2023 Fiscal Year Annual Research Report
マルチモデルサンプリングに基づくSoCの欠陥レベル見積り及び削減法
| Project/Area Number |
19K11884
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
新井 雅之 日本大学, 生産工学部, 教授 (10336521)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Keywords | クリティカルエリア / ウェハマップ / 欠陥レベル削減 |
|---|
| Outline of Annual Research Achievements |
2023年度は主に，2022年度に引き続き(1)AIを用いたウェハマップ上の欠陥パターンの検出，および(2)少数の実欠陥位置情報に基づいて，欠陥モデル画像を自動生成する手法，について検討を進めた．(1)に関しては，CapsNetを用いたウェハマップ欠陥パターン分類手法に関して，再構成画像と入力画像の誤差を削減することによってより高い検出精度を達成することを目的として実験を行った．また，再構成画像の評価尺度について検討を行った．分類器およびデコーダネットワークのチューニングおよび合成データセット適用によってScratch欠陥分類効率を向上させることができた．これら成果の一部を査読付き国際会議にて発表した．また，昨年度実施した多重欠陥検出に関する成果をまとめ，査読付き学術論文として投稿準備中である．(2)に関しては，少数の欠陥デバイスしか入手できない場合を想定し，欠陥レイアウトデータのデータ拡張手法について検討し，その評価を行った．敵対的生成ネットワークGAN技術のうち，極少数の入力画像からデータ拡張可能なFew-Shot GANを用いて実験を行い，査読付き学術論文として投稿した．
研究期間全体を通して，主に（A）AIを用いた欠陥位置およびパターン推定法の開発およびその高精度化，および(B)欠陥動作の解析結果に基づくテストパターン生成法，にテーマを絞り開発を進めた．(A)に関しては，LSIデバイスおよびレイアウトの両方に着目し，少数の欠陥情報に基づいて欠陥位置およびパターンを高精度に推定する手法を開発した．(B)に関しては，消費電力量制約下における欠陥動作を考慮したテストパターン生成法を開発した．これらを組み合わせることによって，大規模半導体デバイスの欠陥レベルの高精度な見積りおよび削減が可能になると期待され，当初の目的を概ね達成したものと考える．
|
