Automated prediction system of Hamaker constants based on molecular theory and simulations associated with data science

半導体製造の液相プロセスでは、最終的な成膜品質を支配する重要な因子として、基盤上での前駆体溶液の濡れ性が問題となる。濡れ性は、溶媒のハマカー定数を指標として制御されるが、溶媒選択を行うためのハマカー定数のデータベースは構築されていない。そのため、濡れ性制御に関する液体プロセス設計は、実務担当者のこれまでの知見と経験に限られた範囲での溶媒選択にならざるを得ず、必ずしも最適な溶媒選択とはなっていない。本研究は、ハマカー定数のハイスループット算定を実現するための予測モデルを構築して、実験に依らない溶媒スクリーニング技術を開発することを目的とする。これまでの研究成果として、分子記述子とハマカー定数の直接的な回帰モデルの場合、物性予測プロセスのブラックボックス化に由来する解釈困難性に起因して、モデル改善が困難であることが明らかになった。本研究では、この困難性を克服するために、分子理論に基づき、ハマカー定数を構成する種々の光学パラメータの機械学習モデルに還元し、それらを統合することで、直接予測モデルの性能を改善できた。今年度は、決定木分類に基づき、予測性能の向上を妨げるパラメータの同定と、当該光学パラメータで予測精度の悪い結果を与える分子群を同定できたため、なぜ当該パラメータで予測性能を改善できないのか？を明らかにすることができた。現在、これらの知見をまとめ、原著論文の執筆準備を進めている。

半導体製造の液相プロセスでは、最終的な成膜品質を支配する重要な因子として、基盤上での前駆体溶液の濡れ性が問題となる。濡れ性は、溶媒のハマカー定数を指標として制御されるが、溶媒選択を行うためのハマカー定数のデータベースは構築されていない。そのため、濡れ性制御に関する液体プロセス設計は、実務担当者のこれまでの知見と経験に限られた範囲での溶媒選択にならざるを得ず、必ずしも最適な溶媒選択とはなっていない。本研究は、ハマカー定数のハイスループット算定を実現するための予測モデルを構築して、実験に依らない溶媒スクリーニング技術を開発することを目的とする。これまでの研究成果として、分子記述子とハマカー定数の直接的な回帰モデルの場合、物性予測プロセスのブラックボックス化に由来する解釈困難性に起因して、モデル改善が困難であることが明らかになった。本研究では、この困難性を克服するために、分子理論に基づき、ハマカー定数を構成する種々の光学パラメータの機械学習モデルに還元し、それらを統合することで、直接予測モデルの性能を改善できた。今年度は、決定木分類に基づき、予測性能の向上を妨げるパラメータの同定と、当該光学パラメータで予測精度の悪い結果を与える分子群を同定できたため、なぜ当該パラメータで予測性能を改善できないのか？を明らかにすることができた。現在、これらの知見をまとめ、原著論文の執筆準備を進めている。