데이터

Dec 20, 2023

Scientific Reports 13권, 기사 번호: 7517(2023) 이 기사 인용

405 액세스

1 알트메트릭

측정항목 세부정보

높은 생산성으로 재료 제조를 완전히 자동화하는 것은 일부 재료 가공에서 중요한 문제입니다. 실리콘 등 반도체 웨이퍼 제조 공정인 ​​FZ(Floating Zone) 결정 성장에서는 작업자가 결정 성장 공정 상태에 따라 입력 매개변수를 적응적으로 제어한다. FZ 결정 성장의 작동 역학은 복잡하기 때문에 자동화가 어려운 경우가 많으며 일반적으로 프로세스는 수동으로 제어됩니다. 여기에서는 소수의 궤적에서 가우스 혼합 모델링(GMM)으로 예측한 역학을 사용하여 강화 학습을 통해 FZ 결정 성장의 자동화된 제어를 보여줍니다. 우리가 제안한 제어 모델 구성 방법은 완전히 데이터 기반입니다. FZ 결정 성장을 위한 에뮬레이터 프로그램을 사용하여 제안된 모델로 구성된 제어 모델이 인간 작업에 의해 생성된 데모 궤적보다 이상적인 성장 궤적을 더 정확하게 따를 수 있음을 보여줍니다. 또한, 데모 궤적 근처의 정책 최적화가 이상적인 궤적을 따라 정확한 제어를 실현함을 밝힙니다.

정보학의 적용을 통해 우리는 재료 처리1,2,3,4,5,6,7,8,9의 효율적인 최적화, 자동화 및 발전을 실현할 수 있었습니다. 재료 가공을 위한 조건 및 환경 설계는 신경망 또는 기타 기계 학습 알고리즘1,2,6,10,11,12,13으로 구축된 대리 모델을 사용하여 효율적으로 최적화되었습니다. 베이지안 최적화는 재료 처리에 유리한 조건을 획득하기 위한 시도 횟수를 성공적으로 줄일 수 있습니다. 반면, 일부 재료 가공은 작업 중에 얻은 정보에 따라 수동 제어가 필요하며 자동화가 어렵습니다. 예를 들어, 실리콘 웨이퍼와 반도체, 산화물, 금속, 금속간 화합물 등 다양한 종류의 결정질 재료를 생산하는 데 사용되는 부동 영역(FZ) 결정 성장에서 작업자는 입력 매개변수를 적응적으로 제어하여 원하는 조건을 유지합니다. 챔버 내 용융 상태를 모니터링하여 단결정 성장을 수행합니다18,19,20,21,22,23,24,25,26,27,28. 본 연구에서는 소수의 작업 궤적에서 FZ 결정 성장의 자동화된 작업을 위한 제어 모델을 구축하는 것을 목표로 했습니다.

FZ 결정 성장은 용융 영역이 이물질과 접촉하지 않고 고순도 실리콘 단결정을 생산하기 위해 개발되었습니다. 고순도 결정 성장에 유리한 장점에도 불구하고 초크랄스키법 등 다른 결정 성장 기술에 비해 결정 직경의 확대가 어렵다. 상대적으로 작은 실리콘 웨이퍼는 RF 가열을 사용하여 FZ 결정 성장을 통해 제조됩니다. 그림 1은 FZ 결정 성장의 개략도를 보여줍니다. 이 방법에서는 다결정 막대의 일부를 가열하여 FZ 용융물을 생성하고, 상부(공급) 막대와 하부(시드) 막대를 아래로 이동하여 표면 장력에 의해 FZ 용융물을 유지합니다. 마지막으로 결정은 종자 막대에서 자랍니다. 작업자는 FZ 용융물이 분리되거나 떨어지지 않도록 공급 막대의 가열 전력 및 속도와 같은 입력 매개변수를 제어합니다. 또한, 작업자는 먼저 결정 직경을 줄인("네킹"이라고 함) 일정한 모양을 형성한 다음 결정 직경을 늘려 단결정을 얻어야 합니다. 입력 매개변수에 따른 용융 상태의 역학은 비선형적이고 복잡하기 때문에 다른 결정 성장 방법 달성된 것처럼 FZ 결정 성장 과정을 시뮬레이션하는 것은 어렵습니다. 따라서 작동 궤적에서 FZ 결정 성장의 역학을 예측하는 것이 필요합니다. FZ 결정 성장을 위한 수많은 작동 궤적을 획득하는 것이 어렵기 때문에 최근 FZ 결정 성장의 역학을 예측하기 위해 가우스 혼합 모델(GMM)의 적용을 제안했으며 GMM이 사용된 5개의 궤적만으로 작동 궤적을 정확하게 예측할 수 있음을 입증했습니다. 훈련을 위해34. 본 연구에서는 PPO(Proximal Policy Optimization)와 GMM으로 예측한 역학을 활용한 강화 학습을 통해 제어 모델을 구축했습니다.