2019 Fiscal Year Annual Research Report
Fabrication of Au Atomic Junctions Using Artificial Intelligence Implemented on FPGA
| Project/Area Number |
18H01471
|
|---|
| Research Institution | Tokyo University of Agriculture and Technology |
|---|
Principal Investigator |
白樫 淳一 東京農工大学, 工学(系)研究科(研究院), 教授 (00315657)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 人工知能 / 原子接合 / エレクトロマイグレーション / FPGA / ナノデバイス |
|---|
| Outline of Annual Research Achievements |
本研究では、人工知能（Artificial Intelligence: AI）を用いて金属細線でのエレクトロマイグレーション（EM）現象を制御し、金属原子を室温で一つずつ移動させることが可能な、AIに支援された原子の移動・操作技術の開発を行う。具体的には、フィードバック制御型エレクトロマイグレーション（FCE）法へのAIの適用を目指す。ここでは、AIがFCE法の実験パラメータを自律知能的に決定し、原子スケールの接点構造である「原子接合」や原子スケールのギャップ構造である「原子ギャップ」を作製する。これらの技術を応用し、原子1個～数個の島電極を有する単電子トランジスタである「“単原子”トランジスタ」の実現を目指す。これより、“エレクトロマイグレーション”という簡単な手法を用いてAIに支援された原子スケールデバイス技法の開拓を行い、人間の経験に頼らない、AIを利用した単一原子機能の発現・制御手法の確立を目指す。
次年度（令和元年度）では、引き続き、AIが過去の実験で構築されたデータベースを基に実験パラメータを決定することで、実験の進行に伴い自律的に実験パラメータを最適化し、Auの原子接合や原子ギャップを作製した。具体的には、組み合わせ最適化問題に対するイジング計算機を用いた機械学習手法をFCE実験パラメータ探索へ適用し、Au原子接合の作製に成功した。しかし、本手法ではデータベースの構築とAIの学習を行う必要があった。そこで、データベースを用いずにFCE実験進行中にリアルタイムで実験パラメータを探索する機械学習手法として、遺伝的アルゴリズム(GA)とベイズ最適化(BO)に着目した。これらより、様々な機械学習技術を用いることで、リアルタイムに実験パラメータが探索され、安定的な量子化コンダクタンスの制御と自律的なAu原子接合の作製が可能であることが示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
従来、FCE法による原子接合や原子ギャップの作製では、各種・多量な実験パラメータの調整を人間の経験や試行錯誤的な作業に頼っていた。まず初年度（平成30年度）は、イジング計算機を用いたAIによりFCE実験パラメータの自律知能的な設定を行い、人間が介在せず、過去の実験データに基づいて機械（AI）が自律的・知能的に研究や実験を遂行するシステム：AI支援型FCEカスタムハードウェアを開発した。さらに次年度（令和元年度）では、大規模なデータベースを必要としない機械学習手法（遺伝的アルゴリズム、ベイズ最適化）を新たに導入し、より効率的に室温でのAu細線のコンダクタンス量子化をその場で観測しながら原子を一つずつ移動させることで原子接合の形成が確認された。
|
| Strategy for Future Research Activity |
最終年度（令和2年度）では、AIの支援によるFCE法を用いた単原子トランジスタの作製を目指す。具体的には、原子接合や原子ギャップの形成を精緻に制御することで、数ナノメートルのギャップ空間内に原子1個～数個をアイランド電極として配置し、単原子トランジスタの作製を目指す。これは、究極的な単電子トランジスタと考えられ、固体素子においてアイランドとして存在する単原子の電子親和力やイオン化エネルギー（＝電子状態）を直接制御できる可能性がある。
|
