Hybridná neurónová sieť predpovedá pokrytie pri výrobe tenkých vrstiev za 7 milisekúnd

Výskumníci predstavili hybridný model PCINN, ktorý má výrazne zrýchliť predpovedanie priebehu priestorovej depozície atómových vrstiev, známej ako spatial atomic layer deposition alebo SALD. Metóda kombinuje malú neurónovú sieť s vopred známymi rovnicami povrchovej chémie. Podľa výsledkov zverejnených na arXiv dokáže jednu predpoveď pokrytia povrchu vytvoriť približne za 7 milisekúnd, čo je asi 50-tisíckrát rýchlejšie než použitý výpočet pomocou numerickej dynamiky tekutín.

SALD je vysokokapacitný variant depozície atómových vrstiev, pri ktorom sa prekurzory oddeľujú priestorovo namiesto časového dávkovania. Technológia môže nanášať veľmi tenké a rovnomerné vrstvy pri atmosférickom tlaku, no návrh zariadenia a hľadanie vhodných prevádzkových podmienok komplikujú výpočtové náklady. Detailná simulácia prúdenia a transportu látok pomocou CFD môže byť dostatočne presná, ale je príliš pomalá na rozsiahle prehľadávanie parametrov alebo riadenie procesu v reálnom čase. Jednoduchšie analytické modely sú rýchlejšie, no nemusia zachytiť transportné javy vrátane účinku plynovej clony.

PCINN sa tento kompromis snaží obísť rozdelením problému na naučenú a fyzikálne určenú časť. Neurónová sieť sa neučí celý proces od vstupov po výsledné pokrytie. Odhaduje iba vzťah medzi prevádzkovými podmienkami a koncentráciou prekurzora v blízkosti povrchu. Tento výstup následne vstupuje do explicitnej vrstvy chemickej kinetiky, ktorá opisuje adsorpciu a desorpciu a integruje ich pozdĺž trajektórie substrátu. Fyzikálna štruktúra je teda súčasťou samotného modelu, nie iba dodatočným obmedzením v stratovej funkcii.

Autori označujú odhadovanú koncentráciu pri stene za jednorozmerné úzke hrdlo architektúry. Model vďaka nemu potrebuje menej tréningových dát a jeho vnútorný výpočet zostáva interpretovateľnejší než pri bežnej neurónovej sieti typu black box. Pri experimentoch použili iba 30 tréningových prípadov, ktoré pokrývali štyri rády výsledného povrchového pokrytia. Na testovacích dátach uvádzajú hodnotu R² po logaritmickej transformácii 0,998 a pri vyhodnotení leave-one-out hodnotu R² na pôvodnej škále 0,974.

Praktickým prínosom nie je len zrýchlenie jednej simulácie. Model s odozvou v ráde milisekúnd by mohol slúžiť ako náhradný výpočtový model pri prehľadávaní veľkého množstva kombinácií teploty, rýchlosti pohybu substrátu a ďalších podmienok. V budúcnosti by podobný prístup mohol podporovať optimalizáciu geometrie zariadenia, tvorbu prevádzkových máp alebo riadenie procesu. Na takéto použitie však bude potrebné overiť, ako dobre sa model prenáša mimo rozsahu podmienok zahrnutých v tréningových simuláciách.

Súčasťou práce je aj analýza identifikovateľnosti kinetických parametrov. Autori použili Fisherovu informáciu a profilovú vierohodnosť na zisťovanie, ktoré veličiny možno z pozorovaného pokrytia samostatne a spoľahlivo odvodiť. Adsorpčná energia E_ads a rýchlosť desorpcie k_des boli v nastavenom experimente robustne identifikovateľné. Samotnú adsorpčnú konštantu k_ads však pri jedinej teplote nebolo možné oddeliť od koncentrácie pri povrchu; dáta určovali iba ich súčin. Rýchla predikcia teda automaticky neznamená, že každý fyzikálny parameter možno spätne získať jednoznačne.

Pri použití štyroch teplôt sa navyše ukázala slabá degenerácia medzi Arrheniovým prefaktorom a adsorpčnou energiou. Výskumníci odvodili sklon približne 0,065 elektrónvoltu na jednu dekádu a navrhli ho ako diagnostický ukazovateľ nesúladu modelu s reálnym procesom. V matici siedmich variantov chemického mechanizmu zostával tento sklon stabilný pri nesúlade opísateľnom jediným Arrheniovým procesom, ale menil sa po pridaní druhého tepelne aktivovaného deja. Odchýlka by preto mohla upozorniť napríklad na nezachytenú heterogenitu aktívnych miest na povrchu.

Výsledky treba interpretovať s dôležitým obmedzením. Tréningové aj testovacie dáta pochádzali zo simulácií so známou základnou pravdou a inverzia používala rovnaký tvar kinetického modelu, aký dáta generoval. Štúdia tak overuje najmä vnútornú konzistentnosť navrhnutého postupu a hranice identifikovateľnosti. Zatiaľ nedokazuje, že PCINN dokáže s rovnakou presnosťou určiť parametre skutočného výrobného procesu, v ktorom sa môžu objaviť šum merania, neznáme reakcie, meniace sa vlastnosti povrchu alebo systematická odchýlka CFD simulácie.

Práca napriek tomu ukazuje užitočný smer pre priemyselnú vedeckú AI. Namiesto nahradenia celej simulácie veľkou neurónovou sieťou ponecháva známu chémiu priamo vo výpočte a strojovému učeniu prideľuje iba neznámu transportnú väzbu. Takéto rozdelenie môže byť vhodné najmä tam, kde sú kvalitné dáta drahé, fyzikálne zákony sú aspoň čiastočne známe a zároveň je potrebná rýchla odozva. Ďalším rozhodujúcim krokom bude porovnanie s experimentálnymi meraniami a testovanie pri chemických mechanizmoch, ktoré sa od tréningového predpokladu zámerne odlišujú.