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。
半導体デバイスの次世代の大量生産は,測定信号解析の進歩を必要とする。半導体製造コミュニティの多くは,深層学習の採用について保存している。それらは,いくつかの画像回帰問題に対する他のモデルベース手法に代わって,また,計量学に関する2021のIEEE国際ロードマップに従って,SEMI標準化委員会は,この philosophy学を終えるかもしれない。しかし,半導体製造コミュニティは,測定の不確実性を低減するための最新の統計的解析の必要性を伝達する。回帰モデルの予測性能の信頼性を特徴付ける予測間隔は,決定に影響し,機械学習における信頼を構築し,他の回帰モデルに適用することができる。しかし,画像データの重要なクラスに対して有効なカバレッジを提供する有効かつ十分に単純な分布フリーアプローチを認識せず,従って,分布フリー共形予測および共形量子化分位回帰フレームワークを考察した。本論文の焦点である画像回帰問題は,雑音の多い走査電子顕微鏡画像からのラインエッジ粗さ(LER)推定に着目する。LERは半導体デバイス性能と信頼性ならびに製造プロセスの収率に影響する。2021のIRDSは,複数の国際焦点チームの報告において,それを言及し,議論することに加えて,白色紙をデボティングすることによるLERの重要な重要性を強調する。LER推定のための正規化共形予測と分位回帰を効果的に使用する方法は不明である。適用したモデリング技法は,画像データのための分布フリー予測間隔を見つけるのに新しいようであり,2022のSEMI先進半導体製造会議で提示される。【JST・京大機械翻訳】