碳化硅外延层厚度的确定（2025 国赛 B）优秀范文（一）

摘要

题目要求由外延片在 400–1000 nm 波段测得的反射率谱 $R(\lambda)$ 反演碳化硅（4H-SiC）外延层的厚度 $d$，并给出结果的精度与不确定度。本文建立空气 / 外延层 / 衬底三层薄膜的双程干涉正演模型，用菲涅尔方程与特征矩阵给出总反射率 $R(\lambda)=|r|^2$；在此基础上，先用包络法由反射率极值波长间距给出厚度的闭式初值，再指出折射率—厚度的耦合会令联合反演病态，故将色散常数 $B$ 锚定文献先验、仅反演 $(d,A)$，并以"全局粗扫定位条纹周期对应 basin + Nelder-Mead 精修"克服初值敏感与相邻周期伪解。整个流程不依赖商业拟合软件，全部由标准库实现，便于在复现与教学中直接使用。最终反演得 $d=3.1971\ \mu\text{m}$、$A=2.5706$（固定 $B=0.015$），均方根残差 $\text{RMSE}=0.00547$，与真值 $3.20\ \mu\text{m}$ 相对误差仅 $0.09\%$。蒙特卡洛 220 次重复给出 $d=3.2000\pm0.00336\ \mu\text{m}$（95% 置信区间 $[3.1932,3.2059]$），偏差近零；不确定度随测量噪声 $\sigma$ 近似线性增长。整套方法物理清晰、数值稳健，可为半导体外延质检提供可复现的厚度测定流程。

一、问题重述

给定一片在蓝宝石/硅衬底上外延生长的 4H-SiC 外延片，已测得其反射率随波长变化的曲线 $R(\lambda)$（波长范围 400–1000 nm，采样 201 点，步长 3 nm）。衬底 4H-SiC 的折射率 $n_2=2.70$ 视为已知，空气折射率 $n_0=1$。需要由该光谱反演出外延层的物理厚度 $d$，并对结果的可靠性做出量化评估。问题本质上是由观测光谱反演薄膜光学参数的不适定反问题：同一厚度会对应一条具有周期性干涉条纹的反射谱，而折射率色散未知时厚度与折射率之间存在强耦合，因此必须借助合理的物理建模与稳健的数值策略才能得到可信解。

二、模型假设

为将问题转化为可计算的数学模型，作如下假设：

1. 单层均匀膜假设：外延层为一层厚度均匀、各向同性的介质薄膜，膜内折射率仅随波长变化，不随位置变化。
2. 界面理想：膜—空气、膜—衬底两个界面平整、无表面粗糙度与散射，可用特征矩阵精确描述。
3. 无吸收：在所考波段外延层与衬底均视为无吸收介质，反射仅由折射率失配引起。
4. 色散形式：外延层折射率采用 Cauchy 经验式 $n_1(\lambda)=A+B/\lambda^2$（$\lambda$ 取微米），其中 $A,B$ 为待定色散常数。
5. 衬底与空气折射率已知：$n_0=1.0$，$n_2=2.70$ 作为先验固定。
6. 测量噪声：实测反射率由无噪模型叠加加性高斯白噪声得到，标准差取 $\sigma=0.006$。

三、符号说明

符号	含义	取值/单位
$\lambda$	波长	400–1000 nm
$n_0,n_1,n_2$	空气/外延层/衬底折射率	1.0 / 未知 / 2.70
$d$	外延层厚度（反演目标）	$\mu\text{m}$
$A,B$	外延层 Cauchy 色散常数	$A\approx2.57,\ B=0.015$
$\delta$	单程相位厚度	$\delta=2\pi n_1 d/\lambda$
$R$	总反射率	$R=|r|^2\in[0,1]$
$\sigma$	测量噪声标准差	0.006

四、模型建立

4.1 三层薄膜正演模型

将体系视为空气 ($n_0$) / 外延层 ($n_1$) / 衬底 ($n_2$) 三层结构。光垂直入射时，膜层上下界面的菲涅尔振幅反射系数分别为

$$r_{01}=\frac{n_0-n_1}{n_0+n_1},\qquad r_{12}=\frac{n_1-n_2}{n_1+n_2}.$$

外延层引入单程相位厚度 $\delta=2\pi n_1(\lambda)d/\lambda$。由特征矩阵可得总反射振幅

$$r = \frac{r_{01}+r_{12}e^{-2i\delta}}{1+r_{01}r_{12}e^{-2i\delta}},$$

总反射率即为 $R(\lambda)=|r|^2$。由于 $\delta$ 随 $\lambda$ 单调变化，反射率在相邻波长处取得极大与极小，形成规则的干涉条纹。

4.2 包络法初值

对无吸收薄膜，相邻两次反射率极值对应的波长 $\lambda_i,\lambda_j$ 满足相位差 $\pi$，由此可导得厚度与极值波长间距 $\Delta\lambda=\lambda_j-\lambda_i$ 的闭式关系

$$d \approx \frac{\lambda_i\lambda_j}{2\,n_1(\bar\lambda)\,\Delta\lambda},$$

其中 $\bar\lambda=(\lambda_i+\lambda_j)/2$。该式给出由光谱条纹直接估计厚度的"包络法"初值，计算快、无需迭代，但抗噪能力弱（见第五节）。

4.3 反演目标函数

给定实测谱 $\hat R_i=R(\lambda_i)+\varepsilon_i$，定义最小二乘代价

$$S(d,A)=\sum_{i}\bigl[R_{\text{model}}(\lambda_i;d,A,B_0)-\hat R_i\bigr]^2,$$

其中色散常数 $B$ 固定为文献先验 $B_0=0.015$，仅反演 $(d,A)$，以避免 $n$–$d$ 的强耦合导致病态。

4.4 条纹周期别名与初值敏感性

由于相位厚度 $\delta$ 以 $2\pi$ 为周期，厚度为 $d$ 与 $d+m\cdot\lambda/n_1(\lambda)$（$m$ 为整数）的样品会产生几乎相同的干涉条纹间距，这就是"厚度别名"现象。若仅用包络法或单一初值做局部优化，极易收敛到相邻周期的伪解（如含噪时初值漂至 $3.83\ \mu\text{m}$ 即落入错误 basin）。因此反演不能依赖单点初值，而必须先用全局粗扫锁定真实周期对应的 basin，再做局部精修——这正是第五节求解流程的设计动机。

五、模型求解与结果分析

5.1 求解流程

1. 正演验证：代入真值 $d=3.20\ \mu\text{m},A=2.57,B=0.015$，模型反射率在 $[0.1806,0.2111]$ 间振荡，呈现清晰的干涉条纹（图 1）。
2. 包络初值：在无噪数据上包络法给出 $d_0=3.2296\ \mu\text{m}$，已十分接近真值；但在含噪实测上包络法受噪声扰动给出 $d_0=3.8268\ \mu\text{m}$，偏差显著（图 3），说明包络法不可直接作为最终解，仅宜作粗定位。
3. 全局粗扫 + 精修：固定 $A=A_0$ 时，代价 $S(d)$ 对 $d$ 具有唯一全局极小（条纹间距唯一确定 $d$），故在 $1.00\sim8.00\ \mu\text{m}$ 以 0.04 $\mu\text{m}$ 步长粗扫定位 basin，再以 Nelder-Mead 单纯形法精修 $(d,A)$。该组合稳健避开相邻周期别名伪解，对初值不敏感。
4. 反演结果：得 $d=3.1971\ \mu\text{m}$、$A=2.5706$、$\text{RMSE}=0.00547$、迭代 34 步收敛（图 4、图 6）。为验证稳健性，对含噪实测重复以不同随机扰动初始化，结果均收敛至同一 basin，说明该解是真正的全局最优而非局部陷阱。

5.2 残差检验

反演模型与实测之差（残差）在 $\pm0.012$ 内随机波动，无明显波长相关的系统结构（图 5），说明正演模型与反演策略已充分解释了观测数据，未遗漏主要物理效应。残差标准差约为 $0.0055$，与人为注入的噪声水平 $\sigma=0.006$ 同量级，符合"拟合已逼近噪声地板、未过拟合"的预期；若残差仍含低频或周期性结构，则提示模型假设（如无吸收、单层均匀）需要修正。

六、灵敏度分析

6.1 蒙特卡洛不确定度

以固定种子生成 220 组独立加噪实测谱，逐组反演得到厚度估计的分布（图 7）。统计得均值 $\bar d=3.2000\ \mu\text{m}$、标准差 $0.00336\ \mu\text{m}$、95% 置信区间 $[3.1932,3.2059]\ \mu\text{m}$、相对真值偏差 $0.00001\ \mu\text{m}$，色散均值 $A_{\text{mean}}=2.5700$。结果表明反演无系统偏差，且精度优于 $0.1\%$。由图 7 可见，220 次估计近似呈以真值为中心的正态分布，未出现双峰或长尾，进一步佐证反演结果的可靠性与单 basin 收敛特性；若分布出现多峰，则说明数据中存在别名伪解风险，需回检初值策略。

6.2 噪声水平影响

考察不同测量噪声 $\sigma\in\{0.003,0.006,0.009,0.012\}$ 下的厚度标准差，得到 $\sigma\to\text{std}(d)$ 近似线性关系：

$\sigma$	0.003	0.006	0.009	0.012
$\text{std}(d)$	0.00175	0.00330	0.00495	0.00676

即噪声每增大一倍，厚度不确定度近乎同倍增大（图 8）。这提示在实际质检中，提升光谱信噪比是降低厚度测定不确定度最直接有效的途径；若受硬件限制无法降低 $\sigma$，则可通过增加波长采样密度或多次测量平均来抑制单次随机误差，但无法突破由 $\sigma$ 决定的固有不确定度下限。

七、模型评价

优点：(1) 物理模型严谨，三层特征矩阵精确刻画干涉条纹；(2) 包络法提供闭式初值，计算廉价且可解释；(3) 全局粗扫 + Nelder-Mead 精修兼具稳健性与精度，有效规避别名伪解，对初值不敏感；(4) 蒙特卡洛给出可量化的不确定度，便于工程决策与质控阈值设定；(5) 全部计算仅依赖标准库，无需商业拟合软件，复现成本低。

局限：(1) 依赖衬底折射率 $n_2$ 与色散常数 $B$ 的先验；若 $B$ 未知，与 $d$ 的耦合会使联合反演严重病态（本文以固定 $B$ 化解）；(2) 包络法抗噪差，须以最小二乘校正；(3) 假设无吸收、界面理想，对高粗糙或吸收样品需引入额外损耗项；(4) 当外延层过薄（仅含个别条纹）时，包络法初值精度下降，宜改用全谱最小二乘直接反演。

八、结论

本文以外延层厚度测定为对象，建立了"正演建模—包络初值—非线性最小二乘反演—蒙特卡洛不确定度量化"的完整链条。在固定色散先验下，反演厚度 $d=3.1971\ \mu\text{m}$，与真值相对误差仅 $0.09\%$；蒙特卡洛表明测定精度优于 $0.1\%$，且不确定度随测量噪声近似线性增长。与单纯依赖包络法相比，本文以全局粗扫克服别名伪解、以最小二乘校正噪声，显著提升了结果的稳健性与可信度。方法物理清晰、数值稳健、可完全复现，可直接迁移至蓝宝石、氮化镓、砷化镓等其他外延体系的膜厚测定，亦可推广到折射率色散联合反演（在光谱较宽、条纹充足时）与多层膜的逐层解析。

九、参考文献

[1] 全国大学生数学建模竞赛组委会. 2025 高教社杯全国大学生数学建模竞赛 B 题：碳化硅外延层厚度的确定[R]. 2025.

[2] Tompkins H G, Irene E A. Handbook of Ellipsometry[M]. William Andrew, 2005.

[3] Born M, Wolf E. Principles of Optics[M]. 7th ed. Cambridge University Press, 1999.

[4] Heavens O S. Optical Properties of Thin Solid Films[M]. Dover, 1965.

附录：核心 Python 实现

import os, sys, math, random
# 定位并导入真源模块（与配图同源，四路一致）
try:
    _HERE = os.path.dirname(os.path.abspath(__file__))
except NameError:
    _HERE = os.getcwd()
sys.path.insert(0, os.path.abspath(os.path.join(_HERE, "..", "..", "..", "tools")))
import gen_cumcm2025b as G

# ---- 复算关键数字 ----
# 1) 重建固定实测数据并反演 (d, A)，B 固定文献先验
Rmeas, clean = G.build_meas()
x, f, it = G.fit(Rmeas, G.LAM, seed=2026)
d, A = x
rmse = G.rmse(Rmeas, d, A, G.B0)
print("反演：d=%.4f μm  A=%.4f  RMSE=%.5f  迭代=%d" % (d, A, rmse, it))

# 2) 蒙特卡洛不确定度（220 次重复）
est, mean, std, lo, hi, bias, Amean = G.monte_carlo()
print("MC(%d): mean=%.4f std=%.5f CI=[%.4f,%.4f] bias=%.5f A_mean=%.4f"
      % (len(est), mean, std, lo, hi, bias, Amean))

# 3) 噪声灵敏度
sens = G.sensitivity()
print("灵敏度 σ→std: " + ", ".join("σ=%.3f→%.5f" % (s, v) for s, v in sens))