[9p-W321-1~14] 23.1 Joint Session N "Informatics"

[9p-W321-7] Machine Learning of Crystal Growth Simulation for Silicon Carbide

〇Yukinori Koyama¹, Yosuke Tsunooka², Kentaro Kutsukake³, Toru Ujihara⁴ (1.NIMS, 2.Nagoya Univ., 3.RIKEN, 4.Nagoya Univ. IMaSS)

Keywords:machine learning, crystal growth, computational fluid dynamics

結晶成長シミュレーションは半導体の結晶成長条件の最適化に有用であるものの、一つのプロセス条件の計算に数時間を要することから、研究者のアイデアに対して即座に情報を提供することは困難である。そこで、炭化ケイ素の溶液法による結晶成長シミュレーションの結果に機械学習を適用し、プロセス条件から溶液の流れを予測する順問題予測モデルと、溶液の流れからプロセス条件を推定する逆問題予測モデルを構築した。これらの機械学習モデルを用いることで、ほぼリアルタイムで溶液状態やプロセス条件を推定することが可能となった。本発表では、その機械学習モデルと予測性能について紹介する。