Một bài viết kỹ thuật mới có tiêu đề “Khám phá phương pháp học tập tích cực để phân loại khuyết tật chất bán dẫn” đã được các nhà nghiên cứu tại Cơ quan Khoa học, Công nghệ và Nghiên cứu (A*STAR) ở Singapore xuất bản.
“Chúng tôi xác định hai thách thức đặc biệt khi áp dụng AL trên quét XRM bán dẫn: sự thay đổi miền lớn và mất cân bằng lớp nghiêm trọng. Để giải quyết những thách thức này, chúng tôi đề xuất thực hiện quá trình tiền huấn luyện tương phản trên dữ liệu chưa được gắn nhãn để có được trọng số khởi tạo cho mỗi chu kỳ AL và chức năng thu thập nhận biết độ hiếm nhằm ưu tiên lựa chọn các mẫu chứa các lớp hiếm. Bài báo cho biết: “Chúng tôi đánh giá phương pháp của mình trên một tập dữ liệu bán dẫn được tổng hợp từ quá trình quét XRM của các cấu trúc bộ nhớ băng thông cao bao gồm logic và khuôn bộ nhớ, đồng thời chứng minh rằng phương pháp của chúng tôi đạt được hiệu suất tiên tiến”.
Tìm giấy kỹ thuật ở đây. Xuất bản tháng 2022 năm XNUMX.
L. Cai và cộng sự, “Khám phá phương pháp học tập tích cực để phân chia khuyết tật chất bán dẫn,” Hội nghị quốc tế về xử lý hình ảnh (ICIP) 2022 của IEEE, 2022, trang 1796-1800, doi: 10.1109/ICIP46576.2022.9897842.
Đọc liên quan
Tại sao lỗi dữ liệu im lặng rất khó tìm
Các khiếm khuyết vi mạch nhỏ trong CPU trung tâm dữ liệu dẫn đến lỗi tính toán.
Bật chiến lược kiểm tra cho các IC xếp chồng 2.5D, 3D
Các tiêu chuẩn tốt hơn, 3D DFT và các đầu dò thế hệ tiếp theo là một khởi đầu tuyệt vời để kiểm tra đầy đủ các hệ thống phức tạp này.
Nanosheet FETs thúc đẩy những thay đổi trong đo lường và kiểm tra
Việc phát hiện các khuyết tật bên trong các cấu trúc sâu hoặc ẩn đòi hỏi một cách tiếp cận đa ô.
Tận dụng tối đa các hồ dữ liệu
Tại sao tổ chức dữ liệu và kiến trúc dữ liệu được thiết kế tốt lại quan trọng để sử dụng hiệu quả dữ liệu thiết kế và sản xuất.
