System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及半导体,尤其涉及一种晶圆缺陷评估方法、一种存储器和一种计算机可读存储介质。
技术介绍
1、相关技术中,为了评估芯片的良率,提出了一种指标值kr(kill ratio),kr的计算方式如式(1)所示:
2、
3、其中,在晶圆制造过程中,每形成一层膜层,会选择少量的裸片进行缺陷检测,并得到检测结果,dgd(defect good die)是检测结果为pass且有缺陷的裸片数量,dbd(defect bad die)是测试结果为fail且有缺陷的裸片数量,在制程结束后,还需要对生成的每个裸片进行cp(chip probing)测试,cgd(clean good die)是cp测试结果为pass且无缺陷的裸片数量,cbd(clean bad die)是cp测试结果为fail且无缺陷的裸片数量,而为了得到cgd和cbd,需要在cp测试中对所有的裸片进行测试,这就导致了cp测试的测试周期长,测试成本高。
4、需要说明的是,在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的目的在于提供一种晶圆缺陷评估方法、装置、存储器芯片和可读存储介质,能够减少cp测试的工作量,缩短cp测试周期,进而能够提升内存芯片的生产效率。。
2、本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
3、根据本公开的一个方面,
4、将所述缺陷检测数据输入测试阶段失效预测模型,以基于所述测试阶段失效预测模型预测出在制程结束后晶圆上所有裸片的测试失效预测数据,其中,所述测试阶段失效预测模型使用测试阶段真实失效大数据作为训练样本进行模型训练生成,所述真实失效大数据包括具有对应关系的晶圆制程阶段缺陷数据和制程结束后的测试失效数据;
5、基于所述缺陷检测数据和所述测试失效预测数据计算所述晶圆的缺陷评估指标。
6、在本公开的一种示例性实施例中,所述将所述缺陷检测数据输入测试阶段失效预测模型,以基于所述测试阶段失效预测模型预测出在测试阶段的测试失效预测数据包括:
7、所述缺陷检测数据包括第一检测值和第二检测值,所述第一检测值为检测到的有缺陷且测试通过的裸片数量,所述第二检测值为检测到的有缺陷且测试失效的裸片数量,将所述第一检测值和所述第二检测值输入所述测试阶段失效预测模型,以输出所述测试失效预测数据,所述测试失效预测数据包括第一预测值和第二预测值,所述第一预测值为预测出的通过晶圆测试且无缺陷裸片数量,所述第二预测值为在所述晶圆测试中失效且无缺陷裸片数量。
8、在本公开的一种示例性实施例中,所述缺陷评估指标包括关联性指标、重要性指标和敏感度指标中的至少一种,
9、其中,所述关联性指标用于表征所述缺陷检测数据和所述测试失效预测数据之间的相关性,所述重要性指标用于表征缺陷对测试失效的影响程度,所述敏感度指标用于表征所述缺陷检测数据随所述测试失效预测数据的变化率。
10、在本公开的一种示例性实施例中,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
11、基于第一公式计算所述关联性指标,
12、其中,所述第一公式为r为所述关联性指标,dgd为所述第一检测值,dbd为所述第二检测值,cbd′为所述第二预测值,total′为所述第一预测值和所述第二预测值之和。
13、在本公开的一种示例性实施例中,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
14、基于第二公式计算所述重要性指标,
15、其中,所述第二公式为i为所述重要性指标,dgd为所述第一检测值,dbd为所述第二检测值,cbd′为所述第二预测值,total′为所述第一预测值和所述第二预测值之和。
16、在本公开的一种示例性实施例中,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
17、基于第三公式计算所述敏感度指标,
18、其中,所述第三公式为s为所述敏感度指标,dgd为所述第一检测值,dbd为所述第二检测值,cbd′为所述第二预测值。
19、在本公开的一种示例性实施例中,还包括:
20、基于所述缺陷评估指标筛选出关键制程晶圆层,所述关键制程晶圆层用于预测出在后期测试中删除失效裸片。
21、在本公开的一种示例性实施例中,所述基于所述缺陷评估指标筛选出关键制程晶圆层包括:
22、将所述重要性指标、所述敏感度指标和所述关联性指标按照筛选优先级从高到低进行排序;
23、基于所述筛选优先级对所述缺陷评估指标进行筛选,以基于筛选结果得到所述关键制程晶圆层。
24、在本公开的一种示例性实施例中,在基于所述筛选优先级对所述缺陷评估指标进行筛选,以基于筛选结果得到所述关键制程晶圆层之前,还包括:
25、对所述晶圆制程阶段缺陷数据中的缺陷形状特征和所述测试失效数据进行相关性分析;
26、基于所述相关性分析的分析结果设置第一阈值、第二阈值和第三阈值,
27、其中,所述第一阈值用于对所述重要性指标进行筛选,所述第二阈值用于对所述敏感度指标进行筛选,所述第三阈值用于对所述关联性指标进行筛选。
28、在本公开的一种示例性实施例中,所述基于所述筛选优先级对所述缺陷评估指标进行筛选,以基于筛选结果得到所述关键制程晶圆层包括:
29、从全部晶圆层中过滤掉所述重要性指标小于或等于0的晶圆层,得到待筛选晶圆层;
30、将所述重要性指标大于所述第一阈值作为第一筛选优先级,从所述待筛选晶圆层中筛选出第一组关键晶圆层,并得到剩余晶圆层;
31、将所述敏感度指标大于所述第二阈值作为第二筛选优先级,从所述剩余晶圆层中筛选出第二组关键晶圆层,以基于所述第一组关键晶圆层和所述第二组关键晶圆层得到所述关键制程晶圆层。
32、在本公开的一种示例性实施例中,基于所述筛选优先级对所述缺陷评估指标进行筛选,以基于筛选结果得到所述关键制程晶圆层,还包括:
33、将所述关键制程晶圆层的缺陷检测数据输入所述测试阶段失效预测模型,以基于所述对应关系输出所述失效裸片在所述关键制程晶圆层的位置信息。
34、在本公开的一种示例性实施例中,所述在获取在制程阶段对晶圆进行抽检的缺陷检测数据之前,还包括:
35、基于缺陷在每层晶圆上均以指定概率分布的假设条件配置训练模型;
36、提取所述训练样本中的失效训练特征,基于所述失效训练特征对所述训练模型进行迭代训练,得到所述测试阶段失效预测模型。
37、在本公开的一种示例性实施例中,提取所述训练样本中的失效训练本文档来自技高网...
【技术保护点】
1.一种晶圆缺陷评估方法,其特征在于,包括:
2.根据权利要求1所述的晶圆缺陷评估方法,其特征在于,所述将所述缺陷检测数据输入测试阶段失效预测模型,以基于所述测试阶段失效预测模型预测出在测试阶段的测试失效预测数据包括:
3.根据权利要求2所述的晶圆缺陷评估方法,其特征在于,所述缺陷评估指标包括关联性指标、重要性指标和敏感度指标中的至少一种,
4.根据权利要求3所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
5.根据权利要求3所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
6.根据权利要求3所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
7.根据权利要求3所述的晶圆缺陷评估方法,其特征在于,还包括:
8.根据权利要求7所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷评估指标筛选出关键制程晶圆层包括:
10.根据权利要求9所述的晶圆缺陷评估方法,其特征在于,所述基于所述筛选优先级对所述缺陷评估指标进行筛选,以基于筛选结果得到所述关键制程晶圆层包括:
11.根据权利要求8所述的晶圆缺陷评估方法,其特征在于,基于所述筛选优先级对所述缺陷评估指标进行筛选,以基于筛选结果得到所述关键制程晶圆层,还包括:
12.根据权利要求1至11中任一项所述的晶圆缺陷评估方法,其特征在于,所述在获取在制程阶段对晶圆进行抽检的缺陷检测数据之前,还包括:
13.根据权利要求12所述的晶圆缺陷评估方法,其特征在于,提取所述训练样本中的失效训练特征,基于所述失效训练特征对所述训练模型进行迭代训练,得到所述测试阶段失效预测模型包括:
14.根据权利要求13所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷数量和所述裸片位置进行所述迭代训练,以得到所述测试阶段失效预测模型,还包括:
15.一种晶圆缺陷评估装置,其特征在于,包括:
16.一种存储器芯片,其特征在于,所述存储器芯片采用如权利要求1-14中任一项所述的晶圆缺陷评估方法进行缺陷评估和检测。
17.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-14中任一项所述的晶圆缺陷评估方法。
...【技术特征摘要】
1.一种晶圆缺陷评估方法,其特征在于,包括:
2.根据权利要求1所述的晶圆缺陷评估方法,其特征在于,所述将所述缺陷检测数据输入测试阶段失效预测模型,以基于所述测试阶段失效预测模型预测出在测试阶段的测试失效预测数据包括:
3.根据权利要求2所述的晶圆缺陷评估方法,其特征在于,所述缺陷评估指标包括关联性指标、重要性指标和敏感度指标中的至少一种,
4.根据权利要求3所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
5.根据权利要求3所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
6.根据权利要求3所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷检测数据和所述测试失效预测数据计算所述缺陷评估指标包括:
7.根据权利要求3所述的晶圆缺陷评估方法,其特征在于,还包括:
8.根据权利要求7所述的晶圆缺陷评估方法,其特征在于,所述基于所述缺陷评估指标筛选出关键制程晶圆层包括:
9.根据权利要求8所述的晶圆缺陷评估方法,其特征在于,在基于所述筛选优先级对所述缺陷评估指标进行筛选,以基于筛选结果得到所述关键制程晶圆层之前,还包括:
<...【专利技术属性】
技术研发人员:郑宇廷,熊世英,丁赛赛,
申请(专利权)人:长鑫存储技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。