[发明专利]一种基于卷积分类网络的晶圆图失效模式相似检索的方法

说明书

本发明公开了一种基于卷积分类网络的晶圆图失效模式相似检索的方法，涉及半导体制造业技术领域。本发明针对晶圆失效模式的图像特征，构建了一种兼顾语义特征及局部细节特征的卷积分类网络，通过分类伪任务来提取图像特征，由于图像特征是高维的向量，采用传统的相似度量方法并不能在大规模的数据集相似检索中实用，为此，本发明对图像的卷积特征做了进一步的二值量化编码，采用局部敏感哈希算法，将高维向量压缩为低维向量，相似样本以较大概率分到同一分区桶中，减少检索池数据规模，因而大幅度的降低了相似检索的计算复杂度，相较于人工视检的方式搜索晶圆相似的失效模式，本发明是一种高效准确的自动化相似检索分析方法。

技术领域

本发明属于半导体制造业技术领域，具体涉及一种基于卷积分类网络的晶圆图失效模式相似检索的方法。

背景技术

对于集成电路的制造，晶圆图是在晶圆电性测试后生成的，它提供了导致不良的生产工艺、设备等生产过程中至关重要的视觉细节，有经验的工程师依据晶圆图的失效模式来识别潜在的系统性缺陷，例如，晶圆图中失效模式为Center的类型，其原因为化学机械过程中的非均匀性导致的，Edge-Ring模式可能为蚀刻问题引起，随着半导体制造业的快速发展，制程、工艺越来越复杂，依赖于人工视检的方式已成为产品良率提升的瓶颈，这种离线式的分析既耗时又不准确，因此，在半导体制造业中，准确而有效地对缺陷模式进行相似检索，是识别缺陷来源、提高整体成品率和可靠性的重要任务之一。

发明内容

本发明的发明目的是：为了替代人工视检的方式查找晶圆图中相似的失效模式，提出了一种基于卷积分类网络的晶圆图失效模式相似检索的方法。

本发明的技术方案为：一种基于卷积分类网络的晶圆图失效模式相似检索的方法，包括以下步骤：

S1、获取晶圆电性测试结果；

S2、将失效的die置为200，正常的die置为100，不在wafer区域的置0，并通过相应的公式完成数值上的归一化；

S3、对上述S2中预处理的数据带入事先已训练好的卷积分类网络中，得到输入晶圆图预定义的分类类型；

S4、卷积分类网络中，全局平均池化层之前的卷积输出作为输入晶圆图的特征值；

S5、将S4中16384维的原始特征值按32个点抽样后得到512维的特征值，对512维的特征值求其平均值，若特征值大于该平均值则置1，否则置0，完成特征值的二值编码；

S6、采用局部敏感哈希算法比较查询晶圆图特征值与特征库中的所有特征值的相似程度，若相似值大于0.5，则进入S7；

S7、输出与待查询晶圆图像相似的作为分组结果；

优选的，所述步骤S2中归一化的公式为：

其中，x,y为晶圆图的二维坐标，P代表所在坐标位置的像素值，N为对应位置归一化后的数值。

优选的，所述步骤S6的具体流程包括用局部敏感哈希算法，从两个维度来降低高维向量相似计算的复杂度，一方面通过最小哈希(minHASH)建立所有样本特征值的签名，压缩高维向量为低维向量，另一方面通过敏感哈希算法(LSH)将相似的样本映射到同一桶内，减少待检索的样本量。最后用Jaccard相似度来比较查询样本与待检索样本之间的相似程度。

本发明提供了一种基于卷积分类网络的晶圆图失效模式相似检索的方法。具备以下有益效果：