CN119471330A 芯片老化测试的治具控制方法、装置及存储介质 （东莞市台易电子科技有限公司）

到原始测试数据；进行控制信号分析和信号融能退化特征，同时输出性能预测值和寿命预测2对测试治具进行参数采集，得到原始测试数据，所述测试治具包括将所述原始测试数据分别输入温度应力补偿器和动态参数控制器进行控制信号分析按照所述多个测试通道对所述性能特征数据进行分组，并计算各测试通道的权重系将所述老化特性数据输入寿命预测模型进行性能预测值和寿命预测值在所述测试治具的第一表面设置多个第一管脚和测试对所述多个第一管脚、所述多个第二管脚和测试点进行编号分组，将编对所述并行的多个测试通道中的每个测试通道进行电流采样，记录所将所述通道电压数据、所述通道电流数据和所述通道温度数据进行将所述原始测试数据中的通道温度数据输入温度应力补偿器，根据将所述原始测试数据输入动态参数控制器，基于比例系数、积分时对所述温度补偿信号和所述动态控制信号进行线性组合，生成所述融合温度控制指3对所述温度调节信号进行闭环控制，当检测到连续100个采样周期内温度波动小于对所述稳态测试数据中的电压值、电流值和温度值分别计算统根据所述参数相关性系数建立数据连续性指标，通过计算相邻采样点的参数将所述连续性评分和所述一致性评分进行组合，生成数据质量综合评对所述初步筛选数据的数据分布进行正态性检验，计算偏度系数将所述有效测试数据输入特征增强网络的组归一化层，通过计算每个将所述标准化特征数据输入SiLU激活层，通过sigmoid函数与线性单元相乘的方式进对所述初步激活特征进行卷积块注意力模块处理，所述卷积块注意力对所述时序关联特征进行前馈神经网络处理，所述前馈神经网络包含两个全连接层，将所述全连接特征输入位置编码层，通过正弦和余弦函数计算不同对所述位置增强特征进行残差连接处理，将输入特征与输出特征进4按照所述多个测试通道对所述性能特征数据进行数据分组，将每个对所述通道特征组中的每组特征数据计算方差和均值，通基于所述特征相似度矩阵构建图神经网络，将每个测试通道作为图将所述通道关联特征输入自适应权重计算单元，采用注意力机根据预设的芯片失效模式标准构建故障特征库，将所述故障特征库根据所述目标权重系数对所述通道特征组进行加权求和运算，特性数据输入寿命预测模型进行性能预测值和寿命预测值计算，得到芯片老化测试结果，将所述老化特性数据输入寿命预测模型的双向长短时记忆网络层，通对所述时序编码特征进行自注意力处理，采用多头自注意力机制将所述注意力增强特征输入编码解码模块，所述编码解码模块包含3对所述多尺度特征进行残差连接处理，将不同尺度特征进行跳跃连接，采用1x1卷积将所述融合特征输入全连接神经网络，所述全连接神经网络包含对所述深层特征表示进行性能预测分支处理，通过两个全连接层计5温控模块，用于将所述原始测试数据分别输入温度应力补偿器数据筛选模块，用于对所述稳态测试数据进行多维度分析和特征提取模块，用于将所述有效测试数据输入特征增强网络进行性加权处理模块，用于按照所述多个测试通道对所述性计算模块，用于将所述老化特性数据输入寿命预测模型6[0001]本发明涉及芯片老化测试技术领域，尤其涉及一种芯片老化测试的治具控制方将所述原始测试数据分别输入温度应力补偿器和动态参数控制器进行控制信号7特征提取模块，用于将所述有效测试数据输入特征增强网络进行性能特征提取，算各测试通道的权重系数，结合失效模式标准对各测试通道的性能特征数据进行加权处[0009]本发明提供的技术方案中，采用多个并行测试通道的设计，结合多层PCB布线结8该映射关系能够准确反映温度与芯片老化过程中所受应力之间的变化规律，通过这种方9特征之间的量纲差异，提高特征提取过程的稳定性和有效性。将标准化特征数据输入到够更好地拟合复杂的非线性关系。将初步激活特征输入到卷积块注意力模块中进行处理。[0019]步骤S6、将老化特性数据输入寿命预测模型进行性能预[0020]具体的，将老化特性数据输入到寿命预测模型中的双向长短时记忆网络（Bi_该结果能够直观反映芯片在老化过程中的性能变化趋势以及剩余使用向测试治具的温控单元输入初始温度控制参数，将测试治具的温度调节至预设V;;;合温度控制指令通过数模转换电路转换为模拟控制电压，输入温控单元的加热器和制冷对温度调节信号进行闭环控制，当检测到连续100个采样周期内温度波动小于;模型将温度数据转换为对应的应力值，从而理解芯片在不同温度条件下所受的应力情况。;t为时间常数，s为拉普拉斯变换中的复;;;;t为采样时间;;;将标准化特征数据输入SiLU激活层，通过sigmoid函数与线性单元相乘的方式进标准化后的特征数据输入到SiLU激活层中，通过sigmoid函数与线性单元相乘的方式进行;意力的结合使得网络在不同特征和位置之间自适应地分配注意力，提取特征中的关键信;;;模型的泛化能力。将残差特征输入到输出层中，通过1x1卷积进行特征降维，并采用;按照多个测试通道对性能特征数据进行数据分组，将每个测试通道的电压特征、;和Fj分别为通道i和通道j的特征向量，·表示向量的点积，llF;ll和;为通道i和通道j之间的相似度，wte)和b,te)分别为第k层的权重矩阵和偏置项，σ表示激活;;将注意力增强特征输入编码解码模块，编码解码模块包含3个编码块和3个解码对多尺度特征进行残差连接处理，将不同尺度特征;;;ih,-为前一时间步的隐藏状态，为当前时间步;ki包含一个卷积层和一个最大池化层，而每个解码块则包含一个反卷积层和一个上采样层。;;;