JP7284813B2 - 半導体基板の限界寸法測定のための深層学習ベースの適応関心領域 - Google Patents
半導体基板の限界寸法測定のための深層学習ベースの適応関心領域 Download PDFInfo
- Publication number
- JP7284813B2 JP7284813B2 JP2021519555A JP2021519555A JP7284813B2 JP 7284813 B2 JP7284813 B2 JP 7284813B2 JP 2021519555 A JP2021519555 A JP 2021519555A JP 2021519555 A JP2021519555 A JP 2021519555A JP 7284813 B2 JP7284813 B2 JP 7284813B2
- Authority
- JP
- Japan
- Prior art keywords
- interest
- roi
- machine learning
- product
- learning classifier
- 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
- H01L22/34—Circuits for electrically characterising or monitoring manufacturing processes, e. g. whole test die, wafers filled with test structures, on-board-devices incorporated on each die, process control monitors or pad structures thereof, devices in scribe line
-
- 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
-
- 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
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
- H01L22/22—Connection or disconnection of sub-entities or redundant parts of a device in response to a measurement
-
- 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
- H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Length Measuring Devices By Optical Means (AREA)
Description
本出願は、「半導体基板の限界寸法測定のための深層学習ベースの適応関心領域」と題されArpit Yatiを発明者として2018年11月21日に出願された米国仮特許出願第62/770,712号についての米国特許法第119条(e)に基づく利益を主張するものであり、本出願において、当該米国仮特許出願の全体を引用して援用する。本出願はさらに、「半導体基板の限界寸法測定のための深層学習ベースの適応関心領域」と題されArpit Yatiを発明者として2018年8月10日に出願されたインド仮特許出願第201841037993号に基づく優先権を主張するものであり、本出願において、当該インド仮特許出願の全体を引用して援用する。
Claims (16)
- システムであって、
試験体の1つまたは複数の画像を取得するように構成され、照明源と検出アセンブリを含む特性化サブシステムと、
メモリに格納されたプログラム命令のセットを実行するように構成された1つまたは複数のプロセッサを含む制御部と、を備え、前記プログラム命令のセットは、
試験体の1つまたは複数のトレーニング用画像を前記特性化サブシステムから受信することと、
前記1つまたは複数のトレーニング用画像内における1つまたは複数のトレーニング用関心領域(ROI)選択結果を受信することと、
前記1つまたは複数のトレーニング用画像および前記1つまたは複数のトレーニング用ROI選択結果に基づいて機械学習分類器を生成することであり、前記機械学習分類器は、前記1つまたは複数のトレーニング用画像および前記1つまたは複数のトレーニング用ROI選択結果に基づいて、試験体についての1つまたは複数の注目測定値を識別するように構成されており、
試験体の1つまたは複数の製品画像を前記特性化サブシステムから受信することと、
前記機械学習分類器を用いて1つまたは複数の分類済み関心領域を生成することと、
前記1つまたは複数の分類済み関心領域内で前記試験体についての1つまたは複数の測定値を検出することを、前記1つまたは複数のプロセッサに実施させるように構成されており、
前記機械学習分類器を用いて1つまたは複数の分類済み関心領域を生成することは、
前記1つまたは複数の製品画像内における1つまたは複数の製品ROI選択結果を受信することと、
前記機械学習分類器を用いて前記1つまたは複数の製品ROI選択結果の1つまたは複数の特性を適応的に修正することにより、前記1つまたは複数の分類済み関心領域を生成することを含む、
システム。 - 請求項1に記載のシステムであって、少なくとも1つの製品ROI選択結果は、ユーザインタフェースを介して受信される、システム。
- 請求項1に記載のシステムであって、前記機械学習分類器を用いて前記1つまたは複数の製品ROI選択結果の1つまたは複数の特性を適応的に修正することは、
前記機械学習分類器を用いて、少なくとも1つの製品ROI選択結果のサイズおよび形状のうちの少なくとも1つを適応的に修正することを含む、システム。 - 請求項1に記載のシステムであって、前記機械学習分類器を用いて前記1つまたは複数の製品ROI選択結果の1つまたは複数の特性を適応的に修正することは、
前記機械学習分類器を用いて少なくとも1つの製品ROI選択結果の向きを適応的に修正することにより、前記少なくとも1つの製品ROI選択結果に対して回転された分類済み関心領域を生成することを含む、システム。 - 請求項1に記載のシステムであって、前記機械学習分類器を用いて1つまたは複数の分類済み関心領域を生成することは、
前記1つまたは複数の製品画像内における1つまたは複数の製品注目パターン(POI)選択結果を受信することと、
前記1つまたは複数の製品POI選択結果に基づいて前記1つまたは複数の分類済み関心領域を生成することを含む、システム。 - 請求項1に記載のシステムであって、前記1つまたは複数の測定値は、前記1つまたは複数の分類済み関心領域内の限界寸法の測定値を含む、システム。
- 請求項1に記載のシステムであって、前記特性化サブシステムは、走査型電子顕微鏡(SEM)式サブシステムおよび光学式特性化サブシステムのうちの少なくとも1つを含む、システム。
- 請求項1に記載のシステムであって、少なくとも1つのトレーニング用ROI選択結果は、ユーザインタフェースを介して受信される、システム。
- 請求項1に記載のシステムであって、前記機械学習分類器は、深層学習分類器、畳み込みニューラルネットワーク(CNN)、アンサンブル学習分類器、ランダムフォレスト分類器、および人工ニューラルネットワークのうちの少なくとも1つを含む、システム。
- システムであって、
メモリに格納されたプログラム命令のセットを実行するように構成された1つまたは複数のプロセッサを含む制御部を備え、前記プログラム命令のセットは、
試験体の1つまたは複数のトレーニング用画像を受信することと、
前記1つまたは複数のトレーニング用画像内における1つまたは複数のトレーニング用関心領域(ROI)選択結果を受信することと、
前記1つまたは複数のトレーニング用画像および前記1つまたは複数のトレーニング用ROI選択結果に基づいて機械学習分類器を生成することであり、前記機械学習分類器は、前記1つまたは複数のトレーニング用画像および前記1つまたは複数のトレーニング用ROI選択結果に基づいて、試験体についての1つまたは複数の注目測定値を識別するように構成されており、
試験体の1つまたは複数の製品画像を受信することと、
前記機械学習分類器を用いて1つまたは複数の分類済み関心領域を生成することと、
前記1つまたは複数の分類済み関心領域内で前記試験体についての1つまたは複数の測定値を検出することを、前記1つまたは複数のプロセッサに実施させるように構成されており、
前記機械学習分類器を用いて1つまたは複数の分類済み関心領域を生成することは、
前記1つまたは複数の製品画像内における1つまたは複数の製品ROI選択結果を受信することと、
前記機械学習分類器を用いて前記1つまたは複数の製品ROI選択結果の1つまたは複数の特性を適応的に修正することにより、1つまたは複数の分類済み関心領域を生成することを含む、システム。 - 請求項10に記載のシステムであって、前記機械学習分類器を用いて前記1つまたは複数の製品ROI選択結果の1つまたは複数の特性を適応的に修正することは、
前記機械学習分類器を用いて、少なくとも1つの製品ROI選択結果のサイズおよび形状のうちの少なくとも1つを適応的に修正することを含む、システム。 - 請求項10に記載のシステムであって、前記機械学習分類器を用いて前記1つまたは複数の製品ROI選択結果の1つまたは複数の特性を適応的に修正することにより1つまたは複数の分類済み関心領域を生成することは、
前記機械学習分類器を用いて少なくとも1つの製品ROI選択結果の向きを適応的に修正することにより、前記少なくとも1つの製品ROI選択結果に対して回転された分類済み関心領域を生成することを含む、システム。 - 請求項10に記載のシステムであって、前記1つまたは複数の測定値は、前記1つまたは複数の分類済み関心領域内の限界寸法の測定値を含む、システム。
- 請求項10に記載のシステムであって、少なくとも1つのトレーニング用ROI選択結果は、ユーザインタフェースのユーザ入力デバイスから受信される、システム。
- 請求項10に記載のシステムであって、前記機械学習分類器は、深層学習分類器、畳み込みニューラルネットワーク(CNN)、アンサンブル学習分類器、ランダムフォレスト分類器、および人工ニューラルネットワークのうちの少なくとも1つを含む、システム。
- 方法であって、
特性化サブシステムを用いて試験体の1つまたは複数のトレーニング用画像を取得することと、
前記1つまたは複数のトレーニング用画像内における1つまたは複数のトレーニング用関心領域(ROI)選択結果を受け取ることと、
前記1つまたは複数のトレーニング用画像および前記1つまたは複数のトレーニング用ROI選択結果に基づいて機械学習分類器を生成することであり、前記機械学習分類器は、前記1つまたは複数のトレーニング用画像および前記1つまたは複数のトレーニング用ROI選択結果に基づいて、試験体についての1つまたは複数の注目測定値を識別するように構成されており、
前記特性化サブシステムを用いて試験体の1つまたは複数の製品画像を取得することと、
前記機械学習分類器を用いて1つまたは複数の分類済み関心領域を生成することと、
前記1つまたは複数の分類済み関心領域内で前記試験体についての1つまたは複数の測定値を検出すること、
を含み、
前記機械学習分類器を用いて1つまたは複数の分類済み関心領域を生成することは、
前記1つまたは複数の製品画像内における1つまたは複数の製品ROI選択結果を受信することと、
前記機械学習分類器を用いて前記1つまたは複数の製品ROI選択結果の1つまたは複数の特性を適応的に修正することにより、1つまたは複数の分類済み関心領域を生成することを含む、方法。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201841037993 | 2018-10-08 | ||
IN201841037993 | 2018-10-08 | ||
US201862770712P | 2018-11-21 | 2018-11-21 | |
US62/770,712 | 2018-11-21 | ||
US16/420,408 | 2019-05-23 | ||
US16/420,408 US11094053B2 (en) | 2018-10-08 | 2019-05-23 | Deep learning based adaptive regions of interest for critical dimension measurements of semiconductor substrates |
PCT/US2019/053922 WO2020076544A1 (en) | 2018-10-08 | 2019-10-01 | Deep learning based adaptive regions of interest for critical dimension measurements of semiconductor substrates |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022504505A JP2022504505A (ja) | 2022-01-13 |
JPWO2020076544A5 JPWO2020076544A5 (ja) | 2022-10-06 |
JP7284813B2 true JP7284813B2 (ja) | 2023-05-31 |
Family
ID=70052261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021519555A Active JP7284813B2 (ja) | 2018-10-08 | 2019-10-01 | 半導体基板の限界寸法測定のための深層学習ベースの適応関心領域 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11094053B2 (ja) |
EP (1) | EP3853885A4 (ja) |
JP (1) | JP7284813B2 (ja) |
KR (1) | KR102576880B1 (ja) |
CN (1) | CN112823412B (ja) |
TW (1) | TWI808265B (ja) |
WO (1) | WO2020076544A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021026926A (ja) * | 2019-08-07 | 2021-02-22 | 株式会社日立ハイテク | 画像生成方法、非一時的コンピューター可読媒体、及びシステム |
TWI777357B (zh) * | 2020-01-07 | 2022-09-11 | 以色列商諾威量測設備股份有限公司 | 用於光學關鍵尺寸計量的方法和系統及機器可存取的儲存介質 |
CN113809117B (zh) * | 2020-06-16 | 2023-12-22 | 联华电子股份有限公司 | 半导体元件及其制作方法 |
US11967058B2 (en) | 2020-06-24 | 2024-04-23 | Kla Corporation | Semiconductor overlay measurements using machine learning |
CN113393447B (zh) * | 2021-06-24 | 2022-08-02 | 四川启睿克科技有限公司 | 基于深度学习的针尖正位度检测方法及系统 |
US20230099947A1 (en) * | 2021-09-30 | 2023-03-30 | Fei Company | Data acquisition in charged particle microscopy |
WO2024049199A1 (ko) * | 2022-08-31 | 2024-03-07 | 주식회사 엘지에너지솔루션 | 학습 모델 기반의 치수 측정 장치 및 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010129599A (ja) | 2008-11-25 | 2010-06-10 | Toshiba Corp | パターン形状の評価方法及びこれを利用したパターン形状の評価装置 |
US20160372303A1 (en) | 2014-10-22 | 2016-12-22 | Kla-Tencor Corporation | Self Directed Metrology and Pattern Classification |
US20170200264A1 (en) | 2016-01-11 | 2017-07-13 | Kla-Tencor Corporation | Image based specimen process control |
JP2017529684A (ja) | 2014-07-22 | 2017-10-05 | ケーエルエー−テンカー コーポレイション | 被検査物上の関心対象領域の座標決定 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9189844B2 (en) | 2012-10-15 | 2015-11-17 | Kla-Tencor Corp. | Detecting defects on a wafer using defect-specific information |
US9490182B2 (en) * | 2013-12-23 | 2016-11-08 | Kla-Tencor Corporation | Measurement of multiple patterning parameters |
US9087176B1 (en) * | 2014-03-06 | 2015-07-21 | Kla-Tencor Corporation | Statistical overlay error prediction for feed forward and feedback correction of overlay errors, root cause analysis and process control |
KR102238742B1 (ko) | 2014-09-11 | 2021-04-12 | 삼성전자주식회사 | 마스크 패턴의 측정 관심 영역 그룹화 방법 및 이를 이용한 마스크 패턴의 선폭 계측 방법 |
US10267746B2 (en) * | 2014-10-22 | 2019-04-23 | Kla-Tencor Corp. | Automated pattern fidelity measurement plan generation |
US9898811B2 (en) * | 2015-05-08 | 2018-02-20 | Kla-Tencor Corporation | Method and system for defect classification |
TWI684225B (zh) * | 2015-08-28 | 2020-02-01 | 美商克萊譚克公司 | 自定向計量和圖樣分類 |
US9875534B2 (en) * | 2015-09-04 | 2018-01-23 | Kla-Tencor Corporation | Techniques and systems for model-based critical dimension measurements |
CN108027499B (zh) * | 2015-09-23 | 2021-02-12 | 科磊股份有限公司 | 用于多波束扫描式电子显微系统的聚焦调整的方法及系统 |
CN107305636A (zh) * | 2016-04-22 | 2017-10-31 | 株式会社日立制作所 | 目标识别方法、目标识别装置、终端设备和目标识别系统 |
WO2017200524A1 (en) * | 2016-05-16 | 2017-11-23 | United Technologies Corporation | Deep convolutional neural networks for crack detection from image data |
KR102606308B1 (ko) | 2016-06-28 | 2023-11-24 | 삼성전자주식회사 | 포토 마스크의 제조 방법, 패턴 형성 방법 및 반도체 장치의 제조 방법 |
US10402688B2 (en) * | 2016-12-07 | 2019-09-03 | Kla-Tencor Corporation | Data augmentation for convolutional neural network-based defect inspection |
US10565702B2 (en) * | 2017-01-30 | 2020-02-18 | Dongfang Jingyuan Electron Limited | Dynamic updates for the inspection of integrated circuits |
-
2019
- 2019-05-23 US US16/420,408 patent/US11094053B2/en active Active
- 2019-10-01 CN CN201980065799.3A patent/CN112823412B/zh active Active
- 2019-10-01 KR KR1020217013707A patent/KR102576880B1/ko active IP Right Grant
- 2019-10-01 EP EP19871388.5A patent/EP3853885A4/en active Pending
- 2019-10-01 WO PCT/US2019/053922 patent/WO2020076544A1/en unknown
- 2019-10-01 JP JP2021519555A patent/JP7284813B2/ja active Active
- 2019-10-07 TW TW108136245A patent/TWI808265B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010129599A (ja) | 2008-11-25 | 2010-06-10 | Toshiba Corp | パターン形状の評価方法及びこれを利用したパターン形状の評価装置 |
JP2017529684A (ja) | 2014-07-22 | 2017-10-05 | ケーエルエー−テンカー コーポレイション | 被検査物上の関心対象領域の座標決定 |
US20160372303A1 (en) | 2014-10-22 | 2016-12-22 | Kla-Tencor Corporation | Self Directed Metrology and Pattern Classification |
US20170200264A1 (en) | 2016-01-11 | 2017-07-13 | Kla-Tencor Corporation | Image based specimen process control |
Also Published As
Publication number | Publication date |
---|---|
WO2020076544A1 (en) | 2020-04-16 |
US20200111206A1 (en) | 2020-04-09 |
CN112823412A (zh) | 2021-05-18 |
CN112823412B (zh) | 2022-08-05 |
KR20210057203A (ko) | 2021-05-20 |
KR102576880B1 (ko) | 2023-09-08 |
EP3853885A4 (en) | 2022-07-13 |
TW202029371A (zh) | 2020-08-01 |
EP3853885A1 (en) | 2021-07-28 |
TWI808265B (zh) | 2023-07-11 |
JP2022504505A (ja) | 2022-01-13 |
US11094053B2 (en) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7284813B2 (ja) | 半導体基板の限界寸法測定のための深層学習ベースの適応関心領域 | |
KR102347057B1 (ko) | 전자 빔 이미지에서의 결함 위치 결정 | |
US11880193B2 (en) | System and method for rendering SEM images and predicting defect imaging conditions of substrates using 3D design | |
JP6188695B2 (ja) | 表面高さ属性を用いて瑕疵を分類する方法および装置 | |
TWI819229B (zh) | 用於判定缺陷之系統和方法 | |
KR102671587B1 (ko) | 향상된 결함 검사 감도를 위한 비지도 학습 기반 참조 선택 | |
EP2885811A1 (en) | Automated inspection scenario generation | |
KR102550474B1 (ko) | 자율 결함 세그먼트화 | |
TWI695164B (zh) | 寬頻晶圓缺陷偵測系統及寬頻晶圓缺陷偵測方法 | |
TWI805875B (zh) | 使用淺層深度學習的差值濾波器及孔徑選擇之系統與方法 | |
TW201907152A (zh) | 用於重複缺陷分析之相對缺陷位置之高精準度 | |
JP2012154895A (ja) | 欠陥検査方法および欠陥検査装置 | |
TWI845656B (zh) | 檢測及再檢測半導體晶圓之系統及方法,以及非暫時性電腦可讀儲存媒體 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220928 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220928 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221220 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230314 |
|
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: 20230425 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230519 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7284813 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |