本公开涉及检测缺陷的方法、系统以及计算机可读介质,特别涉及高精度地检测在概率上非常稀少地产生的微细的图案缺陷的产生的方法、系统以及计算机可读介质。
背景技术:
1、已知使用自动编码器来检测图像内所包含的缺陷的技术。在专利文献1中公开了在输入层和输出层使用相同的数据使3层神经网络进行监督学习的自动编码器,说明了在施加于输入层的学习数据中加入噪声成分进行学习。在专利文献2中,说明了将原始图像分割为小区域的网格,针对每个该小区域使用自动编码器进行模型学习,利用由该模型学习生成的检查模型,针对作为检查对象而分割的每个图像数据进行异常检测处理,以小区域为单位确定异常部位。另外,在使用了基于神经网络等的机器学习的图像分类中,使用切出1张图像的局部并进行各种不同的加工而生成的多个图像来进行学习的技术作为图像(image)(或者数据:data)增强(augmentation)通常是已知的。
2、现有技术文献
3、专利文献
4、专利文献1:日本特开2018-205163号公报(对应美国专利公开公报us 2020/0111217)
5、专利文献2:wo2020-031984
技术实现思路
1、发明所要解决的课题
2、在专利文献1、专利文献2中说明了以小区域为单位生成推定模型,使用该模型在各个小区域进行异常检测。这样的方法在图像内所包含的图案(几何学形状)为比较简单的形状的情况下是有效的。
3、然而,在如构成半导体器件的图案那样每单位面积的边缘数(边的数量)庞大并且由该边缘形成的几何学形状的数量也变得庞大的样品的情况下,若增大小区域的大小,则复杂形状的组合的变化的数量也变得庞大,因此难以形成适当的模型。另一方面,在以小区域所包含的图案形状变为简单的程度而减小小区域的大小的情况下,模型的数量变得庞大,因此难以准备模型。另外,难以判别应用哪个模型。
4、以下,对以即使如半导体器件那样包含多个图案的样品,也进行基于适当的模型的参照图像生成和使用该参照图像的缺陷检查为目的的方法、系统以及计算机可读介质进行说明。
5、用于解决课题的手段
6、作为用于实现上述目的的一个方式,提供一种用于检测半导体晶片上的缺陷的系统、方法、计算机可读介质,该系统等具备确定接收到的输入图像中包含的缺陷的一个以上的计算机系统,所述一个以上的计算机系统具备学习器,该学习器具备通过输入学习用图像中包含的不同位置的多个图像而预先实施了学习的自动编码器,所述一个以上的计算机系统对所述输入图像进行分割,并输入到所述自动编码器,将从该自动编码器输出的输出图像与所述输入图像进行比较。
7、发明效果
8、根据上述结构,能够在不利用设计数据的情况下短时间且简便地进行任意设计形状的复杂的电路图案的缺陷检测。
1.一种构成为检测半导体晶片上的缺陷的系统,其特征在于,
2.根据权利要求1所述的系统,其特征在于,
3.根据权利要求1所述的系统,其特征在于,
4.根据权利要求1所述的系统,其特征在于,
5.根据权利要求1所述的系统,其特征在于,
6.根据权利要求1所述的系统,其特征在于,
7.根据权利要求6所述的系统,其特征在于,
8.根据权利要求6所述的系统,其特征在于,
9.一种非临时性计算机可读介质,其存储能够在计算机系统上执行的程序命令,该程序命令用于执行检测半导体晶片上的缺陷的计算机安装方法,其特征在于,
10.一种处理基于向半导体晶片照射射束而得到的图像信号的系统,其特征在于,
11.根据权利要求10所述的系统,其特征在于,
12.根据权利要求11所述的系统,其特征在于,
13.根据权利要求11所述的系统,其特征在于,
14.根据权利要求10所述的系统,其特征在于,
15.根据权利要求10所述的系统,其特征在于,