第14周大组讨论会
时间：2018年12月4日，19：00
地点：双子楼A座 1706
报告人：葛文超
报告题目：用于识别半导体制造过程中混合缺陷模式的深层结构网络模型
报告摘要：
半导体制造商的目标是制造无缺陷的晶圆，以提高产品质量，提高产量并降低成本。通常晶片缺陷形成提供有用信息的空间图案，有助于在制造过程中识别问题和故障。本文的主要动机是浅层结构的RGRN在单图案缺陷上表现良好，精度达到99.8％，但在晶圆具有混合缺陷图案时表现不佳。所提出的方法通过结合基于信息增益（IG）的分离器以及深度结构化网络(DSCN)来改善RGRN性能，特别是对混合模式缺陷在第一个检测阶段，分离器生成使用IG理论构建的独特规则，并将缺陷数据分成单缺陷和混合缺陷模式。然后通过RGRN对单缺陷图案进行分类，而将混合缺陷图案馈送到深度结构化网络模型中以进行进一步分类。这种组合提高了所提出的方法对不同缺陷模式进行分类并实现更好的整体性能。实验结果表明，所提出的方法实现了86%的总体检测精度。
关键词：单一缺陷；混合缺陷；IG分离器；一般回归网络(RGRN);深度结构化网络(DSCN)
