CN115424652A - 修调测试的方法、装置、电子设备和可读存储介质 - Google Patents

Abstract

本公开提供了一种修调测试的方法、装置、电子设备和可读存储介质，涉及半导体测试技术领域。其中，基于分类模型进行修调测试的方法包括：获取集成电路芯片的历史修调测试数据，并将所述历史修调测试数据配置为分类训练样本集；使用分类算法对所述分类训练样本集进行模型训练，得到分类修调模型；将基于所述分类修调模型生成的修调文件发送至测试设备，以使所述测试设备基于所述修调文件对目标芯片的修调电路的电路参数进行修调，并对修调后的所述目标芯片进行测试。通过本公开的技术方案，能够对海量Trim实测数据进行有效可靠利用，基于生成的分类修调模型对待测试的目标芯片进行修调测试，有利于简化测试过程、提高测试效率以及降低测试成本。

Description

修调测试的方法、装置、电子设备和可读存储介质

技术领域

本公开涉及半导体测试技术领域，尤其涉及一种基于分类模型进行修调测试的方法、一种基于分类模型进行修调测试的装置、一种电子设备和一种计算机可读存储介质。

背景技术

Trim修调指在芯片测试中对电路内部的一些参数进行修调的过程，这些参数包括参考电压、偏置电流、带隙电压和/或震荡电路频率等，通过对上述参数进行修正，使参数接近target理想目标值，

相关技术中，针对DRAM(动态随机存取内存)，由于其Trim电路通常采用一次性可编程存储器efuse的处理方式，并且在通过ATE(Automatic Test Equipment，测试设备)进行测量的过程中，同测芯片均独立进行Trim，基于上述处理方式，如果需要对芯片重复进行Trim，则需要ATE重新配置芯片并测量，依次循环进行，导致Trim过程较长、效率较差，测试成本高。

另外，对在量产测试中生成的海量Trim实测数据直接丢弃，也在一定程度上造成了数据浪费。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种修调测试的方法、装置、电子设备和可读存储介质，以简化对芯片的修调测试过程、提高测试效率以及降低测试成本。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种基于分类模型进行修调测试的方法，应用于数据处理设备，包括：获取集成电路芯片的历史修调测试数据，并将所述历史修调测试数据配置为分类训练样本集；使用分类算法对所述分类训练样本集进行模型训练，得到分类修调模型；将基于所述分类修调模型生成的修调文件发送至测试设备，以使所述测试设备基于所述修调文件对目标芯片的修调电路的电路参数进行修调，并对修调后的所述目标芯片进行测试。

在本公开的一种示例性实施例中，所述将所述历史修调测试数据配置为分类训练样本集包括：将所述历史修调测试数据对应的晶圆划分多个区域；基于所述集成电路芯片的裸片在所述晶圆上的位置信息确定归属区域；基于所述归属区域对所述历史修调测试数据进行分类，将分类后的集合确定为所述分类训练样本集。

在本公开的一种示例性实施例中，所述将所述历史修调测试数据对应的晶圆划分多个区域包括：基于所述晶圆的制程参数配置对所述晶圆进行分区的分区数量和分区方式；基于所述分区数量和所述分区方式划分所述多个区域，其中，所述多个区域包括圆心区域以及所述圆心区域外侧的多个环状区域。

在本公开的一种示例性实施例中，所述分类算法包括随机森林、支持向量机、K最邻近算法和决策树分类算法中的至少一种。

在本公开的一种示例性实施例中，所述分类算法包括所述K最邻近算法，所述使用分类算法对所述分类训练样本集进行模型训练，得到分类修调模型包括：基于待测样本的第一位置信息、第一测试值、第一目标值和第一参数生成第一特征向量；基于所述分类训练样本集中多个训练样本的第二位置信息、第二测试值、第二目标值和所述第二参数生成多个第二特征向量；分别计算所述第一特征向量和所述多个第二特征向量之间的距离；基于计算结果选取与所述待测样本距离最近的K个训练样本，以基于K个所述第二位置信息的归属区域确定所述第一位置信息的归属区域，K为对所述多个区域的数量；基于所述第一位置信息的归属区域和所述待测样本的实际归属区域之间的关系，进行模型优化，以基于模型优化结果生成所述分类修调模型。

在本公开的一种示例性实施例中，所述将基于所述分类修调模型生成的修调文件发送至测试设备包括：获取对所述目标芯片的测试初始值；将所述测试初始值作为所述分类修调模型的测试样本，以基于所述分类修调模型对所述测试样本进行测试，得到对应的修调参数，以将所述修调参数作为所述修调文件发送至所述测试设备；或基于所述分类修调模型直接生成所述修调文件，以将所述修调文件发送至所述测试设备。

在本公开的一种示例性实施例中，还包括：接收所述测试设备基于所述修调文件发送的反馈信息；检测到所述反馈信息包括模型更新的指示信息，对所述分类修调模型进行更新；或提取所述反馈信息中的修调测试的周期数量，以在检测到所述周期数量大于或等于周期阈值时，对所述分类修调模型进行更新。

在本公开的一种示例性实施例中，所述对所述分类修调模型进行更新包括：获取所述测试设备发送的测试结果；基于所述测试结果对所述分类训练样本集进行更新；基于更新后的所述分类训练样本集更新所述分类修调模型。

在本公开的一种示例性实施例中，还包括：响应于获取到的模型调整参数，基于所述模型调整参数对所述分类修调模型进行调整，其中，所述模型调整参数包括工艺过程调整参数、材料调整参数和设备调整参数中的至少一种。

根据本公开的另一个方面，提供一种基于分类模型进行修调测试的方法，应用于测试设备，包括：基于获取到的修调文件生成修调参数，所述修调文件基于分类修调模型生成；将所述修调参数发送至目标芯片，以修调所述目标芯片的修调电路，并获取对所述目标芯片进行修调后的测试结果。

在本公开的一种示例性实施例中，还包括：基于所述测试结果确定所述修调参数不满足修调需求，获取修订后的修调参数，并基于所述修订后的修调参数重新对所述目标芯片进行修调测试，所述修订后的修调参数基于所述分类修调模型对所述修调参数进行修订生成；基于修调测试的结果生成反馈信息，并将所述反馈信息发送至数据处理设备，以由所述数据处理设备基于所述反馈信息进行模型调整，其中，所述数据处理设备用于向所述测试设备发送所述修调文件。

在本公开的一种示例性实施例中，所述基于所述测试结果确定所述修调参数不满足修调需求，获取修订后的修调参数，并基于所述修订后的修调参数重新对所述目标芯片进行修调测试包括：所述测试结果包括对所述目标芯片的实际测试值，检测到所述实际测试值和参考目标值之间的偏差大于偏差阈值，则确定所述修调参数不满足所述修调需求，并获取所述修订后的修调参数；基于所述修订后的修调参数对所述目标芯片进行修调测试，并在所述修订后的修调参数仍不满足所述修调需求时，对修调测试的执行次数进行计数；检测到所述执行次数小于允许次数，重新获取所述修订后的修调参数，以对所述目标芯片进行修调测试；检测到所述执行次数大于或等于允许次数，确定完成一个测试周期，并对修调测试的周期数量进行加1，并在下一次基于所述修订后的修调参数进行修调测试时对所述执行次数重新计数。

在本公开的一种示例性实施例中，所述获取修订后的修调参数包括：将所述修调参数与修订阈值之间的差值确定为第三参数；将所述修调参数和所述修订阈值之和确定为第四参数；获取所述分类修调模型，以基于所述分类修调模型将所述第三参数和所述第四参数中的一个确定为所述修订后的修调参数。

在本公开的一种示例性实施例中，所述基于所述分类修调模型将所述第三参数和所述第四参数中的一个确定为所述修订后的修调参数包括：基于所述分类修调模型输出与所述第三参数对应的第一模型目标值；基于所述分类修调模型输出与所述第四参数对应的第二模型目标值；确定所述第一模型目标值与所述参考目标值之间的第一偏差值，以及所述第二模型目标值与所述参考目标值之间的第二偏差值；若所述第一偏差值小于所述第二偏差值，将所述第三参数确定为所述修订后的修调参数；若所述第二偏差和小于所述第一偏差值，将所述第四参数确定为所述修订后的修调参数。

在本公开的一种示例性实施例中，所述基于修调测试的结果生成反馈信息包括：基于所述修调测试的结果确定所述修调测试的周期数量大于或等于周期阈值，生成包括模型更新的指示信息的所述反馈信息；或基于所述修调测试的结果将所述修调测试的周期数量发送至所述数据处理设备，由所述数据处理设备检测到所述周期数量大于或等于所述周期阈值时，对所述分类修调模型进行更新。

在本公开的一种示例性实施例中，所述基于获取到的修调文件生成修调参数包括：提取所述修调文件中包括的所述修调参数；或所述修调文件基于所述分类修调模型生成，基于所述分类修调模型对所述目标芯片的测试初始值进行测试，得到所述修调参数。

在本公开的一种示例性实施例中，还包括：基于所述测试结果确定所述修调参数满足所述修调需求，则生成对应的修调日志。

根据本公开的再一个方面，提供了一种基于分类模型进行修调测试的装置，应用于数据处理设备，包括：配置模块，用于获取集成电路芯片的历史修调测试数据，并将所述历史修调测试数据配置为分类训练样本集；训练模块，用于使用分类算法对所述分类训练样本集进行模型训练，得到分类修调模型；发送模块，用于将基于所述分类修调模型生成的修调文件发送至测试设备，以使所述测试设备基于所述修调文件对目标芯片的修调电路的电路参数进行修调，并对修调后的所述目标芯片进行测试。

根据本公开的又一个方面，提供了一种基于分类模型进行修调测试的装置，应用于测试设备，包括：生成模块，用于基于获取到的修调文件生成修调参数，所述修调文件基于分类修调模型生成；测试模块，用于将所述修调参数发送至目标芯片，以修调所述目标芯片的修调电路，并获取对所述目标芯片进行修调后的测试结果。

根据本公开的又一个方面，提供了一种基于分类模型进行修调测试的系统，包括：网络存储器，用于存储对集成电路芯片的历史修调测试数据；数据处理设备，与所述网络存储器通信连接，用于获取所述历史修调测试数据，并基于所述历史修调测试数据进行模型训练生成分类修调模型；多个测试设备，与所述数据处理设备通信连接，用于获取基于所述分类修调模型生成的修调文件，以将基于所述修调文件生成的修调参数发送至对应的目标芯片，以修调所述目标芯片的修调电路，并获取对所述目标芯片进行修调后的测试结果。

根据本公开的再一个方面，提供了一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述第一方面技术方案中任意一项的所述的基于分类模型进行修调测试的方法。

根据本公开的又一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中所述的基于分类模型进行修调测试的方法。

本公开的实施例所提供的基于分类模型进行修调测试的方案，通过收集集成电路芯片的历史修调测试数据，并作为分类训练样本集，采用分类算法对分类训练样本集进行模型训练，得到训练好的分类修调模型，从而能够在对目标芯片进行修调测试时，将目标芯片的实际测试值输入分类修调模型，以基于目标芯片的位置信息输出对应的修调参数，基于修调参数对目标芯片的修调电路的电路参数进行修调，以使修调后的实际测试值与修调目标值匹配，从而能够对海量Trim实测数据进行有效可靠的利用，生成分类修调模型，并进一步采用分类修调模型对待测试的目标芯片进行修调测试，有利于简化测试过程、提高测试效率以及降低测试成本。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出了根据本公开的一种基于分类模型进行修调测试的系统示意图；

图2示出了根据本公开的一种基于分类模型进行修调测试的方法示意流程图；

图3示出了根据本公开的另一种基于分类模型进行修调测试的方法示意流程图；

图4示出了根据本公开的一种基于分类模型进行修调测试方案的晶圆分类示意图；

图5示出了根据本公开的再一种基于分类模型进行修调测试的方法示意流程图；

图6示出了根据本公开的又一种基于分类模型进行修调测试的方法示意流程图；

图7示出了根据本公开的又一种基于分类模型进行修调测试的方法示意流程图；

图8示出了根据本公开的又一种基于分类模型进行修调测试的方法示意流程图；

图9示出了根据本公开的又一种基于分类模型进行修调测试的方法示意流程图；

图10示出了根据本公开的又一种基于分类模型进行修调测试的方法示意流程图；

图11示出了根据本公开的又一种基于分类模型进行修调测试的方法示意流程图；

图12示出了根据本公开的又一种基于分类模型进行修调测试的方法示意流程图；

图13示出了根据本公开的一种基于分类模型进行修调测试的装置示意框图；

图14示出了根据本公开的另一种基于分类模型进行修调测试的装置示意框图；

图15为本公开的一种实施例提供的适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和步骤，也不是必须按所描述的顺序执行。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。用语“一个”、“一”和“上述”等用以表示存在一个或多个要素/组成部分/等。术语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。

参照图1，本公开的实施例首先提供了一种基于分类模型进行修调测试的系统，包括：

网络存储器102，用于存储对集成电路芯片的历史修调测试数据；

数据处理设备104，与网络存储器102通信连接，用于获取历史修调测试数据，并基于历史修调测试数据进行模型训练生成分类修调模型；

多个测试设备106，与数据处理设备104通信连接，用于获取基于分类修调模型生成的修调文件，以将基于修调文件生成的修调参数发送至对应的目标芯片，以修调目标芯片的修调电路，并获取对目标芯片进行修调后的测试结果。

网络存储器102、数据处理设备104和多个测试设备106通过通信链路连接，布建出晶圆厂网络，用于进行晶圆芯片的检测。

参照图2，本公开的实施例还提供了一种基于分类模型进行修调测试的方法，应用于数据处理设备，包括：

步骤S202，获取集成电路芯片的历史修调测试数据，并将历史修调测试数据配置为分类训练样本集。

其中，历史修调测试数据中包括但不限于测试芯片在原始的所处晶圆上的位置信息、该测试芯片的实际测试值、对该测试芯片的修调目标值以及对应的修调参数，其中，位置信息可以通过在晶圆上建立坐标系，基于坐标系的坐标值表示。

具体地，分类训练样本集可以按照测试芯片在晶圆中所处的区域进行分类。

步骤S204，使用分类算法对分类训练样本集进行模型训练，得到分类修调模型。

在本公开的一种示例性实施例中，分类算法包括随机森林、支持向量机、K最邻近算法和决策树分类算法中的至少一种。

具体地，本公开中的分类修调模型指的是基于测试芯片的位置信息进行分类训练得到的模型。

步骤S206，将基于分类修调模型生成的修调文件发送至测试设备，以使测试设备基于修调文件对目标芯片的修调电路的电路参数进行修调，并对修调后的目标芯片进行测试。

其中，修调文件可以为基于分类修调模型生成的脚本文件，也可以为基于修调参数生成的数据文件，修调参数为通过将目标芯片的初始测试值输入到分类修调模型输出的参数值。

在该实施例中，通过收集集成电路芯片的历史修调测试数据，并作为分类训练样本集，采用分类算法对分类训练样本集进行模型训练，得到训练好的分类修调模型，从而能够在对目标芯片进行修调测试时，将目标芯片的实际测试值输入分类修调模型，以基于目标芯片的位置信息输出对应的修调参数，基于修调参数对目标芯片的修调电路的电路参数进行修调，以使修调后的实际测试值与修调目标值匹配，从而能够对海量Trim实测数据进行有效可靠的利用，生成分类修调模型，并进一步采用分类修调模型对待测试的目标芯片进行修调测试，有利于简化测试过程、提高测试效率以及降低测试成本。

具体地，相比采用遍历测试得到最佳修调参数TrimCode(比如修调GlobalReference电压需进行32次测试)相比，本宫开的基于分类模型进行修调测试的方案，无需进行遍历测试，因此能够降低测试时间成本。

如图3所示，在本公开的一种示例性实施例中，将历史修调测试数据配置为分类训练样本集包括：

步骤S302，将历史修调测试数据对应的晶圆划分多个区域。

在本公开的一种示例性实施例中，将历史修调测试数据对应的晶圆划分多个区域的一种具体实现方式，包括：

基于晶圆的制程参数配置对晶圆进行分区的分区数量和分区方式；基于分区数量和分区方式划分多个区域，其中，多个区域包括圆心区域以及圆心区域外侧的多个环状区域。

如图4所示，多个区域包括圆心区域402，以及环形区域404、环形区域406、环形区域48和环形区域410。

步骤S304，基于集成电路芯片的裸片在晶圆上的位置信息确定归属区域。

步骤S306，基于归属区域对历史修调测试数据进行分类，将分类后的集合确定为分类训练样本集。

在该实施例中，由于不同的环形区域内的裸片，对应的制程相关参数也存在一定的差别，因此对应的对修调电路的修调参数也存储一定的差别，将晶圆划分为圆心区域和圆心区域外侧的多个环状区域，基于多个区域对历史修调测试数据进行分类，得到分类训练样本集，能够使训练得到的分类修调模型在接收到输入的实际测试值后，确定其所属的区域，以基于所属区域输出适配的修调参数，从而保证训练得到的分类修调模型应用的可靠性。

如图5所示，在本公开的一种示例性实施例中，分类算法包括K最邻近算法，使用分类算法对分类训练样本集进行模型训练，得到分类修调模型包括：

步骤S502，基于待测样本的第一位置信息、第一测试值、第一目标值和第一参数生成第一特征向量。

其中，将分类训练样本集划分为待测样本和训练样本。

第一位置信息指待测样本在所述晶圆的坐标信息，第一测试值指待测样本的实际测试值，第一目标值指待测样本的修调目标值，第一参数指待测样本的修调参数。

步骤S504，基于分类训练样本集中多个训练样本的第二位置信息、第二测试值、第二目标值和第二参数生成多个第二特征向量。

其中，第二位置信息指训练样本在所述晶圆的坐标信息，第二测试值指训练样本的实际测试值，第二目标值指训练样本的修调目标值，第二参数指训练样本的修调参数。

步骤S506，分别计算第一特征向量和多个第二特征向量之间的距离。

步骤S508，基于计算结果选取与待测样本距离最近的K个训练样本，以基于K个第二位置信息的归属区域确定第一位置信息的归属区域，K为对多个区域的数量。

步骤S510，基于第一位置信息的归属区域和待测样本的实际归属区域之间的关系，进行模型优化，以基于模型优化结果生成分类修调模型。

在该实施例中，通过采用K最邻近算法作为分类算法分类模型的训练，以得到分类修调模型，通过合理确定K值，在保证模型具有较小的模型误差的同时，使模型输出较精确的修调参数。

在本公开的一种示例性实施例中，将基于分类修调模型生成的修调文件发送至测试设备的一种实现方式，包括：获取对目标芯片的测试初始值；将测试初始值作为分类修调模型的测试样本，以基于分类修调模型对测试样本进行测试，得到对应的修调参数，以将修调参数作为修调文件发送至测试设备。

在本公开的一种示例性实施例中，将基于分类修调模型生成的修调文件发送至测试设备的另一种实现方式，基于分类修调模型直接生成修调文件，以将修调文件发送至测试设备。

在该实施例中，目标芯片的测试初始值可以在数据处理设备上生成，也可以在测试设备上生成，通过合理分配运算过程，有利于合理分配数据处理设备和测试设备上的任务量。

在本公开的一种示例性实施例中，还包括：接收测试设备基于修调文件发送的反馈信息。

在一种实现方式中，检测到反馈信息包括模型更新的指示信息，对分类修调模型进行更新。

在另一种实现方式中，提取反馈信息中的修调测试的周期数量，以在检测到周期数量大于或等于周期阈值时，对分类修调模型进行更新。

在该实施例中，在需要对分类修调模型进行更新优化时，在数据处理设备端，可以通过接收测试设备直接反馈的更新模型的指示信息进行模型的更新优化操作，也可以通过检测反馈的模型的执行周期数量来对分类修调模型进行更新优化，从而能够基于不同的工况选择模型更新信息的不同生成端。

在本公开的一种示例性实施例中，对分类修调模型进行更新包括：获取测试设备发送的测试结果；基于测试结果对分类训练样本集进行更新；基于更新后的分类训练样本集更新分类修调模型。

在该实施例中，通过收集测试设备发送的测试结果，以对分类训练样本集进行更新，基于更新后的分类训练样本集进行分类修调模型的更新优化，以提升分类修调模型的输出性能。

在本公开的一种示例性实施例中，还包括：响应于获取到的模型调整参数，基于模型调整参数对分类修调模型进行调整，其中，模型调整参数包括工艺过程调整参数、材料调整参数和设备调整参数中的至少一种。

在该实施例中，在产生工艺过程调整、材料调整或测试设备调整的工况时，通过获取上述调整参数，以基于上述调整参数对分类修调模型进行调整，

具体地，本领域的技术人员能够理解的是，在进行模型训练时，将调整参数转化为对应的实际测试值、修调目标值和修调参数，以更新分类训练样本集。得到调整后的分类修调模型，从而能够提升分类修调模型的适用性。

如图6所示，根据本公开的一个实施例的分类修调模型的训练方法，包括：

步骤S602，获取由网络存储器导入的历史修调测试数据。

步骤S604，基于测试测试芯片在所处晶圆上的位置对历史修调测试数据进行分类，得到分类训练样本集。

步骤S606，采用K最邻近算法对分类训练样本集进行模型训练，得到分类修调模型。

步骤S608，基于分类修调模型输出优选的修调参数，基于所述修调参数对分类修调模型进行模型误差的验证，并基于验证结果优化分类修调模型。

参照图7，本公开的实施例还提供了一种基于分类模型进行修调测试的方法，应用于测试设备，包括：

步骤S702，基于获取到的修调文件生成修调参数，修调文件基于分类修调模型生成。

步骤S704，将修调参数发送至目标芯片，以修调目标芯片的修调电路，并获取对目标芯片进行修调后的测试结果。

在该实施例中，通过获取基于分类修调模型生成的修调文件，以在对目标芯片进行修调测试时，得到对应的修调参数，基于修调参数对目标芯片的修调电路的电路参数进行修调，以使修调后的实际测试值与修调目标值匹配，有利于简化测试过程、提高测试效率以及降低测试成本。

参照图8，根据本公开的实施例的另一种基于分类模型进行修调测试的方法，应用于测试设备，包括：

步骤S802，基于获取到的修调文件生成修调参数，修调文件基于分类修调模型生成。

步骤S804，将修调参数发送至目标芯片，以修调目标芯片的修调电路，并获取对目标芯片进行修调后的测试结果。

步骤S806，基于测试结果确定修调参数不满足修调需求，获取修订后的修调参数，并基于修订后的修调参数重新对目标芯片进行修调测试，修订后的修调参数基于分类修调模型对修调参数进行修订生成。

步骤S808，基于修调测试的结果生成反馈信息，并将反馈信息发送至数据处理设备，以由数据处理设备基于反馈信息进行模型调整，其中，数据处理设备用于向测试设备发送修调文件。

步骤S810，基于测试结果确定修调参数满足修调需求，生成对应的修调日志。

在该实施例中，通过获取基于修调参数得到的目标芯片的测试结果，并检测修调参数是否满足修调需求，如果满足修调需求，则直接输出修调日志即可，如果不满足修调参数，则基于分类修调模型循环对修调参数进行修订操作，生成修订后的修调参数，并基于修订后的修调参数重新进行修调测试，如果执行基于循环生成的修订后的修调参数进行的修调测试的数量达到预设值时，则向数据处理设备发送反馈信息，以使数据处理设备基于反馈信息进行模型的更新优化操作，实现了在实际测试过程中对分类修调模型的实时优化更新，以通过不断的优化分类修调模型提升分类修调模型输出的修调参数的修调效果。

如图9所示，在本公开的一种示例性实施例中，步骤S806中，基于测试结果确定修调参数不满足修调需求，获取修订后的修调参数，并基于修订后的修调参数重新对目标芯片进行修调测试的一种具体实现方式，包括：

步骤S902，测试结果包括对目标芯片的实际测试值，检测到实际测试值和参考目标值之间的偏差大于偏差阈值，则确定修调参数不满足修调需求，并获取修订后的修调参数。

步骤S904，基于修订后的修调参数对目标芯片进行修调测试，并在修订后的修调参数仍不满足修调需求时，对修调测试的执行次数进行计数。

步骤S906，检测到执行次数小于允许次数，重新获取修订后的修调参数，以对目标芯片进行修调测试，得到修订后的实际测试值。

步骤S908，检测到执行次数大于或等于允许次数，确定完成一个测试周期，并对修调测试的周期数量进行加1，并返回步骤S902，在下一次基于修订后的修调参数进行修调测试时对执行次数重新计数。

在该实施例中，通过合理设置允许次数和周期数量，以基于分类修调模型在重复执行修调测试的过程中持续对修订后的修调参数进行更新，使得到的实际测试值接近参考目标值，并且在多次修调后检测到实际测试值仍不满足需求，表明模型需要调整，并触发数据处理设备进行分类修调模型的更新，以保证模型可靠性。

在本公开的一种示例性实施例中，作为获取修订后的修调参数的一种具体实现方式，具体包括：

将修调参数与修订阈值之间的差值确定为第三参数。

其中，第三参数指采用修订阈值对初始的修调参数进行减法修正得到的参数值。

将修调参数和修订阈值之和确定为第四参数。

其中，第四参数指采用修订阈值对初始的修调参数进行加法修正得到的参数值。

获取分类修调模型，以基于分类修调模型将第三参数和第四参数中的一个确定为修订后的修调参数。

在本公开的一种示例性实施例中，基于分类修调模型将第三参数和第四参数中的一个确定为修订后的修调参数包括：

基于分类修调模型输出与第三参数对应的第一模型目标值。

基于分类修调模型输出与第四参数对应的第二模型目标值。

确定第一模型目标值与参考目标值之间的第一偏差值，以及第二模型目标值与参考目标值之间的第二偏差值。

若第一偏差值小于第二偏差值，将第三参数确定为修订后的修调参数。

若第二偏差和小于第一偏差值，将第四参数确定为修订后的修调参数。

在该实施例中，通过分别获取对修调参数进行修正后得到的第三参数和第四参数，并基于分类修调模型检测第三参数对应的目标值更接近参考目标值，还是第四参数对应的目标值更接近参考目标值，以基于检测结果对应目标值更接近目标参照的参数确定为修订后的修调参数，以保证对修调参数进行修订的可靠性，以及提升采用修订后的修调参数进行修调测试时的修调精度。

在本公开的一种示例性实施例中，基于修调测试的结果生成反馈信息包括：基于修调测试的结果确定修调测试的周期数量大于或等于周期阈值，生成包括模型更新的指示信息的反馈信息；或基于修调测试的结果将修调测试的周期数量发送至数据处理设备，由数据处理设备检测到周期数量大于或等于周期阈值时，对分类修调模型进行更新。

在该实施例中，在需要对分类修调模型进行更新优化时，在测试设备端，可以通过接收测试设备直接反馈的更新模型的指示信息进行模型的更新优化操作，也可以通过检测反馈的模型的执行周期数量来对分类修调模型进行更新优化，从而能够基于不同的工况选择模型更新信息的不同生成端。

如图10所示，根据本公开的另一个实施例的基于分类模型进行修调测试的方法，具体包括：

步骤S1002，获取对目标信息的测试初始值，将测试初始值记为Value_default[X,Y]。

其中，[X,Y]为目标芯片在所属晶圆上的坐标值。

步骤S1004，将测试初始值输入分类修调模型输出修调参数，将修调参数记为TrimCode[X,Y]。

步骤S1006，将修调参数下发至目标芯片执行修调测试，并得到测试的实际测试值，实际测试值记为Value_m[X,Y]。

步骤S1008，判断实际测试值对应修调参数是否是最优解，如果判断结果为“是”，进入步骤S1010，如果判断结果为“否”，进入步骤S1012。

步骤S1010，输出修调日志Trim log。

步骤S1012，基于分类修调模型下的检测第三参数对应的目标值与参考目标值的偏离情况，以及第四参数对应的目标值与参考目标值的偏离情况。

其中，第三参数记为TrimCode[X,Y]-1，第四参数记为TrimCode[X,Y]+1，1为修订阈值。

步骤S1014，判断修调测试的次数是否超过允许次数M，如果判断结果为“是”，进入步骤S1018，如果判断结果为“否”，进入步骤S1016。

步骤S1016，取第三参数与第四参数中对应的偏离值较小的一个作为修订后的修调参数进行测试，并作为修订后的修调参数返回到步骤S1006。

步骤S1018，当修调测试的次数大于或等于M时，对修调测试的周期数量加1。

步骤S1020，判断修调测试的周期数量是否大于或等于周期阈值N，如果判断结果为“否”，返回步骤S1006，如果判断结果为“是”，进入步骤S1022。

步骤S1022，向数据处理设备反馈模型更新信息，以使数据处理设备根据收集到的测试结果更新分类修调模型，并下发给测试设备。

在本公开的一种示例性实施例中，基于获取到的修调文件生成修调参数包括：提取修调文件中包括的修调参数；或修调文件基于分类修调模型生成，基于分类修调模型对目标芯片的测试初始值进行测试，得到修调参数。

在该实施例中，目标芯片的测试初始值可以在数据处理设备上生成，也可以在测试设备上生成，通过合理分配运算过程，有利于合理分配数据处理设备和测试设备上的任务量。

如图11所示，根据本公开的一个实施例的基于分类模型进行修调测试的交互方法，具体包括：

步骤S1102，网络存储器向数据处理设备发送集成电路芯片的历史修调测试数据。

步骤S1104，数据处理设备基于集成电路芯片的历史修调测试数据进行分类模型的训练，得到分类修调模型。

步骤S1106，数据处理设备基于分类修调模型生成修调文件。

步骤S1108，数据处理设备向测试设备发送修调文件。

步骤S1110，测试设备基于修调文件获取修调参数。

步骤S1112，测试设备向目标芯片发送修调参数。

步骤S1114，目标芯片向测试设备反馈实际测试值。

步骤S1116，测试设备检测到实际测试值不满足测试需求，基于分类修调模型对修调参数进行修订，得到修订后的修调参数。

步骤S1118，测试设备检测到修调测试的周期数量达到周期阈值，生成反馈信息。

步骤S1120，测试设备向数据处理设备。

步骤S1122，数据处理设备基于反馈信息对分类修调模型进行更新优化。

步骤S1124，数据处理设备向测试设备发送优化后的修调文件。

如图12所示，根据本公开的另一个实施例的基于分类模型进行修调测试的交互方法，具体包括：

步骤S1202，测试设备将晶圆测试或封装测试数据存储在数据网络存储器上，并配置为分类训练样本集。

具体地，将照晶圆的裸片按坐标定义X、Y，并按照如图4所示，将晶圆划分为402、404、406、408、410五个区域，这五个区域，根据实际制程相关参数划分，因此生成的分类训练样本集中的每个训练样本包括芯片裸片的坐标信息、该芯片裸片的实际测试值、修调目标值和对应的修调参数。

步骤S1204，数据处理设备获取上述的分类训练样本集，并采用K最近邻算法进行模型训练，得到分类修调模型。

具体地，将网络存储器上的测试数据按晶圆裸片坐标分成多个群组其中，多个群组指晶圆被划分为5个区域，不同区域内的晶圆裸片会有对应测试数据，从而可以将测试数据按照裸片坐标将同属于一个区域的裸片对应的测试数据分在1个数据模块，导入数据的过程就是从网络存储器上将数据提取出来的过程，以便于后续在处理器中进行分类。

然后，将每个模块根据坐标信息和修调参数Trim code进行分类并作为训练集。

将测试初始值Value_default[X,Y]值作为测试集，采用KNN算法得到最佳TrimCode[X,Y]。

步骤S1206，数据处理设备将修调参数配置为查询文件并下发给测试设备，以由测试程序可直接调用。

步骤S1208，基于测试结果判断生成的分类修调模型是否需要调整。

具体的，在整个测试过程中，设置周期数量count和周期阈值，在一个周期内，当修调测试的次数超出规定的允许次数时，count值加1，当count超出周期阈值时，返回步骤S1204。

下面参照图13来描述根据本发明的这种实施方式的一种基于分类模型进行修调测试的装置1300。图13所示的基于分类模型进行修调测试的装置1300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

基于分类模型进行修调测试的装置1300以硬件模块的形式表现。基于分类模型进行修调测试的装置的组件可以包括但不限于：配置模块1302，用于获取集成电路芯片的历史修调测试数据，并将历史修调测试数据配置为分类训练样本集；训练模块1304，用于使用分类算法对分类训练样本集进行模型训练，得到分类修调模型；发送模块1306，用于将基于分类修调模型生成的修调文件发送至测试设备，以使测试设备基于修调文件对目标芯片的修调电路的电路参数进行修调，并对修调后的目标芯片进行测试。

下面参照图14来描述根据本发明的这种实施方式的一种基于分类模型进行修调测试的装置1400。图14所示的基于分类模型进行修调测试的装置1400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

基于分类模型进行修调测试的装置1400以硬件模块的形式表现。基于分类模型进行修调测试的装置的组件可以包括但不限于：生成模块1402，用于基于获取到的修调文件生成修调参数，修调文件基于分类修调模型生成；测试模块1404，用于将修调参数发送至目标芯片，以修调目标芯片的修调电路，并获取对目标芯片进行修调后的测试结果。

下面参考图15，其示出了适于用来实现本公开实施例的电子设备的计算机系统1500的结构示意图。图15示出的电子设备的计算机系统1500仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图15所示，计算机系统1500包括中央处理单元(CPU)1501，其可以根据存储在只读存储器(ROM)1502中的程序或者从存储部分1508加载到随机访问存储器(RAM)1503中的程序而执行各种适当的动作和处理。在RAM 1503中，还存储有系统操作所需的各种程序和数据。CPU 1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出(I/O)接口1505也连接至总线1504。

以下部件连接至I/O接口1505：包括键盘、鼠标等的输入部分1506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1507；包括硬盘等的存储部分1508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1509。通信部分1509经由诸如因特网的网络执行通信处理。驱动器1510也根据需要连接至I/O接口1505。可拆卸介质1511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1510上，以便于从其上读出的计算机程序根据需要被安装入存储部分1508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1209从网络上被下载和安装，和/或从可拆卸介质1211被安装。在该计算机程序被中央处理单元(CPU)1201执行时，执行本申请的系统中限定的上述功能。

需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中的基于分类模型进行修调测试的方法。

例如，电子设备可以实现如图2中所示的：步骤S202，获取集成电路芯片的历史修调测试数据，并将历史修调测试数据配置为分类训练样本集；步骤S204，使用分类算法对分类训练样本集进行模型训练，得到分类修调模型；步骤S206，将基于分类修调模型生成的修调文件发送至测试设备，以使测试设备基于修调文件对目标芯片的修调电路的电路参数进行修调，并对修调后的目标芯片进行测试。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (22)

1.一种基于分类模型进行修调测试的方法，其特征在于，应用于数据处理设备，包括：

获取集成电路芯片的历史修调测试数据，并将所述历史修调测试数据配置为分类训练样本集；

使用分类算法对所述分类训练样本集进行模型训练，得到分类修调模型；

将基于所述分类修调模型生成的修调文件发送至测试设备，以使所述测试设备基于所述修调文件对目标芯片的修调电路的电路参数进行修调，并对修调后的所述目标芯片进行测试。

2.根据权利要求1所述的基于分类模型进行修调测试的方法，其特征在于，所述将所述历史修调测试数据配置为分类训练样本集包括：

将所述历史修调测试数据对应的晶圆划分多个区域；

基于所述集成电路芯片的裸片在所述晶圆上的位置信息确定归属区域；

基于所述归属区域对所述历史修调测试数据进行分类，将分类后的集合确定为所述分类训练样本集。

3.根据权利要求2所述的基于分类模型进行修调测试的方法，其特征在于，所述将所述历史修调测试数据对应的晶圆划分多个区域包括：

基于所述晶圆的制程参数配置对所述晶圆进行分区的分区数量和分区方式；

基于所述分区数量和所述分区方式划分所述多个区域，

其中，所述多个区域包括圆心区域以及所述圆心区域外侧的多个环状区域。

4.根据权利要求2所述的基于分类模型进行修调测试的方法，其特征在于，

所述分类算法包括随机森林、支持向量机、K最邻近算法和决策树分类算法中的至少一种。

5.根据权利要求2所述的基于分类模型进行修调测试的方法，其特征在于，所述分类算法包括K最邻近算法，所述使用分类算法对所述分类训练样本集进行模型训练，得到分类修调模型包括：

基于待测样本的第一位置信息、第一测试值、第一目标值和第一参数生成第一特征向量；

基于所述分类训练样本集中多个训练样本的第二位置信息、第二测试值、第二目标值和第二参数生成多个第二特征向量；

分别计算所述第一特征向量和所述多个第二特征向量之间的距离；

基于计算结果选取与所述待测样本距离最近的K个训练样本，以基于K个所述第二位置信息的归属区域确定所述第一位置信息的归属区域，K为对所述多个区域的数量；

基于所述第一位置信息的归属区域和所述待测样本的实际归属区域之间的关系，进行模型优化，以基于模型优化结果生成所述分类修调模型。

6.根据权利要求1所述的基于分类模型进行修调测试的方法，其特征在于，所述将基于所述分类修调模型生成的修调文件发送至测试设备包括：

获取对所述目标芯片的测试初始值；

将所述测试初始值作为所述分类修调模型的测试样本，以基于所述分类修调模型对所述测试样本进行测试，得到对应的修调参数，以将所述修调参数作为所述修调文件发送至所述测试设备；或

基于所述分类修调模型直接生成所述修调文件，以将所述修调文件发送至所述测试设备。

7.根据权利要求1至6中任一项所述的基于分类模型进行修调测试的方法，其特征在于，还包括：

接收所述测试设备基于所述修调文件发送的反馈信息；

检测到所述反馈信息包括模型更新的指示信息，对所述分类修调模型进行更新；或

提取所述反馈信息中的修调测试的周期数量，以在检测到所述周期数量大于或等于周期阈值时，对所述分类修调模型进行更新。

8.根据权利要求7所述的基于分类模型进行修调测试的方法，其特征在于，所述对所述分类修调模型进行更新包括：

获取所述测试设备发送的测试结果；

基于所述测试结果对所述分类训练样本集进行更新；

基于更新后的所述分类训练样本集更新所述分类修调模型。

9.根据权利要求1至6中任一项所述的基于分类模型进行修调测试的方法，其特征在于，还包括：

响应于获取到的模型调整参数，基于所述模型调整参数对所述分类修调模型进行调整，

其中，所述模型调整参数包括工艺过程调整参数、材料调整参数和设备调整参数中的至少一种。

10.一种基于分类模型进行修调测试的方法，其特征在于，应用于测试设备，包括：

基于获取到的修调文件生成修调参数，所述修调文件基于分类修调模型生成；

将所述修调参数发送至目标芯片，以修调所述目标芯片的修调电路，并获取对所述目标芯片进行修调后的测试结果。

11.根据权利要求10所述的基于分类模型进行修调测试的方法，其特征在于，还包括：

基于所述测试结果确定所述修调参数不满足修调需求，获取修订后的修调参数，并基于所述修订后的修调参数重新对所述目标芯片进行修调测试，所述修订后的修调参数基于所述分类修调模型对所述修调参数进行修订生成；

基于修调测试的结果生成反馈信息，并将所述反馈信息发送至数据处理设备，以由所述数据处理设备基于所述反馈信息进行模型调整，

其中，所述数据处理设备用于向所述测试设备发送所述修调文件。

12.根据权利要求11所述的基于分类模型进行修调测试的方法，其特征在于，所述基于所述测试结果确定所述修调参数不满足修调需求，获取修订后的修调参数，并基于所述修订后的修调参数重新对所述目标芯片进行修调测试包括：

所述测试结果包括对所述目标芯片的实际测试值，检测到所述实际测试值和参考目标值之间的偏差大于偏差阈值，则确定所述修调参数不满足所述修调需求，并获取所述修订后的修调参数；

基于所述修订后的修调参数对所述目标芯片进行修调测试，并在所述修订后的修调参数仍不满足所述修调需求时，对修调测试的执行次数进行计数；

检测到所述执行次数小于允许次数，重新获取所述修订后的修调参数，以对所述目标芯片进行修调测试；

检测到所述执行次数大于或等于允许次数，确定完成一个测试周期，并对修调测试的周期数量进行加1，并在下一次基于所述修订后的修调参数进行修调测试时对所述执行次数重新计数。

13.根据权利要求11所述的基于分类模型进行修调测试的方法，其特征在于，所述获取修订后的修调参数包括：

将所述修调参数与修订阈值之间的差值确定为第三参数；

将所述修调参数和所述修订阈值之和确定为第四参数；

获取所述分类修调模型，以基于所述分类修调模型将所述第三参数和所述第四参数中的一个确定为所述修订后的修调参数。

14.根据权利要求13所述的基于分类模型进行修调测试的方法，其特征在于，所述基于所述分类修调模型将所述第三参数和所述第四参数中的一个确定为所述修订后的修调参数包括：

基于所述分类修调模型输出与所述第三参数对应的第一模型目标值；

基于所述分类修调模型输出与所述第四参数对应的第二模型目标值；

确定所述第一模型目标值与所述参考目标值之间的第一偏差值，以及所述第二模型目标值与所述参考目标值之间的第二偏差值；

若所述第一偏差值小于所述第二偏差值，将所述第三参数确定为所述修订后的修调参数；

若所述第二偏差和小于所述第一偏差值，将所述第四参数确定为所述修订后的修调参数。

15.根据权利要求11所述的基于分类模型进行修调测试的方法，其特征在于，所述基于修调测试的结果生成反馈信息包括：

基于所述修调测试的结果确定所述修调测试的周期数量大于或等于周期阈值，生成包括模型更新的指示信息的所述反馈信息；或

基于所述修调测试的结果将所述修调测试的周期数量发送至所述数据处理设备，由所述数据处理设备检测到所述周期数量大于或等于所述周期阈值时，对所述分类修调模型进行更新。

16.根据权利要求10至15中任一项所述的基于分类模型进行修调测试的方法，其特征在于，所述基于获取到的修调文件生成修调参数包括：

提取所述修调文件中包括的所述修调参数；或

所述修调文件基于所述分类修调模型生成，基于所述分类修调模型对所述目标芯片的测试初始值进行测试，得到所述修调参数。

17.根据权利要求11至15中任一项所述的基于分类模型进行修调测试的方法，其特征在于，还包括：

基于所述测试结果确定所述修调参数满足所述修调需求，则生成对应的修调日志。

18.一种基于分类模型进行修调测试的装置，其特征在于，应用于数据处理设备，包括：

配置模块，用于获取集成电路芯片的历史修调测试数据，并将所述历史修调测试数据配置为分类训练样本集；

训练模块，用于使用分类算法对所述分类训练样本集进行模型训练，得到分类修调模型；

发送模块，用于将基于所述分类修调模型生成的修调文件发送至测试设备，以使所述测试设备基于所述修调文件对目标芯片的修调电路的电路参数进行修调，并对修调后的所述目标芯片进行测试。

19.一种基于分类模型进行修调测试的装置，其特征在于，应用于测试设备，包括：

生成模块，用于基于获取到的修调文件生成修调参数，所述修调文件基于分类修调模型生成；

测试模块，用于将所述修调参数发送至目标芯片，以修调所述目标芯片的修调电路，并获取对所述目标芯片进行修调后的测试结果。

20.一种基于分类模型进行修调测试的系统，其特征在于，包括：

网络存储器，用于存储对集成电路芯片的历史修调测试数据；

数据处理设备，与所述网络存储器通信连接，用于获取所述历史修调测试数据，并基于所述历史修调测试数据进行模型训练生成分类修调模型；

多个测试设备，与所述数据处理设备通信连接，用于获取基于所述分类修调模型生成的修调文件，以将基于所述修调文件生成的修调参数发送至对应的目标芯片，以修调所述目标芯片的修调电路，并获取对所述目标芯片进行修调后的测试结果。

21.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～9或权利要求10～17中任意一项所述的基于分类模型进行修调测试的方法。

22.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～17中任意一项所述的基于分类模型进行修调测试的方法。

Images