CN107887289A - 一种获取待测薄膜参数值的方法及装置 - Google Patents
一种获取待测薄膜参数值的方法及装置 Download PDFInfo
- Publication number
- CN107887289A CN107887289A CN201711112568.2A CN201711112568A CN107887289A CN 107887289 A CN107887289 A CN 107887289A CN 201711112568 A CN201711112568 A CN 201711112568A CN 107887289 A CN107887289 A CN 107887289A
- Authority
- CN
- China
- Prior art keywords
- population
- measured
- wavelength
- white light
- thin film
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
- H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供了一种获取待测薄膜参数值的方法及装置，其中，该方法包括：获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱；提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群；判断种群是否符合预先设置的遗传算法结束条件；若所述种群符合遗传算法结束条件，在符合遗传算法结束条件的种群中，获取种群适应度最低的种群；基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值。本申请所提供的方案能够提升待测薄膜参数值精度。
Description
技术领域
本申请涉及薄膜测量技术领域，具体而言，涉及一种获取待测薄膜参数值的方法及装置。
背景技术
现代科技的发展使得对半导体器件的关键电学特性提出了更高的要求，例如，要求更低的功耗、更好的频带响应和更低的开关损耗等。二氧化硅薄膜是附着在半导体器件表面的介质薄膜，用以改善半导体器件的电学特性，其中，薄膜厚度将直接影响半导体器件的电学特性，因而，在薄膜加工过程中，需要动态对薄膜厚度进行测量以精确控制薄膜厚度。
目前，加工过程中的薄膜厚度动态测量一般采用白光反射率谱(WLRS，WhiteLight Reflectance Spectroscopy)方法，即预先测量待测薄膜厚度，并获取与待测薄膜同厚的薄膜样本的薄膜样本参数作为该待测薄膜的薄膜参数，薄膜样本为高纯度单晶硅片氧化薄膜，薄膜样本参数可通过膜厚计算公式计算得到。在待测薄膜加工过程中，需要进行待测薄膜厚度测量时，驱动白光发射器发射白光束，并使白光束以近垂直的角度α(其中α<5°)射向待测薄膜，白光束在待测薄膜表面发生反射和折射，其中，反射角为β，折射的光束到达覆盖有待测薄膜的基层表面，在待测薄膜与基层的交界面发生反射和折射，如此不断发生折射和反射，通过在待测薄膜上方的信号采集区域收集反射光线，基于反射光线的相位变化，可以计算分析出一组反射率和光波波长之间的关系曲线，该关系曲线为WLRS曲线。在可见光波段内，由于不同的薄膜厚度对应不同的WLRS曲线，即WLRS曲线与待测薄膜厚度之间存在一一对应关系，因而，通过提取WLRS曲线的特征光波波长和该特征光波波长对应的特征白光反射率，结合预先获取的薄膜参数，利用膜厚计算公式可以计算待测薄膜的厚度。
但在进行薄膜厚度动态测量时，待测薄膜的薄膜参数采用的是与待测薄膜同厚的薄膜样本的样本薄膜参数，由于实际生产线上的单晶硅片氧化薄膜存在一定量的杂质，因而，样本薄膜参数不能表征待测薄膜，即样本薄膜参数与实际的薄膜参数之间存在较大的误差，使得用于膜厚测量的待测薄膜参数值精度较低，从而导致薄膜厚度测量精度较低。
发明内容
有鉴于此，本申请的目的在于提供获取待测薄膜参数值的方法及装置，可以提升待测薄膜参数值精度。
第一方面，本发明提供了一种获取待测薄膜参数值的方法，该方法包括：
获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱；
提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群；
判断种群是否符合预先设置的遗传算法结束条件；
若所述种群符合遗传算法结束条件，在符合遗传算法结束条件的种群中，获取种群适应度最低的种群；
基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值。
结合第一方面，本发明提供了第一方面的第一种可能的实施方式，其中，所述方法还包括：
获取加工过程中所述待测薄膜的待分析白光反射率谱；
基于所述待分析白光反射率谱、获取的待测薄膜参数值以及预先设置的膜厚计算公式，计算得到待测薄膜厚度以对待测薄膜进行厚度控制。
结合第一方面或第一方面的第一种可能的实施方式，本发明提供了第一方面的第二种可能的实施方式，其中，所述提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群包括：
以等波长间隔将所述白光反射率谱依次划分为所述预定数量的波长点；
创建预设阈值的种群，对于每一种群，随机设定每一波长点的待测薄膜参数值；
对种群中的每一待测薄膜折射率值、基层折射率值以及基层吸收系数值依次进行编码。
结合第一方面的第二种可能的实施方式，本发明提供了第一方面的第三种可能的实施方式，所述方法还包括：
若所述种群不符合遗传算法结束条件，对种群进行选择，将选择的种群进行杂交；
对杂交后形成的种群进行变异，执行所述判断种群是否符合遗传算法结束条件的步骤。
结合第一方面的第三种可能的实施方式，本发明提供了第一方面的第四种可能的实施方式，所述对种群进行选择，将选择的种群进行杂交包括：
采用赌轮选择法，随机从所述选择的种群中选中两个种群，种群被随机选中的概率与种群适应度正相关；
按照预先设置的杂交率对选中的两个种群进行杂交，得到一随机数；
判断得到的随机数是否大于所述杂交率，若得到的随机数不大于杂交率，结束杂交流程，执行所述对杂交后形成的种群进行变异的步骤；
若得到的随机数大于杂交率，对杂交得到的子代种群进行杂交，执行所述判断得到的随机数是否大于杂交率的步骤。
结合第一方面或第一方面的第一种可能的实施方式，本发明提供了第一方面的第五种可能的实施方式，所述遗传算法结束条件包括种群迭代次数阈值，所述判断种群是否符合预先设置的遗传算法结束条件包括：
统计种群进行迭代的次数，判断所述次数是否大于所述种群迭代次数阈值。
结合第一方面或第一方面的第一种可能的实施方式，本发明提供了第一方面的第六种可能的实施方式，所述遗传算法结束条件包括种群适应度阈值，所述判断种群是否符合预先设置的遗传算法结束条件包括：
依据预先设置的适应度函数计算种群适应度，判断所述种群适应度是否小于所述种群适应度阈值。
结合第一方面的第六种可能的实施方式，本发明提供了第一方面的第七种可能的实施方式，所述依据预先设置的适应度函数计算种群适应度包括：
依据种群、待测薄膜厚度以及预先设置的膜厚计算公式，得到波长点波长以及波长点波长对应的白光反射率；
依据波长点波长以及波长点波长对应的白光反射率计算特征光波波长，得到遗传特征光波波长；
计算遗传特征光波波长与实测白光反射率谱的实测特征光波波长的差的平方，得到种群适应度。
结合第一方面或第一方面的第一种可能的实施方式，本发明提供了第一方面的第八种可能的实施方式，所述基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值包括：
分别提取所述种群适应度最低的种群中的波长点波长以及对应的白光反射率；
将待测薄膜厚度、每一波长点波长以及对应的白光反射率分别应用于预先设置的膜厚计算公式中，得到方程组；
拟合所述方程组的解，得到待测薄膜参数值。
第二方面，本发明提供了获取待测薄膜参数值的装置，该装置包括：实测谱获取模块、种群构建模块、判断模块、最优种群获取模块以及参数计算模块，其中，
实测谱获取模块，用于获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱；
种群构建模块，用于提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群；
判断模块，用于判断种群是否符合预先设置的遗传算法结束条件；
最优种群获取模块，若所述种群符合遗传算法结束条件，在符合遗传算法结束条件的种群中，获取种群适应度最低的种群；
参数计算模块，用于基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值。
本申请实施例提供的获取待测薄膜参数值的方法及装置，其中方法部分，通过获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱；提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群；判断种群是否符合预先设置的遗传算法结束条件；若所述种群符合遗传算法结束条件，在符合遗传算法结束条件的种群中，获取种群适应度最低的种群；基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值，能够使得获取的待测薄膜参数值与待测薄膜的实际参数值相接近，从而提升获取的待测薄膜参数值精度。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的获取待测薄膜参数值的方法流程示意图；
图2为对待测薄膜参数值进行编码的示意图；
图3为利用遗传算法得到的薄膜折射率与样本薄膜折射率的示意图；
图4为利用遗传算法得到的基层折射率与样本基层折射率的示意图；
图5为利用遗传算法得到的基层吸收系数与样本基层吸收系数的示意图；
图6为待测薄膜加工前，利用求得的待测薄膜参数得到的修正WLRS曲线、实测WLRS曲线与高纯度同膜厚的理论WLRS曲线示意图；
图7为在待测薄膜加工过程中，利用待测薄膜参数得到的修正WLRS曲线、实测WLRS曲线与高纯度同膜厚的理论WLRS曲线示意图；
图8为本申请实施例涉及的一种获取待测薄膜参数值的装置结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例提供的获取待测薄膜参数值的方法流程示意图。如图1所示，该方法包括：
步骤101，获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱；
本实施例中，在加工之前，测量待测薄膜的膜厚(厚度)。作为一可选实施例，获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱包括：
A11，获取加工前的待测薄膜厚度，利用白光发射器由空气向待测薄膜以预定入射角发射白光束；
本实施例中，作为一可选实施例，入射角小于或等于5度。
A12，在信号采集区域采集经空气与待测薄膜的交界面以及待测薄膜与基层的交界面反复折射和反射后的光线，进行处理得到实测WLRS曲线。
本实施例中，白光束由白光发射器以入射角从空气射向待测薄膜，其中，入射角小于±5°。白光束在上分界面(空气与待测薄膜的交界面)、下分界面(待测薄膜与基层的交界面)反复发生折射和反射，最后在信号采集区域采集反复折射和反射后的光线束，通过采集到的光线束的相位差得到WLRS曲线。
本实施例中，作为一可选实施例，在进行薄膜加工前，可以采用静态测量方法获取实测WLRS曲线。为了避免测量速度较慢、采集波长间隔较大导致实测WLRS曲线精度较低的问题，该方法还可以包括：
以相同测量条件对所述待测薄膜进行多次白光束发射以获取相应的多条样本WLRS曲线，对所述多条样本WLRS曲线进行均值计算，得到实测WLRS曲线。
本实施例中，相同测量条件是指提供的入射光条件以及采集反射光的反射光条件相同，其中，入射光条件包括但不限于：射射光角度、入射光光强等；反射光条件包括但不限于：采集反射光的范围、采集反射光的方式以及采集反射光的位置等。通过采用多次测量取平均值的方式，可以得到较为准确的实测WLRS曲线。
在实测WLRS曲线中，横坐标为光波波长，纵坐标为白光反射率，一实测WLRS曲线对应有一特征光波波长和一特征白光反射率，其中，特征光波波长也称为实测特征值。
本实施例中，在膜厚计算公式中，白光反射率为待测薄膜厚度、波长、待测薄膜折射率、基层折射率和基层吸收系数的函数，即，
Re＝Re(d,λ,n1,n2,k2) (1)
式中：
Re为白光反射率；
d为待测薄膜厚度；
λ为光波波长；
n1为待测薄膜折射率；
n2为基层折射率；
k2为基层吸收系数。
本实施例中，待测薄膜参数值包括：待测薄膜折射率(n1)、基层折射率(n2)以及基层吸收系数(k2)。
本实施例中，在加工过程中进行的动态测量中，如果获取了待测薄膜参数值，结合对动态加工薄膜进行白光照射得到的实测白光反射率谱，通过该实测白光反射率谱提取出特征光波波长和特征白光反射率，则可以依据式(1)计算加工中的待测薄膜厚度。
本实施例中，对式(1)进行变换，可以得到如下公式：
式中，
R01(λ)为空气到待测薄膜的反射率；
R12(λ)为待测薄膜到基层的反射率；
n2(λ)为基层复折射率，n2(λ)＝n2+ik2，i为虚部标志，即基层复折射率包括：基层折射率以及基层吸收系数；
Φ(λ)为相移。
其中，
式中，
r01(λ)为空气到待测薄膜的菲涅耳反射(Fresnel)系数；
为r01(λ)的共轭；
r12(λ)为待测薄膜到基层的菲涅耳反射系数。
本实施例中：
式中，
n0(λ)为空气复折射率，n0(λ)＝1；
n1(λ)为待测薄膜复折射率，n1(λ)＝n1+ik1，其中，k1＝0。
由式2至式4可知，如果能够获取与白光反射率有关的待测薄膜参数值：n1、n2和k2，则可以结合实测WLRS曲线中的特征光波波长和特征白光反射率，计算出待测薄膜厚度。因而，获取最优化的待测薄膜参数值：n1、n2和k2，使之与待测薄膜的实际参数值相趋近，对后续加工中提升该待测薄膜测量精度非常重要。
遗传算法是计算数学中用于解决最优化的搜索算法，采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。目前，遗传算法已被广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。
本实施例中，以加工前的实测白光反射率谱曲线为参考曲线，考虑利用遗传算法，以自适应调整和优化与白光反射率相关的待测薄膜参数值n1、n2和k2，获取最优值，可以提高加工过程中薄膜厚度的测量精度和测量系统的鲁棒性。
步骤102，提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群；
本实施例中，作为一可选实施例，在所述提取所述白光反射率谱中预定数量的波长点之前，该方法还包括：
设置用以对种群进行遗传算法处理的适应度函数、遗传算法结束条件以及种群编码方式。
本实施例中，作为一可选实施例，遗传算法结束条件包括但不限于：种群迭代次数阈值、和/或，种群适应度阈值。
本实施例中，作为一可选实施例，所述提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群包括：
A21，以等波长间隔将所述白光反射率谱依次划分为所述预定数量的波长点；
本实施例中，从光波波长为200nm开始至800nm结束，每隔60nm取一个波长点，一共得到11个波长点，每一波长点对应有一波长及白光反射率。当然，实际应用中，也可以采用其他方式，例如，等差方式或等比方式划分波长点。
A22，创建预设阈值的种群，对于每一种群，随机设定每一波长点的待测薄膜参数值；
本实施例中，待测薄膜参数值包括：折射率值、基层折射率值以及基层吸收系数值。每一波长点对应设置有一待测薄膜折射率值、基层折射率值以及基层吸收系数值，11个波长点对应有33个待测薄膜参数值，每一种群包含有11个波长点对应的33个待测薄膜参数值，每一待测薄膜参数值对应种群中的一成员，即每一种群包含有33个成员。不同的种群中，各待测薄膜参数值随机设定，只要在合理范围内即可，例如，在可预见的待测薄膜参数值的范围内进行随机设定。
本实施例中，预设阈值，即种群数量主要决定于遗传算法的搜索速度以及精确度，较高的种群数量在提高搜索精确度的同时降低了搜索速度。作为一可选实施例，可根据具体情况设定种群数量，例如，默认预设阈值为20，即构建20个种群。
A23，对种群中的每一待测薄膜折射率值、基层折射率值以及基层吸收系数值依次进行编码。
本实施例中，每一种群中，对33个待测薄膜参数值依次进行编码，形成编码串。每一编码的待测薄膜参数值为一成员，共有33个成员。
图2为对待测薄膜参数值进行编码的示意图。如图2所示，本实施例选取11个波长点，每一波长点对应3个待测薄膜参数值(n1、n2、k2)，对33个待测薄膜参数值依次进行编码(m1、m2、m3、…、m31、m32、m33)，得到包含33个顺序相连成员的一种群。
本实施例中，由于待测薄膜参数值以及相关膜厚计算公式中所涉及的参数主要以浮点型为主，因而，作为一可选实施例，在种群编码方式上，选择更加适用于浮点型数据的各参数级联的编码方式，当然，实际应用中，也可以选用其它合适的编码方式。
步骤103，判断种群是否符合预先设置的遗传算法结束条件；
本实施例中，遗传算法结束条件包括：种群迭代次数阈值、和/或，种群适应度阈值。作为一可选实施例，遗传算法结束条件包括种群迭代次数阈值，所述判断种群是否符合预先设置的遗传算法结束条件包括：
统计种群进行迭代的次数，判断所述次数是否大于所述种群迭代次数阈值。
本实施例中，为每一种群分别设置一计数器，在该种群进行了迭代运算后，计数器执行加1操作。
本实施例中，作为另一可选实施例，遗传算法结束条件包括种群适应度阈值，所述判断种群是否符合预先设置的遗传算法结束条件包括：
依据预先设置的适应度函数计算种群适应度，判断所述种群适应度是否小于所述种群适应度阈值。
本实施例中，作为一可选实施例，依据预先设置的适应度函数计算种群适应度包括：
A31，依据种群、待测薄膜厚度以及预先设置的膜厚计算公式，得到波长点波长以及波长点波长对应的白光反射率；
本实施例中，依据种群中11个波长点对应的待测薄膜参数值(n1、n2、k2)以及待测薄膜厚度，可以利用公式(2)计算得到波长点波长及该波长点波长对应的白光反射率。
本实施例中，作为一可选实施例，在所述得到波长点波长以及波长点波长对应的白光反射率之后，该方法还包括：
利用得到的波长点波长以及波长点波长对应的白光反射率绘制白光反射率谱，得到遗传白光反射率谱。
A32，依据波长点波长以及波长点波长对应的白光反射率计算特征光波波长，得到遗传特征光波波长；
本实施例中，可以通过绘制的遗传白光反射率谱，得到该遗传白光反射率谱的特征光波波长，即遗传特征光波波长。
A33，计算遗传特征光波波长与实测白光反射率谱的实测特征光波波长的差的平方，得到种群适应度。
本实施例中，作为一可选实施例，适应度函数为实际特征光波波长与遗传特征光波波长的差的平方函数，如下式所示：
fc＝(Eigen-Eigent)2 (5)
式中，
fc为适应度函数；
Eigen为遗传特征光波波长；
Eigent为实际特征光波波长。
步骤104，若所述种群符合遗传算法结束条件，在符合遗传算法结束条件的种群中，获取种群适应度最低的种群；
本实施例中，作为一可选实施例，若种群迭代次数超过种群迭代次数阈值，例如，1000次；或者，种群适应度小于种群适应度阈值，例如，0.001，则确认该种群符合遗传算法结束条件。当然，实际应用中，也可以是若种群迭代次数超过种群迭代次数阈值且种群适应度小于种群适应度阈值，则确认该种群符合遗传算法结束条件。
本实施例中，为了避免波长点间隔较大导致种群对应的遗传白光反射率谱曲线精度较低的问题，作为另一可选实施例，在所述获取种群适应度最低的种群之后，该方法还包括：
依据所述种群适应度最低的种群中的相邻波长点对应的波长点波长，进行插值运算，获取所述相邻波长点之间的中间波长点对应的波长点波长；和/或，
依据所述种群适应度最低的种群中的相邻波长点对应的待测薄膜参数值，进行插值运算，获取所述相邻波长点之间的中间波长点对应的待测薄膜参数值。
步骤105，基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值。
本实施例中，在符合遗传算法结束条件的各种群中，优化目标种群，使该目标种群的遗传特征光波波长与实际特征光波波长插值的平方最小，则可依据该目标种群对应的白光反射率谱求取待测薄膜参数值。
本实施例中，作为另一可选实施例，所述基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值包括：
A41，分别提取所述种群适应度最低的种群中的波长点波长以及对应的白光反射率；
A42，将待测薄膜厚度、每一波长点波长以及对应的白光反射率分别应用于预先设置的膜厚计算公式中，得到方程组；
本实施例中，在膜厚计算公式中，待测薄膜厚度、波长点波长(光波波长)以及白光反射率为已知量，待测薄膜参数值(n1、n2、k2)为未知量，每一波长点的待测薄膜厚度、光波波长以及对应的白光反射率可以构建一方程，11个波长点可以构建由11个方程组成的方程组。
A43，拟合所述方程组的解，得到待测薄膜参数值。
本实施例中，作为另一可选实施例，该方法还包括：
A51，若所述种群不符合遗传算法结束条件，对种群进行选择，将选择的种群进行杂交；
A52，对杂交后形成的种群进行变异，执行所述判断种群是否符合遗传算法结束条件的步骤。
本实施例中，对变异后得到的种群进行遗传算法结束条件的判断。作为一可选实施例，变异率和杂交率分别设置为0.7和0.001。
本实施例中，作为一可选实施例，所述对种群进行选择，将选择的种群进行杂交包括：
B11，采用赌轮选择法，随机从所述选择的种群中选中两个种群，种群被随机选中的概率与种群适应度正相关；
本实施例中，作为一可选实施例，利用下式计算种群被随机选中的概率：
式中，
P(xi)为种群xi被随机选中的概率；
ffit(xi)为种群xi的适应度；
N为选择的种群数量，本实施例中，如果未舍弃种群，N＝33。
B12，按照预先设置的杂交率对选中的两个种群进行杂交，得到一随机数；
本实施例中，作为一可选实施例，随机数为(0,1)的数。
B13，判断得到的随机数是否大于所述杂交率，若得到的随机数不大于杂交率，结束杂交流程，执行所述对杂交后形成的种群进行变异的步骤。
本实施例中，作为另一可选实施例，该方法还包括：
若得到的随机数大于杂交率，对杂交得到的子代种群进行再次杂交，执行所述判断得到的随机数是否大于杂交率的步骤。
本实施例中，按照预先设置的杂交率进行杂交，产生一个(0,1)区间内均匀分布的随机数，若随机数大于杂交率，则对选中子代种群，即杂交后得到的种群进行再次杂交，否则跳过杂交操作。
本实施例中，杂交是指通过随机设定杂交的参数位置，将选中个体对应位置的参数进行互换。举例来说，如果采用单点交叉的杂交方法，通过在种群对应的编码串中随机设定一交叉点，在进行杂交时，该交叉点前或后的两个种群的部分结构进行互换，并生成两个新种群。以种群为7位编码为例，示例如下：
种群A：1 1 0 1↑1 0 1，种群B：0 0 1 1↑0 1 0，以箭头所示为杂交点，则进行杂交后，得到：
新种群A：1 1 0 1 0 1 0，新种群B：0 0 1 1 1 0 1。
本实施例中，作为一可选实施例，所述对杂交后形成的种群进行变异包括：
根据预先设置的变异率，判断种群中各成员是否需要变异，若需要变异，计算一[-0.1,0.1]区间内均匀分布的随机数，将计算所得的随机数与随机选择的变异位点相加。
本实施例中，对种群中的所有成员，以预先设置的变异率判断是否需要进行变异，并对进行变异的成员随机选择变异位进行变异。例如，假设变异位点的值为0.6，计算[-0.1,0.1]区间内均匀分布的随机数为-0.01，则该变异位点的值变为0.59，其他位点值不发生变化。
本实施例中，作为一可选实施例，变异位点可依据成员数[1,33]区间中的随机整数进行选择。
本实施例中，作为一可选实施例，该方法还包括：
获取加工过程中所述待测薄膜的待分析白光反射率谱；
基于所述待分析白光反射率谱、获取的待测薄膜参数值以及预先设置的膜厚计算公式，计算得到待测薄膜厚度以对待测薄膜进行厚度控制。
本实施例中，提取待分析白光反射率谱中的特征光波波长和特征白光反射率，结合待测薄膜参数值：n1、n2和k2，计算出待测薄膜厚度。
以下再举几个具体实施例，对本申请实施例提供的获取待测薄膜参数值的方法进行描述。
以厚度为187nm的薄膜的实测白光反射率谱为参考曲线，利用遗传算法后所得的最优参数(待测薄膜参数)与光波波长的对应关系如图3-5所示。其中，图3为利用遗传算法得到的薄膜折射率与样本薄膜折射率的示意图，图4为利用遗传算法得到的基层折射率与样本基层折射率的示意图，图5为利用遗传算法得到的基层吸收系数与样本基层吸收系数的示意图。图中，实线为利用遗传算法得到的参数，虚线为相应样本基层对应的参数，将利用遗传算法得到的参数代入膜厚计算公式，求得待测薄膜参数。
图6为待测薄膜加工前，利用求得的待测薄膜参数得到的修正WLRS曲线、实测WLRS曲线与高纯度同膜厚的理论WLRS曲线示意图。如图6所示，图中虚线为实测WLRS曲线，细实线为修正WLRS曲线，粗实线为理论WLRS曲线。由图6可知，如果认为待测薄膜是理想纯度的，则会发现理论WLRS曲线(图中粗实线)与实测WLRS曲线(图中虚线)存在着较大的区别，通过使用遗传算法自适应计算调整后的待测薄膜参数计算所得的修正WLRS曲线(图中细实线)与实测WLRS曲线的误差较小，能够较好地表征待测薄膜，因而，获取的待测薄膜参数精度高，可靠性好，进而，依据修正WLRS曲线的待测薄膜参数计算加工过程中的待测薄膜厚度，精度较高。
图7为在待测薄膜加工过程中，利用待测薄膜参数得到的修正WLRS曲线、实测WLRS曲线与高纯度同膜厚的理论WLRS曲线示意图。如图7所示，将待测薄膜研磨至104.5nm，图中虚线为实测WLRS曲线，细实线为修正WLRS曲线，粗实线为理论WLRS曲线。与图6的结果大致相同，修正WLRS曲线与实测WLRS曲线的误差较小，可知，本实施例的遗传算法具有普适性，经过遗传算法迭代后产生的待测薄膜参数(最优参数)应用于加工过程中的待测薄膜动态测量。这样，在实际应用中，可以在研磨开始前利用遗传算法计算待测薄膜参数，该待测薄膜参数能够有效表征待测薄膜，降低了采用样本薄膜参数导致的与待测薄膜实际参数之间的偏差，具有较高的精度。因而，在后续研磨加工过程中，可以利用之前遗传算法计算得到的精确待测薄膜参数，将其应用于膜厚计算公式，直接得出加工中的待测薄膜厚度，可以有效提升薄膜厚度测量精度，提高研磨精度，同时，也能保证研磨的速度。
图8为本申请实施例涉及的一种获取待测薄膜参数值的装置结构示意图。如图8所示，该装置包括：实测谱获取模块81、种群构建模块82、判断模块83、最优种群获取模块84以及参数计算模块85，其中，
实测谱获取模块81，用于获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱；
本实施例中，在加工前获取待测薄膜厚度，作为一可选实施例，实测谱获取模块81包括：白光发射器以及信号采集处理器(图中未示出)，其中，
白光发射器，用于获取加工前的待测薄膜厚度，利用白光发射器由空气向待测薄膜以预定入射角发射白光束；
信号采集处理器，用于在信号采集区域采集经空气与待测薄膜的交界面以及待测薄膜与基层的交界面反复折射和反射后的光线，进行处理得到实测WLRS曲线。
本实施例中，作为一可选实施例，入射角小于或等于5度。
本实施例中，作为另一可选实施例，实测谱获取模块81还包括：
WLRS曲线优化器，用于以相同测量条件对所述待测薄膜进行多次白光束发射以获取相应的多条样本WLRS曲线，对所述多条样本WLRS曲线进行均值计算，得到实测WLRS曲线。
种群构建模块82，用于提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群；
本实施例中，作为一可选实施例，在所述提取所述白光反射率谱中预定数量的波长点之前，种群构建模块82还用于设置用以对种群进行遗传算法处理的适应度函数、遗传算法结束条件以及种群编码方式。
本实施例中，作为一可选实施例，遗传算法结束条件包括但不限于：种群迭代次数阈值、和/或，种群适应度阈值。
判断模块83，用于判断种群是否符合预先设置的遗传算法结束条件；
最优种群获取模块84，若所述种群符合遗传算法结束条件，在符合遗传算法结束条件的种群中，获取种群适应度最低的种群；
本实施例中，作为一可选实施例，可以是在全部种群符合遗传算法结束条件后，从中选取种群适应度最低的种群。
参数计算模块85，用于基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值。
本实施例中，作为一可选实施例，该装置还包括：
膜厚控制模块(图中未示出)，用于获取加工过程中所述待测薄膜的待分析白光反射率谱；基于所述待分析白光反射率谱、获取的待测薄膜参数值以及预先设置的膜厚计算公式，计算得到待测薄膜厚度以对待测薄膜进行厚度控制。
本实施例中，作为一可选实施例，种群构建模块82包括：波长点提取单元、种群创建单元以及种群编码单元(图中未示出)，其中，
波长点提取单元，用于以等波长间隔将所述白光反射率谱依次划分为所述预定数量的波长点；
种群创建单元，用于创建预设阈值的种群，对于每一种群，随机设定每一波长点的待测薄膜参数值；
本实施例中，待测薄膜参数值包括：折射率值、基层折射率值以及基层吸收系数值。每一波长点对应设置有一待测薄膜折射率值、基层折射率值以及基层吸收系数值，11个波长点对应有33个待测薄膜参数值。
种群编码单元，用于对种群中的每一待测薄膜折射率值、基层折射率值以及基层吸收系数值依次进行编码。
本实施例中，每一种群中，对33个待测薄膜参数值依次进行编码，形成编码串。
本实施例中，作为另一可选实施例，该装置还包括：
遗传处理模块(图中未示出)，若所述种群不符合遗传算法结束条件，对种群进行选择，将选择的种群进行杂交；对杂交后形成的种群进行变异，执行所述判断种群是否符合遗传算法结束条件的步骤。
本实施例中，作为一可选实施例，遗传处理模块包括：种群选择单元、杂交单元、第一判断单元以及变异单元，其中，
种群选择单元，用于在所述种群不符合遗传算法结束条件，采用赌轮选择法，随机从所述选择的种群中选中两个种群，种群被随机选中的概率与种群适应度正相关；
杂交单元，用于按照预先设置的杂交率对选中的两个种群进行杂交，得到一随机数；
第一判断单元，用于判断得到的随机数是否大于所述杂交率，若得到的随机数不大于杂交率，结束杂交流程，通知变异单元；若得到的随机数大于杂交率，通知杂交单元对杂交得到的子代种群进行杂交；
变异单元，用于对杂交后形成的种群进行变异，通知判断模块83。
本实施例中，作为一可选实施例，判断模块83包括：统计单元以及迭代次数判断单元(图中未示出)，其中，
统计单元，用于在遗传算法结束条件包括种群迭代次数阈值时，统计种群进行迭代的次数；
迭代次数判断单元，用于判断统计的次数是否大于所述种群迭代次数阈值。
本实施例中，作为另一可选实施例，判断模块83包括：种群适应度计算单元以及种群适应度判断单元，其中，
种群适应度计算单元，用于在遗传算法结束条件包括种群适应度阈值时，依据预先设置的适应度函数计算种群适应度；
本实施例中，作为一可选实施例，适应度函数为实际特征光波波长与遗传特征光波波长的差的平方函数，如下式所示：
fc＝min(Eigen-Eigent)2
式中，
fc为适应度函数；
Eigen为遗传特征光波波长；
Eigent为实际特征光波波长。
种群适应度判断单元，用于判断计算的所述种群适应度是否小于所述种群适应度阈值。
本实施例中，作为一可选实施例，种群适应度计算单元包括：波长点波长计算子单元、遗传特征光波波长计算子单元以及种群适应度计算子单元，其中，
波长点波长计算子单元，用于依据种群、待测薄膜厚度以及预先设置的膜厚计算公式，得到波长点波长以及波长点波长对应的白光反射率；
本实施例中，依据种群中11个波长点对应的待测薄膜参数值(n1、n2、k2)以及待测薄膜厚度，可以利用下述公式组计算得到波长点波长及该波长点波长对应的白光反射率：
式中，
R01(λ)为空气到待测薄膜的反射率；
R12(λ)为待测薄膜到基层的反射率；
n2(λ)为基层复折射率，n2(λ)＝n2+ik2，i为虚部标志，即基层复折射率包括：基层折射率以及基层吸收系数；
Φ(λ)为相移。
其中，
式中，
r01(λ)为空气到待测薄膜的菲涅耳反射(Fresnel)系数；
为r01(λ)的共轭；
r12(λ)为待测薄膜到基层的菲涅耳反射系数。
本实施例中：
式中，
n0(λ)为空气复折射率，n0(λ)＝1；
n1(λ)为待测薄膜复折射率，n1(λ)＝n1+ik1，k1＝0。
遗传特征光波波长计算子单元，用于依据波长点波长以及波长点波长对应的白光反射率计算特征光波波长，得到遗传特征光波波长；
种群适应度计算子单元，用于计算遗传特征光波波长与实测白光反射率谱的实测特征光波波长的差的平方，得到种群适应度。
本实施例中，作为一可选实施例，参数计算模块包括：波长提取单元、方程组构造单元以及求解单元，其中，
波长提取单元，用于分别提取所述种群适应度最低的种群中的波长点波长以及对应的白光反射率；
方程组构造单元，用于将待测薄膜厚度、每一波长点波长以及对应的白光反射率分别应用于预先设置的膜厚计算公式中，得到方程组；
求解单元，用于拟合所述方程组的解，得到待测薄膜参数值。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种获取待测薄膜参数值的方法，其特征在于，该方法包括：
获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱；
提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群；
判断种群是否符合预先设置的遗传算法结束条件；
若所述种群符合遗传算法结束条件，在符合遗传算法结束条件的种群中，获取种群适应度最低的种群；
基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取加工过程中所述待测薄膜的待分析白光反射率谱；
基于所述待分析白光反射率谱、获取的待测薄膜参数值以及预先设置的膜厚计算公式，计算得到待测薄膜厚度以对待测薄膜进行厚度控制。
3.如权利要求1或2所述的方法，其特征在于，所述提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群包括：
以等波长间隔将所述白光反射率谱依次划分为所述预定数量的波长点；
创建预设阈值的种群，对于每一种群，随机设定每一波长点的待测薄膜参数值；
对种群中的每一待测薄膜折射率值、基层折射率值以及基层吸收系数值依次进行编码。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
若所述种群不符合遗传算法结束条件，对种群进行选择，将选择的种群进行杂交；
对杂交后形成的种群进行变异，执行所述判断种群是否符合遗传算法结束条件的步骤。
5.如权利要求4所述的方法，其特征在于，所述对种群进行选择，将选择的种群进行杂交包括：
采用赌轮选择法，随机从所述选择的种群中选中两个种群，种群被随机选中的概率与种群适应度正相关；
按照预先设置的杂交率对选中的两个种群进行杂交，得到一随机数；
判断得到的随机数是否大于所述杂交率，若得到的随机数不大于杂交率，结束杂交流程，执行所述对杂交后形成的种群进行变异的步骤；
若得到的随机数大于杂交率，对杂交得到的子代种群进行再次杂交，执行所述判断得到的随机数是否大于杂交率的步骤。
6.如权利要求1或2所述的方法，其特征在于，所述遗传算法结束条件包括种群迭代次数阈值，所述判断种群是否符合预先设置的遗传算法结束条件包括：
统计种群进行迭代的次数，判断所述次数是否大于所述种群迭代次数阈值。
7.如权利要求1或2所述的方法，其特征在于，所述遗传算法结束条件包括种群适应度阈值，所述判断种群是否符合预先设置的遗传算法结束条件包括：
依据预先设置的适应度函数计算种群适应度，判断所述种群适应度是否小于所述种群适应度阈值。
8.如权利要求7所述的方法，其特征在于，所述依据预先设置的适应度函数计算种群适应度包括：
依据种群、待测薄膜厚度以及预先设置的膜厚计算公式，得到波长点波长以及波长点波长对应的白光反射率；
依据波长点波长以及波长点波长对应的白光反射率计算特征光波波长，得到遗传特征光波波长；
计算遗传特征光波波长与实测白光反射率谱的实测特征光波波长的差的平方，得到种群适应度。
9.如权利要求1或2所述的方法，其特征在于，所述基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值包括：
分别提取所述种群适应度最低的种群中的波长点波长以及对应的白光反射率；
将待测薄膜厚度、每一波长点波长以及对应的白光反射率分别应用于预先设置的膜厚计算公式中，得到方程组；
拟合所述方程组的解，得到待测薄膜参数值。
10.一种获取待测薄膜参数值的装置，其特征在于，该装置包括：实测谱获取模块、种群构建模块、判断模块、最优种群获取模块以及参数计算模块，其中，
实测谱获取模块，用于获取待测薄膜厚度以及所述待测薄膜的实测白光反射率谱；
种群构建模块，用于提取所述白光反射率谱中预定数量的波长点，依据为波长点随机设定的待测薄膜参数值构建种群；
判断模块，用于判断种群是否符合预先设置的遗传算法结束条件；
最优种群获取模块，若所述种群符合遗传算法结束条件，在符合遗传算法结束条件的种群中，获取种群适应度最低的种群；
参数计算模块，用于基于所述种群适应度最低的种群、待测薄膜厚度以及预先设置的膜厚计算公式，获取待测薄膜参数值。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711112568.2A CN107887289B (zh) | 2017-11-13 | 2017-11-13 | 一种获取待测薄膜参数值的方法及装置 |
| PCT/CN2017/113986 WO2019090866A1 (zh) | 2017-11-13 | 2017-11-30 | 一种获取待测薄膜参数值的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711112568.2A CN107887289B (zh) | 2017-11-13 | 2017-11-13 | 一种获取待测薄膜参数值的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107887289A true CN107887289A (zh) | 2018-04-06 |
| CN107887289B CN107887289B (zh) | 2021-03-09 |
Family
ID=61780213
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711112568.2A Active CN107887289B (zh) | 2017-11-13 | 2017-11-13 | 一种获取待测薄膜参数值的方法及装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107887289B (zh) |
| WO (1) | WO2019090866A1 (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105136714A (zh) * | 2015-09-06 | 2015-12-09 | 河南工业大学 | 一种基于遗传算法的太赫兹光谱波长选择方法 |
| CN105160140A (zh) * | 2015-10-21 | 2015-12-16 | 中国地质大学（武汉） | 一种节能照明光源光谱设计方法 |
| CN106290263A (zh) * | 2015-05-19 | 2017-01-04 | 中国科学院沈阳自动化研究所 | 一种基于遗传算法的libs定标定量分析方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003315534A (ja) * | 2002-04-25 | 2003-11-06 | Sankyo Seiki Mfg Co Ltd | 光学多層膜の設計方法 |
| US8712736B2 (en) * | 2009-04-17 | 2014-04-29 | Ube Industries, Ltd. | Method for designing sunlight-reflection and heat-radiation multilayer film |
| CN102183212B (zh) * | 2010-12-28 | 2013-03-20 | 睿励科学仪器（上海）有限公司 | 一种快速确定微细周期结构形貌参数的方法及设备 |
| CN105606566A (zh) * | 2014-11-20 | 2016-05-25 | 中国建筑材料科学研究总院 | 一种透明介质膜层折射率及厚度在线测量方法 |
| CN105631193A (zh) * | 2015-12-21 | 2016-06-01 | 中国科学院长春光学精密机械与物理研究所 | 基于混合遗传算法的极紫外多层膜结构参数反演方法 |
| CN106840000B (zh) * | 2017-01-07 | 2019-01-01 | 中国计量大学 | 一种分数阶傅立叶变换的白光反射测量膜厚的方法 |
-
2017
- 2017-11-13 CN CN201711112568.2A patent/CN107887289B/zh active Active
- 2017-11-30 WO PCT/CN2017/113986 patent/WO2019090866A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106290263A (zh) * | 2015-05-19 | 2017-01-04 | 中国科学院沈阳自动化研究所 | 一种基于遗传算法的libs定标定量分析方法 |
| CN105136714A (zh) * | 2015-09-06 | 2015-12-09 | 河南工业大学 | 一种基于遗传算法的太赫兹光谱波长选择方法 |
| CN105160140A (zh) * | 2015-10-21 | 2015-12-16 | 中国地质大学（武汉） | 一种节能照明光源光谱设计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宁禹: "半导体薄膜光学参数的分析与测定", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019090866A1 (zh) | 2019-05-16 |
| CN107887289B (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301473B (zh) | 基于改进遗传算法的同类平行机批调度方法及系统 | |
| Suykens et al. | Training multilayer perceptron classifiers based on a modified support vector method | |
| CN109084415B (zh) | 基于神经网络和遗传算法的中央空调运行参数寻优方法 | |
| CN106600059A (zh) | 基于改进rbf神经网络的智能电网短期负荷预测方法 | |
| CN109615131A (zh) | 光伏功率预测方法和装置 | |
| CN106991212B (zh) | 基于ga_pso优化grnn网络算法的叶根强度预测方法 | |
| CN106529814A (zh) | 基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法 | |
| CN110110434B (zh) | 一种概率潮流深度神经网络计算的初始化方法 | |
| WO2012177913A1 (en) | Method and apparatus for a local competitive learning rule that leads to sparse connectivity | |
| CN105447509A (zh) | 一种光伏发电系统的短期功率预测方法 | |
| CN110232461A (zh) | 基于量子遗传算法优化的多关联向量机水质预测方法 | |
| CN104504442A (zh) | 神经网络优化方法 | |
| CN113094980A (zh) | 一种基于iga-dnn的焊膏印刷质量预测方法及系统 | |
| CN110047015A (zh) | 一种融合kpca和思维优化bp神经网络的用水总量预测方法 | |
| CN108320046A (zh) | 短期电力负荷预测建模方法 | |
| CN108229750A (zh) | 一种股票收益率预测方法 | |
| CN107887289A (zh) | 一种获取待测薄膜参数值的方法及装置 | |
| CN113095482A (zh) | 基于bp神经网络的拉曼放大器增益值计算方法及系统 | |
| CN105956715A (zh) | 一种土壤墒情预测方法及装置 | |
| CN109102203A (zh) | 一种基于多串染色体遗传算法的目标分配优化方法 | |
| CN106503312A (zh) | 一种基于神经网络算法的叶根应力分析方法 | |
| CN111988786B (zh) | 一种基于高维多目标分解算法的传感器网络覆盖方法及系统 | |
| CN109697531A (zh) | 一种物流园区腹地物流需求预测方法 | |
| CN108171271A (zh) | 一种设备劣化早期预警方法和系统 | |
| CN104572900B (zh) | 一种作物育种评价的性状特征选择方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230410 Address after: 100176 101, floor 2, building 2, No. 1, Taihe Third Street, economic and Technological Development Zone, Daxing District, Beijing Patentee after: Beijing Jingyi Precision Technology Co.,Ltd. Address before: 1 Taihe 3rd Street, Beijing Economic and Technological Development Zone, Beijing Patentee before: BEIJING SEMICONDUCTOR EQUIPMENT INSTITUTE (THE 45TH Research Institute OF CETC) |