基于切片辅助超推理与精炼策略的先进IC节点缺陷检测与分类方法改进
计算机视觉与模式识别
2023-11-22 v2
摘要
在半导体制造中，光刻常常是定义最小可行图案尺寸的制造步骤。近年来，高数值孔径（Numerical Aperture, NA）极紫外光刻（Extreme-Ultraviolet-Lithography, EUVL）范式取得进展，有望推进图案微缩（2 nm节点及更先进）。然而，随高NA而来的随机缺陷显著增加以及缺陷检测复杂性的提升愈发突出。现有缺陷检测技术（无论基于非机器学习还是机器学习）在高NA尺寸下均无法达到令人满意的性能。本工作中，我们研究使用切片辅助超推理（Slicing Aided Hyper Inference, SAHI）框架来改进现有技术。利用SAHI，对SEM图像中尺寸放大的切片进行推理，使目标检测器的感受野能更有效地捕获小缺陷实例。首先，在各种配置下对先前研究的半导体数据集进行基准测试，表明SAHI方法将小缺陷检测提升约2倍。随后，我们展示SAHI在新测试集上的应用实现了无误检出的检测率，该测试集包含训练时未遇到的场景，而先前训练的模型则失败。最后，我们提出SAHI的一种扩展，其在不显著减少真阳性预测的同时消除假阳性预测。
引用
@article{arxiv.2311.11439,
title = {Improved Defect Detection and Classification Method for Advanced IC Nodes by Using Slicing Aided Hyper Inference with Refinement Strategy},
author = {Vic De Ridder and Bappaditya Dey and Victor Blanco and Sandip Halder and Bartel Van Waeyenberge},
journal= {arXiv preprint arXiv:2311.11439},
year = {2023}
}
备注
12 pages, 9 figures, to be presented at International Conference on Machine Intelligence with Applications (ICMIA), and to be published in conference proceedings by AIP