基于最近邻算法的晶圆图批量分析方法及装置与流程

本发明涉及半导体制造，特别涉及一种基于最近邻算法的晶圆图批量分析方法及装置、计算机存储介质。

背景技术：

1、近几年，随着集成电路产业的快速发展，全球半导体市场需求逐步增大，因此对晶圆的需求量也越来越大，晶圆的良率直接影响着生产成本和企业利润。在晶圆生产的最后阶段，会对晶圆进行不同电性功能测试以确保产品的功能性，而晶圆图便是提供追溯晶圆发生异常原因的重要线索，通过晶圆图的空间分布情况及模型分析，便可以找出异常发生的可能的原因。

2、晶圆图，是以芯片(die)为单位，将电性功能测试的结果用不同颜色、形状或代码标识在晶圆各个芯片的位置上所形成的图片。分析晶圆图时，工程师首先将需分类的晶圆图筛选出来，再根据晶圆图上的不同图形进行分类，晶圆图上不同的图形可以帮助工程师追溯产品生产过程中出现的异常因素，找出可能导致低良率的原因，从而采取一些预防及更正措施。

3、然而，现有对晶圆图的分析依赖于人工作业，不仅需要耗费大量的人力逐片进行确认，导致分析成本高、时效性受限，还依赖分析人员的经验，导致分析判定标准难以统一，不利于晶圆批量性的分析。

技术实现思路

1、本发明的目的在于提供一种基于最近邻算法的晶圆图批量分析方法及装置、计算机存储介质，以解决现有人工分析晶圆图所存在的时效性差、成本高且识别准确率低的问题。

2、为解决上述技术问题，本发明提供一种基于最近邻算法的晶圆图批量分析方法，包括：

3、获取晶圆图；

4、基于最近邻算法构建晶圆图分析模型；

5、利用训练集对晶圆图分析模型进行训练；

6、利用训练后的晶圆图分析模型对晶圆图进行分析预测，以得到晶圆图的分析预测结果，所述分析预测结果包括预测的缺陷模式。

7、可选的，在所述的基于最近邻算法的晶圆图批量分析方法中，所述利用训练集对晶圆图分析模型进行训练的方法包括：

8、构建第一样本集，所述第一样本集包括训练集和实验集；

9、将第一样本集中的晶圆图进行预处理，并标注晶圆图的缺陷模式；

10、利用训练集对晶圆图分析模型进行训练，以得到训练后的晶圆图分析模型；

11、计算实验集中每个晶圆图与训练集中每个晶圆图的距离；

12、按照距离从小到大的顺序，选用实验集中的若干个晶圆图对训练后的晶圆图分析模型进行评估。

13、可选的，在所述的基于最近邻算法的晶圆图批量分析方法中，所述将第一样本集中的晶圆图进行预处理，并标注晶圆图的缺陷模式的方法包括：

14、将晶圆图的坐标和测试结果提取出来，以形成二维矩阵，其中，测试结果为pass的设置为0，测试结果为fail的设置为1；

15、人工标注晶圆图的缺陷模式，其中，晶圆图的缺陷模式包括中心、圆环状、边缘局部、边缘环、局部、近满、随机、划痕和正常。

16、可选的，在所述的基于最近邻算法的晶圆图批量分析方法中，所述计算实验集中每个晶圆图与训练集中每个晶圆图的距离的方法包括：

17、采用欧式距离计算实验集中每个晶圆图与训练集中每个晶圆图的距离，所述欧氏距离的计算方式满足如下公式：

18、

19、或，采用曼哈顿距离计算实验集中每个晶圆图与训练集中每个晶圆图的距离，所述曼哈顿距离的计算方式满足如下公式：

20、dab＝|y1-x1|+|y2-x2|+…+|yn-xn|

21、其中，实验集点a为(x1,x2,…,xn)，训练集点b为(y1,y2,…,yn)。

22、可选的，在所述的基于最近邻算法的晶圆图批量分析方法中，所述按照距离从小到大的顺序，选用实验集中的若干个晶圆图对训练后的晶圆图分析模型进行评估的方法包括：

23、确定晶圆图分析模型的k值；

24、按照距离从小到大的顺序，利用高斯函数对实验集中最近的k个晶圆图进行权重优化；

25、利用训练后的晶圆图分析模型对权重优化后的晶圆图进行分析预测；

26、遍历整个实验集，将每个晶圆图的预测缺陷模式与标注的缺陷模式进行比较，以得到晶圆图分析模型的训练准确率；

27、若训练准确率高于评估阈值，则判断晶圆图分析模型的训练达到要求，结束训练。

28、可选的，在所述的基于最近邻算法的晶圆图批量分析方法中，所述确定晶圆图分析模型的k值的方法包括：

29、将实验集分割为若干个子集；

30、设定k值的初始值；

31、在初始值下，利用晶圆图分析模型对子集进行分析预测，以得到k值为初始值所对应的晶圆图分析模型的训练准确率；

32、按预设幅度增大k值，并得到与k值对应的晶圆图分析模型的训练准确率；

33、根据不同k值所对应的晶圆图分析模型的训练准确率，确定晶圆图分析模型的k值。

34、可选的，在所述的基于最近邻算法的晶圆图批量分析方法中，当所述训练集中有缺陷的晶圆图数量不足预设数量时，利用脚本生成有典型缺陷图案的晶圆图，以补充训练集，直至训练集的晶圆图数量达到预设数量。

35、可选的，在所述的基于最近邻算法的晶圆图批量分析方法中，所述基于最近邻算法的晶圆图批量分析方法还包括：

36、利用预测后的晶圆图对晶圆图分析模型进行迭代。

37、可选的，在所述的基于最近邻算法的晶圆图批量分析方法中，所述利用预测后的晶圆图对晶圆图分析模型进行迭代的方法包括：

38、随机抽取若干个预测后的晶圆图，以作为第二样本集；

39、人工标注第二样本集中的晶圆图的缺陷模式；

40、将第二样本集中每个晶圆图的预测缺陷模式与标注的缺陷模式进行比较，以得到晶圆图分析模型的预测准确率；

41、若预测准确率高于预测阈值，则判断晶圆图分析模型的预测结果有效，并将第二样本集中的晶圆图及分析预测结果补充至第一样本集中，以进行模型迭代。

42、为解决上述技术问题，本发明还提供一种基于最近邻算法的晶圆图批量分析装置，包括存储器、处理器及存储在存储器上并能够由所述处理器运行的可执行程序；所述处理器运行所述可执行程序时执行如上任一项所述的基于最近邻算法的晶圆图批量分析方法。

43、为解决上述技术问题，本发明还提供一种计算机存储介质，所述计算机存储介质存储有可执行程序；所述可执行程序被执行时，实现如上任一项所述的基于最近邻算法的晶圆图批量分析方法。

44、本发明提供的基于最近邻算法的晶圆图批量分析方法及装置、计算机存储介质，包括：获取晶圆图；基于最近邻算法构建晶圆图分析模型；利用训练集对晶圆图分析模型进行训练；利用训练后的晶圆图分析模型对晶圆图进行分析预测，以得到晶圆图的分析预测结果，所述分析预测结果包括预测的缺陷模式。本发明由于采用最近邻算法构建晶圆图分析模型，使得晶圆图分析模型的训练时间较短，且能够自动迭代更新，有利于提高分析预测的效率和准确率；通过晶圆图分析模型对晶圆图进行分析预测，能够按照统一标准对晶圆图数据进行批量处理，更有利于及时发现工艺问题。解决了现有人工分析晶圆图所存在的时效性差、成本高且识别准确率低的问题。