离子注入参数优化方法、装置、电子设备及存储介质

本申请属于半导体材料，具体涉及一种离子注入参数优化方法、装置、电子设备及存储介质。

背景技术：

1、碳化硅(sic)作为目前发展最为成熟的宽带隙半导体材料，是继si和gaas之后第三代半导体的核心材料之一。与si和gaas为代表的传统半导体材料相比，碳化硅具有宽带隙、高击穿场强、高热导率、高饱和电子漂移速度和高键合能等优点，其优异的性能可以满足现代电子技术对高温、高频、大功率、高压以及抗辐射的要求，因而被看作是微电子领域最有前景的半导体材料之一。

2、离子注入是制作集成电路的重要工序。掺杂离子在高电场中打入靶内经过与原子、电子碰撞后失去能量后停止运动，这是一个随机过程。固体由原子核和电子组成，故射入固体的离子就要和其中的原子核及电子发生碰撞。在碰撞时，离子的运动方向发生偏折并失去能量，因此具有一定初始能量的离子入射到靶中，运动离子与衬底中的原子核和电子进行一系列碰撞损失能量，将走过一个十分曲折的路径最后停留在衬底内，最后停止在靶中的某一点。离子在碳化硅中的碰撞过程和行进路径对掺杂质量都会产生重要影响。

技术实现思路

1、本申请的目的是提供一种离子注入参数优化方法、装置、电子设备及存储介质以提高离子注入的掺杂质量。

2、根据本申请实施例的第一方面，提供了一种离子注入参数优化方法，该方法可以包括：

3、获取目标靶材的初始注入参数；

4、基于初始注入参数利用训练好的网络模型重复模拟离子注入，得到模拟仿真结果；

5、将模拟仿真结果与实际运行结果进行对比，并根据对比结果对初始注入参数进行调优，得到优化注入参数。

6、在本申请的一些可选实施例中，训练好的网络模型是通过下述方法训练得到的：

7、获取先验信息，先验信息为包括反应事件和参数的集合；

8、根据先验信息并利用模拟系统进行模拟离子注入，得到初始注入的空位和离子浓度分布；

9、利用初始注入的空位和离子浓度分布建立包含团簇动力学模型和电荷模型的多物理场耦合模型，并通过深度学习网络对多物理场耦合模型的偏微分方程进行求解训练，得到训练好的网络模型。

10、在本申请的一些可选实施例中，获取先验信息，包括：

11、获取待模拟系统的几何体参数，几何体参数包括入射粒子参数和靶层材料参数；

12、根据靶层材料参数，建立靶层模拟区域；

13、利用入射粒子参数和目标靶层模拟区域，建立反应事件和参数集合，得到先验信息。

14、在本申请的一些可选实施例中，获取待模拟系统的几何体参数，包括：

15、获取模拟参数，

16、根据模拟参数并通过ion类创建入射粒子参数；

17、根据模拟参数并通过target类创建靶层材料参数。

18、在本申请的一些可选实施例中，利用初始注入的空位和离子浓度分布建立包含团簇动力学模型和电荷模型的多物理场耦合模型，包括：

19、利用初始注入的空位和离子浓度分布，生成入射粒子和靶层的离子的反应事件。

20、在本申请的一些可选实施例中，将模拟仿真结果与实际运行结果进行对比，并根据对比结果对初始注入参数进行调优，得到优化注入参数，包括：

21、将离子注入机的实际运行数据作为先验信息，建立参数调优数据集；

22、根据参数调优数据集，结合全连接、卷积网络结构建立求解网络模型；

23、根据求解网络模型设置训练参数并训练，以使其收敛，得到收敛模型；

24、利用收敛模型对初始注入参数进行调优，得到优化注入参数。

25、根据本申请实施例的第二方面，提供一种离子注入方法，该离子注入方法利用第一方面任一项实施例所示的离子注入参数优化方法得到优化注入参数，并根据优化注入参数进行离子注入。

26、根据本申请实施例的第三方面，提供一种离子注入参数优化装置，该装置可以包括：

27、获取模块，用于获取目标靶材的初始注入参数；

28、仿真模块，用于基于初始注入参数利用训练好的网络模型重复模拟离子注入，得到模拟仿真结果；

29、调优模块，将模拟仿真结果与实际运行结果进行对比，并根据对比结果对初始注入参数进行调优，得到优化注入参数。

30、根据本申请实施例的第四方面，提供一种电子设备，该电子设备可以包括：

31、处理器；

32、用于存储处理器可执行指令的存储器；

33、其中，处理器被配置为执行指令，以实现如第一方面的任一项实施例中所示的离子注入参数优化方法或第二方面的实施例所示的离子注入方法。

34、根据本申请实施例的第五方面，提供一种存储介质，当存储介质中的指令由信息处理装置或者服务器的处理器执行时，以使信息处理装置或者服务器实现如第一方面的任一项实施例中所示的离子注入参数优化方法或第二方面的实施例所示的离子注入方法。

35、本申请的上述技术方案具有如下有益的技术效果：

36、本申请实施例方法首先利用训练好的网络模型进行模拟注入得到模拟仿真结果，然后利用实际生产过程检测数据和模拟仿真结果来训练深度学习网络模型，从而得到优化的离子注入参数，该方法可以对离子注入过程进行精准调控，进而大大提高离子掺杂质量。

技术特征：

1.一种离子注入参数优化方法，其特征在于，包括：

2.根据权利要求1所述的离子注入参数优化方法，其特征在于，所述训练好的网络模型是通过下述方法训练得到的：

3.根据权利要求2所述的离子注入参数优化方法，其特征在于，所述获取先验信息，包括：

4.根据权利要求3所述的离子注入参数优化方法，其特征在于，所述获取待模拟系统的几何体参数，包括：

5.根据权利要求2所述的离子注入参数优化方法，其特征在于，所述利用所述初始注入的空位和离子浓度分布建立包含团簇动力学模型和电荷模型的多物理场耦合模型，包括：

6.根据权利要求2所述的离子注入参数优化方法，其特征在于，所述将所述模拟仿真结果与实际运行结果进行对比，并根据对比结果对所述初始注入参数进行调优，得到优化注入参数，包括：

7.一种离子注入方法，其特征在于，利用权利要求1-6任一项所述的离子注入参数优化方法得到优化注入参数，并根据所述优化注入参数进行离子注入。

8.一种离子注入参数优化装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-6任一项所述的离子注入参数优化方法或权利要求7所述的离子注入方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-6任一项所述的离子注入参数优化方法或权利要求7所述的离子注入方法的步骤。

技术总结
本申请公开了一种离子注入参数优化方法、装置、电子设备及存储介质，属于半导体材料技术领域，其中，离子注入参数优化方法包括：获取目标靶材的初始注入参数；基于初始注入参数利用训练好的网络模型重复模拟离子注入，得到模拟仿真结果；将模拟仿真结果与实际运行结果进行对比，并根据对比结果对初始注入参数进行调优，得到优化注入参数。该方法利用训练好的网络模型进行模拟注入得到模拟仿真结果，并利用实际生产过程检测数据和模拟仿真结果来训练深度学习网络模型，从而得到优化的离子注入参数，该方法可以对离子注入过程进行精准调控，进而大大提高离子掺杂质量。

技术研发人员：阳王东,戚瑞轩,李肯立,肖国庆,李鸿露
受保护的技术使用者：湖南大学
技术研发日：
技术公布日：2024/1/15