[發明專利]一種超大規模晶圓缺陷數據的特征提取方法

有效

• 申請號: 202010955780.0
• 申請日: 2020-09-11
• 公開（公告）號: CN112200219B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 倪東;王皓玥
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 劉靜

本發明公開了一種超大規模晶圓缺陷數據的特征提取方法，該方法包括：使用基于分布式計算平臺的密度采樣方法，對超大規模晶圓缺陷數據進行采樣，在保留數據完整分布的前提下減少數據量；對采樣后的晶圓缺陷數據進行基于自適應的密度聚類方法的聚類，聚類完成后統計子簇的數量，以及各個子簇的期望、方差；將自適應的密度聚類后得到的結果作為初值輸入EM算法迭代擬合高斯混合模型分布，提取晶圓缺陷數據的概率分布特征。本發明方法在保證晶圓缺陷數據分布完整性的同時，有效降低了缺陷數據量，自動準確地提取晶圓缺陷的分布作為超大規模晶圓缺陷數據的特征，有利于在實際工業生產中對超大規模晶圓缺陷數據的后續分析。

技術領域

本發明屬于超大規模晶圓缺陷數據分析領域，具體而言，涉及一種超大規模晶圓缺陷數據的特征提取方法。

背景技術

在復雜且昂貴的半導體制造工藝中，晶圓極易受到影響而造成缺陷。當缺陷位于“關鍵區域”時，會造成功能故障，導致晶圓生產的良率損失。所以，空間缺陷分布的準確建模對于成品率和可靠性評估以及晶圓生產工藝改進至關重要。

當前已經有大量的研究用于分析晶圓缺陷數據的分布，例如，泊松模型、負二項式模型、零膨脹模型等。但是這些研究都是基于來自End-of-line(EOL)的晶圓缺陷數據。EOL測試是在晶圓完成制造工藝后的測試，通過電氣缺陷來測試晶圓上每個晶粒的有效性，標記異常的晶粒。而一些產品的制造周期非常長，在這種情況下如果前面的某一工藝出了問題，在到達EOL測試時才發現，就會給造成重大損失。所以更好的辦法是利用來自Inline的大規模晶粒級缺陷數進行分析。但是在實際生產中，晶圓制造設備和信息技術系統并不是為大量的可以輕松跟蹤并集成工藝流程的實時數據而設計的。所以，來自Inline的大規模晶圓缺陷數據不能得到有效的分析與處理，其中蘊含的缺陷有關的信息也被忽視。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本發明的目的在于針對現有技術的不足，提供一種超大規模晶圓缺陷數據的特征提取方法，在保證晶圓缺陷數據分布完整性的同時，有效降低了缺陷數據量，提取晶圓缺陷的分布，并實現了快速的可視化，有利于在實際工業生產中對大規模晶圓缺陷的快速分析以及處理。

本發明的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

本發明為了實現上述發明目的，提供了一種超大規模晶圓缺陷數據的特征提取方法，該方法包括以下步驟：

步驟一：基于分布式計算平臺對歷史晶圓缺陷數據進行疊加，并通過對各個維度的數據進行排序、等深劃分以及合并密度相似區間，從中提取可變采樣網格；

步驟二：對輸入的超大規模晶圓缺陷數據根據提取的可變網格計算各個網格的采樣密度，從而進行基于密度的采樣，在保留數據完整分布的前提下盡可能地減少數據量；

步驟三：對采樣后的晶圓缺陷數據進行基于自適應的密度聚類方法的聚類，自適應的方法可以完全自動化的實現對數據的聚類；聚類完成后統計子簇的數量，以及各個子簇的期望、方差；

步驟四：采用高斯混合模型提取晶圓缺陷數據的概率分布特征；將自適應的密度聚類后得到的結果作為初值輸入EM算法迭代擬合高斯混合模型分布，當達到設定的迭代閾值，保留概率密度分布參數單高斯組件數K、單高斯權重α_k、單高斯期望u_k、單高斯方差Σ_k作為超大規模晶圓缺陷數據的概率分布特征。