JP7049331B2 - 半導体用途向けに構成された深層学習モデルのための診断システムおよび方法 - Google Patents
半導体用途向けに構成された深層学習モデルのための診断システムおよび方法 Download PDFInfo
- Publication number
- JP7049331B2 JP7049331B2 JP2019520020A JP2019520020A JP7049331B2 JP 7049331 B2 JP7049331 B2 JP 7049331B2 JP 2019520020 A JP2019520020 A JP 2019520020A JP 2019520020 A JP2019520020 A JP 2019520020A JP 7049331 B2 JP7049331 B2 JP 7049331B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- causal
- deep learning
- learning model
- determined
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/2163—Partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/14—Measuring as part of the manufacturing process for electrical parameters, e.g. resistance, deep-levels, CV, diffusions by electrical means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
- H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Manufacturing & Machinery (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Biodiversity & Conservation Biology (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Description
Claims (40)
- 深層学習モデルのための診断機能を実行するように構成されたシステムであって、
1つ以上のコンピュータサブシステムと、
前記1つ以上のコンピュータサブシステムによって実行される1つ以上のコンポーネントと、
を備え、前記1つ以上のコンポーネントが、
イメージングツールによって試料に関して生成された画像から情報を決定するように構成された深層学習モデルと、
前記情報を決定させた前記画像の1つ以上の因果部分を決定し、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行するように構成された診断コンポーネントと、
を備え、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記1つ以上の因果部分の1つ以上の特徴に基づいて、試料に関する付加的な画像が前記イメージングツールから収集されて前記深層学習モデルの付加的な訓練に使用されるべきか否かを決定することを含む、システム。 - 深層学習モデルのための診断機能を実行するように構成されたシステムであって、
1つ以上のコンピュータサブシステムと、
前記1つ以上のコンピュータサブシステムによって実行される1つ以上のコンポーネントと、
を備え、前記1つ以上のコンポーネントが、
イメージングツールによって試料に関して生成された画像から情報を決定するように構成された深層学習モデルと、
前記情報を決定させた前記画像の1つ以上の因果部分を決定し、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行するように構成された診断コンポーネントと、
を備え、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記1つ以上の因果部分の1つ以上の特徴に基づいて前記画像を変更して、前記深層学習モデルに入力される水増しされた画像を生成することを含む、システム。 - 深層学習モデルのための診断機能を実行するように構成されたシステムであって、
1つ以上のコンピュータサブシステムと、
前記1つ以上のコンピュータサブシステムによって実行される1つ以上のコンポーネントと、
を備え、前記1つ以上のコンポーネントが、
イメージングツールによって試料に関して生成された画像から情報を決定するように構成された深層学習モデルと、
前記情報を決定させた前記画像の1つ以上の因果部分を決定し、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行するように構成された診断コンポーネントと、
を備え、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記深層学習モデルに入力される付加的な画像に適用するデータ水増し法を生成することを含む、システム。 - 前記情報は前記試料上で検出された欠陥の分類を含む、
請求項1~3のいずれかに記載のシステム。 - 前記情報は前記深層学習モデルによって抽出された前記画像の特徴を含む、
請求項1~3のいずれかに記載のシステム。 - 前記情報は前記画像から生成された擬似画像を含む、
請求項1~3のいずれかに記載のシステム。 - 前記情報は前記画像から生成された1つ以上のセグメンテーション領域を含む、
請求項1~3のいずれかに記載のシステム。 - 前記情報は前記画像から生成された多次元出力を含む、
請求項1~3のいずれかに記載のシステム。 - 前記深層学習モデルは訓練された深層学習モデルである、
請求項1~3のいずれかに記載のシステム。 - 前記深層学習モデルはさらにニューラルネットワークとして構成される、
請求項1~3のいずれかに記載のシステム。 - 前記1つ以上の機能は、前記深層学習モデルの1つ以上のパラメータを、前記決定された1つ以上の因果部分に基づいて変更することを含む、
請求項1~3のいずれかに記載のシステム。 - 前記1つ以上の機能は、情報を決定させた1つ以上の因果部分が前記画像の正しい1つ以上の因果部分であるかどうかを決定することを含む、
請求項1~3のいずれかに記載のシステム。 - 前記1つ以上のコンポーネントはさらに、少なくとも前記画像、前記決定された情報、および前記決定された1つ以上の因果部分をユーザに表示するように構成された視覚化コンポーネントを備える、
請求項1~3のいずれかに記載のシステム。 - 前記1つ以上のコンポーネントはさらに、前記表示の後で前記ユーザからの入力を受け取るように構成されたユーザインターフェースコンポーネントを備え、
診断コンポーネントによって実行される前記1つ以上の機能は、前記ユーザからの前記入力に基づいて決定される、
請求項13に記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を、局所感度を計算することによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を因果バックプロパゲーションによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を、逆畳み込みヒートマップアルゴリズムを使用して実行される因果バックプロパゲーションによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を、層毎の関連性プロパゲーションを使用して実行される因果バックプロパゲーションによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を、ディープリフトアルゴリズムを使用して実行される因果バックプロパゲーションによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を、大域平均プーリングによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を、勾配への経路積分を計算することによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を、部分従属プロットを計算することによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記診断コンポーネントはさらに、前記1つ以上の因果部分を、経路積分での部分従属プロットを計算することによって決定するように構成される、
請求項1~3のいずれかに記載のシステム。 - 前記1つ以上の機能は、前記1つ以上の因果部分を前記画像内の1つ以上の関心領域として識別し、前記深層学習モデルを、前記1つ以上の関心領域に基づいて調整することを含む、
請求項1~3のいずれかに記載のシステム。 - 前記1つ以上の機能は、前記1つ以上の因果部分を前記画像内の1つ以上の関心領域として識別し、付加的な深層学習モデルを前記1つ以上の関心領域に基づいて訓練することを含む、
請求項1~3のいずれかに記載のシステム。 - 前記イメージングツールは検査ツールとして構成される、
請求項1~3のいずれかに記載のシステム。 - 前記イメージングツールは計測ツールとして構成される、
請求項1~3のいずれかに記載のシステム。 - 前記イメージングツールは電子ビームベースのイメージングツールとして構成される、 請求項1~3のいずれかに記載のシステム。
- 前記イメージングツールは光学ベースのイメージングツールとして構成される、
請求項1~3のいずれかに記載のシステム。 - 前記試料はウェハである、
請求項1~3のいずれかに記載のシステム。 - 前記試料はレチクルである、
請求項1~3のいずれかに記載のシステム。 - 深層学習モデルのための診断機能を実行するように構成されたシステムであって、
試料の画像を生成するように構成されたイメージングツールと、
前記画像を取得するように構成された1つ以上のコンピュータサブシステムと、
前記1つ以上のコンピュータサブシステムによって実行される1つ以上のコンポーネントと、
を備え、前記1つ以上のコンポーネントが、
前記イメージングツールによって試料に関して生成された画像から情報を決定するように構成された深層学習モデルと、
前記情報を決定させた前記画像の1つ以上の因果部分を決定し、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行するように構成された診断コンポーネントと、
を備え、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記1つ以上の因果部分の1つ以上の特徴に基づいて、試料に関する付加的な画像が前記イメージングツールから収集されて前記深層学習モデルの付加的な訓練に使用されるべきか否かを決定することを含む、システム。 - 深層学習モデルのための診断機能を実行するように構成されたシステムであって、
試料の画像を生成するように構成されたイメージングツールと、
前記画像を取得するように構成された1つ以上のコンピュータサブシステムと、
前記1つ以上のコンピュータサブシステムによって実行される1つ以上のコンポーネントと、
を備え、前記1つ以上のコンポーネントが、
前記イメージングツールによって試料に関して生成された画像から情報を決定するように構成された深層学習モデルと、
前記情報を決定させた前記画像の1つ以上の因果部分を決定し、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行するように構成された診断コンポーネントと、
を備え、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記1つ以上の因果部分の1つ以上の特徴に基づいて前記画像を変更して、前記深層学習モデルに入力される水増しされた画像を生成することを含む、システム。 - 深層学習モデルのための診断機能を実行するように構成されたシステムであって、
試料の画像を生成するように構成されたイメージングツールと、
前記画像を取得するように構成された1つ以上のコンピュータサブシステムと、
前記1つ以上のコンピュータサブシステムによって実行される1つ以上のコンポーネントと、
を備え、前記1つ以上のコンポーネントが、
前記イメージングツールによって試料に関して生成された画像から情報を決定するように構成された深層学習モデルと、
前記情報を決定させた前記画像の1つ以上の因果部分を決定し、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行するように構成された診断コンポーネントと、
を備え、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記深層学習モデルに入力される付加的な画像に適用するデータ水増し法を生成することを含む、システム。 - 深層学習モデルの診断機能を実行するためのコンピュータ実装方法を実行するため、1つ以上のコンピュータシステムで実行可能なプログラム命令を記憶する非一時的コンピュータ可読媒体であって、前記コンピュータ実装方法が、
深層学習モデルに画像を入力することによって、イメージングツールによって試料に関して生成された画像から情報を決定し、
前記情報を診断コンポーネントに入力することによって、情報を決定させた前記画像の1つ以上の因果部分を決定し、
診断コンポーネントで、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行し、
前記深層学習モデルと診断コンポーネントは、前記1つ以上のコンピュータシステムによって実行される1つ以上のコンポーネントに含まれ、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記1つ以上の因果部分の1つ以上の特徴に基づいて、試料に関する付加的な画像が前記イメージングツールから収集されて前記深層学習モデルの付加的な訓練に使用されるべきか否かを決定することを含む、
非一時的コンピュータ可読媒体。 - 深層学習モデルの診断機能を実行するためのコンピュータ実装方法を実行するため、1つ以上のコンピュータシステムで実行可能なプログラム命令を記憶する非一時的コンピュータ可読媒体であって、前記コンピュータ実装方法が、
深層学習モデルに画像を入力することによって、イメージングツールによって試料に関して生成された画像から情報を決定し、
前記情報を診断コンポーネントに入力することによって、情報を決定させた前記画像の1つ以上の因果部分を決定し、
診断コンポーネントで、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行し、
前記深層学習モデルと診断コンポーネントは、前記1つ以上のコンピュータシステムによって実行される1つ以上のコンポーネントに含まれ、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記1つ以上の因果部分の1つ以上の特徴に基づいて前記画像を変更して、前記深層学習モデルに入力される水増しされた画像を生成することを含む、
非一時的コンピュータ可読媒体。 - 深層学習モデルの診断機能を実行するためのコンピュータ実装方法を実行するため、1つ以上のコンピュータシステムで実行可能なプログラム命令を記憶する非一時的コンピュータ可読媒体であって、前記コンピュータ実装方法が、
深層学習モデルに画像を入力することによって、イメージングツールによって試料に関して生成された画像から情報を決定し、
前記情報を診断コンポーネントに入力することによって、情報を決定させた前記画像の1つ以上の因果部分を決定し、
診断コンポーネントで、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行し、
前記深層学習モデルと診断コンポーネントは、前記1つ以上のコンピュータシステムによって実行される1つ以上のコンポーネントに含まれ、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記深層学習モデルに入力される付加的な画像に適用するデータ水増し法を生成することを含む、
非一時的コンピュータ可読媒体。 - 深層学習モデルの診断機能を実行するためのコンピュータに実装される方法であって、
深層学習モデルに画像を入力することによって、イメージングツールによって試料に関して生成された画像から情報を決定し、
診断コンポーネントに情報を入力することによって、情報を決定させた前記画像の1つ以上の因果部分を決定し、
診断コンポーネントで、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行し、
前記深層学習モデルと診断コンポーネントは1つ以上のコンピュータシステムによって実行される1つ以上のコンポーネントに含まれ、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記1つ以上の因果部分の1つ以上の特徴に基づいて、試料に関する付加的な画像が前記イメージングツールから収集されて前記深層学習モデルの付加的な訓練に使用されるべきか否かを決定することを含む、
方法。 - 深層学習モデルの診断機能を実行するためのコンピュータに実装される方法であって、
深層学習モデルに画像を入力することによって、イメージングツールによって試料に関して生成された画像から情報を決定し、
診断コンポーネントに情報を入力することによって、情報を決定させた前記画像の1つ以上の因果部分を決定し、
診断コンポーネントで、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行し、
前記深層学習モデルと診断コンポーネントは1つ以上のコンピュータシステムによって実行される1つ以上のコンポーネントに含まれ、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記1つ以上の因果部分の1つ以上の特徴に基づいて前記画像を変更して、前記深層学習モデルに入力される水増しされた画像を生成することを含む、
方法。 - 深層学習モデルの診断機能を実行するためのコンピュータに実装される方法であって、
深層学習モデルに画像を入力することによって、イメージングツールによって試料に関して生成された画像から情報を決定し、
診断コンポーネントに情報を入力することによって、情報を決定させた前記画像の1つ以上の因果部分を決定し、
診断コンポーネントで、前記画像の決定された1つ以上の因果部分に基づいて1つ以上の機能を実行し、
前記深層学習モデルと診断コンポーネントは1つ以上のコンピュータシステムによって実行される1つ以上のコンポーネントに含まれ、
前記1つ以上の機能は、前記1つ以上の因果部分の1つ以上の特徴を決定し、前記深層学習モデルに入力される付加的な画像に適用するデータ水増し法を生成することを含む、
方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662408402P | 2016-10-14 | 2016-10-14 | |
US62/408,402 | 2016-10-14 | ||
US15/694,719 US11580398B2 (en) | 2016-10-14 | 2017-09-01 | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
US15/694,719 | 2017-09-01 | ||
PCT/US2017/052093 WO2018071137A1 (en) | 2016-10-14 | 2017-09-18 | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019537839A JP2019537839A (ja) | 2019-12-26 |
JP7049331B2 true JP7049331B2 (ja) | 2022-04-06 |
Family
ID=61904631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019520020A Active JP7049331B2 (ja) | 2016-10-14 | 2017-09-18 | 半導体用途向けに構成された深層学習モデルのための診断システムおよび方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US11580398B2 (ja) |
JP (1) | JP7049331B2 (ja) |
KR (1) | KR102530209B1 (ja) |
CN (1) | CN109844918B (ja) |
IL (1) | IL265742B (ja) |
SG (1) | SG10202104271VA (ja) |
TW (1) | TWI747967B (ja) |
WO (1) | WO2018071137A1 (ja) |
Families Citing this family (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10395356B2 (en) * | 2016-05-25 | 2019-08-27 | Kla-Tencor Corp. | Generating simulated images from input images for semiconductor applications |
US11237872B2 (en) | 2017-05-23 | 2022-02-01 | Kla-Tencor Corporation | Semiconductor inspection and metrology systems for distributing job among the CPUs or GPUs based on logical image processing boundaries |
US10430937B2 (en) * | 2017-09-25 | 2019-10-01 | United Technologies Corporation | Automated material characterization system including conditional generative adversarial networks |
EP3489892B1 (en) * | 2017-11-24 | 2022-01-05 | Ficosa Adas, S.L.U. | Determining clean or dirty captured images |
TWI653605B (zh) * | 2017-12-25 | 2019-03-11 | 由田新技股份有限公司 | 利用深度學習的自動光學檢測方法、設備、電腦程式、電腦可讀取之記錄媒體及其深度學習系統 |
US11199506B2 (en) * | 2018-02-21 | 2021-12-14 | Applied Materials Israel Ltd. | Generating a training set usable for examination of a semiconductor specimen |
JP6873941B2 (ja) * | 2018-03-02 | 2021-05-19 | 株式会社日立製作所 | ロボット作業システム、及びロボット作業システムの制御方法 |
US10679333B2 (en) | 2018-03-14 | 2020-06-09 | Kla-Tencor Corporation | Defect detection, classification, and process window control using scanning electron microscope metrology |
WO2019183153A1 (en) | 2018-03-21 | 2019-09-26 | Kla-Tencor Corporation | Training a machine learning model with synthetic images |
US10670536B2 (en) | 2018-03-28 | 2020-06-02 | Kla-Tencor Corp. | Mode selection for inspection |
US10713769B2 (en) | 2018-06-05 | 2020-07-14 | Kla-Tencor Corp. | Active learning for defect classifier training |
CN110163215B (zh) * | 2018-06-08 | 2022-08-23 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
DE102018114005A1 (de) * | 2018-06-12 | 2019-12-12 | Carl Zeiss Jena Gmbh | Materialprüfung von optischen Prüflingen |
US10732130B2 (en) * | 2018-06-19 | 2020-08-04 | Kla-Tencor Corporation | Embedded particle depth binning based on multiple scattering signals |
TWI676939B (zh) * | 2018-06-22 | 2019-11-11 | 富比庫股份有限公司 | 運用類神經網路進行分類之電子零件封裝分類系統 |
TWI689875B (zh) * | 2018-06-29 | 2020-04-01 | 由田新技股份有限公司 | 利用深度學習系統的自動光學檢測分類設備及其訓練設備 |
CN108846841A (zh) | 2018-07-02 | 2018-11-20 | 北京百度网讯科技有限公司 | 显示屏质量检测方法、装置、电子设备及存储介质 |
EP3598474A1 (en) | 2018-07-19 | 2020-01-22 | FEI Company | Adaptive specimen image acquisition using an artificial neural network |
KR102541743B1 (ko) * | 2018-09-03 | 2023-06-13 | 가부시키가이샤 프리퍼드 네트웍스 | 학습 장치, 추론 장치 및 학습 완료 모델 |
JP7134033B2 (ja) * | 2018-09-06 | 2022-09-09 | 東京エレクトロン株式会社 | 基板状態判定装置、基板処理装置、モデル作成装置及び基板状態判定方法 |
JP7289658B2 (ja) * | 2018-09-07 | 2023-06-12 | 株式会社フジクラ | 分類装置、分類方法、分類プログラム、及び検査装置 |
US10854486B2 (en) * | 2018-09-19 | 2020-12-01 | Kla Corporation | System and method for characterization of buried defects |
US10866197B2 (en) | 2018-09-20 | 2020-12-15 | KLA Corp. | Dispositioning defects detected on extreme ultraviolet photomasks |
US10796152B2 (en) | 2018-09-21 | 2020-10-06 | Ancestry.Com Operations Inc. | Ventral-dorsal neural networks: object detection via selective attention |
CN112823080B (zh) * | 2018-09-24 | 2023-07-14 | 应用材料公司 | 以机器视觉作为对cmp工艺控制算法的输入 |
CN109345529B (zh) * | 2018-09-30 | 2021-09-24 | 福州大学 | 基于改进型二次目标检测网络线夹、均压环故障识别方法 |
JP6754155B1 (ja) * | 2018-10-01 | 2020-09-09 | 株式会社 システムスクエア | 教師データ生成装置、検査装置およびコンピュータプログラム |
RU2704751C1 (ru) * | 2018-10-08 | 2019-10-30 | федеральное государственное бюджетное образовательное учреждение высшего образования "Пермский национальный исследовательский политехнический университет" | Способ определения параметров термомеханической обработки и химического состава функциональных материалов с помощью глубокой нейронной сети |
US10672588B1 (en) * | 2018-11-15 | 2020-06-02 | Kla-Tencor Corporation | Using deep learning based defect detection and classification schemes for pixel level image quantification |
TWI696148B (zh) * | 2018-11-22 | 2020-06-11 | 財團法人金屬工業研究發展中心 | 影像分析方法、電子裝置與電腦程式產品 |
KR102200496B1 (ko) * | 2018-12-06 | 2021-01-08 | 주식회사 엘지씨엔에스 | 딥러닝을 이용한 이미지 인식 방법 및 서버 |
TWI681343B (zh) * | 2018-12-14 | 2020-01-01 | 瑞昱半導體股份有限公司 | 物件追蹤系統、物件追蹤方法與非暫態電腦可讀取媒體 |
US11568324B2 (en) | 2018-12-20 | 2023-01-31 | Samsung Display Co., Ltd. | Adversarial training method for noisy labels |
US10769784B2 (en) | 2018-12-21 | 2020-09-08 | Metal Industries Research & Development Centre | Image analyzing method and electrical device |
CN109840552B (zh) * | 2019-01-14 | 2020-04-10 | 湖北工业大学 | 一种动态图像分类方法 |
US11294162B2 (en) * | 2019-02-07 | 2022-04-05 | Nanotronics Imaging, Inc. | Fluorescence microscopy inspection systems, apparatus and methods with darkfield channel |
US10922808B2 (en) | 2019-02-14 | 2021-02-16 | KLA—Tencor Corp. | File selection for test image to design alignment |
WO2020166076A1 (ja) * | 2019-02-15 | 2020-08-20 | 株式会社日立ハイテク | 構造推定システム、構造推定プログラム |
JP6749655B1 (ja) * | 2019-03-19 | 2020-09-02 | 株式会社 システムスクエア | 検査装置、異常検出方法、コンピュータプログラム、学習モデルの生成方法、及び学習モデル |
JP6742037B1 (ja) * | 2019-03-19 | 2020-08-19 | 株式会社 システムスクエア | 学習モデルの生成方法、学習モデル、検査装置、異常検出方法、及びコンピュータプログラム |
KR20220010768A (ko) * | 2019-05-20 | 2022-01-26 | 시놉시스, 인크. | 머신 러닝 기반 인코딩을 이용한 전자 회로 레이아웃에서의 패턴들의 분류 |
JP6929322B2 (ja) * | 2019-05-31 | 2021-09-01 | 楽天グループ株式会社 | データ拡張システム、データ拡張方法、及びプログラム |
CN110276754B (zh) * | 2019-06-21 | 2021-08-20 | 厦门大学 | 一种表面缺陷检测方法、终端设备及存储介质 |
DE102019209976A1 (de) * | 2019-07-08 | 2021-01-14 | Krones Ag | Verfahren und Vorrichtung zur Inspektion von Behältern in einem Behältermassenstrom |
CN112362679B (zh) * | 2019-07-23 | 2024-06-04 | 纬创资通股份有限公司 | 影像辨识装置、影像辨识方法及其计算机程序产品 |
US11880193B2 (en) | 2019-07-26 | 2024-01-23 | Kla Corporation | System and method for rendering SEM images and predicting defect imaging conditions of substrates using 3D design |
JP7497145B2 (ja) | 2019-08-30 | 2024-06-10 | キヤノン株式会社 | 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム |
JP7373340B2 (ja) * | 2019-09-25 | 2023-11-02 | キヤノン株式会社 | 判断装置 |
US11580650B2 (en) | 2019-10-01 | 2023-02-14 | KLA Corp. | Multi-imaging mode image alignment |
US11087449B2 (en) | 2019-10-24 | 2021-08-10 | KLA Corp. | Deep learning networks for nuisance filtering |
US11551344B2 (en) * | 2019-12-09 | 2023-01-10 | University Of Central Florida Research Foundation, Inc. | Methods of artificial intelligence-assisted infrastructure assessment using mixed reality systems |
US11449711B2 (en) * | 2020-01-02 | 2022-09-20 | Applied Materials Isreal Ltd. | Machine learning-based defect detection of a specimen |
CN110930406A (zh) * | 2020-01-21 | 2020-03-27 | 北京中鼎高科自动化技术有限公司 | 一种基于卷积神经网络的匣钵筛分检测方法 |
TWI750572B (zh) * | 2020-01-30 | 2021-12-21 | 虹光精密工業股份有限公司 | 運用機器學習進行文件分類的文件處理系統及方法 |
WO2021171411A1 (ja) * | 2020-02-26 | 2021-09-02 | 日本電信電話株式会社 | 対象領域検出装置、対象領域検出方法、及び対象領域検出プログラム |
CN115280334A (zh) * | 2020-03-31 | 2022-11-01 | 株式会社日立高新技术 | 错误原因的推定装置以及推定方法 |
EP4127833B1 (en) * | 2020-04-02 | 2024-04-03 | ASML Netherlands B.V. | Method and apparatus for predicting a process metric associated with a process |
US12020417B2 (en) * | 2020-04-24 | 2024-06-25 | Camtek Ltd. | Method and system for classifying defects in wafer using wafer-defect images, based on deep learning |
US11415526B2 (en) | 2020-05-06 | 2022-08-16 | Kla Corporation | Multi-controller inspection system |
CN111598084B (zh) * | 2020-05-11 | 2023-06-02 | 北京阿丘机器人科技有限公司 | 缺陷分割网络训练方法、装置、设备及可读存储介质 |
US11769242B2 (en) | 2020-05-21 | 2023-09-26 | Kla Corporation | Mode selection and defect detection training |
US11967058B2 (en) * | 2020-06-24 | 2024-04-23 | Kla Corporation | Semiconductor overlay measurements using machine learning |
EP4172560A4 (en) | 2020-06-29 | 2024-05-29 | Applied Materials, Inc. | LAYER THICKNESS ESTIMATION FROM MACHINE LEARNING-BASED PROCESSING OF SUBSTRATE IMAGES |
US11891195B2 (en) * | 2020-07-29 | 2024-02-06 | The Boeing Company | Mitigating damage to multi-layer networks |
US11967060B2 (en) | 2020-08-25 | 2024-04-23 | Kla Corporation | Wafer level spatial signature grouping using transfer learning |
US20220101114A1 (en) * | 2020-09-27 | 2022-03-31 | Kla Corporation | Interpretable deep learning-based defect detection and classification |
KR102505484B1 (ko) * | 2020-12-18 | 2023-03-03 | 한국공학대학교산학협력단 | 딥러닝 기반의 타이어 외관 결함 검출 방법 및 장치 |
CN112669275A (zh) * | 2020-12-23 | 2021-04-16 | 中国电子技术标准化研究院 | 基于YOLOv3算法的PCB表面缺陷检测方法及装置 |
KR102527444B1 (ko) * | 2021-01-28 | 2023-05-02 | 에스케이실트론 주식회사 | 웨이퍼 또는 단결정 잉곳의 품질평가 방법 및 장치 |
US11756186B2 (en) * | 2021-09-15 | 2023-09-12 | Mitutoyo Corporation | Workpiece inspection and defect detection system utilizing color channels |
US11727556B2 (en) | 2021-09-29 | 2023-08-15 | KLA Corp. | Defect detection for multi-die masks |
KR20240091149A (ko) * | 2021-12-28 | 2024-06-21 | 주식회사 히타치하이테크 | 화상 검사 장치, 화상 처리 방법 |
JP2023183808A (ja) * | 2022-06-16 | 2023-12-28 | 株式会社日立製作所 | 画像生成方法及び外観検査装置 |
US20240120221A1 (en) * | 2022-10-03 | 2024-04-11 | Kla Corporation | Correcting target locations for temperature in semiconductor applications |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006293820A (ja) | 2005-04-13 | 2006-10-26 | Sharp Corp | 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム |
Family Cites Families (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5520434B2 (ja) | 1973-07-31 | 1980-06-02 | ||
JPH07222202A (ja) | 1994-02-02 | 1995-08-18 | Rohm Co Ltd | 立体ビジョンカメラ |
JP3476913B2 (ja) | 1994-07-08 | 2003-12-10 | オリンパス株式会社 | 欠陥種別判定装置及びプロセス管理システム |
US7483065B2 (en) * | 2004-12-15 | 2009-01-27 | Aptina Imaging Corporation | Multi-lens imaging systems and methods using optical filters having mosaic patterns |
US7570796B2 (en) | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7676077B2 (en) | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7391510B2 (en) | 2006-01-26 | 2008-06-24 | Orbotech Ltd | System and method for inspecting patterned devices having microscopic conductors |
US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
US8611639B2 (en) | 2007-07-30 | 2013-12-17 | Kla-Tencor Technologies Corp | Semiconductor device property extraction, generation, visualization, and monitoring methods |
US8126255B2 (en) * | 2007-09-20 | 2012-02-28 | Kla-Tencor Corp. | Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions |
US8175376B2 (en) * | 2009-03-09 | 2012-05-08 | Xerox Corporation | Framework for image thumbnailing based on visual similarity |
JP5608575B2 (ja) * | 2011-01-19 | 2014-10-15 | 株式会社日立ハイテクノロジーズ | 画像分類方法および画像分類装置 |
US8664594B1 (en) | 2011-04-18 | 2014-03-04 | Kla-Tencor Corporation | Electron-optical system for high-speed and high-sensitivity inspections |
US8692204B2 (en) | 2011-04-26 | 2014-04-08 | Kla-Tencor Corporation | Apparatus and methods for electron beam detection |
US8855400B2 (en) * | 2012-03-08 | 2014-10-07 | Kla-Tencor Corporation | Detection of thin lines for selective sensitivity during reticle inspection using processed images |
US9715723B2 (en) | 2012-04-19 | 2017-07-25 | Applied Materials Israel Ltd | Optimization of unknown defect rejection for automatic defect classification |
US8716662B1 (en) | 2012-07-16 | 2014-05-06 | Kla-Tencor Corporation | Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations |
US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
US20140254922A1 (en) * | 2013-03-11 | 2014-09-11 | Microsoft Corporation | Salient Object Detection in Images via Saliency |
US9317781B2 (en) * | 2013-03-14 | 2016-04-19 | Microsoft Technology Licensing, Llc | Multiple cluster instance learning for image classification |
US9430824B2 (en) | 2013-05-14 | 2016-08-30 | Kla-Tencor Corporation | Machine learning method and apparatus for inspecting reticles |
US9171364B2 (en) | 2013-06-21 | 2015-10-27 | Kla-Tencor Corp. | Wafer inspection using free-form care areas |
US10502694B2 (en) | 2013-08-06 | 2019-12-10 | Kla-Tencor Corporation | Methods and apparatus for patterned wafer characterization |
TWI456190B (zh) | 2013-09-16 | 2014-10-11 | Univ Nat Chunghsing | 偵測晶片影像瑕疵方法及其系統與電腦程式產品 |
US9293298B2 (en) | 2013-12-23 | 2016-03-22 | Kla-Tencor Corp. | Defect discovery and inspection sensitivity optimization using automated classification of corresponding electron beam images |
CN104834933B (zh) * | 2014-02-10 | 2019-02-12 | 华为技术有限公司 | 一种图像显著性区域的检测方法和装置 |
US9324022B2 (en) | 2014-03-04 | 2016-04-26 | Signal/Sense, Inc. | Classifying data with deep learning neural records incrementally refined through expert input |
US9816939B2 (en) | 2014-07-22 | 2017-11-14 | Kla-Tencor Corp. | Virtual inspection systems with multiple modes |
US10747830B2 (en) * | 2014-11-21 | 2020-08-18 | Mesh Labs Inc. | Method and system for displaying electronic information |
US10012599B2 (en) * | 2015-04-03 | 2018-07-03 | Kla-Tencor Corp. | Optical die to database inspection |
US9665962B2 (en) * | 2015-07-29 | 2017-05-30 | Adobe Systems Incorporated | Image distractor detection and processng |
US10186026B2 (en) | 2015-11-17 | 2019-01-22 | Kla-Tencor Corp. | Single image detection |
US9965901B2 (en) | 2015-11-19 | 2018-05-08 | KLA—Tencor Corp. | Generating simulated images from design information |
US20170149690A1 (en) * | 2015-11-20 | 2017-05-25 | Dell Products L.P. | Resource Aware Classification System |
US11205119B2 (en) * | 2015-12-22 | 2021-12-21 | Applied Materials Israel Ltd. | Method of deep learning-based examination of a semiconductor specimen and system thereof |
US9916965B2 (en) | 2015-12-31 | 2018-03-13 | Kla-Tencor Corp. | Hybrid inspectors |
US11580375B2 (en) | 2015-12-31 | 2023-02-14 | Kla-Tencor Corp. | Accelerated training of a machine learning based model for semiconductor applications |
US10648924B2 (en) | 2016-01-04 | 2020-05-12 | Kla-Tencor Corp. | Generating high resolution images from low resolution images for semiconductor applications |
US10360477B2 (en) | 2016-01-11 | 2019-07-23 | Kla-Tencor Corp. | Accelerating semiconductor-related computations using learning based models |
US10181185B2 (en) | 2016-01-11 | 2019-01-15 | Kla-Tencor Corp. | Image based specimen process control |
US10043261B2 (en) | 2016-01-11 | 2018-08-07 | Kla-Tencor Corp. | Generating simulated output for a specimen |
CN105719291A (zh) | 2016-01-20 | 2016-06-29 | 江苏省沙钢钢铁研究院有限公司 | 品种可选择的表面缺陷图像分类系统 |
US9830529B2 (en) * | 2016-04-26 | 2017-11-28 | Xerox Corporation | End-to-end saliency mapping via probability distribution prediction |
US10223615B2 (en) * | 2016-08-23 | 2019-03-05 | Dongfang Jingyuan Electron Limited | Learning based defect classification |
-
2017
- 2017-09-01 US US15/694,719 patent/US11580398B2/en active Active
- 2017-09-18 KR KR1020197013463A patent/KR102530209B1/ko active IP Right Grant
- 2017-09-18 WO PCT/US2017/052093 patent/WO2018071137A1/en active Application Filing
- 2017-09-18 JP JP2019520020A patent/JP7049331B2/ja active Active
- 2017-09-18 CN CN201780063497.3A patent/CN109844918B/zh active Active
- 2017-09-18 SG SG10202104271VA patent/SG10202104271VA/en unknown
- 2017-10-13 TW TW106135001A patent/TWI747967B/zh active
-
2019
- 2019-04-01 IL IL265742A patent/IL265742B/en unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006293820A (ja) | 2005-04-13 | 2006-10-26 | Sharp Corp | 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム |
Also Published As
Publication number | Publication date |
---|---|
TW201816670A (zh) | 2018-05-01 |
KR20190072569A (ko) | 2019-06-25 |
JP2019537839A (ja) | 2019-12-26 |
IL265742A (en) | 2019-06-30 |
CN109844918B (zh) | 2023-06-20 |
KR102530209B1 (ko) | 2023-05-08 |
SG10202104271VA (en) | 2021-06-29 |
US20180107928A1 (en) | 2018-04-19 |
TWI747967B (zh) | 2021-12-01 |
US11580398B2 (en) | 2023-02-14 |
WO2018071137A1 (en) | 2018-04-19 |
IL265742B (en) | 2022-04-01 |
CN109844918A (zh) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7049331B2 (ja) | 半導体用途向けに構成された深層学習モデルのための診断システムおよび方法 | |
KR102321953B1 (ko) | 다양한 모댈리티들로 획득된 이미지들의 정렬을 위한 학습 기반 접근 방식 | |
CN111094952B (zh) | 使用统一神经网络进行缺陷检测及分类的方法及系统 | |
CN110494894B (zh) | 基于轮廓的缺陷检测 | |
CN108475350B (zh) | 使用基于学习的模型加速半导体缺陷检测的方法和系统 | |
TWI731016B (zh) | 用於半導體應用之以機器學習之模型為基礎之加速訓練 | |
CN111819676B (zh) | 训练用于低分辨率图像中的缺陷检测的神经网络 | |
CN108475351B (zh) | 用于训练基于机器学习的模型的系统和计算机实施方法 | |
JP6853273B2 (ja) | ニューラルネットワークと順物理モデルを半導体用途に組み込んだシステムおよび方法 | |
EP3465174B1 (en) | Generating simulated images from input images for semiconductor applications | |
TWI734724B (zh) | 針對半導體應用由低解析度影像產生高解析度影像之系統、方法及非暫時性電腦可讀媒體 | |
US11551348B2 (en) | Learnable defect detection for semiconductor applications | |
KR20180095708A (ko) | 시료에 대한 시뮬레이팅된 출력 생성 | |
US11776108B2 (en) | Deep learning based defect detection | |
TWI844784B (zh) | 偵測缺陷之系統、非暫時性電腦可讀媒體、及偵測缺陷之電腦實施方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200909 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210924 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220107 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220322 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220325 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7049331 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |