[論文レビュー] Optimizing directed self-assembled morphology

Jian Qin, Gurdaman Khaira+5 more|arXiv (Cornell University)|Aug 2, 2013

Block Copolymer Self-Assembly参考文献 1被引用数 3

ひとこと要約

本論文は、ブロックコポリマーの平衡状態のマイクロ相分離をシミュレートするカーン＝ヒリャール方程式と、指向的自己集合を促進するための化学的基板パターンを最適化するための共分散行列適応進化戦略（CMA-ES）を組み合わせた計算フレームワークを提案する。この手法は、ラミラーやるようなジブロックコポリマーが複雑な目的の形態（例：文字 'M' や 'E'）に誘導されるように、疎で非自明なパターンを能率的に設計する。試行錯誤を最小限に抑え、1プロセッサで8時間未満で収束を達成する。

ABSTRACT

Directed assembly of block polymers is rapidly becoming a viable strategy for lithographic patterning of nanoscopic features. One of the key attributes of directed assembly is that an underlying chemical or topographic substrate pattern used to direct assembly need not exhibit a direct correspondence with the sought after block polymer morphology, and past work has largely relied on trial-and-error approaches to design appropriate patterns. In this work, a computational evolutionary strategy is proposed to solve this optimization problem. By combining the Cahn-Hilliard equation, which is used to find the equilibrium morphology, and the covariance-matrix evolutionary strategy, which is used to optimize the combined outcome of particular substrate-copolymer combinations, we arrive at an efficient method for design of substrates leading to non-trivial, desirable outcomes.

研究の動機と目的

• 直接的な幾何的対応がない非自明で非周期的な形態を形成するための最適な疎な化学的パターンを設計する課題に対処すること。
• 指向的自己集合のためのパターン設計において、試行錯誤やランダムサーチの非効率性を克服すること。
• 望ましいブロックコポリマーの形態を実現するための、体系的かつ計算的に効率的な基板パターンの逆設計手法を開発すること。
• 最小限の基板スポット数で、'I'、'M'、'E' といった複雑なターゲットパターンを実現する手法の有効性を実証すること。
• 汎用的かつ拡張可能なフレームワークを用いて、より大きな系や多様な形態に対応できるスケーラブルで並列処理可能な最適化を可能にすること。

提案手法

• ジンブルグ＝ランダウ自由エネルギー関数を用いて、ジブロックコポリマーの平衡形態をシミュレートするためのカーン＝ヒリャール（CH）方程式を用いる。
• 強相分離領域における自由エネルギーを記述するため、オオタ＝カワサキモデルを採用し、フラリー＝ハギンス相互作用パラメータ χ と重合度 N を組み込む。
• 目的の形態から乖離を最小化する最適な基板スポット配置を探索するため、CMA-ES最適化アルゴリズムを適用する。
• シミュレートされた平衡形態とターゲット形態との空間的差分の L2-ノルムを、適合度関数として定義する。
• 基板上に固定数の円形スポットを配置し、その位置を最適化変数として設定することで、パターンの補間を実現する。
• 行列・ベクトル演算の特性によりCHソルバー、および独立した集団を持つCMA-ESの両方を並列化可能であり、計算効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 試行錯誤やランダムサーチに比べ、計算的最適化戦略が複雑で非周期的な形態を誘導する疎な化学的パターンを能率的に設計できるか。
• RQ2 CMA-ESアルゴリズムは、基板パターン設計において、ランダム探索や試行錯誤に比べ、収束速度と解の品質で優れているか。
• RQ3 最適化された基板条件下で、カーン＝ヒリャールモデルが複雑なターゲットパターンの平衡形態をどれほど正確に予測できるか。
• RQ4 最適化の結果は初期設定にどれほど敏感か。また、アンサンブル平均を用いることでその依存性を軽減できるか。
• RQ5 このフレームワークは、より大きな系や他の形態に拡張可能であり、スケーラブルな並列処理が可能か。

主な発見

• CMA-ESアルゴリズムは、'I'、'M'、'E' といったターゲット形態を、最小限の円形スポット数で実現する基板パターンを成功裏に最適化した。
• 中程度の系サイズ（約2L₀ × 2L₀）において、1プロセッサで約8時間で最適解に収束した。
• 異なるターゲットパターン（'I'、'M'、'E'）に対しても同様のパラメータセットで安定した収束行動を示し、手法の頑健性を示した。
• 実空間における形態差分に基づく適合度関数が、低誤差解への最適化を効果的に誘導した。
• 異なる初期設定で複数回の最適化を実施した結果、一貫した解が得られたことから、アンサンブル平均を用いることで初期値依存性が低減することが示された。
• フレームワークは本質的に並列化可能であり、CHソルバーやCMA-ESの集団評価の両方が、大規模系へのスケーリングを実現する分散処理に適している。