本發(fā)明涉及半導(dǎo)體制造領(lǐng)域，具體為一種基于多維度智能決策的工業(yè)機(jī)器人半導(dǎo)體摻雜系統(tǒng)。

背景技術(shù)：

1、半導(dǎo)體摻雜是向半導(dǎo)體材料中引入特定雜質(zhì)原子，以改變其電學(xué)性質(zhì)，實(shí)現(xiàn)特定功能的關(guān)鍵工藝。隨著半導(dǎo)體技術(shù)的不斷發(fā)展，芯片的集成度和性能要求持續(xù)提高，對(duì)半導(dǎo)體摻雜工藝的精度、均勻性和效率提出了更高的標(biāo)準(zhǔn)。工業(yè)機(jī)器人憑借其自動(dòng)化、高精度和可編程性等特點(diǎn)，在半導(dǎo)體摻雜設(shè)備的操作和控制中得到了廣泛應(yīng)用。然而，現(xiàn)有的工業(yè)機(jī)器人摻雜技術(shù)仍存在一些亟待解決的問題，嚴(yán)重制約了半導(dǎo)體摻雜工藝的進(jìn)一步發(fā)展。

2、摻雜精度難以滿足高精度要求：在先進(jìn)的半導(dǎo)體制造工藝中，對(duì)摻雜濃度和位置的精度要求極高。傳統(tǒng)的工業(yè)機(jī)器人摻雜系統(tǒng)主要依據(jù)預(yù)設(shè)的參數(shù)和簡(jiǎn)單的定位方式進(jìn)行操作，無法精準(zhǔn)適應(yīng)半導(dǎo)體材料特性的差異、晶圓表面的微觀形貌變化以及摻雜過程中的環(huán)境因素影響。摻雜過程中，雜質(zhì)源的流量波動(dòng)、機(jī)器人定位的偏差以及工藝參數(shù)的漂移等因素，都會(huì)導(dǎo)致實(shí)際摻雜濃度和位置與設(shè)計(jì)要求出現(xiàn)較大偏差，影響半導(dǎo)體器件的性能和可靠性，增加廢品率，降低生產(chǎn)效率。

3、摻雜均勻性難以保障：摻雜均勻性是指在整個(gè)半導(dǎo)體材料表面或特定區(qū)域內(nèi)，摻雜濃度的一致性。對(duì)于大尺寸的半導(dǎo)體晶圓或復(fù)雜結(jié)構(gòu)的半導(dǎo)體器件，保證摻雜均勻性至關(guān)重要，它直接關(guān)系到器件性能的一致性和良品率?，F(xiàn)有的工業(yè)機(jī)器人摻雜系統(tǒng)采用固定的摻雜工藝參數(shù)和單一的摻雜路徑，無法根據(jù)晶圓表面的局部特性和實(shí)時(shí)變化進(jìn)行動(dòng)態(tài)調(diào)整。由于摻雜設(shè)備的結(jié)構(gòu)和工藝限制，晶圓邊緣和中心以及不同區(qū)域之間往往存在摻雜濃度不一致的情況，導(dǎo)致半導(dǎo)體器件性能差異較大，嚴(yán)重影響產(chǎn)品質(zhì)量和市場(chǎng)競(jìng)爭(zhēng)力。

4、摻雜效率低下：摻雜效率是影響半導(dǎo)體制造生產(chǎn)成本和生產(chǎn)周期的重要因素。目前，工業(yè)機(jī)器人在半導(dǎo)體摻雜過程中，主要依靠人工經(jīng)驗(yàn)設(shè)定摻雜參數(shù)和操作流程，難以實(shí)現(xiàn)摻雜工藝的最優(yōu)化。同時(shí)，由于摻雜設(shè)備的運(yùn)行速度和自動(dòng)化程度有限，以及對(duì)復(fù)雜工藝的處理能力不足，導(dǎo)致?lián)诫s過程耗時(shí)較長(zhǎng)，生產(chǎn)效率低下，無法滿足大規(guī)模生產(chǎn)的需求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于多維度智能決策的工業(yè)機(jī)器人半導(dǎo)體摻雜系統(tǒng)，包括：

2、基于多傳感器融合與實(shí)時(shí)校正的摻雜精度智能控制算法模塊：在工業(yè)機(jī)器人的摻雜設(shè)備上安裝雜質(zhì)源流量傳感器、位置傳感器、濃度傳感器等多種傳感器。設(shè)雜質(zhì)源流量傳感器采集的流量為q，位置傳感器獲取的位置信息為(x,y,z)，濃度傳感器檢測(cè)的摻雜濃度為c；利用多傳感器融合，通過公式s＝f(q,x,y,z,c)，其中f為基于深度學(xué)習(xí)的多傳感器融合函數(shù)，構(gòu)建摻雜過程的實(shí)時(shí)狀態(tài)模型s，結(jié)合實(shí)時(shí)校正算法，依據(jù)狀態(tài)模型s，通過公式δp＝g(s)，g為實(shí)時(shí)校正函數(shù)計(jì)算工業(yè)機(jī)器人的摻雜參數(shù)，雜質(zhì)源流量調(diào)整量δq、摻雜位置調(diào)整量δ(x,y,z)、摻雜時(shí)間調(diào)整量δt，調(diào)整量δp，實(shí)現(xiàn)摻雜精度的智能控制；

3、基于多模態(tài)數(shù)據(jù)采集與自適應(yīng)調(diào)控的摻雜均勻性優(yōu)化算法模塊：在摻雜設(shè)備中集成激光掃描顯微鏡、原子力顯微鏡、光譜分析儀等多種數(shù)據(jù)采集設(shè)備。設(shè)激光掃描顯微鏡獲取的晶圓表面形貌信息為m，原子力顯微鏡采集的材料特性信息為n，光譜分析儀得到的摻雜濃度分布信息為o；利用多模態(tài)數(shù)據(jù)采集，通過公式i＝h(m,n,o)，h為基于深度學(xué)習(xí)的多模態(tài)數(shù)據(jù)采集融合函數(shù)構(gòu)建晶圓表面的綜合信息模型i；結(jié)合自適應(yīng)調(diào)控算法，依據(jù)綜合信息模型i和摻雜過程實(shí)時(shí)變化，通過公式δt＝k(i)，k為自適應(yīng)調(diào)控函數(shù)計(jì)算工業(yè)機(jī)器人的摻雜工藝參數(shù)，如雜質(zhì)源分布方式調(diào)整量δd、摻雜路徑調(diào)整量δr、摻雜速度調(diào)整量δv，調(diào)整量δt，實(shí)現(xiàn)摻雜均勻性的優(yōu)化；

4、基于多目標(biāo)優(yōu)化與強(qiáng)化學(xué)習(xí)的摻雜效率提升算法模塊：將摻雜效率e、摻雜精度a和摻雜均勻性u(píng)作為多目標(biāo)優(yōu)化的指標(biāo)，定義狀態(tài)空間sstate，包括雜質(zhì)源流量、摻雜位置、摻雜時(shí)間、溫度、壓力摻雜過程中的各種參數(shù)和狀態(tài)信息；定義動(dòng)作空間aaction，包括對(duì)摻雜參數(shù)的各種調(diào)整動(dòng)作；設(shè)計(jì)獎(jiǎng)勵(lì)函數(shù)r＝q(e,a,u)，q為獎(jiǎng)勵(lì)計(jì)算函數(shù)，綜合考慮摻雜效率、摻雜精度和摻雜均勻性因素，對(duì)機(jī)器人的動(dòng)作進(jìn)行獎(jiǎng)勵(lì)或懲罰；利用強(qiáng)化學(xué)習(xí)深度q網(wǎng)絡(luò)(dqn)的迭代公式

5、q(sstate,aaction?)←q(sstate,aaction?)+α[r+γaaction′?max?q(sstate′,aaction′?)-q(sstate?,aaction)]，α為學(xué)習(xí)率，γ為折扣因子或近端策略優(yōu)化算法(ppo)的相關(guān)更新公式，讓工業(yè)機(jī)器人在與摻雜環(huán)境的不斷交互中學(xué)習(xí)到最優(yōu)的摻雜參數(shù)調(diào)整策略，實(shí)現(xiàn)摻雜效率的提升，同時(shí)保證摻雜精度和均勻性；

6、基于數(shù)字孿生與虛擬仿真的摻雜工藝預(yù)規(guī)劃與優(yōu)化算法模塊：通過建模軟件和傳感器數(shù)據(jù)建立半導(dǎo)體摻雜系統(tǒng)的數(shù)字孿生模型，實(shí)現(xiàn)物理實(shí)體與虛擬模型的實(shí)時(shí)交互和同步。利用虛擬仿真技術(shù)，對(duì)半導(dǎo)體摻雜工藝進(jìn)行預(yù)規(guī)劃和模擬，設(shè)模擬過程中根據(jù)工藝參數(shù)pparam和流程fprocess得到的模擬結(jié)果為rsim，通過公式δpparam?＝r(rsim)，r為優(yōu)化函數(shù)、δfprocess＝s(rsim)，s為優(yōu)化函數(shù)對(duì)半導(dǎo)體摻雜工藝的參數(shù)和流程進(jìn)行優(yōu)化調(diào)整。同時(shí)，收集設(shè)備的歷史運(yùn)行數(shù)據(jù)和故障數(shù)據(jù)，建立設(shè)備狀態(tài)評(píng)估模型，利用數(shù)字孿生模型對(duì)摻雜設(shè)備的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和分析；

7、基于多機(jī)器人協(xié)同與智能調(diào)度的大規(guī)模摻雜生產(chǎn)優(yōu)化算法模塊：將半導(dǎo)體摻雜車間中的多個(gè)工業(yè)機(jī)器人視為一個(gè)多智能體系統(tǒng)，定義狀態(tài)空間ss，包括機(jī)器人的位xr,yr、任務(wù)進(jìn)度ptask、工作狀態(tài)swork以及車間的環(huán)境信息e，即

8、ss?＝(xr?,yr,ptask,swork,e)；定義動(dòng)作空間aa，包括機(jī)器人的各種運(yùn)動(dòng)動(dòng)作mmove和任務(wù)分配決策dassign，即aa?＝(mmove,dassign?)，設(shè)計(jì)獎(jiǎng)勵(lì)函數(shù)

9、rew?＝t(eefficiency?,qquality,uutilization?)，t為獎(jiǎng)勵(lì)計(jì)算函數(shù)eefficiency?為摻雜生產(chǎn)效率，qquality為任務(wù)完成質(zhì)量，uutilization為設(shè)備利用率)；利用強(qiáng)化學(xué)習(xí)算法深度q網(wǎng)絡(luò)(dqn)或近端策略優(yōu)化算法(ppo)，讓機(jī)器人在與環(huán)境的不斷交互中學(xué)習(xí)到最優(yōu)的協(xié)同摻雜生產(chǎn)調(diào)度策略，實(shí)現(xiàn)多機(jī)器人之間的高效協(xié)同工作，提高大規(guī)模摻雜生產(chǎn)的整體效率和資源利用率。

10、進(jìn)一步，所述基于多傳感器融合與實(shí)時(shí)校正的摻雜精度智能控制算法模塊中，多傳感器數(shù)據(jù)融合采用基于深度學(xué)習(xí)的算法，對(duì)不同傳感器采集到的數(shù)據(jù)進(jìn)行融合處理，構(gòu)建摻雜過程的實(shí)時(shí)狀態(tài)模型。

11、進(jìn)一步，所述基于多模態(tài)數(shù)據(jù)采集與自適應(yīng)調(diào)控的摻雜均勻性優(yōu)化算法模塊中，多模態(tài)數(shù)據(jù)采集技術(shù)采用基于深度學(xué)習(xí)的算法，對(duì)不同設(shè)備采集到的數(shù)據(jù)進(jìn)行融合處理，構(gòu)建晶圓表面的綜合信息模型。

12、進(jìn)一步，所述基于多目標(biāo)優(yōu)化與強(qiáng)化學(xué)習(xí)的摻雜效率提升算法模塊中，狀態(tài)空間包括摻雜過程中的各種參數(shù)和狀態(tài)信息，動(dòng)作空間包括對(duì)摻雜參數(shù)的各種調(diào)整動(dòng)作，獎(jiǎng)勵(lì)函數(shù)綜合考慮摻雜效率、摻雜精度和摻雜均勻性等因素。

13、進(jìn)一步，所述基于數(shù)字孿生與虛擬仿真的摻雜工藝預(yù)規(guī)劃與優(yōu)化算法模塊中，通過虛擬仿真技術(shù)對(duì)半導(dǎo)體摻雜工藝進(jìn)行預(yù)規(guī)劃和模擬，根據(jù)模擬結(jié)果優(yōu)化工藝參數(shù)和流程，利用數(shù)字孿生模型對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和分析。

14、進(jìn)一步，所述基于多機(jī)器人協(xié)同與智能調(diào)度的大規(guī)模摻雜生產(chǎn)優(yōu)化算法模塊中，狀態(tài)空間包括機(jī)器人的位置、任務(wù)進(jìn)度、工作狀態(tài)以及車間的環(huán)境信息，動(dòng)作空間包括機(jī)器人的各種運(yùn)動(dòng)動(dòng)作和任務(wù)分配決策，獎(jiǎng)勵(lì)函數(shù)將摻雜生產(chǎn)效率、設(shè)備利用率、任務(wù)完成質(zhì)量作為獎(jiǎng)勵(lì)指標(biāo)。

15、進(jìn)一步，所述基于多傳感器融合與實(shí)時(shí)校正的摻雜精度智能控制算法模塊，傳感器按設(shè)定頻率實(shí)時(shí)采集數(shù)據(jù)并傳輸至數(shù)據(jù)處理單元，數(shù)據(jù)處理單元采用基于深度學(xué)習(xí)的算法對(duì)數(shù)據(jù)進(jìn)行融合處理和分析。

16、進(jìn)一步，所述基于多模態(tài)數(shù)據(jù)采集與自適應(yīng)調(diào)控的摻雜均勻性優(yōu)化算法模塊，數(shù)據(jù)采集設(shè)備按設(shè)定頻率實(shí)時(shí)采集數(shù)據(jù)并傳輸至數(shù)據(jù)處理中心，數(shù)據(jù)處理中心采用基于深度學(xué)習(xí)的算法對(duì)數(shù)據(jù)進(jìn)行融合處理和分析。

17、進(jìn)一步，所述基于多目標(biāo)優(yōu)化與強(qiáng)化學(xué)習(xí)的摻雜效率提升算法模塊，收集大量摻雜實(shí)驗(yàn)數(shù)據(jù)，利用強(qiáng)化學(xué)習(xí)算法對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，工業(yè)機(jī)器人根據(jù)實(shí)時(shí)摻雜狀態(tài)選擇動(dòng)作并調(diào)整策略。

18、進(jìn)一步，所述基于多機(jī)器人協(xié)同與智能調(diào)度的大規(guī)模摻雜生產(chǎn)優(yōu)化算法模塊，將半導(dǎo)體摻雜車間中的多個(gè)工業(yè)機(jī)器人定義為多個(gè)智能體，建立多智能體之間的通信網(wǎng)絡(luò)，收集歷史運(yùn)行數(shù)據(jù)，利用強(qiáng)化學(xué)習(xí)算法對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，智能體根據(jù)實(shí)時(shí)狀態(tài)信息選擇動(dòng)作并調(diào)整策略。

19、有益效果：

20、顯著提高摻雜精度：基于多傳感器融合與實(shí)時(shí)校正的摻雜精度智能控制算法能夠綜合利用多種傳感器的信息，實(shí)時(shí)調(diào)整工業(yè)機(jī)器人的摻雜參數(shù)，對(duì)摻雜過程中的誤差進(jìn)行實(shí)時(shí)補(bǔ)償和校正，實(shí)現(xiàn)摻雜精度的智能控制，滿足高精度摻雜的要求，提高半導(dǎo)體器件的性能和可靠性，降低廢品率。

21、有效優(yōu)化摻雜均勻性：基于多模態(tài)數(shù)據(jù)采集與自適應(yīng)調(diào)控的摻雜均勻性優(yōu)化算法能夠綜合利用多種數(shù)據(jù)采集設(shè)備的信息，實(shí)時(shí)調(diào)整工業(yè)機(jī)器人的摻雜工藝參數(shù)，適應(yīng)晶圓表面的局部特性和實(shí)時(shí)變化，實(shí)現(xiàn)摻雜均勻性的優(yōu)化，提高半導(dǎo)體器件性能的一致性和良品率。

22、大幅提升摻雜效率：基于多目標(biāo)優(yōu)化與強(qiáng)化學(xué)習(xí)的摻雜效率提升算法能夠通過強(qiáng)化學(xué)習(xí)和多目標(biāo)優(yōu)化，實(shí)現(xiàn)摻雜效率的提升，同時(shí)保證摻雜精度和均勻性，在保證產(chǎn)品質(zhì)量的前提下，提高生產(chǎn)速度，減少生產(chǎn)成本，提高生產(chǎn)效率。

23、提前規(guī)劃與優(yōu)化摻雜工藝：基于數(shù)字孿生與虛擬仿真的摻雜工藝預(yù)規(guī)劃與優(yōu)化算法能夠通過虛擬仿真技術(shù)提前預(yù)測(cè)和分析摻雜過程中可能出現(xiàn)的問題，對(duì)摻雜工藝的參數(shù)和流程進(jìn)行優(yōu)化調(diào)整，同時(shí)利用設(shè)備狀態(tài)評(píng)估模型及時(shí)發(fā)現(xiàn)潛在問題并進(jìn)行優(yōu)化，提高設(shè)備的可靠性和穩(wěn)定性，減少生產(chǎn)中斷。

24、優(yōu)化大規(guī)模摻雜生產(chǎn)調(diào)度：基于多機(jī)器人協(xié)同與智能調(diào)度的大規(guī)模摻雜生產(chǎn)優(yōu)化算法能夠?qū)崿F(xiàn)多機(jī)器人之間的高效協(xié)同工作，根據(jù)實(shí)時(shí)的生產(chǎn)情況和設(shè)備狀態(tài)動(dòng)態(tài)調(diào)整任務(wù)分配和生產(chǎn)計(jì)劃，提高大規(guī)模摻雜生產(chǎn)的整體效率和資源利用率，滿足大規(guī)模生產(chǎn)的需求。