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！

龙图腾网获悉中国科学技术大学申请的专利集成电路沉积膜厚预测方法及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：CN116431996B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310405795.3，技术领域涉及：G06F18/15；该发明授权集成电路沉积膜厚预测方法及系统是由蔡宇;史雨萌;陈一宁;阚健豪;唐建设计研发完成，并于2023-04-11向国家知识产权局提交的专利申请。

本集成电路沉积膜厚预测方法及系统在说明书摘要公布了：本发明公开一种基于RFE‑CV‑XGBoost的集成电路沉积膜厚的预测方法及系统，属半导体制造领域，方法包括：步骤S1，对数据库的沉积薄膜数据进行预处理；步骤S2，按预定的特征筛选规则对步骤S1预处理后的沉积薄膜数据包含的特征值筛选；步骤S3，对步骤S2的特征经交叉验证的特征递归消除方式处理；步骤S4，基于XGBoost建立回归预测模型，利用步骤S3的特征进行训练和测试；步骤S5，利用遗传算法对优化回归预测模型超参数，找出最佳超参数，利用最终回归预测模型对集成电路沉积膜厚进行预测。本发明通过数据建模，节省了薄膜沉积过程后的膜厚量测步骤，缩短了半导体产品的生产周期，节约了量测成本支出。

本发明授权集成电路沉积膜厚预测方法及系统在权利要求书中公布了：1.一种集成电路沉积膜厚的预测方法，其特征在于，包括以下步骤： 步骤S1，对数据库中的沉积薄膜数据进行预处理，得到预处理后的沉积薄膜数据； 步骤S2，按特征筛选规则对所述步骤S1预处理后的沉积薄膜数据包含的特征值进行筛选，得到筛选后的特征； 步骤S3，对所述步骤S2得到的筛选后的特征通过交叉验证的特征递归消除方式进行处理，删除对XGBoost模型表现起负向作用的特征； 步骤S4，基于XGBoost模型建立回归预测模型，利用步骤S3得到的特征作为训练用数据集对所述回归预测模型进行训练和测试； 步骤S5，利用遗传算法对所述步骤S4训练好测试后的回归预测模型进行超参数优化，从所述回归预测模型所有的超参数中找出使该回归预测模型表现最佳的一组超参数，作为最终回归预测模型的超参数，利用优化好的最终回归预测模型对集成电路沉积膜厚进行预测，包括：利用遗传优化算法通过验证集对训练和测试后的回归预测模型的所有超参数构成的树的个数、树的深度进行优化，从所述回归预测模型所有的超参数中找出使该回归预测模型表现最佳的一组超参数，作为最终回归预测模型的超参数。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。

以上内容由龙图腾AI智能生成。