半导体工艺良率预测方法、装置、设备及介质与流程

本技术涉及半导体制造，特别是涉及一种半导体工艺良率预测方法、装置、设备及介质。

背景技术：

1、在半导体制造中，随着半导体器件设计尺寸的不断缩小，市场对先进制程的良率及性能提出了更高的要求。

2、半导体器件良率与制造设备呈强正相关：设备的精度、稳定性、洁净度及过程控制能力直接决定缺陷密度，进而主导良率高低；先进制程下，设备性能甚至成为良率爬坡的首要瓶颈。

3、半导体器件制造设备属于精密仪器，受环境误差、系统误差及测量误差等影响，导致很难有效地预测及发掘当前半导体器件制造设备最优配方的关键工艺参数及良率。如何提高先进制程的良率，成为相关研发工作者的重要研发方向之一。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种半导体工艺良率预测方法、装置、设备及介质，至少能够有效地预测及发掘当前半导体器件制造设备的最优配方的关键工艺参数及良率，进一步提高先进制程的良率及性能。

2、第一方面，本技术提供了一种半导体工艺良率预测方法，包括：

3、获取至少包括晶圆上多个不同位置芯片的预设关键工艺参数的晶圆制造配方；关键工艺参数包括离子注入剂量、栅极关键尺寸及退火温度；

4、获取根据晶圆制造配方流片后晶圆的量测信息，量测信息包括晶圆的多个不同位置芯片的实际关键工艺参数、电性参数及良品状态；

5、根据不同位置芯片的量测信息，获取不同位置芯片的包含芯片编号、芯片位置信息的输入数据-输出数据集合，输入数据包括预设关键工艺参数，输出数据包括实际关键工艺参数、电性参数及良品状态；

6、根据输入数据-输出数据集合，基于贝叶斯优化自动调优梯度提升决策树的超参数，得到测试结果达标的目标预测模型；

7、应用约束条件，基于目标预测模型在虚拟工艺参数空间中筛选，获取用于指导量产批次的最优配方的关键工艺参数及良率；约束条件包括预测良率大于或等于良率阈值，且电性参数与对应阈值的绝对偏差最小。

8、在一些实施例中，获取晶圆制造配方包括：

9、以晶圆的中心栅极关键尺寸为起点，及以晶圆的边缘关键尺寸为终点，采用径向梯度算法确定中心、边缘之间多个芯片的关键尺寸；

10、分别以晶圆x轴上直径的第一端点离子注入剂量、第二端点离子注入剂量为起点、终点，采用线性梯度算法，确定第一端点、第二端点之间多个芯片的离子注入剂量；

11、分别以晶圆y轴上直径的底端点退火温度、顶端点退火温度为起点、终点，采用线性梯度算法确定底端点、顶端点之间多个芯片的退火温度。

12、在一些实施例中，栅极关键尺寸为18nm-22nm。

13、在一些实施例中，离子注入剂量为。

14、在一些实施例中，退火温度为900摄氏度-1100摄氏度。

15、在一些实施例中，以晶圆的中心为坐标原点，晶圆上芯片沿x轴背离原点方向的编号用以表征芯片的横坐标，晶圆上芯片沿y轴背离原点方向的编号用以表征芯片的纵坐标。

16、在一些实施例中，在训练初始模型以得到目标预测模型之前，还包括：

17、采用数据清洗算法剔除输入数据-输出数据集合中异常值。

18、在一些实施例中，目标预测模型包括电参数回归模型及良品分类模型；

19、利用正则化经验风险最小化模型，在函数集合中寻找电参数回归模型，使得基于电参数回归模型预测的电性参数值与对应的真实目标值之间的平均平方偏差最小；

20、在函数空间中寻找良品分类模型，使得基于输入数据-输出数据集合的对数损失平均值加上正则化项最小。

21、在一些实施例中，半导体工艺良率预测方法，还包括如下获取虚拟工艺参数空间的步骤：

22、采用拉丁超立方采样生成虚拟工艺参数空间中的虚拟配方，虚拟配方包括包含芯片编号、芯片位置信息的目标关键工艺参数、预测电性参数及预测良率。

23、第二方面，本技术还提供了一种半导体工艺良率预测装置，包括输入信息获取模块、量测信息获取模块、位置信息获取模块、预测模型训练模块及预测模块，其中，输入信息获取模块用于获取至少包括晶圆上多个不同位置芯片的预设关键工艺参数的晶圆制造配方；关键工艺参数包括离子注入剂量、栅极关键尺寸及退火温度；量测信息获取模块用于获取根据晶圆制造配方流片后晶圆的量测信息，量测信息包括晶圆的多个不同位置芯片的实际关键工艺参数、电性参数及良品状态；位置信息获取模块用于根据不同位置芯片的量测信息，获取不同位置芯片的包含芯片编号、芯片位置信息的输入数据-输出数据集合，输入数据包括预设关键工艺参数，输出数据包括实际关键工艺参数、电性参数及良品状态；预测模型训练模块用于根据输入数据-输出数据集合，基于贝叶斯优化自动调优梯度提升决策树的超参数，得到测试结果达标的目标预测模型；预测模块用于应用约束条件，基于目标预测模型在虚拟工艺参数空间中筛选，获取用于指导量产批次的最优配方的关键工艺参数及良率；约束条件包括预测良率大于或等于良率阈值，且电性参数与对应阈值的绝对偏差最小。

24、在一些实施例中，输入信息获取模块被配置为：以晶圆的中心栅极关键尺寸为起点，及以晶圆的边缘关键尺寸为终点，采用径向梯度算法确定中心、边缘之间多个芯片的关键尺寸；

25、分别以晶圆x轴上直径的第一端点离子注入剂量、第二端点离子注入剂量为起点、终点，采用线性梯度算法，确定第一端点、第二端点之间多个芯片的离子注入剂量；分别以晶圆y轴上直径的底端点退火温度、顶端点退火温度为起点、终点，采用线性梯度算法确定底端点、顶端点之间多个芯片的退火温度。

26、在一些实施例中，半导体工艺良率预测装置还包括虚拟配方生成模块；虚拟配方生成模块被配置为：采用拉丁超立方采样生成虚拟工艺参数空间中的虚拟配方，所述虚拟配方包括包含芯片编号、芯片位置信息的目标关键工艺参数、预测电性参数及预测良率。

27、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行所述计算机程序时实现以下步骤：

28、获取至少包括晶圆上多个不同位置芯片的预设关键工艺参数的晶圆制造配方；关键工艺参数包括离子注入剂量、栅极关键尺寸及退火温度；

29、获取根据晶圆制造配方流片后晶圆的量测信息，量测信息包括晶圆的多个不同位置芯片的实际关键工艺参数、电性参数及良品状态；

30、根据不同位置芯片的量测信息，获取不同位置芯片的包含芯片编号、芯片位置信息的输入数据-输出数据集合，输入数据包括预设关键工艺参数，输出数据包括实际关键工艺参数、电性参数及良品状态；

31、根据输入数据-输出数据集合，基于贝叶斯优化自动调优梯度提升决策树的超参数，得到测试结果达标的目标预测模型；

32、应用约束条件，基于目标预测模型在虚拟工艺参数空间中筛选，获取用于指导量产批次的最优配方的关键工艺参数及良率；约束条件包括预测良率大于或等于良率阈值，且电性参数与对应阈值的绝对偏差最小。

33、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

34、获取至少包括晶圆上多个不同位置芯片的预设关键工艺参数的晶圆制造配方；关键工艺参数包括离子注入剂量、栅极关键尺寸及退火温度；

35、获取根据晶圆制造配方流片后晶圆的量测信息，量测信息包括晶圆的多个不同位置芯片的实际关键工艺参数、电性参数及良品状态；

36、根据不同位置芯片的量测信息，获取不同位置芯片的包含芯片编号、芯片位置信息的输入数据-输出数据集合，输入数据包括预设关键工艺参数，输出数据包括实际关键工艺参数、电性参数及良品状态；

37、根据输入数据-输出数据集合，基于贝叶斯优化自动调优梯度提升决策树的超参数，得到测试结果达标的目标预测模型；

38、应用约束条件，基于目标预测模型在虚拟工艺参数空间中筛选，获取用于指导量产批次的最优配方的关键工艺参数及良率；约束条件包括预测良率大于或等于良率阈值，且电性参数与对应阈值的绝对偏差最小。

39、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

40、获取至少包括晶圆上多个不同位置芯片的预设关键工艺参数的晶圆制造配方；关键工艺参数包括离子注入剂量、栅极关键尺寸及退火温度；

41、获取根据晶圆制造配方流片后晶圆的量测信息，量测信息包括晶圆的多个不同位置芯片的实际关键工艺参数、电性参数及良品状态；

42、根据不同位置芯片的量测信息，获取不同位置芯片的包含芯片编号、芯片位置信息的输入数据-输出数据集合，输入数据包括预设关键工艺参数，输出数据包括实际关键工艺参数、电性参数及良品状态；

43、根据输入数据-输出数据集合，基于贝叶斯优化自动调优梯度提升决策树的超参数，得到测试结果达标的目标预测模型；

44、应用约束条件，基于目标预测模型在虚拟工艺参数空间中筛选，获取用于指导量产批次的最优配方的关键工艺参数及良率；约束条件包括预测良率大于或等于良率阈值，且电性参数与对应阈值的绝对偏差最小。

45、上述半导体工艺良率预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，至少包括如下意想不到的技术效果：

46、在获取晶圆上多个不同位置芯片的预设关键工艺参数的晶圆制造配方后，其中，关键工艺参数包括离子注入剂量、栅极关键尺寸及退火温度；再获取根据晶圆制造配方流片后晶圆的量测信息，其中，量测信息包括晶圆的多个不同位置芯片的实际关键工艺参数、电性参数及良品状态；然后根据晶圆制造配方、量测信息，获取不同位置芯片的包含芯片编号、芯片位置信息的输入数据-输出数据集合，其中，输入数据包括预设关键工艺参数，输出数据包括实际关键工艺参数、电性参数及良品状态，以实现根据芯片的包含芯片编号的位置信息来建立预设关键工艺参数、量测信息之间的一对一关系；从而能够根据输入数据-输出数据集合，基于贝叶斯优化自动调优梯度提升决策树的超参数，得到测试结果达标的目标预测模型，进而能够应用约束条件，基于目标预测模型在虚拟工艺参数空间中筛选，获取用于指导量产批次的最优配方的关键工艺参数及良率，其中，约束条件包括预测良率大于或等于良率阈值，且电性参数与对应阈值的绝对偏差最小，至少能够有效地预测及发掘当前半导体器件制造设备的最优配方的关键工艺参数及良率，进一步提高先进制程的良率及性能。