TW202316473A - 用於自光譜資料判定樣品組成之方法及系統 - Google Patents
用於自光譜資料判定樣品組成之方法及系統 Download PDFInfo
- Publication number
- TW202316473A TW202316473A TW111124476A TW111124476A TW202316473A TW 202316473 A TW202316473 A TW 202316473A TW 111124476 A TW111124476 A TW 111124476A TW 111124476 A TW111124476 A TW 111124476A TW 202316473 A TW202316473 A TW 202316473A
- Authority
- TW
- Taiwan
- Prior art keywords
- sample
- chemical elements
- spectra
- charged particle
- neural network
- Prior art date
Links
Images
Classifications
-
- 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
- G01N23/2206—Combination of two or more measurements, at least one measurement being that of secondary emission, e.g. combination of secondary electron [SE] measurement and back-scattered electron [BSE] measurement
-
- 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
- G01N23/2251—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 using incident electron beams, e.g. scanning electron microscopy [SEM]
- G01N23/2252—Measuring emitted X-rays, e.g. electron probe microanalysis [EPMA]
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/252—Tubes for spot-analysing by electron or ion beams; Microanalysers
-
- 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
- G01N23/02—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 transmitting the radiation through the material
- G01N23/04—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 transmitting the radiation through the material and forming images of the material
-
- 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
- G01N23/02—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 transmitting the radiation through the material
- G01N23/06—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 transmitting the radiation through the material and measuring the absorption
- G01N23/083—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 transmitting the radiation through the material and measuring the absorption the radiation being X-rays
-
- 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
- G01N23/20—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 using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
- G01N23/20083—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 using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials by using a combination of at least two measurements at least one being a transmission measurement and one a scatter measurement
-
- 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
- G01N23/20—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 using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
- G01N23/203—Measuring back scattering
-
- 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
- G01N23/227—Measuring photoelectric effect, e.g. photoelectron emission microscopy [PEEM]
- G01N23/2273—Measuring photoelectron spectrum, e.g. electron spectroscopy for chemical analysis [ESCA] or X-ray photoelectron spectroscopy [XPS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/22—Optical or photographic arrangements associated with the tube
- H01J37/222—Image processing arrangements associated with the tube
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
-
- 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
- G01N2223/07—Investigating materials by wave or particle radiation secondary emission
- G01N2223/072—Investigating materials by wave or particle radiation secondary emission combination of measurements, 2 kinds of secondary emission
-
- 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
- G01N2223/30—Accessories, mechanical or electrical features
- G01N2223/303—Accessories, mechanical or electrical features calibrating, standardising
-
- 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
- G01N2223/402—Imaging mapping distribution of elements
-
- 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
- G01N2223/418—Imaging electron microscope
-
- 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
- G01N2223/426—Imaging image comparing, unknown with known substance
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2803—Scanning microscopes characterised by the imaging method
- H01J2237/2807—X-rays
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Toxicology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
揭示用於自一帶電粒子顯微鏡系統所獲取之光譜資料判定樣品組成之方法及系統。藉由用一經訓練神經網路(NN)處理該光譜資料來識別一樣品中之化學元素。若所識別之化學元素與該樣品之一已知元素組成不匹配,則用該光譜資料及該樣品之該已知元素組成重新訓練該經訓練NN。接著可使用經重新訓練的NN來識別其他樣品內之化學元素。
Description
本說明書大體上係關於用於自光譜資料判定樣品組成之方法及系統,且更特定言之,用於基於回應於用帶電粒子束照射樣品而獲取之光譜資料來判定樣品組成之方法及系統。
帶電粒子顯微術為用於使微觀物體成像之熟知且愈來愈重要的技術。回應於帶電粒子照射而來自樣品之多種類型的發射可提供樣品之結構及組成資訊。舉例而言,基於回應於電子束照射之X射線發射的能量光譜,能量色散X射線光譜學(EDS或EDX)可用於元素分析或化學特徵化。
一種用於判定樣品中之化學元素的方法為將每一所偵測能量光譜與化學元素之已知光譜進行比較。舉例而言,可藉由將所偵測光譜中之峰位置與每一化學元素之已知峰位置進行比較來識別化學元素。然而,申請人認識到,所識別的化學元素可包括大量假陽性及/或假陰性,尤其在所偵測光譜為稀疏的或具有干擾峰時。
在一個實施例中,一種方法包含:用帶電粒子束照射第一樣品;偵測來自第一樣品之第一類型發射並自所偵測第一類型發射形成一或多個第一光譜;藉由用經訓練神經網路處理第一光譜來識別第一樣品內之一或多種第一化學元素;偵測來自第一樣品之第二類型發射並顯示基於所偵測第二類型發射產生的樣品影像;選擇樣品影像中之一或多個像素;顯示對應於所選擇之像素的一或多種化學元素;回應於所顯示的不同於已知元素組成之化學元素,用對應於所選擇之像素的光譜及已知元素組成重新訓練經訓練神經網路;用帶電粒子束照射第二樣品之一或多個位置;藉由偵測來自第二樣品之第一類型發射來獲取一或多個第二光譜;及藉由用經重新訓練神經網路處理第二光譜來識別第二樣品內之一或多種第二化學元素。 以此方式,可以高準確度快速識別化學元素。
應理解,提供以上發明內容而以簡化形式引入於實施方式中進一步描述的概念的選擇。其並非意欲識別所主張標的物之關鍵或必需特徵,所主張標的物之範疇唯一地由實施方式之後的申請專利範圍來界定。此外,所主張標的物並不限於解決上文或在本發明之任何部分中指出的任何缺點之實施。
以下的描述係關於用於基於光譜資料(諸如藉由回應於用帶電粒子束照射樣品偵測發射而獲得的能量光譜)判定樣品組成之方法及系統。在美國專利US9048067中,Owen揭示一種藉由將光譜資料依序分解為礦物定義中之元素來識別礦物的方法。分解藉由將元素表之已知元素光譜與所偵測X射線光譜進行擬合來判定未知礦物中化學元素之比例,其中元素表藉由選擇礦物資料庫中之礦物定義而獲得。申請人認識到準確的組成分析需要準確的元素表。當未知樣品之所獲取的X射線光譜稀疏(即每個光譜的計數之總數目較低)時,元素表可能不準確。在稀疏光譜中,難以準確地定位峰或區分彼此靠近或彼此干擾的峰。增加x射線計數之數目(因此,具有更緻密之光譜)可改良元素識別準確度。然而,其亦可顯著增加總資料獲取時間。此外,歸因於包括偵測器老化及不同操作條件等因素,不同顯微鏡下相同礦物之所偵測X射線光譜可能不同,因此已知元素光譜可能無法恰當地擬合所偵測X射線光譜。
為了解決上述問題,適於特定顯微鏡之系統操作條件的經訓練神經網路(NN)用以執行元素分析。在一個實例中,在將第一樣品裝載至顯微鏡中之後,帶電粒子束照射第一樣品之一或多個位置。自每一位置獲取呈能量光譜形式之第一類型發射,諸如X射線,其中每一能量光譜對應於一個樣品位置。經訓練NN接收所獲取之能量光譜中之每一者作為輸入且輸出光譜中所識別之化學元素及每一所識別化學元素之機率。在處理所獲取的能量光譜之後,可產生包括在第一樣品中之第一化學元素表。可同時或分別自樣品之一或多個位置偵測到來自樣品之第二類型發射。可基於所偵測第二類型發射而產生樣品影像。樣品影像展示樣品之結構。樣品影像可為光學影像、掃描電子顯微術(SEM)影像、後向散射電子(BSE)影像或穿透電子顯微術(TEM)影像。在一些實例中,樣品影像亦包括自經訓練NN判定之化學元素資訊。在樣品影像中選擇一或多個像素。顯示對應於所選擇之像素的化學元素。在一些實例中,第一樣品為具有已知元素組成之參考樣品。若所顯示之化學元素不匹配對應樣品位置處之已知元素組成,則用對應於所選擇之像素之光譜重新訓練NN。接著,經重新訓練的NN用於對自另一樣品的顯微鏡獲取之光譜資料進行元素分析。以此方式,經重新訓練的NN適於顯微鏡特定的參數及操作條件。舉例而言,經重新訓練的NN可適於光譜資料中偵測器誘發之能量移位。此外,經重新訓練的NN適於特定使用案例。舉例而言,經由重新訓練,NN適於區分某些礦物特有之干擾峰,使得可更準確地識別化學元素。
在另一實例中,在將第一樣品裝載至顯微鏡中之後,諸如電子束之帶電粒子束照射樣品之一或多個位置。偵測來自每一位置之第一類型發射,諸如X射線,且將其用於形成能量光譜。與第一類型發射同時或分開偵測到諸如散射電子之第二類型發射。基於第二類型發射產生樣品影像。諸如由操作員自樣品影像選擇一或多個像素。在一個實例中,對應於所選擇之像素的一或多個光譜選自基於第一類型發射形成之能量光譜。在另一實例中,與所選擇之像素對應的樣品區域被帶電粒子束照射,並且與所選擇之像素對應的光譜被重新收集。經重新收集的光譜可能比第一光譜更緻密。與所選擇之像素對應的化學元素藉由用經訓練NN處理所選擇之光譜或經重新收集的光譜來識別。若所識別之化學元素不同於所選擇之樣品區域處之已知元素組成,則用所選擇之光譜及已知組成重新訓練經訓練NN。
在另一實例中,展示樣品之結構的樣品影像被顯示給操作員。樣品影像可為以下各者中之任一者:光學、SEM、BSE或TEM影像。自動地或藉由操作員選擇樣品影像中之一或多個像素。接著藉由帶電粒子束照射對應於所選擇之像素之樣品區域,且藉由偵測諸如X射線之第一類型之發射收集光譜資料。與所選擇之像素對應的化學元素藉由使用經訓練NN處理所收集之光譜資料來識別。若所識別之化學元素不同於所選擇之樣品區域處之已知元素組成,則用光譜資料及已知組成重新訓練經訓練NN。
可將經重新訓練的NN儲存在顯微鏡之非暫時性記憶體中,自其中獲取用於重新訓練之光譜資料,以處理由顯微鏡獲取之光譜資料。經重新訓練的NN可替換經訓練NN以用於未來元素分析。在一些實例中,經訓練NN及經重新訓練的NN兩者均儲存於庫中。庫中之NN可充當基線經訓練NN,以供在相同或不同顯微鏡中進一步重新訓練。顯微鏡可用帶電粒子束照射第二樣品之一或多個位置,並自樣品位置中之每一者獲取能量光譜。經重新訓練的NN處理所獲取之光譜中之每一者並輸出化學元素及對應機率。機率高於臨限機率之化學元素可被識別為第二樣品之第二化學元素。可基於第二化學元素產生組成圖。組成圖展示樣品中之化學元素或組成的空間分佈。在一個實例中,組成圖為展示第二化學元素之空間分佈的元素圖。在另一實例中,基於第二化學元素,將樣品之所獲取光譜進一步分解為多個光譜分量及/或豐度。每一分量可對應於化學元素、化學元素之混合物或化學相。每一分量對應於一個光譜分量及豐度。光譜分量可為分量之光譜。豐度可為分量之量。在一個實例中,豐度為樣品位置處分量之比率。組成圖可展示樣品中之組成之空間分佈。
在一些實例中,可藉由用帶電粒子束掃描樣品來獲取樣品之多個第一位置的第一光譜。使用經訓練NN基於第一光譜識別樣品之化學元素。可接著基於所識別化學元素將第一光譜分解為各種分量。另外或替代地,可經由分解過程來判定每一分量之豐度。在一些實例中,在識別樣品中之化學元素之後,藉由用帶電粒子束掃描樣品來獲取樣品之多個第二位置之第二光譜。第一光譜可能比第二光譜更緻密。亦即,第一光譜中之每一者的計數之數目高於第二光譜中之每一者的計數之數目。替代地,第二樣品位置可不同於第一樣品位置。舉例而言,第二樣品位置比第一樣品位置覆蓋更大區域及/或具有更高空間解析度。可基於所識別化學元素分解第二光譜以產生組成圖。
在一些實例中,在用經訓練NN識別參考樣品之化學元素之後,所識別化學元素例如在元素週期表中顯示給操作員或使用者。操作員可將參考樣品之已知組成/化學元素輸入至顯微鏡中,以重新訓練經訓練NN。在另一實例中,樣品影像與所識別化學元素同時顯示。樣品影像可展示參考樣品之結構。替代地或另外,樣品影像可展示參考樣品中之所識別化學元素之空間分佈。樣品影像可包括所有經掃描樣品位置或樣品位置之子集。操作員可選擇樣品影像中之一或多個區域,且用整合光譜及所選區域之已知元素組成重新訓練NN。區域可為樣品影像中之線、區域或點。在另一實例中,整合光譜與樣品影像及所識別化學元素一起顯示在例如同一窗口中。整合光譜為所選區域中所有光譜之總和。藉由選擇樣品之區域並顯示整合光譜,操作員可選擇能夠準確地反映已知元素組成之區域。舉例而言,操作員可選擇化學元素分佈中不具有突然變化之區域,或不包括樣品邊界之區域。在另一實例中,操作員可選擇具有重迭峰之區域,並重新訓練NN以更好地識別或區分峰。
在一些實例中,在自參考樣品獲取光譜資料之後,可用參考樣品之已知元素組成自動地重新訓練經訓練NN。代替操作員選擇樣品影像中之區域,自動地選擇樣品影像中之區域。可接著基於來自所選區域之光譜資料重新訓練經訓練NN。在一些實例中,展示樣品結構之樣品影像可顯示給操作員。操作員可選擇採集樣品影像中之光譜資料的位置。樣品影像可為光學影像、SEM影像、BSE影像或TEM影像。
在一些實例中,經訓練NN藉由用包括模擬資料及/或實驗資料之訓練資料訓練初級NN而產生。可基於多種化學元素及其已知光譜產生模擬訓練資料。模擬訓練資料可包括個別化學元素及其光譜,以及化學元素與對應組合光譜之組合。舉例而言,化學元素之組合為礦物中之元素,且組合光譜為礦物之光譜。可藉由使用一或多個顯微鏡對具有已知組成之參考樣品進行成像來產生實驗資料。可針對不同的顯微操作條件產生不同的經訓練NN。操作條件可包括以下各者中之一或多者:加速電壓、束電流、偏離角、工作距離及偵測器設定(諸如偏壓電壓)。
可離線訓練NN以識別許多(諸如100種)化學元素或化學元素之組合。然而,經訓練NN可能對化學元素之特定組合不敏感,尤其在個別化學元素之峰彼此干擾時。重新訓練經訓練NN可調整或調適NN,使其對操作員感興趣之特定類型之材料/礦物更敏感,因此更準確地識別。
在一些實例中,帶電粒子束包括電子束及離子束。能量光譜包括X射線光譜及電子能量損失光譜。在其他實例中,化學元素分析可應用於分析其他類型之光譜資料,諸如拉曼光譜。
轉向圖1,圖1為其中實施本發明之帶電粒子顯微鏡(CPM)之實施例的高度示意性描繪;更特定言之,其展示掃描電子顯微鏡(SEM)系統之實施例。系統軸展示為軸110。顯微鏡100包括粒子光柱1,其產生沿粒子光軸101傳播之帶電粒子束3(在此情況下為電子束)。粒子光軸101可與系統之Z軸對準。柱1安裝於真空腔室5上,該真空腔室包含樣品固持器7及用於固持/定位樣品6之相關聯致動器8。使用真空泵(未描繪)抽空真空腔室5。亦描繪真空埠9,其可為開放的以將物品(組件、樣品)引入至真空腔室5之內部/自該真空腔室之內部移除物品(組件、樣品)。視需要,顯微鏡100可包含複數個此類埠9。
柱1(在本發明之狀況下)包含電子源10及照明器2。此照明器2包含用以將電子束3聚焦至樣品6上之透鏡11及13,及偏轉單元15(用以執行束3之束轉向/掃描)。顯微鏡100進一步包含控制器/電腦處理設備26,其用於尤其控制偏轉單元15、透鏡11、13及偵測器19、21,且在顯示單元27上顯示自偵測器19、21收集之資訊。顯示單元亦可充當用於接收操作員輸入之輸入單元。
偵測器19及21係選自可用以回應於藉由(照射)束3照射而檢驗自樣品6發散的不同類型之「經刺激」輻射的多種可能偵測器類型。偵測器19可為用以偵測自樣品6發散之陰極發光的固態偵測器(諸如光電二極體)。舉例而言,其可替代地為X射線偵測器,諸如矽漂移偵測器(SDD)或矽鋰(Si(Li))偵測器。舉例而言,偵測器21可為呈固態光電倍增器(SSPM)或抽空光電倍增管(PMT)形式之電子偵測器。此可用以偵測自樣品6發散之後向散射及/或二次電子。熟習此項技術者應理解,可在諸如所描繪之設定中選擇許多不同類型之偵測器,包括例如環形/分段偵測器。藉由在樣品6上掃描束3,包含例如X射線、紅外線/可見光/紫外光、二次電子(SE)及/或後向散射電子(BSE)之經刺激輻射自樣品6發散。由於此類經刺激輻射為位置敏感的(歸因於該掃描運動),因此自偵測器19及21獲得之資訊亦將為位置相依的。此事實允許(例如)來自偵測器21之信號用於產生樣品6(之一部分)之BSE影像,該影像基本上為該信號隨樣品6上之掃描路徑位置而變的圖。
來自偵測器19及21之信號沿控制線(匯流排)25傳遞,由控制器26處理,且顯示於顯示單元27上。此類處理可包括操作,諸如組合、整合、減去、假著色、邊緣增強及熟習此項技術者已知之其他處理。另外,自動辨識過程(例如用於粒子分析)可包括在此類處理中。控制器包括處理器28及用於儲存電腦可讀指令之非暫時性記憶體29。本文中所揭示之方法可藉由執行儲存於處理器28中之非暫時性記憶體29中的電腦可讀指令而實施。
應注意,此類設定之許多改進及替代方案對於熟習此項技術者而言為已知的,諸如在顯微鏡100(之相對較大體積)內使用受控環境,例如維持若干毫巴之背景壓力(如在環境SEM或低壓SEM中所使用)。
圖2展示用於自光譜資料提取樣品組成之方法200。在一個實例中,光譜資料可為使用圖1之顯微鏡100獲取的EDS光譜。經訓練NN執行元素分析以識別樣品中之化學元素。經訓練NN可藉由用來自具有已知元素組成之樣品之量測重新訓練(或更新)經訓練NN而適於顯微鏡100及特定樣品類型。
在202處,將樣品裝載至顯微鏡中。在204處,設定系統參數。系統參數包括操作條件,諸如以下各者中之一或多者:加速電壓、束電流、工作距離及偵測器設定。偵測器設定可包括每一樣品位置處之整合時間。系統參數亦可包括諸如掃描路徑及掃描區域之掃描參數。
在一些實例中,展示樣品之結構或尺寸之樣品影像可顯示給操作員。樣品影像可為EM影像。操作員可選擇樣品影像中之掃描區域。操作員亦可相對於帶電粒子束移動樣品,以將樣品移動至電流視場(FOV)中以便於選擇掃描區域。
在206處,用帶電粒子束掃描樣品之一或多個位置。在204處判定經掃描樣品位置。在每一樣品位置處,自樣品發射之一或多種類型之帶電粒子由一或多個偵測器獲取。所獲取的帶電粒子可包括電子及X射線。針對每一樣品位置獲得諸如X射線光譜之能量光譜。所獲取的帶電粒子亦可包括後向散射電子或二次電子。
在208處,方法200判定是否需要執行對在206處獲取之光譜資料的元素分析。在一個實例中,若當前樣品為用於重新訓練經訓練NN之參考樣品,則需要元素分析。在另一實例中,若之前已對樣品執行元素分析,則不需要元素分析。在另一實例中,若已知樣品之元素組成,諸如當用與當前樣品具有類似組成之參考樣品重新訓練經訓練NN時,則不需要元素分析。若不需要元素分析,則方法200移動至216且基於已知元素組成分解光譜資料。若需要元素分析,則方法200移動至210以對光譜資料執行元素分析。
在210處,視情況用經訓練NN識別樣品內之化學元素。基於在204處設定之操作條件,可自諸如基線NN之經訓練NN之群組選擇經訓練NN。經訓練NN可為用於自然語言處理之卷積NN或網路。經訓練NN分析所獲取光譜中之一或多者,且針對每一光譜輸出化學元素表及對應機率。特定樣品位置處識別之化學元素為機率等於或高於臨限機率之化學元素。舉例而言,臨限機率係0.75。在一些實例中,臨限值為0與1之間的任何數字,包括1。在一些實例中,可對所獲取光譜之子集執行元素分析。
在212處,方法200判定NN是否需要重新訓練。若尚未用自當前顯微鏡獲取之光譜資料重新訓練經訓練NN,則可能需要重新訓練。當已用自具有類似組成之參考樣品的顯微鏡獲取之光譜資料重新訓練NN時,可能不需要重新訓練。若不需要重新訓練,則方法200進行至216。若需要重新訓練,則方法200進行至214以重新訓練經訓練NN。重新訓練過程之細節展示於圖3中。
在214處重新訓練經訓練NN之後,可保存經重新訓練的NN。經重新訓練的NN可用於分析在類似操作條件下獲取之具有類似組成或光譜資料之樣品。在一些實例中,用於重新訓練經訓練NN之光譜資料可在216處進一步分解。
在216處,在206處獲取之光譜資料基於元素資訊而分解。元素資訊可為已知或預定的,且基於樣品類型而裝載至控制器中。替代地,元素資訊可為210處識別之化學元素。在一個實例中,所獲取光譜中之每一者分解為一或多個光譜分量及/或每一分量之豐度。每一分量對應於一個光譜分量及一個豐度。每一分量可為元素、元素之混合物或化學相。該等分量可包括已知或所識別元素之各種組合。分解光譜資料之一種方式展示於Petr Hlavenka等人於2021年2月3日提交的美國申請案17/166,885中,且以全文引用之方式併入本文中。
在218處,產生一或多個組成影像。組成影像包括展示樣品中之所識別化學元素之分佈的元素圖。組成影像亦包括基於216處所獲得之光譜分量及/或豐度產生之影像。在組成影像中,組成資料可覆疊至樣品之結構影像上。可基於206處獲取之諸如散射電子之散射帶電粒子產生結構影像。
在220處,方法200判定是否需要對樣品進行額外掃描。可能需要額外掃描以獲取更多光譜資料以供重新訓練。在一些實例中,在第一掃描中,可掃描多個第一樣品位置以判定元素組成及/或重新訓練經訓練NN。可在第二掃描中重新掃描樣品,其中可掃描多個第二樣品位置以用於產生組成影像。第二掃描中之系統參數可不同於第一掃描。在一個實例中,第二掃描可具有比第一掃描更高的空間解析度。在另一實例中,多個第一樣品位置可不同於第二樣品位置。第二掃描中之樣品位置之數目可大於第一掃描中之樣品位置之數目。在另一實例中,用於第二掃描之每一光譜的計數之數目可小於第一掃描。若需要額外掃描,則方法200進行至204以重設系統參數。否則,方法200結束。
以此方式,元素分析係在經訓練NN下執行。基於使用顯微鏡對具有已知元素組成之一或多個參考樣品之量測,可尤其針對顯微鏡、操作條件及樣品類型重新訓練經訓練NN。一旦重新訓練NN,即可將其儲存且用於其他類似樣品之元素分析。基於來自元素分析之所識別化學元素,光譜資料可經分解以獲得每一樣品位置處之光譜分量及豐度,其可用於產生額外的組成影像以提供對樣品組成之更深入洞察。
圖3展示用於重新訓練經訓練NN之方法300。可用自所獲取的光譜資料產生之整合光譜及對應於整合光譜之已知元素組成來重新訓練經訓練NN。方法300可藉由使用者介面與操作員互動以接收已知元素。
在302處,顯示展示樣品結構之樣品影像。可基於在圖2之206處之掃描期間獲取的散射電子產生樣品影像。替代地,與圖2之206處的掃描分開獲取樣品影像。樣品影像可為光學影像、SEM影像、BSE影像或TEM影像。在一個實例中,若在圖2之210中執行元素分析,則樣品影像可為展示樣品中之所識別化學元素之空間分佈的元素圖。可基於所獲取之空間解析散射電子及所識別之化學元素兩者產生元素圖。舉例而言,以灰度顯示來自散射電子之信號,以展示樣品之結構資訊。所識別元件可經顏色編碼且覆疊至灰度影像上。
在一些實例中,在圖2之210處識別之化學元素與樣品影像一起顯示。在一個實例中,所識別化學元素可顯示於元素週期表中。在另一實例中,所識別之化學元素顯示為清單。
在304處,選擇樣品影像中之一或多個區域。操作員可在觀測到元素圖之後選擇區域。替代地,可自動選擇區域。舉例而言,自動選擇樣品之中心區域。所選區域含有樣品影像之一或多個像素。在一個實例中,所選區域可為反映樣品之已知組成的區域。在另一實例中,所選區域對應於諸如具有重迭峰之光譜的特性光譜。
在308處,視情況將帶電粒子束導引至樣品影像中對應於所選區域(或像素)之樣品區域,以用於收集額外光譜資料,且使用經訓練NN分析額外光譜資料以識別所選區域中之化學元素。系統參數可經調整用於收集額外光譜資料。在一個實例中,偵測器之整合時間與206處之整合時間相比較長,使得獲取更緻密之光譜。在另一實例中,調整掃描步驟。
在310處,所選區域中所識別之化學元素顯示於310處。可在210或310處識別化學元素。在一個實例中,藉由在306處更新所顯示之所識別化學元素來顯示化學元素。在一個實例中,在310處識別之化學元素可顯示於元素週期表中或作為清單顯示。整合光譜、所識別化學元素及樣品影像中之一或多者可個別地或一起選擇性地顯示於顯示單元上。
在312處,基於所選區域內之所獲取光譜產生整合光譜。舉例而言,對自所選區域內之樣品位置獲取的一或多個光譜進行求和或平均化以產生整合光譜。在一些實例中,整合光譜顯示給操作員。
在314處,所選區域中之所識別化學元素與所選區域中之已知元素組成進行比較。比較可藉由顯微鏡之控制器或藉由操作員執行。若所識別之化學元素與已知元素不匹配,則方法300進行至316以自使用者輸入接收已知元素組成。否則,方法300進行至322。
在316處,藉由使用者輸入接收來自所選區域之已知元素組成。舉例而言,操作員可在310處選擇或取消選擇所顯示之化學元素。
在318處,用整合光譜及所接收之已知組成資訊來重新訓練經訓練NN。在一些實例中,可用未用於重新訓練NN之光譜資料來驗證經重新訓練的NN。在一個實例中,經訓練NN由經重新訓練的NN替換且經儲存。在一些實例中,將一或多個經重新訓練的NN儲存為基線NN。基線NN可用作重新訓練之開始點,例如用於不同樣品或不同顯微鏡系統。
在320處,可視情況用經重新訓練的NN重新處理所獲取之光譜資料以產生經更新的元素圖。經更新的元素圖可用於評估經重新訓練的NN之準確度。
在322處,方法300檢查是否需要用當前光譜資料對NN進行額外重新訓練。舉例而言,操作員可基於經更新的元素圖判定是否重新訓練NN。若需要重新訓練,則方法300移動至306,且可用來自樣品之不同區域之光譜資料來重新訓練NN。若不需要額外重新訓練或若需要額外光譜資料以供重新訓練,則方法300結束。
藉由接收操作員所選擇之化學元素,可獲得尚未用於離線訓練NN之新訓練資料以將NN微調為對特定使用者案例及/或所關注特定組成更敏感。
圖4展示用於顯示來自元素分析之結果及接收用於重新訓練經訓練NN之使用者輸入的使用者介面之實例。元素圖402、展示所識別化學元素之元素週期表403及整合光譜404同時顯示於顯示單元上之窗口401中。元素圖展示經顏色編碼且覆疊在樣品之電子顯微影像上的所識別元素。所識別元素Fe、Zn及Sn突出顯示於元素週期表中。整合光譜404可基於在展示於元素圖402中之樣品區域中接收的所有光譜資料產生。可在整合光譜中指示對應於所識別元素之整合光譜中之峰。
操作員可選擇元素圖402中之一或多個區域。區域可為樣品影像中之線、區域或點。在選擇期間或在選擇之後,用所識別元素及所選區域之經更新的整合光譜更新元素週期表402及整合光譜404。若所識別元素不同於已知元素組成,則操作員可藉由選擇及/或取消選擇元素週期表403中之元素來輸入已知元素組成。操作員接著可在窗口中點擊「學習」按鈕405以用輸入資訊重新訓練NN。
圖5說明在經訓練NN下自光譜資料提取樣品組成之實例資料流。所獲取光譜501藉由經訓練NN 502處理。經訓練NN針對每一經處理光譜產生化學元素表504及每一化學元素之機率505。化學元素及機率之實例清單展示於503中。清單可含有元素週期表中之所有化學元素。機率值介於0至1之範圍內。樣品中之化學元素506含有自光譜501識別之所有化學元素。舉例而言,化學元素506包括具有大於臨限機率之機率的化學元素504。基於所識別化學元素506,光譜501之每一光譜接著可在508處分解為光譜分量及/或豐度。一個樣品位置處之分量及豐度之實例展示於511中。在此實例中,在樣品位置處存在兩個分量。每一分量為個別化學元素之組合。第一分量含有濃度為0.4之Fe及濃度為0.6之氧,且第二分量含有濃度為0.33之Si及濃度為0.66之氧O。每一分量之豐度為0.5。亦即,樣品位置處之組成一半為第一分量且另一半為第二分量。可基於每一樣品位置處之所識別化學元素506產生元素圖511。可基於光譜分量及/或經掃描樣品位置之豐度產生組成影像510。
圖6展示用於離線產生經訓練NN之方法600。接著可在線重新訓練經訓練NN,如圖2之方法200中所展示。
在602處,界定各種操作條件。操作條件可包括以下各者中之一或多者:加速電壓、束電流、工作距離及偵測器設定。可針對每一操作條件產生經訓練NN。
在604處,基於操作條件判定訓練資料集。訓練資料集包括訓練光譜及對應元素組成。訓練光譜可包括自一或多個顯微鏡獲取之模擬資料606及/或實驗資料608。訓練光譜可包括單個化學元素之特性光譜及/或組合化學元素之光譜。
在610處,訓練資料藉由引入雜訊、非線性及經調整增益而擴充。在一個實例中,可藉由使一或多個峰在峰位置之特定能量範圍內移位而將雜訊引入至訓練資料中。能量範圍可小於100 eV。在一個實例中,能量範圍小於50 eV。在另一實例中,可將雜訊添加至訓練光譜之振幅。
在612處,用訓練資料集訓練初級NN以產生經訓練NN。在一些實例中,針對602處界定之每一操作條件產生經訓練NN。
在614處,驗證資料包括驗證光譜,且產生對應元素組成,且用驗證資料驗證經訓練NN。驗證光譜不同於訓練光譜。舉例而言,驗證光譜可包括自不同顯微鏡獲取之實驗光譜。在經訓練NN下對驗證光譜執行元素分析。經訓練NN之效能藉由將驗證資料中之元素組成與經由經訓練NN識別之化學元素進行比較來判定。
在616處,若經訓練NN之效能係可接受的,則在620處保存經訓練NN。否則,在618處產生額外訓練資料集以繼續訓練NN。
使用NN用於元素分析之技術效應為NN可以高速度及高準確度對光譜資料,尤其稀疏光譜資料執行元素分析。藉由量測參考樣品來重新訓練經訓練NN之技術效應為經離線訓練NN可適於特定使用案例、系統及材料。選擇參考樣本之區域以供重新訓練的技術效應為可選擇反映已知元素組成之樣品區域。在分解光譜資料之前執行元素分析之技術效應為可快速且準確地識別樣品分量。
在表示中,非暫時性電腦可讀媒體包含指令,該等指令在由控制器之處理器執行時使控制器進行以下操作:用帶電粒子束照射第一樣品之一或多個位置;藉由回應於對第一樣品之照射而偵測到來自第一樣品之第一發射來獲取一或多個第一光譜;藉由用儲存在電腦可讀媒體中之經訓練神經網路處理第一光譜來判定第一樣品內之一或多種第一化學元素;顯示一或多種第一化學元素;接收第一樣品之已知化學元素組成,用第一光譜中之一或多者及第一樣品之已知元素組成重新訓練經訓練神經網路;用帶電粒子束照射第二樣品之一或多個位置;藉由回應於對第二樣品之照射而偵測到來自第二樣品之第一發射來獲取一或多個第二光譜;藉由用經重新訓練的神經網路處理第二光譜來判定第二樣品內之一或多種第二化學元素;及基於第二化學元素產生第二樣品之組成圖。
1:柱
2:照明器
3:電子束/束/(照射)束
5:真空腔室
6:樣品
7:樣品固持器
8:相關聯致動器
9:真空埠/埠
10:電子源
11:透鏡
13:透鏡
15:偏轉單元
19:偵測器
21:偵測器
25:控制線(匯流排)
26:控制器
27:顯示單元
28:處理器
29:非暫時性記憶體
100:顯微鏡
101:粒子光軸
110:軸
200:方法
202:步驟
204:步驟
206:步驟
208:步驟
210:步驟
212:步驟
214:步驟
216:步驟
218:步驟
220:步驟
300:方法
302:步驟
304:步驟
308:步驟
310:步驟
312:步驟
314:步驟
316:步驟
318:步驟
320:步驟
322:步驟
401:窗口
402:元素圖/元素週期表
403:元素週期表
404:整合光譜
405:按鈕
501:光譜
502:經訓練神經網路(NN)
503:清單
504:化學元素
505:機率
506:化學元素/所識別化學元素
508:方塊
510:組成影像
511:元素圖
600:方法
602:步驟
604:步驟
606:步驟
608:步驟
610:步驟
612:步驟
614:步驟
616:步驟
618:步驟
620:步驟
X:方向
Y:方向
Z:方向
圖1展示帶電粒子顯微鏡。
圖2為用於自光譜資料判定樣品組成之實例方法的流程圖。
圖3為用於重新訓練經訓練神經網路以進行元素分析之實例方法的流程圖。
圖4展示用於顯示元素分析結果及重新訓練經訓練神經網路之實例使用者介面。
圖5說明圖2中之方法的實例資料流。
圖6為用於產生用於元素分析之經訓練神經網路之實例方法的流程圖。
貫穿圖式之若干視圖,類似的參考數位係指對應的部分。
401:窗口
402:元素圖/元素週期表
403:元素週期表
404:整合光譜
405:按鈕
Claims (24)
- 一種方法,其包含: 用一帶電粒子束照射一第一樣品; 偵測來自該第一樣品之一第一類型發射,並根據所偵測第一類型發射形成一或多個第一光譜; 藉由用一經訓練神經網路處理該等第一光譜而識別該第一樣品內之一或多種第一化學元素; 偵測來自該第一樣品之一第二類型發射且顯示基於所偵測第二類型發射產生之一樣品影像; 選擇該樣品影像中之一或多個像素; 顯示對應於所選擇之像素的一或多種化學元素; 回應於所顯示之不同於一已知元素組成的化學元素,用對應於所選擇之像素的光譜及該已知元素組成重新訓練該經訓練神經網路; 用該帶電粒子束照射一第二樣品之一或多個位置; 藉由偵測來自該第二樣品之該第一類型發射來獲取一或多個第二光譜;及 藉由用經重新訓練神經網路處理該等第二光譜來識別該第二樣品內之一或多種第二化學元素。
- 如請求項1之方法,其中藉由用一經訓練神經網路處理該等第一光譜來識別該第一樣品內之一或多種第一化學元素包含: 將該等第一光譜中之一或多者輸入至該經訓練神經網路中; 自該經訓練神經網路輸出一或多種化學元素及機率,其中每一化學元素對應於一個機率;及 選擇機率大於一臨限機率之該等化學元素作為該等第一化學元素。
- 如請求項1至2中任一項之方法,其進一步包含產生一元素圖,該元素圖展示該第二樣品中之該等第二化學元素的一空間分佈。
- 如請求項1至2中任一項之方法,其進一步包含基於該等第二化學元素將該等第二光譜中之每一者分解為一或多個光譜分量及豐度,其中每一分量對應於一個豐度。
- 如請求項4之方法,其進一步包含基於該等光譜分量及/或該等豐度產生該第二樣品之一組成圖。
- 如請求項5之方法,其中每一光譜分量為包括該等第二化學元素中之一或多者的一分量之一光譜。
- 如請求項1之方法,其中,進一步基於該等第一化學元素顯示該樣品影像,且其中,該樣品影像展示該等第一化學元素之一空間分佈。
- 如請求項1之方法,其進一步包含藉由用多種化學元素之訓練光譜訓練一神經網路來產生該經訓練神經網路。
- 如請求項8之方法,其中該訓練光譜包括模擬光譜及/或實驗光譜。
- 如請求項1之方法,其進一步包含經由使用者輸入接收該第一樣品之該已知元素組成。
- 如請求項10之方法,其中用對應於該等所選擇之像素的光譜及該已知元素組成來重新訓練該經訓練神經網路包括:自對應於該等所選擇之像素的該等光譜產生一整合光譜,及用該整合光譜及該已知元素組成重新訓練該經訓練神經網路。
- 如請求項11之方法,其進一步包含與該等第一化學元素中對應於該等所選擇之像素的該一或多種化學元素同時顯示該整合光譜。
- 如請求項11之方法,其中在一顯示器上顯示該等第一化學元素包括在一元素週期表中顯示該等第一化學元素,且其中該使用者輸入包括選擇或取消選擇在該元素週期表中顯示的該等第一化學元素。
- 如請求項1之方法,其進一步包含: 在選擇該樣品影像中之一或多個像素之後,將該帶電粒子束導引至與該等所選擇之像素對應的一或多個樣品區域,並獲得該等樣品區域之一或多個光譜;及 藉由用該經訓練神經網路處理所獲得的光譜來識別對應於該等所選擇之像素的該一或多種化學元素。
- 一種帶電粒子顯微鏡系統,其包含: 一樣品固持器,其用於定位一樣品; 一帶電粒子源,其用於向該樣品照射一帶電粒子束; 一第一偵測器,其用於回應於帶電粒子束照射而偵測來自該樣品之一第一類型發射; 一第二偵測器,其用於回應於該帶電粒子束照射而偵測來自該樣品之一第二類型發射;及 一控制器,其包括儲存指令之一非暫時性電腦可讀媒體,該等指令在由該控制器之一處理器執行時,使該控制器進行以下操作: 用該帶電粒子束照射一第一樣品; 偵測來自該第一樣品之該第一類型發射,並根據所偵測第一類型發射形成一或多個第一光譜; 偵測來自該第一樣品之該第二類型發射且顯示基於所偵測第二類型發射產生之一樣品影像; 接收該樣品影像中之一或多個像素的選擇; 獲得對應於所選擇之像素之一或多個光譜; 藉由用一經訓練神經網路處理所獲得的光譜來識別該第一樣品內之一或多種第一化學元素; 回應於與一已知元素組成不同的該等第一化學元素,用所選擇之光譜及該已知元素組成重新訓練該經訓練神經網路;及 將經重新訓練神經網路保存在該非暫時性電腦可讀媒體中。
- 如請求項15之帶電粒子顯微鏡系統,其中該非暫時性電腦可讀媒體包括進一步的指令,該等指令在由該控制器之該處理器執行時使該控制器進行以下操作: 用該帶電粒子束照射一第二樣品之一或多個位置; 藉由偵測來自該第二樣品之該第一類型發射來獲取一或多個第二光譜;及 藉由用經重新訓練神經網路處理該等第二光譜來識別該第二樣品內之一或多種第二化學元素。
- 如請求項16之帶電粒子顯微鏡系統,其中該非暫時性電腦可讀媒體包括進一步的指令,該等指令在由該控制器之該處理器執行時使該控制器進行以下操作:偵測來自該第二樣品之該第二類型發射;及基於所偵測第二類型發射,產生展示該第二樣品中之該等第二化學元素之一分佈的一組成圖。
- 如請求項17之帶電粒子顯微鏡系統,其中基於該等第二化學元素產生該第二樣品之一組成圖包括:基於該等第二化學元素,將該等第二光譜分解為一或多個光譜分量及每一光譜分量之一豐度;且基於該等光譜分量及/或該等豐度產生該第二樣品之該組成圖。
- 如請求項15至19中任一項之帶電粒子顯微鏡系統,其中該帶電粒子束為一電子束,該第一類型發射為一X射線,且該第二類型發射為一散射電子。
- 如請求項15之帶電粒子顯微鏡系統,其中該經訓練神經網路接收一光譜並輸出一或多種化學元素及每一化學元素的一機率。
- 如請求項20之帶電粒子顯微鏡系統,其中藉由用一經訓練神經網路處理該等第一光譜來判定該第一樣品內之一或多種第一化學元素包括以高於一臨限機率之一機率選擇自該經訓練神經網路輸出的該等化學元素作為該等第一化學元素。
- 如請求項15之帶電粒子顯微鏡系統,其中獲得對應於該等所選擇之像素的一或多個光譜包括選擇該等第一光譜中對應於該等所選擇之像素的該一或多個光譜。
- 如請求項15之帶電粒子顯微鏡系統,其中獲得對應於該等所選擇之像素的一或多個光譜包括:將該帶電粒子束導引至對應於該等所選擇之像素的樣品區域;及藉由偵測來自該等樣品區域之該第一類型發射來獲取該一或多個光譜。
- 一種非暫時性電腦可讀媒體,其包含指令,該等指令在由一處理器執行時使一計算裝置進行以下操作: 存取對應於來自一樣品之一第一類型發射的第一偵測器資料,其中該第一偵測器資料回應於用一帶電粒子束照射該樣品而獲得; 引起基於該第一偵測器資料產生之一樣品影像的一顯示; 接收該樣品影像中之一或多個像素的選擇; 存取對應於來自對應於所選擇之像素的一或多個樣品區域之一第二類型發射的第二偵測器資料,其中回應於用該帶電粒子束照射該等樣品區域而獲得該第二偵測器資料; 藉由用一經訓練神經網路處理該第二偵測器資料而識別該樣品內之一或多種化學元素; 引起所識別化學元素之一顯示; 回應於與一已知元素組成不同的所顯示化學元素,用該第二偵測器資料及該已知元素組成重新訓練該經訓練神經網路;及 將經重新訓練的網路儲存在該非暫時性電腦可讀媒體中。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/365,832 | 2021-07-01 | ||
US17/365,832 US11703468B2 (en) | 2021-07-01 | 2021-07-01 | Method and system for determining sample composition from spectral data |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202316473A true TW202316473A (zh) | 2023-04-16 |
Family
ID=82492281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111124476A TW202316473A (zh) | 2021-07-01 | 2022-06-30 | 用於自光譜資料判定樣品組成之方法及系統 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11703468B2 (zh) |
EP (1) | EP4113109B1 (zh) |
JP (1) | JP2023008946A (zh) |
KR (1) | KR20230005766A (zh) |
CN (1) | CN115561270A (zh) |
TW (1) | TW202316473A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3961670A1 (en) * | 2020-08-31 | 2022-03-02 | FEI Company | Method of examining a sample using a charged particle beam apparatus |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3281265A (en) * | 1963-09-17 | 1966-10-25 | United States Steel Corp | Method and apparatus for controlling coating thickness by electron beam evaporation |
US9048067B2 (en) | 2012-10-26 | 2015-06-02 | Fei Company | Mineral identification using sequential decomposition into elements from mineral definitions |
US10539517B2 (en) * | 2017-09-08 | 2020-01-21 | Sumitomo Chemical Company, Limited | Checking device and checking method |
US10846845B2 (en) * | 2018-07-25 | 2020-11-24 | Fei Company | Training an artificial neural network using simulated specimen images |
DE102019111567A1 (de) | 2019-05-03 | 2020-11-05 | Wipotec Gmbh | Verfahren und Vorrichtung zur Röntgeninspektion von Produkten, insbesondere von Lebensmitteln |
DE102019111560A1 (de) * | 2019-05-03 | 2020-11-05 | Wipotec Gmbh | Prüfkörper |
EP3736849A1 (en) * | 2019-05-06 | 2020-11-11 | FEI Company | Method of examining a sample using a charged particle microscope |
EP3745442A1 (en) | 2019-05-29 | 2020-12-02 | FEI Company | Method of examining a sample using a charged particle microscope |
US11355305B2 (en) * | 2019-10-08 | 2022-06-07 | Fei Company | Low keV ion beam image restoration by machine learning for object localization |
JP7188373B2 (ja) * | 2019-12-11 | 2022-12-13 | トヨタ自動車株式会社 | データ解析システム及びデータ解析方法 |
EP3951832A1 (en) * | 2020-08-03 | 2022-02-09 | FEI Company | Method of aligning a charged particle beam apparatus |
EP3961670A1 (en) * | 2020-08-31 | 2022-03-02 | FEI Company | Method of examining a sample using a charged particle beam apparatus |
EP4024039B1 (en) * | 2020-12-30 | 2023-10-25 | FEI Company | Data acquisition and processing techniques for three-dimensional reconstruction |
-
2021
- 2021-07-01 US US17/365,832 patent/US11703468B2/en active Active
-
2022
- 2022-06-28 KR KR1020220079084A patent/KR20230005766A/ko unknown
- 2022-06-30 TW TW111124476A patent/TW202316473A/zh unknown
- 2022-06-30 CN CN202210757321.0A patent/CN115561270A/zh active Pending
- 2022-06-30 EP EP22182153.1A patent/EP4113109B1/en active Active
- 2022-06-30 JP JP2022105440A patent/JP2023008946A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230003675A1 (en) | 2023-01-05 |
EP4113109A1 (en) | 2023-01-04 |
CN115561270A (zh) | 2023-01-03 |
US11703468B2 (en) | 2023-07-18 |
EP4113109B1 (en) | 2024-05-01 |
KR20230005766A (ko) | 2023-01-10 |
JP2023008946A (ja) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11815479B2 (en) | Method of examining a sample using a charged particle beam apparatus | |
US11002692B2 (en) | Method of examining a sample using a charged particle microscope | |
US8993961B2 (en) | Electric charged particle beam microscope and electric charged particle beam microscopy | |
CN111982938B (zh) | 使用带电粒子显微镜检查样品的方法 | |
US11971372B2 (en) | Method of examining a sample using a charged particle microscope | |
US11598733B2 (en) | Method of examining a sample using a charged particle microscope | |
TW202316473A (zh) | 用於自光譜資料判定樣品組成之方法及系統 | |
US11417497B2 (en) | Method of examining a sample using a charged particle microscope, wherein an electron energy-loss spectroscopy (EELS) spectrum is acquired | |
EP3901902A1 (en) | Method implemented by a data processing apparatus, and charged particle beam device for inspecting a specimen using such a method | |
US20230243767A1 (en) | Method and system for spectroscopic analysis | |
US20240027377A1 (en) | Method of examining a sample using a charged particle microscope |