特許ウォッチ

公開番号2025101320
公報種別公開特許公報(A)
公開日2025-07-07
出願番号2023218088
出願日2023-12-25
発明の名称電気的特性推定装置、推定モデル生成装置、電気的特性推定方法、推定モデル生成方法及びコンピュータプログラム
出願人国立大学法人筑波大学
代理人個人,個人,個人,個人,個人
主分類G01N 23/20058 20180101AFI20250630BHJP(測定;試験)
要約【課題】多結晶物体の電気的特性を簡易に推定すること。
【解決手段】電気的特性推定装置は、多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む解析データを受付ける入力部と、前記解析データから前記多結晶物体の電気的特性を推定する推定部と、を備える。
【選択図】図1
特許請求の範囲【請求項１】
多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む解析データを受付ける入力部と、
前記解析データから前記多結晶物体の電気的特性を推定する推定部と、
を備える電気的特性推定装置。
続きを表示（約 1,000 文字）【請求項２】
前記推定部は、学習用多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む学習用解析データと、前記学習用多結晶物体の既知の電気的特性を示す正解データとを用いて、多結晶物体の電気的特性を推定するように機械学習アルゴリズムにより機械学習した推定モデルを備える、
請求項１に記載の電気的特性推定装置。
【請求項３】
前記解析データ及び前記学習用解析データは、さらに、結晶方位と結晶粒界とのうち少なくとも一方を含むデータである、
請求項２に記載の電気的特性推定装置。
【請求項４】
前記パターン鮮明度、前記結晶方位及び前記結晶粒界は、画像データで表された、
請求項３に記載の電気的特性推定装置。
【請求項５】
前記機械学習アルゴリズムは、畳み込みニューラルネットワークである、
請求項４に記載の電気的特性推定装置。
【請求項６】
学習用多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む学習用解析データと、前記学習用多結晶物体の既知の電気的特性を示す正解データとを受付ける入力部と、
前記学習用解析データと前記正解データとを用いて、多結晶物体の電気的特性を推定するように機械学習アルゴリズムにより機械学習モデルの機械学習を行う学習部と、
を備える推定モデル生成装置。
【請求項７】
前記学習用解析データは、さらに、結晶方位と結晶粒界とのうち少なくとも一方を含むデータである、
請求項６に記載の推定モデル生成装置。
【請求項８】
前記パターン鮮明度、前記結晶方位及び前記結晶粒界は、画像データで表された、
請求項７に記載の推定モデル生成装置。
【請求項９】
前記機械学習アルゴリズムは、畳み込みニューラルネットワークである、
請求項８に記載の推定モデル生成装置。
【請求項１０】
電気的特性推定装置が、多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む解析データを受付ける入力ステップと、
前記電気的特性推定装置が、前記解析データから前記多結晶物体の電気的特性を推定する推定ステップと、
を含む電気的特性推定方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、電気的特性推定装置、推定モデル生成装置、電気的特性推定方法、推定モデル生成方法及びコンピュータプログラムに関する。
続きを表示（約 2,600 文字）【背景技術】
【０００２】
多結晶の物体（多結晶物体）は、例えば半導体材料等に使用されている。非特許文献１，２には、半導体材料として絶縁基板上に半導体多結晶ゲルマニウム薄膜（半導体多結晶Ｇｅ薄膜）を形成する技術が開示されている。非特許文献１，２では、半導体多結晶Ｇｅ薄膜の結晶情報として、電子線後方散乱回折（Electron Back Scattered Diffraction：ＥＢＳＤ）像（ＥＢＳＤパターン）が用いられている。また、半導体材料の電気的特性は、専用のホール効果（Hall Effect）測定装置を用いて測定されている。
【先行技術文献】
【非特許文献】
【０００３】
Kaoru Toko, Ryota Yoshimine, Kenta Moto & Takashi Suemasu、“High-hole mobility polycrystalline Ge on an insulator formed by controlling precursor atomic density for solid-phase crystallization”、SCIENTIFIC REPORTS、7、16981、05 December 2017
Koki Nozawa, Takeshi Nishida, Takamitsu Ishiyama, Takashi Suemasu, and Kaoru Toko、“n-Type Polycrystalline Germanium Layers Formed by Impurity-Doped Solid-Phase Growth”、ACS Applied Electronic Materials 2023、5、3、1444-1450、January 3, 2023
【発明の概要】
【発明が解決しようとする課題】
【０００４】
半導体の材料である例えば半導体多結晶Ｇｅ薄膜等の多結晶材料の電気的特性を、専用のホール効果測定装置を用いることなく、簡易に推定できれば、半導体の製造工程の効率向上に寄与する。
【０００５】
本発明は、このような事情を考慮してなされたものであり、その目的は、多結晶物体の電気的特性を簡易に推定することにある。
【課題を解決するための手段】
【０００６】
本発明の一態様は、多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む解析データを受付ける入力部と、前記解析データから前記多結晶物体の電気的特性を推定する推定部と、を備える電気的特性推定装置である。
本発明の一態様は、上記の電気的特性推定装置において、前記推定部は、学習用多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む学習用解析データと、前記学習用多結晶物体の既知の電気的特性を示す正解データとを用いて、多結晶物体の電気的特性を推定するように機械学習アルゴリズムにより機械学習した推定モデルを備える、電気的特性推定装置である。
本発明の一態様は、上記の電気的特性推定装置において、前記解析データ及び前記学習用解析データは、さらに、結晶方位と結晶粒界とのうち少なくとも一方を含むデータである、電気的特性推定装置である。
本発明の一態様は、上記の電気的特性推定装置において、前記パターン鮮明度、前記結晶方位及び前記結晶粒界は、画像データで表された、電気的特性推定装置である。
本発明の一態様は、上記の電気的特性推定装置において、前記機械学習アルゴリズムは、畳み込みニューラルネットワークである、電気的特性推定装置である。
【０００７】
本発明の一態様は、学習用多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む学習用解析データと、前記学習用多結晶物体の既知の電気的特性を示す正解データとを受付ける入力部と、前記学習用解析データと前記正解データとを用いて、多結晶物体の電気的特性を推定するように機械学習アルゴリズムにより機械学習モデルの機械学習を行う学習部と、を備える推定モデル生成装置である。
本発明の一態様は、上記の推定モデル生成装置において、前記学習用解析データは、さらに、結晶方位と結晶粒界とのうち少なくとも一方を含むデータである、推定モデル生成装置である。
本発明の一態様は、上記の推定モデル生成装置において、前記パターン鮮明度、前記結晶方位及び前記結晶粒界は、画像データで表された、推定モデル生成装置である。
本発明の一態様は、上記の推定モデル生成装置において、前記機械学習アルゴリズムは、畳み込みニューラルネットワークである、推定モデル生成装置である。
【０００８】
本発明の一態様は、電気的特性推定装置が、多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む解析データを受付ける入力ステップと、前記電気的特性推定装置が、前記解析データから前記多結晶物体の電気的特性を推定する推定ステップと、を含む電気的特性推定方法である。
【０００９】
本発明の一態様は、推定モデル生成装置が、学習用多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む学習用解析データと、前記学習用多結晶物体の既知の電気的特性を示す正解データとを受付ける入力ステップと、前記推定モデル生成装置が、前記学習用解析データと前記正解データとを用いて、多結晶物体の電気的特性を推定するように機械学習アルゴリズムにより機械学習モデルの機械学習を行う学習ステップと、を含む推定モデル生成方法である。
【００１０】
本発明の一態様は、コンピュータに、多結晶物体に対して測定した電子線後方散乱回折像から解析により取得した少なくともパターン鮮明度を含む解析データを受付ける入力ステップと、前記解析データから前記多結晶物体の電気的特性を推定する推定ステップと、を実行させるためのコンピュータプログラムである。
（【００１１】以降は省略されています）

関連特許