摘要
一种晶圆良率分析方法及装置,属于半导体质量检测技术领域,所述方法包括如下步骤:获取晶圆缺陷数据,其中,晶圆缺陷数据包括晶圆上每个最小分割单元的缺陷量化数据;获取晶圆测试数据,其中,晶圆测试数据包括每个测试单元对应的电学性能参数;根据晶圆缺陷数据与晶圆测试数据,训练深度学习神经网络,得到晶圆缺陷预测模型;根据晶圆缺陷预测模型,预测当前流片步骤时的缺陷阈值;当某种缺陷数量超过缺陷阈值时,触发返工流程。本申请通过缺陷量化数据与对应的晶圆测试数据训练深度学习神经网络,以获得晶圆缺陷与电学性能的映射关系,从而将晶圆缺陷的种类与晶圆良率关联,实现将晶圆良率反馈到对应流片步骤,实现对工艺的实时监控。
技术关键词
深度学习神经网络
晶圆良率分析方法
外延缺陷
晶圆测试数据
缺陷预测
电学性能参数
多光谱成像
前馈神经网络
成像模块
矩阵
激光光谱仪
计算机装置
多层感知机
计算机程序产品
光致发光
网络架构
处理器
系统为您推荐了相关专利信息
参数优化模型
车身结构
优化设计方案
缺陷预测
强化学习技术
视频压缩编码
编码系统
场景
深度学习神经网络
编码方法
高压馈电电缆
在线监测方法
故障预测模型
电缆故障诊断
历史故障数据
判读方法
关键帧
导向滤波器
视频流
质心计算方法