文献

J-GLOBAL ID：202002214697787778   整理番号：20A1230953

機械学習を活用したSiC高品質結晶成長条件のデザイン

Design of High-quality SiC Solution Growth Condition Assisted by Machine Learning

著者 (10件)： 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) ,  Lin Hung-Yi (名古屋大学大学院工学研究科 (現在ローム株式会社)) ,  角岡洋介 (名古屋大学大学院工学研究科 (現在ローム株式会社)) ,  Zhu Can (名古屋大学未来材料・システム研究所) ,  鳴海大翔 (名古屋大学ベンチャービジネスラボラトリ (現在京都大学大学院工学研究科)) ,  沓掛健太朗 (理化学研究所革新知能統合研究センター) ,  宇治原徹 (名古屋大学未来材料・システム研究所) ,  宇治原徹 (名古屋大学大学院工学研究科) ,  宇治原徹 (産業総合研究所 窒化物先進デバイスオープンイノベーションラボラトリ)
資料名： まてりあ  (Materia Japan)
巻： 59  号： 3  ページ： 145-152(J-STAGE)  発行年： 2020年 
JST資料番号： F0163A  ISSN： 1340-2625  CODEN： MTERE2  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・パワーデバイス用基板としてSiCは適切な材料であるが,その高品質な大型基板を製造することは極めて困難な作業。
・これを克服するために溶液法の開発が進められているが,本稿ではその品質を高めるための機械学習を活用する成長条件のデザインについて説明。
・結晶成長条件の最適化のための計算機シミュレーション,高品質SiC溶液成長,機械学習を用いたシミュレーション結果の高速予測,ならびに結晶成長条件の最適化とその実際を紹介。

シソーラス用語： *炭化ケイ素 ,  *溶液成長 ,  条件 ,  プロセスパラメータ ,  設計 ,  計算機シミュレーション ,  機械学習 ,  最適化 ,  *結晶成長
準シソーラス用語： 成長条件

著者キーワード (6件)： silicon carbide ,  solution growth ,  machine learning neural network ,  mathematical optimization ,  dislocation ,  power device

分類 (1件)： 半導体の結晶成長  (BK13040X)

引用文献 (39件)：

• (1) T. Kimoto: Jpn. J. Appl. Phys., 54(2015), 040103.
• (2) H. Jagodzinski: Acta Crystallogr., 7(1954), 300.
• (3) T. Kimoto: Prog. Cryst. Growth Charact. Mater., 62(2016), 329-351.
• (4) S. G. Müller, E. K. Sanchez, D. M. Hansen, R. D. Drachev, G. Chung, B. Thomas, J. Zhang, M. J. Loboda, M. Dudley, H. Wang, F. Wu, S. Byrappa, B. Raghothamachar and G. Choi: J. Cryst. Growth, 352(2012), 39-42.
• (5) T. Kimoto, A. Iijima, H. Tsuchida, T. Miyazawa, T. Tawara, A. Otsuki, T. Kato and Y. Yonezawa: in 2017 IEEE Int. Reliab. Phys. Symp. (IEEE, 2017), 2A-1.1-2A-1.7.

タイトルに関連する用語 (7件)： 機械学習 ,  活用 ,  SiC ,  高品質 ,  結晶 ,  成長条件 ,  デザイン