CN118013793A - 一种晶体生长方法、系统、装置以及存储介质 - Google Patents
一种晶体生长方法、系统、装置以及存储介质 Download PDFInfo
- Publication number
- CN118013793A CN118013793A CN202410172434.3A CN202410172434A CN118013793A CN 118013793 A CN118013793 A CN 118013793A CN 202410172434 A CN202410172434 A CN 202410172434A CN 118013793 A CN118013793 A CN 118013793A
- Authority
- CN
- China
- Prior art keywords
- parameter
- target
- crystal growth
- parameters
- crystal
- 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
Links
- 238000002109 crystal growth method Methods 0.000 title abstract description 9
- 239000013078 crystal Substances 0.000 claims abstract description 488
- 238000001514 detection method Methods 0.000 claims abstract description 98
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims description 57
- 230000002787 reinforcement Effects 0.000 claims description 35
- 239000000463 material Substances 0.000 claims description 23
- 230000000704 physical effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 65
- 238000012549 training Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 30
- 230000009471 action Effects 0.000 description 27
- 239000013643 reference control Substances 0.000 description 19
- 238000010801 machine learning Methods 0.000 description 15
- 238000004088 simulation Methods 0.000 description 13
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000009413 insulation Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010304 firing Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 2
- 229910010271 silicon carbide Inorganic materials 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229910052732 germanium Inorganic materials 0.000 description 1
- GNPVGFCGXDBREM-UHFFFAOYSA-N germanium atom Chemical compound [Ge] GNPVGFCGXDBREM-UHFFFAOYSA-N 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004943 liquid phase epitaxy Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本说明书实施例提供一种晶体生长方法、系统、装置以及存储介质,前述晶体生长方法包括:确定晶体生长设备在目标炉次的参数集,其中,参数集包括至少一个目标参数,目标参数为晶体生长设备中影响晶体生长的参数;在目标炉次的目标时间段,获取晶体生长设备的第一测温点的第一温度检测值;基于目标参数和第一温度检测值,通过晶面温度确定模型确定第一温度检测值对应的模拟晶面温度。
Description
技术领域
本说明书涉及晶体制备领域,特别涉及一种晶体生长方法、系统、装置以及存储介质。
背景技术
随着科学技术的发展,晶体(例如,碳化硅)大量地被应用于不同的光电器件和电子器件中,在晶体需求逐渐增大的同时,如何提高晶体生长质量也成为领域内关注的重点。
在晶体生长过程中,晶体的晶面温度是晶体生长质量核心因素,但晶体生长过程中难以对晶面温度进行观测,导致晶体的生长过程中晶面温度无法准确控制,晶体生长质量不高。
因此,如何提升晶体生长的质量,是本领域亟待解决的技术问题。
发明内容
本说明书实施例之一提供一种晶体生长方法,所述晶体生长方法包括:确定晶体生长设备在目标炉次的参数集,其中,所述参数集包括至少一个目标参数,所述目标参数为所述晶体生长设备中影响晶体生长的参数;在所述目标炉次的目标时间段,获取所述晶体生长设备的第一测温点的第一温度检测值;基于所述目标参数和所述第一温度检测值,通过晶面温度确定模型确定所述第一温度检测值对应的模拟晶面温度。
在一些实施例中,所述方法还包括:基于所述模拟晶面温度,确定所述晶体生长设备在目标炉次的目标时间段的温度控制参数;基于所述温度控制参数,自动发送温度调节指令,以调节所述晶体生长设备在所述目标时间段的晶体生长温度。
在一些实施例中,所述目标参数包括目标第一参数以及目标第二参数,所述目标第一参数包括所述晶体生长设备内的预设物在目标炉次的第一参数,所述第一参数反映所述预设物中与晶体生长相关的材料物理性能,所述目标第二参数包括所述晶体生长设备在所述目标炉次的第二参数,所述第二参数包括所述晶体生长设备相关设置的参数。
在一些实施例中,所述确定晶体生长设备在目标炉次的参数集包括:获取初始第一参数,其中,所述初始第一参数反映所述晶体生长设备内的预设物在初始环境中的所述第一参数;基于强化学习模型对所述初始第一参数进行处理,确定所述目标第一参数,所述强化学习模型的奖励值与所述晶体生长设备的炉内信息相关。
在一些实施例中,所述确定晶体生长设备在目标炉次的参数集包括:获取所述晶体生长设备的炉次与所述第一参数之间的第一对应关系;基于所述目标炉次以及所述第一对应关系,确定所述目标第一参数;其中,所述第一对应关系通过以下步骤确定:针对所述晶体生长设备的多个预设炉次中的每一个,基于强化学习模型对初始第一参数进行处理,确定该预设炉次对应的参考第一参数,其中,所述初始第一参数反映所述晶体生长设备内的预设物在初始环境中的所述第一参数,所述参考第一参数为所述晶体生长设备在该预设炉次的所述第一参数,所述强化学习模型的奖励值与所述晶体生长设备的炉内信息相关;基于多个所述预设炉次对应的所述参考第一参数,确定所述晶体生长设备的炉次与所述第一参数之间的第一对应关系。
在一些实施例中,所述确定晶体生长设备在目标炉次的参数集包括:获取所述晶体生长设备在多个历史炉次的历史第一参数以及所述历史第一参数对应的历史工况参数,其中,所述历史第一参数包括反映所述晶体生长设备内的所述预设物在所述历史炉次的所述第一参数;基于多个所述历史炉次的所述历史第一参数以及所述历史工况参数,确定所述目标第一参数。
在一些实施例中,所述历史工况参数包括所述晶体生长设备在多个所述历史炉次的第二测温点的第二温度检测值;所述基于多个所述历史炉次的所述历史第一参数以及所述历史工况参数,确定所述第一参数包括:基于多个所述历史炉次的所述历史第一参数以及所述第二温度检测值,确定第二对应关系,其中,所述第二对应关系反映所述晶体生长设备的所述第二测温点的温度检测值与所述第一参数的对应关系;获取所述晶体生长设备在所述目标炉次的所述第二测温点的第三温度检测值;基于所述第三温度检测值与所述第二对应关系,确定所述目标第一参数。
在一些实施例中,所述历史工况参数包括所述晶体生长设备在历史炉次生长晶体的历史生长时长;所述基于多个所述历史炉次的所述历史第一参数以及所述历史工况参数,确定所述目标第一参数包括:基于多个所述历史炉次的所述历史第一参数以及所述历史生长时长,确定第三对应关系,所述第三对应关系反映晶体的生长时长与所述第一参数的对应关系;获取所述晶体生长设备在所述目标炉次生长晶体的目标生长时长;基于所述目标生长时长与所述第三对应关系,确定所述目标第一参数。
在一些实施例中,所述第一参数的类型通过以下步骤确定:获取多组参考数据,每一组所述参考数据包括多个候选第一参数以及所述多个候选第一参数对应的验证信息,每一所述候选第一参数反映所述晶体生长设备内的所述预设物的一种材料物理性能;通过重要性分析模型对多组所述参考数据进行处理,确定所述第一参数的类型,所述重要性分析模型为随机森林模型。
本说明书实施例之一还提供一种晶体生长系统,所述系统包括:参数确定模块,用于确定晶体生长设备在目标炉次的参数集,其中,所述参数集包括至少一个目标参数,所述目标参数为所述晶体生长设备中影响晶体生长的参数;温度检测模块,用于在所述目标炉次的目标时间段,获取所述晶体生长设备的第一测温点的第一温度检测值;温度确定模块,用于基于所述目标参数和所述第一温度检测值,通过晶面温度确定模型确定所述第一温度检测值对应的模拟晶面温度。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的晶体生长系统的应用场景示意图;
图2是根据本说明书一些实施例所示的晶体生长方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定第一参数的示例性流程图;
图4是根据本说明书一些实施例所示的强化学习模型的示意图;
图5是根据本说明书一些实施例所示的又一确定目标第一参数的示例性流程图;
图6是根据本说明书一些实施例所示的又一确定目标第一参数的示例性流程图;
图7是根据本说明书一些实施例所示的晶体生长系统的示例性模块图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的晶体生长系统的应用场景示意图。
如图1所示,晶体生长系统的应用场景100可以包括晶体生长设备110、温度检测设备120、网络130、存储设备140以及处理器150。
晶体生长设备110为用于晶体生长的设备。其中,前述晶体可以包括但不限于碳化硅、锗单晶等。晶体生长设备110可以包括但不限于物理气相传输法长晶设备、液相外延法长晶设备、提拉法长晶设备等。晶体生长设备110可以包括炉体、坩埚、保温层和籽晶托等结构。可以理解的是,前述任意一种晶体生长的方法,均可以通过本说明书中任意一项实施例所示的晶体生长方法确定晶体生长过程中晶面温度,以完成晶体生长。
温度检测设备120为用于对温度进行检测的设备。温度检测设备120可以包括但不限于红外线热像仪、光纤温度传感器等。温度检测设备120可以设置在晶体生长设备110中,以在目标炉次的目标时间段,获取晶体生长设备110的第一测温点的第一温度检测值。关于目标炉次、目标时间段、第一测温点以及第一温度检测值的更多内容可以参见图2及其相关描述。
网络130可以连接晶体生长系统的应用场景100的各组成部分和/或连接外部资源部分。网络130使得各组成部分之间,以及与其他部分之间可以进行通讯,促进数据和/或信息的交换。例如,处理器150可以通过网络130获取温度检测设备120检测到的第一温度检测值。再例如,处理器150还可以通过网络130对晶体生长设备110进行控制。网络130可以是有线网络或无线网络中的任意一种或多种。例如,网络130可以包括电缆网络、光纤网络、电信网络、互联网、局域网络、广域网络、无线局域网络、城域网、公共交换电话网络、蓝牙网络、紫蜂网络、近场通信、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式,也可以是采取多种方式。网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
存储设备140可以用于存储数据和/或指令。例如,存储设备140可以用于存储晶体生长设备110的历史数据、设备信息等。存储设备140可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。存储设备140可包括随机存取存储器、只读存储器、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的,大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,存储设备140可在云平台上实现。
处理器150可以处理从外部资源或晶体生长系统的应用场景100的各组成部分中获得的数据和/或信息。例如,处理器150可以确定晶体生长设备110在目标炉次的参数集。处理器可以基于这些数据、信息和/或处理结果执行程序指令,以执行一个或多个本说明书中描述的功能。例如,处理器150可以基于目标参数和第一温度检测值,通过晶面温度确定模型确定第一温度检测值对应的模拟晶面温度。又例如,处理器150还可以基于模拟晶面温度,确定晶体生长设备110在目标炉次的目标时间段的温度控制参数。关于前述示例的更多内容可以参见本说明书下文。处理器150可以包含一个或多个子处理设备(例如,单核处理设备或多核多芯处理设备)。仅作为示例,处理器150可以包括中央处理器、专用集成电路、专用指令处理器、图形处理器、物理处理器、数字信号处理器、现场可编程门阵列、可编辑逻辑电路、控制器、微控制器单元、精简指令集电脑、微处理器等或以上任意组合。
应当注意的是,晶体生长系统的应用场景100仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,晶体生长系统的应用场景100还可以包括数据库、信息源等。又例如,晶体生长系统的应用场景100可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的晶体生长方法的示例性流程图。在一些实施例中,流程200可以由晶体生长系统700执行。如图2所示,流程200包括下述步骤:
步骤210,确定晶体生长设备在目标炉次的参数集。在一些实施例中,步骤210可以由参数确定模块710执行。
目标炉次指晶体生长设备(例如,图1所示的晶体生长设备110)当前进行晶体生长的炉次。例如,目标炉次可以为第20炉,表示该晶体生长设备当前为第20炉晶体生长的过程。
参数集为晶体生长设备在目标炉次的目标参数的集合,参数集可以包括至少一个目标参数。
目标参数为所述晶体生长设备中影响晶体生长的参数。具体地,目标参数可以影响晶体生长的速度、所生长出的晶体的品质等。在一些实施例中,目标参数可以包括目标第一参数以及目标第二参数。
目标第一参数可以包括所述晶体生长设备内的预设物在目标炉次的第一参数。前述预设物可以包括坩埚、保温毡(如,软毡和/或硬毡)、原料熔体、保护气体(如,氩气)中的至少一种。第一参数可以反映所述预设物中与晶体生长相关的材料物理性能。
在一些实施例中,参数确定模块710可以确定第一参数的类型。可以理解的是,预设物的材料物理性能包括多种不同类型的参数。示例性的,预设物的材料物理性能可以包括预设物的密度、光性能、力学性能、热学性能、电学性能以及磁学性能等方面的参数。但其中预设物的部分材料物理性能(例如,力学性能)发生变化时对晶面温度的影响较大;部分预设物的材料物理性能(例如,热学性能)发生变化时对晶面温度的影响较小。在一些实施例中,参数确定模块710可以将预设物的材料物理性能中,发生变化时对晶面温度的影响较大的材料物理性能的参数确定为第一参数,并通过前述多个实施例对晶体生长设备的目标炉次中的目标第一参数进行检测,减少计算量,避免计算资源的浪费。在一些实施例中,第一参数可以包括预设物的热学性能、电学性能以及磁学性能等方面的参数的至少一种。示例性的,第一参数可以包括热传导系数、电导率、表面发射率、导热系数、恒压热容以及相对磁导率中的至少一种。
在一些实施例中,参数确定模块710可以获取多组参考数据。参考数据可以为用于确定第一参数的类型的数据。每一组参考数据可以包括多个候选第一参数以及前述多个候选第一参数对应的验证信息。候选第一参数可以为待评估是否确定的第一参数的参数,候选第一参数可以包括预设物的所有材料物理性能或部分用户指定的材料物理性能。每一候选第一参数可以反映所述晶体生长设备内的所述预设物的一种材料物理性能。验证信息为用于验证第一参数的重要性的信息,例如,验证信息可以包括但不限于炉内温度、炉内气压、晶体生长品质等。参考数据可以通过晶体生长设备的历史数据获得。例如,某一组参考数据中的多个候选第一参数以及验证信息可以通过在历史炉次对晶体生长设备的预设物进行测量获得。
在一些实施例中,参数确定模块710可以通过重要性分析模型对多组参考数据进行处理,确定第一参数的类型,重要性分析模型为随机森林模型。例如,参数确定模块710可以通过重要性分析模型对多组参考数据进行处理,从20种预设物的材料物理性能中确定四种类型的第一参数,分别为表面发射率、导热系数、恒压热容以及相对磁导率。
重要性分析模型可以对通过输入的验证信息对输入的多个候选第一参数进行分析,确定各个候选第一参数对应的重要性,从而确定第一参数的类型。前述各个候选第一参数对应的重要性可以通过多种方式表示,例如,数值、比值等。示例性的,参数确定模块710可以将重要性超过预设的重要性阈值的候选第一参数的类型,确定为第一参数的类型。本说明书的一些实施例通过随机森林模型对多个候选第一参数进行筛选,确定第一参数的类型,避免预设物中对晶体生长影响不大的材料物理性能的干扰,减少晶体生长系统700的计算量。
在一些实施例中,参数确定模块710可以将预设物对应的初始第一参数确定晶体生长设备在目标炉次的目标第一参数。例如,参数确定模块710可以基于晶体生长设备的设备信息,确定晶体生长设备在目标炉次的目标第一参数。前述设备信息可以包括晶体生长设备的相关信息,设备信息可以包括但不限于晶体生长设备类型、整体尺寸、预设物的尺寸、初始第一参数等。设备信息可以由晶体生长设备的生产商提供。关于初始第一参数的更多说明参见图4及其相关描述。
在一些实施例中,参数确定模块710可以确定目标第一参数的具体数值。值得说明的是,当处于常温状态时,第一参数较为稳定,例如,电导率可以为某一固定值。但当晶体在晶体生长设备内生长时,晶体生长设备会通过感应线圈对坩埚进行感应加热,因此晶体生长环境的温度较高(例如,约为900~7200℃),且位于电场、磁场中,此时,第一参数可能会根据晶体生长设备炉内环境不同而发生改变。此外,晶体生长设备在使用时,预设物的材料性能也可能会随着使用发生改变,从而导致第一参数发生改变。基于此,为更加准确地确定晶体在生长过程中的晶面温度,参数确定模块710可以通过多种方法确定晶体生长设备在目标炉次的目标第一参数,即第一参数在目标炉次的具体数值。
在一些实施例中,参数确定模块710可以获取初始第一参数,其中,初始第一参数反映晶体生长设备内的预设物在初始环境中的第一参数;基于强化学习模型对初始第一参数进行处理,确定目标第一参数,强化学习模型的奖励值与晶体生长设备的炉内信息相关。关于前述实施例的更多说明可以参见图3及其相关描述。
在一些实施例中,参数确定模块710还可以获取晶体生长设备的炉次与第一参数之间的第一对应关系;基于目标炉次以及第一对应关系,确定目标第一参数。关于前述实施例的更多说明可以参见图4及其相关描述。
在一些实施例中,参数确定模块710还可以获取晶体生长设备在多个历史炉次的历史第一参数以及历史第一参数对应的历史工况参数,其中,历史第一参数包括反映晶体生长设备内的预设物在历史炉次的第一参数;基于多个历史炉次的历史第一参数以及历史工况参数,确定目标第一参数。关于前述实施例的更多说明可以参见图5及其相关描述。
目标第二参数可以包括晶体生长设备在目标炉次的第二参数。第二参数可以包括晶体生长设备在目标炉次相关设置的参数。
在一些实施例中,参数确定模块710可以通过预设确定第二参数的类型,并进一步确定目标炉次中目标第二参数的数字。第二参数可以包括炉次设备参数以及炉次生长参数。前述炉次设备参数可以为与晶体生长设备相关的参数。示例性的,炉次设备参数可以包括但不限于顶保温层数、顶保温底部-坩埚顶部距离、软毡数、最小内径、最大外径、盖厚、料距、垫圈内径、料高、底保温软毡、保温内筒硬毡、保温内筒软毡、保温外筒硬毡、保温外筒软毡、最外层软毡、圈高等。炉次生长参数可以为与晶体生长设置相关的参数。例如,炉次生长参数可以包括生长压力、生长功率、高温温度、高温线、晶体生长时间、中心厚度、边缘厚度等。晶体生长设备不同的炉次因为生成的晶体类型、晶体需求等差异,可能造成对应的第二参数可以不同。
在一些实施例中,目标第二参数可以通过目标炉次的预先设定获得。例如,通过用户(如,晶体生长设备的管理者)输入目标炉次的炉次设备参数以及炉次生长参数,确定目标第二参数。又例如,基于预先设定的晶体生长设备类型可以确定晶体生长设备在目标炉次的炉次设备参数。再例如,基于预先设定的晶体类型、晶体需求等可以确定晶体生长设备在目标炉次的炉次生长参数。
步骤220,在目标炉次的目标时间段,获取晶体生长设备的第一测温点的第一温度检测值。在一些实施例中,步骤220可以由温度检测模块720执行。
目标时间段指对第一测温点的温度进行测量的时间段。目标时间段可以由用户(例如,晶体生长设备的操作者)预先设置确定。目标炉次中可以包括多个时间段,目标时间段可以为当前所处的时间段。
温度检测模块720可以在目标时间段内可以执行以至少一次温度检测,获取晶体生长设备的第一测温点的第一温度检测值。其中,前述温度检测模块720可以通过温度检测设备(例如,图1所示的温度检测设备120)实现。
第一测温点为晶体生长设备内(例如,晶体生长设备的炉膛内)的温度检测点,第一温度检测值为检测获得的第一测温点的温度。
晶体生长设备中可以包括一个或多个第一测温点。第一测温点可以由用户预先设置确定。用户可以在一个或多个位置设置温度检测装置,温度检测模块720可以在目标炉次的目标时间段通过前述温度检测装置获取第一测温点的第一温度检测值。
步骤230,基于目标参数和第一温度检测值,通过晶面温度确定模型确定第一温度检测值对应的模拟晶面温度。在一些实施例中,步骤230可以由温度确定模块730执行。
模拟晶面温度指通过模拟确定的与第一温度检测值对应的晶面温度。
晶面温度确定模型可以为数值模拟模型。处理器150可以基于多个历史炉次的历史目标参数、历史第一温度检测室以及历史晶面温度建立多个数学方程,并将将多个的数学方程离散化,将其转化为离散的形式,以便于进行处理,再采用数值计算方法,如有限差分法、有限元法等,对前述离散化的数学方程进行求解,获得晶面温度确定模型。温度确定模块730可以将目标参数和第一温度检测值输入晶面温度确定模型,晶面温度确定模型基于输入的数据进行模拟仿真,确定模拟晶面温度。
本说明书的一些实施例可以通过晶面温度确定模型进行模拟确定模拟晶面温度,解决晶面温度难以观测的情况。
在一些实施例中,晶面温度确定模型还可以为机器学习模型,例如,晶面温度确定模型可以包括但不限于逻辑回归模型、决策树模型、随机梯度下降模型等中的一种或组合。晶面温度确定模型的输入可以包括目标参数以及第一温度检测值,输出可以包括第一温度检测值对应的模拟晶面温度。前述晶面温度确定模型可以通过数值模拟软件(例如,Virtual reactor、COMSOL等)或设计的传热计算程序对晶体生长设备进行建模得到初始晶面温度确定模型后进行训练获得。第一训练样本可以包括样本目标参数以及样本第一温度检测值,第一训练标签可以包括样本晶面温度。前述第一训练样本以及第一训练标签可以通过对晶体生长设备进行加热实验获得。
在一些实施例中,温度确定模块730还可以基于晶体生长设备类型,确定对应的晶面温度确定模型。每一晶体生长设备类型对应的晶面温度确定模型可以基于针对每一晶体生长设备类型对应的第一训练样本以及第一训练标签分别进行训练获取。
在一些实施例中,晶面温度确定模型的输入还可以包括第一测温点的位置信息,对应的,在训练时的第一训练训练样本还可以包括样本第一测温点的样本位置信息。通过将第一测温点的位置信息也作为晶面温度确定模型的输入,可以避免因第一测温点的位置差异而带来的误差,提高晶面温度确定模型输出的准确率。
在一些实施例中,晶面温度确定模型还可以包括数值模拟模型以及机器学习模型。例如,温度确定模块730可以基于数值模拟模型以及机器学习模型对目标参数以及第一温度检测值进行处理,并对两者输出的结果进行加权求和,将加权求和的结果确定为模拟晶面温度。其中,前述数值模拟模型以及机器学习模型可以通过预设获得。数值模拟模型通常受到不同来源的不确定性影响,如模型参数不确定性、输入数据的噪声等。机器学习模型可以应用于估计和建模不确定性,以提供更准确的预测结果和有效的不确定性量化,通过综合两者的输出结果,可以获得更加准确的模拟晶面温度。
通过本说明书的一些实施例可以更加准确地确定晶体生长设备在目标炉次的参数集,从而更加准确地确定晶体生长过程中的晶面温度,提高晶体的生长质量。此外,通过晶面温度确定模型确定晶面温度,可以提高判断效率,降低人工判断成本。
在一些实施例中,在确定模拟晶面温度后,流程200还可以确定对晶体生长设备在目标时间段的温度进行调节的温度控制参数,可选地,流程200还可以包括以下步骤:
步骤240,基于模拟晶面温度,确定晶体生长设备在目标炉次的目标时间段的温度控制参数。在一些实施例中,步骤240可以由温度控制模块740执行。
温度控制参数为晶体生长设备对炉内温度进行调节的参数。温度控制参数可以包括晶体生长设备中炉膛的功率。例如,温度控制参数可以为+5KW,表征目标时间段内需要在炉膛当前的功率上增大5KW。温度控制参数还可以包括晶体生长设备中炉内温度的调节值。例如,温度控制参数可以为+100℃,表征目标时间段内需要在炉膛当前的炉内温度上增大100℃。
在一些实施例中,温度控制模块740可以将模拟晶面温度反馈给目标炉次的操作人员,前述操作人员可以根据模拟晶面温度确定晶体生长设备在目标炉次的目标时间段的温度控制参数。
在一些实施例中,温度控制模块740可以基于目标炉次的晶体生长信息以及模拟晶面温度,通过温度控制关系,确定晶体生长设备在目标炉次的目标时间段的温度控制参数。晶体生长信息可以指目标炉次的晶体生长的相关信息,例如,晶体生长信息可以包括但不限于晶体类型、当前晶体生长情况(如尺寸)、当前晶体生长时长、目标生长时长等。前述目标生长时长指在目标炉次中晶体生长预计所需的时长。晶体生长信息可以通过用户输入直接确定,也可以是在晶体生长的过程中实时获取的。例如,晶体类型、目标生长时长等可以通过用户输入直接确定;又例如,当前晶体生长情况(如晶体尺寸)、当前晶体生长时长可以在晶体生长过程中实时获取。
温度控制模块740可以根据晶体生长信息确定晶体在目标时间段内所需的晶面温度,并结合模拟晶面温度以及预设的控制规则关系,确定目标时间段内晶体生长设备的温度控制参数。关于温度控制关系的更多内容可以参见本说明书下文相关说明。
温度控制模块740可以获取多个参考设备中各个参考设备在参考炉次的多个参考晶面温度以及多个参考晶面温度对应的多个参考控制参数。其中,参考设备为与晶体生长设备同类型的设备,参考炉次为参考设备进行过的晶体生长炉次。参考晶面温度可以指参考设备在参考炉次的晶面温度,前述参考晶面温度可以为温度序列,表征参考设备在参考炉次多个时间段内不同的晶面温度。参考控制参数可以指参考设备在参考炉次的温度控制参数,前述参考晶面温度可以为温度控制参数序列,表征参考设备在参考炉次多个时间段内不同的温度控制参数。
在一些实施例中,温度控制模块740可以基于多个参考设备在参考炉次的参考晶面温度、参考控制参数和模拟晶面温度,确定温度控制参数。
例如,温度控制模块740可以基于模拟晶面温度以及参考晶面温度,确定至少一个参考炉次,再基于前述至少一个参考炉次对应的参考控制参数,确定晶体生长设备在目标炉次的目标时间段的温度控制参数。当参考炉次的数量为一个时,温度控制模块740可以直接将该参考炉次对应的参考控制参数确定为晶体生长设备在目标炉次的目标时间段的温度控制参数。可以理解的是,在不同的参考炉次中,同样的参考晶面温度对应的参考控制参数可能是不同的。因此,当参考炉次的数量为多个时,温度控制模块740可以综合评估多个参考炉次的参考控制参数,以确定晶体生长设备在目标炉次的目标时间段的温度控制参数。如,确定多个参考炉次对应的参考控制参数的平均值或中位值,并将其确定为晶体生长设备在目标炉次的目标时间段的温度控制参数。
例如,温度控制模块740可以基于多个参考设备在参考炉次的参考晶面温度以及参考控制参数,确定晶体生长设备内温度控制参数与晶面温度的温度控制关系。其中,温度控制关系可以表征温度控制参数的调整对晶面温度的影响。
在一些实施例中,温度控制关系可以通过温度控制模型表征。前述温度控制模型的输入可以包括晶体生长开始至目标时间段的模拟晶面温度,输出为目标时间段至晶体生长完成的温度控制参数。
温度控制模型可以通过多个参考设备在参考炉次的参考晶面温度以及参考控制参数训练获得,温度控制模块740可以对参考晶面温度中部分时间段的晶面温度进行遮挡或去除,获得第二训练样本。第二训练标签可以为前述遮挡或去除的时间段对应的参考控制参数。温度控制模块740可以基于第二训练样本以及第二训练标签对初始温度控制模型进行训练,获得温度控制模型。
温度控制模块740可以基于目标炉次的晶体生长信息,确定晶体生长设备在目标炉次的目标时间段所需的晶面温度,基于晶体生长设备在目标炉次的目标时间段所需的晶面温度以及模拟晶面温度,通过温度控制关系,确定晶体生长设备在目标炉次的目标时间段的温度控制参数,以使得生长的晶体符合要求。
温度控制模块740还可以获取多个参考设备在参考炉次所生成的晶体的晶体检测数据。晶体检测数据可以指晶体的相关检测数据。例如,晶体检测数据可以包括但不限于晶体尺寸、晶体数量、是否存在晶体等。
在一些实施例中,温度控制模块740可以基于多个参考设备在参考炉次的参考晶面温度、参考控制参数、晶体检测数据和模拟晶面温度,确定温度控制参数。温度控制模块740可以基于目标炉次的晶体生长信息以及多个参考设备在参考炉次的晶体检测数据,对多个参考设备在参考炉次的参考晶面温度以及参考控制参数进行筛选,获得筛选后的参考晶面温度以及参考控制参数,并基于筛选后的参考晶面温度、参考控制参数以及模拟晶面温度,确定晶体生长设备在目标炉次的目标时间段的温度控制参数。例如,温度控制模块740可以仅保留晶体检测数据中晶体尺寸等于或大于预设尺寸阈值的参考炉次对应的参考晶面温度以及参考控制参数。通过晶体检测数据对参考设备的参考炉次进行筛选,可以筛除不符合要求的数据,使得目标炉次在目标时间段内的温度控制参数更符合晶体生长信息的要求。
值得说明的是,如果只是将模拟晶面温度反馈给操作人员作为参考,还需要操作人员结合经验去对晶体生长炉的温度进行设置,这使得对晶面温度的监测还是不够全面,无法保证晶体生长过程中的晶面的温度恒定,从而可能降低晶体生长质量。本说明书的一些实施例通过温度控制模块740确定温度控制参数,可以使得确定出的温度控制参数更适合晶体成长,实现自动化控制,降低人力成本,减少操作错误率。
在一些实施例中,晶体生长系统200还可以基于温度控制参数,调节调节所述晶体生长设备在目标时间段的晶体生长温度。可选地,流程200还可以包括以下步骤:
步骤250,基于温度控制参数,自动发送温度调节指令,以调节晶体生长设备在目标炉次的目标时间段的晶体生长温度。在一些实施例中,步骤250可以由温度调节模块750执行。
温度调节指令为晶体生长设备中各组件对温度进行调节的控制指令。温度调节模块750可以基于温度控制参数生成对应的温度调节指令,并将温度调节指令发送至晶体生长设备对应的组件中,以调节晶体生长设备在目标炉次的目标时间段的晶体生长温度,以使得晶体生长温度满足晶体生长的需求,提高晶体生长质量。
示例性的,温度控制参数包括晶体生长设备中炉膛的功率+5KW时,温度调节模块750可以将其转换为对应的温度调节指令,前述温度调节指令可以被发送至炉膛;炉膛响应于该温度调节指令,可以在当前的功率上增大5KW。
本说明书的一些实施例通过温度控制参数可以自动控制晶体生长设备进行温度调节,实现晶体生长的智能化控制,减少人工操作带来的成本。
值得说明的是,在晶体生长设备的目标炉次中,晶体生长系统700可以不断执行流程200,以确定各个时间段的晶面温度,从而基于前述晶面温度实现晶体生长设备的智能化控制,提高晶体生长的质量。
应当注意的是,上述有关流程200的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程200进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,晶体生长系统700可以先执行步骤220,再执行步骤210也可以实现本说明书前述实施例所述的晶体生长方法。
图3是根据本说明书一些实施例所示的确定第一参数的示例性流程图。在一些实施例中,流程300可以由参数确定模块710执行。如图3所示,流程300可以包括下述步骤:
步骤310,获取初始第一参数。
初始第一参数可以反映晶体生长设备内的预设物在初始环境中的第一参数。其中,初始环境可以指对晶体生长设备的生产商对预设物的第一参数进行测量时的环境,此时,晶体生长设备尚未进行过晶体生长。初始环境中的温度、磁场、电场等中的一种或多种可以通过预设确定。初始第一参数可以通过晶体生长设备的设备信息确定。例如,晶体生长设备的设计厂商可以在生产晶体生长设备时,在初始环境中(如,温度为20~30℃、磁场为1~2毫高斯)对预设物进行测试,确定预设物在初始条件下的第一参数。
可以理解的是,由于晶体生成时,预设物所处的环境相对于初始环境会发生变化(例如,初始环境中温度为20~30℃,晶体生长时温度为7400~7500℃),此外,随着晶体生长设备的使用,预设物的内部结构也可能发生变化,从而导致晶体生长设备中预设物的第一参数不断发生变化。
步骤320,基于强化学习模型对初始第一参数进行处理,确定目标第一参数。
针对每一初始第一参数,参数确定模块710可以将该初始第一参数输入强化学习模型,强化学习模型的输出为对应的目标第一参数。其中,前述强化学习模型的奖励值可以与晶体生长设备的炉内信息相关。前述炉内信息可以为晶体生长设备在进行晶体生长过程中的相关信息,包括但不限于炉内温度、炉内气压、排气速率等。前述炉内信息可以基于多种方法确定。前述炉内信息可以基于检测确定。例如,参数确定模块710可以通过相关的检测装置进行检测,获取炉内信息。前述炉内信息还可以基于计算确定。例如,参数确定模块710还可以基于第一温度检测值,通过预设的炉内温度以及第一温度检测值的温度对应关系,确定炉内温度。再例如,参数确定模块710还可以基于目标炉次以及晶体生长设备的功率,通过计算,确定炉内温度。
强化学习模型可以用于初始第一参数进行修正,得到修正后的目标第一参数。强化学习模型420包括调整模块421和最优动作确定模块422。
如图4所示,参数确定模块710可以将初始第一参数410输入强化学习模型420,强化学习模型420的输出为目标第一参数430。在强化学习模型420内,将初始第一参数410输入调整模块421,调整模块421输出可选动作集合;再将初始第一参数410和可选动作集合输入最优动作确定模块422,最优动作确定模块422可以输出最优可选动作423。参数确定模块710可以将最优动作确定模块422输出的最优可选动作423对应的值作为强化学习模型420的输出,即目标第一参数430。
调整模块421可以包括可选动作确定子模块421-1、状态确定子模块421-2和奖励确定子模块421-3。在强化学习模型420的预测过程中,调整模块可以基于初始第一参数410,通过可选动作确定子模块421-1确定可选动作集合。值得说明的是,通过可选动作集合初始第一参数410进行调整而最终确定的目标第一参数430,不应超过初始第一参数410的修正范围。前述修正范围指对初始第一参数进行修正的范围。可以理解的是,因为各个初始第一参数的类型不同,每一初始第一参数对应的修正范围可以不同。前述修正范围可以基于经验预设。
在强化学习模型420的训练过程中,调整模块421中的状态确定子模块421-2和奖励确定子模块421-3可以分别用于确定下一状态的第一参数以及奖励值。
可选动作确定子模块421-1可以基于当前状态的第一参数(例如,初始执行时,当前状态的第一参数可以为初始第一参数410)确定当前状态下可选动作集合。可选动作集合指某个状态下对当前状态的第一参数可以执行的动作的集合,值得说明的是,对调整后的第一参数不应超过初始第一参数对应的修正范围。
状态确定子模块421-2可以基于当前状态的第一参数和最优动作确定模块422输出的最优可选动作423,确定下一状态的第一参数。
奖励确定子模块421-3可以用于确定奖励值。奖励值可以用于确定调整后的第一参数的准确度。例如,对于准确度高的动作,奖励值可以越高;对于准确度低或是负提升,奖励值可以越低。奖励值可以用数值或其他方式表示。在一些实施例中,强化学习模型的奖励值可以与晶体生长设备的炉内信息相关。以第一参数为电导率,炉内信息为炉内温度为例,参数确定模块710可以将调整后的第一参数输入仿真模拟模型,仿真模拟模型的输出可以为当前调整后的第一参数对应的晶体生长设备的仿真温度,将前述仿真温度与晶体生长设备的炉内温度进行比较,确定调整后的第一参数的奖励值。其中,前述奖励值可以基于仿真温度与晶体生长设备的炉内温度的温度差值以及预设的奖励规则确定,前述温度差值越小,奖励值越大。仿真模拟模型可以通过晶体生长设备的历史数据进行训练获得。
最优动作确定模块422可以基于当前状态的第一参数、可选动作集合,确定最优可选动作423。在一些实施例中,最优动作确定模块422可以为机器学习模型,可以用各种方法实现,例如深度神经网络(Deep Neural Network,DNN)、卷积神经网络(ConvolutionalNeural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)等。
在一些实施例中,最优动作确定模块422可以基于强化学习方法对多组带有第三训练标签的第三训练样本训练得到,例如,深度Q网络(Deep Q-Learning Network,DQN)、双深度Q网络(Double Deep Q-Learning Network,DDQN)等。第三训练样本可以是晶体生长设备的历史第一参数,第三训练标签为历史第一参数下对应的最优可选动作。第三训练样本可以基于晶体生长设备的历史数据得到,第三训练标签可以通过强化学习方法得到。
在一些实施例中,参数确定模块710可以基于预设触发条件,周期执行强化学习模型420并输出最优可选动作423。例如,预设触发条件为晶体生长设备每炉次执行一次,参数确定模块710可以将强化学习模型420在目标炉次输出的最优可选动作423,可以确定为目标炉次的目标第一参数。
本说明书的一些实施例通过强化学习模型对初始第一参数进行处理,可以更加准确地确定出目标第一参数,提高确定出的模拟晶面温度的准确度。
图5是根据本说明书一些实施例所示的又一确定目标第一参数的示例性流程图。在一些实施例中,流程500可以由参数确定模块710执行。如图5所示,流程500可以包括下述步骤:
步骤510,获取晶体生长设备在多个历史炉次的历史第一参数以及历史第一参数对应的历史工况参数。
历史炉次指晶体生长设备在目标炉次前进行过的晶体生长的炉次。对应的,历史第一参数指晶体生长设备在历史炉次的第一参数。
历史工况参数指晶体生长设备在历史炉次中与工况相关的参数。
在一些实施例中,历史工况参数可以包括晶体生长设备在多个历史炉次的第二测温点的第二温度检测值。第二测温点可以指晶体生长设备在多个历史炉次中对炉内温度进行检测的位置,第二温度检测值可以指晶体生长设备在多个历史炉次中在第二测温点对温度进行检测获得的结果。第二测温点可以与前述第一测温点的位置相同或不同。
在一些实施例中,历史工况参数还可以包括晶体生长设备在历史炉次生长晶体的历史生长时长。历史生长时长指晶体生长设备在多个历史炉次中晶体生长的所用时长。
在一些实施例中,历史工况参数还可以包括其他参数。例如,历史工况参数还可以包括但不限于历史炉次的炉内功率、炉内气压、排气速率等。
参数确定模块710可以通过晶体生长设备的历史数据获取晶体生长设备在多个历史炉次的历史第一参数以及历史第一参数对应的历史工况参数。示例性的,晶体生长设备还可以包括存储模块,晶体生长设备每次进行晶体生长时可以对相关数据进行检测,例如,对历史第一参数以及历史工况参数进行检测,并作为历史数据存储至前述存储模块,参数确定模块710在需要时可以从前述存储模块中获取晶体生长设备在多个历史炉次的历史第一参数以及历史第一参数对应的历史工况参数。
步骤520,基于多个历史炉次的历史第一参数以及历史工况参数,确定目标第一参数。
在一些实施例中,当历史工况参数包括晶体生长设备在多个历史炉次的第二测温点的第二温度检测值时,参数确定模块710可以基于多个历史炉次的历史第一参数以及第二温度检测值进行分析处理,确定第二测温点的温度检测值与第一参数的第二对应关系。前述第二对应关系可以反映晶体生长设备的第二测温点的温度检测值与第一参数的对应关系。第二对应关系可以表征为拟合函数、机器学习模型等。可以理解的是,当第一参数包括多种类型时,第二对应关系可以包括每一种第一参数与第二测温点的温度检测值的对应关系。例如,当第一参数包括坩埚的热传导系数以及电导率时,前述第二对应关系可以包括第二测温点的温度检测值与坩埚的热传导系数以及电导率的对应关系。
在一些实施例中,参数确定模块710可以获取晶体生长设备在目标炉次的第二测温点的第三温度检测值,并基于第三温度检测值与第二对应关系,确定第一参数。第三温度检测值指晶体生长设备在目标炉次中对第二测温点进行温度检测获得的结果。可以理解的是,当第一测温点与第二测温点相同时,第三温度检测值为第一温度检测值。参数确定模块710可以基于第二对应关系,确定第三温度检测值对应的第一参数,并将其确定为目标第一参数。
在一些实施例中,当历史工况参数包括晶体生长设备在历史炉次生长晶体的历史生长时长时,参数确定模块710可以基于多个历史炉次的历史第一参数以及基于多种历史相关参数以及多个历史生长时长,确定第三对应关系。其中,前述第三对应关系可以反映晶体的生长时长与第一参数的第三对应关系。第三对应关系可以表征为拟合函数、机器学习模型等。与第二对应关系类似的,当第一参数包括多种类型时,第三对应关系可以包括每一种第一参数与晶体的生长时长的对应关系。
在一些实施例中,参数确定模块710可以获取晶体生长设备在目标炉次生长晶体的目标生长时长;基于目标晶体生长时长与第三对应关系,确定第一参数。参数确定模块710可以基于第三对应关系,确定目标生长时长对应的第一参数,并将其确定为目标第一参数。
在一些实施例中,参数确定模块710还可以多个历史炉次的历史第一参数以及历史工况参数,建立参数预测模型;确定晶体生长设备在目标炉次的预设工况参数;基于预设工况参数和参数预测模型,确定目标第一参数。
预设工况参数可以指预先确定的目标炉次中的工况参数。预设工况参数可以包括但不限于预先确定的晶体生长设备在目标炉次的各个时间段的炉内温度、炉内气压、排气速率以及炉内功率等。参数确定模块710或用户可以基于晶体生长信息,对目标炉次的生长情况进行规划,从而确定晶体生长设备在目标炉次的预设工况参数。关于晶体生长信息的更多内容可以参见图2及其相关描述。
在一些实施例中,参数确定模块710可以将目标炉次的预设工况参数输入参数预测模型,参数预测模型的输出为预设工况参数下的第一参数。参数确定模块710可以将预设工况参数下的第一参数确定为目标参数。参数预测模型可以为机器学习模型。例如,参数预测模型可以包括但不限于卷积神经网络模型、深度学习模型、随机森林模型中的一种或多种组合。本说明书的一些实施例通过参数预测模型可以快速而准确地确定第一参数,提高处理效率。
参数确定模块710可以基于多组带有第四训练标签的第四训练样本对初始参数预测模型进行训练,获得训练好的参数预测模型。针对每一组带有第四训练标签的第四训练样本,第四训练样本可以包括某一历史炉次的历史工况参数,第四训练标签可以包括该历史炉次对应的历史第一参数。
本说明书的一些实施例通过对晶体生长设备多个历史炉次的历史第一参数以及历史工况参数进行分析处理,确定第一参数,从而更加准确地确定晶体生长设备在目标炉次的第一参数,避免直接基于初始第一参数进行判断,导致确定晶面温度出现误差。
图6是根据本说明书一些实施例所示的又一确定目标第一参数的示例性流程图。在一些实施例中,流程600可以由参数确定模块710执行。如图6所示,流程600可以包括下述步骤:
步骤610,获取晶体生长设备的炉次与第一参数之间的第一对应关系。
在一些实施例中,针对晶体生长设备的多个预设炉次中的每一个,参数确定模块710可以基于强化学习模型对初始第一参数进行处理,确定每一个预设炉次对应的参考第一参数。其中,多个预设炉次可以指晶体生长设备预先设置的多个炉次。例如,多个预设炉次可以为晶体生长设备的前20炉。参考第一参数为晶体生长设备在该预设炉次的第一参数。关于强化学习模型的更多内容可以参见图3及其相关描述。
参数确定模块710可以基于多个所述预设炉次对应的所述参考第一参数,确定所述晶体生长设备的炉次与所述第一参数之间的第一对应关系。与第二对应关系以及第三对应关系类似的,第一对应关系也可以通过拟合函数或机器学习模型等方式表征。例如,参数确定模块710可以对多个所述预设炉次对应的所述参考第一参数进行数据拟合,确定晶体生长设备的炉次与第一参数之间的拟合函数,并将前述拟合函数确定为第一对应关系。再例如,参数确定模块710将预设炉次确定为第五训练样本,将预设炉次对应的参考第一参数确定为第五训练标签,基于前述第五训练样本以及第五训练标签进行训练,确定机器学习模型,并将前述机器学习模型确定为第一对应关系。
步骤620,基于目标炉次以及第一对应关系,确定目标第一参数。
例如,当第一对应关系为拟合函数时,参数确定模块710可以基于目标炉次通过计算,确定目标第一参数。再例如,当第一对应关系为机器学习模型时,参数确定模块710可以基于将目标炉次输入前述机器学习模型,前述机器学习模型的输出为目标第一参数。
本说明书的一些实施例通过第一对应关系确定目标第一参数,避免持续基于强化学习模型进行处理带来的计算量,在保障目标第一参数准确度的基础上,提高晶体生长系统700的计算效率。
图7是根据本说明书一些实施例所示的晶体生长系统的示例性模块图。
如图7所示,晶体生长系统700可以包括参数确定模块710、温度检测模块720以及温度确定模块730。
参数确定模块710可以用于确定晶体生长设备在目标炉次的参数集,其中,参数集包括至少一个目标参数,目标参数为晶体生长设备中影响晶体生长的参数。在一些实施例中,目标参数包括目标第一参数以及目标第二参数,目标第一参数包括晶体生长设备内的预设物在目标炉次的第一参数,第一参数反映预设物中与晶体生长相关的材料物理性能,目标第二参数包括晶体生长设备在目标炉次的第二参数,第二参数包括晶体生长设备相关设置的参数。
在一些实施例中,参数确定模块710还可以进一步用于获取初始第一参数,其中,初始第一参数反映晶体生长设备内的预设物在初始环境中的第一参数;基于强化学习模型对初始第一参数进行处理,确定目标第一参数,强化学习模型的奖励值与晶体生长设备的炉内信息相关。
在一些实施例中,参数确定模块710还可以进一步用于获取晶体生长设备的炉次与第一参数之间的第一对应关系;基于目标炉次以及第一对应关系,确定目标第一参数。
在一些实施例中,参数确定模块710还可以用于针对晶体生长设备的多个预设炉次中的每一个,基于强化学习模型对初始第一参数进行处理,确定该预设炉次对应的参考第一参数,初始第一参数反映晶体生长设备内的预设物在初始环境中的第一参数,参考第一参数为晶体生长设备在该预设炉次的第一参数,强化学习模型的奖励值与晶体生长设备的炉内信息相关;基于多个预设炉次对应的参考第一参数,确定晶体生长设备的炉次与第一参数之间的第一对应关系。
在一些实施例中,参数确定模块710还可以进一步用于获取晶体生长设备在多个历史炉次的历史第一参数以及历史第一参数对应的历史工况参数,其中,历史第一参数包括反映晶体生长设备内的预设物在历史炉次的第一参数;基于多个历史炉次的历史第一参数以及历史工况参数,确定目标第一参数。在一些实施例中,历史工况参数包括晶体生长设备在多个历史炉次的第二测温点的第二温度检测值,参数确定模块710还可以进一步用于基于多个历史炉次的历史第一参数以及第二温度检测值,确定第二对应关系,其中,第二对应关系反映晶体生长设备的第二测温点的温度检测值与第一参数的对应关系;获取晶体生长设备在目标炉次的第二测温点的第三温度检测值;基于第三温度检测值与第二对应关系,确定目标第一参数。在一些实施例中,历史工况参数包括晶体生长设备在历史炉次生长晶体的历史生长时长,参数确定模块710还可以进一步用于基于多个历史炉次的历史第一参数以及历史生长时长,确定第三对应关系,第三对应关系反映晶体的生长时长与第一参数的对应关系;获取晶体生长设备在目标炉次生长晶体的目标生长时长;基于目标生长时长与第三对应关系,确定目标第一参数。在一些实施例中,参数确定模块710还可以进一步用于基于多个历史炉次的历史第一参数以及历史工况参数,建立参数预测模型;确定晶体生长设备在目标炉次的预设工况参数;基于预设工况参数和参数预测模型,确定目标第一参数。
在一些实施例中,参数确定模块710还可以用于获取多组参考数据,每一组参考数据包括多个候选第一参数以及多个候选第一参数对应的验证信息,每一候选第一参数反映晶体生长设备内的预设物的一种材料物理性能;通过重要性分析模型对多组参考数据进行处理,确定第一参数的类型,重要性分析模型为随机森林模型。
温度检测模块720可以用于在目标炉次的目标时间段,获取晶体生长设备的第一测温点的第一温度检测值。
温度确定模块730可以用于基于目标参数和第一温度检测值,通过晶面温度确定模型确定第一温度检测值对应的模拟晶面温度。
在一些实施例中,图7所示的晶体生长系统700还可以包括温度控制模块740。前述温度控制模块740可以用于基于模拟晶面温度,确定晶体生长设备在目标炉次的目标时间段的温度控制参数。在一些实施例中,温度控制模块740还可以进一步用于获取多个参考设备中各个参考设备在参考炉次的多个参考晶面温度以及多个参考晶面温度对应的多个参考控制参数,其中,参考设备为与晶体生长设备同类型的设备;基于多个参考设备在参考炉次的参考晶面温度、参考控制参数和模拟晶面温度,确定温度控制参数。在一些实施例中,温度控制模块740还可以进一步用于获取多个参考设备在参考炉次所生成的晶体的晶体检测数据;基于多个参考设备在参考炉次的参考晶面温度、参考控制参数、晶体检测数据和模拟晶面温度,确定温度控制参数。
在一些实施例中,图7所示的晶体生长系统700还可以包括温度调节模块750。前述温度调节模块750可以用于基于温度控制参数,自动发送温度调节指令,以调节晶体生长设备在目标炉次的目标时间段的晶体生长温度。
应当理解,图7所示的晶体生长系统700及其模块可以利用各种方式来实现。示例性的,晶体生长系统700可以应用于晶体生长装置的处理器中,该晶体生长装置还可以包括晶体生长设备,前述处理器可以通过前述晶体生长系统700对晶体生长设备进行控制,以实现本说明书下文任一实施例所述的晶体生长方法。
需要注意的是,以上对于晶体生长系统700及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图7中披露的参数确定模块710、温度检测模块720以及温度确定模块730可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍。
Claims (10)
1.一种晶体生长方法,其特征在于,所述方法包括:
确定晶体生长设备在目标炉次的参数集,其中,所述参数集包括至少一个目标参数,所述目标参数为所述晶体生长设备中影响晶体生长的参数;
在所述目标炉次的目标时间段,获取所述晶体生长设备的第一测温点的第一温度检测值;
基于所述目标参数和所述第一温度检测值,通过晶面温度确定模型确定所述第一温度检测值对应的模拟晶面温度。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述模拟晶面温度,确定所述晶体生长设备在目标炉次的目标时间段的温度控制参数;
基于所述温度控制参数,自动发送温度调节指令,以调节所述晶体生长设备在所述目标时间段的晶体生长温度。
3.如权利要求1所述的方法,其特征在于,所述目标参数包括目标第一参数以及目标第二参数,
所述目标第一参数包括所述晶体生长设备内的预设物在目标炉次的第一参数,所述第一参数反映所述预设物中与晶体生长相关的材料物理性能,
所述目标第二参数包括所述晶体生长设备在所述目标炉次的第二参数,所述第二参数包括所述晶体生长设备相关设置的参数。
4.如权利要求3所述的方法,其特征在于,所述确定晶体生长设备在目标炉次的参数集包括:
获取初始第一参数,其中,所述初始第一参数反映所述晶体生长设备内的预设物在初始环境中的所述第一参数;
基于强化学习模型对所述初始第一参数进行处理,确定所述目标第一参数,所述强化学习模型的奖励值与所述晶体生长设备的炉内信息相关。
5.如权利要求3所述的方法,其特征在于,所述确定晶体生长设备在目标炉次的参数集包括:
获取所述晶体生长设备的炉次与所述第一参数之间的第一对应关系;
基于所述目标炉次以及所述第一对应关系,确定所述目标第一参数;其中,所述第一对应关系通过以下步骤确定:
针对所述晶体生长设备的多个预设炉次中的每一个,基于强化学习模型对初始第一参数进行处理,确定该预设炉次对应的参考第一参数,其中,所述初始第一参数反映所述晶体生长设备内的预设物在初始环境中的所述第一参数,所述参考第一参数为所述晶体生长设备在该预设炉次的所述第一参数,所述强化学习模型的奖励值与所述晶体生长设备的炉内信息相关;
基于多个所述预设炉次对应的所述参考第一参数,确定所述晶体生长设备的炉次与所述第一参数之间的第一对应关系。
6.如权利要求3所述的方法,其特征在于,所述确定晶体生长设备在目标炉次的参数集包括:
获取所述晶体生长设备在多个历史炉次的历史第一参数以及所述历史第一参数对应的历史工况参数,其中,所述历史第一参数包括反映所述晶体生长设备内的所述预设物在所述历史炉次的所述第一参数;
基于多个所述历史炉次的所述历史第一参数以及所述历史工况参数,确定所述目标第一参数。
7.如权利要求6所述的方法,其特征在于,所述历史工况参数包括所述晶体生长设备在多个所述历史炉次的第二测温点的第二温度检测值;
所述基于多个所述历史炉次的所述历史第一参数以及所述历史工况参数,确定所述第一参数包括:
基于多个所述历史炉次的所述历史第一参数以及所述第二温度检测值,确定第二对应关系,其中,所述第二对应关系反映所述晶体生长设备的所述第二测温点的温度检测值与所述第一参数的对应关系;
获取所述晶体生长设备在所述目标炉次的所述第二测温点的第三温度检测值;
基于所述第三温度检测值与所述第二对应关系,确定所述目标第一参数。
8.如权利要求6所述的方法,其特征在于,所述历史工况参数包括所述晶体生长设备在历史炉次生长晶体的历史生长时长;
所述基于多个所述历史炉次的所述历史第一参数以及所述历史工况参数,确定所述目标第一参数包括:
基于多个所述历史炉次的所述历史第一参数以及所述历史生长时长,确定第三对应关系,所述第三对应关系反映晶体的生长时长与所述第一参数的对应关系;
获取所述晶体生长设备在所述目标炉次生长晶体的目标生长时长;
基于所述目标生长时长与所述第三对应关系,确定所述目标第一参数。
9.如权利要求3所述的方法,其特征在于,所述第一参数的类型通过以下步骤确定:
获取多组参考数据,每一组所述参考数据包括多个候选第一参数以及所述多个候选第一参数对应的验证信息,每一所述候选第一参数反映所述晶体生长设备内的所述预设物的一种材料物理性能;
通过重要性分析模型对多组所述参考数据进行处理,确定所述第一参数的类型,所述重要性分析模型为随机森林模型。
10.一种晶体生长系统,其特征在于,所述系统包括:
参数确定模块,用于确定晶体生长设备在目标炉次的参数集,其中,所述参数集包括至少一个目标参数,所述目标参数为所述晶体生长设备中影响晶体生长的参数;
温度检测模块,用于在所述目标炉次的目标时间段,获取所述晶体生长设备的第一测温点的第一温度检测值;
温度确定模块,用于基于所述目标参数和所述第一温度检测值,通过晶面温度确定模型确定所述第一温度检测值对应的模拟晶面温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410172434.3A CN118013793A (zh) | 2024-02-06 | 2024-02-06 | 一种晶体生长方法、系统、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410172434.3A CN118013793A (zh) | 2024-02-06 | 2024-02-06 | 一种晶体生长方法、系统、装置以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118013793A true CN118013793A (zh) | 2024-05-10 |
Family
ID=90955601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410172434.3A Pending CN118013793A (zh) | 2024-02-06 | 2024-02-06 | 一种晶体生长方法、系统、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118013793A (zh) |
-
2024
- 2024-02-06 CN CN202410172434.3A patent/CN118013793A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7325356B2 (ja) | 情報処理システム及びシミュレーション方法 | |
JP2006113724A (ja) | 制御方法、温度制御方法、温度調節器、熱処理装置、プログラムおよび記録媒体 | |
CN115358726B (zh) | 一种基于物联网的工程施工进度监控系统及方法 | |
KR20090001148A (ko) | 가상 계측 시스템 및 가상 계측 방법 | |
TW201945987A (zh) | 製程異常狀態預判方法及預判系統 | |
CN113584576A (zh) | 晶体直径生长的自动控制方法、装置、电子设备和存储介质 | |
KR20220092795A (ko) | 정보 처리 장치, 정보 처리 시스템 및 부품 발주 방법 | |
CN201476905U (zh) | 神经网络pid控温的热电偶自动检定系统 | |
CN111340269A (zh) | 用于流程工业过程的实时优化方法 | |
CN118013793A (zh) | 一种晶体生长方法、系统、装置以及存储介质 | |
US11320811B2 (en) | Plant operating condition setting support system, learning device, and operating condition setting support device | |
CN111290267B (zh) | 基于LabVIEW的火电模型辨识装置和辨识方法 | |
CN112906155A (zh) | 一种用于注塑品信息的虚拟量测方法 | |
CN110955286B (zh) | 一种禽蛋监测方法及装置 | |
CN114808143A (zh) | 晶圆加热设备的参数确定模型训练方法、加热方法和装置 | |
CN112882959A (zh) | 一种项目风险判断方法、装置、设备及可读存储介质 | |
CN117364231B (zh) | 基于多参数协同控制的硅棒含氧量调控方法及系统 | |
CN115543855B (zh) | 半导体设备参数测试方法、装置、电子设备和存储介质 | |
CN117613430B (zh) | 一种新能源电池综合测试能源管理方法及系统 | |
CN112347695B (zh) | 一种变压器顶层油温的预测方法及系统 | |
JP2010141042A (ja) | プロセス処理装置の制御システム、プロセス処理装置の制御方法、プロセス処理装置の制御プログラム、および、プログラム記録媒体 | |
CN117871771B (zh) | 一种基于大数据的燃气能源监测方法 | |
CN115907178B (zh) | 一种净生态系统co2交换量的预测方法 | |
CN116219549A (zh) | 晶体生长设备的控制方法、系统和装置 | |
KR20240013661A (ko) | 정보 처리 장치, 저장 매체 및 프로세스 조건 최적화방법 |
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 |