Machine Learning-ondersteunde extreem-ultraviolet diffractiegebaseerde beeldvorming en karakterisering van nanostructuren

Dit project onderzoekt hoe machine learning kan worden ingezet om de beeldvorming en karakterisering van nanostructuren in halfgeleiders te verbeteren met behulp van diffractie van extreem ultraviolet licht. Het centrale idee is om te analyseren hoe EUV-licht verstrooid wordt wanneer het deze kleine structuren raakt, en vervolgens geavanceerde algoritmen te gebruiken om gedetailleerde beelden van het materiaal te reconstrueren. In tegenstelling tot veel huidige methoden, die vaak schade toebrengen aan de monsters, is deze techniek volledig niet-destructief. Machine learning-modellen kunnen ofwel helpen bij het achterhalen van de ontbrekende fase-informatie van het verstrooide licht, essentieel voor beeldreconstructie, of ze kunnen getraind worden om direct een driedimensionaal beeld van de structuur af te leiden door meerdere verstrooiingspatronen bij verschillende invalshoeken te analyseren. Deze benadering biedt een snelle, nauwkeurige en schadevrije manier om inzicht te krijgen in de nanowereld van moderne halfgeleiders.