机器学习辅助优化铟锡氧化物衬底P1激光划线工艺
目前的研究使用皮秒激光器(532 nm),用于在铟锡氧化物(ITO)层上选择性地进行P1激光划线以及随后利用机器学习(ML)技术对P1划线条件进行微调。最初,通过改变不同的激光参数来进行划线,并通过光学显微镜和两个探针电阻率测量来进一步评估这些参数。相应的划线宽度和薄层电阻数据被用作ML分析的输入数据库。基于分类和回归树(CART)的ML分析显示,中值脉冲能量5.7 μJ,APL 35%,也是 46%,处理速度≥1250mm s−1给出≥16 μm的划线宽度。此外,决策树(DT)分析表明,脉冲能量≥8.1 μJ和LSO ≥ 电气隔离线路需要37%。特征重要性得分表明,激光注量和脉冲能量决定了划线宽度,而电隔离在很大程度上取决于LSO和加工速度。最后,ML实现了通过扫描电子显微镜进行实验验证和重新评估的条件,原子力显微镜与光学显微镜测量结果很好地一致。