JP7206025B2 - 材料の弾性歪みエンジニアリング - Google Patents
材料の弾性歪みエンジニアリング Download PDFInfo
- Publication number
- JP7206025B2 JP7206025B2 JP2021545347A JP2021545347A JP7206025B2 JP 7206025 B2 JP7206025 B2 JP 7206025B2 JP 2021545347 A JP2021545347 A JP 2021545347A JP 2021545347 A JP2021545347 A JP 2021545347A JP 7206025 B2 JP7206025 B2 JP 7206025B2
- Authority
- JP
- Japan
- Prior art keywords
- strain
- bandgap
- model
- component
- storage medium
- 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.)
- Active
Links
- 239000000463 material Substances 0.000 title claims description 155
- 238000000034 method Methods 0.000 claims description 152
- 238000013179 statistical model Methods 0.000 claims description 76
- 238000003860 storage Methods 0.000 claims description 66
- 238000012549 training Methods 0.000 claims description 65
- 239000006185 dispersion Substances 0.000 claims description 47
- 238000004458 analytical method Methods 0.000 claims description 21
- 230000001052 transient effect Effects 0.000 claims description 8
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 49
- 229910052710 silicon Inorganic materials 0.000 description 49
- 239000010703 silicon Substances 0.000 description 49
- 238000013528 artificial neural network Methods 0.000 description 26
- 238000010801 machine learning Methods 0.000 description 26
- 230000007704 transition Effects 0.000 description 25
- 230000006870 function Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 15
- 238000003062 neural network model Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 210000004027 cell Anatomy 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000003775 Density Functional Theory Methods 0.000 description 8
- 239000013078 crystal Substances 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000012800 visualization Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 229910003460 diamond Inorganic materials 0.000 description 7
- 239000010432 diamond Substances 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000002086 nanomaterial Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- JMASRVWKEDWRBT-UHFFFAOYSA-N Gallium nitride Chemical compound [Ga]#N JMASRVWKEDWRBT-UHFFFAOYSA-N 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000005284 basis set Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 229910052732 germanium Inorganic materials 0.000 description 1
- GNPVGFCGXDBREM-UHFFFAOYSA-N germanium atom Chemical compound [Ge] GNPVGFCGXDBREM-UHFFFAOYSA-N 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004599 local-density approximation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000005624 perturbation theories Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000005418 spin wave Effects 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
- OWWYREKLGMILGW-UHFFFAOYSA-N δline Chemical compound COC1C2C3C4(C5C6OC(C)=O)C(OC)CCC5(C)CN(CC)C4C46OCOC42CC(OC)C1C3 OWWYREKLGMILGW-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
であり、上記の歪みテンソルにおいて、ε11、ε22、およびε33は、8.9%以上かつ9.5%以下である。
であり、上記の歪みテンソルにおいて、ε11は、0.25%以上かつ0.75%以下であり、ε12は、1.45%以上かつ1.95%以下であり、ε13は、0.5%以上かつ1.0%以下であり、ε21は、1.45%以上かつ1.95%以下であり、ε22は、-1.0%以下かつ-1.5%以上であり、ε23は、-1.65%以下かつ-2.15%以上であり、ε31は、0.5%以上かつ1.0%以下であり、ε32は、-1.65%以下かつ-2.15%以上であり、ε33は、-0.8%以下かつ-1.35%以上である。
本発明は、例えば、以下を提供する。
(項目1)
方法であって、前記方法は、
少なくとも3自由度を有する歪み座標の範囲を取得することと、
訓練データを取得することであって、前記訓練データは、前記歪み座標の範囲内の材料に関するバンドギャップおよびエネルギー分散データを含む、ことと、
前記訓練データおよび前記歪み座標の範囲を使用して、第1の訓練された統計的モデルを発生させることであって、前記第1のモデルは、前記材料のバンドギャップモデルおよび分散エネルギーモデルの群から選択される少なくとも1つである、ことと、
今後の使用のために、前記第1のモデルを記憶することと
を含む、方法。
(項目2)
プロセッサ実行可能命令を記憶している少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサによって実行されると、
少なくとも3自由度を有する歪み座標の範囲を取得することと、
訓練データを取得することであって、前記訓練データは、前記歪み座標の範囲内の材料に関するバンドギャップおよびエネルギー分散データを含む、ことと、
前記訓練データおよび前記歪み座標の範囲を使用して、第1の訓練された統計的モデルを発生させることであって、前記第1のモデルは、前記材料のバンドギャップモデルおよび分散エネルギーモデルの群から選択される少なくとも1つである、ことと、
前記材料の1つ以上の特性を決定することにおける今後の使用のために、前記第1のモデルを記憶することと
を含む方法を前記少なくとも1つのプロセッサに実施させる、少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目3)
前記第1のモデルは、前記バンドギャップモデルである、項目1-2のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目4)
前記第1のモデルは、前記分散エネルギーモデルである、項目1-2のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目5)
前記方法は、逆格子空間座標の範囲を取得することをさらに含み、前記第1の訓練された統計的モデルを発生させることは、k空間座標の範囲を使用して、前記第1の訓練された統計的モデルを発生させることを含む、項目4に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目6)
前記方法は、前記第1の訓練された統計的モデル、前記訓練データ、および前記歪み座標の範囲を使用して、第2の訓練された統計的モデルを発生させることをさらに含む、項目1-5のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目7)
前記第1の訓練された統計的モデルは、ニューラルネットワークモデルである、項目1-6のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目8)
前記訓練データを取得することは、前記歪み座標の範囲内の前記バンドギャップおよび前記エネルギー分散データを計算することを含む、項目1-7のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目9)
方法であって、前記方法は、
所望のバンドギャップを取得することと、
前記所望のバンドギャップを材料の訓練された統計的バンドギャップモデルに提供し、対応する出力を取得することと、
前記出力に基づいて、前記所望のバンドギャップに関連付けられた最低歪みエネルギー密度を伴う歪みを識別することと
を含み、
前記歪みは、少なくとも3自由度を有する、方法。
(項目10)
プロセッサ実行可能命令を記憶している少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサによって実行されると、
所望のバンドギャップを取得することと、
前記所望のバンドギャップを材料の訓練された統計的バンドギャップモデルに提供し、対応する出力を取得することと、
前記出力に基づいて、前記所望のバンドギャップに関連付けられた最低歪みエネルギー密度を伴う歪みを識別することと
を含む方法を前記少なくとも1つのプロセッサに実施させ、
前記歪みは、少なくとも3自由度を有する、少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目11)
前記歪みを識別することは、少なくとも部分的に最急降下歪み方向を辿ることに基づいて前記歪みを識別することを含む、項目9-10のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目12)
前記方法は、前記識別された歪みをユーザに出力することをさらに含む、項目9-11のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目13)
前記方法は、前記所望のバンドギャップを伴う歪み座標の組を発生させ、バンドギャップ等値面を形成することをさらに含む、項目9-12のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目14)
前記方法は、前記バンドギャップ等値面をユーザに出力することをさらに含む、項目13に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目15)
前記モデルは、ニューラルネットワークモデルである、項目9-12のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目16)
構成要素の特性を決定する方法であって、前記方法は、
前記構成要素の歪み状態を取得することであって、前記歪み状態は、少なくとも3自由度を有する、ことと、
前記構成要素の前記歪み状態を前記構成要素の材料の訓練された統計的バンドギャップモデルに提供し、前記構成要素の対応する出力バンドギャップを取得することと
を含む、方法。
(項目17)
プロセッサ実行可能命令を記憶している少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサによって実行されると、構成要素の特性を決定する方法を前記少なくとも1つのプロセッサに実施させ、
前記方法は、
前記構成要素の歪み状態を取得することであって、前記歪み状態は、少なくとも3自由度を有する、ことと、
前記構成要素の歪み状態を前記構成要素の材料の訓練された統計的バンドギャップモデルに提供し、前記構成要素の対応する出力バンドギャップを取得することと
を含む、少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目18)
前記方法は、前記構成要素のモデルをメッシュ化することをさらに含み、前記構成要素の前記歪み状態を取得することは、前記メッシュ化されたモデルの複数のメッシュ要素の歪み状態を取得することを含み、前記構成要素の前記出力バンドギャップは、前記複数のメッシュ要素のバンドギャップを含む、項目16-17のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目19)
前記方法は、前記複数のメッシュ要素のバンドギャップパラメータを前記バンドギャップで更新することをさらに含む、項目18に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目20)
前記方法は、前記構成要素の前記バンドギャップの指示をユーザに出力することをさらに含む、項目16-19のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目21)
前記構成要素は、アセンブリの一部であり、前記構成要素の前記歪み状態を取得することは、有限要素分析を使用して、前記構成要素を含む前記アセンブリの歪み状態を決定することを含む、項目16-20のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目22)
前記方法は、今後の使用のために、前記構成要素の前記出力バンドギャップを記憶することをさらに含む、項目16-21のいずれか1項に記載の方法または少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
(項目23)
電気回路であって、前記電気回路は、シリコンから形成された電気構成要素を備え、歪みテンソルが、前記シリコンに加えられており、前記歪みテンソルは、
であり、ε 11 、ε 22 、およびε 33 は、8.9%以上かつ9.5%以下である、電気回路。
(項目24)
ε 11 、ε 22 、およびε 33 は、9.2%にほぼ等しい、項目23に記載の電気回路。
(項目25)
電気回路であって、前記電気回路は、
シリコンから形成された電気構成要素を備え、歪みテンソルが、前記シリコンに加えられており、前記歪みテンソルは、
であり、ε 11 は、0.25%以上かつ0.75%以下であり、ε 12 は、1.45%以上かつ1.95%以下であり、ε 13 は、0.5%以上かつ1.0%以下であり、ε 21 は、1.45%以上かつ1.95%以下であり、ε 22 は、-1.0%以下かつ-1.5%以上であり、ε 23 は、-1.65%以下かつ-2.15%以上であり、ε 31 は、0.5%以上かつ1.0%以下であり、ε 32 は、-1.65%以下かつ-2.15%以上であり、ε 33 は、-0.8%以下かつ-1.35%以上である、電気回路。
(項目26)
ε 11 は、約0.55%であり、ε 12 は、約1.69%であり、ε 13 は、約0.74%であり、ε 21 は、約1.69%であり、ε 22 は、約-1.26%であり、ε 23 は、約-1.92%であり、ε 31 は、約0.74%であり、ε 32 は、約-1.92%であり、ε 33 は、約-1.04%である、項目23に記載の電気回路。
(項目27)
前記電気構成要素の特性長は、約1マイクロメートルより小さい、項目23-26のいずれか1項に記載の電気回路。
(項目28)
前記電気構成要素の特性長は、約100nmより小さい、項目27に記載の電気回路。
ε11、ε22、およびε33は、8.9%以上かつ9.5%以下であり、いくつかの事例において、これらの歪み成分は、好ましくは、約9.2%であり得る。さらにいくつかの実施形態において、歪み成分は、互いにほぼ等しくあり得る。
ε11は、0.25%以上かつ0.75%以下であり、ε12は、1.45%以上かつ1.95%以下であり、ε13は、0.5%以上かつ1.0%以下であり、ε21は、1.45%以上かつ1.95%以下であり、ε22は、-1.0%以下かつ-1.5%以上であり、ε23は、-1.65%以下かつ-2.15%以上であり、ε31は、0.5%以上かつ1.0%以下であり、ε32は、-1.65%以下かつ-2.15%以上であり、ε33は、-0.8%以下かつ-1.35%以上である。いくつかの実施形態において、これらの歪み成分は、より好ましくは、ε11が約0.55%であり、ε12が約1.69%であり、ε13が約0.74%であり、ε21が約1.69%であり、ε22が約-1.26%であり、ε23が約-1.92%であり、ε31が約0.74%であり、ε32が約-1.92%であり、ε33が約-1.04%であることに対応し得る。
しかしながら、上で記載されるように、数個を上回る隔離された歪み座標に関して、これらの特性が弾性歪みに伴って変化するであろう方法についての詳細を決定することは、歪みが少なくとも3次元歪み空間において加えられるとき(少なくとも3、6、または他の適切な数の自由度を有する歪みテンソルおよび/または座標が適用されるときを含む)のような問題を解決することに関わる複雑な算出に起因して、困難である。
ε11、ε22、ε33は、それぞれ、[100]、[010]、および[001]結晶学的方向において、単位格子に対して垂直に加えられる歪み成分に対応する。残りの歪み成分は、図に示されるように、単位格子の種々の表面と平行な方向に加えられ、単位格子の表面と平行に加えられる剪断歪みに対応する。本開示の目的のために、本明細書に説明される種々の歪みテンソルは、上記の命名法に対応し得る。図3は、結晶構造の単位格子を非変形構成から変形構成に弾性的に変形させるように加えられている歪みテンソルを図示する。例えば、歪みテンソル
は、材料の10%3軸引っ張りに対応する歪み座標を指し、
は、材料に加えられている10%純剪断歪みに対応する歪み座標である。
バンド構造は、結晶の回転時、変化しない。したがって、Fが上三角であると仮定することによって、回転自由度を排除することが可能であった。対称歪みテンソルεとFとの間の関係は、以下によって与えられる。
式中、E(ε)は、歪みεによって変形させられる格子の総エネルギーであり、E0およびV0は、非変形格子の総エネルギーおよび体積である。ここにおいて、6D変形が、弾性歪みエネルギー密度の関数としてのバンドギャップ分布の機械学習を使用してモデル化される。h(ε)とバンドギャップとの間の多対多関係が、図12Aに示される。下記でさらに詳述されるように、図は、全体的変形空間内の種々の弾性歪みエネルギー密度hに関して到達可能なバンドギャップ値を描写する。歪まされたシリコンが直接バンドギャップを有する歪み領域は、細長い卵形によって囲まれる。水平軸上の遠景は、半導体/半金属遷移に関する最低エネルギーペナルティを示し、これは、ε11=0.55%、ε12=1.69%、ε13=0.74%、ε21=1.69%、ε22=-1.26%、ε23=-1.92%、ε31=0.74%、ε32=-1.92%、およびε33=-1.04%の変動に対応する。応力なし平衡状態において、シリコンは、1.1eVのバンドギャップを有する。しかしながら、歪みエネルギー密度の増加に伴って、種々の可能なバンドギャップが、サンプリングされ得る。0.2meV/Å3程度の低歪みエネルギー密度を伴うメタ安定シリコンさえ、したがって、応力なしシリコンと非常に異なる材料であろう。hがさらに増加するにつれて、図に図示される固定h下で到達可能な最大および最小バンドギャップの変化によって証明されるように、バンドギャップの許容可能範囲は、降下し、「包絡線」が、最終的に、形成される。
式中、
は、6次元歪み空間内での測定値であり、δ(・)は、Diracデルタ関数であり、H(・)は、Heavisideステップ関数である。h’におけるバンドギャップの「状態の密度」(DOB)が、次いで、以下のように、h’に対してキュムラントの導関数を求めることによって定義される。
のエネルギー間隔内の弾性的に歪まされた状態を検討すると、これらの状態が提供する、バンドギャップの分布が、決定され得る。DOB関数
は、どんなエネルギーコストでどんなバンドギャップが達することができるかの青写真をもたらす。電子バンドギャップに関してだけではなく、概して、任意のスカラー特性(例えば、熱伝導性、超伝導性温度等)に関しても、図12Aに示されるように、深層弾性歪みエンジニアリングのためのロードマップを提供する定義(3)を使用することができる。したがって、
に基づいて、上包絡関数
および下包絡関数
が、以下のように定義され得る。
これは、図12Aにおける上および下点線としてレンダリングされ、したがって、バンドギャップの非ゼロ密度は、
内に該当する。深層弾性歪みエンジニアリングにおいて、
は、ある性能指数を取得するための6D最急降下歪み方向も示す。例えば、可能な限り高速で、または弾性エネルギーの最小コストを用いて、シリコンのバンドギャップを1.1eVから低減させることを所望する場合、図12Bは、このゼロバンドギャップ状態、すなわち、下包絡関数に到達するための最急降下歪み方向に沿った歪みを図示する。全体的バンドギャップ包絡線は、したがって、航空機に関する所与の大気密度(高度)における許容可能マッハ数を説明するために空気力学において使用される「飛行包絡線」に類似するように認められ得る。したがって、最初に、シリコンバンドギャップの形状、さらに、バンド構造自体が、可能な歪み範囲全体を横断して、本材料の弾性歪みエンジニアリングのために容易かつ迅速に利用可能である。
の歪みテンソルによって歪まされたシリコンは、間接から直接バンドギャップ材料に遷移する。この歪みテンソルは、上で説明されるx、y、およびz-軸に沿って(すなわち、シリコン結晶学的[100]、[010]、および[001]方向に沿って)シリコンに同時に加えられる9.2%の等3軸引っ張り、すなわち、同時に全3つの方向における等量の拡張である。そのような実施形態の間、元のシリコンの立方対称性は、依然として、保持される。
およびその境界
を得る。直接バンドギャップが、任意の歪みに存在する場合、その歪みに関して、以下が存在するであろう。
が、直接バンドギャップが現れるために存在する(図12Aにおける卵形によって囲まれた領域):
1.μおよびχ点は、ε1=ε2=ε3線上にある。それらの座標は、したがって、それぞれ、(a,a,a)および(b,b,b)によって示される。
2.αj(j=1,2,3)点は、正三角形を形成し、それは、ε1=ε2=ε3線に直交する平面にある。それらの座標は、それぞれ、(c,d,d)(d,c,d)および(d,d,c)によって示される。
3.βj(j=1,2,3)点も、正三角形を形成し、それは、ε1=ε2=ε3線に直交する平面にある。それらの座標は、それぞれ、(e,e,g)(g,e,e)および(2,g,e)(d,d,c)によって示される。
方向において、-3.86%、他の方向に沿って、4.36%の双軸変形を加えることであることが見出された。PBE+GWモデルに従って、シリコン歪みによって到達可能な最大限のバンドギャップは、1.24eVであり、それは、3軸6.5%歪みによって実現される。そのような範囲まで歪まされたシリコンは、太陽電池に関するShockley-Queisser限界にほぼ到達し、シリコンベースの単一PN接合部への弾性歪みエンジニアリングの適用が、太陽電池の効率改良をもたらし得ることを示唆することに留意されたい。
および
の両方は、減少し、2つのシナリオ間の競合は、図14Dに示される。高歪みの結果として、
の減少は、
より高速であり、最終的に、バンドギャップは、
が
より小さいとき、直接となる。フォノンの関与を排除し、吸収または放出を促進すると、歪まされたSiは、非変形Siと比較して、基本吸収エッジの周囲のその光学遷移において有意な向上を有するであろう。
Claims (34)
- 方法であって、前記方法は、
少なくとも3自由度を有する歪み座標の範囲を取得することと、
訓練データを取得することであって、前記訓練データは、前記歪み座標の範囲内の材料に関するバンドギャップおよびエネルギー分散データを含む、ことと、
前記訓練データおよび前記歪み座標の範囲を使用して、第1の訓練された統計的モデルを発生させることであって、前記第1のモデルは、前記材料のバンドギャップモデルおよび分散エネルギーモデルの群から選択される少なくとも1つである、ことと、
今後の使用のために、前記第1のモデルを記憶することと
を含む、方法。 - 前記第1のモデルは、前記バンドギャップモデルである、請求項1に記載の方法。
- 前記第1のモデルは、前記分散エネルギーモデルである、請求項1に記載の方法。
- 前記方法は、逆格子空間座標の範囲を取得することをさらに含み、前記第1の訓練された統計的モデルを発生させることは、k空間座標の範囲を使用して、前記第1の訓練された統計的モデルを発生させることを含む、請求項3に記載の方法。
- 前記方法は、前記第1の訓練された統計的モデル、前記訓練データ、および前記歪み座標の範囲を使用して、第2の訓練された統計的モデルを発生させることをさらに含む、請求項1~4のいずれか1項に記載の方法。
- 前記訓練データを取得することは、前記歪み座標の範囲内の前記バンドギャップおよび前記エネルギー分散データを計算することを含む、請求項1~5のいずれか1項に記載の方法。
- プロセッサ実行可能命令を記憶している少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサによって実行されると、
少なくとも3自由度を有する歪み座標の範囲を取得することと、
訓練データを取得することであって、前記訓練データは、前記歪み座標の範囲内の材料に関するバンドギャップおよびエネルギー分散データを含む、ことと、
前記訓練データおよび前記歪み座標の範囲を使用して、第1の訓練された統計的モデルを発生させることであって、前記第1のモデルは、前記材料のバンドギャップモデルおよび分散エネルギーモデルの群から選択される少なくとも1つである、ことと、
前記材料の1つ以上の特性を決定することにおける今後の使用のために、前記第1のモデルを記憶することと
を含む方法を前記少なくとも1つのプロセッサに実施させる、少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。 - 前記第1のモデルは、前記バンドギャップモデルである、請求項7に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記第1のモデルは、前記分散エネルギーモデルである、請求項7に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記方法は、逆格子空間座標の範囲を取得することをさらに含み、前記第1の訓練された統計的モデルを発生させることは、k空間座標の範囲を使用して、前記第1の訓練された統計的モデルを発生させることを含む、請求項9に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記方法は、前記第1の訓練された統計的モデル、前記訓練データ、および前記歪み座標の範囲を使用して、第2の訓練された統計的モデルを発生させることをさらに含む、請求項7~10のいずれか1項に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記訓練データを取得することは、前記歪み座標の範囲内の前記バンドギャップおよび前記エネルギー分散データを計算することを含む、請求項7~11のいずれか1項に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 方法であって、前記方法は、
所望のバンドギャップを取得することと、
前記所望のバンドギャップを材料の訓練された統計的バンドギャップモデルに提供し、対応する出力を取得することと、
前記出力に基づいて、前記所望のバンドギャップに関連付けられた最低歪みエネルギー密度を伴う歪みを識別することと
を含み、
前記歪みは、少なくとも3自由度を有する、方法。 - 前記歪みを識別することは、最急降下歪み方向を辿ることに少なくとも部分的に基づいて前記歪みを識別することを含む、請求項13に記載の方法。
- 前記方法は、前記識別された歪みをユーザに出力することをさらに含む、請求項13~14のいずれか1項に記載の方法。
- 前記方法は、前記所望のバンドギャップを伴う歪み座標の組を発生させ、バンドギャップ等値面を形成することをさらに含む、請求項13~15のいずれか1項に記載の方法。
- 前記方法は、前記バンドギャップ等値面をユーザに出力することをさらに含む、請求項16に記載の方法。
- プロセッサ実行可能命令を記憶している少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサによって実行されると、
所望のバンドギャップを取得することと、
前記所望のバンドギャップを材料の訓練された統計的バンドギャップモデルに提供し、対応する出力を取得することと、
前記出力に基づいて、前記所望のバンドギャップに関連付けられた最低歪みエネルギー密度を伴う歪みを識別することと
を含む方法を前記少なくとも1つのプロセッサに実施させ、
前記歪みは、少なくとも3自由度を有する、少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。 - 前記歪みを識別することは、最急降下歪み方向を辿ることに少なくとも部分的に基づいて前記歪みを識別することを含む、請求項18に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記方法は、前記識別された歪みをユーザに出力することをさらに含む、請求項18~19のいずれか1項に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記方法は、前記所望のバンドギャップを伴う歪み座標の組を発生させ、バンドギャップ等値面を形成することをさらに含む、請求項18~20のいずれか1項に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記方法は、前記バンドギャップ等値面をユーザに出力することをさらに含む、請求項21に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 構成要素の特性を決定する方法であって、前記方法は、
前記構成要素の歪み状態を取得することであって、前記歪み状態は、少なくとも3自由度を有する、ことと、
前記構成要素の前記歪み状態を前記構成要素の材料の訓練された統計的バンドギャップモデルに提供し、前記構成要素の対応する出力バンドギャップを取得することと
を含む、方法。 - 前記方法は、前記構成要素のモデルをメッシュ化することをさらに含み、前記構成要素の前記歪み状態を取得することは、前記メッシュ化されたモデルの複数のメッシュ要素の歪み状態を取得することを含み、前記構成要素の前記出力バンドギャップは、前記複数のメッシュ要素のバンドギャップを含む、請求項23に記載の方法。
- 前記方法は、前記複数のメッシュ要素のバンドギャップパラメータを前記バンドギャップで更新することをさらに含む、請求項24に記載の方法。
- 前記方法は、前記構成要素の前記バンドギャップの指示をユーザに出力することをさらに含む、請求項23~25のいずれか1項に記載の方法。
- 前記構成要素は、アセンブリの一部であり、前記構成要素の前記歪み状態を取得することは、有限要素分析を使用して、前記構成要素を含む前記アセンブリの歪み状態を決定することを含む、請求項23~26のいずれか1項に記載の方法。
- 前記方法は、今後の使用のために、前記構成要素の前記出力バンドギャップを記憶することをさらに含む、請求項23~27のいずれか1項に記載の方法。
- プロセッサ実行可能命令を記憶している少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサによって実行されると、構成要素の特性を決定する方法を前記少なくとも1つのプロセッサに実施させ、
前記方法は、
前記構成要素の歪み状態を取得することであって、前記歪み状態は、少なくとも3自由度を有する、ことと、
前記構成要素の前記歪み状態を前記構成要素の材料の訓練された統計的バンドギャップモデルに提供し、前記構成要素の対応する出力バンドギャップを取得することと
を含む、少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。 - 前記方法は、前記構成要素のモデルをメッシュ化することをさらに含み、前記構成要素の前記歪み状態を取得することは、前記メッシュ化されたモデルの複数のメッシュ要素の歪み状態を取得することを含み、前記構成要素の前記出力バンドギャップは、前記複数のメッシュ要素のバンドギャップを含む、請求項29に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記方法は、前記複数のメッシュ要素のバンドギャップパラメータを前記バンドギャップで更新することをさらに含む、請求項30に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記方法は、前記構成要素の前記バンドギャップの指示をユーザに出力することをさらに含む、請求項29~31のいずれか1項に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記構成要素は、アセンブリの一部であり、前記構成要素の前記歪み状態を取得することは、有限要素分析を使用して、前記構成要素を含む前記アセンブリの歪み状態を決定することを含む、請求項29~32のいずれか1項に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
- 前記方法は、今後の使用のために、前記構成要素の前記出力バンドギャップを記憶することをさらに含む、請求項29~33のいずれか1項に記載の少なくとも1つの非一過性コンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/RU2018/000679 WO2020076181A1 (en) | 2018-10-12 | 2018-10-12 | Elastic strain engineering of materials |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022515561A JP2022515561A (ja) | 2022-02-18 |
JP7206025B2 true JP7206025B2 (ja) | 2023-01-17 |
Family
ID=64607279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021545347A Active JP7206025B2 (ja) | 2018-10-12 | 2018-10-12 | 材料の弾性歪みエンジニアリング |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210398018A1 (ja) |
EP (1) | EP3864471B1 (ja) |
JP (1) | JP7206025B2 (ja) |
KR (1) | KR20210124957A (ja) |
WO (1) | WO2020076181A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11636371B2 (en) * | 2018-10-22 | 2023-04-25 | Wisys Technology Foundation, Inc. | Computational platform for quantum structures |
CN111541505B (zh) * | 2020-04-03 | 2021-04-27 | 武汉大学 | 一种面向ofdm无线通信系统的时域信道预测方法及系统 |
US20220067247A1 (en) * | 2020-08-27 | 2022-03-03 | Massachusetts Institute Of Technology | Elastic strain engineering of materials |
CN112861268B (zh) * | 2021-03-10 | 2022-05-10 | 上海交通大学 | 一种固态电解质电子电导率获取方法、介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003071451A1 (fr) | 2002-02-20 | 2003-08-28 | Asahi Kasei Kabushiki Kaisha | Systeme d'analyse de comportement deformant, et systeme de conception pour amortisseur |
JP2008142774A (ja) | 2006-11-14 | 2008-06-26 | Jfe Steel Kk | 応力−ひずみ関係シミュレート方法、応力−ひずみ関係シミュレーションシステム、応力−ひずみ関係シミュレーションプログラム、及び当該プログラムを記録した記録媒体 |
JP2013190427A (ja) | 2012-03-12 | 2013-09-26 | Boeing Co:The | 構造変形を識別するための方法および装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6631647B2 (en) * | 2001-04-26 | 2003-10-14 | Joseph B. Seale | System and method for quantifying material properties |
JP4852626B2 (ja) * | 2009-04-28 | 2012-01-11 | 日東電工株式会社 | 応力−ひずみ曲線式を出力するためのプログラム及びその装置、並びに、弾性材料の物性評価方法 |
US20110313748A1 (en) * | 2010-06-16 | 2011-12-22 | Li Zhanming | Method of simulation and design of a semiconductor device |
EP2637010B1 (en) * | 2012-03-05 | 2015-06-24 | EADS Construcciones Aeronauticas, S.A. | Method and system for monitoring a structure |
AU2017212147B2 (en) * | 2016-01-25 | 2021-12-09 | 3Dmorphic Pty Ltd | Method and system for designing and fabricating a customised device |
CN106055784B (zh) * | 2016-05-30 | 2018-02-06 | 东南大学 | 一种钢桥细节疲劳裂纹扩展评估方法 |
CN107677647B (zh) * | 2017-09-25 | 2021-05-25 | 重庆邮电大学 | 基于主成分分析和bp神经网络的中药材产地鉴别方法 |
US11156548B2 (en) * | 2017-12-08 | 2021-10-26 | Kla-Tencor Corporation | Measurement methodology of advanced nanostructures |
CN108345716B (zh) * | 2018-01-15 | 2021-06-01 | 东南大学 | 基于三维交联网络的沥青混合料动态力学参数计算方法 |
-
2018
- 2018-10-12 JP JP2021545347A patent/JP7206025B2/ja active Active
- 2018-10-12 KR KR1020217014368A patent/KR20210124957A/ko not_active Application Discontinuation
- 2018-10-12 WO PCT/RU2018/000679 patent/WO2020076181A1/en unknown
- 2018-10-12 EP EP18815046.0A patent/EP3864471B1/en active Active
- 2018-10-12 US US17/283,949 patent/US20210398018A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003071451A1 (fr) | 2002-02-20 | 2003-08-28 | Asahi Kasei Kabushiki Kaisha | Systeme d'analyse de comportement deformant, et systeme de conception pour amortisseur |
JP2008142774A (ja) | 2006-11-14 | 2008-06-26 | Jfe Steel Kk | 応力−ひずみ関係シミュレート方法、応力−ひずみ関係シミュレーションシステム、応力−ひずみ関係シミュレーションプログラム、及び当該プログラムを記録した記録媒体 |
JP2013190427A (ja) | 2012-03-12 | 2013-09-26 | Boeing Co:The | 構造変形を識別するための方法および装置 |
Non-Patent Citations (1)
Title |
---|
菅野 翔平,マテリアルズインフォマティクスに基づくペロブスカイト太陽電池材料の大規模探索,2018年 第79回 応用物理学会秋季学術講演会[講演予稿集] Extended Abstracts of The 79th JSAP Autumn Meeting, 2018 ,公益社団法人応用物理学会,2018年09月05日 |
Also Published As
Publication number | Publication date |
---|---|
US20210398018A1 (en) | 2021-12-23 |
EP3864471A1 (en) | 2021-08-18 |
EP3864471B1 (en) | 2023-01-25 |
JP2022515561A (ja) | 2022-02-18 |
WO2020076181A1 (en) | 2020-04-16 |
KR20210124957A (ko) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7206025B2 (ja) | 材料の弾性歪みエンジニアリング | |
Shi et al. | Deep elastic strain engineering of bandgap through machine learning | |
Smidstrup et al. | QuantumATK: an integrated platform of electronic and atomic-scale modelling tools | |
Wang et al. | Data-driven topology optimization with multiclass microstructures using latent variable Gaussian process | |
Imediegwu et al. | Multiscale structural optimization towards three-dimensional printable structures | |
Savvas et al. | Homogenization of random heterogeneous media with inclusions of arbitrary shape modeled by XFEM | |
Matthews et al. | Hierarchical design of negative stiffness metamaterials using a bayesian network classifier | |
Richardson et al. | Robust topology optimization of truss structures with random loading and material properties: A multiobjective perspective | |
US20200209832A1 (en) | Method and system for hierarchical multi-scale part design with the aid of a digital computer | |
Henrion | Semidefinite representation of convex hulls of rational varieties | |
US20220067247A1 (en) | Elastic strain engineering of materials | |
Triantafyllopoulos et al. | Weak field equations and generalized FRW cosmology on the tangent Lorentz bundle | |
Peraza Hernandez et al. | Design tools for patterned self-folding reconfigurable structures based on programmable active laminates | |
Jiang et al. | Generative design of bionic structures via concurrent multiscale topology optimization and conformal geometry method | |
Chen et al. | A unified inverse design and optimization workflow for the Miura-oRing metastructure | |
Lin et al. | Method for directly and instantaneously predicting conductive heat transfer topologies by using supervised deep learning | |
Wang et al. | Scalable gaussian processes for data-driven design using big data with categorical factors | |
Liu et al. | Cluster-based optimization of cellular materials and structures for crashworthiness | |
Xu et al. | Quantitative predictions of diverse wrinkling patterns in film/substrate systems | |
Srinivasa et al. | A discrete nonlocal damage mechanics approach | |
Noormandipour et al. | Restricted Boltzmann machine representation for the groundstate and excited states of Kitaev Honeycomb model | |
Shao et al. | A simulation data-driven design approach for rapid product optimization | |
Strachan et al. | Functional derivatives for uncertainty quantification and error estimation and reduction via optimal high-fidelity simulations | |
Litvinenko et al. | Numerical methods for uncertainty quantification and bayesian update in aerodynamics | |
Christensen et al. | Developing metamodels for fast and accurate prediction of the draping of physical surfaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210618 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211011 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211011 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221231 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7206025 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |