本文提出并评估了一种校准方法，该方法显著改善了可以从半导体器件获得的光子发射信号中提取的光谱信息。逐步说明了校准光子发射显微镜的具体测量，如设备参数和材料带隙。本文还讨论了在校准过程中可能出现的误差类型。虽然所介绍的程序用于InGaAs传感器，但它适用于所有常见的光子发射探测器。

本文描述了一种称为memometer的硬件计量指纹技术，该技术通过现场可编程门阵列(fpga)解决供应链完整性问题。memometer是一个物理上不可克隆的函数(PUF)，基于交叉耦合查找表，克服了制造内存上电预设。指纹不仅独特，而且可靠，平均汉明距离接近50%(芯片间)和0%(芯片内)的理想值。与每台设备只有一个指纹不同的是，memometer提供了数百个指纹，并有可能提供更多指纹。

这篇文章展示了原子力显微镜的价值，特别是不同的电模式，为表征复杂的微电子结构。本文介绍了深沟隔震(DTI)结构的实验结果，并着重讨论了AFM施加的电压。通过这些测量，提出了一个故障分析工作流程，该工作流程有助于AFM电压优化，以揭示横截面样品的结构，进行比较，并确定故障的潜在原因。

本文提出了一种实时木马检测系统的设计，并探讨了大规模扫描电镜图像采集挑战的可能解决方案。其中一种解决方案是深度学习方法，从布局图像中生成合成显微图像，显示出巨大的前景。基于学习的方法也被用于合成和分类细胞。分类结果与设计交换格式文件条目相匹配，以确保底层IC的纯度。

内联晶圆电测试(WET)通过对整个晶圆的测试结构进行测量，提供了半导体制造过程的早期读数。然而，解读这些数据可能具有挑战性。在许多情况下，在生产中只监视测试站点的一个示例。复杂的制造要求使问题进一步复杂化，因为一些操作是在给定晶圆上的子区域内迭代执行的，而另一些操作是一次在整个晶圆上运行的，还有一些操作是分批应用于晶圆上的。这导致了一种嵌套的方差结构，在这种结构下，不同的物理机制对站点到站点、晶片到晶片和批次到批次的变化表现出不同的敏感性。本文使用蒙特卡罗模拟来探索这些分层方差组件对WET性能感知的影响。

这篇文章提供了一个商业3D x射线系统的概述，解释了它如何获得大的完整样品的亚微米缺陷的高分辨率图像。本文介绍了该系统用于揭示薄重分布层中的裂纹、有机衬底中的空洞以及300毫米晶圆上TSV金属化的变化的实例。正如作者所解释的那样，无论样本大小如何，每次扫描都可以在短短几分钟内完成，所得到的图像都清晰地显示了在失效分析和逆向工程中经常导致问题的梁硬化伪影。

本文介绍了扫描氮空位(NV)显微镜的基本测量物理，以及它在半导体器件故障分析中的各种方法。扫描NV显微镜可以测量地形以及磁场、局部电流密度、交流噪声和局部温度变化。

扫描非线性介电显微镜(SNDM)是一种扫描探针技术，测量探针尖端和电压偏置样品之间振荡频率的变化。当探针在半导体器件表面移动时，振荡频率会随着介电特性、电荷和载流子密度、掺杂剂浓度、界面状态或任何其他影响局部电容的变量的变化而变化。在过去的几年里，日本东北大学的研究人员在介电显微镜方面取得了一些改进，其中最新的是一种称为时间分辨SNDM (tr-SNDM)的数字版本。在这里，他们描述了他们的新技术，并介绍了一个应用，该技术用于从sio2 /SiC界面样本中获取CV、dc /d V-V和DLTS数据。

本文简要介绍了STEM-in-SEM，讨论了优点和缺点，探测器技术的最新进展，以及4D STEM-in-SEM的出现，4D STEM-in-SEM是一种相对较新的方法，使用在不同光栅位置记录的衍射图案来增强选定感兴趣区域的离线图像。

最近的研究表明，x射线照相技术有潜力弥合目前存在于传统x射线成像和电子显微镜之间的差距。这篇文章涵盖了从基本的2D成像到计算机断层扫描到具有缩放功能的3D x射线平面摄影(PyXL)技术的发展。为了证明PyXL的能力，一个16纳米FinFET逻辑IC被机械抛光到20微米的厚度，并以不同分辨率对几个区域进行成像。

分辨样品中原子的组成和位置的能力使TEM成为微电子元件最强大的表征工具之一。然而，对于许多装置来说，正常运作下的动力学并不会使原子发生位移。相反，器件功能是由对物理结构几乎没有影响的电子和热过程调节的，因此需要额外的工具来确定故障的原因。在本文中，作者提出的结果表明，采用新的SEEBIC模式的STEM EBIC可以提供电子对比，补充基于物理对比的STEM成像。通过识别故障风险较高的设备特征，这两种方法可能为预测故障分析开辟一条道路。

差分霍尔效应测量(DHEM)通过半导体层以纳米级深度分辨率提供所有关键电参数的深度剖面。本文描述了相对较新的方法，并展示了如何使用它来测量不同材料和结构中的迁移率和载流子浓度分布。

本文讨论了基于sem的阴极发光(CL)光谱的基本原理，并证明了它在工艺开发、统计过程控制和故障分析中的有用性。CL光谱学的优势最明显的技术是应用实例所反映的复合半导体光电子学和高电子迁移率晶体管。

本文回顾了扫描声学显微镜(SAM)的基本原理，并介绍了几个案例研究，证明其在故障分析和假冒检测中的应用。FA案例研究展示了SAM如何用于检测陶瓷芯片电容器和电阻中的分层、开裂和制造缺陷，全桥整流器中的空隙，以及微处理器中的辐射诱导缺陷。在涉及假冒ic的案例中，CSAM图像显示组件包装上存在异常，重新标签的证据，以及爆米花断裂，表明使用了过度的热量和力量将组件从电路板组件中分离出来。

扫描电容显微镜(SCM)和纳米探针是隔离和了解晶体管级故障的关键工具。在本案例研究中，在标准FIB横截面成像未能揭示任何可见缺陷后，使用SCM和纳米探测来确定14 nm SOI FinFET SRAM中簇状故障的电气特性。

本文描述了一种锁定式热成像技术，它可以在堆叠的模具包中实现热活性缺陷的三维定位。在这种方法中，与热传播延迟相关的相移被分析为频率的函数。这允许在所有三个空间维度上对缺陷进行精确定位，并可作为后续高分辨率物理分析的指南。

本文介绍了一种测量GaN HEMTs温度的新技术。该方法基于拉曼光谱和使用氧化铈粒子，当用紫外激光扫描时，氧化铈粒子就像微型拉曼温度计一样。正如文章所解释的那样，由于拉曼散射引起的声子线漂移被用来估计GaN层的温度，而表面温度是通过氧化铈粒子获得的。研究结果还证实，分布在半导体和金属表面的粒子不会改变GaN器件的电特性。

激光刺激被广泛应用于通过加热效应或光子效应来揭示集成电路中的缺陷。标准的方法是使用波长高于硅带隙波长的激光来产生局部加热，而低于硅带隙波长的激光则产生光电流。在实践中，大多数fa使用1340 nm (IR)激光进行TIVA测量，532 nm(可见)或1064 nm(近IR)激光进行LIVA分析。然而，正如本文所演示的，可见和近红外激光器也可以用于TIVA分析，在某些情况下，基于信号强度和空间分辨率，可能是更可取的。

本文介绍了在半导体FA中使用机器学习的最新突破。finfet中的细胞内部缺陷不仅首次被检测和诊断，而且还使用细胞感知诊断以及根本原因反褶积(RCD)技术进行了细化、澄清和解决。作者描述了该方法的发展，并评估了每一步所做的增量改进。

提出了一种基于热反射原理的非侵入性热成像分析先进半导体器件的方法。几个例子说明了这种方法在检测热异常和其他技术所遗漏的缺陷方面的价值。