通过基于全解释结构模型的神经网络预测芯片成品率

发布时间：2021-05-31 20:45

　　近些年由于美国和中国之间以及日本和韩国之间的贸易摩擦,使得集成电路的重要性最近再次引起关注。例如近些年中兴就因为美国的制裁一蹶不起。而华为也从2020年5月26日起被美国以危害国家安全为由禁止进口美国半导体制品。由此可见随着集成电路的处理性能和集成电路的技术水平分化程度越来越大,集成电路的产量的重要性变得越来越突出。集成电路领域也逐渐成为大国之间博弈的棋子。集成电路产量的最重要指标之一是芯片成品率。成品率决定着芯片制造成本和工艺极限。过去,对集成电路芯片成品率的许多研究仍保留在特定的工艺和特定类型的集成电路上。比如说有些研究从集成电路前段加工的第一步光刻入手,也有的研究是从集成电路加工的最后一步封装入手。本研究创新性地采用称为深度学习网络来解释集成电路生产的全过程,并进一步计算和预测集成电路芯片的产量。我们使用了全解释结构模型加上两种可解释性很强的神经网络构成了我们称之为全解释结构模型+深度学习神经网络的方法。并且通过这个方法在我们收集到的数据中进行运算,得到了不错的结果。更重要的是,我们提出了一种高度可解释的基于神经网络和全解释结构模型的方法,用于解决多因素复杂问题。它为将来解决此类... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
Chapter 1 Introduction
    1.1 Background, objective and significance of the subject
    1.2 Related work
        1.2.1 Impact of key processing processes on chip yield
        1.2.2 Impact of critical area on chip yield
        1.2.3 Semi-empirical yield models
        1.2.4 Deep neural network
    1.3 Main research contents of this subject
Chapter 2 Literature review
Chapter 3 Explainable Yield Analysis Graphs
    3.1 Introduction
    3.2 Knowledge Graph, mind map and Totally Interpretive Structural Modelling
    3.3 Building process of Totally Interpretive Structural Modelling
        3.3.1 Case study
        3.3.2 Finding the key factors
        3.3.3 Building the structural self-interaction matrix
        3.3.4 Building reachability matrix and determine factor levels
        3.3.5 Building the Totally Interpretive Structural Modeling graph of chip yield
Chapter 4 Deep Learning Neural Network construction
    4.1 Introduction
    4.2 Explain the origin of unexplainability and interpretability in neural network
    4.3 An explainable deep Learning neural network
Chapter 5 Data Processing and Analysis
    5.1 Data collection and processing
    5.2 Classical structural equation model to quantitatively analyze TISM results
Chapter 6 Deep Learning Neural Network
Chapter 7 Evaluation and Discussion
Chapter 8 Conclusion
References
攻读硕士学位期间发表的论文及其它成果
Acknowledgements



本文编号：3208945