摘要
一种晶圆良率分析方法及装置,属于半导体质量检测技术领域,所述方法包括如下步骤:获取晶圆缺陷数据,其中,晶圆缺陷数据包括晶圆上每个最小分割单元的缺陷量化数据;获取晶圆测试数据,其中,晶圆测试数据包括每个测试单元对应的电学性能参数;根据晶圆缺陷数据与晶圆测试数据,训练深度学习神经网络,得到晶圆缺陷预测模型;根据晶圆缺陷预测模型,预测当前流片步骤时的缺陷阈值;当某种缺陷数量超过缺陷阈值时,触发返工流程。本申请通过缺陷量化数据与对应的晶圆测试数据训练深度学习神经网络,以获得晶圆缺陷与电学性能的映射关系,从而将晶圆缺陷的种类与晶圆良率关联,实现将晶圆良率反馈到对应流片步骤,实现对工艺的实时监控。