激光轮廓传感器

公司与上海理工大学分析实验室最近联合开发出在国内同行业中具有领先水平的白光轮廓仪。该轮廓仪属高精度产品，能对各种金属或非金属等物质（物体）的表面进行精确的轮廓测量，尤其可对集成电路及硅片进行精确测量，其分辨率可以达到纳米级程度。 白光轮廓仪的开发成功，对金属加工及开发金属新材料，以及对检测集成电路和硅片的质量等，均具有重要的意义。精科公司在与上海理工大学共同开发的同时，还自主创新开发出白光轮廓仪配套专用软件，更好地保护了企业的自主知识产权。 白光轮廓仪可广泛应用于工业、高等院校、科研等领域。

近日，来自安徽大学的周胜副教授团队发表了《基于深度神经网络的无需压力校准和轮廓拟合的气体传感光谱技术》论文。Recently, the research team from Associate Professor Zhou Sheng's from Anhui University published an academic papers Pressure calibration- and profile fitting-free spectroscopy technology based on deep neural network for gas sensing.甲烷（CH4）是天然气的主要成分，在工业生产和日常生活中广泛用作燃料。此外，甲烷是一种重要的温室气体，其浓度对全球气候产生重要影响。因此，甲烷的测量对环境监测、生物医药和研究具有重要意义。气体浓度通常通过各种微量气体传感器进行测量，例如气相色谱仪、半导体气体传感器和电化学设备。半导体气体传感器在适当的操作环境下具有ppm级别的灵敏度。激光吸收光谱技术具有高选择性、高灵敏度、快速和多成分监测等优势，目前广泛用于各种气体的检测。激光吸收光谱技术可以准确测量气体分子的特征吸收线，并基于可调谐激光有效降低其他气体光谱线的干扰。此外，它提供了实时原位气体检测的可能性，这对于从工业过程到环境变化的各种现象的理解和监测至关重要。气体分子可以通过其指纹吸收光谱进行有效识别，包括典型的所谓“展宽”参数和“空气展宽”参数。光谱线参数是压力和温度的函数。浓度测量的准确性取决于压力稳定性和光谱拟合精度。对于定量光谱分析，传统上通过准确的模型对光谱进行拟合，同时压力和温度必须定期校准，尤其是在相对大的环境波动情况下。因此，为实现所需的准确性，系统的复杂性增加了。Methane (CH4), which is the main component of natural gas, is widely used as fuel in industrial production and daily life. In addition, CH4 is an important greenhouse gas whose concentration has a substantial influence on global climate. Therefore, the measurement of CH4 has significant importance for environmental monitoring, biomedicine, and energy research. The gas concentrations are commonly measured by various trace gas sensors, such as gas chromatographs, semiconductor gas sensors, and electrochemical devices. The semiconductor gas sensors have a sensitivity of ppm level under a suitable operating environment. The laser absorption spectroscopy, which has the advantages of high selectivity, high sensitivity, and fast and multi-component monitoring, is currently widely used in the detection of a variety of gases. Laser absorption spectroscopy technology can accurately measure the characteristic absorption lines of gas molecules and effectively reduce the interference of other gas spectral lines based on the tunable lasers. Moreover, it provides the possibility of real-time in-situ gas detection, which is crucial for understanding and monitoring a variety of phenomena from industrial processes to environmental change. A gas molecule can be effectively identified by its fingerprint absorption spectrum, including typical so-called “self-broadening” parameters and “air-broadening” parameters. The spectral line parameters are functions of pressure and temperature. The accuracy of concentration measurement depends on pressure stability and spectral fitting accuracy. For quantitative spectral analysis, the spectra are traditionally fitted by an accurate model, while the pressure and temperature must be calibrated on time, especially in the case of relatively large environmental fluctuations. Consequently, the complexity of system is increased to achieve the required accuracy. 目前，人工智能的快速发展为解决这个问题提供了一种新途径。人工神经网络已被用于气体识别，并在足够训练数据的条件下表现出良好性能。基于Hopfield自联想记忆算法的神经网络已用于识别五种类似的醇的红外光谱。反向传播神经网络用于从混合气体中识别目标气体，证明了卷积神经网络（CNN）模型可以有效提高识别准确性。此外，最近的研究表明深度神经网络也可以应用于振动光谱分析。卷积神经网络和自编码器网络被用于处理一维振动光谱数据。与传统气体检测技术相比，辅以深度学习的气体传感器可以实现准确的灵敏度测量，并降低异常检测的鲁棒性。深度神经网络（DNN）可以在经过足够样本训练后直接从吸收光谱中学习特征，实现不需要压力校准和轮廓拟合的气体浓度直接识别。这种网络为检索气体浓度提供了一种新途径，无需昂贵且复杂的压力控制器。为了展示提出的DNN辅助算法的性能，构建了一个基于DFB激光二极管的甲烷检测气体传感器系统。预测的浓度与校准值相当吻合。这项研究表明，基于DNN的激光吸收光谱在大气环境监测、呼气检测等方面具有显着潜力。Currently, the rapid development of artificial intelligence provides a new way to solve this problem. The artificial neural network has been used for gas identification and shows a good performance under the condition of sufficient data for training. The infrared spectra of five similar alcohols has been identified by a neural network based on the Hopfield self-associative memory algorithm . A back propagation neural network is used to recognize target gas from the mixtures of gases, which proved that the convolutional neural networks (CNN) model can improve identification accuracy effectively. In addition, recent studies indicate that deep neural networks can also be applied to vibrational spectral analysis. The convolutional neural and auto encoder networks are used to process onedimensional vibrational spectroscopic data. Compared with traditional gas detection technology, the gas sensors assisted with deep learning can achieve accurate sensitivity measurement and reduce the robustness of anomaly detection. A deep neural network (DNN), which can learn features directly from the absorption spectra after training with sufficient samples, achieves the direct identification of gas concentration free of pressure calibration and profile fitting. This network provides a new way to retrieve gas concentrations without expensive and complicated pressure controllers. To demonstrate the performance of proposed DNN assisted algorithm, a DFB diode laser-based gas sensor system for CH4 detection is constructed. The predicted concentrations are in good agreement with the calibrated values. This study indicates that DNN-based laser absorption spectroscopy has remarkable potential in atmospheric environmental monitoring, exhaled breath detection and etc..实验装置用于获取甲烷（CH4）气体吸收光谱的实验装置如图1所示。一台近红外DFB激光二极管，最大峰值输出功率为20毫瓦，被用作光源。通过控制激光温度和电流，激光可以在6045 cm-1到6047 cm-1范围内进行调谐，宁波海尔欣光电科技有限公司为此项目提供激光驱动器，型号为QC-1000。所选CH4在6046.95 cm-1附近的吸收线在图2中基于从HITRAN数据库获取的光谱线参数进行了模拟。DFB激光二极管经过纤维准直器进行准直，然后由一块CaF2分束器进行对准，分束后的可见红光（632.8纳米）光束用作跟踪激光。随后，光束被送入一个7米有效光程的多程传输池，并且池内的压力由压力控制器、流量控制器和隔膜泵协同控制。一个典型频率为100赫兹的三角波被用作扫描信号，以驱动激光二极管。最后，激光通过一个InGaAs光电探测器进行检测，并被数据采集单元卡获取。信号随后传输到计算机，并由自制的LabVIEW程序进行分析。Experimental setupThe experimental setup used to obtain CH4 gas absorption spectra is depicted in Fig. 1. A near-infrared DFB diode laser with a maximum peak output power of 20 mW is used as the optical source. The laser can be tuned from 6045 cm&minus 1 to 6047 cm&minus 1 by controlling the laser temperature and current via the controller (QC-1000, Healthy photon Co., Ltd.). The absorption line of selected CH4 near 6046.95 cm&minus 1 is simulated based on spectral line parameters obtained from the HITRAN database in Fig. 2. The DFB diode laser is collimated by a fiber collimator and aligned by a CaF2 beam splitter with a beam of visible red light (632.8 nm) as the tracking laser. Subsequently, the beam is sent to a multi-pass cell with a 7 m effective optical length, and the pressure inside the cell is collaborative controlled by a pressure controller, a flow controller, and a diaphragm pump. A triangular wave with a typical frequency of 100 Hz is used as a scanning signal to drive the diode laser. Finally, the laser is detected through an InGaAs photodetector and acquired by a data acquisition unit card. The signal is subsequently transmitted to the computer and analyzed by the homemade LabVIEW program. QC-1000, Healthy photon Co., Ltd.Fig. 1. Experimental device diagram.Fig. 2. The spectral line intensities of CH4 in the tuning range of 6046.93–6046.96 cm&minus 1 and the cross-section of the selected line obtained from the HITRAN database.结论总体而言，本项目开发了基于DNN算法和激光吸收光谱的概念验证气体传感器，并设计了基于DFB激光二极管的甲烷检测传感器系统。此外，通过计算RMSE和训练时间评估了DNN算法的性能，并优化了DNN层、神经元数量和epochs等参数，以获取最佳参数。提出了改进的系统来分析和预测气体吸收光谱数据，在甲烷浓度预测方面表现出良好的准确性和稳定性。不同浓度的甲烷预测值与相应的理论值线性拟合，证明其在实际领域应用中具有巨大潜力，尤其适用于恶劣环境。Conclusions Overall, a proof-of-concept gas sensor based on the DNN algorithm and laser absorption spectroscopy is developed, and a CH4 detection sensor system based on the DFB diode laser is designed in this paper. In addition, the performance of the DNN algorithm is evaluated by calculating RMSE and training times, and the parameters, which include DNN layers, neuron number, and epochs, are optimized to obtain optimal parameters. The modified system is proposed to analyze and predict the gas absorption spectrum data, demonstrating good accuracy and stability in the prediction of CH4 concentrations. The predicted values of methane with different concentrations are linearly fitted with the corresponding theoretical value, which proves it has great potential in practical field applications, especially for harsh environments.参考ReferencesPressure calibration- and profile fitting-free spectroscopy technology based on deep neural network for gas sensing, Measurement 204 (2022) 112077https://doi.org/10.1016/j.measurement.2022.112077

KLA探针式轮廓仪的过去，现在，与未来。KLA Instruments&trade 探针式轮廓仪（也称台阶仪）提供高精度2D和3D表面量测，测量台阶高度、表面粗糙度、翘曲度和应力以及优秀的稳定性和可靠性，满足客户的研发和生产要求。目前，KLA Instruments&trade 台阶仪包括专为研发助力的Alpha-Step系列D-500/D600桌面式台阶仪，工厂生产用Tencor P-系列P-7，P-17，P-17 OF量产型台阶仪，还有自动化产线上的 HRP系列P-170和HRP-260全自动台阶仪。自1977年KLA首款商用探针式轮廓仪问世，经过四十多年的不断探索和技术创新，KLA取得了一个又一个突破，不断稳固自身在行业中的领导地位。1977Alpha-Step100 是Tencor 推出的首款台阶仪产品。其在台阶高度测量的准确性和重复性方面表现优异。凭借价格实惠、外形小巧和功能强大，很快就成为大多数半导体制造厂或晶圆厂重要的工具。1983Alpha-Step 200 发布，扫描速度比竞品快 2 倍，配备 CRT 显示器，能够自动测量、调平和计算。1987Alpha-Step 250 问世，灵敏度增强至 1 &angst ，增加了隔声外壳。1988Tencor P系列的P-1探针式轮廓仪实现了单次长度 200mm 扫描，且无需任何拼接。P-1 轮廓仪采用革 命性的全新设计，在扫描平台、光学和传感器技术方面进行了行业创新，提供无可匹敌的稳定性、灵敏度和重复性。该系统具有超平面扫描平台，能够单次扫描实现高达 200mm 的高分辨率，确定表面粗糙度、波纹度和薄膜应力特征。新平台也是 3D 扫描平台，增加了第三维度来表现表面形貌。该系统的特色是采用顶视光学系统来提供清晰的样品视图，不受传统倾斜侧视的扭曲影响。此外，该系统的传感器技术采用业界先进的线性可变差分电容器 (LVDC)，从而使电子分辨率达到亚埃级，并且转动惯量小，可实现低作用力控制并降低对噪声的敏感性。1991Tencor P2H 支持自动晶圆和磁盘机械手臂， 减少接触样品带来的污染。同年的Tencor P2 采用开放式框架，支持尺寸达 430mm x 430mm 的样品，同时Tencor FP2可扫描尺寸达 630mm x 630mm 的样品，用于平板行业。1994Tencor P-20 全自动探针式轮廓仪发布，增加了图案识别和 SECS/GEM，并且与现有的机械手臂相结合，实现了全自动化。Alpha-Step 500增加垂直量程至 1mm，并配备了全新高倍率光学器件和彩色摄像头。1996Tencor P-10、 P-11、 P-12 和 P-22 相继发布，产品采用最新的低作用力控制技术，延长垂直量程至1000µ m并增强环境隔离功能。Microhead II 增强线性可变差分电容器 (LVDC)，并增加低至 0.05mg的程式控制低作用力。它增加了通过动态调整枢轴上的作用力，确保在任何台阶高度下，样品表面都能够施加相同的力。此外，新传感器可支持高达 1000µ m 台阶高度。P-12 新增隔声罩和主动隔离台，不仅增强对环境噪声的隔离，还能够测量超光滑硬盘的粗糙度。P-22 在现有 P-20 机械手臂的基础上新增一个隔离台，实现自动晶圆传送、图案识别和 SECS/GEM 等全自动测量，从而为半导体行业提供整体解决方案， 提高其生产效率。1997Tencor P-30 将开放式晶圆盒机械臂替换为 SMIF 机械臂和系统的内置微环境， 以支持半导体行业新的洁净度要求。HRP-220 是在线表面量测的一大突破，配备了 P-22 的长扫描平台以及高分辨率压电平台，DuraSharp 探针可实现精细的特征测量和分析。同年，Tencor Instruments 和 KLA Instruments 两家公司合并成立了 KLA-Tencor, Inc.，成为世界领先的半导体制造和相关行业的良率管理及工艺控制解决方案供应商之一。1998HRP-320 在HRP-220 的测量能力基础上扩展到 300mm 晶圆，是能够单次扫描测量 300mm 晶圆全直径的系统。1999HRP-240 和 HRP-340 在使用的便利性、产出和精度上有了重大改进。新增压电挠性平台设计，以尽量减少平面外的运动，扫描平面度 2x 在保持 90µ m x 90µ m 扫描区域和 1nm 分辨率的同时，比以前的设计有了很大的进步。该系统增加在线高倍和低倍光学器件，并利用距离传感器实现无接触自动聚焦，从而可允许快速、精确对焦，并通过减少探针的表面接触次数来延长其使用寿命。长扫描平台通过增加线性编码器来提高样品定位的准确性，而更细螺距的丝杠可实现更高的分辨率。通过增加数字信号处理器来管理所有平台控制，将计算机处理能力留给用户接口，从而改善系统的整体性能。新增浸渍模式（Dipping Mode&trade ）能够测量高深宽比的蚀刻深度特征。2001Tencor P-15 结合了 P-10 和 P-11 系统的功能，技术更加成熟，为单一平台上的研发和生产提供支持。2003Alpha-Step IQ 在 Alpha-Step 500 基础上新增 USB 电子器件和全新设计的软件，可以显著提供增强的扫描排序和数据分析能力。2007Tencor P-16+ 在-15 的基础上进行了改进：新的 USB 电子器件、更强大的软件以及 Apex 高级数据分析和报告撰写软件功能。2008Tencor P-6 是一台高性能探针式轮廓仪，在较小的平台上沿用了 P-16+ LVDC 传感器技术和扫描平台技术。HRP-250 和 HRP-350 仪器采用噪音更低的 LVDC 传感器技术、新的隔离系统（仅 HRP-350）和第二代 DuraSharp II 探针。可实现更小特征的测量和接近 2 倍的吞吐量。2009Ambios Technology 加入KLA-Tencor并发布 XP100 和 XP200，采用光学杠杆传感器技术，垂直量程1200µ m 并支持200mm晶圆样品。2010KLA-Tencor 发布了基于 Ambios Technology 平台的 Alpha-Step D-100 和 D-120，采用增强光学杠杆传感器技术， 显著改善了测量的稳定性。2013Tencor P-7 和 P-17 配备了新高分辨率彩色相机，并增强了对翘曲度和应力的测量。2014Alpha-Step D-500 和 D-600 仪器采用了与 P系列相同的高分辨率相机。增加了侧视图的梯形校正功能，并且进一步改善了测量的重复性。2016Tencor P-170结合了 P-17 与 HRP 机械手臂，是一款新的全自动探针式轮廓仪。同年，HRP系列的新机型HRP-260 也随后发布。新仪器在自动化晶圆处理方面有了重大的改进。增加了几何图案识别，提高了倾斜校正算法的准确性，并采用新方法进行自动灯光控制。机械手臂包含新电子器件，可支持碳化硅 (SiC) 和蓝宝石等透明样品以及硅、砷化镓 (GaAs) 和 AlTiC 等不透明样品的预对准。也支持卡盒内wafer探测和读取wafer ID.2019KLA Instruments&trade 全系列探针式轮廓仪Alpha-Step、Tencor P- 和 HRP，移植软件平台至最新的Windows 10 OS。同时，新的测量和数据分析功能发布在新的软件平台中。2023KLA将继续探索的脚步，而探针式轮廓仪全线产品也将持续发展，为满足客户的需求不断努力创新。Keep Looking Ahead！