等离子体刻蚀工艺多物理场重构代理模型生成方法及系统

摘要: 本技术涉及半导体芯片制造工艺与人工智能结合的多智能体协同建模领域领域,尤其涉及等离子体刻蚀工艺多物理场重构代理模型生成方法及系统。背景技术:1、等离子体刻蚀工艺...
等离子体刻蚀工艺多物理场重构代理模型生成方法及系统

本技术涉及半导体芯片制造工艺与人工智能结合的多智能体协同建模领域领域,尤其涉及等离子体刻蚀工艺多物理场重构代理模型生成方法及系统。

背景技术:

1、等离子体刻蚀工艺作为半导体芯片制造的核心环节,其腔室内电势、电场、电子密度、离子密度、电子温度、离子能量、离子通量与晶圆温度等多物理场的时空分布直接决定刻蚀速率、剖面形貌与芯片良率。相关技术中,通过有限元分析、粒子网格方法及混合等离子体流体模型等数值求解手段,对离子连续方程、离子动量方程与泊松方程等控制方程进行耦合求解,能够较准确地反映腔室内的复杂物理行为。随着人工智能技术的发展,物理信息神经网络、深度算子网络、傅里叶神经算子及u-net等机器学习方法被引入多物理场重构领域,为构建兼具精度与效率的代理模型提供了新的技术路径。

2、然而,现有的代理模型构建方法中,直接采用单一网络结构对目标物理场进行独立建模,并没有针对等离子体刻蚀场景设计多智能体协同机制,由此可能会导致多物理场耦合一致性难以保证、不同尺度特征场难以兼顾重构精度,或者模型结构、损失权重与超参数依赖人工经验调试,从而影响代理模型在工艺参数漂移或腔室几何变化时的跨工况迁移能力与开发效率,难以满足数字孪生与实时工艺控制对高精度实时推理的迫切需求。

技术实现思路

1、本技术旨在至少在一定程度上解决相关技术中的技术问题之一。

2、本技术要解决的技术问题是:在等离子体刻蚀工艺场景下,如何利用多智能体协同机制,将工艺参数、腔室几何、稀疏传感器输入与历史仿真/实测数据统一纳入同一建模与搜索流程,自动生成并优化能够实时输出多物理场分布的高精度重构代理模型,同时兼顾重构精度、推理速度、物理一致性与跨工况可迁移性。为此,本技术提出一种等离子体刻蚀工艺多物理场重构代理模型生成方法。

3、本技术另一方面提出一种等离子体刻蚀工艺多物理场重构代理模型生成系统。

4、为达上述目的,本技术第一方面实施例提出了一种等离子体刻蚀工艺多物理场重构代理模型生成方法,包括:

5、获取等离子体刻蚀对应的全域基础输入数据,并通过数据解析智能体对全域基础输入数据进行预处理以构建结构化输入数据集;

6、通过先验检索智能体调取预置先验知识库,匹配获取目标物理场对应的物理约束要素,以构建适配目标物理场的物理约束库及候选策略库;

7、基于所述结构化输入数据集与所述候选策略库,通过模型生成智能体从预设候选模型族中进行模型筛选与结构组合,生成候选代理模型集;

8、基于所述物理约束库通过物理约束智能体将所述物理约束要素与局部高梯度区域约束编译为可训练的损失项与评价约束;

9、通过训练评价智能体利用所述结构化输入数据集,基于损失项与评价约束对所述候选代理模型集中的各候选代理模型进行检验,并基于评价指标对所有候选代理模型进行综合性能评分,以生成多物理场重构代理模型。

10、在本技术的一个实施例中,全域基础输入数据,包括工艺参数、腔室几何、稀疏传感器输入及历史仿真/实测数据;所述物理先验要素,包括控制方程、边界条件、守恒关系与先验经验;所述候选模型族包括物理信息神经网络、深度算子网络、物理信息深度算子网络、傅里叶神经算子、u-net 及其混合结构;所述工艺参数包括腔室参数与静电卡盘参数;所述腔室参数包括腔室压力、源射频功率、工艺气体流量、脉冲占空比、脉冲频率中的至少一项;所述静电卡盘参数包括偏置射频功率、脉冲占空比、脉冲频率、背面气体流量、冷却液流量、直流功率中的至少一项;所述腔室几何包括射频线圈几何、腔室高度、腔室径向尺寸、聚焦环高度、聚焦环宽度、聚焦环与晶圆边缘间隙、晶圆直径、晶圆厚度、静电卡盘台面尺寸中的至少一项;所述稀疏传感器输入包括稀疏温度测点、边缘测点、局部探针、在线监测信号中的至少一项。

11、在本技术的一个实施例中,生成多物理场重构代理模型,包括:

12、判定综合性能评分是否满足预设阈值,若不满足,则由诊断记忆智能体将失败原因、失配位置、无效约束与可迁移经验写入搜索记忆库,反向驱动模型生成智能体调整候选模型族的搜索空间并重新生成候选代理模型集;

13、若满足,则输出多物理场重构代理模型;所述多物理场重构代理模型用于基于所述工艺参数、所述腔室几何与所述稀疏传感器输入实时输出电势、电场、电子密度、离子密度、电子温度、离子能量、离子通量与晶圆温度中的一个或多个物理场分布。

14、在本技术的一个实施例中,所述物理约束库至少包括:以泊松方程为代表的电势—电场约束、以离子连续方程与离子动量方程为代表的离子输运约束、以电子玻尔兹曼关系或电子能量闭合为代表的电子分布约束、以热传导方程与等离子体热通量边界为代表的晶圆温度约束、以及鞘层 bohm 边界条件、绝缘边界条件与对称边界条件中的至少两种;

15、所述候选策略库根据所述目标物理场的类别、所述结构化输入数据集中可用数据的稀疏度与所述腔室几何中是否存在局部高梯度区域,从所述物理约束库中筛选可调用的约束组合。

16、在本技术的一个实施例中,所述通过模型生成智能体从预设候选模型族中进行模型筛选与结构组合,生成候选代理模型集,包括:

17、根据目标物理场是否需要由稀疏传感器输入到连续场输出的算子映射,从深度算子网络与物理信息深度算子网络中选择第一类候选;

18、根据所述目标物理场是否需要在显式嵌入控制方程的条件下完成训练,从所述物理信息神经网络与所述混合结构中选择第二类候选;

19、根据所述目标物理场是否需要进行高分辨率的二维或三维场重构,从傅里叶神经算子与所述 u-net 中选择第三类候选;

20、将所述第一类候选、所述第二类候选与所述第三类候选中的至少两类组合为所述候选代理模型集。

21、在本技术的一个实施例中,所述基于所述物理约束库通过物理约束智能体将所述物理约束要素与局部高梯度区域约束编译为可训练的损失项与评价约束,包括:

22、将控制方程、边界条件与守恒关系分别编译为残差形式的可加权损失项,并按目标物理场类别配置初始权重;

23、根据腔室几何中聚焦环、晶圆边缘与鞘层边缘所对应的局部高梯度区域,提高损失项中相应区域的采样密度和损失权重;

24、将稀疏传感器输入对应的测点位置作为观测一致性损失项加入训练目标。

25、在本技术的一个实施例中,所述评价指标包括:

26、重构误差指标,包括平均绝对误差、最大绝对误差与相对 l2 误差中的至少一项;

27、物理一致性指标,包括偏微分方程残差、边界条件残差与守恒残差中的至少一项;

28、局部区域指标,包括晶圆边缘区域误差、聚焦环附近区域误差与鞘层边缘区域误差中的至少一项;

29、效率指标,包括单样本推理时延、训练耗时与跨工况泛化能力中的至少一项;

30、所述综合性能评分由所述重构误差指标、所述物理一致性指标、所述局部区域指标与所述效率指标按预设权重加权得到。

31、在本技术的一个实施例中,所述诊断记忆智能体写入搜索记忆库的字段至少包括:失败的候选代理模型标识、失败原因、失配位置、被判定无效的物理约束项、局部可保留超参数配置、可迁移经验标签;

32、所述反向驱动所述模型生成智能体调整所述候选模型族的搜索空间,包括:从所述搜索记忆库中读取与当前所述目标物理场和所述腔室几何相匹配的可迁移经验,依据所述可迁移经验剔除已知不可行的网络结构、已知不可行的损失权重组合或已知不可行的采样策略,缩减所述候选模型族的搜索空间。

33、在本技术的一个实施例中,所述多物理场重构代理模型以下述任一种方式输出多物理场分布:

34、方式一,由单一所述多物理场重构代理模型并行输出所述电势、所述电场、所述电子密度、所述离子密度、所述电子温度、所述离子能量、所述离子通量与所述晶圆温度中的多个物理场分布;

35、方式二,由多个所述多物理场重构代理模型分别输出所述多个物理场分布中的一个,并按预设耦合关系进行结果融合后输出。

36、进一步地,为实现上述实施例,本技术提出一种等离子体刻蚀工艺多物理场重构代理模型生成系统,包括:

37、数据解析智能体模块,被配置为获取工艺参数、腔室几何、稀疏传感器输入及历史仿真/实测数据,并进行字段对齐与单位归一化,形成结构化输入数据集;

38、先验检索智能体模块,被配置为根据目标物理场,从控制方程库、边界条件库与模型族先例库中检索得到与所述目标物理场对应的控制方程、边界条件、守恒关系与先验经验,形成物理约束库与候选策略库;

39、模型生成智能体模块,被配置为根据所述结构化输入数据集与所述候选策略库,从候选模型族中筛选并组合形成候选代理模型集;

40、物理约束智能体模块,被配置为根据所述物理约束库,将所述控制方程、所述边界条件、所述守恒关系与局部高梯度区域约束编译为可训练的损失项与评价约束;

41、训练评价智能体模块,被配置为根据所述结构化输入数据集对所述候选代理模型集中的每一候选代理模型进行训练与验证,并基于评价指标对所述候选代理模型集进行综合评分与排序;

42、诊断记忆智能体模块,被配置为当所述综合评分不满足预设阈值时,将失败原因、失配位置、无效约束与可迁移经验写入搜索记忆库,反向驱动所述模型生成智能体模块调整所述候选模型族的搜索空间并重新生成所述候选代理模型集;当所述综合评分满足所述预设阈值时,输出多物理场重构代理模型。

43、本技术实施例的方法和系统,能够通过多智能体协同机制自动生成并优化等离子体刻蚀多物理场重构代理模型,实现多物理场联合高精度输出,提升重构精度与物理一致性。

44、与现有技术相比,本方案具备如下技术效果:

45、实现多智能体协同机制在等离子体刻蚀这一特定工业场景的应用:与现有多智能体框架停留于通用任务分解或方法发现不同,本技术围绕等离子体刻蚀场景设计了专用的智能体角色分工,使数据解析、先验检索、模型生成、物理约束编译、训练评价与失败诊断各步骤均由具有明确职责的智能体承担,提升了系统对等离子体刻蚀多物理场重构代理模型生成任务的专用性与可靠性。

46、实现多物理场联合输出:本技术的多物理场重构代理模型能够在同一代理模型或同一代理模型族框架下,同时输出电势、电场、电子密度、离子密度、电子温度、离子能量、离子通量与晶圆温度中的一个或多个物理场分布,克服了现有方法通常只能针对单一场或局部场进行预测的局限。

47、形成物理约束选择、模型搜索、训练评价与失败诊断的完整闭环:本技术将上述各环节纳入同一多智能体协同流程,通过搜索记忆库的失败诊断信息反向驱动模型生成智能体调整搜索空间,有利于在有限搜索轮次内提升重构精度与物理一致性。

48、具备跨工况迁移能力:诊断记忆智能体将有效经验与可迁移标签写入搜索记忆库,支持在工艺参数漂移、腔室几何变化或目标场切换时快速复用历史经验,显著缩短新工况下的代理模型开发周期。

49、兼顾离线训练与在线部署:本技术既能在离线环境下以仿真数据为主完成代理模型搜索与训练,也能将训练好的代理模型部署到在线推理环境,基于实时获取的工艺参数、腔室几何与稀疏传感器输入实时输出多物理场分布,同时服务工艺窗口搜索、数字孪生与控制辅助等应用场景。

50、本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。