409516A (ko)
WO (1) WO2024042702A1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002350127A (ja) 2001-05-29 2002-12-04 Seiko Instruments Inc ディスプレイ顕微鏡画像を用いたパターン測定方法及び測定システム
JP2012068138A (ja) 2010-09-24 2012-04-05 Toppan Printing Co Ltd パターン画像測定方法及びパターン画像測定装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7004826B2 (ja) * 2019-08-07 2022-01-21 株式会社日立ハイテク 寸法計測装置、寸法計測方法及び半導体製造システム
JP7288870B2 (ja) * 2020-02-05 2023-06-08 株式会社日立製作所 画像を生成するシステム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002350127A (ja) 2001-05-29 2002-12-04 Seiko Instruments Inc ディスプレイ顕微鏡画像を用いたパターン測定方法及び測定システム
JP2012068138A (ja) 2010-09-24 2012-04-05 Toppan Printing Co Ltd パターン画像測定方法及びパターン画像測定装置

Also Published As

Publication number Publication date
CN117940738A (zh) 2024-04-26
WO2024042702A1 (ja) 2024-02-29
TW202409516A (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
US8526710B2 (en) Defect review method and apparatus
TW525071B (en) Design analysis workstation for analyzing integrated circuits
TWI771724B (zh) 尺寸計測裝置，尺寸計測方法及半導體裝置製造系統
US9040937B2 (en) Charged particle beam apparatus
TWI773063B (zh) 圖像產生系統及圖像產生方法
JP2007047930A (ja) 画像処理装置及び検査装置
US20100177954A1 (en) Logical cad navigation for device characteristics evaluation system
JPWO2020121564A1 (ja) 寸法計測装置、寸法計測プログラム及び半導体製造システム
CN113994377A (zh) 自动判别处理装置、自动判别处理方法、检查系统、程序、及记录介质
JP5673489B2 (ja) 点群データの処理装置、処理方法、処理プログラム及び記録媒体
JP7474336B2 (ja) コンピュータシステム、寸法計測方法、および記憶媒体
JP2003086689A (ja) 半導体の不良解析用ｃａｄツール及び半導体の不良解析方法
JP7512532B1 (ja) コンピュータシステム、寸法計測方法、および半導体装置製造システム
KR20240028968A (ko) 컴퓨터 시스템, 치수 계측 방법, 및 반도체 장치 제조 시스템
JP7093680B2 (ja) 構造物差分抽出装置、構造物差分抽出方法およびプログラム
WO2006059662A1 (ja) 表示デバイスの検査装置および検査方法
TWI844033B (zh) 電腦系統、尺寸計測方法、及記憶媒體
JP2004502242A (ja) 特徴整列のためのロック・ステップ・カーソル
CN114283441B (zh) 适用于铁路客站的二维图纸识别建模方法和装置
JP7152973B2 (ja) 検査条件作成支援装置、検査条件作成支援方法、検査条件作成支援プログラムおよび記録媒体
EP2764376B1 (en) A method to differentiate p-channel or n-channel devices based on different etching rates.
JP7152972B2 (ja) 検査条件作成支援装置、検査条件作成支援方法、検査条件作成支援プログラムおよび記録媒体
CN114443489A (zh) 一种测试Scene gizmo几何体的方法与装置