基于边缘强化学习的芯片设计与制造优化系统及方法技术方案

技术编号:45844148 阅读:12 留言:0更新日期:2025-07-19 11:07
本发明专利技术公开了基于边缘强化学习的芯片设计与制造优化系统及方法,涉及数据分析领域,包括场景识别模块、策略选择模块、决策修正模块和云端更新模块,本发明专利技术通过状态感知特征通道与置信评分机制实现设备运行状态的鲁棒识别,并引入模糊识别与报警机制增强适应性;借助双索引策略库与影响梯度传输机制实现工序间联动优化,提升工艺协同性;通过状态四元组的动态上传与云端震荡识别,系统能在策略异常与能耗波动下自动进入冷静期锁定,有效抑制异常扩散。同时,轻量化边缘部署与强化学习机制使其具备高响应、低通信与自学习能力,适用于大规模复杂芯片制造环境。

【技术实现步骤摘要】

本专利技术涉及数据分析领域,具体为基于边缘强化学习的芯片设计与制造优化系统及方法


技术介绍

1、半导体芯片制造是一个高度复杂的过程,涉及数百个精密步骤,主要分为晶圆制备、图形转移、掺杂、薄膜沉积、刻蚀和封装测试等阶段。现代芯片制造可能需要数月时间完成。这些工艺需要使用极其专业的设备,包括光刻机、刻蚀系统、化学气相沉积(cvd)设备以及各种计量测量仪器。传统工业控制系统多采用固定规则或模型,缺乏自适应学习能力,难以根据环境变化自动调整决策策略。现有的强化学习应用主要集中在单一工艺或设备上,缺乏多智能体之间的协同学习能力。

2、现有技术如公告号为:cn118194790b的专利技术专利,为一种芯片设计方法以及芯片设计系统。芯片设计方法包括以下步骤:读取寄存器传输级代码数据;辨识寄存器传输级代码数据中的多个寄存器传输级代码,以分类对应于多个寄存器传输级代码的多个第一寄存器以及多个第二寄存器,其中多个第一寄存器未与接口电性连接,并且多个第二寄存器与多个接口电性连接;对多个第一寄存器进行多位寄存器合并,以产生至少一第一多比特寄存器;以及根据多个第二寄存本文档来自技高网...

【技术保护点】

1.基于边缘强化学习的芯片设计与制造优化系统,其特征在于,包括:

2.根据权利要求1所述基于边缘强化学习的芯片设计与制造优化系统,其特征在于:所述在芯片制造的工序设备上采集设备运行原始数据,并进行状态特征提取与场景分类得到工序设备的场景标签,具体过程为:

3.根据权利要求1所述基于边缘强化学习的芯片设计与制造优化系统,其特征在于:所述从本地策略库中选择对应策略模型作为调整策略模型,具体过程为:

4.根据权利要求1所述基于边缘强化学习的芯片设计与制造优化系统,其特征在于:所述通过工序设备的边缘智能体计算调整策略模型对下游工序设备的影响梯度,具体包括:...

【技术特征摘要】

1.基于边缘强化学习的芯片设计与制造优化系统,其特征在于,包括:

2.根据权利要求1所述基于边缘强化学习的芯片设计与制造优化系统,其特征在于:所述在芯片制造的工序设备上采集设备运行原始数据,并进行状态特征提取与场景分类得到工序设备的场景标签,具体过程为:

3.根据权利要求1所述基于边缘强化学习的芯片设计与制造优化系统,其特征在于:所述从本地策略库中选择对应策略模型作为调整策略模型,具体过程为:

4.根据权利要求1所述基于边缘强化学习的芯片设计与制造优化系统,其特征在于:所述通过工序设备的边缘智能体计算调整策略模型对下游工序设备的影响梯度,具体包括:

5.根据权利要求1所述基于边缘强化学习的芯片设计与制造优化系统,其特征在于:所述下游工序设备的边缘智能体在决策过程中引入该影响梯度作为...

【专利技术属性】
技术研发人员:李志范峰云
申请(专利权)人:广东工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1