物理信息ML用于半导体外延闭环控制
bravo_abad · x · 2026-07-17
## 研究做了什么 这项工作提出了一个用于半导体外延生长的物理信息机器学习平台 **SemiEpi**。系统在分子束外延（MBE）过程中读取实时 RHEED 视频，在线判断该调高温度、维持参数还是关闭生长窗口，实现单次生长过程中的闭环控制。 ## 方法设计 作者把问题拆成两部分： - 用物理关系把目标发光波长映射到量子点尺寸，再用 CatBoost 学习尺寸与面密度之间更复杂的非线性关系； - 对实时控制部分，输入 24 帧连续 RHEED 图像，使用带全局注意力残差块和跨层自适应融合模块的网络，专门处理旋转基底导致的特征漂移。 ## 结果 论文中有三个分类器分别负责：表面重构状态初始化、温度是否偏高/偏低、以及何时关闸。验证准确率分别达到 **99.1%、99.6%、99.9%**。 实验结果显示：样品接近目标量子点密度 **5×10^10 cm^-2**，光致发光强度提升 **1.6 倍**，线宽为 **29.13 meV**。作者还强调，这套方法能跨反应器迁移，因为它依赖的是物理转变而不是写死的设备参数。