通過深度學習實現(xiàn)脈沖激光沉積等離子體羽流圖像的異常檢測和預(yù)測

逍遙設(shè)計自動化

引言
脈沖激光沉積(PLD)是一種強大的薄膜和納米材料合成技術(shù)。然而，實現(xiàn)可重復(fù)的結(jié)果和優(yōu)化生長條件具有挑戰(zhàn)性。機器學習的最新進展為從PLD過程中收集的原位診斷數(shù)據(jù)中提取有價值信息提供了新的機會。本文探討了如何將深度學習模型應(yīng)用于等離子體羽流的強化CCD(ICCD)圖像，以實現(xiàn)PLD中的異常檢測和生長動力學預(yù)測[1]。


, Z1 |# c& `+ q; _, _

PLD過程和羽流成像
在PLD中，高功率激光脈沖將材料從靶上燒蝕，產(chǎn)生能量很高的等離子體羽流，該羽流膨脹并沉積到基底上。這個羽流的特性，包括形狀、膨脹動力學和光學發(fā)射，包含了有關(guān)沉積過程的豐富信息。
+ {) u7 y& j; i8 J* b
6 I( T( E' M, ^) _$ UICCD相機可以捕捉等離子體羽流演化的時間分辨圖像，時間分辨率達到納秒級。這些圖像序列提供了大量關(guān)于羽流動力學的數(shù)據(jù)，可以與沉積條件和薄膜性質(zhì)相關(guān)聯(lián)。
) {$ K- b4 g# X) g) i- x) ~
8 L- b% E; ?3 E! z0 t  \+ \
圖1：用于ICCD圖像序列和生長參數(shù)多輸出回歸的神經(jīng)網(wǎng)絡(luò)架構(gòu)示意圖。

2 F. `6 V. Y0 m. x3 g) }深度學習模型架構(gòu)
為了從ICCD羽流圖像序列中提取有意義的特征，采用了(2+1)D卷積神經(jīng)網(wǎng)絡(luò)(CNN)架構(gòu)。這種方法將3D卷積分割為單獨的2D空間和1D時間卷積，減少了參數(shù)數(shù)量，同時保持了捕捉時空動態(tài)的能力。

模型由三個(2+1)D卷積層組成，然后是平均池化。輸出隨后被展平并通過全連接層。對于結(jié)合圖像數(shù)據(jù)和生長參數(shù)的多模態(tài)輸入，單獨的分支處理每種輸入類型，然后進行拼接。
$ A% U% N( A9 ]# Q" p
異常檢測
: j2 P$ q9 u- t深度學習與羽流圖像的一個關(guān)鍵應(yīng)用是實時檢測異常沉積條件。通過訓練模型僅從ICCD序列預(yù)測腔室壓力和激光能量，可以識別與預(yù)期值的偏差。
+ c0 W. v0 X9 y7 h
0 P8 b# P9 @( x2 _2 L% a% Z  X
# }! v8 R9 m7 X- x! e/ C; o2 G圖2：用于從ICCD圖像序列預(yù)測腔室壓力P和激光能量E1和E2的異常檢測模型的訓練結(jié)果。
* k' h1 P9 I/ d  a+ V. n, f8 X
該模型在預(yù)測這些參數(shù)方面達到了高精度，壓力、E1和E2的R2值分別為0.963、0.904和0.895。這表明ICCD圖像中編碼的羽流動力學與關(guān)鍵沉積條件強相關(guān)。

  W( B- V* |: R8 J- Z" g5 D值得注意的是，使用完整的圖像序列優(yōu)于僅在單個圖像上訓練的模型。這突出了捕捉時間演化和空間信息的價值。
* R' k7 }, t  n, Q! M) j( R
% S) Z6 B3 F/ @- |- k. |" \預(yù)測生長動力學
: c1 g: s# B2 b7 P除了監(jiān)測沉積條件外，深度學習模型還可以直接從羽流動力學預(yù)測薄膜生長的各個方面。在這項研究中，模型被訓練來估計從原位激光反射率測量得出的自催化生長模型的參數(shù)(s0、s1和J)。

4 {  N% h# C2 u
圖3：使用不同輸入組合的WSe2生長動力學模型的訓練結(jié)果：(a-d)僅ICCD圖像，(e-h)僅生長參數(shù)，(i-l)組合輸入。

比較了三種模型變體：

僅ICCD圖像(平均R2 = 0.815)

僅生長參數(shù)(P、T、E1、E2)(平均R2 = 0.835)

組合ICCD + 生長參數(shù)(平均R2 = 0.847)
5 @7 b/ r- f. a9 H( x! y9 `, |: w[/ol]
令人驚訝的是，僅使用ICCD圖像的模型表現(xiàn)幾乎與生長參數(shù)模型一樣好，盡管缺乏基底溫度的明確信息。這表明羽流動力學包含與生長動力學相關(guān)的重要信息。利用兩種輸入類型的組合模型實現(xiàn)了最佳性能，展示了整合多個數(shù)據(jù)源的價值。

- ~3 _7 w. h" ~5 A! z- x; B2 W9 J4 g解釋模型特征
可視化學習到的特征圖提供了深度學習模型如何從羽流圖像中提取相關(guān)信息的洞察。
! O/ @% U! @2 j
* o& A* q) e1 D" s( F
圖4：(2+1)D CNN模型卷積層的選定特征圖激活，突出顯示從PLD羽流中學習到的深層特征。

早期層傾向于學習簡單特征，如區(qū)分羽流與背景或檢測邊緣。更深層捕捉更復(fù)雜的時空動態(tài)，如羽流區(qū)域的加速和減速。
! R" A+ t) g$ O5 @: o  y3 u
. [& v  @$ u9 T8 S" V" Y, K這種分析有助于建立信心，模型正在學習物理上有意義的特征，而不是虛假的相關(guān)性。
- z& @7 b1 i9 q' Q( d
7 s% q# f, B6 [$ ?& z! H; I0 S6 n應(yīng)用和未來方向
僅從羽流成像預(yù)測生長動力學的能力為加速PLD優(yōu)化帶來了令人興奮的可能性：

快速預(yù)篩選：僅ICCD實驗可以在進行完整沉積之前快速探索合成參數(shù)空間。

多保真度優(yōu)化：羽流成像預(yù)測可以作為低成本替代，指導(dǎo)更昂貴的生長實驗。

實時反饋：將預(yù)測集成到閉環(huán)控制系統(tǒng)中可以實現(xiàn)生長過程中的自適應(yīng)優(yōu)化。

異常檢測：監(jiān)測與預(yù)期羽流行為的偏差可以在長時間沉積運行中及早發(fā)現(xiàn)問題。
) W; f% _# c3 t[/ol]
雖然這項研究集中在WSe2生長上，但這種方法應(yīng)該廣泛適用于其他材料系統(tǒng)。重新訓練不同目標或幾何形狀的模型相對較快，使其可以作為標準PLD設(shè)置程序的一部分。

未來工作的關(guān)鍵領(lǐng)域包括：

探索低成本CMOS成像作為ICCD的替代方案

將預(yù)測整合到貝葉斯優(yōu)化框架中

擴展到其他原位診斷技術(shù)，如RHEED或橢偏儀

研究材料系統(tǒng)之間的遷移學習
( B* O8 d3 _! B4 w[/ol]

( S1 x" L! Y, O5 i' p- \結(jié)論
羽流成像的深度學習為PLD從業(yè)者提供了強大的新工具。通過從羽流動力學中提取豐富的信息，這些模型實現(xiàn)了異常檢測、生長預(yù)測和加速優(yōu)化。隨著自主合成平臺變得越來越普遍，這種人工智能輔助方法將在推進材料發(fā)現(xiàn)和開發(fā)方面發(fā)揮越來越重要的作用。

參考文獻
[1] S. B. Harris, C. M. Rouleau, K. Xiao, and R. K. Vasudevan, "Deep learning with plasma plume image sequences for anomaly detection and prediction of growth kinetics during pulsed laser deposition," npj Computational Materials, vol. 10, no. 1, p. 105, 2024.
; _- m  Z/ Q. n7 F3 q
  N3 ]' T* N; e/ `4 B- END -
7 n  ^8 Q0 g# O& m# t1 B( {8 Q
軟件申請我們歡迎化合物/硅基光電子芯片的研究人員和工程師申請體驗免費版PIC Studio軟件。無論是研究還是商業(yè)應(yīng)用，PIC Studio都可提升您的工作效能。
點擊左下角"閱讀原文"馬上申請

歡迎轉(zhuǎn)載

2 Z, b, z5 E4 }# t% ?. l- A轉(zhuǎn)載請注明出處，請勿修改內(nèi)容和刪除作者信息！

0 C0 d: }% s/ Z! X


! y: y0 \; {9 v' x& I" K4 O
關(guān)注我們
7 X3 a6 [8 V$ H% v
" L; H: O) p  F: Q3 N8 e

2 ^8 q* b: l: L

. b  l+ p! p* k. s6 N# { + f3 G; Y% a* a

6 O4 Z# l# D3 p4 x) x

                     


  Z( j1 t* a; X) i4 b. D
, j9 S8 W0 x2 ?" p1 U關(guān)于我們：
  @7 p1 h% R! G4 i深圳逍遙科技有限公司（Latitude Design Automation Inc.）是一家專注于半導(dǎo)體芯片設(shè)計自動化（EDA）的高科技軟件公司。我們自主開發(fā)特色工藝芯片設(shè)計和仿真軟件，提供成熟的設(shè)計解決方案如PIC Studio、MEMS Studio和Meta Studio，分別針對光電芯片、微機電系統(tǒng)、超透鏡的設(shè)計與仿真。我們提供特色工藝的半導(dǎo)體芯片集成電路版圖、IP和PDK工程服務(wù)，廣泛服務(wù)于光通訊、光計算、光量子通信和微納光子器件領(lǐng)域的頭部客戶。逍遙科技與國內(nèi)外晶圓代工廠及硅光/MEMS中試線合作，推動特色工藝半導(dǎo)體產(chǎn)業(yè)鏈發(fā)展，致力于為客戶提供前沿技術(shù)與服務(wù)。
5 I- `* J& a8 U) a/ X
. Z5 f( O) N5 V8 p/ D) j+ {) ihttp://www.latitudeda.com/
5 k1 U4 e5 d5 T6 ]+ L7 Q（點擊上方名片關(guān)注我們，發(fā)現(xiàn)更多精彩內(nèi)容）