[发明专利]从测量深度剖析数据直接获取薄膜元素成分分布的方法

说明书

本发明涉及一种从测量深度剖析数据直接获取薄膜元素成分分布的方法，主要包括：(1)利用深度剖析技术对薄膜样品中元素的分布进行测量，并将测量得到的强度‑溅射时间谱转换成浓度‑深度谱；(2)MRI参数的确定：包括原子混合长度、信息深度、样品粗糙度三个参数的确定；(3)采用正则化方法中的Tikhonov‑TV方法，并结合其牛顿阻尼法进行求解，获取原始成分浓度‑深度分布。本发明利用MRI模型和反卷积方法，来获得原始成分分布。针对反卷积过程中，低信噪比和实验数据不足等问题，采用正则化方法中的Tikhonov‑TV方法，并结合其牛顿阻尼法，可以对噪声有着较好的容纳能力，对于数据点较少或不足的情况也具有较优的模拟效果，可以准确地获得原始成分浓度‑深度分布。

技术领域

本发明属于表面分析技术领域，尤其涉及一种从测量深度剖析数据直接获取薄膜元素成分分布的方法。

背景技术

深度剖析定量分析，一方面能更好的了解深度剖析技术的缺陷，提供定量标准与解释，另一方面，通过直接卷积或反卷积，能获得更为真实的成分深度分布。目前，卷积理论在深度剖析定量分析上占主导地位；而反卷积理论的优势则体现在提升测量深度剖面质量上。在深度剖析中，直接卷积的方法只有假设原始浓度分布，才能通过调整分辨率函数的相应参数(如原子混合度，粗糙度等)来达到最佳的拟合目的。而影响反卷积理论应用的原因是，直接反卷积方法获得样品的深度浓度分布的过程很复杂，同时由于数据精度不足，或是低信噪比，将对反卷积结果造成极大的误差。

目前Gautier等人通过SIMS获得了在硅衬底上硅硼掺杂薄膜的实验数据，并利用由Dowsett提出的响应函数模型[4]和迭代反卷积的方法对实验谱进行了定量分析，拟合得到的纳米层结构厚度结果与原始结构较为接近。但是由算法本身限制迭代反卷积方法对原始结构为平滑函数较为适合，当原始结构为方波时，该算法就不再适用了。

发明内容

针对现有技术中存在的问题，本发明提供一种从测量深度剖析数据直接获取薄膜元素成分分布的方法。

为了实现上述的目的，采用如下的技术方案：

一种从测量深度剖析数据直接获取薄膜元素成分分布的方法，主要包括以下步骤：

(1)利用深度剖析技术对薄膜样品进行深度剖析测量，并将测量得到的强度-溅射时间谱转换成浓度-深度谱；

(2)MRI参数的确定：包括原子混合长度、信息深度、样品粗糙度三个参数的确定；

(3)采用正则化方法中的Tikhonov-TV方法，并结合其牛顿阻尼法进行求解，获取原始成分深度浓度分布。

卷积与反卷积的对比：卷积是在已知深度分辨率函数的条件下，假定原始的层结构分布，通过迭代方法模拟计算的深度谱，并与测量的深度谱进行比较直至达到最佳拟合。而反卷积方法是在已知深度分辨率函数的条件下，通过反卷积方法直接获取原始的成分分布。

Tikhonov-TV方法与其他反卷积方法对比：其他反卷积方法，如迭代法等，仅在原始分布为平滑函数时较为适用，当原始成分分布为非平滑函数，如方波时，该方法便不适用了；其他反卷积方法，如傅里叶方法，对方波也适用，但当含有噪声时，便会对其结果产生巨大的影响。而采用正则化方法中的Tikhonov-TV方法却能够较好的解决低信噪比与数据不足的情况。

进一步的，步骤(1)所述深度剖析技术包括AES、XPS、SIMS、GDOES。

进一步的，步骤(2)中所述原子混合长度的确认方法为：利用SRIM软件及相应的溅射条件，对样品的膜层进行溅射模拟，取纵向岐离值作为MRI模型原子混合长度的值。

进一步的，步骤(2)中所述样品粗糙度的确定可以为利用AFM仪器进行测量。