Machine learning based autonomous quality check and characteristics extraction for chip research

Metal Oksit Yarı İletken Alan Etkili Transistör (MOSFET) cihazlarının doğru ve kusursuz çalışması, müşteriler ve yarı iletken araştırmaları için büyük önem taşımaktadır. MOSFET cihaz üreticileri, yüksek teknolojili cihazların geliştirilmesi ve üretimi sırasında çeşitli protokoller ve prosedürler kullanmasına rağmen, entegre devreler genellikle üçüncü parti üreticiler tarafından üretilmektedir. Entegre devrelerde kullanılan yarı iletkenlerin imalatı sırasında bileşenlerin performansı üretilen partiden partiye değişebilmekte ve hatta aynı parti içindeki numuneler bile farklı performans özelliklerine sahip olabilmektedir. Özellikle hayati öneme sahip uygulamalarda amaca en uygun bileşenlerin seçimi hayati önem taşır. Ayrıca uzun kalite kontrol süreçleri, araştırma enstitülerinin daha hızlı ve daha düşük enerji tüketiminin sahip çiplere ulaşmasını zorlaştırmaktadır. Bu durum, araştırma merkezlerinin günümüz dünyasındaki üst seviye teknoloji çip mimarisi rekabetinde geri kalmalarına yol açabilir ve küresel ölçekte pazar hakimiyetlerinin azalmasıyla birlikte potansiyel gelir kaybı yaşamalarına sebebiyet verebilir. Bu nedenle zaman-maliyet azaltımına yönelik gelişmeler sektörü ve üçüncü parti cihaz üreticilerini doğrudan olumlu etkilerken, Oluşabilecek iş birlikleriyle de akademik katkıların önünü açmaktadır. Bu tezde, transistörlerin kalitesini doğrulamak ve karakteristiklerinin çıkarımını sağlamak için yarı iletken endüstrisi için yeni bir yaklaşım öneriyoruz. Negatif oy veren bir mimarinin diğer mimarilerinin oylarını geçersiz kılacağı çok modelli bir topluluk tekniği kullanılarak bir araya getirilen üç farklı ve birbiriyle haberleşebilen Evrişimli Sinir Ağı (Convolutional Neural Networks) modeli, cihazların I-V grafiklerini -uzman değerlendirmesine benzer olarak görsel veriler üzerinden- değerlendirerek oldukça sıkı kalite kontrolü sağlar. Filtreleme aşamasından sonra önemli bir karakteristik parametresi olan eşik voltajı (Vth, transistörlerin iletken olmayan halden iletken hale geçtikleri voltaj noktası) tespiti için CNN mimarisinde oluşturduğumuz ikinci bir model kullandık. Bu sayede oluşturulmuş çip mimarisinin performans ölçümlemesi yapılabilirken aynı zamanda anomali tespitiyle deneysel mimarileri hakkında hızlı tahminleme almamızı sağlamaktadır. Vth tespiti modelimiz filtrelenmiş yaklaşık 2500 adet cihaz üzerinde test edilmiştir. Alanında uzman bilim insani seviyesinde filtreleme yapmistir ve filtrelenmemis verisetinde 50mV error, filtrelenmiş verisetinde 8mVluk hata ile eşik voltajı üretimi başarısı göstermiştir.