TW202331774A - 荷電粒子束檢查系統、荷電粒子束檢查方法 - Google Patents
荷電粒子束檢查系統、荷電粒子束檢查方法 Download PDFInfo
- Publication number
- TW202331774A TW202331774A TW112100307A TW112100307A TW202331774A TW 202331774 A TW202331774 A TW 202331774A TW 112100307 A TW112100307 A TW 112100307A TW 112100307 A TW112100307 A TW 112100307A TW 202331774 A TW202331774 A TW 202331774A
- Authority
- TW
- Taiwan
- Prior art keywords
- condition
- charged particle
- particle beam
- sample
- image
- Prior art date
Links
- 239000002245 particle Substances 0.000 title claims abstract description 55
- 238000007689 inspection Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims description 47
- 239000000463 material Substances 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 28
- 239000004065 semiconductor Substances 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 abstract description 17
- 238000010801 machine learning Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 19
- 230000035945 sensitivity Effects 0.000 description 11
- 238000012795 verification Methods 0.000 description 11
- 238000013461 design Methods 0.000 description 9
- 238000010894 electron beam technology Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000001878 scanning electron micrograph Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000011960 computer-aided design Methods 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000002801 charged material Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/04—Arrangements of electrodes and associated parts for generating or controlling the discharge, e.g. electron-optical arrangement or ion-optical arrangement
- H01J37/08—Ion sources; Ion guns
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/20—Means for supporting or positioning the object or the material; Means for adjusting diaphragms or lenses associated with the support
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/22—Optical, image processing or photographic arrangements associated with the tube
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/32—Gas-filled discharge tubes
- H01J37/32431—Constructional details of the reactor
- H01J37/32532—Electrodes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Software Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
Abstract
本發明提供一種可使用藉由模擬結果之機械學習求出之圖像預測模型導出最佳觀察條件之荷電粒子束檢查系統。本發明之特徵在於具備:荷電粒子束照射裝置,其取得試料之圖像;及觀察條件探索裝置,其探索上述荷電粒子束照射裝置之觀察條件,控制上述荷電粒子束照射裝置之圖像取得;且上述觀察條件探索裝置取得包含學習器之模組,該學習器係經實施學習,該學習使用之教學資料包含:複數個模擬圖像,其等藉由將包含複數個第1裝置條件及複數個第1試料條件之第1圖像產生條件輸入至模擬器而獲得;及上述第1圖像產生條件;藉由對圖像產生工具設定複數個第2裝置條件,取得自上述圖像產生工具輸出之複數個輸出圖像;將藉由對上述學習器輸入上述第1試料條件及上述第2裝置條件而獲得之圖像,與上述複數個輸出圖像進行對照;基於該對照結果,產生第2試料條件。
Description
本發明係關於一種荷電粒子束檢查系統及使用其之荷電粒子束檢查方法,尤其關於一種有效適用於難以特定最佳觀察條件之試料之檢查之技術。
於電子顯微鏡中,加速自電子槍產生之1次電子,使用利用複數個電場或磁場之聚光透鏡及物鏡,一邊將電子束縮細,一邊輸送至試料。藉由對試料照射電子束,產生2次電子及散射、反射之電子,藉由檢測該等,觀察對象試料。
於電子顯微鏡之一種之掃描型電子顯微鏡(Scanning Electron Microscope:SEM)中,藉由使用電場及磁場彎曲1次電子束之軌道,而將電子束於試料上一邊錯開照射之場所一邊進行照射。因根據試料之形狀或材料產生之電子之數量,即檢測之信號之強度不同,故與1次電子之照射座標配合,可由電腦構成以對比度表現形狀或材料、凹凸等之2維SEM圖像。
於SEM中控制之參數多,例如有加速電壓、電子束之電流、掃描方式或掃描速度、累積之訊框數等。將該等之組合稱為「觀察條件」或「裝置條件」。於不同之觀察條件下,可取得之SEM圖像之SN比(Signal Noise:信號與雜訊之比率)或對比度、視認性亦不同。
藉由於SEM中對試料照射1次電子且放出2次電子而建立圖像,因而於入射之電子與放出之電子之數量不一致之情形時,試料帶電。於帶電時,因於試料上產生電場,使1次電子或2次電子之軌道彎曲,故圖像之視認性變化。
SEM圖像可由模擬計算產生。作為模擬之一般步驟,首先輸入半導體圖案之形狀與材料,隨後計算自假定觀察條件之1次電子照射之場所產生之2次電子之數量,且產生圖像。於此種計算中,為了獲得再現實測之結果,必須使材料參數與實際之試料一致。又,關於帶電之材料,需要計算帶電之電場,考慮對1次電子及2次電子賦予之影響。
SEM可將可視光下不易觀察之100 nm以下之構造可視化,用途廣泛。其中,有半導體圖案之尺寸測定或缺陷檢查。又,根據觀察對象與目的,需要尋找最佳觀察條件。例如,於測定配線之寬度之情形時,需要配線(線)明亮且位於配線間之槽(空間)較暗之「高對比度」之圖像,尤其期望線與空間之邊界清楚易分,或可看到邊界之亮度高之「邊緣效果」。相反,於欲清楚地觀察空間中之構造物之情形時,期望空間之亮度高之圖像。
作為本技術領域之背景技術,例如有專利文獻1般之技術。於專利文獻1揭示有「一種系統,其根據設計資訊產生模擬圖像,該設計資訊具備:產生模型,其具有2個以上編碼器層與2個以上解碼器層」。
又,於專利文獻2揭示有「一種荷電粒子束裝置,其可實際不變更觀察條件,而參照變更觀察條件時可獲得之圖像」。
又,於專利文獻3揭示有「一種缺陷觀察裝置,其一邊維持高處理量,一邊滿足高檢測性能」。
[先前技術文獻]
[專利文獻]
專利文獻1:美國專利第9965901號說明書
專利文獻2:日本專利特開2019-204757號公報
專利文獻3:日本專利特開2010-87322號公報
[發明所欲解決之問題]
如上所述,於SEM中,藉由觀察條件(裝置條件)或試料之帶電可取得之SEM圖像大不相同。因此,於高精度之試料之觀察或測量時,需要於最佳觀察條件下之觀察、測量。
但,以往,最佳觀察條件多為使用者依賴於對SEM原理之理解或經驗、訣竅,一邊重複實測一邊探索。尤其於試料易帶電之情形時,觀察條件之探索有時花費時間,有時無法找到期望之條件。又,於半導體製品般被微細加工之試料之檢查時,為了探索最佳觀察條件,需要時間與訣竅。
因此,考慮由模擬或計算輔助該作業之方法。例如,於某觀察條件下由模擬計算產生SEM圖像,於無法達成期望之視認性之情形時進行反饋,修正觀察條件之參數,再次產生圖像。
考慮藉由重複該順序直至獲得接近目標之圖像而使觀察條件最佳化之方法,即藉由電腦自動實施人類進行之事。
然而,執行該種方法存在以下之課題。
(1)模擬計算,尤其考慮帶電之情形時,因長時間化,故與條件探索之效率化之動機相矛盾。
(2)如上所述,為了由模擬計算再現實測結果,需要使半導體材料之物性參數一致。
(3)根據檢查之目的,期望之圖像不同,因此難以一概以程式進行規則化、自動化。
於上述專利文獻1至專利文獻3之任一項,均未考慮實測結果由模擬計算再現時需要使材料之物性參數一致之課題。
因此,本發明之目的在於提供一種可使用藉由模擬結果之機械學習求出之圖像預測模型而導出最佳觀察條件之荷電粒子束檢查系統及使用其之荷電粒子束檢查方法。
[解決問題之技術手段]
為了解決上述課題,本發明之特徵在於具備:荷電粒子束照射裝置,其取得試料之圖像;與觀察條件探索裝置,其探索上述荷電粒子束照射裝置之觀察條件,控制上述荷電粒子束照射裝置之圖像取得;且上述觀察條件探索裝置取得包含學習器之模組,該學習器係經實施學習,該學習使用之教學資料包含:複數個模擬圖像,其等藉由將包含複數個第1裝置條件及複數個第1試料條件之第1圖像產生條件輸入至模擬器而獲得;及上述第1圖像產生條件;藉由對圖像產生工具設定複數個第2裝置條件,取得自上述圖像產生工具輸出之複數個輸出圖像;將藉由對上述學習器輸入上述第1試料條件及上述第2裝置條件而獲得之圖像,與上述複數個輸出圖像進行對照;基於該對照結果,產生第2試料條件。
又,本發明之特徵在於,其係一種導出對執行測量或檢查之圖像產生工具設定之裝置條件之荷電粒子束檢查方法,且具有以下步驟:(a)取得包含學習器之模組,該學習器係經實施學習,該學習使用之教學資料包含:複數個模擬圖像,其等藉由將包含複數個第1裝置條件及複數個第1試料條件之第1圖像產生條件輸入至模擬器而獲得;及上述第1圖像產生條件之教學資料;(b)藉由對上述圖像產生工具設定複數個第2裝置條件,取得自上述圖像產生工具輸出之複數個輸出圖像;(c)將藉由對上述學習器輸入上述第1試料條件及上述第2裝置條件而獲得之圖像,與上述複數個輸出圖像進行對照;及(d)基於上述(c)步驟之對照結果,產生第2試料條件。
[發明之效果]
根據本發明,可實現使用藉由模擬結果之機械學習求出之圖像預測模型導出最佳觀察條件之荷電粒子束檢查系統及使用其之荷電粒子束檢查方法。
藉此,可縮短半導體檢查時之觀察條件探索時間,且可提高檢查之處理量。又,可使觀察條件決定自動化,且可抑制使用者對經驗或訣竅之依存性。
上述以外之課題、構成及效果藉由以下實施形態之說明而明確。
以下,使用圖式說明本發明之實施例。另,於各圖式中,對同一構成附註同一符號,且對重複之部分省略其詳細說明。
首先,參照圖1至圖3,就成為本發明之對象之荷電粒子束檢查系統進行說明。
圖1顯示荷電粒子束檢查系統之概略構成。圖2顯示掃描型電子顯微鏡之概略構成。圖3顯示觀察條件探索裝置之概略構成。
成為本發明之對象之荷電粒子束檢查系統係如圖1所示,作為主要之構成,包含荷電粒子束照射裝置11、觀察條件探索裝置12、及輸入輸出裝置13者。
荷電粒子束照射裝置11取得觀察對象即試料之圖像,並向觀察條件探索裝置12發送。使用者使用輸入輸出裝置13,向觀察條件探索裝置12發送設為觀察條件探索之目標之圖像或指標值。
觀察條件探索裝置12向荷電粒子束照射裝置11發送觀察條件及控制參數,控制荷電粒子束照射裝置11之圖像取得。又,經由輸入輸出裝置13對使用者提示最佳觀察條件之探索結果及其根據(解釋)。
作為荷電粒子束照射裝置11之一例,於圖2顯示掃描型電子顯微鏡(SEM)之概略構成。
掃描型電子顯微鏡如圖2所示,一邊以1個以上之聚光透鏡23及物鏡25將自電子槍21產生之1次電子束28整形,一邊向試料27輸送。掃描電極24利用電磁場,使1次電子束28於試料27上掃描,且以檢測器26收集自試料27產生之2次電子29,藉此構成2維圖像。符號22為使自電子槍21產生之電子加速之陽極電極。
於圖3顯示觀察條件探索裝置12之概略構成。
觀察條件探索裝置12係如圖3所示,具備處理器31、記憶裝置32、輸入裝置33、輸出裝置34及通信裝置35之機器。於觀察條件探索裝置12之記憶裝置32,安裝有觀察條件探索程式41。
於以後之各實施例中,以觀察條件探索程式41之處理與使用方法為中心進行說明。
實施例1
參照圖4、圖12、圖13、圖15,就本發明之實施例1之觀察條件探索方法進行說明。圖4顯示觀察條件探索之基本流程。圖12顯示目標圖像輸入GUI(Graphical User Interface)之例。圖13顯示圖像產生模型之結果解釋GUI。圖15顯示觀察條件探索之過程及結果解釋之GUI。
如上所述,「觀察條件」意指荷電粒子束照射裝置11之加速電壓、束電流、掃描速度等。另,於圖像模擬中,為了與半導體材料之物性參數等之「試料條件」進行區分,於以下稱為「裝置條件」。
作為檢查裝置供應者之處理,首先,於步驟S101中,對圖像模擬器輸入多個(複數規格之)第1裝置條件、第1試料條件,產生複數個模擬圖像。
於步驟S102中,使學習器學習第1裝置條件及第1試料條件與模擬圖像之對作為教學資料,於步驟S103中,取得可自裝置條件、試料條件產生圖像之圖像預測模型。
於學習過程即步驟S102中,試料條件包含半導體圖案之形狀及材料資訊。考慮形狀資訊為CAD(Computer Aided Design:電腦輔助設計)資料、3D模型或2D之高度映射。材料資訊係配合形狀資訊,將各像素或微小體積之材料參數加工成可分別指定之形式後進行學習。因裝置條件對於全部像素或微小體積為共通,故可直接輸入至學習模型,亦可實施考慮各條件之物理意義之預處理。
本發明之使用者即半導體製造者,於實施半導體設計(步驟S104)、半導體製造(步驟S105)時,需要檢查。
於步驟S106中,以複數個第2裝置條件藉由實測取得SEM圖像。於該階段,因第2試料條件尚不明,故具有[第2裝置條件,試料條件不明,實測圖像]作為資訊。
於步驟S107中,使用於步驟S103取得之學習器,於假定試料條件之基礎上產生計算圖像,具有[第2裝置條件,假定之試料條件,計算圖像]作為資訊,將實測圖像及計算圖像進行對照。
於實測圖像與計算圖像之差異足夠小之情形時,認為可以「假定之試料條件」近似於不明之「第2試料條件」。於記憶裝置32預先登錄該「第2試料條件」,於必要之情形時經由輸出裝置34對使用者提示(步驟S108)。
其次,於步驟S109中,輸入使用者希望之圖像條件。希望之圖像條件係藉由使用圖12所示之GUI編輯計算圖像或實測圖像而建立。又,可直接輸入由其他裝置取得之圖像、過去取得之圖像等,或可輸入亮度或對比度等之指標值而非圖像。
於步驟S110中,使用於步驟S103取得之自「裝置條件、試料條件」可產生計算圖像之圖像預測模型,導出可達成於步驟S109輸入之目標之裝置條件。具體而言,試料條件固定於第2試料條件,一邊調整裝置條件一邊進行求出計算圖像與目標圖像之差異小之第3裝置條件之處理。
於步驟S111中,經由輸出裝置34對使用者提示第3裝置條件。
此處,第3裝置條件使用圖13所示之GUI解釋可達成接近於目標圖像之視認性之根據。具體而言,對裝置條件之各自由度,顯示圖像之評估指標之變化。所示方法包含1維曲線、2維直方圖或2維彩色映射、直接排列計算圖像等方法。
於步驟S111中,使用圖15所示之GUI解釋導出第3裝置條件之過程。
具體而言,包含於以裝置條件之各自由度進行伸展之空間顯示探索之路線之方法、或以2維映射顯示2個自由度之組合之方法。又,因裝置條件為3維以上,故可任意選擇感興趣之條件及評估指標。
如以上所說明,本發明之荷電粒子束檢查系統具備:荷電粒子束照射裝置11,其取得試料27之圖像;與觀察條件探索裝置12,其探索荷電粒子束照射裝置11之觀察條件,控制荷電粒子束照射裝置11之圖像取得;且觀察條件探索裝置12取得包含學習器之模組,該學習器係經實施學習,該學習使用之教學資料包含:複數個模擬圖像,其等藉由模擬器將包含複數個第1裝置條件及複數個第1試料條件之第1圖像產生條件輸入至模擬器而獲得;及第1圖像產生條件;藉由對圖像產生工具設定複數個第2裝置條件,取得自圖像產生工具輸出之複數個輸出圖像;將藉由對學習器輸入第1試料條件及第2裝置條件而獲得之圖像,與複數個輸出圖像進行對照;基於該對照結果,產生第2試料條件。
又,觀察條件探索裝置12基於輸入之期望之圖像條件與第2試料條件,導出圖像產生工具之第3裝置條件。
藉此,可使用藉由模擬結果之機械學習求出之圖像預測模型,特定最佳觀察條件。
其結果,例如可縮短半導體檢查時之觀察條件探索時間,且可提高檢查之處理量。又,可使觀察條件決定自動化,且可抑制使用者對經驗或訣竅之依存性。
實施例2
參照圖5,就本發明之實施例2之觀察條件探索方法進行說明。圖5顯示本實施例之觀察條件探索之流程。
另外,實施例2以後為基本於實施例1安裝有追加功能之例,僅說明與實施例1不同之部分。
於圖5中,步驟S101至S107、及步驟S109至S111為與實施例1(圖4)同樣之流程。
於本實施例中,於使用者即半導體製造者進行半導體設計(步驟S104)之後,由檢查裝置供應者共有試料之設計、材料條件、或檢查內容、目的等之情形時,可構築專屬目的之資料庫,提高學習器之精度。
具體而言,於步驟S121中,追加於步驟101感興趣之形狀或材料參數。
又,於本實施例中,於步驟S107中,藉由將計算圖像與實測圖像進行對照而導出第2試料條件後,追加對步驟S107之結果進行驗證之試料條件驗證步驟(步驟S123)。
此處,就實施試料條件驗證步驟(步驟S123)之理由進行說明。
於以複數個第2裝置條件取得實測圖像之步驟S106中,設想數次或十幾次之自動實測。實測次數需要考慮工作效率與對照精度之平衡。為了效率化,於減少實測次數之情形時,有發生偶然一致之狀況之虞,因此實施試料條件驗證步驟(步驟S123)。
具體而言,以不包含於複數個第2試料條件之裝置條件A取得實測圖像A,以步驟S103之圖像產生模型建立計算圖像,獲得[裝置條件A,第2試料條件,計算圖像A]之資訊。
於步驟S123中,於計算圖像A與實測圖像A相比,其差異小之情形時(PASS(合格)),認為第2試料條件偶然一致之風險低,可登錄至記憶裝置32(步驟S108)。
另一方面,以新裝置條件A進行評估時,計算圖像A與實測圖像A之差異大之情形時(FAIL(不合格)),進入步驟S124,判定驗證次數是否較特定驗證次數X多。
於步驟S124中,於判定為驗證次數為特定驗證次數X以下之情形時(False(錯誤)),進入步驟S125,追加至對照該條件之資料庫(步驟S125),返回至步驟S106,將裝置條件A追加至第2試料條件。
於步驟S124中,於判定為驗證次數較特定驗證次數X多之情形時(True(正確)),進入步驟S122,將該條件追加至學習資料庫(步驟S122),隨後返回至步驟S101。
特定驗證次數X可由使用者決定,於即使重複驗證,計算圖像與實測圖像之差異亦較大之情形時,於步驟S122中將該等條件追加至學習資料庫,提高該條件附近之模型之計算精度。
又,於本實施例中,於步驟S108中判明第2試料條件之情形時,亦可於半導體製造工序(步驟S105)反饋第2試料條件(步驟S126)。
實施例3
參照圖6,就本發明之實施例3之觀察條件探索方法進行說明。圖6顯示本實施例之觀察條件探索之流程。
於圖6中,步驟S127以外之步驟為與實施例2(圖5)同樣之流程。
於本實施例中,於半導體製造之步驟S105與以複數個第2裝置條件取得實測圖像之步驟S106之間,具有判定試料條件是否已知之步驟S127。
於使用者即半導體製造者預先把握試料條件之情形時(正確),考慮跳過步驟S107之試料條件匹配(對照),自步驟S108進入觀察條件之探索。
實施例4
參照圖7,就本發明之實施例4之觀察條件探索方法進行說明。圖7顯示本實施例之觀察條件探索之流程。
於本實施例中,設想試料條件(材料參數)或裝置條件(觀察條件)未縮小至1個之情形。
於步驟S107中,將計算圖像與實測圖像進行對照後,登錄複數個試料條件(材料參數1、材料參數2)208。
於步驟S109中,於輸入目標圖像之後,按各試料條件(材料參數)208,對使用者提案複數個觀察條件候補210。
實施例5
參照圖8,就本發明之實施例5之觀察條件探索方法進行說明。圖8顯示本實施例之觀察條件探索之流程。
於本實施例中,於步驟S111中,就提案第3裝置條件(最佳觀察條件)之後之處理進行說明。
於圖8中,步驟S107至S111、及步驟S123至S126為與實施例2(圖5)同樣之流程。
於本實施例中,於步驟S132中,以第3裝置條件(提案之最佳觀察條件)進行實測,於步驟S133中,對實測之圖像進行評估。
於實測圖像滿足目標之情形時(合格),於第3裝置條件自動產生檢查之方案(步驟S135),開始本(大量)測定(步驟S136)。
於未滿足目標之情形時(不合格),考慮2種狀況。1種係目標條件不充分之情形,例如於僅指定對比度之目標值之情形時,有提案對比度符合目標但SN比不足之裝置條件之虞。於該情形時,應追加條件(步驟S134之正確)。
另一方面,於儘管十分明確地指定目標條件,但第3裝置條件之實測圖像不滿足目標之情形,不追加目標條件(步驟S134之錯誤),返回至步驟S124。即,判斷重新進行步驟S107之對照,亦或追加資料進行再學習(步驟S101)。
實施例6
參照圖9,就本發明之實施例6之觀察條件探索方法進行說明。圖9顯示本實施例之觀察條件探索之流程。
於本實施例中,就再學習之流程進行說明。
於步驟S107、步驟S133重複探索之結果判明為未再現實測之情形時,需再學習(步驟S141)。
首先,於步驟S142中,評估亮度之絕對值。於一部分條件一致、但亦有不再現實測之條件之情形時(正確),無法正確評估帶電之影響之可能性較高。因此,需要通過模擬調整帶電參數(步驟S143),構築新資料庫(步驟S149)。
亮度之絕對值整體不一致(錯誤),但於裝置條件變化時之亮度變化一致、或差異於容許範圍內之情形時(步驟S144之正確),認為實測圖像之亮度、對比度設定之不同。於該情形時,修正現有資料。現有資料之修正方法包含設置亮度偏移、或對亮度或對比度進行線性修正之方法(步驟S145)。
於亮度之絕對值、亮度變化(相對變化)均不一致之情形時(步驟S144之錯誤),認為計算中假定之裝置條件與用於實測之裝置條件不一致。於該情形時,不進行再學習而是實施裝置條件,例如檢測器26之驗收之調整(步驟S146)。
於步驟S147中,即使調整特定次數(N次),亮度之絕對值、亮度變化(相對變化)亦未改善之情形時(錯誤),認為作為教學資料使用之模擬結果無法對應於試料27之形狀或材料。於該情形時,擴張模擬計算之試料條件(步驟S148),構築新資料庫(步驟S149)。
於資料庫再構築後,實施再學習(步驟S150)。
如上說明,本實施例之觀察條件探索裝置12於無法導出第2試料條件之情形、或於規定之時間或規定之處理次數以內無法導出之情形時,編輯教學資料或追加資料,再次實施學習。
實施例7
參照圖10,就本發明之實施例7之觀察條件探索方法進行說明。圖10顯示本實施例之觀察條件探索之流程。
如上所述,試料條件包含形狀資訊、材料物性資訊,於實施例1至實施例6中,設想任1者為未知之情形。實際上,得知材料物性之正確值較為因難,形狀資訊可自設計資料掌握,因而考慮多由實測圖像與計算圖像之對照而使材料物性一致。
但,亦考慮有形狀資訊與材料物性資訊兩者均未知之情形。例如,考慮半導體製造製程後,形狀是否按照設計尚不明之情形或進行設計、製造、檢查之使用者各不相同,手頭無正確設計資訊等狀況。本實施例係與該等對應。
首先,於未達成試料實測、視認性等目標之情形時(步驟S301),進入步驟S302,以裝置條件候補A進行實測。可認為其與步驟S106相同。
於步驟S303中,判定有無可達成目標之圖像,若無可達成目標之圖像(錯誤),則產生複數個形狀候補、材料物性候補之組合即試料條件候補B(步驟S304),就裝置條件候補A與試料條件候補B之全部組合,以步驟S103之圖像計算模型產生圖像(步驟S305)。
於步驟S306中,將實測圖像與計算圖像進行比較,算出實測之再現性高之具有1個以上形狀與材料物性之組合之試料條件候補C。集合之尺寸為C<B。
於試料條件候補C有複數個形狀、材料之組合之情形時,認為於步驟S306,無法以裝置條件候補A區分其等。此處,算出容易區分試料條件候補C之裝置條件候補D(步驟S307)。
於步驟S308中,判定是否中止探索。於繼續探索之情形時(錯誤),進入步驟S309,再次登錄A=D、B=C、裝置條件及試料條件,返回至步驟S302。若為中止探索之情形(正確),則進行至步驟S310。
重複上述流程,直至使用者指定之次數、或試料條件候補之件數縮小至特定數量為止(步驟S308),於結束探索之情形時,經由輸出裝置34對使用者提示探索之方向及試料條件候補(步驟S310)。
實施例8
參照圖11及圖14,就本發明之實施例8之觀察條件探索方法進行說明。圖11顯示本實施例之觀察條件探索之流程。圖14顯示自圖像或2D/3D模型選擇試料之一部分之GUI之例。
於本實施例中,就探索特定構造之感度大、或小之條件之流程進行說明。
此處,「有感度」意指於試料條件變化時,圖像之視認性隨之變化。
例如,理想之線為垂直,相對於此,製造之線之側面與晶圓面(於電子束之方向設為Z方向之情形時之XY平面)之角度並非90度,而為88度之情形時,可藉由圖像之測長值或信號之分佈而發現。
若將感度數值化,則可探索成為最大或最小之條件。例如,雖包含自平均之偏差、複數個條件之方差、對信號分佈進行微分之情形時之值或形,但並不限定於此。若為強調「變化」之定義,則可評估感度。
圖11係使用「自平均之偏差」評估感度之例。利用圖14之GUI,輸入感興趣之特定構造(步驟S401)。
於步驟S402中,輸入或基於製品規格自動產生裝置條件候補之集合P{p
1,p
2,p
3,…,p
M}。
使步驟S401輸入之「特定構造」變化,自動產生試料條件候補Q{q
1,q
2,q
3,…q
N}(步驟S403)。
於步驟S404中,對P與Q之所有組合,以步驟S103取得之機器學習模型算出圖像,將「特定構造」之部分切取,設為I(p
i,q
j)。I係切取圖像之一部分者,為儲存亮度值之2維排列。
其次,於步驟S405中,對各裝置條件p
i,由以下之式(1)算出將試料條件q
j平均化後之圖像I
ave(p
i)。
[數1]
又,對各裝置條件p
i,求出自平均圖像之偏差之絕對值。
此處,為了消除「偏移之絶対値」對於步驟S401切取之區域之尺寸之依存性,取得像素平均,將該值設為ε
i。ε
i之計算式為以下之式(2)(步驟S406~步驟S410)。
[數2]
若於所有裝置條件候補p
i計算ε
i,則可求出感度矩陣E{ε
1,ε
2,ε
3,…ε}(步驟S411)。
其中,於最大值、最小值分別為ε
r,ε
s之情形時,裝置條件p
r成為感度最大條件,p
s成為感度最小條件。又,除該2個條件外,感度矩陣具有感度變化相關之資訊,因此於複雜之觀察條件探索例如尋找兼顧成為2種折衷關係之指標之條件之情形等時,為重要之參考資訊。
最後,經由輸出裝置34對使用者提示感度最大、最小條件及探索方向等之結果(步驟S412)。
另,亦可將上述說明之實施例1至實施例8之觀察條件探索方法,作為雲服務提供。例如,亦可將荷電粒子束照射裝置11與觀察條件探索裝置12配置於相互分開之位置,經由網路向荷電粒子束照射裝置11發送觀察條件探索裝置12探索之觀察條件。
於該情形時,使用者即半導體製造者無需進行計算機資源之所有或管理。又,具有可容易地進行程式與資料庫之維護、再學習之實施等優點。
又,本發明並非限定於上述實施例者,包含各種變化例。例如,上述之實施例係為便於理解地說明本發明而詳細說明者,並非限定於必須具備說明之全部之構成者。又,可將某實施例之構成之一部分置換為其他實施例之構成,又,可對某實施例之構成添加其他實施例之構成。又,對於各實施例之構成之一部分,可進行其他構成之追加、刪除、置換。
11:荷電粒子束照射裝置
12:觀察條件探索裝置
13:輸入輸出裝置
21:電子槍
22:陽極電極
23:聚光透鏡
24:掃描電極
25:物鏡
26:檢測器
27:試料
28:1次電子束
29:2次電子
31:處理器
32:記憶裝置
33:輸入裝置
34:輸出裝置
35:通信裝置
41:觀察條件探索程式
208:試料條件(材料參數)
210:觀察條件候補
S101~S111:步驟
S121~S127:步驟
S132~S136:步驟
S141~S150:步驟
S301~S310:步驟
S401~S412:步驟
圖1係顯示本發明之實施例之荷電粒子束檢查系統之概略構成之圖。
圖2係顯示本發明之實施例之掃描型電子顯微鏡之概略構成之圖。
圖3係顯示本發明之實施例之觀察條件探索裝置之概略構成之圖。
圖4係顯示本發明之實施例1之觀察條件探索方法之流程圖。
圖5係顯示本發明之實施例2之觀察條件探索方法之流程圖。
圖6係顯示本發明之實施例3之觀察條件探索方法之流程圖。
圖7係顯示本發明之實施例4之觀察條件探索方法之流程圖。
圖8係顯示本發明之實施例5之觀察條件探索方法之流程圖。
圖9係顯示本發明之實施例6之觀察條件探索方法之流程圖。
圖10係顯示本發明之實施例7之觀察條件探索方法之流程圖。
圖11係顯示本發明之實施例8之觀察條件探索方法之流程圖。
圖12係顯示本發明之實施例之目標圖像輸入GUI(Graphical User Interface:圖形使用者介面)之圖。
圖13係顯示本發明之實施例之圖像產生模型之結果解釋GUI之圖。
圖14係顯示本發明之實施例之試料之一部分自圖像或2D/3D模型選擇之GUI之圖。
圖15係顯示本發明之實施例之觀察條件探索之過程及結果解釋之GUI之圖。
S101~S111:步驟
Claims (14)
- 一種荷電粒子束檢查系統,其特徵在於包含: 荷電粒子束照射裝置,其取得試料之圖像;及 觀察條件探索裝置,其探索上述荷電粒子束照射裝置之觀察條件,控制上述荷電粒子束照射裝置之圖像取得;且 上述觀察條件探索裝置取得包含學習器之模組,該學習器係經實施學習,該學習使用之教學資料包含:複數個模擬圖像,其等係藉由將包含複數個第1裝置條件及複數個第1試料條件之第1圖像產生條件輸入至模擬器而獲得;及上述第1圖像產生條件; 藉由對圖像產生工具設定複數個第2裝置條件,取得自上述圖像產生工具輸出之複數個輸出圖像; 將藉由對上述學習器輸入上述第1試料條件及上述第2裝置條件而獲得之圖像,與上述複數個輸出圖像進行對照; 基於該對照結果,產生第2試料條件。
- 如請求項1之荷電粒子束檢查系統,其中 上述觀察條件探索裝置基於輸入之期望之圖像條件、及上述第2試料條件,導出上述圖像產生工具之第3裝置條件。
- 如請求項2之荷電粒子束檢查系統,其中 相對於裝置條件之各自由度將圖像條件之變化,使用曲線、2維直方圖或2維彩色映射解釋導出上述第3裝置條件之根據。
- 如請求項1之荷電粒子束檢查系統,其中 上述觀察條件探索裝置係基於上述第2試料條件,對半導體製造工序進行反饋。
- 如請求項1之荷電粒子束檢查系統,其中 上述觀察條件探索裝置係於無法導出上述第2試料條件之情形、或於規定之時間或規定之處理次數以內無法導出之情形時,編輯上述教學資料或追加資料,再次實施上述學習。
- 如請求項1之荷電粒子束檢查系統,其中 上述觀察條件探索裝置求出對上述試料即半導體圖案之一部分之構造具有感度之裝置條件。
- 如請求項1之荷電粒子束檢查系統,其中 上述荷電粒子束照射裝置與上述觀察條件探索裝置係配置於相互分開之位置; 上述觀察條件探索裝置將探索之觀察條件,經由網路向上述荷電粒子束照射裝置發送。
- 一種荷電粒子束檢查方法,其特徵在於其係導出對執行測量或檢查之圖像產生工具設定之裝置條件者;且包含以下步驟: (a)取得包含學習器之模組,該學習器係經實施學習,該學習使用之教學資料包含:複數個模擬圖像,其等係藉由將包含複數個第1裝置條件及複數個第1試料條件之第1圖像產生條件輸入至模擬器而獲得;及上述第1圖像產生條件; (b)藉由對上述圖像產生工具設定複數個第2裝置條件,取得自上述圖像產生工具輸出之複數個輸出圖像; (c)將藉由對上述學習器輸入上述第1試料條件及上述第2裝置條件而獲得之圖像,與上述複數個輸出圖像進行對照;及 (d)基於上述(c)步驟之對照結果,產生第2試料條件。
- 如請求項8之荷電粒子束檢查方法,其具有以下步驟: (e)基於輸入之期望之圖像條件、及上述第2試料條件,導出上述圖像產生工具之第3裝置條件。
- 如請求項9之荷電粒子束檢查方法,其中 相對於裝置條件之各自由度將圖像條件之變化,使用曲線、2維直方圖或2維彩色映射解釋上述(e)步驟中導出上述第3裝置條件之根據。
- 如請求項8之荷電粒子束檢查方法,其中 基於上述(d)步驟產生之上述第2試料條件,對半導體製造工序進行反饋。
- 如請求項8之荷電粒子束檢查方法,其中 於無法導出上述第2試料條件之情形、或於規定之時間或規定之處理次數以內無法導出之情形時,編輯上述教學資料或追加資料,再次實施上述學習。
- 如請求項8之荷電粒子束檢查方法,其中 求出對測量或檢查之對象即半導體圖案之一部分之構造具有感度之裝置條件。
- 如請求項8之荷電粒子束檢查方法,其中 取得試料之圖像之荷電粒子束照射裝置、與探索上述荷電粒子束照射裝置之觀察條件之觀察條件探索裝置係配置於相互分開之位置; 上述觀察條件探索裝置將探索之觀察條件經由網路,向上述荷電粒子束照射裝置發送。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/003148 WO2023144970A1 (ja) | 2022-01-27 | 2022-01-27 | 荷電粒子線検査システム、荷電粒子線検査方法 |
WOPCT/JP2022/003148 | 2022-01-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202331774A true TW202331774A (zh) | 2023-08-01 |
Family
ID=87470898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112100307A TW202331774A (zh) | 2022-01-27 | 2023-01-05 | 荷電粒子束檢查系統、荷電粒子束檢查方法 |
Country Status (4)
Country | Link |
---|---|
KR (1) | KR20240108536A (zh) |
CN (1) | CN118476004A (zh) |
TW (1) | TW202331774A (zh) |
WO (1) | WO2023144970A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003346695A (ja) * | 2002-05-29 | 2003-12-05 | Hitachi High-Technologies Corp | 電子線式パターン検査装置及び、電子線を用いた検査方法 |
JP5292043B2 (ja) | 2008-10-01 | 2013-09-18 | 株式会社日立ハイテクノロジーズ | 欠陥観察装置及び欠陥観察方法 |
US9965901B2 (en) | 2015-11-19 | 2018-05-08 | KLA—Tencor Corp. | Generating simulated images from design information |
JP6962863B2 (ja) | 2018-05-25 | 2021-11-05 | 日本電子株式会社 | 荷電粒子線装置 |
JP7271358B2 (ja) * | 2019-07-25 | 2023-05-11 | 株式会社日立ハイテク | 電気特性を導出するシステム及び非一時的コンピューター可読媒体 |
-
2022
- 2022-01-27 WO PCT/JP2022/003148 patent/WO2023144970A1/ja active Application Filing
- 2022-01-27 CN CN202280087220.5A patent/CN118476004A/zh active Pending
- 2022-01-27 KR KR1020247021137A patent/KR20240108536A/ko unknown
-
2023
- 2023-01-05 TW TW112100307A patent/TW202331774A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023144970A1 (ja) | 2023-08-03 |
CN118476004A (zh) | 2024-08-09 |
KR20240108536A (ko) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI751376B (zh) | 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷 | |
JP6807844B2 (ja) | ビルトインターゲットを用いた検査対デザイン位置揃え | |
CN108291878A (zh) | 单一图像检测 | |
TW201935590A (zh) | 半導體樣品的基於深度學習的檢查的方法及其系統 | |
CN113763312B (zh) | 使用弱标记检测半导体试样中的缺陷 | |
KR102652164B1 (ko) | 멀티 이미징 모드 이미지 정렬 | |
JP2022027473A (ja) | 半導体試料の検査に使用可能な訓練データの生成 | |
US10922808B2 (en) | File selection for test image to design alignment | |
TWI844777B (zh) | 針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定 | |
TW202139133A (zh) | 半導體樣本的檢查 | |
TWI722599B (zh) | 圖像評價裝置及方法 | |
KR20130133685A (ko) | 제조 툴에 대한 레시피를 생성하는 방법 및 그 시스템 | |
Fleßner et al. | Assessment of the single point uncertainty of dimensional CT measurements | |
CN116843615B (zh) | 一种基于柔性光路的引线框架智能全检方法 | |
TW202331774A (zh) | 荷電粒子束檢查系統、荷電粒子束檢查方法 | |
IL257205A (en) | Self-directed metrology and example classification | |
JP7120528B2 (ja) | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 | |
CN118150598B (zh) | 一种汽车零部件壳体的毛刺清除质量检测方法及系统 | |
KR20240131260A (ko) | 기계 학습을 사용한 오버레이 타겟의 최적의 결정 | |
CN118583842A (zh) | 一种金属构件缺陷尺寸检测方法 | |
JP2021068745A (ja) | 欠陥分類装置、欠陥分類プログラム |