一种基于模型联动的氧化镓晶体生长控制方法、装置、设备及介质与流程
本技术涉及晶体材料生长,特别涉及一种基于模型联动的氧化镓晶体生长控制方法、装置、设备及介质。
背景技术:
1、氧化镓()作为第四代超宽禁带半导体的典型代表,具有高达4.9ev的禁带宽度、约8mv/cm的击穿电场强度以及高达321的巴里加优值,在超高压大功率电力电子器件、深紫外光电探测器等领域展现出巨大的应用前景。目前,大尺寸高质量氧化镓单晶的制备方法主要包括导模法(efg)、坩埚下降法(bridgman)、提拉法(cz)以及浮区法(fz)等。
2、然而,在实际的氧化镓晶体生长过程中会涉及电磁感应加热、辐射-传导-对流多物理场传热、高温熔体流体力学及界面结晶动力学,导致现有方法经常出现晶体生长界面失稳的问题。同时,由于不同衬底取向与掺杂类型等参数差异会使得熔体对流、温度梯度敏感性、热应力分布等存在显著差异,使得现有方法难以适配所有生长场景,高度依赖工程师的试错经验。
3、因而现有技术还有待改进和提高。
技术实现思路
1、本技术要解决的技术问题在于,针对现有技术的不足,提供一种基于模型联动的氧化镓晶体生长控制方法、装置、设备及介质。
2、为了解决上述技术问题,本技术第一方面提供了一种基于模型联动的氧化镓晶体生长控制方法,其中,所述的基于模型联动的氧化镓晶体生长控制方法具体包括:
3、通过大模型对操作员交互的自然语言指令进行解析以获取长晶任务,并基于所述长晶任务在预设氧化镓晶体生长模型库中调用目标氧化镓晶体生长模型,其中,所述长晶任务包括生长方法、晶体面型以及掺杂类型中的一种或多种;
4、基于所述目标氧化镓晶体生长模型对所述氧化镓晶体生长进行闭环控制;
5、其中,闭环控制中的每个控制步均包括:
6、从晶体生长炉采样生长数据,并基于所述生长数据和若干历史控制量构建特征向量;
7、将所述特征向量输入所述目标氧化镓晶体生长模型,通过所述目标氧化镓晶体生长模型输出预测控制量;
8、基于所述预测控制量对所述晶体生长炉进行控制。
9、所述基于模型联动的氧化镓晶体生长控制方法,其中,所述生长数据包括相对时间、相对位置、相对重量以及相对生长速率。
10、所述基于模型联动的氧化镓晶体生长控制方法,其中,所述基于所述长晶任务在预设氧化镓晶体生长模型库中调用目标氧化镓晶体生长模型具体包括:
11、读取所述预设氧化镓晶体生长模型库中每个氧化镓晶体生长模型对应的生长场景;
12、在获取的生长场景中选取所述长晶任务适配的目标生长场景,并将所述目标生长场景对应的氧化镓晶体生长模型作为目标氧化镓晶体生长模型。
13、所述基于模型联动的氧化镓晶体生长控制方法,其中,所述基于所述目标氧化镓晶体生长模型对所述氧化镓晶体生长进行闭环控制之前,所述方法还包括:
14、检测氧化镓晶体生长模型的更换操作,更换操作为通过下拉菜单或路径浏览所形成的;
15、调用所述更换操作对应的新的氧化镓晶体生长模型,并采用新的氧化镓晶体生长模型替换所述目标氧化镓晶体生长模型。
16、所述基于模型联动的氧化镓晶体生长控制方法,其中,所述预设氧化镓晶体生长模型库中的每个氧化镓晶体生长模型的训练过程和/或离线调优包括:
17、利用训练数据集对待训练的氧化镓晶体生长模型进行训练以得到中间氧化镓晶体生长模型,并获取所述中间氧化镓晶体生长模型对应的训练日志,其中,所述训练日志包括训练损失、决定系数、均方误差以及特征参数;
18、利用大模型对所述训练日志进行深度推理以得到氧化镓晶体生长模型的模型状态,并基于所述模型状态对所述氧化镓晶体生长模型的模型参数进行调整;
19、重新利用训练数据集对待训练的氧化镓晶体生长模型进行训练以得到中间氧化镓晶体生长模型的步骤,直至预设结束条件被满足,并将满足预设结束条件的中间氧化镓晶体生长模型作为训练后的氧化镓晶体生长模型。
20、所述基于模型联动的氧化镓晶体生长控制方法,其中,所述利用大模型对所述训练日志进行深度推理以得到氧化镓晶体生长模型的模型状态具体包括:
21、获取氧化镓晶体生长模型对应的生长场景,并基于所述生长场景获取模型评估指标;
22、在所述训练日志中选取所述模型评估指标对应的模型指标值,并依据模型指标值和所述生长场景确定所述氧化镓晶体生长模型的模型状态;
23、其中,所述模型评估指标和所述生长场景的对应关系为:
24、当生长场景对应高掺杂类型时,所述模型评估指标包括功率平滑度和决定系数;
25、当生长场景对应大尺寸面型时,所述模型评估指标包括决定系数、热滞后相位差和长序列累计预测误差。
26、所述的基于模型联动的氧化镓晶体生长控制方法,其中,在预设氧化镓晶体生长模型库中的每个氧化镓晶体生长模型的训练过程和/或离线调优过程中,对用于训练和/或离线调优的训练数据集进行数据清洗,其中,所述数据清洗包括多拉雅尔异常值剔除、卡尔曼滤波平滑、多重插补缺失值处理、化料功率标准化以及衍生特征生成中的一种或多种。
27、所述基于模型联动的氧化镓晶体生长控制方法,其中,所述基于所述预测控制量对所述晶体生长炉进行控制具体包括:
28、将所述预测控制量作为先验知识,并获取若干步的实际输出功率;
29、基于所述先验知识和所述若干步的实际输出功率,利用贝叶斯波动抑制方法确定目标控制量;
30、将所述目标控制量下发给所述晶体生长炉对应的加热控制器,通过所述加热控制器对所述晶体生长炉进行控制。
31、所述的基于模型联动的氧化镓晶体生长控制方法,其中,当晶体生长炉配备多源加热系统时,在基于所述预测控制量对所述晶体生长炉进行控制的过程中,会按照协同加热控制流程对晶体生长炉进行控制,其中,协同加热控制流程具体为:
32、感应加热启动;
33、在感应加热温度稳定后,启动坩埚底部的电阻加热器;
34、当形成固液共存的初始生长界面后,启动辅助激光加热系统,并控制籽晶杆或坩埚平台以预设速度下降。
35、本技术第二方面提供了一种基于模型联动的氧化镓晶体生长控制装置,其中,所述的基于模型联动的氧化镓晶体生长控制装置具体包括:
36、预测模块,用于通过大模型对操作员交互的自然语言指令进行解析以获取长晶任务,并基于所述长晶任务在预设氧化镓晶体生长模型库中调用目标氧化镓晶体生长模型,其中,所述长晶任务包括生长方法、晶体面型以及掺杂类型中的一种或多种;
37、控制模块,用于基于所述目标氧化镓晶体生长模型对所述氧化镓晶体生长进行闭环控制,其中,闭环控制中的每个控制步均包括从晶体生长炉采样生长数据,并基于所述生长数据和若干历史控制量构建特征向量;将所述特征向量输入所述目标氧化镓晶体生长模型,通过所述目标氧化镓晶体生长模型输出预测控制量;以及基于所述预测控制量对所述晶体生长炉进行控制。
38、本技术第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的基于模型联动的氧化镓晶体生长控制方法中的步骤。
39、本技术第四方面提供了一种终端设备,其包括:处理器和存储器;
40、所述存储器上存储有可被所述处理器执行的计算机可读程序;
41、所述处理器执行所述计算机可读程序时实现如上任一所述的基于模型联动的氧化镓晶体生长控制方法中的步骤。
42、有益效果:
43、1、本技术通过大模型解析操作员交互的自然语言指令中的长晶任务,并依据该长晶任务选取通过细分工况建立的目标氧化镓晶体生长模型,然后通过该目标氧化镓晶体生长模型对所述氧化镓晶体生长进行闭环控制,实现了大模型与氧化镓晶体生长模型的双层联动,降低了对人工经验的依赖,可以适配不同衬底取向、不同掺杂类型等多种氧化镓晶体生长场景。同时,通过目标氧化镓晶体生长模型的高精度前向预测,可以有效解决晶体生长界面失稳的问题。
44、2、本技术通过大模型与操作员进行交互,操作员无需记忆和配置繁琐的工艺参数,只需通过自然语言指令即可触发大模型动态调度对应的氧化镓晶体生长模型,极大地降低了操作门槛。
45、3、本技术在模型训练与离线调优过程中可以根据不同长晶场景匹配对应评估指标确定模型状态并调整模型参数,提升了训练得到的氧化镓晶体生长模型在对应场景下的预测准确性,能够为氧化镓晶体生长控制提供更精准的控制参数。
46、4、本技术采用相对指标代替绝对物理量,有效消除了数据泄露,提升了模型的跨炉台泛化能力。同时引入贝叶斯优化算法,抑制了预测功率的大幅波动,保证了热场的平稳过渡,降低了晶体开裂率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com