Fraunhofer-Institut für Elektronenstrahl-Im Projekt DigiMatUS wird die Digitalisierung von Beschichtungsprozessen vorangetrieben. Am Beispiel der Abscheidung piezoelektrischer AlN/AlScN-Dünnschichten für die Ultraschallmikroskopie werden Prozessparameter-Schichteigenschaftsbeziehungen untersucht und als Grundlage für Maschinelles Lernen verwendet. Dadurch soll eine effektivere Entwicklung neuer Schichten bzw. angepasster Schichteigenschaften ermöglicht werden.
Piezoelektrische Schichten spielen eine zentrale Rolle in der Medizintechnik, der Mikroelektronik und der Sensorik, z. B. als aktive Schicht in den Objektiven von Ultraschallmikroskopen. Diese Mikroskope ermöglichen es, kleine Strukturen, wie Halbleiterbauelemente oder biologisches Gewebe, zu untersuchen. Um eine möglichst hohe Qualität der Bildgebung zu realisieren, sind reproduzierbar hochorientierte und homogene piezoelektrisch aktive Schichten notwendig. Insbesondere bei immer geringer werdenden Dimensionen der zu untersuchenden Objekte nehmen die Anforderungen an die Schichten zu. Die Eigenschaften der Dünnschichten und Ultraschallwandlern ergeben sich aus dem komplexen Zusammenspiel einer Vielzahl an Prozessparametern und Einflussfaktoren.
Im Projekt DigiMatUS (“Digitalisierung der Materialforschung an Dünnschichtmaterialien am Beispiel von hochauflösenden piezoelektrischen Ultraschallsensoren“) wird mittels digitaler Abbildung der Beschichtungsprozesse, der Entwicklung einer Prozess- und Dünnschicht-Ontologie (also einer formalen Darstellung von Wissen, Entitäten und deren Eigenschaften und Beziehungen) und maschineller Lernverfahren die effektivere Entwicklung der Beschichtungstechnologien vorangetrieben. Zu diesem Zweck erfolgt am Fraunhofer FEP die Abscheidung von piezoelektrischen Aluminiumnitrid- (AlN) und Aluminiumscandiumnitrid- (AlScN) Dünnschichten in einem breit gestreuten Parameterraum. Dies beinhaltet beispielsweise die Variation von Prozessparametern wie Sputterleistung, Prozessdruck oder Gasflüssen, aber auch die Betrachtung von weiteren Einflussfaktoren wie die vorhergehenden Beschichtungen der Elektrodenstrukturen. Durch eine erweiterte in-situ Prozessüberwachung und Schichtdiagnostik, sowie umfangreiche Charakterisierung der Schichten werden im Projekt die Prozessparameter-Schichteigenschaftsbeziehungen ausführlicher untersucht.
Im Verbund mit einer ontologischen Beschreibung der Prozesse und unter Einbindung vorhandenen Expertenwissens soll auch eine vergleichsweise geringe Anzahl von Datenpunkten bereits die Grundlage von aussagefähigen Vorhersagemodellen mittels Maschinellen Lernens bilden können.
Die Entwicklung und das Training der Vorhersagemodelle erfolgt durch den Projektpartner Otto-von-Guericke Universität Magdeburg. Es konnte damit bereits ein erstes Vorhersagemodell geschaffen werden, dass die Plasmaspektren anhand der Prozessparameter vorhersagen kann. Aktuelle und zukünftige Arbeiten des Fraunhofer FEP konzentrieren sich auf die Weiterentwicklung der Dünnschicht-Ontologie, der Fortführung der Experimente zum weiteren Training und der Validierung der erarbeiteten Modelle.
Neben der Entwicklung für die Ultraschallsensorik werden die Projektergebnisse auch neue Möglichkeiten für andere auf Dünnschichttechnologien basierenden Anwendungen eröffnen. Die digitale Abbildung der Material- und Prozessdaten durch die Dünnschicht-Ontologie und die KI-Modelle soll wiederverwendet und auf ähnliche Beschichtungsprozesse übertragen und adaptiert werden. Dies wird die Forschung und Entwicklung neuer Materialien in Zukunft stark beschleunigen.
