Geri Dön

Machine learning based autonomous quality check and characteristics extraction for chip research

Çip araştırmaları için makine öğrenmesi temelli otonom kalite kontrolü ve karakteristik parametre çıkarımı

  1. Tez No: 771314
  2. Yazar: HÜSNÜ MURAT KOÇAK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AHMET TEOMAN NASKALİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Galatasaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 72

Özet

Metal Oksit Yarı İletken Alan Etkili Transistör (MOSFET) cihazlarının doğru ve kusursuz çalışması, müşteriler ve yarı iletken araştırmaları için büyük önem taşımaktadır. MOSFET cihaz üreticileri, yüksek teknolojili cihazların geliştirilmesi ve üretimi sırasında çeşitli protokoller ve prosedürler kullanmasına rağmen, entegre devreler genellikle üçüncü parti üreticiler tarafından üretilmektedir. Entegre devrelerde kullanılan yarı iletkenlerin imalatı sırasında bileşenlerin performansı üretilen partiden partiye değişebilmekte ve hatta aynı parti içindeki numuneler bile farklı performans özelliklerine sahip olabilmektedir. Özellikle hayati öneme sahip uygulamalarda amaca en uygun bileşenlerin seçimi hayati önem taşır. Ayrıca uzun kalite kontrol süreçleri, araştırma enstitülerinin daha hızlı ve daha düşük enerji tüketiminin sahip çiplere ulaşmasını zorlaştırmaktadır. Bu durum, araştırma merkezlerinin günümüz dünyasındaki üst seviye teknoloji çip mimarisi rekabetinde geri kalmalarına yol açabilir ve küresel ölçekte pazar hakimiyetlerinin azalmasıyla birlikte potansiyel gelir kaybı yaşamalarına sebebiyet verebilir. Bu nedenle zaman-maliyet azaltımına yönelik gelişmeler sektörü ve üçüncü parti cihaz üreticilerini doğrudan olumlu etkilerken, Oluşabilecek iş birlikleriyle de akademik katkıların önünü açmaktadır. Bu tezde, transistörlerin kalitesini doğrulamak ve karakteristiklerinin çıkarımını sağlamak için yarı iletken endüstrisi için yeni bir yaklaşım öneriyoruz. Negatif oy veren bir mimarinin diğer mimarilerinin oylarını geçersiz kılacağı çok modelli bir topluluk tekniği kullanılarak bir araya getirilen üç farklı ve birbiriyle haberleşebilen Evrişimli Sinir Ağı (Convolutional Neural Networks) modeli, cihazların I-V grafiklerini -uzman değerlendirmesine benzer olarak görsel veriler üzerinden- değerlendirerek oldukça sıkı kalite kontrolü sağlar. Filtreleme aşamasından sonra önemli bir karakteristik parametresi olan eşik voltajı (Vth, transistörlerin iletken olmayan halden iletken hale geçtikleri voltaj noktası) tespiti için CNN mimarisinde oluşturduğumuz ikinci bir model kullandık. Bu sayede oluşturulmuş çip mimarisinin performans ölçümlemesi yapılabilirken aynı zamanda anomali tespitiyle deneysel mimarileri hakkında hızlı tahminleme almamızı sağlamaktadır. Vth tespiti modelimiz filtrelenmiş yaklaşık 2500 adet cihaz üzerinde test edilmiştir. Alanında uzman bilim insani seviyesinde filtreleme yapmistir ve filtrelenmemis verisetinde 50mV error, filtrelenmiş verisetinde 8mVluk hata ile eşik voltajı üretimi başarısı göstermiştir.

Özet (Çeviri)

The flawless and correct functioning of high-end electronic devices is of utmost importance for consumers as well as for manufacturers. Although Metal-Oxide Semiconductor Field Effect Transistor (MOSFET) manufacturers use a variety of protocols and procedures in the development and production of high-tech devices, the integrated circuits are usually manufactured by third parties. The performance of the transistors used in integrated circuits can vary from batch to batch during manufacturing, and even samples within the same batch can have different performance characteristics. For applications in life-critical domains, the selection of the most fit for purpose components is vital. In addition, long quality control processes make it difficult for research institutes to reach faster and lower energy consumption chips. While this time-cost factor is reflected as a potential loss of revenue for research institutes, it may cause them to fall back in cutting-edge chip technology competition in today's world and cause a decrease in market size on a global scale. Therefore, while the developments for time-cost reductions directly affect positively on the industry and customers, they also pave the way for collaborations and academic contributions. In this thesis, we propose a new approach for the semiconductor industry to verify the quality of transistors and the extraction of characteristics of transistors.The I-V graphs of the components are evaluated by multiple Convolutional Neural Networks using visual data in a manner similar to expert evaluation, and then these Machine Learning architectures use a multi-model ensemble technique in which one architecture providing a negative output overrules the vote of the other architectures to ensure very stringent quality control. After the filtering process, we implemented a second model that we created in the CNN technique to extract the threshold voltage (Vth, the voltage point at which transistors switch from a non-conducting state to a conductive state), which is an important characteristic parameter to allow the researcher to get a general overview of devices. With these techniques, we can conduct a performance assessment of the printed chips and get a fast estimation of experimental chip architectures with their response to the input voltage. Our 2-step ML approach has been tested on approximately 2500 filtered devices. Our technique has achieved senior expert-level accuracy in filtering, and 50mV total error rate in not filtered dataset, and an 8mV total error rate in the filtered dataset by Vth extraction.

Benzer Tezler

  1. New lightweight DoS attack mitigation techniques for RPL based IoT networks

    RPL temelli IoT ağları için DoS saldırılarının etkisini azaltacak yeni teknikler

    AHMET ARIŞ

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMA FATMA OKTUĞ

  2. Barkodsuz ürünlerin tanınmasında derin öğrenmeye dayalı yaklaşımların uygulanması

    The implementation of deep learning based approaches in the identification of barcod-free products

    FURKAN ATBAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN

  3. Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma

    Despeckling based data augmentation approach in deep learning based radar target classification

    ŞAKİR HÜDAİ MERT CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  4. Visual motion control for autonomous wheelchair sidewalk following

    Otonom tekerlekli sandalyenin kaldırım takibi için görsel hareket kontrolü

    ISMAIL HAJ OSMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGAY KARA

    DOÇ. DR. ABDUL HAFEZ ABDUL HAFEZ

  5. Etmen tabanlı zeki öğretim sistemi geliştirme

    Developing agent based intelligent tutoring system

    MEHMET ÖZBEK

    Doktora

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET EMİN KUZUCUOĞLU