SEMI-PointRend: SEM Görüntülerinden Yarı İletken Hata Analizinde Artan Doğruluk ve Ayrıntı Elde Etme

Zaman Damgası: 10 Mart 2023 8:21
Kaynak Düğüm: 2011071

Yarı iletken hata analizi, entegre devreler için üretim sürecinin önemli bir parçasıdır. Kusurlar, düşük performanstan cihazın tamamen arızalanmasına kadar çeşitli sorunlara neden olabilir. En yüksek kalitede ürünlerin üretilmesini sağlamak için kusurları tespit etme ve analiz etme konusunda güvenilir ve doğru bir yönteme sahip olmak gerekir. SEMI-PointRend, taramalı elektron mikroskobu (SEM) görüntülerinden yarı iletken kusur analizinde daha fazla doğruluk ve ayrıntı sağlayan yeni bir teknolojidir.

SEMI-PointRend, yarı iletken cihazlardaki kusurları tespit etmek ve analiz etmek için derin öğrenme algoritmaları kullanan makine öğrenimi tabanlı bir görüntü işleme sistemidir. Geleneksel optik mikroskopiden daha yüksek çözünürlük sağlayan SEM görüntüleri ile kullanılmak üzere tasarlanmıştır. SEMI-PointRend, derin öğrenme algoritmalarını kullanarak kusurları geleneksel yöntemlerden daha fazla doğruluk ve ayrıntıyla tespit edip sınıflandırabilir.

Sistem öncelikle SEM görüntüsünden özniteliklerin çıkarılmasıyla çalışır. Bu özellikler daha sonra, görüntüdeki kusurları tespit etmek ve sınıflandırmak için kullanılan bir derin öğrenme modelini eğitmek için kullanılır. Model, düşük kontrastlı veya düşük sinyal-gürültü oranına sahip görüntülerde bile kusurları doğru bir şekilde algılamasına ve sınıflandırmasına olanak tanıyan, bilinen kusurları olan geniş bir SEM görüntüleri veri kümesi kullanılarak eğitilmiştir.

SEMI-PointRend, çipler, gofretler ve paketler dahil olmak üzere çeşitli farklı yarı iletken cihazlar üzerinde test edilmiştir. Her durumda, kusurları geleneksel yöntemlerden daha yüksek doğrulukla tespit edip sınıflandırabildi. Ayrıca sistem, insan gözünün göremediği kusurları tespit edebildi ve bu da daha kapsamlı kusur analizine olanak sağladı.

Genel olarak SEMI-PointRend, SEM görüntülerinden yarı iletken kusur analizinde doğruluğu ve ayrıntıyı artırmak için etkili bir araçtır. Derin öğrenme algoritmalarını kullanarak, kusurları geleneksel yöntemlerden daha yüksek doğrulukla tespit edip sınıflandırabilir ve daha kapsamlı kusur analizine olanak tanır. Bu teknoloji, yarı iletken cihazların performansının ve güvenilirliğinin artmasına yol açarak en yüksek kalitede ürünlerin üretilmesini sağlamaya yardımcı olabilir.

Zaman Damgası:

Den fazla Yarı iletken / Web3