بعض محتويات هذا التطبيق غير متوفرة في الوقت الحالي.
إذا استمرت هذه الحالة ، يرجى الاتصال بنا علىتعليق وإتصال
1. (WO2019006222) SYSTEMS AND METHODS FOR PREDICTING DEFECTS AND CRITICAL DIMENSION USING DEEP LEARNING IN THE SEMICONDUCTOR MANUFACTURING PROCESS
أحدث البيانات الببلوغرافية المتوفرة لدى المكتب الدولي    تقديم ملاحظات

رقم النشر: WO/2019/006222 رقم الطلب الدولي: PCT/US2018/040162
تاريخ النشر: 03.01.2019 تاريخ الإيداع الدولي: 29.06.2018
التصنيف الدولي للبراءات:
H01L 21/66 (2006.01)
Description not available in lang ar
المودعون:
KLA-TENCOR CORPORATION [US/US]; Legal Department One Technology Drive Milpitas, California 95035, US
المخترعون:
YATI, Arpit; IN
الوكيل:
MCANDREWS, Kevin; US
MORRIS, Elizabeth M.N; US
بيانات الأولوية:
15/814,56116.11.2017US
20174102304330.06.2017IN
62/545,91815.08.2017US
العنوان (EN) SYSTEMS AND METHODS FOR PREDICTING DEFECTS AND CRITICAL DIMENSION USING DEEP LEARNING IN THE SEMICONDUCTOR MANUFACTURING PROCESS
(FR) SYSTÈMES ET PROCÉDÉS DE PRÉDICTION DE DÉFAUTS ET DE DIMENSION CRITIQUE UTILISANT UN APPRENTISSAGE PROFOND DANS UN PROCÉDÉ DE FABRICATION DE SEMI-CONDUCTEURS
الملخص:
(EN) An initial inspection or critical dimension measurement can be made at various sites on a wafer. The location, design clips, process tool parameters, or other parameters can be used to train a deep learning model. The deep learning model can be validated and these results can be used to retrain the deep learning model. This process can be repeated until the predictions meet a detection accuracy threshold. The deep learning model can be used to predict new probable defect location or critical dimension failure sites.
(FR) Selon la présente invention, une inspection initiale ou une mesure de dimension critique peut être réalisée au niveau de divers sites sur une plaquette. L'emplacement, les clips de conception, les paramètres d'outil de procédé ou d'autres paramètres peuvent être utilisés pour entraîner un modèle d'apprentissage profond. Le modèle d'apprentissage profond peut être validé et ces résultats peuvent être utilisés pour reformer le modèle d'apprentissage profond. Ce procédé peut être répété jusqu'à ce que les prédictions respectent un seuil de précision de détection. Le modèle d'apprentissage profond peut être utilisé pour prédire un nouvel emplacement de défaut probable ou des sites de défaillance de dimension critique.
front page image
الدول المعيّنة: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
المنظمة الإقليمية الأفريقية للملكية الفكرية (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
مكتب البراءات الأوروبي الآسيوي (AM, AZ, BY, KG, KZ, RU, TJ, TM)
المكتب الأوروبي للبراءات (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
المنظمة الأفريقية للملكية الفكرية (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
لغة النشر: الإنكليزية (EN)
لغة الإيداع: الإنكليزية (EN)