Метод прогнозирования ориентации кристалла на основе ИИ повышает эффективность производства электронных устройств

**

Команда, возглавляемая исследователями Нагойского университета в Японии, успешно предсказала ориентацию кристаллов, обучая искусственный интеллект (ИИ) с использованием оптических фотографий поликристаллических материалов. Результаты были опубликованы в журнале APL Machine Learning.

Кристаллы являются жизненно важным компонентом многих машин. Привычные материалы, используемые в промышленности, содержат поликристаллические компоненты, в том числе металлические сплавы, керамику и полупроводники. Поскольку поликристаллы состоят из множества кристаллов, они имеют сложную микроструктуру, и их свойства сильно различаются в зависимости от того, как ориентированы кристаллические зерна. Это особенно важно для кристаллов кремния, используемых в солнечных батареях, смартфонах и компьютерах.

«Чтобы получить поликристаллический материал, который может быть эффективно использован в промышленности, требуется контроль и измерение распределения ориентации зерна», — сказал профессор Норитака Усами. «Однако этому препятствует дорогостоящее оборудование и современные методы, необходимые для измерения образцов большой площади».

Команда Нагойского университета, состоящая из профессора Усами (он, его) из Высшей инженерной школы и профессора Хироаки Кудо (он, его) из Высшей школы информатики, в сотрудничестве с RIKEN применила модель машинного обучения, которая оценивает фотографии, сделанные путем освещения поверхности поликристаллического кремниевого материала с различных направлений. Они обнаружили, что ИИ успешно предсказал распределение ориентации зерен.

«Время, необходимое для этого измерения, составляло около 1,5 часов для получения оптических фотографий, обучения модели машинного обучения и прогнозирования ориентации, что намного быстрее, чем обычные методы, которые занимают около 14 часов», — сказал Усами. «Это также позволяет измерять материалы большой площади, которые были невозможны с помощью обычных методов».

Усами возлагает большие надежды на использование техники команды в промышленности. «Это технология, которая произведет революцию в разработке материалов», — сказал Усами. «Это исследование предназначено для всех исследователей и инженеров, которые разрабатывают поликристаллические материалы. Можно было бы изготовить систему анализа ориентации поликристаллических материалов, которая объединяет сбор данных изображений и модель прогнозирования ориентации кристаллов на основе машинного обучения. Мы ожидаем, что многие компании, занимающиеся поликристаллическими материалами, будут устанавливать такое оборудование».

Подробнее: Kyoka Hara et al, A machine learning-based prediction of crystal orientations for multicrystalline materials, APL Machine Learning (2023). DOI: 10.1063/5.0138099 🔗