半导体应用的协作学习模型制造技术

使用协作学习对晶片进行分类。通过基于规则的模型确定初始晶片分类。通过机器学习模型确定预测晶片分类。多个用户可以手动查看所述分类以确认或修改，或添加用户分类。将所有所述分类输入到所述机器学习模型以不断更新其检测和分类方案。检测和分类方案。检测和分类方案。

【技术实现步骤摘要】
【国外来华专利技术】半导体应用的协作学习模型
[0001]相关申请
[0002]本申请要求2019年10月14日提交的标题为“半导体应用的协作学习(Collaborative Learning for Semiconductor Applications)”的第62/914901号美国临时申请的优先权，所述美国临时申请以全文引用的方式并入本文中。


[0003]本申请涉及半导体制造过程中的晶片分类，且更具体地，涉及用于改进分类过程的协作学习方案。

技术介绍

[0004]用于制造半导体晶片的典型工艺在几个月的时间段内经历数百甚至数千个步骤，然后晶片被转变成由所述工艺生产的最终集成电路产品并准备好包装和运输给客户。晶片制造后的分类对于评估晶片制造良品率性能非常重要。
[0005]在当前的一种方案中，客户利用各种计算机生成的输出来确定晶片质量。例如，图形用户界面(GUI)可由数据模板支持，所述数据模板例如PDF Solutions，Inc公司销售的用于半导体代工厂的分析平台。模板被配置成使得GUI生成为包含和显示晶片信息以供用户查看，所述晶片信息包括晶片检查结果。典型的晶片信息显示将至少包括晶片标识信息、晶片分类信息和晶片图的图像。
[0006]通常在模板实例中创建大量规则(例如，200+)，用于处理和呈现晶片信息以供客户查看当前处于制造工艺步骤中的一批或多批晶片。具体地，识别晶片图中的集群是许多规则的主要目标。在一个示例中，如果有任何集群未被200+规则捕获并且认为有必要，则创建附加规则来捕获新的集群签名，并将新规则添加到现有规则集中以用于预测未来的晶片。此外，在查看基于规则的结果和聚类信息后，客户可以修改晶片质量标签。
[0007]一般来说，晶片分类可以取决于各种方法作为输入。例如，基线状态、或偏移、或已知空间问题或其他典型分类状态的分类可以基于各种计算规则和统计数据确定，例如：(i)自动签名分类(ASC)：根据多个分区定义和复合箱计算，基于分区箱良品率模式对晶片进行分类；(ii)聚类：基于管芯箱值的集群对晶片进行分类；(iii)频率选择表面(FSS)：使用预先存在和/或用户定义的规则来标识模式；(iv)良品率信息：当前晶片良品率的统计指标，例如统计箱限制(SBL)和统计性良品率限制(SYL)。
[0008]最终的晶片分类(或“合并分类”或“合并标签”)可以采用输出字符串的形式，所述字符串封装计算出的分类中的相关信息。然而，使用先前的方法确定晶片分类并非总是足够，因为客户必须手动查看，有时还必须纠正或更新晶片分类。这通常要求客户在多次迭代中分别为每条芯片线手动地调整规则和参数。希望将手动查看与基于机器的方案相结合，以提高晶片分类的准确性。
附图说明
[0009]图1是简化图形用户界面(GUI)的图示。
[0010]图2是示出用于晶片分类的协作学习(CL)模型的一个实施方案的框图。
[0011]图3是示出用于晶片分类的CL模型的概念概述的框图。
[0012]图4是示出用于晶片分类的CL模型的设置程序的一个实施方案的流程图。
具体实施方式
[0013]协作学习(CL)描述了主动学习(AL)领域中的一种实现方式，AL领域是机器学习(ML)的更一般领域。例如，互联网网站使用AL来整合用户的输入(大拇指向上、大拇指向下)，以决定产品供应或相关营销。此方法可用于半导体制造和后期制造，以通过纠正管芯或晶片故障模式的错误分类来增强当前基于分析的方法。
[0014]图1是可用于实现用于对晶片进行分类的协作学习环境的简化图形用户界面(GUI)100的一个实施方案，其仅出于说明目的呈现。GUI 100是基于处理器的工具，所述基于处理器的工具以格式化方式提供信息的视觉显示，具有各种设计的小部件，用于实现用户与至少显示的信息的交互以及用于提供控制功能，所有这些都是众所周知的。
[0015]处理器可以是基于桌面的，即独立的，或者是网络系统的一部分；但考虑到要处理和交互显示的大量信息，处理器功能(CPU、RAM等)应该是目前最先进的，以最大限度地提高效率。在半导体代工厂环境中，分析平台是构建GUI模板的有用选择。在一个实施方案中，可以使用与Python面向对象编程语言兼容的分析软件版本7.11或更高版本来完成底层处理例程的编码，主要用于对下面描述的机器语言模型进行编码。
[0016]在图1的示例中，GUI 100包括两个主窗口或面板：第一窗口110用于晶片信息，并且第二窗口140用于晶片图，例如图141、142。
[0017]在第一窗口110中，呈现模板或电子表格120，其包括多个行122，每个行显示工艺中的晶片的分类信息。列提供被查看晶片的标识以及相关的分类数据。因此，列124标识晶片批次，而列125标识特定晶片；第126列标识所述行中晶片的当前分类，所述分类由基于第一规则(RB)的模型通常通过启发式和确定性方法确定；列127标识由协作学习(CL)模型确定的分类，并且列128标识对最终分类的用户输入的修改(如果有)。
[0018]在第二窗口140中，针对已选择的行显示一个或多个晶片图，例如图141、142。例如，突出显示行122A和122B以指示它们已被选择，因此分别在行122A和122B中标识的晶片的一组对应晶片图141A和142A同时显示在第二窗口140中。
[0019]根据需要以常规方式提供一组或多组用户控件160，以在显示器中导航，选择一个或多个项以供查看、修改或深入挖掘底层数据等。例如，在此示例中，面板160被实现为弹出窗口，具有可选择的子菜单选项，当选择一个或多个晶片行进行查看时启用所述弹出窗口。按钮、菜单和其他小部件可以以众所周知的方式启用，以提供用户控制和用户交互的功能，如下文更详细地描述。
[0020]当然，GUI可以以多种不同的方式格式化，并具有呈现的或可通过主GUI或子菜单快速访问的更多信息项。例如，图1中的模板120可以在主界面中呈现为详细的电子表格，所述电子表格具有被认为是特定客户的关键变量的更多列晶片信息，以及到晶片图和/或其他晶片相关信息的链接。
[0021]问题陈述简单明了—模型需要对晶片进行分类，但也应提供分类的置信水平，即使分类是“未知的”或“不确定的”。作为应用于晶片分类的协作学习的概念性示例，晶片分类可以通过多种方法确定，可能导致对相同晶片问题的不同分类。然而，方法之间的分歧可以通过分析查看来解决，包括基于规则的分析、机器学习预测和人类用户的手动查看。利用从查看分类差异中获得的学习，并根据所述学习在必要时更新各种检测和分类方案来不断更新做出此类确定的模型。
[0022]图2是用于晶片分类的协作学习模型200的一个示例的简化框图。在第一模块202中，通过一个或多个基于规则(RB)的模型例如使用ASC和/或如前所述的其他确定性方法进行初始分类。已知此类方法可以为大多数晶片(约95％)提供正确的分类。来自这些一个或多个RB模型的结果可以提供给GUI 206以供显示和/或选择，如图1的列12本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于在半导体制造工艺中对晶片进行分类的方法，包括：在所述半导体制造工艺的选定步骤接收表示第一晶片的第一晶片信息；基于所述第一晶片信息，根据基于规则的模型确定所述第一晶片的初始分类；根据机器学习模型确定所述第一晶片的预测分类，所述机器学习模型被配置成基于所述初始分类和用户输入确定预测晶片分类；向所述用户提供包括所述初始分类和所述预测分类的所述第一晶片信息的显示，所述显示还具有多个用户交互元素，包括用于选择和更新所述初始分类或所述预测分类的第一用户交互元素和用于输入用户分类的第二用户交互元素；从所述显示的所述第一用户交互元素或所述第二用户交互元素接收所述用户输入以建立最终分类；以及将所述第一晶片的所述初始分类、所述预测分类和所述最终分类保存到存储装置中，以用于对下一个晶片进行分类。2.如权利要求1所述的方法，还包括：从存储装置中检索所述第一晶片的所述初始分...

【专利技术属性】
技术研发人员：本田智纪，R，
申请(专利权)人：PDF决策公司，
类型：发明
国别省市：