デジタルツイン支援型エレクトロルミネッセンス解析による偽装マイクロキャビティディスプレイの非破壊構造同定
Non-Destructive Structural Identification of Camouflaged Microcavity Displays via Digital Twin-Assisted Electroluminescence Analysis
マイクロキャビティディスプレイでは、異なるデバイス構造でもほぼ同一の垂直入射エレクトロルミネッセンススペクトルを生成するため、非破壊的な同定が困難である。本研究では、単一の垂直入射スペクトルを用いて構造同定を行うデジタルツイン支援手法を開発した。光学モデルは測定された材料特性でパラメータ化され、測定されたエレクトロルミネッセンススペクトルに対して検証された。その後、±1 nm の電極厚さ変動を持つスペクトルを生成するために使用され、測定スペクトルもトレーニングに含まれた。8つの QLED/OLED デバイス構造に対して4つの機械学習分類器が比較され、Tanh活性化多層パーセプトロンが 93.94% の最も高いテスト精度を示した。この手法は、ピーク波長と線幅だけでは曖昧な場合に、スペクトル形状のわずかな違いが構造同定をサポートできることを示しており、マイクロキャビティディスプレイ構造の回転フリー光学スクリーニングのための実用的な基盤を提供する。
- 単一の垂直入射エレクトロルミネッセンススペクトルからマイクロキャビティディスプレイの構造を非破壊同定するデジタルツイン支援手法を開発。光学モデルは実測材料特性でパラメータ化し、実測スペクトルで検証した。
- 8つのQLED/OLEDデバイス構造に対し4種の機械学習分類器を比較し、Tanh活性化多層パーセプトロンがテスト精度93.94%で最高。±1nmの電極厚さ変動スペクトルを生成し測定スペクトルと併せて学習に使用した。
- ピーク波長と線幅では区別が曖昧な場合でも、スペクトル形状のわずかな違いが構造同定を可能にすることを示し、マイクロキャビティディスプレイ構造の回転フリー光学スクリーニングの実用的基盤を提供すると主張。
マイクロキャビティ型ディスプレイ(QLED/OLED)の構造を非破壊で同定するデジタルツイン+機械学習手法の研究。量産ラインでの品質検査・偽装品検出・光学スクリーニングに応用できる可能性があり、ディスプレイ製造装置・検査装置やMLベースの外観/光学検査ソリューションを手がける企業にとっては中期的な技術資産になり得る。ただし現時点では8構造・93.94%精度の実験室段階の成果で、商業化や採用企業は示されておらず、投資判断には量産適用性や顧客導入の続報を待ちたい。手法自体はAI(多層パーセプトロン)だが、成果物の領域は半導体/ディスプレイ製造・検査であり、テーマとしてはディスプレイ製造の歩留まり・品質管理側に注目。