PROCESSING CHAMBER CALIBRATION

A method includes receiving, from sensors, sensor data associated with processing a substrate via a processing chamber of substrate processing equipment. The sensor data includes a first subset received from one or more first sensors and a second subset received from one or more second sensors, the first subset being mapped to the second subset. The method further includes identifying model input data and model output data. The model output data is output from a physics-based model based on model input data. The method further includes training a machine learning model with data input including the first subset and the model input data, and target output data including the second subset and the model output data to tune calibration parameters of the machine learning model. The calibration parameters are to be used by the physics-based model to perform corrective actions associated with the processing chamber. La présente invention concerne un procédé qui consiste à recevoir, en provenance de capteurs, des données de capteurs associées au traitement d'un substrat par l'intermédiaire d'une chambre de traitement d'un équipement de traitement de substrat. Les données de capteurs comprennent un premier sous-ensemble reçu en provenance d'un ou plusieurs premiers capteurs et un second sous-ensemble reçu en provenance d'un ou plusieurs seconds capteurs, le premier sous-ensemble étant mis en correspondance avec le second sous-ensemble. Le procédé consiste en outre à identifier des données d'entrée de modèle et des données de sortie de modèle. Les données de sortie de modèle sont délivrées à partir d'un modèle basé sur la physique sur la base de données d'entrée de modèle. Le procédé consiste en outre à entraîner un modèle d'apprentissage machine avec une entrée de données comprenant le premier sous-ensemble et les données d'entrée de modèle, et des données de sortie cibles comprenant le second sous-ensemble et les données de sortie de modèle pour accorder des paramètres d'étalonnage du modèle d'apprentissage machine. Les paramètres d'étalonnage doivent être utilisés par le modèle basé sur la physique pour effectuer des actions correctives associées à la chambre de traitement.