基于神经网络的金刚线硅片工艺优化研究

使用Tensorflow对金刚线切割过程深度学习,通过对500组样本的训练和预测,得到金刚线切割的神经网络模型。高进给速度(1.4 mm/min)和高线速(1400 mm/min)可发挥高颗粒密度(100 cm-1)的优势,在提高切割效率的同时获得较低的总厚度变化(total thickness variation,TTV)。在切割过程中,高颗粒密度的钢线耐磨损能力强,有更大的工艺窗口。将神经网络技术应用到工艺优化方面可直观找到调整参数与实验结果的量化关系,为优化工艺提供一种简便高效的方法。