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

電荷轉移橫向模式提升電容式觸控效能

2009 年 02 月 06 日

金融風暴效應 太陽能電池廠加快研發腳步

2010 年 03 月 04 日

提升消費性電子競爭優勢 SiP設計錦上添花

2011 年 02 月 10 日

突破封閉自動化系統框架 工業4.0擁抱新開放標準

2020 年 12 月 10 日

EUV微影面臨六大挑戰 材料工程/計量技術解難題

2022 年 09 月 01 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