Victory Analytics
首页 > 解决方案 > FTCO > Victory Analytics
Victory Analytics：面向半导体数据的机器学习分析
将仿真运行和晶圆厂数据转化为可查询的模型，使工艺问题的答案无需等待专家解读结果。
Victory Analytics 的功能
Victory Analytics 是半导体团队在研究、开发和制造中使用的机器学习分析软件。您提供数据，它负责清洗和可视化，筛选值得保留的特征，拟合回归和神经网络模型，并寻找同时实现多个目标的设置。可将其用于器件表征、工艺流程或晶圆厂设备配方等单个模块，也可用于整条产线的良率工作：对生产数据进行故障检测与分类以及统计过程控制。
从原始数据到决策
数据准备
在建模前标记异常值并填补缺失值。数据集生成过程识别分类变量和重复输入，然后通过决策森林筛选确定允许模型学习的特征。
建模
在一次多变量分析中结合神经网络、决策树和经典统计方法。神经网络采用前馈结构和监督学习，并使用非线性激活函数，能够拟合多项式回归无法捕捉的行为。对于非线性数据集，高斯过程回归提供参数调优，使拟合在欠拟合与过拟合之间保持平衡。
分析
通过 Sobol 和决策森林灵敏度分析，对影响输出的输入进行排序。多级分类处理分类结果。对于产线数据，时间序列分析涵盖季节性以及 AR 和 MA 项。模型评分和数据趋势分析帮助您判断拟合结果的可信程度。
实验设计
通过计算机生成 D-最优实验设计，使每次投入运行都尽可能提供更多信息。
优化
可选择 Levenberg-Marquardt 或 Hooke-Jeeves 等局部方法，也可选择模拟退火、并行回火、遗传算法或差分进化等全局方法。适当的选择取决于模型的非线性程度以及输入和输出的数量。期望度分析将各项输出目标转换为单一评分，从而在一次优化中兼顾所有目标。
自动化
内置可视化功能，可在处理数据的同时检查数据。Python 接口支持通过脚本执行完整流程，在进入训练循环的第二轮时，这一功能便十分实用。
在工作流程中的位置
输入
Victory TCAD 仿真器的输出、晶圆厂生产数据、实测数据，或三者的任意组合。
传递至
FTCO,，在此训练后的模型成为可供其他工程师查询的代理模型或数字孪生。Victory DoE 规划训练循环中的下一轮运行，并将结果传回。Utmost IV 从同一组实测数据出发，提取 SPICE 模型参数。
查看应用实例
会议演讲
2022 年 2 月
如何利用 Victory Analytics 和机器学习校准 TCAD 数据
现场应用工程师 Stefania Carapezzi 博士介绍该工具如何完成 FDr. Stefania Carapezzi 博士（Silvaco 现场应用工程师）展示如何使用 Victory Analytics 中的机器学习校准 TCAD 数据。TCO 工作流程最依赖的任务。如果您打算构建模型而不仅仅是了解模型，这是值得观看的一场演讲。
网络研讨会
2022 年 2 月
在晶圆厂技术协同优化（FTCO™）中应用人工智能
FTCO 流程如何利用晶圆厂数据和 TCAD 数据构建制造步骤的机器学习模型，并提供实际示例。
产品简介 · PDF
2022 年 2 月
Victory Analytics——基于机器学习的分析工具
在一份文档中了解完整功能，便于转发给团队。
带上让您遇到困难的数据集
可能是无法区分影响因素的 DoE，也可能是仅能拟合训练集而无法适用于
其他数据的模型。Victory Analytics 不提供下载或自助试用。应用
工程师将基于您的数据配置工具，与您共同解决问题。
常见问题
Victory Analytics 有哪些功能？
它对半导体数据拟合统计和机器学习模型，随后显示哪些输入重要以及如何设置这些输入。它适用于两个层级：单个器件或工艺步骤，以及整条生产线及其良率。
它使用哪些机器学习方法？
它采用四类方法：神经网络（监督学习、前馈结构、非线性激活）、高斯过程回归、决策树和决策森林，以及经典多变量统计。灵敏度分析采用 Sobol 指数或决策森林。优化器涵盖 Levenberg-Marquardt 和 Hooke-Jeeves 等局部方法，以及遗传算法和差分进化等全局方法。
使用 Victory Analytics 是否需要 Silvaco TCAD？
运行该工具及开展工厂级分析均不需要。Victory Analytics 可独立分析生产数据和实测数据，无需仿真步骤。加入 TCAD 仿真输出后，模型便可同时从物理机制和晶圆厂数据中学习。
它能同时处理生产数据和仿真结果吗？
可以。故障检测与分类以及统计过程控制等工厂级应用可直接处理生产数据。在 FTCO 中，Victory Analytics 结合仿真和晶圆厂数据进行训练，使所得数字孪生同时反映物理机制和产线的实际生产情况。
什么是期望度分析？
这是一种同时优化多个输出的方法。根据每个输出与其理想值的接近程度进行评分，再将这些评分组合为单一期望度指数。优化器因此只需提升一个数值，无需人工对各项权衡进行排序。
Victory Analytics 能否自动运行或通过脚本控制？
可以，通过 Python 接口可覆盖从数据加载、训练、评分到优化的完整流程。脚本在 FTCO 工作中尤其有效：训练模型、运行下一组实验，再次训练，直至模型可用作数字孪生。
TCAD 套件的其他工具
晶圆厂技术协同优化（FTCO）
Victory Analytics 所属的工作流程，从实验设计到数字孪生。
Victory DoE
规划并运行向模型提供数据的实验集。
Victory Visual
交互式探索 TCAD 结果。
Silvaco TCAD
通过工艺和器件仿真生成数据中的物理部分。