CN111540420A - 一种外延材料结构的结构参数确定方法及计算机程序产品 - Google Patents

一种外延材料结构的结构参数确定方法及计算机程序产品 Download PDF

Info

Publication number
CN111540420A
CN111540420A CN202010385227.8A CN202010385227A CN111540420A CN 111540420 A CN111540420 A CN 111540420A CN 202010385227 A CN202010385227 A CN 202010385227A CN 111540420 A CN111540420 A CN 111540420A
Authority
CN
China
Prior art keywords
film layer
planned
epitaxial material
parameters
preset
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
Application number
CN202010385227.8A
Other languages
English (en)
Other versions
CN111540420B (zh
Inventor
郭帅
冯巍
谢小刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinlei semiconductor technology (Suzhou) Co.,Ltd.
Original Assignee
Epi Solution Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Epi Solution Technology Co ltd filed Critical Epi Solution Technology Co ltd
Priority to CN202010385227.8A priority Critical patent/CN111540420B/zh
Publication of CN111540420A publication Critical patent/CN111540420A/zh
Application granted granted Critical
Publication of CN111540420B publication Critical patent/CN111540420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Crystals, And After-Treatments Of Crystals (AREA)

Abstract

本发明提供一种外延材料结构的结构参数确定方法及计算机程序产品，涉及半导体测试技术领域。该方法包括：提供外延材料结构的计划结构参数；提供外延材料结构的XRD测试数据；根据预设拟合算法，对根据计划结构参数计算获得的外延材料结构的计划XRD计算数据与XRD测试数据进行拟合，从而获得经修正的计划结构参数；将经修正的计划结构参数作为外延材料结构的实际生长结构参数。在采用预设拟合算法对计划结构参数进行修正操作时，通过进行添加新的膜层、减少已有的膜层、修正组分和厚度的修正操作，使得可以对计划结构参数进行全方位的修正，而不局限于仅仅对组分和厚度的修正，从而可以获得实际生长结构的更加准确的结构参数。

Description

一种外延材料结构的结构参数确定方法及计算机程序产品
技术领域
本发明涉及半导体测试技术领域，具体涉及一种外延材料结构的结构参数确定方法及计算机程序产品。
背景技术
在分子束外延(MBE)的大规模生产中，首先确定待生长的外延材料结构的计划结构参数，计划结构参数通常包括在衬底上依次生长的材料膜层、每一膜层对应的材料组分以及每一膜层的厚度，然后，根据计划结构参数设定分子束外延设备的生长工艺条件进行外延生长，最后对生长完毕的外延材料结构进行测试，以获知实际生长的外延材料结构的实际生长结构。
理想情况下，期望最终生长获得的外延材料结构的实际生长结构参数与计划结构参数完全一致，然而，由于对分子束外延设备的生长工艺条件的确定存在偏差以及生长工艺稳定性等原因，使得实际生长结构参数与计划结构参数存在一定的偏差。为了及时获知这些偏差以对应地调整生长工艺条件，通常可以通过XRD(X射线衍射)对实际生长的外延材料结构进行测量，以获得XRD测试数据(XRD摇摆曲线)，并且通过对XRD测试数据进行计算机模拟拟合，以获知实际生长结构参数。
在利用计算机对XRD测试数据进行常规模拟拟合时，首先根据计划结构参数建立外延材料结构模拟模型，模拟模型中包括了衬底上依次生长的膜层材料、膜层材料的组分(包括预设的组分变化范围)以及对应的厚度(包括预设的厚度变化范围)，通常利用遗传算法，基于模拟模型的计算值与XRD测试数据的比较来在预设的组分变化范围以及预设的厚度变化范围内自动修正对应膜层的组分和/或厚度，通过不断迭代，使得模拟模型计算值与XRD测试数据尽可能地接近，从而将最终修正的外延材料结构模拟模型中的结构参数作为实际生长结构参数。
该常规方法基于如下的假设：实际生长结构与计划结构参数的差异仅可能存在于组分以及膜层厚度两个方面。
尽管很多情况下，上述的常规方法能够获得比较令人满意的结果，但是当所生长的外延结构复杂或者分子束外延设备的运行状况不是理想状态时，可能导致实际生长结构与计划结构参数的差异不限于膜层组分和膜层厚度两个方面，可能会导致实际生长结构中出现计划结构参数中以外的新的膜层，这种情况下，常规的XRD模拟方法无法实现模型计算值与XRD测试数据的良好匹配，从而难以实现对外延材料结构的结构参数的准确确定。
发明内容
本发明的目的在于，针对上述现有技术的不足，提供一种外延材料结构的结构参数确定方法及计算机程序产品，以解决外延材料结构的结构参数的准确确定问题。
为实现上述目的，本发明采用的技术方案如下：
第一方面，本发明提供了一种外延材料结构的结构参数确定方法，用于通过外延材料结构的XRD测试数据确定外延材料结构的实际生长结构参数，实际生长结构参数包括外延材料结构的外延层中所有实际生长膜层、每一实际生长膜层的材料组分以及对应的厚度，所述方法包括：
步骤a、提供外延材料结构在实际生长前的初始的计划结构参数，计划结构参数包括外延材料结构在实际生长前所有计划膜层、每一计划膜层的材料组分以及对应的厚度；
步骤b、提供外延材料结构的XRD测试数据；
步骤c、根据预设拟合算法，对根据计划结构参数计算获得的外延材料结构的计划XRD计算数据与XRD测试数据进行拟合，以对计划结构参数进行修正，从而获得经修正的计划结构参数，预设拟合算法中对计划结构参数进行的修正操作包括在计划结构参数中添加一层或更多层新的膜层、在计划结构参数中减少一层或更多层已有的膜层、针对任一计划膜层在预设组分范围内修正该膜层的材料组分、针对任一计划膜层在预设厚度范围内修正该膜层的厚度，根据预设拟合算法包括用于进行添加或减少膜层操作的第一预设拟合算法和用于修改膜层材料组分或厚度的第二预设拟合算法；
步骤d、将经修正的计划结构参数作为外延材料结构的实际生长结构参数。
可选地，步骤c包括：
步骤c1、根据计划结构参数，计算获得外延材料结构的计划XRD计算数据；
步骤c2、根据计划XRD计算数据和XRD测试数据，根据预设目标函数算法计算目标函数，目标函数用于表示计划XRD计算数据与XRD测试数据之间的差异；
步骤c3、根据预设拟合算法和目标函数，对计划结构参数执行修正操作，以获得经修正的计划结构参数，并且将经修正的计划结构参数作为步骤c1中的计划结构参数；
步骤c4、重复迭代进行步骤c1至步骤c3，直到目标函数小于预设目标函数阈值或者迭代次数大于预设迭代阈值为止。
可选地，在步骤c3之前，所述方法还包括：
结合外延材料结构的生长条件，针对外延材料结构的初始的计划结构参数中的每一目标膜层，设置备选膜层数据集合，备选膜层数据集合中的每一备选膜层用于在进行修正操作时被添加设置在该目标膜层上，备选膜层数据集合中的每一备选膜层的数据包括该备选膜层的初始材料组分以及对应的初始厚度。
可选地，在进行所述修正操作时，如果针对外延材料结构的初始的计划结构参数中的某一目标膜层，从其对应的备选膜层数据集合中选择一个备选膜层添加在该目标膜层上，则将该备选膜层数据集合作为已经添加的该一个备选膜层的备选膜层数据集合。
可选地，第一预设拟合算法为蚁群算法，外延材料结构的初始的计划结构参数中的膜层自下而上依次包括膜层L1、L2、...、Ln，其中n表示初始的计划结构参数中的膜层的总层数，针对任一膜层Li，i＝1,2,...,n，该膜层Li对应的备选膜层数据集合中包括备选膜层Lij，j＝1,2,...,mi，其中mi表示膜层Li对应的备选膜层数据集合中包括的备选膜层的总数，从膜层Li至膜层Li+1之间包括如下mi+1条路径：膜层Li→膜层Li+1；膜层Li→膜层Lij→膜层Li+1，j＝1,2,...,mi，
用τ(Li,Lig)表示从膜层Li至膜层Li+1之间路径Lig上的信息素浓度，g＝0,1,2,...,mi；g＝0时，路径Lig对应于路径：膜层Li→膜层Li+1；g＝1,2,...,mi时，路径Lig对应于路径：膜层Li→膜层Lij→膜层Li+1，j＝1,2,...,mi；
步骤c包括：
步骤CC1、初始化外延材料结构的初始的计划结构参数中的所有路径上的τ(Li,Lig)为预设值τ0，g＝0,1,2,...,mi；
步骤CC2、将k只蚂蚁设置在初始的计划结构参数的第一膜层L1上，针对位于膜层Li上的任一只蚂蚁，i＝1,2,...,n-1，该蚂蚁通过如下规则来选择到达膜层Li+1的路径：对于在[0,1]区间内均匀分布的随机数q，如果q≤q0，q0为在(0,1)区间内的预设的经验参数，则对于g＝0,1,2,...,mi选择τ(Li,Lig)中最大值对应的路径为该蚂蚁的路径，如果q>q0，则按照τ(Li,Lig)/(τ(Li,Li0)+τ(Li,Li1)+...+τ(Li,Limi))的概率分布来选择路径，并且根据第二预设拟合算法确定所选择的路径下对应的膜层的材料组分和厚度；
步骤CC3、针对每一只蚂蚁的路径，根据X射线衍射理论计算计划XRD计算数据以及对应的目标函数，并且在任一只蚂蚁从膜层L1到达膜层Ln之后，均按照预设规则更新全部路径上的信息素浓度，目标函数＝∑Ω(|log(计划XRD计算数据)-log(XRD测试数据)|)，Ω表示XRD测试数据的横坐标的所有取值；
步骤CC4、将k只蚂蚁经过的k条路径中最小目标函数对应的路径所对应的膜层结构参数作为经修正的计划结构参数，并且将经修正的计划结构参数作为步骤CC2中的计划结构参数；
步骤CC5、重复迭代进行步骤CC2至步骤CC4，直到目标函数小于预设目标函数阈值或者迭代次数大于预设迭代阈值为止。
可选地，在步骤CC3中，更新信息素浓度的规则如下：
τ(Li,Lig)＝(1-ρ)*τ(Li,Lig)+Δτ(Li,Lig)+e*Δτs(Li,Lig)
其中，g＝0,1,2,...,mi，ρ为在[0,1]区间内的预设经验参数，用于表示信息素浓度的挥发速度，e为预设最优路径权重，Δτ(Li,Lig)＝Δτ1(Li,Lig)+Δτ2(Li,Lig)+...+Δτk(Li,Lig)，
针对第h只蚂蚁，h＝1,2,...,k，如果其经过如下路径：膜层Li→膜层Lig，则Δτh(Li,Lig)＝Q/Dh，否则Δτh(Li,Lig)＝0；如果最小目标函数对应的路径中包括如下路径：膜层Li→膜层Lig，则Δτs(Li,Lig)＝Q/Ds，否则Δτs(Li,Lig)＝0；Q为预设经验值，Dh为第h只蚂蚁经过的路径所对应的目标函数，Ds为全部k只蚂蚁经过的路径对应的所有目标函数中的最小目标函数。
可选地，k的范围为50至500；ρ的范围为0至0.1；q0的范围为0.2至0.4；τ0为1；e的范围为1至10；Q的范围为0至0.1。
可选地，k为200；ρ为0.05；q0为0.35；e为5；Q为0.05。
可选地，第二预设拟合算法为蚁群算法。
第二方面，本发明还提供了一种计算机程序产品，该计算机程序产品中包含有指令，当指令在计算机或处理器上运行时，使得计算机或处理器执行上述第一方面所述的外延材料结构的结构参数确定方法。
本发明的有益效果包括：
本发明提供的外延材料结构的结构参数确定方法，用于通过外延材料结构的XRD测试数据确定外延材料结构的实际生长结构参数，实际生长结构参数包括外延材料结构的外延层中所有实际生长膜层、每一实际生长膜层的材料组分以及对应的厚度，所述方法包括：步骤a、提供外延材料结构在实际生长前的初始的计划结构参数，计划结构参数包括外延材料结构在实际生长前所有计划膜层、每一计划膜层的材料组分以及对应的厚度；步骤b、提供外延材料结构的XRD测试数据；步骤c、根据预设拟合算法，对根据计划结构参数计算获得的外延材料结构的计划XRD计算数据与XRD测试数据进行拟合，以对计划结构参数进行修正，从而获得经修正的计划结构参数，预设拟合算法中对计划结构参数进行的修正操作包括在计划结构参数中添加一层或更多层新的膜层、在计划结构参数中减少一层或更多层已有的膜层、针对任一计划膜层在预设组分范围内修正该膜层的材料组分、针对任一计划膜层在预设厚度范围内修正该膜层的厚度，根据预设拟合算法包括用于进行添加或减少膜层操作的第一预设拟合算法和用于修改膜层材料组分或厚度的第二预设拟合算法；步骤d、将经修正的计划结构参数作为外延材料结构的实际生长结构参数。在采用预设拟合算法对计划结构参数进行修正操作时，通过进行添加新的膜层、减少已有的膜层、修正组分和厚度的修正操作，使得可以对计划结构参数进行全方位的修正，而不局限于仅仅对组分和厚度的修正，从而可以获得实际生长结构的更加准确的结构参数。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1示出了本发明一实施例提供的外延材料结构参数确定方法的流程图；
图2示出了本发明一实施例提供的数据拟合过程的流程图；
图3A示出了本发明实施例提供的初始的计划结构示意图；
图3B示出了本发明实施例提供的计划结构修正示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在分子束外延(MBE)的大规模生产中，首先确定待生长的外延材料结构的计划结构参数，计划结构参数通常包括在衬底上依次生长的材料膜层、每一膜层对应的材料组分以及每一膜层的厚度，然后，根据计划结构参数设定分子束外延设备的生长工艺条件进行外延生长，最后对生长完毕的外延材料结构进行XRD测试并进行模拟拟合，以获知实际生长的外延材料结构的实际生长结构。常规的拟合方法通常仅自动修正计划结构参数中的组分以及膜层厚度两个方面，以实现计算数据与测试数据的匹配。尽管很多情况下，上述的常规方法能够获得比较令人满意的结果，但是当所生长的外延结构复杂或者分子束外延设备的运行状况不是理想状态时，可能导致实际生长结构与计划结构参数的差异不限于膜层组分和膜层厚度两个方面，可能会导致实际生长结构中出现计划结构参数中以外的新的膜层，这种情况下，常规的XRD模拟方法无法实现模型计算值与XRD测试数据的良好匹配，从而难以实现对外延材料结构的结构参数的准确确定。因此，需要提供一种外延材料结构的结构参数确定方法，该方法在对XRD测试数据进行拟合时，能够全方面的修正计划结构参数，以实现对外延材料结构的结构参数的准确确定。
图1示出了本发明一实施例提供的外延材料结构参数确定方法的流程图，如图1所示，本发明实施例提供的外延材料结构的结构参数确定方法，用于通过外延材料结构的XRD测试数据确定外延材料结构的实际生长结构参数，实际生长结构参数包括外延材料结构的外延层中所有实际生长膜层、每一实际生长膜层的材料组分以及对应的厚度，所述方法包括：
步骤a、提供外延材料结构在实际生长前的初始的计划结构参数，计划结构参数包括外延材料结构在实际生长前所有计划膜层、每一计划膜层的材料组分以及对应的厚度；步骤b、提供外延材料结构的XRD测试数据；步骤c、根据预设拟合算法，对根据计划结构参数计算获得的外延材料结构的计划XRD计算数据与XRD测试数据进行拟合，以对计划结构参数进行修正，从而获得经修正的计划结构参数，预设拟合算法中对计划结构参数进行的修正操作包括在计划结构参数中添加一层或更多层新的膜层、在计划结构参数中减少一层或更多层已有的膜层、针对任一计划膜层在预设组分范围内修正该膜层的材料组分、针对任一计划膜层在预设厚度范围内修正该膜层的厚度，根据预设拟合算法包括用于进行添加或减少膜层操作的第一预设拟合算法和用于修改膜层材料组分或厚度的第二预设拟合算法；步骤d、将经修正的计划结构参数作为外延材料结构的实际生长结构参数。
综上所述，在采用预设拟合算法对计划结构参数进行修正操作时，通过进行添加新的膜层、减少已有的膜层、修正组分和厚度的修正操作，使得可以对计划结构参数进行全方位的修正，而不局限于仅仅对组分和厚度的修正，从而可以获得实际生长结构的更加准确的结构参数。
可选地，如图2所示，步骤c包括：步骤c1、根据计划结构参数，计算获得外延材料结构的计划XRD计算数据；步骤c2、根据计划XRD计算数据和XRD测试数据，根据预设目标函数算法计算目标函数，目标函数用于表示计划XRD计算数据与XRD测试数据之间的差异；步骤c3、根据预设拟合算法和目标函数，对计划结构参数执行修正操作，以获得经修正的计划结构参数，并且将经修正的计划结构参数作为步骤c1中的计划结构参数；步骤c4、重复迭代进行步骤c1至步骤c3，直到目标函数小于预设目标函数阈值或者迭代次数大于预设迭代阈值为止。
可选地，在步骤c3之前，所述方法还包括：结合外延材料结构的生长条件，针对外延材料结构的初始的计划结构参数中的每一目标膜层，设置备选膜层数据集合，备选膜层数据集合中的每一备选膜层用于在进行修正操作时被添加设置在该目标膜层上，备选膜层数据集合中的每一备选膜层的数据包括该备选膜层的初始材料组分以及对应的初始厚度。具体地，针对每一目标膜层，备选膜层数据集合包括该目标膜层本身以及工艺上可能出现的其他膜层。例如，如果目标膜层为InP，生长目标膜层之前还生长了含As化合物，则该目标膜层的备选膜层数据集合至少包括InP和InAsP。
可选地，在进行所述修正操作时，如果针对外延材料结构的初始的计划结构参数中的某一目标膜层，从其对应的备选膜层数据集合中选择一个备选膜层添加在该目标膜层上，则将该备选膜层数据集合作为已经添加的该一个备选膜层的备选膜层数据集合。一旦从备选膜层数据集合中将某一备选膜层数据添加进入计划结构参数中，则在进行下一次的修正时，该添加的备选膜层作为已有膜层，由于其生长前后的工艺环境与之前的目标膜层相似，因此将原来的目标膜层对应的备选膜层数据集合作为该添加的备选膜层的备选膜层数据集合。
可选地，第一预设拟合算法为蚁群算法。下面将描述采用蚁群算法进行膜层添加或减少的详细过程。外延材料结构的初始的计划结构参数中的膜层自下而上依次包括膜层L1、L2、...、Ln，其中n表示初始的计划结构参数中的膜层的总层数，针对任一膜层Li，i＝1,2,...,n，该膜层Li对应的备选膜层数据集合中包括备选膜层Lij，j＝1,2,...,mi，其中mi表示膜层Li对应的备选膜层数据集合中包括的备选膜层的总数，从膜层Li至膜层Li+1之间包括如下mi+1条路径：膜层Li→膜层Li+1；膜层Li→膜层Lij→膜层Li+1，j＝1,2,...,mi，用τ(Li,Lig)表示从膜层Li至膜层Li+1之间路径Lig上的信息素浓度，g＝0,1,2,...,mi；g＝0时，路径Lig对应于路径：膜层Li→膜层Li+1；g＝1,2,...,mi时，路径Lig对应于路径：膜层Li→膜层Lij→膜层Li+1，j＝1,2,...,mi。
步骤c包括：步骤CC1、初始化外延材料结构的初始的计划结构参数中的所有路径上的τ(Li,Lig)为预设值τ0，g＝0,1,2,...,mi；步骤CC2、将k只蚂蚁设置在初始的计划结构参数的第一膜层L1上，针对位于膜层Li上的任一只蚂蚁，i＝1,2,...,n-1，该蚂蚁通过如下规则来选择到达膜层Li+1的路径：对于在[0,1]区间内均匀分布的随机数q，如果q≤q0，q0为在(0,1)区间内的预设的经验参数，则对于g＝0,1,2,...,mi选择τ(Li,Lig)中最大值对应的路径为该蚂蚁的路径，如果q>q0，则按照τ(Li,Lig)/(τ(Li,Li0)+τ(Li,Li1)+...+τ(Li,Limi))的概率分布来选择路径，并且根据第二预设拟合算法确定所选择的路径下对应的膜层的材料组分和厚度；步骤CC3、针对每一只蚂蚁的路径，根据X射线衍射理论计算计划XRD计算数据以及对应的目标函数，并且在任一只蚂蚁从膜层L1到达膜层Ln之后，均按照预设规则更新全部路径上的信息素浓度，目标函数＝∑Ω(|log(计划XRD计算数据)-log(XRD测试数据)|)，Ω表示XRD测试数据的横坐标的所有取值，其中|log(计划XRD计算数据)-log(XRD测试数据)|表示log(计划XRD计算数据)-log(XRD测试数据)之差的绝对值；步骤CC4、将k只蚂蚁经过的k条路径中最小目标函数对应的路径所对应的膜层结构参数作为经修正的计划结构参数，并且将经修正的计划结构参数作为步骤CC2中的计划结构参数；步骤CC5、重复迭代进行步骤CC2至步骤CC4，直到目标函数小于预设目标函数阈值或者迭代次数大于预设迭代阈值为止。如果最小目标函数对应的路径中包含了初始计划结构参数中没有的膜层，则表示实现了对计划结构参数中膜层的增加修正操作，如果最小目标函数对应的路径中缺少了初始计划结构参数中已有的膜层，则表示实现了对计划结构参数中膜层的减少修正操作。
具体地，增加或减少膜层的修正操作如图3A和图3B所示，图3A示出了外延材料结构的计划结构包括衬底100、第一膜层101、第二膜层102、...、第n膜层10n，对于第一膜层101，根据工艺条件，预先确定了该膜层的备选膜层数据集合中包括膜层1011、...、膜层101m，蚁群算法中，从膜层101到膜层102，存在如图3B所示的S0、S1、...、Sm共计m+1条路径，蚂蚁从这些路径中选择一条经过，到达第二膜层102，剩余层类似，直到蚂蚁达到最顶层10n，蚂蚁所经过的一条完整的路径对应了一种膜层结构，针对该膜层结构，可以计算获得对应的XRD计算数据，并将该数据与XRD测试数据进行比较。S0路径表示蚂蚁从第一膜层101直接到达第二膜层102，也就是说，第一膜层101与第二膜层102之间不存在其他的层，S1路径表示蚂蚁从第一膜层101经由膜层1011到达第二膜层102，Sm路径类似。如果最小目标函数对应的路径中包括了膜层1011，则表示经修正后的计划结构参数中增加了膜层1011。在已经存在膜层1011的情况下，在下一次迭代过程中，如果获得了新的更小的目标函数，并且其对应的路径为S0，则表示减少了已经存在于计划结构参数中的膜层1011。
可选地，在步骤CC3中，更新信息素浓度的规则如下：
τ(Li,Lig)＝(1-ρ)*τ(Li,Lig)+Δτ(Li,Lig)+e*Δτs(Li,Lig)
其中，g＝0,1,2,...,mi，ρ为在[0,1]区间内的预设经验参数，用于表示信息素浓度的挥发速度，e为预设最优路径权重，Δτ(Li,Lig)＝Δτ1(Li,Lig)+Δτ2(Li,Lig)+...+Δτk(Li,Lig)，针对第h只蚂蚁，h＝1,2,...,k，如果其经过如下路径：膜层Li→膜层Lig，则Δτh(Li,Lig)＝Q/Dh，否则Δτh(Li,Lig)＝0；如果最小目标函数对应的路径中包括如下路径：膜层Li→膜层Lig，则Δτs(Li,Lig)＝Q/Ds，否则Δτs(Li,Lig)＝0；Q为预设经验值，Dh为第h只蚂蚁经过的路径所对应的目标函数，Ds为全部k只蚂蚁经过的路径对应的所有目标函数中的最小目标函数。
可选地，k的范围为50至500；ρ的范围为0至0.1；q0的范围为0.2至0.4；τ0为1；e的范围为1至10；Q的范围为0至0.1。
可选地，k为200；ρ为0.05；q0为0.35；e为5；Q为0.05。
通常上述基于蚁群算法的拟合方法，可以对初始的计划结构参数进行下述修改：增加新的膜层，减少已有的膜层，修正膜层的组分以及修正膜层的厚度，蚁群算法作为全局优化算法，通过优化各个经验参数，可以实现拟合过程快速的收敛，避免陷入局部最优。最终获得的经蚁群算法修正的计划结构参数的XRD计算结果与XRD测试结果高度吻合，从而实现通过本发明所提供的方法所确定的外延材料结构参数的高度准确性。
可选地，第二预设拟合算法为蚁群算法。应当理解，第二预设拟合算法也可以为其他算法，例如遗传算法。在第二预设拟合算法与第一预设拟合算法相同，均为蚁群算法的情况下，可以将第一预设拟合算法的拟合过程和第二预设拟合算法的拟合过程结合执行，具体地，将上述用蚁群算法实现的膜层的类别选择的路径作为主路径，每个膜层对应的主路径区段包括第一部分和第二部分，第一部分和第二部分中间存在第一分支路径组和第二分支路径组，第一分支路径组中包括对应在预设的组分范围内的不同的组分的多个第一分支路径，第二分支路径组中包括对应在预设的厚度范围内的不同的厚度的多个第二分支路径，蚂蚁需要从第一部分开始，经历第一分支路径组中的一个第一分支路径，然后再经历第二分支路径组中的一个第二分支路径，最后到达第二部分，从而实现蚂蚁路径与膜层类别、组分以及厚度的对应关系。在第二预设拟合算法为其他算法例如遗传算法的情况下，可以先通过第一预设拟合算法找到最优的膜层类别结构，再在此基础上通过第二预设拟合算法找到最优的组分和厚度，再依次反复执行第一预设拟合算法和第二预设拟合算法，从而实现膜层类别结构以及组分和厚度的最佳匹配拟合结果。
本发明实施例还提供了一种存储介质，该存储介质上存储有程序，该程序被处理器执行时可实现上述各个实施例中的外延材料结构的结构参数确定方法。
本发明实施例还提供了一种计算机程序产品，该计算机程序产品中包含有指令，当指令在计算机或处理器上运行时，使得计算机或处理器执行上述各个实施例中的外延材料结构的结构参数确定方法。本发明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全部或部分可以以软件产品的形式体现出来，该计算机程序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、移动终端或其中的处理器执行本发明各个实施例所述外延材料结构的结构参数确定方法的全部或部分步骤。
上述实施例只为说明本发明的技术构思及特点，其目的在于让本领域普通技术人员能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围内。

Claims (10)

1.一种外延材料结构的结构参数确定方法，其特征在于，用于通过外延材料结构的XRD测试数据确定所述外延材料结构的实际生长结构参数，所述实际生长结构参数包括所述外延材料结构的外延层中所有实际生长膜层、每一实际生长膜层的材料组分以及对应的厚度，所述方法包括：
步骤a、提供所述外延材料结构在实际生长前的初始的计划结构参数，所述计划结构参数包括所述外延材料结构在实际生长前所有计划膜层、每一计划膜层的材料组分以及对应的厚度；
步骤b、提供所述外延材料结构的XRD测试数据；
步骤c、根据预设拟合算法，对根据所述计划结构参数计算获得的所述外延材料结构的计划XRD计算数据与所述XRD测试数据进行拟合，以对所述计划结构参数进行修正，从而获得经修正的计划结构参数，所述预设拟合算法中对所述计划结构参数进行的修正操作包括在所述计划结构参数中添加一层或更多层新的膜层、在所述计划结构参数中减少一层或更多层已有的膜层、针对任一计划膜层在预设组分范围内修正该膜层的材料组分、针对任一计划膜层在预设厚度范围内修正该膜层的厚度，所述根据预设拟合算法包括用于进行添加或减少膜层操作的第一预设拟合算法和用于修改膜层材料组分或厚度的第二预设拟合算法；
步骤d、将所述经修正的计划结构参数作为所述外延材料结构的实际生长结构参数。
2.根据权利要求1所述的外延材料结构的结构参数确定方法，其特征在于，所述步骤c包括：
步骤c1、根据所述计划结构参数，计算获得所述外延材料结构的计划XRD计算数据；
步骤c2、根据所述计划XRD计算数据和所述XRD测试数据，根据预设目标函数算法计算目标函数，所述目标函数用于表示所述计划XRD计算数据与所述XRD测试数据之间的差异；
步骤c3、根据所述预设拟合算法和所述目标函数，对所述计划结构参数执行修正操作，以获得经修正的计划结构参数，并且将所述经修正的计划结构参数作为步骤c1中的计划结构参数；
步骤c4、重复迭代进行步骤c1至步骤c3，直到所述目标函数小于预设目标函数阈值或者迭代次数大于预设迭代阈值为止。
3.根据权利要求2所述的外延材料结构的结构参数确定方法，其特征在于，在所述步骤c3之前，所述方法还包括：
结合所述外延材料结构的生长条件，针对所述外延材料结构的初始的计划结构参数中的每一目标膜层，设置备选膜层数据集合，所述备选膜层数据集合中的每一备选膜层用于在进行修正操作时被添加设置在该目标膜层上，所述备选膜层数据集合中的每一备选膜层的数据包括该备选膜层的初始材料组分以及对应的初始厚度。
4.根据权利要求3所述的外延材料结构的结构参数确定方法，其特征在于，在进行所述修正操作时，如果针对所述外延材料结构的初始的计划结构参数中的某一目标膜层，从其对应的备选膜层数据集合中选择一个备选膜层添加在该目标膜层上，则将该备选膜层数据集合作为已经添加的该一个备选膜层的备选膜层数据集合。
5.根据权利要求4所述的外延材料结构的结构参数确定方法，其特征在于，所述第一预设拟合算法为蚁群算法，所述外延材料结构的初始的计划结构参数中的膜层自下而上依次包括膜层L1、L2、...、Ln，其中n表示初始的计划结构参数中的膜层的总层数，针对任一膜层Li，i＝1,2,...,n，该膜层Li对应的备选膜层数据集合中包括备选膜层Lij，j＝1,2,...,mi，其中mi表示膜层Li对应的备选膜层数据集合中包括的备选膜层的总数，从膜层Li至膜层Li+1之间包括如下mi+1条路径：膜层Li→膜层Li+1；膜层Li→膜层Lij→膜层Li+1，j＝1,2,...,mi，
用τ(Li,Lig)表示从膜层Li至膜层Li+1之间路径Lig上的信息素浓度，g＝0,1,2,...,mi；g＝0时，路径Lig对应于路径：膜层Li→膜层Li+1；g＝1,2,...,mi时，路径Lig对应于路径：膜层Li→膜层Lij→膜层Li+1，j＝1,2,...,mi；
所述步骤c包括：
步骤CC1、初始化所述外延材料结构的初始的计划结构参数中的所有路径上的τ(Li,Lig)为预设值τ0，g＝0,1,2,...,mi；
步骤CC2、将k只蚂蚁设置在初始的计划结构参数的第一膜层L1上，针对位于膜层Li上的任一只蚂蚁，i＝1,2,...,n-1，该蚂蚁通过如下规则来选择到达膜层Li+1的路径：对于在[0,1]区间内均匀分布的随机数q，如果q≤q0，q0为在(0,1)区间内的预设的经验参数，则对于g＝0,1,2,...,mi选择τ(Li,Lig)中最大值对应的路径为该蚂蚁的路径，如果q>q0，则按照τ(Li,Lig)/(τ(Li,Li0)+τ(Li,Li1)+...+τ(Li,Limi))的概率分布来选择路径，并且根据所述第二预设拟合算法确定所选择的路径下对应的膜层的材料组分和厚度；
步骤CC3、针对每一只蚂蚁的路径，根据X射线衍射理论计算计划XRD计算数据以及对应的目标函数，并且在任一只蚂蚁从膜层L1到达膜层Ln之后，均按照预设规则更新全部路径上的信息素浓度，所述目标函数＝∑Ω(|log(计划XRD计算数据)-log(XRD测试数据)|)，Ω表示所述XRD测试数据的横坐标的所有取值；
步骤CC4、将k只蚂蚁经过的k条路径中最小目标函数对应的路径所对应的膜层结构参数作为经修正的计划结构参数，并且将所述经修正的计划结构参数作为步骤CC2中的计划结构参数；
步骤CC5、重复迭代进行步骤CC2至步骤CC4，直到所述目标函数小于预设目标函数阈值或者迭代次数大于预设迭代阈值为止。
6.根据权利要求5所述的外延材料结构的结构参数确定方法，其特征在于，在所述步骤CC3中，更新信息素浓度的规则如下：
τ(Li,Lig)＝(1-ρ)*τ(Li,Lig)+Δτ(Li,Lig)+e*Δτs(Li,Lig)
其中，g＝0,1,2,...,mi，ρ为在[0,1]区间内的预设经验参数，用于表示信息素浓度的挥发速度，e为预设最优路径权重，Δτ(Li,Lig)＝Δτ1(Li,Lig)+Δτ2(Li,Lig)+...+Δτk(Li,Lig)，
针对第h只蚂蚁，h＝1,2,...,k，如果其经过如下路径：膜层Li→膜层Lig，则Δτh(Li,Lig)＝Q/Dh，否则Δτh(Li,Lig)＝0；如果最小目标函数对应的路径中包括如下路径：膜层Li→膜层Lig，则Δτs(Li,Lig)＝Q/Ds，否则Δτs(Li,Lig)＝0；Q为预设经验值，Dh为第h只蚂蚁经过的路径所对应的目标函数，Ds为全部k只蚂蚁经过的路径对应的所有目标函数中的最小目标函数。
7.根据权利要求6所述的外延材料结构的结构参数确定方法，其特征在于，k的范围为50至500；ρ的范围为0至0.1；q0的范围为0.2至0.4；τ0为1；e的范围为1至10；Q的范围为0至0.1。
8.根据权利要求7所述的外延材料结构的结构参数确定方法，其特征在于，k为200；ρ为0.05；q0为0.35；e为5；Q为0.05。
9.根据权利要求1至8中任一项所述的外延材料结构的结构参数确定方法，其特征在于，所述第二预设拟合算法为蚁群算法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品中包含有指令，当所述指令在计算机或处理器上运行时，使得所述计算机或处理器执行如权利要求1至9中任一项所述的外延材料结构的结构参数确定方法。
CN202010385227.8A 2020-05-09 2020-05-09 一种外延材料结构的结构参数确定方法及计算机程序产品 Active CN111540420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010385227.8A CN111540420B (zh) 2020-05-09 2020-05-09 一种外延材料结构的结构参数确定方法及计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010385227.8A CN111540420B (zh) 2020-05-09 2020-05-09 一种外延材料结构的结构参数确定方法及计算机程序产品

Publications (2)

Publication Number Publication Date
CN111540420A true CN111540420A (zh) 2020-08-14
CN111540420B CN111540420B (zh) 2020-12-22

Family

ID=71979204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010385227.8A Active CN111540420B (zh) 2020-05-09 2020-05-09 一种外延材料结构的结构参数确定方法及计算机程序产品

Country Status (1)

Country Link
CN (1) CN111540420B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070024850A1 (en) * 2005-07-27 2007-02-01 Zaghloul Ar M Complete system identification of film-substrate systems using single-angle-of-incidence ellipsometry: A fast genetic algorithm
CN101403604A (zh) * 2008-10-22 2009-04-08 中国科学院上海技术物理研究所 外延薄膜表面保护测试技术
CN103440361A (zh) * 2013-07-19 2013-12-11 清华大学 一种等离子体刻蚀工艺中刻蚀产额的建模方法
CN103604818A (zh) * 2013-11-21 2014-02-26 同济大学 一种荧光exafs数据的自吸收效应修正处理方法
CN104618982A (zh) * 2015-01-08 2015-05-13 重庆邮电大学 基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法
US9651369B1 (en) * 2015-03-27 2017-05-16 Neocera, Llc Method and system for in-situ determination of a chemical composition of films during growth process
CN106871826A (zh) * 2016-12-15 2017-06-20 中国航天空气动力技术研究院 二硼化锆‑碳化硅复合材料氧化层非线性演变计算方法
CN107064191A (zh) * 2017-04-26 2017-08-18 安徽理工大学 一种利用xrd表征煤中碳的石墨化程度的方法
WO2017204814A1 (en) * 2016-05-27 2017-11-30 Halliburton Energy Services, Inc. Reverse design technique for optical processing elements
CN107514977A (zh) * 2017-08-31 2017-12-26 长江存储科技有限责任公司 一种监测存储介质厚度异常的方法及装置
CN108225224A (zh) * 2016-12-22 2018-06-29 马尔文帕纳科公司 模型独立的掠入射x射线反射率
CN109141260A (zh) * 2018-10-22 2019-01-04 中国科学院电子学研究所 多孔膜厚度与孔隙率二维分布测定方法
CN110527975A (zh) * 2019-09-06 2019-12-03 新磊半导体科技（苏州）有限公司 一种InGaAsP四元系材料分子束外延生长的定标方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070024850A1 (en) * 2005-07-27 2007-02-01 Zaghloul Ar M Complete system identification of film-substrate systems using single-angle-of-incidence ellipsometry: A fast genetic algorithm
CN101403604A (zh) * 2008-10-22 2009-04-08 中国科学院上海技术物理研究所 外延薄膜表面保护测试技术
CN103440361A (zh) * 2013-07-19 2013-12-11 清华大学 一种等离子体刻蚀工艺中刻蚀产额的建模方法
CN103604818A (zh) * 2013-11-21 2014-02-26 同济大学 一种荧光exafs数据的自吸收效应修正处理方法
CN104618982A (zh) * 2015-01-08 2015-05-13 重庆邮电大学 基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法
US9651369B1 (en) * 2015-03-27 2017-05-16 Neocera, Llc Method and system for in-situ determination of a chemical composition of films during growth process
WO2017204814A1 (en) * 2016-05-27 2017-11-30 Halliburton Energy Services, Inc. Reverse design technique for optical processing elements
CN106871826A (zh) * 2016-12-15 2017-06-20 中国航天空气动力技术研究院 二硼化锆‑碳化硅复合材料氧化层非线性演变计算方法
CN108225224A (zh) * 2016-12-22 2018-06-29 马尔文帕纳科公司 模型独立的掠入射x射线反射率
CN107064191A (zh) * 2017-04-26 2017-08-18 安徽理工大学 一种利用xrd表征煤中碳的石墨化程度的方法
CN107514977A (zh) * 2017-08-31 2017-12-26 长江存储科技有限责任公司 一种监测存储介质厚度异常的方法及装置
CN109141260A (zh) * 2018-10-22 2019-01-04 中国科学院电子学研究所 多孔膜厚度与孔隙率二维分布测定方法
CN110527975A (zh) * 2019-09-06 2019-12-03 新磊半导体科技（苏州）有限公司 一种InGaAsP四元系材料分子束外延生长的定标方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
于承鑫: "复杂产品关键结构设计参数提取与关联拟合方法及其应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
寇洋: "告警探测系统中日盲紫外薄膜的关键技术研究", 《中国博士学位论文全文数据库 基础科学辑》 *
蒋波涛 等: "蚁群优化最小二乘支持向量机在测量数据拟合中的应用", 《核动力工程》 *

Also Published As

Publication number Publication date
CN111540420B (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
CN108051999B (zh) 基于深度强化学习的加速器束流轨道控制方法及系统
Ditzen xtdcce: Estimating dynamic common correlated effects in Stata
CN107038292B (zh) 一种基于自适应多变量非参数核密度估计的多风电场出力相关性建模方法
CN109472345A (zh) 一种权重更新方法、装置、计算机设备和存储介质
US20140330402A1 (en) Computer Apparatus And Method using Model Structure Information of Model Predictive Control
US20200372340A1 (en) Neural network parameter optimization method and neural network computing method and apparatus suitable for hardware implementation
CN111898867B (zh) 一种基于深度神经网络的飞机总装生产线产能预测方法
US11841692B2 (en) Variable loop control feature
Narendra et al. Location of models in multiple-model based adaptive control for improved performance
CN111540420B (zh) 一种外延材料结构的结构参数确定方法及计算机程序产品
CN107704704A (zh) 一种基于贝叶斯理论的继电器类单机贮存可靠性评估方法
SG184776A1 (en) Methods and arrangement for creating models for fine-tuning recipes
CN113919221A (zh) 一种基于bp神经网络的风机载荷预测及分析方法、装置及存储介质
JP7472969B2 (ja) 結晶成長条件解析方法、結晶成長条件解析システム、結晶成長条件解析プログラムおよび結晶成長データのデータ構造
KR102280389B1 (ko) 데이터 처리 방법, 데이터 처리 장치, 및 데이터 처리 프로그램을 저장한 컴퓨터 판독 가능한 기록 매체
TW202340884A (zh) 預防保養後的腔室條件監控及模擬
JP4456050B2 (ja) 薄膜形成方法および薄膜形成ユニット
JP2019008534A (ja) 制御装置
CN114202500A (zh) 用于监控机器学习模型的学习过程的显微镜系统和方法
CN112835286A (zh) Pid参数自动整定方法及系统
US20230393540A1 (en) Model management system, model management method, and model management program
TWI842961B (zh) 資料處理方法、資料處理裝置以及電腦可讀取記錄媒體
Nishimura et al. Anomaly detection and analysis by a gradient boosting trees and neural network ensemble model
Sutrisno et al. Implementation of Lyapunov learning algorithm for fuzzy switching adaptive controller modeled under Quasi-ARX Neural Network
US20240012877A1 (en) Method and Apparatus for Production Process Optimization based on Determined Correlations between First and Second Measurements from Production Processes

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: No.28 factory building, supporting industrial park, export processing zone, NO.666, Jianlin Road, high tech Zone, Suzhou City, Jiangsu Province

Patentee after: Xinlei semiconductor technology (Suzhou) Co.,Ltd.

Address before: No.28 factory building, supporting industrial park, export processing zone, NO.666, Jianlin Road, high tech Zone, Suzhou City, Jiangsu Province

Patentee before: EPI SOLUTION TECHNOLOGY CO.,LTD.