基于粒子群-神经网络算法的纳米薄膜参数表征

• 作者: 傅云霞 吴俊杰 孔明 张馨尹 李强 管钰晴 谢张宁 雷李华 魏佳斯
• 来源期刊: 微纳电子技术
• 学科: 工学
• 关键词: 椭圆偏振测量 改进粒子群算法 人工神经网络算法 薄膜参数 数据处理 标准样片
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 加工、测量与设备
• 页码范围: 237-242
• 页数: 6页
• 分类号: TB383|TB921
• 语种: 中文
• DOI: 10.13250/j.cnki.wndz.2020.03.011

摘要

提出了一种利用椭圆偏振测量进行纳米薄膜参数数据处理的混合优化算法.以人工神经网络模型为基础,利用改进粒子群算法选择人工神经网络中的权值和阈值,建立改进粒子群-神经网络(IPSO-NN)算法模型对纳米薄膜参数进行数据处理,以获得更高精度的纳米薄膜参数.利用IPSO-NN算法模型计算标称厚度值为50和997.7 nm的硅上二氧化硅(SiO2/Si)纳米薄膜厚度标准样片的薄膜参数,结果表明:两种尺寸的薄膜厚度计算结果相对误差均小于3％,说明了混合优化算法具有高精度的薄膜厚度和复折射率等薄膜参数的计算能力.同时通过实验证明了IPSO-NN算法模型能有效地优化迭代次数,具有收敛速度快、测量效率高等优势.