基于BP神經網絡的集成電路電參數處理方法技術

本發明專利技術公開了基于BP神經網絡的集成電路電參數處理方法，包括：采集原有設備的參數數據；采集當前設備的參數數據；對所獲取的原有設備以及當前設備的參數數據均進行標準化處理；對原有設備數據運用BP神經網絡進行處理后擬合獲得第一多項式曲線；對當前設備的數據運用BP神經網絡進行回歸處理，擬合得到第二多項式曲線；將當前設備和原有設備的數據點進行映射從而對當前設備的數據進行調整，然后對映射后的數據進行擬合處理，得到當前設備的擬合函數，根據原有設備的數據采用該擬合函數推斷當前設備的數據；本發明專利技術的優點在于：統一測試參數限值標準，提高測試效率。提高測試效率。提高測試效率。

【技術實現步驟摘要】
基于BP神經網絡的集成電路電參數處理方法


[0001]本專利技術涉及集成電路測試領域，具體涉及基于BP神經網絡的集成電路電參數處理方法。

技術介紹

[0002]隨著CMOS工藝水平的飛速發展，集成電路測試技術也隨之快速發展，芯片的制造規模越來越大，電子元器件的密集程度和電路復雜性也不斷提高，單個芯片上晶體管的集成數量呈指數增長，但先進的制造線程也帶來了新的問題，故障類型和故障發生的可能性也隨之增大，在對芯片進行測試時，測試人員通過收集電路性能參數等數據對芯片進行診斷，設置測試限值，篩選故障芯片。而行業內大多是對不同廠商不同電路的參數辨識方法或者參數提取方法，例如中國專利公開號CN114896943A公開的集成電路器件模型提取參數的數據選取方法、系統及裝置。因此，行業內缺乏統一的國際標準來衡量測試參數和測試限值。
[0003]即使是具有相同測試功能而非同一生產廠商的測試設備，都是采用廠商自己的標準進行校準與測試。這種現象，導致了生產、設計、測試廠家在使用這些測試設備時，僅能對同一設備的測試數據進行數據的處理和分析，這也導致了測試設備間共同性弱，缺乏統一標準，測試的效率較為低下的問題。這是測試行業目前存在的一個現實情況，這樣的情況往往是不可避免的。而BP神經網絡作為一種非參數化的方法，通過其自動數據學習的能力能夠大大提升數據處理速度和效率，在集成電路的參數處理方面還沒有BP神經網絡的相關應用，通過BP神經網絡對電參數進行處理，提升數據處理效率，對于統一測試參數標準具有較大的實際意義。因此，如果能夠利用BP神經網絡統一測試參數限值標準，則可以有效減少測試難度，提高測試效率且不影響診斷質量。

技術實現思路

[0004]本專利技術所要解決的技術問題在于如何利用BP神經網絡，通過舊設備的測試數據分析現有設備的測試限值及測試電參數，統一測試參數限值標準，提高測試效率。
[0005]本專利技術通過以下技術手段解決上述技術問題的：基于BP神經網絡的集成電路電參數處理方法，包括以下步驟：
[0006]步驟A、采集原有設備的參數數據；
[0007]步驟B、采集當前設備的參數數據；
[0008]步驟C、對所獲取的原有設備以及當前設備的參數數據均進行標準化處理；
[0009]步驟D、對原有設備數據運用BP神經網絡進行處理后擬合獲得第一多項式曲線；
[0010]步驟E、對當前設備的數據運用BP神經網絡進行回歸處理，擬合得到第二多項式曲線；
[0011]步驟F、將當前設備和原有設備的數據點進行映射從而對當前設備的數據進行調整，然后對映射后的數據進行擬合處理，得到當前設備的擬合函數，根據原有設備的數據采
用該擬合函數推斷當前設備的數據。
[0012]進一步地，所述BP神經網絡的激活函數為
[0013][0014]其中，x為輸入BP神經網絡的數據。
[0015]進一步地，所述原有設備數據以及當前設備的數據運用BP神經網絡進行處理的過程為：
[0016]設置BP神經網絡中的神經元的連接權重和閾值，將輸入信號輸入BP神經網絡，向前傳輸，得到BP神經網絡的輸出結果。
[0017]更進一步地，運用BP神經網絡進行數據處理還包括參數更新的過程：
[0018]根據BP神經網絡的輸出層的輸出結果，對照與之對應的期望結果，并計算其均方誤差，若未達到期望值，則將輸出結果進行反向傳播，重新對BP神經網絡的連接權重和閾值進行調整。
[0019]更進一步地，所述均方誤差的計算公式為：
[0020][0021]其中，Y
i
為BP神經網絡的輸出層第i個神經元的輸出結果，為BP神經網絡的輸出層第i個神經元的期望結果，n為BP神經網絡的輸出層神經元個數。
[0022]更進一步地，所述參數更新的過程還包括：
[0023]計算決定系數，若決定系數在預設范圍內，則停止更新，輸出優化的BP神經網絡，若決定系數不在預設范圍內，則對學習率和迭代次數以及網絡層級進行調整，重新計算其決定系數，直到決定系數在預設范圍內，得到優化的BP神經網絡。
[0024]更進一步地，所述決定系數的計算公式為
[0025]其中，表示數據的真實值的均值。
[0026]更進一步地，所述步驟D包括：
[0027]對原有設備數據運用BP神經網絡進行處理，得到優化的BP神經網絡之后，實時輸入多組離散的輸入值到優化的BP神經網絡，得到對應的輸出值，將多組數據進行擬合，得到第一多項式曲線。
[0028]更進一步地，所述步驟E包括：
[0029]對當前設備的數據運用BP神經網絡進行回歸處理，得到優化的BP神經網絡之后，實時輸入多組離散的輸入值到BP神經網絡，得到對應的輸出值，將多組數據進行擬合，得到第二多項式曲線。
[0030]進一步地，所述原有設備和當前設備的測試過程為：
[0031]步驟1、根據待測芯片進行參數測試，獲取一組電參數數據；
[0032]步驟2、對電參數數據進行識別，如果電參數數據數值超過測試限值，則說明此晶圓未通過測試，則說明此芯片存在問題，無法使用，如果電參數數據位于測試限值之內，則說明此晶圓通過參數測試，沒有出現故障，則說明此芯片無任何故障。
[0033]本專利技術的優點在于：
[0034](1)本專利技術通過分析兩設備在測試同一款和同一批次的芯片時的數據差異，應用BP神經網絡的學習能力，對當前設備參數數據和原有設備參數數據進行處理，找出兩者之間映射關系，并對當前設備進行測試限值與測試參數的調整，使廠商根據原有設備的參數數據能直接推斷出當前設備的參數數據，消除各個廠商在設備方面的發展差異，加強設備參數限值與性能參數的一致性，建立了統一的測試參數限值標準，提高測試效率。
[0035](2)本專利技術通過BP神經網絡對原有設備的數據以及當前設備的數據進行處理，得到優化的BP神經網絡，而優化的BP神經網絡是經過了訓練的，所以能夠根據輸入值較為準確的直接預測輸出結果。
附圖說明
[0036]圖1為本專利技術實施例所公開的基于BP神經網絡的集成電路電參數處理方法流程圖；
[0037]圖2為本專利技術實施例所公開的基于BP神經網絡的集成電路電參數處理方法中原有設備的數據擬合的多項式曲線；
[0038]圖3為本專利技術實施例所公開的基于BP神經網絡的集成電路電參數處理方法中當前設備的數據擬合的函數曲線；
[0039]圖4為本專利技術實施例所公開的基于BP神經網絡的集成電路電參數處理方法中原有設備和當前設備的數據映射以后形成的擬合函數曲線。
具體實施方式
[0040]為使本專利技術實施例的目的、技術方案和優點更加清楚，下面將結合本專利技術實施例，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本專利技術一部分實施例，而不是全部的實施例?；诒緦＠夹g中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。...

【技術保護點】

【技術特征摘要】
1.基于BP神經網絡的集成電路電參數處理方法，其特征在于，包括以下步驟：步驟A、采集原有設備的參數數據；步驟B、采集當前設備的參數數據；步驟C、對所獲取的原有設備以及當前設備的參數數據均進行標準化處理；步驟D、對原有設備數據運用BP神經網絡進行處理后擬合獲得第一多項式曲線；步驟E、對當前設備的數據運用BP神經網絡進行回歸處理，擬合得到第二多項式曲線；步驟F、將當前設備和原有設備的數據點進行映射從而對當前設備的數據進行調整，然后對映射后的數據進行擬合處理，得到當前設備的擬合函數，根據原有設備的數據采用該擬合函數推斷當前設備的數據。2.根據權利要求1所述的基于BP神經網絡的集成電路電參數處理方法，其特征在于，所述BP神經網絡的激活函數為其中，x為輸入BP神經網絡的數據。3.根據權利要求1所述的基于BP神經網絡的集成電路電參數處理方法，其特征在于，所述原有設備數據以及當前設備的數據運用BP神經網絡進行處理的過程為：設置BP神經網絡中的神經元的連接權重和閾值，將輸入信號輸入BP神經網絡，向前傳輸，得到BP神經網絡的輸出結果。4.根據權利要求3所述的基于BP神經網絡的集成電路電參數處理方法，其特征在于，運用BP神經網絡進行數據處理還包括參數更新的過程：根據BP神經網絡的輸出層的輸出結果，對照與之對應的期望結果，并計算其均方誤差，若未達到期望值，則將輸出結果進行反向傳播，重新對BP神經網絡的連接權重和閾值進行調整。5.根據權利要求4所述的基于BP神經網絡的集成電路電參數處理方法，其特征在于，所述均方誤差的計算公式為：其中，Y
i
為BP神經網絡的輸出層第i個神經元的輸出結果，為BP神經網絡的輸出層第i個神經...

【專利技術屬性】
技術研發人員：詹文法，張魯萍，馮學軍，潘盼，章禮華，吳兆旺，梁琦，陳慶慶，鄭江云，蔡雪原，胡心怡，郝凱明，余儲賢，
申請(專利權)人：安慶師范大學，
類型：發明
國別省市：