KR20230012454A - 윤곽선 해석 장치, 가공 치수 추출 시스템, 처리 조건 결정 시스템, 반도체 장치 제조 시스템 및 데이터 구조 - Google Patents

Abstract

반도체 처리에서 발생할 수 있는 복잡한 형상에 대해서 고정밀도의 피팅을 실시한다. 형상 모델은, 서로 직교하는 x축 및 y축에 의해서 정의되는 xy 평면에 있어서, 하나 이상의 타원과 하나 이상의 선분의 조합인 도형의 둘레 상에서, 시점으로부터 종점까지 한붓그리기된 곡선이고, 형상 모델에 있어서의 특이점을 기준으로 해서 특정되는 가공 치수를 나타내고, 형상 모델 파라미터를 변수로 하는 가공 치수 함수와 가공 치수의 정의역에 의거해서 형상 모델 파라미터의 제약 조건을 도출한다.

Description

윤곽선 해석 장치, 가공 치수 추출 시스템, 처리 조건 결정 시스템, 반도체 장치 제조 시스템 및 데이터 구조

본 발명은, 윤곽선 해석 장치, 가공 치수 추출 시스템, 처리 조건 결정 시스템, 반도체 장치 제조 시스템 및 데이터 구조에 관한 것이다.

반도체 프로세스에서는, 프로세스 개발에 의해 얻어지는 적정한 처리 조건에서 반도체 처리 장치를 제어함에 의해서, 바람직한 반도체 가공을 실시할 수 있다. 최근, 반도체 디바이스에 신재료가 도입됨과 함께 디바이스 구조도 복잡화되고 있고, 반도체 처리 장치의 제어 범위가 확대되어, 많은 제어 파라미터가 추가되어 왔다. 프로세스는 멀티스텝화되어, 미세하며 복잡한 가공이 실현되게 되었다. 이와 같은 반도체 처리 장치에 의해, 고성능의 디바이스가 생산되고 있다. 이하에서는 프로세스 개발의 목적은, 반도체 시료의 목표의 가공 형상을 실현하는 반도체 처리 장치의 적정한 처리 조건을 도출하는 것으로 한다.

반도체 처리 장치의 성능을 충분히 이끌어내기 위해서는, 다수의 제어 파라미터의 최적화가 불가결하고, 그 실현에는 프로세스 개발의 노하우나 높은 장치 운용 스킬 및 처리 시험의 다수의 시행착오가 필요하다. 따라서, 프로세스 개발은 대규모의 횟수의 SEM(Scanning Electron Microscopy) 치수 계측을 필요로 한다. 예를 들면, 처리 대상으로서 라인 앤드 스페이스(Line and Space, L/S) 패턴의 샘플을 고려한 경우, 라인 패턴마다의 CD(Critical Dimension)나 깊이 등의 치수를 10개소, 계측하는 라인 패턴수를 10개로 하면, 1시료에 대해 100개의 계측이 필요해진다. 가령 100개의 시료를 처리했다고 하면, 10000회의 치수 계측이 필요해진다. 디바이스의 구조가 보다 복잡화되면, 계측 개소수가 늘어난다고 생각할 수 있기 때문에, 계측 시간의 장기화에 수반하는 프로세스 개발의 지연이 과제로 된다. 또한, 이들의 치수는 구조의 미세화에 수반해서 매년 축소되고 있어, 사람의 손에 의한 추출이 어려워질 것이라고 생각할 수 있다. SEM 화상으로부터 대상 구조의 치수를 사람의 손에 의하지 않고, 고속 또한 고정밀도로 추출하는 기술이 필요해진다. 이와 같은 기술에 관한 특허의 대표적인 것에 이하가 있다.

특허문헌 1에서는, 형상 모델을 이용해서 가상적인 가공 형상을 생성하고, SEM 시뮬레이션을 이용해서 가공 형상과 SEM 신호 파형의 데이터베이스를 작성한다. SEM에서 얻어지는 실제의 신호 파형을 데이터베이스와 대조함으로써, 신호 파형이 가까운 가공 형상을 특정하고, 관찰 중의 가공 형상으로서 추정한다. 이것에 의해, SEM 화상의 윤곽선 검출이나, 대상 구조의 치수를 추출할 수 있다.

일본국 특개2009-198339호 공보

반도체 디바이스는 미세화나 3D화가 진행되고, 또한 양자 컴퓨터 등 다양한 구조가 제안되어 있다. 사람의 손에 의한 치수 추출이 향후 더 어려워질 것이라고 생각할 수 있기 때문에, 매뉴얼 조작을 가능한 한 회피하여, 복잡 또한 다종의 형상의 치수를 자동적으로 단시간에 추출하는 것이 바람직하다. 특허문헌 1의 기술은 가공 형상의 추정에 데이터베이스 대조를 행하기 때문에, 데이터베이스에 없는 형상에 대해서는 추정하는 것이 곤란하다. 한편, 복잡 또한 다종의 형상을 인식하기 위해서 팽대한 데이터베이스를 구축하는 것도 현실적이지는 않다.

본 발명의 일 실시형태인 윤곽선 해석 장치는, 하전 입자선 장치를 이용한 계측 장치에 의해 취득된 반도체 시료의 화상 데이터로부터 검출된 대상 구조의 윤곽선 데이터를 해석하는 윤곽선 해석 장치로서, 윤곽선 데이터에 대해서 형상 모델을 피팅해서, 형상 모델의 형상 모델 파라미터를 구하는 피팅부와, 피팅부가, 윤곽선 데이터에 대해서 형상 모델을 피팅할 때의 형상 모델 파라미터의 제약 조건을 설정하는 제약 조건 설정부와, 피팅부가, 제약 조건 설정부가 설정한 제약 조건 하에서, 윤곽선 데이터에 대해서 형상 모델을 피팅해서 얻어진 형상 모델의 그럴듯한 형상 모델 파라미터값을 저장하는 형상 모델 데이터베이스를 갖고, 형상 모델은, 서로 직교하는 x축 및 y축에 의해서 정의되는 xy 평면에 있어서, 하나 이상의 타원과 하나 이상의 선분의 조합인 도형의 둘레 상에서, 시점으로부터 종점까지 한붓그리기된 곡선이고, 제약 조건 설정부는, 형상 모델에 있어서의 특이점을 기준으로 해서 특정되는 가공 치수를 나타내고, 형상 모델 파라미터를 변수로 하는 가공 치수 함수를 저장하는 함수 데이터베이스와, 가공 치수의 정의역과 가공 치수 함수에 의거해서 형상 모델 파라미터의 제약 조건을 도출하는 제약 조건 도출부를 구비한다.

하나 이상의 타원과 하나 이상의 선분의 조합에 의해 구성되는 형상 모델을 이용함으로써, 반도체 처리에서 발생할 수 있는 복잡한 형상에 대해서 고정밀도의 피팅을 실시 가능하게 한다. 그 밖의 과제와 신규한 특징은, 본 명세서의 기술 및 첨부 도면으로부터 명백해질 것이다.

도 1은, 타원과 선분을 이용한 형상 모델.
도 2a는, 마스크 부착 패턴 시료.
도 2b는, 도 2a의 시료에 대해서 에칭 처리를 행한 후의 모습을 나타내는 도면.
도 2c는, 형상 특징량의 예를 나타내는 도면.
도 3은, 실시예 1의 가공 치수 추출 시스템의 구성예.
도 4a는, 함수 데이터베이스의 데이터 구조예.
도 4b는, 형상 모델의 예.
도 5는, 형상 모델의 예.
도 6은, 실시예 1에 있어서의 가공 치수 추출 플로차트.
도 7a는, 마스크 부착 패턴 시료의 예.
도 7b는, 전처리 전의 윤곽선 데이터의 예.
도 7c는, 전처리 후의 윤곽선 데이터의 예.
도 8a는, 단순한 형상 모델에서의 피팅 결과를 나타내는 도면.
도 8b는, 복잡한 형상 모델에서의 피팅 결과를 나타내는 도면.
도 9는, 실시예 2의 가공 치수 추출 시스템의 구성예.
도 10은, 실시예 2에 있어서의 가공 치수 추출 플로차트.
도 11은, 후보 모델마다의 피팅 결과와 손실 함수의 값의 예를 나타내는 도면.
도 12는, 실시예 3의 가공 치수 추출 시스템의 구성예.
도 13은, 실시예 3에 있어서의 가공 치수 추출 플로차트.
도 14는, 수동 계측부에 의한 수동 계측을 설명하기 위한 도면.
도 15는, 가공 치수 함수마다 산출된 출력 오차의 예.
도 16은, 실시예 4의 처리 조건 결정 시스템의 구성예.
도 17은, 실시예 4에 있어서의 처리 조건 결정 플로차트.
도 18은, 윤곽선 검출 장치 및 윤곽선 해석 장치에 있어서의 설정용 GUI 화면의 예.
도 19는, 목표 가공 치수의 산출 방법 설정용 GUI 화면의 예.
도 20은, 반도체 제조 장치 시스템의 구성예.

이하, 본 발명의 실시형태를, 도면을 이용해서 설명한다. 단, 본 발명은 이하에 나타내는 실시형태의 기재 내용으로 한정해서 해석되는 것은 아니다. 본 발명의 사상 내지 취지로부터 일탈하지 않는 범위에서, 그 구체적 구성을 변경할 수 있는 것은 당업자이면 용이하게 이해된다.

도면 등에 있어서 나타내는 각 구성의 위치, 크기, 형상, 및 범위 등은, 발명의 이해를 용이하게 하기 위하여, 실제의 위치, 크기, 형상, 및 범위 등을 나타내고 있지 않은 경우가 있다. 따라서, 본 발명은, 도면 등에 개시된 위치, 크기, 형상, 및 범위 등으로 한정되지 않는다.

에칭 처리를 예로 설명한다. 통상 에칭에서는, 라디칼에 의한 등방적인 에칭과, 이온 어시스트에 의한 이방적인 에칭이 동시에 진행된다. 전자에서 주로 에칭되는 개소는 곡선적인 형상으로 되기 쉽고, 후자에서 주로 에칭되는 개소는 직선적인 형상으로 되기 쉽다. 본 실시예에서는, 직선부와 곡선부가 혼재하는 형상을 기술하기 위해, 타원과 선분의 조합에 의해 구성되는 형상 모델을 채용한다. 이 형상 모델을 대상 구조의 윤곽선에 피팅함으로써, 형상 모델의 모델 파라미터를 추정한다. 이하, 이 모델 파라미터를 형상 모델 파라미터라 부른다. 피팅에 의해 얻어진 그럴듯한 형상 모델 파라미터값을 형상 모델에 대입함으로써, 대상 구조의 윤곽선을 정밀하게 기술하는 형상 모델이 얻어진다. 이 형상 모델로부터, 윤곽선의 다양한 치수를 해석적으로 추출할 수 있다.

또한, 치수 추출의 고속화는, 기계 학습을 이용한 프로세스 개발의 고속화에 공헌한다. 기계 학습을 이용한 프로세스 개발에서는, 처리 조건을 설명 변수 X, 가공 형상에 관한 특징량(형상 특징량)을 목적 변수 Y로 하는 회귀 등의 상관 모델 Y=f(X)를 실험 데이터로부터 구하고, 목표의 형상 특징량을 주는 처리 조건을 상관 모델로부터 추정한다.

도 2a는 반도체 시료의 전형적인 예인 마스크 부착 패턴 시료이고, 도 2b에 도 2a의 시료에 대해서 에칭 처리를 행한 후의 모습을 나타낸다. 마스크(2000)보다도 피에칭막(2010)이 우선적으로 에칭됨에 의해, 마스크(2000)의 평면 형상에 따른 트렌치 구조(대상 구조)가 형성된다. 도 2b의 트렌치 구조의 형상을 기술하기 위한 형상 특징량의 전형적인 예를 도 2c에 나타낸다. 얻어지는 가공 형상이 복잡하기 때문에, 최대폭 Wx, 깊이 D, 저부의 폭 Wb, 상부의 폭 Wt, 중부의 폭 Wm, 테이퍼 각도 At, 보잉의 각도 Ab, 저부의 이심률 Ecc 등 다양한 종류의 형상 특징량을 생각할 수 있다.

(실시예 1)

도 1 및 도 3은 각각, 실시예 1에 있어서의 형상 모델 및 가공 치수 추출 시스템의 구성예를 나타내는 도면이다. 실시예 1의 치수 추출 시스템은, SEM 화상 등의, 계측 장치가 취득한 화상으로부터 형상 모델을 이용해서 유저가 소망하는 가공 치수를 추출한다. 추출하는 가공 치수는 예를 들면, 도 2c에 예시한 형상 특징량이다.

도 1에 나타내는 바와 같이, 직교하는 x축, y축이 뻗는 xy 평면 상에 그려지는 타원과 선분을 조합한 도형의 둘레 상에 시점(1000)과 종점(1010)을 마련하고, 시점(1000)과 종점(1010) 사이를 한붓그리기에 의해 이어서 얻어지는 곡선을 형상 모델(1100)로 한다. 도 1에서는 3개의 타원과 4개의 선분을 조합한 선대칭의 형상 모델을 나타내고 있지만, 타원, 선분의 수는 각각 하나 이상 있으면 몇 개여도 되고, 또한 비선대칭의 모델이어도 된다.

형상 모델을 기술하는 모델 파라미터를, 형상 모델 파라미터라 부른다. 형상 모델 파라미터에는, 도 1에 예시하는 바와 같은, 타원의 중심점(1200)의 좌표, 장축 길이(1210), 단축 길이(1220), 장축의 기울기(1230) 등의 타원의 형상 및 배치, 선분의 단점(端點)(1240, 1250)의 좌표 등 선분의 형상 및 배치에 관한 제1 파라미터나, 한붓그리기의 방법에 관한 제2 파라미터(타원의 내주를 이을지, 외주를 이을지 등)가 포함된다. 도 1에 나타낸 제1 파라미터는 예시이며, 도형을 일의적으로 정의할 수 있으면, 예시의 파라미터로 한정되지 않는다. 예를 들면, 선분이면 시점 좌표, 선분의 방향, 선분의 길이와 같은 파라미터에 의해서 정의하는 것도 가능하다. 이들 형상 모델 파라미터를 조정함으로써, 다양한 형상을 기술할 수 있다.

다음으로, 도 3을 이용해서 본 실시예의 가공 치수 추출 시스템을 설명한다.

계측 장치(3000)는 SEM 등의 계측 장치이며, 시료의 대상 구조의 정보를 화상 데이터로서 취득한다. 이하에서는, 계측 장치(3000)로서 주사 전자 현미경(Scanning Electron Microscope)을 사용하는 것으로서 설명하지만, 계측 장치(3000)는 SEM으로 한정되는 것은 아니며, 시료에 전자 등을 입사시켰을 때에 일어나는 반사, 투과, 간섭 등의 현상을 이용해서 시료의 정보를 취득하는 계측 장치를 포함한다. 구체적으로는, 투과 전자 현미경(Transmission Electron Microscope)이나, 주사 투과 전자 현미경(Scanning Transmission Electron Microscope)이어도 된다. 계측 장치(3000)에서 취득되는 화상 데이터는, 이와 같은 어느 전자 현미경에서 얻어지는 화상 데이터여도 된다.

윤곽선 검출 장치(3100)는, SEM 화상으로부터 대상 구조의 윤곽선을 검출하는 장치이며, 계측 장치(3000)로부터 입력된 SEM 화상에 대하여, 그 윤곽선 데이터를 출력한다. 윤곽선의 검출 방법으로서는, 소벨(Sobel)법, 캐니(Canny)법, 라플라시안법 등 화소값의 변화에 의거해서 검출하는 것이나, Open CV 등의 기계 학습을 이용하는 것 등이 있다.

윤곽선 해석 장치(3200)는, 윤곽선 검출 장치(3100)에서 검출된 윤곽선 데이터에 대하여 형상 모델을 피팅하고, 그럴듯한 형상 모델 파라미터값을 추출하는 장치이다. 윤곽선 해석 장치(3200)는, 하이퍼 파라미터 설정부(3210), 피팅 방법 설정부(3220), 제약 조건 설정부(3230), 전처리부(3240), 피팅부(3250), 형상 모델 데이터베이스(3260)를 갖고 있다.

하이퍼 파라미터 설정부(3210)는, 형상 모델 하이퍼 파라미터를 설정한다. 형상 모델 하이퍼 파라미터는, 형상 모델을 기술하기 위한 도형의 구성을 정의하는 파라미터이다. 구체적으로는, 형상 모델 하이퍼 파라미터는, 도형을 구성하는 타원 및 선분의 수와, 그들의 나열 순서를 규정한다. 여기에서 타원 및 선분의 나열 순서란, 형상 모델을 기술하는 도형을 시점(1000)으로부터 종점(1010)까지 도달했을 때에 지나는 타원 및 선분의 나열 순서이다. 나열 순서에 있어서는, 타원인지, 선분인지는 구별하지 않는다. 도 1의 형상 모델(1100)의 경우, 형상 모델 하이퍼 파라미터는, 타원의 수는 3개, 선분의 수는 4개이고, 나열 순서는, 시점(1000)으로부터 순서대로 선분, 선분, 타원, 타원, 타원, 선분, 선분이다.

피팅 방법 설정부(3220)는, 형상 모델을 윤곽선 데이터에 피팅하는 방법의 설정을 행한다.

제약 조건 설정부(3230)는, 피팅에 있어서의 형상 모델 파라미터에 대한 제약 조건을 설정하며, 함수 데이터베이스(3231), 제약 조건 도출부(3232), 및 가공 치수 정의역 입력부(3233)를 갖고 있다.

함수 데이터베이스(3231)의 데이터 구조예를 도 4a에 나타낸다. 함수 데이터베이스(3231)에는, 형상 모델마다 가공 치수 태그와 그것에 연관된 가공 치수 함수의 세트가 1세트 이상 저장되어 있다. 가공 치수 태그(4002)는, 예를 들면 「스페이스폭」, 「깊이」, 「테이퍼각」 등 가공 치수(형상 특징량)의 종류를 규정하는 태그이다. 가공 치수명(4003)은, 형상 모델(4001)에 있어서의 가공 치수를 특정하는 명칭이다. 가공 치수 함수(4004)는, 가공 치수명(4003)으로 특정되는 가공 치수의 값의 추정값을 출력값으로서 반환하는, 형상 모델 파라미터를 변수로 갖는 함수이다. 예를 들면, 가공 치수명 W11의 가공 치수 함수에 포함되는 변수 a∼d는 형상 모델 파라미터이다. 도 4b에 형상 모델 「트렌치 1」의 형상 모델을 나타낸다. 형상 모델 「트렌치 1」은, 도 1에 예시한 형상 모델(1100)이다. 도 4b에 나타내는 바와 같이, 형상 모델(1100)에 있어서 측벽을 형성하는 타원의 중심점(1200)의 y좌표가 a이고, 장축, 단축의 길이가 각각 b, c이고, 장축의 기울기가 d이다. 가공 치수명 W11은, 도 5에 나타내는 바와 같이, 형상 모델(1100)의 측벽을 형성하는 좌우의 타원에 있어서의 2개의 극값점(5100, 5110) 간의 유클리드 거리이며, 대응하는 가공 치수 함수를 이용해서 그 값을 추정할 수 있다. 상세에 대해서는 생략하지만, 가공 치수명 W11의 가공 치수 함수는, 형상 모델의 함수를 x에 관해서 미분하고, 기울기가 0으로 되는 극값점의 좌표를 구함으로써 해석적으로 도출 가능하다.

하나의 가공 치수 태그에 대해서, 복수 위치의 가공 치수가 연관되어 있어도 된다. 도 4a의 예에서는, 형상 모델 「트렌치 1」은, 가공 치수 태그 「스페이스폭」에 대하여, 가공 치수명 W11 외에도, 가공 치수명 W12, W13이 저장되어 있다. 가공 치수명 W12, W13의 가공 치수 함수에 있어서의 변수 e, f도 또한 형상 모델 파라미터이다. 도 4b에 나타내는 바와 같이, 선분(1270)의 하부 단점(1240)의 y좌표가 e이고, 상부 단점(1260)의 y좌표가 f이다. 도 5에 나타내는 바와 같이, 가공 치수명 W12는 형상 모델의 측벽 상부의 좌우의 선분의 단점(1240, 5240) 간의 유클리드 거리, 가공 치수명 W13은 형상 모델의 개구부의 좌우의 선분의 단점(5260, 5160) 간의 유클리드 거리이며, 대응하는 가공 치수 함수를 이용해서 그 값을 추정할 수 있다.

이와 같이, 형상 모델(1100)에 있어서의 다양한 가공 치수는 형상 모델 파라미터를 이용해서 기술할 수 있다. 또, 가공 치수 태그의 명칭은 유저가 편집 가능하고, 명칭을 붙이기 어려운 가공 치수에 대해서는 「그 외」 등으로 이름 붙여도 된다.

가공 치수 정의역 입력부(3233)로부터, 유저는, 함수 데이터베이스(3231)에 저장된 가공 치수 태그가 규정하는 가공 치수의 값의 정의역을 입력한다.

제약 조건 도출부(3232)는, 가공 치수의 값이 가공 치수 정의역 입력부(3233)에서 입력된 정의역을 초과하지 않도록 형상 모델 파라미터에 대한 제약 조건을 출력한다.

전처리부(3240)에서는, 윤곽선 검출 장치(3100)에서 검출된 윤곽선 데이터에 전처리를 실시하고, 전처리 완료된 윤곽선 데이터를 피팅부(3250)에 입력한다. 또 전처리가 불요한 경우는 윤곽선 검출 장치(3100)에서 검출된 윤곽선 데이터를 그대로 피팅부(3250)에 입력한다.

피팅부(3250)는, 입력된 윤곽선 데이터에 대하여, 제약 조건 도출부(3232)에서 도출된 제약 조건 하에서 형상 모델의 피팅을 행한다. 피팅에 의해 얻어진 형상 모델 파라미터를, 그럴듯한 형상 모델 파라미터값이라 부른다. 또한, 그럴듯한 형상 모델 파라미터값을 대입해서 얻어지는 형상 모델을, 그럴듯한 형상 모델이라 부른다. 형상 모델 하이퍼 파라미터와 그럴듯한 형상 모델 파라미터값의 세트는, 형상 모델 데이터베이스(3260)에 저장된다.

가공 치수 추출 장치(3300)는, 목표 가공 치수 설정부(3310), 가공 치수 산출 방법 설정부(3320), 가공 치수 산출부(3330)를 갖는다.

목표 가공 치수 설정부(3310)로부터, 유저는, 추출하고 싶은 원하는 가공 치수(형상 특징량)를 설정한다. 프로세스 개발에 본 실시예의 가공 치수 추출 시스템을 적용하는 경우에는, 원하는 가공 치수로서, 프로세스 개발에 있어서의 목표 가공 치수가 설정된다.

가공 치수 산출 방법 설정부(3320)에서는, 목표 가공 치수를 산출하는 방법을 설정한다.

가공 치수 산출부(3330)는, 가공 치수 산출 방법 설정부(3320)에서 설정된 산출 방법에 의해 목표 가공 치수를 산출한다.

도 3에 나타낸 가공 치수 추출 시스템에 의해서 치수를 추출하는 플로차트를 도 6에 나타낸다. 이하, 도 6을 이용해서, 치수 추출의 방법을 설명한다.

우선, 계측 장치(3000)를 이용해서 SEM 화상을 취득한다(S101).

다음으로, 윤곽선 검출 장치(3100)를 이용해서 SEM 화상으로부터 윤곽선 데이터를 취득한다(S102).

계속해서, 전처리부(3240)는 윤곽선 데이터에 대하여 전처리를 실시한다(S103). 도 7a∼c를 이용해서 전처리의 예를 설명한다. 도 7a는 전형적인 L/S 패턴의 처리 전의 시료이며, 피에칭막(7100) 상에 마스크(7000)가 형성되어 있다. 처리 전의 마스크(7000)의 피치를 P로 한다. 이 시료를 처리함으로써 얻어지는 단면 형상의 윤곽선의 일례를 도 7b에 나타낸다. 10㎚ 오더의 미세한 패턴의 처리에서는, 패턴 측벽이 과잉하게 에칭되어 패턴이 가늘어짐에 의해, 라인부가 무너져서, 패턴이 변형되어 버리는 경우가 있다. 전처리부(3240)에서는, 이와 같이 변형된 패턴의 윤곽선의 정상화를 행한다. 구체적으로는 이하의 방법에 의해 정상화가 가능하다.

전처리 전 패턴(도 7b)에 있어서의, 어느 x좌표에 있어서의 패턴의 스페이스폭을 S(x), 라인폭을 L(x)로 한다. 이와 같이 패턴이 변형되었을 때에 크게 변동하는 것은 스페이스폭 S(x)이고, 라인폭 L(x)은 거의 변동을 받지 않는다. 이 때문에, 피치 P와 라인폭 L(x)에 의거해서, 변형이 발생하기 전의 실제 스페이스폭 S'(x)를 추정할 수 있다. 그래서, 전처리부(3240)는, 도 7c에 나타나는 바와 같은, 라인폭 L(x), 스페이스폭 S'(x), 또한 x축에 관해서 대칭인 L/S 패턴의 윤곽선을 전처리 후 패턴으로서 생성한다. 여기에서, 스페이스폭 S'(x)는, P-L(x)로 한다.

다음으로, 하이퍼 파라미터 설정부(3210)에 의해 형상 모델 하이퍼 파라미터를 설정한다(S104). 예를 들면, 유저가 형상 모델 하이퍼 파라미터를 직접 입력해도 되고, 실시예 2에서 후술하는 방법을 이용해서 결정해도 된다.

다음으로, 제약 조건 설정부(3230)는, 형상 모델 파라미터에 대한 제약 조건을 설정한다(S105, S106). 이하, 도 7a에 나타내는 시료(피치 P=20㎚로 한다)의 처리를 예로서 설명한다. 형상 모델로서는, 도 5에 나타낸 3개의 타원과 4개의 선분에 의해 구성되는 형상 모델 「트렌치 1」을 사용하는 것을 생각한다. 형상 모델 「트렌치 1」에 대하여, 함수 데이터베이스(3231)에는 도 4a에 나타내는 가공 치수 태그, 가공 치수 함수가 저장되어 있다.

스텝S105에서는 우선, 가공 치수 정의역 입력부(3233)에 있어서, 함수 데이터 베이스(3231)에 저장된 가공 치수 태그의 가공 치수에 관해서 유저가 정의역을 설정한다. 여기에서는, 가공 치수 태그 「스페이스폭」의 정의역을, 0㎚ 이상 20㎚ 이하로 설정한다. 이것은, 처리 전 형상의 피치 P가 20㎚이므로, 처리 후의 스페이스폭이 이것을 초과하는 경우는 있을 수 없기 때문이다. 스텝S106에서는, 제약 조건 도출부(3232)는, 가공 치수 태그 「스페이스폭」의 가공 치수 함수의 출력값이 정의역에 들어가는 조건을 도출한다. 본 예에서는 가공 치수 태그 「스페이스폭」에 0㎚ 이상 20㎚ 이하라는 정의역을 부과했기 때문에, 가공 치수 태그 「스페이스폭」에 연관되어 있는 가공 치수명 W11, W12, W13에 대응하는 가공 치수 함수의 출력값이 모두 정의역에 들어가기 위한 조건식으로서 (식 1)이 제약 조건으로서 도출된다.

[식 1]

함수 데이터베이스(3231)에 저장되는 가공 치수 함수에 대하여 설명한다. 대상 구조의 깊이 방향을 x축 방향으로 할 때, 형상 모델의 x축 방향의 미분에 있어서의 미분 불가능점, 형상 모델의 x축 방향의 미분계수가 0인 극값점, 및 형상 모델의 x축 방향의 미분계수의 양음이 바뀌는 변곡점의 좌표를 특이점으로 한다. 예시한 바와 같이, 특이점은, 그 좌표가 형상 모델을 미분 등의 연산을 행함에 의해 해석적으로 도출 가능한 점이며, 특이점의 좌표는 형상 모델 파라미터를 이용해서 표현된다. 가공 치수는, 형상 모델 상의 특이점을 기준으로 해서 특정된다. 예를 들면, 서로 다른 2개의 특이점 간의 유클리드 거리, 서로 다른 2개의 특이점의 x좌표끼리 또는 y좌표끼리의 차, 서로 다른 2개의 특이점을 잇는 선분의 기울기, 특이점에 있어서의 형상 모델을 구성하는 타원의 곡률과 같이 가공 치수가 특정되고, 당해 가공 치수를 기술하는 가공 치수 함수가 정의된다. 예를 들면, 도 5에 나타내는 형상 모델(1100)에 있어서, 점(5160) 및 점(5170)은 각각 형상 모델이 끊기는 점, 기울기가 무한대로 되는 점이기 때문에 모두 미분 불가능점이다. 이 2개의 특이점의 y좌표끼리의 차를 나타내는 수식을 깊이 D1의 가공 치수 함수로서 정의할 수 있다.

다음으로, 피팅 방법 설정부(3220)는, 형상 모델을 윤곽선 데이터에 피팅할 때의 방법을 설정한다(S107). 예를 들면, 최소제곱법 또는 가중 최소제곱법 또는 정규화 최소제곱법을 이용해서, 라그랑주의 미정승수법, 순차 이차계획법, 배리어 함수법, 페널티 함수법 등의 반복 해법에 의한 비선형 최적화법, 또는 조합 최적화법에 의해 형상 모델 파라미터를 추정할 수 있다. 또한, 피팅의 종료 조건이나, 최적화 처리 시의 난수 혹은 초기값 생성 방법에 관한 설정도 행한다.

이상의 스텝S104∼S107에서 이루어진 설정에 의거해서, 전처리부(3240)로부터 출력된 윤곽선 데이터를 이용해서, 형상 모델의 피팅을 실시한다(S108). 그 후, 스텝S108에서 얻어진 그럴듯한 형상 모델 파라미터값과 형상 모델 하이퍼 파라미터의 세트를 형상 모델 데이터베이스(3260)에 저장한다(S109).

다음으로, 목표 가공 치수 설정부(3310)에서는, 유저가 추출하고 싶은 가공 치수(목표 가공 치수)의 종류를 설정한다(S110). 목표 가공 치수의 종류로서는, 예를 들면 도 2c에 나타낸 바와 같은 형상 특징량이 있다. 계속해서, 가공 치수 산출 방법 설정부(3320)에 의해, 목표 가공 치수의 산출 방법을 설정한다(S111). 예를 들면, 함수 데이터베이스(3231)에 저장된 가공 치수 함수 중에서 목표 가공 치수를 정밀하게 기술하는 것(이하, 그럴듯한 가공 치수 함수라 부른다)을 하나 선택하고, 그 출력값을 목표 가공 치수의 값으로서 산출하는 방법 등이 있다. 그럴듯한 가공 치수 함수를 특정하는 것은 유저여도 되고, 실시예 3에서 후술하는 방법에 의해서 특정해도 된다.

스텝S110에서 설정한 목표 가공 치수를, 스텝S111에서 설정한 산출 방법을 이용해서 산출하고(S112), 종료한다.

(실시예 2)

실시예 2의 윤곽선 해석 장치에 있어서는, 치수 형상 모델 하이퍼 파라미터의 적절한 설정을 지원하는 기능을 구비한다. 여기에서 적절한 형상 모델 하이퍼 파라미터에 대하여 설명한다. 도 8a는, 하나의 타원과 2개의 선분에 의해 구성되는 형상 모델(8100)을 이용하고 있는 윤곽선 데이터(8000)에 대해서 피팅을 실시한 결과를 나타내고 있다. 도면의 흑점은 타원과 선분이 접속되어 있는 점을 나타내고 있다. 이 경우, 형상 모델(8100)이 너무 단순하기 때문에 윤곽선 데이터(8000)를 다 기술하지 못하여, 피팅의 오차가 커져 버렸다. 이것에 대해서, 도 8b는, 같은 윤곽선 데이터(8000)에 대하여 하나의 타원과 17개의 선분에 의해 구성되는 형상 모델(8110)을 피팅시킨 결과를 나타내고 있다. 다수의 선분을 이용함으로써 형상 모델의 표현력이 향상하여, 오차 없이 피팅에 성공했다.

형상 모델을 복잡하게 함으로써 피팅의 정밀도를 향상시킬 수 있는 한편, 형상 모델을 너무 복잡하게 하면 형상 모델 파라미터의 수가 팽대해진다. 형상 모델 파라미터수의 증가는, 기계 학습 모델의 학습의 곤란화에 직결되기 때문에, 학습에 대량의 실험 데이터가 필요해진다. 따라서, 반도체 처리 장치에 의한 처리 횟수가 증가하여, 프로세스 개발 기간의 장기화가 우려된다. 이상으로부터, 피팅 정밀도를 손상시키지 않는 것과, 형상 모델 파라미터의 수가 너무 늘어나지 않는 것의 두 요구의 밸런스를 맞출 수 있는 형상 모델 하이퍼 파라미터를 설정하는 것이 바람직하다.

도 9는 실시예 2의 가공 치수 추출 시스템의 구성예를 나타내는 도면이다. 도 3에 나타낸 실시예 1의 가공 치수 추출 시스템과 같은 구성에 대해서는 같은 부호를 부여해서 중복되는 설명을 생략한다. 하이퍼 파라미터 설정부(3210)는, 후보 모델 생성부(9211), 모델 평가부(9212), 모델 특정부(9213)를 갖고 있다.

후보 모델 생성부(9211)는, 서로 다른 형상 모델 하이퍼 파라미터에 의거하는 복수의 형상 모델, 예를 들면 타원이나 선분의 수가 서로 다른 형상 모델이나, 그들의 나열 순서가 서로 다른 형상 모델 등을, 후보 모델로서 생성한다.

모델 평가부(9212)는, 후보 모델 생성부(9211)에서 생성한 복수의 후보 모델에 대해서, 피팅부(3250)에서 피팅을 실시한 결과를 평가한다. 구체적으로는, 후보 모델의 형상 모델 하이퍼 파라미터를 α로 하고, 이 후보 모델로 피팅했을 때의 피팅 오차 E(α)와, 이 후보 모델의 형상 모델 파라미터수에 관한 정규화항 R(α)의 합으로 주어지는 손실 함수 L(α)=E(α)+R(α)의 값을 산출한다. 형상 모델 파라미터수에 관한 정규화항 R(α)로서는, 예를 들면 형상 모델 파라미터수 그 자체나, 그 상수배 등이 이용된다.

손실 함수 L(α)의 값은, 피팅 오차가 크거나, 형상 모델 파라미터수가 많은 경우에 커진다. 따라서, 손실 함수 L(α)의 값이 낮은 형상 모델이 바람직한 형상 모델이라고 할 수 있다. 그래서, 모델 특정부(9213)에서는, 후보 모델 중에서, 모델 평가부(9212)에서 산출한 손실 함수 L(α)의 값이 가장 낮은 형상 모델을 특정한다. 이하, 이 특정된 형상 모델을 최량(最良) 형상 모델이라 부른다.

도 9에 나타낸 가공 치수 추출 시스템에 의해서 치수를 추출하는 플로차트를 도 10에 나타낸다. 이하, 도 10을 이용해서, 치수 추출의 방법을 설명한다. 또, 도 6과 같은 스텝에 대해서는 같은 부호를 부여해서 중복되는 설명을 생략한다.

후보 모델 생성부(9211)는, 복수의 후보 모델을 생성한다(S201). 이하에서는, 도 11에 나타내는 3개의 후보 모델(11000, 11100, 11200)이 생성된 것으로 해서 플로를 설명한다. 후보 모델(11000)은, 타원 1개, 선분 2개, 후보 모델(11100)은, 타원 3개, 선분 4개, 후보 모델(11200)은, 타원 5개, 선분 6개에 의해 구성되어 있다.

다음으로, 후보 모델 생성부(9211)가 생성한 후보 모델을 하나 선택한다(S202). 선택한 후보 모델에 대해서, 가공 치수의 정의역의 설정(S105), 형상 모델 파라미터에 대한 제약 조건의 설정(S106), 피팅 방법의 설정(S107)을 실시하고, 이상의 설정에 의거해서, 피팅부(3250)는, 전처리부(3240)로부터 출력된 윤곽선 데이터를 이용해서, 후보 모델의 피팅을 실시한다(S108). 각 처리 내용의 상세는, 각각 실시예 1에서 설명한 바와 같다.

다음으로, 모델 평가부(9212)는, 당해 후보 모델에 대하여 손실 함수의 값을 산출한다(S203). 계속해서, 후보 모델 생성부(9211)가 생성한 모든 후보 모델에 대하여 손실 함수의 값이 산출되었는지의 여부를 판정한다(S204). 아직 손실 함수의 값을 산출하지 않은 후보 모델이 있으면, 스텝S202로 되돌아간다. 모든 후보 모델에 대하여 손실 함수의 값의 산출이 끝났으면 스텝S205로 진행한다.

모델 특정부(9213)에 의해, 각 후보 모델 중에서 손실 함수의 값이 가장 낮은 형상 모델을 최량 형상 모델로서 특정한다(S205). 도 11에 윤곽선 데이터(11300)에의 각 후보 모델의 피팅 결과와 손실 함수의 값을 나타내고 있다. 후보 모델(11000)은, 형상 모델이 단순하기 때문에 형상 모델 파라미터수는 적지만, 윤곽선 데이터(11300)의 복잡한 형상을 다 기술하지 못하여 피팅 오차가 커서, 손실 함수의 값이 커졌다. 후보 모델(11200)은, 형상 모델의 표현력이 높아 윤곽선 데이터(11300)를 정밀하게 기술할 수 있었지만, 형상 모델 파라미터수가 많아, 손실 함수의 값이 커졌다. 후보 모델(11100)은, 형상 모델 파라미터가 후보 모델(11200)보다 적고, 또한 피팅 오차가 후보 모델(11000)보다 작아, 결과적으로 손실 함수의 값이 최소로 되었다. 이 경우, 후보 모델(11100)이 최량 형상 모델로서 특정된다.

이후에는, 최량 형상 모델에 의한 피팅의 결과 얻어진 그럴듯한 형상 모델 파라미터값과, 최량 형상 모델의 형상 모델 하이퍼 파라미터를 형상 모델 데이터베이스(3260)에 저장하고(S109), 목표 가공 치수 설정(S110), 목표 가공 치수의 산출 방법의 설정(S111), 목표 가공 치수의 값의 산출(S112)을 실시한다. 각 처리 내용의 상세는, 각각 실시예 1에서 설명한 바와 같다.

(실시예 3)

실시예 1에서는, 목표 가공 치수의 산출 방법의 예로서, 함수 데이터베이스(3231) 내에서 그럴듯한 가공 치수 함수를 특정하고, 이것을 이용해서 목표 가공 치수를 산출하는 방법을 들었다. 그러나, 가공 치수 함수는 일반적으로 복잡한 수식으로 표시되기 때문에, 함수 데이터베이스(3231) 내의 각 가공 치수 함수가 각각 어느 부위의 가공 치수를 기술하는 식인지를 유저가 이해하는 것은 곤란한 경우가 있다. 이 경우, 그럴듯한 가공 치수 함수의 특정을 유저 자신이 행하는 것이 어렵다. 그래서 본 실시예에서는, 그럴듯한 가공 치수 함수의 특정을 지원하는 기능을 구비한 시스템을 설명한다.

도 12는 실시예 3에 있어서의 가공 치수 추출 시스템의 구성예를 나타내는 도면이다. 도 3에 나타낸 실시예 1의 가공 치수 추출 시스템과 동일한 구성에 대해서는 같은 부호를 부여해서 중복되는 설명을 생략한다. 가공 치수 추출 장치(3300)에 있어서, 목표 가공 치수 설정부(3310)는 수동 계측부(12011)를 갖는다. 수동 계측부(12011)는, 전처리부(3240)로부터 출력된 적어도 하나의 윤곽선 데이터에 대하여, 원하는 가공 치수를 유저가 계측한다. 이 계측은, 유저가 눈으로 보고 계측 위치를 특정하고, 수동으로 실시한다.

가공 치수 산출 방법 설정부(3320)는, 함수 데이터베이스(3231) 내에서 그럴듯한 가공 치수 함수를 특정하기 위하여, 가공 치수 태그 선택부(12022)와 함수 특정부(12021)를 갖는다. 가공 치수 태그 선택부(12022)에서는, 함수 데이터베이스(3231) 내에 저장된 가공 치수 태그 중에서 적어도 하나 이상을 유저가 선택한다. 함수 특정부(12021)에서는, 가공 치수 태그 선택부(12022)에서 선택한 가공 치수 태그에 연관된 가공 치수 함수 중에서, 그럴듯한 가공 치수 함수를 탐색하여, 특정한다. 구체적인 방법으로서는, 형상 모델 데이터베이스(3260)에 저장된 그럴듯한 형상 모델 파라미터값을 각 가공 치수 함수에 대입함으로써 얻어지는 출력값과, 수동 계측부(12011)에서 계측한 목표 가공 치수의 계측값의 오차를 산출한다. 이하, 이 오차를 출력 오차라 부른다. 출력 오차가 가장 작아지는 가공 치수 함수를, 그럴듯한 가공 치수 함수로서 특정한다. 또, 수동 계측부(12011)에서 복수개의 윤곽선 데이터에 대해서 계측을 실시한 경우에는, 예를 들면 출력 오차의 평균값이 가장 작아지는 가공 치수 함수를 그럴듯한 가공 치수 함수로서 특정하면 된다.

가공 치수 산출부(3330)에서는, 함수 특정부(12021)가 특정한 그럴듯한 가공 치수 함수를 이용해서, 수동 계측부(12011)에서 목표 가공 치수가 계측되어 있지 않은 윤곽선 데이터에 대해서 목표 가공 치수를 산출한다.

도 12에 나타낸 가공 치수 추출 시스템에 의해서 치수를 추출하는 플로차트를 도 13에 나타낸다. 이하, 도 13을 이용해서, 치수 추출의 방법을 설명한다. 또, 도 6과 동일한 스텝에 대해서는 같은 부호를 부여해서 중복되는 설명을 생략한다.

수동 계측부(12011)는, 적어도 하나의 윤곽선 데이터에 대하여 유저가 추출하고 싶은 목표 가공 치수를 수동으로 계측한다(S301). 예를 들면, 목표 가공 치수가 도 14에 나타내는 윤곽선 데이터(14000)에 있어서의 보잉 부분의 스페이스폭(14100)이라고 하면, 이 치수를 유저는 수동으로 계측한다.

다음으로, 가공 치수 태그 선택부(12022)로부터, 유저는 함수 데이터베이스(3231) 내에 저장되어 있는 가공 치수 태그를 적어도 하나 이상 선택한다(S302). 예를 들면, 도 4a에 나타나는 함수 데이터베이스(3231)로부터 가공 치수 태그 「스페이스폭」을 선택한다. 이것에 의해, 가공 치수 태그 「스페이스폭」에 연관된 가공 치수명 W11, W12, W13의 가공 치수 함수가 그럴듯한 가공 치수 함수의 탐색 범위로서 설정된다.

함수 특정부(12021)는, 유저가 선택한 가공 치수 태그에 연관된 가공 치수 함수에 대해서 출력 오차를 산출하고, 가장 출력 오차가 낮은 가공 치수 함수를 그럴듯한 가공 치수 함수로서 특정한다(S303). 본 예에서는, 스텝S302에 있어서 「스페이스폭」을 선택했기 때문에, 「스페이스폭」의 가공 치수 태그에 연관된 가공 치수명 W11, W12, W13에 대하여 출력 오차를 산출한다. 도 15에 출력 오차의 예를 나타낸다. 이 경우, 가공 치수명 W11의 가공 치수 함수의 출력 오차가 가장 낮다. 따라서, 가공 치수명 W11의 가공 치수 함수가, 스텝S301에서 수동 계측한 스페이스폭(14100)을 가장 정밀하게 기술하고 있다고 판단할 수 있다. 그래서, 함수 특정부(12021)는, 출력 오차가 가장 낮은 가공 치수명 W11의 가공 치수 함수를 그럴듯한 가공 치수 함수로서 특정한다.

마지막으로, 가공 치수 산출부(3330)는, 수동 계측부(12011)에서 계측이 실시되어 있지 않은 윤곽선 데이터에 대해서, 그럴듯한 가공 치수 함수를 이용해서 목표 가공 치수를 산출한다(S304).

(실시예 4)

종래, 기계 학습을 이용한 프로세스 개발에 있어서, 반도체 시료의 형상 특징량으로서 무엇을 이용하면 좋은지에 대하여, 정량적인 지침은 없으며, 유저의 판단에 맡겨지고 있었다. 이 때문에, 가공 형상을 기술하는 중요한 특징량이 결락되거나, 혹은 용장한 특징량을 목적 변수로 채용해 버릴 우려가 있다.

전자의 경우에는, 상관 모델의 표현력이 약해지기 때문에, 목표의 가공 형상을 실현하는 처리 조건을 예측하는 것이 곤란해져서, 프로세스 개발 기간의 장기화로 이어질 우려가 있다. 후자의 경우에는, 변수의 증가에 수반하여 상관 모델의 학습 난도가 높아져, 기계 학습에 많은 실험 데이터가 필요해지기 때문에, 반도체 처리 장치에 의한 처리 횟수가 증가하여, 프로세스 개발 기간의 장기화로 이어질 우려가 있다.

실시예 4에 있어서는, 형상 모델 파라미터를, 대상 구조의 가공 형상을 기술하는 형상 특징량으로서 이용한다. 이것에 의해, 중요한 특징량의 결락이나 용장한 특징량의 채용을 회피할 수 있어, 프로세스 개발의 고속화로 이어진다.

도 16은 실시예 4에 있어서의 처리 조건 결정 시스템의 구성예를 나타내는 도면이다. 도 3에 나타낸 실시예 1의 가공 치수 추출 시스템과 동일한 구성에 대해서는 같은 부호를 부여해서 중복되는 설명을 생략한다. 처리 조건 결정 장치(16000)는, 처리 조건 데이터베이스(16010), 학습부(16020), 목표 파라미터값 설정부(16030), 처리 조건 추정부(16040)를 갖고 있으며, 형상 모델 데이터베이스(3260)에 저장된 그럴듯한 형상 모델 파라미터값과 처리 조건 데이터베이스(16010)에 저장된 처리 조건에 의거해서, 반도체 처리 장치(16100)의 적정한 처리 조건을 결정한다.

처리 조건 데이터베이스(16010)는, 기득(旣得)의 처리 조건이나 처리 조건 추정부(16040)에 의해서 추정된 처리 조건이 저장되는 데이터베이스이다. 학습부(16020)에서는, 형상 모델 데이터베이스(3260)의 그럴듯한 형상 모델 파라미터값과 처리 조건 데이터베이스(16010)의 처리 조건의 상관 모델을 학습한다. 목표 파라미터값 설정부(16030)에서는, 유저가 원하는 형상 모델 파라미터값(목표값)이 설정된다. 처리 조건 추정부(16040)에서는, 목표 파라미터값 설정부(16030)에서 설정된 형상 모델 파라미터값을 주는 처리 조건을, 학습부(16020)에서 얻어진 상관 모델을 이용해서 추정한다.

반도체 처리 장치(16100)는, 반도체 시료에 대한 처리를 행하는 장치이며, 처리 조건 결정 장치(16000)에 의해서 결정된 처리 조건을 이용해서, 시료의 처리를 행한다. 반도체 처리 장치(16100)에는, 반도체 제조 장치인 리소그래피 장치, 제막 장치, 패턴 가공 장치, 이온 주입 장치, 가열 장치 및 세정 장치 등이 포함된다. 리소그래피 장치로서는, 노광 장치, 전자선 묘화 장치 및 X선 묘화 장치 등이 있다. 제막 장치로서는, CVD, PVD, 증착 장치, 스퍼터링 장치 및 열산화 장치가 있다. 패턴 가공 장치로서는, 웨트 에칭 장치, 드라이 에칭 장치, 전자빔 가공 장치 및 레이저 가공 장치 등이 있다. 이온 주입 장치로서는, 플라스마 도핑 장치 및 이온빔 도핑 장치 등이 있다. 가열 장치로서는, 저항 가열 장치, 램프 가열 장치 및 레이저 가열 장치 등이 있다.

도 16에 나타낸 처리 조건 결정 시스템에 의해서 반도체 처리 장치의 처리 조건을 결정하는 플로차트를 도 17에 나타낸다. 이하, 도 17을 이용해서, 처리 조건의 결정 방법을 설명한다. 또, 도 6과 같은 스텝에 대해서는 같은 부호를 부여해서 중복되는 설명을 생략한다.

그럴듯한 형상 모델 파라미터값을 형상 모델 데이터베이스(3260)에 저장한(S109) 후, 목표 파라미터값 설정부(16030)에 의해, 유저는, 반도체 시료의 처리 결과로서 실현하고 싶은 목표의 형상 모델 파라미터값을 설정한다(S401).

다음으로, 스텝S108에서 추정된 그럴듯한 형상 모델 파라미터값이, 목표 파라미터값 설정부(16030)에서 설정된 형상 모델 파라미터값(목표값)에 가까운지의 여부를 판정한다(S402). 여기에서 값의 가까움을 평가하는 거리는, 유클리드 거리, 맨하탄 거리, 체비셰프 거리, 마하라노비스 거리의 어느 하나를 이용해서 산출된다. 이 산출값이, 유저가 정하는 기준값보다 작은지 큰지를 가지고, 가까운지의 여부를 판정한다. 스텝S402에 있어서, 스텝S108에서 추정된 그럴듯한 형상 모델 파라미터값이, 목표 파라미터값 설정부(16030)에서 설정된 형상 모델 파라미터값(목표값)에 가깝다고 판단된 경우는, 종료한다.

이것에 대해서, 가깝지 않다고 판단된 경우에는, 학습부(16020)에 있어서, 처리 조건 데이터베이스(16010)에 저장된 처리 조건과 형상 모델 데이터베이스(3260)에 저장된 그럴듯한 형상 모델 파라미터값의 상관 모델이 학습된다(S403). 여기에서, 상관 모델은 회귀나 분류의 모델을 나타내고 있고, 커널법을 이용한 모델, 뉴럴 네트워크를 이용한 모델, 결정목을 이용한 모델 등이 사용된다.

다음으로, 처리 조건 추정부(16040)는, 목표 파라미터값 설정부(16030)에서 설정된 형상 모델 파라미터값(목표값)을 주는 처리 조건을, 학습부(16020)에서 취득한 상관 모델을 이용해서 추정한다(S404). 추정된 처리 조건은 처리 조건 데이터베이스(16010)에 추가되어, 데이터베이스가 갱신된다(S405). 추정된 처리 조건을 이용해서, 반도체 처리 장치(16100)에서 새로운 시료에 대한 처리가 행해진다(S406). 처리 후의 시료를 반도체 처리 장치(16100)로부터 취출하고, 스텝S101의 절차로 이행한다. 이상의 일련의 절차를, 종료될 때까지 반복한다.

이상 설명한, 실시예 1∼4에 사용하는 GUI를 도 18에 나타낸다. 도 18의 GUI 화면(18000)은, 윤곽선 검출 장치(3100) 및 윤곽선 해석 장치(3200)에서의 설정을 입력하는 입력 화면이다. GUI 화면(18000)은, 각 실시예에 있어서의 스텝S101 후에 표시되는 것으로 한다.

GUI 화면(18000)은, 윤곽선 검출 설정 박스(18100), 형상 모델 하이퍼 파라미터 설정 박스(18200), 피팅 방법 설정 박스(18300), 정의역 설정 박스(18400), 결정 버튼(18500)을 구비한다.

윤곽선 검출 설정 박스(18100)에는, 검출 방법 입력부(18110)가 마련되어 있다. 예를 들면, 검출 방법 입력부(18110)에서는 윤곽선의 검출 방법으로서, 소벨(Sobel)법, 캐니(Canny)법, 라플라시안법 등 화소값의 변화에 의거해서 검출하는 것이나, Open CV 등의 기계 학습을 이용한 것을 선택할 수 있다.

형상 모델 하이퍼 파라미터 설정 박스(18200)에는, 하이퍼 파라미터 입력부(18210)가 마련되어 있다. 하이퍼 파라미터 입력부(18210)로부터 형상 모델 하이퍼 파라미터가 입력 가능하고, 형상 모델을 구성하는 타원 및 선분의 수나, 그들의 나열 방법을 입력할 수 있다.

피팅 방법 설정 박스(18300)에는, 피팅 방법 입력부(18310)가 마련되어 있다. 예를 들면, 최소제곱법(Least Squared법)을 이용해서 리븐버그 마크워트법(Levenberg-Marquardt법)에 의해 형상 모델 파라미터를 최적화하는 방법, 최소제곱법을 이용해서 시뮬레이티드 어닐링법에 의해 형상 모델 파라미터를 최적화하는 방법, 혹은 가중 최소제곱법(Weighted Least Squared법)을 이용해서 리븐버그 마크워트법에 의해 형상 모델 파라미터를 최적화하는 방법 등이 선택된다. 또, 도 18 중에서는, 이들 방법을 각각 LS-LM법, LS-시뮬레이티드 어닐링법, WSL-LM법으로 약기하고 있다.

정의역 설정 박스(18400)에는, 정의역 입력부(18410)가 마련되어 있다. 정의역 입력부(18410)에는, 가공 치수의 정의역을 입력 가능하고, 여기에 입력된 정의역에 의거해서, 제약 조건 도출부(3232)는 형상 모델 파라미터에 대한 제약 조건을 도출한다.

이상의 입력이 행해진 후, 유저가 결정 버튼(18500)을 누름으로써, 스텝S102의 절차를 개시한다.

실시예 3에 있어서의, 목표 가공 치수의 산출 방법을 설정하는 GUI를 도 19에 나타낸다. GUI 화면(19000)은 스텝S301 전에 표시되는 것으로 하고(도 13 참조), 수동 계측 박스(19100), 가공 치수 태그 선택 박스(19200), 결정 버튼(19300)을 구비한다.

수동 계측 박스(19100)에는, 윤곽선 데이터 파일 Open 버튼(19110), 수동 계측 화면(19120), 수동 계측 결과 표시 박스(19130)가 마련되어 있다. 윤곽선 데이터 파일 Open 버튼(19110)을 누르면, 전처리부(3240)로부터 출력된 윤곽선 데이터 중에서 수동 계측하고 싶은 윤곽선 데이터를 선택할 수 있다. 선택한 윤곽선 데이터는 수동 계측 화면(19120)에 표시되고, 드래그 앤드 드롭 등에 의해 목표 가공 치수를 유저가 눈으로 보고 계측할 수 있다. 계측 결과는 수동 계측 결과 표시 박스(19130)에 표시된다.

가공 치수 태그 선택 박스(19200)에는, 함수 데이터베이스(3231)에 저장된 가공 치수 태그의 일람이 표시되고, 유저가 적어도 하나 이상을 선택한다.

수동 계측 박스(19100)에서의 수동 계측, 가공 치수 태그 선택 박스(19200)에서의 가공 치수 태그의 선택을 실시 후, 결정 버튼(19300)을 누름으로써 스텝S301로 진행한다.

또, 이상의 실시예 1∼4로서 설명한 기능을 조합하는 것도 가능하며, 예를 들면, 실시예 2에서 설명한 치수 형상 모델 하이퍼 파라미터의 적절한 설정을 지원하는 기능을 실시예 4의 처리 조건 결정 시스템에 적용하는 것도 가능하다.

실시예 1∼4로서 설명한 기능인, 윤곽선의 검출이나 해석, 가공 치수의 추출, 처리 조건의 결정을 플랫폼에 있어서의 어플리케이션으로서 실장하는 반도체 장치 제조 시스템에 대하여 설명한다. 도 20에 반도체 장치 제조 시스템을 나타낸다. 플랫폼(20000)은 클라우드 상에 구축되어 있고, OS(20020), 미들웨어(20030) 상에서 처리를 실행하는 어플리케이션이 가동한다. 플랫폼(20000)에 있어서, 윤곽선 검출 장치(3100)에 상당하는 처리를 실행하는 윤곽선 검출 어플리케이션(20040), 윤곽선 해석 장치(3200)에 상당하는 처리를 실행하는 윤곽선 해석 어플리케이션(20050), 가공 치수 추출 장치(3300)에 상당하는 처리를 실행하는 가공 치수 추출 어플리케이션(20060), 처리 조건 결정 장치(16000)에 상당하는 처리를 실행하는 처리 조건 결정 어플리케이션(20070)이 구비되어 있다. 유저는 단말(20100)로부터 네트워크를 통해서 플랫폼에 액세스해서, 플랫폼(20000)에 구축된 어플리케이션의 기능을 이용할 수 있다. 플랫폼(20000)은 데이터베이스(20010)를 구비하며, 어플리케이션의 실행에 필요한 데이터가 저장된다. 또한 계측 장치(3000), 반도체 처리 장치(16100)도 플랫폼(20000)과 네트워크에 의해 데이터의 주고받기가 가능하게 접속되어 있다.

1000 : 시점 1010 : 종점
1100 : 형상 모델 1200 : 중심점
1210 : 장축 길이 1220 : 단축 길이
1230 : 장축의 기울기 1240, 1250, 1260 : 단점
1270 : 선분 2000 : 마스크
2010 : 피에칭막 3000 : 계측 장치
3100 : 윤곽선 검출 장치 3200 : 윤곽선 해석 장치
3210 : 하이퍼 파라미터 설정부 3220 : 피팅 방법 설정부
3230 : 제약 조건 설정부 3231 : 함수 데이터베이스
3232 : 제약 조건 도출부
3233 : 가공 치수 정의역 입력부 3240 : 전처리부
3250 : 피팅부 3260 : 형상 모델 데이터베이스
3300 : 가공 치수 추출 장치 3310 : 목표 가공 치수 설정부
3320 : 가공 치수 산출 방법 설정부 3330 : 가공 치수 산출부
4001 : 형상 모델 4002 : 가공 치수 태그
4003 : 가공 치수명 4004 : 가공 치수 함수
5100, 5110 : 극값점 5160, 5240, 5260 : 단점
5170 : 점 7000 : 마스크
7100 : 피에칭막 8000 : 윤곽선 데이터
8100, 8110 : 형상 모델 9211 : 후보 모델 생성부
9212 : 모델 평가부 9213 : 모델 특정부
11000, 11100, 11200 : 후보 모델 11300 : 윤곽선 데이터
12011 : 수동 계측부 12021 : 함수 특정부
12022 : 가공 치수 태그 선택부 14000 : 윤곽선 데이터
14100 : 스페이스폭 16000 : 처리 조건 결정 장치
16010 : 처리 조건 데이터베이스 16020 : 학습부
16030 : 목표 파라미터값 설정부 16040 : 처리 조건 추정부
16100 : 반도체 처리 장치 18000 : GUI 화면
18100 : 윤곽선 검출 설정 박스 18110 : 검출 방법 입력부
18200 : 형상 모델 하이퍼 파라미터 설정 박 스
18210 : 하이퍼 파라미터 입력부 18300 : 피팅 방법 설정 박스
18310 : 피팅 방법 입력부 18400 : 정의역 설정 박스
18410 : 정의역 입력부 18500 : 결정 버튼
19000 : GUI 화면 19100 : 수동 계측 박스
19110 : 윤곽선 데이터 파일 Open 버튼 19120 : 수동 계측 화면
19130 : 수동 계측 결과 표시 박스
19200 : 가공 치수 태그 선택 박스 19300 : 결정 버튼
20000 : 플랫폼 20010 : 데이터베이스
20020 : OS 20030 : 미들웨어
20040 : 윤곽선 검출 어플리케이션
20050 : 윤곽선 해석 어플리케이션
20060 : 가공 치수 추출 어플리케이션
20070 : 처리 조건 결정 어플리케이션
20100 : 단말

Claims (15)

1. 하전 입자선 장치를 이용한 계측 장치에 의해 취득된 반도체 시료의 화상 데이터로부터 검출된 대상 구조의 윤곽선 데이터를 해석하는 윤곽선 해석 장치로서,
   상기 윤곽선 데이터에 대해서 형상 모델을 피팅해서, 상기 형상 모델의 형상 모델 파라미터를 구하는 피팅부와,
   상기 피팅부가, 상기 윤곽선 데이터에 대해서 상기 형상 모델을 피팅할 때의 상기 형상 모델 파라미터의 제약 조건을 설정하는 제약 조건 설정부와,
   상기 피팅부가, 상기 제약 조건 설정부가 설정한 제약 조건 하에서, 상기 윤곽선 데이터에 대해서 상기 형상 모델을 피팅해서 얻어진 상기 형상 모델의 그럴듯한 형상 모델 파라미터값을 저장하는 형상 모델 데이터베이스를 갖고,
   상기 형상 모델은, 서로 직교하는 x축 및 y축에 의해서 정의되는 xy 평면에 있어서, 하나 이상의 타원과 하나 이상의 선분의 조합인 도형의 둘레 상에서, 시점으로부터 종점까지 한붓그리기된 곡선이고,
   상기 제약 조건 설정부는, 상기 형상 모델에 있어서의 특이점을 기준으로 해서 특정되는 가공 치수를 나타내고, 상기 형상 모델 파라미터를 변수로 하는 가공 치수 함수를 저장하는 함수 데이터베이스와, 상기 가공 치수의 정의역과 상기 가공 치수 함수에 의거해서 상기 형상 모델 파라미터의 제약 조건을 도출하는 제약 조건 도출부를 구비하는 윤곽선 해석 장치.
2. 제1항에 있어서,
   상기 형상 모델 파라미터는, 상기 도형을 구성하는 타원 및 선분의 형상 및 배치에 관한 파라미터와, 상기 한붓그리기의 방법에 관한 파라미터를 포함하는 것을 특징으로 하는 윤곽선 해석 장치.
3. 제2항에 있어서,
   상기 대상 구조의 깊이 방향을 x축 방향으로 할 때,
   상기 특이점의 좌표는, 상기 형상 모델로부터 해석적으로 도출 가능하고,
   상기 특이점으로서, 상기 형상 모델의 x축 방향의 미분에 있어서의 미분 불가능점, 상기 형상 모델의 x축 방향의 미분계수가 0인 극값점, 및 상기 형상 모델의 x축 방향의 미분계수의 양음이 바뀌는 변곡점을 포함하는 윤곽선 해석 장치.
4. 제1항에 있어서,
   상기 형상 모델 데이터베이스는, 상기 형상 모델의 상기 그럴듯한 형상 모델 파라미터값과 형상 모델 하이퍼 파라미터를 저장하고,
   상기 형상 모델 하이퍼 파라미터는, 상기 도형을 구성하는 타원 및 선분의 각각의 수와, 상기 시점으로부터 상기 종점에 이를 때까지의 나열 순서를 포함하는 윤곽선 해석 장치.
5. 제4항에 있어서,
   상기 형상 모델의 상기 형상 모델 하이퍼 파라미터를 설정하는 하이퍼 파라미터 설정부를 갖고,
   상기 하이퍼 파라미터 설정부는, 상기 형상 모델 하이퍼 파라미터가 서로 다른 복수의 상기 형상 모델을 후보 모델로서 생성하는 후보 모델 생성부와, 상기 피팅부가 상기 윤곽선 데이터에 대해서 복수의 상기 후보 모델을 피팅한 결과를 이용해서 복수의 상기 후보 모델을 평가하는 모델 평가부를 구비하고,
   상기 형상 모델 데이터베이스에는, 상기 모델 평가부가 최량(最良) 형상 모델로서 평가한 상기 후보 모델을 상기 윤곽선 데이터에 대해서 피팅해서 얻어진 형상 모델 파라미터값이 상기 그럴듯한 형상 모델 파라미터값으로서 저장되고,
   상기 모델 평가부는, 상기 후보 모델의 피팅 오차와 상기 후보 모델의 형상 모델 파라미터의 수에 의거해서, 상기 후보 모델을 평가하는 윤곽선 해석 장치.
6. 제1항에 있어서,
   상기 피팅부가 상기 윤곽선 데이터에 대해서 상기 형상 모델을 피팅하기에 앞서, 상기 윤곽선 데이터의 전(前)처리를 행하는 전처리부를 갖는 윤곽선 해석 장치.
7. 제1항에 있어서,
   상기 함수 데이터베이스는, 상기 형상 모델마다, 상기 가공 치수의 종류를 규정하는 가공 치수 태그에 연관된 하나 이상의 상기 가공 치수 함수를 저장하는 윤곽선 해석 장치.
8. 제1항에 기재된 윤곽선 해석 장치와 가공 치수 추출 장치를 갖고, 상기 대상 구조의 원하는 가공 치수를 추출하는 가공 치수 추출 시스템으로서,
   상기 가공 치수 추출 장치는,
   상기 함수 데이터베이스에 저장된 상기 가공 치수 함수 중에서, 상기 대상 구조의 상기 원하는 가공 치수를 기술하는 가공 치수 함수를 그럴듯한 가공 치수 함수로서 선택하는 가공 치수 산출 방법 설정부와,
   상기 그럴듯한 가공 치수 함수에, 상기 형상 모델 데이터베이스에 저장된 상기 그럴듯한 형상 모델 파라미터값을 대입함에 의해, 상기 대상 구조의 상기 원하는 가공 치수를 산출하는 가공 치수 산출부를 갖는
   것을 특징으로 하는 가공 치수 추출 시스템.
9. 제8항에 있어서,
   상기 함수 데이터베이스에는, 상기 대상 구조의 상기 원하는 가공 치수를 기술하는 후보로 되는 복수의 상기 가공 치수 함수가 저장되어 있고,
   상기 가공 치수 산출부는, 복수의 상기 화상 데이터의 각각으로부터 상기 대상 구조의 상기 원하는 가공 치수를 추출하는데 있어서, 상기 복수의 화상 데이터의 적어도 1매로부터 검출된 상기 대상 구조의 상기 윤곽선 데이터로부터 상기 원하는 가공 치수를 계측하고, 상기 원하는 가공 치수의 계측값과 상기 후보로 되는 복수의 상기 가공 치수 함수에 상기 형상 모델 데이터베이스에 저장된 상기 그럴듯한 형상 모델 파라미터값을 대입함에 의해 산출한 값과의 사이의 출력 오차를 구하고, 상기 출력 오차가 가장 작은 가공 치수 함수를 상기 그럴듯한 가공 치수 함수로서 특정하는 함수 특정부를 구비하는
   것을 특징으로 하는 가공 치수 추출 시스템.
10. 제9항에 있어서,
    상기 함수 데이터베이스는, 상기 형상 모델마다, 상기 가공 치수의 종류를 규정하는 가공 치수 태그에 연관된 하나 이상의 상기 가공 치수 함수를 저장하고,
    상기 가공 치수 산출부는, 소정의 상기 가공 치수 태그에 연관된 하나 이상의 상기 가공 치수 함수를, 상기 후보로 되는 복수의 상기 가공 치수 함수로 하는
    것을 특징으로 하는 가공 치수 추출 시스템.
11. 제1항에 기재된 윤곽선 해석 장치와 반도체 처리 장치의 처리 조건을 결정하는 처리 조건 결정 장치를 갖는 처리 조건 결정 시스템으로서,
    상기 반도체 시료는, 상기 반도체 처리 장치에 의해서 처리된 반도체 시료이고,
    상기 처리 조건 결정 장치는,
    상기 반도체 처리 장치의 처리 조건과, 당해 처리 조건에서 상기 반도체 처리 장치에 의해서 처리된 상기 반도체 시료의 화상 데이터로부터 검출된 대상 구조의 윤곽선 데이터의 그럴듯한 형상 모델 파라미터값과의 상관 모델을 학습하는 학습부와,
    상기 형상 모델 파라미터의 목표값을 설정하는 목표 파라미터값 설정부와,
    상기 상관 모델을 이용해서, 상기 목표 파라미터값 설정부에서 설정된 상기 형상 모델 파라미터의 목표값을 주는 상기 반도체 처리 장치의 처리 조건을 추정하는 처리 조건 추정부를 갖는
    것을 특징으로 하는 처리 조건 결정 시스템.
12. 네트워크를 통해서 단말, 반도체 처리 장치 및 상기 반도체 처리 장치가 처리한 반도체 시료의 화상 데이터를 취득하는 계측 장치에 접속되고, 상기 반도체 시료에 원하는 대상 구조를 형성하는 상기 반도체 처리 장치의 처리 조건을 탐색하기 위한 어플리케이션이 실장되는 플랫폼을 구비하는 반도체 장치 제조 시스템에 있어서,
    상기 플랫폼에는, 윤곽선 검출 어플리케이션과 윤곽선 해석 어플리케이션이 실장되고,
    상기 윤곽선 검출 어플리케이션은, 상기 화상 데이터로부터 상기 대상 구조의 윤곽선 데이터를 검출하고,
    상기 윤곽선 해석 어플리케이션은,
    상기 윤곽선 데이터에 대해서 형상 모델을 피팅할 때의 제약 조건을 설정하는 스텝과,
    상기 제약 조건 하에서 상기 윤곽선 데이터에 대해서 형상 모델을 피팅해서 얻어진 상기 형상 모델의 형상 모델 파라미터를 그럴듯한 형상 모델 파라미터로서 형상 모델 데이터베이스에 저장하는 스텝을 실행하고,
    상기 형상 모델은, 서로 직교하는 x축 및 y축에 의해서 정의되는 xy 평면에 있어서, 하나 이상의 타원과 하나 이상의 선분의 조합인 도형의 둘레 상에서, 시점으로부터 종점까지 한붓그리기된 곡선이고,
    상기 제약 조건은, 함수 데이터베이스에 저장되어 있는, 상기 형상 모델에 있어서의 특이점을 기준으로 해서 특정되는 가공 치수를 나타내고, 상기 형상 모델 파라미터를 변수로 하는 가공 치수 함수와, 상기 가공 치수의 정의역에 의거해서 도출되는
    것을 특징으로 하는 반도체 장치 제조 시스템.
13. 제12항에 있어서,
    상기 플랫폼에는, 상기 대상 구조의 원하는 가공 치수를 추출하는 가공 치수 추출 어플리케이션이 실장되고,
    상기 가공 치수 추출 어플리케이션은,
    상기 함수 데이터베이스에 저장된 상기 가공 치수 함수 중에서, 상기 대상 구조의 상기 원하는 가공 치수를 기술하는 가공 치수 함수를 그럴듯한 가공 치수 함수로서 선택하는 스텝과,
    상기 그럴듯한 가공 치수 함수에, 상기 형상 모델 데이터베이스에 저장된 상기 그럴듯한 형상 모델 파라미터를 대입함에 의해, 상기 대상 구조의 상기 원하는 가공 치수를 산출하는 스텝을 실행하는
    것을 특징으로 하는 반도체 장치 제조 시스템.
14. 제12항에 있어서,
    상기 플랫폼에는, 상기 반도체 처리 장치의 처리 조건을 결정하는 처리 조건 결정 어플리케이션이 실장되고,
    상기 처리 조건 결정 어플리케이션은,
    상기 반도체 처리 장치의 처리 조건과, 당해 처리 조건에서 상기 반도체 처리 장치에 의해서 처리된 상기 반도체 시료의 화상 데이터로부터 검출된 대상 구조의 윤곽선 데이터의 그럴듯한 형상 모델 파라미터값과의 상관 모델을 학습하는 스텝과,
    상기 형상 모델 파라미터의 목표값을 설정하는 스텝과,
    상기 상관 모델을 이용해서, 상기 형상 모델 파라미터의 목표값을 주는 상기 반도체 처리 장치의 처리 조건을 추정하는 스텝을 실행하는
    것을 특징으로 하는 반도체 장치 제조 시스템.
15. 반도체 시료가 갖는 대상 구조의 윤곽선을, 서로 직교하는 x축 및 y축에 의해서 정의되는 xy 평면에 있어서, 하나 이상의 타원과 하나 이상의 선분의 조합인 도형의 둘레 상에서, 시점으로부터 종점까지 한붓그리기된 곡선인 형상 모델로서 기술하기 위한 데이터 구조로서,
    상기 도형을 구성하는 타원 및 선분의 형상 및 배치에 관한 제1 파라미터와,
    상기 한붓그리기의 방법에 관한 제2 파라미터를 포함하고,
    상기 데이터 구조는, 화상 데이터로부터 검출된 상기 대상 구조의 윤곽선 데이터에 대해서 피팅하는 처리에 이용되는 것을 특징으로 하는 데이터 구조.

Images