当前位置: X-MOL 学术J. Intell. Manuf. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
机器学习和深度学习应用在晶圆图缺陷识别和分类方面的进展:综述
Journal of Intelligent Manufacturing ( IF 5.9 ) Pub Date : 2022-08-23 , DOI: 10.1007/s10845-022-01994-1
Tongwha Kim , Kamran Behdinan

随着对集成电路的高需求和亚纳米设计,半导体晶圆的表面缺陷复杂性和频率增加;随后强调了对高度准确的故障检测和根本原因分析系统的需求,因为手动缺陷诊断更加耗时且昂贵。因此,机器学习和深度学习方法已集成到晶圆图缺陷识别和分类的自动化检测系统中,以提高性能、整体良率和成本效益。随着算法和硬件的进步,特别是像卷积神经网络这样的神经网络的出现,晶圆图缺陷检测的文献随着新的发展而爆炸式增长,以解决数据预处理、特征表示和提取的局限性,和模型学习策略。本文旨在全面回顾机器学习和深度学习在晶圆图缺陷识别和分类方面的应用。介绍和分析了缺陷识别和分类方法,讨论了它们各自的优点、局限性和可扩展性。还介绍了晶圆图检测研究的未来挑战和趋势。





"点击查看英文标题和摘要"

更新日期:2022-08-24
down
wechat
bug