日立开发机器学习半导体缺陷检测技术，可检出 10nm 及更小微缺陷

IT之家 3 月 5 日报道，日立于当地时间 2 月 27 日宣布，他们成功研发出一种高灵敏度半导体缺陷检测技术，该技术可借助机器学习，有效识别尺寸为10nm及更小的微缺陷。这一创新技术在二月底的 SPIE 先进光刻与图案化 2025 学术会议上引起了广泛关注。

随着对高性能芯片需求的不断增长，半导体制造商越来越注重生产过程中的质量控制；而制程的微缩也使得缺陷的尺寸门槛逐渐降低，进而对缺陷检测的灵敏度提出了更高的要求。日立的这一新技术正是在这种市场需求下应运而生的。

根据IT之家了解到的信息，日立的机器学习缺陷检测技术主要包括两大核心模块，即图像重建对比与过度检测抑制：

• 图像重建对比：该检测系统通过大量含有噪声的“人造”缺陷图像进行学习，从而掌握微缺陷的数据特征；在实际应用中，通过对扫描电镜图像进行尽量无缺陷版本的重建，再通过对比原始图像与重建图像，实现缺陷的精准检测。

• 过度检测抑制：由于先进半导体制程的微缩，使得差异化功能电路和缺陷在图像上越来越难以区分，然而机器学习检测系统能够对电路布局进行分类，并依据电路的特征调整检测灵敏度，从而减少高达90%的过度检测。

广告声明：本文中所包含的对外跳转链接（包括但不限于超链接、二维码、口令等形式），旨在提供更多信息，帮助节省阅读者的筛选时间，结果仅供参考。