文献

J-GLOBAL ID：202002273616578038   整理番号：20A0531863

多段階半導体プロセスにおける新しい確率的仮想計測法を構築するための畳込みニューラルネットワークに基づくGauss過程回帰の開発【JST・京大機械翻訳】

Development of convolutional neural network based Gaussian process regression to construct a novel probabilistic virtual metrology in multi-stage semiconductor processes

著者 (5件)： Wu Xiaofei (State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou, 310027 Zhejiang, China) ,  Chen Junghui (Department of Chemical Engineering, Chung-Yuan Christian University, Chungli, Taoyuan 32023, Taiwan, ROC) ,  Xie Lei (State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou, 310027 Zhejiang, China) ,  Chan Lester Lik Teck (Department of Chemical Engineering, Chung-Yuan Christian University, Chungli, Taoyuan 32023, Taiwan, ROC) ,  Chen Chun-I (Western Digital Corporation, Magnetic Head Wafer Manufacturing Fab, Advanced Process Control Group, Fremont, CA, USA)
資料名： Control Engineering Practice  (Control Engineering Practice)
巻： 96  ページ： Null  発行年： 2020年 
JST資料番号： W0647A  ISSN： 0967-0661  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 半導体チップの製造は数百のプロセスステップを含む。高スループット半導体製造者にとって,高価なコストのため,各段階でウエハのすべての品質測定を得ることは実行可能ではない。サンプリングされたウエハの限られた測定に基づいて,仮想計測法(VM)は,物理的測定の数を増やすことなく,関連する品質変数を予測することを可能にする。従来のデータ駆動VM法は,データ前処理における特徴抽出とともに,あらかじめ定義されたモデルを用いて構築される。しばしば同定されたVMモデルは,構築されたモデルと抽出された特徴が不適切な場合には信頼できない。本論文では,Bayes事後密度分布の最大化により較正された畳込みニューラルネットワーク(CNN)に基づくGauss過程回帰(GPR)VMモード(CNN-GPR)を系統的に開発した。CNNを用いて,カスケード接続回転フィルタの層を通して大量のウエハデータから情報を抽出した。抽出された特徴により,GPRモデルは,予測された平均値と定量化された不確実性レベルを得るために,操作段階の確率的性質を品質変数と関連付ける。抽出された特徴と予測モデルが別々に生成される従来のVMモデルとは異なり,CNN-GPRモデルは品質変数の変化に敏感であり,プロセスと品質変数の両方からの情報と共分散行列を通して特徴を同時に決定する。提案したCNN-GPRモデルは,測定した変数の全セットの複雑なプロセスを表すので,より良く機能する。実際の半導体プロセスに関する研究を通して,提案したアルゴリズムの有効性を実証し,正規回帰アルゴリズムに対して比較した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  密度分布 ,  予測モデル ,  アルゴリズム ,  品質 ,  不確実性 ,  特徴抽出 ,  *半導体プロセス ,  縦続接続
準シソーラス用語： 共分散行列 ,  データ駆動 ,  半導体製造 ,  ハイスループット ,  *Gauss過程回帰 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 畳み込みニューラルネットワーク ,  特徴抽出 ,  Gauss過程回帰 ,  仮想計測学

分類 (1件)： 統計的品質管理  (KB04030W)

タイトルに関連する用語 (8件)： 段階 ,  半導体プロセス ,  確率 ,  仮想計測 ,  構築 ,  畳込みニューラルネットワーク ,  Gauss過程回帰 ,  開発