[发明专利]一种晶体生长预测方法及装置

说明书

本申请公开了一种晶体生长预测方法及装置，用以解决现有的预测方法计算量大、耗费时间长、无法进行在线预测的问题。该方法获取若干待预测的晶体生长的热场图；根据预先训练好的卷积神经网络模型，提取待预测的热场图的图片特征；根据提取出的图片特征以及预先训练好的长短期记忆网络模型，预测预设时间后晶体生长的热场图的图片特征；根据所述预设时间段后晶体生长的热场图的图片特征，得到以下一项或多项：晶体生长的热场分布数据、晶体形状变化数据、晶体的应力分布数据。这种方法能够以较短的时间实现对晶体生长的预测，实现在线预测。

技术领域

本申请涉及晶体生长技术领域，尤其涉及一种晶体生长预测方法及装置。

背景技术

碳化硅晶体具有热导率高、临界击穿电场高、介电常数低、化学稳定性好等优点，被认为是制造光电子器件、高频大功率器件的理想的半导体材料，广泛应用在屏幕显示、航天航空、高温辐射环境、石油勘探、自动化等方面。

目前，晶体生长的方法包括物理气相传输法(Physical Vapor Transport，PVT)、化学气相沉积法(Chemical Vapor Deposition，CVD)、溶液法生长等。以碳化硅晶体生长所采用的PVT为例，碳化硅晶体生长所需的温度通常高达几千摄氏度，在这种高温环境下，为了获得晶体生长过程中的各种数据，包括热场分布、晶体形状变化、晶体的应力分布等数据，通常需要通过STR virtual reactor、ANSYS、COMSOL等模拟软件，对单晶生长过程进行数值模拟以及数值分析计算，以获得晶体生长过程中的各项数据。

而模拟软件在进行数值分析时，通常采用有限体积法进行计算。这一过程需要耗费巨大的计算量，从而导致进行一次数值分析以及预测需要耗费大量的时间，无法实现对晶体生长演化过程的在线精确预测，不利于对晶体生长过程的精确把握。

发明内容

本申请实施例提供一种晶体生长预测方法及装置，用以解决现有的预测方法计算量大、耗费时间长、无法进行在线预测的问题。

本申请实施例提供的一种晶体生长预测方法，包括：

获取若干待预测的晶体生长的热场图；

根据预先训练好的卷积神经网络模型，提取待预测的热场图的图片特征；

根据提取出的图片特征以及预先训练好的长短期记忆网络模型，预测预设时间段后晶体生长的热场图的图片特征；

根据所述预设时间段后晶体生长的热场图的图片特征，得到以下一项或多项：晶体生长的热场分布数据、晶体形状变化数据、晶体的应力分布数据。

在一个实施例中，根据预先训练好的卷积神经网络模型，提取待预测的热场图的图片特征之前，所述方法还包括：获取若干晶体生长的热场图，作为训练集数据；对所述训练集数据采用五折交叉验证方法，训练卷积神经网络模型，得到所述训练好的卷积神经网络模型。

在一个实施例中，所述预先训练好的长短期记忆网络模型通过以下方式获得：根据训练过程中卷积神经网络模型输出的图片特征，以及所述训练集数据，训练长短期记忆网络模型，得到所述训练好的长短期记忆网络模型。

在一个实施例中，获取若干晶体生长的热场图，作为训练集数据，具体包括：采用模拟软件，获得晶体生长过程的热场变化视频；根据预设时间间隔，从所述视频中截取若干热场图，作为训练集数据。

在一个实施例中，获取晶体生长的训练集数据，具体包括：分别获取晶体生长的热场图与应力分布图；将获得的相应时刻的热场图与应力分布图合并为热场应力分布图，作为训练集数据。

在一个实施例中，采用模拟软件，获得晶体生长过程的热场变化视频，具体包括：以晶体所在的反应炉的轴心为中心线，确定穿过所述中心线的纵剖面；采用模拟软件，获得晶体生长过程中在所述纵剖面的热场变化视频。