為解決橢偏法測(cè)量薄膜厚度和折射率實(shí)驗(yàn)數(shù)據(jù)處理較為復(fù)雜的問(wèn)題,采用一種新的基于群體智能的優(yōu)化算法—差異進(jìn)化算法處理實(shí)驗(yàn)數(shù)據(jù);以單層吸收薄膜的測(cè)量為例,利用該算法進(jìn)行數(shù)據(jù)處理,實(shí)驗(yàn)結(jié)果表明,三個(gè)薄膜參數(shù)(折射率n,消光系數(shù)k和薄膜厚度d)是可以同時(shí)獲得的,而且在未知參數(shù)確切范圍情況下,較大范圍內(nèi)進(jìn)行搜索仍然能保證快速收斂到最優(yōu)解。文中算法和粒子群算法、遺傳算法以及利用橢偏儀數(shù)據(jù)處理軟件得出的結(jié)果相比較,表明該算法在橢偏測(cè)量數(shù)據(jù)反演中是一種可行的智能優(yōu)化算法。

　　關(guān)鍵詞： 差異進(jìn)化算法;橢偏法;光學(xué)薄膜;反演

　　Abstract: A novel technique,data inversion algorithm,was developed to modify the conventional data-processing of ellipsometry measurement involving the film thickness and deflections.The data inversion algorithm was derived from the differential evolution(DE) on the basis of swarm intellect theory.The ellipsometry data of the monolayer absorption films were processed to test its validity.The results show that the data-inversion technique works OK.For instance,the three key parameters of the film,including the deflection index,extinction coefficient,and film thickness(n,k,and d) can be derived;the best solution converges rapidly,even after ramping the unknown parameters in the fairly large rang.Besides,the comparisons of our results with those obtained by the conventional data-processing techniques,such as particle swarm optimization,genetic algorithm,and the software package dedicated to ellipsometry data-procession,confirmed that the data inversion algorithm is capable of intelligently processing the complicated ellipsometry spectra with high precision.

　　Keywords: Differential evolution optimization,Ellipsometry,Optical film,Inversion

　　基金項(xiàng)目: 2011年陜西省教育廳自然科學(xué)基金(111JK1051)

　　隨著薄膜技術(shù)的廣泛應(yīng)用, 薄膜光學(xué)特性和表面形態(tài)的準(zhǔn)確測(cè)量已經(jīng)成為薄膜研究的重要問(wèn)題[1-2] 。其中橢圓偏振測(cè)量技術(shù)因具有測(cè)量精度高[3], 非破壞性和非擾動(dòng)性而廣泛應(yīng)用于各個(gè)領(lǐng)域。橢偏測(cè)量方法比較容易掌握, 但是由于測(cè)量數(shù)據(jù)求解薄膜參數(shù)的橢偏方程非常復(fù)雜, 是一個(gè)超越方程, 不能直接得到解析解, 所以測(cè)量數(shù)據(jù)的處理顯得尤為重要。一般處理方法有三種: 一是用數(shù)值表; 二是用數(shù)字迭代直接計(jì)算方法; 三是用反演算法。數(shù)表法的缺點(diǎn)是工作量大, 精度不高, 通常數(shù)表只有少數(shù)幾種常見(jiàn)襯底材料的數(shù)據(jù), 不能滿足普遍的要求。數(shù)字迭代直接計(jì)算方法優(yōu)點(diǎn)是具有直觀的物理意義, 缺點(diǎn)是必須給出參數(shù)初始估計(jì)值。而反演算法具有收斂速度快, 適用范圍廣等優(yōu)點(diǎn)。文獻(xiàn)[4-5] 采用數(shù)字迭代直接計(jì)算方法求解橢偏數(shù)據(jù), 文獻(xiàn)[6] 利用具有全局搜索能力的優(yōu)化算法-模擬退火算法處理橢偏數(shù)據(jù), 得到了單層吸收薄膜的三個(gè)參數(shù)。差異進(jìn)化( Different ial Evolution, DE) 算法由Storn R 和Price K[7] 于1995 年提出, 是一種隨機(jī)的并行直接搜索算法, 它可對(duì)非線性不可微連續(xù)空間函數(shù)進(jìn)行最小化, 以其易用性、穩(wěn)健性和強(qiáng)大的全局尋優(yōu)能力在多個(gè)領(lǐng)域取得成功。在1996 年舉行的第一屆國(guó)際IEEE 進(jìn)化優(yōu)化競(jìng)賽上, 對(duì)提出的各種方法進(jìn)行了現(xiàn)場(chǎng)驗(yàn)證, DE 被證明是最快的進(jìn)化算法。本文采用DE算法反演橢偏法測(cè)量薄膜光學(xué)常數(shù), 并將反演結(jié)果和遺傳模擬退火算法以及利用橢偏儀數(shù)據(jù)處理軟件得出的結(jié)果進(jìn)行比較。

　　將一種新的算法DE 算法應(yīng)用于橢偏數(shù)據(jù)的反演計(jì)算。DE 算法是基于群體智能理論的優(yōu)化算法, 通過(guò)群體中粒子的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能指導(dǎo)優(yōu)化搜索, 它特有的記憶使其可以動(dòng)態(tài)跟蹤當(dāng)前的搜索情況調(diào)整其搜索策略。通過(guò)上面的計(jì)算可以看出, DE 算法是一種可行和有效的優(yōu)化方法。文中以單層吸收薄膜的測(cè)量為例, 利用該算法進(jìn)行了數(shù)據(jù)處理, 實(shí)驗(yàn)結(jié)果表明, 三個(gè)薄膜參數(shù)( 折射率n , 消光系數(shù)k 和薄膜厚度d) 是可以同時(shí)獲得的, 在未知參數(shù)確切范圍情況下, 較大范圍內(nèi)進(jìn)行搜索仍然能保證快速收斂到最優(yōu)解。與遺傳算法相比, DE算法不像遺傳算法有各種復(fù)雜的選擇策略, 操作簡(jiǎn)單, 控制參數(shù)少, 易編程實(shí)現(xiàn)。DE 算法參數(shù): 種群數(shù)量、變異算子、交叉算子等參數(shù)選擇對(duì)DE 的性能有重要影響, 如何選擇、優(yōu)化和調(diào)整參數(shù), 使算法既能避免早熟又能較快收斂, 對(duì)研究和應(yīng)用有著重要的意義, 將在以后的研究中討論。

參考文獻(xiàn)：
　　[1]徐均琪,李榮,蘇俊宏,等.TiO2/ZrO2復(fù)合薄膜的制備及工藝參數(shù)對(duì)薄膜折射率的影響[J].真空科學(xué)與技術(shù)學(xué)報(bào),2010,30(4):420-424
　　[2]盧建麗,李健,白海平,等.Sn2S3薄膜制備及結(jié)構(gòu)與光學(xué)特性[J].真空科學(xué)與技術(shù)學(xué)報(bào),2009,29(2):130-134
　　[3]梁海鋒,嚴(yán)一心.類金剛石薄膜光學(xué)特性的橢偏法研究[J].真空科學(xué)與技術(shù)學(xué)報(bào),2005,25(4):287-289
　　[4]吳永漢,竇菊英.橢偏法測(cè)膜厚的直接計(jì)算方法[J].物理實(shí)驗(yàn),1998,18(1):11-13
　　[5]劉卓建,唐振方.橢偏測(cè)厚儀測(cè)量結(jié)果的計(jì)算機(jī)數(shù)據(jù)處理[J].自動(dòng)化儀表,2003,24(11):28-31
　　[6]廖清君,王植恒,王磊.模擬退火法在吸收薄膜的橢偏反演算法中的應(yīng)用[J].光學(xué)學(xué)報(bào),2002,22(6):683-687
　　[7]STORN R,PRICE K.Differential Evolution-aSimple and Eff-icient Adaptive Scheme for Global Optimization over Continu-ous Spaces[C].Technical Report,International Computer Sc-ience Institute,1995:22-25
　　[8]周艷平,顧幸生.差分進(jìn)化算法研究進(jìn)展[J].化工自動(dòng)化及儀表,2007,34(3):1-5
　　[9]劉明廣.差異演化算法及其改進(jìn)[J].系統(tǒng)工程,2005,23(2):108-111
　　[10]Babu B V,JehanM M L.Differential Evolution forMult-i Ob-jective Optimization[J].Evolutionary Computation,2003,(4):8-12
　　[11]Mallipeddi R,Suganthan P N,Pan Q K,et al.DifferentialEvolution Algorithm with Ensemble ofParameters andMuta-tion Strategies[J].Applied Soft Computing,2011,(11):1679-1696