技術名稱 | 黃光微影覆蓋量測之抽樣與預測及增量學習模型之應用 | ||
---|---|---|---|
計畫單位 | 國立清華大學 | ||
計畫主持人 | 廖崇碩 | ||
技術簡介 | 透過「微影覆蓋誤差量測的抽樣與預測」技術,降低誤差量測的成本與時間,以提高製程效率。經由分群技術與機增量學習模型演算法找出關鍵量測點,建立黃光覆蓋誤差量測點的減點演算法,並可因應產品客製化要求、晶圓種類繁複與樣本資料量測量少的問題,動態增量學習不同資料特徵,以達優化減點與降低成本之目標。 |
||
科學突破性 | 由於實務上缺乏大量完整的各產品晶圓量測資料,我們利用分群技術結合增量學習符合客製化需求。開發動態分群演算法,使其針對不同型態屬性的資料自動給予適當分群數,並利用少量樣本資料逐步建立訓練模型,以擷取各分群中代表性的量測點,預測晶圓曝光補償。本技術在主要的績效標準方面都優於業界採用之商業軟體10以上。 |
||
產業應用性 | 目前因應合作廠商需求開發量測減點演算法,利用動態分群方法分析微影覆蓋誤差的共同特徵,並透過增量學習模型擷取代表性的量測點,以外推預測整片晶圓之實際曝光情況。我們也將該量測技術延伸至Wafer Probe測試階段,達成在測試製程階段降低量測成本之目標,並協助提升台灣半導體產業鏈之尖端技術與國際競爭力。 |
||
媒合需求 | 天使投資人、策略合作夥伴 |
||
關鍵字 | 黃光微影 微影覆蓋誤差 微影覆蓋補償 抽樣預測 減點演算法 增量學習 動態分群演算法 外推 高階模型 非監督式學習 |