通過深度學(xué)習(xí)實(shí)現(xiàn)脈沖激光沉積等離子體羽流圖像的異常檢測(cè)和預(yù)測(cè)

逍遙設(shè)計(jì)自動(dòng)化

引言
7 }+ ]+ M" b" y" T: k* H) X  q脈沖激光沉積(PLD)是一種強(qiáng)大的薄膜和納米材料合成技術(shù)。然而，實(shí)現(xiàn)可重復(fù)的結(jié)果和優(yōu)化生長(zhǎng)條件具有挑戰(zhàn)性。機(jī)器學(xué)習(xí)的最新進(jìn)展為從PLD過程中收集的原位診斷數(shù)據(jù)中提取有價(jià)值信息提供了新的機(jī)會(huì)。本文探討了如何將深度學(xué)習(xí)模型應(yīng)用于等離子體羽流的強(qiáng)化CCD(ICCD)圖像，以實(shí)現(xiàn)PLD中的異常檢測(cè)和生長(zhǎng)動(dòng)力學(xué)預(yù)測(cè)[1]。
7 Q2 f$ o) G% }8 f& J
! ]4 X* Y$ K' p6 `
& z% l8 E: W3 J! D5 o; Q8 s2 L

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(gè)羽流的特性，包括形狀、膨脹動(dòng)力學(xué)和光學(xué)發(fā)射，包含了有關(guān)沉積過程的豐富信息。

ICCD相機(jī)可以捕捉等離子體羽流演化的時(shí)間分辨圖像，時(shí)間分辨率達(dá)到納秒級(jí)。這些圖像序列提供了大量關(guān)于羽流動(dòng)力學(xué)的數(shù)據(jù)，可以與沉積條件和薄膜性質(zhì)相關(guān)聯(lián)。
8 j; S  [; `0 X% e* E

# y. g0 N! o" M" N1 }/ S8 H  k圖1：用于ICCD圖像序列和生長(zhǎng)參數(shù)多輸出回歸的神經(jīng)網(wǎng)絡(luò)架構(gòu)示意圖。

深度學(xué)習(xí)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(dú)的2D空間和1D時(shí)間卷積，減少了參數(shù)數(shù)量，同時(shí)保持了捕捉時(shí)空動(dòng)態(tài)的能力。
" K- t2 Q2 Q& P3 a/ I
( r& ]4 P6 c! O* H6 G4 s' B模型由三個(gè)(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(duì)于結(jié)合圖像數(shù)據(jù)和生長(zhǎng)參數(shù)的多模態(tài)輸入，單獨(dú)的分支處理每種輸入類型，然后進(jìn)行拼接。

異常檢測(cè)
深度學(xué)習(xí)與羽流圖像的一個(gè)關(guān)鍵應(yīng)用是實(shí)時(shí)檢測(cè)異常沉積條件。通過訓(xùn)練模型僅從ICCD序列預(yù)測(cè)腔室壓力和激光能量，可以識(shí)別與預(yù)期值的偏差。


( `/ }4 |/ j! \9 w: B# x2 y圖2：用于從ICCD圖像序列預(yù)測(cè)腔室壓力P和激光能量E1和E2的異常檢測(cè)模型的訓(xùn)練結(jié)果。

該模型在預(yù)測(cè)這些參數(shù)方面達(dá)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(dòng)力學(xué)與關(guān)鍵沉積條件強(qiáng)相關(guān)。

) k* f1 F3 U7 t7 n% j7 O, O3 G值得注意的是，使用完整的圖像序列優(yōu)于僅在單個(gè)圖像上訓(xùn)練的模型。這突出了捕捉時(shí)間演化和空間信息的價(jià)值。
6 R) Z, U* j3 N( |% E. r
( a8 ^* s% s/ j. t2 O2 C4 Z+ j預(yù)測(cè)生長(zhǎng)動(dòng)力學(xué)
; k; f( J  ~$ p) ^4 O) M除了監(jiān)測(cè)沉積條件外，深度學(xué)習(xí)模型還可以直接從羽流動(dòng)力學(xué)預(yù)測(cè)薄膜生長(zhǎng)的各個(gè)方面。在這項(xiàng)研究中，模型被訓(xùn)練來(lái)估計(jì)從原位激光反射率測(cè)量得出的自催化生長(zhǎng)模型的參數(shù)(s0、s1和J)。


6 `2 f9 @' e: p4 C- M圖3：使用不同輸入組合的WSe2生長(zhǎng)動(dòng)力學(xué)模型的訓(xùn)練結(jié)果：(a-d)僅ICCD圖像，(e-h)僅生長(zhǎng)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(zhǎng)參數(shù)(P、T、E1、E2)(平均R2 = 0.835)

組合ICCD + 生長(zhǎng)參數(shù)(平均R2 = 0.847)
; }8 W: ^( m6 E% j; l( h[/ol]
令人驚訝的是，僅使用ICCD圖像的模型表現(xiàn)幾乎與生長(zhǎng)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(dòng)力學(xué)包含與生長(zhǎng)動(dòng)力學(xué)相關(guān)的重要信息。利用兩種輸入類型的組合模型實(shí)現(xiàn)了最佳性能，展示了整合多個(gè)數(shù)據(jù)源的價(jià)值。
1 P/ @+ s3 ^0 Q0 i. j* h0 Y
解釋模型特征
! D( H4 U6 G+ j$ b  O$ P可視化學(xué)習(xí)到的特征圖提供了深度學(xué)習(xí)模型如何從羽流圖像中提取相關(guān)信息的洞察。
/ y& f# V+ V& _, q% ~( ?
, @2 w" Q( C' L: a) H3 k) V" E0 @
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(xué)習(xí)到的深層特征。

. z) `% n# I0 s" F$ G0 Q$ U早期層傾向于學(xué)習(xí)簡(jiǎn)單特征，如區(qū)分羽流與背景或檢測(cè)邊緣。更深層捕捉更復(fù)雜的時(shí)空動(dòng)態(tài)，如羽流區(qū)域的加速和減速。

這種分析有助于建立信心，模型正在學(xué)習(xí)物理上有意義的特征，而不是虛假的相關(guān)性。

. [4 x) R- H/ X9 Y$ e應(yīng)用和未來(lái)方向
僅從羽流成像預(yù)測(cè)生長(zhǎng)動(dòng)力學(xué)的能力為加速PLD優(yōu)化帶來(lái)了令人興奮的可能性：

快速預(yù)篩選：僅ICCD實(shí)驗(yàn)可以在進(jìn)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(cè)可以作為低成本替代，指導(dǎo)更昂貴的生長(zhǎng)實(shí)驗(yàn)。

實(shí)時(shí)反饋：將預(yù)測(cè)集成到閉環(huán)控制系統(tǒng)中可以實(shí)現(xiàn)生長(zhǎng)過程中的自適應(yīng)優(yōu)化。

異常檢測(cè)：監(jiān)測(cè)與預(yù)期羽流行為的偏差可以在長(zhǎng)時(shí)間沉積運(yùn)行中及早發(fā)現(xiàn)問題。
[/ol]
" J& j# T0 e; k2 L- ^4 T( K雖然這項(xiàng)研究集中在WSe2生長(zhǎng)上，但這種方法應(yīng)該廣泛適用于其他材料系統(tǒng)。重新訓(xùn)練不同目標(biāo)或幾何形狀的模型相對(duì)較快，使其可以作為標(biāo)準(zhǔn)PLD設(shè)置程序的一部分。

9 K" q# s6 o+ B3 Q; U/ Q# f# w7 i0 U! }未來(lái)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(cè)整合到貝葉斯優(yōu)化框架中

擴(kuò)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(xué)習(xí)
[/ol]

結(jié)論
+ ]' W- x' P- c: h( o! u羽流成像的深度學(xué)習(xí)為PLD從業(yè)者提供了強(qiáng)大的新工具。通過從羽流動(dòng)力學(xué)中提取豐富的信息，這些模型實(shí)現(xiàn)了異常檢測(cè)、生長(zhǎng)預(yù)測(cè)和加速優(yōu)化。隨著自主合成平臺(tái)變得越來(lái)越普遍，這種人工智能輔助方法將在推進(jìn)材料發(fā)現(xiàn)和開發(fā)方面發(fā)揮越來(lái)越重要的作用。
9 a6 z5 v: \8 F4 j) a9 r
# v8 n: a8 N. w: L; S參考文獻(xiàn)
! r$ {& r  V( D3 l6 o7 o[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.

- END -
' R6 W- C- J: F! `5 c/ y" n9 \# R
; P* y: z4 }6 F6 d- C, a8 H軟件申請(qǐng)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(qǐng)?bào)w驗(yàn)免費(fèi)版PIC Studio軟件。無(wú)論是研究還是商業(yè)應(yīng)用，PIC Studio都可提升您的工作效能。
$ i) }+ H; [2 ?& s# ?- b& w點(diǎn)擊左下角"閱讀原文"馬上申請(qǐng)
% Z; i- o6 _$ J* Q! K
歡迎轉(zhuǎn)載

轉(zhuǎn)載請(qǐng)注明出處，請(qǐng)勿修改內(nèi)容和刪除作者信息！




7 ~/ j  M+ m8 a6 y" M6 a
關(guān)注我們

3 f+ \6 N# u8 t" [ 9 ^& X: n9 B: ^

D& D; k1 W8 q4 w: _8 B7 n5 {" H

                     
; t# ?9 V) `8 q* l- Y8 v$ R' D


關(guān)于我們：
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(jì)自動(dòng)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(jì)和仿真軟件，提供成熟的設(shè)計(jì)解決方案如PIC Studio、MEMS Studio和Meta Studio，分別針對(duì)光電芯片、微機(jī)電系統(tǒng)、超透鏡的設(shè)計(jì)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(jì)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(guó)內(nèi)外晶圓代工廠及硅光/MEMS中試線合作，推動(dòng)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)。

http://www.latitudeda.com/
  z8 {9 v' f/ U+ ~% L0 ^（點(diǎn)擊上方名片關(guān)注我們，發(fā)現(xiàn)更多精彩內(nèi)容）