Autonomous hybrid optimization of a SiO2 plasma etching mechanism

机制(生物学) 等离子体 蚀刻(微加工) 等离子体刻蚀 计算机科学 材料科学 纳米技术 物理 核物理学 图层(电子) 量子力学
作者
Florian Krüger,Du Zhang,Pingshan Luan,Minjoon Park,Andrew Metz,Mark J. Kushner
出处
期刊:Journal of vacuum science & technology [American Vacuum Society]
卷期号:42 (4)
标识
DOI:10.1116/6.0003554
摘要

Computational modeling of plasma etching processes at the feature scale relevant to the fabrication of nanometer semiconductor devices is critically dependent on the reaction mechanism representing the physical processes occurring between plasma produced reactant fluxes and the surface, reaction probabilities, yields, rate coefficients, and threshold energies that characterize these processes. The increasing complexity of the structures being fabricated, new materials, and novel gas mixtures increase the complexity of the reaction mechanism used in feature scale models and increase the difficulty in developing the fundamental data required for the mechanism. This challenge is further exacerbated by the fact that acquiring these fundamental data through more complex computational models or experiments is often limited by cost, technical complexity, or inadequate models. In this paper, we discuss a method to automate the selection of fundamental data in a reduced reaction mechanism for feature scale plasma etching of SiO2 using a fluorocarbon gas mixture by matching predictions of etch profiles to experimental data using a gradient descent (GD)/Nelder–Mead (NM) method hybrid optimization scheme. These methods produce a reaction mechanism that replicates the experimental training data as well as experimental data using related but different etch processes.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
1秒前
2秒前
2秒前
2秒前
kk发布了新的文献求助10
2秒前
清爽的白昼完成签到,获得积分10
3秒前
3秒前
yang发布了新的文献求助10
4秒前
4秒前
5秒前
懒得起昵称完成签到,获得积分10
5秒前
冷傲菠萝完成签到 ,获得积分10
5秒前
调研昵称发布了新的文献求助10
6秒前
Promise发布了新的文献求助10
6秒前
草拟大坝发布了新的文献求助10
6秒前
沁沁完成签到,获得积分10
7秒前
NICE发布了新的文献求助10
8秒前
呦呦完成签到,获得积分10
8秒前
9秒前
萧水白发布了新的文献求助100
9秒前
刘锦裕完成签到,获得积分10
9秒前
10秒前
11秒前
赘婿应助Doctor_Xu22采纳,获得10
11秒前
Orange应助gy79210采纳,获得30
12秒前
13秒前
辣比小欣完成签到,获得积分10
13秒前
14秒前
xc124发布了新的文献求助10
15秒前
在水一方应助路途中追逐采纳,获得10
15秒前
liuerlong发布了新的文献求助10
15秒前
包容芯完成签到 ,获得积分10
16秒前
Owen应助NICE采纳,获得10
19秒前
20秒前
善学以致用应助xc124采纳,获得10
21秒前
22秒前
さくま发布了新的文献求助50
23秒前
24秒前
欣欣然发布了新的文献求助10
26秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
ANSYS Workbench基础教程与实例详解 500
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 内科学 物理 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 免疫学 细胞生物学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 3325548
求助须知:如何正确求助?哪些是违规求助? 2956254
关于积分的说明 8579795
捐赠科研通 2634204
什么是DOI,文献DOI怎么找? 1441804
科研通“疑难数据库(出版商)”最低求助积分说明 667952
邀请新用户注册赠送积分活动 654755