一种推断物性参数的方法及装置制造方法及图纸

本申请公开了一种推断物性参数的方法及装置，用以解决在某些特定条件下，难以获取准确的材料的物性参数，从而影响通过模拟软件进行模拟获得的模拟结果的问题。该方法根据预设的待推断材料的物性参数，通过模拟软件建立训练数据集，并训练神经网络模型；确定预设工艺条件下待推断材料对应的实际结果参数；根据所述实际结果参数，采用所述神经网络模型与预设的数值优化算法，确定所述待推断材料的实际物性参数。本方法在机器学习的基础上，结合数值优化算法，能够获得尽可能准确的材料的物性参数，有利于对物性参数的准确把握，从而加强模拟结果与实际结果之间的一致性。

A method and device for inferring physical parameters

【技术实现步骤摘要】
一种推断物性参数的方法及装置
本申请涉及模拟晶体生长
，尤其涉及一种推断物性参数的方法及装置。
技术介绍
在工业生产过程中，材料的物性参数往往对生产过程及生产结果起到很大的影响。其中，材料的物性参数表示材料在制工、性能等方面能否达到生产要求的参数数据。特别是在模拟晶体生长过程中，不正确的材料的物性参数会导致对晶体生长过程中的温度分布、晶体凸率、晶体的形状等结果参数的预测不准确，从而使模拟结果与实际结果之间的误差较大。目前，要确定材料的物性参数，可从材料供应商处获取。但是，材料供应商给出的数据的准确性可能较低。尤其针对晶体生长过程中所需的材料的物性参数，由于晶体生长过程中的温度高达上千摄氏度，因此难以获取高温下的物性参数的准确数据，这不利于对晶体生长过程的准确模拟。
技术实现思路
本申请实施例提供一种推断物性参数的方法及装置，用以解决在例如高温等特定条件下，难以获取准确的材料的物性参数，从而影响通过模拟软件进行模拟获得的模拟结果的问题。本申请实施例提供的一种推断物性参数的方法，包括：根据预本文档来自技高网...

【技术保护点】
1.一种推断物性参数的方法，其特征在于，包括：/n根据预设的待推断材料的物性参数，通过模拟软件建立训练数据集，并训练神经网络模型；/n确定预设工艺条件下所述待推断材料对应的实际结果参数；/n根据所述实际结果参数，采用所述神经网络模型与预设的数值优化算法，确定所述待推断材料的实际物性参数。/n

【技术特征摘要】
1.一种推断物性参数的方法，其特征在于，包括：
根据预设的待推断材料的物性参数，通过模拟软件建立训练数据集，并训练神经网络模型；
确定预设工艺条件下所述待推断材料对应的实际结果参数；
根据所述实际结果参数，采用所述神经网络模型与预设的数值优化算法，确定所述待推断材料的实际物性参数。


2.根据权利要求1所述的方法，其特征在于，根据预设的待推断材料的物性参数，通过模拟软件建立训练数据集，并训练神经网络模型，包括：
根据预设的若干物性参数，从预设的取值范围中，分别确定各物性参数的取值，并采用模拟软件，确定在预设工艺条件下相应的模拟结果参数的取值；
根据确定出的模拟结果参数与相应的各预设的物性参数的取值，建立训练数据集；
采用建立好的训练数据集，训练神经网络模型。


3.根据权利要求2所述的方法，其特征在于，所述神经网络模型为BP神经网络模型，所述BP神经网络模型包括3个全连接层，所述3个全连接层分别包括16个、16个、5个神经元。


4.根据权利要求3所述的方法，其特征在于，所述神经网络模型采用的激活函数为Relu，采用的优化方式为Adam，采用的损失函数为平均绝对误差。


5.根据权利要求1所述的方法，其特征在于，所述待推断材料为坩埚；
所述实际物性参数至少包括以下任意一项：热导率、电导率、表面发射率；
所述实际结果参数至少包括以下任意一项：晶体预设监测点的温度、晶体厚度、晶体的凸率。


6.根据权利要求5所述的方法，其特征在于，根据所述实际结果参数，采用所述神经网络模型与预设的数值优化算法，确定所述待推断材料的实际物性参数，包括：
确定物性参数的若干初始值；
采用所述神经网络模型，确定所述若干初始值对应...

【专利技术属性】
技术研发人员：舒天宇，王雅儒，张红岩，王秀平，黄长航，周国顺，
申请(专利权)人：山东天岳先进材料科技有限公司，
类型：发明
国别省市：山东;37