【技术实现步骤摘要】
本专利技术属于热沉制备，具体涉及一种热沉制备优化方法、装置及可读存储介质。
技术介绍
1、随着电子设备功率密度的不断提高，散热问题成为了现代电子产品设计中的重要课题，尤其是高功率、高热流密度的集成电路（ic）和其他热敏感元器件，热沉作为一种重要的散热元件，广泛应用于各类电子设备中，其性能的好坏直接影响到设备的稳定性和寿命。
2、目前，热沉的制备方法多种多样，常见的技术手段包括机械加工、表面涂层处理以及薄膜沉积技术等，在这些方法中，溅射沉积技术由于其高精度、高均匀性等优势，广泛应用于热沉表面的强化处理，溅射沉积通过在真空环境中利用高能粒子轰击靶材，将靶材原子或分子撞击到基板表面，形成一层致密的薄膜，此类方法在热沉的制备中有显著优势，尤其是对于需要薄膜均匀性和高密度的要求提供了较好的技术支持。
3、然而，传统的溅射沉积方式一般只适用于单层薄膜的制备，在制备较厚的热沉时，固定的溅射沉积方式容易导致沉积层厚度不稳定且表面粗糙度较高，不容易保证沉积的质量，并且当需要制备的热沉的厚度越厚时，通过固定的溅射沉积方式所形成的沉积层的缺点越容易被放大，进而使最终生成的热沉出现致密性差、附着力下降、导电导热性能下降、性能不均匀等问题，甚至可能出现部分沉积层脱离的情况。
技术实现思路
1、为了克服上述现有技术的缺陷，本专利技术提出了一种热沉制备优化方法，所述方法包括：
2、对基板进行预处理，在完成处理的所述基板的表面通过溅射方式形成一层沉积层，并在最上层的沉积层表面再
3、将性能参数满足预设要求的热沉确定为合格热沉，以将至少包含预设比例的合格热沉的样本确定为合格样本；调节工艺参数以相应生成多组热沉并分别获取各组热沉的工艺参数及性能参数存储至所述数据库，以构建不少于第一预设数量的样本，并使所述样本其中包含的合格样本的数量不少于第二预设数量；
4、以任意一组或几组合格样本为基础扩展若干组优质样本，并分别确定各所述优质样本是否为合格样本，以基于各组所述样本及各组所述优质样本训练对应不同层沉积层的各所述工艺控制模型，从而改良各所述工艺控制模型的工艺参数以优化各沉积层的性能，进而优化热沉总体性能。
5、具体地，训练工艺控制模型的方法包括：
6、基于所述数据库中对应各所述样本的性能参数及对应各所述样本的各工艺控制模型的工艺参数的数据，划分出若干组同等规模的潜在关联数据并通过映射函数分发至多个计算节点，以在各所述计算节点上计算得到对应各所述潜在关联数据的关联数据子集；各所述关联数据子集中包含若干个待确定关联集；
7、将各所述关联数据子集合并为待选关联并集，计算所述待选关联并集中各待确定关联集的支持度，基于支持度不小于所述最小支持度阈值的待确定关联集生成关联数据并集；
8、基于所述关联数据并集中的各待确定关联集生成若干个非空子集，以基于各所述非空子集分别形成一个候选关联规则，计算各所述候选关联规则的置信度，将置信度不小于最小置信度阈值的候选关联规则确定为可用于确定工艺参数的关联规则并保留，以完成对应不同层沉积层的各所述工艺控制模型的训练。
9、具体地，计算得到对应一潜在关联数据的关联数据子集的方法包括：
10、扫描所述潜在关联数据中获取支持度不小于所述最小支持度阈值的一元频繁项集，通过所述一元频繁项集的自连接得到第一待确定关联集；
11、再次扫描所述潜在关联数据以计算所述第一待确定关联集的支持度，以获取支持度不小于所述最小支持度阈值的二元频繁项集，通过所述二元频繁项集的自连接得到第二待确定关联集；
12、重复迭代扫描所述潜在关联数据计算当前得到的待确定关联集的支持度，以获取支持度不小于所述最小支持度阈值的新的频繁项集，并通过最新的频繁项集的自连接得到新的待确定关联集，直至最新的频繁项集均不满足所述最小支持度要求时，基于各待确定关联集生成对应所述潜在关联数据的关联数据子集。
13、进一步地，所述方法还包括：
14、在扫描所述潜在关联数据前，剔除所述潜在关联数据中支持度小于所述最小支持度阈值的数据；
15、计算当前得到的待确定关联集的支持度，并获取支持度不小于所述最小支持度阈值的新的频繁项集时，剔除支持度小于所述最小支持度阈值的新的频繁项集。
16、优选地，所述“扫描所述潜在关联数据中获取支持度不小于所述最小支持度阈值的一元频繁项集”，包括：
17、扫描所述潜在关联数据，基于所述潜在关联数据生成列式数据表，扫描所述列式数据表以获取一元频繁项集，计算各所述一元频繁项集的支持度，以获取支持度不小于所述最小支持度阈值的一元频繁项集。
18、具体地，所述“在形成各沉积层的过程中按预设采样频率获取各所述工艺控制模型的工艺参数以存储至数据库”，包括：
19、在某一沉积层开始形成时，确定首次获取工艺参数的采样时间，并在首次获取工艺参数后，基于所述预设采样频率获取各所述工艺控制模型的工艺参数；
20、在所述沉积层完全形成后，将获取的各所述工艺参数及其对应的采样时间存储至所述数据库中对应所述工艺控制模型的子数据库；任一工艺控制模型是通过所述数据库中对应所述样本的性能参数及对应所述工艺控制模型的所述子数据库中对应所述样本的工艺参数进行训练的
21、优选地，所述方法还包括：
22、基于各所述工艺控制模型确定的同一热沉中的任意两层相邻的沉积层的工艺参数具有差异；
23、或，基于各所述工艺控制模型确定的同一热沉中的任意两层沉积层的工艺参数具有差异。
24、进一步地，所述“以任意一组或几组合格样本为基础扩展若干组优质样本”，包括：
25、对于任意一组合格样本，调节所述合格样本中对应m层沉积层的合计n个工艺参数，相应生成若干组热沉并获取工艺参数及性能参数存储至所述数据库，以扩展若干组优质样本；m不小于一且不大于第三预设数量，n不小于一且不大于第四预设数量。
26、本专利技术还提出了一种热沉制备优化装置，所述装置包括：
27、处理模块，用于对基板进行预处理，在完成处理的所述基板的表面通过溅射方式形成一层沉积层，并在最上层的沉积层表面再次通过溅射方式依次形成若干层沉积层，直至各沉积层的总厚度达到预设厚度时完成热沉的生成；各所述沉积层分别对应有一初始的工艺控制模型，在形成各沉积层的过程中按预设采样频率获取各所述工艺控制模型的工艺参数以存储至数据库，并分别获取各所述热沉的性能参数存储至所述本文档来自技高网...
【技术保护点】
1.一种热沉制备优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，训练工艺控制模型的方法包括：
3.根据权利要求2所述的方法，其特征在于，计算得到对应一潜在关联数据的关联数据子集的方法包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述“扫描所述潜在关联数据中获取支持度不小于所述最小支持度阈值的一元频繁项集”，包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述“在形成各沉积层的过程中按预设采样频率获取各所述工艺控制模型的工艺参数以存储至数据库”，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.根据权利要求1所述的方法，其特征在于，所述“以任意一组或几组合格样本为基础扩展若干组优质样本”，包括：
9.一种热沉制备优化装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于被处理器执行时，实现如权利要求1-8
...【技术特征摘要】
1.一种热沉制备优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，训练工艺控制模型的方法包括：
3.根据权利要求2所述的方法，其特征在于，计算得到对应一潜在关联数据的关联数据子集的方法包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述“扫描所述潜在关联数据中获取支持度不小于所述最小支持度阈值的一元频繁项集”，包括：
6.根据权利要求1-5任一项所述的...
【专利技术属性】
技术研发人员：安屹，秦太梦，陈琦，陈维，
申请(专利权)人：深圳市湃泊科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。