機械学習による窒化物半導体デバイスにおけるキラー欠陥の解析

カテゴリ：研究会(論文単位)

論文No：IIS25089

グループ名：【D】産業応用部門 次世代産業システム研究会

発行日：2025/9/18

タイトル(英語)：Machine Learning-Based Analysis of Killer Defects in Nitride Semiconductor Devices

著者名：高江洲 義人(沖縄工業高等専門学校 / 九州大学),山田 親稔(沖縄工業高等専門学校),草場 彰(九州大学),寒川 義裕(九州大学),水谷 洸貴(三重大学),三宅 秀人(三重大学)

著者名(英語)： Yoshito Takaesu(National Institute of Technology, Okinawa College / Kyushu University),Chikatoshi Yamada(National Institute of Technology, Okinawa College),Akira Kusaba(Kyushu University),Yoshihiro Kangawa(Kyushu University),Koki Mizutani(Mie University),Hideto Miyake(Mie University)

キーワード：ＡｌＧａＮ,ショットキー障壁,逆バイアスリーク,キラー欠陥,機械学習,形態記述子,AlGaN,Schottky barrier,reverse-bias leakage,killer defects,machine learning,morphology descriptors

要約(日本語)：本研究では，FFA Sp-AlNテンプレート上AlGaNに厚さ20nm・直径約500µmのNi/Auショットキー電極およびTi/Al/Ni/Auオーミック電極を形成した33試料を対象とし，電極内の黒点・ヒロックの形態および空間分布記述子と逆バイアスI–Vの非線形的関係を，（i）帯域要約と厳密検定（モデル1）と（ii）function-on-scalar回帰（FoSR）による連続係数β(V)の推定（モデル2）という二段構えで検証する。前者ではSpearman・dCor・HSICをFreedman–Laneの枠組みで置換検定しACATでp値を合成したのちBY–FDRで多重性を制御し，後者ではBスプラインによりβ(V)を推定し，帯域ごとの効果を群内置換とBH–FDRで評価する。以上により，低転位密度プラットフォームにおける表面形態／欠陥の特徴と電気的応答との非線形的関係を検証し，歩留向上に資する指導原理を提示する。

要約(英語)：In FoSR, the −6 to −5 V band yielded the smallest p-value for black_nn_mean (p = 0.0148, q = 0.192), while the −4 to −3 V band was led by black_nn_var (p = 0.0302, q = 0.259). The β(V) curves showed coherent sign and localized peaks within the bands, indicating band-specific influence. These trends are consistent with edge-field enhancement and Schottky-barrier inhomogeneity in AlGaN devices, suggesting edge cleanliness and termination design as practical levers to mitigate “killer defects.” The joint use of continuous β(V) and band summaries provides an operational framework that preserves interpretability while maintaining strict error control in small-sample settings.

本誌：2025年9月21日次世代産業システム研究会-2

本誌掲載ページ：15-20p

原稿種別：日本語

PDFファイルサイズ：1,339Kバイト