基于迁移学习的大尺寸铸锭晶体硅热场设计

作者：郝佩瑶; 郑丽丽^*; 张辉; 廖继龙

来源：人工晶体学报, 2022, 51(08): 1323-1336.

DOI：10.16553/j.cnki.issn1000-985x.2022.08.001

• G8型铸锭炉
• 晶体硅
• 热场设计
• 迁移学习
• 神经网络
• 遗传算法

不同尺寸的铸锭晶体硅生长过程具有相似性，小尺寸晶体的生长规律可以迁移至大尺寸。本文采用迁移学习(TL)对G8型铸锭炉进行热场设计，设计对象为侧、顶加热器位置及体积、侧隔热笼分区块高度，主要设计目标为减少晶体内部的位错缺陷、抑制硅锭边缘多晶且使晶体生长界面微凸。首先使用神经网络对已有的G7铸锭炉建立热场几何参数与热场评价参数间的映射模型，然后将该模型迁移至G8铸锭炉，对比不同模型结构对迁移过程的影响，采用Dropout分析模型是否存在过拟合，并使用遗传算法(GA)结合聚类算法(CA)对热场几何参数进行优化，以上为G8热场设计过程。最后对优化结果采用数值模拟方法研究其在晶体生长过程中的温度分布、固液界面形状等，最终选定的优化方案能够实现较高质量的长晶。将该方案同时应用于G7和G8热场并进行对比，结果表明G8在硅熔体和硅晶体中的轴向温度梯度均小于G7,在晶体生长界面沿径向的温度梯度也小于G7,这有利于减小晶体内部的热应力。

• 单位
  清华大学