[发明专利]一种基于改进混合优化算法的纳米薄膜参数反演计算方法

权利要求书

1.一种基于改进混合优化算法的纳米薄膜参数反演计算方法，其特征在于：所述的混合优化算法是利用爬山算法对全连接神经网络的权值进行迭代优化而建立的改进后混合算法，所述的纳米薄膜参数反演计算方法包括以下步骤：

A：所述的纳米薄膜是在基底层上镀介质薄膜后形成的顺序由基底层、中间层和介质薄膜层组成的三层结构纳米薄膜，利用椭偏仪对纳米薄膜进行实验测量获得的椭偏参数值，并将测量时的环境参数值、基底层已知参数值作为学习样本；

B：采用混合优化算法作为学习训练用的最优化算法，将步骤A中所述学习样本代入最优化算法进行机器学习；

C：利用误差评价函数对介质薄膜层参数求解效果进行评价，并将误差评价函数值的大小作为评价求解效果的标准，认定误差评价函数值小于或等于5为可接受范围，在该范围内误差评价函数值越小，则对应的介质薄膜层参数的值越接近真值。

2.根据权利要求1所述的一种基于改进混合优化算法的纳米薄膜参数反演计算方法，其特征在于：所述的基底层为硅薄膜层，介质薄膜层为二氧化硅薄膜层或氮化硅薄膜层，所述的纳米薄膜是在基底层上镀介质薄膜层后形成的透明的纳米薄膜，所述的中间层是由基底层与介质薄膜层之间反应产生而成的产物膜层，所述的介质薄膜层厚度为20-1000纳米。

3.根据权利要求1所述的一种基于改进混合优化算法的纳米薄膜参数反演计算方法，其特征在于：所述全连接神经网络是采用3层结构的反向误差传递神经网络结构算法。

4.根据权利要求1所述的一种基于改进混合优化算法的纳米薄膜参数反演计算方法，其特征在于：所述步骤A中先使用光谱型椭偏仪在近紫外至红外波长范围内对纳米薄膜的椭偏参数值进行采集，并将采集到的椭偏参数值作为反演计算的输入值，再将实际情况为三层结构的纳米薄膜等效为理想的二层结构薄膜，忽略中间层的影响，并建立入射波长与纳米薄膜光学常数之间的色散关系，以此对介质薄膜层参数的后续计算进行预处理。

5.根据权利要求1所述的一种基于改进混合优化算法的纳米薄膜参数反演计算方法，其特征在于所述步骤B中学习样本带入最优化算法进行机器学习的过程为：利用爬山算法对全连接神经网络的权值进行优化，再将步骤A中所述的环境参数值和基底层已知参数值作为神经网络的输入，介质薄膜层参数作为神经网络的输出，通过神经网络多组训练值，最终使得全连接神经网络计算出介质薄膜层参数。

6.根据权利要求1所述的一种基于改进混合优化算法的纳米薄膜参数反演计算方法，其特征在于：所述步骤C中的介质薄膜层参数的求解是采用光谱型椭偏仪实验测量获得的纳米薄膜的椭偏参数值、环境参数值及基底层已知参数值来训练改进混合优化算法后的全连接神经网络得出介质薄膜层各项参数，所采用的误差评价函数为：

，

其中，K为采样点数目，N为需要求解的参数个数，为实验测量得到的椭偏参数值，为根据假设模型计算得到的椭偏参数值，和是实验测量得到的椭偏参数值（Ψ，Δ）的标准偏差。