【技术实现步骤摘要】
【国外来华专利技术】高深宽比结构的分割或横截面
[0001]相关申请的交叉引用
[0002]本专利申请案主张
2021
年4月
21
日提交的德国专利申请案第
DE 102021 110 054.2
号的优先权,其全部内容在此是以引用方式并入本文供参考
。
[0003]本专利技术关于一种通过集成电路横截面成像的三维电路图案检查和测量技术
。
更具体地,本专利技术关于获得集成半导体样本之内通道或高深宽比
(HAR)
结构的
3D
体积图像的方法
、
以及关于对应计算机程序产品和对应半导体检查装置
。
该方法
、
计算机程序产品和装置可用于通过使用扫描带电粒子显微镜,对集成半导体样本内通道或
HAR
结构的形状或横截面
、
倾斜或轨迹,进行定量计量
、
缺陷检测
、
缺陷审查和检查
。
技术介绍
[0004]半导体结构是最精细的人造结构之一,仅存在极少数的不完美
。
这些罕见的不完美是缺陷检测
、
缺陷审查或定量计量装置正在寻找的特征
。
[0005]制造的半导体结构基于先前知识
。
例如,在逻辑类型样本中,金属线平行于金属层或高深宽比
(HAR)
结构,或金属通孔垂直于金属层
。
不同层中金属线之间的角度为0 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.
一种训练机器学习逻辑以分割高深宽比
HAR
结构中的柱横截面环的方法,该方法包含:提供多个柱的横截面图像;以两个交替标签对横截面图像中的环进行二进制注释;基于二进制注释的环训练第一机器学习逻辑;使用训练过的第一机器学习逻辑分割横截面图像或进一步横截面图像,以提供二进制分割图像;多级注释二进制分割图像中的分割环,以提供多级注释图像;以及基于该多级注释图像,训练第二机器学习逻辑作为用于分割环的机器学习逻辑
。2.
如权利要求1所述的方法,其中该第一机器学习逻辑包括随机森林模型
。3.
如权利要求1或2所述的方法,其中该第二机器学习逻辑包括神经网路
。4.
如权利要求1至3中任一项所述的方法,更包含基于校正的二进制分割图像,重新训练该第一机器学习逻辑
。5.
如权利要求4所述的方法,其中该多级注释于重新训练之后执行
。6.
如权利要求1至5中任一项所述的方法,其中训练该第二机器学习逻辑基于所述多级注释图像的第一部分,并且其中该方法更包含基于与该第一部分不同的所述多级注释图像的第二部分,测试已训练的第二机器学习逻辑
。7.
如权利要求1至6中任一项所述的方法,其中针对所述环中每一个的一部分执行该二进制注释
。8.
一种分析高深宽比
HAR
结构中柱横截面环的方法,该方法包含:提供柱的横截面图像;使用训练过的机器学习逻辑在该横截面中分割环;以及基于已分割环来确定所述环的参数,其中该机器学习逻辑为使用如权利要求1至7中任一项所述的方法训练的该第二机器学习逻辑
。9.
如权利要求8所述的方法,更包含基于该已分割环来识别所述环的轮廓,其中基于已识别的轮廓来确定所述参数
。10.
如权利要求8或9所述的方法,其中所述参数包括选自由环半径和环直径所构成的群组中的参数
。11.
如权利要求8至
10
中任一项所述的方法,更包含识别所述参数与额定值或预期值的偏差
。12.
权利要求8至
11
中任一项所述的方法,更包含:获得半导体...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。