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！

龙图腾网获悉西安交通大学申请的专利基于深度学习的直拉法单晶硅热场估计方法、装置和产品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：CN118821578B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202410468983.5，技术领域涉及：G06F30/27；该发明授权基于深度学习的直拉法单晶硅热场估计方法、装置和产品是由李早阳;金雨琦;刘立军设计研发完成，并于2024-04-18向国家知识产权局提交的专利申请。

本基于深度学习的直拉法单晶硅热场估计方法、装置和产品在说明书摘要公布了：本申请提供了一种基于深度学习的直拉法单晶硅热场估计方法、装置和产品，涉及单晶硅制备技术领域，所述方法包括：获取直拉法制备单晶硅过程中的历史工况数据；基于本轮训练的共享参数，训练热场估计模型，得到本轮训练的输出结果；根据本轮训练的共享参数，以及具有高斯分布的动量变量，更新得到下一轮训练的共享参数；根据损失函数值对热场估计模型进行参数优化；基于下一轮训练的共享参数，对热场估计模型进行下一轮训练，直至达到预设训练次数；将最后S轮训练所得到的输出数据中的温度预测值的平均值，确定为对应位置的温度值，根据最后S轮训练所得到的输出数据中的温度预测值的标准差，确定热场估计模型的不确定性衡量值。

本发明授权基于深度学习的直拉法单晶硅热场估计方法、装置和产品在权利要求书中公布了：1.一种基于深度学习的直拉法单晶硅热场估计方法，其特征在于，所述方法包括： 获取直拉法制备单晶硅过程中的历史工况数据，所述历史工况数据至少包括：单晶硅生长系统中多个位置点的历史温度监测数据； 基于所述历史温度监测数据，生成所述单晶硅生长系统的历史热场分布信息； 基于本轮训练的共享参数，利用所述历史温度监测数据和所述历史热场分布信息，训练热场估计模型，得到本轮训练的输出结果，所述输出结果包括：所述单晶硅生长系统中各个位置点的温度预测值，以及所述单晶硅生长系统的热场预测值； 根据所述本轮训练的共享参数，以及具有高斯分布的动量变量，更新得到下一轮训练的共享参数； 根据所述输出结果，计算损失函数值，根据所述损失函数值对所述热场估计模型进行参数优化； 基于所述下一轮训练的共享参数，重新利用所述历史温度监测数据和所述历史热场分布信息，对参数优化后的所述热场估计模型进行下一轮训练，直至达到预设训练次数，得到训练完成的热场估计模型和共享参数序列；所述共享参数序列表示，将最后S轮训练所得到的共享参数和动量变量，按照训练次序排列而成的序列；所述S小于所述预设训练次数； 将最后S轮训练所得到的输出数据中的温度预测值的平均值，确定为所述单晶硅生长系统中对应位置点的温度值，根据最后S轮训练所得到的输出数据中的温度预测值的标准差，确定所述训练完成的热场估计模型的不确定性衡量值； 所述根据最后S轮训练所得到的输出数据中的温度预测值的标准差，确定所述训练完成的热场估计模型的不确定性衡量值，包括： 对于所述单晶硅生长系统中的多个位置点，计算每个位置点所对应的所述最后S轮训练所得到的输出数据中的温度预测值的标准差； 根据所述多个位置点的标准差，按照如下公式计算得到所述训练完成的热场估计模型的不确定性衡量值： ； 其中，表示所述训练完成的热场估计模型的不确定性衡量值，表示所述多个位置点的总数量，表示位置点处的标准差； 所述方法还包括： 在所述不确定性衡量值小于或等于预设阈值的情况下，根据各个位置点的所述温度值，生成所述单晶硅生长系统的连续温度分布； 在所述不确定性衡量值大于所述预设阈值的情况下，将所述历史工况数据确定为不合格数据，重新采集新的历史工况数据，以重新训练热场估计模型。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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”。