受SCIE期刊International Journal of Extreme Manufacturing（極端制造）編輯部邀請(qǐng)，機(jī)械學(xué)院劉世元教授團(tuán)隊(duì)于4月21日在該刊上發(fā)表了“Optical wafer defect inspection at the 10 nm technology node and beyond（10nm及以下技術(shù)節(jié)點(diǎn)晶圓缺陷光學(xué)檢測(cè)）”的綜述文章，對(duì)過(guò)去十年中與光學(xué)晶圓缺陷檢測(cè)技術(shù)有關(guān)的新興研究?jī)?nèi)容進(jìn)行了全面回顧。機(jī)械學(xué)院研究員朱金龍、博士后劉佳敏為該文共同第一作者，劉世元、朱金龍為共同通訊作者。 #iot.alNA  
ul',!js?  
隨著智能終端、無(wú)線通信與網(wǎng)絡(luò)基礎(chǔ)設(shè)施、智能駕駛、云計(jì)算、智慧醫(yī)療等產(chǎn)業(yè)的蓬勃發(fā)展，先進(jìn)集成電路的關(guān)鍵尺寸進(jìn)一步微縮至亞10nm尺度，圖形化晶圓上制造缺陷（包括隨機(jī)缺陷與系統(tǒng)缺陷）的識(shí)別、定位和分類變得越來(lái)越具有挑戰(zhàn)性。傳統(tǒng)明場(chǎng)檢測(cè)方法雖然是當(dāng)前晶圓缺陷檢測(cè)的主流技術(shù)，但該方法受制于光學(xué)成像分辨率極限和弱散射信號(hào)捕獲能力極限而變得難以為繼，因此亟需探索具有更高成像分辨率和更強(qiáng)缺陷散射信號(hào)捕獲性能的缺陷檢測(cè)新方法。 G'>z~I]6S  
/{~cUB,Um  
晶圓缺陷光學(xué)檢測(cè)方法的最新進(jìn)展包含三個(gè)方面：缺陷可檢測(cè)性評(píng)估、光學(xué)缺陷檢測(cè)方法、后處理算法。缺陷可檢測(cè)性評(píng)估包含兩個(gè)方面：材料對(duì)缺陷可檢測(cè)性的影響、晶圓缺陷拓?fù)湫蚊矊?duì)缺陷可檢測(cè)性的影響。多樣化的光學(xué)缺陷檢測(cè)方法：晶圓缺陷光學(xué)檢測(cè)系統(tǒng)可根據(jù)實(shí)際使用的光學(xué)檢測(cè)量進(jìn)行分類，下圖展示了該綜述研究所總結(jié)的代表性晶圓缺陷檢測(cè)新方法，具體可劃分為明/暗場(chǎng)成像、暗場(chǎng)成像與橢偏協(xié)同檢測(cè)、離焦掃描成像、外延衍射相位顯微成像、X射線疊層衍射成像、太赫茲波成像缺陷檢測(cè)、軌道角動(dòng)量光學(xué)顯微成像。后處理算法：根據(jù)原始檢測(cè)圖像來(lái)識(shí)別和定位各類缺陷，關(guān)鍵在于確保后處理圖像（例如差分圖像）中含缺陷區(qū)域的信號(hào)強(qiáng)度應(yīng)明顯大于預(yù)定義的閾值，基于深度學(xué)習(xí)的缺陷檢測(cè)方法的實(shí)施流程非常簡(jiǎn)單，首先，捕獲足夠的電子束檢測(cè)圖像或晶圓光學(xué)檢測(cè)圖像（模擬圖像或?qū)嶒?yàn)圖像均可）；其次，訓(xùn)練特定的神經(jīng)網(wǎng)絡(luò)模型，從而實(shí)現(xiàn)從檢測(cè)圖像中提取有用特征信息的功能；最后，用小樣本集測(cè)試訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)表征神經(jīng)網(wǎng)絡(luò)置信水平的預(yù)定義成本函數(shù)決定是否應(yīng)該重復(fù)訓(xùn)練。