特許ウォッチ

公開番号2025044587
公報種別公開特許公報(A)
公開日2025-04-02
出願番号2023152257
出願日2023-09-20
発明の名称情報処理装置および方法
出願人キオクシア株式会社
代理人弁理士法人酒井国際特許事務所
主分類H01L 21/66 20060101AFI20250326BHJP(基本的電気素子)
要約【課題】初期故障を有するチップを精度よく推定することを可能にする情報処理装置を提供すること。
【解決手段】第1データセットは、ウェハに形成されたまたは当該ウェハから切り出された複数のチップに対する第1の検査によって得られたチップ毎の検査結果のセットである。第2データセットは、複数のチップに対する第2の検査によって得られた初期故障の有無をチップ毎に示すデータのセットである。プロセッサは、第1データセットに基づき、第1基準を満たさないチップのクラスタを特定する。そして、プロセッサは、クラスタまでの距離に関連するチップ毎の特徴量のセットである第3データセットを計算する。そして、プロセッサは、第1データセットと第3データセットとを入力データとして使用し、第2データセットを正解データとして使用する学習によって学習済みの機械学習モデルを生成する。
【選択図】図7
特許請求の範囲【請求項１】
ウェハに形成されたまたは当該ウェハから切り出された複数のチップに対する第１の検査によって得られたチップ毎の検査結果のセットである第１データセットと、前記複数のチップに対する第２の検査によって得られた初期故障の有無をチップ毎に示す第２データセットと、を取得することと、
前記第１データセットに基づき、第１基準を満たさないチップのクラスタを特定することと、
前記クラスタまでの距離に関連するチップ毎の特徴量のセットである第３データセットを計算することと、
前記第１データセットと前記第３データセットとを入力データとして使用し、前記第２データセットを正解データとして使用する学習を、機械学習モデルに対して実行することと、
学習済みの前記機械学習モデルを出力することと、
を実行するプロセッサ、
を備える情報処理装置。
続きを表示（約 2,600 文字）【請求項２】
前記第１基準を満たさないことは、検査結果の値が第１しきい値よりも悪いことであり、
前記プロセッサは、
第２しきい値よりも検査結果が悪いチップの群である第１群を特定し、前記第１群とクラスタリングのためのパラメータ値とに基づき検査結果の値が前記第２しきい値よりも悪いチップのクラスタを特定し、前記複数のチップのうちの前記クラスタに隣接するチップの群である第２群と、前記複数のチップのうちの検査結果の値が前記第２しきい値よりも良いチップでかつ前記第２群に含まれないチップの群である第３群と、を特定し、前記第２群に含まれる初期故障を有するチップの数と、前記第３群に含まれる初期故障を有するチップの数と、に基づくスコアを計算するスコア計算動作を、前記第２しきい値および前記パラメータ値を異ならせて複数回、実行することと、
前記複数回のスコア計算動作の結果に基づき、最良のスコアが得られる前記第２しきい値および前記パラメータ値を特定することと、
特定された前記第２しきい値を前記第１しきい値として設定することと、
特定された前記パラメータ値を用いて前記第１基準を満たさないチップのクラスタを特定することと、
をさらに実行するように構成された、
請求項１に記載の情報処理装置。
【請求項３】
前記プロセッサは、前記スコア計算動作において、
前記第２群に含まれるチップの数に対する前記第２群に含まれる初期故障を有するチップの数の比率である第１比率と、前記第３群に含まれるチップの数に対する前記第３群に含まれる初期故障を有するチップの数の比率である第２比率と、の差分と、
初期故障を有するチップの合計数に対する、前記第２群に含まれる初期故障を有するチップの数の比率と、
に基づくスコアを計算する、
ように構成された、
請求項２に記載の情報処理装置。
【請求項４】
前記第１の検査は、複数項目の検査を含み、
前記第１データセットは、それぞれは前記複数項目の検査のうちのそれぞれ異なる項目の検査によって得られた複数の第４データセットを含み、
前記複数の第４データセットのそれぞれは、前記複数項目のうちの１つの項目の検査によって得られたチップ毎の検査結果のセットであり、
前記プロセッサは、
前記複数回のスコア計算動作を第４データセット毎に実行して、第４データセット毎に最良のスコアを計算することと、
前記複数項目のうちから、第４データセット毎に計算された最良のスコアが前記複数の第４データセットのうちで最良の少なくとも１つの項目を選択することと、
選択された前記少なくとも１つの項目にかかる第４データセットに基づき、前記第１基準を満たさないチップのクラスタを特定すること、および前記第３データセットを計算すること、を実行することと、
をさらに実行するように構成された、
請求項２に記載の情報処理装置。
【請求項５】
前記プロセッサは、前記スコア計算動作において、前記第２群に含まれるチップの数に対する前記第３群に含まれるチップの数の比率が第３しきい値に満たない場合、前記スコアの値を計算された値よりも悪い値に設定する、
ように構成された、
請求項３に記載の情報処理装置。
【請求項６】
前記複数のチップのうちの初期故障を有するチップの数に対する前記第２群に含まれる初期故障を有するチップの数の比率が第４しきい値に満たない場合、前記スコアの値を計算された値よりも悪い値に設定する、
ように構成された、
請求項３に記載の情報処理装置。
【請求項７】
ウェハに形成されたまたは当該ウェハから切り出された複数のチップに対する第１の検査によって得られたチップ毎の検査結果のセットである第１データセットに基づき、第１基準を満たさないチップのクラスタを特定することと、
前記クラスタまでの距離に関連するチップ毎の特徴量のセットである第２データセットを計算することと、
チップが初期故障を有する可能性に対応した数値情報を出力するように構成された学習済みの機械学習モデルに前記第１データセットと、前記第２データセットと、を入力することによって、前記数値情報を取得することと、
前記数値情報に基づいて初期故障を有するチップを推定することと、
を実行するように構成されたプロセッサ、
を備える情報処理装置。
【請求項８】
ウェハに形成されたまたは当該ウェハから切り出された複数のチップに対する第１の検査によって得られたチップ毎の検査結果のセットである第１データセットと、前記複数のチップに対する第２の検査によって得られた初期故障の有無をチップ毎に示す第２データセットと、を取得することと、
前記第１データセットに基づき、第１基準を満たさないチップのクラスタを特定することと、
前記クラスタまでの距離に関連するチップ毎の特徴量のセットである第３データセットを計算することと、
前記第１データセットと前記第３データセットとを入力データとして使用し、前記第２データセットを正解データとして使用する学習によって、機械学習モデルを生成することと、
を含む方法。
【請求項９】
ウェハに形成されたまたは当該ウェハから切り出された複数のチップに対する第１の検査によって得られたチップ毎の検査結果のセットである第１データセットに基づき、第１基準を満たさないチップのクラスタを特定することと、
前記クラスタまでの距離に関連するチップ毎の特徴量のセットである第２データセットを計算することと、
前記第１データセットと、前記第２データセットと、をチップが初期故障を有する可能性に対応した数値情報を出力するように構成された学習済みの機械学習モデルに入力することによって、前記数値情報を取得することと、
前記数値情報に基づいて初期故障を有するチップを推定することと、
を含む方法。

発明の詳細な説明【技術分野】
【０００１】
本実施形態は、情報処理装置および方法に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
半導体集積回路の不良（defect）のうちの１つとして、初期故障（early failure）が知られている。初期故障は、製品の出荷後に発生する故障（failure）のうちの１つであって、耐用寿命と比べて大幅に少ない使用回数で発生する故障である。
【０００３】
半導体集積回路のチップを製造する際には、ウェハに形成された複数のチップまたはウェハから切り出された複数のチップのそれぞれについて、初期故障を有するか否かを精度よく推定することが望まれる。
【先行技術文献】
【特許文献】
【０００４】
特開２００８－３００５９９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
一つの実施形態は、初期故障を有するチップを精度よく推定することを可能にする情報処理装置および方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
一つの実施形態によれば、情報処理装置は、プロセッサを備える。プロセッサは、第１データセットと、第２データセットと、を取得する。第１データセットは、ウェハに形成されたまたは当該ウェハから切り出された複数のチップに対する第１の検査によって得られたチップ毎の検査結果のセットである。第２データセットは、複数のチップに対する第２の検査によって得られた初期故障の有無をチップ毎に示すデータのセットである。プロセッサは、第１データセットに基づき、第１基準を満たさないチップのクラスタを特定する。そして、プロセッサは、クラスタまでの距離に関連するチップ毎の特徴量のセットである第３データセットを計算する。そして、プロセッサは、第１データセットと第３データセットとを入力データとして使用し、第２データセットを正解データとして使用する学習を、機械学習モデルに対して実行する。そして、プロセッサは、学習済みの機械学習モデルを出力する。
【図面の簡単な説明】
【０００７】
実施形態にかかる情報処理装置の構成の一例を示す図。
実施形態にかかる情報処理装置が実行する周辺特徴量セットの計算の動作の一例を示す図。
実施形態にかかる情報処理装置が実行する周辺特徴量セットの計算の動作の一例を示す別の図。
実施形態にかかる情報処理装置が実行する、不良クラスタを特定する動作の一例を示す図。
実施形態にかかる初期故障推定モデルの学習に使用されるデータの一例を示す図。
学習済みの実施形態にかかる初期故障推定モデルの使用方法を示す図。
実施形態にかかる初期故障推定モデルの生成の動作の一例を示すフローチャート。
実施形態にかかるスコア計算動作の一例を示すフローチャート。
実施形態にかかる第２項目の決定方法の具体例を説明するための図。
実施形態にかかる、初期故障を有するチップＣＰを推定する動作の一例を示すフローチャート。
変形例にかかる検査データセットに対する平均化の動作を説明するための図。
変形例にかかる周辺特徴量セットに対する加工の一例を示す図。
【発明を実施するための形態】
【０００８】
実施形態にかかる情報処理装置は、２つの主たる機能として、初期故障推定モデルを生成する機能と、初期故障推定モデルを用いて初期故障を有するチップを推定する機能と、を備える。初期故障推定モデルは、チップが初期故障を有するか否かの確率を表す数値情報を出力する学習済みの機械学習モデルである。
【０００９】
実施形態にかかる情報処理装置は、ウェハまたはチップに対して検査（Inspection）を行う検査装置のコンピュータとして構成されてもよいし、検査装置とは別の装置（例えばサーバ）として構成されてもよい。初期故障推定モデルを生成する機能と、初期故障推定モデルを用いて初期故障を有するチップを推定する機能とは、それぞれ異なるコンピュータに実装されてもよい。例えば、初期故障推定モデルを生成する機能はサーバに実装され、初期故障を有するチップを初期故障推定モデルを用いて推定する機能は検査装置のコンピュータに実装されてもよい。
【００１０】
このように、実施形態にかかる情報処理装置の２つの機能は、種々のコンピュータに実装され得る。ここでは一例として、当該２つの機能は１つのコンピュータに実装されることとして説明する。
（【００１１】以降は省略されています）

関連特許