晶圓宏觀缺陷檢測與分類
缺陷檢測是晶圓（芯片）制造過程不可或缺的一部分。它可以在整個過程中進行缺陷檢測和分類，以提高晶圓廠的良率（已加工晶圓總數(shù)中合格芯片的數(shù)量）。每個檢測到的缺陷都被視為某些過程故障的指示。這意味著缺陷本身不能在其晶片出現(xiàn)時修復。工藝工程師應糾正工藝本身，以避免此類缺陷。
典型的晶圓缺陷是（每個缺陷按其原因分類）：
1. EBR太寬（去除邊緣 膠粒）
2.曝光不均勻
3.溶劑滴落
4.殘留物
5.條紋
6.熱點
7. 劃痕或陣列放置
8.抵抗氣泡
9.場傾斜
10.彗星（劃痕）
11.顆粒
12.偏離中心的抗蝕劑分配
13.（宏觀）剝離
14.（宏觀）刮擦
15.（宏觀）大顆粒
一旦檢測到缺陷，就需要對其進行分類，以便能夠?qū)χ圃爝^程進行校正。分類基于缺陷屬性，例如特定的圖案，幾何形狀等。一些缺陷是較大的情況的一部分，例如晶圓劃痕。在這種情況下，一組小的局部缺陷會形成較大的事件（缺陷）。預分類分組對于確保準確的缺陷報告至關重要。在晶片上出現(xiàn)的，作為一組小的局部缺陷的缺陷稱為宏觀缺陷。如此處定義，它們的大小（差異幅度）比基于局部單次出現(xiàn)的缺陷大。
晶圓缺陷掃描儀現(xiàn)已上市，由高端制造商制造。這種掃描儀是高度精確的多學科機器（電光計算機化）。他們使用各種顯微鏡和照明技術來檢測當今最具挑戰(zhàn)性的技術（小至10nM）中的晶圓缺陷。該檢測基于相鄰染料或細胞的像素比較。這樣的高分辨率掃描儀非常昂貴，并且（由于使用了高分辨率），掃描整個晶片的過程過慢。這導致了基于采樣的缺陷檢測操作：簡單地說，并不是檢查每個晶片。
微?。ㄅc芯片相關）的缺陷
近年來，出現(xiàn)了其他類型的缺陷檢測掃描儀。他們是Macro缺陷掃描儀。它們旨在處理大規(guī)模（宏觀）缺陷。通常，掃描儀能夠在單個FOV（視場）中掃描晶圓。它們相對便宜，相對復雜（相對于高端缺陷掃描儀），易于操作且具有更快的操作周期（即，完整的晶圓掃描所花費的時間要少得多）。他們可以檢測到較大的缺陷，但不能檢測出局部的小的缺陷。
宏缺陷掃描具有其自身的功能和優(yōu)點。由于快速掃描，可以檢查每個晶片。通常，該操作更簡單，并且不需要復雜的配方。由于基本結構僅由顯微鏡，照相機和某些處理裝置組成，因此許多公司進入了該市場，并提供了許多產(chǎn)品。
Macro晶圓缺陷也需要自動缺陷檢測和分類。在這種情況下，可以使用經(jīng)典的檢測方法（請參閱上面的像素比較）。但是，用于缺陷分類的深度學習技術也可以用于檢測過程本身。這是由于這樣的事實，與高分辨率掃描相反，我們擁有完整的FOV：可以訓練深度學習分類器根據(jù)宏缺陷的圖像簽名來檢測宏缺陷。借助深度學習，整個操作更快，更準確。
的CNN分類被訓練為每個缺陷類型一大組樣品。它們應包含許多局部晶圓元件上的宏觀缺陷實例。例如，晶圓劃痕（一種宏晶圓缺陷）正越過晶圓元件，如金屬走線，硅墊片等。對于晶片制造的所有中間步驟，包括樣品很重要。同樣，重新培訓對于確保分類器能夠正常運行并使用新客戶的新設計至關重要。基于深度學習的缺陷分類提供了沒有人為錯誤的分類。
CNN被配置為處理低分辨率圖像，以保持合理的性能：例如300×300像素的圖像。CNN由4個具有線性激活的卷積層組成。跟隨具有S型激活的FC（完全連接）層。根據(jù)需要可以添加其他FC層。最后一層是提供分類的SoftMax。
深圳秘銀科技是深度學習技術和晶圓檢測領域的專家；我們已經(jīng)成功地為VLSI（晶圓）設備制造商完成了許多計算機視覺項目。
