ホーム > 特許ランキング > 株式会社日立ハイテク
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-10-10
(45)【発行日】2023-10-18
(54)【発明の名称】画像処理システム
(51)【国際特許分類】
H01J 37/22 20060101AFI20231011BHJP
H01J 37/28 20060101ALI20231011BHJP
H01L 21/66 20060101ALI20231011BHJP
G06T 7/00 20170101ALI20231011BHJP
G06T 7/50 20170101ALI20231011BHJP
【ＦＩ】
H01J37/22 502H
H01J37/28 B
H01J37/22 502Z
H01L21/66 J
G06T7/00 C
G06T7/00 350C
G06T7/50
【請求項の数】
15
(21)【出願番号】P 2020132779
(22)【出願日】2020-08-05
(65)【公開番号】P2022029505
(43)【公開日】2022-02-18
【審査請求日】2023-01-23
(73)【特許権者】
【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】110002572
【氏名又は名称】弁理士法人平木国際特許事務所
(72)【発明者】
【氏名】岡井 信裕
(72)【発明者】
【氏名】鈴木 直正
(72)【発明者】
【氏名】福田 宗行
【審査官】中尾 太郎
(56)【参考文献】
【文献】特開平１１－０７４３２６（ＪＰ，Ａ）
【文献】特開２００７－１２９０５９（ＪＰ，Ａ）
【文献】特開２０１０－０７２７００（ＪＰ，Ａ）
【文献】特開２０１５－００８１４８（ＪＰ，Ａ）
【文献】特開２０１７－１９９６０６（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１５／０１３６９６０（ＵＳ，Ａ１）
【文献】米国特許出願公開第２０１７／０３１６９１５（ＵＳ，Ａ１）
【文献】米国特許出願公開第２０１９／０３１１８７７（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｈ０１Ｊ ３７／２２
Ｈ０１Ｊ ３７／２８
Ｈ０１Ｌ ２１／６６
Ｇ０６Ｔ ７／００
Ｇ０６Ｔ ７／５０
(57)【特許請求の範囲】
【請求項1】
荷電粒子線装置が取得した試料の計測画像から前記試料の３次元形状を推定する画像処理システムであって、前記荷電粒子線装置が前記試料に対して荷電粒子ビームを照射することにより前記試料から生じる２次粒子を検出する検出器の検出可能範囲を記憶する記憶部、
前記荷電粒子線装置が取得する１以上の３次元形状パターンの画像を前記検出可能範囲にしたがってシミュレートすることにより得られる模擬画像を出力する演算部、
前記１以上の３次元形状パターンと前記模擬画像との間の関係を学習する学習器、
前記計測画像を前記学習器に対して入力することにより前記学習器から得られる前記試料の３次元形状を出力する出力部、
を備える
ことを特徴とする画像処理システム。
【請求項2】
前記演算部は、３次元形状が既知である校正パターンの画像を用いて前記検出可能範囲を推定するように構成されており、前記画像処理システムはさらに、前記校正パターンを入力するためのインターフェースを備え、
前記インターフェースは、前記校正パターンとして、
既定の形状パターンを列挙するリストのうちいずれか、
前記校正パターンを指定する形状パラメータ、
前記荷電粒子線装置とは異なる計測装置によって取得した形状パターン、
のうち少なくともいずれかを選択することができるように構成されており、
前記演算部は、前記インターフェースが受け取った前記校正パターンの画像を用いて前記検出可能範囲を推定する
ことを特徴とする請求項１記載の画像処理システム。
【請求項3】
前記記憶部は、前記検出可能範囲を変化させることにより１つの３次元形状パターンから前記荷電粒子線装置が取得した、複数の推定用画像を記憶しており、前記演算部は、前記荷電粒子線装置が取得した、３次元形状が既知である校正パターンの画像を、前記複数の推定用画像と比較することにより、前記荷電粒子線装置が前記校正パターンを取得したときにおける前記検出可能範囲を推定し、その推定結果を前記記憶部に格納する
ことを特徴とする請求項１記載の画像処理システム。
【請求項4】
前記演算部は、前記推定した検出可能範囲と、前記試料から放出される２次粒子のエネルギーと角度とをもとに、前記模擬画像を作成することを特徴とする請求項３記載の画像処理システム。
【請求項5】
前記画像処理システムはさらに、前記模擬画像の個数を入力するためのインターフェースを備え、前記演算部は、前記インターフェースが受け取った個数よりも少ない前記模擬画像を一時的模擬画像として生成し、
前記演算部は、前記一時的模擬画像の形状を変化させたときにおける前記一時的模擬画像または前記一時的模擬画像の形状を変化させたときにおける前記一時的模擬画像の変動量を表す情報を計算し、前記インターフェースを介してその計算結果を提示する
ことを特徴とする請求項１記載の画像処理システム。
【請求項6】
前記演算部は、３次元形状が既知である校正パターンの画像を用いて前記検出可能範囲を推定するように構成されており、前記画像処理システムはさらに、前記模擬画像の個数を入力するためのインターフェースを備え、
前記演算部は、前記インターフェースが受け取った個数よりも少ない前記模擬画像を一時的模擬画像として生成し、
前記演算部は、前記一時的模擬画像の形状を変化させたときにおける前記一時的模擬画像の変動量を表す情報を計算し、
前記演算部は、前記変動量が閾値未満である場合は、新たな検出可能範囲について前記変動量を表す情報を再計算する
ことを特徴とする請求項１記載の画像処理システム。
【請求項7】
前記出力部は、前記試料の３次元形状を提示するインターフェースを備え、前記インターフェースは、前記試料の３次元形状を視覚的に提示し、
前記演算部は、前記インターフェース上で指定された前記試料の３次元形状上の２点間の距離を計算して前記インターフェース上で提示する
ことを特徴とする請求項１記載の画像処理システム。
【請求項8】
前記演算部は、前記荷電粒子線装置が取得した補正用試料の前記３次元形状パターンの第１画像を取得し、前記演算部は、前記荷電粒子線装置とは異なる計測装置が取得した前記補正用試料の高さ分布にしたがって前記補正用試料の前記３次元形状パターンの第２画像を生成し、
前記演算部は、前記第２画像を前記第１画像へ近づけるための補正係数を計算し、
前記演算部は、前記模擬画像に対して補正係数を適用し、
前記学習器は、前記補正係数を適用した前記模擬画像と、前記１以上の前記３次元形状パターンとの間の関係を学習し、
前記出力部は、前記計測画像を前記学習器に対して入力することにより前記学習器から得られる前記試料の３次元形状を出力する
ことを特徴とする請求項１記載の画像処理システム。
【請求項9】
前記演算部は、前記荷電粒子線装置が取得した補正用試料の前記３次元形状パターンの第１画像を取得し、前記演算部は、前記荷電粒子線装置とは異なる計測装置が取得した前記補正用試料の高さ分布にしたがって前記補正用試料の前記３次元形状パターンの第２画像を生成し、
前記演算部は、前記第１画像を前記第２画像へ近づけるための補正係数を計算し、
前記学習器は、前記模擬画像と、前記１以上の前記３次元形状パターンとの間の関係を学習し、
前記演算部は、前記計測画像に対して前記補正係数を適用することにより補正後画像を取得し、
前記出力部は、前記補正後画像を前記学習器に対して入力することにより前記学習器から得られる前記試料の３次元形状を出力する
ことを特徴とする請求項１記載の画像処理システム。
【請求項10】
前記荷電粒子線装置は、複数の前記検出器を備えており、前記演算部は、前記荷電粒子線装置が前記試料の平坦面に対して前記荷電粒子ビームを照射したときにおける前記平坦面の画像を、前記検出器ごとに取得し、
前記演算部は、前記検出器ごとの画像間の差分を小さくする補正係数を計算し、
前記演算部は、前記検出器ごとに取得した画像に対してそれぞれ前記補正係数を適用することにより、前記模擬画像を生成し、
前記学習器は、前記補正係数を適用した前記模擬画像と、前記１以上の前記３次元形状パターンとの間の関係を学習し、
前記演算部は、前記計測画像に対して前記補正係数を適用することにより補正後画像を取得し、
前記出力部は、前記補正後画像を前記学習器に対して入力することにより前記学習器から得られる前記試料の３次元形状を出力する
ことを特徴とする請求項１記載の画像処理システム。
【請求項11】
前記演算部は、前記模擬画像に対して、ノイズ増幅、ノイズ除去、コントラスト調整、トリミング、左右反転、上下反転、回転、シフト、拡大、縮小、
のうち少なくともいずれかを適用することにより、前記模擬画像を変形した拡張模擬画像を生成し、
前記学習器は、前記模擬画像と前記１以上の３次元形状パターンとの間の関係に加えて、前記拡張模擬画像と前記１以上の３次元形状パターンとの間の関係を学習する
ことを特徴とする請求項１記載の画像処理システム。
【請求項12】
前記学習器は、前記１以上の３次元形状パターン、前記模擬画像、および前記荷電粒子線装置が前記模擬画像を取得する際の条件を記述した付帯情報の間の関係を学習し、前記出力部は、前記計測画像と、前記荷電粒子線装置が前記計測画像を取得する際の条件を記述した付帯情報とを前記学習器に対して入力することにより前記学習器から得られる前記試料の３次元形状を出力する
ことを特徴とする請求項１記載の画像処理システム。
【請求項13】
前記演算部は、前記検出可能範囲を記述したデータを受け取るか、または前記検出可能範囲を入力するインターフェースを介して前記検出可能範囲の値を受け取り、前記演算部は、前記受け取った検出可能範囲を前記記憶部へ格納する
ことを特徴とする請求項１記載の画像処理システム。
【請求項14】
前記演算部は、前記検出器の形状を記述したデータを受け取るか、または前記検出器の形状を入力するインターフェースを介して前記検出器の形状を受け取り、前記演算部は、前記受け取った検出器の形状を用いて前記検出可能範囲を計算して前記記憶部へ格納する
ことを特徴とする請求項１記載の画像処理システム。
【請求項15】
前記学習器は、前記試料の高さ、幅、長さ、テーパ角、丸み、領域の広さ、容積、のうち少なくとも１つを、学習結果として出力するように構成されており、前記出力部は、前記学習結果から取得した前記試料の高さ、幅、長さ、テーパ角、丸み、領域の広さ、容積、のうち少なくとも１つを出力する
ことを特徴とする請求項１記載の画像処理システム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、荷電粒子線装置が取得した試料の計測画像から前記試料の３次元形状を推定する画像処理システムに関するものである。
【背景技術】
【0002】
半導体デバイスの製造プロセスにおいては、作製した半導体パターンの高さやテーパ角、半導体ウェーハ上に付着した異物の高さ、などの３次元形状の評価が必要とされている。半導体パターンが設計通りに作製されていないと、所望のデバイス性能が得られない問題が発生する。ウェーハ上に異物が付着していると、異物のサイズによっては後の製造工程に影響を与える可能性がある。したがって、半導体ウェーハ上の半導体パターンや異物の３次元形状を定量評価することが求められている。
【0003】
高分解能で微小な物体を観察する装置として、走査電子顕微鏡（Ｓｃａｎｎｉｎｇ Ｅｌｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｅ：ＳＥＭ）があげられる。特に、半導体ウェーハ上の半導体パターンや異物の観察や計測を目的としたＳＥＭとして、測長ＳＥＭ（ＣＤ－ＳＥＭ：Ｃｒｉｔｉｃａｌ Ｄｉｍｅｎｓｉｏｎ－ＳＥＭ）や、欠陥レビューＳＥＭが製品化されている。
【0004】
電子ビームの走査によって得られた信号波形やＳＥＭ像に基づいて、ウェーハ上の半導体パターンの３次元形状を計測する手法が知られている。特許文献１は、あらかじめ装置特性と画像取得条件とを反映した電子線シミュレーションを様々な対象パターン形状について実施しておき、ＳＥＭ模擬波形を作成してライブラリとして記録し、計測対象のパターンで取得した実ＳＥＭ画像とＳＥＭ模擬波形とを比較して、最も一致度の高い波形を選択することにより、対象パターンの形状を推定する手法を開示している。特許文献２は、様々なパターンの実ＳＥＭ画像から抽出した画像特徴量と、原子間力顕微鏡（Ａｔｏｍｉｃ Ｆｏｒｃｅ Ｍｉｃｒｏｓｃｏｐｅ：ＡＦＭ）等のＳＥＭ以外の装置を用いて取得したパターンの断面形状とを対応させてあらかじめデータベースに学習データとして保存しておき、計測対象のパターンの実ＳＥＭ画像から抽出した画像特徴量を学習データと照合して断面形状を推定する手法を開示している。
【先行技術文献】
【特許文献】
【0005】
【文献】特開２００７―２１８７１１
【文献】特開２００７－２２７６１８
【発明の概要】
【発明が解決しようとする課題】
【0006】
背景技術で述べたように、半導体デバイスの製造プロセスでは、歩留まりの向上と製造プロセスの安定稼働のために、半導体パターンや異物の３次元形状を計測することが求められている。作製した半導体パターンが設計と異なる形状となると、期待されるデバイス性能が得られなくなり歩留まり低下につながる。そこで、ユーザが計測した３次元形状と設計形状の誤差をもとに誤差発生要因を解明し、解明した誤差の発生要因を半導体デバイスの製造プロセスにフィードバックすることが行われている。異物では、所定の高さより大きな場合は、上層との距離が近くなり半導体デバイスの耐圧などの電気性能に影響することが知られている。そこで、異物の３次元形状やエネルギー分散型Ｘ線分析（Ｅｎｅｒｇｙ ｄｉｓｐｅｒｓｉｖｅ Ｘ－ｒａｙ ｓｐｅｃｔｒｏｓｃｏｐｙ：ＥＤＳ、ＥＤＸ）で判定した材料情報をもとに、異物の発生要因を推定し、製造プロセス条件の改善や成膜・加工装置のクリーニング要否を判定するためにフィードバックする。
【0007】
特許文献１は、あらかじめライブラリを用意することによって、半導体パターンの断面形状を推定する手法を開示している。しかし同文献は、試料を傾斜せずに上方から観察した１枚のトップダウンＳＥＭ像を用いて断面形状を推定するので、高さに関してより多くの情報を取得することが求められる場合がある。
【0008】
特許文献２は、実ＳＥＭ画像から抽出した画像特徴量と、ＳＥＭ以外の装置（例えばＡＦＭや断面ＳＥＭ）で取得したパターンの断面形状を学習データとする手法を開示している。しかし、ＡＦＭや断面ＳＥＭは、ＳＥＭと同位置でのデータ取得が困難であり、急峻な斜面についてより高い計測精度が求められる場合がある。さらに、測定に要する時間がＳＥＭに較べて長い傾向がある。
【0009】
本開示は、上記の高さ方向の計測低下や学習データ取得時に膨大な時間を有する課題を解決し、半導体パターンや異物の３次元形状を推定することができる画像処理システムを提供する。
【課題を解決するための手段】
【0010】
本開示に係る画像処理システムは、荷電粒子線装置が備える検出器の検出可能範囲をあらかじめ記憶装置に格納しておき、その検出可能範囲を用いて３次元形状パターンの模擬画像を生成し、その模擬画像と３次元形状パターンとの間の関係をあらかじめ学習する。
【発明の効果】
【0011】
本開示に係る画像処理システムによれば、学習データを取得するために膨大な時間を必要とすることなく、半導体パターンや異物の３次元形状を高精度に推定することができる。
【図面の簡単な説明】
【0012】
【図1】実施形態１に係る画像処理システム１００の構成図である。
【図2】画像処理システム１００が高さマップを推定する処理を説明するフローチャートである。
【図3】走査電子顕微鏡３００の構成例を示す図である。
【図4A】ドットパターンの高さ分布である。
【図4C】ドットパターンを上方検出器３０９で観察したときのＳＥＭ画像の模式図である。
【図6B】図４Ａに示すドットパターンに対して、下方検出器３１２、３１３で取得した２枚のＳＥＭ画像（図５Ａ、図５Ｃ）を用いて、Ｓｈａｐｅ Ｆｒｏｍ Ｓｈａｄｉｎｇ法により高さマップを作成したときの、Ｘ方向の１次元高さ分布である。
【図7A】仰角と方位角の座標系を示す。
【図7B】縦軸を仰角、横軸を方位角とした上方検出器３０９の検出アクセプタンスの１例である。
【図7C】下方検出器３１２、３１３の検出アクセプタンスの１例である。
【図7D】紙面垂直方向にさらに２つの検出器を配置した４方向検出器の検出アクセプタンスの１例である。
【図8A】仰角範囲と方位角範囲が変わった検出アクセプタンスの１例である。
【図9A】ＳＥＭ画像から検出アクセプタンスを推定するための校正用パターンの１例を示す。
【図9B】ＳＥＭ画像から検出アクセプタンスを推定するための校正用パターンの１例を示す。
【図9C】ＳＥＭ画像から検出アクセプタンスを推定するための校正用パターンの１例を示す。
【図9D】ＳＥＭ画像から検出アクセプタンスを推定するための校正用パターンの１例を示す。
【図10】校正用パターンの形状とＳＥＭ画像を登録するためのＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）画面の１例を示す図である。
【図12】詳細設定ボタン１１０３を押したときに開くＧＵＩ画面の１例である。
【図14】検出アクセプタンスを推定する手法の模式図である。
【図15】模擬ＳＥＭ画像を作成するためのＧＵＩ画面の１例である。
【図18A】模擬ＳＥＭ画像を作成する形状を設定するＧＵＩ画面の１例である。
【図18B】詳細設定ボタン１８０２を押したときに開くＧＵＩ画面の１例である。
【図19A】３次元計測が必要とされる計測対象のパターンの１例として、ＦｉｎＦＥＴ（Ｆｉｎ Ｆｉｅｌｄ－Ｅｆｆｅｃｔ Ｔｒａｎｓｉｓｔｏｒ）である。
【図19B】ＦｉｎＦＥＴを斜め上方から見た図である。
【図20A】登録されていない新規の形状を指定するＧＵＩ画面の１例である。
【図20B】詳細設定ボタン２００２を押したときに開くＧＵＩ画面の１例である。
【図21】学習器１０３が学習する内容を指示するためのＧＵＩ画面の１例である。
【図22】学習器１０３の構成例を示す図である。
【図24】推定した高さマップを表示するＧＵＩ画面の１例である。
【図27】実施形態２における走査電子顕微鏡３００の１例を示す図である。
【図28B】検出アクセプタンス２８０１の検出器で得られるＳＥＭ画像の１例である。
【図28C】検出アクセプタンス２８０２の検出器で得られるＳＥＭ画像の１例である。
【図29】実施形態２における走査電子顕微鏡３００を用いた場合の、校正用パターンの形状データおよびＳＥＭ画像を登録するＧＵＩ画面の１例である。
【図30A】実施形態３において画像処理システム１００が実施するデータ同化のフローチャートの１例である。
【図30B】実施形態３において画像処理システム１００が実施するデータ同化のフローチャートの１例である。
【図31】データ同化の別のフローチャートの１例である。
【図32】実ＳＥＭ画像を学習結果に入力して高さマップを算出した後に、学習結果と実測の誤差を補正するフローチャートの１例である。
【図33A】パターン３３０１を４方向検出器３３０２、３３０３、３３０４、３３０５で観察するときの試料と検出器の配置の関係である。
【図33B】パターン３３０１を時計回りに９０°回したパターン３３０６を４方向検出器３３０７、３３０８、３３０９、３３１０で観察するときの試料と検出器の配置の関係である。
【図33C】トリミングの１例である。
【図33D】複数の小さなサイズの領域の高さマップ３３１４を重ね合わせて、１つの大きな高さマップ３３１３を作成する１例である。
【図34】実施形態５に係る画像処理システム１００の構成図である。
【図35】実施形態６に係る画像処理システム１００の構成図である。
【図36】実施形態６に係る画像処理システム１００が高さマップを推定する手順を説明するフローチャートである。
【図37】検出アクセプタンスをテキストファイルで入力する１例である。
【図38A】検出アクセプタンスを入力するＧＵＩ画面の１例である。
【図38B】簡易設定ボタン３８０４を押したときに開くＧＵＩ画面の１例である。
【図39】実施形態７に係る画像処理システム１００の構成図である。
【図40】実施形態７に係る装置形状データの１例である。
【発明を実施するための形態】
【0013】
＜実施の形態１＞
本開示の実施形態１においては、試料上に形成された構造物（半導体ウェーハの場合、ラインやドットのような凸パターン、ホールやトレンチのような凹パターン、など）や、試料（半導体ウェーハ）上に載った異物等に対し、これらを含んだ領域で取得したＳＥＭ画像から、画像の領域の高さマップを推定する。
本開示の実施形態１においては、試料上に形成された構造物（半導体ウェーハの場合、ラインやドットのような凸パターン、ホールやトレンチのような凹パターン、など）や、試料（半導体ウェーハ）上に載った異物等に対し、これらを含んだ領域で取得したＳＥＭ画像から、画像の領域の高さマップを推定する。
【0014】
図１は、本開示の実施形態１に係る画像処理システム１００の構成図である。画像処理システム１００は、記憶装置１０１、演算装置１０２、学習器１０３、出力装置１０４、入力装置２００を備える。出力装置１０４は、画像処理システム１００による処理結果を出力するための装置であり、例えばディスプレイやデータ出力装置などによって構成することができる。入力装置２００は、ユーザが画像処理システム１００に対して指示を与えるために用いるインターフェースである。出力装置１０４と入力装置２００は、画像処理システム１００の一部として構成してもよいし、画像処理システム１００とは別の装置として構成してもよい。
【0015】
画像処理システム１００は、学習器１０３（学習モデル）に対して推定対象の構造物を含むＳＥＭ画像を入力することにより、画像領域の高さ分布（以降、高さマップ）を出力し、高さマップを解析することにより構造物の高さやテーパ角などの３次元形状を推定する。
【0016】
走査電子顕微鏡で取得した、３次元形状が既知のパターン（以下、校正用パターン）のＳＥＭ画像１０５を記憶装置１０１に保存する。演算装置１０２は、記憶装置１０１に保存された校正用パターンのＳＥＭ画像１０５をもとに、シミュレーションにより様々な形状に対応する模擬ＳＥＭ画像を作成する。学習器１０３は、演算装置１０２が作成した様々な形状と、その形状の模擬ＳＥＭ画像との組からなるデータを教師データとして学習する。出力装置１０４は、推定対象のＳＥＭ画像１０６を学習器１０３に入力することにより学習器１０３から得られる高さマップを出力する。学習済みのモデルデータは、記憶装置１０１に格納することができ、また、学習済みのモデルデータは、記憶装置１０１から読み出すこともできる。
【0017】
図２は、画像処理システム１００が高さマップを推定する処理を説明するフローチャートである。本フローチャートは、記憶装置１０１、演算装置１０２、学習器１０３、出力装置１０４、入力装置２００によって実施される。後述するフローチャートも同様である。走査電子顕微鏡を用いて校正用パターンのＳＥＭ画像１０５を取得し、記憶装置１０１に保存する（Ｓ２０１）。入力装置２００を用いて、模擬ＳＥＭ画像を作成する形状を指定または選択する（Ｓ２０２）。演算装置１０２は、記憶装置１０１に保存された校正用パターンのＳＥＭ画像１０５をもとに、Ｓ２０２で設定した様々な形状で模擬ＳＥＭ画像を作成し、学習器１０３は模擬ＳＥＭ画像と形状との間の関係を学習する（Ｓ２０３）。走査電子顕微鏡で推定対象のＳＥＭ画像１０６を取得する（Ｓ２０４）。学習器１０３は、Ｓ２０４のＳＥＭ画像を学習器１０３に入力することにより推定対象のパターンや異物の３次元形状を推定して出力装置１０４に出力する（Ｓ２０５）。
【0018】
図３は、走査電子顕微鏡３００の構成例を示す図である。走査電子顕微鏡３００は、校正用パターンのＳＥＭ画像１０５や推定対象のＳＥＭ画像１０６を取得するために用いられる。走査電子顕微鏡３００は、電子ビーム３０１を照射する電子銃３０２、電子ビーム３０１を集束する集束レンズ３０３、集束レンズ３０３を通過した電子ビーム３０１をさらに集束する集束レンズ３０５を備えている。集束レンズ３０３の直下には絞り３０４が設置され、集束レンズの３０３の強さによって絞り３０４を通過する電流量を変化させ、試料３１５に照射する電流量を制御することが可能となる。さらに、電子ビーム３０１を偏向する上走査偏向器３１０と下走査偏向器３１１ 、電子ビーム３０１の集束する高さを制御する対物レンズ３１４を備えている。このとき上走査偏向器３１０と下走査偏向器３１１の偏向方向と強度は走査した電子ビーム３０１が常に対物レンズ３１４の中央を通るように調整されている。走査電子顕微鏡３００はさらに、電子ビーム３０１を光軸外に偏向することによって試料３１５へ電子ビーム３０１が到達することを制限するブランキング偏向器３０６、ブランキング偏向器３０６によって偏向された電子ビーム３０１を受け止めるブランキング用電極３０７を備える。これらの光学部品や試料ステージ３１６は制御装置３２０によって制御され、ユーザが指定した観察条件（ビームエネルギーや電流量、観察位置等）でＳＥＭ画像を取得することが可能となる。
【0019】
電子ビーム３０１は、試料ステージ３１６上に載せられた試料３１５に照射される。電子ビーム３０１の照射によって試料３１５から２次粒子が放出される。一般的に、５０ｅＶ以下の低エネルギーの放出電子を２次電子（Ｓｅｃｏｎｄａｒｙ Ｅｌｅｃｔｒｏｎ：ＳＥ）、５０ｅＶ以上の高エネルギーの放出電子を後方散乱電子（Ｂａｃｋｓｃａｔｔｅｒｅｄ Ｅｌｅｃｔｒｏｎ：ＢＳＥ）と呼ぶ。以下、本開示では２次電子と反射電子を総称して２次粒子と呼ぶ。
【0020】
試料から放出された２次粒子のうち、試料３１５の面に対して大きな角度をなす方向に放出した２次粒子３１７は、電子ビーム（３０１）とほぼ同じ軌道を通り、絞り３０８に衝突する。絞り３０８では２次粒子３１７の衝突によって再び２次粒子３１８が発生する。発生した２次粒子３１８は、絞り３０８よりも試料側に配置された上方検出器３０９で検出される。
【0021】
試料３１５の面に対して小さな角度をなす方向に放出した２次粒子３１９は、光軸（電子ビーム３０１の軌道上）から離れる方向に放出された後に対物レンズ３１４の漏洩磁場によって光軸側に引き戻され、対物レンズ３１４を通過して光軸から離れた位置に配置された下方検出器３１２と３１３により検出される。図３において下方検出器は１次電子線の光軸に対して軸対称に左右２つ設けられているが、１２０°ごとに回した位置に配置した３方向検出器、紙面垂直方向にさらに２つを配置した４方向検出器、さらに多く設置した複数検出器としてもよい。上方検出器３０９や下方検出器３１２、３１３に到達した２次粒子は、走査偏向と同期した輝度変調入力信号となりＳＥＭ画像として構成され、記録装置３２１に保存される。
【0022】
図４Ａ～図４Ｅは、ドットパターンの形状と、該ドットパターンを上方検出器３０９で観察したときのＳＥＭ画像の模式図を示す。図３の構成では、一般的に、上方検出器では低エネルギーの２次電子が検出される。説明を簡単にするために、ここではドットパターンのエッジの傾き（テーパ角）は９０°とした。観察視野４０１（Ｆｉｅｌｄ－ｏｆ－ｖｉｅｗ：ＦＯＶ）の中心にドットパターン４０２を配置したときの上面図を図４Ａ、図４Ａの破線４０３に沿って高さを表したものを図４Ｂに示す。ドット部分が高い分布になっている。次に、図３の上方検出器３０９で取得されるＳＥＭ画像を図４Ｃ、図４Ｃの破線４０５、４０６に沿ってＳＥＭ画像の階調値をプロットしたものをそれぞれ図４Ｄ、図４Ｅに示す。ドットパターンの全方位のエッジ部分に、エッジ効果による明るい部分４０４（ホワイトバンドと呼ばれる）が観察される。すなわち、全方位同等の見え方をしているため、方位性がないＳＥＭ画像が得られる。
【0023】
図５Ａ～図５Ｄは、図４Ａのドットパターンを下方検出器３１２、３１３で観察したときのＳＥＭ画像の模式図を示す。図３の構成では、一般的に、下方検出器では高エネルギーの反射電子が検出される。下方検出器３１２で取得したＳＥＭ画像を図５Ａ、図５Ａの破線５０３に沿ってＳＥＭ画像の階調値をプロットしたものを図５Ｂに示す。ＳＥＭ画像に対して検出器は左側に配置されている。検出器側に対応するドットパターンの左側エッジのみにホワイトバンドが観察され、ドットパターンの右側の平坦部には暗い影（陰影と呼ばれる）が観察される。図５Ｃは下方検出器３１３で取得したＳＥＭ画像、図５Ｃの破線５０６に沿ってＳＥＭ画像の階調値をプロットしたものを図５Ｄに示す。これらのＳＥＭ画像においては、図５Ａとは反対に、ドットパターンの右側エッジのみにホワイトバンドが観察され、ドットパターンの右側の平坦部には陰影が観察される。
【0024】
陰影は、ドットパターン傍の平坦部に電子ビームが照射されて発生した２次粒子が、ドットパターンが障害となって検出器に到達しないことによって発生する。すなわち、左側に配置された検出器で画像を取得したときに、陰影がパターンの右側に出ていれば出っ張っている形状、反対に、陰影がパターンの左側に出ていれば窪んでいる形状となる。このようなＳＥＭ画像の特徴から、光軸に対称に複数配置した下方検出器は観察対象のパターンの凹凸判定に活用されている。陰影の長さはドットパターンの高さに依存し、パターンが高いほど陰影は長くなる。すなわち、陰影を活用することでパターンの高さを推定することが可能となる。
【0025】
光軸に対称に設置した複数の検出器で取得したＳＥＭ画像を用いて３次元形状を推定する試みは古くからなされている。最も一般的な手法は、Ｓｈａｐｅ Ｆｒｏｍ Ｓｈａｄｉｎｇ法（陰に基づく復元法）があげられる。本手法は、画像中の陰（暗い部分）が光源方向と面の法線方向による輝度の変化で生じるものと考えて形状を再構築する。本手法は異なる位置に配置された検出器の信号を演算することにより各画素の３次元的な傾きを算出し、それを積分することによって試料面の相対的な高さに変換する。具体的には、対称に配置された検出器で取得した画像の階調値の差分を、２つの検出器を通る軸に沿って積分することにより、試料の高さマップを作成する。
【0026】
図６Ａ～図６Ｂは、図４Ａに示すドットパターンに対して、下方検出器３１２、３１３で取得した２枚のＳＥＭ画像（図５Ａ、図５Ｃ）を用いて、Ｓｈａｐｅ Ｆｒｏｍ Ｓｈａｄｉｎｇ法により高さマップを作成した結果を示す。図６ＢはＳｈａｐｅ Ｆｒｏｍ Ｓｈａｄｉｎｇ法による高さマップの例を示す。図６Ａは、比較のためにドットパターンの実際の高さマップを示す。ここでは、説明を簡単にするために、１次元の高さ分布を表した。実際の形状（図６Ａ）に較べて斜面がなだらかになる結果となった。前述したように、急峻な斜面を持つ物体の場合、物体の傍に影が形成される。影は光源からの光が物体によって遮られて生じるものであり、陰とは形成原理が異なり、Ｓｈａｐｅ Ｆｒｏｍ Ｓｈａｄｉｎｇ法では考慮されていない現象であるので、再構築時の精度低下の原因となる。さらに、ＳＥＭにおいては、エッジ効果によるホワイトバンドや物体表面での反射が観察され、精度低下の更なる原因となる。さらに、根本的な課題として、本手法は画像の階調値をもとに高さマップを再構築するので、高さの絶対値が正しく得られない。
【0027】
図３の上方検出器３０９、下方検出器３１２、３１３によって取得した画像の見え方の違いは、これらの検出器が検出する２次粒子のエネルギーと角度によって説明が可能である。ここで、検出器で検出される２次粒子のエネルギーと角度範囲を表や図で表したものを検出アクセプタンスと呼ぶ。すなわち検出アクセプタンスは、検出器が２次粒子を検出可能な範囲を表す。ここで、検出アクセプタンスは検出器の配置だけでなく、照射エネルギーや電極電圧等の光学条件によって変わる。異なる検出器を用いれば見え方が異なるＳＥＭ画像が得られるのは当然として、同じ検出器を用いても、光学条件が異なれば見え方が異なるＳＥＭ画像が得られる。したがって、校正用パターンのＳＥＭ画像と推定対象のパターンのＳＥＭ画像は、検出器だけでなく、光学条件も合わせることが必須である。以降では説明を簡単にするため、仰角と方位角の２次元の表によって検出アクセプタンスを説明する。
【0028】
図７Ａは、仰角と方位角の座標系を示す。仰角はＺ軸からの傾きで表す。方位角はＸ軸からの反時計回りの回転角を表す。
【0029】
図７Ｂは、縦軸を仰角、横軸を方位角とした上方検出器３０９の検出アクセプタンスの１例を示す。斜線で囲った領域７０１が検出可、それ以外の領域７０２、７０３は検出不可な２次粒子の角度範囲である。この検出アクセプタンスから、上方検出器３０９は、仰角は１０°から３０°、方位角は０°から３６０°の全方位の２次粒子を検出できることが分かる。このように、全方位を検出できる場合、方位性を持たないＳＥＭ画像となる特徴があり、図４Ｃのように、ドットパターンの全方位のエッジに同じようにホワイトバンドが観察される。検出不可７０１と検出可７０２の境界となる仰角は、主に絞り３０８の穴径によって決まる。検出可７０２と検出不可７０３の境界となる仰角は、２次粒子のエネルギーや検出器までの距離等によって決まる。２次粒子のエネルギーが小さい２次電子の場合、ほとんどの２次電子は引き上げられて検出されるので、検出可能な仰角の範囲は数°から９０°付近の領域となる。
【0030】
図７Ｃは、下方検出器３１２、３１３の検出アクセプタンスの１例を示す。図７Ｂと同様に、斜線で囲った領域７０４、７０５が検出可の角度範囲となる。それぞれ、領域７０４が下方検出器３１２、領域７０５が下方検出器３１３に対応する。検出できる仰角の範囲が２つの検出器ともに同じなのは、同じ高さで光軸に対して対称に配置されているからである。方位角に着目すると、２つの検出器は対称に分割されており、それぞれ１８０°の範囲の方位角成分を検出している。このように制限された方位角範囲の２次粒子を検出する場合、図５に示すように方位性を持ったＳＥＭ画像が得られる。
【0031】
図７Ｄは、紙面垂直方向にさらに２つの検出器を配置した４方向検出器の検出アクセプタンスを示す。方位角成分は、四個の検出器で対称に分割され、それぞれ９０°の範囲の方位角成分７０６、７０７、７０８、７０９を検出している。２つの検出器を用いた場合に較べて方位角成分が制限されているため、さらに方位性が顕在化したＳＥＭ画像が得られる。
【0032】
図８Ａ～図８Ｆは、検出アクセプタンスの仰角範囲と方位角範囲が変わった時のドットパターン（図４Ａ）のＳＥＭ画像の見え方の違いをそれぞれ示す。仰角範囲が４５°から８０°、方位角範囲が１３５°から２２５°の検出アクセプタンス（図８Ａの８０１の範囲）の場合、ドットパターンの左側エッジにホワイトバンド８０２、右側の平坦部に陰影８０３を持つＳＥＭ画像が観察される。同じ方位角範囲で仰角範囲が３０°から５０°になると（図８Ｃの８０４）、図８Ｂと同じ位置にホワイトバンド８０５と陰影８０６が観察されるが、陰影８０６は図８Ｂの陰影８０３よりも短くなる（図８Ｄ）。仰角範囲は図８Ａと同じだが、方位角範囲が１６０°から２００°と狭くなった場合（図８Ｅの８０７）、図８Ｂと同じようにホワイトバンド８０８と陰影８０９が観察される。陰影の長さは図８Ｂと同じだが、形が異なる。このように、ＳＥＭ画像の見え方は検出アクセプタンスによって決まるので、陰影を含むＳＥＭ画像の見え方を詳細に解析することによって、検出器の検出アクセプタンスを推定することが可能となる。
【0033】
図９Ａ～図９Ｄは、ＳＥＭ画像から検出アクセプタンスを推定するための校正用パターンの１例を示す。本開示において、校正用パターンとは、ＡＦＭ、断面ＳＥＭ、チルトＳＥＭ等の計測により３次元形状が既知のパターンのことを言う。チルトＳＥＭは、ステージを大きく傾斜させることにより、試料上のパターンを斜めから観察することができる装置である。斜めから観察することにより、高さに関する情報を直接入手することが可能となる。ステージに代えてまたはこれと併用して、カラムやビームを傾斜させることによっても同等に試料を斜めから観察可能であるので、これらが可能なＳＥＭをまとめてチルトＳＥＭと総称する。
【0034】
検出アクセプタンスの推定にはなるべく単純な形状を用いることが好ましい。図９Ａはドットパターン、図９Ｂはラインパターン、図９Ｃは円柱パターン、図９Ｄは球パターンの例である。図９Ａ～図９Ｃは半導体のリソグラフィ工程を用いて作製してもよいし、図９Ｄの球パターンはラテックス粒子を用いてもよい。これらの校正用パターンの試料は、画像処理システム１００の提供者が準備してユーザに提供してもよいし、ユーザ自身が準備してもよい。画像処理システム１００の提供者が準備する場合は、同時に校正用パターンの形状を事前に画像処理システム１００に登録しておく。ユーザ自身が準備するときは、校正用パターンの形状情報をユーザが用意する必要があり、ここで実形状との誤差があると、その後の学習や形状推定時の誤差となりうる。
【0035】
図１０は、校正用パターンのＳＥＭ画像を登録するためのＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）画面の１例を示す図である。ＧＵＩ画面１００１を用いて、校正用パターンのＳＥＭ画像１０５を、走査電子顕微鏡３００の記録装置３２１やＰＣなどの外部記憶装置から読み出し、記憶装置１０１に保存する。ユーザはまず、選択ボックス１００２で検出器の個数を選択する。図では、光軸に対称に４個配置された４方向検出器を対象としているので、「４」が選択されている。その後、校正用パターンの形状とＳＥＭ画像を入力する。図では３個の校正パターンが登録されている。登録するパターンの数はＡｄｄボタン１００４とＤｅｌｅｔｅボタン１００５で増減させることが可能である。例えば、Ａｄｄボタン１００４を押すと１行足され、特定の行（複数でも可）を選択した後にＤｅｌｅｔｅボタン１００５を押すと、選択した行が削除される。ＳＥＭ画像は一枚ずつ該当のセルをダブルクリックして設定してもよいし、一つの校正用パターンに対して同時に取得した全検出器のＳＥＭ画像をまとめて登録してもよい。
【0036】
１行目はドットパターン、２行目は円柱パターン、３行目はラインパターンが登録されている。ＯＮ／ＯＦＦの列は、その後の演算装置１０２で模擬ＳＥＭ画像を作成するステップ（Ｓ２０２）において、該当する校正用パターンを使用するか否かを決める。図では、ドットパターンと円柱パターンの結果をその後の演算で使用するが、ラインパターンの結果は使用しないことを意味している。これらの登録内容は、該当するセルをダブルクリックすることで設定を変更することが可能である。
【0037】
図１０の校正用パターンの形状データは、データの中央にパターンが配置されている。しかし、走査電子顕微鏡で形状データと完全にパターンの位置をピクセル単位で一致させてＳＥＭ画像を取得することは非常に難しい。また、倍率が異なると、パターンの表示上のサイズも異なって保存される。本ＧＵＩ画面では、形状データとＳＥＭ画像が完全に位置と倍率が合っていることが好ましいが、必須ではない。画像登録時に同時に画像取得時の条件ファイル（座標や倍率等が記載）も同時に読み込まれる。画像の位置ずれに関しては、これらのＳＥＭ画像や４枚の合成画像、同時に取得した２次電子像（例えば、上方検出器３０９で取得したＳＥＭ画像）を用いて、形状データと位置マッチングすることで位置補正される。倍率に関しては、条件ファイルを読み出して、形状データのサイズに合うように画像を拡大縮小する。演算装置１０２は、本ＧＵＩで登録された形状データとＳＥＭ画像を用いて検出アクセプタンスを推定するが、演算装置１０２がこれらの補正を事前に自動的に行うことにより、検出アクセプタンスの推定が可能となる。
【0038】
これらを全て登録した後に、ＳＡＶＥボタン１００７を押すと、登録内容をファイルに保存する。ＯＫボタン１００６を押した場合は、本ＧＵＩ画面を閉じるが、現在保存されている内容と異なる場合は、保存するか否かを確認するＧＵＩ画面が出る。Ｃａｎｃｅｌボタン１００８を押すとそのままＧＵＩ画面が閉じる。
【0039】
図１１は、図１０の校正用パターンの形状データのセルをユーザがダブルクリックしたときに開くＧＵＩ画面の１例を示す。図１１は校正用パターンの形状を具体的に指定するＧＵＩ画面の１例である。まず、ユーザは選択ボックス１１０１で校正用パターンの形状があらかじめ登録されたものか、これから指定するのかを選択する。あらかじめ登録されているものとしては、画像処理システムの提供者が用意したものや、ユーザが以前に作成して登録したものがあげられる。前者の場合は、例えばＣａｌｉｂＳｈａｐｅ１のような名前で登録されている。後者の場合は後述するように形状を指定した後に、本ＧＵＩ画面上のＳＡＶＥボタン１１１１を押して名前を付けて保存されたものを意味している。一方、ユーザがこれから指定する場合は、図に示すように「Ｃｕｓｔｏｍｉｚｅｄ」を選択する。「Ｃｕｓｔｏｍｉｚｅｄ」を選択すると、選択ボックス１１０２がアクティブになる。選択ボックス１１０２で形状の種類を選択し、詳細設定ボタン１１０３で前記形状の詳細（例えば高さ等）を設定する。例えば、図９に示した校正用パターンにおいては、ドットの場合は「Ｄｏｔ」、ラインの場合は「Ｌｉｎｅ」、円柱の場合は「Ｃｙｌｉｎｄｅｒ」、球の場合は「Ｓｐｈｅｒｅ」を選択する。
【0040】
現在設定中の形状はＧＵＩ画面上に表示される。１１０４の領域には、形状を上方から見た時の高さマップが表示されている。高さはカラーマップ１１０５で視覚的に分かるようにされる。カラーマップはカラーでもグレイレベルでもよい。領域１１０４には横方向の破線１１０６と縦方向の破線１１０７が表記されている。これらの破線はその軸に沿って高さマップをＧＵＩ画面の右側に１次元で表記する。例えば、破線１１０６上の高さは１１０８、破線１１０７上の高さは１１０９に表記され、現在設定中の形状を詳細に確認することができる。なお、これらの破線はマウスで選んで移動させることが可能となっている。これらを全て登録した後に、ＳＡＶＥボタン１１１１を押すと、登録内容をファイルに保存する。ＯＫボタン１１１０を押した場合は、本ＧＵＩ画面を閉じるが、保存された結果と異なる場合は、保存するか否かを確認するＧＵＩ画面が出る。Ｃａｎｃｅｌボタン１１１２を押すとそのままＧＵＩ画面が閉じる。
【0041】
図１２は、詳細設定ボタン１１０３を押したときに開くＧＵＩ画面の１例を示す。選択ボックス１１０２で「Ｃｙｌｉｎｄｅｒ」を選択しているので、「Ｃｙｌｉｎｄｅｒ Ｓｅｔｔｉｎｇｓ」のＧＵＩ画面が開いている。材料選択領域１２０１では、円柱と下地の材料を選択ボックスで選択することができる。円柱はＳｉＯ２、下地はＳｉを選択している。次に、領域１２０２で円柱の具体的なサイズを指定する。ここでは、半径５０ｎｍ、高さ１００ｎｍが入力されている、これらの数値を入力した後にＡｐｐｌｙボタン１２０３を押すと、図１１のＧＵＩ画面に反映され、入力した形状を確認することができる。Ｒｅｓｅｔボタン１２０４を押すと、初期値に戻される。Ｃｌｏｓｅボタン１２０５を押すと、入力した数値を反映せずに詳細設定のＧＵＩ画面が閉じる。
【0042】
【0043】
選択ボックス１１０２でＡＦＭを選択し、詳細設定ボタン１１０３を押したときに開くＧＵＩ画面の１例を図１３Ａに示す。ボタン１３０２を押すとファイルダイアログが開き、ＡＦＭで測定して得られた高さマップが記載されている結果ファイルを選択すると、そのアドレスが１３０１に表示される。Ａｐｐｌｙボタン１３０３を押すと、ＡＦＭ結果ファイルが読み出され、図１１のＧＵＩ画面に反映される。一方、Ｃｌｏｓｅボタン１３０４を押すと、ＡＦＭ結果ファイルを読み込まずに詳細設定のＧＵＩ画面が閉じる。
【0044】
選択ボックス１１０２でチルトＳＥＭを選択し、詳細設定ボタン１１０３を押したときに開くＧＵＩ画面の１例を図１３Ｂに示す。ボタン１３０２を押すとファイルダイアログが開き、チルトＳＥＭで取得した画像を使って得られた高さマップが記載されている結果ファイルを選択すると、そのアドレスが１３０５に表示される。傾斜したＳＥＭ画像から高さマップを算出する一般的な手法としてステレオ法があげられるが、別の方法でもよい。Ａｐｐｌｙボタン１３０７を押すと、チルトＳＥＭの結果ファイルが読み出され、図１１のＧＵＩ画面に反映される。一方、Ｃｌｏｓｅボタン１３０８を押すと、チルトＳＥＭの結果ファイルを読み込まずに詳細設定のＧＵＩ画面が閉じる。
【0045】
図１４は、検出アクセプタンスを推定する手法の模式図を示す。演算装置１０２は、まず校正用パターンのＳＥＭ画像をもとに、ＳＥＭ画像を取得した検出器の検出アクセプタンスを推定する。各形状データに対して、検出アクセプタンスを様々に変えて取得あるいはシミュレーションで作成したＳＥＭ画像を用意する。１つの形状データに対して、複数の検出アクセプタンスとそれに対応するＳＥＭ画像が準備されることになる。図では１つの形状に対応する検出アクセプタンスとＳＥＭ画像が記載されているが、実際には複数の形状データの結果が含まれている。これらをライブラリ１４０１としてあらかじめ用意しておく。演算装置１０２は、ユーザが記憶装置１０１に保存した校正用パターンのＳＥＭ画像１０５（図１４においては検出アクセプタンスを推定するＳＥＭ画像と記載）を読み出し、対応する形状の様々な検出アクセプタンスのＳＥＭ画像から最も一致度が高いＳＥＭ画像を選ぶ。演算装置１０２は、該当画像の検出アクセプタンスを、該当検出器の検出アクセプタンスと推定する。もし、複数の校正用パターンのＳＥＭ画像が用いられる場合は、一致度の平均が一番高いＳＥＭ画像に対応する検出アクセプタンスを該当検出器の検出アクセプタンスと推定する。一致度の平均が一番高いＳＥＭ画像を選ぶ以外の選択基準で選択することも可能である。このようにして、校正用パターンのＳＥＭ画像から検出アクセプタンスを推定することが可能となる。ここでは、検出アクセプタンスを推定する方法として、各形状ごとに様々な検出アクセプタンスのＳＥＭ画像を登録したライブラリを使う方法を説明したが、ＳＥＭ画像から検出アクセプタンスが推定できれば機械学習や別の方法を用いても良い。
【0046】
演算装置１０２は、推定した検出アクセプタンスを、記憶装置１０１（あるいはその他適当な記憶デバイス、例えばメモリデバイス）へ格納する。演算装置１０２は、格納されている検出アクセプタンスを用いて、模擬ＳＥＭ画像を生成する。検出アクセプタンスをその他手法により取得する場合（例えば後述する実施形態６～７）においても、記憶装置が格納している検出アクセプタンスを用いる点は共通である。
【0047】
検出アクセプタンスを推定した後に、演算装置１０２は、様々な形状に対して模擬ＳＥＭ画像を作成する。ここで、様々な形状とは、校正用パターンの形状ではなく、推定対象とする構造物やその類似構造物の一部形状を変化させたものの形状を意味する。
【0048】
図１５は、模擬ＳＥＭ画像を作成するためのＧＵＩ画面の１例を示す。選択ボタン１５０２を押すとファイルダイアログが開き、検出アクセプタンスを推定した結果を選択すると、表示器１５０１にファイル名が表示される。次に、模擬ＳＥＭ画像を作成するための形状を選択ボタン１５０４によって選択し、ファイル名が表示器１５０３に表示される。模擬ＳＥＭ画像を作成する方法は選択ボックス１５０５で選択可能であり、代表的な手法としてモンテカルロシミュレーション、解析的手法、数値解析手法があげられ、これらを選択可能である。
【0049】
モンテカルロシミュレーションは、電子ビームを照射したときの試料内での散乱過程をモンテカルロ法（乱数を使用したシミュレーション）を用いて計算し、試料から放出される２次粒子の分布や合計数を計算する手法である。放出された２次粒子のエネルギー・角度分布を、検出アクセプタンスと掛け合わせることで、模擬ＳＥＭ画像を作成する。モンテカルロシミュレーションは精度が高く、実際のＳＥＭ画像を非常によく再現できるが、計算時間が長くなる課題がある。しかし、近年はＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いて高速化したモンテカルロシミュレーションが開発されている。ＧＰＵを活用すれば高い精度を維持したまま、課題であった計算時間を短縮化することが可能である。解析的手法は、試料内の散乱は考慮せず、形状に対してホワイトバンドや陰影の出方を数式で表して、模擬ＳＥＭ画像を作成する手法である。実際のＳＥＭ画像をどれだけ再現できるかは、数式の精度に依存する。他方で解析的手法は、試料内の散乱過程を計算しないので、計算時間を大幅に短縮することが可能である。数値解析手法は、試料表面から放出される２次粒子の分布を仮定して行列化し、この行列と形状データの行列、および検出アクセプタンスを表す行列を掛け合わせることにより模擬ＳＥＭ画像を作成する。数値解析手法はモンテカルロシミュレーションよりは大幅に計算時間を短縮化できるが、解析的手法に較べると計算時間は長くなる。ここでは、それぞれの手法を説明したが、例えば形状変化が大きい部位はモンテカルロシミュレーションで、それ以外の形状変化が小さい部位は解析的手法を使うなどの両方を組み合わせた方法も可能である。このように、模擬ＳＥＭ画像を作成するには様々な手法があり、模擬ＳＥＭ画像が作れるならばどのような手法を用いてもよい。すなわち、試料上の各位置で、試料から放出され、検出器に到達する２次粒子の個数をシミュレートし、模擬ＳＥＭ画像を作成できるのであれば、任意の手法を用いてよい。データ数は、作成する模擬ＳＥＭ画像の枚数である。データ数は入力ボックス１５０６に直接記載してもよいし、選択ボックス１５０７で画像処理システム１００が推奨するデータ数を自動で設定させてもよい。
【0050】
すべてを設定した後に、Ｃｈｅｃｋボタン１５０８を押すと、これまでに設定した内容で、模擬画像をピックアップして作成し、計測したい場所の形状変化とＳＥＭ画像の階調値変化の関係である感度を評価する。その後、Ｅｘｅｃｕｔｅボタン１５０９を押すと、設定した条件で模擬ＳＥＭ画像の作成が始まる。Ｃａｎｃｅｌボタンを押すと、模擬ＳＥＭ画像の作成を行わずに、本ＧＵＩ画面が閉じる。
【0051】
図１６は、図１５のＧＵＩ画面を用いて模擬ＳＥＭ画像を作成するフローチャートの１例を示す。まず、校正用データ１５０１、模擬ＳＥＭ画像を作成する形状１５０３、模擬ＳＥＭ画像を作成する手法１５０５、データ数１５０６、１５０７を入力する（Ｓ１６０１）。これらを入力した後に、Ｃｈｅｃｋボタン１５０８を押すと、設定した内容をもとに、一部の形状の模擬ＳＥＭ画像をピックアップして作成する。ピックアップする条件は、特に評価したい形状の変化が大きい点を自動で選択する。ピックアップするデータ数は、図１５において設定したデータ数の１／１０程度がよいが、それより多くても少なくてもよい。そして、ピックアップされた模擬ＳＥＭ画像で、形状の変化に対する模擬ＳＥＭ画像の感度を確認する（Ｓ１６０２）。具体的には、形状が変化したときの該当形状周りの画像の変化量（例えば階調値の変化量）を評価する。例えば、形状の変化に対して階調値の変化が小さい場合には感度が小さく、階調値の変化から形状変化を読み出しにくい。一方、形状の変化に対して階調値の変化が大きい場合は感度が大きく、階調値の変化から形状変化を読み出しやすい。しかし、感度が大きすぎると、少しの階調値変化で大きく形状変化してしまうので、感度が高すぎるのも問題である。この感度評価の結果をユーザが直接確認できるように、ピックアップした模擬ＳＥＭ画像を表示してもよいし、形状の変化と階調値の変化の関係をグラフで表示してもよい。これらに必要十分な感度が見られた場合は、Ｅｘｅｃｕｔｅボタン１５０９を押して、設定した条件で模擬ＳＥＭ画像を作成する（Ｓ１６０３）。感度がない場合や、期待ほど得られない場合は、パラメータ入力に戻り、入力パラメータを修正して、再度感度確認を行う。感度が十分であるか否かは、ユーザが目視確認してもよいし、演算装置１０２が画像の変化量と判断閾値を比較するなどによって自動的に判断してもよい。
【0052】
図１７は、図１５のＧＵＩ画面を用いて模擬ＳＥＭ画像を作成するフローチャートの別例を示す。パラメータを入力（Ｓ１７０１）、感度を確認（Ｓ１７０２）、模擬ＳＥＭ画像を作成（Ｓ１７０３）は、それぞれ該当する図１６のステップと同じである。Ｓ１７０２において、十分な感度がないと判定された場合に、あらかじめ複数の校正用データが保存されていたのであれば、それら全部、あるいは一部、または、ユーザが指定した校正用データで、十分な感度があるか評価をする（Ｓ１７０４）。ここで、他の校正用データとは、異なる検出器や同じ検出器でも照射エネルギーや加速電圧などの光学条件が異なる条件において校正用パターンで取得したＳＥＭ画像を意味する。最初に設定した校正用データよりも高い感度の校正用データがあるか否かをユーザに通知する。その結果をもとにユーザは校正用データを変更するか否かを判断する。
【0053】
図１８Ａ～図１８Ｂは、模擬ＳＥＭ画像を作成する形状を設定するＧＵＩ画面の１例を示す。測長ＳＥＭや欠陥レビューＳＥＭによって３次元形状を推定することが求められる代表的な例としては、現像後のレジストパターンや異物があげられる。現像後のレジストパターンは、レジストパターンをハードマスクとして下層をエッチングにより加工するので、レジストパターンの出来がエッチングの加工精度に大きく影響する。評価するレジストパターンの１つの例は、ライン形状のパターンである。
【0054】
図１８Ａは、模擬ＳＥＭ画像を作成するためのラインパターンの形状を設定するＧＵＩ画面の１例である。選択ボックス１８０１でラインパターンを選択し、詳細設定ボタン１８０２を押すと図１８ＢのＧＵＩ画面が開く。ラインパターンの場合、高さ、幅、長さ、テーパ角、トップ部およびボトム部の丸みが形状パラメータとなる。図では、これらの各々の形状パラメータに対して、上限と下限を設定するようになっている。上限と下限ではなく、基準値と基準値からの変化量あるいは変化率で入力するようにしてもよい。ここで、計測対象が半導体パターンの場合は、プロセス変動によって起こりうる形状の変化をなるべく広くカバーするように形状パラメータを設定することが好ましい。図１８ＢのＧＵＩ画面には記載されていないが、ラインパターンと下層の材質も入力できるようにしてもよい。さらに、模擬ＳＥＭ画像は、１次元のラインパターンに加えて、途中で折れ曲がったり、分岐したりした２次元のパターンで作成してもよい。これらの形状パラメータは、選択ボックス１８０１で選ばれた形状に依存し、例えば、異物を選んだ場合は、形状パラメータは高さ、幅、テーパ角となる。
【0055】
このように、ラインパターンや異物などの標準的な形状の場合は設定すべき形状パラメータが既知であるので、画像処理システム１００内にあらかじめ登録されている。しかしユーザが計測したいパターンはこれらだけでなく、複雑な形状を持つパターンも含まれる。したがって、既登録とは異なる複雑で新しい形状に対して高さマップを算出する場合は、その形状をユーザが作成して指定する必要がある。
【0056】
図１９Ａ～図１９Ｄは、３次元計測が必要とされる計測対象のパターンの１例として、ＦｉｎＦＥＴ（Ｆｉｎ Ｆｉｅｌｄ－Ｅｆｆｅｃｔ Ｔｒａｎｓｉｓｔｏｒ）を示す。ＦｉｎＦＥＴは電界効果トランジスタの１種であり、ゲートがチャネルを包むように位置した構造を形成しており、速いスイッチング時間と高い電流密度を持つことを特徴としている。ＦｉｎＦＥＴを上方から見た形状が図１９Ａである。横方向にチャネル１９０２が３本、縦方向にゲート１９０１が３本ある。図１９Ｂは、これらの交差部を斜め上方から見た図である。チャネル１９０２を覆うようにゲート１９０１が作成されている。計測ターゲットはチャネルおよびゲートの幅と高さが代表としてあげられるが、特にチャネルに関しては、デバイス特性に大きく影響するので、テーパ角やトップ部の丸みも計測対象として含まれる。さらに、ユーザによっては、これら各々の数値だけでなく、３次元形状そのものを知りたいニーズがある。これらの変動範囲を指定し、様々な組み合わせで複数の形状を作成し、対応する模擬ＳＥＭ画像を作成し、模擬ＳＥＭ画像と対応する形状の組み合わせを学習させることにより、このような形状に対しても、取得したＳＥＭ画像から高さマップを推定することが可能となる。図１９Ｃは画像の上側に検出器が配置された時のＳＥＭ画像の例、図１９Ｄは画像の左側に検出器が配置された時のＳＥＭ画像の例である。検出器の反対側に陰影１９０３、１９０４が観察される。図には表記していないが、パターン上の検出器側にはホワイトバンドが観察される。
【0057】
図２０Ａ～図２０Ｂは、登録されていない新規の形状を指定するＧＵＩ画面の１例を示す。図１９はそのような新規形状の１例である。図２０Ａの選択ボックス２００１でＣｕｓｔｏｍｉｚｅを選択し、詳細設定ボタン２００２を押すと図２０ＢのＧＵＩ画面が開く。図２０ＢのＧＵＩ画面ではデータをインポート、あるいはＣＡＤ Ｅｄｉｔｏｒを選択できるようになっている。データをインポートする場合、以前に作成したＣＡＤデータを読み出すことができる。インポートするＣＡＤデータはボタン２００３を押して選択される。ＣＡＤ Ｅｄｉｔｏｒを選び、Ｃｒｅａｔｅボタン２００４を押すと、ＣＡＤ Ｅｄｉｔｏｒが開く。ＣＡＤ Ｅｄｉｔｏｒは一般的なＣＡＤと同等の構成となり、ＣＡＤ上でサンプル構造を描くことができ、各部位ごとに材料を指定することができる。さらに、変化させるサイズも、例えば図１８Ｂのように指定することにより、図１８Ｂと同様に変化幅を指定した形状の設定が可能となる。
【0058】
図２１は、学習器１０３が学習する内容を指示するためのＧＵＩ画面の１例を示す。模擬ＳＥＭ画像が作成されると、演算装置１０２は、模擬ＳＥＭ画像とこれに対応する形状データとの間の関係を学習する。ボタン２１０２を押すとファイルダイアログが開き、図１５から図２０を用いて作成した模擬画像と対応する形状データのセットが読み出され、表示器２１０１に表示される。選択ボックス２１０３は入力データを選択できるようになっている。例えば、学習の際に入力データは模擬ＳＥＭ画像、出力データは高さマップとなるが、その入力データの模擬ＳＥＭ画像を選ぶことができる。通常は高さマップ推定に使用するＳＥＭ画像を取得する全検出器（走査電子顕微鏡３００の場合は下方検出器３１２、３１３）の模擬ＳＥＭを入力データとするが、例えば、１次元のラインパターンの場合は、ライン方向の長手方向に設置されている検出器では陰影が見られないために高さマップ演算時の精度低下の原因となりうる。この場合、ラインに垂直に配置されている検出器の模擬ＳＥＭ画像のみを学習に使用する。また、複数検出器の模擬ＳＥＭ画像のみではなく、これらを合成した模擬ＳＥＭ画像や輪郭を強調した模擬ＳＥＭ画像、Ｓｈａｐｅ Ｆｒｏｍ Ｓｈａｄｉｎｇで求めた高さマップ等を入力データに追加することも可能であり、入力データをユーザが任意に設定できるようにする。学習アルゴリズムも選択ボックス２１０４で選択が可能である。ここでは一般的なＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：畳み込みニューラルネットワーク）が指定されているが、他の手法（例えばＳｅｇＮｅｔやＵ－Ｎｅｔ等）も指定可能である。学習アルゴリズムは画像処理システム１００の製作者が追加可能である。最後に、学習の深さを選択ボックス２１０５でユーザが指定可能である。深いと学習時間が短いものの学習の精度が低いが、深いと学習精度が高くなるものの、学習時間は増大する。
【0059】
図２２は、学習器１０３の構成例を示す図である。ここではニューラルネットワークを用いて学習器１０３を構成した例を説明する。学習器１０３は、入力層として、各検出器で取得したＳＥＭ画像を入力するための入力ユニットを備えている。ニューラルネットワークは、入力層に入力された情報が、中間層＝＞出力層へと順に伝搬されることにより、出力層から高さマップを出力する。中間層は、複数の中間ユニットから構成されている。入力層に入力された情報は、各入力ユニットと各中間ユニットとの間の結合係数によって重みづけされ、各中間ユニットに入力される。中間ユニットに対する入力が加算されることによりその中間ユニットの値となる。中間ユニットの値は入出力関数によって非線形変換される。中間ユニットの出力は、各中間ユニットと各出力ユニットとの間の結合係数によって重み付けされ、各出力ユニットに対して入力される。出力ユニットに対する入力が加算されることにより出力層の出力値となる。学習を進めることにより、ユニット間の結合係数や、各ユニットの入出力関数を記述する係数などのパラメータ（定数、係数など）が、次第に最適化される。記憶装置１０１は、ニューラルネットワークの学習結果として、それらの最適化した値を記憶することができる。
【0060】
図２３は、図２１～図２２で学習した結果を用いて、実ＳＥＭ画像から高さマップを出力するように学習器１０３に対して指示するＧＵＩ画面の１例を示す。ボタン２３０２を押すことでファイルダイアログが開き、学習結果を選択すると、表示器２３０１にその名前が表示される。高さマップを推定したい実ＳＥＭ画像をボタン２３０４で開いたファイルダイアログやフォルダダイアログから選択する。選択したファイルの画像名やフォルダ名が表示器２３０３に表示される。Ｅｘｅｃｕｔｅボタンを押すと、学習結果の入力データとして実ＳＥＭ画像が学習器１０３に対して入力される。出力装置１０４は、学習器１０３が推定した高さマップを出力する。
【0061】
図２４は、推定した高さマップを表示するＧＵＩ画面の１例を示す。入力した実ＳＥＭ画像と推定した高さマップ、さらに、高さマップから計測した結果（図では高さ）が表示される。また、高さマップ上には、高さマップから計測値を算出した位置を表す印を表示させてもよい。例えば、図では高さを計測しており、パターン部と平坦部に×印２４０３が表示され、これらの高低差を高さとして結果を表示している。例えば、高さ算出の場合に、高い部分と低い部分のそれぞれに対応する領域で計測範囲を指定して平均値を算出し、それぞれで得られた平均値の差分を高さとして算出可能である。この場合は、高さ算出に用いた領域を色で塗って表示してもよい。もちろん、パターン部は点で指定し、平坦部は領域で指定しても良い。また、パターンのテーパ角を計測した場合は、該当するパターンのエッジ部分を色で表示し、あるいは太く表示してもよく、各々の計測対象に合わせて、高さマップに計測場所を表示する。高さマップからどの形状値を読み出すかはボタン２４０１を押して指定し、指定した内容に基づいて表の右側に計測結果の列が追加削除される。Ａｕｔｏ Ｍｅａｓｕｒｅボタン２４０２を押すと、各高さマップから、ボタン２４０１で指定した形状値を自動で計測する。あるいは、測定したい計測値のセルを選択した後にＡｕｔｏ Ｍｅａｓｕｒｅボタン２４０２を押して、そのセルのみ再計測させても良い。Ｓａｖｅボタンを押したときに、本ＧＵＩ画面の内容が保存されるが、高さ計測結果などをテキストデータとして別に保存してもよい。
【0062】
図２５は、図２４のボタン２４０１を押したときに開くＧＵＩ画面の１例を示す。ここでは、測定位置として、高さ、幅、長さ、テーパ角、面積、体積が指定可能である。チェックボックスにチェックを入れることにより、高さマップをもとに何を計測するか指定することができる。
【0063】
図２６は、図２４の形状番号「１」のＨｅｉｇｈｔのセル（５０．５ｎｍ）をクリックしたときに開くＧＵＩ画面の１例を示す。本ＧＵＩ画面では、測定結果を実際の高さマップを見ながら修正することを可能としている。領域２６０１には、上方から見た時の高さマップが表示されている。高さはカラーマップ２６０２で視覚的に分かるようにされ、カラーマップはカラーでもグレイレベルでもよい。領域２６０１には横方向の破線２６０３と縦方向の破線２６０４が表記されている。これらの破線に沿った高さマップをＧＵＩ画面の右側に１次元で表記する。例えば、破線２６０３上の高さは２６０５、破線２６０４上の高さは２６０６に表記され、推定した高さマップを詳細に確認することができる。なお、これらの破線はマウスで選んで移動させることが可能となっている。Ｍｅａｓｕｒｅｍｅｎｔの領域のＰｏｉｎｔ１ボタン２６０７を押し、領域２６０１内のある位置、または、２６０５、２６０６のプロファイル上の点を押す。次に、Ｐｏｉｎｔ２ボタン２６０８を押して、領域２６０１内のある位置、または、２６０５、２６０６のプロファイル上の点を押すと、Ｐｏｉｎｔ１とＰｏｉｎｔ２の高さの差が算出され、表示器２６１０に表示される。Ｐｏｉｎｔ１ボタン２６０７を押した後に領域２６０１内の選んだ位置をバツ印２６１３、Ｐｏｉｎｔ２ボタン２６０８を押した後に領域２６０１内の選んだ位置を別のバツ印２６１４でそれぞれ表示することによって、Ｐｏｉｎｔ１、Ｐｏｉｎｔ２としてどの位置を選んだかユーザが目視で確認できるようにしてもよい。ここでは、領域２６０１内で選んだので、バツ印は領域２６０１内にのみ表示されているが、２つのバツ印を区別するために、色や太さを変えてもよい。また、図２４と同様に計測する領域を色付けや斜線等で目視できるように表示してもよい。ここで、Ａｐｐｌｙボタン２６１１を押すと、図２４の該当セルに反映される。Ｃａｎｃｅｌボタン２６１２を押したときは何もせずにＧＵＩ画面を閉じる。
【0064】
高さマップを算出した時に、高さマップ全体が傾きを持つ場合がある。この場合、図２６のＧＵＩには記載していないが、ＡＦＭと同様にベースライン補正機能を設けて、高さ計測前に高さマップ全体の傾きを補正してもよい。
【0065】
＜実施の形態１：まとめ＞
本実施形態１に係る画像処理システム１００は、校正用パターンのＳＥＭ画像を記憶装置に記憶し、演算装置で検出アクセプタンスを算出して複数の形状で模擬ＳＥＭ画像を作成し、模擬ＳＥＭ画像と対応する形状データを学習器で学習し、高さマップを推定したいパターンの実ＳＥＭ画像を学習結果に入力することにより、ＳＥＭ画像の高さマップを推定できる。
本実施形態１に係る画像処理システム１００は、校正用パターンのＳＥＭ画像を記憶装置に記憶し、演算装置で検出アクセプタンスを算出して複数の形状で模擬ＳＥＭ画像を作成し、模擬ＳＥＭ画像と対応する形状データを学習器で学習し、高さマップを推定したいパターンの実ＳＥＭ画像を学習結果に入力することにより、ＳＥＭ画像の高さマップを推定できる。
【0066】
＜実施の形態２＞
本開示の実施形態２では、走査電子顕微鏡３００の別構成例を説明する。画像処理システム１００の構成は実施形態１と同様である。実施形態１に記載され本実施形態２に未記載の事項は、特段の事情がない限り本実施形態２にも適用できる。
本開示の実施形態２では、走査電子顕微鏡３００の別構成例を説明する。画像処理システム１００の構成は実施形態１と同様である。実施形態１に記載され本実施形態２に未記載の事項は、特段の事情がない限り本実施形態２にも適用できる。
【0067】
図２７は、本実施形態２における走査電子顕微鏡３００の１例を示す図である。検出器以外の構成要素は全て図３と同じ構造を有している。図３と同様に、電子ビーム３０１を試料３１５に照射すると、２次粒子２７０１、２７０２（２次電子と反射電子）が放出される。これらの２次粒子は、その軌道上に設置された環状の下段検出器２７０３と上段検出器２７０４によって検出される。両検出器の中心に設けられた開口は、電子ビーム３０１を通過させるものである。特に、上段検出器２７０４の開口を十分小さくすることにより、試料３１５上に形成された深孔や深溝の底から放出され、パターン中心近傍を通過して試料表面上に脱出した２次粒子２７０２を検出することができる。下段検出器２７０３は、上段検出器２７０４よりも横方向に放出された２次粒子２７０１を検出することができ、より表面の形状の変化に鋭敏なＳＥＭ画像が得られる。下段検出器２７０３の直前にあるエネルギーフィルタ２７０５、あるいは上段検出器２７０４の直前にあるエネルギーフィルタ２７０６を用いたエネルギーフィルタリングにより、放出電子をエネルギー弁別することができる。エネルギーフィルタは、一般的に２次粒子が通過できるようにグリッド状の電極で形成され、電圧を印加可能である。エネルギーフィルタに印加した電圧よりも高いエネルギーの２次粒子は、エネルギーフィルタを通過することができ、検出器に到達する。エネルギーフィルタに印加した電圧よりも低いエネルギーの２次粒子は、エネルギーフィルタを通過することができないので、検出器に到達できない。したがって、エネルギーフィルタに印加する電圧を制御することによって、検出する２次粒子の成分をフィルタリングする効果が得られる。
【0068】
下段検出器２７０３と上段検出器２７０４は、円周方向に分割して、それぞれが独立した検出器として取り扱うことが可能である。例えば、４個に分割すると、図３で下方検出器を４個置いた場合と同様の方位性を持ったＳＥＭ画像が得られる。下段検出器２７０３、上段検出器２７０４ともに分割することが可能であり、それぞれの分割数を増やすことにより、より高い方位性を持ったＳＥＭ画像が得られることが期待される。分割数は、下段検出器２７０３と上段検出器の２７０４で変えてもよいし、円周方向の分割位置（位相）を変えてもよい。
【0069】
図２８Ａ～図２８Ｃは、図２７の下段検出器２７０３と上段検出器２７０４を円周方向に４分割したときの検出アクセプタンスとＳＥＭ画像の１例を示す。検出器の分割は、紙面左右方向、および紙面垂直方向とした。紙面左側に分割された上下検出器の検出アクセプタンスの１例を図２８Ａに示す。領域２８０１が上段検出器２７０４、領域２８０２が下段検出器２７０３で２次粒子が検出される角度成分である。ドットパターンに対し、上段検出器２７０４で得られるＳＥＭ画像を図２８Ｂ、下段検出器２７０３で得られるＳＥＭ画像を図２８Ｃに示す。ホワイトバンド２８０３、２８０５は下段検出器画像（図２８Ｃ）に較べて上段検出器（図２８Ｂ）は狭く弱く、陰影２８０４、２８０６は上段検出器（図２８Ｂ）に較べて下段検出器画像（図２８Ｃ）では長く観察される特徴がある。このように１つの形状に対し、異なる検出アクセプタンスのＳＥＭ画像を多く得ることにより高さ変化に対する感度が向上し、高さマップの推定精度が向上する。
【0070】
図２９は、本実施形態２における走査電子顕微鏡３００を用いた場合の、校正用パターンの形状データおよびＳＥＭ画像を登録するＧＵＩ画面の１例を示す。ＧＵＩ画面の全体構成は、図３の走査電子顕微鏡向けの図１０のＧＵＩ画面と同じであり、設定方法も同じである。選択ボックス２９０１に検出器のレイヤー数を入力する。ここでは、上段検出器２７０４と下段検出器２７０３の２層で構成されているので、「２」が選択されている。次に、レイヤーあたりの検出器個数を選択ボックス２９０２で選択する。図では、左右に分割した検出器を想定して「２」を選択している。これらの設定に従って、下側の登録ＳＥＭ画像が、レイヤー１とレイヤー２のそれぞれで２個ずつ登録されている。本ＧＵＩ画面は、レイヤーあたりの検出器個数が、全レイヤーで同数となるように選択ボックスが作成されているが、各々のレイヤーで個数を選択するようにＧＵＩ画面を変更してもよい。
【0071】
＜実施の形態３＞
実施形態１では、演算装置１０２で作成した様々な形状と、前記形状に対応する模擬ＳＥＭ画像の組からなるデータを教師データとした。しかし、模擬ＳＥＭ画像を作成する際の、シミュレーションや解析的手法の精度が十分でない場合は、実測結果との乖離が生じる。さらに、検出アクセプタンスを校正用パターンのＳＥＭ画像から推測しているので、実際の装置の検出アクセプタンスから誤差が生じる可能性がある。このような課題を解決するための方法として、データ同化があげられる。データ同化は、シミュレーションでの誤差を実測結果によって修正する手法である。本開示の実施形態３では、データ同化を用いる例を説明する。画像処理システム１００の構成は実施形態１と同様である。実施形態１～２に記載され本実施形態３に未記載の事項は、特段の事情がない限り、本実施形態３にも適用できる。
実施形態１では、演算装置１０２で作成した様々な形状と、前記形状に対応する模擬ＳＥＭ画像の組からなるデータを教師データとした。しかし、模擬ＳＥＭ画像を作成する際の、シミュレーションや解析的手法の精度が十分でない場合は、実測結果との乖離が生じる。さらに、検出アクセプタンスを校正用パターンのＳＥＭ画像から推測しているので、実際の装置の検出アクセプタンスから誤差が生じる可能性がある。このような課題を解決するための方法として、データ同化があげられる。データ同化は、シミュレーションでの誤差を実測結果によって修正する手法である。本開示の実施形態３では、データ同化を用いる例を説明する。画像処理システム１００の構成は実施形態１と同様である。実施形態１～２に記載され本実施形態３に未記載の事項は、特段の事情がない限り、本実施形態３にも適用できる。
【0072】
図３０Ａは、本実施形態３において画像処理システム１００が実施するデータ同化のフローチャートの１例を示す。まず、走査電子顕微鏡を用いて、高さマップを推定するＳＥＭ画像を取得する（Ｓ３００１Ａ）。次に、ＳＥＭ画像を取得した位置で、ＡＦＭ、断面ＳＥＭ、チルトＳＥＭなどを用いてリファレンス計測を実施する（Ｓ３００２Ａ）。このとき、ＳＥＭ画像全体をカバーする領域の高さマップを取得してもよいが、特徴的な一部の形状パラメータ（サイズ）のみを計測してもよい。演算装置１０２は、リファレンス計測した結果をもとに、形状データを作成し、模擬ＳＥＭ画像を作成する（Ｓ３００３Ａ）。演算装置１０２は、Ｓ３００１Ａで取得した実ＳＥＭ画像と、Ｓ３００３Ａで作成した模擬ＳＥＭ画像を比較し、模擬ＳＥＭを実ＳＥＭ画像に合わせる補正係数を算出する（Ｓ３００４Ａ）。補正係数は、階調値の調整や画像のノイズの加減があげられるが、他の補正を含めてもよい。補正係数の精度を高めるために、なるべくサイズの異なる形状で、複数枚のＳＥＭ画像を取得し、リファレンス計測を実施することが好ましい。次に、計測対象の様々な形状で、前記補正を加えた模擬ＳＥＭ画像を作成して、形状との関係を学習する（Ｓ３００５Ａ）。最後に、高さマップ算出対象の実ＳＥＭ画像（Ｓ３００１Ａとは異なる）を学習結果に入力して高さマップを出力する（Ｓ３００６Ａ）。
【0073】
図３０Ａは、模擬ＳＥＭ画像を、実際のＳＥＭ画像に近づけるように補正係数を算出するので、演算装置１０２が生成した様々な模擬ＳＥＭ画像を学習器１０３が学習する際においても、その模擬ＳＥＭ画像に対して補正係数を適用することにより得られる画像と、模擬ＳＥＭ画像を生成する元形状パターンとの間の関係を学習することになる。換言すると学習器１０３は、実ＳＥＭ画像に近い学習結果を蓄積することになる。したがって学習器１０３から推定結果を得る際には、計測対象のＳＥＭ画像をそのまま学習器１０３へ投入すればよい。学習器１０３は実ＳＥＭ画像に近い画像群を学習済だからである。
【0074】
図３０Ｂは、本実施形態３において画像処理システム１００が実施するデータ同化のフローチャートの別例を示す。図３０Ａのフローチャートでは、模擬ＳＥＭを実ＳＥＭに合うように補正係数を算出して、補正した模擬ＳＥＭ画像を用いて学習し、実ＳＥＭ画像を学習結果に入力することで高さマップ算出精度を向上した。図３０Ｂは、反対に、実ＳＥＭ画像を模擬ＳＥＭ画像に合うように補正係数を算出する。
【0075】
まず、走査電子顕微鏡を用いて、高さマップを推定するＳＥＭ画像を取得する（Ｓ３００１Ｂ）。次に、ＳＥＭ画像を取得した位置で、ＡＦＭ、断面ＳＥＭ、チルトＳＥＭなどを用いてリファレンス計測を実施する（Ｓ３００２Ｂ）。このとき、ＳＥＭ画像全体をカバーする領域の高さマップを取得してもよいが、特徴的な一部の形状パラメータ（サイズ）のみを計測してもよい。演算装置１０２は、リファレンス計測した結果をもとに、形状データを作成し、模擬ＳＥＭ画像を作成する（Ｓ３００３Ｂ）。演算装置１０２は、Ｓ３００１Ｂで取得した実ＳＥＭ画像と、Ｓ３００３Ｂで作成した模擬ＳＥＭ画像を比較し、実ＳＥＭを模擬ＳＥＭ画像に合わせる補正係数を算出する（Ｓ３００４Ｂ）。補正係数は、階調値の調整や画像のノイズの加減があげられるが、他の補正を含めてもよい。補正係数の精度を高めるために、なるべくサイズの異なる形状で、複数枚のＳＥＭ画像を取得し、リファレンス計測を実施することが好ましい。次に、計測対象の様々な形状で模擬ＳＥＭ画像を作成して、形状との関係を学習する（Ｓ３００５Ｂ）。最後に、高さマップ算出対象の実ＳＥＭ画像に前記補正を加えたＳＥＭ画像を学習結果に入力して高さマップを出力する（Ｓ３００６Ｂ）。
【0076】
図３０Ｂは、実際のＳＥＭ画像を模擬ＳＥＭ画像へ近づけるように補正係数を算出するので、学習する内容は模擬ＳＥＭ画像と模擬ＳＥＭ画像を生成する元形状パターンとの間の関係となる。その後、学習器１０３から推定結果を得る際には、計測対象のＳＥＭ画像に対して補正係数を適用することにより模擬ＳＥＭ画像へ近づけた補正後画像を取得し、その補正後画像を学習器１０３へ投入すればよい。
【0077】
シミュレーションと実測との間に誤差が生まれる別の要因として、複数検出器間の検出特性の差が上げられる。複数検出器は光軸に対して対称に配置されているので、検出器に到達する２次粒子数（信号量）は同じであり、得られるＳＥＭ画像の階調値も同じとなるはずである。しかし、検出器からＳＥＭ画像を作成するまでには電気回路を通して信号処理がなされるが、その際に用いられるＡ／Ｄ（Ａｎａｌｏｇ－Ｄｉｇｉｔａｌ）変換素子などの個体差や、同じ構成の装置でも組み立て誤差等に起因した機差があり、各検出器で同じはずのＳＥＭ画像の階調値が異なる場合が多い。そこで、全ての検出器で、同じ信号量のときに同じ階調値となるように、補正する必要がある。
【0078】
図３１は、データ同化の別のフローチャートの１例を示す。まず、平坦な試料で、照射電流量を変えて複数検出器のＳＥＭ画像を取得する（Ｓ３１０１）。次に、照射電流量とＳＥＭ画像の階調値との間の関係が一致するように、検出器ごとに補正式を算出する（Ｓ３１０２）。様々な形状で作成した模擬ＳＥＭ画像を用いて学習データを作成する（Ｓ３１０３）。この際に模擬ＳＥＭ画像に補正式を適用しても良い。最後に、補正式を適用した実ＳＥＭ画像を学習結果に入力して高さマップを出力する（Ｓ３１０４）。このようにして、複数検出器間の差や装置間差を低減することにより、学習結果がロバストになる。
【0079】
図３２は、実ＳＥＭ画像を学習結果に入力して高さマップを算出した後に、学習結果と実測の誤差を補正するフローチャートの１例を示す。まず、走査電子顕微鏡を用いて、高さマップを推定するＳＥＭ画像を取得する（Ｓ３２０１）。次に、ＳＥＭ画像を取得した位置で、ＡＦＭ、断面ＳＥＭ、チルトＳＥＭなどを用いてリファレンス計測を実施する（Ｓ３２０２）。このとき、ＳＥＭ画像全体をカバーする領域の高さマップを取得してもよいが、特徴的な一部の形状パラメータ（サイズ）のみを計測してもよい。その後、Ｓ３２０１で用いたＳＥＭ画像を、あらかじめ学習した結果に入力して高さマップを出力する（Ｓ３２０３）。Ｓ３２０２で算出した実測値と、Ｓ３２０３で出力した高さマップを比較して、２つの関係式を算出する（Ｓ３２０４）。関係式の精度を高めるために、なるべくサイズの異なる形状で、複数枚のＳＥＭ画像を取得し、リファレンス計測を実施することが好ましい。推定したいＳＥＭ画像を学習結果に入力して高さマップを出力し（Ｓ３２０５）、得られた高さマップをＳ３２０４で求めた関係式で補正することにより、シミュレーションの誤差を補正した高さマップが得られる。このように、図３２のフローチャートを用いることにより、シミュレーションによる形状変化に対する感度は維持しつつ、実測データにより絶対値が校正することができ、高い精度で高さマップを求めることが可能となる。
【0080】
図３０Ｂでは、模擬ＳＥＭ画像に合うような補正を実ＳＥＭ画像に加えてから学習器１０３に対して入力している（Ｓ３００６Ｂ）。この場合、補正係数がうまく算出されていない場合に実測との誤差を拡大する可能性があるので、本フローチャートのように、後で関係式を用いて実測値に近づける方が高さ精度が得られる可能性が高い。また、複数台の装置で本画像処理システムを使う場合、各装置で学習結果を作成するよりも、学習結果は共通化した方がコストが低下する。各々の装置で実測値と高さマップを比較して各装置固有の関係式を算出し活用することにより、機差マッチングが可能となる。この場合、リファレンス計測は共通結果を使用できるので、事前に各装置で同じ場所のＳＥＭ画像を取得しておくことで装置間の差を確認することが可能となる。
【0081】
本実施形態３では、高さマップ算出時の誤差を低減するために、図３０Ａ、図３０Ｂ、図３１、図３２の４つの手法を示したが、これらを個別に実施してもよいし、これらを組み合わせて実施してもよい。例えば試料上の位置ごとにそれぞれ異なるフローチャートを用いることができる。
【0082】
＜実施の形態４＞
一般的に、機械学習では学習時に使用するデータセットは多い方が学習結果の精度が向上する可能性があると言われている。しかし、実際には学習に使用できるデータセット数は限られる。このように限られたデータセットにおいても有効に学習を進めるために、データ拡張（Ｄａｔａ Ａｕｇｍｅｎｔａｔｉｏｎ）が行われる。データ拡張は元の学習データに変換を加えてデータ量を増やす技法で、画像処理分野における畳み込みニューラルネットワークのトレーニングに効果を発揮することが知られている。画像の変換手法としては、ノイズ増幅、ノイズ除去、コントラスト調整、トリミング、反転（左右/上下）や回転、シフト（水平/垂直）拡大縮小等が一般的に使われている。そこで本開示の実施形態４では、データ拡張の１例として、回転とトリミングについて説明する。画像処理システム１００の構成は実施形態１と同様である。実施形態１～３に記載され本実施形態４に未記載の事項は、特段の事情がない限り本実施形態４にも適用できる。
一般的に、機械学習では学習時に使用するデータセットは多い方が学習結果の精度が向上する可能性があると言われている。しかし、実際には学習に使用できるデータセット数は限られる。このように限られたデータセットにおいても有効に学習を進めるために、データ拡張（Ｄａｔａ Ａｕｇｍｅｎｔａｔｉｏｎ）が行われる。データ拡張は元の学習データに変換を加えてデータ量を増やす技法で、画像処理分野における畳み込みニューラルネットワークのトレーニングに効果を発揮することが知られている。画像の変換手法としては、ノイズ増幅、ノイズ除去、コントラスト調整、トリミング、反転（左右/上下）や回転、シフト（水平/垂直）拡大縮小等が一般的に使われている。そこで本開示の実施形態４では、データ拡張の１例として、回転とトリミングについて説明する。画像処理システム１００の構成は実施形態１と同様である。実施形態１～３に記載され本実施形態４に未記載の事項は、特段の事情がない限り本実施形態４にも適用できる。
【0083】
図３３Ａ～図３３Ｂは、パターン３３０１を４方向検出器３３０２、３３０３、３３０４、３３０５で観察するときの試料と検出器の配置の関係を示す。パターン３３０１は文字「Ａ」である。検出器３３０２では、パターン３３０１の下側に陰影が生じ、他も同様に検出器の反対側に陰影が見られる。パターンと検出器を時計回りに９０°回した時、図３３Ａの検出器３３０２で得られる画像は、図３３Ｂの新しい配置の検出器３３０８と読み直される。同様に、３３０３は３３０９、３３０４は３３１０、３３０５は３３０７に読み直される。これを４回繰り返すと元の配置に戻る。したがって、４方向検出器では、一組のデータセットを４倍に増やすことが可能となる。
【0084】
図３３Ｃは、トリミングの１例を示す。トリミングは、ＳＥＭ画像のサイズ３３１１よりも小さなサイズ３３１２を、ＳＥＭ画像内のランダムな位置で切り出すことにより、一枚の画像から多数の画像を作成することが可能である。学習は元の画像サイズよりも小さなサイズとなるので、実ＳＥＭ画像から高さマップを算出するとき、複数の小さなサイズの領域の高さマップが出力される。
【0085】
図３３Ｄは、複数の小さなサイズの領域の高さマップ３３１４を重ね合わせて、１つの大きな高さマップ３３１３を作成する１例を示す。このとき、各高さマップをタイル状に並べると、境界での高さが不連続となる課題がある。そこで、端の一部３３１５を重ね合わせて平均を取る、あるいは端からの比率で混合することにより、境界部を滑らかにすることができる。このようにトリミングを使うと、一枚の画像から多数の画像を作成することが可能であり、学習に使用するデータセットを大幅に増やすことが可能となる。トリミングを使うと、どのようなサイズのＳＥＭ画像においても、画像サイズを合わせずに高さマップを作成することが可能となる。
【0086】
本実施形態４ではデータ拡張の例として、回転とトリミングを説明したが、他のデータ拡張の手法を用いてデータ数を増加させてもよい。
【0087】
＜実施の形態５＞
走査電子顕微鏡を用いてＳＥＭ画像を取得したとき、一般に、画像を取得した条件が記載された付帯ファイルがＳＥＭ画像とともに保存される。付帯ファイルには、大きく分けて、装置自体に関する項目、光学条件に関する項目、画像取得条件に関する項目が記載されている。装置自体に関する項目としては、例えば、装置メーカ名、装置型番があげられる。光学条件に関する項目としては、例えば、照射エネルギー、照射電流量、装置内の電極電圧、集束レンズの電流量があげられる。これらの条件は光学モードとしてまとめた情報としても保存可能である。最後に、画像取得条件に関する項目としては、例えば、画像取得した検出器の名前、倍率、フレーム数、ＳＥＭ画像のピクセル数、ＳＥＭ画像の階調値補正方法があげられる。本開示の実施形態５では、形状パターンと画像との間の関係に加えて、これらと付帯情報との間の関係を併せて学習する例を説明する。実施形態１から実施形態４に記載され本実施形態に未記載の事項は、特段の事情がない限り本実施形態にも適用できる。
走査電子顕微鏡を用いてＳＥＭ画像を取得したとき、一般に、画像を取得した条件が記載された付帯ファイルがＳＥＭ画像とともに保存される。付帯ファイルには、大きく分けて、装置自体に関する項目、光学条件に関する項目、画像取得条件に関する項目が記載されている。装置自体に関する項目としては、例えば、装置メーカ名、装置型番があげられる。光学条件に関する項目としては、例えば、照射エネルギー、照射電流量、装置内の電極電圧、集束レンズの電流量があげられる。これらの条件は光学モードとしてまとめた情報としても保存可能である。最後に、画像取得条件に関する項目としては、例えば、画像取得した検出器の名前、倍率、フレーム数、ＳＥＭ画像のピクセル数、ＳＥＭ画像の階調値補正方法があげられる。本開示の実施形態５では、形状パターンと画像との間の関係に加えて、これらと付帯情報との間の関係を併せて学習する例を説明する。実施形態１から実施形態４に記載され本実施形態に未記載の事項は、特段の事情がない限り本実施形態にも適用できる。
【0088】
図３４は、実施形態５に係る画像処理システム１００の構成図である。図１と同様に、画像処理システム１００は、記憶装置１０１、演算装置１０２、学習器１０３、出力装置１０４、入力装置２００を備える。図１と異なる点は、記憶装置１０１に校正用パターンのＳＥＭ画像１０５だけでなく、ＳＥＭ画像の付帯情報３４０１を保存することである。さらに、学習器１０３に対して推定対象のＳＥＭ画像１０６だけでなく、ＳＥＭ画像の付帯情報３４０２を学習器１０３に入力する。このように、付帯情報を入れることで、例えば、学習時と学習結果をもとに推定する時で、ＳＥＭ画像を取得した光学条件や検出器名が異なる場合にエラーを出してユーザに知らせることができる。また、ＳＥＭ画像取得時の設定パラメータが異なるときに補正を加えることができる。
【0089】
照射電流量、倍率、フレーム数はＳＥＭ画像のノイズに影響する。学習時に用いた模擬ＳＥＭ画像のノイズ量と、高さマップを推定するＳＥＭ画像のノイズ量が異なると、高さマップ推定時の誤差となる。また、ＳＥＭ画像の階調値補正は、例えばＳＥＭ画像が２５６階調のグレースケールで表示される場合、検出信号量を０から２５５階調値に直線的に対応させてＳＥＭ画像を形成し、あるいは例えば、ガンマ補正のように信号量の少ないところまたは信号量の多いところが強調されるように比重をかけてＳＥＭ画像が形成される。または、ある特定の階調値の範囲に収まるようにする、信号量の上位何％と下位何％が特定の階調値範囲に入るように調整する、などの場合がある。本開示の技術はＳＥＭ画像の階調値情報を使って高さマップを推定するので、ＳＥＭ画像の階調値補正手法は重要な情報となる。
【0090】
上記では、高さマップを推定するＳＥＭ画像１０６を学習器１０３に入れるときにＳＥＭ画像を補正することを述べたが、補正用にあらかじめ取得したＳＥＭ画像１０６や付帯情報３４０２を用いて、例えば、画像ノイズ量や階調値補正方法の情報を読み出して、演算装置１０２が模擬ＳＥＭ像を作成するときの作成条件として用いてもよい。
【0091】
＜実施の形態６＞
検出アクセプタンスは走査電子顕微鏡装置の固有の情報であり、一般にユーザには開示されていないので、ユーザは検出アクセプタンスを直接知ることができない。したがって、ユーザが自ら模擬ＳＥＭ画像を作成し、走査電子顕微鏡を用いて取得したＳＥＭ画像を再現するためには、検出アクセプタンスを暗中模索で調べることが必要となる。実施形態１では、校正用パターンのＳＥＭ画像を記憶装置１０１に保存し、演算装置１０２で演算することによって検出アクセプタンスを推定し、模擬ＳＥＭ画像を作成する。すなわち、ユーザが自ら検出アクセプタンスを探索する必要がない。
検出アクセプタンスは走査電子顕微鏡装置の固有の情報であり、一般にユーザには開示されていないので、ユーザは検出アクセプタンスを直接知ることができない。したがって、ユーザが自ら模擬ＳＥＭ画像を作成し、走査電子顕微鏡を用いて取得したＳＥＭ画像を再現するためには、検出アクセプタンスを暗中模索で調べることが必要となる。実施形態１では、校正用パターンのＳＥＭ画像を記憶装置１０１に保存し、演算装置１０２で演算することによって検出アクセプタンスを推定し、模擬ＳＥＭ画像を作成する。すなわち、ユーザが自ら検出アクセプタンスを探索する必要がない。
【0092】
しかし、装置メーカは検出アクセプタンスの情報を持っているので、校正用パターンのＳＥＭ画像から検出アクセプタンスを推定する必要がない。検出アクセプタンスを推定するステップが入っていると、誤差の要因となるので、検出アクセプタンスを直接入力できる方が精度向上が高くなる可能性が高い。そこで本開示の実施形態６では、校正用パターンのＳＥＭ画像１０５に代えて検出アクセプタンスを記述したデータを用いる例を説明する。実施形態１から実施形態５に記載され本実施形態に未記載の事項は、特段の事情がない限り本実施形態にも適用できる。
【0093】
図３５は、本実施形態６に係る画像処理システム１００の構成図である。図１と同様に、画像処理システム１００は、記憶装置１０１、演算装置１０２、学習器１０３、出力装置１０４、入力装置２００を備える。図１と異なる点は、記憶装置１０１に校正用パターンのＳＥＭ画像１０５の代わりに検出アクセプタンス３５０１を入力する点である。
【0094】
図３６は、本実施形態６に係る画像処理システム１００が高さマップを推定する手順を説明するフローチャートである。検出アクセプタンス３５０１を記憶装置１０１に入力し（Ｓ３６０１）、模擬ＳＥＭ画像を作成する形状を指定し（Ｓ３６０２）、様々な形状で模擬ＳＥＭ画像を作成し、形状との関係を学習し（Ｓ３６０３）、走査電子顕微鏡で推定対象のＳＥＭ画像（１０６）を取得し（Ｓ３６０４）、Ｓ３６０４で取得したＳＥＭ画像をＳ３４０３で学習した結果に入力して高さマップを出力する（Ｓ３６０５）。
【0095】
図３７は、検出アクセプタンスをテキストファイルで入力する１例を示す。上方に、検出器の個数、照射エネルギー、２次粒子の種類（２次電子あるいは反射電子）、エネルギーステップ、仰角ステップ、方位角ステップを指定する。下側に、各エネルギー、仰角、方位角での各検出器の検出割合を記載している。間のエネルギーや角度での検出割合は、内挿して求める。図３７には記載していないが、装置メーカ名や型番、光学モード名、電極電圧等の情報をテキストファイル中に記載してもよい。
【0096】
図３７では検出アクセプタンスをテキスト形式で入力したが、ＧＵＩ上で設定しても良い。図３８Ａ～図３８Ｂは、検出アクセプタンスを入力するＧＵＩ画面の１例を示す。選択ボックス３８０１で設定したい検出器の番号を選択し、選択ボックス３８０２と３８０３で縦軸と横軸を指定する。ここでは、縦軸は仰角、横軸は方位角としている。これらの設定を行うと、ＧＵＩ画面の中央にグラフが記載される。グラフのセルをクリックすると黒または白に変化する。黒い領域３８０５が検出される領域となる。しかし、すべてのセルをクリックすることが大変な場合は、ボタン３８０４を押すことで簡易設定ができるようになっている。ボタン３８０４を押したときに開くＧＵＩ画面の１例を図３８Ｂに示す。ここでは、エネルギー、仰角、方位角の範囲を入力してＡｐｐｌｙボタンを押すと、図３８Ａの黒い領域（検出される範囲）に反映される。
【0097】
このように、検出アクセプタンスの情報を入手した場合、校正用パターンのＳＥＭ画像の代わりに直接記憶装置１０１に保存することにより、実施形態１から実施形態５と同じように実ＳＥＭ画像から高さマップを出力することが可能となる。
【0098】
＜実施の形態７＞
本開示の実施形態７では、校正用パターンのＳＥＭ画像１０５に代えて、検出器の形状を記述したデータを用いる例を説明する。実施形態１から実施形態６に記載され本実施形態に未記載の事項は、特段の事情がない限り本実施形態にも適用できる。
本開示の実施形態７では、校正用パターンのＳＥＭ画像１０５に代えて、検出器の形状を記述したデータを用いる例を説明する。実施形態１から実施形態６に記載され本実施形態に未記載の事項は、特段の事情がない限り本実施形態にも適用できる。
【0099】
図３９は、本実施形態７に係る画像処理システム１００の構成図である。図１や図３５と同様に、画像処理システム１００は、記憶装置１０１、演算装置１０２、学習器１０３、出力装置１０４、入力装置２００を備える。図１、図３３と異なる点は、記憶装置１０１に校正用パターンのＳＥＭ画像１０５や検出アクセプタンス３５０１の代わりに装置形状データ３９０１を入力する点である。
【0100】
図４０は、実施形態７に係る装置形状データの１例を示す。電子ビーム４００１は上方から試料４００２に照射される。図４０では、検出器は環状の検出器を想定しており、ここでは左検出器４００３と右検出器４００４に分割されている。本構成における装置形状データは、検出器４００３、４００４と試料４００２の距離、検出器の内径と外径、分割位置となる。これらの装置形状データ３９０１を記憶装置１０１に保存すると、演算装置１０２は装置形状データ３９０１にしたがって検出アクセプタンスを計算する。検出アクセプタンスの計算は、幾何学的に検出する２次粒子の角度を計算してもよいし、既存の電磁界シミュレータを用いて計算してもよい、図４０には、試料４００２と検出器４００３、４００４のみ装置形状データとして入力しているが、対物レンズや電極などの他の光学系素子も追加できるようにしてもよい。
【0101】
このように、校正用パターンのＳＥＭ画像や検出アクセプタンスではなく、装置構成を記憶装置１０１に保存することにより、実施形態１から実施形態６と同じように実ＳＥＭ画像から高さマップを出力することが可能となる。
【0102】
＜本開示の変形例について＞
本開示は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施形態は本開示を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることも可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
本開示は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施形態は本開示を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることも可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
【0103】
実施形態６において、検出アクセプタンス３５０１を記憶装置１０１に格納することを説明したが、検出アクセプタンス３５０１は例えばユーザがＧＵＩなどのインターフェースを介して指定することもできる。同様に実施形態７において、装置形状データ３９０１はユーザがインターフェースを介して指定することもできる。
【0104】
以上の実施形態において、学習器１０３は、試料の高さ、幅、長さ、テーパ角、丸み、領域の広さ、容積、などの３次元形状と、試料のＳＥＭ画像との間の関係を学習することができる。試料の形状に応じて、その他適当な３次元形状を学習してもよい。
【0105】
以上の実施形態において、演算装置１０２は、その機能を実装した回路デバイスなどのハードウェアによって構成することもできるし、汎用のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などの演算装置が各フローチャートの内容を実装したソフトウェアを実行することにより構成することもできる。
【0106】
学習器１０３は、学習結果を記述したデータを記憶装置１０１に格納しておき、学習器１０３に対する入力値を学習器１０３の内部構造にしたがって学習結果データに対して適用することにより、構成することができる。学習器１０３が学習や推定を実施するために用いるアルゴリズムは、演算装置１０２が実行することもできるし、学習器１０３のために別の演算装置を設けることもできる。
【0107】
以上の実施形態においては、荷電粒子線装置の１つである走査電子顕微鏡を例として説明したが、例えばイオン顕微鏡などの他の荷電粒子線装置においても本開示は適用可能である。
【符号の説明】
【0108】
１００…画像処理システム
１０１…記憶装置
１０２…演算装置
１０３…学習器
１０４…出力装置
１０５…校正用パターンのＳＥＭ画像
１０６…推定対象のＳＥＭ画像
２００…入力装置
３０１…電子ビーム
３０２…電子銃
３０３…集束レンズ
３０４…絞り
３０５…集束レンズ
３０６…ブランキング偏向器
３０７…ブランキング用電極
３０８…絞り
３０９…上方検出器
３１０…上走査偏向器
３１１…下走査偏向器
３１２、３１３…下方検出器
３１４…対物レンズ
３１５…試料
３１６…試料ステージ
３１７、３１８、３１９…２次粒子
３２０…制御装置
３２１…記録装置
１０１…記憶装置
１０２…演算装置
１０３…学習器
１０４…出力装置
１０５…校正用パターンのＳＥＭ画像
１０６…推定対象のＳＥＭ画像
２００…入力装置
３０１…電子ビーム
３０２…電子銃
３０３…集束レンズ
３０４…絞り
３０５…集束レンズ
３０６…ブランキング偏向器
３０７…ブランキング用電極
３０８…絞り
３０９…上方検出器
３１０…上走査偏向器
３１１…下走査偏向器
３１２、３１３…下方検出器
３１４…対物レンズ
３１５…試料
３１６…試料ステージ
３１７、３１８、３１９…２次粒子
３２０…制御装置
３２１…記録装置
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図4C】
【図4D】
【図4E】
【図5A】
【図5B】
【図5C】
【図5D】
【図6A】
【図6B】
【図7A】
【図7B】
【図7C】
【図7D】
【図8A】
【図8B】
【図8C】
【図8D】
【図8E】
【図8F】
【図9A】
【図9B】
【図9C】
【図9D】
【図10】
【図11】
【図12】
【図13A】
【図13B】
【図14】
【図15】
【図16】
【図17】
【図18A】
【図18B】
【図19A】
【図19B】
【図19C】
【図19D】
【図20A】
【図20B】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28A】
【図28B】
【図28C】
【図29】
【図30A】
【図30B】
【図31】
【図32】
【図33A】
【図33B】
【図33C】
【図33D】
【図34】
【図35】
【図36】
【図37】
【図38A】
【図38B】
【図39】
【図40】