半导体先进过程控制的参数优化控制方法

摘要

本发明公开了一个半导体先进过程控制（APC）的参数优化控制方法。在半导体工艺过程中，针对间歇过程的优化控制方法，传统方法一般采用线性预测模型。本发明采用基于遗传算法优化的BP神经网络预测模型，通过遗传算法对神经网络的初始权值和阈值进行优化，根据每个染色体所对应的适应度函数F，采用选择操作、概率交叉和变异操作等，并输出最优解，由此确定BP神经网络的最优初始权值和阈值，利用附加动量方法和变学率学算法提高BP神经网络的性能，使其经过训练后能很好的预测非线性模型。该方法中遗传算法具有很好的全局搜索能力，容易等到全局最优解，或性能很好的次优解，这对于提高神经网络的建模能力，有很好的促进作用。

主权项

半导体先进过程控制的参数优化控制方法，包括以下步骤：S1：对经过工艺加工后晶圆的至少一个相关工艺参数进行实时的数据采集；S2：利用遗传算法建立半导体工艺参数BP神经网络非线性预测模型；S3：利用步骤S2所述BP神经网络非线性预测模型对晶圆的相关工艺参数进行预测；S4：对步骤S1中实时采集的数据与步骤S3中预测模型预测的数据进行指数加权移动平均控制算法处理，进而调整所述晶圆当前的工艺参数，然后转入步骤S1，直至完成工艺过程。