核心概念
高NA EUVLの低深度焦点に起因する信号検出の課題に対し、SEMI-SuperYOLO-NASアーキテクチャを提案し、低解像度画像からの高精度な欠陥検出を実現する。
要約
本研究では、高NA EUVLの低深度焦点に起因する信号検出の課題に取り組むため、SEMI-SuperYOLO-NASアーキテクチャを提案した。
- 提案アーキテクチャは、YOLO-NASベースの物体検出モデルにスーパーレゾリューション(SR)支援ブランチを統合することで、低解像度画像からの高解像度特徴学習を可能にする。
- これにより、様々な解像度の画像に対して明示的な学習を行うことなく、欠陥検査を実行できる。
- また、データ拡張手法を改善し、多様で現実的なトレーニングデータセットを生成することで、モデルの性能と頑健性を向上させた。
- 2つの実際のFABデータセットを用いて提案手法を評価し、従来手法に比べて優れた性能を示した。
- さらに、訓練データとは異なる条件の新しいデータセットに対しても、ゼロショット推論が可能であることを実証した。
統計
CD-SEMの撮像時間は画像解像度に比例して増加する。
薄膜レジストと新しいアンダーレイヤー/ハードマスクの組み合わせでは、信号対雑音比(SNR)が低下する。
引用
高NA EUVLの低深度焦点は、レジスト材料供給業者にレジスト薄膜化やアンダーレイヤー/ハードマスクの新規採用を迫っている。
手動による nano-scale欠陥の分類には時間と労力がかかり、その頑健性と一般化性も疑問視されている。