반도체-제작 프로세스들을 위한 성능 예측기들

반도체 제작 장비 동작들의 성능을 예측하기 위한 방법들, 시스템들 및 컴퓨터 프로그램들이 제시된다. 일 방법은 ML 모델들을 획득하기 위한 동작을 포함하고, 모델 각각은 반도체 제작 툴의 동작에 대한 성능 메트릭 (metric) 을 예측하는 것과 관련된다. 또한, ML 모델 각각은 ML 모델에 대한 입력들을 규정하는 피처들을 활용한다. 방법은 반도체 제작 툴을 사용하여 제품을 제작하기 위한 프로세스 규정을 수신하기 위한 동작을 더 포함한다. 하나 이상의 ML 모델들은 반도체 제작 툴에서 사용된 프로세스 규정의 성능을 추정하기 위해 활용된다. 부가적으로, 방법은 제품의 제작 성능의 추정치를 도시하는 결과들을 디스플레이 상에, 제시하는 단계를 포함한다. 일부 양태들에서, 하이브리드 모델들의 사용은 물리-기반 모델들에 의해 제공된 강화를 사용하여 데이터-구동된 모델들의 성능들을 증강시킴으로써 시스템의 예측 정확도를 개선한다. Methods, systems, and computer programs are presented for predicting the performance of semiconductor manufacturing equipment operations. One method includes an operation for obtaining machine-learning (ML) models, each model related to predicting a performance metric for an operation of a semiconductor manufacturing tool. Further, each ML model utilizes features defining inputs for the ML model. The method further includes an operation for receiving a process definition for manufacturing a product with the semiconductor manufacturing tool. One or more ML models are utilized to estimate a performance of the process definition used in the semiconductor manufacturing tool. Additionally, the method includes presenting, on a display, results showing the estimate of the performance of the manufacturing of the product. In some aspects, the use of hybrid models improves the predictive accuracy of the system by augmenting the capabilities of data-driven models with the reinforcement provided by the physics-based models.