摘要
本发明公开一种栅极氧化物虚拟量测方法,首先获取晶圆制造过程中的历史数据,对历史数据进行预处理;然后构建多层神经网络模型,采用预处理后的历史数据对多层神经网络模型进行预训练;最后将所需要的工艺参数变量或工艺过程中传感器数据变量输入预训练好的多层神经网络模型中,获得栅极氧化物的虚拟量测结果。本发明采用多模态的一维深度卷积神经网络,以工艺参数变量或是传感器数据变量作为输入的对栅极氧化物工艺结果的预测,同时将多种氧化衬底方法的参数输入模型中进行综合训练,实现了栅极氧化物参数的结果预测,可以大幅降低栅极氧化物工艺的量测需求。
技术关键词
多层神经网络模型
虚拟量测方法
栅极
变量
机器可读存储介质
虚拟量测系统
一维卷积神经网络
分支
气体流量传感器
深度卷积神经网络
参数
衬底方法
晶圆
隧穿电流
处理器
数据采集模块
积层
指令
系统为您推荐了相关专利信息
煤质快速检测方法
指标
元素
神经网络算法
Sigmoid函数
电网设备
自动成图方法
节点
电网拓扑图技术
电力需求量
加氢反应器
残差模型
残差预测
LSTM模型
计算机可读指令
磁电耦合传感器
直流偏磁
电力变压器
模态分解方法
电流