基于优化插值与差值神经网络算法的硅片刻蚀深度预测模型

• 作者: 黄涛 王飞 杨晔
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 半导体加工工艺 机器学习 小样本 硅片刻蚀 神经网络 计算机辅助设计
• 年，卷（期）: 2021,（z2）
• 所属期刊栏目: 人工智能|Artificial intelligence
• 页码范围: 108-112
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021030490

摘要

针对半导体加工工艺复杂、成本高、工艺数据量少,一般的人工神经网络(ANN)算法无法准确预测其加工工艺性能的问题,提出一种基于优化插值与差值神经网络(OIDNN)算法的适用于小样本的硅片刻蚀深度预测模型.首先,分别由实验得到刻蚀深度的实验数据,由计算机辅助设计(TCAD)技术仿真得到刻蚀深度的模拟数据,并划分为训练集、验证集和预测集;将TCAD模拟数据作为额外输入参数插入ANN1模型,同时,将实验数据与TCAD模拟数据的差值作为ANN2模型的输出参数,得到两份预测结果;最后将两份预测结果作为输入参数,经ANN3模型训练选择权重,得到最终预测结果.OIDNN算法在不同大小的样本数量下,所得预测刻蚀深度和实验刻蚀深度之间平均的均方误差(MSE)为0.0095μm,相较于ANN减小80％以上,相较于自适应权值神经网络(AWNN)减小85％以上.实验结果表明,所提模型可以有效提高预测的准确度,提高算法的收敛速度,并且适用于小样本的工程应用场景.