抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
生産性を高めるためには,半導体産業における収量の管理と欠陥の低減が重要である。努力の一つは欠陥パターンを同定し,欠陥に影響する原因因子を制御することである。多くの技術者は各チップの品質を検査し,ウエハビンマップ上の欠陥パターンをチェックする。エンジニアのドメイン知識または経験に対するレベルに関係なく,正確で一貫した分類結果を得るために,深い学習ベースモデルが最近研究されている。ほとんどの以前の研究は単一型欠陥パターンを分類することを狙ったので,混合型欠陥パターンを同時に考慮する必要がある。また,それらは,深い学習ベースの分類モデルを訓練するために,多くのラベル付きデータを必要とする。しかし,欠陥は実際の製造プロセスにおいて極めて稀に発生する。したがって,十分なラベル付けデータが与えられない状況において,より高い精度を確保する方法が必要である。本論文では,単一型パターンを合成し,ピクセルワイズ加算を加えることにより,混合型パターンを生成するウエハマップ合成(DCGAN-WS)のための深い畳込み生成広告ネットワークを提案した。ウエハビンマップのバイナリ画素の特性を維持するために,閾値化技術を追加した。実験には混合WM38データセットを用い,混合型パターンをうまく合成した。それは,単一型パターン分類のためのよりロバストなモデルを構築して,以前に発生しなかった混合型パターンを生成するのを助ける。将来,このモデルは欠陥パターン分類モデルに対するラベル付きデータの欠如の問題を扱うことが期待される。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】