一种基于反事实解释的晶圆缺陷检测方法及系统技术方案

本说明书实施例提供一种基于反事实解释的晶圆缺陷检测方法及系统，属于半导体集成电路制造领域，其中，该方法包括：获取待检测晶圆图像；通过图像生成模型基于待检测晶圆图像，生成待检测晶圆图像对应的反事实解释图像；基于待检测晶圆图像及待检测晶圆图像对应的反事实解释图像，生成空间注意力；基于待检测晶圆图像，生成通道注意力；通过分类模型基于待检测晶圆图像、空间注意力及通道注意力，确定待检测晶圆图像的缺陷类别，具有提升晶圆缺陷检测的自动化水平及检测效率的优点。检测的自动化水平及检测效率的优点。检测的自动化水平及检测效率的优点。

【技术实现步骤摘要】
一种基于反事实解释的晶圆缺陷检测方法及系统


[0001]本申请涉及半导体集成电路制造领域，特别涉及一种基于反事实解释的晶圆缺陷检测方法及系统。

技术介绍

[0002]半导体制造过程中的良率指的合格芯片总数占生产芯片总数的比例，是衡量制造工艺水平的重要参数。芯片由整片晶圆切割而来，而曝光、蚀刻、研磨等诸多复杂工序流程可能会给晶圆表面造成不同的缺陷模式，从而影响芯片生产良率，造成经济损失。目前主流的晶圆表面缺陷检测方法是人工通过电子显微镜观察进行。这种方法高度依赖技工的熟练度，同时检测速度较慢，花费大量时间和人力成本。
[0003]因此，需要提供一种基于反事实解释的晶圆缺陷检测方法及系统，用于提升晶圆缺陷检测的自动化水平及检测效率。

技术实现思路

[0004]本说明书实施例之一提供一种基于反事实解释的晶圆缺陷检测方法，所述方法包括：获取待检测晶圆图像；通过图像生成模型基于所述待检测晶圆图像，生成所述待检测晶圆图像对应的反事实解释图像；基于所述待检测晶圆图像及所述待检测晶圆图像对应的反事实解释图像，生成空间注意力；基于所述待检测晶圆图像，生成通道注意力；通过分类模型基于所述待检测晶圆图像、所述空间注意力及所述通道注意力，确定所述待检测晶圆图像的缺陷类别。
[0005]在一些实施例中，所述待检测晶圆图像对应的反事实解释图像的缺陷类别与所述待检测晶圆图像的缺陷类别不同。
[0006]在一些实施例中，所述图像生成模型的损失函数为：；其中，表示待检测晶圆图像，表示待检测晶圆图像对应的反事实解释图像，表示的目标类别，为目标类别的预测概率；为的预测概率，是待检测晶圆图像与待检测晶圆图像对应的反事实解释图像之间的距离，是超参数。
[0007]在一些实施例中，所述基于所述待检测晶圆图像及所述待检测晶圆图像对应的反事实解释图像，生成空间注意力，包括：基于所述待检测晶圆图像与所述反事实解释图像之间的差值，生成空间注意力权重；将所述空间注意力权重与所述待检测晶圆图像相乘，生成所述空间注意力。
[0008]在一些实施例中，所述基于所述待检测晶圆图像，生成通道注意力，包括：在通道上对所述待检测晶圆图像进行池化和两次全连接，生成所述通道注意力。
[0009]本说明书实施例之一提供一种基于反事实解释的晶圆缺陷检测系统，所述系统包
括：图像获取模块，用于获取待检测晶圆图像；图像生成模块，用于通过图像生成模型基于所述待检测晶圆图像，生成所述待检测晶圆图像对应的反事实解释图像；空间注意力模块，用于基于所述待检测晶圆图像及所述待检测晶圆图像对应的反事实解释图像，生成空间注意力；通道注意力模块，用于基于所述待检测晶圆图像，生成所述通道注意力；缺陷分类模块，用于通过分类模型基于所述待检测晶圆图像、所述空间注意力及所述通道注意力，确定所述待检测晶圆图像的缺陷类别。
[0010]在一些实施例中，所述待检测晶圆图像对应的反事实解释图像的缺陷类别与所述待检测晶圆图像的缺陷类别不同。
[0011]在一些实施例中，所述图像生成模型的损失函数为：；其中，表示待检测晶圆图像，表示待检测晶圆图像对应的反事实解释图像，表示的目标类别，为目标类别的预测概率；为的预测概率，是待检测晶圆图像与待检测晶圆图像对应的反事实解释图像之间的距离，是超参数。
[0012]在一些实施例中，所述空间注意力模块还用于：基于所述待检测晶圆图像与所述反事实解释图像之间的差值，生成空间注意力权重；将所述空间注意力权重与所述待检测晶圆图像相乘，生成所述空间注意力。
[0013]在一些实施例中，所述通道注意力模块还用于：在通道上对所述待检测晶圆图像进行池化和两次全连接，生成所述通道注意力。
[0014]相比于现有技术，基于反事实解释的晶圆缺陷检测方法及系统至少具备以下有益效果：1、通过机器学习模型完成晶圆缺陷检测，提升晶圆缺陷检测的自动化水平，降低人力成本，提高晶圆缺陷检测的效率；2、利用反事实解释的特性，将决定分类结果的关键位置作为空间注意力叠加在原图上，提高模型分类准确度，结合空间注意力和通道注意力机制，进一步提高模型准确率。
附图说明
[0015]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本说明书一些实施例所示的基于反事实解释的晶圆缺陷检测系统的示例性模块示意图；图2是根据本说明书一些实施例所示的基于反事实解释的晶圆缺陷检测方法的示例性流程图；图3是根据本说明书一些实施例所示的基于待检测晶圆图像、空间注意力及通道注意力确定待检测晶圆图像的缺陷类别的示意图。
具体实施方式
[0016]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0017]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0018]如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
[0019]本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0020]图1是根据本说明书一些实施例所示的基于反事实解释的晶圆缺陷检测系统的示例性模块示意图。如图1所示，基于反事实解释的晶圆缺陷检测系统可以包括图像获取模块、空间注意力模块、通道注意力模块及缺陷分类模块。
[0021]图像获取模块可以用于获取待检测晶圆图像。
[0022]空间注意力模块可以用于通过图像生成模型基于待检测晶圆图像，生成待检测晶圆图像对应的反事实解释图像。空间注意力模块还可以用于基于待检测晶圆图像及待检测晶圆图像对应的反事实解释图像，生成空间注意力。
[0023]在一些实施例中，空间注意力模块还可以用于基于待检测晶圆图像与反事实解释图像之间的差值，生成空间注意力权重；将空间注意力权重与待检测晶圆图像相乘，生成空间注意力。
[0024]通道注意力模块可以用于基于待检测晶圆图像，生成通道注意力。
[0025]在一些实施例中，通道注意力模块还可以用于：在通道上对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于反事实解释的晶圆缺陷检测方法，其特征在于，包括：获取待检测晶圆图像；通过图像生成模型基于所述待检测晶圆图像，生成所述待检测晶圆图像对应的反事实解释图像；基于所述待检测晶圆图像及所述待检测晶圆图像对应的反事实解释图像，生成空间注意力；基于所述待检测晶圆图像，生成通道注意力；通过分类模型基于所述待检测晶圆图像、所述空间注意力及所述通道注意力，确定所述待检测晶圆图像的缺陷类别。2.根据权利要求1所述的一种基于反事实解释的晶圆缺陷检测方法，其特征在于，所述待检测晶圆图像对应的反事实解释图像的缺陷类别与所述待检测晶圆图像的缺陷类别不同。3.根据权利要求2所述的一种基于反事实解释的晶圆缺陷检测方法，其特征在于，所述图像生成模型的损失函数为：；其中，表示待检测晶圆图像，表示待检测晶圆图像对应的反事实解释图像，表示的目标类别，为目标类别的预测概率；为的预测概率，是待检测晶圆图像与待检测晶圆图像对应的反事实解释图像之间的距离，是超参数。4.根据权利要求1
‑
3任意一项所述的一种基于反事实解释的晶圆缺陷检测方法，其特征在于，所述基于所述待检测晶圆图像及所述待检测晶圆图像对应的反事实解释图像，生成空间注意力，包括：基于所述待检测晶圆图像与所述反事实解释图像之间的差值，生成空间注意力权重；将所述空间注意力权重与所述待检测晶圆图像相乘，生成所述空间注意力。5.根据权利要求1
‑
3任意一项所述的一种基于反事实解释的晶圆缺陷检测方法，其特征在于，所述基于所述待检测晶圆图像，生成通道注意力，包括：在通道上对所述待检测晶圆图像进行池化和两次全连接，生成所述通道注意力。6.一种基于反...

【专利技术属性】
技术研发人员：李安东，王佳，
申请(专利权)人：昆山润石智能科技有限公司，
类型：发明
国别省市：