【技术实现步骤摘要】
【国外来华专利技术】用于缺陷检测及分类的统一神经网络
本专利技术大体上涉及经配置以使用统一神经网络进行缺陷检测及分类的方法及系统。
技术介绍
以下描述及实例并不凭借其包含于此章节中而被认为是现有技术。制造半导体装置(例如逻辑及存储器装置)通常包含使用大量半导体制造工艺处理衬底(例如半导体晶片)以形成半导体装置的各种特征及多个层级。举例来说，光刻是涉及将图案从光罩转印到布置于半导体晶片上的光致抗蚀剂的半导体制造工艺。半导体制造工艺的额外实例包含但不限于化学机械抛光(CMP)、蚀刻、沉积及离子植入。多个半导体装置可制造于单个半导体晶片上的布置中且接着分离成个别半导体装置。在半导体制造过程期间的各个步骤使用检验过程来检测样品上的缺陷以推动制造过程的较高良率及因此较高收益。检验始终为制造半导体装置的重要部分。然而，随着半导体装置尺寸的减小，检验对于可接受半导体装置的成功制造变得更加重要，这是因为较小缺陷可引起装置失效。缺陷重检通常涉及使用高放大率光学系统或扫描电子显微镜(SEM)以较高分辨率再次检测本身由检验过程检测到的缺陷且产...
【技术保护点】
1.一种经配置以检测样品上的缺陷且对所述缺陷进行分类的系统，其包括：/n一或多个计算机子系统；及/n一或多个组件，其由所述一或多个计算机子系统执行，其中所述一或多个组件包括：/n神经网络，其经配置以检测样品上的缺陷且对在所述样品上检测到的所述缺陷进行分类，其中所述神经网络包括：/n第一部分，其经配置以确定由成像子系统产生的所述样品的图像的特征；及/n第二部分，其经配置以基于所述图像的所述经确定特征检测所述样品上的缺陷，且基于所述图像的所述经确定特征对在所述样品上检测到的所述缺陷进行分类；且/n其中所述一或多个计算机子系统经配置以产生所述检测及分类的结果。/n
【技术特征摘要】
【国外来华专利技术】20170906 US 15/697,4261.一种经配置以检测样品上的缺陷且对所述缺陷进行分类的系统，其包括：
一或多个计算机子系统；及
一或多个组件，其由所述一或多个计算机子系统执行，其中所述一或多个组件包括：
神经网络，其经配置以检测样品上的缺陷且对在所述样品上检测到的所述缺陷进行分类，其中所述神经网络包括：
第一部分，其经配置以确定由成像子系统产生的所述样品的图像的特征；及
第二部分，其经配置以基于所述图像的所述经确定特征检测所述样品上的缺陷，且基于所述图像的所述经确定特征对在所述样品上检测到的所述缺陷进行分类；且
其中所述一或多个计算机子系统经配置以产生所述检测及分类的结果。
2.根据权利要求1所述的系统，其中所述神经网络进一步配置为深度学习网络。
3.根据权利要求1所述的系统，其中所述神经网络进一步配置为AlexNet。
4.根据权利要求1所述的系统，其中所述神经网络进一步配置为GoogleNet。
5.根据权利要求1所述的系统，其中所述神经网络进一步配置为VGG网络。
6.根据权利要求1所述的系统，其中所述神经网络进一步配置为深度残差网络。
7.根据权利要求1所述的系统，其中所述第一部分包括一或多个卷积层。
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进一步经配置以通过将由用户指派给训练缺陷图像的类别标签及所述训练缺陷图像输入到所述神经网络而训练所述神经网络。
9.根据权利要求8所述的系统，其中所述一或多个计算机子系统进一步经配置以通过与一或多个训练参考图像、针对其产生所述训练缺陷图像的样品的设计，或所述一或多个训练参考图像及所述设计一起将所述类别标签及所述训练缺陷图像输入到所述神经网络而训练所述神经网络。
10.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进一步经配置以使用预训练权重微调所述神经网络。
11.根据权利要求10所述的系统，其中所述预训练权重是通过训练图像分类网络而获得。
12.根据权利要求10所述的系统，其中所述预训练权重是通过训练经配置以对在所述样品上检测到的所述缺陷进行分类的所述第二部分而获得。
13.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进一步经配置以从头开始训练所述神经网络。
14.根据权利要求1所述的系统，其中所述第二部分包括经配置以选择所述经确定特征中的一或多者且基于所述一或多个选定特征对所述缺陷进行分类的一或多个完全连接层。
15.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进一步经配置以通过将由用户指派给训练缺陷图像中的定界框的类别标签及所述训练缺陷图像输入到所述神经网络而训练所述神经网络。
16.根据权利要求15所述的系统，其中所述一或多个计算机子系统进一步经配置以通过与一或多个训练参考图像、针对其产生所述训练缺陷图像的样品的设计，或所述一或多个训练参考图像及所述设计一起将所述类别标签及所述训练缺陷图像输入到所述神经网络而训练所述神经网络。
17.根据权利要求1所述的系统，其中所述第二部分包括提议网络，所述提议网络经配置以基于针对所...
【专利技术属性】
技术研发人员：贺力，M·马哈德凡，S·梵卡泰若曼，应华俊，杨河东，
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。