基于机器学习的MOCVD生长参数智能调控系统构建与验证

周宏敏

（安徽三安光电有限公司，安微 芜湖 241000）

摘  要：针对传统金属有机化学气相沉积（MOCVD)技术中人工经验调控精度低、传统PID调控适应性差及批次间稳定性不足的问题，构建了1套基于机器学习的MOCVD生长参数智能调控系统。系统采用“硬件层一软件层一应用层”3级架构，以GaN外延层生长为实验对象，通过3组对比实验验证系统性能，为MOCVD高质量外延生长提供了技术支撑。

关键词：MOCVD生长参数；机器学习；智能系统

0 引言

MOCVD技术作为制备第3代半导体材料的核心手段，其生长参数的精准调控直接决定外延层的厚度、结晶质量及电学性能。当前行业内主要采用2种调控方式，依赖工程师经验的人工调控受主观因素影响大，参数设定依赖历史数据，面对生长环境波动时无法实时调整，导致外延层厚度偏差大；传统PID调控虽能实现闭环控制，但仅依赖单一参数反馈，无法处理多参数耦合关系。本文提出构建基于机器学习的智能调控系统。系统通过多传感器实时采集生长过程数据，利用机器学习模型挖掘参数间耦合关系，实现多目标协同预测，再结合“前馈+反馈”调控逻辑提前修正偏差，最终达到提升调控精度、增强适应性及提高稳定性的目标。

1 基于机器学习的MOCVD智能调控系统设计

1.1 系统整体架构

系统采用“硬件层-软件层-应用层”3级架构。硬件层负责生长过程中多参数的实时采集与调控指令执行，为软件层提供高质量数据输人；软件层基于硬件层采集的数据，完成预处理、模型预测及调控逻辑运算，实现多参数耦合关系挖掘与偏差提前预测；应用层面向用户提供可视化交互界面，支持生长目标设定、过程监控及数据查询。3层架构协同工作，形成“数据采集-模型预测-参数调控-结果反馈”的闭环系统。

……