Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Smart Design of Cz-Ge Crystal Growth Furnace and Process

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F22%3A00567441" target="_blank" >RIV/67985807:_____/22:00567441 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://dx.doi.org/10.3390/cryst12121764" target="_blank" >https://dx.doi.org/10.3390/cryst12121764</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3390/cryst12121764" target="_blank" >10.3390/cryst12121764</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Smart Design of Cz-Ge Crystal Growth Furnace and Process

  • Popis výsledku v původním jazyce

    The aim of this study was to evaluate the potential of the machine learning technique of decision trees to understand the relationships among furnace design, process parameters, crystal quality, and yield in the case of the Czochralski growth of germanium. The ultimate goal was to provide the range of optimal values of 13 input parameters and the ranking of their importance in relation to their impact on three output parameters relevant to process economy and crystal quality. Training data were provided by CFD modelling. The variety of data was ensured by the Design of Experiments method. The results showed that the process parameters, particularly the pulling rate, had a substantially greater impact on the crystal quality and yield than the design parameters of the furnace hot zone. Of the latter, only the crucible size, the axial position of the side heater, and the material properties of the radiation shield were relevant.

  • Název v anglickém jazyce

    Smart Design of Cz-Ge Crystal Growth Furnace and Process

  • Popis výsledku anglicky

    The aim of this study was to evaluate the potential of the machine learning technique of decision trees to understand the relationships among furnace design, process parameters, crystal quality, and yield in the case of the Czochralski growth of germanium. The ultimate goal was to provide the range of optimal values of 13 input parameters and the ranking of their importance in relation to their impact on three output parameters relevant to process economy and crystal quality. Training data were provided by CFD modelling. The variety of data was ensured by the Design of Experiments method. The results showed that the process parameters, particularly the pulling rate, had a substantially greater impact on the crystal quality and yield than the design parameters of the furnace hot zone. Of the latter, only the crucible size, the axial position of the side heater, and the material properties of the radiation shield were relevant.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Crystals

  • ISSN

    2073-4352

  • e-ISSN

    2073-4352

  • Svazek periodika

    12

  • Číslo periodika v rámci svazku

    12

  • Stát vydavatele periodika

    CH - Švýcarská konfederace

  • Počet stran výsledku

    17

  • Strana od-do

    1764

  • Kód UT WoS článku

    000900625400001

  • EID výsledku v databázi Scopus

    2-s2.0-85144718366