KR102825815B1 - 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치 - Google Patents
스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치 Download PDFInfo
- Publication number
- KR102825815B1 KR102825815B1 KR1020200074100A KR20200074100A KR102825815B1 KR 102825815 B1 KR102825815 B1 KR 102825815B1 KR 1020200074100 A KR1020200074100 A KR 1020200074100A KR 20200074100 A KR20200074100 A KR 20200074100A KR 102825815 B1 KR102825815 B1 KR 102825815B1
- Authority
- KR
- South Korea
- Prior art keywords
- target
- computing device
- intensity profile
- focus
- image
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Images
Classifications
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q60/00—Particular types of SPM [Scanning Probe Microscopy] or microscopes; Essential components thereof
- G01Q60/24—AFM [Atomic Force Microscopy] or apparatus therefor, e.g. AFM probes
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/06—Means for illuminating specimens
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/30—Collimators
-
- 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
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
-
- 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
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70641—Focus
-
- 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
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8835—Adjustable illumination, e.g. software adjustable screen
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
본 발명에 따른 스루-포커스 이미지 기반 계측 장치는, 광학 장치, 및 상기 광학 장치로부터 타겟에 대한 적어도 하나의 스루-포커스 이미지를 획득하고, 상기 획득된 스루-포커스 이미지로부터 세기 프로파일을 생성하고, 상기 생성된 세기 프로파일로부터 상기 타겟에 대한 계측을 수행하는 컴퓨팅 장치를 포함할 수 있다.
Description
본 발명은 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치에 관한 것이다.
일반적으로, 스루-포커스 스캔 광학현미경(through focus scanning optical microscopy: TSOM)을 이용하여 3차원적 미세 패턴의 포커스(focus) 위치에 대한 산란 간섭(scattered interference) 정보를 얻을 수 있다. 이 기술은 광학현미경을 사용하여 동일한 대상에 대해 서로 다른 초점 위치에서 2차원 이미지를 수집함으로써, 대상에 대한 3차원적 이미지 데이터 공간을 만든다. 초점이 맞은 이미지(in-focus image)와 초점이 맞지 않는 초점 외 이미지(out-of-focus image)을 갖는 2차원 이미지들은 스루-포커스 이미지(through-focus image)를 포함하고 있다.
본 발명의 목적은 비반복적인 패턴을 계측 가능한 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치를 제공하는데 있다.
본 발명의 목적은 비파괴 방식으로 계측 가능한 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치를 제공하는데 있다.
본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치는, 광학 장치; 및 상기 광학 장치로부터 타겟에 대한 적어도 하나의 스루-포커스 이미지를 획득하고, 상기 획득된 스루-포커스 이미지로부터 세기 프로파일을 생성하고, 상기 생성된 세기 프로파일로부터 상기 타겟에 대한 계측을 수행하는 컴퓨팅 장치를 포함하고, 상기 광학 장치는, 상기 타겟이 제공되고, 상기 적어도 하나의 스루-포커스 이미지를 획득하기 위하여 상기 컴퓨팅 장치의 제어에 따라 적어도 하나의 방향으로 1 스텝씩 이동하는 스테이지; 상기 스테이지 상에 배치되는 이미지 센서; 상기 이미지 센서와 상기 스테이지 사이에 배치되고, 상기 타겟의 반사광을 출력하는 대물 렌즈; 및 상기 대물 렌즈를 통해 상기 타겟에 조명광을 제공하는 광원을 포함할 수 있다.
본 발명의 실시 예에 따른 광학 장치와 상기 광학 장치를 제어하는 컴퓨팅 장치를 갖는 스루-포커스 이미지 기반 계측 장치의 동작 방법은, 상기 컴퓨팅 장치에서 상기 광학 장치를 제어함으로써 타겟에 대한 복수의 스루-포커스 이미지들을 획득하는 단계; 상기 컴퓨팅 장치에서 상기 복수의 스루-포커스 이미지로부터 상기 타겟에 대응하는 세기 프로파일을 생성하는 단계; 및 상기 컴퓨팅 장치에서 상기 생성된 세기 프로파일과 학습 모델을 이용하여 상기 타겟에 대한 계측 데이터를 생성하는 단계를 포함할 수 있다.
본 발명의 실시 예에 따른 컴퓨팅 장치는, 적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서에서 실행되는 적어도 하나의 인스트럭션을 저장하는 메모리를 포함하고, 상기 적어도 하나의 인스트럭션은, 광학 장치를 제어함으로써 타겟에 대한 복수의 스루-포커스 이미지들을 획득하고; 상기 복수의 스루-포커스 이미지들로부터 상기 타겟에 대응하는 세기 프로파일을 생성하고; 및 상기 생성된 세기 프로파일과 학습 모델을 이용하여 상기 타겟에 대한 계측 데이터를 생성하도록, 상기 적어도 하나의 프로세서에서 실행되는 것을 특징으로 한다.
본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치는, 스루-포커스 이미지로부터 추출된 세기 프로파일과 학습 모델을 이용하여 비파괴 방식으로 반복 혹은 비반복 패턴의 타겟에 대하여 계측을 수행할 수 있다.
이하에 첨부되는 도면들은 본 실시 예에 관한 이해를 돕기 위한 것으로, 상세한 설명과 함께 실시 예들을 제공한다.
도 1은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)를 예시적으로 보여주는 도면이다.
도 2a는 본 발명의 실시 예에 따른 광학 장치(100)를 예시적으로 보여주는 도면이다.
도 2b는 본 발명의 다른 실시 예에 따른 광학 장치(100a)를 예시적으로 보여주는 도면이다.
도 2c는 본 발명의 또 다른 실시 예에 따른 광학 장치(100b)를 예시적으로 보여주는 도면이다.
도 3은 본 발명의 실시 예에 따른 위상 변조기의 효과를 예시적으로 보여주는 도면이다.
도 4a는 본 발명의 실시 예에 따른 위상 변조기를 예시적으로 보여주는 도면이다.
도 4b는 본 발명의 실시 예에 따른 위상 변조기를 예시적으로 보여주는 도면이다.
도 5는 본 발명의 다른 실시 예에 따른 광학 장치(100b)를 예시적으로 보여주는 도면이다.
도 6은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)에서 스루-포커스 이미지를 획득하는 과정을 예시적으로 보여주는 도면이다.
도 7은 본 발명의 실시 예에 따른 스루-포커스 이미지로부터 세기 프로파일을 추출하는 과정을 예시적으로 보여주는 도면이다.
도 8a은 본 발명의 실시 예에 따른 세그먼트의 개수에 따른 세기 프로파일 생성 과정을 예시적으로 보여주는 도면이다.
도 8b은 본 발명의 다른 실시 예에 따른 세그먼트의 개수에 따른 세기 프로파일 생성 과정을 예시적으로 보여주는 도면이다.
도 9는 본 발명의 실시 예에 따른 높이 계측을 위해 AFM으로 기준 데이터를 생성하는 것을 예시적으로 보여주는 도면이다.
도 10은 본 발명의 실시 예에 따른 세기 프로파일 추출을 위한 학습 정합성을 예시적으로 보여주는 도면이다.
도 11a은 본 발명의 실시 예에 따른 컴퓨팅 장치(200)에서 최초 학습 모델을 생성하는 과정을 예시적으로 보여주는 도면이다.
도 11b는 본 발명의 실시 예에 따른 컴퓨팅 장치(200)에서 계측 데이터를 생성하는 계측 데이터 생성 모듈(230a)을 예시적으로 보여주는 도면이다.
도 12는 본 발명의 실시 예에 따른 세기 프로파일을 획득하는 과정을 예시적으로 보여주는 도면이다.
도 13은 본 발명의 실시 예에 따른 학습 모델을 이용한 계측 데이터 출력 과정을 개념적으로 보여주는 도면이다.
도 14는 본 발명의 실시 예에 따른 학습 모델을 생성하는 과정을 예시적으로 보여주는 도면이다.
도 15는 본 발명의 실시 에에 따른 스루-포커스 이미지 기반 계측 장치를 구비한 반도체 제조 설비(1000)를 예시적으로 보여주는 도면이다.
도 16은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치의 동작 방법을 예시적으로 보여주는 흐름도이다.
도 17은 본 발명의 실시 예에 따른 컴퓨팅 장치(2000)를 예시적으로 보여주는 도면이다.
도 1은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)를 예시적으로 보여주는 도면이다.
도 2a는 본 발명의 실시 예에 따른 광학 장치(100)를 예시적으로 보여주는 도면이다.
도 2b는 본 발명의 다른 실시 예에 따른 광학 장치(100a)를 예시적으로 보여주는 도면이다.
도 2c는 본 발명의 또 다른 실시 예에 따른 광학 장치(100b)를 예시적으로 보여주는 도면이다.
도 3은 본 발명의 실시 예에 따른 위상 변조기의 효과를 예시적으로 보여주는 도면이다.
도 4a는 본 발명의 실시 예에 따른 위상 변조기를 예시적으로 보여주는 도면이다.
도 4b는 본 발명의 실시 예에 따른 위상 변조기를 예시적으로 보여주는 도면이다.
도 5는 본 발명의 다른 실시 예에 따른 광학 장치(100b)를 예시적으로 보여주는 도면이다.
도 6은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)에서 스루-포커스 이미지를 획득하는 과정을 예시적으로 보여주는 도면이다.
도 7은 본 발명의 실시 예에 따른 스루-포커스 이미지로부터 세기 프로파일을 추출하는 과정을 예시적으로 보여주는 도면이다.
도 8a은 본 발명의 실시 예에 따른 세그먼트의 개수에 따른 세기 프로파일 생성 과정을 예시적으로 보여주는 도면이다.
도 8b은 본 발명의 다른 실시 예에 따른 세그먼트의 개수에 따른 세기 프로파일 생성 과정을 예시적으로 보여주는 도면이다.
도 9는 본 발명의 실시 예에 따른 높이 계측을 위해 AFM으로 기준 데이터를 생성하는 것을 예시적으로 보여주는 도면이다.
도 10은 본 발명의 실시 예에 따른 세기 프로파일 추출을 위한 학습 정합성을 예시적으로 보여주는 도면이다.
도 11a은 본 발명의 실시 예에 따른 컴퓨팅 장치(200)에서 최초 학습 모델을 생성하는 과정을 예시적으로 보여주는 도면이다.
도 11b는 본 발명의 실시 예에 따른 컴퓨팅 장치(200)에서 계측 데이터를 생성하는 계측 데이터 생성 모듈(230a)을 예시적으로 보여주는 도면이다.
도 12는 본 발명의 실시 예에 따른 세기 프로파일을 획득하는 과정을 예시적으로 보여주는 도면이다.
도 13은 본 발명의 실시 예에 따른 학습 모델을 이용한 계측 데이터 출력 과정을 개념적으로 보여주는 도면이다.
도 14는 본 발명의 실시 예에 따른 학습 모델을 생성하는 과정을 예시적으로 보여주는 도면이다.
도 15는 본 발명의 실시 에에 따른 스루-포커스 이미지 기반 계측 장치를 구비한 반도체 제조 설비(1000)를 예시적으로 보여주는 도면이다.
도 16은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치의 동작 방법을 예시적으로 보여주는 흐름도이다.
도 17은 본 발명의 실시 예에 따른 컴퓨팅 장치(2000)를 예시적으로 보여주는 도면이다.
아래에서는 도면들을 이용하여 본 발명의 기술 분야에서 통상의 지식을 가진자가 용이하게 실시 할 수 있을 정도로 본 발명의 내용을 명확하고 상세하게 기재할 것이다.
도 1은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)를 예시적으로 보여주는 도면이다. 도 1을 참조하면, 스루-포커스 이미지 기반 계측 장치(10)는 광학 장치(100) 및 컴퓨팅 장치(200)를 포함할 수 있다.
광학 장치(100)는 타겟에 조명광을 제공하고, 타겟의 이미지를 감지하도록 구현될 수 있다. 광학 장치(100)는 타겟에 조명광을 공급하는 광원(110)에 연관된 조명광학계 및 타겟의 이미지를 감지하는 이미지 센서(120)에 연관된 이미지 광학계를 포함할 수 있다. 여기서 타겟은 웨이퍼 레벨의 메모리 칩일 수 있다.
광학 장치(100)는 타겟에 대한 스루-포커스 이미지(through-focus image)를 출력하기 위하여 타겟을 구비한 스테이지(150) 혹은 이미지 광학계를 적어도 하나의 방향(예를 들어, x축 방향(제 1 방향), y축 방향(제 2 방향), z축 방향(제 3 방향))으로 이동시키도록 구현될 수 있다. 여기서 스루-포커스 이미지는 초점이 맞은 이미지(in-focus image) 혹은 초점이 맞지 않는 초점 외 이미지(out-of-focus image)를 포함할 수 있다.
또한, 광학 장치(100)의 조명광학계는 광원(110)에서 출력된 조명광을 대물 렌즈(140)를 통하여 타겟으로 입사시킬 수 있다. 광학 장치(100)의 이미지 광학계는 타겟으로부터 반사된 반사광을 대물 렌즈(140)를 통하여 이미지 센서(120)로 집광시킬 수 있다. 실시 예에 있어서, 스테이지(150)는 x축과 y축에 의해 형성된 평면 상에 배치될 수 있다. z축 방향은 x축과 y축에 의해 형성된 평면에 수직한 방향일 수 있다. 예를 들어, z축 방향은 이미지 센서(120)와 스테이지(150)에 의해 형성된 반사광의 광축 방향일 수 있다.
컴퓨팅 장치(200)는 광학 장치(100)로부터 복수의 스루-포커스 이미지들을 획득하고, 스루-포커스 이미지들을 이용하여 스루-포커스 이미지를 생성하고, 스루-포커스 이미지로부터 세기 프로파일(intensity profile)을 생성하고, 생성된 세기 프로파일을 통하여 타겟에 관련된 계측을 수행하도록 구현될 수 있다.
또한, 컴퓨팅 장치(200)는 광학 장치(100)를 제어하도록 구현될 수 있다. 예를 들어, 컴퓨팅 장치(200)는, 스테이지(150) 혹은 광학 장치(100)의 이미지 광학계를 x축, y축, 및 z축 중에서 적어도 하나의 방향으로 1 스텝(step)씩 움직이면서, 광학 장치(100)로부터 각 step 당 이미지를 획득/수집할 수 있다.
실시 예에 있어서, 컴퓨팅 장치(200)는 z축 방향으로 스테이지(150) 혹은 광학 장치(100)의 광학계를 1 스텝씩 구동시킬 수 있다. 컴퓨팅 장치(200)는 원하는 위치에서 타겟에 대한 섹션(section) 이미지(즉, 스루-포커스 이미지)을 뽑아낼 수 있다. 이 때, 구동 스텝은 타겟에 따라 다르게 설정될 수 있다.
일반적으로 OCD(optical critical dimension) 계측 장치는, 구조 모델링 이후에 스펙트럼 시뮬레이션 결과와 실측 결과를 비교함으로써, CD(critical dimension, 선폭)/두께 등의 계측값 산출하고 있다. 이러한 OCD 계측 장치는 OCD 빔 사이즈(beam size)보다 작은 비반복 대상에 대해서 직접 계측을 할 수 없다. 예를 들어, DRAM(dynamic random access memory) NSWD(n형 sub-wordline driver) 영역의 두께는 직접 측정이 불가하다. 또한, TEM(transmission electron microscopy) 계측 장치는 웨이퍼와 같은 시료를 촬영할 수 있는 크기와 두께로 파괴하여 시료의 슬라이스(slice) 시편을 생성한 후, 전자 빔(electron beam)으로 CD/두께를 계측하고 있다. 이러한 TEM 계측 장치는 계측을 위하여 시료를 파괴해야만 한다.
반면에, 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)는, 스루-포커스 이미지를 이용하여 좁은 영역의 비반복 패턴 구조에 대하여 비파괴 방식으로 직접 계측을 할 수 있다.
도 2a는 본 발명의 실시 예에 따른 광학 장치(100)를 예시적으로 보여주는 도면이다. 도 2a를 참조하면, 광학 장치(100)는 광원(110), 시준기(collimator; 112), 조명 각도 조절기(114), 제 1 릴레이 렌즈(116), 이미지 센서(120), 튜브 렌즈(122), 반사 각도 및 위상 조절기(124), 제 2 릴레이 렌즈(126), 빔 스플리터(130), 대물 렌즈(140), 및 스테이지(150)를 포함할 수 있다.
광원(110)은, 단색 광 혹은 광대역 광을 방출하도록 구현될 수 있다. 실시 예에 있어서, 광원(110)은 광대역 레이저 지속형 플라스마 광 소스(broad band laser sustained plasma light source), 레이저, 초연속 레이저(supercontinuum laser), 다이오드 레이저, 헬륨 네온 레이저, 아르곤 레이저, 솔리드 스테이트 레이저, DPSS(diode pumped solid state) 레이저, 크세논 아크 램프, 가스 방전 램프, LED(light emitting diode) 어레이, 혹은 백열 램프를 포함할 수 있다.
실시 예에 있어서, 광원(110)은 타겟으로 지향하는 광의 파장을 제한하는 적어도 하나의 스펙트럼 필터를 포함할 수 있다. 여기서 스펙트럼 필터는 대역통과 필터, 에지 필터, 혹은 노치 필터를 포함할 수 있다.
실시 예에 있어서, 광원(110)은 임의의 적당한 범위의 파장들에 걸쳐 타겟에 제공될 수 있다. 실시 예에 있어서, 광원(110)은 260 nm ~ 950 nm 범위에 있는 파장들을 포함할 수 있다. 다른 실시 예에 있어서, 광원(110)은 구조체들에서의 결함들을 포착하기 위해 950 nm보다 더 큰 파장들을 포함할 수 있다.
한편, 광원(110)은 광대역 광을 단색광(monochromatic light)으로 변환하여 출력하는 모노크로메이터(monochromator)를 더 포함할 수 있다. 여기서, 단색광은 파장의 폭이 매우 짧은 광을 의미할 수 있다. 예를 들어, 단색광은 수 ㎚ 정도의 파장 폭을 갖는 광일 수 있다. 모노크로메이터는 하나의 파장 영역의 단색광만이 아니라 복수의 파장 영역의 단색광들을 출력시킬 수 있다. 예를 들어, 모노크로메이터는 사전에 결정된 파장 범위에서 복수의 단색광들을 출력시킬 수 있다. 또한, 모노크로메이터는 사전에 결정된 파장 범위에서 사전에 설정된 파장 폭을 가지고 스위핑(sweeping)하면서, 복수의 단색 광들을 출력시킬 수 있다.
시준기(collimator; 112)는 광원(110)로부터 수신한 광을 평행 광으로 만들도록 구현될 수 있다. 한편, 광학 장치(100)는 시준기(112)으로부터 출력된 광의 평광을 제어하는 적어도 하나의 편광 광학계를 더 포함할 수 있다.
조명 각도 조절기(114)는 타겟에 대한 조명 각도를 조절하도록 구현될 수 있다. 즉, 조명 각도 조절기(114)는 타겟으로 입사하는 조명 빔의 입사 각도를 선택할 수 있다.
제 1 릴레이 렌즈(116)는 광원(110)으로부터 출력된 광을 빔 스플리터(130)로 전달하기 위한 적어도 하나의 렌즈를 포함할 수 있다.
이미지 센서(120), 대물 렌즈(140) 상에 배치될 수 있다. 이미지 센서(120)는 타겟에서 반사되는 반사광들의 광 축(optical axis)에 배치될 수 있다. 이미지 광학계의 광 축은 제 3 방향(z 축 방향)으로 연장될 수 있다. 이미지 센서(120)는 반사광을 이용하여 타겟의 이미지를 검출할 수 있다. 이미지 센서(120)는 CCD(charge coupled device), CMOS(complementary metal-oxide-semiconductor) 이미지 센서 등 일 수 있다.
실시 예에 있어서, 이미지 센서(120)는 매트릭스 형태로 배열된 복수의 픽셀들을 포함할 수 있다. 이미지 센서(120)의 분해 거리(resolved distance)는 대물 렌즈(140)의 개구수(NA) 반비례하고, 반사광의 파장에 비례할 수 있다(예를 들어, R=Kλ/NA, R은 이미지 센서(120)의 분해 거리고, K=0.5, NA는 대물 렌즈(140)의 개구수이다). 반사광이 약 200nm의 파장(λ)을 갖고, 대물 렌즈(140)가 약 0.92의 개구수(NA)를 가질 경우, 이미지 센서(120)는 약 108nm 폭 이상의 이미지들을 구별시킬 수 있는 분해 거리를 가질 수 있다.
또한, 이미지 센서(120)의 감도(sensitivity)는 대물 렌즈(140)에 의해 타겟에 입사되는 조명광의 입사각(θ)과 동일할 수 있다(예를 들어, NA=n sinθ, 여기서, NA는 대물 렌즈(140)의 개구수이고, n은 공기의 굴절율(n=1)이고, θ는 입사각이다). 대물 렌즈(140)의 개구수(NA)가 0.92일 때, 이미지 센서(120)의 감도와 조명광의 입사각(θ)의 각각은 66.66일 수 있다.
튜브 렌즈(122)는 제 2 릴레이 렌즈(126)를 통과한 반사광으로부터 중간 상을 형성시켜 이미지 센서(120)로 입사시키도록 구현될 수 있다.
반사 각도 및 위상 조절기(124)는 타겟의 이미지를 획득하기 위하여 반사광의 각도를 선택하거나, 반사 각도 및 위상 조절기(124)는 반사 각도의 위상을 조절하도록 구현될 수 있다.
반사 각도 및 위상 조절기(124)는, 이미지 센서(120)에서 수신하는 반사광의 각도를 조절하는 반사 각도 조절기 및 반사광의 위상 변조 기능을 수행하는 위상 변조기를 포함할 수 있다. 여기서 위상 변조기는 스루-포커스 신호의 세기를 증폭하는 기능을 수행할 수 있다.
제 2 릴레이 렌즈(126)는 타겟으로부터 반사된 반사광을 이미지 센서(120)으로 전달하기 위한 적어도 하나의 렌즈를 포함할 수 있다.
빔 스플리터(130)는 제 1 릴레이 렌즈(116)로부터 입사하는 광의 일부분을 타겟으로 반사하거나, 타겟으로부터 반사된 반사광의 일부분을 제 2 릴레이 렌즈(126)으로 반사하도록 구현될 수 있다. 한편, 도 2a에 도시된 광학 장치(100)의 광학계는 빔 스플리터(130)를 구비하고 있지만, 본 발명의 광학계가 여기에 제한될 필요는 없다. 본 발명의 광학계는 빔 스플리터를 구비 않고 구현될 수도 있다.
대물 렌즈(140)는 적어도 하나의 렌즈를 포함할 수 있다. 대물 렌즈(140)는 광을 타겟으로 집광시키거나, 반대로, 타겟으로부터 반사광을 평행 광 형태로 만들어 출력시킬 수 있다. 실시 예에 있어서, 대물 렌즈(140)는 타겟을 이미지 센서(120)에 확대하여 투영시킬 수 있다. 예를 들어, 대물 렌즈(140)는 약 0.92의 개구수(NA)를 가질 수 있다.
스테이지(150)는 타겟 이미지를 획득하기 위하여 컴퓨팅 장치(200)의 제어에 따라 z 축 방향으로 타겟을 이동하도록 구현될 수 있다. 한편, 타겟 이미지를 획득하기 위하여 스테이지(150)가 컴퓨팅 장치(200)의 제어에 따라 z 축 방향 이동 시켰으나, 본 발명이 여기에 제한될 필요는 없다. 본 발명은 타겟 이미지를 획득하기 위하여 고정된 스테이지에서 그 외의 광학계(조명광학계 혹은 이미지 광학계)를 z 축으로 구동시킬 수 있다.
광원(110)에서 출사한 광은 시준기(112)를 거쳐, 제 1 릴레이 렌즈(114)과 빔 스플리터(130)를 거쳐, 대물 렌즈(140) 입사동으로 수집될 수 있다. 대물 렌즈(140)를 통과한 광은 타겟에서 반사되어, 다시 대물 렌즈(140)와 빔 스플리터(130)를 통과한 후, 제 2 릴레이 렌즈(126)를 거쳐, 튜브 렌즈(122)에 의해 이미지 센서(120)에 집광될 수 있다. 이 때, 타겟이 이미지 센서(120)에 이미징 될 수 있다. 이 때, 시준기(112)에 의해 제 1 각 분포 표면(angular distribution surface)가 형성될 수 있다. 제 1 각 분포 표면의 위치에 조명측 각도 조절기(114, angular distribution selector)를 설치하여 조명의 각도 분포가 조정될 수 있다. 또한, 제 2 릴레이 렌즈(126)에 의해서 제 2 각 분포 표면(angular distribution surface)가 형성될 수 있다. 제 2 각 분포 표면의 위치에 이미지측 각도 조절기(angular distribution selector)를 설치하여 수집 광(collecting ray)의 각도 분포가 조정될 수 있다. 그리고, 제 2 각 분포 표면의 위치에 위상 변조기(phase modulator)를 설치하여, 각도 분포를 선택함과 동시에 원하는 각도 성분의 위상이 변이(shift) 될 수 있다. 이러한 반사광의 위상 변이는, 스루-포커스 이미지를 생성하기 위하여 획득되는 스루-포커스 신호의 세기를 크게 할 수 있다.
한편, 도 2a에 도시된 광학 장치(100)의 조명광학계는 편광기(수평 편광기 혹은 수직 편광기)를 더 포함할 수 있다.
한편, 도 2a에 도시된 광학 장치(100)의 조명광학계는 조명 각도 조절기(114) 및 제 1 릴레이 렌즈(116)를 포함하고 있다. 하지만, 본 발명의 광학 장치의 조명광학계는 이러한 조명 각도 조절기 및 제 1 릴레이 렌즈를 구비하지 않을 수도 있다.
도 2b는 본 발명의 다른 실시 예에 따른 광학 장치(100a)를 예시적으로 보여주는 도면이다. 도 2b를 참조하면, 광학 장치(100a)는 도 2a에 도시된 광학 장치(100)와 비교하여 조명 각도 조절기(114) 및 제 1 릴레이 렌즈(116)를 포함하지 않는 조명광학계로 구현될 수 있다.
한편, 도 2a에 도시된 조명광학계의 제 1 릴레이 렌즈(116)는 서로 마주하도록 배치된 렌즈들로 구현되고 있다. 하지만, 본 발명의 조명광학계의 제 1 릴레이 렌즈가 여기에 제한되지 않는다고 이해되어야 할 것이다.
도 2c는 본 발명의 또 다른 실시 예에 따른 광학 장치(100b)를 예시적으로 보여주는 도면이다. 도 2c를 참조하면, 광학 장치(100b)는, 도 2a에 도시된 서로 마주하도록 배치된 렌즈들을 구성된 제 1 릴레이 렌즈(116)와 다르게 하나의 렌즈를 구성된 제 1 릴레이 렌즈(116b)를 갖는 조명광학계로 구현될 수 있다.
도 3은 본 발명의 실시 예에 따른 반사 각도 및 위상 조절기(124)의 위상 변조기의 효과를 예시적으로 보여주는 도면이다. 반사 각도 및 위상 조절기(124)의 위상 변조기에 의해 위상 변이를 추가할 때, 원하는 각도 성분의 위상 변이량이 제어될 수 있다.
제 1 파장(240 nm ~ 260 nm)의 광원, 0.5의 조명 개구수(NA), 0.92의 이미지 개구수(NA), 및 수평 편광기(H)를 갖는 광학계에서, 노이즈 아래의 스루-포커스 이미지 신호가 감지되고 있다. 또한, 제 1 파장(240 nm ~ 260 nm)의 광원, 0.5의 조명 개구수(NA), 0.92의 이미지 개구수(NA), 및 편광기를 사용하지 않는 광학계에서, 노이즈 아래의 스루-포커스 이미지 신호가 감지되고 있다.
제 2 파장(295 nm ~ 320 nm)의 광원, 0.3의 조명 개구수(NA), 0.92의 이미지 개구수(NA), 수직 편광기(V), 및 위상 변이를 갖는 광학계에서, 노이즈 이상의 스루-포커스 이미지 신호가 감지되고 있다. 또한, 제 2 파장(295 nm ~ 320 nm)의 광원, 0.5의 조명 개구수(NA), 0.92의 이미지 개구수(NA), 수직 편광기(V), 및 위상 변이를 갖는 광학계에서, 노이즈 이상의 스루-포커스 이미지 신호가 감지되고 있다. 또한, 제 2 파장(295 nm ~ 320 nm)의 광원, 0.5의 조명 개구수(NA), 0.92의 이미지 개구수(NA), 수평 편광기(H), 및 위상 변이를 갖는 광학계에서, 노이즈 이상의 스루-포커스 이미지 신호가 감지되고 있다.
도 3에 도시된 바와 같이, 위상 변이를 추가할 때, CD/두께 변화에 대한 스루-포커스 이미지 신호의 세기가 증폭될 수 있다. 즉, 위상 변조기를 사용할 때, 수신된 스루-포커스 이미지 신호는 노이즈 이상으로 크게 측정될 수 있다.
도 4a는 본 발명의 실시 예에 따른 위상 변조기를 예시적으로 보여주는 도면이다. 도 4a를 참조하면, 위상 변조기는 반사광이 투과되지 않는 가리개들(141-1, 141-2), 코딩 물질(141-3), 및 기판(141-4)을 포함할 수 있다. 여기서 가리개는 기판(141-1, 141-2) 혹은 코팅 물질(141-3)에 반투명 물질(141-1, 141-2)을 배치 시킴으로써 구현될 수 있다.
실시 예에 있어서, 위상 변이(제 1 위상과 제 2 위상의 위상 차이의 절대값)는 코팅 두께(t1) 혹은 기판의 두께(t2)를 조절함으로써 조정 가능하다.
본 발명의 실시 예에 따른 위상 변조기의 위상 차이를 예시적으로 보여주는 도면이다. 도 4a를 참조하면, 푸리에 표면에 설치된 위상 변조기에서 위상 변이는 제 1 위상에서 제 2 위상을 뺀 값의 절대값이다.
도 4b는 본 발명의 다른 실시 예에 따른 위상 변조기를 예시적으로 보여주는 도면이다. 도 4b를 참조하면, 위상 변조기는 도 4a의 그것과 비교하여 가운데에 조리개를 포함하지 않는다.
한편, 도 2a 및 도 2b에 도시된 광학 장치(100)의 조명계는 하나의 광원(110)으로 구현되고 있다. 하지만, 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치가 여기에 제한될 필요는 없다. 본 발명의 광학 장치의 조명계는 적어도 2 개의 광원들로 구현될 수도 있다.
도 5는 본 발명의 다른 실시 예에 따른 광학 장치(100b)를 예시적으로 보여주는 도면이다. 도 5를 참조하면, 광학 장치(100b)는, 도 2a 및 도 2b에 도시된 광학 장치들(100, 100a)와 비교하여 2개의 광원들(110-L, 110-R)로 구현되는 차이점을 갖는다.
광학 장치(100a)는 좌측 광원(110-L), 좌측 시준기(112-L), 좌측 광원 각도 조절기(114-L), 좌측 제 1 릴레이 렌즈(116-L), 우측 광원(110-R), 우측 시준기(112-R), 우측 광원 각도 조절기(114-R), 우측 제 1 릴레이 렌즈(116-R), 이미지 센서(120), 튜브 렌즈(122), 반사 각도 및 위상 조절기(124), 제 2 릴레이 렌즈(126), 좌측 빔 스플리터(130-L), 우측 빔 스플리터(130-R), 대물 렌즈(140), 및 스테이지(150)를 포함할 수 있다.
도 6은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)에서 스루-포커스 이미지를 획득하는 과정을 예시적으로 보여주는 도면이다.
광학 장치(100, 도 1 참조)는 타겟의 사전에 결정된 관심 영역(예를 들어, DRAM의 NSWD 영역)에 대하여 광학 장치(100)는 Z축 방향 스캐닝을 수행할 수 있다. Z축 방향으로 스테이지 혹은 광학계를 이동하면서, 복수의 스루-포커스 이미지들이 획득될 수 있다. 즉, Z-스캐닝(scanning)을 통하여 복수의 스루-포커스 이미지들이 획득될 수 있다.
컴퓨팅 장치(200, 도 1 참조)의 스루-포커스 이미지 생성기(110)는 획득된 스루-포커스 이미지들을 이용하여 스루-포커스 이미지를 생성할 수 있다. 예를 들어, 컴퓨팅 장치(200)는 타겟 부분(다양한 상부폭, 높이, 경사각을 가지는 라인)에 대한 스루-포커스 이미지를 획득할 수 이다. 이때 타겟에 대한 많은 스루-포커스 이미지가 필요하기 때문에, 특징적 스루-포커스 이미지 획득이 이용될 수 있다. 실시 예에 있어서, 타겟 마다 스루-포커스 이미지 획득을 위한 광학 장치(100)에서 복수의 서로 다른 초점 위치들에서 이미지를 얻고, 다음으로 광 세기나 색 수치 관점에서 결합, 처리함으로써 스루-포커스 이미지가 획득될 수 있다.
다른 실시 예에 있어서, 일부 초점 위치에서 작은 수(3개나 5개)의 초점 위치들에서의 타겟의 실제 이미지를 얻고, 이렇게 얻어진 이미지와 각 이미지가 획득되는 초점 위치 정보가 획득 될 수 있다. 실제 이미지들 및 각 실제 이미지의 초점에서 벗어난 정도를 근거로 하여 이 실제 이미지와 초점 위치를 달리함으로써, 복수의 가상 이미지 및 그것의 초점 위치가 획득되고, 마지막으로, 이들 실제 이미지들과 가상 이미지를 이용하여 광 세기나 색 수치 관점에서 결합/처리함으로써 타겟에 대한 스루-포커스 이미지가 획득될 수 있다.
실시 예에 있어서, 복수의 서로 다른 초점 위치의 실제 이미지들 및 각 실제 이미지의 초점 위치를 근거로 한 보간법(interpolation)을 이용하여 실제 이미지와 초점 위치를 달리하는 복수의 가상 이미지 및 그 초점 위치가 획득될 수 있다.
도 7은 본 발명의 실시 예에 따른 스루-포커스 이미지로부터 세기 프로파일을 추출하는 과정을 예시적으로 보여주는 도면이다. 도 7를 참조하면, 스루-포커스 이미지는 x축 방향으로 복수로 세그먼트들을 구분할 수 있다. 각 세그먼트는 z축 방향으로 평균함으로써, 각 세그먼트 별 세기 프로파일이 생성될 수 있다. 실시 예에 있어서, 세그먼트의 개수는 적어도 하나이다.
실시 예에 있어서, 세기 프로파일과 학습 모델을 이용하여 계측 데이터가 생성될 수 있다. 다른 실시 예에 있어서, 학습 모델 없이 세기 프로파일의 차이를 수치화함으로써 계측 데이터가 생성될 수 있다.
도 8a은 본 발명의 실시 예에 따른 세그먼트의 개수에 따른 세기 프로파일 생성 과정을 예시적으로 보여주는 도면이다. 도 8a에서는, 세그먼트가 1개일 때 추출되는 세기 프로파일과 세그먼트가 6개 일 때 추출되는 세기 프로파일이 도시되고 있다. 도 8a에 도시된 바와 같이, 세그먼트의 개수가 증가함에 따라 x 축 정보량이 증가하고 있다.
도 8b는 본 발명의 다른 실시 예에 따른 세기 프로파일 생성 과정을 예시적으로 보여주는 도면이다. 도 8를 참조하면, z축 방향으로 세기 프로파일은 z1, z2, z3 및 z4에 의해 생성될 수 있다. 또한, x축 방향으로 세기 프로파일은 x1, x2, x3, x4, 및 x5에 의해 생성될 수 있다.
실시 예에 있어서, 세기 프로파일은, x축 방향의 적어도 하나의 세기 프로파일로 생성될 수 있다. 다른 실시 예에 따른 세기 프로파일은, y축 방향의 적어도 하나의 세기 프로파일로 생성될 수 있다. 또 다른 실시 예에 있어서 세기 프로파일은, x 축 방향의 적어도 하나의 세기 프로파일 및 y축 방향의 적어도 하나의 세기 프로파일에 의해 생성될 수 있다.
본 발명의 실시 예에 따른 세기 프로파일은 x축 방향의 적어도 하나의 세기 프로파일, y축 방향의 적어도 하나의 세기 프로파일, 혹은 z축 방향의 적어도 하나의 세기 프로파일에 의해 생성될 수 있다.
도 9는 본 발명의 실시 예에 따른 높이 계측을 위해 AFM(atomic force microscope)으로 기준 데이터를 생성하는 것을 예시적으로 보여주는 도면이다. 도 9를 참조하면, 실제 계측에서, 높이(height), 두께(thickness), CD(critical dimension), 기울기(slope) 등 다양한 계측 대상이 있다. 실시 예에 있어서, 기준 데이터는 시뮬레이션, AFM(atomic force microscope, 원자현미경) 계측, OCD(optical critical dimension, 광학적 임계 수치) 계측 등 다양한 방법으로 확보할 수 있다.
도 10은 본 발명의 실시 예에 따른 세기 프로파일 추출을 위한 학습 정합성을 예시적으로 보여주는 도면이다. 도 10를 참조하면, 학습 모델을 생성하기 위하여, 훈련 세트(train set), 검증 세트(valid set), 테스트 세트(test set)으로 나누어 학습이 진행될 수 있다. 일반적으로 훈련 세트를 이용하여 모델을 훈련하고, 검증 세트를 이용하여 모델의 예측/분류의 정확도를 검증하고, 테스트 세트를 이용하여 모델을 테스트할 수 있다. 실시 예에 있어서, 훈련의 정합성은 테스트 세트로 확인 가능하다. 예를 들어, 도 10에 도시된 바와 같이, 교차 검증(cross validation) 스코어가 R2 = 1 일 때 최대이다. 일반적으로 R2가 0.8 이상일 때 양산에 사용 가능하다.
도 11a은 본 발명의 실시 예에 따른 컴퓨팅 장치(200)에서 최초 학습 모델을 생성하는 과정을 예시적으로 보여주는 도면이다. 도 11a을 참조하면, 컴퓨팅 장치(200)는, 계측 데이터 생성기(230), 학습 모델 생성기(240)를 포함할 수 있다.
계측 데이터 생성기(230)는 계측 데이터 생성 모듈(231), 계측 레시피(232) 및 딥러닝(DL(deep learning)) 연산 모듈(233)을 포함할 수 있다. 계측 레시피(232)는 스루-포커스 이미지를 획득하기 위하여 z축 구동 range 혹은 step 간격에 대한 레시피, 세기 프로파일을 추출하는 위치 및 방법에 대한 레시피를 포함할 수 있다.학습 모델 생성기(240)는 계측 데이터 생성 모듈(231)로부터 스루-포커스 이미지 데이터를 수신하여 세기 프로파일 데이터로 변환하고, 인공 신경망(artificial neural network, 혹은 딥 러닝(deep learning))을 이용하여 기준 데이터와 세기 프로파일 데이터를 학습함으로써 학습 모델을 생성하도록 구현될 수 있다. 실시 예에 있어서, 인공 신경망은 CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted Boltzmann machine), DBN(deep belief network) 등 일 수 있다.
프로파일 데이터 변환 모듈(243)은 학습 모델을 생성하기 위하여 계측 데이터 생성 모듈(231)로부터 스루-포커스 이미지 데이터를 수신하고, 세기 프로파일을 생성할 수 있다. 실시 예에 있어서, 스루-포커스 이미지 데이터는 학습 모델 생성시 최초 1 회만 계측 데이터 생성기(230)로부터 수신될 수 있다.
또한, 학습 모델 생성기(240)는 학습 모듈(234), 및 프로파일 데이터 변환 모듈(243)을 포함할 수 있다. 학습 모듈(234)은 기준 데이터와 세기 프로파일 데이터를 이용하여 학습모델을 생성할 수 있다. 여기서 기준 데이터는 AFM 데이터를 포함할 수 있다.
한편, 도 11a에 도시된 학습 모듈(234)은 컴퓨팅 장치(200)에 포함되고 있다. 하지만, 본 발명이 여기에 제한될 필요는 없다. 본 발명의 학습 모듈은 컴퓨팅 장치(200)과 다른 장치에 의해 구현될 수도 있다.
도 11b는 본 발명의 실시 예에 따른 컴퓨팅 장치(200)에서 계측 데이터를 생성하는 계측 데이터 생성 모듈(230a)을 예시적으로 보여주는 도면이다. 도 11b를 참조하면, 계측 데이터 생성 모듈(231a)은 계측 레시피(232)로 광학계와 스테이지(150)를 제어함으로써, 스루-포커스 이미지를 획득 후, 세기 프로파일을 생성하고, DL 연산 모듈(233)에서 학습 모델과 세기 프로파일을 학습하여 계측 데이터를 생성할 수 있다.
계측 데이터 생성 모듈(231a)은 계측 레시피(232)와 딥러닝 연산 모듈(233)의 학습 모델을 이용하여 타겟에 대한 계측 데이터를 생성할 수 있다. 여기서 계측 레시피(231)는 타겟에 대하여 스루-포커스 이미지들로부터 추출된 세기 프로파일을 포함할 수 있다.
실시 예에 있어서, 계측 데이터 생성 모듈(231a)은 제조 라인 내의 복수의 레시피 혹은 계측 타겟의 측정값을 제공하여 계측 성능에 대한 적어도 하나의 공정 변동의 영향을 분리할 수 있다. 실시 예에 있어서, 계측 데이터 생성 모듈(231)은 서로 다른 레시피를 이용할 수 있다. 예를 들어, 공정 변동에 강건한 제 1 레시피가 오버레이 측정을 위하여 이용될 수 있다. 또한, 공정 변동에 민감한 제 2 레시피가 근본 원인 분석을 위하여 이용될 수 있다. 계측 데이터 생성 모듈(231)에 연관된 계측 타겟 혹은 레시피는 자동 레시피 최적화를 시킬 수 있다.
실시 예에 있어서, 계측 데이터 생성 모듈(231a)은 계측 레시피(232)로 광학계와 스테이지(150, 도 1 참조)를 제어함으로써, 스루-포커스 이미지를 획득 후, 세기 프로파일을 생성하고, DL 연산 모듈(233)에 세기 프로파일을 입력하여 계측 데이터를 생성할 수 있다.본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)는 BF(bright field) 설비의 하드웨어를 개조하고 및 소프트웨어를 추가함으로써 구현 가능하다. 예를 들어, 도 2a에서 설명된 바와 같이 위상 변조기가 추가되고, 세기 프로파일을 생성하고 생성된 세기 프로파일과 학습 모델을 이용하여 타겟의 계측값이 결정될 수 있다.
본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)는 광학 시스템 제어 및 스루-포커스 이미지 생성 시스템, 세기 프로파일 추출, 미리 생성해둔 학습 모델로 계측값 생성, 학습 모델없이 프로파일의 차이를 수치화하여 프로파일 이상 분포 맵 생성할 수 있다.
본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)는, 타겟(Object)에서 반사되는 빛이 타겟의 CD/두께 등의 구조변화에 의해 On-focus가 아닌, Defocus 영역에서 세기가 변화(intensity profile)하는 것을 이용하여 계측값을 산출할 수 있다.
본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치(10)는 OCD 빔Beam 사이즈(beam size) 보다 훨씬 작은 대상물에 대해서, 반복이든, 비반복이든 계측 가능하다. 예를 들어, 계측 해상도는 광학계의 픽셀 크기(pixel size)에 대응하는 해상도를 갖는다. 예를 들어, 계측 해상도는 23.3 nm 해상도를 가질 수 있다. 이로써, DRAM GOx Dent 구조 변화 직접 계측이 가능하다.
도 12는 본 발명의 실시 예에 따른 세기 프로파일을 획득하는 과정을 예시적으로 보여주는 도면이다. 도 12를 참조하면, 스루-포커스 이미지로부터 추출한 세기들의 1차원 배열이 얻어질 수 있다. CD와 두께 변화에 대한 정보가 스루-포커스 이미지에서 Defocus 위치에서의 세기 변화로 나타나고 있다. 스루-포커스 이미지로부터 세기 프로파일을 추출함으로써, 세기 변화를 파장에 대한 스펙트럼처럼 이용할 수 있다. 세기 프로파일을 학습하여, 스루-포커스 이미지에서 계측값 추출이 가능하다. 이러한 세기 프로파일 추출 기술은, 기존의 파장 스펙트럼 학습을 위한 기반 툴들을 그대로 이용할 수 있다.
도 13은 본 발명의 실시 예에 따른 학습 모델을 이용한 계측 데이터 출력 과정을 개념적으로 보여주는 도면이다. 도 13을 참조하면, 스루-포커스 이미지 생성 된 후, 특정 영역에 대한 세그먼트들로부터 세기 프로파일을 추출하고, 추출된 세기 프로파일을 학습 모듈에서 연산함으로써, 계측 데이터가 출력될 수 있다.
실시 예에 있어서, 스루-포커스 이미지들로부터 세기 프로파일 추출 위치가 선택될 수 있다. 도 13에 도시된 바와 같이, 선택된 세기 프로파일 추출 위치들의 각각에 스루-포커스 이미지를 Y축 방향으로 평균하여 1차원 배열, 즉 세기 프로파일이 생성될 수 있다.
실시 예에 따른 세기 프로파일은 스루-포커스 이미지로부터 추출한 세기값들의 1차원 배열을 포함할 수 있다. 일반적으로, 따른 CD와 두께 변화에 대한 정보가 스루-포커스 이미지에서는 디포커스 위치에서의 세기 프로파일 변화로 나타난다. 세기 프로파일을 추출함으로써, 세기 프로파일의 변화는 파장에 대한 스펙트럼처럼 이용될 수 있다. 세기 프로파일을 학습함으로써, 스루-포커스 이미지에서 계측 값이 추출 가능하다. 실시 예에 있어서, 세기 프로파일을 추출하기 위하여 파장 스펙트럼 학습을 위한 일반적인 툴들이 이용될 수 있다.도 14는 본 발명의 실시 예에 따른 학습 모델을 생성하는 과정을 예시적으로 보여주는 도면이다. 도 14를 참조하면, 기준 데이터(예를 들어, AFM 데이터)와 스루-포커스 이미지 프로파일을 이용하여 인공 신경망 학습함으로써, 학습 모델이 생성될 수 있다.
도 15는 본 발명의 실시 에에 따른 스루-포커스 이미지 기반 계측 장치를 구비한 반도체 제조 설비(1000)를 예시적으로 보여주는 도면이다. 도 15를 참조하면, 반도체 제조 설비(1000)는 단위 공정 장치(1100) 및 검사 계측 장치(1200)를 포함할 수 있다.
단위 공정 장치(1100)는 기판(W)의 단위 공정을 수행할 수 있다. 예를 들어, 상기 단위 공정은 박막 증착 공정, 포토 리소그래피 공정, 식각 공정 및 세정 공정을 포함할 수 있다. 또한, 단위 공정은 확산 공정, 열처리 공정 및 이온주입 공정을 포함할 수 있다.
검사 계측 장치(1200)는 기판(W)의 검사 공정 및 계측 공정을 수행할 수 있다. 예를 들어, 검사 공정은 기판(W) 상의 결함 불량(예를 들어, 파티클 결함, 전기적 쇼트 결함, 라인 컷 결함)을 검사하는 공정일 수 있다. 계측 공정(metrology process)은 기판(W)의 표면 특성(예를 들어, 임계치수(CD) 박막 두께, 라인 폭)을 측정하는 공정일 수 있다.
실시 예에 있어서, 단위 공정 장치(1100)와 검사 계측 장치(1200)는 일렬로 배치될 수 있다. 실시 예에 있어서, 단위 공정 장치(1100)는 검사 계측 장치(1200)의 전단에 배치될 수 있다. 예를 들어, 단위 공정 장치(1100)는 박막증착 장치(1120), 포토 리소그래피 장치(1140), 식각 장치(1160), 및 세정 장치(1180)를 포함할 수 있다. 박막증착 장치(1120)는 기판(W) 상에 박막을 형성할 수 있다. 포토 리소그래피 장치(1140)는 기판(W) 또는 박막 상에 포토 레지스트 패턴을 형성할 수 있다. 식각 장치(1160)는 기판(W) 상기 박막을 포토 레지스트 패턴에 근거하여 식각할 수 있다. 세정 장치(1180)는 기판(W)을 세정할 수 있다. 이와 달리, 단위 공정 장치(1100)는 확산장치, 열처리장치, 이온주입장치를 포함할 수 있다. 검사 계측 장치(1200)는 단위 공정 장치(1100)의 후단에 배치될 수 있다.
검사 계측 장치(1200)는 단위 공정이 완료된 기판(W)의 상부 면을 검사 및 계측할 수 있다. 이와 달리, 검사 계측 장치(1200)는 단위 공정 장치(1100) 내에 배치될 수 있다. 예를 들어, 검사 계측 장치(1200)는 박막증착 장치(1120)와 포토리소그래피 장치(1140) 사이 및 포토리소그래피 장치(1140)와 식각 장치(1160) 사이에 배치될 수도 있다. 검사 계측 장치(1200)는 단위 공정의 정상 유무를 검사할 수 있다. 실시 예에 있어서, 검사 계측 장치(1200)는 단위 공정의 결과에 대한 정보를 획득할 수 있다. 본 발명의 검사 계측 장치(1200)는 도 1 내지 도 14에서 설명된 스루-포커스 이미지 기반 계측 장치(10)를 포함할 수 있다.
도 16은 본 발명의 실시 예에 따른 스루-포커스 이미지 기반 계측 장치의 동작 방법을 예시적으로 보여주는 흐름도이다. 도 1 내지 도 16을 참조하면, 스루-포커스 이미지 기반 계측 장치(10)의 동작 방법은 다음과 같이 진행될 수 있다.
컴퓨팅 장치(200)는 광학 장치(100)를 제어함으로써 스루-포커스 이미지를 획득할 수 있다(S110). 컴퓨팅 장치(200)는 스루-포커스 이미지로부터 세기 프로파일을 생성할 수 있다(S120). 컴퓨팅 장치(200)는 세기 프로파일과 학습 모델을 이용하여 계측 데이터를 생성할 수 있다(S130).
실시 예에 있어서, 광학 장치(100)는, 타겟이 제공되는 스테이지(150, 도 1 참조), 스테이지(150) 상에 배치되는 이미지 센서(120, 도 1 참조), 이미지 센서(120)와 스테이지(150) 사이에 배치되고, 타겟의 반사광을 출력하는 대물 렌즈(140, 도 1 참조), 대물 렌즈(140)를 통해 타겟에 조명광을 제공하는 적어도 하나의 광원(110, 도 1 참조)을 포함할 수 있다. 실시 예에 있어서, 복수의 스루-포커스 이미지를 획득하는 것은, 컴퓨팅 장치(200)에서 스테이지(150)를 적어도 하나의 방향으로 한 스텝씩 이동시키는 것을 더 포함할 수 있다.
실시 예에 있어서, 복수의 스루-포커스 이미지를 획득하는 것은, 컴퓨팅 장치(200)에서 이미지 센서(120)를 적어도 하나의 방향으로 한 스텝씩 이동시키는 것을 더 포함할 수 있다.
실시 예에 있어서, 복수의 스루-포커스 이미지를 획득하는 것은, 반사광의 위상 차이를 조절하는 것을 더 포함할 수 있다. 실시 예에 있어서, 학습을 통하여 학습 모델이 생성될 수 있다.
도 17은 본 발명의 실시 예에 따른 컴퓨팅 장치(2000)를 예시적으로 보여주는 도면이다. 도 17을 참조하면, 컴퓨팅 장치(2000)는 적어도 하나의 프로세서(2100), 네트워크 인터페이스(2200), 메모리(2300), 디스플레이(2400), 및 입출력 장치(2500)를 포함할 수 있다.
프로세서(2100)는 도 1 내지 도 16에 설명된 스루-포커스 이미지 기반 계측 방식을 수행하기 위한 적어도 하나의 인스트럭션(instruction)(혹은 프로그램)을 실행하도록 구현될 수 있다. 프로세서(2100)는 인스트럭션을 실행하고, 컴퓨팅 장치(2000)를 제어할 수 있다.
실시 예에 있어서, 적어도 하나의 인스트럭션은, 광학 장치(100, 도 1 참조)를 제어함으로써 타겟에 대한 복수의 스루-포커스 이미지들을 획득하고, 복수의 스루-포커스 이미지들로부터 상기 타겟에 대응하는 세기 프로파일을 생성하고, 및 생성된 세기 프로파일과 학습 모델을 이용하여 타겟에 대한 계측 데이터를 생성하도록, 적어도 하나의 프로세서(2100)에서 실행될 수 있다.
실시 예에 있어서, 적어도 하나의 인스트럭션은, 광학 장치(100)를 적어도 하나의 방향으로 한 스텝씩 이동시키도록, 적어도 하나의 프로세서(2100)에서 실행될 수 있다. 여기서 적어도 하나의 방향은, 타겟이 제공되는 스테이지(150, 도 2a 참조)와 이미지 센서(120, 도 2a 참조) 사이의 타겟으로부터 출력하는 반사광의 광축 방향을 포함할 수 있다.
실시 예에 있어서, 적어도 하나의 인스트럭션은, 복수의 스루-포커스 이미지들로부터 중에서 어느 하나의 스루-포커스 이미지에서 타겟에 대응하는 영역을 복수의 세그먼트들로 구분하고, 구분된 세그먼트들로부터 세기를 추출함으로써 세기 프로파일을 생성하도록 적어도 하나의 프로세서(2100)에서 실행될 수 있다.
실시 예에 있어서, 적어도 하나의 인스트럭션은, 복수의 스루-포커스 이미지들의 각각의 관심 영역을 복수의 세그먼트들로 구분하고, 및 복수의 세그먼트들의 각각으로부터 세기 프로파일을 생성하도록 적어도 하나의 프로세서(2100)에서 실행될 수 있다.
실시 예에 있어서, 적어도 하나의 인스트럭션은, 복수의 스루-포커스 이미지들의 각각의 관심 영역을 복수의 세그먼트들로 구분하고, 및 복수의 세그먼트들의 각각으로부터 세기 프로파일을 생성하도록 적어도 하나의 프로세서(2100)에서 실행될 수 있다. 실시 예에 있어서, 세기 프로파일은 제 1 방향(x 축 방향)의 세기 프로파일 혹은 제 2 방향(y축 방향)의 세기 프로파일을 포함하고, 제 1 방향 및 상기 제 2 방향은 제 3 방향(z축 방향)에 수직한 방향이고, 제 1 방향과 제 2 방향은 서로 수직한 방향이고, 복수의 스루-포커스 이미지들은 제 3 방향으로 타겟을 스캐닝함으로써 획득될 수 있다.
실시 예에 있어서, 적어도 하나의 인스트럭션은, 스루-포커스 이미지 데이터를 세기 프로파일 데이터로 변환하고, 기준 데이터와 상기 변환된 데이터를 인공 신경망을 이용하여 학습함으로써 학습 모델을 생성하도록 적어도 하나의 프로세서(2100)에서 실행될 수 있다.
실시 예에 있어서, 적어도 하나의 인스트럭션은, 생성된 세기 프로파일과 학습 모델을 딥 러닝 연산을 함으로써 계측 데이터를 생성하도록 적어도 하나의 프로세서(2100)에서 실행될 수 있다.
컴퓨팅 장치(2000)는 입출력 장치(2500)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 혹은 네트워크)에 연결되고, 데이터를 교환할 수 있다.
네트워크 인터페이스(2200)는 외부의 네트워크와 다양한 유/무선 방식에 의해 통신을 수행하도록 구현될 수 있다.
메모리(2300)는 적어도 하나의 인스트럭션(instruction)를 저장하도록 구현될 수 있다. 프로세서(2100)는 메모리(2300)에 저장된 적어도 하나의 인스트럭션이 적어도 하나의 프로세서(2100)에서 실행됨에 따라 앞서 언급된 동작들을 수행할 수 있다. 실시 예에 있어서, 메모리(2300)는 타겟의 종류에 따라 서로 다른 구동 스텝을 갖는 계측 레시피를 저장할 수 있다.
한편, 메모리(2300)는 휘발성 메모리 혹은 비휘발성 메모리일 수 있다. 메모리(2300)는 사용자의 데이터를 저장하도록 저장 장치를 포함할 수 있다. 저장 장치는 eMMC(Embedded Multimedia Card), SSD(Solid State Drive), UFS(Universal Flash Storage) 등 일 수 있다. 저장 장치는 적어도 하나의 비휘발성 메모리 장치를 포함할 수 있다. 비휘발성 메모리 장치는, 낸드 플래시 메모리(NAND Flash Memory), 수직형 낸드 플래시 메모리(Vertical NAND; VNAND), 노아 플래시 메모리(NOR Flash Memory), 저항성 램(Resistive Random Access Memory: RRAM), 상변화 메모리(Phase-Change Memory: PRAM), 자기저항 메모리(Magnetoresistive Random Access Memory: MRAM), 강유전체 메모리(Ferroelectric Random Access Memory: FRAM), 스핀주입 자화반전 메모리(Spin Transfer Torque Random Access Memory: STT-RAM) 등이 될 수 있다.
이상에서 설명된 실시 예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/혹은 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 혹은 명령(Instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 혹은 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(Operating System; OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다.
또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 대응하는 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(Processing Element) 및/혹은 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수의 프로세서 혹은 하나의 프로세서 및 하나의 제어기(Controller)를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor)와 같은, 다른 처리 구성(Processing Configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(Code), 명령(Instruction), 혹은 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 혹은 결합적으로(Collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/혹은 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 혹은 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(Component), 물리적 장치, 가상 장치(Virtual Equipment), 컴퓨터 저장 매체 혹은 장치, 혹은 전송되는 신호파(Signal Wave)에 영구적으로, 혹은 일시적으로 구체화(Embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 혹은 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM, DVD와 같은 광기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto Optical media), 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
본 발명의 실시 예에 따른 대상물을 이미징하는 장치는, 조명측 각도 성분 Selection 이 가능한 구성, 영상측 각도 성분 Selection 이 가능한 구성, 각도 성분 별, Selection 하여 Phase Shift가 가능한 구성, 및 대상물 혹은 광학계를 z축으로 구동시키는 구성을 포함할 수 있다.
본 발명의 실시 예에 따른 제어 및 Calculation 장치는, Through-focus 영상 생성을 위한 Sequence 제어하고, Through-focus 영상으로부터 세기 프로파일을 추출하고, 사전 만들어진 학습 모델을 이용하여, 계측값을 생성할 수 있다.
본 발명의 실시 예에 따른 계측 장치는, Object에서 반사되는 빛이 Object의 CD/ 두께 등의 구조변화에 의해 On-focus가 아닌, Defocus 영역에서 Intensity가 변화(세기 프로파일)하는 것을 이용하여 계측값 산출할 수 있다.
본 발명의 실시 예에 따른 계측 장치는 OCD Beam Size 보다 훨씬 작은 대상물에 대해서, 반복 혹은 비반복 패턴을 계측 가능하고, 광학계의 Pixel Size 에 해당하는 해상도 가질 수 있다.
한편, 상술된 본 발명의 내용은 발명을 실시하기 위한 구체적인 실시 예들에 불과하다. 본 발명은 구체적이고 실제로 이용할 수 있는 수단 자체뿐 아니라, 장차 기술로 활용 할 수 있는 추상적이고 개념적인 아이디어인 기술적 사상을 포함 할 것이다.
10: 스루-포커스 이미지 기반 계측 장치
100: 광학 장치
110: 광원
120: 이미지 센서
130: 빔 스플리터
140: 대물 렌즈
150: 스테이지
200: 컴퓨팅 장치
210: 스루-포커스 이미지 생성기
220: 세기 프로파일 생성기
100: 광학 장치
110: 광원
120: 이미지 센서
130: 빔 스플리터
140: 대물 렌즈
150: 스테이지
200: 컴퓨팅 장치
210: 스루-포커스 이미지 생성기
220: 세기 프로파일 생성기
Claims (20)
- 스루-포커스 이미지 기반 계측 장치에 있어서,
광학 장치; 및
상기 광학 장치로부터 타겟에 대한 적어도 하나의 스루-포커스 이미지를 획득하고, 상기 획득된 스루-포커스 이미지로부터 세기 프로파일을 생성하고, 상기 생성된 세기 프로파일로부터 상기 타겟에 대한 계측을 수행하는 컴퓨팅 장치를 포함하고,
상기 광학 장치는,
상기 타겟이 제공되고, 상기 적어도 하나의 스루-포커스 이미지를 획득하기 위하여 상기 컴퓨팅 장치의 제어에 따라 적어도 하나의 방향으로 1 스텝씩 이동하는 스테이지;
상기 스테이지 상에 배치되는 이미지 센서;
상기 이미지 센서와 상기 스테이지 사이에 배치되고, 상기 타겟의 반사광을 출력하는 대물 렌즈; 및
상기 대물 렌즈를 통해 상기 타겟에 조명광을 제공하는 광원을 포함하며,
상기 컴퓨팅 장치는, 상기 적어도 하나의 스루-포커스 이미지에서 타겟 영역을 적어도 하나의 세그먼트로 구분하고, 스텝 이동에 따른 상기 적어도 하나의 세그먼트로부터 세기를 추출하고, 상기 추출된 세기들로부터 세기 프로파일을 생성하는 계측 장치. - 제 1 항에 있어서,
상기 광학 장치는,
상기 광원으로부터 수신한 광을 평행 광으로 만드는 시준기;
상기 시준기의 출력 광에 대한 조명 각도를 조절하는 조명 각도 조절기; 및
상기 조명 각도 조절기를 통과한 조명광의 일부분을 상기 타겟으로 반사하거나, 상기 타겟으로부터 반사된 반사광을 출력하는 빔 스플리터를 더 포함하는 계측 장치. - 제 2 항에 있어서,
상기 광학 장치는,
상기 조명 각도 조절기와 상기 빔 스플리터 사이에 제 1 릴레이 렌즈를 더 포함하는 계측 장치. - 제 2 항에 있어서,
상기 광학 장치는,
상기 빔 스플리터로부터 출력된 반사광을 상기 이미지 센서로 집광하는 튜브 렌즈를 더 포함하는 계측 장치. - 제 4 항에 있어서,
상기 광학 장치는,
상기 반사광의 각도 조절하거나 상기 반사광의 위상 변이를 조절하는 반사 각도 및 위상 조절기;
상기 반사 각도 및 위상 조절기와 상기 빔 스플리터 사이에 배치된 제 2 릴레이 렌즈를 더 포함하는 계측 장치. - 제 5 항에 있어서,
상기 위상 변이는 코팅된 부분을 통과한 상기 반사광의 제 1 위상과, 코팅되지 않은 부분을 통과한 상기 반사광의 제 2 위상 차이에 대한 절대값에 따라 결정되는 것을 특징으로 하는 계측 장치. - 제 5 항에 있어서,
상기 반사 각도 및 위상 조절기는 코딩 혹은 기판의 두께를 조절함으로써 상기 위상 변이를 조절하는 것을 특징으로 하는 계측 장치. - 제 1 항에 있어서,
상기 컴퓨팅 장치는,
상기 생성된 세기 프로파일을 학습 모델과 비교함으로써 상기 타겟을 계측하는 것을 특징으로 하는 계측 장치. - 제 8 항에 있어서,
상기 컴퓨팅 장치는,
스루-포커스 이미지를 프로 파일 데이터로 변환하고, 상기 프로 파일 데이터와 기준 데이터를 학습함으로써 상기 학습 모델을 생성하는 것을 특징으로 하는 계측 장치. - 제 1 항에 있어서,
상기 컴퓨팅 장치는,
상기 생성된 세기 프로파일의 차이를 수치화함으로써 상기 타겟을 계측하는 것을 특징으로 하는 계측 장치. - 광학 장치와 상기 광학 장치를 제어하는 컴퓨팅 장치를 갖는 스루-포커스 이미지 기반 계측 장치의 동작 방법에 있어서,
상기 컴퓨팅 장치에서 상기 광학 장치를 제어함으로써 타겟에 대한 복수의 스루-포커스 이미지들을 획득하는 단계;
상기 복수의 스루-포커스 이미지들 중에서 어느 하나의 스루-포커스 이미지에서 상기 타겟에 대응하는 영역을 복수의 세그먼트들로 구분하는 단계;
상기 구분된 세그먼트들로부터 세기를 추출하는 단계;
상기 컴퓨팅 장치에서 상기 복수의 스루-포커스 이미지의 상기 구분된 세그먼트들로부터의 세기에 기초하여, 상기 타겟에 대응하는 세기 프로파일을 생성하는 단계; 및
상기 컴퓨팅 장치에서 상기 생성된 세기 프로파일과 학습 모델을 이용하여 상기 타겟에 대한 계측 데이터를 생성하는 단계를 포함하는 방법. - 적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서에서 실행되는 적어도 하나의 인스트럭션을 저장하는 메모리를 포함하고,
상기 적어도 하나의 인스트럭션은,
광학 장치를 제어함으로써 타겟에 대한 복수의 스루-포커스 이미지들을 획득하고;
상기 복수의 스루-포커스 이미지들 중에서 어느 하나의 스루-포커스 이미지에서 상기 타겟에 대응하는 영역을 복수의 세그먼트들로 구분하고;
상기 구분된 세그먼트들로부터 세기를 추출하고;
상기 복수의 스루-포커스 이미지들의 상기 구분된 세그먼트들로부터의 세기에 기초하여, 상기 타겟에 대응하는 세기 프로파일을 생성하고; 및
상기 생성된 세기 프로파일과 학습 모델을 이용하여 상기 타겟에 대한 계측 데이터를 생성하도록, 상기 적어도 하나의 프로세서에서 실행되는 것을 특징으로 하는 컴퓨팅 장치. - 제 12 항에 있어서,
상기 적어도 하나의 인스트럭션은,
상기 광학 장치를 적어도 하나의 방향으로 한 스텝씩 이동시키도록, 상기 적어도 하나의 프로세서에서 실행되는 특징으로 하는 컴퓨팅 장치. - 제 13 항에 있어서,
상기 적어도 하나의 방향은,
상기 타겟이 제공되는 스테이지와 이미지 센서 사이의 상기 타겟으로부터 출력하는 반사광의 광축 방향을 포함하는 것을 특징으로 하는 컴퓨팅 장치. - 제 13 항에 있어서,
상기 메모리는 상기 타겟의 종류에 따라 서로 다른 구동 스텝을 갖는 계측 레시피를 저장하는 것을 특징으로 하는 컴퓨팅 장치. - 삭제
- 적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서에서 실행되는 적어도 하나의 인스트럭션을 저장하는 메모리를 포함하고,
상기 적어도 하나의 인스트럭션은,
광학 장치를 제어함으로써 타겟에 대한 복수의 스루-포커스 이미지들을 획득고;
상기 복수의 스루-포커스 이미지들의 각각의 관심 영역을 복수의 세그먼트들로 구분하고;
상기 복수의 세그먼트들의 각각으로부터 세기 프로파일을 생성하고; 및
상기 생성된 세기 프로파일과 학습 모델을 이용하여 상기 타겟에 대한 계측 데이터를 생성하도록, 상기 적어도 하나의 프로세서에서 실행되는 것을 특징으로 하는 컴퓨팅 장치. - 제 12 항에 있어서,
상기 세기 프로파일은 제 1 방향(x 축 방향)의 세기 프로파일 혹은 제 2 방향(y축 방향)의 세기 프로파일을 포함하고,
상기 제 1 방향 및 상기 제 2 방향은 제 3 방향(z축 방향)에 수직한 방향이고,
상기 제 1 방향과 상기 제 2 방향은 서로 수직한 방향이고,
상기 복수의 스루-포커스 이미지들은 상기 제 3 방향으로 상기 타겟을 스캐닝함으로써 획득되는 것을 특징으로 하는 컴퓨팅 장치. - 제 12 항에 있어서,
상기 적어도 하나의 인스트럭션은,
스루-포커스 이미지 데이터를 세기 프로파일 데이터로 변환하고,
기준 데이터와 상기 변환된 데이터를 인공 신경망을 이용하여 학습함으로써 상기 학습 모델을 생성하도록 상기 적어도 하나의 프로세서에서 실행되는 것을 특징으로 하는 컴퓨팅 장치. - 제 19 항에 있어서,
상기 기준 데이터는 AFM(atomic force microscope) 데이터를 포함하는 것을 특징으로 하는 컴퓨팅 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200074100A KR102825815B1 (ko) | 2020-06-18 | 2020-06-18 | 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치 |
| US17/156,049 US11988495B2 (en) | 2020-06-18 | 2021-01-22 | Through-focus image-based metrology device, operation method thereof, and computing device for executing the operation |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200074100A KR102825815B1 (ko) | 2020-06-18 | 2020-06-18 | 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210156894A KR20210156894A (ko) | 2021-12-28 |
| KR102825815B1 true KR102825815B1 (ko) | 2025-06-27 |
Family
ID=79023335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200074100A Active KR102825815B1 (ko) | 2020-06-18 | 2020-06-18 | 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11988495B2 (ko) |
| KR (1) | KR102825815B1 (ko) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW202336423A (zh) * | 2021-10-01 | 2023-09-16 | 美商伊路米納有限公司 | 用於傳輸光之設備及方法 |
| KR20230090854A (ko) * | 2021-12-15 | 2023-06-22 | 삼성전자주식회사 | 3차원 영상을 이용한 웨이퍼 검사 장치 및 이를 이용한 웨이퍼 검사 방법 |
| WO2024225804A1 (ko) * | 2023-04-28 | 2024-10-31 | 엘지이노텍 주식회사 | 렌즈의 결함을 예측하는 방법 및 전자 장치 |
| US20250044679A1 (en) * | 2023-07-31 | 2025-02-06 | Kla Corporation | Pupil filter with spatially-varying transmission |
| CN116754568B (zh) * | 2023-08-22 | 2024-01-23 | 合肥工业大学 | 一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置 |
| KR102851019B1 (ko) * | 2024-12-24 | 2025-08-28 | 주식회사 퓨런티어 | Ai 데이터에 기반한 고속 광축 정렬 장치 및 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130107030A1 (en) * | 2011-10-20 | 2013-05-02 | Samsung Electronics Co., Ltd. | Optical measurement system and method for measuring critical dimension of nanostructure |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3388285B2 (ja) * | 1993-12-27 | 2003-03-17 | 株式会社ニュークリエイション | 検査装置 |
| JP4756785B2 (ja) * | 2001-07-24 | 2011-08-24 | ルネサスエレクトロニクス株式会社 | 表面検査方法および装置 |
| TWI292031B (en) * | 2006-02-10 | 2008-01-01 | Ind Tech Res Inst | Dimension measuring method and optical measuring system implemented with the method |
| US8912495B2 (en) | 2012-11-21 | 2014-12-16 | Kla-Tencor Corp. | Multi-spectral defect inspection for 3D wafers |
| WO2015080480A1 (ko) | 2013-11-29 | 2015-06-04 | (주)넥스틴 | 웨이퍼 영상 검사 장치 |
| US10127652B2 (en) | 2014-02-06 | 2018-11-13 | Kla-Tencor Corp. | Defect detection and classification based on attributes determined from a standard reference image |
| US9400254B2 (en) * | 2014-03-26 | 2016-07-26 | Samsung Electronics Co., Ltd. | Method and device for measuring critical dimension of nanostructure |
| US9816939B2 (en) | 2014-07-22 | 2017-11-14 | Kla-Tencor Corp. | Virtual inspection systems with multiple modes |
| RU2582484C1 (ru) * | 2014-11-10 | 2016-04-27 | Самсунг Электроникс Ко., Лтд. | Оптическая измерительная система и способ количественного измерения критического размера для наноразмерных объектов |
| KR101652356B1 (ko) * | 2015-03-30 | 2016-08-31 | (주)넥스틴 | 광학적 웨이퍼 검사 장치 |
| US9903711B2 (en) * | 2015-04-06 | 2018-02-27 | KLA—Tencor Corporation | Feed forward of metrology data in a metrology system |
| KR102665579B1 (ko) * | 2015-05-19 | 2024-05-10 | 케이엘에이 코포레이션 | 오버레이 측정을 위한 지형 위상 제어 |
| WO2017148665A1 (en) | 2016-03-01 | 2017-09-08 | Asml Netherlands B.V. | Metrology apparatus, method of measuring a structure and lithographic apparatus |
| US20170301079A1 (en) * | 2016-04-19 | 2017-10-19 | Incheon University Industry Academic Cooperation Foundation | Method of acquiring tsom image and method of examining semiconductor device |
| KR101826127B1 (ko) * | 2016-08-23 | 2018-02-06 | 공주대학교 산학협력단 | 광학적 웨이퍼 검사 장치 |
| KR102592917B1 (ko) | 2016-08-26 | 2023-10-23 | 삼성전자주식회사 | 표면 검사 방법 및 반도체 소자의 제조 방법 |
| US10634623B2 (en) * | 2016-10-07 | 2020-04-28 | Kla-Tencor Corporation | Phase contrast monitoring for extreme ultra-violet (EUV) masks defect inspection |
| US10267748B2 (en) | 2016-10-17 | 2019-04-23 | Kla-Tencor Corp. | Optimizing training sets used for setting up inspection-related algorithms |
| KR101863752B1 (ko) * | 2017-04-19 | 2018-06-04 | 공주대학교 산학협력단 | 광학적 웨이퍼 검사 장치의 해상력 강화 방법 및 이를 이용한 tsom 영상 획득 방법 |
| US10387755B2 (en) | 2017-06-28 | 2019-08-20 | Applied Materials, Inc. | Classification, search and retrieval of semiconductor processing metrology images using deep learning/convolutional neural networks |
| US10713534B2 (en) | 2017-09-01 | 2020-07-14 | Kla-Tencor Corp. | Training a learning based defect classifier |
| US10615067B2 (en) * | 2018-05-18 | 2020-04-07 | Kla-Tencor Corporation | Phase filter for enhanced defect detection in multilayer structure |
| US12086973B2 (en) * | 2019-05-13 | 2024-09-10 | Asml Netherlands B.V. | Detection apparatus for simultaneous acquisition of multiple diverse images of an object |
| EP3751342A1 (en) * | 2019-06-13 | 2020-12-16 | Stichting VU | Metrology method and method for training a data structure for use in metrology |
| US11256177B2 (en) * | 2019-09-11 | 2022-02-22 | Kla Corporation | Imaging overlay targets using Moiré elements and rotational symmetry arrangements |
-
2020
- 2020-06-18 KR KR1020200074100A patent/KR102825815B1/ko active Active
-
2021
- 2021-01-22 US US17/156,049 patent/US11988495B2/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130107030A1 (en) * | 2011-10-20 | 2013-05-02 | Samsung Electronics Co., Ltd. | Optical measurement system and method for measuring critical dimension of nanostructure |
Non-Patent Citations (3)
| Title |
|---|
| Jun Ho Lee "Through-focus scanning optical microscopy (TSOM) with adaptive optics" Metrology, Inspection, and Process Control for Microlithography XXXII, edited by Vladimir A. Ukraintsev, Ofer Adan, P* |
| Ravikiran Attota "Through-focus Scanning Optical Microscopy " Scanning Microscopies 2011: Advanced Microscopy Technologies for Defense, Homeland Security, Forensic, Life, Environmental, and Industrial* |
| YUFU QU "Machine-learning models for analyzing TSOM images of nanostructures" optics express vol, No 23, 2019.11.11.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210156894A (ko) | 2021-12-28 |
| US20210396510A1 (en) | 2021-12-23 |
| US11988495B2 (en) | 2024-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102825815B1 (ko) | 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치 | |
| TWI721993B (zh) | 用於量測在一半導體晶圓上之高度的方法及裝置 | |
| TWI713575B (zh) | 使用影像之以模型為基礎之度量 | |
| US10635004B2 (en) | Correction using stack difference | |
| TWI821586B (zh) | 用於在計量量測中減少錯誤之系統及方法 | |
| TWI649628B (zh) | 用於半導體目標之量測的微分方法及裝置 | |
| TWI618988B (zh) | 決定臨界尺寸相關特性之方法、檢測裝置及器件製造方法 | |
| JP6758309B2 (ja) | フォーカスエラー感応性が減少した光学的計測 | |
| TWI666420B (zh) | 表面拓璞之干涉特徵化 | |
| TWI775331B (zh) | 用於光學三維構形量測之方法及系統 | |
| TW202004366A (zh) | 判定基板上之一或多個結構之特性的度量衡設備及方法 | |
| TW201937159A (zh) | 用於判定將對一試樣執行之一度量程序之參數之系統、方法及非暫時性電腦可讀取媒體 | |
| KR20150081360A (ko) | 최적화된 시스템 파라미터를 갖는 광 계측 장치 및 방법 | |
| TW201917491A (zh) | 度量衡參數判定及度量衡配方選擇 | |
| TWI604283B (zh) | 用於微影掃描器之焦點配方判定 | |
| TW201945721A (zh) | 結合模擬及光學顯微鏡以判定檢查模式 | |
| TW201740215A (zh) | 檢測方法、檢測裝置及照明方法及裝置 | |
| US10504802B2 (en) | Target location in semiconductor manufacturing | |
| TWI885693B (zh) | 用於對樣本的圖案化結構上進行基於ｘ射線的測量的方法及測量系統 | |
| CN103307997B (zh) | 一种角分辨散射测量装置及其测量方法 | |
| EP4139748A1 (en) | Method and system for determining one or more dimensions of one or more structures on a sample surface | |
| US20250378376A1 (en) | Metrology using reference-based synthetic spectra | |
| US20250053098A1 (en) | Spatially-varying spectral metrology for local variation detection | |
| RU2560245C1 (ru) | Способ мультиспектральной визуализации и устройство для измерения критического размера наноструктур | |
| JPWO2009139394A1 (ja) | 光学検査装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20200618 |
|
| PG1501 | Laying open of application | ||
| A201 | Request for examination | ||
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 20221201 Comment text: Request for Examination of Application Patent event code: PA02011R01I Patent event date: 20200618 Comment text: Patent Application |
|
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20241021 Patent event code: PE09021S01D |
|
| E90F | Notification of reason for final refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Final Notice of Reason for Refusal Patent event date: 20250205 Patent event code: PE09021S02D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20250602 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20250623 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20250624 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |