半导体设备参数测试方法、装置、电子设备和存储介质与流程

1.本发明涉及半导体技术领域，尤其涉及一种半导体设备参数测试方法、装置、电子设备和存储介质。


背景技术：

2.在半导体设备正式投入使用之前，为了达到当前工艺条件的要求并提升工艺效果，时常需要修改对半导体设备的工控软件参数进行调整，并根据调整后的工控软件参数对应的测试结果判断半导体设备的当前参数是否能够在达到当前工艺条件要求的同时实现更理想的工艺效果。
3.其中，半导体设备的工控软件参数通常需要工程师手动进行调试并不断记录下当前的测试参数与测试结果，效率较低的同时也难以确定出满足工艺条件要求情况下的最优参数。此外，半导体设备可能在不同时间段会参与不同工艺类型的工艺操作，或者随着项目调整需要满足不同项目需求，因而需要随着工艺类型的切换或项目的切换随时调整半导体设备的工控软件参数，导致需要重复对半导体设备的工控软件参数进行测试，无疑又再次增加了工作量、延长了半导体设备参数测试的工期。


技术实现要素：

4.本发明提供一种半导体设备参数测试方法、装置、电子设备和存储介质，用以解决现有技术中参数测试效率低且难以确定出满足工艺条件要求情况下的最优参数的缺陷。
5.本发明提供一种半导体设备参数测试方法，包括：获取半导体设备的多个种子测试样本以及测试结果评估条件；基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值；基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练后，将多个扩展测试样本输入至所述结果预测模型中，得到所述扩展测试样本的测试结果；所述种子测试样本和所述扩展测试样本中包含各个测试参数的参数值组合，所述测试结果中包含约束参数的参数值；基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合。
6.根据本发明提供的一种半导体设备参数测试方法，所述基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合，具体包括：基于测试结果满足预设约束条件的种子测试样本及其测试结果和扩展测试样本
及其测试结果，对所述各个测试参数的参数值组合及其测试结果进行多元非线性拟合，得到多元函数；基于选择的目标参数对多元函数进行转换，将因变量转换为目标参数；基于转换后的多元函数确定在满足预设约束条件前提下使得所述目标参数最优的最优参数值组合。
7.根据本发明提供的一种半导体设备参数测试方法，所述基于转换后的多元函数确定在满足预设约束条件前提下使得所述目标参数最优的最优参数值组合，具体包括：在所述约束参数满足预设约束条件的基础上，求取所述转换后的多元函数的极值点；所述极值点满足所述目标参数最优的条件；基于所述极值点确定所述各个测试参数的最优参数值组合。
8.根据本发明提供的一种半导体设备参数测试方法，所述基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练，具体包括：在当前轮迭代训练过程中，计算任一种子测试样本的测试结果与模型输出的预测结果之间的预测差异；基于各个种子测试样本的测试结果与模型输出的预测结果之间的预测差异以及各个种子测试样本的标签值，计算当前轮的总模型损失；任一种子测试样本的标签值的绝对值越高，所述任一种子测试样本的测试结果与模型输出的预测结果之间的预测差异在所述总模型损失中所占的比重越大；基于所述总模型损失对结果预测模型的参数进行更新。
9.根据本发明提供的一种半导体设备参数测试方法，所述基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值，具体包括：基于所述种子测试样本的测试结果中约束参数的参数值与工艺需求参数值，以及所述测试结果评估条件，确定所述种子测试样本的标签值的正负符号；基于所述种子测试样本对应的目标参数的参数值，确定所述种子测试样本的标签值的绝对值；基于所述种子测试样本的标签值的正负符号和绝对值，确定所述种子测试样本的标签值。
10.根据本发明提供的一种半导体设备参数测试方法，所述获取半导体设备的多个种子测试样本，具体包括：基于tcp socket监听图形界面传送至后端系统的任一种子测试样本，并基于所述种子测试样本生成参数配置文件；基于所述参数配置文件对所述半导体设备的工控软件进行配置，并模拟运行所述工控软件进行工艺测试，得到所述任一种子测试样本的测试结果；将所述任一种子测试样本及其测试结果存储至数据存储层。
11.根据本发明提供的一种半导体设备参数测试方法，所述多个扩展测试样本是基于所述各个测试参数的推荐参数值在预设范围内随机生成的。
12.本发明还提供一种半导体设备参数测试装置，包括：样本获取单元，用于获取半导体设备的多个种子测试样本以及测试结果评估条件；
标签标注单元，用于基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值；样本扩展单元，用于基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练后，将多个扩展测试样本输入至所述结果预测模型中，得到所述扩展测试样本的测试结果；所述种子测试样本和所述扩展测试样本中包含各个测试参数的参数值组合，所述测试结果中包含约束参数的参数值；参数测试单元，用于基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合。
13.本发明还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述半导体设备参数测试方法。
14.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述半导体设备参数测试方法。
15.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述半导体设备参数测试方法。
16.本发明提供的半导体设备参数测试方法、装置、电子设备和存储介质，通过根据少量手工调试得到的种子测试样本及其测试结果和标签值对结果预测模型进行训练，从而可以快速预测大量自动生成的扩展测试样本的测试结果，实现了样本数据集的自动扩充，大大节省了数据集获取的效率，且提高了种子测试样本的数据利用率以及结果预测模型的鲁棒性；随后，利用上述种子测试样本及其测试结果和上述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于关联关系确定在约束参数的参数值满足预设约束条件前提下使得目标参数最优的各个测试参数的最优参数值组合，实现了半导体设备工控软件参数的自动测试，可以快速确定满足预设约束条件前提下各个测试参数的最优参数值组合，使得半导体设备在实际运行时在达到当前工艺条件要求的同时能实现更理想的工艺效果，提升了参数测试的效率，且该方式可适用任意工艺类型和项目需求，具备较广的适用范围。
附图说明
17.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
18.图1是本发明提供的半导体设备参数测试方法的流程示意图；图2是本发明提供的关联关系拟合方法的流程示意图；图3是本发明提供的结果预测模型训练方法的流程示意图；图4是本发明提供的半导体设备参数测试装置的结构示意图；图5是本发明提供的电子设备的结构示意图。
具体实施方式
19.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.图1是本发明提供的半导体设备参数测试方法的流程示意图，如图1所示，该方法包括：步骤110，获取半导体设备的多个种子测试样本以及测试结果评估条件；步骤120，基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值；步骤130，基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练后，将多个扩展测试样本输入至所述结果预测模型中，得到所述扩展测试样本的测试结果；所述种子测试样本和所述扩展测试样本中包含各个测试参数的参数值组合，所述测试结果中包含约束参数的参数值；步骤140，基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合。
21.具体地，在测试初期，可以由工程师手动获取多个种子测试样本，其中任一种子测试样本中包含半导体设备各个测试参数的一组参数值组合。此处，工程师可以基于半导体设备制造商给出的推荐参数值进行微调，得到初期的多个种子测试样本，随后可以基于在先的种子测试样本的测试结果进行上下浮动，从而得到各个种子测试样本。需要说明的是，任一种子测试样本的测试结果是基于该种子测试样本对半导体设备工控软件进行配置后进行工艺测试得到的，其中包含约束参数的参数值。其中，测试参数是指半导体设备的工控软件中待进行输入配置的参数类型，而约束参数是用于表征预设的工艺条件或是项目需求的参数类型，例如加热工艺的最终温度、降温工艺的降温时间等，且约束参数可以为一个或多个。
22.另外，还可以根据半导体设备当前的工艺类型的工艺条件或是项目需求，确定该设备的测试结果评估条件，例如加热工艺中最终温度是否达到目标温度、降温工艺中降温时间是否小于目标时长等。
23.由于获取的种子测试样本由工程师手动调试获得，种子测试样本中的参数值组合并不一定能够满足预设的工艺条件或是项目需求，即可能包含有可以满足预设的工艺条件或是项目需求的正样本以及不能满足预设的工艺条件或是项目需求的负样本，因此可以将上述正样本和负样本一同作为样本数据集参与后续结果预测模型的训练过程，从而提高种子测试样本的数据利用率，同时提升结果预测模型的鲁棒性。在正式训练结果预测模型之前，可以基于上述测试结果评估条件以及各个种子测试样本的测试结果，分别对相应种子测试样本进行标签标注，得到各个种子测试样本的标签值。其中，若根据测试结果评估条件判断得知任一种子测试样本的测试结果无法满足预设的工艺条件或是项目需求，则确定该种子测试样本的标签值为负值，即为负样本；反之，则可以确定该种子测试样本的标签值为
正值，即为正样本。
24.随后，可以基于多个种子测试样本及其测试结果和标签值对结果预测模型进行训练，得到训练好的结果预测模型。其中，训练好的结果预测模型可以根据输入的参数值组合预测其对应的测试结果。此处，为了提升整个参数测试方法的效率，考虑到种子测试样本需要手动调试获得，而其对应的测试结果需要进行工艺测试才能获取，上述过程均较为耗时，因此可以仅获取较少量的种子测试样本及其测试结果，再基于上述训练好的结果预测模型对自动生成的多个扩展测试样本进行结果预测，快速获取多个扩展测试样本的测试结果，而无需进行手动调试或是工艺测试。其中，扩展测试样本也包含有半导体设备各个测试参数的参数值组合，且其可以基于设备厂商提供的各个测试参数的推荐参数值在预设范围内随机生成，以大幅提高样本获取的效率。扩展测试样本的数量可以大于种子测试样本的数量，例如可以是种子测试样本数量的10倍或20倍等。
25.根据上述方式获得大量的扩展测试样本及其测试结果后，可以结合种子测试样本及其测试结果和扩展测试样本及其测试结果，对各个测试参数与约束参数之间的关联关系进行拟合，以克服数据量小时获得的关联关系不准确的问题。其中，各个测试参数与约束参数之间的关联关系可以以多元非线性函数的形式表示。在确定目标参数后，可以基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合。此处，目标参数为待优化的参数，目标参数的优化程度更高，表明对应参数值组合配置下的半导体设备能达到更好的工艺效果，例如加热工艺中加热时长；而目标参数的优劣可以根据当前工艺类型确定，例如加热工艺中加热时长越低越好，因此目标参数的参数值越低越好。其中，目标参数可以为测试参数或是约束参数。
26.在根据关联关系确定目标参数最优时对应的各个测试参数的最优参数值组合时，可以对多元非线性函数进行条件极值解析，求取约束参数的参数值满足预设约束条件前提下使得目标参数最优（例如在约束参数的参数值满足预设约束条件前提下最小或最大）的各个测试参数的最优参数值组合。其中，还可以为各个测试参数中的部分参数设置预设值，例如降温工艺中的起始温度、气体流量等，再利用条件极值问题的解析算法（例如梯度下降法、最速下降法、遗传算法等）确定约束参数的参数值满足预设约束条件的条件下，目标参数取极值时各个测试参数中其他参数的参数值，从而可以快速确定得到各个测试参数的最优参数值组合。
27.本发明实施例提供的方法，通过根据少量手工调试得到的种子测试样本及其测试结果和标签值对结果预测模型进行训练，从而可以快速预测大量自动生成的扩展测试样本的测试结果，实现了样本数据集的自动扩充，大大节省了数据集获取的效率，且提高了种子测试样本的数据利用率以及结果预测模型的鲁棒性；随后，利用上述种子测试样本及其测试结果和上述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于关联关系确定在约束参数的参数值满足预设约束条件前提下使得目标参数最优的各个测试参数的最优参数值组合，实现了半导体设备工控软件参数的自动测试，可以快速确定满足预设约束条件前提下各个测试参数的最优参数值组合，使得半导体设备在实际运行时在达到当前工艺条件要求的同时能实现更理想的工艺效果，提升了参数测试的效率，且该方式可适用任意工艺类型和项目需求，具备较广的适用范围。
28.基于上述实施例，如图2所示，步骤140具体包括：
步骤141，基于测试结果满足预设约束条件的种子测试样本及其测试结果和扩展测试样本及其测试结果，对所述各个测试参数的参数值组合及其测试结果进行多元非线性拟合，得到多元函数；步骤142，基于选择的目标参数对多元函数进行转换，将因变量转换为目标参数；步骤143，基于转换后的多元函数确定在满足预设约束条件前提下使得所述目标参数最优的最优参数值组合。
29.具体地，可以从获得的种子测试样本和扩展测试样本中筛选出测试结果满足预设约束条件的部分用于后续的关联关系拟合。根据测试结果满足预设约束条件的种子测试样本及其测试结果和扩展测试样本及其测试结果（其中任一种子测试样本/扩展测试样本及其测试结果对应多维空间中的一个数据点），利用多元非线性拟合算法对各个测试参数的参数值组合及其测试结果进行多元非线性拟合，得到用于表征各个测试参数与约束参数之间关联关系的多元函数。其中，可以以任一测试参数或约束参数作为因变量、其余参数作为自变量进行多元非线性拟合。
30.考虑到选择的目标参数可能并非上一步骤拟合得到的多元函数的因变量，因此可以对基于选择的目标参数对多元函数进行转换，将多元函数的因变量转换为目标参数。随后，基于转换后的多元函数进行条件极值问题求解，确定在满足预设约束条件前提下使得目标参数最优的最优参数值组合。
31.基于上述任一实施例，步骤143具体包括：在所述约束参数满足预设约束条件的基础上，求取所述转换后的多元函数的极值点；所述极值点满足所述目标参数最优的条件；基于所述极值点确定所述各个测试参数的最优参数值组合。
32.具体地，可以基于预设约束条件对相应约束参数的取值范围进行限定，并在上述限定的范围内对转换后的多元函数进行极值点求取（其中若目标参数越大越好，则求取极大值点，若目标参数越小越好，则求取极小值点），得到转换后的多元函数的极值点。其中，该极值点可以满足目标参数最优的条件。此处，若部分测试参数具备预设值，也可以将该部分测试参数取预设值后，在相应的范围内对转换后的多元函数进行极值点求取。随后，根据求取的极值点对应各维参数的数值，确定各个测试参数的最优参数值组合。
33.基于上述任一实施例，如图3所示，所述基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练，具体包括：步骤131，在当前轮迭代训练过程中，计算任一种子测试样本的测试结果与模型输出的预测结果之间的预测差异；步骤132，基于各个种子测试样本的测试结果与模型输出的预测结果之间的预测差异以及各个种子测试样本的标签值，计算当前轮的总模型损失；任一种子测试样本的标签值的绝对值越高，所述任一种子测试样本的测试结果与模型输出的预测结果之间的预测差异在所述总模型损失中所占的比重越大；步骤133，基于所述总模型损失对结果预测模型的参数进行更新。
34.具体地，考虑到不同种子测试样本在能够满足预设的工艺条件或项目需求时，其对应的工艺效果之间存在一定差别，因此，针对工艺效果更好的种子测试样本可以使结果预测模型对其施加更多的注意力，以提升对于工艺效果可能较好的扩展测试样本（工艺效
果较好的扩展测试样本以及种子测试样本之间具备一定的相似度）的预测准确度，避免由于预测错误使得测试结果不满足预设的工艺条件或项目需求，导致在获取各个测试参数与约束参数之间关联关系时将工艺效果较好的扩展测试样本排除。
35.对此，在训练结果预测模型时会进行多轮迭代训练，在当前轮迭代训练过程中，可以计算任一种子测试样本的测试结果与模型输出的该种子测试样本对应的预测结果之间的预测差异。随后，根据各个种子测试样本的测试结果与模型输出的预测结果之间的预测差异，可以计算当前轮训练的总模型损失。此处，在计算当前轮的总模型损失时，可以基于各个种子测试样本的标签值对相应种子测试样本的测试结果与模型输出的预测结果之间的预测差异进行加权，以改变相应种子测试样本的测试结果与模型输出的预测结果之间的预测差异在总模型损失中的比重。其中，任一种子测试样本的标签值的绝对值越高，表明该种子测试样本对应的工艺效果越好，那么该种子测试样本的测试结果与模型输出的预测结果之间的预测差异在总模型损失中所占的比重则越大，结果预测模型对该种子测试样本的关注程度越高。根据上述总模型损失对结果预测模型的参数进行更新，完成当前轮的训练，根据多轮上述训练，结果预测模型针对工艺效果较好的扩展测试样本的结果预测性能将得到逐步提升。
36.基于上述任一实施例，步骤120具体包括：基于所述种子测试样本的测试结果中约束参数的参数值与工艺需求参数值，以及所述测试结果评估条件，确定所述种子测试样本的标签值的正负符号；基于所述种子测试样本对应的目标参数的参数值，确定所述种子测试样本的标签值的绝对值；基于所述种子测试样本的标签值的正负符号和绝对值，确定所述种子测试样本的标签值。
37.具体地，一方面，可以基于任一种子测试样本的测试结果中约束参数的参数值与预先设置的工艺需求参数值，以及上述测试结果评估条件，确定该种子测试样本的标签值的正负符号。其中，约束参数的工艺需求参数值可以表征约束参数满足预设工艺条件或项目需求时的最低标准。结合预先设置的工艺需求参数值以及上述测试结果评估条件，可以判断该种子测试样本的测试结果中约束参数的参数值是否满足预设的工艺条件或项目需求，从而确定该种子测试样本标签值的正负符号。其中，若判断该种子测试样本的测试结果中约束参数的参数值满足预设的工艺条件或项目需求，则种子测试样本的标签值为正值，否则该种子测试样本的标签值为负值。
38.此处，工艺需求参数值可以基于预设的工艺条件或项目需求设置得到，也可以通过设置对照实验组以获得约束参数的对应的工艺需求参数值。通过对比任一种子测试样本对应的约束参数的参数值与工艺需求参数值，结合预设的测试结果评估条件，可以确定该种子测试样本是否能够满足预设工艺条件或项目需求。而对照实验组可以根据具体的工艺类型进行设计，例如在基于质量流量控制器的降温工艺中，对照实验组可以设计为不包含质量流量控制器情况下的参数配置，如下所示：种子测试样本：质量流量控制器阀门状态：开启；气体流量：1500cfm；起始温度：300℃；目标温度：100℃；其对应的约束参数为降温时间，约束参数的参数值为30s。
39.对照实验组：质量流量控制器阀门状态：关闭；气体流量：1500cfm；起始温度：300
℃；目标温度：100℃；约束参数对应的工艺需求参数值为35s。
40.由于测试结果评估条件要求基于质量流量控制器的降温工艺的降温时间应当小于不包含质量流量控制器情况下的降温时间，因此通过对比任一种子测试样本的测试结果中约束参数的参数值（如上例中的30s）与预先设置的工艺需求参数值（如上例中的35s），可以确定该种子测试样本的标签值的正负符号。
41.另一方面，可以基于任一种子测试样本对应的目标参数的参数值，确定该种子测试样本的标签值的绝对值。其中，可以仅对标签值为正值的种子测试样本按照该方式求取其标签值的绝对值，而针对标签值为负值的种子测试样本，可以为其设置统一的标签值绝对值，以使得模型对负样本施加相同的注意力。根据目标参数的评判标准（例如越大越好或是越小越好），以及任一种子测试样本对应的目标参数的参数值，可以确定该种子测试样本的标签值的绝对值。此处，可以为各个种子测试样本对应的目标参数的参数值进行排序，并依次为其赋予相应的数值作为对应种子测试样本的标签值的绝对值。例如，若目标参数越小越好，则可以将各个种子测试样本对应的目标参数的参数值由小到大进行排序，并为在前的种子测试样本赋予更大的数值；若目标参数越大越好，则可以将各个种子测试样本对应的目标参数的参数值由大到小进行排序，并为在前的种子测试样本赋予更大的数值。
42.基于各个种子测试样本的标签值的正负符号和绝对值，即可确定对应种子测试样本的标签值。
43.基于上述任一实施例，所述获取半导体设备的多个种子测试样本，具体包括：基于tcp socket监听图形界面传送至后端系统的任一种子测试样本，并基于所述种子测试样本生成参数配置文件；基于所述参数配置文件对所述半导体设备的工控软件进行配置，并模拟运行所述工控软件进行工艺测试，得到所述任一种子测试样本的测试结果；将所述任一种子测试样本及其测试结果存储至数据存储层。
44.具体地，工程师可以在图形界面上输入种子测试样本。其中，可以基于半导体设备制造厂商提供的各个测试参数的推荐参数值进行一定幅度的改动，作为初始的种子测试样本，在后续的测试过程中，工程师可以基于在先的种子测试样本的测试结果进行相应调整，生成新的种子测试样本。图形界面接收到工程师输入的种子测试样本后会传输给后端系统进行数据处理和存储。此处，可以使用tcp socket监听该传输数据，并使用python脚本等程序读取对应半导体设备的驱动文档，结合图形界面传输的种子测试样本生成相应的参数配置文件（例如xml格式或json格式）。
45.基于上述参数配置文件对该半导体设备的工控软件进行配置，并模拟运行该工控软件进行工艺测试，得到该种子测试样本的测试结果，同时，数据存储层会记录保存此次测试的全部参数配置，包括该种子测试样本及其测试结果一同进行存储。
46.下面对本发明提供的半导体设备参数测试装置进行描述，下文描述的半导体设备参数测试装置与上文描述的半导体设备参数测试方法可相互对应参照。
47.基于上述任一实施例，图4是本发明提供的半导体设备参数测试装置的结构示意图，如图4所示，该装置包括：样本获取单元410、标签标注单元420、样本扩展单元430和参数测试单元440。
48.其中，样本获取单元410用于获取半导体设备的多个种子测试样本以及测试结果
评估条件；标签标注单元420用于基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值；样本扩展单元430用于基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练后，将多个扩展测试样本输入至所述结果预测模型中，得到所述扩展测试样本的测试结果；所述种子测试样本和所述扩展测试样本中包含各个测试参数的参数值组合，所述测试结果中包含约束参数的参数值；参数测试单元440用于基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合。
49.本发明实施例提供的装置，通过根据少量手工调试得到的种子测试样本及其测试结果和标签值对结果预测模型进行训练，从而可以快速预测大量自动生成的扩展测试样本的测试结果，实现了样本数据集的自动扩充，大大节省了数据集获取的效率，且提高了种子测试样本的数据利用率以及结果预测模型的鲁棒性；随后，利用上述种子测试样本及其测试结果和上述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于关联关系确定在约束参数的参数值满足预设约束条件前提下使得目标参数最优的各个测试参数的最优参数值组合，实现了半导体设备工控软件参数的自动测试，可以快速确定满足预设约束条件前提下各个测试参数的最优参数值组合，使得半导体设备在实际运行时在达到当前工艺条件要求的同时能实现更理想的工艺效果，提升了参数测试的效率，且该方式可适用任意工艺类型和项目需求，具备较广的适用范围。
50.基于上述任一实施例，所述基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合，具体包括：基于测试结果满足预设约束条件的种子测试样本及其测试结果和扩展测试样本及其测试结果，对所述各个测试参数的参数值组合及其测试结果进行多元非线性拟合，得到多元函数；基于选择的目标参数对多元函数进行转换，将因变量转换为目标参数；基于转换后的多元函数确定在满足预设约束条件前提下使得所述目标参数最优的最优参数值组合。
51.基于上述任一实施例，所述基于转换后的多元函数确定在满足预设约束条件前提下使得所述目标参数最优的最优参数值组合，具体包括：在所述约束参数满足预设约束条件的基础上，求取所述转换后的多元函数的极值点；所述极值点满足所述目标参数最优的条件；基于所述极值点确定所述各个测试参数的最优参数值组合。
52.基于上述任一实施例，所述基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练，具体包括：在当前轮迭代训练过程中，计算任一种子测试样本的测试结果与模型输出的预测
结果之间的预测差异；基于各个种子测试样本的测试结果与模型输出的预测结果之间的预测差异以及各个种子测试样本的标签值，计算当前轮的总模型损失；任一种子测试样本的标签值的绝对值越高，所述任一种子测试样本的测试结果与模型输出的预测结果之间的预测差异在所述总模型损失中所占的比重越大；基于所述总模型损失对结果预测模型的参数进行更新。
53.基于上述任一实施例，所述基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值，具体包括：基于所述种子测试样本的测试结果中约束参数的参数值与工艺需求参数值，以及所述测试结果评估条件，确定所述种子测试样本的标签值的正负符号；基于所述种子测试样本对应的目标参数的参数值，确定所述种子测试样本的标签值的绝对值；基于所述种子测试样本的标签值的正负符号和绝对值，确定所述种子测试样本的标签值。
54.基于上述任一实施例，所述获取半导体设备的多个种子测试样本，具体包括：基于tcp socket监听图形界面传送至后端系统的任一种子测试样本，并基于所述种子测试样本生成参数配置文件；基于所述参数配置文件对所述半导体设备的工控软件进行配置，并模拟运行所述工控软件进行工艺测试，得到所述任一种子测试样本的测试结果；将所述任一种子测试样本及其测试结果存储至数据存储层。
55.基于上述任一实施例，所述多个扩展测试样本是基于所述各个测试参数的推荐参数值在预设范围内随机生成的。
56.图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、存储器(memory)520、通信接口(communications interface)530和通信总线540，其中，处理器510，存储器520，通信接口530通过通信总线540完成相互间的通信。处理器510可以调用存储器520中的逻辑指令，以执行半导体设备参数测试方法，该方法包括：获取半导体设备的多个种子测试样本以及测试结果评估条件；基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值；基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练后，将多个扩展测试样本输入至所述结果预测模型中，得到所述扩展测试样本的测试结果；所述种子测试样本和所述扩展测试样本中包含各个测试参数的参数值组合，所述测试结果中包含约束参数的参数值；基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合。
57.此外，上述的存储器520中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以
使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom,read-only memory)、随机存取存储器(ram,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
58.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的半导体设备参数测试方法，该方法包括：获取半导体设备的多个种子测试样本以及测试结果评估条件；基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值；基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练后，将多个扩展测试样本输入至所述结果预测模型中，得到所述扩展测试样本的测试结果；所述种子测试样本和所述扩展测试样本中包含各个测试参数的参数值组合，所述测试结果中包含约束参数的参数值；基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合。
59.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的半导体设备参数测试方法，该方法包括：获取半导体设备的多个种子测试样本以及测试结果评估条件；基于所述测试结果评估条件以及所述种子测试样本的测试结果，获取所述种子测试样本的标签值；基于所述多个种子测试样本及其测试结果和标签值对结果预测模型进行训练后，将多个扩展测试样本输入至所述结果预测模型中，得到所述扩展测试样本的测试结果；所述种子测试样本和所述扩展测试样本中包含各个测试参数的参数值组合，所述测试结果中包含约束参数的参数值；基于所述种子测试样本及其测试结果和所述扩展测试样本及其测试结果，确定各个测试参数与约束参数之间的关联关系，并在确定目标参数后，基于所述关联关系确定在约束参数的参数值满足预设约束条件前提下使得所述目标参数最优的所述各个测试参数的最优参数值组合。
60.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
61.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
62.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管
参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。