Pag-optimize ng disenyo ng thermal field para sa SiC epitaxial furnace (hot-wall CVD reactor)

Ang pangunahing layunin ay upang makamit ang pagkakapareho ng temperatura ng ibabaw ng wafer (≤±0.5–5 ℃) at katatagan ng patlang ng temperatura/daloy, sa gayon ay pagpapabuti ng pagkakapareho ng kapal ng epitaxial layer (<3%), pagkakapareho ng doping (<8%), pagbabawas ng density ng depekto, at pagtaas ng rate ng paglago (>60 μm/h).

Ang mga kamakailang pagsulong sa SiC epitaxy process optimization ay nakatuon sa thermal management, multi-parameter optimization, AI-assisted simulation, gas-flow regulation, at reactor structure upgrades. Ang mga pagpapaunlad na ito ay naglalayong mapabuti ang pagkakapareho ng epitaxial layer, kahusayan sa paglago, kontrol ng depekto, at malaking-wafer na scalability sa industriya.

Thermal Conductivity Modeling ng Insulation Materials

Ang isang mahalagang direksyon ng pananaliksik ay ang thermal conductivity modeling ng fibrous graphite felt na ginagamit sa mga epitaxy reactor. Ang mga advanced na analytical na modelo ay binuo upang suriin ang maliwanag na thermal conductivity habang isinasaalang-alang ang komposisyon ng gas, presyon ng silid, at temperatura ng pagpapatakbo. Sa ilalim ng mga kondisyon ng carrier na mayaman sa hydrogen, ang gas-phase na paglipat ng init ay nagiging nangingibabaw na mekanismo ng paglipat ng init. Ipinakikita ng mga pag-aaral na ang pagbabawas ng presyon ng kamara mula 100 mbar hanggang 1.5 mbar ay makabuluhang binabawasan ang kinakailangang kapangyarihan ng pag-init. Ang mga modelong ito ay nagbibigay-daan din sa mas tumpak na paghula ng pamamahagi ng temperatura sa iba't ibang rehiyon ng reaktor, na tumutulong na maiwasan ang hindi pagkakapareho ng deposition na dulot ng mga pagkakaiba-iba ng temperatura sa labas ng lugar ng wafer kahit na ang temperatura ng substrate ay nananatiling pare-pareho.

Multi-Objective Parameter Optimization Gamit ang FEM at Machine Learning

Ang isa pang pangunahing tagumpay ay pinagsasama ang finite element modeling (FEM) sa mga machine learning algorithm para sa multi-objective optimization. Kabilang sa mga pangunahing parameter ng proseso ang kabuuang bilis ng daloy ng gas, temperatura ng paglaki, presyon ng silid, bilis ng pag-ikot ng susceptor, at disenyo ng pamamahagi ng gas. Ang mga diskarte sa pag-optimize tulad ng MOPSO, NSGA-II, at SVM surrogate model ay malawakang pinagtibay. Ipinapakita ng mga resulta na ang pagkakapareho ng kapal ay maaaring mapabuti ng humigit-kumulang 30%, habang ang Pareto-front optimization ay nakakamit ng parehong mataas na rate ng paglago at mababang koepisyent ng variation nang sabay-sabay. Karaniwang makikita ang pinakamainam na mga window ng proseso sa mga temperatura ng paglago na 1450–1500°C, mga presyon ng chamber na 80–100 mbar, bilis ng pag-ikot ng susceptor na higit sa 60 rpm, at mga asymmetric na gas inlet ratio gaya ng 5:16:5.

Lumilipas na Multiphysics Simulation na Pinagsama sa Machine Learning

Isinasama rin ng mga kamakailang pag-aaral ang mga lumilipas na simulation ng CFD sa mga diskarte sa machine learning para mapabilis ang pag-optimize ng proseso. Ang mga modelong CFD na pinagsama-sama ng thermal-flow-chemical na pinagsama sa mga neural network ng ACO-BPNN ay ginagamit para i-optimize ang temperatura ng deposition, daloy ng pumapasok na gas, bilis ng pag-ikot, at presyon ng chamber. Ang pang-eksperimentong pagpapatunay ay nagpapakita ng mahusay na kasunduan sa pagitan ng simulation at mga praktikal na resulta, na may mga paglihis sa hula na 4.03% lamang para sa rate ng paglago at 0.49% para sa pagkakapareho. Ang pamamaraang ito ay makabuluhang nagpapaikli sa mga cycle ng pag-unlad at pag-optimize at partikular na angkop para sa mga horizontal hot-wall CVD reactors.

Daloy ng Gas at Pag-optimize ng Field ng Temperatura

Ang pag-optimize ng gas-flow at thermal-field distribution ay nananatiling kritikal para sa mataas na kalidad na paglago ng SiC epitaxy. Sa ilalim ng mga naka-optimize na kondisyon, kabilang ang H₂ flow rate na 100 slm, flow split ratio na 20:60:20 (side:center:side), C/Si ratio na 0.95, growth temperature na 1610°C, at susceptor rotation, nakamit ng mga researcher ang isang napaka-stable na parallel flow field at pare-parehong pamamahagi ng temperatura. Ang gradient ng temperatura ng ibabaw ng wafer ay nabawasan sa 19.3°C lamang. Bilang karagdagan, ang pagkakapareho ng nitrogen doping ay umabot sa 3.35-4.85%, habang ang mga depekto ng kristal ay makabuluhang nabawasan sa 28 kabuuang mga depekto, kabilang ang 8 triangular na depekto at 6 na basal plane dislocations (BPDs).

Pag-ulit at Industriyalisasyon ng Estruktura ng Kagamitan

Pang-industriya-scale na pag-upgrade ng reactor sa pagitan ng 2023 at 2026 ay pangunahing nakatuon sa vertical split gas injection system, multi-zone induction heating, compatibility sa parehong single-wafer at dual-wafer configuration para sa 6–12 inch wafers, at graphite component redesign na may automated preventive maintenance (PM). Ang mga structural improvement na ito ay nagbigay-daan sa 8-inch at 12-inch SiC epitaxy na proseso upang makamit ang kapal na hindi pagkakapareho sa ibaba 3% at doping variation sa ibaba 8%. Higit pa rito, ang kontaminasyon ng particle ay nabawasan ng humigit-kumulang 50%, ang maintenance downtime ay pinaikli ng 30%, at ang pagkakaiba-iba ng temperatura ay kinokontrol sa loob ng ±5°C sa dual-wafer system.

Tatlong Pangunahing Konklusyon

1. Ang Simulation + Machine Learning ay Naging Mainstream na Paraan para sa Thermal Field Optimization: Sa pamamagitan ng pagsasama-sama ng thermo-fluid-chemical field sa pamamagitan ng CFD/FEM, at pagsasama nito sa ACO-BPNN o MOPSO/NSGA-II, ang pinakamainam na mga parameter ng Pareto ay makikita sa loob ng mga linggo (sa halip na tradisyonal na trial and error), na makabuluhang nagpapabuti sa kapal/doping na pagkakapareho sa pamamagitan ng higit na 30% na mga gastos sa eksperimento Ito ay isang mahalagang tool para sa malakihang paglaki ng epitaxial ng 8–12-pulgadang SiC.

2. Ang Impluwensiya ng Gas Phase (H₂ Pressure/Composition) Sa Loob ng Insulation na Naramdaman sa Mistulang Thermal Conductivity ay Hindi Maibabalewala: Sa mataas na H₂ na temperatura, nangingibabaw ang gas phase heat transfer, at ang mga pagbabago sa pressure/precursor flow rate ay magbabago sa pangkalahatang distribusyon ng temperatura ng reactor. Ang pinakabagong analytical na mga modelo ay maaaring direktang i-embed sa CFD upang makamit ang tumpak na hula ng kapangyarihan at closed-loop na thermal field control, na siyang ubod ng mataas na kahusayan, pagtitipid ng enerhiya, at pagkakapareho sa mga thermal fireplace.

3. Ang paglipat sa mas malalaking sukat (8–12 pulgada) ay nangangailangan ng structural innovation: Naabot ng domestic equipment ang wafer surface temperature ≤ ±0.5℃ at dual-wafer temperature difference ≤ 5℃ sa pamamagitan ng vertical split air intake, multi-zone temperature control, at susceptor optimization. Ang kapal/pagkakapareho ng doping ay umabot sa pang-internasyonal na nangungunang antas, direktang sumusuporta sa pagbawas ng gastos at pagdodoble ng kapasidad ng produksyon. Pahalang na hotwall + umiikot na susceptor pa rin ang mainstream at walang halatang kontrobersya.

Nag-aalok ang Semicorex ng mataas na kalidadmga bahagi sa proseso ng epitaxial. Kung mayroon kang anumang mga katanungan o kailangan ng karagdagang mga detalye, mangyaring huwag mag-atubiling makipag-ugnayan sa amin.

Makipag-ugnayan sa telepono # +86-13567891907

Email: sales@semicorex.com