先端半導体デバイス超高精度生産のための統合仮想物理AI
| 体系的番号 |
JPMJSC2502 |
研究代表者 |
浜口 智志 国立大学法人大阪大学, エマージングサイエンスデザインR3センター, 特任教授（常勤）
|
|---|
| 研究期間 (年度) |
2025 – 2028
|
| 概要 | このプロジェクトは、半導体量産工程の革新的効率化を実現するため、半導体業製造工程の中でも最も重要な工程である極低温プラズマエッチングプロセスに注目し、その理解と制御を目的とした、AIを活用した統合的な数値シミュレーションと実験データ活用システム（フレームワーク）の開発を行う。これは、三件の、相互に連携した研究テーマ（Work Package）から構成される。Work Package1は、プラズマ照射化のシリコン酸化膜及びシリコン窒化膜の表面反応を分子動力学（MD）シミュレーションで解析するための機械学習力場（MLFF）の開発に焦点を当てる。このMLFFは、通常のMLFFと異なり、高エネルギーイオンの衝突現象を再現するため、密度汎関数理論（DFT）計算が収束しない非平衡な原子配置に対応するため、信頼できる古典モデルとハイブリッド力場となる。さらに、集団変数駆動ハイパーダイナミクス（CVHD）の活用による、原子振動から現実的なプロセス時間スケールに及ぶ多階層シミュレーションを可能とする。Work Package 2では、半導体エッチング装置のセンサーから実験的に得られるデータ（発光分光（OES）、質量分析（MS）、ウェハ画像）とWork Package 1からのシミュレーションデータを用いたプロセスモニタリングとAI予測モデルの構築し、エッチング速度のような直接観測不能な物理量の推定を行う。さらに、SHAP（SHapley Additive exPlanations）分析を用いてモデル予測の意味を解釈し、エッチングプロセスに影響を与える主要因子を特定する。Work Package 3では、開発された予測モデルと大規模言語モデル（LLM）をデジタルツインプラットフォームに統合し、自動化されたフィードバック制御を実現する。このシステムは、AI主導の意思決定と実験的検証を連携させ、プラズマエッチングプロセスのリアルタイム最適化を行う。このプロジェクの終了時には、製造の精度、信頼性、コスト効果の大幅な向上が期待される。本技術は半導体製造において世界をリードし、電子部品に依存する産業に直接貢献するとともに、国家レベルでの技術競争力を強化することが見込まれる。
|
|---|
| 研究領域 | 物理世界におけるAI技術 |
|---|
