요약: 반도체 제조에서는 제조된 집적 회로의 결함률을 낮추는 것이 매우 중요합니다. 출고되는 디바이스 결함을 최소화하기 위해 수만 개의 파라미터를 측정하는 수천 개의 전기 테스트가 실행되며, 지정된 파라미터를 벗어난 다이를 불합격으로 간주합니다. 그러나 기존의 테스트 기법은 종종 허용 가능한 품질 수준을 보장하지 못합니다. 수많은 전기 테스트를 고려할 때 다이 품질 스크리닝을 위해 어떤 전기 테스트에 의존할지 결정하기 어려울 수 있습니다. 이러한 문제를 해결하기 위해 반도체 회사들은 최근 인공지능과 머신러닝을 활용하여 결함이 있는 디바이스를 더 잘 식별하는 동시에 전기 테스트에서 양호한 다이의 손실을 최소화하기 시작했습니다. 이러한 고급 머신 러닝 애플리케이션을 구현하기 위해 새로운 원격 추론 기능도 제안되었습니다. 어셈블리 및 테스트 하우스에 추론 엔진과 해당 머신 러닝 모델을 배치하면 민감한 데이터가 어셈블리 및 테스트 하우스를 벗어나지 않고도 추론을 수행할 수 있습니다. 그 결과 추론 처리 시간이 단축되고 데이터 손실이 감소하며 보안이 강화되고 적응형 테스트와 같은 실시간 솔루션을 위한 고급 머신 러닝 기능을 사용할 수 있게 됩니다.
키워드: 데이터 마이닝, 인공 지능