[发明专利]一种基于反事实解释的晶圆缺陷检测方法及系统

说明书

本说明书实施例提供一种基于反事实解释的晶圆缺陷检测方法及系统，属于半导体集成电路制造领域，其中，该方法包括：获取待检测晶圆图像；通过图像生成模型基于待检测晶圆图像，生成待检测晶圆图像对应的反事实解释图像；基于待检测晶圆图像及待检测晶圆图像对应的反事实解释图像，生成空间注意力；基于待检测晶圆图像，生成通道注意力；通过分类模型基于待检测晶圆图像、空间注意力及通道注意力，确定待检测晶圆图像的缺陷类别，具有提升晶圆缺陷检测的自动化水平及检测效率的优点。

技术领域

本申请涉及半导体集成电路制造领域，特别涉及一种基于反事实解释的晶圆缺陷检测方法及系统。

背景技术

半导体制造过程中的良率指的合格芯片总数占生产芯片总数的比例，是衡量制造工艺水平的重要参数。芯片由整片晶圆切割而来，而曝光、蚀刻、研磨等诸多复杂工序流程可能会给晶圆表面造成不同的缺陷模式，从而影响芯片生产良率，造成经济损失。目前主流的晶圆表面缺陷检测方法是人工通过电子显微镜观察进行。这种方法高度依赖技工的熟练度，同时检测速度较慢，花费大量时间和人力成本。

因此，需要提供一种基于反事实解释的晶圆缺陷检测方法及系统，用于提升晶圆缺陷检测的自动化水平及检测效率。

发明内容

本说明书实施例之一提供一种基于反事实解释的晶圆缺陷检测方法，所述方法包括：获取待检测晶圆图像；通过图像生成模型基于所述待检测晶圆图像，生成所述待检测晶圆图像对应的反事实解释图像；基于所述待检测晶圆图像及所述待检测晶圆图像对应的反事实解释图像，生成空间注意力；基于所述待检测晶圆图像，生成通道注意力；通过分类模型基于所述待检测晶圆图像、所述空间注意力及所述通道注意力，确定所述待检测晶圆图像的缺陷类别。

在一些实施例中，所述待检测晶圆图像对应的反事实解释图像的缺陷类别与所述待检测晶圆图像的缺陷类别不同。

在一些实施例中，所述图像生成模型的损失函数为：

；

其中，表示待检测晶圆图像，表示待检测晶圆图像对应的反事实解释图像，表示的目标类别，为目标类别的预测概率；为的预测概率，是待检测晶圆图像与待检测晶圆图像对应的反事实解释图像之间的距离，是超参数。

在一些实施例中，所述基于所述待检测晶圆图像及所述待检测晶圆图像对应的反事实解释图像，生成空间注意力，包括：基于所述待检测晶圆图像与所述反事实解释图像之间的差值，生成空间注意力权重；将所述空间注意力权重与所述待检测晶圆图像相乘，生成所述空间注意力。

在一些实施例中，所述基于所述待检测晶圆图像，生成通道注意力，包括：在通道上对所述待检测晶圆图像进行池化和两次全连接，生成所述通道注意力。

本说明书实施例之一提供一种基于反事实解释的晶圆缺陷检测系统，所述系统包括：图像获取模块，用于获取待检测晶圆图像；图像生成模块，用于通过图像生成模型基于所述待检测晶圆图像，生成所述待检测晶圆图像对应的反事实解释图像；空间注意力模块，用于基于所述待检测晶圆图像及所述待检测晶圆图像对应的反事实解释图像，生成空间注意力；通道注意力模块，用于基于所述待检测晶圆图像，生成所述通道注意力；缺陷分类模块，用于通过分类模型基于所述待检测晶圆图像、所述空间注意力及所述通道注意力，确定所述待检测晶圆图像的缺陷类别。

在一些实施例中，所述待检测晶圆图像对应的反事实解释图像的缺陷类别与所述待检测晶圆图像的缺陷类别不同。

在一些实施例中，所述图像生成模型的损失函数为：；其中，表示待检测晶圆图像，表示待检测晶圆图像对应的反事实解释图像，表示的目标类别，为目标类别的预测概率；为的预测概率，是待检测晶圆图像与待检测晶圆图像对应的反事实解释图像之间的距离，是超参数。

在一些实施例中，所述空间注意力模块还用于：基于所述待检测晶圆图像与所述反事实解释图像之间的差值，生成空间注意力权重；将所述空间注意力权重与所述待检测晶圆图像相乘，生成所述空间注意力。