2 分で読了
0 views

アルミ/p型シリコンのショットキーおよびpn接合の設計・作製と放射線研究

(Design, fabrication and testing of Al/p-Si Schottky and pn junctions for radiation studies)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近うちの若手が「放射線損傷の研究に使えるデバイス作製の論文がある」と言うのですが、正直内容がさっぱりでして。要するに何が新しいのか、経営判断として把握しておきたいのです。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、ゆっくり紐解いていきますよ。結論を先に言うと、この論文は放射線によるシリコン中の障害(不純物やトラップ)を評価するための試験構造を大量に作って評価した点で価値があります。要点は三つだけ押さえれば経営判断に役立ちますよ。

田中専務

三つの要点とは何でしょうか。製造コストや実務導入の観点で知りたいです。うちで同じような評価を社内でしようとしたら、どれくらい投資が必要になりますか?

AIメンター拓海

いい質問です。要点は一、125枚という量で様々な抵抗率のエピタキシャルウェハを揃え、再現性のある試験基板群を作ったこと。二、電気的特性(IV: Current-Voltage、電流-電圧特性、CV: Capacitance-Voltage、容量-電圧特性)やDLTS(Deep-Level Transient Spectroscopy、深部準位過渡スペクトロスコピー)など複数手法で欠陥を評価したこと。三、装置は既存の測定器(Keithleyなど)で実施でき、巨額の専用装置は不要であること、です。

田中専務

これって要するに、実験対象を幅広く揃えて比較できるようにして、しかも高価な専用装置を使わずに現場レベルの測定で差を出せるようにした、ということですか?

AIメンター拓海

その理解で合っていますよ。大事な点を三つに要約すると、1) 試験群の設計で放射線ダメージの発見感度を高めた、2) IV/CVやDLTSなど手法を組み合わせて原因を突き止めやすくした、3) 量産に近い工程で作製して現場適用性を確かめた、です。大丈夫、一緒に整理すれば社内プレゼンに使える説明になりますよ。

田中専務

現場適用性という言葉が気になります。要は製造プロセスに近い形で作っているなら、我々の生産ラインで検査用のプローブを当てて評価するのも現実的という理解でいいですか?

AIメンター拓海

はい、まさにその通りです。論文にあるプローブステーションやKeithley 4200などは工場の評価設備でも見かけるもので、外注するより社内で簡易なスクリーニングが可能になります。結論だけなら三点です:スケール、評価手法の多様化、工程再現性ですね。

田中専務

投資対効果で言うと、外注で同等の評価をするよりも内製で継続的にやる方が安くつく可能性がある、ということでしょうか。それと、我々のような製造業でも応用できる点は理解しましたが、専門手法のDLTSなどは敷居が高くないですか?

AIメンター拓海

良い視点です。DLTS(Deep-Level Transient Spectroscopy、深部準位過渡スペクトロスコピー)は確かに専門的ですが、論文はまずIV/CVで問題候補を絞り、次にDLTSで欠陥の性質を特定する流れを示しています。ですから投資は段階的に小さく抑えられます。要点を三つで示すと、段階的投資、アウトソースと内製のハイブリッド、既存設備の活用です。

田中専務

分かりました。最後に一つ、我々がすぐに取り組める次の一手を教えてください。短期的に成果を出すには何を先にやればよいですか。

AIメンター拓海

短期的には三段階でいきましょう。1) まずはIV/CV測定が可能か確認してスクリーニングプロトコルを作る、2) ウェハやチップのバリエーションを限定して小ロットで作製し比較する、3) 必要ならDLTSなど専門測定は共同研究や外注で行い、得られた知見を生産ライン検査に落とし込む。これで早期に意思決定に必要なデータが得られますよ。

田中専務

分かりました。では私の言葉でまとめます。要は、量を揃えた実験設計で比較できるデータを作り、まずは既存設備でスクリーニングしてコストを抑え、深掘りが必要なら外部と組んで専門測定を行う、という方針ですね。これなら我々でも実行可能だと思います。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
MIDISが明らかにしたVirgil:赤方偏移z≃6.6で宿主銀河を明確に検出した最初のLittle Red Dot
(MIDIS: MIRI uncovers Virgil, the first Little Red Dot with clear detection of its host galaxy at z ≃6.6)
次の記事
LSTM‑ARIMAを用いたアルゴリズム投資戦略
(LSTM‑ARIMA as a Hybrid Approach in Algorithmic Investment Strategies)
関連記事
プラグ&プレイ型深層局所線形埋め込みによる映像フレーム補間
(Video Frame Interpolation by Plug-and-Play Deep Locally Linear Embedding)
AMカヌム・ヴェナティコルム連星からの微光熱核型超新星
(Faint Thermonuclear Supernovae from AM Canum Venaticorum Binaries)
アノテーションなしで学ぶ物体カウント
(Learning to Count without Annotations)
思考の連鎖プロンプトによる大規模言語モデルの推論引き出し
(Chain of Thought Prompting Elicits Reasoning in Large Language Models)
多様体上の分布学習
(Learning Distributions on Manifolds with Free-Form Flows)
視覚刺激における局所特徴の学習的カテゴリ知覚の神経相関
(Neural correlates of learned categorical perception of visual stimuli with local features)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る