近些年由于美國和中國之間以及日本和韓國之間的貿(mào)易摩擦,使得集成電路的重要性最近再次引起關(guān)注。例如近些年中興就因?yàn)槊绹闹撇靡货瓴黄�。而華為也從2020年5月26日起被美國以危害國家安全為由禁止進(jìn)口美國半導(dǎo)體制品。由此可見隨著集成電路的處理性能和集成電路的技術(shù)水平分化程度越來越大,集成電路的產(chǎn)量的重要性變得越來越突出。集成電路領(lǐng)域也逐漸成為大國之間博弈的棋子。集成電路產(chǎn)量的最重要指標(biāo)之一是芯片成品率。成品率決定著芯片制造成本和工藝極限。過去,對(duì)集成電路芯片成品率的許多研究仍保留在特定的工藝和特定類型的集成電路上。比如說有些研究從集成電路前段加工的第一步光刻入手,也有的研究是從集成電路加工的最后一步封裝入手。本研究創(chuàng)新性地采用稱為深度學(xué)習(xí)網(wǎng)絡(luò)來解釋集成電路生產(chǎn)的全過程,并進(jìn)一步計(jì)算和預(yù)測(cè)集成電路芯片的產(chǎn)量。我們使用了全解釋結(jié)構(gòu)模型加上兩種可解釋性很強(qiáng)的神經(jīng)網(wǎng)絡(luò)構(gòu)成了我們稱之為全解釋結(jié)構(gòu)模型+深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的方法。并且通過這個(gè)方法在我們收集到的數(shù)據(jù)中進(jìn)行運(yùn)算,得到了不錯(cuò)的結(jié)果。更重要的是,我們提出了一種高度可解釋的基于神經(jīng)網(wǎng)絡(luò)和全解釋結(jié)構(gòu)模型的方法,用于解決多因素復(fù)雜問題。它為將來解決此類... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
Chapter 1 Introduction
    1.1 Background, objective and significance of the subject
    1.2 Related work
        1.2.1 Impact of key processing processes on chip yield
        1.2.2 Impact of critical area on chip yield
        1.2.3 Semi-empirical yield models
        1.2.4 Deep neural network
    1.3 Main research contents of this subject
Chapter 2 Literature review
Chapter 3 Explainable Yield Analysis Graphs
    3.1 Introduction
    3.2 Knowledge Graph, mind map and Totally Interpretive Structural Modelling
    3.3 Building process of Totally Interpretive Structural Modelling
        3.3.1 Case study
        3.3.2 Finding the key factors
        3.3.3 Building the structural self-interaction matrix
        3.3.4 Building reachability matrix and determine factor levels
        3.3.5 Building the Totally Interpretive Structural Modeling graph of chip yield
Chapter 4 Deep Learning Neural Network construction
    4.1 Introduction
    4.2 Explain the origin of unexplainability and interpretability in neural network
    4.3 An explainable deep Learning neural network
Chapter 5 Data Processing and Analysis
    5.1 Data collection and processing
    5.2 Classical structural equation model to quantitatively analyze TISM results
Chapter 6 Deep Learning Neural Network
Chapter 7 Evaluation and Discussion
Chapter 8 Conclusion
References
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
Acknowledgements



本文編號(hào)：3208945