[发明专利]图像中特征计量的参数估计

说明书

本文中公开用于计量的参数估计的方法和设备。实例方法至少包含：基于图像中特征的一个或多个模型使用参数估计网络来优化参数集以拟合所述特征，所述参数集限定所述一个或多个模型；和基于优化后的参数集提供所述图像中所述特征的计量数据。

技术领域

本发明大体上涉及人工智能(AI)启用计量，并且具体地说涉及用于带电粒子显微术图像上的AI增强型计量。

背景技术

在工业和研究的许多领域，对产品/工艺开发、质量控制、医疗评估等进行小结构的分析和测量。可使用各种类型的检测工具进行这类分析和测量，这有可能包含形成一个或多个所关注结构的图像。举例来说，在半导体工业中，带电粒子显微镜用于在纳米级上使电路结构成像，这通常成为分析和测量任务的基础。在此实例中，对图像本身进行测量以理解缺陷和工艺控制的可能性。然而，这类分析和测量需要高度熟练的操作员来确定测量的位置和用于进行测量的关键特征。这通常可使用创建工作程序来完成，一旦识别和定位关键特征，就可运行所述工作程序。

然而，通过熟练的操作员对关键特征的这种识别和定位可为繁重的并且缺乏稳健性。另外，由于工作程序不能自己定位和/或识别关键特征，因此成像条件或制造工艺的较小改变可能需要手动重新调整工作程序。由于成像和/或制造的改变而不断地重新处理工作程序的这类要求使得完全自动化不可靠和/或不可达。在许多情况下，操作员需要筛选出误报以确保分析的准确性。为了提高生产率和降低成本，在所有工业中都期望去除与工艺的持续人为交互。另外，期望对结构，尤其是经历形状和一致性的改变的小结构进行更稳健的自动分析和测量的需求。

附图说明

本专利或申请文件含有至少一幅彩色附图。具有一幅或多幅彩色附图的此专利或专利申请公开的复本将在请求和支付必需费用之后由专利局提供。

图1是根据本公开的实施例的带电粒子显微镜系统的实例。

图2包含TEM图像中的特征的若干实例图示。

图3是根据本文中所公开的实施例的参数估计网络(PEN)的实例流程图。

图4是展示根据本公开的实施例的由基于模型的图像所示的模型参数的改变的图像序列。

图5是展示根据本公开的实施例的对特征的计量的实例图像。

图6是根据本公开的实施例的计算系统的实例功能性框图。

在附图的多个视图中，相同的附图标记指代对应的部件。

具体实施方式

本发明的实施例涉及AI增强型计量。在一些实例中，AI优化模型参数以将模型拟合到所关注特征，接着从优化后的模型参数获得所需计量数据。在一些实例中，模型参数的优化通过接收特征的图像和基于初始参数所生成的特征的模型图像的回归卷积神经网络递归地进行，接着通过回归卷积神经网络的递归应用优化所述图像和所述模型图像。优化后的参数接着限定几乎精确匹配图像中的特征的模型特征，且其提供所需计量数据。然而，应理解，本文中所描述的方法通常适用于各种不同的AI增强型计量，并且不应认为是限制性的。

除非上下文另外明确规定，否则如本申请中和权利要求书中所使用，单数形式“一(a/an)”和“所述”包含复数形式。另外，术语“包含”意味着“包括”。另外，术语“耦合”不排除耦合项之间存在中间元件。另外，在以下论述中和权利要求书中，术语“包含”和“包括”以开放式的方式使用，并且因此应该解释为意味着“包含但不限于……”。术语“集成电路”是指在微芯片的表面上图案化的一组电子组件和其互连(统称为内部电气电路元件)。术语“半导体装置”一般是指集成电路(IC)，其可与半导体晶片成一体式、与晶片分隔开，或封装在电路板上使用。术语“FIB”或“聚焦离子束”在本文中用于指任何准直离子束，包含由离子光学器件聚焦的光束和成形离子束。