[發明專利]一種基于深度學習和提拉法的高阻型氧化鎵的質量預測方法、制備方法及系統

在審

• 申請號: 202011642101.0
• 申請日: 2020-12-31
• 公開（公告）號: CN112820360A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 齊紅基;陳端陽;賽青林
• 申請（專利權）人: 杭州富加鎵業科技有限公司
• 主分類號: G16C20/30
• 分類號: G16C20/30;G06N3/04;G06N3/08;C30B15/00;C30B29/16
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 徐凱凱

本發明公開了一種基于深度學習和提拉法的高阻型氧化鎵的質量預測方法、制備方法及系統，質量預測方法包括步驟：獲取提拉法制備高阻型氧化鎵單晶的制備數據，所述制備數據包括籽晶數據、環境數據以及控制數據，所述環境數據包括摻雜元素類型、摻雜元素濃度；對所述制備數據進行預處理，得到預處理制備數據；將所述預處理制備數據輸入訓練好的神經網絡模型，通過所述訓練好的神經網絡模型得到所述高阻型氧化鎵單晶對應的預測質量數據，所述預測質量數據包括預測電阻率。本發明可通過訓練好的神經網絡模型對高阻型氧化鎵單晶的質量進行預測，因此可以調整制備數據得到預設電阻率的高阻型氧化鎵單晶，使得高阻型氧化鎵單晶的性能得到優化。

技術領域

本發明涉及氧化鎵單晶制備領域，特別涉及一種基于深度學習和提拉法的高阻型氧化鎵的質量預測方法、制備方法及系統。

背景技術

β-Ga₂O₃(氧化鎵)是一種直接帶隙寬禁帶半導體材料，禁帶寬度約為4.8～4.9eV。它具有禁帶寬度大、飽和電子漂移速度快、熱導率高、擊穿場強高、化學性質穩定等諸多優點，在高溫、高頻、大功率電力電子器件領域有著廣泛的應用前景。此外還可用于LED芯片，日盲紫外探測、各種傳感器元件及攝像元件等。

提拉法是制備高阻型氧化鎵的方法之一，現有技術，采用提拉法制備高阻型氧化鎵時，由于影響高阻型氧化鎵產品性能的因素較多，這使得高阻型氧化鎵的制備參數難以控制，無法得到預定電阻率的高阻型氧化鎵。

因此，現有技術還有待于改進和發展。

發明內容

本發明要解決的技術問題在于，針對現有技術的不足，提供一種基于深度學習和提拉法的高阻型氧化鎵的質量預測方法、制備方法及系統，旨在解決現有提拉法制備高阻型氧化鎵單晶的過程均是依賴操作員的經驗來設置參數，其重復性較差，且無法穩定制得預定電阻率的高阻型氧化鎵單晶的問題。

為了解決上述技術問題，本發明所采用的技術方案如下：

一種基于深度學習和提拉法的高阻型氧化鎵質量預測方法，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據，所述制備數據包括籽晶數據、環境數據以及控制數據，所述環境數據包括摻雜元素類型、摻雜元素濃度；

對所述制備數據進行預處理，得到預處理制備數據；

將所述預處理制備數據輸入訓練好的神經網絡模型，通過所述訓練好的神經網絡模型得到所述高阻型氧化鎵單晶對應的預測質量數據，所述預測質量數據包括預測電阻率。

所述基于深度學習和提拉法的高阻型氧化鎵質量預測方法，其中，對所述制備數據進行預處理，得到預處理制備數據的步驟包括：

根據所述籽晶數據、環境數據以及控制數據，得到預處理制備數據，所述預處理制備數據為由所述籽晶數據、環境數據以及控制數據形成的矩陣。

所述基于深度學習和提拉法的高阻型氧化鎵質量預測方法，其中，所述籽晶數據包括：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；

所述環境數據還包括：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、坩堝與感應線圈的相對高度、加熱環與感應線圈的相對高度；

所述控制數據包括：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、晶體轉速、析晶率，以及晶體與坩堝直徑比。

所述基于深度學習和提拉法的高阻型氧化鎵質量預測方法，其中，根據所述籽晶數據、環境數據以及控制數據，得到預處理制備數據的步驟包括：