[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

权利要求书

1.一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，并从所述图像中提取所述图像的特征；以及

分类器，被配置为：接收所述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所述图像的特征和所述第一元信息对与所述图像相关联的所述半导体图案的缺陷进行分类。

2.根据权利要求1所述的半导体缺陷分类设备，其中，所述图像包括所述半导体图案的低分辨率图像、高分辨率图像、光学图像和参考图像。

3.根据权利要求1所述的半导体缺陷分类设备，其中，所述特征提取器被配置为：通过使用堆叠卷积神经网络(CNN)来提取所述图像的特征。

4.根据权利要求1所述的半导体缺陷分类设备，其中，所述分类器还被配置为：通过使用决策树、神经网络和支持向量机中的一个来对所述半导体图案的缺陷进行分类。

5.根据权利要求1所述的半导体缺陷分类设备，其中，所述第一元信息包括以下信息中的至少一种：与处理晶片的制造设备的种类相关的信息、与通过处理晶片而制造的半导体器件的种类相关的信息、与所述制造设备用来处理晶片的工艺的种类相关的信息、以及与所述制造设备针对晶片所执行的工艺操作相关的信息。

6.根据权利要求1所述的半导体缺陷分类设备，其中，所述分类器还被配置为：接收与用于拍摄所述半导体图案的图像的成像设备相关联的第二元信息；并且

其中，所述分类器还被配置为：使用所述第二元信息来对所述缺陷进行分类。

7.根据权利要求6所述的半导体缺陷分类设备，其中，所述第二元信息包括以下信息中的至少一种：与用于拍摄所述半导体图案的图像的所述成像设备的种类相关的信息、与用于拍摄所述图像的所述成像设备的定位相关的信息、以及与晶片上的所述半导体图案的位置相关的信息；

其中，与所述成像设备的定位相关的信息包括与所述成像设备相关联的距离信息、位置信息和/或角度信息。

8.根据权利要求1所述的半导体缺陷分类设备，其中，所述分类器还被配置为：使用与所述机器学习相关联的第三元信息来对所述缺陷进行分类。

9.根据权利要求8所述的半导体缺陷分类设备，其中，所述第三元信息包括与创建器相关的信息，所述创建器生成由所述分类器使用的学习数据作为所述机器学习的一部分。

10.根据权利要求1所述的半导体缺陷分类设备，其中，所述图像包括所述半导体图案的低分辨率图像和参考图像，并且

其中，所述半导体缺陷分类设备还包括：

比较器，被配置为：将所述低分辨率图像的特征与所述参考图像的特征进行比较，并向所述分类器提供所述比较的结果。

11.根据权利要求10所述的半导体缺陷分类设备，其中，所述图像还包括所述半导体图案的高分辨率图像和光学图像，并且

其中，所述分类器还被配置为：基于由所述比较器提供的所述比较的结果、所述低分辨率图像的特征、所述高分辨率图像的特征、所述光学图像的特征以及所述第一元信息来对所述半导体图案的缺陷进行分类。

12.根据权利要求1所述的半导体缺陷分类设备，其中，所述图像包括所述半导体图案的低分辨率图像和参考图像，并且

其中，所述半导体缺陷分类设备还包括：

偏移对准设备，被配置为：将所述低分辨率图像的特征与所述参考图像的特征进行比较，以检测所述低分辨率图像的特征与所述参考图像的特征之间的偏移，并通过使用所述偏移来生成经对准的低分辨率图像和经对准的参考图像。