【技术实现步骤摘要】
基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法
本专利技术涉及工业系统中数据挖掘领域，具体涉及一种基于高斯过程和卷积神经网络的多阶段半导体过程概率型虚拟计量方法。
技术介绍
半导体制造涉及许多阶段。例如，在电子芯片的生产中，线锯首先将硅锭切成段，然后进行几个平坦的阶段，包括清洁，抛光和研磨，然后将处理过的晶圆转移到形成最终芯片的前端和后端工艺中。由于半导体制造业的高通量特性以及测量晶圆的高成本，人们无法在每个阶段测量所有生产晶圆的质量变量。由于物理测量的限制，晶圆到晶圆的建模越来越多地被用于预测最终产品的质量，从而可以及时调整工具和设备，以减少工艺偏差。然而，由于所涉及的物理现象的复杂性，根据一些基本的数学模型很难解释这些维度的纳米级偏差。因此，基于数据驱动的虚拟计量技术从半导体器件、电子板和系统中获取具有内在价值信息的万亿字节级制造数据，进而建立模型，在半导体工业中得到了广泛的应用。过去在半导体制造领域，研究者们对虚拟计量进行了相关的研究，例如局部加权偏最小二乘法，支持向量机，k-NN回归等。然而...
【技术保护点】
1.一种基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法，其特征在于，包括以下步骤：/n(1)对待检测的控制过程，采集与待检测变量相关的过程变量传感器的输出信号；/n(2)对采集的过程变量的信号数据进行预处理，去除异常值；/n(3)对预处理后的数据进行重新排列并保留数据的阶段信息；/n(4)将每个变量输入卷积滤波器，逐层提取沿一维处理时间方向的变量间相关性中的局部特征，各层特征输出通过激活函数传递；收集特征提取最后一层的所有阶段的所有单个特征输出至高斯过程层最终建立回归模型；/n(5)保存当前模型的参数权重，计算最终最大后验值，若不满足停止条件，更新参数权重并重复步...
【技术特征摘要】
1.一种基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法，其特征在于，包括以下步骤：
(1)对待检测的控制过程，采集与待检测变量相关的过程变量传感器的输出信号；
(2)对采集的过程变量的信号数据进行预处理，去除异常值；
(3)对预处理后的数据进行重新排列并保留数据的阶段信息；
(4)将每个变量输入卷积滤波器，逐层提取沿一维处理时间方向的变量间相关性中的局部特征，各层特征输出通过激活函数传递；收集特征提取最后一层的所有阶段的所有单个特征输出至高斯过程层最终建立回归模型；
(5)保存当前模型的参数权重，计算最终最大后验值，若不满足停止条件，更新参数权重并重复步骤(4)，直至达到停止条件；
(6)保存各层参数值，对新的预测点进行重新计算并获得几何质量的概率分布。
2.根据权利要求1所述的基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法，其特征在于，步骤(2)中，所述预处理的具体过称为：检测出过程变量中非数值或者与过程变量分布相差较大的值，采用该变量均值或者零值进行填补。
3.根据权利要求1所述的基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法，其特征在于，步骤(3)中，半导体数据在每个阶段都包含按时间序列维度的传感器采集的变量数据，将这些数据安排到每个变量的单个通道中。
4.根据权利要求1所述的基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法，其特征在于，步骤(4)的具体过程如下：
(4-1)令表示共有S阶段，第s阶段第l层共有Vsl-1个通道输入，与为第s阶段第l层核与偏置，则第s阶段第l层输出特征图表示为如下卷积过程：
(4-2)利用以下公式按点计算激活函数后特征图输出：
其中，q为上述中每一个元素，f(·)为sigmoid函数，由此将转化为相同大小
(4-3)，将经过多层卷积和激活函...
【专利技术属性】
技术研发人员：谢磊，吴小菲，陈启明，苏宏业，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
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。