JP5707291B2 - 画像分類支援を行う荷電粒子線装置 - Google Patents

Description

本発明は、半導体製造工程のプロセスマージン評価に用いる荷電粒子線装置、画像処理装置、およびこれらで実行されるプログラムに関する。

半導体あるいは液晶など、基板上に微細なパターンを形成する製造工程において、製造装置の条件出しや、製造過程における状態変化のモニタリングとして、形成されたパターンの形状評価が行われている。特に、露光装置の条件出しやモニタリングに対しては、露光装置のフォーカスやドーズの条件をウェーハ面内で変化させてパターン形成し、形成されたパターンを用いて評価を行う。このような評価用ウェーハは、ＦＥＭ（Focus Exposure Matrix）ウェーハと呼ばれる。

ＦＥＭウェーハを用いた条件出しやモニタリングにおいて、評価対象となるパターンはホットスポットと呼ばれ、設計データに基づくシミュレーションにより決定される。特許文献１には、測長ＳＥＭ（Scanning Electron Microscope）を用いて、ＦＥＭウェーハ上のパターン評価を行い、どのチップの露光条件が正常であり、どのチップの露光条件が異常であるかを視覚的に判断する発明が開示されている。

従来、シミュレーションによってホットスポットを抽出し、抽出されたホットスポットに対応するウェーハ上の位置を実際に観察することで欠陥になっているかを判断し、ホットスポットの危険度が評価されてきた。

特開２００８−２０５０１７号公報

近年、観察対象となるパターンの微細化と、それに伴う製造工程の複雑化により、シミュレーションによるホットスポットの抽出が不十分である事例が増加傾向にある。具体的には、シミュレーションにより、評価すべきポイントが抽出されない場合や、抽出されたホットスポット候補が多すぎて、全点評価が困難である事例である。ホットスポット候補が多すぎる場合には、シミュレーション結果上位のホットスポット候補に限定して評価することになるが、評価すべきホットスポットが評価対象から漏れてしまう事例が増加している。一方、評価されるホットスポット候補を増やせば評価漏れの防止には有効だが、ホットスポット候補が実際に欠陥となっているか否かの判断は人手による評価にゆだねられていて、この人手による評価作業がボトルネックとなるため、評価可能な点数は限定される。

また欠陥検査装置や欠陥レビュー装置ではコンピュータによる欠陥判定および分類を行っているが、人手による作業に比べて精度が低い。ホットスポット候補の評価には欠陥判定および分類の精度が高いことが要求されるため、評価作業をこれらの装置により完全に自動化することは困難である。

本発明は、観察された画像の評価の手間を低減しつつ、評価の精度を向上させることで、観察対象の評価を効率良く実施することを目的とする。

上記課題を解決するために、本発明の荷電粒子線装置は、ウェーハ上の観察対象の画像から得られた情報に基づいて前記観察対象の良否を自動的に判定し、判定結果を画面に表示し、観察対象の良否をユーザの指示に基づき修正することが必要な観察対象を判定結果の中から抽出して表示し、抽出して表示された観察対象に対する判定結果をユーザの指示に基づき修正する処理を行うことを特徴とする。

本発明によれば、人手による目視確認作業の負担を軽減することができるので、観察対象の画像評価の作業効率を向上させることができる。

ＳＥＭ式観察装置の構成図。 分類処理部の構成図。 ＦＥＭウェーハ例。 ＦＥＭウェーハ評価のフローチャート。 プロセスウィンドウ確定処理のフローチャート。 ＮＧチップ自動判定処理のフローチャート。 ＡＤＣパラメータ設定の概念図および画面構成図。 ＡＤＣパラメータ設定画面の例。 ＭＤＣ支援処理のフローチャート。 ＭＤＣ支援処理のウェーハマップ表示例。 ＯＫ／ＮＧチップ判定処理のフローチャート。 ＭＤＣ支援処理におけるウェーハマップ遷移例。 ＭＤＣ支援処理における画面構成図。

以下、図面を参照して本発明の実施の形態を説明する。

以下に説明する実施例では、荷電粒子線装置の一態様として、ＳＥＭ式観察装置を例にとって説明するが、これに限られることはなく、例えば、ＳＥＭ式パターン測長装置（ＣＤ−ＳＥＭ）に適用することも可能である。

ＳＥＭ式観察装置とは、光学式あるいはＳＥＭ式検査装置といった、上位の欠陥検査装置で検出された欠陥座標を入力情報とし、この座標における高解像ＳＥＭ画像を取得するための装置である。また、設計データに基づくシミュレーションにより抽出されたホットスポット座標を入力情報として用いることもできる。さらに、これらの装置は取得した画像に対してＡＤＣ（Automatic Defect Classification）あるいはＭＤＣ（Manual Defect Classification）により分類評価する機能を有している。ＡＤＣやＭＤＣはＳＥＭ式観察装置とネットワークで接続された画像処理装置でも行うことができる。

ここで、ＡＤＣとは、取得した画像から得られる欠陥の特徴量等の情報を用いて後述する荷電粒子線装置の分類処理部で自動的に欠陥の属性を分類する処理であり、ＭＤＣとは取得した画像をユーザに提示して、インターフェースから入力されたユーザの判断結果に従って欠陥の属性を分類する処理である。ＡＤＣまたはＭＤＣによる分類評価とは、欠陥候補が真の欠陥であるか、どのような種類の欠陥か、などに基づき取得した画像を分類または評価し、当該画像を取得した位置座標を含む観察対象（例えばチップ）が良品であるか否かを判定する処理である。

人手による目視確認に基づくＭＤＣと比較すると、ＡＤＣの分類性能は必ずしも十分ではない場合がある。本実施例では、ＡＤＣの性能不足を補うためにＭＤＣを併用し、ＭＤＣの前処理としてＡＤＣを活用することで、分類結果の信頼性を向上させている。

図１は、本実施例のＳＥＭ式観察装置の全体構成を示す模式図である。図１のＳＥＭ式観察装置は、電子銃１０１、レンズ１０２、偏向器１０３、対物レンズ１０４、試料１０５、二次粒子検出器１０９などの光学要素により構成される電子光学系、観察対象となる試料を保持する試料台をＸＹ面内に移動させるステージ１０６、当該電子光学系に含まれる各種の光学要素を制御する電子光学系制御部１１０、二次粒子検出器１０９の出力信号を量子化するＡ／Ｄ変換部１１１、ステージ１０６を制御するステージ制御部１１２、全体制御部１１３、画像処理部１１４、キーボード、マウスなどの操作部１１５、光学顕微鏡１１９、ディスプレイ等の表示部１２０などにより構成されている。また、電子光学系、電子光学系制御部１１０、Ａ／Ｄ変換部１１１、ステージ１０６、ステージ制御部１１２は、ＳＥＭ画像の撮像手段である走査電子顕微鏡を構成する。

電子銃１０１から発射された一次電子ビーム１０７は、レンズ１０２で集束され、偏向器１０３で偏向された後、対物レンズ１０４で集束されて、試料１０５に照射される。一次電子ビーム１０７が照射された試料１０５から、試料の形状や材質に応じて二次電子や反射電子等の二次粒子１０８が発生する。発生した二次粒子１０８は、二次粒子検出器１０９で検出された後、Ａ／Ｄ変換部１１１でデジタル信号に変換される。デジタル信号に変換された二次粒子検出器の出力信号を画像信号と称する場合もある。Ａ／Ｄ変換部１１１の出力信号は、画像処理部１１４に入力されＳＥＭ画像を形成する。画像処理部１１４は、生成したＳＥＭ画像を使用して欠陥検出などの画像処理を実行するＡＤＲ（Automatic Defect Review）処理部１１７を備える他、各種の画像処理を実行する。

レンズ１０２、偏向器１０３、対物レンズ１０４など、電子光学系内部の光学要素の制御は、電子光学系制御部１１０で行われる。試料の位置制御は、ステージ制御部１１２で制御されたステージ１０６で実行される。全体制御部１１３は、ＳＥＭ式観察装置全体を統括的に制御する制御部であり、操作部１１５、記憶装置１１６からの入力を解釈し、電子光学系制御部１１０、ステージ制御部１１２、画像処理部１１４等を制御し、必要に応じて表示部１２０、記憶装置１１６に処理結果を出力する。また、欠陥の自動分類処理は全体制御部１１３により実行され、全体制御部１１３はＡＤＣを行うための分類処理部１１８を備えている。分類処理部１１８は、ＡＤＲ処理部により抽出されたＳＥＭ画像あるいは記憶装置１１６に蓄積された画像を用いてＡＤＣを実行する。

以上説明したＡＤＲ処理部１１７または分類処理部１１８は、ハードウェア、ソフトウェアいずれの方式でも実現可能である。ハードウェアによりＡＤＲ処理部１１７または分類処理部１１８を構成する場合には、ＡＤＲあるいはＡＤＣに必要な処理を実行する複数の演算器を配線基板上、あるいは１つの半導体チップないしパッケージ内に集積することにより実現できる。ソフトウェアによりＡＤＲ処理部１１７または分類処理部１１８を構成する場合には、ＡＤＲ処理部１１７または分類処理部１１８内に高速な汎用ＣＰＵを搭載し、ＡＤＲあるいはＡＤＣの処理を行うプログラムを実行させることにより実現できる。

なお、以下に示す本実施例の処理はプログラムによっても実現可能であり、本発明のプログラムをインストールすることにより既存のＳＥＭ式観察装置をアップグレードすることができる。

図２は、図１の分類処理部１１８の詳細図を示している。図２に示す分類処理部１１８は、図１の全体制御部１１３に設けられたＣＰＵが、所定のプログラムを実行することにより実現される複数の機能ブロックにより構成されており、ＡＤＣ処理の全体を制御する分類制御部２０２、欠陥分類に必要な前処理を行う画像処理部２０３、画像処理部２０３で前処理された画像データを用いて実際の欠陥分類処理を実行する分類処理部２０４などを含んで構成されている。以上の機能ブロックをハードウェアで実現することも可能であり、その場合には、分類制御部２０２、画像処理部２０３および分類処理部２０４を実現する演算器が集積された半導体装置が全体制御部１１３内に設けられることになる。

分類処理部１１８には、画像処理部２０３で前処理された画像データが格納される画像情報記憶部２０１と、分類処理部２０４で実行された分類結果が格納される分類情報記憶部２０５が接続されている。分類情報記憶部２０５には、ＡＤＣの結果を検証するための検証データとして、ＭＤＣの結果情報も格納される。これらの記憶部は、記憶装置１１６内に設けられたパーティション、論理ボリュームあるいはファイルシステムなどに対応する。また、分類処理部１１８には、キーボード２０７やマウス２０８によって構成される操作部１１５、ＡＤＣの処理結果や装置に指示を与えるためのＧＵＩ（Graphical User Interface）が表示される表示部２０６が接続される。

撮像手段である走査電子顕微鏡で取得された観察画像の画像情報は、画像情報記憶部２０１に保存されている。ここで画像情報とは例えば、撮像手段により取得された観察画像だけでなく、撮像時の光学条件や撮像モードなどの観察条件、観察位置座標など観察点に関する情報、観察チップ、ショットに関する情報などの付帯情報、更には観察画像を画像処理部で処理した画像などを含む。まず、分類制御部２０２は画像情報記憶部２０１から画像情報を読み込み、画像処理部２０３に転送する。画像処理部２０３は、転送された画像情報から分類処理に必要な観察画像の各種特徴量、例えば、欠陥部分の寸法、形状、輝度分布、テクスチャなど、あるいは、背景パターンの寸法、形状、輝度分布、テクスチャなど、更には、欠陥部分と背景パターンとの位置関係など、対応するデータを求め、画像情報記憶部２０１に保存する。

次に、分類制御部２０２は画像情報記憶部２０１に保存された観察画像の特徴量データを読み込み、分類処理部２０４に転送する。分類処理部２０４は、所定の分類モデルに基づき欠陥の分類処理を行い、処理結果を分類情報記憶部２０５に保存する。

分類モデルには教示型とルールベース型がある。教示型は、正しい分類結果と対応付けられた特徴量データの教示によって、自動的に分類器を構成するものである。例えば、教示データに基づく特徴量空間において、境界を定義することで特徴量空間を分割して各カテゴリに対応させ、分類対象がどの特徴量空間に属するかを判定することで、カテゴリに分類することができる。また、特徴量空間の境界を定義する手法としては、特徴量空間上での距離がもっとも近い教示済み欠陥のカテゴリへ分類する方法や、教示データに基づいて各欠陥カテゴリの特徴量分布を推定しておき、分類しようとする欠陥の特徴量の生起確率が最も高いカテゴリへ分類する方法などがある。これらが教示型分類の基本型である。

一方、ルールベース型とは、例えば、ｉｆ−ｔｈｅｎ−ｅｌｓｅで記述されるルールに従って分類する方法であり、分類対象とする欠陥の集合を二つに分けることを繰り返して最終的に各カテゴリに分類する二分木構造の分類モデルが典型的なものである。エキスパートシステムやＢＲＭＳ（Business Rules Management System）として実用化されている。

半導体あるいは液晶検査・観察装置におけるＡＤＣにルールベース型アルゴリズムを適用する場合には、欠陥部分の凹凸、欠陥部分と背景パターンとの位置関係などを基本ルールとして定義することが多い。他にも、教示型とルールベース型を組み合わせたハイブリッド型などが実用化されている。

分類モデルに基づく欠陥分類を行うためのプログラムは、記憶装置１１６内に格納されており、全体制御部１１３内のＣＰＵがこのプログラムを実行することにより、分類処理部２０４の分類処理機能が実現される。各種処理の実行指示や処理対象データの選択などは、キーボード２０７やマウス２０８によって構成される操作部１１５から指示することができる。以上の指示内容、分類処理、保存などの実行過程は表示部２０６に表示され、装置ユーザは表示内容を確認することにより、ＡＤＣの処理内容を確認することができる。なお、分類処理部１１８は、必ずしも全体制御部１１３の内部に備えられている必要はなく、例えばＳＥＭ式観察装置とネットワークで接続されたコンピュータ等、全体制御部１１３とは独立して設けられた情報処理手段により実現してもよい。更に、同じＡＤＣ処理を全体制御部１１３に接続された複数台の情報処理手段により並列処理することも可能である。

ＭＤＣ作業も分類処理部で実行できるが、分類処理部とは別の構成、例えば、画像情報記憶部２０１や分類情報記憶部２０５にアクセスできるＰＣなどをネットワークに接続して用いても良い。ＳＥＭ式観察装置はクリーンルーム内に設置されるので、ユーザの操作を必要とするＭＤＣ処理を遠隔操作とすることでクリーンルームの外部からでも処理を行うことができる。ここでは、図２の分類処理部をＭＤＣ作業に使用する場合に例に説明する。画像情報記憶部２０１および分類情報記憶部２０５から読み込んだ情報を、分類制御部２０２において、ＭＤＣ作業効率向上を目的として適切な表示形式に変換して、表示部２０６に表示する。具体的な変換方法、表示方法の詳細は後述するが、ウェーハマップ、観察画像、ＡＤＣ結果、ＭＤＣ結果などを表示する。操作者は、表示部２０６に表示された情報をもとに、入力デバイスであるキーボード２０７やマウス２０８を用いて、ＡＤＣ結果をＭＤＣ結果に基づき修正、あるいは確定するための情報を入力することができる。

図３は、評価に用いるＦＥＭウェーハの一例である。ホットスポット評価による露光装置の条件出しやプロセスモニタリングにおいて、ＦＥＭウェーハが用いられる。図のように、フォーカス位置条件３０１とドーズ量条件３０２を変化させて製造した評価パターンを解析することで、露光装置の条件出しやモニタリングを行う。通常、フォーカス位置条件３０１とドーズ量条件３０２はウェーハ面内で単調に変化するように、ＦＥＭウェーハは製造されている。本実施例は、ＦＥＭウェーハ等、試料面内に所定の傾向をもって不良品チップが分布している試料に対して特に有効である。以下では、このようなＦＥＭウェーハを観察する場合を例として説明するが、ＦＥＭウェーハに限定されない。例えば通常のウェーハにおいてもウェーハ外周部などウェーハの特定部分に欠陥が多く不良品チップが多い場合など、本実施例の分類、評価方法が有効である。また、ＦＥＭウェーハを用いる場合には、ショットあるいはチップの配列情報が入力情報として、例えば、図２の画像情報記憶部２０１や分類情報記憶部２０５に保存される。このような情報が入力されない場合には、観察対象の座標情報などをもとに、グルーピング処理を実行すればよい。グルーピング処理とは、チップやショット配列に相当する単位で、ウェーハを評価に適した領域、すなわち良否判定を行う観察対象ごとに分割することを示している。直接的にチップやショット情報がない場合でも、画像撮像時の付帯情報として、チップやショットピッチとして情報が入力されている場合には、これらの情報を用いることができる。チップ情報だけでなく、ショット情報がある場合には、露光時のマスクの傾きなど、より詳細な解析、モニタリングが可能となる。また、チップやショット配列に相当する情報がない場合には、領域分割するサイズや分割数をユーザに入力させても良いし、過去の評価実績や評価対象における観察点の分布から、適当な分割数を推定して提示してもよい。このようなグルーピング処理は、ＡＤＣ制御部を備えた分類制御部２０２などで実行することができる。

なお、以下ではホットスポットや欠陥候補検出位置の座標の画像を取得し、ＡＤＣおよびＭＤＣ処理によって取得した画像を分類し、その結果に基づいて当該座標を含むチップの良否判定を行う例を説明するが、上述のグルーピング処理をすることで、チップ単位の良否判定に代えて、製造工程での露光単位であるショットごとに良否判定してもよいし、良否判定の単位をユーザが予め指定できるようにしてもよい。

図４は、ＦＥＭサンプル評価の手順を示すフローチャートである。まず、シミュレーションによるホットスポット抽出、あるいは検査装置による高感度検査による欠陥抽出により画像取得を行う座標を決定する（ステップ４０１）。次に、画像取得を行う座標の高精細画像を観察装置で取得する（ステップ４０２）。このとき、手動操作による画像取得も可能であるが、大量の画像を取得するので、ＡＤＲによる自動取得の方が好ましい。ＡＤＣを用いて取得した観察画像を分類し、画像取得を行った座標を含むチップの良否を評価する（ステップ４０３）。ＡＤＣによる分類は必ずしも正しいとは限らないので、最後に、ＡＤＣ結果を基に、ユーザにＭＤＣによる評価を促し、ユーザによる分類または評価結果に従って、ＡＤＣによる判定結果の修正を行う（ステップ４０４）。以上の処理により、どのような条件で露光したチップが良品であるかが分かるので、最適な露光条件の抽出、あるいはプロセスウィンドウの確定をすることができる。なお、プロセスウィンドウとは処理条件の許容幅のことであり、露光条件をプロセスウィンドウ内に設定することで良品チップを製造することができる。ＡＤＣおよびＭＤＣ作業は、画像情報記憶部２０１や分類情報記憶部２０５に保存された情報を用いて、分類制御部２０２により制御される。特にＭＤＣ作業の場合は、操作者による入力作業を伴う。具体的には、表示部２０６に表示されたＡＤＣによる良否判定結果をもとに、この良否判定結果から抽出された観察対象に対してキーボード２０７やマウス２０８入力により、分類結果を確定する。

図５は、ＡＤＲ／ＡＤＣを活用したプロセスウィンドウ確定処理の詳細手順を示すフローチャートである。まず、ＡＤＲによりホットスポットまたは上位の検査装置から入力された欠陥候補位置の観察画像を自動取得する（ステップ５０１）。ＡＤＣを用いて、取得した観察画像を分類し、観察画像を取得した位置を含むチップを評価する（ステップ５０２）。次に、ＡＤＣ結果に基づきＮＧチップ（不良品チップ）を確定させる（ステップ５０３）。具体的には、チップ内で許容される欠陥数を予め閾値として設定しておき、閾値を超える欠陥が発生している場合をＮＧチップと判定し、閾値を超える欠陥が発生していない場合をＯＫチップ（良品チップ）とする。一般的には、一つでも欠陥が発生した場合は、ＮＧチップとする場合が多いが、ＡＤＣの分類精度や評価目的によって閾値設定を変えられるシステムの方が好ましい。また、複数の閾値を導入することで、ＯＫ／ＮＧの２段階ではなく、ＯＫ／不明／ＮＧの３種類など、３種類以上の分類に対応することもできる。

また、ここではＡＤＣ処理によりＮＧチップを確定する例を示しているが、反対にＯＫチップを確定するようにしてもよい。この場合には後述するＭＤＣ処理によりＮＧチップを再判定することとなる。

ＡＤＣの分類結果を信用して、プロセスウィンドウを確定する運用であれば、この段階（ステップ５０３）で処理を終了するが、分類定義の難易度によっては、ＡＤＣの分類正解率は必ずしも１００％ではないので、ＭＤＣによる確認作業が必要な場合がある（ステップ５０４）。本実施例によれば、ＭＤＣ作業を最小限にすることができるので、ＭＤＣによる確認を前提とした運用を提案することができる。ＭＤＣによる確認は、ＡＤＣ処理によってＮＧチップと判定されたチップ以外に限定すればよい。すなわち、ＡＤＣ処理においてＯＫチップと判定されたチップがＭＤＣ処理すべき対象として抽出される。ステップ５０５では、抽出されたＭＤＣ処理すべき対象のチップに含まれる座標位置において取得された画像が表示され、ユーザによって当該画像の欠陥候補が分類される。ユーザの分類結果に従って、ＭＤＣ処理部が当該画像に対するＡＤＣ判定結果を修正し、その結果、そのチップに対する評価が修正される。

また、ＡＤＣでＯＫチップと判定されたチップに対して人手による再確認を前提としている場合には、多少の欠陥見逃しは許容するが、欠陥が無いのに欠陥ありと誤判定する、いわゆる過検出を防止するように、ＡＤＣの分類パラメータを調整するのがよい。逆に、ＡＤＣでＮＧチップと判定されたチップに対して人手による再確認を前提としている場合には欠陥の過検出は許容するが、欠陥見逃しを防止するようにＡＤＣ分類パラメータを調整するのがよい。すなわち、ＭＤＣ処理する予定の観察対象に対してはＡＤＣの誤判定を許容するが、ＡＤＣ処理結果を信用する予定の観察対象に対しては誤判定を許さないようにＡＤＣのパラメータを調整することが重要である。具体的なパラメータの調整方法は、図７を用いて後述する。このようにパラメータ調整すれば、仮に欠陥見逃しが発生した場合でも、ＭＤＣにより正しい判定結果に修正できるので、最終結果であるプロセスウィンドウは、取得した全ての画像に対してＭＤＣで分類した結果と同一となることが期待できる（ステップ５０６）。

図６は、ＮＧチップ自動判定処理のフローチャートであり、図５のステップ５０３に対応した処理の具体例である。通常、一つのチップの中に複数の欠陥候補が含まれているので、それぞれの欠陥候補の座標位置で取得した観察画像のそれぞれに対して、ＡＤＣを実行する（ステップ６０１）。ＡＤＣ結果がＤＯＩ（Defect of Interest）、すなわち検出対象としている欠陥でない場合は、「異常なし」にカウントし（ステップ６０３）、ＤＯＩの場合は、「異常あり」にカウントする（ステップ６０４）。例えば、製造装置の発塵などが、検査装置で欠陥として検出され、観察装置で撮像されるが、ＦＥＭサンプルを使った条件出しやモニタリングにおいては、無視すべき欠陥、すなわちＤＯＩではないため、「異常なし」にカウントする。「異常あり」にカウントすべき欠陥とは、露光条件を変化させたために発生する、パターン異常である。このような判定基準に基づき、「異常」の有無判定を対象チップ内の全画像に対して実行する（ステップ６０５）。

次に、チップ内の「異常あり」の総数が閾値を超えなかった場合は「ＯＫチップ」と認定し（ステップ６０７）、閾値を超えた場合は「ＮＧチップ」と認定する。上記処理を全チップについて実行することで（ステップ６０９）、ＡＤＣを活用してＮＧチップを自動判定することができる。

図７は、ＭＤＣ作業を最小化するのに適したＡＤＣ分類パラメータを設定するための、ＧＵＩ（Graphical User Interface）構成の一例である。図７に示すように、ＯＫチップを白色で、ＮＧチップを網掛けで示したマップを表示部に表示する。マップ表示することでウェーハ面内の良品／不良品チップの分布を容易に確認することができる。特に本実施例で説明しているＦＥＭウェーハではウェーハ面内で露光条件を単調に変化させているので、図７に示すように良品／不良品チップの分布は単調に変化して二分できることが予想される。このような場合、分布を直感的に認識するのに、マップ表示が最も適している。

また、ＯＫチップとＮＧチップ、または欠陥あり画像と欠陥なし画像の数、またはこれらの割合を表す表やグラフを、マップ表示に代えて、またはマップ表示と合わせて、表示するようにしてもよい。本実施例ではさらに、これらのマップ表示や表とあわせて、ＡＤＣ処理に用いるパラメータを調整するためのＡＤＣパラメータ調整手段を設ける。図７では、設定対象のパラメータを「欠陥検出感度」として表示しているが、欠陥／ノイズ弁別閾値や、その他の特徴量算出パラメータでも良い。ＡＤＣパラメータ調整手段によってユーザがパラメータ調整すると、ＡＤＣによる判定結果を示すマップの表示や表などが連動して、調整後のパラメータでＡＤＣにより判定したときの結果に更新される。ユーザのパラメータ調整に追従してリアルタイムでＡＤＣ判定結果が更新されるのが操作性の観点から望ましいが、ＡＤＣパラメータを確定する確定ボタン（図示省略）を押すと画面が更新されるようにしてもよい。

「（ｂ）標準設定」を標準的な初期設定とすると、「（ａ）見逃し防止設定」は欠陥検出感度を下げることにより、ＡＤＣ結果に基づくＮＧチップは減少し、ＯＫチップが増加している。このように、ＮＧチップの見逃しを防止することを重視する場合には、欠陥検出感度を低く設定して、確実にＮＧチップを判定し、ＮＧチップか否か判定が難しいチップについてはＡＤＣ処理ではＯＫチップ候補として判定し、ＯＫチップの可能性があるものを再度ＭＤＣで確認する。こうすることで、欠陥の見逃しを防止することが効率よく実現できる。例えば、ＯＫチップの集合であるプロセスウィンドウを確定することが目的である場合には、ＡＤＣでＯＫチップを広めに検出するようにパラメータを最適化し、ＭＤＣで確認するのが効率よく、かつ確実性も確保できる。

一方で、プロセスウィンドウの確定よりも、最適条件を抽出することを重視する場合には、ＯＫチップ分布の中心を求めることが目的となる。このような場合には、「（ｃ）最適条件判定設定」のように、欠陥検出感度を上げて積極的に欠陥検出することで、ＡＤＣ結果に基づくＯＫチップ候補を最小限にして、ＯＫチップ候補のみをＭＤＣ作業すれば、ＭＤＣ作業の手間を最小限にすることができる。

このように、どちらの運用に対しても、パラメータ変更と、それに対応したウェーハマップ上でのＯＫ／ＮＧチップ分布の変化が視覚的に確認できれば、パラメータ設定が容易になる。特に、ＦＥＭウェーハ評価では、露光装置の条件を意図的に振っているので、経験的にどのようなプロセスウィンドウになるかが予想できるため、予想可能なウェーハマップ上のＯＫ／ＮＧチップ分布を参考にして、一般に調整が難しいと言われているＡＤＣパラメータを調整できることは、操作者の作業負担の軽減につながる。ＡＤＣパラメータと、パラメータ設定値に対応した、ウェーハマップ上のＯＫ／ＮＧチップ分布に加えて、ＯＫ／ＮＧチップの数や発生率、更には、それぞれのチップ内に存在する観察画像数や比率なども、ＡＤＣパラメータ調整を容易にする情報として有効である。

図８は、ＡＤＣパラメータを最適化するために、ウェーハマップ上での欠陥分布と画像をあらわすＧＵＩの一例である。このように、ＡＤＣパラメータと、パラメータ設定値に対応した、ウェーハマップ上のＯＫ／ＮＧチップ分布に加えて、更に、観察画像を表示して、観察画像上の欠陥位置やＡＤＣ結果の変化を、パラメータ設定値と対応させて表示するのも効果的である。なお、図８では黒色に選択されたチップに含まれる欠陥の画像の一つを表示する例を示しているが、マップ表示からチップを選択できるようにするとよい。またはチップＩＤによりチップを選択してもよい。また、表示する欠陥画像は欠陥ＩＤやチップ座標を選択することで切り替えられるようにしてもよいし、欠陥の画像は複数並べて表示されてもよい。更には分類結果を一覧表示してもよい。

本実施例によれば、ＡＤＣパラメータ設定とウェーハマップ上の欠陥分布とを連携表示し、パラメータの設定値を変更した際にウェーハマップの欠陥分布の変化を参考にすることで、目的に応じた最適パラメータを簡単に設定することが可能となる。

次に、ＡＤＣの判定結果を用いてＭＤＣ作業を軽減する方法について説明する。

図９は、ＡＤＣとＭＤＣを併用する際に、ＭＤＣ作業の負担を軽減するためのＭＤＣ支援処理のフローチャートであり、図４のステップ４０４、図５のステップ５０５に対応している。既述のように、ＡＤＣ結果に基づきＮＧチップを確定し、ＯＫチップ候補のみをＭＤＣにより目視確認する例を説明する。このとき、欠陥抽出感度を低めに設定すれば、ＯＫチップ候補が増えるためＭＤＣ作業負担は増加するが、目視確認により、確実にＯＫチップを抽出することができる。

具体的な処理フローについて説明する。まず、全てのＯＫチップ候補に対して、ＡＤＣに基づき、隣接するＮＧチップの数をカウントする（ステップ９０１）。説明を簡単にするためＡＤＣ結果としているが、ＡＤＣ結果にＭＤＣ結果が混在していても良い。ここでは、隣接するＮＧチップの数が多いほど該当チップがＮＧチップになる危険度が高いと判断しているが、他の方法により危険度を求めてもよい。例えば、チップ内の観察画像それぞれについて、ＡＤＣ処理の際に求められた特徴量から、「異常あり」と判定される可能性を定量化して、危険度としてもよい。

次に、カウント数が最大のチップ、すなわちＭＤＣ処理が必要なチップのうち危険度が一番高いチップから順に選択して表示し（ステップ９０２）、選択チップに対してＭＤＣを実行する（ステップ９０３）。ＭＤＣ処理では、前述したように、選択されたチップ内の欠陥候補画像を表示部に表示して、ユーザが当該画像が真に欠陥であるか否かを判断し、操作部を通してユーザの判断結果を入力し、この入力に基づいてＭＤＣ制御部がＡＤＣ判定結果を修正する。

ここでは、カウント数が最大のチップから順にＭＤＣを実行するフローを記しているが、目的に応じて、カウント数が最小のチップから順にＭＤＣを実行してもよい。ＭＤＣ処理の順番を決めることで漏れなく全てのＯＫチップを確認することができる。ＭＤＣが必要な観察対象の漏れを無くすという観点では、例えば、図１０で後述するように、目視確認済みであるか否かを、ウェーハマップ上に視覚的に判断できる形式で表示することで、確認漏れを防止してもよい。また、カウント数が最大のチップから順にＭＤＣを実行する利点については、図１０を用いて後述する。

ＭＤＣで確認した結果、選択されたチップ内でユーザに真に欠陥であると判断された数が予め設定された閾値を超えた場合には（ステップ９０４）、その時点で当該チップをＮＧチップと判定し（ステップ９０５）、当該チップの判定結果をＮＧに確定する。これによってチップ内の残りの画像に関しては、ＭＤＣによる目視確認を省略することができる。一般的には、チップ内に一つでも欠陥が発生している場合にはＮＧチップと判定するため、チップ内の全画像を目視確認するのと比べて目視確認作業を省略することができる。特に、ＮＧチップに隣接する境界チップにおいては、欠陥候補数が多く、かつ、欠陥が発生している可能性が高いので、大幅に目視確認作業を省略できる。

一方、選択されたチップ内でユーザに真に欠陥であると判断された数が予め設定された閾値を超えなかった場合には（ステップ９０４）、チップ内の残りの画像に対して、目視確認を継続する（ステップ９０６）。チップ内の全観察画像を目視確認が終了して、ユーザに真に欠陥であると判断された数が閾値を超えなかった場合には、当該チップをＯＫチップとして確定する（ステップ９０７）。このような手順で、全チップに対してＯＫ／ＮＧチップ判定を実行する（ステップ９０８）。

図１０は、ＯＫ／ＮＧチップの区別、ＯＫチップ候補に関しては、隣接するＮＧチップ数でＮＧチップになる可能性の大小を示し、更には、確認済みであることを判別容易な形式で表示した例である。

まず、「（ａ）初期表示」では、ＯＫチップは白色で、ＮＧチップはハッチング表示しているので、ＯＫチップとＮＧチップを容易に区別することができる。また、白色で表示したＯＫチップ候補はＡＤＣによる判定結果だけでは良否判定が確定していないチップであり、ＭＤＣ処理が必要とされる。図１０のＯＫチップ候補には隣接するＮＧチップ数を表示しており、ＮＧチップになる可能性の大小が視覚的に判別できる。隣接チップの数の多さは各チップに付された色で表示されてもよい。

「（ｂ）判定済み強調表示」では、ＭＤＣによる判定済みチップを強調表示している。本例では、ＭＤＣ判定済みのＮＧチップは黒色で、ＭＤＣ判定済みのＯＫチップは数値表示無しの白色で表示することで、判定前、すなわちＡＤＣ結果に基づくＯＫ／ＮＧチップ判定結果と区別できるようにしている。

次に、図９のステップ９０２、９０３で説明したように、隣接するＮＧチップが多い順、すなわちＮＧチップになる可能性が高い順にＭＤＣする利点を説明する。

図１０の「（ｃ）ＯＫチップ自動判定前」のように、隣接するＮＧチップ数がゼロで、かつ隣接するチップが全て目視確認済みの場合には、「（ｄ）ＯＫチップ自動判定後」のように、目視確認せずにＯＫチップと判定することが可能である。ＦＥＭサンプルの特性上、図３のように、フォーカス位置やドーズ量を単調に変化させている場合には、ＯＫチップの内側にＮＧチップが孤立して発生することは稀であることから、ＯＫチップで囲われたチップはＯＫチップと自動判定してよい。ＮＧチップに隣接するチップ数が多い、すなわちＮＧチップとの境界から順にＮＧ／ＯＫチップを確定することにより、図１０（ｃ）（ｄ）のように、ＯＫチップを自動判定できる場合がある。ＯＫチップも自動判定することで、更に目視確認する量を減らし、ＭＤＣ作業負担を軽減することができる。

図１１を用いてチップ内の複数の画像をＭＤＣの優先度順に並び替える例を説明する。図１１は、ＭＤＣ作業の際に、最も「異常あり」らしい画像から順に目視確認することで、目視作業の負担を最小限にする方法を示すフローチャートである。選択されたチップ内には、通常、複数の画像が存在するので、優先度の高い画像からＭＤＣ処理することによって欠陥の分類評価を確定させるとよい。本実施例では、優先度は画像に含まれる欠陥候補の危険度、すなわち欠陥候補がＤＯＩである可能性の高さで判断する。以下では、欠陥候補の危険度を「異常あり」らしさと表現する。図１１は、図９のステップ９０３に対応し、ＭＤＣ作業の負担を低減するための、具体的な手順を示している。まず、選択したチップ内で最も「異常あり」らしい画像を選択する。

「異常あり」らしさの判定基準の一例としては、欠陥候補のサイズが分かりやすい。一般に、ＡＤＣでは様々な特徴量を求め、これらの特徴量を軸に持つ空間である特徴量空間における、特徴量分布から欠陥の種類を特定する。特徴量には例えば、欠陥部分の寸法、形状、輝度分布、テクスチャなど、あるいは背景パターンの寸法、形状、輝度分布、テクスチャなど、更には欠陥部分と背景パターンとの位置関係などがある。このうち欠陥サイズを用いる場合には、例えば、欠陥画像と正常画像との差分を抽出して、差分面積の和を欠陥サイズに相当する特徴量とし、簡単のため、この特徴量のみで「異常あり」を判断するものとする。この場合、パターンのエッジラフネスなど、異常ではなく製造公差と考えるべき差分も抽出される可能性があるが、差分面積の和が大きいほど、「異常あり」らしい、すなわち欠陥の可能性が高いと考えることができるので、最も差分面積の和が大きいものから順に選択して（ステップ１１０１）、選択画像に対してＭＤＣを実行することになる（ステップ１１０２）。ここでは、単純に一つの特徴量、欠陥サイズに相当する特徴量で「異常あり」らしさを判定しているが、複数の特徴量を求め、特徴量空間における特徴量分布に基づいて、「異常あり」らしさを判定する方法を用いても良い。

次に、ユーザの目視確認により「異常あり」と「異常なし」の数をカウントする（ステップ１１０４、ステップ１１０５）。「異常あり」にカウントした場合には、チップ内の「異常あり」数が閾値を超えていないかを判定して（ステップ１１０６）、閾値を超えた場合には、チップ内の残りの画像は目視確認作業を実行せずに、ＮＧチップとしてその時点で判定結果を確定し（ステップ１１０８）、当該チップに対するＭＤＣ処理を終了する。

ステップ１１０３で「異常なし」にカウントした場合には（ステップ１１０５）、チップ内の全画像に対してユーザによる目視確認済みかを判定し（ステップ１１０９）、全画像が確認されている場合には、チップ内の「異常あり」数が閾値を超えなかったため、該当チップはＯＫチップとして判定する（ステップ１１１０）。このように、最も「異常あり」らしい画像から順に確認して、「異常あり」の数が閾値を超えた時点でＮＧチップと認定し、残りの画像に対する確認作業を省略することにより、目視確認作業をさらに軽減することができる。本実施例では、ＡＤＣ処理をＭＤＣ処理の前処理として行うので、ＡＤＣによって自動的に欠陥候補の危険度を判断し、ＭＤＣ処理の順番を決めることができる。

図１２は、図９のフローに対応するマップ表示の例である。すなわち、ＡＤＣ結果に基づきＮＧチップを確定し、ＡＤＣでＯＫチップと判定されたＯＫチップ候補のそれぞれに対して隣接するＮＧチップ数をカウントして表示し、ＮＧチップになる可能性が高いと予想されるチップから順に、ＭＤＣによる目視確認を実行した場合の、ウェーハマップ遷移例を示している。

まず、隣接するＮＧチップ数が最大のチップ１２０１を最初のＭＤＣ対象チップとして選択する。ユーザはこのチップ内の欠陥候補に対する画像を確認して「異常あり」の画像か否かを判断する。「異常あり」数が閾値を超えた時点（１２０２）で、該当チップをＮＧチップとする判定が確定し、ＯＫ／ＮＧチップの判定処理を終了する。具体的な手順、および目視確認作業の負担を最小化する方法に関しては、図９、図１１で説明したとおりである。

ＭＤＣ処理によりＮＧチップであると確定されたチップ１２０３は、図１０で説明したように、確認ずみであることが分かるようにＭＤＣ未処理のチップと視覚的に区別して表示し、あらためて隣接するＮＧチップ数をカウントする。ＮＧチップが新たに確定されたことで確定されたＮＧチップに隣接するチップのカウント数が変わるからである。隣接するＮＧチップ数の再カウントの結果、ＯＫ候補チップであってＭＤＣが未処理であるチップのうちカウント数が最大のチップ１２０４に対して、同様にＭＤＣ処理を実施する。このように、ＮＧチップであると確定した時点で、該当チップのＭＤＣ作業を終了することで作業負担を軽減できる。さらに、新たにＮＧチップが確定したときに当該ＮＧチップ以外の危険度情報を更新することで、最新の危険度情報に基づき、効率よくＭＤＣ作業することが可能となる。

次に、「異常あり」数が閾値を超えなかった場合について説明する。「異常あり」数が閾値を超えなかった場合（１２０５）には、該当チップをＯＫチップ１２０６であると確定し、確認済みであることが分かるように表示して、次のチップ確認作業に移行する。この場合には、既にカウントされているＮＧチップの数に変化がないので、新たにＭＤＣ未処理のチップに対して隣接するＮＧチップの数をカウントしなおす必要はない。

図１３は、上述したようなＭＤＣ処理をユーザが効率よく行うためのＧＵＩ例である。ＭＤＣ作業を行う際には、ウェーハマップ１３０１、欠陥候補の観察画像１３０２を連携させて表示させるのが好ましい。前述のように、ウェーハマップはＯＫ／ＮＧチップの区別がつくように表示し、さらに、危険度、確認済みチップ、着目チップに関する情報を付加すると、ＭＤＣ作業を効率向上に効果的である。観察画像には、ＡＤＣで検出した欠陥領域をオーバーレイ表示するのがよい。また、ＡＤＣで判定された欠陥種類によって欠陥候補画像を選択的に表示するフィルタリング手段１３０３を付加すれば、ＡＤＣ結果に基づいて、確認したい観察画像のみを表示することもできる。ここではＡＤＣ結果としているが、ＭＤＣ結果が混在していてもよい。さらに、ＭＤＣ結果の入力方法は、図のようにＭＤＣ結果選択欄１３０４で分類コードを選択する方式でも、分類コードをキーボード等の入力デバイスから直接入力する方式でもよい。その他、着目しているチップ番号１３０５や、着目している観察画像のＩＤ１３０６もあわせて表示し、これらをユーザが指定することで、ＭＤＣ対象とするチップや表示する欠陥候補画像を選択できる構成とすると効果的である。

１０１ 電子銃
１０２ レンズ
１０３ 偏向器
１０４ 対物レンズ
１０５ 試料
１０６ ステージ
１０７ 一次電子ビーム
１０８ 二次粒子
１０９ 二次粒子検出器
１１０ 電子光学系制御部
１１１ Ａ／Ｄ変換部
１１２ ステージ制御部
１１３ 全体制御部
１１４ 画像処理部
１１５ 操作部
１１６ 記憶装置
１１７ ＡＤＲ処理部
１１８ 分類処理部
１１９ 光学顕微鏡
１２０、２０６ 表示部
２０１ 画像情報記憶部
２０２ 分類制御部
２０３ 画像処理部
２０４ 分類処理部
２０５ 分類情報記憶部
２０７ キーボード
２０８ マウス
３０１ フォーカス位置条件
３０２ ドーズ量条件
１２０１、１２０４ 危険度最大チップ
１２０３ ＮＧ確定チップ
１２０６ ＯＫ確定チップ
１３０１ ウェーハマップ
１３０２ 欠陥候補画像
１３０３ フィルタ設定欄
１３０４ ＭＤＣ結果選択欄
１３０５ チップ番号表示部
１３０６ ＩＤ選択部

Claims (10)

1. ウェーハ上の複数の観察対象に含まれる予め指定された座標位置に荷電粒子線を照射することで前記座標位置の画像を取得し、前記画像から得られた情報に基づいて前記観察対象の良否を判定する荷電粒子線装置において、
   前記画像から得られた情報に基づいて前記画像を分類することで前記観察対象の良否を判定するＡＤＣ処理部と、
   前記ＡＤＣ処理部による前記画像の分類結果をユーザの指示に従って修正することで前記ＡＤＣ処理部における前記観察対象の良否の判定結果を修正するＭＤＣ処理を行うＭＤＣ処理部と、
   前記ＡＤＣ処理部による判定結果を表示する表示部と、を備え、
   前記ＭＤＣ処理部は、前記ＡＤＣ処理部による判定結果に基づいてＭＤＣ処理すべき観察対象を抽出し、
   前記表示部は、前記ＭＤＣ処理部によって抽出された観察対象に含まれる座標位置の画像をＭＤＣ処理すべき対象として表示することを特徴とする荷電粒子線装置。
2. 請求項１に記載の荷電粒子線装置であって、さらに、
   前記ＡＤＣ処理部で判定に用いられるパラメータを調整するパラメータ設定手段を有し、
   前記表示部は、少なくとも前記観察対象の良否を区別して表示したマップを表示し、
   前記パラメータが変更されると、前記パラメータの値に応じて前記ＡＤＣ処理部による判定結果が更新されることを特徴とする荷電粒子線装置。
3. 請求項２に記載の荷電粒子線装置であって、
   前記ＡＤＣ処理部による判定結果は、前記観察対象の良否を区別して表示したマップ、前記ウェーハにおける良品数もしくは不良品数、前記ウェーハにおける良品発生比率もしくは不良品発生比率、前記観察対象の画像、前記観察対象の画像における欠陥領域情報、前記観察対象の画像の分類結果のうち一つ以上によって表されることを特徴とする荷電粒子線装置。
4. 請求項１に記載の荷電粒子線装置であって、
   前記ウェーハはウェーハ面内で露光条件を単調に変化させることで製造されたウェーハであることを特徴とする荷電粒子線装置。
5. 請求項１に記載の荷電粒子線装置であって、
   前記ＡＤＣ処理部による観察対象の良否判定結果に基づき、前記ＭＤＣ処理が行われる観察対象の順序を決定する手段を有することを特徴とする荷電粒子線装置。
6. 請求項５に記載の荷電粒子線装置であって、
   前記順序は、隣接する観察対象の良否判定結果、または前記観察対象に含まれる前記座標位置の画像から得られた情報に基づいて決定されることを特徴とする荷電粒子線装置。
7. 請求項１に記載の荷電粒子線装置であって、
   前記ＡＤＣ処理部による前記座標位置における異常発生の危険度に基づき、前記ＭＤＣ処理が行われる画像の順序を決定する手段を有することを特徴とする荷電粒子線装置。
8. 請求項１に記載の荷電粒子線装置であって、さらに、
   前記ウェーハの位置情報に基づいて、前記ウェーハ上の領域を前記観察対象ごとにグループ分けする手段を備えたことを特徴とする荷電粒子線装置。
9. 請求項１に記載の荷電粒子線装置であって、
   前記ＭＤＣ処理部は、前記観察対象に含まれる欠陥数が予め定めたしきい値を越えた時点で当該観察対象の良否判定を確定することを特徴とする荷電粒子線装置。
10. ウェーハ上の複数の観察対象に含まれる予め指定された座標位置に荷電粒子線を照射することで得られた前記座標位置の画像から得られた情報に基づいて、前記観察対象の良否を判定する画像処理装置で実行されるプログラムが記録された記録媒体であって、
    前記画像から得られた情報に基づいて前記画像を分類することで前記観察対象の良否を前記画像処理装置で判定し、
    前記画像処理装置で判定された結果を表示し、
    前記結果に基づいて抽出された観察対象に含まれる座標位置の前記画像の分類結果をユーザの指示に従って修正することで前記画像処理装置における前記観察対象の良否の判定結果を修正するＭＤＣ処理を行うことを特徴とするプログラムが記録された記録媒体。