1 |
1
검사 대상에 대해 광학 수단을 통해 복수의 서로 다른 초점 위치의 실제 영상들 및 각 실제 영상의 초점에서 벗어난 정도(거리)를 획득하는 단계;상기 실제 영상들 및 각 실제 영상의 초점에서 벗어난 정도를 근거로 상기 실제 영상과 초점 위치를 달리하는 복수의 가상 영상 및 그 초점 위치를 획득하는 단계; 및상기 실제 영상과 상기 가상 영상을 이용하여 상기 검사 대상에 대한 TSOM 이미지를 얻는 단계를 포함하며,상기 복수의 가상 영상 및 상기 복수의 가상 영상 각각의 초점 위치를 획득하기 위해, FMM(Fourier Modal Method)을 이용하여 광학계를 해석하고, 상기 광학계 해석을 통해 얻은 상기 광학계의 설정(특성)을 이용하여 실제 영상들과 초점 위치가 같은 복수의 가상 영상을 획득하여 상기 실제 영상들과 비교하며,상기 비교를 바탕으로 상기 광학계의 보다 적합한 해석과 상기 적합한 해석에 대한 변환식(변환 프로그램)을 얻고, 상기 변환식을 통해 상기 실제 영상들과 초점 위치가 다른 상기 복수의 가상 영상 및 상기 복수의 가상 영상 각각의 초점 위치를 획득하는 과정이 이루어지는 것을 특징으로 하는 TSOM 이미지 획득 방법
|
2 |
2
제 1 항에 있어서,상기 복수의 가상 영상 및 그 초점 위치를 획득하는 단계에서는,복수의 서로 다른 초점 위치에 대한 상기 실제 영상들을 얻고, 상기 초점 위치 및 상기 실제 영상에 대한 정보(자료)를 근거로 한 보간법을 이용하여 상기 실제 영상과 초점 위치를 달리하는 복수의 가상 영상 및 그 초점 위치를 획득하는 과정이 이루어지는 것을 특징으로 하는 TSOM 이미지 획득 방법
|
3 |
3
제 2 항에 있어서,상기 보간법을 이용하여 얻는 상기 가상 영상은 초점이 맞는 거리를 중심으로 하여 초점 위치가 가우스 분포를 이룬다고 상정하고, 상기 가상 영상에 대한 초점 위치를 선택할 때에 초점이 맞는 초점 위치 근처의 초점 위치에 대해서는 조밀하게 하고, 초점에서 벗어난 초점 위치에 대해서는 적게 배치하는 가중 배치 방식을 취하는 것을 특징으로 하는 TSOM 이미지 획득 방법
|
4 |
4
제 1 항에 있어서,상기 실제 영상들은 상기 검사 대상에 대한 초점이 맞는 영상과, 실제 초점 거리에 비해 렌즈로부터 촬상면까지의 거리가 더 짧은 초점이 맞지 않는 영상, 및 실제 초점 거리에 비해 렌즈로부터 촬상면까지의 거리가 더 긴 초점이 맞지 않는 영상을 포함하는 3개의 영상으로 이루어지는 것을 특징으로 하는 TSOM 이미지 획득 방법
|
5 |
5
삭제
|
6 |
6
제 1 항에 있어서,상기 FMM을 통한 광학계 해석을 위해, 상기 실제 영상을 얻기 위해 검사 대상에 조사하는 광원은 단일 파장을 가진 평면 광원을 사용하는 것을 특징으로 하는 TSOM 이미지 획득 방법
|
7 |
7
적어도 하나의 검사 대상 항목(파라메터)과 상기 항목 내의 범주(클래스)를 알고 있는 복수의 반도체 장치 부분에 대한 이미지를 획득하여 상기 검사 대상 항목, 상기 범주 및 상기 이미지를 연관된 상태로 딥 러닝(deep learning)을 위한 검증자료 세트로서 저장 목록(데이터 베이스)에 저장하는 단계;컴퓨터 하드웨어와 소프트웨어를 결합한 형태로 검사를 위한 기본 상태의 기본 툴(TOOL)을 준비하고 상기 저장 목록의 복수의 이미지에 기반하여 상기 검사 대상 항목 가운데 적어도 하나에 대해 딥 러닝을 실시하여 각각의 이미지가 어느 범주에 드는지를 구분하되, 구분 결과가 상기 저장 목록에 의한 구분 결과와 비교할 때, 규정된 일정 기준을 만족할 때까지 딥 러닝을 실시하여, 규정에 만족된 상태로 적합화된 소프트웨어를 가지는 상태의 툴을 검사에 적합한 검사용 툴로서 결정하는 결정 단계; 및미지의 반도체 장치 부분에 대한 검사 대상 이미지를 획득하고 딥 러닝을 통해 결정된 상기 검사용 툴을 이용하여 상기 검사 대상 이미지가 어떤 검사 대상 항목에 대해 어떤 범주에 속하는지 알아내는 검사 단계를 포함하며,상기 적어도 하나의 검사 대상 항목(파라메터)과 상기 항목 내의 범주(클래스)를 알고 있는 복수의 반도체 장치 부분에 대한 이미지 및 상기 미지의 반도체 장치 부분에 대한 검사 대상 이미지는 쓰루-포커스 스캔 광학현미경(TSOM) 이미지이고,상기 적어도 하나의 검사 대상 항목(파라메터)과 상기 항목 내의 범주(클래스)를 알고 있는 복수의 반도체 장치 부분에 대한 TSOM 이미지 및 상기 미지의 반도체 장치 부분에 대한 검사 대상 TSOM 이미지는,상기 복수의 반도체 장치 부분 또는 상기 미지의 반도체 장치 부분에 대한 검사 대상에 대해 광학 수단을 통해 복수의 서로 다른 초점 위치의 실제 영상들 및 각 실제 영상의 초점에서 벗어난 정도(거리)를 획득하는 단계;상기 실제 영상들 및 각 실제 영상의 초점에서 벗어난 정도를 근거로 상기 실제 영상과 초점 위치를 달리하는 복수의 가상 영상 및 그 초점 위치를 획득하는 단계; 및상기 실제 영상과 상기 가상 영상을 이용하여 상기 적어도 하나의 검사 대상 항목(파라메터)과 상기 항목 내의 범주(클래스)를 알고 있는 복수의 반도체 장치 부분에 대한 TSOM 이미지 및 상기 미지의 반도체 장치 부분에 대한 검사 대상 TSOM 이미지를 얻는 단계를 포함하는 TSOM 이미지 획득 방법을 사용하여 획득되며,상기 복수의 가상 영상 및 상기 복수의 가상 영상 각각의 초점 위치를 획득하기 위해, FMM(Fourier Modal Method)을 이용하여 광학계를 해석하고, 상기 광학계 해석을 통해 얻은 상기 광학계의 설정(특성)을 이용하여 실제 영상들과 초점 위치가 같은 복수의 가상 영상을 획득하여 상기 실제 영상들과 비교하고, 상기 비교를 바탕으로 상기 광학계의 보다 적합한 해석과 상기 적합한 해석에 대한 변환식(변환 프로그램)을 얻고, 상기 변환식을 통해 상기 실제 영상들과 초점 위치가 다른 상기 복수의 가상 영상 및 상기 복수의 가상 영상 각각의 초점 위치를 획득하는 과정이 이루어지는 것을 특징으로 하는 반도체 장치 검사 방법
|
8 |
8
제 7 항에 있어서,상기 검사 단계에서는 상기 검사 대상 이미지가 검사 대상 항목의 어떤 범주에 속하는지가 단순 가부 결정방식이 아니고 검사 대상 항목의 모든 범주에 대한 확률 분포 방식으로 표현되고,상기 범주는 수치의 범위로 표현되며,상기 검사 대상 이미지의 상기 검사 대상 항목에 대한 수치 결정값은 각 범주의 대푯값과 각 범주에 포함될 확률을 곱한 것을 전부 더함으로써 결정되는 것을 특징으로 하는 반도체 장치 검사 방법
|
9 |
9
삭제
|
10 |
10
제 7 항에 있어서,상기 복수의 가상 영상 및 그 초점 위치를 획득하는 단계에서는,복수의 서로 다른 초점 위치에 대한 상기 실제 영상들을 얻고, 상기 초점 위치 및 상기 실제 영상에 대한 정보(자료)를 근거로 한 보간법을 이용하여 상기 실제 영상과 초점 위치를 달리하는 복수의 가상 영상 및 그 초점 위치를 획득하는 과정이 이루어지는 것을 특징으로 하는 반도체 장치 검사 방법
|
11 |
11
제 10 항에 있어서,상기 보간법을 이용하여 얻는 상기 가상 영상은 초점이 맞는 거리를 중심으로 하여 초점 위치가 가우스 분포를 이룬다고 상정하고, 상기 가상 영상에 대한 초점 위치를 선택할 때에 초점이 맞는 초점 위치 근처의 초점 위치에 대해서는 조밀하게 하고, 초점에서 벗어난 초점 위치에 대해서는 적게 배치하는 가중 배치 방식을 취하는 것을 특징으로 하는 반도체 장치 검사 방법
|
12 |
12
제 7 항에 있어서,상기 실제 영상들은 상기 복수의 반도체 장치 부분 또는 상기 미지의 반도체 장치 부분에 대한 검사 대상에 대한 초점이 맞는 영상과, 실제 초점 거리에 비해 렌즈로부터 촬상면까지의 거리가 더 짧은 초점이 맞지 않는 영상, 및 실제 초점 거리에 비해 렌즈로부터 촬상면까지의 거리가 더 긴 초점이 맞지 않는 영상을 포함하는 3개의 영상으로 이루어지는 것을 특징으로 하는 반도체 장치 검사 방법
|
13 |
13
삭제
|
14 |
14
제 7 항에 있어서,상기 FMM을 통한 광학계 해석을 위해, 상기 실제 영상을 얻기 위해 검사 대상에 조사하는 광원은 단일 파장을 가진 평면 광원을 사용하는 것을 특징으로 하는 반도체 장치 검사 방법
|
15 |
15
제 7 항에 있어서,상기 적어도 하나의 검사 대상 항목(파라메터)과 상기 항목 내의 범주(클래스)를 알고 있는 복수의 반도체 장치 부분에 대한 이미지 및 상기 미지의 반도체 장치 부분에 대한 검사 대상 이미지는,상기 적어도 하나의 검사 대상 항목(파라메터)과 상기 항목 내의 범주(클래스)를 알고 있는 복수의 반도체 장치 부분 또는 상기 미지의 반도체 장치 부분에 대한 검사 대상에 대한 초점이 맞는 영상과, 실제 초점 거리에 비해 렌즈로부터 촬상면까지의 거리가 더 짧은 초점이 맞지 않는 M개의 영상, 및 실제 초점 거리에 비해 렌즈로부터 촬상면까지의 거리가 더 긴 초점이 맞지 않는 N개의 영상을 포함하는 멀티 채널 이미지이고,상기 M과 N은 1 이상 4 이하의 임의의 정수인 것을 특징으로 하는 반도체 장치 검사 방법
|
16 |
16
제 15 항에 있어서,상기 M과 N은 동일한 것을 특징으로 하는 반도체 장치 검사 방법
|
17 |
17
제 16 항에 있어서,상기 M과 N은 1인 것을 특징으로 하는 반도체 장치 검사 방법
|
18 |
18
제 7 항에 있어서,상기 검사 대상 항목 가운데 적어도 하나에 대해 딥 러닝을 실시할 때에는 상기 기본 툴에 포함된 알고리즘(소프트웨어, 프로그램)을 통해 상기 검증자료 세트의 다수 이미지의 특징을 먼저 탐색하고, 상기 특징에 의해 상기 다수 이미지를 구분한 뒤 상기 저장 목록에 의한 구분 결과와 비교하고, 상기 일정 기준에 부합하면 현재 상태의 툴을 상기 검사용 툴로 결정하고, 상기 일정 기준에 부합하지 않으면 상기 알고리즘 수정을 통해 상기 기본 툴을 수정하면서 다시 새로운 특징을 탐색하는 과정을 상기 일정 기준을 만족할 때까지 반복하거나, 미리 정한 횟수를 만족할 때까지 반복하고, 반복한 현재 상태의 툴을 검사용 툴로 결정하는 것을 특징으로 하는 반도체 장치 검사 방법
|
19 |
19
제 7 항에 있어서,상기 결정 단계에서 상기 검사 대상 항목 가운데 복수 항목에 대한 검사용 툴을 결정할 때에는, 상기 기본 툴에 상기 복수 항목 가운데 하나에 대해 딥 러닝을 적용하여 개별 툴을 결정하되 상기 복수 항목 전체에 대한 복수의 개별 툴을 결정하고,상기 검사 단계에서는 상기 검사 대상 이미지에 대해서는 상기 복수의 개별 툴을 적용하여 상기 검사 대상 이미지가 상기 복수 항목을 이루는 각 항목마다 어떤 범주에 속하는지를 알아내는 것을 특징으로 하는 반도체 장치 검사 방법
|
20 |
20
제 7 항에 있어서,상기 검사 대상 항목은 반도체 장치의 홀(hole), 쓰루 실리콘 비아(TSV: Through Silicon Via), 그루브, 평면에서 돌출된 선형 패턴(LINE pattern) 각각의 상부 폭, 저면 폭, 깊이, 높이, 경사각 가운데 하나를 포함하며, 상기 범주는 상기 항목들이 속할 수 있는 수치 범위로 이루어지는 것을 특징으로 하는 반도체 장치 검사 방법
|