特開 2021-26926 画像生成方法、非一時的コンピューター可読媒体、及びシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】特開2021-26926(P2021-26926A)

(43)【公開日】2021年2月22日

(54)【発明の名称】画像生成方法、非一時的コンピューター可読媒体、及びシステム

(51)【国際特許分類】

   H01J 37/22 20060101AFI20210125BHJP

   H01J 37/28 20060101ALI20210125BHJP

   G06T 7/00 20170101ALI20210125BHJP

   G06N 20/00 20190101ALI20210125BHJP

【ＦＩ】

   H01J37/22 502H

   H01J37/28 B

   G06T7/00 350B

   G06N20/00 130

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

【全頁数】13

(21)【出願番号】特願2019-145052(P2019-145052)

(22)【出願日】2019年8月7日

(71)【出願人】

【識別番号】501387839

【氏名又は名称】株式会社日立ハイテク

(74)【代理人】

【識別番号】100091720

【弁理士】

【氏名又は名称】岩崎 重美

(72)【発明者】

【氏名】阿部 ちか子

(72)【発明者】

【氏名】菅原 仁志

【テーマコード（参考）】

5C033

5L096

【Ｆターム（参考）】

5C033UU05

5L096BA08

5L096BA18

5L096CA18

5L096KA04

5L096KA15

(57)【要約】

【課題】
本開示は、少ないフレーム数の走査によって得られた画像信号から、多フレーム画像に相当する画像を生成することを目的とする画像生成方法に関する。
【解決手段】
上記目的を達成するために、試料上の対象物に、ビームを複数回２次元走査し、当該複数回の２次元走査に基づいて生成される画像信号の内、第１のタイミングの複数の走査によって得られた画像信号を積算して第１の画像を生成（Ｓ１０３）し、前記第１のタイミングより後の走査を含み、第１のタイミングの走査回数より少ない回数の走査に基づいて第２の画像を生成（Ｓ１０５）し、前記第２の画像を入力、前記第１の画像を出力とする教師データを用いて、学習器を学習させ（Ｓ１０８）、当該学習された学習器に、第１のタイミングより少ない回数の走査によって生成される画像を入力することによって、推定画像を生成する方法を提案する。
【選択図】図３

【特許請求の範囲】

【請求項1】

ビーム走査によって得られた画像信号を積算して、積算画像を生成する画像生成方法であって、
試料上の対象物に、荷電粒子線装置内に備えられた偏向器を用いて、ビームを複数回２次元走査し、当該複数回の２次元走査によって得られる荷電粒子を荷電粒子線装置内に設けられた検出器によって検出し、当該検出に基づいて生成される画像信号の内、第１のタイミングの複数の走査によって得られた画像信号を積算して第１の画像を生成し、前記第１のタイミングより後、及び当該第１のタイミング内の複数の走査の後の少なくとも一方の走査を含み、前記第１のタイミングの走査回数より少ない回数の走査に基づいて第２の画像を生成し、前記第２の画像を入力、前記第１の画像を出力とする教師データを用いて、学習器を学習させ、当該学習された学習器に、前記第１のタイミングの走査回数より少ない回数の走査によって得られる画像信号を入力して、推定画像を出力する画像生成方法。

【請求項2】

請求項１において、
前記複数回の２次元走査の最初の走査、及び最後の走査の少なくとも一方を除外して、前記第１の画像を生成する画像生成方法。

【請求項3】

荷電粒子線装置の出力に基づいて画像を生成するためのコンピューター実施方法を実行すべく、コンピューターシステム上で実行可能なプログラム命令が格納されている非一時的コンピューター可読媒体であって、
前記コンピューター実施方法は、試料上の対象物に、前記画像生成ツール内に備えられた偏向器によって、ビームが複数回２次元走査され、当該複数回の２次元走査によって得られる荷電粒子が前記荷電粒子線装置内に設けられた検出器によって検出され、当該検出に基づいて生成される画像信号の内、第１のタイミングの複数の走査によって得られた画像信号の積算によって生成された第１の画像を受け付けるステップと、
前記第１のタイミングより後、及び当該第１のタイミング内の複数の走査の後の少なくとも一方の走査を含み、前記第１のタイミングの走査回数より少ない回数の走査に基づいて生成された第２の画像を受け付けるステップと、
前記第２の画像を入力、前記第１の画像を出力とする教師データを用いて、学習器を学習させるステップと、
当該学習された学習器に、前記第１のタイミングの走査回数より少ない回数の走査によって得られる画像信号を入力して、推定画像を出力するステップと、を含んでいる非一時的コンピューター可読媒体。

【請求項4】

荷電粒子線装置によって得られたデータから、試料の対象物の画像を生成するシステムであって、
前記システムは、コンピューターシステムと、前記コンピューターシステムが実行するコンポーネントを含み、前記コンピューターシステムは、推定画像を出力する学習器を備え、当該学習器は、前記荷電粒子線装置による複数回の２次元走査によって得られる画像信号の内、第１のタイミングの複数の走査によって得られた画像信号を積算した第１の画像を出力、前記第１のタイミングより後、及び当該第１のタイミング内の複数の走査の後の少なくとも一方の走査を含み、前記第１のタイミングの走査回数より少ない回数の走査に基づいて得られる第２の画像を入力とする教師データを用いて予め学習されており、前記コンポーネントは、前記学習器に対して、前記第１のタイミングの走査回数より少ない回数の走査によって得られる画像信号を入力して、前記推定画像を出力するシステム。

【請求項5】

請求項４において、
前記学習器を学習させる条件を入力する入力装置を備え、当該入力装置は、前記第２の画像を生成するための条件として、前記第１のタイミングより後の走査、及び前記第１のタイミングの走査内の複数の走査の後の走査の少なくとも一方の走査の入力が可能なように構成されているシステム。

【請求項6】

請求項４において、
前記第１の画像と前記第２の画像は、同じパターンに対するビーム走査に基づいて得られる画像信号から生成されるシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、画像生成の方法及びシステムに係り、特に機械学習を用いた推定によって画像を生成する方法及びシステムに関する。

【背景技術】

【0002】

特許文献１には、超音波ビーム（送信ビームと受信ビーム）を低密度に走査することにより得られる低密度画像データを、高密度画像に関する学習が施された高密度化処理部に入力することによって高密度画像を生成する超音波診断装置が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】ＷＯ２０１４／０６９５５８（対応米国特許公開公報ＵＳ２０１５／０２９４４５７）

【発明の概要】

【発明が解決しようとする課題】

【0004】

電子顕微鏡等の荷電粒子線装置は、電子やイオンのような荷電粒子を試料に照射する装置である。また、電子顕微鏡は、試料に対する電子ビームの照射に起因して発生する２次電子等の検出に基づいて、画像を生成する装置である。このような装置で高分解能画像を生成するために、電子ビームを複数回２次元走査（フレーム走査）することによって得られる画像信号を積算する手法が知られている。積算とは走査領域内複数回の走査を行い、その走査によって得られた画像信号を加算平均し、出力画像とする方法である。一方で過度に電子ビームを走査すると、試料上の構造物（例えば半導体ウエハ上に形成されたパターン）がシュリンクする場合があるため、試料に対するダメージ抑制の観点では、少ないフレーム数でビーム走査を行うことが望ましい。特許文献１には、電子顕微鏡等の荷電粒子線装置の出力に基づいて、画像を推定することについては何も言及されていない。

【0005】

以下に、少ないフレーム数の走査によって得られた画像信号から、多フレーム画像に相当する画像を生成する画像生成方法、非一時的コンピューター可読媒体、及びシステムを提案する。

【課題を解決するための手段】

【0006】

上記目的を達成するための一態様として、ビーム走査によって得られた画像信号を積算して、積算画像を生成する画像生成方法であって、試料上の対象物に、荷電粒子線装置内に備えられた偏向器を用いて、ビームを複数回２次元走査し、当該複数回の２次元走査によって得られる荷電粒子を荷電粒子線装置内に設けられた検出器によって検出し、当該検出に基づいて生成される画像信号の内、第１のタイミングの複数の走査によって得られた画像信号を積算して第１の画像を生成し、前記第１のタイミングより後、及び当該第１のタイミング内の複数の走査の後の少なくとも一方の走査を含み、前記第１のタイミングの走査回数より少ない回数の走査に基づいて第２の画像を生成し、前記第２の画像を入力、前記第１の画像を出力とする教師データを用いて、学習器を学習させ、当該学習された学習器に、前記第１のタイミングの走査回数より少ない回数の走査によって得られる画像信号を入力して、推定画像を出力する画像生成方法を提案する。

【0007】

更に上記目的を達成するための他の態様として、荷電粒子線装置の出力に基づいて画像を生成するためのコンピューター実施方法を実行すべく、コンピューターシステム上で実行可能なプログラム命令が格納されている非一時的コンピューター可読媒体であって、前記コンピューター実施方法は、試料上の対象物に、前記画像生成ツール内に備えられた偏向器によって、ビームが複数回２次元走査され、当該複数回の２次元走査によって得られる荷電粒子が前記荷電粒子線装置内に設けられた検出器によって検出され、当該検出に基づいて生成される画像信号の内、第１のタイミングの複数の走査によって得られた画像信号の積算によって生成された第１の画像を受け付けるステップと、前記第１のタイミングより後、及び当該第１のタイミング内の複数の走査の後の少なくとも一方の走査を含み、前記第１のタイミングの走査回数より少ない回数の走査に基づいて生成された第２の画像を受け付けるステップと、前記第２の画像を入力、前記第１の画像を出力とする教師データを用いて、学習器を学習させるステップと、当該学習された学習器に、前記第１のタイミングの走査回数より少ない回数の走査によって得られる画像信号を入力して、推定画像を出力するステップと、を含んでいる非一時的コンピューター可読媒体を提案する。

【0008】

上記目的を達成するための更に別の態様として、荷電粒子線装置によって得られたデータから、試料の対象物の画像を生成するシステムであって、前記システムは、コンピューターシステムと、前記コンピューターシステムが実行するコンポーネントを含み、前記コンピューターシステムは、推定画像を出力する学習器を備え、当該学習器は、前記荷電粒子線装置による複数回の２次元走査によって得られる画像信号の内、第１のタイミングの複数の走査によって得られた画像信号を積算した第１の画像を出力、前記第１のタイミングより後、及び当該第１のタイミング内の複数の走査の後の少なくとも一方の走査を含み、前記第１のタイミングの走査回数より少ない回数の走査に基づいて得られる第２の画像を入力とする教師データを用いて予め学習されており、前記コンポーネントは、前記学習器に対して、前記第１のタイミングの走査回数より少ない回数の走査によって得られる画像信号を入力して、前記推定画像を出力するシステムを提案する。

【発明の効果】

【0009】

上記方法等によれば、シュリンク等のビーム照射に起因して発生する事象の画像への影響を抑制しつつ、少ないビーム照射量で画像を推定することができる。

【図面の簡単な説明】

【0010】

【図1】走査電子顕微鏡の概要を示す図。

【図2】画像推定システム（データ処理システム）の概要を示す図。

【図3】複数回の２次元走査によって得られる画像データを用いて、学習器を学習させる工程を示すフローチャート。

【図4】学習された学習器を用いて、画像推定を行う工程を示すフローチャート。

【図5】機械学習の対象となる画像の取得タイミングを示す図。

【図6】機械学習の対象となる画像の取得タイミングを示す図。

【図7】学習器を含むコンピューターシステムの一例を示す図。

【図8】画像生成ツールを含む画像推定システムの一例を示す図。

【図9】学習器の学習条件を設定するＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）画面の一例を示す図。

【発明を実施するための形態】

【0011】

以下に、例えば、荷電粒子線装置を用いて、試料に多数（ｍ）回のビーム走査（多フレーム走査）後に、少数（ｎ）回（＜ｍ）のビーム走査（少フレーム走査）を行い、多フレーム走査によって生成される画像と、少フレーム走査によって生成される画像を教師データとして、学習器を学習させ、当該学習された学習器を用いて推定画像を生成する方法、非一時的コンピューター可読媒体、及びシステム等について説明する。

【0012】

走査電子顕微鏡（Ｓｃａｎｎｉｎｇ Ｅｌｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｅ：ＳＥＭ）に代表される荷電粒子線装置は、試料に対する電子ビーム等の荷電粒子線の走査によって得られる荷電粒子（二次電子等）を検出し、画像を形成する装置である。

【0013】

ステージという試料台に試料をのせ、ステージ移動との荷電粒子の偏向によって、試料の所望位置を検査することができる。特に半導体を測定，検査するＳＥＭは、半導体デバイス上の所望の位置に存在する回路パターンを測定するために、レシピと呼ばれる装置の動作条件を記憶したプログラムが予め作成され、当該レシピにて設定した条件に基づいて、測定，検査が実行される。荷電粒子線装置は高い倍率と高い計測再現性があり、単純な測長やピッチ測定だけでなく、画像に写っているパターンの出来ばえを評価する指標が提案されるなど、新たな用途、用件が発生している。また、微細化がすすみ、より広領域を多点計測するニーズが高まっている。

【0014】

走査電子顕微鏡には、試料上でビームを２次元走査するための偏向器が設けられており、更に、複数回の２次元走査によって得られる画像データを積算する画像処理システムが設けられている。多フレーム走査によって得られる画像データを積算することによって、少フレーム走査によって得られる積算画像に対し、相対的にノイズが抑制された高ＳＮ比の画像を生成することができる。

【0015】

一方で、フレーム数が多くなる程、走査に要する時間が増大する。例えば、半導体ウエハ上に形成された多数のパターンの計測や検査を行う場合、その計測点数に比例して走査時間が増大することになる。また、パターンの種類によっては、ビームの照射によって、シュリンクしたり帯電したりするものがあり、試料への影響という観点から見れば、フレーム数は少ない方が良い。

【0016】

主に、半導体の計測、検査分野では、パターンの微細化が進んだ結果、より広領域を多点計測するニーズが高まっている。高精度計測を行うには多フレーム画像が適しているが、上述のようにスループットの低下や、シュリンクの影響が大きい。スループット低下させることなく、かつシュリンク等を抑制し得る多フレーム画像を取得できれば、高速、高精度の計測や検査が可能となる
以下に説明する実施例では、主に、多フレーム画像生成用のビーム走査後に、少フレーム画像生成用のビーム走査を行うことで、学習器を学習させる教師データを取得し、当該教師データを用いて学習器を学習させ、当該学習器を用いて、少フレーム画像から多フレーム画像に相当する画像を推定する方法等について説明する。

【0017】

上述のような教師データに含まれる多フレーム画像と少フレーム画像は、ビーム走査に起因するシュリンクの影響が同等と見做せるため、多フレーム画像を正解画像（ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）やＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）等の出力）、低フレーム画像を元画像（ＣＮＮやＤＮＮ等の入力）とした機械学習を行う。学習が施された学習器によれば、少フレーム画像から多フレーム走査によって得られる画像を推定することができる。

【0018】

多フレームでの撮像後に少フレームの撮像を行い、多フレーム画像を正解画像、少フレーム画像を元画像として機械学習を行うことで、スループット低下を抑制しつつ、高精度計測と検査を行うことができる。

【実施例】

【0019】

以下、図面を用いて、少フレーム画像から多フレーム画像を推定する方法、非一時的コンピューター可読媒体、及びシステムについて説明する。

【0020】

図１は、荷電粒子線装置の構成例を示す図である。図１に例示するように、荷電粒子線装置１００は、大きく分ければ荷電粒子光学系装置１０と、制御コンピューター２０とを含んでいる。荷電粒子光学系装置１０は、荷電粒子源１、集束レンズ３、偏向レンズ４、対物レンズ５、二次電子検出器６などを含んでいる。

【0021】

荷電粒子源１から放出された荷電粒子ビーム２を、集束レンズ３で集束させ、更に偏向器４で走査、偏向させ、対物レンズ５で試料８の表面に集束させる。試料８は、試料ステージ７上に搭載されている。

【0022】

偏向器７による荷電粒子ビーム２の走査によって、試料から二次電子９や後方散乱電子が放出され、これら電子は二次電子検出器６（或いは図示しない後方散乱電子検出器）によって検出される。

【0023】

そして、二次電子検出器６によって検出された二次電子９は、二次電子検出器６内に設けられたシンチレータによって光に変換され、ライトガイドを通じて光電子増倍管に導かれ、そこで光の強度に応じた光電子に変換された後、ダイノードに衝突する。ダイノードは二次電子放出効率の高い物質が塗布された電極で、二次電子信号の増幅が可能である。増幅された信号は、信号電流（検出信号）として取り出される。更に、の検出信号は、図示しない増幅器、Ａ／Ｄ（Ａｎａｌｏｇ ｔｏ Ｄｉｇｉｔａｌ）変換器などを介して画像処理装置２２へ送信される。画像処理装置２２は、二次電子検出器６からの検出信号と偏向器４の走査制御信号とに基づいて、試料８表面の二次電子９に基づく画像を、観察画像として生成するとともに、生成した観察画像を表示装置２３に表示する。

【0024】

制御コンピューター２０は、試料８のパターン設計についての設計データ２１（例えばＣＡＤデータや設計データに基づいて生成されるレイアウトデータ）を含む情報を記憶した記憶装置を有するとともに、画像処理装置２２、表示装置２３、キーボード、マウスなど入力装置２４に接続され、さらに、図示しない制御装置を介して荷電粒子光学系装置１０に接続されている。

【0025】

このとき、制御コンピューター２０は、入力装置２４を介してユーザが入力する観察画像取得のための様々な情報（観察領域、倍率、明るさなど）を取得して、その情報に基づき、前記した図示しない制御装置を介して、荷電粒子光学系装置１０内の荷電粒子源１、集束レンズ３、偏向器４、対物レンズ５、試料ステージ７などの動作を制御する。また、制御コンピューター２０は、画像処理装置２２により生成された観察画像に対し、さらに処理を加えて、より高度な観察、測長、検査のための画像を生成し、その結果を表示装置２３に表示する。

【0026】

画像処理装置２２では、複数の走査によって得られた画像信号の積算を行い、積算画像を生成し、その積算画像を、表示装置２３に表示する。

【0027】

図２は荷電粒子線装置１００（画像生成ツール）と、データ処理システム１０１を含むシステム例を示す図である。荷電粒子線装置１００と、データ処理システム１０１は例えばＬＡＮにて接続される。データ処理システム１０１は、機械学習部１０２と画像推定部１０３を含んでいる。荷電粒子線装置１００から画像ファイル１０４がデータ処理システム１０１に転送される仕組みとする。複数台の荷電粒子線装置１００と、データ処理システム１０１を接続するようにしても良い。機械学習部１０２は、データ処理システム１０１に機械学習データ１０５を蓄積し、画像推定部１０３は機械学習データ１０５を参照するように構成されている。

【0028】

荷電粒子線装置１００と機械学習部１０２にて実行する学習器（学習モデル）の学習工程を、図３に例示するフローチャートを用いて説明する。

【0029】

まず、電子顕微鏡の試料室（真空チャンバ）に試料導入（Ｓ１０１）し、所定のパターンに視野合わせ（Ｓ１０２）を行い、フレーム数ｆ１でビーム走査（Ｓ１０３）してフレーム数ｆ１の画像形成（Ｓ１０４）を行う。複数回（複数フレーム）の走査によって得られた画像信号を積算して、積算画像を生成する。ここで得られるのが多フレーム画像である。

【0030】

次にフレーム数ｆ２（ｆ１＞ｆ２）でビーム走査（Ｓ１０５）し、フレーム数ｆ２の画像形成（Ｓ１０６）を行う。ここでは（Ｓ１０３）でのフレーム数より、ビーム走査数を少なくする。ここで得られるのが低フレーム画像である。

【0031】

データ処理システム１０１に含まれる機械学習部１０２は、荷電粒子線装置１００から送信される、２種類の走査に基づいて得られる画像信号をそれぞれ合成したフレーム数ｆ１とｆ２の画像を受信する。機械学習部１０２はフレーム数ｆ１の画像を正解画像（出力）、フレームｆ２の画像を元画像（入力）として機械学習（Ｓ１０８）を行う。この学習結果は機械学習データ１０５に蓄積される。荷電粒子線装置１００からフレーム数ｆ１とｆ２の画像を送信（Ｓ１０７）する方法に特に制限はなく、既存の種々の送信技術の適用が可能である。フレーム数ｆ１とｆ２の画像データのセットは、教師データとして所定の記憶媒体に記憶され、学習器の学習に供される。

【0032】

次に、上述のような学習が施された学習器を用いた画像推定工程を、図４に例示するフローチャートを用いて説明する。荷電粒子線装置１００の試料室内に、評価対象となる試料を導入した後、試料ステージ７や視野移動用の偏向器を用いて、所定の対象パターンに視野（電子ビームの走査領域）を位置付け（Ｓ２０１）、フレーム数ｆ２でビーム走査を行うことによって、フレーム数ｆ２の画像を生成する（フレーム数が１より大きい場合は積算画像を生成）（Ｓ２０２、２０３）。

【0033】

荷電粒子線装置１００は、フレーム数ｆ２の走査によって得られた画像データを、画像推定部１０３に送信する（Ｓ２０４）。フレーム数ｆ２の画像は、フレーム数ｆ１の画像に対し、相対的に少フレームの画像である。この少フレーム画像を元画像（入力）とする。画像推定部１０３では、入力された元画像から機械学習データ１０５を用いて、多フレーム（ｆ１）画像を推定する（Ｓ２０５）。この推定画像が、本来、多くのフレーム画像を積算して得られる多フレーム画像に相当する。

【0034】

入力画像が１以上の少ないフレームの画像であったとしても、多フレームの積算画像を用いた計測、検査と同等の精度で計測・検査を行うことができる。

【0035】

なお、教師データ（入力画像と出力画像のデータセット）を生成する際に、ビーム照射に起因するシュリンクや帯電のないタイミングでの走査に基づいて、画像を生成することが望ましい。より具体的には、シュリンクが発生する撮像の初期段階と、ビーム照射によって帯電が蓄積し、その影響が顕著になると考えられる撮像の最後の段階以外の撮像段階で得られる画像信号から、教師データを生成することが望ましい。具体的には、例えば全走査の中で、最初のｏフレーム（ｏは１以上の整数）の走査によって得られる画像信号を含めないで（除外して）積算画像を生成することが考えられる。また、全走査回数の最後のｐフレーム（ｐは１以上の整数）の走査によって得られる画像信号を含めないで積算画像を生成することが考えられる。

【0036】

図５は、撮像回数（撮像の順番：Ｘ軸）と、パターンの寸法値（ＣＤ値：Ｙ軸）との関係を示す図である。撮像回数とは1フレーム以上の走査に基づいて画像を生成する回数である。図示するように、同一箇所で撮像を繰り返すと撮像初期では電子線照射よるパターンシュリンクが発生し、パターンの寸法が徐々に小さくなる（シュリンク発生期間２０２）。その後、シュリンクは収まるが、撮像回数が嵩み、蓄積される帯電が大きくなると、その影響でビームが偏向され、寸法値が変動する（帯電の影響が顕著になる期間２０３）。

【0037】

そこで、機械学習対象期間２０４を、教師データを生成するための走査期間とすることで、シュリンクや帯電の影響を考慮することなく、学習用データを取得することが可能となる。

【0038】

図６は積算対象となるフレーム数とＣＤ値の関係を示す図である。図６に例示するように、初期フレーム２１２ではＣＤ値の変動が大きいので、ＣＤ値の変動がある程度緩和した中間フレーム２１３の走査によって得られる画像信号から正解画像を生成するようにすると良い。ＣＤ値の変動が許容できる範囲で、正解画像生成用の範囲を拡げるようにしても良い。

【0039】

図７は、得られた情報から学習モデルを生成し、当該学習モデルを用いてシミュレーション出力（例えば疑似画像）を発生するコンピューターシステムの一例を示す図である。また、コンピューターシステム２０は、学習モデルに対して少フレーム画像を入力することによって、多フレーム画像を出力する。学習器として機能するコンピューターシステム２０は、予め学習用の少フレーム画像（フレーム数ｆ２）と学習用の多フレーム画像（フレーム数ｆ１（＞ｆ２））のセット（教師データ）から、学習モデルを生成する学習部７０１と、学習モデルを用いて、入力された少フレーム画像から、多フレーム画像に相当する画像を推定する推定部７０２を含んでいる。

【0040】

学習部７０１は、所定の記憶媒体に記憶、或いは走査電子顕微鏡等から出力される少フレーム画像（例えばフレーム数ｆ２）のような第１のデータと、多フレーム画像（例えばフレーム数ｆ１（＞ｆ２））のような第２のデータから、教師データとなるデータセットを生成し、当該データセットに基づいて学習モデルを生成する。推定部７０２は、学習部７０１にて生成された学習モデルを用いて、外部から入力される入力画像（少フレーム画像）から、多フレーム画像を推定する。

【0041】

図８は、図７に例示するコンピューターシステムを備えた画像生成システムの一例を示す図である。図８に例示するシステムには、コンピューターシステム２０と、バス、或いはネットワークを介して接続される画像生成ツール１００（例えば走査電子顕微鏡）と、半導体デバイス等の設計データが記憶されている設計データ記憶媒体１００４が含まれている。コンピューターシステム２０は、１以上のコンピューターサブシステムによって構成されている。

【0042】

なお、図８に例示するように、コンピューターシステム２０には、コンピューター可読媒体８０２、当該コンピューター可読媒体８０２に記憶されている各コンポーネントを実行する処理ユニット８０１、及び画像生成に必要な条件や学習モデルの取得条件を入力する入出力装置２４が含まれている。

【0043】

コンピューター可読媒体８０２には、例えば入出力装置２４から入力される画像生成条件（ビーム照射個所の座標情報、電子ビームの照射条件等）等に基づいて、画像生成ツール１００を自動的に動作させる動作プログラム（レシピ）を生成するレシピ生成コンポーネント８０３、上述の学習モデルを生成するモデル生成コンポーネント８０４、及び生成されたモデルを用いて画像を推定する推定コンポーネント８０５が記憶されている。レシピ生成コンポーネント８０３は、例えば入出力装置２４の表示装置に表示されたＧＵＩ画面等から入力される画像生成条件に基づいて、レシピを生成する。

【0044】

図９は、入出力装置２５の表示画面に表示されるＧＵＩ画面の一例を示す図である。図９に例示するＧＵＩ画面は、学習モデル（学習モデルを生成するための教師データ）を生成するための画像取得条件を設定するように構成されている。ＧＵＩ画面上には、画像生成の対象となるパターン（ターゲット）名、及び当該パターンの座標を設定する設定ウィンドウ（９０１、９０２）が設けられている。レシピ生成コンポーネント８０３は、設定されたパターン名に対応する座標を設計データ記憶媒体２１から読み出し、画像生成対象となるパターンに画像生成ツール１００の視野が位置付けられるようなステージ等の動作条件を設定する。また、設定ウィンドウ９０２から入力される座標データに基づいて、ステージ等の動作条件を設定するようにしても良い。

【0045】

設定ウィンドウ９０３、９０４、９０５はそれぞれ電子顕微鏡の視野サイズ（走査領域の大きさ）、ビームの加速電圧、及びビーム電流を設定するために設けられている。レシピ生成コンポーネント８０３は、これらの設定に基づいて、レシピを生成し、画像生成ツール１００に設けられた制御装置は、レシピに設定されたビーム条件でビームを走査するように、走査電子顕微鏡本体を制御する。

【0046】

また、設定ウィンドウ９０６は、フレーム数を設定するために設けられている。フレーム数とは設定された視野を走査する回数のことであり、図９に例示するように、フレーム数が１２８と設定されている場合は、同一の視野に１２８回の２次元走査が行われる。なお、フレーム数は設定された視野に対するビームの照射量に比例する値であり、フレーム数に替えて、当該設定欄に照射量に応じて変化する他のパラメータ（例えば照射時間、ドーズ量、撮像回数）を設定するようにしても良い。画像生成装置１００は、設定された照射量に応じて変化するパラメータに基づいて、試料に対してビームを照射する。

【0047】

設定ウィンドウ９０７は、荷電粒子線装置に内蔵された検出器の種類を設定するために設けられている。画像生成ツール１００には、例えば２次電子（Ｓｅｃｏｎｄａｒｙ Ｅｌｅｃｔｒｏｎ：ＳＥ）を検出するための２次電子検出器と、後方散乱電子（Ｂａｃｋｓｃａｔｔｅｒｅｄ Ｅｌｅｃｔｒｏｎ：ＢＳＥ）を検出する後方散乱電子検出器が内蔵されており、必要に応じて、一方或いは両方の検出器を用いた画像生成を行う。図９の例では、後方散乱電子検出器が選択されており、後方散乱電子の検出に基づいて、機械学習用の学習データを生成する。

【0048】

設定ウィンドウ９０８、９０９は、学習用画像データを生成するフレーム数を入力するために設けられている。画像生成ツール１００は、設定ウィンドウ９０８で設定されたフレーム数（５フレーム）と範囲（１２４フレームから１２８フレームまで）に基づいて、５フレーム分の画像信号を積算した積算画像を生成し、所定の記憶媒体に記憶させる。また、画像生成ツール１００は、設定ウィンドウ９０９で設定されたフレーム数（１２４フレーム）と範囲（５フレームから１２８フレームまで）に基づいて、１２４フレーム分の画像信号を積算した積算画像を生成し、所定の記憶媒体に記憶させる。

【0049】

なお、図９のＧＵＩ画面では、第１のタイミングの走査（教師データの出力画像を取得するための走査）の対象フレームとして、５〜１２８フレームが選択され、第２のタイミングの走査（教師データの入力画像を取得するための走査）の対象フレームとして、１２４〜１２８が選択されている。コンピューターシステム２０は、この２つの設定によって得られた画像のデータセットを、学習器の教師データとして、学習モデルを構築する。

【0050】

なお、データセットを取得するための条件の１つは、出力画像のためのフレーム数より、入力画像のためのフレーム数の方が少ないことである。これは、少フレームの走査によって得られる画像から多フレームの走査によって得られる画像を推定するための学習モデルを構築するためである。

【0051】

また、データセットを取得するための条件の更なる１つは、出力画像を取得するための走査より、入力画像を取得するための走査を後にする、及び出力画像を取得するための走査内の複数の走査の後の走査を、入力画像のための走査とすることの少なくとも一方を含むことである。

【0052】

「出力画像を取得するための走査より、入力画像を取得するための走査を後にする」、とは、例えば総フレーム数が１２８である場合、出力画像のためのフレームを例えば１〜１２４と設定し、入力画像のためのフレームを１２５〜１２８と設定する場合が含まれる。また、「出力画像を取得するための走査内の複数の走査の後の走査を、入力画像のための走査とする」、とは、図９のＧＵＩ画面で設定されているように、出力画像のためのフレームが５〜１２８と設定されている場合、５〜１２８フレーム内の１２４〜１２８フレーム（５〜１２３フレームの走査の後の走査）を、入力画像のための走査とすることを含んでいる。

【0053】

入力画像取得のための走査を、出力画像取得ための走査の後、或いは出力画像取得のための走査の後半とするのは、ビーム照射に起因するパターンのシュリンク状態を、出力画像と入力画像との間で実質的に一致させるためである。入力画像に対して相対的に多フレーム走査を行う出力画像の走査によって、シュリンクを発生させた状態で、少フレーム走査に基づく画像形成を行うことによって、シュリンクの程度が実質的に同じ入力画像と出力画像を形成することが可能となる。

【0054】

なお、図９に例示するようなＧＵＩ画面上で、上記条件とは異なる設定がされたときに、その旨を警告する、或いは上記条件に適合しない設定を禁止するようにしても良い。

【0055】

画像生成ツール１００は、選択されなかったフレームの画像信号を含めないで積算画像を生成し、所定の記憶媒体に記憶させ、コンピューターシステム２０は、記憶媒体に記憶された画像から学習器を学習させるための教師データを生成する。具体的にはコンピューターシステム２０は、５フレームの積算画像を入力、１２４フレームの積算画像を出力とするデータセットを教師データとして学習器を学習させる。

【0056】

以上のように、複数回のビームの２次元走査を行う画像生成ツールと、画像セットを含む教師データによって学習された学習器を有するコンピューターシステムを含むシステムであって、画像生成ツールは、複数の走査によって得られた画像信号の内、第１のタイミングの複数の走査に基づいて取得された画像信号を積算して第１の画像を生成し、第１のタイミングより後の走査、及び当該第１のタイミング内の複数の走査の後の走査の少なくとも一方の走査に基づいて取得された画像信号から第２の画像を生成し、学習器は、第１の画像と第２の画像を教師データとして学習されているシステムによれば、少フレーム画像から多フレーム画像を再現することが可能となる。

【0057】

また、第１のタイミングより第２のタイミングの走査回数を少なくすることによって、少フレーム走査で得られた積算画像から、多フレーム積算画像を再現することが可能となる。

【符号の説明】

【0058】

１…荷電粒子源、２…荷電粒子ビーム、３…集束レンズ、４…偏向器、５…対物レンズ、６…二次電子検出器、７…試料ステージ、８…試料、９…二次電子、１０…荷電粒子光学系装置、２０…制御コンピューター、２１…設計データ、２２…画像処理装置、２３…表示装置、２４…入力装置（キーボード、マウスなど）、１００…荷電粒子線装置、１０１…データ処理システム、１０２…機械学習部、１０３…画像推定部、１０４…画像ファイル、１０５…機械学習データ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】