PofoliaPofolia ile paylaşıldı

Engineering Optimization· 2026Q2

Heteroscedastik Gauss süreci kullanılarak plazma aşındırma işleminin belirsizlik ölçümü ve parametre optimizasyonu

Uncertainty quantification and parameter optimization of a plasma etching process using a heteroscedastic Gaussian process

Yongsu Jung, Minji Kang, M. S. Kim, Geon Lim ve diğerleri

Kısa özet

Yeni bir çerçeve, plazma aşındırmadaki belirsizliği ölçerek, hem bilinen hem de bilinmeyen belirsizlikler altında dalga kalınlığı değişimini en aza indirmek ve güvenilirlik kısıtlamalarını karşılamak için parametreleri optimize eder.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Plazma aşındırmanın güvenilirliğe dayalı sağlam tasarım optimizasyonu (RBRDO) için belirsizlik farkındalığı olan bir çerçeve geliştirildi.
  • Girdi bağımlı belirsizliği modellemek ve uzamsal dalga değişkenliğini ölçmek için heteroscedastik bir Gauss süreci kullanıldı.
  • Seyrek deneysel verilerden kaynaklanan epistemik belirsizlik açıkça ölçüldü ve RBRDO şemasına dahil edildi.
  • Kombine belirsizlikler altında kalan kalınlık standart sapmasını en aza indirerek optimum işlem parametreleri belirlendi.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

This study presents an uncertainty-aware framework for the reliability-based robust design optimization (RBRDO) of plasma etching processes in semiconductor manufacturing. The framework is demonstrated using experimental measurements of the remaining thickness collected at nine wafer locations under various plasma conditions. A heteroscedastic Gaussian process surrogate model is employed to capture input-dependent uncertainty, enabling the quantification of spatial wafer variability and the propagation of process parameter variability associated with chamber pressure, gas flow rate and radio-frequency power. Epistemic uncertainty due to sparse experimental data is explicitly quantified and incorporated into the RBRDO scheme. The proposed approach identifies optimal process parameters by minimizing the standard deviation of the wafer-level remaining thickness while satisfying reliability constraints under both aleatory and epistemic uncertainties. The results demonstrate reliable uncertainty quantification and process optimization under uncertainty, with potential applicability to other semiconductor manufacturing processes.

Yazarların özeti; kaynağından alınmıştır. Engineering Optimization, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Alan: Elektrik ve Elektronik Mühendisliği

Electrical and Electronic EngineeringEngineering