JP6941103B2 - 半導体用途のための機械学習ベースのモデルの加速トレーニング - Google Patents
半導体用途のための機械学習ベースのモデルの加速トレーニング Download PDFInfo
- Publication number
- JP6941103B2 JP6941103B2 JP2018534670A JP2018534670A JP6941103B2 JP 6941103 B2 JP6941103 B2 JP 6941103B2 JP 2018534670 A JP2018534670 A JP 2018534670A JP 2018534670 A JP2018534670 A JP 2018534670A JP 6941103 B2 JP6941103 B2 JP 6941103B2
- Authority
- JP
- Japan
- Prior art keywords
- defect
- machine learning
- model
- specimens
- information
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70633—Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
-
- 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
-
- 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
- G06N3/047—Probabilistic or stochastic 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
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- 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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
-
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Manufacturing & Machinery (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
Claims (36)
- 機械学習ベースのモデルをトレーニングするように構成されているシステムであって、
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つ以上の構成要素とを備え、前記1つ以上の構成要素は、
標本のための1つ以上のシミュレーションを実施するように構成されている機械学習ベースのモデルであって、前記機械学習ベースのモデルは、前記標本のうちの1つ以上の標本の欠陥が存在しないことが知られているインスタンスのための情報のみを用いてトレーニングされる、機械学習ベースのモデルを含み、
前記1つ以上のコンピュータサブシステムは、
前記標本のうちの1つ以上の標本の欠陥のインスタンスのための情報を取得することであって、この情報に基づいてプロセスが実施される、取得することと、
前記機械学習ベースのモデルを前記標本のうちの前記1つ以上の標本の前記欠陥のインスタンスのための前記情報を用いて再トレーニングすることであって、それにより前記標本のうちの前記1つ以上の標本の前記欠陥のインスタンスのための前記情報の前記機械学習ベースのモデルへの転移学習を実施する、再トレーニングすることと、を行うように構成されているシステム。 - 請求項1に記載のシステムであって、前記1つ以上のシミュレーションを実施することは、前記標本のうちの1つについて1つ以上のシミュレーション画像を生成することを含み、前記1つ以上のシミュレーション画像は、前記標本のうちの前記1つが、撮像システムによって生成された前記標本のうちの前記1つの1つ以上の実画像内でどのように見えるかを例証するシステム。
- 請求項2に記載のシステムであって、前記撮像システムは光学ベースの撮像システムであるシステム。
- 請求項2に記載のシステムであって、前記撮像システムは電子ビームベースの撮像システムであるシステム。
- 請求項1に記載のシステムであって、前記1つ以上のシミュレーションを実施することは、前記標本のうちの1つについて1つ以上のシミュレーション測定値を生成することを含み、前記1つ以上のシミュレーション測定値は、計測システムによって前記標本のうちの前記1つについて生成された出力を表すシステム。
- 請求項1に記載のシステムであって、前記1つ以上の標本は、1つ以上の実際の標本を含み、その標本に対して、前記プロセスが、前記プロセスの1つ以上のパラメータの2つ以上の異なる値を用いて実施されるシステム。
- 請求項6に記載のシステムであって、前記プロセスは、プロセスウィンドウ認定法において前記プロセスの前記1つ以上のパラメータの前記2つ以上の異なる値を用いて実施されるシステム。
- 請求項6に記載のシステムであって、前記プロセスは、オーバーレイマージン決定のために設計されたプロセスウィンドウ認定法において前記プロセスの前記1つ以上のパラメータの前記2つ以上の異なる値を用いて実施されるシステム。
- 請求項6に記載のシステムであって、前記プロセスは、焦点露出マトリクス法において前記プロセスの前記1つ以上のパラメータの前記2つ以上の異なる値を用いて実施されるシステム。
- 請求項1に記載のシステムであって、取得した前記情報は、電子設計自動化ツールによって形成された前記1つ以上の標本のための合成設計データから生成されるシステム。
- 請求項1に記載のシステムであって、前記欠陥は、設計内に合成欠陥を作成するために前記1つ以上の標本のための設計を変更することによって生成された1つ以上の合成欠陥を含むシステム。
- 請求項11に記載のシステムであって、前記1つ以上の構成要素は、前記設計内に前記合成欠陥を作成するために前記設計を変更するように構成されたインセプションモジュールをさらに含むシステム。
- 請求項1に記載のシステムであって、前記欠陥は、設計内に合成欠陥を作成するために前記1つ以上の標本のための設計を変更することによって生成された1つ以上の合成欠陥を含み、前記欠陥のインスタンスのための前記情報は、前記合成欠陥がプリントされる前記1つ以上の標本のための撮像または計測システムによって生成された出力を含むシステム。
- 請求項1に記載のシステムであって、前記欠陥は、設計内に合成欠陥を作成するために前記1つ以上の標本のための設計を変更することによって生成された1つ以上の合成欠陥を含み、前記欠陥のインスタンスのための前記情報は、他のモデルの出力を含み、前記他のモデルの前記出力は、前記合成欠陥がプリントされる前記1つ以上の標本を表すシステム。
- 請求項1に記載のシステムであって、前記欠陥は、設計内に合成欠陥を作成するために前記1つ以上の標本のための設計を変更することによって生成された1つ以上の合成欠陥を含み、前記欠陥のインスタンスのための前記情報は、他のモデルの出力を含み、前記他のモデルの前記出力は、前記合成欠陥がプリントされる前記1つ以上の標本が撮像システムによって生成された標本の1つ以上の実画像内でどのように見えるかを例証するシステム。
- 請求項1に記載のシステムであって、前記欠陥は、設計内に合成欠陥を作成するために前記1つ以上の標本のための設計を変更することによって生成された1つ以上の合成欠陥を含み、前記欠陥のインスタンスのための前記情報は、他のモデルの出力を含み、前記他のモデルの前記出力は、前記合成欠陥がプリントされる前記1つ以上の標本のための計測システムによって生成された出力を表すシステム。
- 請求項1に記載のシステムであって、前記欠陥は、設計内に合成欠陥を作成するために前記1つ以上の標本のための設計を変更することによって生成された1つ以上の合成欠陥を含み、前記欠陥のインスタンスのための前記情報は、他のモデルの出力を含み、前記他のモデルの前記出力は、前記合成欠陥がプリントされる前記1つ以上の標本のための別のシステムによって生成された出力を表し、前記他のモデルは深層生成的モデルであるシステム。
- 請求項1に記載のシステムであって、前記欠陥は、設計内に合成欠陥を作成するために前記1つ以上の標本のための設計を変更することによって生成された1つ以上の合成欠陥を含み、前記欠陥のインスタンスのための前記情報は、変更された前記設計を含むシステム。
- 請求項1に記載のシステムであって、前記1つ以上の構成要素は、前記1つ以上の標本の前記欠陥が存在しないことが知られているインスタンスのための前記情報を作成するように構成された深層生成的モデルをさらに含むシステム。
- 請求項1に記載のシステムであって、前記1つ以上の標本の前記欠陥が存在しないことが知られているインスタンスは、自然情景画像を含むシステム。
- 請求項1に記載のシステムであって、前記1つ以上の標本の前記欠陥が存在しないことが知られているインスタンスは、2種類以上のデータを含むシステム。
- 請求項1に記載のシステムであって、前記機械学習ベースのモデルは、識別モデルであるシステム。
- 請求項1に記載のシステムであって、前記機械学習ベースのモデルは、ニューラルネットワークであるシステム。
- 請求項1に記載のシステムであって、前記機械学習ベースのモデルは、畳み込みおよび逆畳み込みニューラルネットワークであるシステム。
- 請求項1に記載のシステムであって、前記1つ以上の構成要素は、1つ以上の追加の構成要素をさらに含み、前記再トレーニングは、前記1つ以上の追加の構成要素を使用して実施され、前記1つ以上の追加の構成要素は、敵対的ネットワーク、深層敵対的生成ネットワーク、敵対的オートエンコーダ、ベイジアンニューラルネットワーク、変分型ベイジアン法のために構成された構成要素、はしごネットワーク、またはそれらのいくつかの組み合わせを含むシステム。
- 請求項1に記載のシステムであって、前記再トレーニングは、トレーニングされた前記機械学習ベースの方法の畳み込み層のすべての重みを転移すること、およびトレーニングされた前記機械学習ベースの方法の全結合層の重みをファインチューニング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、前記標本の電子ビーム画像を生成するように構成された電子ビームベースの撮像サブシステムをさらに備え、前記1つ以上のコンピュータサブシステムが、前記電子ビームベースの撮像サブシステムから前記電子ビーム画像を受信するようにさらに構成されているシステム。
- 請求項1に記載のシステムであって、前記標本の光学画像を生成するように構成された光学ベースの撮像サブシステムをさらに備え、前記1つ以上のコンピュータサブシステムが、前記光学ベースの撮像サブシステムから前記光学画像を受信するようにさらに構成されているシステム。
- 請求項1に記載のシステムであって、前記標本の出力を生成するように構成された検査サブシステムをさらに備え、前記1つ以上のコンピュータサブシステムが、前記検査サブシステムから前記出力を受信し、前記出力に基づいて前記標本における欠陥を検出するようにさらに構成されているシステム。
- 請求項1に記載のシステムであって、前記標本において検出された欠陥の出力を生成するように構成された欠陥レビューサブシステムをさらに備え、前記1つ以上のコンピュータサブシステムが、前記欠陥レビューサブシステムから前記出力を受信して、前記出力に基づいて前記標本において検出された前記欠陥の特性を決定するようにさらに構成されているシステム。
- 請求項1に記載のシステムであって、前記標本の出力を生成するように構成された計測サブシステムをさらに備え、前記1つ以上のコンピュータサブシステムが、前記計測サブシステムから前記出力を受信し、前記出力に基づいて前記標本の特性を決定するようにさらに構成されているシステム。
- 請求項1に記載のシステムであって、前記標本に対して1つ以上の製作プロセスを実施するように構成された半導体製作サブシステムをさらに備えるシステム。
- 請求項1に記載のシステムであって、前記標本は、ウェハを含むシステム。
- 請求項1に記載のシステムであって、前記標本は、レチクルを含むシステム。
- 機械学習ベースのモデルをトレーニングするためのコンピュータ実装の方法を実施するための1つ以上のコンピュータシステムに対して実行可能なプログラム命令を格納する非一時的なコンピュータ可読媒体であって、前記コンピュータ実装の方法は、
1つ以上の標本の欠陥のインスタンスのための情報を取得することであって、この情報に基づいてプロセスが実施され、前記機械学習ベースのモデルは、前記標本のための1つ以上のシミュレーションを実施するように構成されており、前記機械学習ベースのモデルは、1つ以上の追加の標本の欠陥が存在しないことが知られているインスタンスのための情報のみを用いてトレーニングされる、取得することと、
前記機械学習ベースのモデルを前記1つ以上の標本の欠陥のインスタンスのための前記情報を用いて再トレーニングすることであって、それにより前記1つ以上の標本の前記欠陥のインスタンスのための前記情報の前記機械学習ベースのモデルへの転移学習を実施し、前記取得することおよび前記再トレーニングすることは、前記1つ以上のコンピュータシステムによって実施され、1つ以上の構成要素は、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、前記1つ以上の構成要素は、前記機械学習ベースのモデルを含む、再トレーニングすることと、を含む非一時的なコンピュータ可読媒体。 - 機械学習ベースのモデルをトレーニングするためのコンピュータ実装の方法であって、
1つ以上の標本の欠陥のインスタンスのための情報を取得することであって、この情報に基づいてプロセスが実施され、前記機械学習ベースのモデルは、前記標本のための1つ以上のシミュレーションを実施するように構成されており、前記機械学習ベースのモデルは、1つ以上の追加の標本の欠陥が存在しないことが知られているインスタンスのための情報のみを用いてトレーニングされる、取得することと、
前記機械学習ベースのモデルを前記1つ以上の標本の欠陥のインスタンスのための前記情報を用いて再トレーニングすることであって、それにより前記1つ以上の標本の前記欠陥のインスタンスのための前記情報の前記機械学習ベースのモデルへの転移学習を実施し、前記取得することおよび前記再トレーニングすることは、前記1つ以上のコンピュータシステムによって実施され、1つ以上の構成要素は、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、前記1つ以上の構成要素は、前記機械学習ベースのモデルを含む、再トレーニングすることと、を含むコンピュータ実装の方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562273985P | 2015-12-31 | 2015-12-31 | |
US62/273,985 | 2015-12-31 | ||
US15/394,792 | 2016-12-29 | ||
US15/394,792 US9916965B2 (en) | 2015-12-31 | 2016-12-29 | Hybrid inspectors |
PCT/US2016/069580 WO2017117568A1 (en) | 2015-12-31 | 2016-12-30 | Accelerated training of a machine learning based model for semiconductor applications |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019508789A JP2019508789A (ja) | 2019-03-28 |
JP2019508789A5 JP2019508789A5 (ja) | 2020-02-13 |
JP6941103B2 true JP6941103B2 (ja) | 2021-09-29 |
Family
ID=59225974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018534670A Active JP6941103B2 (ja) | 2015-12-31 | 2016-12-30 | 半導体用途のための機械学習ベースのモデルの加速トレーニング |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP3398123A4 (ja) |
JP (1) | JP6941103B2 (ja) |
KR (1) | KR20180090385A (ja) |
CN (1) | CN108475351B (ja) |
IL (1) | IL259705B (ja) |
WO (1) | WO2017117568A1 (ja) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102449586B1 (ko) * | 2017-02-24 | 2022-10-04 | 에이에스엠엘 네델란즈 비.브이. | 기계 학습에 의해 공정 모델들을 결정하는 방법들 |
WO2019173170A1 (en) * | 2018-03-05 | 2019-09-12 | Kla-Tencor Corporation | Visualization of three-dimensional semiconductor structures |
US10677742B2 (en) * | 2018-03-09 | 2020-06-09 | Kla-Tencor Corp. | Detecting die repeating programmed defects located in backgrounds with non-repeating features |
US10969773B2 (en) * | 2018-03-13 | 2021-04-06 | Applied Materials, Inc. | Machine learning systems for monitoring of semiconductor processing |
US10789703B2 (en) * | 2018-03-19 | 2020-09-29 | Kla-Tencor Corporation | Semi-supervised anomaly detection in scanning electron microscope images |
DE102018207880A1 (de) | 2018-05-18 | 2019-11-21 | Carl Zeiss Smt Gmbh | Verfahren und Vorrichtung zum Bewerten einer unbekannten Auswirkung von Defekten eines Elements eines Photolithographieprozesses |
DE102018207882A1 (de) | 2018-05-18 | 2019-11-21 | Carl Zeiss Smt Gmbh | Vorrichtung und Verfahren zur Analyse eines Elements eines Photolithographieprozesses mit Hilfe eines Transformationsmodells |
DE102018209562B3 (de) | 2018-06-14 | 2019-12-12 | Carl Zeiss Smt Gmbh | Vorrichtungen und Verfahren zur Untersuchung und/oder Bearbeitung eines Elements für die Photolithographie |
US10732130B2 (en) * | 2018-06-19 | 2020-08-04 | Kla-Tencor Corporation | Embedded particle depth binning based on multiple scattering signals |
DE102018211099B4 (de) | 2018-07-05 | 2020-06-18 | Carl Zeiss Smt Gmbh | Verfahren und Vorrichtung zum Bewerten eines statistisch verteilten Messwertes beim Untersuchen eines Elements eines Photolithographieprozesses |
US10657214B2 (en) | 2018-10-09 | 2020-05-19 | Applied Materials, Inc. | Predictive spatial digital design of experiment for advanced semiconductor process optimization and control |
US10705514B2 (en) * | 2018-10-09 | 2020-07-07 | Applied Materials, Inc. | Adaptive chamber matching in advanced semiconductor process control |
US10930531B2 (en) | 2018-10-09 | 2021-02-23 | Applied Materials, Inc. | Adaptive control of wafer-to-wafer variability in device performance in advanced semiconductor processes |
KR20210101271A (ko) * | 2018-12-11 | 2021-08-18 | 타스밋 가부시키가이샤 | 화상 매칭 방법, 및 화상 매칭 처리를 실행하기 위한 연산 시스템 |
US11263737B2 (en) * | 2019-01-10 | 2022-03-01 | Lam Research Corporation | Defect classification and source analysis for semiconductor equipment |
JP2020131353A (ja) * | 2019-02-19 | 2020-08-31 | パナソニックIpマネジメント株式会社 | 研磨加工システム、学習装置、学習装置の学習方法 |
US11947890B2 (en) | 2019-05-10 | 2024-04-02 | Sandisk Technologies Llc | Implementation of deep neural networks for testing and quality control in the production of memory devices |
NO20211356A1 (en) * | 2019-05-14 | 2021-11-11 | Onesubsea Ip Uk Ltd | Machine Learning Technics with System in The Loop for Oil & Gas Telemetry Systems |
US20210064977A1 (en) * | 2019-08-29 | 2021-03-04 | Synopsys, Inc. | Neural network based mask synthesis for integrated circuits |
EP3796230B1 (en) * | 2019-09-17 | 2022-03-09 | Imec VZW | A method for determining process limits of a semiconductor process |
CN110648935A (zh) * | 2019-09-25 | 2020-01-03 | 上海众壹云计算科技有限公司 | 一种运用ai模型的半导体制造缺陷动态随机取样方法 |
US11816411B2 (en) * | 2020-01-29 | 2023-11-14 | Taiwan Semiconductor Manufacturing Co., Ltd. | Method and system for semiconductor wafer defect review |
EP4127834A1 (en) | 2020-04-02 | 2023-02-08 | ASML Netherlands B.V. | Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process |
EP3910417A1 (en) * | 2020-05-13 | 2021-11-17 | ASML Netherlands B.V. | Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process |
US11815819B2 (en) | 2020-04-06 | 2023-11-14 | Nova Ltd. | Machine and deep learning methods for spectra-based metrology and process control |
US20220024032A1 (en) * | 2020-07-21 | 2022-01-27 | UiPath, Inc. | Artificial intelligence / machine learning model drift detection and correction for robotic process automation |
US11289387B2 (en) | 2020-07-31 | 2022-03-29 | Applied Materials, Inc. | Methods and apparatus for backside via reveal processing |
US11328410B2 (en) * | 2020-08-03 | 2022-05-10 | KLA Corp. | Deep generative models for optical or other mode selection |
US11562476B2 (en) * | 2020-09-03 | 2023-01-24 | Applied Materials Israel Ltd. | Determination of a simulated image of a specimen |
JP2022043791A (ja) | 2020-09-04 | 2022-03-16 | キオクシア株式会社 | 情報処理装置 |
WO2022233546A1 (en) * | 2021-05-06 | 2022-11-10 | Asml Netherlands B.V. | Method for determining a stochastic metric relating to a lithographic process |
CN113344886A (zh) * | 2021-06-11 | 2021-09-03 | 长江存储科技有限责任公司 | 晶圆表面缺陷检测方法和设备 |
WO2023033884A1 (en) * | 2021-09-02 | 2023-03-09 | Sandisk Technologies Llc | Implementation of deep neural networks for testing and quality control in the production of memory devices |
US20230089092A1 (en) * | 2021-09-23 | 2023-03-23 | Applied Materials, Inc. | Machine learning platform for substrate processing |
WO2023083559A1 (en) * | 2021-11-12 | 2023-05-19 | Asml Netherlands B.V. | Method and system of image analysis and critical dimension matching for charged-particle inspection apparatus |
CN114664395A (zh) * | 2022-03-25 | 2022-06-24 | 上海交通大学 | 基于神经网络和贝叶斯优化的热辐射材料设计方法及*** |
WO2023223535A1 (ja) * | 2022-05-20 | 2023-11-23 | 株式会社日立ハイテク | 探索装置および探索方法並びに半導体装置製造システム |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5212765A (en) * | 1990-08-03 | 1993-05-18 | E. I. Du Pont De Nemours & Co., Inc. | On-line training neural network system for process control |
JP3288066B2 (ja) * | 1992-03-10 | 2002-06-04 | 富士通株式会社 | ネットワーク構成データ処理装置の学習処理方法およびシステム |
US7167583B1 (en) * | 2000-06-28 | 2007-01-23 | Landrex Technologies Co., Ltd. | Image processing system for use with inspection systems |
US6891627B1 (en) | 2000-09-20 | 2005-05-10 | Kla-Tencor Technologies Corp. | Methods and systems for determining a critical dimension and overlay of a specimen |
US6902855B2 (en) | 2002-07-15 | 2005-06-07 | Kla-Tencor Technologies | Qualifying patterns, patterning processes, or patterning apparatus in the fabrication of microlithographic patterns |
AU2003247868A1 (en) | 2002-07-15 | 2004-02-02 | Kla-Tencor Technologies Corp. | Defect inspection methods that include acquiring aerial images of a reticle for different lithographic process variables |
US20040267397A1 (en) * | 2003-06-27 | 2004-12-30 | Srinivas Doddi | Optical metrology of structures formed on semiconductor wafer using machine learning systems |
US7729529B2 (en) | 2004-12-07 | 2010-06-01 | Kla-Tencor Technologies Corp. | Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle |
US7769225B2 (en) | 2005-08-02 | 2010-08-03 | Kla-Tencor Technologies Corp. | Methods and systems for detecting defects in a reticle design pattern |
US7676077B2 (en) | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7570796B2 (en) | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US8102408B2 (en) * | 2006-06-29 | 2012-01-24 | Kla-Tencor Technologies Corp. | Computer-implemented methods and systems for determining different process windows for a wafer printing process for different reticle designs |
US7792353B2 (en) * | 2006-10-31 | 2010-09-07 | Hewlett-Packard Development Company, L.P. | Retraining a machine-learning classifier using re-labeled training samples |
US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
US7483809B2 (en) * | 2007-04-12 | 2009-01-27 | Tokyo Electron Limited | Optical metrology using support vector machine with profile parameter inputs |
US8213704B2 (en) | 2007-05-09 | 2012-07-03 | Kla-Tencor Corp. | Methods and systems for detecting defects in a reticle design pattern |
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 |
US8041106B2 (en) | 2008-12-05 | 2011-10-18 | Kla-Tencor Corp. | Methods and systems for detecting defects on a reticle |
US8533222B2 (en) * | 2011-01-26 | 2013-09-10 | Google Inc. | Updateable predictive analytical modeling |
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 |
US8468471B2 (en) * | 2011-09-23 | 2013-06-18 | Kla-Tencor Corp. | Process aware metrology |
US8570531B2 (en) * | 2011-12-11 | 2013-10-29 | Tokyo Electron Limited | Method of regenerating diffraction signals for optical metrology systems |
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 |
CN102937784A (zh) * | 2012-10-30 | 2013-02-20 | 中冶南方工程技术有限公司 | 基于人工神经网络的铸坯质量在线预报的控制方法 |
US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
US10502694B2 (en) * | 2013-08-06 | 2019-12-10 | Kla-Tencor Corporation | Methods and apparatus for patterned wafer characterization |
US20150204799A1 (en) * | 2014-01-21 | 2015-07-23 | International Business Machines Corporation | Computer-based defect root cause and yield impact determination in layered device manufacturing for products and services |
US11170255B2 (en) * | 2018-03-21 | 2021-11-09 | Kla-Tencor Corp. | Training a machine learning model with synthetic images |
-
2016
- 2016-12-30 EP EP16882778.0A patent/EP3398123A4/en active Pending
- 2016-12-30 JP JP2018534670A patent/JP6941103B2/ja active Active
- 2016-12-30 WO PCT/US2016/069580 patent/WO2017117568A1/en active Application Filing
- 2016-12-30 KR KR1020187021817A patent/KR20180090385A/ko active Search and Examination
- 2016-12-30 CN CN201680075625.1A patent/CN108475351B/zh active Active
-
2018
- 2018-05-30 IL IL259705A patent/IL259705B/en unknown
Also Published As
Publication number | Publication date |
---|---|
KR20180090385A (ko) | 2018-08-10 |
EP3398123A1 (en) | 2018-11-07 |
CN108475351B (zh) | 2022-10-04 |
IL259705B (en) | 2021-07-29 |
CN108475351A (zh) | 2018-08-31 |
EP3398123A4 (en) | 2019-08-28 |
JP2019508789A (ja) | 2019-03-28 |
IL259705A (en) | 2018-07-31 |
WO2017117568A1 (en) | 2017-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6941103B2 (ja) | 半導体用途のための機械学習ベースのモデルの加速トレーニング | |
US11580375B2 (en) | Accelerated training of a machine learning based model for semiconductor applications | |
TWI773888B (zh) | 訓練用於低解析度影像中之缺陷偵測之神經網路 | |
JP6758418B2 (ja) | 半導体用途のための、入力画像からのシミュレーション画像の生成 | |
JP6893514B2 (ja) | ハイブリッドインスペクタ | |
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 | |
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 | |
US10186026B2 (en) | Single image detection | |
TWI713672B (zh) | 為樣品產生模擬輸出之系統,非暫時性電腦可讀媒體及電腦實施方法 | |
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 | |
CN108351600B (zh) | 从设计信息产生模拟图像 | |
KR20200039808A (ko) | 결함 검출 및 분류를 위한 통합된 뉴럴 네트워크 | |
TW201901113A (zh) | 用於對準以不同模態所獲取之影像之以學習為基礎之方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191223 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210422 |
|
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: 20210824 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210903 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6941103 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |