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！

申请/专利权人：华南农业大学

摘要：本发明实施例的主要目的在于提供一种基于机器学习的晶圆外延生长控制方法，包括：进程一和进程二，将进程一中输入的工艺参数与进程二中修改后的工艺参数以及进程二中返回的晶圆特征存储到工艺参数数据库；根据所述样本数据通过训练学习得到晶圆外延生长模型，所述晶圆外延生长模型用于拟合输出工艺参数及晶圆特征的函数关系；根据所述晶圆外延生长模型对输入的工艺参数进行对晶圆特征实时调整以执行晶圆外延生长。根据本发明实施例可以大幅降低晶圆外延生长的生产过程中的控制误差。

主权项：1.一种基于机器学习的晶圆外延生长控制方法，其特征在于，包括如下步骤：S1，进程一：S11，在进程一中通过第一UI端进程下发工艺执行指令，所述工艺执行指令包括晶圆外延生长的工艺参数；S12，执行所述工艺参数对应的工艺业务，并将工艺参数写入到设备中，并将设备执行工艺工程实际状态返回到第一UI端进程；S13，通过进程一对设备状态和工艺执行过程进行实时监控；S2，进程二：S21，在第二UI端进程通过手动进行工艺参数的修改；S22，设备执行修改后的工艺参数并将晶圆特征返回到第二UI端进程；S23，将进程一中输入的工艺参数与进程二中修改后的工艺参数以及进程二中返回的晶圆特征存储到工艺参数数据库；S24，反复执行S21、S22和S23步骤，得到工艺参数和晶圆特征样本数据；S3，机器学习：根据所述样本数据通过训练学习得到晶圆外延生长模型，所述晶圆外延生长模型用于拟合输出工艺参数及晶圆特征的函数关系；S4，外延生长流程：根据所述晶圆外延生长模型对输入的工艺参数进行对晶圆特征实时调整以执行晶圆外延生长；所述步骤S3中根据所述样本数据通过训练学习得到晶圆外延生长模型包括：将所述工艺参数进行正则化作为前馈神经网络的输入参数，同时晶圆的外延指标：厚度不均匀分布、浓度不均匀分布、缺陷特征分布作为独立不相关变量作为神经网络的输出；所述工艺参数至少包括：载体气体量、工艺气体量、反应腔腔内压力、工艺温度、工艺时间、工艺步序、工艺控制策略；所述为工艺配方数据的属性至少包括：温度、压力、流量；所述为晶圆指标的属性至少包括：厚度分布、浓度分布、各类缺陷；所述方法进一步包括：给定训练样本，，其中表示工艺配方正则化后的数据，为工艺配方数据的属性，表示晶圆指标，为晶圆指标的属性；设定输出层第个神经元的阈值用表示，隐藏层第个神经元的阈值用表示，输入层第个神经元与隐藏层第个神经元的连接权重为，隐藏层第个神经元与输出层第个神经元的连接权重为，隐藏层第个神经元接受的输入为：；输出层第个神经元接受的输入为：；如果隐藏层与输出层的判别函数使用Sigmoid函数，对于训练集而言，假定当前的神经网络的输出为，即：；那么整个神经网络在数据集上的均方差为：；神经网络模型中，总计个参数需要确定：输出层第个神经元的阈值，隐藏层第个神经元的阈值，输入层第个神经元与隐藏层第个神经元的连接权重，藏层第个神经元与输出层第个神经元的连接权重；在神经网络学习过程中采用迭代算法，对任意的参数估计式为：；采用梯度下降策略，对目标的负梯度方向对参数进行调整，对于误差，给定学习率，一轮学习后： 其中：，；学习率控制算法每一轮学习迭代的更新步长，学习率取值在（0,1）。

全文数据：

权利要求：

百度查询： 华南农业大学 一种基于机器学习的晶圆外延生长控制方法