[发明专利]机器学习方法、机器学习装置、机器学习程序、通信方法及成膜装置

说明书

本发明中：观测状态变量，该状态变量包含关于成膜的性能评价的至少1个物理量、以及至少1个成膜条件；根据所述状态变量，计算对所述至少1个成膜条件的决定结果的回报；根据所述回报，更新用于根据所述状态变量决定所述至少1个成膜条件的函数；通过反复进行所述函数的更新，从而决定获得所述回报最多的成膜条件；其中，所述至少1个成膜条件是关于真空排气系统的第1参数、关于加热冷却系统的第2参数、关于蒸发源系统的第3参数、关于工作台系统的第4参数、以及关于工艺气体系统的第5参数中的至少1个，所述至少1个物理量是关于皮膜的膜质特性、机械特性、以及物理特性中的至少1个。

技术领域

本发明涉及通过机器学习来学习成膜条件的技术。

背景技术

近几年，为了制造耐磨损性高的切削工具，通过对成为切削工具的基材实施物理蒸镀法(PVD法)来进行TiN、TiAlN、CrN等硬膜的成膜(例如专利文献1)。为了制造耐磨损性高的工具，要求恰当地决定成膜条件。

然而，以往，成膜条件依靠熟练技术人员的长年经验来决定。因此，难以容易地决定恰当的成膜条件。

现有技术文献

专利文献

专利文献1：日本专利公开公报特开2014-114507号

发明内容

本发明为了解决上述那样的课题而作，其目的在于提供一种能够容易地决定恰当的成膜条件的机器学习方法等。

近几年，在云端上提供各种各样与包括深度学习的机器学习有关的服务，使用者可以容易地利用这样的服务。因此，本发明人得出了如下的见解从而想到了本发明，即，如果对成膜条件以及关于成膜的性能评价的物理量进行机器学习，便能够容易地决定恰当的成膜条件。

本发明的一个方面所涉及的机器学习方法是机器学习装置决定成膜装置对作为基材的工件进行成膜的成膜条件的方法，所述成膜装置包含用于使腔室成为真空的真空排气系统、对所述腔室进行加热及冷却的加热冷却系统、使目标蒸发的蒸发源系统、用于载置工件的工作台系统、将工艺气体导入到所述腔室的工艺气体系统、以及蚀刻系统，所述机器学习方法包括以下步骤：获取状态变量，该状态变量包含关于成膜的性能评价的至少1个物理量、以及至少1个成膜条件；根据所述状态变量，计算对所述至少1个成膜条件的决定结果的回报；根据所述回报，更新用于根据所述状态变量决定所述至少1个成膜条件的函数；以及，通过反复进行所述函数的更新，从而决定获得所述回报最多的成膜条件；其中，所述至少1个成膜条件是关于所述真空排气系统的第1参数、关于所述加热冷却系统的第2参数、关于所述蒸发源系统的第3参数、关于所述工作台系统的第4参数、以及关于所述工艺气体系统的第5参数中的至少1个，所述至少1个物理量是关于皮膜的膜质特性、机械特性、以及物理特性中的至少1个。

本发明的另一个方面所涉及的机器学习装置是决定成膜装置对作为基材的工件进行成膜的成膜条件的装置，所述成膜装置包含用于使腔室成为真空的真空排气系统、对所述腔室进行加热及冷却的加热冷却系统、使目标蒸发的蒸发源系统、用于载置工件的工作台系统、将工艺气体导入到所述腔室的工艺气体系统、以及蚀刻系统，所述机器学习装置包括：状态获取部，获取状态变量，该状态变量包含关于成膜的性能评价的至少1个物理量、以及至少1个成膜条件；回报计算部，根据所述状态变量，计算对所述至少1个成膜条件的决定结果的回报；更新部，根据所述回报，更新用于根据所述状态变量决定所述至少1个成膜条件的函数；以及，决定部，通过反复进行所述函数的更新，从而决定获得所述回报最多的成膜条件；其中，所述至少1个成膜条件是关于所述真空排气系统的第1参数、关于所述加热冷却系统的第2参数、关于所述蒸发源系统的第3参数、关于所述工作台系统的第4参数、以及关于所述工艺气体系统的第5参数中的至少1个，所述至少1个物理量是关于皮膜的膜质特性、机械特性、以及物理特性中的至少1个。