通过使用混合学习模型提高性能的半导体处理工具

摘要

本文公开的多个实施方式包括具有混合模型的半导体制造工具和使用此混合模型来处理晶片和/或开发工艺配方的方法。在一个实施方式中，一种用于开发半导体制造工艺配方的方法包含选择一个或多个装置成果，和查询混合模型，以获得适于获得装置成果的工艺配方推荐。在一个实施方式中，此混合工艺模型包含统计模型和物理模型。在一个实施方式中，此方法可进一步包含在一组晶片上执行实验设计(DoE)，以验证此混合工艺模型推荐的此工艺配方。

说明书

相关申请的交叉引用

本申请案请求2020年7月30日提出的美国非临时申请案第16/944,012号的权益，该美国非临时申请案的内容整体通过参考方式并入本文。

领域

本公开内容的多个实施方式关于半导体处理领域，且尤其是，关于使用半导体制造工艺的混合模型，此模型包含用于配方开发和腔室基线化的统计模型和物理模型。

相关技术描述

随着半导体装置继续向更小的特征结构尺寸发展，半导体晶片处理的复杂性一直在增加。给定的工艺可包括许多不同的处理参数(即，旋钮)，这些参数可被单独控制，以在晶片上提供期望成果。例如，晶片上的期望成果可能指特征结构轮廓、层的厚度、层的化学成分或其类似结果。随着旋钮数量的增加，可用于调谐和优化工艺的理论工艺空间变得极大。

为了开发用于大量制造(high volume manufacturing,HVM)的工艺配方，工艺工程师依靠他们的经验和专业知识来确定基线配方，此基线配方可在晶片上提供粗略近似的期望成果。随后围绕基线配方产生实验设计(design of experiment,DoE)。DoE依靠对一组晶片(或试片)的处理来确定旋钮如何彼此交互作用，以在晶片上产生成果。DoE结果可由工艺工程师解释，以进一步细化基线配方。也可执行额外的DoE，以在晶片上收敛期望成果。这种迭代工艺是时间和资源密集型的。

此外，一旦开发了最终处理配方，在不同晶片的工艺的多次迭代期间，腔室漂移可能导致晶片上的成果的改变。腔室漂移可能是腔室的可消耗部分的腐蚀、部件(例如，传感器、灯等)的降级、副产物膜在表面之上的沉积或类似的结果。因此，即使在广泛的配方开发工艺之后，也需要额外的调谐。

发明内容

本文公开的多个实施方式包括具有混合模型的半导体制造工具和使用混合模型来处理晶片和/或开发工艺配方的方法。在一个实施方式中，一种用于开发半导体制造工艺配方的方法包含选择一个或多个装置成果，和查询混合模型，以获得适于获得装置成果的工艺配方推荐。在一个实施方式中，混合工艺模型包含统计模型及物理模型。在一个实施方式中，此方法可进一步包含在一组晶片上执行实验设计(DoE)，以验证混合工艺模型推荐的工艺配方。

在一个额外的实施方式中，提供一种使执行半导体制造工艺的腔室基线化的方法。在一个实施方式中，此方法包含运行具有外部计量的晶片的受限实验设计(DoE)，以使腔室性能基线化。此实施方式可进一步包括将来自受限DoE的晶片成果和计量数据添加至混合模型作为校正数据集。在一个实施方式中，混合模型包含统计模型和物理模型。在一个实施方式中，此方法进一步包含调整模型的预测，以考虑到(account for)由受限DoE识别的特定腔室条件和/或晶片条件。在一个实施方式中，此方法进一步包含预测优化工艺参数，以达成在腔室中处理的晶片的期望晶片成果。

在一个额外的实施方式中，提供一种用于在处理工具中处理晶片的方法。在一个实施方式中，此方法包含提供处理工具的混合模型。在一个实施方式中，混合模型包含统计模型和物理模型。在一个实施方式中，此方法进一步包含在处理工具中执行配方以处理第一晶片，在配方执行之后自第一晶片获得晶片数据，以及自处理工具获得与配方执行相关的工艺数据。在一个实施方式中，此方法进一步包含将晶片数据和工艺数据提供给混合模型以产生更新的混合模型，和使用更新的混合模型来产生修改配方以考虑到处理工具中的腔室漂移。在一个实施方式中，此方法进一步包含在处理工具中执行修改配方以处理第二晶片。

多个实施方式也可包括包含指令的非暂时性计算机可读介质，这些指令在由处理器执行时使处理器进行用于开发半导体制造工艺配方的操作。在一个实施方式中，操作可包括在被处理晶片上选择一个或多个装置成果，查询混合模型以获得适于获得装置成果的工艺配方推荐。在一个实施方式中，混合模型包含统计模型和物理模型。在一个实施方式中，工艺可进一步包含在一组晶片上执行实验设计(DoE)以验证由混合工艺模型推荐的工艺配方。在一个实施方式中，执行DoE包含用计量工具测量DoE晶片结果，和根据DoE晶片结果确定是否达成期望装置成果。

附图说明

图1A是根据一个实施方式的包含统计模型和物理模型的混合模型的示意图。

图1B是根据一个实施方式的包含混合模型的处理工具的示意图。

图2A是示出根据一个实施方式的用于开发混合模型的工艺的流程图，其中统计模型和物理模型是混合模型引擎的输入。

图2B是示出根据一个实施方式的用于开发混合模型的工艺的流程图，其中物理模型是统计模型引擎的输入。

图3是示出根据一个实施方式的由混合模型提供的多维工艺空间的二维表示的图表。

图4是示出根据一个实施方式的用于使用混合模型开发工艺配方的工艺的流程图。

图5是示出根据一个实施方式的用于使用混合模型使腔室基线化的工艺的流程图。

图6示出根据本公开内容的一个实施方式的例示性计算机系统的框图。

具体实施方式

本文描述了使用半导体制造工艺的混合模型的方法，此混合模型包含用于配方开发和腔室基线化的统计模型和物理模型。在以下描述中，阐述了许多具体细节，以提供对本公开内容的多个实施方式的透彻理解。对于本领域技术人员显而易见的是，可在没有这些具体细节的情况下实践本公开内容的多个实施方式。在其他情况下，不详细描述诸如集成电路制造的公知方面，以免不必要地混淆本公开内容的多个实施方式。此外，应当理解，图中所示的各个实施方式是说明性表示且不一定按比例绘制。

如上所述，配方开发和腔室基线化是时间和资源密集型的。尤其是，可用于调谐和优化给定工艺的工艺空间极大，且在任何合理的时间框架内凭经验探索整个工艺空间实际上为不可能的。此外，由于处理参数之间的交互作用和交互作用对工艺性能的影响，很难通过一次手动扫描一个处理参数来预测多个处理参数同时变化的组合效果。

因此，本文公开的多个实施方式利用混合模型的使用来查询整个工艺空间，而无需在大型实验设计(DoE)中处理实体晶片。因此，可显著减少专用于配方开发的时间和资源。此外，混合模型可在处理腔室中的晶片期间加以更新。更新的混合模型可提供对腔室漂移的准确追踪，且允许修改工艺配方，而无需对实体晶片进行广泛的DoE或仅依靠工艺工程师的经验和知识。因此，根据本文公开的多个实施方式的混合模型的使用至少提供以下益处：1)减少工具的未排程停机时间；2)减少对校正或监控晶片的依靠；3)更严格的工艺控制和更好的均匀性、可重复性和产量(yield)；4)较低的废品率；5)改进的腔室匹配；6)启用自动工具健康监控；和7)提供根据计划维护(planned maintenance,PM)的改进恢复。

如本文所用，“工艺空间”可指将处理参数映射至晶片上的一个或多个装置成果的多维工艺空间。有时称为旋钮的处理参数是可受控制以控制工艺的变量。例如，旋钮可包括压力(pressure)、处理气体流动速率、温度、RF源功率、偏压功率和类似参数。装置成果可指处理之后晶片上特征结构的可测量特性。例如，装置成果可包括特征结构轮廓、层厚度、厚度均匀性、层的材料成分、成分均匀性、孔隙度、膜应力或类似结果。在一个实施方式中，装置成果也可指设施中各腔室的工艺均匀性(例如，腔室匹配)、晶片间均匀性、不同晶片批次之间的均匀性和类似结果。即，装置成果不限于单个晶片上的成果。工艺空间中的每个点可以是一组处理参数值和由此组处理参数产生的所得装置成果(或多个成果)的表示。

在一个实施方式中，混合模型可包含统计模型和物理模型。可使用实际晶片的DoE来建构统计模型，以填充(populate)工艺空间的部分。随后算法可用于外推工艺空间的剩余部分。物理模型基于发生在处理腔室内的真实世界物理和化学交互作用。处理腔室中的不同处理参数范围内的物理和化学交互作用的仿真可用于产生物理模型。在一个实施方式中，物理模型与统计模型合并，以提供混合模型。例如，物理模型可用于填补统计模型中的任何间隙和/或验证外推数据点。

在一个实施方式中，混合模型可用于工艺配方开发和/或用于腔室基线化，以考虑到腔室漂移。在工艺配方开发的情况下，查询混合模型以选择基线配方，而不是仅依靠工艺工程师的技能和知识。混合模型提供的基线配方将产生与期望装置成果极为近似的装置成果。因此，验证基线配方的小型DoE可能为验证混合模型预测的工艺配方所需的全部。

在腔室基线化的情况下，可用自被处理晶片获得的校正数据集更新混合模型。校正数据集可包含在晶片处理期间或之后收集的计量数据和/或其他装置成果。随后可查询更新的混合模型以选择考虑到腔室漂移的修改工艺配方，以在随后处理的晶片上产生期望装置成果。因此，腔室基线化是提供腔室映射的强力工具。即，腔室基线化工艺(例如，使用校正数据集更新混合模型)允许在晶片处理中准确地考虑到当前腔室条件。此外，基线化也可用于考虑到晶片之间的差异。例如，批次之间(或甚至单个批次内)的晶片可能具有差异(例如，由于先前处理的不均匀性)。通过用基线化工艺更新混合模型，可考虑到晶片之间的变化，以提供期望装置成果。

本文公开的混合模型可用于任何半导体制造工艺。例如，可使用混合模型，以为蚀刻工艺、沉积工艺、清洁工艺、平坦化工艺或类似工艺提供配方开发和/或腔室基线化。用混合模型研究的工艺可包括等离子体工艺、热工艺、湿化学工艺或任何其他工艺。在一个实施方式中，用混合模型模型化的处理工具可包括等离子体腔室、真空腔室、热腔室或类似腔室。

在一个特定实施方式中，混合模型用于研究氧化工艺，诸如自由基氧化工艺。在自由基氧化工艺中，处理参数可包括但不限于压力、处理气体的流动速率、温度和持温时间(soak time)。在自由基氧化工艺中受控的装置成果可包括但不限于氧化物厚度、整个晶片上的厚度均匀性、氧化物的材料成分、材料成分均匀性和氧化层的轮廓。

现参考图1A，示出根据一个实施方式的混合模型服务器120的示意图。在一个实施方式中，混合模型服务器120可包含统计模型125和物理模型127。统计模型125和物理模型127可通信地耦合至数据库130，此数据库用于储存用于建构和/或更新统计模型125和物理模型127的输入数据(例如，传感器数据、模型数据、计量数据等)。

在一个实施方式中，统计模型125可自物理DoE产生且使用内插来提供扩展的工艺空间模型。被处理的实体晶片可用于提供处理参数至特定装置成果的映像(mapping)。物理DoE也可用于识别不同处理参数之间的交互作用。在提供用于实体晶片的数据(例如，计量数据、传感器数据、工艺参数数据等)之后，使用内插来填充工艺空间中的间隙。在一个实施方式中，可使用由数据链路(date link)(例如，有线或无线数据链路)通信地耦合至混合模型服务器120的外部工具来获得数据，诸如计量数据。可使用任何适合的一种算法或多种算法进行内插。算法可包括但不限于神经网络、深度学习或用于回归分析的任何其他已知技术(例如，线性、偏最小二乘、高斯、多项式、用于回归的卷积类神经网络、回归树和其他技术)。

在一个实施方式中，统计模型125可作为模块提供，此模块经出售或经许可与处理工具结合使用。即，统计模型125的物理DoE可由处理工具的制造商执行。在其他多个实施方式中，可通过现场执行物理DoE来产生统计模型125。在又一个实施方式中，工具制造商可提供通用统计模型125且可现场执行随后的物理DoE，以提供统计模型125的校正以更接近地模型化正被研究的特定处理工具。

在一个实施方式中，可使用真实世界物理和化学关系来产生物理模型127。例如，处理腔室内各种交互作用的物理和化学方程式可用于建构物理模型。物理模型127也可利用腔室几何形状或其他腔室构造来提高物理模型127的准确度。物理模型127可以是跨(across)多个不同处理参数对处理工具内的物理和化学交互作用的仿真的结果。物理模型127可以是经出售或经许可与处理工具结合使用的模块。

在一个实施方式中，物理模型127和统计模型125可能能够相互参考(如箭头所示)。两个模型127和125之间的交叉参考允许验证每个模型且允许填充个别模型中的任何间隙。在一个实施方式中，物理模型127和统计模型125可组合以提供更稳健的混合模型。

现参考图1B，根据一个实施方式，示出处理工具100的示意图。如图所示，混合模型服务器120可与处理工具100整合。例如，如箭头所示，混合模型服务器120可由网络连接通信地耦合至前端服务器160。然而，在其他多个实施方式中，混合模型服务器120可在处理工具100的外部。例如，混合模型服务器120可经由外部网络或其类似网络通信地耦合至处理工具100。

在一个实施方式中，处理工具100可包含前端服务器160、工具控制服务器150和工具硬件140。前端服务器160可包含用于混合模型服务器120的用户接口165。如下文将更详细描述的，用户接口165为工艺工程师提供接口以利用混合模型化来执行各种操作，诸如配方开发或腔室基线化。

工具控制服务器150可包含智能监控和控制块155。智能监控和控制块155可包含用于提供对处理工具100的诊断和其他监控的模块。模块可包括但不限于健康检查、传感器漂移、故障恢复和泄漏探测。智能监控和控制块155可自工具硬件中实施的各种传感器接收数据作为输入。传感器可包括一般存在于半导体制造工具100中以允许工具100的操作的标准传感器147。传感器也可包括添加至工具100中的模型化传感器145。模型化传感器145提供建构高度详细的混合模型必需的额外信息。例如，模型化传感器可包括虚拟传感器和/或见证传感器(witness sensor)。虚拟传感器可利用自两个或更多个物理传感器获得的数据且实施内插和/或外推，以提供不可单独自物理传感器获得的附加传感器数据。在特定实例中，虚拟传感器可利用上游压力传感器和下游压力传感器，以计算穿过处理工具的部分(诸如气筒)的流动速率。一般，模型化传感器可包括任何类型的传感器，诸如但不限于压力传感器、温度传感器和气体浓度传感器。在一个实施方式中，智能监控和控制块155可提供由混合模型服务器120使用的数据。在其他多个实施方式中，来自各种模型化传感器145的输出数据可直接提供给混合模型服务器120。

现参考图2A，根据一个实施方式，示出说明用于产生混合模型的工艺的流程图。在一个实施方式中，来自模型化DoE 215的输入被输入至统计模型引擎224中。模型化DoE 215可包括多个实体晶片的处理。DoE 215可包括馈送至统计模型引擎224的各种数据源。例如，在处理晶片期间或之后获得的计量数据216可被提供给统计模型引擎224。此外，来自处理工具中的传感器的传感器数据217可被提供给统计模型引擎224。工艺参数数据218(即，在晶片处理期间各种工艺参数的值)也可提供给统计模型引擎224。

在一个实施方式中，统计模型引擎224可被实施为适于分析各种数据源且输出统计模型225的硬件和/或软件。统计模型引擎224可利用基于神经网络的机器学习，或用于回归分析的任何其他已知技术(例如，线性、偏最小二乘、高斯、多项式、用于回归的卷积类神经网络、回归树和其他技术)，以内插比单独自物理DoE数据获得的工艺空间更大的工艺空间。

在一个实施方式中，物理模型引擎226用于产生物理模型227。在一个实施方式中，物理模型引擎226可被实施为硬件和/或软件。物理模型引擎226将腔室构造和真实世界物理和化学方程式作为输入。物理模型引擎226可实施跨多个不同处理参数对处理工具内的物理和化学交互作用的仿真，以建构物理模型227。因此，修改处理工具中的物理和/或化学反应的处理参数的变化可映像至预期的装置成果。

在一个实施方式中，统计模型225和物理模型227用作产生混合模型228的输入。例如，统计模型225和物理模型227可以是混合模型引擎229的输入。混合模型引擎229处理物理模型227和统计模型225且输出混合模型228。在一些实施方式中，物理模型227可用于导出一些无法测量的物理测量值，且物理模型227的输出可视为统计模型的附加输入。在这种情况下，混合模型引擎229将来自物理模型227的信息添加至统计模型225以提供混合模型228。因此，混合模型228允许两个模型225和227用于验证工艺空间中的个别点，且提供更完整的工艺空间，可针对给定的处理工具个别定制此更完整的工艺空间。然而，在一些实施方式中，视输出而定，物理模型227和统计模型225可以是独立模型。即，在一些实施方式中，统计模型225和物理模型227可不合并为混合模型。

在一个实施方式中，混合模型也可被认为是统计模型225的另一个实例。例如，在图2B中，物理模型引擎226输出的物理模型227可用作统计模型引擎224的输入。统计模型引擎224因此具有附加输入以产生包括来自物理模型227的信息的统计模型225。特定言之，统计模型224可能已包括来自物理模型227的数据，且在所有实施方式中，使用混合模型引擎来产生混合模型可能为非必需的。

现参考图3，根据一个实施方式，示出说明由混合模型提供的工艺空间的表示的图表。图表上的每个点表示一组处理参数和晶片上的所得成果。例如，X轴可以是响应均匀性，且Y轴可以是响应平均值。图表描述了对于一组给定的处理参数，晶片上的所得成果将具有特定的回应均匀性和响应平均值。

在示出的图表中，较大的菱形点是从模型化DoE获得的数据点。即，较大的点是基于从晶片的物理处理中获得的数据集。较小的点表示使用混合模型产生的虚拟点。如图所示，混合模型为处理空间提供比单独从被处理晶片获得的数据详细得多的数据。

现参考图4，根据一个实施方式，示出说明用于使用混合模型开发工艺配方的工艺470的流程图。目标工艺配方是具有一组工艺参数的工艺配方，这些工艺参数将在晶片上产生期望装置成果。在一个实施方式中，工艺470可以操作471开始，此操作包括确定期望装置成果。在一个实施方式中，装置成果可关于晶片装置尺寸、材料成分或类似结果。例如，装置成果可包括层厚度、整个晶片上的厚度均匀性、层的材料成分或材料成分均匀性。

在一个实施方式中，工艺470可以操作472继续进行，此操作包含查询混合模型以选择一组处理参数。在一个实施方式中，混合模型可以是由统计模型和物理模型的组合产生的工艺空间模型。统计模型可使用如上所述的实际晶片的DoE来产生。物理模型可基于现实世界物理和化学方程式。例如，物理模型可根据跨多个不同处理参数对处理工具内的物理和化学相互作用的仿真产生。在一个实施方式中，混合模型可覆盖处理工具可用的整个处理空间。

混合模型允许在无需完全依靠工艺工程师的经验和知识的情况下识别稳定的工艺配方。相反，能够自混合模型的工艺空间中选择预期产生与目标装置成果紧密地匹配的装置成果的基线配方。

在一个实施方式中，工艺470可以操作473继续进行，此操作包含执行小型DoE以验证模型推荐。由于混合模型的高精度，小型DoE(例如，20个或更少的晶片)可能是验证模型推荐所需的全部。在一个实施方式中，DoE可由工艺工程师设计。

在一个实施方式中，工艺470可以用操作474继续进行，此操作包含用一个或多个计量工具测量DoE晶片结果。计量数据可用于验证晶片上是否已达成目标装置成果。

在一个实施方式中，工艺470可以操作475继续进行，此操作包含确定是否已达成期望装置成果。若已达成期望装置成果，则工艺继续进行至操作476且完成工艺。若未达成期望装置成果，则工艺可循环回到操作472。在一个实施方式中，可将来自小型DoE的数据反馈至混合模型中以更新混合模型。随后可查询更新混合模型以提供第二基线配方。以这种方式，即使第一次迭代不成功，工艺仍可快速收敛至正确的配方，而无需大量的DoE和资源浪费。

现参考图5，根据一个实施方式，示出说明用于使处理工具基线化的工艺580的流程图。在一个实施方式中，基线化工艺可能有利于考虑到在处理工具中处理晶片期间的腔室漂移。在一个实施方式中，基线化工艺可以任何期望的频率实施。例如，工艺580可按批次、按计划维护(PM)事件或当被处理晶片具有指定范围之外的装置成果时实施。

在一个实施方式中，工艺580可以操作581开始，此操作包含运行具有外部计量的晶片的受限DoE以使腔室性能基线化。在一个实施方式中，受限DoE可包括二十个或更少的晶片。受限DoE可利用记录的工艺配方作为基线。外部计量可包括适于确定被处理晶片的装置成果的任何计量。例如，在氧化工艺的情况下，椭圆偏振技术(ellipsometry)可用于研究晶片上的膜厚度和厚度均匀性。

在一个实施方式中，工艺580可以操作582继续进行，此操作包含将装置成果和其他计量数据添加至混合模型。添加至混合模型的附加数据可称为校正数据集。校正数据集用于更新混合模型，使得混合模型更准确地反映处理工具的当前状况。例如，工艺580可包括操作583，此操作包含调整模型的预测以考虑到特定的腔室条件。即，更新混合模型的工艺空间以更紧密地匹配所研究的处理工具的条件。

在一个实施方式中，混合模型可以是自统计模型和物理模型的组合产生的工艺空间模型。统计模型可使用如上所述的实际晶片的DoE来产生。物理模型可基于现实世界物理和化学方程式。例如，物理模型可根据跨多个不同处理参数对处理工具内的物理和化学交互作用的仿真产生。在一个实施方式中，混合模型可覆盖处理工具可用的整个处理空间。

在一个实施方式中，工艺580可以操作584继续进行，此操作包含预测优化工艺参数以达成随后在腔室中处理的晶片的期望晶片成果。可在已更新混合模型以包括校正数据集之后选择优化工艺参数。因此，不管腔室条件的变化，新工艺配方提供了晶片参数，这些晶片参数使晶片成果与目标值更紧密地匹配。因此，可监控及考虑到腔室漂移，以保持紧密的工艺窗口且提高均匀性、可重复性和良率。此外，减少了工具的未排程停机时间，这是因为可准确地调整处理配方以考虑到腔室漂移。此外，当PM确实发生时，可实施工艺580以提供更短的恢复时间，这提高了工具利用率。

在一个实施方式中，混合模型可进一步用于提供处理配方的连续(或接近连续)修改以考虑到腔室漂移。例如，可获取在装置晶片处理期间获得的晶片和工艺数据且将该晶片和工艺数据用于更新混合模型。即，可能不需要专用的DoE来提供校正数据集。可获得来自装置晶片的晶片数据，用于正在处理的每个晶片或晶片的子集。

此类实施方式可包括提供处理工具的混合模型。混合模型可包括统计模型和物理模型，该混合模型类似于上述混合模型。在一个实施方式中，工艺可自在处理工具中执行配方以处理第一晶片开始。处理第一晶片之后，可获得来自第一晶片的晶片数据和来自处理工具的与配方执行相关的工艺数据。在一个实施方式中，晶片数据可包含计量数据，诸如但不限于厚度、厚度均匀性、轮廓和氢百分比。在一个实施方式中，工艺数据可包括自处理工具内的传感器获得的数据和/或工具配置信息。在一个实施方式中，晶片数据和工艺数据被提供给混合模型以产生更新混合模型。在一个实施方式中，更新混合模型用于产生被修改配方以考虑到处理工具中的腔室漂移。多个实施方式随后可包括在处理工具中执行被修改配方以处理第二晶片。虽然上文描述了单个第一晶片的处理，但应当理解，可在产生更新混合模型的前处理多个第一晶片。在该实施方式中，多组晶片数据和工艺数据可用于产生更新的混合模型。

图6标出计算机系统600的例示性形式中的机器的图解表示，在此计算机系统内，可执行一组指令，这些指令用于使机器执行本文所述的任何一个或多个方法。在多个替代实施方式中，机器可被连接(例如，网络连接)至局域网(Local Area Network,LAN)、内联网、外部网或因特网中的其他机器。机器可在客户端-服务器网络环境中作为服务器或客户端机器运行，或作为同级间(或分布式)网络环境中的同级点机器运行。机器可以是个人计算机(personal computer,PC)、平板PC、机顶盒(set-top box,STB)、个人数字助理(Personal Digital Assistant,PDA)、蜂窝电话、网络设备、服务器、网络路由器、交换机或网桥，或任何能够执行一组指令(顺序或其他)的机器，这些指令指定此机器要采取的行动。此外，虽然仅示出单台机器，但术语“机器”亦应被视为包括个别或联合执行一组(或多组)指令以进行本文所述的任何一个或多个方法的机器(例如，计算机)的任何集合。

例示性计算机系统600包括处理器602、主存储器604(例如，只读存储器(read-only memory,ROM)、闪存、诸如同步DRAM(synchronous DRAM,SDRAM)或Rambus DRAM(RDRAM)的动态随机存取存储器(dynamic random access memory,DRAM)，等)、静态存储器606(例如，闪存、静态随机存取存储器(static random access memory,SRAM)、MRAM，等)和辅助存储器618(例如，数据储存装置)，上述装置经由总线630相互通信。

处理器602代表一个或多个通用处理装置，诸如微处理器、中央处理单元或类似装置。尤其是，处理器602可以是复杂指令集计算(complex instruction set computing,CISC)微处理器、精简指令集计算(reduced instruction set computing,RISC)微处理器、超长指令字(very long instruction word,VLIW)微处理器、实施其他指令集的处理器，或实施指令集组合的处理器。处理器602也可可以是一个或多个专用处理装置，诸如特殊应用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(fieldprogrammable gate array,FPGA)、数字信号处理器(digital signal processor,DSP)、网络处理器或类似处理器。处理器602构造为执行处理逻辑626以进行本文所述的操作。

计算机系统600可进一步包括网络接口装置608。计算机系统600也可包括视频显示单元610(例如，液晶显示器(liquid crystal display,LCD)、发光二极管显示器(lightemitting diode display,LED)或阴极射线管(cathode ray tube,CRT))、字母数字输入设备612(例如，键盘)、光标控制装置614(例如，鼠标)和信号产生装置616(例如，扬声器)。

辅助存储器(secondary memor)618可包括机器可读存储介质(或更具体地，计算机可读存储介质)632，在此存储介质上储存了体现本文所述的任何一个或多个方法或功能的一组或多组指令(例如，软件622)。软件622也可在由计算机系统600执行期间完全地或至少部分地驻留在主存储器604内和/或处理器602内，主存储器604和处理器602亦构成机器可读存储介质。软件622可进一步经由网络接口装置608在网络620上传输或接收。

虽然机器可存取存储介质632在例示性实施方式中示出为单个介质，但术语“机器可读存储介质”应该被认为包括储存一组或多组指令的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关的高速缓存和服务器)。术语“机器可读存储介质”亦应被认为包括能够储存或编码一组由机器执行的指令且使机器进行本公开内容的任何一种或多种方法的任何介质。因此，术语“机器可读存储介质”应被认为包括但不限于固态存储器，和光学和磁性介质。

根据本公开内容的实施方式，机器可存取存储介质具有储存在机器可存取存储介质上的指令，这些指令使数据处理系统使用来自混合模型的洞察和/或更新或建构混合模型的方法来进行处理晶片的方法。

因此，已公开将混合模型用于在处理工具中处理晶片的方法。