近日，华中科技大学教授刘世元团队在《极端制造》发表综述文章，对过去10年中与光学晶圆缺陷检测技术有关的新兴研究内容进行了全面回顾。
传统明场检测方法是当前晶圆缺陷检测的主流技术，但受制于光学成像分辨率极限和弱散射信号捕获能力极限而变得难以为继，因此亟须探索具有更高成像分辨率和更强缺陷散射信号捕获性能的缺陷检测新方法。
该综述研究总结了代表性晶圆缺陷检测新方法。最新进展包含缺陷可检测性评估、光学缺陷检测方法、后处理算法等3个方面。
研究人员认为，基于深度学习的缺陷检测方法的实施流程非常简单。首先，捕获足够的电子束检测图像或晶圆光学检测图像。其次，训练特定的神经网络模型，从而实现从检测图像中提取有用特征信息的功能。最后，用小样本集测试训练后的神经网络模型，并根据表征神经网络置信水平的预定义成本函数决定是否应该重复训练。
通过与纳米光子学、结构光照明、计算成像、定量相位成像和深度学习等新兴技术的融合，图形化晶圆缺陷光学检测将再次焕发活力。
团队介绍，在研究前景方面，为了提高缺陷检测灵敏度，需要从检测系统硬件与软件方面协同创新；为了拓展缺陷检测适应性，需要更严谨地研究缺陷与探测光束散射机理；为了改善缺陷检测效率，需要更高效地求解缺陷散射成像问题。除了IC制造之外，上述光学检测方法在光子传感、生物感知、混沌光子等领域都有广阔的应用前景。
