[發明專利]一種基于機器學習的集成電路ATE自動復測系統及方法

在審

• 申請號: 202210567431.0
• 申請日: 2022-05-24
• 公開（公告）號: CN114660443A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 毛國梁;李全任;包智杰
• 申請（專利權）人: 南京宏泰半導體科技有限公司
• 主分類號: G01R31/28
• 分類號: G01R31/28;G06N20/00
• 代理公司: 南京新眾合專利代理事務所(普通合伙) 32534
• 代理人: 彭雄

1.一種基于機器學習的集成電路ATE自動復測系統，其特征在于：包括測試程序控制器（2）、復測監控程序控制器（4）、預測模型訓練控制器（6），其中：

所述測試程序控制器（2）用于根據復測信息對被測器件集進行測試，將測試后的測試結果數據發送給復測監控程序控制器（4）；

所述復測監控程序控制器（4）用于根據測試結果數據，調用預測模型訓練控制器（6）生成的預測模型判斷被測器件集是否需要復測，若需復測，則將復測信息發送給測試程序控制器（2）；

所述預測模型訓練控制器（6）用于根據復測數據建立訓練數據隊列，同時用于根據機器學習方法，生成預測模型，供復測監控程序控制器（4）調用。

2.根據權利要求1所述基于機器學習的集成電路ATE自動復測系統，其特征在于：所述預測模型訓練控制器（6）包括訓練數據管理器（20）、全局數據池管理器（21）、預測模型生成器（22）；

所述訓練數據管理器（20）包括訓練數據集隊列及訓練數據發生器，所述訓練數據管理器（20）用于接收全局數據池管理器（21）的測試數據，或復測監控程序控制器（4）的復測數據，建立訓練數據集，并輸出訓練數據集供預測模型生成器進行模型訓練；

所述全局數據池管理器（21）負責保存管理集成電路ATE及被測器件集的測試數據；

所述預測模型生成器（22）負責從全局數據池管理器（21）獲取訓練數據集，完成預測模型的訓練；同時負責將預測模型給復測監控程序控制器（4）調用，或對復測監控程序控制器（4）進行初始化。

3.根據權利要求2所述基于機器學習的集成電路ATE自動復測系統，其特征在于：所述預測模型生成器（22）包括邏輯回歸函數模型：

其中，為對應采樣數據的預測復測概率值，為采樣數據的線性累加值，為邏輯回歸參數。

4.根據權利要求3所述基于機器學習的集成電路ATE自動復測系統，其特征在于：所述預測模型生成器（22）包括損失函數模型：

其中，為損失函數，為樣本數量，為第i個樣本的真實標簽，即0或者1；

為第i個樣本對應的預測復測概率值；為第i個樣本的特征值。

5.根據權利要求4所述基于機器學習的集成電路ATE自動復測系統，其特征在于：所述預測模型生成器（22）采用梯度下降法不斷更新，最終逼近的極小值；更新的公式為：

其中，為第j個參數的權重值，為學習率。

6.根據權利要求5所述基于機器學習的集成電路ATE自動復測系統，其特征在于：所述訓練數據管理器（20）根據訓練數據集中數據隊列的更新情況或觸發情況，自動通知預測模型生成器（22）啟動新預測模型訓練。

7.一種基于權利要求5所述基于機器學習的集成電路ATE自動復測系統的復測方法，其特征在于，包括以下步驟：

步驟30，根據測試程序控制器（2）的測試結果輸入，復測監控程序控制器（4）判斷該被測器件集的測試結果是否為復測數據；對復測的測試結果，輸出給預測模型訓練控制器（6）；

步驟31，預測模型訓練控制器（6）對正常的測試結果，復測監控程序控制器（4）調用預測模型訓練控制器（6）生成的預測模型計算該數據對應的被測器件集需要復測的概率；對于概率值大于閾值的測試結果，給出是否需要復測的指令，若需要復測的指令輸出給測試程序控制器（2）；

步驟32，預測模型訓練控制器（6）接收復測的測試結果建立訓練數據集，并輸出訓練數據集供預測模型生成器進行模型訓練；所述預測模型生成器（22）獲取訓練數據集，采用梯度下降法不斷更新，判斷是否小于設定閾值，或者循環次數是否大于設置次數閾值，若是小于設定閾值，或者循環次數是大于設置次數閾值，則輸出預測模型；

步驟33，機器學習算法控制器，用于接收步驟32中得到的預測模型，更新預測模型；同時根據測試程序控制器（2）的測試數據輸入，通過更新的預測模型計算需復測概率，輸出給復測監控程序控制器（4）。