探索主动学习在半导体缺陷分割中的应用-计算机科学-机器学习-主动学习-语义分割-半导体结构.pdfVIP

探索主动学习在半导体缺陷分割中的应用

InstituteforInfocommResearch(IR),A*STAR,Singapore.

ABSTRACT从分割结果中提取计量信息。根据是否满足一些预定

义的标准（例如，如果孔隙率与前景的比例高于某个

X射线显微镜（XRM）技术的发展使得能够对半导体

预先决定的阈值，则认为该结构有缺陷），可以将结构

结构进行非破坏性检测，以识别缺陷。深度学习被广泛

分类为“通过”或“失败”。在这项工作中，我们专注

本用作执行视觉分析任务的最先进技术方法。然而，基

于半导体结构的语义分割任务。

译于深度学习的模型需要大量的标注数据来进行训练。

这可能会耗费大量时间和成本，特别是对于语义分割SegmentationCopperPillarSolder

中ModelCopperPadVoid

1之类的密集预测任务。在这项工作中，我们探索主动

v

9学习（AL）作为减轻标注负担的一种潜在解决方案。Metrology

5我们将应用AL于半导体XRM扫描时面临的两个独PassVoidsize

YesCriterionSelectAnnotate

3NoMet?Foregroundsize

7特挑战识别为：巨大的领域差异和严重的类别不平衡。Fail……

1为了解决这些挑战，我们建议在未标记数据上执行对Learn

.(a)(b)

7

0比预训练以获得每个AL周期的初始权重，并提出一

5种罕见感知获取函数，该函数倾向于选择包含稀有类Fig.1:问题陈述。(a)语义分割有助于自动识别半导

2体结构的缺陷。(b)主动学习为减轻深度模型学习的

:别的样本。我们在一个从高带宽内存结构（由逻辑芯

v标注负担提供了潜在解决方案。

i片和存储芯片组成）的XRM扫描编译而成的半导体

x深度学习（DL）是视觉识别任务中最先进的技

r数据集上评估了我们的方法，并证明我们的方法实现

a

了最先进的性能。术。人们尝试将基于深度学习的模型应用于半导体的

XRM扫描，并取得了令人鼓舞的结果[1,2,3]。然

IndexTerms—主动学习，语义分割，半导体结构

而，先前的工作[1,2]主要集中在为半导体结构设计