【技术实现步骤摘要】
本申请涉及半导体领域，特别涉及基于伯努利原理的晶圆传送控制方法及传送控制系统。
技术介绍
1、晶圆传送在半导体制造工业中是一个至关重要的环节，它涉及将晶圆从一个工序或设备传送到另一个工序或设备。半导体工业的生产流程通常涉及多个步骤，包括光刻、沉积、腐蚀、清洗等，这些步骤需要在不同的设备之间传送晶圆。随着半导体技术的不断发展，制程步骤变得越来越复杂，在不同的工艺步骤之间传送晶圆需要高度精确和可控的传送系统，以确保制程的一致性和稳定性。
2、传统的晶圆传送方法通常涉及机械传送，包括机械臂传送、传送带等。机械臂传送使用机械臂来抓取和传送晶圆，这种方法会引入振动和冲击，对晶圆的制程和质量产生不利影响。晶圆被放置在传送带上，通过电机或其他驱动装置沿着设定的轨道进行传送，上述方法涉及直接接触，因此可能需要考虑摩擦和表面损伤。
3、公开号为cn113571442a的中国专利公开了晶圆处理装置及晶圆传送方法，上述方法虽然提高生产速度和生产率，但是存在晶圆直接接触，会导致晶圆表面的损伤，并且高度集成的晶圆处理装置通常伴随较高的成本。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出基于伯努利原理的晶圆传送控制方法及传送控制系统，通过综合利用计算机模拟、深度学习和自适应控制技术，有效提高了晶圆传送的智能化、自适应性和稳定性，使晶圆在传送过程中更为可靠、高效，并减小了晶圆损伤的可能性。
2、本申请公开的第一个方面
3、获取与晶圆传送相关的历史数据，其中历史数据是通过计算机模拟技术所获取；
4、构建混合深度神经网络模型，利用所述历史数据训练所述混合深度神经网络模型；
5、在晶圆传送带上设置气嘴，将晶圆尺寸、质量和传送路径输入至所述混合深度神经网络模型，生成第一传送数据；
6、所述气嘴根据所述第一传送数据控制气流在所述晶圆和传送带之间形成气垫，同时气嘴根据所述第一传送数据和传送路径调整气流的流量和方向，通过悬浮气垫对晶圆进行传送；
7、在晶圆传送带上设计实时监测系统，包括传感器和数据采集装置，实时监测晶圆传送，得到实时监测数据；
8、引入自适应控制算法，根据所述实时监测数据对第一传送数据进行实时调整，生成第二传送数据，所述气嘴根据所述第二传送数据进行实时调整；
9、所述监测系统将第二传送数据反馈至所述混合深度神经网络模型进行优化。
10、所述通过计算机模拟技术获取历史数据的步骤，包括：
11、确定计算机模拟的参数，包括各种晶圆尺寸、质量、传送路径、气流参数和气嘴信息；
12、利用流体动力学仿真软件ansys fluent，建立模型以描述晶圆在气流中的传送行为；
13、设定不同场景，模拟各种情况下的晶圆传送情景，包括不同晶圆尺寸、质量、传送路径、气流参数和气嘴信息；
14、运行计算机模拟，获取在设定场景下的晶圆传送过程中的数据，包括晶圆尺寸、质量、传送路径、气流参数和气嘴信息；
15、记录模拟结果，从模拟结果中选择表现较好、符合晶体传输稳定性和晶圆传送效率要求的数据，生成历史数据；
16、对历史数据进行标注，包括晶圆尺寸、质量、传送路径、气流参数和气嘴信息。
17、所述历史数据包括各种晶圆尺寸、质量、传送路径、气嘴信息和气流参数，其中，气嘴信息包括气嘴数量、气嘴布局、气嘴尺寸、气嘴状态和气嘴控制，气流参数包括气流速度、气流压力、气流方向和气流的稳定性。
18、所述构建混合深度神经网络模型是指基于神经网络和自注意力设计的混合模型；
19、混合深度神经网络模型包括输入层、卷积层、池化层、深度卷积前馈神经网络层和输出层；
20、输入层接收晶圆尺寸、质量和传送路径数据，公式为：
21、；
22、其中，表示第i个晶圆的数据，分别为第i个晶圆的尺寸、质量和传送路径数据，i为大于零的正整数；
23、卷积层提取第i个晶圆的数据特征，公式为：
24、；
25、其中，为1×1卷积层，为卷积层的权重，为卷积层的偏置权重，为激活函数，经过卷积层提取第i个晶圆的数据特征；
26、池化层从第i个晶圆的数据特征提取主要特征，公式为：
27、；
28、其中，poll为最大池化，为经过池化层提取第i个晶圆的数据特征的主要特征；
29、深度卷积前馈神经网络层从第i个晶圆的数据特征的主要特征中提取高级特征；
30、输出层输出第一传送数据，公式为：
31、；
32、其中，sigmoid为激活函数，为输出层的权重，为输出层的偏置权重，为第i个晶圆的第一传送数据。
33、所述深度卷积前馈神经网络层从第i个晶圆的数据特征的主要特征中提取高级特征，包括：
34、深度卷积前馈神经网络有两个分支组成，第一分支引入自注意力机制，第二分支在gelu激活函数后，使用深度卷积；
35、第一分支公式为：
36、；
37、其中，为全连接层，为批量归一化层，为激活函数；
38、第二分支公式为：
39、；
40、其中，为全连接层，为深度卷积，为激活层，为层归一化；
41、；
42、其中，为连接第一分支和第二分支的操作。
43、所述第一传送数据包括气嘴信息和气流参数，其中，气嘴信息包括气嘴数量、气嘴布局、气嘴尺寸、气嘴状态和气嘴控制，气流参数包括气流速度、气流压力、气流方向和气流的稳定性。
44、所述气嘴根据所述第一传送数据控制气流在所述晶圆和传送带之间形成气垫，包括：
45、气嘴通过控制气流的流动，将气流注入晶圆和传送带之间的空隙中，通过气流的注入，气流在晶圆和传送带之间形成压力差，在空隙形成一层薄薄的气垫。
46、所述实时监测数据包括晶圆在传送带上的位置、气垫的高度、气垫的压力、晶圆的状态和整个晶圆传送过程中气嘴及气流。
47、所述引入自适应控制算法，根据实时监测数据对第一传送数据进行实时调整，生成第二传送数据，所述气嘴根据所述第二传送数据进行实时调整的步骤，包括：
48、自适应控制算法对实时监测数据进行分析和处理；
49、自适应控制算法分析晶圆的当前状态和当前整个晶圆传送过程中气嘴信息及气流情况；
50、自适应控制算法对第一传送数据进行实时调整，即对气嘴信息和气流参数进行调整，生成第二传送数据；
51、根据第二传送数据，气嘴实时进行调整，包括调整气嘴信息和气流参数。
52、本申请公开的第二个方面，提供基于伯努利原理的晶圆传送控制系统，所述系统包括：
53、本文档来自技高网...
【技术保护点】
1.基于伯努利原理晶圆传送控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于伯努利原理晶圆传送控制方法，其特征在于，所述通过计算机模拟技术获取历史数据的步骤，包括：
3.根据权利要求2所述基于伯努利原理晶圆传送控制方法，其特征在于，所述构建混合深度神经网络模型是指基于神经网络和自注意力设计的混合模型；
4.根据权利要求3所述基于伯努利原理晶圆传送控制方法，其特征在于，所述深度卷积前馈神经网络层从第i个晶圆的数据特征的主要特征中提取高级特征，包括：
5.根据权利要求4所述基于伯努利原理晶圆传送控制方法，其特征在于，所述第一传送数据包括气嘴信息和气流参数，其中，气嘴信息包括气嘴数量、气嘴布局、气嘴尺寸、气嘴状态和气嘴控制，气流参数包括气流速度、气流压力、气流方向和气流的稳定性。
6.根据权利要求5所述基于伯努利原理晶圆传送控制方法，其特征在于，所述气嘴根据所述第一传送数据控制气流在所述晶圆和传送带之间形成气垫，包括：
7.根据权利要求6所述基于伯努利原理晶圆传送控制方法，其特征在于，所述实时监测数据
8.根据权利要求7所述基于伯努利原理晶圆传送控制方法，其特征在于，所述引入自适应控制算法，根据实时监测数据对第一传送数据进行实时调整，生成第二传送数据，所述气嘴根据所述第二传送数据进行实时调整的步骤，包括：
9.基于伯努利原理晶圆传送控制系统，实施权利要求1-8任一项所述的基于伯努利原理晶圆传送控制方法，其特征在于，所述系统包括：
10.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，以实现如权利要求1-8任一所述的基于伯努利原理晶圆传送控制方法中的步骤。
11.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1-8任一项所述的基于伯努利原理晶圆传送控制方法。
...【技术特征摘要】
1.基于伯努利原理晶圆传送控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于伯努利原理晶圆传送控制方法，其特征在于，所述通过计算机模拟技术获取历史数据的步骤，包括：
3.根据权利要求2所述基于伯努利原理晶圆传送控制方法，其特征在于，所述构建混合深度神经网络模型是指基于神经网络和自注意力设计的混合模型；
4.根据权利要求3所述基于伯努利原理晶圆传送控制方法，其特征在于，所述深度卷积前馈神经网络层从第i个晶圆的数据特征的主要特征中提取高级特征，包括：
5.根据权利要求4所述基于伯努利原理晶圆传送控制方法，其特征在于，所述第一传送数据包括气嘴信息和气流参数，其中，气嘴信息包括气嘴数量、气嘴布局、气嘴尺寸、气嘴状态和气嘴控制，气流参数包括气流速度、气流压力、气流方向和气流的稳定性。
6.根据权利要求5所述基于伯努利原理晶圆传送控制方法，其特征在于，所述气嘴根据所述第一传送数据控制气流在所述晶圆和传送带之间形成气垫，包括：
7.根据...
【专利技术属性】
技术研发人员：林坚，王彭，吴国明，王栋梁，
申请(专利权)人：泓浒苏州半导体科技有限公司，
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。