論文の概要: Universal Deoxidation of Semiconductor Substrates Assisted by Machine-Learning and Real-Time-Feedback-Control

• arxiv url: http://arxiv.org/abs/2312.01662v1
• Date: Mon, 4 Dec 2023 06:24:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 16:14:10.573496
• Title: Universal Deoxidation of Semiconductor Substrates Assisted by Machine-Learning and Real-Time-Feedback-Control
• Title（参考訳）: 機械学習とリアルタイムフィードバック制御による半導体基板のユニバーサル脱酸化
• Authors: Chao Shen, Wenkang Zhan, Jian Tang, Zhaofeng Wu, Bo Xu, Chao Zhao, and Zhanguo Wang
• Abstract要約: 我々は,機械学習(ML)ハイブリッド・コンボリューション・アンド・ビジョン・トランスフォーマー(CNN-ViT)モデルを用いて,基板の脱酸化状態を出力として決定する。 我々は、単一のMBE機器のデータに基づいて訓練されたモデルが、他の機器への高精度な展開を実現する可能性を示す。 この研究で実証された概念と手法は、光エレクトロニクスやマイクロエレクトロニクス産業における半導体製造に革命をもたらすことが期待されている。
• 参考スコア（独自算出の注目度）: 28.807440416977034
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Thin film deposition is an essential step in the semiconductor process. During preparation or loading, the substrate is exposed to the air unavoidably, which has motivated studies of the process control to remove the surface oxide before thin film deposition. Optimizing the deoxidation process in molecular beam epitaxy (MBE) for a random substrate is a multidimensional challenge and sometimes controversial. Due to variations in semiconductor materials and growth processes, the determination of substrate deoxidation temperature is highly dependent on the grower's expertise; the same substrate may yield inconsistent results when evaluated by different growers. Here, we employ a machine learning (ML) hybrid convolution and vision transformer (CNN-ViT) model. This model utilizes reflection high-energy electron diffraction (RHEED) video as input to determine the deoxidation status of the substrate as output, enabling automated substrate deoxidation under a controlled architecture. This also extends to the successful application of deoxidation processes on other substrates. Furthermore, we showcase the potential of models trained on data from a single MBE equipment to achieve high-accuracy deployment on other equipment. In contrast to traditional methods, our approach holds exceptional practical value. It standardizes deoxidation temperatures across various equipment and substrate materials, advancing the standardization research process in semiconductor preparation, a significant milestone in thin film growth technology. The concepts and methods demonstrated in this work are anticipated to revolutionize semiconductor manufacturing in optoelectronics and microelectronics industries by applying them to diverse material growth processes.
• Abstract（参考訳）: 薄膜堆積は半導体プロセスにおいて必須のステップである。 調製または積み込みの間、基板は好ましくないほど空気に曝され、薄膜の堆積前に表面酸化物を除去するプロセス制御の研究の動機となった。 ランダム基板に対する分子線エピタキシー(MBE)の脱酸化過程の最適化は多次元的課題であり、時には議論の余地がある。 半導体材料や成長プロセスの変化により、基板脱酸化温度の決定は栽培者の専門性に大きく依存しており、同じ基板は異なる栽培者によって評価されると一貫性のない結果が得られる。 ここでは、機械学習(ML)ハイブリッド畳み込みとビジョントランスフォーマー(CNN-ViT)モデルを用いる。 このモデルは、反射高エネルギー電子回折(RHEED)映像を入力として、基板の脱酸化状態を出力として決定し、制御アーキテクチャ下での自動脱酸化を可能にする。 これはまた、他の基質への脱酸化プロセスの成功にまで拡張される。 さらに、1つのMBE機器のデータに基づいて訓練されたモデルが、他の機器への高精度な展開を実現する可能性を示す。 従来の手法とは対照的に、我々のアプローチは極めて実用的な価値を持っている。 様々な機器や基板材料にまたがる脱酸化温度を標準化し、半導体製造における標準化研究プロセスを進め、薄膜成長技術において重要なマイルストーンとなる。 本研究で示された概念と手法は、多種多様な材料成長プロセスに適用することにより、光エレクトロニクスおよびマイクロエレクトロニクス産業における半導体製造に革命をもたらすことが期待されている。

関連論文リスト

• Oxidation Kinetics of Superconducting Niobium and a-Tantalum in Atmosphere at Short and Intermediate Time Scales [0.0]
  超伝導薄膜の表面酸化物中の2レベル系(TLS)は、量子回路におけるデコヒーレンスの主要な原因である。 我々は,ニオブおよびタンタル表面の大気酸化特性を,製造に関連する時間スケールで解析した。
  論文  参考訳（メタデータ） (2024-11-15T18:28:54Z)
• Site-Controlled Purcell-Induced Bright Single Photon Emitters in Hexagonal Boron Nitride [62.170141783047974]
  六方晶窒化ホウ素(hBN)でホストされる単一光子エミッタは、室温で動作する量子フォトニクス技術にとって必須の構成要素である。 我々はPurcellにより誘導されるサイト制御SPEのためのプラズモンナノ共振器の大規模アレイを実験的に実証した。 我々の結果は、明るく、均一に統合された量子光源の配列を提供し、堅牢でスケーラブルな量子情報システムへの道を開いた。
  論文  参考訳（メタデータ） (2024-05-03T23:02:30Z)
• Plasma Surrogate Modelling using Fourier Neural Operators [57.52074029826172]
  トカマク炉内のプラズマの進化を予測することは、持続可能な核融合の目標を実現するために不可欠である。 深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いた進化プラズマの正確な予測を実証する。 我々は、FNOが磁気流体力学モデルからシミュレーションされたプラズマ力学を予測する際に、従来の解法よりも6桁の速度を持つことを示した。 FNOは、MASTトカマク内のカメラで観測された実世界の実験データに基づいて、プラズマの進化を予測することもできる。
  論文  参考訳（メタデータ） (2023-11-10T10:05:00Z)
• Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
  本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。 本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。 以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
  論文  参考訳（メタデータ） (2023-07-07T13:48:50Z)
• Machine-Learning-Assisted and Real-Time-Feedback-Controlled Growth of InAs/GaAs Quantum Dots [24.63252487293264]
  自己組織化したInAs/GaAs量子ドット(QD)は、光電子デバイスを開発する上で非常に価値のある性質を持つ。 これらの応用は、これらのドットの密度と品質に強く依存しており、高品質なエピウエハやデバイスを実現するための成長過程制御の研究を動機付けている。 本稿では,完全自動化・インテリジェントな任意の密度を持つQDの成長を実現するためのリアルタイムフィードバック制御手法について報告する。
  論文  参考訳（メタデータ） (2023-06-22T14:07:23Z)
• Autonomous sputter synthesis of thin film nitrides with composition controlled by Bayesian optimization of optical plasma emission [0.0]
  制御された組成を有する薄膜のスパッタ堆積のための自律的ワークフローの設計と実装について報告する。 我々は, 蛍光X線で測定したフィルム組成を, 共スパッタ中に観測された発光線の線形関数としてモデル化した。 OESに通知されたベイズ制御アルゴリズムは、スパッタリングパワーの空間をナビゲートし、ユーザ定義の組成で映画を製作する。
  論文  参考訳（メタデータ） (2023-05-18T17:09:21Z)
• TOF-SIMS Analysis of Decoherence Sources in Nb Superconducting Resonators [48.7576911714538]
  超伝導量子ビットは、潜在的に基盤となるプラットフォーム技術として出現している。 材料品質と界面構造は、デバイスの性能を抑え続けている。 薄膜および隣接領域の2レベル系欠陥はノイズを導入し、電磁エネルギーを散逸させる。
  論文  参考訳（メタデータ） (2021-08-30T22:22:47Z)
• An Experimentally Driven Automated Machine Learned lnter-Atomic Potential for a Refractory Oxide [2.4714064037334706]
  この研究では、X線と中性子の回折測定によりアーチティパルであるアクティブ・ラーナーによる自動閉ループを用いた実験とシミュレーションの併用を行った。 室温から液体状態2900oCまでの最小限のトレーニング構成を描画することにより、耐火性酸化物HfO2の正準例に対して多相電位を生成する。
  論文  参考訳（メタデータ） (2020-09-09T00:35:38Z)
• Microscopic Relaxation Channels in Materials for Superconducting Qubits [76.84500123816078]
  我々は,T_$と粒径の相関,粒界に沿った酸素拡散の促進,表面近傍の亜酸化物濃度について検討した。 物理機構は、これらの微視的特性を残留表面抵抗と、粒界および亜酸化物の欠陥から生じる損失を通じて$T_$と結合する。 量子ビットデコヒーレンスチャートを理解するためのこの包括的なアプローチは、超伝導量子ビット性能の材料駆動改善のための経路である。
  論文  参考訳（メタデータ） (2020-04-06T18:01:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。