公开(公告)号：CN112219270A

公开(公告)日：2021-01-12

申请号：CN201980037055.0

申请日：2019-06-04

Applicant: 科磊股份有限公司

Inventor： 张晶 ,  董宇杰 ,  B·达菲 ,  R·威灵福德 ,  M·达伊诺 ,  K·巴哈斯卡尔

IPC: H01L21/67 ,  H01L21/66 ,  G03F7/20

Abstract: 本发明提供用于执行用于缺陷分类器的主动学习的方法及系统。一种系统包含经配置用于执行用于训练缺陷分类器的主动学习的一或多个计算机子系统。所述主动学习包含将采集函数应用于样品的数据点。所述采集函数基于与所述数据点相关联的不确定性估计而选择所述数据点中的一或多者。所述主动学习还包含获取所选择的所述一或多个数据点的标记及生成包含所选择的所述一或多个数据点及所获取的所述标记的标记数据集。所述计算机子系统还经配置用于使用所述标记数据集来训练所述缺陷分类器。所述缺陷分类器经配置用于使用由成像子系统生成的图像对所述样品上检测到的缺陷进行分类。

公开(公告)号：CN117561520A

公开(公告)日：2024-02-13

申请号：CN202280045065.0

申请日：2022-10-25

Applicant: 科磊股份有限公司

Inventor： R·塞阿加拉简 ,  张晶 ,  董宇杰 ,  K·巴哈斯卡尔

IPC: G06N3/096 ,  G06N3/09

Abstract: 本发明提供用于确定样品的信息的方法及系统。一种系统包含计算机子系统及由所述计算机子系统执行的一或多个组件，所述一或多个组件包含经配置以用于基于利用成像子系统的学习模式由样品产生的输出而确定所述样品的信息的多个深度学习(DL)模型。所述一或多个组件还包含经配置以用于组合由所述多个DL模型产生的输出的知识蒸馏组件。另外，所述一或多个组件包含经配置以用于基于利用所述成像子系统的运行时间模式针对所述样品或额外样品产生的输出而确定所述样品或所述额外样品的信息的最终知识蒸馏DL模型。在所述最终KD DL模型确定所述信息之前，所述知识蒸馏组件经配置以用于使用所述经组合输出对所述最终知识蒸馏DL模型进行监督式训练。

公开(公告)号：CN115516293A

公开(公告)日：2022-12-23

申请号：CN202180032403.2

申请日：2021-05-17

Applicant: 科磊股份有限公司

Inventor： 张晶 ,  董宇杰 ,  V·巴蒂亚 ,  P·麦克布赖德 ,  K·巴哈斯卡尔 ,  B·达菲

IPC: G01N21/88 ,  G01N21/95 ,  H01L21/66 ,  G06T7/00 ,  G06N3/08

Abstract: 一种系统可经配置用于联合缺陷发现及光学模式选择。在缺陷发现步骤期间检测缺陷。将所发现缺陷累积到模式选择数据集中。使用所述模式选择数据集来执行模式选择以确定模式组合。接着，可使用所述模式组合来训练所述缺陷检测模型。接着，可通过所述缺陷检测模型来检测额外缺陷。接着，可将所述额外缺陷提供到所述模式选择数据集，以进一步执行模式选择且训练所述缺陷检测模型。接着，可确定一或多个运行时间模式。所述系统可经配置用于图像像素级的模式选择及缺陷检测。

公开(公告)号：CN112219270B

公开(公告)日：2021-09-14

申请号：CN201980037055.0

申请日：2019-06-04

Applicant: 科磊股份有限公司

Inventor： 张晶 ,  董宇杰 ,  B·达菲 ,  R·威灵福德 ,  M·达伊诺 ,  K·巴哈斯卡尔

IPC: H01L21/67 ,  H01L21/66 ,  G03F7/20

Abstract: 本发明提供用于执行用于缺陷分类器的主动学习的方法及系统。一种系统包含经配置用于执行用于训练缺陷分类器的主动学习的一或多个计算机子系统。所述主动学习包含将采集函数应用于样品的数据点。所述采集函数基于与所述数据点相关联的不确定性估计而选择所述数据点中的一或多者。所述主动学习还包含获取所选择的所述一或多个数据点的标记及生成包含所选择的所述一或多个数据点及所获取的所述标记的标记数据集。所述计算机子系统还经配置用于使用所述标记数据集来训练所述缺陷分类器。所述缺陷分类器经配置用于使用由成像子系统生成的图像对所述样品上检测到的缺陷进行分类。

公开(公告)号：CN117561539A

公开(公告)日：2024-02-13

申请号：CN202280043897.9

申请日：2022-10-03

Applicant: 科磊股份有限公司

Inventor： 张晶 ,  R·塞阿加拉简 ,  董宇杰 ,  J·强·宋 ,  K·巴哈斯卡尔

IPC: G06T7/00

Abstract: 提供用于确定样品的信息的方法及系统。一种系统包含计算机子系统及由所述计算机子系统执行的一或多个组件，所述一或多个组件包含在无经标记数据的情况下(例如，以无监督或自我监督方式)进行训练且经配置以从包含至少一样品图像或从所述样品图像产生的数据的一或多个输入产生样品的参考的深度学习(DL)模型。所述计算机子系统经配置用于从所述参考及至少所述样品图像或从所述样品图像产生的所述数据确定所述样品的信息。

公开(公告)号：CN113678236A

公开(公告)日：2021-11-19

申请号：CN202080027481.9

申请日：2020-04-07

Applicant: 科磊股份有限公司

Inventor： 张晶 ,  袁周宁 ,  董宇杰 ,  K·巴哈斯卡尔

IPC: H01L21/66

Abstract: 本发明提供用于半导体应用的可学习缺陷检测方法及系统。一种系统包含深度度量学习缺陷检测模型，其经配置以用于将样品的测试图像及对应参考图像投影到潜在空间中，确定在所述潜在空间中所述测试图像的一或多个不同部分与所述对应参考图像的对应部分之间的距离，及基于所述经确定距离而检测所述测试图像的所述一或多个不同部分中的缺陷。另一系统包含可学习低秩参考图像产生器，其经配置以用于从样品的一或多个测试图像移除噪声，借此产生对应于所述一或多个测试图像的一或多个参考图像。