[0001] 在本文中本公开涉及具有改善的可靠性的检查装置和使用检查装置的检查方法。

[0002] 构成显示装置的薄膜晶体管可包括半导体层、栅电极、源电极和漏电极。近来，包括铟(In)、镓(Ga)、锌(Zn)、锡(Sn)和类似元素的氧化物半导体用作半导体层，并且氧化物半导体具有优异的半导体性质(诸如高载流子迁移率和低漏电流)。另外，氧化物半导体允许在低温下成膜，并且具有大的光学带隙，并且因此允许在塑料衬底和薄膜衬底上成膜，并且相应地，氧化物半导体部分地应用于显示装置。

[0003] 氧化物半导体的耐热性不够，并且因此可能因在制造薄膜晶体管的过程中通过热处理或等离子体处理释放的氧而引起缺陷。在氧化物半导体中形成的缺陷可能改变氧化物半导体的载流子迁移率，并且相应地，可能影响薄膜晶体管的特性。

[0004] 因此，评估在制造显示装置的过程中形成的氧化物半导体膜的缺陷是至关重要的，并且因此，正在进行对用于分析缺陷的方法的各种研究。实用新型内容

[0005] 本公开提供了检查包括氧化物半导体的检查目标的氧空位分布的检查装置和使用检查装置的检查方法。

[0006] 本实用新型构思的实施方式提供了检查装置，检查装置包括图像输出单元、存储单元和神经网络处理单元，图像输出单元配置成输出针对包括氧化物半导体的检查目标的检查图像，存储单元配置成存储通过人工神经网络生成的多个基准图像和指示氧空位分布的多个基准数据，神经网络处理单元配置成将检查图像与多个基准图像进行比较并且选择与检查图像对应的选择基准图像并且基于与选择基准图像对应的选择基准数据来输出氧空位分布图像。

[0007] 在实施方式中，多个基准图像和多个基准数据可通过凭借人工神经网络学习针对各自包括氧化物半导体的多个比较目标的多个比较图像和指示多个比较目标的氧空位分布的多个比较数据来生成。

[0008] 在实施方式中，比较图像可从比较目标的第一区生成，并且比较数据可从比较目标的第二区生成。

[0009] 在实施方式中，第二区可大于第一区。

[0010] 在实施方式中，第一区可为第二区的部分。

[0011] 在实施方式中，第一区可对应于包括在比较目标中的氧化物半导体的部分。

[0012] 在实施方式中，第一区的面积可为约900nm2至约1600nm2。

[0013] 在实施方式中，包括在多个比较目标中的各自的氧化物半导体可在氧空位的浓度上不同。

[0014] 在实施方式中，比较数据可使用X射线光电子能谱(X‑Ray Photoelectron Spectroscopy，XPS)生成。

[0015] 在实施方式中，检查图像和比较图像中的每个可使用能量色散X射线谱(Energy Dispersive Spectroscopy，EDS)生成。

[0016] 在实施方式中，人工神经网络可为卷积神经网络。

[0017] 在实施方式中，多个基准图像可使用各自具有预定氧空位浓度的多个样本来获取。

[0018] 在实施方式中，检查装置还可包括配置成基于氧空位分布图像来检测检查目标是否有缺陷的检测单元。

[0019] 在本实用新型构思的实施方式中，检查方法包括：通过人工神经网络生成多个基准图像和指示氧空位分布的多个基准数据；输出针对包括氧化物半导体的检查目标的检查图像；通过将检查图像与多个基准图像进行比较来选择与检查图像对应的选择基准图像；以及基于与选择基准图像对应的选择基准数据来输出氧空位分布图像。

[0020] 在实施方式中，生成多个基准图像和多个基准数据可包括：通过人工神经网络学习包括氧化物半导体的比较目标的比较图像和指示比较目标的氧空位分布的比较数据。

[0021] 在实施方式中，比较图像可从比较目标的第一区生成，并且比较数据可从比较目标的第二区生成。

[0022] 在实施方式中，比较数据可使用X射线光电子能谱(XPS)生成。

[0023] 在实施方式中，比较数据可通过布置成发射相对于比较目标的表面具有预定角度的光的光源生成。

[0024] 在实施方式中，比较图像可使用能量色散X射线谱(EDS)生成。

[0025] 在实施方式中，检查方法还可包括：基于氧空位分布图像来检测检查目标是否有缺陷。

[0026] 在本实用新型构思的实施方式中，检查装置包括图像输出单元、存储单元和神经网络处理单元，图像输出单元配置成输出针对包括多个检查有机材料的检查目标的检查图像，存储单元配置成存储通过人工神经网络生成并且与多个有机材料中的每个对应的多个基准图像，神经网络处理单元配置成通过将检查图像与多个基准图像进行比较来选择与检查图像对应的选择基准图像并且基于选择基准图像来输出有机材料分布图像。

[0027] 在实施方式中，基准图像可通过凭借人工神经网络学习针对包括多个有机材料的比较目标的比较图像来生成。

[0028] 在实施方式中，比较目标可提供为多个，以使得包括多个比较目标，并且包括在多个比较目标中的多个有机材料可在结合结构上不同。

[0029] 在实施方式中，检查图像和比较图像中的每个可使用能量色散X射线谱(EDS)生成。

[0030] 在实施方式中，人工神经网络可为卷积神经网络。

[0031] 在实施方式中，多个基准图像可基于多个有机材料的结合类型来获取。

[0032] 在实施方式中，检查装置还可包括配置成基于有机材料分布图像来确定包括在检查目标中的检查有机材料的类型的检测单元。

[0033] 在本实用新型构思的实施方式中，检查方法包括：通过人工神经网络生成多个基准图像；输出针对包括多个检查有机材料的检查目标的检查图像；通过将检查图像与多个基准图像进行比较来选择与检查图像对应的选择基准图像；以及基于选择基准图像来输出有机材料分布图像。

[0034] 在实施方式中，生成多个基准图像可包括：通过人工神经网络学习针对包括多个有机材料的多个比较目标的多个比较图像。

[0035] 在实施方式中，比较图像可使用能量色散X射线谱(EDS)生成。

[0036] 在实施方式中，方法还可包括：基于有机材料分布图像来确定包括在检查目标中的检查有机材料的类型。

[0062] 本公开可以许多替代形式进行修改，并且因此，特定实施方式将在附图中例示并且详细描述。然而，应理解的是，其不旨在将本公开限制为公开的具体形式，而是旨在涵盖落入本公开的精神和范围内的所有修改、等同物和替代物。

[0063] 如本文中所使用的，当元件(或区、层、部分等)被称为在另一元件“上”、“连接到”或“联接到”另一元件时，其意味着该元件可直接布置在另一元件上、连接到/联接到另一元件，或者其间可布置有第三元件。

[0064] 类似的附图标记是指类似的元件。另外，在附图中，为了技术内容的有效描述，夸大了元件的厚度、比例和大小。

[0065] 术语“和/或”包括相关联配置可限定的一种或多种的所有组合。

[0066] 尽管术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不应受这些术语限制。这些术语仅用于将一个元件与另一元件区分开。例如，在不背离本公开的教导的情况下，第一元件可被称为第二元件，并且相似地，第二元件可被称为第一元件。除非上下文另有清楚指示，否则单数形式也旨在包括复数形式。

[0067] 另外，诸如“下方”、“下”、“上方”、“上”和类似词的术语用于描述附图中所示的配置的关系。术语作为相对概念来使用，并且参照附图中指示的方向来描述。

[0068] 除非另有限定，否则本文中所使用的所有术语(包括技术术语和科技术语)具有与本公开所属的领域的普通技术人员通常理解的相同的含义。还将理解的是，除非在本文中明确如此限定，否则术语(诸如常用词典中限定的术语)应被解释为具有与它们在相关领域的上下文中的含义一致的含义，并且将不在理想化或者过于正式的意义上解释。

[0069] 还将理解的是，术语“包括(include)”或“包括(including)”，当在本说明书中使用时，指明所陈述的特征、整数、步骤、操作、元件、部件或其组合的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件、部件或其组合的存在或添加。

[0070] 在下文中，将参照附图对本实用新型构思的实施方式进行描述。

[0071] 图1是根据本实用新型构思的实施方式的检查装置的框图。图2A是根据本实用新型构思的实施方式的检查装置的部分的剖面视图。图2B是放大图2A中所示的区AA'的视图。

[0072] 参照图1，检查装置1000可包括图像输出单元100、存储单元200、神经网络处理单元300和检测单元400。检查装置1000可对应于用于对检查目标500(参见图2A)的氧空位分布进行检查的各种类型的检查装备中的一种。

[0073] 参照图1和图2A，图像输出单元100可拍摄检查目标500的检查图像ISM并且将检查图像ISM输出到神经网络处理单元300。根据本实用新型构思的实施方式，图像输出单元100可包括诸如能量色散X射线谱(EDS)的图像拍摄设备。然而，本实用新型构思的实施方式不限于此，并且图像输出单元100可包括作为光谱方法的扫描电子显微镜或透射电子显微镜。检查装置1000中的束输出单元EBA可将电子束er1提供到检查目标500。电子束er1可直接入射在检查目标500上，并且发射射线er2(例如，X射线)可从检查目标500发射。

[0074] 当电子束er1直接入射在检查目标500上时，包括在检查目标500中的核心电子可从检查目标500发射。当价电子填充核心电子从其发射的空位置时，X射线可从检查目标500发射。也就是说，发射射线er2可为当外围电子填充曾放置发射的核心电子的空位置时发射的X射线。图像输出单元100可将与检查目标500对应的从发射射线er2获得的检查图像ISM输出到神经网络处理单元300。具体地，图像输出单元100可扫描发射射线er2以检测检查目标500内部的元素，并且通过面扫分析(Mapping Analysis)提供检查目标500的剖面视图作为SEM图像。输出的检查图像ISM可提供到神经网络处理单元300。

[0075] 存储单元200可存储多个基准图像STM和与多个基准图像STM对应的多个基准数据STD。存储单元200可为非易失性存储器装置。基准数据STD可为指示比较目标600(参见图3A)的氧空位分布的数据。具体地，在检查目标500的表面上存在的氧空位的分布可转换成数据，以获得基准数据STD。替代性地，基准数据STD也可包括谱图或曲线图。多个基准图像STM可使用具有预定氧空位分布的样本来获取。具体地，检查目标500的氧空位分布可根据检查目标500的氧空位浓度而变化，并且在存储单元200中，可存储根据预定氧空位分布的基准图像STM。多个基准图像STM和多个基准数据STD可通过重复测量或人工神经网络来生成。详细情况稍后将描述。

[0076] 神经网络处理单元300可输出针对检查目标500的氧空位分布图像OVM。神经网络处理单元300可包括将存储在存储单元200中的多个基准图像STM与从图像输出单元100提供的检查图像ISM进行比较的比较器。

[0077] 神经网络处理单元300可将存储在存储单元200中的多个基准图像STM与从图像输出单元100提供的检查图像ISM进行比较，并且选择与检查图像ISM匹配或大部分相似的一个基准图像STM_S(在下文中被称为选择基准图像STM_S)。此后，神经网络处理单元300可从与选择基准图像STM_S对应的选择基准数据STD_S输出氧空位分布图像OVM。氧空位分布图像OVM对应于针对检查目标500的剖面的针对氧空位分布图的图像。

[0078] 检测单元400可从神经网络处理单元300接收氧空位分布图像OVM。检测单元400可包括将氧空位分布图像OVM与预定的分布设置值进行比较的比较器。检测单元400可通过将从神经网络处理单元300接收的氧空位分布图像OVM与预定的分布设置值进行比较来检测检查目标500的氧空位分布是否有缺陷。具体地，氧空位是指氧化物结构中的氧原子的空位，作为电荷载流子起到导电作用。当包括氧化物半导体的检查目标500的内部具有氧空位的不规则分布时，氧化物半导体可能因降低的电荷迁移率而表现出劣化的电性质。因此，检测单元400可通过使用提供的氧空位分布图像OVM基于针对检查目标500的剖面的氧空位分布和包括在氧化物半导体中的氧空位的浓度来检测检查目标500是否有缺陷。

[0079] 参照图2B，检查目标500可包括基础层BS和氧化物半导体晶体管STR。基础层BS可布置在检查目标500的最下端处。基础层BS可为包括合成树脂的合成树脂层。合成树脂层可包括热固性树脂。特别地，合成树脂层可为聚酰亚胺类树脂层，并且材料不受特别限制。合成树脂层可包括丙烯酸类树脂、甲基丙烯酸酯类树脂、聚异戊二烯类树脂、乙烯类树脂、环氧类树脂、氨基甲酸乙酯类树脂、纤维素类树脂、硅氧烷类树脂、聚酰胺类树脂和苝类树脂之中的至少任何一种。另外，基础层BS可包括玻璃衬底、金属衬底或有机/无机复合材料衬底。

[0080] 检查目标500还可包括布置在基础层BS上的缓冲层BFL。缓冲层BFL可在基础层BS上布置成覆盖下栅极(未示出)。缓冲层BFL增加基础层BS与半导体图案和/或导电图案之间的接合力。缓冲层BFL可为无机层。根据实施方式，缓冲层BFL可包括多层结构。例如，缓冲层BFL可包括氧化硅层和氮化硅层。氧化硅层和氮化硅层可交替地堆叠。

[0081] 氧化物半导体图案A1可布置在缓冲层BFL上。氧化物半导体图案A1可包括金属氧化物半导体。金属氧化物半导体可包括结晶或非晶氧化物半导体。例如，金属氧化物半导体可包括包含锌(Zn)、铟(In)、镓(Ga)、锡(Sn)、钛(Ti)的金属氧化物、或诸如锌(Zn)、铟(In)、镓(Ga)、锡(Sn)和钛(Ti)的金属和其氧化物的混合物。金属氧化物半导体可包括氧化铟锡(ITO)、氧化铟镓锌(IGZO)、氧化锌(ZnO)、氧化铟锌(IZO)、氧化锌铟(ZIO)、铟氧化物(InO)、钛氧化物(TiO)、氧化铟锌锡(IZTO)、氧化锌锡(ZTO)和类似物。

[0082] 第一绝缘层10可布置在缓冲层BFL上。第一绝缘层10可为无机层和/或有机层，并且具有单层或多层结构。第一绝缘层10可覆盖缓冲层BFL上的氧化物半导体图案A1。

[0083] 源电极S1和漏电极D1可布置在第一绝缘层10上。源电极S1和漏电极D1中的每个可通过形成在第一绝缘层10中的接触孔连接到氧化物半导体图案A1。

[0084] 栅极G1可布置在第一绝缘层10上。栅极G1可布置在源电极S1与漏电极D1之间并且可与氧化物半导体图案A1重叠。栅极G1为导电图案并且可连接到另一电极以独立地接收恒定电压或脉冲信号。替代性地，栅极G1可以与其它导电图案隔离的形式提供。根据本实用新型构思的实施方式的栅极G1可以各种形式提供并且不限于任何一个实施方式。

[0085] 覆盖栅极G1、源电极S1和漏电极D1的第二绝缘层20可布置在第一绝缘层10上。根据本实用新型构思的实施方式，第二绝缘层20可为有机层并且可具有单层结构，但不受特别限制。

[0086] 一起参照图1、图2A和图2B，与检查图像ISM对应的区可为BB'区。BB'区可为氧化物半导体晶体管STR的部分区。例如，BB'区可为氧化物半导体图案A1的部分。电子束er1可提供到检查目标500的BB'区，并且从BB'区发射的发射射线er2可提供到图像输出单元100。图像输出单元100可扫描发射射线er2以提供与检查目标500的BB'区对应的检查图像ISM。也就是说，检查图像ISM可为与氧化物半导体晶体管STR的部分区(具体地，氧化物半导体图案2 2
A1的部分)对应的剖面视图。剖面视图中的BB'区的面积可为约900nm至约1600nm。

[0087] 图3A是示出根据本实用新型构思的实施方式的针对检查装置的存储基准图像和基准数据的过程的视图。图3B是放大图3A中所示的区CC'的放大视图。图4A是示出根据本实用新型构思的实施方式的比较数据的曲线图。

[0088] 图4B是示出根据本实用新型构思的实施方式的比较图像的视图。在下文中，将参照图3A至图4B详细描述生成基准图像STM和基准数据STD的过程。

[0089] 参照图3A，数据输出单元110可输出从比较目标600获得的比较数据COD(参见图4A)。根据本实用新型构思的实施方式，比较数据COD可使用X射线光电子能谱(XPS)来生成。
光源LTA可将光er3提供到比较目标600。光er3可直接入射到比较目标600上，并且发射电子er4可从比较目标600发射并且提供到数据输出单元110。

[0090] X射线光电子能谱为基于光电效应的表面灵敏定量光谱的方法，也可识别存在于物质中或覆盖物质的表面的元素以及材料的化学状态、整体电子结构和电子态密度。光er3可为X射线束。比较目标600可用从光源LTA射入的X射线束照射，并且因此，光电子可通过射入的X射线束而从比较目标600发射。也就是说，发射电子er4可为从比较目标600朝向比较目标600的外部发射的光电子。具体地，当照射比较目标600时，从构成比较目标600的原子发射强结合的内能级(Core Level)或弱结合的外能级(Valence Level)的电子。在这种情况下，发射的电子为光电子。为了发射光电子，超过电子的束缚能和功函数的动能提供到比较目标600。因此，当测量发射的光电子的动能时，确定与材料对应的电子的束缚能，并且这可允许识别结合元素的结合关系和组成。数据输出单元110可基于识别的信息输出比较数据COD。

[0091] 一起参照图2B和图3B，比较目标600可具有与检查目标500相同的结构。比较目标600可包括基础层BS和氧化物半导体晶体管STRa。氧化物半导体晶体管STRa可包括氧化物半导体图案A2。氧化物半导体晶体管STRa可包括金属氧化物半导体。金属氧化物半导体可包括结晶或非晶氧化物半导体。氧化物半导体晶体管STRa可具有与图2B中所示的氧化物半导体晶体管STR相同的部件。

[0092] 与比较数据COD对应的区可为DD'区。DD'区可包括氧化物半导体图案A2的部分区。例如，DD'区可包括栅极G2并且还可包括源电极S2和漏电极D2的部分。光er3可提供到比较目标600的DD'区，并且从DD'区发射的发射电子er4可提供到数据输出单元110。数据输出单元110可基于发射电子er4提供与比较目标600的DD'区对应的比较数据COD。剖面视图中的
2 2
DD'区的面积可为约25μm至约30μm。根据本实用新型构思的实施方式，光源LTA可布置成发射相对于比较目标600的表面具有预定角度的光er3。当光源LTA布置成发射相对于比较目
2
标600的表面具有直角的光er3时，剖面视图中的可检查的区可能为约100nm或更小，但当光源LTA布置成发射相对于比较目标600的表面以预定角度倾斜的光er3时，剖面视图中的
2 2
可检查的区可设置为约25μm至约30μm。

[0093] 图4A是示出通过X射线光电子能谱凭借分析图3B中所示的DD'区而获得的结果作为比较数据COD的曲线图。具体地，曲线图为通过X射线光电子能谱示出比较目标600的DD'区中的氧键与氧离子相关化学键O1s的比率的曲线图。曲线图的x轴指示氧的键合能，并且y轴指示氧峰强度，即，具有能级的电子量。

[0094] 当应用X射线光电子能谱时，氧离子相关化学键O1s的能谱可包括M‑OH键合能谱、M‑O键合能谱和氧空位的键合能谱。也就是说，氧空位的分布和浓度可根据第一曲线GL1、第二曲线GL2和第三曲线GL3来指示。

[0095] 参照图4A，第一曲线GL1为示出比较目标600的氧键之中的针对M(金属)‑OH的能谱的曲线。第一曲线GL1示出了M‑OH键合水平在532.5eV处具有峰值。第二曲线GL2为示出比较目标600的氧键之中的针对氧空位的能谱的曲线。第二曲线GL2示出了氧空位键合水平在531.5eV处具有峰值。第三曲线GL3为示出比较目标600的氧键之中的针对M(金属)‑O的能谱的曲线。第三曲线GL3示出了M‑O键合水平在530.0eV处具有峰值。

[0096] 第一曲线GL1、第二曲线GL2和第三曲线GL3中的每个的面积指示键合分数。第二曲线GL2的面积可等于氧空位的浓度。因此，比较目标600的DD'区中的氧空位的浓度可通过第二曲线GL2获得。

[0097] 参照图4B，比较图像COM可为示出比较目标600(参见图3A)的剖面的图像。具体地，比较图像COM可为将比较目标600的剖面示出为锌(Zn)、铟(In)、镓(Ga)和氧(O)的分布图的图像。根据本实用新型构思的实施方式，比较图像COM可使用能量色散X射线谱(EDS)来生成。然而，本实用新型构思的实施方式不限于此，并且比较图像COM可使用作为光谱方法的扫描电子显微镜或透射电子显微镜来生成。也就是说，比较图像COM可以与参照图1和图2A描述的检查图像ISM相同的方式来生成。可提供有多个比较图像COM。可提供有多个比较目标600，并且相应地，可提供有针对比较目标600的多个比较图像COM。生成的多个比较图像COM可提供到图3A中所示的神经网络处理单元300。

[0098] 与图4B一起参照图3B，与比较图像COM对应的区可为EE'区。EE'区可包括氧化物半导体晶体管STRa的部分区。例如，EE'区可包括氧化物半导体图案A2的部分。比较图像COM对应于氧化物半导体图案A2的部分，并且因此，可对应于用于生成基准图像STM(参见图3A)的2 2
数据。剖面视图中的EE'区的面积可为约900nm至约1600nm。DD'区可为EE'区的约30000倍。

[0099] 返回参照图3A，神经网络处理单元300可使用多个比较图像COM和与其对应的多个比较数据COD来生成多个基准图像STM和多个基准数据STD。多个基准图像STM和多个基准数据STD可使用算法来生成。算法可包括模仿人类思维方式的人工智能(AI)。人工智能可包括诸如机器学习和深度学习的算法。例如，算法可使用卷积神经网络(CNN)作为深度学习算法中的一种。

[0100] 氧空位分布的特性可通过提供到神经网络处理单元300的多个比较图像COM和多个比较数据COD来提取。可执行从多个比较图像COM提取公共模式并且匹配用于预测与其对应的氧空位分布的比较数据COD的过程(或人工智能学习)。通过以上描述的学习，神经网络处理单元300可根据特定图像生成用于预测特定氧空位分布的数据。根据本实用新型构思的实施方式的多个基准图像STM为特定图像，并且多个基准数据STD对应于用于预测特定氧空位分布的数据。通过学习算法生成的多个基准图像STM和多个基准数据STD可存储在存储单元200中，并且然后用于预测检查目标500(参见图2A)的氧空位分布。

[0101] 图5是示出氧空位分布图像的视图。

[0102] 参照图5，氧空位分布图像OVM示出了与检查目标500(参见图2A)的部分对应的部分的氧空位分布。具体地，其为示出与图2B中所示的氧化物半导体晶体管STR的BB'区对应的部分的氧空位分布的图像。基准数据STD(参见图1)为示出氧空位分布的数据，并且氧空位分布图像OVM可通过对基准数据STD成像来生成。通过氧空位分布图像OVM，可容易确定针对检查目标500的特定部分的氧空位分布。

[0103] 参照图1至图5，通过从包括氧化物半导体的比较目标600获得的多个基准图像STM和多个基准数据STD，检查装置1000可获得确定包括氧化物半导体的检查目标500的精细半导体区(具体地，BB'区)的氧空位分布的氧空位分布图像OVM。相应地，可提供可靠的检查装置1000。

[0104] 图6是根据本实用新型构思的实施方式的显示装置的透视图。图7是根据本实用新型构思的实施方式的显示装置的分解透视图。图8是根据本实用新型构思的实施方式的显示装置的剖面视图。

[0105] 参照图6，显示装置DD可为根据电信号激活的装置。显示装置DD可包括各种实施方式。例如，显示装置DD可应用于诸如移动电话、智能表、平板计算机、笔记本计算机、计算机和智能电视的电子装置。根据本实用新型构思的实施方式的显示装置DD不限于以上实例，并且只要不背离本实用新型构思，可采用其它电子装置。在本实施方式中，显示装置DD以实例的方式示出为移动电话。

[0106] 显示装置DD可在与由第一方向DR1和第二方向DR2形成的平面平行的显示表面FS上朝向第三方向DR3显示图像IM。图像IM可包括静止图像和动态图像。在图6中，表和图标示出为图像IM的实例。显示图像IM的显示表面FS可对应于显示装置DD的前表面，并且也可对应于窗WM的前表面。

[0107] 在本实施方式中，相应的构件的前表面(或上表面)和后表面(或下表面)相对于显示图像IM的方向来限定。前表面和后表面可在第三方向DR3上彼此相对，并且前表面和后表面中的每个的法线方向可与第三方向DR3平行。前表面和后表面之间的在第三方向DR3上的距离可对应于显示装置DD的沿第三方向DR3限定的厚度。如本文中所使用的，“当在平面上观察时”或“在平面视图中”可指示在第三方向DR3上观察的状态。同时，由第一方向DR1、第二方向DR2和第三方向DR3指示的方向为相对概念，并且因此，可改变为其它方向。

[0108] 参照图6和图7，显示装置DD可包括窗WM、显示模块DM、驱动电路DC和壳体HU。窗WM和壳体HU可接合以形成显示装置DD的外部分。

[0109] 窗WM可包括光学透明绝缘材料。例如，窗WM可包括玻璃或塑料。窗WM可具有多层结构或单层结构。例如，窗WM可包括通过粘合剂接合的多个塑料膜、或者通过粘合剂接合的玻璃衬底和塑料膜。

[0110] 如上所述，窗WM的前表面可限定显示装置DD的显示表面FS。透射区TA可为光学透明区。例如，透射区TA可为具有约90％或更大的可见光透射率的区。

[0111] 边框区BZA可为具有比透射区TA相对低的光透射率的区。边框区BZA可限定透射区TA的形状。边框区BZA可布置成与透射区TA相邻并且可围绕透射区TA。

[0112] 边框区BZA可具有预定颜色。这仅呈现为实例，并且根据本实用新型构思的实施方式，在窗WM中，边框区BZA可被省略。

[0113] 显示模块DM可显示图像IM并且检测外部输入。显示模块DM可包括包含有效区AA和外围区NAA的前表面IS。有效区AA可为根据电信号激活的区。

[0114] 在本实施方式中，有效区AA可为显示图像IM并且也检测外部输入的区。透射区TA可与有效区AA的至少一部分重叠。例如，透射区TA可与有效区AA的全部或至少一部分重叠。

[0115] 相应地，用户可通过透射区TA观察图像IM或者提供外部输入。然而，这仅呈现为实例，并且在根据本实用新型构思的实施方式的显示模块DM中，显示图像IM的区和检测外部输入的区可在有效区AA中分离，并且本实用新型构思的实施方式不限于任何一个实施方式。

[0116] 外围区NAA可布置成与有效区AA相邻。外围区NAA可围绕有效区AA。用于驱动有效区AA的驱动电路、驱动线或类似物可布置在外围区NAA中。边框区BZA可覆盖外围区NAA以防止从外部观察到外围区NAA。

[0117] 驱动电路DC可包括柔性电路板CF和主电路板MB。柔性电路板CF可电连接到显示模块DM。柔性电路板CF可连接显示模块DM和主电路板MB。然而，这示出为实例，并且根据本实用新型构思的实施方式的柔性电路板CF可不连接到单独的电路板。

[0118] 柔性电路板CF可连接到显示模块DM的布置在外围区NAA中的焊盘。柔性电路板CF可将用于驱动显示模块DM的电信号提供到显示模块DM。电信号可在柔性电路板CF中或在主电路板MB中生成。

[0119] 主电路板MB可包括用于驱动显示模块DM的各种驱动电路或用于供给电力的连接器。主电路板MB可通过柔性电路板CF连接到显示模块DM。

[0120] 壳体HU可接合到窗WM。壳体HU可接合到窗WM以提供预定的内部空间。显示模块DM可容纳在内部空间中。

[0121] 壳体HU可包括具有相对高的刚性的材料。例如，壳体HU可包括玻璃、塑料或金属，或者可包括具有玻璃、塑料和金属的组合的多个框架和/或板。壳体HU可稳定地保护显示装置DD的容纳在内部空间中的部件免受外部冲击影响。

[0122] 在图8中，简单地示出了显示装置DD，以描述构成显示装置DD的功能面板和/或功能单元的堆叠关系。

[0123] 根据实施方式的显示装置DD可包括显示模块DM、光控制层LCL和窗WM。显示模块DM可包括显示面板DP和输入传感器ISL。

[0124] 显示面板DP生成图像。显示面板DP包括多个像素PX(参见图9A)。根据实施方式的显示面板DP可为包括发光元件作为显示元件的发光显示面板，但不特别限于此。例如，显示面板DP可为有机发光显示面板或无机发光显示面板。有机发光显示面板的发射层可包括有机发光材料。无机发光显示面板的发射层可包括量子点、量子棒或无机LED。在下文中，显示面板DP将被描述为有机发光显示面板。

[0125] 输入传感器ISL布置在显示面板DP上。输入传感器ISL获得外部输入(例如，触摸事件)的坐标信息。输入传感器ISL可以电容模式检测外部输入。

[0126] 光控制层LCL可布置在输入传感器ISL上。光控制层LCL可控制从显示面板DP生成的光(在下文中被称为源光)的路径。光控制层LCL可使从显示面板DP的部分区生成的源光聚光。另外，光控制层LCL可降低从窗WM的上侧入射到显示面板DP的自然光(或太阳光)的反射率。

[0127] 光控制层LCL可不包括偏振层。相应地，经过光控制层LCL并且入射到显示面板DP和输入传感器ISL的自然光可为非偏振光。显示面板DP和输入传感器ISL可从光控制层LCL的上部分接收非偏振自然光。

[0128] 窗WM布置在光控制层LCL上。窗WM和光控制层LCL可通过窗粘合层ADL接合。窗粘合层ADL可为压敏粘合(PSA)膜或光学透明粘合剂(OCA)。

[0129] 图9A是根据本实用新型构思的实施方式的显示面板的平面视图。图9B是根据本实用新型构思的实施方式的显示面板的剖面视图。

[0130] 参照图9A，显示面板DP可包括包含以上描述的有效区AA和外围区NAA的基础层BS。

[0131] 显示面板DP可包括布置在有效区AA中的像素PX和电连接到像素PX的信号线SGL。显示面板DP可包括布置在外围区NAA中的集成驱动电路GDC和焊盘部分PLD。

[0132] 像素PX可在第一方向DR1和第二方向DR2上排列。像素PX可包括在第一方向DR1上延伸并且在第二方向DR2上排列的多个像素行以及在第二方向DR2上延伸并且在第一方向DR1上排列的多个像素列。

[0133] 信号线SGL可包括栅极线GL、数据线DL、电力线PL和控制信号线CSL。栅极线GL可各自连接到像素PX之中的对应的像素，并且数据线DL可各自连接到像素PX之中的对应的像素。电力线PL可电连接到像素PX。控制信号线CSL可连接到集成驱动电路GDC以将控制信号提供到集成驱动电路GDC。

[0134] 集成驱动电路GDC可包括栅极驱动电路。栅极驱动电路可生成栅极信号并且将生成的栅极信号顺序地输出到栅极线GL。栅极驱动电路还可将另一信号(例如，发射控制信号)输出到像素PX。

[0135] 焊盘部分PLD可为图7中描述的柔性电路板CF连接到的部分。焊盘部分PLD可包括像素焊盘D‑PD和输入焊盘I‑PD。

[0136] 像素焊盘D‑PD可为用于将柔性电路板CF电连接到显示面板DP的焊盘。像素焊盘D‑PD可各自连接到信号线SGL之中的对应的信号线。像素焊盘D‑PD可通过信号线SGL连接到对应的像素PX。另外，像素焊盘D‑PD中的任何一个可连接到集成驱动电路GDC。

[0137] 输入焊盘I‑PD可为用于将柔性电路板CF连接到输入传感器ISL(参见图8)的焊盘。尽管图9A示出了输入焊盘I‑PD布置在显示面板DP上，但本实用新型构思的实施方式不限于此，并且输入焊盘I‑PD可布置在输入传感器ISL中并且通过输入传感器ISL中的焊盘连接到电路板。

[0138] 参照图9B，显示面板DP可包括基础层BSa、电路元件层DP‑CL、显示元件层DP‑ED和封装层TFE。

[0139] 基础层BSa可包括合成树脂膜。另外，基础层BSa可包括玻璃衬底、金属衬底、有机/无机复合材料衬底或类似物。

[0140] 显示面板DP可包括多个绝缘层、半导体图案、导电图案和信号线。绝缘层、半导体层和导电层可通过诸如涂覆或沉积的工艺形成。此后，可通过光刻和蚀刻选择性地图案化绝缘层、半导体层和导电层。包括在电路元件层DP‑CL和显示元件层DP‑ED中的半导体图案、导电图案、信号线和类似物可通过以上描述的这样的工艺来形成。

[0141] 缓冲层BFLa布置在基础层BSa的上表面上。缓冲层BFLa可提高基础层BSa与半导体图案之间的接合力。缓冲层BFLa可包括氧化硅层和氮化硅层。氧化硅层和氮化硅层可交替地堆叠。

[0142] 半导体图案布置在缓冲层BFLa上。半导体图案可包括多晶硅。然而，本实用新型构思的实施方式不限于此，并且半导体图案可包括非晶硅或金属氧化物。

[0143] 半导体图案可按照特定规则在缓冲层BFLa上面排列。半导体图案根据掺杂水平而具有不同的电性质。半导体图案可包括具有高掺杂浓度的第一区和具有低掺杂浓度的第二区。第一区可掺杂有N型掺杂剂或P型掺杂剂。P型晶体管可包括掺杂有P型掺杂剂的第一区。

[0144] 第一区具有比第二区大的导电性，并且基本上充当电极或信号线。第二区基本上对应于晶体管的沟道区。也就是说，半导体图案的部分可为晶体管的沟道区，另一部分可为晶体管的源区或漏区，并且其它部分可为导电区。

[0145] 如图9B中所示，晶体管T1的源区S1a、沟道区A1a和漏区D1a从半导体图案形成。图9B示出了从半导体图案形成的信号传送区SCL的部分。尽管未单独示出，但当在平面视图中时，信号传送区SCL可连接到晶体管T1的漏区D1a。根据本实用新型构思的实施方式的检查装置1000(参见图1)可对应于能够检查包括在沟道区A1a中的氧空位的分布的检查装备。也就是说，通过检验包括在沟道区A1a中的氧空位的分布并且调整氧空位的浓度和分布以表现出合适的电性质，可提供可靠的显示装置DD(参见图6)。

[0146] 第一绝缘层10a至第六绝缘层60布置在缓冲层BFLa上。第一绝缘层10a至第六绝缘层60可各自为无机层或有机层。栅极G1a布置在第一绝缘层10a上。上电极UE可布置在第二绝缘层20a上。第一连接电极CNE1可布置在第三绝缘层30上。第一连接电极CNE1可通过穿过第一绝缘层10a至第三绝缘层30形成的接触孔CNT‑1连接到信号传送区SCL。第四绝缘层40和第五绝缘层50可布置在第三绝缘层30上。根据实施方式，第四绝缘层40可为无机层，并且第五绝缘层50可为有机层。

[0147] 第二连接电极CNE2可布置在第五绝缘层50上。第二连接电极CNE2可通过穿过第四绝缘层40和第五绝缘层50形成的接触孔CNT‑2连接到第一连接电极CNE1。

[0148] 显示元件层DP‑ED可布置在电路元件层DP‑CL上。根据本实施方式，显示元件层DP‑ED可包括发光元件ED、像素限定膜PDL和覆盖层CPL。

[0149] 发光元件ED布置在第六绝缘层60上。根据本实施方式，发光元件ED可包括第一电极AE、空穴控制层HCL、发射层EML、电子控制层ECL和第二电极CE。

[0150] 第一电极AE布置在第六绝缘层60上。第一电极AE通过穿过第六绝缘层60形成的接触孔CNT‑3连接到第二连接电极CNE2。像素限定膜PDL布置在第六绝缘层60上。在像素限定膜PDL中限定有像素开口OP‑P。像素开口OP‑P暴露第一电极AE的至少一部分。基本上，发光区LA可限定为对应于第一电极AE的通过像素开口OP‑P暴露的第一电极。非发光区NLA对应于有效区AA(参见图7)中的除了发光区LA之外的区。

[0151] 在实施方式中，像素限定膜PDL可包括光吸收材料。像素限定膜PDL可包括黑色着色剂。黑色着色剂可包括黑色染料和黑色颜料。黑色着色剂可包括炭黑、诸如铬的金属或其氧化物。

[0152] 空穴控制层HCL布置在第一电极AE上。空穴控制层HCL可公共地布置在发光区LA和非发光区NLA中。空穴控制层HCL可包括空穴传输层，并且还可包括空穴注入层。

[0153] 发射层EML布置在空穴控制层HCL上。发射层EML可布置在与像素开口OP‑P对应的区中。也就是说，发射层EML可布置成对应于发光区LA。

[0154] 电子控制层ECL布置在发射层EML上。电子控制层ECL可包括电子传输层，并且还可包括电子注入层。第二电极CE布置在电子控制层ECL上。电子控制层ECL和第二电极CE可公共地布置在发光区LA和非发光区NLA中。

[0155] 覆盖层CPL布置在第二电极CE上。覆盖层CPL可公共地布置在发光区LA和非发光区NLA中。

[0156] 根据一个实施方式，覆盖层CPL可包括无机材料。覆盖层CPL可通过溅射沉积工艺形成。

[0157] 覆盖层CPL覆盖第二电极CE，并且因此可保护第二电极CE和发射层EML免受外部湿气或污染影响。另外，在第二电极CE与覆盖层CPL之间的界面处全反射的光可通过调整覆盖层CPL的折射率和厚度而减少。

[0158] 封装层TFE布置在覆盖层CPL上。封装层TFE可为薄膜封装层。单层或多层可堆叠在封装层TFE中。封装层TFE包括至少一个有机层。

[0159] 根据实施方式，封装层TFE可包括第一无机层IOL1、有机层OL和第二无机层IOL2。第一无机层IOL1可布置在覆盖层CPL上。有机层OL可布置在第一无机层IOL1上。第二无机层IOL2可布置在有机层OL上并且可覆盖有机层OL。

[0160] 第一无机层IOL1和第二无机层IOL2可保护显示元件层DP‑ED免受湿气/氧影响，并且有机层OL可保护显示元件层DP‑ED免受诸如灰尘颗粒的外来物质影响。

[0161] 图10是根据本实用新型构思的实施方式的检查方法的流程图。在下文中，将参照图1至图10描述根据本实用新型构思的实施方式的检查方法。

[0162] 神经网络处理单元300可生成多个基准图像STM和多个基准数据STD(S100)。多个基准图像STM和多个基准数据STD可通过学习从比较目标600获得的多个比较数据COD和多个比较图像COM的步骤来生成。

[0163] 多个比较图像COM可针对图3B中所示的比较目标600的EE'区使用能量色散X射线谱(EDS)来生成。EE'区可包括氧化物半导体晶体管STRa的部分(具体地，氧化物半导体图案2 2
A2的部分)。剖面视图中的EE'区的面积为约900nm至约1600nm，并且比较图像COM可提供为与氧化物半导体图案A2的部分对应的剖面图像。

[0164] 多个比较数据COD可针对图3B中所示的比较目标600的DD'区使用X射线光电子能谱(XPS)来生成。DD'区可包括氧化物半导体晶体管STRa的部分区。例如，DD'区可包括栅极G2，并且可包括源电极S2、漏电极D2和氧化物半导体图案A2的部分。剖面视图中的DD'区的2 2
面积为约25μm至约30μm，并且比较数据COD可作为数据对栅极G2以及氧化物半导体图案A2、源电极S2和漏电极D2的部分提供关于氧空位分布的信息。当生成比较数据COD时，图3A中所示的光源LTA可布置成发射相对于比较目标600的表面具有预定角度的光er3。当光源LTA布置成发射相对于比较目标600的表面具有直角的光er3时，剖面视图中的可检查的区
2
可能为约100nm或更小，但当光源LTA布置成发射相对于比较目标600的表面以预定角度倾
2 2
斜的光er3时，剖面视图中的可检查的区可设置为约25μm至约30μm。相应地，多个可靠的基准图像STM和多个可靠的基准数据STD可通过根据倾斜的光源LTA生成的多个比较图像COM和多个比较数据COD来生成。

[0165] 多个基准图像STM和多个基准数据STD可通过卷积神经网络从多个比较数据COD和多个比较图像COM生成。具体地，可执行从多个比较图像COM提取公共模式并且匹配用于预测与其对应的氧空位分布的比较数据COD的过程(或人工智能学习)。此后，可执行通过学习根据特定图像生成用于预测特定氧空位分布的数据的步骤。根据本实用新型构思的实施方式的多个基准图像STM为特定图像，并且多个基准数据STD对应于用于预测特定氧空位分布的数据。

[0166] 参照图1，可将从包括氧化物半导体的检查目标500获得的检查图像ISM输出到神经网络处理单元300(S200)。检查图像ISM可使用能量色散X射线谱(EDS)来生成。检查图像ISM为SEM图像并且可提供检查目标500的剖面视图作为图像。

[0167] 参照图2A，与检查图像ISM对应的区可为BB'区。BB'区可为氧化物半导体晶体管STR的部分区。例如，BB'区可为氧化物半导体图案A1的部分。

[0168] 返回参照图1，输出检查图像ISM，并且然后可对选择基准图像STM_S进行选择(S300)。此后，可从与选择的选择基准图像STM_S对应的选择基准数据STD_S输出氧空位分布图像OVM(S400)。氧空位分布图像OVM具有关于针对检查目标500的部分区(具体地，BB'区)的氧空位分布的信息。相应地，可容易获得关于针对氧化物半导体的精细区的氧空位分布的信息。

[0169] 在输出氧空位分布图像OVM(S400)之后，可执行基于氧空位分布图像OVM检测检查目标500是否有缺陷的步骤(S500)。氧空位分布图像OVM为针对检查目标500的剖面的氧空位分布图，并且可通过将从神经网络处理单元300接收的氧空位分布图像OVM与预定的分布设置值进行比较来检测检查目标500的氧空位分布是否有缺陷。当包括氧化物半导体的检查目标500的内部具有氧空位的不规则分布时，氧化物半导体可能因降低的电荷迁移率而表现出劣化的电性质。因此，可通过使用提供的氧空位分布图像OVM基于针对检查目标500的剖面的氧空位分布和包括在氧化物半导体中的氧空位的浓度来检测检查目标500是否有缺陷。

[0170] 图11是根据本实用新型构思的实施方式的检查装置的框图。图12A是根据本实用新型构思的实施方式的检查装置的部分的剖面视图。图12B是放大图12A中所示的区FF'的视图。在下文中，将不再给出与以上描述重复的内容。

[0171] 参照图11，检查装置1000a可包括图像输出单元100a、存储单元200a、神经网络处理单元300a和检测单元400a。检查装置1000a可对应于用于对检查目标500a(参见图12A)的有机材料的结构进行检查的各种类型的检查装备中的一种。

[0172] 参照图11和图12A，图像输出单元100a可拍摄从检查目标500a获得的检查图像ISMa。根据本实用新型构思的实施方式，图像输出单元100a可包括诸如能量色散X射线谱(EDS)的图像拍摄设备。然而，本实用新型构思的实施方式不限于此，并且图像输出单元100a可包括作为光谱方法的扫描电子显微镜或透射电子显微镜。检查装置1000a中的束输出单元EBA可将电子束er1提供到检查目标500a。电子束er1可直接入射在检查目标500a上，并且发射射线er2(例如，X射线)可从检查目标500a发射。

[0173] 电子束er1可直接入射在检查目标500a上，并且因此可发射包括在检查目标500a中的核心电子。X射线可在价电子转移到曾放置发射的核心电子的空间时发射。也就是说，发射射线er2可为当外围电子转移到曾放置发射的核心电子的空间时发射的X射线。图像输出单元100a可从发射射线er2输出与检查目标500a对应的检查图像ISMa。具体地，图像输出单元100a可扫描发射射线er2以检测检查目标500a内部的元素，并且通过面扫分析(Mapping Analysis)提供检查目标500a的剖面视图作为SEM图像。输出的检查图像ISMa可提供到神经网络处理单元300a。

[0174] 存储单元200a可存储多个基准图像STMa。存储单元200a可为非易失性存储器装置。多个基准图像STMa可基于包括在比较目标600a中的有机材料的结合类型来获取。具体地，根据包括在比较目标600a中的有机材料的结合结构，不同的基准图像STMa可存储在存储单元200a中。多个基准图像STMa可通过人工神经网络来生成。详细情况稍后将描述。

[0175] 神经网络处理单元300a可输出针对检查目标500a的有机材料分布图像OVMa。神经网络处理单元300a可通过将从图像输出单元100a提供的检查图像ISMa与存储在存储单元200a中的多个基准图像STMa进行比较来选择与检查图像ISMa匹配或大部分相似的一个选择基准图像STM_Sa。此后，神经网络处理单元300a可输出与选择基准图像STM_Sa对应的有机材料分布图像OVMa。有机材料分布图像OVMa对应于针对检查目标500a的剖面的针对多个检查有机材料的分布图的图像。

[0176] 检测单元400a可从神经网络处理单元300a接收有机材料分布图像OVMa。检测单元400a可使用预定的分布设置值基于有机材料分布图像OVMa来检测包括在检查目标500a中的在结合结构上不同的检查有机材料的类型。具体地，包括在包括氧化物半导体的检查目标500a中的特定有机材料形成在氧化物半导体的沟道区中，并且相应地，电荷迁移率可能降低，从而导致低的电特性。相应地，检测单元400a可基于提供的有机材料分布图像OVMa确定特定有机材料是否布置在检查目标500a的沟道区周围，以检测检查目标500a的缺陷。

[0177] 参照图12B，检查目标500a可包括基础层BS和氧化物半导体晶体管STR。图12B中所示的检查目标500a可与图2B中所示的检查目标500基本上相同。检查目标500a可包括多个检查有机材料。例如，多个检查有机材料可布置在包括在检查目标500a中的氧化物半导体图案A1周围。

[0178] 一起参照图11至图12B，与检查图像ISMa对应的区可为GG'区。GG'区可为氧化物半导体晶体管STR的部分区。例如，GG'区可为氧化物半导体图案A1的部分。电子束er1可提供到检查目标500a的GG'区，并且从GG'区发射的发射射线er2可提供到图像输出单元100a。图像输出单元100a可扫描发射射线er2以提供与检查目标500a的GG'区对应的检查图像ISMa。也就是说，检查图像ISMa可为与氧化物半导体晶体管STR的部分区(具体地，氧化物半导体
2 2
图案A1的部分)对应的剖面视图。剖面视图中的GG'区的面积可为约900nm至约8100nm。具
2 2
体地，剖面视图中的GG'区的面积可为约900nm至约1600nm 。在本描述中，根据本实用新型构思的实施方式，GG'区示出为与氧化物半导体图案A1的部分对应的剖面视图，但不限于此，只要其为布置有有机材料的区即可。

[0179] 图13A是示出根据本实用新型构思的实施方式的检查装置的存储基准图像的过程的视图。图13B是放大图13A中所示的区HH'的视图。图13C是示出根据本实用新型构思的实施方式的比较图像的视图。在下文中，将参照图13A至图13C详细描述生成基准图像STMa的过程。

[0180] 参照图13A至图13C，比较图像输出单元110a可输出从比较目标600a获得的比较图像COMa。根据本实用新型构思的实施方式，比较图像COMa可为示出比较目标600a的剖面的图像。具体地，比较图像COMa可为示出比较目标600a的剖面的作为多个有机材料的分布图的图像。根据本实用新型构思的实施方式，比较图像COMa可使用能量色散X射线谱(EDS)来生成。然而，本实用新型构思的实施方式不限于此，并且比较图像COMa可使用作为光谱方法的扫描电子显微镜或透射电子显微镜来生成。也就是说，比较图像COMa可以与参照图11和图12A描述的检查图像ISMa相同的方式来生成。可提供有多个比较图像COMa。可提供有多个比较目标600a，并且相应地，可提供有针对比较目标600a的多个比较图像COMa。生成的多个比较图像COMa可提供到神经网络处理单元300a。

[0181] 比较目标600a可具有与检查目标500a(参见图12A)相同的结构。比较目标600a可包括基础层BS和氧化物半导体晶体管STRa。氧化物半导体晶体管STRa可包括氧化物半导体图案A2。氧化物半导体晶体管STRa可包括金属氧化物半导体。

[0182] 与比较图像COMa对应的区可为II'区。II'区可包括氧化物半导体晶体管STRa的部分区。例如，II'区可包括氧化物半导体图案A2的部分。比较图像COMa对应于氧化物半导体图案A2的部分，并且因此，可对应于用于生成基准图像STMa(参见图13A)的数据。剖面视图2 2
中的II'区的面积可为约900nm 至约8100nm 。具体地，剖面视图中的II'区的面积可为约
2 2
900nm至约1600nm。

[0183] 神经网络处理单元300a可使用多个比较图像COMa来生成多个基准图像STMa。多个基准图像STMa可使用算法来生成。算法可包括模仿人类思维方式的人工智能(AI)。人工智能可包括诸如机器学习和深度学习的算法。例如，算法可使用卷积神经网络(CNN)作为深度学习算法中的一种。

[0184] 在结构上不同的多个有机材料的特性可通过提供到神经网络处理单元300a的多个比较图像COMa来提取。可执行从多个比较图像COMa提取公共模式并且匹配与包括与其对应的特定键的有机材料对应的图像的过程(或人工智能学习)。通过学习，神经网络处理单元300a可生成针对包括特定结构的有机材料的特定图像。根据本实用新型构思的实施方式的多个基准图像STMa对应于特定图像。通过学习算法生成的多个基准图像STMa可存储在存储单元200a中，并且然后用于预测检查目标500a(参见图12A)中的特定有机材料的分布。

[0185] 图14A是示出根据本实用新型构思的实施方式的选择基准图像的视图，并且图14B是示出根据本实用新型构思的实施方式的有机材料分布图像的视图。

[0186] 参照图14A和图14B，有机材料分布图像OVMa可基于选择基准图像STM_Sa来形成。选择基准图像STM_Sa对应于在多个基准图像STMa(参见图13A)之中与检查图像ISMa(参见图11)对应地选择的图像。有机材料分布图像OVMa示出了与检查目标500a(参见图12A)的部分对应的部分中的多个检查有机材料的分布。具体地，有机材料分布图像OVMa为示出与图
12B中所示的氧化物半导体晶体管STR的GG'区对应的部分中的检查有机材料的分布的图像。神经网络处理单元300a(参见图11)可基于选择基准图像STM_Sa来生成有机材料分布图像OVMa。选择基准图像STM_Sa为与氧化物半导体晶体管STR的GG'区对应的部分的剖面视图，并且通过学习的算法，选择基准图像STM_Sa中所示的检查有机材料可在有机材料分布图像OVMa上标记为红色。例如，标记为红色的部分可对应于经历检查的特定有机材料，并且其它部分可为其它有机材料或包括非有机材料。通过有机材料分布图像OVMa，可容易确定针对检查目标500a的特定部分指明的检查有机材料的分布。

[0187] 图15A至图15C是示出使用根据本实用新型构思的实施方式的检查装置的包括在检查目标中的检查有机材料的分布图的坐标图。具体地，图15A至图15C是示出不同类型的检查有机材料根据图12B中所示的GG'区的面积是否可区分的坐标图。图15A至图15C是使用主成分分析(PCA)将高维数据降低到低维数据的坐标图。在主成分分析中，可使用正交变换将可能相关的高维空间的样本转换为线性不相关的低维空间的样本。在PCA中，将数据线性变换到当数据映射到一个轴时其方差最大的轴设置为第一成分并且其方差次大的轴设置为第二成分的新的坐标系。也就是说，图15A至图15C中所示的第一成分对应于x轴，并且第二成分对应于y轴。在本实用新型构思的实施方式中，实例1和实例2是指在结构上不同的检查有机材料。例如，实例1对应于纤维素，并且实例2对应于蛋白质。

[0188] 图15A是示出图12B中所示的GG'区的面积为约900nm2至约1600nm2的情况的坐标图。参照图15A，可看出实例1和实例2通过与坐标图相交的斜线彼此区分。也就是说，当执行主成分分析时，在结合结构上不同的实例1和实例2可很好地彼此区分为不同的材料。

[0189] 图15B是示出图12B中所示的GG'区的面积为约100nm2至约400nm2的情况的坐标图。2 2
图15C是示出图12B中所示的GG'区的面积为约25nm 至约90nm 的情况的坐标图。参照图15B和图15C，基于对实例1和实例2执行的主成分分析，可看出实例1和实例2示出为混合在一起。在图15B和图15C中，当精细区经历检查时，可看出实例1和实例2示出在重叠区中，以使得难以将实例1和实例2彼此区分开。

[0190] 也就是说，参照图15A至图15C，确定的是，当通过根据本实用新型构思的实施方式的检查装置1000a(参见图11)对检查目标500a(参见图12A)进行检查时，可检查的区(例如，2 2 2
GG'区)的尺寸需要设置为约900nm至约1600nm，并且当检查区的尺寸为约为400nm 或更小时，包括在检查目标500a中的在结构上不同的检查有机材料几乎不可区分。

[0191] 图16是根据本实用新型构思的实施方式的检查方法的流程图。在下文中，将参照图11至图16描述根据本实用新型构思的实施方式的检查方法。

[0192] 神经网络处理单元300a可生成多个基准图像STMa。通过学习从比较目标600a获得的多个比较图像COMa，可生成多个基准图像STMa(S100a)。

[0193] 多个比较图像COMa可针对比较目标600a的II'区使用能量色散X射线谱(EDS)来生成。II'区可包括氧化物半导体晶体管STRa的部分区(具体地，氧化物半导体图案A2的部2 2
分)。剖面视图中的II'区的面积为约900nm至约1600nm，并且比较图像COMa可提供为与氧化物半导体图案A2的部分对应的剖面图像。

[0194] 多个基准图像STMa可基于多个比较图像COMa通过卷积神经网络来生成。具体地，可执行从多个比较图像COMa提取公共模式并且匹配与包括与其对应的特定键的有机材料对应的图像的过程(或人工智能学习)。此后，通过学习，可执行生成针对包括特定结构的有机材料的特定图像。根据本实用新型构思的实施方式的多个基准图像STMa对应于特定图像。

[0195] 可输出从包括氧化物半导体和多个有机材料的检查目标500a获得的检查图像ISMa(S200a)。检查图像ISMa可使用能量色散X射线谱(EDS)来生成。检查图像ISMa为SEM图像并且可提供检查目标500a的剖面视图作为图像。

[0196] 与检查图像ISMa对应的区可为GG'区。GG'区可为氧化物半导体晶体管STR的部分区。例如，GG'区可为氧化物半导体图案A1的部分。

[0197] 输出检查图像ISMa，并且然后可对选择基准图像STM_Sa进行选择(S300a)。此后，可基于选择的选择基准图像STM_Sa输出有机材料分布图像OVMa(S400a)。有机材料分布图像OVMa为示出检查目标500a的部分区(具体地，GG'区)中的有机材料的分布的图像。通过有机材料分布图像OVMa，可容易确定氧化物半导体的精细区中的有机材料的类型。

[0198] 在生成有机材料分布图像OVMa(S400a)之后，可执行基于有机材料分布图像OVMa确定包括在检查目标500a中的有机材料的类型(S500a)。有机材料分布图像OVMa为检查目标500a的剖面上的有机材料的分布图，并且可检测包括在检查目标500a中的有机材料的类型。包括在检查目标500a中的特定有机材料形成在氧化物半导体的沟道区中，并且相应地，电荷迁移率可能降低，从而导致低的电特性。相应地，通过基于有机材料分布图像OVMa确定特定有机材料是否布置在检查目标500a的沟道区周围，可检测检查目标500a的缺陷。

[0199] 根据本实用新型构思的实施方式的检查装置可通过凭借算法获得的多个基准图像和多个基准数据来获得包括氧化物半导体的检查目标的精细半导体区的氧空位分布图像。相应地，检查装置可对检查目标执行可靠的检查。

[0200] 另外，根据本实用新型构思的实施方式的检查装置可通过凭借算法获得的多个基准图像来获得针对布置在包括多个检查有机材料的检查目标的半导体区周围的有机材料的分布图像。检查装置可通过针对有机材料的分布图像来检测精细尺寸的在结合结构上不同的有机材料的类型。相应地，可执行对检查目标的可靠的检查。

[0201] 尽管已参照本实用新型构思的优选实施方式描述了本公开，但将理解的是，本实用新型构思不应限于这些优选实施方式，而是本领域技术人员可在不背离本公开的精神和范围的情况下进行各种改变和修改。

[0202] 因此，本公开的技术范围不限于说明书中的详细描述，而是应仅参照权利要求书来确定。