卷积神经网络应用于 TSOM 图像以分类 6 nm 节点图形缺陷
介观与纳米尺度物理
2022-11-24 v1 光学
摘要
随着半导体行业的快速发展,检测并分类日益微小的图形缺陷变得至关重要。近来机器学习(包括深度学习)在很大程度上助力了此项工作。然而文献表明,使用低成本且与高产量制造兼容的光学成像方法,以 100% 的准确率成功分类 6 nm 节点的缺陷类型颇具挑战。在此,我们将卷积神经网络(CNN)与一种称为通焦扫描光学显微镜(TSOM)的光学成像方法相结合,利用 193 nm 照明波长下的模拟光学图像,成功地对 6 nm 节点目标的图形缺陷进行了分类。我们展示了对八种缺陷变体的成功分类,其中包括单维度上 3 nm 的缺陷尺寸差异,该差异小于所用照明波长的 1/50。
引用
@article{arxiv.2211.12596,
title = {Application of Convolutional Neural Network to TSOM Images for Classification of 6 nm Node Patterned Defects},
author = {Ravikiran Attota},
journal= {arXiv preprint arXiv:2211.12596},
year = {2022}
}
备注
9 pages, 6 figures