TWI695975B - 原子探針分析方法、裝置及記錄媒體 - Google Patents
原子探針分析方法、裝置及記錄媒體 Download PDFInfo
- Publication number
- TWI695975B TWI695975B TW108110611A TW108110611A TWI695975B TW I695975 B TWI695975 B TW I695975B TW 108110611 A TW108110611 A TW 108110611A TW 108110611 A TW108110611 A TW 108110611A TW I695975 B TWI695975 B TW I695975B
- Authority
- TW
- Taiwan
- Prior art keywords
- ions
- mass
- ratio
- atomic probe
- mass spectrum
- Prior art date
Links
Images
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
一種原子探針分析方法、裝置及記錄媒體。所述方法包括下列步驟:利用脈衝雷射照射包括測試樣品的原子探針;利用質譜儀分析由原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數;以及對各量體的不同價數的離子在質譜圖中對應的質荷比的計數值進行正規化,以獲得各量體的離子所佔的比例,並用以修正各量體的離子的定量結果。
Description
本揭露的實施例是有關於一種原子探針分析方法、裝置及記錄媒體。
在半導體製程中,需要針對半導體元件的表面微汙染、摻雜與離子植入等,進行特定元素(例如磷、砷、硼等)濃度的定量分析,從而控制或調整製程參數,藉此維持元件/磊晶的穩定性。例如,在磷化矽的磊晶(epitaxy)過程中,即需要對磷進行定量分析(quantification)。
現今的定量分析技術其中之一是採用原子探針分析技術(Atom Probe Tomography),但此技術在對某些元素進行定量分析時,分析所得的質譜圖中的主要訊號來源是由同一元素的多種量體的訊號重疊而成,結果將使得定量分析結果與實際量值有所偏差。
本揭露的實施例提供一種原子探針分析方法,適用於具有處理器的電子裝置。所述方法包括下列步驟:利用脈衝雷射照射包括測試樣品的原子探針;利用質譜儀分析由原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數;以及對各量體的不同價數的離子在質譜圖中對應的質荷比(mass-to-charge-state ratio)的計數值進行正規化,以獲得各量體的離子所佔的比例,並用以修正各量體的離子的定量結果。
本揭露的實施例提供一種原子探針分析裝置,其包括連接裝置及處理器。其中,連接裝置用以連接脈衝雷射與質譜儀。處理器耦接連接裝置,且經配置以利用脈衝雷射照射包括測試樣品的原子探針,利用質譜儀分析由原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數,然後對各個量體的不同價數的離子在質譜圖中對應的質荷比的計數值進行正規化,以獲得各個量體的離子所佔的比例,並用以修正各個量體的離子的定量結果。
本揭露的實施例提供一種電腦可讀取記錄媒體,用以記錄程式,所述程式經處理器載入以執行:利用脈衝雷射照射包括測試樣品的原子探針;利用質譜儀分析由原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數;以及對各量體的不同價數的離子在質譜圖中對應的質荷比的計數值進行正規化,以獲得各量體的離子所佔的比例,並用以修正各量體的離子的定量結果。
以下公開內容提供用於實施所提供主題的不同特徵的許多不同的實施例或實例。以下闡述元件及排列的具體實例以簡化本發明。當然,這些僅為實例而非旨在進行限制。舉例來說,在以下說明中,將第一特徵形成在第二特徵之上或第二特徵上可包括其中第一特徵與第二特徵被形成為直接接觸的實施例,且也可包括其中第一特徵與第二特徵之間可形成有附加特徵、從而使得第一特徵與第二特徵可不直接接觸的實施例。另外,本發明可能在各種實例中重複使用參考編號及/或字母。此種重複使用是為了簡明及清晰起見,且自身並不表示所討論的各個實施例及/或配置之間的關係。
此外,為易於說明,本文中可能使用例如“在……之下”、“在……下方”、“下部”、“在……上方”、“上部”等空間相對性用語來闡述圖中所示一個元件或特徵與另一(其他)元件或特徵的關係。除附圖中所繪示的定向以外,所述空間相對性用語旨在囊括裝置在使用或操作中的不同定向。裝置可具有其他定向(旋轉90度或處於其他定向),且本文中所使用的空間相對性描述語可同樣相應地作出解釋。
為了在磷化矽磊晶(epitaxy)或其他製程中增加元素定量分析的準確性,本揭露實施例針對複數離子訊號重疊的問題,利用質譜圖中單獨存在(即質荷比未與其他離子重疊)的離子的計數值,計算特定元素各種量體(例如單量體(monomer)、雙量體(dimmer)及三量體(trimmer))的離子所佔的比例,並將此比例應用到訊號重疊的離子的計數值,以區分出各量體的離子的計數值。藉由上述對質譜圖中的干擾(interference)所進行的反卷積(deconvolution)運算,可增加定量分析結果的準確性。本揭露實施例更進一步將人工智慧(Artificial Intelligence,AI)/機器學習(machine learning)模型導入原子探針分析,而可在分析完成後或是在執行期間(runtime),臨場(in-situ)辨識出測試樣品各量體在質譜圖中的指紋(fingerprint),並據以修正各量體的定量結果。
圖1是根據本揭露實施例所繪示的原子探針分析裝置的方塊圖。參照圖1,本實施例的原子探針分析裝置100包括連接裝置102、儲存媒體104及耦接於連接裝置102及儲存媒體104的處理器106。
在一些實施例中,原子探針分析裝置100是從外部經由連接裝置102連接到脈衝雷射112及質譜儀114,且被配置成通過連接裝置102控制脈衝雷射112,並從質譜儀114獲取質譜圖。脈衝雷射102例如採用飛秒(femtosecond)雷射,在此不設限。在一些實施例中,原子探針分析裝置100可設置或整合至質譜儀114中,本文中不對此加以限制。在以下說明中將詳細闡述原子探針分析裝置100。
連接裝置102例如是通用序列匯流排(universal serial bus,USB)、火線(firewire)、雷電(thunderbolt)、通用非同步接收器/發射器(universal asynchronous receiver/transmitter,UART)、串列周邊介面(serial peripheral interface,SPI)匯流排、無線保真(WiFi)或藍牙等可與脈衝雷射112及質譜儀114相容的任何有線介面或無線介面,本文中不對此加以限制。
儲存媒體104可以是任何型態的固定式或可移動式隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)或類似元件或上述元件的組合。在本實施例中,儲存媒體104用以儲存經由連接裝置102從質譜儀114獲取的質譜圖,並記錄可供處理器106存取並執行的電腦程式或指令。
處理器106被配置成執行指令以實行本揭露實施例的原子探針分析方法。處理器106例如是中央處理器(central processing unit,CPU)、其他可程式通用微處理器或可程式專用微處理器、數位訊號處理器(digital signal processor,DSP)、可程式控制器、特殊應用積體電路(application specific integrated circuit,ASIC)、可程式邏輯裝置(programmable logic device,PLD)、其他相似的裝置或其組合,但本揭露並非僅限於此。
原子探針分析裝置100適於實行根據本揭露一些實施例的原子探針分析方法。詳細來說,圖2是根據本揭露實施例所繪示的原子探針分析方法的流程圖。參照圖1及圖2,本實施例的方法適用於圖1所示原子探針分析裝置100,且以下參照圖1所示原子探針分析裝置100中的各種元件闡述本實施例的方法的詳細步驟。
在步驟S202中,原子探針分析裝置100的處理器106利用脈衝雷射112照射包括測試樣品的原子探針。其中,所述的原子探針例如是將半導體元件的樣品利用拋光法等製備方法製成大小適於分析的針尖狀,以便藉由脈衝雷射102的照射,使探針表面的原子產生場揮發而射出。
在步驟S204中,處理器106利用質譜儀114分析由原子探針表面射出的離子,以獲得質譜圖,其中所述離子包括特定元素的多種量體且具有多種價數。所述元素例如是半導體製程中所使用的磷、砷、硼、鈦、鋁等摻雜元素(dopant element),在此不設限。以磷為例,所述離子例如包括磷的單量體P、雙量體P2及三量體P3,而各量體例如具有三種價數,例如單量體P包括P+、P++、P+++;雙量體P2包括P2+、P2++、P2+++;三量體P3包括P3+、P3++、P3+++。藉由質譜儀114對原子探針表面射出的離子進行分析,即可獲得包括特定元素各量體的不同價數的離子訊號的質譜圖。
舉例來說,圖3是根據本揭露實施例所繪示的磷離子的質譜圖。請參照圖3,本實施例的質譜圖300的橫軸為質荷比(mass-to-charge-state ratio),單位為道爾吞(Da),縱軸為計數值,單位為次。質譜圖300中的曲線可視為磷的指紋(fingerprint),其包括多個波峰,各個波峰例如是對應於磷的單一量體的單一價數的單一種離子,也可能對應於磷的多種量體的不同價數的離子。例如,質荷比為31 Da的峰值310即由磷的三種離子P+、P2++、P3+++的訊號重疊而成。
在步驟S206中,處理器106對各種量體的不同價數的離子在質譜圖中對應的質荷比的計數值進行正規化,以獲得各種量體的離子所佔的比例,並用以修正各種量體的離子的定量結果。
在一些實施例中,處理器106是利用各種量體的不同價數的離子在質譜圖中所對應的未與其他量體的離子重疊的質荷比的計數值,計算各種量體的離子所佔的比例,然後再將此比例應用到在質譜圖中對應於重疊量體的離子的質荷比的計數值(例如圖3中質荷比為31 Da的計數值)。其中,處理器106會將質譜圖中對應於重疊量體的離子的質荷比的計數值乘上各量體的比例以及對應的原子數,以獲得對應於所述質荷比的各種量體的價數的離子的計數值,作為各種量體的離子的定量結果。
舉例來說,下表一列出磷離子質譜圖中各質荷比的計數值的關係圖。由表一中可看出,磷離子P+、P2++、P3+++的質荷比均為31 Da,也就是說,磷離子P+、P2++、P3+++的訊號(計數值)重疊。這也使得從質荷比31 Da的計數值無法準確算出磷的各種量體的實際量值。
表一
質荷比(Da) | 10.3 | 15.5 | 20.6 | 31 | 62 | 46.5 | 93 | |
單量體P | P+ | X3 | ||||||
P++ | X1 | |||||||
P+++ | X2 | |||||||
雙量體 P2 | P2+ | Y1 | ||||||
P2++ | Y3 | |||||||
P2+++ | Y2 | |||||||
三量體 P3 | P3+ | Z1 | ||||||
P3++ | Z2 | |||||||
P3+++ | Z3 |
詳言之,質荷比31 Da的總計數值會等於X3+Y3+Z3,由此計數值無法得知X3、Y3、Z3分別的數值,且實際的計數值應該是X3+2*Y3+3*Z3。若將此計數值視為X3+Y3+Z3,結果將會低估X3、Y3、Z3的實際量值。
對此,在一些實施例中,利用上述未包含多種磷離子的質荷比的計數值,可計算出磷的不同量體的離子所佔的比例。例如,由磷離子P++、P+++佔所有磷離子(包括P++、P+++、P2+、P2+++、P3+、P3++,但不包括訊號重疊的P+、P2++、P3+++)的比例,可算出磷離子P+在質荷比31 Da的計數值中所佔的比例。以此類推,可獲得磷離子P+、P2++、P3+++在質荷比31 Da的計數值中所佔的比例R
X3、R
Y3、R
Z3,如下:
R
X3=(X1+X2)/(X1+X2+Y1+Y2+Z1+Z2);
R
Y3=(Y1+Y2)/(X1+X2+Y1+Y2+Z1+Z2);
R
Z3=(Z1+Z2)/(X1+X2+Y1+Y2+Z1+Z2)。
其中,藉由將上述的比例乘上質荷比31 Da的計數值以及對應的原子數,即可獲得磷離子P+、P2++、P3+++在質荷比31 Da的計數值X3、Y3、Z3,如下:
X3=P*R
X3*1;
Y3=P*R
Y3*2;
X3=P*R
Z3*3。
藉由上述針對質譜圖中的干擾所進行的反卷積運算,可從訊號重疊的質量(質荷比)的計數值中區分出各個量體的離子的實際量值,從而增加定量分析結果的準確性。
在一些實施例中,本揭露實施例還可將修正後的各量體離子的定量結果回饋至脈衝雷射112的電源供應以調整充電狀態比(charge-state-ratio,CSR),使得各量體不同價數的離子的比例維持固定。例如,將磷的單量體P的離子P+、P++、P+++的比例維持固定,以利後續的分析運算。
在一些實施例中,本揭露實施例還可將人工智慧(AI)/機器學習模型導入原子探針分析,而可在分析完成後或是在執行期間,臨場辨識出測試樣品各量體在質譜圖中的指紋,並據以修正各量體的定量結果。
詳細來說,圖4是根據本揭露實施例所繪示的原子探針分析方法的流程圖。參照圖1及圖4,本實施例的方法適用於圖1所示原子探針分析裝置100,且以下參照圖1所示原子探針分析裝置100中的各種元件闡述本實施例的方法的詳細步驟。
在步驟S402中,由原子探針分析裝置100的處理器106利用機器學習演算法建立學習模型。在一些實施例中,處理器106例如是創建卷積神經網路(convolution neural network,CNN)模型,其中包括多個輸入層、多個卷積層及輸出層,並用以對本揭露實施例分析測試樣品的初始條件(starting conditions)及分析結果進行學習,以找出用於辨識測試樣品的離子的指紋的最佳過濾器。
在步驟S404中,原子探針分析裝置100的處理器106利用脈衝雷射112照射包括測試樣品的原子探針。在步驟S406中,處理器106利用質譜儀114分析由原子探針表面射出的離子以獲得質譜圖,其中所述離子包括特定元素的多種量體且具有多種價數。在步驟S408中,處理器106對各種量體的不同價數的離子在質譜圖中對應的質荷比的計數值進行正規化,以獲得各種量體的離子所佔的比例,並用以修正各種量體的離子的定量結果。上述步驟S404~S408與前述圖2實施例中的步驟S202~S206相同或相似,故其詳細內容在此不再贅述。
在步驟S410中,處理器106利用學習模型學習測試樣品分析時的初始條件與分析所得的各量體的離子的定量結果之間的關係。所述的初始條件包括脈衝雷射112的脈衝雷射能量(pulse laser energy,PLE)、充電狀態比、施加於原子探針的電壓、原子探針的溫度、檢測率或頻率,在此不設限。
在步驟S412中,處理器106利用經訓練的學習模型識別執行期間(runtime)的測試樣品的各量體在質譜圖中的指紋(fingerprint),並據以修正各量體的定量結果。
本揭露實施例藉由將大量的測試資料(包括初始條件及分析結果)作為學習模型的輸入與輸出訓練其中各層的係數值,即便在分析過程中所測試樣品的製程條件或參數改變,學習模型也能適應性地辨識出所接收的主要範圍檔案(質譜圖)中的指紋,並自動地輸出或產生特定元件各量體的比例及定量結果。藉此,可增加元素定量分析的準確性,進而改善製程。
圖5是根據本揭露實施例所繪示的定量分析結果的比較圖。請參照圖5,本實施例的比較圖500的橫軸為矽的充電狀態比(CSR),縱軸為磷離子濃度,單位為百分比(%)。其中,三角形資料點為未使用本揭露實施例原子探針分析方法所得的定量結果分佈,而菱形資料點為使用本揭露實施例的原子探針分析方法所得的定量結果分佈。線段510為使用次離子質譜分析儀(Secondary Ion Mass Spectrometer,SIMS)分析所得的磷離值濃度。比較使用本揭露實施例原子探針分析方法前後的資料點分佈,可得到約17.6%的定量準確度的提升(與SIMS結果的差距由18.7%縮減至1.1%),且定量結果也接近線段510所提供的目標濃度。此可證明,使用本實施例的原子探針分析方法可修正因訊號重疊所造成的定量分析結果的偏差,增加定量分析結果的準確性。
通過所述方法,本揭露提供以下優點:(1)計算干擾質量(質荷比)並反饋至重疊質量及電源供應,以改減資料品質;(2)臨場藉由指紋辨識元素並修正偏差;以及(3)增加元素定量分析的準確性,進而改善製程。
根據一些實施例,提供一種原子探針分析方法,適用於具有處理器的電子裝置。所述方法包括下列步驟:利用脈衝雷射照射包括測試樣品的原子探針;利用質譜儀分析由原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數;以及對各量體的不同價數的離子在質譜圖中對應的質荷比的計數值進行正規化,以獲得各量體的離子所佔的比例,並用以修正各量體的離子的定量結果。
根據一些實施例,提供一種原子探針分析裝置,其包括連接裝置及處理器。其中,連接裝置用以連接脈衝雷射與質譜儀。處理器耦接連接裝置,且經配置以利用脈衝雷射照射包括測試樣品的原子探針,利用質譜儀分析由原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數,然後對各個量體的不同價數的離子在質譜圖中對應的質荷比的計數值進行正規化,以獲得各個量體的離子所佔的比例,並用以修正各個量體的離子的定量結果。
根據一些實施例,提供一種電腦可讀取記錄媒體,用以記錄程式,所述程式經處理器載入以執行:利用脈衝雷射照射包括測試樣品的原子探針;利用質譜儀分析由原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數;以及對各量體的不同價數的離子在質譜圖中對應的質荷比的計數值進行正規化,以獲得各量體的離子所佔的比例,並用以修正各量體的離子的定量結果。
以上概述了若干實施例的特徵,以使所屬領域中的技術人員可更好地理解本發明的各個方面。所屬領域中的技術人員應理解,其可容易地使用本發明作為設計或修改其他製程及結構的基礎來施行與本文中所介紹的實施例相同的目的及/或實現與本文中所介紹的實施例相同的優點。所屬領域中的技術人員還應認識到,這些等效構造並不背離本發明的精神及範圍,而且他們可在不背離本發明的精神及範圍的條件下對其作出各種改變、代替及變更。
100:原子探針分析裝置
102:連接裝置
104:儲存媒體
106:處理器
112:脈衝雷射
114:質譜儀
300:質譜圖
310:峰值
500:比較圖
510:線段
S202~S206、S402~S412:步驟
圖1是根據本揭露實施例所繪示的原子探針分析裝置的方塊圖。
圖2是根據本揭露實施例所繪示的原子探針分析方法的流程圖。
圖3是根據本揭露實施例所繪示的磷離子的質譜圖。
圖4是根據本揭露實施例所繪示的原子探針分析方法的流程圖。
圖5是根據本揭露實施例所繪示的定量分析結果的比較圖。
S202~S206:步驟
Claims (10)
- 一種原子探針分析方法,適用於具有處理器的電子裝置,所述方法包括:利用脈衝雷射照射包括測試樣品的原子探針;利用質譜儀分析由所述原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數;以及對各所述量體的不同價數的所述離子在所述質譜圖中對應的質荷比(mass-to-charge-state ratio)的計數值進行正規化,以獲得各所述量體的所述離子所佔的比例,並用以修正各所述量體的所述離子的定量結果。
- 如申請專利範圍第1項所述的方法,其中對各所述量體的不同價數的所述離子在所述質譜圖中對應的質荷比的計數值進行正規化,以獲得各所述量體的所述離子所佔的比例,並用以修正各所述量體的所述離子的定量結果的步驟包括:利用各所述量體的不同價數的所述離子在所述質譜圖中所對應的未與其他量體的所述離子重疊的質荷比的計數值,計算各所述量體的所述離子所佔的比例;以及將所述質譜圖中對應於重疊的所述量體的所述離子的質荷比的計數值乘上各所述量體的所述比例及對應的原子數,以獲得對應於所述質荷比的各所述量體的所述價數的所述離子的計數值,作為各所述量體的所述離子的定量結果。
- 如申請專利範圍第1項所述的方法,更包括: 反饋修正後的各所述量體的所述離子的所述定量結果於所述脈衝雷射的電源供應以調整充電狀態比(charge-state-ratio,CSR),使得各所述量體的不同價數的所述離子的比例維持固定。
- 如申請專利範圍第1項所述的方法,更包括:利用機器學習(machine learning)演算法建立學習模型,以學習所述測試樣品分析時的初始條件與分析所得的各所述量體的所述離子的所述定量結果之間的關係;以及利用所述學習模型識別執行期間(runtime)的所述測試樣品的各所述量體在所述質譜圖中的指紋(fingerprint),並據以修正各所述量體的定量結果。
- 如申請專利範圍第1項所述的方法,其中所述元素包括半導體製程中所使用的摻雜元素(dopant element),所述摻雜元素包括磷、砷、硼、鈦、鋁。
- 如申請專利範圍第4項所述的方法,其中所述初始條件包括所述脈衝雷射的脈衝雷射能量(pulse laser energy,PLE)、充電狀態比(charge state ratio,CSR)、施加於所述原子探針的電壓、所述原子探針的溫度、檢測率或頻率。
- 如申請專利範圍第1項所述的方法,其中所述量體包括單量體(monomer)、雙量體(dimmer)及三量體(trimmer)。
- 一種原子探針分析裝置,包括:連接裝置,連接脈衝雷射與質譜儀;處理器,耦接所述連接裝置,經配置以: 利用所述脈衝雷射照射包括測試樣品的原子探針;利用所述質譜儀分析由所述原子探針表面射出的離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數;以及對各所述量體的不同價數的所述離子在所述質譜圖中對應的質荷比的計數值進行正規化,以獲得各所述量體的所述離子所佔的比例,並用以修正各所述量體的所述離子的定量結果。
- 如申請專利範圍第8項所述的原子探針分析裝置,其中所述處理器包括利用各所述量體的不同價數的所述離子在所述質譜圖中所對應的未與其他量體的所述離子重疊的質荷比的計數值,計算各所述量體的所述離子所佔的比例,以及將所述質譜圖中對應於重疊的所述量體的所述離子的質荷比的計數值乘上各所述量體的所述比例及對應的原子數,以獲得對應於所述質荷比的各所述量體的所述價數的所述離子的計數值,作為各所述量體的所述離子的定量結果。
- 一種電腦可讀取記錄媒體,記錄程式,所述程式經處理器載入以執行:利用脈衝雷射照射包括測試樣品的原子探針;收集由所述原子探針表面射出的離子,並利用質譜儀分析所述離子以獲得質譜圖,其中所述離子包括一元素的多種量體且具有多種價數;以及對各所述量體的不同價數的所述離子在所述質譜圖中對應的 質荷比的計數值進行正規化,以獲得各所述量體的所述離子所佔的比例,並用以修正各所述量體的所述離子的定量結果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108110611A TWI695975B (zh) | 2019-03-27 | 2019-03-27 | 原子探針分析方法、裝置及記錄媒體 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108110611A TWI695975B (zh) | 2019-03-27 | 2019-03-27 | 原子探針分析方法、裝置及記錄媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI695975B true TWI695975B (zh) | 2020-06-11 |
TW202035974A TW202035974A (zh) | 2020-10-01 |
Family
ID=72176273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108110611A TWI695975B (zh) | 2019-03-27 | 2019-03-27 | 原子探針分析方法、裝置及記錄媒體 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI695975B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111751576B (zh) * | 2019-03-27 | 2023-07-11 | 台湾积体电路制造股份有限公司 | 原子探针分析方法、装置及记录媒体 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004271185A (ja) * | 2003-03-05 | 2004-09-30 | Shimadzu Corp | 質量分析装置用データ処理装置 |
TW201819884A (zh) * | 2016-11-24 | 2018-06-01 | 台灣積體電路製造股份有限公司 | 針狀試片、其製備方法以及其分析方法 |
JP2018092866A (ja) * | 2016-12-07 | 2018-06-14 | 株式会社日立製作所 | アトムプローブ分析システムおよびアトムプローブ分析方法 |
-
2019
- 2019-03-27 TW TW108110611A patent/TWI695975B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004271185A (ja) * | 2003-03-05 | 2004-09-30 | Shimadzu Corp | 質量分析装置用データ処理装置 |
TW201819884A (zh) * | 2016-11-24 | 2018-06-01 | 台灣積體電路製造股份有限公司 | 針狀試片、其製備方法以及其分析方法 |
JP2018092866A (ja) * | 2016-12-07 | 2018-06-14 | 株式会社日立製作所 | アトムプローブ分析システムおよびアトムプローブ分析方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202035974A (zh) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10242854B2 (en) | Fourier transform mass spectrometry | |
JP2000517473A (ja) | 単一ステップフィードバックによる統計的シミュレーションを用いて製造プロセスを監視かつ分析するためのシステム | |
TWI695975B (zh) | 原子探針分析方法、裝置及記錄媒體 | |
TW202036474A (zh) | 最佳度量衡指導之系統及方法 | |
CN110333450B (zh) | 电池开路电压预估方法及*** | |
JP2020061575A (ja) | 高次元変数選択モデルを使用した重要なパラメータの決定システム | |
WO2009158556A2 (en) | Methods for automatically characterizing a plasma | |
US7590170B2 (en) | Method and apparatus for measuring jitter | |
JP3908472B2 (ja) | 膜厚測定方法及び段差測定方法 | |
CN106794358A (zh) | 使用电子射野影像装置(epid)的线性加速器(linac)的验收、调试和持续基准测试 | |
JP5697388B2 (ja) | X線分析方法,x線分析装置及びそのプログラム | |
CN111751576B (zh) | 原子探针分析方法、装置及记录媒体 | |
TW200929412A (en) | Model modification method for a semiconductor device | |
TWI451510B (zh) | 半導體基板中成分之非接觸性評估的裝置及方法 | |
US20160146871A1 (en) | Method of determining capacitance value of capacitor while taking applied alternating voltage into consideration, and program | |
CN112859530B (zh) | 晶圆曝光修正方法及***与存储介质 | |
JP2020160067A (ja) | 閾値算出装置、閾値算出方法および測定装置 | |
US20240070437A1 (en) | Method for correcting a detected result, detection arrangement, phantom, and apparatus for generating synthetic data pairs | |
WO2020212969A1 (en) | Method and system for classification of samples | |
TW202032686A (zh) | 用於精確度量衡量測之每位點殘量分析 | |
JP2023059393A5 (zh) | ||
CN110991125A (zh) | 二阶电路中电路元件参数辨识方法、装置 | |
CN109975739B (zh) | 一种高精度智能电能表的调测方法 | |
US11302042B2 (en) | Method for correcting nonlinearities of image data of at least one radiograph, and computed tomography device | |
CN113821970B (zh) | 一种epid灰度-注量标定方法、介质和设备 |