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
全部NCUIR
工學院
機械工程學系
--研究計畫
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
主頁
‧
登入
‧
上傳
‧
說明
‧
關於NCUIR
‧
管理
NCU Institutional Repository
>
工學院
>
機械工程學系
>
研究計畫
>
Item 987654321/97026
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
資料載入中.....
資料載入中.....
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
2
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