JP2013019866A - 走査電子顕微鏡、欠陥検査システム、および欠陥検査装置 - Google Patents

Abstract

【課題】
本発明をウエハ、ディスプレイパネル、磁気ディスクなど試料上に発生した欠陥の部位に対して、走査電子顕微鏡で画像を撮像しようと試みたとき、画像に欠陥が写っていないといった失敗が生じる割合を低減する。
【解決手段】
本発明は、欠陥の座標と特徴量を有する欠陥検査データを入力し（２４１）、欠陥毎に走査電子顕微鏡での検出可否を予測し（２４２）、予測結果に基づいて走査電子顕微鏡で撮像する座標をサンプリングし（２４３）、予測結果に基づいて加速電圧を設定した電子光学系、ないしは光学系で欠陥部位の画像を撮像する（２４４）。
【選択図】 図１

Description

本発明は、試料に生じた欠陥や付着した異物を観察する走査電子顕微鏡、試料上に生じた欠陥や異物の座標を検出する欠陥検査装置、ならびに走査電子顕微鏡と欠陥検査装置をネットワークで接続した欠陥検査システムに関する。

集積回路、薄膜磁気ヘッド、磁気ディスク、太陽電池、液晶ディスプレイなど露光、現像、エッチング、成膜などの薄膜プロセスを用いて製造される製品の製造工程においては、品質管理を目的に以下のステップで欠陥検査が行われる。（１）検査対象となる試料（例えば、ウエハ）を、光学技術と画像処理技術を駆使した欠陥検査装置により検査し、発生した欠陥や付着した異物の試料上における座標を検出する。欠陥や異物を総称して以降、欠陥と呼ぶ。（２）検出された欠陥の座標に対して、走査電子顕微鏡で高倍率な画像を撮像し、欠陥の種類を分類する。これをレビュー作業と呼ぶ。（３）分類結果を電気特性試験の結果と照合して、欠陥が発生した原因を分析し、対策手段を練る。

欠陥検査装置により検出される欠陥数が多い場合には、上記（２）のレビュー作業は大変な労力を必要とすることから、欠陥部位の画像を自動的に撮像し、収集する自動レビュー（Automatic Defect Review）及び、収集された画像を自動的に分類する自動欠陥分類（Automatic Defect Classification）の機能を有する走査電子顕微鏡が販売されている。

しかし、走査電子顕微鏡は、欠陥検査装置により検出される欠陥を必ずしも検出できるわけではない。欠陥検査装置は、照明を真上から照射し、その反射光を検出する明視野検査装置と、照明を斜め上方から照射し、欠陥にぶつかった散乱光を検出する暗視野検査装置に大別できる。両装置ともＡｒレーザ、Ｈｅ−Ｃｄレーザないしはエキシマレーザ等の光源を用いるため、試料が光源の波長を通す膜で形成されていると、下層の欠陥も検出される。しかし、走査電子顕微鏡が用いる電子光学系では、下層の欠陥を検出することが難しく、１ｋＶ程度の加速電圧の条件では検出できない。特許文献１に、上述したような下層の欠陥も走査電子顕微鏡で検出するために、検出条件を切り替えながら、トライ・アンド・エラーで検出する方法が開示されている。

特開２００５−２５９３９６号公報 特開２００６−１４５２６９号公報 特開２００４−２９４３６０号公報

丹後俊郎、他著「ロジスティック回帰分析」朝倉書店 １９９６年

特許文献１に開示された方法は、欠陥検査装置により検出される欠陥の座標に対して、まず、通常の検出条件、例えば、１ｋＶ程度の加速電圧で検出することを試みる。もし通常の検出条件では検出できなかった場合には、加速電圧を上げて再度、検出を試みる。しかし、トライ・アンド・エラーで欠陥を検出する従来の方法では、レビュー作業に必要となる時間が長くなる問題がある。また、走査電子顕微鏡による欠陥の検出は、完全な非破壊検査ではなく、試料に対して何らかのダメージを与えるため、同じ箇所に何度も電子線を照射することは好ましくない。

上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。
本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、欠陥検査装置が試料上の欠陥座標を検出した情報を入力して、該欠陥を解析するための観察画像を撮像する機能を有する走査電子顕微鏡において、前記欠陥検査装置が検出した複数の欠陥の座標と共に、欠陥検出画像の特徴量を入力する機能と，該特徴量を用いて走査電子顕微鏡での加速電圧の設定条件、観察画像における欠陥の検出可否を欠陥毎に予測する機能と，予測結果に基づいて入力された座標群の中からアライメントおよび観察対象の複数の座標を選択する機能と，選択された複数の各座標に対して，検出可と予測された加速電圧を設定して画像を撮像する機能とを有することを特徴とする。

本発明を集積回路、薄膜磁気ヘッド、太陽電池、磁気ディスク、液晶ディスプレイなどの製造過程に適用することで、走査電子顕微鏡で欠陥部位の画像を撮像しようと試みたとき、画像に欠陥が写っていないといった失敗が生じる割合を低減する。

走査電子顕微鏡の概要の一例を示す図である。 走査電子顕微鏡と欠陥検査装置を有する欠陥検査システムの一例を示す図である。 欠陥検査装置の概要の一例を示す図である。 座標と特徴量を有する欠陥検査データの一例を示す図である。 座標を視覚的に示したウエハマップの一例を示す図である。 特徴量の抽出方法の一例を説明する図である。 検出可否を予測した結果の一例を示す図である。 検出可否を予測するための係数の一例を示す図である。 サンプリング結果の一例を示す図である。 分類結果の一例を示す図である。 画像を撮像するフローチャートの一例を示す図である。 走査電子顕微鏡のグラフィカルユーザインターフェースの一例を示す図である。 走査電子顕微鏡のグラフィカルユーザインターフェースの一例を示す図である。 走査電子顕微鏡のグラフィカルユーザインターフェースの一例を示す図である。 検出可否を学習するデータの一例を示す図である。 走査電子顕微鏡のグラフィカルユーザインターフェースの一例を示す図である。 欠陥検査・解析データテーブルのデータレコード形式の例を示す図である。 検出可否予測プログラムの処理のフローチャートの一例を示す図である。 検出可否学習プログラムの処理のフローチャートの一例を示す図である。

図１は、本発明に係る光学顕微鏡を備える走査電子顕微鏡の一例として、その概要を示す図である。走査電子顕微鏡６００は一次電子２０８を発生させる電子源２０１と、一次電子を加速するための加速電極２０２と、一次電子を収束するための集束レンズ２０３と、一次電子を二次元走査偏向する偏向器２０４と、一次電子を試料２０６上に収束させるための対物レンズ２０５とを備えている。２０７は試料２０６を搭載する駆動ステージである。２１０は試料２０６より発生した二次電子信号２０９を検出する検出器であり、２１２ａ、２１２ｂはそれぞれ反射電子信号２１３を検出する反射電子検出器である。同図では、反射電子検出器２１２ａ、２１２ｂは対向して二つ設置されており、それぞれ試料２０６から放出された反射電子信号の異なる成分を検出する。２１１は検出された信号をデジタル化するためのデジタル変換部である。また、走査電子顕微鏡６００は、上述した電子光学系では検出できない欠陥部位の画像を撮像するために、光学顕微鏡を有する。２２１ａ，２２１ｂは異なる波長の光を出力する光源であり、例えば、Ａｒレーザ、Ｈｅ−Ｃｄレーザないしはエキシマレーザ等が使われる。光源２２１ａ，２２１ｂから発せられる光は、反射ミラー２２２ａ，２２２ｂ，２２２ｃを経由して、試料２０６に照射される。試料２０６で反射した光や、欠陥にぶつかって散乱した光は、集光レンズ２２３、波長別に分離するビームスプリッタ２２４を経由して、光電変換部２２５ａ，２２５ｂで検出される。光電変換部２２５ａ，２２５ｂはフォトマル、ＣＣＤセンサ、ＴＤＩセンサ等が使われる。光電変換部２２５ａ，２２５ｂから出力される信号は、２２６のデジタル変換部でデジタル化される。上述した各部位は、バス２３０を介して全体制御部２３１に接続されている。本走査電子顕微鏡６００には、そのほかに、中央演算処理装置（ＣＰＵ）２３２、一次記憶装置２３３、ネットワークインターフェース２３４、キーボード２３５、マウス２３６、ディスプレイ２３７、二次記憶装置２３８が備わっている。また、二次記憶装置２３８には、ネットワークインターフェース２３４を介して欠陥検査装置６０１の検査結果を本走査電子顕微鏡に入力するための欠陥検査データ入力プログラム２４１、入力される各座標に対して、それぞれ走査電子顕微鏡６００で検出可能か否かを予測する検出可否予測プログラム２４２、検出可否の予測結果に基づいて座標を選び出すサンプリングプログラム２４３、選び出した座標が画像に写るように、駆動ステージを動作させて画像を撮像する画像撮像プログラム２４４、欠陥が確実に画像の視野に入るように駆動ステージに対する試料の座標系のオフセットを計算するアライメントプログラム２４５、撮像した画像を用いて欠陥の種類を分類する欠陥分類プログラム２４６、検出可否予測プログラム２４２の予測精度を向上するために実行する検出可否学習プログラム２４７、検出可否の予測結果、画像撮像結果、欠陥分類結果を確認したり、各種プログラムを実行したりするグラフィカルユーザインターフェース（ＧＵI）プログラム２４８、および欠陥検査装置から入力した欠陥検査データとそれらのデータに基づいて解析した結果を記録する欠陥検査・解析データテーブル５００、前記検出可否予測プログラムが使用する予測式係数データを記録する予測式係数データテーブル５２０などが格納されている。これらのプログラムは、二次記憶装置２３８から一次記憶装置２３３に読み出され、ＣＰＵ２３２で実行される。

図２は、本発明に係る走査電子顕微鏡と欠陥検査装置とを有する欠陥検査システムの最小限のハードウェア構成の一例である。走査電子顕微鏡６００と欠陥検査装置６０１はそれぞれネットワーク６０２に接続され、それぞれの装置が有するネットワークインターフェースを介してデータの送受信が行われる。もちろん、ネットワーク６０２に、さらにデータベースシステムやファイルサーバを接続して、走査電子顕微鏡６００と欠陥検査装置６０１とのデータの送受信を中継してもよい。

図３は、本発明に係る欠陥検査装置の一例として、その概要を示す図である。欠陥検査装置６０１は、走査電子顕微鏡６００が備える光学顕微鏡と同様に、７０１ａ，７０２ｂの異なる波長を出力する光源、反射ミラー７０２ａ，７０２ｂ，７０２ｃ、集光レンズ７０３、波長別に分離するビームスプリッタ７０４、光電変換部７０５ａ，７０５ｂ、駆動ステージ７０７を備え、光電変換部７０５ａ，７０５ｂから出力される信号は、７０６のデジタル変換部でデジタル化される。これらの各部位は、バス７２０を介して全体制御部７２１に接続されている。本欠陥検査装置６０１には、そのほかに、ＣＰＵ７２２、一次記憶装置７２３、ネットワークインターフェース７２５、キーボード７２６、マウス７２７、ディスプレイ７２８、二次記憶装置７２４が備わっている。また、二次記憶装置７２４には、試料２０６に生じる欠陥の座標を検出する欠陥座標検出プログラム７４１、欠陥座標の検出時に撮像される画像から、輝度の最大値、輝度の総和、輝度が飽和した画素数、輝度の分散値、欠陥部位の体積などの特徴量を抽出する特徴量抽出プログラム７４２、欠陥検査の結果を確認したり、各種プログラムを実行したりするグラフィカルユーザインターフェース（ＧＵI）プログラム７４４などが格納されている。また、走査電子顕微鏡６００が有する検出可否予測プログラム２４２、検出可否学習プログラム２４７と同じプログラムを欠陥検査装置６０１の二次記憶装置７２４に格納しておいてもよい。その場合、走査電子顕微鏡６００での過去の検出可否のデータを入力する検出可否入力プログラム７４３も格納しておく必要がある。これらのプログラムは、二次記憶装置７２４から一次記憶装置７２３に読み出され、ＣＰＵ７２２で計算される。

図４は、欠陥検査装置が検査結果として出力するデータの一例を示す図である。欠陥検査データ５０１は、欠陥検査装置６０１により検出される欠陥毎に、通し番号４０１、ｘ座標４０２、ｙ座標４０３、特徴量４０４，４０５，４０６，４０７，４０８などの情報を有する。通し番号４０１は、欠陥検査装置６０１が試料上を走査して検出した順番を意味する。ｘ座標４０２とｙ座標４０３は、試料上での欠陥の位置を意味する。特徴量４０４から４０８は、欠陥検査装置６０１が試料上を走査して欠陥を検出するときに撮像する画像から抽出される特徴量であり、例えば、欠陥部位が写った画像の輝度の最大値、輝度の総和、輝度が飽和した画素数、輝度の分散値、欠陥部位の体積などの情報をもつ。欠陥検査データ５０１は、Ｆ０１，Ｆ０２，Ｆ０３，Ｆ０４，Ｆ０５と名付けられた５種類の特徴量を有している例を示している。Ｆ０１は輝度の最大値である。Ｆ０２は輝度の総和である。Ｆ０３は輝度が飽和した画素数である。Ｆ０４は輝度の分散値を１０倍した値である。Ｆ０５は欠陥部位の体積である。本欠陥検査データは、欠陥検査データ入力プログラム２４１を実行することで、走査電子顕微鏡６００のネットワークインターフェース２３４を介して、二次記憶装置２３８上の欠陥検査・解析データテーブル５００に取り込まれる。

図５は、試料に対する座標系の定義の一例を示す図である。４２１は試料であるウエハの外周を意味する。４２２は試料の方向を定義するためのノッチである。本例では、ノッチを下側に位置させて、欠陥検査装置が検査のために走査する有効領域の最左下部を原点（０，０）とする座標系を示している。４２３はＸ軸、４２４はＹ軸である。多数の黒い打点４２５は、欠陥検査データ５０１が有する欠陥の座標を本座標系に従って描いた例である。
図６は、欠陥の特徴量の抽出方法の一例を説明する図である。欠陥検査装置６０１では、デジタル変換部７０１から画像が得られる。得られた画像は２次元のマトリクス状のデータであり、各画素に輝度をもつ。同図（ａ）と（ｂ）は、それぞれ異なる欠陥が画像に写り込んでいる場合の輝度分布の例である。（ａ）は、輝度分布にピーク８０１がある。（ｂ）は、輝度分布に飽和状態８０２が見られる。デジタル変換部７０６から得られる画像は、輝度の上限と下限が決まっているため、試料から得られる反射光や散乱光が（ｂ）のように強い場合、すなわち、欠陥が大きい場合には飽和状態８０２が生じる。特徴量抽出プログラム７４２は、このような輝度分布をもつ画像から欠陥の特徴量を抽出する。特徴量Ｆ０１は、（ａ）ではピーク８０１の輝度、（ｂ）では飽和状態８０２の輝度である。特徴量Ｆ０２は、（ａ）、（ｂ）ともにピークや飽和状態に関係なく、画像が有する輝度の総和を計算した値である。特徴量Ｆ０３は、（ａ）では飽和状態がないため、ゼロであり、（ｂ）は飽和状態があるので、飽和した部分の面積、すなわち飽和した部分の画素数である。特徴量Ｆ０４は（ａ），（ｂ）ともにピークや飽和状態に関係なく、画像が有する輝度の分散を計算した値に、１０を積算した値である。特徴量Ｆ０５は、（ａ）では輝度分布の積分値であるが、（ｂ）では飽和状態を考慮した推定値となる。飽和状態は、試料から得られる反射光や散乱光が強い場合に生じる。そのため、飽和状態８０２が見られる場合、欠陥の体積は、輝度分布の積分値より大きい。そこで、飽和した部分を除いた輝度分布に、ガウス曲面ないしは二次曲面を近似し、近似した曲面の積分値を特徴量Ｆ０５の値とする。この例では、欠陥検査データ５０１が有する特徴量Ｆ０１，Ｆ０２，Ｆ０３，Ｆ０４，Ｆ０５について説明したが、この他にも欠陥部位の周囲長や欠陥部位の縦横比など様々な特徴量を抽出してもよい。

図７は、検出可否予測プログラム２４２を実行した結果の一例を示す図である。検出可否予測データ５０２は、前記欠陥検査データ５０１に、走査電子顕微鏡で各欠陥を検出できない確率を予測した値４０９，４１１と、検出可否の予測結果４１０，４１２を加えたデータである。ただし、ここでは紙面の都合で、特徴量４０４から４０８は省略した。検出可否予測データ５０２は、図１７に示す欠陥検査・解析データテーブル５００に記録される。

４０９と４１１は、走査電子顕微鏡で各欠陥を検出できない確率を予測した結果である。４０９は加速電圧を１ｋＶに設定した場合に各欠陥を検出できない確率、４１１は加速電圧を３０ｋＶに設定した場合に各欠陥を検出できない確率である。

予測処理を、本実施例ではロジスティック回帰モデルを使用して説明する。
走査電子顕微鏡で、ある欠陥を検出できない確率Ｐを予測するために、欠陥検査データ５０１に含まれる欠陥の特徴量の群ｘ＝（ｘ_１，ｘ_２，…，ｘ_Ｎ）を採用する。欠陥の特徴量の群ｘ＝（ｘ_１，ｘ_２，…，ｘ_Ｎ）である条件のもとで、ある欠陥が検出できない現象が発生する条件付き確率Ｐを、

という関数Ｆを用いてモデル化する。ここで、
（1）Ｎ個の説明変数の影響を線形な合成変数

（2）関数ＦにＺのロジスティック関数

とした（1）、（2）が次のロジスティック回帰モデル式のモデルである。
（3）ロジスティック回帰モデル式

ロジスティック回帰モデルは（−∞〜∞）の変動範囲を持つ独立変数の合成変量Ｚと範囲（0,1）に値をもつ確率Ｐとをロジスティック関数でリンクさせたモデルである。
この式を変形すると、

となる。

図７の４０９と４１１は、数４の式に基づいて計算された結果である。この実施例では、Ｎ＝４として、係数ａ_１，ａ_２，ａ_３，ａ_４，ｂには、図８に示す予測式係数データテーブル５２０に登録された係数をそれぞれ代入する（係数の算出方法は後述する）。５２２は、加速電圧を１ｋＶに設定した場合の係数、５２３は、加速電圧を３０ｋＶに設定した場合の係数である。この例では、特徴量Ｆ０１は検出可否の予測には必要がないために説明変数として使用せず、特徴量Ｆ０２，Ｆ０３，Ｆ０４，Ｆ０５を用いている。

４１０と４１２は、検出可否の予測結果である。４１０は、加速電圧を１ｋＶに設定した場合の予測結果、４１２は、加速電圧を３０ｋＶに設定した場合の予測結果である。４１０は、４０９が５０％以上の場合に「ｉｎｖｉｓｉｂｌｅ」、５０％未満の場合に「ｖｉｓｉｂｌｅ」と予測した結果である。同様に４１２は、４１１が５０％以上の場合に「ｉｎｖｉｓｉｂｌｅ」、５０％未満の場合に「ｖｉｓｉｂｌｅ」と予測した結果である。この例では、上述のように、ロジスティック回帰式で確率を計算し、５０％をしきい値として「ｉｎｖｉｓｉｂｌｅ」と「ｖｉｓｉｂｌｅ」を判定したが、この限りではない。例えば、ロジスティック回帰式の代わりに、ニューラルネットワークのようなパターン認識アルゴリズムを適用してもよい。また、５０％をしきい値として「ｉｎｖｉｓｉｂｌｅ」と「ｖｉｓｉｂｌｅ」の判定をするのではなく、しきい値をその都度、最適化してもよい。また、この例では、４０９と４１１に走査電子顕微鏡で検出できない確率を用いたが、逆に、走査電子顕微鏡で検出できる確率を用いてもよい。走査電子顕微鏡で検出できる確率は、数４のｅｘｐの後ろの大括弧の中の正負を反転すれば計算できる。

図９は、サンプリングプログラム２４３を実行した結果の一例である。サンプリングデータ５０３は、検出可否予測データ５０２にサンプリング結果４１３を加えたデータであり、欠陥検査・解析データテーブル５００に格納される。ただし、ここでは紙面の都合で、特徴量４０４から４０８と、走査電子顕微鏡で検出できない確率４０９、４１１は省略した。４１３は、検出可否予測データ５０２が有する多数の欠陥の座標から、走査電子顕微鏡で検出できない確率４０９，４１１の値が所定値のものをランダムに選んだ欠陥にマークを付けたデータである。空白は、その欠陥がレビュー作業の対象として選ばれなかったことを意味し、逆に何かしら記された欠陥は、レビュー作業を行うために選ばれたことを意味する。「１ｋＶ Ｒｅｖｉｅｗ」は、走査電子顕微鏡で加速電圧を１ｋＶに設定して画像を撮像することを表わす。

「１ｋＶ Ａｌｉｇｎｍｅｎｔ」は、走査電子顕微鏡で加速電圧を１ｋＶに設定して画像を撮像することを表わすとともに、撮像した画像を特許文献２で開示された方法で座標系のアライメントに活用することを表わす。座標系のアライメントとは、欠陥検査装置及び走査電子顕微鏡のステージ座標系と半導体ウエハ座標系の間のアライメントである。ステージ座標系とは装置のステージの移動する軸に応じて定められる装置固有の座標系である。半導体ウエハ座標系とは、半導体ウエハ個々に定められる座標系であり、パタンが形成された半導体ウエハの場合、一般には、パタンのダイに沿って定められる。また、パタンの無い半導体ウエハの場合、半導体ウエハの外形とＶノッチあるいはオリエンテーションフラットとの位置関係から定められる。欠陥検査装置及び走査電子顕微鏡のステージ座標系と半導体ウエハ座標系の間のアライメントを、半導体ウエハ上の同様の位置にてそれぞれ実施すれば、欠陥検査装置による検査と走査電子顕微鏡によるレビューにおける座標系は一致する。しかし、実際には欠陥検査装置から出力される欠陥検査データには、検査時の半導体ウエハアライメント誤差や欠陥検出位置の誤差が含まれている。そのため、走査電子顕微鏡において半導体ウエハアライメントを実施しても、必ずしも所望の欠陥が視野に入らない場合があった。そのため、欠陥座標の誤差の修正を行う場合には、まず、欠陥検査装置から出力された欠陥座標の位置に、走査電子顕微鏡の観察視野の中心を移動し、観察視野の領域近傍に存在する欠陥を探索し、検出された欠陥の位置を指定する。このような動作を１回あるいは複数回繰り返す。そして、指定された実際の欠陥位置座標と欠陥検査装置から出力された欠陥座標の誤差が最小となるように座標変換を施す。

図９のサンプリング結果４１３の「３０ｋＶ Ｒｅｖｉｅｗ」は、走査電子顕微鏡で加速電圧を３０ｋＶに設定して画像を撮像することを表わす。これは、通し番号が１５番の欠陥は、４１０の予測結果が「ｉｎｖｉｓｉｂｌｅ」であるが、４１２の予測結果が「ｖｉｓｉｂｌｅ」であるため、加速電圧を３０ｋＶに設定することを表わす。「Ｏｐｔｉｃａｌ Ｒｅｖｉｅｗ」は、走査電子顕微鏡では加速電圧を３０ｋＶに設定しても検出できないため、光学顕微鏡で画像を撮像することを表わす。ここで、光学顕微鏡は、走査電子顕微鏡６０１が有する光学系を用いてもよいし、走査電子顕微鏡６０１とは異なる光学系を有するなんらかの装置を用いても良い。

図１０は、画像撮像プログラム２４４ならびに欠陥分類プログラム２４６を実行した結果の一例である。分類結果データ５０４は、サンプリングデータ５０３に欠陥分類結果４１４と、撮像した画像の保存先４１５を加えたデータであり、欠陥検査・解析データテーブル５００に格納される。ただし、ここでは紙面の都合で、特徴量４０４から４０８と、走査電子顕微鏡で検出できない確率４０９，４１１は省略した。画像撮像プログラム２４４は、４１３に記された内容に従って、走査電子顕微鏡ないしは光学顕微鏡で欠陥部位を撮像する。４１３に「１ｋＶ Ｒｅｖｉｅｗ」や「１ｋＶ Ａｌｉｇｈｎｍｅｎｔ」と記された欠陥は、電子光学系２０１〜２１３で加速電圧を１ｋＶに設定して画像を撮像して、４１５で指定される保存先に画像を保存する。「３０ｋＶ Ｒｅｖｉｅｗ」と記された欠陥は、電子光学系２０１〜２１３で加速電圧を３０ｋＶに設定して画像を撮像して、４１５で指定される保存先に画像を保存する。「Ｏｐｔｉｃａｌ Ｒｅｖｉｅｗ」と記された欠陥は、光学系２２１〜２２６で画像を撮像して、４１５で指定される保存先に画像を保存する。この例では、４１５の保存先は、４０１の欠陥の通し番号を基に、採番されている。次に撮像された画像に対して、欠陥分類プログラム２４６で、欠陥をその種類ごとに分類する。具体的には、特許文献３に開示されているように、ルールベース型の欠陥分類エンジンと学習型の欠陥分類エンジンを多段階に組み合わせて欠陥を分類すると分類性能が高いことが知られている。

図１１は、本発明の機能を導入した走査電子顕微鏡で行われるレビュー作業の処理手順を説明するフローチャートの一例を示す図である。ステップ３２１では、欠陥検査データ入力プログラム２４１を用いて、座標と特徴量を有する欠陥検査データ５０１を欠陥検査装置６０１から欠陥検査・解析データテーブル５００へ読み込む。

ステップ３２２では、検出可否予測プログラム２４２を用いて、座標毎、加速電圧毎に走査電子顕微鏡での検出可否を予測する。すなわち、欠陥検査データ５０１を検出可否予測データ５０２に変換する。検出可否予測プログラム２４２による処理を、図１８に示すフローチャートにより説明する。

欠陥検査データ５０１より最初に処理する欠陥座標を特定しＳ１０１１、特定された欠陥座標において撮像された画像より欠陥検査装置で抽出された欠陥の特徴量データから、後述する図１６のユーザインタフェースを介してユーザが選択した特徴量のデータを、欠陥検査・解析データテーブル５００より入力するＳ１０１２。

検出条件別（加速電圧が１ｋＶ，３０ｋＶなどの条件）に、該当欠陥を検出できない確率Ｐ（または、検出できる確率１−Ｐ）を、前記したロジスティック関数（数４）、数２式を使用して算出する。ここで、数２式の係数ａ_１，ａ_２，………，ａ_Ｎ，ｂには予め検出可否学習プログラム２４７により算出（後述）されて予測式係数データテーブル５２０に格納されている該当値を読み出し、および説明変数（ｘ_１，ｘ_２，…，ｘ_Ｎ）にはＳ１０１２にて入力された欠陥の特徴量を代入して、特定された欠陥を検出条件別に検出できない確率Ｐを算出して、欠陥検査・解析データテーブル５００に記録するＳ１０１３。

続いて、Ｓ１０１３で算出した欠陥を検出できない確率Ｐを、所定の、または最適化して求めたしきい値を使って、検出可否の予測結果を求めて、欠陥検査・解析データテーブル５００に記録するＳ１０１４。

そして、次の計算対象の欠陥座標がある場合（Ｓ１０１５）は、次の計算対象の欠陥座標を特定して（Ｓ１０１６）、Ｓ１０１２からの処理を繰り返し、もし次の計算対象の欠陥座標が無い場合には、検出可否予測プログラム２４２の処理を終了させる。

図１１のステップ３２３では、サンプリングプログラム２４３を用いて、アライメント用の座標や観察対象の座標を選び出す。すなわち、検出可否予測データ５０２をサンプリングデータ５０３に変換する。ここで、各欠陥座標をサンプリングする処理の仕様は、走査電子顕微鏡の機種、処理対象のウエハの品種、ユーザの要請などに応じて様々に変わりうるので、サンプリング処理前に、ユーザによってプログラム仕様を設定することになる。

次に、ステップ３２４では、サンプリングデータ５０３の４１３に「１ｋＶ Ａｌｉｇｎｍｅｎｔ」と記された欠陥の座標だけ先行して、画像撮像プログラム２４４を用いて電子光学系２０１〜２１３を用いて画像を撮像する。

ステップ３２５では、ステップ３２４で撮像した画像を基に、アライメントを行う。すなわち、撮像した画像に、確実に欠陥が写り込むように、駆動ステージ２０７と欠陥検査データ５０１の座標系のオフセットを計算する。

次に、ステップ３２６では、サンプリングデータ５０３の４１３に「１ｋＶ Ｒｅｖｉｅｗ」「３０ｋＶ Ｒｅｖｉｅｗ」「Ｏｐｔｉｃａｌ Ｒｅｖｉｅｗ」と記された欠陥の座標に対して、画像撮像プログラム２４４を用いて画像を撮像する。「１ｋＶ Ｒｅｖｉｅｗ」と記された欠陥の座標は、加速電圧を１ｋＶに設定して電子光学系２０１〜２１３で画像を撮像する。「３０ｋＶ Ｒｅｖｉｅｗ」と記された欠陥の座標は、加速電圧を３０ｋＶに設定して電子光学系２０１〜２１３で画像を撮像する。「Ｏｐｔiｃａｌ Ｒｅｖｉｅｗ」と記された欠陥の座標は、光学系２２１〜２２６で画像を撮像する。

次に、ステップ３２７では、欠陥分類プログラム２４６を用いて、座標毎に欠陥の種類を分類する。

図１２は、走査電子顕微鏡のグラフィカルユーザインターフェースの一例を示す図である。ＧＵＩプログラム２４８が描く画面９０１は、検出可否予測プログラム２４２による検出可否予測結果５０２を表示している。９１５は試料であるウエハの外周を意味する。９１６は試料の方向を定義するためのノッチである。多数の黒打点９１７は、９１１から９１４で指定した検出可否予測結果が有する欠陥の座標群である。９１１で試料の通し番号、９１２で試料を検査した工程名を指定している。９１３で表示する欠陥の条件を選択する。この例では、「Ｖｉｓｉｂｌｅ（１ｋＶ）」がチェックされているので、加速電圧１ｋＶの条件で走査電子顕微鏡で検出できると予測された欠陥の座標を表示している。また、９１４でこの例のようにウエハマップを描くか、ウエハ内のダイマップを描くか選択する。また、この例では、ウエハ内のダイのレイアウトを表示しない条件が選択されている。このように、本発明に係る走査電子顕微鏡では、検出可否予測プログラム２４２を有することで、設定する加速電圧に対する検出可否予測結果でウエハマップの表示を切り換えることができる。

図１３は、走査電子顕微鏡のグラフィカルユーザインターフェースの一例を示す図である。ＧＵＩプログラム２４８が描く画面９０２は、画像撮像プログラム２４４、欠陥分類プログラム２４６で得られた分類結果データ５０４のうち、通し番号が１５番の欠陥の情報を表示している。９２４の四角い枠の中に撮像された画像が表示されている。この例では、回路パターン９２５の下層に欠陥９２６が検出されている様子がわかる。９２１は、表示している欠陥の座標である。９２２は、分類結果データ５０４の４１３に記された情報である。９２３は、分類結果データ５０４の４１４に記されたクラスである。このように、本発明に係る走査電子顕微鏡では、検出可否予測プログラム２４２を有することで、異なる検出条件、すなわち異なる加速電圧を自動的に設定して走査電子顕微鏡の画像を撮像することができ、その条件も画像と一緒に表示することができる。

図１４は、走査電子顕微鏡のグラフィカルユーザインターフェースの一例を示す図である。ＧＵＩプログラム２４８が描く画面９０３は、分類結果データ５０４をモザイク図９３１として集計した結果を表示している。モザイク図９３１の横軸は、情報４１３から生成される検出条件、すなわち「１ｋＶ Ｒｅｖｉｅｗ」と「１ｋＶ Ａｌｉｇｎｍｅｎｔ」を「１ｋＶ」、「３０ｋＶ Ｒｅｖｉｅｗ」を「３０ｋＶ」、「Ｏｐｔｉｃａｌ Ｒｅｖｉｅｗ」を「Ｏｐｔｉｃａｌ」のように定めて区分している。縦軸は、欠陥分類の結果４１４のクラスである。この例では、加速電圧１ｋＶに設定して電子光学系で撮像された欠陥は、「Ｐａｒｔｉｃｌｅ」が一番多く、続いて「Ｄｉｍｐｌｅ」や「Ｐａｔｔｅｒｎ」が多いことがわかる。また、加速電圧３０ｋＶに設定して電子光学系で撮像された欠陥は、「Ｕｎｄｅｒ」が一番多く、続いて「Ｐａｔｔｅｒｎ」が多い。また、黒く塗りつぶした「Ｆａｌｓｅ」すなわち欠陥を検出できなかった画像も撮像されていることがわかる。このように、本発明に係る走査電子顕微鏡では、検出可否予測プログラム２４２を有することで、異なる検出条件、すなわち異なる加速電圧を自動的に設定して走査電子顕微鏡の画像を撮像することができ、検出条件ごとに欠陥分類結果を集計できる。

図１５は、検出可否学習プログラム２４７に入力する検出可否結果データの一例である。検出可否結果データ５０５は、検出可否予測プログラム２４２を使わずに、欠陥検査データからランダムに座標を選び、選ばれた座標に対して、加速電圧１ｋＶないしは加速電圧３０ｋＶを設定して走査電子顕微鏡で画像を撮像し、欠陥の検出可否を評価した結果である。検出可否結果データ５０５は、１枚のウエハの検査結果だけではなく、複数のウエハを検査した結果であることが望ましい。検出可否結果データ５０５は、欠陥検査データが有する特徴量４０４，４０５，４０６，４０７，４０８と走査電子顕微鏡の検出条件４１６、走査電子顕微鏡での検出可否評価結果４１７を有する。

図１６は、走査電子顕微鏡のグラフィカルユーザインターフェースの一例を示す図である。ＧＵＩプログラム２４８が描く画面９０４では、検出可否学習プログラム２４７を呼び出して予測式の係数を計算している。９４１には、検出可否結果データ５０５が有する特徴量の名前が表示され、その中から予測式に使う特徴量の名前を選択できる。この例では、特徴量Ｆ０２，Ｆ０３，Ｆ０４，Ｆ０５が選ばれた様子が表示されている。特徴量の名前を選択後、ボタン９４２をマウスでクリックすることで、検出可否学習プログラム２４７が呼び出されて、４１６の検出条件ごとに、多重ロジスティック回帰分析が行われる。

図１９に検出可否学習プログラム２４７の処理のフローチャートを示す。本プログラムの入力となる検出可否結果データ５０５は、本プログラムの起動により、欠陥検査装置から新たに欠陥検査をした特徴量データを、ネットワークインターフェース２３４を介して収集して、欠陥検査・解析データテーブル５００に登録されるか、または、既に欠陥検査・解析データテーブル５００に登録されている欠陥検査データが読み出されて使用される。この場合に、検出条件４１６と、検出可否評価結果４１７の各欄のデータは、検出可否結果データに対応した欠陥を、ユーザが走査電子顕微鏡の観察を実施した結果を入力して作成することになる。（Ｓ１０２１）
図１６のグラフィカルユーザインターフェースよりユーザが選択した特徴量を受付ける。（Ｓ１０２２）
続いて、ロジスティック回帰式の係数を算出する。
数４に示したロジスティック回帰モデル式は、走査電子顕微鏡でウエハ上のある欠陥を検出できない事象が起こる確率Ｐを説明するＮ個の説明変数の群ｘ＝（ｘ_１,ｘ_２,…,ｘ_Ｎ）、ある欠陥を検出できない事象が起こる場合にＹ＝１、ある欠陥を検出できる場合にはＹ＝０となる２値の確率変数Ｙに適用される。

数２の線形結合の係数を、ａ＝（ａ_１,ａ_２,……,ａ_Ｎ,ｂ）とベクトル表現に示す。ａを推定するために、独立なｎ個の標本を収集したとする。
（1） ２値の確率変数Ｙのベクトル：Ｙ＝（Ｙ_１,Ｙ_２,……,Ｙ_ｎ）^ｔ ｎ×１
（2） 確率変数Ｙの観測値ベクトル：ｙ＝（ｙ_１,ｙ_２,……,ｙ_ｎ）^ｔ ｎ×１
（3） 説明変数の行列 ：Ｘ＝（ｘ_１,ｘ_２,……,ｘ_ｎ）^ｔ ｎ×Ｎ
（4） 第ｉ標本の説明変数ベクトル：ｘ_ｉ＝（ｘ_ｉ1,ｘ_ｉ2,……,ｘ_ｉN）^ｔ Ｎ×１
と表わすと、確率変数Ｙの観測値がｙとなる確率は

となる。この確率を観測値ｙが与えられた条件のもとでパラメータａの関数として、

としたものが尤度と呼ばれている。

モデルに含まれるパラメータ数Ｎに比較して標本数ｎが十分に大きい場合（ｎがＮの４〜５倍以上）には、この尤度を最大にする最尤法により、真のパラメータ値に漸近的に近い値が得られる。

例えば、非特許文献１に記載される最尤法を使用して、Ｓ１０２２においてユーザにより選択されたＮ個の特徴量を説明変数として、Ｓ１０２１において作成された検出可否結果データを標本として、パラメータａ＝（ａ_１,ａ_２,……,ａ_Ｎ,ｂ）を推定する（Ｓ１０２３）。

前記のロジスティック回帰式の係数の算出に使用された、各特徴量データ毎にカイ二乗検定を行う。各特徴量データ毎に過去の実績値の正規分布のデータが得られているものとする。各特徴量毎に、値域をｍ領域に分け、標本数ｎ個の検出可否結果データ５０５が各値域領域のいずれかに観測度数として振り分けられる。また、過去の実績値の正規分布のデータに従って、ｎ個の標本数が各値域領域に振り分けられる期待度数が求められる。

観測度数と期待度数の食い違いの程度を測る尺度として、

を用いる。過去の実績値の正規分布が正しくて、標本数ｎが十分大きければ、Ｚは自由度νのχ^２分布をする。自由度νのχ^２分布データを使用して、算出したＺより、上側確率Ｐを求める（Ｓ１０２４）。

前記算出したロジスティック回帰式の係数ａ_１,ａ_２,……,ａ_Ｎ,ｂの値、および各特徴量データ毎にカイ二乗検定を行った結果を図１６に示すグラフィカルユーザインターフェースに表示する（Ｓ１０２５）。

図１６の９４３には、検出条件別に、９４１で選択した各特徴量が検出可否の予測に必要か否かが表示されている。この例では、ｐ値、すなわちカイ二乗検定による有意確率が、Ｆ０２，Ｆ０３，Ｆ０４，Ｆ０５ともに０．０５以下になっているため、これらの選んだ特徴量を使うことで精度のよい予測を実現できることを意味している。５２０は検出可否学習プログラム２４７によって計算された予測式の係数である。

上記した図１６の表示をユーザは検証して、特徴量の選定は妥当か、および予測式の係数を有効とするか否かを判断して、以下の指示を入力する（Ｓ１０２６）。

予測式の特徴量を見直す場合は、９４１よりユーザが特徴量を選択し直した入力を受付けて（Ｓ１０２８）、Ｓ１０２３からＳ１０２５の処理を繰り返す。
ユーザが特徴量の選定は妥当であり、予測式の係数を有効とすると判断して、ボタン９４４をマウスでクリックする指示をした入力を受付けて、算出されたロジスティック回帰式の係数ａ_１,ａ_２,……,ａ_Ｎ,ｂを、検出条件ごとに分けて、予測式係数データテーブル５２０に格納する（Ｓ１０２７）。

実施例１では、走査電子顕微鏡に設定する加速電圧として、１ｋＶと３０ｋＶの二者択一の例を説明した。実施例１では、加速電圧を１ｋＶに設定した場合と、加速電圧を３０ｋＶに設定した場合とで、図８の予測式係数データテーブル５２０のように、それぞれ異なる係数で、異なる予測式を活用した。

実施例２では、二者択一ではなく、適切な加速電圧を予測する方法について説明する。実施例２では、数２の説明変数に加速電圧を加えて数式の係数を生成する。すなわち、実施例１では、数２のｘ１からｘＮに欠陥検査データ５０１が有する特徴量を代入するが、実施例２では、ｘ１からｘＮ−１に特徴量を代入し、ｘＮは加速電圧の項とする。

数９は、数５の加速電圧の項、すなわちｘＮを計算する数式に変換した数式である。

数９の各係数は、実施例１における数５の各係数とほとんど同じように学習するが、学習のために用いる検出可否結果データ５０５は、４１６に示した１ｋＶと３０ｋＶの２種類だけではなく、より多くの加速電圧の場合についても検出可否を評価して入力することが望ましい。

数９を用いて、適切な加速電圧を予測するためには、欠陥検査データから得られる特徴量と、予測式の係数と、さらに任意の予測可否の確率を変数Ｐに入力する。たとえば、走査電子顕微鏡で検出できない確率を１０％と定めて、数９の変数Ｐに１０を代入する。この結果、ｘ_Ｎ、すなわち適切な加速電圧が計算され、計算された加速電圧を走査電子顕微鏡に設定して画像を撮像すればよい。

実施例３では、検出可否予測プログラム２４２を欠陥検査装置６０１で活用する一例を説明する。すでに図３で説明したように、検出可否予測プログラム２４２は、欠陥検査装置６０１が有する二次記憶装置７２４に格納しておくことで活用できる。その場合、検出可否結果データ５０５を走査電子顕微鏡６００から取り込む必要がある。そのため、欠陥検査装置６０１の二次記憶装置７２４には、検出可否入力プログラム７４３が必要となる。

欠陥検査装置６０１で検出可否予測プログラム２４２を活用する方法として、実施例１のように、画像を撮像する条件に活用してもよいが、欠陥検査装置６０１から出力する欠陥座標データ５０１のフィルタリングに活用することもできる。具体的には、欠陥座標データ５０１のうち、走査電子顕微鏡では検出できない欠陥の座標を出力しない。その場合、欠陥検査装置６０１の中で、予測結果５０２を計算し、走査電子顕微鏡で検出できない確率が高い欠陥の座標、たとえば、４０９の検出できない確率が７０％以上の欠陥の座標を出力しないようにする。

２０１…電子源、２０２…加速電極、２０３…集束レンズ、２０４…偏向器、２０５…対物レンズ、２０６…試料（例えばウエハ）、２０７…駆動ステージ、２０８…一次電子、２０９…二次電子信号、２１０…二次電子検出器、２１１…デジタル変換部、２１２ａ、２１２ｂ…反射電子検出器、２１３…反射電子信号、２２１ａ、２２１ｂ…光源、２２２ａ，２２２ｂ，２２２ｃ…反射ミラー、２２３…集光レンズ、２２４…ビームスプリッタ、２２５ａ，２２５ｂ…光電変換部、２２６…デジタル変換部、２３０…バス、２３１…全体制御部、２３２…ＣＰＵ、２３３…一次記憶装置、２３４…ネットワークインターフェース、２３５…キーボード、２３６…マウス、２３７…ディスプレイ、２３８…二次記憶装置、２４１…欠陥検査データ入力プログラム、２４２…検出可否予測プログラム、２４３…サンプリングプログラム、２４４…画像撮像プログラム、２４５…アライメントプログラム、２４６…欠陥分類プログラム、２４７…検出可否学習プログラム、２４８…ＧＵＩプログラム、３２１…欠陥検査データの読み込みステップ、３２２…検出可否予測ステップ、３２３…座標サンプリングステップ、３２４…アライメント用の画像撮像ステップ、３２５…アライメントステップ、３２６…レビュー用の画像撮像ステップ、３２７…欠陥分類ステップ、４０１…欠陥の通し番号、４０２…Ｘ座標、４０３…Ｙ座標、４０４…特徴量Ｆ０１、４０５…特徴量Ｆ０２、４０６…特徴量Ｆ０３、４０７…特徴量Ｆ０４、４０８…特徴量Ｆ０５、４０９，４１１…検出できない確率、４１０，４１２…検出可否の予測結果、４１３…検出条件、４１４…欠陥分類したクラス、４１５…画像の保存先、４１６…検出条件、４１７…検出可否結果、４２１…試料の外枠、４２２…ノッチ、４２３…Ｘ座標軸、４２４…Ｙ座標軸、４２５…欠陥の打点、５００ 欠陥検査・解析データテーブル、５０１…欠陥検査データ、５０２…検出可否予測結果、５０３…サンプリングデータ、５０４…分類結果データ、５０５…検出可否結果データ、５２０…予測式係数データテーブル、５２２，５２３…予測式の係数、６００…走査電子顕微鏡、６０１…欠陥検査装置、６０２…ネットワーク、７０１ａ，７０１ｂ…光源、７０２ａ，７０２ｂ，７０２ｃ…反射ミラー、７０３…集光レンズ、７０４…ビームスプリッタ、７０５ａ，７０５ｂ…光電変換部、７０６…デジタル変換部、７０７…駆動ステージ、７２０…バス、７２１…全体制御部、７２２…ＣＰＵ、７２３…一次記憶装置、７２４…二次記憶装置、７２５…ネットワークインターフェース、７２６…キーボード、７２７…マウス、７２８…ディスプレイ、７４１…欠陥座標検出プログラム、７４２…特徴量抽出プログラム、７４３…検出可否入力プログラム、７４４…ＧＵＩプログラム、８０１…輝度分布のピーク、８０２…輝度分布の飽和状態、９０１，９０２，９０３，９０４…画面、９１１…試料の通し番号、９１２…検査の工程名、９１３，９１４…表示条件選択、９１５…試料の外枠、９１６…ノッチ、９１７…欠陥の打点、９２１…欠陥の座標、９２２…検出条件、９２３…欠陥分類結果のクラス、９２４…画像、９２５…回路パターン、９２６…下層欠陥、９３１…モザイク図、９４１…特徴量の選択条件、９４２，９４４…実行ボタン、９４３…特徴量ごとの有意確率。

Claims (7)

1. 欠陥検査装置が試料上の欠陥座標を検出した情報を入力して、該欠陥を解析するための観察画像を撮像する機能を有する走査電子顕微鏡において、
   前記欠陥検査装置が検出した複数の欠陥の座標と共に、欠陥検出画像の特徴量を入力する機能と、
   該特徴量を用いて走査電子顕微鏡での加速電圧の設定条件、観察画像における欠陥の検出可否を欠陥毎に予測する機能と、
   予測結果に基づいて入力された座標群の中からアライメントおよび観察対象の複数の座標を選択する機能と、
   選択された複数の各座標に対して、検出可と予測された加速電圧を設定して画像を撮像する機能と
   を有することを特徴とする走査電子顕微鏡。
2. 予め、測定試料上の欠陥座標に対して検出可能な加速電圧を確認した撮像結果を加えた標本データを収集し、
   欠陥が検出できない事象が起こる確率と、画像より得られた特徴量とにより作成したロジスティック回帰式の係数を、前記標本データに基づいて算出する機能を更に備えたことを特徴とする請求項１記載の走査電子顕微鏡。
3. 前記走査電子顕微鏡に光学顕微鏡を併設して備え、
   前記の画像を撮像する機能は、前記の検出可否の予測結果に基づいて、欠陥毎に電子光学系と光学系のいずれかを選択して画像を撮像することを特徴とする請求項１記載の走査電子顕微鏡。
4. ユーザに対してグラフィカルユーザインターフェースを提示して、
   特徴量の一覧より予測式に使う特徴量をユーザが選択することを受付けて、前記選択された特徴量を使用してロジスティック回帰モデルを作成し、前記ロジスティック回帰式の係数を算出した結果をユーザに提示する、および前記選択された各特徴量の標本データが検出可否の予測に有効か否かの検定結果を提示する機能を更に備えたことを特徴とする請求項２記載の走査電子顕微鏡。
5. 前記欠陥の検出可否を予測する機能において、加速電圧の設定条件が所定の複数の規定値の中から選択するのに替えて、最適な加速電圧を前記特徴量から計算し、
   前記画像を撮像する機能において、所定の複数の規定値の中から検出可と予測された加速電圧に替えて、前記計算された最適な加速電圧を設定して画像を撮像する
   ことを特徴とする請求項１記載の走査電子顕微鏡。
6. 試料上の欠陥の座標を検出する欠陥検査装置と該座標の観察画像を撮像する走査電子顕微鏡とがネットワークを介して接続され、
   欠陥検査装置が欠陥の座標を検出するときに得られる画像の特徴量を用いて走査電子顕微鏡での加速電圧の設定条件、観察画像における欠陥の検出可否を欠陥毎に予測する機能と、
   予測結果に基づいて、欠陥検査装置により検出された座標群の中からアライメントおよび観察対象の複数の欠陥を選択する機能と、
   選択された複数の各座標に対して、走査電子顕微鏡で検出可と予測された加速電圧を設定して画像を撮像する機能と
   を有することを特徴とする欠陥検査システム。
7. 試料上の欠陥の座標を検出する機能と、
   欠陥の座標を検出するときに得られる欠陥画像から特徴量を算出して、各欠陥を走査電子顕微鏡で観察画像より検出する場合の加速電圧の条件と、検出可否とを、前記特徴量を使用して欠陥毎に予測する機能と、
   予測結果に基づいて、走査電子顕微鏡で検出できる確率が高い欠陥の座標を出力する機能と
   を有することを特徴とする欠陥検査装置。

Images