機器學習分析RF氮化鋁薄膜製程中的Arcing異常及史密斯圓應用優化;Machine Learning Analysis of Arcing Anomalies in Rf Aluminum Nitride Thin Film Processing and Optimization of Smith Chart Applications

NCU Institutional Repository > 工學院 > 機械工程學系 > 研究計畫 > Item 987654321/97026

請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/97026

題名:	機器學習分析RF氮化鋁薄膜製程中的Arcing異常及史密斯圓應用優化;Machine Learning Analysis of Arcing Anomalies in Rf Aluminum Nitride Thin Film Processing and Optimization of Smith Chart Applications
作者:	傅尹坤
貢獻者:	國立中央大學機械工程學系
關鍵詞:	優化RF電源系統;AI演算法;電漿光譜測試;化電源與製程參數匹配;Optimize RF power supply system;AI algorithm;plasma spectrum test;chemical power supply and process parameter matching
日期:	2025-07-31
上傳時間:	2025-08-07 17:25:52 (UTC+8)
出版者:	國家科學及技術委員會(本會)
摘要:	本計畫旨在系統性評估並優化RF電源系統於半導體製程中的應用性能，透過整合先進的實驗技術與AI演算法，提升薄膜製程的品質、效率及穩定性，特別針對AlN薄膜的沉積技術進行深度探索。計畫將建構薄膜品質預測模型，以異常檢測技術提升製程可靠性，並助力電弧管理的精準控制。本計畫預期能推動高性能電子元件的生產技術進步，有助於半導體產業的升級與競爭力提升。同時，降低製程中因電弧或薄膜缺陷導致的良率損失，為企業帶來成本效益，並縮短產品開發週期，並透過結合AI與製程技術的創新應用，將有助於相關領域研究的發展，提供可供延伸的理論框架與數據參考。透過實現RF電源與製程參數的最佳化控制，本計畫對學術界及產業界均具示範性與前瞻性意義。
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	28	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.....