IT之家 3 月 5 日消息，日立当地时间 2 月 27 日称该企业已开发出了一种高灵敏度半导体缺陷检测技术，可通过机器学习的辅助检出 10nm 及更小尺寸的微缺陷。这项技术已在二月末的 SPIE 先进光刻与图案化 2025 学术会议上展出。
随着对高性能芯片的需求不断增加，半导体制造商对生产中的质量控制愈发重视；而制程的微缩也意味着能直接影响性能的缺陷尺寸门槛逐渐降低，对缺陷检测灵敏度的要求进一步提升。日立的这一技术就是在该背景下应运而生的。
IT之家了解到，日立的机器学习缺陷检测技术主要包含两大部分，即图像重建对比和过度检测抑制：
图像重建对比：检测系统首先通过大量添加噪点的“人造”缺陷图像学习微缺陷的数据特征；实际使用时对扫描电镜照片尽量进行无缺陷版本重建，并对原始图像和重建图像进行对比，从而检出缺陷。
过度检测抑制：由于先进半导体制程的微缩，差异化功能电路和缺陷在图像上的区别逐渐模糊，而机器学习检测系统可对电路布局进行分类，并根据电路特征调整灵敏度，可减少 90% 的过度检测。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。