多种实施例总体上涉及预测最佳工艺条件模型以提高半导体制造工艺的产量的方法和基于最佳工艺条件模型控制半导体制造工艺的方法。更具体地，实施例涉及一种创建最佳工艺条件模型的方法，其通过收集半导体制造工艺中的单元工艺的参数以及总工艺一致性的参数以评估单元工艺并且通过利用人工智能(ai)技术以提高单元工艺的效率。
背景技术：
1、通常，在半导体制造领域中，产量提高和产量管理可以包括最大化由一个晶片制造的半导体器件的数量，以及保持和提高在相同的电学特征下操作的正常半导体器件的比率。半导体制造领域中半导体器件的产量可以是代表半导体制造的制造商的市场竞争力的重要指标。
2、然而，用于制造半导体器件的单元工艺可能受到多种工艺参数和设备参数的影响，使得识别用于确定产量的因素可能非常困难。因此，产量的提高可能受限于利用简单的统计分析或实证研究。
3、最近，半导体制造设备可以是自动化的，使得海量数据可以从半导体制造设备生成。数据可以输入到数据库中。该数据库可以用于识别工艺条件并用于提高半导体器件的产量。
4、此外，随着晶片尺寸的增加和半导体器件的设计单元不断细化，由一个晶片制造的半导体芯片的数量可以大大增加。由于晶片的大尺寸和精细设计单元，特征值的分布可能对产量有很大影响。
5、然而，尽管统计分析可以准确地分析少量数据，但在利用海量数据的半导体制造领域中，数据量和因素可能会大大增加，使得可能无法准确地分析海量数据。因此，可能难以管理半导体器件的产量。
技术实现思路
1、示例性实施例提供了一种预测最佳工艺条件模型的方法，其利用单元工艺的工艺参数和单元工艺中处理的产品的总工艺一致性来提高半导体制造工艺的产量。
2、示例性实施例还提供了一种基于最佳工艺条件模型来控制半导体制造工艺的方法，其通过提供具有相同工艺性能的单元工艺来提高具有均匀质量的半导体器件的产量。
3、根据示例性实施例，可以提供一种预测最佳工艺条件模型的方法以提高半导体制造工艺的产量。在预测最佳工艺条件模型的方法中，可以收集半导体制造工艺中的单元工艺的工艺参数信息。可以提取单元工艺之前待处理对象的第一特征信息和单元工艺之后处理的对象的第二特征信息。可以利用所述第一特征信息和所述第二特征信息来计算工艺全局一致性(pgu)。可以利用所述工艺参数信息和所述pgu来创建单元工艺的数据集。所述单元工艺的虚拟工艺环境函数可以利用所述数据集来创建。可以利用虚拟工艺环境函数来创建所述单元工艺的最佳工艺条件模型。
4、根据示例性实施例，可以提供一种基于最佳工艺条件模型来控制半导体制造工艺的方法。在控制半导体制造工艺的方法中，可以收集半导体制造工艺中的单元工艺的工艺参数信息。可以提取单元工艺之前待处理对象的第一特征信息和单元工艺之后处理的对象的第二特征信息。可以利用所述第一特征信息和所述第二特征信息来计算工艺全局一致性(pgu)。可以利用所述工艺参数信息和所述pgu来创建单元工艺的数据集。所述单元工艺的虚拟工艺环境函数可以利用数据集来创建。可以利用所述虚拟工艺环境函数来创建所述单元工艺的最佳工艺条件模型。可以设置所述单元工艺的工艺性能目标。可以利用光学工艺条件模型来创建关于所述单元工艺的工艺性能目标的解决方案集。所述单元工艺的控制信息可以利用所述解决方案集来创建。
5、根据示例性实施例，所述单元工艺的虚拟工艺环境函数可以基于所述单元工艺之前待处理对象的工艺参数和所述单元工艺之后处理的对象的pgu来创建。可以利用所述虚拟工艺环境函数来计算用于控制所述单元工艺的最佳解决方案集。因此，可以极大地提高半导体制造工艺的产量，并且可以最大化人力资源和物力资源的效率。
6、此外，每个单元工艺可以具有相同的工艺性能，以提高半导体器件的产量并制造具有相同质量的半导体器件。
1.一种预测最佳工艺条件模型的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，所述单元工艺包括氧化工艺、光刻工艺、扩散工艺、薄膜工艺、金属化工艺、刻蚀工艺、cmp工艺和清洁工艺中的至少一种。
3.根据权利要求1所述的方法，其中，所述pgu包括所述单元工艺之后的所述处理的对象的几何特征信息、电学特征信息和化学特征信息中的至少一个。
4.根据权利要求1所述的方法，其中，计算所述pgu包括利用多项式拟合方法对所述pgu进行预处理。
5.根据权利要求1所述的方法，其中，创建所述虚拟工艺环境函数包括从所述数据集利用基于监督学习的回归分析模型来创建所述虚拟工艺环境函数。
6.根据权利要求1所述的方法，其中，创建所述虚拟工艺环境函数包括验证所述虚拟工艺环境函数的性能。
7.根据权利要求6所述的方法，其中，验证所述虚拟工艺环境函数的性能利用确定系数计算和f统计量验证中的至少一个来执行。
8.根据权利要求1所述的方法，其中，创建所述最佳工艺条件模型包括：
9.根据权利要求8所述的方法，其中，创建所述单元工艺的解决方案集包括：
10.一种控制半导体制造工艺的方法，所述方法包括：
11.根据权利要求10所述的方法，其中，所述单元工艺包括氧化工艺、光刻工艺、扩散工艺、薄膜工艺、金属化工艺、刻蚀工艺、cmp工艺和清洁工艺中的至少一种。
12.根据权利要求10所述的方法，其中，所述pgu包括所述单元工艺之后的所述处理的对象的几何特征信息、电学特征信息和化学特征信息中的至少一个。
13.根据权利要求10所述的方法，其中，计算所述pgu包括利用多项式拟合方法对所述pgu进行预处理。
14.根据权利要求10所述的方法，其中，创建所述虚拟工艺环境函数包括从所述数据集利用基于监督学习的回归分析模型来创建所述虚拟工艺环境函数。
15.根据权利要求10所述的方法，其中，创建所述虚拟工艺环境函数包括验证所述虚拟工艺环境函数的性能。
16.根据权利要求15所述的方法，其中，验证所述虚拟工艺环境函数的性能利用确定系数计算和f统计量验证中的至少一个来执行。
17.根据权利要求10所述的方法，其中，创建所述单元工艺的解决方案集包括：
