X

通過機器學習啟用散射法的非選擇性SIGE結節缺陷的在線表征

撰寫者:Dexin Kong,Robin Chao,Mary Breton,Chi-Chun Liu,Gangadhara Raja Muthinti,Soon-Cheon Seo,Nicolas J. Loubet,Pietro Montanini,John Gaudiello,John Gaudiello,Veeraraghavan Basker,Aron Cepler,Aron Cepler,Susan ng-ng-emansbach,Mattheb,Matthew,Matthew,Matthew,Matthew,Matthew,Matthew,Itzik Kaplan,Gilad Barak,Daniel Schmidt,Julien Frougier |SPIE 2018,2018年2月1日

抽象的
隨著設備縮放的繼續,與結節的形式相關的與非外皮sige成核有關的缺陷正在變成
更多問題。這些是在源/流量外延生長過程中產生的,難以控製,
措施。在這項工作中,基於散射法和機器學習的新方法是準確和
全麵測量SIGE結節。將基於散射測量的缺陷測量結果與上迪進行比較
掃描電子顯微鏡(SEM),橫截麵SEM和透射電子顯微鏡(TEM)。與
基於散射法的缺陷測量計量學的進步,我們證明了如此快,定量和
SIGE結節缺陷的全麵測量可用於改善計量吞吐量和設備的產量。
關鍵字:散射法,大門周圍,結節,機器學習

Baidu
map