• Proceedings of the Korean Institute of Electrical and Electronic Material Engineers Conference
• /
• 2007.11a
• /
• pp.111-112
• /
• 2007

Silicon nitride (SiN) 박막을 플라즈마 응용화학기상법을 이용하여 증착하였다. SiN박막의 전하밀도는 일반화된 회귀 신경망과 유전자 알고리즘을 이용하여 모델링하였다. PECVD 공정은 Box Wilson 실험계획표를 이용하여 수행하였다. $SiH_4$ 유량변화에 따른 온도의 영향은 미미하였다. 그러나, 저 전력에서의 온도증가 (또는 저온에서의 전력의 증가)에 따라 전하밀도는 급격히 상승하였으며, 이는 [N-H]의 증가에 기인하는 것으로 해석되었다. $SiH_4$ 유량의 증가 (또는 고온에서의 전력의 증가)에 따라 전하밀도는 감소하고 있으며, 이는 [Si-H]의 증가에 기인하는 것으로 이해된다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1805-1806
• /
• 2007

Silicon nitride (SiN) 박막을 플라즈마 응용화학기상법을 이용하여 증착하였다. SiN박막의 전하밀도는 일반화된 회귀 신경망 (GRNN)을 이용하여 모델링하였다. PECVD 공정은 Box Wilson 실험계획표를 이용하여 수행하였다. GRNN 모델의 예측수행은 유전자 알고리즘 (GA)을 이용하여 최적화하였다. 최적화한 GA-GRNN 모델은 종래의 GRNN 모델과 비교하여, 약55%정도의 예측성능의 향상을 보였다.

• Proceedings of the Korean Institute of Electrical and Electronic Material Engineers Conference
• /
• 2010.06a
• /
• pp.309-309
• /
• 2010

Silicon Nitride(SiN) 박막을 펄스드 플라즈마 응용화학기상법을 이용하여 저 소스전력의 $SiH_4-N_2$ 플라즈마에서 증착하였다. Duty ratio의 변화에 따른 이온에너지와 굴절률의 변화를 고찰하였다. 저이온에너지는 증착률과 강한 상관성을 보였다. 이온에너지 변수의 증착률에의 영향은 신경망 모델을 이용하여 고찰하였다.

• Proceedings of the Korean Institute of Surface Engineering Conference
• /
• 2007.11a
• /
• pp.114-115
• /
• 2007

플라즈마 응용화학기상법을 이용하여 Silicon Nitride (SiN) 박막을 증착하였다. PECVD 공정은 Box Wilson 실험계획표를 이용하여 수행하였다. SiN박막의 전하밀도를 신경망과 유전자 알고리즘을 이용하여 모델링하였다. 개발된 모델을 이용하여 전하밀도에의 $N_2$와 $NH_3$의 영향을 다양한 온도에서 고찰하였다. $N_2$ (or $NH_3$)의 증가에 따라 전하밀도는 증가하였으며, 이는 전하밀도의 [N-H]에의 강하게 의존하고 있음을 보인다. 전하밀도는 고온에서의 $NH_3$의 증가, 또는 높은 $NH_3$ 유량에서의 온도의 증가에 따라 급격히 증가하였다. 굴절률 모델과 비교할 때, 이 같은 현상이 [N-H]의 증가에 기인하는 것으로 해석되었다.