基于改进的连续型深度信念网络的晶圆良率预测方法

晶圆良率是衡量半导体产品质量的关键指标,对其进行稳定、准确的预测能够帮助发现晶圆加工工艺缺陷、提高芯片质量、控制芯片生产成本。针对晶圆良率的影响因素多、数据体量大、数据间关系复杂等特点,以晶圆加工过程中的电性测试参数为依据,提出一种基于改进的连续型深度信念网络的晶圆良率预测方法。首先提出晶圆电性测试参数的两阶段数据预处理方法,第一阶段对晶圆电性测试参数中的缺失值、异常值进行数据清洗,第二阶段对晶圆电性测试测试参数间的多重共线性关系进行主成分分析,以获取预测模型的输入变量。然后设计了基于深度信念网络的晶圆良率预测模型,通过改进隐藏层的连续型受限制玻尔兹曼机,实现了关键特征的自动提取,利用输出层的误差反向传播机制,实现了晶圆良率的准确预测。采用实例数据,对比了所提方法与现有文献方法的预测准确率,从而验证了所提方法的有效性。