[논문 리뷰] Histogram-based Auto Segmentation: A Novel Approach to Segmenting Integrated Circuit Structures from SEM Images

Ronald S. Wilson, Navid Asadizanjani외 2명|arXiv (Cornell University)|2020. 04. 28.

Integrated Circuits and Semiconductor Failure Analysis참고 문헌 18인용 수 12

한 줄 요약

이 논문은 저품질의 스캐닝 전자현미경(SEM) 영상에서 통합회로(IC) 구조를 분할하기 위한 새로운 비모수적, 비지도 기반 히스토그램 기반 자동 분할 알고리즘을 제안한다. 영상 히스토그램을 분석하고 수정하여 재료 종류에 해당하는 피크를 탐지함으로써, 노이즈 모델링이나 특징 사전 지식 없이도 강건한 분할을 달성하며, 다결정 실리콘, 금속, 실리콘 기반층에서 기존의 필터링 및 학습 기반 기법들보다 분할 정확도를 크게 향상시킨다.

ABSTRACT

In the Reverse Engineering and Hardware Assurance domain, a majority of the data acquisition is done through electron microscopy techniques such as Scanning Electron Microscopy (SEM). However, unlike its counterparts in optical imaging, only a limited number of techniques are available to enhance and extract information from the raw SEM images. In this paper, we introduce an algorithm to segment out Integrated Circuit (IC) structures from the SEM image. Unlike existing algorithms discussed in this paper, this algorithm is unsupervised, parameter-free and does not require prior information on the noise model or features in the target image making it effective in low quality image acquisition scenarios as well. Furthermore, the results from the application of the algorithm on various structures and layers in the IC are reported and discussed.

연구 동기 및 목표

• 기존 방법이 노이즈와 사전 지식 부족으로 실패하는 저품질 SEM 영상에서 IC 구조를 분할하는 데 도전하는 것.
• 수동 레이블링, 파라미터 튜닝, 또는 노이즈 모델과 특징 분포에 대한 가정이 없는 SEM 영상 분할을 가능하게 하는 것.
• 다양한 IC 층(다결정 실리콘, 금속, 실리콘 기반층)과 이미징 조건에서 강건한 자동 비지도 분할 방법을 개발하는 것.
• 더 빠르고 저품질의 SEM 영상 촬영을 가능하게 하여, 역설계 과정에서의 시간과 노동력을 줄이는 것.

제안 방법

• 이 방법은 픽셀 수준의 처리를 생략하고 SEM 영상의 강도 히스토그램에 직접 작용하여 노이즈에 대한 민감도를 감소시킨다.
• 피크 탐지 알고리즘을 사용해 히스토그램 내 다수의 피크를 탐지하며, 각 피크는 서로 다른 재료 종류(예: 금속, 다결정 실리콘, 기반층)에 해당한다.
• 노이즈로 인한 위성 피크를 억제하면서 진짜 재료 피크를 유지하기 위해 히스토그램 보정 단계를 적용한다.
• 탐지된 피크 수에 기반해 분할 임계치를 자동으로 결정함으로써, 픽셀을 전경(ICC 구조)과 배경으로 비지도 분류한다.
• 이 알고리즘은 이미지 크기에 의존하지 않으며, 이미지 통계나 노이즈 특성에 대한 사전 지식이 필요하지 않다.
• 단지 SEM 이미징 모드가 서로 다른 재료 간에 생성하는 대비에 의존하므로, 이미지 품질 및 스티칭 아티팩트의 변동에도 강건하다.

실험 결과

연구 질문

• RQ1 노이즈나 특징 모델에 대한 사전 지식 없이도, 히스토그램 기반 분할 방법이 저품질 SEM 영상에서 신뢰할 수 있는 IC 구조 추출을 가능하게 할 수 있는가?
• RQ2 이 비지도 기반, 비모수적 방법의 성능이 IC 역설계 맥락에서 기존의 필터링 및 학습 기반 분할 기법과 비교해 어떻게 되는가?
• RQ3 이 방법은 IC 역설계 워크플로우에서 고품질, 시간 소모적인 SEM 영상 촬영의 필요성을 어느 정도 줄일 수 있는가?
• RQ4 대비와 노이즈 특성이 다른 다양한 IC 층(다결정 실리콘, 금속, 실리콘 기반층)에서 이 방법이 일관된 분할 정확도를 유지하는가?

주요 결과

• 제안된 히스토그램 기반 분할 방법은 다결정 실리콘, 금속, 실리콘 기반층 전반에서 테스트된 모든 기존 필터링 기법(Gaussian, median, curvature, anisotropic diffusion)을 뛰어넘었으며, 전경 및 배경 픽셀 분포 간 맨하탄 거리로 측정된 분할 정확도에서 뛰어난 성능을 보였다.
• 비등방성 확산(AD)은 기존 필터 중에서 가장 우수한 성능을 보였지만, 낮은 노이즈의 금속 층에서는 기능 융합으로 인해 실패했으며, 이는 노이즈 인식 기반 필터링 방법의 핵심적 한계를 드러냈다.
• 이 방법은 최소한의 사전 처리와 파라미터 튜닝 없이도 노이즈가 존재하는 상황에서도 모든 층에서 일관되고 정확한 분할을 달성했다.
• 이 알고리즘은 심한 배경 노이즈가 존재하는 노이즈가 많은 다결정 실리콘 층에서 IC 구조를 성공적으로 분할했으며, 비아 및 인터커넥트 형상까지 잘 유지했다.
• 지상 진짜 픽셀 레이블링을 사용한 정량적 검증 결과, 이 방법은 전경과 배경 분포가 겹치지 않는다는 것을 보여주며 높은 분할 정밀도를 입증했다.
• 이 방법은 히스토그램 도메인에서 노이즈를 효과적으로 억제함으로써, 시간 소모적인 고해상도 촬영에 대한 의존도를 줄이며 더 빠르고 저품질의 SEM 영상 사용을 가능하게 했다.