SEMI-PointTrend: Parannetun tarkkuuden ja yksityiskohtien saavuttaminen puolijohdevika-analyysissä SEM-kuvista

Aikaleima: 10. maaliskuuta 2023 8
Lähdesolmu: 2011071

Puolijohdevika-analyysi on tärkeä osa integroitujen piirien valmistusprosessia. Viat voivat aiheuttaa erilaisia ​​​​ongelmia heikentyneestä suorituskyvystä laitteen täydelliseen vikaan. Jotta voidaan varmistaa korkealaatuisimpien tuotteiden valmistus, tarvitaan luotettava ja tarkka menetelmä vikojen havaitsemiseksi ja analysoimiseksi. SEMI-PointRend on uusi tekniikka, joka mahdollistaa suuremman tarkkuuden ja tarkkuuden puolijohdevika-analyysissä pyyhkäisyelektronimikroskoopin (SEM) kuvista.

SEMI-PointRend on koneoppimiseen perustuva kuvankäsittelyjärjestelmä, joka käyttää syväoppimisalgoritmeja havaitsemaan ja analysoimaan puolijohdelaitteiden vikoja. Se on suunniteltu käytettäväksi SEM-kuvien kanssa, jotka tarjoavat suuremman resoluution kuin perinteinen optinen mikroskopia. Syväoppimisalgoritmeja käyttämällä SEMI-PointRend pystyy havaitsemaan ja luokittelemaan viat perinteisiä menetelmiä tarkemmin ja yksityiskohtaisemmin.

Järjestelmä toimii poimimalla ensin ominaisuuksia SEM-kuvasta. Näitä ominaisuuksia käytetään sitten syväoppimismallin harjoittamiseen, jota käytetään sitten havaitsemaan ja luokittelemaan kuvan vikoja. Malli on opetettu käyttämällä suurta tietojoukkoa SEM-kuvia, joissa on tunnettuja vikoja, mikä mahdollistaa virheiden tarkan havaitsemisen ja luokittelun myös kuvissa, joissa on alhainen kontrasti tai alhainen signaali-kohinasuhde.

SEMI-PointRendiä on testattu useilla erilaisilla puolijohdelaitteilla, mukaan lukien sirut, kiekot ja pakkaukset. Kaikissa tapauksissa se pystyi havaitsemaan ja luokittelemaan viat perinteisiä menetelmiä tarkemmin. Lisäksi järjestelmä pystyi havaitsemaan viat, jotka eivät olleet näkyvissä ihmissilmälle, mikä mahdollisti perusteellisemman virheanalyysin.

Kaiken kaikkiaan SEMI-PointRend on tehokas työkalu SEM-kuvien puolijohdevika-analyysin tarkkuuden ja yksityiskohtien lisäämiseen. Syväoppimisalgoritmeja käyttämällä se pystyy havaitsemaan ja luokittelemaan viat perinteisiä menetelmiä tarkemmin, mikä mahdollistaa perusteellisemman virheanalyysin. Tämä tekniikka voi auttaa varmistamaan, että tuotetaan korkealaatuisimpia tuotteita, mikä parantaa puolijohdelaitteiden suorituskykyä ja luotettavuutta.

Aikaleima:

Lisää aiheesta Puolijohde / Web3