CN119067028B 基于機(jī)器學(xué)習(xí)的集成電路工藝參數(shù)優(yōu)化方法及系統(tǒng) （中科芯(蘇州)微電子科技有限公司）

司金雞湖大道99號蘇州納米城1幢505、基于機(jī)器學(xué)習(xí)的集成電路工藝參數(shù)優(yōu)化方本發(fā)明提供一種基于機(jī)器學(xué)習(xí)的集成電路數(shù)并進(jìn)行遷移學(xué)習(xí)，對工藝節(jié)點(diǎn)進(jìn)行比較和映2從工藝設(shè)備和測試設(shè)備中獲取制程歷史數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)識基于所述制程工藝知識圖譜，通過圖卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提法對所述異構(gòu)模型集成進(jìn)行實(shí)時(shí)更新并確定工藝參數(shù)與良品率基于所述動態(tài)變化，構(gòu)建多目標(biāo)優(yōu)化模型并設(shè)置多個(gè)優(yōu)化目貝葉斯因果模型和所述異構(gòu)模型集成構(gòu)建虛擬仿真系統(tǒng)并對關(guān)鍵工藝參數(shù)進(jìn)行因果干預(yù)，生成工藝參數(shù)優(yōu)化決策并根據(jù)所述工藝參數(shù)優(yōu)化決策修正所述貝葉從工藝設(shè)備和測試設(shè)備中獲取制程歷史數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)識工藝知識圖譜進(jìn)行增強(qiáng)，結(jié)合自然語言處理技術(shù)提取關(guān)鍵工藝知識并構(gòu)建先驗(yàn)知識庫包從多源異構(gòu)的工藝設(shè)備和測試設(shè)備中獲取初始制程歷史數(shù)據(jù)，其中，所基于所述強(qiáng)關(guān)聯(lián)規(guī)則和所述高頻繁模式，通過本體映射方法3基于所述分布式表示，在嵌入向量空間中通過表示向量運(yùn)算i將所述制程工藝知識圖譜表示為無向加權(quán)圖并為所述無向加權(quán)圖中的每個(gè)邊設(shè)置對基于所述特征表示，選擇魯濱因果模型對潛在結(jié)果框架進(jìn)行形品率的影響并根據(jù)預(yù)先設(shè)置的影響閾值篩選得到所述關(guān)鍵因果特征基于所述關(guān)鍵因果特征子集，通過因果相關(guān)性分析計(jì)算每個(gè)工4根據(jù)擴(kuò)充后的制程工藝圖譜和所述公共語義空間，通過堆疊泛優(yōu)化求解，生成優(yōu)化工藝參數(shù)并根據(jù)所述制程工藝知識圖譜中工藝節(jié)點(diǎn)的語義映射關(guān)系，獲取實(shí)際生產(chǎn)需求，根據(jù)所述實(shí)際生產(chǎn)需求和當(dāng)前時(shí)間步的基于多目標(biāo)進(jìn)化優(yōu)化算法，將所述決策變量映射為算法中的個(gè)體將所述優(yōu)化工藝參數(shù)作為新的節(jié)點(diǎn)添加至所述制程工藝知識圖將所述優(yōu)化模型參數(shù)通過遷移學(xué)習(xí)算法添加至根據(jù)所述制程工藝知識圖譜預(yù)先構(gòu)建5鍵工藝參數(shù)X實(shí)際取值為x'的概率，P(X＝x,)表示關(guān)鍵工藝參數(shù)X實(shí)際取值為x'的邊際概7.基于機(jī)器學(xué)習(xí)的集成電路工藝參數(shù)優(yōu)化系統(tǒng)，用于實(shí)現(xiàn)前述權(quán)利要求1_6中任一項(xiàng)第一單元，用于從工藝設(shè)備和測試設(shè)備中獲取制程歷史數(shù)據(jù)，通過第二單元，用于基于所述制程工藝知識圖譜，通過圖卷積式并基于所述貝葉斯因果模型和所述異構(gòu)模型集成構(gòu)建虛擬仿真系統(tǒng)并對關(guān)鍵工藝參數(shù)6其中，所述處理器被配置為調(diào)用所述存儲器存儲的指令，以執(zhí)行序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至67[0002]集成電路制造是一個(gè)高度復(fù)雜的過程，涉及數(shù)百道工藝步驟和上千個(gè)工藝參[0006]本發(fā)明實(shí)施例的第一方面，提供一種基于機(jī)器學(xué)習(xí)的集成電路工藝參數(shù)優(yōu)化方制程工藝知識圖譜進(jìn)行增強(qiáng)，結(jié)合自然語言處理技術(shù)提取關(guān)鍵工藝知識并構(gòu)建先驗(yàn)知識藝參數(shù)對應(yīng)的特征表示，通過因果推斷理論確定工藝參數(shù)與良品率之間的因果依賴關(guān)系，習(xí)算法對所述異構(gòu)模型集成進(jìn)行實(shí)時(shí)更新并確定工藝參數(shù)8述制程工藝知識圖譜中工藝節(jié)點(diǎn)的語義映射關(guān)系，通過特征映射和參數(shù)適配進(jìn)行遷移學(xué)于所述貝葉斯因果模型和所述異構(gòu)模型集成構(gòu)建虛擬仿真系統(tǒng)并對關(guān)鍵工藝參數(shù)進(jìn)行因算方法確定不同數(shù)據(jù)源之間的語義相似性，基于所述語義相似性進(jìn)行語義融合和互操作，[0016]通過基于路徑的推理方法在所述制程工藝知識圖譜上進(jìn)行多步關(guān)系推理如下公9藝參數(shù)對應(yīng)的特征表示，通過因果推斷理論確定工藝參數(shù)與良品率之間的因果依賴關(guān)系，習(xí)算法對所述異構(gòu)模型集成進(jìn)行實(shí)時(shí)更新并確定工藝參數(shù)與[0021]將所述制程工藝知識圖譜表示為無向加權(quán)圖并為所述無向加權(quán)圖中的每個(gè)邊設(shè)對良品率的影響并根據(jù)預(yù)先設(shè)置的影響閾值篩選得到所述關(guān)鍵因果特征子集；述制程工藝知識圖譜中工藝節(jié)點(diǎn)的語義映射關(guān)系，通過特征映射和參數(shù)適配進(jìn)行遷移學(xué)于所述貝葉斯因果模型和所述異構(gòu)模型集成構(gòu)建虛擬仿真系統(tǒng)并對關(guān)鍵工藝參數(shù)進(jìn)行因置約束條件并建立所述多目標(biāo)優(yōu)化模型對應(yīng)藝參數(shù)節(jié)點(diǎn)，根據(jù)所述制程工藝知識圖譜中不同節(jié)點(diǎn)之間的語義關(guān)聯(lián)構(gòu)建語義映射矩陣，[0034]將所述優(yōu)化模型參數(shù)通過遷移學(xué)習(xí)算法添加至根據(jù)所述制程工藝知識圖譜預(yù)先[0036]根據(jù)所述共性因果模式和所述特殊因果模式對所述關(guān)鍵工藝參數(shù)進(jìn)行因果干預(yù)[0038]其中，P(YIX=X',Y=)表示在給定關(guān)鍵工藝參數(shù)X的實(shí)際觀測值x'和優(yōu)化目標(biāo)Y的表示關(guān)鍵工藝參數(shù)X的實(shí)際觀測值，Y表示優(yōu)化目標(biāo)，P(y=yldo(x=x))表示在進(jìn)行干預(yù)的情[0039]本發(fā)明實(shí)施例的第二方面，提供一種基于機(jī)器學(xué)習(xí)的集成電路工藝參數(shù)優(yōu)化系因果依賴關(guān)系，結(jié)合基于圖模型的因果結(jié)構(gòu)學(xué)習(xí)算法確定因果圖并設(shè)置因果特征選擇準(zhǔn)流數(shù)據(jù)的遞增學(xué)習(xí)算法對所述異構(gòu)模型集成進(jìn)行實(shí)時(shí)更新并確定工藝參數(shù)與良品率的動果模式并基于所述貝葉斯因果模型和所述異構(gòu)模型集成構(gòu)建虛擬仿真系統(tǒng)并對關(guān)鍵工藝[0056]S1.從工藝設(shè)備和測試設(shè)備中獲取算方法確定不同數(shù)據(jù)源之間的語義相似性，基于所述語義相似性進(jìn)行語義融合和互操作，法是通過分析知識圖譜中的路徑來推導(dǎo)節(jié)點(diǎn)之間的關(guān)系，從而發(fā)現(xiàn)潛在的因果關(guān)系或關(guān)[0071]通過基于路徑的推理方法在所述制程工藝知識圖譜上進(jìn)行多步關(guān)系推理如下公工藝參數(shù)對應(yīng)的特征表示，通過因果推斷理論確定工藝參數(shù)與良品率之間的因果依賴關(guān)關(guān)鍵因果特征子集，結(jié)合因果相關(guān)性分析和語義相似度計(jì)算選擇關(guān)鍵樣本并進(jìn)行主動學(xué)增學(xué)習(xí)算法對所述異構(gòu)模型集成進(jìn)行實(shí)時(shí)更新并確定工藝參數(shù)與良品率藝參數(shù)對應(yīng)的特征表示，通過因果推斷理論確定工藝參數(shù)與良品率之間的因果依賴關(guān)系，習(xí)算法對所述異構(gòu)模型集成進(jìn)行實(shí)時(shí)更新并確定工藝參數(shù)與[0079]將所述制程工藝知識圖譜表示為無向加權(quán)圖并為所述無向加權(quán)圖中的每個(gè)邊設(shè)對良品率的影響并根據(jù)預(yù)先設(shè)置的影響閾值篩選得到所述關(guān)鍵因果特征子集；述條件獨(dú)立性測試是一種用于判斷兩個(gè)變量在給定其他變量的情況下是否獨(dú)立的統(tǒng)計(jì)方條件平均處理效應(yīng)是指在特定條件下，處理組的平均結(jié)果與對照組的平均結(jié)果之間的差平均因果效應(yīng)和條件平均處理效應(yīng)等指標(biāo)，篩選出了對良品率影響最大的關(guān)鍵工藝參數(shù)，于所述貝葉斯因果模型和所述異構(gòu)模型集成構(gòu)建虛擬仿真系統(tǒng)并對關(guān)鍵工藝參數(shù)進(jìn)行因[0094]所述多目標(biāo)進(jìn)化優(yōu)化算法是一類用于同時(shí)優(yōu)化多個(gè)相互評估干預(yù)效果，所述因果干預(yù)是指對系統(tǒng)中某個(gè)變量施加操作以觀察其對其他變量的影述制程工藝知識圖譜中工藝節(jié)點(diǎn)的語義映射關(guān)系，通過特征映射和參數(shù)適配進(jìn)行遷移學(xué)于所述貝葉斯因果模型和所述異構(gòu)模型集成構(gòu)建虛擬仿真系統(tǒng)并對關(guān)鍵工藝參數(shù)進(jìn)行因置約束條件并建立所述多目標(biāo)優(yōu)化模型對應(yīng)藝參數(shù)節(jié)點(diǎn)，根據(jù)所述制程工藝知識圖譜中不同節(jié)點(diǎn)之間的語義關(guān)聯(lián)構(gòu)建語義映射矩陣，[0100]將所述優(yōu)化模型參數(shù)通過遷移學(xué)習(xí)算法添加至根據(jù)所述制程工藝知識圖譜預(yù)先果模式指在多個(gè)系統(tǒng)或情況下普遍存在的因果關(guān)系模式，幫助識別不同環(huán)境下的因果規(guī)過模擬鯨魚圍繞獵物旋轉(zhuǎn)和逼近更新位置，對于更新后的每個(gè)個(gè)體再次進(jìn)行適應(yīng)度值計(jì)射矩陣找到了一個(gè)相似度最高的源工藝節(jié)點(diǎn)，提取其特征表示并映射至優(yōu)化工藝參數(shù)節(jié)優(yōu)化工藝參數(shù)節(jié)點(diǎn)之間的共性因果模式，如"曝光時(shí)間增加→光刻尺寸減小→良品率提[0108]根據(jù)所述共性因果模式和所述特殊因果模式對所述關(guān)鍵工藝參數(shù)進(jìn)行因果干預(yù)[0110]其中，P(YIX=X',Y=)表示在給定關(guān)鍵工藝參數(shù)X的實(shí)際觀測值x'和優(yōu)化目標(biāo)Y的表示關(guān)鍵工藝參數(shù)X的實(shí)際觀測值，Y表示優(yōu)化目標(biāo)，P(y=yldo(x=x))表示在進(jìn)行干預(yù)的情化提供了一種新的思路和手段，同時(shí)也為因果推理在智能制造領(lǐng)域的應(yīng)用奠定了理論基因果依賴關(guān)系，結(jié)合基于