半导体质量检测数据存在高维冗余、类别不平衡及标签获取成本高的特性,导致传统有监督检测方法工业适用性受限,而传统无监督特征选择方法往往忽略全局结构或缺乏冗余量化机制,难以适配高维强非线性耦合的数据需求。基于此,本文提出一种...半导体质量检测数据存在高维冗余、类别不平衡及标签获取成本高的特性,导致传统有监督检测方法工业适用性受限,而传统无监督特征选择方法往往忽略全局结构或缺乏冗余量化机制,难以适配高维强非线性耦合的数据需求。基于此,本文提出一种面向半导体高维制造数据的无监督特征选择方法FSSC-DCOR (Feature Selection by Spectral Clustering and Distance CORrelation coefficient)。该方法结合谱聚类、距离相关系数与贪心策略三种技术,以特征为聚类对象,通过谱聚类挖掘特征内在关联结构并筛选高信息量候选特征,利用距离相关系数矩阵量化非线性冗余,最终通过贪心策略保留低冗余、高区分度的核心特征子集。该方法无需依赖标注标签即可完成高维数据有效降维,适配半导体场景标签稀缺的现实需求。实验结果表明,在SECOM半导体数据集上,所提方法的性能度量指标均优于传统特征选择方法。展开更多
SiC MOSFET栅极氧化物附近存在的陷阱缺陷造成其在高温高压场景下出现许多可靠性问题。提出了完整的基于瞬态电流法的陷阱表征方案,结合贝叶斯迭代反卷积算法实现对陷阱位置、时间常数和激活能的表征。基于自建陷阱测试平台在栅极和漏...SiC MOSFET栅极氧化物附近存在的陷阱缺陷造成其在高温高压场景下出现许多可靠性问题。提出了完整的基于瞬态电流法的陷阱表征方案,结合贝叶斯迭代反卷积算法实现对陷阱位置、时间常数和激活能的表征。基于自建陷阱测试平台在栅极和漏极施加不同组合的电学偏置,表征了微秒量级的两个陷阱,其时间常数分别为2×10^(-5)s和2.5×10^(-4)s,并观察到SiC MOSFET中存在同时受栅源电压和漏源电压影响的陷阱,这种现象在沟槽型器件中尤其显著,根据此特性可以分析陷阱的位置。本研究丰富了陷阱表征的信息,为陷阱的定位和表征提供了新的思路。展开更多
文摘半导体质量检测数据存在高维冗余、类别不平衡及标签获取成本高的特性,导致传统有监督检测方法工业适用性受限,而传统无监督特征选择方法往往忽略全局结构或缺乏冗余量化机制,难以适配高维强非线性耦合的数据需求。基于此,本文提出一种面向半导体高维制造数据的无监督特征选择方法FSSC-DCOR (Feature Selection by Spectral Clustering and Distance CORrelation coefficient)。该方法结合谱聚类、距离相关系数与贪心策略三种技术,以特征为聚类对象,通过谱聚类挖掘特征内在关联结构并筛选高信息量候选特征,利用距离相关系数矩阵量化非线性冗余,最终通过贪心策略保留低冗余、高区分度的核心特征子集。该方法无需依赖标注标签即可完成高维数据有效降维,适配半导体场景标签稀缺的现实需求。实验结果表明,在SECOM半导体数据集上,所提方法的性能度量指标均优于传统特征选择方法。
