一种基于自监督与表征学习的薄膜厚度预测方法和系统

本发明公开了一种基于自监督与表征学习的薄膜厚度预测方法和系统，属于机器学习与人工智能技术领域。获取有标签的第一训练集和无标签的第二训练集，用第二训练集预训练编码器，再用第一训练集微调，同时训练动态特征选择器与回归头。动态特征选择器对第一训练集数据降维，再利用编码器初始化全局原型投影空间。编码器生成降维数据的嵌入表示，特征表示头计算投影坐标，联合投影损失、回归损失、多样性损失和全局原型正交损失，更新模型；最终以实际数据为输入，通过动态特征选择器、编码器与回归头预测薄膜厚度。本发明无需依赖大量标注数据，解决了高复杂度的半导体制造数据的特征选择问题、表征混叠与局部化问题，预测准确性和稳定性高。