研究出版されたで情報通信技術の国際ジャーナルこれは、半導体製造における長年の課題、つまりシリコンウェーハ上の表面欠陥の正確な検出の解決に間もなく役立つ可能性があります。結晶シリコンは集積回路の製造に使用される重要な材料であり、日常のエレクトロニクスや先進的な自動車システムにコンピューティング能力を提供するには、シリコン表面に回路の微細な特徴を印刷する前に、可能な限り元の状態である必要があります。

もちろん、いいえ製造技術は完璧ですが、半導体チップを製造する複雑なプロセスにより、必然的にいくつかの欠陥が生じます。シリコンウェーハ。これにより、バッチ内で動作するチップの数が減り、生産ラインの生産量の小さいながらもかなりの割合での不良が発生します。

シリコンウェーハ上の欠陥を特定する通常の方法は、人間のオペレーターが各ウェーハを目視で検査する手動で行われていました。これには、細部への細心の注意が必要となるため、時間がかかり、間違いが発生しやすくなります。需要に応えるためにウェーハの生産が世界的に増加し、欠陥自体を目で検出することが難しくなっているため、このアプローチの限界がより明らかになってきています。

中国湖南省株州市にある湖南鉄道専門技術学院のChen Tang氏、Lijie ying氏、Yongchao Xie氏は、自動検知システムが解決策として浮上していると説明する。これらも、大規模な実稼働環境では効率と精度の問題を引き起こします。そのため、チームは次のことに目を向けました。ディープラーニング、 特に畳み込みニューラル ネットワーク(CNN)、ウェーハ欠陥検出を改善します。

研究者らは、CNN が画像認識において大きな可能性を示していると説明しています。彼らは今回、これを使用してシリコンウェーハ表面の微細な凹凸を識別できることを実証しました。「You Only Look Once」シリーズの物体検出アルゴリズムは、精度と検出速度のバランスをとることができることでよく知られています。

湖南省のチームは、ウェハ欠陥検出で直面する特定の問題に対処するために、YOLOv7 アルゴリズムをさらに一歩進めました。この研究の主な革新は、シリコン ウェーハの画像から詳細を抽出するアルゴリズムの能力を強化するための特殊な畳み込み演算である SPD-Conv を使用することにあります。さらに、研究者らは畳み込みブロック アテンション モジュール (CBAM) をモデルに組み込んで、手動検査や他のアルゴリズムでは見落とされがちな小さな欠陥に対するシステムの焦点を強化しました。

ウェーハ欠陥検出システムを評価するための標準データセット (WM-811k) でテストしたところ、チームの洗練された YOLOv7 アルゴリズムは平均精度 92.5%、再現率 94.1% を達成しました。これは、1 秒あたり 136 画像の速度で迅速に実行され、以前のシステムよりも高速でした。

詳細情報:Chen Tang et al、強化された YOLOv7 によるウェーハ表面欠陥検出、情報通信技術の国際ジャーナル（2024年）。DOI: 10.1504/IJICT.2024.141433