基于多算法自适应切换的晶圆元素浓度光谱定量分析方法与流程
本申请涉及晶圆测试,具体涉及基于多算法自适应切换的晶圆元素浓度光谱定量分析方法。
背景技术:
1、随着半导体制造工艺的不断升级,晶圆线宽持续缩小,对晶圆掺杂元素浓度的定量分析精度要求也越来越高,元素浓度的微小偏差就可能导致晶圆器件性能不合格,进而影响芯片良率。红外光谱法因具备无损、快速检测的优势,被广泛应用于晶圆元素浓度的定量分析中,而定量分析的结果精度高度依赖所选用的化学计量学建模算法。
2、不同化学计量学算法对数据特征的适配性存在明显差异,具体地,偏最小二乘法和主成分回归法在小样本、高维度的数据场景下稳定性更强,但对重叠吸收峰的特征提取能力不足,难以获得高精度分析结果;深度学习方法对复杂重叠峰的解析能力更强,但对训练样本数量要求高,在小样本场景下容易出现过拟合,分析结果稳定性差。
3、现有晶圆元素浓度光谱定量分析方法,大多预先固定采用单一算法完成建模分析,无法根据当前待测晶圆的光谱数据特征自动匹配最优算法,容易出现算法适配性差的问题,导致定量分析结果精度不足、稳定性差,难以满足先进制程下晶圆检测的精度要求。
4、此外,当现有方法采用单一算法无法获得可靠分析结果时,也缺乏对应的失效处理与降级策略,无法为检测人员提供有效的调整指引,降低了晶圆检测的整体效率。
技术实现思路
1、本申请实施例通过提供基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,解决了现有单一算法无法适配不同光谱数据特征,导致定量分析精度低、稳定性差的技术问题。
2、本申请解决上述技术问题的技术方案如下:
3、本申请提供了基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,所述方法包括:
4、获取待测晶圆样本,利用红外光谱法对所述待测晶圆样本进行检测,获得原始光谱数据;
5、获取所述原始光谱数据的晶圆特征信息,所述晶圆特征信息包括训练样本集的样本数量、光谱数据维度与样本数量的比值、以及待测元素对应的红外吸收峰重叠程度;
6、基于所述晶圆特征信息分别计算各化学计量学算法的第一子评分、第二子评分和第三子评分,所述化学计量学算法包括偏最小二乘法、主成分回归法和深度学习方法;
7、综合所述第一子评分、所述第二子评分和所述第三子评分,计算各化学计量学算法的适配度评分,并将适配度评分最高的化学计量学算法作为目标算法,当所述适配度评分均低于预设阈值时,触发降级策略并跳转至失效处理流程;
8、基于所述目标算法对所述原始光谱数据进行预处理与定量建模,获得晶圆元素浓度预测结果;
9、调用预置的模型评估指标对所述晶圆元素浓度预测结果进行可信度校验,输出晶圆元素浓度的光谱定量分析结果。
10、本申请提供了一个或多个技术方案,至少具有如下技术效果或优点:
11、本申请实施例通过提供基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,首先,获取待测晶圆的原始光谱数据及其对应的晶圆特征信息,该特征信息反映了当前样本在样本规模、维度复杂度及光谱干扰程度等方面的特性。其次,分别从样本数量适配性、维度比稳健性以及重叠峰解析能力三个维度对偏最小二乘法、主成分回归法和深度学习方法进行量化评估,生成各算法的第一子评分、第二子评分和第三子评分,进而通过加权融合与条件约束机制,计算出各算法的综合适配度评分,并动态选择评分最高的算法作为目标算法执行后续建模。再次,通过模型文件的序列化存储与历史匹配机制,实现算法参数与预处理流程的快速复用,同时引入基于留一法交叉验证的可信度校验机制,对预测结果的异常偏离进行实时监测,并在必要时启动参数增量更新,持续优化模型性能。
12、通过上述技术方案,本方法有效克服了传统单一算法在面对多样化工况时适应性不足的问题,提升了晶圆元素浓度光谱定量分析的精度、鲁棒性与智能化水平。
1.基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,获取所述原始光谱数据的晶圆特征信息,包括:
3.根据权利要求2所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,所述训练样本集按照以下方式构建:
4.根据权利要求1所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,基于所述晶圆特征信息分别计算各化学计量学算法的第一子评分、第二子评分和第三子评分,包括:
5.根据权利要求4所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,综合所述第一子评分、所述第二子评分和所述第三子评分,计算各化学计量学算法的适配度评分,包括:
6.根据权利要求1所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,当所述适配度评分均低于预设阈值时,触发降级策略并跳转至失效处理流程,其中适配度评分均低于预设阈值的失效类型,包括:
7.根据权利要求1所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,基于所述目标算法对所述原始光谱数据进行预处理与定量建模之前,包括:
8.根据权利要求7所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,采用所述历史模型文件中的算法参数和预处理参数执行所述预处理与定量建模,包括:
9.根据权利要求1所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,调用预置的模型评估指标对所述晶圆元素浓度预测结果进行可信度校验,包括:
10.根据权利要求9所述的基于多算法自适应切换的晶圆元素浓度光谱定量分析方法,其特征在于,触发降级策略之后,还包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com