SEMI-PointRend: oppnå økt nøyaktighet og detaljer i halvlederdefektanalyse fra SEM-bilder

Halvlederdefektanalyse er en viktig del av produksjonsprosessen for integrerte kretser. Defekter kan forårsake en rekke problemer, fra redusert ytelse til fullstendig feil på enheten. For å sikre at produktene av høyeste kvalitet produseres, er det nødvendig å ha en pålitelig og nøyaktig metode for å oppdage og analysere feil. SEMI-PointRend er en ny teknologi som muliggjør økt nøyaktighet og detaljer i halvlederdefektanalyse fra scanning electron microscope (SEM) bilder.

SEMI-PointRend er et maskinlæringsbasert bildebehandlingssystem som bruker dyplæringsalgoritmer for å oppdage og analysere defekter i halvlederenheter. Den er designet for å brukes med SEM-bilder, som gir høyere oppløsning enn tradisjonell optisk mikroskopi. Ved å bruke dyplæringsalgoritmer er SEMI-PointRend i stand til å oppdage og klassifisere defekter med større nøyaktighet og detaljer enn tradisjonelle metoder.

Systemet fungerer ved først å trekke ut funksjoner fra SEM-bildet. Disse funksjonene brukes deretter til å trene en dyp læringsmodell, som deretter brukes til å oppdage og klassifisere feil i bildet. Modellen er trent ved hjelp av et stort datasett med SEM-bilder med kjente defekter, noe som gjør at den nøyaktig kan oppdage og klassifisere defekter selv i bilder med lav kontrast eller lavt signal-til-støyforhold.

SEMI-PointRend har blitt testet på en rekke forskjellige halvlederenheter, inkludert brikker, wafere og pakker. I alle tilfeller var den i stand til å oppdage og klassifisere feil med større nøyaktighet enn tradisjonelle metoder. I tillegg var systemet i stand til å oppdage defekter som ikke var synlige for det menneskelige øyet, noe som muliggjorde mer grundig defektanalyse.

Samlet sett er SEMI-PointRend et effektivt verktøy for å øke nøyaktigheten og detaljer i halvlederdefektanalyse fra SEM-bilder. Ved å bruke dyplæringsalgoritmer er den i stand til å oppdage og klassifisere defekter med større nøyaktighet enn tradisjonelle metoder, noe som muliggjør mer grundig defektanalyse. Denne teknologien kan bidra til å sikre at produktene av høyeste kvalitet produseres, noe som fører til forbedret ytelse og pålitelighet til halvlederenheter.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. Tilgang her.
• Kilde: Platon Data Intelligence: PlatoAiStream