WO2023046697A1 - Procede de caracterisation d'un reseau a analyser comportant des motifs périodiques - Google Patents

Procede de caracterisation d'un reseau a analyser comportant des motifs périodiques Download PDF

Info

Publication number
WO2023046697A1
WO2023046697A1 PCT/EP2022/076129 EP2022076129W WO2023046697A1 WO 2023046697 A1 WO2023046697 A1 WO 2023046697A1 EP 2022076129 W EP2022076129 W EP 2022076129W WO 2023046697 A1 WO2023046697 A1 WO 2023046697A1
Authority
WO
WIPO (PCT)
Prior art keywords
series
pattern
patterns
correlation coefficient
analyzed
Prior art date
Application number
PCT/EP2022/076129
Other languages
English (en)
Inventor
Lucas JALOUSTRE
Original Assignee
Commissariat A L'energie Atomique Et Aux Energies Alternatives
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 Commissariat A L'energie Atomique Et Aux Energies Alternatives filed Critical Commissariat A L'energie Atomique Et Aux Energies Alternatives
Publication of WO2023046697A1 publication Critical patent/WO2023046697A1/fr

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Definitions

  • the invention relates to the technical field of the characterization (dimensional analysis) of a network of periodic patterns by image processing.
  • the invention finds its application in particular when the periodic patterns are nanostructures, such as nanowires formed by epitaxy.
  • the defects of nanostructures can be linked to their epitaxial growth on a substrate (e.g. a wafer or "wafer” in English), or to other technological steps which are applied to them, and which lead in particular to size inhomogeneities for the nanowires.
  • a substrate e.g. a wafer or "wafer” in English
  • the person skilled in the art seeks to identify the nanostructures presenting morphological defects (size, geometry), and to have a quantitative feedback on the quality of the epitaxies in order to determine if the nanowires of the substrate are of sufficient quality to undergo technological steps. additions of an industrial process in production mode.
  • Such a state-of-the-art method whose approach is based on a threshold, is not entirely satisfactory for detecting defects on nanostructures.
  • the nanostructures present a dispersion in particular in size, shape, contrast, luminosity, which makes extremely complex the precise determination of a threshold allowing a reliable detection of defects.
  • such a process of the state of the art is likely to wrongly consider that nanostructures do not contain defects, or to wrongly consider that nanostructures contain defects.
  • the subject of the invention is a method for characterizing a grating to be analyzed comprising periodic patterns, the method comprising the steps: a) provide a digital image of a reference grating, showing a reference series of periodic patterns; b) defining a reference pattern from the patterns of the reference series; c) providing first and second digital images of the grating to be analyzed, taken from a scanning electron microscope, showing respectively first and second series of periodic patterns, the first and second digital images being respectively obtained from backscattered electrons and from secondary electrons; d) calculating a correlation coefficient between each pattern of the first and second series and the reference pattern; e) extracting a characteristic dimension for each pattern of the first and second series whose correlation coefficient, in absolute value, is greater than a predetermined threshold.
  • peripheral patterns are meant patterns spaced according to a regular interval of distance (spatial period). In a perfect lattice, the periodic patterns reproduce identically. In practice, the expression “identical” means within the usual tolerances linked to the experimental conditions of manufacture, and not in the literal sense of the term.
  • plan means to use.
  • reference grating is meant a grating whose periodic patterns have previously known geometric characteristics (e.g. by measurements), and satisfying given industrial specifications.
  • reference pattern is meant a pattern having previously known geometric characteristics (e.g. by measurements) and which satisfy given industrial specifications.
  • backscattered electrons we mean the electrons from the incident beam of the scanning electron microscope which have collided (elastic or quasi-elastic shock) with the atoms of the lattice to be analyzed.
  • secondary electrons we mean the electrons emitted by the atoms of the lattice to be analyzed (ionization process), following the inelastic interaction with the incident beam.
  • characteristic dimension we mean a specific dimension (spatial extent) allowing a distinction between the patterns of the first series (and between the patterns of the second series) of which each correlation coefficient, in absolute value, is greater than the threshold predetermined.
  • the second digital image benefits from a high contrast during a variation of the surface topography within the lattice, this contrast being linked to the properties of the secondary electrons (low kinetic energy, emitted from the outer atomic layers). Characteristic dimensions, exploiting this high contrast, can therefore be extracted precisely for the motifs of the second series.
  • Such a method according to the invention therefore makes it possible to greatly limit detection errors wrongly establishing that nanostructures do not contain defects linked to size inhomogeneities.
  • This double dimensional analysis makes it possible to specify the nature of the defects detected, and to facilitate the determination of the origin of these defects, by distinguishing for example the influence of epitaxy and the influence of other technological steps in the case of a network of epitaxial nanowires, in order to improve the homogeneity and the reproducibility of the periodic patterns.
  • the invention also relates to a method for characterizing a set of gratings to be analyzed each comprising periodic patterns, the method comprising the steps: a) providing a digital image of a reference grating, showing a reference series of periodic patterns; b) defining a reference pattern from the patterns of the reference series; (c) provide:
  • Such a method according to the invention has the same advantages as those mentioned above.
  • An additional advantage is to be able to iterate the double dimensional analysis for each network of the set before engaging additional technological steps of an industrial process in production mode.
  • the method according to the invention may comprise one or more of the following characteristics.
  • step e) comprises the steps: ei) performing a cutting line for each pattern of the first and second series whose correlation coefficient, in absolute value, is greater than the predetermined threshold; ez) extract the feature dimension from the section line.
  • an advantage obtained is to be able to easily measure the characteristic dimension from an image processing operation.
  • the network to be analyzed comprises nanowires, forming periodic patterns, and each having:
  • transverse we mean a section that cuts perpendicularly to the longitudinal axis of the nanowires.
  • the longitudinal axis is the axis extending along the height of the nanowires.
  • step e) consists in extracting:
  • first and second characteristic dimensions for each pattern of the first series whose correlation coefficient, in absolute value, is greater than the predetermined threshold
  • - first and second characteristic dimensions for each pattern of the second series whose correlation coefficient, in absolute value, is greater than the predetermined threshold
  • the first characteristic dimensions extracted for each pattern of the first and second series are representative of the height
  • the second characteristic dimensions extracted for each pattern of the first and second series are representative of the diameter.
  • an advantage obtained is to combine the contrasts of the first and second digital images to precisely measure the height from the first characteristic dimensions extracted for each pattern of the first and second series.
  • an advantage obtained is to combine the contrasts of the first and second digital images to precisely measure the diameter from the second characteristic dimensions extracted for each pattern of the first and second series.
  • step c) comprises a step ci) consisting in acquiring the first and second digital images so as to:
  • step c) comprises a step ci) consisting in acquiring the first and second digital images so that the first and second acquired digital images:
  • an advantage obtained is to improve the reliability of the extraction of the characteristic dimensions.
  • step ci) comprises a step consisting in providing a support comprising a flat surface intended to receive the grating to be analyzed, the flat surface being defined by first and second directions; the support being movable in rotation around a vertical axis and around the first and second directions.
  • the flat surface extends in a plane defined by first and second perpendicular directions.
  • vertical axis is meant an axis of rotation extending in a direction parallel to the direction of gravity given in particular by the plumb line.
  • the vertical axis of rotation is defined in absolute terms, it is not a direction perpendicular to the first and second directions, except when the support is horizontal.
  • the scanning electron microscope has an optical axis. The support is rotatable around the vertical axis of rotation coinciding with the optical axis of the scanning electron microscope.
  • an advantage obtained is to be able to control the position of the patterns of the grating to be analyzed with respect to the position of the means of acquisition of the first and second digital images, so that the first and second digital images can:
  • step e) comprises the steps: e′i) performing:
  • step e) includes the steps: e'i) perform:
  • the first cutting line is made along a vertical axis of the first and second digital images.
  • the vertical axis of the first and second digital images depends in particular on the inclination of the support with the vertical axis of rotation of the support.
  • the optical axis of the scanning electron microscope coincides with the vertical axis of rotation of the support.
  • an advantage obtained is to combine the contrasts of the first and second digital images to precisely measure their height from the first cutting lines.
  • an advantage obtained is to combine the contrasts of the first and second digital images to precisely measure their diameter from the second cutting lines.
  • step b) consists in selecting a pattern from among the patterns of the reference series, the selected pattern defining the reference pattern.
  • an advantage obtained is to authorize a manual selection of the reference pattern.
  • step b) comprises the steps: bi) selecting an initial pattern from among the patterns of the reference series; b 2 ) calculating a correlation coefficient between each pattern of the reference series and the initial pattern; b 3 ) identifying the patterns of the reference series whose correlation coefficients, in absolute value, are greater than a predetermined threshold; b ⁇ define the reference pattern from a combination of the patterns of the reference series identified during step b 3 ).
  • an advantage obtained is to improve the reliability and the representativeness of the reference pattern.
  • the reference pattern is defined during step b) by performing an average of the patterns of the reference series.
  • the digital image of the reference network provided during step a) and the first and second digital images of the network to be analyzed provided during step c) each comprise a set of pixels, each pixel having an intensity; the correlation coefficient is calculated during step d) between the intensity of the pixels of each pattern of the first and second series and the intensity of the pixels of the reference pattern.
  • the correlation coefficient is calculated during step d) according to the Bravais-Pearson formula.
  • step d is followed by a step d') consisting in counting a total number of patterns of the first and second series whose correlation coefficient, in absolute value, is greater than the predetermined threshold;
  • step e) is executed if the total number of patterns is greater than a predetermined value.
  • step d is followed by a step d') consisting in counting a total number of patterns of the first and second series whose correlation coefficient, in absolute value, is greater than the predetermined threshold; step d') being executed before step e);
  • step e) is executed if the total number of patterns is greater than a predetermined value.
  • an advantage obtained is to guarantee a minimum number of patterns to be analyzed during step e) to obtain a reliable and representative dimensional analysis from a statistical point of view.
  • the method comprises a step f) consisting in generating a histogram of the characteristic dimensions extracted during step e).
  • Figure 1 is a flowchart schematically representing a method according to the invention.
  • Figure 2 is a flowchart schematically representing a method according to the invention, illustrating in particular an iteration of steps d) and e) in the case of a set of networks to be analyzed.
  • FIG. 3 is a flowchart schematically representing a method according to the invention, illustrating in particular steps ei) and e 2 ).
  • Figure 4 is a flowchart schematically representing a method according to the invention, illustrating in particular step ci).
  • Figure 5 is a flowchart schematically representing a method according to the invention, illustrating in particular steps e′i) and e′ 2 ).
  • Figure 6 is a flowchart schematically representing a method according to the invention, illustrating in particular steps bi) to b ⁇ .
  • Figure 7 is a flowchart schematically representing a method according to the invention, illustrating in particular the step of).
  • Figure 8 is a flowchart schematically representing a method according to the invention, illustrating in particular step f).
  • Figure 9 is a schematic top view illustrating (on the left) partially patterns of a grating to be analyzed, and illustrating (on the right) the position of a support intended to receive the grating to be analyzed.
  • Figure 10 is a schematic perspective view illustrating (on the left) partially patterns of a grating to be analyzed, and illustrating (on the right) the position of a support intended to receive the grating to be analyzed, the support having undergone a rotation around of a horizontal axis with respect to figure 9.
  • Figure 11 is a schematic perspective view illustrating (on the left) partially patterns of a grating to be analyzed, and illustrating (on the right) the position of a support intended to receive the grating to be analyzed, the support having undergone a rotation around of a vertical axis with respect to figure 10.
  • Figure 12 is a schematic perspective view illustrating (on the left) a nanowire present on an image obtained from backscattered electrons, and illustrating (on the right) a vertical section line.
  • Figure 13 is a schematic perspective view illustrating (on the left) a nanowire present on an image obtained from secondary electrons, and illustrating (on the right) a vertical section line.
  • FIG. 14 is a schematic perspective view illustrating (on the left) a nanowire, having a so-called necklace morphology, present on an image obtained from backscattered electrons, and illustrating (on the right) a vertical section line.
  • Figure 15 is a schematic perspective view illustrating (on the left) a nanowire with a so-called necklace morphology, present on an image obtained from secondary electrons, and illustrating (on the right) a vertical section line.
  • an object of the invention is a method for characterizing a grating to be analyzed 1 comprising periodic patterns 10, the method comprising the steps: a) providing a digital image of a reference grating, showing a reference series of periodic patterns; b) defining a reference pattern from the patterns of the reference series; c) providing first and second digital images of the grating 1 to be analyzed, taken from a scanning electron microscope, showing respectively first and second series of periodic patterns, the first and second digital images being respectively obtained from electrons backscattered and from secondary electrons; d) calculating a correlation coefficient between each pattern 10 of the first and second series and the reference pattern; e) extracting a characteristic dimension for each pattern 10 of the first and second series whose correlation coefficient, in absolute value, is greater than a predetermined threshold.
  • the digital image of the reference grating, provided during step a) comprises a set of pixels, each pixel possessing an intensity.
  • the digital image of the reference network, provided during step a) can have a TIFF format (“Tag image File Format” in English).
  • the digital image of the reference network may be in grayscale.
  • Step b) may consist of selecting a pattern from among the patterns of the reference series, the selected pattern defining the reference pattern.
  • the reference pattern can be selected by a user via a graphical interface GUI (“Graphical User Interface” in English) having a selection window, for example square.
  • the selection window can have a reframing function (“crop” in English).
  • step b) can include the steps: bi) selecting an initial pattern from among the patterns of the reference series; b 2 ) calculating a correlation coefficient between each pattern of the reference series and the initial pattern; b 3 ) identifying the patterns of the reference series whose correlation coefficients, in absolute value, are greater than a predetermined threshold; b ⁇ define the reference pattern from a combination of the patterns of the reference series identified during step b 3 ).
  • Step bi) is implemented by the user but steps b 2 ) to b ⁇ are advantageously implemented by a computer.
  • the initial pattern selected during step bi) by the user must be representative of a reference pattern.
  • the patterns of the reference series, identified during step b 3 ), can represent between 0.5% and 1% of the total number of patterns of the reference series.
  • the reference pattern is defined during step b) by performing an average of the patterns of the reference series.
  • Step b) can then consist in defining the reference pattern from an average of the intensities of the pixels of the reference series of periodic patterns of the digital images of reference networks.
  • the first and second digital images of the network to be analyzed 1, provided during step c), can have a TIFF format (“Tag image File Format” in English).
  • the first and second digital images of the network to be analyzed 1 can be in gray levels.
  • the network 1 to be analyzed can comprise nanowires, forming periodic patterns, and each having:
  • step c) advantageously comprises a step ci) consisting in acquiring the first and second digital images so as to:
  • Step ci) is advantageously implemented by a computer.
  • step ci) advantageously comprises a step consisting in providing a support 2 comprising a flat surface intended to receive the network 1 to be analyzed, the flat surface being defined by first and second directions; the support 2 being rotatable around a vertical axis and around the first and second directions.
  • Step d) is advantageously implemented by a computer.
  • the correlation coefficient is advantageously calculated during step d) between the intensity of the pixels of each pattern 10 of the first and second series and the intensity of the pixels of the reference pattern.
  • the correlation coefficient is advantageously calculated during step d) according to the Bravais-Pearson formula, known to those skilled in the art.
  • the correlation between the reference pattern and each point of the digital image of the network to be analyzed 1 is carried out by an image correlation function.
  • This image correlation function will compare the reference pattern, T(x t , y t ), where (x t , y t ) represents the coordinates of each pixel of the reference pattern to the image of the network to be analyzed 1 , S(x, y), where (x, y) represents the coordinates of each pixel of the image of the network to be analyzed 1.
  • the image correlation function consists in calculating the sum of the products of the coefficients of S(x , y) and T(x t , y t ) for all the positions of the reference pattern with respect to the image of the grating to be analyzed 1. It is then possible to renormalize the sum of the products of the coefficients of S(x, y ) and T(x t , y t ) to obtain a result between -1 and 1. "-1" indicates an anti-correlation, "0" an absence of correlation and "1" a perfect correlation.
  • This correlation coefficient corresponds to a linear Bravais-Pearson correlation coefficient, denoted r, between two real random variables X and Y.
  • the linear Bravais-Pearson correlation coefficient is generally described by the following relationship: Or :
  • - X and Y correspond respectively to the matrix of the intensities of the pixels of the image of the grating to be analyzed 1 (first or second digital image), and to the matrix of the intensities of the pixels of the reference pattern.
  • step d) is advantageously followed by a step d') consisting in counting a total number of patterns 10 of the first and second series whose correlation coefficient, in absolute value, is greater than the threshold predetermined.
  • Step d') is advantageously implemented by a computer.
  • Step e) is executed if the total number of patterns 10 is greater than a predetermined value.
  • the conditional branch (symbolized by a diamond) of FIG. 7 tests whether the total number of patterns 10 is greater than said predetermined value.
  • Step e) is advantageously implemented by a computer.
  • the threshold may be between 0.6 and 0.7.
  • step e) advantageously comprises the steps: ei) performing a section line for each pattern 10 of the first and second series whose correlation coefficient, in absolute value, is greater than the predetermined threshold; e 2 ) extract the characteristic dimension from the cutting line.
  • step e) consists in extracting:
  • first characteristic dimensions extracted for each pattern 10 of the first and second series are representative of the height
  • second characteristic dimensions extracted for each pattern 10 of the first and second series are representative of the diameter
  • step e) comprises the steps: e′i) performing:
  • the first cut line made during step e'i) for each pattern 10 of the first series makes it possible to clearly identify the beginning and the end of the pattern 10 (points A and C), when the pattern 10 is a nanowire.
  • the first cutting line made during step e′i) for each pattern 10 of the second series makes it possible to clearly identify the top of the pattern 10 (point B), when the pattern 10 is a nanowire.
  • the height of the nanowire corresponds to the distance between points B and C.
  • the first cutting line performed during step e′i) for each pattern 10 of the first series makes it possible to clearly identify the interface between the nanowire and the collar (point C), when pattern 10 is a nanowire having a so-called necklace morphology, as well as the beginning and the end of the nanowire (points C and A).
  • the first cut line made during step e'i) for each pattern 10 of the second series makes it possible to clearly identify the top of the pattern 10 (point B) and the start of the collar ( point D), when the pattern 10 is a nanowire having a so-called necklace morphology.
  • the height of the nanowire corresponds to the distance between points B and C.
  • the height of the collar corresponds to the distance between points C and D.
  • the measurement of the height of the nanowire (or of the collar) takes into account the angle of rotation of the support 2 around the first and second directions.
  • the characteristic dimensions extracted during step e) are first determined in pixels, then are converted into plain using the size of the pixels. Step f)
  • the method advantageously comprises a step f) consisting in generating a histogram of the characteristic dimensions extracted during step e).
  • Step f) is advantageously implemented by a computer.
  • an object of the invention is a method for characterizing a set of gratings to be analyzed 1 each comprising periodic patterns 10, the method comprising the steps: a) providing a digital image of a grating reference, showing a reference series of periodic patterns; b) defining a reference pattern from the patterns of the reference series; (c) provide:
  • each network to be analyzed 1 of the set from a scanning electron microscope, obtained from secondary electrons, and showing a second series of periodic patterns 10; the method iterating the following steps, for each first digital image and each second digital image of each network to be analyzed 1 of the set: d) calculating a correlation coefficient between each pattern 10 of the first and second series and the reference pattern; e) extracting a characteristic dimension for each pattern 10 of the first and second series whose correlation coefficient, in absolute value, is greater than a predetermined threshold.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Analysis (AREA)

Abstract

Procédé de caractérisation d'un réseau à analyser comportant des motifs périodiques, le procédé comportant les étapes : a) prévoir une image numérique d'un réseau de référence, montrant une série de référence de motifs périodiques; b) définir un motif de référence à partir des motifs de la série de référence; c) prévoir des première et deuxième images numériques du réseau à analyser, issues d'un microscope électronique à balayage, montrant respectivement des première et deuxième séries de motifs périodiques, les première et deuxième images numériques étant respectivement obtenues à partir d'électrons rétrodiffusés et à partir d'électrons secondaires; d) calculer un coefficient de corrélation entre chaque motif des première et deuxième séries et le motif de référence; e) extraire une dimension caractéristique pour chaque motif des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur à un seuil prédéterminé.

Description

PROCEDE DE CARACTERISATION D’UN RESEAU A ANALYSER COMPORTANT DES MOTIFS PERIODIQUES
Domaine technique
L’invention se rapporte au domaine technique de la caractérisation (analyse dimensionnelle) d’un réseau de motifs périodiques par traitement d’images.
L’invention trouve notamment son application lorsque les motifs périodiques sont des nanostructures, telles que des nanofils formés par épitaxie.
État de l’art
Les défauts de nanostructures, comme par exemple des nanofils ou des nanopyramides, peuvent être liés à leur croissance épitaxiale sur un substrat (e.g. une plaquette ou « wafer » en langue anglaise), ou à d’autres étapes technologiques qui leur sont appliquées, et qui conduisent en particulier à des inhomogénéités de taille pour les nanofils. L’homme du métier recherche à identifier les nanostructures présentant des défauts morphologiques (taille, géométrie), et à avoir un retour quantitatif sur la qualité des épitaxies afin de déterminer si les nanofils du substrat sont d’une qualité suffisante pour subir des étapes technologiques additionnelles d’un procédé industriel en mode de production.
Un procédé de détection de défauts connu de l’état de la technique, notamment du document US 9,311,698 B2, détecte des défauts à partir d’une corrélation avec un motif de référence.
Un tel procédé de l’état de la technique, dont l’approche est fondée sur un seuil, n’est pas entièrement satisfaisant pour détecter des défauts sur des nanostructures. Les nanostructures présentent une dispersion notamment dans la taille, la forme, le contraste, la luminosité, ce qui rend extrêmement complexe la détermination précise d’un seuil permettant une détection fiable de défauts. En particulier, un tel procédé de l’état de la technique est susceptible de considérer à tort que des nanostructures ne comportent pas de défauts, ou de considérer à tort que des nanostructures comportent des défauts.
Exposé de l’invention
L’invention vise à remédier en tout ou partie aux inconvénients précités. A cet effet, l’invention a pour objet un procédé de caractérisation d’un réseau à analyser comportant des motifs périodiques, le procédé comportant les étapes : a) prévoir une image numérique d’un réseau de référence, montrant une série de référence de motifs périodiques ; b) définir un motif de référence à partir des motifs de la série de référence ; c) prévoir des première et deuxième images numériques du réseau à analyser, issues d’un microscope électronique à balayage, montrant respectivement des première et deuxième séries de motifs périodiques, les première et deuxième images numériques étant respectivement obtenues à partir d’électrons rétrodiffusés et à partir d’électrons secondaires ; d) calculer un coefficient de corrélation entre chaque motif des première et deuxième séries et le motif de référence ; e) extraire une dimension caractéristique pour chaque motif des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur à un seuil prédéterminé.
Définitions
- Par « motifs périodiques », on entend des motifs espacés selon un intervalle régulier de distance (période spatiale). Dans un réseau parfait, les motifs périodiques se reproduisent à l’identique. En pratique, l’expression « à l’identique » s’entend dans les tolérances usuelles liées aux conditions expérimentales de fabrication, et non au sens littéral du terme.
- Le terme « prévoir » signifie utiliser.
- Par « réseau de référence », on entend un réseau dont les motifs périodiques présentent des caractéristiques géométriques préalablement connues (e.g. par mesures), et satisfaisant des spécifications industrielles données.
- Par « motif de référence », on entend un motif présentant des caractéristiques géométriques préalablement connues (e.g. par mesures) et qui satisfont des spécifications industrielles données.
- Par « électrons rétrodiffusés », on entend les électrons issus du faisceau incident du microscope électronique à balayage qui sont entrés en collision (choc élastique ou quasi- élastique) avec les atomes du réseau à analyser.
- Par « électrons secondaires », on entend les électrons émis par les atomes du réseau à analyser (processus d’ionisation), suite à l’interaction inélastique avec le faisceau incident.
- Par « dimension caractéristique », on entend une dimension (étendue spatiale) spécifique permettant une distinction entre les motifs de la première série (et entre les motifs de la deuxième série) dont chaque coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé. Ainsi, un tel procédé selon l’invention permet, grâce aux étapes c) à e), d’effectuer une double analyse dimensionnelle du réseau plus fiable et robuste que dans l’état de la technique. En effet, la première image numérique bénéficie d’un contraste élevé lors d’un changement de composition de matériau au sein du réseau, ce contraste étant lié aux propriétés des électrons rétrodiffusés (sensibles au numéro atomique). Des dimensions caractéristiques, exploitant ce contraste élevé, peuvent dont être extraites de manière précise pour les motifs de la première série. La deuxième image numérique bénéficie d’un contraste élevé lors d’une variation de la topographie de surface au sein du réseau, ce contraste étant lié aux propriétés des électrons secondaires (faible énergie cinétique, émis à partir des couches atomiques externes). Des dimensions caractéristiques, exploitant ce contraste élevé, peuvent dont être extraites de manière précise pour les motifs de la deuxième série.
Un tel procédé selon l’invention permet donc de limiter fortement des erreurs de détection établissant à tort que des nanostructures ne comportent pas de défauts liés à des inhomogénéités de taille. Cette double analyse dimensionnelle permet de préciser la nature des défauts détectés, et de faciliter la détermination de l’origine de ces défauts, en distinguant par exemple l’influence de l’épitaxie et l’influence d’autres étapes technologiques dans le cas d’un réseau de nanofils épitaxiés, et ce en vue d’améliorer l’homogénéité et la reproductibilité des motifs périodiques.
L’invention a également pour objet un procédé de caractérisation d’un ensemble de réseaux à analyser comportant chacun des motifs périodiques, le procédé comportant les étapes : a) prévoir une image numérique d’un réseau de référence, montrant une série de référence de motifs périodiques ; b) définir un motif de référence à partir des motifs de la série de référence ; c) prévoir :
- au moins une première image numérique de chaque réseau à analyser de l’ensemble, issue d’un microscope électronique à balayage, obtenue à partir d’électrons rétrodiffusés, et montrant une première série de motifs périodiques,
- au moins une deuxième image numérique de chaque réseau à analyser de l’ensemble, issue d’un microscope électronique à balayage, obtenue à partir d’électrons secondaires, et montrant une deuxième série de motifs périodiques ; le procédé itérant les étapes suivantes, pour chaque première image numérique et chaque deuxième image numérique de chaque réseau à analyser de l’ensemble : d) calculer un coefficient de corrélation entre chaque motif des première et deuxième séries et le motif de référence ; e) extraire une dimension caractéristique pour chaque motif des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur à un seuil prédéterminé.
Ainsi, un tel procédé selon l’invention possède les mêmes avantages que ceux évoqués précédemment. Un avantage supplémentaire est de pouvoir itérer la double analyse dimensionnelle pour chaque réseau de l’ensemble avant d’engager des étapes technologiques additionnelles d’un procédé industriel en mode de production.
Le procédé selon l’invention peut comporter une ou plusieurs des caractéristiques suivantes.
Selon une caractéristique de l’invention, l’étape e) comporte les étapes : ei) effectuer une ligne de coupe pour chaque motif des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; ez) extraire la dimension caractéristique à partir de la ligne de coupe.
Ainsi, un avantage procuré est de pouvoir aisément mesurer la dimension caractéristique à partir d’une opération de traitement d’image.
Selon une caractéristique de l’invention, le réseau à analyser comporte des nanofils, formant des motifs périodiques, et présentant chacun :
- une hauteur ;
- une section transversale en forme de cercle possédant un diamètre.
Définition
Par « transversale », on entend une section qui coupe perpendiculairement l’axe longitudinal des nanofils. L’axe longitudinal est l’axe s’étendant suivant la hauteur des nanofils.
Selon une caractéristique de l’invention, l’étape e) consiste à extraire :
- des première et deuxième dimensions caractéristiques, pour chaque motif de la première série dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; - des première et deuxième dimensions caractéristiques, pour chaque motif de la deuxième série dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; les premières dimensions caractéristiques extraites pour chaque motif des première et deuxième séries sont représentatives de la hauteur ; les deuxièmes dimensions caractéristiques extraites pour chaque motif des première et deuxième séries sont représentatives du diamètre.
Ainsi, un avantage procuré est de combiner les contrastes des première et deuxième images numériques pour mesurer précisément la hauteur à partir des premières dimensions caractéristiques extraites pour chaque motif des première et deuxième séries. De la même façon, un avantage procuré est de combiner les contrastes des première et deuxième images numériques pour mesurer précisément le diamètre à partir des deuxièmes dimensions caractéristiques extraites pour chaque motif des première et deuxième séries.
Selon une caractéristique de l’invention, l’étape c) comporte une étape ci) consistant à acquérir les première et deuxième images numériques de manière à :
- montrer en perspective les motifs des première et deuxième séries ;
- observer un espace entre les motifs de la première série, et un espace entre les motifs de la deuxième série.
Autrement dit, l’étape c) comporte une étape ci) consistant à acquérir les première et deuxième images numériques de sorte que les première et deuxième images numériques acquises :
- montrent en perspective les motifs des première et deuxième séries ;
- observent un espace entre les motifs de la première série, et un espace entre les motifs de la deuxième série.
Ainsi, un avantage procuré est d’améliorer la fiabilité de l’extraction des dimensions caractéristiques.
Selon une caractéristique de l’invention, l’étape ci) comporte une étape consistant à prévoir un support comportant une surface plane destinée à recevoir le réseau à analyser, la surface plane étant définie par des première et deuxième directions ; le support étant mobile en rotation autour d’un axe vertical et autour des première et deuxième directions.
Autrement dit, la surface plane s’étend dans un plan défini par des première et deuxième directions perpendiculaires. Par « axe vertical », on entend un axe de rotation s’étendant suivant une direction parallèle à la direction de la pesanteur donnée notamment par le fil à plomb. L’axe vertical de rotation est défini dans l’absolu, il ne s’agit pas d’une direction perpendiculaire aux première et deuxième directions, excepté lorsque le support est à l’horizontale. Le microscope électronique à balayage possède un axe optique. Le support est mobile en rotation autour de l’axe vertical de rotation coïncidant avec l’axe optique du microscope à balayage électronique.
Ainsi, un avantage procuré est de pouvoir contrôler la position des motifs du réseau à analyser par rapport à la position des moyens d’acquisition des première et deuxième images numériques, de sorte que les première et deuxième images numériques peuvent :
(i) montrer en perspective les motifs des première et deuxième séries ;
(ii) observer un espace entre les motifs de la première série, et un espace entre les motifs de la deuxième série.
Selon une caractéristique de l’invention, l’étape e) comporte les étapes : e'i) effectuer :
- une première ligne de coupe, suivant l’axe vertical, pour chaque motif des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ;
- une deuxième ligne de coupe, suivant la première direction ou la deuxième direction, pour chaque motif des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; eb) extraire :
- une première dimension caractéristique à partir de la première ligne de coupe ;
- une deuxième dimension caractéristique à partir de la deuxième ligne de coupe.
Autrement dit, l’étape e) comporte les étapes : e'i) effectuer :
- une première ligne de coupe, suivant un axe vertical des première et deuxième images numériques, pour chaque motif des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ;
- une deuxième ligne de coupe, suivant la première direction ou la deuxième direction, pour chaque motif des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; e'2) extraire :
- une première dimension caractéristique à partir de la première ligne de coupe ;
- une deuxième dimension caractéristique à partir de la deuxième ligne de coupe. La première ligne de coupe est effectuée suivant un axe vertical des première et deuxième images numériques. L’axe vertical des première et deuxième images numériques dépend notamment de l’inclinaison du support avec l’axe vertical de rotation du support. L’axe optique du microscope à balayage électronique coïncide avec l’axe vertical de rotation du support.
Ainsi, lorsque le réseau à analyser comporte des nanofils, un avantage procuré est de combiner les contrastes des première et deuxième images numériques pour mesurer précisément leur hauteur à partir des premières lignes de coupe. De la même façon, un avantage procuré est de combiner les contrastes des première et deuxième images numériques pour mesurer précisément leur diamètre à partir des deuxièmes lignes de coupe.
Selon une caractéristique de l’invention, l’étape b) consiste à sélectionner un motif parmi les motifs de la série de référence, le motif sélectionné définissant le motif de référence.
Ainsi, un avantage procuré est d’autoriser une sélection manuelle du motif de référence.
Selon une caractéristique de l’invention, l’étape b) comporte les étapes : bi) sélectionner un motif initial parmi les motifs de la série de référence ; b2) calculer un coefficient de corrélation entre chaque motif de la série de référence et le motif initial ; b3) identifier les motifs de la série de référence dont les coefficients de corrélation, en valeur absolue, sont supérieurs à un seuil prédéterminé ; b^ définir le motif de référence à partir d’une combinaison des motifs de la série de référence identifiés lors de l’étape b3).
Ainsi, un avantage procuré est d’améliorer la fiabilité et la représentativité du motif de référence.
Selon une caractéristique de l’invention, le motif de référence est défini lors de l’étape b) en effectuant une moyenne des motifs de la série de référence.
Ainsi, un avantage procuré est d’améliorer la fiabilité et la représentativité du motif de référence, lorsque l’image numérique du réseau de référence est de bonne qualité (faible taux de défauts). Le terme « moyenne » s’entend comme une moyenne des intensités des pixels des motifs de la série de référence. Selon une caractéristique de l’invention, l’image numérique du réseau de référence prévue lors de l’étape a) et les première et deuxième images numériques du réseau à analyser prévues lors de l’étape c) comportent chacune un ensemble de pixels, chaque pixel possédant une intensité ; le coefficient de corrélation est calculé lors de l’étape d) entre l’intensité des pixels de chaque motif des première et deuxième séries et l’intensité des pixels du motif de référence.
Selon une caractéristique de l’invention, le coefficient de corrélation est calculé lors de l’étape d) selon la formule de Bravais-Pearson.
Selon une caractéristique de l’invention :
- l’étape d) est suivie d’une étape d’) consistant à compter un nombre total de motifs des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ;
- l’étape e) est exécutée si le nombre total de motifs est supérieur à une valeur prédéterminée.
Autrement dit :
- l’étape d) est suivie d’une étape d’) consistant à compter un nombre total de motifs des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; l’étape d’) étant exécutée avant l’étape e) ;
- l’étape e) est exécutée si le nombre total de motifs est supérieur à une valeur prédéterminée.
Ainsi, un avantage procuré est de garantir un nombre minimal de motifs à analyser lors de l’étape e) pour obtenir une analyse dimensionnelle fiable et représentative d’un point de vue statistique.
Selon une caractéristique de l’invention, le procédé comporte une étape f) consistant à générer un histogramme des dimensions caractéristiques extraites lors de l’étape e).
Brève description des dessins
D’autres caractéristiques et avantages apparaîtront dans l’exposé détaillé de différents modes de réalisation de l’invention, l’exposé étant assorti d’exemples et de références aux dessins joints. Figure 1 est un algorigramme représentant schématiquement un procédé selon l’invention.
Figure 2 est un algorigramme représentant schématiquement un procédé selon l’invention, illustrant notamment une itération des étapes d) et e) en cas d’un ensemble de réseaux à analyser.
Figure 3 est un algorigramme représentant schématiquement un procédé selon l’invention, illustrant notamment les étapes ei) et e2).
Figure 4 est un algorigramme représentant schématiquement un procédé selon l’invention, illustrant notamment l’étape ci).
Figure 5 est un algorigramme représentant schématiquement un procédé selon l’invention, illustrant notamment les étapes e’i) et e’2).
Figure 6 est un algorigramme représentant schématiquement un procédé selon l’invention, illustrant notamment les étapes bi) à b^.
Figure 7 est un algorigramme représentant schématiquement un procédé selon l’invention, illustrant notamment l’étape d’).
Figure 8 est un algorigramme représentant schématiquement un procédé selon l’invention, illustrant notamment l’étape f).
Figure 9 est une vue schématique de dessus illustrant (à gauche) partiellement des motifs d’un réseau à analyser, et illustrant (à droite) la position d’un support destiné à recevoir le réseau à analyser.
Figure 10 est une vue schématique en perspective illustrant (à gauche) partiellement des motifs d’un réseau à analyser, et illustrant (à droite) la position d’un support destiné à recevoir le réseau à analyser, le support ayant subi une rotation autour d’un axe horizontal par rapport à la figure 9.
Figure 11 est une vue schématique en perspective illustrant (à gauche) partiellement des motifs d’un réseau à analyser, et illustrant (à droite) la position d’un support destiné à recevoir le réseau à analyser, le support ayant subi une rotation autour d’un axe vertical par rapport à la figure 10.
Figure 12 est une vue schématique en perspective illustrant (à gauche) un nanofil présent sur une image obtenue à partir d’électrons rétrodiffusés, et illustrant (à droite) une ligne de coupe verticale.
Figure 13 est une vue schématique en perspective illustrant (à gauche) un nanofil présent sur une image obtenue à partir d’électrons secondaires, et illustrant (à droite) une ligne de coupe verticale. Figure 14 est une vue schématique en perspective illustrant (à gauche) un nanofil, possédant une morphologie dite en collier, présent sur une image obtenue à partir d’électrons rétrodiffusés, et illustrant (à droite) une ligne de coupe verticale.
Figure 15 est une vue schématique en perspective illustrant (à gauche) un nanofil possédant une morphologie dite en collier, présent sur une image obtenue à partir d’électrons secondaires, et illustrant (à droite) une ligne de coupe verticale.
Les formes utilisées pour les figures 1 à 8 respectent la norme ISO 5807 des algorigrammes. « O » signifie « Oui », c'est-à-dire que le résultat du test est vrai. « N » signifie « Non », c'est-à-dire que le résultat du test est faux.
Il est à noter que les figures 9 à 15 décrites ci-avant sont schématiques, et ne sont pas nécessairement à l’échelle par souci de lisibilité et pour en simplifier leur compréhension.
Exposé détaillé des modes de réalisation
Les éléments identiques ou assurant la même fonction porteront les mêmes références pour les différents modes de réalisation, par souci de simplification.
Un réseau à analyser
Comme illustré à la figure 1, un objet de l’invention est un procédé de caractérisation d’un réseau à analyser 1 comportant des motifs 10 périodiques, le procédé comportant les étapes : a) prévoir une image numérique d’un réseau de référence, montrant une série de référence de motifs périodiques ; b) définir un motif de référence à partir des motifs de la série de référence ; c) prévoir des première et deuxième images numériques du réseau à analyser 1, issues d’un microscope électronique à balayage, montrant respectivement des première et deuxième séries de motifs 10 périodiques, les première et deuxième images numériques étant respectivement obtenues à partir d’électrons rétrodiffusés et à partir d’électrons secondaires ; d) calculer un coefficient de corrélation entre chaque motif 10 des première et deuxième séries et le motif de référence ; e) extraire une dimension caractéristique pour chaque motif 10 des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur à un seuil prédéterminé.
Etape a)
L’image numérique du réseau de référence, prévue lors de l’étape a), comporte un ensemble de pixels, chaque pixel possédant une intensité. A titre d’exemple non limitatif, l’image numérique du réseau de référence, prévue lors de l’étape a) peut avoir un format TIFF (« Tag image File Format» en langue anglaise). L’image numérique du réseau de référence peut être en niveaux de gris.
Etape b)
L’étape b) peut consister à sélectionner un motif parmi les motifs de la série de référence, le motif sélectionné définissant le motif de référence. Le motif de référence peut être sélectionné par un utilisateur via une interface graphique GUI (« Graphical User Interface» en langue anglaise) possédant une fenêtre de sélection, par exemple carrée. La fenêtre de sélection peut avoir une fonction de recadrage (« crop » en langue anglaise).
Comme illustré à la figure 6, l’étape b) peut comporter les étapes : bi) sélectionner un motif initial parmi les motifs de la série de référence ; b2) calculer un coefficient de corrélation entre chaque motif de la série de référence et le motif initial ; b3) identifier les motifs de la série de référence dont les coefficients de corrélation, en valeur absolue, sont supérieurs à un seuil prédéterminé ; b^ définir le motif de référence à partir d’une combinaison des motifs de la série de référence identifiés lors de l’étape b3).
L’étape bi) est mise en œuvre par l’utilisateur mais les étapes b2) à b^ sont avantageusement mises en œuvre par un ordinateur. Le motif initial sélectionné lors de l’étape bi) par l’utilisateur doit être représentatif d’un motif de référence. Les motifs de la série de référence, identifiés lors de l’étape b3), peuvent représenter entre 0,5 % et 1 % du nombre total de motifs de la série de référence.
Selon une alternative, le motif de référence est défini lors de l’étape b) en effectuant une moyenne des motifs de la série de référence.
Selon une autre alternative, il est possible de prévoir lors de l’étape a) plusieurs images numériques de réseaux de référence, montrant chacune une série de référence de motifs périodiques. L’étape b) peut alors consister à définir le motif de référence à partir d’une moyenne des intensités des pixels des séries de référence de motifs périodiques des images numériques de réseaux de référence.
Etape c)
Les première et deuxième images numériques du réseau à analyser 1, prévues lors de l’étape c), comporte chacune un ensemble de pixels, chaque pixel possédant une intensité. A titre d’exemple non limitatif, les première et deuxième images numériques du réseau à analyser 1, prévues lors de l’étape c), peuvent avoir un format TIFF (« Tag image File Format» en langue anglaise). Les première et deuxième images numériques du réseau à analyser 1 peuvent être en niveaux de gris.
Le réseau à analyser 1 peut comporter des nanofils, formant des motifs 10 périodiques, et présentant chacun :
- une hauteur ;
- une section transversale en forme de cercle possédant un diamètre.
Comme illustré à la figure 4, l’étape c) comporte avantageusement une étape ci) consistant à acquérir les première et deuxième images numériques de manière à :
- montrer en perspective les motifs 10 des première et deuxième séries ;
- observer un espace entre les motifs 10 de la première série, et un espace entre les motifs 10 de la deuxième série.
L’étape ci) est avantageusement mise en œuvre par un ordinateur.
Comme illustré aux figures 9 à 11, l’étape ci) comporte avantageusement une étape consistant à prévoir un support 2 comportant une surface plane destinée à recevoir le réseau à analyser 1, la surface plane étant définie par des première et deuxième directions ; le support 2 étant mobile en rotation autour d’un axe vertical et autour des première et deuxième directions.
Etape d)
L’étape d) est avantageusement mise en œuvre par un ordinateur.
Le coefficient de corrélation est avantageusement calculé lors de l’étape d) entre l’intensité des pixels de chaque motif 10 des première et deuxième séries et l’intensité des pixels du motif de référence. Le coefficient de corrélation est avantageusement calculé lors de l’étape d) selon la formule de Bravais-Pearson, connue de l’homme du métier.
Plus précisément, la corrélation entre le motif de référence et chaque point de l’image numérique du réseau à analyser 1 (première ou deuxième image numérique) est effectuée par une fonction de corrélation d’image. Cette fonction de corrélation d’image va comparer le motif de référence, T(xt, yt), où (xt, yt) représente les coordonnées de chaque pixel du motif de référence à l’image du réseau à analyser 1, S(x, y), où (x, y) représente les coordonnées de chaque pixel de l’image du réseau à analyser 1. La fonction de corrélation d’image consiste à calculer la somme des produits des coefficients de S(x, y) et T(xt, yt) pour toutes les positions du motif de référence par rapport à l’image du réseau à analyser 1. Il est ensuite possible de renormaliser la somme des produits des coefficients de S(x, y) et T(xt, yt) afin d’obtenir un résultat compris entre -1 et 1. « -1 » indique une anti-corrélation, « 0 » une absence de corrélation et « 1 » une corrélation parfaite. Ce coefficient de corrélation correspond à un coefficient de corrélation linéaire de Bravais-Pearson, noté r, entre deux variables aléatoires réelles X et Y. Le coefficient de corrélation linéaire de Bravais -P ears on est généralement décrit par la relation suivante :
Figure imgf000015_0001
où :
- Cov(X,Y) désigne la covariance des variables X et Y ;
- ox et OY désignent respectivement l’écart-type de la variable X et l’écart-type de la variable Y ;
- X et Y correspondent respectivement à la matrice des intensités des pixels de l’image du réseau à analyser 1 (première ou deuxième image numérique), et à la matrice des intensités des pixels du motif de référence.
Comme illustré à la figure 7, l’étape d) est avantageusement suivie d’une étape d’) consistant à compter un nombre total de motifs 10 des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé. L’étape d’) est avantageusement mise en œuvre par un ordinateur. L’étape e) est exécutée si le nombre total de motifs 10 est supérieur à une valeur prédéterminée. Le branchement conditionnel (symbolisé par un losange) de la figure 7 teste si le nombre total de motifs 10 est supérieur à ladite valeur prédéterminée.
Etape e)
L’étape e) est avantageusement mise en œuvre par un ordinateur.
A titre d’exemple non limitatif, le seuil peut être compris entre 0,6 et 0,7.
Comme illustré à la figure 3, l’étape e) comporte avantageusement les étapes : ei) effectuer une ligne de coupe pour chaque motif 10 des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; e2) extraire la dimension caractéristique à partir de la ligne de coupe.
Selon un mode de mise en œuvre, l’étape e) consiste à extraire :
- des première et deuxième dimensions caractéristiques, pour chaque motif 10 de la première série dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ;
- des première et deuxième dimensions caractéristiques, pour chaque motif 10 de la deuxième série dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; les premières dimensions caractéristiques extraites pour chaque motif 10 des première et deuxième séries sont représentatives de la hauteur ; les deuxièmes dimensions caractéristiques extraites pour chaque motif 10 des première et deuxième séries sont représentatives du diamètre.
Selon un mode de mise en œuvre illustré à la figure 5, l’étape e) comporte les étapes : e'i) effectuer :
- une première ligne de coupe, suivant l’axe vertical, pour chaque motif 10 des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ;
- une deuxième ligne de coupe, suivant la première direction ou la deuxième direction, pour chaque motif 10 des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; eb) extraire :
- une première dimension caractéristique à partir de la première ligne de coupe ;
- une deuxième dimension caractéristique à partir de la deuxième ligne de coupe.
Comme illustré à la figure 12, la première ligne de coupe effectuée lors de l’étape e'i) pour chaque motif 10 de la première série permet d’identifier clairement le début et la fin du motif 10 (points A et C), lorsque le motif 10 est un nanofil. Comme illustré à la figure 13, la première ligne de coupe effectuée lors de l’étape e'i) pour chaque motif 10 de la deuxième série permet d’identifier clairement le sommet du motif 10 (point B), lorsque le motif 10 est un nanofil. La hauteur du nanofil correspond à la distance entre les points B et C.
Comme illustré à la figure 14, la première ligne de coupe effectuée lors de l’étape e'i) pour chaque motif 10 de la première série permet d’identifier clairement l’interface entre le nanofil et le collier (point C), lorsque le motif 10 est un nanofil possédant une morphologie dite en collier, ainsi que le début et la fin du nanofil (points C et A). Comme illustré à la figure 15, la première ligne de coupe effectuée lors de l’étape e'i) pour chaque motif 10 de la deuxième série permet d’identifier clairement le sommet du motif 10 (point B) et le début du collier (point D), lorsque le motif 10 est un nanofil possédant une morphologie dite en collier. La hauteur du nanofil correspond à la distance entre les points B et C. La hauteur du collier correspond à la distance entre les points C et D.
La mesure de la hauteur du nanofil (ou du collier) tient compte de l’angle de rotation du support 2 autour des première et deuxième directions. De manière générale, les dimensions caractéristiques extraites lors de l’étape e) sont déterminées dans un premier temps en pixels, puis sont converties en uni en utilisant la taille des pixels. Etape f)
Comme illustré à la figure 8, le procédé comporte avantageusement une étape f) consistant à générer un histogramme des dimensions caractéristiques extraites lors de l’étape e). L’étape f) est avantageusement mise en œuvre par un ordinateur.
Un ensemble de réseaux à analyser
Comme illustré à la figure 2, un objet de l’invention est un procédé de caractérisation d’un ensemble de réseaux à analyser 1 comportant chacun des motifs 10 périodiques, le procédé comportant les étapes : a) prévoir une image numérique d’un réseau de référence, montrant une série de référence de motifs périodiques ; b) définir un motif de référence à partir des motifs de la série de référence ; c) prévoir :
- au moins une première image numérique de chaque réseau à analyser 1 de l’ensemble, issue d’un microscope électronique à balayage, obtenue à partir d’électrons rétrodiffusés, et montrant une première série de motifs 10 périodiques,
- au moins une deuxième image numérique de chaque réseau à analyser 1 de l’ensemble, issue d’un microscope électronique à balayage, obtenue à partir d’électrons secondaires, et montrant une deuxième série de motifs 10 périodiques ; le procédé itérant les étapes suivantes, pour chaque première image numérique et chaque deuxième image numérique de chaque réseau à analyser 1 de l’ensemble : d) calculer un coefficient de corrélation entre chaque motif 10 des première et deuxième séries et le motif de référence ; e) extraire une dimension caractéristique pour chaque motif 10 des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur à un seuil prédéterminé.
Les caractéristiques techniques décrites ci-avant pour les étapes a) à e) s’appliquent pour cet objet de l’invention. Le branchement conditionnel (symbolisé par un losange) de la figure 2 teste la présence d’une première ou deuxième image numérique d’un réseau à analyser 1.
L’invention ne se limite pas aux modes de réalisation exposés. L’homme du métier est mis à même de considérer leurs combinaisons techniquement opérantes, et de leur substituer des équivalents.

Claims

REVENDICATIONS
1. Procédé de caractérisation d’un réseau à analyser (1) comportant des motifs (10) périodiques, le procédé comportant les étapes : a) prévoir une image numérique d’un réseau de référence, montrant une série de référence de motifs périodiques ; b) définir un motif de référence à partir des motifs de la série de référence ; c) prévoir des première et deuxième images numériques du réseau à analyser (1), issues d’un microscope électronique à balayage, montrant respectivement des première et deuxième séries de motifs (10) périodiques, les première et deuxième images numériques étant respectivement obtenues à partir d’électrons rétrodiffusés et à partir d’électrons secondaires ; d) calculer un coefficient de corrélation entre chaque motif (10) des première et deuxième séries et le motif de référence ; e) extraire une dimension caractéristique pour chaque motif (10) des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur à un seuil prédéterminé.
2. Procédé de caractérisation d’un ensemble de réseaux à analyser (1) comportant chacun des motifs (10) périodiques, le procédé comportant les étapes : a) prévoir une image numérique d’un réseau de référence, montrant une série de référence de motifs périodiques ; b) définir un motif de référence à partir des motifs de la série de référence ; c) prévoir :
- au moins une première image numérique de chaque réseau à analyser (1) de l’ensemble, issue d’un microscope électronique à balayage, obtenue à partir d’électrons rétrodiffusés, et montrant une première série de motifs (10) périodiques,
- au moins une deuxième image numérique de chaque réseau à analyser (1) de l’ensemble, issue d’un microscope électronique à balayage, obtenue à partir d’électrons secondaires, et montrant une deuxième série de motifs (10) périodiques ; le procédé itérant les étapes suivantes, pour chaque première image numérique et chaque deuxième image numérique de chaque réseau à analyser (1) de l’ensemble : d) calculer un coefficient de corrélation entre chaque motif (10) des première et deuxième séries et le motif de référence ; e) extraire une dimension caractéristique pour chaque motif (10) des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur à un seuil prédéterminé.
3. Procédé selon la revendication 1 ou 2, dans lequel l’étape e) comporte les étapes : ei) effectuer une ligne de coupe pour chaque motif (10) des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; e2) extraire la dimension caractéristique à partir de la ligne de coupe.
4. Procédé selon l’une des revendications 1 à 3, dans lequel le réseau à analyser (1) comporte des nanofils, formant des motifs périodiques, et présentant chacun :
- une hauteur ;
- une section transversale en forme de cercle possédant un diamètre.
5. Procédé selon la revendication 4, dans lequel l’étape e) consiste à extraire :
- des première et deuxième dimensions caractéristiques, pour chaque motif (10) de la première série dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ;
- des première et deuxième dimensions caractéristiques, pour chaque motif (10) de la deuxième série dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; les premières dimensions caractéristiques extraites pour chaque motif (10) des première et deuxième séries sont représentatives de la hauteur ; les deuxièmes dimensions caractéristiques extraites pour chaque motif (10) des première et deuxième séries sont représentatives du diamètre.
6. Procédé selon l’une des revendications 1 à 5, dans lequel l’étape c) comporte une étape ci) consistant à acquérir les première et deuxième images numériques de manière à :
- montrer en perspective les motifs (10) des première et deuxième séries ;
- observer un espace entre les motifs (10) de la première série, et un espace entre les motifs (10) de la deuxième série.
7. Procédé selon la revendication 6, dans lequel l’étape ci) comporte une étape consistant à prévoir un support (2) comportant une surface plane destinée à recevoir le réseau à analyser (1), la surface plane étant définie par des première et deuxième directions ; le 18 support (2) étant mobile en rotation autour d’un axe vertical et autour des première et deuxième directions.
8. Procédé selon la revendication 7, dans lequel l’étape e) comporte les étapes : e'i) effectuer :
- une première ligne de coupe, suivant l’axe vertical, pour chaque motif (10) des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ;
- une deuxième ligne de coupe, suivant la première direction ou la deuxième direction, pour chaque motif (10) des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ; eb) extraire :
- une première dimension caractéristique à partir de la première ligne de coupe ;
- une deuxième dimension caractéristique à partir de la deuxième ligne de coupe.
9. Procédé selon l’une des revendications 1 à 8, dans lequel l’étape b) consiste à sélectionner un motif parmi les motifs de la série de référence, le motif sélectionné définissant le motif de référence.
10. Procédé selon l’une des revendications 1 à 8, dans lequel l’étape b) comporte les étapes : bi) sélectionner un motif initial parmi les motifs de la série de référence ; bz) calculer un coefficient de corrélation entre chaque motif de la série de référence et le motif initial ; bs) identifier les motifs de la série de référence dont les coefficients de corrélation, en valeur absolue, sont supérieurs à un seuil prédéterminé ; b4) définir le motif de référence à partir d’une combinaison des motifs de la série de référence identifiés lors de l’étape bs).
11. Procédé selon l’une des revendications 1 à 8, dans lequel le motif de référence est défini lors de l’étape b) en effectuant une moyenne des motifs de la série de référence.
12. Procédé selon l’une des revendications 1 à 11, dans lequel l’image numérique du réseau de référence prévue lors de l’étape a) et les première et deuxième images numériques 19 du réseau à analyser (1) prévues lors de l’étape c) comportent chacune un ensemble de pixels, chaque pixel possédant une intensité ; le coefficient de corrélation est calculé lors de l’étape d) entre l’intensité des pixels de chaque motif (10) des première et deuxième séries et l’intensité des pixels du motif de référence.
13. Procédé selon l’une des revendications 1 à 12, dans lequel le coefficient de corrélation est calculé lors de l’étape d) selon la formule de Bravais-Pearson.
14. Procédé selon l’une des revendications 1 à 13, dans lequel :
- l’étape d) est suivie d’une étape d’) consistant à compter un nombre total de motifs (10) des première et deuxième séries dont le coefficient de corrélation, en valeur absolue, est supérieur au seuil prédéterminé ;
- l’étape e) est exécutée si le nombre total de motifs (10) est supérieur à une valeur prédéterminée.
15. Procédé selon l’une des revendications 1 à 14, comportant une étape f) consistant à générer un histogramme des dimensions caractéristiques extraites lors de l’étape e).
PCT/EP2022/076129 2021-09-23 2022-09-20 Procede de caracterisation d'un reseau a analyser comportant des motifs périodiques WO2023046697A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2110021A FR3127318B1 (fr) 2021-09-23 2021-09-23 Procédé de caractérisation d’un réseau à analyser comportant des motifs périodiques
FRFR2110021 2021-09-23

Publications (1)

Publication Number Publication Date
WO2023046697A1 true WO2023046697A1 (fr) 2023-03-30

Family

ID=78483378

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/076129 WO2023046697A1 (fr) 2021-09-23 2022-09-20 Procede de caracterisation d'un reseau a analyser comportant des motifs périodiques

Country Status (2)

Country Link
FR (1) FR3127318B1 (fr)
WO (1) WO2023046697A1 (fr)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110220796A1 (en) * 2008-11-06 2011-09-15 Nanomegas Sprl Methods and devices for high throughput crystal structure analysis by electron diffraction
US9311698B2 (en) 2013-01-09 2016-04-12 Kla-Tencor Corp. Detecting defects on a wafer using template image matching
US20210066027A1 (en) * 2017-04-13 2021-03-04 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110220796A1 (en) * 2008-11-06 2011-09-15 Nanomegas Sprl Methods and devices for high throughput crystal structure analysis by electron diffraction
US9311698B2 (en) 2013-01-09 2016-04-12 Kla-Tencor Corp. Detecting defects on a wafer using template image matching
US20210066027A1 (en) * 2017-04-13 2021-03-04 Fractilia, Llc System and method for generating and analyzing roughness measurements and their use for process monitoring and control

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
RAUCH EDGAR F. ET AL: "Rapid Spot Diffraction Patterns Identification Through Template Matching", ARCHIVES OF METALLURGY AND MATERIALS, VOL. 50, ISS. 1, 31 January 2005 (2005-01-31), pages 87 - 99, XP055929802, Retrieved from the Internet <URL:http://www.imim.pl/files/archiwum/Vol1_2005/art.nr.8.pdf> [retrieved on 20220609] *

Also Published As

Publication number Publication date
FR3127318B1 (fr) 2023-11-17
FR3127318A1 (fr) 2023-03-24

Similar Documents

Publication Publication Date Title
Rosenauer et al. Measurement of specimen thickness and composition in AlxGa1-xN/GaN using high-angle annular dark field images
TWI805857B (zh) 用於特性化一樣品之系統及方法
WO2012143198A1 (fr) Analyse de l&#39;image numerique de la surface externe d&#39;un pneumatique - traitement des points de fausse mesure
FR2959046A1 (fr) Methode de controle de l&#39;aspect de la surface d&#39;un pneumatique
EP3008445B1 (fr) Methode de traitement de l&#39;image numerique de la surface d&#39;un pneumatique en vue de la detection d&#39;une anomalie
FR3030042A1 (fr) Procede de detection de defaut sur une surface de pneumatique
CN117252882A (zh) 一种气缸盖质量检测方法及系统
EP3786626B1 (fr) Procédé de traitement de données d&#39;analyse aux rayons x à dispersion d&#39;énergie générées par microscopie électronique
EP3100035A1 (fr) Procede de cartographie des orientations cristallines d&#39;un echantillon en materiau polycristallin
EP3809366A1 (fr) Procédé de fabrication
WO2023046697A1 (fr) Procede de caracterisation d&#39;un reseau a analyser comportant des motifs périodiques
EP0769760B1 (fr) Procédé de détection automatique des zones expertisables dans des images de pièces mécaniques
EP2700052B1 (fr) Analyse de l&#39;image numerique de la surface interne d&#39;un pneumatique - traitement des points de fausse mesure
Saib et al. Advanced characterization of 2D materials using SEM image processing and machine learning
WO2023046637A1 (fr) Procede de classification de defauts d&#39;un reseau a analyser
EP0542623B1 (fr) Procédé et dispositif d&#39;acquisition et de traitement d&#39;images radioscopiques
EP3517940B1 (fr) Procede et système de determination de la variation d&#39;intensite diffractee par un reseau bidimensionnel organise le long d&#39;une direction donnee
EP4143567A1 (fr) Procede de detection d&#39;au moins un constituant geologique d&#39;un echantillon de roche
EP2998729A1 (fr) Methode de correction d&#39;artefacts dans des images obtenues par tomographie
EP4303811A1 (fr) Procédé et dispositif de traitement de données multidimensionnelles de microscopie pour la localisation de déformations dans un échantillon
EP3686676A1 (fr) Methode d&#39;estimation de la topographie locale d&#39;un echantillon a partir d&#39;images de microscopie electronique a balayage et d&#39;un modele mathematique
FR3064747A1 (fr) Procede de caracterisation d&#39;un materiau
EP3745350B1 (fr) Procédé de détection de précipités dans un alliage par traitement d&#39;image
EP4339889A1 (fr) Procédé et dispositif de calcul automatique de motif élémentaire dans une image numérique représentative de grandeurs physiques comportant une répétition périodique de motifs
US20230394872A1 (en) Detection of face manipulation by quantified disorder measurements

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22786797

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022786797

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022786797

Country of ref document: EP

Effective date: 20240423