こんにちは。エンジニアライターの小原です。

今回から新連載「現場にコミットする機械学習ノート」を始めます！この連載では、論文を詳しく読み解きながら、現場で使えるAI実装のヒントを記録していきたいと思います。

重要なお知らせ：AI分野のお仕事マッチングサービス「AIDB HR」を開始しました！登録後はオファーを受け取るだけのシンプルなサービスです！現在、期間限定で、ギフト券が必ずもらえる新規登録キャンペーンも行っています。

第1回目は、 中国の上海理工大学のP. Shihらが、2020年5月に発表した「ウェハーの欠陥の分類」に関する論文を扱っていきます。ウェハーとは、半導体製造業界で最も重要な材料です。

国内企業のSUMCO（三菱・住友系のシリコンウェハーメーカー）、信越化学工業などが世界でも高いシェアを有しています。競争の激しい業界ゆえに、常に技術的な発展を市場に求められている側面が存在します。

もくじ
1章　ウェハー製造の課題
2章　ウェハーの自動分類に使える機械学習モデルの探索
2.1　研究目的
2.2　研究手法
2.2.1　分類クラス
2.2.2　データ
2.2.3　前処理の手順
2.2.4　提案手法
2.2.4.1　手法1―多層パーセプトロン（MLP）を用いた分類
2.2.4.2　手法2―畳み込みニューラルネットワーク（CNN）を用いた分類
2.2.4.3　手法3―ResNetを用いた分類
2.2.5　3つの手法の性能比較
2.3　研究結果
2.3.1　MLPの実験結果
2.3.2　CNNの実験結果
2.3.3　ResNetの実験結果
2.3.4　3つのモデルの比較

1章
ウェハー製造の課題

半導体製造においては、シリコンのような素材で作られたシリコンウェハーが使用されますが、その数には限りがあるため、モニターウェハーやダミーウェハーといった別のウェハーを再利用することで、コストを大幅に削減しています。

ウェハーを再利用する際に気になるのが、ウェハーの表面にある様々な欠陥です。現状は、経験豊富な人間の検査員が、再利用可能かを判断するスクリーニングのプロセスを担当しています。しかし、このスクリーニング作業は退屈で時間がかかるほか、見落としが発生することもあって信頼性に欠けます。

そこで中国のP. Shihらは、人間の検査員によるスクリーニングに代わるものとして、3つの画像認識手法による機械的なスクリーニングを試みました。

2章
ウェハーの自動分類に使える機械学習モデルの探索

まずはP. Shihらの研究におけるミッション・手法・結果をまとめます。