English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 82005/82005 (100%)
造訪人次 : 51855855      線上人數 : 3342
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    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.html0KbHTML2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

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明