[发明专利]一种集成电路芯片测试方法、装置及存储介质

权利要求书

1.一种集成电路芯片测试方法，其特征在于，所述集成电路芯片测试方法包括以下步骤：

数据获取步骤：基于预设抽样方法从晶圆上选取多个抽样区域，并对每个抽样区域的每个芯片的不同功能模块进行DFT测试采样以得出每个抽样区域内的芯片DFT数据；每个抽样区域的芯片DFT数据包括每个抽样区域的每个芯片的不同功能模块的DFT测试数据；多个抽样区域分别处于晶圆的不同分布位置；

特征工程步骤：根据每个芯片的不同功能模块的DFT测试数据对芯片良品率的影响程度确定特征参数；

模型训练步骤：按照预设划分方法将所有抽样区域的芯片DFT数据划分成训练数据集和测试数据集，然后使用训练数据集和特征参数对选取的单个或多个不同类型的机器学习模型进行训练；

模型评估步骤：使用所述测试数据集对训练好的每个机器学习模型进行评估验证；

预测步骤：根据验证结果得出待使用机器学习模型，并根据待测晶圆的对应区域的芯片DFT数据和待使用机器学习模型计算得出待测晶圆的所有芯片的DFT数据以及待测试晶圆的芯片良品率。

2.根据权利要求1所述的集成电路芯片测试方法，其特征在于，每个抽样区域均包括多个相邻的芯片；设定抽样区域的数量为N，每个抽样区域包括M个相邻的芯片；其中，2≤N≤100，2≤M≤50。

3.根据权利要求1所述的集成电路芯片测试方法，其特征在于，所述特征工程步骤具体包括：通过稳健线性回归算法、随机森林算法或极端随机算法中的任意一种算法计算得出每个芯片的不同功能模块的DFT测试数据对芯片良品率的影响程度，并根据影响程度确定影响芯片良品率的特征参数。

4.根据权利要求1所述的集成电路芯片测试方法，其特征在于，所述机器学习模型包括以下模型中的任意一种：高斯过程回归模型、虚拟探测模型、随机森林模型、极端随机森林模型、梯度提升模型、随机一致抽样模型和哈勃回归算法模型。

5.根据权利要求1所述的集成电路芯片测试方法，其特征在于，所述预测步骤中根据验证结果得出待使用机器学习模型具体包括：根据验证结果选择性能最好的机器学习模型作为待使用机器学习模型；或者，根据验证结果将训练好的多个机器学习模型按照性能高低进行排序，并选取排序靠前的至少两个机器学习模型作为对应的待使用机器学习模型；

当待使用机器学习模型有一个时，根据待测晶圆的对应区域的芯片DFT数据和待使用机器学习模型进行计算以得出待测晶圆的对应区域的芯片良品率；

当待使用机器学习模型有多个时，分别根据待测晶圆的对应区域的芯片DFT数据和每个待使用机器学习模型进行计算以得出对应的计算结果，然后根据加权平均法对多个计算结果进行计算得出待测晶圆的对应区域的芯片良品率。

6.根据权利要求1所述的集成电路芯片测试方法，其特征在于，所述预设抽样方法为随机抽样方法或拉丁超立方抽样方法。

7.根据权利要求1所述的集成电路芯片测试方法，其特征在于，所述预设划分方法为随机抽样方法、拉丁超立方抽样方法和N折交叉验证数据分集法中的任意一种；其中，N为抽样区域的数量；

当所述预设划分方法为N折交叉验证数据分集法时，将每个抽样区域内的芯片DFT数据作为一个子数据集；所述模型训练步骤还包括：

依次选取N个抽样区域中的每一个抽样区域的芯片DFT数据作为训练数据集，剩余的N-1个抽样区域的芯片DFT数据作为测试数据集；然后根据每个训练数据集分别选取单个或多个不同类型的机器学习模型，并根据对应数据训练集与特征参数对每个机器学习模型进行训练；

所述模型评估步骤还包括：根据每个训练数据集对应的测试数据集对对应的每个机器学习模型进行评估验证。