نیمه هادی و میکروالکترونیک

1

 

توضیحات

قبل از پرورش ویفر، خواص دی الکتریک، حرارتی و الکترونیکی مواد نیمه هادی را پیش بینی کنید. MatterSeek یک موتور HNN را با یک آزمایشگاه مستقل جفت می کند.

 

productcate-1600-900

نیمه هادی و میکروالکترونیک -سیستم مواد / عملکرد قابل پیش بینی / مسیر اعتبار سنجی

 

 

 

 

 

هوش مصنوعی برای مواد نیمه هادی - دی الکتریک صفحه نمایش، کاندیداهای باند پهن و لایه نازک قبل از اینکه ویفر را بکارید

 

 

1. MatterSeek یک پلت فرم تحقیق و توسعه مواد هوش مصنوعی است که خواص مواد نیمه هادی را مستقیماً از ترکیب شیمیایی پیش بینی می کند.

دی‌الکتریک‌ها، ترکیب‌های باند پهن، پشته‌های لایه نازک و مواد بسته‌بندی، همگی می‌توانند قبل از برنامه‌ریزی یک چرخه آزمایش الکتریکی یا رسوب‌گذاری، در نرم‌افزار غربال شوند - سپس در یک آزمایشگاه مستقل تأیید شوند.

2. توسعه مواد نیمه هادی به دلیل ساختاری کند است: کشف ویژگی با تکرار فیزیکی پرهزینه و کم توان انجام می شود.

یک دی‌الکتریک جدید با k پایین، یک اکسید دروازه‌ای با k بالا یا یک ترکیب با شکاف گسترده معمولاً از طریق سنتز، رسوب‌گذاری، الگوبرداری، بازپخت و مشخصه‌های الکتریکی حرکت می‌کند، قبل از اینکه کسی بداند که آیا فرمولاسیون قابل دوام است یا خیر. این حلقه هفته ها برای هر نامزد هزینه دارد و داده هایی را تولید می کند که به ندرت به ترکیب بعدی تعمیم می یابد.

3. روند کار چگونه اجرا می شود. شما هدف را به زبان ساده توصیف می کنید - برای مثال، محدوده ترکیب پایه به اضافه یک پنجره ویژگی مورد نیاز مانند ثابت دی الکتریک بین 20 تا 60، یا نقطه ذوب بالای 1000 K.

MatterSeek توضیحات را تجزیه می کند، فضای ترکیب بندی را ایجاد می کند و نامزدهای رتبه بندی شده را با ویژگی های پیش بینی شده و عدم قطعیت برمی گرداند. مدیریت ترکیب از یک تا چهار عنصر پایه با کنترل سطح دوپینگ با دقت 0.02 پشتیبانی می کند، که با نحوه انجام مطالعات دوپینگ نیمه هادی مطابقت دارد. پیش‌بینی برای دو عنصر پایه تقریباً در یک دقیقه، برای سه عنصر دو دقیقه و برای چهار عنصر در هفت دقیقه انجام می‌شود.

4. خواص در محدوده.

این موتور خانواده هایی از جمله رفتار الکتروشیمیایی، دی الکتریک، حرارتی، ترمودینامیکی، مغناطیسی، نوری و مکانیکی - از جمله ثابت دی الکتریک، نقطه ذوب، دمای بحرانی ابررسانا، ضریب سیبک، ضریب قدرت و شکل ترموالکتریک شایستگی را پوشش می دهد. نتایج به‌عنوان نمودارهای رادار برای مقایسه چند ویژگی، نقشه‌های حرارتی دوبعدی و سه بعدی برای مناظر ترکیب-ویژگی، و جداول داده‌های قابل صادرات برگردانده می‌شوند.

5. جایی که آزمایشگاه خودمختار حلقه را می بندد.

نامزدهای پیش‌بینی‌شده را می‌توان به آزمایشگاه خودمختار 1200 متر مربعی MatterSeek هدایت کرد، که در شش دسته فرآیندی سازماندهی شده است که شامل رسوب لایه نازک تمیز و پس از درمان است. خصوصیات - XRD، XRF، رامان و آنالیز حرارتی همزمان - خودکار است، با هدف اعلام شده 300 تا 500 نمونه در روز بسته به مسیر سنتز. دقت مدل در برابر اندازه‌گیری فیزیکی 95.7 درصد است و نتایج اندازه‌گیری شده برای اصلاح دور پیش‌بینی بعدی بازخورد می‌کنند.

6. سیستم های مواد قبلاً پرداخته شده است

شامل لایه‌های دی‌الکتریک و عایق، ترکیبات با شکاف گسترده برای دستگاه‌های قدرت، مواد لایه نازک و متصل به هم و مواد بسته‌بندی.

 

سوالات متداول

 

 

س: آیا هوش مصنوعی می تواند ثابت دی الکتریک را قبل از سنتز یک ماده پیش بینی کند؟

ج: بله. MatterSeek ثابت دی الکتریک و سایر خصوصیات را از ترکیب به تنهایی پیش‌بینی می‌کند و مقداری را با محدوده عدم قطعیت برمی‌گرداند تا بتوانید قبل از انجام رسوب و ظرفیت آزمایش، نامزدها را رتبه‌بندی کنید.

س: چند عنصر را می توان همزمان نمایش داد؟

A: یک تا چهار عنصر پایه، با دقت سطح دوپینگ 0.02.

س: آیا پلت فرم جایگزین مشخصات الکتریکی می شود؟

A: خیر. پیش بینی فضای جستجو را محدود می کند. اندازه گیری فیزیکی داور نهایی باقی می ماند. ارزش این است که تعداد کمی از نامزدها اکنون به اندازه گیری نیاز دارند.

Yuyao (Beijing) Technology Co., Ltd. یک شرکت حرفه ای متخصص در تقاطع هوش مصنوعی و مواد پیشرفته نیمه هادی و میکروالکترونیک است. این شرکت به طور مستقل MatterSeek را توسعه داده است - یک مدل بزرگ اساسی که برای بخش مواد طراحی شده است - و الگوریتم HNN (شبکه عصبی سلسله مراتبی) را پیشگام کرده است، در حالی که یک پایگاه داده آزمایشی مواد قابل کنترل و اختصاصی ساخته است.