摘要
本发明提供了一种碳化硅部件等离子体轰击能量分布检测与寿命预测的方法,属于基于深度学习的半导体加工技术领域;首先布设磁探针阵列以获取局部电磁参数,并利用光学成像和光谱采集设备获取等离子体发光特征;对获取数据进行预处理,得到多源融合特征;设计一种基于生成对抗网络的能量分布重建框架,其中生成器用以推断等离子体的三维能量分布场;三维能量分布场时序特征输入轰击动态特征建模时序深度网络,建立能量分布与材料老化之间的非线性映射关系,进一步获得寿命预测参数,最终得到碳化硅部件的剩余使用寿命。本发明能够更为准确地反映复杂的退化机理,显著提升寿命预测的精度与鲁棒性。
技术关键词
碳化硅部件
生成对抗网络
剩余使用寿命
光谱采集设备
磁探针阵列
材料老化
时序特征
发光特征
注意力
多源融合
压缩特征
退化模型
光谱采集装置
非线性映射关系
光学成像
数据驱动方法
系统为您推荐了相关专利信息
DNN模型
物理
深度学习模型
非暂态计算机可读存储介质
数学模型
剩余使用寿命预测
卷积神经网络模块
表达式
拉普拉斯
数据
构建系统
动态更新系统
多任务深度学习
分析模型系统
指数
电缆状态评估方法
波形
条件生成对抗网络
电流
特征提取模型