[发明专利]启用人工智能的过程终点检测有效
申请号: | 202010381259.0 | 申请日: | 2020-05-08 |
公开(公告)号: | CN111915551B | 公开(公告)日: | 2022-09-13 |
发明(设计)人: | T.G.米勒;J.F.弗拉纳根四世;B.小劳思;R.杨;B.拉森;A.什罗特尔 | 申请(专利权)人: | FEI公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06N20/00;G06N3/04 |
代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 张凌苗;陈岚 |
地址: | 美国俄*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 启用 人工智能 过程 终点 检测 | ||
1.一种方法,其包括:
由带电粒子束获得样品的表面的图像,所述样品包含多个特征;
由机器学习系统对所述图像进行分析以确定是否已经到达终点,其中所述终点基于能在所述图像中观察到的所述多个特征中的感兴趣的特征,其中所述终点进一步基于指示所述样品的所述表面相对于所述感兴趣的特征的位置的所述图像中的多个特征中一个或多个特征;以及
基于未到达所述终点,从所述样品的所述表面去除一材料层。
2.根据权利要求1所述的方法,其中所述机器学习系统是人工神经网络。
3.根据权利要求2所述的方法,其中所述人工神经网络是卷积神经网络、多层感知机或递归神经网络。
4.根据权利要求2所述的方法,其中由所述机器学习系统对所述图像进行分析以确定是否已经到达所述终点包含:
由所述人工神经网络对所述图像进行分割以从所述多个特征中确定所述感兴趣的特征。
5.根据权利要求2所述的方法,其中由所述机器学习系统对所述图像进行分析以确定是否已经到达所述终点包含:
由所述人工神经网络对所述图像中的所述多个特征进行分类以从所述多个特征中确定所述感兴趣的特征。
6.根据权利要求1所述的方法,其中由所述机器学习系统对所述图像进行分析以确定是否已经到达所述终点包含:
将边界框放置在所述感兴趣的特征周围以确定所述图像内的所述感兴趣的特征的尺寸和位置。
7.根据权利要求1所述的方法,其中由所述机器学习系统对所述图像进行分析以确定是否已经到达所述终点包含:
由所述机器学习系统对所述图像进行分析以基于特征向量从所述多个特征中确定所述感兴趣的特征。
8.根据权利要求7所述的方法,其中所述特征向量包含定义所述感兴趣的特征的不同部分的描述符并且一个或多个描述符能够被选择用于所述特征向量中。
9.根据权利要求1所述的方法,其中从所述样品的所述表面去除一材料层包含:
用激光器、切片机或去除材料的任何其它装置进行切割。
10.根据权利要求1所述的方法,其中从所述样品的所述表面去除一材料层包含:
由聚焦离子束研磨所述样品的所述表面以去除一材料层。
11.根据权利要求1所述的方法,其中所述样品是薄片。
12.根据权利要求1所述的方法,其中所述感兴趣的特征是包含在半导体晶片中的电路结构。
13.一种用于处理样品的带电粒子显微镜系统,所述系统包括:
离子柱,所述离子柱用于提供聚焦离子束;
电子柱,所述电子柱用于提供电子束;以及
控制器,所述控制器包含代码,所述代码当被执行时使所述带电粒子显微镜:
由所述电子束获得样品的表面的图像,所述样品包含多个特征;
由机器学习系统对所述图像进行分析以确定是否已经到达终点,其中所述终点基于能在所述图像中观察到的所述多个特征中的感兴趣的特征,其中所述终点进一步基于指示所述样品的所述表面相对于所述感兴趣的特征的位置的所述图像中的多个特征中一个或多个特征;
基于未到达所述终点,由所述聚焦离子束研磨所述样品的所述表面以去除一材料层;并且
基于到达所述终点,停止材料去除。
14.根据权利要求13所述的系统,其中所述机器学习系统是人工神经网络。
15.根据权利要求14所述的系统,其中所述人工神经网络是卷积神经网络、区域卷积神经网络、全卷积神经网络、多层感知机或递归神经网络。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于FEI公司,未经FEI公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010381259.0/1.html,转载请声明来源钻瓜专利网。