公开(公告)号：CN119998833A

公开(公告)日：2025-05-13

申请号：CN202380069923.X

申请日：2023-09-06

Applicant: 卡尔蔡司SMT有限责任公司

Inventor： A·斯里坎塔 ,  A·阿尔佩罗维奇 ,  B·巴兹 ,  N·梅文坎普 ,  J·T·纽曼 ,  E·福卡 ,  J·珀施

IPC: G06T7/00 ,  G06T7/30 ,  G06V10/40 ,  G06V10/52 ,  G06V10/77 ,  G06V10/772 ,  G06V10/82 ,  G06N3/0455

Abstract: 一种用于检测缺陷的计算机实施方法(82)，其包括：获取晶片(24)的成像数据集(28)；在晶片(24)的成像数据集(28)的子集合中验证缺陷标准，缺陷标准包括：成像数据集(28)的子集合的观测表征(88)，其有关于从半导体结构的参考图像(66)推导出的多个特性元素(90)，其中观测表征和特性元素(90)定义最小重建误差的重建，以及关于晶片(24)的无缺陷观测成像数据集(30)的子集合的无缺陷表征(94)的容差统计(92)，其中无缺陷表征和特性元素(90)中的每一者定义无缺陷成像数据集(30)的子集合的最小重建误差的重建；生成缺陷信息。

公开(公告)号：CN118984995A

公开(公告)日：2024-11-19

申请号：CN202380030166.5

申请日：2023-03-27

Applicant: 卡尔蔡司SMT有限责任公司

Inventor： A·阿尔佩罗维奇 ,  T·科布 ,  J·T·纽曼 ,  A·斯利坎塔

IPC: G06N3/082 ,  G06N3/0985 ,  G06N3/0455 ,  G06N3/0895 ,  G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明关于一种用于检测异常(15)的计算机实施方法(10、10’)，该计算机实施方法包含：选择一晶片(120)的成像数据集(12)和一定义机器学习模型(16)用于异常检测的超参数值；通过计算一目标函数值来训练和评估该机器学习模型(16)；选择所述已训练机器学习模型中的一个并将其应用于检测异常(15)。本发明还关于一种用于检测晶片(120)的成像数据集(12)中异常(15)的计算机实施方法(10”)，该计算机实施方法包含：针对每个缺陷类别提供异常检测图像值分布的样本；针对异常定位通过训练一机器学习模型来校准该异常检测图像(20、26、26’)；将一临界值应用于已校准异常检测图像(98、108)，以检测异常(15)。