処理中

しばらくお待ちください...

設定

設定

出願の表示

1. WO2020121739 - 画像マッチング方法、および画像マッチング処理を実行するための演算システム

Document

明 細 書

発明の名称 画像マッチング方法、および画像マッチング処理を実行するための演算システム

技術分野

0001  

背景技術

0002   0003  

先行技術文献

特許文献

0004  

発明の概要

発明が解決しようとする課題

0005   0006  

課題を解決するための手段

0007   0008   0009   0010   0011  

発明の効果

0012  

図面の簡単な説明

0013  

発明を実施するための形態

0014   0015   0016   0017   0018   0019   0020   0021   0022   0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056  

産業上の利用可能性

0057  

符号の説明

0058  

請求の範囲

1   2   3   4   5   6   7   8   9   10  

補正された請求の範囲(条約第19条)

1  *   2  *   3  *   4  *   5  *   6  *   7  *   8  *   9  *   10  *  

図面

1   2   3   4   5   6   7   8   9   10   11   12   13   14  

明 細 書

発明の名称 : 画像マッチング方法、および画像マッチング処理を実行するための演算システム

技術分野

[0001]
 本発明は、設計データ上のパターンと、画像上のパターンとの位置合わせを行うための画像マッチング処理に関し、特に機械学習によって構築されたモデルを用いた画像マッチング処理に関する。

背景技術

[0002]
 ダイ・ツー・データベース(Die to Database)技術を用いた半導体デバイスのパターン検査方法が知られている(例えば特許文献1)。代表的なパターン検査方法は、ウェーハ上のパターンの画像を走査電子顕微鏡で生成し、設計データ(CADデータともいう)上のCADパターンと画像上のパターンとを比較して、ウェーハ上のパターンの欠陥を検出することである。このようなパターン検査方法の前処理として、設計データ上のCADパターンを、画像上のパターンに位置合わせするマッチング処理が行われる。
[0003]
 図13は、マッチング処理の一例を示す模式図である。マッチング処理は、設計データ上のCADパターン501を、画像上のある領域内にある多数のパターン505-1~505-Nの1つ1つと比較し、CADパターン501の形状に最も近いパターン505-nを決定するというアルゴリズムを実行する。

先行技術文献

特許文献

[0004]
特許文献1 : 特開2011-17705号公報

発明の概要

発明が解決しようとする課題

[0005]
 しかしながら、上述したマッチング処理は、CADパターン501を画像上の多数のパターン505-1~505-Nと比較する必要があるために、処理時間が長くなる。さらに、CADパターン501に対応する画像上のパターン505-nは、ウェーハ上にパターンを形成する段階、および/またはウェーハ上のパターンを撮像する段階で変形する。このため、図14に示すように、CADパターン501とパターン505-nとでは、形状に大きな差異があることがある。結果として、マッチング処理に失敗することがあった。
[0006]
 そこで、本発明は、設計データ上のCADパターンと画像上の対応するパターンとのマッチング処理を正しく行うことができる方法および装置を提供する。

課題を解決するための手段

[0007]
 一態様では、設計データ上の指定されたCADパターンをCAD画像に変換し、前記CAD画像を、機械学習により構築されたモデルに入力し、前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力し、画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定する方法が提供される。
[0008]
 一態様では、前記モデルは、設計データ上の複数のCADパターンから変換された複数のCAD画像と、前記複数のCAD画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルである。
 一態様では、前記訓練データは、訓練用付加情報データをさらに含み、前記訓練用付加情報データは、前記複数のCADパターンの位置情報、前記複数のCADパターンの周辺にある複数のCADパターンから変換された複数の周辺画像、および前記複数のCADパターンの上または下に存在する複数のCADパターンから変換された複数のレイヤー画像のうちの少なくとも1つを含む。
 一態様では、前記CAD画像に加えて、付加情報データを前記モデルに入力し、前記付加情報データは、前記指定されたCADパターンの位置情報、前記指定されたCADパターンの周辺にあるCADパターンから変換された周辺画像、および前記指定されたCADパターンの上または下に存在するCADパターンから変換されたレイヤー画像のうちの少なくとも1つを含む。
 一態様では、前記方法は、前記モデルから出力された疑似画像上のCADパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整する工程をさらに含む。
[0009]
 一態様では、画像マッチング処理を実行するための演算システムであって、機械学習により構築されたモデル、およびプログラムが格納された記憶装置と、前記プログラムに従って演算を実行する処理装置を備え、前記演算システムは、設計データ上の指定されたCADパターンをCAD画像に変換し、前記CAD画像を前記モデルに入力し、前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力させ、画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定するように動作する、演算システムが提供される。
[0010]
 一態様では、前記モデルは、設計データ上の複数のCADパターンから変換された複数のCAD画像と、前記複数のCAD画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルである。
 一態様では、前記訓練データは、訓練用付加情報データをさらに含み、前記訓練用付加情報データは、前記複数のCADパターンの位置情報、前記複数のCADパターンの周辺にある複数のCADパターンから変換された複数の周辺画像、および前記複数のCADパターンの上または下に存在する複数のCADパターンから変換された複数のレイヤー画像のうちの少なくとも1つを含む。
 一態様では、前記CAD画像に加えて、付加情報データを前記モデルに入力し、前記付加情報データは、前記指定されたCADパターンの位置情報、前記指定されたCADパターンの周辺にあるCADパターンから変換された周辺画像、および前記指定されたCADパターンの上または下に存在するCADパターンから変換されたレイヤー画像のうちの少なくとも1つを含む。
 一態様では、前記演算システムは、前記モデルから出力された疑似画像上のCADパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整するように動作する。
[0011]
 一態様では、画像マッチング処理を実行するための演算システムであって、機械学習により構築されたモデル、およびプログラムが格納された記憶装置と、前記プログラムに従って演算を実行する処理装置を備え、前記プログラムは、設計データ上の指定されたCADパターンをCAD画像に変換するステップと、前記CAD画像を前記モデルに入力するステップと、前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力させるステップと、画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定するステップを前記演算システムに実行させるための指令を含む、演算システムが提供される。

発明の効果

[0012]
 本発明によれば、ディープラーニングなどの機械学習によって構築されたモデルは、設計データ上のCADパターンから実際のパターンを正確に予測することができる。すなわち、モデルから出力された疑似画像上に現れるCADパターンは、実際のパターンに近い形状を有していると予想される。したがって、演算システムは、疑似画像上のCADパターンと、画像生成装置によって生成された画像上のパターンとの位置合わせ(すなわち画像マッチング処理)を正しく行うことができる。

図面の簡単な説明

[0013]
[図1] 撮像装置の一実施形態を示す模式図である。
[図2] 機械学習によりモデルを構築する一実施形態を説明するフローチャートである。
[図3] CADパターンから変換されたCAD画像の一例を示す模式図である。
[図4] 走査電子顕微鏡によって生成されたSEM画像の一例を示す模式図である。
[図5] 機械学習に使用されるモデルの一例を示す模式図である。
[図6] 機械学習によって構築されたモデルを用いて、CADパターンとSEM画像上のパターンとの位置合わせ(画像マッチング処理)を行う方法の一実施形態を説明するフローチャートである。
[図7] CAD画像、SEM画像、および疑似画像の例を示す模式図である。
[図8] 機械学習によりモデルを構築する他の実施形態を説明するフローチャートである。
[図9] 機械学習によりモデルを構築する他の実施形態を説明するフローチャートである。
[図10] 周辺画像の一例を示す模式図である。
[図11] 指定されたCADパターンに重なる上下層のCADパターンから変換されたレイヤー画像の一例を示す模式図である。
[図12] 図9に示すフローチャートに従って作成されたモデルを用いて、CADパターンとSEM画像上のパターンとの位置合わせ(画像マッチング処理)を行う方法の一実施形態を示すフローチャートである。
[図13] マッチング処理の一例を示す模式図である。
[図14] CADパターンと、画像上の対応するパターンを示す模式図である。

発明を実施するための形態

[0014]
 以下、本発明の実施形態について図面を参照して説明する。
 図1は、撮像装置の一実施形態を示す模式図である。図1に示すように、撮像装置は、走査電子顕微鏡50および演算システム150を備えている。走査電子顕微鏡50は、画像生成装置の一例である。走査電子顕微鏡50は、演算システム150に接続されており、走査電子顕微鏡50の動作は演算システム150によって制御される。
[0015]
 演算システム150は、データベース161およびプログラムが格納された記憶装置162と、プログラムに従って演算を実行する処理装置163を備えている。処理装置163は、記憶装置162に格納されているプログラムに従って演算を行うCPU(中央処理装置)またはGPU(グラフィックプロセッシングユニット)などを含む。記憶装置162は、処理装置163がアクセス可能な主記憶装置(例えばランダムアクセスメモリ)と、データおよびプログラムを格納する補助記憶装置(例えば、ハードディスクドライブまたはソリッドステートドライブ)を備えている。
[0016]
 演算システム150は、少なくとも1台のコンピュータを備えている。例えば、演算システム150は、走査電子顕微鏡50に通信線で接続されたエッジサーバであってもよいし、インターネットなどのネットワークによって走査電子顕微鏡50に接続されたクラウドサーバであってもよいし、あるいは走査電子顕微鏡50に接続されたネットワーク内に設置されたフォグコンピューティングデバイス(ゲートウェイ、フォグサーバ、ルーターなど)であってもよい。演算システム150は、複数のサーバの組み合わせであってもよい。例えば、演算システム150は、インターネットなどのネットワークにより互いに接続されたエッジサーバとクラウドサーバとの組み合わせであってもよい。
[0017]
 走査電子顕微鏡50は、一次電子(荷電粒子)からなる電子ビームを発する電子銃111と、電子銃111から放出された電子ビームを集束する集束レンズ112、電子ビームをX方向に偏向するX偏向器113、電子ビームをY方向に偏向するY偏向器114、電子ビームを試料であるウェーハ124にフォーカスさせる対物レンズ115を有する。
[0018]
 集束レンズ112および対物レンズ115はレンズ制御装置116に接続され、集束レンズ112および対物レンズ115の動作はレンズ制御装置116によって制御される。このレンズ制御装置116は演算システム150に接続されている。X偏向器113、Y偏向器114は、偏向制御装置117に接続されており、X偏向器113、Y偏向器114の偏向動作は偏向制御装置117によって制御される。この偏向制御装置117も同様に演算システム150に接続されている。二次電子検出器130と反射電子検出器131は画像取得装置118に接続されている。画像取得装置118は二次電子検出器130と反射電子検出器131の出力信号を画像に変換するように構成される。この画像取得装置118も同様に演算システム150に接続されている。
[0019]
 試料チャンバー120内に配置される試料ステージ121は、ステージ制御装置122に接続されており、試料ステージ121の位置はステージ制御装置122によって制御される。このステージ制御装置122は演算システム150に接続されている。ウェーハ124を、試料チャンバー120内の試料ステージ121に載置するためのウェーハ搬送装置140も同様に演算システム150に接続されている。
[0020]
 電子銃111から放出された電子ビームは集束レンズ112で集束された後に、X偏向器113、Y偏向器114で偏向されつつ対物レンズ115により集束されてウェーハ124の表面に照射される。ウェーハ124に電子ビームの一次電子が照射されると、ウェーハ124からは二次電子および反射電子が放出される。二次電子は二次電子検出器130により検出され、反射電子は反射電子検出器131により検出される。検出された二次電子の信号、および反射電子の信号は、画像取得装置118に入力され画像に変換される。画像は演算システム150に送信される。
[0021]
 ウェーハ124の設計データは、記憶装置162に予め記憶されている。ウェーハ124の設計データは、ウェーハ124上に形成されたパターンの頂点の座標、パターンの位置、形状、および大きさ、パターンが属する層の番号などのパターンの設計情報を含む。記憶装置162には、データベース161が構築されている。ウェーハ124の設計データは、データベース161内に予め格納される。演算システム150は、記憶装置162に格納されているデータベース161からウェーハ124の設計データを読み込むことが可能である。
[0022]
 次に、設計データ上のCADパターンと、走査電子顕微鏡50によって生成されたウェーハの画像上のパターンとのマッチング処理について説明する。以下の説明では、画像生成装置である走査電子顕微鏡50によって生成された実画像を、SEM画像という。ウェーハのパターンは、設計データ(CADデータともいう)に基づいて形成されている。CADは、コンピュータ支援設計(computer-aided design)の略語である。マッチング処理は、機械学習によりモデルを構築する工程と、モデルを用いて生成された疑似画像上のCADパターンとSEM画像上のパターンとの位置合わせ(すなわち画像マッチング処理)を実行する工程とに分けられる。
[0023]
 モデルの構築と、画像マッチング処理は、演算システム150によって実行される。演算システム150は、専用のコンピュータまたは汎用のコンピュータを少なくとも1つ含む。演算システム150が第1コンピュータおよび第2コンピュータを含む複数のコンピュータを備える場合は、第1コンピュータは上記モデルを構築する工程を実行し、第2コンピュータは、上記モデル用いて、疑似画像上のCADパターンとSEM画像上のパターンとの位置合わせを実行してもよい。第1コンピュータで作成されたモデルは、USBフラッシュドライブ(USBメモリともいう)などの半導体メモリに一時的に保存された後に、半導体メモリから第2コンピュータに読み込まれてもよい。あるいは、第1コンピュータで作成されたモデルは、インターネットまたはローカルエリアネットワークなどの通信ネットワークを通じて第2コンピュータに送信されてもよい。
[0024]
 図2は、機械学習によりモデルを構築する一実施形態を説明するフローチャートである。
 ステップ1-1では、演算システム150は、設計データ上のCADパターンを指定する。設計データは、ウェーハに形成されたパターンの設計情報を含むデータであり、具体的には、パターンの頂点の座標、パターンの位置、形状、および大きさ、パターンが属する層の番号などのパターンの設計情報を含む。設計データ上のCADパターンは、設計データに含まれるパターンの設計情報によって定義される仮想パターンである。このステップ1-1は、設計データに含まれる複数のCADパターンから、あるCADパターンを特定する工程である。このステップ1-1では、複数のCADパターンが指定されてもよい。
[0025]
 ステップ1-2では、演算システム150は、指定されたCADパターンをCAD画像に変換する。より具体的には、演算システム150は、設計データに含まれるCADパターンの設計情報(例えば、CADパターンの頂点の座標)に基づいて、図3に示すようなCADパターン100を描画し、ある面積を持ったCAD画像101を生成する。演算システム150は、生成したCAD画像101を、演算システム150の記憶装置162内に記憶する。
[0026]
 ステップ1-3では、画像生成装置としての走査電子顕微鏡50は、ステップ1-1で指定されたCADパターンに基づいて実際に形成されたウェーハ上のパターンのSEM画像を生成する。図4は、走査電子顕微鏡50によって生成されたSEM画像の一例を示す模式図である。図4において、符号104はSEM画像を表し、符号105はSEM画像104上に現れたパターンを表している。パターン105は、上記指定されたCADパターン、すなわちCAD画像101上のCADパターン100に対応する。演算システム150は、SEM画像104を走査電子顕微鏡50から取得し、SEM画像104を記憶装置162内に記憶する。
[0027]
 ステップ1-4では、演算システム150は、上記ステップ1-2で生成されたCAD画像と、上記ステップ1-3で生成されたSEM画像を含む訓練データを作成する。
 ステップ1-5では、演算システム150は、CAD画像とSEM画像とを含む訓練データを用いて、モデルのパラメータ(重み係数など)を機械学習により決定する。機械学習では、訓練データに含まれるCAD画像は説明変数として用いられ、訓練データに含まれるSEM画像は目的変数として用いられる。
[0028]
 演算システム150および走査電子顕微鏡50は、上述したステップ1-1からステップ1-5までの工程を、予め設定された回数だけ繰り返し、機械学習によりモデルを構築する。すなわち、モデルは、設計データ上の複数のCADパターンから変換された複数のCAD画像と、これらCAD画像に対応する複数のSEM画像を含む訓練データを用いて機械学習により構築される。このように機械学習によって構築されたモデルは、学習済みモデルともいう。演算システム150は、モデルを記憶装置162内に記憶する。ステップ1-1~ステップ1-5が繰り返される間、同じ設計データが使用されてもよいし、または複数の設計データが使用されてもよい。
[0029]
 図5は、機械学習に使用されるモデルの一例を示す模式図である。モデルは、入力層201と、複数の中間層(隠れ層ともいう)202と、出力層203を有したニューラルネットワークである。モデルの入力層201にはCAD画像が入力される。より具体的には、CAD画像を構成する各ピクセルの数値が入力層201に入力される。一例では、CAD画像がグレースケール画像である場合は、各ピクセルのグレーレベルを示す数値がモデルの入力層201の各ノード(ニューロン)に入力される。出力層203は、入力層201に入力されたCAD画像を構成するピクセルにそれぞれ対応するピクセルの数値を出力する。
[0030]
 機械学習のアルゴリズムとしては、ディープラーニングが好適である。ディープラーニングは、中間層が多層化されたニューラルネットワークをベースとする学習法である。本明細書では、入力層と、複数の中間層(隠れ層)と、出力層で構成されるニューラルネットワークを用いた機械学習をディープラーニングと称する。ディープラーニングを用いて構築されたモデルは、様々な因子に起因して変形しうるパターンの形状を正確に予測することができる。
[0031]
 次に、機械学習によって構築されたニューラルネットワークからなる上記モデルを用いて、CADパターンとSEM画像上のパターンとの位置合わせ(すなわち画像マッチング処理)を行う方法の一実施形態について、図6に示すフローチャートを参照して説明する。
[0032]
 ステップ2-1では、演算システム150は、設計データ上のCADパターンを指定する。
 ステップ2-2では、走査電子顕微鏡50は、ステップ2-1で使用された設計データに基づいて実際に形成されたウェーハ上のパターンのSEM画像(実画像)を生成する。演算システム150は、SEM画像を走査電子顕微鏡50から取得し、SEM画像を記憶装置162内に記憶する。
 ステップ2-3では、演算システム150は、ステップ2-1で指定されたCADパターンをCAD画像に変換する。演算システム150は、CAD画像を記憶装置162内に記憶する。
 ステップ2-4では、演算システム150は、ステップ2-3で得られたCAD画像を上記モデルに入力する。
 ステップ2-5では、演算システム150は、モデルによって定義されたアルゴリズムに従って計算を実行することで、モデルから疑似画像を出力させる。
 ステップ2-6では、演算システム150は、ステップ2-2で生成されたSEM画像上の複数のパターンの中から、疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定する。SEM画像上のパターンと、疑似画像上のCADパターンとの間の類似性の判断には、位相限定相関法などの公知の技術を使用することができる。
[0033]
 図7は、CAD画像、SEM画像、および疑似画像の例を示す模式図である。CAD画像301上のCADパターン302は、設計データに含まれるCADパターンの各頂点の座標に基づいて作成されるので、CADパターン302は直線的な線分によって構成されている。これに対し、SEM画像311上の実際のパターン312は、製造工程上および/または撮像工程上の理由により、CADパターン302に比べて変形している。モデルから出力された疑似画像321上のCADパターン322は、SEM画像311上の実際のパターン312に近い形状を有している。
[0034]
 本実施形態によれば、ディープラーニングなどの機械学習によって構築されたモデルは、設計データ上のCADパターンから実際のパターンを正確に予測することができる。すなわち、モデルから出力された疑似画像上に現れるCADパターンは、実際のパターンに近い形状を有していると予想される。したがって、演算システム150は、疑似画像上のCADパターンと、画像生成装置によって生成された画像上のパターンとの位置合わせ(すなわち画像マッチング処理)を正しく行うことができる。
[0035]
 演算システム150および走査電子顕微鏡50は、記憶装置162に格納されているプログラムに含まれる指令に従って上記ステップ2-1~2-6を実行する。プログラムは、まず、非一時的な有形物であるコンピュータ読み取り可能な記録媒体に記録され、その後、記録媒体を介して演算システム150に提供される。または、プログラムは、インターネットまたはローカルエリアネットワークなどの通信ネットワークを介して演算システム150に提供されてもよい。
[0036]
 一実施形態では、マッチングにより適した傾向を持った疑似画像をモデルが出力することを可能とするために、演算システム150は、疑似画像上のCADパターンとSEM画像上のパターンとのパターンマッチング結果を用いて、モデルのパラメータ(重み係数など)を調整してもよい。以下、この実施形態について図8を参照して説明する。
[0037]
 演算システム150は、設計データ上のCADパターンから変換されたCAD画像301をモデルに入力する。次に、演算システム150は、モデルから出力された疑似画像321上のCADパターン322と、モデルの構築に使用された訓練データに含まれるSEM画像(実画像)311上のパターン312とのパターンマッチングを実行する。このパターンマッチングに使用されるSEM画像311は、モデルに入力されたCAD画像301に対応する。パターンマッチングは、疑似画像321上のCADパターン322がSEM画像311上のパターン312に合致するか否かを判定する公知のアルゴリズムに従って実行される。
[0038]
 演算システム150は、パターンマッチングの結果を出力する。すなわち、モデルから出力された疑似画像321上のCADパターン322が、SEM画像311上のパターン312に所定の許容範囲内で合致すれば、演算システム150はパターンマッチングが成功したことを示す第1の数値(例えば1)を出力する。一方、モデルから出力された疑似画像321上のCADパターン322が、SEM画像311上のパターン312に所定の許容範囲内で合致しなければ、演算システム150はパターンマッチングが失敗したことを示す第2の数値(例えば0)を出力する。
[0039]
 演算システム150は、第2の数値を出力した場合は、パターンマッチングの結果として第1の数値を出力するように、機械学習を実行してモデルのパラメータを調整し、パターンマッチングを実行する。すなわち、演算システム150は、モデルから出力された疑似画像321上のCADパターン322が、SEM画像311上のパターン312に所定の許容範囲内で合致するように、機械学習を実行してモデルのパラメータを調整する。このような動作により、モデルは、マッチングにより適した傾向を持った疑似画像321を出力することができる。
[0040]
 図9は、機械学習によりニューラルネットワークからなるモデルを構築する他の実施形態を説明するフローチャートである。本実施形態のステップ3-1~3-3は、図2に示すステップ1-1~1-3と同じであるので、その重複する説明を省略する。
 本実施形態では、疑似画像上のCADパターンの形状を、ウェーハ上の実際のパターンの形状により近づけるために、モデルの構築に使用される訓練データは、訓練用付加情報データをさらに含んでいる。
[0041]
 すなわち、ステップ3-4では、演算システム150は、ステップ3-1で指定されたCADパターンの位置情報、ステップ3-1で指定されたCADパターンの周辺にあるCADパターンから変換された周辺画像、ステップ3-1で指定されたCADパターンの上または下に存在するCADパターンから変換されたレイヤー画像のうちの少なくとも1つを含む訓練用付加情報データを作成する。一実施形態では、レイヤー画像は、指定されたCADパターンの上および下に存在するCADパターンから変換されたレイヤー画像であってもよい。
[0042]
 CADパターンの位置情報は、設計データに含まれている。したがって、演算システム150は、指定されたCADパターンの位置情報を設計データから得ることができる。周辺画像は、演算システム150により生成される。より具体的には、演算システム150は、指定されたCADパターンの周囲に存在するCADパターンの設計情報に基づいて、これらCADパターンを描画し、ある面積を持った周辺画像を生成する。
[0043]
 図10は、周辺画像の一例を示す模式図である。図10において、符号401は、ステップ3-1で指定されたCADパターンを表し、符号403は、ステップ3-2で生成されたCAD画像を表し、符号405は、CAD画像403の周囲に存在するCADパターンを表し、符号406は、CADパターン405から変換された周辺画像を表している。
[0044]
 レイヤー画像も、演算システム150により生成される。より具体的には、演算システム150は、指定されたCADパターンの上および/または下に存在するCADパターンの設計情報に基づいて、これらCADパターンを描画し、ある面積を持ったレイヤー画像を生成する。
[0045]
 図11は、指定されたCADパターンの上および下に存在するCADパターンから変換されたレイヤー画像の一例を示す模式図である。図11において、符号501は、ステップ3-1で指定されたCADパターンを表し、符号503は、ステップ3-2で生成されたCAD画像を表し、符号505,506は、指定されたCADパターンに重なる上下層内に存在するCADパターンを表し、符号508,509は、上下層のCADパターン505,506から変換されたレイヤー画像を表している。
[0046]
 図9に戻り、ステップ3-5では、演算システム150は、上記ステップ3-2で生成されたCAD画像と、上記ステップ3-3で生成されたSEM画像と、上記ステップ3-4で作成された訓練用付加情報データを含む訓練データを作成する。
 ステップ3-6では、演算システム150は、上記訓練データを用いて、ニューラルネットワークからなるモデルのパラメータ(重み係数など)を機械学習により決定する。本実施形態に使用されるモデルの構造は、図5に示すモデルと基本的に同じであるが、モデルの入力層は、訓練用付加情報データが入力されるノード(ニューロン)をさらに備えている点で異なっている。
[0047]
 演算システム150および走査電子顕微鏡50は、上述したステップ3-1からステップ3-6までの工程を、予め設定された回数だけ繰り返し、機械学習によりモデルを構築する。すなわち、モデルは、設計データ上の複数のCADパターンから変換された複数のCAD画像と、これらCAD画像に対応する複数のSEM画像と、訓練用付加情報データを含む訓練データを用いて機械学習により構築される。訓練用付加情報データは、ステップ3-1を繰り返すことで得られた複数のCADパターンの位置情報、前記複数のCADパターンの周辺にある複数のCADパターンから変換された複数の周辺画像、および前記複数のCADパターンの上または下に存在する複数のCADパターンから変換された複数のレイヤー画像のうちの少なくとも1つを含む。一実施形態では、複数のレイヤー画像は、前記複数のCADパターンの上および下に存在するCADパターンから変換された複数のレイヤー画像であってもよい。
[0048]
 図12は、図9に示すフローチャートに従って作成されたモデルを用いて、CADパターンとSEM画像上のパターンとの位置合わせ(すなわち画像マッチング処理)を行う方法の一実施形態を示すフローチャートである。
[0049]
 ステップ4-1では、演算システム150は、設計データ上のCADパターンを指定する。
 ステップ4-2では、走査電子顕微鏡50は、ステップ4-1で使用された設計データに基づいて実際に形成されたウェーハ上のパターンのSEM画像(実画像)を生成する。演算システム150は、SEM画像を走査電子顕微鏡50から取得し、SEM画像を記憶装置162内に記憶する。
 ステップ4-3では、演算システム150は、ステップ4-1で指定されたCADパターンをCAD画像に変換する。演算システム150は、CAD画像を記憶装置162内に記憶する。
[0050]
 ステップ4-4では、演算システム150は、ステップ4-1で指定されたCADパターンに関連する付加情報データを作成する。この付加情報データは、ステップ4-1で指定されたCADパターンの位置情報、前記指定されたCADパターンの周辺にあるCADパターンから変換された周辺画像、および前記指定されたCADパターンの上または下に存在するCADパターンから変換されたレイヤー画像のうちの少なくとも1つを含む。一実施形態では、レイヤー画像は、指定されたCADパターンの上および下に存在するCADパターンから変換されたレイヤー画像であってもよい。
[0051]
 CADパターンの位置情報は、設計データに含まれている。したがって、演算システム150は、指定されたCADパターンの位置情報を設計データから得ることができる。周辺画像は、演算システム150により生成される。より具体的には、演算システム150は、指定されたCADパターンの周囲に存在するCADパターンの設計情報(例えば、CADパターンの頂点の座標)に基づいて、これらCADパターンを描画し、ある面積を持った周辺画像を生成する。レイヤー画像も、演算システム150により生成される。より具体的には、演算システム150は、指定されたCADパターンの上および/または下に存在するCADパターンの設計情報(例えば、CADパターンの頂点の座標)に基づいて、これらCADパターンを描画し、ある面積を持ったレイヤー画像を生成する。
[0052]
 訓練用付加情報データに含まれる周辺画像およびレイヤー画像の上記説明、および図10および図11は、付加情報データに含まれる周辺画像およびレイヤー画像にも適用できるので、これらの図示を省略する。
[0053]
 ステップ4-5では、演算システム150は、ステップ4-3で得られたCAD画像、およびステップ4-4で作成された付加情報データを上記モデルに入力する。
 ステップ4-6では、演算システム150は、モデルによって定義されたアルゴリズムに従って計算を実行することで、モデルから疑似画像を出力させる。
 ステップ4-7では、演算システム150は、ステップ4-2で生成されたSEM画像上の複数のパターンの中から、疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定する。
[0054]
 SEM画像上に現れるパターンの変形傾向は、パターンの位置、パターンの周辺に存在する他のパターン、およびパターンの上および/または下に存在する他のパターンなどの因子に依存して変わりうる。すなわち、これらの因子は、SEM画像上のパターンの形状に影響を与えうる。本実施形態によれば、訓練用付加情報データを用いてモデルが構築され、かつ付加情報データがモデルに入力されるので、モデルは、CADパターンにより近い形状のパターンを予測することができる。したがって、演算システム150は、疑似画像上のCADパターンと、走査電子顕微鏡50によって生成された画像上のパターンとの位置合わせ(すなわち画像マッチング処理)をより正しく行うことができる。
[0055]
 図8を参照して説明した実施形態は、図9乃至図12に示す実施形態にも適用することができる。
[0056]
 上述した実施形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の種々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうる。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲に解釈されるものである。

産業上の利用可能性

[0057]
 本発明は、設計データ上のパターンと、画像上のパターンとの位置合わせを行うための画像マッチング処理に関し、特に機械学習によって構築されたモデルを用いた画像マッチング処理に利用可能である。

符号の説明

[0058]
100   走査電子顕微鏡
111   電子銃
112   集束レンズ
113   X偏向器
114   Y偏向器
115   対物レンズ
116   レンズ制御装置
117   偏向制御装置
118   画像取得装置
120   試料チャンバー
121   試料ステージ
122   ステージ制御装置
124   ウェーハ
130   二次電子検出器
131   反射電子検出器
140   ウェーハ搬送装置
150   演算システム
161   データベース
162   記憶装置
163   処理装置

請求の範囲

[請求項1]
 設計データ上の指定されたCADパターンをCAD画像に変換し、
 前記CAD画像を、機械学習により構築されたモデルに入力し、
 前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力し、
 画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定する方法。
[請求項2]
 前記モデルは、設計データ上の複数のCADパターンから変換された複数のCAD画像と、前記複数のCAD画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルである、請求項1に記載の方法。
[請求項3]
 前記訓練データは、訓練用付加情報データをさらに含み、
 前記訓練用付加情報データは、前記複数のCADパターンの位置情報、前記複数のCADパターンの周辺にある複数のCADパターンから変換された複数の周辺画像、および前記複数のCADパターンの上または下に存在する複数のCADパターンから変換された複数のレイヤー画像のうちの少なくとも1つを含む、請求項2に記載の方法。
[請求項4]
 前記CAD画像に加えて、付加情報データを前記モデルに入力し、
 前記付加情報データは、前記指定されたCADパターンの位置情報、前記指定されたCADパターンの周辺にあるCADパターンから変換された周辺画像、および前記指定されたCADパターンの上または下に存在するCADパターンから変換されたレイヤー画像のうちの少なくとも1つを含む、請求項3に記載の方法。
[請求項5]
 前記モデルから出力された疑似画像上のCADパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整する工程をさらに含む、請求項1乃至4のいずれか一項に記載の方法。
[請求項6]
 画像マッチング処理を実行するための演算システムであって、
 機械学習により構築されたモデル、およびプログラムが格納された記憶装置と、
 前記プログラムに従って演算を実行する処理装置を備え、
 前記演算システムは、
  設計データ上の指定されたCADパターンをCAD画像に変換し、
  前記CAD画像を前記モデルに入力し、
  前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力させ、
 画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定するように動作する、演算システム。
[請求項7]
 前記モデルは、設計データ上の複数のCADパターンから変換された複数のCAD画像と、前記複数のCAD画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルである、請求項6に記載の演算システム。
[請求項8]
 前記訓練データは、訓練用付加情報データをさらに含み、
 前記訓練用付加情報データは、前記複数のCADパターンの位置情報、前記複数のCADパターンの周辺にある複数のCADパターンから変換された複数の周辺画像、および前記複数のCADパターンの上または下に存在する複数のCADパターンから変換された複数のレイヤー画像のうちの少なくとも1つを含む、請求項7に記載の演算システム。
[請求項9]
 前記演算システムは、前記CAD画像に加えて、付加情報データを前記モデルに入力するように動作し、
 前記付加情報データは、前記指定されたCADパターンの位置情報、前記指定されたCADパターンの周辺にあるCADパターンから変換された周辺画像、および前記指定されたCADパターンの上または下に存在するCADパターンから変換されたレイヤー画像のうちの少なくとも1つを含む、請求項8に記載の演算システム。
[請求項10]
 前記演算システムは、前記モデルから出力された疑似画像上のCADパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整するように動作する、請求項6乃至9のいずれか一項に記載の演算システム。

補正された請求の範囲(条約第19条)
[ 2020年4月2日 ( 02.04.2020 )  国際事務局受理 ]

[1]
[補正後] 
 設計データ上の指定されたCADパターンをCAD画像に変換し、
 前記CAD画像を、機械学習により構築されたモデルに入力し、
 前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力し、
 画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定し、
 前記モデルから出力された疑似画像上のCADパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整する、方法。
[2]
[補正後]
  設計データ上の指定されたCADパターンをCAD画像に変換し、
 前記CAD画像を、機械学習により構築されたモデルに入力し、
 前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力し、
 画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定し、
 前記モデルは、設計データ上の複数のCADパターンから変換された複数のCAD画像と、前記複数のCAD画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルであり、
 前記訓練データは、訓練用付加情報データをさらに含み、
 前記訓練用付加情報データは、前記複数のCADパターンの位置情報、前記複数のCADパターンの周辺にある複数のCADパターンから変換された複数の周辺画像、および前記複数のCADパターンの上または下に存在する複数のCADパターンから変換された複数のレイヤー画像のうちの少なくとも1つを含む、方法。
[3]
[削除]
[4]
[補正後]
 前記CAD画像に加えて、付加情報データを前記モデルに入力し、
 前記付加情報データは、前記指定されたCADパターンの位置情報、前記指定されたCADパターンの周辺にあるCADパターンから変換された周辺画像、および前記指定されたCADパターンの上または下に存在するCADパターンから変換されたレイヤー画像のうちの少なくとも1つを含む、請求項2に記載の方法。
[5]
[削除]
[6]
[補正後]
 画像マッチング処理を実行するための演算システムであって、
 機械学習により構築されたモデル、およびプログラムが格納された記憶装置と、
 前記プログラムに従って演算を実行する処理装置を備え、
 前記演算システムは、
  設計データ上の指定されたCADパターンをCAD画像に変換し、
  前記CAD画像を前記モデルに入力し、
  前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力させ、
  画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定し、
  前記モデルから出力された疑似画像上のCADパターンが、前記画像生成装置によって生成された画像上の対応するパターンに所定の許容範囲内で合致するように、機械学習を実行して前記モデルのパラメータを調整するように動作する、演算システム。
[7]
[補正後]
 画像マッチング処理を実行するための演算システムであって、
 機械学習により構築されたモデル、およびプログラムが格納された記憶装置と、
 前記プログラムに従って演算を実行する処理装置を備え、
 前記演算システムは、
  設計データ上の指定されたCADパターンをCAD画像に変換し、
  前記CAD画像を前記モデルに入力し、
  前記モデルによって定義されたアルゴリズムに従って計算を実行することで、前記モデルから疑似画像を出力させ、
  画像生成装置によって生成された画像上の複数のパターンの中から、前記疑似画像上のCADパターンの形状に最も近い形状を有するパターンを決定するように動作し、
 前記モデルは、設計データ上の複数のCADパターンから変換された複数のCAD画像と、前記複数のCAD画像に対応する、画像生成装置によって生成された複数の画像を少なくとも含む訓練データを用いて機械学習により構築されたモデルであり、
 前記訓練データは、訓練用付加情報データをさらに含み、
 前記訓練用付加情報データは、前記複数のCADパターンの位置情報、前記複数のCADパターンの周辺にある複数のCADパターンから変換された複数の周辺画像、および前記複数のCADパターンの上または下に存在する複数のCADパターンから変換された複数のレイヤー画像のうちの少なくとも1つを含む、演算システム。
[8]
[削除]
[9]
[補正後]
 前記演算システムは、前記CAD画像に加えて、付加情報データを前記モデルに入力するように動作し、
 前記付加情報データは、前記指定されたCADパターンの位置情報、前記指定されたCADパターンの周辺にあるCADパターンから変換された周辺画像、および前記指定されたCADパターンの上または下に存在するCADパターンから変換されたレイヤー画像のうちの少なくとも1つを含む、請求項7に記載の演算システム。
[10]
[削除]

図面

[ 図 1]

[ 図 2]

[ 図 3]

[ 図 4]

[ 図 5]

[ 図 6]

[ 図 7]

[ 図 8]

[ 図 9]

[ 図 10]

[ 図 11]

[ 図 12]

[ 図 13]

[ 図 14]