| 研究課題/領域番号 |
18H03839
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分26:材料工学およびその関連分野
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
宇治原 徹 名古屋大学, 未来材料・システム研究所, 教授 (60312641)
|
|---|
| 研究分担者 |
佐藤 正英 金沢大学, 総合メディア基盤センター, 教授 (20306533)
原田 俊太 名古屋大学, 未来材料・システム研究所, 准教授 (30612460)
岡野 泰則 大阪大学, 基礎工学研究科, 教授 (90204007)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
44,200千円 (直接経費: 34,000千円、間接経費: 10,200千円)
2020年度: 14,950千円 (直接経費: 11,500千円、間接経費: 3,450千円)
2019年度: 14,430千円 (直接経費: 11,100千円、間接経費: 3,330千円)
2018年度: 14,820千円 (直接経費: 11,400千円、間接経費: 3,420千円)
|
|---|
| キーワード | 結晶成長 / プロセスインフォマティクス / SiC / 機械学習 / 最適化 / シミュレーション |
|---|
| 研究成果の概要 |
素材開発は20年以上かかると言われる。その大半がプロセス開発である。本研究の究極的な目的は、機械学習などのインフォマティクス技術を用いてプロセス開発のスピードを圧倒的に向上させることである。我々は溶液成長法を用いて圧倒的に高品質なSiC結晶を実現してきた。次は大口径化である。高品質化においては結晶成長表面に形成されるマクロステップ構造が鍵となる。本研究では、最初にマクロな溶液内流動とマクロステップ構造の関係を反映したマルチフィジクスシミュレーションを構築した。次に、機械学習を組み合わせることで、表面構造を潜在空間で表現する手法を構築した。
|
| 研究成果の学術的意義や社会的意義 |
ここで構築する方法論は、シミュレーションさえできれば、気相成長から溶液成長、バルク成長から薄膜成長まで、応用可能である。また、結晶成長に限るものではない。これらのプロセスにおいて、開発のスピードを遅らせてきた「最適化」、この最も時間を要していたところを一瞬にして突破できるようになる。さらに本研究では、シミュレーションと機械学習の一つである深層学習で、最適解を高速検索するシステムを開発する。結晶成長プロセスへの適用に際して二つの課題があり、一つはデータ不足であり、もう一つは「形状」の特徴量化である。これらを解決している。
|
