JP2020070470A - 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム - Google Patents

Abstract

【課題】試行錯誤により制御条件を得るのは効率が悪い。【解決手段】成膜装置の制御条件を示す制御条件データを取得する制御条件取得部と、制御条件データが示す制御条件で動作させた成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得部と、取得された制御条件データおよび膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理部とを備える学習処理装置が提供される。【選択図】図１

Description

本発明は、学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラムに関する。

従来、有機金属気相成長装置などの成膜装置においては、所望の特性の膜を得るために、熟練したオペレータの試行錯誤によって好ましい制御条件を見出している（例えば、特許文献１参照）。
特許文献１ 中国特許出願公開第１０６５２１４５９号明細書

しかしながら、試行錯誤により制御条件を得るのは効率が悪い。

上記課題を解決するために、本発明の第１の態様においては、成膜装置の制御条件を示す制御条件データを取得する制御条件取得部と、制御条件データが示す制御条件で動作させた成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得部と、取得された制御条件データおよび膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理部とを備える学習処理装置が提供される。

本発明の第２の態様においては、成膜装置の制御条件を示す制御条件データを取得する制御条件取得段階と、制御条件データが示す制御条件で動作させた成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得段階と、取得された制御条件データおよび膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理段階とを備える学習処理方法が提供される。

本発明の第３の態様においては、基板を準備する準備段階と、化合物半導体に含まれるべき複数の膜を基板上に積層する積層段階とを備え、積層段階において、第２の態様の学習処理方法を用いて成膜装置を動作させて、複数の膜のうち少なくとも１つの膜を成膜する化合物半導体の製造方法が提供される。

本発明の第４の態様においては、コンピュータを、成膜装置の制御条件を示す制御条件データを取得する制御条件取得部と、制御条件データが示す制御条件で動作させた成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得部と、取得された制御条件データおよび膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理部として機能させるプログラムが提供される。

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

本実施形態に係るシステム１を示す。 成膜装置２の一例を示す。 ガス供給設備２３００を示す。 モデル３５の学習方法を示す。 化合物半導体の製造方法を示す。 モデル３５を用いた成膜方法を示す。 発光デバイス５の層構成を示す。 本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

［１．システム］
図１は、本実施形態に係るシステム１を示す。システム１は、成膜装置２および学習処理装置３を備える。

［１−１．成膜装置］
成膜装置２は、基板の表面に成膜を行う。成膜装置２は、気相成長法によって成膜を行ってもよいし、他の手法によって成膜を行ってもよい。

［１−２．学習処理装置］
学習処理装置３は、機械学習による学習処理を行うものであり、制御条件取得部３１と、膜特性取得部３２と、状態取得部３３と、学習処理部３４と、モデル３５とを有する。また、本実施形態では一例として学習処理装置３は、モデル３５を用いて成膜装置２を制御可能となっており、目標膜特性取得部３６と、目標膜特性供給部３７と、推奨制御条件取得部３８と、制御部３９とを有する。

［１−２−１．制御条件取得部］
制御条件取得部３１は、成膜装置２の制御条件を示す制御条件データを取得する。制御条件取得部３１は制御条件データを、オペレータ、成膜装置２および後述の制御部３９の少なくとも１つから取得してよい。制御条件取得部３１は、取得した制御条件データを学習処理部３４に供給してよい。

［１−２−２．膜特性取得部］
膜特性取得部３２は、制御条件データが示す制御条件で動作させた成膜装置２によって成膜された膜の特性を示す膜特性データを取得する。膜特性取得部３２は膜特性データを、オペレータ、および、膜特性を計測するための計測装置（図示せず）の少なくとも１つから取得してよい。計測装置は成膜装置２の内部に配置されてもよいし、外部に配置されてもよい。膜特性取得部３２は、取得した膜特性データを学習処理部３４に供給してよい。

［１−２−３．状態取得部］
状態取得部３３は、成膜装置２の状態を示す状態データを取得する。状態取得部３３は状態データを、オペレータおよび成膜装置２の少なくとも１つから取得してよい。また状態取得部３３は、成膜装置２の設置された環境の温度や湿度などを、状態データとして取得してもよい。膜特性取得部３２は、取得した状態データを学習処理部３４およびモデル３５に供給してよい。

［１−２−４．学習処理部］
学習処理部３４は、入力される学習データを用いてモデル３５の学習処理を実行する。学習データは、制御条件取得部３１からの制御条件データ、膜特性取得部３２からの膜特性データ、および、状態取得部３３からの状態データを含んでよい。

［１−２−５．モデル］
モデル３５は、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する成膜装置２の制御条件を示す推奨制御条件データを出力する。本実施形態では一例として、モデル３５には、成膜装置２の状態を示す状態データが更に入力される。なお、モデル３５は、学習処理装置３の外部のサーバに格納されてもよい。モデル３５は、推奨制御条件データを推奨制御条件取得部３８に出力するが、学習処理装置３の外部に出力してもよい。

［１−２−６．目標膜特性取得部］
目標膜特性取得部３６は、目標とする膜の特性を示す目標膜特性データを取得する。本実施形態では一例として、目標膜特性取得部３６は目標膜特性データをオペレータから取得する。目標膜特性取得部３６は、取得した目標膜特性データを目標膜特性供給部３７に供給してよい。

［１−２−７．目標膜特性供給部］
目標膜特性供給部３７は、目標膜特性取得部３６からの目標膜特性データをモデル３５に供給する。

［１−２−８．推奨制御条件取得部］
推奨制御条件取得部３８は、目標膜特性データをモデル３５に供給したことに応じてモデル３５が出力する推奨制御条件データを取得する。推奨制御条件取得部３８は、取得した推奨制御条件データを制御部３９に供給してよい。

［１−２−９．制御部］
制御部３９は、成膜装置２に制御条件データを供給することで、当該制御条件データが示す制御条件で成膜装置２を動作させる。例えば制御部３９は、成膜装置２に推奨制御条件データを供給することで、推奨制御条件データが示す制御条件で成膜装置２を動作させてよい。

以上のシステム１によれば、目標膜特性データの入力に応じて推奨制御条件データを出力するモデル３５の学習処理が実行されるので、目標とする膜特性を入力することで、推奨される制御条件を得ることができる。従って、熟練したオペレータによる試行錯誤を必要とせずに、推奨される制御条件を得ることができる。

また、モデル３５は目標膜特性データおよび成膜装置２の状態データの入力に応じて推奨制御条件データを出力するものであり、取得された状態データを含む学習データを用いて学習処理が実行されるので、目標膜特性の膜を作るためのより正確な制御条件を得ることができる。

また、目標膜特性データがモデル３５に供給されて推奨制御条件データの制御条件で成膜装置２が制御されるので、目標膜特性、またはこれに近似した膜特性の膜を得ることができる。

［２．成膜装置］
図２は、成膜装置２の一例を示す。例えば成膜装置２は有機金属気相成長装置であり、基板１０上にＡｌ、Ｇａ、Ｉｎ、Ｃ、Ｓｉ、Ｓｎ、ＢＮ、Ｍｇ、Ｚｎ、Ｃｄ、Ｈｇ、Ｎ、Ａｓ、Ｓｂ、Ｏ、Ｓ、Ｓｅ、Ｔｅ、Ｆｅ、Ｅｕ、Ｅｒ、および、Ｐｒの少なくとも１つを含む１または複数の膜を成膜する。一例として、基板１０はＡl、ＧａおよびＮの少なくとも１つを含む化合物半導体基板（一例としてアルミナイトライド）またはサファイア基板であってよく、直径２インチ（５０．８ｍｍ）、厚さ０．５ｍｍの円板状であってよい。成膜される膜はｎ型半導体層、アンドープ半導体層、ｐ型半導体層のいずれでもよいし、例えばδドープのように不均一なドープ層（変調ドープ層）であってもよいし、これらの何れかの積層体であってもよい。基板１０と基板１０上に成膜される膜との間、および、上下に隣接する膜同士の間では、それぞれ格子定数が違っていてよい。成膜装置２は、成膜チャンバ２０、サセプタ２１、基板ヒータ２２、ガス供給装置２３、および、プロセスポンプ２４を有する。

［２−１．成膜チャンバ］
成膜チャンバ２０は、内部に保持する基板１０に成膜を行うための密閉された反応容器である。成膜チャンバ２０は一例として筐体の内部に環状の側壁部を有してよい。筐体はＳＵＳ製であってよく、側壁部は石英製であってよい。

［２−２．サセプタ］
サセプタ２１は、基板１０を支持する。例えば、サセプタ２１の上面には基板１０を収容するための円形状の座ぐり２１０が設けられてよい。座ぐり２１０の径は基板１０の径よりも大きくてよく、これにより座ぐり２１０の内壁と基板１０の側周面との間には間隔Δ１が設けられてよい。一例として基板１０の直径は５０．８ｍｍ、座ぐりの直径は５１．６ｍｍでよい。間隔Δ１は基板１０の周方向の全域にわたって０．４ｍｍでよいが、後述のようにサセプタ２１が回転して遠心力により基板１０が座ぐり２１０内で移動する場合には、間隔Δ１は回転の中心側で０．８ｍｍ、外周側で０ｍｍであってよい。また、座ぐり２１０の深さは基板１０の厚さと異なってよく、これにより座ぐり２１０内の基板１０の上面と、サセプタ２１の上面との間には段差Δ２が設けられてよい。例えば座ぐり２１０の深さは基板１０の厚さより大きくてよく、座ぐり２１０内の基板１０の上面はサセプタ２１の上面よりも段差Δ２だけ低くてよい。一例として基板１０の厚さは０．５５ｍｍ、座ぐりの深さは０．７ｍｍでよく、段差Δ２は０．１５ｍｍでよい。但し、基板１０の上面はサセプタ２１の上面と面一であってもよく、段差Δ２は０であってよい。サセプタ２１は円板状に形成され、周方向に複数（一例として６つ）の座ぐり２１０を有してもよいし、中心部に単一の座ぐり２１０を有してもよい。サセプタ２１は、成膜チャンバ２０と同心円状に配置されてよく、中心部から垂下するシャフト２１１により回転可能に設けられてよい。サセプタ２１の回転速度は調整可能でよい。サセプタ２１は一例としてカーボンや炭化ケイ素で形成されてもよいし、炭化ケイ素でコーティングされたカーボン等で形成されてもよい。

［２−３．基板ヒータ］
基板ヒータ２２は、基板１０を加熱する。基板ヒータ２２は基板１０を加熱することで、基板１０の近傍（一例として基板１０の表面）の原料化合物を分解してよい。例えば基板ヒータ２２は、サセプタ２１の下側に設けられ、サセプタ２１を介して基板１０を加熱してよい。一例として基板ヒータ２２は９００〜１３００℃に維持されて、基板１０の上面が約８００℃〜１２００℃となるように加熱を行ってよい。

基板ヒータ２２はサセプタ２１の別々の領域を加熱する複数（一例として３つ）の領域別ヒータ（図示せず）を有してよく、領域別ヒータに対する供給電力、ひいては領域別ヒータによる加熱量は独立に制御可能であってよい。一例として、領域別ヒータは環状に形成され、同心円状に配置されてよい。なお、成膜チャンバ２０が透光性である場合には、基板ヒータ２２は成膜チャンバ２０の外部から輻射によって基板１０を加熱するなど、他の方法で基板１０を加熱してもよい。

［２−４．ガス供給装置］
ガス供給装置２３は、成膜チャンバ２０内にガスを供給する。例えば、ガス供給装置２３は、成膜の原料となる原料ガスと、原料ガスを成膜チャンバ２０内に流すためのキャリアガスとを成膜チャンバ２０に供給してよい。ガス供給装置２３は、複数のガス源２３０と、ガス源２３０からのガスを成膜チャンバ２０内に供給する１または複数の原料供給口２３２とを有する。

［２−４（１）．ガス源］
複数のガス源２３０は、原料ガスおよび／またはキャリアガスを原料供給口２３２に供給する。ここで、原料ガスに含まれる原料は、Ａｌ、Ｇａ、Ｉｎ、Ｃ、Ｓｉ、Ｓｎ、Ｂ、Ｍｇ、Ｚｎ、Ｃｄ、Ｈｇ、Ｎ、Ａｓ、Ｓｂ、Ｏ、Ｓ、Ｓｅ、Ｔｅ、Ｆｅ、Ｅｕ、Ｅｒ、および、Ｐｒの少なくとも１つであってよく、単体でもよいし、化合物でもよい。

原料としてのＳｉは、モノシランとして供給されてよい。モノシランは後述のキャリアガスによって予め希釈された状態でガス源２３０から供給されてよい。キャリアガスは、基板１０や原料に対して反応性が低い不活性ガスであり、一例として水素（Ｈ_２）、および窒素（Ｎ_２）の少なくとも一方を含んでよい。原料としてのＡｌ、Ｇａ、Ｉｎ、およびＭｇは、化合物である有機金属として供給されてよく、このような有機金属は一例としてトリメチルアルミニウム、トリメチルガリウム、トリエチルガリウム、および、シクロペンタジエニルマグネシウムの少なくとも１つであってよい。原料としてのＮは、アンモニアとして供給されてよい。原料として有機金属、モノシランおよびアンモニアが用いられる場合には、これらは別々のガス源２３０から供給されてよい。原料ガスは、原料のみを含むガスであってもよいし、有機金属の液体をバブリングによりガス化するためのバブリングガスをさらに含む混合ガスであってもよい。バブリングガスは基板１０や原料に対して不活性なガスであり、例えばキャリアガスと同種のガスであってよい。一例として、成膜の原料にアルミが含まれる場合には、混合ガスには、原料ガスとしてのトリメチルアルミニウムのガスと、バブリングガスとしての水素（Ｈ_２）ガスとが含まれてよい。なお、原料としてのＣ、Ｓｎ、Ｂ、Ｚｎ、Ｃｄ、Ｈｇ、Ａｓ、Ｓｂ、Ｏ、Ｓ、Ｓｅ、Ｔｅ、Ｆｅ、Ｅｕ、Ｅｒ、Ｐｒなどの原料元素に関しては、従来より公知の態様で供給されてよい。

［２−４（２）．原料供給口］
各原料供給口２３２は、成膜チャンバ２０の内部に複数の位置で開口する。原料供給口２３２の各開口部は、サセプタ２１上で回転する基板１０の上面に一様に原料ガスが供給されるよう分散して配置されてよい。本図では原料供給口の一例として原料供給口２３２が成膜チャンバ２０の天井面に設けられている。原料供給口２３２の開口部とサセプタ２１の上面との間隔は５ｍｍ〜２０ｍｍとなっているが、間隔は１０ｃｍや２０ｃｍなど、他の大きさでもよいし、原料供給口２３２は成膜チャンバ２０の側壁面に設けられてもよい。原料供給口２３２は、一例としてシャワーヘッドであってよい。原料供給口２３２は水冷により一例として４５℃などに維持されてよく、原料供給口２３２から成膜チャンバ２０内に供給されるガスの温度は約５０℃〜２００℃であってよい。なお、本実施形態では一例として、各原料供給口２３２は、成膜チャンバ２０内にガスを別々に供給するが、予めガス同士を混合してから成膜チャンバ２０内に供給してもよい。

［２−４．プロセスポンプ］
プロセスポンプ２４は、成膜チャンバ２０内のガスを吸引して排出する。プロセスポンプ２４は、例えば成膜チャンバ２０内の圧力が５０ｍｂａｒとなるように吸引を行ってよく、成膜チャンバ２０内の圧力は調整可能であってよい。プロセスポンプ２４と成膜チャンバ２０との間には、ガスの排出量を調整するための開閉バルブ２４０が設けられてよい。

以上の成膜装置２においては、例えば基板１０をサセプタ２１上に配置して基板ヒータ２２で加熱し、サセプタ２１を回転させながら有機金属、シラン及びアンモニアを含む原料ガスをキャリアガスとともに成膜チャンバ２０内に流すことにより、有機金属が分解されて基板１０の表面で金属元素とアンモニアとが反応して成膜が行われる。

［２−５．ガス供給設備］
図３は、有機金属の原料ガスをキャリアガスと共に成膜チャンバ２０に供給するガス供給設備２３００を示す。ガス供給装置２３は、ガス供給設備２３００により有機金属の原料ガスおよびキャリアガスを成膜チャンバ２０に供給してよい。

ガス供給設備２３００は、キャリアガス用のガス源２３０ｂと、メインガスライン２３０１と、ベント用ライン２３０２と、ガス調整用ライン２３０３と、バブリングガス供給ライン２３０４と、原料ガス用のガス源２３０ａと、原料供給ライン２３０５と、複数のマスフローコントローラ２３０６と、開閉バルブ対２３０７，２３０８とを有する。

キャリアガス用のガス源２３０ｂは、ガス源２３０の一例であり、キャリアガスをメインガスライン２３０１に供給する。メインガスライン２３０１は、キャリアガス用のガス源２３０ｂと、成膜チャンバ２０との間を連通させる。メインガスライン２３０１には、成膜チャンバ２０に供給するキャリアガスのほぼ全てが流される。

ベント用ライン２３０２は、キャリアガス用のガス源２３０ｂと、成膜装置２の外部との間を連通させる。ベント用ライン２３０２には、排気用のキャリアガスが流される。

ガス調整用ライン２３０３は、キャリアガス用のガス源２３０ｂと、メインガスライン２３０１およびベント用ライン２３０２との間を連通させる。ガス調整用ライン２３０３には、原料供給ライン２３０５からのガス供給により成膜チャンバ２０内のガス流が変化しないようガスの供給量を調整するための調整用キャリアガスが流される。

バブリングガス供給ライン２３０４は、キャリアガス用のガス源２３０ｂと、有機金属の原料ガス用のガス源２３０ａとの間を連通させる。バブリングガス供給ライン２３０４には、ガス源２３０ｂからのキャリアガスがガス源２３０ａでのバブリングガスとして流される。

ガス源２３０ａは、バブリングガス供給ライン２３０４からのバブリングガス（本実施形態ではキャリアガス）を用いてガスバブラー２３１でバブリングを行い、原料ガスおよびキャリアガスを含んだ混合ガスを原料供給ライン２３０５に供給する。

原料供給ライン２３０５は、ガスバブラー２３１と、メインガスライン２３０１およびベント用ライン２３０２との間を連通させる。原料供給ライン２３０５には、ガス源２３０ａからの混合ガスが流される。

複数のマスフローコントローラ２３０６は、マスフローコントローラ２３０６（１）〜２３０６（６）を有する。マスフローコントローラ２３０６（１）は、メインガスライン２３０１に設けられ、メインガスライン２３０１を介して成膜チャンバ２０に流れるキャリアガスの流量を調整する。マスフローコントローラ２３０６（２）は、ベント用ライン２３０２に設けられ、ベント用ライン２３０２を介して成膜装置２の外部に排出されるキャリアガスの流量を調整する。マスフローコントローラ２３０６（３），２３０６（５）は、バブリングガス供給ライン２３０４に設けられ、バブリングガス供給ライン２３０４に流れるバブリングガス（本実施形態ではキャリアガス）の流量を調整する。マスフローコントローラ２３０６（４），２３０６（６）は、ガス調整用ライン２３０３に設けられ、ガス調整用ライン２３０３に流れる調整用キャリアガスの流量を調整する。

開閉バルブ対２３０７は、ガス調整用ライン２３０３とメインガスライン２３０１との接続部、および、ガス調整用ライン２３０３とベント用ライン２３０２との接続部にそれぞれ設けられた一対のバルブを有する。これにより、開閉バルブ対２３０７は、ガス調整用ライン２３０３からメインガスライン２３０１およびベント用ライン２３０２のそれぞれへの調整用キャリアガスの注入量を調整する。例えば、開閉バルブ対２３０７は、メインガスライン２３０１から成膜チャンバ２０へのガス供給量を一定に維持するよう、原料供給ライン２３０５からメインガスライン２３０１へのガス供給量の変化に合わせて、調整用キャリアガスをメインガスライン２３０１および／またはベント用ライン２３０２に注入させる。

開閉バルブ対２３０８は、原料供給ライン２３０５とメインガスライン２３０１との接続部、および、原料供給ライン２３０５とベント用ライン２３０２との接続部にそれぞれ設けられた一対のバルブを有する。これにより、開閉バルブ対２３０８は、原料供給ライン２３０５からメインガスライン２３０１およびベント用ライン２３０２のそれぞれへの混合ガス（本実施形態では原料ガスおよびキャリアガスの混合ガス）の注入量を調整する。

なお、ガス源２３０ａ、ガス調整用ライン２３０３、バブリングガス供給ライン２３０４、原料供給ライン２３０５、および、開閉バルブ対２３０７，２３０８は、有機金属の原料毎に設けられてよい。本実施形態では一例として、ガス供給設備２３００は、ガリウムの有機金属用のガス源２３０ａ（Ｇａ）、ガス調整用ライン２３０３（Ｇａ）、バブリングガス供給ライン２３０４（Ｇａ）、原料供給ライン２３０５（Ｇａ）、および、開閉バルブ対２３０７（Ｇａ），２３０８（Ｇａ）と、アルミニウムの有機金属用のガス源２３０ａ（Ａｌ）、ガス調整用ライン２３０３（Ａｌ）、バブリングガス供給ライン２３０４（Ａｌ）、原料供給ライン２３０５（Ａｌ）、および、開閉バルブ対２３０７（Ａｌ），２３０８（Ａｌ）を有してよい。

以上のガス供給設備２３００においては、成膜の準備段階において、マスフローコントローラ２３０６（１）が一定量のキャリアガスをメインガスライン２３０１から成膜チャンバ２０に流す。また、マスフローコントローラ２３０６（２）が一定量のキャリアガスをベント用ライン２３０２に流す。メインガスライン２３０１およびベント用ライン２３０２内の流量は同じでもよいし、異なってもよい。

成膜チャンバ２０内に原料ガスを供給する場合には、マスフローコントローラ２３０６（３）は、各原料用のバブリングガス供給ライン２３０４（本実施形態では一例としてバブリングガス供給ライン２３０４（Ｇａ）および２３０４（Ａｌ））にキャリアガスを流す。各ガス源２３０ａは、バブリングを行って原料ガスおよびキャリアガスを含んだ混合ガスを原料供給ライン２３０５に供給する。成膜に使用されない原料用の開閉バルブ対２３０７（一例としてＧａＮ膜を成膜する場合の開閉バルブ対２３０７（Ａｌ））は混合ガスをベント用ライン２３０２に流して排気させる。成膜に使用される原料用の開閉バルブ対２３０７（一例としてＧａＮ膜を成膜する場合の開閉バルブ対２３０７（Ｇａ）や、ＡｌＧａＮ膜を成膜する場合の開閉バルブ対２３０７（Ｇａ），２３０７（Ａｌ））は、各混合ガスの流量が目標流量となり、かつ、バブリングが安定するまでは混合ガスをベント用ライン２３０２に流して排気させる。ここで、混合ガスの目標流量は、マスフローコントローラ２３０６（１）によりメインガスライン２３０１に流されるキャリアガスの流量に対して概ね１００分の１程度であってよい。例えば、キャリアガスと混合ガスとの体積流量比は１０Ｌ／分：１００〜１０００ｓｃｃｍであってよい。

マスフローコントローラ２３０６（４）は各原料用のガス調整用ライン２３０３に調整用キャリアガスを流し、ガス調整用ライン２３０３の開閉バルブ対２３０７は調整用キャリアガスをメインガスライン２３０１に注入する。ここで、各ガス調整用ライン２３０３からメインガスライン２３０１への調整用キャリアガスの注入量は調整用キャリアガスの目標流量となるよう、マスフローコントローラ２３０６（４）および開閉バルブ対２３０７の協働によりフィードバック制御を用いて調整されてよい。調整用キャリアガスの目標流量は、対応する原料の混合ガスの目標流量の最大値、または、当該最大値にマージンを加えた流量であってよい。一例として、ガス源２３０ａ（Ｇａ）からの混合ガスの目標流量の最大値が１００ｓｃｃｍである場合には、ガス調整用ライン２３０３（Ｇａ）による調整用キャリアガスの目標流量は１００ｓｃｃｍであってよい。同様に、ガス源２３０ａ（Ａｌ）からの混合ガスの目標流量の最大値が１００ｓｃｃｍである場合には、ガス調整用ライン２３０３（Ａｌ）による調整用キャリアガスの目標流量は１００ｓｃｃｍであってよい。調整用キャリアガスは、原料の混合ガスの供給開始よりも基準時間（一例として５分）前からメインガスライン２３０１に注入されてよい。

混合ガスの流量が目標流量に一致し、かつ、バブリングが安定した場合には、各原料のうち、成膜に使用される原料用の原料供給ライン２３０５に設けられた開閉バルブ対２３０８は、原料供給ライン２３０５からの混合ガスの注入先をベント用ライン２３０２からメインガスライン２３０１に変更する。また、各原料のうち、成膜に使用される原料用のガス調整用ライン２３０３に設けられた開閉バルブ対２３０７は、メインガスライン２３０１から成膜チャンバ２０へのガス供給量を一定に維持するよう、原料供給ライン２３０５からメインガスライン２３０１へのガス供給量の変化に合わせて、調整用キャリアガスの少なくとも一部の注入先をメインガスライン２３０１からベント用ライン２３０２に変更する。これにより、原料ガスの供給が開始されるときの供給ガス量の経時的な均一性が向上されて成膜チャンバ２０内でのガス流の変化が防がれる。混合ガスの流量が目標流量に一致するか否かの判断には、差圧計を用いてよい。例えば、成膜に使用される原料用のガス調整用ライン２３０３に、当該原料の混合ガスの目標流量と等しい流量で調整用キャリアガスを流す場合には、差圧計を用いてメインガスライン２３０１内の圧力と、ベント用ライン２３０２内の圧力との差圧をモニタリングすることで、混合ガスの流量が目標流量に一致するか否かを判断することができる。

なお、原料供給ライン２３０５およびガス調整用ライン２３０３からの注入先の変更は瞬時に行われるが、徐々に行われてもよい。また、成膜チャンバ２０への原料ガスの供給を停止する場合には、メインガスライン２３０１から成膜チャンバ２０に供給されるガスの流量が一定に維持されるよう、開閉バルブ対２３０８が原料供給ライン２３０５からの混合ガスの注入先をメインガスライン２３０１からベント用ライン２３０２に変更し、開閉バルブ対２３０７がガス調整用ライン２３０３からの調整用キャリアガスの注入先をベント用ライン２３０２からメインガスライン２３０１に変更する。

［２−２．成膜装置２の制御条件］
成膜装置２は、制御条件に従って成膜を行う。制御条件は、装置に入力されるインプット条件であって、例えばオペレータにより設定される。制御条件は、成膜装置２において直接的に制御可能な条件に限らず、間接的に制御可能な条件であってもよい。一例として制御条件は、成膜チャンバ２０内に供給される原料ガスの量、原料ガス分圧、成膜チャンバ２０内に供給されるキャリアガスの量、成膜チャンバ２０内に存在するガスの種類、各ガスの分圧比、ガスバブラー２３１の温度、ガスバブラー２３１の圧力、ガスバブラー２３１における有機金属の蒸気圧、ガスバブラー２３１に対するバブリングガスの供給量、サセプタ２１の回転速度、成膜チャンバ２０内の圧力、基板１０の温度、基板ヒータ２２の温度、基板ヒータ２２に対する供給電力、基板ヒータ２２における各領域別ヒータに対する供給電力のバランス、成膜チャンバ２０への供給ガス量のフィードバック制御におけるゲイン、成膜にかける時間、および、成膜装置２内で成膜前に行われる前処理条件のうち少なくとも１つでよい。このうち、成膜チャンバ２０内に供給される原料ガス，キャリアガスの量は、単位時間当たりに供給されるガスの流量（一例として体積流量または質量流量）でもよいし、成膜の開始から終了までの期間内での総供給量（一例として体積または質量）でもよい。また、成膜チャンバ２０内の圧力は、成膜チャンバ２０内の全圧でもよいし、各ガスの分圧でもよい。基板１０の温度としては、例えば基板ヒータ２０１への供給電力を制御するべく基板ヒータ２０１と基板１０との間に設置された熱電対の温度を用いることができる。成膜チャンバ２０への供給ガス量のフィードバック制御におけるゲインとは、例えばガス調整用ライン２３０３からメインガスライン２３０１への調整用キャリアガスの注入量を目標流量とする場合のフィードバック制御におけるゲインであってよく、一例としてＰＩＤ制御におけるＰゲイン、ＩゲインおよびＤゲインの少なくとも１つでよい。成膜装置２内で成膜前に行う前処理とは、基板１０に対するアニール処理の温度、アニール時間、および、成膜チャンバ２０内に満たされるガスの種類（一例としてＨ_２、Ｎ_２および／またはＮＨ_３）の少なくとも１つであってよい。以上で述べたような制御条件は、経時的に設定されていてもよいし、時間の経過とは無関係に一律に設定（一例として、最大値、最小値または平均値などとして設定）されていてもよい。制御条件は、例えば積層構造（１）、積層構造（２）等の膜構造の種類、あるいはレシピ番号のような識別符号を含んでよく、このような識別符号に対応付けて、制御条件に含まれる各要素の設定値が纏められてよい。なお、成膜チャンバ２０の圧力は、プロセスポンプ２４の動作状況などにより影響を受けるため、成膜装置２の状態を示す状態データであるが、成膜チャンバ２０内の圧力が或る閾値よりも良い場合に成膜動作を実施する場合には、制御条件として用いることが可能である。同様に、成膜装置２の状態を示す後述の状態データの少なくとも一部は、制御条件としても用いられてもよい。

なお、上述の制御条件の各要素のうち、基板ヒータ２０１に対する供給電力は、基板温度を間接的に制御してよい。基板温度が変化すると基板１０表面での原料の移動し易さが変化する結果、成膜される膜内での結晶化の度合いや表面形状、膜の特性（一例として平坦性、結晶性など）が変化する。

また、成膜チャンバ２０の圧力、成膜チャンバ２０内に存在するガスの種類、および、ガスの量は、成膜チャンバ２０内の圧力および雰囲気の質を直接的または間接的に制御してよい。成膜チャンバ２０内の圧力および雰囲気の質が変化すると、成長表面の状態が変化する結果、成膜される膜の特性が変化する。

［２−３．メンテナンス］
成膜装置２には、種々のメンテナンスが行われる。例えば、メンテナンスは、成膜チャンバ２０を大気開放して行われてもよいし、密閉したままで行われてもよい。メンテナンスは窒素でベント、あるいはパージされた状態で行うこともできる。メンテナンスは定期的（一例として３日ごと）に行われてもよいし、成膜された膜の特性に応じて行われてもよいし、使用部品の寿命，故障などに応じて行われてもよい。

［３．動作］
［３−１．モデルの学習処理］
図４は、モデル３５の学習方法を示す。システム１は、ステップＳ１〜Ｓ７の処理によりモデル３５の学習を行う。なお、システム１はステップＳ１〜Ｓ７の処理を、成膜装置２における各回の成膜動作について行ってもよいし、ある期間の成膜動作のみを抽出するなど、一部の成膜動作について行ってもよい。成膜される膜構造は、単層膜であってもよいし、積層膜であってもよい。

ステップＳ１において制御条件取得部３１は、成膜装置２の制御条件を示す制御条件データを取得する。

ステップＳ３において膜特性取得部３２は、制御条件データが示す制御条件で動作させた成膜装置２によって成膜された膜の膜特性データを取得する。膜特性データは、成膜された膜の膜厚、組成、平坦性、電気特性（一例として移動度、キャリア濃度、抵抗値など）、光学特性（一例としてバンドギャップ、透過率、透過スペクトル、フォトルミネッセンス強度およびフォトルミネッセンス波長ピーク、発光スペクトル半値幅など）、結晶性、表面情報、および、転位密度の少なくとも一つに関するデータを含んでよい。膜特性は、単層の膜の特性でもよいし、積層された複数の膜の特性でもよい。各特性は、膜の複数の位置の値の最大値、最小値、平均値、および、値の分布のいずれでもよいし、一の位置（例えば中央）の値でもよい。組成とは、構成元素の組成比でもよいし、格子定数でもよい。表面情報は、成膜された膜の光学顕微鏡写真から得られる情報を含んでもよいし、段差計やＡＦＭ、或いは異物検査装置などの、表面の凹凸の計測から得られる情報を含んでもよい。なお、成膜装置２において１回の成膜動作で複数の基板１０（同一バッチの複数の基板１０とも称する）に纏めて成膜が行われる場合、つまりサセプタ２１に複数の基板１０が保持される場合には、膜特性取得部３２は、当該同一バッチの複数の基板１０のうち、全ての基板１０の膜の特性を全数検査により取得してもよいし、一部の基板１０の膜の特性を抜き取り検査により取得してもよい。一例として、膜特性取得部３２は、膜の電気特性および表面状態などを全数検査により取得し、膜厚および結晶性などを抜き取り検査により取得してよい。

ステップＳ５において状態取得部３３は、成膜装置２の状態を示す状態データを取得する。状態データは、制御条件データが示す制御条件で成膜装置２が動作した場合の制御対象の実測値（例えば複数の時点で測定された時系列順の実測値、または、或る時点で測定された実測値）を含んでよい。例えば、状態データは、基板１０の温度、基板ヒータ２０１の温度、基板ヒータ２０１に対する供給電力、基板ヒータ２２の各領域別ヒータに対する供給電力のバランス、基板１０上面とサセプタ上面との段差Δ２、座ぐり２１０の内壁と基板１０の側周面との間隔Δ１、基板１０の反り量、成膜速度、成膜装置２内で成膜前に行われた前処理の内容、成膜装置２への投入前に基板１０に施された処理の内容、ガスバブラー２３１の温度、ガスバブラー２３１の圧力、ガスバブラー２３１における有機金属の蒸気圧、ガスバブラー２３１に対するバブリングガスの供給量、成膜チャンバ２０の圧力、開閉バルブ２４０の開度、および、サセプタ２００の回転速度のうち少なくとも１つに関するデータを含んでよい。このうち、基板ヒータ２０１の温度は、熱電対により測定されてよい。基板１０の温度は、成膜チャンバ２０内、または外に配置される放射温度計により測定されてよい。あるいは基板１０の温度は、基板１０のバンド端吸収や透過スペクトルをもとに測定、算出されてよい。基板１０の反り量は、基板１０の側周部と中央部との高低差でよく、基板１０に対する熱処理などに起因して生じ得る。成膜速度は、単位時間当たりに成膜された膜厚であり、光干渉法により測定されてよい。成膜装置２内で成膜前に行われた前処理の内容は、例えば前処理として基板１０に施されたアニール処理の温度、アニール時間、および、成膜チャンバ２０内に満たされたガスの種類の少なくとも１つでよい。成膜装置２への投入前に基板１０に施された処理内容は、一例として基板１０の洗浄処理の内容であってよい。成膜チャンバ２０の圧力は、成膜チャンバ２０内に配置される真空ゲージ（例えばピラニゲージやバラトロン）により測定されてよい。状態データは、成膜装置２に対するメンテナンス後の総成膜時間（いわゆるキャンペーンの開始からの経過時間）、下地面の特性（一例として基板１０の特性）を含んでもよい。なお、状態取得部３３は、基板温度に関する状態データを各基板１０について取得してもよいし、一部の基板１０について取得してもよい。

また、状態データは、成膜装置２の運転履歴を示す運転履歴データを含んでもよい。運転履歴データは、成膜装置２に行われたメンテナンスの回数および内容（一例として或る部品を交換，洗浄したなど）の少なくとも１つに関するデータ、成膜装置２の少なくとも１つの部品の使用回数に関するデータ、メンテナンス時にガスバブラー２３１にチャージした原材料の重量、成膜装置２の成膜回数に関するデータ、および過去に形成した膜に関するデータの少なくとも１つを含んでよい。メンテナンスの回数および内容の少なくとも１つに関するデータはメンテナンスの履歴を示すデータでよい。成膜回数に関するデータは、メンテナンス後の成膜回数でもよいし、メンテナンスとは無関係に通算した成膜回数でもよい。過去に形成した膜に関するデータは、過去に成膜した膜の種類，特性などを示す履歴データでよい。これらの運転履歴データは、成膜チャンバ２０の内部における原料の付着状態、ひいては各部材の熱容量、熱伝導の状態に関連し得る。

なお、ステップＳ１，Ｓ３，Ｓ５の処理は、この順番で行われなくてもよい。また、図４の学習処理が複数回行われる場合に、一部の学習処理ではステップＳ３およびステップＳ５の一方の処理が省略されてよく、他の一部の学習処理では他方の処理が省略されてよい。

ステップＳ７において学習処理部３４は、取得された制御条件データ、膜特性データおよび状態データを含む学習データを用いてモデル３５の学習処理を実行する。ステップＳ３の処理が行われていない場合には、学習処理部３４は、膜特性データを含まない学習データを用いてモデル３５の学習処理を実行してよい。ステップＳ５の処理が行われていない場合には、学習処理部３４は、状態データを含まない学習データを用いてモデル３５の学習処理を実行してもよいし、前回の成膜動作で取得した状態データを用いて学習処理を実行してもよい。モデル３５は、本実施形態では一例としてリカレント型またはタイムディレイ型などのニューラルネットワークであるが、ランダムフォレスト、勾配ブースティング、ロジスティック回帰、および、サポートベクタマシン（ＳＶＭ）などを含む他の機械学習アルゴリズムであってもよい。例えば、モデル３５は、学習データの各要素に対応するノードを入力層に含み、推奨する制御条件の各要素に対応するノードを出力層に含んでよい。学習データの１つの要素に対する入力層のノードは１つでもよいし複数でもよい。入力層および出力層の間には、１または複数のノードを含む中間層（隠れ層）が介在してよい。学習処理部３４は、ノード間をつなぐエッジの重み、および、出力ノードのバイアス値を調整することで学習処理を実行してよい。

以上の動作によれば、目標とする膜特性を入力することで、推奨される制御条件が出力されるモデル３５を生成することができる。また、状態データは運転履歴データを含むので、目標膜特性の膜を作るためのより正確な制御条件を得ることができる。また、運転履歴データは、メンテナンスの回数および内容の少なくとも１つに関するデータを含むので、メンテナンスの回数，内容と膜特性との関係をモデル３５に学習させることができる。なお、このような効果を得る観点からは、膜特性データはメンテナンスが２回以上行われた成膜装置２により成膜された膜から取得されることが好ましい。

なお、ステップＳ１〜Ｓ７の処理によるモデル３５の学習を複数回行う場合には、ステップＳ１，Ｓ３，Ｓ５で取得される制御条件データ、膜特性データおよび状態データに含まれる要素の種類は少なくとも一部の回で異なってよく、ステップＳ７の学習処理では異なる要素の学習データで学習処理が行われてよい。例えば、Ｎ回（但しＮは２以上の自然数）の学習が行われる場合に、１回目からＭ回目（但しＭはＮより小さい自然数）の学習データには制御条件データ、膜特性データおよび状態データにおける要素（ｃ_１，ｃ_２，…ｃ_ｎ）が含まれ、Ｍ＋１回目からＮ回目の学習データには制御条件データ、膜特性データまたは状態データにおける新たな要素（ｃ_ｎ＋１）が追加されてよい。この場合には、Ｍ＋１回目以降の学習においては要素（ｃ_ｎ＋１）を含む学習データを用いて学習処理が行われてよい。また、Ｍ回目以前の学習データには元々は要素（ｃ_ｎ＋１）が含まれていないため、これらの各学習データにはランダム値を持つ要素（ｃ_ｎ＋１）が追加されてよい。これにより、学習データにおける要素（ｃ_１，ｃ_２，…ｃ_ｎ）同士の関係についてはＭ回目までの学習結果を有効に利用することができる。また、要素（ｃ_ｎ＋１）の値をランダム値とすることで、要素（ｃ_ｎ＋１）の値が他の要素（ｃ_１，ｃ_２，…ｃ_ｎ）に与える影響を無くすことができる。

［３−２．化合物半導体の製造］
図５は、化合物半導体の製造方法を示す。まず、ステップＳ１１においてオペレータが基板１０を準備する。例えばオペレータは基板１０を成膜装置２の成膜チャンバ２０内にセットする。ステップＳ１３においてオペレータは、化合物半導体に含まれるべき複数の膜を基板１０上に積層する。これにより、基板１０上に複数の膜が積層された化合物半導体が製造される。

［３−２−１．モデルを用いた成膜］
図６は、モデル３５を用いた成膜方法を示す。システム１は、上述のステップＳ１３の処理においては、積層する複数の膜のうち、少なくとも１つの膜をステップＳ２１〜Ｓ２７の処理により成膜してよい。

ステップＳ２１において目標膜特性取得部３６は成膜対象の膜について、目標とする膜特性を示す目標膜特性データを取得し、ステップＳ２３において目標膜特性供給部３７は目標膜特性データをモデル３５に供給する。これにより、モデル３５から成膜装置２の制御条件に関する推奨制御条件データが出力される。目標膜特性データには、例えば平坦性、電気特性といった物理的特性の他、積層構造（１）、積層構造（２）等の膜構造の種類、あるいはレシピ番号のような識別符号が含まれてよく、目標膜特性データはこのような識別符号で入力されてもよい。

ステップＳ２５において推奨制御条件取得部３８はモデル３５から出力される推奨制御条件データを取得し、ステップＳ２７において制御部３９は、推奨制御条件データが示す制御条件で成膜装置２を動作させる。これにより、目標膜特性、またはこれに近似した膜特性の膜が成膜される。なお、上述のようにして成膜を行う場合には、成膜時の制御条件データ、状態データおよび膜特性データを学習データとしてモデル３５に入力して上述の図４の学習処理を行うことにより、モデル３５の学習処理をさらに行ってもよい。この場合には、化合物半導体を製造しつつモデル３５の学習処理を進めることができる。

［３−３．動作例］
まず、成膜装置２にメンテナンスが行われた場合には、成膜装置２の各部を動作させて状態データを取得し、この状態データと目標膜特性データとをモデル３５に入力して得られる推奨制御条件データにより成膜装置２で成膜を行う。これにより、メンテナンス毎に成膜装置２の状態（一例としてガスバブラー２３１に対する原料のチャージ量、成膜チャンバ２０の内壁面やサセプタ２１の汚れ具合、および、温度測定用の熱電対の位置など）が異なることに起因して制御条件と膜特性との相関関係が異なる場合に、今回のメンテナンス後のキャンペーンでの相関関係が正確に予想されて、推奨される制御条件データにより成膜が行われる。

そして、以降に成膜を行う場合には現在の成膜装置２の状態データと目標膜特性データとをモデル３５に入力して得られる推奨制御条件データにより成膜装置２で成膜を行う。これにより、例えばガスバブラー２３１内の原料が消費されることに起因して、原料ガスの流量に関する制御条件と、実際の流量との相関関係、ひいては制御条件と膜特性との相関関係が前回の成膜時と異なる場合に、今回の相関関係が正確に予想されて、推奨される制御条件データにより成膜が行われる。また、成膜チャンバ２０の内部に原料が付着することに起因して、基板温度に関する制御条件と、実際の基板温度との相関関係、ひいては制御条件と膜特性との相関関係が前回の成膜時と異なる場合に、今回の相関関係が正確に予想されて、推奨される制御条件データにより成膜が行われる。一例として、基板１０や基板ヒータ２２の温度に関する推奨制御条件は、メンテナンス後の成膜回数に応じて異なるようにモデル３５から出力されて成膜に用いられてよい。なお、各成膜時に制御条件データ、状態データおよび膜特性データを学習データとしてモデル３５の学習処理を行ってもよい。

［４．化合物半導体の具体例］
製造される化合物半導体は、例えば発光デバイス（一例として波長２００〜２８０ｎｍの紫外線Ｃ波光を発生させるＬＥＤ）に用いられてよい。このような発光デバイスは例えば殺菌灯や、ＤＮＡの分析機器に具備される。

図７は、発光デバイス５の層構成を示す。発光デバイス５は、アルミナイトライドの基板１０（一例として厚み５００μｍ）上にアルミナイトライドの単結晶層５１（一例として厚み５００ｎｍ）、窒化アルミニウムガリウムのｎ−層５２（一例として厚み５００ｎｍ）、窒化アルミニウムガリウム（Ａｌ_0.75ＧａＮ）のバリア層５３０（一例として厚み６ｎｍ）および窒化アルミニウムガリウムＡｌ_0.55ＧａＮのウェル層５３１（一例として厚み３ｎｍ）を有する５重の量子井戸層５３、電子ブロック層（ＥＢＬ）５４（一例として厚み１５ｎｍ）、組成を連続的に減少させたグレーデッド層５５（一例として厚み３０ｎｍ）、および、窒化ガリウムのｐ−層５６（一例として厚み１０ｎｍ）を有する。図６の成膜方法によって成膜される膜は、層５１〜５６の何れの層でもよい。ここで、グレーデッド層５５は、正孔の発生層として機能する層であり、アルミニウムの含有量を基板１０側から離れるに従い７５％から２５％に減少させて成膜されている。またｐ−層５６はコンタクト層として機能する。この発光デバイス５では、基板１０としてアルミナイトライド基板を用いているため、サファイア基板を用いる場合と異なり、成膜される膜と格子定数を揃え、転位密度を低くすることが可能となる。

なお、上記の実施形態では、学習処理装置３は状態取得部３３、目標膜特性取得部３６、目標膜特性供給部３７、推奨制御条件取得部３８、および、制御部３９を有することとして説明したが、これらの少なくとも１つを有しないこととしてもよい。学習処理装置３は、状態取得部３３を有しない場合には、制御条件データおよび膜特性データを学習データとして用いてモデル３５の学習処理を行ってよい。また、目標膜特性取得部３６、目標膜特性供給部３７、推奨制御条件取得部３８、および、制御部３９は、学習処理装置３の外部装置（一例として成膜装置２の制御装置）に具備されてよい。

また、学習処理装置３は他の構成を更に有してもよい。例えば、学習処理装置３は、成膜装置２のシミュレーションを行うシミュレータ（図示せず）を有してよい。ここで、シミュレーションとは、成膜装置２内で働く法則を推定・抽出し、これに基づいて挙動を推定することであってよい。この場合、膜特性取得部３２および／または状態取得部３３は、成膜装置２の制御条件を用いたシミュレーションにより得られる成膜装置２の状態、および／または、成膜される膜の特性を取得して学習処理部３４に学習データとして供給してよい。シミュレーションにより得られる成膜装置２の状態には、成膜チャンバ２０内に存在するガスの種類、および／またはガスの量を含んでよい。また、シミュレータは、学習処理部３４に入力される学習データから、膜特性に影響を与え得る独立変数（説明変数）の学習データを抽出してよく、学習処理部３４はシミュレータにより抽出された学習データのみを用いて機械学習を行ってよい。また、学習処理装置３は、目標膜特性データおよび状態データを用いてシミュレータおよびモデル３５のそれぞれから推奨制御条件データを取得し、両者を比較することでモデル３５の学習精度を評価してよく、学習精度が基準値より高い場合には、モデル３５の機械学習を終了してよい。

また、学習処理装置３はモデル３５を１つ有することとして説明したが、複数有してもよい。一例として、学習処理装置３は、メンテナンス後の成膜回数ごと、つまりバッチごとにモデル３５を有してもよい。この場合には、学習処理部３４は、バッチごとにモデル３５の学習処理を行ってよい。また、目標膜特性供給部３７はオペレータにより指定されるモデル３５に目標膜特性データを供給してよい。

また、学習処理装置３は、学習処理によってモデル３５を更新することとして説明したが、学習処理により得られたモデル３５を、元のモデル３５とは別個のモデルとして生成してもよい。この場合、学習処理部３４はオペレータにより指定されるモデル３５の学習処理を行ってよい。また、目標膜特性供給部３７はオペレータにより指定されるモデル３５に目標膜特性データを供給してよい。

また、システム１は成膜装置２を１つ備えることとして説明したが、複数備えることとしてもよい。この場合、各成膜装置２から得られる学習データを学習処理部３４に供給して学習効率を高めてもよいし、１つの成膜装置２から得られる学習データにより学習処理を行ったモデル３５を複数の成膜装置２で共有して製造効率を高めてもよい。

また、成膜装置２を図２の構成として説明したが、他の構成としてもよい。例えば、成膜装置２は、有機金属気相成長装置としての他の構成を有する装置であってもよいし、有機金属気相成長装置とは異なる他の成膜装置であってもよい。

また、モデル３５は目標膜特性データおよび状態データの入力に応じて推奨制御条件データを出力することとして説明したが、入力データおよび出力データはこれに限られない。例えば、モデル３５は、制御条件データの入力に応じて、当該制御条件データで動作させた成膜装置２によって成膜される膜の膜特性データを出力してよい。また、目標とする膜特性と、実際に成膜された膜の膜特性とが異なる場合に、モデル３５は、目標膜特性データおよび実際の膜特性データの入力に応じて、その原因となり得る制御条件を示す制御条件データを出力してもよい。

また、本発明の様々な実施形態は、フローチャートおよびブロック図を参照して記載されてよく、ここにおいてブロックは、（１）操作が実行されるプロセスの段階または（２）操作を実行する役割を持つ装置のセクションを表わしてよい。特定の段階およびセクションが、専用回路、コンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、および／またはコンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタルおよび／またはアナログハードウェア回路を含んでよく、集積回路（ＩＣ）および／またはディスクリート回路を含んでよい。プログラマブル回路は、論理ＡＮＤ、論理ＯＲ、論理ＸＯＲ、論理ＮＡＮＤ、論理ＮＯＲ、および他の論理操作、フリップフロップ、レジスタ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックアレイ（ＰＬＡ）等のようなメモリ要素等を含む、再構成可能なハードウェア回路を含んでよい。

コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（ＲＴＭ）ディスク、メモリスティック、集積回路カード等が含まれてよい。

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはＳｍａｌｌｔａｌｋ、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかを含んでよい。

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して提供され、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

図８は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。コンピュータ２２００にインストールされたプログラムは、コンピュータ２２００に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の１または複数のセクションとして機能させることができ、または当該操作または当該１または複数のセクションを実行させることができ、および／またはコンピュータ２２００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ２２００に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、ＣＰＵ２２１２によって実行されてよい。

本実施形態によるコンピュータ２２００は、ＣＰＵ２２１２、ＲＡＭ２２１４、グラフィックコントローラ２２１６、およびディスプレイデバイス２２１８を含み、それらはホストコントローラ２２１０によって相互に接続されている。コンピュータ２２００はまた、通信インタフェース２２２２、ハードディスクドライブ２２２４、ＤＶＤ−ＲＯＭドライブ２２２６、およびＩＣカードドライブのような入／出力ユニットを含み、それらは入／出力コントローラ２２２０を介してホストコントローラ２２１０に接続されている。コンピュータはまた、ＲＯＭ２２３０およびキーボード２２４２のようなレガシの入／出力ユニットを含み、それらは入／出力チップ２２４０を介して入／出力コントローラ２２２０に接続されている。

ＣＰＵ２２１２は、ＲＯＭ２２３０およびＲＡＭ２２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ２２１６は、ＲＡＭ２２１４内に提供されるフレームバッファ等またはそれ自体の中にＣＰＵ２２１２によって生成されたイメージデータを取得し、イメージデータがディスプレイデバイス２２１８上に表示されるようにする。

通信インタフェース２２２２は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブ２２２４は、コンピュータ２２００内のＣＰＵ２２１２によって使用されるプログラムおよびデータを格納する。ＤＶＤ−ＲＯＭドライブ２２２６は、プログラムまたはデータをＤＶＤ−ＲＯＭ２２０１から読み取り、ハードディスクドライブ２２２４にＲＡＭ２２１４を介してプログラムまたはデータを提供する。ＩＣカードドライブは、プログラムおよびデータをＩＣカードから読み取り、および／またはプログラムおよびデータをＩＣカードに書き込む。

ＲＯＭ２２３０はその中に、アクティブ化時にコンピュータ２２００によって実行されるブートプログラム等、および／またはコンピュータ２２００のハードウェアに依存するプログラムを格納する。入／出力チップ２２４０はまた、様々な入／出力ユニットをパラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入／出力コントローラ２２２０に接続してよい。

プログラムが、ＤＶＤ−ＲＯＭ２２０１またはＩＣカードのようなコンピュータ可読媒体によって提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスクドライブ２２２４、ＲＡＭ２２１４、またはＲＯＭ２２３０にインストールされ、ＣＰＵ２２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ２２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ２２００の使用に従い情報の操作または処理を実現することによって構成されてよい。

例えば、通信がコンピュータ２２００および外部デバイス間で実行される場合、ＣＰＵ２２１２は、ＲＡＭ２２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース２２２２に対し、通信処理を命令してよい。通信インタフェース２２２２は、ＣＰＵ２２１２の制御下、ＲＡＭ２２１４、ハードディスクドライブ２２２４、ＤＶＤ−ＲＯＭ２２０１、またはＩＣカードのような記録媒体内に提供される送信バッファ処理領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信された受信データを記録媒体上に提供される受信バッファ処理領域等に書き込む。

また、ＣＰＵ２２１２は、ハードディスクドライブ２２２４、ＤＶＤ−ＲＯＭドライブ２２２６（ＤＶＤ−ＲＯＭ２２０１）、ＩＣカード等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がＲＡＭ２２１４に読み取られるようにし、ＲＡＭ２２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ２２１２は次に、処理されたデータを外部記録媒体にライトバックする。

様々なタイプのプログラム、データ、テーブル、およびデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ２２１２は、ＲＡＭ２２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプの操作、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ２２１４に対しライトバックする。また、ＣＰＵ２２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ２２１２は、第１の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ２２００上またはコンピュータ２２００近傍のコンピュータ可読媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはＲＡＭのような記録媒体が、コンピュータ可読媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ２２００に提供する。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１ システム、２ 成膜装置、３ 学習処理装置、５ 発光デバイス、１０ 基板、２０ 成膜チャンバ、２１ サセプタ、２２ 基板ヒータ、２３ ガス供給装置、２４ プロセスポンプ、３１ 制御条件取得部、３２ 膜特性取得部、３３ 状態取得部、３４ 学習処理部、３５ モデル、３６ 目標膜特性取得部、３７ 目標膜特性供給部、３８ 推奨制御条件取得部、３９ 制御部、５１ 単結晶層、５２ ｎ−層、５３ 量子井戸層、５５ グレーデッド層、５６ ｐ−層、２１０ 座ぐり、２１１ シャフト、２３０ ガス源、２３１ ガスバブラー、２３２ 原料供給口、２４０ 開閉バルブ、２０１ 基板ヒータ、５３０ バリア層、５３１ ウェル層、２２００ コンピュータ、２２０１ ＤＶＤ−ＲＯＭ、２２１０ ホストコントローラ、２２１２ ＣＰＵ、２２１４ ＲＡＭ、２２１６ グラフィックコントローラ、２２１８ ディスプレイデバイス、２２２０ 入／出力コントローラ、２２２２ 通信インタフェース、２２２４ ハードディスクドライブ、２２２６ ＤＶＤ−ＲＯＭドライブ、２２３０ ＲＯＭ、２２４０ 入／出力チップ、２２４２ キーボード、２３００ ガス供給設備、２３０１ メインガスライン、２３０２ ベント用ライン、２３０３ ガス調整用ライン、２３０４ バブリングガス供給ライン、２３０５ 原料供給ライン、２３０６ マスフローコントローラ、２３０７ 開閉バルブ対、２３０８ 開閉バルブ対

Claims (12)

1. 成膜装置の制御条件を示す制御条件データを取得する制御条件取得部と、
   前記制御条件データが示す制御条件で動作させた前記成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得部と、
   取得された前記制御条件データおよび前記膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する前記成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理部と
   を備える学習処理装置。
2. 前記成膜装置は有機金属気相成長装置であり、
   前記制御条件データは、
   成膜チャンバ内に供給される原料ガスの量、原料ガスの分圧、前記成膜チャンバ内に供給されるキャリアガスの量、前記成膜チャンバ内に存在するガスの種類、各ガスの分圧比、前記原料ガスを供給するガスバブラーの温度、前記ガスバブラーの圧力、前記ガスバブラーにおける原料の蒸気圧、前記ガスバブラーに対するバブリングガスの供給量、サセプタの回転速度、前記成膜チャンバ内の圧力、基板の温度、基板ヒータの温度、前記基板ヒータに対する供給電力、前記基板ヒータに含まれ前記基板の別々の領域を加熱する複数の領域別ヒータに対する供給電力のバランス、前記成膜チャンバへの供給ガス量のフィードバック制御におけるゲイン、成膜にかける時間、および、前記成膜装置内で成膜前に行われる前処理条件の少なくとも１つに関するデータを含む
   請求項１に記載の学習処理装置。
3. 前記成膜装置の状態を示す状態データを取得する状態取得部を更に備え、
   前記学習処理部は、取得された前記状態データを更に含む前記学習データを用いて、前記目標膜特性データおよび前記状態データを入力したことに応じて前記推奨制御条件データを出力する前記モデルの学習処理を実行する
   請求項１または２に記載の学習処理装置。
4. 前記状態データは、前記成膜装置の運転履歴を示す運転履歴データを含む請求項３に記載の学習処理装置。
5. 前記運転履歴データは、前記成膜装置のメンテナンスの回数および内容の少なくとも１つに関するデータ、前記成膜装置の少なくとも１つの部品の使用回数に関するデータ、前記成膜装置の成膜回数に関するデータ、および過去に形成した膜に関するデータの少なくとも１つを含む請求項４に記載の学習処理装置。
6. 前記膜特性データは、前記成膜された膜の膜厚、組成、平坦性、電気特性、光学特性、結晶性、表面情報、および、転位密度の少なくとも一つに関するデータを含み、
   前記表面情報は、前記成膜された膜の光学顕微鏡写真から得られる情報を含む
   請求項１〜５の何れか一項に記載の学習処理装置。
7. 前記成膜装置は、Ａｌ、Ｇａ、Ｉｎ、Ｃ、Ｓｉ、Ｓｎ、Ｂ、Ｍｇ、Ｚｎ、Ｃｄ、Ｈｇ、Ｎ、Ａｓ、Ｓｂ、Ｏ、Ｓ、Ｓｅ、Ｔｅ、Ｆｅ、Ｅｕ、Ｅｒ、および、Ｐｒの少なくとも１つを含む膜を成膜する請求項１から６のいずれか一項に記載の学習処理装置。
8. 目標とする膜の特性を示す前記目標膜特性データを取得する目標膜特性取得部と、
   前記目標膜特性データを前記モデルに供給する目標膜特性供給部と、
   前記目標膜特性データを前記モデルに供給したことに応じて前記モデルが出力する前記推奨制御条件データを取得する推奨制御条件取得部と、
   前記成膜装置を、前記推奨制御条件データが示す制御条件で動作させる制御部と
   を更に備える請求項１から７のいずれか一項に記載の学習処理装置。
9. 成膜装置の制御条件を示す制御条件データを取得する制御条件取得段階と、
   前記制御条件データが示す制御条件で動作させた前記成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得段階と、
   取得された前記制御条件データおよび前記膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する前記成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理段階と
   を備える学習処理方法。
10. 目標とする膜の特性を示す前記目標膜特性データを取得する目標膜特性取得段階と、
    前記目標膜特性データを前記モデルに供給する目標膜特性供給段階と、
    前記目標膜特性データを前記モデルに供給したことに応じて前記モデルが出力する前記推奨制御条件データを取得する推奨制御条件取得段階と、
    前記成膜装置を、前記推奨制御条件データが示す制御条件で動作させる制御段階と
    を更に備える請求項９に記載の学習処理方法。
11. 基板を準備する準備段階と、
    化合物半導体に含まれるべき複数の膜を前記基板上に積層する積層段階と
    を備え、
    前記積層段階において、請求項１０に記載の学習処理方法を用いて前記成膜装置を動作させて、前記複数の膜のうち少なくとも１つの膜を成膜する
    化合物半導体の製造方法。
12. コンピュータを、
    成膜装置の制御条件を示す制御条件データを取得する制御条件取得部と、
    前記制御条件データが示す制御条件で動作させた前記成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得部と、
    取得された前記制御条件データおよび前記膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する前記成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理部
    として機能させるプログラム。

Images