低信号対ノイズ比スペクトルデータの厚膜厚さ測定の安定性を向上させるために、セルフアテンションベースニューラルネットワーク（Self-Attention-based Neural Network、SANN）に基づく測定方法を提案する。従来のフーリエ変換の方法は、信号対ノイズ比が低い場合、ノイズ成分が主要な干渉周波数を覆い隠すため、厚さ情報を正確に抽出するのが難しい。それゆえ、スペクトルデータを入力とし、厚膜厚さを出力とするセルフアテンションベースニューラルネットワークモデルを構築し、自律アテンションメカニズムを使用して異なる波長のスペクトルポイントに動的な重みを付与して低信号対ノイズ比のスペクトルデータの解析能力を強化する。スペクトル干渉膜厚さ測定システムを使用して実験データを収集し、波長シフトおよび光強度正規化の動的調整戦略を行ってデータを増強し、トレーニングセットを拡張しモデルの一般化能力を高める。このシステムは、自己注目機能をベースにしたエンコーダーレイヤーの最適化や隠れノード数の最適化を行い、最終的には8層のエンコーダーとそれぞれ128個の隠れノードを含むモデルを選択する。ウェハを例に検証し、低信号対ノイズ比テストセットでの最大相対厚さ測定誤差が3.62％であることが示され、この方法が効果的にノイズの影響を抑制し、フーリエ変換方法で一般的な異常値の偏差を回避し、測定の安定性を著しく向上させることが証明された。この方法はより広範囲の薄膜測定応用に拡張可能である。

干渉測定；ウェハ厚さ；スペクトル干渉式；セルフアテンションベースニューラルネットワーク；ノイズ耐性；測定安定性