【技术实现步骤摘要】
本申请涉及半导体制造工艺，尤其涉及一种晶圆加工数据的可解释方法、设备、介质及产品。
技术介绍
1、在半导体制造过程中，晶圆的加工质量直接影响到最终产品的良率和性能。随着制造工艺的不断进步，半导体生产过程中的数据量急剧增长，传统的基于规则或统计方法的异常检测手段难以满足高精度、高复杂度的工艺要求。因此，现代半导体制造广泛采用基于深度学习的异常检测模型，以提高缺陷检测的精准度和效率。
2、fdc（fault detection and classification，故障检测与分类）系统是半导体制造中常见的数据采集与异常监测系统，能够实时收集机台的各类工艺参数，并用于分析生产过程中可能出现的异常情况。目前，许多先进的fdc系统结合了深度学习模型，如编码器-解码器（autoencoder）结构，以实现高效的异常检测。该模型通过学习正常工艺参数的分布模式，在实际生产过程中检测到输入数据的重构误差较大时，判定为可能的异常情况。
3、然而，现有的深度学习异常检测模型通常具有“黑箱”特性，即模型的内部推理过程复杂且难以解释，使用...
【技术保护点】
1.一种晶圆加工数据的可解释方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述异常检测模型为基于编码器-解码器结构的深度学习异常检测模型。
3.根据权利要求1所述的方法，其特征在于，所述特征重要度算法包括：
4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述FDC系统用于采集光刻机台、刻蚀机台和沉积机台的机台加工参数。
5.根据权利要求4所述的方法，其特征在于，所述异常检测模型的重构误差用于评估输入特征的组合是否导致晶圆加工产生异常，所述重构误差越大，则所述特征的组合的异常率越高。
6.根...
【技术特征摘要】
1.一种晶圆加工数据的可解释方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述异常检测模型为基于编码器-解码器结构的深度学习异常检测模型。
3.根据权利要求1所述的方法，其特征在于，所述特征重要度算法包括：
4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述fdc系统用于采集光刻机台、刻蚀机台和沉积机台的机台加工参数。
5.根据权利要求4所述的方法，其特征在于，所述异常检测模型的重构误差用于评估输入特征的组合是否导致晶圆加工产生异常，所述重构误差越大，则...
【专利技术属性】
技术研发人员：涂世骏，刘欣欣，李益清，
申请(专利权)人：上海朋熙半导体有限公司，
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。