本发明专利技术是关于一种聚焦离子束(FIB)，其用于在各种离子束柱设置下将束斑铣削到基底中，以形成用于训练卷积神经网络的一组训练图像。在所述神经网络被训练之后，可以通过获取用所述神经网络处理的光斑图像来调整离子束。所述神经网络可以提供散焦的量级和方向、孔径位置、透镜调整或其它离子束或离子束柱设置。在一些情况下，调整不由所述神经网络完成，而是用于指示所述离子束和相关联的离子柱继续稳定地操作，并且不需要给予额外调整。
【技术实现步骤摘要】
利用对束图像的卷积神经网络的评估进行的光学对准校正
本公开涉及离子束对准方法和装置。
技术介绍
离子束在半导体和其它基底的处理中具有许多应用。然而，许多应用需要精确地控制离子束的位置以及离子束的时间和空间特性。在扫描电子显微镜(SEM)和低电流聚焦离子束(FIB)应用中使用的基于成像的束对准方法还没有成功地转移到高电流FIB铣削，例如等离子体FIB(PFIB)铣削。在传统方式中，PFIB束是手动对准的，但是此类手动对准往往是耗时的，并且可能无法提供对离子束柱的适当调整，从而使即使在对准之后，离子束仍然不适合于特定的应用，或表现出降低FIB处理的不期望的特性。需要改进的方式。
技术实现思路
本方法包含将基底曝光于离子束以获取多个训练光斑图像，每个训练光斑图像与至少一个离子束柱特性相关联。基于单独的训练光斑图像限定卷积神经网络，从而使所述神经网络配置成指示至少一个离子束柱特性。在一些实例中，训练光斑图像是与离子一起铣削到基底中的束斑的图像。在特定实例中，铣削的束斑排布成阵列，并且所述阵列被分割以产生训练光斑图像。在进一步的实例中，利用神经网络获取并处理操作曝光光斑图像。基于所述处理，所述对所述离子束柱进行调整。在典型实例中，神经网络的初始层是卷积层，并且训练光斑图像被耦合到卷积层。根据一些实例，所述至少一个离子束柱特性是透镜焦点、离子束电流、限束孔径的位置、或消象散器中的至少一种。在一些替换实例中，所述神经网络包括初始卷积层，以及一个或多个额外卷积层和汇集层。根据其它可选方案，训练光斑图像被排布在图像栈中，所述图像栈被呈递用于训练神经网络。在一些实例中，训练光斑图像是宽H1像素、高H2像素，并且神经网络的初始卷积层包括将训练光斑图像映射到J×J×N数据堆栈的N个卷积核，其中H、J和N是正整数，并且J小于H。在更进一步的实例中，处理单独的训练光斑图像以限定多个卷积核。在更进一步的实例中，所述至少一个离子束柱特性包括离子束形状或离子束斑尺寸。根据一些实例，至少一个离子束柱参数的变化，从而使训练光斑图像与至少一个离子束柱参数相关联的至少一个离子束柱特性相关联。系统包含带电粒子束源和带电粒子束柱。处理器被耦合到带电粒子束柱，并且配置成利用神经网络处理利用带电粒子束源和带电粒子束柱获取的光斑图像，以确定带电粒子束源和带电粒子束柱的至少一个调整。在一些实例中，计算机可读存储设备上存储有限定神经网络的计算机可执行指令。在额外实例中，处理器进一步配置成基于已确定调节来调整带电粒子束源和带电粒子束柱中的至少一个。在进一步的实例中，处理器配置成接收与带电粒子束和带电粒子束柱相关联的多个训练光斑图像，并且基于训练光斑图像限定神经网络。在典型实例中，多个训练光斑图像是基于将基底曝光于带电粒子束而获取的。在进一步的实例中，处理器被耦合来调整至少带电粒子束柱以产生多个训练光斑图像。在其它实例中，处理器配置成产生多个训练光斑图像作为铣削的束斑阵列的图像，其中铣削的束斑阵列的每个铣削的束斑与相应的带电粒子束柱设置相关联。在其它代表性实施例中，处理器配置成分割阵列铣削的束斑的图像，并将训练光斑图像作为单独的训练光斑图像的堆叠提供给神经网络。额外方法包含以相应的焦点设置获取在测试基底上产生的束的多个图像。利用所述多个图像来训练卷积神经网络。获取聚焦束的操作图像，并且处理操作图像以确定焦点调整。在一些实例中，基于已确定调节来调整束焦点。在特定实施例中，束是带电粒子束或光束。根据以下参考附图进行的详细描述，所公开的技术的前述和其它特征以及优点将变得更加明显。附图说明图1绘示了代表性聚焦离子束(FIB)系统，其包括基于神经网络的控制器，用于确认或调整离子束或离子束柱的性能。图2A绘示了可以通过以具有多个选定离子束柱设置的离子束来铣削测试基底而形成的代表性束斑阵列。图2B绘示了图2A的束斑阵列相应的束斑图像，其可以用于形成神经网络训练集。图3绘示了适用于离子束系统控制的代表性卷积神经网络。图4绘示了用于建立基于神经网络的仪器控制和调整的代表性组合FIB/扫描电子显微镜(SEM)系统和训练集数据的获取。图5绘示了产生用于FIB系统的训练集的代表性方法。图6绘示了用于实施和训练在本文中公开的基于神经网络的方法和装置的代表性计算环境。具体实施方式在本文中所公开的是允许对例如聚焦离子束，其包括高电流离子束或其它带电粒子束(CPBs)或光束的束进行自动对准和确认的方法和装置。为了方便起见，参考聚焦离子束(FIBs)来描述一些实例。FIBs和其它CPBs通常使用CPB柱指向目标或其它基底。如在本文中使用的，CPB柱可以包括透镜(例如磁透镜或静电透镜)、束偏转器、束孔径、消象散器或其它可控制以成形和引导CPB的部件。在实例中，获取使用CPB柱的将基底曝光于CPB的图像，用于训练神经网络。如在本文中所使用，图像是指目标曝光的可视图像或实际或模拟目标曝光的存储或可存储的数字表示。在一些实例中，CPBs，例如FIBs，其被用于通过例如FIB铣削在基底上压印光斑图案，并且这些光斑图案的图像被用作训练光斑图案以限定神经网络，然后，该神经网络可以被用于识别光斑特性并且允许CPB柱调整以校正或补偿任何错误调整或另外修改CPB柱和CPB源特性。调整可以涉及电流、电压或应用以激励CPB透镜或校正或补偿透镜像差或未对准的其它电信号。在其它实例中，可以调整部件的位置，例如孔径的位置。在更进一步的实例中，在不进行调整的情况下评估束和柱性能以确认束斑内容，例如光斑成形。在其它实例中，可类似地评估光束及相关联的光束聚焦以及控制部件以确定适当的调整。在典型实例中，光斑图像是二维图像，但是优选使用一维、二维或三维图像。如在本申请案以及权利要求书中所使用的，单数形式“一”、“一个”及“所述”包括复数形式，除非上下文另有明确规定。另外，术语“包括”是指“包含”。进一步地，术语“耦合”不排除在耦合项之间存在中间元件。在本文中所描述的系统、装置和方法不应解释为以任何方式进行限制。相反，本公开独自地并且以彼此的各种组合和子组合针对各种公开的实施例的所有新颖和非显而易见的特征和方面。所公开的系统、方法和装置不限于任何具体方面或特征或其组合，所公开的系统、方法和装置也不需要存在任何一个或多个具体优点或解决问题。任何操作理论都是为了便于解释，但是所公开的系统、方法和装置不限于这种操作理论。尽管为了方便呈现，以特定的顺序描述了一些所公开的方法的操作，但是应当理解的是，这种描述方式涵括重新排布，除非以下阐述的特定语言需要特定的顺序。例如，顺序描述的操作在某些情况下可以被重新排布或同时执行。此外，为了简单起见，附图可能没有展示所公开的系统、方法和装置可以与其它系统、方法和装置结合使用的各种方式。另外，本说明书有时使用像“产生”和“提供”这样的术语来描述所公开的方法。这些术语是所执行的实际操作的高水平抽象。对应于这些术语的实际操作将取决于特定实施方案而变化，并且本领域普通技术人员可以容易本文档来自技高网...
【技术保护点】
1.一种方法，其包含：/n将基底曝光于带电粒子束(CPB)以获取多个训练图像，所述训练图像中的每一个与至少一个CPB柱特性相关联；/n基于所述训练图像限定神经网络，从而使所述神经网络配置成指示所述至少一个CPB柱特性。/n
【技术特征摘要】
20181220 US 16/228,2011.一种方法，其包含：
将基底曝光于带电粒子束(CPB)以获取多个训练图像，所述训练图像中的每一个与至少一个CPB柱特性相关联；
基于所述训练图像限定神经网络，从而使所述神经网络配置成指示所述至少一个CPB柱特性。
2.根据权利要求1所述的方法，其中所述训练图像通过利用闪烁体和光电检测器阵列检测CPB图像来获取。
3.根据权利要求1所述的方法，其中所述CPB是离子束，所述训练图像是通过将所述基底曝光于所述离子束而产生的训练光斑图像，并且所述方法进一步包含：
对多个训练光斑图像进行分割以形成单独的训练光斑图像，其中所述神经网络是基于所述单独的训练光斑图像，从而使所述神经网络指示至少一个离子束柱特性。
4.根据权利要求3所述的方法，其进一步包含：
获取与所述离子束的至少一个特性相关联的曝光光斑图像；以及
利用所限定的神经网络处理所述曝光光斑图像；以及
基于所述处理调整离子束柱。
5.根据权利要求3所述的方法，其中所述神经网络包括卷积层，并且所述训练光斑图像被耦合到所述卷积层。
6.根据权利要求3所述的方法，其中所述至少一个离子束柱特性是透镜焦点、离子束电流、限束孔径的位置、或消象散器中的至少一种。
7.根据权利要求3所述的方法，其中所述至少一个离子束柱特性与至少一个束成形或束偏转元件的设置相关联。
8.根据权利要求3所述的方法，其中所述神经网络包括初始卷积层以及一个或多个额外层。
9.根据权利要求3所述的方法，其中所述训练光斑以阵列排布。
10.根据权利要求9所述的方法，其中所述训练光斑图像是H1像素宽×H2像素宽，并且所述神经网络的卷积层包括N个卷积核，所述N个卷积核将所述训练光斑图像映射到J1×J2×N堆栈，其中H1、H2、J1、J2和N是正整数，并且J1和J2分别小于H1和H2。
11.根据权利要求10所述的方法，其中J＝J1＝J2并且H＝H1＝H2，使得所述卷积核将所述J×J训练光斑图像映射到H×H×N堆栈。
12.根据权利要求3所述的方法，其中基于所述单独的训练光斑图像限定所述神经网络包含限定多个卷积核。
13.根据权利要求7所述的方法，其中所述至少一个离子束柱特性是离子束形状或离子束斑尺寸。
14.根据权利要求...
【专利技术属性】
技术研发人员：G·格莱德希尔，M·玛佐兹，G·米奇森，
申请(专利权)人：FEI公司，
类型：发明
国别省市：美国;US
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。