|
検索したキーワードがページ内でハイライトします。
| RESET |
研究キーワード:北海道大学における「力制御」 に関係する研究一覧:2件
概要表示
折りたたむ
発表日:2025年8月21日
1
安全かつ簡便に作れる高性能薄膜トランジスタ
~水素ガス不要で、電界効果移動度は従来比10倍~(電子科学研究所教授 太田裕道)
北海道大学大学院情報科学院修士課程の定平 光氏、同大学電子科学研究所の太田裕道教授、曲 勇作助教(研究当時)、同大学大学院工学研究院の三浦 章教授らの研究グループは、危険な水素ガスや複雑な圧力制御を用いずに、電界効果移動度約90 cm2/V·sの高性能薄膜トランジスタの開発に成功しました。水素添加酸化インジウムを活性層とする薄膜トランジスタは、現在主流の酸化インジウム・ガリウム・亜鉛(IGZO)薄膜トランジスタの約10倍の電界効果移動度を示すことから次世代ディスプレイ用素子として注目されています。しかし、水素は酸素と混合すると爆発の危険があるため、従来の水素ガ...
キーワード:高移動度/ディスプレイ/トランジスタ/薄膜トランジスタ/力制御/電界効果/圧力制御/移動度/水素ガス/インジウム
他の関係分野:化学工学
概要表示
折りたたむ
発表日:2025年4月15日
2
力学系の内部構造を解析する深層学習を開発
~物理現象や複雑システムの理解や解析に期待~(情報科学研究院教授松原崇)
北海道大学大学院情報科学研究院の松原 崇教授、早稲田大学理工学術院の吉村浩明教授、神戸大学大学院理学研究科の谷口隆晴教授、大阪大学大学院基礎工学研究科修士課程のコスロービアン・ラグミックアルマン氏らの研究グループは、機械系や電気系など様々な物理ドメインのシステムが結合した力学系を、高精度かつ統一的に表現できる新たな深層学習手法「ポアソン=ディラック ニューラルネットワーク(PoDiNNs)」を開発しました。従来の深層学習モデルは、解析力学の知見を用いることで、高精度に挙動をモデル化し、未来の変化を予測することに成功していました。しかし、主に(質点ばねで表現できるような)機械系の運動に特化して...
キーワード:電力制御/ニューラルネットワーク/最適化/深層学習/内部構造/力学系/力制御/ニューラルネット/マルチフィジックス/モデル化/ロボット/ロボット工学/冗長性/振動解析
他の関係分野:情報学数物系科学工学
北海道大学 研究シーズ