CN114690015B

CN114690015B - Mos器件的测试方法、装置、系统、设备和存储介质

Info

Publication number: CN114690015B
Application number: CN202210605507.4A
Authority: CN
Inventors: 黄传伟; 胡盖; 吴雷
Original assignee: Jiangsu Donghai Semiconductor Co ltd
Current assignee: Jiangsu Donghai Semiconductor Co ltd
Priority date: 2022-05-31
Filing date: 2022-05-31
Publication date: 2022-09-16
Anticipated expiration: 2042-05-31
Also published as: CN114690015A

Abstract

本申请公开了一种MOS器件的测试方法、装置、系统、设备和存储介质，该方法包括：获取测试器件的漏极电流，该漏极电流是向测试器件施加栅极电压时测量得到的；根据栅极电压和漏极电流计算得到测试器件的阈值电压的测量值；获取晶圆所在环境的环境温度；调用预测模型对栅极电压、栅极电压对应的漏极电流和环境温度进行处理，得到测试器件的阈值电压的预测值，预测模型是根据测试组训练得到的机器学习模型，测试组是对样本器件进行测试得到的数据，测试组包括量测数据和样本器件对应的阈值电压，量测数据包括施加于样本器件的栅极电压、样本器件的栅极电压对应的漏极电流以及样本器件所在环境的环境温度；根据测量值和预测值确定测试器件是否失效。

Description

MOS器件的测试方法、装置、系统、设备和存储介质

技术领域

本申请涉及半导体制造技术领域，具体涉及一种MOS器件的测试方法、装置、系统、设备和存储介质。

背景技术

在半导体制造工艺的后道（backend of line，BEOL）工序，通常需要对集成在晶圆上的半导体器件进行功能测试，测试通过的晶圆才能作为有效的产品投入后续的使用。随着晶圆尺寸的日益增长，单片晶圆上的芯片数量也越来越多，不可能逐个测试所有芯片的器件功能，仅会在晶圆上随机选取若干点测试其器件功能。

金属-氧化物半导体场效应晶体管（metal-oxide-semiconductor field-effecttransistor，MOSFET，本申请中简称为“MOS”）器件是一种应用于模拟电路与数字电路的半导体器件。相关技术中，对MOS器件的测试方法包括：对测试点施加栅极电压，该栅极电压从MOS器件的初始值开始按照预设的电压步长依次加压至最大值，通过测量测试点的漏极电流以及与漏极电流相对应的栅极电压，确定测试点的阈值电压；若漏极电流无法达到参考电流，则判断该测试点失效。然而，仅仅通过漏极电流是否达到参考电流判断测试点是否失效并不准确。

发明内容

本申请提供了一种MOS器件的测试方法、装置、系统、设备和存储介质，可以解决相关技术中提供的通过检测器件的漏极电流是否达到参考电流确定其是否失效所导致的测试准确度较低的问题。

一方面，本申请实施例提供了一种MOS器件的测试方法，包括：

获取测试器件的漏极电流，所述测试器件是集成有MOS器件的晶圆上用于测试的器件，所述漏极电流是向所述测试器件施加栅极电压时测量得到的；

根据所述栅极电压和所述漏极电流计算得到所述测试器件的阈值电压的测量值；

获取所述晶圆所在环境的环境温度；

调用预测模型对所述栅极电压、所述栅极电压对应的漏极电流和所述环境温度进行处理，得到所述测试器件的阈值电压的预测值，所述预测模型是根据测试组训练得到的机器学习模型，所述测试组是对样本器件进行测试得到的数据，所述测试组包括量测数据和所述样本器件对应的阈值电压，所述量测数据包括施加于所述样本器件的栅极电压、所述样本器件的栅极电压对应的漏极电流以及所述样本器件所在环境的环境温度；

根据所述测量值和所述预测值确定所述测试器件是否失效。

在一些实施例中，所述漏极电流是从初始电压开始，以△V为电压步进依次向所述测试器件施加N个栅极电压测量得到的，N为自然数，N≥2。

在一些实施例中，所述初始电压和所述第N个栅极电压是对至少两个样本器件进行测试得到的。

在一些实施例中，根据所述栅极电压和所述漏极电流计算得到所述测试器件的阈值电压的测量值，包括：

在N个漏极电流中确定参考电流，所述参考电流是所述N个漏极电流中与标准电流最接近的；

将所述参考电流对应的栅极电压确定为所述阈值电压的测量值。

在一些实施例中，根据所述测量值和所述预测值确定所述测试器件是否失效，包括：

计算得到所述测量值和所述预测值之间的差值；

根据所述差值确定所述测试器件是否失效。

在一些实施例中，所述根据所述差值确定所述测试器件是否失效，包括：

将所述差值除以所述预测值得到失效参数；

当所述失效参数大于参考参数时，确定所述测试器件失效。

在一些实施例中，所述预测模型是基于反向传播神经网络模型根据所述测试组训练得到的。

在一些实施例中，所述获取测试器件的漏极电流之前，还包括：

获取多组测试组，所述多组测试组中存在至少两组测试组的环境温度不同；

调用原始预测模型对所述多组测试组中的每组量测数据进行处理，得到所述每组量测数据对应的阈值电压的预测值；

计算所述每组量测数据对应预测值和所述每组量测数据对应的阈值电压之间的差值；

根据所述差值，通过反向传播算法对所述原始预测模型进行训练，得到所述预测模型。

另一方面，本申请实施例提供了一种MOS器件的测试装置，包括：

获取模块，用于获取测试器件的漏极电流，所述测试器件是集成有MOS器件的晶圆上用于测试的器件，所述漏极电流是向所述测试器件施加栅极电压时测量得到的；

处理模块，用于根据所述栅极电压和所述漏极电流计算得到所述测试器件的阈值电压的测量值；

所述获取模块，还用于获取所述晶圆所在环境的环境温度；

所述处理模块，还用于调用预测模型对所述栅极电压、所述栅极电压对应的漏极电流和所述环境温度进行处理，得到所述测试器件的阈值电压的预测值，所述预测模型是根据测试组训练得到的机器学习模型，所述测试组是对样本器件进行测试得到的数据，所述测试组包括量测数据和所述样本器件对应的阈值电压，所述量测数据包括施加于所述样本器件的栅极电压、所述样本器件的栅极电压对应的漏极电流以及所述样本器件所在环境的环境温度；根据所述测量值和所述预测值确定所述测试器件是否失效。

另一方面，本申请实施例提供了一种MOS器件的测试系统，包括：

电源，用于通过探针卡向测试器件施加栅极电压，所述测试器件是集成有MOS器件的晶圆上用于测试的器件；

所述探针卡，用于和所述测试器件的输入、输出端口连接；

采集卡，用于在向所述测试器件施加栅极电压时通过所述探针卡测量所述测试器件的漏极电流；

测温装置，用于测量所述测试器件所在环境的环境温度；

计算机设备，用于从所述采集卡获取所述测试器件的漏极电流；根据所述栅极电压和所述漏极电流计算得到所述测试器件的阈值电压的测量值；从所述测温装置获取所述晶圆所在环境的环境温度；调用预测模型对所述栅极电压、所述栅极电压对应的漏极电流和所述环境温度进行处理，得到所述测试器件的阈值电压的预测值，所述预测模型是根据测试组训练得到的机器学习模型，所述测试组是对样本器件进行测试得到的数据，所述测试组包括量测数据和所述样本器件对应的阈值电压，所述量测数据包括施加于所述样本器件的栅极电压、所述样本器件的栅极电压对应的漏极电流以及所述样本器件所在环境的环境温度；根据所述测量值和所述预测值确定所述测试器件是否失效。

另一方面，本申请实施例提供了一种计算机设备，包括处理器和存储器，所述存储器中存储有至少一条指令或程序，所述指令或程序由所述处理器加载并执行以实现如上任一所述的MOS器件的测试方法。

另一方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如上任一所述的MOS器件的测试方法。

本申请技术方案，至少包括如下优点：

通过对测试器件施加栅极电压，测量其漏极电流，根据栅极电压和漏极电流计算其阈值电压的测量值，通过调用预测模型对栅极电压、漏极电流和环境温度进行处理，得到其阈值电压的预测值，通过阈值电压的测量值和预测值判断测试器件失效与否，由于预测值是通过考虑有环境温度的机器学习模型输出的结果，因此能够更加准确的得到测试器件的阈值电压，从而以此为参考对测试器件的失效进行检测，其准确度较高。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一个示例性实施例提供的待测试的晶圆的俯视示意图；

图2是本申请一个示例性实施例提供的MOS器件的测试系统的示意图；

图3是本申请一个示例性实施例提供的探针的示意图；

图4是本申请一个示例性实施例提供的MOS器件的测试方法的流程图；

图5是本申请一个示例性实施例提供的预测模型的训练方法的流程图；

图6是本申请一个示例性实施例提供的MOS器件的测试装置的框图；

图7是本申请一个示例性实施例提供的计算机设备的框图。

具体实施方式

下面将结合附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在不做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。

在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电气连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

此外，下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

参考图1，其示出了本申请一个示例性实施例提供的待测试的晶圆的俯视示意图。

示例性的，如图1所示，该晶圆100上集成有MOS器件，选取晶圆100上的至少两个区域作为需要进行测试的区域（图1中以6个测试区域101作为示例性说明），每个测试区域101中集成有至少两个MOS器件，测试区域101中集成的MOS器件即为本申请实施例中的测试器件。

在一些实施例中，从俯视角度观察，每个测试区域101都不重叠，且存在一个测试区域101位于晶圆100的中心区域。

参考图2，其示出了本申请一个示例性实施例提供的MOS器件的测试系统的示意图。如图2所示，该测试系统包括电源210、探针卡220、采集卡230、测温装置240和计算机设备250，探针卡220分别与电源210、采集卡230之间建立有电连接，电源210、采集卡230和测温装置240分别与计算机设备250建立有通信连接，其中：

电源210，用于通过探针卡220向测试器件施加栅极电压。在对晶圆100进行测试时，探针卡220上的探针（图2中未示出）与测试器件的输入、输出端口连接，电源210通过探针卡220向测试器件施加栅极电压。

采集卡230，用于在向测试器件施加栅极电压时通过探针卡220测量测试器件的漏极电流。在对晶圆100进行测试时，电源210通过探针卡220向测试器件施加栅极电压时，采集卡230通过探针卡220测量测试器件的漏极电流。

测温装置240，用于测量测试器件所在环境的环境温度。在对晶圆100进行测试时，测温装置240可设置于晶圆100附近，从而能够较为准确地获得测试器件所在环境的环境温度。

计算机设备250，用于从采集卡230获取测试器件的漏极电流；根据栅极电压和漏极电流计算得到测试器件的阈值电压的测量值；从测温装置240获取晶圆100所在环境的环境温度；调用预测模型对栅极电压、栅极电压对应的漏极电流和环境温度进行处理，得到测试器件的阈值电压的预测值；根据测量值和预测值确定测试器件是否失效。

其中，预测模型是根据测试组训练得到的机器学习模型，测试组是对样本器件进行测试得到的数据，测试组包括量测数据和样本器件对应的阈值电压，量测数据包括施加于样本器件的栅极电压、样本器件的栅极电压对应的漏极电流以及样本器件所在环境的环境温度。

在对晶圆100进行测试时，计算机设备250对晶圆100的图形文件进行载入，确定每个测试区域101的位置信息，控制探针卡220分别对每个测试区域101进行连接，对于晶圆100上的任一测试区域101，探针卡上依次与该测试区域101中的每个测试器件的输入、输出端口连接，在与测试器件连接时，电源210通过探针卡220向测试器件施加栅极电压时，采集卡230通过探针卡220测量测试器件的漏极电流，计算机设备250从采集卡230获取测试器件的漏极电流，从电源210获取施加的栅极电压，从测温装置240获取晶圆100所在环境的环境温度。

参考图3，其示出了本申请一个示例性实施例提供的探针的示意图。示例性的，如图3所示，探针221的端部为钩型，当其与测试器件的端口310（其可以是输入端口，也可以输出端口）连接时，钩型的端部可以增加探针221与端口310的接触面积，且能够避免针型的探针端部对端口310的表面造成划伤。其中，端口310上覆盖有保护层320，暴露出与探针221连接的区域。通常来说，测试器件具有四个端口，这四个端口分别与测试器件的栅极、源极、漏极和体区建立电连接。

在一些实施例中，在对测试器件进行测试时，计算机设备250控制电源210从初始电压开始，以△V为电压步进依次向测试器件施加N（N为自然数，N≥2）个栅极电压，同时，计算机设备250通过采集卡230测量得到在N个栅极电压中的每个栅极电压下的漏极电流。可选的，△V∈[0.01,0.5]伏特（V）。

示例性的，初始电压和第N个栅极电压是对至少两个样本器件进行测试得到的。例如，选取集成有相同MOS器件产品的n1（n1为自然数，n1≥2）片晶圆，在n1片晶圆的每片晶圆上选取至少一个MOS器件作为样本器件，对样本器件施加预设的栅极电压，测量得到其漏极电流，根据每个样本器件的栅极电压和漏极电流计算得到每个样本器件的阈值电压，取其中的最小值和最大值，计算得到最小值和最大值之间的差值，将差值的1/2作为偏差值，将最小值减去偏差值作为初始电压，将最大值加偏差值作为第N个栅极电压；或者，将测试器件的栅极和漏极短接，在其漏极通入电流，测量得到源极和漏极之间的电压作为候选电压，得到每个样本器件的候选电压，取候选电压的最小值，计算得到取候选电压的最小值与前述的最大值之间的差值，将该差值的1/2作为偏差值，将候选电压的最小值减去偏差值作为初始电压，将前述的最大值加偏差值作为第N个栅极电压。

进一步的，可将n1片晶圆置于不同温度的环境中，测量和计算得到处于不同环境温度下每个样本器件的阈值电压，取其中的最小值和最大值，计算得到最小值和最大值之间的差值，将差值的1/2作为偏差值，将最小值减去偏差值作为初始电压，将最大值加偏差值作为第N个栅极电压。环境温度的取值范围为-15摄氏度（℃）至110摄氏度；或者，在上述的不同环境温度下，将测试器件的栅极和漏极短接，在其漏极通入电流，测量得到源极和漏极之间的电压作为候选电压，得到每个样本器件的候选电压，取候选电压的最小值，计算得到取候选电压的最小值与前述的最大值之间的差值，将该差值的1/2作为偏差值，将候选电压的最小值减去偏差值作为初始电压，将前述的最大值加偏差值作为第N个栅极电压。

参考图4，其示出了本申请一个示例性实施例提供的MOS器件的测试方法的流程图，如图4所示，该方法可由图2实施例中的计算机设备250执行，该方法包括：

步骤S1，获取测试器件的漏极电流。

如上所述，当对测试器件进行测试时，计算机设备控制探针卡与测试器件的端口连接，控制电源通过探针卡向测试器件施加栅极电压，采集卡通过探针卡测量测试器件的漏极电流，计算机设备从采集卡获取测试器件的漏极电流。

步骤S2，根据栅极电压和漏极电流计算得到测试器件的阈值电压的测量值。

示例性的，计算机设备控制电源通过探针卡向测试器件从初始电压开始，以△V为电压步进依次向测试器件施加N个栅极电压，从采集卡获取N个栅极电压下的漏极电流。

例如，在初始电压Vs1下，其漏极电流为Id1，则计算机设备存储Vs1-Id1的对应关系；在第二个栅极电压Vs2（Vs2=Vs1+△V）下，其漏极电流为Id2，则计算机设备存储Vs2-Id2的对应关系，依次类推，计算机设备获取得到N个栅极电压和N个漏极电流，以及两者之间的对应关系，计算机设备在N个漏极电流中确定参考电流（其中，参考电流是N个漏极电流中与标准电流（经验值）最接近的），将参考电流对应的栅极电压确定为阈值电压的测量值。

步骤S3，获取晶圆所在环境的环境温度。

示例性的，在计算机设备控制电源向测试器件施加栅极电压，获取得到漏极电流时，从测温装置获取每次施加栅极电压时的环境温度，记录栅极电压、漏极电流和环境温度的对应关系。

步骤S4，调用预测模型对栅极电压、栅极电压对应的漏极电流和环境温度进行处理，得到测试器件的阈值电压的预测值。

其中，预测模型是根据测试组训练得到的机器学习模型，测试组是对样本器件进行测试得到的数据，测试组包括量测数据和样本器件对应的阈值电压，量测数据包括施加于样本器件的栅极电压、样本器件的栅极电压对应的漏极电流以及样本器件所在环境的环境温度。由于引入了机器学习模型，该机器学习模型是考虑有环境温度的机器学习模型，因此能够更加准确的计算得到在环境温度影响下的器件的阈值电压。

在一些实施例中，该预测模型是基于反向传播神经网络模型根据测试组训练得到的。

步骤S5，根据测量值和预测值确定测试器件是否失效。

示例性的，可计算得到测量值和预测值之间的差值；根据差值确定测试器件是否失效。例如，将差值除以预测值得到失效参数；当失效参数大于参考参数（预设值）时，确定测试器件失效；反之，若失效参数不大于参考参数，则确定测试器件正常。

综上所述，本申请实施例中，通过对测试器件施加栅极电压，测量其漏极电流，根据栅极电压和漏极电流计算其阈值电压的测量值，通过调用预测模型对栅极电压、漏极电流和环境温度进行处理，得到其阈值电压的预测值，通过阈值电压的测量值和预测值判断测试器件失效与否，由于预测值是通过考虑有环境温度的机器学习模型输出的结果，因此能够更加准确的得到测试器件的阈值电压，从而以此为参考对测试器件的失效进行检测，其准确度较高。

参考图5，其示出了本申请一个示例性实施例提供的预测模型的训练方法的流程图，该方法可由图2实施例中的计算机设备250执行，其可以是图4实施例中步骤S1之前执行的方法，该方法包括：

步骤S1.1获取多组测试组，多组测试组中存在至少两组测试组的环境温度不同。

示例性的，选取集成有相同MOS器件产品的n2（n2为自然数，n2≥2）片晶圆，在n2片晶圆上选取至少一个MOS器件作为样本器件，将n2片晶圆中至少两片晶圆置于不同温度的环境中，对样本器件施加栅极电压（从初始电压到第N个栅极电压），测量得到其漏极电流，根据每个样本器件的栅极电压和漏极电流计算得到每个样本器件的阈值电压，存储量测数据（栅极电压、漏极电压和环境温度）和阈值电压的对应关系，得到多组测试组，将多组测试组划分为训练集和测试集（训练集和测试集之间的比例为9:1至3:1）。其中，环境温度的取值范围为-15摄氏度至110摄氏度。

步骤S1.2，调用原始预测模型对多组测试组中的每组量测数据进行处理，得到每组量测数据对应的阈值电压的预测值。

示例性的，可将训练集中的每组量测数据输入至原始预测模型，得到每组量测数据对应的阈值电压的预测值。

步骤S1.3，计算每组量测数据对应预测值和每组量测数据对应的阈值电压之间的差值。

例如，对于训练集中的测试组a，其阈值电压为Va1，其量测数据a通过预测模型（其可以是原始预测模型，也可以是训练后的预测模型）处理后，得到预测值为Va2，计算得到预测值Va2和阈值电压Va1之间的差值。

步骤S1.4，根据每组量测数据对应预测值和每组量测数据对应的阈值电压之间的差值，通过反向传播算法对原始预测模型进行训练，得到预测模型。

示例性的，如上述，根据预测值Va2和阈值电压Va1之间的差值，通过反向传播算法对本次的预测模型进行训练，得到下次数据输入时的预测模型。

参考图6，其示出了本申请一个示例性实施例提供的MOS器件的测试装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为上述实施例中的计算机设备，该装置包括获取模块610和处理模块620。

获取模块610，用于获取测试器件的漏极电流，测试器件是集成有MOS器件的晶圆上用于测试的器件，漏极电流是向测试器件施加栅极电压时测量得到的。

处理模块620，用于根据栅极电压和漏极电流计算得到测试器件的阈值电压的测量值。

获取模块610，还用于获取晶圆所在环境的环境温度；

处理模块620，还用于调用预测模型对栅极电压、栅极电压对应的漏极电流和环境温度进行处理，得到测试器件的阈值电压的预测值，预测模型是根据测试组训练得到的机器学习模型，测试组是对样本器件进行测试得到的数据，测试组包括量测数据和样本器件对应的阈值电压，量测数据包括施加于样本器件的栅极电压、样本器件的栅极电压对应的漏极电流以及样本器件所在环境的环境温度；根据测量值和预测值确定测试器件是否失效。

在一些实施例中，漏极电流是从初始电压开始，以△V为电压步进依次向测试器件施加N个栅极电压测量得到的，N为自然数，N≥2。

在一些实施例中，初始电压和第N个栅极电压是对至少两个样本器件进行测试得到的。

在一些实施例中，处理模块620，还用于在N个漏极电流中确定参考电流，参考电流是N个漏极电流中与标准电流最接近的；将参考电流对应的栅极电压确定为阈值电压的测量值。

在一些实施例中，处理模块620，还用于计算得到测量值和预测值之间的差值；根据该差值确定测试器件是否失效。

在一些实施例中，处理模块620，还用于将测量值和预测值之间的差值除以预测值得到失效参数；当失效参数大于参考参数时，确定测试器件失效。

在一些实施例中，预测模型是基于反向传播神经网络模型根据测试组训练得到的。

在一些实施例中，处理模块620，还用于获取多组测试组，多组测试组中存在至少两组测试组的环境温度不同；调用原始预测模型对多组测试组中的每组量测数据进行处理，得到每组量测数据对应的阈值电压的预测值；计算每组量测数据对应预测值和每组量测数据对应的阈值电压之间的差值；根据该差值，通过反向传播算法对原始预测模型进行训练，得到预测模型。

参考图7，其示出了本申请一个示例性的实施例提供的计算机设备的框图。该计算机设备可以是图2实施例中的计算机设备250，其包括：处理器710以及存储器720。

处理器710可以是中央处理器（central processing unit ，CPU），网络处理器（network processor，NP）或者CPU和NP的组合。处理器710还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路（application-specific integrated circuit，ASIC），可编程逻辑器件（programmable logic device，PLD）或其组合。上述PLD可以是复杂可编程逻辑器件（complex programmable logic device，CPLD），现场可编程逻辑门阵列（field-programmable gate array，FPGA），通用阵列逻辑（generic array logic，GAL）或其任意组合。

存储器720通过总线或其它方式与处理器710相连，存储器720中存储有至少一条指令、至少一段程序、代码集或指令集，上述至少一条指令、至少一段程序、代码集或指令集由处理器710加载并执行以实现如上任一实施例中提供的MOS器件的测试方法。存储器720可以为易失性存储器（volatile memory），非易失性存储器（non-volatile memory）或者它们的组合。易失性存储器可以为随机存取存储器（random-access memory，RAM），例如静态随机存取存储器（static random access memory，SRAM），动态随机存取存储器（dynamicrandom access memory，DRAM）。非易失性存储器可以为只读存储器（read only memoryimage，ROM），例如可编程只读存储器（programmable read only memory，PROM），可擦除可编程只读存储器（erasable programmable read only memory，EPROM），电可擦除可编程只读存储器（electrically erasable programmable read-only memory，EEPROM）。非易失性存储器也可以为快闪存储器（flash memory），磁存储器，例如磁带（magnetic tape），软盘（floppy disk），硬盘。非易失性存储器也可以为光盘。

本申请还提供一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任一实施例所述的MOS器件的测试方法。

本申请还提供了一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述各个方法实施例提供的MOS器件的测试方法。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本申请创造的保护范围之中。

Claims

1.一种MOS器件的测试方法，其特征在于，包括：

获取测试器件的漏极电流，所述测试器件是集成有MOS器件的晶圆上用于测试的器件，所述漏极电流是向所述测试器件施加栅极电压时测量得到的，所述漏极电流是从初始电压开始，以△V为电压步进依次向所述测试器件施加N个栅极电压测量得到的，N为自然数，N≥2，所述初始电压和第N个栅极电压是对至少两个样本器件进行测试得到的；

在N个漏极电流中确定参考电流，所述参考电流是所述N个漏极电流中与标准电流最接近的，所述标准电流为经验值；

将所述参考电流对应的栅极电压确定为阈值电压的测量值；

获取所述晶圆所在环境的环境温度；

根据所述测量值和所述预测值确定所述测试器件是否失效。

2.根据权利要求1所述的方法，其特征在于，所述根据所述测量值和所述预测值确定所述测试器件是否失效，包括：

计算得到所述测量值和所述预测值之间的差值；

根据所述差值确定所述测试器件是否失效。

3.根据权利要求2所述的方法，其特征在于，所述根据所述差值确定所述测试器件是否失效，包括：

将所述差值除以所述预测值得到失效参数；

当所述失效参数大于参考参数时，确定所述测试器件失效。

4.根据权利要求3所述的方法，其特征在于，所述预测模型是基于反向传播神经网络模型根据所述测试组训练得到的。

5.根据权利要求4所述的方法，其特征在于，所述获取测试器件的漏极电流之前，还包括：

6.一种MOS器件的测试装置，其特征在于，包括：

获取模块，用于获取测试器件的漏极电流，所述测试器件是集成有MOS器件的晶圆上用于测试的器件，所述漏极电流是向所述测试器件施加栅极电压时测量得到的，所述漏极电流是从初始电压开始，以△V为电压步进依次向所述测试器件施加N个栅极电压测量得到的，N为自然数，N≥2，所述初始电压和第N个栅极电压是对至少两个样本器件进行测试得到的；

处理模块，用于在N个漏极电流中确定参考电流，所述参考电流是所述N个漏极电流中与标准电流最接近的，所述标准电流为经验值；将所述参考电流对应的栅极电压确定为阈值电压的测量值；

所述获取模块，还用于获取所述晶圆所在环境的环境温度；

7.一种MOS器件的测试系统，其特征在于，包括：

所述探针卡，用于和所述测试器件的输入、输出端口连接；

采集卡，用于在从初始电压开始，以△V为电压步进依次向所述测试器件施加N个栅极电压时通过所述探针卡测量所述测试器件的漏极电流， N为自然数，N≥2，所述初始电压和第N个栅极电压是对至少两个样本器件进行测试得到的；

测温装置，用于测量所述测试器件所在环境的环境温度；

计算机设备，用于从所述采集卡获取所述测试器件的漏极电流；在N个漏极电流中确定参考电流，所述参考电流是所述N个漏极电流中与标准电流最接近的，所述标准电流为经验值；将所述参考电流对应的栅极电压确定为阈值电压的测量值；从所述测温装置获取所述晶圆所在环境的环境温度；调用预测模型对所述栅极电压、所述栅极电压对应的漏极电流和所述环境温度进行处理，得到所述测试器件的阈值电压的预测值，所述预测模型是根据测试组训练得到的机器学习模型，所述测试组是对样本器件进行测试得到的数据，所述测试组包括量测数据和所述样本器件对应的阈值电压，所述量测数据包括施加于所述样本器件的栅极电压、所述样本器件的栅极电压对应的漏极电流以及所述样本器件所在环境的环境温度；根据所述测量值和所述预测值确定所述测试器件是否失效。

8.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令或程序，所述指令或程序由所述处理器加载并执行以实现如权利要求1至5中任一所述的MOS器件的测试方法。

9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至5中任一所述的MOS器件的测试方法。