主题：【分享】AI技术如何助力半导体失效分析？

浏览0 回复0 电梯直达

UNM

结帖率：

100%

关注：0 |粉丝：0

新手级：新兵

发表于：2024/09/06 15:37:20 楼主管理分享倒序浏览只看楼主回复私聊

AI技术如何助力半导体失效分析？

来源：黄承梁蔡司显微镜 2024年08月13日 08:01 江苏

随着显微镜技术的发展，半导体用户对显微镜的需求已经不仅仅停留在微观结构的成像上，而是希望通过硬件和软件方案的相结合，提高失效分析（FA）的效率、准确率，并尽可能的减少人工操作带来的不确定性。

为此，蔡司提供客制化的软件解决方案，利用AI技术，在分类（classification）、图像分割（segmentation）和图像处理（processing）三大应用方向上助力半导体失效分析。

01
图像处理：

提升SEM短扫描时间图像的质量

SEM成像的一大挑战是快速的扫描和高信噪比的图像的矛盾。有时候为了追求高效率的分析或者减少电子束对敏感样品的辐照，我们会减少电子束扫描时间，但这会由于信噪比降低而影响图像质量。使用AI降噪技术，我们在不丢失图像细节的情况下提升了原始图片的信噪比，从而兼顾了高效率和高图像质量。

02

图像处理：

提高XRM大视野扫描的分辨率

在三维X射线无损分析中也面临着类似的难题。高分辨的成像意味着缩小成像视野，有没有方法可以实现高效的大视野高分辨成像呢？利用基于深度学习的DeepScout功能，我们使用局部的高分辨扫描作为训练模型，把大视野（LFOV）扫描的低分辨图像恢复成高分辨图像，从而实现了大视野和高分辨兼得，把分析效率提升了数倍。

▲蔡司X射线显微镜三维成像的先进封装样品虚拟截面，左：大视野扫描的原始图片；右：
AI恢复处理的高分辨图片

03

图像分割和分类：

从SEM图片中提取缺陷并分类

在化合物半导体的衬底缺陷检测中，需要的对大量的SEM图片（如CL或ECCI图片）进行分析，区分并统计缺陷类型。借助机器学习算法，我们能够准确地从ECCI图片的背景中提取出位错和表面颗粒物的分布，自动完成缺陷分类和缺陷密度的计算。

▲蔡司场发射扫描电镜拍摄的GaN晶圆的电子通道衬度图像（ECCI），左：原始图片；右：AI图形识别和分割处理后，红点为表面颗粒物，黄点为位错分布

04

分类和定制化的自动工作流程：

自动寻找目标结构、拍图和识别异常

我们还可以把一种或多种AI的显微镜应用和自动化的显微镜操作结合，形成全自动的完整分析流程。例如这一案例中用户需要对样品上特定区域的DRAM晶体管进行连续的大面积拍摄，然后识别并分析异常。我们提供了完整的自动化工作流程，使电镜能够在数毫米长宽的样品上自动寻找所有的目标结构，把目标结构居中，并自动调节倍率、对焦、亮度对比度，成像保存，然后移动到下一位置重复上述步骤，最后在所有的图片中识别出异常结构。

▲使用可视化编程工具实现自动的DRAM样品拍摄和异常结构检测

可以看到AI技术的快速发展为显微分析和失效分析带来了创新和便利，把AI和显微镜结合在一些半导体失效分析场景可以提高分析效率及减少人为错误，从繁琐的重复性工作中解放工程师的双手，从而极大地提高实验室的产出。

恭喜您！提交成功

主题：【分享】AI技术如何助力半导体失效分析？