SEMI-PointRend: SEM Görüntülerinin Yarı İletken Hata Analizinde İyileştirilmiş Doğruluk ve Ayrıntı

Taramalı elektron mikroskobu (SEM) görüntülerinin yarı iletken kusur analizi, yarı iletken üretim sürecinin kritik bir parçasıdır. Kusurları doğru bir şekilde tespit etme ve tanımlama yeteneği, nihai ürünün kalitesini ve güvenilirliğini sağlamak için çok önemlidir. Makine öğrenimi ve bilgisayarlı görme alanındaki son gelişmeler, SEM görüntülerindeki kusurları otomatik olarak tespit edip sınıflandırabilen güçlü algoritmaların geliştirilmesine olanak sağlamıştır.

Böyle bir algoritmaya, Berkeley'deki Kaliforniya Üniversitesi'ndeki araştırmacılar tarafından geliştirilen SEMI-PointRend adı verilir. Bu algoritma, SEM görüntülerindeki kusurları doğru bir şekilde tespit etmek ve sınıflandırmak için derin öğrenme ve nokta bulutu işlemenin bir kombinasyonunu kullanır. Algoritma, düşük kontrastlı veya düşük çözünürlüklü görüntülerde bile kusurları yüksek doğruluk ve ayrıntıyla tespit edip sınıflandırabiliyor.

Algoritma ilk önce SEM görüntüsünü görüntünün 3 boyutlu temsili olan bir nokta bulutuna dönüştürerek çalışır. Nokta bulutu daha sonra kusurları tespit etmek ve sınıflandırmak için derin bir öğrenme modeli kullanılarak işlenir. Model, bilinen kusurlara sahip SEM görüntülerinden oluşan geniş bir veri kümesi üzerinde eğitilerek, küçük veya ince kusurları bile doğru bir şekilde tespit etmesine ve sınıflandırmasına olanak tanır.

Algoritmanın çeşitli SEM görüntüleri üzerinde test edilmiş ve %99'a kadar doğruluk elde ettiği gösterilmiştir. Bu, genellikle %80 civarında bir doğruluğa sahip olan geleneksel kusur tespit yöntemlerinden önemli ölçüde daha yüksektir. Ek olarak, algoritma kusurları yüksek ayrıntıyla tespit edip sınıflandırabiliyor ve bu da kusurların daha doğru bir şekilde analiz edilmesine olanak tanıyor.

Genel olarak SEMI-PointRend, SEM görüntülerindeki kusurları doğru bir şekilde tespit etmek ve sınıflandırmak için güçlü bir araçtır. Yüksek doğruluk ve ayrıntıya ulaştığı gösterilmiştir, bu da onu yarı iletken üreticileri için paha biçilmez bir araç haline getirmektedir. Kusurları hızlı ve doğru bir şekilde tespit etme ve sınıflandırma yeteneği sayesinde yarı iletken ürünlerin kalitesinin ve güvenilirliğinin sağlanmasına yardımcı olabilir.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Kaynak: Plato Data Intelligence: PlatoAiStream