DFG final report: Smart design of crystal growth furnaces and processes

Abstract

The project-funded research in the co-applicant’s group at LIKAT Rostock was pursued in two directions. The main direction was supporting the research of the applicant’s group at the application of machine learning, statistical, and optimization methods. They were applied to the modelling of Czochralski crystal growth of Ge, Si and GaAs, as well as of vertical gradient freeze growth and floating zone growth. In the preliminary step, the machine learning methods were tuned for small data applications using existing CFD data from other crystal growth techniques, such as vertical gradient freeze and floating zone. As a complementary research direction, research into some machine learning, statistical, and optimization methods has been performed, in particular into some applications of artificial neural networks and classification methods, and into the landscape-analysis aspect of evolutionary optimization.

Die projektfinanzierte Forschung in der Gruppe des Mitantragstellers am LIKAT Rostock wurde in zwei Richtungen verfolgt. Die Hauptrichtung war die Unterstützung der Forschung der Gruppe des Antragstellers bei der Anwendung von Methoden des maschinellen Lernens, der Statistik und der Optimierung. Diese wurden auf die Modellierung des Czochralski-Kristallwachstums von Ge, Si und GaAs sowie des vertikalen Gradienten-Gefrierwachstums und des Floating-Zone-Wachstums angewendet. Als eine Ergänzung wurde Forschung zu einigen Methoden des maschinellen Lernens, der Statistik und der Optimierung durchgeführt, insbesondere zu einigen Anwendungen künstlicher neuronaler Netze und Klassifizierungsmethoden sowie zum Landschaftsanalyse-Aspekt der evolutionären Optimierung.