集成电路修补方法及装置、存储介质、电子设备制造方法及图纸

本公开涉及计算机技术领域，尤其涉及一种集成电路修补方法及装置、存储介质、电子设备。所述方法包括：获取待修补集成电路的芯片测试数据；根据所述芯片测试数据并结合由深度学习网络构建的预测模型预测所述待修补集成电路的封装测试数据；根据所述芯片测试数据和所述封装测试数据对所述待修补集成电路进行修补。本公开避免了人为因素的影响，使得封装测试数据的预测准确率大大提高，进而也避免出现修补电路浪费的现象，此外，由于封装测试数据的预测准确率大大提高，因此，可以很好的缩短修补时间并降低修补成本。

Integrated circuit repair method and device, storage medium and electronic equipment

【技术实现步骤摘要】
集成电路修补方法及装置、存储介质、电子设备
本公开涉及计算机
，尤其涉及一种集成电路修补方法及装置、存储介质、电子设备。
技术介绍
为了提高生产良率，在集成电路的芯片测试数据中存在错误数据时，可以通过集成电路中预先设置的修补电路对该集成电路中与错误数据对应的错误位置进行修补，同理，在集成电路的封装测试数据中存在错误数据时，可以通过电路中剩余的修补电路对集成电路中与错误数据对应的错误位置进行修补。由于从集成电路的芯片测试到集成电路的封装测试之间仅差了切割和封装过程，因此，可以根据集成电路的芯片测试数据中的错误数据并结合测试人员的测试经验对集成电路的封装测试数据中的错误数据进行预测，并根据集成电路的芯片测试数据中的错误数据和预测的封装测试数据中的错误数据对集成电路进行修补，即在集成电路的芯片制造完成后，可以将与芯片测试数据中的错误数据对应的错误位置和预测的封装测试数据中的错误数据对应的错误位置一起修补掉，在提高了集成电路的芯片制程良率的同时，也提高了集成电路的封装制程良率。然而，在上述方式中，由于每个测试人员的测试经验存在差异，预测出本文档来自技高网...

【技术保护点】
1.一种集成电路修补方法，其特征在于，包括：/n获取待修补集成电路的芯片测试数据；/n根据所述芯片测试数据并结合由深度学习网络构建的预测模型预测所述待修补集成电路的封装测试数据；/n根据所述芯片测试数据和所述封装测试数据对所述待修补集成电路进行修补。/n

【技术特征摘要】
1.一种集成电路修补方法，其特征在于，包括：
获取待修补集成电路的芯片测试数据；
根据所述芯片测试数据并结合由深度学习网络构建的预测模型预测所述待修补集成电路的封装测试数据；
根据所述芯片测试数据和所述封装测试数据对所述待修补集成电路进行修补。


2.根据权利要求1所述的集成电路修补方法，其特征在于，在所述获取待修补集成电路的芯片测试数据之前还包括：
获取多个样本集成电路的芯片测试数据样本；
获取所述多个样本集成电路的封装测试数据样本；
根据所述多个样本集成电路的芯片测试数据样本和所述多个样本集成电路的封装测试数据样本对所述深度学习网络进行训练以构建所述预测模型。


3.根据权利要求1所述的集成电路修补方法，其特征在于，所述根据所述芯片测试数据并结合由深度学习网络构建的预测模型预测所述待修补集成电路的封装测试数据包括：
获取所述待修补集成电路的芯片制程数据；
根据所述芯片测试数据和所述芯片制程数据并结合由所述深度学习网络构建的预测模型预测所述待修补集成电路的封装测试数据。


4.根据权利要求3所述的集成电路修补方法，其特征在于，在所述获取所述待修补集成电路的芯片制程数据之前还包括：
获取多个样本集成电路的芯片测试数据样本；
获取所述多个样本集成电路的封装测试数据样本；
获取所述多个样本集成电路的芯片制程数据；
根据所述多个样本集成电路的芯片测试数据样本和所述多个样本集成电路的封装测试数据样本以及所述多个样本集成电...

【专利技术属性】
技术研发人员：林家圣，
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