【技术实现步骤摘要】
本申请涉及晶圆计算机辅助测试，更具体地说，本申请涉及一种晶圆测试参数优化方法及系统。
技术介绍
1、晶圆测试是指对半导体晶圆中各个晶粒进行电性能和物理特性检测的过程，检测的目的是评估晶圆质量和可靠性，以确保晶圆在制造和实际应用中的性能良好，晶圆测试过程中的参数包括：电流、电压、频率等。
2、在半导体制造中，晶圆测试参数的优化是确保晶粒性能符合标准的关键环节，其中，通过机器学习可分析历史测试数据，识别复杂的模式和关系，从而实现更精确的参数优化，传统的机器学习优化方法通常是对历史测试数据使用统计学方法来调整测试参数，虽然在一定程度上保证了测试结果的稳定性，但通过传统的机器学习统计方法无法统计分析晶圆中各个晶粒对应测试参数的差异，导致出现严重的测试逃逸，从而无法准确判断晶圆是否合格，因此，如何通过建立计算机辅助优化模型对晶圆中晶粒的测试参数进行优化，以减小晶圆测试的逃逸率成为了业界面临的难题。
技术实现思路
1、本申请提供一种晶圆测试参数优化方法及系统，可通过建立计算机辅助优化模型对晶圆中晶粒的测试参数进行优化，以减小晶圆测试的逃逸率。
2、第一方面，本申请提供一种晶圆测试参数优化方法，包括下述步骤：
3、采集晶圆测试过程中所有晶粒的测试参数；
4、基于下一轮晶圆测试指标的预测值将所有的测试参数划分为多个待优化参数和各个待优化参数的邻域参数，进而确定每个待优化参数与其邻域参数之间参数值的差异梯度；
5、由预设的空间映射网络将所有
6、执行下一轮晶圆测试操作，获取各个待优化参数对应晶粒的适应性参数，依据所有的适应性参数和所述预测值构建基于梯度提升树算法的参数优化模型，由所述邻域聚合特征确定所述参数优化模型的优化置信度；
7、所述参数优化模型基于所述优化置信度对各个待优化参数进行适应性优化。
8、在一些实施例中，基于下一轮晶圆测试指标的预测值将所有的测试参数划分为多个待优化参数和各个待优化参数的邻域参数具体包括：
9、确定下一轮晶圆测试指标的预测值；
10、基于所述预测值从所有的测试参数中筛选出所有需要优化的测试参数，进而得到多个待优化参数；
11、通过晶圆中晶粒的分布特征划分各个待优化参数的邻域参数。
12、在一些实施例中，通过晶圆中晶粒的分布特征划分各个待优化参数的邻域参数具体包括：
13、获取晶圆中所有晶粒的分布特征；
14、根据所述分布特征确定各个待优化参数的邻域范围；
15、基于每个待优化参数的邻域范围确定所述每个待优化参数的邻域参数。
16、在一些实施例中，确定每个待优化参数与其邻域参数之间参数值的差异梯度具体包括：
17、对于每个待优化参数，确定待优化参数和对应邻域参数中各个测试参数的差异值；
18、通过所有的差异值确定待优化参数和对应邻域参数之间参数值的差异梯度，进而得到各个待优化参数和对应邻域参数之间参数值的差异梯度。
19、在一些实施例中，由预设的空间映射网络将所有的待优化参数、所有的邻域参数和所有的差异梯度同步映射到邻域空间具体包括：
20、获取晶圆中所有晶粒的分布特征；
21、根据所述分布特征构建基于高斯过程回归的空间映射网络；
22、通过所述空间映射网络对所有的待优化参数和所有的邻域参数进行放大化处理，得到放大后的所有待优化参数和放大后的所有邻域参数；
23、所述空间映射网络基于放大后的所有待优化参数、放大后的所有邻域参数和所有的差异梯度构建邻域空间。
24、在一些实施例中，由所述邻域聚合特征确定所述参数优化模型的优化置信度具体包括：
25、获取所述参数优化模型输入的特征集；
26、在所述参数优化模型中，通过所述邻域聚合特征对所述特征集进行特征重要性评估，得到所述特征集中所有适应性参数的特征重要性；
27、基于所有的特征重要性确定每个适应性参数在所述参数优化模型中的归因值和夏普利值；
28、对所有的归因值和所有的夏普利值进行加权分析，得到所述参数优化模型的优化变量，进而对所述优化变量进行置信分析，得到所述参数优化模型的优化置信度。
29、在一些实施例中，所述参数优化模型基于所述优化置信度对各个待优化参数进行适应性优化具体包括：
30、获取所述参数优化模型的优化变量；
31、若所述优化置信度大于等于预设的置信阈值，则对于每个待优化参数，通过所述优化变量对待优化参数进行调整，得到对待优化参数优化后的测试参数，进而得到所有待优化参数优化后的测试参数，完成晶圆测试参数的优化。
32、第二方面，本申请提供一种晶圆测试参数优化系统，包括：
33、采集模块，用于采集晶圆测试过程中所有晶粒的测试参数；
34、处理模块，用于基于下一轮晶圆测试指标的预测值将所有的测试参数划分为多个待优化参数和各个待优化参数的邻域参数，进而确定每个待优化参数与其邻域参数之间参数值的差异梯度；
35、所述处理模块，还用于由预设的空间映射网络将所有的待优化参数、所有的邻域参数和所有的差异梯度同步映射到邻域空间，进而基于各个差异梯度在所述邻域空间中的映射向量确定所有待优化参数的邻域聚合特征；
36、所述处理模块，还用于执行下一轮晶圆测试操作，获取各个待优化参数对应晶粒的适应性参数，依据所有的适应性参数和所述预测值构建基于梯度提升树算法的参数优化模型，由所述邻域聚合特征确定所述参数优化模型的优化置信度；
37、执行模块，用于所述参数优化模型基于所述优化置信度对各个待优化参数进行适应性优化。
38、第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的晶圆测试参数优化方法。
39、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的晶圆测试参数优化方法。
40、本申请公开的实施例提供的技术方案具有以下有益效果：
41、本申请提供的晶圆测试参数优化方法及系统中，
42、本申请实施例中，首先，采集晶圆测试过程中所有晶粒的测试参数；基于下一轮晶圆测试指标的预测值将所有的测试参数划分为多个待优化参数和各个待优化参数的邻域参数，进而确定每个待优化参数与其邻域参数之间参数值的差异梯度；由预设的空间映射网络将所有的待优化参数、所有的邻域参数和所有的差异梯度同步映射到邻域空间，进而基于各个差异梯度在所述邻域空间中的映射向量确定所有待优化参数的邻域聚合特征；执行下一轮晶圆测本文档来自技高网...
【技术保护点】
1.一种晶圆测试参数优化方法，其特征在于，包括下述步骤：
2.如权利要求1所述的方法，其特征在于，基于下一轮晶圆测试指标的预测值将所有的测试参数划分为多个待优化参数和各个待优化参数的邻域参数具体包括：
3.如权利要求2所述的方法，其特征在于，通过晶圆中晶粒的分布特征划分各个待优化参数的邻域参数具体包括：
4.如权利要求1所述的方法，其特征在于，确定每个待优化参数与其邻域参数之间参数值的差异梯度具体包括：
5.如权利要求1所述的方法，其特征在于，由预设的空间映射网络将所有的待优化参数、所有的邻域参数和所有的差异梯度同步映射到邻域空间具体包括：
6.如权利要求1所述的方法，其特征在于，由所述邻域聚合特征确定所述参数优化模型的优化置信度具体包括：
7.如权利要求1所述的方法，其特征在于，所述参数优化模型基于所述优化置信度对各个待优化参数进行适应性优化具体包括：
8.一种晶圆测试参数优化系统，其特征在于，包括：
9.一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，其特征
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的晶圆测试参数优化方法。
...【技术特征摘要】
1.一种晶圆测试参数优化方法，其特征在于，包括下述步骤：
2.如权利要求1所述的方法，其特征在于，基于下一轮晶圆测试指标的预测值将所有的测试参数划分为多个待优化参数和各个待优化参数的邻域参数具体包括：
3.如权利要求2所述的方法，其特征在于，通过晶圆中晶粒的分布特征划分各个待优化参数的邻域参数具体包括：
4.如权利要求1所述的方法，其特征在于，确定每个待优化参数与其邻域参数之间参数值的差异梯度具体包括：
5.如权利要求1所述的方法，其特征在于，由预设的空间映射网络将所有的待优化参数、所有的邻域参数和所有的差异梯度同步映射到邻域空间具体包括：
6.如权利要求1所述的方法...
【专利技术属性】
技术研发人员：蒋文，祝厚全，
申请(专利权)人：深圳市舟鸿半导体科技有限公司，
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。