提供深度分辨图像的带电粒子显微镜的制作方法与工艺

本发明涉及带电粒子显微镜领域，并且尤其涉及提供深度分辨图像的带电粒子显微镜。

背景技术：
如贯穿本文所使用的，应当将以下术语理解为与下面的解释一致：-术语“带电粒子”包含电子或离子（一般为阳离子，诸如，例如镓离子或氦离子，虽然也可能是阴离子；正在讨论中的离子可以是带电原子或分子）。该术语还可以指例如质子。-术语“显微镜”是指用于生成一般太小而无法用人的裸眼以满意细节被看到的对象、特征或部件的放大图像的设备。除了具有成像功能之外，这样的设备还可以具有机械加工功能；例如，可以使用它来通过从样本中去除材料（“研磨“或“烧蚀”）或向样本添加材料（“沉积”）而局部地修改样本。所述成像功能和机械加工功能可以由相同类型的带电粒子提供，或者可以由不同类型的带电粒子提供；例如，聚焦离子束（FIB）显微镜可以采用（聚焦的）离子束以用于机械加工目的，以及采用电子束以用于成像目的（所谓的“双射束”显微镜或“FIB-SEM”），或者它可以利用相对较高能量的离子束执行机械加工，而利用相对较低能量的离子束执行成像。基于这种解释，诸如以下项的工具应被认为落在本发明的范围之内：电子显微镜、FIB设备、EBID和IBID设备（EBID=电子束致沉积（Electron-Beam-InducedDeposition）；IBID=离子束致沉积（Ion-Beam-InducedDeposition））等。-术语“粒子-光学柱”是指静电透镜和/或磁透镜的集合，其可以用来操控带电粒子束，例如，从而用于向所述带电粒子束提供一定的聚焦或偏转，和/或缓解其中的一个或多个畸变。-术语“检测器装置”应当被宽泛地解释为包括用来记录从样本发出的（一种或多种）发射辐射的任何检测结构。这样的检测器装置可以是单个的，或者它可以在本质上是混合的并且包括多个子检测器，例如，如检测器单元在样本台周围的空间分布或像素化检测器的情况下那样。在下文中，将常常在电子显微镜的具体语境中以举例方式来阐述本发明。然而，这样的简化仅仅是出于清楚/例示的目的，并且不应被视为是限制性的。电子显微镜方法是用于对微观对象成像的公知技术。基本类型的电子显微镜已经演化成多个公知的设备种类，诸如透射电子显微镜（TEM）、扫描电子显微镜（SEM）和扫描透射电子显微镜（STEM），并且还演化成各种子类型，诸如所谓的“双射束”工具（例如FIB-SEM），其额外采用“机械加工”离子束，从而允许诸如例如离子束研磨或离子束致沉积的支持性活动。在传统的电子显微镜中，在给定的成像时间期间成像束处于“打开”状态达延长的时间段；然而，如下这样的电子显微镜也是可用的：在该电子显微镜中，成像基于电子的相对较短的“闪光”或“突发”而发生，例如，在尝试对运动的样本或辐射敏感标本成像时，这样的方法具有潜在益处。当微粒辐射束（诸如电子束或离子束）撞击在样本上时，其通常以使得从样本发出不同类型的发射辐射的方式与样本进行交互。这样的发射辐射例如可以包括二次电子、反向散射（BS）电子、可见/红外/紫外光（荧光辐射和阴极射线发光）和X射线。在这些辐射类型中，电子是相对较易检测的且检测成本廉价，例如使用光电倍增管（PMT）结合闪烁体[由此应当注意，所采用的PMT可以是基于具有倍增电极的真空玻璃管设计，或者可以替代地采用基于固态半导体的检测元件-例如，如在所谓的多像素光子计数器、也称为SSPM（固态光电倍增器）的情况下那样]。可见/红外/紫外光的检测也相对简单，并且同样可以例如使用PMT（无闪烁体）或光电二极管单元来执行。另一方面，X射线检测器一般往往相对昂贵且缓慢，并且通常提供相对有限的视场，但传统上它们在执行样本的成分/元素分析时很有用，诸如在例如所谓的EDS（能量分散X射线光谱学）检测器的情况下。在开头的段落中所阐述的方法是从美国专利US8,232,523而知道的，该申请与本发明共享一些发明人。在所述申请中，通过处于一定范围的不同输入射束能量（着陆能量，landingenergy）下的SEM电子束来探测样本，并测量从样本发出的BS电子的强度。接下来通过使用来自一系列盲源分离（BBS）技术（BlindSourceSeparationtechnique）的二阶和更高阶的统计以对来自样本内的不同层深度（z水平）的信号去卷积，来对这样获得的数据自动地进行处理。通过这种方式，人们能够针对一组所述不同层深度计算出相应的一组样本图像。然而，前面段落中的方法具有许多显著缺点。例如，只有在假设对于撞击在样本上的输入带电粒子数而言点扩散函数（PSF）高度地横向受限、即本质上沿着撞击方向是二维的时，所述统计BSS方法才工作；虽然此假设可以（近似）适用于某些输入射束参数和样本材料，但在大量其他实际情况下他将不是满意假设（例如当研究未知结构的非同类样本时）。已知方法的另一缺点是，为了构造期望的深度分辨图像，必须执行整个范围的不同着陆能量下的一系列测量；然而由于调整输入粒子的着陆能量往往是相对耗时且麻烦的操作，所以已知方法的此方面使得其相对单调乏味，并且还可能对被研究的样本造成增加的累积辐射损害，特别是对相对精密的生物和矿物学样本来说更是如此。本发明的目的是解决这些问题。特别地，本发明的目的是提供一种对样本执行空间分辨成像的更一般方法，其中，可以由更一般的PSF来表征成像射束与样本之间的相互作用。此外，本发明的目的是提供一种方法，其中，可以采用带电粒子显微镜来从样本获取深度分辨图像而不必调整成像射束的着陆能量。特别地，本发明的目的是这样的方法应当有助于在SEM中的应用。这些和其他目的在开头的段落中所提出的方法中得以实现，所述方法的特征在于以下步骤：-包含检测器装置以检测发射辐射中的电子；-将所述检测器装置的输出On记录为所述电子的动能En的函数，从而汇集针对En的多个值的测量结果集合M={（On，En）}；-使用计算机处理设备对测量结果集合M自动地去卷积并将其空间分解为结果集合R={（Vk，Lk)}，其中空间变量V展示出在以表面S为参考的关联离散深度水平Lk处的值Vk，由此n和k是整数序列的成员，并且空间变量V代表样本的作为在样本体积内的位置的函数的物理性质。在本发明和这里所使用的术语的情景下，应当注意的是，所述“空间变量”V是三维变量，或者等价地，其每个分量Vk是在特定水平Lk下的二维变量。其可以表示诸如对比度、强度、密度变化、原子量、着色浓度、电子产量等的量，所有这些量都直接或间接地由样本（的材料）的物理特性决定，并且基于这些量，能够构造诸如例如图像、映射或频谱的实体。熟练的技术人员将能够很好地掌握该概念。在下文中，可以针对BS电子检测的具体情况来解释本发明；然而，这样的简化仅仅是意图出于清楚/例示的目的，并且不应被解释为是限制性的。本发明的方法还适用于二次电子，尽管在这种情况下其有用性可能受到二次电子的（一般）相对较低的固有产生深度的限制；虽然如此，应当记住，还可以在材料中的更深处产生二次电子，这是因为由BS电子与所述材料的相互作用而导致的更高阶“撞击”效应，由此能够在深度上分辨这样产生的二次电子可能变得更加引起注意。在导致本发明的试验中，发明人认识到，从样本发出的BS电子将从该样本内的不同深度（L）被发射；因此，基于这种电子的检测的（例如）图像或光谱将导致来自这些不同深度的数据不可避免地被卷积。然而，发明人根据数学建模还认识到，虽然从给定深度发出的电子一般展示出能量（E）分布，但每个这样的分布往往在正在讨论中的深度所特定的特定能量值处具有统计峰值。此外，已观察到在所检测电子的所述峰值能量与发射电子的相应深度之间存在基本上单调的线性函数相关性；根据此函数相关性，具有相对较小能量的出射电子往往以更深层发射为特征，而具有相对较大能量的出射电子往往以更上层发射为特征。因此，如果检测器收集了具有特定能量值En的BS电子（例如，借助于适当的滤波和/或拣选技术—参见下文），那么可以将该检测器的输出On表达为来自样本内不同深度水平（z坐标）处的源的加权贡献之和，即：其中因子nWi是权重，且fi项代表深度Li的某函数。类似地，如果检测器收集以不同能量Em传播的BS电子，那么可以将该检测器的输出Om表达为相似但不同的和：其中，由于上文提到的深度/峰值-能量相关性，权重mWi一般与权重nWi不同。发明人检查了该卷积问题，并且开发出一数学框架，借助于该数学框架可以对其（完全自动地）去卷积，从而使得能够将在不同的能量值下收集的原始测量结果数据转换成空间分解的结果数据，该空间分解的结果数据包括作为样本表面以下的不同离散深度层的函数的有关样本的信息（例如对比度映射）。因此，该技术有效地执行了“能量到深度”的转换。可以将发明人所开发的数学框架阐述如下：（i）在带电粒子束撞击样本时，其将产生以所谓的点扩展函数（PSF）为特征的表面下相互作用区。该PSF描述由所采用的检测器感知到的信号产生体的形状。（ii）（线性）样本中的图像I的形成可被描述为PSFK和空间变量V的三维（3D）卷积（*），其中空间变量V表示样本的作为在其体积内的位置的函数的某物理性质（例如着色浓度），从而使得：I~K*V。（iii）根据上文所述，检测不同的特定能量值（E）将使所采用的检测器面临不同的3DPSF形式。对于在不同能量值En下获得的测量结果系列n=[1,...,N］中的组成图像In，可以由下式来描述组成图像的形成：In~Kn*V，其中Kn为PSF核。应当注意，量In可以对应于上文指出的量On，或者其可以与量On成比例，例如是其缩放版。这里使用它取代On仅仅是为了使本论述成为更一般的形式。（iv）本发明的去卷积过程由通过计算恢复各个核Kn连同未知的空间变量V而组成。这可以例如通过使估计的未知变量与所观测的图像序列之间的偏差（距离）D最小化来实现，即获得：。（v）如果对或者样本或者PSF核一无所知，则获得3D盲去卷积任务。另一方面，如果能够对变量Kn应用一些约束（参看下面的第（vi）项），那么仅需要针对空间变量V进行优化，从而导致以下的联立优化任务：可以从其中求解V。（vi）能够应用于值Kn以允许实现在第（v）项中提到的简化的可能约束例如可能包括下面各项中的一个或多个：（a）对至少一组值Kn进行计算模拟；（b）根据经验确定至少一组值Kn；（c）将PSFK模型化为具有有限数量的模型参数的参数化函数，在此基础上可以估计至少一组值Kn；（d）逻辑解空间限制，由此丢弃被判定为物理上无意义（例如，负值）的理论可能值Kn；（e）通过对第一组值Kn应用外插和/或内插来推导第二组值Kn。(vii)第（iv）和（v）点中提到的最小偏差例如可以是从诸如以下各项的技术中选择的：最小二乘距离、Csiszar-MorimotoF偏差、Bregman偏差、α-β偏差、Bhattacharyya距离、Cramér-Rao边界、以及它们的各种衍生、混合和组合。至于第（vi）项中提到的约束，可以给出以下补充说明。-在（a）中，使用数学技术来仿真材料中的带电粒子和光子的行为，从而使得能够计算PSF的形式以及能够预测代表值Kn。模拟结果的精确度和范围将尤其取决于专用于所述任务的计算/计算机资源。适于这一目的的数学模拟技术的范例是蒙特卡罗（MonteCarlo）方法、有限元分析等。-在（b）中，使用对给定材料中的带电粒子和光子的实际行为的观测数据。这样的观测数据例如可以是对其他样本执行的实际成像会话的结果，或者是对均质材料样本执行的特定试验的结果，等等。例如，在采用本发明对包括其上已沉积有各种图案化的金属和电介质层的硅晶片的一部分的半导体样本进行成像时，可以从以下各项中的一个或多个推导出Kn值的集合：-在类似的半导体样本上执行的其他成像会话；-在空白硅晶片上执行的特定“校准测试”；-使用硅晶片上的各种测试涂层执行的研究试验，-等等。-在（c）中，试图直观地估计PSF可能有什么数学形式，并且然后基于此使用有限数量的相对简单的模型参数来构造参数化模型。类似的方法被用来构造例如气候变化模型或人群的行为模型。通过定义，这样的模型的结果将是简化版，但其会实现对被研究系统的基本行为的良好的总体把握。-在（d）中，试图通过“扫除”理论上可能但被判定为缺乏物理实际性的结果来直观地限制可能解空间的大小。例如，可以将PSF约束为仅产生正值，或将其限制到微分（即平稳变化的）函数形式，或对其统计相关性加以限制，等等。-在（e）中，在已经获得了第一组Kn值{Kn}1的情况下，基于外插和/或内插从其导出第二组Kn值{Kn}2。例如，如果观察到{Kn}1的元素位于平滑的单调曲线上，则可以使用内插来推断中间元素的位置和/或使用外插来推断该组的边界元素的位置。至于第（vii）项中提到的偏差，对偏差类型的具体选择可以尤其取决于在所述计算中所假设的噪声的统计学性质。例如，在高斯噪声的具体情况下，可以选择使最小二乘距离（也称为均方距离）最小化：，而对于其他噪声模型，可以使用上文提到的其他偏差量度之一。对于这些宽泛的偏差类别，可以指出如下情况：-Csiszar-MorimotoF偏差（以及导出的量度）包括I和JKullback-Leibler偏差、全变差（TotalVariation）、调和平均值（HarmonicMean）和卡方（Chi-Square）量度以及几种其他基于熵的量度。-Bregman偏差（及导出的量度）除了包括其它项外还包括Mahalonobis距离。-α-β偏差（及导出的量度）包括诸如普适Kullback-Leibler、三角法辨识（TriangularDiscrimination）和算术几何（ArithmeticGeometric）量度的量度。-Bhattacharyya距离度量两个分立或连续的概率分布的相似性。可以使用诸如例如梯度下降法、随机（Stochastic）法和期望值最大化最大似然（EMML）和最大先验（MAP）法的各种技术来执行所选偏差的实际最小化（即优化）。在使用导数的迭代技术中，梯度下降法、共轭梯度法、牛顿法、准牛顿法、Levenberg-Marquardt法和内点法是最常用的方法中的一些；可以通过采用例如线搜索（Line-Searches）和信赖域（Trust-Region）方法来确保这样的方法的收敛。作为基于梯度的迭代技术的替代，可以采用优化启发，其对要优化的函数施加更少的约束或不施加约束。这样的启发方法通过主要依赖随机策略来搜索解。范例包括模拟退火、演化算法、禁忌搜索和粒子群优化。其他常用的启发方法包括例如Nelder-Mead单纯形和爬山算法。根据本发明，存在可以用以累积测量结果集合M的不同方式。在本发明的特定实施例中，所采用的检测器装置被包含以同时地检查多个基本上离散的能量值En，使得测量结果集合M通过同时地获取其组成数据对（On，En）而被汇集。在这种情况下，所采用的检测器装置是以为了提供多个检测模块的方式被设计和实现的，其中每个模块Dn能够检测具有特定能量En的电子（其实际上可以是相对窄的能带）。以这种方式，测量结果集合M中的数据对（On，En）被同时地累积，这可以导致更短的测量时间（以及因此的对被研究样本的较少的辐射损害）。此类（并行测量）结构的示例包括以下各项：（A）可以使用适当的偏转场作为能量选择器，从而促使出射电子束被“扇出”成子束阵列，每个子束以特定的能量（带）En为特征。可以将这种情况视为质谱仪的电荷/能量等价物。扇出的射束阵列可以撞击在检测模块的相应阵列上，每个检测模块可以是例如单独的能量检测器（例如，诸如上文提到的SSPM）或分段检测器的单独段。（B）在另一可能方法中，可以促使在其到检测器装置的路上的出射电子穿过电力网，可以用给定的（排斥）电势对该电力网供电。具有在（由所述电势确定的）某个阈值以下的能量的电子将不能通过电力网，而具有在所述阈值以上的能量的电子将能够通过电力网并被检测到。该电力网因此充当高通滤波器。如果需要，可以在电力网的入口侧处采用“转储检测器（dumpdetector）”，以计算被排斥电势转回的电子的数目；这样，高通和低通检测两者能够同时地发生。（C）在另一情况下，使用其中响应于从样本出射的电子的捕捉而产生电子-空穴对。此类电子-空穴对的数目将与捕捉的电子的能量成比例，并且将确定其值可被记录的（小）测量电流的量值。在短暂的阻塞（quenching）时间之后，检测器然后准备好捕捉后续电子。这种多通道检测器因此可以用来通过记录所捕捉的电子产生的测量电流的强度并跟踪遇到各种电流值的次数来对所捕捉的电子进行分类和计数。在本发明的替换实施例中，检测器装置被包含以依次地检查多个基本上离散的能量值En，使得通过依次地获取其组成数据对（On，En）而汇集测量结果集合M。此类（系列测量）结构的示例包括以下项：（D）在以上情况（A）中，作为使用检测模块阵列的替代，采用仅一个检测器模块（或者此类模块的相对较小的集合）。可用检测模块的数目现在不足以一次查看子束的整个扇出阵列，并且因此，必须使用相对位移来保证对扇出阵列的每个部分给出转动以遇到检测器模块。这可以例如通过使检测器模块上的扇出阵列偏转/移位（例如使用适当的偏转器或通过适当地使样本保持器倾斜）或者通过使检测器模块移动至扇出阵列的不同部分或以上两者的某组合来实现。（E）在以上情况（B）中，人们可以改变所采用的电力网电势，因此用来调整滤波器的通过水平。因此，通过单步调试一系列的电力网电势值并对在每个此类值下（在给定时间窗期间）记录的电子计数执行适当的减法，可以执行对提供给电力网的电子的依次的能量分辨。在前文中提到的方法论可以被描述为引起到样本中的“计算切片”。有利的是，它提供非常好的z分辨率，但是在其到样本中的z穿透范围方面它是受限的。如果需要，可以将这样的计算切片与“物理切片”相结合，以提供增大可获得的z穿透的混合方法。这样的物理切片涉及从样本物理地去除（至少一层）材料，并且可以例如利用机械技术（例如使用超薄切片机/金刚石刀）和/或辐射/烧蚀技术（例如使用激光束或宽离子束，或通过在样本上扫描聚焦离子束来研磨样本）和/或蚀刻技术（诸如例如束致蚀刻、化学蚀刻或反应蚀刻）来执行。应当指出，在这样的物理切片的情况下，所采用的层去除过程无需是破坏性的：相反，如果需要，存在允许保留被去除层并在稍后的时刻对其（再次）成像的（机械）技术。在这样的混合计算/物理切片方法的特定实施例中，交替地使用上述计算切片和物理切片，由此：-使用根据本发明的计算切片技术研究样本的暴露表面S；-然后使用物理切片技术从表面S中“撇去”材料，从而在S下方的深度d处生成新暴露的表面S'；-然后使用根据本发明的计算切片方法研究该新暴露的表面S'。如果需要，可以执行该混合方法的几次迭代，包括交替地应用计算切片和物理切片以及因此提供到样本中的越来越大的z穿透。应当留心不要将本发明与基于透射电子显微镜（TEM）的已知的层析成像技术相混淆，借助于该已知的层析成像技术，深度信息通过采用一定范围的不同采样倾斜角而从样本被收集。除其它不同之外，人们能够识别这两者之间的以下不同：-TEM设备一般比SEM设备昂贵得多。-TEM方法使用高得多的输入射束能量（典型地为200-300keV左右），这可能导致样本损坏。与此相对照，根据本发明的方法利用低得多的输入射束能量（例如1-5keV左右）令人满意地工作。-TEM层析成像只能用在非常薄的样本（一般地厚度<1μm）上。因为本发明不依赖于电子穿过样本的透射，所以其不遭受关于样本厚度的这种限制。-本发明的基于SEM的应用比基于TEM的技术具有大得多的横向范围，因为前者具有（横向）扫描性质。-就其本质而言，TEM层析成像不产生与本发明相关联的那种类型的卷积深度数据，并且因此不需要统计处理技术来对这样的卷积数据执行深度分辨。不应将注意力放在使本发明的非常宽泛且普遍的方法与各种在先技术公开中所阐述的限制大得多的技术混淆。在这方面，重要的是明确地注意到：-本发明的方法并未对所采用PSF的形式/性质施加任何初始限制；其替代地允许从完全一般的空间上三维的PSF开始。-本发明的方法并未对正在研究的样本中的材料的物质/性质/结构施加任何初始限制；其相反允许采用完全一般的块体样本。-本发明未对用来执行各种测量会话的辐射的类型/几何结构施加任何初始限制。-本发明在不同的出射电子能量值下执行一系列的不同测量会话，从而产生来自样本内的不同（三维）位置的被卷积的大量数据。此大量数据随后经受自动去卷积，以将该数据块分离成来自样本内的不同体素的单独分辨的贡献。这样，实现了样本的体积重建，因此揭露出来自不同深度（z）和来自不同横向位置（x，y）的细节。–本发明的去卷积过程在所述重建过程期间在所有PSF上进行迭代。在这方面，以耦合/同时的方式而不是以独立的方式对PSF去卷积。此类耦合往往增强到良好的解集合的收敛。为了更好地理解耦合/同时与未耦合/分离去卷积之间的差异，可以对其中对联立方程式进行求解的问题进行类推。如果这些方程式真的被同时求解，那么方程式中的所有变量在求解过程（的各种迭代）期间保持“浮置”。另一方面，如果一次一个地（即以未耦合方式）处理方程式，则针对每个单独的方程式在求解过程期间将会把除一个变量之外的所有变量“定住”，从而导致限制大得多的解集合。为了突出本发明的这些方面，可以参考两个特定期刊论文来指出某些重要差别，即：D1:H.Niedrig,E.I.Rau,InformationdepthandspatialresolutioninBSEmicrotomographyinSEM,NuclearInstrumentsandMethodsinPhysicsResearchB142(1998),pp.523-534;D2:A.V.Gostev等人,Informationdepthofthebackreflectedelectronmodeinscanningelectronmicroscopy,BulletinoftheRussianAcademyofSciences–Physics62(3)(1998),pp.475-480。这两个论文都研究具有非常特定的简化结构的样本，包括三个堆叠的均质层的夹心结构。使用三个联立方程式的模型来描述谱测量结果，该模型的系数是基于样本中的电子相互作用的物理学确定的。最初使用蒙特卡罗模拟来计算这些系数，并且然后由操作员手动地进行调整。参见例如：D1:p528,左栏,中间:“InitiallykijischosenbytheMonte-Carlomethodandthenitischosenwithmoreprecisionbytheoperatorinthevisualway”.D2:p477,左栏,方程式（4）之后:“TheseparametersareinitiallyestimatedbytheMonteCarlomethodandthen,moreprecisely,visuallybyanoperator”。鉴于D1和D2的作者所使用的简化模型和他们用以确定他们所使用的系数的未耦合方式，对这样的手动调整的需要并不令人奇怪。与本发明的技术相反，D1和D2中的方法是非迭代的，因为系数—一旦它们已被计算—不会在后续的迭代循环中被重新提交以经历进一步的改进；替代地，计算单次迭代，并且然后必须执行某种形式的手动调整，以力图“润色”结果的缺陷。D1和D2的此方面揭示了它们为什么使用简化的样本结构和模型：尝试手动地调整所采用的三个联立方程式集合中的九个不同系数已足够糟糕，而无法注意对于更复杂的样本而言什么将是必要的（例如对于五层样本而言的二十五个系数）。其还解释了为什么D1和D2中所采用的模型本质上是基本上仅涉及沿垂直于样本的方向的层贡献的一维简化版：如果人们想尝试包括来自横向和对角线分量的可能贡献，则D1和D2中的解决方案将变得行不通。因此，D1和D2中的非自动方法未提供解决涉及全3维PSF的射束/样本相互作用的手段。这是为什么D1和D2的目的是针对瑕疵对界面层进行检查、而不是执行本发明的全面重建的原因。本文中的很多数学技术也在欧洲专利申请EP12163262(FNL1203)中论述过，在该专利申请中在不同（但仍然有些相关）的问题的情形下提出了它们。通过引用将该后一文献并入本文中。

技术实现要素：
本发明涉及一种利用带电粒子显微镜检查样本的方法，包括以下步骤：-将样本安置在样本保持器上；-使用粒子-光学柱将至少一个微粒辐射束引导到样本的表面S上，由此产生相互作用，该相互作用导致从样本发出发射辐射；-使用检测器装置检测所述发射辐射的至少一部分。本发明还涉及一种带电粒子显微镜，在该带电粒子显微镜中可以执行这样的方法。附图说明现在将基于示范性实施例和所附的示意图来更详细地阐述本发明，在附图中：图1A和1B是相互关联的流程图，它们示出了用于执行根据本发明的方法的总体方案。图2示出了根据本发明的实施例的涉及计算切片和物理切片的交替使用的混合技术。图3示出了关于在SEM中BS电子从样本发射的模拟结果，其图示出针对不同的BS电子能量值从样本内的不同深度发出的BS电子的数目。图4呈现了可以用来实施根据本发明的方法的粒子-光学显微镜（在这种情况下为SEM）的各方面的纵向截面图。图5图示出如在本发明中阐述的可以用来产生具有混合能量En的所检测的电子束的能量过滤输出On、从而用于汇集测量结果集合M={(On，En)}的特定检测器装置的工作原理。在附图中，在适当时，利用相应的附图标记来表示相应的部分。具体实施方式实施例1图1A和1B是相互关联的流程图，它们示出了用于执行根据本发明的方法的总体方案。参考在以上论述中引入的命名法，要指出的是：-图1A示出了迭代l处的针对给定PSF核Kn的算法。相继应用针对给定Kn的多次迭代循环。-可以将图1A中的迭代方案相继应用于每个PSF和空间变量V。对于任何一对Kn，V，在每个循环可以进行一次或多次迭代。在所示的流程图中，现在将更详细地阐述图示的步骤。从图1A开始：-201：这个步骤表示迭代l处的Kn值（即Knl）。在l=1的特殊情况下，将已经执行了前面的初始化流程，以便“开始”迭代过程。-203：类似地，这个步骤表示迭代l处的V值（即Vl）。再一次地，在l=1的特殊情况下，将已经执行了前面的“开始”初始化过程。-205：使用步骤201和203的输出计算卷积Knl*Vl。现在引入量In，其是量On的无量纲/缩放版本。例如，如果以伏为单位测量On，那么以伏为单位的其数字值是无量纲的，并且如果需要可以利用基本电子电荷（e）的值来对该数字值进行缩放，以便实现到例如以电子伏（eV）为单位的数字值的转换。在任何给定情况下，这纯粹是选择的问题，如熟练的技术人员将容易掌握的那样。在下文中将把量In称为“图像”。在步骤205中，确定图像In和卷积Knl*Vl之间的偏差，即计算D(In║Knl*Vl)。-207：在这里，判断步骤205中计算出的偏差是否是最小的，即是否已达到收敛。如果是这样（“是”），那么提取出所寻求的值Kn和V；如果不是这样（“否”），那么返回到流程的图顶部，以进行下一次迭代（l+1）。现在转到图1B，该图表示图1A的普适化。并非仅示出针对测量结果序列[1,...,N]中的一个元素n的过程，现在它示出了这个序列中的所有元素1...N：-211，213，215：这些步骤中的每个对应于图1A的累积步骤201、203和205，但现在针对n=1（211）、n=2（213）和n=N（215）的各个情况被示出。-217：这个步骤对应于图1A的步骤207。对于关于可以如何用公式表示并求解上述最小偏差问题的具体范例，参考下面的下一实施例。实施例2考虑即将到来的变量核去卷积任务的一种直观方式是利用所谓的贝叶斯（Bayesian）统计对其进行公式化。首先定义贯穿下面的整个说明中将用到的多个概率：-Pr(V|In)是提取空间变量V的概率，假设给定所获取的输入值In的情况下（参见对图1A的流程图中步骤205的以上论述来获得对“图像”值In的概念的解释）。相似地，Pr(In|V)是在给定由V描述的样本结构的情况下观测图像值In的概率。-Pr(V)是与V相关联的所谓的先验概率，表示人们的有关要重建的结构的知识。-Pr(In)是与所获取的图像相关联的概率；然而，它实质上为常数，假设图像In是实际观测的/测量的值。使用贝叶斯规则（Bayes’rule），现在得到：(1)在贝叶斯框架中，可以将当前的问题表示为以下最大化任务：,(2)其中需要强制所重建的变量V的正性。为了获得物理上有意义的解，这是必要的。更常见地，将使用所谓的对数似然（log-likelihood）函数来简化该计算：(3)具体而言，当前的成像过程通过泊松（Poisson）过程被很好地表示。在给定带电粒子和X射线检测器的性质的情况下，可以假设：在3D网格Ω中的每个体素x处，通过实现独立的泊松过程来形成图像。这导致：,(4)其中应当注意，“x”不是线性笛卡尔（Cartesian）坐标x，相反而是三维位置的代数表示。为了恢复体积V，需要将准则最小化：假定项不包含任何变量，则可以将准则重新定义为：重要的是注意，这个准则与Kullback-Leibler普适化的I偏差相关。这可以从I偏差的定义看出来：从其可以得到：（8）中的第二项是关于最小化的常数，并且因此，使最小化等价于使最小化。现在参考以下期刊文章：[1]H.Lantéri,M.Roche,C.Aime,“Penalizedmaximumlikelihoodimagerestorationwithpositivityconstraints:multiplicativealgorithms,InverseProblems,”vol.18,pp.1397-1419,2002,其中表明，可以利用以下迭代方案求解上面类型（2）的受正性约束的最小化问题：这种算法也称为最大似然期望值最大化算法，在例如下面的参考文献中进一步描述了这种算法：[2]L.Shepp,Y.Vardi,“Maximum-Likelihoodreconstructionforemissiontomography,”IEEETransactionsonMedicalImaging,MI-5,pp.16-22,1982。[3]Richardson,WilliamHadley."Bayesian-BasedIterativeMethodofImageRestoration",JOSA62(1),pp55–59,1972。可以通过使用幂阶q像如下那样来加快表达式（9）中的收敛：典型地，，并且，除了加速之外，它还能够充当正则化因子。在当前的情况下，需要针对与不同PSF相关联的所有核Kn相继使用迭代算法。可以凭经验或基于诸如变量的相对变化的其他标准来评估收敛。如果需要恢复或调整PSF核Kn的值，可以使用空间变量V和Kn变量的交替最小化。然后获得以下算法：可以选择在每个循环针对核Kn或针对空间变量V进行更多的迭代；可以基于经验/试验确定这样的选择。例如，一般注意到，V往往收敛得更快，并且因此可以花费更多的迭代来搜索不同的值Kn。如果关于PSF或V的先验知识是可用的，则可以利用条件Pr(.|.)和联合概率Pr(.,.)的组合将其并入贝叶斯公式中，如下所示：接下来，然后修改最小化问题（2），如下所示：并且然后，要最小化的对数似然准则变为尽管第一项是确保人们拟合观测数据的数据项，但第二和第三项被称为正则项，该正则项使用人们关于变量的知识和假设来限制解空间并减小噪声的影响。可以利用最大似然期望值最大化方法将准则最小化。也可以利用各种其他凸性和非凸性方法来实现优化，如在例如以下参考文献中所述的：[4]WilliamH.Press,SaulA.Teukolsky,WilliamT.Vetterling,BrianP.Flannery,NumericalRecipesinC:TheArtofScientificComputing,第二版(1992)。为完整起见，要注意的是，可以将本实施例中阐述的方法视为所谓的Richardson-Lucey算法（RLA）的混合体/变体。RLA是可用于求解多种问题的已知数学技术。例如，NASA的科学家在试图通过计算改善来自原始（即未校正的）哈勃（Hubble）空间望远镜的模糊图像时使用过这种算法。实施例3样本结构的在先分布[Pr(V)]和PSF的在先分布[Pr(Kn)]在使所谓的后验概率Pr(V,Kn|In)最大化的过程中可以起到重要的正则化作用。在以下出版物中阐述了几个众所周知的正则化方法。[5]A.N.Tikhonov,OntheStabilityofInverseProblems,ProceedingsofDokladyAkademiiNaukSSSR,RussianAcademyofSciences,1943,pp.195-198.[6]D.Strong,T.Chan,Edge-preservingandscale-dependentpropertiesoftotalvariationregularization,InverseProblems,2003,19:S165–S187.[7]P.O.Hoyer,Non-negativeMatrixFactorizationwithSparsenessConstraints,JournalofMachineLearningResearch5,2004,pp.1457-1469.[8]WD.Dong,HJ.Feng,Z.H.Xu,Q.Li,ApiecewiselocalregularizedRichardson-Lucyalgorithmforremotesensingimagedeconvolution,OpticsandLaserTechnology43,2011,pp.926-933。已知正则化方法包括Tikhonov正则化[5]、全变差（TV）正则化、稀疏在先正则化[7]、逐块局部正则化[8]等。对于流行的TV正则化而言，通过样本结构V的绝对梯度的积分来定义正则化项J(V)，如下所示：要最小化的全函数则是：J(V)相对于V的导数是，其中，“div”代表矢量微积分语境下的偏差（与统计距离语境下的偏差相反）。通过将的导数设置为零来使最小化，其中，这导致以下迭代方案：其中，有效地控制优化期间的TV正则化的权重。TV作为正则化方法的主要优点是其在减少均质区域中的噪声的同时保留结果图像中的边缘。实施例4作为上文提出的数学方法的替换，以下去卷积方法也应在本发明的语境中提到。（I）最大熵方法最大熵（ME）方法已经被成功地广泛使用达许多年，并且是例如用于图像恢复应用的无线电天文学中的实际选择中的一个。与旨在使概率函数最大化的最大似然（ML）法相反，ME重建的一般方法是使经受对图像估计的约束的熵函数最大化：使得其中，“Ent”表示熵函数。ME方法背后的思想是找到不仅与图像形成过程兼容、而且也具有最高信息含量的解。图像恢复中的最普遍的熵函数是香农（Shannon）熵，其直接在图像的灰度水平上被定义为：其起源于信息理论中。在文献中找到的另一熵函数是Burg熵：例如可以使用乘积代数重建技术（MART）将ME问题求解为确定性约束的凸性优化问题，该乘积代数重建技术经由迭代方案使负香农熵函数最小化。MART技术涉及基于来自前一迭代的所记录像素强度In(j)与体素强度的投影的比的对体素强度的乘积校正：其中，是控制步幅大小的松弛参数，是关于V的第I次迭代的第j个元素，并且是Kn的第i，j个元素。每个体素的强度每次被一个投影校正，这意味着只有在已考虑每个投影之后才完成单次迭代。对于关于MART的更多信息，参考以下：[9]R.Gordon,R.Bender,andG.T.Herman,Algebraicreconstructiontechniquesforthree-dimensionalelectronmicroscopyandx-rayphotography,J.TheoreticalBiology29,1970,pp471-481。（II）线性方法对于在没有关于噪声统计的进一步假设的情况下应用的图像形成模型，由下式给出用于样本结构的估计：其中，和分别表示傅立叶变换和逆傅立叶变换。因为Kn是带宽受限的，因此此表达式的分母在许多频率下接近于零，并且直接去卷积往往遭受严重的噪声放大。解决此问题的一个方式是通过使用截断逆滤波器（参见下面的参考文献[10]）：其中是小的正常数。该解一般是不适定的，并且可以引入正则化项以找到稳定解。例如，Tikhonov正则化包括使以下项最小化：其中，H表示高通滤波器。该解是在傅立叶空间中获得的（参见下面的参考文献[11]）：其中，是正则化参数，表示数据的保真度与所存储的图像的平滑性之间的折衷。对于关于在这里讨论的线性方法的更多信息，参考以下出版物：[10]J.G.McNally,T.Karpova,J.Cooper,J.A.Conchello,Three-dimensionalimagingbydeconvolutionmicroscopy,Methods,vol.19,no.3,pp.373-385(1999)。[11]J.L.Starck,E.Pantin,DeconvolutioninAstronomy:AReview,AstronomicalSocietyofthePacific,114:1051-1069(2002)。应注意的是，在这里阐述的方法不恢复样本结构的超过PSF带宽的频率分量。另外，这些方法能够给出被估计的图像中的负强度，并且往往对用于估计的PSF中的误差非常敏感，从而导致伪像。如果需要，可以将在这里针对所涉及的完整去卷积问题所列出的不同类型的方法进行组合。例如，可以首先使用最大先验（MAP）或ML方法来估计PSF，并且然后使用线性或ME方法来对样本结构去卷积。示例5图2（以程式化的方式）图示出本发明的实施例，由此将计算切片与物理切片进行组合，以实现对样本的达相对增大的深度的基于带电粒子显微镜法的3D体积成像。图2A（左）示出了计算切片步骤，由此在变化的出射电子能量（E1、E2、E3）下观察样本，并且应用3D去卷积算法，如上文所阐述的。这实现了对样本的达增大的穿透深度（在这里示意性地标记为（L1、L2、L3））的子表面虚拟成像。在图2B中（中间），进行物理切片步骤的后续使用，由此使用机械切割设备（例如金刚石刀）或非机械方法（例如涉及聚焦/宽离子束或聚焦电磁束）来从样本物理地“撇去”一定深度的材料，因此产生新暴露的表面。在图2C中（右），对所述新暴露的表面执行后续的计算切片操作。这实现了达到新的穿透深度（在这里示意性地标记为（L4、L5、L6））的对样本的子表面虚拟成像。实施例6图3示出了关于SEM中BS电子从样本发射的模拟结果，其图示出针对不同的BS电子能量值的从样本内的不同深度发出的BS电子的数目。该结果来自蒙特卡罗模拟，并且与用5kV入射电子束照射的Si靶和沿着相对于入射射束的90-180度的仰角进行观察的假想BS电子检测器（从而涉及具有与入射射束反平行的速度分量的任何BS电子）相关。该图表示出了针对以三个不同的BS能量值、即（从右到左）4keV、3keV和2keV为中心的不重叠能带（具有宽度500eV）的作为产生深度（以nm为单位）的函数的BS电子计数。该图显示可以从一整个范围的不同深度产生具有给定能量En的BS电子，但是峰值数目是针对En的每个值从某个优选深度产生的。更具体而言，在所示的图表中：-4keV电子示出对应于约40nm的深度的数目峰值；-3keV电子示出对应于约65nm的深度的数目峰值；-2keV电子示出对应于约75nm的深度的数目峰值；应注意到，这些能量值是电子从样本表面出射时的动能，而不是它们产生时的本征动能；因此来自更深层的电子在它们从样本出射时应—平均起来—具有更少的能量是合乎逻辑的，因为它们一般会在设法从样本逃逸时经历更大的损耗。实施例7图4是带电粒子显微镜400的高度示意性图示，带电粒子显微镜400在这种情况下为SEM。显微镜400包括粒子-光学柱402，其产生带电粒子束404（在这种情况下为电子束）。粒子-光学柱402被安装在真空室406上，真空室406包括用于保持样本410的样本保持器/台408。真空室406被使用真空泵（未示出）抽空。借助于电压源422，可以使样本保持器408或至少样本410被偏置（浮置）到相对于地的一定电势。粒子-光学柱402包括电子源412、用以使电子束404聚焦到样本410上的透镜414、416以及偏转单元418。该设备还包括用于特别地控制偏转单元418、透镜414以及检测器100、420并在显示单元426上显示从检测器100、420收集的信息的计算机处理设备（控制器）424。检测器420、100选自能够用来以不同方式检查不同类型的辐射的多种可能的检测器类型。在这里示出的设备中，已进行以下检测器选择：-检测器100是分段电子检测器。这种检测器可以例如用来研究从样本410出射的电子的角度相关性。这种类型的检测器例如在上述欧洲专利申请EP12163262（FNL1203）中有更详细的阐述。-检测器420在本发明的语境中用来执行对从样本410发出的电子的能量滤波检测。在这种情况下，检测器420可以例如是上文提到的类型（C）的多通道固态检测器。替换地，其可以是上文提到的类型（A），并且在腔体中采用偏转场，以便将电子的输入射束“扇出”成能量分类子束，能量分类子束然后着陆在检测模块阵列上。无论其内部工作方式如何，来自此检测器420的信号都充当用于汇集如上文所讨论的测量结果集合M={(On,En)}的基础，因为检测器420提供与从样本410发出的离散电子能量值En相关联的输出值On。如在这里呈现的，检测器100和420两者都用来检查电子；然而，这纯粹地是设计/实施方式选择，并且如果需要，可以选择检测除电子之外的其他类型的受激辐射（例如X射线）。通过在样本410上扫描射束404，受激辐射—包括例如X射线、红外/可见/紫外光、二次电子和反向散射（BS）电子—从样本410发出。由于发射辐射是位置敏感的（由于所述扫描运动），因此从检测器100、420获得的信息也将是位置相关的。来自检测器100、420的信号被处理设备424处理，并且在显示单元426上显示。这种处理可以包括诸如组合、积分、减法、虚着色、边缘增强以及熟练的技术人员已知的其他处理的操作。另外，在这样的处理中可以包括自动化识别过程（例如用于粒子分析）。在本发明的语境中，处理设备424—和/或专用单独处理单元（未示出）—可以用来对所述测量结果集合M执行规定的数学操作，以便对其去卷积并在空间上将其分解成上文所讨论的结果集合R。应注意到，这样的结构的许多改进和替换将是熟练的技术人员已知的，包括但不限于：-双射束的使用—例如用于对样本410进行成像的电子束404和用于对样本进行机械加工（或者在某些情况下进行成像）的离子束；-样本410处的受控环境的使用—例如，保持几豪巴的压力（如在所谓的环境SEM中使用的）或者通过导入气体，诸如蚀刻气体或前体气体；等。实施例8图5图示出可以用来针对具有混合能量En的所检测的电子束产生能量过滤输出On、从而用于汇集如在本发明中阐述的测量结果集合M={(On,En)}的特定检测器装置的工作原理。更特别地，所示出的检测器装置是上文阐述的类型（A）的检测器装置。在图中，电子（例如BS电子）束51通过孔55进入测量腔体53。束51包括在样本被带电粒子辐射束（诸如图4中的项404）照射时从样本（诸如图4中的项410）发出的发射辐射的一部分，并且例如可以通过促使所述发射辐射穿过孔板（未示出）来产生。在图5中，将束51示出为是垂直的，但是一般地，其还可以具有其它取向。腔体53的内部57被适当的偏转场（未示出）充满，所述偏转场例如是具有垂直于图的平面的场线的（均匀）磁场。束51中的电子在遇到此场时经历偏转，其量值将取决于正在讨论中的电子的动能。结果，作为很好地限定的束51进入腔体53的东西被转换成子束的扇出阵列—在这里图示出其中的四个（51a、51b、51c、51d）—由此，束51中的相对低能量的电子经历相对大的偏转，并且反之亦然。这些子束51a、51b、51c、51d撞击在检测器装置59的各检测模块59a、59b、59c、59d上，模块59a、59b、59c、59d中的每一个可以是例如单独的能量检测器（诸如SSPM）或分段检测器的单独段。由于子束51a、51b、51c、51d每个将以不同的电子能量En（实际上，是相对窄带的能量）为特征，所以检测器装置59的检测模块59a、59b、59c、59d将产生能量分辨输出，从而允许向每个能量值En分配输出值On。