하이브리드 계측이 줄이는 모호함과 남기는 공통 오차

같은 구조를 두 장비로 측정했더니 숫자가 더 많이 생겼다. 하이브리드 계측의 가치는 그 숫자를 평균하는 데서 끝나지 않는다. 한 장비에서 서로 뒤섞여 보이는 형상 변수를 다른 장비가 구별해 주면, 두 결과를 함께 해석할 때 각각의 치수를 더 잘 결정할 수 있다. 다만 장비 수가 늘어났다고 오차까지 독립적으로 늘어나는 것은 아니다.

산란 계측에서는 폭뿐 아니라 높이, 측벽 형상, 재료 특성 등이 신호를 바꿀 수 있다. 한 변수의 변화가 다른 변수의 변화와 비슷한 신호를 만들면 여러 형상이 데이터에 잘 맞는다. 다른 원리나 관측 조건의 측정이 이 후보들을 좁혀 줄 수 있다. Orji 등의 계측 리뷰는 다른 기법이 제공하는 값과 불확도를 모델에 넣어 피팅 해의 범위를 제한하는 하이브리드 계측을 설명한다. 원 논문, Hybrid or combined metrology 절

서로 다른 방향으로 민감한 두 측정

가상 구조에 폭 d와 형상 보정량 h가 있다고 하자. 둘 다 nm로 표현한 모델 변수이며 h는 실제 측벽 각도를 nm로 바꿔 읽는다는 뜻이 아니다. 장비 A의 신호를 치수 단위로 환산한 값은 a = d + h, 장비 B는 b = d − h라고 정한다. 실제 장비의 응답식이 아닌 설명용 선형 모델이다.

d = 40nm, h = 10nm이면 a는 50nm, b는 30nm다. A만 보면 50nm가 폭인지 형상 효과인지 나누기 어렵다. 두 신호를 함께 쓰면 d = (a + b)/2, h = (a − b)/2로 각각 40nm와 10nm를 얻는다. 도움이 된 이유는 두 번째 측정이 다른 방향의 정보를 제공했기 때문이다.

각 측정의 독립 잡음 표준편차를 1nm라고 하면 폭 추정의 분산은 (1² + 1²)/4 = 0.5nm²다. 표준편차는 약 0.707nm다. 이는 두 응답식이 정확하고 측정 대상이 같은 구조이며 두 잡음이 독립이라는 조건에서 계산한 결과다. 수치만 평균해 얻은 정밀도 향상과, 형상 변수를 분리한 효과를 구분할 수 있다.

공통 기준 오차는 같이 따라온다

이번에는 두 측정 모두 같은 기준의 오차 c를 공유한다고 하자. a = d + h + c + eA, b = d − h + c + eB다. eA와 eB는 앞서 정한 독립 잡음이고 c와도 독립이다. 이 경우 폭 추정은 d + c + (eA + eB)/2다. 공통 오차는 두 장비를 합쳐도 그대로 남는다.

c의 표준불확도를 0.8nm로 정하면 전체 폭 표준불확도는 √(0.5 + 0.8²), 약 1.068nm다. c를 빠뜨린 0.707nm보다 크다. 기준 오차가 한 측정 세션 동안 일정하다면 반복 측정으로 독립 잡음은 줄여도 그 세션의 공통 오차는 줄지 않는다. 공통 참조, 함께 사용한 재료 상수, 동일한 모델 가정이 이런 공유 항을 만들 수 있다.

반대로 두 장비가 서로 다른 패턴 영역을 보았다면 a와 b가 같은 d와 h를 포함한다는 식부터 성립하지 않을 수 있다. 한 장비가 반복 배열의 평균을 보고 다른 장비가 한 단면을 보면 실제 공간 변동을 장비 불일치로 취급할 위험이 있다. 관측 위치와 측정량의 정의를 맞추는 일이 결합 계산보다 앞선다.

하이브리드 계측을 설계할 때는 각 데이터가 어떤 변수에 민감한지와 어떤 오차를 공유하는지 함께 그려야 한다. 보완적인 감도는 해의 모호함을 줄이고, 공분산을 포함한 계산은 그 해를 얼마나 믿을지 정한다. 장비 두 대의 장점이 실제로 합쳐졌다는 증거는 결과 개수가 아니라, 추가된 독립 정보와 남아 있는 공통 불확도를 설명하는 데 있다.