[發明專利]基于人工智能的晶片質量分析評價系統在審
| 申請號: | 202010499126.3 | 申請日: | 2020-06-04 |
| 公開(公告)號: | CN113130016A | 公開(公告)日: | 2021-07-16 |
| 發明(設計)人: | 程章勇;陳穎超;楊麗雯;何麗娟;靳麗婕;李天運;張云偉;李百泉;韋玉平;王麗君 | 申請(專利權)人: | 北京世紀金光半導體有限公司 |
| 主分類號: | G16C20/70 | 分類號: | G16C20/70 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 100176 北京市大*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 人工智能 晶片 質量 分析 評價 系統 | ||
1.一個基于晶片品質分級和分析的晶片質量分析評價智能系統,其特征在于:包括以下步驟:(1)提取數據特征并標注,構建數據集;從晶片各指標參數中提取特征,并將晶片的品質等級映射為等級標簽;同時,也將每一晶片的瓶頸指標或責任工序增設為標簽,構建成特征-標簽二維數據結構;將晶片指標參數和標簽錄入二維數據結構表中;(2)數據集預處理;首先將數據集按一定比例拆分為訓練集和測試集,當存在分類值時,需要將其轉換成獨熱編碼形式,并對數據集規范化處理;(3)構建人工智能模型;直接創建人工智能模型,或者借助其它人工智能框架來構建人工智能模型。
2.現有的人工智能開源框架主要有Tensorflow、Caffe、PyTorch、MXNet等;(4)模型訓練;一般而言,晶片的數據量是比較多的,因此我們可以直接將已預處理的數據集進行模型訓練;記錄損失值和準確率,并把最優模型保存成可讀取的格式;(5)模型應用;訓練好的模型可以直接對已有指標值的晶片質量進行等級判定;并分析出晶片落入某等級的關鍵因素以及對應制備工序。
3.根據權利要求1所述的一個基于晶片品質分級和分析的晶片質量分析評價智能系統,其特征在于:所述步驟(1)中,晶片指的是碳化硅晶片、氮化鋁晶片、氧化鎵晶片、氮化鎵晶片、金剛石晶片、氧化鋅晶片。
4.根據權利要求1所述的一個基于晶片品質分級和分析的晶片質量分析評價智能系統,其特征在于:所述步驟(1)中,將晶片質量指標轉變為數據集中的數據特征,將晶片質量分級轉變為數據集的標簽,構建二維數據結構,按照對應關系,將晶片指標參數和分級數據填入數據集中。
5.根據權利要求1所述的一個基于晶片品質分級和分析的晶片質量分析評價智能系統,其特征在于:所述步驟(2)中,對晶片數據集的預處理包括對數據的有監督清洗、無監督清洗;晶片數據預處理的原則有空值的檢查和處理,非法值得檢測和處理,不一致數據得檢測與處理,相似重復記錄得檢測和處理;對于噪聲數據可以按照分箱、回歸、聚類以及人機結合檢查方式開展。
6.根據權利要求1所述的一個基于晶片品質分級和分析的晶片質量分析評價智能系統,其特征在于:所述步驟(3)中,基于人工智能算法構建的模型。
7.根據權利要求1所述的一個基于晶片品質分級和分析的晶片質量分析評價智能系統,其特征在于:所述步驟(3)中,人工智能框架有Tensorflow、Caffe、PyTorch、MXNet。
8.根據權利要求1所述的一個基于晶片品質分級和分析的晶片質量分析評價智能系統,其特征在于:所述步驟(4)中,將數據集喂入模型中進行訓練,創建訓練日志,模型的損失值和準確率的記錄,模型的保存;還包括數據強化處理。
9.根據權利要求1所述的一個基于晶片品質分級和分析的晶片質量分析評價智能系統,其特征在于:所述步驟(5)中,基于訓練的模型對晶片質量品級分類,對影響晶片關鍵因素的判定。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京世紀金光半導體有限公司,未經北京世紀金光半導體有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010499126.3/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:底漆組合物及積層板
- 下一篇:壓合設備、輸送方法、輸送裝置及搬送機構





