1 |
1
S 파라미터 패턴의 기계학습을 이용한 회로 결함분석 방법에 있어서, 상기 방법은 회로 결함분석 시스템의 제어부에 의해 수행되고,결함 회로의 주파수 별 S 파라미터 패턴을 수집하는 결함 회로 S 파라미터 패턴 수집 단계;상기 수집된 주파수 별 S 파라미터의 패턴을 기반으로 기계 학습을 통해 학습 모델을 생성하는 기계학습 및 학습모델 생성 단계; 및상기 생성된 학습 모델을 이용하여, 특정 회로의 결함의 종류(type) 및 심각도(severeness)를 분석하는 결함 종류/심각도 분석 단계를 포함하고,상기 기계학습 및 학습모델 생성 단계는,상기 결함의 종류와 심각도를 판단하기 위한 랭킹 네트워크(Ranking Network)를 구축하는 랭킹 네트워크 구축 단계를 더 포함하고,상기 랭킹 네트워크는, 상기 결함의 종류를 판단하는 뉴럴 네트워크 모듈을 포함하고,상기 뉴럴 네트워크 모듈은,상기 특정 회로에 대한 결함의 원인을 분류하기 위한 기계적(mechanical) 자극 랭킹 네트워크 모듈, 화학적(chemical) 자극 랭킹 네트워크 모듈 및 광 열화(photo degradation) 자극 랭킹 네트워크 모듈을 포함하고,상기 결함 종류/심각도 분석 단계에서 각 결함 시편에 대하여 상기 주파수 별 S 파라미터 패턴을 입력 받아 각 자극 별로 심각도를 채점하는, 회로 결함분석 방법
|
2 |
2
제1항에 있어서,상기 기계학습 및 학습모델 생성 단계는,기계 학습을 위한 Ground Truth Table을 생성하는 Ground Truth Table 생성 단계를 더 포함하고,상기 Ground Truth Table 생성 단계에서,시편 제작된 정상 회로의 S 파라미터 특성에 대한 Ground Truth Table을 생성하는 것을 특징으로 하는, 회로 결함분석 방법
|
3 |
3
제2항에 있어서,상기 Ground Truth Table 생성 단계에서,결함의 종류와 심각도가 구분 가능한 상기 결함이 적용된 회로에 대하여, 상기 결함에 따른 S파라미터 특성에 대한 Ground Truth Data를 생성하는 것을 특징으로 하는, 회로 결함분석 방법
|
4 |
4
제1항에 있어서,상기 결함 종류/심각도 분석 단계에서,심각도 채점부가 상기 각 결함 시편에 대하여 기계적 자극, 화학적 자극 및 광 열화 자극 별로 심각도를 이산 값으로 결함원인/심각도 분류기에 전달하고, 상기 결함원인/심각도 분류기는 상기 심각도 채점부의 결과로부터 결함의 여부, 결함의 원인 및 심각도를 분류하는, 회로 결함분석 방법
|
5 |
5
제4항에 있어서,상기 결함 종류/심각도 분석 단계에서, 상기 구축된 랭킹 네트워크에 상기 특정 회로의 S 파라미터 패턴을 입력하여 상기 특정 회로의 결함종류 및 심각도를 한번에 판단하는 것을 특징으로 하는, 회로 결함분석 방법
|
6 |
6
삭제
|
7 |
7
제1항에 있어서,상기 결함 종류/심각도 분석 단계 이후,상기 특정 회로에 대한 실제 결함 종류/심각도를 입력받아 평가하는 실제 결함 종류/심각도 평가 단계를 더 포함하고,상기 입력된 결과가 상기 분석된 결과와 상이한 경우, 상기 입력된 결과와 상기 분석된 결과에 기반하여 상기 랭킹 네트워크를 수정하는 것을 특징으로 하는, 회로 결함분석 방법
|
8 |
8
S 파라미터 패턴의 기계학습을 이용한 회로 결함분석 시스템에 있어서, 결함 회로의 주파수 별 S 파라미터 패턴을 수집하도록 구성된 인터페이스부; 및상기 수집된 주파수 별 S 파라미터의 패턴을 기반으로 기계 학습을 통해 학습 모델을 생성하고,상기 생성된 학습 모델을 이용하여, 특정 회로의 결함의 종류(type) 및 심각도(severeness)를 분석하도록 구성된 제어부를 포함하고,상기 제어부는,상기 결함의 종류와 심각도를 판단하기 위한 랭킹 네트워크(Ranking Network)를 구축하고, 상기 랭킹 네트워크는 상기 결함의 종류를 판단하는 뉴럴 네트워크 모듈을 포함하고, 상기 뉴럴 네트워크 모듈은, 상기 특정 회로에 대한 결함의 원인을 분류하기 위한 기계적(mechanical) 자극 랭킹 네트워크 모듈, 화학적(chemical) 자극 랭킹 네트워크 모듈 및 광 열화(photo degradation) 자극 랭킹 네트워크 모듈을 포함하고,각 결함 시편에 대하여 상기 주파수 별 S 파라미터 패턴을 입력 받아 각 자극 별로 심각도를 채점하는, 회로 결함분석 시스템
|
9 |
9
제8항에 있어서,상기 인터페이스부는 시편 제작된 정상 회로의 S 파라미터 특성을 수집하고,상기 제어부는,상기 정상 회로의 S 파라미터 특성에 대한 Ground Truth Table을 생성하는 것을 특징으로 하는, 회로 결함분석 시스템
|
10 |
10
제9항에 있어서,상기 제어부는,결함의 종류와 심각도가 구분 가능한 상기 결함이 적용된 회로에 대하여, 상기 결함에 따른 S파라미터 특성에 대한 Ground Truth Data를 생성하는, 회로 결함분석 시스템
|
11 |
11
제10항에 있어서,상기 제어부는, 상기 구축된 랭킹 네트워크에 상기 특정 회로의 S 파라미터 패턴을 입력하여 상기 특정 회로의 결함종류 및 심각도를 한번에 판단하는 것을 특징으로 하는, 회로 결함분석 시스템
|
12 |
12
제8항에 있어서,상기 제어부는,심각도 채점부가 상기 각 결함 시편에 대하여 기계적 자극, 화학적 자극 및 광 열화 자극 별로 심각도를 이산 값으로 결함원인/심각도 분류기에 전달하고, 상기 결함원인/심각도 분류기는 상기 심각도 채점부의 결과로부터 결함의 여부, 결함의 원인 및 심각도를 분류하도록 제어하는, 회로 결함분석 시스템
|
13 |
13
제12항에 있어서,상기 제어부는,상기 결함의 종류 및 심각도 분석을 수행한 이후,상기 특정 회로에 대한 실제 결함 종류/심각도를 입력받아 평가하고,상기 입력된 결과가 상기 분석된 결과와 상이한 경우, 상기 입력된 결과와 상기 분석된 결과에 기반하여 상기 랭킹 네트워크를 수정하는 것을 특징으로 하는, 회로 결함분석 시스템
|