科研之友
微信
新浪微博
Facebook
分享链接
摘要
晶圆制造过程中生产特征数据的大规模特性及特征数据间的复杂关联关系特点，导致晶圆加工周期存在预测效率低与预测精度不高的问题。提出一种融合双重注意力机制与并行门控循环单元(Gated Recurrent Unit， GRU)的晶圆加工周期预测方法。首先，利用Relief-F算法提取与晶圆加工周期相关的关键生产特征子集，并通过模糊C均值算法对生产特征数据样本基于工艺相似性进行分类处理。其次，设计并行GRU网络模拟晶圆lot在时间相关性上的关联与传递特性，挖掘样本间关联关系，提高预测模型效率。再次，基于特征间相关性矩阵及特征与加工周期关联向量设计双重注意力机制，学习关键特征内部以及特征与加工周期的相关度信息，强化特征对加工周期的贡献差异，提高晶圆加工周期预测精度。实验结果表明，所提出方法能有效减小预测训练时间，提升预测精度。
- 单位
