WO2023144970A1 - 荷電粒子線検査システム、荷電粒子線検査方法 - Google Patents

荷電粒子線検査システム、荷電粒子線検査方法 Download PDF

Info

Publication number
WO2023144970A1
WO2023144970A1 PCT/JP2022/003148 JP2022003148W WO2023144970A1 WO 2023144970 A1 WO2023144970 A1 WO 2023144970A1 JP 2022003148 W JP2022003148 W JP 2022003148W WO 2023144970 A1 WO2023144970 A1 WO 2023144970A1
Authority
WO
WIPO (PCT)
Prior art keywords
charged particle
particle beam
condition
conditions
sample
Prior art date
Application number
PCT/JP2022/003148
Other languages
English (en)
French (fr)
Inventor
航 杜
俊之 横須賀
裕子 笹氣
康子 渡邊
愛美 木村
Original Assignee
株式会社日立ハイテク
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 株式会社日立ハイテク filed Critical 株式会社日立ハイテク
Priority to CN202280087220.5A priority Critical patent/CN118476004A/zh
Priority to KR1020247021137A priority patent/KR20240108536A/ko
Priority to PCT/JP2022/003148 priority patent/WO2023144970A1/ja
Priority to TW112100307A priority patent/TW202331774A/zh
Publication of WO2023144970A1 publication Critical patent/WO2023144970A1/ja

Links

Images

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

Definitions

  • the present invention relates to a charged particle beam inspection system and a charged particle beam inspection method using the same, and more particularly to a technology that is effective when applied to inspection of samples for which it is difficult to specify optimal observation conditions.
  • SEM scanning electron microscope
  • the trajectory of the primary electron beam is bent using an electric field and a magnetic field to irradiate the sample while shifting the location of the electron beam on the sample.
  • the number of electrons generated that is, the strength of the detected signal, differs depending on the shape and material of the sample. Computer configurable.
  • an image is created by irradiating the sample with primary electrons and emitting secondary electrons, so if the number of incident electrons and the number of emitted electrons do not match, the sample will be charged. When charged, an electric field is created on the sample, which bends the trajectories of primary electrons and secondary electrons, resulting in changes in image visibility.
  • SEM images can be generated by simulation calculations. As a general procedure of the simulation, first, the shape and material of the semiconductor pattern are input, and then the number of secondary electrons generated from the location where the primary electrons hit under the assumed observation conditions is calculated to generate an image. In order to obtain results that reproduce actual measurements in such calculations, it is essential to match the material parameters to the actual samples. Also, for charged materials, it is necessary to calculate the electric field due to charging and consider the effect on primary and secondary electrons.
  • SEM can visualize structures below 100 nm, which are difficult to observe with visible light, and has a wide variety of uses. Among them, there are dimension measurement and defect inspection of semiconductor patterns. In addition, it is necessary to find the optimum observation conditions according to the object and purpose of observation. For example, when measuring the width of a wire, you need a "high contrast" image where the wires (lines) are bright and the grooves (spaces) between the wires are dark. , it is desirable to see an "edge effect" where the brightness of the boundary is high. Conversely, when it is desired to clearly observe the structures in the space, an image of the space with high brightness is desirable.
  • Patent Literature 1 discloses "a system for generating a simulation image from design information with a generation model having two or more encoder layers and two or more decoder layers".
  • Patent Document 2 discloses "a charged particle beam device that can refer to an image that would be obtained if the observation conditions were changed without actually changing the observation conditions".
  • Patent Document 3 discloses "a defect observation apparatus that satisfies high detection performance while maintaining high throughput".
  • SEM images that can be acquired differ greatly depending on the observation conditions (equipment conditions) and sample charging. Therefore, observation and measurement under optimal observation conditions are necessary for highly accurate observation and measurement of samples.
  • SEM images are generated by simulation calculation under certain viewing conditions, and if desired visibility cannot be achieved, feedback is provided, the parameters of the viewing conditions are corrected, and images are generated again.
  • a method of optimizing the observation conditions by repeating this procedure until an image close to the target is obtained that is, a computer that automatically performs what humans do.
  • Desirable images differ depending on the purpose of the inspection, so it is difficult to generalize rules in the program and automate them.
  • Patent Documents 1 to 3 take into consideration the problem that it is necessary to match the physical property parameters of materials when reproducing actual measurement results by simulation calculation.
  • an object of the present invention is to provide a charged particle beam inspection system and a charged particle beam inspection method using the same that can derive optimum observation conditions using an image prediction model obtained by machine learning of simulation results. .
  • the present invention provides a charged particle beam irradiation device for acquiring an image of a sample, searching for observation conditions of the charged particle beam irradiation device, and controlling image acquisition by the charged particle beam irradiation device.
  • an observation condition search device wherein the observation condition search device includes a plurality of observation conditions obtained by inputting first image generation conditions including a plurality of first device conditions and a plurality of first sample conditions to a simulator.
  • a module including a learning device trained using teacher data including the simulation image of and the first image generation condition By acquiring a module including a learning device trained using teacher data including the simulation image of and the first image generation condition, and setting a plurality of second device conditions in the image generation tool , an image obtained by obtaining a plurality of output images output from the image generation tool and inputting the first sample condition and the second apparatus condition to the learning device, and the plurality of outputs
  • the second sample condition is generated based on the result of matching with the image.
  • the present invention also provides a charged particle beam inspection method for deriving apparatus conditions to be set in an image generation tool that performs measurement or inspection, comprising: (a) a plurality of first apparatus conditions and a plurality of first sample conditions; a plurality of simulation images obtained by inputting to the simulator a first image generation condition containing (b) obtaining a plurality of output images output from the image generation tool by setting a plurality of second device conditions to the image generation tool; (c) the learner (d) comparing the result of matching in step (c) with the image obtained by inputting the first sample condition and the second apparatus condition to the plurality of output images; and generating a second sample condition based on.
  • the present invention it is possible to realize a charged particle beam inspection system and a charged particle beam inspection method using the system that can derive optimal observation conditions using an image prediction model obtained by machine learning of simulation results.
  • observation condition determination can be automated, and dependence on the user's experience and know-how can be suppressed.
  • FIG. 1 is a diagram showing a schematic configuration of a charged particle beam inspection system according to an embodiment of the present invention
  • FIG. 1 is a diagram showing a schematic configuration of a scanning electron microscope according to an embodiment of the present invention
  • FIG. 1 is a diagram showing a schematic configuration of an observation condition search device according to an embodiment of the present invention
  • FIG. 4 is a flowchart showing a viewing condition search method according to Example 1 of the present invention
  • 9 is a flowchart showing a viewing condition search method according to Example 2 of the present invention
  • 9 is a flowchart showing a viewing condition search method according to Example 3 of the present invention
  • 10 is a flowchart showing a viewing condition search method according to Example 4 of the present invention
  • 10 is a flow chart showing a viewing condition search method according to Example 5 of the present invention.
  • 10 is a flow chart showing a viewing condition search method according to Example 6 of the present invention.
  • 10 is a flow chart showing a viewing condition search method according to Example 7 of the present invention.
  • FIG. 12 is a flow chart showing a viewing condition search method according to Example 8 of the present invention;
  • FIG. 10 illustrates a target image input GUI according to an embodiment of the present invention
  • FIG. 10 is a diagram showing a result interpretation GUI of an image generation model according to an embodiment of the present invention
  • FIG. 10 shows a GUI for selecting a portion of a sample from an image or 2D/3D model according to an embodiment of the invention
  • FIG. 4 is a diagram showing a process of searching for viewing conditions and a GUI for interpreting results according to an embodiment of the present invention
  • FIG. 1 a charged particle beam inspection system to which the present invention is applied will be described with reference to FIGS. 1 to 3.
  • FIG. 1 is a charged particle beam inspection system to which the present invention is applied.
  • FIG. 1 shows the schematic configuration of the charged particle beam inspection system.
  • FIG. 2 shows a schematic configuration of a scanning electron microscope.
  • FIG. 3 shows a schematic configuration of an observation condition search device.
  • a charged particle beam inspection system to which the present invention is applied is, as shown in FIG. .
  • the charged particle beam irradiation device 11 acquires an image of the sample to be observed and transmits it to the observation condition searching device 12 .
  • the user uses the input/output device 13 to transmit an image or an index value that is the target of the viewing condition search to the viewing condition searching device 12 .
  • the observation condition search device 12 transmits observation conditions and control parameters to the charged particle beam irradiation device 11 and controls image acquisition by the charged particle beam irradiation device 11 .
  • the user is presented with the result of searching for the optimum viewing conditions and the grounds (interpretation) thereof via the input/output device 13 .
  • FIG. 1 As an example of the charged particle beam irradiation device 11, the schematic configuration of a scanning electron microscope (SEM) is shown in FIG.
  • the scanning electron microscope transports a primary electron beam 28 generated from an electron gun 21 to a sample 27 while shaping it with one or more condenser lenses 23 and objective lenses 25 .
  • the scanning electrode 24 utilizes an electromagnetic field to scan the primary electron beam 28 over the sample 27, and the secondary electrons 29 generated from the sample 27 are collected by the detector 26 to form a two-dimensional image.
  • Reference numeral 22 denotes an anode electrode that accelerates electrons generated from the electron gun 21 .
  • FIG. 1 A schematic configuration of the observation condition search device 12 is shown in FIG.
  • the observation condition search device 12 is a device that includes a processor 31, a storage device 32, an input device 33, an output device 34, and a communication device 35, as shown in FIG.
  • An observation condition search program 41 is installed in the storage device 32 of the observation condition search device 12 .
  • FIG. 4 shows a basic flow of viewing condition search.
  • FIG. 12 shows an example of a target image input GUI (Graphical User Interface).
  • FIG. 13 shows an example of the result interpretation GUI of the image generation model.
  • FIG. 15 shows an example of a GUI for viewing condition search process and result interpretation.
  • observation conditions refer to the acceleration voltage, beam current, scanning speed, etc. of the charged particle beam irradiation device 11.
  • spex conditions the physical property parameters of semiconductor materials
  • step S101 a large number (multiple specifications) of first device conditions and first sample conditions are input to the image simulator to generate a plurality of simulation images.
  • step S102 a learning device is trained using pairs of the first apparatus condition and the first sample condition and the simulation image as teacher data, and in step S103, an image prediction model capable of generating an image from the apparatus conditions and the sample conditions is generated. get.
  • the sample conditions include the semiconductor pattern shape and material information.
  • the geometry information can be CAD data, 3D models or 2D height maps.
  • the material information is matched with the shape information, processed into a format that allows specification of the material parameters of each pixel or minute volume, and then learning is performed. Since the device conditions are common to all pixels or minute volumes, they may be directly input to the learning model, but preprocessing may be performed in consideration of the physical meaning of each condition.
  • a semiconductor manufacturer who is a user of the present invention, needs inspection when implementing semiconductor design (step S104) and semiconductor manufacturing (step S105).
  • step S106 SEM images are acquired by actual measurement under a plurality of second device conditions.
  • the second sample condition is still unknown, so the information includes [second apparatus condition, unknown sample condition, measured image].
  • step S107 using the learner acquired in step S103, a calculated image is generated after assuming sample conditions, and having [second apparatus conditions, assumed sample conditions, calculated image] as information, a measured image and match the computed images.
  • step S109 the user inputs desired image conditions. Desired image conditions are created by editing a calculated image or a measured image using a GUI as shown in FIG. It is also possible to directly input an image acquired by another device or an image acquired in the past, or to input an index value such as brightness or contrast instead of an image.
  • step S110 from the "apparatus conditions, sample conditions" acquired in step S103, an image prediction model capable of generating a calculated image is used to derive the apparatus conditions that can achieve the target input in step S109.
  • the sample condition is fixed to the second sample condition, and while adjusting the apparatus condition, a process is performed to find the third apparatus condition in which the difference between the calculated image and the target image is small.
  • step S111 the third device condition is presented to the user via the output device 34.
  • the third device condition is interpreted using a GUI as shown in FIG. Specifically, changes in image evaluation indexes are shown for each degree of freedom of apparatus conditions.
  • Representations include methods such as one-dimensional curves, two-dimensional histograms or two-dimensional color maps, and directly computed image alignments.
  • step S111 the process of deriving the third device condition is interpreted using a GUI as shown in FIG.
  • it includes a method of showing the route searched in the space spanned by each degree of freedom of the device conditions, or a method of showing a combination of two degrees of freedom on a two-dimensional map.
  • the device conditions are three-dimensional or higher, it is possible to arbitrarily select conditions and evaluation indices of interest.
  • the charged particle beam inspection system of this embodiment searches for the charged particle beam irradiation device 11 that acquires the image of the sample 27, the observation conditions of the charged particle beam irradiation device 11, and and an observation condition search device 12 for controlling image acquisition by the simulator 11.
  • the observation condition search device 12 simulates first image generation conditions including a plurality of first device conditions and a plurality of first sample conditions.
  • a module that includes a learner that has been trained using teacher data that includes a plurality of simulation images obtained by inputting a first image generation condition to the image generation tool, and a plurality of second An image obtained by obtaining a plurality of output images output from the image generation tool by setting the device conditions of and inputting the first sample condition and the second device condition to the learning device; A plurality of output images are collated, and a second sample condition is generated based on the collation result.
  • observation condition search device 12 derives the third device condition of the image generation tool based on the input desired image condition and the second sample condition.
  • observation condition search time for example, and increase inspection throughput.
  • observation condition determination can be automated, and dependence on the user's experience and know-how can be suppressed.
  • FIG. 5 shows the flow of viewing condition search in this embodiment.
  • steps S101 to S107 and steps S109 to S111 are the same flow as in the first embodiment (FIG. 4).
  • a purpose-specific database is used. can be constructed to improve the accuracy of the learner.
  • step S121 the shape and material parameters of interest in step 101 are added.
  • a sample condition verification step for verifying the result in step S107 is added. are doing.
  • step S123 the reason for performing the sample condition verification step (step S123) will be explained.
  • step S106 of acquiring measured images under a plurality of second device conditions automatic measurement is assumed several times or more than ten times. It is necessary to consider the balance between work efficiency and matching accuracy for the number of actual measurements. If the number of actual measurements is reduced for the sake of efficiency, the sample condition verification step (step S123) is performed because there is a possibility that coincident situations may occur.
  • a measured image A is acquired under apparatus conditions A not included in a plurality of second sample conditions, a calculated image is created using the image generation model in step S103, and [apparatus condition A, second sample condition, Obtain information on calculated image A].
  • step S123 when the calculated image A and the measured image A are compared and the difference is small (PASS), the second sample condition is considered to have a low risk of coincident coincidence, and even if it is registered in the storage device 32 Good (step S108).
  • step S124 determines whether or not the number of verifications is greater than the predetermined number of verifications X. .
  • step S124 If it is determined in step S124 that the number of times of verification is equal to or less than the predetermined number of times of verification X (False), the process proceeds to step S125, adds the corresponding condition to the database for matching (step S125), returns to step S106, Add instrument condition A to the second sample condition.
  • step S124 If it is determined in step S124 that the number of verifications is greater than the predetermined number of verifications X (True), the process proceeds to step S122, adds the relevant condition to the learning database (step S122), and then returns to step S101.
  • the predetermined number of times of verification X can be determined by the user. If there is a large difference between the calculated image and the measured image even after repeated verification, these conditions are added to the learning database in step S122, and the model near the relevant conditions is evaluated. Increase calculation accuracy.
  • step S108 when the second sample condition is found in step S108, it is possible to feed back the second sample condition to the semiconductor manufacturing process (step S105) (step S126).
  • FIG. 6 shows the flow of viewing condition search in this embodiment.
  • step S127 are the same flow as in the second embodiment (FIG. 5).
  • a step S127 of determining whether or not the sample conditions are known is provided between the step S105 of semiconductor manufacturing and the step S106 of acquiring the measured images under a plurality of second device conditions. .
  • step S107 If the semiconductor manufacturer, who is the user, has grasped the sample conditions in advance (True), it is conceivable to skip the sample condition matching (collation) in step S107 and proceed to search for observation conditions from step S108.
  • FIG. 7 shows the flow of viewing condition search in this embodiment.
  • sample conditions material parameters
  • apparatus conditions observation conditions
  • step S107 after comparing the calculated image and the measured image, a plurality of sample conditions (material parameter 1, material parameter 2) 208 are registered.
  • step S109 After inputting the target image in step S109, for each sample condition (material parameter) 208, a plurality of observation condition candidates 210 are proposed to the user.
  • FIG. 8 shows the flow of viewing condition search in this embodiment.
  • step S111 processing after proposing the third apparatus condition (optimal observation condition) in step S111 will be described.
  • steps S107 to S111 and steps S123 to S126 are the same flow as in the second embodiment (FIG. 5).
  • step S132 actual measurement is performed under the third apparatus condition (the proposed optimum observation condition), and in step S133, the actually measured image is evaluated.
  • the inspection recipe is automatically generated under the third device conditions (step S135), and the main (mass) measurement is started (step S136).
  • FAIL If the goal is not met (FAIL), there are two possible situations. One is when the target conditions are insufficient. For example, if only the contrast target value is specified, there is a risk of proposing apparatus conditions where the contrast is on target but the SN ratio is insufficient. In this case, a condition should be added (True in step S134).
  • step S134 it is determined whether to redo the collation in step S107 or to re-learn by adding data (step S101).
  • FIG. 9 shows the flow of viewing condition search in this embodiment.
  • step S141 If it is found that the actual measurement is not reproduced as a result of repeated searches in steps S107 and S133, re-learning is required (step S141).
  • step S142 the absolute value of luminance is evaluated. If some conditions match but some conditions do not reproduce the actual measurement (True), there is a high possibility that the influence of electrification cannot be evaluated correctly. Therefore, it is necessary to adjust the charging parameters by simulation (step S143) and construct a new database (step S149).
  • a method of correcting existing data includes a method of providing a luminance offset or a method of linearly correcting luminance and contrast (step S145).
  • step S144 If neither the absolute value of luminance nor the luminance change (relative change) match (False in step S144), it is conceivable that the device conditions assumed in the calculation do not match the device conditions used for actual measurement. In this case, the device conditions such as the acceptance of the detector 26 are adjusted without re-learning (step S146).
  • step S147 if the absolute value of luminance and the change in luminance (relative change) are not improved (False) even after adjusting a certain number of times (N times), the simulation result used as teacher data corresponds to the shape or material of the sample 27. It is conceivable that it has not been done. In this case, the sample conditions calculated by the simulation are extended (step S148), and a new database is constructed (step S149).
  • step S150 After rebuilding the database, re-learning is performed (step S150).
  • the observation condition searching apparatus 12 of this embodiment edits or edits teacher data when the second sample condition cannot be derived or cannot be derived within a specified time or within a specified number of processing times. is added and training is performed again.
  • FIG. 10 shows the flow of observation condition search in this embodiment.
  • the sample conditions include shape information and material property information, and in Examples 1 to 6, it is assumed that any one of them is unknown. In reality, it is difficult to know the exact values of material properties, and shape information can be grasped from design data. be done.
  • step S301 if targets such as sample actual measurement and visibility are not achieved (step S301), proceed to step S302 and perform actual measurement with apparatus condition candidate A. This may be considered the same as step S106.
  • step S303 it is determined whether or not there is an image that can achieve the target.
  • images are generated by the image calculation model of step S103 for all combinations of apparatus condition candidates A and sample condition candidates B (step S305).
  • step S306 the measured image and the calculated image are compared, and a sample condition candidate C having one or more combinations of shape and material properties with high reproducibility of actual measurement is calculated.
  • the size of the set is C ⁇ B.
  • sample condition candidate C has multiple combinations of shapes and materials, it is considered that they cannot be distinguished by the apparatus condition candidate A in step S306.
  • an apparatus condition candidate D that can easily distinguish the sample condition candidate C is calculated (step S307).
  • step S308 The above flow is repeated the number of times specified by the user or until the number of sample condition candidates is narrowed down to a certain number (step S308). is presented to the user (step S310).
  • FIG. 11 shows the flow of viewing condition search in this embodiment.
  • FIG. 14 shows an example GUI for selecting a portion of the sample from an image or 2D/3D model.
  • the side surface of the manufactured line has an angle of 88 degrees with the wafer surface (XY plane when the direction of the electron beam is the Z direction), not 90 degrees. In that case, it can be found by the length measurement value of the image or the profile of the signal.
  • Fig. 11 is an example of evaluating sensitivity using "deviation from the average”.
  • a specific structure of interest is entered (step S401).
  • step S402 a set P ⁇ p 1 , p 2 , p 3 , .
  • step S401 The "specific structure" input in step S401 is changed to automatically generate sample condition candidates Q ⁇ q1 , q2 , q3 , ... qN ⁇ (step S403).
  • step S404 for all combinations of P and Q, an image is calculated using the machine learning model acquired in step S103, and the portion of the "specific structure" is cut out and defined as I(p i , q j ).
  • I is a clipped portion of the image and is a two-dimensional array in which luminance values are stored.
  • step S405 for each apparatus condition p i , an image I ave (p i ) obtained by averaging sample conditions q j is calculated by the following equation (1).
  • the pixel average is taken and its value is set to ⁇ i .
  • the formula for calculating ⁇ i is the following formula (2) (steps S406 to S410).
  • the sensitivity matrix E ⁇ 1 , ⁇ 2 , ⁇ 3 , . . . ⁇ M ⁇ can be obtained (step S411).
  • the apparatus condition p r is the maximum sensitivity condition and P s is the minimum sensitivity condition.
  • the sensitivity matrix has information on changes in sensitivity. It is useful reference information.
  • the charged particle beam irradiation device 11 and the observation condition search device 12 may be arranged at positions separated from each other, and the observation conditions searched by the observation condition search device 12 may be transmitted to the charged particle beam irradiation device 11 via the Internet. good.
  • the present invention is not limited to the above-described examples, and includes various modifications.
  • the above-described embodiments have been described in detail in order to explain the present invention in an easy-to-understand manner, and are not necessarily limited to those having all the described configurations.
  • it is possible to replace part of the configuration of one embodiment with the configuration of another embodiment and it is also possible to add the configuration of another embodiment to the configuration of one embodiment.
  • DESCRIPTION OF SYMBOLS 11 Charged particle beam irradiation apparatus, 12... Observation condition search apparatus, 13... Input-output apparatus, 21... Electron gun, 22... Anode electrode, 23... Condenser lens, 24... Scanning electrode, 25... Objective lens, 26... Detector , 27... Sample, 28... Primary electron beam, 29... Secondary electron, 31... Processor, 32... Storage device, 33... Input device, 34... Output device, 35... Communication device, 41... Observation condition search program, 208 ... sample conditions (material parameters), 210 ... observation condition candidates.

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

シミュレーション結果の機械学習により求めた画像予測モデルを用いて最適観察条件を導出可能な荷電粒子線検査システムを提供する。試料の画像を取得する荷電粒子線照射装置と、前記荷電粒子線照射装置の観察条件を探索し、前記荷電粒子線照射装置による画像取得を制御する観察条件探索装置と、を備え、前記観察条件探索装置は、複数の第１の装置条件と複数の第１の試料条件を含む第１の画像生成条件をシミュレータに入力することによって得られた複数のシミュレーション画像と、前記第１の画像生成条件とを含む教師データを用いた学習が施された学習器を含むモジュールを取得し、画像生成ツールに複数の第２の装置条件を設定することにより、前記画像生成ツールより出力される複数の出力画像を取得し、前記学習器に前記第１の試料条件と前記第２の装置条件とを入力することによって得られた画像と、前記複数の出力画像とを照合し、当該照合結果に基づいて、第２の試料条件を生成することを特徴とする。

Description

荷電粒子線検査システム、荷電粒子線検査方法
　本発明は、荷電粒子線検査システム及びそれを用いた荷電粒子線検査方法に係り、特に、最適な観察条件の特定が困難な試料の検査に適用して有効な技術に関する。
　電子顕微鏡では、電子銃から発生する１次電子を加速し、複数の電場または磁場を利用したコンデンサーレンズ及び対物レンズを用いて、電子ビームを細く絞りながら試料まで輸送する。試料に電子線を照射する事によって、２次電子及び散乱・反射された電子が発生し、これらを検出する事で対象試料を観察する。
　電子顕微鏡の一種である走査型電子顕微鏡（Scanning Electron Microscope：SEM）では、電場及び磁場を用いて１次電子線の軌道を曲げる事で、電子ビームを当てる場所を試料上でずらしながら照射する。試料の形状や材料によって発生する電子の数、即ち検出する信号の強さが違うため、１次電子の照射座標と合わせて、形状や材料、凹凸などをコントラストで表現した２次元のSEM画像をコンピュータで構成可能である。
　SEMでは制御するパラメータが多く、例えば加速電圧、電子ビームの電流、走査方式や走査速度、積算するフレーム数などがある。これらの組み合わせを「観察条件」または「装置条件」と呼ぶこととする。異なる観察条件の下では、取得できるSEM画像のSN比（信号と雑音の比率）やコントラスト、視認性も違う。
　SEMでは試料に１次電子を照射し、２次電子を放出させる事で画像を作成するため、入射する電子と放出される電子の数が一致しない場合、試料は帯電する。帯電した際に、試料上に電場が作られ、１次電子や２次電子の軌道を曲げるため、画像の視認性が変化する。
　SEM画像はシミュレーション計算で生成する事が可能である。シミュレーションの一般的な手順としては、先ず半導体パターンの形状と材料を入力し、その後、観察条件を仮定した１次電子が当たる場所から発生する２次電子の数を計算し、画像を生成する。この様な計算で、実測を再現する結果を得るためには、材料パラメータを実際の試料に合わせる事が必須である。また、帯電する材料に関しては、帯電による電場を計算し、１次電子及び２次電子へ与える影響を考慮する必要がある。
　SEMは可視光では観察しにくい100nm以下の構造を可視化する事が出来、用途は多岐にわたる。そのうち、半導体パターンの寸法測定や欠陥検査がある。また、観察対象と目的によって、最適な観察条件を探す事が必要である。例えば、配線の幅を測定する場合は、配線（ライン）が明るく、配線間にある溝（スペース）が暗い「高コントラスト」の画像が必要であり、特にラインとスペースの境界がはっきり分かれるものや、境界の輝度が高い「エッジ効果」が見られることが望ましい。逆に、スペースの中の構造物をはっきり観察したい場合は、スペースの輝度が高い画像が望ましい。
　本技術分野の背景技術として、例えば、特許文献１のような技術がある。特許文献１には「２つ以上のエンコーダーレイヤと２つ以上のデコーダーレイヤを有する発生モデルを備えた設計情報からシミュレーション画像を生成するシステム」が開示されている。
　また、特許文献２には「観察条件を実際に変更することなく、観察条件を変更したならば得られるであろう画像を参照できる荷電粒子線装置」が開示されている。
　また、特許文献３には「スループットを高く維持しながら高い検出性能を満たすような欠陥観察装置」が開示されている。
米国特許第９９６５９０１号明細書 特開２０１９－２０４７５７号公報 特開２０１０－８７３２２号公報
　上述したように、SEMでは観察条件（装置条件）や試料の帯電によって取得できるSEM画像が大きく異なる。そのため、高精度な試料の観察や計測には、最適な観察条件下での観察・計測が必要である。
　しかし、従来、最適な観察条件は、ユーザーがSEMの原理への理解や経験、ノウハウを頼りにして、実測を繰り返しながら探索する事が多い。特に試料が帯電し易い場合は、観察条件の探索に時間が掛かったり、望ましい条件が見つからない事がある。また、半導体製品のような微細加工された試料の検査時には最適な観察条件を探索するには時間とノウハウが必要となる。
　そこで、シミュレーションまたは計算でその作業を補助する方法が考えられる。例えば、ある観察条件でSEM画像をシミュレーション計算で生成し、望ましい視認性を達成できない場合はフィードバックを行い、観察条件のパラメータを修正し、画像を再度生成する。
　目標に近い画像が得られるまで、この手順を繰り返す事で観察条件を最適化する方法、即ち人間が行っている事をコンピュータによって自動的に実施することが考えられる。
　しかしながら、このような方法を実行するには以下のような課題がある。
　（１）シミュレーション計算、特に帯電を考慮する場合は長時間化するため、条件探索の効率化という動機と矛盾する。
　（２）上述したように、実測結果をシミュレーション計算で再現するためには、半導体材料の物性パラメータを合わせる必要がある。
　（３）検査の目的によって、望ましい画像が異なるため、一概にプログラムでルール化し、自動化する事が困難である。
　上記特許文献１から特許文献３のいずれにも、実測結果をシミュレーション計算で再現する際に材料の物性パラメータを合わせる必要があるという課題については考慮されていない。
　そこで、本発明の目的は、シミュレーション結果の機械学習により求めた画像予測モデルを用いて最適観察条件を導出可能な荷電粒子線検査システム及びそれを用いた荷電粒子線検査方法を提供することにある。
　上記課題を解決するために、本発明は、試料の画像を取得する荷電粒子線照射装置と、前記荷電粒子線照射装置の観察条件を探索し、前記荷電粒子線照射装置による画像取得を制御する観察条件探索装置と、を備え、前記観察条件探索装置は、複数の第１の装置条件と複数の第１の試料条件を含む第１の画像生成条件をシミュレータに入力することによって得られた複数のシミュレーション画像と、前記第１の画像生成条件とを含む教師データを用いた学習が施された学習器を含むモジュールを取得し、画像生成ツールに複数の第２の装置条件を設定することにより、前記画像生成ツールより出力される複数の出力画像を取得し、前記学習器に前記第１の試料条件と前記第２の装置条件とを入力することによって得られた画像と、前記複数の出力画像とを照合し、当該照合結果に基づいて、第２の試料条件を生成することを特徴とする。
　また、本発明は、計測又は検査を実行する画像生成ツールに設定する装置条件を導出する荷電粒子線検査方法であって、（ａ）複数の第１の装置条件と複数の第１の試料条件を含む第１の画像生成条件をシミュレータに入力することによって得られた複数のシミュレーション画像と、前記第１の画像生成条件とを含む教師データを用いた学習が施された学習器を含むモジュールを取得するステップと、（ｂ）前記画像生成ツールに複数の第２の装置条件を設定することにより、前記画像生成ツールより出力される複数の出力画像を取得するステップと、（ｃ）前記学習器に前記第１の試料条件と前記第２の装置条件とを入力することによって得られた画像と、前記複数の出力画像とを照合するステップと、（ｄ）前記（ｃ）ステップでの照合結果に基づいて、第２の試料条件を生成するステップと、を有することを特徴とする。
　本発明によれば、シミュレーション結果の機械学習により求めた画像予測モデルを用いて最適観察条件を導出可能な荷電粒子線検査システム及びそれを用いた荷電粒子線検査方法を実現することができる。
　これにより、半導体検査時の観察条件探索時間を短縮する事が出来、検査のスループットを高める事が可能となる。また、観察条件決めを自動化する事が出来、ユーザーの経験やノウハウへの依存性を抑える事ができる。
　上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
本発明の実施例に係る荷電粒子線検査システムの概略構成を示す図である。 本発明の実施例に係る走査型電子顕微鏡の概略構成を示す図である。 本発明の実施例に係る観察条件探索装置の概略構成を示す図である。 本発明の実施例１に係る観察条件探索方法を示すフローチャートである。 本発明の実施例２に係る観察条件探索方法を示すフローチャートである。 本発明の実施例３に係る観察条件探索方法を示すフローチャートである。 本発明の実施例４に係る観察条件探索方法を示すフローチャートである。 本発明の実施例５に係る観察条件探索方法を示すフローチャートである。 本発明の実施例６に係る観察条件探索方法を示すフローチャートである。 本発明の実施例７に係る観察条件探索方法を示すフローチャートである。 本発明の実施例８に係る観察条件探索方法を示すフローチャートである。 本発明の実施例に係る目標画像入力GUIを示す図である。 本発明の実施例に係る画像生成モデルの結果解釈GUIを示す図である。 本発明の実施例に係る試料の一部を画像または2D/3Dモデルから選択するGUIを示す図である。 本発明の実施例に係る観察条件探索の過程及び結果解釈のGUIを示す図である。
　以下、図面を用いて本発明の実施例を説明する。なお、各図面において同一の構成については同一の符号を付し、重複する部分についてはその詳細な説明は省略する。
　先ず、図１から図３を参照して、本発明の対象となる荷電粒子線検査システムについて説明する。
　図１は、荷電粒子線検査システムの概略構成を示している。図２は、走査型電子顕微鏡の概略構成を示している。図３は、観察条件探索装置の概略構成を示している。
　本発明の対象となる荷電粒子線検査システムは、図１に示すように、主要な構成として、荷電粒子線照射装置１１と、観察条件探索装置１２と、入出力装置１３とを含むシステムである。
　荷電粒子線照射装置１１は、観察対象である試料の画像を取得し、観察条件探索装置１２へ送信する。ユーザーは入出力装置１３を用いて、観察条件探索の目標とする画像または指標値を観察条件探索装置１２へ送信する。
　観察条件探索装置１２は、観察条件及び制御パラメータを荷電粒子線照射装置１１へ送信し、荷電粒子線照射装置１１による画像取得を制御する。また、最適観察条件の探索結果及びその根拠（解釈）を、入出力装置１３を介してユーザーに提示する。
　荷電粒子線照射装置１１の一例として、走査型電子顕微鏡（SEM）の概略構成を図２に示す。
　走査型電子顕微鏡は、図２に示すように、電子銃２１から発生する１次電子ビーム２８を１つ以上のコンデンサーレンズ２３及び対物レンズ２５で整形しながら、試料２７へ輸送する。走査電極２４は電磁場を利用して、１次電子ビーム２８を試料２７の上で走査させ、試料２７から発生する２次電子２９を検出器２６で収集する事で、２次元画像を構成する。符号２２は、電子銃２１から発生する電子を加速するアノード電極である。
　観察条件探索装置１２の概略構成を図３に示す。
　観察条件探索装置１２は、図３に示すように、プロセッサ３１と、記憶装置３２と、入力装置３３と、出力装置３４と、通信装置３５とを備えた機器である。観察条件探索装置１２の記憶装置３２には、観察条件探索プログラム４１が実装されている。
　以降の各実施例では、観察条件探索プログラム４１の処理と使用方法を中心に説明する。
　図４，図１２，図１３，図１５を参照して、本発明の実施例１に係る観察条件探索方法について説明する。図４は、観察条件探索の基本的なフローを示している。図１２は、目標画像入力GUI（Graphical User Interface）の例を示している。図１３は、画像生成モデルの結果解釈GUIの例を示している。図１５は、観察条件探索の過程及び結果解釈のGUIの例を示している。
　上述したように、「観察条件」は荷電粒子線照射装置１１の加速電圧、ビーム電流、走査速度などを指している。なお、画像シミュレーションにおいて、半導体材料の物性パラメータ等の「試料条件」と区別するために、以下では「装置条件」と呼ぶこととする。
　検査装置サプライヤの処理として、先ず、ステップＳ１０１において、画像シミュレータに多数の（複数仕様の）第１の装置条件、第１の試料条件を入力し、複数のシミュレーション画像を生成する。
　ステップＳ１０２において、第１の装置条件及び第１の試料条件とシミュレーション画像のペアを教師データとして、学習器に学習させ、ステップＳ１０３において、装置条件、試料条件から画像を生成可能な画像予測モデルを取得する。
　学習過程であるステップＳ１０２において、試料条件は半導体パターンの形状と材料情報を含む。形状情報はCADデータ、３Dモデルまたは２Dの高さマップが考えられる。材料情報は形状情報に合わせ、各ピクセルまたは微小体積の材料パラメータをそれぞれ指定できる形式に加工してから学習を行う。装置条件は全ピクセルまたは微小体積に対して共通のため、直接学習モデルに入力しても良いが、各条件の物理的な意味を考慮した前処理を実施しても良い。
　本発明のユーザーである半導体メーカーは、半導体設計（ステップＳ１０４）、半導体製造（ステップＳ１０５）を実施する際に、検査が必要となる。
　ステップＳ１０６において、複数の第２の装置条件でSEM画像を実測により取得する。この段階で、第２の試料条件はまだ不明であるため、［第２の装置条件，試料条件不明，実測画像］を情報として持っている。
　ステップＳ１０７において、ステップＳ１０３で取得した学習器を用いて、試料条件を仮定した上で計算画像を生成し、［第２の装置条件，仮定した試料条件，計算画像］を情報として持ち、実測画像及び計算画像を照合する。
　実測画像と計算画像の差異が十分小さい場合、不明だった「第２の試料条件」は「仮定した試料条件」で近似できると考えられる。この「第２の試料条件」を記憶装置３２に登録しておき、必要な場合は出力装置３４を介してユーザーに提示する（ステップＳ１０８）。
　次に、ステップＳ１０９において、ユーザーが希望する画像条件を入力する。希望する画像条件は、計算画像または実測画像を図１２に示すようなGUIを用いて編集する事で作成する。また、他の装置で取得した画像や、過去に取得した画像などを直接入力する事や、画像ではなく、輝度やコントラストなどの指標値を入力する事も可能である。
　ステップＳ１１０において、ステップＳ１０３で取得した、「装置条件、試料条件」から、計算画像を生成可能な画像予測モデルを用いて、ステップＳ１０９で入力された目標を達成できる装置条件を導出する。具体的には、試料条件は第２の試料条件に固定し、装置条件を調整しながら計算画像と目標画像の差異が小さい第３の装置条件を求める処理をする。
　ステップＳ１１１において、第３の装置条件を出力装置３４を介して、ユーザーに提示する。
　ここで、第３の装置条件は、目標画像に近い視認性を達成できる根拠を図１３に示すようなGUIを用いて解釈する。具体的には、装置条件の各自由度に対して、画像の評価指標の変化を示す。示し方は１次元曲線、２次元ヒストグラムまたは２次元カラーマップ、直接計算画像を並べるなどの方法を含む。
　ステップＳ１１１においては、第３の装置条件を導出する過程を、図１５に示すようなGUIを用いて解釈する。
　具体的には、装置条件の各自由度で張られる空間で探索したルートを示す方法、または２つの自由度の組み合わせを２次元マップで示す方法を含む。また、装置条件は３次元以上のため、関心のある条件及び評価指標を任意に選ぶ事が可能とする。
　以上説明したように、本実施例の荷電粒子線検査システムは、試料２７の画像を取得する荷電粒子線照射装置１１と、荷電粒子線照射装置１１の観察条件を探索し、荷電粒子線照射装置１１による画像取得を制御する観察条件探索装置１２とを備えており、観察条件探索装置１２は、複数の第１の装置条件と複数の第１の試料条件を含む第１の画像生成条件をシミュレータに入力することによって得られた複数のシミュレーション画像と、第１の画像生成条件とを含む教師データを用いた学習が施された学習器を含むモジュールを取得し、画像生成ツールに複数の第２の装置条件を設定することにより、画像生成ツールより出力される複数の出力画像を取得し、学習器に第１の試料条件と第２の装置条件とを入力することによって得られた画像と、複数の出力画像とを照合し、当該照合結果に基づいて、第２の試料条件を生成する。
　また、観察条件探索装置１２は、入力された所望の画像条件と、第２の試料条件とに基づいて、画像生成ツールの第３の装置条件を導出する。
　これにより、シミュレーション結果の機械学習により求めた画像予測モデルを用いて最適観察条件を特定することができる。
　その結果、例えば半導体検査時の観察条件探索時間を短縮する事が出来、検査のスループットを高める事が可能となる。また、観察条件決めを自動化する事が出来、ユーザーの経験やノウハウへの依存性を抑える事ができる。
　図５を参照して、本発明の実施例２に係る観察条件探索方法について説明する。図５は、本実施例の観察条件探索のフローを示している。
　なお、実施例２以降は基本的に実施例１に追加機能を実装した例であり、実施例１と異なる部分のみを説明する。
　図５において、ステップＳ１０１からステップＳ１０７、及びステップＳ１０９からステップＳ１１１は、実施例１（図４）と同様のフローである。
　本実施例では、ユーザーである半導体メーカーが半導体設計（ステップＳ１０４）を行った後に、検査装置サプライヤに試料の設計・材料条件や検査内容・目的等を共有する場合は、目的に特化したデータベースを構築し、学習器の精度を高める事が出来る。
　具体的には、ステップＳ１２１において、ステップ１０１で関心がある形状や材料パラメータを追加する。
　また、本実施例では、ステップＳ１０７において、計算画像と実測画像を照合する事によって、第２の試料条件を導出した後、ステップＳ１０７での結果を検証する試料条件検証ステップ（ステップＳ１２３）を追加している。
　ここで、試料条件検証ステップ（ステップＳ１２３）を実施する理由を説明する。
　複数の第２の装置条件で実測画像を取得するステップＳ１０６において、数回または十数回の自動実測を想定している。実測回数は作業効率と照合精度のバランスを考慮する必要がある。効率化のため、実測回数を減らした場合、偶然一致する状況が発生する恐れがあるため、試料条件検証ステップ（ステップＳ１２３）を実施する。
　具体的には、複数の第２の試料条件に含まない装置条件Aで実測画像Aを取得し、ステップＳ１０３の画像生成モデルで計算画像を作成し、［装置条件A，第２の試料条件，計算画像A］の情報を得る。
　ステップＳ１２３において、計算画像Aと実測画像Aを比べて、その差異が小さい場合（PASS）は、第２の試料条件は偶然に一致したリスクが低いと考えられ、記憶装置３２に登録しても良い（ステップＳ１０８）。
　一方、新しい装置条件Aで評価した所、計算画像Aと実測画像Aの差異が大きい場合（FAIL）は、ステップＳ１２４に進み、検証回数が所定の検証回数Xよりも多いか否かを判定する。
　ステップＳ１２４において、検証回数が所定の検証回数X以下であると判定された場合（False）は、ステップＳ１２５に進み、該当条件を照合するデータベースに追加し（ステップＳ１２５）、ステップＳ１０６に戻って、装置条件Aを第２の試料条件に追加する。
　ステップＳ１２４において、検証回数が所定の検証回数Xよりも多いと判定された場合（True）は、ステップＳ１２２に進み、該当条件を学習データベースに追加し（ステップＳ１２２）、その後、ステップＳ１０１に戻る。
　所定の検証回数Xはユーザーが決める事ができ、繰り返し検証しても計算画像と実測画像の差異が大きい場合、ステップＳ１２２において、これらの条件を学習データベースに追加し、該当条件付近でのモデルの計算精度を高める。
　また、本実施例では、ステップＳ１０８において、第２の試料条件が判明した場合、半導体製造工程（ステップＳ１０５）に、第２の試料条件をフィードバックする事も可能である（ステップＳ１２６）。
　図６を参照して、本発明の実施例３に係る観察条件探索方法について説明する。図６は、本実施例の観察条件探索のフローを示している。
　図６において、ステップＳ１２７以外のステップは、実施例２（図５）と同様のフローである。
　本実施例では、半導体製造のステップＳ１０５と複数の第２の装置条件で実測画像を取得するステップＳ１０６との間に、試料条件が既知であるか否かを判定するステップＳ１２７を有している。
　ユーザーである半導体メーカーが試料条件を予め把握している場合（True）は、ステップＳ１０７の試料条件合わせ（照合）を飛ばし、ステップＳ１０８から観察条件の探索に進む事が考えられる。
　図７を参照して、本発明の実施例４に係る観察条件探索方法について説明する。図７は、本実施例の観察条件探索のフローを示している。
　本実施例では、試料条件（材料パラメータ）や装置条件（観察条件）を１つに絞れない場合を想定している。
　ステップＳ１０７において、計算画像と実測画像を照合した後、複数の試料条件（材料パラメータ１，材料パラメータ２）２０８を登録する。
　ステップＳ１０９において、目標画像を入力した後は、それぞれの試料条件（材料パラメータ）２０８に対し、複数の観察条件候補２１０をユーザーに提案する。
　図８を参照して、本発明の実施例５に係る観察条件探索方法について説明する。図８は、本実施例の観察条件探索のフローを示している。
　本実施例では、ステップＳ１１１において、第３の装置条件（最適観察条件）を提案した後の処理について説明する。
　図８において、ステップＳ１０７からステップＳ１１１、及びステップＳ１２３からステップＳ１２６は、実施例２（図５）と同様のフローである。
　本実施例では、ステップＳ１３２において、第３の装置条件（提案された最適観察条件）で実測し、ステップＳ１３３において、実測した画像を評価する。
　実測画像が目標を満たす場合（PASS）は、第３の装置条件で自動的に検査のレシピを生成し（ステップＳ１３５）、本（大量）測定を開始する（ステップＳ１３６）。
　目標を満たさない場合（FAIL）は、２つの状況が考えられる。１つは目標条件が不十分な場合であり、例えばコントラストの目標値のみを指定した場合、コントラストは目標通りだがSN比が足りない装置条件を提案する恐れがある。この場合は条件を追加するべきである（ステップＳ１３４のTrue）。
　一方、目標条件を十分明確に指定したにもかかわらず、第３の装置条件の実測画像が目標を満たさない場合は、目標条件を追加せずに（ステップＳ１３４のFalse）、ステップＳ１２４に戻る。即ち、ステップＳ１０７の照合をやり直すか、データを追加して再学習するか（ステップＳ１０１）の判断になる。
　図９を参照して、本発明の実施例６に係る観察条件探索方法について説明する。図９は、本実施例の観察条件探索のフローを示している。
　本実施例では、再学習についてのフローを説明する。
　ステップＳ１０７，ステップＳ１３３で繰り返し探索の結果、実測を再現しない事が判明した場合は再学習が必要となる（ステップＳ１４１）。
　先ず、ステップＳ１４２において、輝度の絶対値を評価する。一部の条件で一致するが、実測を再現しない条件もある場合（True）は、帯電の影響を正しく評価できていない可能性が高い。そのため、シミュレーションで帯電パラメータを調整し（ステップＳ１４３）、新しいデータベースを構築する（ステップＳ１４９）必要がある。
　輝度の絶対値が全体的に合わないが（False）、装置条件が変化する際の輝度変化が一致する、あるいは差異が許容範囲内の場合（ステップＳ１４４のTrue）は、実測画像の輝度、コントラスト設定による違いと考えられる。この場合は、既存データを補正する。既存データの補正方法は、輝度オフセットを設ける、または輝度やコントラストを線形補正する方法を含む（ステップＳ１４５）。
　輝度の絶対値、輝度変化（相対変化）がどちらも合わない場合（ステップＳ１４４のFalse）は、計算で仮定した装置条件が実測に使われる装置条件と一致しない事が考えられる。この場合は再学習せずに装置条件、例えば検出器２６のアクセプタンスの調整を実施する（ステップＳ１４６）。
　ステップＳ１４７において、一定回数（N回）調整しても、輝度の絶対値、輝度変化（相対変化）が改善されない場合（False）、教師データとして使用したシミュレーション結果が試料２７の形状または材料に対応できていない事が考えられる。この場合は、シミュレーションで計算する試料条件を拡張して（ステップＳ１４８）、新しいデータベースを構築する（ステップＳ１４９）。
　データベース再構築後に、再学習を実施する（ステップＳ１５０）。
　以上説明したように、本実施例の観察条件探索装置１２は、第２の試料条件の導出ができない場合、または、規定の時間或いは規定の処理回数以内で導出できない場合、教師データを編集またはデータを追加し、学習を再度実施する。
　図１０を参照して、本発明の実施例７に係る観察条件探索方法について説明する。図１０は、本実施例の観察条件探索のフローを示している。
　上述したように、試料条件は形状情報、材料物性情報を含み、実施例１から実施例６では、どれか１つが未知の場合を想定している。実際には、材料物性の正確な値を知る事が困難であり、形状情報は設計データから把握する事が可能であるため、材料物性を実測画像と計算画像の照合で合わせる事が多いと考えられる。
　しかし、形状情報と材料物性情報の両方が未知な場合も考えられる。例えば、半導体製造プロセス後、形状が設計通りになっているかが不明な場合や、設計、製造、検査を行うユーザーがそれぞれ別であり、正確な設計情報が手元にないなどの状況が考えられる。本実施例では、これらに対応する。
　先ず、試料実測、視認性等の目標が未達である場合（ステップＳ３０１）、ステップＳ３０２に進み、装置条件候補Aで実測を行う。これは、ステップＳ１０６と同じと考えても良い。
　ステップＳ３０３において、目標を達成可能な画像の有無を判定し、目標を達成可能な画像が無ければ（False）、複数の形状候補、材料物性候補の組み合わせである試料条件候補Bを生成し（ステップＳ３０４）、装置条件候補Aと試料条件候補Bの全組み合わせについてステップＳ１０３の画像計算モデルで画像を生成する（ステップＳ３０５）。
　ステップＳ３０６において、実測画像と計算画像を比較し、実測の再現性が高めの、形状と材料物性の組み合わせを１つ以上有する試料条件候補Cを算出する。集合のサイズはC＜Bである。
　試料条件候補Cに、複数の形状、材料の組み合わせがある場合、それらをステップＳ３０６で、装置条件候補Aでは区別できないと考えられる。ここで、試料条件候補Cを区別しやすい装置条件候補Dを算出する（ステップＳ３０７）。
　ステップＳ３０８において、探索を中止するか否かを判定する。探索を継続する場合（False）は、ステップＳ３０９に進み、A＝D，B＝Cと装置条件と試料条件を再登録し、ステップＳ３０２に戻る。探索を中止する場合（True）は、ステップＳ３１０に進む。
　上記のフローを、ユーザーが指定した回数、または試料条件候補の件数が一定の数に絞られるまで繰り返し（ステップＳ３０８）、探索を終了する場合、探索の方向及び試料条件候補を出力装置３４を介してユーザーに提示する（ステップＳ３１０）。
　図１１及び図１４を参照して、本発明の実施例８に係る観察条件探索方法について説明する。図１１は、本実施例の観察条件探索のフローを示している。図１４は、試料の一部を画像または2D/3Dモデルから選択するGUIの例を示している。
　本実施例では、特定構造の感度が大きい、または、小さい条件を探索するフローを説明する。
　ここで、「感度がある」とは、試料条件が変わった時に、画像の視認性がそれとともに変化する事を指す。
　例えば、理想的なラインは垂直であるのに対して、製造したラインの側面はウエハ面（電子ビームの方向がZ方向とした場合のXY平面）との角度は９０度ではなく、８８度の場合、画像の測長値や信号のプロファイルによって発見できる事である。
　感度を数値化すれば、最大または最小となる条件を探索する事が可能である。例えば、平均からのずれ、複数条件の分散、信号プロファイルを微分した場合の値や形を含むが、これらに限定しない。「変化」を強調する定義であれば、感度を評価可能である。
　図１１は、「平均からのずれ」を用いて感度を評価する例である。図１４のGUIを利用して、関心がある特定構造を入力する（ステップＳ４０１）。
　ステップＳ４０２において、装置条件候補の集合P{p1, p2, p3,…,pM}を入力または製品仕様に基づき自動生成する。
　ステップＳ４０１で入力された「特定構造」を変化させ、試料条件候補Q{q1, q2, q3,…qN}を自動的に生成する（ステップＳ４０３）。
　ステップＳ４０４において、PとQの全ての組み合わせについて、ステップＳ１０３で取得した機械学習モデルで画像を算出し、「特定構造」の部分を切り取り、I(pi, qj)とする。Iは画像の一部を切り取ったもので、輝度値が格納された２次元配列である。
　次に、ステップＳ４０５において、各装置条件piについて、試料条件qjを平均化した画像Iave(pi)を以下の式（１）で算出する。
Figure JPOXMLDOC01-appb-M000001
　また、各装置条件piについて、平均画像からのずれの絶対値を求める。
　ここで、「ずれの絶対値」がステップＳ４０１で切り取った領域のサイズに対する依存性を消すために、ピクセル平均を取り、その値をεiとする。εiの計算式は以下の式（２）である（ステップＳ４０６～ステップＳ４１０）。
Figure JPOXMLDOC01-appb-M000002
　全ての装置条件候補piでεiを計算すれば、感度行列E{ε1, ε2, ε3,…εM}を求める事が出来る（ステップＳ４１１）。
　その内、最大、最小値はそれぞれεr, εsとなった場合、装置条件prは感度最大条件で、Psは感度最小条件となる。また、この２条件だけでなく、感度行列は感度変化についての情報を持つので、複雑な観察条件探索、例えば２種類のトレードオフ関係となっている指標を両立させる条件を探す場合などは、重要な参考情報である。
　最後に、感度最大、最小条件及び探索方向等の結果を出力装置３４を介してユーザーに提示する（ステップＳ４１２）。
　なお、上記で説明した実施例１から実施例８の観察条件探索方法を、クラウドサービスとして提供することも可能である。例えば、荷電粒子線照射装置１１と観察条件探索装置１２を互いに離間した位置に配置し、観察条件探索装置１２が探索した観察条件をインターネット経由で荷電粒子線照射装置１１へ送信するようにしても良い。
　その場合、ユーザーである半導体メーカーは計算機リソースの所有や管理を行う必要がない。また、プログラムとデータベースのメンテナンス、再学習の実施が容易に出来るなどのメリットがある。
　また、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
　１１…荷電粒子線照射装置、１２…観察条件探索装置、１３…入出力装置、２１…電子銃、２２…アノード電極、２３…コンデンサーレンズ、２４…走査電極、２５…対物レンズ、２６…検出器、２７…試料、２８…１次電子ビーム、２９…２次電子、３１…プロセッサ、３２…記憶装置、３３…入力装置、３４…出力装置、３５…通信装置、４１…観察条件探索プログラム、２０８…試料条件（材料パラメータ）、２１０…観察条件候補。

Claims (14)

  1. 　試料の画像を取得する荷電粒子線照射装置と、
    　前記荷電粒子線照射装置の観察条件を探索し、前記荷電粒子線照射装置による画像取得を制御する観察条件探索装置と、を備え、
    　前記観察条件探索装置は、複数の第１の装置条件と複数の第１の試料条件を含む第１の画像生成条件をシミュレータに入力することによって得られた複数のシミュレーション画像と、前記第１の画像生成条件とを含む教師データを用いた学習が施された学習器を含むモジュールを取得し、
    　画像生成ツールに複数の第２の装置条件を設定することにより、前記画像生成ツールより出力される複数の出力画像を取得し、
    　前記学習器に前記第１の試料条件と前記第２の装置条件とを入力することによって得られた画像と、前記複数の出力画像とを照合し、
    　当該照合結果に基づいて、第２の試料条件を生成することを特徴とする荷電粒子線検査システム。
  2. 　請求項１に記載の荷電粒子線検査システムであって、
    　前記観察条件探索装置は、入力された所望の画像条件と、前記第２の試料条件とに基づいて、前記画像生成ツールの第３の装置条件を導出することを特徴とする荷電粒子線検査システム。
  3. 　請求項２に記載の荷電粒子線検査システムであって、
    　前記第３の装置条件を導出する根拠を、装置条件の各自由度に対し、画像条件の変化を曲線または２次元ヒストグラムまたは２次元カラーマップを用いて解釈することを特徴とする荷電粒子線検査システム。
  4. 　請求項１に記載の荷電粒子線検査システムであって、
    　前記観察条件探索装置は、前記第２の試料条件に基づき、半導体製造工程にフィードバックを行うことを特徴とする荷電粒子線検査システム。
  5. 　請求項１に記載の荷電粒子線検査システムであって、
    　前記観察条件探索装置は、前記第２の試料条件の導出ができない場合、または、規定の時間或いは規定の処理回数以内で導出できない場合、前記教師データを編集またはデータを追加し、前記学習を再度実施することを特徴とする荷電粒子線検査システム。
  6. 　請求項１に記載の荷電粒子線検査システムであって、
    　前記観察条件探索装置は、前記試料である半導体パターンの一部の構造に感度を持つ装置条件を求めることを特徴とする荷電粒子線検査システム。
  7. 　請求項１に記載の荷電粒子線検査システムであって、
    　前記荷電粒子線照射装置と前記観察条件探索装置とは、互いに離間した位置に配置されており、
    　前記観察条件探索装置は、探索した観察条件をインターネット経由で前記荷電粒子線照射装置へ送信することを特徴とする荷電粒子線検査システム。
  8. 　計測又は検査を実行する画像生成ツールに設定する装置条件を導出する荷電粒子線検査方法であって、
    　（ａ）複数の第１の装置条件と複数の第１の試料条件を含む第１の画像生成条件をシミュレータに入力することによって得られた複数のシミュレーション画像と、前記第１の画像生成条件とを含む教師データを用いた学習が施された学習器を含むモジュールを取得するステップと、
    　（ｂ）前記画像生成ツールに複数の第２の装置条件を設定することにより、前記画像生成ツールより出力される複数の出力画像を取得するステップと、
    　（ｃ）前記学習器に前記第１の試料条件と前記第２の装置条件とを入力することによって得られた画像と、前記複数の出力画像とを照合するステップと、
    　（ｄ）前記（ｃ）ステップでの照合結果に基づいて、第２の試料条件を生成するステップと、
    　を有することを特徴とする荷電粒子線検査方法。
  9. 　請求項８に記載の荷電粒子線検査方法であって、
    　（ｅ）入力された所望の画像条件と、前記第２の試料条件とに基づいて、前記画像生成ツールの第３の装置条件を導出するステップと、を有することを特徴とする荷電粒子線検査方法。
  10. 　請求項９に記載の荷電粒子線検査方法であって、
    　前記（ｅ）ステップにおいて前記第３の装置条件を導出する根拠を、装置条件の各自由度に対し、画像条件の変化を曲線または２次元ヒストグラムまたは２次元カラーマップを用いて解釈することを特徴とする荷電粒子線検査方法。
  11. 　請求項８に記載の荷電粒子線検査方法であって、
    　前記（ｄ）ステップで生成した前記第２の試料条件に基づき、半導体製造工程にフィードバックを行うことを特徴とする荷電粒子線検査方法。
  12. 　請求項８に記載の荷電粒子線検査方法であって、
    　前記第２の試料条件の導出ができない場合、または、規定の時間或いは規定の処理回数以内で導出できない場合、前記教師データを編集またはデータを追加し、前記学習を再度実施することを特徴とする荷電粒子線検査方法。
  13. 　請求項８に記載の荷電粒子線検査方法であって、
    　計測又は検査の対象である半導体パターンの一部の構造に感度を持つ装置条件を求めることを特徴とする荷電粒子線検査方法。
  14. 　請求項８に記載の荷電粒子線検査方法であって、
    　試料の画像を取得する荷電粒子線照射装置と、前記荷電粒子線照射装置の観察条件を探索する観察条件探索装置とは、互いに離間した位置に配置されており、
    　前記観察条件探索装置は、探索した観察条件をインターネット経由で前記荷電粒子線照射装置へ送信することを特徴とする荷電粒子線検査方法。
PCT/JP2022/003148 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 WO2023144970A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202280087220.5A CN118476004A (zh) 2022-01-27 2022-01-27 带电粒子束检查系统、带电粒子束检查方法
KR1020247021137A KR20240108536A (ko) 2022-01-27 2022-01-27 하전 입자선 검사 시스템, 하전 입자선 검사 방법
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
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

Applications Claiming Priority (1)

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

Publications (1)

Publication Number Publication Date
WO2023144970A1 true WO2023144970A1 (ja) 2023-08-03

Family

ID=87470898

Family Applications (1)

Application Number Title Priority Date Filing Date
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

Country Status (4)

Country Link
KR (1) KR20240108536A (ja)
CN (1) CN118476004A (ja)
TW (1) TW202331774A (ja)
WO (1) WO2023144970A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
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
JP2019204757A (ja) * 2018-05-25 2019-11-28 日本電子株式会社 荷電粒子線装置、機械学習方法及び電子ファイル
JP2021022440A (ja) * 2019-07-25 2021-02-18 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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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
JP2019204757A (ja) * 2018-05-25 2019-11-28 日本電子株式会社 荷電粒子線装置、機械学習方法及び電子ファイル
JP2021022440A (ja) * 2019-07-25 2021-02-18 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

Also Published As

Publication number Publication date
CN118476004A (zh) 2024-08-09
KR20240108536A (ko) 2024-07-09
TW202331774A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
US10483081B2 (en) Self directed metrology and pattern classification
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
TW201921542A (zh) 識別在一晶圓上偵測到之缺陷中之損害及所關注缺陷
KR101743083B1 (ko) 패턴 계측 장치 및 반도체 계측 시스템
US11580650B2 (en) Multi-imaging mode image alignment
CN113763312A (zh) 使用弱标记检测半导体试样中的缺陷
KR102680501B1 (ko) 화상 평가 장치 및 방법
US10922808B2 (en) File selection for test image to design alignment
KR102713705B1 (ko) 비지도 학습 및 적응형 데이터베이스 생성 방법을 이용한 표본 내 변형 및 표본 간 변형을 가진 표본들에 대한 이미지 정렬 셋업
TW202139133A (zh) 半導體樣本的檢查
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
Fleßner et al. Assessment of the single point uncertainty of dimensional CT measurements
US10151706B1 (en) Inspection for specimens with extensive die to die process variation
WO2023144970A1 (ja) 荷電粒子線検査システム、荷電粒子線検査方法
IL257205A (en) Self-directed metrology and example classification
JP3959379B2 (ja) 形状測定装置及び形状測定方法
CN118537282A (zh) 使用机器学习的覆盖目标的最优确定
CN118537284A (zh) 重叠目标的最佳确定

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: 22923835

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20247021137

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1020247021137

Country of ref document: KR

NENP Non-entry into the national phase

Ref country code: DE