文摘

目的是使缺陷检测在微电子加工技术快速、准确、可靠和有效的。新的远程sensing-optical光学光束诱导阻力变化(ORS-OBIRCH)目标识别和定位缺陷检测方法提出了一种基于人工智能算法,光学遥感(ORS),光束诱导阻力变化(OBIRCH)定位技术使用卷积神经网络。该方法集成的高分辨率的特点和丰富的细节图像通过口服补液盐技术的优点,结合光敏OBIRCH定位技术的温度特征。它可以用来识别、捕捉、定位缺陷的微器件微电子加工的过程。仿真结果表明,该方法可以快速降低探测范围和缺陷定位准确、高效。实验结果表明,该ORS-OBIRCH目标识别缺陷位置检测方法可以完成的动态同步集成电路检测系统和获得高质量的图像通过改变激光辐照周期。此外,它可以分析和处理检测结果快速、准确、有效地确定缺陷的位置。与传统的检测方法,检测的成功率大大提高,这是95.8%左右,增长了近40%;检测时间已经减少了一半以上,从5.5天、1.9天,改进率已达到65%以上。总之,该方法具有良好的实际应用价值在微电子领域的处理。

1。介绍

目前,中国制造业正处于一个关键时刻的智能转换。2025年“中国制造”行动计划提出的国家指出,中国应采取智能制造为核心,引领一场新的工业革命,引导中国制造业自动化和智能的发展,并从制造业大国前进一个强大的制造业国家。2025年“中国制造”强调需要迅速推动中国信息化和工业化的深度集成,努力提高设计水平和设计工具主要由集成电路微电子技术,努力突破的核心芯片技术参与国家网络信息安全领域,全面提高国家综合实力1]。微电子技术是高科技逐渐形成和发展基于传统电子电路系统的不断小型化(2]。其本质在于集成电路,它主要侧重于研究microintegrated电路与半导体载体。微电子设备的特点,明度、可靠性、高速度、高效率、低消耗。因此,被广泛应用于不同行业如国防、通信、交通、教育、医疗、和电子产品,极大地改变了人类的生活(3,4]。与此同时,集成电路技术微电子技术变得越来越先进。的缺陷也会增加由于其高集成、高复杂性、高强度,和小设备,导致困难的缺陷位置。微电子设备的缺陷位置通常需要各种定位技术的联合使用。当前的缺陷定位技术由于其适用范围有很强的限制,和相应的定位技术只能选择根据缺陷的性质(5]。

近年来,更详细和丰富的光学遥感(ORS)图像与高分辨率出现口服补液盐技术的快速发展,这样可以快速获得相关信息,有效和广泛6]。目前,口服补液盐技术已广泛应用于目标识别和检测,不仅在军事边境安全监测和战场敌对目标锁定但也在民用领域,如城市规划和资源检测(7,8]。人工智能(AI)的应用障碍已经突破(9,10]5 g网络的实现技术,带来了新的机遇的缺陷定位技术在微电子加工技术。它可以促进应用程序基于AI的口服补液盐技术和快速定位技术在微电子加工。

与人工智能算法为起点,如何实现缺陷识别、获取、和定位在微电子加工的基础上,讨论了高效、快速、详细、口服补液盐和丰富的特点,目标识别技术和光束的快速、准确定位诱导阻力变化(OBIRCH),以减少能源消耗。这个探索有一定的参考和意义的人工智能应用研究微电子加工技术领域。

2。材料和方法

2.1。概念分析

2.1.1。人工智能

人工智能的概念最早在1956年由约翰·麦卡锡提出。它最初被定义为科学和工程制造智能机器。新内涵都将随着科学技术的快速发展在21世纪。在这个阶段,认为人工智能是一门新的技术科学研究和发展的理论、方法、技术及应用系统用来模拟,扩展,扩大人类智慧(11,12]。作为计算机科学的一个分支,人工智能已经被列为世界尖端技术与能源技术、空间技术、基因工程、纳米科学因为它提出。

人工智能是基于计算机科学,试图破解情报本质上,和用于创建一个新的智能机器类似人类的智能响应。具体研究内容包括人机交互、机器学习、语言、图像识别、自然语言处理(13]。特别是近年来,人工智能发展迅速,其应用在许多领域已经扩展,取得了丰硕的成果。因此,它已经逐渐发展成为一个独立的分支,形成一个独立的理论和实践体系。AI不仅应用在计算机科学,还涉及到许多领域如生物学、逻辑学、语言学、心理学、医学和哲学。它已成为一个广泛交叉前端科学(14),如图1。

2.1.2。口服补液盐

口服补液盐技术是用于识别和判断对象根据其光吸收的光谱特征,反射和辐射在不同的乐队。在相同的频带反映不同对象不同。即使对象是相同的,它们反映了不同的在不同的乐队(15]。各种高性能光学材料出现随着科学技术的发展,极大地促进了口服补液盐技术的进步。口服补液盐图像基于口服补液盐技术可以显示更多的细节和提高目标精度在目标检测和识别由于其高分辨率。除此之外,它还可以促进相关科研人员更深入地观察和研究提取目标和改善小缺点的报道和更少的传统观测技术在一定程度上的数据。口服补液盐已经极大地提高了图像空间,时间和光谱分辨率。因为口服补液盐技术有多个高分辨率等优势,辐射范围广,没有国界,它已经被应用于民生等领域的作物监测、灾害评估、林业综合调查,环境监测,气象预报。同时,它是采用搜索、侦察、跟踪目标领域的国防(16- - - - - -18]。图2显示它的工作原理。

2.2。光电发射显微镜(PEM)技术

作为一种新的高分辨率microdefect定位技术、PEM技术可以快速、准确地定位设备故障缺陷范围广泛,所以它广泛应用于设备故障分析。

尽管集成电路技术已经发展到14 nm,它仍然是一个有效的缺陷位置的方法。一般来说,主要用于缺陷位置故障测试。样品制备的要求是,它只需要打开使晶圆表面或晶圆回来。一般来说,它可以在一个大范围,如全球定位缺陷单一晶片。因此,无损和全球的特点,是一种有效的缺陷位置的方法。

光发射显微镜是用来检测半导体材料的发光。图3显示了系统组成。

它的工作原理是收集集成电路与摄像机的图像,然后使用高灵敏度光学传感器探测到的光子集成电路集成电路运行时发出的一个特定的功能,从而形成了光发射的形象。然后,集成电路图像和发光图像组合成一个图像,所以发光点的具体位置在集成电路可以在这最后的合成图像,从而达到定位缺陷的目的。光发射显微镜可以检测发光点前后的集成电路。

2.3。深卷积神经网络应用口服补液盐(Deep-CNN)图像检测和识别

口服补液盐目标探测和识别主要是用来解决”的问题。“这是绑定到需要探测和识别算法用于消除干扰,准确地识别。近年来,深度学习的建议和发展已经引发了一场疯狂的AI (19]。传统的机器学习算法基于浅层结构逐渐消除,因为他们的缺点,如困难的目标特征提取一个分辨率不足和细节。与机器学习的浅层结构,Deep-CNN在目标特征检测和识别具有较强的优势。使用口服补液盐的检测和识别图像已成为新的发展趋势20.]。深度学习涵盖了广泛的领域。根据算法,它可分为Deep-CNN,深层信念网络(DBN)和深度递归神经网络(Deep-RNN);根据数据集,它可以分为监督学习强,弱监督学习,和semisupervised学习(21]。图4显示之间的关系的深入学习和人工智能和机器学习。

Deep-CNN,扩展基于深度学习,因为它的优势受到了人们的广泛关注口服补液盐图像识别和处理。的常用Deep-CNN扩展LeNet-5卷积神经网络(22]。在口服补液盐图像目标探测和识别,Deep-CNN处理可以简化的算法和缩短时间目标特性识别和提取。Deep-CNN可以自动识别目标的特性和具有较强的适应性。口服补液盐Deep-CNN引入技术和应用到目标识别和智能的检测是至关重要的一步。目前,目标探测和识别算法基于Deep-CNN大致分为两级探测器基于更快地区卷积神经网络(Faster-RCNN)和单级探测器基于你只看一次(YOLO)意思和单发射击MultiBox检测器(SDD) [23]。图5显示了Deep-CNN目标探测和识别的过程。

口服补液盐的目标检测和识别方法引入基于AI Deep-CNN缺陷检测在微电子加工。微电子设备小而致密,因此很难检测和识别目标。因此,“扩张卷积”介绍,以确保目标识别和检测的精度和召回。扩张卷积有一个参数“膨胀率”,主要用来定义卷积核的间距值在数据处理24]。它可以扩大视野;即卷积内核可以在一定程度上扩大。方程如下:

在(1),卷积的价值内核,的值是卷积处理内核,是“扩张速度。”

在该地区建议网络(RPN)阶段,介绍了损失函数进行训练,“可能的缺陷点”设置为“正常”和“失败。“判决根据”之间的借据价值可能故障点”收集的计算机和理想的标签。损失函数方程如下:

在(2),是多个任务的平衡系数,设置为10,然后呢在“可能是缺陷的概率失败。”培训网络min-batch的大小,是与锚帧的数量;损失和分类是定位的损失。

定义如下:

在(4),1表示th“可能的故障点”是有缺陷的;0意味着“可能的失败点”是正常的。

协调回归向量,方程如下:

在(5),和的宽度和高度预测帧中生成的RPN阶段,分别;和的中心坐标预测帧中生成的RPN阶段;和的宽度和高度是“可能的故障点”中生成的RPN阶段;和是“可能失败的中心坐标点”中生成的RPN阶段;和的宽度和高度是理想坐标系;和和是理想的中心坐标坐标系。

这时,坐标回归函数定义如下:

精度和召回的定义如下:

发现真正的目标,检测到错误的目标,是检测到错误的目标。

2.4。分析检测集成电路由OBIRCH技术缺陷

主要使用的波长1.3 OBIRCH定位技术μm激光束加热集成电路,使得部分集成电路的电阻值变化的影响下的温度。此时的电压是恒定的,所以电流与温度的变化将会改变。检测到当前这个时候来定位缺陷的集成电路。半导体材料配备集成电路也有类似的变化特征。他们的电特性极大地受到环境温度的影响更敏感。温度的变化会引起电导率的变化半导体器件(25,26]。这一特点可以应用于集成电路的缺陷位置。图6显示OBIRCH技术的缺陷位置的过程。

激光定位访问使用OBIRCH方法用于热点集成电路被逐点扫描测量。加热时间是由两个因素决定:晶格的数量在该地区的形象和激光束的停留时间在该地区的形象27]。因此,当使用OBIRCH定位系统,可以为各种选择的数量的点阵图像的面积来衡量和停留时间的激光图像的区域;另外,加热时间可灵活控制。如果单失效时间和结果输出在集成电路检测结合测试周期,以确保激光可以完全热图像上的每个点的检测区域和同步系统,它必须确保像素停留时间(PDT)激光每一点不小于测试周期的两倍。只有这样才能OBIRCH实现动态同步集成电路测试系统。图7是一个系统图。

3所示。实验和仿真

3.1。实验平台建设和验证

表1口服补液盐显示的具体参数平台参与这个实验的平台建设。

平台的性能应该验证以保证后续实验的准确性,应选择口服补液盐和一些芯片数据集验证实验。数据集有300张图片和2000年的目标。更快的选择RCNN培训,约有80000的迭代。的学习速度和学习势头Deep-CNN将0.001和0.0005,分别。口服补液盐的目标检测和识别方法的训练和评估,基于AI Deep-CNN和性能分析了两个指标:精度和召回。此外,该方法与传统的SSD目标探测模型。

3.2。口服补液盐实验的目标识别和基于AI Deep-CNN OBIRCH定位技术

单片机的微电子加工工艺为例评价口服补液盐的有效性目标识别和基于Deep-CNN OBIRCH定位技术。失败的集成电路是数字集成电路基于互补金属氧化物半导体(CMOS)技术,大小约为0.7μm和两个金属涂料。检测结果正常当温度达到30°C,和访问电压之间的4 V和6;测试结果显示失败当温度超过50°C,和访问电压4 V和6 V之间。这个失效模式极大地受到温度和电压的影响,初步推测是由缺陷引起的。口服补液盐上面建造Deep-CNN目标探测和识别平台引入实验并与传统的缺陷位置的光电发射电子显微镜(PEM)模式。

4所示。结果

4.1。AI Deep-CNN对口服补液盐的影响图像检测

不同的精度和召回Deep-CNN目标探测和识别算法有很大区别。图8显示了具体情况。

图8表明,在相同的数据集,在精度和召回Faster-RCNN算法具有明显的优势,精度和召回增加了13.3%和3.95%,分别。

卷积核的数量渠道施加不同的影响精度,口服补液盐形象的存储空间和检测时间。它的增加将导致三的变化。图9显示口服补液盐的变化图像精度与卷积核的数量和需要的存储空间通道。图10显示的变化检测时间与卷积核通道的数量。

图9显示一个频道的数量之间的正相关卷积内核和口服补液盐的准确性形象和所需的存储空间。随着渠道的数量增加,图像精度也增加,但它不继续增加当通道的数量大约是2⁶;所需的存储空间继续快速增加略有增加,当卷积内核通道的数量大约是2⁷。图9显示,之间也存在正相关渠道可用的卷积核的数量和检测时间,迅速增加2⁷此时,获得的图像效果是最好的。

4.2。函数分析ORS-OBIRCH目标识别和定位缺陷检测方法

不同的检测方法有不同的结果由于激光束照射在不同电压和温度,和故障点的性能也不同。图11是一个使用PEM检测方法检测结果。图12是一个使用OBIRCH检测方法检测结果。

图11表明,在传统的PEM检测方法,集成电路的缺陷不能检测到故障条件下,可能是由于预定的电压和温度的变化;图12显示,当使用OBIRCH检测方法,检测效果差的温度30°C和一个访问电压4.5 V;缺陷点可以检测到温度为50°C和一个访问电压4.5 V。

不同的pdt有不同对集成电路的缺陷位置的影响。三个不同组的PDT设置研究其定位效果。图13显示特定的结果。

研究了不同的测试周期条件下的测量缺陷的位置。图13显示定位点获得的不是很准确,当激光照射时间是10.5μ年代,大约一个测试周期;明确定位分可以获得当照射时间延长约两个周期至21.2μ年代,这个时候可以实现动态同步;较小的和更准确的定位分可以获得当照射时间延长至48.8μ年代。它表明,定位效果更好的增加加热时间激光束的像素。然后,不同的检测方法进行比较,如图14。

目前,成功率和时间消耗的几个缺陷检测方法常用在微电子集成电路行业进行了比较。图14表明OBIRCH检测方法在检测成功率有很大优势。口服补液盐目标识别和基于AI Deep-CNN OBIRCH定位技术是最突出的,成功率约为95.8%,高于传统PEM方法近40%。此外,检测时间减少一半,从5.5天、1.9天,改进率超过65%。

5。结论

总之,一个新的ORS-OBIRCH目标识别和位置检测方法提出了基于理解现有的AI Deep-CNN,口服补液盐技术,集成电路和各种缺陷检测技术。这个方法获得图像通过口服补液盐技术,可以消除干扰,获得高分辨率的图像和丰富的细节。验证实验表明,在相同的数据集,在精度和召回Faster-RCNN算法具有明显的优势,和准确性和回忆都提高了13.3%和3.95%,分别;的优点同时,采用光敏OBIRCH定位技术的温度特性识别、捕获和定位微器件在微电子加工的缺陷。实验结果表明,采用ORS-OBIRCH目标识别和位置检测方法检测的缺陷在微电子集成电路处理。的动态同步集成电路检测系统是通过改变激光辐照周期完成,获得高质量的图像,处理和检测结果的集成电路,可实现快速、准确、高效的缺陷位置。检测结果的成功率大大提高与传统检测方法相比,它是95.8%左右,增长了近40%;检测时间已经减少了一半以上(从5.5天、1.9天),和改进率已达到65%以上。简而言之,这个方法可以快速缩小检测范围、缺陷定位准确、有效,可以应用于微电子加工技术。

数据可用性

数据请求。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由唐山的基本科学技术研究项目计划,研究整平GLSI多层铜互连技术,18130231,和唐山师范大学博士基金项目,研究整平技术GLSI多层铜互连,2018 a02。