晶圆缺陷检测方法、存储介质及数据处理设备技术

本公开提供了一种晶圆缺陷检测方法、存储介质及数据处理设备，涉及半导体技术领域，该方法包括：通过获得目标晶圆信息，根据目标晶圆信息获得n种晶圆特征数据，n为大于1的正整数，利用目标神经网络模型对n种晶圆特征数据中的m种晶圆特征数据进行处理，获得晶圆的缺陷类别，m为小于或等于n且大于1的正整数。通过上述方式，可以提高针对缺陷晶圆进行检测和分类的准确性，提高检测和分类效率。提高检测和分类效率。提高检测和分类效率。

【技术实现步骤摘要】
晶圆缺陷检测方法、存储介质及数据处理设备


[0001]本公开涉及半导体
，特别涉及一种晶圆缺陷检测方法、存储介质及数据处理设备。

技术介绍

[0002]在集合电路和半导体
，针对已经量产的产品,每天会有相当多的晶圆产出,工程师会花费大量时间来查看晶圆，对晶圆进行检测，对缺陷晶圆进行分类，去找出影响良率的结果。
[0003]相关技术中，针对缺陷晶圆进行检测和分类的方式准确性不高，且效率低下。

技术实现思路

[0004]本公开提供一种晶圆缺陷检测方法、存储介质及数据处理设备，可以有效的提高针对缺陷晶圆进行检测和分类的准确性，提高晶圆缺陷的检测和分类效率。
[0005]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0006]根据本公开的一个方面，本公开提供了一种晶圆缺陷检测方法，包括：获得目标晶圆信息；根据所述目标晶圆信息获得n种晶圆特征数据，n为大于1的正整数；利用目标神经网络模型对n种晶圆特征数据中的m种晶圆特征数据进行处理，获得所述晶圆的缺陷类别，m为小于或等于n且大于1的正整数。
[0007]根据本公开的再一个方面，提供一种晶圆缺陷检测装置，包括：获取单元，用于获得目标晶圆信息；获取单元，还用于根据所述目标晶圆信息获得n种晶圆特征数据，n为大于1的正整数；处理单元，用于利用目标神经网络模型对n种晶圆特征数据中的m种晶圆特征数据进行处理，获得所述晶圆的缺陷类别，m为小于或等于n且大于1的正整数。
[0008]根据本公开的再一个方面，提供一种数据处理设备，包括处理器和存储器；所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行本公开任一实施例所述方法的步骤。
[0009]根据本公开的又一个方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令，所述计算机指令运行时执行本公开任一实施例所述方法的步骤。
[0010]根据本公开的又一个方面，提供一种计算机程序产品，该计算机程序被处理器执行时实现本公开任一实施例中的数据处理方法。
[0011]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。
[0012]通过上述方式，本公开提供了一种晶圆缺陷检测方法，通过获得目标晶圆信息，根据目标晶圆信息获得n种晶圆特征数据，n为大于1的正整数，利用目标神经网络模型对n种晶圆特征数据中的m种晶圆特征数据进行处理，获得晶圆的缺陷类别，m为小于或等于n且大
于1的正整数。通过上述方式，可以提高针对缺陷晶圆进行检测和分类的准确性，提高检测和分类效率。
[0013]进一步地，本公开的目标神经网络模型可以为自适应共振神经网络模型(Adaptive Resonance Theory Neural Network，ARTNN)，由于本公开的方法是获取到n种晶圆特征数据，相比于相关技术中直接对晶圆信息进行处理，本公开中获取到的晶圆特征数据的数据量更多，为了能够保证可以更好的处理n种晶圆特征数据，获得准确的晶圆的缺陷类别，在本公开中使用自适应共振神经网络模型作为目标神经网络模型，可以处理更多的晶圆特征数据，效率更高，准确性更好。
附图说明
[0014]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些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]图1示出本公开实施例中的一种晶圆缺陷检测方法的流程示意图；
[0016]图2示出本公开实施例中的一种第一晶圆数据的示意图；
[0017]图3示出本公开实施例中的一种第二晶圆数据的示意图；
[0018]图4示出本公开实施例中的一种晶圆分类结果的示意图；
[0019]图5示出本公开实施例中的另一种晶圆缺陷检测方法的流程示意图；
[0020]图6示出本公开实施例中的一种通过聚类方法对晶圆处理过程的示意图；
[0021]图7示出本公开实施例中的一种晶圆缺陷检测装置的结构示意图；
[0022]图8示出本公开实施例中的一种数据处理设备的结构示意图；
[0023]图9示出本公开实施例中的一种计算机可读存储介质示意图。
具体实施方式
[0024]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
[0025]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0026]附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0027]由于相关技术，针对缺陷晶圆进行检测和分类的方式准确性不高，且效率低下。
[0028]基于此，本公开提供了一种晶圆缺陷检测方法，通过获得目标晶圆信息，根据目标
晶圆信息获得n种晶圆特征数据，n为大于1的正整数，利用目标神经网络模型对n种晶圆特征数据中的m种晶圆特征数据进行处理，获得晶圆的缺陷类别，m为小于或等于n且大于1的正整数。通过上述方式，可以提高针对缺陷晶圆进行检测和分类的准确性，提高检测和分类效率。
[0029]为了便于整体理解本公开实施例提供的技术方案，图1示出了一种晶圆缺陷检测方法的流程示意图，如图1所示，包括以下步骤：
[0030]S102：获得目标晶圆信息。
[0031]其中，目标晶圆信息可以包括第一晶圆数据和第二晶圆数据。
[0032]在一种可能的实施例中，获取目标晶圆信息的方式可以为：获得初始晶圆信息，初始晶圆信息包括晶圆上的各个芯片的位置信息和测试结果；根据晶圆上的各个芯片的位置信息和测试结果，在晶圆上的各个芯片的相应的位置信息上标记二值标签数据以获得第一晶圆数据，对具有二值标签数据的第一晶圆数据进行转换处理，获得具有数值型标签数据的第二晶圆数据。
[0033]其中，初始晶圆信息可以包括半导体设备生产线上生产的晶圆对应的各种数据信息。具体可以包括晶圆上的各个芯片的位置信息和测试结果。
[0034]示例性地，初始晶圆信息中的测试结果包括测试通过(Pass)和测试未通过(Fail)两种，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种晶圆缺陷检测方法，其特征在于，包括：获得目标晶圆信息；根据所述目标晶圆信息获得n种晶圆特征数据，n为大于1的正整数；利用目标神经网络模型对n种晶圆特征数据中的m种晶圆特征数据进行处理，获得所述晶圆的缺陷类别，m为小于或等于n且大于1的正整数。2.如权利要求1所述的方法，其特征在于，获得目标晶圆信息，包括：获得初始晶圆信息，所述初始晶圆信息包括所述晶圆上的各个芯片的位置信息和测试结果；根据所述晶圆上的各个芯片的位置信息和测试结果，在所述晶圆上的各个芯片的相应的位置信息上标记二值标签数据以获得第一晶圆数据；对具有二值标签数据的所述第一晶圆数据进行转换处理，获得具有数值型标签数据的第二晶圆数据；其中，所述目标晶圆信息包括所述第一晶圆数据和所述第二晶圆数据。3.如权利要求2所述的方法，其特征在于，根据所述晶圆上的各个芯片的测试结果，在所述晶圆上的各个芯片的相应的位置信息上标记二值标签数据以获得第一晶圆数据，包括：若所述晶圆上的芯片的测试结果为测试通过，则相应的位置信息上标记的二值标签数据为第一值；若所述晶圆上的芯片的测试结果为测试未通过，则相应的位置信息上标记的二值标签数据为第二值。4.如权利要求2所述的方法，其特征在于，对具有二值标签数据的所述第一晶圆数据进行转换处理，获得具有数值型标签数据的第二晶圆数据，包括：根据具有二值标签数据的所述第一晶圆数据，确定所述晶圆上的测试未通过芯片及其位置信息和测试通过芯片及其位置信息；根据确定所述晶圆上的测试未通过芯片及其位置信息和测试通过芯片及其位置信息，获得所述晶圆上的所有测试未通过芯片对各个测试通过芯片的加权距离，以确定所述晶圆上的测试通过芯片的数值型标签数据；根据确定所述晶圆上的测试未通过芯片及其位置信息，获得所述晶圆上的剩余测试未通过芯片对目标测试未通过芯片的加权距离，以确定所述晶圆上的目标测试未通过芯片的数值型标签数据。5.如权利要求4所述的方法，其特征在于，根据如下公式确定所述晶圆上的测试通过芯片的数值型标签数据M
(yr)
：：上述公式中，N
b
表示所述晶圆上的测试未通过芯片数量；y
s
表示测试未通过芯片，y
r
表示测试通过芯片，y
wc
表示所述晶圆的圆心，d(y
r
,y
s
)表示测试通过芯片与测试未通过芯片之间的距离，d(y
r
,y
wc
)表示测试通过芯片与圆心之间的距离；m为常数。
...

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