초록: 전압 대비(VC) 결함에 대한 전자빔 검사 방법론은 10nm 미만 로직 및 메모리 기술 개발 초기 단계와 신제품 출시 과정에서 널리 채택되어 왔다. 그러나 처리량 한계로 인해 300mm 웨이퍼 규모의 풀칩 검사는 수율 향상 및 양산 적용에 여전히 실용적이지 않다. 이러한 과제를 해결하기 위해 풀칩 전압 대비 추론을 위한 딥러닝 접근법을 제안한다. 가장 효율적인 객체 탐지 신경망인 YOLOv7 모델을 수정 및 강화하여 YOLO-Voltage Contrast(YOLO-VC)로 전환함으로써, 칩 전체에 걸친 금속 패턴의 전압 대비를 정확히 예측할 수 있다. 칩 전체 수준에서 전압 대비 반응을 매핑함으로써, 결함이 가장 발생하기 쉬운 중요 관리 영역에 집중하도록 검사 레시피를 최적화할 수 있다. 본 논문에서는 공정 흐름, 이미지 간 정렬, 그레이스케일 분류, 모델 훈련 및 검증, YOLOv7과 YOLO-VC의 성능 벤치마크를 포함한 방법론을 제시합니다. 마지막으로, 전체 칩 VC 밀도 맵을 활용하여 관심 영역(AOI)을 선정함으로써 처리량을 최적화하고 VC 결함 포착률을 향상시키는 방안을 제안합니다.
키워드: 전자빔 검사, 전압 대비, YOLO-전압 대비(YOLO-VC), 객체 탐지 신경망
아래 양식을 작성하여 논문을 다운로드하세요:
본 정보를 다운로드함으로써, 저는 PDF Solutions, Inc.가 본 문서에 제공된 제 정보를 사용하여 제품 및 서비스 관련 연락을 할 수 있다는 데 동의합니다. 이는 제가 이전에 해당 연락 수신을 거부한 경우에도 적용됩니다. 당사의 개인정보 처리방침 및 개인정보 보호에 대한 약속에 관한 정보는개인정보 처리방침을 참조하시기 바랍니다.