[发明专利]用于分类半导体缺陷的半导体缺陷分类设备、方法及系统

说明书

一种半导体缺陷分类设备包括：特征提取器，被配置为接收晶片上的半导体图案的图像并从图像中提取该图像的特征；以及分类器，被配置为接收该图像的特征和与晶片相关的第一元信息，并使用机器学习来基于该图像的特征和第一元信息对与图像相关联的半导体图案的缺陷进行分类。

相关申请的交叉引用

本申请要求于2017年12月19日在韩国知识产权局递交的韩国专利申请No.10-2017-0174886的优先权，其全部内容通过引用合并在此。

技术领域

本文所描述的发明构思的实施例涉及半导体器件，并且更具体地涉及半导体缺陷分类设备、半导体缺陷分类方法和半导体缺陷分类系统。

背景技术

通过各种工艺制造半导体器件。随着用于设计半导体器件的技术的发展，用于制造半导体器件的工艺的数量可能增大，并且每个工艺的复杂性可能增加。随着工艺的数量和复杂性的增加，在制造半导体器件的过程中可能出现各种缺陷。

可以检测半导体缺陷以意图校正半导体缺陷的起因。用于检测半导体缺陷的方法之一是视觉方法。根据视觉方法，基于半导体器件的一个或多个图像对半导体缺陷进行分类。

通常，半导体制造过程的管理者可以使用视觉方法手动地对半导体缺陷进行分类。但是，管理者对缺陷进行分类的准确度或可靠性可能随着管理者识别缺陷的技能而变化。此外，由于管理者的累积疲劳，可能存在与视觉方法相关联的时间限制。

发明内容

本发明构思的实施例提供用于在制造半导体器件的过程中无需依赖人工缺陷评估而对半导体缺陷进行分类的半导体缺陷分类设备、半导体缺陷分类方法和半导体缺陷分类系统。

根据示例实施例，半导体缺陷分类设备包括：特征提取器，被配置为接收晶片上的半导体图案的图像，并从该图像中提取图像的特征；以及分类器，被配置为接收图像的特征和与晶片相关的第一元信息，并且使用机器学习来基于图像的特征和第一元信息对与图像相关联的半导体图案的缺陷进行分类。

根据示例实施例，一种对半导体缺陷进行分类的方法包括：接收晶片上的半导体图案的图像；从图像中提取图像的特征；接收与图像相关联的元信息；以及使用机器学习，基于特征和元信息来对半导体图图案的缺陷进行分类。

根据示例实施例，半导体缺陷分类系统包括：制造设备，被配置为在晶片中生成半导体图案；成像设备，被配置为生成半导体图案的图像；半导体缺陷分类设备，被配置为使用机器学习来对由成像设备生成的图像执行缺陷分类，以对半导体图案的缺陷进行分类。

附图说明

通过参照附图详细描述本发明构思的示例实施例，本发明构思的上述和其他目的和特征将变得显而易见。

图1是示出了根据本发明构思的第一实施例的半导体缺陷分类系统的框图。

图2是示出了根据本发明构思的一些实施例的半导体缺陷分类设备的操作方法的流程图。

图3是示出了根据本发明构思的一些实施例的分类设备的示例的框图。

图4示出了根据本发明构思的一些实施例的通过卷积神经网络的多个层来提取图像之一的特征的示例。

图5进一步示出了根据本发明构思的一些实施例的通过卷积神经网络的多个层来提取图像之一的特征的示例。

图6示出了根据本发明构思的一些实施例的分类器通过使用基于机器学习的决策树来执行缺陷分类的示例。

图7示出了根据本发明构思的一些实施例的分类器通过使用基于机器学习的神经网络来执行缺陷分类的示例。

图8示出了根据本发明构思的一些实施例的分类器通过使用基于机器学习的支持向量机来执行缺陷分类的示例。