The present invention provides a method and system for training and testing related algorithms. A system includes one or more computer subsystems that are configured to perform initial training of a test-related algorithm using a labeled defect group, thereby generating an initial version of the test-related algorithm, and applying the initial version of the test-related algorithm to an unlabeled defect group. The computer subsystems described (several) are also configured to change the flag defect group based on the results of the application. Next, the computer subsystems can iteratively retrain the test-related algorithm and change the label defect group until one or more differences between the latest version of the algorithm and the results of the previous version reach one or more criteria. When one or more of the differences meet the one or more criteria, the latest version of the test-related algorithm is output as a trained algorithm.
【技术实现步骤摘要】
【国外来华专利技术】优化用于设置检验相关算法的训练组
本专利技术大体上涉及优化用于设置检验相关算法的训练组的方法及系统。
技术介绍
在此节中,下列描述及实例不凭借其内含物而认为是现有技术。在半导体制造过程期间,在各种步骤中使用检验过程以检测晶片上的缺陷,从而促进所述制造过程中的更高产量且因此促进更高利润。检验一直是制造半导体装置的重要部分。然而,随着半导体装置的尺寸减小,检验对可接受的半导体装置的成功制造变得更重要,这是因为较小缺陷可导致装置不合格。当在样品(例如晶片)上检测到缺陷时,通常将某种类型的算法应用到所检测的缺陷以将其分成不同种类的缺陷(或将缺陷与非缺陷分离开)。完成这的一个方式是将缺陷分类器应用到所检测的缺陷,其将所检测的缺陷分成不同类型或等级的缺陷。缺陷分类器通常将缺陷及/或缺陷图像(例如,所述缺陷附近获取的通常叫作“补丁”图像或“补丁”的相对小图像)的一或多个属性用作输入以确定缺陷的类型或等级。接着,缺陷分类器将某种类型的识别符或ID分配给每一缺陷以表明所确定的类型或等级。分离所检测缺陷的另一方式是将实际缺陷与妨害或噪声分离开。“妨害”缺陷一般经界定为用户不在乎的缺陷及/或经检测为缺陷但实际上非缺陷的缺陷。这些算法通常称为缺陷过滤器及/或妨害过滤器。光学检验工具上最广泛使用的分类器/妨害过滤器是基于人工建构的决策树。用于这些决策树的调整方法利用并入到用于树建构的最佳已知方法(BKM)中的经验及领域知识。这通常导致所述决策树最初使用BKM“模板”、缺陷群聚及实质上较粗糙的缺陷标记(使用补丁)建构而成。在已获得所述树的结构之后,接着使用多样性取样来对所述树进行多样 ...
【技术保护点】
1.一种经配置以训练检验相关算法的系统,其包括:检验子系统,其包括至少能源及检测器,其中所述能源经配置以产生被导引到样品的能量,且其中所述检测器经配置以检测来自所述样品的能量,且响应于所述经检测的能量而产生输出;及一或多个计算机子系统,其经配置以:使用标记缺陷组来执行检验相关算法的初始训练,借此产生所述检验相关算法的初始版本;将所述检验相关算法的所述初始版本应用到未标记缺陷组;基于所述应用的结果来变更所述标记缺陷组;使用所述经变更标记缺陷组来再训练所述检验相关算法,借此产生所述检验相关算法的较新版本;将所述检验相关算法的所述较新版本应用到另一未标记缺陷组;确定应用所述检验相关算法的所述较新版本的结果与所述应用所述检验相关算法的所述初始版本或较旧版本的所述结果之间的一或多个差;重复变更所述标记缺陷组、再训练所述检验相关算法、应用所述检验相关算法的所述较新版本,且确定所述一或多个差直到所述一或多个差达到一或多个标准;及当所述一或多个差达到所述一或多个标准时,输出所述检验相关算法的最新版本作为经训练检验相关算法以用于检验其它样品。
【技术特征摘要】
【国外来华专利技术】2016.10.17 IN 201641035490;2017.03.27 US 62/477,241.一种经配置以训练检验相关算法的系统,其包括:检验子系统,其包括至少能源及检测器,其中所述能源经配置以产生被导引到样品的能量,且其中所述检测器经配置以检测来自所述样品的能量,且响应于所述经检测的能量而产生输出;及一或多个计算机子系统,其经配置以:使用标记缺陷组来执行检验相关算法的初始训练,借此产生所述检验相关算法的初始版本;将所述检验相关算法的所述初始版本应用到未标记缺陷组;基于所述应用的结果来变更所述标记缺陷组;使用所述经变更标记缺陷组来再训练所述检验相关算法,借此产生所述检验相关算法的较新版本;将所述检验相关算法的所述较新版本应用到另一未标记缺陷组;确定应用所述检验相关算法的所述较新版本的结果与所述应用所述检验相关算法的所述初始版本或较旧版本的所述结果之间的一或多个差;重复变更所述标记缺陷组、再训练所述检验相关算法、应用所述检验相关算法的所述较新版本,且确定所述一或多个差直到所述一或多个差达到一或多个标准;及当所述一或多个差达到所述一或多个标准时,输出所述检验相关算法的最新版本作为经训练检验相关算法以用于检验其它样品。2.根据权利要求1所述的系统,其中所述检验相关算法是缺陷分类器。3.根据权利要求1所述的系统,其中所述检验相关算法是缺陷过滤器。4.根据权利要求1所述的系统,其中所述检验相关算法是缺陷检测算法。5.根据权利要求1所述的系统,其中所述检验相关算法是机器学习算法。6.根据权利要求1所述的系统,其中所述标记缺陷组及所述未标记缺陷组是包含于所述相同检验结果中。7.根据权利要求1所述的系统,其中变更所述标记缺陷组包括标记所述未标记组中的所述缺陷中的一或多者,且将所述标记的所述缺陷中的一或多者新增到所述标记组。8.根据权利要求1所述的系统,其中所述一或多个计算机子系统经进一步配置以基于所述检测器所产生的所述输出来检测所述样品上的缺陷,且其中所述样品上所检测到的所述缺陷包括所述标记缺陷组及所述未标记缺陷组。9.根据权利要求1所述的系统,其中所述标记缺陷组包括从所述样品上所检测到的所有缺陷选择的预定最小数目的缺陷。10.根据权利要求1所述的系统,其中变更所述标记缺陷组包括通过所述应用所述检验相关算法的所述初始版本来确定针对所述未标记组中的所述缺陷所产生的所述结果的确定性、选择所述未标记组中具有最低的所述确定性的所述缺陷、获得所述所选择缺陷的标记,及将所述所选择缺陷与其标记新增到所述标记缺陷组。11.根据权利要求10所述的系统,其中选择所述未标记组中具有最低的所述确定性的所述缺陷包括选择所述未标记组中具有最低的所述确定性的预定最小数目的所述缺陷。12.根据权利要求10所述的系统,其中独立于所述未标记组中的所述缺陷的一或多个特性的多样性来执行选择所述未标记组中具有最低的所述确定性的所述缺陷。13.根据权利要求1所述的系统,其中变更所述标记缺陷组包括通过所述应用所述检验相关算法的所述初始版本来确定针对所述未标记组中的所述缺陷所产生的所述结果的确定性、选择所述未标记组中具有最低的所述确定性的所述缺陷的群组、选择所述群组中具有缺陷子组中的所述...
【专利技术属性】
技术研发人员:M·普利哈尔,E·索尔塔默罕默德,S·帕拉马西万,S·拉舞,A·杰因,S·谢克扎哈尔,P·俄珀鲁里,
申请(专利权)人:科磊股份有限公司,
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。