Spojení umělé inteligence a fyziky: technologická inovace CVD za Nobelovou cenou

Nedávné oznámení Nobelovy ceny za fyziku za rok 2024 přineslo nebývalou pozornost oblasti umělé inteligence. Výzkum provedený americkým vědcem Johnem J. Hopfieldem a kanadským vědcem Geoffrey E. Hintonem využil nástroje strojového učení, aby poskytl nový pohled na složitý svět dnešní fyziky. Tento úspěch představuje nejen důležitý milník v technologii AI, ale také předznamenává hlubokou integraci mezi fyzikou a umělou inteligencí.

Jaký je význam chemické depozice z plynné fáze (CVD) ve fyzice a jakým výzvám čelí?

Technologie chemické depozice z plynné fáze (CVD).má ve fyzice mnohostranný význam, slouží jako klíčová technika přípravy materiálu a zároveň hraje zásadní roli v pokroku ve výzkumu a aplikacích ve fyzikálních vědách. CVD umožňuje přesnou kontrolu růstu materiálu na atomové a molekulární úrovni. Jak je znázorněno na obrázku 1, tato technika zahrnuje látky v plynné nebo plynné fázi, které procházejí chemickými reakcemi na pevných površích za vzniku pevných usazenin, čímž se vytvářejí různé vysoce výkonné filmy a nanostrukturní materiály. Tato schopnost je ve fyzice zásadní pro pochopení a zkoumání vztahu mezi mikrostrukturami materiálů a jejich makroskopickými vlastnostmi, protože umožňuje vědcům studovat materiály se specifickými strukturami a složeními, a tak získat hloubkový náhled na jejich fyzikální vlastnosti.

dáleCVD technologieje klíčovou metodou pro výrobu různých funkčních vrstev v polovodičových součástkách. Může být například použit k růstukřemíkové monokrystalické epitaxní vrstvy, III-V polovodiče, jako je arsenid gallia, a II-VI polovodičové monokrystalické epi-vrstvy, stejně jako ukládání různých dopovaných polovodičových monokrystalických epitaxních filmů a polysilikonových filmů. Tyto materiály a struktury tvoří základ moderních elektronických a optoelektronických zařízení. Technologie CVD navíc hraje významnou roli v oblastech výzkumu, jako jsou optické materiály, supravodivé materiály a magnetické materiály. Pomocí CVD lze syntetizovat tenké vrstvy se specifickými optickými vlastnostmi pro aplikace v optoelektronických zařízeních a optických senzorech.

Navzdory svým výhodám čelí technologie CVD v praktických aplikacích několika výzvám, jako jsou:

Podmínky vysoké teploty a vysokého tlaku: CVD často vyžaduje vysoké teploty nebo tlaky, což omezuje typy materiálů, které lze použít, a zvyšuje spotřebu energie a náklady.

Citlivost na parametry: Proces CVD je extrémně citlivý na reakční podmínky, přičemž i nepatrné odchylky mohou potenciálně ovlivnit kvalitu konečného produktu.

Složitost systémů CVD: Proces je citlivý na okrajové podmínky, vykazuje značnou nejistotu a může být obtížné jej reprodukovat, což potenciálně komplikuje vývoj materiálu.

Jak děláTechnologie chemické depozice z plynné fáze (CVD).Profitujete ze strojového učení?

V konfrontaci s těmito výzvami ukázalo strojové učení jako výkonný nástroj pro analýzu dat potenciál při řešení některých z těchto problémů v oblasti CVD. Zde jsou případy aplikací strojového učení v technologii CVD:

(1) Předvídání růstu CVD: Algoritmy strojového učení se mohou učit z rozsáhlých experimentálních dat a předpovídat výsledky růstu CVD za různých podmínek, a tím usměrňovat úpravu experimentálních parametrů. Jak je znázorněno na obrázku 1, výzkumný tým na Technologické univerzitě Nanyang v Singapuru použil klasifikační algoritmy ve strojovém učení k vedení CVD syntézy dvourozměrných materiálů. Analýzou raných experimentálních dat úspěšně předpověděli podmínky růstu pro sirník molybdeničitý (MoS2), výrazně zlepšili úspěšnost experimentů a snížili počet pokusů.

Obrázek 1: Syntéza materiálů řízená strojovým učením. (a) Nepostradatelná součást vývoje materiálu: syntéza materiálů. (b) Klasifikační modely usnadňují syntézu dvourozměrných materiálů chemickou depozicí z plynné fáze (CVD) (nahoře); regresní modely řídí hydrotermální syntézu fluorescenčních kvantových teček dotovaných sírou a dusíkem (dole).

V jiné studii, jak je znázorněno na obrázku 2, bylo k analýze vzorců růstu grafenu v systémech CVD použito strojové učení. Díky vývoji konvolučních neuronových sítí pro návrh regionu (R-CNN) byli vědci schopni automaticky měřit a analyzovat velikost, pokrytí, hustotu domén a poměr stran grafenu. Následně byly umělé neuronové sítě (ANN) a podpůrné vektorové stroje (SVM) použity k vývoji náhradních modelů k odvození korelace meziCVD procesproměnné a měřené specifikace. Tato metoda umožňuje simulaci syntézy grafenu a určuje experimentální podmínky nezbytné pro výrobu grafenu s velkými zrnitostmi a nízkou hustotou domén, čímž výrazně šetří čas a náklady.

Obrázek 2: Predikce růstových vzorců grafenu v CVD systémech pomocí strojového učení

(2) Automatizovaný proces CVD: Strojové učení lze použít k vývoji automatizovaných systémů, které monitorují a upravují parametry v reálném čase během procesu CVD, čímž se dosáhne přesnějšího řízení a vyšší efektivity výroby. Jak je znázorněno na obrázku 3, výzkumný tým z univerzity Xidian využil hluboké učení k překonání problému rozpoznání úhlu natočení dvouvrstvých dvourozměrných materiálů připravených pomocí CVD. Shromažďováním barevného prostoru MoS2 připraveného pomocí CVD a aplikací konvolučních neuronových sítí sémantické segmentace (CNN) byli schopni přesně a rychle identifikovat tloušťku MoS2. Poté trénovali druhý model CNN, aby přesně předpověděl úhel rotace dvouvrstvých materiálů TMD pěstovaných pomocí CVD. Tato metoda nejen zlepšila efektivitu identifikace vzorků, ale také poskytla nové paradigma pro aplikaci hlubokého učení v oblasti vědy o materiálech.

Obrázek 3: Přístup hlubokého učení pro identifikaci úhlu rotace dvouvrstvých dvourozměrných materiálů

Výhled

Vyhlášení Nobelovy ceny nám opět připomíná, že integrace umělé inteligence a fyziky přinese více inovací a průlomů. Vzhledem k tomu, že technologie strojového učení se neustále vyvíjí, máme důvod tomu věřittechnologie chemické depozice parv budoucnu narazí na nové možnosti rozvoje. To vše ohlašuje úsvit nové éry, kde konvergence technologie a vědy otevře širší cesty pro průzkum.

Semicorex nabízíGrafitový povlak SiC/TaCakeramické materiály prostřednictvím procesu chemické depozice z plynné fáze (CVD).. Pokud máte nějaké dotazy nebo potřebujete další podrobnosti, neváhejte nás kontaktovat.

Kontaktní telefon +86-13567891907

E-mail: sales@semicorex.com