今日
私たちは
're
行く
に
話す
について
どうやって
に
使用
ジャンプ
に
する
薄い
膜
発達
使用して プラズマ -強化された 化学薬品 蒸気 証言録取 .
これ は a 少し 違う , I 考える ,
よりも いくつかの の その 典型的な 仕事 それ の 終わり で 業界 ,
どこ それ の a 継続的に かき混ぜた 原子炉 そして あなた できる いつも ミックス もの .
関係なく の 何 起こる , あなた できる いつも 測定 出力 .
しかし、 プラズマ強化 化学薬品 蒸気 証言録取 ,
それ の 本当に 離散 ポケット の 安定性 それ あなた 持っている に 仕事 と .
平 けれど 私たちは できる セット 上 大きな パラメータ 空間 ,
そこには できる なれ 斑点 内で それ パラメータ 空間
どこ あなた 5月 ない なれ できる に ストライク その プラズマ
または それ できた アーク なぜなら その 力 密度 は あまりにも 高い .
以来 私たちは 持っている a 大きい 番号 の 証言録取 パラメータ ,
私たちは 必要 に 使用 a デザイン の 実験
に 効果的に 探検する それ パラメータ 空間 .
平 もし 私たちは 're できる に ストライク その プラズマ ,
そこには は まだ 問題 と 薄い 膜 均一 .
私たちは 're 預ける ナノメートル 映画
と ほぼ 完璧 均一 横切って a 12 -インチ ウエハース .
一度 私たちは 得る それ , 私たちは まだ 持っている に 打つ その ターゲットを絞った 膜 プロパティ .
私たちは 're 行く に 話す について どうやって に 使用 PECVD
に 開発する 新しい 薄い 映画 から 新しい 前駆物質 .
その 初め もの 私たちは 're 行く に する は 話す について 前駆 1 .
から 何 I だった できる に 読む から その ジャンプ チュートリアル ,
その 決定的 スクリーニング デザイン は a とても 効果的 方法
に 画面 a 大きい 番号 の 主要 効果 で その 最少 番号 の 実験 .
それ の 鍵 に その 仕事 それ 私たちは する。
私たちは 欲しい に 得る その 右 答え で その 最短 額 の 時間
と a データ 主導型 アプローチ .
私たちは 使用済み a 決定的 スクリーニング DOE に 探検する セブン 要因 で 26 走る .
何 私たちは 'll する は ただ 開ける 上 それ イニシャル DOE .
これ は その 設定 私たちは 来た のために その 決定的 スクリーニング DOE .
ここ は その セブン 違う 要因 だった 変化する のために その 証言録取、
そして 私たちの 出力 は 行く に なれ これ パラメータ そして、
そして 私たちは 're 試して に 最大化する それ .
もし 私たちは 見て で その 範囲 の パラメータ のために これ タイプ の PECVD 処理 ,
これ は a とても 広い 範囲 の イニシャル パラメータ .
また , 私たちは 're 試して に 画面 のために 主要 効果 ,
そして 私たちの 出力 は 範囲 から、 言う , 9-34 , そして 私たちの ベースライン だった 21 .
私たちは する 見る 一つの 改善 そこには .
1つ の その もの それ I いつも のように に する いつ 私たちは する a DOE
は 含む a 中心 ポイント 複製する または a 繰り返す 走る
に 見る どうやって 再現可能な その 楽器 は , として 良い として に 作る もちろん
それ その 統計 私たちは 生成する 内で その デザイン は 有効 .
これら は その 二 中心 -ポイント 走る ,
そして あなた できる 見る 私たちは 得る 素晴らしい 再現性 .
その 他の もの それ の 本当に ニース のために 私たち に する 前に 私たちは 得る の中へ フィッティング その モデル
は ただ に 見て で その 出力 変数
そして 試す に 識別する どれでも トレンド それ 私たちは できる 見る .
は そこには 何でも 私たちは できる 識別する 素早く それ 私たちは できる 属性 その 主要 要因 に ?
ここ、 そこには の 4つ ポイント と a Y 価値 の より大きい よりも 30 内で その DOE .
もし 私たちは 選択 それらの ポイント ,
それ の ニース に 見る もし 私たちは できる 見る どれでも トレンド 関連する と これら データ .
1つ の その 最速 方法 I 見つかった に する それ は に 素早く する a 多変量 分析 ,
そして 私たちは できる する これ グラフィカルに .
何 私たちは 're 行く に する は 取る 全て 私たちの 要因
そして それから 私たちの 出力 変数 ,
そして 私たちは 're 行く に 生成する a 多変量 分析 .
ここ で これ グラフ , これ は 私たちの Y 価値 .
あなた できる 見る として 私たちは 行く から 10から 30 ,
その 4つ 価値観 それ は その 最高 は 強調表示 ,
しかし その 行 は その 様々な 要因 .
ここ 私たちは できる 見る のために ヘリウム ,
私たちは 持っている その 最高 価値観 で その 高い そして 低い 分割 .
のために 前駆 , 私たちは 持っている その 高い そして 低い 分割 .
しかし、 温度 そして プレッシャー ,
私たちは 持っている その 最高 価値観 で その 最低 分割 .
それ の 本当に , I 考える ,
a 良い 表示 当初 前に 私たちは 've 終わり どれでも モデル フィッティング ,
それ 温度 そして プレッシャー できた なれ 重要 変数 のために 私たち に 見て で .
もし 私たちは 行く 戻る に その テーブル、
その 他の ニース もの について ジャンプ , それ の とても 強力 なぜなら...
また , 前に 私たちは する その 決定的 スクリーニング ,
私たちは できる 使用 a 予測子 スクリーニング
に 識別する 何 は その ほとんど 重要 要因 .
また , 私たちは 使用 その 標準 分析 , 入力 私たちの 要因 , 私たちの 応答 は Y ,
そして あなた できる 見る 何 その 予測子 スクリーニング は 伝える 私たち
は , はい , プレッシャー そして 温度 は とても 重要 .
しかし、 もの それ 私たちは しなかった 't キャッチ
で それ 多変量 分析 は その 前駆 流れ .
これら 三つ 要因 , プレッシャー , 前駆 流れ , そして 温度
現れる に なれ 支配的な で 与える 私たち その 最高 価値観 の Y .
今 I 望んでいた に フィット その モデル なぜなら I 考える
その 本物 力 の その DOE は ない その 走る で その テーブル ,
しかし それ の その 応答 表面 モデル それ あなた できる 使用
に 得る 予測 のために 改善 として 良い として 方向 に さらに遠く 探検する .
しかし、 I 行った に 分析する それ , それ しないだろう 't 仕事 .
それ ターン 外 私たちは だった のみ できる に 完了 25 の その 26 走る ,
そして I だった ない わかっている それ その 決定的 スクリーニング DOE ,
その デフォルト 分析 だろう ない 仕事 もし あなた した ない 完了 全て の その 走る .
で これ ポイント , I 連絡した ジェド で ジャンプ に ヘルプ 自分 理解する
どうやって I できた 得る いくつかの モデル 外 の これ データ
それ 私たちは 気をつけて 収集された 以上 a 期間 の 時間 .
I 'll 振り向く それ 以上 に ジェド .
いつ 請求書 と呼ばれる ,
のように 彼 言った ,
いつ 彼 打つ それ スクリプト それ 保存された に その データ テーブル
の フィット 決定的 スクリーニング , 何もない 起こる .
もし あなた 見て 以上 ここ ,
その ログ は 言って , そこには は 走る それ は ない 折り畳み 以上 中心 ポイント 走る ,
そして それ の 走る 17 , どれの は 明らかに その 走る それ だった ない
そして できなかった 't なれ 完了 で その 実験 .
何 請求書 望んでいた だった a 方法 に まだ フィット それ 決定的 スクリーニング モデル .
私たちは 来た 上 と 二 違う アプローチ
そして 持っていた 三つ モデル それ 来た について から それらの 二 違う アプローチ .
その 初め 1つ は 関連している に その 決定的 スクリーニング .
その デザイン の これら 種類 の モデル、 の これら 実験、
は いつも 折り畳み -以上 ペア , どこ そこには の a ペア の 反対 .
もし 私たちは できる 探す それ 折り畳み -以上 ペア , または その ツイン , I 推測 , の これ 行 17 ,
私たちは すべき なれ できる に 除外する 両方 行
そして それから フィット その 決定的 スクリーニング デザイン .
私たちは ただ 必要 a 単純 方法 に する それ .
何 私たちは 来た 上 と だった 基本的に に 使用 a カップル の ショートカット .
I 'm 行く に 初め 標準化する その 属性 の これら 列
そして 変化 その モデリング タイプ に 序数 .
として I する これ , あなた 'll 知らせ それ 私の 能力 に 選択 もっている 変更された .
それ 役立つ いつ I 見て で a データ フィルター .
今 I 持っている 箱 それよりも よりも ヒストグラム , それで それ ただ 作る それ もっと早く に 選択 .
何 私たちは 必要 に する は 探す その 反対 行 の これ .
I 持っている これ 行 17 選択された , そして あなた 見る それ それ の 高い , 高い , 高い ,
低い , 低い , 低い , そして それから I 'm 外 の メモリ 空間 .
I 'm 思い出す 高い , 高い , 高い , 低い , 低い , 低い .
I 必要 に 探す その 反対 の それ ,
どれの は 行く に なれ 低い , 低い , 低い , 高い , 高い , 高い .
もし I ただ 来る 以上 ここ そして 始める 働く 私の 方法 下 , 低い , 低い , 低い , 高い ,
による その 時間 I 得る に ただ 4つ の その 走る
それで ただ もっと よりも 半分 の その 要因 選択された ,
今 I 'm 下 に ただ 1つ マッチング 行 .
それ ただ それで 起こる それ その とても 次 走る だった その 折り返し ペア で これ 実験 .
私たちは できる 選択 両方 の それらの 走る , 除外する 彼ら ,
そして それから 行く 戻る に〜に その カラム プロパティ
そして 変化 それ モデリング タイプ 戻る に 連続 .
今 いつ 私たちは 打つ それ 決定的 スクリーニング ボタン ,
それ 作品 .
私たちは できる 走る それ モデル そして 見る それ それ の 予測する かなり 良い .
私たちは できる 見る その プロファイラー , しかし 私たちは また だった 本当に わかっている
それ 1つ の その 走る 外 の 26 , それ の ほとんど 4 %.
私たちは 're 投げる 離れて だいたい 4 % の その 情報 による 除く これ .
何 私たちは 'd 本当に のように に する は ない 投げる それ 情報 離れて ,
探す a 方法 に 使用 それ .
私たちは 使用済み その モデルスクリーニング プラットフォーム で ジャンプ プロ に 走る a 束 の モデル
そして それから 選択 その 最高 .
その 二 それ 来た 外 その 最高 だった a ニューラル そして 段階的に モデル ,
そして I できる 歩く を通して それらの 本当に 素早く .
その ニューラル モデル だった と 私たちの 応答 そして 私たちの 要因 .
以来 これ だった a DOE , 私たちは 're 行く に する その 最小 抑制 ,
そして I 'm ただ 行く に 選ぶ a ランダム シード それで これ は 繰り返し可能 .
その モデルスクリーニング プラットフォーム 一般的に 示唆する について 20 ブースト .
もし I 打つ 行く ここ , I 得る a かわいい 良い Rスクエア 横切って これ。
多分 I かもしれない 試す に 曲 これ モデル による 追加する いくつかの もっと パラメータ ,
しかし いつ I する , I できる 見る それ R 四角 は ない 本当に 変化 .
I ドン 't 考える I 欲しい に 追加 もっと パラメータ
そして リスク 過剰適合 その モデル .
それ だった 1つ 余分な 方法 に する それ .
それから その 2番 モデル それ 示した 上 簡単に のために 私たち
使用して その モデルスクリーニング プラットフォーム だった に する 段階的に .
その 方法 私たちは した それ だった 私たちは 置く 私たちの 出力 ここ
そして それから 使用 その ショートカット に する a 応答 表面 .
それ 含まれるもの 全て 主要 要因 ,
全て 二乗 条項 , そして 全て 二 -方法 相互作用 .
それから もし 私たちは 変化 これ に 段階的に ここ , 私たちは できる 打つ その 走る ボタン そして 行く .
今 ジャンプ は 行く に 入力 そして 出口 すべて
それまで それ 発見 その モデル それ フィット その 最高 .
私たちは できる 行く 先に そして 走る それ .
今 私たちは 持っている 三つ モデル それ 私たちは 欲しい に 比較する .
何 I 'm 行く に する は I 'm 行く に 取る これ 初め モデル そして 保存 .
I 'm 行く に 公開 それ 予測 式
に その 式 デポ .
I 'm 行く に 与える それ a 本当に 素早い 名前 , そして 私たちは 意思 電話 これ 性分化疾患 .
何でも , I できる 't タイプ .
私たちは 'll 電話 それ 性分化疾患 , そして それから 近い それ .
私たちは 'll する これ と その ニューラル として 良い .
私たちは 意思 公開 それ 予測 式 ,
与える それ a 名前 ,
そして する その 同じ と これ ファイナル モデル
どこ 私たちは 意思 公開 それ 予測 式 .
これ 最後 1つ だった , 私たちは と呼ばれる それ 段階的に .
今 I 持っている これら 三つ モデル そして I できる 比較する 彼ら .
私たちは できる 走る その モデル 比較 プラットフォーム のために 全て 三つ の 彼ら
から 内で その 式 デポ。
私たちは できる 得る a ランク の その R平方 の それらの モデル .
私たちは できる 見て で その 実際の 対 予測された ,
そして 私たちは できる 見る それ 彼らは 're 全て 予測する について その 同じ .
私たちは できる また 見て で その 予測された による 行 ,
そして 私たちは できる 見る これ 1つ ポイント から その 決定的 スクリーニング デザイン
は その 1つ それ だった 左 外 いつ 私たちは フィット その オリジナル 決定的 スクリーニング デザイン .
それ 思われる に なれ 重要 , そして おそらく ほとんど 重要なのは ,
私たちは できる 見て で a プロファイラー のために 全て の これら に対して それぞれ 他の .
もし I 振り向く オフ その 望ましさ , 私たちは できる 見る どうやって これら モデル 比較する に それぞれ 他の .
のために 例 , 私たちは できる 見て で それ 決定的 スクリーニング デザイン
そして 見る それ それ の 表示中 いくつかの 曲率 どこ その 他の 二 モデル は ない .
多分 私たちは できる 見て そして 見る 以上 ここ
それ その 曲率 は 違う のために それぞれ の それらの .
それから その 質問 なる , どれの モデル は 最高 そして どうやって する I 知る ?
それから それ もたらす 私たち 戻る に 請求書 .
ありがとう , ジェド .
させて 自分 共有 私の 画面 .
できる あなた 見る 私の 画面 ?
はい .
I 'm 行く に ただ ...
ジェド 保存された 全て それ に その 式 デポ、 だから私は 'm ただ 行く に 実行する その スクリプト
それ 意思 取る 私たち に その 式 デポ それ 彼 の すでに 保存された .
また , 私たちは 'll それから ただ 行く 右 に その プロファイラー .
私たちは 're 行く に フィット 全て 三つ の これら .
それから 私たちは 持っている その プロファイラー .
これ は 何 その 本物 力 , I 考える , の その DOE は、
なぜなら その 予測プロファイラー , 私たちは できる 最適化する そして 最大化する その 望ましさ .
その 応答 表面 モデル 意思 教えて 私たち 何 組み合わせ の 要因 私たちは 必要
に 得る その 最高 弾力性のある または 最高 価値 の その 出力 パラメータ .
何 だった 本当に 目 -オープニング のために 自分 は もし あなた 見て で その 価値観 それ 私たちは 得る
いつ 私たちは する これ 最適化 , 二 の その 予測 ,
その ニューラル ネット そして その 決定的 スクリーニング DOE、
は 与える 私たち 価値観 の その Y パラメータ
それ は より大きい よりも 何でも 私たちは 見た で 私たちの イニシャル データ テーブル .
私たちは 持っていた a 最大 価値 の 34 .
させて の 見る。
I 'm ごめん , I ただ 得た に 得る それ 画面 戻る .
通常 , それ の とても 普通でない のために 自分 に 見る これ と その DOE .
通常 , その モデル , もし あなた 最大化する それ ,
は 一般的に 近い に 何 あなた 見る として で その テーブル .
しかし、 これ 場合 , それ 見た目 のように 私たちは 本当に 持っている いくつかの 低い -ぶら下がっている フルーツ .
私たちは 必要 に テスト これ 組み合わせ の パラメータ
そして 本当に 見る もし それ 予測 だった 有効 または ない .
もし 私たちは 行く 戻る に 私たちの ジャンプ ジャーナル...
I ただ 欲しい に 見せる あなた 何 起こった .
私たちは 取った , I 考える これ は その 予測 から 1つ の その ニューラル ネットワーク フィット .
また , その 最高 価値 で その 決定的 スクリーニング DOE だった 34 .
その モデル 予測 だった 42 , しかし いつ 私たちは 実は 走った それ ,
私たちは 見た いくつかの 遺物 で その 膜 それ だった ない 許容できる .
その プラズマ 自体 だった 安定した .
そこには だった いいえ 方法 に 見る これ それまで その ウエハース 来た 外 の その 原子炉 .
でもあなたは できる 見る そこには の a ブルズアイ パターン ,
どれの は 期限 に 膜 非 -均一 .
で これ 場合 , それ の とても 厚い で その 真ん中 そして 薄い で その 角 ,
どれの 与える 私たち これ ブルズアイ パターン .
それから もし あなた 見て 気をつけて ,
あなた できる 見る 全て これら 小さい ドット 以上 その ウエハース ,
どれの は 実は その 穴 下 その シャワーヘッド .
その シャワーヘッド もっている 数千 の 小さい 穴 どこ その ガス 来る 外 .
で これ 場合 , 私たちは 持っている a シャワー 頭 パターン そして a ブルズアイ .
I 考える その モデル は 伝える 私たち 何 方向 に 行く .
しかしまた , プラズマ は 挑戦的 に 使用 .
平 けれど その モデル だった 伝える 私たち
これ 膜 すべき 持っている その 最高 価値 の Y ,
その 膜 自体 だった 受け入れられない .
それから 私たちは 持っている に 頼る の上 私たちの プロセス そして 理論的な 知識 の その プロセス .
私たちは 知る それ アルゴン もっている a より低い イオン化エネルギー、
そして もし 私たちは 代わりの アルゴン のために ヘリウム そして その プラズマ ,
私たちは できる 得る a より高い プラズマ 密度 ,
どれの 5月 ヘルプ 私たち 克服する これら 課題 .
何 私たちは した は スイッチ に アルゴン , そして あなた できる 見る ,
それでも その 膜 は ない 完璧 , それ の 多くの もっと 制服
そして 確かに 良い 十分 のために 私たち に 得る その 物理的な プロパティ
の その 膜 それ 私たちは できる 使用 .
で これ 場合 , 私たちは だった できる に 打つ a Y 価値 の 46 ,
どれの また , は 多くの より大きい よりも 34 .
私たちは 're 確かに トレンド で その 右 方向 .
何 私たちは 本当に 望んでいた に する は ,
は そこには どれでも 機会 のために 私たち に さらに遠く 改善する その 膜 ?
また , それ の どこ その 予測プロファイラー
または その 応答 表面 モデル は とても 強力 .
もし 私たちは ただ 見て で その トレンド それ 私たちは 見る ここ...
I 'm ただ 行く に 吹く これら 上
それで 私たちは できる 見る 彼ら a 少し 少し より良い のために それぞれ の これら 症例 .
その データ は 本当に 伝える 私たち、
で ある 症例 , そこには の もの それ 私たちは 本当に 欲しい に 調査する .
より低い 気温
見て のように それ の 絶対に 好意的な その 最高 価値 の Y ,
プレッシャー 登場 に なれ a 鍵 パラメータ ,
そして 低い -頻度 力 のために これ イニシャル DOE
見た目 のように で 二 症例 ,
あなた 欲しい に 行く に より高い 低い -頻度 力 .
その 段階的に は 与える 私たち その 反対 .
でもあなたは できる 見る それ これ は 本当に a 青写真
のために 私たち に する 一つの 追加 デザイン に 見る どうやって 遠い 私たちは できる 押す それ .
できる 私たちは 行く に より低い 流れ 料金、 できる 私たちは 行く に より低い 気温、
できる 私たちは 行く に より低い 圧力 そして さらに遠く 改善する その 膜 プロパティ ?
それ の 本当に 一連 学ぶ ,
そして それ のために 自分 , は その 本物 力 の その DOE .
私たちは ドン 't 本当に 持っている 時間 に 行く を通して 全て の それ ,
しかし 何 I した は 置く 一緒に a 新しい ジャンプ テーブル と その 結果
から 私たちの 一連 学ぶ のために これ セット の 実験 .
ここ は その 同じ データ 私たちは 見た で その 決定的 スクリーニング DOE .
ここ は 私たちの Y 価値観 , そして 私たちは 're 範囲 から 9から 34 .
その 違う 色 は その 違う DOE .
ここ の その 次 DOE それ 私たちは した .
何 あなた できる 見る は ベース の上 その トレンド で その 予測 プロファイラー
そして その 応答 表面 モデル ,
私たちは 修理済み その 低い -頻度 力 で その 最高 設定 私たちは できた .
それ ターン 外 物理的な 制限 のために これ プラズマ 化学 阻止された 私たち
から 追加する どれでも もっと よりも 20 % 低い -頻度 力 .
私たちは また 修理済み その 温度 .
私たちは できる 't 操作する のために これ 化学 下に 200 .
私たちは 知る それ より低い 温度 与えた 私たち その 最高 価値 ,
それで 私たちは 修理済み これら 二
そして それから した a 五 -要素 DOE 焦点を合わせる の上 より低い 前駆 流れ ,
様々な 間隔 , その より高い 権限 , そして 確かに その より低い 圧力 ,
どれの だった 示された として 1つ の その ほとんど 重要 パラメータ .
もし あなた 見て で その Y 価値観 ここ ,
あなた できる 見る 私たちは 're 絶対に トレンド で その 右 方向 .
今 私たちは 're 行く から ミッド 20代 上 に 56 .
私たちは 're 確かに その上 その 46 私たちは 見た そこには .
それから 私たちは した その 同じ 学ぶ .
また , その 予測プロファイラー 示された 何 パラメータ 私たちは すべき 探検する .
私たちは した 別の DOE .
で これ 場合 , 私たちは 修理済み 違う パラメータ ,
しかし あなた できる 見る それ その 傾向 は その 同じ .
今 私たちは 're 打撃 上 に 66 で 条項 の 私たちの Y 価値 ,
そして 私たちは した 1つ ファイナル 実験 ,
そして で これ 場合 あなた できる 見る 基本的に その 和 の 全て その 知識
それ 私たちは 獲得した .
それ 向きを変えた 外 いつ 私たちは 切り替えた に アルゴン , あなた できた 追加 もっと 低い -頻度 力 .
あなた できた 行く から ゼロ に 40 %.
で 私たちの ファイナル 分析 , これ DOE 示した それ とは異なり その 初め DOE ,
後 私たちは 微調整された すべて そして 切り替えた ガス ,
その 低い -頻度 力 なかった 統計的 インパクト の上 その Y 価値 .
私たちは セット それ に ゼロ .
私たちは 見つかった 外 その 最低 間隔 だった その ほとんど 重要 .
私たちの 甘い スポット のために プレッシャー だった 2 .3 トル ,
そして 私たちは した 欲しい に 操作する で その 最低 温度 .
本当に 私たちは 持っていた a 三つ -要素 DOE 間 合計 力 , 前駆 流れ ,
そして アルゴン 希釈 に 本当に ダイヤル で その 映画 ,
そして 私たちは できた 打つ a 最大 価値 の 84 .
I 要約 全て それ で a 箱 プロット ここ , どれの I 考える 本当に ショー
その 能力 の その DOE そして 一連 学ぶ ,
どこ 私たちは 開始 外 と a セブン -要素 決定的 スクリーニング DOE と 26 走る
そして 終了 上 と a 三つ -要素 I -最適 デザイン と 16 走る ,
しかし あなた できる 見る 私たちの 続き 改善 .
これ だった 私たちの 参照 ターゲット , それで 私たちは まだ 持っている もっと 仕事 に する .
しかし、これは は a とても 強力 方法 のために 私たち に 画面 セブン 要因
と 三つ -レベル デザイン で a とても 短い 期間 の 時間 .
I する 考える それ の 価値がある ただ に ポイント 外
どうやって 効率的 これら 新しい モダンな DOE s は .
もし 私たちは 見た で 何 私たちは 're 本当に やっている ,
私たちは 持っている セブン 要因 それ 私たちは 開始 と .
全て の これら は 三つ -レベル デザイン .
のために a 三つ -レベル , セブン -要素 デザイン , それ だろう なれ 以上 2 ,100 走る .
私たちは できた 走る 90 外 の その 実験的な デザイン
そして 成し遂げる これ 増加 で その Y 価値 .
I 考える これら モダンな デザイン ,
その 最適 デザイン 組み合わせ と その 決定的 スクリーニング DOE s
は 非常に 強力 道具 のために 私たち に 得る その ほとんど 価値
と その 最少 番号 の 実験 .
その ファイナル もの I 欲しい に 触る の上
は いつ 私たちは 切り替えた に a 違う 前駆 .
これ は 本当に a 違う チャレンジ 私たちは 直面した .
その ゴール ここ だった に 評価する 違う 前駆物質
に 比較する どうやって それ 積み重ねられた 上 に対して その イニシャル ベースライン 膜 .
何 私たちは 試した に する は 使用 全て の 私たちの 学ぶ から それらの 4つ DOEs
そして なる 平 もっと 効率的。
その代わり の 90 実行、 できる 私たちは する これ で 52 走る ?
と ジェド の ヘルプ , 私たちは 置く 一緒に 一つの 八 -要素 A -最適 デザイン ,
しかし 何 私たちは 見つかった は それ その 化学 だった 衝撃的に 違う .
全て の その パラメータ 空間 それ 私たちは できた 操作する 簡単に と 前駆 1
だった ない その 場合 ここ .
で 事実 , I 置く 一緒に a スライド に 見せる あなた
どうやって 悪い いくつかの の これら 映画 できた 見て , それで 私たちは できた 得る 完璧 映画 .
あなた 'd なれ 難しい -押された に 教えて そこには の a 膜 .
これ は a ナノメートル -厚い 膜 ,
角 に 角 の上 a 12 -インチ シリコン ウエハース , 完璧に 制服 .
それから 私たちは だろう 持っている 映画 それ 見て のように これ .
明らかに , それ の ない a デザイン それ 私たちは 望んでいた .
しかし、 チャレンジ それ 私たちは 直面した だった , 私たちは 're やっている 一つの 八 -要素 DOE ,
そして 私たちは 're 試して に する これ 素早く そして 効率的に ,
そして 30 % の その 走る 失敗した .
I 'm 見ている で a テーブル と 八 違う 要因 .
どうやって する I 選ぶ 外 その 要因 それ は 貢献する に これ ?
何 私たちは した は 私たちは 作成された a テーブル のために 私たちの 八 入力 要因
そして それから 特定された 全て の その 映画
それ 持っていた 剥離 , アーク放電 , または 他の 問題 ,
そして それから 作成された a メトリック , ただ a 膜 メトリック、 合格 または 失敗 .
それ ターン 外 私たちは できる フィット これ カテゴリカル 変数
そして 見る もし 私たちは できる 得る a モデル それ 意思 ヘルプ 私たち 理解する
何 は 本当に 原因となる これら 問題 を通して 全て これら 映画 .
その 初め もの 私たちは できる する 素早く
は また 行く に 私たちの モデルスクリーニングプラットフォーム、
予測者 スクリーニング ,
そして 得る a ハンドル の上 何 要素 , もし どれでも , は 本当に 制御する 膜 品質 .
もし 私たちは 見て で これ , それ の かわいい クリア そして それ の ショッキング、
なぜなら これ だった ない その 場合 と 前駆 1 .
その 流れ レート の その 前駆 だった による 遠い そして 離れて
その ほとんど 支配的な 要素 影響を与える 膜 品質 .
しかし、 私たちは 必要 に 走る これら 実験
は ない ただ 知っている これ 要素 ,
しかし 何 価値 できる 私たちは 安全に 走る に 生成する 品質 映画。
それ の どこ 私たちは した その ニューラル ネット .
また , 私たちは 'll 行く の中へ 予測的 モデリング、 ニューラル ネット、
私たちは 'll 取る 私たちの 要因 ,
そして 私たちは 're 行く に フィット 膜 品質 として a カテゴリカル 変数 .
I 'm 行く に 行く に ブースト の 20 , として ジェド 言及された .
それ の 通常 何 その モデルスクリーニング 来る 上 と ,
そして 私たちは 'll 生成する 私たちの モデル ,
そして あなた できる 見る 私たちは 得る 素晴らしい Rスクエア 価値観 .
これ は a カテゴリカル モデル .
I 信じる それ 見ている で その 中華民国 曲線
提供する 洞察力 の中へ どうやって 良い その モデル フィット .
もし その 曲線 は 平行 これ 対角線 , それ の ただ 基本的に a 推測 .
これ 見た目 のように a 半分 四角 波 .
これら は 基本的に 完璧 フィット で その 中華民国 曲線 .
それから その 質問 は , どうやって できる 私たちは 利用する それ データ ?
その ニース もの について その ニューラル ネット は それ あなた 持っている a カテゴリプロファイラー。
I できる 実行する その カテゴリプロファイラー ,
そして 今 I セット これ 上 どこ 私たちは知っている 私たちは 欲しい に 操作する で より低い 圧力 .
私たちは 知る から その 前の 仕事 私たちは 欲しい に 操作する で より低い 間隔 .
私たちは 欲しい に 行く に その 最低 可能 温度。
私たちは 'll ただ セット これ で その 真ん中 .
それから 基本的に 私たちは 持っている これ プロファイラー それ 伝える 私たち
その 主要な 要素 影響を与える これ は 本当に その アルゴン 流れ レート .
もし 私たちは できる 保つ 私たちの 流れ レート 下に 400 SCCM ,
私たちは できる 持っている a 100 % 成功 レート
のために その 映画 それ 私たちは 're 試して に 最適化する .
と これ , 私たちは セット 上 a 新しい DOE ,
制限する その 合計 流れ レート に 400 SCCM .
私たちは 'll 行く 戻る に 私たちの ジャンプ ジャーナル .
私たちは だった できる に 来る 上 と a 新しい デザイン
そして 完了 41 の その 42 走る , そして 私たちは 're まだ 実行中 それ 勉強 .
しかし、 ただ ショー どうやって 強力
その ニューラル ネットワーク は のために a カテゴリカル 変数
どこ 私たちは できる する これ で 一つの 午後、
どこ で 1つ o 'クロック 私たちは 見つかった これら 映画 なかった 't 働く .
三つ 時間 後で , 私たちは 持っていた a モデル それ 言った 私たち どうやって に セット 上 a 新しい デザイン
そして 私たちは だった 実行中 それ 後で それ 日 .
I 考える それ の その 材料 私たちは 望んでいた に カバー .
