一种面向芯片性能检测的多源数据联邦学习协同方法与流程

本发明属于芯片性能分布式协同预测，尤其涉及一种面向芯片性能检测的多源数据联邦学习协同方法。

背景技术：

1、当前随着集成电路制造工艺持续朝着微缩化方向演进，半导体检测领域普遍采用跨多方实体的协同分析方式构建芯片性能预测模型，各协作节点利用安全多方计算协议对脱敏晶圆标识符完成交集比对，在维持数据参与方的工艺参量矩阵与标签参与方的成品电学响应标签各自物理隔离的前提下，通过特征空间的梯度交互提供协同增益，在真实制造与封装测试工况下，由于划片边缘物理损耗以及电学测试机台产生高频时延扰动，跨多方数据流交互中产生随机波动的非同步样本跌落，导致特征空间对齐校验环节产生标签失配现象，而在边界刚性隔离约束下，传统的明文插值填补手段或重传机制完全失效，剔除未对齐样本势必导致蕴含在核心工艺特征中的物理信息熵产生不可逆损失。

2、物理硬件局限外，多方协同控制方法同样存在不足，例如，授权公告号为cn112241537b的中国发明专利公开了一种纵向联邦学习建模方法，引入信任第三方分发公钥，基于同态加密技术对各建模参与方中间数据多轮加密交互以构建非线性状态估计模型，该方案隐性依赖协作节点数据在时空边界完全静态对齐且信道理想的底层预设，应用于存在随机非同步样本跌落的芯片实时检测或封装测试复杂工况时，缺乏对暂态样本失配的自适应对冲与配平路径，缺失数据导致固定的密文矩阵结构物理维度阶跃型错配，阻断后续密文乘法变换或解密运算，引发局部权重差分偏置累积，使多方迭代更新过程参数发散，联合模型无法稳定收敛。

3、因此，在检测标签流面临随机失配的非理想工况下，如何在确保隐私边界闭合的前提下自适应对冲暂态梯度偏置并降低密文变换的算力开销，成为阻断制造缺陷传导的迫切需求，因此，如何在重传或静态替代失效的隔离约束下，针对跨多方标签流产生随机时序失配，构建能够准确补偿暂态梯度偏置并具备高效能密文级变换的稳定收敛控制路径，成为本发明所要解决的技术问题。

技术实现思路

1、本发明旨在解决在线性重传或粗粒度静态替代失效的隐私安全隔离工况下，跨多方芯片检测特征标签流随机时序失配导致联合迭代过程梯度差分偏置累积与模型权重发散的问题。

2、在本技术方案中，一种面向芯片性能检测的多源数据联邦学习协同方法，包括以下步骤：

3、步骤s101，第一节点获取晶圆制造阶段包含栅氧厚度与阈值电压漂移量的晶圆接受测试工艺特征矩阵，以及第二节点获取封装测试阶段包含饱和电流与静态功耗的成品性能测试标签流；

4、步骤s102，第一节点和第二节点利用安全两方计算协议比对脱敏晶圆标识符的交集，并在通过监测成品性能测试标签流中芯片样本响应数据的到达状态且识别出由于网络数据传输时延导致数据样本失配时，将时序暂态状态位赋值为1；

5、步骤s103，在时序暂态状态位被赋值为1时，启动历史梯度前馈补偿算法，将基于未对齐交集样本计算得到的局部梯度向量，与从本地数据缓冲区内的指定存储空间中读取的上一迭代周期的历史稳态梯度向量计算差值，并将差值乘以第一特征调节因子后的结果叠加至局部梯度向量，生成修正梯度张量；

6、步骤s104，第二节点采用多项式截断逼近算法，将同态加密中的非线性密文乘法变换为泰勒级数展开结构并截断保留前三阶项，转化为离散的多项式线性加减运算，从而将修正梯度张量变换为密文，并发送至第一节点以更新联合预测模型参数。

7、优选的，在步骤s101中，晶圆接受测试工艺特征矩阵包括栅氧厚度以及阈值电压漂移量，成品性能测试标签流包括饱和电流以及静态功耗；在步骤s102之前，计算晶圆接受测试工艺特征矩阵与成品性能测试标签流之间的互信息梯度，并在互信息梯度低于收敛阈值0.15时，利用特征掩码矩阵将低贡献特征分量置零过滤。

8、优选的，在步骤s103中，针对从本地数据缓冲区读取的上一迭代周期的历史稳态梯度向量，具体从存储空间为0x7fff01a0的本地静态存储区中，读取第44次迭代周期的历史稳态梯度向量，作为当前第45次迭代周期的重构基准。

9、优选的，在步骤s101中，晶圆接受测试工艺特征矩阵由包含多个晶圆批次且每片晶圆具有1200个芯片采样点的浮点数矩阵构成，浮点数矩阵的特征维度包括48维物理工艺参量；成品性能测试标签流包括12维电学性能响应。

10、优选的，在步骤s104中，多项式截断逼近算法控制单次梯度交互的网络通信时延处于10μs以内，以对冲历史梯度前馈补偿算法产生的计算驻留开销。

11、优选的，在步骤s102中，识别出由于网络数据传输时延导致数据样本失配，包括以下子步骤：步骤s1021，监测成品性能测试标签流中芯片样本响应数据的瞬态到达状态；步骤s1022，在成品性能测试标签流中连续2个芯片样本的响应数据未能在设定的时间窗口内到达时，确认发生数据样本失配，并立刻将时序暂态状态位赋值为1。

12、优选的，包括以下步骤：步骤s105，记录联合预测模型参数在连续多个迭代周期内的参数演变轨迹，并根据参数演变轨迹相对于迭代周期的变化速率计算模型收敛趋势；在变化速率降低且低于设定的稳定阈值时，自动缩减第一特征调节因子的数值以使联合预测模型参数稳定在预设范围内。

13、优选的，在步骤s102中，安全两方计算协议采用加法秘密共享机制，由第一节点和第二节点在隔离晶圆接受测试工艺特征矩阵与成品性能测试标签流明文的前提下，协同完成交叉样本空间校验。

14、优选的，包括以下步骤：步骤s106，利用更新后的联合预测模型参数对待检测晶圆完成在线电学性能联合推理，输出各芯片采样点的良率分类预测结果，完成对芯片成品良率等级的分类检测。

15、相对于现有技术，本发明一种面向芯片性能检测的多源数据联邦学习协同方法，具有以下优势：

16、1、在多源数据联邦学习协同中，数据参与方与标签参与方利用两方安全计算比对脱敏晶圆标识符确定交集样本子集，在捕获非同步样本跌落时由标签参与方本地数据结构为失配样本配置时序暂态状态位，将非理想通信耗散转换为逻辑控制信息，同时结合前一相邻周期的历史稳态梯度向量，计算一阶局部梯度向量与该历史稳态梯度向量的一阶离散差分以表征特征参数演进速率，该速率作为前馈配平项原位纠正当前周期因样本跌落产生的局部偏置以生成无偏修正梯度张量，避免直接舍弃未对齐样本导致的特征信息熵不可逆损失。

17、2、标签参与方离散累加计数时序暂态状态位的连续激活次数，当该连续激活次数达到硬性阈值3次时，触发控制流降维命令，强行将控制平滑因子重置为0并封锁前馈差分路径，控制芯片性能联合预测模型自动回退至静态历史基准跟随状态，此阻尼截断机制与前馈配平产生协同效应，在面对物理信道持续中断等恶劣测试工况时，阻断线性差分项因失去稳态基准而产生的局部过矫正，维持分布式参数并行迭代过程的边界稳定，解决常规反馈方法在连续丢包工况下较易引发的梯度发散问题。

18、3、两方实体计算作为输入端点的晶圆接受测试工艺特征矩阵与成品性能测试标签流之间的互信息梯度，在该互信息梯度低于收敛阈值0.15时，对低贡献特征分量施加空间软掩码屏蔽，此特征掩码对准机制与无偏修正梯度张量生成深度耦合，在数据准备与梯度交互阶段构建双重防御，通过移除冗余物理特征以切断高维工艺噪声向密文梯度流的传导路径，防止特征空间机理错配引发的过拟合，使后续的多方梯度协同训练完全聚焦于高价值核心特征的自适应交互，实现联合预测模型参数的稳定收敛。