| 1 |
1
프로세서에 의해 연산되는 웨이퍼 검사 방법에 있어서, 복수의 다이(die)를 포함하는 웨이퍼를 제공하고,전기적 다이 분류(EDS: Electrical Die Sorting) 테스트 결과로부터, 상기 복수의 다이의 빈(BIN)값을 각각 결정하고,제1 다이(die)의 빈(BIN) 값과, 상기 제1 다이와 근접한 제2 다이의 빈(BIN) 값을 포함하는 컨텍스트 행렬(context matrix)을 생성하고,상기 컨텍스트 행렬을 뉴럴 네트워크(neural network) 기반의 학습에 이용하여, 가중 입력 행렬(weight input matrix)과 가중 출력 행렬(weight ouput matrix)를 생성하고,상기 가중 입력 행렬을 이용하여, 상기 복수의 다이의 빈(BIN) 값을 3차원 벡터로 사상(embedding)하고,상기 3차원 벡터를 3차원 RGB 공간으로 매핑(mapping)하여, 상기 복수의 다이의 빈(BIN)값에 대해 컬러를 할당하는 것을 포함하는 웨이퍼 검사 방법
|
| 2 |
2
제 1항에 있어서,상기 복수의 다이의 빈(BIN)값에 할당된 컬러를 이용하여, RGB 빈(BIN) 맵을 생성하는 것을 더 포함하는 웨이퍼 검사 방법
|
| 3 |
3
제 1항에 있어서,상기 3차원 RGB 공간으로 매핑하는 것은상기 3차원 벡터를 주성분 분석(PCA: Principal Component Analysis)을 이용하여 회전 변환을 수행하고,상기 회전 변환된 3차원 벡터를 정규화(normalization)하는 것을 포함하는 웨이퍼 검사 방법
|
| 4 |
4
제 1항에 있어서,상기 가중 입력 행렬과 상기 가중 출력 행렬을 생성하는 것은,입력 벡터를 원시 가중 입력 행렬(primitive weight input matrix)과 곱 연산하고, 상기 곱 연산의 결과를 원시 가중 출력 행렬(primitive weight ouput matrix)과 곱 연산하여 출력 벡터를 생성하고,상기 출력 벡터를 소프트맥스 함수(softmax function)를 이용하여, 상기 제2 다이의 빈(BIN) 값이 상기 제1 다이의 빈(BIN) 값에 근접하여 위치할 확률을 계산하고, 상기 확률과 상기 제2 다이의 빈(BIN) 값을 비교하여 에러(error)를 계산하고,확률적 경사 하강법(SGD: Stochastic Gradient Descent)을 이용하여 상기 에러를 감소시킴으로써, 상기 원시 가중 입력 행렬 및 상기 원시 가중 출력 행렬을 최적화하는 것을 포함하는 웨이퍼 검사 방법
|
| 5 |
5
제 4항에 있어서,상기 입력 벡터는 상기 제1 다이의 빈(BIN) 값을 one-hot encoding한 벡터이고,상기 확률과 상기 제2 다이의 빈(BIN) 값을 one-hot encoding한 벡터와 비교하는 웨이퍼 검사 방법
|
| 6 |
6
제 1항에 있어서,상기 컨텍스트 행렬은 (2n+1)×(2n+1) 행렬(단, n은 자연수)인 웨이퍼 검사 방법
|
| 7 |
7
프로세서에 의해 연산되는 웨이퍼 검사 방법에 있어서, RGB 빈(BIN) 맵에 대한 사용자 로그를 제공하고,콘볼루션 뉴럴 네트워크(CNN: convolutional neural network)을 이용하여 상기 RGB 빈(BIN) 맵을 분류하는 것을 포함하되,상기 빈(BIN) 맵은 각각의 빈(BIN) 값에 할당된 컬러를 이용하여 생성되고,상기 각각의 빈(BIN) 값에 컬러를 할당하는 것은,복수의 다이(die)를 포함하는 웨이퍼를 제공하고,전기적 다이 분류(EDS, Electrical Die Sorting) 테스트 결과로부터, 상기 복수의 다이의 빈(BIN)값을 각각 결정하고,제1 다이(die)의 빈(BIN) 값과, 상기 제1 다이와 근접한 제2 다이의 빈(BIN) 값을 포함하는 컨텍스트 행렬(context matrix)을 생성하고,상기 컨텍스트 행렬을 뉴럴 네트워크(neural network) 기반의 학습에 이용하여, 가중 입력 행렬(weight input matrix)과 가중 출력 행렬(weight ouput matrix)를 생성하고,상기 가중 입력 행렬을 이용하여, 상기 복수의 다이의 빈(BIN) 값을 3차원 벡터로 사상(embedding)하고,상기 3차원 벡터를 3차원 RGB 공간으로 매핑(mapping)하여, 상기 복수의 다이의 빈(BIN)값에 대해 컬러를 할당하는 것을 포함하는 웨이퍼 검사 방법
|
| 8 |
8
제 7항에 있어서,상기 3차원 RGB 공간으로 매핑하는 것은,상기 3차원 벡터를 주성분 분석(PCA: Principal Component Analysis)을 이용하여 회전 변환을 수행하고,상기 회전 변환된 3차원 벡터를 정규화(normalization)하는 것을 포함하는 웨이퍼 검사 방법
|
| 9 |
9
제 7항에 있어서,상기 가중 입력 행렬과 상기 가중 출력 행렬을 생성하는 것은,입력 벡터를 원시 가중 입력 행렬(primitive weight input matrix)과 곱 연산하고, 상기 곱 연산의 결과를 원시 가중 출력 행렬(primitive weight ouput matrix)과 곱 연산하여 출력 벡터를 생성하고,상기 출력 벡터를 소프트맥스 함수(softmax function)를 이용하여, 상기 제2 다이의 빈(BIN) 값이 상기 제1 다이의 빈(BIN) 값에 근접하여 위치할 확률을 계산하고, 상기 확률과 상기 제2 다이의 빈(BIN) 값을 비교하여 에러(error)를 계산하고,확률적 경사 하강법(SGD: Stochastic Gradient Descent)을 이용하여 상기 에러를 감소시킴으로써, 상기 원시 가중 입력 행렬 및 상기 원시 가중 출력 행렬을 최적화하는 것을 포함하는 웨이퍼 검사 방법
|
| 10 |
10
반도체 장비에 베어 웨이퍼(bare wafer)를 제공하고, 전공정(front end process)을 수행하여, 상기 베어 웨이퍼에 반도체 재료를 형성하고,상기 반도체 재료가 증착된 웨이퍼의 검사를 통해, 상기 반도체 재료가 증착된 웨이퍼가 양품인지 여부를 판별하고,상기 양품으로 판별된 웨이퍼를 이용하여 후공정(post end process)을 수행하여 반도체 칩을 제조하는 것을 포함하되,상기 반도체 재료가 증착된 웨이퍼의 검사는,복수의 다이(die)를 포함하는 웨이퍼를 제공하고,전기적 다이 분류(EDS: Electrical Die Sorting) 테스트 결과로부터, 상기 복수의 다이의 빈(BIN)값을 각각 결정하고,제1 다이(die)의 빈(BIN) 값과, 상기 제1 다이와 근접한 제2 다이의 빈(BIN) 값을 포함하는 컨텍스트 행렬(context matrix)을 생성하고,상기 컨텍스트 행렬을 뉴럴 네트워크(neural network) 기반의 학습에 이용하여, 가중 입력 행렬(weight input matrix)과 가중 출력 행렬(weight ouput matrix)를 생성하고,상기 가중 입력 행렬을 이용하여, 상기 복수의 다이의 빈(BIN) 값을 3차원 벡터로 사상(embedding)하고,상기 3차원 벡터를 3차원 RGB 공간으로 매핑(mapping)하여, 상기 복수의 다이의 빈(BIN)값에 대해 컬러를 할당하는 것을 포함하는 반도체 장치 제조 방법
|
