一种基于半导体材料合成智能仿真模拟系统的方法技术方案

本发明专利技术涉及半导体技术领域，且公开了一种基于半导体材料合成智能仿真模拟系统的方法，使用数据采集标注标准化平台，建立表征图像数据智能识别系统，该系统具有数据上载、标注、模型培训、功能部署等功能，针对背景复杂、特征细小的表征进行进一步的图像识别优化，针对半导体表征图像样本过少、类别不平衡的算法收敛和半导体表征图像检测识别算力不足进行解决。该基于半导体材料合成智能仿真模拟系统的方法，通过开发新的算法JYNet，算法JYNet能覆盖最低15个像素的半导体表征图像特征，检测速度比人工检测提升5

【技术实现步骤摘要】
一种基于半导体材料合成智能仿真模拟系统的方法


[0001]本专利技术涉及半导体仿真模拟
，具体为一种基于半导体材料合成智能仿真模拟系统的方法。

技术介绍

[0002]仿真模拟是半导体领域发展最为迅猛的细分行业之一，如果没有模拟仿真工具，技术创新必须构建每个设计方案的物理原型，还要进行物理实验测试，在设计流程中应用仿真模拟软件能够减少大量的物理原型构建和实验工作，还可以在多种场景下迅速高效地测试多种设计备选方案，而其中的部分场景是无法用实验来还原的，得出的结果以数据格式输出，也可以通过三维静止图像或动画输出，方便工程师以可视化的方式清晰了解设计在给定场景中的具体执行情况和原因，工程师掌握这些情况后，不但可迅速优化产品和流程、加速设计和开发进程，还能够显著降低成本、提高产品效益。
[0003]现有仿真模拟需要人类工程师操作CAD专业软件，对不同的场景进行模拟仿真，然后人类工程师对不同的仿真模拟结果进行对比和分析，然后挑选出最优设计方案，但是现有的技术存在许多缺陷，第一：人类工程师只能在有限时间内进行很有限的模拟仿真；第二：优化方案从有限的仿真数据结果中产生，有很大的局限性，故而提出了一种基于半导体材料合成智能仿真模拟系统的方法来解决上述问题。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种基于半导体材料合成智能仿真模拟系统的方法，具备可以用计算机脚本文件代替人类工程师，驱动仿真软件，用人工智能中的强化学习算法，替代人类工程师，分析仿真结果，并生成下一步优化需要的仿真条件等优点，解决了人类工程师只能在有限时间内进行很有限的模拟仿真，优化方案从有限的仿真数据结果中产生，有很大的局限性的问题。
[0006](二)技术方案
[0007]为实现上述用计算机脚本文件代替人类工程师，驱动仿真软件，用人工智能中的强化学习算法，替代人类工程师，分析仿真结果，并生成下一步优化需要的仿真条件的目的，本专利技术提供如下技术方案：一种基于半导体材料合成智能仿真模拟系统的方法，包括以下步骤：
[0008]1)使用数据采集标注标准化平台，建立表征图像数据智能识别系统，该系统具有数据上载、标注、模型培训、功能部署等功能，针对背景复杂、特征细小的表征进行进一步的图像识别优化，针对半导体表征图像样本过少、类别不平衡的算法收敛和半导体表征图像检测识别算力不足进行解决；
[0009]2)进行大数据分析，针对多尺度数据从微米到原子级多维度数据融合技术和半导体多维度数据时序性强、模型常变动导致准确率下降进行解决；
[0010]3)通过半导体科技进行文献挖掘，再针对半导体器件的反复实验工艺流程描述复杂，存在很多隐性推理难题，造成文献挖掘工艺条件模型逻辑关系提取难度高进行解决；
[0011]4)通过智能半导体模拟仿真。
[0012]优选的，建立表征图像数据智能识别系统的具体研究方法包括半导体表征图像数据的在线采集和离线收集、整理行业专家的人工标注数据，逐步建立相应知识图谱、研究表征特点的智能提取和自动预标注技术，表征图像数据智能识别模型选择和算法优化。
[0013]优选的，通过算法选型，参照ICNet、Yolo系列技术构架，建立新的算法JYNet来解决问题。
[0014]优选的，通过脚本来实现对仿真模拟软件的驱动，大幅度提升仿真的速度和优化效率，基于有限穷举进行仿真很难满足实际工艺调整需求挑战，本系统通过深度强化学习和系统优化技术充当一个agent代理，与成熟的仿真模拟软件相结合，从海量仿真数据中筛选出优化方案。
[0015]优选的，通过更小更精炼的模型用于部署，并通过结构化剪枝、移除冗余、全局误差等技术进行重新加速，实现从大型的TESLA V100 GPU上训练的模型直接部署在NVIDIA RTX 2070GPU上。
[0016]优选的，半导体工艺数据通过毫秒级高速精确采样，有温度、压力、速度、材料材质差异等，通过PCA主成份分析、聚类等技术实现对数据的分析处理。
[0017]优选的，在自然语言文本NLP处理方面主要有BERT和GPT算法，进而完成包括翻译、问题回答等任务，以及需要即时推理的任务。
[0018]优选的，利用最先进的文本提取技术Literature
‑
Based Discovery(LBD)方法来解决数据关系链复杂且长的难点，第一：缓解半导体文献当中对工艺流程难推理出准确模型的问题；第二：协助挖掘半导体数据间的隐变量关联，准确定位工艺模型流程参数；第三：LBD的优势体现在已有大量文献的领域，能够挖掘出潜在的关联信息，极大的缩短查略全部文献的时间并加速科研发展创新。
[0019]优选的，智能半导体模拟仿真在其中一部分场景是无法用实验来还原的得出的结果的情况下，以数据格式输出，也可以通过三维静止图像或动画输出。
[0020](三)有益效果
[0021]与现有技术相比，本专利技术提供了一种基于半导体材料合成智能仿真模拟系统的方法，具备以下有益效果：
[0022]1、该基于半导体材料合成智能仿真模拟系统的方法，通过开发新的算法JYNet，算法JYNet能覆盖最低15个像素的半导体表征图像特征，检测速度比人工检测提升5
‑
10倍，分类准确率接近97％，远高于半导体工程师，相比人工质检有更高的稳定性和扩展性，因此可以快速提升产能，通过优化函数设计，将数据的严重不平衡优化为统计意义上的平衡，在标准交叉熵损失基础上修改，引入Focal Loss损失函数来解决训练样本不平衡问题，这样可以通过减少易分类样本的权重，使得模型在训练时更专注于难分类的样本，实现30
‑
50个缺陷正样本数据，就可以完成对模型的初步训练实现95％以上的准确率，从而解决样本不平衡问题，本专利技术引入强化学习系统，用计算机脚本文件代替人类工程师，驱动仿真软件，用人工智能中的强化学习算法，替代人类工程师，分析仿真结果，并生成下一步优化需要的仿真条件，通过脚本来实现对仿真模拟软件的驱动，大幅度提升仿真的速度和优化效率，实现
24/7不间断仿真，实现在超大规模仿真数据中优化结果。
[0023]2、该基于半导体材料合成智能仿真模拟系统的方法，通过结构化剪枝、移除冗余、全局误差等技术进行重新加速，实现从大型的TESLA V100 GPU上训练的模型直接可以部署在NVIDIA RTX 2070GPU上，速度加快了5倍，准确率仅下降了1％，通过PCA主成份分析、聚类等技术实现对数据的分析处理，满足工艺产线的5000个以上变量参数的降维筛选融合，实现整个产线质量管控，通过三维静止图像或动画输出，方便工程师以可视化的方式清晰了解设计在给定场景中的具体执行情况和原因，工程师掌握这些情况后，不但可迅速优化产品和流程、加速设计和开发进程，还能够显著降低成本、提高产品效益。
附图说明
[0024]图1为本专利技术的系统结构示意图。
具体实施方式
[0025]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于半导体材料合成智能仿真模拟系统的方法，其特征在于，包括以下步骤：1)使用数据采集标注标准化平台，建立表征图像数据智能识别系统，该系统具有数据上载、标注、模型培训、功能部署等功能，针对背景复杂、特征细小的表征进行进一步的图像识别优化，针对半导体表征图像样本过少、类别不平衡的算法收敛和半导体表征图像检测识别算力不足进行解决；2)进行大数据分析，针对多尺度数据从微米到原子级多维度数据融合技术和半导体多维度数据时序性强、模型常变动导致准确率下降进行解决；3)通过半导体科技进行文献挖掘，再针对半导体器件的反复实验工艺流程描述复杂，存在很多隐性推理难题，造成文献挖掘工艺条件模型逻辑关系提取难度高进行解决；4)通过智能半导体模拟仿真。2.根据权利要求1所述的一种基于半导体材料合成智能仿真模拟系统的方法，其特征在于，建立表征图像数据智能识别系统的具体研究方法包括半导体表征图像数据的在线采集和离线收集、整理行业专家的人工标注数据，逐步建立相应知识图谱、研究表征特点的智能提取和自动预标注技术，表征图像数据智能识别模型选择和算法优化。3.根据权利要求1所述的一种基于半导体材料合成智能仿真模拟系统的方法，其特征在于，通过算法选型，参照ICNet、Yolo系列技术构架，建立新的算法JYNet来解决问题。4.根据权利要求1所述的一种基于半导体材料合成智能仿真模拟系统的方法，其特征在于，通过脚本来实现对仿真模拟软件的驱动，大幅度提升仿真的速度和优化效率，基于有限穷举进行仿真很难满足实际工艺调整需求挑战，通过深度强化学习和系统优化技术充当一个agent代理，与成熟的仿真模拟软件相结合，从海量...

【专利技术属性】
技术研发人员：孙敬玺，汪范生，王洋，
申请(专利权)人：惠州匠韵智能科技有限公司，
类型：发明
国别省市：