基于生成对抗网络的晶圆扫描电镜图像生成研究

发布时间：2021-09-16 18:34

　　随着摩尔定律的不断推进,集成电路的特征尺寸在不断缩小。当工艺节点小于100nm时,现有的光刻技术会明显受到光学邻近效应、刻线边缘粗糙度等因素的影响,使掩模版图案与转移到光刻胶上的图形有较大差异。这些偏差有可能会引起晶圆中存在缺陷。为保证晶圆制造的良率,通常采用一些方法对光刻后的扫描电镜（Scanning Electron Microscope,SEM）图像做分析,找出晶圆表面的缺陷。然而,获得大量实际的SEM图像并不简单,用于验证和比较的真实数据集非常有限。因此现有的晶圆缺陷检测算法很多都是基于模拟晶圆数据进行测试的。本文根据某晶圆厂的实际需求,尝试使用其提供的先进工艺SEM图像以及电路版图,生成更多有效的SEM图像。在后续流程中,研究人员可以直接使用这些图像,也可以对其稍加修改后使用。具体内容如下:1)提出了一种基于pix2pix网络的深度学习方法来生成晶圆SEM图像。首先,结合晶圆厂提供的SEM图像特征,设计了一种模式识别算法,用于从芯片版图中搜索一组SEM图像的多边形图案。其次,利用收集到的版图-SEM图数据集,训练生成对抗网络模型。实验表明,该方法合成的图像可以较好地模拟出SE... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

历年全球半导体销售总额

晶圆缺陷示例图

图1.5位于接触孔和多晶硅栅极上的针孔缺陷图[8]

【参考文献】：
期刊论文
[1]基于局部与非局部线性判别分析和高斯混合模型动态集成的晶圆表面缺陷探测与识别[J]. 余建波,卢笑蕾,宗卫周.  自动化学报. 2016(01)

博士论文
[1]亚波长光刻条件下集成电路可制造性设计与验证技术研究[D]. 史峥.浙江大学 2005



本文编号：3397082