기존 산업현장에서는 반도체 웨이퍼 맵을 직접 확인하여 불량을 선별하였다. 육안을 통한 웨이퍼 선별과정은 폭증하는 시장의 수요를 충족시킬 수 없다. 따라서 인간보다 신속‧ 정확한 반...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A108073050
2022
Korean
학술저널
1158-1159(2쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
기존 산업현장에서는 반도체 웨이퍼 맵을 직접 확인하여 불량을 선별하였다. 육안을 통한 웨이퍼 선별과정은 폭증하는 시장의 수요를 충족시킬 수 없다. 따라서 인간보다 신속‧ 정확한 반...
기존 산업현장에서는 반도체 웨이퍼 맵을 직접 확인하여 불량을 선별하였다. 육안을 통한 웨이퍼 선별과정은 폭증하는 시장의 수요를 충족시킬 수 없다. 따라서 인간보다 신속‧ 정확한 반도체 웨이퍼 불량을 검출하여, 자동화에 기여할 수 있는 AI 기술을 제시한다. 인공지능 모델의 입력 데이터로는 생성적 대립신경망(GAN)을 통해 다양한 유형의 균형 있는 실제로 수집된 웨이퍼 맵을 사용하였다. 반도체 웨이퍼 불량 유형 구분을 위해 다층퍼셉트론(MLP)과 합성곱 신경망(CNN)을 기반으로 한, 2가지 인공지능 모델을 고안하였고, 실험 결과 CNN 모델이 정확도가 평균 6.4% 더 높았음을 확인했다.
USRP 기반 테스트베드 구성에 따른 위상 오차 Calibration 성능 분석
Sub-THz 대역 위상 잡음에 의한 열화 현상 모델링 및 보상 알고리즘에 따른 분석
5G NR 시스템에서 MCS 선택을 위한 MIESM 방법에 대한 연구
SIC-free Detection for Quadrature NOMA with SM