[发明专利]芯片成品率预测方法、装置、设备及存储介质

权利要求书

1.一种芯片成品率预测方法，其特征在于，包括：

获取待测芯片的多个工艺步骤的参数值；

将所述多个工艺步骤的参数值输入训练好的神经网络预测模型进行处理，获得所述待测芯片的成品率；其中，所述神经网络预测模型包括与所述多个工艺步骤一一对应的多个神经网络节点，且各神经网络节点之间的连接关系与所述多个工艺步骤之间的关联关系相同。

2.如权利要求1所述的预测方法，其特征在于，所述将所述多个工艺步骤的参数值输入训练好的神经网络预测模型进行处理之前，所述方法还包括：

获取预设工艺步骤集合的有向图；其中，所述有向图用于描述所述工艺步骤集合中的各个工艺步骤之间的关联关系，所述多个工艺步骤属于所述工艺步骤集合；

根据所述有向图生成初始神经网络预测模型；

获取多个训练样本；每个训练样本包括所述工艺步骤集合中工艺步骤的参数值以及对应所述参数值的成品率；

根据所述多个训练样本对所述初始神经网络预测模型进行训练，得到所述神经网络预测模型。

3.如权利要求2所述的预测方法，其特征在于，所述获取工艺步骤集合的有向图，包括：

获取所述工艺步骤集合的邻接矩阵；

根据所述邻接矩阵，计算获得所述工艺步骤集合的可达矩阵以及所述工艺步骤集合中的各工艺步骤的驱动功率、依赖度；其中，所述驱动功率用于表征每个工艺步骤对其他工艺步骤的影响力大小，所述依赖度用于表征每个工艺步骤对芯片成品率的影响力大小；

根据所述工艺步骤集合中的各工艺步骤的驱动功率和依赖度，对所述工艺步骤集合中的各工艺步骤进行层级划分，获得所述工艺步骤集合中的各工艺步骤的层级；

根据所述可达矩阵以及所述工艺步骤集合中的各工艺步骤的层级，对所述工艺步骤集合中的各工艺步骤进行连接，生成所述工艺步骤集合的有向图。

4.如权利要求2或3所述的预测方法，其特征在于，所述初始神经网络模型包括一个输入层、多个中间层和一个输出层，所述输入层用于接收所述有向图中各工艺步骤的参数值，所述输出层用于输出芯片的成品率；所述中间层的数目与所述有向图中工艺步骤的数目相同；

所述根据所述有向图生成初始神经网络预测模型，包括：

将所述有向图中层级最高的工艺步骤对应的神经网络节点和层级最低的工艺步骤对应的神经网络节点连接至所述初始神经网络预测模型的输出层，并根据所述有向图中各工艺步骤之间的连接关系，将各工艺步骤对应的神经网络节点进行连接，生成所述初始神经网络预测模型。

5.如权利要求1-3任一项所述的预测方法，其特征在于，所述将所述多个工艺步骤的参数值输入训练好的神经网络预测模型进行处理，获得所述待测芯片的成品率之后，所述方法还包括：

获取影响待测芯片成品率的多个环境参量；

根据所述多个环境参量生成影响系数矩阵，所述影响系数矩阵用于描述每个环境参量对所述待测芯片的每个工艺步骤的影响系数；

基于所述影响系数矩阵对所述待测芯片的成品率进行校正处理。

6.如权利要求5所述的预测方法，其特征在于，所述环境参量为影响待测芯片成品率的环境阻碍项的值，所述环境阻碍项包括下述中的至少一项：空气中的漂浮尘粒、生成的尘粒、温湿度、压力、制造产生的有害气体、洁净室的气密性、静电和电磁干扰。

7.如权利要求1-3任一项所述的预测方法，其特征在于，所述工艺步骤包括下述中的至少一项：光刻、离子注入、刻蚀、热处理、化学气相沉积、物理气相沉积、分子束外延、电镀以及化学/机械表面处理。

8.一种芯片成品率预测装置，其特征在于，包括：

获取模块，用于获取待测芯片的多个工艺步骤的参数值；

预测模块，用于将所述多个工艺步骤的参数值输入训练好的神经网络预测模型进行处理，获得所述待测芯片的成品率；其中，所述神经网络预测模型包括与所述多个工艺步骤一一对应的多个神经网络节点，且各神经网络节点之间的连接关系与所述多个工艺步骤之间的关联关系相同。