연구출판됨에서국제정보통신기술학회지곧 반도체 제조의 오랜 과제인 실리콘 웨이퍼의 표면 결함을 정확하게 감지하는 문제를 해결하는 데 도움이 될 수 있습니다.결정질 실리콘은 집적 회로 생산에 사용되는 중요한 재료이며 일상적인 전자 제품 및 고급 자동차 시스템에 컴퓨팅 성능을 제공하려면 실리콘 표면에 회로의 미세한 특징을 인쇄하기 전에 가능한 한 깨끗해야 합니다.

물론 아니다.제조 기술완벽하며, 반도체 칩을 제조하는 복잡한 공정으로 인해 필연적으로 결함이 발생할 수 있습니다.실리콘 웨이퍼.이로 인해 배치에서 작동하는 칩의 수가 줄어들고 생산 라인 출력의 작지만 상당한 비율이 실패하게 됩니다.

실리콘 웨이퍼에서 결함을 발견하는 일반적인 방법은 수동으로 수행되었으며 작업자가 각 웨이퍼를 눈으로 검사했습니다.이는 세부 사항에 세심한 주의가 필요하기 때문에 시간이 많이 걸리고 오류가 발생하기 쉽습니다.수요를 충족하기 위해 전 세계적으로 웨이퍼 생산량이 증가하고 결함 자체를 눈으로 감지하기가 어려워짐에 따라 이 접근 방식의 한계가 더욱 분명해졌습니다.

중국 후난성 주저우에 위치한 후난 철도 전문 기술 대학의 Chen Tang, Lijie Yin 및 Yongchao Xie는 자동화된 감지 시스템이 가능한 솔루션으로 떠올랐다고 설명합니다.이들 역시 대규모 생산 환경에서 효율성과 정확성 문제를 나타냅니다.이에 팀은 방향을 바꿨다.딥러닝, 특히컨벌루션 신경망(CNN), 웨이퍼 결함 감지를 개선합니다.

연구원들은 CNN이 이미지 인식 분야에서 상당한 잠재력을 보여주었다고 설명합니다.그들은 이제 이것이 실리콘 웨이퍼 표면의 미세한 불규칙성을 식별하는 데 사용될 수 있음을 입증했습니다.객체 감지 알고리즘의 "You Only Look Once" 시리즈는 감지 속도와 정확도의 균형을 맞출 수 있는 것으로 잘 알려져 있습니다.

후난 팀은 웨이퍼 결함 감지에서 직면하는 특정 문제를 해결하기 위해 YOLOv7 알고리즘을 한 단계 더 발전시켰습니다.이 작업의 주요 혁신은 실리콘 웨이퍼 이미지에서 미세한 세부 사항을 추출하는 알고리즘의 기능을 향상시키는 특수 컨벌루션 작업인 SPD-Conv를 사용하는 것입니다.또한 연구원들은 수동 검사나 다른 알고리즘에서 종종 놓치는 작은 결함에 대한 시스템의 초점을 맞추기 위해 CBAM(Convolutional Block Attention Module)을 모델에 통합했습니다.

웨이퍼 결함 감지 시스템을 평가하기 위한 표준 데이터 세트(WM-811k)에서 테스트했을 때 팀의 개선된 YOLOv7 알고리즘은 92.5%의 평균 정밀도와 94.1%의 재현율을 달성했습니다.초당 136개 이미지의 속도로 이 작업을 빠르게 수행했는데, 이는 이전 시스템보다 빠릅니다.

추가 정보:Chen Tang 외, 향상된 YOLOv7을 사용한 웨이퍼 표면 결함 감지,국제정보통신기술학회지(2024).DOI: 10.1504/IJICT.2024.141433