【技术实现步骤摘要】
用于芯片测试的方法和装置
[0001]本公开涉及芯片制造领域,更具体地,涉及一种用于芯片测试的方法
、
装置
、
计算机可读存储介质
、
计算机程序产品和芯片
。
技术介绍
[0002]在芯片生产过程的末期,需要对每个芯片进行测试,包括晶圆测试和封装测试
。
芯片测试过程涉及大量的测试项,针对每个测试项可以基于预先设定的卡控阈值来确定是否通过测试
。
在现有方案中,测试工作人员可以凭借自身经验,对卡控阈值进行预先设定
。
但是这种方案对卡控阈值的范围的设定不够准确,在实际测试过程中还需要进一步进行调整,这样导致测试效率过低
。
技术实现思路
[0003]本公开的实施例提供了一种用于芯片测试的方案,能够基于神经网络模型确定测试项的分布情况,进一步基于分布情况确定较为精确的卡控阈值的范围,保证了芯片测试的效率
。
[0004]在本公开的第一方面,提供了一种用于芯片测试的方法
。
该方法包括:获得待测试项所对应的多个测试值;利用经训练的分类模型,确定多个测试值的分布类型;基于与分布类型对应的阈值方案,确定多个测试值的阈值范围;以及基于阈值范围,确定多个测试值中的位于阈值范围内的至少一个测试值通过测试
。
[0005]以此方式,通过本公开的实施例,能够利用经训练的分类模型确定测试值的分布类型,并基于预先定义的阈值方案确定阈值范围,这样阈值范围不再依赖于 ...
【技术保护点】
【技术特征摘要】
1.
一种用于芯片测试的方法,其特征在于,包括:获得待测试项所对应的多个测试值;利用经训练的分类模型,确定所述多个测试值的分布类型;基于与所述分布类型对应的阈值方案,确定所述多个测试值的阈值范围;以及基于所述阈值范围,确定所述多个测试值中的位于所述阈值范围内的至少一个测试值通过测试
。2.
根据权利要求1所述的方法,其特征在于,所述经训练的分类模型是通过下面的操作而被训练得到的:构建训练集,所述训练集包括多个训练数据项,所述多个训练数据项中的每个训练数据项具有对应的分布类型;以及基于所述训练集生成所述经训练的分类模型
。3.
根据权利要求2所述的方法,其特征在于,所述每个训练数据项被表示为直方图的形式
。4.
根据权利要求3所述的方法,其特征在于,所述构建训练集包括:获取用户对多个历史测试数据项的标注信息,以得到第一部分训练集,其中所述标注信息表示对应的历史测试数据项的分布类型;基于用户定义的与多种分布类型对应的分布函数,生成第二部分训练集,其中所述训练集包括所述第一部分训练集和所述第二部分训练集
。5.
根据权利要求2至4中任一项所述的方法,其特征在于,所述生成经训练的分类模型包括:通过使用损失函数进行训练,以生成所述经训练的分类模型,其中所述损失函数包括第一损失函数
、
第二损失函数和第三损失函数,所述第一损失函数用于确定是否属于已知的分布类型,所述第二损失函数用于使已知的分布类型紧凑化,所述第三损失函数用于识别分布类型
。6.
根据权利要求1至5中任一项所述的方法,其特征在于,还包括:获取由用户预先设定的与多个分布类型分别对应的多个阈值方案
。7.
根据权利要求1至6中任一项所述的方法,其特征在于,所述利用经训练的分类模型确定所述多个测试值的分布类型包括:确定所述多个测试值对应的直方图;将所述直方图输入到所述经训练的分类模型;以及获取所述经训练的分类模型的输出,所述输出表示所述多个测试值的所述分布类型
。8.
一种用于芯片测试的装置,其特征在于,包括:第一获取单元,被配置为获得待测试项所对应的多个测试值;第一确定单元,被配置为利用经训练的分类模型,确定所述多个测试值的分布类型;第二确定单元,被配置为基于与所述分布类型对应的阈值方案,确定所述多个测试值的阈值范围;以及第三确定单元,被配置为基于所述阈值范围,确定所述多个...
【专利技术属性】
技术研发人员:欧杰,韩小宁,刘陈魏,倪亮,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:
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。