CN114411236B - 一种模拟晶体的生长方法、晶体的生长方法及装置 - Google Patents
一种模拟晶体的生长方法、晶体的生长方法及装置 Download PDFInfo
- Publication number
- CN114411236B CN114411236B CN202210124257.2A CN202210124257A CN114411236B CN 114411236 B CN114411236 B CN 114411236B CN 202210124257 A CN202210124257 A CN 202210124257A CN 114411236 B CN114411236 B CN 114411236B
- Authority
- CN
- China
- Prior art keywords
- crystal
- growth
- crystal growth
- virtual
- actual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C30—CRYSTAL GROWTH
- C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
- C30B35/00—Apparatus not otherwise provided for, specially adapted for the growth, production or after-treatment of single crystals or of a homogeneous polycrystalline material with defined structure
-
- C—CHEMISTRY; METALLURGY
- C30—CRYSTAL GROWTH
- C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
- C30B29/00—Single crystals or homogeneous polycrystalline material with defined structure characterised by the material or by their shape
- C30B29/10—Inorganic compounds or compositions
- C30B29/36—Carbides
-
- C—CHEMISTRY; METALLURGY
- C30—CRYSTAL GROWTH
- C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
- C30B9/00—Single-crystal growth from melt solutions using molten solvents
- C30B9/04—Single-crystal growth from melt solutions using molten solvents by cooling of the solution
- C30B9/08—Single-crystal growth from melt solutions using molten solvents by cooling of the solution using other solvents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computing Systems (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Inorganic Chemistry (AREA)
- Fluid Mechanics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本发明公开了一种模拟晶体的生长方法、晶体的生长方法及装置。该模拟晶体的生长方法包括:建立晶体生长计算流体力学模型,其中,所述晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际晶体生长环境;虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整;虚拟晶体每生长第一预设时间,将调整之后的长晶工艺参数作为所述虚拟晶体继续生长的长晶工艺参数。本发明实施例提供的技术方案实现了一种可以准确模拟晶体生长全程的情况,并且对于实际晶体生长的全过程的长晶工艺参数具有指导价值的模拟晶体的生长方法。
Description
技术领域
本发明涉及晶体生长技术领域,尤其涉及一种模拟晶体的生长方法、晶体的生长方法及装置。
背景技术
随着半导体器件的发展,对于高质量的半导体晶体的需求越来越广泛。
目前模拟晶体的生长方法可以静态模拟晶体生长初期的温度场、流场等信息,为实际晶体生长的设备设计、长晶工艺参数优化提供指导,但存在的主要问题是:仅仅静态地模拟晶体生长初期的情况,对于晶体生长初期的工艺参数存在一定指导价值,但不能动态地模拟晶体生长的全过程,不能做到指导长时间晶体生长,例如不能做到指导晶体全程生长的过程。
因此,亟需一种模拟晶体的生长方法,可以准确模拟晶体生长全程的情况,并且对于实际晶体生长的全过程的长晶工艺参数具有指导价值的模拟晶体的生长方法。
发明内容
本发明提供了一种模拟晶体的生长方法、晶体的生长方法及装置,以实现可以准确模拟晶体生长全程的情况,并且对于实际晶体生长的全过程的长晶工艺参数具有指导价值的模拟晶体的生长方法。
根据本发明的一方面,提供了一种模拟晶体的生长方法,包括:
建立晶体生长计算流体力学模型,其中,所述晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际晶体生长环境;
虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整;
虚拟晶体每生长第一预设时间,将调整之后的长晶工艺参数作为所述虚拟晶体继续生长的长晶工艺参数。
可选的,虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整之前还包括:
获取当前时刻之前的至少一个生长界面各处的生长速率;
根据所述当前时刻之前的至少一个生长界面各处的生长速率和与之对应的虚拟晶体生长时长,确定当前时刻虚拟晶体中至少一个生长界面的当前形状。
可选的,虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整包括:
虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,对当前时刻之前的长晶工艺参数进行调整;
其中,所述晶体实际生长环境中的传感器检测参数包括晶体实际生长环境中各部件的环境温度和环境压强,所述晶体实际生长环境中的传感器检测参数为实际晶体与所述虚拟晶体相同生长阶段对应的传感器检测参数。
可选的,虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,对当前时刻之前的长晶工艺参数进行调整包括:
虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,借助长晶工艺参数筛选算法,筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数;
虚拟晶体每生长第一预设时间,根据所述最佳长晶工艺参数对当前时刻之前的长晶工艺参数进行调整。
可选的,所述长晶工艺参数筛选算法包括神经网络算法和随机全局搜索优化算法;
所述神经网络算法包括输入层、隐藏层和输出层,所述神经网络算法的输入层包括当前时刻虚拟晶体中至少一个生长界面各处的坐标值、当前时刻之前的长晶工艺参数和晶体实际生长环境中的传感器检测参数;所述神经网络算法的输出层包括虚拟晶体中至少一个生长界面各处的生长速率;
所述随机全局搜索优化算法用于筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数。
可选的,所述晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际碳化硅晶体的溶液法生长环境;
所述长晶工艺参数包括晶杆的旋转速度、晶杆的向上提拉速度、石墨坩埚的旋转速度、感应线圈的加热功率、石墨坩埚在感应线圈中的垂直方向的位置中的至少一个;
所述晶体实际生长环境中的传感器检测参数包括石墨坩埚温度、腔室壁温度、冷却水温度以及气氛压强中的至少一个。
可选的,所述长晶工艺参数还包括:晶杆中冷却气体流量和/或石墨托中冷却气体流量。
根据本发明的另一方面,提供了一种晶体的生长方法,包括:
实际晶体每生长第二预设时间,根据本发明任一实施例所述的模拟晶体的生长方法确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数;
实际晶体每生长第二预设时间,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整;
实际晶体每生长第二预设时间,将调整之后的长晶工艺参数作为所述实际晶体继续生长的长晶工艺参数。
可选的,实际晶体每生长第二预设时间,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整包括:
实际晶体每生长第二预设时间,结合经验长晶工艺参数以及虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整。
根据本发明的另一方面,提供了一种晶体生长装置,包括:
至少一个晶体生长设备;
计算中心,所述计算中心用于虚拟晶体每生长第一预设时间,根据本发明实施例所述的模拟晶体的生长方法确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数;
控制中心,所述控制中心的第一端与所述计算中心通信连接,所述控制中心的第二端与所述至少一个晶体生长设备连接,用于实际晶体每生长第二预设时间,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整;所述控制中心还用于将调整之后的长晶工艺参数作为所述实际晶体继续生长的长晶工艺参数来控制至少一个晶体生长设备的实际晶体继续生长。
本发明实施例提供的技术方案,通过晶体生长计算流体力学模型模拟实际晶体生长的过程中,虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整,并将调整之后的长晶工艺参数作为虚拟晶体继续生长的长晶工艺参数。上述技术方案在虚拟晶体生长过程中,能够根据当前时刻的长晶情况来确定虚拟晶体继续生长的长晶工艺参数,进而可以实现准确模拟晶体生长全程的情况,并且对于实际晶体生长的全过程的长晶工艺参数具有指导价值的模拟晶体的生长方法。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种模拟晶体的生长方法的流程示意图;
图2是根据本发明实施例提供的一种溶液法生长碳化硅晶体的生长环境的结构示意图;
图3是根据本发明实施例提供的另一种模拟晶体的生长方法的流程示意图;
图4是根据本发明实施例提供的又一种模拟晶体的生长方法的流程示意图;
图5是根据本发明实施例提供的又一种模拟晶体的生长方法的流程示意图;
图6是根据本发明实施例提供的又一种模拟晶体的生长方法的流程示意图;
图7是根据本发明实施例提供的一种神经网络算法的架构图;
图8是根据本发明实施例提供的又一种模拟晶体的生长方法的流程示意图;
图9是根据本发明实施例提供的又一种晶体的生长方法的流程示意图;
图10是根据本发明实施例提供的一种晶体生长装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是根据本发明实施例提供的一种模拟晶体的生长方法的流程示意图。图2是根据本发明实施例提供的一种溶液法生长碳化硅晶体的生长环境的结构示意图。
参见图1,该模拟晶体的生长方法包括如下步骤:
S110、建立晶体生长计算流体力学模型,其中,晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际晶体生长环境。
在本实施例中,在通过数字孪生技术建立晶体生长计算流体力学模型的过程中,需要经过至少1次以实际晶体的生长环境为标准校准,以保证模型的准确性。
示例性的,本发明实施例以晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际碳化硅晶体的溶液法生长环境为例进行介绍。
碳化硅晶体是一种宽禁带半导体材料,以碳化硅晶体制作的半导体器件具有耐高温、耐高压、高频、大功率、抗辐射以及效率高等优势,在射频、新能源汽车等领域具有重要的应用价值。碳化硅晶体的溶液法相比物理气相传输法,其更接近热力学平衡条件,可以制造更高质量的碳化硅晶体。参见图2,碳化硅晶体的溶液法生长环境包括:石墨坩埚1、晶杆2、石墨托3、含硅助熔剂4、隔热层5、感应线圈6和腔室7,其中,腔室7内设置有气体气氛8。参见图2,溶液法制备碳化硅晶体的基本原理是:将含硅助熔剂4置于石墨坩埚1中,利用感应线圈6的感应加热的方式熔化含硅助熔剂4,石墨坩埚1中的碳溶解到含硅助熔剂4中;然后将碳化硅籽晶置于含硅助熔剂4的液面,由于籽晶处的过冷,碳在籽晶的固液界面上析出,并和含硅助熔剂4中的硅结合形成碳化硅晶体。示例性的,利用溶液法生长的碳化硅晶体的生长界面包括石墨托3下方的晶体生长界面以及石墨坩埚1上方的晶体生长界面。
示例性的,含硅助熔剂4除了硅之外,还含有Ti、Cr、Sc、Ni、Al、Co、Mn、Mg、Ge、As、P、N、O、B、Dy、Y、Nb、Nd、Fe中的一种或多种元素。示例性的,液相生长环境中的石墨坩埚1的直径为50-300mm。感应线圈6的电流频率为1-100kHz,感应线圈6是中空的,可以通冷却水,冷却水的温度为20-50℃。隔热层5的热导率为0.1-1W/mK。腔室7的材料为不锈钢。腔室7内的气体气氛为氦气、氩气、氮气以及氢气中的至少一种,压强介于0.2-2个大气压。
S120、虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整。
假设虚拟晶体的总体生长时长为10个小时,第一预设时间可以是30分钟、45分钟以及1小时中的至少一种,相邻两个第一预设时间可以相同也可以不同。
继续以晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际碳化硅晶体的溶液法生长环境为例进行介绍。长晶工艺参数包括晶杆的旋转速度、晶杆的向上提拉速度、石墨坩埚的旋转速度、感应线圈的加热功率、石墨坩埚在感应线圈中的垂直方向的位置中的至少一个。可选的,长晶工艺参数还包括:晶杆中冷却气体流量和/或石墨托中冷却气体流量。由于上述长晶工艺参数的变化对于生长界面各处的生长速率有影响,进而会影响生长界面的形状,因此,S120中虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的上述长晶工艺参数进行调整。
S130、虚拟晶体每生长第一预设时间,将调整之后的长晶工艺参数作为虚拟晶体继续生长的长晶工艺参数。
具体的,S120中虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整的标准是:虚拟晶体按照调整之后的长晶工艺参数继续生长第一预设时间,生长界面各处的生长速率比较平均,且生长速度较快。
示例性的,假设虚拟晶体的总体生长时长为10个小时,第一预设时间选取30分钟。在本发明实施例提供的模拟晶体的生长方法中,S110完成之后,虚拟晶体每生长第一预设时间例如30分钟后,循环且顺序执行S120和S130的步骤,直到完成虚拟晶体的总体生长时长例如10个小时。
本发明实施例提供的技术方案,通过晶体生长计算流体力学模型模拟实际晶体生长的过程中,虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整,并将调整之后的长晶工艺参数作为虚拟晶体继续生长的长晶工艺参数。上述技术方案在虚拟晶体生长过程中,能够根据当前时刻的长晶情况来确定虚拟晶体继续生长的长晶工艺参数,进而可以实现准确模拟晶体生长全程的情况,并且对于实际晶体生长的全过程的长晶工艺参数具有指导价值的模拟晶体的生长方法。
图3是根据本发明实施例提供的另一种模拟晶体的生长方法的流程示意图。在上述技术方案的基础上,本实施例对虚拟晶体中至少一个生长界面的当前形状的确定过程作了进一步限定。参见图3,该模拟晶体的生长方法包括如下步骤:
S210、建立晶体生长计算流体力学模型,其中,晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际晶体生长环境。
S210的实施过程和有益效果可以参照S110的实施过程和有益效果。
S220、获取当前时刻之前的至少一个生长界面各处的生长速率。
在本发明实施例中,晶体生长计算流体力学模型可以根据当前时刻之前的长晶工艺参数确定每一个生长界面各处的生长速率。
S230、根据当前时刻之前的至少一个生长界面各处的生长速率和与之对应的虚拟晶体生长时长,确定当前时刻虚拟晶体中至少一个生长界面的当前形状。
具体的,根据当前时刻之前的至少一个生长界面各处的生长速率和与之对应的虚拟晶体生长时长的乘积,来确定当前时刻虚拟晶体中至少一个生长界面的各处的高度,进而可以确定出当前时刻虚拟晶体中至少一个生长界面的形状。如果生长界面各处的生长速率比较平均,确定的该生长界面各处的高度比较相近,该生长界面的表面平整度较高。示例性的,利用溶液法生长的碳化硅晶体的生长界面包括石墨托3下方的晶体生长界面以及石墨坩埚1上方的晶体生长界面。
S240、虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整。
S250、虚拟晶体每生长第一预设时间,将调整之后的长晶工艺参数作为虚拟晶体继续生长的长晶工艺参数。
S240-S250的实施过程和有益效果可以参照S120-S130的实施过程和有益效果。
示例性的,假设虚拟晶体的总体生长时长为10个小时,第一预设时间选取30分钟。在本发明实施例提供的模拟晶体的生长方法中,S210完成之后,虚拟晶体每生长第一预设时间例如30分钟后,循环且顺序执行S240和S250的步骤,直到完成虚拟晶体的总体生长时长例如10个小时。S220和S230可以是虚拟晶体每生长第一预设时间例如30分钟后执行,也可以是虚拟晶体生长过程中实时执行。
在上述技术方案的基础上,本发明实施例提供了根据当前时刻之前的至少一个生长界面各处的生长速率和与之对应的虚拟晶体生长时长的乘积,来确定当前时刻虚拟晶体中至少一个生长界面的各处的高度,进而可以确定出当前时刻虚拟晶体中至少一个生长界面的形状的技术方案。
图4是根据本发明实施例提供的又一种模拟晶体的生长方法的流程示意图。在上述技术方案的基础上,本实施例对当前时刻之前的长晶工艺参数进行调整时,除了参考当前时刻虚拟晶体中至少一个生长界面的形状之外,还会参考晶体实际生长环境中的传感器检测参数。参见图4,该模拟晶体的生长方法包括如下步骤:
S310、建立晶体生长计算流体力学模型,其中,晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际晶体生长环境。
S310的实施过程和有益效果可以参照S110的实施过程和有益效果。
S320、获取当前时刻之前的至少一个生长界面各处的生长速率。
S330、根据当前时刻之前的至少一个生长界面各处的生长速率和与之对应的虚拟晶体生长时长,确定当前时刻虚拟晶体中至少一个生长界面的当前形状。
S320-S330的实施过程和有益效果可以参照S220-S230的实施过程和有益效果。
S340、虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,对当前时刻之前的长晶工艺参数进行调整;其中,晶体实际生长环境中的传感器检测参数包括晶体实际生长环境中各部件的环境温度和环境压强,晶体实际生长环境中的传感器检测参数为实际晶体与虚拟晶体相同生长阶段对应的传感器检测参数。
具体的,在本实施例中,在实际晶体的生长过程中,晶体实际生长环境中各部件的环境温度和环境压强也会发生微弱的变化,这些变化对于生长界面的生长速率会有一定的影响。因此,晶体实际生长环境中各部件的环境温度和环境压强不同时,需要对长晶工艺参数进行相应调整,以使生长界面各处的生长速率比较均匀,进而可以满足S340中对当前时刻之前的上述长晶工艺参数进行调整的标准:按照调整之后的长晶工艺参数继续生长,生长界面各处的生长速率比较平均,且生长速度较快。
可选的,以晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际碳化硅晶体的溶液法生长环境为例,晶体实际生长环境中的传感器检测参数包括石墨坩埚温度、腔室壁温度、冷却水温度以及气氛压强中的至少一个。
具体的,S340可以进一步提高对第一当前时刻之前的长晶工艺参数进行调整的准确度,进而可以提高模拟晶体的生长方法的准确度。
S350、虚拟晶体每生长第一预设时间,将调整之后的长晶工艺参数作为虚拟晶体继续生长的长晶工艺参数。
S350的实施过程和有益效果可以参照S130的实施过程和有益效果。
示例性的,假设虚拟晶体的总体生长时长为10个小时,第一预设时间选取30分钟。在本发明实施例提供的模拟晶体的生长方法中,S310完成之后,虚拟晶体每生长第一预设时间例如30分钟后,循环且顺序执行S340和S350的步骤,直到完成虚拟晶体的总体生长时长例如10个小时。S320和S330可以是虚拟晶体每生长第一预设时间例如30分钟后执行,也可以是虚拟晶体生长过程中实时执行。
在上述技术方案的基础上,本发明实施例虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,对当前时刻之前的长晶工艺参数进行调整,可以提高对第一当前时刻之前的长晶工艺参数进行调整的准确度,进而可以提高模拟晶体的生长方法的准确度。
图5是根据本发明实施例提供的又一种模拟晶体的生长方法的流程示意图。在上述技术方案的基础上,本实施例进一步限定了借助长晶工艺参数筛选算法,筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数,并根据最佳长晶工艺参数对当前时刻之前的长晶工艺参数进行调整。参见图5,该模拟晶体的生长方法包括如下步骤:
S410、建立晶体生长计算流体力学模型,其中,晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际晶体生长环境。
S410的实施过程和有益效果可以参照S110的实施过程和有益效果。
S420、获取当前时刻之前的至少一个生长界面各处的生长速率。
S430、根据当前时刻之前的至少一个生长界面各处的生长速率和与之对应的虚拟晶体生长时长,确定当前时刻虚拟晶体中至少一个生长界面的当前形状。
S420-S430的实施过程和有益效果可以参照S220-S230的实施过程和有益效果。
S440、虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,借助长晶工艺参数筛选算法,筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数。
具体的,选择合适的长晶工艺参数筛选算法可以快速筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数。
S450、虚拟晶体每生长第一预设时间,根据最佳长晶工艺参数对当前时刻之前的长晶工艺参数进行调整。
S460、虚拟晶体每生长第一预设时间,将调整之后的长晶工艺参数作为虚拟晶体继续生长的长晶工艺参数。
S450-S460的实施过程和有益效果可以参照S120-S130的实施过程和有益效果。
示例性的,假设虚拟晶体的总体生长时长为10个小时,第一预设时间选取30分钟。在本发明实施例提供的模拟晶体的生长方法中,S410完成之后,虚拟晶体每生长第一预设时间例如30分钟后,循环且顺序执行S440-S460的步骤,直到完成虚拟晶体的总体生长时长例如10个小时。S420和S430可以是虚拟晶体每生长第一预设时间例如30分钟后执行,也可以是虚拟晶体生长过程中实时执行。
在上述技术方案的基础上,本发明实施例通过借助长晶工艺参数筛选算法,筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数,并根据最佳长晶工艺参数对当前时刻之前的长晶工艺参数进行调整,提高了确定最佳长晶工艺参数的准确性和效率,进而提高了对当前时刻之前的长晶工艺参数进行调整的准确性和效率。
图6是根据本发明实施例提供的又一种模拟晶体的生长方法的流程示意图。在上述技术方案的基础上,本实施例对于长晶工艺参数筛选算法作出了进一步限定。参见图6,该模拟晶体的生长方法包括如下步骤:
S510、建立晶体生长计算流体力学模型,其中,晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际晶体生长环境。
S510的实施过程和有益效果可以参照S110的实施过程和有益效果。
S520、获取当前时刻之前的至少一个生长界面各处的生长速率。
S530、根据当前时刻之前的至少一个生长界面各处的生长速率和与之对应的虚拟晶体生长时长,确定当前时刻虚拟晶体中至少一个生长界面的当前形状。
S520-S530的实施过程和有益效果可以参照S220-S230的实施过程和有益效果。
S540、虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,借助神经网络算法和随机全局搜索优化算法,筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数。神经网络算法包括输入层、隐藏层和输出层,神经网络算法的输入层包括当前时刻虚拟晶体中至少一个生长界面各处的坐标值、当前时刻之前的长晶工艺参数和晶体实际生长环境中的传感器检测参数;神经网络算法的输出层包括虚拟晶体中至少一个生长界面各处的生长速率;随机全局搜索优化算法优选为遗传算法用于筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数。
具体的,借助神经网络算法和随机全局搜索优化算法优选为遗传算法,筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数的过程如下:
利用随机全局搜索优化方法筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数。所述的随机全局搜索优化方法的搜索范围是多个工艺参数在各自的调整范围内随机取值后的排列组合的集合。具体而言,若有N个长晶工艺参数,第i个(i=1,2,3...N)长晶工艺参数在其调整范围内随机取Mi个值,则搜索范围中的长晶工艺参数的数量为M1*M2*M3*...*MN。
所述的全局搜索优化方法优选为遗传算法。具体而言,在搜索范围中确定一个初始种群,并计算种群中所有个体的适应性函数;然后对该种群进行选择、交叉和变异,替换掉适应性函数较低的个体,完成一代遗传,得到新的种群;经过所设定的遗传代数,所得到的种群中的个体均为生长速率满足预设生长速率对应的长晶工艺参数。
参见图7,神经网络算法包括输入层20、隐藏层21和输出层22。神经网络算法的输入层20包括当前时刻虚拟晶体中至少一个生长界面各处的坐标值、当前时刻之前的长晶工艺参数和晶体实际生长环境中的传感器检测参数。神经网络算法的输出层22包括虚拟晶体中至少一个生长界面各处的生长速率。神经网络算法计算虚拟晶体中至少一个生长界面各处的生长速率之前本发明还包括神经元网络的训练步骤,即将多个长晶工艺参数及其所对应的经过计算流体动力学模型计算的结果作为训练数据,训练所述神经元网络直至其具备足够的计算精确度。训练数据的个数为10-1000个。经过训练后,神经元网络可以在数秒内给出任意工艺参数所对应的晶体生长界面各处的生长速率。如此,全局搜索算法优选为遗传算法所需要的时间仅为数分钟,小于第一预设时间,从而保证优化的实时性。
可选的,生长速率满足预设生长速率对应的长晶工艺参数的判断依据是:代入该长晶工艺参数所计算的晶体生长界面各处的生长速率的标准差最小、且平均值最大。换言之,晶体生长界面尽量保持平整,并尽可能快地生长。
S550、虚拟晶体每生长第一预设时间,根据最佳长晶工艺参数对当前时刻之前的长晶工艺参数进行调整。
S560、虚拟晶体每生长第一预设时间,将调整之后的长晶工艺参数作为虚拟晶体继续生长的长晶工艺参数。
S550-S560的实施过程和有益效果可以参照S120-S130的实施过程和有益效果。
示例性的,假设虚拟晶体的总体生长时长为10个小时,第一预设时间选取30分钟。在本发明实施例提供的模拟晶体的生长方法中,S510完成之后,虚拟晶体每生长第一预设时间例如30分钟后,循环且顺序执行S540-S560的步骤,直到完成虚拟晶体的总体生长时长例如10个小时。S520和S530可以是虚拟晶体每生长第一预设时间例如30分钟后执行,也可以是虚拟晶体生长过程中实时执行。
在上述技术方案的基础上,本实施例中借助神经网络算法和随机全局搜索优化算法优选为遗传算法,可以快速且准确筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数。
图8是根据本发明实施例提供的又一种模拟晶体的生长方法的流程示意图。参见图8,该晶体的生长方法包括如下步骤:
S610、实际晶体每生长第二预设时间,根据上述技术方案任意所述的模拟晶体的生长方法确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数。
具体的,实际晶体生长完成的时间比较长,在整个生长过程中,保持长晶工艺参数不变的话,很难生长出质量优异的晶体。因此,需要实时对晶体的长晶工艺参数进行调整。利用上述技术方案任意所述的模拟晶体的生长方法可以确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,进而可以实现对于实际晶体生长的全过程的长晶工艺参数的指导。
S620、实际晶体每生长第二预设时间,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整。
可选的,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对当前时刻之前的长晶工艺参数进行调整,调整的标准是:按照调整之后的长晶工艺参数继续生长,生长界面各处的生长速率比较平均,且生长速度较快。
S630、实际晶体每生长第二预设时间,将调整之后的长晶工艺参数作为实际晶体继续生长的长晶工艺参数。
示例性的,假设实际晶体的总体生长时长为30个小时,第二预设时间选取90分钟。在本发明实施例提供的模拟晶体的生长方法中,S610完成之后,虚拟晶体每生长第二预设时间例如90分钟后,循环且顺序执行S620和S630的步骤,直到完成实际晶体的总体生长时长例如30个小时。
本发明实施例提供的技术方案,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对当前时刻之前的长晶工艺参数进行调整,并将调整之后的长晶工艺参数作为实际晶体继续生长的长晶工艺参数。上述技术方案在虚拟晶体生长过程中,能够根据当前时刻的长晶情况来确定虚拟晶体继续生长的长晶工艺参数,进而可以实现准确模拟晶体生长全程的情况,并且对于实际晶体生长的全过程的长晶工艺参数具有指导价值的模拟晶体的生长方法。
图9是根据本发明实施例提供的又一种晶体的生长方法的流程示意图。
在上述技术方案的基础上,本实施例对于根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对当前时刻之前的长晶工艺参数进行调整进行了进一步限定。参见图9,该晶体的生长方法包括如下步骤:
S710、实际晶体每生长第二预设时间,根据上述技术方案任意所述的模拟晶体的生长方法确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数。
S710的实施过程和有益效果可以参照S610的实施过程和有益效果。
S720、实际晶体每生长第二预设时间,结合经验长晶工艺参数以及虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整。
具体的,经验长晶工艺参数是工人经过日积月累的长晶过程中总结出来的,对于实际晶体生长的长晶工艺参数的调整具有很大的指导意义。因此S720结合经验长晶工艺参数以及虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对当前时刻之前的长晶工艺参数进行调整,进一步提高了对当前时刻之前的长晶工艺参数进行调整的准确性。
S730、实际晶体每生长第二预设时间,将调整之后的长晶工艺参数作为实际晶体继续生长的长晶工艺参数。
示例性的,假设实际晶体的总体生长时长为30个小时,第二预设时间选取90分钟。在本发明实施例提供的模拟晶体的生长方法中,S710完成之后,虚拟晶体每生长第二预设时间例如90分钟后,循环且顺序执行S720和S730的步骤,直到完成实际晶体的总体生长时长例如30个小时。
在上述技术方案的基础上,本实施例结合经验长晶工艺参数以及虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对当前时刻之前的长晶工艺参数进行调整,进一步提高了对当前时刻之前的长晶工艺参数进行调整的准确性,进而提高的晶体的质量。
图10是根据本发明实施例提供的一种晶体生长装置的结构示意图。参见图10,该晶体生长装置包括:至少一个晶体生长设备,示例性的,图10中示出了晶体生长设备L1、晶体生长设备L2、晶体生长设备L3……以及晶体生长设备Ln;计算中心100,计算中心100用于虚拟晶体每生长第一预设时间,根据上述技术方案中任意的模拟晶体的生长方法确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数;控制中心200,控制中心200的第一端与计算中心100通信连接,控制中心200的第二端与至少一个晶体生长设备连接,实际晶体每生长第二预设时间,可根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整;控制中心还用于实际晶体每生长第二预设时间,将调整之后的长晶工艺参数作为实际晶体继续生长的长晶工艺参数来控制至少一个晶体生长设备的实际晶体继续生长。其中,控制中心200的第一端与计算中心100通信连接包括有线通信连接和无线通信连接。其中,控制中心200的第一端与计算中心100之前可以通过全局网络或者局域网络通信连接。
可选的,控制中心200用于根据结合经验长晶工艺参数以及虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整。
本发明实施例以计算中心100中的晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际碳化硅晶体的溶液法生长环境为例进行介绍。
参见图2,晶体生长设备内的碳化硅晶体的溶液法生长环境包括:石墨坩埚1、晶杆2、石墨托3、含硅助熔剂4、隔热层5、感应线圈6和腔室7,其中,腔室7内设置有气体气氛8。参见图2,溶液法制备碳化硅晶体的基本原理是:将含硅助熔剂4置于石墨坩埚1中,利用感应线圈6的感应加热的方式熔化含硅助熔剂4,石墨坩埚1中的碳溶解到含硅助熔剂4中;然后将碳化硅籽晶置于含硅助熔剂4的液面,由于籽晶处的过冷,碳在籽晶的固液界面上析出,并和含硅助熔剂4中的硅结合形成碳化硅晶体。示例性的,利用溶液法生长的碳化硅晶体的生长界面包括石墨托3下方的晶体生长界面以及石墨坩埚1上方的晶体生长界面。
具体的,腔室7具有至少一个抽气口,和真空获得装置连接,可将腔室7内气压降低至希望的值。腔室7具有至少一个充气口,可以充入空气、氮气、氩气、氦气或其他惰性气体。腔室7和至少一个真空计连接,以测量压力。晶杆2可在运动机构带动下做旋转和垂直方向运动。石墨托3可在运动机构带动下做旋转和垂直方向运动。石墨托3可带动石墨坩埚1在垂直方向运动,以调整石墨坩埚1在感应线圈6中的位置。晶杆2可带动石墨托3一边旋转一边缓慢向上提拉,石墨托3带动石墨坩埚1旋转,从而开始晶体的生长过程。石墨托3的旋转方向和晶杆2的旋转方向相反,也可以周期性地改变旋转速度,或周期性地正转和反转。
长晶工艺参数包括晶杆的旋转速度、晶杆的向上提拉速度、石墨坩埚的旋转速度、感应线圈的加热功率、石墨坩埚在感应线圈中的垂直方向的位置中的至少一个。
晶体生长设备内的晶杆2和石墨托3中具有气体冷却流道。工艺参数还包括:晶杆2中冷却气体流量、石墨托3中的冷却气体流量。
晶体生长设备内设置有传感器,传感器用于检测晶体实际生长环境中各部件的环境温度和环境压强。晶体实际生长环境中的传感器检测参数包括石墨坩埚温度、腔室壁温度、冷却水温度以及气氛压强中的至少一个。
示例性的,以计算中心100中晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际碳化硅晶体的溶液法生长环境为例进行介绍。计算中心100中虚拟碳化硅晶体的生长时间为10个小时。虚拟碳化硅晶体每生长半小时,计算中心100会根据至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整。并将调整之后的长晶工艺参数作为虚拟晶体继续生长的长晶工艺参数。计算中心100将调整之后的长晶工艺参数发送给控制中心200,控制中心200将调整之后的长晶工艺参数用于控制晶体生长设备指导相同生长阶段的实际碳化硅晶体的生长。
本发明实施例提供的晶体生长装置中,晶体生长设备内传感器检测晶体实际生长环境中各部件的环境温度和环境压强发送给计算中心100,计算中心100用于利用晶体生长计算流体力学模型模拟虚拟晶体的生长,计算中心100还用于虚拟晶体每生长第一预设时间,根据上述技术方案中任意的模拟晶体的生长方法确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数;控制中心200用于根据结合经验长晶工艺参数以及虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整;控制中心200还用于将调整之后的长晶工艺参数作为实际晶体继续生长的长晶工艺参数来控制至少一个晶体生长设备的实际晶体继续生长。其中,计算中心100采用神经网络和遗传算法快速且准确定虚拟晶体每生长第一预设时间,虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数。控制中心200还用于根据结合经验长晶工艺参数以及虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整,进一步提高了对实际晶体当前时刻之前的长晶工艺参数进行调整的准确性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (9)
1.一种模拟晶体的生长方法,其特征在于,包括:
建立晶体生长计算流体力学模型,其中,所述晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际晶体生长环境;
虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整;
虚拟晶体每生长第一预设时间,将调整之后的长晶工艺参数作为所述虚拟晶体继续生长的长晶工艺参数;
虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整包括:
虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,对当前时刻之前的长晶工艺参数进行调整;
其中,所述晶体实际生长环境中的传感器检测参数包括晶体实际生长环境中各部件的环境温度和环境压强,所述晶体实际生长环境中的传感器检测参数为实际晶体与所述虚拟晶体相同生长阶段对应的传感器检测参数;
所述晶体生长计算流体力学模型的虚拟晶体生长环境模拟实际碳化硅晶体的溶液法生长环境。
2.根据权利要求1所述的模拟晶体的生长方法,其特征在于,虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状,对当前时刻之前的长晶工艺参数进行调整之前还包括:
获取当前时刻之前的至少一个生长界面各处的生长速率;
根据所述当前时刻之前的至少一个生长界面各处的生长速率和与之对应的虚拟晶体生长时长,确定当前时刻虚拟晶体中至少一个生长界面的当前形状。
3.根据权利要求1所述的模拟晶体的生长方法,其特征在于,虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,对当前时刻之前的长晶工艺参数进行调整包括:
虚拟晶体每生长第一预设时间,根据虚拟晶体中至少一个生长界面的当前形状和晶体实际生长环境中的传感器检测参数,借助长晶工艺参数筛选算法,筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数作为最佳长晶工艺参数;
虚拟晶体每生长第一预设时间,根据所述最佳长晶工艺参数对当前时刻之前的长晶工艺参数进行调整。
4.根据权利要求3所述的模拟晶体的生长方法,其特征在于,所述长晶工艺参数筛选算法包括神经网络算法和随机全局搜索优化算法;
所述神经网络算法包括输入层、隐藏层和输出层,所述神经网络算法的输入层包括当前时刻虚拟晶体中至少一个生长界面各处的坐标值、当前时刻之前的长晶工艺参数和晶体实际生长环境中的传感器检测参数;所述神经网络算法的输出层包括虚拟晶体中至少一个生长界面各处的生长速率;
所述随机全局搜索优化算法用于筛选出至少一个生长界面各处的生长速率满足预设生长速率对应的长晶工艺参数。
5.根据权利要求1所述的模拟晶体的生长方法,其特征在于,所述长晶工艺参数包括晶杆的旋转速度、晶杆的向上提拉速度、石墨坩埚的旋转速度、感应线圈的加热功率、石墨坩埚在感应线圈中的垂直方向的位置中的至少一个;
所述晶体实际生长环境中的传感器检测参数包括石墨坩埚温度、腔室壁温度、冷却水温度以及气氛压强中的至少一个。
6.根据权利要求5所述的模拟晶体的生长方法,其特征在于,所述长晶工艺参数还包括:晶杆中冷却气体流量和/或石墨托中冷却气体流量。
7.一种晶体的生长方法,其特征在于,包括:实际晶体每生长第二预设时间,根据权利要求1-6任一所述的模拟晶体的生长方法确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数;
实际晶体每生长第二预设时间,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整;
实际晶体每生长第二预设时间,将调整之后的长晶工艺参数作为所述实际晶体继续生长的长晶工艺参数。
8.根据权利要求7所述的晶体的生长方法,其特征在于,实际晶体每生长第二预设时间,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整包括:
实际晶体每生长第二预设时间,结合经验长晶工艺参数以及虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整。
9.一种晶体生长装置,其特征在于,包括:
至少一个晶体生长设备;
计算中心,所述计算中心用于虚拟晶体每生长第一预设时间,根据权利要求1-6任一所述的模拟晶体的生长方法确定虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数;
控制中心,所述控制中心的第一端与所述计算中心通信连接,所述控制中心的第二端与所述至少一个晶体生长设备连接,用于实际晶体每生长第二预设时间,根据虚拟晶体与实际晶体相同生长阶段对应的继续生长的长晶工艺参数,对实际晶体当前时刻之前的长晶工艺参数进行调整;所述控制中心还用于实际晶体每生长第二预设时间,将调整之后的长晶工艺参数作为所述实际晶体继续生长的长晶工艺参数来控制至少一个晶体生长设备的实际晶体继续生长。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210124257.2A CN114411236B (zh) | 2022-02-10 | 2022-02-10 | 一种模拟晶体的生长方法、晶体的生长方法及装置 |
PCT/CN2023/073985 WO2023151485A1 (zh) | 2022-02-10 | 2023-01-31 | 模拟晶体的生长方法、晶体的生长方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210124257.2A CN114411236B (zh) | 2022-02-10 | 2022-02-10 | 一种模拟晶体的生长方法、晶体的生长方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114411236A CN114411236A (zh) | 2022-04-29 |
CN114411236B true CN114411236B (zh) | 2023-06-27 |
Family
ID=81279569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210124257.2A Active CN114411236B (zh) | 2022-02-10 | 2022-02-10 | 一种模拟晶体的生长方法、晶体的生长方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114411236B (zh) |
WO (1) | WO2023151485A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114411236B (zh) * | 2022-02-10 | 2023-06-27 | 北京青禾晶元半导体科技有限责任公司 | 一种模拟晶体的生长方法、晶体的生长方法及装置 |
CN115595667B (zh) * | 2022-10-18 | 2023-11-14 | 湖南大合新材料有限公司 | 一种碲锌镉晶体智能生长方法、***、设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060005761A1 (en) * | 2004-06-07 | 2006-01-12 | Memc Electronic Materials, Inc. | Method and apparatus for growing silicon crystal by controlling melt-solid interface shape as a function of axial length |
CN104695015B (zh) * | 2013-12-05 | 2018-01-09 | 长春理工大学 | 生长CaF2晶体调节温场结构的方法及装置 |
CN106048713B (zh) * | 2016-06-28 | 2018-06-26 | 山东天岳晶体材料有限公司 | 一种碳化硅溶液法中实时监测并调整固液界面高度的方法 |
CN110929436A (zh) * | 2019-10-10 | 2020-03-27 | 新余学院 | 一种多晶硅铸锭生长界面的仿真模拟方法 |
CN111368434B (zh) * | 2020-03-05 | 2023-05-12 | 包头美科硅能源有限公司 | 一种基于ann的提拉法单晶硅固液界面的预测方法 |
CN112410870B (zh) * | 2020-11-20 | 2022-02-01 | 中电化合物半导体有限公司 | 基于液相外延法生长碳化硅晶体的生长控制方法及*** |
CN112466407A (zh) * | 2020-11-25 | 2021-03-09 | 哈尔滨工业大学 | 基于CGSim软件模拟获取大尺寸黄铜矿类单晶的方法 |
CN113584577A (zh) * | 2021-08-04 | 2021-11-02 | 中电化合物半导体有限公司 | 一种碳化硅的结晶界面控制结构、生长设备和制备方法 |
CN114411236B (zh) * | 2022-02-10 | 2023-06-27 | 北京青禾晶元半导体科技有限责任公司 | 一种模拟晶体的生长方法、晶体的生长方法及装置 |
-
2022
- 2022-02-10 CN CN202210124257.2A patent/CN114411236B/zh active Active
-
2023
- 2023-01-31 WO PCT/CN2023/073985 patent/WO2023151485A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023151485A1 (zh) | 2023-08-17 |
WO2023151485A9 (zh) | 2023-09-28 |
CN114411236A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114411236B (zh) | 一种模拟晶体的生长方法、晶体的生长方法及装置 | |
CN102851545B (zh) | 一种Ni-Mn-Ge系磁性形状记忆合金及其制备方法 | |
Meng et al. | Mechanism of competitive growth during directional solidification of a nickel-base superalloy in a three-dimensional reference frame | |
CN111368434B (zh) | 一种基于ann的提拉法单晶硅固液界面的预测方法 | |
JPH1121120A (ja) | 多結晶半導体の製造方法および製造装置 | |
CN105986322B (zh) | 一种磁相变材料 | |
WO2006054610A1 (ja) | 結晶製造装置 | |
JP2017100945A (ja) | ヘリウムを調整圧力下に使用した高温プロセスの改善 | |
CN111375746A (zh) | 基于固—液界面稳恒控制的高温合金单晶叶片定向凝固方法 | |
CN104350186A (zh) | SiC单晶锭、SiC单晶以及制造方法 | |
US20100186923A1 (en) | Apparatus for preparing alloy sheet | |
CN106319621A (zh) | 一种大尺寸直拉硅单晶生长方法 | |
CN100465314C (zh) | 一种具有磁场驱动马氏体相变效应的磁性材料及其制备方法 | |
JP2000086385A (ja) | メルト深さ検出装置および方法並びに結晶成長長さ検出装置および方法並びに結晶体の製造装置および方法 | |
CN105400998A (zh) | 一种Ni-Mn-Ga合金薄带及其制备方法 | |
CN102154683A (zh) | 金属发热体结构单多晶定向凝固*** | |
Masuda et al. | Solidification behavior of falling germanium droplets produced by pulsated orifice ejection method | |
CN218175203U (zh) | 一种可调节热场的八英寸pvt生长炉 | |
CN108677078B (zh) | 一种富Mn的Mn-Ni-In-Co-Cu磁制冷材料及其制备方法 | |
CN108495956A (zh) | 一种用于调整半导体晶锭在其制造期间的电阻率的方法 | |
CN106929775A (zh) | 大非晶形成能力高磁热效应钆基块体非晶合金及制备方法 | |
JP3005633B2 (ja) | 太陽電池用多結晶シリコン鋳塊の製造方法 | |
CN108624956A (zh) | 多晶硅全熔铸锭工艺 | |
CN106086557A (zh) | 一种Mn‑Cu‑Al热敏阻尼合金材料及其制备方法 | |
Anbu et al. | Modelling on modified heater design of DS system for improving the quality of mc-silicon ingot |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |