Fúzia AI a fyziky: technologická inovácia CVD za Nobelovou cenou

Nedávne vyhlásenie Nobelovej ceny za fyziku za rok 2024 prinieslo do oblasti umelej inteligencie nebývalú pozornosť. Výskum amerického vedca Johna J. Hopfielda a kanadského vedca Geoffreyho E. Hintona využil nástroje strojového učenia na poskytnutie nových pohľadov na zložitý svet dnešnej fyziky. Tento úspech nie je len dôležitým míľnikom v technológii AI, ale je aj predzvesťou hlbokej integrácie medzi fyzikou a umelou inteligenciou.

Aký je význam chemickej depozície pár (CVD) vo fyzike a akým výzvam čelí?

Technológia chemickej depozície z pár (CVD).má mnohostranný význam vo fyzike, slúži ako kľúčová technika prípravy materiálu a zároveň hrá zásadnú úlohu pri napredovaní výskumu a aplikácií vo fyzikálnych vedách. CVD umožňuje presnú kontrolu rastu materiálu na atómovej a molekulárnej úrovni. Ako je znázornené na obrázku 1, táto technika zahŕňa plynné látky alebo látky v plynnej fáze, ktoré prechádzajú chemickými reakciami na pevných povrchoch za vzniku pevných usadenín, čím sa vytvárajú rôzne vysokovýkonné filmy a nanoštruktúrne materiály. Táto schopnosť je vo fyzike životne dôležitá pre pochopenie a skúmanie vzťahu medzi mikroštruktúrami materiálov a ich makroskopickými vlastnosťami, pretože umožňuje vedcom študovať materiály so špecifickými štruktúrami a kompozíciami, čím získavajú hĺbkový prehľad o ich fyzikálnych vlastnostiach.

ďalejTechnológia CVDje kľúčovou metódou na výrobu rôznych funkčných vrstiev v polovodičových zariadeniach. Môže sa napríklad použiť na pestovaniekremíkové monokryštálové epitaxné vrstvy, III-V polovodiče, ako je arzenid gália, a II-VI polovodičové monokryštálové epi-vrstvy, ako aj ukladanie rôznych dopovaných polovodičových monokryštálových epitaxných filmov a polysilikónových filmov. Tieto materiály a štruktúry tvoria základ moderných elektronických a optoelektronických zariadení. Okrem toho technológia CVD zohráva významnú úlohu vo výskumných oblastiach, ako sú optické materiály, supravodivé materiály a magnetické materiály. Pomocou CVD možno syntetizovať tenké filmy so špecifickými optickými vlastnosťami pre aplikácie v optoelektronických zariadeniach a optických senzoroch.

Napriek svojim výhodám čelí technológia CVD v praktických aplikáciách niekoľkým výzvam, ako napríklad:

Podmienky vysokej teploty a vysokého tlaku: CVD často vyžaduje vysoké teploty alebo tlaky, čo obmedzuje typy materiálov, ktoré je možné použiť, a zvyšuje spotrebu energie a náklady.

Citlivosť na parametre: Proces CVD je mimoriadne citlivý na reakčné podmienky, pričom aj malé odchýlky môžu potenciálne ovplyvniť kvalitu konečného produktu.

Zložitosť systémov CVD: Proces je citlivý na okrajové podmienky, vykazuje značnú neistotu a môže byť ťažké ho reprodukovateľne riadiť, čo potenciálne komplikuje vývoj materiálu.

Ako robíTechnológia chemického nanášania pár (CVD).Využívate výhody strojového učenia?

V konfrontácii s týmito výzvami ukázalo strojové učenie ako výkonný nástroj na analýzu údajov potenciál pri riešení niektorých z týchto problémov v oblasti CVD. Tu sú prípady aplikácií strojového učenia v technológii CVD:

(1) Predpovedanie rastu CVD: Algoritmy strojového učenia sa môžu učiť z rozsiahlych experimentálnych údajov na predpovedanie výsledkov rastu CVD za rôznych podmienok, čím sa riadi úprava experimentálnych parametrov. Ako je znázornené na obrázku 1, výskumný tím na Technologickej univerzite Nanyang v Singapure použil klasifikačné algoritmy v strojovom učení na vedenie syntézy CVD dvojrozmerných materiálov. Analýzou skorých experimentálnych údajov úspešne predpovedali podmienky rastu pre disulfid molybdénový (MoS2), čím výrazne zlepšili úspešnosť experimentov a znížili počet pokusov.

Obrázok 1: Syntéza materiálov riadená strojovým učením. a) Nevyhnutná súčasť vývoja materiálu: syntéza materiálov. b) Klasifikačné modely uľahčujú syntézu dvojrozmerných materiálov chemickou depozíciou z plynnej fázy (CVD); regresné modely usmerňujú hydrotermálnu syntézu fluorescenčných kvantových bodiek dotovaných sírou a dusíkom (dole).

V ďalšej štúdii, ako je znázornené na obrázku 2, sa na analýzu vzorcov rastu grafénu v systémoch CVD použilo strojové učenie. Vývojom konvolučných neurónových sietí pre návrh regiónu (R-CNN) boli výskumníci schopní automaticky merať a analyzovať veľkosť, pokrytie, hustotu domén a pomer strán grafénu. Následne boli umelé neurónové siete (ANN) a podporné vektorové stroje (SVM) použité na vývoj náhradných modelov na odvodenie korelácie medziCVD procespremenné a merané špecifikácie. Táto metóda umožňuje simuláciu syntézy grafénu a určuje experimentálne podmienky potrebné na výrobu grafénu s veľkými veľkosťami zŕn a nízkou hustotou domén, čím výrazne šetrí čas a náklady.

Obrázok 2: Predikcia rastových vzorcov grafénu v systémoch CVD pomocou strojového učenia

(2) Automatizovaný proces CVD: Strojové učenie možno použiť na vývoj automatizovaných systémov, ktoré monitorujú a upravujú parametre v reálnom čase počas procesu CVD, čím sa dosiahne presnejšia kontrola a vyššia efektivita výroby. Ako je znázornené na obrázku 3, výskumný tím z univerzity Xidian využil hlboké učenie na prekonanie problému rozpoznania uhla natočenia dvojvrstvových dvojrozmerných materiálov pripravených pomocou CVD. Zhromažďovaním farebného priestoru MoS2 pripraveného pomocou CVD a aplikáciou konvolučných neurónových sietí sémantickej segmentácie (CNN) dokázali presne a rýchlo identifikovať hrúbku MoS2. Potom vycvičili druhý model CNN, aby presne predpovedali uhol natočenia dvojvrstvových materiálov TMD pestovaných pomocou CVD. Táto metóda nielen zlepšila efektivitu identifikácie vzoriek, ale poskytla aj novú paradigmu pre aplikáciu hlbokého učenia v oblasti materiálovej vedy.

Obrázok 3: Prístup hlbokého učenia na identifikáciu uhla rotácie dvojvrstvových dvojrozmerných materiálov

Outlook

Vyhlásenie Nobelovej ceny nám opäť pripomína, že integrácia umelej inteligencie a fyziky prinesie viac inovácií a prelomov. Keďže technológia strojového učenia neustále napreduje, máme dôvod tomu veriťtechnológia chemického nanášania párv budúcnosti narazí na nové možnosti rozvoja. To všetko ohlasuje úsvit novej éry, kde konvergencia technológie a vedy otvorí širšie možnosti skúmania.

Semicorex ponúkaGrafitový povlak SiC/TaCakeramické materiály prostredníctvom procesu chemického nanášania pár (CVD).. Ak máte akékoľvek otázky alebo potrebujete ďalšie podrobnosti, neváhajte nás kontaktovať.

Kontaktné telefónne číslo +86-13567891907

E-mail: sales@semicorex.com