CN113077850B - 电子材料中α源的识别方法、装置及计算机可读存储介质 - Google Patents
电子材料中α源的识别方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113077850B CN113077850B CN202110278942.6A CN202110278942A CN113077850B CN 113077850 B CN113077850 B CN 113077850B CN 202110278942 A CN202110278942 A CN 202110278942A CN 113077850 B CN113077850 B CN 113077850B
- Authority
- CN
- China
- Prior art keywords
- alpha
- particle emission
- electronic material
- alpha particle
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000012776 electronic material Substances 0.000 title claims abstract description 211
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000002245 particle Substances 0.000 claims abstract description 330
- 238000001228 spectrum Methods 0.000 claims abstract description 191
- 238000000295 emission spectrum Methods 0.000 claims description 160
- 230000004907 flux Effects 0.000 claims description 38
- LBDSXVIYZYSRII-IGMARMGPSA-N alpha-particle Chemical compound [4He+2] LBDSXVIYZYSRII-IGMARMGPSA-N 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004993 emission spectroscopy Methods 0.000 claims 1
- 230000015654 memory Effects 0.000 description 13
- 239000004065 semiconductor Substances 0.000 description 13
- 239000010408 film Substances 0.000 description 8
- 230000002285 radioactive effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000005262 alpha decay Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- OFHCOWSQAMBJIW-AVJTYSNKSA-N alfacalcidol Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C\C=C1\C[C@@H](O)C[C@H](O)C1=C OFHCOWSQAMBJIW-AVJTYSNKSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本申请涉及电子器件可靠性技术领域，具体公开一种电子材料中α源的识别方法、装置及可读存储介质。方法包括构建α粒子发射能谱数据库；测量目标电子材料样品表面的α粒子发射能谱；对测量得到的目标电子材料样品表面的α粒子发射能谱，及α粒子发射能谱数据库中的α粒子发射能谱网格化处理；将网格化处理后的目标电子材料样品表面的α粒子发射能谱与网格化处理后的数据库中的α粒子发射能谱逐个比对得到匹配结果；根据匹配结果识别目标电子材料样品中的α源。即可从数据库中匹配出与目标电子材料样品表面的α粒子发射能谱最接近的能谱，以该能谱在数据库中所对应的α源作为目标电子材料样品中α源的识别结果，识别准确性较高，效率较高。
Description
技术领域
本发明涉及电子器件可靠性技术领域，特别是涉及一种电子材料中α源的识别方法、装置及计算机可读存储介质。
背景技术
在半导体器件制备过程中，制备半导体器件的各种电子材料中往往会掺杂进各种放射性元素，例如235U、238U以及它们的子体同位素(如232Th)，又或210Po等。这些重放射性元素往往会发生α衰变，持续不断地释放出能量大约在4MeV至9MeV的α粒子，带有能量的α粒子入射至半导体器件有源区，沿其径迹产生高密度的电子-空穴对，电子-空穴对在器件电场的作用下发生分离后被节点收集，在电路中产生一个干扰电流信号，进而引起半导体器件发生数据丢失、功能中断等恶劣影响，比如α粒子在CPU的指令缓存中引起软错误，这将导致CPU不能执行预期的功能，对整个电路系统的影响可能是致命的。
目前的主要应对方式是开展电子材料的α粒子发射率测试和评价，在该过程中对电子材料中α粒子来源(即α源)的识别至关重要，准确、高效的识别方法可为电子材料针对性提纯、降低发射率、识别污染源提供重要依据，而目前尚不能对电子材料中的α源进行准确高效地识别。
发明内容
基于此，有必要针对无法准确高效地识别电子材料中的α源的问题，提供一种电子材料中α源的识别方法、装置及计算机可读存储介质。
一种电子材料中α源的识别方法，用于识别目标电子材料样品中的α源，所述电子材料中α源的识别方法包括：
构建α粒子发射能谱数据库；
测量目标电子材料样品表面的α粒子发射能谱；
对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理；
将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果；
根据所述匹配结果识别目标电子材料样品中的α源。
在其中一个实施例中，所述构建α粒子发射能谱数据库的步骤包括：
获取α源集合，所述α源集合包括电子材料中的不同α源；
获取所述α源集合中的各个单一α源的α粒子发射能谱，形成第一数据库；
获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库。
在其中一个实施例中，所述获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库的步骤包括：
确定所述α源集合中α源的若干种混合方式；
获取各个混合方式下的α粒子发射能谱，形成第二数据库。
在其中一个实施例中，所述获取所述α源集合中的各个单一α源的α粒子发射能谱，形成第一数据库的步骤包括：
获取所述α源集合中的各个单一α源位于第一类电子材料内部时的α粒子发射能谱，形成第一子数据库；
获取所述α源集合中的各个单一α源位于第二类电子材料内部时的α粒子发射能谱，形成第二子数据库；
所述第一类电子材料的膜层厚度小于所述第二类电子材料的膜层厚度，所述α源位于第一类电子材料内部时的α粒子发射能谱为分离谱，所述α源位于第二类电子材料内部时的α粒子发射能谱为连续谱。
在其中一个实施例中，所述获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库的步骤包括：
获取所述α源集合中的若干个α源混合位于第一类电子材料内部时的α粒子发射能谱，形成第三子数据库；
获取所述α源集合中的若干个α源混合位于第二类电子材料内部时的α粒子发射能谱，形成第四子数据库。
在其中一个实施例中，所述对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理的步骤包括：
将目标电子材料样品表面的α粒子发射能谱按照预设规则进行分段，并对每一段的粒子通量进行归一化处理；
将α粒子发射能谱数据库中的每一个α粒子发射能谱均按照所述预设规则进行分段，并对每一段的粒子通量进行归一化处理。
在其中一个实施例中，所述预设规则包括对α粒子发射能谱的能量值进行等值分段的方式。
在其中一个实施例中，所述将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果的步骤包括：
将目标电子材料样品表面的α粒子发射能谱的各段粒子通量分别与α粒子发射能谱数据库中的单个α粒子发射能谱的各段粒子通量一一比对，并得到目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的该α粒子发射能谱的匹配度；
依次类推，分别获得目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度。
在其中一个实施例中，所述目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度为：
其中，μj为目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中第j个α粒子发射能谱的匹配度，Fi,target为目标电子材料样品表面的α粒子发射能谱的第i段粒子通量，Fi,data为α粒子发射能谱数据库中第j个α粒子发射能谱的第i段粒子通量，N为分段数，M为α粒子发射能谱数据库中α粒子发射能谱的总个数。
在其中一个实施例中，所述根据所述匹配结果识别目标电子材料样品中的α源的步骤包括：
确定目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度的最小值，以最小值所对应的α粒子发射能谱数据库中的α源作为识别到的目标电子材料样品中的α源。
一种电子材料中α源的识别装置，所述电子材料中α源的识别装置包括：
构建单元，用于构建α粒子发射能谱数据库；
测量单元，用于测量目标电子材料样品表面的α粒子发射能谱；
网格化处理单元，用于对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理；
匹配单元，用于将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果；
识别单元，用于根据所述匹配结果识别目标电子材料样品中的α源。
一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时实现如上述的电子材料中α源的识别方法。
上述电子材料中α源的识别方法，首先构建出α粒子发射能谱数据库，当完成对目标电子材料样品表面的α粒子发射能谱的测量后，对测量得到的目标电子材料样品表面的α粒子发射能谱以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理，然后对网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果，最后根据匹配结果识别目标电子材料样品中的α源。由此，预先构建出α粒子发射能谱数据库，为测量到的目标电子材料样品表面的α粒子发射能谱提供比对参考对象，通过测量得到的目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的发射能谱逐个比对，可从数据库中匹配出与目标电子材料样品表面的α粒子发射能谱最接近的能谱，进而以该能谱在数据库中所对应的α源作为目标电子材料样品中α源的识别结果，上述α源识别方法的识别准确性较高，且无需复杂的内部运算，效率较高。
附图说明
图1为本申请实施例一提供的电子材料中α源的识别方法的流程框图；
图2为本申请实施例一提供的电子材料中α源的识别方法中步骤S100的流程框图；
图3为本申请实施例一提供的电子材料中α源的识别方法中步骤S130的流程框图；
图4为本申请实施例一提供的电子材料中α源的识别方法中步骤S120的流程框图；
图5为本申请实施例一提供的电子材料中α源的识别方法中步骤S130的另一种实施方式的流程框图；
图6为本申请实施例二提供的电子材料中α源的识别装置的结构示意图；
图7为本申请实施例三提供的电子设备的结构示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的优选实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反的，提供这些实施方式的目的是为了对本发明的公开内容理解得更加透彻全面。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
地球上天然存在着大量的放射性元素，例如235U、238U以及它们的子体同位素(如232Th)、210Po等，在半导体器件中，这些放射性元素往往会掺杂进半导体器件的各种电子材料中，例如模塑料、焊球、填充料等。电子材料中存在的这些放射性同位素通常会发生α衰变，持续不断地释放出能量大约为4MeV至9MeV的α粒子，带有能量的α粒子入射至半导体器件有源区，沿其径迹产生高密度的电子-空穴对，电子-空穴对在器件电场的作用下发生分离后被节点收集，在电路中产生一个干扰电流信号，进而引起半导体器件发生数据丢失、功能中断等恶劣影响，比如α在CPU的指令缓存中引起软错误，这将导致CPU不能执行预期的功能，对整个电路系统的影响可能是致命的。
目前对所用电子材料进行的放射性杂质提纯能做到超低发射率等级(即0.001alpha/cm2/hr)，仍无法避免α粒子引起的软错误。另外，随着半导体器件的发展，其特征尺寸越来越小，集成度越来越高，导致其抗α粒子辐射能力迅速下降，源于工作电压下降导致的临界电荷减小，急需建立半导体器件α粒子软错误率试验评价方法和行业指导规范。而在建立该评价方法和行业指导规范的过程中，对电子材料内部α源的识别至关重要，准确高效地识别出α源可为电子材料针对性提纯、降低发射率以及识别污染源提供重要依据，而目前行业内尚未形成一套准确高效的α源识别方法。
针对上述问题，本申请实施例提供了一种电子材料中α源的识别方法、装置及计算机可读存储介质。
实施例一
本实施例提供了一种电子材料中α源的识别方法，用于识别目标电子材料样品中的α源。
参照图1，本实施例提供的所述电子材料中α源的识别方法包括以下步骤：
步骤S100、构建α粒子发射能谱数据库；
步骤S200、测量目标电子材料样品表面的α粒子发射能谱；
步骤S300、对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理；
步骤S400、将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果；
步骤S500、根据所述匹配结果识别目标电子材料样品中的α源。
由此，预先构建出α粒子发射能谱数据库，为测量到的目标电子材料样品表面的α粒子发射能谱提供比对参考对象，通过测量得到的目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的发射能谱逐个比对，可从数据库中匹配出与目标电子材料样品表面的α粒子发射能谱最接近的能谱，进而以该能谱在数据库中所对应的α源作为目标电子材料样品中α源的识别结果，上述α源识别方法的识别准确性较高，且无需复杂的内部运算，效率较高。
在步骤S100中，构建α粒子发射能谱数据库，指的是针对可能存在于电子材料中的α源进行α粒子发射能谱测试，并集合所有可能出现的α粒子发射能谱，形成α粒子发射能谱数据库。
在其中一个实施例中，参照图2，步骤S100，即所述构建α粒子发射能谱数据库的步骤包括以下步骤：
步骤S110、获取α源集合，所述α源集合包括电子材料中的不同α源。
具体地，可以首先确定半导体制造过程中使用的所有电子材料(半导体材料、封装材料等)中可能包含的α源，例如U、Po、Th等元素及其同位素。
步骤S120、获取所述α源集合中的各个单一α源的α粒子发射能谱，形成第一数据库。
当确定α源集合之后，可针对集合中的每一个α源进行能谱测量，即获取电子材料中含有单一α源时的电子材料表面α粒子发射能谱，针对不同的α源，获取得到不同的α粒子发射能谱，进而形成各个单一α源的表面α粒子发射能谱的数据库，本实施例中将该数据库定义为第一数据库。
步骤S130、获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库。
由于在实际应用中，电子材料中含有的α源可能只有一种，也可以有两种或三种或四种等。在前的步骤S120中，是针对仅含有一种α源的情况，形成各个单一α源的表面α粒子发射能谱的数据库。本步骤中，则是针对电子材料中含有混合的至少两种α源的情况，形成第二数据库。
具体地，可以首先针对α源集合中的α源，罗列出各α源之间可能存在的混合方式，例如从混合的α源种类、数量、配比等角度出发尽可能罗列出若干种不同的混合方式，以模拟出实际应用中有可能会出现的各种混合方式。然后针对每一种混合方式，均获取表面α粒子发射能谱，进而形成不同混合方式的混合α源的α粒子发射能谱的数据库，本实施例中将该数据库定义为第二数据库。
分别针对单一α源形成第一数据库，针对混合α源形成第二数据库，由此形成的数据库的数据储备较为完整全面，为后续的α源识别奠定了良好的比对匹配基础，提高了α源的匹配成功率。
在其中一个实施例中，参照图3，步骤S130，即所述获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库的步骤包括以下步骤：
步骤S131、确定所述α源集合中α源的若干种混合方式。
混合方式的确定可以从混合的α源种类、数量以及配比着手。
例如，假定混合A和B两种α源，设定A和B在电子材料表面均匀分布，A和B按总量100％，配比为1:1；或者，更换A和B的配比为1:2或1:3或2:1或3:1等。又如，假定混合A、B和C三种α源，三种α源在电子材料表面均匀分布，A、B和C按总量100％，配比为1:1:1；或者，更换，A、B和C的配比为1:2:1或1:2:2或2:1:1等。
根据上述方式，可确定出α源集合中α源的若干种混合方式。可以以穷举的方式得到α源集合中α源的所有混合方式。
步骤S132、获取各个混合方式下的α粒子发射能谱，形成第二数据库。
针对确定好的每一种α源的混合方式，获取其对应的电子材料表面α粒子发射能谱，形成第二数据库。
在其中一个实施例中，参照图4，步骤S120，即所述获取所述α源集合中的各个单一α源的α粒子发射能谱，形成第一数据库的步骤包括以下步骤：
步骤S121、获取所述α源集合中的各个单一α源位于第一类电子材料内部时的α粒子发射能谱，形成第一子数据库；
步骤S122、获取所述α源集合中的各个单一α源位于第二类电子材料内部时的α粒子发射能谱，形成第二子数据库；
所述第一类电子材料的膜层厚度小于所述第二类电子材料的膜层厚度，所述α源位于第一类电子材料内部时的α粒子发射能谱为分离谱，所述α源位于第二类电子材料内部时的α粒子发射能谱为连续谱。
电子材料按照膜厚的不同可分为第一类电子材料(薄膜材料)和第二类电子材料(厚膜材料)，其中第一类电子材料内含有α源时的表面α粒子发射能谱的属性为分离谱，而第二类电子材料内含有α源时的表面α粒子发射能谱的属性为连续谱。由于两种电子材料对应的能谱属性不相同，因此，本实施例中对两种电子材料的表面α粒子发射能谱分别进行测量，并形成不同类的数据库。即在形成第一数据库的步骤中，针对第一类电子材料，获取α源集合中的各个单一α源位于第一类电子材料内部时的α粒子发射能谱，形成第一子数据库；针对第二类电子材料，开展蒙特卡洛仿真，获取α源集合中的各个单一α源位于第二类电子材料内部时的α粒子发射能谱，形成第二子数据库。
在其中一个实施例中，参照图5，步骤S130，即所述获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库的步骤包括以下步骤：
步骤S131、获取所述α源集合中的若干个α源混合位于第一类电子材料内部时的α粒子发射能谱，形成第三子数据库；
步骤S132、获取所述α源集合中的若干个α源混合位于第二类电子材料内部时的α粒子发射能谱，形成第四子数据库。
与前述步骤S120相同，由于第一类电子材料和第二类电子材料所对应的能谱属性不同，因此，本实施例中对两种电子材料的表面α粒子发射能谱分别进行测量，并形成不同类的数据库。即，在形成第二数据库的步骤中，针对第一类电子材料，获取α源集合中若干个α源混合于第一类电子材料内部时的α粒子发射能谱，形成第三子数据库；针对第二类电子材料，开展蒙特卡洛仿真，获取α源集合中若干个α源混合于第二类电子材料内部时的α粒子发射能谱，形成第四子数据库。
在其中一个实施例中，步骤S300，即所述对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理的步骤包括以下步骤：
步骤S310、将目标电子材料样品表面的α粒子发射能谱按照预设规则进行分段，并对每一段的粒子通量进行归一化处理；
步骤S320、将α粒子发射能谱数据库中的每一个α粒子发射能谱均按照所述预设规则进行分段，并对每一段的粒子通量进行归一化处理。
即，针对测量到的目标电子材料样品表面的α粒子发射能谱以及α粒子发射能谱数据库中的每一个α粒子发射能谱均按照预设规则进行分段，并针对每一段的粒子通量进行归一化处理。
在其中一个实施例中，所述预设规则包括对α粒子发射能谱的能量值进行等值分段的方式。
具体地，将目标电子材料样品表面的α粒子发射能谱的能谱图横轴的能量值等值分段，假设分段数为N，N通常位于10-100之间，每段对应的粒子通量Fi,target归一化处理，取最大的Fi,target为1，其他则按比例取值，介于0和1之间。
同样地，将α粒子发射能谱数据库中的每一个α粒子发射能谱的能谱图横轴的能量值等值分段，分段数为N，与目标电子材料样品表面的α粒子发射能谱的分段数相同，每段对应的粒子通量Fi,data归一化处理。需要说明的是，针对α粒子发射能谱数据库中的每一个α粒子发射能谱均进行以上操作，假设α粒子发射能谱数据库中包括M个α粒子发射能谱，即对M个α粒子发射能谱均按照能量值等值分段的方式进行分段。
在其中一个实施例中，步骤S400，即所述将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果的步骤包括以下步骤：
步骤S410、将目标电子材料样品表面的α粒子发射能谱的各段粒子通量分别与α粒子发射能谱数据库中的单个α粒子发射能谱的各段粒子通量一一比对，并得到目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的该α粒子发射能谱的匹配度；
步骤S420、依次类推，分别获得目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度。
例如，数据库中含有10个α粒子发射能谱，将每个α粒子发射能谱都分成20段，同样地，也将目标电子材料样品表面的α粒子发射能谱均分成20段。将目标电子材料样品表面的α粒子发射能谱(以下简称为目标能谱)的第1段的粒子通量与数据库中第1个α粒子发射能谱的第1段的粒子通量进行比对，将目标能谱的第2段的粒子通量与数据库中第1个α粒子发射能谱的第2段的粒子通量进行比对，直至目标能谱的第20段的粒子通量与数据库中第1个α粒子发射能谱的第20段的粒子通量比对完成，即完成目标能谱与数据库中的第1个α粒子发射能谱的比对，并根据以上每段粒子通量的比对结果得到目标能谱与数据库中的第1个α粒子发射能谱的匹配度。
同样地，按照以上方式，完成目标能谱与数据库中第2个α粒子发射能谱的比对，得到目标能谱与数据库中第2个α粒子发射能谱的匹配度；完成目标能谱与数据库中第3个α粒子发射能谱的比对，得到目标能谱与数据库中第3个α粒子发射能谱的匹配度；直至完成目标能谱与数据库中第10个α粒子发射能谱的比对，得到目标能谱与数据库中第10个α粒子发射能谱的匹配度。
在其中一个实施例中，所述目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度为：
其中，μj为目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中第j个α粒子发射能谱的匹配度，Fi,target为目标电子材料样品表面的α粒子发射能谱的第i段粒子通量，Fi,data为α粒子发射能谱数据库中第j个α粒子发射能谱的第i段粒子通量，N为分段数，M为α粒子发射能谱数据库中α粒子发射能谱的总个数。
即，通过上述方式将目标能谱的各段粒子通量与数据库中的α粒子发射能谱的各段粒子通量的比对结果综合起来得到目标能谱与该α粒子发射能谱的匹配度，运算较为简单，无需耗费大量资源，且得到的匹配度的准确性也较高。
在其中一个实施例中，步骤S500，即所述根据所述匹配结果识别目标电子材料样品中的α源的步骤包括以下步骤：
步骤S510、确定目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度的最小值，以最小值所对应的α粒子发射能谱数据库中的α源作为识别到的目标电子材料样品中的α源。
当确定了目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度之后，即可确定匹配度μj最小值所对应的数据库中的α粒子发射能谱，该α粒子发射能谱所对应的α源即为最终识别到的目标电子材料样品内存在的α源，且能够识别出目标电子材料样品内部的α源种类、数量以及配比等信息，提高了电子材料内部α源的识别效率和准确度，且方法简便、易实现，适于广泛应用于工程实践中。
实施例二
本实施例提供了一种电子材料中α源的识别装置，参照图6，所述电子材料中α源的识别装置包括构建单元100、测量单元200、网格化处理单元300、匹配单元400以及识别单元500。
其中，构建单元100用于构建α粒子发射能谱数据库；
测量单元200用于测量目标电子材料样品表面的α粒子发射能谱；
网格化处理单元300用于对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理；
匹配单元400用于将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果；
识别单元500用于根据所述匹配结果识别目标电子材料样品中的α源。
由此，预先构建出α粒子发射能谱数据库，为测量到的目标电子材料样品表面的α粒子发射能谱提供比对参考对象，通过测量得到的目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的发射能谱逐个比对，可从数据库中匹配出与目标电子材料样品表面的α粒子发射能谱最接近的能谱，进而以该能谱在数据库中所对应的α源作为目标电子材料样品中α源的识别结果，上述α源识别方法的识别准确性较高，且无需复杂的内部运算，效率较高。
在其中一个实施例中，构建单元100用于：
获取α源集合，所述α源集合包括电子材料中的不同α源；
获取所述α源集合中的各个单一α源的α粒子发射能谱，形成第一数据库；
获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库。
在其中一个实施例中，获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库包括：
确定所述α源集合中α源的若干种混合方式；
获取各个混合方式下的α粒子发射能谱，形成第二数据库。
在其中一个实施例中，所述获取所述α源集合中的各个单一α源的α粒子发射能谱，形成第一数据库包括：
获取所述α源集合中的各个单一α源位于第一类电子材料内部时的α粒子发射能谱，形成第一子数据库；
获取所述α源集合中的各个单一α源位于第二类电子材料内部时的α粒子发射能谱，形成第二子数据库；
所述第一类电子材料的膜层厚度小于所述第二类电子材料的膜层厚度，所述α源位于第一类电子材料内部时的α粒子发射能谱为分离谱，所述α源位于第二类电子材料内部时的α粒子发射能谱为连续谱。
在其中一个实施例中，所述获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库包括：
获取所述α源集合中的若干个α源混合位于第一类电子材料内部时的α粒子发射能谱，形成第三子数据库；
获取所述α源集合中的若干个α源混合位于第二类电子材料内部时的α粒子发射能谱，形成第四子数据库。
在其中一个实施例中，网格化处理单元300用于：
将目标电子材料样品表面的α粒子发射能谱按照预设规则进行分段，并对每一段的粒子通量进行归一化处理；
将α粒子发射能谱数据库中的每一个α粒子发射能谱均按照所述预设规则进行分段，并对每一段的粒子通量进行归一化处理。
在其中一个实施例中，所述预设规则包括对α粒子发射能谱的能量值进行等值分段的方式。
在其中一个实施例中，匹配单元400用于：
将目标电子材料样品表面的α粒子发射能谱的各段粒子通量分别与α粒子发射能谱数据库中的单个α粒子发射能谱的各段粒子通量一一比对，并得到目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的该α粒子发射能谱的匹配度；
依次类推，分别获得目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度。
在其中一个实施例中，所述目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度为：
其中，μj为目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中第j个α粒子发射能谱的匹配度，Fi,target为目标电子材料样品表面的α粒子发射能谱的第i段粒子通量，Fi,data为α粒子发射能谱数据库中第j个α粒子发射能谱的第i段粒子通量，N为分段数，M为α粒子发射能谱数据库中α粒子发射能谱的总个数。
在其中一个实施例中，识别单元500用于：
确定目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度的最小值，以最小值所对应的α粒子发射能谱数据库中的α源作为识别到的目标电子材料样品中的α源。
实施例三
本申请实施例提供了一种电子设备，如图7所示，包括存储器600和处理器700，存储器600和处理器700之间互相通信连接，可以通过总线或者其他方式连接，图7中以通过总线连接为例。
处理器700可以为中央处理器(Central Processing Unit，CPU)。处理器600还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器600作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的电子材料中α源的识别方法。处理器700通过运行存储在存储器600中的非暂态软件程序、指令以及模块，从而执行处理器700的各种功能应用以及数据处理，即电子材料中α源的识别方法。
存储器600可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器700所创建的数据等。此外，存储器600可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器600可选包括相对于处理器700远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种电子材料中α源的识别方法，用于识别目标电子材料样品中的α源，其特征在于，所述电子材料中α源的识别方法包括：
构建α粒子发射能谱数据库；
测量目标电子材料样品表面的α粒子发射能谱；
对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理；其中，所述对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理的步骤包括：将目标电子材料样品表面的α粒子发射能谱按照预设规则进行分段，并对每一段的粒子通量进行归一化处理；将α粒子发射能谱数据库中的每一个α粒子发射能谱均按照所述预设规则进行分段，并对每一段的粒子通量进行归一化处理；
将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果；
根据所述匹配结果识别目标电子材料样品中的α源。
2.根据权利要求1所述的电子材料中α源的识别方法，其特征在于，所述构建α粒子发射能谱数据库的步骤包括：
获取α源集合，所述α源集合包括电子材料中的不同α源；
获取所述α源集合中的各个单一α源的α粒子发射能谱，形成第一数据库；
获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库。
3.根据权利要求2所述的电子材料中α源的识别方法，其特征在于，所述获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库的步骤包括：
确定所述α源集合中α源的若干种混合方式；
获取各个混合方式下的α粒子发射能谱，形成第二数据库。
4.根据权利要求2所述的电子材料中α源的识别方法，其特征在于，所述获取所述α源集合中的各个单一α源的α粒子发射能谱，形成第一数据库的步骤包括：
获取所述α源集合中的各个单一α源位于第一类电子材料内部时的α粒子发射能谱，形成第一子数据库；
获取所述α源集合中的各个单一α源位于第二类电子材料内部时的α粒子发射能谱，形成第二子数据库；
所述第一类电子材料的膜层厚度小于所述第二类电子材料的膜层厚度，所述α源位于第一类电子材料内部时的α粒子发射能谱为分离谱，所述α源位于第二类电子材料内部时的α粒子发射能谱为连续谱。
5.根据权利要求2所述的电子材料中α源的识别方法，其特征在于，所述获取所述α源集合中的若干个α源混合后的α粒子发射能谱，形成第二数据库的步骤包括：
获取所述α源集合中的若干个α源混合位于第一类电子材料内部时的α粒子发射能谱，形成第三子数据库；
获取所述α源集合中的若干个α源混合位于第二类电子材料内部时的α粒子发射能谱，形成第四子数据库。
6.根据权利要求1所述的电子材料中α源的识别方法，其特征在于，所述预设规则包括对α粒子发射能谱的能量值进行等值分段的方式。
7.根据权利要求1所述的电子材料中α源的识别方法，其特征在于，所述将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果的步骤包括：
将目标电子材料样品表面的α粒子发射能谱的各段粒子通量分别与α粒子发射能谱数据库中的单个α粒子发射能谱的各段粒子通量一一比对，并得到目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的该α粒子发射能谱的匹配度；
依次类推，分别获得目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度。
8.根据权利要求7所述的电子材料中α源的识别方法，其特征在于，所述目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度为：
其中，μj为目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中第j个α粒子发射能谱的匹配度，Fi,target为目标电子材料样品表面的α粒子发射能谱的第i段粒子通量，Fi,data为α粒子发射能谱数据库中第j个α粒子发射能谱的第i段粒子通量，N为分段数，M为α粒子发射能谱数据库中α粒子发射能谱的总个数。
9.根据权利要求8所述的电子材料中α源的识别方法，其特征在于，所述根据所述匹配结果识别目标电子材料样品中的α源的步骤包括：
确定目标电子材料样品表面的α粒子发射能谱与α粒子发射能谱数据库中的各个α粒子发射能谱的匹配度的最小值，以最小值所对应的α粒子发射能谱数据库中的α源作为识别到的目标电子材料样品中的α源。
10.一种电子材料中α源的识别装置，其特征在于，所述电子材料中α源的识别装置包括：
构建单元，用于构建α粒子发射能谱数据库；
测量单元，用于测量目标电子材料样品表面的α粒子发射能谱；
网格化处理单元，用于对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理；其中，所述对测量得到的目标电子材料样品表面的α粒子发射能谱，以及α粒子发射能谱数据库中的α粒子发射能谱进行网格化处理的步骤包括：将目标电子材料样品表面的α粒子发射能谱按照预设规则进行分段，并对每一段的粒子通量进行归一化处理；将α粒子发射能谱数据库中的每一个α粒子发射能谱均按照所述预设规则进行分段，并对每一段的粒子通量进行归一化处理；
匹配单元，用于将网格化处理后的目标电子材料样品表面的α粒子发射能谱，与网格化处理后的数据库中的α粒子发射能谱逐个比对，得到匹配结果；
识别单元，用于根据所述匹配结果识别目标电子材料样品中的α源。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时实现如权利要求1-9任一项所述的电子材料中α源的识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110278942.6A CN113077850B (zh) | 2021-03-16 | 2021-03-16 | 电子材料中α源的识别方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110278942.6A CN113077850B (zh) | 2021-03-16 | 2021-03-16 | 电子材料中α源的识别方法、装置及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113077850A CN113077850A (zh) | 2021-07-06 |
| CN113077850B true CN113077850B (zh) | 2023-11-07 |
Family
ID=76612518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110278942.6A Active CN113077850B (zh) | 2021-03-16 | 2021-03-16 | 电子材料中α源的识别方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113077850B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5187370A (en) * | 1991-11-27 | 1993-02-16 | University Of California | Alternating current long range alpha particle detector |
| GB9910564D0 (en) * | 1998-05-08 | 1999-07-07 | British Nuclear Fuels Plc | Improvemets in and relating to ion momitoring |
| CN111353259A (zh) * | 2020-02-27 | 2020-06-30 | 长安大学 | 一种金属二次电子发射系数计算方法 |
| CN111538068A (zh) * | 2020-05-07 | 2020-08-14 | 中国计量科学研究院 | 一种放射性表面污染测量装置及表面污染测量方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101769065B1 (ko) * | 2009-11-11 | 2017-08-17 | 오스트레일리안 뉴클리어 사이언스 앤드 테크놀로지 오가니제이션 | 방사선 징후의 이상 감지 |
-
2021
- 2021-03-16 CN CN202110278942.6A patent/CN113077850B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5187370A (en) * | 1991-11-27 | 1993-02-16 | University Of California | Alternating current long range alpha particle detector |
| GB9910564D0 (en) * | 1998-05-08 | 1999-07-07 | British Nuclear Fuels Plc | Improvemets in and relating to ion momitoring |
| CN111353259A (zh) * | 2020-02-27 | 2020-06-30 | 长安大学 | 一种金属二次电子发射系数计算方法 |
| CN111538068A (zh) * | 2020-05-07 | 2020-08-14 | 中国计量科学研究院 | 一种放射性表面污染测量装置及表面污染测量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113077850A (zh) | 2021-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7441168B2 (en) | Fault detecting method and layout method for semiconductor integrated circuit | |
| EP1583007A2 (en) | Method for evaluating semiconductor device error and system for supporting the same | |
| US6367040B1 (en) | System and method for determining yield impact for semiconductor devices | |
| US10930597B2 (en) | Die screening using inline defect information | |
| TW201710697A (zh) | 在邏輯晶片中基於電壓對比之錯誤及缺陷推導 | |
| DE112021000600T5 (de) | Fortschrittlicher inline part average test | |
| US6985830B2 (en) | Method of measuring the probability of failure caused only by defects, method of measuring defect limited yield, and system using the same | |
| CN111524826A (zh) | 接触孔关键尺寸的检测方法、存储介质和设备 | |
| CN106372315B (zh) | 基于改进的布朗漂移运动的加速退化试验方法 | |
| CN113077850B (zh) | 电子材料中α源的识别方法、装置及计算机可读存储介质 | |
| CN108073674B (zh) | 集成电路芯片中的系统缺陷的故障标识数据库的早期开发 | |
| CN111366968B (zh) | 一种重离子束流均匀度测试系统和方法 | |
| JP2001244162A (ja) | 実験結果を自動的に評価する方法 | |
| Li et al. | A SPECT system simulator built on the SolidWorksTM 3D-Design package | |
| Fedorov et al. | Investigation of 14.1 MeV neutrons interaction with C, Mg, Cr | |
| KR102196942B1 (ko) | 설계 분석을 이용한 계측 타겟의 전기적 관련 배치 | |
| Balachandran et al. | Improvement of SRAM-based failure analysis using calibrated Iddq testing | |
| US20050167661A1 (en) | Lithography evaluating method, semiconductor device manufacturing method and program medium | |
| JPH11176899A (ja) | 欠陥警告方法及び欠陥警告システム | |
| CN116882361B (zh) | 芯片缺陷分析方法、电子设备及存储介质 | |
| EP3637118B1 (en) | Soft error inspection method, soft error inspection device, and soft error inspection system | |
| Heinrich et al. | Anomalons: Current status and first evidence from plastic track detectors | |
| CN115437866A (zh) | 芯片测试方法、装置、设备及存储介质 | |
| JP2004138529A (ja) | 宇宙線中性子によるエラー解析方法 | |
| Friant | Rastered Beam Interaction Vertex Reconstruction in the CLAS12 Detector |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |