版图量测区域筛选方法技术

本申请实施例公开了一种版图量测区域筛选方法

【技术实现步骤摘要】
版图量测区域筛选方法、装置、电子设备及存储介质


[0001]本申请涉及芯片制造
，具体涉及一种版图量测区域筛选方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]在集成电路生产的过程中，量测环节是不可缺少的部分，目的是能在生产中监测
、
识别
、
定位
、
分析工艺缺陷，对晶圆厂及时发现问题
、
改善工艺
、
提高良率，起到至关重要的作用
。
[0003]量测指对被观测的晶圆电路上的结构尺寸和材料特性做出的量化描述，如薄膜厚度
、
关键尺寸
、
刻蚀深度
、
表面形貌等物理性参数的量测
。
以验证并改善工艺的质量，提升良率
。
随着集成电路制程继续朝高端推进，晶圆生产对工艺良率控制提出了更高的要求，对于复杂的芯片版图，量测区域的选择至关重要
。
[0004]然而申请人发现，当前量测位置选取尚未有具体手段，一般通过海量重复测试手段，通过高性能的量测设备抽检制造工艺中晶圆上的核心区域
(
具备特定功能的图案
)
的尺寸信息，因此导致这种量测位置选取方法成本高
、
测试效率低，误差继承累计等，制约了先进工艺制程的快速发展
。

技术实现思路

[0005]本申请提供一种版图量测区域筛选方法
、
>装置
、
电子设备及存储介质，可以对芯片设计版图的特征单元进行有效分类，从而针对特征单元进行分类量测，提高了量测效率，可快速检测芯片产线上对特征单元的制造工艺精度，进而提升芯片良率
。
[0006]本申请提供一种版图量测区域筛选方法，包括：根据芯片版图中的特征单元建立度量矩阵和邻接矩阵，以得到表征所述芯片版图的图矩阵；根据预设的聚类阈值和视野窗口信息参数，在所述图矩阵中选择子矩阵；将所述子矩阵输入至卷积神经网络，并输出对应的分类结果；继续在所述图矩阵中随机选择子矩阵输入至卷积神经网络，以得到在不同的分类结果下对应的特征单元区域，并作为工程量测区域
。
[0007]可选的，根据芯片版图中的特征单元建立邻接矩阵，包括：将所述芯片版图中的特征单元作为图节点；根据所述特征单元之间的最小间距设置所述特征单元之间的权重；根据所述图节点和权重建立所述邻接矩阵
。
[0008]可选的，根据芯片版图中的特征单元建立度量矩阵，包括：获取所述芯片版图中的特征单元的面积；根据所述面积设置所述特征单元的度量矩阵元素，以建立所述度量矩阵
。
[0009]可选的，所述卷积神经网络包括三层卷积层，每个卷积层包括卷积核
、
池化层以及
激活函数
。
[0010]可选的，将所述子矩阵输入至卷积神经网络，并输出对应的分类结果，包括：将所述子矩阵输入至卷积神经网络，训练神经网络权重值，并输出所述子矩阵的分类结果；根据所述分类结果确定所述芯片版图在当前聚类阈值下对应的分类个数
。
[0011]可选的，将所述子矩阵输入至卷积神经网络，训练神经网络权重值，并输出所述子矩阵的分类结果，包括：提取所述子矩阵的多维特征信息；利用所述多为网络特征以及类别标签训练所述神经网络权重值；通过训练好的网络模型预测所述子矩阵针对不同类别标签所对应的概率值，并根据所述概率值确定分类结果
。
[0012]本申请还提供一种版图量测区域筛选装置，包括：建立模块，用于根据芯片版图中的特征单元建立度量矩阵和邻接矩阵，以得到表征所述芯片版图的图矩阵；选择模块，用于根据预设的聚类阈值和视野窗口信息参数，在所述图矩阵中选择子矩阵；训练模块，用于将所述子矩阵输入至卷积神经网络，并输出对应的分类结果；输出模块，用于继续在所述图矩阵中随机选择子矩阵输入至卷积神经网络，以得到在不同的分类结果下对应的特征单元区域，并作为工程量测区域
。
[0013]可选的，所述建立模块包括：第一建立子模块，用于将所述芯片版图中的特征单元作为图节点，根据所述特征单元之间的最小间距设置所述特征单元之间的权重，根据所述图节点和权重建立所述邻接矩阵；第二建立子模块，用于获取所述芯片版图中的特征单元的面积，根据所述面积设置所述特征单元的度量矩阵元素，以建立所述度量矩阵
。
[0014]本申请还提供一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，执行本申请提供的任一项所述版图量测区域筛选方法中的步骤
。
[0015]本申请还提供一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行本申请提供的任一项所述版图量测区域筛选方法中的步骤
。
[0016]本申请提供的版图量测区域筛选方法，可以根据芯片版图中的特征单元建立度量矩阵和邻接矩阵，以得到表征芯片版图的图矩阵，根据预设的聚类阈值和视野窗口信息参数，在图矩阵中选择子矩阵，将子矩阵输入至卷积神经网络，并输出对应的分类结果，继续在图矩阵中随机选择子矩阵输入至卷积神经网络，以得到在不同的分类结果下对应的特征单元区域，并作为工程量测区域
。
本申请通过对芯片设计版图的特征单元进行有效分类，从而可以针对特征单元进行分类量测，提高了量测效率，可快速检测芯片产线上对特征单元的制造工艺精度，进而提升芯片良率
。
附图说明
[0017]为了更清楚地说明本申请中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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
。
[0018]图1是本申请实施例提供的版图量测区域筛选方法的一种流程示意图；图2是本申请实施例提供的度量矩阵和邻接矩阵示意图；图3是本申请实施例提供的版图量测区域筛选方法的另一种流程示意图；图4是本申请实施例提供的版图量测区域筛选装置的一种结构示意图；图5是本申请实施例提供的电子设备的一种结构示意图
。
具体实施方式
[0019]这里将详细地对示例性实施例进行说明，其示例表示在附图中
。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素
。
以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式
。
相反，它们仅是与如所附权利要求书中所详述的
、
本申请的一些方面相一致的装置和方法的例子
。
[0020]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程...

【技术保护点】

【技术特征摘要】
1.
一种版图量测区域筛选方法，其特征在于，包括：根据芯片版图中的特征单元建立度量矩阵和邻接矩阵，以得到表征所述芯片版图的图矩阵；根据预设的聚类阈值和视野窗口信息参数，在所述图矩阵中选择子矩阵；将所述子矩阵输入至卷积神经网络，并输出对应的分类结果；继续在所述图矩阵中随机选择子矩阵输入至卷积神经网络，以得到在不同的分类结果下对应的特征单元区域，并作为工程量测区域
。2.
如权利要求1所述的版图量测区域筛选方法，其特征在于，根据芯片版图中的特征单元建立邻接矩阵，包括：将所述芯片版图中的特征单元作为图节点；根据所述特征单元之间的最小间距设置所述特征单元之间的权重；根据所述图节点和权重建立所述邻接矩阵
。3.
如权利要求1所述的版图量测区域筛选方法，其特征在于，根据芯片版图中的特征单元建立度量矩阵，包括：获取所述芯片版图中的特征单元的面积；根据所述面积设置所述特征单元的度量矩阵元素，以建立所述度量矩阵
。4.
如权利要求1所述的版图量测区域筛选方法，其特征在于，所述卷积神经网络包括三层卷积层，每个卷积层包括卷积核
、
池化层以及激活函数
。5.
如权利要求1所述的版图量测区域筛选方法，其特征在于，将所述子矩阵输入至卷积神经网络，并输出对应的分类结果，包括：将所述子矩阵输入至卷积神经网络，训练神经网络权重值，并输出所述子矩阵的分类结果；根据所述分类结果确定所述芯片版图在当前聚类阈值下对应的分类个数
。6.
如权利要求5所述的版图量测区域筛选方法，其特征在于，将所述子矩阵输入至卷积神经网络，训练神经网络权重值，并输出所述子...

【专利技术属性】
技术研发人员：郭良帅，张立国，
申请(专利权)人：华芯程杭州科技有限公司，
类型：发明
国别省市：