[go: up one dir, main page]

TW202132747A - 圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體 - Google Patents

圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體 Download PDF

Info

Publication number
TW202132747A
TW202132747A TW109144853A TW109144853A TW202132747A TW 202132747 A TW202132747 A TW 202132747A TW 109144853 A TW109144853 A TW 109144853A TW 109144853 A TW109144853 A TW 109144853A TW 202132747 A TW202132747 A TW 202132747A
Authority
TW
Taiwan
Prior art keywords
edge
pattern
computer system
pattern matching
candidates
Prior art date
Application number
TW109144853A
Other languages
English (en)
Other versions
TWI767458B (zh
Inventor
李良
安部雄一
長友渉
Original Assignee
日商日立全球先端科技股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日商日立全球先端科技股份有限公司 filed Critical 日商日立全球先端科技股份有限公司
Publication of TW202132747A publication Critical patent/TW202132747A/zh
Application granted granted Critical
Publication of TWI767458B publication Critical patent/TWI767458B/zh

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
    • G01N23/225—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]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/04—Measuring microscopes
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
    • G03F1/82—Auxiliary processes, e.g. cleaning or inspecting
    • G03F1/84—Inspecting
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G06V10/7515—Shifting the patterns to accommodate for positional errors
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • 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
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Electromagnetism (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
  • Image Analysis (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Eye Examination Apparatus (AREA)
  • Collating Specific Patterns (AREA)

Abstract

圖案匹配裝置係具備有在根據設計資料(104)的第1圖案資料、與表示電子顯微鏡的攝像畫像(102)的第2圖案資料之間，執行圖案匹配處理的電腦系統。電腦系統係取得包含1個以上的第1邊緣候補的第1邊緣候補群，取得選出必要個數(根據第2圖案資料應選出的第2邊緣候補的數量)，取得包含選出必要個數的第2邊緣候補的第2邊緣候補群，針對第1邊緣候補群與第2邊緣候補群的不同的建立對應的組合的各個，取得對應評估值，且根據對應評估值，選擇組合之中1個，根據所被選擇出的前述組合，計算匹配移位量。

Description

圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體
本揭示係關於圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體，尤其關於即使圖案的邊緣訊號微弱，亦實現高精度的匹配處理者。
在計測、檢查形成在半導體晶圓上的圖案的裝置中，係大多利用模板匹配技術，進行所希望的計測、或將檢查裝置的視野對合在計測位置。在專利文獻1中係說明如上所示之模板匹配之一例。其中，模板匹配係由探索對象的畫像中找到與預先登錄的模板畫像最為一致的區域的處理。
此外，在專利文獻2中係說明根據半導體元件的設計資料來作成模板匹配用的模板的方法。若可根據設計資料來作成模板，有不用耗費為了作成模板而特意以檢查裝置取得畫像的勞力等優點。
在專利文獻3中係說明即使在模板與被探索畫像之間，圖案所包含的邊緣(層的端部或層間的交界等)的位置或數量有變化的情形下，亦進行高精度的匹配的方法。 先前技術文獻 專利文獻
專利文獻1：日本專利第4218171號公報(美國對應專利第6,627,888號說明書) 專利文獻2：日本專利第4199939號公報(美國對應專利第7,235,782號說明書) 專利文獻3：國際公開第2016/121073號小冊
(發明所欲解決之問題)
近年來，因半導體製程的進化，在以掃描電子顯微鏡(SEM)所攝影到的畫像(SEM像)中，邊緣微弱的案例逐漸增加。尤其在多層圖案中，該傾向更為明顯。必須進行使用微弱的邊緣的圖案匹配處理。
但是，在習知技術中，係難以由SEM像正確取得微弱的邊緣。
例如，專利文獻3係揭示根據使用邊緣強度的臨限值來選出邊緣候補的方法，但是因半導體圖案的構成、材質、構造等的不同、或計測條件的不同等，SEM像的觀看方式與設計資料不同，因此無法預測微弱的邊緣的邊緣強度有多弱。若使用臨限值處理來進行邊緣的選出，有遺漏真的邊緣(正確邊緣)的可能性。相反地，若未使用臨限值處理而選出全部邊緣候補，有後段的建立對應處理的處理時間變長的案例。此外，因建立對應處理的自由度增加，有匹配處理變得不安定的可能性。
如上所示，在包含微弱的圖案邊緣的SEM像中，有無法進行適當匹配的可能性，有此對匹配處理後的計測或檢查造成影響的可能性。
在包含微弱的邊緣的SEM像中，要如何處理邊緣的選出處理，在專利文獻1、2、3中並未揭示。
本揭示係用以解決如上所示之課題而完成者，提案出即使為包含微弱的邊緣的SEM像，亦可適當選出邊緣候補，進行高精度的定位的圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體。 (解決問題之技術手段)
本揭示之圖案匹配裝置之一例係具備有在根據設計資料的第1圖案資料、與表示電子顯微鏡的攝像畫像的第2圖案資料之間，執行圖案匹配處理的電腦系統的圖案匹配裝置，其特徵為： 前述電腦系統係根據前述第1圖案資料，取得包含1個以上的第1邊緣候補的第1邊緣候補群， 前述電腦系統係取得選出必要個數，前述選出必要個數係表示根據前述第2圖案資料應選出的第2邊緣候補的數量， 前述電腦系統係根據前述第2圖案資料，取得包含前述選出必要個數的第2邊緣候補的第2邊緣候補群， 前述電腦系統係針對前述第1邊緣候補群與前述第2邊緣候補群的不同的建立對應的組合的各個，取得根據前述第1及第2邊緣候補群的對應評估值， 前述電腦系統係根據前述對應評估值，選擇前述組合之中1個， 前述電腦系統係根據所被選擇出的前述組合，計算匹配移位量。
本揭示之圖案測定系統之一例係包含上述圖案匹配裝置、及掃描電子顯微鏡。
在本揭示之非暫態電腦可讀媒體之一例中，係儲存有使電腦系統，作為上述之圖案匹配裝置所包含的電腦系統發揮功能且可在電腦系統上執行的程式命令。 (發明之效果)
藉由本揭示之圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體，即使為包含微弱的邊緣的SEM像，亦可適當選出邊緣候補，進行高精度的定位。
以下使用圖示，說明本揭示之圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體。其中，在圖中對相同構成要素係標註相同元件符號。
[實施例1] 圖1係本揭示之實施例1之圖案匹配裝置的構成例。圖案匹配裝置係可構成為執行圖案匹配處理的運算處理裝置。運算處理裝置係可藉由例如電腦系統所構成。
圖1係特別示出藉由運算處理裝置所執行的圖案匹配處理的流程。圖案匹配處理係包含例如探索由藉由計測裝置所取得的像所得的邊緣候補、與由設計資料所得的邊緣候補的適當建立對應的工程。
在本實施例中，使用掃描電子顯微鏡(Scanning Electron Microscope。以下為「SEM」)作為計測裝置之一例。SEM係被使用在用以計測例如形成在半導體晶圓上的半導體元件的圖案的尺寸。其中，關於SEM的具體構成例，使用圖4容後敘述。
在本實施例中，運算處理裝置係具備：SEM像取得部101、設計資料取得部103、及圖案匹配處理部130。圖案匹配處理部130係可構成為例如電腦系統。
設計資料取得部103係取得設計資料104(第1圖案資料)而供給至圖案匹配處理部130。其中，在本實施例中，係將設計資料104本身作為第1圖案資料，惟第1圖案資料若為根據設計資料104所得者，可形成為任意的形式及內容的資料。
SEM像取得部101係取得SEM像102(第2圖案資料)而供給至圖案匹配處理部130。其中，亦可使用其他方式的電子顯微鏡的攝像畫像，來取代SEM像102。
設計資料104係對應在SEM像102所呈現的圖案。例如，根據某設計資料104，形成半導體元件的圖案，對該圖案藉由SEM所攝像者為SEM像102。分別對應各種SEM像102的設計資料104被事前準備且供給至運算處理裝置。
SEM像102與設計資料104的建立關連係可以任意方法決定，例如亦可由運算處理裝置對應SEM像102而自動取得適當的設計資料104，亦可由運算處理裝置的使用者指定對應SEM像102的設計資料104。
在SEM像102係呈現複數邊緣。邊緣係指例如表示物理上的構造的圖案中的層的端部或層間的交界等。SEM像102中的邊緣係例如以預定方向(以具體例而言為縱向)，彼此平行延伸的線段狀的構造。
同樣地，在設計資料104亦呈現複數邊緣。設計資料104係包含例如表現表示邊緣的線段的起點及終點的座標資料。在本實施例中，設計資料104中的邊緣係藉由以預定方向(以具體例而言為縱向)彼此平行延伸的線段來表示。
在本實施例中，SEM像102及設計資料104中的各邊緣的位置係設為可分別藉由單一的純量值(例如X座標值)來表示者。若使用如上所示所表現的邊緣的位置，可將畫像上的邊緣使用在具體的資訊處理。
圖案匹配處理部130係在SEM像102與設計資料104之間執行圖案匹配處理。輸出匹配移位量107，作為圖案匹配處理的結果。匹配移位量107係表示SEM像102與設計資料104之間的位置的移位量或差。
匹配移位量107係可藉由例如單一的純量值(例如X方向的移位量)來表示。
理想上，若使設計資料104所包含的全部邊緣以相同的移位量移位，會與SEM像102所包含的邊緣完全相一致。現實中雖然有存在彼此不相對應的邊緣的可能性，而且有在移位量亦發生一定程度的誤差的可能性，但是可決定匹配移位量107，作為供予邊緣間的最適建立對應的最適移位量。
以下說明圖案匹配處理部130的構成及動作。圖案匹配處理部130係具備：邊緣候補抽出部121、選出邊緣候補必要個數計算部123、選出邊緣候補處理部125、邊緣候補與設計資料的建立對應候補選出部126(以下稱為「建立對應候補選出部126」)、對應評估值計算部110、邊緣建立對應處理部112、及匹配移位量計算部106。
首先，選出邊緣候補必要個數計算部123取得選出邊緣候補必要個數124。選出邊緣候補必要個數124係設計資料104所包含的邊緣的數量以上的數量。
供選出邊緣候補必要個數計算部123取得選出邊緣候補必要個數124之用的方法係可任意設計。例如，如圖1所示，選出邊緣候補必要個數計算部123亦可根據SEM像102及設計資料104而自動計算(具體例係使用圖3等容後敘述)。或者，亦可由使用者按照設計資料104輸入適當的數，且由選出邊緣候補必要個數計算部123取得此。
接著，邊緣候補抽出部121根據SEM像102，取得一次邊緣候補122。在此所取得的一次邊緣候補122的數量係選出邊緣候補必要個數124以上。
使用圖2，說明有關邊緣的處理之例。圖2(a)係有關抽出一次邊緣候補122的處理的圖表。橫軸202係表示SEM像102中的特定方向的座標(例如X座標)，縱軸204係表示訊號強度(例如亮度)。線輪廓201係將SEM像102的各畫素的訊號強度，以在SEM像102中與橫軸202呈正交的方向(例如Y軸方向，對應線圖案的長邊方向)投影而生成的輪廓。
根據線輪廓201所抽出的點203成為一次邊緣候補。在圖2(a)之例中係取得20個一次邊緣候補。
以抽出一次邊緣候補的方法而言，例如在線輪廓201中，可抽出在具有預定畫素數的幅度的區劃內訊號強度成為最大值的位置，作為一次邊緣候補。其中，抽出一次邊緣候補的處理並非為限定於上述手法者，若為可適當抽出有成為邊緣的可能性的位置的處理即可。
在該處理中，較佳為不進行根據臨限值的除外處理、或因雜訊而起的偽邊緣的除外處理，俾以更確實地抽出微弱的邊緣。
選出邊緣候補必要個數124係表示根據SEM像102應選出的第2邊緣候補108的數量，以無遺漏SEM像102中的真的邊緣的方式所決定的數量。藉由適當決定選出邊緣候補必要個數124，可使成為運算對象的邊緣候補的數量成為最小限度。若使用如上所示之處理，可得建立對應候補109(成為後述之離散最適化處理的對象的候補)變少，且縮短圖案匹配處理所需時間，此外，處理安定的效果。
接著，選出邊緣候補處理部125係由SEM像102中的一次邊緣候補之中，選出複數與設計資料104的邊緣實際相對應的第2邊緣候補108。
例如，選出邊緣候補處理部125係針對一次邊緣候補的各個，算出邊緣評估值，且根據該邊緣評估值，選出第2邊緣候補108。在此所選出的第2邊緣候補108的數量係等於選出邊緣候補必要個數124。
圖2(b)係有關選出第2邊緣候補108的處理的圖表。橫軸222係與圖2(a)相同，縱軸221係表示邊緣評估值。以下，使用表示作為邊緣的強度的邊緣強度，作為邊緣評估值之例。
首先，選出邊緣候補處理部125係針對一次邊緣候補的各個，算出邊緣強度。例如，某一次邊緣候補224的邊緣強度的值係223，在圖2(b)之例中係邊緣強度為最高的一次邊緣候補。
以邊緣強度的算出方法而言，在例如圖2(a)的線輪廓201中，可算出為對應該一次邊緣候補的訊號強度、與該一次邊緣候補周邊(例如將該一次邊緣候補的位置作為中央而具有前後預定畫素數的寬幅的區劃內)的訊號強度的最低值(局部的最小值)的差。
此外，以其他例而言，在圖2(a)的線輪廓201中，可根據該一次邊緣候補周邊的傾斜(微分值)，算出邊緣強度。
如上所示，根據SEM像102中的亮度、或根據表示SEM像102中的各位置的亮度的訊號的波形，算出邊緣強度，藉此可以相對較少的運算量取得邊緣強度。
邊緣強度的算出方法並非為侷限於該等，若為在SEM像102中，在邊緣中使用供予較高的值的指標值的方法，亦可為任何方法。
接著，選出邊緣候補處理部125係根據邊緣強度，在各一次邊緣候補進行排序。以排序的具體例而言，可以邊緣強度的遞減次序在一次邊緣候補進行排序。例如，若某一次邊緣候補224的邊緣強度的值223為全部一次邊緣候補的邊緣強度之中最高者，對該一次邊緣候補224排序為第1位。
其中，上述之例係假想邊緣強度愈大，為真的邊緣的可能性愈高的情形，但是，相反地，若為邊緣強度愈小，為真的邊緣的可能性愈高的情形，亦可以邊緣強度的遞增次序進行排序。
由如上所示所排序的一次邊緣候補之中，按照順位，僅選出與選出邊緣候補必要個數124相等的數量的一次邊緣候補。所選出的邊緣候補係成為與設計資料104的邊緣實際對應的候補(第2邊緣候補108)。
在圖2(b)之例中，某一次邊緣候補224係被選出作為第2邊緣候補(以實線表示)，並未選出別的邊緣候補225(以虛線表示)。在圖2(c)中顯示由所被選出的第2邊緣候補108所成的第2邊緣候補群。
如上所示，圖案匹配處理部130係根據SEM像102，決定各第2邊緣候補108的位置，藉此取得包含選出邊緣候補必要個數124的第2邊緣候補108的第2邊緣候補群。
接著，建立對應候補選出部126根據設計資料104，取得包含1個以上的第1邊緣候補113的第1邊緣候補群。
圖2(d)係有關選出第1邊緣候補的處理的圖。形狀261係以模式表示在對應設計資料104的圖案的剖面所呈現的凹凸。該剖面係與軸262呈平行。軸262係表示對應層的形狀261的第1邊緣候補的位置，對應例如圖2(a)的橫軸202的方向的軸。
圖2(d)的圖案係具有上層及下層的圖案。顯示出上層的線263、與上層的間隔(space)264(或下層的線)、與下層的間隔265。該等交界成為設計資料104的邊緣(第1邊緣候補)。例如，位於上層的線263與上層的間隔264的交界的邊緣266係上層的邊緣，位於上層的間隔264(亦即下層的線)與下層的間隔265的交界的邊緣267係下層的邊緣。
如上所示，設計資料104係包含表示第1邊緣候補的位置的資訊。其中，如上所述，在本實施例中，設計資料104係包含例如表現表示各邊緣的線段的起點及終點的座標資料，因此可據此取得第1邊緣候補的位置。
在圖2(d)之例中，係分別顯示上層的邊緣為2個、下層的邊緣為2個。如上所示，取得由4個第1邊緣候補所成的第1邊緣候補群。其中，在本實施例中，所被選出的第1邊緣候補全部成為與第2邊緣候補的建立對應處理的對象。
接著，建立對應候補選出部126係生成表示第1邊緣候補群與第2邊緣候補群的不同的建立對應的組合的建立對應候補109。在圖2之例中，建立對應候補選出部126係在圖2(d)所示之4個第1邊緣候補、與圖2(c)所示之9個第2邊緣候補之間，生成對應關係的組合。在本實施例中，建立對應候補109係包含邏輯上可能的所有建立對應的組合。
該「對應關係的組合」係指例如將第2邊緣候補群所包含的各第2邊緣候補，與第1邊緣候補群所包含的第1邊緣候補的任一者建立對應(或與任何第1邊緣候補均不建立對應)時的組合。例如，某組合係將某第2邊緣候補與某第1邊緣候補建立對應，其他組合係將該第2邊緣候補與其他第1邊緣候補建立對應。
對應評估值計算部110係針對建立對應的組合的各個，取得根據第1及第2邊緣候補群的對應評估值111。對應評估值111係表示該建立對應的組合中的建立對應的似然度，可表現為例如成本。
對應評估值111係可藉由例如離散最適化處理來算出。以具體例而言，亦可使用專利文獻3所記載的圖像分割(graph cut)。此外，在算出對應評估值111時，亦可使用與SEM像102中的邊緣強度相關的評估值，亦可使用SEM像102中的邊緣(第2邊緣候補)與設計資料中的邊緣(第1邊緣候補)的相對偏移的評估值。
其中，在該離散最適化處理中，被認為誤被選出的第2邊緣候補亦可作為與任何第1邊緣候補均未對應者，而由處理的對象除外。如上所示，藉由減少成為處理對象的第2邊緣候補的數量，建立對應的組合的候補數變少，離散最適化處理被高速化、或安定化。
接著，邊緣建立對應處理部112根據對應評估值111，決定適當的建立對應的組合。例如，在建立對應的組合之中，選擇1個對應評估值111為最大者。藉此，取得真邊緣的位置資訊及設計的建立對應資訊105。
接著，匹配移位量計算部106根據所被選擇出的建立對應的組合，計算匹配移位量107。以匹配移位量107的計算手法而言，針對例如在建立對應中構成成對的第1邊緣候補及第2邊緣候補，可計算該等的座標的偏移量，且將該偏移量求出為針對所有成對作平均後的值。但是，匹配移位量的計算手法並非為限定於此者，可使用任意的適當方法。
如以上說明，藉由本揭示之圖案匹配裝置，即使為包含微弱的邊緣的SEM像，亦可適當選出邊緣候補，進行高精度的定位。
尤其藉由使用選出邊緣候補必要個數124，可一邊消除微弱的邊緣的遺漏，一邊使由SEM像102被抽出的邊緣候補(第2邊緣候補)的數量形成為最小限度。因此，可得建立對應候補109變少，縮短圖案匹配處理所需時間，此外，處理安定的效果。
以下說明選出邊緣候補必要個數計算部123取得選出邊緣候補必要個數124時的具體處理之例。選出邊緣候補必要個數係可使用設計資料104所包含的邊緣的個數來求得。
在用以取得選出邊緣候補必要個數的第1方法中，使用包含按設計資料的邊緣個數而將選出邊緣候補必要個數建立關連的表的資料庫。建立關連係若例如設計資料的邊緣個數為X1時，定義選出邊緣候補必要個數為Y1，若設計資料的邊緣個數為X2時，則定義選出邊緣候補必要個數為Y2。
如上所示之資料庫係可以任意方法作成，以下顯示一例。首先，按設計資料的邊緣的個數，準備數個成為模型的SEM像。在各SEM像中，藉由與邊緣候補抽出部121同樣的處理，抽出一次邊緣候補，且計算各一次邊緣候補的邊緣強度。以邊緣強度的順序，記錄無遺漏真的邊緣的選出個數(例如，取得真的邊緣所對應的一次邊緣候補之中邊緣強度為最小者的順位，且將該順位作為選出個數)。如上所示，針對各SEM像，記錄選出個數，且將該等之中最大值作為該設計資料的邊緣個數所對應的選出邊緣候補必要個數。
在用以取得選出邊緣候補必要個數的第2方法中係使用機械學習。圖3中顯示如上所示之方法之例。在該例中，運算處理裝置係具備學習完畢模型。
在學習階段所使用的教師資料係包含：設計資料的SEM像307、該設計資料的邊緣個數301(亦即第1邊緣候補的數量)、及真值的選出邊緣候補必要個數304。學習模型302使用如上所示之教師資料進行學習，藉此生成學習完畢模型306。
設計資料的SEM像307係對應設計資料的電子顯微鏡的攝像畫像，例如，可根據某設計資料，形成半導體元件的圖案，且使用對所形成的圖案藉由SEM進行攝像的畫像。
設計資料的邊緣個數301係可例如根據該設計資料而自動取得，但是亦可與設計資料獨立準備。此外，亦可使用可推定設計資料的邊緣個數的其他資料。
真值的選出邊緣候補必要個數304係可例如由使用者決定來指定。例如，使用者係可考慮設計資料的SEM像307的畫質(對比、雜訊等)，來決定真值的選出邊緣候補必要個數304。如上所示，運算處理裝置係可決定考慮到SEM像的畫質的選出邊緣候補必要個數。其中，真值的選出邊緣候補必要個數304的求出方式亦可使用其他方法，而非為限定於如上所示之方法者。
在學習階段，首先，準備複數組如上所述之教師資料。接著，建構以設計資料的邊緣個數301與設計資料的SEM像307為輸入、所推定出之選出邊緣候補必要個數303為輸出的學習模型302。學習模型302係求出所推定出的選出邊緣候補必要個數303、與相對應的真值的選出邊緣候補必要個數304的誤差305，以該誤差變小的方式進行學習。
學習完成後，使用學習完畢模型306，輸入設計資料的邊緣個數與匹配對象的SEM像(對應圖1的SEM像102)，且輸出所推定出的選出邊緣候補必要個數308。亦即，學習完畢模型306係受理匹配對象的SEM像(第2圖案資料)、與設計資料的邊緣個數(第1邊緣候補的數量)的輸入，且輸出所推定出的選出邊緣候補必要個數308。
藉由如上所示進行學習，可生成輸出以高精度適當推定出的選出邊緣候補必要個數308的學習完畢模型306。例如，可選出無遺漏真的邊緣的必要個數，即使為包含微弱的邊緣的SEM像，亦可進行適當的建立對應。
在用以取得選出邊緣候補必要個數的第3方法中亦使用機械學習。在圖5中顯示如上所示之方法之例。在該例中，運算處理裝置亦具備學習完畢模型。
在學習階段所使用的教師資料係包含：設計資料的SEM像507、及真值的邊緣候補個數的追加率504。學習模型502使用如上所示之教師資料進行學習，藉此生成學習完畢模型506。
真值的邊緣候補個數的追加率504係表示設計資料的邊緣個數(第1邊緣候補數)、與選出邊緣候補必要個數的關係的值。例如，可使用選出邊緣候補必要個數對設計資料的邊緣個數的比。以變形例而言，該值亦可為設計資料的邊緣個數與選出邊緣候補必要個數的差，亦可為表示該等關係的其他值。
真值的邊緣候補個數的追加率504係可例如由使用者決定來指定。例如，使用者係可考慮設計資料的SEM像507的畫質(對比、雜訊等)，來決定真值的邊緣候補個數的追加率504。如上所示，運算處理裝置係可決定考慮到SEM像的畫質的選出邊緣候補必要個數。其中，真值的邊緣候補個數的追加率504的求出方式亦可使用其他方法，而非為限定於如上所示之方法者。
在學習階段，首先，準備複數組如上所述的教師資料。接著，建構以設計資料的SEM像507作為輸入、以所推定出的邊緣候補個數的追加率503作為輸出的學習模型502。學習模型502係求出所推定出的邊緣候補個數的追加率503、與相對應的真值的邊緣候補個數的追加率504的誤差505，以該誤差變小的方式，進行學習。
學習完成後，使用學習完畢模型506，輸入匹配對象的SEM像(對應圖1的SEM像102)，且輸出所推定出的邊緣候補個數的追加率508。亦即，學習完畢模型506係受理匹配對象的SEM像(第2圖案資料)的輸入，且輸出所推定出的邊緣候補個數的追加率508(亦即，表示第1邊緣候補的數量、與選出邊緣候補必要個數的關係的值)。
藉由如上所示進行學習，可生成輸出以高精度適當推定出的邊緣候補個數的追加率508的學習完畢模型506。例如，可選出無遺漏真的邊緣的必要個數，且即使為包含微弱的邊緣的SEM像，亦可適當地建立對應。
圖4係包含圖1的圖案匹配裝置、與SEM400的圖案測定系統的構成例。SEM400係可使用在例如形成在半導體晶圓403上的半導體元件的圖案尺寸計測。圖案測定系統中的運算處理裝置或電腦系統係可構成為例如處理／控制部414。
處理／控制部414係具備：運算手段(例如CPU416)、及記憶手段(例如包含畫像記憶體415的記憶體)。在記憶手段係可儲存資訊，且儲存例如關於圖案匹配處理的程式。記憶手段亦可包含非暫態電腦可讀媒體，程式亦可作為可在電腦系統上執行的程式命令，而儲存在非暫態電腦可讀媒體。
藉由CPU416執行該程式，執行圖1所示之圖案匹配處理，亦即處理／控制部414作為圖案匹配裝置來發揮功能。換言之，該程式係使電腦系統作為圖案匹配裝置所包含的運算處理裝置來發揮功能，且使其執行圖1所示之圖案匹配處理。
SEM400係由電子槍401使電子束發生。在被置放在載台402上的試料亦即半導體晶圓403上的任意位置，以電子束連結焦點而照射的方式，控制偏向器404及接物鏡405。
由被照射到電子束的半導體晶圓403係被放出2次電子，且藉由2次電子檢測器406予以檢測。被檢測到的2次電子係以A／D轉換器407而被轉換為數位訊號。藉由數位訊號所表示的畫像被儲存在處理／控制部414內的畫像記憶體415。
該畫像係被使用作為例如SEM像102，根據該畫像，藉由處理／控制部414或CPU416，進行圖1所示之圖案匹配處理、圖3及圖5所示之學習處理。
關於該等處理為必要的設定處理及處理結果的顯示係可在顯示裝置420進行。
在使用比SEM為更低倍率的光學式攝影機的對準中，亦可使用光學式攝影機411。藉由將半導體晶圓403以光學式攝影機411進行攝像所得的訊號亦以A／D轉換器412而被轉換為數位訊號(若來自光學式攝影機411的訊號為數位訊號，A／D轉換器412變得並不需要)，藉由數位訊號所表示的畫像被儲存在處理／控制部414內的畫像記憶體415，以CPU416進行按照目的的畫像處理。
SEM400亦可具備反射電子檢測器408。若配備反射電子檢測器408，藉由反射電子檢測器408，檢測由半導體晶圓403被放出的反射電子，將所檢測到的反射電子以A／D轉換器409或410轉換為數位訊號。藉由數位訊號所表示的畫像係被儲存在處理／控制部414內的畫像記憶體415，以CPU416進行按照目的的畫像處理。
其中，亦可有別於畫像記憶體415而另外設有記憶手段421。此外，處理／控制部414亦可透過載台控制器430來控制載台402，亦可透過偏向控制部431來控制接物鏡405等。
在圖4之例中，係顯示SEM400作為連同圖案匹配裝置一起使用的檢查裝置之例，惟可連同圖案匹配裝置一起使用的裝置並非侷限於此。可連同圖案匹配裝置一起使用取得畫像而進行圖案匹配處理的任意裝置(計測裝置、檢查裝置等)。
圖6係圖4的圖案測定系統的其他構成例。其中，圖6的構成例亦可作為對與圖4為相同構成的其他表現來理解。圖案測定系統係具備：SEM本體601、控制SEM本體601的控制裝置602、執行圖1的圖案匹配處理的運算處理裝置604、儲存設計資料的設計資料記憶媒體605、及用以輸入運算處理裝置604中所需資訊的輸入裝置606。
運算處理裝置604係具備：運算手段(例如運算處理部607)、及記憶手段(例如記憶體608)。在記憶手段係可儲存資訊，例如儲存關於圖案匹配處理的程式。
藉由運算處理部607執行該程式，執行圖1所示之圖案匹配處理，亦即運算處理裝置604作為圖案匹配裝置來發揮功能。換言之，該程式係使電腦系統作為圖案匹配裝置所包含的運算處理裝置604來發揮功能，且使其執行圖1所示之圖案匹配處理。
運算處理部607係具備：設定模板的條件的程式庫(recipe)作成部611；根據所設定的模板，執行圖案匹配處理的匹配處理部612；及執行藉由匹配處理部612所特定出的測定位置的測定處理的圖案測定部610。
藉由電子束的掃描所得的二次電子等係藉由檢測器603予以補足，據此生成SEM像(對應圖1的SEM像102)。SEM像係作為匹配處理部612的被探索畫像、及作為藉由圖案測定部610所得之測定用訊號，被送至運算處理裝置604。
其中，在本實施例中，控制裝置602與運算處理裝置604形成為不同個體者來作說明，惟該等亦可為一體型的控制裝置。
根據藉由檢測器603所補足的電子的訊號係藉由被內置於控制裝置602的A／D轉換器而被轉換為數位訊號。根據該數位訊號，藉由被內置於運算處理裝置604的畫像處理硬體(CPU、ASIC、FPGA等)，進行按照目的的畫像處理。
運算處理部607係如上所述，具備：程式庫作成部611、匹配處理部612、及圖案測定部610。切出部613係進行由設計資料記憶媒體605讀出設計資料，且將其一部分切出的處理。在此，由設計資料被切出的部分係根據例如由輸入裝置606所設定的座標資訊等圖案識別資料來決定。
此外，程式庫作成部611係根據所被切出的設計資料(佈局資料)，作成被供作匹配的圖案資料。在此作成的圖案資料亦可對應圖1的設計資料104。
匹配處理部612內的處理如使用圖1所作說明。此外，在匹配處理執行部609中，使用所選擇出的建立對應的組合，算出匹配移位量。在記憶體608係記憶設計資料、程式庫資訊、畫像資訊、測定結果等。
亦可在CPU或裝載有可蓄積畫像的記憶體的電子計算機等中，實現運算處理裝置604中的控制或處理的一部分或全部。
此外，輸入裝置606亦作為攝像程式庫作成裝置來發揮功能，且作成攝像程式庫。攝像程式庫係表示測定條件，例如包含測定及檢查中成為必要的電子元件的座標、圖案的種類、攝影條件(光學條件或載台的移動條件)。
此外，輸入裝置606亦可具備有將所被輸入的座標資訊、或關於圖案的種類的資訊，與設計資料的層資訊或圖案的識別資訊對照，由設計資料記憶媒體605讀出必要的資訊的功能。
被記憶在設計資料記憶媒體605的設計資料係可以任意形式表現，例如可以GDS格式或OASIS格式等表現。用以顯示設計資料的適當軟體可顯示藉由設計資料的各種格式所得之設計資料、或作為圖形資料來處理。圖形資料亦可為表示根據設計資料所形成的圖案的理想形狀的線段畫像資訊，亦可為藉由對此施行曝光模擬，施行接近實際圖案的變形處理的線段畫像資訊。
此外，亦可將進行在圖1中所說明的處理的程式登錄在記憶媒體，以具有畫像記憶體且對掃描電子顯微鏡供給必要訊號的控制處理器，執行該程式。
101:SEM像取得部 102:SEM像(第2圖案資料) 103:設計資料取得部 104:設計資料(第1圖案資料) 105:真邊緣的位置資訊及設計資料的建立對應資訊 106:匹配移位量計算部 107:匹配移位量 108:第2邊緣候補 109:建立對應候補 110:對應評估值計算部 111:對應評估值 112:邊緣建立對應處理部 113:第1邊緣候補 121:邊緣候補抽出部 122:一次邊緣候補 123:選出邊緣候補必要個數計算部 124:選出邊緣候補必要個數 125:選出邊緣候補處理部 126:邊緣候補與設計資料的建立對應候補選出部(建立對應候補選出部) 130:圖案匹配處理部(電腦系統) 201:線輪廓 202:橫軸 203:點 204:縱軸 221:縱軸 222:橫軸 223:某一次邊緣候補224的邊緣強度的值 224:一次邊緣候補 225:邊緣候補 261:形狀 262:軸 263:上層的線 264:上層的間隔 265:下層的間隔 266:邊緣 267:邊緣 301:設計資料的邊緣個數 302:學習模型 303:所推定出的選出邊緣候補必要個數 304:真值的選出邊緣候補必要個數 305:誤差 306:學習完畢模型 307:設計資料的SEM像 308:所推定出的選出邊緣候補必要個數 400:SEM 401:電子槍 402:載台 403:半導體晶圓 404:偏向器 405:接物鏡 406:2次電子檢測器 407:A／D轉換器 408:反射電子檢測器 409,410:A／D轉換器 411:光學式攝影機 412:A／D轉換器 414:處理／控制部(電腦系統) 415:畫像記憶體 416:CPU 420:顯示裝置 421:記憶手段 430:載台控制器 431:偏向控制部 502:學習模型 503:所推定出的邊緣候補個數的追加率 504:真值的邊緣候補個數的追加率 505:誤差 506:學習完畢模型 507:設計資料的SEM像 508:所推定出的邊緣候補個數的追加率(表示第1邊緣候補的數量與選出必要個數的關係的值) 601:SEM本體 602:控制裝置 603:檢測器 604:運算處理裝置(電腦系統) 605:設計資料記憶媒體 606:輸入裝置 607:運算處理部 608:記憶體 609:匹配處理執行部 610:圖案測定部 611:程式庫作成部 612:匹配處理部
[圖1]係本揭示之實施例1之圖案匹配裝置的構成例。 [圖2]係有關邊緣的處理之例。 [圖3]係為了取得選出邊緣候補必要個數而使用機械學習的方法之例。 [圖4]係包含圖1的圖案匹配裝置、及掃描電子顯微鏡的圖案測定系統的構成例。 [圖5]係為了取得選出邊緣候補必要個數而使用機械學習的方法的其他例。 [圖6]係圖4的圖案測定系統的其他構成例。
101:SEM像取得部
102:SEM像(第2圖案資料)
103:設計資料取得部
104:設計資料(第1圖案資料)
105:真邊緣的位置資訊及設計資料的建立對應資訊
106:匹配移位量計算部
107:匹配移位量
108:第2邊緣候補
109:建立對應候補
110:對應評估值計算部
111:對應評估值
112:邊緣建立對應處理部
113:第1邊緣候補
121:邊緣候補抽出部
122:一次邊緣候補
123:選出邊緣候補必要個數計算部
124:選出邊緣候補必要個數
125:選出邊緣候補處理部
126:邊緣候補與設計資料的建立對應候補選出部(建立對 應候補選出部)
130:圖案匹配處理部(電腦系統

Claims (13)

  1. 一種圖案匹配裝置，其係具備有在根據設計資料的第1圖案資料、與表示電子顯微鏡的攝像畫像的第2圖案資料之間，執行圖案匹配處理的電腦系統的圖案匹配裝置，其特徵為： 前述電腦系統係根據前述第1圖案資料，取得包含1個以上的第1邊緣候補的第1邊緣候補群， 前述電腦系統係取得選出必要個數，前述選出必要個數係表示根據前述第2圖案資料應選出的第2邊緣候補的數量， 前述電腦系統係根據前述第2圖案資料，取得包含前述選出必要個數的第2邊緣候補的第2邊緣候補群， 前述電腦系統係針對前述第1邊緣候補群與前述第2邊緣候補群的不同的建立對應的組合的各個，取得根據前述第1及第2邊緣候補群的對應評估值， 前述電腦系統係根據前述對應評估值，選擇前述組合之中1個， 前述電腦系統係根據所被選擇出的前述組合，計算匹配移位量。
  2. 如請求項1之圖案匹配裝置，其中，前述電腦系統係根據前述第1圖案資料，決定前述選出必要個數。
  3. 如請求項1之圖案匹配裝置，其中，前述電腦系統係根據前述第2圖案資料，取得前述選出必要個數以上的一次邊緣候補， 前述電腦系統係針對前述一次邊緣候補的各個，算出邊緣評估值， 前述電腦系統係根據前述邊緣評估值，由前述一次邊緣候補之中選出前述第2邊緣候補。
  4. 如請求項3之圖案匹配裝置，其中，前述電腦系統係根據前述攝像畫像中的亮度，算出前述邊緣評估值。
  5. 如請求項4之圖案匹配裝置，其中，前述電腦系統係根據表示前述攝像畫像中的各位置的亮度的訊號的波形，算出前述邊緣評估值。
  6. 如請求項1之圖案匹配裝置，其中，前述第1圖案資料係包含表示前述第1邊緣候補的位置的資訊。
  7. 如請求項1之圖案匹配裝置，其中，前述電腦系統係藉由決定各前述第2邊緣候補的位置來取得前述第2邊緣候補群。
  8. 如請求項1之圖案匹配裝置，其中，前述電腦系統係具備學習完畢模型， 前述學習完畢模型係受理前述第2圖案資料、與前述第1邊緣候補的數量的輸入， 前述學習完畢模型係輸出前述選出必要個數。
  9. 如請求項8之圖案匹配裝置，其中，前述學習完畢模型係使用包含對應前述第1圖案資料的電子顯微鏡的攝像畫像、與前述第1邊緣候補的數量、與前述選出必要個數的教師資料而作學習者。
  10. 如請求項1之圖案匹配裝置，其中，前述電腦系統係具備學習完畢模型， 前述學習完畢模型係受理前述第2圖案資料的輸入， 前述學習完畢模型係輸出表示前述第1邊緣候補的數量與前述選出必要個數的關係的值。
  11. 如請求項10之圖案匹配裝置，其中，前述學習完畢模型係使用包含對應前述第1圖案資料的電子顯微鏡的攝像畫像、與表示前述關係的前述值的教師資料而作學習者。
  12. 一種圖案測定系統，其係包含：如請求項1之圖案匹配裝置、及掃描電子顯微鏡。
  13. 一種非暫態電腦可讀媒體，其係儲存有使電腦系統，作為如請求項1之圖案匹配裝置所包含的電腦系統發揮功能且可在電腦系統上執行的程式命令。
TW109144853A 2020-02-20 2020-12-18 圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體 TWI767458B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/JP2020/006688 WO2021166142A1 (ja) 2020-02-20 2020-02-20 パターンマッチング装置、パターン測定システムおよび非一時的コンピュータ可読媒体
WOPCT/JP2020/006688 2020-02-20

Publications (2)

Publication Number Publication Date
TW202132747A true TW202132747A (zh) 2021-09-01
TWI767458B TWI767458B (zh) 2022-06-11

Family

ID=77391870

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109144853A TWI767458B (zh) 2020-02-20 2020-12-18 圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體

Country Status (4)

Country Link
US (2) US12412275B2 (zh)
KR (1) KR102690867B1 (zh)
TW (1) TWI767458B (zh)
WO (1) WO2021166142A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI878716B (zh) * 2021-09-08 2025-04-01 荷蘭商Ａｓｍｌ荷蘭公司 用於影像強化及減少ｓｅｍ影像中之樣本充電效應之電腦實施方法和系統

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11175701A (ja) * 1997-12-15 1999-07-02 Toshiba Corp 画像記録装置及び画像記録方法、並びに画像処理装置及び画像処理方法
JP4218171B2 (ja) 2000-02-29 2009-02-04 株式会社日立製作所 走査電子顕微鏡，マッチング方法、及びプログラムを記録したコンピュータ読み取り可能な記録媒体
JP4199939B2 (ja) 2001-04-27 2008-12-24 株式会社日立製作所 半導体検査システム
EP1665768B1 (en) * 2003-09-05 2015-04-01 Warner Bros. Entertainment Inc. Registration of separations
TWI292031B (en) 2006-02-10 2008-01-01 Ind Tech Res Inst Dimension measuring method and optical measuring system implemented with the method
WO2008032387A1 (en) 2006-09-14 2008-03-20 Advantest Corporation Pattern dimension measuring device and pattern area measuring method
JP5164355B2 (ja) * 2006-09-27 2013-03-21 株式会社日立ハイテクノロジーズ 荷電粒子ビームの走査方法及び荷電粒子線装置
JP4627782B2 (ja) 2008-03-05 2011-02-09 株式会社日立ハイテクノロジーズ エッジ検出方法、及び荷電粒子線装置
JP5707423B2 (ja) 2011-01-26 2015-04-30 株式会社日立ハイテクノロジーズ パターンマッチング装置、及びコンピュータープログラム
JP5639925B2 (ja) * 2011-02-25 2014-12-10 株式会社日立ハイテクノロジーズ パターンマッチング装置、及びコンピュータープログラム
JP6088337B2 (ja) 2013-04-17 2017-03-01 株式会社アドバンテスト パターン検査方法及びパターン検査装置
US9214317B2 (en) 2013-06-04 2015-12-15 Kla-Tencor Corporation System and method of SEM overlay metrology
JP6227466B2 (ja) 2014-04-14 2017-11-08 株式会社日立ハイテクノロジーズ 荷電粒子線装置および検査装置
US11669953B2 (en) 2015-01-30 2023-06-06 Hitachi High-Tech Corporation Pattern matching device and computer program for pattern matching

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI878716B (zh) * 2021-09-08 2025-04-01 荷蘭商Ａｓｍｌ荷蘭公司 用於影像強化及減少ｓｅｍ影像中之樣本充電效應之電腦實施方法和系統

Also Published As

Publication number Publication date
WO2021166142A1 (ja) 2021-08-26
US20230071668A1 (en) 2023-03-09
US12412275B2 (en) 2025-09-09
US20250363641A1 (en) 2025-11-27
KR20220123467A (ko) 2022-09-06
KR102690867B1 (ko) 2024-08-05
TWI767458B (zh) 2022-06-11

Similar Documents

Publication Publication Date Title
US9858659B2 (en) Pattern inspecting and measuring device and program
US10937146B2 (en) Image evaluation method and image evaluation device
JP5948138B2 (ja) 欠陥解析支援装置、欠陥解析支援装置で実行されるプログラム、および欠陥解析システム
US11669953B2 (en) Pattern matching device and computer program for pattern matching
TWI492165B (zh) Pattern matching method and device
TW202136760A (zh) 圖案檢查系統
US10255519B2 (en) Inspection apparatus and method using pattern matching
JP5313939B2 (ja) パターン検査方法、パターン検査プログラム、電子デバイス検査システム
JP6063630B2 (ja) パターン計測装置、及び半導体計測システム
JP2018004632A (ja) パターン検査方法およびパターン検査装置
WO2017130365A1 (ja) オーバーレイ誤差計測装置、及びコンピュータープログラム
US7925095B2 (en) Pattern matching method and computer program for executing pattern matching
US20250363641A1 (en) Pattern Matching Device, Pattern Measurement System, and Non-Transitory Computer-Readable Medium
JP5647999B2 (ja) パターンマッチング装置、検査システム、及びコンピュータプログラム
KR102895592B1 (ko) 패턴 검사·계측 장치, 패턴 검사·계측 프로그램
US12243237B2 (en) Pattern-edge detection method, pattern-edge detection apparatus, and storage medium storing program for causing a computer to perform pattern-edge detection
US20240320816A1 (en) Training scanning electron microscopy image selection method and sem equipment alignment method using the same
JP2014021684A (ja) 測定装置のテンプレート生成装置
US12307651B2 (en) Method of detecting measurement error of SEM equipment and method of aligning SEM equipment
KR20240143595A (ko) 훈련 sem 이미지 선정 방법 및 이를 이용한 sem 설비의 정렬 방법
JP2019139104A (ja) パターン検査方法およびパターン検査装置
CN118692079A (zh) 训练sem图像选择方法及使用该方法的sem设备对准方法
KR20250034980A (ko) 치수 계측 시스템, 추정 시스템 및 치수 계측 방법
WO2025094631A1 (ja) コンピュータプログラム、情報処理方法及び情報処理装置