教学课程资源库 更多>>

关键词： 自旋电子器件   Hall-bar   存算一体电路   多态存储  

摘要： 传统的冯诺依曼架构在存储与处理大量数据时存在“内存墙”瓶颈,因而对有望解决解决该问题的基于存内计算新架构的研究日益深入,其中基于磁存储器(MRAM)的存内计算方案因具有功耗低、非易失性存储等优势而倍受关注,但该方案的存储单元一般不具备多态存储的能力,而霍尔条(Hall-bar)作为一种新型基于自旋轨道矩的自旋电子器件,具有和SOTMRAM相同的非易失编程和容易制备等特点,更具有阻值连续变化和支持多比特存储的优势,但当前常规器件阻态调节非线性大、器件一致性差、多态存储位数较少,其在存内运算系统中的应用尚不成熟,因此本文围绕如何实现Hall-bar的多态存储,以及如何实现基于自旋忆阻器件阵列的乘累加运算硬件电路系统,开展了如下研究工作: (1)Hall-bar性能测试与电学等效模型建立。基于自旋电子学相关理论确定了器件具体结构,实现无外磁场下自旋轨道矩诱导翻转,利用电学测试平台探究器件的相关特性,获得了能够实现多个阻态的器件调控规律,参考与脉冲电流宽度和个数相关的调控规律,使用Verilog-A语言构建了Hall-bar电学等效模型并验证了模型的正确性。 (2)开展了器件高线性度高重复性的多阻态调控方法研究。首次提出Hall-bar器件的反常霍尔电阻线性化编程脉冲电流参数测定方法。对Hall-bar模块电路中的Hall-bar器件按照该方法进行实验,通过不断调整施加脉冲电流的幅度、宽度及个数等参数,最终实现器件阻态线性化编程,得出对应阻态下的所施加的脉冲电流参数,使得Hall-bar器件具有3bit的可重复的状态存储。实验结果表明,采用该方法有效地解决了器件在等量脉冲电流调节下难以实现多态调控的问题。 (3)开展了基于Hall-bar器件阵列的乘累加运算硬件电路系统研究。根据Hall-bar器件存储计算一体的特性,首次以硬件电路的形式实现基于Hall-bar阵列的乘累加存内运算。根据Hall-bar电学等效模型对乘累加硬件电路系统进行设计与仿真,实现并测试了基于Hall-bar阵列的乘累加运算硬件电路系统,验证了电路系统的乘累加模拟运算的准确性。 本文进而搭建了基于Hall-bar阵列的乘累加运算硬件电路系统,包含9个Hall-bar器件,单个器件可实现超过36个(5位以上)的类线性变化的阻态调控。其中Hall-bar模块有效实现了对Hall-bar反常霍尔电压的偏置补偿和反常霍尔电阻与运算电流的模拟乘法运算,实际值与目标值之间的误差最大值分别为0.37m V(目标值100m V)和-4.123m V(目标值摆幅1265m V)。实现了具有3bit存储状态的3×3的Hall-bar阵列的乘累加存内计算硬件电路系统,在输入电流大于1m A时,乘累加模拟运算的实际结果值与目标值之间的误差最大为1.67%,与系统仿真结果得出的误差0.128%相比具有一定距离,这是由于硬件电路所存在的噪声、电路非线性和电路偏置等因素的影响。实验验证了基于自旋忆阻器阵列的乘累加电路系统设计与实现的可行性,并且通过器件优化及电路改进可进一步提高乘累加运算位数和精度,为多态存内运算应用提供更好的解决方案。

关键词： 印刷电路板   缺陷分类   图像预处理   卷积神经网络   深度学习  

摘要： 随着电子制造技术的快速发展,印刷电路板(Printed Circuit Board,PCB)作为电子设备的关键组成部分,其质量对产品的性能和稳定性具有重要的影响。近年来,基于模板匹配等传统机器视觉手段的自动光学检测设备(Automatic Optical Inspection,AOI)与复检站(Virtual Rescan Stations,VRS)被开发并用于对PCB缺陷进行快速的分类和检测。然而,AOI为了降低自动光学检测设备对PCB缺陷分类的漏失率,使用人员会将参数阈值设置较高,最终产生大量的假阳缺陷。VRS则是通过人工视觉检测对这些真假阳性缺陷进行分类。这不仅极大的增加了PCB的制造时间,且增加了劳动成本。因此,PCB真假阳性缺陷的自动分类问题尤为关键。本文的工作主要包括: 针对现有AOI与VRS功能扩展性差、智能化程度低等问题,本文结合所研究的算法,设计了一套PCB真假阳性缺陷分类系统。 针对PCB真实图和设计图的图像配准效率和稳定性不足的问题,本文提出一种基于归一化相关系数的图像匹配方法。通过PCB整体图像与纹理边缘图像的归一化相关系数匹配评分的加权求和获取最佳的匹配位置,不仅在可接受的时间内(27.67MS)完成图像匹配,并且最终获取的匹配图像具有更高的相关性系数。 针对PCB真假阳性缺陷的可靠识别问题,本文决定从两个方面进行深入研究。一方面,缺陷类别的判定与样本中缺陷局部的数据分布具有相关性。另一方面,降低真假阳性缺陷的纹理相似性所带来的训练复杂度。对于前者,本文提出了广域特征融合网络,该网络通过捕获多尺度的局部关联信息和衰减不相关的噪声信息,从而提高最终的分类准确率。通过实验证明,所提出的模型具有更高的分类准确(真阳性缺陷为98.2%,假阳性缺陷为58.8%),并且模型大小(46.49MB)和单次前向推理速度(0.336S)也优于所对比的模型。对于后者,本文通过损失函数降低部分真假阳性缺陷样本纹理相似所带来的模型训练复杂性。本文提出的损失函数是一种基于灰度共生矩阵信息熵动态变化的交叉熵损失。随着样本数据分布的变化以及模型输出的置信度增加,该动态因子会有针对性的对样本损失值进行动态调整。通过实验证明,采用所提出的损失函数对模型进行训练后,模型的假阳性缺陷和真阳性缺陷分类准确分别提高了2.05%和0.58%。

关键词： 晶圆针印缺陷检测   图像处理   亚像素边缘检测   区域灰度模型法   Yolov5  

摘要： 集成电路晶圆针测中,需要通过探针的方式对晶粒中的焊盘进行测试,以筛选良品和不良品晶粒。由于测试环境和机器参数设置等问题会出现针印偏移、无针印、多针印和针印面积过大缺陷。针印缺陷可能导致电路连接失败或性能不稳定,进而影响晶圆的整体质量。为了避免上述问题,需要对晶圆针印缺陷进行视觉缺陷检测,去除不良晶粒,有助于提高生产效率,降低返工率。本文针对晶圆针印缺陷检测算法进行研究,主要内容如下: (1)本文对晶圆缺陷检测技术的研究背景和意义进行阐述,研究了晶圆探针测试技术。结合晶圆缺陷的检测研究介绍了视觉检测和基于深度学习的检测方法。在晶圆针印图像边缘检测方面,为提高边缘检测精度,提出改进的区域灰度模型亚像素检测算法。针对Canny算法中的高斯滤波对图像去噪的同时不能有效兼顾边缘保持,本文将各向异性扩散滤波代替高斯平滑,提高了边缘轮廓的完整性;通过改进相邻9×3子图中的重叠部分像素值计算,利用自适应加权算法自动确定重叠像素的加权因子,完成子图合并,提高亚像素边缘检测的鲁棒性。改进算法的检测精度在0.25像素内,满足高精度边缘检测的要求。 (2)研究基于机器视觉的晶圆针印缺陷检测算法。通过Otsu算法自动确定分割阈值并提取出晶粒图像的焊盘部分,利用区域填充算法提取针印的面积和数量特征。利用提出的改进区域灰度模型亚像素检测算法,计算焊盘轮廓和针印轮廓的亚像素坐标集合,设定距离阈值判定针印内部偏移缺陷;采用最小二乘法拟合焊盘矩形边缘,在消除两个轮廓的顶点距离误差的基础上,设定距离阈值判定针印外部偏移缺陷;使用特征分析的方法判定无针印、多针印和针印面积过大缺陷。 (3)研究深度学习的晶圆针印缺陷检测,针对晶圆针印缺陷小目标的特点对Yolov5s网络进行改进。提出基于坐标注意力机制-跨阶段通道连接的空间金字塔快速池化(Coordinate Attention-Spatial Pyramid Pooling FastCross Stage Partial Channel,CA-SPPFCSPC)模块的小目标缺陷检测方法,增强对小目标区域的关注,减少小目标特征的损失,并设计串联结构的Maxpool,减少空间金字塔池化模块中的计算资源占用,加快模型运行速度。本文设计了检测系统的总体结构,开发了晶圆针印缺陷检测系统的上位机软件,并进行缺陷检测功能测试。

关键词： 数字电路与逻辑设计   实验教学改革   KT-SQEP方法   实验课程  

摘要： 数字电路与逻辑设计实验课程目前存在着与理论课脱节、联系不紧密、理解困难、上手困难等问题。如何将困难的问题简单化，抽象的问题形象化，加强实验课与理论课的联系，仍是该实验课程中值得深思的问题。本文提出基于KT-SQEP方法的协同实验教学设计方法，重点阐述如何引导学生在实验中多思考多创新，强化理论知识与实践教学之间的紧密联系的过程。