晶圆处理方法及装置、存储介质和电子设备制造方法及图纸

本发明专利技术公开了一种晶圆处理方法及装置、存储介质和电子设备，涉及集成电路制造技术领域，可以应用于晶圆堆叠的场景中，该晶圆处理方法包括：根据目标晶圆上各芯片的测试数据确定目标晶圆上各预划分区域的等级标记；将所述目标晶圆上各预划分区域的等级标记输入一训练后的分类模型中，以确定所述目标晶圆的分类等级。本公开可以提高堆叠后集成电路的良率。

Wafer processing method and device, storage medium and electronic equipment

【技术实现步骤摘要】
晶圆处理方法及装置、存储介质和电子设备
本公开涉及集成电路制造
，具体而言，涉及一种晶圆处理方法、晶圆处理装置、存储介质和电子设备。
技术介绍
随着微电子技术的进步，手机、计算机、平板等电子产品得到了快速发展。集成电路芯片的功能越来越复杂，芯片上晶体管的数目也越来越多，当晶体管的栅极长度和氧化层厚度趋于物理极限时，二维集成电路将无法继续得到发展。在这种情况下，三维集成电路(3DIC)应运而生，三维集成电路不再局限于二维平面上，应用场景相比于二维集成电路大大得到了提升。在三维集成电路的设计中，关键在于如何对晶圆进行堆叠。目前，通过对待堆叠的晶圆进行简单的测试来确定相似的晶圆，并对相似的晶圆进行堆叠。然而，目前确定晶圆是否相似的方法精确度较低且过程需要人为参与，由此，在可能消耗过多的人力成本的同时，还会造成堆叠后的集成电路良率低的问题。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
本公开的目的在于提供一种晶圆处理方法、晶圆处理装置、存储介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的堆叠后集成电路良率低的问题。根据本公开的一个方面，提供一种晶圆处理方法，包括：根据目标晶圆上各芯片的测试数据确定目标晶圆上各预划分区域的等级标记；将目标晶圆上各预划分区域的等级标记输入一训练后的分类模型中，以确定目标晶圆的分类等级。可选地，晶圆处理方法还包括：确定分类等级与目标晶圆的分类等级相同的晶圆；将目标晶圆与分类等级与目标晶圆的分类等级相同的晶圆进行堆叠。可选地，根据目标晶圆上各芯片的测试数据确定目标晶圆上各预划分区域的等级标记包括：确定目标晶圆上各芯片的测试数据；根据测试数据确定各芯片的等级标记；基于目标晶圆上各预划分区域内各芯片的等级标记确定各预划分区域的等级标记。可选地，基于目标晶圆上各预划分区域内各芯片的等级标记确定各预划分区域的等级标记包括：确定目标晶圆上一预划分区域内各芯片不同等级标记的数量；将数量最多的等级标记确定为预划分区域的等级标记。可选地，等级标记为基于预划分区域上各芯片的测试数据而确定出的图像特征；其中，将晶圆上各预划分区域的等级标记输入一训练后的分类模型中包括：将晶圆上各预划分区域对应的图像特征输入一训练后的分类模型中。可选地，晶圆处理方法还包括：基于一预划分区域上各芯片的测试数据确定各芯片的测试等级；根据各芯片的测试等级确定预划分区域的测试等级；基于一预设对应关系表确定与预划分区域的测试等级对应的图像特征。可选地，根据各芯片的测试等级确定预划分区域的测试等级包括：确定各芯片不同测试等级的数量；将数量最多的测试等级确定为预划分区域的测试等级。可选地，分类模型为卷积神经网络；其中，卷积神经网络包括3个卷积池化层和3个全连接层。可选地，3个卷积池化层中的每一个卷积池化层均包括一个卷积层和一个最大池化层，3个卷积池化层分别为第一卷积池化层、第二卷积池化层和第三卷积池化层；其中，第一卷积池化层包括16个大小为3×3的卷积核；第二卷积池化层包括32个大小为3×3的卷积核；第三卷积池化层包括64个大小为3×3的卷积核。可选地，3个全连接层包括维度均为256的第一全连接层和第二全连接层以及与分类数量相关的第三全连接层。根据本公开的一个方面，提供一种晶圆处理装置，该晶圆处理装置可以包括区域等级确定模块和晶圆分类模块。具体的，区域等级确定模块可以用于根据目标晶圆上各芯片的测试数据确定目标晶圆上各预划分区域的等级标记；晶圆分类模块可以用于将目标晶圆上各预划分区域的等级标记输入一训练后的分类模型中，以确定目标晶圆的分类等级。可选地，晶圆处理装置还可以包括晶圆确定模块和晶圆堆叠模块。具体的，晶圆确定模块可以用于确定分类等级与目标晶圆的分类等级相同的晶圆；晶圆堆叠模块可以用于将目标晶圆与分类等级与目标晶圆的分类等级相同的晶圆进行堆叠。可选地，区域等级确定模块可以包括测试数据确定单元、芯片标记确定单元和区域标记确定单元。具体的，测试数据确定单元可以用于确定目标晶圆上各芯片的测试数据；芯片标记确定单元可以用于根据测试数据确定各芯片的等级标记；区域标记确定单元可以用于基于目标晶圆上各预划分区域内各芯片的等级标记确定各预划分区域的等级标记。可选地，区域标记确定单元具体可以用于确定目标晶圆上一预划分区域内各芯片不同等级标记的数量，并将数量最多的等级标记确定为预划分区域的等级标记。可选地，等级标记为基于预划分区域上各芯片的测试数据而确定出的图像特征；其中，晶圆分类模块用于将晶圆上各预划分区域对应的图像特征输入一训练后的分类模型中，以确定目标晶圆的分类等级。可选地，区域等级确定模块可以包括芯片等级确定单元、区域等级确定单元和图像特征确定单元。具体的，芯片等级确定单元可以用于基于一预划分区域上各芯片的测试数据确定各芯片的测试等级；区域等级确定单元可以用于根据各芯片的测试等级确定预划分区域的测试等级；图像特征确定单元可以用于基于一预设对应关系表确定与预划分区域的测试等级对应的图像特征。可选地，区域等级确定单元具体可以确定各芯片不同测试等级的数量，并将数量最多的测试等级确定为预划分区域的测试等级。可选地，分类模型为卷积神经网络；其中，卷积神经网络包括3个卷积池化层和3个全连接层。可选地，3个卷积池化层中的每一个卷积池化层均包括一个卷积层和一个最大池化层，3个卷积池化层分别为第一卷积池化层、第二卷积池化层和第三卷积池化层；其中，第一卷积池化层包括16个大小为3×3的卷积核；第二卷积池化层包括32个大小为3×3的卷积核；第三卷积池化层包括64个大小为3×3的卷积核。可选地，3个全连接层包括维度均为256的第一全连接层和第二全连接层以及与分类数量相关的第三全连接层。根据本公开的一个方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的晶圆处理方法。根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的晶圆处理方法。在本公开的一些实施例所提供的技术方案中，根据目标晶圆上各芯片的测试数据确定目标晶圆上各预划分区域的等级标记，将目标晶圆上各预划分区域的等级标记输入一训练后的分类模型中，以确定目标晶圆的分类等级。采用本公开的晶圆处理方案可以实现晶圆的精确分类，可以利用分类结果实现相似晶圆的堆叠，进而提高集成电路良率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一本文档来自技高网...

【技术保护点】
1.一种晶圆处理方法，其特征在于，包括：/n根据目标晶圆上各芯片的测试数据确定所述目标晶圆上各预划分区域的等级标记；/n将所述目标晶圆上各预划分区域的等级标记输入一训练后的分类模型中，以确定所述目标晶圆的分类等级。/n

【技术特征摘要】
1.一种晶圆处理方法，其特征在于，包括：
根据目标晶圆上各芯片的测试数据确定所述目标晶圆上各预划分区域的等级标记；
将所述目标晶圆上各预划分区域的等级标记输入一训练后的分类模型中，以确定所述目标晶圆的分类等级。


2.根据权利要求1所述的晶圆处理方法，其特征在于，所述晶圆处理方法还包括：
确定分类等级与所述目标晶圆的分类等级相同的晶圆；
将所述目标晶圆与所述分类等级与所述目标晶圆的分类等级相同的晶圆进行堆叠。


3.根据权利要求1所述的晶圆处理方法，其特征在于，根据目标晶圆上各芯片的测试数据确定所述目标晶圆上各预划分区域的等级标记包括：
确定目标晶圆上各芯片的测试数据；
根据所述测试数据确定各芯片的等级标记；
基于所述目标晶圆上各预划分区域内各芯片的等级标记确定各预划分区域的等级标记。


4.根据权利要求3所述的晶圆处理方法，其特征在于，基于所述目标晶圆上各预划分区域内各芯片的等级标记确定各预划分区域的等级标记包括：
确定所述目标晶圆上一预划分区域内各芯片不同等级标记的数量；
将数量最多的等级标记确定为所述预划分区域的等级标记。


5.根据权利要求1所述的晶圆处理方法，其特征在于，所述等级标记为基于预划分区域上各芯片的测试数据而确定出的图像特征；其中，将所述晶圆上各预划分区域的等级标记输入一训练后的分类模型中包括：
将所述晶圆上各预划分区域对应的图像特征输入一训练后的分类模型中。


6.根据权利要求5所述的晶圆处理方法，其特征在于，所述晶圆处理方法还包括：
基于一预划分区域上各芯片的测试数据确定各芯片的测试等级；
根据各芯片的测试等级确定所述预划分区域的测试等级；
基于一预设对应关系表确定与所述预划分区域的测试等级对应的图像特征。


7.根据权利要求6所述的晶圆处理方法，其特征在于，根据各芯片的测试等级确定所述预划分区域的测试等级包括：
确定各芯片不同测试等级的数量；
将数量最多的测试等级确定为所述预划分区域的测试等级。


8.根据权利要求5至7中任一项所述的晶圆处理方法，其特征在于，所述分类模型为卷积神经网络；
其中，所述卷积神经网络包括3个卷积池化层和3个全连接层。


9.根据权利要求8所述的晶圆处理方法，其特征在于，所述3个卷积池化层中的每一个卷积池化层均包括一个卷积层和一个最大池化层，所述3个卷积池化层分别为第一卷积池化层、第二卷积池化层和第三卷积池化层；
其中...

【专利技术属性】
技术研发人员：潘晓东，
申请(专利权)人：长鑫存储技术有限公司，
类型：发明
国别省市：安徽;34