文献

J-GLOBAL ID：202202258655458081   整理番号：22A0898204

機械学習を用いたシリコンのCzochralski成長の仮想実験:格子間酸素濃度に及ぼすプロセスパラメータの影響【JST・京大機械翻訳】

Virtual experiments of Czochralski growth of silicon using machine learning: Influence of processing parameters on interstitial oxygen concentration

著者 (3件)： Kutsukake Kentaro (Center for Advanced Intelligence Project, RIKEN, Nihonbashi, Chuo-ku, Tokyo 103-0027, Japan) ,  Nagai Yuta (GlobalWafers Japan Co., Ltd., Seiro, Niigata 957-0197, Japan) ,  Banba Hironori (GlobalWafers Japan Co., Ltd., Seiro, Niigata 957-0197, Japan)
資料名： Journal of Crystal Growth  (Journal of Crystal Growth)
巻： 584  ページ： Null  発行年： 2022年 
JST資料番号： B0942A  ISSN： 0022-0248  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： プロセス開発のために,プロセス結果に及ぼす各プロセスパラメータの影響を知ることが重要である。しかし,パラメータ値と実験コストの組み合わせの制約により,1つのパラメータ値だけを実験的に変えることにより,その影響を測定することは困難であった。機械学習モデルは,実験で考慮されていない条件下で得られる結果を予測できる。機械学習モデルに基づく仮想実験を利用して,Czochralski成長Si結晶中の格子間酸素(Oi)濃度に及ぼすプロセスパラメータの影響を評価した。パラメータ解析のデータセットを構築し,そこでは,るつぼ回転速度および/またはAr流量を系統的に変化させ,一方,実験データの基準値で他のパラメータを維持した。その後,データセットを450インゴットデータで訓練されたニューラルネットワークモデルに入力した。その結果,対応するOi濃度を得た。評価した結果は,以前に研究された科学的知識と一致した:Oi濃度は,るつぼ回転速度の増加およびAr流量の減少に伴って増加した。さらに,2パラメータ解析は,パラメータ間の非線形関係を定量的に示した。本研究におけるSiのCzochralski成長を実証するこれらのアプローチは,他の結晶成長プロセスにも有用である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *濃度 ,  流量 ,  アルゴン ,  *ケイ素 ,  モデル ,  坩堝 ,  回転数 ,  *パラメータ ,  *プロセスパラメータ ,  プロセス開発 ,  規格値 ,  *機械学習
準シソーラス用語： *酸素濃度 ,  パラメトリック解析 ,  パラメータ値 , 【Automatic Indexing@JST】

著者キーワード (6件)： A1.機械学習 ,  A1.不純物 ,  A_2 単結晶成長 ,  A_2 磁場支援Czochralski法 ,  A_2 工業的結晶化 ,  B_2 半導体シリコン

分類 (1件)： 半導体の結晶成長  (BK13040X)

タイトルに関連する用語 (7件)： 機械学習 ,  シリコン ,  成長 ,  仮想実験 ,  格子 ,  酸素濃度 ,  プロセスパラメータ