基于改进的连续型深度信念网络的晶圆良率预测方法

发布时间：2022-01-06 02:46

　　晶圆良率是衡量半导体产品质量的关键指标,对其进行稳定、准确的预测能够帮助发现晶圆加工工艺缺陷、提高芯片质量、控制芯片生产成本。针对晶圆良率的影响因素多、数据体量大、数据间关系复杂等特点,以晶圆加工过程中的电性测试参数为依据,提出一种基于改进的连续型深度信念网络的晶圆良率预测方法。首先提出晶圆电性测试参数的两阶段数据预处理方法,第一阶段对晶圆电性测试参数中的缺失值、异常值进行数据清洗,第二阶段对晶圆电性测试测试参数间的多重共线性关系进行主成分分析,以获取预测模型的输入变量。然后设计了基于深度信念网络的晶圆良率预测模型,通过改进隐藏层的连续型受限制玻尔兹曼机,实现了关键特征的自动提取,利用输出层的误差反向传播机制,实现了晶圆良率的准确预测。采用实例数据,对比了所提方法与现有文献方法的预测准确率,从而验证了所提方法的有效性。 

【文章来源】：计算机集成制造系统. 2020,26(09)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 基于ICDBN的晶圆良率预测方法框架
2 晶圆电性测试参数的两阶段数据预处理方法
    2.1 晶圆电性测试数据清洗
        (1)晶圆电性测试参数的缺失值处理
        (2)晶圆良率的异常点处理
        (3)晶圆电性测试参数间的量纲不一致处理
    2.2 晶圆电性测试参数的主成分分析方法
3 基于ICDBN的晶圆良率预测模型
    3.1 隐藏层-ICRBM
        (1)受限制的玻尔兹曼机(Restricted Boltzmann Machine, RBM)
        (2)改进的连续型受限制玻尔兹曼机
    3.2 输出层-BPNN
4 实例验证分析
    4.1 模型参数试验
        (1)模型层数设定
        (2)模型节点设定
        (3)激活函数设定
        (4)迭代次数与学习率设定
    4.2 预测方法对比试验
        (1)预测结果对比试验
        (2)预测误差对比试验
5 结束语


【参考文献】：
期刊论文
[1]基于多主元特征与支持向量机的动态过程质量异常监控模型[J]. 刘玉敏,张帅.  计算机集成制造系统. 2018(03)
[2]基于DBSCAN与FSVM的半导体生产线成品率预测方法[J]. 邱明辉,曹政才,刘民,刘雪莲.  计算机集成制造系统. 2016(11)

硕士论文
[1]基于主成分分析的多元分段模型预测集成电路晶圆良率的应用[D]. 康盛.华东师范大学 2015
[2]铜互连工艺缺陷模式及其对集成电路良率的影响[D]. 孙宏.复旦大学 2009



本文编号：3571569