CN112097830A - 一种基于图模型的mocvd腔体稳定性检测方法及系统 - Google Patents

一种基于图模型的mocvd腔体稳定性检测方法及系统 Download PDF

Info

Publication number
CN112097830A
CN112097830A CN202010878766.5A CN202010878766A CN112097830A CN 112097830 A CN112097830 A CN 112097830A CN 202010878766 A CN202010878766 A CN 202010878766A CN 112097830 A CN112097830 A CN 112097830A
Authority
CN
China
Prior art keywords
mocvd
graph model
cavity
stability
obtaining
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.)
Pending
Application number
CN202010878766.5A
Other languages
English (en)
Inventor
罗铁成
李健
王钢
裴艳丽
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.)
Sun Yat Sen University
National Sun Yat Sen University
Original Assignee
National Sun Yat Sen University
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 National Sun Yat Sen University filed Critical National Sun Yat Sen University
Priority to CN202010878766.5A priority Critical patent/CN112097830A/zh
Publication of CN112097830A publication Critical patent/CN112097830A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Abstract

本发明公开了一种基于图模型的MOCVD腔体稳定性检测方法及系统，该方法包括：根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数；将MOCVD反应腔的参数输入预设的图模型，并基于判决条件得到稳定性状态、速度流线分布图和温度云图；将稳定性状态、速度流线分布图和温度云图展示。该系统包括：传感器模块、检测模块和展示模块。通过使用本发明，可以供详细、直观、准确的MOCVD腔体内部状况，从而指导实际生产，使得制作的薄膜产品生长速率、均匀性和质量得到提高。本发明作为一种基于图模型的MOCVD腔体稳定性检测方法及系统，可广泛应用于半导体应用领域。

Description

一种基于图模型的MOCVD腔体稳定性检测方法及系统
技术领域
本发明涉及半导体应用领域，尤其涉及一种基于图模型的MOCVD腔体稳定性检测方法及系统。
背景技术
MOCVD设备常用的反应器类型有四种，分别是：水平式、垂直式、行星式与垂直喷淋式。在MOCVD系统中存在着4种主要的质量运输过程，分别是：强迫流动、自然对流、浓度扩散以及热扩散。其中，强迫对流用无量纲数雷诺数进行判别(Re＝μL/v)；自然对流一般采用无量纲数格拉晓夫数(Gr＝gl3βΔT/v2)或者瑞利数(Ra＝gl3βΔT/vα)来进行表示；浓度扩散与热扩散分别由温度梯度与浓度差导致。除此之外还会存在着由于流道的改变所产生的的湍流等状态。
在MOCVD生长过程中，各种反应物气体只能通过扩散作用才能到达衬底的表面，从而进行薄膜沉积的过程。对于气相反应所生产的副产物也是需要通过扩散作用才能离开薄膜表面。在MOCVD反应腔内部，影响扩散的主要有两个因素，组分分布与温度。同时反应室中的质量传输过程与热量传输过程决定了腔内气体的流动状态、参与反应的物资的输送、温度梯度与化学反应过程，这些过程会影响到MOCVD外延生长的速率与均匀性，是影响MOCVD生长的主要因素。
MOCVD生长过程中涉及到的质量传输、热扩散等相互交叉影响，为我们进行MOCVD腔内稳定性的研究造成了障碍。而且，通过实验的办法进行的观察，也无法完全观察到MOCVD腔体内部的所有的状态。因此，我们需要一种能够方便、直观来研究MOCVD反应腔内部的流体运动状态与稳定性的方法。
发明内容
为了解决上述技术问题，本发明的目的是提供一种基于图模型的MOCVD腔体稳定性检测方法及系统，可以提供详细、直观、准确的MOCVD腔体内部状况。
本发明所采用的第一技术方案是：一种基于图模型的MOCVD腔体稳定性检测方法，包括以下步骤：
根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数；
将MOCVD反应腔的参数输入预设的图模型，并基于判决条件得到稳定性状态、速度流线分布图和温度云图；
将稳定性状态、速度流线分布图和温度云图展示。
进一步，所述根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数这一步骤之前，还包括：
获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型。
进一步，所述MOCVD腔体内部的传感器具体包括流量传感器、温度传感器、压强传感器和转速传感器。
进一步，所述获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型这一步骤，其具体包括：
获取实验样本数据并将实验样本数据分为训练集和验证集；
基于训练集和图神经网络构建图模型，得到第一图模型；
将验证集输入到第一图模型对第一图模型进行验证，得到预设的图模型。
进一步，所述判决条件的获得步骤具体包括：
用无量纲数组来计算腔体内部的流体状态；
根据预设的图模型得到MOCVD设备的稳定性临界值和对应的无量纲数组的值；
根据不同流体状态的稳定性临界值和对应的无量纲数组的值绘制稳定性判决三维图谱。
进一步，所述流体状态稳定流和不稳定流，所述稳定流包括活塞流和旋转活塞过度流，所述不稳定流包括旋转流和浮力流。
本发明所采用的第二技术方案是：一种基于图模型的MOCVD腔体稳定性检测系统，包括以下模块：
传感器模块，用于根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数；
检测模块，用于将MOCVD反应腔的参数输入预设的图模型，并基于判决条件得到稳定性状态、速度流线分布图和温度云图；
展示模块，用于将稳定性状态、速度流线分布图和温度云图展示。
进一步，还包括：
训练模块，用于获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型。
本发明方法及系统的有益效果是：通过实验样本数据训练和验证图模型，并通过该图模型准确判断MOCVD腔体内部的稳定性，通过将其中的速度流线分布图和温度云图展示给用户，使得用户能够直观的观察到MOCVD设备的腔体的内部状况，从而指导实际生产，提高制作产品薄膜的生长速率、均匀性和质量。
附图说明
图1是本发明一种基于图模型的MOCVD腔体稳定性检测方法的步骤流程图；
图2是本发明一种基于图模型的MOCVD腔体稳定性检测系统的结构框图；
图3是本发明具体实施例的MCOVD设备传感器位置示意图。
附图标记：1、流量传感器；2、温度传感器；3、压强传感器；4、转速传感器。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
如图1所示，本发明提供了一种基于图模型的MOCVD腔体稳定性检测方法，该方法包括以下步骤：
S1、根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数；
具体地，所述MOCVD反应腔采用的是旋转喷淋式反应腔，反应腔的参数具体根据传感器的种类设置。
S2、将MOCVD反应腔的参数输入预设的图模型，并基于判决条件得到稳定性状态、速度流线分布图和温度云图；
具体地，对腔体内部稳定性状态进行智能判决，将计算结果状态以节点的形式记录在图模型中，为机器学习做基础，同时将计算结果整理成图表的形式，呈现出稳定性判决图谱并展示。
S3、将稳定性状态、速度流线分布图和温度云图展示；
具体地，通过迭代计算，最终得出MOCVD腔内状态，判断MOCVD腔体稳定性状态，并描绘出相应的速度流线分布图与温度云图，将计算结果整理成图表的形式，呈现出稳定性判决图谱，通过交互系统来显示，有助于用户直观的知道腔体内部状况。
进一步作为本方法的优选实施例，所述根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数这一步骤之前，还包括：
S0、获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型。
进一步作为本方法的优选实施例，所述MOCVD腔体内部的传感器具体包括流量传感器、温度传感器、压强传感器和转速传感器。
具体地，所述流量传感器用于测量控制腔体内部的进气流量与进气速度，所述温度传感器用于测量控制腔体内部的温度，所述压强传感器用于测量MOCVD腔体内部的气体压强状况，所述转速传感器用于检测并控制腔体内部的转盘的转速，传感器的安装位置如图3所示。
进一步作为本方法的优选实施例，所述获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型这一步骤，其具体包括：
获取实验样本数据并将实验样本数据分为训练集和验证集；
基于训练集和图神经网络构建图模型，得到第一图模型；
具体地，对图模型中的网络模型进行训练，重新分配权重，最终能够实现以初始边界条件判决腔体稳定性状态，实现模型自主学习。
将验证集输入到第一图模型对第一图模型进行验证，得到预设的图模型。
具体地，基于MOCVD理论的图神经网络(GNN)的构建，包括对象(节点)与之间的关系(边)，表达式为G＝(N，E)，N表示节点(node)，E表示边(edge)；基于实验样本的GNN训练，根据每次实验与模拟仿真结果对图模型进行训练，使其可以达到预期的可以反映MOCVD腔体状况的作用；基于边界条件的MOCVD腔体稳定性预测，对MOCVD腔体稳定性进行判断，根据边界条件，使用图神经网络进行推理，对MOCVD腔体稳定性进行预测，起到MOCVD数字孪生体腔体稳定性智能判决的效果。
其中，图神经网络(GNN)中的对象(节点)至少需要包括MCOVD反应腔中的主要工艺参数：腔体温度，基座旋转速度，腔体压强，入口流量四个部分。
进一步作为本方法的优选实施例，所述判决条件的获得步骤具体包括：
用无量纲数组来计算腔体内部的流体状态；
根据预设的图模型得到MOCVD设备的稳定性临界值和对应的无量纲数组的值；
根据不同流体状态的稳定性临界值和对应的无量纲数组的值绘制稳定性判决三维图谱。具体地，使用无量纲数组来计算腔体内部的存在的流体状态，其中具体包括雷诺数(Re)，格拉霍夫数(Gr)和旋转雷诺数(Reω)；通过实验与模拟仿真数据得到腔体内部状态，通过对图模型的训练，来得到符合MOCVD设备的稳定性临界值，即处于该状态下的无量纲数组的值；根据不同工艺参数下的腔体稳定性状态与无量纲数组，绘制在多种入口流量下的MOCVD腔体稳定性判决P-ω-T三维图谱。
进一步作为本方法的优选实施例，所述流体状态稳定流和不稳定流，所述稳定流包括活塞流和旋转活塞过度流，所述不稳定流包括旋转流和浮力流。
具体地，通过计算流体力学(CFD)计算腔体内部的流体运动状态，以此求解MOCVD腔体内部流体状态与温度梯度分布，并将数据通过API传送给图模型。
如图2所示，一种基于图模型的MOCVD腔体稳定性检测系统，包括以下模块：
图数据模块，用于获取数据集并根据数据集构建有向图，得到图数据；
传感器模块，用于根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数；
检测模块，用于将MOCVD反应腔的参数输入预设的图模型，并基于判决条件得到稳定性状态、速度流线分布图和温度云图；
展示模块，用于将稳定性状态、速度流线分布图和温度云图展示。
进一步作为本系统的优选实施例，还包括：
训练模块，用于获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型。
进一步作为本系统的优选实施例，所述训练模块还包括：
划分子模块，用于获取实验样本数据并将实验样本数据分为训练集和验证集；
构建子模块，用于基于训练集和图神经网络构建图模型，得到第一图模型；
验证子模块，用于将验证集输入到第一图模型对第一图模型进行验证，得到预设的图模型。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (8)

1.一种基于图模型的MOCVD腔体稳定性检测方法，其特征在于，包括以下步骤：
根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数；
将MOCVD反应腔的参数输入预设的图模型，并基于判决条件得到稳定性状态、速度流线分布图和温度云图；
将稳定性状态、速度流线分布图和温度云图展示。
2.根据权利要求1所述1种基于图模型的MOCVD腔体稳定性检测方法，其特征在于，所述根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数这一步骤之前，还包括：
获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型。
3.根据权利要求2所述一种基于图模型的MOCVD腔体稳定性检测方法，其特征在于，所述MOCVD腔体内部的传感器具体包括流量传感器、温度传感器、压强传感器和转速传感器。
4.根据权利要求3所述一种基于图模型的MOCVD腔体稳定性检测方法，其特征在于，所述获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型这一步骤，其具体包括：
获取实验样本数据并将实验样本数据分为训练集和验证集；
基于训练集和图神经网络构建图模型，得到第一图模型；
将验证集输入到第一图模型对第一图模型进行验证，得到预设的图模型。
5.根据权利要求4所述一种基于图模型的MOCVD腔体稳定性检测方法，其特征在于，所述判决条件通过以下步骤获得：
用无量纲数组来计算腔体内部的流体状态；
根据预设的图模型得到MOCVD设备的稳定性临界值和对应的无量纲数组的值；
根据不同流体状态的稳定性临界值和对应的无量纲数组的值绘制稳定性判决三维图谱。
6.根据权利要求5所述一种基于图模型的MOCVD腔体稳定性检测方法，其特征在于，所述流体状态稳定流和不稳定流，所述稳定流包括活塞流和旋转活塞过度流，所述不稳定流包括旋转流和浮力流。
7.一种基于图模型的MOCVD腔体稳定性检测系统，其特征在于，包括：
传感器模块，用于根据MOCVD腔体内部的传感器得到MOCVD反应腔的参数；
检测模块，用于将MOCVD反应腔的参数输入预设的图模型，并基于判决条件得到稳定性状态、速度流线分布图和温度云图；
展示模块，用于将稳定性状态、速度流线分布图和温度云图展示。
8.根据权利要求7所述一种基于图模型的MOCVD腔体稳定性检测系统，其特征在于，还包括：
训练模块，用于获取实验样本数据并基于实验样本数据和图神经网络构建图模型，得到预设的图模型。
CN202010878766.5A 2020-08-27 2020-08-27 一种基于图模型的mocvd腔体稳定性检测方法及系统 Pending CN112097830A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010878766.5A CN112097830A (zh) 2020-08-27 2020-08-27 一种基于图模型的mocvd腔体稳定性检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010878766.5A CN112097830A (zh) 2020-08-27 2020-08-27 一种基于图模型的mocvd腔体稳定性检测方法及系统

Publications (1)

Publication Number Publication Date
CN112097830A true CN112097830A (zh) 2020-12-18

Family

ID=73758042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010878766.5A Pending CN112097830A (zh) 2020-08-27 2020-08-27 一种基于图模型的mocvd腔体稳定性检测方法及系统

Country Status (1)

Country Link
CN (1) CN112097830A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792506A (zh) * 2021-09-27 2021-12-14 中山大学 基于图像处理与机器学习的mocvd腔内状态识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05190457A (ja) * 1992-01-17 1993-07-30 Fuji Electric Co Ltd 学習指示機能付半導体製造装置
US6596973B1 (en) * 2002-03-07 2003-07-22 Asm America, Inc. Pyrometer calibrated wafer temperature estimator
CN103092074A (zh) * 2012-12-30 2013-05-08 重庆邮电大学 半导体先进过程控制的参数优化控制方法
CN106503297A (zh) * 2016-09-26 2017-03-15 佛山市中山大学研究院 一种mocvd反应腔石墨盘均匀加热工艺参数的优化方法
CN109543228A (zh) * 2018-10-23 2019-03-29 中晟光电设备（上海）股份有限公司 用于指导外延工艺的方法及其系统
CN110889260A (zh) * 2018-09-05 2020-03-17 长鑫存储技术有限公司 用于侦测工艺参数的方法及装置、电子设备和计算机可读介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05190457A (ja) * 1992-01-17 1993-07-30 Fuji Electric Co Ltd 学習指示機能付半導体製造装置
US6596973B1 (en) * 2002-03-07 2003-07-22 Asm America, Inc. Pyrometer calibrated wafer temperature estimator
CN103092074A (zh) * 2012-12-30 2013-05-08 重庆邮电大学 半导体先进过程控制的参数优化控制方法
CN106503297A (zh) * 2016-09-26 2017-03-15 佛山市中山大学研究院 一种mocvd反应腔石墨盘均匀加热工艺参数的优化方法
CN110889260A (zh) * 2018-09-05 2020-03-17 长鑫存储技术有限公司 用于侦测工艺参数的方法及装置、电子设备和计算机可读介质
CN109543228A (zh) * 2018-10-23 2019-03-29 中晟光电设备（上海）股份有限公司 用于指导外延工艺的方法及其系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
许力，等: "基于建模与优化的MOCVD温度均匀控制", 《人工晶体学报》 *
赵恒，等: "基于BP神经网络的MOCVD温度控制系统参数优化", 《重庆大学学报（自然科学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792506A (zh) * 2021-09-27 2021-12-14 中山大学 基于图像处理与机器学习的mocvd腔内状态识别方法
CN113792506B (zh) * 2021-09-27 2024-04-02 中山大学 基于图像处理与机器学习的mocvd腔内状态识别方法

Similar Documents

Publication Publication Date Title
Soroush State and parameter estimations and their applications in process control
CN111028893B (zh) 一种晶体生长预测方法及装置
CN103614498B (zh) 一种高炉炉壁三维温度场重建方法及计算机监控系统
CN101799888B (zh) 基于仿生智能蚁群算法的工业软测量方法
CN106521459B (zh) 一种mocvd设备生长均匀性工艺参数的优化方法
CN112097830A (zh) 一种基于图模型的mocvd腔体稳定性检测方法及系统
CN112528572B (zh) 一种基于overset模型的低温碳化炉丝束加热过程三维模拟方法
CN114329319A (zh) 一种基于物理神经网络的流热固耦合计算方法
CN111859748A (zh) 一种基于垂向混合坐标的海洋内波模拟方法
CN103649299B (zh) 生产过程的监控系统及其控制方法
CN116561681A (zh) 一种基于数字孪生的融合型故障诊断方法
CN114912364A (zh) 天然气井流量预测方法、装置、设备及计算机可读介质
CN111859505B (zh) 一种微型蒸发管式燃烧室流量分配设计方法及装置
CN113468466A (zh) 基于神经网络的多工况一维波动方程求解方法
CN113515873A (zh) 一种基于量纲分析的金属增材制造熔池形状预测方法
CN117078876A (zh) 一种三维流场模拟方法、系统及电子设备
CN111210877B (zh) 一种推断物性参数的方法及装置
CN111275250A (zh) 一种基于各向异性的强流区海表面温度预报方法
CN104898587A (zh) 基于并行弥漫式智能搜索算法的工业过程建模系统与方法
CN114462336A (zh) 一种核反应堆主管道冷却剂平均温度计算方法
CN110045616B (zh) 一种搅拌反应罐的鲁棒预测控制方法
Choboter et al. On the baroclinic instability of axisymmetric rotating gravity currents with bottom slope
Munack Some improvements in the identification of bioprocesses
CN114036870A (zh) 基于Fluent软件的热液羽流运动特性数值模拟方法
CN113505544A (zh) 基于有限体积法自行车运动虚拟数值风洞系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201218

RJ01 Rejection of invention patent application after publication