轮廓线解析装置、加工尺寸提取系统、处理条件决定系统、半导体装置制造系统以及数据结构

技术领域

本发明涉及轮廓线解析装置、加工尺寸提取系统、处理条件决定系统、半导体装置制造系统以及数据结构。

背景技术

在半导体工艺中，通过在通过工艺开发得到的适当的处理条件下控制半导体处理装置，能够实施期望的半导体加工。近年来，新材料被导入半导体器件并且器件结构也复杂化，半导体处理装置的控制范围被扩大，追加了很多控制参数。工艺多步骤化，微细且复杂的加工得以实现。通过这样的半导体处理装置，生产高性能的器件。以下，工艺开发的目的是导出实现半导体试样的目标的加工形状的半导体处理装置的适当的处理条件。

为了充分地引出半导体处理装置的性能，大量的控制参数的最佳化是不可或缺的，其实现需要工艺开发的技巧、高的装置运用技能以及处理试验的大量试错。因此，工艺开发需要大规模的次数的SEM(Scanning Electron Microscopy，扫描电子显微镜)尺寸计测。例如，在作为处理对象而考虑了线与间隔(Line and Space，L/S)图案的样本的情况下，如果将每个线图案的CD(Critical Dimension，临界尺寸)、深度等尺寸设为10处，将计测的线图案数设为10个，则每一个试样需要100个计测。假设对100个试样进行了处理，则需要10000次的尺寸计测。若器件的结构进一步复杂化，则认为计测部位数会增加，因此伴随着计测时间的长期化的工艺开发的延迟成为课题。此外，这些尺寸随着结构的微细化而逐年缩小，可以认为难以利用人手进行提取。需要根据SEM图像不依赖于人手来高速且高精度地提取对象结构的尺寸的技术。关于这样的技术的专利的代表性的技术有以下技术。

在专利文献1中，使用形状模型生成虚拟的加工形状，使用SEM模拟制作加工形状和SEM信号波形的数据库。通过将在SEM中得到的实际的信号波形与数据库进行对比，确定信号波形接近的加工形状，作为观察中的加工形状进行推断。由此，能够进行SEM图像的轮廓线检测、对象结构的尺寸的提取。

在先技术文献

专利文献

专利文献1：日本特开2009-198339号公报

发明内容

发明所要解决的课题

半导体器件的微细化、3D化不断发展，另外，还提出了量子计算机等多种结构。由于认为今后难以进行基于人手的尺寸提取，因此，优选尽可能地避免手动操作，在短时间内自动地提取复杂且多种的形状的尺寸。专利文献1的技术在加工形状的推断中进行数据库对比，因此难以推断不在数据库中的形状。另一方面，为了识别复杂且多种的形状而构建庞大的数据库也不现实。

用于解决课题的手段

本发明的一实施方式的轮廓线解析装置是对根据通过使用了带电粒子束装置的计测装置取得到的半导体试样的图像数据检测出的对象结构的轮廓线数据进行解析的轮廓线解析装置，具有：拟合部，对轮廓线数据拟合形状模型，求出形状模型的形状模型参数：制约条件设定部，设定拟合部对轮廓线数据拟合形状模型时的形状模型参数的制约条件；以及形状模型数据库，存储拟合部在制约条件设定部所设定的制约条件下对轮廓线数据拟合形状模型而得到的形状模型的可能的形状模型参数值，形状模型是在由相互正交的x轴以及y轴定义的xy平面中，在作为一个以上的椭圆与一个以上的线段的组合的图形的周缘上，从起点至终点进行了一笔画的曲线，制约条件设定部具备：函数数据库，存储表示以形状模型中的奇异点为基准而确定的加工尺寸且将形状模型参数作为变量的加工尺寸函数；以及制约条件导出部，基于加工尺寸的定义域和加工尺寸函数，导出形状模型参数的制约条件。

发明效果

通过使用由一个以上的椭圆和一个以上的线段的组合构成的形状模型，能够对在半导体处理中可能产生的复杂的形状实施高精度的拟合。根据本说明书的描述以及附图，其他课题和新特征将变得清楚。

附图说明

图1是使用了椭圆和线段的形状模型。

图2A是带掩模图案试样。

图2B是表示对图2A的试样进行了蚀刻处理后的样态的图。

图2C是表示形状特征量的例子的图。

图3是实施例1的加工尺寸提取系统的结构例。

图4A是函数数据库的数据结构例。

图4B是形状模型的例子。

图5是形状模型的例子。

图6是实施例1中的加工尺寸提取流程图。

图7A是带掩模图案试样的例子。

图7B是前处理前的轮廓线数据的例子。

图7C是前处理后的轮廓线数据的例子。

图8A是表示单纯的形状模型中的拟合结果的图。

图8B是表示复杂的形状模型中的拟合结果的图。

图9是实施例2的加工尺寸提取系统的结构例。

图10是实施例2中的加工尺寸提取流程图。

图11是表示每个候选模型的拟合结果和损失函数的值的例子的图。

图12是实施例3的加工尺寸提取系统的结构例。

图13是实施例3中的加工尺寸提取流程图。

图14是用于说明手动计测部的手动计测的图。

图15是按照每个加工尺寸函数计算出的输出误差的例子。

图16是实施例4的处理条件决定系统的结构例。

图17是实施例4中的处理条件决定流程图。

图18是轮廓线检测装置以及轮廓线解析装置中的设定用GUI画面的例子。

图19是目标加工尺寸的计算方法设定用GUI画面的例子。

图20是半导体制造装置系统的结构例。

具体实施方式

以下，使用附图对本发明的实施方式进行说明。但是，本发明并不限定于以下所示的实施方式的记载内容来解释。在不脱离本发明的思想或者主旨的范围内，本领域技术人员能够容易地理解能够变更其具体结构。

在附图等中所示的各结构的位置、大小、形状、以及范围等，为了容易理解发明，有时不表示实际的位置、大小、形状、以及范围等。因此，本发明不限定于附图等所公开的位置、大小、形状、以及范围等。

以蚀刻处理为例进行说明。在通常蚀刻中，同时进行基于自由基的各向同性的蚀刻和基于离子辅助的各向异性的蚀刻。前者主要被蚀刻的部位容易成为曲线的形状，后者主要被蚀刻的部位容易成为直线的形状。在本实施例中，为了描述直线部和曲线部混合存在的形状，采用由椭圆和线段的组合构成的形状模型。通过将该形状模型与对象结构的轮廓线拟合，来推断形状模型的模型参数。以下，将该模型参数称为形状模型参数。通过将通过拟合得到的可能的形状模型参数值代入形状模型，能够得到高精度地描述对象结构的轮廓线的形状模型。根据该形状模型，能够解析地提取轮廓线的各种尺寸。

此外，尺寸提取的高速化有助于使用了机器学习的工艺开发的高速化。在使用了机器学习的工艺开发中，根据实验数据求出将处理条件设为说明变量X、将与加工形状有关的特征量(形状特征量)设为目的变量Y的回归等相关模型Y＝f(X)，根据相关模型推断赋予目标的形状特征量的处理条件。

图2A是作为半导体试样的典型的例子的带掩模图案试样，图2B表示对图2A的试样进行蚀刻处理后的样态。通过与掩模2000相比优先蚀刻被蚀刻膜2010，形成与掩模2000的平面形状相应的沟槽结构(对象结构)。在图2C中示出用于描述图2B的沟槽结构的形状的形状特征量的典型的例子。由于得到的加工形状复杂，因此可以考虑最大宽度Wx、深度D、底部的宽度Wb、上部的宽度Wt、中部的宽度Wm、锥角At、弯曲的角度Ab、底部的离心率Ecc等各种形状特征量。

实施例1

图1以及图3分别是表示实施例1中的形状模型以及加工尺寸提取系统的结构例的图。实施例1的尺寸提取系统从SEM图像等计测装置所取得的图像中使用形状模型来提取用户所希望的加工尺寸。提取的加工尺寸例如是图2C所例示的形状特征量。

如图1所示，在将在正交的x轴、y轴展开的xy平面上描绘的椭圆和线段组合而成的图形的周缘上，设置起点1000和终点1010，将在起点1000和终点1010之间通过一笔画来连结而得到的曲线设为形状模型1100。在图1中，示出了组合了三个椭圆和四个线段的线对称的形状模型，但椭圆、线段的数量只要分别为一个以上则可以是若干个，另外也可以是非线对称的模型。

将描述形状模型的模型参数称为形状模型参数。在形状模型参数中，包括如图1所例示那样的椭圆的中心点1200的坐标、长轴长1210、短轴长1220、长轴的斜率1230等椭圆的形状以及配置、线段的端点(1240、1250)的坐标等与线段的形状以及配置有关的第一参数、与一笔画的方式有关的第二参数(连接椭圆的内周或者连接外周等)。图1所示的第一参数是例示，只要能够唯一地定义图形，则并不限定于例示的参数。例如，如果是线段，则也能够通过起点坐标、线段的朝向、线段的长度这样的参数来定义。通过调整这些形状模型参数，能够描述各种形状。

接下来，使用图3对本实施例的加工尺寸提取系统进行说明。

计测装置3000是SEM等计测装置，取得试样的对象结构的信息作为图像数据。以下，对使用扫描电子显微镜(Scanning Electron Microscope)作为计测装置3000的情况进行说明，但计测装置3000不限定于SEM，包括利用使电子等入射至试样时发生的反射、透射、干扰等现象来取得试样的信息的计测装置。具体而言，可以为透射电子显微镜(Transmission Electron Microscope)、扫描透射电子显微镜(Scanning TransmissionElectron Microscope)。由计测装置3000取得的图像数据可以是通过这样的任意电子显微镜得到的图像数据。

轮廓线检测装置3100是从SEM图像检测对象结构的轮廓线的装置，对从计测装置3000输入的SEM图像输出其轮廓线数据。作为轮廓线的检测方法，有索贝尔(Sobel)法、坎尼(Canny)法、拉普拉斯法等基于像素值的变化进行检测的方法、使用Open CV等机器学习的方法等。

轮廓线解析装置3200是对由轮廓线检测装置3100检测出的轮廓线数据拟合形状模型，提取可能的形状模型参数值的装置。轮廓线解析装置3200具有超参数设定部3210、拟合方法设定部3220、制约条件设定部3230、前处理部3240、拟合部3250、形状模型数据库3260。

超参数设定部3210设定形状模型超参数。形状模型超参数是定义用于描述形状模型的图形的结构的参数。具体而言，形状模型超参数规定构成图形的椭圆以及线段的数量和它们的排列顺序。在此，椭圆以及线段的排列顺序是指，在将描述形状模型的图形从起点1000追溯到终点1010时通过的椭圆以及线段的排列顺序。在排列顺序中，不区分是椭圆还是线段。在图1的形状模型1100的情况下，关于形状模型超参数，椭圆的数量为三个，线段的数量为四个，排列顺序从起点1000起依次为线段、线段、椭圆、椭圆、椭圆、线段、线段。

拟合方法设定部3220进行将形状模型拟合为轮廓线数据的方法的设定。

制约条件设定部3230设定针对拟合中的形状模型参数的制约条件，具有函数数据库3231、制约条件导出部3232以及加工尺寸定义域输入部3233。

在图4A中示出函数数据库3231的数据结构例。在函数数据库3231中，按每个形状模型存储有一组以上的加工尺寸标签和与其建立了关联的加工尺寸函数的组。加工尺寸标签4002是规定例如“间隔宽度”、“深度”、“锥角”等加工尺寸(形状特征量)的种类的标签。加工尺寸名4003是确定形状模型4001中的加工尺寸的名称。加工尺寸函数4004是将以加工尺寸名4003确定的加工尺寸的值的推断值作为输出值返回的、将形状模型参数作为变量的函数。例如，加工尺寸名W11的加工尺寸函数所包含的变量a～d是形状模型参数。在图4B中示出形状模型“沟槽1”的形状模型。形状模型“沟槽1”是图1所例示的形状模型1100。如图4B所示，在形状模型1100中形成侧壁的椭圆的中心点1200的y坐标为a，长轴、短轴的长度分别为b、c，长轴的斜率为d。如图5所示，加工尺寸名W11是形成形状模型1100的侧壁的左右的椭圆中的两个极值点5100、5110间的欧几里得距离，能够使用对应的加工尺寸函数来推断其值。虽然省略了详细说明，但加工尺寸名W11的加工尺寸函数通过针对x对形状模型的函数进行微分，求出斜率为0的极值点的坐标，从而能够解析地导出。

也可以将多个位置的加工尺寸与一个加工尺寸标签建立关联。在图4A的例子中，对于形状模型“沟槽1”，关于加工尺寸标签“间隔宽度”，除了加工尺寸名W11以外，还存储有加工尺寸名W12、W13。加工尺寸名W12、W13的加工尺寸函数中的变量e、f也是形状模型参数。如图4B所示，线段1270的下端点1240的y坐标为e，上端点1260的y坐标为f。如图5所示，加工尺寸名W12是形状模型的侧壁上部的左右的线段的端点1240、5240间的欧几里得距离，加工尺寸名W13是形状模型的开口部的左右的线段的端点5260、5160间的欧几里得距离，能够使用对应的加工尺寸函数来推断其值。

这样，形状模型1100中的各种加工尺寸能够使用形状模型参数进行描述。另外，加工尺寸标签的名称也可以由用户编辑，对于想要附加名称的加工尺寸也可以命名为“其他”等。

通过加工尺寸定义域输入部3233，用户输入存储于函数数据库3231的加工尺寸标签所规定的加工尺寸的值的定义域。

制约条件导出部3232输出针对形状模型参数的制约条件，以使得加工尺寸的值不超过由加工尺寸定义域输入部3233输入的定义域。

在前处理部3240中，对由轮廓线检测装置3100检测出的轮廓线数据实施前处理，将前处理完毕的轮廓线数据输入到拟合部3250。另外，在不需要前处理的情况下，将由轮廓线检测装置3100检测出的轮廓线数据直接输入到拟合部3250。

拟合部3250针对所输入的轮廓线数据，在由制约条件导出部3232导出的制约条件下进行形状模型的拟合。将通过拟合得到的形状模型参数称为可能的形状模型参数值。此外，将代入可能的形状模型参数值而得到的形状模型称为可能的形状模型。形状模型超参数和可能的形状模型参数值的组被存储在形状模型数据库3260中。

加工尺寸提取装置3300具有目标加工尺寸设定部3310、加工尺寸计算方法设定部3320以及加工尺寸计算部3330。

通过目标加工尺寸设定部3310，用户设定想要提取的所希望的加工尺寸(形状特征量)。在工艺开发中应用本实施例的加工尺寸提取系统的情况下，设定工艺开发中的目标加工尺寸，作为所希望的加工尺寸。

在加工尺寸计算方法设定部3320中，设定计算目标加工尺寸的方法。

加工尺寸计算部3330通过由加工尺寸计算方法设定部3320设定的计算方法来计算目标加工尺寸。

图6表示通过图3所示的加工尺寸提取系统提取尺寸的流程图。以下，使用图6对尺寸提取的方法进行说明。

首先，使用计测装置3000取得SEM图像(S101)。

接下来，使用轮廓线检测装置3100从SEM图像取得轮廓线数据(S102)。

接下来，前处理部3240对轮廓线数据实施前处理(S103)。使用图7A～7C说明前处理的例子。图7A是典型的L/S图案的处理前的试样，在被蚀刻膜7100上形成有掩模7000。将处理前的掩模7000的间距设为P。在图7B中示出通过对该试样进行处理而得到的截面形状的轮廓线的一例。在10nm等级的微细的图案的处理中，图案侧壁被过度蚀刻而图案变细，由此线部倾倒，图案有时会变形。在前处理部3240中，进行这样变形的图案的轮廓线的正常化。具体而言，能够通过以下的方法进行正常化。

将前处理前图案(图7B)中的某x坐标中的图案的间隔宽度设为S(x)，将线宽度度设为L(x)。这样在图案变形时较大地变动的是间隔宽度S(x)，线宽度L(x)几乎不受变动。因此，基于间距P和线宽度L(x)，能够推断产生变形前的真正的间隔宽度S′(x)。因此，前处理部3240生成如图7C所示的线宽度L(x)、间隔宽度S’(x)，并且生成关于x轴对称的L/S图案的轮廓线，作为前处理后图案。在此，间隔宽度S’(x)设为P-L(x)。

接下来，通过超参数设定部3210设定形状模型超参数(S104)。例如，用户可以直接输入形状模型超参数，也可以在实施例2中使用后述的方法来决定。

接下来，制约条件设定部3230设定针对形状模型参数的制约条件(S105，S106)。以下，以图7A所示的试样(间距P＝20nm)的处理为例进行说明。作为形状模型，考虑使用图5所示的由三个椭圆和四个线段构成的形状模型“沟槽1”。关于形状模型“沟槽1”，在函数数据库3231中存储有图4A所示的加工尺寸标签、加工尺寸函数。

在步骤S105中，首先，在加工尺寸定义域输入部3233中，用户针对存储在函数数据库3231中的加工尺寸标签的加工尺寸来设定定义域。在此，将加工尺寸标签“间隔宽度”的定义域设定为0nm以上且20nm以下。这是因为，由于处理前形状的间距P为20nm，因此处理后的间隔宽度不会超过该间距P。在步骤S106中，制约条件导出部3232导出加工尺寸标签“间隔宽度”的加工尺寸函数的输出值收敛于定义域那样的条件。在本例中，由于对加工尺寸标签“间隔宽度”施加了0nm以上且20nm以下这样的定义域，因此作为与加工尺寸标签“间隔宽度”建立了关联的加工尺寸名W11、W12、W13所对应的加工尺寸函数的输出值均收敛于该定义域的条件式(数学式1)，将其导出作为制约条件。

[数1]

对存储于函数数据库3231的加工尺寸函数进行说明。在将对象结构的深度方向设为x轴方向时，将形状模型的x轴方向的微分中的无法微分点、形状模型的x轴方向的微分系数为0的极值点、以及形状模型的x轴方向的微分系数的正负发生变化的拐点的坐标设为奇异点。如例示那样，奇异点是其坐标通过对形状模型进行微分等运算而能够解析地导出的点，奇异点的坐标使用形状模型参数来表现。加工尺寸以形状模型上的奇异点为基准而被确定。例如，以不同的两个奇异点之间的欧几里得距离、不同的两个奇异点的x坐标彼此或者y坐标彼此的差、连结不同的两个奇异点的线段的斜率、构成奇异点的形状模型的椭圆的曲率这样的方式确定加工尺寸，定义描述该加工尺寸的加工尺寸函数。例如，在图5所示的形状模型1100中，点5160以及点5170分别是形状模型中断的点、斜率为无限大的点，因此均为无法微分的点。能够将表示该两个奇异点的y坐标彼此的差的数学式定义为深度D1的加工尺寸函数。

接下来，拟合方法设定部3220设定将形状模型拟合到轮廓线数据时的方法(S107)。例如，可以使用最小二乘法或者加权最小二乘法或者正则化最小二乘法，通过基于拉格朗日的未定乘数法、逐次二次计划法、壁垒函数法、惩罚函数法等迭代解法的非线性最优化法、或者组合最佳化法来推断形状模型参数。此外，还进行与拟合的结束条件、最佳化处理时的随机数或者初始值生成方法有关的设定。

基于在以上的步骤S104～S107中进行的设定，使用从前处理部3240输出的轮廓线数据，实施形状模型的拟合(S108)。之后，将在步骤S108中得到的可能的形状模型参数值和形状模型超参数的组存储在形状模型数据库3260中(S109)。

接下来，在目标加工尺寸设定部3310中，设定用户想要提取的加工尺寸(目标加工尺寸)的种类(S110)。作为目标加工尺寸的种类，例如有图2C所示那样的形状特征量。接下来，通过加工尺寸计算方法设定部3320设定目标加工尺寸的计算方法(S111)。例如，存在以下方法等：从存储在函数数据库3231中的加工尺寸函数中选择一个精度良好地描述目标加工尺寸的函数(以下，称为可能的加工尺寸函数)，并将其输出值作为目标加工尺寸的值进行计算。当然也可以是，确定可能的加工尺寸函数的是用户，也可以通过实施例3中后述的方法来确定。

使用在步骤S111中设定的计算方法，计算在步骤S110中设定的目标加工尺寸(S112)，结束。

实施例2

在实施例2的轮廓线解析装置中，具备辅助尺寸形状模型超参数的适当的设定的功能。在此，对适当的形状模型超参数进行说明。图8A表示对使用由一个椭圆和两个线段构成的形状模型8100的轮廓线数据8000实施拟合的结果。图中的黑点表示椭圆与线段连接的点。在这种情况下，形状模型8100过于简单，因此无法完全描述轮廓线数据8000，拟合的误差变大。相对于此，图8B表示对相同的轮廓线数据8000拟合由一个椭圆和17个线段构成的形状模型8110的结果。通过使用多个线段，形状模型的表现力提高，无误差地拟合成功。

通过使形状模型复杂，能够提高拟合的精度，另一方面，如果形状模型过于复杂，则形状模型参数的数量变得庞大。形状模型参数数量的增加直接与机器学习模型的学习的难度直接关联，因此在学习中需要大量的实验数据。因此，半导体处理装置的处理次数增加，担心工艺开发期间的长期化。根据以上，优选设定平衡了不损害拟合精度和形状模型参数的数量不会过度增加这两个要求的形状模型超参数。

图9是实施例2的加工尺寸提取系统的结构例的图。对与图3所示的实施例1的加工尺寸提取系统相同的结构标注相同的附图标记并省略重复的说明。超参数设定部3210具有候选模型生成部9211、模型评价部9212以及模型确定部9213。

候选模型生成部9211生成基于不同形状模型超参数的多个形状模型、例如椭圆、线段的数量不同的形状模型、它们的排列顺序不同的形状模型等，作为候选模型。

模型评价部9212针对由候选模型生成部9211生成的多个候选模型，对通过拟合部3250实施了拟合的结果进行评价。具体而言，将候选模型的形状模型超参数设为α，计算用该候选模型拟合时的拟合误差E(α)、和与该候选模型的形状模型参数数量有关的正则化项R(α)之和所赋予的损失函数L(α)＝E(α)+R(α)的值。作为与形状模型参数数有关的正则化项R(α)，例如使用形状模型参数数量本身、其常数倍等。

损失函数L(α)的值在拟合误差大或者形状模型参数数量多的情况下增大。因此，可以说损失函数L(α)的值低的形状模型是期望的形状模型。因此，在模型确定部9213中，从候选模型中确定由模型评价部9212计算出的损失函数L(α)的值最低的形状模型。以下，将该确定的形状模型称为最佳形状模型。

在图10中示出通过图9所示的加工尺寸提取系统提取尺寸的流程图。以下，使用图10对尺寸提取的方法进行说明。另外，对与图6相同的步骤标注相同的附图标记并省略重复的说明。

候选模型生成部9211生成多个候选模型(S201)。以下，说明生成了图11所示的三个候选模型11000、11100、11200的流程。候选模型11000由椭圆一个、线段两个构成，候选模型11100由椭圆三个、线段四个构成，候选模型11200由椭圆五个、线段六个构成。

接下来，选择一个由候选模型生成部9211生成的候选模型(S202)。针对所选择的候选模型，实施加工尺寸的定义域的设定(S105)、针对形状模型参数的制约条件的设定(S106)、拟合方法的设定(S107)，基于以上的设定，拟合部3250使用从前处理部3240输出的轮廓线数据，实施候选模型的拟合(S108)。各处理内容的细节分别与实施例1中说明的内容相同。

接下来，模型评价部9212针对该候选模型计算损失函数的值(S203)。接下来，判定是否对候选模型生成部9211生成的全部的候选模型计算出损失函数的值(S204)。如果有尚未计算出损失函数的值的候选模型，则返回到步骤S202。如果针对所有候选模型计算完损失函数的值，则进入步骤S205。

通过模型确定部9213，从各候选模型中将损失函数的值最低的形状模型确定为最佳形状模型(S205)。图11示出了各候选模型对轮廓线数据11300的拟合结果和损失函数的值。关于候选模型11000，形状模型简单，因此形状模型参数数量少，但无法完全描述轮廓线数据11300的复杂的形状，拟合误差大，损失函数的值变大。关于候选模型11200，形状模型的表现力高，能够高精度地描述轮廓线数据11300，但形状模型参数数量多，损失函数的值变大。候选模型11100的形状模型参数比候选模型11200少，并且拟合误差比候选模型11000小，作为结果，损失函数的值最小。在该情况下，候选模型11100被确定为最佳形状模型。

以下，将作为基于最佳形状模型的拟合的结果而得到的可能的形状模型参数值和最佳形状模型的形状模型超参数存储在形状模型数据库3260中(S109)，实施目标加工尺寸设定(S110)、目标加工尺寸的计算方法的设定(S111)以及目标加工尺寸的值的计算(S112)。各处理内容的细节分别与实施例1中说明的内容相同。

实施例3

在实施例1中，作为目标加工尺寸的计算方法的例子，列举了从函数数据库3231中确定可能的加工尺寸函数，并使用该函数来计算目标加工尺寸的方法。但是，加工尺寸函数一般由复杂的数学式表示，因此用户有时难以理解函数数据库3231内的各加工尺寸函数分别是描述哪个部位的加工尺寸的式子。在该情况下，用户自身难以进行可能的加工尺寸函数的确定。因此，在本实施例中，对具备辅助可能的加工尺寸函数的确定的功能的系统进行说明。

图12是表示实施例3中的加工尺寸提取系统的结构例的图。对与图3所示的实施例1的加工尺寸提取系统相同的结构标注相同的附图标记并省略重复的说明。在加工尺寸提取装置3300中，目标加工尺寸设定部3310具有手动计测部12011。手动计测部12011针对从前处理部3240输出的至少一个轮廓线数据，由用户计测所希望的加工尺寸。在该计测中，用户通过目视来确定计测位置，手动实施。

为了从函数数据库3231中确定可能的加工尺寸函数，加工尺寸计算方法设定部3320具有加工尺寸标签选择部12022和函数确定部12021。在加工尺寸标签选择部12022中，用户从存储在函数数据库3231内的加工尺寸标签中选择至少一个以上。在函数确定部12021中，从与由加工尺寸标签选择部12022选择出的加工尺寸标签建立了关联的加工尺寸函数中，搜索并确定可能的加工尺寸函数。作为具体的方法，计算通过将存储在形状模型数据库3260中的可能的形状模型参数值代入各加工尺寸函数而得到的输出值与由手动计测部12011计测出的目标加工尺寸的计测值之间的误差。以下，将该误差称为输出误差。将输出误差最小的加工尺寸函数确定为可能的加工尺寸函数。另外，在通过手动计测部12011对多个轮廓线数据实施了计测的情况下，例如将输出误差的平均值最小的加工尺寸函数确定为可能的加工尺寸函数即可。

在加工尺寸计算部3330中，使用函数确定部12021确定的可能的加工尺寸函数，针对未由手动计测部12011计测目标加工尺寸的轮廓线数据计算目标加工尺寸。

图13示出通过图12所示的加工尺寸提取系统提取尺寸的流程图。以下，使用图13对尺寸提取的方法进行说明。另外，对与图6相同的步骤标注相同的附图标记并省略重复的说明。

手动计测部12011针对至少一个轮廓线数据手动地计测用户想要提取的目标加工尺寸(S301)。例如，如果目标加工尺寸为图14所示的轮廓线数据14000中的弯曲部分的间隔宽度14100，则用户手动地计测该尺寸。

接下来，通过加工尺寸标签选择部12022，用户选择至少一个以上的存储在函数数据库3231内的加工尺寸标签(S302)。例如，从图4A所示的函数数据库3231选择加工尺寸标签“间隔宽度”。由此，将与加工尺寸标签“间隔宽度”建立了关联的加工尺寸名W11、W12、W13的加工尺寸函数设定为可能的加工尺寸函数的搜索范围。

函数确定部12021针对与用户选择出的加工尺寸标签建立了关联的加工尺寸函数计算输出误差，将输出误差最小的加工尺寸函数确定为可能的加工尺寸函数(S303)。在本例中，由于在步骤S302中选择了“间隔宽度”，因此对与“间隔宽度”的加工尺寸标签建立了关联的加工尺寸名W11、W12、W13计算输出误差。图15示出了输出误差的例子。在这种情况下，加工尺寸名W11的加工尺寸函数的输出误差最低。因此，能够判断为加工尺寸名W11的加工尺寸函数最高精度地描述了在步骤S301中手动计测出的间隔宽度14100。因此，函数确定部12021将输出误差最低的加工尺寸名W11的加工尺寸函数确定为可能的加工尺寸函数。

最后，加工尺寸计算部3330针对未由手动计测部12011实施计测的轮廓线数据，使用可能的加工尺寸函数来计算目标加工尺寸(S304)。

实施例4

以往，在使用机器学习的工艺开发中，对于使用什么作为半导体试样的形状特征量，没有定量的指针，交给用户的判断。因此，有可能缺失描述加工形状的重要的特征量，或者将冗余的特征量用于目的变量。

在前者的情况下，相关模型的表现力变弱，因此难以预测实现目标的加工形状的处理条件，有可能导致工艺开发期间的长期化。在后者的情况下，伴随着变量的增加，相关模型的学习难度上升，在机器学习中需要大量的实验数据，因此半导体处理装置的处理次数增加，有可能导致工艺开发期间的长期化。

在实施例4中，将形状模型参数用作描述对象结构的加工形状的形状特征量。由此，能够避免重要的特征量的缺失、冗余的特征量的采用，有利于工艺开发的高速化。

图16是表示实施例4中的处理条件决定系统的结构例的图。对与图3所示的实施例1的加工尺寸提取系统相同的结构标注相同的附图标记并省略重复的说明。处理条件决定装置16000具有处理条件数据库16010、学习部16020、目标参数值设定部16030以及处理条件推断部16040，根据存储在形状模型数据库3260中的可能的形状模型参数值和存储在处理条件数据库16010中的处理条件，决定半导体处理装置16100的适当的处理条件。

处理条件数据库16010是存储已得到的处理条件、由处理条件推断部16040推断出的处理条件的数据库。在学习部16020中，学习形状模型数据库3260的可能的形状模型参数值与处理条件数据库16010的处理条件的相关模型。在目标参数值设定部16030中，设定用户的所希望的形状模型参数值(目标值)。在处理条件推断部16040中，使用由学习部16020得到的相关模型来推断赋予由目标参数值设定部16030设定的形状模型参数值的处理条件。

半导体处理装置16100是对半导体试样进行处理的装置，使用由处理条件决定装置16000决定的处理条件，进行试样的处理。半导体处理装置16100包括作为半导体制造装置的光刻装置、制膜装置、图案加工装置、离子注入装置、加热装置以及清洗装置等。作为光刻装置，有曝光装置、电子束描绘装置以及X射线描绘装置等。作为制膜装置，有CVD、PVD、蒸镀装置、溅射装置以及热氧化装置。作为图案加工装置，有湿式蚀刻装置、干式蚀刻装置、电子束加工装置以及激光加工装置等。作为离子注入装置，有等离子体掺杂装置以及离子束掺杂装置等。作为加热装置，有电阻加热装置、灯加热装置以及激光加热装置等。

在图17中示出通过图16所示的处理条件决定系统决定半导体处理装置的处理条件的流程图。以下，使用图17，对处理条件的决定方法进行说明。另外，对与图6相同的步骤标注相同的附图标记并省略重复的说明。

在形状模型数据库3260中存储了可能的形状模型参数值(S109)之后，通过目标参数值设定部16030，用户设定想要作为半导体试样的处理结果来实现的目标的形状模型参数值(S401)。

接下来，判定在步骤S108中推断出的可能的形状模型参数值是否接近由目标参数值设定部16030设定的形状模型参数值(目标值)(S402)。在此，对值的接近度进行评价的距离使用欧几里得距离、曼哈顿距离、切比雪夫距离、马哈拉诺比斯距离中的任一个来计算。根据该计算值是比用户决定的基准值小还是大，来判定是否接近。在步骤S402中，在判断为在步骤S108中推断出的可能的形状模型参数值接近由目标参数值设定部16030设定的形状模型参数值(目标值)的情况下，结束。

相对于此，在判断为不接近的情况下，在学习部16020中，学习存储在处理条件数据库16010中的处理条件与存储在形状模型数据库3260中的可能的形状模型参数值之间的相关模型(S403)。在此，相关模型表示回归、分类的模型，利用使用了内核法的模型、使用了神经网络的模型、使用了决策树的模型等。

接下来，处理条件推断部16040使用由学习部16020取得的相关模型来推断赋予由目标参数值设定部16030设定的形状模型参数值(目标值)的处理条件(S404)。推断的处理条件被追加到处理条件数据库16010中，数据库被更新(S405)。使用推断出的处理条件，在半导体处理装置16100中进行针对新试样的处理(S406)。将处理后的试样从半导体处理装置16100取出，转移到步骤S101的过程。反复进行以上的一系列的过程直到结束为止。

图18示出以上说明的实施例1～4中使用的GUI。图18的GUI画面18000是输入轮廓线检测装置3100以及轮廓线分析装置3200中的设定的输入画面。GUI画面18000在各实施例中的步骤S101之后显示。

GUI画面18000具备轮廓线检测设定框18100、形状模型超参数设定框18200、拟合方法设定框18300、定义域设定框18400、决定按钮18500。

在轮廓线检测设定框18100中设置有检测方法输入部18110。例如，在检测方法输入部18110中，作为轮廓线的检测方法，能够选择索贝尔(Sobel)法、坎尼(Canny)法、拉普拉斯算法等基于像素值的变化进行检测的方法、使用Open CV等机器学习的方法。

在形状模型超参数设定框18200中设置有超参数输入部18210。能够从超参数输入部18210输入形状模型超参数，能够输入构成形状模型的椭圆以及线段的数量、它们的排列方式。

在拟合方法设定框18300中设置有拟合方法输入部18310。例如，选择使用最小二乘法(Least Squared法)通过格巴尔马库法(Levenberg-Marquardt法)使形状模型参数最佳化的方法、使用最小二乘法通过退火法使形状模型参数最佳化的方法、或者使用加权最小二乘法(Weighted Leas t Squared法)通过格巴尔马库法使形状模型参数最佳化的方法等。另外，在图18中，将这些方法分别简记为LS-LM法、LS-退火法、WSL-LM法。

在定义域设定框18400中设置有定义域输入部18410。在定义域输入部18410中，能够输入加工尺寸的定义域，基于在此输入的定义域，制约条件导出部3232导出针对形状模型参数的制约条件。

在进行了以上的输入之后，用户通过按下决定按钮18500，开始步骤S102的过程。

在图19中示出实施例3中的设定目标加工尺寸的计算方法的GUI。GUI画面19000在步骤S301之前显示(参照图13)，具备手动计测框19100、加工尺寸标签选择框19200、决定按钮19300。

在手动计测框19100中设置有轮廓线数据文件Open按钮19110、手动计测画面19120和手动计测结果显示框19130。当按下轮廓线数据文件Open按钮19110时，能够从从前处理部3240输出的轮廓线数据中选择要手动计测的轮廓线数据。所选择的轮廓线数据显示于手动计测画面19120，用户能够通过拖放等目视计测目标加工尺寸。计测结果显示在手动计测结果显示框19130中。

在加工尺寸标签选择框19200中显示存储在函数数据库3231中的加工尺寸标签的一览，用户选择至少一个以上。

在实施手动计测框19100中的手动计测、加工尺寸标签选择框19200中的加工尺寸标签的选择后，通过按下决定按钮19300，进入步骤S301。

另外，也能够将以上的实施例1～4中说明的功能组合，例如，也能够将实施例2中说明的辅助尺寸形状模型超参数的适当的设定的功能应用于实施例4的处理条件决定系统。

对作为实施例1～4所说明的功能的轮廓线的检测、解析、加工尺寸的提取、处理条件的决定作为平台中的应用而安装的半导体装置制造系统进行说明。图20表示半导体装置制造系统。平台20000构建在云上，在OS20020、中间件20030上执行处理的应用程序工作。在平台20000中，具备执行与轮廓线检测装置3100相当的处理的轮廓线检测应用程序20040、执行与轮廓线解析装置3200相当的处理的轮廓线解析应用程序20050、执行与加工尺寸提取装置3300相当的处理的加工尺寸提取应用程序20060、执行与处理条件决定装置16000相当的处理的处理条件决定应用程序20070。用户可以经由网络从终端20100访问平台以利用平台20000上构建的应用程序的功能。平台20000具备数据库20010，并且存储执行应用所需的数据。进而，计测装置3000、半导体处理装置16100也能够通过网络与平台20000进行数据交换地连接。

符号说明

1000：起点，1010：终点，1100：形状模型，1200：中心点，1210：长轴长，1220：短轴长，1230：长轴的斜率，1240，1250，1260：端点，1270：线段，2000：掩模，2010：被蚀刻膜，3000：计测装置，3100：轮廓线检测装置，3200：轮廓线解析装置，3210：超参数设定部，3220：拟合方法设定部，3230：制约条件设定部，3231：函数数据库，3232：制约条件导出部，3233：加工尺寸定义域输入部，3240，前处理部，3250拟合部，3260：形状模型数据库，3300：加工尺寸提取装置，3310：目标加工尺寸设定部，3320：加工尺寸计算方法设定部，3330，加工尺寸计算部，4001：形状模型，4002：加工尺寸标签，4003：加工尺寸名，4004：加工尺寸函数，5100，5110：极值点，5160，5240，5260：端点，5170：点，7000：掩模，7100：被蚀刻膜，8000：轮廓线数据，8100，8110：形状模型，9211：候选模型生成部，9212：模型评价部，9213：模型确定部，11000，11100，11200：候选模型，11300：轮廓线数据，12011：手动计测部，12021：函数确定部，12022：加工尺寸标签选择部，14000：轮廓线数据，14100：间隔宽度，16000：处理条件决定装置，16010：处理条件数据库，16020：学习部，16030：目标参数值设定部，16040：处理条件推断部，16100：半导体处理装置，18000：GUI画面，18100：轮廓线检测设定框，18110：检测方法输入部，18200：形状模型超参数设定框，18210：超参数输入部，18300：拟合方法设定框，18310：拟合方法输入部，18400：定义域设定框，18410：定义域输入部，18500：决定按钮，19000：GUI画面，19100：手动计测框，19110：轮廓线数据文件Open按钮，19120：手动计测画面，19130：手动计测结果显示框，19200：加工尺寸标签选择框，19300：决定按钮，20000：平台，20010：数据库，20020：OS，20030：中间件，20040：轮廓线检测应用程序，20050：轮廓线解析应用程序，20060：加工尺寸提取应用程序，20070：处理条件决定应用程序，20100：终端。