用于三维半导体结构的检验的缺陷发现及配方优化

    公开(公告)号:CN109964116A

    公开(公告)日:2019-07-02

    申请号:CN201780071387.1

    申请日:2017-11-30

    Abstract: 本文中描述用于发现掩埋于三维半导体结构内的所关注缺陷DOI及配方优化的方法及系统。通过存储与受测量的所述半导体结构的总深度的一子组相关联的图像而减小经受缺陷发现及验证的半导体晶片的体积。记录与一或多个聚焦平面或聚焦范围处的缺陷位置相关联的图像片块。基于以下各项中的任一者而减少所考虑光学模式的数目:一或多个所测量晶片级缺陷图征与一或多个预期晶片级缺陷图征的比较、所测量缺陷信噪比及无需逆向处理而验证的缺陷。此外,采用经验证缺陷及所记录图像来训练扰乱筛选程序且优化测量配方。将所述经训练扰乱筛选程序应用于缺陷图像以选择最优光学模式来用于生产。

    高敏感度重复项缺陷检测

    公开(公告)号:CN109964115A

    公开(公告)日:2019-07-02

    申请号:CN201780068950.X

    申请日:2017-11-08

    Abstract: 本发明提供用于检测光罩上的缺陷的系统及方法。一种系统包含:(若干)计算机子系统,其包含一或多个图像处理组件,其获取由检验子系统针对晶片产生的图像;主用户接口组件,其将针对所述晶片及所述光罩产生的信息提供到用户且接收来自所述用户的指令;及接口组件,其提供所述一或多个图像处理组件与所述主用户接口之间的接口。不同于当前使用的系统,所述一或多个图像处理组件经配置用于通常将重复项缺陷检测算法应用到由所述一或多个图像处理组件获取的所述图像而执行重复项缺陷检测,且所述重复项缺陷检测算法经配置以使用热阈值来检测所述晶片上的缺陷且识别是重复项缺陷的所述缺陷。

    使用浅层深度学习的差值滤波器及孔径选择的系统与方法

    公开(公告)号:CN113168695B

    公开(公告)日:2022-07-29

    申请号:CN201980079469.X

    申请日:2019-12-06

    Abstract: 本发明公开一种用于缺陷重检及分类的系统。所述系统可包含控制器,其中所述控制器可经配置以接收样品的一或多个训练图像。所述一或多个训练图像包含多个训练缺陷。所述控制器可进一步经配置以将多个差值滤波器应用到所述一或多个训练图像,且接收指示所述多个差值滤波器的至少一部分的差值滤波器有效性度量的分类的信号。所述控制器可进一步经配置以基于所述所接收分类及所述多个训练缺陷的属性而生成深度学习网络分类器。所述控制器可进一步经配置以提取所述深度学习网络分类器的卷积层滤波器,且基于所述所提取的卷积层滤波器而生成一或多个差值滤波器配方。

    使用浅层深度学习的差值滤波器及孔径选择的系统与方法

    公开(公告)号:CN113168695A

    公开(公告)日:2021-07-23

    申请号:CN201980079469.X

    申请日:2019-12-06

    Abstract: 本发明公开一种用于缺陷重检及分类的系统。所述系统可包含控制器,其中所述控制器可经配置以接收样品的一或多个训练图像。所述一或多个训练图像包含多个训练缺陷。所述控制器可进一步经配置以将多个差值滤波器应用到所述一或多个训练图像,且接收指示所述多个差值滤波器的至少一部分的差值滤波器有效性度量的分类的信号。所述控制器可进一步经配置以基于所述所接收分类及所述多个训练缺陷的属性而生成深度学习网络分类器。所述控制器可进一步经配置以提取所述深度学习网络分类器的卷积层滤波器,且基于所述所提取的卷积层滤波器而生成一或多个差值滤波器配方。

    基于设计及噪声的关注区域

    公开(公告)号:CN112840205A

    公开(公告)日:2021-05-25

    申请号:CN201980067471.5

    申请日:2019-10-17

    Abstract: 本发明提供用于设置具有基于设计及噪声的关注区域的样品的检验的方法及系统。一个系统包含经配置用于产生样品的基于设计的关注区域的一或多个计算机子系统。所述计算机子系统还经配置用于针对所述样品上的所述关注区域的多个例子确定一或多个输出属性,且从由输出获取子系统针对所述多个例子产生的输出确定所述一或多个输出属性。所述计算机子系统进一步经配置用于将所述样品上的所述关注区域的所述多个例子分离成不同关注区域子群组,使得所述不同关注区域子群组具有所述输出属性的统计上不同值且基于所述不同关注区域子群组而选择所述样品的检验配方的参数。

Patent Agency Ranking