自适应差分进化算法在薄膜参数表征中的应用

本文研究的焦点在于"一种基于自适应差分进化算法的薄膜参数表征方法"，针对的是微纳米薄膜这一高性能材料领域的关键问题。随着纳米计量技术的进步，薄膜，尤其是单晶硅、多晶硅、氧化硅、氮化硅和金属材料制成的纳米薄膜，在诸如飞机隐身涂层、航空发动机涂层等领域展现出卓越的性能，如硬度增强、抗氧化性和耐腐蚀性提升。这些特性使得精确测量薄膜的光学常数和厚度变得尤为重要，因为它们对材料性能的影响显著。 现有的测量方法，如扫描电子显微镜(SEM)和原子力显微镜(AFM)，虽然能够提供高精度的数据，但速度慢、操作复杂，难以满足实时工艺监控的需求。相比之下，穆勒椭偏仪作为一种光学精密测量工具，凭借其速度快、成本低和非破坏性等优点，能够在生产线上进行快速、在线的薄膜参数测定。然而，当样本数量大时，涉及到的超定方程组求解成为挑战，传统的严格求解方法不再适用。 为了克服这个难题，文章提出了一种创新的解决方案——自适应差分进化智能算法(SADE)。SADE算法被用于建立光强值的最小二乘模型，通过拟合样品的穆勒矩阵元素，结合样品的传输矩阵，能够高效地解决超定方程组，找到最优的薄膜参数组合。这个方法利用了光束在穆勒椭偏系统中的传输特性，通过测量散射后的光束偏振状态变化，反演得到膜厚和光学参数，如图1所示的光路图。 这项研究旨在开发一种高效、实时的薄膜参数表征方法，通过SADE算法优化穆勒椭偏仪的测量过程，以适应现代纳米薄膜制造业对快速和精确参数获取的需求。这不仅提升了测量效率，还可能推动纳米材料科学和工程领域的进一步发展。