本发明涉及单片三维集成电路层间通孔故障检测领域，具体涉及一种基于基于岭回归的单片层间通孔开路故障定位方法。
背景技术：
1、三维集成是实现具有更多功能和减少芯片占用空间的高性能集成电路的一种很有前途的方法。目前三维集成电路主要采用硅通孔实现多个晶片的垂直堆叠，其具有体积小、功耗低、支持异构集成等优点。然而，硅通孔自身的体积和对芯片对准精度的高要求限制了器件的集成度。单片三维集成电路(monolithic three dimensional integratedcircuits,m3d ics)将晶体管在同一晶圆上逐层加工，降低了对晶片对准精度的要求，使得单片层间通孔(monolithic inter-tier via,miv)的尺寸大大减小。
2、与基于硅通孔的三维集成技术相比，单片三维集成技术可以显著减少芯片面积并提高电路性能，受到了业内的广泛关注。然而，由于集成密度较高，使得芯片在键合过程中极易出现miv故障。miv故障将影响m3d集成电路的时序特性、降低键合后m3d电路的良产率。因此，为了有效隔离故障、降低装配成品率损失，针对单片三维集成电路建立高效准确的键合故障检测方法至关重要。
3、随着人工智能时代的到来，作为人工智能领域的主要部分之一，机器学习(machine learning,ml)被越来越多的运用在解决实际问题当中。当前基于机器学习方法对miv的故障检测研究较少，传统的测试方法难以为继，如若能将机器学习的相应方法应用在miv故障检测中，将使得miv的故障检测手段更加丰富，降低其在生产制造过程中对电子产品性能的影响。在电子产品生产制造业和相关材料市场中，得益于三维集成技术的巨大优势，涉及三维集成的产业链和相关技术研究将保持高速发展的趋势。在此环境下，针对利用机器学习方法的miv故障检测研究将成为miv研究领域有益的探索。
技术实现思路
1、本发明的目的在于提供一种基于基于岭回归的单片层间通孔开路故障定位方法，在hfss仿真软件中建立miv开路故障的三维仿真模型，基于所建故障模型，提取每个位置发生开路故障的s参数，构建故障数据集，采用岭回归机器学习方法，训练miv不同位置发生开路故障模型中的s参数，通过不同位置开路故障的s参数数据集，利用岭回归模型对其进行回归预测，预测发生开路故障的位置，对开路故障位置进行定位，提高了miv故障检测准确率和效率。
2、为实现上述目的，本发明提供一种基于基于岭回归的单片层间通孔开路故障定位方法，包括：
3、在hfss仿真软件中建立无故障miv的物理模型，提取无故障miv的s参数；
4、在ads仿真软件中建立无故障miv等效电路模型，同样提取无故障miv的s参数；
5、将利用hfss仿真软件和ads仿真软件仿真得到的s参数进行相对误差分析，验证出模型的有效性；
6、以miv中心导体出现的开路故障为研究对象，在hfss仿真软件中建立miv开路故障的三维仿真模型；
7、基于所建开路故障模型，提取每个位置发生开路故障的s参数；
8、利用s参数分析每个位置发生的开路故障对miv信号传输性能的影响；
9、获取miv不同位置开路故障，并以开路故障发生的位置为回归预测依据，设置标签；
10、一种基于基于岭回归的单片层间通孔开路故障定位方法，包括：
11、选择与问题最相关的特征来减少模型的复杂性，进行特征归一化，使不同特征具有相同的尺度，以便在回归模型中正确比较它们的影响；
12、建立岭回归模型，包括：
13、在标准线性回归中，通过最小化真实值(yi)和预测值的平方误差来训练模型，岭回归是在标准线性回归矩阵xtx的对角元素上加上一个小的常数值λ，然后取其逆求得系数：
14、
15、in是单位矩阵，对角线全是1，类似于山岭；
16、λ是岭系数，改变其数值可以改变单位矩阵对角线的值；
17、随后，代价函数jβ(β)在rss的基础上加入了对系数值的惩罚，变为：
18、
19、矩阵形式为：
20、
21、βi是总计p个特征中第j个特征的系数；
22、λ是超参数，用来控制对βi的惩罚强度，λ值越大，生成的模型就越简单，λ的理想值应该是像其他超参数一样通过调试获得的；
23、||β||2为l2范数；
24、λ||β||2为收缩惩罚项，因为它试图“缩小”模型，减小线性回归模型的方差，它也称为正则化的l2范数；
25、设置岭回归的alpha参数范围，训练岭回归模型，使用内置的交叉验证来选择最佳的alpha；
26、使用训练数据集和选定的alpha参数来训练岭回归模型，这涉及到求解一个包含正则化项的损失函数的最小化问题；
27、使用验证数据集来评估模型的性能，常见的评估指标包括均方误差(mse)、均方根误差(rmse)、r2分数等；
28、根据评估结果调整alpha参数的值，以找到最佳的模型性能。
29、本发明的一种基于基于岭回归的单片层间通孔开路故障定位方法，采用岭回归机器学习方法，训练每个位置发生开路故障miv模型中的s参数，预测发生开路故障的位置，对开路故障进行定位，提高了miv故障检测准确率和效率。
1.本发明的目的在于提供一种基于岭回归的单片层间通孔开路故障定位方法，包括：
2.根据权利要求1所述的基于岭回归的单片层间通孔开路故障定位方法，其特征在于，在hfss仿真软件中建立无故障miv的物理模型，提取无故障miv的s参数；
3.根据权利要求1所述的基于岭回归的单片层间通孔开路故障定位方法，其特征在于，以miv中心导体出现的开路故障为研究对象，在hfss仿真软件中建立miv开路故障的三维仿真模型；
4.根据权利要求3所述的基于岭回归的单片层间通孔开路故障定位方法，其特征在于，以miv开路故障的不同位置高度为数据回归预测依据，设置标签；
5.根据权利要求4所述的基于岭回归的单片层间通孔开路故障定位方法，其特征在于，建立岭回归预测模型；
6.根据权利要求5所述的基于岭回归的单片层间通孔开路故障定位方法，其特征在于，在标准线性回归中，通过最小化真实值(yi)和预测值的平方误差来训练模型，岭回归是在标准线性回归矩阵xtx的对角元素上加上一个小的常数值λ，然后取其逆求得系数：
7.根据权利要求6所述的基于基于岭回归的单片层间通孔开路故障定位方法，其特征在于，代价函数jβ(β)在rss的基础上加入了对系数值的惩罚，变为：
8.根据权利要求7所述的基于岭回归的单片层间通孔开路故障定位方法，其特征在于，设置岭回归的alpha参数范围，训练岭回归模型，使用内置的交叉验证来选择最佳的alpha；
9.根据权利要求8所述的基于岭回归的单片层间通孔开路故障定位方法，其特征在于，使用验证数据集来评估模型的性能，常见的评估指标包括均方误差(mse)、均方根误差(rmse)、r2分数等；
