[发明专利]产生可用于检查半导体样品的训练集的方法及其系统

权利要求书

1.一种生成可用于对半导体样品中的缺陷进行分类的训练集的方法，所述方法由计算机执行并且包括：

生成可用于对缺陷进行分类的合成图像；和

将所生成的合成图像包括到所述训练集中，

其中生成所述合成图像包括以下步骤：

使用“真实环境”训练样本来训练辅助深度神经网络，其中所述辅助深度神经网络被训练以在潜在空间中获得群集；

在所述潜在空间中识别与要在所述合成图像中呈现的缺陷类别的用户指定要求对应的一个或多个群集；

通过将经训练的所述辅助深度神经网络应用到根据所识别的一个或多个群集在所述潜在空间中选择的一个点，使用所识别的一个或多个群集来生成所述合成图像，从而生成具有与所需类别对应的缺陷的合成图像。

2.如权利要求1所述的方法，其中使用实质上所有可用的FAB数据来提供对所述辅助深度神经网络的训练。

3.如权利要求1所述的方法，其中根据生成对抗网络架构来配置所述辅助深度神经网络。

4.如权利要求1所述的方法，其中根据变分自动编码器架构来配置所述辅助深度神经网络。

5.如权利要求1所述的方法，其中所述辅助深度神经网络包括生成器和鉴别器，并且其中所述训练所述辅助深度神经网络的步骤包括以下步骤：

a.由所述鉴别器接收由所述生成器生成的样本和“真实环境”样本；

b.由所述鉴别器区分所接收的样本并向所述生成器提供回馈；

c.重复操作a)和b)，直到所述“真实环境”样本和所述生成的样本无法被所述鉴别器区分。

6.一种生成可用于对半导体样品中的缺陷进行分类的训练集的系统，所述系统包括处理和存储器电路(PMB)，所述系统被配置为：

生成可用于对缺陷进行分类的合成图像；和

将所生成的合成图像包括到所述训练集中，

其中生成所述合成图像包括以下步骤：

使用“真实环境”训练样本来训练辅助深度神经网络以在潜在空间中获得群集；

在所述潜在空间中识别与要在所述合成图像中呈现的缺陷类别的用户指定要求对应的一个或多个群集；和

通过将经训练的所述辅助深度神经网络应用到根据所识别的一个或多个群集在所述潜在空间中选择的一个点，使用所识别的一个或多个群集来来生成所述合成图像，从而生成具有与所需类别对应的缺陷的合成图像。

7.如权利要求6所述的系统，其中使用实质上所有可用的FAB数据来提供对所述辅助深度神经网络的训练。

8.如权利要求6所述的系统，其中根据生成对抗网络架构来配置所述辅助深度神经网络。

9.如权利要求6所述的系统，其中根据变分自动编码器架构来配置所述辅助深度神经网络。

10.如权利要求6所述的系统，其中所述辅助深度神经网络包括生成器和鉴别器，并且其中所述训练所述辅助深度神经网络的步骤包括以下步骤：

a.由所述鉴别器接收由所述生成器生成的样本和“真实环境”样本；

b.由所述鉴别器区分所接收的样本并向所述生成器提供回馈；

c.重复操作a)和b)，直到所述“真实环境”样本和所述生成的样本无法被所述鉴别器区分。

11.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令当由计算机执行时使所述计算机执行生成可用于对半导体样品中的缺陷进行分类的训练集，

所述生成所述训练集包括：

生成可用于对缺陷进行分类的合成图像；和

将所生成的合成图像包括到所述训练集中，

其中生成所述合成图像包括以下步骤：

使用“真实环境”训练样本来训练辅助深度神经网络，其中所述辅助深度神经网络被训练以在潜在空间中获得群集；

在所述潜在空间中识别与与要在所述合成图像中呈现的缺陷类别的用户指定要求对应的一个或多个群集；

通过将经训练的所述辅助深度神经网络应用到根据所识别的一个或多个群集在所述潜在空间中选择的一个点，使用所识别的一个或多个群集来生成所述合成图像，从而生成具有与所需类别对应的缺陷的合成图像。