論文の概要: Wafer Defect Root Cause Analysis with Partial Trajectory Regression

• arxiv url: http://arxiv.org/abs/2507.20357v1
• Date: Sun, 27 Jul 2025 17:08:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:57.468237
• Title: Wafer Defect Root Cause Analysis with Partial Trajectory Regression
• Title（参考訳）: 部分軌道回帰によるウェハ欠陥根の解析
• Authors: Kohei Miyaguchi, Masao Joko, Rebekah Sheraw, Tsuyoshi Idé,
• Abstract要約: 本稿では, 部分軌道回帰 (Partial Trajectory Regression, PTR) と呼ばれる, ウエハ欠陥根因解析のための新しい枠組みを提案する。 提案するフレームワークは,従来のベクトルベース回帰モデルの制約に対処するために慎重に設計されている。 オールバニのNY CREATESファブの実際のウエハ履歴データを用いて,提案手法の有効性を示す。
• 参考スコア（独自算出の注目度）: 12.274545451290319
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying upstream processes responsible for wafer defects is challenging due to the combinatorial nature of process flows and the inherent variability in processing routes, which arises from factors such as rework operations and random process waiting times. This paper presents a novel framework for wafer defect root cause analysis, called Partial Trajectory Regression (PTR). The proposed framework is carefully designed to address the limitations of conventional vector-based regression models, particularly in handling variable-length processing routes that span a large number of heterogeneous physical processes. To compute the attribution score of each process given a detected high defect density on a specific wafer, we propose a new algorithm that compares two counterfactual outcomes derived from partial process trajectories. This is enabled by new representation learning methods, proc2vec and route2vec. We demonstrate the effectiveness of the proposed framework using real wafer history data from the NY CREATES fab in Albany.
• Abstract（参考訳）: ウェーハ欠陥の原因となる上流プロセスの同定は、プロセスフローの組合せの性質と処理経路の固有の変動により困難であり、これは再作業操作やランダムプロセス待ち時間といった要因から生じる。 本稿では, 部分軌道回帰 (Partial Trajectory Regression, PTR) と呼ばれる, ウエハ欠陥根因解析のための新しい枠組みを提案する。 提案フレームワークは, 従来のベクトルベース回帰モデルの制約, 特に多種多様な物理プロセスにまたがる可変長処理経路に対処するために, 慎重に設計されている。 特定のウエハに高欠陥密度検出された各プロセスの属性スコアを計算するために,部分的プロセス軌跡から得られる2つの反実結果を比較する新しいアルゴリズムを提案する。 これは新しい表現学習手法、proc2vec と route2vec によって実現されている。 オールバニのNY CREATESファブの実際のウエハ履歴データを用いて,提案手法の有効性を示す。

関連論文リスト

• Cross-Process Defect Attribution using Potential Loss Analysis [15.070438650497994]
  ウエハ欠陥のプロセス間根因解析は、半導体製造において最も重要かつ困難な課題の一つである。 本稿では、潜在的損失分析(PLA)と呼ばれる、ウエハ欠陥根本原因分析のための新しい枠組みを提案する。 PLAフレームワークの属性は, 部分的処理軌跡から得られる最良の結果を比較することで, 上流プロセスに対する高いウエハ欠陥密度を観測した。
  論文  参考訳（メタデータ） (2025-07-27T20:23:09Z)
• Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
  断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。 提案手法は問題に依存しず,様々な逆問題に容易に適応できる。 このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-22T19:35:14Z)
• Bayesian Inverse Problems Meet Flow Matching: Efficient and Flexible Inference via Transformers [3.868222899558346]
  本研究では,複雑な後部分布から高速かつ柔軟なサンプリングを可能にするために,条件付きフローマッチングと変圧器ベースのアーキテクチャを統合する新しいフレームワークを提案する。 提案手法の有効性は, 単純な非線形モデル, 病気の動的フレームワーク, ダーシーフロー部分微分方程式の3つの問題に適用することによって実証される。
  論文  参考訳（メタデータ） (2025-03-03T10:17:56Z)
• High-Dimensional Markov-switching Ordinary Differential Processes [23.17395115394655]
  まず, 離散サンプルから連続サンプル経路を復元し, プロセスのパラメータを推定する2段階アルゴリズムを開発した。 我々は,その過程が$beta$-mixingである場合の統計的誤差と線形収束保証に関する新しい理論的知見を提供する。 本モデルを用いて,ADHD群と正常制御群における静止状態脳ネットワークの差異について検討する。
  論文  参考訳（メタデータ） (2024-12-30T18:41:28Z)
• Estimation and Inference for Causal Functions with Multiway Clustered Data [6.988496457312806]
  本稿では,一般的な因果関数のクラスに対する推定法と一様推論法を提案する。 因果関数は、調整された(Neyman-orthogonal)信号の条件付き期待値として同定される。 提案手法をアフリカにおける水準と歴史的奴隷貿易の因果関係の分析に適用する。
  論文  参考訳（メタデータ） (2024-09-10T17:17:53Z)
• Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
  CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。 統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
  論文  参考訳（メタデータ） (2024-08-25T04:07:18Z)
• Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
  Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。 本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。 既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
  論文  参考訳（メタデータ） (2024-07-25T09:53:12Z)
• SinSR: Diffusion-Based Image Super-Resolution in a Single Step [119.18813219518042]
  拡散モデルに基づく超解像(SR)法は有望な結果を示す。 しかし、それらの実践的応用は、必要な推論ステップのかなりの数によって妨げられている。 本稿では,SinSRという単一ステップのSR生成を実現するための,シンプルで効果的な手法を提案する。
  論文  参考訳（メタデータ） (2023-11-23T16:21:29Z)
• Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
  本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。 オラクル形式は影響関数の一貫した近似であることを示す。 次に、平均二乗誤差の観点から総合収束解析を行う。
  論文  参考訳（メタデータ） (2023-09-22T12:18:53Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Amortized Variational Deep Q Network [28.12600565839504]
  本稿では,ディープQネットワークにおける動作値関数の後方分布を近似する補正型変分推論フレームワークを提案する。 このアモータイズされたフレームワークは,既存の最先端手法よりも学習パラメータがかなり少ないことを示す。
  論文  参考訳（メタデータ） (2020-11-03T13:48:18Z)
• Composing Normalizing Flows for Inverse Problems [89.06155049265641]
  本稿では,2つの流れモデルの合成として,対象条件を推定する近似推論フレームワークを提案する。 本手法は,様々な逆問題に対して評価し,不確実性のある高品質な試料を作製することを示した。
  論文  参考訳（メタデータ） (2020-02-26T19:01:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。