JP7698783B2 - イオンビーム形状適合のための調整可能なドメインを識別するための方法、媒体、およびシステム - Google Patents

Description

関連出願の相互参照
本出願は、「ＭＥＴＨＯＤＳ，ＭＥＤＩＵＭＳ，ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＩＤＥＮＴＩＦＹＩＮＧ ＴＵＮＡＢＬＥ ＤＯＭＡＩＮＳ ＦＯＲ ＩＯＮ ＢＥＡＭ ＳＨＡＰＥ ＭＡＴＣＨＩＮＧ」という名称の、２０２１年７月１４日付の米国非仮特許出願第１７／３７５，４８８号の優先権を主張し、その全体を本明細書に参照により組み込む。

イオンビームは、イオンビーム発生装置によって生成された荷電粒子のビームである。イオンビームは、多数の分野で表面を変質させるのに使用され、例えば、電子機器の製造で使用される場合が多い。イオンビームは、イオンを材料に注入すること（「イオン注入」と呼ばれる）、材料をエッチングすること、エッチングした表面を洗浄することなどに使用することができる。

一態様では、コンピュータ実装方法は、イオンビームに対する１つまたは複数の所望のビーム形状パラメータ、およびイオンビームを発生させるように構成されたイオンビーム発生装置に対する１つまたは複数の調整可能なパラメータを受信することと、探索空間内の各点が調整可能なパラメータに対する値の組み合わせを表す、探索空間内の調査点のセットを選択することと、調査点それぞれについて、それぞれの調査点によって規定される調整可能なパラメータに対する値の組み合わせに基づいて、測定されたビーム形状パラメータを受信することと、調査点の近傍の補間点に対して予測されたビーム形状パラメータを提供するように構成された回帰モデルを訓練することと、予測されたビーム形状パラメータおよび測定されたビーム形状パラメータに基づいて、探索空間内の複数のクラスタを規定することと、各々のクラスタ内における調整可能なパラメータの安定性
または感度のうちの少なくとも１つに関して複数のクラスタを評価することと、評価に基づいて複数のクラスタのうちの１つを選択することと、選択されたクラスタに対応する調整可能なパラメータの組み合わせに対する調整セッティングを出力することと、を含む。

回帰モデルは、補間点のそれぞれに対する信頼値を提供するように構成されてもよく、さらに、複数のクラスタのうちの１つが、所定の閾値よりも上または下の信頼値を有する低信頼補間点と関連付けられていることを識別することと、低信頼補間点によって規定された調整可能なパラメータの値の組み合わせを使用して、イオンビームの形状の測定値を受信することと、を含む。

複数のクラスタを評価することは、クラスタを選択することと、選択したクラスタに対する調整可能なパラメータの値の組み合わせを識別することと、調整可能なパラメータのうちの第１のパラメータの値を調節することと、イオンビームの形状の値に対する調節の効果を識別することと、を含んでもよい。

評価に基づいて複数のクラスタのうちの１つを選択することは、適切な位置で固定されている値を有する調整可能なパラメータを最大数有するクラスタを選択することを含んでもよい。

評価に基づいて複数のクラスタのうちの１つを選択することは、評価対象のクラスタの第１の調整可能なパラメータが、ビーム形状パラメータのうちの第１のパラメータに対して実質的に線形の効果を有し、ビーム形状パラメータのうちの第２のパラメータに対して実質的に中立の効果を有することを識別することと、評価対象のクラスタの第２の調整可能なパラメータが、ビーム形状パラメータのうちの第１のパラメータに対して実質的に中立の効果を有し、ビーム形状パラメータのうちの第２のパラメータに対して実質的に線形の効果を有することを識別することと、評価対象のクラスタを選択することと、を含んでもよい。他の技術的特徴は、以下の図面、説明、および特許請求の範囲から、当業者には容易に明白となり得る。

調整可能なパラメータのうちの第１のパラメータを調節することによって、イオンビームの形状に対する値を実質的に非線形的に移動させてもよく、コンピュータ実装方法はさらに、選択したクラスタを検討対象から外すことを含んでもよい。

調整可能なパラメータのうちの第１のパラメータを調節することによって、イオンビームの形状に対する値を所定の閾値量よりも少ない量移動させてもよく、またはイオンビームの形状に対する値を実質的に放物線状に移動させ、コンピュータ実装方法はさらに、調整可能なパラメータのうちの第１のパラメータに対する値を選択することと、調整可能なパラメータのうちの第１のパラメータを選択した値で固定することと、を含んでもよい。

これらの技法は、コンピュータ実装方法として、ならびに、方法を実施するための命令を格納する非一時的コンピュータ可読媒体、方法を実施するように構成された装置などとして、具体化されてもよい。他の技術的特徴は、以下の図面、説明、および特許請求の範囲から、当業者には容易に明白となり得る。

任意の特定の要素または行為について述べていることを簡単に特定するため、参照番号のうちの最上位の桁または上位の複数の桁は、その要素が最初に登場する図面の番号を指す。

一実施形態による、例示的なイオンビーム発生装置の上位レベルの概観を示すブロック図である。 一実施形態による、図１Ａのイオンビーム発生装置のビーム整形サブシステムをさらに詳細に示す図である。 一実施形態による、図１Ｂのビーム整形サブシステムの特定の構成要素を変更することによってイオンビームの形状にどのように影響するかを示す図である。 一実施形態による、二次元探索空間の単純化した例を示す図である。 一実施形態による、探索空間の様々な点における目的関数の値を示す図である。 一実施形態による、探索空間内の目的関数に対する測定調査値の一例を示す図である。 一実施形態による、測定調査値の近傍にある補間点の一例を示す図である。 一実施形態による、低信頼値を有する補間点の測定の一例を示す図である。 例示的実施形態で使用するのに適した例示的な人工知能／機械学習（ＡＩ／ＭＬ）システムを示す図である。 例示的実施形態による、調整可能なパラメータのための構成を識別する例示的なロジックを示すフローチャートである。 例示的実施形態による、調整可能なパラメータのための構成を識別する例示的なロジックを示すフローチャートである。 本明細書に記載する例示的実施形態を実践するのに使用されてもよい、例示的なコンピュータシステムアーキテクチャを示す図である。

異なるイオンビーム発生装置は、異なる手法でイオンビームを生成し整形する。結果として、異なるイオンビーム発生装置によって生成されたビームは異なる形状を有する傾向がある。ある特定のイオンビーム発生装置のユーザが、異なるイオンビーム発生装置によって生成される形状を複製したいと考えることがある（例えば、そのユーザが、プロセス整合の目的で、異なるイオンビーム形状の経験があったためなど）。他の場合では、ユーザが、新しいイオンビーム形状で実験を行ってプロセス性能を改善したいと考えることがある。

ビーム形状は多数のやり方で説明することができる。ビーム形状を規定するのに使用することができる測定基準としては、限定されるものではないが次のようなものがある。
ビームエンベロープ（９５％など、ビームの特定のパーセンテージが含まれる、幅および高さ）
垂直および水平ビーム強度分布（固定のスポットで、および／またはスポットが水平にスキャンされるネットビームで測定されてもよい）－例としては、半値全高（ＦＨＨＭ）値、ビーム平均に標準偏差を加えたものなどが挙げられる
垂直および水平ビーム角度分布（固定のスポットで、および／またはスポットが水平にスキャンされるネットビームで測定されてもよい）－例としては、垂直デバイス内角度（ｖＷＩＤＡ）、水平デバイス内角度（ｈＷＩＤＡ）、平均ｖＷＩＤＡまたはｈＷＩＤＡ（ｖＷＩＤＡＭまたはｈＷＩＤＡＭ）、ｖＷＩＤＡまたはｈＷＩＤＡに対する標準偏差（ｖＷＩＤＡＳまたはｈＷＩＤＡＳ）などが挙げられる
ホットスポットの識別および位置決めによる（例えば、最近傍（ＭＮＮ）法による）、ビーム品質（スポットビームが垂直および水平ガウス面にどの程度緊密に従っているか）として測定されてもよい、ビームの強度または平滑度における全体形状変動

他の測定は、ビーム形状に直接影響を及ぼさないことがあるが、本明細書に記載される技法を使用して調整されてもよい。例えば、垂直／水平ビーム角度平均（ＢＡＭ）およびビーム角度標準偏差（ＢＡＳ）は、望ましくない可能性が高い、ビームの非対称性の基準を表してもよい。例示的な技法は、より対照的なビームを作り出すようにその値を最小化または補正するために、ｖＢＡＭ、ｖＢＡＳ、ｈＢＡＭ、およびｈＢＡＳを操作するのに使用することができる。

理想的には、ユーザは、多種多様な可能性から所望のイオンビーム形状を選択して、実施される特定のタスクに合わせてイオンビーム形状を作り変えることができる。ユーザは、他の可能性の中でも特に、特定の機器の正味のプロセス結果を整合するため、三次元構造がどのように注入もしくはエッチングされるかを操作するため、および／または全体のデバイス性能、産出量、もしくはスループットに影響を及ぼす、複雑な熱（もしくは他の作用）を整合するため、特定のスポットビーム形状を構成したいと考えることがある。例えば、ユーザは、ユーザが特定のパターンをウェハに付与しようと試みていて、より微細な「点」を必要とする場合に有用なことがある、幅広であるが短いビームを望むことがあり、短い高さによって、多数のイオンを注入しながら、注入を垂直方向で大幅に変動させることが可能になる。他方で、幅が狭く短いビームによって、ユーザが、ビームの水平および垂直両方の変動を制御することが可能になる。

別の検討対象は、スポットビーム内の電流分布であってもよい。例えば、高さがあって幅が狭い形状は、垂直方向の重なり（統計的平滑化）を提供し、ビームの掃引方向をより迅速に反転させるのを可能にすることが望ましいことがある。場合によっては、不均一な電流分布が望ましいことがある。例えば、例示的な技法を使用して、同心のリングまたは他の不均一な注入を作り出すことができ、これは、反均一性を付与する半導体プロセスを無効にする（例えば、研磨）のに有用なことがある。

いくつかの実施形態では、これは、スポットビームの形状（例えば、水平および垂直強度分布、水平および垂直角度分布、全体幅、高さ、電流など）を構成することを伴ってもよい。本明細書に記載する原理はまた、他のタイプのビーム（スポットビームとは異なる）の構成を変更するのに適用することができる。例えば、本明細書に記載する技法は、リボンビームの高さを調節するのに使用することができる。

さらに、ビームの強度が集中しすぎているかまたは拡散しすぎている場合に、複雑な相互作用が生じることがある。ビームは、下にあるシリコンマトリックスに対して熱を付与し損傷を与えることがある。この効果は、用途に応じて、望ましいこともあれば望ましくないこともある。

これらの効果を達成するためには、発生装置のビーム整形メカニズムを調節するコントローラを、ビーム整形メカニズムをどのように調節すればビーム形状に影響を及ぼすかを理解して、プログラムする必要がある。しかしながら、イオンビーム形状は、多種多様な異なるビーム形状パラメータ（例えば、クワッド３磁石によって使用される電流、ポストスキャン抑制、集光の度合いなど）のいずれかを調節することによって変更することができる。これらのパラメータはそれぞれ、広範囲の値を取ることができ、つまり、イオンビーム発生装置の膨大な数の可能な構成がある。これらの構成のわずかなサブセットのみが、ビームの形状を調節することも可能にしつつ、所望の形状を達成することができる。一部の構成では、パラメータのうちの１つを調節することによって、ビーム形状が予測不能に変化することがあり、他の構成では、パラメータの調節はビーム形状にまったく影響しないことがある。

任意の所与の構成がテスト可能であり、イオンビーム発生装置をその構成でセットアップすることができ、結果として得られるビーム形状を測定することができる。しかしながら、構成の測定には時間がかかる。可能な構成が非常に多いため、可能な構成をすべて測定するのは非現実的である。結論として、所望のイオンビーム形状を達成するためにイオンビーム発生装置を構成する既存の解決策は、比較的低速な傾向があり、次善の構成を識別することがある。

本明細書に記載する例示的実施形態は、安定しており（ビーム形状を調節するのに変更する必要があるのが、利用可能である調整可能なパラメータの比較的小さいサブセットのみである）、それでもなお変化に敏感である（調整可能なパラメータのうちの１つを調節することで、変化が速すぎるかまたは遅すぎることなく、予測可能かつ好ましくは線形的にビーム形状が変化する）、イオンビーム発生装置のための調整可能なパラメータの構成を識別する技法に関する。

一実施形態では、システムは、イオンビームに対する所望の形状を記述するパラメータを受信してもよい。ビーム形状パラメータは、角度、角度広がり、幅、高さ、強度、強度低下などに関して、ビームの形状を規定してもよい。

システムはさらに、イオンビームを発生させるように構成されたイオンビーム発生装置に対する調整可能なパラメータを受信してもよい。調整可能なパラメータは、イオンビームの形状を変更するように調節することができる、イオンビーム発生装置におけるセッティングを表してもよい。調整可能なパラメータは、イオンビーム発生装置におけるビーム整形サブシステムの特定の下位構成要素に対するセッティング（例えば、四極磁石に印加される電流、アパーチャまたは抽出マニピュレータを移動させる機械的構成要素の位置、イオンビームが通過する静電場または電磁場の強度、フォーカス電圧、スキャナオフセット電圧、ポストスキャン抑制電圧など）であってもよい。

これらの調整可能なパラメータを特定の値にセッティングすることによって、特定の形状のイオンビームが発生する。例示的実施形態の目標は、所望のビーム形状を作り出すことができる、調整可能なパラメータの値の組み合わせを識別することである。

特定のビーム形状を達成する調整可能なパラメータの値の単一の組み合わせを識別することは、理想的ではないことがある点に留意すべきである。ビーム形状が達成された時点で、ユーザは依然として、ビーム形状の態様を調節する（例えば、ビームの高さ、幅、または角度を、それ以外は形状を維持したまま変更する）ことを望んでいることがある。構成は、所望の形状を達成していてもいずれにせよ安定しないことがあり、調整可能なパラメータのうちの１つに対する変更によって、ビーム形状が不規則に変化することがある。したがって、残りの（固定されていない）調整可能なパラメータは調節可能であるべきであり、調節されたとき、イオンビームの形状を予測可能な、好ましくは線形的な形で変更すべきである。例えば、固定されていないパラメータのうちの１つを調節することによって、イオンビームが幅を変更すべきであり、その場合、幅の増加または減少は、固定されていないパラメータに対する調節に伴って線形的に変動する。

したがって、安定していて高感度である探索空間内の１つの特定の点を識別するだけでは不十分なことがあり、指定された点の周りにおける探索空間内の領域（指定された点の値に対する変化によって達成されるであろう、調整可能なパラメータ値を表す）の安定性および感度も考慮するのが重要なことがある。これらの近隣の組み合わせはクラスタと呼ばれる。クラスタが安定していてかつ高感度である場合、固定されていないパラメータに対する値を調節することで、ビーム形状が予測可能な形で変化することになる。

別の目標は、利用可能な調整可能なパラメータのできるだけ多くに対して値を固定することである。これら固定された値は、ビーム形状が調節された際に変更されるべきではない。これによって調節プロセスが単純になり、所望の効果を達成するために変更する必要があるのが調整可能なパラメータのうちの比較的少数のみになるので、ビーム形状をより高速で調節することができる。

これらの目標を達成する調整可能なパラメータの値の組み合わせを見つけるには、利用可能な組み合わせを探索して実施可能な解を見つける必要がある。これは妥当な時間量で行う必要があり、一般に、すべての可能な組み合わせを測定することは除外される。例示的実施形態では、この探索は、（１）探索空間内の組み合わせの比較的小さい調査サブサンプルに対して選択的測定を実施し、（２）測定に基づいてさらに検討する探索空間の領域を識別し、（３）機械学習（ＭＬ）回帰モデルを使用して、識別した領域内の測定されていない組み合わせに対するビーム形状を補間し、（４）比較的低信頼の補間に対するビーム形状を測定することによって、これらの補間の周りの不確実性を除去し、（５）調整可能なパラメータ値の期待できるクラスタを評価し、（６）上記に概説した目標を満たすクラスタを選択することによって、迅速に実施することができる。

例示的実施形態は、可能な組み合わせの小さいサブセット（元の調査サブサンプル、および回帰モデルが最低信頼度を有する補間点）のみが測定されるので良好な結果を比較的迅速に達成することができる。探索空間内の残りの点は高速プロセスで補間されて、多くのポイントを高信頼で調査することが可能になる。例えば、１つのテストでは、調整可能なパラメータは、６２５の調査点を測定することによって選択され、調査点は次に、１，０００，０００を超える補間点（シミュレートされた点）で拡張された。

この目的のため、例示的実施形態は、探索空間内の調査点のセットを選択してもよい。探索空間はｎ次元の探索空間であってもよい（ｎは、調整可能なパラメータの数に対応する整数である）。探索空間内の各点は、調整可能なパラメータに対する値の可能な組み合わせを表してもよい。

調査点それぞれに対して、測定されたビーム形状パラメータが受信されてもよい。測定されたビーム形状パラメータは、それぞれの調査点によって規定される調整可能なパラメータに対する値の組み合わせに基づいて生成されてもよく、調査点によって規定される調整可能なパラメータに対する値の組み合わせを使用して、ビーム形状パラメータの測定値を表してもよい。

例示的実施形態は、調査点の近傍にある補間点に対する予測されたビーム形状パラメータを提供するように構成された、回帰モデルを訓練してもよい。任意の好適な回帰モデルを使用することができ、例えば、ガウス過程、勾配ブースティング、または他の任意の好適なリグレッサ（ｒｅｇｒｅｓｓｏｒ）が使用されてもよい。

いくつかの実施形態では、回帰モデルは、補間点のそれぞれに対する信頼値を提供する。例えば、回帰モデルは、所与の点に対する複数の可能な解を識別してもよく、信頼区間（例えば、予測の９５％を包含する９５％信頼区間）を作成してもよい。信頼区間が広くなるほど、回帰モデルが選択解の中にあり得る信頼度は低くなる。例えば、信頼区間が±０．０５である（例えば、０．９５～１．０５の値を包含する）場合、この解における回帰モデルの信頼度は、信頼区間が±０．２０である（上記例では０．８～１．２の値を包含するであろう）場合よりも高くなる。別の方法としてまたは加えて、回帰モデルは信頼スコア（例えば、７．８または９６％）を提供してもよい。

例示的実施形態は、複数のクラスタのうちの１つが、所定の閾値（例えば、比較的広い９５％信頼区間、もしくは比較的低い信頼スコア）よりも上または下の信頼値を有する、低信頼補間点と関連付けられることを識別してもよい。

回帰モデルが補間に関して信頼度が高くないという決定に応答して、例示的実施形態は、ビーム形状パラメータを補間されたデータ点において測定するようにしてもよい。値を測定することで、補間点の周りの不確実性はゼロに下がる。測定値は、回帰モデルへとフィードバックされ、再訓練するのに使用されてもよく、それによって回帰モデルの性能が改善される。再訓練された回帰モデルは次に、他の低信頼補間点に再適用することができ、場合によっては関連する信頼値が改善される。まだ低信頼である補間点を測定することができ、プロセスを繰り返すことができる。

例示的実施形態は、予測されたビーム形状パラメータおよび測定されたビーム形状パラメータに基づいて、探索空間内の複数のクラスタを規定してもよい。これらのクラスタは、選択された点の所定の範囲における探索空間のエリアなど、調整可能なパラメータに対する値のグループ化を表してもよい。いくつかの実施形態では、任意の所与の点におけるパラメータの組み合わせによって得られるビーム形状が、元々供給されたビーム形状パラメータにどの程度緊密に合致するかを記述する、目的関数が規定されてもよい。目的関数は、ビーム形状に対する１つまたは複数の測定値を含む入力を、測定値が元のビーム形状パラメータに近いほど増加するスコアまたは値に対してマッピングしてもよい。ビーム形状パラメータは、一部のパラメータが他のパラメータよりも重要であるものとして処理されるように重み付けされてもよく、重み付けが大きいパラメータは、目的関数によって出力される値に対して、重み付けが小さいパラメータよりも大きく寄与してもよい。クラスタは、探索空間内における目的関数の極大値の周りのエリアを表してもよい。

例示的実施形態は、各々のクラスタ内の調整可能なパラメータの安定性または感度のうちの少なくとも１つに関して、複数のクラスタを評価してもよい。いくつかの実施形態では、クラスタが選択されてもよく、選択したクラスタ内における調整可能なパラメータの値の組み合わせが識別されてもよい。例えば、クラスタ内の中心点が評価のために選択されてもよく、または比較的安定した領域の中心にある点が選択されてもよい。クラスタ内で選択された特定の点は、後述するイオンビームの形状に対する効果のうちの１つをより良好に達成する意図で調節されてもよい。

調整可能なパラメータのうちの第１のパラメータに対する値が調節されてもよく、イオンビームの形状に対するこの調節の効果が決定されてもよい。イオンビームの形状に対する効果は、いくつかの異なる手法で測定されてもよい。いくつかの実施形態では、上述した目的関数の値の変化が効果を決定するのに使用されてもよい。いくつかの実施形態では、個々のビーム形状パラメータの変化は独立して考慮されてもよく、ビーム形状パラメータそれぞれに対する値は、ビーム形状に対する効果を表す値として使用されてもよい。

調整可能なパラメータのうちの第１のパラメータを調節することは、イオンビームの形状に対するいくつかの可能な効果を有し得る。場合によっては、調整可能なパラメータが比較的大きく変更された場合であっても、ビーム形状は著しく変化しない。この場合、この特定の調整可能なパラメータはビーム形状に対する効果を有さず、したがって、ビーム形状を調整する能力をもたらさないことが知られている。したがって、この調整可能なパラメータは、安定した領域内の特定の値に安全に固定することができる。

場合によっては、ビーム形状は、選択された点の周りで放物線状に変化してもよい。例えば、ビーム形状は、調整可能なパラメータに対する値が選択された点の値に近付くにつれて増加してもよく、値が選択された点を越えた後は減少してもよい。この場合、調整可能なパラメータを、放物線の最小／最大で達成される値に固定することが可能であってもよく、これは比較的安定した領域を表してもよい。

場合によっては、調整可能なパラメータに対する値を変更することで、ビーム形状の測定値を、不規則に、ノイズを含んで、または別の非線形的な形で変化させてもよい。この場合、現在のクラスタは選択の良好な候補ではないことがある。所望のビーム形状をクラスタ内で達成できる場合であっても、ビーム形状は、予測可能な形で調節可能ではないことがあり、調整可能なパラメータの値を変更することで、ビーム形状が大きく変更されるか、またはまったく変更されないことがある。したがって、クラスタは検討対象から除去されてもよい。

さらに場合によっては、第１の調整可能なパラメータに対する値を調節することで、ビーム形状の値を実質的に線形的な形で変化させてもよい。換言すれば、調整可能なパラメータの値に対する調節によって、ビーム形状に対する値を比例的に変化させてもよい。この結果は、ビーム形状が第１の調整可能なパラメータに対して安定しており高感度であることを意味する。したがって、調整可能なパラメータは自由に調節可能であると言ってもよい。クラスタは、クラスタがどの程度安定しているかに基づいてスコアリングされ（例えば、いくつの調整可能なパラメータが、より高い安定性スコアを有する固定されたパラメータをより多数有するクラスタ内で固定されているかが表され）てもよい。クラスタはまた、クラスタ内における固定されていないパラメータの調節に対してビーム形状がどの程度高感度であるかに基づいてスコアリングされてもよい。感度スコアは、ビーム形状の応答がより線形的になるにつれて増加してもよい。さらに、線形応答が急すぎず浅すぎないことが望ましいことがある。応答が急な傾斜を有する線によって表される場合、調整可能なパラメータに対する小さい調節が、線形的であるが比較的大きい調節をビーム形状にもたらすことがある。同様に、傾斜が浅すぎる場合、ビーム形状が所望の形で反応する前に、調整可能なパラメータを大幅に調節するのが必要なことがある。したがって、線形応答に対する標的の傾斜が規定されてもよく、ビーム形状の応答が標的の傾斜に近付くにつれて、感度スコアが増加してもよい。

また、２つ以上の調整可能なパラメータが直交する形でビーム形状に影響を及ぼすことが可能であってもよい。換言すれば、調整可能なパラメータのうちの第１のパラメータは、ビーム形状の第１の態様に影響を及ぼしてもよいが（ビーム形状パラメータのうちの第１のパラメータを線形的に変化させる）、ビーム形状の第２の態様に関しては中立であってもよい（その場合、第１の調整可能なパラメータが調節されたとき、ビーム形状パラメータの第２のパラメータは安定したままである）。第２の調整可能なパラメータは逆の形で挙動してもよく、第２の調整可能なパラメータを調節することによって、第１のビーム形状パラメータに対する変化をもたらさなくてもよいが、第２のビーム形状パラメータを線形的に変化させてもよい。例として、調整可能なパラメータのうちの１つは、イオンビームの水平角度には影響を及ぼすが垂直角度には影響せず、一方で第２の調整可能なパラメータは、垂直角度には影響を及ぼすが水平角度には影響しない場合があってもよい。

この状況では、第１の調整可能なパラメータに対する値は、（例えば、その値の周りでは、イオンビーム測定値が第１の調整可能なパラメータの変化に対して良好な感度を有する、値を探すことによって）最適化され、第２の調整可能なパラメータは自身の値で固定されてもよい。次に、第１の調整可能なパラメータに対する値は固定されてもよく、第２の調整可能なパラメータは固定されなくてもよい。次に、第２の調整可能なパラメータの値は最適化されてもよい。かかるセットアップによって自由度が追加されることにより、クラスタが評価されるとき、直交する調整可能なパラメータを有するクラスタは他のクラスタよりも好ましいことがある。

例示的実施形態は、評価に基づいて、複数のクラスタのうちの１つを選択してもよい。安定性、感度、および／または両方の重み付けされた組み合わせに関して最高スコアを有するクラスタが選択されてもよい。

例示的実施形態は、選択したクラスタに対応する調整可能なパラメータの組み合わせに対する調整セッティングを出力してもよい。調整セッティングは、例えば、調整可能なパラメータのうちのどれを固定すべきか（およびパラメータを固定すべき値）、所望のビーム形状を達成する、固定されていない調整可能なパラメータに対する開始値、ならびにパラメータのうちのどれが固定されておらず、したがって調節可能であるかの識別を識別してもよい。任意に、調整セッティングは、固定されていないパラメータの許容可能な値の範囲を提供してもよい（例えば、イオンビーム形状応答が、特定の値を超える調整可能なパラメータに対して不安定または低感度になった場合、特定の値が識別されてもよく、調整可能なパラメータは特定の値を超えないようにされてもよい）。

イオンビーム発生装置は、調整セッティングによって自動的に構成されてもよい。いくつかの実施形態では、調整セッティングはライブラリに格納されてもよく、ユーザが今後、指定されたイオンビーム形状を使用したいと考えた場合、イオンビーム形状に対する調整セッティングがライブラリから取得され、イオンビーム発生装置に適用されてもよい。

理解を助けるため、基礎をなす実現例の詳細な説明を記載する前に、一連の実施例を最初に提示する。なお、これらの実施例は単に例示のためのものであり、本発明は図示される実施形態に限定されない。

以下、図面を参照するが、図面中、同様の参照番号は全体を通して同様の要素を指すのに使用される。以下の記載では、説明目的で、徹底的な理解を提供するために多数の具体的な詳細について説明する。しかしながら、新規な実施形態はこれらの特定の詳細なしで実践することができる。他の例では、説明を容易にするために、良く知られている構造およびデバイスがブロック図の形態で示される。特許請求される主題と一貫する、すべての修正、等価物、および代替例を包含することを意図する。

図面および付随する記載では、「ａ」および「ｂ」および「ｃ」という指定（ならびに類似の指定子）は、任意の正の整数を表す変数であるものとする。したがって、例えば、実現例でａ＝５という値を設定した場合、構成要素１２２－１～１２２－ａとして示される構成要素１２２の完全なセットは、構成要素１２２－１、１２２－２、１２２－３、１２２－４、および１２２－５を含んでもよい。実施形態はこの文脈に限定されない。

図１Ａは、例示的実施形態による、整形イオンビーム１１２を発生させるのに適したイオンビーム発生装置１０２の上位レベルの概観を示している。イオンビーム発生装置１０２の例としては、Ａｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃ．（カリフォルニア州サンタクララ）によるイオン注入装置のＶＩＩＳｔａ（登録商標）ファミリーが挙げられる。イオンビーム発生装置は、イオン注入、エッチング、表面洗浄などに使用されてもよい。

イオンビーム発生装置１０２はイオン源１０４を含んでもよい。イオン源１０４は、イオンビームのためのイオンを発生させてもよい。イオン源１０４は、任意の好適な技法（例えば、電子イオン化、化学イオン化、プラズマ、放電など）を使用して、イオンを発生させてもよい。

イオン源１０４は、様々な異なるタイプのイオンを発生させてもよいが、整形イオンビーム１１２に使用するのに望ましいのはそのうちの一部のみである。したがって、所望のイオンが通過してイオンビームとなるのは可能にしつつ、望ましくないイオンは取り除くのに、イオン選択要素１０６が使用されてもよい。例えば、質量分離磁石が、質量数および価数に基づいて望ましいイオンを選び出してもよく、またはエネルギー分離磁石が、イオンのエネルギーに基づいて望ましいイオンを選び出してもよい。

イオンビーム１１６は次に、ビーム整形サブシステム１１４に提供されてもよい。ビーム整形サブシステム１１４は、イオンビーム１１６を調節して所望の形状にするための１つまたは複数の構成要素を含んでもよい。結果として得られる整形イオンビーム１１２は、ビームの形状を規定する多数の特性を有してもよい。かかる特性の例としては、垂直または水平ビーム角度分布、垂直または水平強度分布、および水平または垂直ビーム範囲（電流が含まれる場合はエンベロープ）が挙げられる。

ビームの最初の形状は、ビームが通過するアパーチャ１０８によって規定されてもよい。アパーチャ１０８のサイズ、形状、および位置は、機械的要素によって制御されてもよい。アパーチャ１０８を通過した後、イオンビームは、図１Ｂに例が示されるいくつかの構成要素を含んでもよい、ビーム形状抽出装置１１０によって調節されてもよい。

例えば、ビーム整形サブシステム１１４は、ビームのスキャン原点を変化させるスキャンオフセット制御部１１８を含んでもよく、例えば、スキャンオフセット制御部は、ビーム中心を内側または外側に移動させることができる。ビームに対するスキャンオフセットを変化させる効果は、例えば図１Ｃに示されており、より負のスキャンオフセットは、中心が（図の）右側へとシフトした、より幅広でより短いビームと関連付けられる。

ビーム整形サブシステム１１４はさらに、（例えば）磁場または電場を通してビームを調節するように構成された、光学素子１２０を含んでもよい。光学素子１２０の例としては、クワッド２およびクワッド３磁石が挙げられる。クワッド３磁石は、例えば、クワッドモードまたはダイポールモードにセットすることができる。磁石のモードを変更する効果は図１Ｃに示されており、クワッドモードはビーム高さおよび形状を制御するのに使用され、ビームは、この例では、漸進的に高くなるが細くなる形状で互いに重なり合う赤－緑－青（ＲＧＢ）成分と関連付けられる。ダイポールモードは、一般に、ビームを上下に誘導するのに使用され、図１Ｃでは、ダイポールモードは、さらに広がった同様のサイズおよび形状のＲＧＢ成分と関連付けられる。光学素子１２０は、多くの場合、ビームの高さおよび形状、ビームの垂直角度の様々な態様（デバイス内垂直角度「ｖＷＩＤＡ」、垂直ビーム角度平均「ＶＢＡＭ」、垂直ビーム角度広がり「ＶＢＡＳ」）、および下流クリッピングなどのビーム伝送特性を調節するのに使用される。

「ｖＷＩＤＡ」および「ｈＷＩＤＡ」という用語は、一般に、三次元ウェハ構造の側面に注入するのに使用される場合が多い、垂直および水平角度の広がりを指す。例として、ウェハの表面から延在する立方体について考察する。立方体は上面および４つの側面を有し、ウェハ表面は、比較的平らであってもよく、立方体の上面と同じ平面で延在してもよい。注入装置ビームが真っ直ぐ下に延在する場合（ｖＷＩＤＡまたはｈＷＩＤＡなし）、立方体の上面およびウェハ表面のみに注入されてもよく、立方体の側面はイオンを何ら受け取らない。しかしながら、ビームに垂直角度分布（ｖＷＩＤＡ）が付与された場合、立方体の側面の１つまたは２つ（垂直分布が方向付けられる）がイオンを受け取ってもよい。ｈＷＩＤＡも調節することによって、立方体の他の側面もイオンを受け取ってもよい。

ビーム整形サブシステム１１４はさらに焦点１２２を含んでもよい。焦点１２２は、ビームの緊密度を調節するのに使用されてもよく、例えば、焦点１２２は、ビームの幅および高さ、ならびにビーム伝送特性を調節するのに使用される場合が多い。焦点１２２を変更する効果は図１Ｃに示されている。

ビーム整形サブシステム１１４はさらに、ビームのＸ軸、Ｙ軸、および／またはＺ軸の態様を変更するように構成された、軸マニピュレータ１２４を含んでもよい。これらの態様を変更する効果は図１Ｃに示されている。例えば、Ｘ軸マニピュレータは、ビームの中心位置および水平ビーム角度平均を変更してもよい。Ｙ軸マニピュレータは、ビームの垂直位置、ビーム伝送、および垂直角度を変更してもよい。Ｚ軸マニピュレータは、ビームの半幅、ビーム焦点、スキャン原点、中心位置、およびビーム角度平均を変更してもよい。

なお、図１Ｂに示される特定の構成要素、および図１Ｃに示される効果は、単に例示目的で提供されるものである。イオンビーム発生装置１０２は、より多数の、より少数の、または異なる整形要素を、異なる順序および異なる組み合わせで含んでもよい。所与の整形要素は、イオンビームに対して、図１Ｃに示されるものとは異なる効果を有してもよい。使用される要素およびその効果は、特定のイオンビーム発生装置１０２および意図される用途に応じて決まる。

図１Ａに戻ると、ビーム整形サブシステム１１４の要素のいずれかまたはすべてが、ビーム整形サブシステム１１４の構成要素の１つまたは複数のセッティングを変更することによって調節可能であってもよい。これらのセッティングは、後述するような調整可能なパラメータとしての役割を果たすこともでき、アパーチャ１０８、焦点の量、磁石電流、力で駆動される光学素子に適用される力の量、静電光学素子電流、ポストスキャン抑制、スキャナオフセット、ソース寿命、またはセル抑制などを制御する機械的要素の位置決めを含む（しかしながら、上記に限定されない）。これらのセッティングは、イオンビーム発生装置１０２とインターフェース接続されたコンピューティングシステム、またはイオンビーム発生装置１０２自体のコントローラであってもよい、制御デバイス１２６によって調節されてもよい。

上記の考察から分かるように、ビーム整形サブシステム１１４の要素はそれぞれ、ビームの形状に影響を及ぼすように変更することができる、１つまたは複数の調整可能なパラメータと関連付けられてもよく、ビームの形状自体は、複数の異なるビーム形状パラメータを使用して測定されてもよい。調整可能なパラメータのどの組み合わせがどのような形でビーム形状パラメータに影響を及ぼすかの識別は、非常に困難なタスクである。

現在、このタスクは、検討対象である調整可能なパラメータの数を（例えば、一度に２つに）限定し、ビーム形状に対するこれらの調整可能なパラメータの変化の効果を実際に測定し、ユーザがマニュアルで解を識別できるように結果を視覚化することによって達成される。しかしながら、この方策にはいくつかの問題がある。第一に、検討対象である調整可能なパラメータの数を限定することによって、いくつかのパラメータが検討されないため、これらの解が、より良好またはより調整可能かも知れない解を見逃してしまうことがある。さらに、パラメータは一般に一度に２つしか検討されないので、これらの解が、互いに組み合わせて検討されないパラメータの一部の間の相互作用を見落とすことがある。さらにまた、測定を実施するには時間がかかり、測定を視覚化し、マニュアル入力を待つのにさらに時間がかかる。必要な時間量のため、比較的少数の選択肢しか検討することができない。

上記で示唆したように、例示的実施形態は、高次元探索空間を迅速に探索することができる効率的な探索戦略によってこれらの問題に対処する。これにより、より調整可能なパラメータを組み合わせて検討することが可能になって、より良好な解が得られる一方、妥当な時間量でそれらの解に到達する。

図２は、探索空間２０２の単純化した例を示している。例示を簡単にするため、図２の探索空間２０２は二次元探索空間であるが、実際には、探索空間２０２はｎ次元の探索空間（ｎは、利用可能な調整可能なパラメータの数に対応する整数）であってもよい。探索空間２０２の各軸は、調整可能なパラメータのうちの１つに対する異なる値に対応してもよく、例えば、探索空間２０２は、第１のパラメータ値２０４の第１の軸と、第２のパラメータ値２０６の第２の軸とを含む。

探索空間内の各点は、調整可能なパラメータに対する値の特定の組み合わせに対応する。例えば、図２は、第１のパラメータ値２０４が比較的大きく（例えば、「１９」）、第２のパラメータ値２０６も比較的大きい（例えば、「１５」）、第１の潜在的な解２０８を強調している。これは、タプル（１９、１５）によって指定される点に対応してもよい。第２の潜在的な解２１０に対応する探索空間内の第２の点では、第１のパラメータ値２０４は比較的大きいが（例えば、「１９」）、第２のパラメータ値２０６は比較的小さい（例えば、「１」）。これは、タプル（１９、１）によって指定される点に対応してもよい。より高次元性の空間は、より高次元性を有する点によって規定されてもよく、５次元空間内の点に対する値の例は（１９、１５、６、２２、５）であってもよい。明らかに、より多くの次元が追加されるにつれて、可能な組み合わせの数は、またしたがって探索空間２０２のサイズは指数関数的に増加する。

探索空間２０２内の各点において、調整可能なパラメータに対する値の組み合わせは、特定のビーム形状を生じさせるであろうイオンビーム発生装置のセッティングに対応する。ビーム形状は、ユーザが求める所望のビーム形状に近いことがあり、または特に近くないことがある。特定の点におけるビーム形状が所望のビーム形状にどの程度良好に合致するかを評価するため、目的関数が規定されてもよい。目的関数は、例えば、性能指数（「ＦＯＭ」）であってもよい。

目的関数は、入力として、特定の点における調整可能なパラメータに基づいてイオンビーム発生装置が構成された後に測定された、ビーム形状パラメータのセットを受け入れてもよい。目的関数は、測定されたビーム形状パラメータを、測定されたビーム形状パラメータによって規定されたビーム形状が所望のビーム形状にどの程度緊密に合致するかを表す値にマッピングしてもよい。測定されたビーム形状が所望のビーム形状に近付くにつれて、目的関数の出力は増加してもよい。ビーム形状パラメータはそれぞれ、マッピングにおける重みと関連付けられて、ビーム形状パラメータの一部が他のパラメータよりも優先することを可能にしてもよい。

例えば、検討対象のビーム形状パラメータが、垂直デバイス内角度平均（「ｖＷＩＤＡＭ」）および垂直デバイス内角度広がり（「ｖＷＩＤＡＳ」）である場合、目的関数は次式であり得る。
性能指数（ＦＯＭ）＝ｆ（ｖＷＩＤＡＭ、ｖＷＩＤＡＳ） 式１

目的関数は、探索空間内の点で規定される調整可能なパラメータに対する値の組み合わせに基づいてイオンビーム発生装置を構成し、整形イオンビームを発生させ、次に計量デバイスを使用して整形イオンビームの特性を測定することによって、探索空間内の点のいずれかに関して計算することができる。例えば、ビームは、ビームの線量、ビーム高さ（Ｙ－ｅｘｔｅｎｔ、Ｙ－ｓｉｇｍａ、および半値全高「ＦＨＨＭ」）、ビーム形状（垂直強度）、ビームホットスポット（ＭＮＮ）、ならびにシャドウＨ角度を測定するのに、マルチピクセルプロファイラに提供されてもよい。ビームは、ビームの垂直角度（ＶＢＡＳ、ＶＢＡＭ）、各垂直角度の標準偏差（ｖＷＩＤＡ）、ｖＷＩＤＡの平均（ｖＷＩＤＡ Ｍｅａｎ）、およびｖＷＩＤＡの標準偏差（ｖＷＩＤＡ Ｓｉｇｍａ）を測定するのに、７カップＸＰＶＰＳに提供されてもよい。

測定の結果は、目的関数に提供されて、目的関数は、測定されたビーム形状を所望のビーム形状と比較し（各ビーム形状パラメータに割り当てられた重みに基づいて重み付けされたマッピングを用いる）、値を出力する。値が大きいほど、発生したビームは所望のビーム形状により緊密に合致する。

図３は、（Ｘ軸およびＹ軸に沿った）探索空間内の点に対してマッピングされた、（Ｚ軸に沿った）目的関数に対する値の一例を示している。図から分かるように、目的関数が低い値を出力する（測定されたビーム形状が標的のビーム形状にあまり良好に合致しない）いくつかのエリアに谷３０２がある。目的関数が高い値を出力する（測定されたビーム形状が標的のビーム形状に緊密に合致する）エリアにピークがある。目的関数の出力は、この図では、各点における目的関数の値に基づいて色分けされた三次元マッピングとして示される。目的関数の出力はまた、再検討のために二次元ヒートマップ３０４に投影することもできる。

図３は、例示を簡単にするため、二次元探索空間で測定された目的関数の三次元表現を示している。実際には、例示的実施形態は、二次元探索空間で使用することができるが、より高い次元性で動作することもできる。

上述したように、調整可能なパラメータの組み合わせを識別することの１つの目標は、ビーム形状をできるだけ緊密に所望のビーム形状に合致させることである。したがって、１つの目標は、目的関数が極大である点（例えば、図３のピーク）に関して探索空間を探索することである。

しかしながら、調整の観点からすべてのピークが等しく望ましいわけではない。所与のピークは、所望のビーム形状を生成することがあるが、調整の目的には適さない欠点を有することがある。

例えば、図３は、ピークを取り囲む領域が比較的平らなプラトーである高度安定解３０６を含む。かかる解は所望のビーム形状を作り出すが、高度安定解３０６を取り囲むエリアにおいて、目的関数によって出力される値が大きいままであるという事実は、ビームの形状を変更するように高度安定解３０６を調節できないことを意味する。したがって、ユーザが（例えば）ビームを拡幅したいと考えた場合、高度安定解３０６を開始点として使用して調整パラメータを変更しても、ビーム幅は大きく変化しない。

図３はまた、高度不安定解３０８を示している。高度不安定解３０８の周りの領域では、目的関数の出力は、（この領域における三次元表現の極めて不安定な様相（ｈｉｇｈｌｙ ｖｏｌａｔｉｌｅ ｎａｔｕｒｅ）によって示されるように）調整可能なパラメータの値の変化に伴って非線形的に変動する。したがって、ユーザがイオンビーム発生装置を高度不安定解３０８にセットし、次に調整可能なパラメータのうちの１つを調節しようとした場合、結果として得られるイオンビームの形状は、予測不能となり、パラメータが変更されると大幅に変動する可能性がある。

より望ましい解は理想解３１０である。理想解３１０の周りの領域では、目的関数の出力が変動し、つまり、調整可能なパラメータの値の変化に応答してビームの形状が変化する。さらに、変化は平滑で線形であり、パラメータの値を変更することによって、ビームの形状が予測可能で比例的な形で変化する。

この例では、２つの調整可能なパラメータのみが使用されたが、目的関数のグラフを見ることによって依存解を識別するのは比較的簡単である。実際には、より多くの調整可能なパラメータを調節することができる場合、パラメータは互いに相互作用することがあり、依存解を識別するのがより困難になることがある。したがって、別の検討対象は解の安定性である。これに関して、パラメータの（すべてではなく）一部が非常に安定しており、それらのパラメータの変化がビーム形状に影響しないことが望ましい。これらのパラメータを安定した値に固定することができ、残りのパラメータを感度について評価することができる。これは、問題の次元性を効果的に低減し、ユーザが、調整可能なパラメータのうちの比較的少数を調節することによって、ビーム形状を変更することを可能にする。

したがって、潜在的な解を評価する場合、解の感度および安定性が検討されてもよい。高度不安定解は、不適切であるとして検討対象から排除されてもよく、過度の安定解も排除されてもよい。

目的関数からの出力は、探索空間内の様々な点でビーム形状パラメータを測定することによって得ることができる。しかしながら、実際には、可能な組み合わせの数は、これらの測定を適時に実施するには単純に多すぎる。したがって、例示的実施形態は、探索空間にわたる目的関数の挙動に対するより良好な洞察を得るために、非測定点における目的関数の値を推定する。図４Ａ～図４Ｃは、これがどのように行われるかの実例を示している。

上記と同様に、この例は、第１のパラメータ値によって規定される第１の軸４０４と、第２のパラメータ値によって規定される第２の軸４０６とを有する、単純化した探索空間４０２を含む。探索空間４０２内で、多数の調査点が規定され測定され、これらの点は測定解４０８ａ、４０８ｂ、…４０８ｙとなる。

上述したように、測定を実施するには特定の時間量がかかる。使用される測定解４０８ａ、４０８ｂ、…４０８ｙの数は、解を見つけるのに利用可能な時間予算に基づいて選択されてもよい。別の方法としてまたは加えて、探索される点の数は、調整可能なパラメータに対する可能な値を良好に網羅するように選択されてもよい。

例えば、調査点の数ｎは、値ｎ＝ａ^{ｎｕｍ＿ｐａｒａｍｓ}として表されてもよく、ｎｕｍ＿ｐａｒａｍｓは、検査対象の調整可能なパラメータの数を表す整数、ａは、各パラメータに対してサンプリングされる点の数である。Ｎｕｍ＿ｐａｒａｍｎの値は、一般に、問題の定義の一部として提供され、ａは、利用可能な時間予算に基づいて選択されてもよい。例えば、利用可能な時間予算を所与として、８００以下の点が測定されてもよいものと決定されてもよい（したがって、ｎに対する最大許容可能な値は８００である）。それゆえ、ａの値はｆｌｏｏｒ（ｎ^{１／ｎｕｍ＿ｐａｒａｍｓ}）として計算されてもよく、この例では５である。したがって、時間予算内でこの例では調整可能なパラメータごとに５つの点をサンプリングできることが分かっていてもよい（計６２５の測定がもたらされる）。好ましくは、調査点に対する測定の数は、後述するように低信頼の補間点を測定する時間を残すために、時間予算内で実施することができる測定の最大数よりも少なくなる。

調整可能なパラメータに対して測定可能な値の数が決定されると、システムは、どのパラメータ値に対して測定を実施するかを決定する。これは、イオンビーム発生装置のパラメータを掃引して許容可能な調査区域を見つけることによって達成されてもよい。例えば、ビーム整形サブシステムの異なる構成要素は、値の特定の範囲内でのみ調節可能であってもよい（例えば、アパーチャは、最小値を表す第１の点と最大値を表す最終点との間で移動させることができる）。パラメータに対して利用可能な測定の数は、良好に網羅するようにこの範囲全体にわたって（例えば、最小付近の測定、最大付近の測定、中央付近の測定、最小と中央との間の測定、中央と最大との間の測定）分布させてもよい。このプロセスは、利用可能な調整可能なパラメータそれぞれに対して繰り返されてもよく、これらの値が互いに組み合わされて、調整可能なパラメータの値に対するｎ個の組み合わせをもたらしてもよい。これらｎ個の組み合わせが次に測定されて、測定解４０８ａ、４０８ｂ、…４０８ｙをもたらしてもよい。

上述したように、測定解４０８ａ、４０８ｂ、…４０８ｙを値またはスコアに対してマッピングする、目的関数が規定されてもよい。調査点はそれぞれ、目的関数の出力に基づいて、この値またはスコアに割り当てられてもよい。多くの調査点をこのようにして発生させることができるが、探索空間４０２内の点のわずかなサンプルを表すのみである。

調査点を補足するため、例示的実施形態は、図４Ｂに示されるような補間プロセスを実施する。この例では、四角は補間点を表す。補間点それぞれにおいて、機械学習回帰モデルは目的関数の値を推定する。回帰モデルは、調査点を使用して訓練されて、それらの調査点における調整可能なパラメータ値と目的関数の対応する出力との間の関係を識別してもよい。回帰モデルの例としては、ガウス過程、ブーストツリーなどが挙げられる。

回帰モデルは、調査点の周りで離隔された所定の数の補間を提供してもよい。例えば、１つのテストでは、１，０００，０００を超える補間点が６２５の測定調査点から生成された。訓練されると、回帰モデルは、調整可能なパラメータに対する値のセットを使用して単純なルックアップを実施し、目的関数に対する推定値を決定することができる。これは、実際の測定よりもはるかに高速で実施することができ、多くの補間点を生成することが可能になる。

回帰モデルは、任意に、補間がそのようになるとリグレッサが考える推定がどの程度良好であるかの信頼の基準を提供する。例えば、回帰モデルは、スコアもしくは信頼の割合を表す数値を提供してもよく、または信頼区間（値に対するリグレッサの推定の予め規定された割合が入る値の範囲）を提供してもよい。例として、ガウス過程は、データに適合するすべての許容関数にわたる確率分布を計算する。したがって、ガウス過程は、複数の異なる可能な解が各測定データ点を通る、データフィッターとして作用する。測定データ点では、ガウス過程の不確実性はゼロであるが、測定データ点の外では、統計的分布に基づいて異なる可能な解が分散する。可能な解に対する値の範囲は、非測定点における不確実性を規定してもよい。

例として、図４Ｂは、値が±０．０５以内であると推定されている第１の補間点４１０を示している。これは（例えば）、回帰モデルが第１の補間点４１０に対する補間値ＩＶを計算し、可能な解に対する値の範囲を規定したことを意味してもよい。解の所定量（例えば、９５％）は、信頼区間内に適合することが見出された（例えば、可能な解の９５％はＩＶ－０．０５からＩＶ＋０．０５の間に収まった）。

回帰モデルは、この値では、不確実性の範囲が±０．２であった第２の補間点４１２における値の場合よりも高信頼である。第２の補間点４１２は比較的低い信頼値と関連付けられるので、低信頼補間点とみなされる。図４Ｂで分かるように、第２の補間点４１２の周りの領域でも、信頼は比較的低い（±０．１７および±０．２２）。これは、この領域が測定の良好な候補であり、図４Ｃに示されるような領域の不確実性を低減するであろうことを示す。

この例では、第２の補間点４１２は測定のためにイオンビーム発生装置に送られている。結果として、第２の補間点４１２は測定解４０８ｚに変換されている。回帰モデルは任意に、この新しい情報を使用して再訓練されてもよく、この再訓練は、回帰モデルの予測が非常に不確実であったちょうどその位置における回帰モデルの予測能力を改善するので、特に有益なことがある。再訓練された回帰モデルは、補間点の一部またはすべてを再補間するのに再適用されてもよい。いくつかの実施形態では、再訓練された回帰モデルは、比較的低い信頼スコア（例えば、所定の最小閾値未満、または推定範囲が特定のサイズを超える）と以前に関連付けられた点のみを再補間してもよい。

図４Ｃで分かるように、測定解４０８ｚにおける不確実性はゼロに低減されており、付近の領域における不確実性も低減されている（即ち、付近の補間点はここでは±０．０３～±０．０６の範囲と関連付けられる）。

上述したように、例示的実施形態は、回帰モデルの形態の人工知能／機械学習（ＡＩ／ＭＬ）を利用してもよい。図５は、例示的実施形態で使用するのに適したＡＩ／ＭＬ環境５００を示している。

最初に、図５は、特定のＡＩ／ＭＬ環境５００を示しており、特定のタイプの回帰モデルと関連して考察されることが注目される。しかしながら、他のＡＩ／ＭＬシステムも存在し、当業者であれば、図示されるもの以外のＡＩ／ＭＬ環境が任意の好適な技術を使用して実現されてもよいことを認識するであろう。

ＡＩ／ＭＬ環境５００は、調整可能なパラメータに対する値の組み合わせと、組み合わせと関連付けられたビーム形状を所望または標的のビーム形状と比較する目的関数の出力との間の関係を学習するのに、ＡＩ／ＭＬモデル５２２を適用するコンピューティングデバイスなど、ＡＩ／ＭＬシステム５０２を含んでもよい。ＡＩ／ＭＬシステム５０２はプロセッサ回路５０６を含んでもよい。

ＡＩ／ＭＬシステム５０２は訓練データ５０８を利用してもよい。訓練データ５０８は、回帰モデルによって、上述の関係を学習するのに使用されてもよい。例示的実施形態によれば、訓練データ５０８は、調査点および／または測定される任意の低信頼補間点からの測定データであってもよい。訓練データ５０８は、例えば、調整可能なパラメータ値の組み合わせを表すデータ値５１４と、データ値５１４に基づいて目的関数によって出力される値を表す目的関数出力５１６とを含んでもよい。

ＡＩ／ＭＬシステム５０２は、ハードドライブ、固体ストレージ、および／またはランダムアクセスメモリを含んでもよい、ストレージ５１０を含んでもよい。場合によっては、訓練データ５０８は、ＡＩ／ＭＬシステム５０２からリモートでデータベース、ライブラリ、リポジトリなどに格納されてもよい。また、ネットワークインターフェース５０４を介してアクセスされてもよい。訓練データ５０８はまた、あるいは別の方法として、ＡＩ／ＭＬシステム５０２と結び付けられた（例えば、ＡＩ／ＭＬシステム５０２のストレージ５１０に格納された）訓練データ５１２であってもよく、あるいはローカルおよびリモートのデータの組み合わせであってもよい。

訓練データ５１２はモデル５２２を訓練するのに適用されてもよい。特定の用途に応じて、異なるタイプのモデル５２２が使用に適していてもよい。例えば、ガウス過程は、データ値５１４と目的関数出力５１６との関連を学習するのに特に良く適していてもよい。ガウス過程の特定の利益は、予測プロセスの一部として信頼区間を生成することであり、したがって、システムが、本明細書に記載するように低信頼補間点を簡単に再評価することが可能になる。

他のタイプのモデル５２２、つまり非モデルベースのシステムも、設計者の目標、利用可能なリソース、利用可能な入力データの量などに応じて、本明細書に記載するタスクに良く適していてもよい。

任意の好適な訓練アルゴリズム５１８が、モデル５２２を訓練するのに使用されてもよい。いずれにせよ、図５に示される例は、教師あり訓練アルゴリズムに特に良く適していてもよい。教師あり訓練アルゴリズムの場合、ＡＩ／ＭＬシステム５０２は、データ値５１４を入力データとして適用してもよく、データ値に対して、入力とラベルとの間の関連を学習するのに、結果として得られる目的関数出力５１６がマッピングされてもよい。この場合、目的関数出力５１６はデータ値５１４に対するラベルとして使用されてもよい。

訓練アルゴリズム５１８は、ストレージ５１０のロジックおよび構造に対して動作する好適なハードウェア処理リソースを含んでもよい、プロセッサ回路５０６を使用して適用されてもよい。訓練アルゴリズム５１８、および／または訓練済みモデル５２２の展開は、モデルハイパーパラメータ５２０に少なくとも部分的に依存してもよい。例えば、ガウス過程は、２つの点の間の類似性を推定するガウスカーネル関数を利用してもよい。カーネル関数は、モデル５２２が関連をどの程度良好に、またどの程度迅速に学習するかに影響を及ぼすように調節することができる、複数のパラメータと関連付けられる。

例示的実施形態では、モデルハイパーパラメータ５２０は、選択されるモデル５２２および使用されるべき訓練アルゴリズム５１８に適した任意の知られているハイパーパラメータ最適化技術を含んでもよい、ハイパーパラメータ最適化ロジック５２８に基づいて、自動的に選択されてもよい。例えば、ガウス過程を採用する例示的実施形態は、交差検証、ベイジアン、最急降下、準ニュートン、またはモンテカルロ法を利用してもよい。

任意に、モデル５２２は時間に伴って再訓練されてもよい。例えば、新しい測定データ値が収集されるにつれて（例えば、低信頼補間点が測定されたとき）、新しい測定値が訓練アルゴリズム５１８に提供されて、モデル５２２を更新してもよい。

いくつかの実施形態では、訓練データ５１２の一部は、モデル５２２を最初に訓練するのに使用されてもよく、また一部は、検証サブセットとして取っておかれてもよい。訓練データ５１２のうちの検証サブセットを含まない部分は、モデル５２２を訓練するのに使用されてもよく、検証サブセットは取っておかれ、訓練済みモデル５２２をテストして、モデル５２２が予測を新しいデータに合わせて一般化することができるかを検証するのに使用されてもよい。

モデル５２２は、訓練されると、（プロセッサ回路５０６によって）新しい入力データに適用されてもよい。新しい入力データは、まだ測定されていない調整可能なパラメータに対する値の組み合わせを含んでもよい。モデル５２２に対するこの入力は、予め規定された入力構造５２４に従って、訓練データ５１２がモデル５２２に提供された手法をミラーしてフォーマット化されてもよい。モデル５２２は、例えば、ラベルなし入力に適用されるべき目的関数出力５１６の予測であってもよい、出力構造５２６を生成してもよい。

上述の記載は、入力／結果のペアを有する利用可能な訓練データを所与として、教師あり学習の技法を適用する、特定の種類のＡＩ／ＭＬシステム５０２に関する。しかしながら、本発明は、特定のＡＩ／ＭＬパラダイムで使用することに限定されず、他のタイプのＡＩ／ＭＬ技法が使用されてもよい。

図６Ａおよび図６Ｂは、安定しており（ビーム形状を調節するのに変更する必要があるのが、利用可能である調整可能なパラメータの比較的小さいサブセットのみである）、それでもなお変化に敏感である（調整可能なパラメータのうちの１つを調節することで、予測可能かつ線形的にビーム形状が変化する）、調整可能なパラメータの構成を識別するための、例示の調整可能なパラメータ識別ロジック６００を示すフローチャートである。調整可能なパラメータ識別ロジック６００は、コンピュータ実装方法として、および／またはプロセッサによって実行されるように構成されたコンピュータ可読媒体に格納される命令として、具体化されてもよい。ロジックは、後述する動作を実施するように構成された、好適なコンピューティングシステムによって実現されてもよい。

処理は開始ブロック６０２で始まってもよい。開始ブロック６０２は、ビーム形状パラメータによって測定されるような指定のビーム形状を達成する、所与のイオンビーム発生装置に対する構成を識別する命令をシステムが受信すると開始されてもよい。ビーム形状パラメータは、明示的に（例えば、指定されたビーム形状パラメータに対する標的値に基づいて、ユーザが問題を規定してもよい）、または暗示的に（例えば、ユーザがイオンビームの所望の形状および一般特性を規定してもよく、システムが、所望の形状もしくは特性を達成するのにビーム形状パラメータのどの組み合わせが必要であるかを自動的に決定してもよい）指定されてもよい。

命令は、イオンビーム発生装置で利用可能である調整可能なパラメータのすべてまたはサブセットを含んでもよい、調節するのに利用可能である調整可能なパラメータを識別してもよい。いくつかの実施形態では、調整可能なパラメータは、検討対象のイオンビーム発生装置のタイプに基づいて自動的に識別されてもよい。

ブロック６０４で、システムは、調整可能なパラメータに対する調査区域を識別してもよい。調査区域は、調整可能なパラメータが取ることができる値の範囲を表してもよい。いくつかの実施形態では、調査区域は予め規定され、データベースに格納されてもよい。他には、システムは、調査区域に関してイオンビーム発生装置に問い合わせることができてもよい。さらに他には、システムは、調整可能なパラメータと関連付けられた下位構成要素を調節するように命令し、イオンビーム発生装置の出力に基づいて、調整可能なパラメータが最小値または最大値にいつ達するかを決定することによって、調査区域を決定してもよい。

ブロック６０６で、システムは、調整可能なパラメータそれぞれに対する値の数を選択するために、調査区域を分割してもよい。好ましくは、調査区域は、調査区域と関連付けられた調整可能なパラメータに対する利用可能な値の全範囲を良好に網羅するように分割されてもよい。上述したように、調査区域の分割は、時間予算と検討対象の調整可能なパラメータの数とに基づいて実施されてもよい。調整可能なパラメータそれぞれに対する値は、探索空間内の調査点を表す多数の組み合わせを作成するのに、互いに組み合わされてもよい。

ブロック６０８で、システムは、重みを所望の形状特性（即ち、開始ブロック６０２で受信したビーム形状パラメータ）に割り当ててもよい。重みは、ビーム形状のどの特性がユーザにとって最も重要であるかに基づいて、ユーザ指定であってもよく、または自動的に生成されてもよい。例えば、指定されたビーム形状を多数の異なる手法で達成することができるが、特定のビーム形状パラメータが必要である（または所望のビーム形状を達成するのに他のパラメータよりも多く使用される）場合であってもよい。この場合、システムは、より重要なパラメータの重要度を増加させる重みを自動的に割り当ててもよい。

ビーム形状パラメータを重み付けした後、ビーム形状が重み付けられたビーム形状パラメータにどの程度良好に合致するかを表すスコアまたは値に、ビーム形状をマッピングする目的関数が規定されてもよい。目的関数の一例は性能指数（ＦＯＭ）である。

ブロック６１０で、システムは、ビーム形状を測定するための測定要件を決定してもよい。上述したように、探索空間をどの程度広範囲に調査できるかを決定する限定要因は、測定を実施するのに必要な時間量である。しかしながら、ビームのすべての特性を測定するのが必要ではないことがある。開始ブロック６０２で提供された所望のビーム形状パラメータによって、特定の測定を排除することが可能な場合（例えば、所望のビーム形状が、垂直角度測定ではなく水平角度測定にほぼ依存する場合）、垂直角度測定の一部を実施しないようにするのが可能なことがあり、それにより、各測定を実施するのに必要な時間量が低減され、より多くの測定を実施することが可能になる。

ブロック６０６で規定された調査点は、ブロック６１２でサンプリングされてもよい。例えば、システムは、特定の調査点にアクセスし、調整可能なパラメータに対する関連する値を読み取り、値に基づいてイオンビーム発生装置を構成してもよい。イオンビーム発生装置は次に、構成を使用して整形イオンビームを生成してもよく、１つまたは複数の計量デバイスが整形イオンビームの特性を測定してもよい。これらの測定値を目的関数に適用して、調査点における目的関数に対する値が決定されてもよい。

調査点がそれぞれサンプリングされた後、ブロック６１４で、リグレッサが訓練されてもよい。例えば、システムは、ガウス過程（または他の回帰モデル）を訓練する訓練データとしての測定値に基づいて、目的関数の出力を使用してもよい。回帰モデルは、上述したような所定の数の補間点を生成するのに適用されてもよい。

ブロック６１６で、システムは、ブロック６０８で受け取った重みに基づいて、補間点を評価してもよい。例えば、ビーム形状パラメータに対する補間点によって規定されるような、調整可能なパラメータの予期される寄与に基づいて、目的関数の推定出力が再計算されてもよい。

ブロック６１８で、システムは、各点に対して重み付けされた目的関数の値に基づいて、評価した点をソートしてもよい。ブロック６２０で、最高位の点がクラスタにソートされてもよい。クラスタはそれぞれ、所望のビーム形状を達成してもよい、異なる局所最適を表してもよい。システムは、類似のグループ分けまたはパターンを識別する画像処理または同様の技法に基づいて、クラスタを識別してもよい。

ブロック６２２で、システムは、ブロック６２０で規定したような次の（または第１の）クラスタを検討対象に選択してもよい。ブロック６２４で、クラスタは不確実性に関して評価されてもよい。例えば、クラスタと関連付けられた局所最適が選択されてもよく、局所最適の不確実性が識別されてもよい。局所最適が測定した点を表す場合、不確実性はゼロまたはほぼゼロであってもよい。しかしながら、測定した点よりも多くの補間点があることを所与として、局所最適は補間点に位置することになる可能性が高い。回帰モデルは、上述したように、補間点を計算する際に不確実値を出力してもよい。この不確実値は、クラスタに対する不確実性の推定として使用されてもよい。いくつかの実施形態では、クラスタ内の点からの複数の不確実性測定値を組み合わせて（例えば、平均化して）、クラスタの不確実性が決定されてもよい。

決定ブロック６２６で、システムは、クラスタに関する不確実性が所定の閾値を超えるかを決定する。例えば、所定の閾値は、最小信頼スコアもしくは割合であってもよく、または信頼区間に対する値の範囲のサイズであってもよい。決定ブロック６２６における決定が「はい」である（不確実性が比較的高い）場合、処理はブロック６３０に進んでもよく、補間点に対するビーム形状は、上述した調査点と同じようにして測定されてもよい。

いくつかの実施形態では、システムは、クラスタの不確実性に基づいてクラスタをソートし、測定のために所定数の最低信頼クラスタを選択する。

測定した点は回帰モデルを再訓練するのに使用されてもよい。いくつかの実施形態では、システムは、複数の異なる測定値をバッチ処理するのを待ち、測定値のバッチを使用してモデルを再訓練してもよい。処理は次に、決定ブロック６３２に進んでもよい。

決定ブロック６２６における決定が「いいえ」である（不確実性が比較的低い）場合、ブロック６２６で、システムはクラスタに対する予測値を使用することを決定してもよい。処理は次に、決定ブロック６３２に進んでもよい。

決定ブロック６３２で、システムは、まだクラスタが評価のために残っているかを決定する。残っている場合、処理はブロック６２２に戻り、次のクラスタが検討対象に選択される。残っていない場合、処理はブロック６３４に進む。

ブロック６３４（図６Ｂ）から、処理はブロック６３８に進み、クラスタは再び一度に１つずつ検討される。この段階で、すべてのクラスタは比較的高信頼のクラスタのはずである。

ブロック６４０で、システムは、クラスタと関連付けられた調整可能なパラメータの１つ（例えば、クラスタの局所最適に割り当てられたパラメータ値）を選択する。ブロック６４２で、パラメータは、ビーム形状に対するパラメータの効果を観察するように調節されてもよい。

この目的のため、システムは再び回帰モデルを利用してもよい。調整可能なパラメータ値に基づいて目的関数の出力を予測するように訓練されているシステムは、選択したクラスタ点の値を変更し、目的関数の出力が結果としてどのように変化するかを予測してもよい。例えば、クラスタ点がフォーカス電圧に対する値ｘｋＶを指定した場合、システムは、ｘ＋０．２ｋＶ、ｘ＋５ｋＶ、ｘ＋１０ｋＶなどのフォーカス電圧で目的関数がどのように変化するかを知るため、回帰モデルに問い合わせてもよい。

選択したパラメータを調節した後、システムは、結果として得られる目的関数の予測変化を決定してもよい。目的関数出力が変化しない（安定している）か、放物線状に変化する場合、ブロック６４４で、パラメータ値が、安定領域内の値または放物線の最大もしくは最小で固定されてもよい。目的関数出力が実質的に線形的に変動する場合、ブロック６４６で、パラメータは調整可能なパラメータとしてフラグを付けられてもよく、固定されないままであってもよい。目的関数出力が変動するが、非線形的である場合、ブロック６５０で、クラスタが検討対象から除去されてもよい（クラスタを予測可能な調整に使用できないため）。

クラスタが検討対象から除去されない（処理がブロック６４４またはブロック６４６を通過する）場合、ブロック６４８で、システムは、評価すべき追加のパラメータが残っているか否かを決定してもよい。残っている場合、処理はブロック６４０に戻り、評価するクラスタの次のパラメータが選択される。

評価すべきパラメータが残っていない場合、またはブロック６５０でクラスタが検討対象から排除された場合、処理はブロック６５２に進み、システムは、評価する追加のクラスタが残っているかを決定する。残っている場合、処理はブロック６３８に戻り、次のクラスタが選択される。残っていない場合、処理はブロック６５４に進む。

ブロック６５４で、検討対象から排除されなかったクラスタについて、感度および安定性が評価される。安定性の基準として、システムは、クラスタ内のいくつのパラメータが固定されているかを検討してもよく（ブロック６４４）、より多くのパラメータが固定されていることは、より安定した構成を表してもよいが、調整のため、少なくともいくつかのパラメータは固定されないままにしておく必要がある。感度の基準として、システムは、固定されないままの調整可能なパラメータを使用して、いくつのビーム形状パラメータを操作することができたか、またそれらのパラメータをどの程度変更することができるかを検討してもよい。システムは、調整可能なパラメータが完璧な線形フィットにどの程度近かったかを検討してもよく、線形フィットが、比較的急な傾斜（調整可能なパラメータに対する小さい調節が、比例的であるが大きいビーム形状の変化をもたらして、微細な調節を達成するのが困難である）、比較的浅い傾斜（ビーム形状に影響を及ぼすのに大きい調節が必要であって、ビーム形状を著しく変化させるのが困難である）、または予め規定された値に近い傾斜（微細な調整も調節ごとの妥当な量の変化も可能になる所望の調整性を示す）のいずれを有したかを検討してもよい。

クラスタは、感度および安定性の測定基準に基づいてスコアリングされてもよい。さらに、直交する調整可能なパラメータ（上述）を有するクラスタは、直交する調整可能なパラメータを有さないクラスタよりも高いスコアを受け取ってもよい。

ブロック６５６で、ブロック６５４からの最高評価（例えば、最高スコア）のクラスタが、最も調整可能な構成として選択されてもよい。任意の固定されたパラメータはフラグを付けられてもよく、パラメータが固定される値が識別されてもよく、任意の調整可能なパラメータは、所望のビーム形状を達成する既定値（例えば、クラスタを規定する局所最適に対する値）にセットされてもよい。これらの値は、セッティングファイルに保存されてもよく、イオンビーム発生装置に適用されてもよい。いくつかの実施形態では、ビーム形状を再使用できるように、セッティングファイルはライブラリに保存されてもよく、ユーザは、セッティングファイルをライブラリから選択して、セッティングファイルによって規定されたビーム形状でイオンビーム発生装置を構成してもよい。

処理は次に、完了ブロック６３６に進み、終了してもよい。

図７は、スタンドアロンおよび／またはネットワーク化環境で、本明細書に記載する１つまたは複数の例示的態様を実現するのに使用されてもよい、システムアーキテクチャおよびデータ処理デバイスの一例を示している。データサーバ７１０、ウェブサーバ７０６、コンピュータ７０４、およびラップトップ７０２などの様々なネットワークノードは、インターネットなどのワイドエリアネットワーク７０８（ＷＡＮ）を介して相互接続されてもよい。加えてまたは別の方法として、専用イントラネット、企業ネットワーク、ＬＡＮ、メトロポリタンエリアネットワーク（ＭＡＮ）、無線ネットワーク、パーソナルネットワーク（ＰＡＮ）などを含む、他のネットワークが使用されてもよい。ネットワーク７０８は例示目的のものであり、より少数または追加のコンピュータネットワークと置き換えられてもよい。ローカルエリアネットワーク（ＬＡＮ）は、任意の既知のＬＡＮトポロジーのうちの１つまたは複数を有してもよく、イーサネットなど、様々な異なるプロトコルの１つまたは複数を使用してもよい。デバイスデータサーバ７１０、ウェブサーバ７０６、コンピュータ７０４、ラップトップ７０２、および他のデバイス（図示せず）は、撚り対線、同軸ケーブル、光ファイバー、電波、または他の通信媒体を介して、ネットワークのうちの１つまたは複数に接続されてもよい。

コンピュータソフトウェア、ハードウェア、およびネットワークは、中でも特に、スタンドアロン、ネットワーク化、リモートアクセス（リモートデスクトップとして知られる）、仮想、および／またはクラウドベースの環境を含む、様々な異なるシステム環境で利用されてもよい。

「ネットワーク」という用語は、本明細書で使用し図面に図示されるとき、リモートストレージデバイスが１つまたは複数の通信路を介して互いに結合されるシステムだけではなく、ストレージ能力を有するようなシステムに時折結合されてもよいスタンドアロンデバイスも指す。結果として、「ネットワーク」という用語は、「物理的ネットワーク」だけではなく、すべての物理的ネットワークにわたって常駐する（単一のエンティティに帰属する）データで構成される「コンテンツネットワーク」も含む。

構成要素は、データサーバ７１０、ウェブサーバ７０６、およびクライアントコンピュータ７０４、ラップトップ７０２を含んでもよい。データサーバ７１０は、本明細書に記載する１つまたは複数の例示の態様を実施するため、データベースおよび制御ソフトウェアの全体のアクセス、制御、および管理を提供する。データサーバ７１０は、ユーザが対話し必要に応じてデータを取得するのに用いる、ウェブサーバ７０６に接続されてもよい。あるいは、データサーバ７１０は、ウェブサーバ自体として作用してもよく、インターネットに直接接続されてもよい。データサーバ７１０は、ネットワーク７０８（例えば、インターネット）を通して、直接もしくは間接接続を介して、または他の何らかのネットワークを介してウェブサーバ７０６に接続されてもよい。ユーザは、リモートコンピュータ７０４、ラップトップ７０２を使用して、例えば、ウェブサーバ７０６がホストする１つまたは複数の外部に露出したウェブサイトを介してデータサーバ７１０に接続するウェブブラウザを使用して、データサーバ７１０と対話してもよい。クライアントコンピュータ７０４、ラップトップ７０２は、格納されたデータにアクセスするのにデータサーバ７１０と協力して使用されてもよく、または他の目的で使用されてもよい。例えば、ユーザは、クライアントコンピュータ７０４から、当該分野で知られているようにインターネットブラウザを使用して、あるいはコンピュータネットワーク（インターネットなど）を通じてウェブサーバ７０６および／またはデータサーバ７１０と通信するソフトウェアアプリケーションを実行することによって、ウェブサーバ７０６にアクセスしてもよい。

サーバおよびアプリケーションは、同じ物理的マシン上で組み合わされ、別個の仮想もしくは論理的アドレスを保持してもよく、または別個の物理的マシンに常駐してもよい。図７は、使用されてもよいネットワークアーキテクチャの一例のみを示しており、当業者であれば、使用される特定のネットワークアーキテクチャおよびデータ処理デバイスは様々であってもよく、本明細書でさらに記載するように、提供する機能性に伴うことを認識するであろう。例えば、ウェブサーバ７０６およびデータサーバ７１０が提供するサービスは、単一のサーバ上で組み合わされてもよい。

データサーバ７１０、ウェブサーバ７０６、コンピュータ７０４、ラップトップ７０２といった各構成要素は、任意のタイプの知られているコンピュータ、サーバ、またはデータ処理デバイスであってもよい。データサーバ７１０は、例えば、データサーバ７１０の動作全体を制御するプロセッサ７１２を含んでもよい。データサーバ７１０はさらに、ＲＡＭ７１６、ＲＯＭ７１８、ネットワークインターフェース７１４、入出力インターフェース７２０（例えば、キーボード、マウス、ディスプレイ、プリンタなど）、およびメモリ７２２を含んでもよい。入出力インターフェース７２０は、データもしくはファイルの読取り、書込み、表示、および／または印刷のための様々なインターフェースユニットおよびドライブを含んでもよい。メモリ７２２はさらに、データサーバ７１０の動作全体を制御するオペレーティングシステムソフトウェア７２４、本明細書に記載する態様を実施するようにデータサーバ７１０に命令する制御ロジック７２６、ならびに本明細書に記載する態様と併せて使用されてもされなくてもよい、補助、サポート、および／または他の機能性を提供する他のアプリケーションソフトウェア７２８を格納してもよい。制御ロジックはまた、本明細書では、データサーバソフトウェア制御ロジック７２６と呼ばれることもある。データサーバソフトウェアの機能性は、制御ロジックにコード化された規則に基づいて自動的に行われる、ユーザがシステムに入力を提供することによってマニュアルで行われる、ならびに／あるいはユーザ入力（例えば、クエリ、データ更新など）に基づいた自動処理の組み合わせの動作または決定を指してもよい。

メモリ１１２２はまた、第１のデータベース７３２および第２のデータベース７３０を含む、本明細書に記載する１つまたは複数の態様の実施に使用されるデータを格納してもよい。いくつかの実施形態では、第１のデータベースは第２のデータベースを（例えば、別個のテーブル、レポートなどとして）含んでもよい。つまり、情報は、システム設計に応じて、単一のデータベースに格納するか、または異なる論理的、仮想、もしくは物理的データベースに分離することができる。ウェブサーバ７０６、コンピュータ７０４、ラップトップ７０２は、データサーバ７１０に関して記載したような、同様のまたは異なるアーキテクチャを有してもよい。当業者であれば、本明細書に記載するようなデータサーバ７１０（もしくはウェブサーバ７０６、コンピュータ７０４、ラップトップ７０２）の機能性は、例えば、処理負荷を複数のコンピュータに分散するため、地理的位置、ユーザアクセスレベル、サービス品質（ＱｏＳ）などに基づいてトランザクションを分離するため、複数のデータ処理デバイスにわたって拡散させてもよいことを認識するであろう。

１つまたは複数の態様は、本明細書に記載するような１つもしくは複数のコンピュータまたは他のデバイスによって実行される、１つまたは複数のプログラムモジュールなど、コンピュータ使用可能もしくは読取り可能データおよび／またはコンピュータ実行可能命令の形で具体化されてもよい。一般に、プログラムモジュールは、コンピュータまたは他のデバイスのプロセッサによって実行されると、特定のタスクを実施するかまたは特定の抽象データタイプを実現する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。モジュールは、後で実行のためにコンパイルされる、ソースコードプログラミング言語で書かれてもよく、またはＨＴＭＬもしくはＸＭＬなどの（ただし、それらに限定されない）スクリプト言語で書かれてもよい。コンピュータ実行可能命令は、不揮発性記憶デバイスなどのコンピュータ可読媒体に格納されてもよい。ハードディスク、ＣＤ－ＲＯＭ、光学ストレージデバイス、磁気ストレージデバイス、および／または前記の組み合わせを含む、任意の好適なコンピュータ可読記憶媒体が利用されてもよい。加えて、本明細書に記載するようなデータまたはイベントを表す様々な伝送（非記憶）媒体は、金属ワイヤ、光ファイバー、および／または無線伝送媒体（例えば、空気および／もしくは空間）など、信号導通媒体を通って移動する電磁波の形態で、ソースと宛先との間で転送されてもよい。本明細書に記載する様々な態様は、方法、データ処理システム、またはコンピュータプログラム製品として具体化されてもよい。したがって、様々な機能性は、ソフトウェア、ファームウェア、および／またはハードウェア、あるいは集積回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）など、ハードウェアの等価物の形で、全体的または部分的に具体化されてもよい。本明細書に記載する１つまたは複数の態様をより効果的に実現するため、特定のデータ構造が使用されてもよく、かかるデータ構造は、本明細書に記載するコンピュータ実行可能命令およびコンピュータ使用可能データの範囲内であるものと考えられる。

上述したデバイスの構成要素および特徴は、ディスクリート回路、特定用途向け集積回路（ＡＳＩＣ）、ロジックゲート、および／またはシングルチップアーキテクチャの任意の組み合わせを使用して実現されてもよい。さらに、デバイスの特徴は、マイクロコントローラ、プログラマブルロジックアレイ、および／またはマイクロプロセッサ、あるいは十分に適切である場合は上記の任意の組み合わせを使用して実現されてもよい。なお、ハードウェア、ファームウェア、および／またはソフトウェアの要素は、本明細書では「ロジック」もしくは「回路」と集合的にまたは個々に呼ばれてもよい。

上述したブロック図で示される例示的なデバイスは、多くの潜在的な実現例のうちの１つの機能的記述例を表してもよいことが理解されよう。したがって、添付図面に示されるブロック機能の分割、省略、または包含は、これらの機能を実現するハードウェア構成要素、回路、ソフトウェア、および／または要素が、実施形態において必然的に分割、省略、または包含されることを暗示するものではない。

少なくとも１つのコンピュータ可読記憶媒体は、実行されると本明細書に記載のコンピュータ実装方法のいずれかをシステムに実施させる、命令を含んでもよい。

いくつかの実施形態は、「一実施形態」または「実施形態」という表現を派生語とともに使用して記載されることがある。これらの用語は、実施形態と関連して記載される特定の特徴、構造、または特性が、少なくとも１つの実施形態に含まれることを意味する。本明細書の様々な箇所における「一実施形態では」という語句の出現は、必ずしもすべて同じ実施形態を指すものではない。さらに、別段の注釈がない限り、上述した特徴は任意の組み合わせでともに使用可能であるものと認識される。したがって、別個に考察した任意の特徴は、特徴が互いに適合しないことが注釈されていない限り、互いに組み合わせて用いられてもよい。

本明細書で使用される表記および命名を一般に参照すると、本明細書の詳細な記載は、コンピュータまたはコンピュータのネットワークで実行されるプログラム手順に関して提示されてもよい。これらの手順の説明および表現は、当業者が自身の仕事の実体を他の当業者に効果的に伝達するのに使用される。

手順はここでは、また一般に、所望の結果につながる首尾一貫した動作のシーケンスであるものと想到される。これらの動作は、物理量の物理的操作を必要とする動作である。通常、必須ではないが、これらの量は、格納、伝達、結合、比較、または別の形で操作することができる、電気信号、磁気信号、または光学信号の形態を取る。主に一般的用法の理由で、これらの信号を、ビット、値、要素、シンボル、キャラクター、用語、数などと呼ぶのが便利な場合があることが分かっている。しかしながら、これらおよび類似の用語はすべて、適切な物理量と関連付けられるべきであり、それらの物理量に適用される単なる便利なラベルであることが注目されるべきである。

さらに、実施される操作は、人間のオペレータが実施する知的活動と一般に関連付けられる、追加または比較などの用語で言及される場合が多い。人間のオペレータのかかる能力は、１つもしくは複数の実施形態の一部を形成する、本明細書に記載する動作のいずれにおいても、必須ではなく、またはほとんどの場合において望ましいものではない。それよりもむしろ、動作はマシン動作である。様々な実施形態の動作を実施するための有用なマシンとしては、汎用デジタルコンピュータまたは類似のデバイスが挙げられる。

いくつかの実施形態は、「結合された」および「接続された」という表現を派生語とともに使用して記載されることがある。これらの用語は互いに同義であることを必ずしも意図しない。例えば、いくつかの実施形態は、２つ以上の要素が互いに直接物理的もしくは電気的に接触していることを示すのに、「接続された」および／または「結合された」という用語を使用して記載されてもよい。しかしながら、「結合された」という用語は、２つ以上の要素が互いに直接接触はしていないが、それでもなお互いに協働または相互作用することも意味してもよい。

様々な実施形態はまた、これらの動作を実施する装置またはシステムに関する。この装置は、必要な目的のために特別に構築されてもよく、またはコンピュータに格納されたコンピュータプログラムによって選択的に活性化もしくは再構成されるような汎用コンピュータを備えてもよい。本明細書で提示する手順は、特定のコンピュータまたは他の装置に本質的に関連しない。様々な汎用マシンは、本明細書の教示に従って書かれたプログラムとともに使用されてもよく、または必要な方法ステップを実施する、より専門的な装置を構築するのに便利なことを証明してもよい。様々なこれらのマシンに対する必要な構造は、所与の記載から明白となるであろう。

本開示の要約書は、読み手が技術的開示の性質を迅速に解明するのを可能にするために提供されることが強調される。特許請求の範囲または意味を解釈もしくは限定するのに使用されないことを理解した上で提出するものである。加えて、上述の発明を実施するための形態において、本開示を合理化する目的で、様々な特徴が単一の実施形態にグループ化されていることが分かる。この開示の方法は、特許請求される実施形態が、各クレームに明示的に列挙されているものよりも多くの特徴を必要とするという意図を反映するものと解釈されるべきではない。それよりもむしろ、以下の特許請求の範囲が反映するように、発明の主題は、開示する単一の実施形態のすべての特徴よりも少ない特徴に存在する。したがって、以下の特許請求の範囲は、これによって発明を実施するための形態に組み込まれ、各クレームは、別個の実施形態としてそれ自体で成り立つ。添付の特許請求の範囲では、「含む」および「～において」という用語はそれぞれ、「備える」および「その際」という用語それぞれの平易な英語の等価物として使用される。さらに、「第１の」、「第２の」、「第３の」などの用語は、単にラベルとして使用され、数的要件を目的語に付与しようとするものではない。

上記に記載してきたものは、開示されるアーキテクチャの例を含む。当然ながら、構成要素および／または方法論の考えられる組み合わせすべてを記載するのは不可能であるが、当業者であれば、多くのさらなる組み合わせおよび並び替えが可能であることを認識してもよい。したがって、新規なアーキテクチャは、添付の特許請求の範囲の趣旨および範囲内にある、すべてのかかる改変、修正、および変更を包含するものとする。

Claims (20)

1. イオンビームに対する１つまたは複数の所望のビーム形状パラメータ、および前記イオンビームを発生させるように構成されたイオンビーム発生装置に対する１つまたは複数の調整可能なパラメータを受信することと、
   探索空間内の各点が前記調整可能なパラメータに対する値の組み合わせを表す、前記探索空間内の調査点のセットを選択することと、
   前記調査点それぞれについて、それぞれの前記調査点によって規定される前記調整可能なパラメータに対する値の前記組み合わせに基づいて、測定されたビーム形状パラメータを受信することと、
   前記調査点それぞれについて、前記測定されたビーム形状パラメータを目的関数に入力し、前記目的関数から、前記測定されたビーム形状パラメータによって規定されるビーム形状が所望のビーム形状にどの程度緊密に合致するかを示す出力値を得ることと、
   前記調査点の近傍の補間点に対して、回帰モデルを用いて、前記目的関数の推定値を決定することと、
   前記目的関数の前記出力値および前記目的関数の前記推定値に基づいて、前記探索空間内の複数のクラスタを規定することと、
   各々のクラスタ内における前記調整可能なパラメータの安定性または感度のうちの少なくとも１つに関して前記複数のクラスタを評価することと、
   前記評価に基づいて前記複数のクラスタのうちの１つを選択することと、
   選択された前記クラスタに対応する調整可能なパラメータの前記組み合わせに対する調整セッティングを出力することと
   を含む、コンピュータ実装方法。
2. 前記回帰モデルが、前記補間点のそれぞれに対して信頼値を提供するようにさらに構成され、
   前記複数のクラスタのうちの１つが、所定の閾値よりも上または下の信頼値を有する低信頼補間点と関連付けられることを識別することと、
   前記低信頼補間点によって規定される前記調整可能なパラメータの値の前記組み合わせを使用して、前記イオンビームの形状の測定を受信することと
   をさらに含む、請求項１に記載のコンピュータ実装方法。
3. 前記複数のクラスタを評価することが、
   クラスタを選択し、選択した前記クラスタに対する前記調整可能なパラメータの値の前記組み合わせを識別することと、
   前記調整可能なパラメータのうちの第１のパラメータの値を調節することと、
   前記目的関数の値における前記調節の効果を識別することと
   を含む、請求項１に記載のコンピュータ実装方法。
4. 前記調整可能なパラメータのうちの前記第１のパラメータを調節することに伴って、前記目的関数の値が非線形的に変動する場合に、選択した前記クラスタを検討対象から外すことをさらに含む、請求項３に記載のコンピュータ実装方法。
5. 前記調整可能なパラメータのうちの前記第１のパラメータを調節することによって、前記目的関数の値が所定の閾値量を超えて変化しない場合、または前記目的関数の値が放物線状に変化する場合に、前記調整可能なパラメータのうちの前記第１のパラメータの値を固定することをさらに含む、請求項３に記載のコンピュータ実装方法。
6. 前記評価に基づいて前記複数のクラスタのうちの１つを選択することが、前記調整可能なパラメータのうちの前記第１のパラメータの値が固定されたクラスタを選択することを含む、請求項５に記載のコンピュータ実装方法。
7. 前記評価に基づいて前記複数のクラスタのうちの１つを選択することが、
   評価対象のクラスタのうちの第１の調整可能なパラメータが、前記ビーム形状パラメータのうちの第１のパラメータに対して実質的に線形の効果を、また前記ビーム形状パラメータのうちの第２のパラメータに対して実質的に中立の効果を有することを識別することと、
   前記評価対象のクラスタのうちの第２の調整可能なパラメータが、前記ビーム形状パラメータのうちの前記第１のパラメータに対して実質的に中立の効果を、また前記ビーム形状パラメータのうちの前記第２のパラメータに対して実質的に線形の効果を有することを識別することと、
   前記評価対象のクラスタを選択することと
   を含む、請求項１に記載のコンピュータ実装方法。
8. 命令を含む非一時的コンピュータ可読記憶媒体であって、前記命令が、コンピュータによって実行されると、前記コンピュータに、
   イオンビームに対する１つまたは複数の所望のビーム形状パラメータ、および前記イオンビームを発生させるように構成されたイオンビーム発生装置に対する１つまたは複数の調整可能なパラメータを受信させ、
   探索空間内の各点が前記調整可能なパラメータに対する値の組み合わせを表す、前記探索空間内の調査点のセットを選択させ、
   前記調査点それぞれについて、それぞれの前記調査点によって規定される前記調整可能なパラメータに対する値の前記組み合わせに基づいて、測定されたビーム形状パラメータを受信させ、
   前記調査点それぞれについて、前記測定されたビーム形状パラメータを目的関数に入力させ、前記目的関数から、前記測定されたビーム形状パラメータによって規定されるビーム形状が所望のビーム形状にどの程度緊密に合致するかを示す出力値を得させ、
   前記調査点の近傍の補間点に対して、回帰モデルを用いて、前記目的関数の推定値を決定させ、
   前記目的関数の前記出力値および前記目的関数の前記推定値に基づいて、前記探索空間内の複数のクラスタを規定させ、
   各々のクラスタ内における前記調整可能なパラメータの安定性または感度のうちの少なくとも１つに関して前記複数のクラスタを評価させ、
   前記評価に基づいて前記複数のクラスタのうちの１つを選択させ、
   選択された前記クラスタに対応する調整可能なパラメータの前記組み合わせに対する調整セッティングを出力させる
   非一時的コンピュータ可読記憶媒体。
9. 前記回帰モデルが、前記補間点のそれぞれに対して信頼値を提供するようにさらに構成され、前記命令が前記コンピュータを、
   前記複数のクラスタのうちの１つが、所定の閾値よりも上または下の信頼値を有する低信頼補間点と関連付けられることを識別し、
   前記低信頼補間点によって規定される前記調整可能なパラメータの値の前記組み合わせを使用して、前記イオンビームの形状の測定を受信する
   ようにさらに構成する、請求項８に記載のコンピュータ可読記憶媒体。
10. 前記複数のクラスタを評価することが、
    クラスタを選択し、選択した前記クラスタに対する前記調整可能なパラメータの値の前記組み合わせを識別することと、
    前記調整可能なパラメータのうちの第１のパラメータの値を調節することと、
    前記目的関数の値における前記調節の効果を識別することと
    を含む、請求項８に記載のコンピュータ可読記憶媒体。
11. 前記調整可能なパラメータのうちの前記第１のパラメータを調節することに伴って、前記目的関数の値が非線形的に変動する場合に、前記命令が、選択した前記クラスタを検討対象から外すように前記コンピュータをさらに構成する、請求項１０に記載のコンピュータ可読記憶媒体。
12. 前記調整可能なパラメータのうちの前記第１のパラメータを調節することによって、前記目的関数の値が所定の閾値量を超えて変化しない場合、または前記目的関数の値が放物線状に変化する場合に、前記命令が、前記調整可能なパラメータのうちの前記第１のパラメータの値を固定するように、前記コンピュータをさらに構成する、請求項１０に記載のコンピュータ可読記憶媒体。
13. 前記評価に基づいて前記複数のクラスタのうちの１つを選択することが、前記調整可能なパラメータのうちの前記第１のパラメータの値が固定されたクラスタを選択することを含む、請求項１２に記載のコンピュータ可読記憶媒体。
14. 前記評価に基づいて前記複数のクラスタのうちの１つを選択することが、
    評価対象のクラスタのうちの第１の調整可能なパラメータが、前記ビーム形状パラメータのうちの第１のパラメータに対して実質的に線形の効果を、また前記ビーム形状パラメータのうちの第２のパラメータに対して実質的に中立の効果を有することを識別することと、
    前記評価対象のクラスタのうちの第２の調整可能なパラメータが、前記ビーム形状パラメータのうちの前記第１のパラメータに対して実質的に中立の効果を、また前記ビーム形状パラメータのうちの前記第２のパラメータに対して実質的に線形の効果を有することを識別することと、
    前記評価対象のクラスタを選択することと
    を含む、請求項８に記載のコンピュータ可読記憶媒体。
15. プロセッサと、
    命令を格納するメモリと、を備え、前記命令が、前記プロセッサによって実行されると、
    イオンビームに対する１つまたは複数の所望のビーム形状パラメータ、および前記イオンビームを発生させるように構成されたイオンビーム発生装置に対する１つまたは複数の調整可能なパラメータを受信し、
    探索空間内の各点が前記調整可能なパラメータに対する値の組み合わせを表す、前記探索空間内の調査点のセットを選択し、
    前記調査点それぞれについて、それぞれの前記調査点によって規定される前記調整可能なパラメータに対する値の前記組み合わせに基づいて、測定されたビーム形状パラメータを受信し、
    前記調査点それぞれについて、前記測定されたビーム形状パラメータを目的関数に入力し、前記目的関数から、前記測定されたビーム形状パラメータによって規定されるビーム形状が所望のビーム形状にどの程度緊密に合致するかを示す出力値を得て、
    前記調査点の近傍の補間点に対して、回帰モデルを用いて、前記目的関数の推定値を決定し、
    前記目的関数の前記出力値および前記目的関数の前記推定値に基づいて、前記探索空間内の複数のクラスタを規定し、
    各々のクラスタ内における前記調整可能なパラメータの安定性または感度のうちの少なくとも１つに関して前記複数のクラスタを評価し、
    前記評価に基づいて前記複数のクラスタのうちの１つを選択し、
    選択された前記クラスタに対応する調整可能なパラメータの前記組み合わせに対する調整セッティングを出力する
    ように前記装置を構成する、コンピューティング装置。
16. 前記回帰モデルが、前記補間点のそれぞれに対して信頼値を提供するようにさらに構成され、前記命令が、
    前記複数のクラスタのうちの１つが、所定の閾値よりも上または下の信頼値を有する低信頼補間点と関連付けられることを識別し、
    前記低信頼補間点によって規定される前記調整可能なパラメータの値の前記組み合わせを使用して、前記イオンビームの形状の測定を受信する
    ように前記装置をさらに構成する、請求項１５に記載のコンピューティング装置。
17. 前記複数のクラスタを評価することが、
    クラスタを選択し、選択した前記クラスタに対する前記調整可能なパラメータの値の前記組み合わせを識別することと、
    前記調整可能なパラメータのうちの第１のパラメータの値を調節することと、
    前記目的関数の値における前記調節の効果を識別することと
    を含む、請求項１５に記載のコンピューティング装置。
18. 前記調整可能なパラメータのうちの前記第１のパラメータを調節することに伴って、前記目的関数の値が非線形的に変動する場合に、前記命令が、選択した前記クラスタを検討対象から外すように前記装置をさらに構成する、請求項１７に記載のコンピューティング装置。
19. 前記調整可能なパラメータのうちの前記第１のパラメータを調節することによって、前記目的関数の値が所定の閾値量を超えて変化しない場合、または前記目的関数の値が放物線状に変化する場合に、前記命令が、前記調整可能なパラメータのうちの前記第１のパラメータの値を固定するように、前記装置をさらに構成し、
    前記評価に基づいて前記複数のクラスタのうちの１つを選択することが、前記調整可能なパラメータのうちの前記第１のパラメータの値が固定されたクラスタを選択することを含む、
    請求項１７に記載のコンピューティング装置。
20. 前記評価に基づいて前記複数のクラスタのうちの１つを選択することが、
    評価対象のクラスタのうちの第１の調整可能なパラメータが、前記ビーム形状パラメータのうちの第１のパラメータに対して実質的に線形の効果を、また前記ビーム形状パラメータのうちの第２のパラメータに対して実質的に中立の効果を有することを識別することと、
    前記評価対象のクラスタのうちの第２の調整可能なパラメータが、前記ビーム形状パラメータのうちの前記第１のパラメータに対して実質的に中立の効果を、また前記ビーム形状パラメータのうちの前記第２のパラメータに対して実質的に線形の効果を有することを識別することと、
    前記評価対象のクラスタを選択することと
    を含む、請求項１５に記載のコンピューティング装置。

Images