Intelligentes Design von Kristallzüchtungsöfen und -prozessen

• Antragstellerinnen / Antragsteller: Dr. Natascha Dropka; Dr. David Linke
• Fachliche Zuordnung: Thermodynamik und Kinetik sowie Eigenschaften der Phasen und Gefüge von Werkstoffen ; Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik ; Metallurgische, thermische und thermomechanische Behandlung von Werkstoffen
• Förderung: Förderung von 2021 bis 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 467401796

• Erstellungsjahr: 2025

Zusammenfassung der Projektergebnisse

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.

Projektbezogene Publikationen (Auswahl)

• Development and Optimization of VGF-GaAs Crystal Growth Process Using Data Mining and Machine Learning Techniques. Crystals, 11(10), 1218.
  Dropka, Natasha; Böttcher, Klaus & Holena, Martin
  
• Smart Design of Cz-Ge Crystal Growth Furnace and Process. Crystals, 12(12), 1764.
  Dropka, Natasha; Tang, Xia; Chappa, Gagan Kumar & Holena, Martin
  
• Text-to-ontology mapping via natural language processing models. In ITAT, pages 28–34, 2022
  U. Yorsh, A.S. Behr, N. Kockmann & M. Holeňa
  
• Using artificial neural networks to determine ontologies most relevant to scientific texts. In ITAT, pages 44–54, 2022
  L. Korel, A.S. Behr, N. Kockmann & M. Holeňa
  
• Decision Tree-Supported Analysis of Gallium Arsenide Growth Using the LEC Method. Crystals, 13(12), 1659.
  Tang, Xia; Chappa, Gagan Kumar; Vieira, Lucas; Holena, Martin & Dropka, Natasha
  
• Development of the VGF Crystal Growth Recipe: Intelligent Solutions of Ill‐Posed Inverse Problems using Images and Numerical Data. Crystal Research and Technology, 58(11).
  Dropka, Natasha; Holena, Martin; Thieme, Cornelia & Chou, Ta‐Shun
  
• Text-to-Ontology Mapping via Natural Language Processing with Application to Search for Relevant Ontologies in Catalysis. Computers, 12(1), 14.
  Korel, Lukáš; Yorsh, Uladzislau; Behr, Alexander S.; Kockmann, Norbert & Holeňa, Martin
  
• Using paraphrasers to detect duplicities in ontologies. In Proceedings of the 15th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management – Volume 2, pages 40–49, 2023
  L. Korel, A.S. Behr, N. Kockmann & M. Holeňa
  
• Data‐Driven Cz–Si Scale‐Up under Conditions of Partial Similarity. Crystal Research and Technology, 59(6).
  Dropka, Natasha; Böttcher, Klaus; Chappa, Gagan Kumar & Holena, Martin
  
• Suitability of modern neural networks for active and transfer learning in surrogate-assisted black-box optimization. In IAL´24, pages 47–67, 2024
  M. Holeňa & J. Koza
  
• Unraveling conditions for W-shaped interface and undercooled melts in Cz-Si growth: A smart approach. Journal of Crystal Growth, 648, 127897.
  Dropka, Natasha; Petkovic, Milena; Böttcher, Klaus & Holena, Martin
  
• An Analysis of Elusive Relationships in Floating Zone Growth Using Data Mining Techniques. Advanced Theory and Simulations, 8(5).
  Vieira, Lucas; Menzel, Robert; Holena, Martin & Dropka, Natasha
  
• Landscape Analysis for Surrogate Models in the Evolutionary Black-Box Context. Evolutionary Computation, 33(2), 249-277.
  Pitra, Zbyněk; Koza, Jan; Tumpach, Jiří & Holeňa, Martin