| 研究課題/領域番号 |
19J00871
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 審査区分 |
小区分24010:航空宇宙工学関連
|
|---|
| 研究機関 | 九州大学 (2020)
学習院大学 (2019) |
|---|
研究代表者 |
草場 彰 九州大学, 応用力学研究所, 助教
|
|---|
| 研究期間 (年度) |
2019-04-25 – 2022-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 窒化物半導体 / 結晶成長 / 機械学習 / 勾配ブースティング決定木 / Koopmanモード分解 / 特徴抽出 |
|---|
| 研究開始時の研究の概要 |
GaNパワーデバイスは、従来材料のパワーデバイスよりも放射線耐性に優れ、低損失な電力変換を行うことができる。しかし、GaNエピタキシャル結晶をMOVPE法で作製するとき、混入する炭素不純物の濃度制御が課題となる。本研究では結晶成長プロセスを特徴付ける様々なパラメータ間の相関およびプロセスパラメータと炭素不純物濃度の相関を機械学習の手法により解析する。効率的な実験計画を提言し、データ駆動による結晶成長条件探索の方法論を構築する。
|
| 研究実績の概要 |
結晶成長プロセス・インフォマティクスの概念実証を、AlN（窒化アルミニウム）固相成長プロセスを対象として進めた。ここでは簡潔に、プロセス設定条件と成長した結晶の品質を直接関連付けることが可能であるか検討した。蓄積されたデータの解析・可視化から、使用した材料の製造メーカー・ロット・使用度といったプロセスの外部因子が大きく影響することを明らかにした。そこで、外部因子まで入力として考慮し、機械学習アルゴリズム（勾配ブースティング決定木）を適用したところ、結晶品質（X線回折半値幅）を十分高精度に予測することに成功した。この予測器は、プロセス設定条件のローカルな最適化に役立てることができる。
一方で、より探索的なプロセス設計、さらには装置依存を排した相関の解明には、デジタルツインやリアルタイム計測から取得される成長炉内の各種状態を、結晶品質と関連付けることが必要である。成長炉内のダイナミクスから特徴抽出する手法として、Koopman mode decomposition（KMD）／dynamic mode decomposition（DMD）の適用を検討してきた。本年度は、非線形性の高い時空間データからKoopman固有値・モードを高精度に推定するアルゴリズムを提案し、プラズマ乱流データに適用した。本手法は、ステップダイナミクス等の結晶成長炉内の動的現象にも有効であると考えており、炉内状態から結晶品質を正確に予測するために必要な要素技術である。
|
| 現在までの達成度 (段落) |
翌年度、交付申請を辞退するため、記入しない。
|
| 今後の研究の推進方策 |
翌年度、交付申請を辞退するため、記入しない。
|
