带电粒子检测中的图像增强制造技术

公开了一种用于生成去噪检查图像的改进的系统和方法

【技术实现步骤摘要】
【国外来华专利技术】带电粒子检测中的图像增强
[0001]相关申请的交叉引用
[0002]本申请要求于
2021
年4月
28
日提交的美国申请
63/181
，
225
的优先权，其全部内容通过引用并入本文
。


[0003]本文提供的实施例涉及图像增强技术，更具体地涉及用于带电粒子束检查图像的级联去噪机制
。

技术介绍

[0004]在集成电路
(IC)
的制造过程中，检查未完成或完成的电路部件以确保其根据设计制造且无缺陷
。
可采用利用光学显微镜或带电粒子
(
例如，电子
)
束显微镜
(
例如，扫描电子显微镜
(SEM))
的检查系统
。
随着
IC
部件的物理尺寸持续缩小，缺陷检测的准确性和成品率变得更加重要
。
在缺陷检测过程中，诸如
SEM
图像的检查图像可用于标识或分类所制造的
IC
的
(
多个
)
缺陷
。
为了改善缺陷检测性能，期望获得无噪声的干净
SEM
图像
。

技术实现思路

[0005]本文提供的实施例公开了一种粒子束检查装置，更具体地，公开了一种使用多个带电粒子束的检查装置
。
[0006]在一些实施例中，提供了一种用于生成去噪检查图像的方法
。
该方法包括获取检查图像；通过对检查图像执行第一类型去噪算法生成第一去噪图像；以及通过对第一去噪图像执行第二类型去噪算法来生成第二去噪图像
。
[0007]在一些实施例中，提供了一种用于生成去噪检查图像的装置
。
装置包括：存储指令集的存储器；以及至少一个处理器，其被配置为执行指令集以使设备执行：获取检查图像；通过对检查图像执行第一类去噪算法生成第一去噪图像；以及通过对第一去噪图像执行第二类型去噪算法来生成第二去噪图像
。
[0008]在一些实施例中，提供了一种存储指令集的非暂态计算机可读介质，该指令集可由计算设备的至少一个处理器执行以使计算设备执行用于生成去噪检查图像的方法
。
该方法包括：获取检查图像；通过对检测图像执行第一类型去噪算法生成第一去噪图像；以及通过对第一去噪图像执行第二类型去噪算法来生成第二去噪图像
。
[0009]在一些实施例中，提供了一种用于训练去噪模型的方法
。
该方法包括：获取图案的训练图像和图案的参考图像；通过对参考图像执行基于非
ML
的去噪算法来生成去噪参考图像；以及基于去噪参考图像来训练去噪模型以预测训练图像的去噪图像
。
[0010]在一些实施例中，提供了一种用于训练去噪模型的装置
。
装置包括：存储指令集的存储器；以及至少一个处理器，其被配置为执行指令集以使设备执行：获取图案的训练图像和图案的参考图像；通过对参考图像执行基于非
ML
的去噪算法来生成去噪参考图像；以及基于去噪参考图像训练去噪模型以预测训练图像的去噪图像
。
[0011]在一些实施例中，提供了一种存储指令集的非暂态计算机可读介质，该指令集可由计算设备的至少一个处理器执行以使计算设备执行用于训练去噪模型的方法
。
该方法包括：获取图案的训练图像和图案的参考图像；通过对参考图像执行基于非
ML
的去噪算法来生成去噪参考图像；以及基于去噪参考图像来训练去噪模型以预测训练图像的去噪图像
。
[0012]从以下结合附图的描述中，本公开的实施例的其他优点将变得显而易见，在附图中通过图示和示例的方式阐述了本专利技术的某些实施例
。
附图说明
[0013]通过结合附图对示例性实施例的描述，本公开的上述和其他方面将变得更加明显
。
[0014]图1是示出根据本公开的实施例的示例带电粒子束检查系统的示意图
。
[0015]图2是示出根据本公开的实施例的可以是图1的示例带电粒子束检查系统的一部分的示例多射束工具的示意图
。
[0016]图3是根据本公开的实施例的用于检查图像去噪的示例训练系统的框图
。
[0017]图
4A
示出了根据本公开的实施例的示例检查图像
。
[0018]图
4B
示出了根据本公开的实施例的示例参考图像
。
[0019]图
4C
示出了根据本公开的实施例的示例去噪参考图像
。
[0020]图
4D
示出了根据本公开的实施例的用参考图像训练的去噪模型的示例输出图像
。
[0021]图
4E
示出了根据本公开的实施例的用去噪参考图像训练的去噪模型的示例输出图像
。
[0022]图5示出了根据本公开的实施例的示例降噪系统的框图
。
[0023]图
6A
示出了根据本公开的实施例的在第一降噪器之后的示例第一去噪图像
。
[0024]图
6B
示出了根据本公开的实施例的在第二降噪器之后的示例第二去噪图像
。
[0025]图7是表示根据本公开的实施例的用于训练去噪模型的示例性方法的过程流程图
。
[0026]图8是表示根据本公开的实施例的用于对检查图像进行去噪的示例性方法的过程流程图
。
具体实施方式
[0027]以下现在将详细参考示例性实施例，其示例在附图中示出
。
以下描述参考附图，其中不同附图中的相同数字表示相同或类似的元件，除非另有说明
。
在示例性实施例的以下描述中阐述的实现不代表所有实现
。
相反，它们仅仅是与如所附权利要求中所述的与所公开的实施例相关的方面一致的装置和方法的示例
。
例如，尽管在利用电子束的上下文中描述了一些实施例，但是本公开不限于此
。
可以类似地应用其它类型的带电粒子束
。
此外，可以使用其它成像系统，例如光学成像，光探测，
x
射线探测等
。
[0028]电子器件由在称为基板的半导体材料片上形成的电路构成
。
半导体材料可以包括例如硅，砷化镓，磷化铟或硅锗等
。
许多电路可以一起形成在同一硅片上，并且被称为集成电路或
IC。
这些电路的尺寸已经显著减小，使得它们中的许多可以装配在基板上
。
例如，智能电话中的
IC
芯片可以小到拇指甲，并且还可以包括超过
20
亿个晶体管，每个晶体管的尺...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种用于生成去噪检查图像的方法，包括
:
获取检查图像；通过对所述检查图像执行第一类型去噪算法来生成第一去噪图像；和通过对所述第一去噪图像执行第二类型去噪算法来生成第二去噪图像
。2.
根据权利要求1所述的方法，其中所述第一类型去噪算法是基于机器学习
ML
的去噪算法
。3.
根据权利要求1所述的方法，其中，所述第二类型去噪算法是基于非
ML
的去噪算法
。4.
一种用于生成去噪检查图像的装置，所述装置包括
:
存储指令集的存储器；以及至少一个处理器，被配置为执行所述指令集以使得所述装置执行
:
获取检查图像；通过对所述检查图像执行第一类型去噪算法来生成第一去噪图像；以及通过对所述第一去噪图像执行第二类型去噪算法来生成第二去噪图像
。5.
根据权利要求4所述的装置，其中，在生成所述第二去噪图像时，所述至少一个处理器被配置为执行所述指令集，以使得所述装置还执行
:
通过对所述第一去噪图像多次执行所述第二类型去噪算法来生成所述第二去噪图像
。6.
根据权利要求4所述的装置，其中所述第一类型去噪算法是基于机器学习
ML
的去噪算法
。7.
根据权利要求4所述的装置，其中所述第二类型去噪算法是基于非
ML
的去噪算法
。8.
根据权利要求4所述的装置，其中所述至少一个处理器被配置为执行所述指令集以使所述装置还执行
:
获取图案的训练图像和所述图案的参考图像；通过对所述参考图像执行基于非
ML
的去噪算法来生成去噪参考图像；以及基于所述去噪参考图像来训练第一类型去噪算法，以预测所述训练图像的去噪图像
。9.
根据权利要求8所述的装置，其中在生成所述去噪参考图像时，所述至少一个处理器被配置为执行所述指令集以使得所述装置还执...

【专利技术属性】
技术研发人员：雷海容，方伟，
申请(专利权)人：ASML，
类型：发明
国别省市：