JP2022511246A - ３ｄ－ｎａｎｄ ｃｄｓｅｍ計測学のための方法、システムおよびコンピュータプログラム製品 - Google Patents

Abstract

一連の製造段によって製造される半導体構造体のプロセス制御の方法であって、少なくとも２つの個別の製造段を示す半導体構造体の画像を取得するステップであって、画像が、荷電粒子ビームで半導体構造体を走査し、半導体構造体から発する信号を集めることによって生成される、ステップと、ハードウェアプロセッサによって画像を処理して半導体構造体のパラメータを決定するステップとを含み、処理するステップが、製造段の中から、段を個別のフィーチャとして測定するステップを含む、方法。【選択図】図２ａ

Description

同時継続出願の参照
２０１８年１１月２日に出願された「３Ｄ－ＮＡＮＤ ＳＴＡＩＲＣＡＳＥ ＣＤ ＳＥＭ ＭＥＴＲＯＬＯＧＹ」という名称の米国特許仮出願第６２／７５５，１５５号の優先権が主張され、同出願の開示が参照により本明細書に組み込まれる。

本開示の主題は、一般に計測学の分野に関し、より詳細には微小構造体の検査と、このような検査を自動化するための方法およびシステムとに関する。

３Ｄ ＮＡＮＤフラッシュは、メモリセルが垂直に多層に積層されているフラッシュメモリの一種である。

限界寸法走査電子顕微鏡（ＣＤＳＥＭとも呼ばれる）は、半導体ウェハ上に形成された微細なパターンの寸法を測定し、主にプロセス制御（半導体の電子デバイスの生産ラインを制御すること）のために使用される。

限界寸法測定がウェハ製造、たとえば、
１．現像の前または後のフォトレジストパターンの限界寸法測定、
２．コンタクト孔直径／ビア孔直径およびエッチング後の配線幅の測定
を支援するために行われることがある。

半導体業界が三次元構造体の生産へ向かっているので、ＣＤ計測学における新しい手法の開発の必要性が高まりつつある。たとえば、一般に使用される計測学アルゴリズムを三次元構造体のＣＤ画像の分析によりよく合うように適合させる必要がある。

本開示の主題のいくつかの態様によれば、半導体試料の改善された検査方法が提供される。

本開示の主題の別の態様によれば、上記の方法による半導体試料の検査に使用できるシステムが提供される。

本開示の主題の別の態様によれば、命令を含む非一時的なコンピュータ可読媒体であって、命令がコンピュータによって実行されると、コンピュータに上記の方法を実行させる、非一時的なコンピュータ可読媒体が提供される。

すなわち、少なくとも以下の実施形態が提供される。

実施形態１。複数の、たとえば一連の製造段によって一般には製造される半導体構造体（たとえば階段、ＶＮＡＮＤ）のプロセス制御のための、少なくとも２つの個別の製造段を示す半導体構造体の画像を取得することを一般には含む、方法および／またはシステムおよび／またはコンピュータプログラム製品。この画像は、たとえば荷電粒子ビームで半導体構造体を走査することによって生成することができ、半導体構造体から発する信号が集められ得る。画像は、半導体構造体のパラメータを決定することを含めて処理することができる。この処理は一般に、少なくとも２つの個別の製造段の中から１つまたは複数の段をたとえば個別のフィーチャとして測定することを含む。

画像中で決定されるべき所定の数の段を受け取ることができる。このような段の数は、たとえば測定セットアップ段階中に経験的に設定することができる。

たとえば上記の方法および／またはシステムおよび／またはコンピュータプログラム製品である、方法および／またはシステムおよび／またはコンピュータプログラム製品は、走査電子顕微鏡（ＳＥＭとも呼ばれる）および／または計測学アルゴリズムと組み合わせて機能することができ、この計測学アルゴリズムは、パターンを担持できる半導体構造体またはデバイスのたとえば一部分のＳＥＭ画像または荷電粒子画像を受け取るように機能することができ、それに応じてパターンの少なくとも１つのパラメータを測定することができる。パターンは一般に、少なくとも１つのラインをデバイス中に含む。パラメータは一般に、少なくとも１つのラインの少なくとも１つの寸法を含む。システムは、半導体構造体またはデバイス上で計測学を実施するように構成された少なくとも１つのプロセッサを備え得る。この計測学は、
ａ．ＳＥＭによって生成された、デバイスの少なくとも１つのＳＥＭ画像を受け取ること、および／または
ｂ．ＳＥＭ画像を画像処理し、それによって画像処理済みアルゴリズム入力を生成すること、および／または
ｃ．入力Ｉを受け取るように機能する計測学アルゴリズムを実行することおよび／または、一般にはそれに応じて、少なくとも１つのラインの少なくとも１つの寸法を測定すること
を含み得る。入力Ｉは、半導体構造体またはデバイスの一部分のＳＥＭ画像ではなく、画像処理済みアルゴリズム入力を含み得る。

ＳＥＭ画像を生成するＳＥＭが本明細書のいずれの実施形態にも使用され得ること、またはより一般的に、荷電粒子顕微鏡法が使用されて荷電粒子画像が生成され得ることを理解されたい。

実施形態２。上記の任意の実施形態の、たとえば実施形態１の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、半導体構造体またはデバイスは、階段を含む３Ｄ、またはＶＮＡＮＤ半導体構造体もしくはデバイスを備え、階段の下に複数の段およびコンタクトがあり）、画像は階段の少なくとも一部分を含む。

ＳＥＭには厚さ制限があり、したがって、各ＳＥＭ画像は含む段が一般に、階段全体の複数の段よりもずっと少ないことを理解されたい。

実施形態３。上記の任意の実施形態の、たとえば実施形態２の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、少なくとも１つの寸法は、階段の少なくとも１つの段の少なくとも１つの寸法を含み、この寸法は段の長さを含む。

実施形態４。上記の任意の実施形態の、たとえば実施形態１の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、この方法は、以前には計測学アルゴリズムを実施できなかった少なくとも１つの多層デバイスに対して実施される。

実施形態５。上記の任意の実施形態の、たとえば実施形態２の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、一般には、複数の段の中から各個別の段が別々に、または別個のフィーチャもしくは個別のフィーチャとして、一般には以下を含めて測定される。すなわち、
（ａ）階段が所定の数の段を有すると仮定して、個々の段を検出すること。この検出には、粗エッジを見つけて、段幅の精度で段位置を画定する輪郭を一般には生成することが含まれ得る。
および／または
（ｂ）個々の段（たとえば、段位置を画定する輪郭）内で、既定の位置の「ライン」を見つけること。「ライン」は一般に、段の近くに位置する輪郭を含む。輪郭は、段の最も左の部分から最も右の部分まで、本明細書に記載の微細な輪郭を見つけることに影響を及ぼさずに位置し得る。
および／または
（ｃ）個々の段を、たとえば微細な輪郭を画定する既定の位置のラインに対して測定すること。一般には、この測定により段の最も左の部分および最も右の部分が得られ、これらをＣＤ結果推定に使用することができる。一般には、この段測定動作には、ＧＵＩ測定パラメータによってユーザ定義することができるパラメータを用いて、任意の段の一部分（たとえば、最も左または最も右の部分）と別の段との間の距離を推定することが含まれる。一般に、ＶＮＡＮＤ計測学では、各段の最も左の部分と、ターゲット中の第１の（最も左の）段の最も左の部分との間の距離が測定される。

したがって、個々の段の中の既定の位置のラインは、単なる例として、個別の段に最も左（または最も右）のラインを備え得ることを理解されたい。

段の数は、測定セットアップ段階中に経験的に事前定義することができる。

実施形態６。上記の任意の実施形態の、たとえば実施形態１の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、計測学アルゴリズムはＬＥＡアルゴリズムを含む。

実施形態７。上記の任意の実施形態の、たとえば実施形態２の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、計測学アルゴリズムは、複数の段のうちの全部ではないが一部で実行される。

実施形態８。以下と組み合わせて動作する方法である。すなわち、
走査電子顕微鏡（ＳＥＭとも呼ばれる）、および／または
パターンを担持できる半導体構造体の一部分のＳＥＭ画像または荷電粒子画像を受け取り、それに応じてパターンの少なくとも１つのパラメータを測定するように機能する計測学アルゴリズムであり、パターンは少なくとも１つのラインをデバイス中に含み、パラメータは少なくとも１つのラインの少なくとも１つの寸法を含み、システムは、半導体構造体またはデバイス上で計測学を実施するように構成された少なくとも１つのプロセッサを備え、この計測学は、たとえば以下のように適切に順序付けられた、以下の動作の全部または任意のサブセットを含む。すなわち、
ａ．ＳＥＭによって生成された、デバイスの少なくとも１つのＳＥＭ画像を受け取ること、
ｂ．ＳＥＭ画像を画像処理し、それによって画像処理済みアルゴリズム入力を生成すること、および
ｃ．入力Ｉを受け取るように機能する計測学アルゴリズムを実行すること、および、それに応じて、少なくとも１つのラインの少なくとも１つの寸法を測定すること。入力Ｉは、半導体構造体またはデバイスの一部分のＳＥＭ画像ではなく、画像処理済みアルゴリズム入力を含む。

実施形態９。上記の任意の実施形態の、たとえば実施形態１の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、半導体構造体またはデバイスは、ラインとコンタクトの交互の層を有するパターンを担持し、画像処理は、ラインも含む少なくとも１つのＳＥＭ画像中で、コンタクトの中から少なくとも１つのコンタクトの少なくとも１つの部分を識別することと、ＳＥＭ画像を画像処理することによってコンタクトをマスクし、それによって事前処理済みアルゴリズム入力を生成することとを含む。

ＨＯＵＧＨ変換などの、コンタクトまたはその一部分を識別するための任意の適切な方法が使用されてよい。

実施形態１０。上記の任意の実施形態の、たとえば実施形態９の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、マスキングによりコンタクトマスクが得られ、画像統計情報を保存する分布から選択されたグレーレベル値がマスク内側のピクセルに割り当てられ、それによって事前処理済みアルゴリズム入力が生成される。

実施形態１１。上記の任意の実施形態の、たとえば実施形態２の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、画像処理は、階段の部分を少なくとも含む画像のＳＥＭ画像を画像処理することによって、複数の段の中から少なくとも１つの段を識別することと、その段を計測学アルゴリズムがラインとして扱うように計測学アルゴリズムをパラメータ化することとを含む。

実施形態１２。上記の任意の実施形態の、たとえば実施形態１の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、画像処理は段を修正することを、その段を平滑にすることによって段を一次曲線に変換することを含めて、含む。

一般には、単一の顕微鏡が、Ｒ＆Ｄ製造の全段階を含む、また製品製造を含む、あるデバイスの製造プロセスの全体にわたって計測学および後のプロセス制御のために使用されるべき、そのデバイスの各部分のＳＥＭ画像を生成するために使用される。

実施形態１３。上記の任意の実施形態の、たとえば実施形態４の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、さらにまた、多層デバイスの少なくとも１つの層の、その寸法に応じた製造のプロセス制御を含む。

実施形態１４。上記の任意の実施形態の、たとえば実施形態１３の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、プロセス制御は、Ｌ回の計測学アルゴリズム実行それぞれによって生成されたＬ個の出力に応答し、この実行ではデバイスのＬ個の層それぞれのラインをそれぞれ測定し、単一の計測学アルゴリズムがＬ回実行されて、Ｌ個のアルゴリズム出力がそれぞれ生成される。

チップ製造者にとって、いくつかの入手可能なアルゴリズムのうちの１つを選択するのではなく単一のアルゴリズムを使用することは、簡単になるので利点である。

Ｌ回の計測学アルゴリズムをそれぞれ実行するための入力は一般に、デバイスのＬ個の層のうちの少なくとも１つの少なくとも一部分のそれぞれの１つまたは複数のＳＥＭ画像と、エンドユーザにＧＵＩを介してチップ製造者から提供される少なくとも１つのパラメータとを含む。

実施形態１５。上記の任意の実施形態の、たとえば実施形態８の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、さらにまた、ＧＵＩを使用して、計測学アルゴリズムが実行されるランタイムの前に、寸法計測学の少なくとも１つの物理的態様を画定する少なくとも１つの方策セットアップを生成することを含む。

実施形態１６。上記の任意の実施形態の、たとえば実施形態１５の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、複数の方策セットアップが複数のそれぞれのウェハフィールドに対して、第１の（「中心の」とも呼ばれる）ウェハフィールドに対して第１の方策セットアップを生成すること、および第１のフィールド以外のウェハのフィールドに対して、第１の方策セットアップを変更したものである後続の方策セットアップを生成することを含めて、生成される。

実施形態１７。上記の任意の実施形態の、たとえば実施形態８の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、その方法は、無条件で、たとえば、所与のウェハ内の全フィールドが同数のラインを有するかどうかを検査することなく、複数回実行される。

実施形態１８。上記の任意の実施形態の、たとえば実施形態８の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、その方法は、計測学が実行されているデバイスに関する少なくとも１つの仮定が事前検査され、偽であると判明した場合にだけ実行される。

実施形態１９。上記の任意の実施形態の、たとえば実施形態１８の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、少なくとも１つの仮定は、所与のウェハの、またはウェハ内の、全ＳＥＭ視野には同数のラインがあるという仮定を含む。

実施形態２０。上記の任意の実施形態の、たとえば実施形態１８の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、少なくとも１つの仮定は、所与のウェハの、またはウェハ内の、全ＳＥＭ視野にはラインまたはコンタクトが、両方ではないが含まれるという仮定を含む。

実施形態２１。命令を含む非一時的なコンピュータ可読媒体であって、命令がコンピュータによって実行されると、コンピュータに、上記の任意の実施形態の、たとえば実施形態８の方法および／またはシステムおよび／またはコンピュータプログラム製品を実行させる、非一時的なコンピュータ可読媒体。

実施形態２２。上記の任意の実施形態の、たとえば実施形態１の方法および／またはシステムおよび／またはコンピュータプログラム製品であり、さらにまた、少なくとも１つのラインの最初の推定値を、それぞれが中心ラインを有し、それぞれにそれぞれの数のポイントを含む複数の等しい幅のストリップの中から、それぞれの数のポイントの中でポイントの数が最も大きい個別のストリップを選ぶことによって生成すること、および最初の推定値をその個別のストリップの中心ラインとして設定することを含む。

実施形態Ｂ９。一連の製造段によって製造される半導体構造体のプロセス制御のための、荷電粒子顕微鏡（ＣＰＭ）に接続可能な、またはＣＰＭがホストになるシステムであって、
メモリと、
メモリに動作可能に結合されたプロセッサであって、
少なくとも２つの個別の製造段を示す半導体構造体の画像を受け取ることであって、画像が、ＣＰＭによって取得され、荷電粒子ビームで半導体構造体を走査し、半導体構造体から発する信号を集めることによって生成される、受け取ることと、
少なくとも２つの個別の製造段の中から１つまたは複数の段を個別のフィーチャとして測定することによって、画像を処理して半導体構造体のパラメータを決定することと
を行うように構成されたプロセッサと
を含む、システム。

実施形態Ｂ１０。上記の任意の実施形態の、たとえば実施形態ｂ０９のシステムであり、プロセッサがさらに、段を検出し、その段をラインに変換するように構成される。

実施形態Ｂ１１。上記の任意の実施形態の、たとえば実施形態ｂ－１０のシステムであり、プロセッサがさらに、１つまたは複数の段のそれぞれについて最大エッジ幅パラメータを取得することによって段を検出するように構成され、最大エッジ幅パラメータが前記段の境界を示す。

実施形態Ｂ１２。上記の任意の実施形態の、たとえば実施形態ｂ－１１のシステムであり、段をラインに前記変換することが、１つまたは複数の段のそれぞれについて粗エッジの対および微細エッジの対を画定することを含み、画像を処理して半導体構造体のパラメータを前記決定することが、粗エッジの前記対および微細エッジの対を使用することを含む。

実施形態Ｂ１３。上記の任意の実施形態の、たとえば実施形態ｂ－１１のシステムであり、最大エッジ幅パラメータが、段の粗エッジと、別の、たとえば近くにある、または最も近い、または隣接する段の粗段との間の最小距離の半分にほぼ等しい。

実施形態Ｂ１４。上記の任意の実施形態の、たとえば実施形態ｂ０１０のシステムであり、プロセッサがさらに、既定の数の段を選択し、
段のうちの１つの粗エッジをアンカ位置として設定し、
他の段のパラメータをアンカ位置に対して測定するように構成されている。

実施形態Ｂ１５。上記の任意の実施形態の、たとえば実施形態ｂ－９のシステムであり、プロセッサがさらに、（１）画像をセグメント化してコンタクトを作成すること、および（２）コンタクトを、画像バックグラウンドを表すグレーレベル値と関連付けること、によってコンタクトをマスクするように構成されている。

本発明が理解されるように、また本発明を実際にどのように実施できるかが分かるように、諸実施形態について次に、非限定的な例だけを用いて、添付の図面を参照して説明する。

動作の全部またはいずれかのサブセットがたとえば図示のように任意の適切な順序で行われてもよい、本開示の主題のいくつかの実施形態により実現される流れ（フロー）を示す図である。 図１ａの流れを理解するのに有用な例示的な図である。 動作の全部またはいずれかのサブセットがたとえば図示のように任意の適切な順序で行われてもよい、本開示の主題のいくつかの実施形態により実現される流れを示す図である。 図２ａの流れを理解するのに有用な例示的な図である。 （たとえば、図１ａによるラインの検出と、たとえば３Ｄ階段の段を検出するためにライン検出を使用できるようにする、図２ａの段からラインへの変換動作ｄを含む、たとえば図２ａによる段の検出とを理解するのに有用な図である。 （たとえば、図１ａによるラインの検出と、たとえば３Ｄ階段の段を検出するためにライン検出を使用できるようにする、図２ａの段からラインへの変換動作ｄを含む、たとえば図２ａによる段の検出とを理解するのに有用な図である。 （たとえば、図１ａによるラインの検出と、たとえば３Ｄ階段の段を検出するためにライン検出を使用できるようにする、図２ａの段からラインへの変換動作ｄを含む、たとえば図２ａによる段の検出とを理解するのに有用な図である。 （たとえば、図１ａによるラインの検出と、たとえば３Ｄ階段の段を検出するためにライン検出を使用できるようにする、図２ａの段からラインへの変換動作ｄを含む、たとえば図２ａによる段の検出とを理解するのに有用な図である。 （たとえば、図１ａによるラインの検出と、たとえば３Ｄ階段の段を検出するためにライン検出を使用できるようにする、図２ａの段からラインへの変換動作ｄを含む、たとえば図２ａによる段の検出とを理解するのに有用な図である。 （たとえば、図１ａによるラインの検出と、たとえば３Ｄ階段の段を検出するためにライン検出を使用できるようにする、図２ａの段からラインへの変換動作ｄを含む、たとえば図２ａによる段の検出とを理解するのに有用な図である。 （たとえば、図１ａによるラインの検出と、たとえば３Ｄ階段の段を検出するためにライン検出を使用できるようにする、図２ａの段からラインへの変換動作ｄを含む、たとえば図２ａによる段の検出とを理解するのに有用な図である。 いくつかの実施形態を理解するのに有用な画像である。具体的には、図５ａは、コンタクトマスク作成（図５ａ）を示し、それによって、本開示の主題のいくつかの実施形態によれば、たとえば階段である３Ｄ構造体のラインエッジの検出を容易にすることが一般には、コンタクト環境にもかかわらず成功する。 いくつかの実施形態を理解するのに有用な画像である。具体的には、図５ｂは、マスク適用（図５ｂ）を示し、それによって、本開示の主題のいくつかの実施形態によれば、たとえば階段である３Ｄ構造体のラインエッジの検出を容易にすることが一般には、コンタクト環境にもかかわらず成功する。 いくつかの実施形態を理解するのに有用な画像である。 いくつかの実施形態を理解するのに有用な画像である。 いくつかの実施形態を理解するのに有用なグラフである。 いくつかの実施形態を理解するのに有用なグラフである。 いくつかの実施形態を理解するのに有用なグラフである。

本発明の範囲に含まれる方法およびシステムは、例として具体的に説明した実施態様に示された機能ブロックの一部（たとえば、任意の適切なサブセット）または全部を、たとえば図示の任意の適切な順序で含み得る。

別個の実施形態の文脈で説明される、諸動作を含む本発明の特徴はまた、単一の実施形態として組み合わせて実現することもできる。たとえば、１つのシステム実施形態が、対応する１つのプロセス実施形態を含むことが意図されており、逆も同様である。諸特徴がまた、当技術分野で知られているが背景技術の項または本明細書で言及されている出版物に記載されているものに特に限定はされない特徴と組み合わされてもよい。

本明細書に示され記載された説明および図面に関して、システムおよびそのサブユニットとして説明または図示された機能はまた、これらのシステムおよびサブユニットの中の方法および動作として実現することもでき、またシステムおよびサブユニットの中の方法および動作として説明または図示された機能もまた、システムおよびそのサブユニットとして実現できることを理解されたい。図中で様々な要素を示すために用いられた尺度は、描写を分かりやすくするための単なる例示的および／または妥当なものにすぎず、限定するものではない。

本開示の主題のいくつかの実施形態では、とりわけ３Ｄ－ＮＡＮＤ階段プロセスの、たとえば限界寸法（ＣＤ）である寸法の測定に適しているＣＤ ＳＥＭ計測学方法の改善を、精度および頑強さを保ちながら実現しようとする。

従来のＣＤ ＳＥＭ計測学では、３Ｄ－ＮＡＮＤ階段プロセス制御のために、いくつかの知られているＣＤラインエッジ分析アルゴリズム（ＬＥＡ）を使用する。３Ｄ－ＮＡＮＤ階段プロセス制御のために従来のＣＤ ＳＥＭ計測学で使用されているＣＤラインエッジ分析アルゴリズムは、たとえば以下のいくつかの仮定に基づいている。すなわち、
１．方策ランのすべてのターゲットにおいてフィーチャの数は同じである。
２．ＳＥＭ信号によって生成されたラインだけが視野内で観察される、または特定の形状のフィーチャだけが、たとえばラインだけまたはコンタクトだけが視野内に存在する。

これらのアルゴリズムは、これらの仮定に基づいて開発されたが、これらの仮定は、特定のユーザ事例、たとえば特定の３Ｄ－ＮＡＮＤ階段形成プロセス段の特性を必ずしも示していない。たとえば、もっと遠い階段の周辺領域では、コンタクトパターンは、従来の仮定とは異なりＣＤ ＳＥＭ画像中で可視であり得る。

本開示の主題のいくつかの実施態様では、これらのアルゴリズムを以下の状況に対して改訂しようとする。すなわち、
ａ．フィーチャの数が変えられ（方策ランのすべてのターゲットにおいてフィーチャの数は同じであると仮定されている、従来のＣＤ ＳＥＭ計測学とは対照的に）、視野内の異なる幾何学的形状が分析されなければならない、
および／または
ｂ．三次元コンタクト構造体が（従来のＣＤ ＳＥＭ計測学で仮定されているように、ＳＥＭ 信号によって生成されるラインだけでなく）、視野内で観察可能であり得る。

いくつかの実施形態によれば、ＣＤ ＳＥＭ計測学ツール／システムによって取得されたＣＤ ＳＥＭ測定値の中から、選択された領域および場所、たとえば３Ｄ－ＮＡＮＤ構造体の３Ｄ段の最も左のライン、に関連する測定値が使用される。

ライン間の距離は、あり得る測定の一例である。
これらの測定では、
（ａ）各段は、任意の数のラインで構成され得る、かつ／または
（ｂ）コンタクトは視野内で観察され得る。

各階段の段の内側の変わりやすいラインの数は、問題１とも呼ばれる１つの問題であり、本明細書のいくつかの実施形態によって解決することができる。

いくつかの実施形態によれば、各階段の段は、別個のフィーチャまたは個別のフィーチャと考えられ、以下のように測定される。すなわち、
動作１－Ｉ。階段ターゲットの３Ｄ段の数が既知であると仮定して３Ｄ段を検出する、かつ／または
動作１－ＩＩ。各３Ｄ段の最も左のラインを決定し、このラインを測定に使用する。

コンタクト環境内のライン検出もまた、問題２とも呼ばれる１つの問題であり、本明細書のいくつかの実施形態によって解決することができる。

いくつかの実施形態によれば、この方法では、コンタクト層から信号を除去し、次に、従来のＬＥＡアルゴリズムを使用することができる。

この方法は、たとえば以下のように適切に順序付けられた、以下の動作の全部または任意のサブセットを含むことができる。すなわち、
動作２－Ｉ。たとえばセグメンテーションアルゴリズムによってコンタクトマスクを作成する。
動作２－ＩＩ。マスクの内側のピクセルに、画像バックグラウンド統計情報を保存するランダムグレーレベル値を割り当てる。
動作２－ＩＩＩ。現在のＬＥＡアルゴリズムを測定に使用する。

いくつかの実施形態によれば、システム論理は、動作１－Ｉおよび／または１－ＩＩが、問題１が該当することが（システムまたはオペレータによって）検出されている、知られている、または推定されている場合にのみ実行され、かつ動作２－Ｉおよび／または２－ＩＩおよび／または２－ＩＩＩが、問題１が該当することが（システムまたはオペレータによって）検出されている、知られている、または推定されている場合にのみ実行されるように構成される。

別の実施形態によれば、システム論理は、問題１および／または問題２が該当することが検出されている、知られている、または推定されているかどうかにかかわらず、動作１－Ｉおよび／または１－ＩＩおよび／または動作２－Ｉおよび／または２－ＩＩおよび／または２－ＩＩＩを実行するように構成される。

本明細書の諸実施形態は、従来のアルゴリズムを使用してＶＮＡＮＤ階段ターゲットを測定すると一般には、たとえばコンタクトの層信号の故に失敗する、たとえばライン検出を間違えることになるので、とりわけ有利である。

いくつかの実施形態は、ツールで実施されることがある。たとえば、諸実施形態は、ＣＤ ＳＥＭ測定ツールのメモリユニットに記憶された、たとえば命令のセットとして、ＣＤ ＳＥＭ測定ツールの画像処理に対して実施されることがある。命令セットは、これらの命令を実行するように適合された測定画像処理ユニットによって、その命令の実行を画像処理全体に取り込みながら読み取ることができる。

あるいは、諸実施形態は、ＣＤ ＳＥＭ測定ツールまたはシステムとは分離しているが通信しているハードウェアで実施することもできる。

改訂または改善されたアルゴリズムは、次のものの全部または任意のサブセットを、たとえば次のように適切に順序付けられて含むことができる。すなわち、１．コンタクトマスク作成、２．マスク適用、および３．エッジ検出。

この方法は、たとえば、コンタクトの環境において階段ターゲットラインエッジ検出を成功裏にもたらすので、有利であり得る。

一般には、測定されたときの少なくとも１つの寸法が、その寸法に対して定義された所望の公称値から逸脱しており、プロセス制御が、それに応じて製造プロセスを制御する少なくとも１つパラメータを調整することを含み、それによって、その寸法は、所望の公称値からの逸脱が小さくなる、または全くなくなる。

以下の用語は、従来技術の文献に現れているそのいずれかの定義に従って、または本明細書に従って解釈されてよく、あるいは、これらのそれぞれの範囲内で以下のものを含むと解釈されてよい。すなわち、
ＳＥＭ画像 － ＳＥＭの検出器によって生成されたグレーレベルを含み得る。
セグメンテーション：たとえば、階段のＳＥＭ画像中のコンタクトを特定するために画像処理を用いることを含み得る。
エッジ：高さｚ１の段の第１の部分と、ｚ１とは異なる高さｚ２の段の第２の部分とを相互接続する直線的セグメントを含み得る。
ライン：２つのエッジを相互接続する直線的なセグメントを含み得る。
線形トレンド：計測学システムでは、受け取った入力信号が線形トレンド、ノイズおよび異常値を示すことがあり（たとえば、Ｆ＝入力信号＝線形トレンドａｘ＋ｂ＋ノイズ＋異常値）、線形トレンドまたは最良適合線の勾配ａおよび自由係数ｂの出力表示を決定し生成することが望ましいことがある。

コンタクトマスクは、フラッシュメモリコンタクトを生成するために使用されるエッチングマスクを含むものである。

ターゲットは、たとえば段を備える階段において測定されるべきフィーチャを描写する、ＳＥＭによって生成された画像の一部分を含むものである。
フィーチャ：フィーチャ（たとえばデバイス）は、たとえばラインである任意の形状、またはコンタクト、または段もしくは階段などの構造体全体であり得ることを理解されたい。

階段は、メモリセルが垂直に積層されて複数の層を形成する３Ｄ ＮＡＮＤフラッシュメモリとしての構造体を含むものである。

本開示の主題のいくつかの態様によれば、ウェルシュロバストフィッティングが使用される。

ｘに対するｙの直線フィットを推定するために使用される、Ｘの予測変数に対するｙの応答のロバスト多重線形回帰を一般には含む、ウェルシュロバストフィッティングが知られている。

遺伝的アルゴリズムでは、最適化問題（個体、生物、または表現型とも呼ばれる）に対する候補解の母集団が進化する。各候補解は、０および１のビット＝列からなるアレイであり、候補解は、変異させ変更することができる特性のセット（染色体または遺伝子型とも呼ばれる）を有し、
進化：ランダムに生成された個体の母集団＝最初の生成反復プロセスから開始し、各反復における母集団は世代と呼ばれる。

各世代で、母集団中のすべての固体の適応度が評価される。
適応度＝目的関数

より適応した個体が現在の母集団から確率的に選択され、各個体のゲノムが修正されて（組み替えられて、場合によりランダムに変異されて）新世代が形成される。

次に、候補解の新世代が次のアルゴリズムの反復で使用される。

アルゴリズムは、最大数の世代が生成されたか、その母集団について満足のいく適応レベルに達したかのどちらかの場合に終了する。

検査プロセスが、ランタイムスキャン（単一または複数スキャンとして）、サンプリング、見直し、測定、分類および／または、同じか異なる検査ツールを使用して試料もしくはその一部分に関して行われる他の動作を含み得る。同様に、少なくとも一部の検査が、検査されるべき試料を製造する前に行われることがあり、これにはたとえば、検査方策を生成すること、それぞれの分類子または他の機械学習関連ツールを訓練すること、および／または他のセットアップ動作が含まれ得る。特にことわらない限り、本明細書で使用される用語の「検査」またはその派生語は、検査領域の解像度またはサイズに関して限定されないことに留意されたい。様々な非破壊検査ツールには、非限定的な例として挙げると、走査電子顕微鏡、原子間力顕微鏡、光学検査ツールなどがある。非限定的な例として、ランタイム検査では、２段階手順（たとえば試料の検査の後に潜在的な欠陥のサンプル位置の見直しが続く）を使用することができる。第１の段階の間は、試料の表面が高速で、かつ比較的低い解像度で検査される。第１の段階では欠陥マップが生成されて、欠陥の確率が高いことが疑われる試料上の位置が示される。第２の段階の間は、このような疑わしい位置のうちの少なくともいくつかが、比較的高い解像度でさらに徹底的に分析される。

ＩＣデバイス、構造体、または高アスペクト比のフィーチャを含むフィーチャに関する、集積回路デバイス計測学は、デバイスの研究開発、集積化、製造プロセス制御および試験において有用である。改善された計測学について次に説明するが、最初に、「流れＤ」とも呼ばれる従来のライン検出測定の流れを示す図１ｂが提示されており、この流れには、たとえば図示のように適切に順序付けられた次の動作、すなわち、スキャン、ライン検出、輪郭検出、線形フィットおよびＣＤ結果のすべてまたは任意のサブセットが含まれ得る。従来の３Ｄ ＣＤ ＳＥＭ計測学システムは、これらの動作を実行するために使用することができ、たとえばスキャンにはシステムの「測定用スキャン」動作または機能を使用し、ライン検出（ラインの定数）にはシステムの「粗エッジ」動作または機能を使用することができ、微細輪郭検出にはシステムの「微細エッジまたはトポポイント推定」動作または機能を使用することができ（図２ｂに微細エッジが実線で示されているのに対し、粗エッジが破線で示されていることに留意されたい）、線形フィットにはシステムの「ＣＤ結果の部分」動作または機能を使用することができ、ＣＤ結果にはシステムの「ＣＤ結果」動作または機能を使用することができる。

線形フィット動作では、たとえば当技術分野で知られている適切なＬＥＡアルゴリズムを使用することができる。

たとえば図２ａに示されている方法について次に説明する。この方法では、３Ｄ－ＮＡＮＤ階段などのＶＮＡＮＤデバイスを測定するように設計されていない、図１ａの方法などの従来のアルゴリズムを使用して、たとえば記載の適切な従来の画像処理によって製造されたこれらのＶＮＡＮＤデバイスを測定する。

一般に、（たとえば本明細書の図１ａに示されている、または当技術分野で知られている）ライン検出アルゴリズムでは、物理的対象物としてのラインが２つのエッジ（これらもまた物理的対象物である）を有し、各エッジが、アルゴリズムで検出される１つの粗エッジ（幾何学的対象物）を有すると仮定する。各粗エッジは２つの微細エッジを生成し、ラインの内側には内部エッジがないと仮定することができる。たとえば米国特許第９１６５３７６号の請求項１１に記載の方法で使用されるパラメータＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈが、たとえばライン幅の半分にほぼ等しい、単一のラインのエッジ間の仮定された最大エッジ幅限度（または最小間隔限度）である。

しかし、内部構造体を有する段では、従来のライン検出アルゴリズムのカスタマイズが、たとえば次のように行われる。すなわち、段をライン検出アルゴリズムのターゲットと定義し、ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈパラメータを段間の最小距離の半分と定義する。このことは、アルゴリズムが段だけを（その内部構造体は無視して）、一般には頑強な方法の最初の段階で見つけることを「促進」または可能にする。

たとえば従来のＣＤ ＳＥＭ計測学システムに使用されているＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈパラメータは、たとえば、各繰り返しにおける新しい最善の経路または粗エッジが、ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈパラメータによって定義された別の粗エッジの近傍に位置することがないように動作ｂを定義するために使用することができる。

図３ａ～３ｃ、４ａ～４ｄは、（たとえば、図１ａによる）ラインの検出と、たとえば３Ｄ階段の段を検出するためにライン検出を使用できるようにする、図２ａの段からラインへの変換動作ｄを含む（たとえば図２ａによる）段の検出とを理解するのに有用である。

図３ａはラインを示し、各ラインは、図示のようにエッジを有すると共に上部および底部を画定する物理的構造体を含む。

１つのラインは２つの粗エッジを有し得ることを理解されたい。少なくとも１つの、またはそれぞれの粗エッジは、断面が台形の物理的構造体を構成し得る。

図３ｂは、図示の（真のエッジの近傍の）粗エッジを含む図３ａのラインに対応するＳＥＭ信号のグラフを示すが、本明細書に参照された最大エッジ幅パラメータの定義に留意されたい。真のエッジは一般に、たとえば構造体の高さが大幅に変わる上部と底部の間に延びるラインの一部分を含む。

ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈは、インライン計測学測定の前に定義されるパラメータである。主題の諸実施形態によれば、ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈパラメータは、たとえば事前セットアップ段階の間に経験的に定義される（セットアップ段階は「方策セットアップ段階」とも呼ばれる）。別の実施形態によれば、ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈパラメータは、ウェハ設計情報に基づいて定義される。別の実施形態によれば、ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈパラメータは、自動的または半自動的に、たとえば、それぞれに異なるＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈの値を伴う一連の測定動作において構造体のパラメータを測定すること、および望ましい測定結果を伴う好ましいＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈ値を選択することによって定義される。

いくつかの動作シナリオでは、ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈパラメータと、１つの段に伴う別のパラメータとの間に以下の関係が見出された。すなわち、
ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈは、１つの段に伴うラインのエッジ幅よりも大きい、
ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈは、ライン幅の半分よりも小さい、
ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈは、他のたとえば最も近い、または隣接する、または近くにある段の最も近い粗エッジ間の距離の半分を表すように設定することができる。

ＳＥＭグラフの縦軸は、一般にはＳＥＭ画像のＹ座標について平均した後のＳＥＭ信号強度を含み得る。水平軸は、ｘ－ＳＥＭ画像座標とすることができる。

図３ｃは、２つの粗エッジを有するラインを含む図３ｂのグラフを示す。各粗エッジの上面は、図示のように２つの上部点の間に延び、各粗エッジの底面（一般には上面よりも大きい）は、図示のように２つの底部点の間に延びる。

たとえばＣＤ結果である寸法計測学を生成するために、微細エッジが測定されることがある。各粗エッジは、上部微細エッジおよび底部微細エッジである２つの微細エッジを含む。

図４ａは、３つの階段の段４０１０を図示し、そのそれぞれが非平滑であり、図示の内部構造体を有する。

図４ｂは、図４０２ａの段に対応するＳＥＭ信号を示す。段検出での最大エッジ幅パラメータは、左側の第１の実線と右側の第２の破線との間の距離として示される。

図４ｃは、一般には段ごとに１つの粗エッジである、各段を画定する粗エッジを示す。たとえば本明細書に記載の段からラインへの変換では新しい粗エッジ４０１５が、一般にはその対で、ラインの場合と同じく得られることに留意されたい。

図４ｄは、粗エッジ４０２０と、各段の左右の境界をそれぞれ画定する微細エッジ４０３０の対とを示し、これらはＣＤ結果を得るために使用することができる。

一般に、ＣＤ結果は、たとえば直線フィットを使用してラインまたは段の一部分、たとえば最も左または最も右の部分を画定できる２つの微細輪郭間の距離の推定を仮定する。

この方法では一般に、たとえば図２ａに示された、３Ｄ ＮＡＮＤ階段のもとに複数の段およびコンタクトがある３Ｄ－ＮＡＮＤ階段を含む、たとえばＶＮＡＮＤデバイスの少なくとも１つのＳＥＭ画像を受け取り、このＳＥＭ画像を画像処理し、それによって、画像処理されたアルゴリズム入力Ｉを生成し、入力Ｉに対して計測学アルゴリズムを実行しそれによって、ライン／スペース構造体用に設計されているアルゴリズムが、たとえば３Ｄ－ＮＡＮＤ階段であるＶＮＡＮＤデバイスを表す画像処理済み入力Ｉではなく従来の（非ＶＮＡＮＤ）ＳＥＭ画像を正常に受け取るとしても、少なくとも１つのラインの少なくとも１つの寸法が測定される。

いくつかの実施形態によれば、図１ａのライン検出動作は、３Ｄ段の数が既知であると仮定して３Ｄ－ＮＡＮＤ階段ターゲット内の３Ｄ段を検出するように動作する。しかし、図２ａの方法では、各３Ｄ段のたとえば最も左のラインである適切なアンカ位置を決定し、次にＣＤ ＳＥＭシステム（たとえば従来の３Ｄ ＣＤ ＳＥＭ計測学システム）を使用して、３Ｄ－ＮＡＮＤ階段のＳＥＭ画像上の（たとえば）最も左の段からの、少なくともいくつかの段の距離を測定することができる。次に、これらの距離が、他の段の製造をパラメータ化するためのアンカとして、３Ｄ－ＮＡＮＤ階段の１つの段（たとえば最も左の段）をたとえば使用して、３Ｄ－ＮＡＮＤ階段プロセス制御に使用され得る。「ＡＮＣＨＯＲ」（たとえば、３Ｄ－ＮＡＮＤ階段の画像中の最も左の段）は、すべての測定値がアンカに対して画定されて、次に来る製造の段階では安定したプロセス制御方式が容易になるので、有用である。

図２ａの方法（それだけには限らないが、３Ｄ－ＮＡＮＤ階段などの３Ｄフィーチャの測定の主流とも呼ばれる）は、たとえば図示のように適切に順序付けられた以下の動作の全部または任意のサブセットを含み得る。すなわち、
動作ａ：従来のＣＤ－ＳＥＭによる従来のスキャン、それによって、前方への動作ｂによる処理のための画像（３Ｄ－ＮＡＮＤ階段を含み得る）を生成する、
動作ｂ：動作ａによって生成された画像における、タイプ１コンタクト（ラインを横切らない閉曲線）の検出およびマスキング。

動作ｂは、流れ１とも呼ばれる以下の流れを使用することができる。

流れ１の入力は一般に、動作ａで得られ一般にはアルゴリズムパラメータである段を含む、デバイスのＳＥＭ画像を含む。アルゴリズムパラメータは、適切なＧＵＩ（グラフィカルユーザインターフェース）を介してユーザから提供され得る。パラメータの適切なセットは一般に、従来のＣＤ ＳＥＭツールのユーザマニュアルに記載されている。

流れ１の出力は一般に、アンカ（たとえば最も左の段）からＮ個の画定された段までの測定値のセットを含む。

流れ１は、たとえば図示のように適切に順序付けられた、以下の動作ＡＩおよびＡＩＩを含み得る。すなわち、
動作ＡＩ。たとえば従来のセグメンテーションアルゴリズムに基づいて画像中の明るい領域を検出し、どの明るい領域がコンタクト領域であるかを決定できる、かつ形状寸法に基づくラインである、（たとえば図５ａに図示の）コンタクトマスクを作成する。ＳＥＭ画像中の段を識別するための画像処理技法を使用する適切なセグメンテーションアルゴリズムは、Ja.Vainberg, "Application of Markov chains to the problem of separation of Hole sections", Geologiya I Geofizika-Russian Geology and Geophysics,1980 (2),p. 94に記載されている。

セグメンテーションは、たとえば以下のように適切に順序付けられた、以下の動作の全部または任意のサブセットを含み得る。すなわち、
動作ｓ０：入力としてグレーレベル画像（たとえば、エッジおよびバックグラウンドを含むＳＥＭ画像）を受け取る。
動作ｓ１。セグメントの統計的特性、たとえばグレーレベルヒストグラムの平均および標準偏差を推定する。
動作ｓ２。各ピクセルが各セグメントの要素である事前確率を推定する。
動作ｓ３。各ピクセルが各セグメントの要素であることの事後確率をたとえばマルコフ連鎖技法を用いて推定する。
動作ｓ４。動作ｓ２～ｓ３を反復して繰り返し、それに応じて、各ピクセルの値がセグメントにピクセルが属する最終確率である、確率マップ－画像を生成する。
動作ｓ５。各ピクセルセグメントに適切な数、たとえば１－バックグラウンド、２－エッジを割り当てる。
動作ｓ６：一般に、反復の数（および／または停止基準）が、たとえば外部パラメータとして定義される。反復が終了すると、複数（たとえば２つ）のセグメントクラスのうちの１つを識別するラベルをピクセルごとに含む、セグメント化画像を含む出力を生成し、たとえばピクセルが、バックグラウンドまたは暗領域を示すインデックスもしくはラベル１を有し得る、またはインデックスもしくはラベルがエッジまたは明領域を示し得る。
動作ＡＩＩ（たとえば図５ｂに示される、マスク適用とも呼ばれる）。構造体の砂漠（フィーチャがない）領域にたとえば視覚的に類似する画像バックグラウンド領域が生成されると仮定して、画像バックグラウンド統計情報を保存するランダムグレーレベル値を、マスク内側のピクセルに、割り当てる。ここで、「画像統計情報」は、平均、標準偏差および／または、たとえば画像の砂漠領域内側と同じであるマスク領域内側の画像ピクセルなどの他の統計的特性を含むものである。この動作は、マスク領域が段の検出に影響を及ぼさないことを確実にする。動作ＡＩＩは、以下で説明するサブ動作ｂ５、ｂ６を含み得る。
動作ｃ：動作Ａで生成されたＳＥＭ画像に含まれる３Ｄ－ＮＡＮＤ階段（変わりやすい、または未知の数の段を含み得る）の段の検出。
この動作は、たとえば本出願の権利者が所有する米国特許第９，１６５，３７６号に記載の、当技術分野で知られている「ラインアルゴリズム」とも呼ばれるＬＥＡアルゴリズムの使用を含んでよく、同特許の開示は参照により本明細書に組み込まれる。

ＬＥＡアルゴリズムのパラメータは、ＬＥＡアルゴリズムが段デバイス構造体用ではなくライン／スペース用に設計されているので、３Ｄ－ＮＡＮＤ階段の段検出用にカスタマイズすることができる。

たとえば、ターゲットおよびＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈパラメータを有するライン検出アルゴリズムは、以下を定義しながら使用することができる。すなわち、
ターゲット＝３Ｄ－ＮＡＮＤ階段または段、および
ＭａｘｉｍｕｍＥｄｇｅＷｉｄｔｈ：＝段間（たとえば、ターゲット３Ｄ－ＮＡＮＤ階段の任意の対をなす段の間）の最小距離の半分。

ライン検出アルゴリズムは、たとえば当技術分野で知られている技法によって実行することができる。

この動作の出力は以下を含み得る。すなわち、
粗エッジ － 段の近傍に位置する直線のパラメータ、
および／または
段の数に対応する、見つけられた粗エッジの数、
動作ｄ：段からラインへの変換
ラインは、段の左エッジおよび右エッジとも呼ばれる２つの粗エッジによって画定される。

いくつかの実施形態によれば、図１ａの「ライン検出 － ラインの定数」動作は、動作ｄとｅの間で実行される。
動作ｅ：動作ｄにおいて入力として識別される粗輪郭を使用する、従来の微細輪郭検出または推定。

微細輪郭は、ＣＤ測定に使用されるべき真のフィーチャ境界（たとえば段の境界）の最も正確で精密な位置を画定する。微細輪郭画定ためのＣＤ計測学に使用される従来のアルゴリズムが、当技術分野で知られている。
動作ｆ：たとえば本明細書に記載の流れｂを使用するロバスト線形フィット（コンタクトタイプ２用 － ラインを横切る閉曲線の一部分）。

動作ｇ：ＣＤ結果が得られ、たとえば、動作ｅで生成された輪郭検出結果を表す出力を生成する。これらのＣＤ結果は、たとえば当技術分野で知られているプロセス制御に使用することができる。

動作ａ、ｅ、ｇは、たとえば図１ａにそれぞれ同じキャプション付き動作で示された従来のものであり得ることを理解されたい。

図１ｂの方法は、たとえば、パターンのパラメータ（それだけには限らないが、フィーチャエッジ、フィーチャ輪郭、エッジ勾配、フィーチャ高さ、フィーチャ材料など）を検出する方法を用いることができ、この方法は次の動作すなわち、パターンの画像を取得すること（画像は一般に、荷電粒子ビームでパターンを走査することによって生成される）、画像を処理してエッジ強調画像を得ること、の全部または任意のサブセットを含み、この処理は一般に、たとえば画像にスペクトル関数を適用することによって、画像の第１のｎ個のスペクトル成分の総計エネルギーを計算することを含み、ここでｎは２を超え得る。スペクトル関数は、荷電粒子ビームの荷電粒子の分布に応じて選択することができる。この方法は、エッジ強調画像をさらに処理すること、およびパターンのパラメータを決定することを含み得る。このさらなる処理は、たとえば次のサブ動作ａａおよびｂｂを繰り返し実行することによって複数の経路のスコアを決定することを含む、エッジ強調画像の経路を検出することを含み得る。すなわち、
ａａ．ダイナミックプログラミングプロセスを適用して、現在のスコアが最も高い経路を特定することによって最善の経路を見つけること、および
ｂｂ．スコアが最も高い新しい経路を見つける前に最善の経路の影響を緩和すること。

図２ａの方法では、３Ｄ－ＮＡＮＤ階段構造体のＳＥＭ画像の変換およびカスタマイズを達成して、これらの３Ｄ－ＮＡＮＤ階段が、当技術分野で知られているＬＥＡアルゴリズムなどの段デバイス構造体用ではなく、ライン／スペース用に設計されているアルゴリズムを一般には使用して、プロセス制御のためのすべての従来のライン／スペース測定を含むライン／スペース構造体として扱えるようになることを理解されたい。

一般には、図２ａの画像処理（たとえば動作ｂ、ｃ、ｄ）は、図１ａの「定数」ライン検出動作が図２ａの方法によって呼び出されること、またはこの方法に組み込まれることを可能にする。

一般に、ロバスト線形フィット（たとえば、図２ａの動作ｆ）はまた、タイプ２のコンタクトがある段またはコンタクトがない段にも機能する。コンタクトがない段では、ロバスト線形フィットは一般に、図１ａの線形フィット動作と同じ結果をもたらす。

図２ａの方法では、荷電粒子ビームでパターンを走査することによってパターンの画像を取得すること、その画像を処理してエッジ強調画像を取得すること、およびそのエッジ強調画像をさらに処理してパターンのパラメータを決定することを含む、パターンのパラメータの検出を行うことができる。この検出は、パターンの画像を取得する（受け取る、または生成する）段階１１１０を含み得る。画像は、電子ビームなどの荷電粒子ビームでパターンを走査することによって生成される。パターンは、あるライン幅を有するラインなどの複数のフィーチャを含み得る。各ラインは、（パターンに衝突するときの）荷電粒子ビームの幅よりもあまり大きくない間隔で互いに近接し得る。この間隔は、荷電粒子ビームの幅よりも小さくすることができる。ライン幅は、荷電粒子の幅より小さくすることも後者よりわずかに大きくすることもできる。

段階１１２０は、パターンのエッジの主方向を見つけることを含み得る。段階１１２０は、たとえばエッジまわりの方向情報を平均することによって、画像のエッジを見つけること、および次に、これらのエッジの主方向を見つけることを含み得る。

段階１１３０は、画像を処理してエッジ強調画像を得ることを含み得る。段階１１３０は、画像の第１のｎ個のスペクトル成分の総計エネルギーを計算する段階１１４０を含むことができ、ｎは２を超える。段階１１４０は、ｎ次多項式フィルタを画像に適用することによって画像を処理する段階１１４１を含むことができ、ｎは２を超える。段階１１４０は、画像にスペクトル関数を適用することによって総計エネルギーを計算する段階１４２を含むことができ、スペクトル関数は、荷電粒子ビーム中の荷電粒子の分布に応じて選択される。スペクトル関数は、エッジの再構成を可能にするように選択することができる。スペクトル関数は、離散直交関数とすることができる。

ｎ次多項式フィルタを適用する段階１１４４を含み得る段階１１４０は、主方向に応答する。段階１１４４は、主方向に対し実質的に直角の方向にｎ次多項式フィルタを適用することを含み得る。段階１１４４はまた、主方向に対し実質的に平行な方向に平均化機能を適用することを含み得る。

エッジ強調画像中の経路を検出することによってパターンのエッジを見つける、段階１１５０を実行することができる。段階１１５０は、ダイナミックプログラミングプロセスを適用する段階１１５２を含み得る。段階１１５０は、パターンのエッジの主方向に応答するダイナミックプログラミングプロセスを適用する段階１１５４を含み得る。段階１１５０は、ブロッキングでダイナミックプログラミングプロセスを適用する段階１１５６を含み得る。段階１１５６は、ダイナミックプログラミングプロセスを適用して最善経路を繰り返し見つけることによってエッジ強調画像の経路を検出すること、および次の最善経路を見つける前に最善経路の影響を緩和することを含み得る。

段階１１６０は、各経路に付随するスコアに応じて経路をクラスタ化し、そのスコアに基づいていくつかの経路を無視する段階１１６２を含み得る。段階１１６０は、最低スコアのクラスタに属する経路を無視する段階１１６４を含み得る。段階１１６０は、ある同じクラスタに属する経路のどのスコア間の最大差も、別のクラスタに属する経路のスコア間のどの差よりも小さくなるように経路をクラスタ化する段階１１６６を含み得る。

検証された経路に応じたエッジ情報を生成する段階１１７０は、画像を生成することを含み得るが、これはそうとは限らない。段階１１７０は、段階１１６０の間に検証されたエッジを含み、段階１１６０によって無視されているはずのエッジは含まない出力画像を生成することを含み得る。エッジ情報は、パターンからなるフィーチャの限界寸法などの計測学情報が得られるように処理され得る。

図２ａの動作ｂは、たとえば図示のように適切に順序付けられた、以下のサブ動作ｂ１～ｂ６の全部または任意のサブセットを含み得る。すなわち、
ｂ１．画像セグメンテーション：ＳＥＭ画像を入力し、次に、各ピクセルにラベル、たとえば１－バックグラウンド、２－フィーチャエッジを割り当てるように処理すること。
ｂ２．ブロブ検出：２のインデックス（またはラベル）付き連結領域の従来の検出。
ｂ３．ブロブ境界ボックスの従来の推定（たとえば、連結領域を囲むか含む）。
ｂ４．たとえば、境界ボックスサイズが画像高さよりも小さいブロブを検出することによるタイプ１コンタクトの検出。一般に、段およびコンタクトは、明画像領域に対応するセグメント２に属する。一般に、コンタクトのみにマスクを作成することが望ましい。段およびコンタクトに対応するセグメンテーション２のブロブ間の差は一般に、ブロブの境界ボックスの高さなどの、ブロブの幾何学的パラメータである。このパラメータは、コンタクトのタイプ１にのみ対応するセグメント２のサブセットを作成するために使用することができる。このサブセットは一般に、別のコンタクトマスキング動作に使用されるコンタクトマスクを画定する。
ｂ５．バックグラウンド統計情報推定：たとえば、インデックス（またはラベル）１付きのピクセルの平均グレーレベル（Ｍｅａｎ）および標準偏差（ＳＴＤ）の推定。
ｂ６．マスキング：タイプ１コンタクトピクセルとしてサブ動作ｂ４で画定されたピクセルのグレーレベルは、サブ動作ｂ５で推定された平均および標準を有するランダムノイズと置き換えられる。

図２ａの動作ｄを実行する際、以下のサブ動作ｄ－Ｉからｄ－ｉｖは、ＳＥＭ画像から段の最も左の部分および最も右の部分に対応する２つの粗エッジ（図２ｂに破線で示す）と、１つの粗エッジとを作成するために使用することができる。動作ｃで見出される段は、１つの粗エッジで画定されることに留意されたい。

サブ動作ｄ－Ｉ。ＳＥＭ画像＋それぞれ各段に対応する粗エッジのリストを入力する。
サブ動作ｄ－ＩＩ。各粗エッジ段まわりで画像をトリミングする。
サブ動作ｄ－III。たとえば形態の拡張操作などの、当技術分野で知られている従来の画像処理技法をたとえば使用して内部段構造体を除去する。この動作の結果には一般に、少なくとも１つの段の、たとえば最も左の部分と最も右の部分である部分間の信号偏差の除去が含まれる。
サブ動作ｄ－ＩＶ。それぞれの粗エッジとしての内部構造体がない、段信号の最も左の部分および最も右の部分を画定する。

したがって、図２ａの動作ｄでは一般に、段ごとに２つの粗エッジが得られ、これにより、（図１ａおよび図１ｂのライン検出動作などの）ラインごとに２つの粗エッジを仮定する標準的な流れ、たとえばＬＥＡアルゴリズムを使用することが容易になる。

図２ａの動作ｆは、線形モデルを見つけるためにロバストフィットを使用することを含む。この動作は、たとえば以下のように適切に順序付けられた、以下の流れ２に含まれるサブ動作の全部または任意のサブセットを含み得る。

流れ２：ロバストフィットを使用して線形モデルを見つける。
流れ２の入力は一般に、微細輪郭および／またはロバストフィットアルゴリズムのパラメータを画定するポイント｛ｘ＿ｉ，ｙ＿ｉ｝のセットを含む。

流れ２は一般に、ラインを横切らない（ラインに「貼り付けられている」）数直線ポイントまたはコンタクトポイントが強い系統的異常値の影響を受けないように、ロバストフィットを用いて輪郭（たとえば、図２ａおよび図２ｂに黒点として示された、トポグラフィポイントとも呼ばれるトポポイント）に最もよく合う線形モデル（ａｘ＋ｂ）を見つけるように構成され、ここで「輪郭」は、画像上で検出される点のセットを含むものであり、これらのポイントは真のフィーチャ境界を画定し、それゆえに測定に使用することができる。数直線ポイントは一般に、段の境界に一致するかこれを画定するかし、形状が直線に類似していることがある。
サブ動作ｆ１。ＬＥＡ（ラインエッジ分析）アルゴリズムによって出力された｛ｘ，ｙ｝ポイントのセットを受け取る。

｛ｘ，ｙ｝ポイントは、線形フィットのロバストフィット推定のためにここで使用されている（たとえば、ＬＥＡで従来使用されている線形フィットを置き換えるための）ＬＥＡアルゴリズムの微細輪郭段階の出力を表す。

したがって、（ｘ，ｙ）は一般に、図２ａの｛微細輪郭検出｝動作の出力に含まれる。
サブ動作ｆ２。線形モデルｙ=Ｍ（ｘ）＝ａｘ＋ｂ＋ｎｏｉｓｅ（ｘ）を、ａ、ｂどちらがＦのａｒｇｍｉｎであるか（Ｆに入力されたときに、ａ、ｂどちらがＦを可能な限り小さくすることになるか）を推定することによって構築する。

ここで、Ｆは重みの合計である：Ｆ（ａ，ｂ）＝ΣｉＷ（ａ，ｂ，｛ｘ（ｉ），ｙ（ｉ）｝）
このようにして、最小化アルゴリズムまたはプロセスが実行されて、重みの合計Ｆを最小化するａ、ｂが得られる。

Ｆのａｒｇｍｉｎであるａ、ｂを決定するための１つの方法について、以下に流れ３で説明する。

一般に、この推定ではロバストフィットを使用し（数個の異常値にさえも影響を受けやすい最小二乗法を使用するのではなく）、適切な重みｗが、ＬＥＡアルゴリズムによって出力された｛ｘ，ｙ｝ポイントのセット中の（たとえば、重みの値が推定された）各ポイントｘ、ｙに割り当てられる。

ここでＷは一般に非凸関数であり、たとえばポイント｛ｘ，ｙ｝におけるウェルシュ重み関数は次式となり得る。
ウェルシュ重み関数

したがって、一般に必ずというわけではないが、

をポイント｛ｘ，ｙ｝に対する重み関数として用いる。

ウェルシュ関数の長方形近似が用いられ得ることを理解されたい。たとえば、ウェルシュ関数は、その中心線が線ａｘ＋ｂである長方形またはストリップを用いて近似することができる。ストリップ幅は、±３（およそ）標準偏差（ｓｔｄとも呼ばれる）幅とすることができる。用語の「標準偏差」は、ポイント｛ｘ＿ｉ，ｙ＿ｉ｝から、固定されたａ、ｂにおける線ｙ＝ａ×ｘ＋ｂまでの距離の標準偏差を指す（この距離がランダム変数であるので）。

ストリップ内の各ポイントは０の値を有し、ストリップの外側の各ポイントは１の値を有する。

Ｆを最小にするために、内側にあるポイントが最も多い（たとえば、他のすべての３ｓｄ幅ストリップよりも多いポイントが内側にある）３ｓｔｄ幅ストリップを探索する。

流れ２の出力は一般に、｛ａ，ｂ｝（線形フィットｙ＝ａｘ＋ｂのパラメータ）を含む。

Ｆのａｒｇｍｉｎであるａ、ｂを決定するための、流れ３とも呼ばれる１つの方法について次に説明する。

流れ３。最適化問題を解く：

を条件としてＦ（ｘ）を最小化する。
流れ３の入力は一般に、微細輪郭を画定するポイント｛ｘ＿ｉ，ｙ＿ｉ｝のセット、および／またはユーザによって与えられ得るロバストフィットアルゴリズムのパラメータを含む。これらのパラメータは一般に、たとえば上で定義された関数Ｆ（ａ，ｂ）の最適化プロセスのそれぞれの技法的実施態様を画定する。

したがって、流れ３は、エンドユーザによって定義され得るｘの特定の最小および最大限界内でＦを最小化することを指す。

流れ３の第１の段階 － 統計的段階とも呼ばれる
上記の最適化問題に対する解の母集団を生成するための遺伝的アルゴリズムを使用することができ、この母集団は、パラメータ（たとえば、線形モデルｙ＝ａｘ＋ｂにおける、勾配、オフセット（それぞれａおよびｂ）などのモデルパラメータ）の目的関数（たとえば、フィットモデルのエラー）の局所極値に十分に近い。

一般に、遺伝的アルゴリズムは、遺伝子選択によって最適化を行い、すなわち、（一般には既定、従来の）最善基準によれば最善である候補（たとえば候補解）を生存させる。最適化に関して、生存者は、目的関数に関して最善である（非生存者よりも優れている）。

スペース（解の母集団を含む）は、多項式パラメータスペースとすることができる（たとえば（オフセット、勾配）パラメータスペース、または線形モデルｙ＝ａｘ＋ｂのａ軸およびｂ軸を有するスペース、ここで［ａ，ｂ］は順序付けられた［勾配、オフセット］対）。

この問題の目標または基準は、エラーが最少のモデルを見つけることであり、このエラーは、たとえば、ＯＬＳ（通常最小二乗法）では、二乗エラーの合計（参照として用いることができる）、ならびに、最小二乗法の代わりにウェルシュが使用される場合には、ウェルシュ関数を介して通されたエラーの合計である。

局所探索（たとえば、従来の「最速降下」または「ニュートン」技法を使用することができる）の結果は、開始ポイント（探索への入力）に強く依存し得る。開始ポイントが局所最小値に近い場合、見つかる結果はその局所最小値になる。しかし、望むことは一般に、グローバル最小値を見つけることである。

遺伝的アルゴリズムは以下を含み得る。すなわち、
１．ランダムな最初の母集団生成、それによって、最初の「現在の母集団」を生成する。
２．現在の母集団（反復Ｉ－１で生成された母集団）を純化する複数（たとえば、５回）の反復Ｉ（Ｉ＝１．．．５）であり、一般に以下を含む。すなわち、
ａ．２つの既存の（（両親））から新しいポイントをその線形組合せとして、生存者としての最善の選択を含み生じさせるクロスオーバであり、一般には以下が続く。
ｂ．生存者としての、最善ポイントの探索のためのツールとしての、最善の選択を含む現在の母集団の突然変異。

一般に、母集団が十分に大きければ、純化により、大きい局所最小値にそれぞれ十分に近い、いくつかのポイントが得られる。これらのポイントは（それぞれ）、局所探索の開始ポイントとして使用して、いくつかの大きい局所最小値を得ることができ、これらのうちの１つは、グローバル最小値になる可能性がある。

局所探索は、たとえば、以下の機能停止基準を有することができる。すなわち、
ａ．いくつかの最後の反復にわたって関数値の、閾値を超える変化がない、および／または
ｂ．最適ポイント位置の、閾値を超える変化がない、
および
ｃ．行うことができる作業の割当て量（たとえば、反復の数についての、および／または関数評価の数などについての制限）。

一般に、上記の関数基準ａ、ｂの両方が満たされたときに、および／または局所探索が反復もしくは関数評価の最大数に達したときに、局所探索は停止する。

あるいは、ＯＬＳによって生成されたポイントをその開始点として用いる、局所探索するもの（たとえば、適切なＭａｔｌａｂ関数）が使用されてもよい。このポイントは、グローバル最小値から十分に遠い（たとえば、既定の最小閾値距離を超えてあらかじめ決められた遠くの）砂漠（フィーチャがない領域）のどこにでも配置することができる。

反復重み付け最小二乗法（ＩＷＬＳ）を実施するＭａｔｌａｂのｒｏｂｕｓｔｆｉｔ（）関数が用いられ得る。開始ポイントは、ユーザから供給されるのではなく、アルゴリズムで生成されてもよい。ポイントのセット｛ｘ，ｙ｝が与えられると、モデルが、たとえば上述のように、線形モデル推定のために対をなす［オフセットする、傾斜する］ことができる。最初のモデル推定ｍ₀＝ＯＬＳ（ｘ，ｙ）を計算することができる。収束しない間、プロセスでは、重みｗ_i＝ｆ（ｍ_i，ｘ，ｙ）を現在のモデルの関数として計算し、モデルｍ_i+1＝ＷＬＳ（ｘ，ｙ，ｗ_i）をたとえば重み付け最小二乗法で再計算することができる。

３つの規則（選択、クロスオーバ、突然変異）の全部または任意のサブセットが、段階１で、世代ｎ－１から世代ｎを作り出すために用いられ得る。

第１の段階は、たとえば以下のように適切に順序付けられた、以下の動作１１０、１２０、．．．、の全部または任意のサブセットを含み得る。すなわち、
動作１１０。「受け入れ可能パラメータ領域」のたとえばランダムサンプリングによる選択を含み得る、最初の世代。

一般に、たとえばラインが垂直に近い（すなわち、ｘ＝ａ×ｙ＋ｂの勾配ａが０に近い）という、ライン配向についての事前の知識が入手可能である。

ラインは一般に垂直であり、それゆえに、フィッティング座標ｘ＋ａ×ｙ＋ｂが、ｙ＝ａｘ＋ｂに代わってより精密なライン推定を可能にして特異点を防止できることに留意されたい。

「受け入れ可能パラメータ領域」を画定するために、領域の下限および上限がラインの最小／最大勾配として、事前の知識が与えられると（たとえば、エンドユーザによって）画定され得る。パラメータｂは、段位置の近く、たとえば上で画定された粗エッジ位置の近傍とすることができる。

動作１２０。３つの規則（選択、クロスオーバ、突然変異）の全部または任意のサブセット、たとえばクロスオーバ、選択、突然変異、選択を用いる反復Ｉを少なくとも一度行い、それによって、次の反復Ｉ＋１への入力であり得る「反復Ｉ母集団」が画定される。

動作１３０。停止基準＝真が反復Ｉ母集団を「十分に近い」と定義すると、段階２へ進む。１つの適切な停止基準は、Ｆがもはや減少していないこととすることができる（たとえばＦが、現在の反復Ｉにおいて前の反復（Ｉより少ない）に対して、以前の反復たとえばＩ－１において、前の反復（たとえばＩ－１より少ない）に対して減少したＦよりも減少が少ない、すなわち、「漸減する復帰」、またはＦは閾量よりも少なく減少している）。

流れ３の第２の段階 － 局所探索解法
段階１で生成された「十分に近い」母集団を、初期ポイントをさらに純化する（最適化するとも呼ばれる）ための局所探索アルゴリズムの入力（初期ポイントとも呼ばれる）として使用する。

任意の適切な局所探索アルゴリズムが、たとえばhttps://www.sciencedirect.com/topics/computer-science/local-search-algorithmに記載のように使用され得る。

たとえば、Ｆが微分可能である場合、傾斜降下とも呼ばれる傾斜ベースアルゴリズムが、局所探索アルゴリズムとも呼ばれる局所解法として使用されることがあり、Ｆ（上で定義された重みの合計）が非微分可能関数である場合には、無導関数（無傾斜とも呼ばれる）解法が局所解法として使用されることがある。

図６ａおよび図６ｂは、プラナーＮＡＮＤフラッシュの簡略図である。

図６ａおよび図ｂは、合成画像の例である。

図７ａ～７ｂは、上述のロバストフィット動作の一実施形態を理解するのに有用なグラフである。一実施形態によれば、ロバストフィット動作は、

を最小化する（ａ，ｂ）を見つけるように動作する。

ウェルシュ関数がたとえば図示の長方形によって近似される場合には、±３σ（およそ）ストリップの内側の各ポイントは値０を有し、（およそ）±３σストリップの外側の各ポイントは値１を有する。この関数の最小化は、最大数のポイントを内側に含む幅±３σのストリップを探索することによって近似することができる。たとえば、図７ａおよび図７ｂのグラフでは、下方水平の長方形は、上方の斜め向きの長方形よりも多いポイントを有する。

図８は、ロバストフィットの複数ライン例のグラフである。図示のように、グラフの底部に示される数直線は底部ポイントを通過するが、矢印で示される上部ストリップの内側のポイントの数は底部ストリップの内側のポイントの数を上回り、したがって、ラインは上部に引かれた。

本明細書の実施形態の特有の利点は、極小サイズの電子ビーム波長の故に、３Ｄ要素またはデバイスの（たとえば）サイズまたは形状の寸法を測定したときのサブナノメートルレベルの精度である。

いくつかの実施形態によれば、ＣＤ ＳＥＭ測定値が、較正された試料を使用して、長さのＳＩ（国際単位系）定義に対して追跡可能になり、試料台の移動を補償するために（たとえばプロセス制御において）用いられ得る。

本明細書に記載の最大エッジ幅パラメータは一般に、別のエッジが位置することができない領域を画定する。このパラメータは、粗エッジアルゴリズムに有用である。粗エッジアルゴリズムは、たとえば次のように適切に順序付けられた、以下の動作の全部または任意のサブセット、すなわち、画像中の最強のエッジを見つけ、見つかった最強のエッジまわりの画像の領域を除去し、２番目に強いエッジを見つけ、たとえばすべてのエッジが見つかるまで、以下同様に行うことを含み得る。段検出には一般に、最強の段を見つけ、見つかった最強の段のまわりの領域を除去し、次の段を見つけ、たとえばすべての段が見つかるまで、以下同様に行うことが含まれる。たとえば上記の粗エッジアルゴリズムには、たとえば上述のように、たとえば上で見つかった粗エッジ位置を、微細エッジが位置する領域の画定のために、ならびに、たとえば本明細書で言及した第３３章に記載の微細エッジの推定のために使用できる微細エッジアルゴリズムが続くことができる。

任意の適切なプロセッサ、表示装置および入力手段が、本明細書に図示および記載の方法および装置のいずれかによって使用または生成される情報などの情報を処理し、たとえばコンピュータ画面または他のコンピュータ出力デバイス上に表示し、記憶し、受け入れるために使用されてよく、上記のプロセッサ、表示装置および入力手段は、本発明の実施形態の一部または全部に応じたコンピュータプログラムを含む。本明細書に図示および記載の発明の、それだけには限らないがフローチャート内の動作などの、いずれかまたは全部の機能が次のうちの１つまたは複数によって実行され得る。すなわち、処理のために汎用または専用に構築され使用される、少なくとも１つの従来のパーソナルコンピュータプロセッサ、ワークステーションもしくは他のプログラム可能デバイス、またはコンピュータもしくは電子計算デバイスもしくはプロセッサ；表示のためのコンピュータ表示画面および／またはプリンタおよび／またはスピーカ；光ディスク、ＣＤＲＯＭ、ＤＶＤ、ブルーレイ、光磁気ディスクまたは他のディスクなどの機械可読メモリ；記憶するためのＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気もしくは光カードまたは他のカード、および受け取るためのキーボードまたはマウス。本明細書に図示および記載のモジュールは、サーバ、データプロセッサ、メモリ／コンピュータストレージ、通信インターフェース、メモリ／コンピュータストレージに記憶されたコンピュータプログラムのうちの１つまたは組合せ、または複数を含み得る。

特にことわらない限り、以下の議論から明らかなように、本明細書全体を通して、「処理する」、「計算する」、「表す」、「比較する」、「生成する」、「訓練する」、「セグメント化する」、「登録する」などの用語を用いる議論は、データを操作および／または他のデータに変換するコンピュータの動作および／またはプロセスを指し、前記データは電子などの物理的量で表され、および／または前記データは物理的な物体を表すことを理解されたい。用語の「コンピュータ」は、非限定的な例として、本出願で開示されているＦＰＥＩシステムおよびそのそれぞれの部分を含む、データ処理機能付きの任意の種類のハードウェアベースの電子デバイスを包含するものと広義に解釈されるべきである。

本明細書に用いられている用語の「メモリ」および「ストレージ」は、本開示の主題に適している任意の揮発性または不揮発性コンピュータメモリを含むものである。

特にことわらない限り、別々の実施形態の文脈で説明されている、本開示の主題のいくつかの特徴はまた、単一の実施形態において組み合わせて提供することもできると理解されたい。逆に、単一の実施形態の文脈で説明されている本開示の主題の様々な特徴はまた、別々に、または任意の適切なサブ組合せで提供することもできる。以下の詳細な説明では、方法および装置が完全に理解されるように、多数の具体的な細部について論述する。

本発明によるシステムは、適切にプログラムされたコンピュータ上で少なくとも部分的に実施できることもまた理解されたい。同様に、本発明では、本発明の方法を実行するための、コンピュータによって読み取り可能なコンピュータプログラムを企図している。本発明ではさらに、本発明の方法を実行するための、コンピュータによって実行可能な命令のプログラムを有形に具現化する非一時的なコンピュータ可読メモリを企図している。

本明細書に記載の本発明の各要素は、本明細書に記載または図示のすべての属性を有することができ、あるいは別の実施形態によれば、本明細書に記載の属性の任意のサブセットを有することができる。

本明細書に用いられている用語のプロセッサまたはコントローラまたはモジュールまたは論理回路は、たとえばＩｎｔｅｌおよびＡｄｖａｎｃｅｄ Ｍｉｃｒｏ Ｄｅｖｉｃｅｓ （ＡＭＤ）などから入手可能なものなどの、デジタルメモリおよび処理機能を一般に有するコンピュータマイクロプロセッサを含むものであり、本明細書に記載の任意の動作または機能または計算または論理は、任意のこのようなコンピュータプロセッサを含む任意の適切な回路上で完全に、またはいずれか部分的に、ならびにファームウェアもしくはハードウェアで、またはこれらの任意の組合せで実施することができる。

２つ以上の図面に示されている諸要素、および／または本明細書に書かれている諸要素はさらに、本明細書で特に明示されている場合を除き、単一の実施形態に組み合わされてもよいことを理解されたい。

分かりやすくするために別々の実施形態の文脈で記載されている、本明細書に記載の任意の特徴、特性、論理、モジュール、ブロック、動作、または機能もまた、特定の技法が互いに相反し組み合わせることができないことを仕様または一般的な知識が具体的に示す場合を除き、単一の実施形態として組み合わせて提供されてよいことを理解されたい。本明細書に図示および記載のシステムのいずれも、本明細書に図示および記載の動作もしくは方法のいずれかを実施するために使用されても、そのいずれかと組み合わされてもよい。

逆に、簡潔にするために単一の実施形態の文脈で記載されている、本明細書に記載の任意のモジュール、ブロック、動作または機能もまた、別々に、または任意の適切なサブ組合せで提供されてよい。

Claims (15)

1. 一連の製造段によって製造される半導体構造体のプロセス制御の方法であって、
   少なくとも２つの個別の製造段を示す前記半導体構造体の画像を取得するステップであって、前記画像が、荷電粒子ビームで前記半導体構造体を走査し、前記半導体構造体から発する信号を集めることによって生成される、ステップと、
   ハードウェアプロセッサによって前記画像を処理して前記半導体構造体のパラメータを決定するステップと
   を含み
   処理する前記ステップが、前記少なくとも２つの個別の製造段の中から１つまたは複数の段を個別のフィーチャとして測定するステップを含む、方法。
2. 前記少なくとも２つの個別の製造段の中から１つまたは複数を個別のフィーチャとして測定する前記ステップが、段を検出するステップと、前記段をラインに変換するステップとを含む、請求項１に記載の方法。
3. 検出する前記ステップが、前記１つまたは複数の段のそれぞれについて最大エッジ幅パラメータを取得するステップを含み、前記最大エッジ幅パラメータが前記段の境界を示す、請求項２に記載の方法。
4. 前記段をラインに変換する前記ステップが、前記１つまたは複数の段のそれぞれについて粗エッジの対および微細エッジの対を画定するステップを含み、前記画像を処理して前記半導体構造体のパラメータを決定する前記ステップが、粗エッジの前記対および微細エッジの対を使用するステップを含む、請求項２に記載の方法。
5. 前記最大エッジ幅パラメータが、段の粗エッジと、別の、たとえば近くにある、または最も近い、または隣接する段の粗段との間の最小距離の半分にほぼ等しい、請求項４に記載の方法。
6. 既定の数の段を選択するステップと、前記段のうちの１つの粗エッジをアンカ位置として設定するステップと、他の段のパラメータを前記アンカ位置に対して測定するステップとをさらに含む、請求項２に記載の方法。
7. （１）前記画像をセグメント化してコンタクトを作成すること、および（２）前記コンタクトを、画像バックグラウンドを表すグレーレベル値と関連付けること、によるコンタクトマスキングをさらに含む、請求項１に記載の方法。
8. 命令を含む非一時的なコンピュータ可読媒体であって、前記命令がコンピュータによって実行されると、前記コンピュータに、一連の製造段によって製造される半導体構造体のプロセス制御の方法を実行させ、前記方法が、
   少なくとも２つの個別の製造段を示す前記半導体構造体の画像を取得することであって、前記画像が、荷電粒子ビームで前記半導体構造体を走査し、前記半導体構造体から発する信号を集めることによって生成される、取得することと、
   前記画像を処理して前記半導体構造体のパラメータを決定することと
   を含み、
   前記処理することが、前記少なくとも２つの個別の製造段の中から１つまたは複数の段を個別のフィーチャとして測定することを含む、非一時的なコンピュータ可読媒体。
9. 一連の製造段によって製造される半導体構造体のプロセス制御のための、荷電粒子顕微鏡（ＣＰＭ）に接続可能な、またはＣＰＭがホストになるシステムであって、
   メモリと、
   前記メモリに動作可能に結合されたプロセッサであって、
   少なくとも２つの個別の製造段を示す前記半導体構造体の画像を受け取ることであって、前記画像が、前記ＣＰＭによって取得され、荷電粒子ビームで前記半導体構造体を走査し、前記半導体構造体から発する信号を集めることによって生成される、受け取ることと、
   前記少なくとも２つの個別の製造段の中から１つまたは複数の段を個別のフィーチャとして測定することによって、前記画像を処理して前記半導体構造体のパラメータを決定することと
   を行うように構成されたプロセッサと
   を含む、システム。
10. 前記プロセッサがさらに、段を検出し、前記段をラインに変換するように構成される、請求項９に記載のシステム。
11. 前記プロセッサがさらに、前記１つまたは複数の段のそれぞれについて最大エッジ幅パラメータを取得することによって段を検出するように構成され、前記最大エッジ幅パラメータが前記段の境界を示す、請求項１０に記載のシステム。
12. 前記段をラインに前記変換することが、前記１つまたは複数の段のそれぞれについて粗エッジの対および微細エッジの対を画定することを含み、前記画像を処理して前記半導体構造体のパラメータを前記決定することが、粗エッジの前記対および微細エッジの対を使用することを含む、請求項１１に記載のシステム。
13. 前記最大エッジ幅パラメータが、段の粗エッジと、近くにある段の粗段との間の最小距離の半分にほぼ等しい、請求項１１に記載のシステム。
14. 前記プロセッサがさらに、
    既定の数の段を選択し、
    前記段のうちの１つの粗エッジをアンカ位置として設定し、
    他の段のパラメータを前記アンカ位置に対して測定するように
    構成されている、請求項１０に記載のシステム。
15. 前記プロセッサがさらに、
    （１）前記画像をセグメント化してコンタクトを作成すること、および（２）前記コンタクトを、画像バックグラウンドを表すグレーレベル値と関連付けること、によってコンタクトをマスクするように構成されている、請求項９に記載のシステム。

Images