情報学を活用した移動現象制御手法の開発とパワー半導体作製プロセスへの適用

点击翻译按钮获取中文摘要

現在半導体として幅広く利用されるシリコン結晶はチョクラルスキー法と呼ばる手法により作製される。チョクラルスキー法では、シリコンを一度完全に溶かして融液にしてから、種結晶を融液表面上に浸すことで結晶を成長させる。その際、融液内の流れ、温度場、そして濃度場が結晶品質に影響を与える。そのため、実験中の融液内の状態を観察することは高品質な結晶を作製するために必要不可欠である。しかし、実験中は融液温度が約1700Kとなるため、直接観察することは困難である。これまでは融液内の観察のために、数値計算や機械学習による予測が行われてきたが、数値計算には長大な計算時間という弱みがあり、機械学習には大量の訓練用データの準備や予測された値が物理法則を満たす保証がないという欠点があった。そこで本研究では、物理法則を学習対象とする機械学習であるPhysics Informed Neural Networks (PINNs)を利用することで、融液内の状態を瞬時に予測する新たな手法を開発に取り組んだ。その結果、PINNsにより様々な条件における流れ、温度場を0.1秒未満で精度良く予測することに成功した。数値計算では形状、条件を変更するたびに計算格子の再生成、そして約30分の計算が必要であったが、PINNsではいかなる形状、条件でも、同じくわずか0.1秒未満で予測が可能であった。そのうえ本研究では、数値計算により生成された訓練データを一切使用せずにPINNsの構築に成功した。そのため、これまでの機械学習の欠点であった大量の訓練データの準備という問題も克服されている。さらに、PINNsは物理法則を学習するため、物理的整合性も担保される。