基于自监督空间微分的深度学习机器人驱动自主接触式半导体表征

本研究解决了现有深度学习模型在自主机器人接触式半导体表征中的像素精度定位不足和对大量标注数据的依赖问题。提出了一种自监督卷积神经网络，配备空间可微分损失函数，并结合形状先验，显著提高了有效接触姿态生成的精确性，提升幅度达到20%。该系统实现高效且可靠的全自动化半导体表征，可快速测量重要的新型半导体特性。