[發(fā)明專利]一種基于深度學(xué)習(xí)和提拉法的高阻型氧化鎵的質(zhì)量預(yù)測方法、制備方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011642101.0
• 申請日: 2020-12-31
• 公開（公告）號: CN112820360A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計）人: 齊紅基;陳端陽;賽青林
• 申請（專利權(quán)）人: 杭州富加鎵業(yè)科技有限公司
• 主分類號: G16C20/30
• 分類號: G16C20/30;G06N3/04;G06N3/08;C30B15/00;C30B29/16
• 代理公司: 深圳市君勝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 徐凱凱

1.一種基于深度學(xué)習(xí)和提拉法的高阻型氧化鎵質(zhì)量預(yù)測方法，其特征在于，包括步驟：

獲取提拉法制備高阻型氧化鎵單晶的制備數(shù)據(jù)，所述制備數(shù)據(jù)包括籽晶數(shù)據(jù)、環(huán)境數(shù)據(jù)以及控制數(shù)據(jù)，所述環(huán)境數(shù)據(jù)包括摻雜元素類型、摻雜元素濃度；

對所述制備數(shù)據(jù)進行預(yù)處理，得到預(yù)處理制備數(shù)據(jù)；

將所述預(yù)處理制備數(shù)據(jù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，通過所述訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型得到所述高阻型氧化鎵單晶對應(yīng)的預(yù)測質(zhì)量數(shù)據(jù)，所述預(yù)測質(zhì)量數(shù)據(jù)包括預(yù)測電阻率。

2.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)和提拉法的高阻型氧化鎵質(zhì)量預(yù)測方法，其特征在于，對所述制備數(shù)據(jù)進行預(yù)處理，得到預(yù)處理制備數(shù)據(jù)的步驟包括：

根據(jù)所述籽晶數(shù)據(jù)、環(huán)境數(shù)據(jù)以及控制數(shù)據(jù)，得到預(yù)處理制備數(shù)據(jù)，所述預(yù)處理制備數(shù)據(jù)為由所述籽晶數(shù)據(jù)、環(huán)境數(shù)據(jù)以及控制數(shù)據(jù)形成的矩陣。

3.根據(jù)權(quán)利要求2所述基于深度學(xué)習(xí)和提拉法的高阻型氧化鎵質(zhì)量預(yù)測方法，其特征在于，所述籽晶數(shù)據(jù)包括：籽晶衍射峰半高寬、籽晶衍射峰半高寬偏差值以及籽晶直徑；

所述環(huán)境數(shù)據(jù)還包括：上保溫罩熱阻值、上保溫罩熱阻值偏差值、晶體生長通道形狀因子、晶體生長觀察孔形狀因子、下保溫罩熱阻值、下保溫罩熱阻值偏差值、坩堝與感應(yīng)線圈的相對高度、加熱環(huán)與感應(yīng)線圈的相對高度；

所述控制數(shù)據(jù)包括：加熱功率、冷卻功率、氣氛類型、腔體壓力、氣體流量、籽晶桿提拉速度、晶體轉(zhuǎn)速、析晶率，以及晶體與坩堝直徑比。

4.根據(jù)權(quán)利要求3所述基于深度學(xué)習(xí)和提拉法的高阻型氧化鎵質(zhì)量預(yù)測方法，其特征在于，根據(jù)所述籽晶數(shù)據(jù)、環(huán)境數(shù)據(jù)以及控制數(shù)據(jù)，得到預(yù)處理制備數(shù)據(jù)的步驟包括：

根據(jù)所述籽晶數(shù)據(jù)、環(huán)境數(shù)據(jù)以及控制數(shù)據(jù)，確定制備向量；其中，所述制備向量中第一元素為所述籽晶衍射峰半高寬、籽晶衍射峰半高寬偏差值以及籽晶直徑中的一個；所述制備向量中第二元素為所述上保溫罩熱阻值、上保溫罩熱阻值偏差值、晶體生長通道形狀因子、晶體生長觀察孔形狀因子、下保溫罩熱阻值、下保溫罩熱阻值偏差值，坩堝與感應(yīng)線圈的相對高度、加熱環(huán)與感應(yīng)線圈的相對高度、摻雜元素濃度以及摻雜元素類型中的一個，所述摻雜元素類型包括Fe、Ca、Zn、Co、Ti、Ni、Mg、Al和Cu；所述制備向量中第三元素為所述加熱功率、冷卻功率、氣氛類型、腔體壓力、氣體流量、籽晶桿提拉速度、晶體轉(zhuǎn)速、析晶率，以及晶體與坩堝直徑比中的一個；

根據(jù)所述制備向量，確定所述預(yù)處理制備數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)和提拉法的高阻型氧化鎵質(zhì)量預(yù)測方法，其特征在于，所述預(yù)測質(zhì)量數(shù)據(jù)還包括：預(yù)測裂紋數(shù)據(jù)、預(yù)測雜晶數(shù)據(jù)、預(yù)測衍射峰半高寬、預(yù)測衍射峰半高寬徑向偏差值、預(yù)測衍射峰半高寬軸向偏差值、預(yù)測電阻率徑向偏差值以及預(yù)測電阻率軸向偏差值。

6.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)和提拉法的高阻型氧化鎵質(zhì)量預(yù)測方法，其特征在于，所述訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型采用如下訓(xùn)練步驟訓(xùn)練得到：

獲取提拉法制備高阻型氧化鎵單晶的訓(xùn)練數(shù)據(jù)，以及對應(yīng)的實際質(zhì)量數(shù)據(jù)，其中，所述訓(xùn)練數(shù)據(jù)包括：籽晶訓(xùn)練數(shù)據(jù)、環(huán)境訓(xùn)練數(shù)據(jù)以及控制訓(xùn)練數(shù)據(jù)；

對所述訓(xùn)練數(shù)據(jù)進行預(yù)處理，得到預(yù)處理訓(xùn)練數(shù)據(jù)；

將所述預(yù)處理訓(xùn)練數(shù)據(jù)輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，通過所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型得到與所述預(yù)處理訓(xùn)練數(shù)據(jù)對應(yīng)的預(yù)測訓(xùn)練生成質(zhì)量數(shù)據(jù)；

根據(jù)所述預(yù)測訓(xùn)練生成質(zhì)量數(shù)據(jù)以及所述實際質(zhì)量數(shù)據(jù)對所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)進行調(diào)整修正，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。

7.根據(jù)權(quán)利要求6所述基于深度學(xué)習(xí)和提拉法的高阻型氧化鎵質(zhì)量預(yù)測方法，其特征在于，所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型包括：特征提取模塊和全連接模塊，

將所述預(yù)處理訓(xùn)練數(shù)據(jù)輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，通過所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型得到與所述預(yù)處理訓(xùn)練數(shù)據(jù)對應(yīng)的預(yù)測訓(xùn)練生成質(zhì)量數(shù)據(jù)的步驟包括：

將所述預(yù)處理訓(xùn)練數(shù)據(jù)輸入所述特征提取模塊，通過所述特征提取模塊得到與所述預(yù)處理訓(xùn)練數(shù)據(jù)對應(yīng)的特征向量；

將所述特征向量輸入到所述全連接模塊，通過所述全連接模塊得到與所述預(yù)處理訓(xùn)練數(shù)據(jù)對應(yīng)的預(yù)測訓(xùn)練生成質(zhì)量數(shù)據(jù)。