晶圆缺陷数据的建模与仿真

以晶圆缺陷数据为例,提出针对空间离散数据的层级IGMRF模型。为了研究晶圆数据的空间分布和空间结构对空间信息的影响,建立了一阶IGMRF模型和二阶IGMRF模型,同时引入了3种空间距离。利用贝叶斯推断结合层级模型中参数的先验分布推导模型参数的后验分布。通过MCMC算法循环迭代生成目标参数的后验分布值。借助DIC指标,说明层级IGMRF模型能够很好的模拟晶圆缺陷数据的分布特征。而且针对晶圆缺陷数据分布的稀疏程度,可以调整模型从而得到更好的拟合效果。

基于广义线性模型的晶圆缺陷数据建模及仿真

晶圆缺陷数据是具有相邻空间关系的二维空间离散数据,通常会表现出一定的空间相关性。为了研究这类数据的空间分布和空间结构对空间信息的影响,以具体晶圆缺陷数据为例,基于泊松分布建立广义线性混合模型,并对空间相关项的协方差进行3种不同的空间建模,利用蒙特卡洛牛顿拉弗森算法进行估参,其中引用Metropolis-Hastings算法对空间相关项进行抽样。借助AIC指标,说明广义线性混合模型能够很好地模拟晶圆缺陷数据的分布特征,而且针对晶圆缺陷数据分布的稀疏程度,可调整模型从而得到更好的拟合效果。

数据驱动的晶圆图缺陷模式识别方法

针对晶圆生产过程中晶圆图数据角度与维度多样性和数量不平衡的特点,提出了基于对抗生成网络的晶圆图缺陷模式识别方法。设计了Radon变换,实现了数据多角度的统一;采用重采样机制实现数据多维度的缩放,得到了标准晶圆缺陷数据。提出了基于对抗生成网络的晶圆缺陷分类方法,利用生成机制平衡各缺陷模式的样本数量,以提升缺陷模式识别精度。试验结果表明,该方法可大幅提升少类样本的识别精度,且在整体识别率上远优于支持向量机和Adaboost算法。