KR20210088518A - 3d-nand cdsem 계측을 위한 방법, 시스템, 및 컴퓨터 프로그램 제품 - Google Patents
3d-nand cdsem 계측을 위한 방법, 시스템, 및 컴퓨터 프로그램 제품 Download PDFInfo
- Publication number
- KR20210088518A KR20210088518A KR1020217000157A KR20217000157A KR20210088518A KR 20210088518 A KR20210088518 A KR 20210088518A KR 1020217000157 A KR1020217000157 A KR 1020217000157A KR 20217000157 A KR20217000157 A KR 20217000157A KR 20210088518 A KR20210088518 A KR 20210088518A
- Authority
- KR
- South Korea
- Prior art keywords
- steps
- image
- semiconductor structure
- process control
- edges
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 113
- 238000004590 computer program Methods 0.000 title description 28
- 239000004065 semiconductor Substances 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000004519 manufacturing process Methods 0.000 claims abstract description 41
- 238000004886 process control Methods 0.000 claims abstract description 24
- 239000002245 particle Substances 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 16
- 230000000873 masking effect Effects 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 description 73
- 238000001514 detection method Methods 0.000 description 36
- 238000005259 measurement Methods 0.000 description 34
- 230000006870 function Effects 0.000 description 33
- 238000001878 scanning electron micrograph Methods 0.000 description 31
- 230000009471 action Effects 0.000 description 19
- 238000007689 inspection Methods 0.000 description 11
- 230000003595 spectral effect Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 238000004626 scanning electron microscopy Methods 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
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013488 ordinary least square regression Methods 0.000 description 3
- 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 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012369 In process control Methods 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process 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
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 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
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000012248 genetic selection Methods 0.000 description 1
- 238000009499 grossing Methods 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
- 238000011835 investigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method 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
-
- G06K9/4604—
-
- G06K9/50—
-
- 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)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- General Factory Administration (AREA)
Abstract
일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법으로서, 방법은, 적어도 2개의 개별 제조 단계들을 표시하는 반도체 구조의 이미지를 획득하는 단계 ― 이미지는 하전 입자 빔으로 반도체 구조를 스캐닝하고 반도체 구조로부터 나오는 신호들을 수집함으로써 생성됨 ―; 및 하드웨어 프로세서에 의해, 반도체 구조의 파라미터를 결정하기 위해 이미지를 처리하는 단계를 포함하며, 처리하는 단계는, 제조 단계들 중에서 계단(들)을 개별 피쳐로서 측정하는 단계를 포함한다.
Description
계류 중인 출원들에 대한 참조
2018년 11월 2일자로 출원된 "3D-NAND STAIRCASE CD SEM METROLOGY"라는 명칭의 미국 가특허 출원 제62/755,155호가 우선권으로 주장되며, 상기 출원의 개시내용은 인용에 의해 본원에 포함된다.
본원에서 개시되는 주제는 일반적으로 계측 분야에 관한 것으로, 더 구체적인 사항은, 미시적 구조의 검사, 및 그러한 검사를 자동화하기 위한 방법들 및 시스템들에 관한 것이다.
3D-NAND 플래시는, 메모리 셀들이 다수의 층들로 수직으로 적층되는 플래시 메모리 유형이다.
임계 치수 주사 전자 현미경(CDSEM으로 또한 알려져 있음)은 반도체 웨이퍼 상에 형성된 미세 패턴들의 치수들을 측정하고, 프로세스 제어, 즉, 반도체들의 전자 디바이스들의 제조 라인들을 제어하는 데 주로 사용된다.
임계 치수 측정은 웨이퍼 제조를 지원하기 위해 수행될 수 있는데, 예컨대 다음과 같다.
1.
현상 전 또는 후의 포토레지스트 패턴의 임계 치수 측정
2.
식각 후의 접촉 홀 직경/비아-홀 직경 및 배선 폭의 측정
반도체 산업이 3차원 구조들의 제조를 지향하는 쪽으로 이동함에 따라, CD 계측에서 새로운 접근법들의 개발에 대한 필요성이 커지고 있다. 예컨대, 일반적으로 사용되는 계측 알고리즘들을 3차원 구조들의 CD 이미지들의 분석에 더 양호하게 적합하도록 적응시킬 필요성이 있다.
본원에서 개시되는 주제의 특정 양상들에 따르면, 반도체 시편의 검사의 개선된 방법이 제공된다.
본원에서 개시되는 주제의 다른 양상들에 따르면, 위의 방법에 따른 반도체 시편의 검사에 사용가능한 시스템이 제공된다.
본원에서 개시되는 주제의 다른 양상들에 따르면, 명령어들을 포함하는 비-일시적인 컴퓨터 판독가능 매체가 제공되며, 명령어들은, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금 위의 방법을 수행하게 한다.
그에 따라, 적어도 다음의 실시예들이 제공된다.
실시예 1: 전형적으로 복수의 제조 단계들, 예컨대 일련의 제조 단계들에 의해 제조되는 반도체 구조(예컨대, 계단구조(staircase), VNAND)의 프로세스 제어를 위한 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품은, 전형적으로, 적어도 2개의 개별 제조 단계들을 표시하는 반도체 구조의 이미지를 획득하는 것을 포함한다. 이미지는 예컨대 하전 입자 빔으로 반도체 구조를 스캐닝함으로써 생성될 수 있는데, 반도체 구조로부터 나오는 신호들이 수집될 수 있다. 이미지는 처리될 수 있고, 이러한 처리는, 반도체 구조의 파라미터를 결정하는 것을 포함한다. 처리는 전형적으로, 적어도 2개의 개별 제조 단계 중에서 하나 이상의 계단을 예컨대 개별 피쳐로서 측정하는 것을 포함한다.
이미지에서 결정될 미리 정의된 계단 수가 수신될 수 있다. 그러한 계단 수는, 예컨대 측정 설정 단계 동안, 경험적으로 설정될 수 있다.
방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품, 예컨대, 위의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품은, 주사 전자 현미경(일명 SEM), 및/또는 예컨대, 패턴을 지닐 수 있는 반도체 구조 또는 디바이스의 일부분의 SEM 이미지 또는 하전 입자 이미지를 수신하도록 동작할 수 있고 그에 응답하여 패턴의 적어도 하나의 파라미터를 측정할 수 있는 계측 알고리즘과 함께 동작할 수 있다. 패턴은 전형적으로, 디바이스의 적어도 하나의 라인을 포함한다. 파라미터는 전형적으로, 적어도 하나의 라인의 적어도 하나의 치수를 포함한다. 시스템은, 반도체 구조 또는 디바이스에 대해 계측을 수행하도록 구성되는 적어도 하나의 프로세서를 포함할 수 있다. 계측은 다음을 포함할 수 있다.
a. SEM에 의해 생성된, 디바이스의 적어도 하나의 SEM 이미지를 수신하는 것, 및/또는
b. SEM 이미지를 이미지-처리함으로써 이미지-처리된 알고리즘 입력을 생성하는 것, 및/또는
c. 입력(I)을 수신하고/거나 전형적으로는 그에 응답하여 적어도 하나의 라인의 적어도 하나의 치수를 측정하도록 동작하는 계측 알고리즘을 실행하는 것. 입력(I)은, 반도체 구조 또는 디바이스의 일부분의 SEM 이미지가 아니라 이미지-처리된 알고리즘 입력을 포함할 수 있다.
SEM 이미지들을 산출하는 SEM들이 본원에서의 임의의 실시예들에서 사용될 수 있거나, 더 일반적으로는, 하전 입자 이미지들을 산출하는 하전 입자 현미경들이 사용될 수 있다는 것이 인식된다.
실시예 2. 임의의 선행하는 실시예, 예컨대 실시예 1의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 반도체 구조 또는 디바이스는, 복수의 계단들을 갖는 계단구조 및 그 계단구조 아래의 접촉부들을 포함하는 3D 또는 VNAND 반도체 구조 또는 디바이스를 포함하며, 이미지는 계단구조의 적어도 일부분을 포함한다.
SEM들은 심도 제한들을 갖고, 그에 따라, 각각의 SEM 이미지는 전형적으로 전체 계단구조의 복수의 수의 계단들보다 훨씬 더 적은 수의 계단을 포함한다는 것이 인식된다.
실시예 3. 임의의 선행하는 실시예, 예컨대 실시예 2의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 적어도 하나의 치수는 계단구조의 적어도 하나의 계단의 적어도 하나의 치수를 포함하며, 치수는 계단 길이를 포함한다.
실시예 4. 임의의 선행하는 실시예, 예컨대 실시예 1의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 방법은, 이전에 계측 알고리즘이 수행하지 못한 적어도 하나의 다중-층 디바이스에 대해 수행된다.
실시예 5. 임의의 선행하는 실시예, 예컨대 실시예 2의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 전형적으로, 복수의 계단들 중의 각각의 개별 계단은 별개로, 또는 별개의 피쳐 또는 개별 피쳐로서 측정되며, 전형적으로는 다음을 포함한다:
(a) 계단구조가 미리 정의된 수의 계단을 갖는다고 가정하여 개별 계단을 검출하는 것. 이러한 검출은 개략적 가장자리를 발견하는 것, 전형적으로는, 계단 폭의 정확도로 계단 위치를 정의하는 윤곽을 산출하는 것을 포함할 수 있다.
그리고/또는
(b) 개별 계단(예컨대, 계단 위치를 정의하는 윤곽) 내에서, 미리 결정된 위치에서의 "라인"을 발견하는 것. "라인"은 전형적으로 계단 근방에 위치한 윤곽을 포함한다. 윤곽은, 본원에서 설명되는 바와 같은 정밀 윤곽들의 발견에 영향을 미침이 없이, 계단의 가장 좌측 부분으로부터 가장 우측 부분까지 위치할 수 있다.
그리고/또는
(c) 미리 결정된 위치에서의 라인에 대해 개별 계단을 측정하는 것, 예컨대, 정밀 윤곽들을 정의하는 것. 전형적으로, 이는 계단의 가장 좌측 부분 및 가장 우측 부분을 산출하며, 이는 이어서, CD 결과 추정에 사용될 수 있다. 전형적으로, 이러한 계단 측정 동작은, GUI 측정 파라미터를 통해 사용자에 의해 정의될 수 있는 파라미터들을 사용하는, 임의의 계단의 일부분(예컨대, 가장 좌측 또는 가장 우측 부분)과 다른 계단 사이의 거리의 추정을 포함한다. 전형적으로, VNAND 계측에서는, 표적에서 각각의 계단의 가장 좌측 부분과 제1(가장 좌측) 계단의 가장 좌측 부분 사이의 거리들이 측정된다.
그에 따라, 개별 계단 내의 미리 결정된 위치에서의 라인은, 단지 예로서, 개별 계단에서의 가장 좌측(또는 가장 우측) 라인을 포함할 수 있다는 것이 인식된다.
계단 수는, 측정 설정 단계 동안, 경험적으로 미리 정의될 수 있다.
실시예 6. 임의의 선행하는 실시예, 예컨대 실시예 1의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 계측 알고리즘은 LEA 알고리즘을 포함한다.
실시예 7. 임의의 선행하는 실시예, 예컨대 실시예 2의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 계측 알고리즘은 복수의 계단들 전부가 아닌 그 중 일부에 대해 실행된다.
실시예 8. 방법은,
주사 전자 현미경(일명 SEM), 및/또는
패턴을 지닐 수 있는 반도체 구조의 부분의 SEM 이미지 또는 하전 입자 이미지를 수신하고 그에 응답하여 패턴의 적어도 하나의 파라미터를 측정하도록 동작하는 계측 알고리즘과 함께 동작하며, 패턴은 디바이스의 적어도 하나의 라인을 포함하고, 파라미터는 적어도 하나의 라인의 적어도 하나의 치수를 포함하고, 시스템은 반도체 구조 또는 디바이스에 대한 계측을 수행하도록 구성되는 적어도 하나의 프로세서를 포함하고, 계측은, 예컨대 다음과 같이 적합하게 순서화된, 다음의 동작들의 임의의 서브세트 또는 그 전부를 포함한다:
a. 디바이스의, SEM에 의해 생성된 적어도 하나의 SEM 이미지를 수신하는 것,
b. SEM 이미지를 이미지-처리함으로써 이미지-처리된 알고리즘 입력을 생성하는 것, 및
c. 입력(I)을 수신하고 그에 응답하여 적어도 하나의 라인의 적어도 하나의 치수를 측정하도록 동작하는 계측 알고리즘을 실행하는 것이며, 여기서, 입력 (I)는 반도체 구조 또는 디바이스의 일부분의 SEM 이미지가 아니라 이미지-처리된 알고리즘 입력을 포함한다.
실시예 9. 임의의 선행하는 실시예, 예컨대 실시예 1의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 반도체 구조 또는 디바이스는 교번하는 층들의 라인들 및 접촉부들을 갖는 패턴을 지니고, 이미지-처리는, 라인들을 또한 포함하는 적어도 하나의 SEM 이미지에서, 접촉부들 중 적어도 하나의 접촉부의 적어도 하나의 부분을 식별하는 것, 및 SEM 이미지를 이미지-처리함으로써 접촉부들을 마스킹하여 사전 처리된 알고리즘 입력을 생성하는 것을 포함한다.
임의의 적합한 방법, 이를테면, 허프(HOUGH) 변환이 사용되어 접촉부들 또는 그의 부분들을 식별할 수 있다.
실시예 10. 임의의 선행하는 실시예, 예컨대 실시예 9의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 마스킹은 접촉부 마스크를 산출하고, 이미지 통계를 보존하는 분포로부터 선택되는 그레이 레벨 값들이 마스크 내부의 픽셀들에 배정됨으로써 사전 처리된 알고리즘 입력이 생성된다.
실시예 11. 임의의 선행하는 실시예, 예컨대 실시예 2의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 이미지-처리는, 계단구조의 적어도 일부분을 포함하는 이미지의 SEM 이미지를 이미지-처리함으로써 복수의 계단들 중 적어도 하나의 계단을 식별하는 것, 및 계측 알고리즘이 계단을 라인으로서 처리하도록 계측 알고리즘을 파라미터화하는 것을 포함한다.
실시예 12. 임의의 선행하는 실시예, 예컨대 실시예 1의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 이미지-처리는 계단을 수정하는 것을 포함하며, 이는, 계단을 평활화함으로써 계단을 선형 곡선으로 변환하는 것을 포함한다.
전형적으로, R&D 제조의 모든 단계들을 포함하고 생산 제조를 포함하는 디바이스의 제조 프로세스 전반에 걸쳐, 계측 및 후속 프로세스 제어에 사용될 디바이스의 부분들의 SEM 이미지들의 생성에 단일 현미경이 사용된다.
실시예 13. 임의의 선행하는 실시예, 예컨대 실시예 4의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품은 또한, 치수들에 대한 응답으로의, 다중-층 디바이스의 적어도 하나의 층의 제조에 대한 프로세스 제어를 더 포함한다.
실시예 14. 임의의 선행하는 실시예, 예컨대 실시예 13의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 프로세스 제어는 L 회의 계측 알고리즘 실행에 의해 각각 생성되는 L개의 출력에 응답하고, 실행들은 디바이스의 L개의 층 각각에서의 라인들을 각각 측정하고, L개의 알고리즘 출력을 각각 생성하기 위해 단일 계측 알고리즘이 L 회 실행된다.
칩제조업자의 경우, 몇몇 이용가능한 알고리즘들 중 하나를 선택하기 보다는 단일 알고리즘을 사용하는 것이 유리한데, 그 이유는 그것이 단순성을 산출하기 때문이다.
L 회의 계측 알고리즘 실행 각각에 대한 입력은 전형적으로, 디바이스의 L개의 층 중 적어도 하나의 층의 적어도 일부분 각각의 하나 이상의 SEM 이미지, 및 GUI를 통해 칩제조업자 최종 사용자에 의해 제공되는 적어도 하나의 파라미터를 포함한다.
실시예 15. 임의의 선행하는 실시예, 예컨대 실시예 8의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품은 또한, 계측 알고리즘이 실행되는 실행시간 전에, 치수 계측의 적어도 하나의 물리적 양상을 정의하는 적어도 하나의 처리법 설정을 생성하기 위해 GUI를 사용하는 것을 포함한다.
실시예 16. 임의의 선행하는 실시예, 예컨대 실시예 15의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 복수의 개개의 웨이퍼 필드들에 대해 복수의 처리법 설정들이 생성되며, 이는, 제1(일명 "중앙") 웨이퍼 필드에 대한 제1 처리법 설정을 생성하는 것, 및 제1 필드 이외의 웨이퍼의 필드들에 대한 후속 처리법 설정들을 생성하는 것을 포함하며, 후속 처리법 설정들은 제1 처리법 설정의 수정들이다.
실시예 17. 임의의 선행하는 실시예, 예컨대 실시예 8의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 방법은, 무조건적으로, 예컨대, 주어진 웨이퍼 내의 모든 필드들이 동일한 수의 라인을 갖는지 여부를 확인함이 없이 복수 회 수행된다.
실시예 18. 임의의 선행하는 실시예, 예컨대 실시예 8의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 방법은, 계측이 수행되고 있는 디바이스에 관한 적어도 하나의 가정이 사전 확인되어 잘못된 것으로 발견된 경우에만 수행된다.
실시예 19. 임의의 선행하는 실시예, 예컨대 실시예 18의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 적어도 하나의 가정은, 주어진 웨이퍼의 또는 주어진 웨이퍼 내의 모든 SEM 시야들이 동일한 수의 라인을 갖는다는 가정을 포함한다.
실시예 20. 임의의 선행하는 실시예, 예컨대 실시예 18의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품에서, 적어도 하나의 가정은, 주어진 웨이퍼의 또는 주어진 웨이퍼 내의 모든 SEM 시야들이 라인들 또는 접촉부들을 포함하지만 둘 모두를 포함하지는 않는다는 가정을 포함한다.
실시예 21. 명령어들을 포함하는 비-일시적인 컴퓨터-판독가능 매체로서, 명령어들은, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금, 임의의 선행하는 실시예, 예컨대 실시예 8의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품을 수행하게 한다.
실시예 22. 임의의 선행하는 실시예, 예컨대 실시예 1의 방법 및/또는 시스템 및/또는 컴퓨터 프로그램 제품은 또한, 각각이 중심 라인을 갖고 개개의 수의 지점을 각각 포함하는 복수의 동일 폭 스트립들을 중에서, 개개의 지점 수 중에서 지점 수가 가장 큰 개별 스트립을 선택함으로써 적어도 하나의 라인의 초기 추정치를 생성하는 것, 및 초기 추정치를 개별 스트립의 중심 라인으로서 설정하는 것을 포함한다.
실시예 B9. 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한, 하전 입자 현미경(CPM)에 연결가능하거나 그에 의해 호스팅되는 시스템으로서, 이 시스템은,
메모리; 및
메모리와 동작가능하게 결합되는 프로세서를 포함하고, 프로세서는,
- 적어도 2개의 개별 제조 단계들을 표시하는 반도체 구조의 이미지를 수신하고 ― 이미지는 CPM에 의해 획득되고, 하전 입자 빔으로 반도체 구조를 스캐닝하고 반도체 구조로부터 나오는 신호들을 수집함으로써 생성됨 ―,
- 적어도 2개의 개별 제조 단계 중에서 하나 이상의 계단을 개별 피쳐로서 측정함으로써, 반도체 구조의 파라미터를 결정하기 위해 이미지를 처리하기 위한 것이다.
실시예 B10. 임의의 선행하는 실시예, 예컨대 실시예 B09의 시스템에서, 프로세서는, 계단을 검출하고 계단을 라인으로 변환하도록 추가로 구성된다.
실시예 B11. 임의의 선행하는 실시예, 예컨대 실시예 B10의 시스템에서, 프로세서는, 하나 이상의 계단 각각에 대해, 최대 가장자리 폭 파라미터를 획득함으로써 계단을 검출하도록 추가로 구성되고, 최대 가장자리 폭 파라미터는 상기 계단의 경계들을 표시한다.
실시예 B12. 임의의 선행하는 실시예, 예컨대 실시예 B11의 시스템에서, 상기 계단을 라인으로 변환하는 것은, 하나 이상의 계단 각각에 대해, 한 쌍의 개략적 가장자리들 및 한 쌍의 정밀 가장자리들을 정의하는 것을 포함하고, 상기 반도체 구조의 파라미터를 결정하기 위해 이미지를 처리하는 것은, 상기 한 쌍의 개략적 가장자리들 및 한 쌍의 정밀 가장자리들을 사용하는 것을 포함한다.
실시예 B13. 임의의 선행하는 실시예, 예컨대 실시예 B11의 시스템에서, 최대 가장자리 폭 파라미터는, 한 계단의 개략적 가장자리와 다른 계단, 예컨대, 근접한 또는 가장 근접한 또는 인접한 계단의 개략적 계단 사이의 최소 거리의 절반과 대략적으로 동일하다.
실시예 B14. 임의의 선행하는 실시예, 예컨대 실시예 B010의 시스템에서, 프로세서는 추가로,
미리 결정된 수의 계단들을 선택하고,
계단들 중 하나의 계단의 개략적 가장자리를 앵커 위치로서 설정하고,
앵커 위치에 대한 다른 계단들의 파라미터들을 측정한다.
실시예 B15. 임의의 선행하는 실시예, 예컨대 실시예 B9의 시스템에서, 프로세서는 추가로, (1) 접촉부들을 생성하기 위해 이미지를 세그먼트화하고, (2) 접촉부들을 이미지 배경을 표현하는 그레이 레벨 값들과 연관시킴으로써 접촉부들을 마스킹한다.
본 발명을 이해하고, 본 발명이 실제로 어떻게 수행될 수 있는지를 알기 위해, 이제, 첨부된 도면들을 참조하여, 단지 비-제한적인 예로서 실시예들이 설명될 것이다.
도 1a 및 도 2a는 본원에서 개시되는 주제의 특정 실시예들에 따라 제공되는 흐름들이며, 이 흐름들의 동작들의 임의의 서브세트 또는 그 전부는, 예컨대 도시된 바와 같이 임의의 적합한 순서로 제공될 수 있다.
도 1b는, 도 1a의 흐름을 이해하는 데 유용한 예시적인 도면이다.
도 2b는, 도 2a의 흐름을 이해하는 데 유용한 예시적인 도면이다.
도 3a 내지 도 3c, 도 4a 내지 도 4d는, 이를테면 3D 계단구조 계단들을 검출하는 데 라인 검출이 사용될 수 있게 하는 도 2a의 계단-라인 변환 동작 d를 포함하는, (예컨대, 도 1a에 따른) 라인들의 검출 및 (예컨대, 도 2a에 따른) 계단들의 검출을 이해하는 데 유용하다.
도 5a 내지 도 5b는 특정 실시예들을 이해하는 데 유용한 도해적 예시들이다. 특히, 도 5a 내지 도 5b는 본원에서 개시되는 주제의 특정 실시예들에 따른 접촉부 마스크 생성(도 5a) 및 마스크 적용(도 5b)을 예시하며, 그들에 의해, 접촉 환경에도 불구하고, 3D 구조, 예컨대 계단구조에서의 라인 가장자리들의 검출이 전형적으로 성공적이게 되는 것이 용이해진다.
도 6a 내지 도 6b는 특정 실시예들을 이해하는 데 유용한 도해적 예시들이다.
도 7a 내지 도 7b 및 도 8은 특정 실시예들을 이해하는 데 유용한 그래프들이다.
본 발명의 범위에 포함된 방법들 및 시스템들은, 예컨대 도시된 바와 같이 임의의 적합한 순서로, 예로서 구체적으로 예시된 구현들에 도시된 기능 블록들 중 일부(예컨대, 임의의 적합한 서브세트) 또는 그 전부를 포함할 수 있다. 별개의 실시예들의 맥락에서 설명된, 동작들을 포함하는 본 발명의 특징들은 또한 조합되어 단일 실시예로 제공될 수 있다. 예컨대, 시스템 실시예는 대응하는 프로세스 실시예를 포함하도록 의도되고, 그 반대도 마찬가지이다. 특징들은 또한 관련 기술분야에 알려져 있는 특징들, 특히, 이에 제한되진 않지만 배경기술 부분 또는 그 부분에서 언급된 공보들에 설명된 것들과 조합될 수 있다.
본원에서 설명되고 도시된 설명 및 도면들에서, 시스템들 및 그의 서브-유닛들로서 설명 또는 예시된 기능성들은 또한 방법들 및 동작들로서 그들 내에서 제공될 수 있고, 방법들 및 동작들로서 그들 내에서 설명 또는 예시된 기능성들이 또한 시스템들 및 그의 서브-유닛들로서 제공될 수 있다는 것이 인식된다. 도면들에서 다양한 요소들을 예시하기 위해 사용되는 축척은 단지 예시적이고/거나 제시의 명확화에 적절한 것이며, 제한하는 것으로 의도되지 않는다.
도 1a 및 도 2a는 본원에서 개시되는 주제의 특정 실시예들에 따라 제공되는 흐름들이며, 이 흐름들의 동작들의 임의의 서브세트 또는 그 전부는, 예컨대 도시된 바와 같이 임의의 적합한 순서로 제공될 수 있다.
도 1b는, 도 1a의 흐름을 이해하는 데 유용한 예시적인 도면이다.
도 2b는, 도 2a의 흐름을 이해하는 데 유용한 예시적인 도면이다.
도 3a 내지 도 3c, 도 4a 내지 도 4d는, 이를테면 3D 계단구조 계단들을 검출하는 데 라인 검출이 사용될 수 있게 하는 도 2a의 계단-라인 변환 동작 d를 포함하는, (예컨대, 도 1a에 따른) 라인들의 검출 및 (예컨대, 도 2a에 따른) 계단들의 검출을 이해하는 데 유용하다.
도 5a 내지 도 5b는 특정 실시예들을 이해하는 데 유용한 도해적 예시들이다. 특히, 도 5a 내지 도 5b는 본원에서 개시되는 주제의 특정 실시예들에 따른 접촉부 마스크 생성(도 5a) 및 마스크 적용(도 5b)을 예시하며, 그들에 의해, 접촉 환경에도 불구하고, 3D 구조, 예컨대 계단구조에서의 라인 가장자리들의 검출이 전형적으로 성공적이게 되는 것이 용이해진다.
도 6a 내지 도 6b는 특정 실시예들을 이해하는 데 유용한 도해적 예시들이다.
도 7a 내지 도 7b 및 도 8은 특정 실시예들을 이해하는 데 유용한 그래프들이다.
본 발명의 범위에 포함된 방법들 및 시스템들은, 예컨대 도시된 바와 같이 임의의 적합한 순서로, 예로서 구체적으로 예시된 구현들에 도시된 기능 블록들 중 일부(예컨대, 임의의 적합한 서브세트) 또는 그 전부를 포함할 수 있다. 별개의 실시예들의 맥락에서 설명된, 동작들을 포함하는 본 발명의 특징들은 또한 조합되어 단일 실시예로 제공될 수 있다. 예컨대, 시스템 실시예는 대응하는 프로세스 실시예를 포함하도록 의도되고, 그 반대도 마찬가지이다. 특징들은 또한 관련 기술분야에 알려져 있는 특징들, 특히, 이에 제한되진 않지만 배경기술 부분 또는 그 부분에서 언급된 공보들에 설명된 것들과 조합될 수 있다.
본원에서 설명되고 도시된 설명 및 도면들에서, 시스템들 및 그의 서브-유닛들로서 설명 또는 예시된 기능성들은 또한 방법들 및 동작들로서 그들 내에서 제공될 수 있고, 방법들 및 동작들로서 그들 내에서 설명 또는 예시된 기능성들이 또한 시스템들 및 그의 서브-유닛들로서 제공될 수 있다는 것이 인식된다. 도면들에서 다양한 요소들을 예시하기 위해 사용되는 축척은 단지 예시적이고/거나 제시의 명확화에 적절한 것이며, 제한하는 것으로 의도되지 않는다.
본원에서 개시되는 주제의 특정 실시예들은, 정밀도 및 강건성을 보존하면서 무엇보다도 3D-NAND 계단구조 프로세스들의 치수, 예컨대 임계 치수(CD) 측정에 적합한 개선된 CD SEM 계측 방법을 제공하는 것을 추구한다.
통상적인 CD SEM 계측은, 3D-NAND 계단구조 프로세스 제어에, 특정한 알려져 있는 CD 라인 가장자리 분석 알고리즘들(LEA)을 사용한다. 3D-NAND 계단구조 프로세스 제어를 위해 통상적인 CD SEM 계측에서 사용되는 CD 라인 가장자리 분석 알고리즘들은 특정 가정들에 기반하는데, 예컨대 다음과 같다:
1. 처리법 실행의 모든 표적들에서 피쳐들의 수가 동일하다.
2. 시야 내에서, SEM 신호에 의해 생성된 라인들만이 관측되거나, 시야 내에, 특정 형상의 피쳐들만이, 예컨대, 라인들만이 또는 접촉부들만이 존재한다.
이러한 알고리즘들은 이러한 가정들 하에서 개발되었지만, 이러한 가정들은 특정 사용 경우들, 예컨대, 특정 3D-NAND 계단구조 형성 프로세스 단계들을 반드시 특성화하지는 못한다. 예컨대, 계단구조의 더 먼 주변 영역에서, 통상적인 가정들과 대조적으로, 접촉 패턴이 CD SEM 이미지에서 가시적일 수 있다.
본원에서 개시되는 주제의 특정 실시예들은 다음의 상황들에 대해 이러한 알고리즘들을 수정하는 것을 추구한다:
a. (처리법 실행의 모든 표적들에서 피쳐들의 수가 동일하다고 가정되는 통상적인 CD SEM 계측과는 대조적으로) 피쳐들의 수가 변경되고, 시야 내의 상이한 기하학적 형상들이 분석되어야 하는 상황,
및/또는
b. (통상적인 CD SEM 계측에서 가정되는 바와 같이 라인들만이 SEM 신호에 의해 생성되는 것이 아니라) 3차원 접촉부 구조들이 시야 내에서 관측가능할 수 있는 상황.
특정 실시예들에 따르면, CD SEM 계측 툴/시스템에 의해 취해진 CD SEM 측정들로부터, 선택된 영역들 및 위치들과 관련된 측정들, 예컨대, 3D-NAND 구조에서의 3D 계단들의 가장 좌측 라인들이 사용된다.
라인들 사이의 거리들이 가능한 측정의 예이다.
이러한 측정들에서:
(a) 각각의 계단은 임의적 수의 라인들로 이루어질 수 있고/거나;
(b) 시야 내에서 접촉부들이 관측될 수 있다.
각각의 계단구조 계단 내부의 가변 수의 라인들이 일명 문제 1인 하나의 문제인데, 이는, 본원에서의 특정 실시예들에 의해 해결될 수 있다.
특정 실시예들에 따르면, 각각의 계단구조 계단은 별개의 피쳐 또는 개별 피쳐로 간주되고, 다음에 의해 측정된다:
동작 1-I. 계단구조 표적에서의 3D 계단들의 수가 알려져 있다고 가정하여 3D 계단들을 검출한다; 그리고/또는
동작 1-II. 각각의 3D 계단의 가장 좌측 라인을 결정하고, 그것을 측정에 사용한다.
접촉 환경에서의 라인 검출이 또한 일명 문제 2인 하나의 문제인데, 이는, 본원에서의 특정 실시예들에 의해 해결될 수 있다.
특정 실시예들에 따르면, 방법은, 접촉 층들로부터의 신호를 제거하고, 이어서, 통상적인 LEA 알고리즘들을 사용할 수 있다.
방법은, 예를 들어, 예컨대 다음과 같이 적합하게 순서화된, 다음의 동작들의 임의의 서브세트 또는 그 전부를 포함할 수 있다:
동작 2-I. 예컨대 세그먼트화 알고리즘에 의해, 접촉부 마스크를 생성한다.
동작 2-II. 마스크 내부의 픽셀들에, 이미지 배경 통계를 보존하는 무작위 그레이 레벨 값들을 배정한다.
동작 2-III. 측정을 위해 현재 LEA 알고리즘을 사용한다.
특정 실시예들에 따르면, 시스템 논리는, 문제 1이 적용가능한 것으로 (시스템에 의해 또는 작업자에 의해) 검출되거나 또는 알려지거나 또는 추정되는 경우에만 동작들 1-I 및/또는 1-II이 수행되고, 문제 1이 적용가능한 것으로 (시스템에 의해 또는 작업자에 의해) 검출되거나 또는 알려지거나 또는 추정되는 경우에만 동작들 2-I 및/또는 2-II 및/또는 2-III이 수행되도록 구성된다.
다른 실시예들에 따르면, 시스템 논리는, 문제 1 및/또는 문제 2가 적용가능한 것으로 검출되거나 또는 알려지거나 또는 추정되는지 여부와 관계없이, 동작들 1-I 및/또는 1-II 및/또는 동작들 2-I 및/또는 2-II 및/또는 2-III을 수행한다.
본원에서의 실시예들은, 무엇보다도, 통상적인 알고리즘들을 사용하는 VNAND 계단구조 표적의 측정이 전형적으로 예컨대 접촉부들의 층 신호로 인해 실패를, 예컨대, 잘못된 라인 검출을 초래하기 때문에 유리하다.
특정 실시예들은 툴 상에서 구현될 수 있다. 예컨대, 실시예들은, CD SEM 측정 툴의 이미지-처리에 대해, 예컨대, CD SEM 측정 툴의 메모리 유닛 상에 저장된 명령어들의 세트로서 구현될 수 있다. 명령어 세트는, 전체 이미지-처리에서 명령어들의 실행을 통합하면서 이러한 명령어들을 실행하도록 적응되는 측정 이미지-처리 유닛에 의해 판독될 수 있다.
대안적으로, 실시예들은, CD SEM 측정 툴 또는 시스템과 별개이지만 그와 통신하는 하드웨어 상에서 구현될 수 있다.
수정된 또는 개선된 알고리즘은, 예컨대 다음과 같이 적합하게 순서화된, 다음의 것들의 임의의 서브세트 또는 그 전부를 포함할 수 있다: 1. 접촉부 마스크 생성, 2. 마스크 적용, 및 3. 가장자리 검출.
이러한 방법은, 예컨대, 방법이 접촉 환경에서 성공적인 계단구조 표적 라인 가장자리 검출을 산출하기 때문에 유리할 수 있다.
전형적으로, 측정되는 바와 같은 적어도 하나의 치수는 그 치수에 대해 정의된 요망되는 공칭 값으로부터 벗어나고, 프로세스 제어는, 그에 응답하여, 제조 프로세스를 제어하는 적어도 하나의 파라미터를 조정함으로써, 치수가 요망되는 공칭 값으로부터 덜 벗어나거나 전혀 벗어나지 않게 하는 것을 포함한다.
다음의 용어들은 종래 기술 문헌에 나타나는 그들의 임의의 정의에 따라 또는 본 명세서에 따라 또는 그들 개개의 범위들에 다음을 포함하도록 해석될 수 있다:
SEM 이미지 - SEM의 검출기에 의해 생성되는 그레이 레벨들을 포함할 수 있다.
세그먼트화: 계단구조의 SEM 이미지에서 이를테면 접촉부들을 식별하기 위해 이미지-처리를 사용하는 것을 포함할 수 있다.
가장자리: 높이(z1)에서의 계단의 제1 부분과 z1과 상이한 높이(z2)에서의 계단의 제2 부분을 상호연결하는 선형 세그먼트를 포함할 수 있다.
라인: 2개의 가장자리를 상호연결하는 선형 세그먼트를 포함할 수 있다.
선형 추세: 계측 시스템에서, 수신된 입력 신호가 선형 추세, 잡음, 및 이상치들을 나타낼 수 있고(예컨대, F = 입력 신호 = 선형 추세 ax + b + 잡음 + 이상치들), 선형 추세 또는 가장 적합한 라인에 대한 기울기(a) 및 자유 계수(b)의 출력 표시를 결정하고 생성하는 것이 요망될 수 있다.
접촉부 마스크는, 플래시 메모리 접촉부들을 생성하는 데 사용되는 식각 마스크를 포함하도록 의도된다.
표적은, 예를 들어, 예컨대 계단들을 갖는 계단구조에서 측정될 피쳐를 도시하는, SEM에 의해 생성된 이미지의 부분을 포함하도록 의도된다.
피쳐: 피쳐들(예컨대, 디바이스들)은 임의의 형상, 예컨대, 라인들, 또는 접촉부들, 또는 전체 구조들, 이를테면, 계단들 또는 계단구조들을 가질 수 있다는 것이 인식된다.
계단구조는, 메모리 셀들이 복수의 층들을 형성하도록 수직으로 적층되는 3D-NAND 플래시 메모리들에서의 구조들을 포함하도록 의도된다.
본원에서 개시되는 주제의 특정 양상들에 따르면, 웰시(Welsh)의 강건한 적합화가 사용된다.
전형적으로는, y-x의 직선 라인 적합성을 추정하는 데 사용되는 X의 예측자들에 대한 y에서의 응답들의 강건한 다중선형 회귀를 포함하는 웰시의 강건한 적합화가 알려져 있다.
유전 알고리즘에서, (일명 개체들, 생성물들, 또는 표현형들의) 최적화 문제에 대한 후보 해법들의 집단이 진화된다. 각각의 후보 해법은, 비트들의 어레이 = 0들 및 1들의 스트링들이고, 후보 해법은, 돌연변이 및 변경될 수 있는 특성들(일명 염색체들 또는 유전자형)의 세트를 갖는다.
진화: 무작위로 생성된 개체들 = 1세대의 집단으로부터 시작하는 반복 프로세스이며, 각각의 반복에서의 집단이 세대로 지칭된다.
각각의 세대에서, 집단 내의 모든 각각의 개체의 적합도가 평가된다.
적합도 = 목적 함수에 대한 것이다.
더 적합한 개체들이 현재 집단으로부터 확률적으로 선택되고, 각각의 개체의 게놈이 변형(재조합 및 가능하게는 무작위로 돌연변이)되어 새로운 세대가 형성된다.
후보 해법들의 새로운 세대는 이어서, 알고리즘의 다음 반복에서 사용된다.
알고리즘은, 최대 수의 세대가 생성되었거나 집단에 대해 만족스러운 적합도 수준에 도달했을 때 종결된다.
검사 프로세스는, 동일하거나 상이한 검사 툴들을 사용하여 시편 또는 시편의 부분들에 관하여 제공되는, (단일 또는 다수의 스캔들의) 실행시간 스캐닝, 샘플링, 검토, 측정, 분류, 및/또는 다른 동작들을 포함할 수 있다. 마찬가지로, 적어도 일부 검사는 검사될 시편의 제조 이전에 수행될 수 있고, 예컨대, 검사 처리법(들)을 생성하는 것, 각각의 분류기들 또는 다른 기계 학습 관련 툴들을 훈련시키는 것 및/또는 다른 설정 동작들을 포함할 수 있다. 달리 구체적으로 언급되지 않는 한, 본 명세서에서 사용되는 "검사"라는 용어 또는 그의 파생어들은 조사 영역의 분해능 또는 크기에 관하여 제한되지 않는다는 것이 유의된다. 다양한 비-파괴적 검사 툴들은, 비-제한적인 예로서, 주사 전자 현미경들, 원자간력 현미경들, 광학 조사 툴들 등을 포함한다. 비-제한적인 예로서, 실행시간 검사는, 예컨대, 시편의 조사 이후에, 샘플링된 잠재적 결함들의 위치들의 검토가 후속되는, 2단계 절차를 이용할 수 있다. 제1 단계 동안, 시편의 표면이 고속으로 그리고 비교적 낮은 분해능으로 조사된다. 제1 단계에서, 높은 결함 확률을 갖는 것으로 의심되는 시편 상의 위치들을 나타내기 위해 결함 맵이 생성된다. 제2 단계 동안, 그러한 의심되는 위치들 중 적어도 일부가 비교적 높은 분해능으로 더 철저하게 분석된다.
고종횡비 피쳐들을 포함하는 IC 디바이스들, 구조들, 또는 피쳐들의 집적 회로 디바이스 계측은, 디바이스들의 연구 및 개발, 통합, 제조 프로세스 제어 및 테스팅에서 유용하다. 개선된 계측이 이제 설명되지만, 먼저, 도 1b가 제시되며, 이는, 예컨대 도시된 바와 같이 적합하게 순서화된 다음의 동작들: 스캔, 라인 검출, 윤곽 검출, 선형 적합화, 및 CD 결과들의 임의의 서브세트 또는 그 전부를 포함할 수 있는 통상적인 라인 검출 측정 흐름, 일명 "흐름 D"를 예시한다. 통상적인 3D CD SEM 계측 시스템이 이러한 동작들을 수행하는 데 사용될 수 있는데, 예컨대, 스캐닝의 경우, 시스템의 "측정을 위한 스캔" 동작 또는 기능을 사용하고; 라인 검출(일정 수의 라인들)의 경우, 시스템의 "개략적 가장자리" 동작 또는 기능이 사용될 수 있고; 정밀 윤곽 검출의 경우, 시스템의 "정밀 가장자리 또는 토포포인트(Topopoint) 추정" 동작 또는 기능이 사용될 수 있고(정밀 가장자리들은 도 2b에서 실선으로 표시되는 반면 개략적 가장자리들은 파선들로 표시됨을 유의함); 선형 적합화의 경우, 시스템의 "CD 결과들의 일부" 동작 또는 기능이 사용될 수 있고; CD 결과들의 경우, 시스템의 "CD 결과들" 동작 또는 기능이 사용될 수 있다.
선형 적합화 동작은, 예컨대 관련 기술분야에 알려져 있는 바와 같은 적합한 LEA 알고리즘을 이용할 수 있다.
예컨대 도 2a에 도시된 바와 같은 방법이 이제 설명되며, 이는, 3D-NAND 계단구조와 같은 VNAND 디바이스들을 측정하도록 설계되지 않은 도 1a의 방법과 같은 통상적인 알고리즘을 사용하며, 이러한 VNAND 디바이스들을 측정하는 것은, 예컨대 설명된 바와 같은, 적합한 사전 이미지-처리에 의해 가능해진다.
전형적으로, (예컨대, 본원에서 도 1a에 설명된 바와 같은 또는 관련 기술분야에 알려져 있는 바와 같은) 라인 검출 알고리즘들은, 물리적 객체로서의 라인이 2개의 가장자리(또한 물리적 객체들임)를 갖고, 각각의 가장자리가 알고리즘적으로 검출되는 하나의 개략적 가장자리(기하학적 객체)를 갖는다고 가정한다. 각각의 개략적 가장자리는 2개의 정밀 가장자리를 생성하고, 라인 내부에 내부 가장자리들이 존재하지 않는다고 가정될 수 있다. 예컨대, 미국 특허 제9165376호의 청구항 제11항의 방법에 의해 사용되는 MaximumEdgeWidth 파라미터는, 단일 라인의 가장자리들 사이의 최대 가장자리 폭 제한(또는 최소 거리 제한)이, 예컨대, 라인 폭의 절반과 대략적으로 동일하다고 가정한다.
그러나, 내부 구조를 갖는 계단들의 경우, 통상적인 라인 검출 알고리즘의 맞춤화가 제공되는데, 예컨대 다음과 같다: 계단을 라인 검출 알고리즘에 대한 표적으로서 정의하고, MaximumEdgeWidth 파라미터를 계단들 사이의 최소 거리의 절반으로 정의한다. 이는, 알고리즘이 전형적으로는 제1 스테이지에서 강건한 방식으로 계단들만을(그들의 내부 구조를 무시함) 발견하는 것을 "장려" 또는 허용한다.
예컨대, 통상적인 CD SEM 계측 시스템들에서 사용되는 바와 같은 MaximumEdgeWidth 파라미터는, 예컨대, 각각의 반복에서의 새로운 최상의 경로 또는 개략적 가장자리가, 다른 개략적 가장자리의, MaximumEdgeWidth 파라미터에 의해 정의되는 근방 내에 위치할 수 없도록 동작 b를 정의하는 데 사용될 수 있다.
도 3a 내지 도 3c, 도 4a 내지 도 4d는, 이를테면 3D 계단구조 계단들을 검출하는 데 라인 검출이 사용될 수 있게 하는 도 2a의 계단-라인 변환 동작(d)을 포함하는, (예컨대, 도 1a에 따른) 라인들의 검출 및 (예컨대, 도 2a에 따른) 계단들의 검출을 이해하는 데 유용하다.
도 3a는 라인들을 예시하며, 각각의 라인은, 도시된 바와 같이, 가장자리들을 갖고 최상부 및 최하부를 정의하는 물리적 구조를 포함한다.
하나의 라인은 2개의 개략적 가장자리를 가질 수 있다는 것이 인식된다. 적어도 하나의 또는 각각의 개략적 가장자리는, 단면이 사다리꼴인 물리적 구조를 포함할 수 있다.
도 3b는, 도시된 바와 같이 (실제 가장자리 근방에) 개략적 가장자리들을 포함하는, 도 3a의 라인들에 대응하는 SEM 신호의 그래프를 예시하며, 본원에서 참조된 최대 가장자리 폭 파라미터의 정의를 유의한다. 실제 가장자리는 전형적으로, 예컨대, 구조의 높이가 현저하게 변하는, 최상부와 최하부 사이에서 연장되는 라인의 부분을 포함한다.
MaximumEdgeWidth는, 인-라인 계측 측정들 전에 정의되는 파라미터이다. 본 주제의 실시예들에 따르면, MaximumEdgeWidth 파라미터는, 예컨대, 예비 설정 단계 동안(그 설정 단계는 '처리법 설정 단계'로 또한 알려져 있음) 경험적으로 정의된다. 다른 실시예들에 따르면, MaximumEdgeWidth 파라미터는 웨이퍼 설계 정보에 기반하여 정의된다. 다른 실시예들에 따르면, MaximumEdgeWidth 파라미터는, 예컨대, 각각이 MaximumEdgeWidth의 상이한 값들과 연관되는 일련의 측정 동작들에서 구조의 파라미터를 측정하고, 요망되는 측정 결과와 연관되는 바람직한 MaximumEdgeWidth 값을 선택함으로써, 자동화된 또는 반-자동화된 방식으로 정의된다.
특정 동작 시나리오들의 경우, MaximumEdgeWidth 파라미터와, 계단과 연관된 다른 파라미터들 사이에 다음의 관계들이 발견되었다:
- MaximumEdgeWidth는 계단과 연관된 라인의 가장자리 폭보다 크고,
- MaximumEdgeWidth는 절반 라인 폭보다 작고,
- MaximumEdgeWidth는 다른 계단들, 예컨대, 가장 가까운 또는 인접한 또는 가까운 계단들의 가장 가까운 개략적 가장자리들 사이의 거리의 절반을 반영하는 것으로서 설정될 수 있다.
SEM 그래프의 수직 축은, 전형적으로는 SEM 이미지의 Y 좌표에 대해 평균한 후의 SEM 신호 강도를 포함할 수 있다. 수평 축은 x-SEM 이미지 좌표일 수 있다.
도 3c는, 2개의 개략적 가장자리를 갖는 라인을 포함하는, 도 3b의 그래프를 도시한다. 각각의 개략적 가장자리의 최상부 표면은 도시된 바와 같이 2개의 최상부 지점 사이에서 연장되고, 각각의 개략적 가장자리의 최하부 표면(전형적으로 최상부 표면보다 큼)은 도시된 바와 같이 2개의 최하부 지점 사이에서 연장된다.
치수 계측, 예컨대, CD 결과들을 생성하기 위해, 정밀 가장자리들이 측정될 수 있다. 각각의 개략적 가장자리는, 최상부 정밀 가장자리 및 최하부 정밀 가장자리의 2개의 정밀 가장자리를 포함한다.
도 4a는 3개의 계단구조 계단(4010)을 도해적으로 예시하며, 이들 각각은 평활하지 않고, 도시된 바와 같은 내부 구조를 갖는다.
도 4b는, 도 4a의 계단들에 대응하는 SEM 신호를 도시한다. 계단 검출을 위한 최대 가장자리 폭 파라미터는 좌측 상의 제1 실선과 우측 상의 제2 파선 사이의 거리로서 도시된다.
도 4c는 각각의 계단을 정의하는 개략적 가장자리들을 도시하며, 전형적으로는, 계단 당 하나의 개략적 가장자리가 있다. 예컨대 본원에 설명된 바와 같은 계단-라인 변환은, 라인들의 경우와 동일하게, 새로운 개략적 가장자리들(4015), 전형적으로는 개략적 가장자리 쌍들을 산출한다는 것을 유의한다.
도 4d는 개략적 가장자리들(4020), 및 CD 결과들에 사용될 수 있는, 각각의 계단의 좌측 및 우측 경계들을 각각 정의하는 정밀 가장자리들(4030)의 쌍들을 도시한다.
전형적으로, CD 결과들은, 예컨대 직선 라인 적합성을 사용하여 라인 또는 계단의 부분, 이를테면 가장 좌측 또는 가장 우측 부분을 정의할 수 있는, 2개의 정밀 윤곽 사이의 거리의 추정을 가정한다.
방법은 전형적으로, 예컨대 도 2a에 예시된 바와 같은, 예컨대, 복수의 계단들을 갖는 3D-NAND 계단구조 및 3D-NAND 계단구조 아래의 접촉부들을 포함하는 VNAND 디바이스의 적어도 하나의 SEM 이미지를 수신하고, SEM 이미지를 이미지-처리함으로써 이미지-처리된 알고리즘 입력(I)을 생성하고, 라인/공간 구조들에 대해 설계된 알고리즘이 보통, VNAND 디바이스, 예컨대 3D-NAND 계단구조를 표현하는 이미지-처리된 입력(I)보다는 통상적인(비-VNAND) SEM 이미지를 수신한다 하더라도, 입력(I)에 대해 계측 알고리즘을 실행함으로써 적어도 하나의 라인의 적어도 하나의 치수를 측정한다.
특정 실시예들에 따르면, 도 1a의 라인 검출 동작은 3D 계단들의 수가 알려져 있다고 가정하여 3D-NAND 계단구조 표적에서의 3D 계단들을 검출하도록 동작한다. 그러나, 도 2a의 방법은, 각각의 3D 계단에서 적합한 앵커 위치, 예컨대 가장 좌측 라인을 결정하고 이어서 CD SEM 시스템(예컨대, 통상적인 3D CD SEM 계측 시스템)을 사용하여 3D-NAND 계단구조의 SEM 이미지에 대한 (이를테면) 가장 좌측 계단으로부터의 적어도 일부 계단들의 거리들을 측정할 수 있다. 이어서, 이러한 거리들은, 예컨대, 3D-NAND 계단구조에서의 하나의 계단(예컨대, 가장 좌측 계단)을 다른 계단들의 제조를 파라미터화하기 위한 앵커로서 사용하여, 3D-NAND 계단구조 프로세스 제어에 사용될 수 있다. "앵커"(예컨대, 3D-NAND 계단구조의 이미지에서의 가장 좌측 계단)는, 제조의 차후의 스테이지들에 대해 모든 측정들이 앵커에 대해 정의되어 일관된 프로세스 제어 방식을 가능하게 할 수 있기 때문에 유용하다.
도 2a의 방법(일명, 3d 피쳐들, 이를테면, 이에 제한되진 않지만 3D-NAND 계단구조들의 측정을 위한 주 흐름)은, 예컨대 도시된 바와 같이 적합하게 순서화된, 다음의 동작들의 임의의 서브세트 또는 그 전부를 포함할 수 있다:
동작 a: 통상적인 CD-SEM에 의해 통상적인 스캐닝을 행함으로써 이후의 동작 b의 처리를 위한 이미지(3D-NAND 계단구조를 포함할 수 있음)를 생성한다;
동작 b: 동작 a에 의해 생성된 이미지에서, 유형 1 접촉부들(라인들과 교차하지 않는 폐쇄 곡선들)을 검출하고 마스킹한다.
동작 b는 다음의 흐름, 일명 흐름 1을 사용할 수 있다.
흐름 1의 입력은 전형적으로, 동작 a에서 제공되는, 계단들을 포함하는 디바이스의 SEM 이미지, 및 전형적으로 알고리즘 파라미터들을 포함한다. 알고리즘 파라미터들은 적합한 그래픽 사용자 인터페이스(GUI)를 통해 사용자에 의해 제공될 수 있다. 적합한 파라미터 세트들은 일반적으로 통상적인 CD SEM 툴의 사용자 메뉴얼들에서 설명된다.
흐름 1의 출력은 전형적으로, 앵커(예컨대, 가장 좌측 계단)로부터 N개의 정의된 계단들까지의 측정들의 세트를 포함한다.
흐름 1은, 예컨대 나타낸 바와 같이 적합하게 순서화된, 아래의 동작들 AI 및 AII를 포함할 수 있다.
동작 AI. (예컨대, 도 5a에 도시된 바와 같은) 접촉부 마스크를 생성하며, 이는, 예컨대 통상적인 세그먼트화 알고리즘에 기반하여, 이미지 내의 밝은 영역을 검출할 수 있고, 어느 밝은 영역들이 접촉 영역들인지 그리고 어느 것들이 기하학적 구조에 기반한 라인들인지를 결정할 수 있다. SEM 이미지에서 계단들을 식별하기 위해 이미지-처리 기법들을 사용하는 적합한 세그먼트화 알고리즘은, 문헌(Ja. 바인베르크(Vainberg)의 "Application of Markov chains to the problem of separation of Hole sections", 러시아의 지질학 및 지구 물리학지인 Geologiya I Geofizika, 1980 (2), p.94)에서 설명된다.
세그먼트화는, 예컨대 다음과 같이 적합하게 순서화된, 다음의 동작들의 임의의 서브세트 또는 그 전부를 포함할 수 있다:
동작 s0. 그레이 레벨 이미지(예컨대, 가장자리들 및 배경을 포함하는 SEM 이미지)를 입력으로서 수신한다.
동작 s1. 세그먼트의 통계적 특성들, 예컨대, 그레이 레벨 히스토그램으로부터의 평균 및 표준 편차를 추정한다.
동작 s2. 각각의 픽셀이 각각의 세그먼트의 구성원일 선험적 확률들을 추정한다.
동작 s3. 예컨대, 마르코프 연쇄(Markov Chain) 기법을 사용하여, 각각의 픽셀이 각각의 세그먼트의 구성원일 후험적 확률들을 추정한다.
동작 s4. 동작들 s2 내지 s3을 반복하고, 반복들에서, 그에 따라, 확률 맵, 즉, 각각의 픽셀의 값이 그 픽셀이 세그먼트에 속할 최종 확률인 이미지를 생성한다.
동작 s5. 각각의 픽셀 세그먼트에 적합한 숫자를 배정하는데, 예컨대, 1 - 배경; 2 - 가장자리들이다.
동작 s6. 전형적으로, 반복 횟수(및/또는 중단 기준)가 예컨대 외부 파라미터(들)로서 정의된다. 반복들이 종결될 때, 복수(예컨대, 2개)의 세그먼트 부류들 중 하나를 식별하는 각각의 픽셀에 대한 라벨을 포함하는, 세그먼트화된 이미지를 포함하는 출력을 생성하는데, 예컨대, 픽셀들은 배경 또는 어두운 영역을 표시하는 색인 또는 라벨 1을 가질 수 있고, 가장자리 또는 밝은 영역을 표시하는 색인 또는 라벨은 2일 수 있다.
동작 AII (예컨대, 도 5b에 도시된 바와 같은, 일명 마스크 적용). 마스크 내부의 픽셀들에, 구조의 결핍(desert)(피쳐들이 없음) 영역과 예컨대 시각적으로 유사한 이미지 배경 영역의 생성을 가정하여 이미지 배경 통계를 보존하는 무작위 그레이 레벨 값들을 배정하며, 여기서, "이미지 통계"는, 마스크 영역 내부의 이미지 픽셀(들)의 평균, 표준 편차 및/또는 다른 통계적 특성들을, 그러한 것이 예컨대 이미지의 결핍 영역 내부와 동일하도록 포함하게 의도된다. 이러한 동작은, 마스크 영역이 계단들의 검출에 영향을 미치지 않음을 보장한다. 동작 AII는 아래에 설명되는 하위-동작들 b5, b6을 포함할 수 있다.
동작 c: 동작 a에서 생성된 SEM 이미지에 포함된 3D-NAND 계단구조(가변 또는 미지의 수의 계단을 포함할 수 있음)에서의 계단들의 검출이다.
이러한 동작은, 예컨대, 공동-소유의 미국 특허 제9,165,376호에 설명된 바와 같은 일명 "라인 알고리즘"으로 관련 기술분야에 알려져 있는 LEA 알고리즘의 사용을 포함할 수 있으며, 상기 특허의 개시내용은 인용에 의해 본원에 포함된다.
LEA 알고리즘의 파라미터들은, LEA 알고리즘이 계단 디바이스 구조에 대해서가 아니라 라인/공간에 대해 설계되므로, 3D-NAND 계단구조 계단 검출에 맞춤화될 수 있다.
예컨대, 표적 및 MaximumEdgeWidth 파라미터를 갖는 라인 검출 알고리즘이 사용될 수 있는 한편, 다음이 정의된다:
표적 = 3D-NAND 계단구조 또는 계단(들), 및
MaximumEdgeWidth = 계단들 사이의(예컨대, 표적 3D-NAND 계단구조에서의 임의의 쌍의 계단들 사이의) 최소 거리의 절반.
라인 검출 알고리즘은, 예컨대, 관련 기술분야에 알려져 있는 기법들에 의해 수행될 수 있다.
이러한 동작의 출력은:
개략적 가장자리 - 계단 근방에 위치한 직선 라인의 파라미터들;
및/또는
발견된 다수의 개략적 가장자리들을 포함하며, 이는 계단들의 수에 대응한다.
동작 d: 계단-라인 변환이다.
라인은 2개의 개략적 가장자리, 일명 계단의 좌측 및 우측 가장자리들에 의해 정의된다.
특정 실시예들에 따르면, 도 1a의 "라인 검출 - 일정 수의 라인들" 동작은 동작 d와 동작 e 사이에서 수행된다.
동작 e: 동작 d에서 식별된 개략적 윤곽을 입력으로서 사용하는 통상적인 정밀 윤곽 검출 또는 추정이다.
정밀 윤곽은, CD 측정들에 사용될 실제 피쳐 경계들(예컨대, 계단들의 경계들)의 가장 정확하고 정밀한 위치를 정의한다. 정밀 윤곽 정의를 위해 CD 계측에서 사용되는 통상적인 알고리즘들은 관련 기술분야에 알려져 있다.
동작 f: 예컨대, 본원에 설명된 흐름 b를 사용하는 (접촉부 유형 2 - 라인과 교차하는 폐쇄 곡선의 부분에 대한) 강건한 선형 적합화이다.
동작 g: CD 결과들을 제공하는데, 예컨대, 동작 e에서 생성된 윤곽 검출 결과들을 표현하는 출력을 생성한다. 이러한 CD 결과들은, 예컨대, 관련 기술분야에 알려져 있는 바와 같이, 프로세스 제어에 사용될 수 있다.
동작들 a, e, g는, 예컨대, 도 1a의 동일하게 설명이 기술된 동작들에 각각 도시된 바와 같이 통상적일 수 있다는 것이 인식된다.
도 1b의 방법은, 예컨대, 패턴의 파라미터(예컨대, 이에 제한되진 않지만, 피쳐 가장자리, 피쳐 거칠기, 가장자리 기울기, 피쳐 높이, 피쳐 물질)를 검출하기 위한 방법을 이용할 수 있으며, 이 방법은 다음의 동작들: 패턴의 이미지를 획득하는 것 ― 이미지는 전형적으로 하전 입자 빔으로 패턴을 스캐닝함으로써 생성됨 ―, 가장자리 향상된 이미지를 산출하기 위해 이미지를 처리하는 것 ― 처리는 전형적으로, 예컨대, 이미지에 대해 스펙트럼 함수들을 적용함으로써, 이미지의 처음 n개의 스펙트럼 성분의 총 에너지를 계산하는 것을 포함하며, n은 2를 초과할 수 있음 ― 의 임의의 서브세트 또는 그 전부를 포함한다. 스펙트럼 함수들은, 하전 입자 빔의 하전 입자들의 분포에 따라 선택될 수 있다. 방법은, 가장자리 향상된 이미지를 처리하는 것, 및 패턴의 파라미터를 결정하는 것을 추가로 포함할 수 있다. 이러한 추가적인 처리는, 예컨대, 다음의 하위-동작들 aa 및 bb를 반복적으로 수행함으로써 다수의 경로들에 대한 점수들을 결정하는 것을 포함하는, 가장자리 향상된 이미지의 경로들을 검출하는 것을 포함할 수 있다:
aa. 가장 높은 현재 점수를 갖는 경로를 식별하기 위해 동적 프로그래밍 프로세스를 적용함으로써 최상의 경로를 발견하는 것, 및
bb. 새로운 가장 높은 점수를 갖는 경로를 발견하기 전에 최상의 경로의 영향을 완화시키는 것.
도 2a의 방법은, 3D-NAND 계단구조 구조들의 SEM 이미지들의 변환 및 맞춤화를 달성하여, 이러한 3D-NAND 계단구조들이 라인/공간 구조들로서 처리될 수 있게 하며, 이는, 전형적으로, 계단 디바이스 구조에 대해서가 아니라 라인/공간에 대해 설계된 알고리즘, 이를테면, 관련 기술분야에 알려져 있는 LEA 알고리즘을 사용하는 프로세스 제어를 위한 모든 통상적인 라인/공간 측정들을 포함한다는 것이 인식된다.
전형적으로, 도 2a의 이미지-처리(예컨대, 동작들 b, c, d)는, 도 1a의 "일정 수"의 라인 검출 동작이 도 2a의 방법에 의해 호출되거나 그에 포함되는 것을 허용한다.
전형적으로, 강건한 선형 적합화(예컨대, 도 2a의 동작 f)는 또한 유형 2 접촉부들을 갖는 계단들에 대해 또는 접촉부가 없는 계단들에 대해 작동한다. 접촉부들이 없는 계단들에 대해, 강건한 선형 적합화는 전형적으로, 도 1a의 선형 적합화 동작을 행하는 것과 동일한 결과들을 산출한다.
도 2a의 방법은 패턴의 파라미터의 검출을 수행할 수 있으며, 이는, 하전 입자 빔으로 패턴을 스캐닝함으로써 패턴의 이미지를 획득하는 것; 가장자리 향상된 이미지를 제공하기 위해 이미지를 처리하는 것; 및 추가로 가장자리 향상된 이미지를 처리하고 패턴의 파라미터를 결정하는 것을 포함한다. 이는, 패턴의 이미지를 획득(수신 또는 생성)하는 스테이지(1110)를 포함할 수 있다. 이미지는, 전자 빔과 같은 하전 입자 빔으로 패턴을 스캐닝함으로써 생성된다. 패턴은, 라인 폭을 갖는 라인들과 같은 다수의 피쳐들을 포함할 수 있다. 라인들은, 하전 입자 빔의 (패턴 상에 충돌할 때의) 폭보다 훨씬 크지는 않은 거리만큼 서로 가까울 수 있다. 그 거리는 하전 입자 빔의 폭보다 작을 수 있다. 라인 폭은 하전 입자 빔의 폭보다 작을 수 있거나 그보다 약간 더 클 수 있다.
스테이지(1120)는, 패턴의 가장자리들의 주 방향을 발견하는 것을 포함할 수 있다. 스테이지(1120)는, 이미지의 가장자리들을 발견하는 것, 및 이어서, 예컨대, 가장자리들에 관한 방향성 정보를 평균함으로써 이러한 가장자리들의 주 방향을 발견하는 것을 포함할 수 있다.
스테이지(1130)는, 가장자리 향상된 이미지를 제공하기 위해 이미지를 처리하는 것을 포함할 수 있다. 스테이지(1130)는, 이미지의 처음 n개의 스펙트럼 성분의 총 에너지를 계산하는 스테이지(1140)를 포함할 수 있으며, 여기서, n은 2를 초과한다. 스테이지(1140)는, 이미지에 대해 n차 다항식 필터를 적용함으로써 이미지를 처리하는 스테이지(1141)를 포함할 수 있으며, 여기서, n은 2를 초과한다. 스테이지(1140)는, 이미지에 대해 스펙트럼 함수를 적용함으로써 총 에너지를 계산하는 스테이지(1142)를 포함할 수 있으며, 여기서, 스펙트럼 함수들은 하전 입자 빔에서의 하전 입자들의 분포에 따라 선택된다. 스펙트럼 함수들은 가장자리의 재구성을 허용하도록 선택될 수 있다. 스펙트럼 함수들은 이산 직교 함수들일 수 있다.
n차 다항식 필터를 적용하는 스테이지(1144)를 포함할 수 있는 스테이지(1140)는 주 방향에 응답한다. 스테이지(1144)는, 주 방향에 실질적으로 수직인 방향에서 n차 다항식 필터를 적용하는 것을 포함할 수 있다. 스테이지(1144)는 또한, 주 방향과 실질적으로 평행한 방향에서 평균화 함수를 적용하는 것을 포함할 수 있다.
가장자리 향상된 이미지에서 경로들을 검출함으로써 패턴의 가장자리들을 발견하는 스테이지(1150)가 수행될 수 있다. 스테이지(1150)는, 동적 프로그래밍 프로세스를 적용하는 스테이지(1152)를 포함할 수 있다. 스테이지(1150)는, 패턴의 가장자리들의 주 방향에 응답하는 동적 프로그래밍 프로세스를 적용하는 스테이지(1154)를 포함할 수 있다. 스테이지(1150)는, 차단과 함께 동적 프로그래밍 프로세스를 적용하는 스테이지(1156)를 포함할 수 있으며, 스테이지(1156)는, 반복적으로, 동적 프로그래밍 프로세스를 적용함으로써 최상의 경로를 발견하고 다음 최상의 경로를 발견하기 전에 최상의 경로의 영향을 완화시킴으로써, 가장자리 향상된 이미지의 경로들을 검출하는 것을 포함할 수 있다.
스테이지(1160)는, 각각의 경로와 연관된 점수에 따라 경로들을 클러스터링하고 일부 경로들을 그들의 점수들에 기반하여 무시하는 스테이지(1162)를 포함할 수 있다. 스테이지(1160)는, 가장 낮은 점수 클러스터에 속하는 경로들을 무시하는 스테이지(1164)를 포함할 수 있다. 스테이지(1160)는, 동일한 클러스터에 속하는 경로들의 임의의 점수들 사이의 가장 큰 차이가 상이한 클러스터들에 속하는 경로들의 점수들 사이의 임의의 차이보다 작도록 경로들을 클러스터링하는 스테이지(1166)를 포함할 수 있다.
검증된 경로들에 응답하는, 가장자리 정보를 생성하는 스테이지(1170)는, 이미지를 생성하는 것을 포함할 수 있지만, 이 스테이지가 반드시 그러한 것은 아니다. 스테이지(1170)는, 스테이지(1160) 동안 검증된 가장자리들을 포함하고 스테이지(1160)에 따라 무시되었어야 하는 가장자리들을 포함하지 않는 출력 이미지를 생성하는 것을 포함할 수 있다. 가장자리 정보는, 패턴의 피쳐들의 임계 치수들과 같은 계측 정보를 제공하기 위해 처리될 수 있다.
도 2a의 동작 b는, 예컨대 다음에 나타낸 바와 같이 적합하게 순서화된 다음의 하위-동작들 b1 - b6의 임의의 서브세트 또는 그 전부를 포함할 수 있다:
b1. 이미지 세그먼트화이며, SEM 이미지를 입력하고, 이어서, 각각의 픽셀에 라벨, 예컨대, 1 - 배경; 2 - 피쳐 가장자리를 배정하도록 처리한다.
b2. 블롭 검출이며, 2의 색인(또는 라벨)을 갖는 연결된 구역들의 통상적인 검출이다.
b3. (예컨대, 연결된 구역들을 둘러싸거나 포함하는) 블롭 경계 박스의 통상적인 추정이다.
b4. 예컨대, 경계 박스 크기가 이미지 높이보다 작은 블롭들을 검출하는 것에 의한, 유형 1 접촉부들의 검출이다. 전형적으로, 계단들 및 접촉부들은 밝은 이미지 영역에 대응하는 세그먼트 2에 속한다. 전형적으로, 접촉부들에 대해서만 마스크를 생성하도록 요망된다. 계단들 및 접촉부들에 대응하는 세그먼트 2의 블롭들 사이의 차이는 전형적으로, 블롭들의 기하학적 파라미터들, 이를테면, 그들의 경계 박스들의 높이이다. 이러한 파라미터는, 접촉부 유형 1에만 대응하는 세그먼트 2의 서브세트를 생성하는 데 사용될 수 있다. 이러한 서브세트는 전형적으로, 추가적인 접촉부 마스킹 동작에 사용되는 접촉부 마스크를 정의한다.
b5. 배경 통계 추정이며, 예컨대, 색인(또는 라벨) 1을 갖는 픽셀들에 대한 평균 그레이 레벨(평균) 및 표준 편차(STD)의 추정이다.
b6. 마스킹이며, 유형 1 접촉부 픽셀들로서 하위-동작 b4에서 정의된 픽셀들의 그레이 레벨이 하위-동작 b5에서 추정된 평균 및 표준을 갖는 무작위 잡음으로 대체된다.
도 2a의 동작 d를 수행함에 있어서, SEM 이미지 및 하나의 개략적 가장자리로부터, 계단의 가장 좌측 부분 및 가장 우측 부분에 대응하는 2개의 개략적 가장자리(도 2b에서 파선들로 표시됨)를 생성하기 위해 다음의 하위-동작들 d-I 내지 d-IV가 이용될 수 있으며; 동작 c에서 발견된 계단은 하나의 개략적 가장자리에 의해 정의된다는 것을 유의한다.
하위-동작 d-I. SEM 이미지 + 계단들에 각각 대응하는 개략적 가장자리들의 목록을 입력한다.
하위-동작 d-II. 각각의 개략적 가장자리 계단 주변의 이미지를 잘라낸다.
하위-동작 d-III. 예컨대, 이를테면, 확장의 형태학적 동작과 같은 관련 기술분야에 알려져 있는 통상적인 이미지-처리 기법들을 사용하여, 내부 계단 구조를 제거한다. 이러한 동작의 결과는 전형적으로, 적어도 하나의 계단의 부분들, 예컨대, 가장 좌측 부분 및 가장 우측 부분 사이의 신호 편차들의 제거를 포함한다.
하위-동작 d-IV. 내부 구조가 없는 계단 신호의 가장 좌측 부분 및 가장 우측 부분을 개개의 개략적 가장자리들로서 정의한다.
그에 따라, 도 2a의 동작 d는 전형적으로, 표준 흐름, 예컨대, (도 1a 및 도 1b의 라인 검출 동작과 같은) 라인 당 2개의 개략적 가장자리를 가정하는 LEA 알고리즘의 사용을 용이하게 하는, 계단 당 2개의 개략적 가장자리를 산출한다.
도 2a의 동작 f는 선형 모델을 발견하기 위해 강건한 적합화를 사용하는 것을 포함한다. 이는, 예컨대 다음과 같이 적합하게 순서화된, 다음의 흐름 2에 포함된 하위-동작들의 임의의 서브세트 또는 그 전부를 포함할 수 있다.
흐름 2: 선형 모델을 발견하기 위해 강건한 적합화를 사용함
흐름 2의 입력은 전형적으로, 정밀 윤곽을 정의하는 지점들의 세트 {x_i, y_i) 및/또는 강건한 적합화 알고리즘의 파라미터들을 포함한다.
흐름 2는 전형적으로, 실제 라인 지점들, 또는 라인들과 교차하는(그에 "접착"되는) 접촉부 지점들이 강한 시스템적 이상치들에 의해 영향을 받지 않도록 윤곽(예컨대, 토포포인트들, 일명 지형 지점들 - 도 2a 및 도 2b에서 흑색 점들로 표시됨)에 가장 적합한 선형 모델(
)을 발견하기 위해 강건한 적합화를 사용하도록 구성되며, 여기서, "윤곽"은 실제 피쳐 경계를 정의하는 이미지 상에서 검출된 지점들의 세트를 포함하도록 의도되므로, 측정에 사용될 수 있다. 실제 라인 지점들은 전형적으로 계단의 경계에 대응하거나 그를 정의하며, 형상이 직선 라인과 유사할 수 있다.
하위-동작 f1. 라인 가장자리 분석(LEA) 알고리즘에 의해 출력되는 {x,y} 지점들의 세트를 수신한다.
{x,y} 지점들은, (예컨대, LEA에서 통상적으로 사용되는 선형 적합화를 대체하기 위해) 선형 적합화의 강건한 적합화 추정을 위해 본원에서 사용되는, LEA 알고리즘의 정밀 윤곽 스테이지의 출력을 표현한다.
그에 따라, (x,y)는 전형적으로 도 2a의 {정밀 윤곽 검출} 동작의 출력에 포함된다.
하위-동작 f2. 어느 a, b가 F의 argmin인지를 추정함으로써 선형 모델 
를 구축한다(a, b는, F에 입력될 때, F를 가능한 한 작아지게 함).
여기서, F는 가중치들의 합이며, 다음과 같다: 
그에 따라, 최소화 알고리즘 또는 프로세스가 수행되어, 가중치들의 합(F)을 최소화하는 a, b를 산출한다.
F의 argmin인 a, b를 결정하기 위한 하나의 방법이 흐름 3에서 아래에 설명된다.
전형적으로, 이러한 추정은, LEA 알고리즘에 의해 출력되는 {x,y} 지점들의 세트에서의 각각의 지점 x, y에 배정되는 적합한 가중치들(w)(예컨대, 그 값들이 그 각각의 지점에서 추정됨)로 (심지어 소수의 이상치들에도 취약한 최소 제곱들을 사용하는 것이 아니라) 강건한 적합화를 사용한다.
여기서, W는 전형적으로 비-볼록 함수인데, 예컨대, 지점 {x,y}에서의 웰시(Welsch) 가중치 함수는 다음과 같을 수 있다:
웰시 가중치 함수 (a,b) = 
.
그에 따라, 반드시 그러한 것은 아니지만 전형적으로 
을 지점 {x,y}에 대한 가중치 함수로서 사용한다.
웰시 함수의 직사각형 근사화가 이용될 수 있다는 것이 인식된다. 예컨대, 웰시 함수는, 중심 라인이 라인 
인 직사각형 또는 스트립을 사용하여 근사화될 수 있다. 스트립 폭은 +/-3 (이를테면) 표준 편차(일명 std) 폭일 수 있다. "표준 편차"라는 용어는, 지점 {x_i,y_i}로부터 고정된 a, b에서의 라인 
까지의 거리의 (이러한 거리가 확률 변수이므로) 표준 편차를 지칭한다.
스트립 내의 각각의 지점은 0의 값을 갖고, 스트립 외부의 각각의 지점은 1의 값을 갖는다.
F를 최소화하기 위해, 가장 많은 지점들을 내부에 갖는(예컨대, 모든 다른 3 sd-폭 스트립들보다 더 많은 지점들을 내부에 갖는) 3 std-폭 스트립을 탐색한다.
흐름 2의 출력은 전형적으로, 선형 적합화 
의 파라미터들인 {a,b}를 포함한다.
F의 argmin인 a, b를 결정하기 위한 하나의 방법, 일명 흐름 3이 이제 설명된다.
흐름 3. 최적화 문제의 해결:
를 조건으로 F(x)를 최소화함
흐름 3의 입력은 전형적으로, 정밀 윤곽을 정의하는 지점들의 세트 {x_i, y_i) 및/또는 사용자에 의해 제공될 수 있는 강건한 적합화 알고리즘에 대한 파라미터들을 포함한다. 이러한 파라미터들은 전형적으로, 예컨대 위에서 정의된 바와 같은, 함수 F(a,b)의 최적화 프로세스의 개개의 기술적 구현 양상들을 정의한다.
그에 따라, 흐름 3은, F를, 최종 사용자에 의해 정의될 수 있는 x의 특정 최소 및 최대 제한 내에서 최소화하는 것을 지칭한다.
흐름 3의 제1 스테이지 - 일명 통계적 스테이지
파라미터들(예컨대, 모델 파라미터들, 이를테면, 선형 모델 
에서의 기울기, 오프셋, 즉, 각각 a 및 b)의 표적 함수(예컨대, 적합화된 모델의 오차)의 국소 극값에 충분히 가까운, 위의 최적화 문제에 대한 해법들의 집단을 생성하기 위해 유전 알고리즘이 사용될 수 있다.
일반적으로, 유전 알고리즘은, 유전적 선택에 의해 최적화를 수행하는데, 즉, (전형적으로 미리 결정된, 통상적인) 최상 기준에 따라 최상인 후보들(예컨대, 후보 해법들)을 잔존시킨다. 최적화의 관점에서, 잔존자들은 표적 함수의 관점에서 최상이다(비-잔존자들보다 양호함).
(해법들의 집단을 포함하는) 공간은 다항식 파라미터 공간일 수 있다(예컨대, 선형 모델 
에 대한 (오프셋,기울기) 파라미터 공간 또는 a 축 및 b 축을 갖는 공간이며, 여기서, [a,b]는 [기울기,오프셋] 쌍으로 순서화됨).
이러한 문제의 목표 또는 기준들은 최소 오차를 갖는 모델을 발견하는 것이며, 이는 예컨대, 정규 최소 제곱(OLS; ordinary least square)에 대해, 제곱 오차들의 합(기준으로서 사용될 수 있음); 및 최소 제곱들 대신 웰시가 사용되는 경우, 웰시 함수를 통해 전달되는 오차의 합이다.
국소 탐색(예컨대, 통상적인 "가장 가파른 하강" 또는 "뉴턴(Newton)" 기법들을 사용할 수 있음)의 결과들은 시작 지점(탐색에 대한 입력)에 크게 의존할 수 있다. 시작 지점이 국소 최소치에 가까운 경우, 발견될 결과는 그 국소 최소치이다. 그러나, 전역 최소치를 발견하는 것이 전형적으로 요망된다.
유전 알고리즘은 다음을 포함할 수 있다:
1. 무작위 초기 집단 생성에 의해, 초기 "현재 집단"을 생성한다.
2. 현재 집단(반복 I-1에서 생성된 집단)을 정밀화하는 복수(이를테면, 5 회)의 반복들(I, I = 1 ... 5)은 전형적으로 다음을 포함한다:
a. 2개의 기존의 것(부모들)으로부터 새로운 지점을 생성하기 위한, 잔존자들로서 최상인 것의 선택을 포함하는 그들의 선형 조합으로서의 교차, 전형적으로는 이어서 다음이 후속됨.
b. 최상의 지점들을 탐색하기 위한 툴로서, 잔존자들로서 최상인 것의 선택을 포함하는 현재 집단의 돌연변이.
전형적으로, 집단이 충분히 큰 경우, 정밀화는 각각이 큰 국소 최소치에 충분히 가까운 일부 지점들을 산출할 것이다. 이들은 (각각) 국소 탐색들에 대한 시작 지점들로서 사용되어, 몇몇 큰 국소 최소치를 산출할 수 있으며, 이들 중 하나는 전역 최소치일 가능성이 있다.
국소 탐색은 기능적 중단 기준들을 가질 수 있는데, 예컨대 다음과 같다:
a. 수 회의 마지막 반복들에 걸쳐 함수 값에서 임계치를 초과하는 변화들이 없음; 및/또는
b. 최적 지점 위치에서 임계치를 초과하는 변화들이 없음.
및
c. 행해질 수 있는 할당된 작업량(예컨대, 반복 횟수 및/또는 함수 평가 횟수 등에 대한 제한)
전형적으로, 위의 기능적 기준 a, b 둘 모두가 충족될 때 그리고/또는 국소 탐색이 최대 반복 횟수 또는 함수 평가 횟수에 도달할 때, 국소 탐색이 중단된다.
대안적으로, 국소 탐색기(예컨대, 적합한 매트랩(Matlab) 기능)가 사용될 수 있으며, 이는, OLS에 의해 생성된 지점을 그의 시작 지점으로서 사용한다. 이러한 지점은 전역 최소치로부터 충분히 먼(예컨대, 미리 결정된 최소 임계 거리를 초과하여 미리 결정된만큼 먼) 결핍부(피쳐들이 없는 영역)의 임의의 곳에 배치될 수 있다.
예: 반복 가중 최소 제곱(IWLS)을 구현하는 매트랩 robustfit() 함수가 이용될 수 있다. 시작 지점은, 사용자에 의해 공급되는 것이 아니라 알고리즘적으로 생성될 수 있다. 지점 {x,y}의 세트를 고려하여, 모델은, 예컨대 위에 설명된 바와 같이, 선형 모델 추정을 위해 [오프셋,기울기] 쌍을 형성할 수 있다. 초기 모델 추정 
가 계산될 수 있다. 수렴하지 않는 동안, 프로세스는, 예컨대 가중 최소 제곱들에 의해, 현재 모델 및 재계산된 모델의 함수 
로서 가중치 
를 계산할 수 있다.
3개의 규칙(선택, 교차, 돌연변이)의 임의의 서브세트 또는 그 전부가 사용되어 스테이지 1에서 세대 n-1로부터 세대 n을 생성할 수 있다.
제1 스테이지는, 예를 들어, 예컨대 다음과 같이 적합하게 순서화된, 다음의 동작들(110, 120, ...)의 임의의 서브세트 또는 그 전부를 포함할 수 있다.
동작 110. 초기 생성으로, 이는, "수용가능한 파라미터 구역"으로부터의 선택, 예컨대 무작위 샘플링을 포함할 수 있다.
전형적으로, 예컨대, 라인이 수직에 가깝다는(즉, 
의 기울기 a가 0에 가깝다는) 사전 지식이 라인 배향에 관하여 이용가능하다.
라인들이 전형적으로 수직이므로, 
가 아니라 적합화 좌표들 
가 더 정밀한 라인 추정을 허용하면서 특이성을 방지할 수 있다는 것을 유의한다.
"수용가능한 파라미터 구역"을 정의하기 위해, 구역의 하한 및 상한이 사전 지식을 고려하여 라인의 최소/최대 기울기로서 (예컨대, 최종 사용자에 의해) 정의될 수 있다. 파라미터 b는 계단 위치에 가까울 수 있는데, 예컨대, 위에 정의된 개략적 가장자리 위치 근방일 수 있다.
동작 120. 적어도 한 번, 3개의 규칙(선택, 교차, 돌연변이)의 임의의 서브세트 또는 그 전부를 이용하는 반복 I, 예컨대, 교차, 선택, 돌연변이, 선택을 행하며, 그에 의해, "반복 I 집단"을 정의하고, 이는, 다음 반복 I+1에 대한 입력일 수 있다.
동작 130. 중단 기준 = 참일 때, 반복 I 집단을 "충분히 가까운" 것으로 정의하고, 스테이지 2로 진행한다. 하나의 적합한 중단 기준은 F가 더 이상 감소하지 않는 것(예컨대, F가 더 앞선 반복들(I 미만)에 비해 현재 반복 I에서, 더 앞선 반복들(예컨대, I-1 미만)에 비해 이전 반복(예컨대, I-1)에서 F가 감소한 것보다 덜 감소하는 것, 즉, "수확 체감(diminishing return)", 또는 F가 임계 양 미만으로 감소하는 것)일 수 있다.
흐름 3의 제2 스테이지 - 국소 탐색 솔버(solver)
국소 탐색 알고리즘에 대한 입력(일명 초기 지점들)으로서 스테이지 1에서 생성된 "충분히 가까운" 집단을 사용하여 초기 지점들을 추가로 정밀화, 일명 최적화한다. 예컨대, https://www.sciencedirect.com/topics/computer-science/local-search-algorithm에서 설명되는 바와 같은 임의의 적합한 국소 탐색 알고리즘이 이용될 수 있다. 예컨대, F가 미분가능한 경우, 구배 기반 알고리즘, 일명 구배 하강이 국소 솔버, 일명 국소 탐색 알고리즘으로서 사용될 수 있으며, 여기서, F(위에 정의된 바와 같은, 가중치들의 합)가 미분가능하지 않은 함수인 경우, 도함수가 없는(일명 구배 없는) 솔버가 국소 솔버로서 사용될 수 있다.
도 6a 및 도 6b는 평면형 NAND 플래시의 간략화된 도해적 예시들이다.
도 6a 및 도 6b는 합성 이미지의 예들이다.
도 7a 내지 도 7b는 위에 설명된 강건한 적합화 동작의 실시예를 이해하는 데 유용한 그래프들이다. 실시예에 따르면, 강건한 적합화 동작은 다음을 최소화하는 (a,b)를 발견하도록 동작한다:
웰시 함수가 예컨대 도시된 바와 같이 직사각형에 의해 근사화되는 경우, (이를테면) ±3σ 스트립 내부의 각각의 지점은 값 0을 갖고, (이를테면) ±3σ 스트립 외부의 각각의 지점은 값 1을 갖는다. 함수의 최소화는, 최대 수의 지점을 내부에 포함하는 폭 ±3σ의 스트립을 탐색함으로써 근사화될 수 있다. 예컨대, 도 7a 및 도 7b의 그래프에서, 더 낮은 수평 직사각형은 더 높은 대각선으로 배향된 직사각형보다 많은 지점들을 갖는다.
도 8은 강건한 적합화의 다중-라인 예의 그래프이다. 도시된 바와 같이, 그래프의 최하부에 도시된 실제 라인은 최하부 지점들을 통과하지만, 화살표로 표시된 최상부 스트립 내부의 지점들의 수는 최하부 스트립 내부의 지점들의 수를 초과하며, 따라서, 라인은 최상부 상에 도시되었다.
본원에서의 실시예들의 특정 이점은, 매우 작은 크기의 전자 빔 파장에 기인한, (이를테면) 3D 요소들 또는 디바이스들의 크기 또는 형상의 치수들을 측정할 때의 나노미터 미만 수준의 정확도이다.
특정 실시예들에 따르면, CD SEM 측정들은 교정된 샘플들을 사용하여 국제단위계(SI; System International d'Unites 또는 International System of Units) 정의의 길이로 추적가능하게 이루어지며, 이러한 교정된 샘플들은 샘플 스테이지 모션들을 보상하기 위해 (예컨대, 프로세스 제어에서) 사용될 수 있다.
본원에 설명된 최대 가장자리 폭 파라미터는 전형적으로 다른 가장자리가 위치할 수 없는 영역을 정의한다. 이러한 파라미터는 개략적 가장자리 알고리즘들에 유용하다. 개략적 가장자리 알고리즘은, 예컨대 다음과 같이 적합하게 순서화된, 다음의 동작들: 예컨대 모든 가장자리들이 발견될 때까지, 이미지에서 가장 강한 가장자리를 발견하는 것; 발견된 바와 같은 가장 강한 가장자리 주변의 이미지 내의 영역을 제거하는 것; 제2 가장 강한 가장자리를 발견하는 것 등을 행하는 것의 임의의 서브세트 또는 그 전부를 포함할 수 있다. 계단 검출은 전형적으로, 예컨대 모든 계단들이 발견될 때까지, 가장 강한 계단을 발견하는 것, 발견된 바와 같은 가장 강한 계단 주변의 영역을 제거하는 것, 및 다음 계단을 발견하는 것 등을 행하는 것을 포함한다. 예컨대 위에서와 같은 개략적 가장자리 알고리즘에 이어서, 예컨대 본원에서 설명된 바와 같이, 예컨대 본원에서 참조된 챕터 33에서 설명된 바와 같은, 정밀 가장자리가 위치하는 영역의 정의 및 정밀 가장자리의 추정을 위해, 예컨대 위에서 발견된 바와 같은 개략적 가장자리 위치들을 사용할 수 있는 정밀 가장자리 알고리즘이 후속될 수 있다.
임의의 적합한 프로세서(들), 디스플레이, 및 입력 수단은, 정보, 이를테면, 본원에서 도시되고 설명된 방법들 및 장치 중 임의의 것에 의해 사용되거나 생성되는 정보를 처리하고, 예컨대 컴퓨터 스크린 또는 다른 컴퓨터 출력 디바이스 상에 표시하고, 저장하고, 수용하는 데 사용될 수 있으며, 위의 프로세서(들), 디스플레이, 및 입력 수단은 본 발명의 실시예들 중 일부 또는 그 전부에 따른 컴퓨터 프로그램들을 포함한다. 본원에서 도시되고 설명된 본 발명의 임의의 기능성 또는 모든 기능성들, 이를테면, 이에 제한되진 않지만 흐름도들 내의 동작들은: 처리에 사용되는, 적어도 하나의 통상적인 개인용 컴퓨터 프로세서, 워크스테이션, 또는 범용 또는 특정적으로 구성된 다른 프로그래밍가능 디바이스 또는 컴퓨터 또는 전자 컴퓨팅 디바이스 또는 프로세서; 표시를 위한, 컴퓨터 디스플레이 스크린 및/또는 프린터 및/또는 스피커; 저장을 위한, 기계-판독가능 메모리, 이를테면 광학 디스크들, CDROM들, DVD들, 블루레이들, 자기-광학 디스크들 또는 다른 다스크들, RAM들, ROM들, EPROM들, EEPROM들, 자기 또는 광학 또는 다른 카드들; 및 수용을 위한 키보드 또는 마우스 중 임의의 하나 이상의 것에 의해 수행될 수 있다. 본원에서 도시되고 설명된 모듈들은, 서버, 데이터 프로세서, 메모리/컴퓨터 저장소, 통신 인터페이스, 메모리/컴퓨터 저장소에 저장된 컴퓨터 프로그램 중 임의의 하나 또는 이들의 조합 또는 복수의 이러한 것들을 포함할 수 있다.
달리 구체적으로 언급되지 않는 한, 다음의 논의들로부터 명백한 바와 같이, 본 명세서 전반에 걸쳐, "처리", "계산", "표현", "비교", "생성", "훈련", "세그먼트화", "레지스터링" 등과 같은 용어들을 활용하는 논의들은, 데이터를 다른 데이터로 조작 및/또는 변환하는 컴퓨터의 작동(들) 및/또는 프로세스(들)를 지칭하며, 상기 데이터는 물리적, 이를테면 전자적 양들로서 표현되고/거나 상기 데이터는 물리적 객체들을 표현한다는 것이 인식된다. "컴퓨터"라는 용어는, 비-제한적인 예로서, 본 출원에서 개시되는 FPEI 시스템 및 그의 개개의 부분들을 포함하는, 데이터 처리 능력들을 갖는 임의의 종류의 하드웨어-기반 전자 디바이스를 망라하도록 광범위하게 해석되어야 한다.
본원에서 사용되는 "메모리" 및 "저장소"라는 용어들은, 본원에서 개시되는 주제에 적합한 임의의 휘발성 또는 비-휘발성 컴퓨터 메모리를 포함하도록 의도된다.
달리 구체적으로 언급되지 않는 한, 별개의 실시예들의 맥락에서 설명된 본원에서 개시되는 주제의 특정 특징들이 또한, 조합되어 단일 실시예로 제공될 수 있다는 것이 인식된다. 역으로, 단일 실시예의 맥락에서 설명된 본원에서 개시되는 주제의 다양한 특징들이 또한, 별개로 또는 임의의 적합한 하위 조합으로 제공될 수 있다. 다음의 상세한 설명에서는, 본 방법들 및 장치의 철저한 이해를 제공하기 위해 많은 특정 세부사항들이 기재된다.
또한, 본 발명에 따른 시스템은 적합하게 프로그래밍된 컴퓨터 상에서 적어도 부분적으로 구현될 수 있다는 것이 이해될 것이다. 마찬가지로, 본 발명은 본 발명의 방법을 실행하기 위해 컴퓨터에 의해 판독가능한 컴퓨터 프로그램을 고려한다. 본 발명은 추가로, 본 발명의 방법을 실행하기 위해 컴퓨터에 의해 실행가능한 명령어들의 프로그램을 유형적으로 구현하는 비-일시적인 컴퓨터-판독가능 메모리를 고려한다.
본원에서 설명되는 본 발명의 각각의 요소는 본원에서 설명되거나 예시되는 또는 다른 실시예들에 따른 모든 속성들을 가질 수 있고, 본원에서 설명되는 속성들의 임의의 서브세트를 가질 수 있다.
본원에서 사용되는 바와 같은 프로세서 또는 제어기 또는 모듈 또는 논리라는 용어들은, 이를테면 인텔(Intel) 및 어드밴스드 마이크로 디바이스(AMD)로부터 입수가능한 것들과 같은, 전형적으로 디지털 메모리 및 처리 능력을 갖는 컴퓨터 마이크로프로세서들을 포함하도록 의도되고, 본원에서 설명되는 임의의 동작 또는 기능성 또는 계산 또는 논리는 그러한 컴퓨터 마이크로프로세서(들)를 포함하는 임의의 적합한 회로 상에서 전체적으로 또는 임의의 부분으로 구현될 수 있을 뿐만 아니라 펌웨어 또는 하드웨어 또는 이들의 임의의 조합으로 구현될 수 있다.
하나 초과의 도면에서 예시된 요소들 및/또는 기재된 설명에서의 요소들은, 본원에서 달리 구체적으로 명확하게 된 경우를 제외하고는 여전히 단일 실시예로 조합될 수 있다는 것이 인식된다.
명확화를 위해 별개의 실시예들의 맥락에서 설명된, 본원에서 설명되는 임의의 특징들, 특성들, 논리, 모듈들, 블록들, 동작들, 또는 기능성들은 또한, 특정 교시들이 상호 모순적이고 조합될 수 없는 것으로 본 명세서 또는 일반적이 지식이 구체적으로 나타내는 경우를 제외하고는 조합되어 단일 실시예로 제공될 수 있다는 것이 인식된다. 본원에서 도시되고 설명되는 시스템들 중 임의의 것은, 본원에서 도시되고 설명되는 동작들 또는 방법들 중 임의의 것을 구현하는 데 사용될 수 있거나 그와 조합될 수 있다.
역으로, 간결성을 위해 단일 실시예의 맥락에서 설명된 본원에서 설명되는 임의의 모듈들, 블록들, 동작들, 또는 기능성들이 또한, 별개로 또는 임의의 적합한 하위 조합으로 제공될 수 있다.
Claims (15)
- 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법으로서,
- 적어도 2개의 개별 제조 단계들을 표시하는 상기 반도체 구조의 이미지를 획득하는 단계 ― 상기 이미지는 하전 입자 빔으로 상기 반도체 구조를 스캐닝하고 상기 반도체 구조로부터 나오는 신호들을 수집함으로써 생성됨 ―; 및
- 하드웨어 프로세서에 의해, 상기 반도체 구조의 파라미터를 결정하기 위해 상기 이미지를 처리하는 단계를 포함하며,
상기 처리하는 단계는, 상기 적어도 2개의 개별 제조 단계들 중에서 하나 이상의 계단을 개별 피쳐로서 측정하는 단계를 포함하는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법. - 제1항에 있어서,
상기 적어도 2개의 개별 제조 단계들 중에서 하나 이상의 계단을 개별 피쳐로서 측정하는 단계는, 계단을 검출하는 단계 및 상기 계단을 라인으로 변환하는 단계를 포함하는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법. - 제2항에 있어서,
상기 검출하는 단계는, 상기 하나 이상의 계단 각각에 대해, 최대 가장자리 폭 파라미터를 획득하는 단계를 포함하며, 상기 최대 가장자리 폭 파라미터는 상기 계단의 경계들을 표시하는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법. - 제2항에 있어서,
상기 계단을 라인으로 변환하는 단계는, 상기 하나 이상의 단계 각각에 대해, 한 쌍의 개략적 가장자리들 및 한 쌍의 정밀 가장자리들을 정의하는 단계를 포함하며,
상기 반도체 구조의 파라미터를 결정하기 위해 상기 이미지를 처리하는 단계는, 상기 한 쌍의 개략적 가장자리들 및 상기 한 쌍의 정밀 가장자리들을 사용하는 단계를 포함하는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법. - 제4항에 있어서,
최대 가장자리 폭 파라미터는, 한 계단의 개략적 가장자리와 다른 계단, 예컨대, 근접한 또는 가장 근접한 또는 인접한 계단의 개략적 계단 사이의 최소 거리의 절반과 대략적으로 동일한, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법. - 제2항에 있어서,
미리 결정된 수의 계단들을 선택하는 단계, 상기 계단들 중 하나의 계단의 개략적 가장자리를 앵커 위치로서 설정하는 단계, 및 상기 앵커 위치에 대한 다른 계단들의 파라미터들을 측정하는 단계를 더 포함하는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법. - 제1항에 있어서,
(1) 접촉부들을 생성하기 위해 상기 이미지를 세그먼트화하고, (2) 상기 접촉부들을 이미지 배경을 표현하는 그레이 레벨 값들과 연관시킴으로써 접촉부 마스킹을 행하는 단계를 더 포함하는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법. - 명령어들을 포함하는 비-일시적 컴퓨터 판독가능 매체로서,
상기 명령어들은, 컴퓨터에 의해 실행될 때, 상기 컴퓨터로 하여금, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 방법을 수행하게 하며,
상기 방법은,
- 적어도 2개의 개별 제조 단계들을 표시하는 상기 반도체 구조의 이미지를 획득하는 단계 ― 상기 이미지는 하전 입자 빔으로 상기 반도체 구조를 스캐닝하고 상기 반도체 구조로부터 나오는 신호들을 수집함으로써 생성됨 ―; 및
- 상기 반도체 구조의 파라미터를 결정하기 위해 상기 이미지를 처리하는 단계를 포함하고,
상기 처리하는 단계는, 상기 적어도 2개의 개별 제조 단계들 중에서 하나 이상의 계단을 개별 피쳐로서 측정하는 단계를 포함하는, 비-일시적 컴퓨터 판독가능 매체. - 하전 입자 현미경(CPM)에 연결가능하거나 상기 CPM에 의해 호스팅되는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 시스템으로서,
메모리; 및
상기 메모리와 동작가능하게 결합되는 프로세서를 포함하며,
상기 프로세서는,
- 적어도 2개의 개별 제조 단계들을 표시하는 상기 반도체 구조의 이미지를 수신하고 ― 상기 이미지는 상기 CPM에 의해 획득되고, 하전 입자 빔으로 상기 반도체 구조를 스캐닝하고 상기 반도체 구조로부터 나오는 신호들을 수집함으로써 생성됨 ―,
- 상기 적어도 2개의 개별 제조 단계 중에서 하나 이상의 계단을 개별 피쳐로서 측정함으로써, 상기 반도체 구조의 파라미터를 결정하기 위해 상기 이미지를 처리하기 위한 것인, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 시스템. - 제9항에 있어서,
상기 프로세서는, 계단을 검출하고 상기 계단을 라인으로 변환하도록 추가로 구성되는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 시스템. - 제10항에 있어서,
상기 프로세서는, 상기 하나 이상의 계단 각각에 대해, 최대 가장자리 폭 파라미터를 획득함으로써 계단을 검출하도록 추가로 구성되고, 상기 최대 가장자리 폭 파라미터는 상기 계단의 경계들을 표시하는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 시스템. - 제11항에 있어서,
상기 계단을 라인으로 변환하는 것은, 상기 하나 이상의 계단 각각에 대해, 한 쌍의 개략적 가장자리들 및 한 쌍의 정밀 가장자리들을 정의하는 것을 포함하며,
상기 반도체 구조의 파라미터를 결정하기 위해 상기 이미지를 처리하는 것은, 상기 한 쌍의 개략적 가장자리들 및 상기 한 쌍의 정밀 가장자리들을 사용하는 것을 포함하는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 시스템. - 제11항에 있어서,
상기 최대 가장자리 폭 파라미터는, 한 계단의 개략적 가장자리와, 근접한 계단의 개략적 계단 사이의 최소 거리의 절반과 대략적으로 동일한, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 시스템. - 제10항에 있어서,
상기 프로세서는,
미리 결정된 수의 계단들을 선택하고,
상기 계단들 중 하나의 계단의 개략적 가장자리를 앵커 위치로서 설정하고,
상기 앵커 위치에 대한 다른 계단들의 파라미터들을 측정하도록 추가로 구성되는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 시스템. - 제9항에 있어서,
상기 프로세서는, (1) 접촉부들을 생성하기 위해 상기 이미지를 세그먼트화하고, (2) 상기 접촉부들을 이미지 배경을 표현하는 그레이 레벨 값들과 연관시킴으로써 상기 접촉부들을 마스킹하도록 추가로 구성되는, 일련의 제조 단계들에 의해 제조되는 반도체 구조의 프로세스 제어를 위한 시스템.
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 (2)
| Publication Number | Publication Date |
|---|---|
| KR20210088518A true KR20210088518A (ko) | 2021-07-14 |
| KR102502431B1 KR102502431B1 (ko) | 2023-02-23 |
Family
ID=70462021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217000157A KR102502431B1 (ko) | 2018-11-02 | 2019-10-31 | 3d-nand cdsem 계측을 위한 방법, 시스템, 및 컴퓨터 프로그램 제품 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11651509B2 (ko) |
| JP (1) | JP7219334B2 (ko) |
| KR (1) | KR102502431B1 (ko) |
| CN (1) | CN112469962B (ko) |
| TW (1) | TWI802766B (ko) |
| WO (1) | WO2020089910A1 (ko) |
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 |
| KR101709241B1 (ko) * | 2013-08-14 | 2017-02-23 | 가부시끼가이샤 히다치 세이사꾸쇼 | 반도체 검사 방법, 반도체 검사 장치, 및 반도체 소자의 제조 방법 |
| 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 |
| EP3286778A4 (en) | 2015-04-21 | 2019-04-03 | Intel Corporation | PRECISE ALIGNMENT SYSTEM FOR ELECTRON BEAM EXPOSURE SYSTEM |
| 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 WO PCT/IL2019/051188 patent/WO2020089910A1/en active Application Filing
- 2019-10-31 US US17/281,948 patent/US11651509B2/en active Active
- 2019-10-31 KR KR1020217000157A patent/KR102502431B1/ko active IP Right Grant
- 2019-10-31 JP JP2021505963A patent/JP7219334B2/ja active Active
- 2019-10-31 CN CN201980049495.8A patent/CN112469962B/zh active Active
- 2019-11-01 TW TW108139723A patent/TWI802766B/zh active
Patent Citations (2)
| 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 |
| US20120267528A1 (en) * | 2009-12-25 | 2012-10-25 | Hitachi High-Technologies Corporation | Pattern Measuring Apparatus and Computer Program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7219334B2 (ja) | 2023-02-07 |
| KR102502431B1 (ko) | 2023-02-23 |
| CN112469962B (zh) | 2022-05-24 |
| TWI802766B (zh) | 2023-05-21 |
| JP2022511246A (ja) | 2022-01-31 |
| CN112469962A (zh) | 2021-03-09 |
| TW202036641A (zh) | 2020-10-01 |
| WO2020089910A1 (en) | 2020-05-07 |
| US11651509B2 (en) | 2023-05-16 |
| US20210383529A1 (en) | 2021-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102502431B1 (ko) | 3d-nand cdsem 계측을 위한 방법, 시스템, 및 컴퓨터 프로그램 제품 | |
| US11275361B2 (en) | Systems and methods for predicting defects and critical dimension using deep learning in the semiconductor manufacturing process | |
| CN111539908B (zh) | 对样本的缺陷检测的方法及其*** | |
| TWI597689B (zh) | 使用表面形貌屬性之缺陷分類 | |
| US20210358101A1 (en) | Processing image data sets | |
| US10628935B2 (en) | Method and system for identifying defects of integrated circuits | |
| JP2013257304A5 (ko) | ||
| TWI631638B (zh) | 由參考影像改變之檢測方式設定 | |
| KR20170005379A (ko) | 검사를 위한 고해상도 전체 다이 이미지 데이터의 사용 | |
| KR20220012217A (ko) | 반도체 시편에서의 결함들의 기계 학습 기반 분류 | |
| KR20220014805A (ko) | 반도체 시편의 검사에 사용가능한 훈련 데이터의 생성 | |
| TW202102814A (zh) | 尺寸測量裝置、尺寸測量程式及半導體製造系統 | |
| US10296702B2 (en) | Method of performing metrology operations and system thereof | |
| CN112840205A (zh) | 基于设计及噪声的关注区域 | |
| KR20220143644A (ko) | 시편의 검사를 위한 결함 위치의 결정 | |
| JP5728351B2 (ja) | 断面形状推定方法および断面形状推定装置 | |
| TWI776430B (zh) | 圖案檢測／測量裝置及圖案檢測／測量程式 | |
| KR102561093B1 (ko) | 반도체 장치의 결함 검출을 위한 필터 추출 장치 및 방법과, 이를 이용한 결함 검출 시스템 | |
| CN113947561B (zh) | 半导体样本的图像分割 | |
| 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 | |
| CN110741466B (zh) | 基于扰乱点图的宽带等离子检验 | |
| US20230420308A1 (en) | Examination of a hole formed in a semiconductor specimen | |
| KR20230140394A (ko) | 반도체 시편의 기계 학습 기반 검사 및 그의 훈련 | |
| CN115760675A (zh) | 半导体样本中的局部形状偏差 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right |