半导体薄层电阻测量新方法研究

摘要

随着科学技术及半导体产业的飞速发展，以单晶硅为衬底的集成电路集成度越来越高。硅片材料的直径越来越大，同时图形不断微细化，电路尺寸日益缩小，这些都对晶体材料的电学特性、机械特性等提出了更为严格的要求。电子器件的很多参数与电阻率及其分布的均匀性有密切的关系，因此器件电阻率的测试成为芯片加工中的重要工序。 硅片薄层电阻率的测量引起了人们广泛的关注，目前四探针测量技术已得到广泛应用，但对于大片电阻率的测量，四探针法机械运动误差大、测量速度慢、使用效果不佳。在这样的背景下，本文将EIT 技术应用于半导体薄层电阻率测量中，采用神经网络实现电阻率分布图像重建。 电阻抗成像（EIT,Electrical Impedance Tomography）是近年来发展起来的一种新的图像重建技术。它通过在被测物体四周安放电极阵列并注入电流，测量物体四周电极上的电压，利用成像算法得到电阻率的分布图像。EIT 具有非侵入、无创伤、廉价等特点，目前已成为生物医学工程、地质勘探等领域的研究热点之一。常见的EIT 图像重建算法如反投影重建算法和静态牛顿算法存在运算量大、成像速度慢、成像精度差等缺点，本文拟将神经网络技术应用于EIT的图像重建算法。 普通的神经网络算法因为收敛速度缓慢、容易陷入局部极值，因此在实际应用中受到很多限制，而基于人工生命和演化计算理论的粒子群优化算法是对鸟群和鱼群群体运动的模拟，是一种新的群体智能优化算法。它的特点是原理简单、收敛速度快、参数少。 该算法已在许多工程优化领域如函数优化、神经网络训练、组合优化、机器人路径规划等获得了广泛应用，并取得了较好的效果。但粒子群算法在理论和实践应用方面还尚未成熟，有大量内容值得研究。 本文旨在对BP 神经网络和粒子群优化算法进行理论和应用分析，对粒子群算法的工作机制进行改进，已达到提高算法搜索精度和速度的目的。最终将改进的粒子群算法与神经网络相结合，代替BP 神经网络的学习算法，建立基于改进粒子群神经网络的半导体电阻率EIT 测试系统。 本文主要研究工作如下： 1、研究电阻率测试的重要意义，详细研究四探针测试技术的基本原理。 2、建立EIT 测量硅片电导率的正问题数学模型。使用Visual Studio C#.Net 平台设计软件实现圆形样品多层自动剖分程序，利用剖分后生成的单元和节点数据编写了基于Matlab的正问题计算程序。对注入电流的形式进行了研究。 3、研究了EIT 技术中逆问题求解的两种常用算法，反投影重建算法和牛顿法，构建了图像重建算法的仿真软件。 4、将神经网络技术与EIT 技术相结合并应用于硅片薄层电导率分布的测量中，构建了基于EIT 技术的神经网络模型，对7 层同心圆硅片模型的电参数进行计算，可获得较理想的图像重建结果。 5、研究粒子群算法的基本原理及优化机制，总结现有粒子群算法存在的问题及原因，相关研究的理论基础。6、设计开发了一套32 电极的电阻抗成像数据采集硬件系统，可以将自动采集到的数据传给上位机供成像使用。在上位机上编写了配套数据通信与图像重建软件，可以多种方法进行图像的重建。 主要创新点： 1、将EIT 技术应用于半导体薄层电导率测量中，建立了硅片同心圆模型，并对被测样品电特性进行了分析，为神经网络与EIT 技术在半导体电阻率测试中的应用奠定了基础。 2、提出将神经网络用于半导体电导率分布EIT 逆问题的求解中，采用PSO 算法对神经网络的建立进行优化，取得了较好的效果。该方法有效地避免了传统EIT 逆问题中的难题。 3、提出一种改进的粒子群算法，与BP 神经网络相结合，替换神经网络的学习算法，显著改进了系统的学习进化能力。 4、设计开发了一套电阻率测量数据采集系统，以单片机为核心，采用串行通信与上位机传送数据。该机具有注入电流可调、工作稳定、使用灵活、可扩展性强等特点。 5、结合Matlab和Visual.Net 平台开发了配套的成像软件系统，顺利完成了数据的传送与神经网络图像重建。

目录

文摘

英文文摘

声明

第一章 绪论

第二章 四探针技术研究

第三章 动静态电阻抗成像算法研究

第四章 神经网络技术及粒子群算法理论基础

第五章 粒子群算法改进研究

第六章 粒子群与神经网络

第七章 基于改进PSO 算法优化神经网络的半导体薄层电阻率测量模型的建立与基本参数的设置

第八章 微区薄层电阻率测量系统设计与实现

第九章 半导体薄层电阻率测量的图像重建算法仿真及分析

第十章 结论

参考文献

致谢

攻读学位期间所取得的相关科研成果