要約：電圧コントラスト（VC）欠陥に対する電子ビーム検査手法は、10nm以下の論理・メモリ技術開発の初期段階および新製品導入において広く採用されてきた。しかしスループットの制約により、300mmウェーハ規模でのフルチップ検査は、歩留まり向上や量産用途では依然として非現実的である。この課題に対処するため、我々はフルチップ電圧コントラスト推論のための深層学習アプローチを提案する。 最も効率的な物体検出ニューラルネットワークであるYou Only Look Once（YOLOv7）モデルを改良・強化したYOLO-Voltage Contrast（YOLO-VC）により、チップ全体の金属パターンの電圧コントラストを正確に予測できる。フルチップレベルでの電圧コントラスト応答をマッピングすることで、欠陥発生リスクが最も高い重要ケア領域に検査レシピを集中させる最適化が可能となる。 本稿では、プロセスフロー、画像間位置合わせ、階調レベル分類、モデル訓練と検証、YOLOv7とYOLO-VCの性能比較ベンチマークを含む手法を提示する。最後に、スループットの最適化と電圧コントラスト欠陥の捕捉率向上を図るため、関心領域（AOI）選定にフルチップ電圧コントラスト密度マップを活用することを提案する。
キーワード：電子ビーム検査、電圧コントラスト、YOLO-VoltageContrast (YOLO-VC)、物体検出ニューラルネットワーク
以下のフォームに記入して論文をダウンロードしてください：
本情報をダウンロードすることにより、PDF Solutions, Inc.が、本情報に記載された私の情報を、製品やサービスに関する連絡に使用することに同意します。これは、以前にそのような連絡の配信停止を申し出た場合でも適用されます。当社のプライバシー慣行およびお客様のプライバシー保護への取り組みに関する詳細は、当社のプライバシーポリシーをご確認ください。