結晶成長プロセス・インフォマティクスの創出による宇宙用パワー半導体の研究開発

通过创建晶体生长过程信息学来研究和开发空间功率半导体

基本信息

批准号：
19J00871
负责人：
草場彰
金额：
$ 2.58万
依托单位：
Kyushu University (2020)Gakushuin University (2019)
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-25 至 2022-03-31
项目状态：
已结题

项目摘要

結晶成長プロセス・インフォマティクスの概念実証を、AlN（窒化アルミニウム）固相成長プロセスを対象として進めた。ここでは簡潔に、プロセス設定条件と成長した結晶の品質を直接関連付けることが可能であるか検討した。蓄積されたデータの解析・可視化から、使用した材料の製造メーカー・ロット・使用度といったプロセスの外部因子が大きく影響することを明らかにした。そこで、外部因子まで入力として考慮し、機械学習アルゴリズム（勾配ブースティング決定木）を適用したところ、結晶品質（X線回折半値幅）を十分高精度に予測することに成功した。この予測器は、プロセス設定条件のローカルな最適化に役立てることができる。一方で、より探索的なプロセス設計、さらには装置依存を排した相関の解明には、デジタルツインやリアルタイム計測から取得される成長炉内の各種状態を、結晶品質と関連付けることが必要である。成長炉内のダイナミクスから特徴抽出する手法として、Koopman mode decomposition（KMD）／dynamic mode decomposition（DMD）の適用を検討してきた。本年度は、非線形性の高い時空間データからKoopman固有値・モードを高精度に推定するアルゴリズムを提案し、プラズマ乱流データに適用した。本手法は、ステップダイナミクス等の結晶成長炉内の動的現象にも有効であると考えており、炉内状態から結晶品質を正確に予測するために必要な要素技術である。

为ALN（氮化铝）固相生长过程进行了晶体生长过程和信息学概念证明。在这里，我们简要研究了是否可以将过程设置条件与成长晶体的质量联系起来。对累积数据的分析和可视化表明，该过程中的外部因素（例如制造商，批次和使用的材料使用情况）具有重大影响。因此，当我们考虑外部因素作为输入时，我们应用了机器学习算法（梯度提升决策树），我们成功地预测了晶体质量（X射线衍射值的一半），以足够的精度。该预测因子可用于局部优化过程设置条件。另一方面，为了更多地探索过程设计并阐明不取决于设备的相关性，有必要将生长炉中的各种状态关联，这些状态是从数字双胞胎和实时测量中获得的，并将其与晶体质量相关联。我们一直在考虑应用Koopman模式分解（KMD）/动态模式分解（DMD）作为一种从生长炉中的动力学提取特征的方法。今年，我们提出了一种算法，该算法可以准确估算高度非线性时空数据的Koopman特征值和模式，并将其应用于等离子体湍流数据。该方法被认为是晶体生长炉中的动态现象（例如阶梯动力学）的有效，并且是准确预测炉内状态晶体质量所必需的必要技术。