原子スケールモデルによって先端電子材料の成長制御を改善(Atom-Scale Model Could Help Improve Material Growth for Advanced Electronics)

2026-11-05 ペンシルベニア州立大学(Penn State)

米国ペンシルベニア州立大学の研究チームは、次世代パワー半導体材料として重要な炭化ケイ素(SiC)の結晶成長過程を、原子レベルで解析できる計算モデルを改良した。SiCは電気自動車や再生可能エネルギーシステム向けの高耐圧・高温動作電子機器に利用されるが、結晶製造では極めて高温の炉内で固体を直接気化させ、種結晶上に再結晶化させる物理気相輸送(PVT)法が用いられる。研究チームは、化学反応を伴う原子の挙動をシミュレーションできる反応性力場(ReaxFF)を、量子力学計算データを用いて再パラメータ化した。これにより、SiCの昇華時に生成するケイ素・炭素含有分子の種類や組成が温度によって変化する過程を再現した。蒸気組成の制御は、結晶中の欠陥や品質に影響する。今後、原子スケールの計算結果を炉全体の流体・熱解析と統合することで、製造条件の最適化や実験回数・製造コストの削減が期待される。

<関連情報>

ReaxFF分子動力学シミュレーションによるSiC昇華と温度依存性蒸気組成の原子レベルでの解析 Atomistic Insights into SiC Sublimation and Temperature-Dependent Vapor Composition by ReaxFF Molecular Dynamics Simulations

Yun Kyung Shin; Ga-Un Jeong; Mengyi Wang; Katherine Thompson; Anirban Phukan; Riasat Islam; Joshua A. Robinson; Yuan Xuan; Adri C. T. van Duin
The Journal of Physical Chemistry C  Published:August 21, 2026
DOI:https://doi.org/10.1021/acs.jpcc.6c03672

原子スケールモデルによって先端電子材料の成長制御を改善(Atom-Scale Model Could Help Improve Material Growth for Advanced Electronics)

Abstract

We developed a ReaxFF force field for silicon carbide (SiC), specifically parametrized to capture complex, temperature-dependent vapor compositions during sublimation. ReaxFF molecular dynamics (MD) simulations of crystalline SiC at 3000–4500 K revealed a diverse range of vapor species─including SiC2, Si, Si2C, Si2C2, SiC, Si2C3 and Si3C2─closely mirroring equilibrium compositions derived from quantum mechanical (QM) benchmarks. Our simulations demonstrate that the initial stage of sublimation is Si-rich at 3000 K but transitions toward C-rich compositions at elevated temperatures, informing stoichiometry control in SiC growth. To bridge atomistic and macroscopic scales, Arrhenius analysis was employed to extract kinetic parameters for computational fluid dynamics (CFD) modeling, providing an extended kinetic description critical for optimizing SiC crystal growth. Finally, the ReaxFF force field was successfully benchmarked against a previously developed state-of-the-art machine learning potential in both accuracy and computational efficiency, establishing it as a robust tool for multiscale crystal growth simulations.

0501セラミックス及び無機化学製品
ad
ad
ad
タイトルとURLをコピーしました