Dados

Dec 20, 2023

Scientific Reports volume 13, Número do artigo: 7517 (2023) Citar este artigo

405 acessos

1 Altmétrica

Detalhes das métricas

A automação completa da fabricação de materiais com alta produtividade é um problema-chave no processamento de alguns materiais. No crescimento de cristal de zona flutuante (FZ), que é um processo de fabricação de bolachas semicondutoras, como silício, um operador controla adaptativamente os parâmetros de entrada de acordo com o estado do processo de crescimento de cristal. Como a dinâmica de operação do crescimento do cristal FZ é complicada, a automação costuma ser difícil e, geralmente, o processo é controlado manualmente. Aqui demonstramos o controle automatizado do crescimento do cristal FZ por aprendizado de reforço usando a dinâmica prevista pela modelagem de mistura gaussiana (GMM) a partir de um pequeno número de trajetórias. Nosso método proposto de construir o modelo de controle é totalmente orientado a dados. Usando um programa emulador para crescimento de cristal FZ, mostramos que o modelo de controle construído por nosso modelo proposto pode seguir com mais precisão a trajetória de crescimento ideal do que as trajetórias de demonstração criadas pela operação humana. Além disso, revelamos que a otimização de políticas perto das trajetórias de demonstração realiza um controle preciso seguindo a trajetória ideal.

A aplicação da informática nos permitiu obter otimização, automação e avanços eficientes no processamento de materiais1,2,3,4,5,6,7,8,9. O projeto de condições e ambientes para processamento de materiais foi otimizado com eficiência usando modelos substitutos construídos por redes neurais ou outros algoritmos de aprendizado de máquina1,2,6,10,11,12,13. A otimização bayesiana pode reduzir com sucesso o número de tentativas para aquisição de condições favoráveis ​​para processamento de materiais14,15,16,17. Por outro lado, o processamento de alguns materiais requer controle manual de acordo com as informações obtidas durante a operação e é difícil de automatizar. Por exemplo, no crescimento de cristal de zona flutuante (FZ), que é usado para produzir bolachas de silício e vários tipos de materiais cristalinos, como semicondutores, óxidos, metais e compostos intermetálicos, um operador controla adaptativamente os parâmetros de entrada para manter as condições preferenciais para crescimento de cristal único monitorando o estado do fundido na câmara18,19,20,21,22,23,24,25,26,27,28. No presente estudo, objetivamos construir um modelo de controle para operação automatizada de crescimento de cristal FZ a partir de um pequeno número de trajetórias de operação.

O crescimento de cristal FZ foi desenvolvido para produzir monocristais de silício de alta pureza sem que a zona fundida entre em contato com quaisquer materiais estranhos. Apesar de sua vantagem no crescimento de cristais de alta pureza, o aumento do diâmetro do cristal é difícil em comparação com outras técnicas de crescimento de cristais, como o método Czochralski. Bolachas de silício relativamente pequenas são fabricadas por crescimento de cristal FZ usando aquecimento de RF. A Figura 1 mostra uma ilustração esquemática do crescimento do cristal FZ. Neste método, parte de uma haste policristalina é aquecida para criar uma fusão FZ, e a haste superior (alimentação) e a haste inferior (semente) são movidas para baixo para manter a fusão FZ pela tensão superficial; finalmente, o cristal cresce na haste da semente. Um operador controla os parâmetros de entrada, como a potência de aquecimento e a velocidade da barra de alimentação, para que o derretimento FZ não se separe ou escorra. Além disso, o operador deve formar uma certa forma na qual o diâmetro do cristal é primeiro reduzido (chamado "necking") e depois aumentar o diâmetro do cristal para obter um único cristal. Uma vez que a dinâmica do estado de fusão dependendo dos parâmetros de entrada é não linear e complicada, é difícil simular o processo de crescimento de cristal FZ, como foi alcançado por outros métodos de crescimento de cristal29,30,31,32,33. Assim, é necessário prever a dinâmica de crescimento do cristal FZ a partir das trajetórias de operação. Devido à dificuldade de adquirir inúmeras trajetórias de operação para o crescimento do cristal FZ, recentemente propusemos a adaptação do modelo de mistura gaussiana (GMM) para prever a dinâmica do crescimento do cristal FZ e demonstramos que o GMM pode prever com precisão as trajetórias de operação a partir de apenas cinco trajetórias usadas para treinamento34. No presente estudo, construímos um modelo de controle por aprendizado por reforço usando otimização de política proximal (PPO) e dinâmica predita por GMM.