用于基于半导体的应用的深度学习图像去除噪声制造技术

提供用于确定样品的信息的方法及系统。一种系统包含计算机子系统及由所述计算机子系统执行的一或多个组件。所述一或多个组件包含经配置用于对由成像子系统产生的样品的图像去除噪声的深度学习模型。所述计算机子系统经配置用于从所述去除噪声的图像确定所述样品的信息。的信息。的信息。

【技术实现步骤摘要】
【国外来华专利技术】用于基于半导体的应用的深度学习图像去除噪声


[0001]本专利技术大体上涉及用于确定样品的信息的方法及系统。某些实施例涉及一种经配置用于对用于确定样品的信息的所述样品的图像去除噪声的深度学习模型。

技术介绍

[0002]以下描述及实例并未因其包含于此章节中而被承认为是现有技术。
[0003]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)以形成所述半导体装置的各种特征及多个层级。例如，光刻是半导体制造工艺，其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。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。
[0004]在半导体制造工艺期间的各个步骤使用检验过程来检测样品上的缺陷以驱动制造工艺中的更高良率及因此更高利润。检验始终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，检验对于成功制造可接受半导体装置变得甚至更为重要，这是因为较小缺陷可引起装置故障。...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种经配置以确定样品的信息的系统，其包括：计算机子系统；及一或多个组件，其由所述计算机子系统执行；其中所述一或多个组件包括经配置用于对由成像子系统产生的样品的图像去除噪声的深度学习模型；且其中所述计算机子系统经配置用于从所述去除噪声的图像确定所述样品的信息。2.根据权利要求1所述的系统，其中深度学习模型进一步经配置为卷积神经网络。3.根据权利要求1所述的系统，其中所述图像是其中在所述去除噪声之前检测到缺陷的测试图像。4.根据权利要求3所述的系统，其中所述缺陷是通过所述样品的热扫描检测。5.根据权利要求1所述的系统，其中所述去除噪声是在使用所述图像执行的缺陷检测之前执行。6.根据权利要求1所述的系统，其中所述图像是所述样品的测试图像，且其中所述深度学习模型进一步经配置用于对对应于所述测试图像的参考去除噪声。7.根据权利要求6所述的系统，其中所述参考是由所述成像子系统在对应于所述样品上产生所述测试图像的位置的所述样品上的位置处产生的所述样品的额外图像。8.根据权利要求6所述的系统，其中确定所述信息包括从所述去除噪声的测试图像减去所述去除噪声的参考，从而产生差分图像并基于所述差分图像检测所述样品上的缺陷。9.根据权利要求6所述的系统，其中缺陷是在所述去除噪声之前在所述测试图像中检测，且其中确定所述信息包括从所述去除噪声的测试图像减去所述去除噪声的参考，从而产生差分图像并基于所述差分图像确定所述缺陷的信息。10.根据权利要求1所述的系统，其中所述计算机子系统进一步经配置用于基于由所述成像子系统产生的所述样品的测试图像检测所述样品上的缺陷及用于将所述测试图像输入到所述深度学习模型中用于所述去除噪声，且其中通过所述计算机子系统输入到所述深度学习模型的所述测试图像仅包括其中检测到所述缺陷中的一或多者的所述测试图像。11.根据权利要求1所述的系统，其中针对所...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：科磊股份有限公司，
类型：发明
国别省市：