Revolution of semiconductor bulk crystal growth technique by transport phenomena combined with information technology

输运现象与信息技术相结合的半导体块晶生长技术的革命

基本信息

批准号：
20H00320
负责人：
岡野泰則
金额：
$ 29.04万
依托单位：
Osaka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

昨年度ベイズ最適化法を宇宙実験で作製した実際の試料内の成長速度、濃度分布に適用し算出した拡散係数を用い、微小重力環境下で平坦な固液界面形状を維持したまま結晶成長を行う条件を見出した。基礎式として融液内の拡散方程式、運動方程式、エネルギー方程式、結晶内のエネルギー方程式を用い、固液界面においては熱と溶質のバランス式を考慮した。成長開始時の初期温度勾配はベイズ最適化法で求め、るつぼ回転を経時的に変化させるシーケンスを強化学習により求めた。通常結晶成長時のるつぼは静止あるいは一定の回転数であるが、細かく経時的に回転数を制御することにより固液界面形状を平坦に維持した高品質結晶作製が可能となることを示した。一方、昨年度極めて単純な形状について適用したPhysical Informed Neural Networks （PINNs）を実際の結晶成長であるチョクラルスキー法によるシリコンバルク単結晶成長プロセスに適用した。基礎式である、連続式、運動量保存式、熱伝導方程式に加え、境界条件を学習させた。学習時間に約1日を要するが、いったん学習してしまえば通常の数値解析では1計算当たり数十分から1時間程度要する計算が、わずか0.1秒程度で、しかも高精度で算出可能であることを示した。本法を用いれば結晶成長に伴う融液高さの経時的減少に付随する計算格子の再構築が不要なため、本法は実際の結晶成長の現場において、実時間解析として活用可能な技術である。加えて本法は基礎式を用いる解析全てにおいて適用可能な技術でもある。

使用去年通过将贝叶斯优化方法应用于空间实验中实际样品内的生长速率和浓度分布来计算的扩散系数，我们发现了晶体生长的条件，同时在微重力环境中保持平坦的固体液体界面形状。基本方程式用于熔体，运动方程，能量方程和晶体中的能量方程，并在固液界面上考虑热和溶质的平衡方程。使用贝叶斯优化方法确定生长开始时的初始温度梯度，并使用增强学习确定了随时间变化坩埚旋转的序列。通常，晶体生长过程中的坩埚是静止的或恒定的旋转速度，但是通过控制随时间的旋转速度，可以表明可以通过保持固定液体界面形状平坦来产生高质量的晶体。同时，去年，使用Czochralski方法将应用于极为简单形状的物理知情神经网络（PINN）应用于硅体积单晶生长的实际晶体生长过程。除了基本公式，连续，动量保护和热传导方程外，还学习了边界条件。它大约需要一天的时间才能进行研究，但是一旦您了解到，它表明，在正常的数值分析中，每次计算只需几十到一个小时的计算即可在仅0.1秒内计算，并且精度很高。使用这种方法，不需要随着晶体生长的融化高度降低的计算晶格的重建，并且该方法是一种可以用作实际晶体生长领域的实时分析的技术。此外，此方法也是使用基本公式的所有分析的适用技术。

项目成果

期刊论文数量（15）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

The Bayesian Optimization for a High- and Uniform-Crystal Growth Rate in the Top-Seeded Solution Growth Method Using Different Objective Functions

使用不同目标函数的顶晶溶液生长方法中高且均匀晶体生长速率的贝叶斯优化

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Yuto Takehara;Yasunori Okano
通讯作者：
Yasunori Okano

PINNs (Physics Informed Neural Networks)によるシリコン単結晶成長時の融液内移動現象解析の高速化

使用 PINN（物理信息神经网络）加速分析硅单晶生长过程中熔体的运动现象

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
中村太輔;岡沢幸河;渡邊千尋;古賀紀光;三浦博己;宮本剛志ら
通讯作者：
宮本剛志ら

Growth interface shape control of InGaSb crystals in the Vertical Gradient Freeze method under microgravity conditions and optimization using machine learning methods

微重力条件下垂直梯度冻结法中 InGaSb 晶体生长界面形状控制及机器学习方法优化

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Masataka Imura;Yasuo Koide;Rachid Ghritli et al.
通讯作者：
Rachid Ghritli et al.

Control of growth interface shape in growth of InGaSb by Vertical Gradient Freezing under microgravity and optimization using machine learning

微重力下垂直梯度冷冻控制 InGaSb 生长中的生长界面形状并使用机器学习进行优化

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Zhao Yaqi;Isozaki Akihiro;Herbig Maik;Hayashi Mika;Hiramatsu Kotaro;Yamazaki Sota;Kondo Naoko;Ohnuki Shinsuke;Ohya Yoshikazu;Nitta Nao;Goda Keisuke;Rachid Ghritli et al.
通讯作者：
Rachid Ghritli et al.

Estimation of the diffusion coefficient of GaSb in InSb melt using Bayesian optimization and the ISS experimental results

使用贝叶斯优化和 ISS 实验结果估计 GaSb 在 InSb 熔体中的扩散系数