• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Symposium on Quality Electronic Design >Deep Learning-Based Wafer-Map Failure Pattern Recognition Framework
【24h】

Deep Learning-Based Wafer-Map Failure Pattern Recognition Framework

机译：基于深度学习的晶圆地图故障模式识别框架

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In integrated circuit (IC) manufacturing, wafer-map analysis has been essential for yield improvement. In this study, we focused on wafer-map failure pattern recognition. We proposed a deep learning-based failure pattern recognition framework. The proposed framework needs only wafer-maps with and without target failure patterns to recognize, and ascertains the features of the target failure patterns automatically. Conventional deep learning methods need a large amount of wafer-maps with the target failure patterns as training data for achieving high recognition accuracy. In the proposed framework, a data augmentation technique with noise reduction is proposed, and it is the key to achieve high recognition accuracy if the number of wafer-maps with the target failure patterns is small. Experimental results using a benchmark dataset showed that the proposed framework achieves high recognition accuracy with a failure pattern recognition problem and also multiple failure pattern recognition problem, and we confirmed the effectiveness of the proposed data augmentation technique.
机译：在集成电路（IC）制造中，晶片图分析对于产量改善至关重要。在这项研究中，我们专注于晶圆地图故障模式识别。我们提出了一种深入的学习失败模式识别框架。所提出的框架只需要晶片映射，没有目标失败模式来识别，并自动确定目标失败模式的功能。传统的深度学习方法需要大量的晶片图，其中具有目标故障模式作为实现高识别准确性的训练数据。在所提出的框架中，提出了一种具有降噪的数据增强技术，如果具有目标故障模式的晶片映射的数量小，则实现高识别精度的关键。使用基准数据集的实验结果表明，所提出的框架实现了具有失败模式识别问题的高识别准确性，以及多次故障模式识别问题，我们确认了所提出的数据增强技术的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号