JP4090683B2 - パターン評価方法、パターン評価装置およびコンピュータ読み取り可能な記録媒体 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、パターン評価方法、パターン評価装置およびコンピュータ読み取り可能な記録媒体に関し、特に半導体製造プロセスにおける微細パターンのエッジラフネスの評価を対象とする。
【０００２】
【従来の技術】
微細化される半導体の製造工程においては、パターンの寸法ばらつきを正確に評価することが重要となる。パターンの寸法ばらつきとしては、製造ロット毎や半導体チップ毎の寸法変動なども問題になるが、とりわけ一つのパターンにおける局所的な寸法変動もまたデバイス特性を劣化させる。このため、このような局所的な寸法変動を定量的に評価することが近年ますます重要になってきている。なかでも、パターンエッジ位置が数１０ｎｍ〜数μｍの局所的な領域の中で微小にうねるような寸法変動は「エッジラフネス」と呼ばれ、主にパターンを製造する際のリソグラフィ工程と、その後のエッチング工程において発生する。
【０００３】
従来、エッジラフネスの評価方法として、走査型トンネル顕微鏡（Scanning Electron Microscope：以下、ＳＥＭという）や、原子間力顕微鏡（Atomic Force Microscope：以下、ＡＦＭという）などの走査型プローブを用いた観察装置により微細パターンを観察してパターン幅寸法を求め、その局所的な変動を定量化する方法が広く用いられてきた。
【０００４】
これらの方法のうちＡＦＭを用いる方法では、プローブの先端径に広がりがあるために、パターンエッジを観察するために必要な数ｎｍ程度の分解能を得ることができないという問題があった。
【０００５】
この一方、数ｎｍ程度の高いエッジ分解能を有するＳＥＭを用いる従来の方法としては、ライン状のパターンの線幅計測を複数の個所において行った後でその複数の測定値の分散などからエッジラフネスを定量化していた。しかしながら、この方法によれば、例えば図２４の部位Ｒ１００に示すように、確率的にエッジ座標が同じ方向に変動している部位が存在する場合、そのような部分は線幅の変動としては比較的小さいため、ラフネスを過小評価してしまうという問題点があった。
【０００６】
また、従来の技術においては、評価の前処理として、まず、線状のパターンを観察装置の画像表示部に図２５（ａ）のパターンＰ１００ように表示し、その後図２５（ｂ）に示すように計測領域の中でパターンＰ１００の長手方向がなるべく水平方向または垂直方向になるように位置決めした後、その計測領域の水平方向１０６または垂直方向にパターンエッジを探索し、その後、エッジ位置の平均位置からの残差としてエッジラフネスを、例えば標準偏差や平均偏差などで算出していた。
【０００７】
しかし、パターンエッジの方向をエッジ探索方向に対して正確に垂直に配置する位置決めには通常煩わしい処理が必要となる。また、エッジ探索方向とパターンの長手方向がわずかに垂直から外れてしまうということも頻発する。このような場合には、完全に直交している場合よりも非常に大きな値が算出されることがあった。図２６は、このような場合の誤差を例示するグラフであり、例えば同図中の破線１１０に示すように、パターンの方向がわずかに０．５°程度回転していても、ラフネス値を代表するｒｍｓの値は本来の値の倍以上の値に算出されてしまうことがある。
【０００８】
また、リソグラフィ工程で用いられるフォトマスクパターンには、マスクパターンの描画方法に起因して接続誤差が発生することがある。このような接続誤差は、レジスト材料やレジストプロセス、エッチングプロセスで発生するエッジラフネスとは区別されるべきものであるが、従来の評価方法では両者を分離して判断することができなかった。
【０００９】
上述する従来技術の問題点を解決する方法として、特許公開平１１−２５７９４０（以下、文献という）は、パターンエッジの位置に対するヒストグラムを作成し、さらにそのヒストグラムを正規分布に近似することにより、正規分布のσ値からラフネスを定量化する方法を提案している。
【００１０】
【発明が解決しようとする課題】
しかしながら、上記文献に記載の方法によると、ヒストグラムを作成する上で、それを正規分布に近似する計算の工程を計測のステップにさらに含むために、その分だけラフネス値の算出に時間を要することになる。また、エッジ位置の分布が正規分布から外れることもしばしばあり、この場合に上述のσ値 によってラフネスを定量化することは妥当でない。また、上記文献においては、接続誤差を除去する方法および測定対象における微小回転成分を除去する方法として、パターンの中心位置を参照してその変動成分をエッジ座標の変動成分から除く方法が提案されているが、測定領域内にパターンの両側のエッジが含まれていない場合には、この方法を用いることが不可能であった。
【００１１】
さらに、従来のパターン評価装置においては、エッジラフネスが標準偏差や平均偏差、または線幅の最大値と最小値との差などで数値的に表現されるのみで、評価されるパターンのどの位置にどのようなラフネスが存在するのか、という情報を視覚的に直ちに得ることができず、ラフネスの空間分布や形態の違いを観察者自身で把握することが著しく困難であった。
【００１２】
本発明は上記事情に鑑みてなされたものであり、その目的は、エッジラフネスを正確に定量化し、かつ、接続誤差の影響を除去するパターンの評価方法、評価装置およびパターンの評価方法をコンピュータに実行させるプログラムを記録した記録媒体を提供することにある。
【００１３】
【課題を解決するための手段】
本発明は、以下の手段により上記課題の解決を図る。
【００１４】
即ち、本発明の第１の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出して得られた画像データを取り込む工程と、上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する工程と、上記エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、グループごとにエッジ点の平均値を算出し、得られた平均値の差の検定により、異なる平均位置を持つ二つのグループに上記エッジ点列が分けられるかどうかという統計的有意差の有無を判定する工程と、上記統計的有意差があると判定された場合に、上記エッジ点列から接続誤差が影響する範囲を除去してエッジ点列を新たに規定する工程と、 新たに規定されたエッジ点列または上記統計的有意差が無いと判定された場合のエッジ点列から下ろした垂線の長さの和が最小となる直線を求める工程と、上記直線が求められたときの上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する工程と、を備えるパターン評価方法が提供される。
【００１８】
また、本発明の第２の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出して得られた画像データを取り込む工程と、上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する工程と、上記エッジ点列内の任意の点を境として上記エッジ点列を二つのグループに分け、各エッジ点から下ろした垂線の長さの和が最小となる直線をグループごとに求めてこれらの直線間の距離を算出し、上記直線間の距離が最大となる上記任意の点を接続誤差の発生位置となり得るエッジ点として特定する工程と、上記接続誤差の発生位置となり得る上記エッジ点が特定されたときの上記直線に各エッジ点から下ろした垂線の長さをグループごとに算出する工程と、上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する工程と、を備えるパターン評価方法が提供される。
【００２１】
また、本発明の第３の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出して得られた画像データを取り込む工程と、上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する工程と、エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、多変量解析における判別分析手法を用いて接続誤差の発生位置となり得るエッジ点を特定する工程と、上記特定されたエッジ点を中心に上記接続誤差が影響する範囲をエッジ点列から除去してエッジ点列を新たに規定する工程と、グループごとに、グループ内のエッジ点の平均位置と、この平均位置からの残差とを算出する工程と、算出された上記残差に基づいて上記パターンエッジのラフネスを定量化する工程と、を備えるパターン評価方法が提供される。
【００２７】
また、本発明の第４の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出して得られた画像データを取り込む工程と、上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する工程と、上記座標位置に基づいて、ボルツマン関数と一次関数との線形結合で表わされ上記エッジ点列に近似する関数を求める工程と、上記関数の変曲点を境として上記エッジ点列を第１のグループと第２のグループに分け、各エッジ点から上記関数の軌跡である曲線に下ろした垂線の長さをグループごとに算出する工程と、上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する工程と、を備えるパターン評価方法が提供される。
【００３２】
また、本発明の第５の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出し、少なくとも一つのパターンエッジを含む画像データを取得する画像データ取得手段と、 上記画像データに基づいて上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する演算手段と、 上記エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、グループごとにエッジ点の平均値を算出し、得られた平均値の差の検定により、異なる平均位置を持つ二つのグループに上記エッジ点列が分けられるかどうかという統計的有意差の有無を判定する統計的検定手段と、上記パターンエッジのラフネスを定量化する統計処理手段と、を備え、上記演算手段は、上記統計的検定手段により上記統計的有意差があると判定された場合に、上記エッジ点列から接続誤差が影響する範囲を除去してエッジ点列を新たに規定し、新たに規定されたエッジ点列または上記統計的有意差が無いと判定された場合のエッジ点列から下ろした垂線の長さの和が最小となる直線を求め、上記統計処理手段は、上記直線が求められたときの上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する、パターン評価装置が提供される。
【００３６】
また、本発明の第６の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出し、少なくとも一つのパターンエッジを含む画像データを取得する画像データ取得手段と、 上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出し、上記エッジ点列内の任意の点を境として上記エッジ点列を二つのグループに分け、各エッジ点から下ろした垂線の長さの和が最小となる直線をグループごとに求めてこれらの直線間の距離を算出し、上記直線間の距離が最大となる上記任意の点を接続誤差の発生位置となり得るエッジ点として特定し、上記接続誤差の発生位置となり得る上記エッジ点が特定されたときの上記直線に各エッジ点から下ろした垂線の長さをグループごとに算出する演算手段と、上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する統計処理手段と、を備えるパターン評価装置が提供される。
【００４４】
また、本発明の第７の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出し、少なくとも一つのパターンエッジを含む画像データを取得する画像データ取得手段と、 上記画像データに基づいて上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出し、この座標位置に基づいて、ボルツマン関数と一次関数との線形結合で表わされ上記エッジ点列に近似する関数を求め、この関数の変曲点を境として上記エッジ点列を第１のグループと第２のグループに分け、各エッジ点から上記関数の軌跡である曲線に下ろした垂線の長さをグループごとに算出する演算手段と、上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する統計処理手段と、を備えるパターン評価装置が提供される。
【００５１】
また、本発明の第８の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出して得られた画像データの入力を受けてこの画像データを処理するコンピュータに用いられ、 上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する手順と、エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、グループごとにエッジ点の平均値を算出し、得られた平均値の差の検定により、異なる平均位置を持つ二つのグループに上記エッジ点列が分けられるかどうかという統計的有意差の有無を判定する手順と、上記統計的有意差があると判定された場合に、上記エッジ点列から接続誤差が影響する範囲を除去してエッジ点列を新たに規定する手順と、新たに規定されたエッジ点列または上記統計的有意差が無いと判定された場合のエッジ点列から下ろした垂線の長さの和が最小となる直線を求める手順と、上記直線が求められたときの上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する手順と、を備えるパターン評価方法を上記コンピュータに実行させるプログラムを記録したコンピュータ読取り可能な記録媒体が提供される。
【００５４】
また、本発明の第９の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出して得られた画像データの入力を受けてこの画像データを処理するコンピュータに用いられ、 上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する手順と、エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、多変量解析における判別分析手法を用いて接続誤差の発生位置となり得るエッジ点を特定する手順と、上記特定されたエッジ点を中心に上記接続誤差が影響する範囲をエッジ点列から除去してエッジ点列を新たに規定する手順と、グループごとに、グループ内のエッジ点の平均位置と、この平均位置からの残差とを算出する手順と、算出された上記残差に基づいて上記パターンエッジのラフネスを定量化する手順と、を備えるパターン評価方法を上記コンピュータに実行させるプログラムを記録したコンピュータ読取り可能な記録媒体が提供される。
【００５５】
また、本発明の第１０の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出して得られた画像データの入力を受けてこの画像データを処理するコンピュータに用いられ、 上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する手順と、上記エッジ点列内の任意の点を境として上記エッジ点列を二つのグループに分け、各エッジ点から下ろした垂線の長さの和が最小となる直線をグループごとに求めてこれらの直線間の距離を算出し、上記直線間の距離が最大となる上記任意の点を接続誤差の発生位置となり得るエッジ点として特定する手順と、上記接続誤差の発生位置となり得る上記エッジ点が特定されたときの上記直線に各エッジ点から下ろした垂線の長さをグループごとに算出する手順と、上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する手順と、を備えるパターン評価方法を上記コンピュータに実行させるプログラムを記録したコンピュータ読取り可能な記録媒体が提供される。
【００５９】
また、本発明の第１１の態様によれば、パターンが形成された被測定物にエネルギー線を走査して上記被測定物から発生する散乱粒子を検出して得られた画像データの入力を受けてこの画像データを処理するコンピュータに用いられ、 上記画像データに基づいて少なくとも一つの上記パターンエッジを認識し、上記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する手順と、上記座標位置に基づいて、ボルツマン関数と一次関数との線形結合で表わされ上記エッジ点列に近似する関数を求める手順と、上記関数の変曲点を境として上記エッジ点列を第１のグループと第２のグループに分け、各エッジ点から上記関数の軌跡である曲線に下ろした垂線の長さをグループごとに算出する手順と、上記垂線の長さに基づいて上記パターンエッジのラフネスを定量化する手順と、を備えるパターン評価方法を上記コンピュータに実行させるプログラムを記録したコンピュータ読取り可能な記録媒体が提供される。
【００６２】
【発明の実施の形態】
以下、本発明の実施の形態のいくつかについて図面を参照しながら説明する。以下では、ＳＥＭを用いてフォトレジストのパターンを評価する形態について説明する。
【００６３】
（１）パターン評価装置の実施形態
図１は、本発明にかかるパターン評価装置の実施の一形態の概略構成を示すブロック図である。同図に示すパターン評価装置１は、電子光学系１０と、電子光学系制御部２２と、ステージ１４と、二次電子信号検出器１６と、信号増幅部１８と、制御コンピュータ２０と、メモリ２４と、ＣＲＴ（Cathode Ray Tube）２６と、入力装置２８とを備える。メモリ２４には後述する本発明にかかるパターンの評価方法の各手順を記述するプログラムを含む評価レシピが格納されている。メモリ２４は、制御コンピュータ２０に接続され、その指令に基づいて評価レシピが制御コンピュータ２０に読み込まれる。制御コンピュータ２０は、本実施形態において、演算手段、統計処理手段および統計的検定手段を構成し、メモリ２４から読み取った評価レシピに従って、ウェーハＷ上のフォトレジストに形成されたパターン（以下、適宜「フォトレジストパターン」という）の評価を実行する。電子光学系１２は、電子光学系制御部２２を介して制御コンピュータ２０に接続され、電子光学系制御部２２から供給される制御信号に従って、図示しない電子銃から電子ビーム１２を出射させ、ステージ１４上に載置されたウェーハＷの計測領域で走査する。二次電子信号検出器１６は、信号増幅部１８を介して制御コンピュータ２０に接続される。入力装置２８は、キーボード２８ａとマウス２８ｂとを含み、制御コンピュータ２０に接続されて評価プロセスの実行に必要なデータを供給する。ＣＲＴ２６は制御コンピュータ２０に接続されて制御コンピュータ２０から供給される画像データを観察可能な画像として表示する。
【００６４】
以下では、図１に示すパターン評価装置の動作について、本発明にかかるパターン評価方法の実施の形態として図面を参照しながら説明する。
【００６５】
（２）パターン評価方法の第１の実施形態
図２は、本実施形態のパターン評価方法の概略手順を示すフローチャートである。同図に示すように、まず、計測対象となるフォトレジストパターンの画像データを取得する（ステップＳ１）。具体的には、計測対象パターンが形成された半導体ウェーハＷを搬入してステージ１４の上面に載置し、位置決めを行って計測対象のパターンが含まれる領域に電子ビーム１２を走査する。半導体ウェーハＷの表面からは、二次電子、反射電子および後方散乱電子（以下、二次電子等という）が放出されるので、この二次電子等を二次電子信号検出器１６が検出して二次電子信号を取得する。二次電子信号は、信号増幅器１８で増幅された後、制御コンピュータ２０に供給される。制御コンピュータ２０は、増幅された二次電子信号を画像データに変換してメモリ２４に格納するとともにＣＲＴ２６に表示する。このように取得され表示された計測対象パターンＰ１の画像データの一例を図３に示す。
【００６６】
次に、図４に示すように、取得された画像データに対して矩形状の計測領域Ｒ１を設定する（ステップＳ２）。本実施形態において、計測領域Ｒ１は、画像データの画素が配置される直交座標系の座標軸ｘ，ｙと同じ方向成分を持つ４つの辺で囲まれた領域である。
【００６７】
次に、図５に示すように、ｘ軸に平行な探索方向４６の方向に画像データの信号強度の変化を調べ、これにより計測対象パターンＰ１のパターンエッジ４２の位置を複数のｙ座標位置に対して算出することにより認識する（ステップＳ３）。
【００６８】
エッジ位置の認識は、例えば従来から良く用いられている閾値法により実行する。閾値としては、各画像データの信号強度の最大値と最小値との平均値に相当する５０％の値を採用する。
【００６９】
このようにして得られたエッジ点列をＰ_ｉ（ｘ_ｉ，ｙ_ｉ）（ｉ＝１，２，．．．，ｎ：ｎはエッジ点の総数）と表現する。
【００７０】
次いで、これらのエッジ点列Ｐ_ｉ（ｘ_ｉ，ｙ_ｉ）に対して、エッジ点列を構成する各々の点から下ろす垂線の長さの和が最小となるような直線を求める（ステップＳ４）。直線の方程式は、以下のようにして算出する。
【００７１】
即ち、直線の傾きをａ、ｙ切片の値をｂとすると、ａ，ｂはエッジ点列Ｐ_ｉの座標（ｘ_ｉ，ｙ_ｉ）を用いて次式により算出する。
【００７２】
【数１】

である。
【００７３】
（１）式の復号により、ａの値として二つの値が算出されるが、このうちの一方の値がエッジ点列の各点から直線に下ろす垂線の平方和が最小となる直線を与え、他方の値がその直線に直交する直線を与える。従って、上述した（１）〜（４）の式に基づいた計算の後に、再度それぞれの直線から各エッジ点に引いた垂線の平方和を算出し、小さい方の平方和を与えるａの値を、求める直線の傾きとして採用する。ここでこのときの垂線の長さε_ｉは以下の式で与えられる：
【数２】

次に、（５）式で与えられるε_ｉの値の標準偏差と、平均偏差とを算出し、さらに、直線の両側でそれぞれ最も直線との距離が長いエッジ位置を探索してその二つの点と該直線の距離の和を算出し、これらをエッジラフネスの定量的表現として採用する（ステップＳ５）。
【００７４】
最後に、このようにして得られた直線の傾きａ、ｙ切片ｂ、直線の両側でそれぞれもっとも直線との距離の長いエッジの位置、標準偏差の位置、平均偏差の位置をＣＲＴ２６に表示するとともに、メモリ２４に記憶させる（ステップＳ６）。
【００７５】
図６は、上述した手順により得られた定量的表現をＣＲＴ２６に表示した具体例を示す。同図において、実線に示す直線５２は、エッジ点列の各点から下ろす垂線の長さの和が最小となる直線であり、点線に示す直線５４は標準偏差の位置を示し、また、一点鎖線に示す直線５６は平均偏差の位置を示す。また、２つのエッジ点５８は、直線５２の両側でこの直線５２との距離がそれぞれ最も長いエッジ位置である。
【００７６】
このようにして得られた定量的表現の的確性を検証するため、意図的にパターンＰ１の長手方向をＳＥＭ画像上において任意の角度だけ回転させて複数の画像を取得し、これらの画像に対して上述した一連の手順を実行し、標準偏差を算出した。図７は、このようにして得られた検証結果を従来技術との対比で示す図である。同図に示すように、従来技術と同様に、エッジ探索方向とパターンＰ１の長手方向とがなす角度を９０°から±１°だけ意図的に回転させて検証した結果、点線の下向き放物線を描く従来技術のグラフ１１０とは対称的なグラフ４８に示すように、本実施形態の方法によれば、パターンの回転角度に依存することなく、一定の値が算出されることが確認された。
【００７７】
なお、本実施形態では、両側のエッジ４２，４４がいずれも検査領域に含まれるパターンＰ１について説明したが、片側のエッジのみがＣＲＴ２６に現われるようなパターンについても上述した定量的表現を取得することができる。
【００７８】
また、本実施形態においてはレジストパターンを用いたが、上述した一連の手順は、エッチング後のパターンは勿論のこと、任意の工程において観察されたパターンの画像に対しても適用することが可能である。
【００７９】
また、本実施形態では、エッジ位置の決め方として信号強度の５０％閾値をエッジ位置とする閾値法を用いたが、この閾値は５０％に限定されるものでなく、他の値を用いても良い。また、閾値法に代えて、エッジ近傍の信号波形を任意の関数に近似する方法を用いても良いし、さらには、画像処理によって二値化・三値化された画像からエッジ位置を決定する方法を用いることも可能である。以上の点は、以下に説明する第２から第５の実施形態についても同様である。
【００８０】
さらに、本実施形態では、上述した（１）〜（４）の式を用いてエッジ列点から直線の方程式を得たが、この方法に限ることなく、例えば傾きａ、ｙ切片ｂの値を逐次変動させつつ与えることにより（５）式のε_ｉを算出し、その平方和が最も小さくなるまでａ，ｂの値を探索する方法を用いても良い。なお、その際は、通常の直線回帰により傾きとｙ切片とをまず算出し、それらをａ，ｂの初期値に採用するようにすれば、計算の繰り返し回数を減少させることができる。
【００８１】
（３）パターン評価方法の第２の実施形態
図８は、発明にかかるパターン評価方法の第２の実施の形態の概略手順を示すフローチャートである。同図中、ステップＳ１１〜Ｓ１３の手順は、上述した第１の実施形態と実質的に同一であり、図２に示すステップ番号に単に１０を加えたものである。従って、以下では、第１の実施形態と異なる点を中心に説明する。
【００８２】
本実施形態は、接続誤差が発生したパターンに特に好適な実施形態である。
【００８３】
まず、上述した第１の実施形態と同様の手順を用いて評価対象となるフォトレジストパターンのエッジ座標を取得する（ステップＳ１１〜Ｓ１３）。ここで取得された画像データと検査領域のＣＲＴ２６での表示例を図９に示す。同図に示すレジストパターンＰ２の注目するエッジ６２は、ほぼｘ軸方向、即ち、検査領域に対してほぼ水平な方向に配置されており、パターンＰ２の一部分ＲＥ１には、フォトマスク描画時に発生した接続誤差が現われている。本実施形態では、ｙ軸に平行な探索方向６６で画像データの信号強度の変化を調べることにより、パターンエッジ位置を複数のｘ座標位置に対して算出する（ステップＳ１３）。
【００８４】
このようにして得られたエッジ点列を、ｘ座標の値の小さい順に添字ｉによりＰ_ｉ（ｘ_ｉ，ｙ_ｉ）（ｉ＝１，２，・・・ｎ：ｎはエッジ点の総数）と表現する。
【００８５】
次に、図１０に示すように、この点列に属する一つの点をＱとして、Ｐ_ｉをＱよりもｘ座標の小さい点列のグループＩとｘ座標の大きい点列のグループIIに分け、各グループ内でｙ座標の平均値ｙＩａｖ，ｙIIａｖと平均値ｙＩａｖ，ｙIIａｖからの残差εａ_ｉとの二乗和を計算する（ステップＳ１４）。
【００８６】
次いで、上述したＱの位置をｘ軸方向に移動させ、図１１に示すように、グループＩの平均値ｙＩａｖとグループIIの平均値ｙIIａｖとの差が最大となるＱの位置を求め、この位置をＱ_０としてメモリ２４に記憶する（ステップＳ１５）。このステップ１５におけるＱと｜ｙＩａｖ−ｙIIａｖ｜との関係を図１２に示す。同図からも位置Ｑ_０が接続誤差の存在する位置に相当することがわかる。
【００８７】
次に、この結果を用いて、全グループ内の残差εａ_ｉを算出し、それらの二乗の総和を全データ数Ｎまたは（Ｎ−１）で除してグループ内総分散を算出し、その平方根をとることによって接続誤差の影響が除去された標準偏差を算出するとともに、全グループ内残差εａ_ｉの絶対値の全平均値から平均偏差を算出し、これらの値をエッジラフネスの大きさの尺度として採用する（ステップＳ１６）。
【００８８】
最後に、このようにして得られたＱ_０の位置、グループ内の平均位置およびその周りの標準偏差、平均偏差の位置をＣＲＴ２６に表示する（ステップＳ１７）。これにより、計測対象パターンのラフネスや接続誤差の大きさ、位置などを視覚的に認識することができる。
【００８９】
なお、本実施形態で用いたパターンＰ２は、その両側のエッジ６２，６４が検査領域に完全には含まれないため、従来の技術を用いた場合は、接続誤差の影響を除去することができないために、エッジラフネスが過大に評価されていた。
【００９０】
本実施形態では、接続誤差の発生位置を、グループ毎の平均位置の差が最大となるように決定したが、この方法に代えて、図１３に示すように、グループ内総分散が最小となる位置として接続誤差の発生位置を定義しても良いし、または、図１４に示すように、二つのグループ内平均値の分散とグループ内総分散の比を算出し、それが最大となる位置として接続誤差の発生位置を定義しても良い。本実施形態で用いたグループ分けの方法は、多変量解析において判別分析と呼ばれる方法を応用したものである。図１２〜図１４を対比してもわかるように、グループ分けのための上述した三つの方法は、いずれも計測誤差の範囲内で同一の結果を与えた。
【００９１】
さらに、接続誤差による平均位置の変動が比較的広い領域にわたる場合には、図１３に示す方法により、グループ内分散のＱ_０の周りでの変動の様子を調べ、各グループ内分散が急激に変化する領域を解析の対象から除外すれば良い。例えば、Ｑ_０における分散値Ｖ_０に、χ二乗分布表から与えられる分散の上側推定区間を加えた値をしきい値Ｖｔｈとして図１３中のＱ⁻，Ｑ^＋の位置を算出し、区間（Ｑ⁻，Ｑ^＋）を解析の対象から除外した後に、エッジラフネスを定量的に表現する諸量を算出すれば良い。さらに、区間（Ｑ⁻，Ｑ^＋）をＣＲＴ２６に図１５に示すように表示すれば、評価者に対して接続誤差がどれほどの範囲に影響を及ぼしているかという知見を与えることができる。
【００９２】
（４）パターン評価方法の第３の実施形態
図１６は、発明にかかるパターン評価方法の第３の実施の形態の概略手順を示すフローチャートである。本実施形態は、図１７に示すように、計測対象パターンＰ３のパターンエッジが任意の方向を向いている場合に好適な評価方法である。
【００９３】
まず、上述した第１の実施形態とほぼ同様の手順を用いて評価対象となるフォトレジストパターンＰ３のエッジ座標を取得し、点列Ｐ_ｉ（ｘ_ｉ，ｙ_ｉ）（ｉ＝１，２，・・・ｎ：ｎはエッジ点の総数）と表現する（ステップＳ２１〜Ｓ２３）。本実施形態では、パターンエッジがｘ座標またはｙ座標に平行ではないので、抽出されたエッジ点列に対して任意のＱを境にしてグループ分けする際に、図１７に示すように、各グループＩ，IIに属する点列は、平行かつ独立な二つの直線７２，７４に近似される（ステップＳ２４）。この場合もエッジ点列をまずｘ座標またはｙ座標の大きさの順に順序付けたのち、Ｑの位置を与え、グループＩとグループIIのそれぞれに対して、二直線の勾配が同一で有るという制約のもとに、上述の第１の実施形態で説明した方法を用いて二つの近似直線７２，７４の方程式を算出する。
【００９４】
その後は、前述した第２の実施形態における平均位置の差の代わりに二直線７２，７４間の距離ｌが最大となるＱの位置をＱ_０としてメモリ２４に記憶し（ステップＳ２５）、第２の実施形態と同様の方法でグループ内総分散を算出し、その平方根により接続誤差の影響が除去された標準偏差を算出するとともに、全グループ内残差εｂ_ｉの絶対値の全平均値から平均偏差を算出し、これらの値をエッジラフネスの大きさの尺度として採用する（ステップＳ２６）。最後に、このようにして得られたＱ_０の位置、グループ内の平均位置およびその周りの標準偏差、平均偏差の位置をＣＲＴ２６に表示する（ステップＳ２７）。
【００９５】
また、接続誤差の発生位置を定義する方法として、グループ内総分散が最小となる位置を用いる代わりに、グループ毎に各エッジ点から近似直線に対して下ろした垂線の長さの分散を用いてグループ分けを行っても良い。
【００９６】
本実施形態によるパターン評価方法を、第１の実施形態で説明したように、パターンを電子ビーム１２の走査方向に対して任意の角度だけ回転させて取得した画像データに対して実行した結果、得られた定量的表現は、第２の実施形態で得られたものと一致することが確認された。
【００９７】
（５）パターン評価方法の第４の実施形態
本実施形態も、前述した第３の実施形態と同様に任意の方向を向いたエッジパターンが取得された場合に効果的に用いられる方法である。
【００９８】
図１８は、本実施形態のパターン評価方法の概略手順を示すフローチャートである。本実施形態の特徴は、図１８のステップＳ３４に示すように、パターンエッジ座標をモデル関数に直接的に近似させる点にある。
【００９９】
まず、上述した各実施形態と同様に、評価対象となるフォトレジストパターンのエッジ座標を認識する（ステップＳ３１〜３３）。
【０１００】
次に、認識したパターンエッジ座標を以下の式で表されるモデル関数に近似させる（ステップＳ３４）。
【０１０１】
【数３】

上記（６）式において、右辺の第１項および第２項は、エッジ座標の回転を表現する部分である。また、第３項は、接続誤差による平均位置の変動を表現するボルツマン関数であり、変曲点（ｘ_０，ｙ_０）から遠ざかるとともに平行な二直線（ｙ＝０，ｙ＝Ｃ）に漸近する関数である。
【０１０２】
（６）式右辺の各係数Ａ，Ｂ，Ｃ，ｘ_０は、非線型最小二乗法の乗法によって決定することができる。本実施形態では、ルベンバーク−マルカート法によって係数を決定する。
【０１０３】
その後、各エッジ点から（６）式の近似曲線に対して垂線を下ろし、その長さを残差εｃ_ｉと定義し、残差εｃ_ｉの標準偏差および平均偏差を算出し、また最大偏差の位置、即ち、（６）式の近似曲線の両側のそれぞれにおいて残差εｃ_ｉが最大となる点を探索し、両者の残差εｃ_ｉ距離の和を算出してこれらの量をもってパターンのエッジラフネスの定量的表現とする（ステップＳ３５）。
【０１０４】
最後に、この算出結果、すなわちモデル関数、標準偏差の位置、平均偏差の位置、最大偏差の位置の情報をＣＲＴ２６に出力する（ステップＳ３６）。
【０１０５】
図１９および図２０は、図１７に示すパターンＰ３に対して本実施形態の評価方法を適用した結果を示す。図１９は、パターンＰ３の検査領域全体を示し、また、図２０は、図１９中の領域Ｒ４ａの拡大図である。図２０において、ボルツマン近似曲線８４が上述した（６）式のモデル関数の軌跡である。両図中に示す平均位置８６、最大偏差の位置７８，８０も前述した第３の実施形態の結果に一致し、さらに、図１９に示す変曲点（ｘ_０，ｙ_０）の位置も第３の実施形態における点Ｑ_０に一致した。
【０１０６】
本実施形態において、取得したエッジ座標を（６）式へ当てはめるためには種々の方法が採用できる。例えば、非線型最小二乗法の解法としては、ガウスニュートン法、シンプレックス法、ダビドン−フレッチャー−パウエル法などの良く知られたルーチン、またはこれらを適宜組み合わせたルーチンを採用することができる。なお、これらのルーチンはいずれも繰り返し計算による最適化法であり、係数の初期値の取り方に計算の収束性が左右されるので、場合によっては実用的な計測の時間内に計算が終了しない場合もある。この問題を解消するために、上述した第３の実施形態の方法をまず実施し、そこで得られた二直線の方程式から係数Ａ，Ｂ，Ｃを算出し、また、グループ分けの閾値の点Ｑ_０から係数ｘ_０を求めることにより、適切な初期値を得ることもできる。
【０１０７】
（６）パターン評価方法の第５の実施形態
上述した第２〜第４の実施形態の評価方法によれば、どのようなエッジ点列データに対しても計算上は必ずグループ分けを行ってしまうので、本来接続誤差の無いパターンに対してもあたかも接続誤差が存在するかのような計測を実行してしまう。その結果ラフネスの最も大きな成分を計算から除外してしまうためにラフネスの大きさを過小評価してしまう場合がある。
【０１０８】
本実施形態は、以下のような統計的検定を実行することにより、このような問題の解消を図るものである。以下、図２１〜図２３を参照しながら説明する。図２１および図２２は、本実施の形態の評価方法の概略手順を示すフローチャートである。
【０１０９】
図２１に示すように、まず、接続誤差が存在しないと予想されるパターンのエッジデータを取得する（ステップＳ４１）。次に、上述した第３の実施形態の方法を用いてグループ分けの処理を実行する（ステップＳ４２〜Ｓ４５）。このようなグループ分けの結果の一例を図２３に示す。同図における参照符号９８は、Ｑ_０の位置に対するグループ内標準偏差値を示す。
【０１１０】
次に、グループ内総分散Ｖ_０と二つのグループＩ，IIの平均値の差δ（＝ｙＩａｖ−ｙIIａｖ）とを算出してメモリ２４に一旦記憶した後（ステップＳ４６）、算出されたグループ内総分散Ｖ_０および各グループ平均値間の差δと、グループＩ，IIにそれぞれ属するデータ数ｎ_１、ｎ_２によって以下の量ｔ_０を算出する（ステップＳ４７）。
【０１１１】
【数４】

このｔ_０は、自由度ｎ_１＋ｎ_２−２のｔ分布に従うため、ｔ_０をｔ分布表の値と比べることにより、δが有意に０と異なるか否かを検定することができる。
【０１１２】
即ち、有意確率を予め設定しておき、算出されたｔｏをｔ分布表の値と比較する（ステップＳ４８）。本実施形態において、有意確率は０．０５と設定した。
【０１１３】
次に、図２２に移り、設定した有意確率と分布表の値Ｐとを比較する（ステップＳ４９）。本実施形態では、Ｐ＞０．０５となり、「二つのグループＩ，IIの平均値ｙＩａｖ，ｙIIａｖに差がない」という帰無仮説が採用される（ステップＳ５０）。この結果に従って、「エッジ点列が異なる平均位置を持つ二つのグループに分けられる」という作業仮説を受け入れないことにして、メモリ２４に一旦記憶したグループ内総分散Ｖ_０と各グループ平均値間の差δのデータを削除した後（ステップＳ５２）、上述した第１の実施形態による方法によってエッジラフネスの定量的表現を実行する（ステップＳ５３、Ｓ５４）。なお、Ｐが予め設定した有意確率以下である場合は（ステップＳ４９）、前述した第３の実施形態の手順に従い、接続誤差の影響が除去された標準偏差を算出して、メモリ２４に記憶したグループ内総分散Ｖ_０、平均偏差とともに、エッジラフネスの大きさの尺度とする（ステップＳ５１）。
【０１１４】
（７）記録媒体の実施形態
上述したパターン評価方法の５つの実施形態では、図１に示すパターン評価装置が検査レシピに従って動作する形態で説明したが、これらの実施形態に説明する一連の手順は、専用機にのみ実行可能な手順では決してなく、外部の汎用コンピュータに実行させるプログラムとしてフロッピーディスクやＣＤ−ＲＯＭ等の記録媒体に収納してコンピュータに読込ませ、このコンピュータに汎用のＳＥＭ検査装置を接続し、または画像データを供給して実行させても良い。これにより、本発明にかかるパターン評価方法を外部のサーバやスタンドアロンの汎用コンピュータを用いて実現することができる。記録媒体は、磁気ディスクや光ディスク等の携帯可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でも良い。また、上述したパターン評価方法の一連の手順を組込んだプログラムをインターネット等の通信回線（無線通信を含む）を介して頒布しても良い。さらに、上述したパターン評価方法の一連の手順を組込んだプログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布しても良い。
【０１１５】
以上、本発明の実施の形態について説明したが、本発明は上記形態に限ることなくその要旨を逸脱しない範囲で種々変形して適用することができる。上述したパターン評価装置においては、評価レシピを格納するメモリとＣＲＴとを備える場合について説明したが、これに限ることなく、例えば上述した外部のサーバやスタンドアロンのコンピュータなどにＣＲＴを接続し、これらのサーバやコンピュータを介してＣＲＴへＳＥＭ本体から画像パターンのデータを供給して処理することとしても良い。また、ＣＲＴへの画像データの表示についても、前述した図１９と図２０との関係に示すとおり、拡大表示の機能をＣＲＴ側または制御コンピュータ側に設けると、評価計測の作業効率をさらに向上させることができる。
【０１１６】
【発明の効果】
以上詳述したとおり、本発明によれば、計測対象のパターンの配置形態や接続誤差の有無にかかわらず、エッジラフネスを正確に定量化することができる。
【図面の簡単な説明】
【図１】本発明にかかるパターン評価装置の実施の一形態の概略構成を示すブロック図である。
【図２】発明にかかるパターン評価方法の第１の実施の形態の概略手順を示すフローチャートである。
【図３】図２に示す手順により取得されＣＲＴに表示された計測対象パターンの画像データの一例を示す図である。
【図４】図２に示す手順により取得された画像データに対して設定された矩形状の計測領域の具体例を示す図である。
【図５】図２に示す手順により取得された画像データから計測対象パターンのパターンエッジの位置の認識するための探索方向を示す図である。
【図６】図２に示す手順により得られた定量的表現をＣＲＴに表示した具体例を示す図である。
【図７】図２に示す手順により得られた定量的表現の的確性を従来技術との対比で示すグラフである。
【図８】発明にかかるパターン評価方法の第２の実施の形態の概略手順を示すフローチャートである。
【図９】図８に示す手順により取得された画像データと検査領域の一表示例を示す図である。
【図１０】図８に示す手順によりエッジ点列上の任意の点Ｑを境に二つのグループに分割されたエッジ点列を示す図である。
【図１１】図８に示す手順により定義された接続誤差の発生位置を示す図である。
【図１２】グループＩの平均値とグループIIの平均値との差と、エッジ点列上の点Ｑとの関係を示す図である。
【図１３】接続誤差の発生位置を定義する他の方法を示す図である。
【図１４】接続誤差の発生位置を定義するさらに他の方法を示す図である。
【図１５】図１３に示す方法により得られた解析対象除外区間（Ｑ⁻，Ｑ^＋）の一表示例を示す図である。
【図１６】発明にかかるパターン評価方法の第３の実施の形態の概略手順を示すフローチャートである。
【図１７】図１６に示す手順により定義された接続誤差の発生位置を示す図である。
【図１８】発明にかかるパターン評価方法の第４の実施の形態の概略手順を示すフローチャートである。
【図１９】図１８に示す手順により得られた定量的表現をＣＲＴに表示した具体例を示す図である。
【図２０】図１９の要部の拡大図である。
【図２１】発明にかかるパターン評価方法の第５の実施の形態の概略手順を示すフローチャートである。
【図２２】発明にかかるパターン評価方法の第５の実施の形態の概略手順を示すフローチャートである。
【図２３】図２１および図２２に示す手順を説明するためのＣＲＴ表示例を示す図である。
【図２４】従来の技術によるパターンの評価方法の問題点を説明する図である。
【図２５】従来の技術によるパターンの評価方法の他の問題点を説明する図である。
【図２６】従来の技術によるパターンの評価方法のさらに他の問題点を説明するグラフである。
【符号の説明】
１ パターン評価装置
１０ 電子光学系
１２ 電子ビーム
１４ ステージ
１６ 二次電子信号検出器
１８ 信号増幅部
２０ 制御コンピュータ
２２ 電子光学系制御部
２４ メモリ
２６ ＣＲＴ
２８ 入力装置
Ｐ１〜Ｐ３ 被評価パターン
４２，４４，６２，６４，７２，９２ パターンエッジ
４６，６６ エッジ位置の探索方向
４８ 標準偏差
５２，７４ 近似直線
５４，９８ 標準偏差によるラフネスの平均的な位置
５６ 平均偏差によるラフネスの平均的な位置
５８ 直線から最も離れたエッジ位置
６０ 接続誤差の影響範囲
Ｒ１，Ｒ２ 計測領域
ＲＥ１ 接続誤差の存在する部分
ｙＩａｖ グループＩの平均値
ｙIIａｖ グループIIの平均値

Claims (16)

1. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出して得られた画像データを取り込む工程と、
   前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する工程と、
   前記エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、グループごとにエッジ点の平均値を算出し、得られた平均値の差の検定により、異なる平均位置を持つ二つのグループに前記エッジ点列が分けられるかどうかという統計的有意差の有無を判定する工程と、
   前記統計的有意差があると判定された場合に、前記エッジ点列から接続誤差が影響する範囲を除去してエッジ点列を新たに規定する工程と、
   新たに規定されたエッジ点列または前記統計的有意差が無いと判定された場合のエッジ点列から下ろした垂線の長さの和が最小となる直線を求める工程と、
   前記直線が求められたときの前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する工程と、
   を備えるパターン評価方法。
2. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出して得られた画像データを取り込む工程と、
   前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する工程と、
   前記エッジ点列内の任意の点を境として前記エッジ点列を二つのグループに分け、各エッジ点から下ろした垂線の長さの和が最小となる直線をグループごとに求めてこれらの直線間の距離を算出し、前記直線間の距離が最大となる前記任意の点を接続誤差の発生位置となり得るエッジ点として特定する工程と、
   前記接続誤差の発生位置となり得る前記エッジ点が特定されたときの前記直線に各エッジ点から下ろした垂線の長さをグループごとに算出する工程と、
   前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する工程と、
   を備えるパターン評価方法。
3. 前記ラフネスは、前記直線が求められたときの前記垂線の長さの標準偏差と、前記直線が得られたときの前記垂線の長さの平均偏差と、を用いて定量化されることを特徴とする請求項１または２に記載のパターン評価方法。
4. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出して得られた画像データを取り込む工程と、
   前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する工程と、
   エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、多変量解析における判別分析手法を用いて接続誤差の発生位置となり得るエッジ点を特定する工程と、
   前記特定されたエッジ点を中心に前記接続誤差が影響する範囲をエッジ点列から除去してエッジ点列を新たに規定する工程と、
   グループごとに、グループ内のエッジ点の平均位置と、この平均位置からの残差とを算出する工程と、
   算出された前記残差に基づいて前記パターンエッジのラフネスを定量化する工程と、
   を備えるパターン評価方法。
5. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出して得られた画像データを取り込む工程と、
   前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する工程と、
   前記座標位置に基づいて、ボルツマン関数と一次関数との線形結合で表わされ前記エッジ点列に近似する関数を求める工程と、
   前記関数の変曲点を境として前記エッジ点列を第１のグループと第２のグループに分け、各エッジ点から前記関数の軌跡である曲線に下ろした垂線の長さをグループごとに算出する工程と、
   前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する工程と、
   を備えるパターン評価方法。
6. 前記ラフネスは、前記直線が求められたときの前記垂線の長さの標準偏差と、前記直線が得られたときの前記垂線の長さの平均偏差と、を用いて定量化されることを特徴とする請求項５に記載のパターン評価方法。
7. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出し、少なくとも一つのパターンエッジを含む画像データを取得する画像データ取得手段と、
   前記画像データに基づいて前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する演算手段と、
   前記エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、グループごとにエッジ点の平均値を算出し、得られた平均値の差の検定により、異なる平均位置を持つ二つのグループに前記エッジ点列が分けられるかどうかという統計的有意差の有無を判定する統計的検定手段と、
   前記パターンエッジのラフネスを定量化する統計処理手段と、
   を備え、
   前記演算手段は、前記統計的検定手段により前記統計的有意差があると判定された場合に、前記エッジ点列から接続誤差が影響する範囲を除去してエッジ点列を新たに規定し、新たに規定されたエッジ点列または前記統計的有意差が無いと判定された場合のエッジ点列から下ろした垂線の長さの和が最小となる直線を求め、
   前記統計処理手段は、前記直線が求められたときの前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する、
   パターン評価装置。
8. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出し、少なくとも一つのパターンエッジを含む画像データを取得する画像データ取得手段と、
   前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出し、前記エッジ点列内の任意の点を境として前記エッジ点列を二つのグループに分け、各エッジ点から下ろした垂線の長さの和が最小となる直線をグループごとに求めてこれらの直線間の距離を算出し、前記直線間の距離が最大となる前記任意の点を接続誤差の発生位置となり得るエッジ点として特定し、前記接続誤差の発生位置となり得る前記エッジ点が特定されたときの前記直線に各エッジ点から下ろした垂線の長さをグループごとに算出する演算手段と、
   前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する統計処理手段と、
   を備えるパターン評価装置。
9. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出し、少なくとも一つのパターンエッジを含む画像データを取得する画像データ取得手段と、
   前記画像データに基づいて前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出し、この座標位置に基づいて、ボルツマン関数と一次関数との線形結合で表わされ前記エッジ点列に近似する関数を求め、この関数の変曲点を境として前記エッジ点列を第１のグループと第２のグループに分け、各エッジ点から前記関数の軌跡である曲線に下ろした垂線の長さをグループごとに算出する演算手段と、
   前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する統計処理手段と、
   を備えるパターン評価装置。
10. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出して得られた画像データの入力を受けてこの画像データを処理するコンピュータに用いられ、
    前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する手順と、
    エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、グループごとにエッジ点の平均値を算出し、得られた平均値の差の検定により、異なる平均位置を持つ二つのグループに前記エッジ点列が分けられるかどうかという統計的有意差の有無を判定する手順と、
    前記統計的有意差があると判定された場合に、前記エッジ点列から接続誤差が影響する範囲を除去してエッジ点列を新たに規定する手順と、
    新たに規定されたエッジ点列または前記統計的有意差が無いと判定された場合のエッジ点列から下ろした垂線の長さの和が最小となる直線を求める手順と、
    前記直線が求められたときの前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する手順と、
    を備えるパターン評価方法を前記コンピュータに実行させるプログラムを記録したコンピュータ読取り可能な記録媒体。
11. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出して得られた画像データの入力を受けてこの画像データを処理するコンピュータに用いられ、
    前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する手順と、
    前記エッジ点列内の任意の点を境として前記エッジ点列を二つのグループに分け、各エッジ点から下ろした垂線の長さの和が最小となる直線をグループごとに求めてこれらの直線間の距離を算出し、前記直線間の距離が最大となる前記任意の点を接続誤差の発生位置となり得るエッジ点として特定する手順と、
    前記接続誤差の発生位置となり得る前記エッジ点が特定されたときの前記直線に各エッジ点から下ろした垂線の長さをグループごとに算出する手順と、
    前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する手順と、
    を備えるパターン評価方法を前記コンピュータに実行させるプログラムを記録したコンピュータ読取り可能な記録媒体。
12. 前記ラフネスは、前記直線が求められたときの前記垂線の長さの標準偏差と、前記直線が得られたときの前記垂線の長さの平均偏差と、を用いて定量化されることを特徴とする請求項１０または１１に記載の記録媒体。
13. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出して得られた画像データの入力を受けてこの画像データを処理するコンピュータに用いられ、
    前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する手順と、
    エッジ点列内の任意の点を境としてエッジ点列を二つのグループに分け、多変量解析における判別分析手法を用いて接続誤差の発生位置となり得るエッジ点を特定する手順と、
    前記特定されたエッジ点を中心に前記接続誤差が影響する範囲をエッジ点列から除去してエッジ点列を新たに規定する手順と、
    グループごとに、グループ内のエッジ点の平均位置と、この平均位置からの残差とを算出する手順と、
    算出された前記残差に基づいて前記パターンエッジのラフネスを定量化する手順と、
    を備えるパターン評価方法を前記コンピュータに実行させるプログラムを記録したコンピュータ読取り可能な記録媒体。
14. パターンが形成された被測定物にエネルギー線を走査して前記被測定物から発生する散乱粒子を検出して得られた画像データの入力を受けてこの画像データを処理するコンピュータに用いられ、
    前記画像データに基づいて少なくとも一つの前記パターンエッジを認識し、前記パターンエッジの形状を構成するエッジ点列の各エッジ点の座標位置を算出する手順と、
    前記座標位置に基づいて、ボルツマン関数と一次関数との線形結合で表わされ前記エッジ点列に近似する関数を求める手順と、
    前記関数の変曲点を境として前記エッジ点列を第１のグループと第２のグループに分け、各エッジ点から前記関数の軌跡である曲線に下ろした垂線の長さをグループごとに算出する手順と、
    前記垂線の長さに基づいて前記パターンエッジのラフネスを定量化する手順と、
    を備えるパターン評価方法を前記コンピュータに実行させるプログラムを記録したコンピュータ読取り可能な記録媒体。
15. 前記ラフネスは、前記直線が求められたときの前記垂線の長さの標準偏差と、前記直線が得られたときの前記垂線の長さの平均偏差と、を用いて定量化されることを特徴とする請求項１４に記載の記録媒体。
16. 前記エッジ点が前記曲線の両側のうちいずれの側に存在するかの相対位置情報を各エッジ点について取得する手順をさらに備え、
    前記ラフネスは、前記垂線の長さのうち前記曲線の両側のそれぞれにおける最大値の少なくとも一つを用いて定量化されることを特徴とする請求項１４または１５に記載の記録媒体。

Images