寬頻電漿光學測量結合機器學習 磊晶圓圖案缺陷檢測更有效率

2020 年 02 月 03 日
KLA Surfscan無圖案晶圓檢測系統的Haze量測一直以來都是產線上主要用於磊晶沉積層晶體品質的非破壞性的檢測方法,但是,這種量測目前僅用於無圖案的晶圓。 本文介紹了一種在產線上針對無圖案晶圓及圖案晶圓之非破壞性光學量測方法。該技術採取一種新穎的快速機器學習方法,並且可以用於圖案化和未圖案化的磊晶圓。該方法採用了寬頻電漿(BBP)光學缺陷量測期間所獲得的背景雜訊。這種機器學習方法名為iDO...
》想看更多內容?快來【免費加入會員】【登入會員】,享受更多閱讀文章的權限喔!
標籤
相關文章

製程設備/材料關卡多 先進製程IC品質要求高

2020 年 09 月 07 日

FSI/BSI各擅勝場 影像感測器成像效能再突破

2010 年 11 月 11 日

擴大頂部收音後共振腔室 MEMS麥克風靈敏度更高

2014 年 06 月 23 日

整合五大工控通訊介面 IoT閘道器加速智慧工廠建置

2016 年 02 月 04 日

排除多重技術障礙 SiC MOSFET模組設計上手

2022 年 05 月 16 日

固態電池全力克服安全挑戰(2)

2023 年 08 月 07 日
前一篇
專訪Ansys台灣區總經理李祥宇 多物理模擬需求爆發可期
下一篇
是德Ixia部門加入IBM Security App Exchange社群