半导体制造中图像回归问题的无分布预测区间构建
计算机视觉与模式识别
2022-04-12 v1 机器学习
图像与视频处理
摘要
下一代半导体器件的大批量制造需要在测量信号分析方面取得进展。半导体制造界的许多人对采用深度学习存有顾虑；他们反而倾向于对某些图像回归问题采用其他基于模型的方法，并且根据2021年IEEE国际器件与系统路线图(IRDS)计量学报告，一个SEMI标准化委员会可能会认可这一理念。然而，半导体制造界确实表达了需要对最先进的统计分析以减少测量不确定度的需求。表征回归模型预测性能可靠性的预测区间能够影响决策、建立对机器学习的信任，并可应用于其他回归模型。然而，我们尚不知晓针对重要图像数据类别能提供有效覆盖且高效且足够简单的无分布方法，因此我们考量无分布保形预测与保形化分位数回归框架。本文关注的图像回归问题涉及从含噪扫描电子显微镜图像估计线边缘粗糙度(LER)。LER影响半导体器件性能与可靠性以及制造工艺良率；2021年IRDS除在多支国际焦点团队报告中提及或讨论外，还专门以白皮书强调LER的关键重要性。如何有效地将归一化保形预测与分位数回归用于LER估计并不显而易见。我们应用的建模技术对于寻找图像数据的无分布预测区间而言似乎是新颖的，并将在2022年SEMI先进半导体制造会议上展示。
引用
@article{arxiv.2203.03150,
title = {On the Construction of Distribution-Free Prediction Intervals for an Image Regression Problem in Semiconductor Manufacturing},
author = {Inimfon I. Akpabio and Serap A. Savari},
journal= {arXiv preprint arXiv:2203.03150},
year = {2022}
}