出典：MIT News
詳細を読む
MITの研究チームは、中性子散乱技術から得られるデータにAIモデルを適用し、材料を破壊せずに原子レベルの欠陥を分類・定量化する手法を開発しました。成果は学術誌Matterに掲載されています。
このモデルは2000種類の半導体材料で訓練され、ChatGPTと同様のマルチヘッドアテンション機構を活用しています。欠陥のある材料とない材料のデータ差分を学習し、ドーパントの種類と濃度を高精度で予測します。
従来の欠陥検出技術はX線回折やラマン分光法など個別手法に限られ、欠陥の種類か濃度のどちらか一方しか把握できませんでした。透過型電子顕微鏡では材料を薄く切断する必要があり、完成品の検査には不向きでした。
新手法は最大6種類の点欠陥を同時に検出でき、濃度0.2%という微量レベルまで識別可能です。筆頭著者のCheng氏は「2種類の欠陥の混合信号を解読するだけでも困難なのに、6種類で機能したことに驚いた」と成果の意義を強調しています。
研究チームは今後、より普及しているラマン分光法のデータで同様のモデルを訓練し、企業が品質管理プロセスに迅速に導入できる体制を目指します。点欠陥より大きな結晶粒や転位の検出への拡張も計画されており、半導体・電池材料産業への波及効果が期待されています。