“K·巴哈斯卡尔”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果19个，建议您升级VIP下载更多相关专利

[发明专利]针对半导体应用从输入图像产生经模拟图像-CN201780028770.9有效
发明人：张晶;K·巴哈斯卡尔 -专利权人：科磊股份有限公司
申请日： 2017-05-24 - 公布日： 2023-09-15 - 主分类号： G06T7/00 文献下载
摘要：本发明提供用于从输入图像产生经模拟图像的方法及系统。一种系统包含一或多个计算机子系统及由所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含神经网络，其包含经配置以用于确定样本的图像的特征的两个或两个以上编码器层。所述神经网络还包含经配置以用于从所述确定特征产生一或多个经模拟图像的两个或两个以上解码器层。所述神经网络不包含全连接层，借此消除对输入到所述两个或两个以上编码器层的图像大小的约束。
针对半导体应用输入图像产生模拟

[发明专利]用于经配置用于半导体应用的深度学习模型的诊断系统及方法-CN201780063497.3有效
发明人：张晶;M·鲁洛;K·巴哈斯卡尔;R·C·多纳帕蒂 -专利权人：科磊股份有限公司
申请日： 2017-09-18 - 公布日： 2023-06-20 - 主分类号： H01L21/66 文献下载
摘要：本发明提供用于执行深度学习模型的诊断功能的方法及系统。一个系统包含由一或多个计算机子系统实行的一或多个组件。所述一或多个组件包含经配置用于从由成像工具针对样品产生的图像确定信息的深度学习模型。所述一或多个组件还包含诊断组件，所述诊断组件经配置用于确定导致所述信息被确定的所述图像的一或多个因果部分且用于基于所述图像的所述经确定一或多个因果部分执行一或多个功能。
用于配置半导体应用深度学习模型诊断系统方法

[发明专利]使用深度学习的3D结构检验或计量-CN202180045618.8在审
发明人： S·A·永;K·巴哈斯卡尔;L·尼古拉德斯 -专利权人：科磊股份有限公司
申请日： 2021-08-06 - 公布日： 2023-04-04 - 主分类号： G01B11/24 文献下载
摘要：本发明提供用于确定样品的信息的方法及系统。特定实施例涉及使用深度学习人工智能进行凸块高度3D检验及计量。例如，一个实施例包含深度学习(DL)模型，其经配置用于基于由成像子系统产生的样品的一或多个图像预测形成于所述样品上的一或多个3D结构的高度。一或多个计算机系统经配置用于基于所述经预测高度确定所述样品的信息。确定所述信息可包含例如基于所述经预测高度确定所述3D结构中的任何者是否有缺陷。在另一实例中，针对所述样品确定的所述信息可包含所述一或多个3D结构的平均高度度量。
使用深度学习结构检验计量

[发明专利]针对半导体应用由低分辨率图像产生高分辨率图像的系统及方法-CN201780005552.3有效
发明人：张晶;G·H·陈;K·巴哈斯卡尔;K·韦尔斯;白楠;P·谷;高理升 -专利权人：科磊股份有限公司
申请日： 2017-01-04 - 公布日： 2023-04-04 - 主分类号： G06T3/40 文献下载
摘要：本发明提供用于由样品的一或多个低分辨率图像产生所述样品的高分辨率图像的方法及系统。一个系统包含经配置用于获取样品的一或多个低分辨率图像的一或多个计算机子系统。所述系统还包含由所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含模型，所述模型包含经配置用于产生所述一或多个低分辨率图像的表示的一或多个第一层。所述模型还包含经配置用于由所述一或多个低分辨率图像的所述表示产生所述样品的高分辨率图像的一或多个第二层。
针对半导体应用分辨率图像产生高分辨率系统方法

[发明专利]混合检验器-CN202211329897.3在审
发明人： K·巴哈斯卡尔;G·H·陈;K·韦尔斯;W·麦克米连;张晶;S·A·永;B·达菲 -专利权人：科磊股份有限公司
申请日： 2016-12-30 - 公布日： 2023-02-03 - 主分类号： G01N21/95 文献下载
摘要：本申请实施例涉及混合检验器。一种系统包含计算机子系统，其经配置以接收针对样品产生的基于光学的输出及基于电子束的输出。所述计算机子系统包含一或多个虚拟系统，其经配置以使用针对所述样品产生的所述基于光学的输出及所述基于电子束的输出的至少一些执行一或多个功能。所述系统还包含由所述计算机子系统执行的一或多个组件，其包含经配置以针对所述样品执行一或多个模拟的一或多个模型。所述计算机子系统经配置以基于所述基于光学的输出、所述基于电子束的输出、所述一或多个功能的结果及所述一或多个模拟的结果中的至少两者检测所述样品上的缺陷。
混合检验

[发明专利]模式选择及缺陷检测训练-CN202180032403.2在审
发明人：张晶;董宇杰;V·巴蒂亚;P·麦克布赖德;K·巴哈斯卡尔;B·达菲 -专利权人：科磊股份有限公司
申请日： 2021-05-17 - 公布日： 2022-12-23 - 主分类号： G01N21/88 文献下载
摘要：一种系统可经配置用于联合缺陷发现及光学模式选择。在缺陷发现步骤期间检测缺陷。将所发现缺陷累积到模式选择数据集中。使用所述模式选择数据集来执行模式选择以确定模式组合。接着，可使用所述模式组合来训练所述缺陷检测模型。接着，可通过所述缺陷检测模型来检测额外缺陷。接着，可将所述额外缺陷提供到所述模式选择数据集，以进一步执行模式选择且训练所述缺陷检测模型。接着，可确定一或多个运行时间模式。所述系统可经配置用于图像像素级的模式选择及缺陷检测。
模式选择缺陷检测训练

[发明专利]多控制器检验系统-CN202180032409.X在审
发明人： B·达菲;M·鲁洛;A·马修;张晶;K·巴哈斯卡尔 -专利权人：科磊股份有限公司
申请日： 2021-05-05 - 公布日： 2022-12-23 - 主分类号： G01N21/88 文献下载
摘要：公开一种检验系统。所述检验系统包含经配置以从缺陷检验工具接收图像数据的共享存储器，及通信地耦合到所述共享存储器的控制器。所述控制器包含：主机图像模块，其经配置以使用中央处理单元(CPU)架构将一或多种通用缺陷检验算法应用于所述图像数据；结果模块，其经配置以产生由所述主机图像模块识别的缺陷的检验数据；及副图像模块，其经配置以将一或多种目标缺陷检验算法应用于所述图像数据。所述副图像模块采用所述图像数据的灵活取样以在选定公差内匹配所述主机图像模块的数据处理速率。响应于由所述结果模块及所述主机图像模块产生的所述检验数据而调整所述图像数据的所述灵活取样。
控制器检验系统

[发明专利]用于训练基于机器学习的模型的系统和计算机实施方法-CN201680075625.1有效
发明人： K·巴哈斯卡尔;L·卡尔森迪;S·A·永;M·马哈德凡;张晶;B·达菲 -专利权人：科磊股份有限公司
申请日： 2016-12-30 - 公布日： 2022-10-04 - 主分类号： G06T7/00 文献下载
摘要：本发明提供用于半导体应用的基于机器学习的模型的加速训练的方法及系统。一种用于训练基于机器学习的模型的方法包含获取在其上执行工艺的样品的非标称例子的信息。所述基于机器学习的模型经配置以针对所述样品执行模拟。仅使用额外样品的标称例子的信息训练所述基于机器学习的模型。所述方法还包含使用所述样品的所述非标称例子的所述信息重新训练所述基于机器学习的模型，借此执行所述样品的所述非标称例子的所述信息到所述基于机器学习的模型的转移学习。
用于训练基于机器学习模型系统计算机实施方法

[发明专利]训练用于低分辨率图像中的缺陷检测的神经网络-CN201980017305.4有效
发明人： K·巴哈斯卡尔;L·卡尔森迪;B·里斯;L·尼古拉德斯;R·森伟·杨;S·希伯特 -专利权人：科磊股份有限公司
申请日： 2019-03-28 - 公布日： 2022-01-14 - 主分类号： H01L21/67 文献下载
摘要：本发明提供用于训练用于低分辨率图像中的缺陷检测的神经网络的方法及系统。一个系统包含：检验工具，其包含高分辨率成像子系统及低分辨率成像子系统；及一或多个组件，其包含高分辨率神经网络及低分辨率神经网络。所述系统的计算机子系统经配置用于产生缺陷图像的训练集。所述缺陷图像中的至少一者由所述高分辨率神经网络使用由所述高分辨率成像子系统产生的图像合成地产生。所述计算机子系统还经配置用于使用缺陷图像的所述训练集作为输入而训练所述低分辨率神经网络。另外，所述计算机子系统经配置用于通过将由所述低分辨率成像子系统针对另一样品产生的所述图像输入到所述经训练低分辨率神经网络中而检测所述另一样品上的缺陷。
训练用于分辨率图像中的缺陷检测神经网络

[发明专利]用于半导体应用的可学习缺陷检测-CN202080027481.9在审
发明人：张晶;袁周宁;董宇杰;K·巴哈斯卡尔 -专利权人：科磊股份有限公司
申请日： 2020-04-07 - 公布日： 2021-11-19 - 主分类号： H01L21/66 文献下载
摘要：本发明提供用于半导体应用的可学习缺陷检测方法及系统。一种系统包含深度度量学习缺陷检测模型，其经配置以用于将样品的测试图像及对应参考图像投影到潜在空间中，确定在所述潜在空间中所述测试图像的一或多个不同部分与所述对应参考图像的对应部分之间的距离，及基于所述经确定距离而检测所述测试图像的所述一或多个不同部分中的缺陷。另一系统包含可学习低秩参考图像产生器，其经配置以用于从样品的一或多个测试图像移除噪声，借此产生对应于所述一或多个测试图像的一或多个参考图像。
用于半导体应用学习缺陷检测

[发明专利]用于缺陷分类器训练的主动学习-CN201980037055.0有效
发明人：张晶;董宇杰;B·达菲;R·威灵福德;M·达伊诺;K·巴哈斯卡尔 -专利权人：科磊股份有限公司
申请日： 2019-06-04 - 公布日： 2021-09-14 - 主分类号： H01L21/67 文献下载
摘要：本发明提供用于执行用于缺陷分类器的主动学习的方法及系统。一种系统包含经配置用于执行用于训练缺陷分类器的主动学习的一或多个计算机子系统。所述主动学习包含将采集函数应用于样品的数据点。所述采集函数基于与所述数据点相关联的不确定性估计而选择所述数据点中的一或多者。所述主动学习还包含获取所选择的所述一或多个数据点的标记及生成包含所选择的所述一或多个数据点及所获取的所述标记的标记数据集。所述计算机子系统还经配置用于使用所述标记数据集来训练所述缺陷分类器。所述缺陷分类器经配置用于使用由成像子系统生成的图像对所述样品上检测到的缺陷进行分类。
用于缺陷分类训练主动学习

[发明专利]针对半导体应用并入神经网络及前向物理模型的系统及方法-CN201780033819.X有效
发明人：张晶;K·巴哈斯卡尔 -专利权人：科磊股份有限公司
申请日： 2017-06-01 - 公布日： 2021-06-29 - 主分类号： G06N3/063 文献下载
摘要：本发明提供用于训练神经网络的方法及系统。一个系统包含由一或多个计算机子系统实行的一或多个组件。所述一或多个组件包含：神经网络，其经配置用于确定输入到所述神经网络的样品的训练集中的输入图像的经反转特征；前向物理模型，其经配置用于从所述经反转特征重建所述输入图像，借此产生对应于所述训练集中的所述输入图像的输出图像集；及残余层，其经配置用于确定所述训练集中的所述输入图像与在所述集中的对应输出图像之间的差异。所述一或多个计算机子系统经配置用于基于所述经确定差异更改所述神经网络的一或多个参数，借此训练所述神经网络。
针对半导体应用并入神经网络物理模型系统方法

[发明专利]基于图像的样品过程控制-CN201780005676.1有效
发明人： A·帕克;高理升;A·V·库尔卡尼;S·巴纳吉;P·谷;S·龙;K·巴哈斯卡尔 -专利权人：科磊股份有限公司
申请日： 2017-01-10 - 公布日： 2020-11-06 - 主分类号： H01L21/66 文献下载
摘要：本发明提供用于检测样品的图像的异常的方法及系统。一种系统包含经配置以获取由成像子系统产生的样品的图像的一或多个计算机子系统。所述计算机子系统还经配置以确定所述获取图像的一或多个特性。另外，所述计算机子系统经配置以在无需将缺陷检测算法应用于所述图像或所述图像的所述一或多个特性的情况下基于所述一或多个确定特性而识别所述图像的异常。
基于图像样品过程控制

[发明专利]用于工艺窗口特征化的虚拟检验系统-CN201580059576.8有效
发明人： L·卡尔森迪;K·巴哈斯卡尔;M·瓦格纳;B·达菲;V·拉马钱德兰 -专利权人：科磊股份有限公司
申请日： 2015-11-23 - 公布日： 2020-11-03 - 主分类号： H01L21/66 文献下载
摘要：本发明提供用于检测样品上的缺陷的方法和系统。一种系统包含经配置以存储由检验系统产生的样品的物理版本的图像的存储媒体。使用对所述样品执行的制造工艺的一或多个参数的不同值在所述样品上形成至少两个裸片。所述系统还包含若干计算机子系统，其经配置以比较在所述样品上的使用所述不同值中的至少两者形成具有相同如所设计的特性的图案的位置处产生的经存储图像的部分。经比较的所述经存储图像的所述部分不受所述裸片在所述样品上的位置、所述图案在所述裸片内的位置或所述图案在所述样品上的位置约束。若干所述计算机子系统也经配置以基于所述比较的结果检测所述位置处的缺陷。
用于工艺窗口特征虚拟检验系统

[发明专利]为样品产生模拟输出-CN201780006207.1有效
发明人： K·巴哈斯卡尔;张晶;G·H·陈;A·V·库尔卡尼;L·卡尔森迪 -专利权人：科磊股份有限公司
申请日： 2017-01-10 - 公布日： 2020-10-09 - 主分类号： H01L21/66 文献下载
摘要：本发明提供用于为样品产生模拟输出的方法及系统。一种方法包含使用一或多个计算机系统获取针对样品的信息。所述信息包含所述样品的实际光学图像、所述样品的实际电子束图像及针对所述样品的设计数据中的至少一者。所述方法还包含将针对所述样品的所述信息输入到基于学习的模型中。所述基于学习的模型包含于由一或多个计算机系统执行的一或多个组件中。所述基于学习的模型经配置以映射光学图像、电子束图像与设计数据之间的三角关系，且所述基于学习的模型将所述三角关系应用到所述输入以借此为所述样品产生模拟图像。
样品产生模拟输出

1
2
下一页»
尾页
共 19 条