CMP工艺预测、预测模型训练方法及装置、计算设备与流程

本技术涉及半导体，尤其涉及一种cmp工艺预测、预测模型训练方法及装置、计算设备。

背景技术：

1、化学机械研磨(chemical mechanical planarization，cmp)技术作为可制造性设计工艺解决方案的关键环节，是目前超大规模集成电路制造中唯一能够实现全局平坦化的广泛应用技术，现已广泛用于集成电路芯片、微型机械系统等表面的平整化。

2、现有技术中，可以针对cmp工艺进行建立模型，帮助预测工艺流程中的坏点(hotspot)，提供关键信息，帮助改进工艺，提高良率。

3、但是，现有技术中的cmp模型对坏点的预测偏差较大，无法提供有效信息。

技术实现思路

1、本技术能够提升对cmp工艺预测的准确性，以辅助改进工艺，提高良率。

2、为了达到上述目的，本技术提供了以下技术方案：

3、第一方面，提供了一种cmp工艺预测方法，cmp工艺预测方法包括：获取芯片版图数据中多个待预测点的cmp工艺的版图特征；将所述版图特征输入至预测模型，以得到每一待预测点的预测结果，所述预测结果包括cmp工艺的高度值，所述预测模型包括多个预测子模型；其中，每一个预测子模型包括工艺模拟层，所述工艺模拟层用于根据所述cmp工艺的工艺特征模拟所述cmp工艺。

4、可选的，所述工艺模拟层输出氧化层研磨量以及金属层研磨量，所述cmp工艺的高度值基于所述氧化层研磨量以及金属层研磨量计算得到。

5、可选的，每一个预测子模型还包括第一处理层和第二处理层，其中，所述第一处理层根据所述版图特征计算氧化层基础研磨量和金属层基础研磨量，所述工艺模拟层根据所述工艺特征以及所述氧化层基础研磨量计算所述氧化层研磨量，并根据所述工艺特征以及所述金属层基础研磨量计算所述金属层研磨量，所述第二处理层基于所述氧化层研磨量以及金属层研磨量计算所述cmp工艺的高度值。

6、可选的，所述cmp工艺的高度值为预设基准高度值与复合研磨量的差值，所述复合研磨量与所述氧化层研磨量和所述金属层研磨量相关。

7、可选的，所述工艺模拟层的输出激活函数是基于所述工艺特征构建的。

8、可选的，所述工艺特征包括以下一种或多种：氧化率、抛光选择比、所述cmp工艺的开始时间、所述cmp工艺的结束时间、电泳的蝶形凹陷值、所述cmp工艺的压力以及所述cmp工艺的管脚变形系数。

9、可选的，所述将所述版图特征输入至预测模型包括：基于所获取的版图特征对各个待预测点进行聚类，以得到聚类结果，所述聚类结果包含多个类别，每一类别包括至少一个待预测点；将所述聚类结果分别输入至所述多个预测子模型，每一个预测子模型对应一个类别。

10、可选的，待预测点的预测结果是利用该预测点所属类别对应的预测子模型计算得到的。

11、第二方面，本技术还公开一种预测模型的训练方法，预测模型的训练方法包括：步骤a：获取测量芯片版图数据中多个测量点的cmp工艺的测量高度值以及版图特征；步骤b：利用所述版图特征构建多个训练集；步骤c：分别利用所述多个训练集训练得到多个预测子模型，每一个预测子模型包括工艺模拟层，所述工艺模拟层用于根据所述cmp工艺的工艺特征模拟所述cmp工艺。

12、第二方面，在步骤a之前包括以下步骤：步骤d：基于所述cmp工艺的工艺特征构建所述工艺模拟层的输出激活函数。

13、可选的，在步骤b之前包括以下步骤：步骤e：根据各个测量点的版图特征对各个测量点进行聚类，以得到测量聚类结果，所述测量聚类结果包含多个类别，每一类别包括至少一个测量点，所述多个训练集包括所述测量聚类结果。

14、可选的，预测模型的训练方法还包括：利用所述多个类别构建多个验证集；利用所述多个验证集以及调参算法对所述多个预测子模型中的超参数进行优化，以获得最优的多个预测子模型。

15、可选的，所述利用所述多个验证集以及调参算法对所述多个预测子模型中的超参数进行优化包括：对于每一预测子模型，根据预测子模型对应的超参数候选值构建超参数组合；基于遗传算法，初始化产生种群，将超参数组合编码在每一个个体中；确定适应度函数，并利用所述适应度函数以及所述验证集计算每一超参数组合的适应度；根据各个超参数组合的适应度选择超参数组合；在所述种群内和所述种群之间对选择的超参数组合进行交叉形成新的超参数组合；对所述新的超参数组合中超参数的值进行更新；迭代后选取适应度最大的超参数组合，以获得最优的预测子模型。

16、可选的，预测模型的训练方法还包括：步骤f：计算所述多个预测子模型的预测结果与测量高度值的总误差；步骤g：按照预设步长更新所述类别的数量，重复步骤b至步骤e，直至所述类别的数量达到门限值，并确定所述总误差最小的多个预测子模型为所述预测模型。

17、可选的，所述预测模型为用于表格数据的深度学习网络模型。

18、第三方面，本技术还公开一种cmp工艺预测装置，cmp工艺预测装置包括：获取模块，用于获取芯片版图数据中多个待预测点的cmp工艺的版图特征；预测模块，用于将所述版图特征输入至预测模型，以得到每一待预测点的预测结果，所述预测结果包括cmp工艺的高度值，所述预测模型包括多个预测子模型；其中，每一个预测子模型包括工艺模拟层，所述工艺模拟层用于根据所述cmp工艺的工艺特征模拟所述cmp工艺。

19、第四方面，本技术还公开一种预测模型的训练方法，预测模型的训练方法包括：步骤a：获取测量芯片版图数据中多个测量点的cmp工艺的测量高度值以及版图特征；步骤b：利用所述版图特征构建多个训练集；步骤c：分别利用所述多个训练集训练得到多个预测子模型，每一个预测子模型包括工艺模拟层，所述工艺模拟层用于根据所述cmp工艺的工艺特征模拟所述cmp工艺。

20、第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器运行以执行第一方面或第二方面提供的任意一种方法。

21、第六方面，提供了一种计算设备，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机程序，处理器运行计算机程序以执行第一方面提供的任意一种方法。

22、第七方面，本技术实施例还提供一种芯片(或者说数据传输装置)，该芯片上存储有计算机程序，在计算机程序被芯片执行时，实现上述方法的步骤。

23、第八方面，本技术实施例还提供一种系统芯片，应用于终端中，所述芯片系统包括至少一个处理器和接口电路，所述接口电路和所述至少一个处理器通过线路互联，所述至少一个处理器用于执行指令，以执行第一方面或第二方面提供的任意一种方法。

24、与现有技术相比，本技术技术方案具有以下有益效果：

25、本技术技术方案中，获取芯片版图数据中多个待预测点的cmp工艺的版图特征；将版图特征输入至预测模型，以得到每一待预测点的预测结果，预测结果包括cmp工艺的高度值，预测模型包括多个预测子模型；其中，每一个预测子模型包括工艺模拟层，工艺模拟层用于根据cmp工艺的工艺特征模拟cmp工艺。本技术技术方案中，通过在预测子模型中设置工艺模拟层，在工艺模拟层引入能够反映cmp工艺过程中的物理关系的工艺特征，实现模拟cmp工艺的物理过程，从而使得预测子模型可以还原cmp工艺中的物理关系，进而得到适用于不同cmp工艺的通用预测模型，提升待预测点的cmp工艺预测的准确性，以辅助改进工艺，提高芯片良率。

26、进一步地，本技术技术方案基于所获取的版图特征对各个待预测点进行聚类，以得到聚类结果，聚类结果包含多个类别，每一类别包括至少一个待预测点；将聚类结果分别输入至多个预测子模型，每一个预测子模型对应一个类别。由于不同版图特征与cmp工艺的高度值之间的计算关系不同，因此通过对待预测点进行分类，能够使版图特征相似的待预测点划分至同一类别，同一类别的待预测点采用同一预测子模型进行预测，相应地，不同类别的待预测点采用不同预测子模型进行预测，不同预测子模型表示不同版图特征与cmp工艺的高度值之间不同的计算关系，从而保证对芯片版图数据中各种待预测点的cmp工艺预测的准确性，以辅助改进工艺，提高芯片良率。

27、进一步地，类别的数量为使所述预测子模型的预测结果与测量高度值的误差最小的数值。本发明技术方案还对聚类时的类别数量进行了设置，以使预测子模型的预测结果与测量高度值的误差最小，进一步保证了预测子模型对芯片版图数据中各种待预测点的cmp工艺预测的准确性。