文章目录
[+]
传统明场检测方法是当前晶圆毛病检测的主流技能，但受制于光学成像分辨率极限和弱散射旗子暗记捕获能力极限而变得难以为继，因此亟须探索具有更高成像分辨率和更强毛病散射旗子暗记捕获性能的毛病检测新方法。
该综述研究总结了代表性晶圆毛病检测新方法。最新进展包含毛病可检测性评估、光学毛病检测方法、后处理算法等3个方面。
研究职员认为，基于深度学习的毛病检测方法的履行流程非常大略。首先，捕获足够的电子束检测图像或晶圆光学检测图像。其次，演习特定的神经网络模型，从而实现从检测图像中提取有用特色信息的功能。末了，用小样本集测试演习后的神经网络模型，并根据表征神经网络置信水平的预定义本钱函数决定是否该当重复演习。
（图片来自网络侵删）
通过与纳米光子学、构造光照明、打算成像、定量相位成像和深度学习等新兴技能的领悟，图形化晶圆毛病光学检测将再次抖擞活力。
团队先容，在研究前景方面，为了提高毛病检测灵敏度，须要从检测系统硬件与软件方面协同创新；为了拓展毛病检测适应性，须要更严谨地研究毛病与探测光束散射机理；为了改进毛病检测效率，须要更高效地求解毛病散射成像问题。除了IC制造之外，上述光学检测方法在光子传感、生物感知、混沌光子等领域都有广阔的运用前景。
（见习荆淮侨）
来源： 中国科学报
