用多触头微波探针 ,对 Ga As单片集成激光器驱动电路芯片进行了在片测试和筛选 ,测得芯片频率响应带宽为 3.8GHz.使用高速增益开关半导体激光器作为采样光脉冲源 ,采用了背面直接采样方式建立了电光采样测试仪 .检测了 Ga As单片集成激...用多触头微波探针 ,对 Ga As单片集成激光器驱动电路芯片进行了在片测试和筛选 ,测得芯片频率响应带宽为 3.8GHz.使用高速增益开关半导体激光器作为采样光脉冲源 ,采用了背面直接采样方式建立了电光采样测试仪 .检测了 Ga As单片集成激光器驱动电路芯片内部点的高速电信号波形 .展开更多
文摘晶圆良率是衡量半导体制造系统加工能力的关键指标,对其精准预测有利于排查晶圆制程工艺缺陷、提高晶圆生产率、控制企业生产成本。基于晶圆允收测试(wafer acceptance test,WAT)大数据,提出了基于卷积神经网络和长短期记忆网络(convolutional neural networks and long short-term memory,CNN-LSTM)的晶圆良率预测方法。该方法对WAT数据进行缺失、异常与归一化预处理;构建CNN模型对复杂WAT参数的关键特征进行识别;考虑相邻晶圆间的时序相关性,设计长短期记忆网络进行回归分析,从而实现晶圆良率的准确预测。以某工厂晶圆允收测试过程中采集的实际生产数据进行实验,并与其他传统晶圆良率预测方法的结果进行对比分析,从而验证所提方法的有效性。