一种基于多模态感知的材料生长闭环控制方法

本发明涉及半导体材料制备控制，具体为一种基于多模态感知的材料生长闭环控制方法。

背景技术：

1、分子束外延技术广泛应用于高质量半导体薄膜及低维量子结构材料的制备中。在该工艺过程中，材料最终的光学与结构性能通常受到基底温度、各源束流等效压以及表面生长模式等多个动态参量的共同影响。传统的材料生长控制体系主要依赖操作人员的工程经验，通常在单个外延生长批次完全结束后，将晶圆移出真空腔体并通过光致发光光谱或x射线衍射等异位表征手段获取性能数据，进而指导下一批次工艺配方的离线手动修正。这种事后反馈的调节模式不仅试错周期较长，且难以应对生长过程中突发的热力学波动，导致材料制备的重现性较低。

2、为了获取生长过程中的实时状态，部分外延设备配置了反射高能电子衍射系统以捕捉晶圆表面的原位图像。然而，现有的监控方案通常只针对局部的视觉图像或单一的温度传感器读数进行独立观测，未能将设备底层的时序标量数据与表面形貌演变进行有效的同步融合处理，导致感知端获取的信息无法全面反映复杂的腔体内部动力学环境。由于高频的原位监测数据与低频、滞后的异位表征结果在物理时间轴上存在固有错位，现有的数据处理架构难以跨越模态差异，无法准确建立底层工艺参数、微观状态转变与最终宏观光学性能之间的因果映射网络。

3、在这种数据利用率较低的开环或半开环控制模式下，控制系统难以深入解析多变量非线性耦合对底层量子结构维度的影响规律。这就造成现有设备无法在半导体材料外延生长的进程中，提前预判发光波长等关键性能指标的演化趋势与偏差。由于缺乏结合物理约束规律的实时状态预测机制与动态寻优算法，系统无法在偏离目标设定的初期自动生成优化指令并实施干预，现有的控制手段尚未能真正实现复杂外延生长环境下的在线闭环调控。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于多模态感知的材料生长闭环控制方法，解决了现有分子束外延材料生长控制主要依赖事后离线反馈，缺乏多源数据融合及物理因果映射机制，导致无法实现生长状态的实时预测与工艺参数的动态闭环调控的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于多模态感知的材料生长闭环控制方法，包括以下步骤：

3、同步采集分子束外延生长过程中的原位图像序列与原位标量数据；

4、获取历史异位表征数据，建立所述原位标量数据、所述原位图像序列与所述历史异位表征数据的时序映射数据库，实现各类数据的时间对齐；

5、提取所述原位图像序列的图像特征、所述原位标量数据的时序特征与所述历史异位表征数据的异位标签数据，将所述图像特征、所述时序特征与所述异位标签数据映射至共享潜在空间；

6、在所述共享潜在空间内构建多关系关联映射特征，输出融合状态结果；

7、基于所述融合状态结果预测材料当前的生长状态与材料所需性能结果，得到预测的性能指标；

8、当所述预测的性能指标偏离设定目标时，触发闭环运算循环生成分子束外延生长参数的修改优化指令，将所述修改优化指令下发至分子束外延设备完成参数调整。

9、进一步地，在基于底层时间戳对采集的所述原位标量数据、所述原位图像序列与所述历史异位表征数据进行跨模态时间对齐时，对于所述原位图像序列中的每一帧原位图像或所述原位标量数据中的每一组标量数据记录，按照携带的统一时间戳为检索基准，基于最近邻匹配逻辑在所述时序映射数据库中自动调取关联时间节点下的历史异位表征结果；

10、当检索判定连续时间段内缺少异位表征数据记录或者检测到部分原位硬件传感器通道掉线导致数据为空时，唤醒内置基于条件变分自编码器的生成网络的生成式辅助模块，将正常采集的可用原位特征张量输入所述生成网络，输出逼近真实物理分布的虚拟异位标签填补所述时序映射数据库中的空缺片段。

11、进一步地，在执行离线训练步骤时所述生成网络的联合损失函数通过将三项损失进行线性组合获取，包含所述生成网络输出的虚拟异位标签数据与所述历史异位表征数据中的历史真实标签数据之间的重构损失、乘散度权重系数的库尔贝克-莱布勒散度、乘物理权重系数的物理信息约束损失项；在计算所述库尔贝克-莱布勒散度时，在相关对数运算项内部常数补偿一个极小的正向偏置参数。

12、进一步地，将所述图像特征、所述时序特征与所述异位标签特征映射至所述共享潜在空间的步骤包括：

13、将所述原位图像序列输入三维残差网络，将所述图像特征提取为图像特征向量；将所述原位标量数据合并得到的多维时间序列张量执行标准化操作并在叠加正弦位置编码后，输入包含多层多头注意力架构的网络计算节点中，将所述时序特征提取为时序标量特征向量；利用包含隐含层的多层感知机对所述历史异位表征数据结构化后的历史标签向量进行线性投影和非线性激活处理，转化为异位标签特征向量；

14、通过参数化投影矩阵，将所述图像特征向量映射为查询特征矩阵，将所述时序标量特征向量与所述异位标签特征向量沿通道维度拼接组合后，分别映射为键特征矩阵与值特征矩阵，通过模态间交叉注意力机制输出位于所述共享潜在空间内的高维融合特征表示张量。

15、进一步地，在所述共享潜在空间内构建多关系关联映射特征的步骤包括：

16、划分三种属性类别的网络节点，第一类为映射基底温度与各个蒸发源束流等效压的参数节点，第二类为映射表面重构斑点亮度与生长模式转变的状态节点，第三类为映射当前有效尺寸、元素成分比例和材料所需性能结果的性能节点；调用双线性注意力层计算所述参数节点中的温度参数节点与各类束流参数节点的交互映射权重获取双线性交互特征矩阵；运行图卷积层在有向节点间传递因果信息，提取源节点在上一隐层的输入特征表示，左乘当前图网络层的特征维度转换矩阵；随后除以图结构归一化常数与极小正向偏置项之和；接着对通过因果链有向边与目标节点相连接的所有源特征节点集合进行求和聚合计算；最后将聚合结果输入非线性激活函数进行映射，输出所述目标性能节点在当前网络隐层的更新特征表示。

17、进一步地，基于所述融合状态结果预测材料当前的生长状态与材料所需性能结果的步骤包括：

18、将位于所述共享潜在空间内的高维融合特征表示张量与所述融合状态结果包含的一维融合状态张量进行特征融合拼接构成综合状态向量；将所述综合状态向量输入包含串联隐层的编码器结构，经过自注意力机制的特征提炼与压缩运算提取为隐状态向量；由长短期记忆网络构建的解码器接收所述隐状态向量，基于所述当前隐状态向量逐时间步前向推理，输出时间窗口内的生长状态预测序列。

19、进一步地，当所述材料所需性能结果为发光波长时，在所述解码器网络的训练与推理过程中，在所述解码器模型的损失函数中将物理经验公式作为加权正则化项嵌入构建物理约束方程，物理约束方程变量包含所述生长状态预测序列中的预测发光波长、本征带隙能量、约化普朗克常数、有效质量、有效半径参数与常数微调项的和、基本元电荷常数和介电常数。

20、进一步地，当所述材料所需性能结果为发光波长时，确认预测的性能指标偏离设定目标的步骤包括：

21、获取所述预测的发光波长并与预设的目标发光波长进行作差计算获得波长偏差绝对值；综合评估所述波长偏差绝对值是否超出设定的公差带，或者同步预测的光致发光积分强度与半峰全宽指标是否偏离对应历史最优状态阈值的10%；当多维度的评估逻辑确认所述预测的性能指标整体偏离设定目标时，主控终端生成状态越限信号激活决策控制模块触发所述闭环运算循环。

22、进一步地，在生成所述分子束外延生长参数的修改优化指令的步骤中，采用第一种并行的参数优化策略，采用近端策略优化算法构建策略网络；

23、所述策略网络的状态空间输入矩阵，由位于所述共享潜在空间内的高维融合特征表示张量与所述解码器输出的预测状态向量沿特征通道拼接构成；所述策略网络前向推理输出的动作空间包含基底温度调整量、束流比调整量、生长时间调整量或快门开启时长调整量；当所述材料所需性能结果为发光波长时，采用的奖励函数包含所述预测发光波长与所述目标发光波长之间的偏差绝对值、光致发光半峰全宽指标和光致发光积分强度的多维度评估奖励计算标量值，在网络权重更新计算中目标函数内部引入基于新旧动作概率比值的截断裁剪机制。

24、进一步地，在生成所述分子束外延生长参数的修改优化指令的步骤中，采用第二种并行的参数优化策略，基于贝叶斯优化算法采用高斯过程作为代理模型；

25、所述代理模型选用matern5/2协方差核函数刻画数据点之间的空间相关性；在计算协方差核矩阵的逆矩阵时，在核矩阵的对角线上引入极小正向常数作为白噪声正则化项；在当前生长参数邻域内执行离散采样迭代，通过最大化期望改进采集函数解算出最优参数组合指令作为所述修改优化指令。

26、本发明提供了一种基于多模态感知的材料生长闭环控制方法。具备以下有益效果：

27、1、本发明通过统一时间戳与最近邻匹配逻辑实现原位图像、标量数据与历史异位表征数据的时序对齐，消除了多源传感器的采样频率差异，在此基础上，系统引入条件变分自编码器构建生成网络，在传感器通信异常导致部分模态数据缺失时，结合复合损失函数利用可用特征自适应生成虚拟异位标签填补数据空缺，保障了闭环控制系统在局部硬件断连工况下的连续稳定运行。

28、2、本发明通过在共享潜在空间内通过异质图神经网络构建多关系关联映射，将数据特征提取与半导体物理因果网络相融合，通过双线性注意力层计算基底温度与束流等效压的交互映射权重，结合图卷积层在参数节点、状态节点与性能节点间逐级传递因果信息，显式地建模了工艺条件对底层量子结构演变的影响路径，提升了特征表示的准确度以及预测结果的物理可解释性。

29、3、本发明在预测解码器的损失函数中嵌入包含带隙能量和量子半径的物理约束方程作为正则化项，并利用常数微调项防止算术溢出，强制预测数值遵循物理边界限制以防止模型发散，在闭环控制阶段，系统通过带有梯度截断裁剪机制的强化学习控制器或带有白噪声正则化的贝叶斯优化控制器，对下发的修改优化指令进行约束，避免了参数单次调整跨度过大引发的外延晶格损伤，实现了精密设备工艺参数的动态安全寻优。