基于拓扑数据分析的晶圆缺陷图案分类新方法
机器学习
2022-09-20 v1 信息论
math.IT
机器学习
摘要
在半导体制造中，晶圆图缺陷图案为设备维护和良率管理提供关键信息，因此缺陷图案的分类是制造过程中最重要的任务之一。本文提出一种将缺陷图案形状表示为有限维向量的新方法，该向量将作为神经网络算法的输入用于分类。主要思想是利用拓扑数据分析（TDA）中的持续同调理论提取每个图案的拓扑特征。通过在一些模拟数据集上的实验，我们表明与卷积神经网络（CNN）这一最常用的晶圆图缺陷图案分类方法相比，所提方法训练更快、效率更高且精度更好。此外，在训练数据不足且不平衡时，我们的方法优于基于 CNN 的方法。
引用
@article{arxiv.2209.08945,
title = {A novel approach for wafer defect pattern classification based on topological data analysis},
author = {Seungchan Ko and Dowan Koo},
journal= {arXiv preprint arXiv:2209.08945},
year = {2022}
}