买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于自监督与表征学习的薄膜厚度预测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120124013B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510593095.0，技术领域涉及：G06F18/27；该发明授权一种基于自监督与表征学习的薄膜厚度预测方法和系统是由陈一宁;谢玮平;高大为;陈鼎崴设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本一种基于自监督与表征学习的薄膜厚度预测方法和系统在说明书摘要公布了：本发明公开了一种基于自监督与表征学习的薄膜厚度预测方法和系统，属于机器学习与人工智能技术领域。获取有标签的第一训练集和无标签的第二训练集，用第二训练集预训练编码器，再用第一训练集微调，同时训练动态特征选择器与回归头。动态特征选择器对第一训练集数据降维，再利用编码器初始化全局原型投影空间。编码器生成降维数据的嵌入表示，特征表示头计算投影坐标，联合投影损失、回归损失、多样性损失和全局原型正交损失，更新模型；最终以实际数据为输入，通过动态特征选择器、编码器与回归头预测薄膜厚度。本发明无需依赖大量标注数据，解决了高复杂度的半导体制造数据的特征选择问题、表征混叠与局部化问题，预测准确性和稳定性高。

本发明授权一种基于自监督与表征学习的薄膜厚度预测方法和系统在权利要求书中公布了：1.一种基于自监督与表征学习的薄膜厚度预测方法，其特征在于，包括以下步骤： （1）收集晶圆制造原始过程数据和薄膜厚度量测数据，将原始过程数据和量测数据匹配成功的数据对经预处理后作为第一训练集，将未匹配成功的原始过程数据经预处理后作为第二训练集； （2）利用第二训练集预训练一个编码器，再利用第一训练集微调编码器并同步训练一个动态特征选择器和一个回归头； （3）利用动态特征选择器对第一训练集中的过程数据降维，对降维处理后的过程数据利用微调后的编码器初始化一个全局原型投影空间； （4）利用最新更新的编码器生成降维处理后的过程数据的嵌入表示，通过特征表示头计算嵌入表示在全局原型投影空间的投影坐标，基于投影分布的最优传输机制计算投影损失，基于回归头计算回归损失，同时引入多样性损失和全局原型正交损失，联合总损失迭代更新编码器、回归头、特征表示头，并同步更新全局原型投影空间； （5）以实际的晶圆制造过程数据为输入，利用动态特征选择器、编码器和回归头预测薄膜厚度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。