CN119026538B 用于dfb高速激光器芯片的外延精度优化方法及装置 （江苏永鼎股份有限公司）

用于DFB高速激光器芯片的外延精度优化方本申请提供了用于DFB高速激光器芯片的外数进行精度预测和优化分析，输出工艺控制参决现有技术中由于现有芯片外延工艺的生长条2通过激光扫描仪采集获取DFB高速激光器芯片的结构点云数据信息，根据所述结构点构建激光器芯片外延工艺数据库，利用深度神经网络结构对获取所述DFB高速激光器芯片的目标应用场景参数，将所述目标应用场景参数和所述利用数字孪生技术将所述激光器芯片三维空间模型和所述芯片外延工艺控制预测模对所述芯片外延精度预测参数进行优化分析，输出目标芯片外延工艺于所述目标芯片外延工艺控制参数对所述DFB高速激光器芯片进行外获取芯片外延工艺控制因素，按照所述芯片外延工艺控制因素对所述DFB高速激光器对所述DFB高速激光器芯片的外延精度质量进行评估指标提取，得到芯片外延精度评将所述芯片应用场景参数集合、所述外延工艺参数阈值集合和基于所述芯片外延工艺应用测试参数表对所述DFB高速激光器芯片进行工艺测试记对所述芯片外延精度评估指标集合中的各评估指标进行关联性分析，基于所述多个精度评估指标关联因子对所述芯片外延精度评估指标集合进行指标筛按照所述外延精度控制指标集合对所述激光器芯片外延工艺数据库进行分类同步训将所述外延工艺指标预测子模型集合按照所述多个精度评估指标关联因子进行串联2.如权利要求1所述的用于DFB高速激基于所述目标应用场景参数和所述激光器芯片外延工艺数据库中的各工艺数据进行对所述芯片外延工艺匹配控制参数进行场景反向匹配和参数比对所述激光器芯片外延工艺数据库进行工艺参数提取和关联分析拟合，构建应用场3基于所述应用场景－外延工艺参数关联空间对所述应用场景偏差参数进行微调变量3.如权利要求1所述的用于DFB高速激光器芯基于所述芯片外延精度预测参数对所述芯片外延工艺可用控制参数进行优化方向分按照所述外延工艺参数优化方向对所述芯片外延工艺可用控制参数进基于所述芯片外延控制数字孪生模型对所述外延工艺控制参数空间基于所述外延精度预测参数集对所述外延工艺控制参数空间4.如权利要求3所述的用于DFB高速激光器芯片的外延精度基于所述外延精度预测参数集对所述外延工艺控制参数空间进行对所述优代外延控制参数集合进行交叉维度分析，构建参数维度将所述外延控制生长参数簇向所述确定外延控制参数簇中心进行5.如权利要求4所述的用于DFB高速激光器芯将所述外延控制生长参数簇向所述确定外延控制参数簇中心进行学习变异基于所述芯片外延控制数字孪生模型在所述外延控制生长更新参数簇内进行参数搜按照所述参数局部寻优方向对所述外延控制生长更新参数簇进行局部三维模型获得模块，所述三维模型获得模块用于通过激光扫描仪采集获取DFB高速激预测模型获得模块，所述预测模型获得模块用于构建激光器芯片外延工艺4控制参数获得模块，所述控制参数获得模块用于获取所述DFB高速激光器芯片的目标应用场景参数，将所述目标应用场景参数和所述激光器芯片外延工艺数据库进行匹配优控制参数预测模块，所述控制参数预测模块用于利用数字孪生技精度优化控制模块，所述精度优化控制模块用于对所述芯片外延精5[0001]本申请涉及半导体激光器制造技术领域，尤其涉及用于DFB高速激光器芯片的外[0004]本申请的目的是提供用于DFB高速激光器芯片的外延精度优化方法及装置，用以解决现有技术中存在由于现有芯片外延工艺中生长条件不稳定，导致工艺控制参数不精[0005]鉴于上述问题，本申请提供了用于DFB高速激光器芯片的外延精度优化方法及装DFB高速激光器芯片的外延精度优化方法通过用于DFB高速激光器芯片的外延精度优化装集获取DFB高速激光器芯片的结构点云数据信息，根据所述结构点云数据信息进行空间数字孪生技术将所述激光器芯片三维空间模型和所述芯片外延工艺控制预测模型进行嵌套6艺控制参数对所述DFB高速激光器芯片进通过激光扫描仪采集获取DFB高速激光器芯片的结构点云数据信息，根据所述结构点云数模块用于对所述芯片外延精度预测参数进行优化分析，输出目标芯片外延工艺控制参数，并基于所述目标芯片外延工艺控制参数对所述DFB高速激光器芯片进行外延精度优化控[0009]通过激光扫描仪采集获取DFB高速激光器芯片的结构点云数据信息，根据所述结训练，得到芯片外延工艺控制预测模型；获取所述DFB高速激光器芯片的目标应用场景参并基于所述目标芯片外延工艺控制参数对所述DFB高速激光器芯片进行外延精度优化控测参数的优化分析，实现外延工艺参数的精确控制，提高了DFB高速激光器芯片的外延精[0010]上述说明仅是本申请技术方案的概述，为了能够更清楚7[0015]本申请通过提供用于DFB高速激光器芯片的外延精度优化方法及装置，解决了现片的外延精度优化装置执行，所述用于DFB高速激光器芯片的外延精度优化方法具体包括8艺在不同场景下的稳定性和性能。识别和确定DFB高速激光器芯片中用于评估外延精度质数表对DFB高速激光器芯片进行一系列工艺测试，并记录不同参数组合下的外延生长过程9保DFB高速激光器芯片的设计和制造过程满足特定应用场景的需求，指导芯片在目标应用制参数，并基于所述目标芯片外延工艺控制参数对所述DFB高速激光器芯片进行外延精度生模型对外延工艺控制参数空间进行精度预测，以评估每个参数组合对芯片性能的影响。[0031]获取芯片外延工艺控制因素，按照所述芯片外延工艺控制因素对所述DFB高速激应用测试参数表；基于所述芯片外延工艺应用测试参数表对所述DFB高速激光器芯片进行[0034]使用芯片外延工艺应用测试参数表，对DFB高速激光器芯片进行一系列的工艺测述外延工艺指标预测子模型集合按照所述多个精度评估指标关联因子进行串联加权融合，[0038]利用多个精度评估指标关联因子从芯片外延精度评估指标集合筛选出对外延精联加权融合过程中为这两个子模型分配不同的权重，外延层厚度均匀性的子模型权重为[0041]基于所述目标应用场景参数和所述激光器芯片外延工艺数据库中的各工艺数据[0046]基于所述芯片外延精度预测参数对所述芯片外延工艺可用控制参数进行优化方[0050]基于所述外延精度预测参数集对所述外延工艺控制参数[0053]将所述外延控制生长参数簇向所述确定外延控制参数簇[0054]具体而言，将外延控制生长参数簇向确定外延控制参数簇中心进行学习变异扩[0055]综上所述，本申请所提供的用于DFB高速激光器芯片的外延精度优化方法具有如[0056]通过激光扫描仪采集获取DFB高速激光器芯片的结构点云数据信息，根据所述结训练，得到芯片外延工艺控制预测模型；获取所述DFB高速激光器芯片的目标应用场景参并基于所述目标芯片外延工艺控制参数对所述DFB高速激光器芯片进行外延精度优化控测参数的优化分析，实现外延工艺参数的精确控制，提高了DFB高速激光器芯片的外延精[0057]实施例二，基于与前述实施例一中用于DFB高速激光器芯片的外延精度优化方法[0058]三维模型获得模块11，所述三维模型获得模块11用于通过激光扫描仪采集获取据库，利用深度神经网络结构对所述激光器芯片外延工艺数据库进行外延工艺分析训练，[0060]控制参数获得模块13，所述控制参数获得模块13用于获取所述DFB高速激光器芯数对所述DFB高速激光器芯片进行外延精[0063]进一步，所述用于DFB高速激光器芯片的外延精度优化装置中的所述预测模型获[0064]获取芯片外延工艺控制因素，按照所述芯片外延工艺控制因素对所述DFB高速激应用测试参数表；基于所述芯片外延工艺应用测试参数表对所述DFB高速激光器芯片进行[0065]进一步，所述用于DFB高速激光器芯片的外延精度优化装置中的所述预测模型获述外延工艺指标预测子模型集合按照所述多个精度评估指标关联因子进行串联加权融合，[0067]进一步，所述用于DFB高速激光器芯片的外延精度优化装置中的所述控制参数获[0068]基于所述目标应用场景参数和所述激光器芯片外延工艺数据库中的各工艺数据[0069]进一步，所述用于DFB高速激光器芯片的外延精度优化装置中的所述精度优化控[0070]基于所述芯片外延精度预测参数对所述芯片外延工艺可用控制参数进行优化方[0071]进一步，所述用于DFB高速激光器芯片的外延精度优化装置中的所述精度优化控[0072]基于所述外延精度预测参数集对所述外延工艺控制参数[0073]进一步，所述用于DFB高速激光器芯片的外延精度优化装置中的所述精度优化控[0074]将所述外延控