[发明专利]一种基于机器学习的半导体器件敏感性分析方法

说明书

本发明公开了一种基于机器学习的半导体器件敏感性分析方法，其可实现半导体器件性能自动分析，可提高分析准确性，该方法基于环形振荡器实现，包括：获取半导体器件工艺参数，获取半导体器件电学性能参数，对半导体器件电学性能进行敏感性分析，对关键工艺参数进行相似性检验，筛选出重要的制程变异参数，环形振荡器包括开关、半导体器件组合、与半导体器件组合并联的延时电路、放大器，半导体器件组合包括若干串联的半导体器件，延时电路连接放大器的输入端，放大器的输出端为信号输出端，延时电路包括若干串联的延迟级，电学性能参数获取方法：通过控制环形振荡器，获取半导体器件的电学性能参数。

技术领域

本发明涉及半导体技术领域，具体为一种基于机器学习的半导体器件敏感性分析方法。

背景技术

金属氧化物半导体场效应晶体管，简称金属半场效应晶体管，是一种可以广泛应用于模拟电路与数字电路的场效应晶体管，根据沟道极性的不同，可将其分为N沟道型和P沟道型，即N型金氧半场效晶体管(NMOSFET)与P型金氧半场效晶体管(PMOSFET)。无论是NMOSFET，还是PMOSFET，其电学性能均与加工工艺密切相关，通过加工工艺参数与电学性能参数判断晶体管制程是否发生变异，通过制程变异情况对加工工艺和器件整体性能进行改善，从而使半导体晶体管满足小型化、处理速度快、性能稳定等要求。

现有的用于半导体晶体管制程变化分析的方法主要为人工判别，人工对半导体晶体管的电学性能参数进行采集，并根据经验将工艺参数与相应电学性能参数进行对比，根据对比结果与经验，确定制程变异情况，这种分析方法费时费力，对于批量生产的半导体器件，只能随机挑检，且易受主观能动性影响，存在漏检、误检等问题，从而影响半导体器件制程分析的准确性，不便于其加工工艺及效能的提升。

发明内容

针对现有技术中存在的半导体器件制程工艺分析方法费时费力、准确性较低，不利于其加工工艺改善和效能提升的问题，本发明提供了一种基于机器学习的半导体器件敏感性分析方法，其可实现半导体器件的自动分析，可提高分析准确性，有利于半导体器件工艺改善和器件效能提升。

为实现上述目的，本发明采用如下技术方案：

一种基于机器学习的半导体器件敏感性分析方法，该方法基于环形振荡器实现，其特征在于，该方法包括：

S1、获取所述半导体器件的工艺参数；

S2、获取所述半导体器件的电学性能参数；

S3、对所述半导体器件的电学性能参数进行敏感性分析：

S31、使所述电学性能参数与对应的所述工艺参数关联，构建关联模型；

S32、对每个关联模型的敏感性进行分析，根据关联模型的相关系数，获取敏感性分析结果；

S33、基于敏感性分析结果，将工艺参数按相关系数大小进行排序；

S34、根据排序结果，确定关键工艺参数，将与电学性能参数相关性大的工艺参数确定为关键工艺参数；

S4、采用相似度法对所述关键工艺参数进行相似性检验：

S41、对所述关键工艺参数进行聚类分析，将具有相似或相同特征的所述关键工艺参数按群组分类；

S42、所述相似度法指将分类后同一群组内的所述关键工艺参数与预先建立的数据库中的标准特征参数进行对比，根据协方差公式，计算每个群组内的所述关键工艺参数与所述标准特征参数的关联性；

S5、筛选出重要的制程变异参数。

其进一步特征在于，

S1中，所述工艺参数包括所述半导体器件的源极区到漏极区的距离、漏极区的深度；

S2中，采用半导体器件电学性能参数获取方法，获取所述电学性能参数；