新加坡科学、技术和研究局(A*STAR)的研究人员发表了一篇题为“探索半导体缺陷分割的主动学习”的新技术论文。
“在半导体XRM扫描中应用AL时，我们发现了两个独特的挑战:大的畴移位和严重的类不平衡。为了解决这些挑战，我们建议对未标记的数据进行对比预训练，以获得每个AL循环的初始化权重，以及一个有利于选择包含稀有类的样本的稀有度感知采集函数。我们在半导体数据集上评估了我们的方法，该数据集由由逻辑和内存芯片组成的高带宽内存结构的XRM扫描编译而成，并证明我们的方法实现了最先进的性能。”
找到这里是技术文件．2022年10月出版。
L. Cai等，“探索半导体缺陷分割的主动学习”，2022年IEEE图像处理国际会议(ICIP)， 2022, pp. 1796-1800, doi: 10.1109/ICIP46576.2022.9897842。
相关阅读
为什么隐性数据错误如此难以发现
数据中心cpu上的IC缺陷会导致计算错误。
启用2.5D, 3D堆叠ic的测试策略
更好的标准、3D DFT和下一代探测器是全面测试这些复杂系统的良好开端。
纳米片fet驱动计量和检测的变化
检测深层或隐藏结构内部的缺陷需要多工具方法。
充分利用数据湖
为什么数据组织和设计良好的数据架构对于有效使用制造和设计数据至关重要?
留下回复