日立公司开发了一种高灵敏度半导体缺陷检测技术，该技术利用机器学习辅助检测10nm及更小尺寸的微缺陷。随着高性能芯片需求的增加，半导体制造商日益重视质量控制。该技术包含图像重建对比和过度检测抑制两部分。图像重建对比通过学习“人造”缺陷特征，重建无缺陷图像并与原始图像对比来检测缺陷。过度检测抑制则通过对电路布局进行分类，并根据电路特征调整灵敏度，从而减少90%的过度检测。

🔬日立开发出高灵敏度半导体缺陷检测技术，能有效检出10nm及更小尺寸的微缺陷，满足半导体制造商对更高质量控制的需求。

📸图像重建对比技术通过学习大量含噪点的人造缺陷图像，重建扫描电镜照片的无缺陷版本，并与原始图像对比，从而精准定位缺陷。

💡过度检测抑制技术通过机器学习对电路布局进行分类，并根据电路特征调整检测灵敏度，有效减少高达90%的过度检测，提高检测效率。

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。