Félvezető és mikroelektronika

1

 

Leírás

Jósolja meg a félvezető anyagok dielektromos, termikus és elektronikus tulajdonságait, mielőtt ostyát növeszt. A MatterSeek egy HNN-motort párosít egy autonóm laborral.

 

productcate-1600-900

Félvezető és mikroelektronika —Anyagrendszer / Megjósolható teljesítmény / Ellenőrzési útvonal

 

 

 

 

 

AI félvezető anyagokhoz – Képernyő-dielektrikumok, széles sávszélességű és vékonyfilmes jelöltek, mielőtt ostyát növesztesz

 

 

1. A MatterSeek egy mesterséges intelligencia anyagok kutatási és fejlesztési platformja, amely közvetlenül a kémiai összetétel alapján jósolja meg a félvezető anyagok tulajdonságait.

A dielektrikumokat, a széles sávú vegyületeket, a vékonyréteg-kötegeket és a csomagolóanyagokat szoftverben mind át lehet vizsgálni, mielőtt egyetlen felhordási vagy elektromos tesztciklust ütemeznének, majd egy autonóm laboratóriumban validálhatók.

2. A félvezető anyagok fejlesztése szerkezeti okok miatt lassú: a tulajdonságok felfedezését drága, alacsony áteresztőképességű fizikai iteráció zárja.

Egy új, alacsony k-értékû dielektrikum, egy magas k-értékû gate-oxid vagy egy széles sávú vegyület általában szintézisen, felhordáson, mintázaton, lágyításon és elektromos jellemzésen megy keresztül, mielõtt bárki megtudná, hogy a készítmény életképes-e. Ez a ciklus jelöltenként hetekbe kerül, és olyan adatokat hoz létre, amelyek ritkán általánosítanak a következő összetételre.

3. Hogyan fut a munkafolyamat. Ön egyszerű nyelven írja le a célt – például egy alapösszetétel-tartományt és egy olyan szükséges tulajdonságablakot, mint a 20 és 60 közötti dielektromos állandó vagy az 1000 K feletti olvadáspont.

A MatterSeek elemzi a leírást, létrehozza a kompozíciós teret, és rangsorolt ​​jelölteket ad vissza előre jelzett tulajdonságokkal és bizonytalansággal. A kompozíciókezelés egy-négy alapelemet támogat 0,02-es pontosságú adalékolási szintű szabályozással, amely megfelel a félvezető doppingvizsgálatok tényleges hatókörének. A jóslás nagyjából egy perc alatt fut le két alapelem esetén, két perc alatt három és hét perc alatt négy.

4. A hatókörbe tartozó tulajdonságok.

A motor olyan családokat takar, mint az elektrokémiai, dielektromos, termikus, termodinamikai, mágneses, optikai és mechanikai tulajdonságok – köztük a dielektromos állandó, az olvadáspont, a szupravezetés kritikus hőmérséklete, a Seebeck-együttható, a teljesítménytényező és a termoelektromos érték. Az eredmények radardiagramok formájában jelennek meg több tulajdonság összehasonlításához, 2D-s és 3D-s hőtérképekként kompozíció-tulajdon tájképekhez, valamint exportálható adattáblázatok.

5. Ahol az autonóm labor zárja a hurkot.

A megjósolt jelölteket be lehet tolni a MatterSeek 1200 m²-es autonóm laboratóriumába, amely hat folyamatcsoportba szerveződik, amelyek magukban foglalják a tiszta vékonyréteg-leválasztást és az utókezelést. A jellemzés – XRD, XRF, Raman és egyidejű termikus analízis – automatizált, a kitűzött cél napi 300-500 minta a szintézis útjától függően. A modell pontossága 95,7%-os a fizikai méréshez képest, és a mért eredmények visszacsatolnak a következő előrejelzési kör finomításához.

6. Már tárgyalt anyagrendszerek

Tartalmazza a dielektromos és szigetelő rétegeket, az erősáramú eszközök széles sávú keverékeit, a vékonyréteg- és összekötő anyagokat, valamint a csomagolóanyagokat.

 

GYIK

 

 

K: Megjósolhatja a mesterséges intelligencia a dielektromos állandót az anyag szintetizálása előtt?

V: Igen. A MatterSeek a dielektromos állandót és más tulajdonságokat önmagában az összetétel alapján jósolja meg, és egy bizonytalansági tartományú értéket ad vissza, így rangsorolhatja a jelölteket a lerakódás és a tesztelési kapacitás végrehajtása előtt.

K: Hány elemet lehet egyszerre átvilágítani?

V: Egy-négy alapelem, 0,02-es adalékolási pontossággal.

K: A platform helyettesíti az elektromos jellemzést?

V: Nem. Az előrejelzés szűkíti a keresési teret; A fizikai mérés marad a végső döntés. Az érték abban rejlik, hogy most milyen kevés jelöltnek van szüksége mérésre.

A Yuyao (Peking) Technology Co., Ltd. egy professzionális cég, amely a mesterséges intelligencia és a félvezető és mikroelektronika fejlett anyagainak metszéspontjára szakosodott. A vállalat önállóan fejlesztette ki a MatterSeeket – egy, az anyagszektorra szabott, nagy alapmodellet –, és úttörő szerepet játszott a HNN (Hierarchical Neural Network) algoritmusban, miközben felépített egy szabadalmaztatott, ellenőrizhető anyagkísérleti adatbázist.