|
階層型ニューラルネットワーク（NN）による多元酸化物同士の界面分極の学習と予測に取り組んだ。Al、Mg、Sr、Tiの４種類の金属元素を混合した様々な組成のhigh-k酸化物とSiO2界面のダイポールモーメントを分子動力学計算で求め、これを学習用もしくは検証用データとして用いた。単元系、二元系、三元系high-k酸化物の界面ダイポールのデータを学習したNNで、未学習の四元系酸化物の界面ダイポールを予測したところ、学習データに対する相関係数0.86に対し、未学習データに対しても0.72と高い相関係数が得られ、未学習のデータを外挿的に予測する能力を示唆する結果が得られた。組成比のみで良好な学習能力が示されたことから、多元high-k酸化物のダイポールモーメントも単純な法則で予測可能であると考えられる。調査の結果、多元high-k酸化物に含まれる金属カチオンの平均価数とダイポールモーメントとの間に強い相関が見いだされ、従来提案されている酸素原子密度差よりもさらに優れた記述子となることが判明した。
また、酸窒化物にも対象範囲を拡げて分子動力学シミュレーションを実施したところ、AlON/SiO2界面ではAlONのN濃度が増加するにつれて界面ダイポールの向きが逆転することが判明した。AlONのN濃度が少ない場合はアルミナ側のOイオンがSiO2側に移動することで界面ダイポールが形成されるが、N濃度が増えるにつれてAlイオンがSiO2側に優先的に移動するようになり、界面ダイポールの向きが逆転することが判明した。AlONのN濃度を増やすとAlSiON相のエネルギーが低下することも判明し、アルミナ相とシリカ相の混合促進が逆向きのダイポール形成につながっていることが判明した。酸窒化物においても、Oイオン同士の近接反発力と化合物生成エネルギーのバランスで分極の向きと大きさを説明できることが判明した。
|
