一种半导体存储产品的老化性能测试方法及系统与流程

1.本发明涉及半导体测试，具体地，涉及一种半导体存储产品的老化性能测试方法及系统。


背景技术：

2.老化是指由于产品在加工、储存和使用的过程中，不可避免地受到高温、光照、高能辐射、化学介质、微生物、潮湿等因素的影响，而逐步发生物理、化学等性质变化，使产品的性能下降，最后丧失使用价值的过程。随着科学技术的发展，半导体存储产品的集成化程度越来越高，制造工艺也越来越复杂，在制造过程中易产生潜伏缺陷。利用老化的原理，可以让半导体存储产品在短时间内进行超负荷工作，进而快速发现半导体存储产品的潜伏缺陷，避免在早期使用时发生故障。研究设计一种优化半导体存储产品的老化性能的测试方法，具有重要的现实意义。
3.现有技术中，存在针对半导体存储产品的老化性能的测试效果不佳，进而造成半导体存储产品的状态预测精确度不高的技术问题。


技术实现要素：

4.本技术提供了一种半导体存储产品的老化性能测试方法及系统，解决了现有技术中的针对半导体存储产品的老化性能的测试效果不佳，进而造成半导体存储产品的状态预测精确度不高的技术问题。
5.鉴于上述问题，本技术提供了一种半导体存储产品的老化性能测试方法及系统。
6.一方面，本技术提供了一种半导体存储产品的老化性能测试方法，其中，所述方法应用于一种半导体存储产品的老化性能测试系统，所述系统包括一老化性能测试装置，所述方法包括：获得第一半导体存储产品的信息数据库；获得第一预设筛选指标；根据所述第一预设筛选指标，遍历所述第一半导体存储产品的信息数据库进行特征提取，获得第一半导体存储产品的筛选信息数据库；对所述第一半导体存储产品的筛选信息数据库进行主成分分析，获得第一半导体存储产品的老化性能测试参数集合；根据所述老化性能测试装置对所述第一半导体存储产品的老化性能测试参数集合中的数据信息进行测试，获得第一半导体存储产品的老化性能测试结果；基于增量学习模型对所述第一半导体存储产品的老化性能测试结果进行评估，获得第一半导体存储产品的老化度综合评估结果；根据所述第一半导体存储产品的老化度综合评估结果和贝叶斯状态预测模型进行预测，获得第一半导体存储产品的综合状态预测结果。
7.另一方面，本技术还提供了一种半导体存储产品的老化性能测试系统，其中，所述系统包括一老化性能测试装置，所述系统还包括：第一获得单元，所述第一获得单元用于获得第一半导体存储产品的信息数据库；第二获得单元，所述第二获得单元用于获得第一预设筛选指标；第三获得单元，所述第三获得单元用于根据所述第一预设筛选指标，遍历所述第一半导体存储产品的信息数据库进行特征提取，获得第一半导体存储产品的筛选信息数
据库；第四获得单元，所述第四获得单元用于对所述第一半导体存储产品的筛选信息数据库进行主成分分析，获得第一半导体存储产品的老化性能测试参数集合；第五获得单元，所述第五获得单元用于根据所述老化性能测试装置对所述第一半导体存储产品的老化性能测试参数集合中的数据信息进行测试，获得第一半导体存储产品的老化性能测试结果；第六获得单元，所述第六获得单元用于基于增量学习模型对所述第一半导体存储产品的老化性能测试结果进行评估，获得第一半导体存储产品的老化度综合评估结果；第七获得单元，所述第七获得单元用于根据所述第一半导体存储产品的老化度综合评估结果和贝叶斯状态预测模型进行预测，获得第一半导体存储产品的综合状态预测结果。
8.第三方面，本技术提供了一种半导体存储产品的老化性能测试系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
9.第四方面，本技术提供了一种计算机可读存储介质，其中，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。
10.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：根据第一半导体存储产品的信息数据库，获得第一预设筛选指标；并根据其遍历第一半导体存储产品的信息数据库进行特征提取，获得第一半导体存储产品的筛选信息数据库；基于此，进行主成分分析，获得第一半导体存储产品的老化性能测试参数集合；根据老化性能测试装置对所述第一半导体存储产品的老化性能测试参数集合中的数据信息进行测试，获得第一半导体存储产品的老化性能测试结果；利用增量学习模型对所述第一半导体存储产品的老化性能测试结果进行评估，获得第一半导体存储产品的老化度综合评估结果，并结合贝叶斯状态预测模型进行预测，获得第一半导体存储产品的综合状态预测结果。达到了提高半导体存储产品的老化性能的测试效果和质量；提升半导体存储产品的状态预测精确度和可靠性；同时，设计一种优化半导体存储产品的老化性能的测试方法，为半导体存储产品的进一步发展奠定基础的技术效果。
11.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
12.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
13.图1为本技术一种半导体存储产品的老化性能测试方法的流程示意图；图2为本技术一种半导体存储产品的老化性能测试方法中根据第一半导体存储产品的老化度综合评估结果和贝叶斯状态预测模型进行预测的流程示意图；图3为本技术一种半导体存储产品的老化性能测试系统的结构示意图；图4为本技术示例性电子设备的结构示意图。
14.附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单
元14，第五获得单元15，第六获得单元16，第七获得单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
15.本技术通过提供一种半导体存储产品的老化性能测试方法及系统，解决了现有技术中的针对半导体存储产品的老化性能的测试效果不佳，进而造成半导体存储产品的状态预测精确度不高的技术问题。达到了提高半导体存储产品的老化性能的测试效果和质量；提升半导体存储产品的状态预测精确度和可靠性；同时，设计一种优化半导体存储产品的老化性能的测试方法，为半导体存储产品的进一步发展奠定基础的技术效果。
16.下面，将参考附图详细的描述根据本技术的示例实施例。显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
17.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
18.老化是指由于产品在加工、储存和使用的过程中，不可避免地受到高温、光照、高能辐射、化学介质、微生物、潮湿等因素的影响，而逐步发生物理、化学等性质变化，使产品的性能下降，最后丧失使用价值的过程。随着科学技术的发展，半导体存储产品的集成化程度越来越高，制造工艺也越来越复杂，在制造过程中易产生潜伏缺陷。利用老化的原理，可以让半导体存储产品在短时间内进行超负荷工作，进而快速发现半导体存储产品的潜伏缺陷，避免在早期使用时发生故障。研究设计一种优化半导体存储产品的老化性能的测试方法，具有重要的现实意义。现有技术中，存在针对半导体存储产品的老化性能的测试效果不佳，进而造成半导体存储产品的状态预测精确度不高的技术问题。
19.针对上述技术问题，本技术提供的技术方案总体思路如下：本技术提供一种半导体存储产品的老化性能测试方法，其中，所述方法应用于一种半导体存储产品的老化性能测试系统，所述系统包括一老化性能测试装置，所述方法包括：根据第一半导体存储产品的信息数据库，获得第一预设筛选指标；并根据其遍历第一半导体存储产品的信息数据库进行特征提取，获得第一半导体存储产品的筛选信息数据库；基于此，进行主成分分析，获得第一半导体存储产品的老化性能测试参数集合；根据老化性能测试装置对所述第一半导体存储产品的老化性能测试参数集合中的数据信息进行测试，获得第一半导体存储产品的老化性能测试结果；利用增量学习模型对所述第一半导体存储产品的老化性能测试结果进行评估，获得第一半导体存储产品的老化度综合评估结果，并结合贝叶斯状态预测模型进行预测，获得第一半导体存储产品的综合状态预测结果。
20.为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
21.实施例一请参阅附图1，本技术提供一种半导体存储产品的老化性能测试方法，其中，所述方法应用于一种半导体存储产品的老化性能测试系统，所述方法具体包括如下步骤：步骤s100：获得第一半导体存储产品的信息数据库；具体而言，所述一种半导体存储产品的老化性能测试方法应用于所述一种半导体
存储产品的老化性能测试系统。所述一种半导体存储产品的老化性能测试系统通过大数据、云计算、人工智能等方式对第一半导体存储产品进行全面信息采集，获得第一半导体存储产品的多个信息，进而构成第一半导体存储产品的信息数据库。其中，所述第一半导体存储产品为使用所述一种半导体存储产品的老化性能测试系统进行老化性能测试的任一半导体存储产品。例如，半导体存储器、半导体存储芯片等。所述第一半导体存储产品的信息数据库包括第一半导体存储产品的产品名称、出厂日期、生产厂家、工作原理及参数、外观设计、功能特点等数据信息。达到了明确第一半导体存储产品的信息数据库，为后续对其进行特征提取奠定基础的技术效果。
22.步骤s200：获得第一预设筛选指标；步骤s300：根据所述第一预设筛选指标，遍历所述第一半导体存储产品的信息数据库进行特征提取，获得第一半导体存储产品的筛选信息数据库；具体而言，所述第一半导体存储产品的信息数据库中数据信息的冗杂性较高，增加了后续进行老化性能测试的的困难度。但盲目减少数据会损失数据包含的关键信息,容易导致老化性能测试的精确度下降。优选的，本技术采用特征提取，并结合所述第一预设筛选指标对所述第一半导体存储产品的信息数据库中的数据信息进行依次筛选，获得第一半导体存储产品的筛选信息数据库。其中，所述第一预设筛选指标由所述一种半导体存储产品的老化性能测试系统综合分析半导体存储产品老化性能测试的重点、难点等后，预先设置确定。所述第一预设筛选指标用于筛选出所述第一半导体存储产品的信息数据库中与老化性能测试有关的数据信息。达到了获得第一半导体存储产品的筛选信息数据库；进而提高后续主成分分析过程的效率、节约时间的技术效果。
23.步骤s400：对所述第一半导体存储产品的筛选信息数据库进行主成分分析，获得第一半导体存储产品的老化性能测试参数集合；进一步的，本技术步骤s400还包括：步骤s410：根据所述第一半导体存储产品的筛选信息数据库，获得第一特征半导体存储产品数据集；步骤s420：对所述第一特征半导体存储产品数据集进行去中心化处理，获得第二特征半导体存储产品数据集；步骤s430：根据所述第二特征半导体存储产品数据集，获得第一半导体存储产品的协方差矩阵；步骤s440：根据所述第一半导体存储产品的协方差矩阵，获得第一半导体存储产品的特征值和第一半导体存储产品的特征向量；步骤s450：根据所述第一半导体存储产品的特征值和所述第一半导体存储产品的特征向量，获得所述第一半导体存储产品的老化性能测试参数集合。
24.具体而言，在获得所述第一半导体存储产品的筛选信息数据库的基础上，对其进行数值化处理，并构建特征半导体存储产品数据集，获得所述第一特征半导体存储产品数据集。继而，对所述第一特征半导体存储产品数据集中的各特征数据进行去中心化处理。即，首先求解所述第一特征半导体存储产品数据集中各特征数据的平均值，然后对于所有的样本，每一个特征数据都减去自身的均值，继而获得新的特征值，由新的特征数据集构成所述第二特征半导体存储产品数据集，所述第二特征半导体存储产品数据集为一数据矩
阵。进而，通过协方差公式对所述第二特征半导体存储产品数据集进行运算，获得第一半导体存储产品的协方差矩阵。进一步，通过矩阵运算，求出所述第一半导体存储产品的协方差矩阵的特征值及特征向量，且每一特征值对应一个特征向量，获得第一半导体存储产品的特征值和第一半导体存储产品的特征向量。所述第一半导体存储产品的特征值是由所述第一半导体存储产品的协方差矩阵进行矩阵运算后，获得的任一特征值。所述第一半导体存储产品的特征向量是与所述第一半导体存储产品的特征值对应的特征向量。进一步，在求出的所述第一半导体存储产品的特征值和所述第一半导体存储产品的特征向量中，选取最大的前k个特征值及其对应的特征向量，并将所述第一特征半导体存储产品数据集中的原始数据投影到所选取的特征向量之上，获得所述第一半导体存储产品的老化性能测试参数集合。达到了利用主成分分析法对所述第一半导体存储产品的筛选信息数据库进行降维处理，在保证信息量的前提下，剔除冗余数据，使得数据库的样本量减小；且降维后，获得所述第一半导体存储产品的老化性能测试参数集合的信息量损失最小，从而加快后续的老化性能测试的速度，进而提高老化性能测试的效率的技术效果。
25.步骤s500：根据所述老化性能测试装置对所述第一半导体存储产品的老化性能测试参数集合中的数据信息进行测试，获得第一半导体存储产品的老化性能测试结果；具体而言，所述老化性能测试装置包含于所述一种半导体存储产品的老化性能测试系统。所述老化性能测试装置可为现有技术中任意类型的能够进行老化性能测试的装置或它们的结合。例如，老化测试机、老化测试板、老化试验箱等。利用所述老化性能测试装置，使所述第一半导体存储产品在所述第一半导体存储产品的老化性能测试参数集合中的数据信息对应的条件下，进行快速老化，获得第一半导体存储产品的老化性能测试结果。所述第一半导体存储产品的老化性能测试结果包括第一半导体存储产品老化后，稳定性、颜色、亮度、强度、硬度等各项性能指标的变化；以及所述第一半导体存储产品是否为合格产品；所述第一半导体存储产品存在的产品缺陷等数据信息。达到了利用老化性能测试装置，获得准确性和精确度较高的第一半导体存储产品的老化性能测试结果的技术效果。
26.步骤s600：基于增量学习模型对所述第一半导体存储产品的老化性能测试结果进行评估，获得第一半导体存储产品的老化度综合评估结果；进一步的，本技术步骤s600还包括：步骤s610：获得第一半导体存储产品的第一老化度特征信息、第二老化度特征信息和第三老化度特征信息；步骤s620：根据所述第一老化度特征信息和所述第二老化度特征信息，结合留出法构建第一老化度评估模型；步骤s630：根据所述第三老化度特征信息对所述第一老化度评估模型进行增量学习，获得第一老化度综合评估模型；步骤s640：将所述第一半导体存储产品的老化性能测试结果输入所述第一老化度综合评估模型，获得所述第一半导体存储产品的老化度综合评估结果。
27.具体而言，所述一种半导体存储产品的老化性能测试系统通过数据挖掘、特征提取等方式，获取第一半导体存储产品的第一老化度特征信息、第二老化度特征信息和第三老化度特征信息。其中，第一老化度特征信息、第二老化度特征信息和第三老化度特征信息均为所述第一半导体存储产品老化时的特征变化信息。且，第一老化度特征信息、第二老化
度特征信息和第三老化度特征信息各不相同。进而，利用留出法对所述第一老化度特征信息和所述第二老化度特征信息进行训练，获得第一老化度评估模型。其中，所述留出法是指获得由多个所述第一老化度特征信息和多个所述第二老化度特征信息构成的训练数据库；将训练数据库中的数据信息分为训练样本和测试样本；将训练样本进行多组训练，获得老化度评估模型；将测试样本输入老化度评估模型，可以测试老化度评估模型的误差，并根据其对老化度评估模型进行迭代更新，获得第一老化度评估模型。所述留出法具有易于实现、方法简单、降低第一老化度评估模型的误差等优点。
28.进而，利用所述第三老化度特征信息对所述第一老化度评估模型进行增量学习，获得第一老化度综合评估模型；基于此，将所述第一半导体存储产品的老化性能测试结果作为输入信息，输入所述第一老化度综合评估模型，所述第一老化度综合评估模型输出准确的所述第一半导体存储产品的老化度综合评估结果。其中，所述第一半导体存储产品的老化度综合评估结果是表征所述第一半导体存储产品的老化程度等参数的数据信息。所述增量学习是指一个学习系统能不断地从新样本中学习新的知识，并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式。增量学习具有无需保存历史数据；减少存储空间的占用；帮助用户从系统层面上更好地理解和模仿人脑的学习方式及生物神经网络的构成机制,为开发新计算模型和有效学习算法提供技术基础等优势。所述第一老化度评估模型是基于第一半导体存储产品的第一老化度特征信息、第二老化度特征信息进行机器学习，获得的多个神经元相互连接组成的神经网络模型。因此，通过所述第三老化度特征信息对所述第一老化度评估模型进行增量学习，获得的第一老化度综合评估模型保留了所述第一老化度评估模型的基本功能，并维持模型不断更新性能，进而增强第一半导体存储产品的老化度综合评估结果的准确性。达到了利用增量学习模型获得可靠性和精确度较高的第一半导体存储产品的老化度综合评估结果，为后续获得第一半导体存储产品的综合状态预测结果提供数据支持的技术效果。
29.进一步的，本技术步骤s640之后还包括：步骤s650：对所述第一半导体存储产品的老化度综合评估结果划分等级，获得第一半导体存储产品的老化度等级结果；步骤s660：获得预设老化度等级阈值；步骤s670：判断所述第一半导体存储产品的老化度等级结果是否满足所述预设老化度等级阈值；步骤s680：若所述第一半导体存储产品的老化度等级结果满足所述预设老化度等级阈值，获得第一老化度等级预警信息。
30.具体而言，在对所述第一半导体存储产品进行老化性能测试时，如果存在所述第一半导体存储产品过度老化的现象，则极大地危害了所述第一半导体存储产品的产品寿命、产品功能、产品体验感等重要产品参数信息。优选地，本技术采用所述一种半导体存储产品的老化性能测试系统对所述第一半导体存储产品的老化度综合评估结果进行自动等级划分，获得第一半导体存储产品的老化度等级结果。进而，将预设老化度等级阈值与所述第一半导体存储产品的老化度等级结果进行比较，如果所述第一半导体存储产品的老化度等级结果等于或大于所述预设老化度等级阈值，获取第一老化度等级预警信息。其中，所述预设老化度等级阈值由所述一种半导体存储
产品的老化性能测试系统智能分析半导体存储产品的老化性能测试的重点、难点等后，事先设置确定。所述第一老化度等级预警信息用于对第一半导体存储产品过度老化的现象发出预警。示例性地，所述预设老化度等级阈值为第四等级；所述第一半导体存储产品的老化度等级结果为第六等级，级别越高，第一半导体存储产品的老化度越高；此时，所述一种半导体存储产品的老化性能测试系统发出第一老化度等级预警信息。达到了在获得所述第一半导体存储产品的老化度综合评估结果的基础上，对所述第一半导体存储产品过度老化的现象发出合适的预警信息，提高本技术的一种半导体存储产品的老化性能测试方法的全面性和适应性的技术效果。
31.步骤s700：根据所述第一半导体存储产品的老化度综合评估结果和贝叶斯状态预测模型进行预测，获得第一半导体存储产品的综合状态预测结果。
32.进一步的，如附图2所示，本技术步骤s700还包括：步骤s710：获得所述第一半导体存储产品此前的历史老化度综合评估结果集合；步骤s720：基于贝叶斯统计构建所述贝叶斯状态预测模型，其中，所述贝叶斯状态预测模型通过多组训练数据训练至收敛状态获得，所述训练数据包括所述历史老化度综合评估结果集合；步骤s730：将所述第一半导体存储产品的老化度综合评估结果输入所述贝叶斯状态预测模型；步骤s740：获得所述贝叶斯状态预测模型的输出信息，其中，所述输出信息包括所述第一半导体存储产品的综合状态预测结果。
33.具体而言，所述贝叶斯统计的基本原理是首先由过去的经验或专家估计，获得将要发生事件的事前概率；而后通过调查、试验、统计分析等方法，计算得到条件概率；最后利用贝叶斯公式计算出各事件的事后概率。所述贝叶斯状态预测模型能根据训练数据进行不断的自我训练学习，所述训练数据包括由所述一种半导体存储产品的老化性能测试系统通过大数据查询、信息挖掘等方式，获取的所述第一半导体存储产品此前的历史老化度综合评估结果集合。所述贝叶斯状态预测模型不断地自我的修正，当所述贝叶斯状态预测模型的输出信息达到预定的准确率/收敛状态时，则监督学习过程结束。示例性地，所述贝叶斯状态预测模型先利用所述训练数据，获得所述第一半导体存储产品此前的历史综合状态预测结果即先验分布信息；再利用输入的所述第一半导体存储产品的老化度综合评估结果，获得所述第一半导体存储产品的实时综合状态预测结果即后验分布信息；最后，利用先验分布信息对后验分布信息进行多次修正后，获得所述第一半导体存储产品的综合状态预测结果。通过对所述贝叶斯状态预测模型进行数据训练，使得所述贝叶斯状态预测模型处理输入的所述第一半导体存储产品的老化度综合评估结果更加准确，进而使得输出的所述贝叶斯状态预测模型的输出信息也更加准确。达到了提高贝叶斯状态预测模型的精确度和合理性，进而获得更加准确、有效的第一半导体存储产品的综合状态预测结果的技术效果。
34.进一步的，本技术步骤s740还包括：步骤s741：获得第一预设时间段集合，其中，所述第一预设时间段集合包括多个第一预设时间段；步骤s742：获得多个状态预测指标，其中，所述多个状态预测指标包括产品寿命预测指标、产品安全性预测指标和产品健康状态预测指标；
步骤s743：根据所述第一预设时间段集合和所述多个状态预测指标，利用所述贝叶斯状态预测模型对所述第一半导体存储产品的老化度综合评估结果进行预测，获得第一半导体存储产品的多个状态预测结果；具体而言，所述贝叶斯状态预测模型可在所述第一预设时间段集合内，对所述第一半导体存储产品的老化度综合评估结果进行多个状态预测指标的预测，进而获取第一半导体存储产品的多个状态预测结果。其中，所述一种半导体存储产品的老化性能测试系统可根据所述第一半导体存储产品的老化度综合评估结果自适应设定多个第一预设时间段，这多个第一预设时间段构成所述第一预设时间段集合。优选地，本技术所采用的多个状态预测指标包括产品寿命预测指标、产品安全性预测指标和产品健康状态预测指标。示例性地，所述第一预设时间段集合包括3小时、3天、3个月。将所述第一半导体存储产品的老化度综合评估结果作为输入信息，输入所述贝叶斯状态预测模型，进而利用所述贝叶斯状态预测模型可对第一半导体存储产品的产品寿命、产品安全性、产品健康状态分别进行3小时内、3天内、3个月内的状态预测，最终获得第一半导体存储产品的多个状态预测结果。达到了利用贝叶斯状态预测模型，结合第一预设时间段集合和多个状态预测指标，进而明确较为精准的第一半导体存储产品的多个状态预测结果，为后续获得所述第一半导体存储产品的综合状态预测结果奠定基础的技术效果。
35.步骤s744：对所述第一半导体存储产品的多个状态预测结果进行权重分配，获得所述第一半导体存储产品的综合状态预测结果。
36.进一步的，本技术步骤s744还包括：步骤s7441：获得预设相关性系数；步骤s7442：对所述第一半导体存储产品的多个状态预测结果与所述第一半导体存储产品的老化性能测试结果进行关联性分析，获得多个相关性系数；步骤s7443：分别计算所述多个相关性系数与所述预设相关性系数的差值，获得相关性系数差值集合；步骤s7444：根据所述相关性系数差值集合对所述第一半导体存储产品的多个状态预测结果进行权重分配，获得第一权重分配结果；步骤s7445：采用所述第一权重分配结果对所述第一半导体存储产品的多个状态预测结果进行调整，获得所述第一半导体存储产品的综合状态预测结果。
37.具体而言，在获得第一半导体存储产品的多个状态预测结果的基础上，利用相关性系数差值集合对所述第一半导体存储产品的多个状态预测结果进行权重分配，获得第一权重分配结果，并根据其对所述第一半导体存储产品的多个状态预测结果进行综合分析、调整、修正等处理后，获得所述第一半导体存储产品的综合状态预测结果。其中，所述相关性系数差值集合由预设相关性系数分别减去多个相关性系数，获得的多个差值构成。所述预设相关性系数由一种半导体存储产品的老化性能测试系统根据实际情况自适应设定。所述多个相关性系数是对所述第一半导体存储产品的多个状态预测结果与所述第一半导体存储产品的老化性能测试结果进行关联性分析后，获得的表征多个状态预测结果与第一半导体存储产品的老化性能测试结果之间的相关性强弱的数据信息。且，所述多个相关性系数与所述第一半导体存储产品的多个状态预测结果一一对应。示例性地，所述相关性系数差值集合中差值b最大，则差值b具有最小的权重；与差值b对应的第一半导体存储产品的状
态预测结果b，在所述第一半导体存储产品的综合状态预测结果中也具有最小的权重。达到了利用相关性系数差值集合对所述第一半导体存储产品的多个状态预测结果进行权重分配，进而获得精确度和合理性较高的第一半导体存储产品的综合状态预测结果的技术效果。
38.综上所述，本技术所提供的一种半导体存储产品的老化性能测试方法具有如下技术效果：1.根据第一半导体存储产品的信息数据库，获得第一预设筛选指标；并根据其遍历第一半导体存储产品的信息数据库进行特征提取，获得第一半导体存储产品的筛选信息数据库；基于此，进行主成分分析，获得第一半导体存储产品的老化性能测试参数集合；根据老化性能测试装置对所述第一半导体存储产品的老化性能测试参数集合中的数据信息进行测试，获得第一半导体存储产品的老化性能测试结果；利用增量学习模型对所述第一半导体存储产品的老化性能测试结果进行评估，获得第一半导体存储产品的老化度综合评估结果，并结合贝叶斯状态预测模型进行预测，获得第一半导体存储产品的综合状态预测结果。达到了提高半导体存储产品的老化性能的测试效果和质量；提升半导体存储产品的状态预测精确度和可靠性；同时，设计一种优化半导体存储产品的老化性能的测试方法，为半导体存储产品的进一步发展奠定基础的技术效果。
39.2.达到了利用主成分分析法对所述第一半导体存储产品的筛选信息数据库进行降维处理，在保证信息量的前提下，剔除冗余数据，使得数据库的样本量减小；且降维后，获得所述第一半导体存储产品的老化性能测试参数集合的信息量损失最小，从而加快后续的老化性能测试的速度，进而提高老化性能测试的效率的技术效果。
40.3.第一老化度评估模型是基于第一半导体存储产品的第一老化度特征信息、第二老化度特征信息进行机器学习，获得的多个神经元相互连接组成的神经网络模型。因此，通过所述第三老化度特征信息对所述第一老化度评估模型进行增量学习，获得的第一老化度综合评估模型保留了所述第一老化度评估模型的基本功能，并维持模型不断更新性能，进而增强第一半导体存储产品的老化度综合评估结果的准确性。达到了利用增量学习模型获得可靠性和精确度较高的第一半导体存储产品的老化度综合评估结果，为后续获得第一半导体存储产品的综合状态预测结果提供数据支持的技术效果。
41.4.贝叶斯统计的基本原理是首先由过去的经验或专家估计，获得将要发生事件的事前概率；而后通过调查、试验、统计分析等方法，计算得到条件概率；最后利用贝叶斯公式计算出各事件的事后概率。基于贝叶斯统计构建所述贝叶斯状态预测模型，并对所述贝叶斯状态预测模型进行数据训练，使得所述贝叶斯状态预测模型处理输入的所述第一半导体存储产品的老化度综合评估结果更加准确，进而使得输出的所述贝叶斯状态预测模型的输出信息也更加准确。达到了提高贝叶斯状态预测模型的精确度和合理性，进而获得更加准确、有效的第一半导体存储产品的综合状态预测结果的技术效果。
42.实施例二基于与前述实施例中一种半导体存储产品的老化性能测试方法，同样发明构思，本发明还提供了一种半导体存储产品的老化性能测试系统，请参阅附图3，所述系统包括：第一获得单元11，所述第一获得单元11用于获得第一半导体存储产品的信息数据库；
第二获得单元12，所述第二获得单元12用于获得第一预设筛选指标；第三获得单元13，所述第三获得单元13用于根据所述第一预设筛选指标，遍历所述第一半导体存储产品的信息数据库进行特征提取，获得第一半导体存储产品的筛选信息数据库；第四获得单元14，所述第四获得单元14用于对所述第一半导体存储产品的筛选信息数据库进行主成分分析，获得第一半导体存储产品的老化性能测试参数集合；第五获得单元15，所述第五获得单元15用于根据所述老化性能测试装置对所述第一半导体存储产品的老化性能测试参数集合中的数据信息进行测试，获得第一半导体存储产品的老化性能测试结果；第六获得单元16，所述第六获得单元16用于基于增量学习模型对所述第一半导体存储产品的老化性能测试结果进行评估，获得第一半导体存储产品的老化度综合评估结果；第七获得单元17，所述第七获得单元17用于根据所述第一半导体存储产品的老化度综合评估结果和贝叶斯状态预测模型进行预测，获得第一半导体存储产品的综合状态预测结果。
43.进一步的，所述系统还包括：第八获得单元，所述第八获得单元用于根据所述第一半导体存储产品的筛选信息数据库，获得第一特征半导体存储产品数据集；第九获得单元，所述第九获得单元用于对所述第一特征半导体存储产品数据集进行去中心化处理，获得第二特征半导体存储产品数据集；第十获得单元，所述第十获得单元用于根据所述第二特征半导体存储产品数据集，获得第一半导体存储产品的协方差矩阵；第十一获得单元，所述第十一获得单元用于根据所述第一半导体存储产品的协方差矩阵，获得第一半导体存储产品的特征值和第一半导体存储产品的特征向量；第十二获得单元，所述第十二获得单元用于根据所述第一半导体存储产品的特征值和所述第一半导体存储产品的特征向量，获得所述第一半导体存储产品的老化性能测试参数集合。
44.进一步的，所述系统还包括：第十三获得单元，所述第十三获得单元用于获得第一半导体存储产品的第一老化度特征信息、第二老化度特征信息和第三老化度特征信息；第一执行单元，所述第一执行单元用于根据所述第一老化度特征信息和所述第二老化度特征信息，结合留出法构建第一老化度评估模型；第十四获得单元，所述第十四获得单元用于根据所述第三老化度特征信息对所述第一老化度评估模型进行增量学习，获得第一老化度综合评估模型；第十五获得单元，所述第十五获得单元用于将所述第一半导体存储产品的老化性能测试结果输入所述第一老化度综合评估模型，获得所述第一半导体存储产品的老化度综合评估结果。
45.进一步的，所述系统还包括：第十六获得单元，所述第十六获得单元用于对所述第一半导体存储产品的老化度
综合评估结果划分等级，获得第一半导体存储产品的老化度等级结果；第十七获得单元，所述第十七获得单元用于获得预设老化度等级阈值；第二执行单元，所述第二执行单元用于判断所述第一半导体存储产品的老化度等级结果是否满足所述预设老化度等级阈值；第十八获得单元，所述第十八获得单元用于若所述第一半导体存储产品的老化度等级结果满足所述预设老化度等级阈值，获得第一老化度等级预警信息。
46.进一步的，所述系统还包括：第十九获得单元，所述第十九获得单元用于获得所述第一半导体存储产品此前的历史老化度综合评估结果集合；第三执行单元，所述第三执行单元用于基于贝叶斯统计构建所述贝叶斯状态预测模型，其中，所述贝叶斯状态预测模型通过多组训练数据训练至收敛状态获得，所述训练数据包括所述历史老化度综合评估结果集合；第四执行单元，所述第四执行单元用于将所述第一半导体存储产品的老化度综合评估结果输入所述贝叶斯状态预测模型；第二十获得单元，所述第二十获得单元用于获得所述贝叶斯状态预测模型的输出信息，其中，所述输出信息包括所述第一半导体存储产品的综合状态预测结果。
47.进一步的，所述系统还包括：第二十一获得单元，所述第二十一获得单元用于获得第一预设时间段集合，其中，所述第一预设时间段集合包括多个第一预设时间段；第二十二获得单元，所述第二十二获得单元用于获得多个状态预测指标，其中，所述多个状态预测指标包括产品寿命预测指标、产品安全性预测指标和产品健康状态预测指标；第二十三获得单元，所述第二十三获得单元用于根据所述第一预设时间段集合和所述多个状态预测指标，利用所述贝叶斯状态预测模型对所述第一半导体存储产品的老化度综合评估结果进行预测，获得第一半导体存储产品的多个状态预测结果；第二十四获得单元，所述第二十四获得单元用于对所述第一半导体存储产品的多个状态预测结果进行权重分配，获得所述第一半导体存储产品的综合状态预测结果。
48.进一步的，所述系统还包括：第二十五获得单元，所述第二十五获得单元用于获得预设相关性系数；第二十六获得单元，所述第二十六获得单元用于对所述第一半导体存储产品的多个状态预测结果与所述第一半导体存储产品的老化性能测试结果进行关联性分析，获得多个相关性系数；第二十七获得单元，所述第二十七获得单元用于分别计算所述多个相关性系数与所述预设相关性系数的差值，获得相关性系数差值集合；第二十八获得单元，所述第二十八获得单元用于根据所述相关性系数差值集合对所述第一半导体存储产品的多个状态预测结果进行权重分配，获得第一权重分配结果；第二十九获得单元，所述第二十九获得单元用于采用所述第一权重分配结果对所述第一半导体存储产品的多个状态预测结果进行调整，获得所述第一半导体存储产品的综合状态预测结果。
49.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种半导体存储产品的老化性能测试方法和具体实例同样适用于本实施例的一种半导体存储产品的老化性能测试系统，通过前述对一种半导体存储产品的老化性能测试方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种半导体存储产品的老化性能测试系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
50.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
51.示例性电子设备下面参考图4来描述本技术的电子设备。
52.基于与前述实施例中一种半导体存储产品的老化性能测试方法相同的发明构思，本技术还提供了一种半导体存储产品的老化性能测试系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。
53.该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标总线或扩展工业标准结构总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
54.处理器302可以是一个cpu，微处理器，asic，或一个或多个用于控制本技术方案程序执行的集成电路。通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网，无线局域网，有线接入网等。存储器301可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
55.其中，存储器301用于存储执行本技术方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本技术提供的一种半导体存储产品的老化性能测试方法。
56.可选的，本技术中的计算机执行指令也可以称之为应用程序代码，本技术对此不作具体限定。
57.本技术解决了现有技术中的针对半导体存储产品的老化性能的测试效果不佳，进而造成半导体存储产品的状态预测精确度不高的技术问题。达到了提高半导体存储产品的老化性能的测试效果和质量；提升半导体存储产品的状态预测精确度和可靠性；同时，设计
一种优化半导体存储产品的老化性能的测试方法，为半导体存储产品的进一步发展奠定基础的技术效果。
58.本领域普通技术人员可以理解：本技术中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本技术的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a ,b,c,a
ꢀ‑
b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
59.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质、光介质、或者半导体介质等。
60.本技术中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列(fpga)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
61.本技术中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
62.尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。
63.相应地，本说明书和附图仅仅是本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。