买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏海纳电子科技有限公司申请的专利基于多维度数据融合的GPU芯片良率预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120910492B 。

龙图腾网通过国家知识产权局官网在2026-01-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511454287.X，技术领域涉及：G06F18/20；该发明授权基于多维度数据融合的GPU芯片良率预测方法及系统是由陶雪峰;郑超;代彬;陶奇设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本基于多维度数据融合的GPU芯片良率预测方法及系统在说明书摘要公布了：本发明涉及芯片良率预测技术领域，具体为基于多维度数据融合的GPU芯片良率预测方法及系统，包括：首先获取GPU芯片制造过程中多维度数据；接着基于工艺流对所述多维度数据进行时序校准与对齐，并利用隐式特征交互技术生成高阶交互特征；然后通过良率瓶颈投影生成多维异常关联向量；随后基于多维异常关联向量和制造过程节点生成局部风险值，并构建全局良率图谱；最后构建异常传播与累积计算框架，沿着制造过程节点计算得到累积风险值，并通过全局损伤投影得到最终的GPU芯片良率预测值。本发明通过对多维度制造数据进行时序融合与特征交叉，并构建全局良率图谱和计算异常的传播与累积风险，实现了GPU芯片良率预测。

本发明授权基于多维度数据融合的GPU芯片良率预测方法及系统在权利要求书中公布了：1.基于多维度数据融合的GPU芯片良率预测方法，其特征在于，包括： 获取GPU芯片制造过程中的多维度数据，包括批次间数据、测试机数据、工位数据、FailBin数据和电性参数数据；基于工艺流对多维度数据进行时序校准与对齐，生成多维时序矩阵； 基于隐式特征交互对多维时序矩阵进行多维特征交叉，生成高阶交互特征，具体为：构建深度因子分解机网络模型，包括时序矩阵输入单元、特征嵌入单元、因子分解单元、深度神经网络单元和交互特征输出单元；时序矩阵输入单元用于接收多维时序矩阵；特征嵌入单元用于对输入的离散型特征与连续型特征进行统一的向量化表征，将多维时序矩阵中的离散型特征和连续型特征转变成数值型向量，通过嵌入层映射到低维实数向量空间；离散型特征包括批次间编号、测试机编号、工位编号和占比最大失效类别；连续型特征包括电性参数值；因子分解单元用于通过计算离散型特征和连续型特征的内积提取二阶交互特征；深度神经网络单元用于对多个离散型特征和连续型特征耦合，提取高阶非线性的复杂交互特征；交互特征输出单元用于将二阶交互特征和复杂交互特征进行拼接，生成高阶交互特征； 通过良率瓶颈投影对高阶交互特征进行降维，基于主成分分析法对高阶交互特征进行分析并识别对GPU芯片良率影响最大的失效类别组合及电性参数异常；将高阶交互特征投影至表征良率损失因子的低维异常关联向量空间，生成多维异常关联向量；基于多维异常关联向量和GPU芯片制造过程节点生成局部风险值，并构建全局良率图谱； 基于全局良率图谱构建异常传播与累积计算框架；基于异常传播与累积计算框架，沿着GPU芯片制造过程节点计算局部风险值的叠加值，最终得到累积风险值；通过对累积风险值进行全局损伤投影，得到GPU芯片良率预测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏海纳电子科技有限公司，其通讯地址为：214000 江苏省无锡市新吴区震泽路18-2号无锡软件园二期狮子座A-1层-1室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。