[17p-M_103-1~12] 8.2 プラズマ成膜・エッチング・表面処理

15:15 〜 15:30

[17p-M_103-6] プラズマ・材料情報科学（Plasma and Material Information Science: PaMIS）に基づく機械学習精度向上のための特徴量設計手法の検討

〇鎌滝 晋礼¹、Fitriani W. Sukma²、佐藤 優志¹、黒崎 陽晴¹、政本 元¹、山下 大輔¹、奥村 賢直¹、板垣 奈穂¹、古閑 一憲¹、白谷 正治¹ (1.九大シス情、2.九大IMI)

キーワード：

プラズマ・材料情報科学（PaMIS）、機械学習に基づく特徴量設計、プラズマCVD

プラズマ成膜プロセスは非平衡・非線形であり、生データを直接機械学習（ML）へ入力する手法では予測精度や汎化性能に限界がある。本研究では、プラズマ・材料情報科学（PaMIS）に基づく特徴量設計手法を提案する。TEOS-PECVDにおけるプラズマ発光スペクトルから物理的に解釈可能なプラズマ特徴量を導出し、成膜速度を高精度に予測できることを示した。