基于神经网络和遗传算法的铸锭晶体硅质量控制及工艺优化

摘要：

铸锭晶体硅是太阳能级晶硅材料的重要来源之一,为了进一步降低硅片成本,需要在保证晶体质量的同时发展大尺寸铸锭晶硅.影响铸造晶体硅质量的热场控制核心参数包括晶体生长速度与生长界面温度梯度之比V/G、壁面热流q、生长界面高度差Δh和硅熔体内部温差ΔT等.针对铸锭晶体硅生长过程中的质量控制问题,本研究基于人工神经网络(ANN)模型对晶体生长过程建立了工艺控制优化方法,利用实验测量数据和数值仿真模拟结果构建铸锭晶体硅生长过程的工艺控制数据集,以底部隔热笼开口和侧、顶加热器功率比作为主要工艺控制参数,V/G、|q|、|Δh|和ΔT为优化目标,建立用于研究晶体生长工艺控制参数和热场参数之间映射关系的神经网络模型.使用训练完成的模型分析底部隔热笼开口及侧、顶加热器功率比对晶体生长过程热场的影响规律,并采用遗传算法(GA)对铸锭晶体硅生长过程的工艺控制参数以提高晶体质量为目标进行优化,最后结合实际生产中的检测图像讨论了V/G对晶体质量的影响.研究表明晶体生长中期的V/G沿横向变化较平缓,对应缺陷较少且分布均匀,因此增大V/G在横向上的均匀度也是提高晶体质量的一个重要因素.

关键词：铸锭晶体硅、人工神经网络、遗传算法、V/G、定向凝固、晶体质量

所属期刊栏目：51

分类号：O469;TQ127.2(真空电子学（电子物理学）)

资助基金：国家重点研发计划2020YFB1506501

在线出版日期：2022-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：385-397