UP简历小U

+86 138-0000-0000|your.email@example.com|上海, 中国

资深半导体掩模版质量工程师，精通利用AI视觉技术进行纳米级缺陷检测与分析，具备深厚的半导体制造工艺知识和质量管理经验。擅长通过智能化解决方案显著提升产品良率与可靠性，成功预防曝光失效，为半导体生产提供坚实保障。致力于将前沿技术应用于实际生产，推动质量控制体系的持续优化与创新。

中芯国际集成电路制造有限公司

2021-07 - 2024-07

主导开发并实施基于AI视觉技术的掩模版表面缺陷检测系统，成功识别并定位纳米级微粒及其他潜在缺陷，将传统人工检测效率提升300%，并将漏检率降低至0.01%以下。
负责对EUV/DUV掩模版进行严格质量控制与分析，通过引入深度学习模型优化缺陷分类算法，使缺陷识别准确率达到99.5%，有效预防了因掩模版缺陷导致的曝光失效，每年为公司节约[XX]百万元的潜在损失。
深度参与半导体制造工艺中的掩模版生命周期管理，从设计验证、生产检测到维护优化，建立了一套完整的质量追溯体系，将掩模版相关批次报废率降低15%。
与研发团队紧密合作，推动机器学习算法在缺陷预测与预防中的应用，开发出预警模型，提前识别高风险掩模版，将生产中断风险降低20%。
撰写并维护相关技术文档与操作规范，培训初级工程师，提升团队整体技术水平和质量意识。

中芯国际集成电路制造有限公司

2022-03 - 2023-09

项目背景： 传统掩模版检测主要依赖人工或基于规则的机器视觉，效率低，且难以有效识别纳米级微粒和复杂缺陷，严重影响芯片良率。
个人角色： 项目负责人，主导系统架构设计、核心算法选型与模型训练。
关键行动：
- 设计并实现了基于卷积神经网络（CNN）的图像识别模型，针对高分辨率掩模版图像进行特征提取和缺陷分类。
- 构建了包含数十万张缺陷图像的标注数据集，并采用数据增强技术扩充训练集，提升模型泛化能力。
- 集成高精度光学成像系统与AI算法模块，开发了实时缺陷检测与报警功能。
- 完成了系统部署与生产线集成，并进行持续优化，确保系统稳定性与检测精度。
项目成果：
- 成功将纳米级微粒的检出率提升至99.8%，远超行业平均水平。
- 缺陷识别速度提升5倍，将单片掩模版检测时间缩短至[XX]分钟。
- 通过精准识别缺陷，有效将掩模版导致的光刻良率损失降低了25%，每年为公司创造直接经济效益[XX]百万元。

清华大学（硕士期间）

2019-09 - 2021-03

项目背景： EUV光刻对掩模版表面清洁度要求极高，纳米级颗粒污染是导致曝光失效的主要原因之一。
个人角色： 核心研究员，负责实验设计、数据分析及清洗方案评估。
关键行动：
- 研究了多种EUV掩模版清洗技术（如SC1/SC2、臭氧水清洗等）对表面微粒去除效率的影响。
- 利用原子力显微镜（AFM）和扫描电子显微镜（SEM）对清洗前后掩模版表面形貌及残余颗粒进行表征与量化分析。
- 通过实验对比，优化了清洗液配方和清洗参数，制定了高效率、低损伤的清洗工艺流程。
项目成果：
- 成功将EUV掩模版表面纳米级颗粒残留量降低了40%。
- 提出的优化清洗方案被实验室采纳，成为后续EUV光刻实验的标准操作流程，有效提升了实验成功率10%。