工艺参数寻优方法、外延生长方法及相关设备与

本发明属于外延生长领域，特别涉及一种工艺参数寻优方法、外延生长方法及相关设备。背景技术：1、现有的sic功率器件安装过程，一般为基于外延技术在 sic单晶衬底上生长外延材料，并在外延材料上安装sic功率器件，其中通过外延生长过程生成的薄膜的均匀性以及生长速率对于提升外延质量和减少缺陷有重要作用，而薄膜均匀性以及生长速率由多因素共同影响，影响规律较复杂且非线性度较高，因此，目前能使外延薄膜均匀性及生长速率达到最优的工艺参数的获取过程一般需要基于大量实验进行，但该方法存在实验成本及人工成本高昂、材料生长时间长等缺陷。2、因此，现有技术有待改进和发展。技术实现思路1、本申请的目的在于提供一种工艺参数寻优方法、外延生长方法及相关设备，旨在解决在获取使外延薄膜均匀性及生长速率达到最优的工艺参数时进行大量外延生长实验时，导致实验成本和人工成本高并且材料生长时间长的问题。2、第一方面，本申请提供一种工艺参数寻优方法，应用于基于化学气相沉积的外延生长工艺，包括以下步骤：3、s1.在预设范围内随机生成多个工艺参数组；4、s2.基于预先建立好的仿真模型根据多个工艺参数组进行模拟实验，输出各工艺参数组对应的模拟生长结果参数；5、s3.根据工艺参数组和对应的模拟生长结果参数对神经网络模型进行训练；6、s4.基于蚁群算法根据神经网络模型、工艺参数组以及神经网络模型生成的生长结果参数进行寻优以获取最优工艺参数组。7、本申请的工艺参数寻优方法，将仿真模型生成的模拟生长结果参数作为寻优的基础数据，能节省实际实验成本和时间；并且本申请基于神经网络模型进行寻优，能在进一步节省生长结果参数的获取时间；并且本申请基于蚁群算法进行寻优，能准确获取最优工艺参数组。8、进一步地，步骤s4中，基于蚁群算法根据神经网络模型、工艺参数组以及神经网络模型生成的生长结果参数进行寻优以获取最优工艺参数组的过程包括：9、s41.基于神经网络模型根据工艺参数组生成生长结果参数；10、s42.基于蚁群算法根据工艺参数组及其对应的生长结果参数在预设范围内生成多个新的工艺参数组，并基于神经网络模型根据各个新的工艺参数组生成各个新的工艺参数组对应的生长结果参数；11、s43.重复步骤s42直至生长结果参数收敛，根据最优的生长结果参数对应的工艺参数组获取最优工艺参数组。12、在该实施方式中，本申请的工艺参数寻优方法，基于蚁群算法生成新的工艺参数组和对应的生长结果参数以进行寻优，能实现在预设范围内进行寻优以准确获取最优工艺参数组。13、进一步地，用于对神经网络模型进行训练的工艺参数组和模拟生长结果参数划分为训练集和验证集。14、进一步地，生长结果参数包括生长出的外延薄膜厚度的变异系数和生长时外延薄膜的沉积速率。15、进一步地，蚁群算法的目标函数的表达式为z=-(k1*c+k2*r),其中z为目标函数，c为生长出的外延薄膜厚度的变异系数，k1为生长出的外延薄膜厚度的变异系数的权值，r为生长时外延薄膜的沉积速率，k2为生长时外延薄膜的沉积速率的权值。16、在该实施方式中，本申请的工艺参数寻优方法，对变异系数和沉积速率进行加权，能避免获取的最佳工艺参数组对应的一个生长结果参数最优但其对应的另一个生长结果参数较差的情况出现，并且能在最小变异系数对应的工艺参数组与最大沉积速率对应的工艺参数组不同时，综合考虑两个生长结果参数，使得获取的最佳工艺参数组对应的两个生长结果参数都较优。17、进一步地，工艺参数组包括进行外延生长所需的气压、温度和进气流量；18、步骤s2中，基于预先建立好的仿真模型根据多个工艺参数组进行模拟实验的过程包括：19、s21.基于预先建立好的仿真模型根据多个工艺参数组以及预设转盘转速进行模拟实验。20、进一步地，预设范围基于化学气相沉积的反应类型确定。21、第二方面，本申请提供一种外延生长方法，外延生长方法基于如上任一工艺参数寻优方法获取的最优工艺参数组进行。22、本申请的外延生长方法，将仿真模型生成的模拟生长结果参数作为寻优的基础数据，能节省实际实验成本和时间；并且本申请基于神经网络模型进行寻优，能在进一步节省生长结果参数的获取时间；并且本申请基于蚁群算法进行寻优，能准确获取最优工艺参数组，从而能更好地进行外延生长。23、第三方面，本申请提供一种电子设备，包括处理器和存储器，存储器存储有处理器可执行的计算机程序，处理器执行计算机程序时，运行如上任一方法中的步骤。24、第四方面，本申请提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时运行如上任一方法中的步骤。25、由上可知，本申请提供了一种工艺参数寻优方法、外延生长方法及相关设备，其中本申请提供的工艺参数寻优方法, 将仿真模型生成的模拟生长结果参数作为寻优的基础数据，能节省实际实验成本和时间；并且本申请基于神经网络模型进行寻优，能在进一步节省生长结果参数的获取时间；并且本申请基于蚁群算法进行寻优，能准确获取最优工艺参数组。26、本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、以及附图中所特别指出的结构来实现和获得。技术特征：1.一种工艺参数寻优方法，应用于基于化学气相沉积的外延生长工艺，其特征在于，包括以下步骤：2.根据权利要求1所述的一种工艺参数寻优方法，其特征在于，步骤s4中，所述基于蚁群算法根据所述神经网络模型、所述工艺参数组以及所述神经网络模型生成的生长结果参数进行寻优以获取最优工艺参数组的过程包括：3.根据权利要求1所述的一种工艺参数寻优方法，其特征在于，用于对神经网络模型进行训练的工艺参数组和模拟生长结果参数划分为训练集和验证集。4.根据权利要求1所述的一种工艺参数寻优方法，其特征在于，所述生长结果参数包括生长出的外延薄膜厚度的变异系数和生长时外延薄膜的沉积速率。5.根据权利要求4所述的一种工艺参数寻优方法，其特征在于，所述蚁群算法的目标函数的表达式为z=-(k1*c+k2*r),其中z为目标函数，c为生长出的外延薄膜厚度的变异系数，k1为生长出的外延薄膜厚度的变异系数的权值，r为生长时外延薄膜的沉积速率，k2为生长时外延薄膜的沉积速率的权值。6.根据权利要求1所述的一种工艺参数寻优方法，其特征在于，所述工艺参数组包括进行外延生长所需的气压、温度和进气流量；7.根据权利要求1所述的一种工艺参数寻优方法，其特征在于，所述预设范围基于化学气相沉积的反应类型确定。8.一种外延生长方法，其特征在于，所述外延生长方法基于如权利要求1-7任一项所述的工艺参数寻优方法获取的最优工艺参数组进行。9.一种电子设备，其特征在于，包括处理器（301）和存储器（302），所述存储器（302）存储有所述处理器（301）可执行的计算机程序，所述处理器（301）执行所述计算机程序时，运行如权利要求1-7任一项方法中的步骤。10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器（301）执行时运行如权利要求1-7任一项方法中的步骤。技术总结本发明公开了一种工艺参数寻优方法、外延生长方法及相关设备，涉及外延生长领域，其中工艺参数寻优方法包括：在预设范围内随机生成多个工艺参数组；基于预先建立好的仿真模型根据多个工艺参数组进行模拟实验，输出各工艺参数组对应的模拟生长结果参数；基于蚁群算法根据神经网络模型、工艺参数组以及神经网络模型生成的生长结果参数进行寻优以获取最优工艺参数组。本申请的工艺参数寻优方法能解决在获取使外延薄膜均匀性及生长速率达到最优的工艺参数时进行大量外延生长实验，导致实验成本和人工成本高并且材料生长时间长的问题，从而能达到节省实验成本，缩短生长结果参数获取时间以及准确获取最优工艺参数组的效果。技术研发人员：唐卓睿,戴科峰,毛朝斌,高桑田受保护的技术使用者：季华实验室技术研发日：技术公布日：2024/8/15