Wafer iletim elektron mikroskobu görüntüleri için özel olarak uyarlanmış süper çözünürlük yaklaşımı

Bilgisayar Çiplerinin İçine Daha Keskin Bakışlar

Modern elektronikler, yarı iletken waferların derinliklerine oyulmuş çok küçük yapılara dayanır; ancak bu özellikleri net şekilde görüntülemek yavaş, pahalı ve teknik olarak zordur. Bu çalışma, gelişmiş görüntü işleme tekniklerinin, waferların bulanık ve gürültülü mikroskop fotoğraflarını pahalı ekipmanla yeniden yakalamaya gerek kalmadan net, yüksek çözünürlüklü görünümlere dönüştürebileceğini gösteriyor. Elde edilen sonuç, çip fabrikalarında kusur tespiti ve ölçümlerin hızlanmasını sağlayabilecek, uzmanların uzmanlaşmış mikroskoplarda harcadığı süreyi azaltabilecek pratik bir reçetedir.

Neden Yüzeyin Altını Görmek Önemli?

Çip üreticileri, üretimi izlemek için zaten çeşitli görüntü türleri kullanıyor. Wafer haritaları ve taramalı elektron mikroskobu (SEM) gibi yüzey düzeyindeki görüntüler birçok kusuru ortaya çıkarabilir, ancak malzemenin içindeki olayları kaçırırlar. İletim elektron mikroskobu (TEM), waferdan geçen elektronlarla atom ölçeğinde yapıyı, gizli kusurları ve malzeme bileşimini göstererek daha derine iner. Bu yüksek çözünürlüklü TEM görüntüleri son derece değerlidir, ancak her örneğin hazırlanması ve görüntülenmesi waferı yok ettiğinden, uzman operatörler ve uzun görüntüleme oturumları gerektirdiğinden çok sayıda elde edilmesi zordur.

Bulanık ve Gürültülü Görüntülerle İlgili Sorunlar

Prensipte, akıllı bir bilgisayar programı düşük çözünürlüklü wafer TEM görüntülerini yüksek çözünürlüklülere dönüştürebilir; bu göreve süper-çözünürlük denir. Pratikte ise wafer TEM görüntüleri özel zorluklar sunar. Birincisi, gürültü örüntüleri olağandışı olup, sıradan kamera gürültüsünden ziyade saçılan elektronlar ve kararsız manyetik alanlardan kaynaklanır; bu yüzden hazır temizleme yöntemleri iyi çalışmaz. İkincisi, sınırlar ve kenarlardaki küçük özellikler mühendislere kusur arama veya katman kalınlığı ölçme açısından tam olarak baktıkları yerdir, ancak çözünürlük düşük olduğunda bu kenarlar bulanma eğilimindedir. Son olarak, süper-çözünürlük modellerini eğitmenin yaygın yolu—aynı sahnenin mükemmel eşleşmiş bulanık ve keskin görüntü çiftlerini kullanmak—burada uygulanamaz, çünkü çip üreticileri genellikle yalnızca yüksek çözünürlüklü TEM görüntülerini saklamaktadır.

Daha İyi Görüntüler İçin Üç Adımlı Bir Reçete

Bu engelleri aşmak için yazarlar, wafer TEM verilerine özel üç aşamalı bir çerçeve tasarlarlar. Birinci aşamada, pratik bozulma (practical degradation) adı verilen adımda, yüksek çözünürlüklü görüntülerden başlayarak bulanıklaştırma, örnekleme küçültme, gürültü ve sıkıştırmanın sırasını ve şiddetini karıştırarak birçok farklı düşük kaliteli versiyon kasıtlı olarak üretilir. Bu sürecin özellikle zengin bir versiyonu olan Hybrid, gerçek fabrikalarda görülen bilinmeyen gürültü örüntülerini taklit eden geniş bir gerçekçi bozulma aralığı yaratır. İkinci aşama olan görüntü iyileştirme (image enhancement) sırasında, orijinal yüksek çözünürlüklü görüntüler alınır ve HighboostFiltering adlı bir yöntem kullanılarak kenarlar daha da netleştirilir; bu yöntem sınırları güçlü şekilde vurgular ancak ek öğrenilebilir karmaşıklık getirmez. Bu sentetik düşük kaliteli ve “ekstra keskin” yüksek çözünürlüklü çiftler, üçüncü aşamada bir süper-çözünürlük modelinin kötü görüntüleri net olanlara dönüştürmeyi öğrenmesi için eğitim verisini oluşturur.

En İyi Kombinasyonu Bulmak

Ekip, bozulma stratejileri, iyileştirme yöntemleri ve model türlerinin 48 kombinasyonunu sistematik olarak test eder. Geleneksel bir konvolüsyon ağı, bir üretken çekişmeli ağ (ESRGAN) ve bir difüzyon tabanlı model (SR3) karşılaştırılır. Görüntü kalitesi, yer-gerçeği referansı gerektirmeden bir görüntünün ne kadar doğal göründüğünü tahmin eden bir metrik kullanılarak değerlendirilir. Açık kazanan daha önce araştırılmamış bir üçlüdür: Hybrid bozulma, HighboostFiltering iyileştirmesi ve ESRGAN modeli. Bu kombinasyon, TEM uzmanları tarafından elle yakalanan görüntülere en çok benzeyen sonuçları üretir; daha yumuşak gürültü ve çok daha keskin kenarlar sunar. Buna karşılık, difüzyon tabanlı modeller küçük, özel veri kümesiyle zorlanır ve sıklıkla kararsız veya gürültülü sonuçlar üretebilir.

Daha Güzel Görüntülerden Daha İyi Kararlara

Geliştirilmiş görüntüler, gerçek fabrika görevlerine yardımcı olmazsa işe yaramaz. Bunu test etmek için yazarlar, süper-çözünürlüklü görüntüleri yeniden eğitmeden güçlü, genel amaçlı bir segmentasyon aracına besleyerek kusur benzeri bölge tespiti ve kenar çıkarımı yapar. Ham düşük çözünürlüklü girdilerle ve dokuz mevcut süper-çözünürlük yöntemiyle karşılaştırıldığında, önerilen kombinasyon belirgin biçimde daha iyi segmentasyon puanları ve daha keskin kenarlar sunar; bunlar ince yapıların ölçülmesi ve ince kusurların tespit edilmesi için kritik öneme sahiptir. Bazı başarısızlık durumları—ara sıra görülen gürültülü yamalar veya modellenmemiş gürültüden kaynaklanan artefaktlar gibi—halen mevcuttur, ancak çalışma, özenle tasarlanmış bir üç aşamalı boru hattının düşük çözünürlüklü wafer TEM görüntülerini çok daha bilgilendirici hale getirebileceğini gösterir. Uzman olmayanlar için temel çıkarım şudur: eğitim verisini akıllıca üreterek ve kenarları vurgulayarak yazarlar mevcut bulanık mikroskop görüntülerini daha keskin tanı araçlarına dönüştürür; böylece yarı iletken endüstrisi daha az görüntüleme ile daha fazlasını görebilir.

Atıf: Kim, S., Baek, I., Cho, H. et al. Super-resolution approach tailored for wafer transmission electron microscopy images. Sci Rep 16, 10662 (2026). https://doi.org/10.1038/s41598-026-45776-8

Anahtar kelimeler: süper-çözünürlük, iletim elektron mikroskobu, yarı iletken üretimi, görüntü iyileştirme, derin öğrenme