文献

J-GLOBAL ID：201902222530941408   整理番号：19A0954004

機械学習を用いた結晶成長予測モデルの構築とその応用

The Prediction Model of Crystal Growth Simulation Built by Machine Learning and Its Applications

著者 (16件)： 宇治原徹 (名古屋大学未来材料・システム研究所) ,  宇治原徹 (産業技術総合研究所 窒化物半導体先進デバイスオープンイノベーションラボラトリ) ,  宇治原徹 (名古屋大学大学院 工学研究科物質プロセス工学専攻) ,  宇治原徹 (理化学研究所 革新知能統合研究センター) ,  角岡洋介 (産業技術総合研究所 窒化物半導体先進デバイスオープンイノベーションラボラトリ) ,  角岡洋介 (名古屋大学大学院 工学研究科物質プロセス工学専攻) ,  畑佐豪記 (名古屋大学大学院 工学研究科物質プロセス工学専攻) ,  沓掛健太朗 (名古屋大学未来材料・システム研究所) ,  沓掛健太朗 (理化学研究所 革新知能統合研究センター) ,  石黒祥生 (名古屋大学未来社会創造機構) ,  村山健太 (名古屋大学未来材料・システム研究所) ,  鳴海大翔 (名古屋大学未来材料・システム研究所) ,  原田俊太 (名古屋大学未来材料・システム研究所) ,  原田俊太 (名古屋大学大学院 工学研究科物質プロセス工学専攻) ,  田川美穂 (名古屋大学未来材料・システム研究所) ,  田川美穂 (名古屋大学大学院 工学研究科物質プロセス工学専攻)
資料名： 表面と真空  (Vacuum and Surface Science)
巻： 62  号： 3  ページ： 136-140(J-STAGE)  発行年： 2019年 
JST資料番号： G0194B  ISSN： 2433-5835  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： SiC溶液成長における計算流体力学シミュレーションの結果の予測モデルを,機械学習を用いてニューラルネットワーク上で構築した。予測モデルを用いて,結晶成長条件を迅速に最適化できる。さらに,予測モデルを用いてリアルタイム可視化システムも作成した。(翻訳著者抄録)

シソーラス用語： *炭化ケイ素 ,  化合物半導体 ,  *溶液成長 ,  計算機シミュレーション ,  *予測モデル ,  *機械学習 ,  *最適化 ,  *可視化 ,  ニューラルネットワーク ,  CFD【流体力学】 ,  計算機利用 ,  利用 ,  *モデル ,  *改変 ,  流体力学 ,  物理学 ,  科学 ,  力学 ,  連続体力学 ,  自然科学
準シソーラス用語： 計算流体力学

著者キーワード (10件)： 結晶成長 ,  機械学習 ,  最適化 ,  可視化 ,  炭化ケイ素 ,  結晶成長 ,  機械学習 ,  最適化 ,  可視化 ,  炭化ケイ素

分類 (1件)： 半導体の結晶成長  (BK13040X)

引用文献 (11件)：

• 1) G. Fisher, M.R. Seacrist and R.W. Standley : Proc. IEEE 100, 1454 (2012).
• 2) W.C. Dash : J. Appl. Phys. 30, 459 (1959).
• 3) Y. Yamamoto, S. Harada, K. Seki, A. Horio, T. Mitsuhashi and T. Ujihara : Appl. Phys. Express 5, 115501 (2012).
• 4) S. Harada, Y. Yamamoto, K. Seki, A. Horio, T. Mitsuhashi, M. Tagawa and T. Ujihara : APL Mater. 1, 022109 (2013).
• 5) S. Harada, Y. Yamamoto, K. Seki, A. Horio, M. Tagawa and T. Ujihara : Acta Mater. 81, 284 (2014).

タイトルに関連する用語 (5件)： 機械学習 ,  結晶成長 ,  予測モデル ,  構築 ,  応用