半导体晶圆制程中的化学气相沉积（Chemical Vapor Deposition, CVD）工艺会持续产生高维、多变量、非平稳的传感器时间序列。压力、气体流量、温度、射频功率等变量既包含长期工况演化，也存在复杂耦合。一旦设备控制异常、阀门故障或气路扰动未被及时识别，可能引发晶圆缺陷和批次良率损失。中心团队近期提出无监督异常检测框架TideMamba，融合时间序列分解、Mamba选择性状态空间模型、注意力分支与自适应门控机制，以正常工况重构为核心，实现异常识别、定位与诊断支持。
该研究成果以《TideMamba: a hybrid time-series decomposition and Mamba-based architecture for multivariate anomaly detection》为题，发表于传感领域知名期刊《Measurement》。中心邹宁睦副教授为通讯作者，中心博士生冯明伟为第一作者。
芯片产线的“异常雷达”：TideMamba智能故障预警
算法架构和结果
论文扉页
论文链接：https://doi.org/10.1016/j.measurement.2026.122144
（冯明伟报道）