一种MEMS工艺智能生成方法及系统

摘要: 本发明属于微机电领域,具体涉及一种mems工艺智能生成方法及系统。背景技术:1、微机电系统(micro-electro-mechanicalsystems,me...
一种MEMS工艺智能生成方法及系统

本发明属于微机电领域,具体涉及一种mems工艺智能生成方法及系统。

背景技术:

1、微机电系统(micro-electro-mechanical systems,mems)是融合了微电子、机械、材料等多学科的前沿技术,其本质在于将传感、驱动或射频等预期功能,通过类似的微纳制造工艺,在芯片上实现为可动的三维机械结构与电学系统。半导体工艺是mems器件制造的核心实现手段,其设计是一个高度复杂的过程,不仅需要完成架构与电学设计,更关键的是需要将功能转化为一套可行、可靠且适配特定产线的半导体制造工艺流程。随着mems器件向更高性能、更小尺寸、以及与集成电路(integrated circuit,ic)异质集成方向发展,其工艺组合的复杂度和设计自由度急剧增加,对高效、智能且能与制造深度匹配的设计自动化工具提出了迫切需求。

2、在当前的半导体工艺设计流程中,工艺方案的设计与验证是核心的研发瓶颈。现有工艺设计及验证过程高度依赖设计者的个人经验,研究人员主要依赖工程师结合经验利用电子设计自动化(electronic design automation,eda)工具进行半自动化的流程搭建与验证,并需进行大量人工干预的参数迭代与试错。这种方式存在研发周期长、工艺迁移困难及设计成功率低等问题。更严重的是,设计方案与具体产线的工艺约束(如设备极限、材料兼容性、热预算等)的验证通常滞后,导致可制造性问题在开发后期甚至流片时才暴露,造成高昂的返工成本和漫长的研发周期。尤其在ic与mems异质集成场景中,不同材料体系之间存在热预算限制、交叉污染、应力失配及工艺兼容性等复杂约束,传统方法难以快速生成满足本地实验条件的可制造工艺方案。

3、近年来,大语言模型在文本理解与生成领域取得快速发展,但现有方法多停留于通用文本生成层面,由于缺乏对微纳制造物理机制及特定工艺约束的深度理解,生成的方案往往难以满足实际生产的高精度要求。例如,cn202511417050中公开的方案,虽然实现了基于大模型的工艺流程生成,但其主要面向通用或宏观制造工艺,未建立与mems专用工艺规则库及drc反馈机制的闭环交互,难以直接用于mems的实际工艺设计。

4、因此,亟需研发一种能够结合本地设备约束、工艺规则与工艺知识库,自动生成mems工艺路线并进行智能优化的技术方案。

技术实现思路

1、本发明的目的在于提供一种mems工艺智能生成方法及系统,用于解决现有方法存在设计环节与制造环节脱节、生成的方案难以满足实际需求等缺陷。

2、为实现上述目的,本发明采用了如下技术方案:

3、一种mems工艺智能生成方法,包括以下步骤:

4、s1.目标器件物理拓扑解析与数据初始化:接收目标mems器件的结构信息,解析并提取目标器件的层级拓扑关系与几何尺寸参数,构建目标物理结构参数集合;

5、s2.本地工艺约束矩阵构建:采集本地制造产线的设备硬件信息与物理环境配置参数,构建表征产线绝对物理极限的本地工艺约束矩阵;

6、s3.基于物理约束剪枝的工艺结构因果模型构建:提取历史标准工艺流转监控日志以及对应的器件物理形貌检测标签,构建工艺结构因果模型,生成本地化drc规则库;

7、s4.先验制造知识结构化与初筛:利用自然语言处理模型对mems工艺领域的非结构化文本进行语义解析,提取工艺步骤定义、材料体系、工艺参数及设备依赖关系,并基于提取结果构建工艺实体-关系图谱以形成先验工艺知识库;根据用户输入,在所述先验工艺知识库中进行相似度检索,召回与所述输入具有高结构匹配度的候选工艺模块序列;

8、s5.基于多目标启发式适应度函数的工艺路线寻优:将所述本地工艺约束矩阵作为搜索空间的绝对边界,采用路径搜索算法对召回的候选工艺模块进行路径重组,对所有非越限的候选工艺路线,进行评估后排列推荐;

9、s6.工艺方案个性化编辑:从s5推荐的多条工艺路线中选定一条基础路线,根据目标器件的特殊性能需求,进行个性化编辑完善;

10、s7.基于因果图谱与反事实推演的drc验证与诊断:将经过个性化编辑后的工艺方案输入至s3中构建的所述结构因果模型中进行检查校验,并输出检查校验结果。

11、进一步地,所述s2中本地工艺约束矩阵的维度包括设备类型、工艺温度范围、材料许可列表、交叉污染规则、工艺窗口参数、最大热预算限制。

12、进一步地,所述s3中结构因果模型的构建具体包括以下子步骤:

13、s3.1初始化参数因果网络,形成全连接网络;

14、s3.2将s2中构建的本地工艺约束矩阵转化为有向无环图的物理约束矩阵,并基于该物理约束矩阵执行结构剪枝,剔除突破物理热力学极限与几何极限的工艺参数关联边;

15、s3.3针对经过剪枝处理后的因果网络,利用历史监控日志进行条件独立性测试,计算保留节点间的条件互信息量,并依据半导体工艺的时序演进特征执行因果边的方向约束,生成表征工艺参数、物理中间态与最终形貌失效之间因果关系的终版结构因果图谱;

16、s3.4基于所述终版结构因果图谱,计算各工艺节点参数波动对拓扑失效的结构因果效应值,并结合高良率生产数据集,在多维参数空间中计算生成物理安全的参数边界流形,作为工艺设计规则检查drc的预警基准。

17、进一步地,所述s3中的本地化drc规则库包括本地设备极限参数和物理/化学冲突规则。

18、进一步地,所述s5中具体基于多目标启发式适应度函数对候选工艺路线进行评估,所述多目标启发式适应度函数计算规则包括:

19、(1)拓扑结构映射适应度:基于目标器件的核心物理结构单元构建目标拓扑子图;提取候选工艺路线生成的特征结构构建候选拓扑子图;采用子图同构算法计算拓扑映射适应度:

20、

21、其中,为拓扑子图的特征节点集基数,为惩罚系数,为缺失的核心物理结构单元数量;

22、(2)物理参数空间漂移度:从s2所述本地工艺约束矩阵中提取目标器件性能指标对应的理想参数中心向量,并获取候选工艺路线的当前设定参数向量;采用马氏距离计算参数向量在约束空间内的漂移代价值:

23、

24、其中,为表征各项工艺参数容差分布的协方差逆矩阵;

25、(3)制造复杂度适应度:计算单条工艺路线的全局复杂度代价,公式为:

26、

27、其中,为工艺深度,为方案中使用的第i种特殊工艺/材料的数量,为方案中第j类严苛工艺条件的数量,对所述全局代价进行极差法归一化映射,生成制造复杂度适应度;

28、基于上述因子,所述多目标启发式适应度函数计算公式如下:

29、

30、其中、、为各因子对应权重,且满足。

31、进一步地,所述s7中检查校验的具体机制包括:

32、(1)因果路径异常检测:将工艺方案的节点序列映射至所述结构因果模型中,通过图遍历检测是否存在通向物理结构失效节点的有向路径,若存在,且该路径上的参数设定值突破所述物理安全的参数边界流形,则判定为物理规则冲突,输出阻断型错误信号;

33、(2)柔性警告信号:检查设定的工艺参数是否偏离高良率样本聚类生成的安全置信区间;

34、(3)基于反事实推演的诊断建议生成:当触发所述阻断型错误信号时,提取引发冲突的异常工艺节点,并在所述结构因果模型上执行反事实回溯推演;通过在算法模型中虚拟干预该异常节点的参数变量,计算不同假设状态即反事实状态下目标物理形貌的因果分布期望;提取使该反事实分布期望满足安全阈值的最优干预量,将其转化为诊断补偿向量,将该向量随错误信号一并输出,并对当前工艺方案的流转状态执行差异化锁定与放行机制。

35、进一步地,所述阻断型错误信号包括以下维度:

36、工艺冲突规则,定义工艺步骤间固有的逻辑或偏序矛盾;

37、产线能力约束,检查工艺参数设定值突破器件制造产线的设备物理极限参数;

38、器件制造合理性规则,通过图谱拓扑检测流程中的物理漏洞。

39、进一步地,所述差异化锁定与放行机制如下:

40、(1)针对阻断型错误信号,对当前工艺路线执行强制状态锁定,必须接收到针对异常节点的参数更新指令,并在底层更新节点数据后触发自动化重验,循环执行重验逻辑,直至所有的阻断型错误信号被清零,方可解除强制状态锁定;

41、(2)针对柔性警告信号,对当前工艺路线执行挂起等待状态,若接收到参数更新指令,则调整对应参数;若接收到设计意图保留指令,则对该柔性警告信号执行状态掩码操作,强行解除挂起状态并授权放行。

42、一种mems工艺智能生成系统,用于实现上述任意一项方法,包括:底层数据层、核心引擎层和用户交互与管控层;底层数据层包括目标器件数据、本地产线数据、工艺知识数据及工艺日志数据;核心引擎层用于对目标器件数据进行拓扑解析与数据初始化,针对本地产线数据建立本地工艺约束矩阵,通过工艺知识数据建立先验工艺知识库,根据工艺日志数据提供的因果基准建立工艺结构因果模型,生成本地化drc规则库;核心引擎层包括工艺路线寻优引擎和drc验证与诊断引擎;用户交互与管控层用于对工艺路线寻优引擎获得的基础路线进行编辑完善并通过drc验证与诊断引擎进行校验输出最终mems工艺方案。

43、与现有技术相比,本发明具有如下有益效果:

44、1.本发明提出一种约束驱动的路径搜索算法。该算法的核心机制在于:将本地工艺约束矩阵作为搜索空间的硬性边界条件,实时剔除违规节点。这确保了生成的每一条候选工艺路线,在理论上都满足目标产线的可制造性。相比传统全人工模式,极大缩短了工艺规划周期,显著提高了工艺设计的初期研发效率。

45、2.本发明构建了客观量化的多维度加权评估模型。针对生成的多个可行工艺路径,从拓扑结构映射适应度,物理参数空间漂移度,制造复杂度适应度三个核心维度对候选方案进行量化评分,具体地,步骤s5根据候选工艺路径与目标器件的核心物理结构单元之间的映射情况,确定拓扑结构映射适应度;步骤s5根据候选工艺路线与本地工艺约束的符合程度,计算物理参数空间漂移度;步骤s5根据候选工艺路径的制造复杂度,评估制造复杂度适应度,并依据预设权重进行加权求和,生成综合匹配度指数。此模型将方案择优从依赖经验的主观判断,转变为基于统一规则的数据驱动决策,自动推荐出在技术可行性与制造成本间达到最优平衡的工艺路线。

46、3.本发明构建了一个与实际产线能力深度绑定、可动态配置的drc规则库。该规则库内嵌了从工艺逻辑、设备极限到参数合理性的多层次校验规则。在工艺方案交互式编辑过程中,通过实时调用该规则库进行同步合规性检查,能在设计阶段精准拦截逻辑冲突或参数越界,有效避免了流片后期才发现缺陷的风险,大幅降低了试错成本,提高了首次流片成功率。

47、4.本发明通过构建包含本地设备极限参数(如最高工艺温度、最小光刻线宽)、物理/化学冲突规则(如刻蚀选择比、材料交叉污染)的本地化drc规则库,为工艺设计提供坚实的物理边界;实现了基于物理设备约束的工艺路线闭环验证与匹配。克服人工经验组合工艺容易突破物理极限的缺陷,利用多层级drc校验机制对候选工艺步骤进行实时物理属性与逻辑顺序排查,强制过滤违规路径,确保生成的工艺方案完全满足本地产线的实际制造物理条件;构建包含具体制造极限参数的结构化工艺知识底座。将分散的非结构化mems工艺经验,转化为包含具体工艺窗口参数(如温度、压力、时间范围)的实体关系模型,形成高可靠性的工程数据库。