論文の概要: Sequence-Aware Inline Measurement Attribution for Good-Bad Wafer Diagnosis

• arxiv url: http://arxiv.org/abs/2507.20364v1
• Date: Sun, 27 Jul 2025 17:40:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:57.475793
• Title: Sequence-Aware Inline Measurement Attribution for Good-Bad Wafer Diagnosis
• Title（参考訳）: グッドバッド・ウェハ診断におけるインライン計測の帰属性
• Authors: Kohei Miyaguchi, Masao Joko, Rebekah Sheraw, Tsuyoshi Idé,
• Abstract要約: 本稿では,Shapley値の拡張であるTSA(Trajectory Shapley Attribution)という新しいフレームワークを提案する。 TSAは、製造プロセスのシーケンシャルな性質を無視するなど、SVの重要な制限を克服している。 我々は,ニューヨーク・クリーテス・オールバニ・ナノテクノロジー・ファブ(英語版)において,実験用フロントエンドプロセスにおける良好なウェハ診断タスクにTSAを適用した。
• 参考スコア（独自算出の注目度）: 12.274545451290319
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How can we identify problematic upstream processes when a certain type of wafer defect starts appearing at a quality checkpoint? Given the complexity of modern semiconductor manufacturing, which involves thousands of process steps, cross-process root cause analysis for wafer defects has been considered highly challenging. This paper proposes a novel framework called Trajectory Shapley Attribution (TSA), an extension of Shapley values (SV), a widely used attribution algorithm in explainable artificial intelligence research. TSA overcomes key limitations of standard SV, including its disregard for the sequential nature of manufacturing processes and its reliance on an arbitrarily chosen reference point. We applied TSA to a good-bad wafer diagnosis task in experimental front-end-of-line processes at the NY CREATES Albany NanoTech fab, aiming to identify measurement items (serving as proxies for process parameters) most relevant to abnormal defect occurrence.
• Abstract（参考訳）: 品質チェックポイントにある種のウエハ欠陥が現れ始めた場合、上流プロセスの問題をどうやって特定すればよいのか? 数千のプロセスステップを含む現代の半導体製造の複雑さを考えると、ウエハ欠陥に対するプロセス間の根本原因分析は非常に困難であると考えられている。 本稿では,多用な人工知能研究において広く用いられている属性アルゴリズムであるShapley値の拡張であるTrjectory Shapley Attribution (TSA)を提案する。 TSAは、製造プロセスのシーケンシャルな性質を無視し、任意に選択された基準点に依存するなど、標準SVの重要な制限を克服している。 我々は,ニューヨーク・クリーテス・オールバニ・ナノテクノロジー・ファブにおいて,異常発生に最も関係のある測定項目(プロセスパラメータのプロキシとして機能する)を同定することを目的とした,実験用フロントエンドプロセスにおける良好なウェハ診断タスクにTSAを適用した。

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)
• Wafer Defect Root Cause Analysis with Partial Trajectory Regression [12.274545451290319]
  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。
  論文  参考訳（メタデータ） (2025-07-27T17:08:40Z)
• Step-by-Step Reasoning for Math Problems via Twisted Sequential Monte Carlo [55.452453947359736]
  Twisted Sequential Monte Carlo(TSMC)に基づく新しい検証手法を提案する。 TSMCを大規模言語モデルに適用し、部分解に対する将来的な報酬を推定する。 このアプローチは、ステップワイドなヒューマンアノテーションを必要としない、より直接的なトレーニングターゲットをもたらす。
  論文  参考訳（メタデータ） (2024-10-02T18:17:54Z)
• A Sparse Bayesian Learning for Diagnosis of Nonstationary and Spatially Correlated Faults with Application to Multistation Assembly Systems [3.4991031406102238]
  本稿では,空間的に相関したスパースベイズ学習(CSSBL)をクラスタリングする新しい故障診断手法を提案する。 提案手法の有効性は,実際の自己体組立システムを用いた数値および実世界のケーススタディによって検証される。 提案手法の一般化により,コミュニケーションや医療システムなど他の領域の故障診断に応用できる。
  論文  参考訳（メタデータ） (2023-10-20T23:56:53Z)
• Automated Semiconductor Defect Inspection in Scanning Electron Microscope Images: a Systematic Review [4.493547775253646]
  機械学習アルゴリズムは、半導体サンプルの欠陥を正確に分類し、特定するために訓練することができる。 畳み込みニューラルネットワークはこの点において特に有用であることが証明されている。 本稿では,SEM画像における半導体欠陥の自動検査の現状について概観する。
  論文  参考訳（メタデータ） (2023-08-16T13:59:43Z)
• On Pitfalls of Test-Time Adaptation [82.8392232222119]
  TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。 TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
  論文  参考訳（メタデータ） (2023-06-06T09:35:29Z)
• SCCAM: Supervised Contrastive Convolutional Attention Mechanism for Ante-hoc Interpretable Fault Diagnosis with Limited Fault Samples [9.648963514691046]
  本稿では,限られた断層サンプルから学習するためのアンテホック解釈性を備えた教師付きコントラッシブ・コンボリューション・アテンション機構(SCCAM)を提案する。 追加検証のためのバランスのとれたシナリオと、限られた障害サンプルを持つ2つのシナリオを含む、3つの一般的な障害診断シナリオがカバーされている。 提案手法は, 断層分類と根本原因解析の最先端手法と比較して, 優れた性能を実現することができる。
  論文  参考訳（メタデータ） (2023-02-03T08:43:55Z)
• The #DNN-Verification Problem: Counting Unsafe Inputs for Deep Neural Networks [94.63547069706459]
  #DNN-Verification問題は、DNNの入力構成の数を数えることによって安全性に反する結果となる。 違反の正確な数を返す新しい手法を提案する。 安全クリティカルなベンチマークのセットに関する実験結果を示す。
  論文  参考訳（メタデータ） (2023-01-17T18:32:01Z)
• Testing randomness of series generated in Bell's experiment [62.997667081978825]
  おもちゃの光ファイバーをベースとしたセットアップを用いてバイナリシリーズを生成し、そのランダム度をVilleの原理に従って評価する。 標準統計指標の電池、ハースト、コルモゴロフ複雑性、最小エントロピー、埋め込みのTakensarity次元、および拡張ディッキー・フラーとクワイアトコフスキー・フィリップス・シュミット・シン(英語版)でテストされ、ステーション指数をチェックする。 Toeplitz 抽出器を不規則級数に適用することにより得られる系列のランダム性のレベルは、非還元原料のレベルと区別できない。
  論文  参考訳（メタデータ） (2022-08-31T17:39:29Z)
• Deep Open-Set Recognition for Silicon Wafer Production Monitoring [7.7977112365916]
  本稿では,サブマニフォールドスパース畳み込みネットワークに基づくウェハ監視のための包括的パイプラインを提案する。 実験により, サブマニフォールドスパース畳み込みによるWDMの直接処理により, 既知のクラスにおいて優れた分類性能が得られることが示された。 我々のソリューションは、新規性の検出において最先端のオープンセット認識ソリューションより優れています。
  論文  参考訳（メタデータ） (2022-08-30T08:39:52Z)
• Towards Evading the Limits of Randomized Smoothing: A Theoretical Analysis [74.85187027051879]
  決定境界を複数の雑音分布で探索することにより,任意の精度で最適な証明を近似できることを示す。 この結果は、分類器固有の認証に関するさらなる研究を後押しし、ランダム化された平滑化が依然として調査に値することを示す。
  論文  参考訳（メタデータ） (2022-06-03T17:48:54Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)

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。