나노기술 및 정책 정보

• 목록

물질·재료연구기구(NIMS), 도쿄(東京)대학의 공동 연구그룹이 재료 개발에 있어 필수적인 박막 제작 프로세스에 기계 학습을 적용함으로써 고품질 시료 제작의 최적 조건을 고속으로 탐색하는 기술을 개발함. 연구진은 기계 학습을 결합하여 적은 제작 횟수로 박막 제작 파라미터(parameter)를 최적화하는 기술을 개발함. 서로 다른 파라미터로 제작된 박막 시료 평가 결과들을 초기 학습 데이터로 사용하여 이후의 박막 제작 파라미터를 기계 학습으로 추정하게 됨. 이 조건으로 제작된 박막 시료의 결과를 기계 학습 추정을 위한 데이터에 추가하는 것을 반복함으로써 최소한의 횟수로 박막 제작 조건의 최적화가 가능함. 실제로 결정성에 의해 초전도 전이 온도 등과 같은 성질이 변하는 질화티탄(TiN) 박막 제작에 본 기술을 적용한 결과, 초기 실험 6회를 포함, 11회의 박막 제작 실험으로 최고 수준의 초전도 전이 온도를 실현하는 최적의 박막 제작 파라미터 조합을 결정하는 데 성공함. 시료 제작 횟수를 10분의 1정도로 크게 축소하고, 외부 데이터베이스가 필요 없기 때문에 도입 비용도 절감할 수 있음. 본 연구 성과는 향후 기초 연구부터 생산 공정까지 다양한 면에서 노력과 시간을 절감하는 일반적인 기술로 활용될 것으로 기대됨.

본 연구 성과는 ‘Materials Today Physics’ (“Realization of closed-loop optimization of epitaxial titanium nitride thin-film growth via machine learning”) 지에 게재됨.