NTT、半導体薄膜の材料分析にAIを活用し自動化に成功

光通信ネットワークの高速化・大容量化を支える光通信用デバイスの主要部品である半導体薄膜の品質は、デバイス性能を決定づける重要な要素だ。

しかし、この高性能な半導体薄膜の製造プロセスは、原料ガスの種類や量、温度といった最適な成膜条件の組み合わせが無数に存在し、それを見つけ出すためには、熟練技術者の長年の経験と勘（カン）に頼るケースが多かった。

結果として、一つの製品を開発・量産に至らせるまでには、膨大な回数の試行錯誤が必要となり、開発期間の長期化や多大なコスト、そして材料のロスが発生していた。

さらに、この属人的なノウハウは技術継承を困難にし、将来的なものづくり力の低下も懸念されていた。

こうした中、日本電信電話株式会社（以下、NTT）は、半導体薄膜の製造プロセスにおいて、AIを活用した材料分析の自動化に成功したと発表した。

NTTはこれまでも、ベイズ最適化（以下、BO）という機械学習手法を用い、高品質な酸化物薄膜（SrRuO₃）の作製に成功するなど、MI分野で実績を重ねてきた。

今回、その知見を光通信や光電融合デバイスに用いられる化合物半導体薄膜の製造へと展開し、より複雑な条件下での最適化を実現した形だ。

具体的には、半導体物性の知識を組み込んだ独自の機械学習手法「Physics-informed Bayesian optimization（以下、PI-BO）」により、目標とする組成の薄膜を効率的に成膜するための原料ガス量を高精度に自動導出する。

流れとしては、原料ガス量を実験パラメータとして結晶を成膜し、成膜した結晶の測定可能な物理量より結晶組成を導出する。

そして、原料ガス量と結晶組成を教師データセットとして成膜ごとに更新し、教師データセットを用いてBOを行うことで、目的の結晶組成を得るための原料ガス量を導出するというものだ。

今回提案された手法を適用した実証実験では、6種類の既存データ（教師データ）をAIに学習させ、これらのデータ範囲を超える新しい特性（目標とする光の波長や結晶のサイズ）を持つ半導体薄膜の製造条件を予測させた。

その結果、1回の予測で目標特性をほぼ完璧に満たす製造条件を提示した。実際にこの条件で作製した薄膜は想定通りの品質であり、従来であれば数週間から数ヶ月を要したかもしれない条件探索プロセスを、短期間で完了できる可能性を示した。

また、上記実験で得られた新たなデータ1点を加えた計7種類のデータを学習させ、さらに異なる「外挿条件」での製造条件探索を行った。

このシナリオは、開発プロジェクトが進行する中で新たな目標値が設定されたり、予期せぬ課題が発生したりする状況が想定されている。

この実験では、初回の予測でわずかに目標から外れたものの、AIはその結果から即座に学習・自己修正を行い、3回目の試行で目標とする特性を持つ薄膜の製造に成功した。

なお、4回目以降は安定して目標値を達成したとのことだ。

NTTは、これらの成果について、「少ない回数で目的とする組成の結晶成膜条件が得られることや、従来は経験に頼っていた成膜条件の効率的な探索技術の次世代継承に貢献する」とし、今後は同手法を、光通信用デバイスや次世代の光電融合デバイスの材料となる半導体薄膜の製造現場へ展開していく方針だ。

また、この技術を普及させ、これまで熟練の技術者に頼っていた半導体薄膜の製造ノウハウをデータとして蓄積し、技術継承を支援するとしている。

属人化解消について詳しく知りたい方はこちらの記事も参考にしてください。
属人化とは？属人化が起きる原因やデメリット、デジタルを活用した具体的な解消方法などを解説

IoTNEWS編集部

IoTに関する様々な情報を取材し、皆様にお届けいたします。