融合双重注意力机制与并行门控循环单元的晶圆加工周期预测方法

晶圆制造过程中的生产特征数据大规模、特征间复杂关联和特征样本强相关特性导致晶圆加工周期预测效率低与预测精度不高,因此提出了一种融合双重注意力机制与并行门控循环单元的晶圆加工周期预测方法。首先,利用Relief-F算法对生产特征数据进行降维处理;然后,基于模糊C均值算法对数据样本进行工艺相似性聚类,并设计并行门控循环单元网络来挖掘晶圆lot特征样本间的强相关特性;最后,设计了双重注意力机制来学习关键特征内部及特征与加工周期的复杂关联信息。实验结果表明,所提出方法能有效缩短预测训练时间,提高预测精度。