Sintesi ottima di un dispositivo di riscaldamento a induzione a doppia frequenza: dal modello di campo alla rete neurale

In this thesis, modeling of surface temperature in a susceptor device used in epitaxial deposition reactor has been investigated. This research aims to improve the temperature control in the semiconductor production process, including: • The analysis of magnetic and thermal fields using the finite element method • Surrogate model synthesis • Solving multi-objective problems • Optimal design and control of the power supply The finite element analysis is a powerful computational tool for prediction and interaction involved with different physical phenomena that go on in the system. Multi-physics domain modeling of magnetic and thermal fields can simulate and predict the distribution of temperatures on the surface of the susceptor and give knowledge about the thermal behavior. To solve the forward problem, deep neural networks (DNNs), Gaussian process regression (GPR) model, and support vector regression (SVR) model have been used as surrogate field model for prediction of susceptor temperature. The DNNs and GPR models can predict the temperature distribution very fast and accurately so that instant optimization is possible. They are trained on simulated data from the finite element model. In terms of inverse problem, the ideal temperature profile has been used to predict the amplitude and frequency of current in power conductors. In this way, two approaches have been investigated: 1. Formulate the temperature condition of induction heating susceptor as an advanced multi objective optimization problem which use GPR surrogate model for evaluation the objectives. 2. Solve the optimal design problem followed by optimal control approach using DNNs. The result shows both find optimal power supply configurations, which maximize temperature uniformity, and retain the structural integrity of the susceptor under very high thermal stresses. The results of this research show significant improvements in the temperature uniformity of induction heating devices, which could lead to better quality and reduction of defects in the production of semiconductor layers. The cooperation with Prof. Michele Forzan from the ELECTRAlab, University of Padova, is gratefully acknowledged. Keywords: epitaxial deposition reactor, multi-physics domain, finite element, multi-objective optimization, neural network, Gaussian process.

In questa tesi è stata studiata la modellazione della temperatura superficiale in un dispositivo (suscettore) utilizzato come reattore di deposizione epitassiale. Questa ricerca mira a migliorare il controllo della temperatura nel processo di produzione dei semiconduttori, mediante: • l'analisi dei campi magnetici e termici mediante il metodo degli elementi finiti • la sintesi di modelli surrogati • la sintesi ottima dell’alimentazione mediante la risoluzione di un problema multi-obiettivo • la progettazione e il controllo ottimali dell'alimentazione mediante reti neurali profonde L'analisi agli elementi finiti è un potente strumento computazionale per la previsione e l'interazione coinvolta con diversi fenomeni fisici che si verificano nel sistema. La modellazione di domini multifisici di campi magnetici e termici può simulare e prevedere la distribuzione della temperatura sulla superficie del suscettore e fornire conoscenze sul comportamento termico. Per risolvere il problema diretto, le reti neurali profonde (DNN), il modello di regressione del processo gaussiano (GPR) e il modello di regressione vettoriale di supporto (SVR) sono stati utilizzati come modello di campo surrogato per la previsione della temperatura del suscettore. I modelli DNN e GPR possono prevedere la distribuzione della temperatura in modo molto rapido e accurato in modo da consentire un'ottimizzazione immediata. Vengono addestrati su dati simulati dal modello a elementi finiti. In termini di problema inverso, il profilo di temperatura ideale è stato utilizzato per prevedere l'ampiezza e la frequenza delle correnti di alimentazione. A tal fine sono stati scelti due approcci: 1. formulare la sintesi ottima del suscettore di riscaldamento a induzione come un problema avanzato di ottimizzazione multiobiettivo che utilizza il modello surrogato GPR per la valutazione degli obiettivi. 2. La risoluzione, in cascata, del problema di progettazione ottima seguito dall'approccio di controllo ottimo mediante DNN. Il risultato mostra che entrambi gli approcci trovano configurazioni di alimentazione ottime, che massimizzano l'uniformità della temperatura, e mantengono l'integrità strutturale del suscettore sotto stress termici molto elevati. I risultati di questa ricerca mostrano miglioramenti significativi nell'uniformità della temperatura dei dispositivi di riscaldamento a induzione, che potrebbero portare a una migliore qualità e alla riduzione dei difetti nella produzione degli strati semiconduttori. Si ringrazia per la collaborazione il Prof. Michele Forzan dell'ELECTRAlab, Università degli Studi di Padova. Parole chiave: reattore a deposizione epitassiale, dominio multifisico, elementi finiti, ottimizzazione multi-obiettivo, rete neurale, processo gaussiano.