轻量化深度学习的半导体硅单晶生长温度预测方法

本发明公开了轻量化深度学习的半导体硅单晶生长温度预测方法，首先将采集到的半导体硅单晶生长的过程数据进行异常值和归一化预处理，作为数据驱动模型Transformer网络的训练样本和测试样本数据；然后利用随机森林算法从采集到的过程数据中选取出与晶体生长温度相关的特征变量；建立基于Transformer的教师模型和学生模型；最后利用知识蒸馏方法将教师模型学习到的网络知识迁移至学生模型，使轻量化的学生模型Transformer网络能够具备较高的预测性能，在边端实现对硅单晶生长温度的准确预测。本发明达到在边端实时预测硅单晶生长温度的变化趋势，实现晶体生长工艺操作的正确调控，以完成提升晶体品质的目标。