論文の概要: Surrogate models to optimize plasma assisted atomic layer deposition in high aspect ratio features

• arxiv url: http://arxiv.org/abs/2506.09313v1
• Date: Wed, 11 Jun 2025 01:07:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.16159
• Title: Surrogate models to optimize plasma assisted atomic layer deposition in high aspect ratio features
• Title（参考訳）: 高アスペクト比特性におけるプラズマ支援原子層堆積の最適化のためのサロゲートモデル
• Authors: Angel Yanguas-Gil, Jeffrey W. Elam,
• Abstract要約: 我々は、断面厚みデータに基づいて飽和時間を予測するために、人工ニューラルネットワークを訓練する。 表面再結合がPEALDプロセスのプラズマ-表面相互作用を99%の精度で支配するかどうかを決定するために訓練された代理モデルである。
• 参考スコア（独自算出の注目度）: 0.11510009152620666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work we explore surrogate models to optimize plasma enhanced atomic layer deposition (PEALD) in high aspect ratio features. In plasma-based processes such as PEALD and atomic layer etching, surface recombination can dominate the reactivity of plasma species with the surface, which can lead to unfeasibly long exposure times to achieve full conformality inside nanostructures like high aspect ratio vias. Using a synthetic dataset based on simulations of PEALD, we train artificial neural networks to predict saturation times based on cross section thickness data obtained for partially coated conditions. The results obtained show that just two experiments in undersaturated conditions contain enough information to predict saturation times within 10% of the ground truth. A surrogate model trained to determine whether surface recombination dominates the plasma-surface interactions in a PEALD process achieves 99% accuracy. This demonstrates that machine learning can provide a new pathway to accelerate the optimization of PEALD processes in areas such as microelectronics. Our approach can be easily extended to atomic layer etching and more complex structures.
• Abstract（参考訳）: 本研究では,プラズマ強化原子層堆積(PEALD)を高アスペクト比で最適化するための代理モデルについて検討する。 PEALDや原子層エッチングのようなプラズマベースのプロセスでは、表面のリコンビネーションがプラズマ種と表面との反応性を左右する可能性があるため、高アスペクト比のようなナノ構造内の完全な整合性を達成するために、表面の露出時間が信じられないほど長い。 PEALDのシミュレーションに基づく合成データセットを用いて,部分被覆条件下で得られた断面厚さデータに基づいて,人工ニューラルネットワークを用いて飽和時間を予測する。 その結果、不飽和条件下での2つの実験で、地上の真理の10%以内の飽和時間を予測するのに十分な情報が含まれていることがわかった。 PEALDプロセスにおいて、表面再結合がプラズマと表面の相互作用を支配するかどうかを決定するために訓練された代理モデルにより、99%の精度が達成される。 このことは、機械学習がマイクロエレクトロニクスなどの分野におけるPEALDプロセスの最適化を加速する新しい経路を提供することを示す。 我々のアプローチは原子層エッチングやより複雑な構造に容易に拡張できる。

関連論文リスト

• Particle-based plasma simulation using a graph neural network [0.0]
  このモデルは2桁の精度で従来のシミュレーションよりも長い時間ステップで精度を向上する。 この研究は、複雑なプラズマ力学を学習できることを示し、高速な微分可能シミュレータの開発を約束することを示している。
  論文  参考訳（メタデータ） (2025-03-01T01:07:37Z)
• Deep Neural Network for Phonon-Assisted Optical Spectra in Semiconductors [0.0]
  Ab initioをベースとした有限温度での半導体のフォノン支援光学スペクトルの正確なシミュレーションは、依然として難しい課題である。 深層学習の密結合と潜在的なモデルを組み合わせた効率的なアプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-02T13:37:56Z)
• Application of Neural Ordinary Differential Equations for ITER Burning Plasma Dynamics [0.0]
  トカマクの燃焼プラズマのダイナミクスは、制御熱核融合の進行に不可欠である。 本研究では, ITER重水素トリチウム(D-T)プラズマの複雑なエネルギー伝達過程をシミュレートするためにNeuralPlasmaODEを適用した。
  論文  参考訳（メタデータ） (2024-08-26T16:47:20Z)
• Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
  本稿では,蛍光ナノセンサを点滅させたメソロジー(サーモメトリー,マグネティックメソメトリー,pH推定など)における空間分解能向上手法を提案する。 我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
  論文  参考訳（メタデータ） (2024-02-27T10:38:05Z)
• Enhancing predictive capabilities in fusion burning plasmas through surrogate-based optimization in core transport solvers [0.0]
  本研究では,コアプラズマプロファイルの予測と非線形ジャイロキネティックシミュレーションによる性能評価が可能な PortalS フレームワークを提案する。 PortALSの効率は標準手法とベンチマークされ、GPU加速非線形CGYROを用いたDIII-D ITER類似形状プラズマにおいて、その全電位は、一意に5チャネルの定常プロファイルを同時に予測する。 また, 燃焼プラズマにおける正確な性能予測と, 核融合実験における輸送モデルの影響について概説した。
  論文  参考訳（メタデータ） (2023-12-19T21:33:00Z)
• 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)
• 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)
• Deep Learning assisted microwave-plasma interaction based technique for plasma density estimation [1.4680035572775534]
  本稿では,マイクロ波-プラズマ相互作用に基づく非侵襲的診断を支援するDeep Learning (DL)を提案する。 プラズマからのマイクロ波散乱による電界パターンを利用して密度分布を推定する。 得られた結果から,線状プラズマ装置の密度の2次元半径分布を推定する上で有望な性能を示した。
  論文  参考訳（メタデータ） (2023-04-28T12:27:23Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Machine-Learning-Optimized Perovskite Nanoplatelet Synthesis [55.41644538483948]
  総合成量200のCsPbBr3ナノプレート(NPL)の品質向上のためのアルゴリズムを開発した。 このアルゴリズムは、前駆率に基づいて、NPL分散のPL放出最大値を予測することができる。
  論文  参考訳（メタデータ） (2022-10-18T11:54:11Z)
• Unsupervised Discovery of Inertial-Fusion Plasma Physics using Differentiable Kinetic Simulations and a Maximum Entropy Loss Function [77.34726150561087]
  プラズマ運動学3次元偏微分方程式の微分可能解法を作成し, 領域固有の目的関数を導入する。 我々はこの枠組みを慣性融合に関する構成に適用し、最適化プロセスが新しい物理効果を利用することを示す。
  論文  参考訳（メタデータ） (2022-06-03T15:27:33Z)
• 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)

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。