JP2018169818A - 映像表示システムおよび製造装置 - Google Patents
映像表示システムおよび製造装置 Download PDFInfo
- Publication number
- JP2018169818A JP2018169818A JP2017066929A JP2017066929A JP2018169818A JP 2018169818 A JP2018169818 A JP 2018169818A JP 2017066929 A JP2017066929 A JP 2017066929A JP 2017066929 A JP2017066929 A JP 2017066929A JP 2018169818 A JP2018169818 A JP 2018169818A
- Authority
- JP
- Japan
- Prior art keywords
- manufacturing apparatus
- unit
- video information
- state
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
【課題】 製造装置の内部における材料の流体状態を含む種々の状態を製造装置の外部に表示することにより作業者が材料の流体状態を含む種々の状態を容易に把握することのできる映像表示システムおよび製造装置を提供することである。【解決手段】 映像表示システムＳ１は、製造装置１０００と、情報取得部１１０と、演算部１３０と、映像情報生成部１４０と、表示部２００と、を有する。演算部１３０は、製造装置１０００の複数の状態についてシミュレーションした複数の結果を教師データとして機械学習させた予測モデルを有するとともに、情報取得部１１０により取得された第１状態の少なくとも一部を予測モデルに入力して製造装置１０００の内部の第２状態を演算する。映像情報生成部１４０は、第２状態から映像情報を生成する。【選択図】図１
Description
本明細書の技術分野は、映像表示システムおよび製造装置に関する。
半導体は、記憶装置であるメモリー、演算装置であるマイクロプロセッサー、発光する発光ダイオード、画像認識機能を持つイメージセンサー等、種々の電子部品に応用されている。このような半導体は、液相成長装置もしくは気相成長装置により製造される。
例えば、特許文献１には、黒鉛の坩堝の内部にＳｉ溶液を収容し、ＳｉＣ種結晶をそのＳｉ溶液に接触させることによりＳｉＣ単結晶を成長させる技術が開示されている。
液相成長もしくは気相成長によらず、製造装置における操作が終了して製造装置から取り出してみて初めて半導体の良否が分かる。良品の半導体を歩留まり良く製造するためには、作業者が製造装置の内部を十分に把握できることが望ましい。しかし、半導体を成長させるための材料の流体状態を知ることはほとんど不可能である。ここで流体状態とは、流体の各点における物理量のことをいう。また、半導体に限らず、気相または液相の材料を用いて固体製品を製造する製造装置に対して、材料の流体状態を把握することが好ましい。
本明細書の技術は、前述した従来の技術が有する問題点を解決するためになされたものである。その課題とは、製造装置の内部における材料の流体状態を含む種々の状態を製造装置の外部に表示することにより作業者が材料の流体状態を含む種々の状態を容易に把握することのできる映像表示システムおよび製造装置を提供することである。
第１の態様における映像表示システムは、製造装置と、製造装置から第１状態を取得する情報取得部と、製造装置の内部の第２状態を演算する演算部と、演算部により演算された製造装置の内部の第２状態から映像情報を生成する映像情報生成部と、映像情報生成部により生成された映像情報を製造装置の筐体の外壁面または製造装置の筐体の外部に設けられた表示領域に表示する表示部と、を有する。演算部は、製造装置の複数の状態についてシミュレーションした複数の結果を教師データとして機械学習させた予測モデルを有するとともに、情報取得部により取得された第１状態の少なくとも一部を予測モデルに入力して製造装置の内部の第２状態を演算する。
本実施形態の映像表示システムは、製造装置から出力される第１状態を機械学習済みの予測モデルに入力し、予測モデルから出力される第２状態に基づいて生成した映像を製造装置の外部に表示する。ここで、第１状態とは、製造装置の内部の状態のうちセンサー等により直接測定できる物理量のことをいう。第１状態は、例えば、製造装置の部品の位置、測定箇所における温度または圧力等を含む。第２状態とは、製造装置の内部の状態のうちセンサー等により直接測定することが非常に困難な物理量のことをいう。第２状態は、例えば、製造装置の内部の特定領域内の各点の温度、原料濃度、流速およびその方向を示すベクトル等を含む。これにより、気相または液相の材料を用いて固体製品を製造する製造装置に対して、作業者は、製造装置の内部の第２状態を把握することができる。作業者は、製造装置の内部の状態を把握しつつ製品を製造することができる。
本明細書では、製造装置の内部における材料の流体状態を含む種々の状態を製造装置の外部に表示することにより作業者が材料の流体状態を含む種々の状態を容易に把握することのできる映像表示システムおよび製造装置が提供されている。
以下、具体的な実施形態について、映像表示システムおよび製造装置を例に挙げて図を参照しつつ説明する。
（第１の実施形態）
第１の実施形態について説明する。
第１の実施形態について説明する。
１．映像表示システム
図１は、本実施形態の映像表示システムＳ１の概略構成を示す図である。映像表示システムＳ１は、製造装置１０００と、制御部１００と、表示部２００と、を有する。製造装置１０００は、ＳｉＣ半導体を液相成長させるためのものである。制御部１００は、製造装置１０００の外部に配置されている。制御部１００は、製造装置１０００から情報を取得するとともに製造装置１０００の動作を制御する。また、制御部１００は、表示部２００が投影する映像情報（映像データ）を生成するとともに表示部２００に映像情報を送信する。表示部２００は、制御部１００により生成された映像情報を製造装置１０００の筐体１００１の外壁面に設けられた表示領域に投影する。表示領域は、製造装置１０００の筐体１００１の外壁面のうち表示部２００により映像を投影される領域である。
図１は、本実施形態の映像表示システムＳ１の概略構成を示す図である。映像表示システムＳ１は、製造装置１０００と、制御部１００と、表示部２００と、を有する。製造装置１０００は、ＳｉＣ半導体を液相成長させるためのものである。制御部１００は、製造装置１０００の外部に配置されている。制御部１００は、製造装置１０００から情報を取得するとともに製造装置１０００の動作を制御する。また、制御部１００は、表示部２００が投影する映像情報（映像データ）を生成するとともに表示部２００に映像情報を送信する。表示部２００は、制御部１００により生成された映像情報を製造装置１０００の筐体１００１の外壁面に設けられた表示領域に投影する。表示領域は、製造装置１０００の筐体１００１の外壁面のうち表示部２００により映像を投影される領域である。
２．映像表示システムが表示する映像
図２は、映像表示システムＳ１が製造装置１０００の筐体の外壁面に投影する映像を例示するための図である。図２に示すように、表示部２００は、製造装置１０００の内部の状態についての演算結果を映像化した映像を表示領域に投影する。
図２は、映像表示システムＳ１が製造装置１０００の筐体の外壁面に投影する映像を例示するための図である。図２に示すように、表示部２００は、製造装置１０００の内部の状態についての演算結果を映像化した映像を表示領域に投影する。
この映像は、製造装置１０００の内部の断面を表している。また、この映像は、後述するように、製造装置１０００が出力する出力情報に基づいて作製されている。制御部１００が製造装置１０００の出力情報を受信してから表示部２００が映像を投影するまでの時間は、例えば５秒以内である。好ましくは、１秒以内である。そのため、表示部２００は、製造装置１０００の実際の状態に基づいて演算された製造装置１０００の内部の映像をほぼリアルタイムで製造装置１０００の外壁面に投影することができる。
３．製造装置
図３は、本実施形態の製造装置１０００の概略構成を示す断面図である。製造装置１０００は、ＳｉＣ半導体を液相成長させるためのものである。製造装置１０００は、筐体１００１と、坩堝収容部１１００と、坩堝収容部回転部１２００と、結晶支持部１３００と、高周波コイル１４００と、放射温度計１５００と、を有する。
図３は、本実施形態の製造装置１０００の概略構成を示す断面図である。製造装置１０００は、ＳｉＣ半導体を液相成長させるためのものである。製造装置１０００は、筐体１００１と、坩堝収容部１１００と、坩堝収容部回転部１２００と、結晶支持部１３００と、高周波コイル１４００と、放射温度計１５００と、を有する。
筐体１００１は、円筒外面の外壁面を有する。坩堝収容部１１００は、後述する坩堝Ｃ１を収容するためのものである。坩堝収容部回転部１２００は、坩堝収容部１１００を回転させるためのものである。そのため、坩堝収容部回転部１２００が回転することにより、坩堝Ｃ１が回転することとなる。結晶支持部１３００は、種結晶Ｔ１を支持するとともに種結晶Ｔ１から成長したＳｉＣ半導体を支持するためのものである。結晶支持部１３００は、坩堝Ｃ１の中の融液Ｌ１の液面に向かう第１の方向と、第１の方向と反対の第２の方向と、に並進運動を行うことができる。また、結晶支持部１３００は、中心軸のまわりに回転することができる。高周波コイル１４００は、坩堝Ｃ１を誘導加熱するためのものである。後述するように、坩堝Ｃ１は炭素素材である。そのため、坩堝Ｃ１は高周波コイル１４００により加熱される。また、高周波コイル１４００に電流を流すための電源（図示せず）が存在する。放射温度計１５００は、坩堝Ｃ１の底部の温度を測定するためのものである。また、放射温度計１５００により測定される温度が予め設定された温度と等しくなるように、高周波コイル１４００に流れる電流値が制御される。
図３に示すように、製造装置１０００がＳｉＣ半導体を製造する際には、融液Ｌ１を収容する坩堝Ｃ１が製造装置１０００の内部に配置される。また、結晶支持部１３００の先端には、種結晶Ｔ１が取り付けられる。坩堝Ｃ１は、種結晶Ｔ１を起点にＳｉＣ半導体を成長させるためのものである。坩堝Ｃ１は、黒鉛製である。そのため、高周波コイル１４００の誘導加熱により坩堝Ｃ１は加熱される。融液Ｌ１は、Ｓｉの溶液である。坩堝Ｃ１から炭素原子が溶融するため、融液Ｌ１は炭素原子をも含んでいる。種結晶Ｔ１は、ＳｉＣ半導体を成長させるためのテンプレート基板である。種結晶Ｔ１の材質はＳｉＣである。
４．制御系
図４は、映像表示システムＳ１のハードウェア構成を示す概略構成図である。制御部１００は、ＣＰＵＡ１と、メモリＡ２と、不揮発性メモリＡ３と、を有する。後述する制御部１００の各部は、ＣＰＵＡ１と、メモリＡ２と、不揮発性メモリＡ３と、の少なくとも一部により構成されている。
図４は、映像表示システムＳ１のハードウェア構成を示す概略構成図である。制御部１００は、ＣＰＵＡ１と、メモリＡ２と、不揮発性メモリＡ３と、を有する。後述する制御部１００の各部は、ＣＰＵＡ１と、メモリＡ２と、不揮発性メモリＡ３と、の少なくとも一部により構成されている。
制御部１００は、製造装置１０００から第１状態の情報を取得するとともに製造装置１０００の動作を制御する。また、制御部１００は、第１情報から製造装置の内部の第２状態を演算する。そして、制御部１００は、演算した第２状態から映像データ（映像情報）を生成するとともに表示部２００に映像データを送信する。
ここで、第１状態とは、製造装置の内部の状態のうちセンサー等により直接測定できる物理量のことをいう。第１状態は、例えば、製造装置の部品の位置、測定箇所における温度または圧力等を含む。第２状態とは、製造装置の内部の状態のうちセンサー等により直接測定することが非常に困難な物理量のことをいう。第２状態は、例えば、製造装置の内部の特定領域内の各点の温度、原料濃度、流速およびその方向を示すベクトル等を含む。第１の領域とは、坩堝Ｃ１の内部の融液Ｌ１が占める領域である。
図５は、本実施形態の映像表示システムＳ１の制御系を示すブロック図である。図５に示すように、製造装置１０００は、前述した構成の他に、情報出力部１６００と、入力受付部１７００と、を有している。情報出力部１６００は、製造装置１０００から出力される出力情報を制御部１００に出力するためのものである。入力受付部１７００は、制御部１００からの制御信号の入力を受け付けるためのものである。
ここで、製造装置１０００から出力される第１状態の情報は、製造装置１０００の種々の製造条件を含む。第１状態の情報は、例えば、放射温度計１５００の測定値と、結晶支持部１３００の位置および回転速度と、高周波コイル１４００の電流値と、坩堝収容部回転部１２００の回転速度と、を含んでいる。
制御部１００は、情報取得部１１０と、計算結果記憶部１２０と、演算部１３０と、映像情報生成部１４０と、送信部１５０と、製造装置制御部１６０と、を有する。
情報取得部１１０は、製造装置１０００から第１状態の情報を取得する。第１状態の情報は、製造装置１０００の情報出力部１６００から出力される。また、情報取得部１１０は、製造装置１０００からの第１状態の情報を演算部１３０と映像情報生成部１４０とに受け渡す。
計算結果記憶部１２０は、坩堝Ｃ１の融液Ｌ１の状態についてシミュレーションした複数の結果を記憶している。計算結果記憶部１２０は、例えば、１０パターン以上１００００パターン以下のシミュレーション結果を記憶している。計算結果記憶部１２０が記憶しているシミュレーションの結果の数は、いずれであってもよい。
演算部１３０は、製造装置１０００の内部の第２状態を演算する。演算部１３０は、ニューラルネットワークを有する。このニューラルネットワークは、製造装置１０００の複数の状態についてシミュレーションした複数の結果を教師データとして機械学習させたものである。また、演算部１３０は、情報取得部１１０により取得された第１状態の少なくとも一部をニューラルネットワークに入力して製造装置１０００の内部の第２状態を演算する。
具体的には、演算部１３０は、製造装置１０００の内部における少なくとも一部の第１領域の内部の各点の温度を第２状態として演算する。第１の領域とは、坩堝Ｃ１の内部の融液Ｌ１が占める領域である。第１の領域は、製造装置１０００の内部のより広い領域であってもよい。ニューラルネットワークおよび演算の詳細については後述する。
映像情報生成部１４０は、表示部２００が製造装置１０００の筐体１００１の外壁面に投影する映像情報を生成する。映像情報生成部１４０は、情報取得部１１０により取得された第１状態と演算部１３０により演算された第２状態とを組み合わせて製造装置１０００の内部の映像情報を生成する。映像情報生成部１４０は、演算部１３０により演算された第１領域の内部の各点の温度から映像情報を生成する。
具体的には、映像情報生成部１４０は、情報取得部１１０から製造装置１０００についての機械的情報を取得する。例えば、結晶支持部１３００の位置および坩堝収容部回転部１２００の回転速度を取得する。また、映像情報生成部１４０は、演算部１３０から坩堝Ｃ１の内部の融液Ｌ１における各点の温度についての演算結果を取得する。
そして、映像情報生成部１４０は、製造装置１０００の内部を再現する映像情報を生成する。それらの映像情報は、結晶支持部１３００の位置と、坩堝Ｃ１の内部の融液Ｌ１の温度分布に基づく配色パターンと、を含む。配色パターンにおいては、例えば、温度の高い位置は赤く表示され、温度の低い位置は青く表示される。
送信部１５０は、映像情報生成部１４０により生成された映像情報を表示部２００の受信部２１０に送信する。
製造装置制御部１６０は、製造装置１０００を制御するためのものである。製造装置制御部１６０は、坩堝収容部回転部１２００の回転速度と、結晶支持部１３００の位置および回転速度と、高周波コイル１４００に流す電流値と、を制御する。また、製造装置制御部１６０は、製造装置１０００のその他の状態を制御してもよい。製造装置制御部１６０は、製造装置１０００の制御信号を製造装置１０００の入力受付部１７００に送信する。また、図５では、製造装置制御部１６０は、製造装置１０００の外部の制御部１００の中に配置されている。製造装置制御部１６０は、製造装置１０００の内部に配置されていてもよい。
表示部２００は、受信部２１０を有する。受信部２１０は、制御部１００の送信部１５０から映像情報を受信するためのものである。表示部２００は、この受信した映像情報を製造装置１０００の筐体１００１の外壁面に投影する。
５．シミュレーション
ここで、シミュレーションについて説明する。本実施形態の映像表示システムＳ１では、予め計算されたシミュレーション結果を用いる。そのため、映像表示システムＳ１の制御部１００は、その結果を用いるにすぎない。制御部１００が、シミュレーションを行うわけではない。つまり、計算結果記憶部１２０は、映像表示システムＳ１の外部の計算機により既に計算された複数のシミュレーション結果を記憶しているのである。
ここで、シミュレーションについて説明する。本実施形態の映像表示システムＳ１では、予め計算されたシミュレーション結果を用いる。そのため、映像表示システムＳ１の制御部１００は、その結果を用いるにすぎない。制御部１００が、シミュレーションを行うわけではない。つまり、計算結果記憶部１２０は、映像表示システムＳ１の外部の計算機により既に計算された複数のシミュレーション結果を記憶しているのである。
５−１．３次元モデルと格子の設定
まず、製造装置１０００のＣＡＤデータから３次元モデルを作成する。次に、その３次元モデルに仮想的に格子（メッシュ）を設定する。この格子の各点の間隔は、坩堝Ｃ１の内部で細かく、坩堝Ｃ１の外部で粗い。
まず、製造装置１０００のＣＡＤデータから３次元モデルを作成する。次に、その３次元モデルに仮想的に格子（メッシュ）を設定する。この格子の各点の間隔は、坩堝Ｃ１の内部で細かく、坩堝Ｃ１の外部で粗い。
５−２．材料物性の設定
次に、材料物性を設定する。設定する材料は、融液と、結晶と、ガスと、その他の固体と、である。融液について指定する物性値は、熱伝導度と、粘性係数と、密度と、比熱と、輻射率と、潜熱と、接触角度と、表面張力と、である。結晶について指定する物性値は、熱伝導度と、比熱と、電気伝導度と、密度と、弾性係数と、膨張係数と、輻射率と、である。ガスについて指定する物性値は、熱伝導度と、粘性係数と、密度と、比熱と、である。固体について指定する物性値は、熱伝導度と、比熱と、電気伝導度と、密度と、輻射率と、である。
次に、材料物性を設定する。設定する材料は、融液と、結晶と、ガスと、その他の固体と、である。融液について指定する物性値は、熱伝導度と、粘性係数と、密度と、比熱と、輻射率と、潜熱と、接触角度と、表面張力と、である。結晶について指定する物性値は、熱伝導度と、比熱と、電気伝導度と、密度と、弾性係数と、膨張係数と、輻射率と、である。ガスについて指定する物性値は、熱伝導度と、粘性係数と、密度と、比熱と、である。固体について指定する物性値は、熱伝導度と、比熱と、電気伝導度と、密度と、輻射率と、である。
５−３．境界条件等の設定
次に、各種の境界条件等を設定する。坩堝Ｃ１の壁面での流速を設定する。また、融液Ｌ１とガスとの境界における運動量の保存の条件を入力する。固体−固体間もしくは液体−固体間を通過する熱量の保存の条件を入力する。また、透明材料と不透明材料との間における輻射熱を考慮した熱量の保存の条件を入力する。
次に、各種の境界条件等を設定する。坩堝Ｃ１の壁面での流速を設定する。また、融液Ｌ１とガスとの境界における運動量の保存の条件を入力する。固体−固体間もしくは液体−固体間を通過する熱量の保存の条件を入力する。また、透明材料と不透明材料との間における輻射熱を考慮した熱量の保存の条件を入力する。
５−４．その他の状態の設定
次に、その他の状態を仮定し、その条件を入力する。ここで入力する条件は、坩堝Ｃ１の回転速度と、結晶支持部１３００の回転速度と、設定した格子の各点の座標と、その座標における温度と、である。
次に、その他の状態を仮定し、その条件を入力する。ここで入力する条件は、坩堝Ｃ１の回転速度と、結晶支持部１３００の回転速度と、設定した格子の各点の座標と、その座標における温度と、である。
５−５．方程式
そして、格子を設定した系に各種の条件を入力した後にシミュレーション計算を実施する。このシミュレーションにおいては、連続の式（式（１））と、ナビエ・ストークスの式（式（２）、（３））と、エネルギー方程式（式（４））と、不純物輸送方程式（式（５））と、を用いる。
そして、格子を設定した系に各種の条件を入力した後にシミュレーション計算を実施する。このシミュレーションにおいては、連続の式（式（１））と、ナビエ・ストークスの式（式（２）、（３））と、エネルギー方程式（式（４））と、不純物輸送方程式（式（５））と、を用いる。
なお、この計算において、２次元軸対称を仮定し、有限体積法による定常計算を行う。計算において、流速と、時間と、圧力と、応力テンソルと、温度と、熱容量と、電位と、密度と、磁束密度と、重力加速度と、電気伝導率と、電流密度と、実効熱伝導率と、が考慮される。
シミュレーションにおいて、格子の各座標における温度および温度勾配と、各座標における流速と、各座標における炭素濃度と、が出力される。また、過飽和度と、圧力と、乱流運動エネルギーと、乱流熱伝導率と、乱流伝導粘性係数と、誘導加熱による加熱と、熱伝導熱流束と、磁束と、ローレンツ力と、電流密度と、が出力される。
シミュレーションを実施する度に１つのパラメータセットに対する１つの結果が得られる。シミュレーションを繰り返すことにより、例えば、１０パターン以上１００００パターン以下の結果が得られる。それらの結果を計算結果記憶部１２０に記憶しておく。計算結果記憶部１２０が記憶するシミュレーションの結果の数は、上記の数値範囲以外であってもよい。
６．ニューラルネットワークおよび機械学習
本実施形態の映像表示システムＳ１は、製造装置１０００から出力される出力情報に基づいて、短時間に映像情報を生成する。製造装置１０００の内部の状態をほぼリアルタイムで製造装置１０００の外壁面に投影するためである。現状では、映像表示システムＳ１は、製造装置１０００から出力される出力情報を得てから０．５秒程度の後の映像を投影することができる。このように製造装置１０００における坩堝Ｃ１の温度分布を短時間で得るために、ニューラルネットワークおよび機械学習を用いる。
本実施形態の映像表示システムＳ１は、製造装置１０００から出力される出力情報に基づいて、短時間に映像情報を生成する。製造装置１０００の内部の状態をほぼリアルタイムで製造装置１０００の外壁面に投影するためである。現状では、映像表示システムＳ１は、製造装置１０００から出力される出力情報を得てから０．５秒程度の後の映像を投影することができる。このように製造装置１０００における坩堝Ｃ１の温度分布を短時間で得るために、ニューラルネットワークおよび機械学習を用いる。
６−１．ニューラルネットワーク
図６は、本実施形態のニューラルネットワークの階層構造を示す図である。ニューラルネットワークは、ｌ層と、ｍ層と、ｎ層と、を有する。ｌ層は入力層である。ｍ層はかくれ層である。ｎ層は出力層である。ｌ層では、放射温度計の測定温度と、坩堝Ｃ１の回転速度と、結晶支持部１３００の位置および回転速度と、が入力される。隠れ層は、ｍ層の１層のみである。隠れユニットの数は１２８である。ｎ層は、各座標の温度を出力する。
図６は、本実施形態のニューラルネットワークの階層構造を示す図である。ニューラルネットワークは、ｌ層と、ｍ層と、ｎ層と、を有する。ｌ層は入力層である。ｍ層はかくれ層である。ｎ層は出力層である。ｌ層では、放射温度計の測定温度と、坩堝Ｃ１の回転速度と、結晶支持部１３００の位置および回転速度と、が入力される。隠れ層は、ｍ層の１層のみである。隠れユニットの数は１２８である。ｎ層は、各座標の温度を出力する。
６−２．機械学習
上記のニューラルネットワークを構成しただけでは、ニューラルネットワークが適切な各座標の温度を出力することは困難である。そのために、ニューラルネットワークに機械学習を実施する。学習法は、勾配降下法のうちのミニバッチ勾配降下法である。ミニバッチの大きさは３２である。最適化アルゴリズムとしてＡｄａｍを用いる。学習率は、０．００１程度を用いればよい。活性化関数はＲｅＬＵである。教師データの数は３００である。エポック数は２０である。また、バックエンドとしてＴｅｎｓｏｒＦｌｏｗ（登録商標）を使用する。
上記のニューラルネットワークを構成しただけでは、ニューラルネットワークが適切な各座標の温度を出力することは困難である。そのために、ニューラルネットワークに機械学習を実施する。学習法は、勾配降下法のうちのミニバッチ勾配降下法である。ミニバッチの大きさは３２である。最適化アルゴリズムとしてＡｄａｍを用いる。学習率は、０．００１程度を用いればよい。活性化関数はＲｅＬＵである。教師データの数は３００である。エポック数は２０である。また、バックエンドとしてＴｅｎｓｏｒＦｌｏｗ（登録商標）を使用する。
このように、演算部１３０は、上記の機械学習済みのニューラルネットワークを有している。
６−３．ニューラルネットワークおよびシミュレーションの計算時間
シミュレーションによる計算は、１つのパラメータセットに対する結果が得られるまでに例えば数時間以上の時間を要する。ニューラルネットワークによる演算は、１つのパラメータセットに対する結果が得られるまでに例えば１秒以内の時間を要する。このように、ニューラルネットワークによる計算時間は、シミュレーションによる計算時間に比べて非常に短い。したがって、本実施形態の映像表示システムＳ１は、製造装置１０００の内部の状態をほぼリアルタイムで表示することができる。
シミュレーションによる計算は、１つのパラメータセットに対する結果が得られるまでに例えば数時間以上の時間を要する。ニューラルネットワークによる演算は、１つのパラメータセットに対する結果が得られるまでに例えば１秒以内の時間を要する。このように、ニューラルネットワークによる計算時間は、シミュレーションによる計算時間に比べて非常に短い。したがって、本実施形態の映像表示システムＳ１は、製造装置１０００の内部の状態をほぼリアルタイムで表示することができる。
７．映像表示システムの動作
ここで、本実施形態の映像表示システムＳ１の動作について説明する。映像表示システムＳ１の情報取得部１１０は、製造装置１０００から出力される第１状態の情報を常時取得している。演算部１３０は、情報取得部１１０から第１状態の情報を受け取ると、機械学習済みのニューラルネットワークにより各座標の温度を演算する。この演算結果は第２状態である。映像情報生成部１４０は、情報取得部１１０から結晶支持部１３００の位置等の機械的な情報を受け取るとともに、演算部１３０から坩堝Ｃ１の内部の各座標の温度を受け取る。そして、映像情報生成部１４０は、これらの情報に基づいて映像情報を生成する。表示部２００は、この映像情報生成部１４０により生成された映像情報に基づいて、製造装置１０００の内部の映像を製造装置１０００の筐体１００１の外壁面に投影する。
ここで、本実施形態の映像表示システムＳ１の動作について説明する。映像表示システムＳ１の情報取得部１１０は、製造装置１０００から出力される第１状態の情報を常時取得している。演算部１３０は、情報取得部１１０から第１状態の情報を受け取ると、機械学習済みのニューラルネットワークにより各座標の温度を演算する。この演算結果は第２状態である。映像情報生成部１４０は、情報取得部１１０から結晶支持部１３００の位置等の機械的な情報を受け取るとともに、演算部１３０から坩堝Ｃ１の内部の各座標の温度を受け取る。そして、映像情報生成部１４０は、これらの情報に基づいて映像情報を生成する。表示部２００は、この映像情報生成部１４０により生成された映像情報に基づいて、製造装置１０００の内部の映像を製造装置１０００の筐体１００１の外壁面に投影する。
８．本実施形態の効果
本実施形態の映像表示システムＳ１は、製造装置１０００から出力される第１状態の情報と演算部１３０により演算される第２状態の情報とから映像情報を生成し、製造装置１０００の外壁面にその映像を投影する。機械学習済みのニューラルネットワークを用いているため、演算部１３０は、短時間で第２状態を演算する。これにより、映像表示システムＳ１は、製造装置１０００の内部の状態を製造装置１０００の外壁面に表示することができる。したがって、作業者は、本来知ることのできない坩堝Ｃ１の内部状態を把握しつつ製造装置１０００を操作することができる。よって、この製造装置１０００は、より好ましいＳｉＣ半導体結晶を製造することができる。
本実施形態の映像表示システムＳ１は、製造装置１０００から出力される第１状態の情報と演算部１３０により演算される第２状態の情報とから映像情報を生成し、製造装置１０００の外壁面にその映像を投影する。機械学習済みのニューラルネットワークを用いているため、演算部１３０は、短時間で第２状態を演算する。これにより、映像表示システムＳ１は、製造装置１０００の内部の状態を製造装置１０００の外壁面に表示することができる。したがって、作業者は、本来知ることのできない坩堝Ｃ１の内部状態を把握しつつ製造装置１０００を操作することができる。よって、この製造装置１０００は、より好ましいＳｉＣ半導体結晶を製造することができる。
９．変形例
９−１．表示部
図７は、本実施形態の変形例における映像表示システムＳ１の概略構成を示す図である。映像表示システムＳ２は、製造装置１０００と、制御部１００と、ディスプレイ３００と、を有する。ディスプレイ３００は、表示部の一種である。ディスプレイ３００は、製造装置１０００の筐体１００１の外壁面と対面する位置に配置されている。ディスプレイ３００の形状は、平面形状である。ディスプレイ３００の形状は、製造装置１０００の円筒形状に対応する曲面形状であってもよい。また、ディスプレイ３００の代わりに、スクリーンを配置してもよい。
９−１．表示部
図７は、本実施形態の変形例における映像表示システムＳ１の概略構成を示す図である。映像表示システムＳ２は、製造装置１０００と、制御部１００と、ディスプレイ３００と、を有する。ディスプレイ３００は、表示部の一種である。ディスプレイ３００は、製造装置１０００の筐体１００１の外壁面と対面する位置に配置されている。ディスプレイ３００の形状は、平面形状である。ディスプレイ３００の形状は、製造装置１０００の円筒形状に対応する曲面形状であってもよい。また、ディスプレイ３００の代わりに、スクリーンを配置してもよい。
つまり、表示部は、映像情報生成部１４０により生成された映像情報を製造装置１０００の筐体１００１の外壁面または製造装置１０００の筐体１００１の外部に設けられた表示領域に表示する。表示領域とは、製造装置１０００の筐体１００１の外壁面または製造装置１０００の外部に設けられたディスプレイ３００である。ディスプレイ３００は、表示部と表示領域とを兼ねている。
９−２．第２状態のみの表示
映像情報生成部１４０は、製造装置１０００の内部の第１状態と第２状態とを組み合わせた映像情報を生成する。映像情報生成部１４０は、第２状態のみから映像情報を生成してもよい。この場合には、映像情報生成部１４０は、演算部１３０により演算された製造装置１０００の内部の第２状態から映像情報を生成する。この場合であっても、作業者は、坩堝Ｃ１の内部の温度分布を把握できる。
映像情報生成部１４０は、製造装置１０００の内部の第１状態と第２状態とを組み合わせた映像情報を生成する。映像情報生成部１４０は、第２状態のみから映像情報を生成してもよい。この場合には、映像情報生成部１４０は、演算部１３０により演算された製造装置１０００の内部の第２状態から映像情報を生成する。この場合であっても、作業者は、坩堝Ｃ１の内部の温度分布を把握できる。
９−３．計算結果記憶部
制御部１００は、計算結果記憶部１２０を有する。演算部１３０が十分に学習されたニューラルネットワークを有していれば、計算結果記憶部１２０は無くてもよい。制御部１００が計算結果記憶部１２０を有する場合には、ニューラルネットワークに再学習させることが容易である。そのため、制御部１００は、計算結果記憶部１２０を有することが好ましい。
制御部１００は、計算結果記憶部１２０を有する。演算部１３０が十分に学習されたニューラルネットワークを有していれば、計算結果記憶部１２０は無くてもよい。制御部１００が計算結果記憶部１２０を有する場合には、ニューラルネットワークに再学習させることが容易である。そのため、制御部１００は、計算結果記憶部１２０を有することが好ましい。
９−４．製造装置の種類
本実施形態の製造装置１０００は、ＳｉＣ半導体を製造する。しかし、本明細書の技術は、ＳｉＣ半導体の製造に限らず適用することができる。例えば、半導体の液相成長装置または気相成長装置である。気相成長装置であっても、機械学習されたニューラルネットワークにより温度分布を計算することができるからである。また、半導体に限らず、温度分布が製品の製造条件と結びついている製品の製造装置であれば同様に適用することができる。例えば、合金を含む金属の熱処理装置が挙げられる。本実施形態の技術は、製品の製造に流体が介在しているその他の製造装置に適用することができる。このような製造装置として例えば、ＣＶＤ装置と、ＭＯＣＶＤ装置と、スパッタリング装置と、その他の熱処理装置と、が挙げられる。
本実施形態の製造装置１０００は、ＳｉＣ半導体を製造する。しかし、本明細書の技術は、ＳｉＣ半導体の製造に限らず適用することができる。例えば、半導体の液相成長装置または気相成長装置である。気相成長装置であっても、機械学習されたニューラルネットワークにより温度分布を計算することができるからである。また、半導体に限らず、温度分布が製品の製造条件と結びついている製品の製造装置であれば同様に適用することができる。例えば、合金を含む金属の熱処理装置が挙げられる。本実施形態の技術は、製品の製造に流体が介在しているその他の製造装置に適用することができる。このような製造装置として例えば、ＣＶＤ装置と、ＭＯＣＶＤ装置と、スパッタリング装置と、その他の熱処理装置と、が挙げられる。
９−５．ニューラルネットワークの構造
本実施形態のニューラルネットワークは、１層の隠れ層を有する。もちろん、隠れ層はこれ以上であってもよい。また、隠れユニットの数は、本実施形態とは異なっていてもよい。
本実施形態のニューラルネットワークは、１層の隠れ層を有する。もちろん、隠れ層はこれ以上であってもよい。また、隠れユニットの数は、本実施形態とは異なっていてもよい。
９−６．予測モデル
本実施形態では、ニューラルネットワークにより製造装置１０００の内部の第２状態を推定する。しかし、ニューラルネットワーク以外の予測モデルを用いてもよい。
本実施形態では、ニューラルネットワークにより製造装置１０００の内部の第２状態を推定する。しかし、ニューラルネットワーク以外の予測モデルを用いてもよい。
９−７．機械学習の学習法
本実施形態では、ニューラルネットワークの学習方法としてミニバッチ勾配降下法を用いた。しかし、バッチ勾配降下法や確率的勾配降下法といったその他の勾配降下法を用いてもよい。また、本実施形態では、ニューラルネットワークに用いられる機械学習のアルゴリズムはＡｄａｍである。しかし、その他のアルゴリズムを用いてもよい。例えば、Ｍｏｍｅｎｔｕｍ、ＡｄａＧｒａｄ、ＲＭＳＰｒｏｐ、ＡｄａＤｅｌｔａ、ＳＭＯＲＭＳ３が挙げられる。もちろん、上記以外のアルゴリズムを用いてもよい。学習率は、適当に変えてよい。活性化関数は、ＲｅＬＵ以外のその他の活性化関数であってもよい。エポック数およびバックエンドも、本実施形態と異なるものを用いてよい。
本実施形態では、ニューラルネットワークの学習方法としてミニバッチ勾配降下法を用いた。しかし、バッチ勾配降下法や確率的勾配降下法といったその他の勾配降下法を用いてもよい。また、本実施形態では、ニューラルネットワークに用いられる機械学習のアルゴリズムはＡｄａｍである。しかし、その他のアルゴリズムを用いてもよい。例えば、Ｍｏｍｅｎｔｕｍ、ＡｄａＧｒａｄ、ＲＭＳＰｒｏｐ、ＡｄａＤｅｌｔａ、ＳＭＯＲＭＳ３が挙げられる。もちろん、上記以外のアルゴリズムを用いてもよい。学習率は、適当に変えてよい。活性化関数は、ＲｅＬＵ以外のその他の活性化関数であってもよい。エポック数およびバックエンドも、本実施形態と異なるものを用いてよい。
９−８．運用による学習
本実施形態のニューラルネットワークは、予め学習済みである。しかし、ニューラルネットワークが、映像表示システムＳ１を運用するごとに得られる結果に基づいてさらなる学習を実施してもよい。
本実施形態のニューラルネットワークは、予め学習済みである。しかし、ニューラルネットワークが、映像表示システムＳ１を運用するごとに得られる結果に基づいてさらなる学習を実施してもよい。
９−９．製造装置の構成
本実施形態の製造装置１０００は、制御部１００および表示部２００と別体である。しかし、もちろん、製造装置が、制御部１００および表示部２００を有していてもよい。その場合には、製造装置は、製造装置本体と、制御部１００と、表示部２００と、を有する。
本実施形態の製造装置１０００は、制御部１００および表示部２００と別体である。しかし、もちろん、製造装置が、制御部１００および表示部２００を有していてもよい。その場合には、製造装置は、製造装置本体と、制御部１００と、表示部２００と、を有する。
９−１０．坩堝の上下移動
本実施形態では、結晶支持部１３００が軸方向に移動する。しかし、結晶支持部１３００が移動する代わりに、坩堝Ｃ１が結晶支持部１３００の軸方向に移動するようになっていてもよい。
本実施形態では、結晶支持部１３００が軸方向に移動する。しかし、結晶支持部１３００が移動する代わりに、坩堝Ｃ１が結晶支持部１３００の軸方向に移動するようになっていてもよい。
９−１１．測定値
本実施形態では、放射温度計１５００は、坩堝Ｃ１の底部の温度を測定している。しかし、製造装置１０００は、その他の箇所の温度を測定してもよい。製造装置１０００は、例えば、坩堝Ｃ１０の内部の融液Ｌ１の表面の温度を測定してもよい。また、製造装置１０００は、その内部にその他の温度計を有していてもよい。
本実施形態では、放射温度計１５００は、坩堝Ｃ１の底部の温度を測定している。しかし、製造装置１０００は、その他の箇所の温度を測定してもよい。製造装置１０００は、例えば、坩堝Ｃ１０の内部の融液Ｌ１の表面の温度を測定してもよい。また、製造装置１０００は、その内部にその他の温度計を有していてもよい。
９−１２．第１の領域
本実施形態では、第１の領域は、坩堝Ｃ１の内部の融液Ｌ１が占める領域である。しかし、製造装置が製造する製品および原材料に応じて、演算および表示の対象となる第１の領域を自由に設定してもよい。
本実施形態では、第１の領域は、坩堝Ｃ１の内部の融液Ｌ１が占める領域である。しかし、製造装置が製造する製品および原材料に応じて、演算および表示の対象となる第１の領域を自由に設定してもよい。
９−１３．組み合わせ
上記の変形例について、自由に組み合わせてもよい。
上記の変形例について、自由に組み合わせてもよい。
１０．本実施形態のまとめ
本実施形態の映像表示システムＳ１は、製造装置１０００から出力される第１状態の情報と演算部１３０により演算される第２状態の情報とから映像情報を生成し、製造装置１０００の外壁面にその映像を投影する。機械学習済みのニューラルネットワークを用いているため、演算部１３０は、短時間で第２状態を演算する。これにより、映像表示システムＳ１は、製造装置１０００の内部の状態を製造装置１０００の外壁面に表示することができる。したがって、作業者は、本来知ることのできない坩堝Ｃ１の内部状態を把握しつつ製造装置１０００を操作することができる。よって、この製造装置１０００は、より好ましいＳｉＣ半導体結晶を製造することができる。
本実施形態の映像表示システムＳ１は、製造装置１０００から出力される第１状態の情報と演算部１３０により演算される第２状態の情報とから映像情報を生成し、製造装置１０００の外壁面にその映像を投影する。機械学習済みのニューラルネットワークを用いているため、演算部１３０は、短時間で第２状態を演算する。これにより、映像表示システムＳ１は、製造装置１０００の内部の状態を製造装置１０００の外壁面に表示することができる。したがって、作業者は、本来知ることのできない坩堝Ｃ１の内部状態を把握しつつ製造装置１０００を操作することができる。よって、この製造装置１０００は、より好ましいＳｉＣ半導体結晶を製造することができる。
（第２の実施形態）
第２の実施形態について説明する。第２の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の温度分布の代わりに坩堝Ｃ１の融液Ｌ１の原料濃度を表示する。そのため、第１の実施形態と異なる点について説明する。
第２の実施形態について説明する。第２の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の温度分布の代わりに坩堝Ｃ１の融液Ｌ１の原料濃度を表示する。そのため、第１の実施形態と異なる点について説明する。
１．原料濃度
演算部１３０は、製造装置１０００の内部における少なくとも一部の第１領域の内部の各点の原料濃度を第２状態として演算する。映像情報生成部１４０は、演算部１３０により演算された第１領域の内部の各点の原料濃度から映像情報を生成する。
演算部１３０は、製造装置１０００の内部における少なくとも一部の第１領域の内部の各点の原料濃度を第２状態として演算する。映像情報生成部１４０は、演算部１３０により演算された第１領域の内部の各点の原料濃度から映像情報を生成する。
これにより、第２の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の炭素濃度を製造装置１０００の筐体１００１の外壁面に表示することができる。
２．変形例
第１の実施形態の変形例を用いることができる。
第１の実施形態の変形例を用いることができる。
（第３の実施形態）
第３の実施形態について説明する。第３の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の温度分布の代わりに坩堝Ｃ１の融液Ｌ１の各点の流速およびその方向を示すベクトルを表示する。そのため、第１の実施形態と異なる点について説明する。
第３の実施形態について説明する。第３の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の温度分布の代わりに坩堝Ｃ１の融液Ｌ１の各点の流速およびその方向を示すベクトルを表示する。そのため、第１の実施形態と異なる点について説明する。
１．第１ベクトル
演算部１３０は、製造装置１０００の内部における少なくとも一部の第１領域の内部の各点の流速およびその方向を示す第１ベクトルを第２状態として演算する。映像情報生成部１４０は、演算部１３０により演算された第１領域の内部の各点の第１ベクトルから映像情報を生成する。
演算部１３０は、製造装置１０００の内部における少なくとも一部の第１領域の内部の各点の流速およびその方向を示す第１ベクトルを第２状態として演算する。映像情報生成部１４０は、演算部１３０により演算された第１領域の内部の各点の第１ベクトルから映像情報を生成する。
これにより、第３の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の各点における第１ベクトルを製造装置１０００の筐体１００１の外壁面に表示することができる。
２．変形例
２−１．他の物理量
第１の実施形態から第３の実施形態までにおいて、表示部は、各点における温度と原料濃度と第１ベクトル（各点の流速およびその方向を示す）とを表示する。しかし、各点における化学組成や、その他の物理量について表示してもよい。例えば、圧力、音、加速度、振動、光等に関する物理量が挙げられる。
２−１．他の物理量
第１の実施形態から第３の実施形態までにおいて、表示部は、各点における温度と原料濃度と第１ベクトル（各点の流速およびその方向を示す）とを表示する。しかし、各点における化学組成や、その他の物理量について表示してもよい。例えば、圧力、音、加速度、振動、光等に関する物理量が挙げられる。
２−２．第１の実施形態の変形例
第１の実施形態の変形例を用いることができる。
第１の実施形態の変形例を用いることができる。
（第４の実施形態）
第４の実施形態について説明する。第４の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の温度分布を表示するだけでなく、坩堝Ｃ１の融液Ｌ１の各点における温度と原料濃度と第１ベクトル（各点の流速およびその方向を示す）とを順次切り替えつつ表示する。そのため、第１の実施形態と異なる点について説明する。
第４の実施形態について説明する。第４の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の温度分布を表示するだけでなく、坩堝Ｃ１の融液Ｌ１の各点における温度と原料濃度と第１ベクトル（各点の流速およびその方向を示す）とを順次切り替えつつ表示する。そのため、第１の実施形態と異なる点について説明する。
１．温度および原料濃度および第１ベクトル
演算部１３０は、製造装置１０００の内部における少なくとも一部の第１領域の内部の各点の温度と各点の原料濃度と各点の流速およびその方向を示す第１ベクトルとを第２状態として演算する。映像情報生成部１４０は、演算部１３０により演算された第１領域の内部の各点の温度と各点の原料濃度と各点の第１ベクトルとを順次切り替えつつ映像情報として生成する。
演算部１３０は、製造装置１０００の内部における少なくとも一部の第１領域の内部の各点の温度と各点の原料濃度と各点の流速およびその方向を示す第１ベクトルとを第２状態として演算する。映像情報生成部１４０は、演算部１３０により演算された第１領域の内部の各点の温度と各点の原料濃度と各点の第１ベクトルとを順次切り替えつつ映像情報として生成する。
これにより、第４の実施形態の映像表示システムは、坩堝Ｃ１の融液Ｌ１の各点における温度と原料濃度と第１ベクトルとを順次切り替えつつ製造装置１０００の筐体１００１の外壁面に表示することができる。第４の実施形態の映像表示システムは、例えば、第１期間の１秒間に温度分布を表示し、次の第２期間の１秒間に濃度分布を表示し、次の第３期間の１秒間に流速およびその方向を示す第１ベクトルを表示する。演算部１３０は、第１期間の直前に各点の温度を演算し、第２期間の直前に各点の原料濃度を演算し、第３期間の直前に第１ベクトルを演算する。
２．変形例
２−１．他の物理量
本実施形態において、表示部は、各点における温度と原料濃度と第１ベクトル（各点の流速およびその方向を示す）とを順次表示する。しかし、各点における化学組成や、その他の物理量について表示してもよい。また、例えば、圧力、音、加速度、振動、光等に関する物理量を扱ってもよい。そのため、表示部が順次表示する複数の物理量の数は、２個であっても４個以上であってもよい。また、表示部が表示する順序は、どのような順序であってもよい。
２−１．他の物理量
本実施形態において、表示部は、各点における温度と原料濃度と第１ベクトル（各点の流速およびその方向を示す）とを順次表示する。しかし、各点における化学組成や、その他の物理量について表示してもよい。また、例えば、圧力、音、加速度、振動、光等に関する物理量を扱ってもよい。そのため、表示部が順次表示する複数の物理量の数は、２個であっても４個以上であってもよい。また、表示部が表示する順序は、どのような順序であってもよい。
２−２．第１の実施形態の変形例
第１の実施形態の変形例を用いることができる。
第１の実施形態の変形例を用いることができる。
１．ニューラルネットワークおよび機械学習
図６に示すニューラルネットワークを用いた。ニューラルネットワークは、ｌ層と、ｍ層と、ｎ層と、を有する。ｌ層は入力層である。ｍ層はかくれ層である。ｎ層は出力層である。ｌ層では、坩堝Ｃ１の底部の温度と、坩堝Ｃ１の回転速度と、坩堝Ｃ１の位置と、結晶支持部１３００の回転速度と、が入力される。隠れ層は、ｍ層の１層のみである。隠れユニットの数は１２８である。ｎ層は、各座標の温度を出力する。
図６に示すニューラルネットワークを用いた。ニューラルネットワークは、ｌ層と、ｍ層と、ｎ層と、を有する。ｌ層は入力層である。ｍ層はかくれ層である。ｎ層は出力層である。ｌ層では、坩堝Ｃ１の底部の温度と、坩堝Ｃ１の回転速度と、坩堝Ｃ１の位置と、結晶支持部１３００の回転速度と、が入力される。隠れ層は、ｍ層の１層のみである。隠れユニットの数は１２８である。ｎ層は、各座標の温度を出力する。
機械学習の学習法は、ミニバッチ勾配降下法である。ミニバッチの大きさは３２である。最適化アルゴリズムとしてＡｄａｍを用いる。学習率は、０．００１である。活性化関数はＲｅＬＵである。教師データの数は３００である。エポック数は２０である。また、バックエンドとしてＴｅｎｓｏｒＦｌｏｗ（登録商標）を使用する。
２．機械学習の精度
図８は、シミュレーションによる流速の計算結果を示す画像である。図９は、機械学習されたニューラルネットワークの演算結果を示す画像である。図８および図９に示すように、シミュレーションによる計算結果とニューラルネットワークによる演算結果とはほとんど同じである。なお、ニューラルネットワークによる演算結果が得られるまでの時間は、０．１秒程度である。また、映像情報生成部１４０が映像情報を生成するまでの時間は、０．４秒程度である。
図８は、シミュレーションによる流速の計算結果を示す画像である。図９は、機械学習されたニューラルネットワークの演算結果を示す画像である。図８および図９に示すように、シミュレーションによる計算結果とニューラルネットワークによる演算結果とはほとんど同じである。なお、ニューラルネットワークによる演算結果が得られるまでの時間は、０．１秒程度である。また、映像情報生成部１４０が映像情報を生成するまでの時間は、０．４秒程度である。
３．温度分布とＳｉＣ半導体結晶との間の関係
図１０は、２つの温度分布を比較するグラフである。図１０の横軸は、結晶の成長開始位置からの距離（ｍｍ）である。図１０の縦軸は、溶液の温度（℃）である。温度分布（ａ）では、結晶の成長開始位置から離れた位置の温度と結晶の成長開始位置の温度とがほとんど等しい。また、温度分布（ａ）では、結晶の成長開始位置から溶液の内部に向かって徐々に温度が上昇している。
図１０は、２つの温度分布を比較するグラフである。図１０の横軸は、結晶の成長開始位置からの距離（ｍｍ）である。図１０の縦軸は、溶液の温度（℃）である。温度分布（ａ）では、結晶の成長開始位置から離れた位置の温度と結晶の成長開始位置の温度とがほとんど等しい。また、温度分布（ａ）では、結晶の成長開始位置から溶液の内部に向かって徐々に温度が上昇している。
温度分布（ｂ）では、結晶の成長開始位置から離れた位置の温度と結晶の成長開始位置の温度との温度差が比較的大きい。この温度差は１０℃近くである。また、温度分布（ｂ）では、結晶の成長開始位置から溶液の内部に向かって一旦は温度が上昇し、溶液のさらに内部では温度が下降している。つまり、温度分布（ｂ）では、温度変化の途中に変曲点が存在する。
図１１は、温度分布（ａ）の場合におけるＳｉＣ半導体の結晶表面を示す画像である。このＳｉＣ半導体結晶の成長膜厚は０．７ｍｍである。このＳｉＣ半導体結晶では、２次元核が形成されていない。このＳｉＣ半導体結晶の表面は安定である。つまり、このＳｉＣ半導体結晶は、好適にステップフロー成長している。
図１２は、温度分布（ｂ）の場合におけるＳｉＣ半導体の結晶表面を示す画像である。このＳｉＣ半導体結晶の成長膜厚は０．７ｍｍである。このＳｉＣ半導体結晶では、多数の２次元核が形成されている。このＳｉＣ半導体結晶の表面は不安定である。
４．映像
図１３および図１４は、製造装置の外壁面に実際に投影されている映像を撮影した写真である。図１３および図１４に示すように、坩堝の内部の温度分布が配色パターンにより表示されている。
図１３および図１４は、製造装置の外壁面に実際に投影されている映像を撮影した写真である。図１３および図１４に示すように、坩堝の内部の温度分布が配色パターンにより表示されている。
作業者は、このように坩堝の内部の温度分布を把握しつつ製造装置を動作させることができる。そのため、作業者は、品質に優れたＳｉＣ半導体結晶を歩留りよく製造することができる。
Ａ．付記
第１の態様における映像表示システムは、製造装置と、製造装置から第１状態を取得する情報取得部と、製造装置の内部の第２状態を演算する演算部と、演算部により演算された製造装置の内部の第２状態から映像情報を生成する映像情報生成部と、映像情報生成部により生成された映像情報を製造装置の筐体の外壁面または製造装置の筐体の外部に設けられた表示領域に表示する表示部と、を有する。演算部は、製造装置の複数の状態についてシミュレーションした複数の結果を教師データとして機械学習させた予測モデルを有するとともに、情報取得部により取得された第１状態の少なくとも一部を予測モデルに入力して製造装置の内部の第２状態を演算する。
第１の態様における映像表示システムは、製造装置と、製造装置から第１状態を取得する情報取得部と、製造装置の内部の第２状態を演算する演算部と、演算部により演算された製造装置の内部の第２状態から映像情報を生成する映像情報生成部と、映像情報生成部により生成された映像情報を製造装置の筐体の外壁面または製造装置の筐体の外部に設けられた表示領域に表示する表示部と、を有する。演算部は、製造装置の複数の状態についてシミュレーションした複数の結果を教師データとして機械学習させた予測モデルを有するとともに、情報取得部により取得された第１状態の少なくとも一部を予測モデルに入力して製造装置の内部の第２状態を演算する。
第２の態様における映像表示システムにおいては、映像情報生成部は、情報取得部により取得された第１状態と演算部により演算された第２状態とを組み合わせて製造装置の内部の映像情報を生成する。
第３の態様における映像表示システムにおいては、演算部は、製造装置の内部における少なくとも一部の第１領域の内部の各点の温度を第２状態として演算する。映像情報生成部は、演算部により演算された第１領域の内部の各点の温度から映像情報を生成する。
第４の態様における映像表示システムにおいては、演算部は、製造装置の内部における少なくとも一部の第１領域の内部の各点の原料濃度を第２状態として演算する。映像情報生成部は、演算部により演算された第１領域の内部の各点の原料濃度から映像情報を生成する。
第５の態様における映像表示システムにおいては、演算部は、製造装置の内部における少なくとも一部の第１領域の内部の各点の流速およびその方向を示す第１ベクトルを第２状態として演算する。映像情報生成部は、演算部により演算された第１領域の内部の各点の第１ベクトルから映像情報を生成する。
第６の態様における映像表示システムにおいては、演算部は、製造装置の内部における少なくとも一部の第１領域の内部の各点の温度と各点の原料濃度と各点の流速およびその方向を示す第１ベクトルとを第２状態として演算する。映像情報生成部は、演算部により演算された第１領域の内部の各点の温度と各点の原料濃度と各点の第１ベクトルとを順次切り替えつつ映像情報として生成する。
第７の態様における製造装置は、製造装置の本体から第１状態を取得する情報取得部と、製造装置の内部の第２状態を演算する演算部と、演算部により演算された製造装置の内部の第２状態から映像情報を生成する映像情報生成部と、映像情報生成部により生成された映像情報を製造装置の筐体の外壁面または製造装置の筐体の外部に設けられた表示領域に表示する表示部と、を有する。演算部は、製造装置の複数の状態についてシミュレーションした複数の結果を教師データとして機械学習させた予測モデルを有するとともに、情報取得部により取得された第１状態の少なくとも一部を予測モデルに入力して製造装置の内部の第２状態を演算する。
第８の態様における製造装置においては、映像情報生成部は、情報取得部により取得された第１状態と演算部により演算された第２状態とを組み合わせて製造装置の内部の映像情報を生成する。
第９の態様における製造装置においては、演算部は、製造装置の内部における少なくとも一部の第１領域の内部の各点の温度を第２状態として演算する。映像情報生成部は、演算部により演算された第１領域の内部の各点の温度から映像情報を生成する。
第１０の態様における製造装置においては、演算部は、製造装置の内部における少なくとも一部の第１領域の内部の各点の原料濃度を第２状態として演算する。映像情報生成部は、演算部により演算された第１領域の内部の各点の原料濃度から映像情報を生成する。
第１１の態様における製造装置においては、演算部は、製造装置の内部における少なくとも一部の第１領域の内部の各点の流速およびその方向を示す第１ベクトルを第２状態として演算する。映像情報生成部は、演算部により演算された第１領域の内部の各点の第１ベクトルから映像情報を生成する。
第１２の態様における製造装置においては、演算部は、製造装置の内部における少なくとも一部の第１領域の内部の各点の温度と各点の原料濃度と各点の流速およびその方向を示す第１ベクトルとを第２状態として演算する。映像情報生成部は、演算部により演算された第１領域の内部の各点の温度と各点の原料濃度と各点の第１ベクトルとを順次切り替えつつ映像情報として生成する。
Ｓ１…映像表示システム
１０００…製造装置
１００１…筐体
１１００…坩堝収容部
１２００…坩堝収容部回転部
１３００…結晶支持部
１４００…高周波コイル
１５００…放射温度計
１００…制御部
１１０…情報取得部
１２０…計算結果記憶部
１３０…演算部
１４０…映像情報生成部
１５０…送信部
１６０…製造装置制御部
２００…表示部
２１０…受信部
１０００…製造装置
１００１…筐体
１１００…坩堝収容部
１２００…坩堝収容部回転部
１３００…結晶支持部
１４００…高周波コイル
１５００…放射温度計
１００…制御部
１１０…情報取得部
１２０…計算結果記憶部
１３０…演算部
１４０…映像情報生成部
１５０…送信部
１６０…製造装置制御部
２００…表示部
２１０…受信部
Claims (12)
- 製造装置と、
前記製造装置から第１状態を取得する情報取得部と、
前記製造装置の内部の第２状態を演算する演算部と、
前記演算部により演算された前記製造装置の内部の前記第２状態から映像情報を生成する映像情報生成部と、
前記映像情報生成部により生成された前記映像情報を前記製造装置の筐体の外壁面または前記製造装置の前記筐体の外部に設けられた表示領域に表示する表示部と、
を有し、
前記演算部は、
前記製造装置の複数の状態についてシミュレーションした複数の結果を教師データとして機械学習させた予測モデルを有するとともに、
前記情報取得部により取得された前記第１状態の少なくとも一部を前記予測モデルに入力して前記製造装置の内部の前記第２状態を演算すること
を特徴とする映像表示システム。 - 請求項１に記載の映像表示システムにおいて、
前記映像情報生成部は、
前記情報取得部により取得された前記第１状態と前記演算部により演算された前記第２状態とを組み合わせて前記製造装置の内部の前記映像情報を生成すること
を特徴とする映像表示システム。 - 請求項１または請求項２に記載の映像表示システムにおいて、
前記演算部は、
前記製造装置の内部における少なくとも一部の第１領域の内部の各点の温度を前記第２状態として演算し、
前記映像情報生成部は、
前記演算部により演算された前記第１領域の内部の前記各点の温度から前記映像情報を生成すること
を特徴とする映像表示システム。 - 請求項１または請求項２に記載の映像表示システムにおいて、
前記演算部は、
前記製造装置の内部における少なくとも一部の第１領域の内部の各点の原料濃度を前記第２状態として演算し、
前記映像情報生成部は、
前記演算部により演算された前記第１領域の内部の前記各点の原料濃度から前記映像情報を生成すること
を特徴とする映像表示システム。 - 請求項１または請求項２に記載の映像表示システムにおいて、
前記演算部は、
前記製造装置の内部における少なくとも一部の第１領域の内部の各点の流速およびその方向を示す第１ベクトルを前記第２状態として演算し、
前記映像情報生成部は、
前記演算部により演算された前記第１領域の内部の前記各点の前記第１ベクトルから前記映像情報を生成すること
を特徴とする映像表示システム。 - 請求項１または請求項２に記載の映像表示システムにおいて、
前記演算部は、
前記製造装置の内部における少なくとも一部の第１領域の内部の各点の温度と各点の原料濃度と各点の流速およびその方向を示す第１ベクトルとを前記第２状態として演算し、
前記映像情報生成部は、
前記演算部により演算された前記第１領域の内部の前記各点の温度と前記各点の原料濃度と前記各点の前記第１ベクトルとを順次切り替えつつ前記映像情報として生成すること
を特徴とする映像表示システム。 - 製造装置の本体から第１状態を取得する情報取得部と、
前記製造装置の内部の第２状態を演算する演算部と、
前記演算部により演算された前記製造装置の内部の前記第２状態から映像情報を生成する映像情報生成部と、
前記映像情報生成部により生成された前記映像情報を前記製造装置の筐体の外壁面または前記製造装置の前記筐体の外部に設けられた表示領域に表示する表示部と、
を有し、
前記演算部は、
前記製造装置の複数の状態についてシミュレーションした複数の結果を教師データとして機械学習させた予測モデルを有するとともに、
前記情報取得部により取得された前記第１状態の少なくとも一部を前記予測モデルに入力して前記製造装置の内部の前記第２状態を演算すること
を特徴とする製造装置。 - 請求項７に記載の製造装置において、
前記映像情報生成部は、
前記情報取得部により取得された前記第１状態と前記演算部により演算された前記第２状態とを組み合わせて前記製造装置の内部の前記映像情報を生成すること
を特徴とする製造装置。 - 請求項７または請求項８に記載の製造装置において、
前記演算部は、
前記製造装置の内部における少なくとも一部の第１領域の内部の各点の温度を前記第２状態として演算し、
前記映像情報生成部は、
前記演算部により演算された前記第１領域の内部の前記各点の温度から前記映像情報を生成すること
を特徴とする製造装置。 - 請求項７または請求項８に記載の製造装置において、
前記演算部は、
前記製造装置の内部における少なくとも一部の第１領域の内部の各点の原料濃度を前記第２状態として演算し、
前記映像情報生成部は、
前記演算部により演算された前記第１領域の内部の前記各点の原料濃度から前記映像情報を生成すること
を特徴とする製造装置。 - 請求項７または請求項８に記載の製造装置において、
前記演算部は、
前記製造装置の内部における少なくとも一部の第１領域の内部の各点の流速およびその方向を示す第１ベクトルを前記第２状態として演算し、
前記映像情報生成部は、
前記演算部により演算された前記第１領域の内部の前記各点の前記第１ベクトルから前記映像情報を生成すること
を特徴とする製造装置。 - 請求項７または請求項８に記載の製造装置において、
前記演算部は、
前記製造装置の内部における少なくとも一部の第１領域の内部の各点の温度と各点の原料濃度と各点の流速およびその方向を示す第１ベクトルとを前記第２状態として演算し、
前記映像情報生成部は、
前記演算部により演算された前記第１領域の内部の前記各点の温度と前記各点の原料濃度と前記各点の前記第１ベクトルとを順次切り替えつつ前記映像情報として生成すること
を特徴とする製造装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017066929A JP2018169818A (ja) | 2017-03-30 | 2017-03-30 | 映像表示システムおよび製造装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017066929A JP2018169818A (ja) | 2017-03-30 | 2017-03-30 | 映像表示システムおよび製造装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2018169818A true JP2018169818A (ja) | 2018-11-01 |
Family
ID=64018830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017066929A Pending JP2018169818A (ja) | 2017-03-30 | 2017-03-30 | 映像表示システムおよび製造装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2018169818A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020085737A (ja) * | 2018-11-28 | 2020-06-04 | 株式会社Sumco | 熱伝導率推定方法、熱伝導率推定装置、半導体結晶製品の製造方法、熱伝導率演算装置、熱伝導率演算プログラム、および、熱伝導率演算方法 |
| WO2021044907A1 (ja) * | 2019-09-03 | 2021-03-11 | 国立大学法人東海国立大学機構 | 熱流体状態演算装置 |
| US20220205404A1 (en) * | 2019-04-26 | 2022-06-30 | Perkins Engines Company Limited | Engine Control System |
| WO2024080088A1 (ja) * | 2022-10-13 | 2024-04-18 | 住友重機械工業株式会社 | 支援装置、支援方法及びプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0886615A (ja) * | 1994-09-19 | 1996-04-02 | Mitsubishi Electric Corp | 映像表示装置及び映像表示システム |
| JPH09159784A (ja) * | 1995-12-04 | 1997-06-20 | Hitachi Ltd | 原子炉制御盤と原子炉炉心状態表示方法及びその装置並びに原子炉炉心シミュレータ |
| JP2014157458A (ja) * | 2013-02-15 | 2014-08-28 | Tokyo Electron Ltd | 基板処理装置、シミュレーション装置、プログラムおよびシミュレーション方法 |
-
2017
- 2017-03-30 JP JP2017066929A patent/JP2018169818A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0886615A (ja) * | 1994-09-19 | 1996-04-02 | Mitsubishi Electric Corp | 映像表示装置及び映像表示システム |
| JPH09159784A (ja) * | 1995-12-04 | 1997-06-20 | Hitachi Ltd | 原子炉制御盤と原子炉炉心状態表示方法及びその装置並びに原子炉炉心シミュレータ |
| JP2014157458A (ja) * | 2013-02-15 | 2014-08-28 | Tokyo Electron Ltd | 基板処理装置、シミュレーション装置、プログラムおよびシミュレーション方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020085737A (ja) * | 2018-11-28 | 2020-06-04 | 株式会社Sumco | 熱伝導率推定方法、熱伝導率推定装置、半導体結晶製品の製造方法、熱伝導率演算装置、熱伝導率演算プログラム、および、熱伝導率演算方法 |
| WO2020110796A1 (ja) * | 2018-11-28 | 2020-06-04 | 株式会社Sumco | 熱伝導率推定方法、熱伝導率推定装置、半導体結晶製品の製造方法、熱伝導率演算装置、熱伝導率演算プログラム、および、熱伝導率演算方法 |
| KR20210084616A (ko) * | 2018-11-28 | 2021-07-07 | 가부시키가이샤 사무코 | 열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체 및, 열 전도율 연산 방법 |
| CN113366303A (zh) * | 2018-11-28 | 2021-09-07 | 胜高股份有限公司 | 导热系数估计方法、导热系数估计装置、半导体晶体制品的制造方法、导热系数运算装置、导热系数运算程序以及导热系数运算方法 |
| JP7059908B2 (ja) | 2018-11-28 | 2022-04-26 | 株式会社Sumco | 熱伝導率推定方法、熱伝導率推定装置、半導体結晶製品の製造方法、熱伝導率演算装置、熱伝導率演算プログラム、および、熱伝導率演算方法 |
| KR102556434B1 (ko) | 2018-11-28 | 2023-07-14 | 가부시키가이샤 사무코 | 열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체 및, 열 전도율 연산 방법 |
| US20220205404A1 (en) * | 2019-04-26 | 2022-06-30 | Perkins Engines Company Limited | Engine Control System |
| US11939931B2 (en) * | 2019-04-26 | 2024-03-26 | Perkins Engines Company Limited | Engine control system |
| WO2021044907A1 (ja) * | 2019-09-03 | 2021-03-11 | 国立大学法人東海国立大学機構 | 熱流体状態演算装置 |
| JPWO2021044907A1 (ja) * | 2019-09-03 | 2021-03-11 | ||
| JP7162937B2 (ja) | 2019-09-03 | 2022-10-31 | 国立大学法人東海国立大学機構 | 熱流体状態演算装置 |
| WO2024080088A1 (ja) * | 2022-10-13 | 2024-04-18 | 住友重機械工業株式会社 | 支援装置、支援方法及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2018169818A (ja) | 映像表示システムおよび製造装置 | |
| US20240017355A1 (en) | Adept three-dimensional printing | |
| Farukh et al. | Realistic microstructure-based modelling of cyclic deformation and crack growth using crystal plasticity | |
| WO2020110796A1 (ja) | 熱伝導率推定方法、熱伝導率推定装置、半導体結晶製品の製造方法、熱伝導率演算装置、熱伝導率演算プログラム、および、熱伝導率演算方法 | |
| Baïri | Experimental study on enhancement of free convective heat transfer in a tilted hemispherical enclosure by using Water-ZnO nanofluid saturated porous materials | |
| Zhang et al. | Anomalous segregation during electrodynamic gradient freeze growth of cadmium zinc telluride | |
| Tipeev et al. | Crystal nucleation kinetics in supercooled germanium: MD simulations versus experimental data | |
| Schlosser et al. | Image processing to estimate the heat sources related to phase transformations during tensile tests of NiTi tubes | |
| Liao et al. | Hybrid thermal modeling of additive manufacturing processes using physics-informed neural networks for temperature prediction and parameter identification | |
| Scolan et al. | A rotating annulus driven by localized convective forcing: a new atmosphere-like experiment | |
| Watanabe et al. | The stability of a thermocapillary-buoyant flow in a liquid bridge with heat transfer through the interface | |
| Musilová et al. | Reynolds number scaling in cryogenic turbulent Rayleigh–Bénard convection in a cylindrical aspect ratio one cell | |
| Wunderlich et al. | Thermophysical properties of the TiAl-2Cr-2Nb alloy in the liquid phase measured with an electromagnetic levitation device on board the International Space Station, ISS-EML | |
| Pandy et al. | Analysis of the growth of cadmium zinc telluride in an electrodynamic gradient freeze furnace via a self-consistent, multi-scale numerical model | |
| Dadzis et al. | Model Experiments for Flow Phenomena in Crystal Growth | |
| Tavakoli et al. | Computational analysis of heat transfer, thermal stress and dislocation density during resistively Czochralski growth of germanium single crystal | |
| Chen et al. | Progress in modeling of fluid flows in crystal growth processes | |
| Goodyer et al. | On the fully implicit solution of a phase-field model for binary alloy solidification in three dimensions | |
| CN108763688B (zh) | 一种静电悬浮液态合金传热的数值计算方法 | |
| Weinstein et al. | Three-dimensional calculations of facets during Czochralski crystal growth | |
| Skuntz et al. | Axial variability of pattern formation in Rayleigh-Bénard convection: MRI velocimetry in a low aspect ratio cylinder | |
| Avetissov et al. | Modeling of axial vibrational control technique for CdTe VGF crystal growth under controlled cadmium partial pressure | |
| Barinovs et al. | Study of silicon crystal surface formation based on molecular dynamics simulation results | |
| Virzi | Finite element analysis of the thermal history for Czochralski growth of large diameter silicon single crystals | |
| Tang et al. | Modeling Maximum Stresses in Each Layer for Layer-by-Layer Deposition of the Direct Metal Laser Sintering Process for Different Scanning Patterns |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200226 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210127 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210202 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210818 |