Plasma-enhanced atomic layer deposition (PEALD) has demonstrated its superiority at coating ultra-conformal high dielectric thin-films, which are essential to the fin field-effect transistors (FinFETs) as well as the advanced 3D V-NAND (vertical Not-AND) flash memory cells. Despite the growing research interest, the exploration of the optimal operation policies for PEALD remains a complicated and expensive task. Our previous work has constructed a comprehensive 3D multiscale computational fluid dynamics (CFD) model for the PEALD process and demonstrated its potential to enhance the understanding of the process. Nevertheless, the limitation of computational resources and the relatively long computation time restrict the efficient exploration of the operating space and the optimal operating strategy. Thus, in this work, we apply a 2D axisymmetric reduction of the previous 3D model of PEALD reactors with and without the showerhead design. Furthermore, a data-driven model is derived based on a recurrent neural network (RNN) for process characterization. The developed integrated data-driven model is demonstrated to accurately characterize the key aspects of the deposition process as well as the gas-phase transport profile while maintaining computational efficiency. The derived data-driven model is further validated with the results from a full 3D multiscale CFD model to evaluate model discrepancy. Using the data-driven model, an operational strategy database is generated, from which the optimal operating conditions can be determined for the deposition of HfO${}_2$thin-film based on an elementary cost analysis.

等离子体增强原子层沉积（PEALD）展示了其在涂覆超共形高介电薄膜方面的优越性，这对鳍式场效应晶体管（FinFET）以及先进的3D V-NAND（垂直非X晶体管）至关重要AND）闪存单元。尽管研究兴趣日益增长，但探索PEALD的最佳运行策略仍然是一项复杂而昂贵的任务。我们之前的工作为PEALD过程构建了一个全面的3D多尺度计算流体动力学（CFD）模型，并展示了其增强对过程的理解的潜力。然而，计算资源的限制和相对较长的计算时间限制了对操作空间的有效探索和最佳操作策略。因此，在这项工作中 我们对带有和不带有喷头设计的PEALD反应堆先前3D模型进行了2D轴对称简化。此外，基于递归神经网络（RNN）导出数据驱动模型以进行过程表征。演示了开发的集成数据驱动模型，可在保持计算效率的同时准确地描述沉积过程的关键方面以及气相传输曲线。使用完整的3D多尺度CFD模型的结果进一步验证派生的数据驱动模型，以评估模型差异。使用数据驱动的模型，可以生成一个操作策略数据库，从中可以确定HfO沉积的最佳操作条件 基于递归神经网络（RNN）导出数据驱动模型以进行过程表征。演示了开发的集成数据驱动模型，可在保持计算效率的同时准确地描述沉积过程的关键方面以及气相传输曲线。使用完整的3D多尺度CFD模型的结果进一步验证派生的数据驱动模型，以评估模型差异。使用数据驱动的模型，可以生成一个操作策略数据库，从中可以确定HfO沉积的最佳操作条件 基于递归神经网络（RNN）导出数据驱动模型以进行过程表征。演示了开发的集成数据驱动模型，可在保持计算效率的同时准确地描述沉积过程的关键方面以及气相传输曲线。使用完整的3D多尺度CFD模型的结果进一步验证派生的数据驱动模型，以评估模型差异。使用数据驱动的模型，可以生成一个操作策略数据库，从中可以确定HfO沉积的最佳操作条件 演示了开发的集成数据驱动模型，可在保持计算效率的同时准确地描述沉积过程的关键方面以及气相传输曲线。使用完整的3D多尺度CFD模型的结果进一步验证派生的数据驱动模型，以评估模型差异。使用数据驱动的模型，可以生成一个操作策略数据库，从中可以确定HfO沉积的最佳操作条件 演示了开发的集成数据驱动模型，可在保持计算效率的同时准确地描述沉积过程的关键方面以及气相传输曲线。使用完整的3D多尺度CFD模型的结果进一步验证派生的数据驱动模型，以评估模型差异。使用数据驱动的模型，可以生成一个操作策略数据库，从中可以确定HfO沉积的最佳操作条件${}_2$基于基本成本分析的薄膜。