1 |
1
반도체 웨이퍼 상에 형성된 회로 패턴을 주사형 전자 현미경을 이용하여 화상화한 제 1 이미지 및 상기 반도체 웨이퍼 상의 상기 회로 패턴을 구현하기 위한 마스크의 레이아웃 이미지를 화상화한 제 2 이미지를 수신하고, 상기 제 1 이미지 및 상기 제 2 이미지를 결합하여 결합 이미지를 생성하는 테스트 장비; 및상기 테스트 장비와 통신 가능하고, 상기 반도체 웨이퍼 상에 형성된 회로 패턴에 대한 결함을 추론하는 적어도 하나의 컴퓨팅 장치를 포함하되,상기 컴퓨팅 장치는:상기 결합 이미지를 수신하고,상기 결합 이미지에 기반하여 상기 결함을 추론하기 위한 기계 학습을 수행하고,상기 기계 학습에 기반하여 상기 결함 정보를 포함하는 출력 이미지를 생성하는 웨이퍼 결함 추론 시스템
|
2 |
2
제 1 항에 있어서,상기 기계 학습은 생성적 적대 신경망(Generative Adversarial Network, GAN)에 기반하여 수행되는 웨이퍼 결함 추론 시스템
|
3 |
3
제 1 항에 있어서,상기 기계 학습은 조건부 생성적 적대 신경망(Conditional Generative Adversarial Network, CGAN)에 기반하여 수행되는 웨이퍼 결함 추론 시스템
|
4 |
4
제 1 항에 있어서,상기 테스트 장비는 상기 제 1 이미지 및 상기 제 2 이미지를 패턴 축을 중심으로 정렬하고, 상기 제 1 이미지 및 상기 제 2 이미지를 결합하여 상기 결합 이미지를 생성하는 웨이퍼 결함 추론 시스템
|
5 |
5
제 1 항에 있어서,상기 컴퓨팅 장치는:상기 기계 학습을 수행하고, 상기 결함을 추론하고, 상기 출력 이미지를 생성하는 적어도 하나의 뉴로모픽 프로세서;상기 뉴로모픽 프로세서를 제어하는 프로세서;상기 뉴로모픽 프로세서의 동작 메모리로 이용되는 랜덤 액세스 메모리(Random Access Memory, RAM); 및상기 프로세서에 의하여 생성된 데이터를 저장하는 스토리지를 포함하는 웨이퍼 결함 추론 시스템
|
6 |
6
제 1 항에 있어서,상기 컴퓨팅 장치는 세그멘테이션 모델(segmentation model)
|
7 |
7
제 1 항에 있어서,상기 결함 정보는 결함의 위치, 결함의 크기, 결함의 색깔 및 결함의 종류 중 적어도 하나를 포함하는 웨이퍼 결함 추론 시스템
|
8 |
8
반도체 웨이퍼 상에 형성된 회로 패턴에 발생한 결함을 추론하는 장치의 동작 방법에 있어서:상기 반도체 웨이퍼 상에 형성된 상기 회로 패턴을 주사형 전자 현미경을 이용하여 화상화한 제 1 이미지 및 상기 반도체 웨이퍼 상의 상기 회로 패턴을 구현하기 위한 마스크의 레이아웃 이미지를 화상화한 제 2 이미지를 수신하는 단계;상기 제 1 이미지 및 상기 제 2 이미지를 결합하여 결합 이미지를 생성하는 단계;상기 장치의 기계 학습 동작에 기반하여, 상기 결합 이미지로부터 결함 정보를 포함하는 출력 이미지를 생성하는 단계; 및상기 출력 이미지를 출력하는 단계를 포함하는 동작 방법
|
9 |
9
제 8 항에 있어서,상기 기계 학습은:입력되는 이미지에 대한 진위 여부를 판단하기 위하여 판별망에 의하여 수행되는 제 1 기계 학습; 및상기 판별망으로부터 진짜로 판별되는 가짜 결합 이미지를 생성하기 위하여 생성망에 의하여 수행되는 제 2 기계 학습을 포함하는 동작 방법
|
10 |
10
프로세서에 의하여 실행 가능한 이미지 생성 모델을 포함하는 프로그램 코드를 저장하는 비일시적 컴퓨터 판독가능 매체에 있어서, 상기 프로세서에 의해 실행된 때에 상기 코드는 다음의 동작들을 유발하고,상기 다음의 동작들은:반도체 웨이퍼 상에 형성된 회로 패턴을 주사형 전자 현미경을 이용하여 화상화한 제 1 이미지 및 상기 반도체 웨이퍼 상의 상기 회로 패턴을 구현하기 위한 마스크의 레이아웃 이미지를 화상화한 제 2 이미지를 수신하고;상기 제 1 이미지 및 상기 제 2 이미지를 결합하여 결합 이미지를 생성하고; 그리고기계 학습에 기반하여 상기 결합 이미지로부터 상기 반도체 웨이퍼 상에 형성된 상기 회로 패턴의 결함 정보를 포함하는 출력 이미지를 생성하는 것을 포함하는 비일시적 컴퓨터 판독가능 매체
|