Die Referentin des Mai-Treffens ist Ann-Christin Bette, Forschungswissenschaftlerin für Advanced Vision Methodologies in IC Analysis bei der Infineon Technologies AG. Der Titel des Vortrags lautet "Advanced Vision Methodologies for Physical Inspection of Microelectronics".
Über den Vortrag:
Physikalische Inspektion von Mikroelektronik kann Daten in Wert für Besitzer von geistigem Eigentum verwandeln. Neben dem Benchmarking von Wettbewerbern ermöglicht der Inspektionsprozess eine erhöhte Sicherheit der Lieferkette durch die physische Überprüfung der Hardware. In diesem Vortrag werden drei Anwendungsfälle vorgestellt, in denen fortschrittliche Computer-Vision-Methoden für die physische Inspektion von Halbleiterbauteilen eingesetzt werden. Erstens wird eine Anwendung zur automatischen Erkennung und Klassifizierung von ESD-Schutzdioden von Wettbewerbern in PCB-Bildern vorgestellt. Zweitens wird ein Ansatz für die semantische Segmentierung von mikroskopischen Querschnittsbildern integrierter Schaltungen vorgeschlagen. Schließlich tauchen wir tief in das aktuelle Forschungsthema des Referenten ein: Die Wiederherstellung des physikalischen Layouts von hochintegrierten Schaltungen. Die verwendeten Computer-Vision-Methoden, von der Schwellenwertbildung bis hin zu Vision-Transformatoren, werden vorgestellt und in Bezug auf ihre Vorteile erläutert. Darüber hinaus werden die wichtigsten Herausforderungen und die Bedeutung von Deep Learning bei der Hardware-Inspektion diskutiert.
Über die Referentin:
Ann-Christin Bette ist seit Januar 2020 als Research Scientist for Advanced Vision Methodologies in IC Analysis bei der Infineon Technologies AG in München tätig und erforscht Methoden zur Erhaltung des IC-Layout-Recovery-Prozesses in fortschrittlichen Technologien. Derzeit absolviert sie ein externes Promotionsprogramm an der TUM School of Computation, Information and Technology am Lehrstuhl für Robotik, Künstliche Intelligenz und Eingebettete Systeme unter der Leitung von Prof. Dr.-Ing. Alois C. Knoll an der Technischen Universität München.
Mit ihrem Ausbildungshintergrund in Informatik, Mathematik und Physik, gepaart mit Forschungs- und Industrieerfahrung, möchte sie dazu beitragen, wertschöpfende Anwendungen von KI-Methoden in der Industrie zu etablieren.
Verwandte Veröffentlichungen:
- Bette, A. C.; Brus, P.; Balazs, G.; Ludwig, M. & Knoll, A., Automated Defect Inspection in Reverse Engineering of Integrated Circuits, in Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), IEEE, 2022
- Lippmann, B.; Bette, A.-C.; Ludwig, M.; Mutter, J.; Baehr, J.; Hepp, A.; Gieser, H.; Kovac, N.; Zweifel, T.; Rasche, M. & Kellermann, O., Physical and Functional Reverse Engineering Challenges for Advanced Semiconductor Solutions, 2022 Design, Automation & Test in Europe Conference & Exhibition (DATE), IEEE, 2022
- Pollach, M.; Schiegg, F.; Bette, A.C.; Ludwig, M. & Knoll, A., Boundary Enhanced Semantic Segmentation for High Resolution Electron Microscope Images, in Proceedings of the 30th European Signal Processing Conference (EUSIPCO), 2022
- Ludwig, M.; Bette, A.-C. & Lippmann, B., ViTaL: Verifying Trojan-Free Physical Layouts through Hardware Reverse Engineering, 2021 IEEE Physical Assurance and Inspection of Electronics (PAINE), IEEE, 2021