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
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 Download PDFInfo
- Publication number
- JP2022511246A JP2022511246A JP2021505963A JP2021505963A JP2022511246A JP 2022511246 A JP2022511246 A JP 2022511246A JP 2021505963 A JP2021505963 A JP 2021505963A JP 2021505963 A JP2021505963 A JP 2021505963A JP 2022511246 A JP2022511246 A JP 2022511246A
- Authority
- JP
- Japan
- Prior art keywords
- image
- semiconductor structure
- stage
- line
- stages
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 103
- 238000004590 computer program Methods 0.000 title description 27
- 239000004065 semiconductor Substances 0.000 claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 22
- 238000004886 process control Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000000873 masking effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 73
- 238000001514 detection method Methods 0.000 description 56
- 230000006870 function Effects 0.000 description 46
- 238000005259 measurement Methods 0.000 description 38
- 238000001878 scanning electron micrograph Methods 0.000 description 30
- 230000009471 action Effects 0.000 description 22
- 238000007689 inspection Methods 0.000 description 11
- 230000006399 behavior Effects 0.000 description 9
- 235000012431 wafers Nutrition 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 125000003821 2-(trimethylsilyl)ethoxymethyl group Chemical group [H]C([H])([H])[Si](C([H])([H])[H])(C([H])([H])[H])C([H])([H])C(OC([H])([H])[*])([H])[H] 0.000 description 1
- 238000012369 In process control Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- General Factory Administration (AREA)
Abstract
Description
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。
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。
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。
(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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
適応度=目的関数
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。
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。
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。
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。
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。
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。
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)。
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。
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。
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。
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。
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。
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。
ウェルシュ重み関数
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。
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。
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。
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)。
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。
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。
Claims (15)
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- (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。
- 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。 - 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。 - 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。
- 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。
- 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。
- 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。
- 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。 - 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。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862755155P | 2018-11-02 | 2018-11-02 | |
US62/755,155 | 2018-11-02 | ||
PCT/IL2019/051188 WO2020089910A1 (en) | 2018-11-02 | 2019-10-31 | Method, system and computer program product for 3d-nand cdsem metrology |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022511246A true JP2022511246A (ja) | 2022-01-31 |
JPWO2020089910A5 JPWO2020089910A5 (ja) | 2022-06-02 |
JP7219334B2 JP7219334B2 (ja) | 2023-02-07 |
Family
ID=70462021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021505963A Active JP7219334B2 (ja) | 2018-11-02 | 2019-10-31 | 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 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11651509B2 (ja) |
JP (1) | JP7219334B2 (ja) |
KR (1) | KR102502431B1 (ja) |
CN (1) | CN112469962B (ja) |
TW (1) | TWI802766B (ja) |
WO (1) | WO2020089910A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113168085A (zh) * | 2018-11-30 | 2021-07-23 | Asml荷兰有限公司 | 用于基于可制造性确定图案形成装置图案的方法 |
US11443420B2 (en) | 2020-12-28 | 2022-09-13 | Applied Materials Israel Ltd. | Generating a metrology recipe usable for examination of a semiconductor specimen |
CN113466277B (zh) * | 2021-06-25 | 2022-05-10 | 长江存储科技有限责任公司 | 测试样品的制备方法及测试样品 |
CN113538489B (zh) * | 2021-07-19 | 2022-09-09 | 武汉纺织大学 | 一种非织造布纤维直径测量方法 |
CN114963979A (zh) * | 2022-05-06 | 2022-08-30 | 武汉大学 | 基于深度学习的3d nand存储器层叠结构关键尺寸测量方法 |
CN116206935B (zh) * | 2023-05-04 | 2023-07-18 | 华芯程(杭州)科技有限公司 | 一种晶圆测量机台的校准方法、装置及设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011133378A (ja) * | 2009-12-25 | 2011-07-07 | Hitachi High-Technologies Corp | パターン測定装置 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4752898A (en) * | 1987-01-28 | 1988-06-21 | Tencor Instruments | Edge finding in wafers |
JP3749107B2 (ja) * | 1999-11-05 | 2006-02-22 | ファブソリューション株式会社 | 半導体デバイス検査装置 |
JP3834495B2 (ja) * | 2001-09-27 | 2006-10-18 | 株式会社東芝 | 微細パターン検査装置、cd−sem装置の管理装置、微細パターン検査方法、cd−sem装置の管理方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
US7003161B2 (en) * | 2001-11-16 | 2006-02-21 | Mitutoyo Corporation | Systems and methods for boundary detection in images |
US7321669B2 (en) * | 2003-07-10 | 2008-01-22 | Sarnoff Corporation | Method and apparatus for refining target position and size estimates using image and depth data |
US7366344B2 (en) * | 2003-07-14 | 2008-04-29 | Rudolph Technologies, Inc. | Edge normal process |
CN100355055C (zh) * | 2005-10-28 | 2007-12-12 | 清华大学 | 硅晶圆预对准控制方法 |
KR100853788B1 (ko) | 2006-11-27 | 2008-08-25 | 동부일렉트로닉스 주식회사 | 이미지 센서에서의 층 두께 측정 방법 및 이를 위한 이미지센서의 두께 측정 패턴 |
JP5429869B2 (ja) * | 2008-12-22 | 2014-02-26 | 株式会社 Ngr | パターン検査装置および方法 |
CN101788503B (zh) * | 2009-01-22 | 2012-07-04 | 久元电子股份有限公司 | 用于检测裸片背面缺陷的裸片缺陷检测***及其使用方法 |
US9007665B2 (en) * | 2011-05-16 | 2015-04-14 | Roth + Weber Gmbh | Method for detecting the width and position of documents using image information in a large-format scanner system |
JP5530980B2 (ja) | 2011-06-14 | 2014-06-25 | 株式会社アドバンテスト | パターン測定装置及びパターン測定方法 |
US8983203B2 (en) * | 2011-10-14 | 2015-03-17 | Ulsee Inc. | Face-tracking method with high accuracy |
US9165376B2 (en) | 2013-03-15 | 2015-10-20 | Applied Materials Israel Ltd. | System, method and computer readable medium for detecting edges of a pattern |
WO2015022739A1 (ja) * | 2013-08-14 | 2015-02-19 | 株式会社日立製作所 | 半導体検査方法、半導体検査装置、および半導体素子の製造方法 |
KR102183713B1 (ko) | 2014-02-13 | 2020-11-26 | 삼성전자주식회사 | 3차원 반도체 장치의 계단형 연결 구조 및 이를 형성하는 방법 |
US9552531B2 (en) | 2015-01-30 | 2017-01-24 | Sony Corporation | Fast color-brightness-based methods for image segmentation |
KR102562134B1 (ko) | 2015-04-21 | 2023-08-02 | 인텔 코포레이션 | 전자 빔 노광 시스템을 위한 미세 정렬 시스템 |
JP6527799B2 (ja) * | 2015-09-25 | 2019-06-05 | 株式会社日立ハイテクノロジーズ | 荷電粒子線装置及びパターン測定装置 |
US9653311B1 (en) | 2016-05-13 | 2017-05-16 | Applied Materials, Inc. | 3D NAND staircase CD fabrication utilizing ruthenium material |
US11055786B2 (en) * | 2016-06-03 | 2021-07-06 | Conduent Business Services, Llc | Image segmentation system for verification of property roof damage |
-
2019
- 2019-10-31 US US17/281,948 patent/US11651509B2/en active Active
- 2019-10-31 WO PCT/IL2019/051188 patent/WO2020089910A1/en active Application Filing
- 2019-10-31 CN CN201980049495.8A patent/CN112469962B/zh active Active
- 2019-10-31 KR KR1020217000157A patent/KR102502431B1/ko active IP Right Grant
- 2019-10-31 JP JP2021505963A patent/JP7219334B2/ja active Active
- 2019-11-01 TW TW108139723A patent/TWI802766B/zh active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011133378A (ja) * | 2009-12-25 | 2011-07-07 | Hitachi High-Technologies Corp | パターン測定装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020089910A1 (en) | 2020-05-07 |
CN112469962A (zh) | 2021-03-09 |
TW202036641A (zh) | 2020-10-01 |
JP7219334B2 (ja) | 2023-02-07 |
TWI802766B (zh) | 2023-05-21 |
KR102502431B1 (ko) | 2023-02-23 |
KR20210088518A (ko) | 2021-07-14 |
CN112469962B (zh) | 2022-05-24 |
US20210383529A1 (en) | 2021-12-09 |
US11651509B2 (en) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7219334B2 (ja) | 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 | |
US11275361B2 (en) | Systems and methods for predicting defects and critical dimension using deep learning in the semiconductor manufacturing process | |
TWI776163B (zh) | 得到積體半導體樣本之立體影像之方法、電腦程式產品、及半導體檢測裝置 | |
KR101842055B1 (ko) | 하전 입자선 장치 및 검사 장치 | |
US20210358101A1 (en) | Processing image data sets | |
US10628935B2 (en) | Method and system for identifying defects of integrated circuits | |
CN112840205B (zh) | 基于设计及噪声的关注区域 | |
JP2013257304A5 (ja) | ||
KR20220014805A (ko) | 반도체 시편의 검사에 사용가능한 훈련 데이터의 생성 | |
KR20220012217A (ko) | 반도체 시편에서의 결함들의 기계 학습 기반 분류 | |
CN115699279A (zh) | 针对含样品内及样品间变异的样品使用无监督学习及适应性数据库产生方法的图像对准设置 | |
JP5728351B2 (ja) | 断面形状推定方法および断面形状推定装置 | |
US20230196189A1 (en) | Measurement method and apparatus for semiconductor features with increased throughput | |
WO2019006222A1 (en) | SYSTEMS AND METHODS FOR PREDICTING DEFECTS AND CRITICAL DIMENSION USING DEEP LEARNING IN A SEMICONDUCTOR MANUFACTURING PROCESS | |
TWI844777B (zh) | 針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定 | |
KR102688381B1 (ko) | 반도체 디바이스 제조 방법 및 반도체 제조 어셈블리를 위한 공정 제어 시스템 | |
TWI776430B (zh) | 圖案檢測/測量裝置及圖案檢測/測量程式 | |
CN110741466B (zh) | 基于扰乱点图的宽带等离子检验 | |
WO2023117238A1 (en) | Measurement method and apparatus for semiconductor features with increased throughput | |
TW202418221A (zh) | 用於半導體檢查圖像分割的改進方法和裝置 | |
TW202339038A (zh) | 基於機器學習的半導體樣品的檢查及其訓練 | |
KR20230093247A (ko) | 반도체 디바이스 제조 방법 및 반도체 제조 어셈블리를 위한 공정 제어 시스템 | |
CN118435125A (zh) | 用于增加产率的半导体特征的测量方法与装置 | |
CN115760675A (zh) | 半导体样本中的局部形状偏差 | |
JP2022013667A (ja) | 半導体試料の画像のセグメンテーション |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220525 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220525 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220525 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230126 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7219334 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |