MACHINE LEARNING BASED EXAMINATION OF A SEMICONDUCTOR SPECIMEN AND TRAINING THEREOF

Provided are a system and a method for runtime test on a semiconductor specimen. The method includes the following steps of: acquiring a runtime image indicating a test area of a specimen, wherein the runtime image has a relatively low signal-to-noise ratio (SNR); and processing the runtime image using a machine learning (ML) model to acquire specific inspection data on a given test application, wherein the ML model is pre-trained for the given test application using at least one training sample, wherein each training sample includes: a first training image of each reference area, representing each reference area sharing the same design pattern with the test area, and having a relatively low SNR; and cover data representing survey data in each reference area regarding the given test application, wherein the cover data is acquired by adding annotations to a second training image of each reference area, having a relatively high SNR. 반도체 시편의 런타임 검사의 시스템 및 방법이 제공된다. 방법은, 시편의 검사 영역을 나타내는 런타임 이미지 - 런타임 이미지는 비교적 낮은 신호 대 잡음 비(SNR)를 가짐 - 를 획득하는 단계; 및 주어진 검사 응용에 대해 특정한 검사 데이터를 획득하기 위해 기계 학습(ML) 모델을 사용하여 런타임 이미지를 처리하는 단계를 포함하고, ML 모델은 하나 이상의 훈련 샘플을 사용하여, 주어진 검사 응용에 대해 미리 훈련되고, 각각의 훈련 샘플은 검사 영역과 동일한 설계 패턴을 공유하는 각각의 기준 영역을 나타내고, 비교적 낮은 SNR을 갖는, 각각의 기준 영역의 제1 훈련 이미지; 및 주어진 검사 응용에 관한 각각의 기준 영역에서의 실측 정보를 나타내는 표지 데이터를 포함하고, 표지 데이터는, 비교적 높은 SNR을 갖는, 각각의 기준 영역의 제2 훈련 이미지에 주석을 부기함으로써 획득된다.