Данные

Dec 20, 2023

Научные отчеты, том 13, Номер статьи: 7517 (2023) Цитировать эту статью

405 Доступов

1 Альтметрика

Подробности о метриках

Полная автоматизация производства материалов с высокой производительностью является ключевой проблемой в обработке некоторых материалов. При выращивании кристаллов в плавающей зоне (FZ), который представляет собой процесс производства полупроводниковых пластин, таких как кремний, оператор адаптивно управляет входными параметрами в соответствии с состоянием процесса выращивания кристаллов. Поскольку динамика процесса выращивания кристаллов ФЗ сложна, автоматизация часто затруднена, и обычно процесс управляется вручную. Здесь мы демонстрируем автоматизированный контроль роста кристаллов FZ путем обучения с подкреплением, используя динамику, предсказанную моделированием гауссовой смеси (GMM) на основе небольшого количества траекторий. Предлагаемый нами метод построения модели управления полностью основан на данных. Используя программу-эмулятор роста кристаллов FZ, мы показываем, что модель управления, построенная на основе предложенной нами модели, может более точно следовать идеальной траектории роста, чем демонстрационные траектории, созданные человеком. Более того, мы показываем, что оптимизация политики вблизи демонстрационных траекторий обеспечивает точный контроль за идеальной траекторией.

Применение информатики позволило нам реализовать эффективную оптимизацию, автоматизацию и прогресс в обработке материалов1,2,3,4,5,6,7,8,9. Проектирование условий и сред для обработки материалов было эффективно оптимизировано с использованием суррогатных моделей, построенных с помощью нейронных сетей или других алгоритмов машинного обучения1,2,6,10,11,12,13. Байесовская оптимизация позволяет успешно сократить количество испытаний для получения благоприятных условий обработки материалов14,15,16,17. С другой стороны, обработка некоторых материалов требует ручного управления в соответствии с информацией, полученной в процессе эксплуатации, и ее сложно автоматизировать. Например, при выращивании кристаллов в плавающей зоне (FZ), который используется для производства кремниевых пластин и различных видов кристаллических материалов, таких как полупроводники, оксиды, металлы и интерметаллические соединения, оператор адаптивно управляет входными параметрами, чтобы поддерживать предпочтительные условия для рост монокристаллов путем контроля состояния расплава в камере18,19,20,21,22,23,24,25,26,27,28. В настоящем исследовании мы стремились построить модель управления для автоматизированной операции роста кристаллов FZ с небольшим количеством рабочих траекторий.

Выращивание кристаллов FZ было разработано для производства монокристаллов кремния высокой чистоты без контакта расплавленной зоны с какими-либо посторонними материалами. Несмотря на его преимущество в выращивании кристаллов высокой чистоты, увеличение диаметра кристаллов затруднено по сравнению с другими методами выращивания кристаллов, такими как метод Чохральского. Относительно небольшие кремниевые пластины производятся методом выращивания кристаллов FZ с использованием радиочастотного нагрева. На рис. 1 схематически показан рост кристаллов FZ. В этом методе часть поликристаллического стержня нагревается для создания расплава FZ, а верхний (питающий) стержень и нижний (затравочный) стержень перемещаются вниз, чтобы поддерживать расплав FZ за счет поверхностного натяжения; наконец, кристалл вырастает на затравочном стержне. Оператор контролирует входные параметры, такие как мощность нагрева и скорость питающего стержня, чтобы расплав ФЗ не отделялся и не капал. Кроме того, оператор должен сформировать определенную форму, при которой диаметр кристалла сначала уменьшается (так называемая «шея»), а затем увеличивается диаметр кристалла для получения монокристалла. Поскольку динамика состояния расплава в зависимости от входных параметров нелинейна и сложна, сложно смоделировать процесс роста кристаллов ФЗ, как это было достигнуто для других методов выращивания кристаллов29,30,31,32,33. Таким образом, необходимо прогнозировать динамику роста кристаллов ФЗ по траекториям работы. Из-за сложности получения многочисленных рабочих траекторий роста кристаллов FZ недавно мы предложили адаптацию модели гауссовой смеси (GMM) для прогнозирования динамики роста кристаллов FZ и продемонстрировали, что GMM может точно предсказывать рабочие траектории только на основе пяти используемых траекторий. для обучения34. В настоящем исследовании мы построили модель управления путем обучения с подкреплением, используя оптимизацию проксимальной политики (PPO) и динамику, предсказанную GMM.