本文關鍵詞：基于局部與非局部線性判別分析和高斯混合模型動態(tài)集成的晶圓表面缺陷探測與識別

  更多相關文章： 半導體制造 晶圓缺陷 模式識別 流形學習 高斯混合模型

【摘要】：在復雜的半導體制造過程中,晶圓生產經過薄膜沉積、蝕刻、拋光等多項復雜的工序,制造過程中的異常波動都可能導致晶圓缺陷產生.晶圓表面的缺陷模式通常反映了半導體制造過程的各種異常問題,生產線上通過探測和識別晶圓表面缺陷,可及時判斷制造過程故障源并進行在線調整,降低晶圓成品率損失.本文提出了基于一種流形學習算法與高斯混合模型動態(tài)集成的晶圓表面缺陷在線探測與識別模型.首先該模型開發(fā)了一種新型流形學習算法—局部與非局部線性判別分析法(Local and nonlocal linear discriminant analysis,LNLDA),通過融合數據局部/非局部信息以及局部/非局部懲罰信息,有效地提取高維晶圓特征數據的內在流形結構信息,以最大化數據不同簇樣本的低維映射距離,保持特征數據中相同簇的低維幾何結構.針對線上晶圓缺陷產生的隨機性和復雜性,該模型對每種晶圓缺陷模式構建相應的高斯混合模型(Gaussian mixture model,GMM),提出了基于高斯混合模型動態(tài)集成的晶圓缺陷在線探測與識別方法.本文提出的模型成功地應用到實際半導體制造過程的晶圓表面缺陷在線探測與識別,在WM-811K晶圓數據庫的實驗結果驗證了該模型的有效性與實用性.
【作者單位】： 同濟大學機械與能源工程學院;
【基金】：國家自然科學基金項目(51375290;71001060) 上海市教育委員會科研創(chuàng)新項目(13YZ002) 中央高�；究蒲袠I(yè)務費專項資金資助~~
【分類號】：TN305
【正文快照】： 半導體制造是一個非常復雜的動態(tài)制造過程,晶圓生產需經過薄膜沉積、蝕刻、拋光等多道復雜的工序.工序異�？赡軐е戮A缺陷產生,比如薄膜沉積過程中的不均勻或者退火處理中溫度的不均勻 分布都容易造成晶圓表面Center和Edge-ring缺陷[1].因此,準確識別晶圓在線制造過程中的

【參考文獻】

中國期刊全文數據庫 前1條

1 鄭建煒;王萬良;姚曉敏;石海燕;;張量局部Fisher判別分析的人臉識別[J];自動化學報;2012年09期

【共引文獻】

中國期刊全文數據庫 前10條

1 龔劬;唐萍峰;;基于大間距準則的不相關保局投影分析[J];自動化學報;2013年09期

2 藺，

本文編號：1209304