本发明专利技术涉及用于机器学习等离子系统中的至少一个不规则性的检测的方法，等离子系统特别是RF供电的等离子处理系统，所述方法包括：‑提供至少一个输入信号(210)，每个输入信号(210)与用于等离子系统的功率递送系统(1)的模拟信号相关和/或与功率递送系统(1)和/或等离子系统的另一个特征相关，所述至少一个输入信号(210)具有指示所述等离子系统中的不规则性的至少一个不规则性特征，‑执行机器学习过程(310)，其中具有所述至少一个不规则性特征的所述至少一个输入信号(210)由可编程电路(10)处理，以训练等离子系统中的不规则性的检测。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术是有关于一种用于机器学习在等离子腔室中的至少一个不规则性的检测的方法。此外，本专利技术是有关于一种系统及一种数据载波信号。
技术介绍
1、数字信号处理(digital signal processing)，简称dsp，可针对多种应用使用于射频系统中，该多种应用例如是系统的特定情况的滤波和/或检测。为了改善处理及性能速度，dsp可至少部分地于硬件中执行，例如通过利用集成电路(integrated circuits)。集成电路简称ic。然而，参数化集成电路可证实为耗费时间且技术复杂。所述的参数化过程的复杂性可能以许多不希望的方式影响数字信号处理。其中一个为部分减少集成电路中的dsp效率。
2、在等离子功率递送系统中，可测量射频(radio frequency)信号，射频简称为rf。一般的rf测量包括正向及反向功率，以及在等离子功率递送系统中的数点处的rf电流及电压。测量的信号通常在频率、振幅、噪声或假性含量(spurious content)、及脉冲长度上有所改变。当功率递送系统可良好控制例如是频率的一些改变时，其他改变可能无法控制，特别是在传送rf功率至等离子处理腔室的时候。改变可能导致在所测量的rf信号中发现多种干扰。举例来说，为其中一种干扰形式的谐波可能因等离子本身的非线性本质生成。另一种形式的干扰可能源自于用于生成rf信号的不同频率。在先进的等离子系统中，利用不同频率的多种rf生成器可使用于激发等离子。然而，除了所需生成的预期的频率组之外，像是基频及其谐波的增加或减少组合的混合产物也可能生成。
<
p>3、在测量的rf信号中所发现的许多干扰可在数字化所测量的rf信号之前使用适当的滤波器抑制或至少减少。尽管如此，靠近基频的不想要的边带(sidebands)可能生成，而可能需要更进一步通过dsp滤波和/或可能也迫使对滤波有进一步的需求。实际的输入信号总是无法为理想的信号，因为实际的输入信号往往包含无法避免的失真或其他假象(artefacts)，例如由信号源、传送路径、或测量装置所导致。滤波器或滤波器参数的优化对重建不失真、理想的输入信号来稳定调整网络而言相当重要。然而，各滤波器具有有利及不利的特征。举例来说，如果因滤波而增加太多的信号延迟时，控制可能无法以实时的方式响应出与所欲的功率位准的偏差。此外，滤波可能移除需用于获取等离子工艺的品质的信号的相关部分，例如像是二次等离子(secondary plasma)(其可能存在于等离子腔室中的所欲区域之外)、电弧或其他等离子不稳定性的不规则性的存在。因此，不仅是滤波器形式，滤波器的参数配置也需小心地选择，以平衡优化性能的这些特征。4、一般来说，干扰减少不足时可能导致测量rf生成器的输出功率的变动。这些变动可理解为“测量假象(measurement artefacts)”。既然测量可能使用于像是输出功率位准的控制的多种应用，这些应用可能仰赖折衷的测量信号。就控制的例子而言，输出功率位准可能根据测量假象错误地确定，而不是正确的测量。
5、在通过滤波抑制等离子不稳定性的情况中，像是二次等离子或电弧的不规则性可能没有发现下发生，及因而没有启用任何对策。在半导体等离子处理系统中，等离子不稳定性可能导致对所处理的半导体晶圆的损害。等离子不稳定性像是未受控制的电弧。
6、us20060262889a1公开一种功率源，可在来自控制器的驱动信号驱动时生成信号。在射频信号下，可能同步低取样(undersampling)或同步过取样(oversampling)。
7、在de102015212242a1/us20180122625a1中，取样频率系改变以移除干扰。两个公开文件皆说明特定方法以校正干扰频率，包括取样频率的改变，但并非通过机器学习来优化滤波器参数，特别是并非通过机器学习过程。
8、从现有技术中可知可编程电路常态应用在加速模拟，例如wo2007095574a1或de102011103861a1，可编程电路特别是现场可编程逻辑门阵列(fpgas)。
9、从现有技术更进一步得知，用于在等离子工艺期间检测特定情况的智能系统存在。然而，检测时常缺乏可靠度及处理速度，而无法在事件完成前实时启动校正动作。
10、使用专用的解决方案来检测等离子工艺中的特定情况已经记述在现有技术中，例如在us8989888b2中。
11、特别是，专用来管理等离子工艺中的电弧事件的解决方案已经在许多现有技术的公开文件中记载:
12、ep3254295b1特别是描述电弧处理装置及方法，其中电弧通过关闭rf功率一段特定时间来抑制。
13、us9316675b2描述一种通过监控rf电压及电流的转换来检测二次等离子的方法。该方法系允许低位准及严重的等离子异常之间的区别。
14、在us8890537b2中，电弧可通过适当的滤波操作及谐波分析检测出来。
15、使用像是反射功率、电压及电流的rf相关信号的动态极限来辨别出电弧，以及用于抑制电弧的多种方法系特别说明于us7761247b2中。
16、us10209294b2表示出多种观察信号的组合如何可改善电弧的检测。
17、在这些现有技术的公开文件中，所说明的硬件或软件解决方案专为在特定的工艺条件执行而设计，例如溅射系统，或特定的异常(例如专用于二次等离子或电弧)。特别是，所有的解决方案需要在系统可检测到异常之前实际存在该异常。在电弧的情况中，所说明的电弧管理方法将特别是仅在至少一个电弧事件已经发生之后作用而抑制其他电弧。
18、相较之下，下述的本专利技术可具有更广泛的应用性及可有更多的用途，因为本专利技术提供使用概率方案来在不规则性已经完全发展之前检测出不规则性，且接着特别是避免该不规则性发生。
19、因此，本专利技术的目的是至少部分地克服上述的缺点。特别是，本专利技术的目的是改善rf系统中的数字信号处理。
20、上述的目的通过具有权利要求1的特征的方法，具有权利要求16的特征的系统，及具有权利要求17的特征的数据载波信号来解决。本专利技术的更进一步的特征及细节公开于个别的从属权利要求、说明及附图中。组合根据本专利技术的方法而说明的特征及细节也应用于根据本专利技术的系统及根据本专利技术的数据载波信号，及在各情况中反之亦然，使得有关于本专利技术的个别方面的公开可总是相互参照。
技术实现思路
1、本专利技术方法及系统的优点
2、相较于现有技术中的前述公开文件，本专利技术的方法、系统及载波信号提供优化数字信号处理，特别是在射频系统中。为此，本专利技术的一个构想特别为处理过程可用于训练，特别是本专利技术的系统的训练。训练可于训练模式中利用参考数据执行，使得可编程电路和/或算法的优化的参数化确定，及接着本专利技术的系统可切换成应用模式。在应用模式中，优化的参数化用于处理与实时相关的输入信号。可编程电路可为像是fpga的可编程信号处理电路，用于通过执行算法来处理输入信号。
3、本专利技术的方法、系统及载本文档来自技高网
...
【技术保护点】
1.一种用于机器学习等离子系统中的至少一个不规则性的检测的方法，所述等离子系统特别是RF供电的等离子处理系统，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述可编程电路(10)被配置为可编程集成电路(10)，所述可编程集成电路(10)优选地为数字信号处理器(DSP)、复杂可编程逻辑器件(CPLD)或现场可编程逻辑门阵列(FPGA)。
3.如前述的任一权利要求所述的方法，其特征在于，所述可编程电路(10)至少部分地执行检测过程，所述检测过程特别是包括神经网络的应用或算法，用于识别所述至少一个不规则性特征，所述神经网络的应用优选地为利用所述神经网络的图案识别或图案匹配，并且其中所述机器学习过程(310)包括：
4.如权利要求3所述的方法，其特征在于，所述机器学习过程包括多个重复的处理步骤，在每个处理步骤中，所述相同的至少一个输入信号(210)通过所述可编程电路(10)利用所述参数的不同的改变的配置处理，以获取分配至所述使用的配置的各个处理结果(220)，其中通过比较每个所述获取的处理结果(220)与参考结果来执行所述改变的配置的评估。</p>5.如权利要求4所述的方法，其特征在于，所述改变的配置的所述评估取决于所述处理结果(220)与所述参考结果的匹配，其中具有最高的评估的至少一个配置选自所述改变的配置，来作为所述至少一个确定的参数结果。
6.如权利要求4或5所述的方法，其特征在于，所述参考结果为所述至少一个不规则性的预定指示。
7.如前述的任一权利要求所述的方法，其特征在于，所述至少一个输入信号(210)中的每个输入信号(210)与用于提供功率至所述等离子系统的射频信号相关、和/或与所述功率递送系统(1)和/或所述等离子系统的另一个特征相关，并且所述不规则性是特定于发生在所述等离子处理系统中的电弧或特定于所述电弧的发生概率。
8.如前述的任一权利要求所述的方法，其特征在于，所述至少一个不规则性的所述机器学习的检测，用于电弧检测和/或电弧预防和/或电弧管理。
9.如前述的任一权利要求所述的方法，其特征在于，所述机器学习过程(310)提供用于所述检测的检测过程的至少一个参数的配置的迭代确定，所述配置特别是神经网络的至少一个权重或算法的至少一个参数的配置，特别是所述神经网络或所述算法至少部分地通过所述可编程电路(10)实施，其中所述确定的配置随后用于所述功率递送系统(1)的现场操作中的所述检测过程，包括：
10.如前述的任一权利要求所述的方法，其特征在于，所述提供所述至少一个输入信号(210)包括：
11.如前述的任一权利要求所述的方法，其特征在于，通过组合用于实时执行计算的所述可编程电路(10)的功能块，在所述可编程电路(10)中实现用于所述至少一个不规则性的所述检测的检测过程。
12.如权利要求11所述的方法，其特征在于，在所述机器学习过程(310)期间，所实现的检测过程与实时计算一起迭代地使用，用于所述至少一个输入信号的所述处理。
13.如前述的任一权利要求所述的方法，其特征在于，所述机器学习过程(310)被配置为用于所述可编程电路(10)的参数化的训练过程，其中具有所述相同的参数化的完全相同的可编程电路(10)或另一电路(10)，在所述功率递送系统(1)的现场操作期间用于所述至少一个不规则性的所述检测，特别是用于电弧检测和/或电弧预防和/或电弧管理。
14.如权利要求13所述的方法，其特征在于，在所述现场操作中，当所述至少一个不规则性的所述检测时，独立地或组合地开始以下的动作的中至少一个：
15.如前述的任一权利要求所述的方法，其特征在于，所述不规则性的所述检测包括概率检测，所述概率检测特别是用于在电弧发生于所述等离子处理系统中之前检测所述电弧，优选地用于确定所述电弧的所述发生的概率和/或用于电弧预防。
16.一种用于检测等离子系统中的至少一个不规则性的系统，所述等离子系统特别是RF供电的等离子处理系统，所述系统包括：
17.一种数据载波信号(240)，携带根据前述任一权利要求的所述方法所确定的所述至少一个参数结果(240)。
...
【技术特征摘要】
【国外来华专利技术】
1.一种用于机器学习等离子系统中的至少一个不规则性的检测的方法，所述等离子系统特别是rf供电的等离子处理系统，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述可编程电路(10)被配置为可编程集成电路(10)，所述可编程集成电路(10)优选地为数字信号处理器(dsp)、复杂可编程逻辑器件(cpld)或现场可编程逻辑门阵列(fpga)。
3.如前述的任一权利要求所述的方法，其特征在于，所述可编程电路(10)至少部分地执行检测过程，所述检测过程特别是包括神经网络的应用或算法，用于识别所述至少一个不规则性特征，所述神经网络的应用优选地为利用所述神经网络的图案识别或图案匹配，并且其中所述机器学习过程(310)包括：
4.如权利要求3所述的方法，其特征在于，所述机器学习过程包括多个重复的处理步骤，在每个处理步骤中，所述相同的至少一个输入信号(210)通过所述可编程电路(10)利用所述参数的不同的改变的配置处理，以获取分配至所述使用的配置的各个处理结果(220)，其中通过比较每个所述获取的处理结果(220)与参考结果来执行所述改变的配置的评估。
5.如权利要求4所述的方法，其特征在于，所述改变的配置的所述评估取决于所述处理结果(220)与所述参考结果的匹配，其中具有最高的评估的至少一个配置选自所述改变的配置，来作为所述至少一个确定的参数结果。
6.如权利要求4或5所述的方法，其特征在于，所述参考结果为所述至少一个不规则性的预定指示。
7.如前述的任一权利要求所述的方法，其特征在于，所述至少一个输入信号(210)中的每个输入信号(210)与用于提供功率至所述等离子系统的射频信号相关、和/或与所述功率递送系统(1)和/或所述等离子系统的另一个特征相关，并且所述不规则性是特定于发生在所述等离子处理系统中的电弧或特定于所述电弧的发生概率。
8.如前述的任一权利要求所述的方法，其特征在于，所述至少一个不规则性的所述机器学习的检测，用于电弧检测和/或电弧预防和/或电弧管理。
9.如前...
【专利技术属性】
技术研发人员：托马斯·芬克，安德烈·格雷德，丹尼尔·格鲁纳，安东·拉班克，罗兰·施利夫，尼古拉·施韦尔格，曼努埃尔·福尔·德姆·布罗克，
申请(专利权)人：康姆艾德公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。