本技术涉及一种利用贝叶斯优化技术对铪锆氧薄膜工艺参数进行优化的方法和系统。该方法首先制备铪锆氧薄膜,然后收集薄膜的性能数据,建立工艺参数与性能之间的关系模型,并通过贝叶斯优化算法寻找最优工艺参数,以提高薄膜性能。
背景技术
人工智能发展迅速,对于算力提出了巨大的要求,在这样的背景下存算一体被提出,以期解决传统计算架构存储墙的问题。铁电器件在实现存算一体方面有巨大潜力,但是半导体工艺极其复杂,开发这些支持人工智能芯片的关键流程仍然由流程工程师利用直觉和经验来完成,通常需要反复试验。人工智能在制造新芯片的工艺工程中的应用引起了人们的普遍兴趣。
人工智能有许多计算机算法在复杂任务中表现优于人类的例子,例如玩棋盘游戏,如国际象棋和围棋。然而,在这些情况下,计算机只有在训练或生成大量廉价数据后才能做出决定。相比之下,收集硅晶圆的工艺数据成本高昂,因此,工程师在开发半导体工艺时,通常只测试数百个(数万亿个)不同的参数组合,如压力、功率、反应性气体流量和晶圆温度。与有明确规则的棋盘游戏不同,晶圆反应器系统由晶圆材料、等离子体和反应器部件之间不可估量的微观物理和化学相互作用控制。由于在特定感兴趣区域缺乏足够的数据,因此很难形成具有原子级精度的计算机模型,这被称为“小”数据问题。因此,相对于经验丰富的工艺工程师来说,如何降低开发半导体工艺的目标成本(即最大限度地减少需要收集的数据数量),给人工智能带来了新的挑战。
实现思路