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。

The concept of crystal growth and AlN (AlN) solid phase growth are discussed. This is a direct correlation between simplicity, growth, and crystal quality. Analysis, visualization, and utilization of materials are the main factors influencing the production of materials. For example, external factors are taken into account, mechanical learning is applied, crystal quality is predicted with high accuracy, and mechanical learning is successful. The predictor is optimized for the conditions set by the predictor. On the other hand, it is necessary to explore the relationship between the design and the quality of the crystal in the growth furnace. The application of Koopman mode decomposition (KMD)/dynamic mode decomposition (DMD) in the growth furnace is discussed. This year, non-linear high-time spatial data is used to estimate high-precision spatial data. This method is a necessary element technology for accurate prediction of crystal quality due to dynamic phenomena in crystal growth furnace such as temperature and temperature.