半导体生产系统和方法技术方案

一种半导体生产系统，包括：第一腔室，其被配置为被设置为第一设置值并处理晶片；第二腔室，其被配置为被设置为第二设置值并处理在第一腔室中处理的晶片；和故障检测和分类(FDC建模模块)，其被配置为：训练第一FDC机器学习模型，以基于第一设置值和关于在第一腔室中处理的晶片感测的第一FDC值来生成关于第一腔室中的第一虚拟晶片的第一预测FDC值；以及训练第二FDC机器学习模型，以基于第二设置值和关于在第二腔室中处理的晶片感测的第二FDC值来生成关于第二腔室中的第二虚拟晶片的第二预测FDC值。

【技术实现步骤摘要】

本公开涉及一种半导体生产系统和方法，并且更具体地，涉及一种用于使用世界模型(world model)的概念生产半导体的系统和方法。

技术介绍

1、在半导体制造工艺中，可以使用半导体生产装置的传感器关于实际正在处理的晶片来测量工艺参数。可以使用此类工艺参数值来建模半导体工艺，且可预测或获取关于工艺结果的数据。然而，当实际晶片的工艺参数值用于训练半导体工艺模型时，可能需要天文数字的投资成本和长的时间来通过在实际晶片上执行的实验来改进半导体工艺。

技术实现思路

1、本专利技术的实施例涉及一种半导体生产系统以及基于使用虚拟晶片训练的模型生产半导体的方法。

2、根据示例实施例的一个方面，一种半导体生产系统包括：第一腔室，其被配置为被设置为第一设置值(setting value)并处理晶片；第二腔室，其被配置为被设置为第二设置值并处理在第一腔室中处理的晶片；以及至少一个处理器，被配置为实现故障检测和分类(fault detection and classification,fdc)建模模块。所述fdc建模模块本文档来自技高网...

【技术保护点】

1.一种半导体生产系统，包括：

2.根据权利要求1所述的半导体生产系统，其中所述至少一个处理器进一步被配置为实现良率建模模块，所述良率建模模块被配置为训练良率机器学习模型以基于第一预测FDC值和第二预测FDC值来生成在第一腔室和第二腔室中处理的晶片的预测的半导体良率。

3.根据权利要求2所述的半导体生产系统，其中良率建模模块进一步被配置为测量第一预测FDC值与第二预测FDC值之间的关系并且基于所述测量的关系训练良率机器学习模型。

4.根据权利要求2所述的半导体生产系统，其中所述至少一个处理器进一步被配置为实现控制器，所述控制器被配置为调整第一设置值和第...

【技术特征摘要】

1.一种半导体生产系统，包括：

2.根据权利要求1所述的半导体生产系统，其中所述至少一个处理器进一步被配置为实现良率建模模块，所述良率建模模块被配置为训练良率机器学习模型以基于第一预测fdc值和第二预测fdc值来生成在第一腔室和第二腔室中处理的晶片的预测的半导体良率。

3.根据权利要求2所述的半导体生产系统，其中良率建模模块进一步被配置为测量第一预测fdc值与第二预测fdc值之间的关系并且基于所述测量的关系训练良率机器学习模型。

4.根据权利要求2所述的半导体生产系统，其中所述至少一个处理器进一步被配置为实现控制器，所述控制器被配置为调整第一设置值和第二设置值以训练第一fdc机器学习模型和第二fdc机器学习模型。

5.根据权利要求4所述的半导体生产系统，其中控制器还被配置为将第一设置值和第二设置值调整为对应于预测的半导体良率中的最高半导体良率的最佳设置值。

6.根据权利要求1所述的半导体生产系统，其中fdc建模模块进一步被配置为通过考虑包括在第一fdc值与第二fdc值中的每一个中的工艺参数之间的关系，来训练第一fdc机器学习模型和第二fdc机器学习模型。

7.根据权利要求6所述的半导体生产系统，其中工艺参数包括温度、压力、湿度和ph中的至少一个。

8.根据权利要求1所述的半导体生产系统，其中fdc建模模块进一步被配置为使用最小绝对收缩和选择算子(lasso)算法或变换器算法训练第一fdc机器学习模型和第二fdc机器学习模型。

9.一种半导体生产系统，包括：

10.根据权利要求9所述的半导体生产系统，其中神经网络处理器进一步被配置为训练良率机...

【专利技术属性】
技术研发人员：尹民洪，前田茂伸，金庆泰，金东铉，朴常允，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：