1. 硅光晶圆测试自动化软件工程导论

硅光晶圆测试与传统的纯电学晶圆测试有本质区别。传统CMOS晶圆测试主要测量电压、电流、阈值、漏电等电学参数，探针台只需完成“扎针—加电—读数”的闭环。而硅光晶圆上同时存在光波导、光栅耦合器、调制器、探测器、热光相移器等光电器件，测试时必须把光“送进去、取出来”，同时施加电信号并读取电响应。这意味着测试系统要同时管理光路对准、偏振控制、波长扫描、电学激励与采集，任何一环失配都会让结果失真。

这种特殊性带来三个直接后果。第一，光耦合对位置极其敏感。以光栅耦合为例，单模光纤与光栅耦合器的对准容差通常在亚微米量级，横向偏移0.5 μm就可能带来数dB的耦合损耗变化，因此测试前必须做精细的光功率寻优。第二，测试参数维度高。一个典型的马赫-曾德尔调制器测试需要同时扫描波长、偏置电压、射频功率和偏振态，参数空间远大于纯电学测试。第三，测试节拍与良率统计强耦合。晶圆级测试要在数小时内完成成百上千个器件的测量，单点耗时、寻优策略和并行度直接决定测试成本。

自动化软件在硅光晶圆测试中承担四类核心价值。其一是设备抽象与协同：把可调激光器、光功率计、偏振控制器、探针台、源表、矢量网络分析仪等异构设备统一封装为可编程对象，屏蔽SCPI、VISA、厂商SDK的差异。其二是测试流程编排：把“寻光—对准—扫描—采集—判定”组织为可配置、可中断、可恢复的序列，支持条件分支与异常重试。其三是数据管理与判定：对每个器件记录原始光功率、电学读数、坐标、时间戳和测试条件，并按规格自动判定Pass/Fail。其四是可追溯与可复现：同一片晶圆在不同时间、不同机台上测试，应能通过配置版本和校准记录复现结果。

本课程以一个贯穿项目为目标：构建一套面向硅光晶圆测试的自动化软件原型，能够驱动至少一台可调激光器、一台光功率计、一台源表和一台探针台，完成光栅耦合器阵列的自动寻优与插损测试，并输出结构化测试报告。项目不追求覆盖所有器件类型，而是把“设备抽象—流程编排—数据判定—报告输出”这条主链路打通，使读者理解工程化测试软件的真实结构。

工具链方面，课程采用Python作为主语言，原因在于其生态对仪器控制和数据分析支持成熟。设备通信使用PyVISA与厂商提供的Python包；数值计算与数据处理使用NumPy和Pandas；测试序列与配置使用YAML描述；结果可视化使用Matplotlib；测试执行框架采用pytest组织用例与断言。硬件侧以常见的可调激光器、光功率计、源表和手动/半自动探针台为参考对象，具体型号在示例中以通用接口描述，读者可替换为实验室实际设备。

理解这条主链路后，再看测试流程的实际执行。以光栅耦合器插损测试为例，一次完整的自动测试通常包含以下环节：首先由软件读取晶圆Map文件，获取待测器件的坐标列表；然后控制探针台移动到目标器件，驱动光纤对准机构进行粗对准；接着启动光功率寻优，在X/Y方向做螺旋或蛇形扫描，寻找光功率最大值点；对准完成后设置激光波长与功率，扫描波长范围，记录每个波长点的输出光功率；最后根据输入参考功率与输出功率计算插损，与规格比对并写入报告。整个过程的关键在于：寻优算法决定对准精度和耗时，扫描策略决定数据密度，判定阈值决定良率结果。

需要特别说明的是，硅光测试中的“对准”不是一次性的。由于热漂移、机械回程误差和光纤夹持稳定性，对准点会随时间漂移，因此工程上常采用“粗对准—精对准—周期性复检”的策略。自动化软件需要支持在测试序列中插入复检点，当光功率下降超过设定阈值时触发重新寻优。这一机制在纯电学测试中几乎不存在，是硅光测试软件必须专门设计的能力。

从工程视角看，硅光晶圆测试自动化软件不是简单的“脚本控制仪器”，而是一套需要同时处理物理不确定性、设备异构性、数据完整性和测试节拍的系统。它要求开发者既理解光电器件的测试原理，又能把测试意图转化为可复现的软件流程。本课程的目标，正是帮助读者建立这种跨领域的工程能力。