eBP神经网络的SU8光刻胶工艺参数优选研究Word下载.docx
- 文档编号:13765260
- 上传时间:2022-10-13
- 格式:DOCX
- 页数:18
- 大小:47.21KB
eBP神经网络的SU8光刻胶工艺参数优选研究Word下载.docx
《eBP神经网络的SU8光刻胶工艺参数优选研究Word下载.docx》由会员分享,可在线阅读,更多相关《eBP神经网络的SU8光刻胶工艺参数优选研究Word下载.docx(18页珍藏版)》请在冰豆网上搜索。
正交试验;
BP神经网络;
优化
中图分类号:
TN305.7
文献标识码:
A
SU-8PhotoresistPro∞¥Pju隐mete瑙B嬲ed
UniversityofAeronauticsand
St眦lyof
Optil岫g
(NaIliing
ona
BPNeⅢ谢Netvmrk
ZengYongbin,ZhuDi,MingPingmei,HuYangyang
Abs№ct:
SU-8
photoresistiswidelyusedin
perfbrmaIlces.Usingtllestud丫小einnl】enceof出e
or出ogonal栅y
Astron叫tics。
NaIljing210016)
high-aspect—ratiomicrostmcturesinMEMSfor
itsexcellent
肌ddevelopmenttime
on
technique,tllepaperped’0珊edanoptimizationexperimentto
processpar锄etersofpre—baketime,exposuredoses,postexposurebaketimetlleaccuraccyofSU-8photoresistimagesizes.Theprocesspammeterswereopti—
mized,ontllebasisofwhichtlleexperimentaldatawereanalyzedbvusingaBPneuralnetwork.TheprocessparameterswithbetterresolutionthaIlt}leorthogonalaH-aytechniquewaspredictedbydleBPneu—ralnetwork肌dtheircon.ecmesswasvedfiedbyanexperiment.Theexperimentalresultsprove出atafkrbeingtminedbyt}ledataoforthogonaltests,tlleBPneuralnetworkhasagoodcapabili哆ofIIlappingtIlecoInplexnonlinearrelationshipbe附eent}Ieprocessparametersalldt}leoptiIIlizationta瑗ets.ThereforeitI.esultsin
a
morecomprehensiVeandaccurateoptimizationofprocessparametells.
KeywOrds:
SU名;
orthogonal卸rr毪ytechnique;
BPneuralnetwork;
optimization
近年来,Su-8系列光刻胶在制作高深宽比的MEMs微结构方面得到广泛的应用和发展¨
。
1。
su-8系列光刻胶由美国Micmchem公司生产,其对紫外光吸收率低可以得到高深宽比的微结构,有好的化学和热稳定性,良好的综合力学性能,可用作微结构的结构材料,也可作为掩模电铸中微模具材料。
采用uV.uGA工艺使用普通的紫外线曝光机便可得到高深宽比的sU-8厚胶结构,与uGA及其它高深宽比微加工技术(如:
D砒E)相比,其成本低廉,因而被称作为“穷人的uGA”【2J。
但是要充分发挥su-8的性能,必须合理选择各工艺参数并进行优化组合,才能得到侧壁陡直、尺寸精确的厚胶图形。
试验表明SU.8光刻胶图形受前烘温度及时问、
曝光剂量、后烘温度和时间、显影时间等诸多因素的影响。
前烘的目的是去除光刻胶中的溶剂,溶剂含量的多少将直接决定图形的精度和深宽比¨
紫外线曝光使su-8曝光区域产生酸催化剂,在后烘阶段该酸催化剂促使光刻胶发生交联,交联后的光刻胶不能被显影液去除。
曝光剂量影响酸催化剂的生成量,后烘时问影响光刻胶的交联程度,因而对光刻胶结构的侧壁形状和尺寸精度产生影响H.5J。
BP神经网络(backpropagati∞neural北twollc),即误差反馈神经网络,经学习训练后具有较好泛化能力,能够映射输入参数与优化指标之间的复杂非线性关系,有很强的预测能力,在多方面得到了广泛的应用怕J。
本文首先利用正交试验方法对SU.8100光刻胶工艺进行了研究,然后用所得的试验数据对建立的BP神经网络进行训练,并用训练好的神经网络对其它工艺参数组合进行预测分析和试验验证。
结果表明,在正交试验的基础上,利用BP神经网
络可以获得较正交试验分析更为全面、优秀的结果。
收稿日期:
2005—10—14
基金项目:
国家自然科学基金项目(50375073)资助作者简介:
曾永彬(1978一),男(汉),重庆,博士研究生
E—mail:
binyz@silla.com
l正交试验及分析
曾永彬等:
基于BP神经网络的su.8光刻胶工艺参数优选研究
1083
BP神经网络是多层前馈网络,包括输入层、隐层和输出层,其结构如图1,各层分别有p、m、n个神经元。
输出结点j}的输出为
为了得到高质量的SU-8光刻胶结构,本文以光刻胶图形的尺寸偏差,即尺寸精度为优化指标,用正交试验方法,选择正交表厶(34)对前烘时闾、曝光剂量、后烘温度、显影时间进行了优化研究,各工艺参数的因素水平选择如表l,试验结果如表2。
尺寸偏差定义为光刻胶图形尺寸减去掩模板上对应图形尺寸的绝对值。
试验使用直径为
扎=,[∑%・,(∑”#毛)]
(1)
式中:
i=1,2,…,pJ=l,2,…,m;
I|}=l,2,…,n以善)为神
经元节点的转移函数。
考虑到输出结果仅与偏差量的绝对量有关,而与偏差的正负无关,因此节点转移函数采用
30咖的不锈钢圆片作为基底。
在哪_2/J型甩胶台上先
于500l/】11in转速下保持20s,然后匀加速到2000r/miII
单极性si舯oid函数,即
并保持30s,得到光刻胶厚度为150弘m±
10芦m。
光刻胶厚度用德国MiniII'est60D进行测量。
前烘和后烘温度均为95℃,在空气对流炉中完成,炉中温度波动范围控制在±
1%。
光刻胶图形的尺寸在日本Mitutoyo测量显微镜下进行,每个尺寸连续测量5次并求其平均值。
表1正交试验因素水平
曰
C
D
灭茹)=忐
1
(2)
水平
123
前烘时问
(mjn)
6090120
曝光剂量
(ml/cm2)
10001500
后烘时间
(min)
456075
显影时间
(1nin)
lO1520
“
20∞
图1
表2正交试验结果
试验
号
123456789
^
B
BP网络结构
本试验可确定输入层有4个神经元,输出层有一个神
偏差量(pm)
2.51.31.81.50.81.1O.91.21.4
前烘时间
(1Ilin)
11l2223331.8671.1331.1670.734
(rnJ/cm2)
123l23l231.6331.1001.433O.533
后烘
时间(min)
12323l3211.6001.400n167O.433
显影时问
1233l22311.5671.1001.500O.467
经元。
设计BP网络的关键是确定隐层节点的个数。
隐层节点的作用是从样本中提取并存储其内在规律。
隐层节点数量太少,网络就不足以概括和体现训练集中的样本规律;
隐层节点数量过多,就会出现“过度吻合”,而且会增加训练时间。
因此,根据经验【7】,确定隐层中的神经元个数为3。
2.2BP神经网络的训练
(1)数据处理。
利用正交试验所得数据构造输入样本与教师,其中输入样本中的4个数据分别为前烘时间,曝光剂量,后烘时间,显影时问;
教师是对正交试验所得数据用如下公式进行归一化处理
Ij平Ⅱ』平Ⅲj平极差(吩)
互=老
表3。
表3输入样本与教师
序号
(3)
得到各偏差量相对最大偏差的相对值。
处理结果见
输入样本
606060909090120120120
lOoo
456075607545756045
1015202015101520lO
教师
1.00O.52O.72
从正交试验结果来看,在工艺参数组合A:
岛c3Dl下,光刻胶图形的尺寸偏差量最小,为0.8舯m。
由极差分析得到,前烘时间对尺寸精度影响最大,曝光剂量其次,后烘时间对其影响最小。
从各因素水平得到的偏差量平均值的大小,得出150弘m厚SU-8100光刻胶的最优工艺水平组合为A2曰2c3D2,即95℃前烘90min,曝光剂量为1500n∥cm2,95℃后烘75min,显影时间为15
2
2.1
nlin。
12345678
15∞
2咖
100015002000100015002000
0.∞
0。
320.44O.360.480.56
BP神经网络的设计与训练BP神经网络的设计
9
(2)训练函数的确定。
该网络采用改进的kvenberg—
M蹦删t规则进行训练,因为该算法在计算效率上较其它
算法要高出10倍。
甚至更多‘引。
A。
曰lc3见,A。
岛C3DI,A2露lc3D2,A2甄c3D3,A3Blc3D3所得的尺寸偏差均会小于A:
岛c3D2。
为了验证网络预测值的正确性,对上述几种工艺组合进行了试验验证,见表4。
试验结果虽然都比预测值稍大,但这些工艺组合均优于如岛c3D2,所得尺寸偏差小,且A:
蜀c3D2能够得到最小的尺寸偏差,为最优工艺组合,即95℃前烘90min,曝光剂量为
1000
、
l口2
冀I咿
螵
10r4
\
训练次数
InJ/cm2,95℃后烘75min,显影时间为15min。
图4
给出了在A:
蜀C,D2条件下得到的部分光刻胶结构。
其中,
10巧
、、
图4(a)为微流道,胶厚148芦脚,平均尺寸偏差为0.6弘脚;
图4(b)为平面微线圈,胶厚144胛,平均尺寸偏差为0.
5肛m。
l驴
BP神经网能够得到更优的工艺条件是因为由正交试验数据训练后的BP神经网络的神经元具有了确定的阈值,各神经元之间也具有了确定的权重,这些阈值和权重不仅反应了各工艺参数对优化指标的影响趋势,还反应了影响的程度,此时BP神经网络很好地映射了工艺参数与优化指标之间的复杂非线性关系,因而能够发现优秀的工艺组合。
而正交试验分析只是通过水平的平均值来反应各工艺参数对优化指标的影响趋势,难以得到最优的工艺组合。
表4
工艺水平组合序号
81635
图2BP网络训练过程的误差记录
(3)训练参数的选择。
学习率直接影响网络的性能,学习率太小,网络收敛慢。
训练次数多;
但如果学习率太大,又会使网络振
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- eBP 神经网络 SU8 光刻 工艺 参数 优选 研究