权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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。

Crystal growth プロセス · インフォマティクスの concept be を, AlN (smothering アルミニウム) solid growth プロセスを like と seaborne して in めた. ここでは concise に, プロセス set conditions と growth した crystallization の quality を masato directly even pay けることが may であるか beg し検た. Accumulation されたデータの parsing, visual から, use した material の manufacturing メーカー · ロット · using degrees といったプロセスの external factor が big きく influence することを Ming らかにした. そこで, external factor までと into force してし, rote learning アルゴリズム (hook with ブースティング decided to wood) を applicable したところ, crystallization quality (X-ray binary numerical picture of the back) very high precision にを be することに successful した. <s:1> set the conditions for the presensor る and プロセス, <s:1> ロカカなな optimizations に, てる, てるとがで, る, る, and る. Party で, より explore なプロセス design, さらには device dependent を row した phase masato の interpret には, デジタルツインやリアルタイム measuring から obtain されるの various state を, crystal growth furnace, quality と masato even pay けることが necessary である. Growth furnace のダイナミクスから, 徴 spare する gimmick として, Koopman mode decomposition (KMD)/dynamic mode decomposition (DMD) の applicable を beg し検てきた. This year は, nonlinear の high spatial デいータから Koopman, inherent numerical モードを high-precision に presumption するアルゴリズムを proposal し, プラズマ turbulence データに applicable した. This gimmick は, ステップダイナミクスのの crystal growth furnace, such as dynamic phenomenon にも have sharper であると exam えており and furnace state から crystallization quality をに right be するためにな elements necessary technical である.