李桂琴，陆利新，叶晓军，李红波，夏士伟

（1. 上海大学 机自学院，上海 200072；2. 上海空间电源研究所，上海 200241；3. 上海欣邦电气有限公司，上海 200051）

0 引言

开发新能源和可再生清洁能源是21世纪最具决定影响的技术领域之一，太阳能光伏技术是近年来发展最快、最有活力的可再生能源利用技术。薄膜太阳能电池是第二代太阳能电池，它是是在玻璃或不锈钢等基板上沉积几微米厚的薄膜而成，具有成本低、能耗低、单片电池面积大等优点，便于工业化大规模生产，成为降低太阳电池成本的主要手段和发展趋势。

薄膜的结构和性质与制备工艺的关系非常密切，目前认为以辉光放电法制备的非晶硅膜质量最好，即在辉光放电装置中，利用反应气体在等离子体中发生分解而在衬底上淀积成薄膜。等离子增强化学气相沉积（Plasma Enhanced Chemical Vapor Deposition，PECVD）作为薄膜生长的核心设备，它的制备工艺条件，如衬底温度、射频电源的功率、工作气压、不同气体的比例、气体的流速等都对薄膜的生长速率、成分、结构、物理性能等有较大影响；另外设备的结构参数，如气体的气流分布均匀性和电场分布均匀性等也影响薄膜太阳电池产品的质量及生产效率。

设备的工艺水平决定着薄膜生产技术水平，而工艺参数的控制一直是PECVD设备较难解决的一个问题。国外在研究设备的同时也在为该设备的正常合理化工艺作针对性的研究。现在国产设备的成膜速率低，并且不均匀，究其原因就是在研究设备的过程当中对设备的工艺参数控制的研究不足，这就造成了制造设备企业生产的设备与工艺的脱节，有的甚至有较大程度的设计不合理。工艺稳定性根本不能保证，严重影响产品质量薄膜生长过程中存在多目标优化问题，如体现产品质量的薄膜均匀性、体现生长效率的镀膜速率等，这些需求之间存在相互矛盾与制约。

薄膜生长过程最佳参数的确定需要大量的工作，过去常常通过反复试验，或依靠经验来解决这类问题。PECVD技术沉积薄膜的过程是一个非常复杂的物理化学过程，涉及等离子体化学反应、热力学和动力学原理的复杂过程，已超出了平衡热力学和动力学理论范围[1]，是非线性、多层次、随机的、不确定性等多种复杂特性的组合。其反应室内部电极间电场、流体场、温度场等的分布均匀性将直接影响到薄膜沉积的均匀性。因此，面向薄膜生长控制的工艺过程建模，建立工艺参数与薄膜性能之间的定量解析关系变得极为必要，成为改进工艺、提升装备技术水平迫切需要解决的关键问题。

1 薄膜设备工艺发展与薄膜生长规律研究

半导体设备的发展有两种方式，一是通过整体技术的革新，二是通过单元技术工艺的创新。当前世界上对非晶硅及多晶硅薄膜的研究，其核心在于PECVD设备的镀膜均匀性和镀膜速率难以两全的问题，国内外学者普遍发现随着沉积速率的提高，材料质量与电池性能逐步下降[2~4]。首先薄膜沉积过程不仅与反应气体有关，而是与反应气体、反应产物气体、中间产物气体、副产物气体、残留气体等的混合气体有关。平板电极式PECVD中采用四周排气结构，上述气体存在一定的浓度梯度分布，导致镀膜区域各种气体浓度比例的非均匀分布，影响PECVD镀膜均匀性。另外，高质量的硅薄膜生长需要有一定的条件（包括温度、速率等）。一般来说，镀膜速率越慢，温度越高，晶体生长越充分，膜层质量越好。但在薄膜电池应用中既需要低温工艺，又需要高产能，两者之间存在矛盾和制约。

为更好地了解薄膜的生长过程，国内外学者进行了广泛的实验和理论研究，主要集中在薄膜生长过程的物理和化学过程的解释、建模及控制等方面。PECVD热力学分析可以定量描述沉积速率和沉积层组成，动力学分析研究沉积机理，即各种表面化学反应步骤的进行规律及其相互联系[5]。研究发现等离子体光发射谱中的Si*或SiH*的发射强度正比于非晶硅或微晶硅薄膜的沉积速率[6~10]，而且光谱中Hα的强度可看作等离子中原子H浓度的表征[11]，工作气压与辉光功率改变时，材料的晶化率随Hα/Si*或者Hα/SiH*的比值的下降而逐步下降[8,9]，而且当Hα/Si*比值高于某一个特定数值时，薄膜的生长发生了从非晶硅向微晶硅的转变，而且这个比值与离子能量和沉积速率无关[10]。国内外在薄膜沉积的有限单元法、蒙特卡罗、分子动力学、量子力学模拟等方面也做了大量研究，得到比较好的效果[12~16]。E. Pleule等[17]对微波CVD金刚石沉积进行有限元数字模拟，并开发一个反应室原型系统测试仿真结果；Olivier Leroy等[18]建立二维模型模拟PECVD中的电、热、和化学现象，并与实验对比，获得了较满意的效果。中国科学院上海硅酸盐研究所和上海交通大学通过实验研究,得到了SiNx薄膜的生长速率随工作压力、氨气与硅烷的流量比、反应温度变化的规律[19]，You-Jae Kim[20]、王庆章[21]对薄膜工艺的气流场进行仿真，用于改进薄膜沉积中的喷头设计；胡贵华等[22]采用可视化方式模拟PECVD反应室内气体的温度场和速度场分布情况，但没有考虑反应室内的表面化学反应；葛洪[23]等对电极间电势分布的均匀性进行了数值模拟，获得优化的真空电势分布。

薄膜材料的性能与其微结构及组分密切相关，薄膜的光电特性强烈地依赖于薄膜的微结构、化学组分和杂质性质。薄膜的生长过程通常远离平衡态，形成的随机性很大，具有复杂的非规则微结构，如何准确地表征薄膜的非规则微结构一直是科学研究的重要课题。

分形理论是本课题研究应用的核心理论。分形理论可用于对材料显微图像的定量表征。建立在分维概念基础上的分形理论是非线性科学的重要组成部分之一，在表面粗糙度的测量[24]、晶界形貌、材料断裂机理分析、凝聚体结构等研究中都有重要应用[25]。在一些非平衡的薄膜过程中，如气态薄膜介质中的电击穿、液体薄膜中的晶体生长、液体街面上的电解沉积、固体薄膜中的分形晶化、培养基板上细菌群落的生长等，都出现分形生长现象。分形几何其中心内容是指不规则几何形体在动力学演化过程中，在一定的标度尺度范围内相应的测度不随尺度的改变而改变。正因为分形理论在描述自然界中复杂现象方面的独特作用，为研究复杂问题提供了新方法，开辟了新视野。1985年Elam等首先利用电子显微镜获得了沉积在840℃的石英衬底上的溅射NbGe2薄膜的分形图形，论证了分形理论在薄膜微观形态模拟中应用的可行性。由于薄膜表面的形貌对薄膜制成的器件的电特性产生强烈的影响，国内外学者对从分形角度对薄膜生长发生了广泛的兴趣。

计算智能（CI，Computational Intelligence ）方法是通过对不确定、不精确及不完全真值的容错以取得低代价的解决方案和鲁棒性，近年来，越来越多的学者把传统理论与人工智能技术相结合，对复杂系统进行智能化控制。神经网络系统是一个具有高度非线性的超大规模连续时间动力系统[25]，遗传算法的整体搜索策略和优化搜索方法，提供了一种求解复杂系统问题的通用框架，对问题的种类有很强的鲁棒性，模糊控制适合于不确定分布参数、非线性、多输入多输出、时变等复杂系统的控制问题。将三者结合是智能控制研究的主要方向之一。Hong S.等[26]分析了半导体制造过程中的物理化学现象，指出蒙特卡罗模拟等方法计算量大、对宏观效果的描述有限，经验方法包括统计实验设计等的精确性受到质疑，认为神经网络的精度和鲁棒性都优于统计方法，并采用发射光谱数据建立神经网络对离子蚀刻反应建模，结果与测试数据达到很好的一致性。Byungwhan Kim等[27]应用遗传算法优化广义回归神经网络来预测等离子增强沉积过程，与一般的广义回归神经网络和统计回归模型对比，表现出更显著的预测效果。山东大学[28]利用人工神经网络建立了工艺条件和Si3N4 薄膜的显微硬度关系模型，用遗传算法优化制备薄膜的工艺参数。P.Melin和Casillo.O[29,30]将混合智能系统用于复杂电化学制造工艺控制、神经-模糊-分形方法用于非线性生物化学反应器中非稳态行为的控制等。

2 薄膜生长工艺优化模型

图1 神经网络与遗传算法集成的多目标优化模型

将神经网络与分形理论相结合，充分利用神经网络非线性映射、计算能力、自适应等优点，大大地减少传统实数域分形维数的计算量，能够取得更好的效果。模糊逻辑和神经网络结合建立的模糊神经网络，能够对输入值进行判断选择, 如果所提供的输入变量是无效的, 它就会在训练过程中自动被丢弃，同时在得到输出值的同时生成规则集。遗传算法能够对神经网络学习规则实现自动优化，从而提高学习速率；其全局优化及隐含并行性的特点能够提高权系数优化速度，解决复杂系统中神经网络学习难的问题。 当用遗传算法进行优化时，其最大的难题就是需要一个适应度函数来评估优化的结果，利用神经网络作为遗传算法的适应度函数进行处理，无需为遗传算法建立一个新的适应度函数，这种方法对于解决适应度函数难以获得的问题和提高计算效率非常有效（如图1所示）。因此，将它们有机结合和集成，把分维和材料性能及制备工艺（如制备薄膜的温度和时间）相联系，即找到定量关系式，进而通过分形研究来改善材料性能，找到最佳制备工艺，解决成膜质量和镀膜速率难以两全的问题。图2为模型总体结构图。

首先，以PECVD设备为主要实验手段，结合已有的等离子体反应、气体反应和表面化学反应生长机理，使用数据驱动与反应机理融合的混合模型作为逼近实际非线性过程的模型，以提高模型的预测性能。

图2 模型总体结构图

其次，采用玻璃衬底或不锈钢柔性衬底沉积纳米硅/微晶硅薄膜，分别选择相同和不同的试件重复薄膜生长实验；通过采用正交实验等方法改变主要工艺条件，确定薄膜生长的主要影响参量；测试和获得不同试验条件和不同试验阶段的分形图像及其性能参数（厚度、折射率等）。

然后，通过实验结果的分析与比较，对分形与计算智能集成的理论和算法进行测试与验证；并根据实验与模拟结果对比，若存在不一致情况，找出影响因素，修正计算模型。

最后，建立新型的决策分析系统，将集成系统的输出结果进行自动分析、决策，并将结果用于指导太阳能电池薄膜生长过程控制。

3 结束语

提出一种用于太阳能电池薄膜生长的工艺建模方法，采用的计算智能技术与分形方法综合集成的方法：计算智能技术用来生成混合智能系统，分形理论提供数学工具来模拟自然对象的几何复杂性，采用分形维数技术，用于识别和系统建模过程，从而为PECVD设备制造和PECVD镀膜工艺提供一定的理论指导依据，使设备工艺更符合生产的要求；另外，在PECVD设备的设计阶段就考虑其使用的工艺要求，可使PECVD设备的生产与使用工艺不脱节，从而为规模生产铺路，能够推动装备的研究与应用开发，提高智能制造水平。

[1] Fischer-Cripps A C.Nanoindentation.New York:Spring-Verlag,Inc.2002.

[2] B.Rech,T.Roschek,T.Repmann,et al.Microcrystalline Silicon for Large Area Thin Film Solar Cells.Thin Solid Films,2003,427:157-165.

[3] M.Kondo,S.Suzuki,Y.Nasuno,et al.Recent Development in the High Growth Rate Technique of Device-Grade Microcrystalline Silicon Thin Film. Plasma Sources Sci.Technol.2003,12(4):S111-S116.

[4] C.Niikura,M.Kondo,A.Matsuda. Preparation of Microcrystalline Silicon Films at Ultra High-Rate of 10nm/S Using High-Density Plasma,J.Non-Cryst.Solids,2004,338-340(15):42-46.

[5] G.Y.Meng,H.Z.Song, H.B.Wang,et al.Progress in ion-transport inorganic membranes by novel chemical vapor deposition(CVD)techniques,Thin Solid Films,2002,409(1):105-111.

[6] A.Matsuda,T.Kaga, H. Tanaka,et al.Glow-Discharge Deposition of a-Si:H from Pure Si2h6 and Pure Sih4,Jpn.J.Appl.Phys.,1983,22:L115-L117.

[7] A.A.Howling,J.-L.Dorier,Ch.Hollenstein, et al. Frequency Effect in Silane Plasmas Enhanced Chemical Vapor Deposition,J.Vac.Sci.Technol.1992,10(4):1080-1085.

[8] H.Keppner,J.Meier, P.Torres,et al.Microcrystalline Silicon and Micromorph Tandem Solar Cells.Appl.Phys.A:Mater.Sci.Process.1999,69(2):69.

[9] L.Guo,M.Kondo,M.Fukawa,Etal.High Rate Deposition of Microcrystalline Silicon Using Conventional Plasma Enhance Chemical Vapor Deposition,Jpn.J.Appl.Phys.1998,37:L1116-L1118.

[10]J.K.Rath,R.H.J.Franken,A.Gorgijn,et al.Growth Mechanism of Microcrystalline Silicon at High Pressure Conditions,J.Non-Cryst.Solids,2004,338-340(15):56-60.

[11]M.Heintze,R.Zedlitz,.H.Bauer.Analysis of High-Rate a-Si:H Deposition in a VHF Plasma,J.Phys.D:Appl.Phys.1993,26:1781-1786.

[12]宋鹏,陆建生,周洁,等.影响金属薄膜沉积初期因素的有限单元法模拟[J].材料科学与工艺,2007,15(2):290-293.

[13]王恩哥.薄膜生长中的表面动力学[J].物理学进展,2003,(1):1-61,

[14]郑小平,张佩峰,范多旺.扩散理论对RLA模型中交换作用的研究[J]. 物理学报,2008(1):425-429.

[15]Meixner M,Kunert R,Scholl E. Control of strain-mediated growth kinetics of self-assembled semiconductor quantum dots. Phys Rev B,2003,67(19):195301.

[16]A.F.Bower,E.Chason,L.B.Freund,et al.Self-organization in strained heteroepitaxial nanostructures:multi-scale modeling,simulation and experiment.NSF Nanoscale Science and Engineering Grantees Conference,2003,Dec 16-18.

[17]E.Pleuler,C.Wild,et al,The CAP-reactor,a novel microwave CVD system for diamond deposition, Diamond and Related Materials,2002,(11):467-471.

[18]Olivier Leroy,Gérard Gousset,Luís Lemos Alves,et al.Twodimensional modeling of SiH4-H2 radio-frequency discharges for a-Si:H deposition. Plasma Sources Science and Technology,1998,3(7):348-358.

[19]刘学建,金承钰,黄智勇,等.工艺因素对低压化学气相沉积氮化硅薄膜的影响[J].硅酸盐学报,2003,31(10):986-990.

[20]王庆章,赵庚申,许盛之,等.薄膜工艺中的系统仿真研究[J].南开大学学报(自然科学版),2006,39(6):45-48.

[21]You-Jae Kim,Jin-Hyo Boo,Byungyou Hong,et al.Effects of showerhead shapes on the flowfields in a RF-PECVD reactor.Surface & Coatings Technology,2005,193(1-3):88-93.

[22]胡贵华,朱文华,俞涛,等. PECVD 热流场数值模拟的可视化研究[J].系 统 仿 真 学 报,2008,20(21):5885-5889.

[23]葛洪,张晓丹,岳强,等.大面积VHF-PECVD用多点馈入平行板电极馈入点优化的数值研究[J].真空科学与技术学报,2008,28(4):281-285.

[24]Schmahling J A,Hamprecht F A,Hoffmann D M P.Three-dimensional measure of surface roughness based on mathematical morphology.International Journal of Machine Tools and Manufacture,2006,46(14):1764-1769.

[25]魏诺.非线性科学基础与应用[M].北京:科学出版社,2004.

[26]Hong S.,May G.,Park D.Neural Network Modeling of Reactive Ion Etch Using Optical Emission Spectroscopy Data.IEEE Trans.Semi.Manufac.2003,16(4):598-608.

[27]Byungwhan Kim,Dukwoo Lee,Seung Soo Han. Prediction of Plasma Enhanced Deposition Process Using GA-Optimized GRNN.Advances in Neural Networks,ISNN 2006(2):1020-1027.

[28]张勤俭,吴春丽,李敏,等.人工神经网络—遗传算法优化激光—等离子体化学气相沉积Si3N4薄膜制备工艺[J].陶瓷学报,2002,23(2):116-118.

[29]P.Melin,O.Castillo,Controlling complex electrochemical manufacturing processes with hybrid intelligent systems.Proceedings of the North American Fuzzy Information Processing Society,Atlanta,GA,2000:490-494.

[30]P.Melin,O.Castillo.Controlling Chaotic and Unstable Behavior in Non-Linear Biochemical Reactors by Using a New Neuro-Fuzzy-Fractal Approach. The Ninth IEEE International Conference on Fuzzy Systems,2000.2:949-952.