[論文レビュー] Autonomous Atomic Scale Manufacturing Through Machine Learning

Mohammad Rashidi, Jeremiah Croshaw+4 more|arXiv (Cornell University)|Feb 23, 2019

Electron and X-Ray Spectroscopy Techniques被引用数 4

ひとこと要約

本論文は、走査トンネル顕微鏡（STM）を用いた水素終末シリコン表面における原子スケール製造のためのディープラーニングベースの自動化システムを提示する。畳み込みニューラルネットワーク（CNN）が表面特徴を同定・位置特定し、最小限の人的介入で欠陥のない所定の原子構造を正確にパターニング可能にし、スケーラブルな製造を実現する自律的チップ形状調整とパターニングを統合する。

ABSTRACT

As the development of atom scale devices transitions from novel, proof-of-concept demonstrations to state-of-the-art commercial applications, automated assembly of such devices must be implemented. Here we present an automation method for the atomic fabrication process using deep learning. We trained a convolutional neural network to identify and locate surface features in scanning tunneling microscope images of the technologically relevant hydrogen-terminated silicon surface. Once the positions and types of surface features are determined, the predefined atomic structures are patterned in a defect-free area. Augmentation with previously developed autonomous tip shaping and patterning modules allows for atomic scale fabrication with minimal user intervention.

研究の動機と目的

• 水素終端シリコン表面におけるスケーラブルで自動化された原子スケールデバイスの製造を可能にすること。
• 原子スケール製造プロセスにおける人的介入への依存を低減すること。
• STM画像内の表面特徴を高精度に同定・位置特定するシステムを開発すること。
• 自律的チップ形状調整とパターニングを統合し、原子製造のエンドツーエンド自動化を実現すること。
• AI駆動の空間的制御により、欠陥のない原子構造のパターニングを達成すること。

提案手法

• 畳み込みニューラルネットワーク（CNN）を、水素終端シリコンの走査トンネル顕微鏡（STM）画像内の表面特徴を検出・局所化するように学習させる。
• CNNがSTM画像を処理し、アダトムやバニティなどの表面特徴の位置と種別を特定する。
• 特徴が局所化された後、ネットワークが同定した欠陥のない領域に所定の原子構造をパターニングする。
• 閉ループ製造を可能にするために、既に開発済みの自律的チップ形状調整およびパターニングモジュールをシステムに統合する。
• 画像解析、特徴認識、自動操作を組み合わせることで、フルサイクルの原子スケール製造を実現する。
• 学習されたパターンとSTMイメージからのリアルタイムフィードバックに依存することで、ユーザー入力を最小限に抑える。

実験結果

リサーチクエスチョン

• RQ1 ディープラーニングモデルは、水素終端シリコンのSTM画像において、原子スケールの表面特徴を高精度に同定・位置特定できるか？
• RQ2 AI駆動のシステムは、表面に所定の原子構造を自動で配置できるか、その効果はいかほどか？
• RQ3 自律的チップ形状調整との統合により、原子製造の信頼性とスケーラビリティはどの程度向上するか？
• RQ4 最小限の人的監視で、欠陥のないパターニングを原子スケール製造で達成できるか？

主な発見

• 畳み込みニューラルネットワークは、水素終端シリコンのSTM画像において、高い精度で表面特徴を同定・局所化に成功した。
• 本システムにより、人的介入なしに欠陥のない領域に所定の原子構造を自動でパターニングすることができた。
• 自律的チップ形状調整およびパターニングモジュールとの統合により、製造プロセスのエンドツーエンド自動化が実現した。
• ユーザー入力の最小限化により、信頼性があり再現性のある原子スケール製造が達成され、スケーラビリティの可能性が示された。
• 本アプローチにより、原子スケールデバイスの組立における人的ミスと運用の複雑さが顕著に低減された。