特徵選擇方法和機器學習應用於RF氮化鋁薄膜製造之原位光譜診斷系統;Validation of an In-Situ Oes Spectral Diagnostic System for Rf Aluminum Thin Film Manufacturing via Feature Selection Methods and Machine Learning

NCU Institutional Repository > 工學院 > 機械工程學系 > 研究計畫 > Item 987654321/94328

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/94328

題名:	特徵選擇方法和機器學習應用於RF氮化鋁薄膜製造之原位光譜診斷系統;Validation of an In-Situ Oes Spectral Diagnostic System for Rf Aluminum Thin Film Manufacturing via Feature Selection Methods and Machine Learning
作者:	傅尹坤
貢獻者:	國立中央大學機械工程學系
關鍵詞:	物理氣相沉積;氮化鋁;殘留應力;機器學習;流型學習;集成學習;半導體薄膜;光學放射光譜;大數據分析;卡方檢定;遞歸特徵消除;梯度提升機;嶺迴歸;套索迴歸;電漿資訊之虛擬計量系統;Physical Vapor Deposition(PVD);Aluminum Nitride(AlN);Residual stress;Semiconductor films;Big Data Analysis;Optical Emission Spectroscopy(OES);Gradient Boosting Decision Tree(GBDT);Plasma Information-based Virtual Metrology(PI-VM);Machine Learning;Chi-square;RFE;GBM;Ridge;Lasso;MDS (Multi-Dimensional Scaling);Isomap (Isometric Mapping);LLE (Locally Linear Embedding)
日期:	2024-09-27
上傳時間:	2024-09-30 17:59:51 (UTC+8)
出版者:	國家科學及技術委員會(本會)
摘要:	應應全球半導體發展，以及中美科技戰彰顯台灣半導體在全球市場的重要地位，本計畫提出之新興半導體製程與元件技術，旨在研究氮化鋁薄膜之表面殘餘應力最佳化，並使用新穎機器學習技術輔以分析及決策，朝製程即時分析方向努力，本研究亦完整搜集國內外文獻及技術報告，朝國際技術領先指標努力，期能為國內半導體製程與微機電產業，提供薄膜品質監測、工具機健康度決策分析、薄膜沉積之重要特徵參數等相關的技術支援，以提升台灣半導體製程之性能及效率，解決與補足技術缺口。
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[機械工程學系] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	52	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....