[发明专利]基于机器学习的图案分组方法

权利要求书

1.一种用于组映射的方法，包括：

接收第一图案的图像；

使用训练后的模型参数生成第一固定维特征向量，所述模型参数基于接收到的所述图像；以及

向所述第一固定维特征向量分配第一桶标识(ID)。

2.根据权利要求1所述的方法，其中向所述第一固定维特征向量分配所述第一桶ID还包括：

响应于确定所述第一图案不属于与缺陷图案对应的多个桶中的一个桶，针对所述第一固定维特征向量创建新的桶ID。

3.根据权利要求1所述的方法，其中向所述第一固定维特征向量分配所述第一桶ID还包括：

响应于确定所述第一图案属于与缺陷图案对应的多个桶中的一个桶，将所述第一固定维特征向量映射到所述第一桶ID。

4.根据权利要求2所述的方法，其中所述缺陷图案包括与缺陷相关联的GDS信息。

5.根据权利要求4所述的方法，其中所述缺陷图案包括从所述GDS信息中得出的信息，所述信息包括边的数量、角度的数量、尺寸、形状或其组合。

6.根据权利要求1所述的方法，其中所述固定维特征向量是一维特征向量。

7.根据权利要求1所述的方法，其中所述训练后的模型参数通过以下被获得：

获得具有分配后的桶ID的多个图案的多个图像；以及

训练针对深度学习网络的模型参数。

8.根据权利要求7所述的方法，其中所述训练后的模型参数还通过以下被获得：

针对所述深度学习网络应用被定位于多个图像中的一个图像的中心中的单个多边形的参数。

9.根据权利要求1所述的方法，还包括：

基于样本的图形数据系统(GDS)预训练线性分类器网络。

10.根据权利要求9所述的方法，其中所述线性分类器网络的所述预训练包括：

标识所述GDS中的与区相关联的部分，

针对所述GDS的所述部分生成标签数据，所述标签数据指示所述区的位置并指示与所述GDS的所述部分相关联的多边形数据的形状类型，以及

基于所述GDS的所述部分并且基于所述标签数据预训练所述线性分类器网络。

11.一种用于图案分组的系统，包括：

带电粒子束装置，包括检测器；

图像采集器，包括电路，所述电路用以从所述检测器接收检测信号并构造包括第一特征的图像；以及

控制器，具有至少一个处理器和非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在被所述处理器执行时引起所述系统执行以下操作：

确定对应于所述第一特征的图案数据；

通过分类器确定对应于所述第一特征的特征向量；以及

基于所述特征向量确定所述第一特征的图案组。

12.根据权利要求11所述的系统，其中所述图案数据包括样本设计计划。

13.根据权利要求11所述的系统，其中所述分类器是线性分类器，并且所述指令还引起所述系统执行以下操作：

使用具有对应于缺陷特征的多个向量的多个缺陷图案来训练所述线性分类器。

14.根据权利要求13所述的系统，其中所述多个缺陷图案从存储装置中被取回。

15.一种存储指令集的非暂时性计算机可读介质，所述指令集能够由系统的一个或多个处理器执行以引起所述系统执行方法，所述方法包括：

采集样本的图像；

标识所述图像中的第一特征；

确定对应于所述第一特征的图案数据；

通过线性分类器确定对应于所述第一特征的特征向量；以及

基于所述特征向量确定所述第一特征的图案组。