研究課題/領域番号 |
18K19033
|
研究種目 |
挑戦的研究(萌芽)
|
配分区分 | 基金 |
審査区分 |
中区分30:応用物理工学およびその関連分野
|
研究機関 | 国立研究開発法人理化学研究所 |
研究代表者 |
沓掛 健太朗 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (00463795)
|
研究分担者 |
前田 健作 東北大学, 金属材料研究所, 助教 (40634564)
|
研究期間 (年度) |
2018-06-29 – 2020-03-31
|
研究課題ステータス |
完了 (2019年度)
|
配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2019年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2018年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
|
キーワード | 結晶成長 / 機械学習 / 実験再現性 / リアルタイム予測 / 結晶工学 / その場観察 / マルチセンシング / 実験再現 / 応用物理 / プロセス制御 / 再現性 / データ科学 |
研究成果の概要 |
結晶成長では、同一の条件(装置、試料、成長レシピなど)にもかかわらず、結果が異なることがある。本研究では機械学習を活用して、非再現性の要因を特定することを目指した。 結晶成長装置に多数のセンサを設置し、データを収集・一元管理するマルチセンシングシステムを設計・構築した。さらに得られた時系列データをリカレントニューラルネットワークを用いて機械学習することで、将来の温度変化をリアルタイムで予測し、また各パラメータの影響を定量評価することに成功した。これらの結果は、より高精度な結晶成長制御につながる成果である。
|
研究成果の学術的意義や社会的意義 |
本研究は、シミュレーションなどでは考慮することが難しい装置内部の状態の微妙な変化を、実実験でのマルチセンシングによって検出し、その影響を機械学習によって定量化することを目指したものである。実実験におけるデータ取得の指針や時系列データの機械学習の検討など、当初の目的である非再現性の要因追及を越えて、この分野の発展の基礎となる多くの成果が得られた。
|