[发明专利]损坏模式确定方法及装置、电子设备、存储介质

说明书

本公开是关于一种损坏模式确定方法及装置、电子设备、存储介质，涉及集成电路技术领域，该方法包括：对目标芯片中的目标阵列进行划分得到多个预设图，所述目标芯片中包括多个失效位元；通过深度学习模型对所述多个预设图进行分类，确定各所述预设图的类别；确定目标类别对应的预设图中由所述失效位元组成的潜在损坏模式的组合，并在所述潜在损坏模式的组合满足预设条件时确定所述目标阵列的目标损坏模式。本公开能够减小计算量，减小计算成本，能够快速确定目标损坏模式，进而提高芯片良率。

技术领域

本公开涉及集成电路技术领域，具体而言，涉及一种损坏模式确定方法、损坏模式确定装置、电子设备以及计算机可读存储介质。

背景技术

在集成电路的产品分析中，需要对已发掘存在DP(Defect Patterns，损坏模式)的芯片进行切割分析，以判别测试失败的原因是设计原因还是工艺原因。

相关技术中，在数据量庞大的芯片位元图(bit map)中，通常可直接通过人工察觉连续、群聚与局部离散分布的芯片位元图中的损坏模式，对于随机分布的芯片位元图中的损坏模式无法识别。在这种方式中，芯片位元图的分布情况是由统计方法确定的，可能导致辨识度较低以及损坏模式识别不准确的问题。另外，可采用统计的方法挖掘所有损坏模式，但是在一个芯片中总是散布着数以万计的失效位元(Fail Bits，FBs)，且任何由多个FBs所组成的可能组合皆为潜在损坏模式(Potential DPs，PDPs)。采用统计的方法挖掘损坏模式时，计算量较大，计算成本较高，因此不能快速准确的挖掘和确定损坏模式，从而影响芯片良率。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种损坏模式确定方法及装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的不能快速准确确定损坏模式，导致芯片良率较低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种损坏模式确定方法，包括：对目标芯片中的目标阵列进行划分得到多个预设图，所述目标芯片中包括多个失效位元；通过深度学习模型对所述多个预设图进行分类，确定各所述预设图的类别；确定目标类别对应的预设图中由所述失效位元组成的潜在损坏模式的组合，并在所述潜在损坏模式的组合满足预设条件时确定所述目标阵列的目标损坏模式。

在本公开的一种示例性实施例中，所述深度学习模型包括卷积神经网络模型。

在本公开的一种示例性实施例中，所述预设图的类别包括全缺陷、群聚现象、特殊错误以及随机性中的一种或多种。

在本公开的一种示例性实施例中，确定目标类别对应的预设图中由所述失效位元组成的潜在损坏模式的组合，并在所述潜在损坏模式的组合满足预设条件时确定所述目标阵列的目标损坏模式包括：根据所述预设图中由当前数量的失效位元组成的潜在损坏模式的组合确定显著损坏模式的组合，并将所述显著损坏模式的组合作为参考损坏模式的组合；对所述参考损坏模式的组合以及每个失效位元进行联合统计得到统计后的潜在损坏模式，并在统计后的潜在损坏模式的组合满足所述预设条件时确定所述目标阵列的目标损坏模式。

在本公开的一种示例性实施例中，根据所述预设图中由当前数量的失效位元组成的潜在损坏模式的组合确定显著损坏模式的组合包括：确定各所述预设图中由当前数量的失效位元组成的潜在损坏模式的组合；对所有预设图中由当前数量的失效位元组成的潜在损坏模式的组合的数量进行统计，将所述数量大于第一预设值的组合确定为显著损坏模式的组合。