論文の概要: Feature identification for parameter extraction and defect detection using machine learning

• arxiv url: http://arxiv.org/abs/2610.05812v1
• Date: Mon, 05 Oct 2026 05:08:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 04:06:03.088147
• Title: Feature identification for parameter extraction and defect detection using machine learning
• Title（参考訳）: 機械学習を用いたパラメータ抽出と欠陥検出のための特徴同定
• Abstract要約: 3次元構造への移動には、層ごとに大きく異なる構造から臨界次元パラメータを抽出する必要がある。 nmスケールで欠陥を検出するには、HVMファブのスループット要求を満たすために、低解像度でキャプチャされた特徴を特定する必要がある。 MLベースの画像処理手法の出現により、両方のケースにおけるこのアルゴリズム開発プロセスが加速される。
• 参考スコア（独自算出の注目度）: 1.6625521720042127
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Process control of advanced semiconductor nodes is not only pushing the limits of metrology equipment requirements in terms of resolution and throughput but also in terms of the richness of data to be extracted to enable engineers to finetune the process steps for increased yield. The move towards 3D structures requires extraction of critical dimension parameters from structures which can vary largely from layer to layer. For in-line process control, the necessary automation forces the development of layer and equipment-specific dedicated image processing algorithms. Similarly, with the increase in stochastic defects in the EUV era, detection of defects at the nm scale requires the identification of features captured in low resolution to meet the throughput requirements of HVM fabs, which can again lead to custom algorithm development. With the emergence of ML-based image processing methods, this process of algorithm development for both cases can be accelerated. In this work, we provide the general framework under which the images obtained from high-speed scanning probe microscopy-based systems can be used to train a network for either feature detection for parameter extraction or defect identification.
• Abstract（参考訳）: 先進的な半導体ノードのプロセス制御は、分解能とスループットの点でメトロジー機器の要件の限界を押し上げるだけでなく、エンジニアがプロセスステップを微調整して収量を増やすために抽出するデータの豊かさも押し付けている。 3次元構造への移動には、層ごとに大きく異なる構造から臨界次元パラメータを抽出する必要がある。 インラインプロセス制御では、必要な自動化により、レイヤと機器固有の専用画像処理アルゴリズムの開発が強制される。 同様に、EUV時代の確率的欠陥の増加に伴い、nmスケールでの欠陥の検出には、HVMファブのスループット要求を満たすために、低解像度でキャプチャされた特徴の識別が必要である。 MLベースの画像処理手法の出現により、両方のケースにおけるこのアルゴリズム開発プロセスが加速される。 本研究では,高速走査型プローブ顕微鏡システムから得られた画像を用いて,パラメータ抽出や欠陥同定のための特徴検出のためのネットワークのトレーニングを行う。

関連論文リスト

• An Integrated Hardware-Software Design for Low-Data Spatial Defect Detection in Robotic Visual Inspection with Hybrid Optoelectronic Neural Networks [3.2389332471084935]
  本稿では,視覚検査におけるデータ過負荷と非効率な形状レベルのアノテーションに対処するハードウェア・ソフトウェア統合光電子アーキテクチャを提案する。 アノテーション依存を最小限に抑えるために、非イメージングで低データのパラダイムが確立されている。 その結果、従来の画像と比較して、提案アーキテクチャは、データボリュームを90%削減しつつ、同等の精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2026-06-24T01:28:31Z)
• Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
  深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。 本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。 CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-13T08:31:46Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• Towards Improved Semiconductor Defect Inspection for high-NA EUVL based on SEMI-SuperYOLO-NAS [0.9997798039664684]
  本研究の目的は、画像のスケールアップが可能なスケール不変ADCDフレームワークを提案することである。 ベースラインのYOLO-NASアーキテクチャ上に構築されたSEMI-SuperYOLO-NASとして、即興ADCDフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-08T20:51:30Z)
• PRISTA-Net: Deep Iterative Shrinkage Thresholding Network for Coded Diffraction Patterns Phase Retrieval [6.982256124089]
  位相検索は、計算画像および画像処理における非線型逆問題である。 我々は,1次反復しきい値しきい値アルゴリズム(ISTA)に基づく深層展開ネットワークであるPRISTA-Netを開発した。 非線形変換,しきい値,ステップサイズなど,提案するPRISTA-Netフレームワークのパラメータはすべて,設定されるのではなく,エンドツーエンドで学習される。
  論文  参考訳（メタデータ） (2023-09-08T07:37:15Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• One-Stage Deep Edge Detection Based on Dense-Scale Feature Fusion and Pixel-Level Imbalance Learning [5.370848116287344]
  後処理なしで高品質なエッジ画像を生成することができる一段階ニューラルネットワークモデルを提案する。 提案モデルでは、トレーニング済みのニューラルモデルをエンコーダとして使用する古典的なエンコーダデコーダフレームワークを採用している。 本稿では,エッジ画像の画素レベルの不均衡に対処する新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2022-03-17T15:26:00Z)
• Pixel Distillation: A New Knowledge Distillation Scheme for Low-Resolution Image Recognition [124.80263629921498]
  アーキテクチャ制約を同時に破りながら知識蒸留を入力レベルまで拡張するPixel Distillationを提案する。 このようなスキームは、ネットワークアーキテクチャと画像品質の両方をリソースの全体的な要求に応じて調整できるため、展開のための柔軟なコスト制御を実現することができる。
  論文  参考訳（メタデータ） (2021-12-17T14:31:40Z)
• Hierarchical Convolutional Neural Network with Feature Preservation and Autotuned Thresholding for Crack Detection [5.735035463793008]
  ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。 本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。 提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
  論文  参考訳（メタデータ） (2021-04-21T13:07:58Z)

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。