Revolution of semiconductor bulk crystal growth technique by transport phenomena combined with information technology

• Project/Area Number: 20H00320
• Research Category: Grant-in-Aid for Scientific Research (A)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Medium-sized Section 27:Chemical engineering and related fields
• Research Institution: Osaka University
• Principal Investigator: 岡野 泰則 大阪大学, 大学院基礎工学研究科, 教授 (90204007)
• Co-Investigator(Kenkyū-buntansha): 稲富 裕光 国立研究開発法人宇宙航空研究開発機構, 宇宙科学研究所, 教授 (50249934) ; 宇治原 徹 名古屋大学, 未来材料・システム研究所, 教授 (60312641)
• Project Period (FY): 2020-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥45,370,000 (Direct Cost: ¥34,900,000、Indirect Cost: ¥10,470,000); Fiscal Year 2024: ¥7,150,000 (Direct Cost: ¥5,500,000、Indirect Cost: ¥1,650,000); Fiscal Year 2023: ¥7,280,000 (Direct Cost: ¥5,600,000、Indirect Cost: ¥1,680,000); Fiscal Year 2022: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000); Fiscal Year 2021: ¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000); Fiscal Year 2020: ¥17,810,000 (Direct Cost: ¥13,700,000、Indirect Cost: ¥4,110,000)
• Keywords: 移動速度論 / 情報学 / 半導体 / 結晶成長 / 数値解析 / 数値流体解析 / 人工知能 / PINNs / ベイズ最適化 / 炭化ケイ素 / 混晶半導体

Outline of Research at the Start

これまで研究代表者が長年取り組んできた移動現象論と近年進歩の著しい情報学とを融合することにより、これまでの「ノウハウは人から人へ」といったモノづくりの概念を根底から覆し、「ノウハウはコンピューターから人へ」とパラダイムシフトする。具体的に本研究では、ノウハウの塊であるバルク単結晶作製技術に着目し、製造現場において「長年培ってきた経験」に基づく「勘」による操作（暗黙知）を数値化、定式化（形式知化）することにより、経験の浅い技術者でも最小限の試行錯誤で再現性良く高品質な結晶育成を可能とする手法の構築に取り組む。さらに「なぜその条件が最適なのか？」を解明することにより、技術の普遍化を図る。

Outline of Annual Research Achievements

昨年度ベイズ最適化法を宇宙実験で作製した実際の試料内の成長速度、濃度分布に適用し算出した拡散係数を用い、微小重力環境下で平坦な固液界面形状を維持したまま結晶成長を行う条件を見出した。基礎式として融液内の拡散方程式、運動方程式、エネルギー方程式、結晶内のエネルギー方程式を用い、固液界面においては熱と溶質のバランス式を考慮した。成長開始時の初期温度勾配はベイズ最適化法で求め、るつぼ回転を経時的に変化させるシーケンスを強化学習により求めた。通常結晶成長時のるつぼは静止あるいは一定の回転数であるが、細かく経時的に回転数を制御することにより固液界面形状を平坦に維持した高品質結晶作製が可能となることを示した。
一方、昨年度極めて単純な形状について適用したPhysical Informed Neural Networks （PINNs）を実際の結晶成長であるチョクラルスキー法によるシリコンバルク単結晶成長プロセスに適用した。基礎式である、連続式、運動量保存式、熱伝導方程式に加え、境界条件を学習させた。学習時間に約1日を要するが、いったん学習してしまえば通常の数値解析では1計算当たり数十分から1時間程度要する計算が、わずか0.1秒程度で、しかも高精度で算出可能であることを示した。本法を用いれば結晶成長に伴う融液高さの経時的減少に付随する計算格子の再構築が不要なため、本法は実際の結晶成長の現場において、実時間解析として活用可能な技術である。加えて本法は基礎式を用いる解析全てにおいて適用可能な技術でもある。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

宇宙環境における最適条件について提案でき、これを元に実際の地上実験における最適化への拡張を行う準備が整った。またPINNsはこれまでにないCFD革命ともいえる画期的な技術であり、本手法を使えることになったことは今後の研究進展に極めて大きな意義がある。

Strategy for Future Research Activity

地上における高品質InGaSb結晶成長条件をベイズ最適化法を用い探索する。その際新たなパラメーターとして縦磁場を考慮する。
PINNsに関しては結晶回転や乱流などの影響も考慮しより実際の結晶成長に近い条件に拡張する。またより複雑であるTSSG法によるSiC結晶成長に拡張する。

Research Products

• [Journal Article] Control of growth interface shape during InGaSb growth by vertical gradient freezing under microgravity, and optimization using machine learning (2022)
  • Author(s): Ghritli Rachid、Okano Yasunori、Inatomi Yuko、Dost Sadik
  • Journal Title: Japanese Journal of Applied Physics Volume: 61 Issue: 11 Pages: 115502-115502
  • DOI: 10.35848/1347-4065/ac99c2
  • Peer Reviewed / Int'l Joint Research
• [Journal Article] Estimation of the diffusion coefficient of GaSb in InSb melt using Bayesian optimization and the ISS experimental results (2021)
  • Author(s): Rachid Ghritli, Yasunori Okano, Yuko Inatomi, Atsushi Sekimoto, Sadik Dost
  • Journal Title: J. Crystal Growth Volume: 573 Pages: 126280-126280
  • Peer Reviewed / Int'l Joint Research
• [Journal Article] Estimation of the diffusion coefficient of GaSb in InSb melt using Bayesian optimization and the ISS experimental results (2021)
  • Author(s): Rachid Ghritli, Yasunori Okano, Yuko Inatomi, Atsushi Sekimoto, Sadik Dost,
  • Journal Title: J. Crystal Growth Volume: -
  • Peer Reviewed / Int'l Joint Research
• [Presentation] PINNs (Physics Informed Neural Networks)によるシリコン単結晶成長時の融液内移動現象解析の高速化 (2023)
  • Author(s): 宮本 剛志ら
  • Organizer: 第25回化学工学会学生発表会
• [Presentation] Physics Informed Neural Networksを用いたSi結晶成長における熱流体の高速解析 (2022)
  • Author(s): 竹原 悠人、岡野 泰則
  • Organizer: 第35回計算力学講演会 (CMD2022)
• [Presentation] Control of growth interface shape in growth of InGaSb by Vertical Gradient Freezing under microgravity and optimization using machine learning (2022)
  • Author(s): Rachid Ghritli et al.
  • Organizer: American Society for Gravitational and Space Research Annual Meeting 2022 (ASGSR 2022)
  • Int'l Joint Research
• [Presentation] PINNs (Physics Informed Neural Networks) を用いたCz-Siのデジタルツインの作製 (2022)
  • Author(s): 竹原 悠人、岡野 泰則
  • Organizer: 第51回結晶成長国内会議 (JCCG-51)
• [Presentation] Development of the production process for high quality power semiconductor SiC crystals for an efficient energy system using data science (2022)
  • Author(s): Yuto Takehara, Yasunori Okano
  • Organizer: The Sixth International Symposium on Innovative Materials and Processes in Energy Systems (IMPRESS 2022)
  • Int'l Joint Research
• [Presentation] TSSG法による炭化ケイ素結晶成長プロセスにおけるPhysics Informed Neural Networkを用いた物性値の逆推定 (2022)
  • Author(s): 竹原 悠人ら
  • Organizer: 化学工学会第87年会
• [Presentation] CDFおよびAIを用いたTSSG法によるSiC結晶作製時の移動現象の解明と最適条件探索 (2021)
  • Author(s): 岡野泰則、竹原悠人
  • Organizer: 日本金属学会秋期(第169回)講演会
  • Invited
• [Presentation] 混晶半導体結晶育成宇宙実験に関する数値解析 (2021)
  • Author(s): 岡野泰則
  • Organizer: 第82回応用物理学会秋季学術講演会
  • Invited
• [Presentation] TSSG法を用いたSiC結晶成長における移動現象のデータ駆動型解析 (2021)
  • Author(s): 竹原悠人、岡野 泰則
  • Organizer: 応用物理学会関西支部2021年度第1回講演会
• [Presentation] The Bayesian Optimization for a High- and Uniform-Crystal Growth Rate in the Top-Seeded Solution Growth Method Using Different Objective Functions (2021)
  • Author(s): 竹原 悠人ら
  • Organizer: International Conference on Materials and Systems for Sustainability 2021 (ICMaSS2021)
• [Presentation] Growth interface shape control of InGaSb crystals in the Vertical Gradient Freeze method under microgravity conditions and optimization using machine learning methods (2021)
  • Author(s): Rachid Ghritli et al.
  • Organizer: 日本マイクログラビティ応用学会 第33回学術講演会 (JASMAC-33)
• [Presentation] 異なる熱伝導率を有する断熱材を用いた TSSG法によ る SiC 結晶作製時の熱輸送の最適化 (2021)
  • Author(s): 竹原 悠人, 岡野 泰則
  • Organizer: 第58回日本伝熱シンポジウム