基于大数据分析的半导体工艺的良率提升研究

基于大数据分析的失效分析技术,研究了制约先进集成电路良率的系统性问题方法.应用Yield Explorer分析软件对集成电路测试结果进行基于大规模的统计分析的再诊断.根据晶圆的针测结果,利用Yield Explorer的大量自动诊断功能,选取晶圆最外面5圈的芯片进行分析,找到了影响制约晶圆良率的系统性问题.通过选取最佳的失效样品进行物理失效分析,找到失效的真正工艺因素,经工艺优化后的晶圆良率提高了约2%.

基于跨连特征融合网络的面部表情识别

传统神经网络特征单向处理难以有效利用高层抽象特征和低层细节特征,不能获得更多有用信息,为此提出跨连特征融合神经网络(cross-connected feature fuse,CFF)模型,进一步提高面部表情分类的准确率。在AlexNet卷积神经网络的基础上,通过结合低层池化层与高层池化层中的特征,获取更多全面、细致的表情特征信息,使用矩阵的方式表示模型处理过程。在REN_VFEdb面部表情数据库上的实验结果表明,CFF的分类准确率为93.56%,比AlexNet卷积神经网络提高了1.12%。

结构化特征融合的人脸表情识别

考虑中心像素值对梯度幅值计算的影响,提出绝对尺度不变特征变换(ASIFT)描述子,结合主动形状模型(ASM)定位人脸特征点,提出ASM-ASIFT特征提取方法。将该方法所提特征与通过划分人脸表情区域并赋予权值的局部二值模式(LBP)特征进行结构化融合。实验结果表明,结构化融合后的正脸和侧脸表情识别的准确率分别为83.44%和71.19%,较ASM-ASIFT以及区域LBP方法,分别提高了4.77%、4.78%和6.98%、8.45%,表明融合后的特征能更加完整、精确地描述面部表情的细节信息,具有更强的表征能力。

并联双结太阳电池的设计与研究

设计了一种并联双结(DPJ)单晶硅太阳电池,该电池在同一个单晶硅太阳电池内形成一个PN结和一个NP结,分别吸收短波能量与长波能量。两个结共用一个N型区,通过N型区形成并联结构。DPJ太阳电池的短路电流比传统单晶硅太阳电池的短路电流提高约11.9%,电池的开路电压基本保持不变。研究了DPJ太阳电池的最佳工艺条件,结果显示:随着深结和浅结扩散浓度的增加,电池的光谱响应强度均先增加后减小;深结扩散完成后,随着杂质再分布扩散温度的提高和扩散时间的增加,电池的光谱响应强度先增加后基本保持不变;随着浅结扩散时间和温度的增加,电池的光谱响应强度有微弱增加。