文献

J-GLOBAL ID：201802260814494548   整理番号：18A1941554

結晶成長における計算流体力学シミュレーションの高速予測【JST・京大機械翻訳】

High-speed prediction of computational fluid dynamics simulation in crystal growth

著者 (6件)： Tsunooka Yosuke (Department of Materials Process Engineering, Nagoya University, Furo-cho, Chikusa-ku, Nagoya 464-8603, Japan. [e-mail] [e-mail]) ,  Kokubo Nobuhiko ,  Hatasa Goki ,  Harada Shunta ,  Tagawa Miho ,  Ujihara Toru
資料名： CrystEngComm  (CrystEngComm)
巻： 20  号： 41  ページ： 6546-6550  発行年： 2018年 
JST資料番号： W2462A  ISSN： 1466-8033  CODEN： CRECF4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 材料加工の最適化を加速することは,実用化を達成するための先端材料の急速なプロトタイピングにとって不可欠である。半導体デバイスの性能,信頼性,およびコスト効率を向上させるために,高品質で大径の半導体結晶がある。しかし,成長条件を最適化し,優れた半導体結晶を得るためには多くの時間が必要である。ここでは,成長条件の最適化のためのニューラルネットワークを用いたSiC溶液成長に対する計算流体力学(CFD)シミュレーションの結果の迅速な予測を示した。予測速度は単一CFDシミュレーションのそれより10~7倍速かった。CFDシミュレーションと機械学習の組合せにより,高品質で大直径の結晶の最適化パラメータを決定することができる。したがって,このようなシミュレーションは,結晶成長過程の設計と制御に用いられる技術になると期待される。本研究で提案した方法は他のプロセスのシミュレーションにも有用である。Copyright 2018 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： プロトタイピング ,  *結晶成長 ,  *高速度 ,  *予測 ,  大口径 ,  信頼性 ,  溶液成長 ,  機械学習 ,  最適化 ,  ニューラルネットワーク ,  *計算流体力学 ,  *計算機シミュレーション ,  炭化ケイ素 ,  *シミュレーション ,  半導体素子
準シソーラス用語： 高品質 , 【Automatic Indexing@JST】

分類 (1件)： 半導体の結晶成長  (BK13040X)

タイトルに関連する用語 (3件)： 結晶成長 ,  計算流体力学シミュレーション ,  予測