用于基于概率不相似矩阵选择排序序列的方法

摘要

一种用于通过基于多个概率计算不相似矩阵来对多个实体进行排序的计算机实现方法。所述多个概率是基于多个类别确定的。基于所述不相似矩阵来计算加权距离矩阵。计算至少部分基于排序序列中相邻实体之间的加权距离的和的多个排序序列候选。在权利要求中描述了其它实施例。

说明书

技术领域

本发明的实施例涉及数据挖掘和机器学习，以及它们在微电子制造上 的应用。

背景技术

数据挖掘也被公知为数据库中的知识发现(KDD)，已经被定义为从数 据中非平凡提取隐含的、先前未知的、潜在有用的信息。比如机器或统计 学习的许多公知技术被用来以容易被人理解的形式来发现和呈现数据库中 的知识。

机器学习通常指响应于输入值而导致的用于执行基于人工智能的任务 的系统中的变化。这些输入值有时被称为观测值或训练值。例如，在语音 识别系统已经听到多个声音样本后，所述系统使用机器学习算法来改进其 语音识别能力。该技术还可以应用于其它领域，比如对DNA序列进行分类、 股票市场分析、预测和机器人控制。例如，股票市场分析系统可以基于历 史股票表现来预测未来股票表现。该分析系统学习历史股票表现，并且改 进它的能力来进行更准确的预测。

微电子制造公司已经使用机器学习来分析与制造过程相关的数据集的 动态特性。此种特性包括最终电气性能分级(binning)、过程期间的温度变 化、化学品用量(chemical usage)、晶圆分类、时钟速度和最终封装微电子 器件的功耗。

通常在硅晶圆上制造集成电路。每个晶圆可以包含几百个集成电路 (IC)。随后将该晶圆分为不同的管芯或芯片，每个管芯或芯片包含集成电 路(IC)。该过程也被公知为晶圆切割。管芯是还未封装的微电子器件。

对能够进行多任务的快速微电子器件的需求不断增长。多芯片封装 (MCP)技术提供了通过在衬底上封装多余一个的微电子管芯来实现更好 的多任务的方案。在晶圆切割之后，可以使用卷带轮管芯系统(Tape Reel Die System，TRDS)来从晶圆上拾取管芯，并将它们按序放置在卷带轮上。随 后，通常按照在卷带轮上接收它们的顺序来对微电子管芯进行封装。通常， 从晶圆上拾取微电子管芯的顺序被硬编码在TRDS中，并且一旦该顺序在 TRDS中被编程，它就不可改变。

在同一晶圆上可以存在数百个管芯，并且相应地，存在多个不同的选 择要封装在一个衬底上的管芯组的方式。一种可能是简单的弯曲序列，其 中可以通过沿着行来回移动，拾取相邻管芯且将其封装在一起。例如，TRDS 拾取和放置臂可以开始于左上方的管芯，穿过该行，然后反向缠绕到下一 行的左边。另一种可能是螺旋序列，其中按照圆形序列来拾取管芯并将其 封装在一起，该圆形序列开始于最外周的行，下行到外周列，穿过另一外 周行，随后上行到另一外周列，并且继续向里行进。

特定微电子管芯应该被封装在一起，这主要取决于每个管芯的品质。 通常，具有相似品质的管芯被封装在一起。每个微电子管芯的品质取决于 它的制造过程和处理环境。制造过程具有温度变化和不均匀的化学品分布， 这导致有缺陷的微电子器件或具有不同特性和品质的器件。具有不同品质 的管芯不应在同一MCP中进行封装。例如，如果MCP中的每个管芯的时 钟不与在同一MCP中封装的其它管芯匹配，则该封装单元的性能和销售分 布(sales distribution)将受限于具有最低时钟速度的管芯。因此，该MCP可 以导致较低的性能和较低的收益率。

附图说明

在附图中，本发明的各个实施例是作为实例示出的，并不是限制性的。 在附图中，相似的参考标记表示相似的元件。应该注意的是，在本公开中 的“实施例”、“一个实施例”或“各个实施例”的引用并不必须是同一实 施例，并且此种引用表示至少一个。

图1是例示如何在微电子制造环境中使用本发明的实施例的概图；

图2是例示根据本发明的实施例的用于选择排序序列的通用方法的流 程图；

图3是例示根据本发明的实施例的不相似矩阵和加权矩阵的创建和使 用的流程图；和

图4是例示具有16个管芯的实例晶圆的视图。

具体实施方式

在下述描述中，针对图1-4阐述了多个具体细节。然而，要理解，本领 域的普通技术人员将明白的是，这里给出的描述仅仅是用于例示的，并不 意在限制本发明的范围。

尽管相对于多芯片封装的微电子管芯对描述了本发明的实施例，但是 本领域的技术人员将明白的是，这里所描述的方法还可以用于其它应用中， 例如，医药和物理方面的实验数据分析、市场和顾客分析、制造数据测定、 供应链和自动垃圾信息检测。

这里所描述的实施例足以使得本领域技术人员能够实践本发明的各个 实施例，要理解的是，可以使用其它实施例，以及在不背离本发明主题的 范围的情况下进行逻辑、机械、电气和其它变化。相应地，本发明的范围 不受限于这里所提供的实例。

图1是例示制造多芯片封装(MCP)108的本发明的实施例的概图的方 框图。计算机系统101向卷带轮管芯系统(TRDS)103提供排序序列102， 其中排序序列102指定从晶圆区104拾取微电子管芯并将其放置在卷带轮 105上来进行封装的顺序。TRDS系统103可以部分使用与计算机系统101 相同的物理硬件来实现，或者其可以是单独的计算机系统。TRDS 103还包 括用于拾取和移动微电子管芯或芯片的机械设备，比如机械手。

在由TRDS 103从晶圆区104拾取微电子管芯后，将微电子管芯放置在 卷带轮105上。这里，所述管芯可以按照它们被拾取的顺序来顺序地排列。 作为替换，所述管芯可以成组排列，其中每组两个或多个管芯可以并肩放 置在卷带轮上。放置在卷带轮105上的第一管芯通常是封装系统107要封 装的第一管芯。

在MCP制造时，多个管芯在封装之前被成组为一组芯片106。在本发 明的一个实施例中，所述成组可以按照由卷带轮105传送管芯的顺序来完 成。例如，在两管芯MCP中，到达封装系统107的第一两个管芯可以在同 一多芯片封装108中进行封装，以及在所述第一两个管芯之后的两个管芯 可以在另一多芯片封装108中进行封装。

图2是例示根据本发明的实施例的用于使用机器学习算法来选择排序 序列的方法的流程图。如先前所要注意的，机器学习是响应于系统接收的 输入值而改变系统的行为的技术。

在本发明的一个实施例中，观测数据201指的是从先前执行的制造过 程收集的与制造相关的数据，例如，所述过程期间的温度变化、化学品用 量、时钟速度和最终封装的微电子器件的功耗。所述观测数据201中的部 分可以影响其它观测数据201。例如，温度变化和化学品用量的组合可以导 致最终封装的器件具有不同的品质，比如不同的功耗或最终测试速度。因 此，可以研究和定义不同类型的观测数据201之间的相互依赖性204。

除了用来确定相互依赖性204之外，观测数据201可以按照若干方式 来进行分类或归类。例如，可以基于微电子管芯的最终测试速度来对微电 子管芯进行分类。管芯的其它特性也可以用作分类的基准。如先前要注意 的，不均匀的化学品分布可以使得微电子管芯具有不同的特性和品质。在 该实例中，类别203可以分为若干类，每类定义不同的性能级别，比如速 度203a、速度203b和速度203c。

比如管芯级随机拾取(DLCP)的归类系统可以用来基于来自晶圆的微 电子管芯的特性，将来自晶圆的微电子管芯归类为若干其它种类或类别。 取决于用于分类的特性的类型，还可以利用除DLCP之外的方法来确定种 类或类别。

在典型的微电子制造操作中，比如用于生产位于加州Santa Clara的Intel 公司的PENTIUM^TM处理器的操作，由于制造大量微电子器件，所以测量的 观测数据量是千兆比特级的。为了有效地处理大量观测数据201，与确定类 别203相关的观测数据201的子集被解析出作为相关历史数据202。

在本发明的一个实施例中，预测模型205可以被构建来接受相互依赖 性204、相关历史数据202和类别203，以预测未来变量的未知值。例如， 从先前完成的制造过程确定的相互依赖性，比如温度变化、化学品分布和 管芯的预封装速度之间的关系，可以被用来预测可以利用例如同一过程制 造的未来微电子管芯的未知的封装最终速度。还可以使用现有的预测模型， 比如基于树的分类器或随机森林分类器。

预测模型205的结果是概率206。概率206表示一个或多个微电子管芯 被分类到类别203中的概率。例如，在存在要从晶圆上切割两个管芯以及 每个管芯可以被归类到的两个类别的情况下，存在两组概率206。一组表示 第一管芯被分类到第一类别中的概率和第一管芯被分类到第二类别中的概 率。第二组表示第二管芯被分类到第一类别中的概率和第二管芯被分类到 第二类别中的概率。

在本发明的一个实施例中，概率206可以以向量的形式表示。例如，

P₂＝[p₂₁，p₂₂]＝[0.4，0.6]

P₂代表概率向量，其中它的元素表示编号为2的管芯处于两个类别的 每个中的概率。在该实例中，第二管芯将处于类别2中的可能性为0.6或 60％。

在本发明的一个实施例中，多个概率206可以以矩阵的形式表示。例 如

$M=\left(\begin{array}{ccccc}0.2,& 0.1,& 0.3,& 0.2,& 0.2\\ 0.1,& 0.5,& 0.1,& 0.2,& 0.1\\ 0.1,& 0.2,& 0.4,& 0.1& 0.2\end{array}\right)$

在该实例中，M代表对应于三个不同管芯的概率矩阵。各行分别表示 编号为1、2和3的管芯被分类到5个类别的每个中的概率。

图3是例示用于创建不相似矩阵、加权矩阵和排序序列候选的实例方 法的流程图。不相似矩阵通常被用来表示两组实体之间的关系或不相似性。 它可以是两组实体的“不相像”的表示。

在本发明的一个实施例中，二维不相似矩阵302被用来表示给定组微 电子管芯中的任何两个被归类到同一类别的可能性或概率。不相似矩阵302 是使用概率301来构建的。用于确定概率301的方法在图2中示出。一旦 给定微电子管芯处于给定类别中的概率被确定，则可以利用任何两个微电 子管芯的概率的乘积来确定该两个微电子管芯位于同一类别的概率。例如， 如果第一管芯位于第一类别中的概率为0.3且表示为P₁₁，而第二管芯位于 第一类别中的概率为0.7且表示为P₂₁，则两个管芯都位于第一类别的概率 将为0.21。

基于上述乘积概率，可以计算出不相似矩阵302。在本发明的一个实施 例中，可以根据下述公式来计算不相似矩阵302。

$s_{\mathrm{km}}=1-\underset{i=1}{\overset{q}{\Sigma }}{p}_{\mathrm{ki}}{p}_{\mathrm{mi}}$

矩阵s_km的每个元素表示管芯k和管芯m之间的不相似性。p_ki表示实体 k位于类别i中的可能性，p_mi表示实体m位于类别i中的可能性，而q表 示类别的数目。在微电子制造领域，每个s_km可以表示管芯k和管芯m不在 同一类别的可能性。

在计算出不相似矩阵302之后，可以计算加权距离矩阵308。加权距离 矩阵308表示给定组微电子管芯中的任何两个微电子管芯之间的加权距离。 在本发明的一个实施例中，可以根据下述公式来计算加权距离矩阵308。

d_km＝W·g_km+s_km

其中d_km表示管芯k和管芯m之间的加权矩阵，W表示权重303，g_km表 示几何距离304，以及s_km是管芯k和管芯m之间的不相似矩阵302中的关 联不相似性。

可以按照若干方式得到不相似矩阵302和加权距离矩阵308之间的关 联。在本发明的该实施例中，在不相似矩阵302和加权距离矩阵308之间 存在一一对应的关联性。加权距离矩阵308中的元素数目可以与不相似矩 阵302中的元素数目相同。

几何距离304，或上述等式中描述的g_km，表示两个管芯之间的实际测 量距离。例如，在同一晶圆区的两个相邻微电子管芯之间的几何距离可以 是一英寸。在本发明的该实施例中，微电子管芯分布在晶圆区的平面上， 每个具有坐标(X，Y)。用于要选择的项的其它物理排列或坐标系统是可 能的。

如上所述的W表示权重303，其可以被应用于几何距离304来确定给予 每个几何距离304的重要性。例如，如果权重303被设置为足够小的数目， 则两个给定管芯之间的几何距离304被忽略。相反，如果权重303被设置 为足够大的数目，则在计算加权距离矩阵元素时充分地考虑两个给定管芯 之间的几何距离304。可以利用任何一种方法来确定权重303，比如预定的 算法或者由本领域技术人员手工地确定。

排序序列候选305表示一组两个或多个序列，其中每个序列包括从给 定晶圆区拾取的所有微电子管芯的表示。例如，如果从晶圆上切割16个管 芯，则每个序列包括16个元素。图4是例示具有16个管芯的实例晶圆的 视图。被表示为[16，9，12，10，11，2，5，15，6，1，13，3，8，14，7，4]的序列将表示首先拾取 第16个管芯，随后第9个，随后第12个，等等。其它序列将具有处于不 同顺序的管芯。

在本发明的一个实施例中，加权距离矩阵308被用来确定排序序列候 选305。在上述晶圆具有16个管芯的实例中，存在(16-1)！个可能的方式来 构建序列。序列中的相邻元素之间的几何距离和确定机器(比如卷带轮管 芯系统103)在将管芯从晶圆区104拾取到卷带轮105时行进的总长度。在 所有可能的序列中，一个序列可以导致最小和。具有最小或最低和的序列 可以被选择为所选排序序列306。所选排序序列306可以是图1中的TRDS 103在从图1中的晶圆区104拾取和移动微电子管芯并将其放置在卷带轮 105上时需要行进的“最好”或“最佳”序列。

已经在微电子制造的背景中描述了本发明的实施例。然而，要理解的 是，其它应用可以使用这里所描述的实施例。例如，比如其中基于顾客的 过去购买历史结合确定最靠近每个顾客的最佳储存位置的需要来预测顾客 对产品的选择的市场和顾客分析可以使用这里所描述的实施例。

尽管已经如上详细描述了本发明的实施例，但是应该明白的是，对于 本领域技术人员显而易见的这里所教导的基本创造性概念的许多变化和/或 修改和/或替换实施例将落在如所附权利要求所限定的本发明的精神和范围 内。